發布時間：2022-01-28 00:09:17
序言：寫作是分享個人見解和探索未知領域的橋梁，我們為您精選了8篇的調研數據分析報告樣本，期待這些樣本能夠為您提供豐富的參考和啟發，請盡情閱讀。
因此，很多企業都會利用Hadoop實現數據存儲，再通過其他工具實現對大數據的高速捕獲和實時分析。這里，我們將通過艾瑞咨詢集團的一個真實案例，解讀一下敏捷BI如何和Hadoop進行互補，幫助其實現互聯網大數據分析的。
定制化項目效率低下
艾瑞咨詢集團（iResearch）是一家專注于網絡媒體、電子商務、網絡游戲、無線增值等新經濟領域，深入研究和了解消費者行為，并為網絡行業和傳統行業客戶提供市場調查研究和戰略咨詢服務的專業市場調研機構。
目前，艾瑞咨詢集團可以向企業提供線下報告和軟件兩種定制化咨詢報告服務。但是，企業客戶的定制化需求非常多變，艾瑞咨詢集團生成一份線下報告交付周期需要3至4周，提供軟件的交付周期則需要半年。再加上項目所需人工成本升高、迭代周期延長，艾瑞咨詢集團往往不敢承接太多定制化項目。
通過調研，筆者發現了艾瑞咨詢集團的真正需求：根據時間維度和網站匯總對用戶的來源地區、來路域名、頁面訪問次數、停留時間、有效訪問次數、跳出率、回訪者、新訪問者、回訪次數和回訪相隔天數等相關數據進行統計分析，并且還能夠在動態添加條件之后，通過對監測用戶行為獲得的數據進行分析，以最終得出更加詳細、清楚的用戶行為習慣。
因此，艾瑞咨詢集團迫切需要一種更加敏捷、高效的大數據分析工具提升定制化業務的效率。
大數據面前：敏捷BI PK傳統BI
在解決艾瑞咨詢集團面臨的難題時，傳統BI的做法是，IT人員事先根據需求分析進行建模，建好二次表或打Cube并提前匯總好數據，業務人員才能在前端查看到分析結果的報表。雖然這種做法很成熟，但是解決不了艾瑞咨詢集團的難題。
首先，業務人員查看的報表相對靜態，分析的維度和度量的計算方式已在建模時預先設定好，不能更改。例如，定好了求和或求平均數，再想改成求方差必須再去修改模型。
其次，分析需求變更時，業務人員不能直接調整報表，需要IT人員重新建模或修改已有分析模型，耗時較長，響應速度較慢。
最后，有些企業的數據量很小，也需要按照此流程和架構來進行大費周折的數據分析。
造成這些問題的本質原因是，過去的技術架構針對海量數據的計算能力不足，企業用戶需要通過建模、二次表、Cube提前進行數據運算匯總。
艾瑞咨詢集團希望為企業客戶提交這樣一份分析報告，不僅能看還能動態分析。對于艾瑞咨詢集團來說，數據展現應該是起點而不是終點。看到了數據，要能交互式分析、深入向下挖掘，要能發現問題并找到答案，還要能采取行動。與數據交互的過程要足夠快，如果用戶每次點擊需要等三五分鐘才出結果，就無法進行交互分析。
并且，分析報告應能讓非IT部門的同事直接在分析平臺上做出來。不能把所有的分析報告需求都提交到IT部門，這樣會嚴重增加IT部門的工作負擔。同時，敏捷BI的實施和操作要簡單化，讓業務人員可直接使用。
同時，分析報告需求經常需要牽涉到數據層的改動，需要IT部門去改進數據層和業務層，傳統BI平臺需要一兩個月才能完成模型梳理。敏捷BI無需事先建模，可以在分析過程中靈活調整分析維度和報表展現，需求變更可以在一天之內響應，提升企業的洞察力決策力。
與傳統BI的重量建模、統一視圖不同，敏捷BI采取輕量建模、N個視圖的方法，不建二次表和Cube，數據導入后可以直接進行分析，并且業務人員可以實時調整分析的維度和度量的計算方式，極大地增加了靈活性，真正做到和數據對話。
既然有這么便捷的方式，為何傳統BI不采用這種架構呢？那是因為，傳統技術架構沒有引入大數據技術，面對海量數據無法在用戶點擊后的幾秒內就展現企業客戶需要的分析結果，因此必須通過建模提前把數據匯總好，才能保證分析報表展現時的速度。
因此，實現敏捷BI的前提是采用新架構處理數據，其涉及的技術包括分布式計算、內存計算、列存儲、庫內計算等。敏捷BI可以通過更低的成本、更短的上線周期，快速讓企業洞察到數據的含義和價值。
業務效率數倍提升
深入研究艾瑞咨詢集團要分析的數據，筆者發現，艾瑞咨詢集團每天要分析的數據量達幾千萬條，且不同企業客戶的分析需求各不相同。因此，復雜多變的多維度分析需求對分析工具的分析性能提出了更高的挑戰，而傳統的數據庫和Hadoop架構已經無法滿足高性能和即時分析的需求。
為此，艾瑞咨詢集團考察過國外一些知名的產品，但是當他們獲知產品的價格和后續的服務費用之后只能放棄。而國內大多數的分析工具大多是上一代BI，需事先建模再進行分析，難以應對靈活的多維度分析變化需求，且針對大數據量的處理能力不能滿足要求。
最終，艾瑞咨詢集團選擇了永洪敏捷BI技術。當艾瑞咨詢集團將三個月的細節數據（約50億條）導入敏捷BI系統，直接就可以展現出定制分析報告。對比原先基于Excel和SQL編程的分析方法，艾瑞咨詢集團的業務效率獲得數倍的提升：線下報告交付周期從3至4周縮短至小于1周，軟件交付從半年縮短至一個月。
同時，艾瑞咨詢集團原來由于擔心需求變化導致沒有能力交付的很多項目被收入囊中。采用敏捷BI工具后，艾瑞咨詢集團可以在幾天內快速搭建原型向客戶展示，任意的需求變更都可以一周內調整完畢。這種快速原型試錯的方式，使得艾瑞咨詢集團有能力承接很多此類項目。
由于業務效率的極大提升，有能力承接更多的項目，艾瑞咨詢集團的收入空間也出現了數倍的增長。與此同時，艾瑞咨詢集團的客戶滿意度也穩步提升。
不僅如此，為了提供更加直觀可交互的分析報告，提升企業用戶體驗，艾瑞咨詢集團基于敏捷BI工具，構建了一個新型SaaS平臺。艾瑞咨詢集團把企業客戶用Hadoop架構存儲的數據，通過敏捷BI提供的接口導入到數據集市內，然后通過敏捷BI快速呈現出結果。
事實上，Hadoop和敏捷BI都有各自適用的不同業務場景，兩者是相互補充的關系。當前，很多企業都采用Hadoop實現數據的存儲，然后把Hadoop數據導入敏捷BI基于分布式內存計算的高性能數據集市中，之后再進行數據可視化分析。鑒于現在Hadoop在企業的應用相當廣泛，永洪敏捷BI產品也支持Hadoop數據源的連接。
關鍵詞：關鍵詞：稅務數據分析 分析主題 業務分析模型
1. 引言
稅務系統信息化工作的不斷發展和大量有價值信息的積累，為加強稅務數據分析、推進“信息管稅”提供了堅實的基礎。如何才能更好地進行稅務數據分析呢？總結這幾年的工作經驗，筆者認為采用業務分析模型進行稅務數據分析可以極大的促進這項工作，下面來看一下如何在稅務數據分析工作中應用業務分析模型。
2. 業務分析模型和稅務數據分析的概念
要想研究如何在稅務數據分析工作中應用業務分析模型，首先要搞清楚本文所稱的“業務分析模型”和“稅務數據分析”分別是什么？
2.1 什么是業務分析模型
（1）定義
模型是指客觀事物的抽象表達形式，一般表現為設計圖、計算機程序、計算公式或是一個無二義性的概念描述等。業務分析模型是關于如何取得分析主題的結論而建立的模型，它有四個要素：分析主題、所屬業務對象、對象屬性、結論算法，其中分析主題、所屬業務對象和結論算法有且只有一個，對象屬性可以有一個或多個。
分析主題用來說明業務分析模型能夠解決什么問題，是業務分析模型的核心，其它要素都是圍繞分析主題設立的。所屬業務對象用來說明分析工作所面對的客體，是一個客觀事物對象。結論算法用來說明業務分析模型如何解決問題，它的質量決定著整個業務分析模型的質量，是業務分析模型的關鍵，用公式表示是：R = F(O1,O2,……,On)，R表示得出的分析結論，F表示結論算法，O1,到On表示n個對象屬性，基于數據庫分析的結論算法就是一個SQL語句。對象屬性一般就是結論算法中出現的參數，如果某個對象屬性的過濾條件不為空，則表示該對象屬性會限定所分析的業務對象范圍。
（2）與數據模型的區別
業務分析模型不同于計算機系統開發領域內的數據模型，二者的區別如圖1：
圖1：業務分析模型與數據模型的區別對照表
2.2 什么是稅務數據分析
（1）定義
稅務數據分析是指為了實現特定的目的，按照科學的規則對稅務部門積累掌握的大量有價值信息進行提取、計算、加工，并把結果展現出來或是根據結果進行后續處理的全部工作。它一般先要確定分析命題(即整個分析工作的目的框架)，再將它細化為多個分析主題，然后對每個分析主題進行分析。如果分析命題特別簡單，可以只有一個分析主題。
（2）分類
稅務數據分析主要分為事前防控分析類、事中輔助分析類、事后監督分析類和宏觀分析類。
（3）主要作用
稅務數據分析的主要作用是通過對稅務部門積累的大量有價值信息的分析，找出存在的問題，或是確定稅務事物的達到程度，或是探索稅收經濟規律，然后對找出的已經存在的問題進行補正并懲戒違規的稅務人員或納稅人，對找出的正在發生且尚未保存的問題進行阻斷或是風險警示，用確定的稅務事物所到達程度來輔助完成生產業務工作，把探索出的稅收經濟規律用做決策的參考。
3. 稅務數據分析工作中應用業務分析模型的理由及意義
明白了業務分析模型和稅務數據分析這兩個概念后，下面來看一下為什么要在稅務數據分析工作中應用業務分析模型和這樣做的意義。
3.1 為什么要在稅務數據分析工作中應用業務分析模型
從以上兩個概念可以看出稅務數據分析工作是對稅務部門積累的大量有價值信息進行分析的工作過程，而業務分析模型可以使分析工作規范化和量化。因此在稅務數據分析工作中應用業務分析模型可以使工作更加規范、計算機實現稅務數據分析工作也更加容易，所以在稅務數據分析工作中應該使用業務分析模型。
3.2 在稅務數據分析工作中應用業務分析模型的意義
（1）業務分析模型要優于單一數據指標，它可以對分析主題所涉及的所有方面進行全面分析，使稅務數據分析的結果更加全面、合理，錯誤率也更低。
（2）使稅務數據分析系統在建設過程中業務需求和技術實現之間有了規范的接口，提高了效率。
（3）通過建立業務分析模型可以促進稅務人員對相關業務的深入理解，從而培養人才、鍛煉隊伍。
（4）通過建立業務分析模型，可以找出哪些涉稅信息以前還掌握的不足，再通過新建系統或升級原有系統重新獲得這些數據，從而促進稅務管理。
4. 如何創建業務分析模型
稅務數據分析工作不同于生產業務工作，沒有審批流轉等復雜流程，一般功能相對單一，因此稅務數據分析工作的質量基本上決定于分析結果的質量。因而作為決定分析結果質量的業務分析模型的質量，就會最終決定稅務數據分析工作的質量。業務分析模型對于稅務數據分析工作如此重要，那么如何創建業務分析模型呢？它應該在什么時候由哪些人創建呢？創建業務分析模型的一般流程是什么樣的呢？有什么要求嗎？
4.1 成立組織機構
要想建立業務分析模型，就必須先要成立一個建立它的組織，這個組織就是業務分析模型小組，它在項目建設之初與業務需求組同時成立并隸屬于業務需求組。它由下列人員組成：小組長、業務人員、數據庫操作人員、技術人員等(以上人員均可兼任)。小組長負責協調整個小組的事務，業務人員負責調查調研座談、對象屬性選取、結論算法的描述性定義等；技術人員負責把描述性的結論算法轉換成計算機表達式；數據庫操作人員負責從數據庫中抽取屬性值并通過已經轉換成計算機表達式的結論算法得出分析結論。
4.2 結論算法的設計原則
業務分析模型的應用是為了讓稅務數據分析工作變得更加規范清晰，把復雜問題簡單化，所以結論算法的設計原則是：簡單明了，原則上不能再拆分。如果分析主題很復雜，可以采用下面第五、(二)2所述的復合應用的方式來解決。
4.3 結論算法的遵從要求
業務分析模型建立以后，用它分析出的結果有的被用于指導經濟發展，有的被用于追究相關人員責任，有的被用于稅收生產業務，都是非常嚴肅的，所以決定分析結果的結論算法必須有嚴格的遵從要求，它的遵從要求及次序如下：
（1）如果國家法律法規中有明確規定的，從其規定；
（2）如果國家標準中有明確規定的，從其規定；
（3）如果上級機關有明確規定的，從其規定；
（4）如果行業標準有規定的，從其規定；
（5）如果存在通用慣例，遵從慣 例；
（6）以上皆不存在，自行研究確定。
制定業務分析模型的結論算法時，按以上次序自上而下進行匹配，首先被匹配到的就是制定結論算法的適用遵從要求。
4.4 建立業務分析模型的流程
建立業務分析模型是一個業務性和創新性難度都非常高的工作，所以必須經過形成初稿、驗證討論、專家評審、印證四個環節，每一個環節的成果都是階段性成果，都必須入案存檔。如果業務分析模型的結論算法非常簡單或是算法遵從要求屬于上面提到的1、2、3、4條的，可以實行簡易流程，簡易流程不需要專家評審和印證環節，最終討論稿即為定稿。業務分析模型建立的流程如圖6
（1）形成初稿環節
首先是業務人員通過發放調查問卷、深入納稅人和基層稅務機關調研、召開座談會等方式，全面掌握分析主題所涉及的全部因素及關鍵因素。在此基礎上，針對分析主題提出業務分析模型草稿，然后與字典小組進行充分溝通并由字典小組確定所有概念后形成初稿。這是建立業務分析模型最關鍵的一步，也是最耗費時間與精力的一步。
（2）驗證討論環節
初稿形成后就要進行驗證討論，驗證討論時一般應以會議的形式進行，參與會議的人員除了包括全體業務分析模型小組成員外，還可邀請相關功能模塊小組的成員參加。首先由技術人員將結論算法轉換為計算機表達式，然后由數據庫操作人員從數據庫中取出實際數據代入表達式計算出結果，再由業務人員與實際情況驗證并判斷是否合理。一般要經過多輪驗證并且不斷修改完善后形成最終討論稿。
（3）專家評審環節
討論稿形成后，需邀請相關領域的專家進行評審。評審時業務分析模型小組全體成員都要參加并解答專家的質疑，評審結束后根據專家的意見進行修改，并再次驗證討論后形成評審稿，一般只評審一次。
（4）印證環節
從一個角度對客觀事物得到的認識，換一個角度就可能完全不同了，所以形成評審稿后，還需要再選擇幾個另外的分析角度進行印證，全部印證合理后才能形成定稿，如果印證明顯不合理，就需要再次修改結論算法并重新驗證討論，必要時還要重新進行專家評審。
5. 在稅務數據分析工作中如何應用業務分析模型
建立好業務分析模型后，就要在稅務數據分析工作中應用了。那么業務分析模型在稅務數據分析工作中有哪些應用呢？又分別如何應用的呢？
業務分析模型在稅務數據分析工作中的應用分為一般應用和高級應用兩類，一般應用是指直接使用業務分析模型中的屬性或分析結論，高級應用是指對得出的分析結論進行二次加工后再使用。下面就這兩類應用分別說明如下：
5.1 初級應用
（1）直接展現結論
對于臨時性的或是宏觀分析類、事中輔助類稅務數據分析工作，它的分析結果不再需要后續處理，所以這類工作中的業務分析模型的分析結論一般都是直接展現。這些分析結論可能是一份分析報告，也可能是一個數值或是一段描述，如稅收與經濟發展運行情況、地區稅源增量(總量)發展趨勢、主要稅種稅源分布、行業地區稅負、稅收總體狀況分析等都是直接顯示分析報告，再如雙定戶核定稅額分析直接顯示稅額數值等。
（2）準備基礎數據
準備基礎數據就是在稅務數據分析系統的獨立數據庫里把分析時需要用到的所有基礎數據從各原始數據庫里通過ETL(抽取Extract、轉換Transform、裝載Load)工具生成的工作過程，這是稅務數據分析系統開發過程中的一項非常關鍵又非常復雜的基礎工作。有了業務分析模型以后，這項工作就可以變得異常簡單。通過下面提供的利用業務分析模型產生數據庫表的方法，把稅務數據分析系統內的每一個分析主題的模型分別轉變為一個數據庫表，就能完成這項工作。
利用業務分析模型產生數據庫表，就是在給定的數據庫里生成一個數據庫表，該表的列與業務分析模型中的對象屬性和分析結論一一對應。與對象屬性對應的列的名稱和類型，就是業務分析模型中對象屬性的名稱和類型；與分析結論對應的列的名稱和類型，是分析主題的名稱和分析結論類型。利用業務分析模型中對象屬性中的過濾條件，從原始數據庫中查詢出所有對象屬性值并計算出分析結論值輸入數據庫表就可以了。
5.2 高級應用
（1）通過與臨界值比較對所屬對象定性
所謂臨界值就是對事物的性質、程度進行界定的臨界點，它一般為一個數值，可由以下幾種途徑獲得：法律規定、國家或行業標準規定、上級文件規定、行業慣用、自行約定等。比如山東省地方稅務局規定年納稅額大于50萬元的屬于重點稅源戶，這里的50萬元就是臨界值。
對于事前防控類分析和事后監督類分析即可配合臨界值對業務分析模型的所屬對象進行定性，然后系統自動采取后續處理。這種應用一般都是由開發人員在后臺設定，無需人工干預。正是由于這種應用才使稅務數據分析工作的自動化程度越來越高。
（2）復合應用
所謂復合應用就是一個業務分析模型的分析主題和分析結論，是另一個業務分析模型的對象屬性的名稱和值，這兩個業務分析模型組成父子關系，這種復合應用可以無限層的復合。子模型只能有一個父模型，而父模型可以有一個或多個子模型。復合應用可以將復雜的業務分析模型簡單化，是業務分析模型應用的常見方式。
6. 結束語
稅務數據分析工作是稅務管理部門的重要工作之一，因此積極研究這一工作并不斷探索新的工作思路、工作方法、實用工具等是稅務管理者的責任，希望本文對于稅務數據分析工作能有所幫助，哪怕能起到拋磚引玉的作用，筆者也會感到非常欣慰。
參考文獻：
[1] 劉建麗等. 基于決策樹的稅務數據分析. 現代計算機(專業版)，2003年11期
前幾年在某大型跨國公司管理團隊時，我意識到“大數據”在HR管理中的作用。在管理團隊薪酬時，IT系統不僅處理薪酬流程，還提供對標數據支持決策：調薪周期開始時，公司把調薪預算從上到下分解到各級經理，經理會具體分析每個下屬員工應該分配多少預算。一般會考慮：一、員工當期績效表現，二、目前在公司內同類工作崗位中所處薪酬水平？三、與同行和競爭對手的同類崗位相比處于什么水平？經理根據業務需要確定是否要努力保留一位員工，通過預算分配使員工處于合理的薪酬水平。這個系統不僅提供了公司內按職位角色細分的薪酬分布曲線，同時提供了行業薪酬分布曲線，使管理人員能直觀看到員工調薪前后在公司內及市場上的薪酬“分位值”。
公司如果有規范的職位職務體系基礎容易統計內部薪酬分布，行業的數據一般來自大型HR咨詢公司的薪酬數據庫。做跨公司的職位職務對應匹配卻是件有挑戰性的事情――你怎么知道A公司的八級軟件工程師相當于B公司的十級咨詢顧問呢？傳統上，我服務的那家公司是定向的對標指定，即人工對應到具體同類型公司的同類型崗位。隨著技術的發展，現在時髦的基于文本分析的“大數據分析”能夠解決更廣泛的職位匹配問題，再結合薪酬數據庫，能夠提供更準確做薪酬對標。可以預計，這種對標方法會成為一種更加普及的應用。
HR咨詢公司薪酬數據庫的客觀性和準確性往往存有爭議，大企業做對標時一般會購買幾家咨詢公司的數據，相互參照使用。然而，現在互聯網上各種“曬工資”網站越來越多，例如，基于互聯網的大數據分析可能顛覆傳統的薪酬數據庫服務，企業能夠更加實時、準確地做職位薪酬對標，提升人才管理水平。
HR部門的價值從后臺服務職能，發展到幫助業務部門挖掘、培養、發展人才，成為企業業務的驅動者，人才相關數據的分析為這樣的工作方式轉型提供了可能性。不僅是薪酬數據分析，從下圖所示的HR相關數據可以產生很多分析機會。
例如某些專業崗位招聘如何選擇候選細分人群，需要在用人成本、人才質量、使用風險以及細分人群供應量等不同因素中平衡，可以通過數據挖掘方法，根據不同人才尋源策略確定相應的候選人細分對象；又如雇主品牌建設，通常員工敬業度調研結果中薪酬是一個抱怨因素，可是，實際薪酬水平以及期望薪酬水平與員工的敬業度、員工績效之間有多深的關聯？不同的薪酬或者獎金結構方式會對敬業度產生什么影響？再例如提高招聘質量，國外某保險公司對數百例初級銷售人員聘用后的實際業績分析發現，應聘人資質與業績相關度較高的因素有：簡歷文本質量（語法準確、表述清楚）、教育經歷完整性、高端產品銷售的經驗、過去類似工作的成功、不確定環境下工作的能力等，并有意思地發現大學檔次、大學成績、推薦人資質等因素與業績相關度不高。除此之外，在員工保留因素、銷售人員績效、出勤率預測、繼任計劃、人才管道計劃、高潛力人才挖掘等人力資源管理領域，數據分析都有廣泛的應用。
《市場調查與預測》作為高職高專市場營銷專業的一門主干課程,是一門應用性很強的專業技能課程。但是,目前本課程的教學模式多采用灌輸式、填鴨式教學,以教師講授知識為主,并輔以必要的作業練習,不注重調動學生學習的積極性和主動性,不注重培養學生的分析和解決問題的能力。隨著經濟和管理現象日益復雜。市場情況的瞬息萬變及知識經濟的到來,社會對人才素質的要求越來越高,而目前本課程的教學模式培養的學生卻難以適應社會的需要,必須進行改革。
二、研究設計
1.項目導向式的課程教學模式運作
(1)組建市場調研項目團隊。在第一次上課的時候,教師首先給學生介紹課程的整體實施方案,然后每3~5名學生自由結合為項目小組,并推舉組長。
(2)接受市場調研任務。調研項目來源于實際問題,一是接受企事業單位的委托調查項目,二是在教師指導下學生自選的社會熱點問題調查項目。近幾年,學生調查項目涉及到了居民消費現狀及需求、企業經營現狀與競爭力、大學生行為及就業能力、社會熱點問題等方面近百個調查項目。
(3)確定行動領域,構建學習情境。教師對于完成市場調研項目需要開展的工作,確定行動領域,并通過案例、資料、典型成果等建構學習情境,確保課程學習處于工作場景與氛圍中。
(4)分解并提出完成調研項目的階段性學習與工作任務。教師在創設的學習情境中,帶領學生剖析階段性工作過程,提煉學習與工作任務。
(5)學習與訓練結合,完成項目。上課時學生按項目組集中就座,在了解課程學習任務和工作任務之后,分階段完成小組調研項目的企劃方案和調查問卷、完成200份問卷訪談、完成調查資料整理和編碼錄入、數據分析、調研報告撰寫,實現了學習與訓練的有機融合。
(6)伴隨著教學進程,學生協作完成一個完整項目的調研任務,實現了培養市場調研素質與能力的預期目標。
2.工作過程分解與技能模塊設計
所謂工作過程,是指為完成工作任務并獲得工作成果而進行的一個完整的工作程序,在這個完整的工作程序中可細分為若干個子環節,也就是技能模塊。其設計思路為:基于市場調查與預測工作過程知識、能力要求,以工作過程為參照系,以完成職業工作應具備的專業技術能力項目為依據。就企業營銷調研活動過程來看,一般可分為以下幾項技能模塊:
(1)方案制定技能模塊。《調研方案》是對某一具體調研項目所做的安排,如《顧客滿意度調研方案》。一般包括調研目的、調研對象及單位、調研項目、調研時間安排、組織實施計劃等,其核心內容是調研項目的設計,它是問卷設計的基礎。任何一項調研活動,無論其規模大小,都要設計一份調研方案。
(2)抽取樣本技能模塊。這一模塊的訓練,主要是訓練學生運用已有的“抽樣調查”知識,學會編制抽樣框,按調研方案要求確定調查單位,抽取樣本。
(3)問卷設計技能模塊。一項調研活動的關鍵在問卷設計,問卷設計技能包括根據調研項目設計問句及回答方式、問卷版面設計等,其中關鍵的問題在于如何把比較籠統、抽象的調研指標和項目轉化為在問卷上反映、被調研者直接回答的問句,并以調研對象易于接受、便于回答的作答方式一并構成問卷格式。
(4)調研方法技能模塊。調研方法是運用調研問卷獲取數據資料的橋梁,不同的調研主題、調研對象需要選擇不同的調研方法。調研方法包括文案調研法、訪問法、觀察法、網絡調研法、電話調研法和實驗法等,這一模塊的技能訓練主要是要讓學生了解各種方法的涵義、特點、運用條件,能根據調研對象、環境、條件等,確定適宜的調研方法。
(5)數據處理技能模塊。這一模塊的技能訓練包括對調研資料的整理和分析能力。數據資料的整理,是提高數據資料價值和調研分析報告的基礎和關鍵,包括統計分組、設計整理表、計算匯總等,應訓練學生如何根據研究目的和調研對象特點正確分組、設計整理表,并根據整理表進行歸類整理;數據分析是運用統計方法對數據進行計算分析,在訓練過程中,不僅要訓練學生掌握統計方法,更重要的是訓練學生如何有針對性的選用合適的分析方法,并能夠把各種方法結合起來進行分析,挖掘出數據的深刻內涵。這一模塊的訓練,還應包括學生運用Excel或SPSS分析軟件上機進行數據資料的整理分析訓練。
(6)調研報告技能模塊。調研報告是整個調研活動的最終結果,一切功效都是通過調研報告體現出來的。這一模塊不僅要進行調研報告撰寫格式的訓練,更為重要的是要訓練學生如何用數字說話。包括如何選擇最能反映所說明問題的數據;采取哪一類型的數據表達方式:如何在報告中恰當地使用圖表等。
(7)市場預測模塊。市場預測就是以市場調查所獲得的信息資料為基礎,運用科學的方法和手段對事物未來的演變規律和發展趨勢進行預測和推斷。本模塊重點是要掌握市場預測的基本理論和基本方法,包括市場預測的基本原則及程序、預測的內容及方法等。
3.進程設計。教學既可以采取單項訓練,也可以采取集中綜合訓練。單項實訓,是將七個模塊作為七個子項目,隨各章節教學,在課堂學習過程中通過講練結合的方式來完成,這種方法是過去常用的方法。綜合實訓是一種“單獨設置”的實訓方式,一般集中安排1~2周,其設計原則是:以企業真實項目為背景,按照“講做結合、以做為主,分塊推進、逐步合成”的做法,采取單項訓練與綜合訓練相結合、模塊化與綜合化相結合、教師指導與學生操作相結合。
4.教學活動實施。教學活動的實施,可以引入行動導向的教學觀,即按照學生是學習過程的中心,教師是學習過程的組織者與協調人,在教學中與學生互動,讓學生通過“獨立地獲取信息、獨立地制定計劃、獨立地實施計劃、獨立地評估計劃”的指導思想實施。采取“講做結合、分步推進”思路逐步展開,指導教師應做好專業指導和進程控制,實施全過程管理。
三、結束語
本課程改革將以學院的“三大園區”為教學平臺,以工作過程為教學流程,以真實的案例作為教學載體,這將極大的促進工學結合和產、學、研結合,有力的促進學院“三大園區”的發展。
參考文獻:
[1]唐鳳秀:高職《市場調查與預測》課程實踐教學探索[J]. 柳州職業技術學院學報.2009(3):66-68
關鍵詞：數據分析應用率；分析應用點；四個層次；數據中心；儀表盤
中圖分類號：N37 文獻標識碼：B 文章編號：1009-9166（2009）02（c）-0063-02
現代企業的決策往往是在整合大量信息資料的基礎上制定出來的，對數據的理解和應用將是企業決策的基石。與傳統的操作型應用相比，數據利用的應用建設難度更大，它是隨著管理水平而發展，同時又取決于業務人員的主觀意識，這就決定了以數據利用為核心的應用建設不可能一蹴而就，而是一個長期迭展的建設過程。從2003年起工廠開始全面推進數據分析應用工作，經歷過曲折，同時也有收獲。經過多年的努力，工廠的數據分析應用工作開始進入良性發展階段，筆者認為有必要對工廠目前數據分析應用工作作一總結和思考。
一、工廠數據分析應用工作開展現狀
工廠數據分析應用工作推進至今已有四五年的時間，從最初全面調研工廠數據量和數據分析應用狀況，將數據分析應用率指標作為方針目標定量指標來考核，到后來將數據分析應用工作的推進重心從量向質轉移，采用以項目為載體進行管理，著重體現數據分析應用的實效性，再到目前以分析應用的需求為導向，以分析應用點為載體，分層次進行策劃。經過上述三個階段，工廠數據分析應用工作推進機制得到了逐步的完善，形成了廣度深度協同發展的信息資源利用管理框架。截止到目前，工廠數據分析應用率達到96%，四個層次的分析應用點共計100多個，數據分析應用工作在生產、質量、成本、物耗、能源等條線得到廣泛開展，有效推動了工廠管理數字化和精細化。2007年，工廠開始探索細化四個應用層次的推進脈絡，進一步豐富工廠信息資源利用框架，形成層次清晰、脈絡鮮明、職責分明的信息資源利用立體化的推進思路。
1、第一層次現場監控層。第一層次現場監控層，應用主體是一線工人和三班管理干部，應用對象是生產過程實時數據，應用目標是通過加強生產過程控制，輔助一線及時發現生產過程中的異常情況，提高生產穩定性。例如制絲車間摻配工段的生產報警，通過對生產過程中葉絲配比、膨絲配比、梗絲配比、薄片配比、加香配比等信息進行判異操作，對異常情況通過語音報警方式提醒擋車工進行異常處理；例如卷包車間通過在機臺電腦上對各生產機組的工藝、設備參數、實時產量、質量、損耗數據的監控，提高對產品質量的過程控制能力。第一層次應用以上位機和機臺電腦上固化的監控模型為主，制絲車間每個工序、卷包車間每種機型的應用點都有所不同，為此我們建立了制絲車間以工序為脈絡，卷包車間以機種為脈絡的應用點列表，圍繞脈絡對第一層次應用點進行梳理，形成第一層次應用的規范化模板。制絲車間第一層次應用點模板包括工序名稱、應用點名稱、應用模型描述、應用對象、應用平臺、異常處置路徑等基本要素。卷包車間應用點模板橫向根據機種分，縱向按上班及交接班、上班生產過程中、下班及交接班三個時間段分，通過調研分別列出擋車工針對每個機種在三個時間段分別要查看的數據和進行的操作。隨著模板的擴充和完善，一線職工的知識、經驗不斷充實其中，第一層次應用點模板將成為一線工人和三班管理干部日常應用監控的標準，同時可以規避人員退休或調動帶來的經驗、知識流失的風險。2、第二層次日常管理分析層。第二層次日常管理分析層，應用主體是一般管理干部，應用對象是產質損、設備、動能等指標，應用目標是通過加強對各類考核指標的監控和分析，提高工廠整體的關鍵績效指標水平。例如制絲車間的劣質成本數據匯總和分析，通過對車間內各類廢物料、劣質成本的數據進行匯總、對比和分析，尋找其中規律及薄弱環節，并尋根溯源，采取措施，降低劣質成本。例如卷包車間的產量分析，通過對產量數據、工作日安排、計劃產量進行統計和匯總，結合車間定額計劃、作業計劃和實際產量進行分析，尋找實際生產情況與計劃間的差異，并分析原因。第二層次應用以管理人員個性化的分析為主，呈現出分析方法多樣化、應用工具多樣化的特點。但是萬變不離其中的是每個管理崗位的管理目標以及圍繞管理目標開展的分析應用是相對固定的，至少在短期內不會有太大的變化。為此我們建立了一份以重點崗位為脈絡的應用點列表，圍繞脈絡對第二層次應用點進行梳理，形成第二層次應用的規范化模板。模板包括崗位名稱、管理目標、應用點名稱、應用描述、涉及主要考核指標、應用平臺、應用頻次、分析去向等基本要素。通過構建第二層次應用點模板，明確了每個管理崗位應用信息資源支撐管理目標的內容和職責。隨著新的管理目標的不斷提出以及應用的逐步深入，模板每年都會有更新和擴充。3、第三層次針對性分析應用層。第三層次針對性分析應用層，應用主體是項目實施者，應用對象是各類項目的實施過程，例如QC項目、六西格瑪項目、質量改進項目，或針對生產中的特定事件進行的分析和研究。應用目標是通過應用數據資源和統計方法開展現狀調查、因果分析、效果驗證等工作，提高各類項目實施的嚴密性和科學性。第三層次的應用工具在使用初級統計方法的基礎上會大量應用包括方差分析、回歸分析、正交試驗、假設檢驗、流程圖等在內的中級統計方法。以QC活動為例，我們可以看出其實施過程無一不與數據應用之間有密切的聯系[1]。近年來，在質量改進項目和QC項目的評審工作中已逐步將“應用數據說話、運用用正確合理的統計方法，提高解決問題的科學性”作為項目質量考核標準之一。而六西格瑪項目實施的核心思想更是強調“以數據和事實驅動管理”，其五個階段[2]D（定義）、M（測量）、A（分析）、I（改善）、C（控制），每個階段都要求結合如FMEA（失效模式后果分析），SPC（統計流程控制），MSA（測量系統分析），ANOVE（方差分析），DOE（實驗設計）等統計方法和統計工具的應用。4、第四層次主題性應用層。第四層次主題性應用層，應用主體是中層管理者，應用對象是專業性或綜合性的分析主題，應用目標是通過專業科室設計的專題性分析模型或綜合性分析模型，為中層管理層提供決策依據。工廠在實施了業務流程“自動化”之后，產生了大量的數據和報表。如何將工廠的業務信息及時、精煉、明確地陳述給中層管理層，以此來正確地判斷工廠的生產經營狀況，是擺在我們眼前的一個突出問題。大家都有開車的經驗，司機在駕駛車輛的時候，他所掌握的車況基本上是來自汽車的儀表盤，在車輛行使的過程中，儀表盤指針的變化，告知汽車的車速、油料、水溫等的狀況，駕駛員只要有效地控制這些指標在安全范圍之內，車子就能正常地運行。我們不妨將儀表盤的理念移植于工廠，建立工廠關鍵指標及運行管理儀表盤，將工廠的關鍵信息直觀地列在上面，及時提醒各級管理人員工廠生產運營是否正常。
⑴關鍵績效指標監控系統。對分布在各處的當前及歷史數據進行統一展示，以工廠關鍵績效指標為中心，支持統計分析和挖掘，可為中層管理者提供工廠關鍵績效指標一門式的查詢服務，使各業務部門尋找、闡釋問題產生的原因，以有效監控各類關鍵績效指標，及時采取改進措施，提高生產經營目標完成質量。⑵系統運行狀態監控系統。通過數據采集、手工錄入等各種渠道收集各類系統的運行狀態，及時掌握故障情況，采取措施加以閉環，將因系統故障造成對用戶的影響減至最小，確保各類系統的穩定運行和有效應用。通過建立系統運行狀態監控系統，中層管理人員上班一打開電腦進入系統，就能了解到當天及上一天各類系統的運轉情況，發生了什么異常，哪些故障已經得到解決，哪些故障還未解決。⑶第四層次主題性分析應用。在展示關鍵績效指標和系統運行狀態的基礎上，由各專業科室思考專業條線上的分析主題，采用先進科學的理念和方法對數據進行分析和挖掘。近兩年來，工廠充分發揮專業科室的優勢和力量，相繼設計和開發了工藝質量條線的六西格瑪測評系統，設備條線的設備效能分析系統，還有質量成本核算與分析系統。通過這些分析主題的支持，工廠管理人員可以更方便快捷地了解質量、設備、成本等條線上的關鍵信息，及時采取相應措施，從而提升管理效率。
二、數據分析應用工作存在的不足及思考
工廠數據分析應用工作的推進方法從最初的采用數據分析應用率單個指標進行推進發展到目前按上文所述的四個層次進行推進，每個層次的推進脈絡已經逐步清晰和明朗，但事物發展到一定的階段總會達到一個瓶頸口，目前工廠數據分析應用工作存在的問題及措施思考如下：
1、從推進手段上要突破信息條線，充分發揮專業條線的力量。信息條線作為推進工廠數據分析應用的主管條線，其作用往往局限在技術層面上的支撐。雖然信息條線每年都會規劃形成工廠數據分析應用整體的工作思路和具體的實施計劃，但是無論從工廠層面還是從車間層面來講，單純依靠信息條線從側面加以引導和推進，使得數據分析應用工作始終在業務條線的邊緣徘徊，與產量、質量、設備、消耗、成本、動能等各個條線本身工作的結合度有一定的距離。所以工廠要進一步推進數據分析應用工作，調動起業務人員的積極性和主動性，突破現有的瓶頸，應該考慮如何調動起專業條線的力量。一是可以在年初策劃應用點的時候要加強專業條線對車間業務自上而下的指導，引導管理人員加強對缺少數據分析支撐的工序、崗位/管理目標的思考；二是建立平臺加強各車間同性質崗位之間的溝通與交流，均衡各個車間的數據分析應用水平和能力；三是對車間提交的分析報告給出專業性的指導意見。2、要加強對數據中心的應用。數據中心的建立可以使業務系統從報表制作、數據導出等功能中解放出來，專注于事務處理，將數據應用方面的功能完全交給數據中心來解決。目前，數據中心已建立了涉及產量、質量、消耗等各個條線的Universe模型，并對全廠管理干部進行了普及性的培訓。但是從目前應用情況來看，還比較局限于個別管理人員，追尋原因如下：一是業務系統開發根據用戶需求定制開發報表，業務人員通常習慣于從現成的報表中獲取信息。如果要求業務人員使用數據中心工具自行制作報表模板，甚至可能需要將其導出再作二次處理，那么業務人員一定更傾向于選擇第一種方式。二是近幾年來人員更替較多，新進管理人員不熟悉數據中心應用，導致數據中心應用面受到限制。隨著今后MES的建設，業務系統中的數據、報表、臺帳和分析功能將有可能由業務用戶自行通過集成在MES中的數據中心前端開發工具來訪問和靈活定制。因此，要盡快培養工廠業務人員數據中心的應用能力，包括數據獲取以及報表定制方面的技能。筆者認為應對方法如下：一是對于崗位人員變更做好新老人員之間一傳一的交接和培訓；二是適時針對新進管理人員開展集中培訓；三是通過采用一定的考核方法。3、提高新增應用點的質量。工廠每年都會組織各部門審視第一、第二層次應用點列表，圍繞重點工序和重點管理崗位調研有哪些應用上的空白點是需要重點思考的，以新增分析應用點的方式進行申報和實施。同時針對第三層次針對性分析應用，工廠也會要求部門以新增分析應用點的方式將需要數據支撐的項目進行申報。作為一項常規性工作，工廠每年都會組織部門進行應用點的申報，并按項目管理的思想和方法實施，事先確立各個應用點的應用層次、數據獲取方式、實現平臺，并對其實施計劃進行事先的思考和分解，確定每一個階段的活動目標、時間節點以及負責人員，每個季度對實施情況予以總結，并動態更新下一階段的實施計劃。該項工作從2005年起已經連續開展了三年，部門可供挖掘的應用點越來越少，如何調動部門的積極性，保持并提高應用點的實效性，我們有必要對新增分析應用點的質量和實施情況進行考評，考評標準為：一是新增分析應用點是否能體現數據應用開展的進取性、開拓性和創新性；二是新增分析應用點是否能切實提高管理的精細化和科學化水平；三是新增分析應用點是否能采用項目管理的思想和方法實施，按時間節點完成各項預定計劃。
三、結束語。隨著近幾年來技術平臺的相繼成熟以及管理手段的逐步推進，工廠業務人員用數據說話的意識已經越來越強，但是要真正使工廠管理達到“三分技術、七分管理、十二分數據”的水平，還有很長的路要走，這既需要我們的業務人員從自身出發提高應用數據的水平和能力，同時也需要工廠從管理手段和管理方法上不斷拓寬思路、創新手段，真正實現數據分析應用成為工廠管理的重要支撐手段。
作者單位：上海卷煙廠
參考文獻：
在以往的商業地產市場分析調查中，很多細微的數據是難以取得的。建造一座商場前，地產開發商通常需要知道幾件事：這座商場的輻射范圍有多大？該地區的人流情況如何？他們的消費水平有多高？過去這一切全靠人工調查獲得，毛大慶認為，請顧問公司做市場調研，其得出的結果非常寬泛。這種人工調查方式很難滿足開發商全部的需求。
在移動互聯網的時代，手機成為人們常用的工具。用戶通過手機搜索比較用餐或購物的商家，并習慣通過線上的方式完成支付。“這個過程中，有一個東西被忽略了，就是我們的信息也被別人搜集了，萬科現在要做的事情就是與百度合作，把這些浪費掉的信息收集到一起。”萬科副總經理肖勁對《環球企業家》說。而毛大慶對此總結道：“我們要用互聯網技術捕捉到傳統業務需要的更精準信息。經過總結、提煉，改良自身的服務和產品。”
今年6月，百度與萬科正式確立了戰略合作伙伴關系。宣布未來雙方將在萬科商用旗下的社區商業、生活廣場、購物中心系列業態中，嘗試引入百度的LBS技術服務（即基于位置的服務）。顯然，用百度的搜索技術和定位技術研究消費群體，通過百度的大數據分析，萬科想打造一套“消費者、商戶、運營商”在內的商業生態系統。而對于百度來說，通過跟商業地產的合作抓住中國零售業數據，在這種探索中也會創造出更多的商業模式。
玩轉數據
通過與百度的合作，萬科正式上線了管理系統―V-in。在肖勁看來，這套系統可以分為兩個維度：第一，通過該系統萬科可以讓消費者更快得到他們想要的信息；其次，針對商場人流的數據分析，萬科可以更精確地分析商戶定位和推廣策略。
透過大數據分析，萬科可以針對不同消費者設定個性推送“菜單”。消費者可以通過移動終端搜索功能，獲取萬科旗下購物中心的商戶信息、信譽評價、活動及優惠信息，方便事先進行購物規劃。然后，利用地圖功能，進行最佳交通路線規劃及行車導航。萬科將用戶從線上帶到線下，引導他們到購物中心的店鋪進行消費。針對駕車、公共交通和步行到場的消費者，提供不同的導航服務。
這個模型的理想之處在于，用戶從搜索商場開始就已經進入了萬科數據庫。通過搜索這一舉動可以引導用戶到達商場，用戶還可以在手機上標記停車位置。進入商場后，用戶可以使用手機導航直至購物過程結束，之后在百度指引下找到自己的停車位。甚至離開后，百度仍然可跟蹤他的去向。“客戶消費的過程就是提供給他們服務的過程，同時也可以收集他們的路徑。”肖勁表示，通過數據會形成一個非常嚴謹的分析結果。其中，對客戶信息的分析層面，目前把消費群體描繪成17種類型。而隨著數據的增加，客戶標準量越來越清晰，這些類型的劃分會逐漸減少。
萬科商業運營管理團隊根據V-in系統的大數據分析報告，亦可以為商戶提供增值服務。V-in系統的大數據分析可以成為商戶經營方式、促銷手段的參考依據，在租戶協調、推廣策略等方面也能幫助萬科商場運營管理團隊做出科學的經營分析和判斷。
“通過百度的室外人流軌跡分析，我們發現，有大量人群從回龍觀小區前往相對較遠的萬科位于昌平的商場購物。”百度LBS分析人員告訴《環球企業家》，這個結果比他們原本預計的商場輻射范圍更廣，依據這個信息，萬科可能考慮到回龍觀投放廣告，再通過數據分析出廣告效果，之后選擇下一步的行動。
在V-in上線之前，判斷商家的經營水平只有營業額一個維度，而V-in的啟用增加了更多判斷依據。萬科不僅希望得到數據，更希望通過V-in系統的大數據分析得到更有價值的運營管理思路，幫助商家及時調整經營策略，提高消費者的粘性。
關鍵詞：大數據；地方本科院校；經管人才培養
中圖分類號：G4
文獻標識碼：A
doi：10.19311/ki.1672-3198.2017.08.085
地方本科教育必須面向區域經濟發展，加快改革，實現經管人才的供給側改革。統計大數據的到來，經管專業擔負培養與社會需求匹配的可以進行大數據挖掘及分析的人才，這亟待改革大數據時代的經管人才培養方案。進行經管人才供給側改革有必要，研究經管專業大數據人才教學改革極具現實意義。首先，從《2013年大數據市場應用與趨勢調研報告》顯示，全球28%的企業和中國25%的企業利用大數據進行分析市場，淘寶，阿里巴巴等都在利用大數據進行消費者消費喜好，發現空白細分市場進行藍海戰略營銷計劃。利用傳統統計中的推斷統計結果具有一定的抽樣誤差更迫切需求大數據經管人才。歐美著名大學和國內名校（北大、人大MOOC）的在線教育平臺，為傳統教育帶來挑戰。大數據時代，獲取知識渠道多樣化，人才培養方式通過利用有效的知識平臺，促進師生教學共長，努力培養具有創新能力和意識的應用型人才極具意義。
1 大數據時代經管人才必備的技能
當前，我國高校培養的大數據分析人才集中于計算機科學與技術，人工智能等理工科極強的學科，市場對大數據人才的需求分別在各個專業尤其經管專業的大數據人才（金融、會計學、市鲇銷調查等等）需求量極大，對從事經管行業的經管人才特提出更高的要求。
1.1 較強的經管專業基礎
一個優秀的經管數據分析人員，首先應該具備扎實的統經濟管理專業基本理論。經管大數據分析人才需要較強的專業基礎及統計學能力，既要具備對現象的敏銳洞察力，又要有專業的經濟學知識，扎實的傳統統計理論基礎，又要有大數據的挖掘能力及收集數據的能力。因此，大數據經管人才具備的行業知識儲備越扎實，善于捕捉行業發展的熱點與方向的能力越強，切合行業實際需要的分析結論越具有現實經濟意義，這是大數據時代經管人才的復合型能力的體現。
1.2 計算機軟件操作能力
傳統的統計學理論及傳統的統計軟件（excel、spss）僅僅能體現學生的動手能力，動動鼠標能完成基本的數據分析，但對于數據分析模塊及分析原理并不清楚，同時對計算機的編程能力較弱。大數據時代，數據分析范圍不是抽樣調研數據，不是傳統的入戶調查數據，而是對海量數據的挖掘及分析歸類、分析得出結論，數據海量是傳統統計軟件完成不了的，大數據背景下，經管人才一定要具備計算機軟件操作機編程能力，它主要涉及到數據庫、程序設計、軟件開發等計算機軟件的各個方面。掌握的計算機能力水平越高，能夠挖掘的數據信息越豐富，提供決策支撐力度就越大，發現空白市場，潛在客戶的能力就越強。
1.3 扎實的統計學理論基礎
大數據產生的基石是傳統數據基礎理論，傳統統計主要的分析方法是統計和推斷統計，通過樣本數據統計量推斷總體參數過程，從而描述總體特征。經管人才必備的實踐能力必須首先建立在具有扎實統計理論基礎之上的人才。擁有統計學相關理論知識，利用概率論及數理統計分析現實經濟問題便能熟能生巧。大數據知識的掌握及充分利用，必須以統計學知識為前提。
2 大數據經管人才模式構建
我國經濟發展之迅速，如何在現有經濟條件下尋求新的經濟增長源泉，發現新的經濟增長空白，是建立在定性和定量分析的基礎上，尤其定量分析及其重要。因此，構建大數據經管人才模式勢在必行。首先是要培養大數據應用型教師團隊。大數據人才模式的構建首先需要培養教育新思想的應用型教師團隊，高校教師學習能力強，要主動充實自己，尋求專業前沿知識。應用型地方本科院校應鼓勵授課教師向雙師雙能型轉化，取得相關經管職業資格證書，并去企業兼職，這樣才能成為理論兼實踐相結合的實用性人才。同時，要培養校外知名專家到學校開設專題講座，補充學校師資力量，只有與社會需求匹配的教師才能培養出與社會需求匹配的人才。其次是開放互動教學，培養具有數據素養的大數據經管人才。傳統灌輸式的教學方式及單一教學手段是當前課堂教學的主流，利用互動式思維，研討式教學理念培養學生、激勵學生的問題意識及批判思想，用收集大數據、大數據案例教學、大數據數據分析及相關問題挖掘學生的潛能。譬如，教師上課時，可以設計一個大型項目，需要大數據挖掘，學生組隊進行挖掘數據，分析數據并設計算法，同時編程建模，撰寫分析報告，從項目設計到結論生整個流程都是由學生完成。學校要多鼓勵學生積極參加大學生各類創新實踐項目比賽，從比賽中提升自己，鍛煉學生的實踐創新能力。第三充分利用校企合作平臺，提升學生認知數據信息的重要價值。市場競爭激烈，經管尤其金融等行業以及電子商務專業的人才供需錯位。當前教學內容重理論輕實踐，重系統缺針對性，加速供需錯位比。因此，學校可以搭建校企合作平臺（非學校、企業、社會本位模式）的第四種“學校+企業”復合教育模式。該模式培養的經管人才以市場和社會需求為導向，整合雙方優勢資源，進行交換和合作，人才既有扎實理論基礎，又有企業實踐能力，并能在企業合作中完成自己不具有知識的積累，這將是學校完成大數據經管人才培養的重要補充和深化。校企教育平臺建設（筆者所在院，現在正在逐漸搭建的與蘇州產業園區的冠名班正是基于此思路）同時可以從具體的項目招收，共同構建課程體系，并共同修訂現有人才方案完成大數據經管人才的培養，并從供給側經管人才結構改革方面實現人才的匹配供給，從而培養出具有獨立利用大數據思維及能力進行經管數據挖掘、整理分析、管理與決策的經管復合型人才，以適應社會發展之需。
3 結語
隨著大數據時代的來臨，經管數據的海量特征，尤其金融會計行業的整體數據規模巨大特征，其客戶及商業商戶交易數據的價值既蘊含商機又能開拓潛在市場，對我國經濟發展將會帶來巨大變革，但當前經管大數據挖掘人才稀缺，形成了供需錯位的現象，通過大數據應用型經管人才的培養，培養高水平及實踐性較強的經管人才既能適應當前的社會發展，又能對區域經濟的發展起到重大貢獻，同時也能解決畢業生一畢業就面臨失業的尷尬局面。因此，地方高等院校培養實踐性、應用型的經管人才勢在必行。
參考文獻
[1]韓學軍.發達國家應用型創新人才培養模式的比較研究[J].理論界，2009，（1）.
三年以上工作經驗 | 男| 26歲（1987年12月10日）
居住地：上海
電 話：139********（手機）
E-mail：
最近工作 [ 1年7個月]
公 司：XX電子有限公司
行 業：電子技術/半導體/集成電路
職 位：心理咨詢課課長
最高學歷
學 歷：本科
專 業：應用心理學
學 校：青島大學
自我評價
本人性格熱情開朗，待人友好，為人誠實謙虛。工作勤奮，認真負責，能吃苦耐勞，盡職盡責，有耐心。具有親和力，平易近人，善于與人溝通。在平時學校生活中，做過很多兼職。鍛煉成了吃苦耐勞的精神，并從工作中體會到樂趣，盡心盡力。并通過心理學觀察身邊的人和事，讓自己能更好的認識自己與他人。
求職意向
到崗時間： 一周之內
工作性質： 全職
希望行業： 教育/培訓/院校
目標地點： 上海
期望月薪： 面議/月
目標職能： 講師/助教
工作經驗
2012/8—至今：XX電子有限公司 [ 1年7個月]
所屬行業： 電子技術/半導體/集成電路
人力資源部 心理咨詢課課長
1、主導推動完成員工心理異常三級預防、通報體系，為各階主管高效辨識、通報心理異常員工提供參考標準；
2、員工心理問題咨詢及行政服務；
3、匯總、統計來訪咨詢員工信息數據,擬定包含員工年齡特征、性別特征、基層員工問題特征、各廠區問題特征等各維度分析報告提報主管，根據主管要求制定相應對策；
4、組織籌建職業指導室，為員工提供職業指導、職業素質測評及職業咨詢類服務，并幫助員工結合公司內部職位要求做好職業生涯規劃；
5、推動、完善公司員工心理自助網絡平臺(包含網上預約咨詢服務、心理網站鏈接服務等)。
2010/7—2012 /7：XX醫療有限公司[2年]
所屬行業：醫療/護理/衛生
臨床心理治療門診心理健康調研究員
1、針對大學生來訪者進行電話咨詢，當面訪談，協助主醫師進行必要的干預和咨詢治療；
2、對鄉村留守兒童的心理健康調查研究，編制問卷、問卷調查、數據分析、重點咨詢、完成報告等系列工作；
3、協助康寧醫院經驗豐富的精神科醫生的日常診斷和治療工作；
4、與多名患者家屬及患者進行詳細訪談，對數據運用心理統計學整理分析。
教育經歷
2006/9--2010 /7 青島大學 應用心理學 本科
證 書
2012/9 國家心理咨詢師（三級）
2008 /6 大學英語六級
2007/6 大學英語四級
