數(shù)據(jù)分析方向精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的數(shù)據(jù)分析方向主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：數(shù)據(jù)分析方向范文

[關(guān)鍵詞]財(cái)政收入；GDP；面板數(shù)據(jù)

中圖分類(lèi)號(hào)：F01 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-0278（2013）02-024-01

在計(jì)量經(jīng)濟(jì)學(xué)中，我們一般應(yīng)用的最多的數(shù)據(jù)分析是截面數(shù)據(jù)回歸分析和時(shí)間序列分析，但截面數(shù)據(jù)分析和時(shí)間序列分析都有著一定的局限性。在實(shí)際經(jīng)濟(jì)研究當(dāng)中，截面數(shù)據(jù)回歸分析會(huì)遺漏掉數(shù)據(jù)的時(shí)間序列特征，例如在分析某年中國(guó)各省的GDP增長(zhǎng)數(shù)據(jù)時(shí)，單純的截面數(shù)據(jù)回歸分析無(wú)法找出各省GDP隨時(shí)間變化的特征，使得分析結(jié)果沒(méi)有深度。而如果只用時(shí)間序列分析，則會(huì)遺漏掉不同截面間的聯(lián)系與區(qū)別，例如在分析中國(guó)單個(gè)省市的GDP隨時(shí)間增長(zhǎng)的數(shù)據(jù)時(shí)，無(wú)法找出各個(gè)省市之間經(jīng)濟(jì)增長(zhǎng)的聯(lián)系與區(qū)別，因而同樣無(wú)法滿(mǎn)足我們的需要。而面板數(shù)據(jù)，是一種既包括了時(shí)間序列數(shù)據(jù)，也包括了相關(guān)截面數(shù)據(jù)的復(fù)合數(shù)據(jù)，是近年來(lái)用得較多的一種數(shù)據(jù)類(lèi)型。

下面我們將基于2000-2009年中國(guó)各省GDP和財(cái)政收入的面板數(shù)據(jù)的實(shí)例來(lái)詳細(xì)闡述面板數(shù)據(jù)的分析方法。

一、GDP與財(cái)政收入關(guān)系的經(jīng)濟(jì)學(xué)模型

財(cái)政收入是保證國(guó)家有效運(yùn)轉(zhuǎn)的經(jīng)濟(jì)基礎(chǔ)，在一國(guó)經(jīng)濟(jì)建設(shè)中發(fā)揮著重要作用。隨著中國(guó)經(jīng)濟(jì)發(fā)展速度的日益加快，財(cái)政收入不斷擴(kuò)大，而擴(kuò)大的財(cái)政收入又以政府支出來(lái)調(diào)節(jié)和推動(dòng)國(guó)民經(jīng)濟(jì)發(fā)展。正確認(rèn)識(shí)財(cái)政收入與經(jīng)濟(jì)增長(zhǎng)之間的長(zhǎng)期關(guān)系，把握財(cái)政收入與經(jīng)濟(jì)增長(zhǎng)之間的相互影響，發(fā)揮財(cái)政收入對(duì)經(jīng)濟(jì)發(fā)展的調(diào)節(jié)和促進(jìn)功能，對(duì)于完善財(cái)稅政策，深化財(cái)稅體制改革，實(shí)現(xiàn)財(cái)政與經(jīng)濟(jì)之間的良性互動(dòng)，具有重要的現(xiàn)實(shí)意義。文章就將從中國(guó)各省的面板數(shù)據(jù)出發(fā)研究，中國(guó)不同地域間財(cái)政收入和GDP之間的關(guān)系。

二、實(shí)證分析

（一）單位根檢驗(yàn)

Eviews有兩種單位根檢驗(yàn)方法，一種在相同根的假設(shè)下的檢驗(yàn)，包括LLC、Breintung、Hadri。另一種則是在不同根下的假設(shè)前提下，包括IPS，ADF-Fisher和PP-Fisher5。檢驗(yàn)結(jié)果表明所有檢驗(yàn)都拒絕原假設(shè)，因此序列GDP和CZSR均為一個(gè)2階單整序列。

（二）協(xié)整檢驗(yàn)

如果基于單位根檢驗(yàn)的結(jié)果發(fā)現(xiàn)變量之間是同階單整的，那么我們可以進(jìn)行協(xié)整檢驗(yàn)。協(xié)整檢驗(yàn)是考察變量間長(zhǎng)期均衡關(guān)系的方法。所謂的協(xié)整是指若兩個(gè)或多個(gè)非平穩(wěn)的變量序列，其某個(gè)線(xiàn)性組合后的序列呈平穩(wěn)性。此時(shí)我們稱(chēng)這些變量序列間有協(xié)整關(guān)系存在。

在最終的結(jié)果中，Pedroni方法中除了rho-Statistic、PP-Statistic項(xiàng)目外都拒絕GDP和CZSR不存在協(xié)整關(guān)系的原假設(shè)，同樣Kao和Johansen檢驗(yàn)方法也都拒絕原假設(shè)，因此，上述檢驗(yàn)結(jié)果表明，我國(guó)各省2000-20009年的GDP和財(cái)政收入面板數(shù)據(jù)間存在著協(xié)整關(guān)系。既然通過(guò)了協(xié)整檢驗(yàn)，說(shuō)明變量之間存在著長(zhǎng)期穩(wěn)定的均衡關(guān)系，其方程回歸殘差是平穩(wěn)的，因此可以在此基礎(chǔ)上直接對(duì)進(jìn)行回歸分析，此時(shí)假設(shè)方程的回歸結(jié)果是較精確的。

三、建立模型

混合模型：如果從時(shí)間上看，不同個(gè)體之間不存在顯著性差異；從截面上看，不同截面之間也不存在顯著性差異，那么就可以直接把面板數(shù)據(jù)混合在一起用普通最小二乘法（OLS）估計(jì)參數(shù)。

我們根據(jù)混合模型的回歸結(jié)果，得到財(cái)政收入和GDP之間的回歸方程為：

CZSR=227.3123+0.103224*GDP

（26.47637）（0.002839）

R2=0.810995 F=1321.587

顯然從模型的回歸結(jié)構(gòu)來(lái)看，R2的值達(dá)到了0.81，有了比較好的回歸解釋力，同時(shí)，GDP的回歸系數(shù)為0.103224，表明各省的財(cái)政收入平均占到了國(guó)民收入的10.3%左右。

變系數(shù)模型：顯然，在中國(guó)各省之間由于處在不同的地區(qū)，因而擁有不同的區(qū)位優(yōu)勢(shì)，那么各省的發(fā)展水平顯然就不一樣。正是由于這種不同的地方政策、管理水平、文化差異等會(huì)導(dǎo)致經(jīng)濟(jì)變量間出現(xiàn)一些關(guān)聯(lián)性的變化，此時(shí)在進(jìn)行模型回歸的時(shí)候，我們就有必要考慮變系數(shù)模型。

在回歸結(jié)果中，R2的值達(dá)到了0.97，比混合模型擁有更好的回歸解釋力，而在變系數(shù)模型回歸結(jié)果中，GDP的回歸系數(shù)大于0.5的只有、青海、寧夏三個(gè)省份，也就是說(shuō)這三個(gè)省份的財(cái)政收入占到了GDP的50%以上，他們同處于經(jīng)濟(jì)并不是很發(fā)達(dá)的西部地區(qū)，由此可以看出，處在經(jīng)濟(jì)發(fā)達(dá)地區(qū)的財(cái)政收入占GDP的比重要低，而不發(fā)達(dá)地區(qū)則要高。

四、結(jié)論

通過(guò)以上的分析檢驗(yàn)，我們發(fā)現(xiàn)針對(duì)于中國(guó)財(cái)政收入和GDP的面板數(shù)據(jù)，我們應(yīng)建立起變系數(shù)模型，并通過(guò)模型分析，我們可以得出這樣的結(jié)論，中國(guó)各省間由于存在著地域經(jīng)濟(jì)發(fā)展水平不同、管理水平不同以及國(guó)家的相關(guān)政策等諸多不同，造成了各省之間在財(cái)政收入以及國(guó)民收入上面存在著一定的差異。而回歸結(jié)果也告訴我們，我國(guó)西部地區(qū)的財(cái)政收入占GDP的比例要明顯高于東部地區(qū)，地區(qū)發(fā)展落后地區(qū)的財(cái)政收入占GDP的比例也要明顯高于東部地區(qū)。因此，這為我們改善我國(guó)落后地區(qū)的經(jīng)濟(jì)發(fā)展提供了一定的新思路，就是對(duì)一地區(qū)的稅收征收可以適當(dāng)放緩，而將GDP中以前政府占用的部分歸還于民眾和企業(yè)，因?yàn)?，按照發(fā)達(dá)地區(qū)的經(jīng)驗(yàn)表明，財(cái)政收入所占比重過(guò)高，經(jīng)濟(jì)發(fā)展的活力或者就不會(huì)很高，對(duì)于進(jìn)一步刺激財(cái)政收入的增加也沒(méi)有任何幫助。因此，我們應(yīng)該適度降低財(cái)政收入占GDP的比重，從而增加經(jīng)濟(jì)活力，使西部地區(qū)以及落后地區(qū)及早的跟上東部發(fā)達(dá)地區(qū)的發(fā)展步伐，從而消除我國(guó)經(jīng)濟(jì)發(fā)展的地域不平衡。

參考文獻(xiàn)：

[1]謝識(shí)予，朱洪鑫.高級(jí)計(jì)量經(jīng)濟(jì)學(xué)[M].復(fù)旦大學(xué)出版社，2005.

[2]張曉峒.Eviews使用指南（第二版）[M].南開(kāi)大學(xué)出版社，2004.

第2篇：數(shù)據(jù)分析方向范文

一.羊毛黨分工

他們內(nèi)部有著明確的分工，形成了幾大團(tuán)伙，全國(guó)在20萬(wàn)人左右：

軟件制作團(tuán)伙：專(zhuān)門(mén)制作各種自動(dòng)、半自動(dòng)的黑產(chǎn)工具，比如注冊(cè)自動(dòng)機(jī)、刷單自動(dòng)機(jī)等；他們主要靠出售各種黑產(chǎn)工具、提供升級(jí)服務(wù)等形式來(lái)獲利。短信代接平臺(tái)：實(shí)現(xiàn)手機(jī)短信的自動(dòng)收發(fā)，其實(shí)一些平臺(tái)亦正亦邪，不但提供給正常的商家使用，一些黑產(chǎn)也會(huì)購(gòu)買(mǎi)相關(guān)的服務(wù)。賬號(hào)出售團(tuán)伙：他們主要是大量注冊(cè)各種賬號(hào)，通過(guò)轉(zhuǎn)賣(mài)賬號(hào)來(lái)獲利；該團(tuán)伙與刷單團(tuán)伙往往屬于同一團(tuán)伙。刷單團(tuán)伙：到各種電商平臺(tái)刷單，獲取優(yōu)惠，并且通過(guò)第三方的電商平臺(tái)出售優(yōu)惠，實(shí)現(xiàn)套現(xiàn)。

二.“羊毛黨”從業(yè)特點(diǎn)這些黑產(chǎn)團(tuán)隊(duì)，有三個(gè)特點(diǎn)：

專(zhuān)業(yè)化：專(zhuān)業(yè)團(tuán)隊(duì)、人員、機(jī)器來(lái)做。團(tuán)伙化：黑產(chǎn)已經(jīng)形成一定規(guī)模的團(tuán)伙，而且分工明確；從刷單軟件制作、短信代收發(fā)平臺(tái)、電商刷單到變賣(mài)套現(xiàn)等環(huán)節(jié)，已經(jīng)形成完整的刷單團(tuán)伙。地域化：黑產(chǎn)刷單團(tuán)伙基本分布在沿海的一些經(jīng)濟(jì)發(fā)達(dá)城市，比如，北京、上海、廣東等城市，這或許跟發(fā)達(dá)城市更加容易接觸到新事物、新觀(guān)念有關(guān)。

三.對(duì)抗刷單的思路

對(duì)抗刷單，一般來(lái)講主要從三個(gè)環(huán)節(jié)入手：

注冊(cè)環(huán)節(jié)：識(shí)別虛假注冊(cè)、減少“羊毛黨”能夠使用的賬號(hào)量。在注冊(cè)環(huán)節(jié)識(shí)別虛假注冊(cè)的賬號(hào)，并進(jìn)行攔截和打擊。登錄場(chǎng)景：提高虛假賬號(hào)登錄門(mén)檻，從而減少能夠到達(dá)活動(dòng)環(huán)節(jié)的虛假賬號(hào)量。比如，登錄環(huán)節(jié)通過(guò)驗(yàn)證碼、短信驗(yàn)證碼等手段來(lái)降低自動(dòng)機(jī)的登錄效率，從而達(dá)到減少虛假賬號(hào)登錄量、減輕活動(dòng)現(xiàn)場(chǎng)安全壓力的目的?；顒?dòng)環(huán)節(jié)：這個(gè)是防刷單對(duì)抗的主戰(zhàn)場(chǎng)，也是減少“羊毛黨”獲利的直接戰(zhàn)場(chǎng)；這里的對(duì)抗措施，一般有兩個(gè)方面：1)通過(guò)驗(yàn)證碼(短信、語(yǔ)音)降低黑產(chǎn)刷單的效率。?2)大幅度降低異常賬號(hào)的優(yōu)惠力度。

第3篇：數(shù)據(jù)分析方向范文

本標(biāo)準(zhǔn)的認(rèn)知內(nèi)容是交通運(yùn)輸方式和布局的變化對(duì)聚落空間形態(tài)和商業(yè)網(wǎng)點(diǎn)布局的影響，主要包含四部分內(nèi)容，一是交通運(yùn)輸方式的變化對(duì)聚落空間形態(tài)的影響，二是交通運(yùn)輸布局的變化對(duì)聚落空間形態(tài)的影響，三是交通運(yùn)輸方式的變化對(duì)商業(yè)網(wǎng)點(diǎn)布局的影響，四是交通運(yùn)輸布局的變化對(duì)商業(yè)網(wǎng)點(diǎn)布局的影響。涉及的概念是“聚落空間形態(tài)”，指人類(lèi)聚居地的外部形態(tài)，包括水平方向和垂直方向。

本標(biāo)準(zhǔn)的行為動(dòng)詞是“分析”，屬于“理解”層次的水平要求，即分解、剖析之意。先靜態(tài)理解在不同交通運(yùn)輸方式（交通站點(diǎn)、交通線(xiàn)路、綜合交通網(wǎng)）影響下的聚落空間形態(tài)，以此為基礎(chǔ)動(dòng)態(tài)理解交通運(yùn)輸方式和布局變化影響聚落空間形態(tài)的一般過(guò)程，掌握其影響的一般規(guī)律及本質(zhì)原因；某個(gè)城市在某個(gè)時(shí)期依賴(lài)的交通運(yùn)輸方式發(fā)生興衰變化，必然會(huì)帶來(lái)相應(yīng)城市空間形態(tài)的擴(kuò)張或者停滯甚至萎縮。從形成條件（即組織商品和聚集消費(fèi)人群）認(rèn)識(shí)商業(yè)與交通運(yùn)輸?shù)年P(guān)系，理解交通運(yùn)輸是影響商業(yè)網(wǎng)點(diǎn)區(qū)位、規(guī)模、密度等的重要因素，交通運(yùn)輸?shù)陌l(fā)展會(huì)帶來(lái)商業(yè)網(wǎng)點(diǎn)布局的新形式和新變化。分析的結(jié)果都要落實(shí)到地域聯(lián)系上，城市空間形態(tài)的改變是交通帶來(lái)的人員和物資流動(dòng)體現(xiàn)的地域聯(lián)系，商業(yè)網(wǎng)點(diǎn)布局的變化也是如此。理解交通是影響聚落空間形態(tài)和商業(yè)網(wǎng)點(diǎn)布局變化的重要因素之一，自然、經(jīng)濟(jì)、歷史人文都是影響因素。

本標(biāo)準(zhǔn)的行為條件是“結(jié)合實(shí)例”，是對(duì)學(xué)生“學(xué)習(xí)過(guò)程與方法”的要求，要求分析過(guò)程應(yīng)從實(shí)例中來(lái)，分析得出的結(jié)論要能運(yùn)用到實(shí)例中去。教師要選取交通運(yùn)輸方式和布局變化影響聚落空間形態(tài)和商業(yè)網(wǎng)點(diǎn)布局的典型實(shí)例，引導(dǎo)學(xué)生正確分析實(shí)例，發(fā)現(xiàn)規(guī)律，認(rèn)識(shí)本質(zhì)。訓(xùn)練學(xué)生掌握從分析實(shí)例到概括規(guī)律再到認(rèn)識(shí)本質(zhì)的學(xué)習(xí)方法，逐漸學(xué)會(huì)從特殊到一般、從具體到抽象的思維方式。

二、知識(shí)體系分析

常見(jiàn)的五種交通運(yùn)輸方式在前一內(nèi)容標(biāo)準(zhǔn)中已經(jīng)涉及，因此，在實(shí)施本內(nèi)容標(biāo)準(zhǔn)時(shí)可以將這五種交通運(yùn)輸方式進(jìn)行適當(dāng)處理，按照運(yùn)輸線(xiàn)路所處空間將其分為三類(lèi)，即陸路運(yùn)輸、水路運(yùn)輸和航空運(yùn)輸，這種劃分方法能更直觀(guān)地通過(guò)空間屬性，將運(yùn)輸方式與聚落空間形態(tài)和商業(yè)網(wǎng)點(diǎn)布局聯(lián)系起來(lái)。三種運(yùn)輸類(lèi)型的比較如表1。

由表1可以看出，三種運(yùn)輸類(lèi)型的區(qū)別在于線(xiàn)路所處空間不同，共同點(diǎn)是站點(diǎn)所處空間都在陸地上。由于聚落和商業(yè)都是布局在陸地上，因此，聚落的空間形態(tài)與三種運(yùn)輸類(lèi)型的站點(diǎn)、陸路運(yùn)輸和內(nèi)河航運(yùn)的線(xiàn)路所在位置及布局密切相關(guān)，這是分析其影響過(guò)程的知識(shí)基礎(chǔ)。陸路運(yùn)輸?shù)恼军c(diǎn)、線(xiàn)路和內(nèi)河航運(yùn)的線(xiàn)路對(duì)聚落空間形態(tài)有影響，海上運(yùn)輸和航空運(yùn)輸只有站點(diǎn)能影響聚落的空間形態(tài)。有一個(gè)特殊的例外，即管道運(yùn)輸?shù)木€(xiàn)路是封閉的，它對(duì)聚落空間形態(tài)影響不大。

聚落空間形態(tài)按方位劃分為水平形態(tài)和垂直形態(tài)。商業(yè)網(wǎng)點(diǎn)按空間位置可分為城區(qū)的商業(yè)街和商業(yè)小區(qū)、郊區(qū)的購(gòu)物中心和鄉(xiāng)村的零售商店。

在影響城市空間形態(tài)的眾多自然和社會(huì)經(jīng)濟(jì)因素中，交通運(yùn)輸是一個(gè)很重要的因素。商業(yè)形成的兩大條件――暢通的顧客流和商品流，都離不開(kāi)交通運(yùn)輸。交通運(yùn)輸是影響城市空間形態(tài)和商業(yè)網(wǎng)點(diǎn)的最具地理特色的因素，體現(xiàn)了地域聯(lián)系。

交通運(yùn)輸方式對(duì)聚落空間形態(tài)的影響，包括站點(diǎn)和線(xiàn)路以及綜合交通運(yùn)輸網(wǎng)帶來(lái)的影響。受單一交通站點(diǎn)影響，城市空間形態(tài)呈點(diǎn)狀（在小比例尺地圖上觀(guān)察），多屬于城市發(fā)展早期，可見(jiàn)于部分欠發(fā)達(dá)的村鎮(zhèn)聚落。受單一交通線(xiàn)影響，城市空間形態(tài)呈條帶狀（在小比例尺地圖上觀(guān)察），多屬于城市發(fā)展中期，可見(jiàn)于部分小城鎮(zhèn)聚落。受綜合交通網(wǎng)影響，城市空間形態(tài)呈面狀或星狀。它們?cè)诎l(fā)展中綜合，在變化中體現(xiàn)影響。既要從某一時(shí)刻的靜態(tài)去把握，又要從時(shí)間演替和空間差異中去分析。

交通運(yùn)輸方式和布局的變化對(duì)聚落空間形態(tài)和商業(yè)網(wǎng)點(diǎn)的影響中，“變化”表明了兩層含義：一是指時(shí)間變化，不同時(shí)代有不同的生產(chǎn)力水平和主流運(yùn)輸方式，受其影響的聚落空間形態(tài)和商業(yè)網(wǎng)點(diǎn)特征不同，交通繁忙時(shí)城市空間形態(tài)和商業(yè)呈擴(kuò)張狀態(tài)，交通衰落時(shí)則呈停滯甚至萎縮狀態(tài)；二是指空間變化，即空間差異，不同區(qū)域的自然環(huán)境不同，以此為基礎(chǔ)形成的生產(chǎn)力水平和主流運(yùn)輸方式也不同，聚落空間形態(tài)和商業(yè)網(wǎng)點(diǎn)特征各異?！白兓钡漠a(chǎn)生還存在兩種情況：一是自發(fā)的變化，一是人為的變化即規(guī)劃。這兩種情況下的聚落空間形態(tài)和商業(yè)網(wǎng)點(diǎn)特征也不盡相同。在這里，交通運(yùn)輸方式和布局是“因”，聚落空間形態(tài)和商業(yè)網(wǎng)點(diǎn)的特征是“果”。

交通運(yùn)輸方式和布局、聚落空間形態(tài)和商業(yè)網(wǎng)點(diǎn)都屬于人類(lèi)活動(dòng)的組成部分，它們都以自然地理環(huán)境為基礎(chǔ)，應(yīng)遵循因地制宜的原則，即要達(dá)到先天具備條件、滿(mǎn)足人類(lèi)需要、保護(hù)自然環(huán)境的要求，在此基礎(chǔ)上方能實(shí)現(xiàn)可持續(xù)發(fā)展。

三、能力層次分析

“結(jié)合實(shí)例，分析……”，意味著落實(shí)本標(biāo)準(zhǔn)的認(rèn)知方式是從特殊到一般，即先有實(shí)例，后有規(guī)律原理。這樣要求，不僅降低學(xué)習(xí)難度，還培養(yǎng)地理學(xué)習(xí)興趣。

交通運(yùn)輸方式對(duì)聚落空間形態(tài)的影響，遵循的一般規(guī)律是：其影響過(guò)程是由“點(diǎn)”到“線(xiàn)”再到“面”的發(fā)展，即城市空間形態(tài)首先是在交通站點(diǎn)（也稱(chēng)節(jié)點(diǎn)）形成點(diǎn)狀形態(tài)，然后沿交通線(xiàn)延伸成線(xiàn)狀形態(tài)，最后在多條交通線(xiàn)和多個(gè)站點(diǎn)的引導(dǎo)下發(fā)展成面狀，在形成面狀之前還可以形成放射狀或星形的形態(tài)。在城市發(fā)展的自發(fā)狀態(tài)下，這一過(guò)程體現(xiàn)十分明顯。遵循的原理是：交通通達(dá)性提高，土地價(jià)值增大，土地利用方式由鄉(xiāng)村用地轉(zhuǎn)變?yōu)槌鞘杏玫兀鞘锌臻g形態(tài)隨之改變。

商業(yè)的發(fā)展離不開(kāi)便捷交通帶來(lái)的大量消費(fèi)人群和商品流。交通運(yùn)輸方式對(duì)商業(yè)網(wǎng)點(diǎn)布局的影響，遵循的一般規(guī)律是：商業(yè)點(diǎn)一定是布局在交通便捷的位置，交通越便捷，商業(yè)點(diǎn)規(guī)模越大，交通網(wǎng)密集，商業(yè)網(wǎng)點(diǎn)也密集。布局商業(yè)網(wǎng)點(diǎn)要遵循交通便利原則。遵循的原理是：交通為商業(yè)提供了源源不斷的商品和消費(fèi)人群，是商業(yè)發(fā)展的主要?jiǎng)恿Α?/p>

在規(guī)劃城市空間形態(tài)和商業(yè)網(wǎng)點(diǎn)時(shí)，除了要適應(yīng)當(dāng)?shù)氐淖匀缓蜕鐣?huì)經(jīng)濟(jì)條件外，還應(yīng)遵循城市空間形態(tài)發(fā)展的“點(diǎn)線(xiàn)面”規(guī)律和商業(yè)網(wǎng)點(diǎn)布局的交通便利原則，選擇適宜的交通運(yùn)輸方式是前提，布局好城市交通運(yùn)輸?shù)恼军c(diǎn)和線(xiàn)路、形成合理的城市空間形態(tài)和商業(yè)網(wǎng)點(diǎn)，是方便人們生產(chǎn)生活和建設(shè)宜居城市的現(xiàn)實(shí)需要。

四、教學(xué)價(jià)值分析

本標(biāo)準(zhǔn)的教學(xué)價(jià)值體現(xiàn)在四方面：一是對(duì)現(xiàn)實(shí)世界聚落空間形態(tài)和商業(yè)網(wǎng)點(diǎn)的解釋價(jià)值；二是對(duì)聚落空間形態(tài)未來(lái)發(fā)展的規(guī)劃價(jià)值；三是科學(xué)合理選擇商業(yè)點(diǎn)區(qū)位的實(shí)用價(jià)值；四是提升學(xué)生地理素養(yǎng)的教育價(jià)值。

對(duì)于任何一個(gè)城市的空間形態(tài)，都能解釋其由來(lái)，理解一個(gè)城市為何會(huì)形成現(xiàn)在的空間形態(tài)。關(guān)鍵是掌握分析城市空間形態(tài)的方法，主要從交通運(yùn)輸方式和布局的角度著手，便利的交通有利于居民出行和貨物流通，提高土地價(jià)值，變鄉(xiāng)村用地為城市用地，形成城區(qū)。理解一個(gè)商業(yè)中心或商業(yè)點(diǎn)為何選擇現(xiàn)在的位置，也要從便利的交通能夠帶來(lái)大量消費(fèi)人群和商品流的角度去分析。

城市空間形態(tài)對(duì)城市管理和發(fā)展意義重大。在城市規(guī)劃時(shí)，必須選取適宜的交通運(yùn)輸方式，進(jìn)行合理布局，在可預(yù)期的時(shí)期內(nèi)，形成合適的城市空間形態(tài)，方便城市的管理，促進(jìn)城市的持續(xù)發(fā)展。

第4篇：數(shù)據(jù)分析方向范文

關(guān)鍵詞：基尼系數(shù) 居民收入 分配方式

基尼系數(shù)自1922年提出至今，計(jì)算方法已較豐富，近年又有一些發(fā)展。程永宏（2006）建立了城鄉(xiāng)混合基尼系數(shù)的新算法，并給出新的分解形式，還提出并論證了度量城鄉(xiāng)差距的新指標(biāo)。該分解形式具有明確的經(jīng)濟(jì)含義和理論意義，且不依賴(lài)于“城鄉(xiāng)收入分布不重疊”的假定，在其后的研究中進(jìn)一步論證了一種適合多亞組的基尼系數(shù)組群分解新方法。王祖祥等（2009）采用城鄉(xiāng)收入分配統(tǒng)計(jì)分布的構(gòu)造方法，利用《中國(guó)統(tǒng)計(jì)年鑒》（1995 - 2005）的收入分配數(shù)據(jù)估算了我國(guó)的基尼系數(shù)。陳建東（2010）介紹了按不同分組分解基尼系數(shù)的各種方法，探討了它們之間的內(nèi)在聯(lián)系，在此基礎(chǔ)上根據(jù)按城鄉(xiāng)分解基尼系數(shù)的方法計(jì)算了自1996 年至2007 年的中國(guó)基尼系數(shù)。段景輝（2010）利用《中國(guó)城鄉(xiāng)居民生活綜合調(diào)查》（2004年）的有關(guān)家庭收入抽樣調(diào)查數(shù)據(jù)，首次考察發(fā)現(xiàn)全國(guó)和各地區(qū)城鄉(xiāng)家庭人均收入的對(duì)數(shù)服從由Pareto分布、正態(tài)分布和指數(shù)分布構(gòu)成的混合分布。與通常的利用分組數(shù)據(jù)計(jì)算基尼系數(shù)不同，他綜合了全部抽樣家庭的人均收入信息，應(yīng)用分布函數(shù)法對(duì)全國(guó)、各?。ㄊ?、自治區(qū)）以及東、中、西部地區(qū)的城鎮(zhèn)基尼系數(shù)、農(nóng)村基尼系數(shù)和城鄉(xiāng)混合基尼系數(shù)進(jìn)行了測(cè)算，進(jìn)一步對(duì)城鄉(xiāng)混合基尼系數(shù)進(jìn)行城鄉(xiāng)分解，得到了城鎮(zhèn)和農(nóng)村內(nèi)部收入差距以及城鄉(xiāng)收入差距對(duì)混合基尼系數(shù)的貢獻(xiàn)大小。徐映梅（2011）利用1978-2007年我國(guó)居民收入分配的分組數(shù)據(jù)測(cè)算了多個(gè)基尼系數(shù)，采用參數(shù)和非參數(shù)多種方法估計(jì)了基尼系數(shù)的分布服從漸近正態(tài)分布，基于大樣本漸近特征我國(guó)基尼系數(shù)警戒水平的估計(jì)值。

以上文獻(xiàn)從各種不同的角度對(duì)基尼系數(shù)的估算方法進(jìn)行了研究，但計(jì)算過(guò)程都比較復(fù)雜。胡祖光認(rèn)為在收入五分法下，基尼系數(shù)的計(jì)算可用最高收入組與最低收入組各自所占的收入比重之差來(lái)計(jì)算，這在一定條件下可以簡(jiǎn)化基尼系數(shù)的計(jì)算。同時(shí)，他還推導(dǎo)出基尼系數(shù)的理論最佳值為三分之一。本文在此基礎(chǔ)上進(jìn)行分析。

基尼系數(shù)的理論最佳值

基尼系數(shù)是反映財(cái)富分配是否平等的指標(biāo)，過(guò)大和過(guò)小都不是經(jīng)濟(jì)發(fā)展的最佳狀態(tài)。收入分布過(guò)于懸殊，表明社會(huì)財(cái)富分配嚴(yán)重不合理，容易引發(fā)社會(huì)矛盾。收入分布過(guò)于平均，不僅會(huì)影響社會(huì)的生產(chǎn)效率，而且會(huì)影響社會(huì)產(chǎn)品的更新?lián)Q代，這可以從生產(chǎn)與消費(fèi)相適應(yīng)的角度來(lái)分析。如果某國(guó)或地區(qū)的收入分布平均化趨勢(shì)十分明顯，通常會(huì)導(dǎo)致一種可稱(chēng)之為居民消費(fèi)的“排浪”現(xiàn)象出現(xiàn)，即當(dāng)一種新消費(fèi)品一個(gè)人能買(mǎi)得起時(shí)，大多數(shù)人都已到了能買(mǎi)得起的階段，就會(huì)迅速形成消費(fèi)浪潮。當(dāng)該類(lèi)消費(fèi)品成為一種時(shí)尚或成為消費(fèi)偏好的主要對(duì)象時(shí)，以追逐這類(lèi)消費(fèi)品為目標(biāo)的“排浪”現(xiàn)象就會(huì)出現(xiàn)。此時(shí)，該商品供不應(yīng)求，生產(chǎn)該類(lèi)消費(fèi)品的廠(chǎng)家就會(huì)頻頻告急，但等到“排浪”過(guò)去后，該類(lèi)消費(fèi)品又會(huì)供大于求，直至最后無(wú)人問(wèn)津。顯然，這是一種收入分布過(guò)于平均所導(dǎo)致的對(duì)社會(huì)生產(chǎn)有著明顯不利影響的情況。另外，由于社會(huì)需求變化要求消費(fèi)品不斷更新，收入分布平均化的“排浪”現(xiàn)象會(huì)致使下一輪的“排浪”需求排斥上一輪的熱點(diǎn)消費(fèi)品。這樣一來(lái)，原先被需求所刺激而生產(chǎn)出來(lái)的大量消費(fèi)品只能積壓在倉(cāng)庫(kù)中，居民家中的二手貨也不易處理，從而出現(xiàn)了根植于收入分布平均化而導(dǎo)致的社會(huì)生產(chǎn)和消費(fèi)的低效率的情況。

既然收入過(guò)于平均有損于效率，過(guò)于懸殊又影響公平，這就要求社會(huì)收入分布必須呈階梯狀。這種收入分布能維系一種與人們的消費(fèi)水平對(duì)應(yīng)的循序漸進(jìn)的消費(fèi)模式。這種消費(fèi)模式能使一種失去時(shí)尚偏好的、價(jià)格看跌的耐用消費(fèi)品由較高收入階層轉(zhuǎn)入次級(jí)收入階層，避免了出現(xiàn)“排浪式”的消費(fèi)對(duì)生產(chǎn)的沖擊，而且當(dāng)一個(gè)階層的居民要想更新消費(fèi)品時(shí)，會(huì)有下一個(gè)階層的居民來(lái)接手。這樣不僅不會(huì)產(chǎn)生社會(huì)財(cái)富的浪費(fèi)現(xiàn)象，還能使相對(duì)較為貧窮的階層居民能買(mǎi)到價(jià)廉物美的物品。那么，對(duì)于這樣一種循序漸進(jìn)的消費(fèi)秩序反映在基尼系數(shù)上會(huì)對(duì)應(yīng)著一個(gè)怎樣的數(shù)值呢？這個(gè)數(shù)值就應(yīng)該是基尼系數(shù)理論上的最佳值。

洛倫茲曲線(xiàn)是反映社會(huì)收入分配不平等程度的幾何直觀(guān)表示，它的橫軸表示收入從低到高的累計(jì)人口數(shù)占總?cè)丝跀?shù)的百分比，縱軸表示累計(jì)收入占總收入的百分比。根據(jù)社會(huì)經(jīng)濟(jì)的現(xiàn)實(shí)，洛倫茲曲線(xiàn)具有明顯的單調(diào)遞增及向下的凸性特征，如圖1 所示。圖1 中，曲線(xiàn)OA1 A2 An是洛侖茨曲線(xiàn)。若記S1為直線(xiàn)OAn與曲線(xiàn)OA1 A2 An之間的面積，S2為曲線(xiàn)OA1 A2 An與直線(xiàn)OBn和An Bn所圍曲邊三角形OA1 A2 An Bn的面積，S為ΔOAn Bn的面積，顯然S= 0.5，由基尼系數(shù)的定義，G=S1/S=S1/0.5=2S1=2（S-S2）=1-2S2。因此，要求基尼系數(shù)，只要求出曲邊三角形OA1 A2 An Bn的面積S2即可。

為求曲邊三角形OA1 A2 An Bn的面積S2，把OBn分成n等份，每份長(zhǎng)度即為1/n，并從B1，B2，…Bn作橫軸的垂線(xiàn)B1 A1，B2 A2，…Bn An，顯然這些垂線(xiàn)的長(zhǎng)度表示收入的累計(jì)百分比，記為P1，P2，…Pn，分別表示n個(gè)階層收入在總收入中的比例，則 ：

這樣，曲邊三角形OA1 A2 An Bn被分割成n個(gè)高為1/n的曲邊梯形或曲邊三角形之和，可以計(jì)算其面積為：

，則：

，

其中Ii表示第i個(gè)人的收入，I表示全社會(huì)所有成員的收入之和。假設(shè)該地區(qū)共有n=m+1個(gè)人，他們的收入呈等差數(shù)列，其中最低者的收入為a元，按收入從低到高排序，后者收入比前者依次高d元，即收入分別是a，a+d，a+2d，…，a+md，于是有：

由于d和a是常數(shù)，當(dāng)m充分大時(shí)，該式等于0.33，即G=0.33，這就是基尼系數(shù)的理論最佳值。

最佳值對(duì)應(yīng)的居民收入分配方式分析及分配現(xiàn)狀研究

居民收入分配格局有金字塔形、啞鈴形、倒丁字形及橄欖形，其中橄欖形是一種相對(duì)公平的分配格局。2010年4月在《求是》雜志撰文，提出要逐步形成中等收入者占多數(shù)的橄欖形分配格局。下面的討論說(shuō)明，如果居民收入按等差數(shù)列排列，將基本符合橄欖形分配格局。

設(shè)某地區(qū)有n個(gè)成員，全區(qū)總收入為I，每個(gè)成員的收入分別為，， …，。顯然，每個(gè)成員的收入呈等差數(shù)列遞增，公差為。容易計(jì)算：

由此可見(jiàn)，該區(qū)成員的收入分配按從低到高排列的累計(jì)收入占總收入的比值分別為。以該地區(qū)的累計(jì)人口所占總?cè)丝诘谋壤秊闄M坐標(biāo)，相應(yīng)人口的累計(jì)收入占總收入的比例為縱坐標(biāo)，所得坐標(biāo)點(diǎn)為，，，這些點(diǎn)的坐標(biāo)都滿(mǎn)足函數(shù)y=x2。由于n足夠大，可以認(rèn)為所有點(diǎn)組成了一條連續(xù)的曲線(xiàn)，容易算出該函數(shù)y=x2在（0，1）之間與x軸所圍面積為 ：。

于是，該值恰好等于基尼系數(shù)的理論最佳值。因此，若收入分布所擬合的洛倫茲曲線(xiàn)與拋物線(xiàn)y=x2在（0，1）之間的圖像越接近，基尼系數(shù)就越接近最佳值。另外如果照此分配個(gè)人收入，那么可以計(jì)算最低收入的20%人口占有社會(huì)總收入的4%，最高收入的20%人口占有總收入的36%，中間收入60%的人口占有總收入的60%，基本符合橄欖形分配結(jié)構(gòu)的特征。

因此，該函數(shù)y=x2在區(qū)間（0，1）上的曲線(xiàn)就是基尼系數(shù)最佳值所對(duì)應(yīng)的洛倫茲曲線(xiàn)的最佳擬合。

表1是2000年和2010年我國(guó)居民分城鄉(xiāng)按收入等級(jí)五等分調(diào)查人口的人均收入及所占比例。從表1可以看出，2000年城鎮(zhèn)居民人均收入呈現(xiàn)一個(gè)比較好的態(tài)勢(shì)，中層收入者占有55%左右的財(cái)富，基本符合橄欖形分配結(jié)構(gòu)的特征。但到了2010年，高收入者所占收入比例劇增，達(dá)到了40%以上，超過(guò)前面分析的36%的界限，而相應(yīng)的其他階層都有不同程度的下降，說(shuō)明城鎮(zhèn)收入分配越來(lái)越不平等，財(cái)富更多地集中在少數(shù)富人手里。2010年農(nóng)村人均收入結(jié)果也表明，中低收入者基本呈現(xiàn)等差數(shù)列的排列方式，但由于高收入的20%人口占有42%的收入，使得中低收入者的人均收入偏低，與橄欖形分配方式有著較大差距。

第5篇：數(shù)據(jù)分析方向范文

完整的數(shù)據(jù)分析主要包括了六個(gè)既相對(duì)獨(dú)立又互有聯(lián)系的階段，它們依次為：明確分析目的和思路、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)據(jù)展現(xiàn)、報(bào)告撰寫(xiě)等六步，所以也叫數(shù)據(jù)分析六步曲。

明確分析目的和思路

做任何事都要有個(gè)目標(biāo)，數(shù)據(jù)分析也不例外。經(jīng)常有一些數(shù)據(jù)分析愛(ài)好者，向數(shù)據(jù)分析高手請(qǐng)教以下問(wèn)題：

這圖表真好看，怎么做的？

這數(shù)據(jù)可以做什么樣的分析？

高級(jí)的分析方法在這里能用嗎？

需要做多少?gòu)垐D表？

數(shù)據(jù)分析報(bào)告要寫(xiě)多少頁(yè)？

為什么這些數(shù)據(jù)分析愛(ài)好者會(huì)提出這些問(wèn)題呢？原因很簡(jiǎn)單，就是他們沒(méi)有明確的分析目的，為了分析而分析，而且一味追求高級(jí)的分析方法，這就是數(shù)據(jù)分析新手的通病。

如果目的明確，那所有問(wèn)題就自然迎刃而解了。例如，分析師是不會(huì)考慮“需要多少?gòu)垐D表”這樣的問(wèn)題的，而是思考這個(gè)圖表是否有效表達(dá)了觀(guān)點(diǎn)？如果沒(méi)有，需要怎樣調(diào)整？

所以在開(kāi)展數(shù)據(jù)分析之前，需要想清楚為什么要開(kāi)展此次數(shù)據(jù)分析？通過(guò)這次數(shù)據(jù)分析需要解決什么問(wèn)題？只有明確數(shù)據(jù)分析的目的，數(shù)據(jù)分析才不會(huì)偏離方向，否則得出的數(shù)據(jù)分析結(jié)果不僅沒(méi)有指導(dǎo)意義，甚至可能將決策者引入歧途，后果嚴(yán)重。

當(dāng)分析目的明確后，我們就要對(duì)思路進(jìn)行梳理分析，并搭建分析框架，需要把分析目的分解成若干個(gè)不同的分析要點(diǎn)，也就是說(shuō)要達(dá)到這個(gè)目的該如何具體開(kāi)展數(shù)據(jù)分析？需要從哪幾個(gè)角度進(jìn)行分析？采用哪些分析指標(biāo)？

同時(shí)，還要確保分析框架的體系化，以便分析結(jié)果具有說(shuō)服力。體系化也就是邏輯化，簡(jiǎn)單來(lái)說(shuō)就是先分析什么，后分析什么，使得各個(gè)分析點(diǎn)之間具有邏輯關(guān)系。如何確保分析框架的體系化呢？可以以營(yíng)銷(xiāo)、管理等方法和理論為指導(dǎo)，結(jié)合實(shí)際業(yè)務(wù)情況，搭建分析框架，這樣才能確保數(shù)據(jù)分析維度的完整性、分析框架的體系化、分析結(jié)果的有效性及正確性。

營(yíng)銷(xiāo)方面的理論模型有4P理論、用戶(hù)使用行為、STP理論、SWOT等，而管理方面的理論模型有PEST、5W2H、時(shí)間管理、生命周期、邏輯樹(shù)、金字塔、SMART原則等。

明確數(shù)據(jù)分析目的以及確定分析思路，是確保數(shù)據(jù)分析過(guò)程有效進(jìn)行的先決條件，它可以為數(shù)據(jù)收集、處理以及分析提供清晰的指引方向。

數(shù)據(jù)準(zhǔn)備

數(shù)據(jù)準(zhǔn)備是按照確定的數(shù)據(jù)分析框架，收集相關(guān)數(shù)據(jù)的過(guò)程，它為數(shù)據(jù)分析提供了素材和依據(jù)。這里所說(shuō)的數(shù)據(jù)包括第一手?jǐn)?shù)據(jù)與第二手?jǐn)?shù)據(jù)，第一手?jǐn)?shù)據(jù)主要指可直接獲取的數(shù)據(jù)，如公司內(nèi)部的數(shù)據(jù)庫(kù)、市場(chǎng)調(diào)查取得的數(shù)據(jù)等；第二手?jǐn)?shù)據(jù)主要指經(jīng)過(guò)加工整理后得到的數(shù)據(jù)，如統(tǒng)計(jì)局在互聯(lián)網(wǎng)上的數(shù)據(jù)、公開(kāi)出版物中的數(shù)據(jù)等。

數(shù)據(jù)處理

數(shù)據(jù)處理是指對(duì)采集到的數(shù)據(jù)進(jìn)行加工整理，形成適合數(shù)據(jù)分析的樣式，保證數(shù)據(jù)的一致性和有效性。它是數(shù)據(jù)分析前必不可少的階段。

數(shù)據(jù)處理的基本目的是從大量的、可能雜亂無(wú)章、難以理解的數(shù)據(jù)中抽取并推導(dǎo)出對(duì)解決問(wèn)題有價(jià)值、有意義的數(shù)據(jù)。如果數(shù)據(jù)本身存在錯(cuò)誤，那么即使采用最先進(jìn)的數(shù)據(jù)分析方法，得到的結(jié)果也是錯(cuò)誤的，不具備任何參考價(jià)值，甚至還會(huì)誤導(dǎo)決策。

數(shù)據(jù)處理主要包括數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)化、數(shù)據(jù)抽取、數(shù)據(jù)合并、數(shù)據(jù)計(jì)算等處理方法。一般拿到手的數(shù)據(jù)都需要進(jìn)行一定的處理才能用于后續(xù)的數(shù)據(jù)分析工作，即使再“干凈”的原始數(shù)據(jù)也需要先進(jìn)行一定的處理才能使用。

數(shù)據(jù)分析

數(shù)據(jù)分析是指用適當(dāng)?shù)姆治龇椒肮ぞ?，?duì)收集來(lái)的數(shù)據(jù)進(jìn)行分析，提取有價(jià)值的信息，形成有效結(jié)論的過(guò)程。

在確定數(shù)據(jù)分析思路階段，數(shù)據(jù)分析師就應(yīng)當(dāng)為需要分析的內(nèi)容確定適合的數(shù)據(jù)分析方法。到了這個(gè)階段，就能夠駕馭數(shù)據(jù)，從容地進(jìn)行分析和研究了。

由于數(shù)據(jù)分析大多是通過(guò)軟件來(lái)完成的，這就要求數(shù)據(jù)分析師不僅要掌握各種數(shù)據(jù)分析方法，還要熟悉主流數(shù)據(jù)分析軟件的操作。一般的數(shù)據(jù)分析我們可以通過(guò)Excel完成，而高級(jí)的數(shù)據(jù)分析就要采用專(zhuān)業(yè)的分析軟件進(jìn)行，如數(shù)據(jù)分析工具SPSS、SAS等。

數(shù)據(jù)展現(xiàn)

通過(guò)數(shù)據(jù)分析，隱藏在數(shù)據(jù)內(nèi)部的關(guān)系和規(guī)律就會(huì)逐漸浮現(xiàn)出來(lái)，那么通過(guò)什么方式展現(xiàn)出這些關(guān)系和規(guī)律，才能讓別人一目了然呢？一般情況下，數(shù)據(jù)是通過(guò)表格和圖形的方式來(lái)呈現(xiàn)的，我們常說(shuō)用圖表說(shuō)話(huà)就是這個(gè)意思。

常用的數(shù)據(jù)圖表包括餅圖、柱形圖、條形圖、折線(xiàn)圖、散點(diǎn)圖、雷達(dá)圖等，當(dāng)然可以對(duì)這些圖表進(jìn)一步整理加工，使之變?yōu)槲覀兯枰膱D形，例如金字塔圖、矩陣圖、瀑布圖、漏斗圖、帕雷托圖等。

多數(shù)情況下，人們更愿意接受圖形這種數(shù)據(jù)展現(xiàn)方式，因?yàn)樗芨佑行?、直觀(guān)地傳遞出分析師所要表達(dá)的觀(guān)點(diǎn)。一般情況下，能用圖說(shuō)明問(wèn)題的，就不用表格，能用表格說(shuō)明問(wèn)題的，就不用文字。

報(bào)告撰寫(xiě)

數(shù)據(jù)分析報(bào)告其實(shí)是對(duì)整個(gè)數(shù)據(jù)分析過(guò)程的一個(gè)總結(jié)與呈現(xiàn)。通過(guò)報(bào)告，把數(shù)據(jù)分析的起因、過(guò)程、結(jié)果及建議完整地呈現(xiàn)出來(lái)，以供決策者參考。所以數(shù)據(jù)分析報(bào)告是通過(guò)對(duì)數(shù)據(jù)全方位的科學(xué)分析來(lái)評(píng)估企業(yè)運(yùn)營(yíng)質(zhì)量，為決策者提供科學(xué)、嚴(yán)謹(jǐn)?shù)臎Q策依據(jù)，以降低企業(yè)運(yùn)營(yíng)風(fēng)險(xiǎn)，提高企業(yè)核心競(jìng)爭(zhēng)力。

一份好的分析報(bào)告，首先需要有一個(gè)好的分析框架，并且層次明晰，圖文并茂，能夠讓讀者一目了然。結(jié)構(gòu)清晰、主次分明可以使閱讀對(duì)象正確理解報(bào)告內(nèi)容；圖文并茂，可以令數(shù)據(jù)更加生動(dòng)活潑，提高視覺(jué)沖擊力，有助于讀者更形象、直觀(guān)地看清楚問(wèn)題和結(jié)論，從而產(chǎn)生思考。

另外，分析報(bào)告需要有明確的結(jié)論，沒(méi)有明確結(jié)論的分析稱(chēng)不上分析，同時(shí)也失去了報(bào)告的意義，因?yàn)樽畛蹙褪菫閷ふ一蛘咔笞C一個(gè)結(jié)論才進(jìn)行分析的，所以千萬(wàn)不要舍本求末。

第6篇：數(shù)據(jù)分析方向范文

①大數(shù)據(jù)分析

②大數(shù)據(jù)可視化

③BI商業(yè)智能分析

④大數(shù)據(jù)檢索

⑤產(chǎn)品大數(shù)據(jù)分析

⑥大數(shù)據(jù)預(yù)測(cè)、咨詢(xún)

⑦大數(shù)據(jù)服務(wù)支撐平臺(tái)

⑧機(jī)器學(xué)習(xí)技術(shù)

“大數(shù)據(jù)分析、可視化及BI領(lǐng)域——

雖然這三個(gè)領(lǐng)域在功能及應(yīng)用范圍上各有千秋，但實(shí)質(zhì)上可以說(shuō)是相輔相成：通過(guò)大數(shù)據(jù)的基礎(chǔ)分析工具，研究人員可以獲得數(shù)據(jù)內(nèi)部的邏輯及結(jié)果表現(xiàn)，但通常這些結(jié)果過(guò)于復(fù)雜并缺乏合理的表達(dá)形式，使數(shù)據(jù)科學(xué)家及企業(yè)的管理者無(wú)法快速領(lǐng)會(huì)并對(duì)經(jīng)營(yíng)活動(dòng)進(jìn)行調(diào)整。

因此大數(shù)據(jù)的可視化方案應(yīng)運(yùn)而生，多數(shù)可視化方案都作為數(shù)據(jù)分析工具的延伸而存在，但也有少部分公司另辟蹊徑，采用非傳統(tǒng)方式將數(shù)據(jù)的可視化更加貼近需求。BI則是大數(shù)據(jù)分析和可視化與業(yè)務(wù)場(chǎng)景的結(jié)合，作為企業(yè)內(nèi)部管理工具，使企業(yè)的價(jià)值有了極大的增長(zhǎng)，成為了大數(shù)據(jù)應(yīng)用領(lǐng)域重要的一環(huán)。

{ 1 }大數(shù)據(jù)分析領(lǐng)域，在朝向易用、簡(jiǎn)單化發(fā)展

大部分大數(shù)據(jù)分析企業(yè)的現(xiàn)狀，可以說(shuō)是將數(shù)據(jù)的分析、可視化及數(shù)據(jù)的采集、治理、集成進(jìn)行了一體化，以大數(shù)據(jù)的分析平臺(tái)形式存在。例如Fractal Analytics除了具備數(shù)據(jù)分析功能外，還提供自動(dòng)化數(shù)據(jù)清理及驗(yàn)證服務(wù)，能夠返回標(biāo)準(zhǔn)化的結(jié)構(gòu)化數(shù)據(jù)；Voyager Labs則能夠?qū)崟r(shí)采集、分析遍布世界各地的數(shù)十億個(gè)數(shù)據(jù)點(diǎn)，幫助用戶(hù)進(jìn)行預(yù)測(cè)。

上述典型公司主要面向大型企業(yè)進(jìn)行定制化全流程服務(wù)，客單價(jià)有時(shí)高達(dá)千萬(wàn)美元級(jí)別，例如Fractal Analytics的客戶(hù)就包括飛利浦、金佰利等大型公司，其高昂的價(jià)格及服務(wù)令小型企業(yè)望塵莫及。

但隨著大數(shù)據(jù)技術(shù)的逐漸普及，SaaS化的大數(shù)據(jù)分析服務(wù)將是一個(gè)明確的發(fā)展方向，而其使用門(mén)檻也將大幅降低，從而將大數(shù)據(jù)分析的能力逐步賦予給中小企業(yè)，以真正的實(shí)現(xiàn)其基礎(chǔ)資源的價(jià)值。同時(shí)確保企業(yè)數(shù)據(jù)安全的數(shù)據(jù)脫敏、數(shù)據(jù)保護(hù)市場(chǎng)也會(huì)隨著SaaS化的到來(lái)而逐步拓展出新的市場(chǎng)空間。

目前大數(shù)據(jù)技術(shù)簡(jiǎn)化、低成本、易用的趨勢(shì)已經(jīng)在部分公司的產(chǎn)品策略上有所體現(xiàn)，例如大數(shù)據(jù)分析公司Domino的產(chǎn)品讓數(shù)據(jù)科學(xué)家只需專(zhuān)注于自己的分析工作，而不用關(guān)注軟硬件基礎(chǔ)設(shè)施的建立及維護(hù)，Datameer更進(jìn)一步開(kāi)發(fā)出的產(chǎn)品屏蔽了復(fù)雜的大數(shù)據(jù)分析底層技術(shù)，通過(guò)類(lèi)似電子表格的可視化數(shù)據(jù)分析用戶(hù)界面，讓企業(yè)的員工能夠快速上手使用，RapidMiner Studio可零代碼操作客戶(hù)端，實(shí)現(xiàn)機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、文本挖掘、預(yù)測(cè)性分析等功能。

在大數(shù)據(jù)分析能力普及的同時(shí)，提升數(shù)據(jù)分析性能、優(yōu)化數(shù)據(jù)分析結(jié)果的技術(shù)研發(fā)也在快速進(jìn)展中。例如SigOpt通過(guò)自主開(kāi)發(fā)的貝葉斯優(yōu)化(Bayesian Optimization)算法來(lái)調(diào)整模型的參數(shù)，獲得了比常見(jiàn)的網(wǎng)格搜索(grid searching technique)解決方案更快、更穩(wěn)定、更易于使用的結(jié)果，目前SigOpt的產(chǎn)品不僅可以讓用戶(hù)測(cè)試不同變量，還能夠提供下一步的測(cè)試建議，以幫助用戶(hù)持續(xù)優(yōu)化改善數(shù)據(jù)分析結(jié)果。

令人感到欣喜的是，在大數(shù)據(jù)分析領(lǐng)域還存在著一些顛覆了傳統(tǒng)數(shù)據(jù)分析理論，采用獨(dú)特方式方法進(jìn)行數(shù)據(jù)分析的公司。這類(lèi)公司的技術(shù)對(duì)傳統(tǒng)數(shù)據(jù)分析方法進(jìn)行了很好的補(bǔ)充，在特定領(lǐng)域有著成功的應(yīng)用。

這類(lèi)公司中的典型之一是由三位全球頂尖的數(shù)學(xué)家創(chuàng)立的Ayasdi，它利用拓?fù)鋽?shù)據(jù)分析技術(shù)和上百種機(jī)器學(xué)習(xí)的算法來(lái)處理復(fù)雜的數(shù)據(jù)集，不僅可以有效地捕捉高維數(shù)據(jù)空間的拓?fù)湫畔ⅲ疑瞄L(zhǎng)發(fā)現(xiàn)一些用傳統(tǒng)方法無(wú)法發(fā)現(xiàn)的小分類(lèi)，這種方法目前在基因與癌癥研究領(lǐng)域大顯身手，例如一位醫(yī)生利用Ayasdi的數(shù)據(jù)分析技術(shù)發(fā)現(xiàn)了乳腺癌的14個(gè)變種，如今Ayasdi已經(jīng)在金融服務(wù)和醫(yī)療保健行業(yè)中獲得了相當(dāng)數(shù)量的客戶(hù)。

{ 2 }可視化技術(shù)，逐步實(shí)現(xiàn)了自動(dòng)化、智能化

大數(shù)據(jù)可視化是連接數(shù)據(jù)分析結(jié)果與人腦的最好途徑，因此可視化技術(shù)的高低也成為了左右大數(shù)據(jù)企業(yè)獲客能力的重要因素。目前可視化的發(fā)展方向同大數(shù)據(jù)分析一致，都是朝著簡(jiǎn)單、自動(dòng)化、智能的方向在努力。

典型企業(yè)如Alteryx是一個(gè)提供一站式數(shù)據(jù)分析平臺(tái)的初創(chuàng)公司，旨在讓用戶(hù)在同一個(gè)平臺(tái)上完成數(shù)據(jù)輸入、建模以及數(shù)據(jù)圖形化等操作，將數(shù)據(jù)運(yùn)算與精美的圖像完美地嫁接在一起，并能夠和SAS和R語(yǔ)言一樣進(jìn)行數(shù)據(jù)的統(tǒng)計(jì)和分析。

通過(guò)可視化幫助用戶(hù)實(shí)現(xiàn)真正的管理能力提升也是重要的功能之一，德國(guó)大數(shù)據(jù)公司Celonis通過(guò)流程挖掘技術(shù)，從日常記錄中提取數(shù)據(jù)、發(fā)現(xiàn)關(guān)鍵因素，并最終揭示公司在業(yè)務(wù)中的執(zhí)行情況，能夠幫助客戶(hù)公司提高30%的工作效率。

發(fā)展到如今，可視化技術(shù)已經(jīng)不局限于傳統(tǒng)的分析結(jié)果展示，而是能夠直接轉(zhuǎn)換文本、圖片等非結(jié)構(gòu)化的數(shù)據(jù)并直觀(guān)展現(xiàn)，例如Quid利用機(jī)器智能讀取大量文本，然后將該數(shù)據(jù)轉(zhuǎn)換為交互式視覺(jué)地圖，以節(jié)約過(guò)去通常會(huì)耗費(fèi)在閱讀檢索中的大量時(shí)間。Origami幫助營(yíng)銷(xiāo)人員將CRM、社交媒體、郵件營(yíng)銷(xiāo)和調(diào)查報(bào)告等跨平臺(tái)的數(shù)據(jù)整合并進(jìn)行有效分析，使其簡(jiǎn)單化、直觀(guān)化、視覺(jué)化，人人都能夠高效實(shí)用。

同時(shí)數(shù)據(jù)分析及可視化對(duì)硬件應(yīng)用的革新也在進(jìn)行中，開(kāi)發(fā)GPU關(guān)系數(shù)據(jù)庫(kù)服務(wù)的Kinetica獲得了5000萬(wàn)美元A輪融資，采用同一技術(shù)路線(xiàn)的MapD也已經(jīng)能夠做到比傳統(tǒng)計(jì)算內(nèi)核快100倍的速度對(duì)大數(shù)據(jù)進(jìn)行查詢(xún)與可視化。

{ 3 }BI技術(shù)擺脫"雞肋"，實(shí)時(shí)便捷普惠政企效率提升

BI技術(shù)的發(fā)展已經(jīng)有了較長(zhǎng)的歷史，但由于技術(shù)因素此前一直被限制于企業(yè)內(nèi)部采集與應(yīng)用，實(shí)際發(fā)揮的效果有限并且使用率不高。如今在數(shù)據(jù)采集與應(yīng)用范圍普及與大數(shù)據(jù)分析、可視化技術(shù)的推動(dòng)下，通過(guò)數(shù)據(jù)儀表板、智能決策等方式提升企業(yè)運(yùn)營(yíng)效率利器的BI再次獲得了資本市場(chǎng)的青睞，Tableau作為BI的代表性企業(yè)已經(jīng)順利IPO目前市值超過(guò)48億美元，另一家代表性企業(yè)DOMO估值也達(dá)到20億美元，成長(zhǎng)速度遠(yuǎn)超傳統(tǒng)商業(yè)軟件公司。

相比于可視化技術(shù)，BI更偏重于實(shí)際的應(yīng)用，通過(guò)模板化、SaaS化及去代碼等方式，BI應(yīng)用范圍不再局限于數(shù)據(jù)科學(xué)家及企業(yè)高管，可預(yù)見(jiàn)未來(lái)企業(yè)內(nèi)部每個(gè)員工都可以通過(guò)BI工具獲知自己及所處部門(mén)的各項(xiàng)數(shù)據(jù)，并能夠有針對(duì)性的改進(jìn)工作方式與方向。

已經(jīng)累計(jì)融資1.77億美元的Looker令用戶(hù)能夠使用自然語(yǔ)言進(jìn)行查詢(xún)，降低了查詢(xún)大型數(shù)據(jù)集的門(mén)檻；GoodData為企業(yè)提供大數(shù)據(jù)分析SaaS服務(wù)，其所有的數(shù)據(jù)分析服務(wù)實(shí)現(xiàn)了100%云化，企業(yè)可以將公司已有數(shù)據(jù)導(dǎo)入GoodData的云平臺(tái)，再對(duì)數(shù)據(jù)做跟蹤、切分、可視化、分析等處理。

BI領(lǐng)域一個(gè)有意思的應(yīng)用案例是Qlik公司的產(chǎn)品受到了中國(guó)海關(guān)總署的高度贊揚(yáng)。海關(guān)總署每天都需要進(jìn)行龐大的數(shù)據(jù)分析，Qlik則通過(guò)圖形化數(shù)據(jù)展示，使海關(guān)管理人員不再受平臺(tái)和時(shí)間的限制，能夠多視角長(zhǎng)跨度的分析，實(shí)現(xiàn)了對(duì)于現(xiàn)有海量數(shù)據(jù)的業(yè)務(wù)的快速展示，極大地促進(jìn)了稽查效果。

“企業(yè)大數(shù)據(jù)檢索、產(chǎn)品大數(shù)據(jù)分析、大數(shù)據(jù)咨詢(xún)預(yù)測(cè)、大數(shù)據(jù)平臺(tái)及機(jī)器學(xué)習(xí)領(lǐng)域——

企業(yè)大數(shù)據(jù)檢索能夠充分挖掘并釋放企業(yè)數(shù)據(jù)的潛力；產(chǎn)品的大數(shù)據(jù)分析使用戶(hù)行為成為了產(chǎn)品設(shè)計(jì)與運(yùn)營(yíng)環(huán)節(jié)的重要參考因素；大數(shù)據(jù)技術(shù)與咨詢(xún)業(yè)務(wù)的結(jié)合則對(duì)咨詢(xún)行業(yè)形成了很大的影響，數(shù)據(jù)技術(shù)導(dǎo)向的咨詢(xún)業(yè)務(wù)將極有可能成為未來(lái)行業(yè)的主流選擇；大數(shù)據(jù)服務(wù)支撐平臺(tái)類(lèi)企業(yè)則為大數(shù)據(jù)技術(shù)的普及和實(shí)用化做了很大的貢獻(xiàn)，是大數(shù)據(jù)技術(shù)生態(tài)中不可或缺的一環(huán)；最后是機(jī)器學(xué)習(xí)，作為大數(shù)據(jù)分析的底層技術(shù)方法也逐漸開(kāi)始得到廣泛應(yīng)用。

首先將企業(yè)大數(shù)據(jù)檢索、產(chǎn)品大數(shù)據(jù)分析、大數(shù)據(jù)咨詢(xún)預(yù)測(cè)、大數(shù)據(jù)平臺(tái)和機(jī)器學(xué)習(xí)這五個(gè)領(lǐng)域的典型企業(yè)列舉如下，接下來(lái)將分版塊進(jìn)行詳細(xì)介紹。

{ 4 }企業(yè)大數(shù)據(jù)檢索

移動(dòng)互聯(lián)網(wǎng)的普及與SaaS服務(wù)的興起令企業(yè)沉淀的數(shù)據(jù)量呈指數(shù)級(jí)上升，但目前對(duì)企業(yè)數(shù)據(jù)價(jià)值的挖掘僅僅停留在較淺層面，真正的大數(shù)據(jù)分析能力還尚未應(yīng)用。因此如何做好企業(yè)內(nèi)部數(shù)據(jù)信息價(jià)值的發(fā)掘成為了關(guān)鍵的第一步。

提升企業(yè)數(shù)據(jù)挖掘檢索能力，并將檢索的技術(shù)門(mén)檻降低的典型企業(yè)有Algolia，目前其產(chǎn)品具備關(guān)鍵字輸入智能容錯(cuò)功能，并提供搜索排名配置，能夠讓普通員工也能按需要找到自己所需的數(shù)據(jù)信息。同時(shí)Algolia還為移動(dòng)設(shè)備提供了離線(xiàn)搜索引擎，其C++ SDK可以嵌入到應(yīng)用服務(wù)器端，這樣即便沒(méi)有網(wǎng)絡(luò)連接應(yīng)用也能提供搜索功能，適用范圍很廣。

而在SaaS化服務(wù)興起的同時(shí)，企業(yè)采用多種軟件導(dǎo)致內(nèi)部數(shù)據(jù)不聯(lián)通而形成了數(shù)據(jù)孤島。根據(jù)互聯(lián)網(wǎng)女皇Mary Meeker的分析，不同行業(yè)的公司平均使用SaaS服務(wù)的數(shù)量從最低25個(gè)至高達(dá)91個(gè)，需要跨平臺(tái)數(shù)據(jù)檢索分析服務(wù)。Maana開(kāi)發(fā)的數(shù)據(jù)搜索和發(fā)現(xiàn)平臺(tái)Maana Knowledge Graph，其長(zhǎng)處便是收集來(lái)自多個(gè)系統(tǒng)或者"孤島"的數(shù)據(jù)，并將其轉(zhuǎn)換為運(yùn)營(yíng)建議，可廣泛應(yīng)用于多個(gè)行業(yè)。

{ 5 }產(chǎn)品大數(shù)據(jù)分析

產(chǎn)品大數(shù)據(jù)分析相對(duì)其他應(yīng)用來(lái)說(shuō)關(guān)注度稍低，但其能夠發(fā)揮的功能并不少。通過(guò)收集用戶(hù)的瀏覽、點(diǎn)擊、購(gòu)買(mǎi)等行為，不單從宏觀(guān)上能夠察覺(jué)用戶(hù)群體的喜好變化提前應(yīng)對(duì)，微觀(guān)上還能夠構(gòu)建用戶(hù)畫(huà)像，從而做到定制的產(chǎn)品推薦與營(yíng)銷(xiāo)，能夠有效的提升用戶(hù)的消費(fèi)水平與滿(mǎn)意程度。

Mixpanel便是一家提供類(lèi)似產(chǎn)品的公司，其讓企業(yè)用戶(hù)跟蹤用戶(hù)的使用習(xí)慣提供實(shí)時(shí)分析，其產(chǎn)品有用戶(hù)動(dòng)態(tài)分析(Trends)、行為漏斗模型(Funnels)、用戶(hù)活躍度(Cohorts)及單用戶(hù)行為分析(People)等幾個(gè)模塊，全面的覆蓋了可能發(fā)生的用戶(hù)行為與場(chǎng)景。

{ 6 }大數(shù)據(jù)咨詢(xún)預(yù)測(cè)

如今大數(shù)據(jù)技術(shù)的發(fā)展為事件分析和預(yù)測(cè)提供了可能，并且準(zhǔn)確度和處理速度已經(jīng)具備了很大競(jìng)爭(zhēng)力，傳統(tǒng)咨詢(xún)公司的處境類(lèi)似于現(xiàn)在面對(duì)AI威脅的華爾街分析師，或許不久之后就將會(huì)被替代。因此隨著逐漸出現(xiàn)大數(shù)據(jù)咨詢(xún)公司的同時(shí)，傳統(tǒng)咨詢(xún)企業(yè)也紛紛與大數(shù)據(jù)技術(shù)公司合作，甚至成立了自己的數(shù)據(jù)業(yè)務(wù)部門(mén)。

Opera Solutions便是一家依托大數(shù)據(jù)分析的咨詢(xún)公司，其創(chuàng)始人是咨詢(xún)行業(yè)資深人士，曾創(chuàng)辦了商業(yè)咨詢(xún)公司Mitchell Madison和Zeborg。

目前Opera致力于金融領(lǐng)域的數(shù)據(jù)分析類(lèi)咨詢(xún)，通過(guò)建模、定量分析給客戶(hù)提供建議，解決客戶(hù)的商業(yè)問(wèn)題。例如其計(jì)算機(jī)系統(tǒng)可以一次性采集數(shù)十億條數(shù)據(jù)，包含從房產(chǎn)和汽車(chē)價(jià)格到經(jīng)紀(jì)賬戶(hù)和供應(yīng)鏈的實(shí)時(shí)數(shù)據(jù)等，通過(guò)分析從中獲得有關(guān)消費(fèi)者、市場(chǎng)和整個(gè)經(jīng)濟(jì)體系將如何行動(dòng)的信號(hào)或見(jiàn)解。其客戶(hù)包含了咨詢(xún)機(jī)構(gòu)及花旗銀行等公司，最近還為摩根士丹利提供了幫助經(jīng)紀(jì)人團(tuán)隊(duì)給其客戶(hù)提供投資建議的業(yè)務(wù)。

新技術(shù)、機(jī)器學(xué)習(xí)與咨詢(xún)預(yù)測(cè)行業(yè)的結(jié)合，相比于僅使用大數(shù)據(jù)分析技術(shù)能夠獲得更好的效果，也成為了行業(yè)內(nèi)的一個(gè)小熱點(diǎn)。例如基于社會(huì)物理學(xué)原理的Endor能夠依托少量數(shù)據(jù)生成統(tǒng)一的人類(lèi)行為數(shù)據(jù)集，并比傳統(tǒng)海量數(shù)據(jù)分析方式更早的做出模式識(shí)別與判斷。在甄別facebook上受ISIS控制的賬號(hào)的實(shí)驗(yàn)中，根據(jù)已知少量ISIS賬號(hào)特性，Endor高效分辨出了新的ISIS疑似賬號(hào)并且準(zhǔn)確度令人滿(mǎn)意。

{ 7 }大數(shù)據(jù)服務(wù)支撐平臺(tái)

目前圍繞著大數(shù)據(jù)技術(shù)與大數(shù)據(jù)產(chǎn)業(yè)生態(tài)鏈發(fā)展的，還有許多是平臺(tái)服務(wù)型的公司，這類(lèi)公司具備一定的技術(shù)水平，但主要通過(guò)服務(wù)大數(shù)據(jù)技術(shù)公司及科研人員而存在，是技術(shù)生態(tài)中不可或缺的一環(huán)。

Dataiku創(chuàng)建了一個(gè)云平臺(tái)，旨在使數(shù)據(jù)科學(xué)家和普通員工更容易獲得公司收集的大數(shù)據(jù)，并通過(guò)機(jī)器學(xué)習(xí)庫(kù)縮短了專(zhuān)家以及數(shù)據(jù)分析師所需要的時(shí)間。

Algorithmia的平臺(tái)上提供包括機(jī)器學(xué)習(xí)、語(yǔ)義分析、文本分析等通用性算法，一旦用戶(hù)找到想用的算法，只需添加幾行簡(jiǎn)單的算法查詢(xún)代碼到應(yīng)用中，Algorithmia的服務(wù)器就會(huì)與應(yīng)用連接，避免了開(kāi)發(fā)者的重復(fù)勞動(dòng)。

目前部分向開(kāi)發(fā)者社區(qū)業(yè)務(wù)發(fā)展過(guò)渡的平臺(tái)型企業(yè)，因其資源已經(jīng)得到行業(yè)巨頭的青睞，被Google收購(gòu)的Kaggle便是一例，通過(guò)舉辦數(shù)據(jù)科學(xué)周邊的線(xiàn)上競(jìng)賽，Kaggle吸引了大量數(shù)據(jù)科學(xué)家、機(jī)器學(xué)習(xí)開(kāi)發(fā)者的參與，為各類(lèi)現(xiàn)實(shí)中的商業(yè)難題尋找基于數(shù)據(jù)的算法解決方案。同時(shí)Kaggle為其社區(qū)提供了一整套服務(wù)，包括知名的招聘服務(wù)以及代碼分享工具Kernels。

{ 8 }機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)，是模式識(shí)別、統(tǒng)計(jì)學(xué)習(xí)、數(shù)據(jù)挖掘的技術(shù)手段，也是計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域的底層技術(shù)，在附件的介紹中大家可以看到，微軟Azure、Google云平臺(tái)及AWS都推出了自己的機(jī)器學(xué)習(xí)產(chǎn)品，而眾多的機(jī)器學(xué)習(xí)創(chuàng)業(yè)公司則通過(guò)提供有特色的技術(shù)或服務(wù)進(jìn)行差異化競(jìng)爭(zhēng)。

已累計(jì)獲得了7900萬(wàn)美元融資的Attivio專(zhuān)注于利用機(jī)器學(xué)習(xí)技術(shù)通過(guò)文本進(jìn)行情緒分析，提供有監(jiān)督的機(jī)器學(xué)習(xí)與無(wú)監(jiān)督機(jī)器學(xué)習(xí)兩種技術(shù)，幫助企業(yè)通過(guò)識(shí)別企業(yè)語(yǔ)料庫(kù)中的文檔進(jìn)行情緒建模與分析。思科通過(guò)Attivio的智能系統(tǒng)令銷(xiāo)售人員能夠在與客戶(hù)合作時(shí)依據(jù)對(duì)方的情緒、消費(fèi)能力等數(shù)據(jù)推薦合適產(chǎn)品，從而節(jié)省了數(shù)百萬(wàn)的銷(xiāo)售運(yùn)營(yíng)費(fèi)用，同時(shí)節(jié)約了銷(xiāo)售團(tuán)隊(duì)15-25%的時(shí)間。

第7篇：數(shù)據(jù)分析方向范文

關(guān)鍵詞 醫(yī)院醫(yī)保管理 大數(shù)據(jù)分析

就目前市場(chǎng)來(lái)看，我們身處于一個(gè)不斷發(fā)展不斷進(jìn)步的時(shí)代，相比改革發(fā)展前后，整個(gè)國(guó)內(nèi)社會(huì)朝著生活水平整體有所提高的方向發(fā)展，而國(guó)家的眾多政策也更加關(guān)注國(guó)民的各方面關(guān)懷，比如國(guó)家提高了對(duì)整體醫(yī)療水平的要求與投入，為特殊職業(yè)的醫(yī)療保證提供特別關(guān)懷，以及增加百姓醫(yī)療方面的報(bào)銷(xiāo)比例，力求向?qū)崿F(xiàn)人人能夠看得起病的水平發(fā)展。這就使得每年國(guó)家在醫(yī)保費(fèi)用的花費(fèi)上不斷增加，這使得相關(guān)部門(mén)必須采取一定的措施來(lái)調(diào)整整體管理發(fā)生，把不合理的費(fèi)用增長(zhǎng)扼殺在搖籃里。因而根據(jù)實(shí)際的數(shù)據(jù)分析問(wèn)題出現(xiàn)的關(guān)鍵，并以此為切入點(diǎn)進(jìn)行有效改善成為了不可忽視的問(wèn)題。

為了跟隨時(shí)展，整個(gè)社會(huì)發(fā)展已經(jīng)進(jìn)入了國(guó)際化，多元化，數(shù)字化的模式，我國(guó)的醫(yī)療建設(shè)水平也一直緊跟時(shí)代的步伐。目前相關(guān)醫(yī)院的信息整體構(gòu)架相對(duì)完整，在幾十年的積累中，積攢了數(shù)量和真實(shí)性均著實(shí)可觀(guān)的大數(shù)據(jù)內(nèi)容，而目前的科技發(fā)展使得這些大數(shù)據(jù)得以被整體分析，以得出更加完善的結(jié)論體系，直接影響醫(yī)院醫(yī)保的管理工作。

一、大數(shù)據(jù)定義

我們想要對(duì)一件事情所帶來(lái)的影響進(jìn)行研究，就要從最基本的方向出發(fā)。既然要研究大數(shù)據(jù)在醫(yī)院醫(yī)保管理中的應(yīng)用，我們就應(yīng)該簡(jiǎn)單了解下大數(shù)據(jù)的概念，根據(jù)前人的發(fā)展以及對(duì)目前整體市場(chǎng)的結(jié)合，我們認(rèn)為，大數(shù)據(jù)是有別于傳統(tǒng)海量數(shù)據(jù)的，能用相關(guān)方法及設(shè)備進(jìn)行整合分析，抽樣操作的資料內(nèi)容。其具有涵蓋內(nèi)容多，數(shù)據(jù)基數(shù)大，及時(shí)性強(qiáng)等特點(diǎn)。這些特點(diǎn)使得大數(shù)據(jù)能夠在整體管理過(guò)程中提供有效的數(shù)據(jù)支持，是我們得以對(duì)面對(duì)的情況進(jìn)行更好的分析與改動(dòng)。

二、大數(shù)據(jù)分析應(yīng)用的優(yōu)勢(shì)

根據(jù)既有的研究以及我們對(duì)課題的進(jìn)一步調(diào)查與討論可以看出，在醫(yī)保辦不斷努力改善管理體制的同時(shí)，依舊存在很大的弊端，比如醫(yī)保局審核標(biāo)準(zhǔn)的多樣，使后續(xù)工作難以進(jìn)行。而相應(yīng)的審核人員又不能做到素質(zhì)，經(jīng)驗(yàn)程度的整體統(tǒng)一，這也使得最終審核管理結(jié)果有所區(qū)別。最為嚴(yán)重的問(wèn)題就是“及時(shí)性”不夠，大量的相關(guān)信息堆積在一起，使得整理信息內(nèi)容都產(chǎn)生了滯后性，不能做到及時(shí)的反饋與處理。對(duì)待以上的這些弊端，醫(yī)院醫(yī)保管理中的大數(shù)據(jù)分析就起到了極大的改善作用，我們將整體醫(yī)院醫(yī)保管理的方向轉(zhuǎn)向?qū)Υ髷?shù)據(jù)分析的正確應(yīng)用與結(jié)合，是未來(lái)發(fā)展的主流前景。

將大數(shù)據(jù)分析應(yīng)用到醫(yī)院醫(yī)保的管理中，是實(shí)現(xiàn)醫(yī)保管理精確化，科學(xué)化，可持續(xù)化的有效途徑，將大數(shù)據(jù)分析的過(guò)程與成果應(yīng)用到醫(yī)院醫(yī)保的管理中。可以使得我們將整個(gè)管理體系推向了智能輔助審核和及時(shí)化監(jiān)控的發(fā)展方向上，將提升醫(yī)保綜合管理水平為目標(biāo)，規(guī)范整個(gè)醫(yī)療保險(xiǎn)行業(yè)，及時(shí)發(fā)現(xiàn)問(wèn)題，不斷完善。

三、大數(shù)據(jù)分析應(yīng)用的具體細(xì)節(jié)

（一）關(guān)鍵技術(shù)及數(shù)據(jù)處理

整體要求對(duì)整個(gè)醫(yī)院醫(yī)保管理環(huán)節(jié)所產(chǎn)生的各色數(shù)據(jù)實(shí)現(xiàn)及時(shí)儲(chǔ)存與處理，使之能夠在相應(yīng)的時(shí)間內(nèi)進(jìn)行相應(yīng)的數(shù)據(jù)分類(lèi)，匯總，等相關(guān)操作。

同時(shí)滿(mǎn)足數(shù)據(jù)倉(cāng)庫(kù)具有相對(duì)獨(dú)立性，能夠有效保證與其他醫(yī)院業(yè)務(wù)間不發(fā)生相互干擾。尤其值得強(qiáng)調(diào)的是，在實(shí)現(xiàn)醫(yī)院醫(yī)保管理中應(yīng)用大數(shù)據(jù)分析的過(guò)程里，要保證對(duì)歷史數(shù)據(jù)處理的合理性，這一點(diǎn)作為大數(shù)據(jù)分析應(yīng)用的特點(diǎn)，使得更加有效地將相應(yīng)信息數(shù)據(jù)化、價(jià)值化。

（二）系統(tǒng)功能和流程設(shè)計(jì)

談及大數(shù)據(jù)分析在醫(yī)院醫(yī)保中的應(yīng)用，就應(yīng)提及大數(shù)據(jù)指導(dǎo)下的管理系統(tǒng)及相應(yīng)流程。根據(jù)一定的數(shù)據(jù)顯示，醫(yī)院醫(yī)?？劭畹妮^大部分比例并非來(lái)自于正當(dāng)合理的途徑，而是因?yàn)楦鱾€(gè)部門(mén)的實(shí)際工作人員沒(méi)有打破傳統(tǒng)的觀(guān)念，不能及時(shí)跟上時(shí)代，了解相應(yīng)的醫(yī)保政策，因?yàn)樵谡麄€(gè)系統(tǒng)構(gòu)建管理中，我們應(yīng)當(dāng)使臨床工作者真正的理解當(dāng)今的國(guó)家醫(yī)保政策，根據(jù)具體實(shí)際情況而做出相應(yīng)的調(diào)節(jié)與調(diào)度。

這不僅要求相關(guān)部門(mén)根據(jù)已有數(shù)據(jù)的分析，在每個(gè)經(jīng)營(yíng)周期的初始時(shí)間對(duì)整體管理進(jìn)行控制，然后再根據(jù)各個(gè)部門(mén)和科室，將相應(yīng)的指標(biāo)進(jìn)行細(xì)化。再者，在對(duì)相關(guān)在崗人員進(jìn)行一定的課程培訓(xùn)等，具體針對(duì)性指導(dǎo)交流的同時(shí)，也要求在臨床醫(yī)生為患者開(kāi)立各項(xiàng)內(nèi)容時(shí)，醫(yī)保知識(shí)相關(guān)的數(shù)據(jù)銜接內(nèi)容可以及時(shí)對(duì)不合理或者不按照要求進(jìn)行的步驟予以指出，并合理修改。

（三）應(yīng)用效果分析

在我們使用大數(shù)據(jù)分析進(jìn)行應(yīng)用管理的同時(shí)，我們所構(gòu)建起來(lái)的管理系統(tǒng)是相對(duì)多維化的。比如在醫(yī)生做出一定的診斷處理時(shí)，整個(gè)管理系統(tǒng)可以自動(dòng)并智能的進(jìn)行相應(yīng)的核對(duì)，校準(zhǔn)，對(duì)正確的數(shù)據(jù)進(jìn)行確認(rèn)，并對(duì)有問(wèn)題的部分及時(shí)作出反應(yīng)與調(diào)整。

最終可以實(shí)現(xiàn)對(duì)大數(shù)據(jù)的分析，而不斷找到問(wèn)題的根本，從最終的費(fèi)用數(shù)據(jù)，追究到相應(yīng)的部門(mén)，到相關(guān)的操作人員，再到相應(yīng)的患者自身，從而確保整體醫(yī)保管理中不會(huì)出現(xiàn)不合理的現(xiàn)象。反過(guò)來(lái)，以最終的結(jié)論為切入點(diǎn)，可以進(jìn)一步采取措施對(duì)醫(yī)院醫(yī)保的管理進(jìn)行相應(yīng)的改進(jìn)與完善。

依靠大數(shù)據(jù)分析的支持，得以使整個(gè)醫(yī)院醫(yī)保管理過(guò)程更加科學(xué)化，系統(tǒng)化，改變了傳統(tǒng)的理念與方法，也就消除了原始模式存在的弊端與漏洞，使整個(gè)醫(yī)院醫(yī)保管理更加合理有效。

四、對(duì)大數(shù)據(jù)分析應(yīng)用的成果

對(duì)于整個(gè)醫(yī)院醫(yī)保管理工作來(lái)講，大數(shù)據(jù)分析的出現(xiàn)使提高整個(gè)管理效率的極大福利。首先，依靠大數(shù)據(jù)分析應(yīng)用中的智能輔助過(guò)程，可以保證每一個(gè)不合理的信息內(nèi)容被不斷抽提出來(lái)，將不合要求，不合規(guī)矩的部分完整的篩查取出，避免了漏洞盤(pán)查的失誤所導(dǎo)致的不必要損失，使整個(gè)醫(yī)院醫(yī)保管理更加細(xì)致化，準(zhǔn)確化。再者，從傳統(tǒng)人力管理的方式轉(zhuǎn)變到智能審核管理的過(guò)程，可以使現(xiàn)有資源更加的價(jià)值化，使我們能夠在有限的資源中挖掘出更多信息含量的內(nèi)容，以增加整體管理及審核的效率，保證了信息的時(shí)效性，減輕醫(yī)院經(jīng)濟(jì)環(huán)節(jié)不必要的壓力。同時(shí)，整齊平等的標(biāo)準(zhǔn)讓更多管理工作得以順利展開(kāi)，使得臨床醫(yī)生可以不再擁有過(guò)多顧忌，而一心將工作放在治療患者的方向上。

最后，大數(shù)據(jù)分析在醫(yī)院醫(yī)保管理中的應(yīng)用所帶來(lái)的良好回饋，刺激了各個(gè)部門(mén)與科室間的相互交流以及自我監(jiān)督，促進(jìn)整體醫(yī)療服務(wù)水平的提升，對(duì)現(xiàn)有弊端的改正起到積極推動(dòng)作用。

五、結(jié)語(yǔ)

通過(guò)對(duì)醫(yī)院醫(yī)保管理中大數(shù)據(jù)分析的應(yīng)用，可以看出，我國(guó)現(xiàn)在的醫(yī)保費(fèi)用管理著實(shí)需要一定的基本保障與支持，而大數(shù)據(jù)分析技術(shù)就可以幫助整個(gè)管理系統(tǒng)構(gòu)建相對(duì)完整的框架，使得醫(yī)院在醫(yī)保管理的方向上實(shí)現(xiàn)效率提升，并且可以及時(shí)發(fā)現(xiàn)相關(guān)問(wèn)題，做出相應(yīng)對(duì)策準(zhǔn)備。

（作者單位為四川大學(xué)華西第四醫(yī)院）

參考文獻(xiàn)

[1] 夏新，⒉，王玨，陳瀟雨，朱建成.大數(shù)據(jù)分析在醫(yī)院醫(yī)保管理中的應(yīng)用研究

[J].中國(guó)數(shù)字醫(yī)學(xué)，2017（01）：9-11.

第8篇：數(shù)據(jù)分析方向范文

關(guān)鍵詞：大數(shù)據(jù) 金融業(yè) 優(yōu)勢(shì) 發(fā)展方向

互聯(lián)網(wǎng)的飛速發(fā)展，導(dǎo)致相關(guān)數(shù)據(jù)量呈現(xiàn)爆炸式增長(zhǎng)，海量數(shù)據(jù)將會(huì)為各大行業(yè)帶來(lái)新一波技術(shù)紅利。對(duì)于金融業(yè)這個(gè)對(duì)數(shù)據(jù)極度敏感的行業(yè)，數(shù)據(jù)運(yùn)用的重要性不言而喻，能夠高效運(yùn)用海量數(shù)據(jù)的金融機(jī)構(gòu)，必定會(huì)在未來(lái)的競(jìng)爭(zhēng)中脫穎而出。

一、迎來(lái)大數(shù)據(jù)時(shí)代

伴隨著互聯(lián)網(wǎng)的飛速發(fā)展，大量數(shù)據(jù)正通過(guò)我們周?chē)脑O(shè)備不斷產(chǎn)生，社交網(wǎng)絡(luò)、在線(xiàn)購(gòu)物、支付平臺(tái)等等都在收集著數(shù)據(jù)。我們每天產(chǎn)生的數(shù)據(jù)量正在以指數(shù)級(jí)增長(zhǎng)，2015年全球大數(shù)據(jù)儲(chǔ)量達(dá)到8.61ZB，而今后十年，用于存儲(chǔ)數(shù)據(jù)的全球服務(wù)器總量還將增長(zhǎng)十倍。大數(shù)據(jù)正在以驚人的速度、數(shù)量和品種于各行各業(yè)中產(chǎn)生，大數(shù)據(jù)時(shí)代迎面而來(lái)。

作為又一個(gè)充滿(mǎn)創(chuàng)新、競(jìng)爭(zhēng)和生產(chǎn)力的高科技前沿，大數(shù)據(jù)以其多源、海量、異構(gòu)的特性沖擊著我們身邊的每一個(gè)領(lǐng)域，已然成為繼云計(jì)算、物聯(lián)網(wǎng)之后信息技術(shù)領(lǐng)域又一次顛覆性的技術(shù)變革。對(duì)大數(shù)據(jù)合理、有效地運(yùn)用不僅會(huì)改變生產(chǎn)和消費(fèi)的商業(yè)行為模式，同時(shí)也會(huì)引起信息數(shù)據(jù)在數(shù)量、頻度和運(yùn)用等方面的巨大變革。通過(guò)對(duì)大容量數(shù)據(jù)的收集、整理與分析，發(fā)掘新的內(nèi)容，創(chuàng)造出新的價(jià)值，帶來(lái)“新知識(shí)”與“大發(fā)展”，大數(shù)據(jù)將開(kāi)啟一次嶄新的、重大的時(shí)代轉(zhuǎn)型。

二、大數(shù)據(jù)時(shí)代下金融業(yè)的優(yōu)勢(shì)

金融業(yè)作為一個(gè)與數(shù)據(jù)極度關(guān)聯(lián)的行業(yè)，能夠在當(dāng)前環(huán)境中抓住機(jī)遇，積極適應(yīng)大數(shù)據(jù)時(shí)代的金融機(jī)構(gòu)將會(huì)得到更好的發(fā)展，進(jìn)而實(shí)現(xiàn)自身競(jìng)爭(zhēng)力。面對(duì)大數(shù)據(jù)時(shí)代，需要我們運(yùn)用全新的邏輯與思維，以數(shù)據(jù)化的方法解決我們遇到的問(wèn)題，運(yùn)用大數(shù)據(jù)提升洞察力，拓展知識(shí)的廣度與深度，進(jìn)而幫助金融機(jī)構(gòu)識(shí)別趨勢(shì)并利用這些數(shù)據(jù)來(lái)獲得競(jìng)爭(zhēng)優(yōu)勢(shì)，創(chuàng)造可觀(guān)的經(jīng)濟(jì)價(jià)值。就大數(shù)據(jù)時(shí)代而言，金融業(yè)具有得天獨(dú)厚的發(fā)展優(yōu)勢(shì)，這主要源于以下三點(diǎn)：

（一）數(shù)據(jù)運(yùn)用傳統(tǒng)行業(yè)

金融業(yè)從最早的信用評(píng)級(jí)模型到后來(lái)的市場(chǎng)營(yíng)銷(xiāo)模型，直到現(xiàn)在的各類(lèi)投資收益模型，近些年其對(duì)數(shù)據(jù)分析的實(shí)踐操作經(jīng)驗(yàn)將極大地輔助其向“大數(shù)據(jù)”分析跨越。

（二）相關(guān)人才集中行業(yè)

金融業(yè)作為一個(gè)信息密集型服務(wù)產(chǎn)業(yè)，其信息技術(shù)等部門(mén)擁有大量的IT技術(shù)開(kāi)發(fā)與應(yīng)用人才，并逐年增加對(duì)信息系統(tǒng)的投資力度，使得其對(duì)數(shù)據(jù)的挖掘、應(yīng)用能力不斷提升。

（三）數(shù)據(jù)收集多源行業(yè)

金融機(jī)構(gòu)自身?yè)碛写罅拷Y(jié)構(gòu)化數(shù)據(jù)來(lái)源，如客戶(hù)的賬戶(hù)信息、資金交易記錄、證券交易記錄等，與此同時(shí)還擁有網(wǎng)上銀行交易記錄、電商平臺(tái)交易記錄、證券投資收益曲線(xiàn)等非結(jié)構(gòu)化數(shù)據(jù)。這些多維度的統(tǒng)計(jì)數(shù)據(jù)極大地便利了金融業(yè)對(duì)數(shù)據(jù)的挖掘，也體現(xiàn)出金融業(yè)強(qiáng)大的數(shù)據(jù)收集能力。

三、大數(shù)據(jù)時(shí)代下金融業(yè)的發(fā)展方向

大數(shù)據(jù)時(shí)代金融業(yè)的發(fā)展方向?qū)l(fā)生巨大改變，需要金融機(jī)構(gòu)迎合時(shí)代浪潮，以謀求長(zhǎng)遠(yuǎn)發(fā)展，從而在新一輪的競(jìng)爭(zhēng)中獲得一席之地。對(duì)于金融機(jī)構(gòu)未來(lái)發(fā)展方向的展望，本文歸納為以下五點(diǎn)：

（一）單一數(shù)據(jù)源向多數(shù)據(jù)源轉(zhuǎn)變

對(duì)于傳統(tǒng)金融機(jī)構(gòu)而言，其數(shù)據(jù)來(lái)源大多為自身結(jié)構(gòu)化的金融信息，如財(cái)務(wù)信息等，但在當(dāng)前時(shí)代，金融機(jī)構(gòu)的數(shù)據(jù)來(lái)源急速增長(zhǎng)，引入投資者交易行為、客戶(hù)評(píng)分、公共事業(yè)繳費(fèi)記錄等多方面、多維度的數(shù)據(jù)，從而可以更精確、更有效、更客觀(guān)地進(jìn)行分析評(píng)價(jià)。所以對(duì)于各金融機(jī)構(gòu)而言，獲取更多源、更強(qiáng)有效的關(guān)聯(lián)數(shù)據(jù)變得越來(lái)越重要。

（二）基礎(chǔ)數(shù)據(jù)分析向復(fù)雜數(shù)據(jù)分析轉(zhuǎn)變

對(duì)海量數(shù)據(jù)的分析，不同于之前簡(jiǎn)單的數(shù)據(jù)分析，它需要更復(fù)雜的統(tǒng)計(jì)技巧來(lái)獲得準(zhǔn)確的結(jié)果。金融機(jī)構(gòu)目前對(duì)于結(jié)構(gòu)化數(shù)據(jù)的利用率較低，面對(duì)非結(jié)構(gòu)化數(shù)據(jù)則更缺乏基本的處理機(jī)制和系統(tǒng)化的挖掘方法，所以加快建立大數(shù)據(jù)分析體系，充分挖掘數(shù)據(jù)資源價(jià)值，創(chuàng)建大數(shù)據(jù)時(shí)代新的數(shù)據(jù)分析方法，這將成為未來(lái)金融機(jī)構(gòu)的數(shù)據(jù)深研方向。

（三）群體營(yíng)銷(xiāo)模式向個(gè)體營(yíng)銷(xiāo)模式轉(zhuǎn)變

在大數(shù)據(jù)時(shí)代，通過(guò)對(duì)客戶(hù)在社交媒體、多媒體終端等渠道產(chǎn)生的各類(lèi)非結(jié)構(gòu)化信息進(jìn)行解析，金融機(jī)構(gòu)可以將每一個(gè)客戶(hù)數(shù)據(jù)化，進(jìn)而可以為客戶(hù)構(gòu)建嶄新的360度數(shù)字畫(huà)像，分析粒度由群體精細(xì)為個(gè)體，從而可以分析個(gè)體客戶(hù)需求，并及時(shí)提供與之匹配的金融產(chǎn)品和個(gè)性化服務(wù)，提升客戶(hù)滿(mǎn)意度。

（四）傳統(tǒng)決策模式向數(shù)據(jù)決策模式轉(zhuǎn)變

大數(shù)據(jù)使得決策模式發(fā)生轉(zhuǎn)變，由傳統(tǒng)的“基礎(chǔ)數(shù)據(jù)+經(jīng)驗(yàn)”決策模式向“數(shù)據(jù)證據(jù)”決策模式轉(zhuǎn)變。大數(shù)據(jù)更強(qiáng)調(diào)決策建立在牢固的證據(jù)基礎(chǔ)上。傳統(tǒng)的決策模式依賴(lài)于簡(jiǎn)單數(shù)據(jù)分析和高層管理經(jīng)驗(yàn)，而大數(shù)據(jù)時(shí)代全量數(shù)據(jù)分析使得分析結(jié)果更具客觀(guān)性和決策支持性，所以金融機(jī)構(gòu)未來(lái)的決策過(guò)程將會(huì)以數(shù)據(jù)為核心，圍繞客觀(guān)數(shù)據(jù)進(jìn)行決策判斷。

（五）傳統(tǒng)風(fēng)險(xiǎn)評(píng)估向數(shù)據(jù)風(fēng)險(xiǎn)評(píng)估轉(zhuǎn)變

大數(shù)據(jù)的運(yùn)用使得金融機(jī)構(gòu)的風(fēng)險(xiǎn)評(píng)估系統(tǒng)更加全面、客觀(guān)。傳統(tǒng)風(fēng)險(xiǎn)評(píng)估可能只是來(lái)源于對(duì)財(cái)務(wù)報(bào)表的研究，但是大數(shù)據(jù)時(shí)代下，金融機(jī)構(gòu)可以利用企業(yè)的多角度關(guān)聯(lián)數(shù)據(jù)進(jìn)行參考評(píng)估，比如對(duì)于某家物流企業(yè)，銀行可以通過(guò)第三方平臺(tái)對(duì)其客戶(hù)滿(mǎn)意度、貨物運(yùn)輸量、物流效率等方面進(jìn)行了解，從而客觀(guān)評(píng)價(jià)其經(jīng)營(yíng)狀況。所以目前也有越來(lái)越多的股份制銀行主動(dòng)與阿里巴巴、騰訊等企業(yè)進(jìn)行合作，進(jìn)而以大數(shù)據(jù)思維建立起自己的新型風(fēng)險(xiǎn)評(píng)估體系。

四、結(jié)束語(yǔ)

大數(shù)據(jù)的時(shí)代已經(jīng)到來(lái)，對(duì)于金融業(yè)而言，未來(lái)的發(fā)展勢(shì)必聚焦在創(chuàng)新、復(fù)雜的業(yè)務(wù)方向，所以必須轉(zhuǎn)變現(xiàn)有思維模式，重新審視自身核心競(jìng)爭(zhēng)力，主動(dòng)投身于互聯(lián)網(wǎng)大數(shù)據(jù)，將大數(shù)據(jù)的收集與挖掘作為企業(yè)經(jīng)營(yíng)的核心資產(chǎn)，提高資源分配效率，從而使自身在未來(lái)的競(jìng)爭(zhēng)中能夠脫穎而出。

參考文獻(xiàn)：

[1]雷晨寧.大數(shù)據(jù)時(shí)代金融業(yè)面臨的機(jī)遇和挑戰(zhàn)[J].商場(chǎng)現(xiàn)代化，2015（13）：164-164

第9篇：數(shù)據(jù)分析方向范文

隨著互聯(lián)網(wǎng)科技日益成熟，各種類(lèi)型的數(shù)據(jù)增長(zhǎng)將會(huì)超越歷史上任何一個(gè)時(shí)期。用戶(hù)想要從這龐大的數(shù)據(jù)庫(kù)中提取對(duì)自己有用的信息，就離不開(kāi)大數(shù)據(jù)分析技術(shù)和工具。中國(guó)有句老話(huà)：“工欲善其事，必須利其器！”可見(jiàn)，一個(gè)好的工具不僅可以使我們的工作事半功倍，也可以讓我們?cè)诟?jìng)爭(zhēng)日益激烈的云計(jì)算時(shí)代，充分挖掘大數(shù)據(jù)價(jià)值，并及時(shí)調(diào)整戰(zhàn)略方向。

在本文中，作者整理了中國(guó)境內(nèi)在大數(shù)據(jù)分析領(lǐng)域最具話(huà)語(yǔ)權(quán)的企業(yè)，它們有的是計(jì)算機(jī)或者互聯(lián)網(wǎng)領(lǐng)域的巨頭，有的則是剛剛創(chuàng)辦不久的初創(chuàng)企業(yè)。但它們有一個(gè)共同點(diǎn)，那就是它們都看到了大數(shù)據(jù)分析技術(shù)帶來(lái)的大機(jī)會(huì)，于是毫不猶豫地挺進(jìn)了數(shù)據(jù)分析領(lǐng)域。（如表單所示）

通過(guò)表單，可以了解到相應(yīng)廠(chǎng)商備受青睞的大數(shù)據(jù)分析產(chǎn)品。眾所周知，在大數(shù)據(jù)分析領(lǐng)域，當(dāng)家花旦非Hadoop莫屬，Hadoop已被公認(rèn)為是新一代的大數(shù)據(jù)處理平臺(tái)，IBM、Intel、Microsoft、 Oracle以及EMC都紛紛投入了Hadoop的懷抱。對(duì)于大數(shù)據(jù)來(lái)說(shuō)，最重要的還是對(duì)于數(shù)據(jù)的分析，從里面尋找有價(jià)值的數(shù)據(jù)幫助企業(yè)作出更好的商業(yè)決策。Hadoop和MapReduce等開(kāi)源工具則使企業(yè)能夠以一種全新的方式來(lái)管理和跟蹤大數(shù)據(jù)。對(duì)于中小企業(yè)而言，鑒于IT預(yù)算的考慮，大多都是從開(kāi)源的大數(shù)據(jù)分析工具著手，此時(shí)Hadoop就是首選。

當(dāng)前，大數(shù)據(jù)分析主要集中在商業(yè)智能、預(yù)測(cè)分析、數(shù)據(jù)挖掘和統(tǒng)計(jì)分析等方面。據(jù)Bain and Company報(bào)告顯示，那些使用大數(shù)據(jù)分析的公司的領(lǐng)導(dǎo)者們要遠(yuǎn)遠(yuǎn)比不使用大數(shù)據(jù)的公司領(lǐng)導(dǎo)者有優(yōu)勢(shì)，他們能夠比普通領(lǐng)導(dǎo)者快出五倍的速度進(jìn)行決策，并且這些決策往往都是正確的。

隨著IT和互聯(lián)網(wǎng)巨頭們不斷攻破大數(shù)據(jù)分析領(lǐng)域的各種難題，投放到市場(chǎng)的產(chǎn)品種類(lèi)越來(lái)越繁多，那么企業(yè)要如何選擇更適合自己的分析產(chǎn)品呢？以下是筆者總結(jié)的選型方案：首先要求企業(yè)像剝洋蔥一樣層層剝開(kāi)，依靠他們有良好關(guān)系的供應(yīng)商，要求查看他們大數(shù)據(jù)分析平臺(tái)的演示；其次推薦企業(yè)也要學(xué)習(xí)研究業(yè)界其它廠(chǎng)商的案例使用情況；還有企業(yè)也應(yīng)依靠?jī)?nèi)部的 IT 部門(mén)及更有技術(shù)悟性的員工，來(lái)幫助做一些甄選；但最重要的是企業(yè)應(yīng)該清楚什么是真正的需求，供應(yīng)商的產(chǎn)品如何能滿(mǎn)足這些需求，畢竟理解業(yè)務(wù)需求比擁有出色的技術(shù)更重要。

隨著企業(yè)開(kāi)始利用大數(shù)據(jù)，我們每天都會(huì)看到大數(shù)據(jù)新的奇妙的應(yīng)用，幫助人們真正從中獲益。大數(shù)據(jù)的應(yīng)用已廣泛深入我們生活的方方面面，涵蓋醫(yī)療、交通、金融、教育、體育、零售等各行各業(yè)。因此，大數(shù)據(jù)的分析方法在大數(shù)據(jù)領(lǐng)域就顯得尤為重要，可以說(shuō)是決定最終信息是否有價(jià)值的決定性因素。當(dāng)下，我國(guó)大數(shù)據(jù)技術(shù)仍處于起步階段，進(jìn)一步地開(kāi)發(fā)以完善大數(shù)據(jù)分析技術(shù)仍舊是大數(shù)據(jù)領(lǐng)域的熱點(diǎn)。

中國(guó)大數(shù)據(jù)分析廠(chǎng)商TOP50排行榜

分項(xiàng)得分（10）

排名 廠(chǎng)商 綜合評(píng)分（10） 創(chuàng)新能力 服務(wù)能力 解決方案 市場(chǎng)影響力

（35%） （20%） （30%） （15%）

1 IBM 9.1 10 8.5 8.5 9

2 Oracle 8.7 9 8 8.5 9

3 Google 8.6 9 8 8.5 8.5

4 Amazon 8.5 9 8 8.5 8

5 HP 8.4 8.5 8.5 8.5 8

6 SAP 8.2 9 8 7.5 8

7 Intel 8.1 9 8 7.5 7.5

8 Teradata 8.0 8.5 8 7.5 8

9 Microsoft 7.9 8 7.5 8 8

10 阿里 7.7 8.5 7 7 8

11 EMC 7.6 8.5 7.5 7.5 6

12 百度 7.5 8.5 5.5 7.5 7.5

13 Cloudera 7.4 7.5 8 7.5 6

14 雅虎 7.2 8.5 7 6 7

15 Splunk 7.1 8.5 7.5 6 5.5

16 騰訊 7.0 7 6 7 8

17 Dell 6.6 7 6.5 7 5

18 Opera Solutions 6.3 7 5.5 6.5 5

19 Mu Sigma 6.2 7 5 6 6

20 Fusion-io 6.1 7 5.5 5.5 6

21 1010data 6.0 6.5 6 5 6.5

22 SAS 5.9 7 4.5 5.5 6

23 Twitter 5.8 5 6 6 7

24 LinkedIn 5.7 6 4.5 6.5 5

25 華為 5.6 5 5.5 6 6

26 淘寶 5.5 6.5 4 6.5 3

27 用友 5.4 6 4.5 5.5 5

28 曙光 5.3 6 4.5 5.5 4

29 東軟 5.2 6 5.5 4.5 4

30 MapR 5.1 5.5 6 4.5 4

31 金蝶 5.0 5.5 5 4 5.5

32 Alpine 4.9 5.5 5 4.5 4

33 高德 4.8 5.5 6 3 5

34 Fujitsu 4.7 5 5.5 4 4.5

35 華院數(shù)云 4.6 5 5 4 4.5

36 博康智能 4.5 5 4 4.5 4

37 九次方金融數(shù)據(jù) 4.4 4.5 5 4 4

38 永洪科技 4.3 4 5.5 4 4

39 集奧聚合 4.2 4 4 4 5

40 國(guó)雙科技 4.1 4 3.5 4.5 4

41 百分點(diǎn) 4.0 3.5 5 4 3.5

42 榮科 3.9 3 5 4 3.5

43 博雅立方 3.8 3.5 4 4 4

44 億贊普 3.7 3 3.5 4.5 4

45 InsideSales 3.7 3 4 4 4

46 眾志和達(dá) 3.6 4 4 3 3.5

47 穎源科技 3.5 3 4 4 3

48 星環(huán)科技 3.4 3 3.5 4 3

49 拓爾思 3.3 3.5 3 3.5 3

50 國(guó)云數(shù)據(jù) 3.2 3 3 3.5 3.5

代表產(chǎn)品

InfoSphere BigInsights

Oracle Big Data Appliance

BigQuery

Kinesis

Vertica

HANA

Hadoop發(fā)行版

AsterData

SQL Server

采云間

GreenPlum

百度統(tǒng)計(jì)

Cloudera Apache Hadoop

Genome

Splunk Analytics for Hadoop

騰訊云分析

Big Data Retention

Opera Solutions

Mu Sigma大數(shù)據(jù)分析

Fusion ioMemory平臺(tái)

1010data大數(shù)據(jù)分析平臺(tái)

SAS Visual Analytics

Storm

LinkedIn數(shù)據(jù)分析模型

FusionInsight

知數(shù)寶

UAP平臺(tái)

曙光XData大數(shù)據(jù)一體機(jī)

東軟經(jīng)營(yíng)分析系統(tǒng)

Drill

金蝶KBI

Alpine Miner

高德地圖

Fujitsu M10

Hadoop+Postgresql架構(gòu)

博康智云大數(shù)據(jù)一體機(jī)

九次方大數(shù)據(jù)分析平臺(tái)

Yonghong Data Mart

DataQuate

Web Dissector

百分點(diǎn)數(shù)據(jù)管家

醫(yī)療大數(shù)據(jù)分析平臺(tái)

cubesearch平臺(tái)

億贊普大數(shù)據(jù)分析平臺(tái)

InsideSales大數(shù)據(jù)平臺(tái)

SureSave BDP1000

股市情緒分析軟件

Transwarp Data Hub