時間：2024-02-18 16:05:14
導語：在數據分析方向的撰寫旅程中，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 飛機抖振；響應數據；處理分析；方法討論
中圖分類號V2 文獻標識碼 A 文章編號 1674-6708（2014）123-0164-02
當飛機處于某種特殊氣動彈性耦合效應下的時候，就會出現抖振的隨機振動現象，如果戰斗機處于大攻角飛行姿態，通常需要承載一定量的抖振載荷，這會直接導致飛機內部部件的疲勞損傷，使得飛機發生飛行安全事故的概率大大增加，在目前的處理方式中，主要是在飛機制造之后，如果發現存在抖振問題，會對設計進行適當的修改，或者是采取抑制減緩措施，這會導致耗費大量的時間與經費，在飛機的研發周期中采取有效的措施減少其抖振問題非常的必要，這就需要在飛機設計、風洞模型試驗、飛機試飛幾個階段做好抖振響應數據的處理工作，本文就主要對此予以簡單分析探討。
1 抖振響應數據的預處理工作
飛機在發生抖振時，其會產生抖振響應數據，對這些數據在處理的時候，為了防止發生靜態響應影響數據處理的結果，需要對飛機各種飛行狀態下的抖振響應數據進行去除均值的預處理，一般情況下，為了方便敘述，會將飛機不同飛行狀態下的數據依據時間順序依次進行存放，其中一個飛行狀態之下的抖振響應數據稱作數據倉，選隨機選擇一個飛行姿態喜愛的抖振響應數據倉，根據合理的時間間隔，將數據倉內的數據進行劃分，可以分為多個子數據塊，然后逐一進行編號，表示為：1，2，…，N，應用這種方法獲取的數據塊中包含n個數據點，為了使分辨率得到保證，臨近的子數據塊之間相互重疊的部分應該達到百分之五十以上。
首先對子數據塊內的數據進行預處理，并簡單進行分析，形成第i個子數據模塊響應數據序列，即：yi1，yi2，…，yin，i=1，2，…，N，n表示的含義是：數據點的數量。然后對第i個子數據塊中的數據平均方根值進行計算，將其表示為：RMSi（i=1，2，…，N），其計算公式如下式所示：
之所以要對其均方根值進行計算，主要是為了進行響應數據的無量綱化處理，對于定位樣本的關鍵狀態具有積極的作用。然后要對第i個子數據塊的一組峰值進行搜索，并要獲得第i個子數據塊中第j個峰值與該子數據模塊RMSi的比值，實現統計量的無量綱化。
其次對其給定飛行狀態的樣本數據預處理進行簡單分析，其預處理流程主要表現為：（1）形成數據倉的RMS序列；（2）對數據倉中各個子數據塊的RMS值的均方根進行計算，記做RSS；（3）獲得給定飛行狀態下第i個子數據塊的RMSi與RSS的比值，實現其統計量的無量綱化。
2 子數據模塊的數據統計方法
首先分析子數據塊統計量的概率模型，由機抖動響應具有一定的隨機性，尤其是具有明顯的分散性，所以在對其響應數據進行處理的過程中，采用適當的統計學方法建立模型，在上文數據處理方法的基礎上，建立概率分布表模型。因為得到的子數據塊的時間很短，可以假設其中的數據來自于同一個總體，并且能夠保持相互獨立，那么可以選擇總體Zi的樣本為：Zi1，Zi2，…，Zin，在抖振響應峰值特性的概率分布模型的描述中，常用的有：Gumbel分布與威布爾分布，應用威爾分布對第i個子數據塊Zi進行假設，那么其概率密度可以用下式來進行表示：
其中，f（Zi）表示的含義是：Zi的概率密度函數，Gi表示的含義是：威爾分布的大小尺度因子；Bi表示的含義是：威爾分布的形狀因子。那么可以將其概率分布函數表示為：
其次，簡單分析子數據模塊統計學量分布參數，本次研究中，對于其分布參數估計應用最大似然估計，建立起威布爾分布的似然函數，并應用相關的參數估計方法，得到其簡化之后的威布爾似然函數值為：
然后對似然函數取對數，并應用迭代法對相關數值進行求解，就能夠得到最大似然參數估計量的值。
最后應用χ2擬合檢驗法來對子數據塊中數據是否符合威布爾分布進行檢驗，根據上文中的樣本觀察值及最大似然參數等，來對總體分布假設進行檢驗。
3 數據倉RMS值的分布統計方法
為了分析給定飛行狀態下的數據倉分布規律，依據上文研究的結果，進一步進行研究，在編制飛機抖振疲勞譜的時候，要得到對應的飛行狀態，以此為基礎獲取疲勞荷載值及疲勞壽命，最后校核飛機抖振強度，在此過程中，還需要找到飛機的關鍵狀態，尤其是其運行過程中的極限狀態，在給定的飛行狀態下，對其數據倉RMS分布進行分析主要是為了確對幾個關鍵的RMS水平進行確定，并在相應的子數據模塊中對其進行定位，再結合其響應模型進行響應分布的分析，這能夠保證其很好的滿足后續工作的需求，通過對給定飛行狀態下數據倉RMS值分布進行統計分析，再結合飛機抖振應用背景及以往的工程實踐經驗，可以對其相應數據應用經驗步進函數來進行描述，就能夠很好的滿足抖振壽命估計、抖振疲勞譜編制、抖振強度校核等工作要求，這對機抖振響應數據分析處理質量及工作效率的提升都具有非常重要的作用。
4 結論
飛機抖振響應數據具有隨機分布的特點，并且具有鮮明的分散性，在對其進行處理時具有較大難度，飛機長期處于抖振載荷之下，會對其部件產生較大影響，容易導致安全事故的發生，本文就結合其抖振響應數據的實際特點，提出了一種統計模型分析法，并對其分析方法中的關鍵步驟進行了簡單分析，對機抖振響應數據的處理分析具有一定的參考作用。
參考文獻
【關鍵詞】數據挖掘；決策樹；SQL；住房狀況
1.引言
本文是利用SQL Server數據挖掘對大規模數據集MovieClick進行挖掘，以便從大量繁雜的數據中獲取隱含中其中的信息[1-2]。MovieClick數據庫是通過收集客戶喜歡的電影的相關內容以及客戶自身數據的一個數據集，如Num bedrooms、Num cars、Marry Status、Age、Num bathrooms等信息。對影響用戶的住房的狀況的因素進行分析，得出影響因素的具體條件。
2.數據挖掘方法
數據挖掘（Data Mining）是通過分析每個數據，從大量數據中尋找其規律的技術，主要有數據準備、規律尋找和規律表示3個步驟。數據挖掘的任務有關聯分析、聚類分析、分類分析、異常分析、特異群組分析和演變分析等。
3.決策樹在預測中的應用
決策樹是同時提供分類與預測的常用方法。決策樹提供了一種展示類似在什么條件下會得到什么值這類規則的方法。比如，在貸款申請中，要對申請的風險大小做出判斷，圖是為了解決這個問題而建立的一棵決策樹，從中我們可以看到決策樹的基本組成部分：決策節點、分支和葉子[3-4]。每個分支要么是一個新的決策節點，要么是樹的結尾，稱為葉子。在沿著決策樹從上到下遍歷的過程中，在每個節點都會遇到一個問題，對每個節點上問題的不同回答導致不同的分支，最后會到達一個葉子節點。這個過程就是利用決策樹進行分類的過程，利用幾個變量（每個變量對應一個問題）來判斷所屬的類別（最后每個葉子會對應一個類別）。
3.1 決策樹算法具體分析
根據圖的結果展示，當臥室數量=4時，是否已婚對用戶是否擁有自己的住房的影響比較大，為婚姻狀況是未婚時，租房的概率會比擁有住房的概率有所增加。
4.模型評估
參考文獻
[1][加]韓家煒，[加]坎伯（Kamber，M.）.數據挖掘：概念與技術[M].北京：北京工業出版社，2001：3-4.
[2]王麗珍，周麗華，陳紅梅，等.數據倉庫與數據挖掘原理及應用[M].科學出版社，2005，7：10-13.
隨著醫療衛生改革的深入和醫學模式的改變，醫院的管理已經從"以醫療為中心"轉變為"以病人為中心"由于患者的自我保護意識不斷增強，護患矛盾日益突出，醫療糾紛頻發。嚴重地影響了醫院的整體形象和社會效益。靜脈輸液是臨床治療手段之一，這就要求護理人員熟練地掌握靜脈穿刺的方法，以提高醫療技術水平，使患者盡快得到治療，但在靜脈穿刺中及靜脈穿刺后導致局部的淤血，給患者帶來疼痛和恐懼心理。為了防止靜脈穿刺引起的局部淤血，延長靜脈血管的使用壽命，減輕患者的痛苦,保證臨床醫囑及時正確地執行，促進患者早日康復。現對到我們服務中心接受靜脈穿刺后發生局部淤血的患者進行了認真分析，報道如下。
一、對象與方法
1.對象 ：選擇2010年1月至2011年11月在我們服務中心接受靜脈穿刺后發生局部淤血的200例患者，其中男性84人，女性156人，年齡18至60歲。
2.方法 ：對靜脈穿刺后發生局部淤血的患者進行原因分析，將淤血外滲分為4種原因；（1）患者因素 指患者輸液局部的血管、全身情況等導致淤血；(2)機械因素 指針頭的型號、輸液的藥物濃度、針頭固定方式等原因導致的淤血；（3）按壓方式因素 指拔針后按壓部位錯誤或按壓時間過短等造成的局部淤血；（4）操作因素 指護理人員穿刺操作不規范、血管選擇不好、技術差等原因造成的局部淤血。
二、結果
靜脈穿刺后發生局部淤血的因素分析見表1
表1靜脈穿刺后局部淤血的相關因素分析
三、討論
1.靜脈穿刺后發生淤血的相關因素 有表1可以看出患者按壓方式不正確是造成靜脈局部淤血的主要原因,不正確的方式包括（1）按壓時間過短，正常人出凝血時間是3-5分鐘，也就是說靜脈輸液完畢，拔針后必須按壓穿刺部位5-10分鐘才能止住血，對有一些特殊的血液病等凝血功能障礙者，應再適當延長按壓時間。若按壓時間不足，則會引起皮下淤血。（2）患者拔針后按壓位置不當，靜脈穿刺時，針頭與皮膚一般成20-250角，由靜脈上方或側方快速刺入皮下，沿靜脈方向潛行少許刺入靜脈血管，因此，皮膚穿刺點與靜脈穿刺點不在同一位置，所以，如果拔針后只按壓皮膚穿刺點而沒有按住靜脈血管穿刺點，也會導致皮下淤血。其次有表1還可以看出護理人員的操作不當也占一小部分因素，由于靜脈輸液在臨床上廣泛應用，熟練掌握靜脈輸液穿刺技術及相關知識尤為重要。護理人員的操作因素主要包括輸液穿刺技術不高、操作失誤、無法辨認血管位置、穿刺血管或針柄固定不牢導致針頭脫出血管外導致皮下淤血；還有選擇穿刺點不規范，在同一條血管同一部位短時間內反復多次穿刺，造成血管壁多個針孔滲血導致皮下淤血。
2.預防靜脈穿刺后淤血的護理措施 因為臨床上由于護理人員操作不規范造成穿刺后淤血較常見，所以，醫院要提高護理人員的一次穿刺成功率，使護士的基本操作技術過硬。注意掌握好進針的方法、角度及力度避免穿破血管，同時選好靜脈穿刺點。護理人員在臨床操作中要保持自身的良好心理狀態，注意觀察患者的心理變化，多與患者溝通、交流，多關心患者，發現問題及時采取措施，以確保操作的順利進行。輸液結束后指導患者掌握正確的按壓方法，穿刺點按壓不宜換手。按壓力度適中，切忌揉搓針眼周圍*，如出現局部淤血應在24小時內局部冷敷，以防血管擴張加重出血，24小時后進行局部熱敷，減輕疼痛促進局部皮下淤血的吸收。
關鍵詞：奶牛生產性能測定（DHI）技術；非參數統計；產犢季節；產奶性狀
中圖分類號：S823.9+1 文獻標識碼：A 文章編號：0439-8114（2014）17-4120-03
Analyzing Effects of Calving Seasons on Dairy Milk Yield with Non-parametric
Statistical Method Based on DHI Data
CHEN Hong-bo1，TANG Zhou2，LIU Xiao-hua3，WU Wei-che2，WANG Ding-fa3，LING Ming-hu3，
HU Xiu-zhong3， CHENG Lei3
（1. Hubei Key Laboratory of Animal Nutrition and Feed Science， Wuhan Polytechnic University， Wuhan 430023， China；
2. Key Lab of Animal Genetics， Breeding， and Reproduction of Ministry of Education， Huazhong Agriculture University， Wuhan 430070， China； 3. Institute of Animal Science and Veterinary Medicine， Wuhan Academy of Agricultural Science， Wuhan 430208， China ）
Abstract： Calving season is an important factor affecting the dairy milk yields. With the popularization of the DHI， it becomes an effective tool to improve the levels of farm management and the milk quality. Based on DHI data of several years in a diary farm， effects of the calving season on the diary milk yield were analyzed with non-parametric statistical method. The results showed that the milk production in spring and autumn were obviously high. It will provide a reference for making plans of mating and calving and fully using DHI data.
Key words： DHI； non-parametric statistics； calving season； milk production traits
奶牛的產奶性狀易受到各方面因素的影響，其中產犢季節是非常重要的影響因素之一。對于產犢季節對奶牛產奶性狀影響的研究報道不多， 研究結果也不盡一致[1-4]。在研究不同產犢季節對奶牛產奶性狀的影響時，大多采用的是方差分析方法[2-6]，數據進行方差分析前需滿足3個基本條件：正態性、方差齊性和可加性。而在實際應用中，要獲得能同時滿足這3個條件的數據并不容易。在不知道樣本數據分布的情況下，主觀的假設中總體的分布可能會造成錯誤。而非參數統計并不涉及總體參數的比較，因此采用非參數統計的方法可能更合理。近年來，隨著奶牛生產性能測定（Dairy herd improvement，DHI）技術的推廣，DHI已經成為提高奶牛場管理水平和牛奶質量的有效工具[7-9]。雖然從每個月的DHI檢測報告中可以看出奶牛場整體牛群和個體奶牛的生產情況，但是如何從奶牛場歷年來積累的豐富的DHI數據中挖掘更多有價值的信息是人們很感興趣的。本研究以武漢某奶牛場近3年的DHI數據為研究對象，利用非參數統計的方法分析產犢季節對奶牛產奶性狀的影響，以期為奶牛場科學飼養管理以及綜合開發利用DHI數據提供參考。
1 材料與方法
1.1 試驗牛群
選擇武漢市某奶牛場3～11歲1～9胎的泌乳奶牛，按照奶牛飼養標準采用TMR技術飼喂奶牛。
1.2 試驗方法
2010年1月至2012年12月，采樣前對乳區進行清洗并消毒，棄掉頭3把乳汁，按DHI采樣方法收集奶樣，早晚分別取24 mL和16 mL乳汁并混合均勻，送至武漢市奶業辦公室DHI檢測實驗室進行檢測。
1.3 數據整理
武漢屬于北亞熱帶季風性濕潤氣候，四季分明。一年中1月平均氣溫最低；7月和8月平均氣溫最高。春季和秋季時間短，夏季和冬季時間長。根據武漢當地氣象資料，以平均溫度為劃分指標，將3月15日至5月15日劃分為春天；5月16日至9月25日劃分為夏天；9月26日至11月20日劃分為秋天；11月21日至次年3月14日劃分為冬天。
根據季節的劃分，對該場牛群連續3年的檢測指標包括產犢間隔、泌乳天數、乳脂率、乳蛋白率、脂蛋比、體細胞、體細胞分數、高峰奶、高峰日和總奶量進行了整理，共有4 574條有效數據。數據進行分析前首先進行標準化，以達到統一量綱的目的。
1.4 統計分析
在刪除一些高于或低于平均數3倍標準差的極端值之后，用Wilcoxon秩和檢驗法進行多重比較，所有統計分析在R（Version 3.0.2）上完成。為了更加直觀地顯示分析結果，利用ECXEL2007對研究結果進行了整理并作圖。
2 結果與分析
非參數統計的結果顯示不同產犢季節對乳脂率、乳蛋白率、脂蛋比、體細胞分數、泌乳天數、高峰奶和總奶量的影響顯著。
從圖1中可以看出，春季產犢，牛奶中的乳脂率最高；秋季產犢，牛奶中的乳脂率最低。夏季產犢，牛奶中的乳蛋白率最高；冬季產犢，牛奶中的乳蛋白率最低。夏季產犢，脂蛋比最小；冬季產犢，脂蛋比最高。春季和秋季產犢的奶牛，牛奶中體細胞分數顯著低于夏季和冬季。春季產犢，奶牛的泌乳天數最長；秋冬產犢，奶牛的泌乳天數最短（圖2）。秋季產犢，高峰奶奶量最高；春季產犢，高峰奶奶量最低（圖3）。其中秋季產犢的奶牛，總奶量顯著高于冬季和春季產犢的奶牛（圖4）。
3 討論
從本研究結果可以看出，春季產犢的奶牛，牛奶中乳脂率最高，同時乳蛋白率也高于秋季和冬季，體細胞分數最低，從牛奶品質上來講，春季產犢奶牛的乳品質是最好的。而夏季產犢的奶牛，乳蛋白率雖然高于春季產犢的奶牛，但是兩者差異不顯著；另外，夏季產犢的奶牛其牛奶中體細胞分數也顯著高于其他季節。有報道指出，產犢月份在6、7月時，奶牛隱型炎的發病率最高，產犢月份在4、5月時，奶牛隱型炎的發病率最低[10]。由此可以看出，夏季奶牛隱形炎的發生幾率更大。而奶牛感染炎后，乳腺上皮細胞的通透性被破壞。血乳滲透性增加，來源于血液的免疫球蛋白、乳鐵蛋白、血清白蛋白等流入乳汁中，使乳蛋白率升高[11]。因此，奶牛隱性炎所導致的乳蛋白含量升高并不是有益的，可以認為夏季牛奶的高蛋白率水平同時伴隨體細胞含量顯著上升的現象意味著牛奶總的營養水平是下降的。這也從另一方面說明了對于夏季產犢母牛護理的重要性。
秋季產犢的奶牛，乳脂率最低，但是乳蛋白率和體細胞分數與春季產犢的奶牛差異均不顯著；同時該季節產犢的奶牛高峰奶和總奶量最高，其總奶量比春季產犢的奶牛高出7%左右。關于產犢季節對產奶量的影響，前人的研究結果不盡一致。吳紅岳等[12]在對西寧地區的荷斯坦奶牛研究發現秋季產犢的荷斯坦奶牛的產奶量最高，劉姍等[1]認為夏秋兩季產犢奶牛的305 d產奶量高。而馮登偵等[13]的研究結果表明寧夏平吉堡奶牛場荷斯坦奶牛4月份產犢奶牛的305 d產奶量最高，段向陽等[4]和張慧林等[2]的研究認為12月份產犢奶牛的的產奶量最高，其次是春秋兩季。這可能與試驗牛群所處的具體氣候條件有關，因為奶牛產后3～8周是產奶的高峰期，同時也是產奶的黃金時間，只有產奶的黃金階段在溫度適宜的季節中度過，避免高溫造成的炎以及熱應激，才能不影響奶牛整個泌乳期的產奶量。
綜合考慮產奶量和牛奶品質后認為，本試驗牛群最佳的產犢季節為春季和秋季。實際工作中一方面要加強春秋季節產犢奶牛的飼養管理，盡量充分發揮其產奶性能；另一方面對夏季產犢的奶牛要做好防暑降溫工作，同時可以采取產后提前配種的方式調整其下一個產犢季節，對于冬季產犢的奶牛也可以采取同樣的方式將其產犢季節逐步調整至秋季。另外，也可以通過同期處理來統一牛群的產犢季節。
4 結論
本研究通過使用非參數統計的方法，分析產犢季節對奶牛的影響，得出春秋季節產犢時奶牛產奶性能更高。由于非參數統計可以在不知道數據分布的情況下使用，不涉及總體參數的比較，因此在實際應用中比方差分析方法更實用。本研究為科學指導奶牛的實際生產管理和充分挖掘、利用DHI數據提供了重要參考。對實際生產給出的建議是，需要人為對母牛的繁殖周期進行干預和調整，以及做好妊娠期母牛的護理工作，使母牛的產犢盡可能集中在當地比較涼爽的季節，以提高奶牛的產奶性能，提高牛場效益。
參考文獻：
[1] 劉 姍，劉念銳，陳佩琪，等.產犢季節和胎次對測定奶牛日泌乳性能的影響[J].中國牛業科學，2013，39（2）：27-30.
[2] 張慧林，劉小林，朱建華，等.產犢月份對荷斯坦牛產奶量的影響[J].西北農業學報，2012，21（3）：17-21.
[3] 祖里甫努爾?尼亞孜，張 琴，鄭寶亮，等.產犢月份對荷斯坦奶牛305天產奶量的影響[J].新疆畜牧業，2009（2）：30-31.
[4] 段向陽，鄭拉弟，黃 銘，等.產犢月份對新疆北疆地區西門塔爾牛產奶量的影響[J].家畜生態學報，2009（6）：76-79.
[5] 廖想想，張美榮，許兆君，等.產犢季節對荷斯坦牛第一胎泌乳性能的影響[J].中國牛業科學，2012，38（1）：10-13.
[6] 高騰云，馬雪梅.季節和產犢月份對散養奶牛產奶量的影響[J]. 中國農業氣象，1994（1）：34-35.
[7] 賈玉珍.DHI體系檢測與提高奶牛生產性能的應用研究[D].長春：吉林大學，2005.
[8] 高建斌，昝林森，辛亞平.西北農區奶牛遺傳改良與DHI測定分析[J].中國農學通報，2011，27（26）：1-6.
[9] 陳 龍，王力強，劉彥莎，等.DHI在規模化奶牛場生產管理中的應用[J].中國奶牛，2013（5）：52-55.
[10] 甘宗輝，張亞琴，冀德君，等.產犢月份與奶牛隱型炎的發病及產奶量的關系研究[J]. 中國牛業科學，2013，39（1）：25-29.
[11] DOSOGNE H， VANGROENWEGHE F， MEHRZAD J.et a1.Differential leukocyte count method for bovine low somatic cell count milk[J]. Journal of Dairy Science， 2003， 86（3）：828-834.
關鍵詞：大數據 交易平臺 數據資源 數據分析服務 融合
1.引言
目前發展大數據產業已經上升為國家戰略，大數據的價值也得到了社會的廣泛認可。眾多研究[1-5]表明，大數據不僅為政府治理開辟了新思路，還是企業創新的重要源泉和高校科研的重要支撐。大數據交易平臺是整個大數據產業的基礎與核心，它使得數據資源可以在不同組織之間流動，從而讓單個組織能夠獲得更多、更全面的數據。這樣不僅提高了數據資源的利用效率，更重要的是，當一個組織擁有的數據資源不斷豐富和立體化，有助于其通過數據分析發現更多的潛在規律，從而對內提高自身的效率，對外促進整個社會的不斷進步。
在現有的大數據交易平臺上，數據供應方和需求方各自供需信息，交易雙方瀏覽這些信息，如果發現合適的交易對象，則進行大數據資源的買賣，交易平臺只作為信息中介存在。這類大數據交易的本質，其實是單獨的大數據資源交易，現有平臺可以統稱為第一代大數據交易平臺。第一代大數據交易平臺在供需平衡、數據定價和時效性三個方面都存在較大的不足。本文針對這些不足進行改進，設計了一種全新的第二代大數據交易平臺，命名為：融合數據分析服務的大數據交易平臺，該平臺將數據資源交易與數據分析服務進行深度融合，實現了數據與服務的一體化交易。本研究不僅為當下正在建設的各類大數據交易平臺提供有益的借鑒，也豐富了大數據交易的基礎理論體系。
2.相關研究
目前大數據交易的相關研究中，比較有代表性的有：
（1）大數據的財產屬性和所有權。王玉林等[6]對大數據的財產屬性展開研究，認為大數據的法律屬性會直接影響大數據產業的發展，而大數據交易實踐本身就反映出大數據具有財產屬性。但大數據與傳統的財產權客體存在較大不同，它符合信息財產的特征，是信息財產權的客體，應受到相關法律的保護。齊愛民等[7]從宏觀的角度分析了國家對于其主權范圍內數據的所有權，剖析了個人擁有的數據權以及數據的財產權。
（2）大數據的定價問題。劉朝陽[8]對大數據的定價問題展開研究，首先分析了大數據的基本特征、價值特征等定價基礎。接著討論了效用價格論、成本價格論等定價模式。最后分析了大數據的定價策略，并對大數據定價的雙向不確定問題進行了詳細論述。劉洪玉等[9]認為在大數據交易過程中，由于缺乏足夠的歷史參考，其數據資源的交易價格很難確定，因此提出一種基于競標機制的魯賓斯坦模型，用于大數據交易雙方進行討價還價，以求達成一個交易的均衡價格。翟麗麗等[10]從資產的期權價值角度來評估大數據資源的價值，并指出數據在不斷變化和更新，加上數據的非獨占性等情況的出現，數據資產的價值可能會下降，最后綜合這些因素構建了一個評估模型來計算數據資產的價值。
（3）大數據交易的安全與隱私保護。史宇航[11]認為非法的數據交易會對個人數據等高價值信息的安全造成影響，對非法數據交易的購買方和協助方都應進行處罰。提出應先明確數據的法律屬性，再以數據交易所為平臺進行交易，并對數據交易所的法律地位進行了分析。殷建立等[12]為應對大數據時代數據采集、交易等過程中的安全問題，綜合考慮技術、政策和管理平臺等方面的因素，構建了一種個人數據溯源管理體系，該體系可在數據應用時實現個人數據的追蹤溯源，從而保護其個人隱私。王忠[13]認為大數據環境下強大的數據需求會導致個人數據的非法交易，為應對這種情況，應該建立個人數據交易許可機制，通過發放交易許可證、拍賣授予等措施實現隱私保護。
（4）大數據交易的發展現狀與問題。楊琪等[14]認為我國的大數據交易還處于行業發展的早期，大量數據源未被激活，原因是大數據產業價值鏈的各個專業環節發展滯后，并且對數據交易中的安全問題和隱私泄露等有較大的擔憂。應該對數據產品進行改造，使其更商品化，并且通過政府開放公共數據等措施逐漸消除數據流通中的安全顧慮。唐斯斯等[15]首先分析了我國大數據交易的發展特點、交易類型等現狀，接著指出目前大數據交易存在法律法規相對滯后、行業標準不完善、交易平臺定位不明確、數據質量不高等問題，最后提出應加快相關法律和標準建設，并推動數據開放，加強交易方式的創新。
除了上述四個主要研究方向以外，李國杰等[16]從理論的角度分析了大數據研究在行業應用和科學研究方面的重要作用，這從客觀上反映了大數據流通的必要性。涂永前等[17]認為大數據時代企業管理和運用數據資源的相關成本會成為企業的主要交易成本，這會改變企業的組織結構，并導致企業邊界的變化，企業會進行多方向的擴張，這為促進大數據產業發展的相關法律的制定提供了理論支持。總的來看，由于大數據交易本身屬于較新的領域，因此相關研究總體上較少，已有研究也大多集中在上述幾個研究方向上。實際上，大數據交易平臺是實現大數據交易的重要載體，是大數據資源流通轉換的主要節點，交易平臺本身需要隨著整個大數據產業的發展，不斷的改進和升級，而現有研究中恰恰缺少對大數據交易平臺本身進行創新的研究。由此，本文針對現有大數據交易平臺的不足，結合實際設計了一種全新的融合數據分析服務的大數據交易平臺，為實踐和科研提供借鑒和參考。
3.現有大數據交易平臺的不足
大數據本身作為一種新興事物，當把它作為一種商品進行交易時，其交易平臺的設計很自然會參照傳統的商品交易模式，即：交易雙方先供求信息，再經過討價還價，達到一個均衡的價格則成交，賣方將大數據資源經過脫敏處理后，交付給買方。目前無論是政府主導的大數據交易所，還是企業或者高校創建的大數據交易平臺，都是采用類似的交易模式，這也是第一代大數據交易平臺的突出特點。實際上大數據與傳統商品有很大的區別，照搬傳統商品的交易模式會出現很多問題。本文將從供需平衡、數據定價和時效性三個方面分析現有大數據交易平臺的不足。
3.1 數據供需的錯配
現有大數據交易平臺的第一點不足就是數據供需的錯配，即：供應方提供的數據資源往往不是需求方所需要的，而需求方需要的數據在交易平臺上找不到，即使有相近的數據資源，也存在很大的數據缺失或冗余，買回去也無法使用。對數據供應方來說，由于無法準確預知數據買方多樣性的需求，它只能從自身角度出發，將可以公開的、并且自認為有價值的數據資源放到平臺上待售。對需求各異的買方來說，供應方提供的標準數據很難與自己的應用方向精準匹配，這也是目前大數據交易還不夠活躍的原因。當然，當供需雙方建立初步聯系以后，供應方甚至可以為需求方個性化定制大數據資源，但即使這樣，供需錯配的問題仍然無法解決，原因就在于單個的數據供應方無法提供多維的數據資源，只有多維的數據資源才具有較高的分析價值。
3.2 大數據資源定價困難
大數據資源定價困難是現有大數據交易平臺的第二點不足。大數據資源和普通商品不同，普通商品可以直接消費或者作為再加工的原材料，其價值都可以通過最終的消費品價格得到體現。而大數據本身的價值無法直接衡量，需求方購買它的目的是作為數據分析的信息源，但是否能發現潛在的規律還未可知。因此無法在購買前，準確判斷出待售數據資源的價值大小。此外，需求方在不確定某大數據資源是否能真正能給組織帶來收益情況下，很難給出一個較高的價格，這在客觀上會影響數據供應方的交易積極性，加大了供需雙方達成交易的難度。
3.3 數據的時效性不強
現有大數據交易平臺的第三點不足，就是數據資源的時效性不強。目前很多大數據交易平臺上待售的數據資源都以歷史數據為主，這是因為數據資源在交易前需要經歷脫敏處理，將涉及政府信息安全、企業商業機密和個人隱私等敏感信息進行變換和替代。此外，供應方還需要對原始數據進行初步的清洗，整理成一定的數據格式集中存貯和交付，方便需求方進行數據分析。由于一般的數據供應方并不具備對大數據進行實時脫敏和清洗的能力，只能將采集到的數據資源，經過一段時間的離線處理后，再放到交易平臺上，所以只能供應歷史數據。隨著社會節奏的不斷加快，歷史數據很可能并不能反映當下的真實情況，越來越多的數據分析都需要用到實時數據作為信息源，這是未來大數據交易必須克服的一個短板。
4.融合數據分析服務的大數據交易平臺設計
本文提出將數據分析服務融合到目前的大數據交易中，以此來克服現有交易平臺的不足，本節將首先對數據分析服務進行概念界定，再依次介紹平臺設計的總體思路和核心模塊的設計，具體如下。
4.1 數據分析服務的概念界定
數據分析是指運用各類數據處理模型和信息技術手段，對數據資源進行深度的挖掘，從而發現其中蘊含的規律，作為管理決策的依據。數據分析本身是一種能力，如果一個組織將其數據分析能力提供給其他組織或個人，并收取一定的費用，這就是數據分析服務。在大數據環境下，數據資源不僅體量巨大而且種類多，對數據分析能力的要求不斷提高。在這種情況下，只有少數組織具備獨立處理大數據的能力，其他的組織比如大量的中小企業，都需要從組織外部尋求專業的數據分析服務，來滿足自身的需要。因此，數據分析服務和大數據資源一樣存在巨大的市場需求。
4.2 平臺設計的總體思路
本文將提出的融合數據分析服務的大數據交易平臺，定位為第二代大數據交易平臺，它將大數據資源交易與數據分析服務兩者進行深度融合，在交易平臺上實現數據與服務的一體化交易。大數據交易平臺的角色也從原來的數據資源買賣的信息中介，轉變為大數據綜合服務商。在融合后的大數據交易平臺上，數據需求方不再提交數據資源的需求信息，而是直接提出自己的應用方向和想要得到的結果，交易平臺再根據需求方的應用方向，反向匹配數據資源和數據分析服務。這個匹配的過程不是單一的數據集或服務的查找，而是對全平臺的數據資源進行有效整合，形成高價值的多維數據，再結合復合型的數據分析技術，得到最終的分析結果，最后將分析結果與基礎數據一同交付給需求方。交付基礎數據的目的，一是方便需求方進行分析結果的對照，為決策提供更精準的參考。二是需求方可以根據基礎數據進行衍生挖掘，進一步提高數據的利用效率。平臺設計的總體思路繪制成圖1。
圖1 平臺設計的總體思路
4.3 核心模塊的設計
融合數據分析服務的大數據交易平臺共劃分為四大模塊，具體如圖2所示。
圖2 融合數據分析服務的大數據交易平臺的主要模塊
系統管理模塊具體又分為用戶管理、系統維護和安全管理。安全管理是系統管理模塊的重點，主要包含三個方面的功能：第一，負責整個交易平臺的系統安全，通過對交易平臺進行實時監控，阻止外部的非法入侵行為，保障平臺的正常運行。第二，對數據供應方提交的數據資源進行審核，如果發現是非法數據，則阻止其交易，并及時將有關情況反饋給相關的政府監管部門，由它們進行調查處理。第三，檢查所有數據是否經過脫敏處理。如果發現部分數據存在未脫敏或者脫敏不合格的情況，交易平臺將負責對該數據資源進行脫敏處理，從而保護數據中的隱私不被泄露。
大數據資源池模塊、數據分析服務模塊和協同模塊是交易平臺的三大核心模塊，是數據與服務兩者融合并實現一體化交易的關鍵，本文接下來將對這三個核心模塊的功能進行詳細設計。
4.3.1 大數據資源池模塊
大數據資源池模塊主要包含三個方面的功能：數據資源格式的整理、數據的多維度整合、大數據資源的云存貯。具體如下。
（1）數據資源格式的整理。由于大數據交易平臺上的數據資源來自不同的數據供應方，因此其數據資源的格式會有較大的差異。如果不經過格式整理就直接進行數據分析，很可能會因部分數據無法準確讀取，而影響數據處理的效率，嚴重者還會導致數據分析中斷。數據資源格式整理的主要任務是將同一類型數據的格式進行統一，對部分缺失的數據屬性進行補充，對錯誤的數據格式進行修正。
（2）數據的多維度整合。在上文3.1中提到供需錯配的一個重要原因，就是單個數據供應方無法提供高價值的多維數據。所謂多維數據是包含用戶或者行業多個背景和情境的大數據資源，這些多維數據使用戶或行業多個側面的信息產生了關聯，有利于發現深層次的潛在規律。融合數據分析服務的大數據交易平臺應該作為數據整合的主體，將單個數據供應方提供的零散的數據資源，進行多維度的整合，當缺少某一個維度的數據時，再向相應的數據供應方進行定向的采集，最后得到相對完整的多維數據，具有很高的分析價值。
（3）大數據資源的云存貯。大數據資源經過格式整理和多維度整合以后，已經可以作為數據分析服務的信息源。下一步就是將這些數據資源進行統一的云存貯，以便數據分析服務調用。以往部分大數據資源由于體量巨大或實時更新的需要，無法上傳到交易平臺上，或者只提供部分調用接口。融合數據分析服務的大數據交易平臺通過建立云存貯中心，將整合后的多維數據進行統一存放和調用，有助于提高數據資源的存取效率。
4.3.2 數據分析服務模塊
數據分析服務模塊首先根據數據需求方的應用方向，匹配出合適的多維數據資源，再選擇相應的數據分析模型分配所需的計算能力，最后將得到的分析結果反饋給需求方。本文將數據分析服務劃分為三個大類：基礎性分析服務、高級分析服務、深度定制的分析服務。具體如下。
（1）基礎性分析服務。基礎性分析服務是指那些常規的數據統計，比如：總體中不同對象的占比分析，基于不同屬性的關聯分析或相關性分析等。這些分析服務耗時較短，分析技術較為簡單，只要數據資源本身完備，就可以迅速得到結果。基礎性分析服務由大數據交易平臺本身來提供，可以面對不同的需求方，實現快速交付。
（2）高級分析服務。高級分析服務是指那些較為復雜的數據分析服務，比如：精準的趨勢預測、全面的用戶興趣畫像、非結構化的信息挖掘等。這些分析服務需要大量專業的數據處理技術，比如：興趣建模、視頻分析，音頻分析、深度語義分析等，必須由大數據交易平臺對接第三方的數據分析服務商，由它們來提供高級分析服務。大數據交易平臺在同一數據分析領域，應引入多家數據分析服務商，通過動態的競爭，來保證服務的質量。
（3）深度定制的分析服務。大數據分析目前還處在快速發展階段，很多前瞻性的技術還在試驗當中，應該說數據分析技術的發展相對于旺盛的現實需求來說是滯后的。當需要用的某一數據分析技術，在目前的市場上還找不到現成的提供方時，就需要大數據交易平臺為其進行深度的定制，交易平臺通過多方位的研發能力評估，尋找合適的技術主體來進行專門的技術攻關。
4.3.3 協同模塊
協同模塊主要包含兩個方面的功能：數據分析服務之間的技術協同、交易各方的管理協同。具體如下。
（1）數據分析服務之間的技術協同。在面臨較為復雜的數據分析任務時，可能需要用到多個領域的數據分析技術，這時單個的數據分析服務商可能無法獨立完成。因為不同的行業領域，都有其行業技術的獨特性，需要長時間的專業積累。在這種情況下，就需要多個數據分析服務商相互合作才能完成。數據分析服務之間的技術協同，就是通過一定的技術標準和操作規范，讓多個數據分析技術提供方，能夠在完成同一任務時，在技術上不沖突，能夠相互并行的完成對數據資源的處理，按時按質的交付最終的分析結果。
（2）交易各方的管理協同。在融合數據分析服務的大數據交易平臺上，交易的參與者一共有四類，分別是數據資源的供應方、數據分析服務商、需求方和交易平臺自身。數據需求方在提交自己的應用方向和預期結果的同時，提交自己的交易預算。交易平臺根據需求方提交的應用方向和預期結果，對數據資源和數據分析服務進行反向的選擇。如果數據分析任務中只用到了基礎性分析服務，則整個交易為平臺方、需求方、數據資源供應方的三方交易。如果某數據分析任務，平臺自身無法完成，需要用到第三方的數據分析服務商，則整個交易包含了全部四類參與者，是一個四方交易。交易的基本原則是實現參與各方的利益共享。交易各方的具體利益分配如圖3所示。
圖3 交易各方的利益分配
需求方希望在獲得預期結果的同時，其支付的成本在可接受的范圍內。交易平臺在對數據和服務進行反向匹配后，會出現兩種不同的情況：第一種情況是在原交易預算下，可以達到需求方預期的結果，則可成交。第二種情況是，原交易預算較低，在該預算下無法達到需求方要求的結果，這時交易平臺會和需求方溝通，提出新的報價，需求方經過考慮后，與平臺進行討價還價，它們在價格上達成一致時才能完成交易。由于交易數據是整合后的多維數據，因此原始數據資源供應方的收益，由平臺從總交易價中支付，具體的支付方式可分為平臺一次性買斷或按次數支付。同一數據資源對于不同的需求者來說，其價值是不一樣的，融合數據分析服務的大數據交易平臺根據最終的一體化交易成交價，反向對數據資源進行定價，相對于現有的大數據交易平臺來說，是一種進步。交易平臺的深度參與，會使數據交易的頻率加快，原始數據資源供應方會獲得更多的收益。數據分析服務商根據具體的數據分析任務，直接參與由平臺發起的競價，達成交易后由平臺支付。交易平臺本身的收益則是需求方支付額減去其他各方收益的差價。
5.融合數據分析服務的大數據交易平臺的優勢
本文3.1到3.3中指出現有大數據交易平臺存在數據供需錯配、大數據資源定價困難、數據的時效性不強三大不足。融合數據分析服務的大數據交易平臺作為改進后的第二代大數據交易平臺，可以很好地克服上述三點不足。除了這三個方面的優勢以外，由于融合后可實現數據與服務的一體化交易，這將擴大交易對象的覆蓋范圍，提升交易的活力，具體如下。
5.1 直接面向應用，從根本上避免了數據供需的錯配
在融合數據分析服務的大數據交易平臺上，需求方對交易平臺直接提出應用方向和預期結果。交易平臺對全平臺的數據進行多維度整合，如果缺失某個維度的數據，可以進行定向的采集和補充，最后形成高價值的多維數據。這些多維數據才是真正具有分析價值的數據資源，這是單個數據供應方無法提供的。在得到多維數據后，結合平臺自身和第三方數據服務商的分析能力，得到最終的分析結果。交易平臺最后交付給需求方的是數據分析結果和基礎數據，這種直接面向最終應用的大數據交易方式，從根本上避免了數據供需的錯配。
5.2 融合后定價更有根據
在現有的大數據平臺上，數據需求方是將數據資源買回去以后自己分析，而在購買數據資源之前，不能預知數據分析效果的好壞，因此無法進行有效的價值判斷，這是定價困難的關鍵點。在融合數據分析服務的大數據交易平臺上，需求方不再直接對數據資源付費，而是對最終的數據分析結果付費，并且數據分析結果是根據需求方的要求反向定制的，是符合需求方利益的。需求方可以通過評估預期結果對自身的重要性或收益的改進程度，給出適當的交易預算。交易平臺以該預算為參照，對數據和服務進行選擇，若出現原預算約束下無法實現預期結果的情況，交易平臺再與需求方進行溝通，雙方討價還價后達成交易。這樣相對于現有的大數據交易平臺來說，融合后定價更有依據。
5.3 融合后可提供實時數據
在融合數據分析服務的大數據交易平臺上，數據資源采用云存貯的模式，由平臺進行統一管理，這提高了數據資源的安全性。在數據安全有保障的前提下，由交易平臺出面和數據資源供應方進行實時數據的對接，將實時數據納入大數據資源池中。對于單個的數據資源供應方來說，實時的數據脫敏難度太大。但大數據交易平臺不一樣，它可以利用規模優勢，組建強大的計算能力，對大數據資源進行實時的脫敏和清洗，極大地提高了數據資源的時效性。
5.4 融合后將擴大交易對象的覆蓋范圍，提升交易的活力
融合后可實現數據和服務的一體化交易，讓很多自身不具備數據分析能力的組織和個人，也能方便地利用大數據，特別是大量的中小企業，這將大大增加交易對象的覆蓋范圍。
交易對象的增多會促進交易頻率的增長，從而為數據資源供應方帶來更多的收益，這樣會提升它們參與交易的積極性，鼓勵它們供應更多的數據資源，從而提升交易的活力，整個大數據交易行業就形成了正向循環的良好發展態勢。
6結語
本文對大數據交易平臺本身進行了改進與創新，設計了一種全新的第二代大數據交易平臺，即：融合數據分析服務的大數據交易平臺。該交易平臺可以直接面向需求方的應用方向，實現數據和服務的一體化交易，不僅從根本上避免了數據供需的錯配，還使大數據交易的定價更有依據，平臺的深度參也讓提供實時數據成為可能，這些將從整體上提升大數據交易的效率。融合后數據和服務的一體化交易降低了大數據應用的技術門檻，鼓勵更多組織和個人參與，增加了交易活力。未來筆者將繼續關注大數據交易平臺的創新研究，為實際應用和學術科研提供更多有益的參考。
參考文獻
[1]趙強，單煒.大數據政府創新：基于數據流的公共價值創造[J].中國科技論壇，2014（12）：23-27.
[2]徐繼華，馮啟娜，陳貞汝.智慧政府：大數據治國時代的來臨[M].北京：中信出版社，2014.
[3]李文蓮，夏健明.基于“大數據”的商業模式創新[J].中國工業經濟，2013（5）：83-95.
[4]侯錫林，李天柱，馬佳，等.大數據環境下企業創新機會研究[J].科技進步與對策，2014，31（24）：82-86.
[5]張峰，張迪.論大數據時代科研方法新特征及其影響[J].科學學研究，2016，34（2）：166-170，202.
[6]王玉林，高富平.大數據的財產屬性研究[J]。圖書與情報，2016（1）：29-35，43.
[7]齊愛民，盤佳.數據權、數據主權的確立與大數據保護的基本原則[J].蘇州大學學報：哲學社會科學版，2015（1）：64-70.
[8]劉朝陽.大數據定價問題分析[J].圖書情報知識，2016（1）：57-64.
[9]劉洪玉，張曉玉，侯錫林.基于討價還價博弈模型的大數據交易價格研究[J].中國冶金教育，2015（6）：86-91.
[10]翟麗麗，王佳妮，何曉燕.移動云計算聯盟企業數據資產評估方法研究[J].價格理論與實踐，2016（2）：153-156.
[11]史宇航.個人數據交易的法律規制[J].情報理論與實踐，2016，39（5）：34-39.
[12]殷建立，王忠.大數據環境下個人數據溯源管理體系研究[J].情報科學，2016，34（2）：139-143.
[13]王忠.大數據時代個人數據交易許可機制研究[J].理論月刊，2015（6）：131-135.
[14]楊琪，龔南寧 .我國大數據交易的主要問題及建議[J].大數據，2015（2）：38-48.
網絡環境下教學資源的搜集整理更加便捷，傳統教學方法雖然總結了足夠的經驗，但如果不能隨著時展進步，必然會落后。文章針對一種大數據分析的移動端在網絡課堂教學中的應用進行分析，從使用方向以及技術功能等方面來進行，為網絡課堂教學任務的開展創造有利條件，并提升系統運行使用期間的資源利用率。
【關鍵詞】大數據分析 移動端 網絡課堂教學
1 大數據分析環境下開展移動端網絡課堂教學的優勢
基于大數據分析環境下所開展的網絡課堂教學，充分利用了網絡環境的優勢，并對常規教學中所總結的經驗進行拓展應用，移動端是近年來網絡發展的主流方向，對傳統的教學方法產生了很大的沖擊，但同時這也是一種前所未有的機遇，充分利用網絡的先進性，結合大數據分析的準確定位，可以幫助提升教學效率，為學生營造出更加高效趣味的學習環境。如何利用好大數據分析來促進移動端網絡課堂教學任務開展，也成為現階段重點的研究課題，這也是文章中將要進行探討的，無論是技術還是應用方法上，都應該做出創新，為教學任務的發展落實打下有利基礎，為教學任務的落實創造有利條件。
2 大數據分析移動端在網絡課堂教學中的應用形式
2.1 在課堂交流中運用移動端
交流時知識點鞏固的有效方法之一，在常規教學任務完成后，剩余時間很難滿足學生有關于知識點交流的需求，借助大數據分析的移動端來開展網絡教學，有關于知識內容的交流也不再受時間與地點的影響，能夠隨時進行師生之間的互動交流。并且大數據分析系統所提供的知識內容也是十分可靠的，能夠幫助解決常規教學方法中難以解決的問題，學生也能夠充分利用課余時間來完成知識方面的學習。移動端的優勢在于便捷與快速，這一點是傳統網絡課堂所不具備的，在這樣的環境下，學生也能夠將自己的思路與同學進行分析，在短時間內快速提升學習成績，實現共同進步。
2.2 實現便捷性資源共享
移動端網絡課堂可以通過APP下載來實現學習，注冊后可以將個人的學習情況記錄在其中，這樣在進行下一階段的學習時也不容易遺忘。每一個注冊的賬號在大數據分析系統中都具有記憶功能，這樣學員在經過一個階段的學習后，也能夠通過系統的記憶功能查看輕松了解這一階段的學習情況，并通過平臺所的信息輕松進行一個階段的學結，與同學之間實現零距離的資源共享。大數據分析背景下所進行的資源共享更新更加及時，不會受到時間以及距離的影響，并且移動端還存在網絡可選擇的優勢，即使在共享過程中受到網絡中斷的影響，系統也能夠自動保存，以免造成重要信息的丟失，為接下來教學任務的開展奠基了有利的基礎。
2.3 模式選擇多樣性
網絡課堂教學模式的選擇，與教師的教學習慣有很大關系，在移動端背景影響下，進行網絡系統模式選擇時，擁有更多的可選擇性，可以根據學生的聽課喜好以及習慣來對現場進行控制，在這樣的環境下，所進行的教學任務也能與學生之間形成良好的互動。應用前首先要確定教學的內容，并根據所總結出的信息來進行云系統下的框架設計，將大數據分析系統結合到其中，這樣接下來所進行的工作內容也會更加的順利。移動端的網絡課堂教學軟件是可以不斷更新的，可以根據學員的喜好來對個人界面進行自定義，這樣應用起來也會更加的方便。由于移動端的存儲能力是有限的，在大數據分析系統中還會進行內存拓展，應用解決移動端應用期間內存不足的問題。
上述幾點是應用期間的具體功能以及有效方法，有目標的對系統進行設計，能夠避免出現教育資源、網絡資源浪費的現象，也是現階段十分需要的。除此之外，在應用期間還需要進行技術方面的創新以及強化，降低網絡不穩定所帶來的影響，可以將大數據分析結合多種網絡技術來共同進行，提升系統運用的工作效率，在處理數據過程中也會更更加的穩定可靠。
3 大數據分析的移動端未來發展方向
隨著電子設備的不斷更新，大數據分析的移動端在發展中也會逐漸提升穩定性與運算效率，在框架設計上必然會更加的簡便，這樣在運行使用過程中能夠節省大量的空間，對網絡系統的工作效率提升也能起到促進作用。靈活性也是未來的發展方向之一，使用者可以對應用界面進行定義選擇，在應用過程中更符合學員以及教師的操作習慣，在使用性能與穩定性上自然也會有明顯的提升，降低系統運行使用期間漏洞出現的可能性。
4 結語
人們應該充分認識到網絡技術并不能夠解決我們所有的問題。但是近年來人們最為關心的卻是如何使用可以利用的網絡技術在網絡形式越來越多樣化的今天，如何正確選擇和使用有助于提高外語能力的網絡資源才是未來真正的研發核心，因此，未來的研究應著眼于分析不同的學習目的下如何有針對性地選擇不同的網絡課堂教學模式。
參考文獻
[1]黃曉濤，王芬，吳馳，龍濤.云計算平臺下網絡課堂生成性教學設計框架研究[J].現代教育技術，2013（08）.
[2]楊俊鋒.創新課堂教學模式 培養學生國際視野――跨文化混合同步網絡課堂的實證研究[J].中國電化教育，2015（10）.
作者簡介
王冠（1982-），江蘇省徐州市人。碩士學位。現為徐州幼兒師范高等專科學校信息網絡中心講師。研究方向為數字資源建設、校園信息化。
電商營銷。營銷策劃。大數據分析。
的大數據分析基于現代社會中成熟的商業系統和日益成熟的電子商務系統。在整個電子商務社會體系中，消費者將逐步完成從傳統消費行為到對電子商務的理解和熱衷的轉變。在此過程中，大數據分析對消費者的心理特征和行為邏輯進行統計分析，并形成相關結論。為了在未來的業務發展中取得進一步的發展，電子商務營銷必須把握大數據的特點進行分析并實現合理的應用。
。在2019年的天貓“雙11”購物嘉年華中，11月11日，全球消費者在淘寶網電商平臺上購物，僅在凌晨96秒的時間內就在人民幣完成了100億元的營業額。這些數據的背后，反映了電子商務營銷對現代消費者心理和消費行為的準確把握指導。在中國電子商務發展過程中，逐步完成了第一代消費者進入電子商務平臺的培訓。這意味著國電商平臺大學的建設已經進入了一個相對穩定的發展時期。當“數量”不再是電子商務營銷的焦點時，如何確保電子商務平臺提供的商品和服務的“質量”已成為下一個潛在的出口。
毫無疑問，中國電商平臺近年來的突破和快速發展是驚人的，但在這種發展的背后，仍然存在許多問題電子商務平臺在商品質量、服務準確性和消費者需求控制方面有提升空間。在國內電子商務普遍反思自身營銷質量、優化策略的情況下，大數據分析已成為當前背景下電子商務營銷領域中一種適用性較高的應用技術。
2.1實現了目標受眾的第一次模擬考試。在傳統的電子商務營銷過程中，
通常被視為從單一企業到龐大消費者的擴散型銷售。然而，在模式判斷中，很容易忽視電子商務本身在調節產品質量、價格和銷售組合方面的靈活性。“電商營銷是代表海盜，銷售廣泛，盲目追求銷售”大數據分析可以幫助電商在平臺上搜索、收集、瀏覽、購買和售后的全過程中比較各類消費者行為信息的細節，使電商平臺能夠完成對平臺上巨大消費流的宏觀調查，最終確定待營銷商品的目標受眾形象。Sri Lanca 2.2促進服務的準確交付。在
·
的電子商務營銷活動中，最重要的是優化售后服務鏈。如何提高用戶對產品的滿意度，降低用戶對電子商務營銷的警惕性，有效降低用戶的產品退貨率，正是傳統電子商務營銷規劃師在電子商務結束時所堅持的，大數據分析從源頭上提供了另一種解決方案，即：，通過對消費者心理預設和消費習慣的分析，明確適合每個消費者的產品和服務類型，從而增加電商平臺上的產品和服務與消費者的對應，也就是減少消費者的“試錯”提高電子商務平臺服務質量所需的時間成本。
23。有利于產品效果的長期跟蹤。在
，長期以來，電子商務產品一度被公認為“效果夸大”的代表還有長期價值低。電子商務營銷也被認為只重視誘惑和招攬，而忽視了后期的產品質量跟蹤。大數據分析只是為電子商務平臺提供了一個跟蹤產品效果的工具。消費者完成購買行為后，通過各平臺消費者活動和行為的變化，分析消費者對產品效果的滿意度，并根據消費者滿意度的量化評價，完成產品效果的評審和下一步迭代計劃的制定，有利于電子商務經濟的長遠發展。
3.1關注消費者保留率的統計
在傳統的傳播和營銷策劃中，我們經常關注鏈接或廣告的點擊率和點擊轉化率的統計，相信電子商務經濟通過大規模流失互聯網用戶群體實現貿易優化。但是，隨著消費者網購體驗的深入，點擊一次與最終購買的直接聯系逐漸減弱，消費者越來越關注電商平臺上的商品質量，這也意味著大數據分析的方向需要挖掘消費者購買行為背后的新邏輯關系。消費者保留是指消費者點擊一次電子商務產品后，選擇點擊兩次進入商戶的店鋪或進入同一商戶的另一商品鏈接，最終完成關注或收集的過程。這一過程意味著消費者通過自己的體驗和判斷，已經認識到電子商務平臺的營銷，并完成了對相關商品的價值感知。在消費者保留率統計中，我們必須使用大數據統計來比較消費者在每個頁面上的評論偏好以及不同圖片和信息的瀏覽時間，從而判斷消費者是否成功理解和同意預設的電子商務營銷策略。在這一過程中，大數據分析不僅成為企業了解目標受眾特征的工具，而且成為電子商務的重要工具自我營銷策略是分析電子商務營銷策略優缺點的工具，有利于電子商務營銷策略的進一步調整。
3.2分析消費者偏好和挖掘潛在消費熱點
在電子商務平臺上的運營基本上可以及時切入和分析。例如，以自由魚APP的rudder UI設計為例，電商平臺已經完成了每個功能塊的內容劃分，消費者進出功能模塊的時間記錄可以作為消費者對該類產品偏好的有效參考。同時，結合搜索引擎在電子商務平臺數據庫中的應用，可以記錄消費者輸入的相應關鍵詞，使電子商務能夠進一步控制消費者在一定類型下的產品特性需求方向。例如，一個25歲的白領可以輸入保暖、隔音辦公等關鍵詞，電商平臺可以得到“白領-隔音辦公、保溫操作、高性價比-隔音蓋耳式耳機”的營銷理念。通過對同類型消費群體的行為比較，可以推斷出該消費群體未來消費需求的發展方向，為電子商務營銷策略和產品迭代開發提供可靠的依據。
3.3闡明了消費者個人需求的重要性。
-
-大數據分析絕不是一刀切的“數據網絡－整體考量地區”。其實質在于對無限個個體數據進行有效疊加分析，然后通過各種數據之間的比較完成宏觀分析。這也決定了大數據分析應用于電子商務營銷后，企業必須關注消費者的個性化需求，避免因牟利心理造成的盲目調整行為。例如，當數據分析顯示有大量消費者也購買衣服時衣架在購買熱水杯時，不能將其捆綁促銷，以吸引新的消費熱點。消費者的購買行為是復雜的。企業越是使用大數據分析統計消費者行為，就越需要客觀看待消費者在消費過程中的各種特征，在分析相似消費群體共性的同時，分析消費者的個性化需求，避免對群體消費需求的誤判，導致錯誤營銷策略的出現，使大數據分析指導下的電子商務營銷始終處于靈活、靈活的營銷狀態。
。大數據分析為其提供了從數量到質量改進的可能性。企業必須對目標受眾的消費行為、消費習慣和消費心理進行有針對性的分析，調整營銷策略，實現營銷目標，同時提高電商品牌的美譽度，實現企業與消費者的雙贏。
引用
[1]徐麗的新著作。CRM分析與大數據背景下的電子商務前景[J]。現代營銷（下一期十天版），2017（06）。
[2]王振江。大數據環境下電子商務精準營銷策略分析[J]。經濟特區，2018（06）。
[3]張龍輝。大數據背景下電子商務企業個性化精準營銷策略研究[J]。遼寧科技學院雜志，2019（03）。
業務方向：主要面向大企業等市場
2011年5月，IBM正式推出InfoSphere大數據分析平臺。InfoSphere大數據分析平臺包括BigInsights和Streams，二者互補，Biglnsights基于Hadoop，對大規模的靜態數據進行分析，它提供多節點的分布式計算，可以隨時增加節點，提升數據處理能力。Streams采用內存計算方式分析實時數據。InfoSphere大數據分析平臺還集成了數據倉庫、數據庫、數據集成、業務流程管理等組件。
企業名稱：甲骨文
業務方向：主要面向大企業等市場
在2011年10月初召開的Oracle OpenWorld 2011大會上甲骨文正式推出了Oracle大數據機。對于那些正在尋求以更高效的方法來采集、組織和分析海量非結構化數據的企業而言，該產品具有很大的吸引力。
企業名稱：谷歌
業務方向：面向各類企業市場
BigQuery是Google推出的一項Web服務，用來在云端處理大數據。該服務讓開發者可以使用Google的架構來運行SQL語句對超級大的數據庫進行操作。BigQuery允許用戶上傳他們的超大量數據并通過其直接進行交互式分析，從而不必投資建立自己的數據中心。
企業名稱：微軟
幾乎是所有的企業在生產經營過程中，均會形成各式各樣的數據、資料，通過對這些大量的數據、資料展開深入的研究所獲得的數據分析報告，在企業經營管理中可發揮十分重要的意義與作用。數據分析指的是通過科學的統計方法就收集的詳細的數據、資料展開研究分析，以對數據、資料相關功能進行盡可能的挖掘開發，發揮數據的顯著作用，即數據分析是一個為了獲取可利用信息和產生結論而就數據、資料展開研究、分析的過程。數據分析的目的是挖掘提煉出眾多看似錯綜復雜的數據資料潛在的有利信息，以歸納出分析事情的客觀規律。由此可見，做好數據分析工作，對于促進企業的發展、提升企業經營管理能力，有著十分重要的現實意義與實質作用。
1.數據分析在企業經營管理中的意義
1.1支持營銷運營管理
基于數據分析、數據挖掘方法的支持，在過去傳統數據社會，一部分較為先進的企業便已經能夠一定程度地達到洞察力促進科學規范營銷運營管理的目的。在現如今大數據時代，企業用戶的數據變得進一步多元、豐富，在對用戶需求洞察滿足方面企業變得愈加充分、精確，值得注意的是，在當前數據分析水平不斷提升的情況下，企業作用于用戶的洞察、滿足能力基于數據、資料存儲以及數據、資料研究分析方面將變得更為高效，鑒于此，支持企業營銷運營管理全面步驟決策的數據、資料流能夠同步于企業營銷運營管理工作流，企業可通過統計歸納用戶的以往消費行為數據以及用戶實時的消費行為數據，第一時間針對相對應的用戶制定出具備顯著個性的營銷手段，從而有效識別把握轉瞬即逝的營銷機會，積極促進企業營銷命中概率的提升，最大程度地提升企業營銷運營管理效率[1]。
1.2推動智能管道運營
就企業經營管理而言，企業智能管道的核心能力為，結合用戶的活動行為，動態為用戶提供推薦并配備互聯網設備資源。在過去傳統數據社會中，受技術條件有限難以滿足及相關問題與用戶體驗動態測量相同等影響，企業通常無法有效的就智能管道運營需求予以滿足；在現如今大數據時代，在數據分析水平不斷提升的情況下，作用于半結構化設備數據動態收集、分析以及處理等相關技術的日趨成熟，將很大程度上推動企業智能管道運營管理運行的計劃。企業智能管道運營管理達到機理與用戶體驗管理存在極大的相似之處，最主要的區別僅僅是，企業職能管道作用于用戶產品消費行為活動測算的數據、資料相對應于提供推薦并配備互聯網設備資源，于確保用戶體驗滿足標準的情況下，全面配備、劃分及歸總企業互聯網設備資源，經資源利用最大程度地實現，積極促進資源的盡可能優化[2]。
2.數據分析在企業經營管理中的作用
2.1完整客觀的反映企業情況
企業常規的數據報表、調查資料，通常僅能夠顯現企業某一方面或者某一部分的情況，就算是獲取的企業數據報表、調查資料十分全面，如果這些企業數據報表、調查資料未能夠得到相應的研究、分析，也往往很難了解從中了解到企業的真實情況。為了完整客觀的反映企業情況，務必要遵循“實事求是”原則，在收集企業全面數據報表、調查資料的同時，還應當開展嚴格加工制作及研究分析工作，以提供給企業管理者科學規范的數據分析報告，為其在就企業發展做決策時提供有利依據。經嚴格加工制作及研究分析所得到的數據分析報告，相較于常規的數據報表，能夠更加全面、系統及集中地反映企業客觀實際。
2.2實行監督管理工作
監督屬于數據分析在企業經營管理中的一項十分重要的作用。數據分析部門在對企業數據、資料進行收集過程中，能夠相對較為全面、如實地知曉行業經濟動態及本企業運行發展狀況，了解相關數據、資料的來龍去脈及口徑范圍，因此數據分析部門可有效的擔負起對企業的多方面監督管理工作，包括企業運營發展部門相關政策方針有效落實與否、企業發展生產經營規劃有效完成與否以及企業一系列經濟指標有效實行與否等。在數據分析的作用下，可促進企業有效實行監督管理工作，以客觀、完整地向企業管理者、相關部門做決策及制定企業發展計劃時提供有利參考依據。
2.3參與科學化決策
對于任何一項經濟行為發展，想要獲取其客觀規律性的見解并未易事，通常是要通過不斷的分析、探索及實踐，方可一步步構成認識。在現如今市場經濟大環境下，還存在著諸多的市場經濟比例進程、實現企業經濟效益利潤最大化以及實現集群產業結構優化等客觀規律，均有待我們去逐步挖掘。鑒于此，就市場經濟背景下客觀經濟規律展開研究分析，屬于一項有著廣闊發展前景的領域。數據分析部門可充分發揮詳細數據、資料持有優勢，進行針對的研究、分析，對數據、資料表層顯現內容展開更深層次的剖析，挖掘出數據、資料中的潛在實質涵義，由理性認識代替感性發展認識，實現客觀經濟規律認識質的升華，達到顯現企業發展現狀以及企業內部關聯和發展的目的，一方面促使企業管理者及相關部門能夠更為完整客觀地了解企業經濟行為里程、企業發展現狀以及企業發展方向，提升企業管理水平，一方面促使企業管理者及相關部門能夠更有針對性地進行企業決策、計劃制定，從而全面起到數據分析在企業經營管理中的參與科學化決策作用。
2.4有利于數據深度利用
數據分析部門為了獲取全面詳細的數據、資料，需要對定期統計報表制度進行全面貫徹落實，或者需要采取一系列包括調查、普查以及抽查等各式各樣形式的統計調查工作，這必然是一項十分復雜的系統工作，倘若僅僅將這些詳細的數據、資料簡單地匯總上報給國家和相關部門，以完成國家和相關部門制定的數據、資料收集任務，低下的數據、資料利用率，顯然有愧于需要消耗長復雜的系統數據、資料收集工作[3]。由此可見，唯有早收集詳細數據報表、調查資料的同時，還應當開展嚴格加工制作及研究分析工作，展開各個層次、各個方面的綜合深度利用，以使這些數據、資料轉變為內容更加豐富化、形式更加多樣化的重要深度信息。
2.5有助于提升員工素質
在數據、資料收集的基礎上展開數據分析，采用一系列分析方法，根據數據、資料實情展開針對的研究分析，經數據分析工作的開展，不僅要找出數據、資料中潛在的問題，發覺數據、資料中的不和諧之處，還要分析問題出現的緣由，并制定出問題的解決對策。為了完成這一系列的高要求、復雜艱巨的工作，要求數據分析部門員工一方面需要具備完善的數據分析基礎常規知識，具備相應的政策分析能力、經濟理論知識，一方面需要掌握數據分析的開展方法，明確數據分析的前后關鍵步驟，此外還應當熟悉相應的經濟技術要點，具備相應的數據、資料歸納分析水平，具備相應的寫作技巧水平等。由此可見，數據分析部門在進行數據分析工作期間，勢必會激發數據分析部門員工學習主觀能動性，有效提升員工各方面綜合素質，并逐步成為不僅能夠進行數據分析編寫分析報告還能夠自經濟層面進行數據編織統計的社會發展需求的綜合型人才[4]。如此一來，不但可以更充分的發揮數據分析在企業經營管理中的作用，還能夠提升數據分析工作的重要性地位，促進數據分析工作條件的有機改善。
3.完善企業數據分析工作的策略
3.1統一認識，加強領導
基于對數據分析在企業經營管理中意義與作用重要性統一的認識，企業相關數據分析部門應當嚴格對待數據分析工作，不僅要做好數據、資料調差收集工作，還要做好數據統計報表、做好數據分析工作，以為企業、企業管理人員提供科學有效的決策管理服務[5]。同時，企業管理人員同樣要提升對數據分析工作的重視程度，面對企業數據分析既應當要求數據分析部門提供統計報表，嚴格要求數據分析工作環節、質量，有利領導數據分析工作的有序開展。
3.2實現計算機網絡數據支撐
伴隨著現如今市場經濟體制改革的不斷深入發展，企業管理人員一方面要明確認識到企業發展的實際處境，一方面要為企業日后發展制定“未雨綢繆”的策略。這就一定程度上要求了企業數據分析部門，應當采取一系列不同的數據分析方法，包括數據結構分析法、數據對比分析法、數據實時分析法以及數據預測分析法等方法，就企業數據、專利展開有效的研究分析，形成科學結論，提供給企業管理人員具備實質意義的意見建議。在企業數據分析方法的實踐運用方面，既要結合分析內容需求及分析方法自身特點，采取以往有成功經驗的方法手段，自各個角度就客觀市場經濟法律展開研究分析，同時基于對先進分析方法的運用，實現計算機網絡數據支撐，促進數據分析預見性、研究分析深度升級，積極促進企業數據分析工作的有序開展[6]。
3.3提升數據分析人員素質
企業數據分析工作水平高低，受企業數據分析團隊素質優劣重要影響。由此可見，企業數據分析人員應當結合企業、自身實際情況，對各方面數據分析相關基礎知識、專業知識展開積極主動的學習，包括對市場營銷知識、企業管理知識和經理理論知識的學習，對信息技術知識、財務會計知識的學習，對經濟行為活動方針政策的學習等等，盡可能地提升自身業務知識水平，提升自身全面綜合素質[7]。同時，企業數據分析人員還應當遵循“實踐第一”原則，結合數據分析工作實踐以一步步提升自身數據分析能力。經企業數據分析人員自身逐步的學習、實踐，不斷構建起一直不僅具備數據分析業務知識水平，又具備數據分析實踐工作經驗的，擁有綜合素質的數據分析團隊，積極促進企業數據分析工作的有序開展。