时间:2023-11-02 10:21:04
引言:易发表网凭借丰富的文秘实践,为您精心挑选了九篇大数据经济分析范例。如需获取更多原创内容,可随时联系我们的客服老师。
关键词:大数据时代;宏观经济;机遇;挑战;对策
一、前言
基于互联网经济时代背景下,计算机技术的广泛运用促使数据信息能够得到有效的收集与处理,但随着计算机网络体系的逐步完善,面对海量信息数据,如何实现对数据的高效快捷处理,以实现对信息资源的充分利用,成为各行业领域所面临的一大挑战。在此背景下,大数据技术的应运而生,为实现对这一问题的有效解决提供了出路,对于宏观经济分析而言,同样离不开大数据的支撑,因此,这就需要针对宏观经济分析之需,实现对大数据的完善运用。
二、在宏观经济分析中大数据所呈现出的价值
主要表现在如下两方面:第一,提供更加全面的数据信息。对于宏观经济分析而言,因所分析的内容多且广,加上会受到诸多因素的影响,进而使得在实际开展这一工作的过程中,因数据信息的不全面、获取信息的时效性低等,使得宏观经济分析的结果缺乏科学性。而将大数据进行运用,则能够借助计算机网络技术的支撑,实现对数据实时动态获取,并以丰富数据的获取来支撑该项分析工作得以实现高质高效落实。第二,丰富了分析方法。在传统宏观经济分析中,主要财通的方法为统计分析模型,借助抽样分析法来获得样本数据,并以此来作为整体,进而使分析结果难以与事实相符;而借助大数据技术的运用,则能够借助海量数据信息的获取,以计算机为支撑来实现对数据信息的自动分析,进而以总体分析法来提升分析结果的可靠性。第三,分析技术水平得以提高。在实施大数据分析的过程中,离不开计算机技术的支撑,借助结算及技术的运用则能够以多种分析模型的搭建与多种识别技术的融入,来取代大部分人工分析工作,以技术的全面支撑来提高分析的准确性与效率性。
三、基于大数据时代下宏观经济分析所迎来的机遇与面临的挑战
1.机遇
在大数据时代下,大数据技术的融入使得该项分析工作的开展能够获得丰富数据支撑,并以相应分析方法与分析技术的创新,为提升宏观经济分析的效率与质量奠定了基础。从所迎来的机遇角度看,对于宏观经济分析而言,借助大数据的融入,能够实现对海量信息的实施动态化获取,进而提升了信息获取能力,同时,借助智能化获取与分析的实现,能够为实现准确的预测分析奠定基础,同时,也在降低分析人员工作压力与难度的基础上,提升了分析的效率,为充分实现宏观经济分析的作用与价值提供了保障。
2.所面临的挑战
机遇与挑战并存,对于宏观经济分析工作的实际开展而言,同样面临着巨大的挑战,具体而言:第一,在互联网时代下,信息的传播打破了时间与空间的束缚,面对海量信息数据,对于该项分析工作的实际开展而言,要想能够从中选取中有价值的信息,且能够充分服务于该项工作的实际开展之需,难度极大;第二,在运用计算机网络技术的过程中,需要确保数据信息的安全,但是,从数据安全保障工作开展的实际状况看,相应能力还有待进一步提升;第三,在运用大数据来开展宏观经济分析工作,需要确保具备完善的专业人才队伍,进而才能够为充分发挥出大数据的作用与价值提供保障,但目前现有行业专业人才匮乏,难以满足该项工作的实际开展之需,进而使得大数据的价值与作用无法得到充分实现。
四、充分发挥大数据在宏观经济分析中价值与作用的对策
大数据技术为当前宏观经济分析工作得以实现顺利且高效开展提供了技术支撑,但是,从目前运用大数据的实际状况看,一系列挑战的存在,使得大数据难以实现作用的充分发挥,因此,这就需要结合实际所存在的问题,落实针对性的解决措施:
1.营造良好的发展环境
要想促使大数据能够在该项工作中得到充分且完善运用,首先就需要从大数据运用的宏观环境着手,因此,这就需要充分发挥出政府的作用。在实际践行的过程中,政府要充分发挥出自身的主导作用,以大数据收集体系的完善打造为基础,并针对经济发展的重点领域,实现相应数据收集工作的有计划落实,进而才能够为宏观经济分析工作实现顺利开展提供基础性前提。具体而言:一方面,政府相关部门要进一步提升对大数据的重视程度,针对大数据给该项工作的开展所带来的优势作用进行全面分析,在此基础上,从政策、资金等多方面加大对实施大数据的支撑力度,进而为实现大数据网络环境的打造奠定基础。另一方面,要加大对相关科研领域的重视程度,加大投入力度,确保相应研究机构能够为实现大数据的进一步发展提供支撑。此外,对于政府而言,为了能够促使大数据在宏观经济分析领域中实现充分运用,可鼓励企业积极践行信息化该该,进而以企业全面信息化管理的实现,为大数据的应用与发展创造良好发展空间与环境。
2.加大对数据采集与管理的力度
对于宏观经济分析工作的实际开展而言,需要以大数据的完善采集为支撑,并加强对数据信息的管理力度,进而才能够为实现大数据价值的充分发挥奠定基础,因此,在实际践行的过程中,需要以完大数据采集与管理体系的搭建为支撑。从实际该项工作工作开展的现状看,由于人员能力素质不足、技术水平偏低以及管理漏洞的存在等,使得难以充分发挥出大数据的优势作用,而要想实现对这些问题的解决,则就需要针对大数据采集流程,以完善采集体系的制定为支撑,促使在开展宏观经济分析工作的过程中,能够具备全面数据信息;同时,要加大对相应企业与个人,加大管理力度,制定完善的监管体系,针对不配合行为加大惩处力度,进而为实现数据信息采集工作的顺利开展奠定基础,此外,加大对相关人员的培训力度,促使其能够具备与之相适应的技能水平,以实现对大数据技术的规范且合理运用。
3.加大专业人才的培养力度
在借助大数据来开展宏观经济分析工作的过程中,由于行业专业人才匮乏,进而给该项工作的开展带来了极大的阻力,因此,这就需要加大对行业人才的培养力度。在实际践行的过程中,对于政府相关部门而言,需要以专项人才培养政策的制定与实施为基础,促使全社会能够提高对该领域人才培养工作的重视程度。同时,高校作为培养专业人才的主要阵地,应结合当前该行业领域对人才所提出的实际要求与需求,以相关专业的开设为基础,实现专业课程体系的完善打造,进而来满足社会对人才的实际需求。此外,对于企业而言,要针对大数据管理人员,加大培训教育力度,以提升其专业能力与信息化技能素养,为该项工作得以顺利开展提供有效支撑。
五、总结
综上,基于大数据时代背景下,对于宏观经济分析工作的实际开展而言,需要在明确大数据在该项工作中所呈现出的价值与作用的基础上,明确大数据所带来的优势,并针对在运用大数据于该项工作中所存在的问题,实现有针对性解决对策的落实。具体而言,要针对大数据的运用营造良好的环境,并在加大对大数据采集与管理力度的基础上,加强对专业人才的培养力度,进而为充分实现大数据运用于宏观经济分析中的价值并提升该项工作的效率与质量提供保障。
参考文献:
[1]徐寅.论大数据时代背景下宏观调控决策的法治化[J].学术探索,2014,11:51-55.
[2]申红艳,吴晨生,铁梅,滕飞.大数据时代宏观经济分析面临的机遇与挑战[J].经济研究参考,2014,63:19-25.
[3]刘涛雄,徐晓飞.大数据与宏观经济分析研究综述[J].国外理论动态,2015,01:57-64.
文章编号:1004-4194(2015)07-122-02
大数据是以云计算为基础,通过信息存储、分享和挖掘,将大量、高速、多变的终端数据存储下来并分析计算,寻求解决问题的有效方法。随着军队信息化建设的不断推进,未来军事经济活动都将以数据信息流的形式展现和保存,产生的数据量增长迅速,数据种类和格式日渐丰富。面对一个个数量庞大、种类繁杂的数据信息源,审计机关不仅要具备对海量数据的采集和存储的能力,更重要的是能够迅速分析和挖掘数据,从中找出审计线索、发现问题、寻求对策。
一、大数据的定义与特征
根据维基百科的定义,大数据是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。对于大数据,美国著名的顾能公司给出了这样的定义:是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。随着大数据研究的深入,大数据概念的内涵和外延不断地产生变化,业界对其定义尚未完全统一。目前主流的定义基本是从大数据的特征出发,试图通过阐述和归纳这些特征来给出大数据的定义,其中比较有代表性的是4V。大数据的4个“V”有四个层面:一是数据体量巨大。从TB级别,跃升到PB级别。二是数据类型繁多。包括网络日志、视频、图片、地理位置等信息。三是处理速度快。1秒定律,可从各种类型的数据中快速获得高价值的信息,这一点也是和传统的数据挖掘技术有着本质的不同。四是只要合理利用数据并对其进行正确、准确的分析,将会带来很高的价值回报。业界将其归纳为4个“V”――Volume(数据体量大)、Variety(数据类型繁多)、Velocity(处理速度快)、Value(价值密度低)。大数据分析相比于传统的数据仓库应用,具有数据量大、查询分析复杂等特点,强调将数据结合到业务流程和决策过程中,部分类型的数据必须实时分析才能对业务产生价值。
二、大数据背景给军队审计数据分析带来的机遇和挑战
(一)大数据背景给军队审计数据分析带来的机遇
1.军队审计数据分析的认同感大为增强。军队审计部门作为综合性的经济监督部门,一直秉承数据说话的传统。审计报告中无论是综合评价,还是揭示问题,无一不是以数据为支撑的。在大数据背景下,海量数据离散地存储于不同信息系统中。可充分利用数据仓库、联机分析、数据挖掘和数据可视化等技术,对这些数据进行关联并深度挖掘分析,科学评估经费的使用情况和法规的实施效果,从而得出客观的审计结论。所有这一切都将得到各级党委和被审计单位的高度认同,从而进一步提升军队审计自身的地位。
2.军队审计数据分析所需的基础数据的获取将变得更为便利。在破除了军队内部协同思想理念上的障碍后,随着大数据技术发展,跨越系统、跨越平台、跨越数据流结构的技术将使军队内部纵向、横向部门得以流畅协同。军队审计部门不再需要“点对点”地与被审计单位进行联网,在内部局域网设定的许可权限内,可以直接查询和利用相关数据信息,极大地节约了审计成本;同时由于利用大数据技术,数据处理及分析响应时间将大幅减少,审计工作的效率将明显提高,可以同时对多个类别、多种领域的数据进行分析、处理。
3.军队审计数据分析将有助于提高党委决策的科学性和准确性,推动预测预警和应急响应机制建设,更加有效地规范军事经济活动。审计人员可以通过对历年海量数据的统计分析,挖掘出军事经济活动的特点规律,对各类违规违纪行为进行总结归纳,为党委建章立制提供参考依据;同时还能科学地评估管理规章的执行效果,从而帮助各级党委不断发现问题、整改落实。随着审计分析的进一步深化,审计分析将超越传统的数据分析方法,不但是对纯数据可以进行分析挖掘,对财务账表、报告等都可以进行深度挖掘、人工智能。
(二)大数据背景给军队审计数据分析带来的挑战
大数据在给军队审计信息化带来机遇的同时,也带来前所未有的挑战:一是实现资源统一规划和使用,必须以数据编码和信息标准统一、相互之间兼容互联为前提。由于目前缺乏制度依据,部门间横向协同难,原有的“信息孤岛”将给审计机关获取审计数据以及进行持续化审计造成困难。二是面对数量庞大、种类繁杂的数据信息源,审计机关不仅要具备对海量数据的采集和存储的能力,更重要的是能够迅速分析和挖掘数据,从传统的“经验依赖”转化为“数据依赖”,审计人员的数据驾驭能力将受到考验。三是审计业务流程大多以数据信息形式展现,资金流向更多体现为数据信息流的交换,使得违规违纪行为更加隐蔽和多样,微小的数据变动就可能造成经济损失。以往仅限于重点人员和财务的审计已经不能满足需要,抽样分析以及单一的财务账目分析也难以发现微小数据异常,这就要求审计机关对审计对象进行全面覆盖。四是审计机关作为军事经济运行安全的免疫系统,不仅要对已存在的问题进行查处和修补,还要对潜在的风险进行及时的揭示和抵御,更要通过大数据这个金矿,从更高层面、更全范围、更广视角为上级党委提供系统性、综合性、前瞻性的审计建议。
三、大数据背景下军队审计数据分析的策略
(一)明确工作目标导向,实施数据基础式审计
传统的以审计组划分的分散式审计模式已不能适应大数据背景下审计数据分析工作要求。首先,当前军队审计工作要建立健全制度、整合审计资源,结合审计人员的专业理论素养、实践工作经验、数据处理能力等因素,着手组建数据集中分析模式团队。其次,明确审计工作目标导向,按照“总体全面分析、重点业务分析、重点事项分析”逐层递进的思路,以系统全面的数据信息源为基础,坚持“面向业务需求、指导审计实践、推动数据分析”的原则开展审计数据分析工作。最后,要理清军队审计数据分析的工作思路,运用信息系统实施数据基础式审计方法,全面分析被审计单位在经济活动中存在的问题与不足,为军队审计工作的顺利开展提供数据支撑和技术保证。
(二)研判后台数据结构,掌握重点数据资源
在大数据时代,军事经济数据将呈现指数增长,挖掘重点及敏感数据审计的难度日益加大。做好审计数据的掘取、存储、处理与应用,对提高审计效率、实现分析结果的精准化具有重要作用。通过检查被审计单位内部控制制度,审查单位内部对不同业务数据的使用管理是否到位,数据库管理和安全操作制度是否完善,重点领域数据库常态监管措施是否严格,移动设备安全使用规程是否执行;依据数据库设计文档和数据注释等媒介,研究论证后台数据结构,确定重点、敏感信息数据库范围;采取穿行测试法、重新执行法、代码审查法、文档审查法等技术手段深入挖掘,切实掌握重点事项、信息、账表和报告间的勾稽关系。
(三)运用挖掘型分析技术,开展数据深度分析
目前军队审计中应用较多的是查询型分析和验证型分析,无法满足深刻揭示军事经济活动内在规律的现实需要,必须要引入挖掘型分析技术。挖掘型分析是利用数据仓库和数据挖掘工具进行的审计分析,主要有分类、回归分析、聚类、关联规则等方法。运用挖掘型数据分析技术,首先要做好审计数据的分类、存储、快速调用等工作,整合分析数据资源,搭建云数据存储平台,完善数据整理和研判机制,实现重点数据库间的兼容互联,共享审计云平台服务器运算能力资源。其次,要研发数据审计方法和分析工具,运用移动办公、云计算等技术对海量数据进行远程分析,深度分析审计疑点及问题线索,进而实现数据分析结果的精确化。
【关键词】 大数据 云计算 技术应用 分析
因为互联网进程的推进,让信息时代中,数据成为了主流探讨的问题。由于数据的处理与分析,能够得到相应的操作数据。因此,在互联网时代中,如何更好的进行数据处理以及资源整合,是目前数据时代的主要处理方式与手段。而大数据时代,则对于数据的处理和整合配置要求更高,对于处理的效率也有一定的要求。因此,随着大数据时代的到来,对于传统的数据处理方式以及处理效率,已经无法满足现代人们对于数据处理的要求。因此,为了能够在大数据时代以及环境下,能够更好的实现对于数据的处理效率。那么,采用云计算技术是必然的选择。云计算机技术可以实现高效的应答处理,基于互联网进行数据的访问,并且能够进行合理的资源配置,从而实现高效率的大数据环境下的数据处理。
一、大数据环境与互联网数据分析
随着信息时代的进程逐步加快,人们的生活与工作,更多的以数据形式来体现,从而实现了数据的时代。在网络数据不断的递增,并且出现了数据庞大的现象的时候。谷歌最早通过大数据的概念,来形容目前的大数据时代。因此,大数据时代的到来,与互联网数据的呈现息息相关,并且起到了非常重要的作用。那么,对于大数据而言,其存在哪些问题和与人们生活与工作相关的内容呢?互联网数据与大数据而言,两者又有着怎样的必然关联呢?
1.1 大数据时代以及大数据环境分析
大数据实际上在一些科研领域中一直有这样的概念,但是由于科研原因,其被人熟知的范围相对较小,属于专业性领域的名词。但是,随着互联网时代的到来,人们对于互联网的熟悉,造成了人们对于数据的概念更加深刻。而互联网环境下,数据是最为主要的资源和呈现方式,这也在一定程度上实现了人们对于互联网数据的认识。因此,由于互联网的推动作用,造成了人们现代所熟悉的大数据时代。那么,大数据时代的代表和标准是什么?
首先,大数据是一种数据的表现形式;人们在互联网时代中,越来越重视数据的作用,由于信息的交互以及远程的沟通,实际上都是网络数据在进行交互,从而形成现在网络化的大数据时代。那么,大数据必然是数据的一种集中表现形式,一种宏观的概念。大数据的目的是通过对互联网数据资源的整合,实现最佳的数据环境,从而进行相应的数据处理。
其次,大数据时代的标准就是数据整合与资源合理分配;大数据时代,数据的整合非常重要。由于数据的交互一般是以零散的方式进行,非常难以得到更好的应用。因此,采用资源合理分配以及数据整合,是非常有必要的。
最后,大数据的代表既是互联网数据;大数据原本就是专业学术领域的名词,而由于互联网的发展,带动了大数据的概念开始转移到互联网世界中,从而被人们所熟悉,并熟知。
1.2 大数据环境与互联网数据分析
互联网是基于数据而建立起来的,不管是互联网的资源还是互联网的协议,实际上都可以采用数据的形式进行呈现,从而凸显数据的重要性。因此,对于互联网数据而言,是形成大数据环境的基础。实际上,在大数据没有从科研领域进入互联网领域的时候,就已经开始了意识到了数据的庞大性。互联网产生的数据是非常庞大的,那么在信息时代的发展进程中,如何合理的应用这些数据,以及如何更加有效的利用这些数据,成为了目前互联网时代的一种管理模式。当大数据环境已经形成并得以蓬勃发展的时候,相关人员开始注意到了大数据的重要性,并且明确了大数据环境下,互联网数据的可行性以及价值。因此,对于大数据环境下的互联网数据而言,可以从以下几个方面进行分析:
第一,大数据环境下,互联网数据的价值得以体现;互联网的数据一般情况下,是为了能够体现网络资源以及资源之间的交互,尤其是在信息交流的过程中,数据的价值体现非常重要。但是,由于互联网的交易价值开始不断被重视,从而在一定程度上影响了对于数据的价值参考。也就是说,实际上大数据环境下,互联网的数据的价值得到了显著的提升。基于大数据的检索技术得以开发和应用,就是为了能够更好的方便对于数据的检索和参考,从而有效的提高其应用价值。
第二,大数据环境下,基于大数据的互联网数据分析更具实际意义;大数据环境下,实际上更加注重对于互联网数据的应用。一些交易网站的建设,一般也都是基于大数据而进行设计与开发的。目前,随着计算机互联网技术的不断深入,让更多的互联网使用用户开始注意到了大数据的重要性。通过大数据的检索可以获取非常庞大的数据信息,根据这些数据信息就可以进行相应的数据处理,从而保证网站的浏览量以及网站的价值。
总之,大数据环境下的互联网数据是非常重要的,并且在一定程度上取代了传统的互联网数据理念。
二、大数据环境下的云计算技术应用
基于以上分析,对于大数据时代以及大数据的环境,都有了非常细致的了解。那么,对于大数据的环境下,如何应用云计算技术呢?采用云计算技术,有着怎样的优势呢?
首先,对于云计算技术的应用,主要是为了能够提高大数据环境的处理效率。云计算是一种广义性的概念,云实际上就是网络的代名词。采用云计算的方式,实际上就是严格遵守网络的计算方式,对数据进行相应的计算,从而保证对于大数据的网络化价值体现。
其次,大数据环境下,采用云计算技术,更重要的是为了保证数据的安全防护。由于大数据环境的出现,让网络数据开始变得更加复杂,从而出现了诸多的网络数据安全问题。尤其是基于大数据的一种检索方式,会让互联网的使用者的安全信息受到侵犯,从而影响了数据的使用安全。而采用云计算的方式,则可以在严格遵守互联网的模式环境下,针对性的进行数据检索,而不会将用户的信息随意的进行呈现,从而降低了互联网用户的安全系数,给大数据环境的发展,带来了一定的影响。
最后,大数据时代是网络信息发展的结果,因为互联网的广阔的应用范围,从而造成了在大数据环境下,可以最大限度的获取最多的信息。但是,正式由于数据的处理过于庞大,从而需要一定的计算方式,来提高数据的处理效率。此外,对于大数据而言,已经不仅仅是数据的庞大的单一表达。实际上,为了大数据也已经融合进入了处理效率的因素,也就是单位时间内处理信息的数量。因此,基于以上的需求,采用云计算的方式,是非常必要的。
三、结语
本文分析了大数据的基本概念以及在互联网环境下,大数据时代的到来以及大数据环境的一些特点,从而解析了为什们需要使用云计算技术的原因。在大数据环境下,互联网数据的价值得以体现,并且成为了最具参考价值的实用性数据。基于大数据的相关技术开发,非常普遍,并且得到了广泛的应用。例如,在搜索引擎中,就出现了基于大数据的搜索机制,从而让数据信息更方便被检索,从而实现了数据的价值体现。当然,设计云计算的原因不仅仅是为了能够让大数据环境下对于数据的处理更加高效与便捷。实际上,也是为了能够更好的进行数据的安全防护。由于大数据的相关处理方式,让用户的网络信息开始出现了一定的危机。那么,云计算的处理方式,是会严格按照互联网的访问机制进行,从而降低了用户的信息风险,提高了大数据的应用范围和应用价值。
参 考 文 献
[1]王佳隽,吕智慧,吴杰,钟亦平.云计算技术发展分析及其应用探讨[J],计算机工程与设计,2010(20):4404-4409
关键词:大数据统计分析;经济管理领域;运用
统计应用作为数学的重要领域,在大多数情况下,数据被收集并且通过一定方法在系统中存储,重要策略被记录,并应用于其他领域。随着数据恢复方法和统计分析方法的逐步集成,大数据的统计数据分析方法在财务管理中变得越来越重要。面对当今全球化的压力和经济市场的激烈竞争,使用财务管理的统计整合是提高有效管理效率,优化资源分配和科学行为的有效步骤。通过市场经济的发展和经济水平的不断提高,数据集成和财务管理水平运用了大数据的统计分析。在建立大规模数据的经济增长政策时,技术在宏观经济研究中起着重要作用。大数据统计分析的作用正在增加,其在管理中的用途正在进一步扩大。显然,加强对经济发展大数据统计分析技术的使用对促进经济增长和提高管理效率非常重要。
一、大数据统计分析方法在经济管理领域运用的意义
为响应市场环境和公司治理内容的变化而促进使用公司治理统计数据的需求主要体现在两个方面:
(一)宏观经济方面发展有若干规律。为了寻找有关经济发展的规律,强大的数据分析技术在宏观经济学中的应用非常重要。一方面,大数据分析统计数据用于从宏观经济发展行业收集数据,对相关行业信息进行实证分析,并调查行业发展和行业问题。使用SPS,Stata和其他数据分析软件,中国拥有最重要的发展法;同时,发现工业发展规律,规范工业发展,开辟新的经济发展方式也很重要[1]。
(二)企业经营管理方面1.提升企业竞争力的必然要求当前,业务发展的竞争越来越激烈。竞争压力主要归因于国内市场经济带来的经济化以及国内市场竞争激烈加入的外国公司的影响。公司必须面对激烈的市场竞争。大众市场信息的统计分析将调整生产和管理策略,并为业务发展的战略调整作出有效的决策。2.提升企业管理水平的必然要求一方面,诸如运营管理、财务管理、风险管理和企业资源管理等相关任务变得越来越复杂。需要统计分析方法来对丰富的业务操作信息进行分类和汇总,为业务管理决策提供有效的信息。同时,企业需要不断满足产品和服务生产方向的政治要求。由于需要与相关部门合作,例如运营财务管理、规避财务风险,因此需要建立相关部门的统计数据,以提高决策效率[2]。
二、大数据统计分析方法在经济管理领域的运用
利用大数据的统计数据分析技术研究宏观经济发展政策,对促进行业发展至关重要。另一方面,如何获取有关复杂数据管理的重要信息,在业务流程和管理方面为公司制定有效的决策是重中之重。关键在于掌握财务管理的大数据分析方法,并使用大数据统计分析技术来分类和提供业务流程管理,隐藏的规则以及来自异常数据点的大量信息。为了应对突况,管理人员需要制订正确的决策计划。本文主要讨论宏观经济应用管理领域的统计数据分析方法,以及业务管理、财务管理、风险管理和管理的六个方面。如:
(一)宏观经济方面关于宏观经济产业的运作和发展有若干规律。为了找到宏观经济发展方法,统计分析技术对于稳定经济增长和调查潜在的经济危机很重要。当前,不仅学者,业务经理也开始了解计算机技术的使用,并开始通过统计分析来发现工业发展中的若干问题,学习工业发展的原理。为了找出答案,我们选择了相关的影响因素并采取了相应的行动,采取措施提高工业发展效率。
(二)企业运营管理方面通常,在日常工作程序和工作相关领域中存在某些特定的业务管理和操作规则。另一方面,通过将统计信息应用于业务的运营和管理,公司可以通过分析大数据的统计信息来获得规律。这将帮助公司节省一些资源,避免重复的任务并节省公司的业务资源。如果该政策是从科学的统计评估阶段得出的,则情况与正常情况不同的企业高管应仔细考虑潜在的风险。
(三)企业营销管理方面企业需要建立大型数据管理系统来收集有关企业提供的产品或服务的市场交易信息。因此,消费者的热点必须与受管理的信息系统对齐,以使其隐藏在协同交易信息中。确定消费者对需求的偏好并确定消费者需求。公司的主要产品和服务根据消费者的喜好运作,可以满足消费者的需求,替代市场上的非反应性产品和服务。同时,开发新产品和服务企业领导者可以提供有效的决策信息,并为消费者创建新的热点[3]。
(四)企业财务管理方面应用管理统计信息。它通过审查有关生产过程和运营的统计数据(尤其是财务数据),进行定性和定量分析,帮助评估相关活动,例如商业投资。财务管理是开展业务必不可少的部分,这对于减轻公司的财务风险和提高公司资源分配的效率至关重要。通过统计分析对商业经济数据进行分类和分析,可以为高管、投资者和其他相关利益相关者提供有效的决策信息。
(五)企业人力资源管理方面将统计应用于公司的人力资源管理,并使用统计分析技术结合公司业务管理部门的特征,选择适当的方法来提高效率。人力资源管理很重要,人才基本上是企业的无形资产,在部门保留相关的人力资源是业务发展的关键。回归站评估法用于预测企业发展的人力资源需求,动态分析法用于根据状态预测人力资源的变化。将这两个方面结合起来可以大大提高业务资源的效率。
(六)企业风险管理方面使用统计分析技术对业务流程中的大量业务信息进行分类和分析,发现隐藏的规则和数据差异。重要的是,业务主管需要进行预测,做出正确的决定,解决事件并发现潜在危险。意思是如果统计数据分析有些奇怪,则需要找出业务流程中具有的某些规则,因此业务主管需要寻找更多异常条件,尤其是财务管理,要注意关注状态的变化。另一方面,对公司财务信息进行统计分析是公司规避财务风险的有效手段之一。
三、完善大数据统计分析方法在经济
管理领域运用的措施在本文中,我们将了解如何从六个方面分析大数据的统计数据:宏观经济活动、业务管理、风险管理、财务管理、资源管理和财务管理人员。这被认为是财务管理数据大规模统计方法的一种改进。必须在三个方面进行现场应用:
(一)社会宏观经济层面尽管存在宏观经济法则,但根据过去的经验,由于缺乏安全可靠的数据和分析方法,宏观经济法则的分析则一直被认为是伪科学。大数据分析技术提供了探索宏观经济法则的机会,大数据技术使用数据创建系统,而使用许多信息技术的科学分析是宏观经济法研究中的重要一步。特别是,某些行业使用行业信息和对经济趋势预测的全面分析来帮助识别和克服复杂的工业发展挑战,可以提高宏观经济发展效率。
(二)企业经营管理层面在公司上载和数据受限的情况下,企业很难优化管理功能以提高性能[2]。由于业务经理的管理理念和管理水平受到限制,因此很难断定业务开发操作和管理流程是否存在问题。统计分析技术可用于计算和评估每个关键决策或业务战略适合性的有效性。如果由于大数据分析技术而导致预期的数据销量存在矛盾,该公司可以调整其总体战略并进行业务变更以优化管理理念。
(三)行业与行业之间存在着一定的鸿沟无论是快速消费品行业、食品行业还是大型公司,其经营理念和经济结构在公司治理方面都存在根本差异。统计数据分析技术使公司能够了解整个行业的消费者需求的性质,分析社会经济状况,能够了解共同的业务条件和业务发展情况,并优化或区分劣质产品。在某些情况下,此更改是提高产品价格的高级更改,如果消耗量和消耗品减少,则可以降低产品价格。产品必须能够升级以满足顾客需求。产品行业、食品行业或大型行业具有不同的经营理念和财务结构,还在进行公司管理。但是,各个行业的业务方向取决于消费者的需求。换句话说,公司开发了产品的功能并使产品的功能适应消费者的需求。对于公司而言,通过优化生产结构并提供更多定价和功能来说服更多消费者也很重要。
(四)企业财务管理层面财务管理贯穿公司治理的整个过程。公司财务管理非常有效,但是存在诸如财务管理的巨大风险之类的问题。对公司财务信息进行统计分析是防范财务风险的有效手段之一。公司需要管理其日常收入和支出,并进行大规模会计处理。企业可以使用大数据分析技术来监测财务管理功能并确保标准化业务的财务安全。利用统计分析技术和大数据,公司可以预测潜在的市场和行业风险,以提供最佳解决方案,还可以提供分析大数据的方法,可以跟踪异常并快速发现异常。
四、结语
本文首先从宏观经济方面、企业经营管理方面等两个方面对大数据统计分析方法在经济管理领域运用的意义进行了分析,然后从宏观经济方面、企业运营管理方面、企业营销管理方面、企业财务管理方面、企业人力资源管理方面以及企业风险管理方面等方面对大数据统计分析方法在经济管理领域的运用进行了分析,最后从社会宏观经济层面、企业经营管理层面、行业与行业之间存在着一定的鸿沟以及企业财务管理层面等方面提出了完善大数据统计分析方法在经济管理领域运用的措施。大数据分析技术被广泛用于宏观经济预测、业务管理和公司风险管理,它在优化公司治理和运营结构,有效改善公司治理以及提高公司统一性和核心竞争力等方面发挥着重要作用,可以使公司在激烈的市场竞争中有一席之地。
【参考文献】
[1]张琳.大数据统计分析方法在经济管理领域中的运用浅析[J].营销界,2019(38):291-292.
[2]杜珉.大数据统计分析方法在经济管理领域中的运用探析[J].山西农经,2019(12):27.
[3]陈雪琴.大数据统计分析方法在经济管理领域中的应用[J].山西农经,2019(5):37.
[4]陈文怡.大数据挖掘电力系统项目管理中理论的应用[C]//2018年6月建筑科技与管理学术交流会.
大数据是什么?
虽然大数据听着是一个很高科技的词儿,其实它早就渗透到你我的生活中,比如,你每天在网上看视频时,视频网站推荐给你的视频就是基于大数据。当你在淘宝购物时,网页边栏推荐给你的也是基于大数据。要说明白大数据,首先我们要从一个大家都熟悉的简单概念说起,那就是:数据分析。“数据分析”是一个现代词汇,但是利用数据分析的结果来指导行动,却是古往今来一直都有的一个理念。网上有一段子:
带兵打仗的时候,有个特别的习惯,那就是每次战斗结束后,都要用小本子记下所缴获的武器种类、数量等数据,乐此不疲。大家对此都不以为意。
有一天,在又一次遭遇战后,士兵在给他念缴获的武器数量时,他突然叫停,然后兴奋地指出,这次遭遇战很可能遇到的是敌人的指挥部队。原因是,这次缴获的小枪与大枪的比例高于普通的战斗,小车与大车的比例以及军官与士兵的比例也都高于平均,因此他得到了这个结论。
在这个数据的指导下,部队一鼓作气,追击逃脱的部队,成功的把敌人的指挥官抓获。
如果这个故事属实,那么这个可能是笔者知道的最早的基于严谨的数据分析来指导行为的例子。进入现代以后,人们对数据的分析应用就更加频繁。企业在做战略规划的时候要进行数据分析,公司在做营销推广方案时也要做数据分析。那么,“大数据”和前面说的“数据分析”之间有什么关系和区别呢?
从粗犷到细致
我们知道,数据分析需要有几个步骤:采集、统计、分析,而数据的总量直接和采集相关。在互联网兴起之前,人们采集数据的方式无外乎是人为观察和记录,当然,后期也有利用传感器来辅助记录。但是,互联网技术近几年的发展,却使得数据的采集水平记录达到一个史无前例的高度。在互联网时代之前,人们只能统计到一些基础的用户信息:年龄,住址,电话,婚姻状况等。到了互联网时代,我们可以收集到一个用户手机上装有什么应用,喜欢上什么网站,购物记录,在某个页面上停留了多久,鼠标在页面什么位置点击。而移动互联网时代的来临,使得更多动态数据可以被采集,比如用户的睡眠时间、运动量、位置、在商场内的移动路线、打车次数、心率等等信息。这些数据最终汇聚在一起,形成了一个非常庞大的数据库。
以带兵打仗为例,假设他的小本子有500页,每页上记满1000个字,正反两面都写,那么总的数据量也就约=2M。这个和互联网时代动辄上T上P的数据量比,基本上是小巫见大巫。(1P约=1000T,1T约=1000G,1G约=1000M,一个大型视频网站1秒钟就能产生几百M的用户数据)。这些数据海量数据的集中,就形成了“大数据”的最重要的一个特征:多维度的、细致的、海量的数据。
注:“海量”并不是大数据的必要条件,它更多是因为数据的维度多,粒度细,而导致的数据量的增大。
从统计到预测
得益于先进的机器学习算法,使得我们对大数据的使用,从统计一个数据结果,到利用结果和特性来推断一个人可能进行的行为。
《BigData》一书中提到一个很有意思的例子:一个父亲突然收到一个百货公司发给他的关于婴儿用品的传单,这个父亲非常愤怒,因为他的女儿才只有16岁?但是,过了几天后,他却上门道歉,因为,经过和他女儿细聊,发现他的女儿确实怀孕了。
那么,百货公司是如何预测一个人的行为呢?像上文所说,通过互联网,我们可以采集到大量用户的种种信息,包括固定的属性,和一些已有的行为;比如最近买了什么。经过对采集到的数据分析,发现购买婴儿用品的人有如下特征:年龄范围在14~40、买婴儿用品前几个月购买大量酸味食品,等等等等。那么,得到这个结论后,再来一个有类似特点的顾客,百货公司就可以猜测,她可能在未来一段时期内,对婴儿用品感兴趣。于是便向其发送对应的广告。
再比如,智能推荐广告:视频网站经过统计发现,点击了啤酒广告的人,有如下特点:看体育类战争类视频较多,看韩剧较少。那么很显然,下次再有啤酒广告时,把它们投给这样的用户就更有效一些。
注:上面举的这两个例子,只是为了形象的说明大数据预测是怎样运作的。在实际应用中,大数据分析引擎要分析的属性比这个细致的多,使用到的算法也比这个复杂的多,而且得到的很多结论,往往是没有直观的物理意义的一个组合概率模型。
从慢到快
上述两个特点基本上已经把大数据的形态给刻画了出来,但是,要到实际中应用,还需要再加一个特点:速度够快。
数据收集起来之后,要使用的话,就离不开计算。当数据的量级在几个M时,可能一个计算器就能满足统计需求。当数据量达到几个G时,就必须使用一台计算机来计算。而当有几个T几个P的数据摆在你面前时,一台计算机恐怕已经难以胜任,很幸运的是,我们有了云计算的概念。也就是说,将一个计算任务,分配给”云端“的好多台计算机同时进行处理,从而达到对处理时间的苛刻要求。
云计算技术的发展,使得在大尺度上计算海量数据成为可能。如果没有足够快的处理速度,我们收集起来的用户消费数据,算了半年才出一个结果,那估计用户的消费习惯、社会时尚已经是时过境迁。除了处理速度快,还有一个因素也要快,那就是信息采集反馈的速度。比如,用户电话打进来的瞬间,我们是否立刻收集到该用户相关信息,然后给出用户可能的问题预测?产品投放出去后,我们是否可以很快收集到销量信息以及对应的用户数据?这一切,都决定了我们是否可以有效地将大数据的统计结果应用到商业活动中,最终使大数据从理论的圣坛上走下来,产生了实际的商业价值。综上所述,大数据并不是玄乎其玄的东西,它只是在几种现代技术的推动下,将数据分析做到了极致的结果。
大数据的应用场景
大数据诞生以来,在各个领域都有非常多的应用,比如改善航线、预测污染、优化医疗等等。这里,我们把应用方式分成两大类,分别介绍一下。
精准的广告投放
我们知道广告界的一个难题“如何找到对的那一半人”。而大数据正是可以用来更加精准的定位广告的目标用户。广告投放包括第三方广告渠道和自有广告渠道两种:
第三方广告渠道由于是第三方操作的,所以对于广告主来说只能去选择合适的渠道种类。第三方渠道总体上可以分为两大类:互联网广告渠道(视频网站、门户网站、广告联盟等)和非互联网广告渠道(户外广告、楼宇广告、电视广告等)。目前,互联网广告已经在大数据精准投放上走的比较远,比如前面说的视频网站根据用户点播行为,来投放合适的广告类型。所以,在这样的渠道上投放广告时,只需要广告主能和渠道方合作定义好自己的用户群,便可以将广告投放的比较精准。
非互联网广告渠道,因为没有特别有效的用户细分手段(广告只能投放到人群,而非个人),投放形式本身就限制了其精准的效果。对此,未来的一个出路就是,各种路牌广能采集到附近用户的信息,来动态调整广告内容。
比如,没有广告牌都有一个iBeacon设备,会和打开iBeacon连接的手机产生互动,根据手机信息,反查到用户的性别,从而决定显示什么广告。
而对于自有广告渠道来说,我们可以操作的空间就比较大。拿短息渠道为例,很多公司都会通过手机短信,给用户发送最新的促销信息,但是,以往这种信息通常是全量发送,或者是根据一定的可视化的分类(例如,信用卡的消费额度)来分类发送促销信息。而我们有了大数据的武器后,就可以对用户群进行进一步细分,甚至是1对1的发送。比如,信用卡公司可以根据用户的刷卡的频次、场所、购物内容、还款的及时性、消费时段等等来作为分析因素,来预测用户对什么样的商品感兴趣,从而发送相应的商品广告。再比如,化妆品公司,可以根据用户的年龄、工作内容、作息习惯、娱乐场所、季节、婚育状况、衣着习惯、朋友圈话题等等,来预测她可能更关心什么样的皮肤护理问题,从而推荐对应的化妆品门类。通过对多维度、细致的信息分析,使得广告推送更有针对性
个性化的用户服务定制
个性化服务要解决的问题是,不同用户服务内容和定价的个性化。以我们熟知的车险为例,目前的定价方式,只是简单的根据用户的年龄、驾龄、婚姻状况、车价和以往的车险理赔记录等显式的属性来进行区分,而在大数据时代,则可以把这种区分做到极致的个性化。比如,我们可以统计用户的驾驶习惯(驾驶时间,单次驾驶时长)、驾驶环境(常去路线的交通状况、总体事故率、季节天气)、身体状况(生病频率等),来更加针对性的对用户的理赔概率进行估计,从而得到更加合理的投保额度。再比如,对于培训机构来说,可以分析特定属性的用户(年龄、性别、各种成绩等),对特定类型的授课方式或者授课内容的成绩反应,来有针对性的进行课业的搭配,从而使每个用户的成绩达到最大化。同样,医学领域,也可以利用大数据来进行个性化疾病预防和治疗。智能穿戴设备为这一切打下了坚实的基础:
手环,监测你的运动量、心跳变化
智能血压仪,每天监测血压
体重秤,每天体重变化
空气净化器,监测环境的污染情况
上网习惯,检测你的作息时间
订餐记录,检测你的饮食情况
如果以后有了更方便的血液检测手段,每天能获得血液检测记录,那将是更有效的数据
这些数据分散开的话,最多只会影响对人们的生活习惯,比如,体重重了,要少吃多运动。但是一旦数据全都被打通,结合大数据分析技术,就可以预测出每个人的疾病发病概率。对每个人治疗时,也可以在药物和用量上变得更加有针对性。
机遇与挑战
大数据应用在国外已经兴起很长时间,但是在国内,却是刚刚起步阶段。一方面是国内对数据收集的管控比较严,导致数据基础设施没有跟上。而更重要的,还是人们对大数据的理念还没有完全吃透,大部分大数据应用的思想,只为专业的大数据工程师所掌握。而就在我们还没有准备迎接传统互联网大数据的潮流时,近几年,移动互联网有了势如破竹的发展。大部分公司,移动端业务,都已经超过了PC网站,这给大数据带来了新的机遇与挑战:
更丰富即时的信息
更快的处理速度要求
设瓶颈进行分析。
一、四大基础数据库――电子政务建设的必然之举
(一)四大基础数据库简介。2002年国务院信息化领导小组第二次会议了17号文件《国家信息化领导小组关于我国电子政务建设指导意见》。该文件将人口、法人单位、自然资源和空间地理、宏观经济基础数据这四个国家基础信息数据库列入国家电子政务建设的重点任务。(图1、表1)
(二)四大基础数据库对电子政务建设的重要意义。基于电子政府建设的政府职能转变要求政府由管理型过渡为服务型,这就要求政府不但能够提供公众需要的服务,同时需要主动提供服务,并提供优质服务。这些目标不仅要求政府搭建与公众共享数据和信息的平台,从政府工作流程来看,这更是对政府内部数据和信息共享提出的要求。总而言之,只有政府内部数据和信息共享、业务流程整合,才能向公众提供真正意义上的“一站式”服务。
四大基础数据库正是从政府内部数据和信息共享着手,解决数据跨职能部门传递困难的问题。这个项目不仅会实现政府内部数据的顺利共享,更具意义的一点是这个过程将推进政府职能部门职责的明晰、业务流程的协同和服务意识的增强。从宏观角度和长远意义来看,四大基础数据库的建设是电子政务数据挖掘的有力工具与现实效果,既能实现信息的汇总而便于共享,同时还能为决策提供知识上的依据与支持。
二、四大基础数据库建设瓶颈分析
《国家信息化领导小组关于我国电子政务建设指导意见》提出,各省、市、自治区都陆续开展了四大基础数据库的建设工作,但是实际的建设情况不容乐观。从全国范围来看,四个数据库建设进度不同,除自然资源和空间地理基础数据库已基本落成外,大部分地方政府的人口基础数据库和法人单位基础数据库建设进程缓慢,而宏观经济基础数据库几乎处于搁置状态。为了保证四大基础数据库全面建成,分析其建设瓶颈尤为重要。
(一)四大基础数据库建设瓶颈总体分析
1、缺少统一指导。四大基础数据库的建设由国家信息化领导小组统领,具体的建设任务则落实到各地方政府。因为四个数据库面向不同的应用,所以目前也是由不同机构牵头,处于独立建设的状态中。但是,四大基础库是以数据共享为目的的,单独建设势必缺乏统一性。理论上,我们希望四大基础数据库不仅是同步建设,而且是共同建设――即统一领导,在建设前、建设中就相互协调,促进业务的协同,而不是仅将各类信息分类汇集形成一个数据的仓库。也就是说,四大基础数据库的建设意义不只在建成后的数据顺利共享,更重要的是这一过程将推动各政府部门的业务协同。
2、缺少目标分解。四大基础数据库总体建设框架很清晰,其设计思路是实现数据集中存储、服务统一视图、服务与数据存储分离、存储对应用透明。但是,这项工程的浩大程度难以想像:信息多、信息杂、涉及业务广泛、信息应用权限复杂、信息利用速度要求高、数据库容灾备份难度大等,这些我们可以想到的困难已经给建设提出了高要求,而建设过程中我们还将遇到更多的新挑战。对于这样一个宏大的工程,目标的分解尤为重要。
目前,建设工作重点放在了数据收集,目的是尽可能减少数据项的遗漏。而对于建设中政府部门业务流程的整合、数据应用管理等相关重要方面投入力度严重不足。数据采集固然重要,但是面向应用建设才是关键,这就使得后台的多重支持不可或缺。只有将整个工程项目合理分解成不同任务目标,从不同角度合力建设,才能发挥出四大基础数据库的理想效果。具体的任务目标可分为以下几个部分:政府业务流程协同推进、政府部门业务数据需求分析、政府部门业务数据持有统计、政府部门业务数据管理权限划分、小范围数据使用测试、容灾备份规划、数据库框架搭建、数据格式统一、数据导入、数据应用接口建立等。
3、缺少法律保障。技术永远不会成为阻碍电子政务建设的原因,同样,技术也不能保障电子政务建设的顺利实施。技术只是工具,能从根本上解决电子政务建设遇到的问题的还是法律手段。无论是建设还是使用,相应的法律都能起到推动和维护的作用。数据库的数据共享与信息公开密切相关,但是现实情况是我们没有相应的《信息公开法》来提供保证。2008年5月1日,《信息公开条例》终于实施。由于这个条例是上级要求下级主动公开信息的规则,力度相当有限,功效也自然不能和法律相提并论。
对于四大基础数据库,其建设难度需要法律这个强大的武器来消除,其建成后的使用效力也离不开法律的保障。即使在没有法律保障的情况下建成了四大基础数据库,最后也只是摆设,不能面向实际应用。
四大基础数据库的建设深刻地反映了我国电子政务建设法律保障上的严重缺陷,当然,如何让电子政务建设获得更多的法律保障将是一个长期的问题。
(二)四大基础数据库建设瓶颈个别分析
1、自然资源和空间地理基础数据库。该库是四大基础数据库中建设难度最低的,因为其中的信息收集相对容易,不涉及过多的部门利益分配等敏感问题。目前该库已基本建成,但真正投入使用的省市并不多。北京东城区“万米网格”管理系统的成功应用,可以为自然资源和空间地理基础数据库的实际应用提供参考。举例来说,当城市中某住宅小区井盖损坏,通过卫星定位,从数据库提取信息,找到相应负责人员或机构,可以在很短的时间内将任务下达并得到迅速解决。自然资源和空间地理基础数据库的作用比起“万米网格”管理系统应该更广泛、更宏观,不仅要实现对自然资源的管理,更重要的是通过这些数据方便我们对于社会资源的管理。
2、人口基础数据库。人口基础数据库建设面临两大难题:一是由于人口众多,数据项又过百,所以数据采集很费力。对此,我们需要对数据所在部门和单位进行深入调研,尽量全面获取数据,通过规范的数据格式将各个部门所掌握的个人信息收集并面向应用;二是建设困难更为突出。由于个人信息的敏感度不同,使用权限的管理就变得复杂。比如,对于敏感度较高的个人财务数据、个人健康数据等,适用对象、适用范围、使用途径等都是需要明确界定的,这就需要相应的法律来保护隐私数据的使用。欧洲国家普遍倾向于隐私数据的严格保护,但是在我国恰恰不能说出这种保护是严格的还是宽松的,因为没有相应的信息公开方面的法律界定。如果缺少信息公开法的配套,人口基础数据库就不能建设起来。因为即使实现了这些数据的汇集与共享,也必然带来更多的问题,如个人信息盗窃使用、个人信息侵权使用等。面对法律保障不足而带来的建设瓶颈,我们电子政务的法律完善迫在眉睫。
3、法人单位基础数据库。法人单位基础数据库遇到的建设困难并不在于信息敏感度,而是在于信息涉及的各部门利益。我国政府职能部门划分重叠和交叉的状况严重,所以对于法人单位的管理经常存在争端或是部门“扯皮”。数据采集方面遇到的问题直接导致该库建设进度缓慢。解决这一问题必须依靠政府内部各部门职权关系的明确与业务的整合。
4、宏观经济基础数据库。在2002年8月29日电子政务部门工作会议上曾明确提出,宏观经济基础数据库将在2006年建成并正常运行,但目前该工程在调研工作阶段就停滞了。
宏观经济基础数据库的建设实际是基于以上三个数据库的,建设难度相对最大,因为它使用的数据是经过加工的二次数据,而这些数据又都是政府决策的重要依据。目前,该库的建设已经停滞,主要原因是一些掌握该库数据的部门和机构已经建立了一些具有类似功能的数据库。如此看来,宏观经济基础数据库已经失去了建设的意义。但事实上,四大基础数据库的划分是经过慎重考虑的,不仅要使其成为一个有机的整体,同时要全面表达从自然到社会的整个人类活动空间。因此,如果一个废止,那么其余的三个即使建成也无法发挥预计的效力。
基本的大数据的处理流程可以分成数据采集、数据处理与集成、数据分析和数据解释4个阶段。首先获取数据源的数据,因为在数据源端的数据包含各种各样的结构,需要使用某种方法将其进行预处理,使数据成为某种可以用一种算法分析的统一数据格式,接着需要找到这种数据分析的算法,将预处理过的数据进行算法特定的分析,并将分析的结果用可视化等手段呈现至用户端。
1.1数据采集
大数据的采集是整个流程的基础,随着互联网技术和应用的发展以及各种终端设备的普及,使得数据的生产者范围越来越大,数据的产量也越来越多,数据之间的关联也越来越复杂,这也是大数据中“大”的体现,所以需要提高数据采集速度和精度要求。
1.2数据处理与集成
数据的处理与集成主要是对前一步采集到的大量数据进行适当的预处理,包括格式化、去噪以及进一步集成存储。因为数据采集步骤采集到的数据各种各样,其数据结构也并不统一,不利于之后的数据分析,而且,一些数据属于无效数据,需要去除,否则会影响数据分析的精度和可靠性,所以,需要将数据统一格式并且去除无效数据。通常会设计一些过滤器来完成这一任务。
1.3数据分析
在完成了数据的采集和处理后,需要对数据进行分析,因为在进行数据分析后才能体现所有大数据的重要价值。数据分析的对象是上一步数据的处理与集成后的统一格式数据,需要根据所需数据的应用需求和价值体现方向对这些原始样本数据进一步地处理和分析。现有的数据分析通常指采用数据仓库和数据挖掘工具对集中存储的数据进行分析,数据分析服务与传统数据分析的差别在于其面向的对象不是数据,而是数据服务。
1.4数据解释
数据解释是对大数据分析结果的解释与展现,在数据处理流程中,数据结果的解释步骤是大数据分析的用户直接面对成果的步骤,传统的数据显示方式是用文本形式体现的,但是,随着数据量的加大,其分析结果也更复杂,传统的数据显示方法已经不足以满足数据分析结果输出的需求,因此,数据分析企业会引入“数据可视化技术”作为数据解释方式。通过可视化结果分析,可以形象地向用户展示数据分析结果。
2云计算与大数据分析的关系
云计算是基于互联网的相关服务的增加、使用和交付模式,通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源,是一种按使用量付费的模式。这种模式提供可用的、便捷的、按需的网络访问,进入可配置的计算资源共享池(资源包括网络、服务器、存储、应用软件、服务),这些资源能够被快速提供,只需投入很少的管理工作,或与服务供应商进行很少的交互。目前,国内外已经有不少成熟的云计算的应用服务。数据分析是整个大数据处理流程里最核心的部分。数据分析是以数据的价值分析为目的的活动,而基于大数据的数据分析通常表现为对已获取的海量数据的分析,其数据来源可能是企业数据也可能是企业数据与互联网数据的融合。从目前的趋势来看,云计算是大数据的IT基础,是大数据分析的支撑平台,不断增长的数据量需要性能更高的数据分析平台承载。所以,云计算技术的不断发展可以为大数据分析提供更为灵活、迅速的部署方案,使得大数据分析的结果更加精确。另一方面,云计算的出现为大数据分析提供了扩展性更强,使用成本更低的存储资源和计算资源,使得中小企业也可以通过云计算来实现属于自己的大数据分析产品。大数据技术本身也是云计算技术的一种延伸。大数据技术涵盖了从数据的海量存储、处理到应用多方面的技术,包括海量分布式文件系统、并行计算框架、数据库、实时流数据处理以及智能分析技术,如模式识别、自然语言理解、应用知识库等等。但是,大数据分析要走向云计算还要赖于数据通信带宽的提高和云资源的建设,需要确保原始数据能迁移到云环境以及资源池可以随需弹性扩展。
3基于云计算环境的Hadoop
为了给大数据处理分析提供一个性能更高、可靠性更好的平台,研究者基于MapReduce开发了一个基于云计算环境的开源平台Hadoop。Hadoop是一个以MapReduce算法为分布式计算框架,包括分布式文件系统(HDFS)、分布式数据库(Hbase、Cassandra)等功能模块在内的完整生态系统,已经成为当前最流行的大数据处理平台,并被广泛认可和开发应用。基于Hadoop,用户可编写处理海量数据的分布式并行程序,并将其运行于由成百上千个节点组成的大规模计算机集群上。
4实例分析
本节以电信运营商为例,说明在云计算环境中基于Hadoop的大数据分析给大数据用户带来的价值。当前传统语音和短信业务量下滑,智能终端快速增长,移动互联网业务发展迅速,大数据分析可以为运营商带来新的机会,帮助运营商更好地转型。本文数据分析样本来自于某运营商的个人语音和数据业务清单,通过Hadoop2.6.0在Ubuntu12.04系统中模拟了一个大数据分析平台来处理获得的样本。希望通过对样本数据的分析与挖掘,掌握样本本身的一些信息。以上分析只是一些很基本的简单分析,实际上样本数据中所蕴含的价值要远远大于本文体现的。以上举例意在说明基于云计算的大数据分析可以在数据分析上体现出良好的性能,为企业带来更丰富更有效率的信息提取、分类,并从中获益。
5结束语
【关键词】统计学;管理现状;优化策略;模式创新
【中图分类号】C81【文献标志码】A【文章编号】1673-1069(2020)06-0071-02
1引言
统计学作为企业经营管理的重要手段,在企业经营过程中统计工作是否落实到位,对于企业可持续发展目标的实现而言具有重要影响,尤其在当前多元化市场竞争环境下,企业规模化发展虽然推动了国民经济的进一步发展,但与此同时企业市场竞争也愈演愈烈,实现持续性经营,确保统计学应用效益的最大化,是目前推动产业可持续发展的重要战略基础。
2大数据时代内容的基本概述
简单来讲,所谓的“大数据”是指在当前信息化产业时代背景下,无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是互联网公司在日常运营中生成、累积的用户网络行为数据,是需要新处理模式才能有效处理的海量、高增长率和多样化信息资产。随着近年来信息技术的不断发展和广泛应用,“大数据”时代是“互联网+”技术应用下时代未来发展的趋势。就目前来看,与传统信息数据相比,大数据具有数据量大、数据多元以及数据价值高的显著特点,伴随城市化、工业化建设进程的不断加快,如何有效地对大数据进行处理,成为现阶段基层产业结构和相关主管部门的核心发展方向,也是促进企业进一步发展的重要基础。
数据实质上是存储于计算机内的各种信息集合,在当前全球化、市场化不断发展的新产业时代背景下,商业模式的巨大转变,在改变人们关注度的同时,也为企业的进一步发展奠定了良好基础,最终为企业预期发展目标的实现创造了良好条件。对于大数据的处理,倘若采取传统的处理技术,不仅难以达到预期的处理目标,更极易导致一系列其他问题的产生,最终对企业整体发展造成了极为不利的影响,为此在大数据发展的同时,技术领域也取得了显著突破,目前常见的管理技术主要有——数据仓库技术、数据安全技术、数据分析、数据挖掘和模型预测,其中,数据分析、数据挖掘与大数据关系最为密切。
3新形势下统计学存在的主要问题
3.1企业对于统计管理工作的重视度不足
在经济全球化和一体化建设进程不断加快的新市场经济常态下,企业规模和数量的不断增加,在加剧企业市场竞争力的同时,如何有效地提升企业工作质量和工作效率是现阶段企业的核心发展方向,但由于部分企业受传统发展以及管理理念根深蒂固的影响,企业管理和发展重心始终集中于企业经济效益,忽视了对统计管理的关注度,致使单位在统计管理工作方面的人力和物力投入不足,各项管理工作受到一定影响的同时,企业的整体发展也受到了一定影响。
3.2统计管理人员自身专业素养有待提高
统计管理人員作为统计管理工作的实践者,其自身专业能力和综合素养水平的高低,对于统计管理工作质量和工作效率具有重要影响,但随着当下统计管理工作量的增加,部分企业为满足人员配置需求,不断地降低人员选拔标准,导致聘用人员无论是专业能力还是综合素养都有待完善。作为一项专业、系统的管理工作,统计管理不仅要求管理人员拥有细心、踏实、耐心等基本素质,还要具备一定的计算机操作能力,但随着企业规模和数量的持续增加,统计管理人员身兼数职、待遇不高等问题的存在,导致管理人员自身专业能力有所欠缺,业务操作等方面也存在一定不足,最终对统计管理造成了极为不利的影响。
3.3数据库硬件设施、设备不完善
信息化产业时代背景下,“互联网+”技术的广泛应用,在便捷人们日常生活,提高企业生产效益的同时,将其应用到其他领域中,在一定程度上也为各单位的转型升级注入了新的发展动力。统计管理是企业管理作业的重要内容,在很大程度上数据管理库自身硬件设施、设备的完善度对于统计管理工作质量和效率具有直接影响,但对于某些偏远地区亦或经济发展相对缓慢的区域,统计管理设备、设施的落后性在影响现代化科技管理手段应用效益的同时,统计管理作业也始终未能得到突破性进展,企业发展也由此受到了一定影响。
4新形势下统计管理工作的创新策略探析
4.1加强对统计管理重要性的宣传力度,提高对统计管理工作的重视
统计管理作为企业管理的重要组成部分,其管理工作质量和工作效率对企业发展而言也具有一定影响,而为实现企业可持续发展的目标,确保统计管理工作落实到实处是极为必要的。通过上述分析可知,管理人员对于统计管理工作的不重视是影响统计管理工作效益的重要因素,为有效地改善当前管理现状,一方面基层产业机构需加大对统计管理重要性的宣传力度,在不断提高人们对于“统计学应用效益”高度认同的同时,为统计管理工作的顺利开展奠定良好基础。而另一方面企业还需加强对统计管理工作人员的教育力度,在不断增强统计管理人员工作责任感和使命感的基础上,为预期管理目标的实现创造良好条件。
4.2积极和有关大数据公司或机构进行合作
要想在大数据时代背景下进一步优化和提高统计管理工作,就必须将大数据有关技术和统计管理的实际工作紧密结合起来,因此必须解放思想,打破行业限制,积极寻求和有关大数据公司或者机构进行合作开发,开发出真正适合统计管理工作的大数据技术和工具,大数据无法使用单台计算机进行操作和处理,必须采用分布式架构技术等,其也必然和云计算的有关分布式处理、云存储以及虚拟技术等密不可分,因此统计管理必须要积极寻求多方合作,积极将大数据的有关技术引入统计管理的实际工作中去。
4.3不断优化和完善统计管理模式
在当前企业规模和数量持续增加的新产业时代背景下,数据的形成过程较为烦琐,且数量也较为庞大,为从根本上有效提高管理的科学性、高效性和有效性,不断地优化统计管理模式和管理手段也是极为必要的。通过大量调研数据分析可知,在进行统计管理过程中,信息技术的不断发展和传播渠道的日趋增多,在很大程度上为企业统计管理创造了良好条件,但由于部分企业在计算机信息技术应用过程中,未将现代化技术应用到电子统计管理中,导致管理信息化水平较低的同时,预期管理目标也难以实现,为有效地解决上述问题,将数据信息化纳入到工作日程中,为单位的数据管理部门配置专门的信息化设备,是现阶段提高统计管理信息化水平,促进企业进一步发展的重要战略手段。
4.4将各项统计管理工作细节落实到位
在统计管理作业过程中,从根本上有效地提高企业的经济效益、确保各项统计工作细节落实到位也是现阶段基层产业机构和相关主管部门的重要工作内容,换言之,在当前多元化市场竞争环境下,要想从根本上提升统计管理工作质量,提高企業整体的经济效益,以会计管理工作为中心,确保各项细节管理工作落实到位是十分必要的。要想确保管理工作效益的最大化发挥,提升企业经济效益,企业需将会计的发展目标与企业的发展方向相结合,在确保两者“统一性”的基础上,以会计管理工作为中心对企业经营进行系统化管理,最终为企业可持续发展目标的实现奠定良好基础。
4.5确保预算统计管理工作落实到位
在当前企业经济收支管理过程中,预算统计管理工作流于形式是影响精细化管理效率的重要因素,而为从根本上有效地解决上述问题,确保全面预算统计管理工作落实到位,是现阶段企业经济运行精细化管理目标实现的重要基础和根本前提。作为企业经济运行精细化管理的重要环节,全面预算统计管理作业的开展不仅能确保企业达成预期的战略目标,其在科学预测企业未来运营状况、协调内部资源以及控制内部预算编制等方面都发挥了重要作用。因此,在进行预算统计管理过程中,企业统计管理部门工作人员需摒弃传统管理理念,在做好日常收支管理的基础上,还要确保内部全范围、全过程及所有资产的预算统计管理落实到位,由此在保障全面预算作业有序开展的同时,提升企业在多元化市场中的竞争优势。
[关键词] 审计;大数据;数据模型
doi : 10 . 3969 / j . issn . 1673 - 0194 . 2017. 13. 023
[中图分类号] F239.1 [文献标识码] A [文章编号] 1673 - 0194(2017)13- 0056- 03
1 大数据环境下的审计特征
传统审计过程中最困难的就是对被审计对象原始数据的获取,在信息数据未归集的条件下,如何准确获取审计所需数据一直是困扰审计信息化的难题之一。
随着信息化时代的来临,审计数据发生了根本性的变化,具有分布广、数据量大、集成度高、更新快等特征。在大数据环境下,非现场审计将逐渐成为主要工作方式。审计不再局限于凭证、账面、财务系统等信息,信息化审计极大地拓展了审计视角,能更快地挖掘出被审计单位的全部业务信息。审计方法从“抽样审计”逐渐转变为“全面审计”,建立在大数据基础上的审计变得更加简便,数据更加准确、全面。大数据环境下持续性审计将成为现实,审计人员可以利用云数据掌握公司的运营状况、风险变化等情况,对内部风险及时分析预警,将风险隐患消除在萌芽状态。
因此,积极应用“云计算”、数据挖掘、智能分析等技术,能提高审计效率;而探索多维度、智能化数据分析方法,加强对各层级、各系统间数据的关联分析,更能增强感知风险的能力。
2 审计数据分析类型
审计数据分析按照其操作方法、实现工具、与审计经验结合程度等方面的不同,可以分为以下三种类型。
查询型分析:审计人员借助业务信息系统或财务总账,访问和查询数据记录,进行筛选、查找、排序、核对、抽样、统计等操作性分析。这是对审计项目进行总体分析,具有直观、简易的特点,但缺点是审计思路呈线性结构,数据量较大,不易发现问题线索。
验证型分析:审计人员借助工作经验首先提出风险点,然后根据相关数据来检查风险点,从数据中确定审计事实。验证型分析的关键,是要能提出合理的风险点,这与审计人员的职业判断和经验积累息息相关。
挖掘型分析:审计人员以海量数据为基础,进行深层次数据分析,从不同的角度对被审计单位的业务数据进行挖掘,并以直观易懂的形式展示分析结果。
3 审计数据分析模型
根据审计数据分析类型,通过对数据的查询、验证和挖掘,建立更直观的数据模型,结合审计目标寻找疑点,进而评估被审计单位控制风险、揭示制度问题等。建立数据分析模型,主要通过以下几个步骤。
3.1 采集数据,掌握整体情况
采集被审计单位数据,对被审计单位的财务收支、物资出入库、经营管理、内部控制等进行总体分析,把握全局,形成对被审计单位的财务、物资、内控的整体印象。
3.2 发现问题线索,确定审计重点
在整体掌握的基础上,通过复核、对比、计算等数据分析手段,对采集的数据进行整合,建立数据分析模型,从而发现问题线索,确定审计重点。
3.3 核实问题线索,评估控制风险
对数据模型分析中发现的异常情况,通过现场审计获取证据予以证或者排除,进而评估控制风险、揭示制度问题。
以上三个方面是紧密联系的,只有在掌握整体情况的基础上,才能建立数据分析模型确定审计重点,并对审计重点进行核实,进而实现风险评估。
4 实例分析
2016年8月,对X省电力公司所属集体企业A、B公司总经理任期经济责任履职情况进行了审计。此次审计按照标准审计流程,结合已有审计数据,对各系统间数据进行智能化分析。通过审计软件及业务信息系统获取更直观的数据,建立了“三重一大”事项、物资采购及合同管理、薪酬福利管理、固定资产管理、财务管理、三公费用管理等审计数据分析模型。
4.1 采集数据,掌握整体情况
审计组根据经济责任审计要求,采集营业收入、利润总额、资产总额等数据,掌握被审计单位整体情况。将采集的数据导入Excel,运用其各种功能,得出如图1、图2所示结果。
4.2 发现问题线索,确定审计重点
在总体掌握的基础上,对采集的数据进行整合,通过对数据进行指标分析、对比,建立数据分析模型,发现问题线索,确定审计重点。
分析结果如图3、图4所示。
从分析结果看出,A公司资产负债率不高,但负债总额较大,存在一定的风险;销售净利率较高,说明该公司收益水平较高;资产净利率较好,资产的利用效率较高,该公司在增加收入和节约资金等方面取得了较好的效果。B公司资产负债率较低,该公司成本较低,风险小,偿债能力强,经营较为稳健,投资行为比较谨慎;销售净利率较高,收益水平较高;资产净利率较好,资产的利用效率较高。
4.3 核实问题线索,评估控制风险
在总体分析的基础上,结合审计重点建立数据分析模型,发现问题线索,进而评估风险,揭示制度问题。分析结果如图5、图6所示。
从审计问题分布图中可以直观地发现,A公司在物资及合同管理方面的问题涉及的金额比重较大,其次是财务管理、三重一大、三公费用、薪酬福利方面的问题。因此,该公司在关注各方面问题的同时,应重点关注物资及合同管理方面的问题。
从图6分析结果发现,B公司在财务管理方面的问题涉及的金额比重较大,其次是三重一大、物资及合同管理、薪酬福利、三公费用方面的问题。因此,该公司在关注各方面问题的同时,应重点关注财务管理方面的问题。
5 结 语
在大数据环境下,运用审计数据分析的前沿理念和技术,开展数据分析和挖掘,致力于构建审计数据分析模型,可以有效降低审计人员的工作量,提高审计的效率和质量。审计人员通过总体分析、关联分析、趋势分析、多维分析等,从整体上把握被审计单位的财务状况、审计重点和疑点,为客观、真实评价企业领导干部经济责任履行情况提供了数据支撑。利用审计数据分析模型,可以使审计报告更有说服力,问题定性更加准确、审计效果更加明显。
主要参考文献
[1]马滢,乔羽.大数据环境下企业内部审计面临的机遇和挑战[J].新经济,2016(27):73-74.