時間：2023-06-06 09:32:19
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇數據分析方向，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
關鍵詞：數據分析；統計學；課程體系；大數據
中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2014）49-0248-02
隨著社交網絡的逐漸成熟，移動帶寬迅速提升，云計算、互聯網應用的豐富，更多的傳感設備、移動終端接入到網絡，由此產生的數據及增長速度將比歷史上的任何時期都要多，都要快。“大數據”時代已經來臨，它對人類的數據駕馭能力提出了新的挑戰，也為人們獲得更為深刻、全面的洞察能力提供了前所未有的空間與潛力。大數據是指海量數據集，其來源包括動漫數據、企業IT應用帶來的數據、博客、點擊流數據、社交媒體、機器和傳感數據等。它是互聯網、電子商務的又一次重大革命，對數據處理、數據挖掘、數據分析提出了新的挑戰。如今互聯網行業、電子商務行業中的數據應用及分析已經相當普遍，為了應對大數據時代的要求，同時要具備較強的統計學功底和嫻熟的計算機軟件運用能力，而今完全具備這些能力的數據分析專業人才是極其匱乏的。數據分析師便應運而生，不僅互聯網行業、電子商務行業需要大量的數據分析師，近年來項目數據分析事務所不斷涌現，而項目數據分析師因其專業技能及量化的數據分析為客戶以及所在單位控制決策風險、保證利益最大化而備受各界青睞，以待遇優厚和地位尊崇而聞名國際，也被視為我國21世紀的黃金職業?！度A商報》將項目數據分析師納入了新七十二行，《HR管理世界》將項目數據分析師評為七大賺錢職業。本文就如何在統計學專業開展數據分析方向進行了闡述，首先論述了數據分析的重要意義，其次討論了數據分析方向的課程構建，最后分析了如何加強理論與實踐環節的結合。
一、數據分析的重要意義
大數據預測美國總統：美國時代周刊報道稱，數據驅動的競選決策才是奧巴馬競選獲勝的關鍵。數據分析團隊在籌集競選經費、鎖定目標選民、督促選民投票等各個環節的決策中都發揮了重要作用。這意味著華盛頓競選專家的作用極具下降，能夠分析大數據的量化分析家和程序員的地位卻大幅提升。如今從事專業數據分析工作的企業如項目數據分析師事務所、數據挖掘公司等都應市場需求而大力發展，并且受到風險投資的青睞。如美國社交數據挖掘公司Datasift于2012年宣布，獲得1500萬美元風險投資。2013年，DataSift成為Twitter的“認證合作伙伴”，主要負責海量微博社交數據分析。這是該公司今年第二筆融資，五月份其曾融資720萬美元。又如面向開發者的大數據應用軟件平臺服務提供商Continuity最近獲得1000萬美元的融資，目前融資總額已經達到1250萬美元。
數據分析的應用無處不在，那什么是數據分析呢？數據分析就是用適當的統計方法對數據進行分析，以求最大化地開發數據的功能，發揮數據的作用。是為了提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。數據分析技術不僅能通過對真實數據的分析去發現問題，還能夠通過經濟學原理建立數學模型，對投資或其他決策是否可行進行分析，預測未來的收益及風險情況，為做出科學合理的決策提供依據。在提高工作效率的基礎上，也增強企業管理的科學性。無論是在國家政府部門，還是企事業單位中，數據分析工作都是進行決策和做出工作決定之前至關重要的一個環節。因此，針對項目可行性、風險承載力、投資回報率以及相關經濟效益指標等方面的分析工作顯得格外重要。在這個工作過程中，專業的數據分析人員扮演著無比重要的角色，數據分析成果的質量高低直接決定著項目投資、企業經營決策計劃最終的方向。所以，各個行業對數據分析人員的需求之多是不言而喻的。傳統行業，如政府機構：一類是計委、經委、統計局等一些經濟綜合管理部門所設有的調研處、研究室和情報所。第二類是商業、糧食、物資、銀行等經濟主管業務部門會設有信息中心或調研室，從本系統、本部門的業務出發進行專業性調研，提供支持本部門的市場信息。而伴隨著數據分析應用的擴大，其在新興行業中也得到了發展，如計算機軟硬件及IT行業、電子商務與網絡游戲、金融保險、消費品、咨詢業與廣告媒體、大型設備與重工業以及房地產行業等對數據分析師的需求量很大，尤其是電子商務，由于利用互聯網，能夠比傳統零售業具有更好的數據收集和管理能力，能積累海量的數據，因此更看重從海量數據中挖掘出用戶偏好和市場機會。研究機構：比如市場研究公司、咨詢公司、證券公司、研究院。自主創業：取得注冊項目數據分析師（CPDA）資格證可以自主創建或就業于項目數據分析師事務所等。所以，數據分析的行業應用是極其廣泛的，并且隨著大數據時代的到來，數據分析尤其是數據挖掘將借助互聯網的發展，逐步形成人們依靠的重點，并可能成為未來發展與競爭的重點之一。由此我們可以看到數據分析師的就業前景是非常廣泛而樂觀的，無論是數學專業、統計專業，還是計算機專業的學生，都可以通過系統的學習數據分析課程來適應對數據分析人才的要求。
二、課程體系構建
1.主干課程。主干課程包含高代、數分、概率論、數理統計、多元統計分析、時間序列分析、市場調查與分析、統計預測與決策、數據結構、C語言、數據分析、數據挖掘、大數據分析與展示。理論課程的學習可以使學生了解數據分析的基本內容，學會如何對已獲取的數據進行加工處理，如何對實際問題進行定量分析，以及如何解釋分析的結果。掌握幾種常用數據分析方法的統計思想及基本步驟，并具備一定的分析論證能力。
2.實驗課程。數據分析的操作離不開計算機。目前數據分析行業常用的一些統計軟件有SAS、SPSS和R軟件。SAS軟件是一個模塊化、集成化的大型應用統計系統。它的功能包括數據訪問、數據儲存及管理、應用開發、圖形處理、數據分析、報告編制、運籌學方法、計量經濟學與預測等。SPSS軟件是一個社會科學統計軟件包，是采用圖形菜單驅動界面的統計軟件，SPSS的基本功能包括數據管理、統計分析、圖表分析、輸出管理等。R軟件是一套完整的數據處理、計算和制圖軟件系統，包括：數據存儲和處理系統、完整連貫的統計分析工具、優秀的統計制圖功能、可操縱數據的輸入和輸入等功能。這三個軟件在數據分析中針對不同行業的需求有不同方向的應用。
3.專業課程。從數據分析的行業需求出發，好的數據分析人員不僅要有較強的數據分析能力，還要有該行業的背景及相關知識的儲備，這樣才能將數據分析與行業特性聯系起來，發揮數據分析的最大功能，即所謂的“因地制宜”。同時要兼顧學生的興趣與學習的聯系，需提供多領域的課程選擇，如：經濟學、金融學、保險學、管理學、會計學等。而在軟件學習方面也要拓寬渠道，除了實驗課程安排學習的軟件，學生可根據自身發展意向再多掌握一些軟件如：SQL數據庫，熟悉office常用功能，尤其熟練運用Word和PowerPoint、Excel圖表及數據分析等。同時還應該結合對數據分析師的要求設置一些相關課程：投資數據分析、市場調研與預測、預測技術分析、現金流量表編制、風險投資項目篩選、不確定性分析、編制數據分析報告等。
三、實踐環節
培養數據分析的專業型人才目的就是為了學以致用。數據分析本身就是為了從數據中發現問題、建立模型、預測收益風險企業決策進而做出合理正確的決策判斷。因此，學習了基本的知識和技能就要運用到實際操作中。學?？梢院捅镜氐臄祿治鍪聞账蛘叽罅啃枨髷祿治鋈藛T的互聯網行業建立實訓基地，進行合作式教學，使得學生在實習的過程中能夠理論聯系實際，切身體會數據分析的商業操作體系，這樣就能夠促進學生有目的、有取舍地針對自身情況學習鉆研，繼而就能夠培養出適應經濟發展，滿足市場需求的應用型人才。
四、結語
在大數據時代到來之時，數據分析在互聯網中的應用將會空前廣泛，與此同時對數據分析師的需求也將會井噴，無論是在軍事、工業、企業還是在政治上，大數據分析都將會十分緊缺。因此，目前對數據分析師的培養刻不容緩。本文從分析數據分析行業發展及其重要意義、數據分析專業課程設置以及教學實踐環節方面對構建數據分析課程體系進行了探討。不僅從教學課程的內容上予以安排，而且更加注重引導學生自主學習，特別強調理論結合實踐的合作式教學。希望能夠結合行業需求合理地構建課程，培養出專門從事數據分析的項目數據分析師，從而能夠滿足市場需求和自身發展。
參考文獻：
[1]范金城.數據分析[M].科學出版社，2010.
[2]http：///jrt/120922/70953.shtml
以上是目前數據分析工具所能達到的功能結構圖。
在做數據分析之前，要多問幾個“為什么”。
為什么要做數據分析？
數據分析能夠幫我們做什么決策？
我們的目標實施需要數據分析做什么支持？
有方向的發現，才是真正有價值的發現，才會真的有所發現。
你找到你的店鋪需要什么數據了嗎？
關鍵詞：大數據；數據挖掘；機遇；挑戰
中圖分類號：F27
文獻標識碼：A
doi：10.19311/ki.16723198.2016.21.032
而今，隨著互聯網、社交網的數據量不斷增長，在大數據浪潮的沖擊下，圖書館的IT應用也可借此加強數據建設，從而為圖書館知識服務創造更多的機遇，譬如構建業務建設的風險模型，或是對圖書館用戶進行流失分析，甚至可以通過整合多維度大數據進行輔助決策。
1大數據的特性
1.1數量大
數據量已不僅僅局限于TB級，已然向著PB甚至更高級別的數據量邁進，呈指數型增長的數據量已無法用傳統的數據處理方式進行分析存儲。
1.2實時性
數據實時生成對數據分析模型提出了更高的要求，依賴于交互式、實時數據、建立實時的分析模型，通過分析挖掘數據背后深層次的需求增長或者對未來數據進行及時預測實時數據在大數據時代下意義顯得尤為重要。
1.3多維度
大數據時代下，數據來源廣泛而多樣，不再僅僅局限于手工統計分析，而是可依據各類訪問日志、檢索記錄、新聞媒體、影音視頻以及社交軟件等來源，具備結構化、半結構化甚至非結構化屬性的數據，以及在多維度基礎上獲得一段時間內的數據形成的面板數據等。
1.4價值高
數據即是財富，也許單一的數據并無多大價值，但當龐大的數據將為我們提供更多更復雜的潛在信息，依據數據分析和挖掘技術，將會深入了解到數據背后的意義。
2大數據為圖書館帶來的挑戰
2.1存儲能力及計算能力的挑戰
隨著大數據的飛速發展，數據來源增多，數據類型多樣，數據采集技術的提高使得人們捕獲數據能力也在穩步上升，各類結構化、非結構化的數據呈現出的復雜性吸引了眾多研究者的目光，而大數據為基礎的科學研究呈現出百花齊放的優良態勢。有助于圖書館在此背景下向著新型知識服務的方向轉變。而圖書館現有的數據儲存技術以及數據分析技術顯然難以跟上大數據發展的步伐。如何將分層分級存儲架構的設計付諸實踐以適應信息管理的需要，如何是數據不再受到現有計算能力能力約束，如何實現高通量計算機、高可靠性、高預測性等數據分析技術來對現有的大數據進行統計分析等問題，都是有待解決的難題。
2.2數據分析能力的挑戰
大數據帶給我們向著廣度和深度發展的，已經突破了常規而傳統的數據分析要求。大數據時代下的圖書館也需要通過數據分析了解知識服務的特點以及對未來的發展進行預測，從而應對可能發生的困境或機遇，因此，關聯分析、趨勢分析、神經網絡分析、移動平均線分析等分析技術，可以為圖書館未來的發展創造一定的主動權。
2.3硬件設備的挑戰
隨著儲存和計算規模的不斷擴大，圖書館需要將高端服務器轉換為中低端硬件構成的大規模計算機集群，從而支持非結構化的數據儲存要求，同時需要有能夠獲取儲存大規模數據的硬件并能夠自動壓縮、分層、刪除重復數據等智能分析技術，并且有復制分塊數據集到集群服務的網絡設施以及具有保護性可保密性的軟硬件基礎設施。
2.4人員儲備的挑戰
對于現有的大多數圖書館員而言，大數據分析技術是一項全新的技術，他們并不具備相關的知識儲備及分析能力，即便是具有一定的知識的圖書館員，可能有也缺乏實際應用的能力，難以將可挖掘的數據做持久化處理及深度分析。此外，隨著圖書館數據量的增長，所能夠真正分析使用的數據比例實際在降低，如果選擇實用可靠的數據分析方法，提高可分析數據比例，真正將數據分析應用到知識服務的輔助決策中，是每一個圖書館員索要思考的問題。
3大數據為圖書館帶來的機遇
3.1智能輔助
傳統的信息檢索模式依賴于用戶所輸入的檢索詞，通過檢索功能將結果對用戶進行反饋，而依賴于大數據的智能輔助功能則不僅僅只是被動的接收用戶的檢索要求，可以通過檢索歷史判斷客戶需求，從而主動推送相關信息給用戶。通過對用戶搜索行為數據的分析，發現客戶的搜索習慣和搜索需求，并有針對性的進行推送，從而提高檢索效率。
3.2用戶流失及價值分析
隨著硬件、軟件局限性以及人員素質無法滿足當前或未來的要求等問題約束了圖書館的發展，特別是在網絡技術高速發展，信息量急速膨脹的今天，高校人員對于圖書館的存在價值進一步弱化，因此，如何能夠通過利用大數據分析用戶的需求、行為特點、使用習慣等來應對圖書館用戶流失的現狀，并且對于未來在交互知識服務中對于用戶與圖書館使用方向發展態勢進行預測，消除圖書館所面臨的發展困境是值得每一位圖書館員研究的課題。
3.3引文分析及趨勢分析
利用各類統計學的方法：如時間序列分析、相關分析、假設檢驗、聚類分析等方式，量化文獻引用頻率及行為，通過相互引證關系分析除了可以分析作者影響力或是文獻重要性，還可分析學科之間的交互性以及信息來源分布特征，從而為各學科發展方向提供相應的規劃依據。同時，圖書館作為文獻集合的載體，可得到不同類型、不同信息要素之間相互引證的數據，從而為用戶建立立體的引用分析，掌握全面的引證關系，即在廣度上對于知識體系進行挖掘。此外，通過對于不同時間點的相同指標，可建立某些檢索或引證的趨勢曲線分析，便于用戶了解檢索的學術趨勢或是學科的研究熱點的歷史變遷。從而發現不同學科、不同主題甚至不同機構的文獻生長方向，在深度上挖掘相關的知識體系。
3.4知識服務及業務建設的風險模型構建
通過數據挖掘技術可構建圖書館信息安全風險評估模型，信息資源利用率評估模型、圖書采購及使用率評估模型、知識產權風險評估模型等具有分析、決策等功能的數學模型來協助我們對于相關知識服務及業務建設的關鍵因素進行深入研究，同時可依據二八原則：即80%的效益由20%的關鍵因素決定，從而能夠達到抓主要因素，促進圖書館有效發展的作用。
3.5知識挖掘及情報分析
通過引入先進的分析技術：如數據挖掘、索引規則等手段來對于各類文獻數據進行深入分析，了解各類文獻間的錯綜復雜的關系，揭示信息資源關聯立體的知識體系，挖掘客戶潛在的知識需求，從而提供精準的發現服務。此外，利用結構化和非結構化的數據，實現自動化、智能化的分析技術，獲取動態化、知識化的情報，通過人機交互的方式及可視化的技術，幫助用戶在一定的技術環境中查看分析結果，了解信息資源潛在的發展規律。
參考文獻
[1]姜山，王剛.大數據對圖書館的啟示[J].圖書館工作與研究，2013，（4）：5254.
關鍵詞：大數據；數據分析；數據挖掘；體系建設
引言
進入21世紀以來，隨著高新科技的迅猛發展和經濟全球化發展的趨勢，我國國民經濟迅速增長，各行業、領域的發展也頗為迅猛，人們生活水平與日俱增，在物質生活得到極大滿足的前提下，更加追求精神層面以及視覺上的享受，這就涉及到數據信息方面的內容。在經濟全球化、科技一體化、文化多元化的時代，數據信息的作用和地位是不可小覷的，處理和歸類數據信息是達到信息傳遞的基礎條件，是發展各學科科技交融的前提。
然而，世界上的一切事物都包含著兩個方面，這兩個方面既相互對立，又相互統一。矛盾即對立統一。矛盾具有斗爭性和同一性兩種基本屬性，我們必須用一分為二的觀點、全面的觀點看問題。同時要積極創造條件，促進矛盾雙方的相互轉變。數據信息在帶給人們生產生活極大便利的同時，還會被諸多社會數據信息所困擾。為了使廣大人民群眾的日常生活更加便捷，需要其客觀、正確地使用、處理數據信息，完善和健全數據分析技術和數據挖掘手段，通過各種切實可行的數據分析方法科學合理地分析大數據時代下的數據，做好數據挖掘技術工作。
1 實施數據分析的方法
在經濟社會快速發展的背景下，我國在科學信息技術領域取得長足進步。科技信息的發展在極大程度上促進了各行各業的繁榮發展和長久進步，使其發展更加全面化、科學化、專業化，切實提升了我國經濟的迅猛發展，從而形成了一個最佳的良性循環，我國也由此進入了大數據時代。對于大數據時代而言，數據分析環節是必不可少的組成部分，只有科學準確地對信息量極大的數據進行處理、篩選，才能使其更好地服務于社會，服務于廣大人民群眾。正確處理數據進行分析過程是大數據時代下數據分析的至關重要的環節。眾所周知，大數據具有明顯的優勢，在信息處理的過程中，需要對大容量數據、分析速率，以及多格式的數據三大問題進行詳細的分析和掌握。
1.1 Hadoop HDFS
HDFS，即分布式文件系統，主要由客戶端模塊、元數據管理模塊、數據存儲服務模塊等模塊組成，其優勢是儲存容量較大的文件，通常情況下被用于商業化硬件的群體中。相比于低端的硬件群體，商業化的硬件群體發生問題的幾率較低，在儲存大容量數據方面備受歡迎和推崇。Hadoop，即是分布式計算，是一個用于運行應用程序在大型集群的廉價硬件設備上的框架，為應用程序的透明化的提供了一組具有穩定性以及可靠性的接口和數據運動，可以不用在價格較高、可信度較高的硬件上應用。一般情況下，面對出現問題概率較高的群體，分布式文件系統是處理問題的首選，它采用繼續運用的手法進行處理，而且還不會使用戶產生明顯的運用間斷問題，這是分布式計算的優勢所在，而且還在一定程度上減少了機器設備的維修和維護費用，特別是針對于機器設備量龐大的用戶來說，不僅降低了運行成本，而且還有效提高了經濟效益。
1.2 Hadoop的優點與不足
隨著移動通信系統發展速度的不斷加快，信息安全是人們關注的重點問題。因此，為了切實有效地解決信息數據安全問題，就需要對大量的數據進行數據分析，不斷優化數據信息，使數據信息更加準確，安全。在進行數據信息的過程中，Hadoop是最常用的解決問題的軟件構架之一，它可以對眾多數據實行分布型模式解決，在處理的過程中，主要依據一條具有可信性、有效性、可伸縮性的途徑進行數據信息處理，這是Hadoop特有的優勢。但是世界上一切事物都處在永不停息地變化發展之中，都有其產生、發展和滅亡的歷史，發展的實質是事物的前進和上升，是新事物的產生和舊事物的滅亡，因此，要用科學發展的眼光看待問題。Hadoop同其他數據信息處理軟件一樣，也具有一定的缺點和不足。主要表現在以下幾個方面。
首先，就現階段而言，在企業內部和外部的信息維護以及保護效用方面還存在一定的不足和匱乏，在處理這種數據信息的過程中，需要相關工作人員以手動的方式設置數據，這是Hadoop所具有的明顯缺陷。因為在數據設置的過程中，相關數據信息的準確性完全是依靠工作人員而實現的，而這種方式的在無形中會浪費大量的時間，并且在設置的過程中出現失誤的幾率也會大大增加。一旦在數據信息處理過程中的某一環節出現失誤，就會導致整個數據信息處理過程失效，浪費了大量的人力、物力，以及財力。
其次，Hadoop需求社會具備投資構建的且專用的計算集群，在構建的過程中，會出現很多難題，比如形成單個儲存、計算數據信息和儲存，或者中央處理器應用的難題。不僅如此，即使將這種儲存形式應用于其他項目的上，也會出現兼容性難的問題。
2 實施數據挖掘的方法
隨著科學技術的不斷發展以及我國社會經濟體系的不斷完善，數據信息處理逐漸成為相關部門和人們重視的內容，并且越來越受到社會各界的廣泛關注和重視，并使數據信息分析和挖掘成為熱點話題。在現階段的大數據時代下，實施數據挖掘項目的方法有很多，且不同的方法適用的挖掘方向不同?；诖?，在實際進行數據挖掘的過程中，需要根據數據挖掘項目的具體情況選擇相應的數據挖掘方法。數據挖掘方法有分類法、回歸分析法、Web數據挖掘法，以及關系規則法等等。文章主要介紹了分類法、回歸分析法、Web數據挖掘法對數據挖掘過程進行分析。
2.1 分類法
隨著通信行業快速發展，基站建設加快，網絡覆蓋多元化，數據信息對人們的生產生活影響越來越顯著。計算機技術等應用與發展在很大程度上促進了經濟的進步，提高了人們的生活水平，推動了人類文明的歷史進程。在此背景下，數據分析與挖掘成為保障信息安全的基礎和前提。為了使得數據挖掘過程更好地進行，需要不斷探索科學合理的方法進行分析，以此確保大數據時代的數據挖掘進程更具準確性和可靠性。分類法是數據挖掘中常使用的方法之一，主要用于在數據規模較大的數據庫中尋找特質相同的數據，并將大量的數據依照不同的劃分形式區分種類。對數據庫中的數據進行分類的主要目的是將數據項目放置在特定的、規定的類型中，這樣做可以在極大程度上為用戶減輕工作量，使其工作內容更加清晰，便于后續時間的內容查找。另外，數據挖掘的分類還可以為用戶提高經濟效益。
2.2 回歸分析法
除了分類法之外，回顧分析法也是數據挖掘經常采用的方法。不同于分類法中對相同特質的數據進行分類，回歸分析法主要是對數據庫中具有獨特性質的數據進行展現，并通過利用函數關系來展現數據之間的聯系和區別，進而分析相關數據信息特質的依賴程度。就目前而言，回歸分析法通常被用于數據序列的預計和測量，以及探索數據之間存在的聯系。特別是在市場營銷方面，實施回歸分析法可以在營銷的每一個環節中都有所體現，能夠很好地進行數據信息的挖掘，進而為市場營銷的可行性奠定數據基礎。
2.3 Web數據挖掘法
通訊網絡極度發達的現今時代，大大地豐富了人們的日常生活，使人們的生活更具科技性和便捷性，這是通過大規模的數據信息傳輸和處理而實現的。為了將龐大的數據信息有目的性地進行分析和挖掘，就需要通過合適的數據挖掘方法進行處理。Web數據挖掘法主要是針對網絡式數據的綜合性科技，到目前為止，在全球范圍內較為常用的Web數據挖掘算法的種類主要有三種，且這三種算法涉及的用戶都較為籠統，并沒有明顯的界限可以對用戶進行明確、嚴謹的劃分。隨著高新科技的迅猛發展，也給Web數據挖掘法帶來了一定的挑戰和困難，尤其是在用戶分類層面、網站公布內容的有效層面，以及用戶停留頁面時間長短的層面。因此，在大力推廣和宣傳Web技術的大數據時代，數據分析技術人員要不斷完善Web數據挖掘法的內容，不斷創新數據挖掘方法，以期更好地利用Web數據挖掘法服務于社會，服務于人們。
3 大數據分析挖掘體系建設的原則
隨著改革開放進程的加快，我國社會經濟得到明顯提升，人們物質生活和精神文化生活大大滿足，特別是二十一世紀以來，科學信息技術的發展，更是提升了人們的生活水平，改善了生活質量，計算機、手機等先進的通訊設備比比皆是，傳統的生產關系式和生活方式已經落伍，并逐漸被淘汰，新的產業生態和生產方式噴薄而出，人們開始進入了大數據時代。因此，為了更好地收集、分析、利用數據信息，并從龐大的數據信息中精準、合理地選擇正確的數據信息，進而更加迅速地為有需要的人們傳遞信息，就需要建設大數據分析與挖掘體系，并在建設過程中始終遵循以下幾個原則。
3.1 平臺建設與探索實踐相互促進
經濟全球化在對全球經濟發展產生巨大推力的同時，還使得全球技術競爭更加激烈。為了實現大數據分析挖掘體系良好建設的目的，需要滿足平臺建設與探索實踐相互促進，根據體系建設實際逐漸摸索分析數據挖掘的完整流程，不斷積累經驗，積極引進人才，打造一支具有專業數據分析與挖掘水準的隊伍，在實際的體系建設過程中吸取失敗經驗，并適當借鑒發達國家的先進數據平臺建設經驗，取其精華，促進平臺建設，以此構建并不斷完善數據分析挖掘體系。
3.2 技術創新與價值創造深度結合
從宏觀意義上講，創新是民族進步的靈魂，是國家興旺發達的不竭動力。而對于數據分析挖掘體系建設而言，創新同樣具有重要意義和作用。創新是大數據的靈魂，在建設大數據分析挖掘體系過程中，要將技術創新與價值創造深度結合，并將價值創造作為目標，輔以技術創新手段，只有這樣，才能達到大數據分析挖掘體系建設社會效益與經濟效益的雙重目的。
3.3 人才培養與能力提升良性循環
意識對物質具有反作用，正確反映客觀事物及其發展規律的意識，能夠指導人們有效地開展實踐活動，促進客觀事物的發展。歪曲反映客觀事物及其發展規律的意識，則會把人的活動引向歧途，阻礙客觀事物的發展。由此可以看出意識正確與否對于大數據分析挖掘體系平臺建設的重要意義。基于此，要培養具有大數據技術能力和創新能力的數據分析人才，并定期組織教育學習培訓，不斷提高他們的數據分析能力，不斷進行交流和溝通，培養數據分析意識，提高數據挖掘能力，實現科學的數據挖掘流程與高效的數據挖掘執行，從而提升數據分析挖掘體系平臺建設的良性循環。
4 結束語
通過文章的綜合論述可知，在經濟全球化趨勢迅速普及的同時，科學技術不斷創新與完善，人們的生活水平和品質都有了質的提升，先進的計算機軟件等設備迅速得到應用和推廣。人們實現信息傳遞的過程是通過對大規模的數據信息進行處理和計算形成的，而信息傳輸和處理等過程均離不開數據信息的分析與挖掘?？梢哉f，我國由此進入了大數據時代。然而，就我國目前數據信息處理技術來看，相關數據技術還處于發展階段，與發達國家的先進數據分析技術還存在一定的差距和不足。所以，相關數據分析人員要根據我國的基本國情和標準需求對數據分析技術進行完善，提高思想意識，不斷提出切實可行的方案進行數據分析技術的創新，加大建設大數據分析挖掘體系的建設，搭建可供進行數據信息處理、劃分的平臺，為大數據時代的數據分析和挖掘提供更加科學、專業的技術，從而為提高我國的科技信息能力提供基本的保障和前提。
參考文獻
[1]唐東波.基于神經網絡集成的電信客戶流失預測建模及應用[J].大眾商務，2010（06）.
[2]劉蓉，陳曉紅.基于數據挖掘的移動通信客戶消費行為分析[J].計算機應用與軟件，2006（02）.
[3]魏娟，梁靜國.基于數據挖掘技術的企業客戶關系管理（CRM）[J].商業研究，2005（07）.
[4]田苗苗.數據挖掘之決策樹方法概述[J].長春大學學報，2004（06）.
[5]王曉佳，楊善林，陳志強.大數據時代下的情報分析與挖掘技術研究――電信客戶流失情況分析[J].情報學報，2013.
[6]劉京臣.大數據時代的古典文學研究――以數據分析、數據挖掘與圖像檢索為中心[J].文學遺產，2015.
[關鍵詞]臨床醫學專業碩士；研究生教育；數據分析
1培養學生的文獻檢索和閱讀能力
1.1數據分析與臨床醫學教育關系
目前全世界的生命科學在自然科學研究領域中的比重已達到50%[2]，網絡的迅速發展和大數據時代的到來，傳統的醫學生培養模式無法適應未來發展。很多課堂上學習的知識僅僅幾年后就會更新，醫學生需要掌握獲取更多新知識、發現新問題的能力，而不是僅僅是背誦記憶現有知識內容。目前臨床醫學專業碩士參加規范化培養，投入實驗研究的時間十分有限，因此可以在導師指導下進行臨床科研。中國人口基數大，任何一家三甲醫院都積累了大量的臨床數據，如何利用這些數據進行臨床科研是很關鍵的問題。導師可輔導學生通過臨床診療提出問題，并從臨床數據中獲取有價值的信息，并進一步應用于臨床。
1.2通過文獻檢索和文獻閱讀建立科研思維
從臨床實踐中提煉出自己感興趣的方向再進行研究，首先需要廣泛的文獻檢索和閱讀。導師首先教授學生各種國內外文獻的檢索方法，并向學生推薦相關文獻、指南，讓學生就某一專業方向進行大量閱讀，撰寫綜述，還可開展相關知識講座或沙龍，有利于學生不斷的進行?？苾热莸膶W習，建立科研思維。
1.3建立數據思維的概念
除了進行Meta分析外，數據分析還有更為廣闊的用途。教授學生通過準確的數據刻畫模糊的現狀，讓臨床經驗有科學的依據支撐；依據已知數據挖掘未知的事實，有一些數據獨立看來并沒有什么價值，但匯總起來會給臨床醫師新的啟示，培養學生連續性、整體性的思維方式；依據歷史數據預測未來趨勢，通過對趨勢的預測，我們對診治疾病有更多的主動性，讓治療“未病之病”有了更強依據。
2教授學生多種數據收集和統計方法
2.1以科學的方法收集數據
有些學生在開始數據收集時一味求多求大，造成納入指標特別多，但患者難以長期按此要求復查，造成研究難以持續。導師要引導學生精簡和集中目標，使學生明確自己需要研究的是哪些方面，觀察的終點事件和結局指標、收集數據的周期是什么，建立科學數據系統。
2.2收集方法和評估
有些患者隨訪的依從性不佳，隨訪間隔不一致，而且在不同的醫院檢查，有時數據單位也不相同，這就需要告訴學生在納入目標人群前做好評估。數據是否缺失、如何處理一致性及數據歧義性均需要教授學生按照統計學要求進行分類和填補，以保證分析結果的可靠性。
2.3數據記錄
指導學生使用結構簡單、易組織、通用性強的表格。常用工具是Excel，易操作、常見的數據分析工具都支持。不同學生的研究內容、方向并不相同，但數據表要統一，可根據需要采用單樣本數據表或多樣本數據表，最重要的是保持數據的完整性。臨床數據收集過程可能需要很長時間，幾屆學生的積累才有可能進行較完整的統計，采用統一的數據表有助于進行全面分析時數據的提取。
2.4統計方法選擇
基礎研究的統計學方式相對比較單一，因為是前瞻性研究，數據比較規范。而臨床數據不同，納入統計前需要評估數據是否屬于正態分布，根據樣本量、數據類型、結局指標分析要求等選擇不同的統計學方法。不同統計方法可能得出不一致的結果，需要在實踐中反復摸索，必要時與統計分析人員一同選擇合適的統計學方法，減少方法選擇不同而造成的結果偏倚。在這一過程中，讓學生牢牢掌握統計學方法。
3指導數據總結和結果呈現
3.1指導數據總結與討論
臨床數據千變萬化，不同地區不同方案都會對臨床數據造成影響。因此，只要是真實數據，無論是單中心還是多中心研究，無論是前瞻性還是回顧性分析，亦或是橫斷面研究或隊列性研究，對于學生來說都有內容可進行總結和討論，導師需要指導他們從紛雜的統計結果中找出關鍵點?？梢詮幕颊咦陨砬昂蟮淖兓瘜Ρ戎委煼桨刚{整的效果，可以從不同的治療組比較結局的差異，可以與全國或全世界其他國家的數據庫比較找出差距，或為中國臨床的指南修訂提供部分依據。
3.2數據分析與論文撰寫
通過臨床數據分析十分有利于撰寫臨床論文，有助于改變導師“重科研、輕臨床”的觀念[3]。在慢性腎臟病領域，數據分析做的較早較好的高雄醫學大學附屬中和紀念醫院，每年有數十篇臨床在國際期刊[4]。通過數據分析，能讓學生的科研與臨床的結合更為緊密，不僅如此，應用科學規范的數據分析后能讓患者的治療隨訪趨于規范，有助于規范化和精準化治療和管理。通過數據模板分析圖，可提出重點關注個案及更新管理目標，有利于教授學生如何把科學更好應用于實踐中，提高臨床專業研究生的人文素養、臨床?？茖嵺`能力和臨床應用科研能力[5]。
3.3建立讀書報告會制度和演講訓練
根據畢馬威近期名為《超越數據：讓數據和分析指導企業行動》的調研報告，99%的跨國企業認為數據分析（data & analytics）對他們的業務至關重要。報告同時發現，中國企業正計劃大筆投資發展數據分析，以期趕上那些利用現有客戶數據發展成功的電子商貿及科技公司。
畢馬威中國客戶和創新事務合伙人查瑋亮指出：“中國企業過去傾向于根據歷史數據評估消費模式，但我們發現有越來越多的企業在利用數據分析預測消費者的購物模式，并形成對消費者的全面認識以實現所有渠道的交叉銷售?！?/p>
粗線條分析
這份報告的調研數據來源于畢馬威對144名首席財務官及首席信息官的訪問，他們均來自年收入10億美元或以上的跨國企業。
報告指出，51%的亞太區受訪者（包括中國）認同數據和分析對企業的發展戰略具有重要意義；71%的受訪者表示使用數據和分析能夠幫助他們發現一些或會被忽略的真知灼見。
查瑋亮向記者指出，消費主義在中國的興起，電子商務的高速增長，以及移動科技的普及讓許多中國企業能夠從客戶身上獲取大量數據。數據和分析正在成為很多中國企業用于拉近與客戶距離的一項重要戰略工具。
此外，82%的受訪者認為數據分析技術能加快分析信息的速度；63%的受訪者指出數據分析有助提高效率進而節省更多成本。然而，畢馬威中國合伙人張瑪莉認為，與西方發達國家企業相比較，中國企業在運用數據分析降低成本時的著眼點還是存在一定的差異。
張瑪莉在接受記者采訪時表示，西門子和摩托羅拉等大型跨國公司很善于通過財務管控方式優化公司成本結構。例如它們在中國設立分支機構時會比較每個城市的綜合成本進而將加工廠設在二三線城市，這樣就可以用相同的運營方式但比較少的成本獲得相同的產品和服務。而同時，這些跨國公司僅需將銷售公司放在市場比較活躍的一線城市。近年來中國的一些企業也開始逐漸采用這種方式降低成本，雖然最終也達到了目標，但它們主要是根據比較宏觀的數據分析手段來進行預測的。
“跨國公司通常將成本細化成很多科目，比如人工成本、租金、財務成本等等，通過分析這些細化的科目來有效地管控成本。在細化分析方面，中國企業才剛剛起步。”張瑪莉說。
為市場服務
數據對每個企業來說都不可或缺，但當前并非所有企業都能從數據中獲益良多。畢馬威調研報告發現，亞太區近八成受訪者表示，更好地使用數據和分析能夠讓它們受益“更多”；相比之下，只有47%的美國受訪者及42%來自歐洲、中東和非洲地區的受訪者持相同觀點。
張瑪莉分析，由于目前大部分亞太區經濟尚處于開拓階段，因此喜歡通過數據分析來開拓新的市場。然而從歐美等成熟國家視角來看，數據分析已經是一個比較成熟的概念，很久以前，歐美的一些大型跨國公司已經開始運用海量數據來進行風險控制、銷售管理及創新管理等工作，目前已經可以用數據分析實現比較平衡的管理。亞太區的企業家們已經開始有意識跟進、學習國外的數據分析方法，但還有很大的提升空間。
另外，目前國內的銀行、電信公司、供電公司都有海量數據，但這些公司在搜集到數據之后不知道如何對數據進行整合、規劃以便有效利用，這使得數據對企業的轉型升級并沒起到本應有的作用。
“企業在運用數據之前要明確很多問題，比如數據的定義是什么、何種情況下運用數據、數據是否正確以及有沒有排除掉錯誤的數據等等。甚至有時候，數據來源是一致和正確的，但不同部門運用這些數據時卻仍然會得出不一樣的結論。如果這些問題不解決，數據分析就會影響到企業戰略的制定?！睆埇斃虮硎?。
財務管控弱
近年來，阿里巴巴、京東商城等公司通過大數據管理使得公司業績不斷提升，這使得越來越多的企業尤其是互聯網公司和金融類公司加強了對數據和分析的管控，如何充分運用數據，使企業在顯著提升業績的同時，也能有效防范風險，全面提升企業的競爭力，這是剛剛涉足大數據管理的中國企業急需解決的一個問題。
張瑪莉認為，中國企業在數據和分析方面之所以與歐美成熟企業存在較大差距，很大程度源于中國企業的財務管控能力較弱。
張瑪莉介紹，可能是因為改革開放比較晚的原因，目前中國很多企業在日常經營中還保持著創業的態度，這使得企業在運用數據和分析工具時，只關注于大的方向而很少關注具體細節，只要可以比去年賺錢，哪怕成本和風險都比較高也會進行投資，很少運用財務手段來對企業實施成本及風險管控，數據分析的成熟度明顯不夠。而歐美國家成熟企業，它們在運用數據分析時是用財務手段來驅動企業所有的運營活動，細化到每個產品的成本和利潤等方面，另外，其業務拓展和市場開發也都會經過嚴格的分析論證之后才會實施。
關鍵詞：大數據；分析模型；房價
中圖分類號：TP399 文獻標識碼：A 文章編號：1007-9416（2017）03-0137-02
1 引言
大數據分析首先要建立一個分析模型，分析模型是大數據分析的基石，只有先建立了模型才能對大數據進行分析。構建大數據分析模型傳統的方法很難實現，大數據非結構化、屬性很難預知，通過數學、統計學等方法構建大數據分析模型都比較困難，機器學習是構建大數據分析模型最有效的方法之一。機器學習通過不斷地學習優化、不斷地迭代逼近所要的模型。
2 訓練數據準備
機器學習構建大數據分析模型的方法是通過訓練數據將模型訓練出來。從要研究的大數據對象中找出訓練集。機器學習分為監督學習和非監督學習，監督學習需要教師，監督機器學習的結果，事先設定好學習目標，期望的結果。非監督學習的數據一般都無標簽，學習結果事先也無法預知，通過數據可視化等方法觀察學習結果。
房價大數據分析模型機器學習屬于監督學習，期望預測值極大地逼近真實值。首先需要采集房價數據作為訓練數據，然后設計房價大數據分析模型機器學習算法，計算機通過機器學習算法和學習路徑學習訓練數據，學習目標是預測的結果極大地逼近真實數據，通過反復迭代，不斷地接近目標，訓練出所希望的模型。
3 數據清洗
清洗后的訓練數據如下：
間數（x1） x1 2 x1 2 x1 3 x1 3 x1 3 x1 3 x1 2 x1 2 x1 2 x1 3 x1 3 x1 3 x1 2 x1 2 x1 1 x1 3 x1 3 x1 3 x1 3 x1 1 x1 2 x1 2 x1 2 x1 2 x1 2 x1 3 x1 2 x1 3 x1 2 x1 2 x1 3 x1 2 x1 2 x1 3 x1 3 x1 3 x1 2 x1 3 x1 2 x1 1 x1 2 x1 2 x1 2 x1 2
面e（x2） x2 126 x2 99 x2 134 x2 137 x2 135 x2 138 x2 104 x2 99 x2 105 x2 126 x2 112 x2 116 x2 88 x2 90 x2 79 x2 120 x2 155 x2 158 x2 161 x2 66 x2 108 x2 88 x2 111 x2 103 x2 104 x2 131 x2 105 x2 130 x2 102 x2 105 x2 148 x2 98 x2 100 x2 128 x2 110 x2 101 x2 121 x2 127 x2 103 x2 67 x2 78 x2 71 x2 81 x2 77
價格（y1） y1 460 y1 425 y1 515 y1 580 y1 630 y1 600 y1 425 y1 439 y1 435 y1 608 y1 460 y1 460 y1 410 y1 380 y1 340 y1 520 y1 685 y1 680 y1 630 y1 328 y1 532 y1 405 y1 495 y1 470 y1 480 y1 690 y1 480 y1 690 y1 462 y1 495 y1 540 y1 440 y1 510 y1 599 y1 395 y1 450 y1 455 y1 595 y1 403 y1 295 y1 315 y1 345 y1 355 y1 335
4 房價大數據分析模型機器學習算法
機器學習首先要設計機器學習學習算法，設計機器學習學習路徑，機器學習解決的問題通?？煞譃轭A測和分類兩類問題。首先我們分析一下要解決的問題是屬于預測問題還是分類問題，然后選擇相應的學習算法，設計學習路徑，通過訓練數據訓練和機器學習構建大數據分析模型。模型通過訓練數據訓練出來以后，對模型進行檢驗，然后不斷進行優化，以達到我們所期望的精度。
以下是梯度下降機器學習算法和學習路徑：
首先建立一個估值函數（模型）如下：
x為自變量（特征參數），h（x）為應變量（房價的估值），希望求出此函數的系數θ0、θ1，構成一個完整的函數，此函數就是我們要構建的大數據分析模型。
我們建立一個成本函數，希望預測值與真實值的差趨近于0，也就是成本函數值趨近于0。
J（0， 1）=
其中：
X（I）表示向量X中的第i個元素；
Y（I）表示向量Y中的第i個元素；
表示已知的假設函數；
m為訓練集的數量；
Gradient Descent梯度下降方法機器學習步驟：
（1）先隨機選定一個初始點；
（2）確定梯度下降方向；
（3）通過實驗確定下降步伐，學習率Learning rate；
（4）通過不斷地遞歸，收斂到極小值；
通過梯度下降法使成本函數趨于0，在此條件下求得自變量的系數θ0和θ1，將此θ0和θ1帶入到函數中得到我們要的模型。
下面是介紹如何運用梯度下降法，經過反復迭代求出θ0和θ1：
梯度下降是通過不停的迭代，最后沿梯度下降到最低點，收斂到一個我們滿意的數據，誤差趨近于0時迭代結束，此時的θ0和θ1正是我們要求的函數自變量的系數，有了θ0和θ1，這個假設的函數就建立起來了，這個函數就是我們要建的大數據分析模型。
梯度下降法分為批量梯度下降法和隨機梯度下降法，批量梯度下降法速度較慢，每次迭代都要所有訓練數據參與；隨機梯度下降精度差一些，容易在極值周圍震蕩；房價大數據分析模型采用的是實時數據梯度下降法（Real Time Online Gradient Descent），可以隨著房價的變化隨時修正模型的參數。
5 構建房價大數據分析模型
通過數據可視化，我們可以看到房價數據趨于線性，所以我們采用線性回歸構建房價大數據分析模型。采用監督學習，先給定一個訓練集，根據這個訓練集學習出一個線性函數，然后檢驗這個函數訓練的好壞，即此函數是否足夠擬合訓練集數據，不斷優化模型減少殘差，最大限度地接近真實值。
假設房價大數據分析模型：
y=aX1+bX2
通過梯度下降法，不斷遞歸，最后使假設值與實際值之差趨近于0，求得此時的模型變量系數a、b，構建線性函數（房價大數據分析模型）。模型通過回歸診斷、交叉驗證不斷進行優化，直到誤差達到要求。
以下是采用機器學習算法構建的房價大數據分析模型，用R語言編寫房價大數據分析模型程序如下：
令：a=q1；b=q2；
將訓練數據以數據框的形式存儲。
pricedata
x1
x2
y
造梯度下降算法函數，初始點q1=0、q2=0；下降速率d=0.0001。
grd2
q1=0；
q2=0；
d=0.0001；
i=0；
m=9；
plot（y～x1+x2，data=pricedata，pch=16，col='red'）；
通過反復迭代得出估值函數系數q1、q2。
while （i
{
i=i+1；
q1=q1-d/m*（q1*x1+q2*x2-y）*x1；
q2=q2-d/m*（q1*x1+q2*x2-y）*x2；
}
return（q1）；
return（q2）；
}
grd2（）；
model2
summary（model2）；
通過summary（model2）匯總出模型變量系數。
在大數據概念不斷升溫、數據分析技術不斷成熟的今天，我們已經不再對數據分析、數據報表陌生。而我也不例外，我的數據分析團隊每天都會呈現出不同的數據報表和數據分析模型。
銷售量的同比環比，成本利潤對比；
決議民意調查統計結果分析表；
年度銷售情況總結分析報告；
顧客購物行為分析報告；
工作效率統計表，經營管理儀表盤等等。
因為有了智能BI系統作支撐，展現的報表是完美的，華麗的。而在企業中面對這些主題的數據分析，我們也會毫不猶豫地利用各種數據分析工具和方法，對某個特定主題進行ETL，建立分析模型。可是我們往往忘記分析的目的和根本問題，經常性地沉迷于技術分析、報表展示。所以我們想挖掘企業管理和經營問題實質的時候，量化分析就變得尤為重要了。以求對事物存在和發展的規模、程度等做出精確的數字描述。讓數據分析從根本意義上服務于業務管理，這才是分析的終極目標。
“外家功”與“內功心法”
說到量化分析，它是一種方法，如果說數據挖掘是“外家功”，那么量化分析就是“內功心法”。雖然量化分析不能解決任何計算機語言邏輯錯誤，沒有具體計算機語言表達規則，不能建立如關聯分析、回歸分析等具體清晰的統計分析方法。
但是量化分析通過數據收集，指標確定，信息的整理對結果不僅僅是展示，而是做全面的、完整的描述，全面解答根本問題。我們經常在總結匯報會議上看這樣的場景：“在本次活動中，銷售比去年同期增長了30%，其中某品牌中A型號和B型號對比，A型號比B型號銷量高出50%?！比绻@樣陳述再配上圖表展示，看起來好像就是一個很好的數據分析總結匯報了?？墒菃栴}來了，為什么A型號要比B型號銷量好，我們是停止B型號的采購，還是加大A型號的引進。從這個分析當中我仍然不知道如何處理，似乎困惑的問題和想要的答案都沒有反映出來。那我們為什么要收集這些數據，為什么要設定這些指標，又為什么要分析這些信息？顯然這是一個沒結尾的故事，即使有華麗的過程，卻沒有揭示實質的問題。
建立量化分析體系
有了量化分析，目的是建立量化分析體系，而在企業要建立量化體系，首先必須學會找出根本問題，要用類似“五個為什么”的方法揭示根本問題。建立企業量化體系不是單槍匹馬就可以完成的，我們需要更多的人給我們提出“為什么”，讓企業更多的人參與到規劃量化體系藍圖的“藝術創作”中去。讓我們的企業問題藍圖更加完整。其次對于建立的問題，要不斷地檢查和分析，看看我們揭示的問題是否考慮了需要的信息、指標和數據。揭示的問題是否有效、問題是否符合量化邏輯等等。我們要在企業的管理和運營中不斷檢查自己的量化體系藍圖。最后有了完成有效的量化藍圖，就需要我們進行確定指標，明確信息，采集數據了，這時候再也不會在數據的海洋里迷失了航程。確定指標使得量化體系有了方向，明確信息和采集數據是量化體系的技術手段。量化體系是分析的目標，數據分析是揭示問題的工具和資源。
關鍵詞：數據分析；企業經營；企業管理；重要性；統計工作 文獻標識碼：A
中圖分類號：F270 文章編號：1009-2374（2016）35-0218-02 DOI：10.13535/ki.11-4406/n.2016.35.107
隨著我國社會經濟的發展和繁榮，企業的經營管理也越來越受到重視。在每一個企業中，各個部門都會生產出一定的數據，這些數據就會被深度的挖掘并進行一系列的匯總，從而成為這個企業的重要參考指標。所謂的數據分析，就是指根據合適的計算統計方法來對已經收集到的資料進行進一步匯總，以此來保證這些數據可以被最大化的利用。然而，在我們的實際生活中，企業進行數據的分析可以有效地幫助其管理者很好地了解公司的情況，更能幫助其做出一定的決策，從而做出更加正確的決定。
1 對于數據進行分析的作用及意義
在一個企業中，對于數據進行分析是整個統計階段的最后工作，也是其工作的重中之重。這項工作的好壞將直接影響到企業今后的發展以及對于重大事件的決策。
1.1 數據分析是對客觀情況的完整反映
在對企業的數據進行分析時，如果只用一般的資料報表以及簡單的調查，這樣是不能將整個企業的情況進行全部展現的，即使其中蘊含著大量的數據資料，也不會起到一定的效果，并沒有一定的說服力。有效的數據分析是需要經過對收集到的一手數據進行深入挖掘以及分析研究得到的，需要企業人員以實事求是為基本原則，這樣才能將整個企業的基本情況客觀地、完整地展示出來，才能制作出數據分析的客觀報告。它的說服力將遠遠高于其他的材料，也可以完整又客觀地展現公司面貌。
1.2 數據分析在企業中起著重要的監督作用
在企業的經營管理中，監督對于數據分析有著重要的作用。對于數據進行進一步分析匯總的部門，其掌握著所有部門的基本情況以及大量的數據材料，可以準確地分析和了解公司的整體運行情況，對于數據的來源也更加清晰。因此，它在整個企業中承擔著檢查和監督整個企業各單位的運行以及生產情況、發展規劃等任務。
1.3 對于數據進行分析可以幫助企業管理和規劃
每一個企業都有著多個部門同時進行工作，這將會給管理帶來一定的困難，然而看似雜亂無章的數據，其中卻蘊含著整個公司運作的規律。但是要想完全地了解其中的規律，就不是一個簡單的事情，這將需要對大量的數據資料進行深度的分析與匯總、反復的認識與實踐，只有這樣才能進一步達到想要實現的目標。在這種新的形勢下，又有著更多的規律需要我們去探索與認識。例如：對于實現產業的整體結構優化以及如何來提高國民的整體經濟效益等問題。因此，對于經濟的客觀規律問題是一個非常廣泛的領域，需要我們去探索。對于數據進行進一步分析的部門將根據其所具有的大量資料的優勢來對事物的本質進行系統的分析研究，并直接從感性的層次直接上升為理性的層次中，由此實現對于事物以及發展規律的認識，這也便于管理者全面認識公司以及了解公司發展情況的了解，并幫助其做出正確且有重大價值的決策。
1.4 對于數據進行分析有助于數據的深度開發
數據的分析部門經過長期的普查、落實、調查等多種方式對各部門進行數據統計，這不僅需要大量的時間，更需要大量的心血，從而得到全面、客觀又完整的數據，但如果只將這些有價值的數據利用在相關的檢查上，以實現對國家的上報匯總工作，這將會大大降低數據分析的價值。由此需要將這些有價值的信息進行更深一步的分析匯總，并開發利用到公司的實踐中去，這樣才能成為十分豐富的信息。
1.5 幫助數據修正其準確性
所謂的對數據進行分析就是對數據進行深度的加工。在整個加工過程中，可以有效地檢驗其數據是否存在突然下降或下滑的現象。這樣可以對那些升跌不正常的客觀數據進行勘查、修正以及維護分析，從而提升全部數據的精準性。這樣看來，數據分析是一項必不可少的工作，它起著對大量數據進行研究的作用，又是整個分析報告的重要依據。
1.6 有利于企業人員素質的提升
數據分析的工作者如果每天都是與各種統計表、各種數據資料機械的工作，而不是去感受其中的內在含義，這將很難得為分析者帶來靈感，更無法提高數據分析的質量。對于數據分析既要運用大量的一手資料又要與多種分析方法并與實際相結合，只有這樣才能更有效地發現問題并找出問題以及解決問題。這是一項相當乏味又艱巨的任務，這考驗的不僅是分析者的知識儲備量，更考驗其耐力與態度。所以，這項工作將很有效地促進分析者的學習知識的態度，又可以提高自身的素質，并逐漸使分析者成為一個智慧與分析經濟效益相結合的綜合性人才。這將很好地發揮數據分析者的潛在能量，又有利于提升數據分析的效率，也可以有效地提升分析工作者的整體地位以及改善工作環境。
2 數據分析的策略準備工作
在一個企業中，如果只把數據分析當成一項簡單的對文字進行整個的工作，只是機械地將各種數據統計到報表中，這樣根本不會全面地展示出整個公司的客觀情況以及發展趨勢，更不會成為整個企業的主要決策依據。以下方面可以為做好數據分析工作做好準備：
2.1 提升一手數據的質量
要想做好數據分析的工作，就必須要保證所使用的一手材料的準確性，只有精準的數字，才能成為整個企業的重要決策依據。然而對于數據的質量整合是一個長期存在的問題。要想得到精準的數據，必須保證其精神上是支持的，對于數據的統計需要正確的認識，防止出現弄虛作假等不良的社會現象。然后，就需要從數據的本源上入手，根據最原始的數據分析，并將數據進行責任制分配，并互相制約互相監督，定期地對數據實施抽查。只有數據的精準性得到了保證，數據的分析工作才能得以有效地進行。
2.2 采用多種分析方法
隨著社會的經濟體系不斷發展，企業的經濟管理也逐漸得到重視，其管理者要全面、客觀地了解公司的實際情況，又要根據這些基本情況對以后的發展做出規劃。這將給數據分析的工作人員帶來一定的困難，他們就需要了解更多的數據分析方法，其主要包括動態、因素、比較、預測以及結構分析的方法等，由此可以對數據進行進一步的對比整合，并提出有價值的意見。在這些分析方法中，還需要合適的運用，既要根據主要分析的任務進行分析又要結合自身分析方法的特點，結合傳統的分析方法對數據進行詳細的分析，同時需要汲取現代的先進手段進行分析，例如數據模型以及計算機等先進的現代化設備，從而提高對于數據分析的深度。
2.3 豐富信息源
數據的分析是以豐富的數據為基礎，并在其基礎上進行進一步的加工分析，因而對于信息源的豐富以及掌握的信息量不斷增加，這都是提高數據分析的重要條件。對于企業進行數據分析時，其保留的歷史數據將成為獲取數據資料的重要渠道，這對于企業的運營以及發展趨勢有著至關重要的作用。對數據的收集進行分析時，需要多渠道地對原有數據進行搜索，并需要與現有的數據進行整合，同時將橫向資料與縱向資料相結合。這樣才能保證數據的豐富性與真實性，從而更具有說服力。
2.4 加強監管力度
對于一個企業來說，數據分析的工作是必不可少的。企業的管理者也開始對其進行關注，更把其當成一項重要的工作去分配。數據分析的工作人員既要做好上級所要求的報表，又要深入地做好數據分析，來幫助企業的管理人員做出決策。同時，企業的管理者也要對數據的分析情況進行嚴格的把關，防止出現濫竽充數的現象。
2.5 提高數據分析人員的基本素質
正所謂素質是整個企業的根源所在，并且決定著分析的整體水平。相關的分析人員必須要做到實事求是，從實際出發，有效地學習企業管理與市場營銷等知識，并需要具有一定的會計相關專業的知識，熟悉當代社會的基本現象，以此來不斷提升其業務水平。此外，也要與實踐相結合，正所謂時間是檢驗真理的唯一標準，在實際的實踐中可以更加有效地提升對于數據的準確分析速度，并對數據的進一步分析奠定基礎。
3 結語
綜上所述，在這個網絡化不斷發展的時代，數據已經成為企業衡量效益的重要指標，同時也為其對于科學的評估提供了重要的參考資源。數據分析對于企業的經營管理有著重要的作用，但如何做好數據分析就必須做到以下要求：首先，做好最基礎的數據分析工作，這樣可幫助企業快速發展，并為管理者做出重要決定提供依據；其次，需要企業的管理者嚴格要求，保證原始數據的準確性，增加數據的來源，保證其多方面擴展，需要采用多種分析方法來對數據進行系統的分析以及提高企業人員的基本素質。在我們的實際生活中，企業進行數據的分析可以有效地幫助其管理者很好地了解公司的情況，更能幫助其做出一定的決策，這都將對有效的數據分析提供幫助，并促進企業的不斷發展與進步。
參考文獻
[1] 魏巍巍.論數據分析在企業經營管理中的重要性[J].產業與科技論壇，2012，6（30）.
[2] 唐萍.淺談數據分析在企業經驗管理中的意義與作用[J].商業研究，2015，2（11）.
[3] 王玲.論財務管理在企業經營管理中的重要性[J].商業研究，2001，6（10）.
關鍵詞：大數據背景；專業技術；技能探究
中圖分類號：G64 文獻標識碼：A 文章編號：1009-3044（2016）33-0123-01
Abstract ： With the theme of declare big data and applied technology major， this thesis was written by author from telecommunications engineering academy. It has researched and analysed the composition of big data， related technologies， application requirement about the data mining and the problems has been solved by big data technology； Also it described what kind of related knowledge and skills need to be master by higher vocation education students in school， analysed the teaching qualities contrast with the needs of modern enterprises in details， by all means this thesis will focus on practically personnel training and explore the thinking of vocational colleges’ big data application technology major.
Key words ： big data background， professional technology， skills exploration
隨著網絡和數據信息科學的發展，數據在量和復雜度上的爆炸式增長讓人類進入了大數據時代。根據IDC監測，人類產生的數據量正在成指數及增長，大約每兩年翻一番，以此速度在2020年之前會持續保持下去。大量數據源的出現則導致了非結構化、半結構化數據爆發式的增長即數據結構日趨復雜。大數據分析意味著企業能夠從這些新的數據中獲取新的洞察力，并將其與已知I務細節相融合。大數據對各種行業似乎產生了前所未有的巨大影響，從制造商到旅游業，從產品設計到消費者行為分析，大數據能提供前所未有的信息，幫助公商行業做出最好的決策。公商行業對合格的數據分析師或者數據工程師的需求很大。
人才市場需要會分數據并以有用的方式呈現信息的雇員。根據市場需求，高職院校需要培養學生成為具有數據應用技能的人才以滿足市場需求。我們研究方向是調查公司企業所需要的技能和大學教的數據分析技能，對比兩方面的技能的差別。人才需求調研裼昧宋示矸絞講杉專家的意，專家分為相關專業學科教授和企業內本行業專家。
大數據應用技術專業的課程設置應跟隨新技術的應用，跟隨社會及企業需求，在新專業中重視培養專業技能和項目經驗人才，課程設置應貼合社會需求培養相應的就業技能。需要研究關于合格的數據分析師或者數據工程師應該具有什么資格及知識技能。調研的結果可以幫助學院開設有關大數據學科的學校及大數據有關的課程教材。
調研內容如下表格：
綜上所述，十報告傳達的是要重視高等職業教育，強調“要全面實施素質教育，深化教育領域綜合改革，著力提高教育質量，培養學生創新精神。”中國的職教體系也在深入發展改革的過程中。本調研是針對高等職業院校的大數據應用技術專業的課程設置的進行探究，通過對大數據應用技術專業在市場人才需求的研究，對全面實施素質教育，重視學生的創新能力的培養具有重要意義。
參考文獻：
[1] 王星.大數據分析：方法與應用[M].清華大學出版社，2013.9.
[2] 曹正鳳.數據分析統計基礎[M].電子工業出版社，2015.2.
[3] 屈澤中.大數據時代數據分析[M].復旦大學出版社，電子工業出版社，2015.7.
[4] Hames R.Evans.Business Analytics：Methods，Models，and Decisions[M].電子工業出版社，2015.7
關鍵詞：網絡輿情；大數據；輿情分析方法
中圖分類號：TP393.08
隨著網絡技術的高速發展，網絡自媒體的數量龐大，網民人數的不斷增多，互聯網資源數量呈現指數型的增長，網絡已經成為民眾獲取信息的最主要渠道。網絡在傳達社情民意方面的優勢也逐步顯現出來，成為反應社會輿情的主要載體之一，在表達民眾心聲、反映社會輿論方面發揮極其重要的作用。
在海量數據中，通過探測并發現網絡輿情中的熱點話題，有助于梳理輿情監控的思路，抓住紛繁的監控工作中的重點，從海量的互聯網信息中找到目標信息，將有限的人力物力用到關鍵的地方，提高工作的針對性和有效性，更好地應對網絡輿情。
而如何對網絡輿情加以有效的監督和引導，積極化解網絡輿論危機，使和諧的互聯網環境為維護社會穩定、促進國家發展、構建社會主義和諧社會發揮重要作用，不僅具有重要的現實意義，也已經成為網絡輿情工作面臨的一個重要課題?；谏鲜龇治觯覀冋J為網絡輿情數據越來越呈現出大數據特征。
1 問題與挑戰
大數據環境下的網絡輿情分析和挖掘方法具有如下挑戰：
1.1 為了得到更準確的輿情信息，所需要的數據量大幅膨脹。隨著數據生成的自動化以及數據生成速度的加快，自媒體時代的到來，為了獲得準確的網絡輿情信息需要處理的數據量急劇膨脹。一種處理大數據的方法是使用采樣技術，通過采樣，把數據規模變小，以便利用現有的技術進行數據管理和分析。
1.2 數據深度分析需求的增長。為了從數據中得到準確的輿情信息進而指導人們的決策，必須對大數據進行深入的分析，這些復雜的分析必須依賴于復雜的分析模型。所以對網絡輿情信息的分析還需要路徑分析、時間序列分析、圖分析、What-if分析等。
1.3 自動化和可視化分析需求的出現。在TB級的復雜輿情信息環境下，網絡輿情系統應該能根據網站的內容自動構造查詢，自動提供熱點推薦，自動分析數據的價值并決定是否需要保存。
2 大數據技術的主要進展
針對傳統分析技術的局限性，研究者提出了一些試驗性的解決方法和途徑。R是開源的統計分析軟件，IBM公司研究人員致力于對R和Hadoop進行深度集成，把計算推向數據并且并行處理，使Hadoop獲得強大的深度分析能力，為應用開發者提供了豐富的數據分析功能。
針對頻繁模式挖掘、分類和聚類等傳統的輿情分析方法，研究人員也提出了相應的大數據解決方案。如，Iris Miliaraki等人提出了一種可擴展的在MapReduce框架下進行頻繁序列模式挖據的算法[1]，Alina Ene等人用MapReduce 實現了大規模數據下的K-center 和 k-median聚類方法[2]，Kai-wei chang 等人提出了針對線性分類模型的大數據分類方法[3]。U kang等人使用“BP算法”處理大規模圖數據發掘異常模式。Jayanta Mondal等人[4]提出了一個基于內存的分布式數據管理系統來管理大規模動態變化的圖以支持低延遲的查詢處理方法。Shengqi Yang等人[5]對基于集群上的大規模圖數據管理和局部圖的訪問特征進行研究，為了在圖查詢處理中減少機器間通訊，提出來分布式圖數據環境。Jiewen Huang等人提出了一個多節點的可擴展RDF數據管理系統，比目前系統的效率高出3個數量級。
3 網絡輿情分析發展方向
3.1 實現更加復雜和更大規模的分析和挖掘是網絡輿情分析未來發展的必然趨勢。在大數據新型計算模式上實現更加復雜和更大規模的分析和挖掘是網絡輿情分析未來發展的必然趨勢，需要進行更細粒度的仿真、時間序列分析、大規模圖分析和大規模社會計算等。
這些輿情主體間頻繁聯系、相互影響，在這個過程中涌現出一些大V，他們左右著其他主體的輿論方向，最終影響整個輿論場。同時，關注點相似的輿情主體間也自覺或不自覺地形成了一些聯系相對緊密的子群體，在子群體中信息傳播速度更快。要管理和引導網絡輿情，就必須對網絡輿情主體和輿論子群體進行研究，而社會網絡分析方法就是有效的手段。
3.2 網絡輿情信息的實時分析和挖掘。面對海量數據，分析和挖掘的效率成為網絡輿情分析領域的巨大挑戰。盡管可以利用大規模集群并行計算，但在數10TB以上的數據規模上，分析和發掘的實時性受到了嚴峻的挑戰，而查詢和分析的實時處理能力，對于輿情運用個體來說及時獲得決策信息，做出有效應對是非常關鍵的前提。
3.3 關聯不同領域數據進行輿情分析，非結構化大數據處理分析成為難點和重點。網絡上的信息是千千萬萬的人隨機產生的，從事網絡輿情研究要從這些看似雜亂無章的數據中尋找有價值的信息。網絡大數據有許多不同于自然科學數據的特點，包括多源異構、交互性、失效性、社會性、突發性和高噪音等，不但非結構化數據多，而且數據的實時性強，大量數據都是隨機動態產生。網絡數據的采集相對科學數據的采集成本較低，網上許多數據是重復的或者沒有價值的，價值密度低。一般來說，網絡輿情的數據分析及預測，比科學實驗的數據分析更困難。所以我們不要一味的追求獲取越來越多的數據，而是數據的去冗分類，去粗取精，從數據中挖掘有用信息，減少不必要的數據采集。
3.4 詞匯理解的復雜性研究。既考慮詞匯的情感傾向性，又權衡語義模式對評論的情感傾向值的影響，能比較全面地分析突發事件網絡輿情的態勢。但是詞典的構建與語義模式的建設需要人工參與，個人的主觀性影響比較大，機器學習的能力不強，準確度不高。另外，由于網絡語言表達的靈活性，技術的發展速度跟不上社會話語變遷的復雜性。在國內的網絡語境中，諧音、暗語是常用的表現手法，借古諷今、借外諷內是常用的敘事手段，隱喻、借代是常見的修辭?，F有技術還不能完全準確地判定句子的情感傾向性，機器對詞匯的理解能力需要進一步研究。
4 結束語
隨著大數據時代的到來，我們要不斷改進輿情的分析方法，將大數據思維及方法運用到網絡輿情分析中去。首先要開始關注大數據分析，其次不再僅僅依靠語義分析，而是求諸于自動化的數據分析，再次要關聯不同領域數據進行輿情分析，等等?？傊覀円黄苽鹘y，將輿情分析向大數據分析的方向創新。
參考文獻：
[1]Miliaraki I，Berberich k，Gemulla R.Mind the gap：large-scale frequent sequence mining.SIGMOD’13，2013：797-808.
[2]Ene A，Im S，Moseley B.Fast clustering using MapReduce. KDD’11，2011：681-689.
[3]Chang K，Roth D.Selective block minimization for faster convergence of limited memory large-scale linear models.KDD’11，2011：699-707.
[4]Mondal J，Deshpande A.Managing large dnamic graphs efficiently.SIGMOD’12，2012：145-156.
[5]Yang S，Yan X，Zong B，e.Towards effective partition managenment for large graphs.SIGMOD’13，2012：517-528.
【關鍵詞】 網絡零售 運營管理 培養模式
一、引言
目前，我國網絡零售業正處于一個快速發展時期，2012年全國網絡零售總額超過1.1萬億元，占社會消費品零售總額的5%，網絡購物用戶達2.3億。另據中國電子商務研究中心的資料顯示，2012年國內網絡零售企業數已超過5萬家，連鎖百強中有六成企業開展了網絡零售業務?？梢灶A計，隨著互聯網應用的不斷深化，除了在線零售商外，將會有越來越多的傳統的制造商、品牌商、服務商、渠道商、零售商將傳統渠道的觸角向線上延伸，通過自建、收購或利用第三方網購平臺等方式開拓網絡零售市場。
二、網絡零售業人才需求分析
1、需求結構
隨著網絡零售業的快速發展，社會對網絡零售業務人員的需求量不斷上升，以一個組織結構比較健全的網絡零售商鋪（網店）為例，其所需要的網絡零售崗位人才結構體系如圖1所示。
從圖1可看出，網絡零售商鋪（網店）所需人才可分為五大類，具體見表1。從上述崗位需求可以看出，目前網絡零售行業所需要人才的專業分工越來越細，涵蓋了傳統的電子商務、市場營銷、新聞、統計學、界面設計、物流管理、會計及人力資源管理等專業。但由于網絡零售市場在我國還處于發展初期，各相關專業并沒有針對該領域市場進行專門的人才培養。從電子商務專業人才培養來看，在上述崗位類別中可以選擇的崗位只有店長、運營主管兩個管理類崗位，以及活動策劃、文案編輯、市場推廣與數據分析四個運營類崗位。
2、需求規模及趨勢
以店長與運營主管（經理）為職位名稱在淘工作（http：//）進行檢索。2011年到2012年招聘店主（含運營主管/經理）的企業數如圖2所示。數據顯示，2011年，在淘工作進行店主（含運營主管）招聘的企業數為3088家，2012年有4180家，同比增長36%。由此可見，對于店長及運營主管兩類網絡零售的管理類人才而言，市場需求有不斷增長的趨勢。
值得注意的是，隨著越來越多的企業進軍網絡零售市場，網絡零售商家對店長類綜合運營管理人才的需求量也越大，同時隨著各企業網絡零售市場規模的不斷擴大，企業網絡零售組織架構也不斷擴大，導致專職負責店鋪運營的主管人才需求量也不斷攀升。但由于不少網絡零售商還處于市場不斷開拓階段，因而其對店長及運營主管的要求除能從事管理崗位的工作外，還要求他們能承擔一定的運營類崗位工作，如網絡市場推廣、網絡活動策劃、網絡文案編輯與網絡數據分析等。此外，網絡零售企業對活動策劃、文案編輯、市場推廣、數據分析的人才需求也呈現快速增長趨勢，以淘工作統計為例，2011年招聘上述崗位的企業數依次為1521家、1024家、4656家和178家，到2012年依次為1688家、1457家、5920 家和241家，招聘企業數增長26%，招聘各類人員總數增長超過30%。
綜上所述，從我國網絡零售市場發展趨勢與企業網絡零售人才需求狀況來看，未來五到十年內，我國網絡零售市場將呈現高速增長態勢，企業對相關網絡零售運營管理類人才的需求將會越來越旺盛。
三、面向網絡零售的運營管理崗位能力要求
1、店長
（1）工作任務。負責平臺商鋪的整體規劃、營銷、推廣、客戶關系管理等系統經營性工作。（2）能力要求。熟悉網絡推廣、傳播方式和渠道；熟悉電子商務模式與流程；熟悉網店裝修、頁面策劃、文案、平面設計等工作；熟悉網店、頁面優化及SEO。
2、運營主管
（1）工作任務。制定網上店鋪的營銷策劃方案；負責推廣方案設計、討論和實施；提出網上店鋪的頁面優化改版方案；對推廣效果進行跟蹤、評估，并提交推廣效果的統計分析報表，及時提出營銷改進措施，給出切實可行的改進方案。（2）能力要求。熟悉平臺店鋪營銷策劃與推廣及網購銷售市場；熟悉網絡零售平臺運營環境、交易規則、推廣及廣告資源；熟悉各種網絡推廣手段，組織專業人員進行推廣。
3、活動策劃
（1）工作任務。協助規劃和制定年度網絡促銷計劃，撰寫新品推廣、產品促銷活動方案；協助制定、梳理促銷推廣活動的管理規則和流程，把控促銷方案落實；對促銷效果進行跟蹤評估；收集、分析市場促銷需求、競品動態，做好促銷數據收集和分析，優化促銷工具和方法，調整促銷策略。（2）能力要求。有較強的網絡市場信息收集、統計、分析能力；敏銳的市場動態感知能力和促銷推廣提案撰寫能力；較強的溝通能力、邏輯分析能力以及組織協調能力；較強的客戶意識，能夠從客戶角度出發思考問題和解決問題；能熟悉網絡零售平臺營銷與推廣。
（1）工作任務。負責網絡店鋪宣傳性軟文、硬廣、公司通告撰寫；店鋪大型活動的文案擬定；參與促銷活動及品牌包裝的創意、文案工作。（2）能力要求。具備扎實的文字功底，較好的文案撰寫能力；了解網絡消費者心理需求及消費習慣。
5、市場推廣
（1）工作任務。負責網絡店鋪及產品在網絡零售平臺或互聯網上的推廣；制定推廣方案并負責實施，對推廣效果進行評估，對店鋪及產品訪問量、轉換率數據進行分析；根據網絡零售平臺規則進行商品頁面搜索優化。（2）能力要求。精通網絡零售平臺營銷規則，熟悉網絡消費者的購物習慣和心理；熟悉與掌握網絡零售平臺各種營銷工具，熟悉網絡SEO技術；良好的策劃推廣能力和項目執行能力；具有較強的數據分析能力。
6、數據分析
（1）工作任務。負責網絡平臺店鋪的日常數據統計分析以及其他電子商務網站數據的收集統計工作；負責對網上店鋪的流量、銷量、轉化率等數據的分析；負責對市場、行業及競爭對手的網絡數據的采集、評估與分析；負責收集客戶資源；負責營銷管理問題的跟蹤和交叉分析，并提出解決方案。（2）能力要求。具備豐富的數據分析、挖掘、清洗和建模的經驗；熟練獨立編寫商業數據分析報告，及時發現和分析其中隱含的變化和問題；具備利用數據分析解決商業、市場營銷、風險問題的能力。
四、網絡零售運營管理人才的培養目標與要求
1、培養目標
根據河南工業大學電子商務專業人才培養方案，結合目前網絡零售市場人才需求特點，我們把網絡零售運營管理專業方向人才的就業崗位定位為網絡零售平臺主管（包括自建網絡商店與第三方平臺網絡商店店長）或運營主管，由于上述崗位一般需要至少一年的網絡零售工作經驗，因此，學生前期就業崗位也面向網絡零售市場活動策劃、文案編輯、市場推廣與數據分析等具體運營業務崗位。
該專業方向的培養目標為：培養掌握電子商務及網絡零售的理論知識和運作規律，熟悉網絡零售市場特點，具備網絡零售市場的整體規劃、營銷、推廣與客戶關系管理等環節的運營管理技能的綜合型的網絡零售運營管理人才。
2、人才規格
通過本專業方向的系統的學習，學生將具備表2所示的知識和能力。
五、基于能力要素的網絡零售運營管理方向課程設置
1、對應關系
根據河南工業大學網絡零售運營管理人才的培養目標及定位，我們對崗位能力與課程單元對應關系進行了分析研究，將本專業方向的專業及方向能力分解為六大專項能力，具體對應關系如表3所示。
2、組織實施
根據上述的方向所需能力與課程設置的對應關系，我們梳理了專業原有課程體系。原有課程體系包括了網絡營銷基礎、電子商務管理、網頁設計、電子商務網站規劃與建設、創業設計綜合實驗、網頁設計課程設計課程設計、電子商務網站建設實訓等。同時，為了保證本專業方向在原有電子商務專業培養體系上能夠實施，在課程教學組織上保持原有的通識教育模塊、學科平臺模塊以及專業平臺模塊中的必選課體系不變，在專業平臺模塊中的選修課中設置網絡零售運營管理方向課程群，其中包括6門理論課和3門實踐課，如表4所示。學生如果選擇了該方向，就代表選擇了該方向課程群的所有選修課程。
六、結論
在電子商務專業開設網絡零售運營管理方向人才培養，符合社會對電子商務人才的專業化或行業化需求特點。網絡零售運營管理人才做為一個綜合性電子商務管理人才，既要具有足夠的理論知識，也需要緊密聯系網絡零售市場發展，將一定的理論轉化為實踐能力。因而，在該類人才培養過程中，需要建立校企深度合作實踐教學基地平臺，實現學校人才培養與網絡零售市場企業需求之間的無縫銜接。當然，要培養出符合網絡零售市場需求的電子商務運營管理類人才，需要在教學實踐中不斷進行改革與實踐，探索出符合社會網絡零售人才需求及各高校實際的人才培養體系。
（注：基金項目：河南工業大學人才培養模式改革工程項目“電子商務專業人才‘分類’培養模式研究與實踐”（2011）。）
【參考文獻】
