數據分析方向范文

前言：我們精心挑選了數篇優質數據分析方向文章，供您閱讀參考。期待這些文章能為您帶來啟發，助您在寫作的道路上更上一層樓。

第1篇

關鍵詞：大數據 統計專業 核心

中圖分類號：G632 文獻標識碼：A 文章編號：1674-2117（2014）10-0008-02

1 大數據的統計涵義

通常來說，凡是數據量超過一定大小，導致常規軟件無法在一個可接受的時間范圍內完成對其進行抓取、管理和處理工作的數據即可稱為大數據。業界通常用4個V（即Volume、Variety、Value、Velocity）來概括大數據的特征：數據體量巨大、數據類型繁多、價值密度低、處理速度快。

大數據潮流讓我們獲得了海量的數據，數據已經成為相關行業創造價值的重要資源。因此，許多IT企業和互聯網企業都已將業務范圍延伸至大數據產業，探索大數據驅動的業務模式。2012年，美國政府投資2億美元啟動的“大數據研究和發展計劃”，更是將大數據的研究上升到國家戰略層面。然而，大數據的真正意義不在于數據量的巨大，而在于對數據信息進行專業化的處理，核心是對數據進行分析。面對大數據，越來越多的領域都開始運用數學特別是統計學的工具，挖掘大數據中真正蘊藏的價值。正如西內啟在《看穿一切數字的統計學》書中所指出的，“從數據中得出有意義的結果，關鍵在于控制和減少誤差，得出因果關系，單純收集數據并加以全部量化分析在很多情況下會得出謬誤結果，”而科學的統計學方法是得出因果關系的最佳方法。

從統計學角度看，一方面，大數據具有類型繁多、結構復雜、體量巨大等特點，海量數據以分布式方式進行存儲，特別是圖片、音頻、視頻等非結構化數據的廣泛存在，傳統的統計方法和統計分析工具已無法滿足大數據分析的需要，亟需統計方法的革新。另一方面，數據分析結果需要用生動、直觀、容易被接受的方式展示給讀者，可視化分析能夠直觀地呈現大數據的特點，闡釋數據與數據之間的聯系。因此，統計學要挺立大數據潮頭，創新統計分析工具、可視化分析方法，以大數據的挖掘和應用為核心，將傳統文本、圖像的統計、分析向數據分析轉變，以適應大數據時代的發展及其對統計學帶來的挑戰。

2 大數據時代統計學教育面臨的挑戰與應對

據互聯網數據中心（Internet Data Center）預測，中國大數據技術與服務市場將會從2011年的7760萬美元快速增長到2016年的6.16億美元，而據業界專家估算，中國大數據市場的人才需求量至少為100萬人，其中統計人才、技術更是捉襟見肘。傳統數據收集和分析技術的知識結構已不能滿足大數據時代對“數據科學家”的要求，多家企業在面對大數據發展時遭遇人才瓶頸。大數據相關人才供給不足將會成為影響大數據市場發展的一個重要因素。

當前，全世界范圍內已有數百個高校開設了大數據分析專業。卡內基梅隆大學和新澤西州立大學在培養目標和課程設置上項目設置偏重于計算機方向。課程設置偏重統計學與運籌學（包括決策科學）的典型學校有田納西大學和約克大學。2013年，北京航空航天大學與慧科教育合作開辦了國內首個“大數據技術與應用”軟件工程碩士項目研究生班，這是目前國內唯一一個培養大數據行業專業型人才的項目，但其培養目標、知識體系是面向計算機領域，而立足統計學基礎的大數據分析人才培養項目，在國內可謂是鳳毛麟角。

知者隨事而制。高等院校統計學專業要通過有效利用和整合人才培養資源，承擔大學人才培養的責任，駕馭大數據的浪潮，占領大數據發展人才培養的制高點，體現高等院校向社會、企業提供智力支撐，輸送企業亟需的復合型、實用性大數據分析人才的載體作用，確保產業科學、持續、高速的發展。一是教育資源的整合，走在前列的首都經濟貿易大學、北京大學、中國人民大學、中國科學院大學、中央財經大學五所應用統計專業碩士培養單位在北京成立了“中國大數據教育協同創新體”，在高校之間實現學科融合、優勢互補、強強聯合，通過共享優質資源平臺、共同建立課程體系、共同建設案例資源庫、聯合搭建實踐實訓平臺等多種形式，創新人才培養體制機制。二是高等院校教育資源與業界資源的整合，通過與國有超大型企業、互聯網翹楚的協同培養，立足應用統計專業碩士教育，建立人才培養基地，進行協同創新，探索構建應用統計（大數據分析）專業碩士人才協同培養模式。以緩解當前大數據人才供需矛盾為目的，建立“校校協同、校企協同、院系協同”的大數據分析方向人才協同培養模式，最終實現協同培養“數據科學家”的目標。[5]

3 面向大數據分析方向的應用統計專業碩士培養模式的構建

本研究認為，可以將大數據分析及相關的案例教學模式融入應用統計專業碩士學位研究生的培養過程，進而打破統計學傳統的以闡述統計理論、公式推導、數學計算為主的教學模式。以情境浸潤為基礎，為學生呈現統計學在大數據領域應用為核心的教學模式，可以培養學生對大數據的挖掘、整合、分析價值的能力，以期更好、更快地適應企業對數據分析師、數據科學家的需求。

3.1 科學構建課程體系，突出大數據分析特點

大數據具有強烈的行業特點，在充分借鑒國外大學成功經驗的基礎上，大數據分析專業碩士的課程設置，強化數據分析能力和數據挖掘能力，注重上述技術在金融等領域的應用。必修課在講授統計基礎理論（描述、多元、時序、空間、可視化等）課程的基礎上，為增強學生的大規模分布式計算技能，引入主流的大數據計算平臺，如Hadoop分布式平臺、MapReduce并行編程算法。與此同時，為提高學生動手能力，構建數據模型思維，開設《大數據分析案例》等多門課程。選修課方面，考慮到學生二次開發的需要，設置大數據開發基礎課程，如C++、Java等。為突出應用統計專業碩士側重應用的特點，開設面向數據的編程語言，如R、SAS、Python等課程。這些課程模塊的設置并非體現某一學科知識的縱深發展，而是將相關學科的知識融合，有利于突出大數據分析的特點。

3.2 創新教學培養模式，注重培用結合

以“編組”方式開展教學活動。授課教師和學生均采用團隊編組模式，多名教師協同工作，共同完成一門課程的授課任務。打破原有學科思維、教材的束縛。采用導師指導與集體培養相結合的方式。教師不可照搬舊有的教學大綱、課程內容，要學習和熟悉大數據相關知識體系與技術新進展，充分結合大數據分析需求和實際案例，使課程內容緊貼實際需求，注重培養學生對模型的理解，對數據的想象力，真正實現學以致用、培用結合。

采取“訂制化”培養模式，突出培養與應用相結合的特點，力爭做到人、崗的高度匹配。“訂制化”培養模式打破了目前應用統計專業碩士統一培養、與市場需求脫節的模式壁壘，教學實踐以市場需求為導向，依照企業的崗位標準、用人要求，強調以崗位需求制定培養方案，更好地滿足用人單位對大數據分析人才的需求。

3.3 開展校企協同培養，構建問題導向、項目牽引的實踐教學模式

根據國務院學位委員會的規定，應用統計學專業碩士學位研究生教育的目的是培養具有良好的統計學背景，系統掌握數據采集、處理、分析和開發的知識與技能，具備熟練應用計算機處理和分析數據的能力，能夠并適應行業或職業實際工作需要的應用型高層次人才。因此，要摒棄普遍存在的重理論輕實踐、重知識輕技能的教學方式。

協同創新培養在實踐教學中建立了以問題為導向，以項目為牽引的運作機制，強調實踐教學內容的呈現方式要面向企業需求，讓學生參與到企業的項目運行過程中，引導學生建立業務建模能力，培養學生的數據資源整合能力，激發學生參與項目的積極性和自覺性。學生不拘泥于學校的實驗實訓基地和各類實驗室，在第二學年中安排一定時間走出校門，進入到企業的實際環境中，參與企業的項目組織、實施過程，在實踐過程中提升自我認知能力，在實踐過程應用知識和理論研究實際問題的能力，培養和鍛煉數據資源整合能力、溝通協調能力、IT支撐能力、業務建模能力，真正實現面向能力培養的目的。指導教師方面，在案例教學和實習階段引進業務素質高、項目經驗豐富、對大數據發展有敏銳洞察力的企業高級數據分析人員，指導學生在實習實踐中提出問題、建立模型、解決問題的能力。

4 結語

應用統計（大數據分析）專業碩士人才協同培養模式，是一項可持續發展的應用統計專業碩士人才培養的新模式，是專業碩士教學實踐的創新舉措，也是在全國率先建立起來的立足統計學，在大數據分析人才層面建立的校校協同、校企系統辦學體。體現了面向能力培養、面向社會需求培養、面向人才價值培養的“三個面向”的培養目標，著重培養學生分析數據、處理數據、展示數據的能力，對于培養“高層次、實用性、復合型、國際化”大數據分析人才意義重大，同時也是順應大數據技術革命的浪潮，必將對大數據等新興技術產業的發展注入活力。

（首都經濟貿易大學，北京 100070）

參考文獻：

[1]劉軍.Hodoop大數據處理[M].人民郵電出版社，2013.

[2]大數據的四個典型特征[N].中國電子報、電子信息產業網，2012（12）.

[3]CCF大數據專家委員會.2014年大數據發展趨勢預測[J].中國計算機學會通訊，2014（1）：32-36.

第2篇

［關鍵詞］新媒體營銷;企業轉型升級;市場營銷模式

1引言

新媒體營銷是隨著互聯網技術不斷發展而衍生的重要產物，它是以移動平臺為載體，以信息技術為橋梁而實現的企業網絡市場競爭的過程。這種模式的出現意味著企業與現代科學技術的接軌，是企業智能化數據化發展的鮮明體現。企業在新媒體平臺和技術的指導下，能夠依靠各類先進技術，轉變自身的發展方式。其中最為突出的應用便在于企業對數據分析的引進。

2分析數據，確立市場受眾群體

企業要想在眾多新媒體平臺營銷中脫穎而出，就必須掌握符合自身市場定位的消費群體，要讓自身生產的產品能夠有廣泛的接受度，要取得屬于自身獨有的市場信任感和公信力。這也就意味著企業要主動出擊，積極地吸引消費者群體的關注和重視。如果一個企業發展自身新媒體營銷的方法，僅僅是通過水軍或者是買來的粉絲，或者是通過轉發抽獎等，那么這個企業只會在短時間內取得一定的爆發式關注，無法取得長遠的市場利益，也沒有辦法真正的給消費者留下深刻的印象，自然也不能根據消費者的喜好和興趣制訂出針對性的市場營銷方案。這就需要企業通過數據分析的方法來明確自身的受眾群體。［1］首先，企業要用數據分析的方法，對自身已有的市場發展基礎進行系統的分析和總結，整理出自身的市場定位和發展特點，包括品牌形象、競爭優勢、產品性質等。在此基礎上，大致地規劃消費者的群體范圍，制訂相應的宣傳方案和宣傳規劃，同時也要注意把握時間的限制，要盡可能地尋求時間和效益之間的平衡。在這一過程中，企業要按照消費者的點擊喜好和頻率，來制定有針對性的宣傳模式，這樣可以更為有效地吸引消費者的關注。其次，企業要重視用戶之間的傳播和轉發，企業要在吸引一批粉絲的基礎上適當地進行轉發和抽獎活動，擴大自身的市場影響力。最后，企業也要在這一過程中精確自身的市場定位，要動態地觀察宣傳的成果和績效，要尋找大眾的認同感。這便要求企業要借助數據分析和檢索的平臺，搜索與自身宣傳相關的信息確立關鍵詞和重點語句，并分析大眾對于自身的評價和看法，更好地改進營銷中存在的缺陷和不足。同時要在此基礎上，讓自身的宣傳內容更加量化和準確，更好地提升在用戶之間的口碑。

3分析數據，確立市場營銷載體

根據上文所述，企業在新媒體營銷中所進行的宣傳是離不開固定的平臺和載體的，移動平臺是企業信息和展現自身形象的基礎與保障。因此，企業要十分重視自身新媒體營銷工具的選擇，要運用數據分析的方法精準地統籌和管理市場營銷的信息，推動網絡營銷能夠適應自身發展的特點和規律。同時，數據分析方法還可以把企業自身經營的特點與不同的新媒體平臺進行融合，對比其結合后的實際效益和成果，同時也可以與事先的市場規劃設計相比較，在此基礎上選擇最為合適的企業新媒體營銷載體。［2］之所以運用數據分析的方法來選擇企業新媒體營銷載體，是因為現階段網絡企業的發展形式多種多樣，不同的企業也有自身不同的市場定位和產品特點，彼此之間相互獨立，但是也緊密聯系。這也就意味著，各類企業在共同運用新媒體網絡平臺這一方法進行市場營銷的同時，也要根據自身的發展特點來選擇適合自己的宣傳載體和工具，只有這樣才可以促進宣傳內容的有效傳播。當下企業利用新媒體進行宣傳的主要形式包括紀錄片、文字和圖像等，也可以是多種表現形式的結合。盡管在宣傳方式上具有多樣性，但是否能真正的起到吸引用戶的作用還需要依靠用戶的主觀能動性。這就要求企業在選擇好自身營銷載體的基礎上，利用后臺運行接收數據信息的方法，分析用戶點擊頻率最多的板塊和內容，總結出現階段自身市場發展應當跟隨的主流趨勢，以及分析當下營銷平臺運行的成果。例如當下的微博小程序，就是企業依靠文字推送或者視頻的方式，與用戶建立線上的交流和溝通，在此基礎上根據用戶的點擊頻率來制訂出更有針對性的市場營銷方案。

4分析數據，確立信息展示模式

現階段，有許多企業建立了自身運營的自媒體平臺，有相當一部分是需要用戶下載相應的軟件，并注冊賬號才可以獲得相關的信息。用戶在注冊之后，便可以通過在移動端登錄的方法來完成后續操作。［3］但也正是因為這種登錄方法的存在，用戶會獲得比其他平臺更多的市場信息。這就在一定程度上激發了用戶的厭煩心理，有相當一部分用戶會由于時間的限制，直接略過企業所的信息。同時，也有一部分企業將自身的信息運用網頁鏈接或者是二維碼的方式展現出來，用戶必須要在登錄網站的基礎上再一次點開網頁鏈接，這就會讓用戶覺得瀏覽信息是一件非常煩瑣的事情。因此，企業要重視自身信息展現形式的轉變，企業要盡可能地選擇簡潔明了的形式突出自身信息的重點，要讓用戶可以看到自身營銷的優勢和特點。企業可以用數據分析的方法，統計出用戶容易接受的信息展現形式，并按照類別進行劃分。當下，用戶容易接納的是企業圖文并茂的信息展現形式，可以是圖片和文字鏈接的結合，也可以是視頻和文字鏈接的結合，或者是將鏈接安置在圖片上。企業就可以根據用戶的喜好，將自身內容展現的形式進行改革和優化，例如企業可以將市場經營的方向和產品的性能，利用形象化的圖片展示出來。讓用戶可以一眼就看到自身的品牌特色，提高自身的吸引力。在這一過程中企業要意識到信息真實準確表達的重要性，企業可以在原有的基礎上進行適當地渲染和潤色，但是不能虛假信息，不能夸大其詞，不能讓用戶接受錯誤且夸張的市場營銷數據。

5分析數據，確定市場發展價值

企業運用數據分析的重點不僅是要打造更為針對性的市場營銷方案，更是要在數據信息的分析過程中審視自身的市場經營價值，分析自身的發展建設前景，評估現階段自身方案的質量和效益，并以此來為未來的長遠發展打下堅定的基礎。因此企業要用數據分析的方法，對自身新媒體運營平臺進行階段性和周期性的監督，分析現階段自身在市場競爭中的地位。［4］監督的內容主要包括平臺粉絲的瀏覽量和點擊率、粉絲的轉發量、粉絲總量的增減、除粉絲之外的市場其他用戶點擊率，以及現階段市場營銷的經濟利潤和收益等。這樣就可以在很大程度上幫助企業確定自身營銷平臺選擇的正確性，分析自身市場發展定位的準確性。

第3篇

為了進一步了解館藏圖書的利用情況，現從社科類、自科類及綜合類的角度對2008年—2012年5年數據進行結構劃分，其中社科類包含《中圖法（第四版）》中的A-K類，自科類包含N-X類，綜合類指Z類。綜合類每年的購置量很少，此次在表2中體現，僅供參考，重點將社科與自科類圖書進行分析。從館藏冊數方面，由表2的數據統計得知自科類圖書占據主導地位，分別占到55%，54.5%，56%，54.5%，56.2%，這與圖書館每年制定的自科社科6:4的圖書入藏比例基本相符，也表明了圖書館的館藏結構符合學校以工為主的辦學特色。流通比例是指圖書的借閱量與總的借閱量的比例，可以從很多方面進行劃分，時間段內讀者對各類圖書的整體需求比例，從類別結構劃分流通比例就可以客觀的反映出來。由表2的數據統計得知，2008年—2012年，社科類的流通比例每年都高于自科類，分別占到了56%，58%，60%，57%，66%。

入藏比例與流通比例的分析比對

取自科與社科的入藏比例和流通比例的差值Z，以數值0為分界點，分為正負兩個區間，如果Z值落在同區間內，則表示館藏圖書與讀者需求在整體上保持一致，反之，若Z值落在不同的區間，則表示館藏圖書與讀者需求存在矛盾。計算公式Z=X-YX：入藏比例Y：流通比例如圖1所示，圖書館5年內的Z值均分布于兩個不同的區間，從而說明，入藏的圖書與讀者的需求存在出入，沒有達到一致。那么，為了使圖書更好的被利用，是應該繼續按照圖書館原有的采購比例繼續采購，還是要改變采購方向迎合讀者的需求，就要進一步的了解利用率較高的幾大類圖書。

文獻的利用率衰減對文獻采購的影響

1圖書利用率的分類排名

通過統計，借閱率排名前10位的有文學（I）、哲學（B）、藝術（J）、語言、文字（H）、社科總論（C）、歷史、地理（K）、經濟（F）、工業技術（T）、政治法律（D）、數理科學和化學（O）。以2008年入藏的中文圖書作為統計對象，以2008年—2012年5年作為5個借閱時間段，前10位的借閱率統計結果如表3。表3的統計結果清晰表明，在每年的借閱率排名前10類中，社科類占到了80%，而自科類只占到了20%，社科類中文學（I）的借閱率更是高居榜首，文學類圖書受到讀者的歡迎，在其他各個高校中的借閱率排名亦是居高不下。社科類更是占據了借閱率排行的前6位。自科類排名中T大類遙遙領先，這是由于工業技術本身就涵蓋了TB、TD、TM等眾多類別，受眾面較為廣泛，但與社科類的圖書利用率進行比較，自科類的圖書利用率還是有一定的差距。一個圖書情報機構是為某一個或幾個專業研究、教育培訓服務，還是為一般參考咨詢或娛樂欣賞服務，這是設計藏書結構的基本出發點和目標[2]。西安理工大學屬于理工院校，以工為主亦應該在圖書館館藏結構中得以體現。

2文獻利用率的衰減分析

文獻可看作是一種信息，信息有其時效性，文獻的價值也會隨著時間的流逝而逐漸降低（特種文獻除外）[3]，圖書的利用率也符合這種規律逐年衰減。這一點可從表3的各類圖書的年利用率中清晰看到。文學（I）從91.19%降至47.70%，其它各類圖書都有不同程度的降低。如果用U來表示圖書利用率的衰減程度，那么U就應該等于同樣的入藏圖書大類在不同時間段內的借閱率之差。U的值越大，說明該類圖書利用率的衰減程度大，利用價值損耗大，反之，說明該類圖書的利用價值時間長，采購圖書時應加以考慮。2008年入藏的圖書，在2008年的借閱率與2012年的借閱率之差結果如圖2所示。其中U值較小的為T類與O類，I類排在第4位。自科類的圖書利用率雖然較低，但是，隨著時間的推移，自科類的圖書利用率衰減值小，所以利用價值可持續的周期比較長，可供讀者的參考價值也較高。社科類的圖書借閱率較高，但是時效性低，而且衰減值高，圖2中顯示，J類，H類，C類，F類的借閱率之差相當，而且數值較高，I類圖書借閱率最高，但是屬于非專業圖書，應控制采購比例。2008年入藏的圖書，5年之后，2012年的利用率排名前3位的分別為文學（I）47.70%、哲學（B）47.62%、工業技術（T）40.90%。T與O大類的借閱率排名分別從第8位與第10位上升為第3位與第6位。這說明自科類的圖書保值期比社科類圖書時間長，例如2008年購置的自科類《電子線路CADProtel99SE》一書，在2008年流通量為6次，2012年仍然流通量4次，而社科類《經濟學的分析方法》一書，2008年的流通量為11次，在2012年就只流通了1次。