時間：2023-08-07 17:29:18
導語：在數據分析分析技術的撰寫旅程中，學習并吸收他人佳作的精髓是一條寶貴的路徑，好期刊匯集了九篇優秀范文，愿這些內容能夠啟發您的創作靈感，引領您探索更多的創作可能。
關鍵詞：聯機分析處理；多維數據庫；數據分析；甲骨文產品；財務預算系統
中圖分類號：TP392 文獻標識碼：A 文章編號：1007-9599 （2013） 02-0000-03
OLAP（On-Line Analytical Processing，即聯機分析處理）是一種多維數據庫技術。這種技術的設計目的是針對特定問題的實時數據訪問和分析，并且提供直觀易懂的查詢結果。還有一種處理技術OLTP（on-Line transaction processing，即聯機事務處理），與OLAP不同，OLTP是傳統的關系型數據庫的主要應用，主要是基本的、日常的事務處理。
1 OLAP技術介紹
1.1 OLAP技術的發展背景
60年代，關系數據庫之父E.F.Codd提出了關系模型，促進了聯機事務處理（OLTP）的發展（數據以表格的形式而非文件方式存儲）。1993年，E.F.Codd提出了OLAP概念，認為OLTP已不能滿足終端用戶對數據庫查詢分析的需要，SQL對大型數據庫進行的簡單查詢也不能滿足終端用戶分析的要求。用戶的決策分析需要對關系數據庫進行大量計算才能得到結果，而查詢的結果并不能滿足決策者提出的需求。因此，E.F.Codd提出了多維數據庫和多維分析的概念，即OLAP。OLAP技術正是為了滿足決策管理的需求而產生的。
1.2 OLAP特征
OLAP的技術核心是"維"（Dimension）這個概念。“維”是指一種視角，是一個判斷、說明、評價和確定一個事物的多方位、多角度、多層次的條件和概念。通過把一個實體的多項重要的屬性定義為多個維，使用戶能對不同維上的數據進行動態的多維快速訪問和分析。包括：在維之間、成員之間交叉組合分析；對連續時間段進行趨勢分析；將數據切片從不同切面比較數據；向下鉆取到組合數據的更深層觀察細節數據；向上上卷到細節數據的更高層觀察匯總數據.因此OLAP也可以說是多維數據分析工具的集合。由此可以得出OLAP的四個特征：多維性、快速性、可分析性和信息性。
1.3 多維數據的概念及層次關系
關系數據庫是圍繞一條一條“記錄”而形成的。多維數據庫的技術核心是“維”，類似于數組。下面舉例說明：NBA（National Basketball Association）聯盟有三種收入來源（轉播、門票和廣告），下表是其中兩支NBA球隊（LAKERS，KINGS）的銷售收入，其中表1是關系表，表2是根據每支球隊的銷售來源轉化成的多維表。
通過上圖可以看出，表2中表達的數據關系更直觀。在多維數據庫中，通常將“球隊”定義成“組織”（Entity）維，將“收入來源”定義為“業務方向”（Business）維，銷售額定義為“科目”（Account）維。表2從組織維和業務方向維展示了銷售收入狀況。其中，“Entity”為維度，球隊名稱：LAKERS，KINGS為維度成員，即維值。“維”具有層級關系，如父子關系，兄弟關系等。如本例中，Entity和LAKERS的關系就是父子關系，LAKERS和KINGS的關系為兄弟關系。若在Entity和LAKERS之間定義了其他維值，如NBA、WEST（西部）和Pacific Division（太平洋賽區），即：Entity-NBA-WEST-Pacific Division-LAKERS，那“Entity”與“LAKERS”的層級關系就變成了祖輩與后代的關系。
1.4 多維數據分析的操作
OLAP的基本多維分析操作有鉆取（roll up和drill down）、切片（slice）和切塊（dice）、以及旋轉（pivot）、drill across、drill through等，對數據進行剖析，使用戶能從多個角度、多側面地觀察數據庫中的數據，從而深入分析包含在數據中的信息。
鉆取是改變維的層次，變換分析的粒度。它包括向上鉆取（roll up）和向下鉆取（drill down）。roll up是在某一維上將低層次的細節數據概括到高層次的匯總數據，或者減少維數；而drill down則相反，它從匯總數據深入到細節數據進行觀察或增加新維。切片和切塊是在一部分維上選定值后，關心度量數據在剩余維上的分布。如果剩余的維只有兩個，則是切片；如果有三個，則是切塊。旋轉是變換維的方向，即在表格中重新安排維的放置（即行列互換）。
根據綜合性數據的組織方式的不同，目前常見的OLAP主要有基于多維數據庫的MOLAP及基于關系數據庫的ROLAP兩種。MOLAP是以多維的方式組織和存儲數據，ROLAP則利用現有的關系數據庫技術來模擬多維數據。在數據倉庫應用中，OLAP應用一般是數據倉庫應用的前端工具，同時OLAP工具還可以同數據挖掘工具、統計分析工具配合使用，增強決策分析功能。
2 OLAP技術在企業財務預算數據分析中的具體
下面以ORACLE公司的產品Hyperion系統為例，介紹OLAP技術在企業財務預算數據分析中的應用。Hyperion系統是一種基于Web的OLAP解決方案，該產品分為三層架構，客戶端、應用服務器和Essbase數據庫。用戶可以通過瀏覽器訪問應用服務器，進行檢索和分析數據；也可以通過Essbase Spreadsheet Add-in插件直接對數據庫進行操作，進行數據訪問和分析。Essbase Spreadsheet Add-in是一款軟件，可以與Microsoft Excel實現無縫連接。安裝該插件程序后，Excel應用程序中將增加一個菜單項――Essbase。該菜單提供了可以對數據庫操作的命令，例如“連接”、“旋轉”、“放大”（向下鉆取）、“縮小”（向上鉆取）、“發送”等功能按鈕。用戶僅通過單擊鼠標然后進行拖放就可以展開立體式、快速靈活的數據訪問和分析。
下面應用前面總結的多維數據庫技術方法對一大型能源集團公司的預算數據進行數據分析，數據分析的前提是在執行了業務規則（可以認為是計算財務數據的勾稽關系的公式）。連接數據庫和應用“Budget”后，搭建一張利潤表。如圖1：
下面從多角度組合分析該大型能源集團公司的利潤情況。比如我們想了解集團公司下屬各單位2012年的盈利狀況，只需要選中“集團公司”，然后雙擊，即可進行向下鉆取，獲取各單位的數據，如圖2：
以上是從組織維的角度對數據進行了查詢，現在換一個角度，我們從年份和場景進行對比各下屬單位的盈利情況，通過對“2012年”和“預算”維值的拖拽，選擇“2012年”的兄弟級成員“2010年”和“2011年”，選擇“預算”的兄弟級成員“實際”，從而形成圖3：
對比2010年、2011年的預算數、實際數和2012年的預算數據，經分析發現，從集團公司層面，集團公司2010年的實際利潤1480超過了預計利潤1450；2010年、2011年實際利潤和2012年預算數據對比，每年利潤成上升趨勢，說明公司經營狀況良好。但是再仔細分析發現，2010年實際利潤雖然達到了預期目標，但是有一家分公司的利潤為-10，這就會讓分析人員去進一步研究是什么原因造成了這種狀況，對“上海分公司”執行“僅保留”操作，“2010年”、“預算”和“2011年”、“實際”執行相同的操作，然后將“凈利潤”展開，將“上海分公司”進行“旋轉”操作，得到下圖4：
通過對圖4分析得出，上海分公司凈利潤的減少是由于營業總成本的增加和投資收益的減少造成的，經過進一步分析，其中營業總成本的增加體現在人員管理費的增加和研究開發費的增加，因為今年上海分公司引進了一批技術人才進行新技術的開發研究，預計技術成熟后，即可投入到開發生產中，為公司盈利。投資收益虧損是由于當時對投資的一個項目沒有進行很好的預估，造成了公司的虧損。通過一系列的分析，得出了結論，這能夠指導公司在將來制定更加合理的戰略決策。
3 總結
按照企業的業務目標，對大量的企業數據進行分析和探索、揭示隱藏其中的規律性，指導管理者決策，OLAP技術的靈活、高效的特點被體現的淋漓盡致，對于從大型多維數據庫在獲取數據也顯得輕而易舉，另外它還具有啟發性，引領分析者進行進一步的思考，做進一步的分析，直至得到明確的結果和結論。能夠更好的指導企業進行經營決策管理，提高企業經濟效益，提升企業的市場競爭力。
參考文獻：
[1]ERIK THOMSEN.OLAP解決方案：創建多維信息系統（第二版）[M].朱建秋.北京：電子工業出版社，2004.
[2]施伯樂，朱揚勇.數據庫與智能數據分析：技術、實踐與應用[M].上海：復旦大學出版社，2003.
[3]姚家奕.多維數據分析原理與應用實驗教程[M].北京：電子工業出版社，2007.
[4]姚家奕.多維數據分析原理與應用[M].北京：清華大學出版社，2004.
[5]劉汝焯.審計數據的多維分析技術[M].北京：清華大學出版社，2006.
[6]陳安，陳寧，周龍驤.數據挖掘技術及應用[M].北京：科學出版社，2006.
[7]ALEX BERSON，STEPHEN J.SMITH.Data Warehousing.Data Mining and OLAP[M].USA：Computing Mcgraw-Hill，1999.
關鍵詞：大數據；可視化；數據倉庫；市場監管
引言
運用大數據技術來加強對市場主體的服務和監管，是促進政府職能轉變、簡政放權和優化服務的有效手段，也是近年來的發展趨勢[1]。國務院辦公廳的《國務院辦公廳關于運用大數據加強對市場主體服務和監管的若干意見》中要求，各級政府部門都要充分認識運用大數據技術加強對市場主體服務和監管的重要性，通過運用大數據技術來提高對市場主體的服務水平、加強和改進新形勢下的市場監管能力，并以此為動力推進政府和社會信息資源的開放和共享，提高政府部門運用大數據技術的水平。為了進一步加強和改進市場監管方法，提升市場監管部門的市場主體服務能力，順應大數據時代潮流，運用大數據技術加強對市場主體的服務和監管，促進政府職能轉變，做好簡政放權和優化服務，在現有軟硬件資源的基礎上，整合原工商、質監、食藥監、物價、知識產權等相關部門各個業務系統的數據，建設基于可視化技術的市場監管大數據分析系統。基于可視化技術的市場監管大數據分析系統由數據倉庫、大數據分析軟件及相關軟硬件設備組成。
1系統架構
系統采用松耦合、高聚合、多層次和面向服務的體系結構，堅持功能實用、接口規范和高響應時效的原則，采用J2EE架構和多服務器、虛擬化和集群化的部署方式。支持Oracle、mysql、SqlServer、DB2等主流數據庫，支持Hadoop分布式系統基礎架構。采用了兼容性較好的B/S模式，并結合當前科技創新工作的要求，支持Linux系統客戶端下的火狐、谷歌等主流瀏覽器。系統的基本架構如圖1所示。系統的數據源來自原工商、質監、食藥監、物價、知識產權等多個部門不同廠家、不同版本的業務軟件，經過數據清洗模塊對各部門的數據進行整理、清洗，存入數據倉庫。J2EE平臺調用數據分析模型接口對數據倉庫中的數據進行分析，并通過可視化工具以圖、表等形式對結果進行可視化輸出。
2數據預處理
由于數據源所在的數據產生部門、數據庫廠商和版本各不相同，數據庫中表結構的差異較大，必須先對從各數據源中抽取的數據進行預處理，將清洗整理過的數據存儲到數據倉庫中，才能把數據完整、有效地提供給數據分析模塊進行分析，并對分析產生的結果進行可視化輸出。
2.1源數據抽取針對多部門不同的數據庫系統，都開發了相應的數據庫接口進行數據抽取，對于未采用數據庫進行存儲的數據，則通過從軟件用戶端界面手動導入的方法進行抽取。抽取到的源數據保存在前置數據庫中。前置數據庫提供了自定義表結構功能，用戶可通過數據導入模塊自行定義表結構和數據表中的字段屬性，以便靈活導入未經過事先定義的數據。以市場監管工作中的反不正當競爭監管數據為例，通過數據抽取模塊將行政執法的基本數據（案件號，案件名稱，當事人，案值，處罰金額，立案時間等）導入系統后，系統將數據自動轉化并存儲至前置庫的數據表中，數據表中相關字段的屬性自動根據導入的字段類型進行判斷，若表中部分字段內容缺失，系統先以默認值填充，待數據清洗時進一步處理。前置庫中的行政執法信息數據如表1所示。
2.2數據清洗
數據清洗是對前置庫中的數據進行校驗和審查的過程[2]。數據清洗的目的是刪除前置庫中的重復信息、糾正錯誤數據，并將字段值的單位進行統一[3-6]。來自各部門的歷史數據往往存在數據重復、無效值、空值等實際情況，需要對其進行數據清洗后再存儲到數據倉庫中以供進一步分析展示使用。對源數據的數據清洗主要采用以下方法進行。對源數據中屬性值均相等的數據視為重復信息，將其進行合并處理，只保留一條重復的數據。對源數據中的存在空值的不完整信息，若某個屬性存在的空值過多，且該屬性對所展示的問題不是特別重要，則刪除該屬性；若該屬性僅存在少量空值，則判斷該屬性與其它屬性間的相關性，存在相關性的根據其他屬性的值和相關規則推測該屬性的值，無法推測的保留空值。若處理后的某條數據存在的空值仍然過多，則將此條數據刪除，否則保留此條數據并保留空值。對源數據中日期等格式不規范的數據進行格式轉換，將不同的數據格式轉換成統一格式。清洗后的數據存儲在數據倉庫中，供數據分析模型和可視化工具讀取并產生可視化分析結果。
3基于可視化技術的大數據分析系統
利用數據可視化工具，開發市場監管大數據可視化平臺，將處理過的市場監管數據以多種類型的圖、表等形式直觀地展現出來，并對展現出來的信息進行標注、解析、匯總和分析，系統能直觀的顯示出市場主體的基本概況、發展趨勢、風險預警等信息。
3.1數據可視化技術
數據可視化技術是通過算法和工具對多維的信息空間進行定量的處理和計算，將大型數據集中的數據處理后以圖形圖像形式表示出來，從而將數據中隱藏的信息直觀地展現給用戶[7-9]。目前數據可視化技術已經提出了多種方法，根據原理的不同可以劃分為面向像素的技術、基于幾何的技術、基于圖像的技術、基于圖標的技術、基于層次的技術和分布式技術等[10-12]。
3.2市場監管大數據分析系統
市場監管大數據分析系統運用大數據技術來提高市場監管部門的公共服務能力，對市場主體事中后監管數據進行高效的采集和整合。系統利用市場監管大數據，制定規范了市場監管大數據標準體系，將大數據分析結果作為提高市場監管治理能力重要手段，不斷提高服務和監管的針對性和有效性。市場監管大數據分析系統主要包括數據倉庫平臺及分析展示平臺兩大部分。數據倉庫平臺將原有各單位業務軟件中的數據進行抽取，進行清洗及格式轉換后存儲在數據倉庫中；大數據分析展示平臺將數據倉庫中的數據通過建模，以可視化的方式將結果展示給市場監管人員，提高市場監管部門的公共服務能力和事中事后監管水平。數據分析平臺包括綜合查詢、業務分析、風險預警、決策支持、綜合分析等主要功能模塊及年報監控、統計報表等輔助功能模塊。系統的主要功能模塊如圖2所示。其中，大數據分析工具主要采用集成了報表引擎、全文檢索引擎、多維分析引擎、數據挖掘引擎及數據可視化組件中的BI工具實現。通過數據可視化BI組件，為用戶提供應用層各功能模塊的分析結果可視化輸出，實現了市場主體分析的GIS熱力圖、放射性樹狀圖、標簽云等各類圖形和報表輸出等功能。
4系統實用效果
市場監管大數據分析系統通過對數據倉庫中登記注冊、信用監督、特種設備、食品藥品安全、知識產權等幾大數據源的數據進行抽取、清洗等預處理，將預處理后的數據進行挖掘分析，并對結果以圖、表等可視化方式輸出，效果簡潔直觀。市場監管大數據分析系統的每個模塊根據業務種類劃分子模塊，每個子模塊均支持多種方式的可視化輸出，為市場監管人員提供決策支持。系統可對各類數據進行分析統計，形成特定的圖表，可通過自定義條件對分析數據進行篩選，點擊圖表上的相關內容可向下一級進行鉆取，查看下一級的分析圖表。圖3是上年各月度行政執法立案和處罰數趨勢圖。由圖3中可以看出，上一年第二季度的行政執法立案數和處罰數較多；前三季度行政執法立案數和處罰數基本呈現正相關聯系，而第四季度由于市場監管政策變化，行政執法處罰數出現明顯下降；2月份由于傳統假期，行政執法立案數和處罰數都明顯較少。圖4是市場主體分布情況的GIS熱力圖顯示，根據市場主體的分布密度不同顯示出不同的顏色。市場主體的分布密度越大，GIS熱力圖中的顏色就越深，市場主體分布密度小的區域顏色越淺。由圖4可以看出，濱湖區和新吳區的市場主體分布密度較大，主要原因是這兩個區的高新科技產業園較多，市場主體主要集中在產業園及其周邊；對郊區而言，工業集中區及其周邊的顏色較深，傳統農業鄉鎮的熱力圖顏色較淺，結果符合該市城鄉發展的實際情況。
關鍵詞 智能電網；大數據；云計算
中圖分類號 TP3 文獻標識碼 A 文章編號 1674-6708（2017）180-0030-02
1 概述
保定?中國電谷智能電網可視化平臺整體采用大數據技術架構進行構建，能蚨緣繽在運行過程中產生的大規模、多種類、結構類型復雜的業務數據進行全景容納，全面反映電網運行、監測、能量采集和檢修過程的整體情況。較之傳統信息系統，基于大數據和云計算的智能電網可視化平臺能夠有效提升系統數據分析的并行能力，顯著提高計算速度，進一步提升智能調度的科學性和前瞻性，解決電網運行狀態檢測和電能損耗等方面暴露出來的問題，在負荷分布式控制和用戶側短期負荷預測方面取得突破。
2 設計規劃
2.1 設計思路
隨著大數據、云計算、物聯網等新興科技的發展，我國電力企業迎來轉變生產模式和管理模式，實現可持續發展的重要契機，特別是對于堅強智能電網的建設，帶來了深遠的影響，大數據在支撐電力企業業務發展的過程中，具備廣闊的應用前景。
基于大數據架構的智能電網可視化平臺系統數據來源于國網省電力公司數據中心各系統，通過大數據技術進行數據清理、轉換和展示。用電信息采集系統、區域新能源管理系統、故障搶修管理系統等多個系統，同時通過數據接口將區域新能源實時數據、電網運行狀態信息、用電信息、配網搶修故障信息等系統的關鍵指標數據傳輸到大數據平臺，利用大數據技術和云計算并行處理技術，對關鍵指標進行挖掘、分析，并通過三維可視化技術直觀動態展現。平臺的建設能夠促進電力系統生產方式和管理方式的變革，推動風電、太陽能等新能源、清潔能源的消納，幫助電力企業轉變耗能高、排放高、效能低的現狀，面向社會大眾倡導節能減排理念，打造耗能低、排放低、效率高的綠色可持續發展方式，同時運用虛擬現實技術展現智能變電站、智能家居等智能電網取得的成果。
2.2 平臺架構
建設大數據分析平臺將逐漸融入智能電網全景數據，能夠容納海量、多樣、快速率的電網運行、檢修、能耗等電網信息資產數據，并運用海量數據和云計算模式提供高性能并行處理能力，以較快速度解析出規律性或根本性的判斷、趨勢或預測，在智能調度、狀態檢測、電能損耗分析、負荷分布式控制、用戶側短期負荷預測等領域存在極高的應用價值。
電網全景數據的接入、存儲、管理和挖掘利用離不開先進技術的大數據平臺支撐，數據服務質量的提高更離不開技術的保障。基于大數據架構的智能電網可視化平臺的建設，采用Hadoop技術架構，該架構具備開源、可擴展、分布式應用計算的特點，為大數據實例化、具體化的應用提供了有效支撐。本項目引入基于 Hadoop 架構的分布式存儲、并行計算和多維索引技術，立足電力行業大數據自身特點，通過建立分布式并行計算平臺，結合數據中心，解決電力生產、調度運行過程中需要準實時大規模信息采集、高吞吐、大并發地數據存取和快速高效地分析計算問題。系統物理架構如圖1所示。
3 應用場景
智能電網可視化平臺的建設，緊緊抓住了政府打造“保定?電谷”可再生能源產業基地的契機。平臺采用了先進的多媒體動畫技術以及三維虛擬現實技術，實時、直觀地反映保定電谷智能電網運行狀態及業務管理過程，并為電網管理人員做出決策提供了輔助支持；平臺立足于堅強智能電網與城市理念、發展及生活的關系，展現智能電網對保定電谷的支撐作用和重要意義，同時向全社會直觀展示了智能電網支撐中國經濟可持續發展的作用，更體現了人與自然和諧相處的主題，增強了社會對公司的感知度和認知度。系統主要包括下述幾個方面的應用。
3.1 配電自動化系統
配電自動化系統目前采用數據批量導入方式，從調度部門獲取配電自動化主站系統每日288點數據，導入智能電網可視化平臺系統數據庫，供指標提取。主要內容包括：
GIS地圖，以GIS地圖方式，對電谷區域進行展示，同時對電谷區域涉及的兩座智能變電站進行標記，直觀展示保定智能電網分布情況。
谷峰差，以柱狀圖方式對東尹莊、花莊兩座變電站上月每天谷峰差進行展示，為工作人員分析用電情況提供依據。
谷峰差率，以柱狀圖方式對東尹莊、花莊兩座變電站上月每天谷峰差進行展示，為工作人員分析用電情況提供依據24小時實時負荷對比。
遙控成功率，以儀表盤方式對電谷區域終端設備遙控成功率進行展示。
終端在線率，以儀表盤形式對智能電網建設中的智能終端設備的在線率與投運率記性展示。
3.2 輸電線路在線監測系統
智能電網可視化平臺目前對輸電線路在線監測系統以鏈接的方式進行了數據接入，主要對線路在線監測系統中安裝的監控設備反饋回的現場環境信息進行展示，具體包括以下內容：
氣象信息。利用輸電線路氣象監測設備進行數據采集分析，最終以表格的形式將當天某一時刻數據展示到輸電線路在線監測系統中，主要包括風速、降雨量、氣溫、氣壓、相對溫度、最大風速、極大風速、光照強度等數據。
絕緣子污穢。利用絕緣子污穢度監測設備進行數據采集，具體包括鹽密、灰密等指標。以曲線形式將最近一個月的數據展示到輸電線路在線監測系統中。
導線溫度。主要對導線溫度進行監測，最總以曲線的形式將最近一個月的數據展示到輸電線路在線監測系統中。
導線弧垂。對導線弧垂、導線對地距離進行監測，以曲線的形式將最近一個月的數據展示到系統中。
塔桿周邊環境。通過高清攝像頭對塔桿周邊環境進行實時監測，將塔桿周邊環境照片傳輸給系統，固定時間間隔更新圖片。
3.3 清潔能源
開展了分布式光伏電源l電預測研究，開展了光伏電源接入系統電壓穩定、準入容量、電能質量等專題亞牛，開展了分布式光伏發電實時監控研究。
新能源系統接入。采集每個月用戶的各種數據，形成保定地區的光伏用戶分布圖。通過數據沉淀及數據分析方式，展示出每個光伏用戶的發電量。
光伏發電、風力發電實時監控。通過安裝高清攝像頭，對國網保定供電公司下英利產業園光伏發電設備進行實時監控，將監控畫面傳輸到可視化平臺系統中，供工作人員參考。對曲陽等地風力發電設備進行實時監控，將設備運行狀態信息傳輸到智能電網可視化平臺系統中。
3.4 智能家居
對智能家居進行兩方面展示，一是對智能家居概念及應用情況進行了文字性介紹，二是通過視頻仿真模擬技術，對保定智能電網建設工程在智能家居領域取得的成果進行展示。主要包括智能安防控制系統、智能家居控制器、智能燈光控制系統、智能家電控制系統、家庭直流光伏系統五部分。
3.5 配網故障搶修
通過GIS地圖展示故障點位置，突出顯示，點擊查看具體故障信息，并對停電影響的臺區及用戶信息進行查詢。同時實現車輛信息的實時監控展示。
GIS地圖。通過GIS地圖方式，將故障點進行標注。直觀反映給工作人員，提高故障處理效率。
數據接入。將故障搶修系統中故障分布統計情況、故障點位置信息、故障原因等數據進行提取。通過圖表、表格等形式進行展示。
車輛定位功能。實現對搶修車輛位置定位功能，顯示搶修車輛的實時運行軌跡。
停電范圍影響查詢功能。實現停電影響臺區和用戶的查詢功能。
3.6 現場監控
加大對發電設備監控力度，對智能變電站、英利產業園光伏發電設備、曲陽等地風力發電設備安裝高清攝像頭，進行視頻監控。通過視頻圖像采集終端設備以及無線網絡，將傳來的圖片、視頻等數據展示在智能電網可視化平臺系統中。
3.7 智能變電站
智能電網可視化平臺系統對智能變電站的建設規模、建設內容進行了介紹。并且對智能變電站進行了三維仿真模擬，對智能變電站進行了全方位展示。
4 結論
近年來，隨著堅強智能電網全面建設的不斷推進，電網數據資源呈現幾何級增長，大數據、云計算為代表的全新IT技術在電力系統的建設中被廣泛應用，數據與技術的結合，為優化電能生產、合理調配資源提供了決策依據。運用大數據、云計算技術推動智能電網的發展已經成為時代的必然選擇，而大數據也必將成為電力企業的核心 資產。
參考文獻
關鍵詞：數據分析；設計思維；市場定位；精準營銷
中圖分類號：TS941 文獻標志碼：A
The Influence of Industry Big Data Analysis on New Models of Design Thinking
Abstract： Based on discussing big data analyzing technology as well as enterprise case studies and tracking surveys， the paper states that such data analyzing technology will facilitate the generation of new models of design thinking， which will more rely on Internet technology， and systematically reorganize complicated resources and information into data that can be further used as an important guidance for new product design. These data will help enterprises realize cooperation of various participants， information sharing and tier management in the process of product design and R&D and improve the efficiency and benefits of their design and R&D system.
Key words： data analysis； design thinking； market positioning； precision marketing
在全球服裝紡織業格局中，中國還處于起步探索階段，缺少真正有市場競爭力的自主設計品牌。企業們普遍缺乏高效務實的設計創新能力，成為了我國服裝紡織行業的發展短板。面對國際品牌的激烈競爭，企業們需要建立自己的新型設計思維模式。更加適應市場需求的新設計思維將是一套有理有據、高效靈敏的產品設計與管理系統，這將有助于企業們更超前的把握市場發展動態，更精準的分析產品的優劣勢，更合理的籌劃銷售策略，更敏銳的找到未來商業機會從而打造企業及品牌的市場競爭實力。
目前在經濟發達國家的服裝產業中，類似的研究已經進行到了比較成熟的階段，如法國的Lectra（力克）公司，通過將其CAD/CAM 、三維技術與互聯網技術的結合，進行最優化的數據傳輸，可以滿足企業在整個生產過程中從服裝系列設計到視覺化銷售的所有環節的需求。力克公司的發展資料為本文的研究提供了非常有價值的可參考實例。
1 針對服裝紡織產業大數據分析技術的研究
服裝紡織產業大數據分析技術是基于互聯網大數據分析的專業服裝設計和生產管理輔助工具。該分析技術采用的是個性化分布式數據挖掘技術，通過對互聯網海量真實的服裝銷售數據的分析，監控并分析網站，采用JAVA語言對網站中各種內容信息進行智能化的分析和挖掘，多維度、全方位對服裝屬性數據進行篩選，可甄別出不同時間段、不同地域、不同年齡層次、不同性別甚至不同消費習慣的服裝購買者對服裝顏色、款式、面料、尺寸等屬性的偏好，并形成直觀易懂的可視化報表，從而對設計和生產管理者形成指導，更加方便直接的形成“設計指導書”或者“生產指導書”。能夠使產品更加符合品牌特征和市場需求，極大地提高設計生產效率，減少成本與避免試錯風險。
在數據分析技術的層面上，它是基于html的個性化分布式數據挖掘系統。核心內容是監控并分析網站，生成Excel表格形式的報表，報表包含關鍵詞和網站的鏈接地址。這種分析為采用Java語言對網站中的各種內容信息進行智能化的分析與挖掘。相當于目標網站名單讀取模塊，采用Excel表格存儲目標網站列表和關鍵詞，并且用Java語言讀取信息，并利用web界面即時呈現監控結果。
2 服裝紡織產業大數據分析技術對設計思維影響的實例研究
參與本次研究項目的北京相與文化發展有限公司，是一家由中法意等多國設計師和業內人士組成的專業服裝紡織品品牌孵化和設計營銷整合機構。
2014年公司開始進行自主開發和使用基于互聯網的服裝設計大數據分析系統，如圖 1 所示，針對某款產品的數據分析結果，將對設計工作產生重要的引導作用。設計師們會根據數據分析結果來判斷設計思路是否合理，改變了傳統設計流程中過于強調設計師主觀感受的不穩定性，將基于互聯網的海量數據經過精準的篩選和整理，生成直觀可視化的數據報表，并且形成多點共享和分級管理的平臺化工具，將設計研發流程模塊化，迅速找到針對市場切實有效的產品設計賣點和營銷方式，可以極大地提高服裝設計師和生產管理者的工作效率，降低了設計研發成本并有效減少了企業在新品設計研發方面的試錯風險。
為了調研資料的充分性和客觀性，本論文還調研了參與10家生產銷售與男士T恤相關的服裝企業。在男士T恤這個產品品類的設計開發之前，這些企業想去了解該產品的設計研發方向的需求集中體現在以下幾個方面，如基礎風格、花型圖案、面料材質、款式細節和服飾工藝等；并且在這幾個需求里面，關于花型圖案的調研量最大，這個環節也就成為了企業們最為關注的問題所在，另外占比量22%位居其次的款式細節，也成了男士T恤的另一個設計重點。以上調研的數據比例圖示（圖2），充分證明了企業對產品的設計研發方向的設定，是有著比較明晰準確的需要點的，占比29%的企業都認為要將花型圖案作為男士T恤的設計重點。如果通過產業數據分析技術，能比較清楚地告知這些企業，在服裝設計研發的時候，是否要優先關注哪些方面以及如何把握這些方面的設計工作，這無疑對企業把控產品與市場需求的貼合度方面是有重要幫助的。
3 產業大數據分析技術對新型設計思維模式的影響
“積累、效率、協作、降本”―― 代表著新型設計思維模式核心要素的，將給產品的設計研發思維帶來全新突破，將有力地幫助中國數以萬家企業將設計真正轉化為生產力并最終打造核心競爭能力，完善品牌體系并全面提升品牌價值。
將與產品相關的市場數據進行搜集整理和分析，在互聯網大數據分析技術的幫助下，找到對企業的產品設計研發最具有參考價值的類比信息，不同于傳統設計模式的主觀化和分散化，新一代的設計思維模式需要將資源和信息模塊化，形成支持系統；從而在企業的整體產品設計研發流程中實現多點協作、信息共享和分級管理，極大地提高了流程的效率，降低了錯誤判斷市場導向帶來的經營風險，節省了設計開發的時間和成本，同時新型設計思維模式又會強化對于流程中每個環節的工作指標的評估，從而達成有效良性的管理機制。
4 結語
關 鍵 詞：計算機技術；數據分析；機械制造；銷售管理
計算機數據分析技術在多個領域得以應用，作為現代的數據分析技術手段，其已經充當了生產、銷售、決策等多個職能部門的多維信息分析工具，可以方便企業快捷的進行數據業務分析，全面加強業務控制，科學作出業務決策，以實現企業效益的最大化。相比較于傳統的數據分析模式，計算機數據分析技術更具有比較優勢，比如計算機數據分析技術能夠有效解決企業日常業務數據統計，快速進行多維度精準查找，智能化提出問題解決的方案，在計算機數據分析技術的支持下，企業各項業務運行能力以及各項數據分析決策能力，得到較大幅度的提升，具有較強的實用價值。
1.計算機數據分析技術統計分析的應用研究。
計算機數據分析更多的是應用在機械制造企業銷售管理的數據分析和統計階段，這也是近年來計算機數據分析技術研究的主要目標和重點，有效的計算機數據分析是實現企業銷售管理基本循環的重要措施，是企業銷售管理中加強環節管理的重要手段，能夠有利于分析統計數據的更加準確，實現銷售管理的科學化、準確化進程，為銷售部門提供更加精準的管理信息內容打下堅實的基礎。計算機數據分析技術在統計分析環節的應用，可以采取多種多樣的形式得以實現目的。比如，機械制造企業每個季度編制完成的銷售統計表，即通過計算機數據分析技術對于近期企業銷售部門的各項業務數據信息進行搜集、整理、分析、結論等一系列環節工作，并且能夠按照一定的時間范圍，在同一個環境和條件下，進行科學加權平均，進而得出相對科學合理的數據表格。此種數據分析表格屬于事后數據分析，因為明確界定出一定的時間范圍和條件環境。同時，機械制造企業銷售管理中也較多采取銷售趨勢分析表格的形式，通常是在上一個季度的分析報表出臺之后，結合當時當地的發展形勢，以及市場環境的變化情況，對于下一階段的銷售情況進行預測分析，能夠有效實現目標客戶、潛在客戶與企業銷售管理部門業務訂單的情況進行有效對接，進而確保圓滿完成下一階段的銷售任務。數據分析表格中，將單位時間、銷售數量、商品價值等方面的指標進行科學合理測算，得出相對較為合理的數據分析結果。
2.計算機數據分析技術信息處理的應用研究。
計算機數據分析技術最重要的功能之一就是進行快速有效的數據處理，從業務領域上看屬于統計分析的大范疇，但是單純的數據處理更是考驗計算機數據分析水平的高低。因為在日常機械制造企業銷售管理工作中，大量的數據需要及時處理，不僅僅是為了每個季度的統計分析報表做準備，也是為了更好的動態監測企業的銷售情況，在瞬息萬變的市場環境下，能夠第一時間作出正確的決策。日常的大量數據處理主要依靠計算機銷售管理系統來完成，其數據來源也存在一定的弊端，主要是因為數據處理要求更加準確的數據挖掘結果，以確保數據分析的數據質量和一致性，確保原始數據沒有任何偏差或者丟失，從源頭上保證計算機數據分析結果的可靠性。如果存在多個原始數據的源頭，需要對于數據來源的準確性進行充分分析，并且確保數據之間不存在互相矛盾和打架的情況。對于屬于同類型的數據要學會運用計算機數據分析技術進行合并同類項。
3.計算機數據分析技術數據模型的應用研究。
計算機數據分析技術通常都是建立在一定的數據模型基礎上的，最典型的就是數據倉庫的數據模型形式，此類模型形式主要是基于實體和關系之間的類型，對于更真實描述計算機數據分析環境下的企業銷售管理具有更加鮮明的特點和更準確的效果，采用結構化的日常事務處理模式，和更為細膩的數據處理方式，進而產生一定的決策類型的數據，實現各數據之間的有機聯系，并不是以往那樣的數據之間的相對獨立的模式。采取此種模型的好處就是在銷售管理過程中和決策分析中，促使企業銷售管理部門人員，甚至企業決策層面能夠從多個角度、更高的層次、多個層面考核數據的準確性和可靠性，通過分析數據的規律性變化，做出更加符合市場發展規律的決策。隨著企業銷售管理的要求越來越高，以往單一的數據模型已經不能很好的適應企業銷售管理的發展變化，因此一種多維度的數據模型應運而生，采取事實、維度等更多的要素來描述銷售管理的環節。比如，將產品銷售記錄、銷售業態、目標市場、產品名稱等因素都加入進去，由上述這些因素共同構成新型的數據模型，更加具有科學性和可操作性。充分采取多維、多尺度的數據分析工具，進一步加強對于銷售管理進行綜合評價。通過科學合理的銷售管理表格，可以對機械制造企業的銷售管理業績進行全面準確的描述性挖掘，綜合運用統計分析的手段進行評估，動態調整產品發展戰略。
綜上所述，計算機數據分析技術有效應用于機械制造企業銷售管理，并且從數據分析的角度深入研究通用技術，盡管對于單一的企業銷售管理進行分析，但是其關鍵技術對于現代企業管理各個環節都將產生至關重要的作用。比如，計算機數據分析技術能夠為其他業務部門提供較強的信息分析借鑒和參考，具有一定意義的企業信息共享性和公用性。因此，由于篇幅限制，僅將計算機數據分析技術在企業銷售管理方面的作用進行簡要分析，以期對于企業信息化建設起到些許的啟示作用。
參考文獻
[1]顏雪松，等.關聯規則挖掘綜述[J].計算機應用研究，2002，37（11）：1-4.
[2]蘇新寧，等.數據倉庫和數據挖掘[M].北京：清華大學出版社，2006.
[3] 畢利，張禮平.數據倉庫中OLAP的實現技術[J].微型電腦應用，2002，28（6）：56-59.
[4]馬輝民，盧益清.商務網站客戶行為信息挖掘模型的設計[J].計算機應用研究，2002，28（8）：140-142.
關鍵詞：大數據；數據倉庫；數據分析；校園卡；教務
中圖分類號：G434 文獻標志碼：B 文章編號：1673-8454（2015）10-0013-03
隨著大數據時代的到來，各行各業都在利用大數據推動本領域的發展。常熟理工學院自2009年開展教育信息化建設以來，在數據分析方面進行了不斷地探索與實踐，目前廣泛應用于教學和管理中。
一、數據分析的必要性和可行性
高校內部一般都建有：教務系統、科研系統、學工管理系統、人事管理系統、資產管理系統等獨立業務系統。這些系統都各自記錄著學校方方面面的數據，卻都靜靜地躺在服務器硬盤里，猶如埋藏在地下的金礦，不能為高校全局決策提供支撐。
數據分析的目的就是要讓數據發聲，通過直觀的數據圖表來為高校管理提供輔助決策。例如：對教師的專業與學校開設專業的統計分析可以為人才引進提供參考；對學生的校園卡使用記錄和校內上網認證記錄結合起來，可以為判斷學生的行為指明方向；對各二級學院的資產數據統計分析有助于學校對二級學院進行成本核算。
二、數據倉庫的建立
數據庫是數據分析的源頭，數據倉庫的建立是數據分析的基礎。
建設過程中，首先要統一數據標準，只有準確的數據才是有價值的，如果各系統的數據標準不統一，就會造成不準確的數據分析結果，也就無法為高校管理提供真實有效的統計數據；
其次要建立公共數據平臺，公共數據平臺是指實現校園內各種信息系統的互通互連和數據共享，包括多個系統業務數據集中存儲、備份、數據共享和數據管理的公共平臺，為學校各應用系統提供基礎數據；
三是要規范數據流程，把各業務系統中形形的數據按標準定期抽取到學校公共數據平臺中。確保任何業務系統的添加和修改不影響其他系統的正常運行，同時新建應用系統應建立在統一的數據規范基礎和統一身份認證基礎上，調用公共數據平臺的基礎數據（如部門、教工、學生等基礎信息），應用系統產生的數據也應成為公共數據平臺的基礎數據，可供數據平臺共享訪問。確保提供反映學校全面情況的數據信息，為整個學校提供決策支持所需的數據信息，為今后應用系統的建設和信息服務奠定良好的數據基礎。
圖1為數據架構圖，最底層的是各業務系統，他們產生的數據按編碼標準經過抽取、轉換、加載到數據中心，數據中心再按需要把相關數據同步給相應的應用數據庫或各數據集市，最后形成各類主題數據分析或綜合決策系統。
三、基于數據倉庫的數據分析
在統一數據倉庫的基礎上，我們利用數據倉庫技術（ETL、OLAP、REPORT）和數據挖掘技術，對多種數據集市進行數據分析，建立了校情綜合統計分析系統。該系統從學校基本情況、教職工信息、學生信息、教學信息、科研信息、資產與設備信息、圖書資料信息與師生消費等方面進行統計分析，為學校管理提供輔助決策支撐數據。
該系統從學校全局出發，通過多元主題展開分析，以文字、報表、圖表等多種形式展現分析成果。
該系統的推出實現了教學質量、學生學習、生活行為等各種信息的監控與分析，對高校資源配置優化、提高高校管理科學化等方面具有不可估量的重要意義。這里筆者將以校園卡和教務數據分析功能為例進行闡述。隨著校園卡在校園生活中使用范圍的日益擴大，在應用過程中產生了大量數據。校園卡僅僅一年的交易數據就有大約1000萬條記錄。
校園卡數據分析主要實現以下五大類的分析功能：
（1）各時間段消費情況分析
①從“月、季度、半年、年”的角度來查詢消費總額、消費用戶數和人均消費等，反映出用戶消費支出的趨勢，也可反映出物價的變化情況。
②從“幾點幾分”的角度查詢消費人數可反映用戶在時間點上的消費習慣，對于各營業部門來說可以合理地調整工作時間、工作人員等，以加強服務。還可根據教職工就餐時間點來分析他們是否嚴格遵守學校作息時間。
③從“早、中、晚”的角度統計分析學生早餐、中餐、晚餐的就餐率。
（2）各類消費人群消費情況分析
①對于學生工作管理層來說，從“個人、班級、院系”的角度來查詢消費金額作為發放貧困補助的依據。
②通過查詢一個時間周期內（三天）學生消費人數，起到了解學生是否在校的危機預警作用。
③從學生所屬院系、專業、年級等角度來查詢消費人數、消費金額和分布情況。
④從學生性別、來源地區（省、市、區）、年齡等人的自然屬性來查詢消費人數、消費金額和分布情況。
⑤分析教職工的消費水平。
（3）各營業單位消費情況分析
從各個營業單位角度來查詢校園用戶消費人數，消費金額和分布情況。
（4）各交易類型消費情況
從消費類型角度來查詢用餐、購物、上網、上機、水電消費等情況。
（5）工作站、終端個數統計
為直觀反映上述消費數據，我們除用表格形式將分析結果展現在用戶終端外，還提供了柱狀圖、餅圖、曲線圖、點圖等形式來展現。圖2展示了我校2010年至2014年學生早、中、晚三餐平均價格，呈逐年穩步上升狀態，這給餐飲部門提供準確統計數據的同時，也穩定了學生就餐消費水平的承受心理。
高校教學信息化建設積累了豐富的業務數據，根據需求，教務數據分析功能主要包括三大類：教學任務、學生成績和教學評價。圖3為教務數據分析數據源視圖，圍繞教師的教學工作量、學生取得的成績以及學生對教師的評價等，我們做了一系列的報表。例如：教學場地信息、學生情況、任課教師情況、各學期教學任務情況、成績信息、教學評價、歷年各專業招生人數、各學院歷年教學情況、各學院歷年學生對教師評價。
另外，為滿足各二級學院要求，做了學業預警方面相關報表，各二級學院可根據年級、專業，通過總學分排行、課程門數排行來關注排在后面的學生情況。
數據分析表明，教師平均教學任務逐年增多，教師總體比較年輕，平均年齡男教師比女教師高，年齡在30-39之間的教師平均課時最多。管理學院歷年招生數比其它學院明顯高出很多，其中財務管理專業的學生數百分比最高。我校學生的成績也完全符合正態分布曲線要求。
四、結束語
大數據分析是一種發展趨勢，我們目前也僅僅就單項主題進行了逐個分析，如果把這些主題串起來，進行關聯分析，將會得出更有趣更有價值的結果，這也是將來我們努力的方向。
參考文獻：
[1]戴紅芳，馮翔，先曉兵等.商業智能在校園一卡通中的研究與實踐[J].微電子學與計算機，2012，29（7）：175-179.
[2]戴紅芳.基于多維數據模型的校園卡數據分析[D].上海：華東理工大學，2011.
在年級管理工作中，以班級為最小組織單位，以班主任和學科教學為最小實施單元，在承認并貫徹“教學質量是德育管理質量的副產品”的前提下進行年級的德育與教學的統一管理，是我們的基本認識和總體原則。從教學看德育，從教學看管理，如同“執果索因”，探求的目的絕不會偏離事物的本質。
但是，在當今以數據引領管理和管理決策的時代，由于種種原因，一些原有的年級管理模式和運行方式，仍然沒有達到數據時代應有的分析質量和分析層次。
1.借鑒大數據時代的數據手段和數據分析，形成管理的數據思維，實現從“經驗型”到“數據型”的轉變
（1）數據思維要求年級管理從對學生成績、班級成績的粗糙了解，轉變到精細的數據分析和對數據特征及規律的把握。
（2）數據思維要求年級管理從對考試中某一群體成績的粗糙了解，轉變到精細的分類和對每一個體特征的把握。
2.借鑒大數據時代的管理理念和組織原則，明確與挖掘管理對象的本質，實現從“分數型”到“知能型”的轉變
（1）重新審視傳統的“一分三率” （平均分、優秀率、及格率和低分率）關注的是什么，從學校及教學管理層關注“一分三率”，轉變到學生和教師共同關注數據分析反映出來的知能問題。
（2）“知能型”分析不僅僅把進行教學分析的主體放在年級管理人員、班級管理人員一方，更注重把成績分析的主體放在學生和家長一方，從而引導“教”的一方改進“教”的方法，促進“學”的一方改進“學”的策略。成績分析更應注重使學生和家長參與到分析和質量評估的過程中來。
3.借鑒數據挖掘的思想，從“橫斷型”轉變到“追蹤型”數據分析，并確切地表現為決策、管理與實踐
（1）從對一次考試的深入分析，轉化到深入進行歷次考試的縱向分析，并進行數據的比對。
（2）通過追蹤分析多次考試成績的變化規律，轉變到思考教與學和管理細節，不僅僅是階段性的決策與措施，更重視反思若干個連續的時期的措施與管理的系統工程的實施。
4.管理的精細化必然要求評價指標化、數據化，教學與德育管理中的數據存儲與數理統計，需借鑒大數據的“數據存儲倉庫”和“網絡數據分布”手段
（1）借助于計算技術和計算機技術，以往不能或難于進行的分析將被解決，但這需要評價人員革新觀念和管理方式。例如，在傳統的模式下，數據以“一周”或“一月”為周期的階段性匯總和分析，以體現被觀察對象的階段表現。而在分布式數據存儲模式下，數據可隨時以任何時間間隔匯總與分析，并以方便的圖表化方式呈現規律與狀態。
（2）以往的成績分析，因其技術性及專業性，只能由專業技術人員操作，而借助現有的計算技術和統計模型，成績分析已經成為學生、家長和普通教師提取信息的操作。
（3）數據及分析結果的可靠存儲和檢索、便捷的提取和訪問、即時的分析與使用，使得“用數據表述事實”、“用數據權衡資源調配”、“用數據判斷決策”和“用數據改進管理”成為現實。
（4）以數據技術、計算技術和計算機技術為背景的數據分析、結果描述的數據思維成果，是教學資源的組成部分。同樣，教學與德育的管理層、年級組長、班主任和任課教師，需要進行教育評價、數理統計和組織管理知識的自我“充電”，畢竟統計與評價是一門綜合的科學。
案例問題
在實踐工作中，我們發現在學校及教學管理層中所強調的“一分三率”標準，嚴重影響教師的教學策略，并成為教師教學與管理的事實標準。這種依據“一分三率”的管理目標，在指導教師教學時，使教師在教學中不能較好地針對每一個人，同時，各學科之間也將失去聯系與溝通，從而優勢力量與優勢資源不能集中，學生得不到應有的提高，學生“偏科”和教師“拼搶”時間現象成為普遍。正因為過度關注“一分三率”，學生的層次差距、班級的針對性管理就成為籠統的分析，而不能建立在數據基礎上清晰地描述年級和班級之中出現的層次分化，也不能建立在如何調整后續工作的思考上。
我們在多次以數據進行思考的成績分析的嘗試后，逐步認識到要盡可能引導教師以數據來分析和反思成績分析所反映的知能問題。這種引導，不是僅限于“一分三率”，更注重直觀化、圖表化和數據化問題，體現成績分析中表現出來的學生整體結構問題、階段性問題、時序性問題和層次問題，從而追蹤和返回到教學問題、班級管理問題以及家校互動問題。這樣的分析，就把年級管理的上層與下層，學校、教師、學生和家長作為一個系統有機的整體，完全納入到問題的分析之中，形成教育與思考的合力。
問題解決
1.在年級教學管理中，關注班級整體和學科整體的分析與比對
（1）關注各個班級的學科成績是否均衡，從差異上觀察班級與任課教師特征。通過統計的方法，得到某次考試的班級“學科成績均衡圖”，直觀反映單次某一班級各學科的優勢。這樣，結合“各科成績對班級貢獻度比較”，年級組長、班主任可詳細掌握班級各學科學習情況和動向。
（2）關注各個班級的歷次總分的追蹤性對比。基于網絡存儲的數據，可方便地得到“歷次考試成績總分對比”圖表，由此可追蹤班級整體發展和規律，借以研究一個時期的班級發展情況；若參考“總分”、“名次”和“標準分”的追蹤性對比，則可反映不同側面，如學生是否出現了層次的分化等。
（3）年級組長與班主任可通過數據存儲倉庫，提取到其他數據，如通過“考試總體情況”數據、班級歷次或單次的成績冊來細致研究每一位學生，或者某一特異性群體的學生；查看備課組長、班主任和任課教師的數據報告，則可反映教學與管理中出現的問題。我們再次強調，德育管理與教學管理是密不可分的，教學中出現的問題，本質上有些就是德育管理中的問題；而班級管理中出現的問題，有些就是教學問題。
2.關注備課組，研究純粹教學上的細節問題
（1）關注備課組，從統計學角度細致研究整體與個體、全局與部分。可以用統計的方法研究單學科或總體成績的單次考試成績“箱線圖”。“箱線圖”可以最直觀地反映五數總括（最高值、最低分、中間分數、上下四分位數）和數據散布規律、異常值。當然，若對統計圖表較為熟悉，也可以分析和使用“莖葉圖”，則可更為細膩地刻畫班級學生成績分布情況。結合“班級平均成績―班級標準差對比表”，則可反映學生成績的集中或離散與總體平均分情況。
（2）關注備課組的單一學科歷次考試班級對比，以追蹤教學與管理的變化。使用“標準分追蹤對比圖”來反映班級成績的變化，則使對比不再依賴具體試卷難易等情況，可以真實地反映整體與個體到底是進步了，還是后退了。同樣，在標準分計算時所反映的差異數值，則可反映班級學科成績的變化，這從另一個側面反映了教學與管理的協同性。
若備課組長參考“卷面質量分析”、“命題分析和能力分析”等數據，則從知能基礎及學生個性特點上把握管理中的問題。當然，我們也可以參考班主任數據、任課教師數據，進一步去研究和反思問題。
3.關注學科教師的統計數據，以探求教學、管理和學生群體的知能問題
（1）學科教師分析成績，應關注發展性和“人”的因素。只依賴一種或幾種統計方法來表現和反映學生成績、教學成績不完善，也不客觀。但它是必然的導向。 同樣的，沒有建立數據模型，不從數據出發，不用數據說話，這種分析的科學性與可靠性，就更為荒唐了。在當前已經進入“細節管理”、“數據管理”的時代，學校與學校之間的競爭與發展，本質上是某一方在管理中極為微小的進步超越了對方，那種一方大幅度超前于另一方而獲得發展的時代，幾乎一去不復返了。
（2）統計的學生數較少時，對數據更有意義的處理，不僅僅是統計，而是分類、追蹤和挖掘。從學科教師角度看，較少學生的分數是否趨中或正態，現實意義不大，此時針對個體進行深入分析的意義更大。
（3）學生成績相對于知識、習慣、能力、態度等，在成績數據上是如何表現的，需要對現實與發展同時關注，而不是只關注現實或發展的一種情況。必須承認，學科教師的數據統計知識的素養和能力，技術與數據的支撐，也會影響到成績分析的效率和質量。
（4）學科教師“追蹤性”地關注班級整體情況。借助當前計算技術和計算機技術的強大優勢，可從各個角度研究班級總分、對比歷次考試成績的變化、研究各分數段人數分布。關注進步與退步的具體學生，落實、定位到個人，以解決管理的各個細節問題。
（5）反思個體作答與試題情況。學生在考試中的反映，本質上是操行的意識與習慣問題。例如，以網絡技術采集數據，可從學生作答的“小分統計”，研究每個題目的得失分；“知識點統計”對應到知能問題；“錯題名單”對應到個人。基于數據采集技術和分析技術的作答分析，實現了人、題、答的一一對應，從而為“定位”和“盯人”做出了技術和實現的準備。三個要素的對應，本質上指出了教學與管理中要尋找的問題―― 個體與知識、能力的情況與后續管理。
利用數據分析，在實際工作中，我們經常會發現“經驗性”的容易知識點，數據卻顯示出現實與經驗的大相徑庭。數據會揭示教師、學生和教與學雙方作用的變化，時代背景，社會背景等情況的不同，以往的經驗和固有的做法，需要進行調整和改變，而數據則將顯示這種改變與方向。
（6）從數據指導管理，讓數據說話，以指引學生進行自我反饋、自我監控和內省性的學習與自我管理行為。數據的這種指導作用，不僅僅表現在學生身上，也將指引教學的管理。例如，提取數據倉庫中的數據，二次利用作答分析數據，做出知識與能力的考點“灰度矩陣圖”，用灰度表示通過程度，迅速掌握個體的知識（或能力）的薄弱點，迅速對學生進行輔導層面的分類。這是一個富有啟發的實務性的工作，它可以被利用到管理的很多方面。
案例反思
學校的年級管理是一個承上啟下的系統管理工程，涉及教學、德育和組織管理的資源調配等方面，其最終目的是實現年級教師教學、學生學習成績及操行表現的整體提高，達到上級管理部門和社會的需求。
管理必然要涉及評價。以“教學管理”帶動“班級管理”，為教學管理在年級層面上形成一種數據所表現出來的有積極意義的客觀性描述，這種客觀性描述，描述教與學的事實本身，促進教師思考與改進，促進學生思考與改進，同時也促進年級管理人員和家長、社會在服務層面上改進服務質量。借鑒數據時代的數據分析、數據挖掘的技術與方法，實現成績統計與分析從“經驗型”提高到“數據型”，以實現管理與評價的科學性；從“分數型”深入到“知能型”，以實現管理與評價的積極性；從“橫斷型”轉化到“追蹤型”，以實現管理與評價的發展性。在這三個方面力量綜合起來的狀態下形成師生自我反省并積極改進的價值管理理念，從而能夠調動全員管理的積極性，盡可能規避只有年級管理人員才去管理年級的局面。
關鍵詞：大數據技術；智能交通；數據平臺；組織優化
引言
與傳統數據數量手段比較，大數據技術具有數據類型復雜、處理迅速、實效性強等優點，在智能交通領域運用大數據技術，可以采集海量的數據，這些數據內包含許多不可估量的價值，通過挖掘和分析能夠快速得到所需的數據信息[1]。針對上述情況，本文提出基于大數據技術智能交通臺數據平臺各功能層設計情況，并提出其在交通數據診斷、路網延遲指數等方面的應用。
1智能交通數據平臺功能需求
隨著智能交通管控平臺違法數據、道路信息增長速度日益加快，過去的關系型數據庫在數據保存、處理等方面的性能已無法滿足龐大的數據需求。關系型數據庫在對智能交通轉向場景的規律展開分析時，難以從多個維度數據類型間創建良好的相關性聯系。大數據技術的應用就是為將這些結構或者半結構化的智能交通數據實施整合處理，因此，依托大數據技術設計的智能交通數據分析平臺具有的處理功能如下：①過車數據：處在行使狀態的車輛從卡口、電子警察等智能視頻采集點通過時，能夠準確記錄該車輛的車牌號、顏色、車型等結構化的數據信息。②車輛違規行駛數據：前段配置的采集設備能從各路口采集車輛是否闖紅燈、壓線、違法掉頭或停車等數據。同時，利用智能的視頻采集點或固定源能夠實時采集車輛行駛速度、車頭間距等車流量信息。③運用大數據技術設計的智能交通數據分析平臺能夠與信號控制系統實現對接，及時獲取信號控制系統的相位控制等信息。同時，智能交通數據分析平臺還具備監控和智能交通管控平臺，能夠提供過車信息數據、路網信息、違法數據等。
2大數據背景下智能交通數據平臺架構
2.1設計整體架構
智能交通數據分析平臺是采用先進的計算機信息技術、通信技術、傳感技術、人工智能等有效整合用于交通運輸信息的管理和控制中，注重人、車與道路之間的協調，組成一種有利于改善環境、節約能源、保護安全的綜合運輸系統。智能交通數據分析平臺運用層次化結構模型展開設計，并根據大數據建設要求，整個平臺包含數據感知、資源層、應用層三個層次，數據感知層主要任務就是采集交通信息，資源層旨在管理交通領域的數據；應用層旨在負責實時調度智能交通資源。本次設計的智能交通數據平臺系統能滿足采集、存儲、調度及處理數據等方面的需求，具體架構如圖1所示。
2.2各模塊層設計
2.2.1資源層從智能交通數據存儲方面分析，運用數據倉庫與挖掘技術實現大數據的存儲和分析。其中，數據倉庫技術能夠滿足智能交通數據平臺處理海量數據的要求，該技術依托預設的存儲模式，把交通領域中的異構數據根據數據結構數據實施提取、調用、處理等操作。同時，根據預設的倉儲模型把數據存放在數據倉庫內，借助數據倉庫技術設計的智能交通數據平臺下數據存儲及挖掘架構見圖2。
2.2.2應用層設計利用SOA實現智能交通數據平臺系統應用層的設計，該層主要包含三個子模塊：①應用實現模塊：該模塊旨在完成數據的調度，借助邏輯編程及時實現相應的功能；②應用流程模塊：大數據調度流程依托專業的BPEL工具調度各種資源；③特殊調度模塊：該模塊的主要任務是把自定義調度流程轉換成BPEL流程。依托SOA服務設計的應用層。
2.2.3數據表現層智能交通數據平臺系統中的表現層是使用者直接參與的界面，用戶可依托瀏覽器、平板、手機等終端設備瀏覽各種智能交通信息數據。該層主要任務是確保用戶與整個系統的交互性，因此，配備簡潔的外觀、界面框架、各單元控件等。
3智能交通數據分析平臺系統的應用
3.1智能交通數據共享及數據診斷
智能交通數據平臺系統各功能的實現離不開各模塊之間的信息整合與共享，因此，實現各模塊信息融合的主要方式就是創建信息共享平臺，這個平臺能支持相關子模塊功能提取所需的數據資源及信息共享服務。此外，一個完整的智能交通系統還必須配置智能交通信息中心、管理中心、智能交通基礎設備等，它能滿足城市交通信息規范化發展要求，包含各類信息性質、功能及傳送方法，組成相應的信息流機制，對共享的數據進行存儲和管理操作。依托大數據技術的相關功能，這些共享數據可以由日益變化的智能交通各數據信息提取出來，實現各地區、不同領域的數據庫實施綜合處理，將歷史數據遷移至大數據平臺下，還要保持數據的完整性及各種數據之間的關系可以理解。同時，可依據各模塊不同需求及相關關系為客戶提供各種數據信息服務，組織內部存儲各類數據直接輸出來，其他子系統保存相關數據從信息共享平臺提供一系列的查詢功能。此外，大數據平臺可以及時統計并輸出道路網絡的擁堵、事故情況，并能歸納為利于用戶決策的有用信息，例如：利用大數據分析，某個路口闖紅燈數量明顯少于平時，出現異常數據可以設置報警規則，提醒出現異常信息[2]。維護者對現場道路智能交通設施實施排查操作，判定是否存在設備故障。利用大數據技術直觀展現道路不均指數，提供最佳的信號機配時/相位方案，便于決策人員制定科學的決策。
3.2道路網延遲指數分析
依托大數據技術對各個路口/路段歷史流量進行統計，進一步分析路網的延遲指數。智能交通延遲指數求解方法是實際通過旅行時間與自由流通旅行時間相減，若所得數值為負數，則設定為0，表明并未發生延遲，并把這些數據映射至[0，10]數據區間之內。如果智能交通延遲指數較大，說明這個地點的擁堵情況更嚴重。左側向使用者展現設定日期、特點等交通延遲指數改變情況，來回移動水平滾動條，能夠及時查看不同時間段的延遲數據。左側展現路口、道路等級、行政區劃等各維度下相對應點的延遲指數和排名情況。通過綜合分析道路延遲指數，能夠為決策人員提供新建道路規劃等決策提供支持。
3.3道路路口組織優化設計
進行組織優化過程中，必須收集相應的數據信息，包含交叉口現狀圖、事故數據、智能交通控制情況等。基于大數據技術展開分析，可以提供大量數據樣本，進而輸出相應的數據（空間及時間維度）。其中，時間維度主要包含小時、季度、每年、雙休日、工作日等；空間維度由交叉口、行政區劃、道路等。大數據技術對道路過車流量展現分析，進而獲得城市各區域不同點一天的高峰表現及不同模式。依托大數據平臺，根據歷史數據明確早晚高峰期利用大量例數數據和智能算法，盤點各路段或交叉口早晚高峰出現時間，以此把控整體及局部智能交通分布狀況，達到優化智能交通管理方案的目的。
【關鍵詞】醫學；數據分析；信息管理系統
0.引言
21世紀以來，社會的各個方面，各行各業發生著日新月異的變化，計算機的普及與應用已經融入到了經濟、政治、文化的各個領域，電子信息化的有效性使我們擺脫了繁重的文書工作，同時也增強了我們對于信息的利用性。醫學信息管理系統的實現一方面充分體現了計算機強大的信息收集、數據處理功能，使醫療數據的利用率得到了提高，數據的保存和提取更加的快捷方便，保存時間也大大增長；另一方面，避免了繁瑣的文書記錄、數據分析統計工作，減輕了醫療工作者的工作負擔，不僅提高了他們的工作效率，還使整體服務質量得到了改善，管理水平得到增強。
1.醫學信息管理系統的必要性和可行性
醫院整體系統的龐大，工作內容的繁雜，需要有一種技術可以對醫學數據進行更好的整理和分析。在門診掛號時需要進行的手續較多，采用手工記錄書寫的方式操作，則會使排隊的人越來越多，不能使病人在最短的時間內得到治療，同時大量的人群會增加醫院工作人員的壓力，更容易出現錯誤，長時間的等待和工作也增加了兩者在交流過程中發生摩擦的幾率；在門診看病的過程中，采用記錄病歷的形式，并不能在患者再次看病時迅速的提取出原來的紀錄，這在無形中增加了醫生的壓力和工作量，不方便醫生對患者的病情進行更詳細的分析，對患者們的研究更是需要大量的工作。另外醫院的其他部門比如財務管理系統，人事管理系統，藥品庫存管理系統，門診掛號系統，劃價收費系統，綜合查詢系統等等都存在等待時間長，工作效率低的問題，而計算機技術的不斷發展和應用，可以很好的滿足這個需求，計算機管理系統的出現使得醫療數據的記錄、查詢、統計和分析消耗時間短，工作量小，工作效率高，保存時間長，滿足了醫院對數據系統整理的要求，具備了快速的響應能力和聯機事務處理能力，使管理更加優秀和有效，可以使患者享受到更好的服務。
實現醫院信息化管理需要的計算機技術并不復雜，醫院中信息化管理主要處理文字和數據，基本不會用到多媒體數據的動態傳遞。從這方面來說，所需服務器的性能要求也不太高。因此，建立醫院信息化管理所需投入不會太高，但是由此產生的效果卻是明顯的。
2.信息管理系統的設計
2.1系統的設計思想和特點
（1）本系統所構建的網絡采用局域網的形式，醫院內的計算機都可以登錄到這個系統。
（2）完整的信息管理系統涉及醫院的各個部門，將不同部門聯系在一起，數據實現共享。
（3）該系統設有不同等級的管理人員和醫務人員，其中一部分人可以對信息進行記錄和修改，一部分只能對信息進行查看，保證信息的安全性和有效性。
（4）設計可以使系統進行修改和改革的程序，使系統保持先進性。
2.2系統運行環境
為了保證系統運行的效率和可靠性，應該保證系統服務器具有較高的軟硬件配置，但對于客戶端的要求不是很高，一般的客戶端都可以滿足要求。此應用程序可廣泛運行于國際互聯網即因特網，同時也可適用于內部的局域網。其硬件要求很小，運行要求較低，有利于廣泛的使用。
2.3系統的總體結構設計
利用醫院內部局域網將各個部門聯系起來，各個計算機的數據可以進行共享。在系統管理方面，設定不同等級的管理人員和醫務人員，醫院最高等級的領導可以對系統進行最大程度的控制，系統設定密碼，密碼管理員可以添加醫務人員并修改醫務人員的密碼。病歷管理人員可以查看所有患者的治療信息但不能進行修改，門診則負責對病歷的錄入和修改。相關人員只能修改對應職位的信息。所有信息的查看在各個計算機上是互通的。
2.4基本設計概念以及相關技術介紹
本系統使用ASP技術框架和局域網數據庫，程序在IIS服務器端運行，以大大加快了數據的處理速度和安全性。為了使數據庫保持先進性，方便修整和改革，系統設計應采用模版方式，界面的修改完全不影響處理程序流程。設置數據庫維護系統，方便對整個系統進行管理。根據每個不同類型的用戶分別為其制作獨立的管理或者是操作頁面，以便區分和提高系統安全性。
ASP：全稱是Active server pages，意為“動態服務器頁面”，是微軟公司開發的代替CGI腳本程序的一種應用，在這里可以生成和運行動態的、交互的、高性能的Web服務應用程序，是一種簡單、方便的編程工具。ASP是一種服務器端腳本編寫環境，可以用來創建和運行動態網頁或Web應用程序。ASP網頁可以包含HTML標記、普通文本、腳本命令以及COM組件等。利用ASP可以向網頁中添加交互式內容（如在線表單），也可以創建使用HTML網頁作為用戶界面的web應用程序。它不僅僅是一種編程語言，更不僅僅是一種開發工具，他更是一種強大的技術框架和模型。
Javascript：是一種嵌入在HTML文件中的腳本語言，它是基于對象和事件驅動的，能對諸如鼠標單擊、表單輸入、頁面瀏覽等用戶事件做出反應并進行處理。
SQL（Structured Query Language）： 結構化查詢語言，是關系數據庫的標準語言，通過幾個命令，就可以實現定義、查詢、更新和控制功能。在ASP 中對后臺數據庫進行查詢、添加、刪除和更新等操作所采用的就是SQL 語言。數據查詢基本命令是SELECT，SELECT 語句用于對數據庫進行查詢并返回符合查詢條件的數據。在查詢語句中使用SQL庫函數，可以實現在查詢的過程中同時對某屬性上的值進行統計分析。
這是主要涉及到的幾種技術，除此之外還有其他便于使用的技術，通過對這些技術的應用，專業技術人員的設計就可以實現信息管理系統的實體化。
3.信息管理系統的設計分析
信息管理系統聯系到了醫院的各個部門，將收費、問診、病歷等結合在一起，為醫院的信息化建設和科學化管理建立了一個很好的平臺。該系統主要完成文本信息和醫院各種數據的錄入和整理，并使患者可以快速的查看的信息，同時各個部門之間信息的共享不僅可以使醫院內部信息交流更加的及時和迅速。這不僅可以增加其他部門的監督的作用，使管理更加的公開透明，使得醫生更加注重治療技術的增強，并對患者的信息進行更好地掌握以供進一步的診斷，對于病人則更加的放心并對自己的花費、病情了如指掌。
4.總結
信息管理系統的設計和使用建立了完整性強、一致性高、數據安全可靠的數據庫，簡化了繁瑣的文書操作，規范了整個醫院的數據處理流程，系統中包含強大的數據處理功能，不僅可以清楚快速的查詢信息，而且可以利用一些應用程序對數據進行統計分析，簡明直觀的了解到醫院的各種信息，方便醫院的管理，提高了醫院各項工作服務的質量和效率，提高了患者的滿意度，對于醫務人員，大大減輕了他們的勞動強度，使他們有時間和精力來服務于病人，進一步的學習，這在一定程度上促進了醫學科研和教學的進行。醫院管理系統緊跟時代的潮流，采取新的形式改革管理體制，優化醫療服務，使醫生患者可以更好的交流，為醫療領域增添了新的特色，隨著計算機技術的不斷發展，信息管理系統將會有更優秀的平臺。
【參考文獻】