數(shù)據(jù)分析分析技術(shù)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)分析分析技術(shù)主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：數(shù)據(jù)分析分析技術(shù)范文

關(guān)鍵詞：聯(lián)機(jī)數(shù)據(jù)分析；處理數(shù)據(jù)；分析和轉(zhuǎn)換數(shù)據(jù)

中圖分類(lèi)號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）03-0006-03

為了提升大學(xué)物理公共課程的教學(xué)水平，更好地了解學(xué)生的學(xué)習(xí)情況，需要引用聯(lián)機(jī)數(shù)據(jù)技術(shù)，通過(guò)科學(xué)建立模型對(duì)教學(xué)數(shù)據(jù)進(jìn)行處理和分析。維度模型的建立是為了能夠全方位地剖析數(shù)據(jù)。

1 建立數(shù)據(jù)模型

建立模型是為了更加直觀地表達(dá)數(shù)據(jù)和事實(shí)。對(duì)于同一批數(shù)據(jù)，人們總是會(huì)以不同的角度對(duì)其進(jìn)行觀察，這就是維度。維度模型從不同的角度分析數(shù)據(jù)，最終得出一張事實(shí)表。

如圖1所示，維度模型包括了教材維度表，學(xué)期維度表，教師維度表，學(xué)生維度表和教學(xué)事實(shí)表。為了更好地分析教學(xué)效果，維度模型從四個(gè)不同的角度進(jìn)行分析，每一張維度表上都注明了詳細(xì)的數(shù)據(jù)內(nèi)容。最后，在總結(jié)四張維度表的基礎(chǔ)上，概括了最終的教學(xué)事實(shí)表。

2 OLAP技術(shù)

2.1 數(shù)據(jù)的采集

原有的Visual和SQL數(shù)據(jù)庫(kù)上儲(chǔ)存了學(xué)生的信息，教師的信息以及教學(xué)的數(shù)據(jù)等等。如圖二所示，教務(wù)數(shù)據(jù)庫(kù)中包含了課程信息表，學(xué)生信息表以及選課成績(jī)表。DTS工具能夠從不同的數(shù)據(jù)庫(kù)中自動(dòng)抽取需要進(jìn)行分析的數(shù)據(jù)，并且將其全部集中在一個(gè)新的數(shù)據(jù)庫(kù)中。新的SQL數(shù)據(jù)庫(kù)既可以?xún)?chǔ)存信息，還能夠?qū)π畔⑦M(jìn)行管理。聯(lián)機(jī)分析處理技術(shù)從不同的角度分析數(shù)據(jù)，有助于全面了解學(xué)生的學(xué)習(xí)情況和教師的教學(xué)質(zhì)量。

2.2 數(shù)據(jù)分析的結(jié)構(gòu)

從圖2中可以看出，數(shù)據(jù)分析的結(jié)構(gòu)包括了四層，其中最底層的是各種信息數(shù)據(jù)庫(kù)和文本文件，在此基礎(chǔ)上建立數(shù)據(jù)ETL，然后建立相應(yīng)的維度模型，最后利用聯(lián)機(jī)分析技術(shù)對(duì)數(shù)據(jù)進(jìn)行分析。采集數(shù)據(jù)和轉(zhuǎn)換數(shù)據(jù)是使用聯(lián)機(jī)分析技術(shù)的基礎(chǔ)，也是必不可少的一步。多維度分析是該結(jié)構(gòu)中的最后一步，最終的結(jié)果將會(huì)把數(shù)據(jù)轉(zhuǎn)換成圖表的形式呈現(xiàn)出來(lái)。

2.3 轉(zhuǎn)換數(shù)據(jù)

由于不同數(shù)據(jù)的語(yǔ)法可能存在差異，因此，把不同的數(shù)據(jù)轉(zhuǎn)換成相同的結(jié)構(gòu)顯得尤為必要。在聯(lián)機(jī)分析技術(shù)應(yīng)用的過(guò)程中，轉(zhuǎn)換數(shù)據(jù)是關(guān)鍵的一步，能否成功轉(zhuǎn)換數(shù)據(jù)，決定了維度模型的建立是否具有科學(xué)性與全面性。轉(zhuǎn)換數(shù)據(jù)是為了解決語(yǔ)法，語(yǔ)義結(jié)構(gòu)不同引起的問(wèn)題。

和數(shù)據(jù)語(yǔ)義不同相比，處理不同語(yǔ)法的數(shù)據(jù)顯得更為簡(jiǎn)單。如果數(shù)據(jù)本身和目標(biāo)數(shù)據(jù)之間存在語(yǔ)法結(jié)構(gòu)不同的問(wèn)題，那么只需要通過(guò)函數(shù)對(duì)其進(jìn)行轉(zhuǎn)換即可。一般來(lái)說(shuō)，數(shù)據(jù)本身的內(nèi)容并不會(huì)影響轉(zhuǎn)換過(guò)程，只要建立原數(shù)據(jù)和目標(biāo)數(shù)據(jù)之間的對(duì)應(yīng)關(guān)系，就能解決數(shù)據(jù)名稱(chēng)存在沖突的問(wèn)題。例如，學(xué)生數(shù)據(jù)庫(kù)本身的信息包括了學(xué)生的ID和班級(jí)，這就相當(dāng)于最終目標(biāo)數(shù)據(jù)中學(xué)生對(duì)應(yīng)的名稱(chēng)和班別。如果數(shù)據(jù)類(lèi)型不同，可以運(yùn)用相應(yīng)的函數(shù)對(duì)其進(jìn)行轉(zhuǎn)換，例如trim（）函數(shù)就能完成數(shù)據(jù)的轉(zhuǎn)換。下面是利用函數(shù)對(duì)原數(shù)據(jù)中學(xué)生的ID，專(zhuān)業(yè)以及院名進(jìn)行轉(zhuǎn)換的過(guò)程，其轉(zhuǎn)換代碼如下：

Function Main（）

DTSDestination（“ID”）=trim（DTSSourse（“名稱(chēng)”））

DTSDestination（“專(zhuān)業(yè)”）=cstr（DTSSourse（“專(zhuān)業(yè)”））

DTSDestination（“院名”）=trim（DTSSourse（“學(xué)院”））

Main=DTSTransformStat_OK

End Function

轉(zhuǎn)換不同語(yǔ)義結(jié)構(gòu)的數(shù)據(jù)是一個(gè)復(fù)雜的過(guò)程，它需要重視數(shù)據(jù)本身的信息和內(nèi)容。因此，僅僅通過(guò)一步完成數(shù)據(jù)轉(zhuǎn)換的過(guò)程是幾乎不可能的，它需要將原數(shù)據(jù)進(jìn)行一次次轉(zhuǎn)換，才能得到最終的目標(biāo)數(shù)據(jù)。例如每一個(gè)教師都有以及開(kāi)展項(xiàng)目，在原數(shù)據(jù)中只能看到項(xiàng)目的名稱(chēng)和論文的名稱(chēng)，如果需要將其轉(zhuǎn)換成教師的論文數(shù)量和項(xiàng)目數(shù)量，則需要經(jīng)過(guò)兩步的數(shù)據(jù)轉(zhuǎn)換。

2.4 數(shù)據(jù)結(jié)果分析

原數(shù)據(jù)從SQL中提取出來(lái)，然后通過(guò)函數(shù)對(duì)其進(jìn)行轉(zhuǎn)換，最后利用聯(lián)機(jī)分析技術(shù)進(jìn)行數(shù)據(jù)管理和分析，從不同的角度研究數(shù)據(jù)，從而全面分析學(xué)生的學(xué)習(xí)情況和教師的教學(xué)情況。數(shù)據(jù)分析的方法有很多種，其目的都是為了全方位地剖析數(shù)據(jù)。

2.4.1 高校教師教學(xué)質(zhì)量的對(duì)比分析

在教師維度表中，我們已經(jīng)按照教師的從業(yè)年齡，學(xué)歷以及職稱(chēng)對(duì)其進(jìn)行劃分，不同職稱(chēng)的教師，其教學(xué)質(zhì)量有著明顯的區(qū)別。教師的學(xué)歷不同，教齡有所差異，這都和教學(xué)效果息息相關(guān)。

2.4.2 不同時(shí)期對(duì)教學(xué)質(zhì)量的影響分析

聯(lián)機(jī)分析處理技術(shù)能夠從多角度分析數(shù)據(jù)，教學(xué)質(zhì)量不可能是一成不變的，它與多個(gè)因素密不可分，時(shí)間也是其中一個(gè)因素。在不同的時(shí)期，由于政策的變動(dòng)和外界因素的影響，教師的教學(xué)質(zhì)量也會(huì)隨之而受到不同程度的影響。

2.4.3 教學(xué)質(zhì)量和其他因素息息相關(guān)

除了時(shí)間和教師的水平會(huì)對(duì)教學(xué)質(zhì)量造成一定的影響，還有其他因素同樣會(huì)影響教學(xué)效果，例如：學(xué)生的學(xué)習(xí)能力，學(xué)校選用的課本等。綜合考慮各個(gè)因素對(duì)教學(xué)效果的影響，有利于教育部門(mén)更好地作出相應(yīng)的政策調(diào)整。

3 計(jì)算機(jī)分析處理技術(shù)中的數(shù)據(jù)處理方法分析

無(wú)可置疑，計(jì)算機(jī)技術(shù)的出現(xiàn)顛覆了人們傳統(tǒng)的思想和工作模式。如今，計(jì)算機(jī)技術(shù)已經(jīng)全面滲透到我們生活中和工作中的各個(gè)方面。不管是在工業(yè)生產(chǎn)還是科研數(shù)據(jù)處理中，計(jì)算機(jī)技術(shù)都發(fā)揮著不可替代的作用。如今我們需要處理的數(shù)據(jù)正與日俱增，這就意味著傳統(tǒng)的數(shù)據(jù)處理方法已經(jīng)無(wú)法滿足人們的需求了。儀表生產(chǎn)和系統(tǒng)控制要求數(shù)據(jù)具有高度精確性，這些數(shù)字在顯示之前，都必須經(jīng)過(guò)一系列的轉(zhuǎn)換，計(jì)算以及處理。首先，數(shù)據(jù)會(huì)以一種形式經(jīng)過(guò)轉(zhuǎn)換器，然后變成另一種新的形式，只有這樣計(jì)算機(jī)才能對(duì)數(shù)據(jù)進(jìn)行處理和分析。處理數(shù)據(jù)是一個(gè)復(fù)雜多變的過(guò)程，它的方法并不是單一的，根據(jù)數(shù)據(jù)處理的目標(biāo)不同，需要選擇不同的數(shù)據(jù)處理方法。例如，有的數(shù)據(jù)需要進(jìn)行標(biāo)度轉(zhuǎn)換，但有些數(shù)據(jù)只需要進(jìn)行簡(jiǎn)單計(jì)算即可，計(jì)算機(jī)技術(shù)的不斷進(jìn)步是為了更好地應(yīng)對(duì)人們對(duì)數(shù)據(jù)處理新的需要。

計(jì)算機(jī)數(shù)據(jù)處理技術(shù)的應(yīng)用離不開(kāi)系統(tǒng)，它比傳統(tǒng)的系統(tǒng)更加具有優(yōu)越性：

1）自動(dòng)更正功能，計(jì)算機(jī)系統(tǒng)在處理數(shù)據(jù)時(shí)，對(duì)于計(jì)算結(jié)果出現(xiàn)的誤差能夠及時(shí)修正，確保結(jié)果的準(zhǔn)確度。

2）傳統(tǒng)模擬系統(tǒng)只能進(jìn)行數(shù)據(jù)的簡(jiǎn)單計(jì)算，而計(jì)算機(jī)系統(tǒng)則能夠處理復(fù)雜多變的數(shù)據(jù)，其適用范圍和領(lǐng)域更加廣。

3）計(jì)算機(jī)系統(tǒng)不需要過(guò)多的硬件，只需要編寫(xiě)相應(yīng)的程序就能夠完成數(shù)據(jù)的處理，在節(jié)省空間的同時(shí)也降低了數(shù)據(jù)處理的成本。

4）計(jì)算機(jī)系統(tǒng)特有的監(jiān)控系統(tǒng)，能夠隨時(shí)監(jiān)測(cè)系統(tǒng)的安全性，從而確保數(shù)據(jù)的準(zhǔn)確度。

對(duì)于不同的數(shù)據(jù)，往往需要采用不同的處理方式，處理數(shù)據(jù)的簡(jiǎn)單方法包括查表，計(jì)算等。除此之外，標(biāo)度轉(zhuǎn)換，數(shù)字濾波同樣是應(yīng)用十分廣的處理技術(shù)。

3.1 數(shù)據(jù)計(jì)算

在各種數(shù)據(jù)處理方法中，計(jì)算法是最為簡(jiǎn)單的一種，利用現(xiàn)有的數(shù)據(jù)設(shè)置程序，然后直接通過(guò)計(jì)算得出最終的目標(biāo)數(shù)據(jù)。一般來(lái)說(shuō)，利用這種方法處理數(shù)據(jù)需要遵循一個(gè)過(guò)程：首先，求表達(dá)式，這是計(jì)算法最基本的一步；其次，設(shè)計(jì)電路，在此之前必須將轉(zhuǎn)換器的位數(shù)確定下來(lái)；最后，利用第一步已經(jīng)求出的表達(dá)式運(yùn)算數(shù)據(jù)。

3.2 數(shù)據(jù)查表

3.2.1 按順序查表格

當(dāng)需要搜索表格中的數(shù)據(jù)時(shí)，往往需要按照一定的順序和步驟。首先，明確表格的地址和長(zhǎng)度，然后再設(shè)置關(guān)鍵詞，最后按照順序進(jìn)行搜索。

3.2.2 通過(guò)計(jì)算查表格

這是一種較為簡(jiǎn)單的方法，適用范圍并不廣。只有當(dāng)數(shù)據(jù)之間表現(xiàn)出明顯的規(guī)律或者數(shù)據(jù)之間存在某種關(guān)系時(shí)，才能夠使用這種方法查表格。

3.2.3 利用程序查表格

相比于上述的兩種方法，利用程序查表格是一種相對(duì)復(fù)雜的方法，但是這種方法的優(yōu)點(diǎn)在于查找效率高，并且準(zhǔn)確度高。

3.3 數(shù)據(jù)濾波處理

采集數(shù)據(jù)并不難，但是確保每一個(gè)數(shù)據(jù)的真實(shí)性卻十分困難，尤其是在工業(yè)系統(tǒng)中，數(shù)據(jù)的測(cè)量難以確保絕對(duì)準(zhǔn)確，因?yàn)樵跍y(cè)量的過(guò)程中，外界環(huán)境對(duì)數(shù)據(jù)的影響往往是難以預(yù)估的。為了提高數(shù)據(jù)處理的精確度和準(zhǔn)確率，需要借助檢測(cè)系統(tǒng)對(duì)采集的數(shù)據(jù)進(jìn)行深加工。盡可能地讓處理的數(shù)據(jù)接近真實(shí)的數(shù)據(jù)，并且在數(shù)據(jù)采集的過(guò)程中最大限度地減少外界因素對(duì)其的影響，從而提高計(jì)算結(jié)果的準(zhǔn)確度。

濾波處理技術(shù)的應(yīng)用首先要確定數(shù)據(jù)的偏差，一般來(lái)說(shuō)，每?jī)蓚€(gè)測(cè)量數(shù)據(jù)之間都會(huì)存在一定的誤差，首先需要計(jì)算數(shù)據(jù)與數(shù)據(jù)之間可能出現(xiàn)的最大誤差。一旦超出這一數(shù)值，可以認(rèn)定數(shù)據(jù)無(wú)效，只有符合偏差范圍內(nèi)的數(shù)據(jù)，才能進(jìn)行下一步的處理。

為了減少由于外界影響導(dǎo)致數(shù)據(jù)失真的情況，利用程序過(guò)濾數(shù)據(jù)是很有必要的。濾波技術(shù)有幾種，根據(jù)不同的需要可以選擇相應(yīng)的數(shù)據(jù)處理技術(shù)，每一種數(shù)據(jù)濾波技術(shù)都有其適用范圍和優(yōu)點(diǎn)。數(shù)據(jù)濾波技術(shù)包括算術(shù)平均值濾波，加權(quán)平均值濾波，中值濾波，限幅濾波，限速濾波以及其他類(lèi)型的濾波技術(shù)。

3.4 轉(zhuǎn)換量程和標(biāo)度

在測(cè)量數(shù)據(jù)的過(guò)程中，每一種參數(shù)都有相應(yīng)的單位，為了方便數(shù)據(jù)處理，需要使用轉(zhuǎn)換器把數(shù)據(jù)轉(zhuǎn)換為統(tǒng)一的信號(hào)。標(biāo)度轉(zhuǎn)換是必不可少的，為了加強(qiáng)系統(tǒng)的管理和監(jiān)測(cè)，需要不同單位的數(shù)字量。轉(zhuǎn)換方法包括非線性參數(shù)標(biāo)度變換，參數(shù)標(biāo)度變換，量程轉(zhuǎn)換，這幾種轉(zhuǎn)換方法在數(shù)據(jù)處理的過(guò)程中較為常見(jiàn)。當(dāng)計(jì)算過(guò)程遇到困難，可以結(jié)合其他的標(biāo)度轉(zhuǎn)換方法進(jìn)行數(shù)據(jù)處理。

3.5 非線性補(bǔ)償計(jì)算法

3.5.1 線性插值計(jì)算方法

信號(hào)的輸入和輸出往往會(huì)存在一定的關(guān)系。曲線的斜率和誤差之間存在正相關(guān)關(guān)系，斜率越大，誤差越大。由此可見(jiàn)，這一計(jì)算方法僅僅適用于處理變化不大的數(shù)據(jù)。當(dāng)曲線繪制選用的數(shù)據(jù)越多，曲線的準(zhǔn)確程度越高，偏差越小。

3.5.2 拋物線計(jì)算方法

拋物線計(jì)算方法是一種常用的數(shù)據(jù)處理方法，只需要采集三組數(shù)據(jù)，就可以連成一條拋物線。相比于直線，拋物線更加接近真實(shí)的曲線，從而提高數(shù)據(jù)的準(zhǔn)確度。拋物線計(jì)算法的過(guò)程，只需要求出最后兩步計(jì)算中的M值，就能夠直接輸入數(shù)據(jù)得出結(jié)果。

3.6 數(shù)據(jù)長(zhǎng)度的處理

當(dāng)輸入數(shù)據(jù)和輸出數(shù)據(jù)的長(zhǎng)度不一，需要對(duì)其進(jìn)行轉(zhuǎn)換，使數(shù)據(jù)長(zhǎng)度達(dá)到一致。由于采集數(shù)據(jù)所使用的轉(zhuǎn)換器和轉(zhuǎn)換數(shù)據(jù)所選擇的轉(zhuǎn)換器不同，因此，當(dāng)輸入位數(shù)大于輸出位數(shù)，可以通過(guò)移位的方法使位數(shù)變成相同。相反，當(dāng)輸入位數(shù)少于輸出位數(shù)時(shí)，可以使用填充的方法將其轉(zhuǎn)換成相同的位數(shù)。

4 結(jié)語(yǔ)

本文對(duì)聯(lián)機(jī)分析技術(shù)進(jìn)行了詳細(xì)的論述，該技術(shù)的應(yīng)用對(duì)于評(píng)價(jià)教學(xué)效果有著重要的意義。在物理公共課程中，教學(xué)數(shù)據(jù)數(shù)量巨大，如果利用傳統(tǒng)的方法對(duì)其進(jìn)行分析，將會(huì)耗費(fèi)大量的人力物力，而采用OLAP技術(shù)則能更加快速準(zhǔn)確地分析處理數(shù)據(jù)。數(shù)據(jù)分析是評(píng)估教學(xué)質(zhì)量必經(jīng)的過(guò)程，而使用QLAP技術(shù)是為了能夠多層次，全方位地分析各個(gè)因素對(duì)教學(xué)質(zhì)量的影響，從而更好地改進(jìn)高校教育中存在的不足。除了分析物理課程數(shù)據(jù)，聯(lián)機(jī)分析技術(shù)同樣適用于其他課程的數(shù)據(jù)處理和分析。

參考文獻(xiàn)：

[1] Ralph kimball，Margy Ross.The Data Warehouse Toolkit：the Complete Guide to Dimensional Modeling[M]..北京：電子工業(yè)出版社，2003.

第2篇：數(shù)據(jù)分析分析技術(shù)范文

【關(guān)鍵詞】用電信息采集系統(tǒng) 數(shù)據(jù)分析 處理技術(shù)

隨著時(shí)間的推移，用電信息采集系統(tǒng)中存儲(chǔ)的數(shù)據(jù)總量會(huì)線性遞增，龐大的信息儲(chǔ)備在反映信息愈加全面的同時(shí)增加了信息分類(lèi)和處理的難度，所以其分析和處理技術(shù)需要隨著時(shí)代的發(fā)展不斷深化。

1 用電信息采集系統(tǒng)數(shù)據(jù)分析

由于用電信息采集系統(tǒng)內(nèi)的信息會(huì)隨著時(shí)間的推移而不斷增多，所以需要通過(guò)分類(lèi)處理的形式對(duì)龐大的信息量進(jìn)行逐層處理，這樣才可以提升系統(tǒng)對(duì)數(shù)據(jù)庫(kù)的處理效率，目前用電信息采集系統(tǒng)以時(shí)間為劃分標(biāo)準(zhǔn)，將信息分為以下三類(lèi)：1類(lèi)數(shù)據(jù)實(shí)時(shí)數(shù)據(jù)不具有時(shí)間序列屬性，通常只針對(duì)其更新而很少查詢(xún)，由于數(shù)據(jù)量龐大，其通常只具有15分鐘的實(shí)效，總加數(shù)據(jù)、測(cè)量點(diǎn)數(shù)據(jù)、終端數(shù)據(jù)是其主要形式，在存儲(chǔ)的過(guò)程中應(yīng)根據(jù)其不同的物理對(duì)象選擇與其相應(yīng)的存儲(chǔ)表；2類(lèi)數(shù)據(jù)其主要顯示用電戶在過(guò)去一段時(shí)間內(nèi)的用電信息，為預(yù)付費(fèi)管理、用電情況統(tǒng)計(jì)等工作提供數(shù)據(jù)支持，其與1類(lèi)數(shù)據(jù)不同具有時(shí)間序列屬性，而且更新少而查詢(xún)多，15分鐘至1小時(shí)，1日、一個(gè)月等都可根據(jù)實(shí)際需要作為周期，其在存儲(chǔ)的過(guò)程中也可以根據(jù)不同的物理對(duì)象，選擇不同的存儲(chǔ)表；3類(lèi)數(shù)據(jù)包括參數(shù)丟失或變更、回路異常、電能表顯示出現(xiàn)偏差等情況，由于其不同時(shí)間的發(fā)生頻率、使用方式等都存在差異，所以在存儲(chǔ)的過(guò)程中應(yīng)單獨(dú)分表，將用電信息按照屬性進(jìn)行劃分極大地提升了采集系統(tǒng)的工作效率。

2 用電信息采集系統(tǒng)數(shù)據(jù)處理技術(shù)

用電信息采集系統(tǒng)其要同時(shí)對(duì)多種通信通道和終端進(jìn)行管理，從而實(shí)現(xiàn)對(duì)用電戶用電信息管理、負(fù)荷及預(yù)付費(fèi)控制，所以其并非單一計(jì)算機(jī)節(jié)點(diǎn)可獨(dú)立完成，需要以下技術(shù)輔助其實(shí)現(xiàn)如圖1所示。

2.1 集群技術(shù)

主要應(yīng)用于系統(tǒng)中的核心部位，例如數(shù)據(jù)庫(kù)、數(shù)據(jù)采集等，其主要是將多個(gè)獨(dú)立但都處于高速網(wǎng)絡(luò)中的計(jì)算機(jī)連接成一個(gè)整體，并通過(guò)單一系統(tǒng)對(duì)整體進(jìn)行管理控制，利用集群技術(shù)可以實(shí)現(xiàn)大運(yùn)量計(jì)算，目前主要應(yīng)用的集群技術(shù)主要有主/主和主/從兩種狀態(tài)，其主要區(qū)別是當(dāng)一個(gè)節(jié)點(diǎn)處于正常工作狀態(tài)時(shí)是否需要有另一個(gè)節(jié)點(diǎn)處于備用狀態(tài)，利用集群技術(shù)大幅度的提升了系統(tǒng)對(duì)數(shù)據(jù)的計(jì)算能力，從而提升了系統(tǒng)的數(shù)據(jù)處理效率及準(zhǔn)確性。網(wǎng)絡(luò)負(fù)載均衡技術(shù)，在實(shí)際操作中系統(tǒng)要處理大量的數(shù)據(jù)，用戶等待系統(tǒng)反應(yīng)的時(shí)間通常較長(zhǎng)，而網(wǎng)絡(luò)負(fù)載均衡技術(shù)的出現(xiàn)實(shí)現(xiàn)了對(duì)大量并發(fā)訪問(wèn)、數(shù)據(jù)流量合理均等的分配至多臺(tái)節(jié)點(diǎn)設(shè)備，從而實(shí)現(xiàn)多臺(tái)設(shè)備同時(shí)進(jìn)行數(shù)據(jù)處理，使原本復(fù)雜的數(shù)據(jù)處理任務(wù)被合理分化，不僅縮短了處理時(shí)間，而且有效的降低了系統(tǒng)在處理過(guò)程中出現(xiàn)信道堵塞的概率，提升了系統(tǒng)數(shù)據(jù)處理的性能，在響應(yīng)請(qǐng)求方面得到優(yōu)化。

2.2 內(nèi)存數(shù)據(jù)庫(kù)技術(shù)

是優(yōu)化系統(tǒng)數(shù)據(jù)處理能力的重要途徑，內(nèi)存數(shù)據(jù)庫(kù)技術(shù)實(shí)現(xiàn)了采集的信息直接在內(nèi)存中存儲(chǔ)，從而利用內(nèi)存隨機(jī)訪問(wèn)的特點(diǎn)，在信息讀寫(xiě)速度方面進(jìn)行優(yōu)化，使數(shù)據(jù)信息的訪問(wèn)性能得到提升，此項(xiàng)技術(shù)在數(shù)據(jù)緩存、數(shù)據(jù)算法等方面進(jìn)行了針對(duì)性的設(shè)計(jì)，使系統(tǒng)的信息處理速度提升十倍以上，為實(shí)時(shí)查詢(xún)提供了可能，極大地促進(jìn)了后付費(fèi)和預(yù)付費(fèi)的融合，使系統(tǒng)數(shù)據(jù)處理性能得到完善。批量數(shù)據(jù)處理技術(shù)，由于在實(shí)際工作中由于系統(tǒng)需要對(duì)大量的數(shù)據(jù)進(jìn)行分類(lèi)處理，逐個(gè)信息處理的可行性非常低，需要對(duì)大批量數(shù)據(jù)進(jìn)行集中處理，但在應(yīng)用批量數(shù)據(jù)處理技術(shù)的同時(shí)要對(duì)數(shù)據(jù)庫(kù)的表結(jié)構(gòu)、SQL語(yǔ)句進(jìn)行優(yōu)化處理并對(duì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)表合理管理，例如將個(gè)體數(shù)據(jù)表的數(shù)據(jù)量限制在2GB以?xún)?nèi)，確保其訪問(wèn)性能不受影響；將數(shù)據(jù)按照分類(lèi)存儲(chǔ)于不同的磁盤(pán)，保證查詢(xún)質(zhì)量；在優(yōu)化SQL語(yǔ)句時(shí)盡量保證帶有參數(shù)等，只有數(shù)據(jù)庫(kù)性能良好，批量數(shù)據(jù)處理技術(shù)才可以應(yīng)用，不然會(huì)適得其反。

2.3 SAN存儲(chǔ)技術(shù)

隨著系統(tǒng)采集數(shù)據(jù)量的增加，以服務(wù)器為中心的處理模式會(huì)嚴(yán)重影響網(wǎng)絡(luò)性能，從而影響系統(tǒng)對(duì)數(shù)據(jù)的處理效率，所以將備份和傳輸不占用局域網(wǎng)資源的SAN技術(shù)引入到系統(tǒng)處理中非常具有現(xiàn)實(shí)意義，其以光纖通道為途徑，使信息存儲(chǔ)不再受距離和容量的限制，系統(tǒng)的信息采集性能得到有效提升。ODI技術(shù)，在實(shí)際工作中有時(shí)需要對(duì)某一類(lèi)信息進(jìn)行集中處理，而系統(tǒng)中的數(shù)據(jù)復(fù)雜散落不易處理，所以需要將同類(lèi)信息按模塊分類(lèi)存儲(chǔ)，ODI存儲(chǔ)技術(shù)恰好是以模塊或儲(chǔ)存庫(kù)為核心而展開(kāi)的應(yīng)用技術(shù)，它將系統(tǒng)的數(shù)據(jù)庫(kù)分為一個(gè)主存儲(chǔ)庫(kù)和多個(gè)有關(guān)聯(lián)的工作存儲(chǔ)庫(kù)，數(shù)據(jù)處理人員利用ODI存儲(chǔ)技術(shù)可以根據(jù)實(shí)際情況制定存儲(chǔ)模塊或?qū)Υ鎯?chǔ)模塊內(nèi)部信息進(jìn)行更改，從而實(shí)現(xiàn)批量數(shù)據(jù)處理腳本的集中管理，使批量處理的效率大幅度提升。

3 結(jié)論

目前電力用戶用電信息采集系統(tǒng)不僅要實(shí)現(xiàn)準(zhǔn)確、全面、及時(shí)的采集數(shù)據(jù)，而且要高效、準(zhǔn)確的對(duì)采集的信息進(jìn)行計(jì)算處理，以供相關(guān)部門(mén)的查詢(xún)和應(yīng)用，所以在優(yōu)化系統(tǒng)存儲(chǔ)空間的同時(shí)，要加大系統(tǒng)對(duì)數(shù)據(jù)處理的能力。

參考文獻(xiàn)

[1]朱彬若，杜衛(wèi)華，李蕊.電力用戶用電信息采集系統(tǒng)數(shù)據(jù)分析與處理技術(shù)[J].華東電力，2011，12（10）：162-166.

[2]董俐君，張芊.數(shù)據(jù)處理與智能分析技術(shù)在用電信息采集系統(tǒng)中的應(yīng)用[J].華東電力，2013，12（27）：255-256.

[3]況貞戎.用電信息采集系統(tǒng)中主站采集平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)[D].成都：電子科技大學(xué)，2014.

第3篇：數(shù)據(jù)分析分析技術(shù)范文

關(guān)鍵詞：數(shù)據(jù)倉(cāng)庫(kù)；數(shù)據(jù)挖掘；教務(wù)數(shù)據(jù)；深度挖掘

中圖分類(lèi)號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A

1 引言

在信息時(shí)代，信息技術(shù)的快速發(fā)展對(duì)社會(huì)各個(gè)領(lǐng)域都產(chǎn)生了一定的影響，在電子商務(wù)中反映尤為突出。對(duì)于學(xué)校教務(wù)系統(tǒng)的應(yīng)用相對(duì)較晚，但教務(wù)數(shù)據(jù)對(duì)學(xué)校而言，是最基本的數(shù)據(jù)，這些數(shù)據(jù)的保留是學(xué)校運(yùn)作的根本。對(duì)教務(wù)數(shù)據(jù)的分析也是對(duì)學(xué)校教學(xué)效果的評(píng)定，能夠從龐大的教務(wù)數(shù)據(jù)中挖掘出更潛在的信息，既是對(duì)學(xué)校運(yùn)行狀況的更深入了解，又有利于學(xué)校對(duì)未來(lái)發(fā)展方向的決策。

2 教務(wù)管理狀況分析

教務(wù)管理不僅是處理學(xué)校的日常事務(wù)，它更重要的作用體現(xiàn)在可以反映學(xué)校的教學(xué)效果和分析學(xué)校培養(yǎng)方向的正確性，并以此幫助學(xué)校向更好的方向發(fā)展。教務(wù)數(shù)據(jù)分析的處理到目前為止經(jīng)歷了人工和計(jì)算機(jī)處理的兩大階段。

2.1 人工處理階段

為了反映較大范圍教務(wù)情況的整體特征，教務(wù)部門(mén)通常要付出龐大的人力和物力收集和分析大量數(shù)據(jù)。這個(gè)數(shù)據(jù)的收集通常要經(jīng)歷一個(gè)較長(zhǎng)的時(shí)間，間隔一段時(shí)間還必須重復(fù)執(zhí)行。比如開(kāi)課計(jì)劃、學(xué)生成績(jī)、教室使用情況等。然而，分析收集來(lái)的海量數(shù)據(jù)更是教務(wù)部門(mén)頭疼的一件事。

還沒(méi)有出現(xiàn)計(jì)算機(jī)前，光靠人工來(lái)處理數(shù)據(jù)有時(shí)還會(huì)面臨這樣的窘境：上一期的數(shù)據(jù)結(jié)果還沒(méi)分析出來(lái)，下一期的數(shù)據(jù)收集又要開(kāi)始了，因此整個(gè)數(shù)據(jù)收集和分析工作變得沒(méi)有任何意義。另外，有些數(shù)據(jù)需要間隔一段時(shí)間重新收集，然后進(jìn)行短期和長(zhǎng)期的分析數(shù)據(jù)。比如成績(jī)分析，若按照4年制本科為一個(gè)分析周期。首先，每學(xué)期教務(wù)部門(mén)要進(jìn)行一次短期成績(jī)分析。其次每學(xué)年教務(wù)部門(mén)就需對(duì)即將畢業(yè)的本科前4年的所有成績(jī)做一次中長(zhǎng)期成績(jī)分析。然而，如果學(xué)校還需了解長(zhǎng)期以來(lái)各級(jí)學(xué)生的學(xué)習(xí)情況，則還必須知道近10年、20年、50年甚至更長(zhǎng)時(shí)間的成績(jī)發(fā)展趨勢(shì)，那么光靠人工去翻閱以前的數(shù)據(jù)就是件很困難的工作了。所以人工處理數(shù)據(jù)階段，有許多教務(wù)數(shù)據(jù)分析工作受到很大限制。

2.2 計(jì)算機(jī)處理階段

自計(jì)算機(jī)出現(xiàn)后，許多領(lǐng)域的工作發(fā)生了翻天覆地的變化，教務(wù)管理同樣也不會(huì)忽略如此有效的技術(shù)手段。20世紀(jì)80年代以來(lái)，我國(guó)一直關(guān)注信息化在各領(lǐng)域的應(yīng)用，教務(wù)管理信息化的發(fā)展大致經(jīng)歷了以下三個(gè)階段：面向數(shù)據(jù)處理的第一代教務(wù)管理、面向信息處理的第二代教務(wù)管理、面向知識(shí)處理的第三代教務(wù)管理。在前兩個(gè)階段中，許多教務(wù)工作確實(shí)提高了效率，但是教務(wù)海量數(shù)據(jù)中隱含的價(jià)值仍不能被有效發(fā)掘與利用。正如在一大座金山中，獲取更有價(jià)值的黃金還需更細(xì)致更有效的清理和挖掘。

雖然在前些年，學(xué)校各級(jí)部門(mén)具備了一定的信息化基礎(chǔ)設(shè)施，為構(gòu)建信息化教務(wù)系統(tǒng)奠定了基礎(chǔ)。但是，由于缺乏統(tǒng)一的規(guī)劃，學(xué)校各子系統(tǒng)或多或少存在“信息孤島”的問(wèn)題，也沒(méi)有有效的方法從海量數(shù)據(jù)資源中快速挖掘更有價(jià)值的知識(shí)信息。因此，耗費(fèi)成本收集的數(shù)據(jù)沒(méi)有利用就被棄置了，教務(wù)數(shù)據(jù)分析僅停留在表面。

由于信息技術(shù)的發(fā)展，信息化時(shí)代逐漸進(jìn)入第三展中，即有效應(yīng)用數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘技術(shù)挖掘知識(shí)。

3 DW和DM技術(shù)

數(shù)據(jù)倉(cāng)庫(kù)（DataWare，即DW）是指一個(gè)面向主題的、集成的、非易失的且隨時(shí)間變化的數(shù)據(jù)集合，用來(lái)支持管理人員的決策[1]。當(dāng)大量的數(shù)據(jù)被整合在一起后，從用戶分析角度來(lái)看，使用這些數(shù)據(jù)的手段是多方面和多層次的。面向知識(shí)處理的教務(wù)系統(tǒng)應(yīng)能夠自動(dòng)剔除掉不需要的數(shù)據(jù)，按照用戶的要求整合雜亂的數(shù)據(jù)資源，獲取某些可用的屬性。而且，學(xué)校的決策通常是經(jīng)過(guò)觀察長(zhǎng)期發(fā)展的狀況而制定的。其間，需要分析5年、10年，甚至幾十年的大量相關(guān)數(shù)據(jù)資源。因此，教務(wù)數(shù)據(jù)需要被長(zhǎng)期且穩(wěn)定的存儲(chǔ)。在日常收集數(shù)據(jù)和整理數(shù)據(jù)時(shí)，利用數(shù)據(jù)倉(cāng)庫(kù)的思想來(lái)進(jìn)行，有利于我們充分發(fā)揮數(shù)據(jù)挖掘技術(shù)進(jìn)行知識(shí)的挖掘。

數(shù)據(jù)挖掘（Data Mining,即DM）是指從大量的數(shù)據(jù)中，抽取出潛在的、有價(jià)值的知識(shí)（模型或規(guī)則）的過(guò)程。數(shù)據(jù)挖掘就是從大量數(shù)據(jù)中提取或“挖掘”知識(shí)。

首先，我們要確定數(shù)據(jù)挖掘的對(duì)象有哪些。數(shù)據(jù)資源可以從多方面獲得，如系統(tǒng)分析設(shè)計(jì)人員向不同范圍的業(yè)務(wù)對(duì)象調(diào)研獲得，或反之業(yè)務(wù)對(duì)象主動(dòng)向系統(tǒng)設(shè)分析設(shè)計(jì)人員提出；在互聯(lián)網(wǎng)時(shí)代，從網(wǎng)絡(luò)中獲得數(shù)據(jù)資源更快更多了。

其次，要有效地應(yīng)用數(shù)據(jù)挖掘技術(shù)，就要遵循科學(xué)的應(yīng)用流程。一般的挖掘流程是：（1）確定挖掘?qū)ο?；?）數(shù)據(jù)準(zhǔn)備；（3）數(shù)據(jù)挖掘，即模式提取；（4）結(jié)果分析，即模式評(píng)估。[2]

數(shù)據(jù)挖掘功能用于指定數(shù)據(jù)挖掘任務(wù)中要找的模式類(lèi)型。數(shù)據(jù)挖掘任務(wù)一般可以分為兩類(lèi)：描述和預(yù)測(cè)。描述性挖掘任務(wù)刻畫(huà)數(shù)據(jù)庫(kù)中數(shù)據(jù)的一般特性。預(yù)測(cè)性挖掘任務(wù)在當(dāng)前數(shù)據(jù)上進(jìn)行推斷，以進(jìn)行預(yù)測(cè)。數(shù)據(jù)挖掘系統(tǒng)要能夠挖掘多種類(lèi)型的模式，以適應(yīng)不同的用戶需求或不同的應(yīng)用。數(shù)據(jù)挖掘功能以及它們可以發(fā)現(xiàn)的模式類(lèi)型包括：class/concept description、Association analysis、Classification and prediction、Clustering、Outlier analysis等。

4 建立面向知識(shí)處理的教務(wù)數(shù)據(jù)分析系統(tǒng)

按照上述數(shù)據(jù)挖掘的基本流程，以教務(wù)系統(tǒng)中成績(jī)分析為例介紹如何讓教務(wù)系統(tǒng)實(shí)現(xiàn)面向知識(shí)的處理。

4.1 構(gòu)建教務(wù)系統(tǒng)的數(shù)據(jù)倉(cāng)庫(kù)

這部分主要分為四個(gè)任務(wù)：確定教務(wù)系統(tǒng)中的數(shù)據(jù)源；Web數(shù)據(jù)的預(yù)處理；多維Web數(shù)據(jù)模式的建立；應(yīng)用OLAP技術(shù)。

4.1.1確定教務(wù)系統(tǒng)中的數(shù)據(jù)源

教務(wù)系統(tǒng)的數(shù)據(jù)主要從兩個(gè)方面獲得：

（1）各學(xué)院開(kāi)課計(jì)劃、學(xué)校學(xué)計(jì)劃；

（2）教師提交的各門(mén)課程的成績(jī)。

第一方面的數(shù)據(jù)主要由學(xué)校、各學(xué)院按照培養(yǎng)計(jì)劃每學(xué)期提交，包括各專(zhuān)業(yè)班級(jí)的課程安排、授課教師、課時(shí)、學(xué)分等。這部分?jǐn)?shù)據(jù)主要以Excel表格形式提交，教務(wù)部門(mén)對(duì)這部分的數(shù)據(jù)收集與存儲(chǔ)大部分停留在文檔形式。

第二方面的數(shù)據(jù)主要在學(xué)期末由授課教師分專(zhuān)業(yè)班級(jí)和課程提交。目前，這部分的數(shù)據(jù)收集有的以紙質(zhì)文檔形式收集，有的以Excel文檔形式收集，也有的實(shí)現(xiàn)了數(shù)據(jù)庫(kù)收集存儲(chǔ)。

在進(jìn)行數(shù)據(jù)挖掘之前，首先要將這兩方面的數(shù)據(jù)完全實(shí)現(xiàn)數(shù)據(jù)庫(kù)收集與存儲(chǔ)。隨著教務(wù)數(shù)據(jù)與日俱增，還需使用數(shù)據(jù)倉(cāng)庫(kù)來(lái)管理這些數(shù)據(jù)。

目前，有許多學(xué)校實(shí)現(xiàn)了在線登錄成績(jī)的信息化。那么如何對(duì)龐大的Web數(shù)據(jù)建立數(shù)據(jù)倉(cāng)庫(kù)呢？

4.1.2 Web數(shù)據(jù)的預(yù)處理

通過(guò)Web收集的數(shù)據(jù)稱(chēng)之為原始數(shù)據(jù)，管理員可根據(jù)需要用某些字段記錄相關(guān)數(shù)據(jù)。如：專(zhuān)業(yè)班級(jí)名稱(chēng)，教師登錄名，課程名稱(chēng)，成績(jī)比例，分?jǐn)?shù)，提交時(shí)間等。對(duì)Web數(shù)據(jù)的預(yù)處理包括兩步。第一步：清除噪音，即去掉對(duì)知識(shí)挖掘無(wú)關(guān)的數(shù)據(jù)。第二步：轉(zhuǎn)化數(shù)據(jù)，即將原始數(shù)據(jù)按照挖掘需求，通過(guò)重新組織或簡(jiǎn)單計(jì)算轉(zhuǎn)換成規(guī)范模式。

4.1.3多維Web數(shù)據(jù)模式的建立

分為三步進(jìn)行。第一步，選取維。多維數(shù)據(jù)便于我們從多個(gè)角度、多個(gè)側(cè)面對(duì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行觀察、分析，以深入了解包含在數(shù)據(jù)中的信息和內(nèi)涵。N維數(shù)據(jù)矩陣用C(A1, A2, . .., Am ，count)模式表示，其中Ai代表第i維，i=1,2,...,n, count是變量，反映數(shù)據(jù)的實(shí)際意義。

數(shù)據(jù)單元用r[A1:a1,...,An:an,count]模式表示，即為維Ai選定一個(gè)維成員ai，i=l，…，n，這些維成員的組合唯一確定了變量count的一個(gè)值。通常，需要了解成績(jī)的分布情況，可以選取專(zhuān)業(yè)班級(jí)維、時(shí)間維、課程維構(gòu)建數(shù)據(jù)矩陣，以形成多維視圖。

第二步，構(gòu)造多維視圖。先選取Date維（按學(xué)期組織）、Class維（按專(zhuān)業(yè)班級(jí)組織）用二維形式表示每個(gè)專(zhuān)業(yè)班級(jí)各學(xué)期的成績(jī)狀況。然后加入第三維Course維（按課程組織），進(jìn)一步構(gòu)建成績(jī)分布的三維視圖。視圖顯示的事實(shí)是Course_Class_Analyse（課程專(zhuān)業(yè)學(xué)習(xí)情況）。

第三步，創(chuàng)建多維數(shù)據(jù)模式。最流行的數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)模型是多維數(shù)據(jù)模型。最常見(jiàn)的模型范例是星型模式。

4.1.4應(yīng)用OLAP技術(shù)

OLAP，即在線聯(lián)機(jī)處理。應(yīng)用OLAP技術(shù)可以很方便地從Web數(shù)據(jù)矩陣中作出一些簡(jiǎn)單的結(jié)論性分析，如回答一些問(wèn)題:（1）哪些專(zhuān)業(yè)班級(jí)學(xué)習(xí)情況較好，哪些較差?（2）哪些專(zhuān)業(yè)課程成績(jī)較高，哪些較低?我們可以充分利用多維數(shù)據(jù)模型上的OLAP操作，如下鉆(drill-down)、上卷(roll-up)、切片分析(slice)和切塊分析(dice)等技術(shù)對(duì)問(wèn)題進(jìn)行求解。

4.2 挖掘模式的有效應(yīng)用

應(yīng)用數(shù)據(jù)挖掘技術(shù)可以自動(dòng)發(fā)現(xiàn)學(xué)生學(xué)習(xí)傾向和專(zhuān)業(yè)發(fā)展趨勢(shì)。

4.2.1數(shù)據(jù)挖掘技術(shù)應(yīng)用的范圍

雖然現(xiàn)在已有很多學(xué)校都建立了自己的教務(wù)管理網(wǎng)站，但教職工與學(xué)生僅僅只在Web上進(jìn)行成績(jī)的登錄和查詢(xún)。這樣的教務(wù)網(wǎng)站只是提供了收集數(shù)據(jù)的快捷途徑，并沒(méi)有從根本上體現(xiàn)本身應(yīng)有的應(yīng)用價(jià)值。教務(wù)系統(tǒng)希望能夠從其門(mén)戶網(wǎng)站中收集大量原始數(shù)據(jù)，并依此發(fā)掘更深入的服務(wù)信息。同時(shí)，學(xué)校高層也希望能從教務(wù)系統(tǒng)中發(fā)現(xiàn)學(xué)生的學(xué)習(xí)情況，課程計(jì)劃的實(shí)施效果等。這些都需要從海量的教務(wù)數(shù)據(jù)中應(yīng)用特定的挖掘模型反映出來(lái)。基于此，對(duì)于下一次培養(yǎng)計(jì)劃的修訂才有現(xiàn)實(shí)的數(shù)據(jù)支撐。

4.2.2應(yīng)用挖掘模式提取和分析知識(shí)

根據(jù)不同的應(yīng)用要求，在數(shù)據(jù)挖掘模式中選擇合適的方法進(jìn)行計(jì)算，提取有效數(shù)據(jù)，得出知識(shí)。對(duì)于教務(wù)系統(tǒng)而言，可以應(yīng)用聚類(lèi)方法確定特定不同成效的學(xué)生與課程的分布，從而識(shí)別出一些問(wèn)題：

（1） 對(duì)于某個(gè)專(zhuān)業(yè)班級(jí)，哪些課程學(xué)習(xí)效果較好；

（2） 對(duì)于學(xué)習(xí)效果較好的課程，是因?yàn)榻虒W(xué)效果好，還是開(kāi)課計(jì)劃恰當(dāng)；

（3） 對(duì)比同一門(mén)課的不同專(zhuān)業(yè)班級(jí)，以輔助各學(xué)院分析培養(yǎng)計(jì)劃的適應(yīng)性。

5 結(jié)束語(yǔ)

關(guān)于DW and DW 技術(shù)對(duì)教務(wù)數(shù)據(jù)分析的應(yīng)用，還有許多值得繼續(xù)深入研究。但是，不論從哪個(gè)方向進(jìn)行研究，都必須要以提高教務(wù)處理能力為宗旨，讓教務(wù)資源發(fā)揮最大的輔助決策價(jià)值。

參考文獻(xiàn)：

[1] Colin White. Data Warehousing: Cleaning and Transforming Data [M], InfoDB, 2002.

[2] 林宇. 數(shù)據(jù)倉(cāng)庫(kù)原理與實(shí)踐[M]，北京: 人民郵電出版社, 2003.

第4篇：數(shù)據(jù)分析分析技術(shù)范文

一、工程概況

無(wú)錫市軌道交通1號(hào)線江海路站～火車(chē)站站區(qū)間線路長(zhǎng)1300m,出江海路站后，在通順橋前以350m（右線360m）曲線半徑向東南偏轉(zhuǎn)，于通順橋和廢棄水閘之間下穿慶豐河（區(qū)間下穿段河面寬度22米），再下穿錫澄二村大片居民樓后轉(zhuǎn)至規(guī)劃海澄路，近距離經(jīng)過(guò)康橋麗景小區(qū)后線路以400m（右線410m）曲線半徑向西南方向偏轉(zhuǎn)，先后下穿慶豐河（區(qū)間下穿段河面寬度27米）、北新河（區(qū)間下穿段河面寬度26.5米）、慶豐集團(tuán)廠房、慶豐里居委會(huì)、慶豐小區(qū)，垂直下穿錫滬西路后進(jìn)入無(wú)錫火車(chē)站站。線路中線間距為13.0～17.3m。隧道斷面穿越土層大部分為粉質(zhì)粘土、粘土層，部分?jǐn)嗝嫔喜课挥诜弁翃A粉質(zhì)粘土層。

本工程采用一臺(tái)Ф6380的土壓平衡盾構(gòu)， 在江海路站北端頭左線組裝調(diào)試完成后，向廣石路站推進(jìn)，推進(jìn)結(jié)束后調(diào)頭到右線；在廣石路站南端頭再次組裝調(diào)試后，向江海路站推進(jìn)。

二、監(jiān)測(cè)方案的設(shè)計(jì)

在地下工程中進(jìn)行沉降監(jiān)測(cè)，絕不是單純地為了獲取信息，而是把它作為施工管理的一個(gè)積極有效的手段，因此監(jiān)測(cè)數(shù)據(jù)應(yīng)能確切地預(yù)報(bào)破壞和變形等未來(lái)的動(dòng)態(tài)，施工監(jiān)測(cè)是一項(xiàng)系統(tǒng)工程，監(jiān)測(cè)工作的成敗與監(jiān)測(cè)方法的選取及測(cè)點(diǎn)的布置直接相關(guān)。按以下5條原則進(jìn)行監(jiān)測(cè)方案的設(shè)計(jì)：

1、可靠性原則2、多層次監(jiān)測(cè)原則3、重點(diǎn)監(jiān)測(cè)關(guān)鍵區(qū)的原則4、經(jīng)濟(jì)合理原則5、方便實(shí)用原則

2.1監(jiān)測(cè)點(diǎn)的布置

2.1.1地表沉降和隧道沉降

沿兩個(gè)盾構(gòu)隧道軸線按5m間距布設(shè)地表沉降測(cè)點(diǎn)。同時(shí)，按30m間距布設(shè)地表橫向沉陷槽測(cè)點(diǎn)，每個(gè)斷面約9～12個(gè)測(cè)點(diǎn)。每個(gè)聯(lián)絡(luò)通道在中間各布置一個(gè)斷面，每個(gè)斷面約9個(gè)測(cè)點(diǎn)，橫向間距1～7m。在隧道開(kāi)挖影響范圍內(nèi)(2倍洞徑)的主要地下管線上方地表沿管線軸線按5～10m間距布設(shè)地下管線沉降測(cè)點(diǎn)。地表及地下管線沉降監(jiān)測(cè)布點(diǎn)應(yīng)使測(cè)點(diǎn)樁頂部突出地面5mm以?xún)?nèi)。

2.1.2地面建筑物沉降監(jiān)測(cè)

在區(qū)間盾構(gòu)隧道施工影響范圍內(nèi)的房屋承重構(gòu)件或基礎(chǔ)角點(diǎn)、中部及其它構(gòu)筑物特征部位布設(shè)測(cè)點(diǎn)。

2.2監(jiān)測(cè)頻率和周期

2.2.1監(jiān)測(cè)頻率

根據(jù)“無(wú)錫市地鐵一號(hào)線GD01TJSG-07標(biāo)區(qū)間設(shè)計(jì)方案T-55區(qū)間隧道監(jiān)控量測(cè)圖”監(jiān)測(cè)范圍及頻率如表5-1。

表監(jiān)測(cè)頻率一覽表

在區(qū)間隧道盾構(gòu)出洞前布設(shè)監(jiān)測(cè)點(diǎn)，取得穩(wěn)定的測(cè)試數(shù)據(jù)，在盾構(gòu)出洞后即開(kāi)始監(jiān)測(cè)，30m范圍內(nèi)監(jiān)測(cè)頻率保持每天2次。盾構(gòu)正常推進(jìn)后，監(jiān)測(cè)頻率基本保持在每天1次。在整個(gè)盾構(gòu)推進(jìn)施工過(guò)程中監(jiān)測(cè)頻率可根據(jù)工程需要隨時(shí)調(diào)整，以滿足現(xiàn)場(chǎng)施工需要。監(jiān)測(cè)測(cè)量的周期應(yīng)滿足觀測(cè)到測(cè)點(diǎn)變形達(dá)到相對(duì)穩(wěn)定時(shí)為止。

2.2.2監(jiān)測(cè)周期

本車(chē)工程施工監(jiān)測(cè)總工期以委托方要求的監(jiān)測(cè)開(kāi)工日期為起點(diǎn)，至隧道施工完畢或施工影響區(qū)域內(nèi)的受影響的建（構(gòu)）筑物沉降變形穩(wěn)定為止。沉降變形穩(wěn)定標(biāo)準(zhǔn)：參照《建筑變形測(cè)量規(guī)范》JGJ 8-2007相關(guān)內(nèi)容確定，即“當(dāng)最后100d的沉降速率小于0.01～0.04mm/d時(shí)可認(rèn)為已經(jīng)進(jìn)入穩(wěn)定階段”。

三、監(jiān)測(cè)結(jié)果及其分析

根據(jù)以往工程實(shí)例，我們把盾構(gòu)施工引發(fā)地表沉降過(guò)程劃分為如下五個(gè)階段，并根據(jù)這五個(gè)階段來(lái)對(duì)監(jiān)測(cè)的數(shù)據(jù)進(jìn)行整理和分析。

第一階段：盾構(gòu)到達(dá)前較遠(yuǎn)處盾構(gòu)距離監(jiān)測(cè)點(diǎn)20m外時(shí)，沉降主要為因盾構(gòu)施工對(duì)土層的輕微擾動(dòng)、路面車(chē)輛活荷載碾壓以及地下水位下降引起的固結(jié)沉降。

第二階段：盾構(gòu)到達(dá)前較近處盾構(gòu)距離監(jiān)測(cè)斷面20～10m時(shí)，因盾構(gòu)推力對(duì)土體擾動(dòng)影響的進(jìn)一步加大、地下水位變化、施工參數(shù)(如土壓、推力等)變化等多方面因素影響，地表產(chǎn)生輕微沉降或隆起。

第三階段：盾構(gòu)掘進(jìn)階段盾構(gòu)切口到達(dá)監(jiān)測(cè)點(diǎn)時(shí)，因盾構(gòu)刀盤(pán)對(duì)土體的擾動(dòng)和盾構(gòu)參數(shù)的設(shè)置共同對(duì)其地表沉降造成的影響。

第四階段：盾尾脫離監(jiān)測(cè)點(diǎn)，沉降主要為漿液未及時(shí)充填、同步注漿量不足、施工中土體應(yīng)力狀態(tài)變化較大等多種因素引起地層損失，這是盾構(gòu)施工過(guò)程中產(chǎn)生地表沉降最主要的組成部分。

第五階段：固結(jié)沉降階段由于盾構(gòu)推進(jìn)中的擠壓作用和盾尾壓漿作用等因素，土體骨架還會(huì)發(fā)生持續(xù)較長(zhǎng)的壓縮變形。在此土體蠕變過(guò)程中產(chǎn)生的地面沉降為施工后期沉降。

3.1縱、橫向地表沉降分析

3.1.1橫向地表沉降分析

經(jīng)過(guò)實(shí)測(cè)數(shù)據(jù)分析，隧道中線上方沉降量最大，沿兩側(cè)逐漸減小，大部分沉降曲線形狀基本符合PECK的正態(tài)分布曲線。如下圖所示：

由上圖分析得出，盾構(gòu)掘進(jìn)主要影響區(qū)域在隧道軸線8m范圍內(nèi)。沉降槽曲線基本沿隧道軸線點(diǎn)呈典型的正態(tài)分布,在軸線處的沉降值最大，在隧道洞徑范圍是沉降的主要范圍(距軸線4m處的沉降分別是最大沉降的67%、51%、)；距軸線4～8m為次要沉降區(qū)，距軸線6m處的沉降分別是最大沉降的25%、30%、) 距軸線10m外的沉降量小于1mm，12m外的沉降量小于0.5mm。

3.1.2縱向地表沉降分析

在敞開(kāi)式掘進(jìn)情況下，在刀盤(pán)切口前方約6m（約1倍隧道直徑）以外，地面基本無(wú)沉降跡象，部分出現(xiàn)輕微隆起趨勢(shì)（隆起量在2mm左右）；在刀盤(pán)切口離開(kāi)監(jiān)測(cè)點(diǎn)約8m左右開(kāi)始產(chǎn)生沉降，刀盤(pán)切口離開(kāi)監(jiān)測(cè)點(diǎn)5m至10m（約等于盾構(gòu)機(jī)長(zhǎng)度9m）是沉降主要發(fā)展階段，這個(gè)范圍的地層主要受盾構(gòu)刀盤(pán)旋轉(zhuǎn)及開(kāi)挖面出土卸載影響，以及盾構(gòu)機(jī)通過(guò)時(shí)盾殼對(duì)圍巖擾動(dòng)的影響，沉降量約占總沉降量的80%以上；刀盤(pán)切口離開(kāi)監(jiān)測(cè)點(diǎn)13~15m后沉降趨于穩(wěn)定，在這個(gè)范圍，盾構(gòu)已通過(guò)，對(duì)地層的擾動(dòng)消失，同時(shí)，盾尾脫出后產(chǎn)生的圍巖與管片間的建筑空隙得到了盾尾同步注漿的及時(shí)同步填充，對(duì)地層產(chǎn)生了很好的支撐作用，有效地抑制了地層沉降的進(jìn)一步發(fā)展。

3.2建筑物的沉降分析

本區(qū)間，盾構(gòu)隧道主要下穿錫澄二村兩棟六層民房，該民房建筑年代久遠(yuǎn)，為淺基礎(chǔ)磚混結(jié)構(gòu)，施工風(fēng)險(xiǎn)較大，這也對(duì)沉降監(jiān)測(cè)提出了很高的要求。

錫澄二村房屋沉降統(tǒng)計(jì)表

盾構(gòu)隧道通過(guò)錫澄二村產(chǎn)生的影響非常較小，累計(jì)沉降值普遍小于3mm，差異沉降不到1mm。由此可見(jiàn)，如果盾構(gòu)掘進(jìn)過(guò)程中的各項(xiàng)參數(shù)的選擇合理，就能大大降低施工的風(fēng)險(xiǎn)，說(shuō)明是可控的。

3.3沉降與掘進(jìn)土倉(cāng)壓力的關(guān)系

（1）掌子面土倉(cāng)壓力的平衡狀態(tài)變化對(duì)開(kāi)挖面前方的地層影響不大，盾構(gòu)掘進(jìn)期間土倉(cāng)壓力總體控制較好。

由掌子面土倉(cāng)壓力的平衡狀態(tài)變化引起的地表沉降在-3mm左右，沉降數(shù)值普遍很小，說(shuō)明盾構(gòu)土倉(cāng)壓力設(shè)置合理。從總體上看，地表絕大多數(shù)表現(xiàn)為下沉，這也說(shuō)明盾構(gòu)掘進(jìn)時(shí)土倉(cāng)壓力仍可調(diào)整得大一些。一般情況下，盾構(gòu)土壓壓力的設(shè)置應(yīng)使盾構(gòu)上方的地表有略微隆起為好。

⑵在掘進(jìn)160米后，根據(jù)監(jiān)測(cè)結(jié)果，修正了盾構(gòu)掘進(jìn)參數(shù)(土倉(cāng)壓力)，建立有效土倉(cāng)壓力平衡，是控制地層損失、減小地層變位的有效手段。由上圖可見(jiàn)，在同等條件下，土倉(cāng)壓力增大則地表沉降減小，甚至有略微的隆起，達(dá)到了較好的效果。

在城市盾構(gòu)施工比例越來(lái)越大的今天，上述認(rèn)識(shí)對(duì)于盾構(gòu)隧道沉降監(jiān)測(cè)設(shè)計(jì)、盾構(gòu)施工等有使用價(jià)值。具有一定的優(yōu)勢(shì)以及廣闊的應(yīng)用前景。

第5篇：數(shù)據(jù)分析分析技術(shù)范文

在我國(guó)經(jīng)濟(jì)結(jié)構(gòu)調(diào)整和轉(zhuǎn)型升級(jí)的時(shí)代背景下，高等學(xué)校通過(guò)產(chǎn)學(xué)研合作服務(wù)社會(huì)的功能和實(shí)現(xiàn)方式迫切需要轉(zhuǎn)型升級(jí)。如2015年通過(guò)的《中華人民共和國(guó)促進(jìn)科技成果轉(zhuǎn)化法》修訂稿，2016年國(guó)務(wù)院出臺(tái)的“實(shí)施《中華人民共各國(guó)促進(jìn)科技成果轉(zhuǎn)化法》若干規(guī)定等，表明國(guó)家對(duì)成果轉(zhuǎn)化的高度重視，而技術(shù)合同經(jīng)費(fèi)作為技術(shù)轉(zhuǎn)移轉(zhuǎn)化的一個(gè)重要指標(biāo)，該指標(biāo)可以體現(xiàn)一個(gè)學(xué)校技術(shù)轉(zhuǎn)移轉(zhuǎn)化的活躍度及市場(chǎng)價(jià)值。本文試圖以江蘇涉農(nóng)高校近3年技術(shù)合同經(jīng)費(fèi)情況以來(lái)找到我校與其他高校的差距，并提出方法與對(duì)策。

1 近3年統(tǒng)計(jì)數(shù)據(jù)（萬(wàn)元）

數(shù)據(jù)分析：

1）根據(jù)省技術(shù)市場(chǎng)提供的數(shù)據(jù)，高校納入統(tǒng)計(jì)的學(xué)校共計(jì)41所，大部分是理工類(lèi)的學(xué)?；蚓C合性大學(xué)，涉農(nóng)高校共4所，南農(nóng)，南林、揚(yáng)大、江南。綜合3年來(lái)看，我們幾年都逐年進(jìn)步，但和江南大學(xué)和揚(yáng)州大學(xué)差距還是比較大.在技術(shù)轉(zhuǎn)讓上，我校的數(shù)據(jù)并不落后，但在技術(shù)開(kāi)發(fā)上差距較大，這點(diǎn)，我們和林大比較相似，主要數(shù)據(jù)貢獻(xiàn)體現(xiàn)在技術(shù)咨詢(xún)和技術(shù)服務(wù)上，也體現(xiàn)農(nóng)業(yè)或林業(yè)技術(shù)的公益性強(qiáng)的特點(diǎn)。但我校的技術(shù)轉(zhuǎn)讓又遠(yuǎn)超過(guò)林大，說(shuō)明我們科研實(shí)力還是遠(yuǎn)超對(duì)方的。

2）技術(shù)開(kāi)發(fā)少，一個(gè)是項(xiàng)目少，二是單項(xiàng)開(kāi)發(fā)合同額也少。項(xiàng)目少說(shuō)明我校參與社會(huì)服務(wù)或者說(shuō)與企業(yè)的合作還是小眾行為的，合同額小說(shuō)明農(nóng)業(yè)技術(shù)開(kāi)發(fā)相比工業(yè)技術(shù)來(lái)說(shuō)要價(jià)更低，這也是體現(xiàn)了農(nóng)業(yè)技術(shù)商品化的特點(diǎn)。主要原因，可能是我校對(duì)于合同科研沒(méi)有進(jìn)行一定的考量。相對(duì)于縱向經(jīng)費(fèi)來(lái)說(shuō)，橫向經(jīng)費(fèi)不僅難拿而且在項(xiàng)目實(shí)現(xiàn)過(guò)程中付出時(shí)間和其他成本更高。有能力從事社會(huì)服務(wù)或進(jìn)行合同科研的團(tuán)隊(duì)往往優(yōu)先可能會(huì)考慮申請(qǐng)縱向項(xiàng)目，而且普通科研教師，往往縱向和橫向機(jī)會(huì)都很少。

3）從客觀上講，揚(yáng)大和江南大學(xué)經(jīng)過(guò)并校及所在城市的關(guān)系，都已經(jīng)成為綜合性大學(xué)，無(wú)論在師資、學(xué)科數(shù)及規(guī)模上都超過(guò)我們學(xué)校。揚(yáng)大和江南大學(xué)都有不少理工科的學(xué)科，江南大學(xué)以前更是輕工類(lèi)學(xué)科強(qiáng)校，除食品學(xué)院外，其余大部都是理工科，而且都擁有科技園。我校目前的發(fā)展方向中世界一流農(nóng)業(yè)大學(xué)，行業(yè)性大學(xué)發(fā)展，這點(diǎn)和南林有點(diǎn)相似。

4）起步較晚，重視度不夠。2012年執(zhí)行新的對(duì)外服務(wù)管理方法后，我校的合同額無(wú)論從數(shù)量和總額上都有了明顯的提高，從2012年占揚(yáng)大總額1/7，到2014年也占到揚(yáng)大的1/4左右。但經(jīng)過(guò)這兩年運(yùn)作之后，也有一個(gè)明顯的問(wèn)題，就是后續(xù)無(wú)力，既無(wú)科技園又無(wú)孵化器。

5）在機(jī)構(gòu)上，揚(yáng)大有社會(huì)合作與服務(wù)處與科技處科技成果推廣科統(tǒng)共同負(fù)責(zé)社會(huì)服務(wù)與產(chǎn)學(xué)研工作，科技處主要負(fù)責(zé)各類(lèi)產(chǎn)學(xué)研相關(guān)的項(xiàng)目管理，社會(huì)處主要負(fù)責(zé)各類(lèi)平臺(tái)的搭建。江南大學(xué)在管理上項(xiàng)目管理主要科研院內(nèi)成果處和江大技術(shù)工程公司，平臺(tái)搭建主要在產(chǎn)業(yè)技術(shù)研究院。

2 方法與對(duì)策

1）機(jī)構(gòu)整合，把產(chǎn)學(xué)研處和成果處進(jìn)行整合，從成果的源頭進(jìn)行，實(shí)現(xiàn)專(zhuān)利申請(qǐng)、持有、轉(zhuǎn)化一條龍服務(wù)。另外一種模式，推廣與轉(zhuǎn)化一體化。在新成果新技術(shù)的推廣過(guò)程，完成轉(zhuǎn)化的過(guò)程。

2）在成果轉(zhuǎn)化上，尤其是需要有產(chǎn)出的產(chǎn)學(xué)研合作，就要加強(qiáng)與農(nóng)藥企業(yè)、肥料企業(yè)、飼料企業(yè)、種子企業(yè)、農(nóng)機(jī)企業(yè)等合作，這類(lèi)企業(yè)在生產(chǎn)中能做到標(biāo)準(zhǔn)化、規(guī)模化、技術(shù)保密性強(qiáng)、產(chǎn)品明確、科研投入大、知識(shí)產(chǎn)權(quán)交易清晰，技術(shù)投入對(duì)于的企業(yè)的經(jīng)營(yíng)有著明確的影響的。主要是有涉及生產(chǎn)工藝或生產(chǎn)線的農(nóng)資類(lèi)企業(yè)。

3）要設(shè)立種子基金或者概念證明基金，以解決科研成果與企業(yè)產(chǎn)品開(kāi)發(fā)之間的“死亡之谷”因?yàn)榇髮W(xué)與企業(yè)本質(zhì)的不同，所以大學(xué)和企業(yè)在技術(shù)發(fā)展和推銷(xiāo)階段信息、動(dòng)機(jī)的不對(duì)稱(chēng)以及科學(xué)、技術(shù)和商業(yè)企業(yè)存在的制度距離，構(gòu)成了大學(xué)研究成果走向市場(chǎng)的障礙。這個(gè)目前國(guó)家主要通過(guò)孵化器和科技園及一些配套的政策來(lái)解決。但目前高校如果沒(méi)有相應(yīng)的孵化器或科技園。可以先通過(guò)種子基金來(lái)扶持一批有商業(yè)化前景的成果來(lái)進(jìn)行深入開(kāi)發(fā)。

4）成立涉農(nóng)科技企業(yè)的孵化器。與工業(yè)或其他領(lǐng)域的孵化器相比。涉農(nóng)科技企業(yè)有其獨(dú)特的要求。對(duì)于土地或?qū)嶒?yàn)基地有著一定的要求。現(xiàn)在工業(yè)項(xiàng)目的孵化器比較多，專(zhuān)門(mén)為農(nóng)業(yè)的很少。

5）尤其是大的學(xué)科組，設(shè)立兼職的技術(shù)經(jīng)濟(jì)人。進(jìn)行一系列的培訓(xùn)。可以負(fù)責(zé)所在學(xué)科組或?qū)W院的成果挖掘和技術(shù)交易等相關(guān)事務(wù)，可以通過(guò)工作量或交易額提成的方式進(jìn)行激勵(lì)。

6）繼續(xù)建立技術(shù)轉(zhuǎn)移中心。利用地方的資源進(jìn)行有效的布點(diǎn)，深入了解地方的企業(yè)科技需求狀態(tài)。篩選有效信息，促進(jìn)高校教師或?qū)W科團(tuán)隊(duì)與地方及企業(yè)的合作。促進(jìn)學(xué)?？蒲谐晒霓D(zhuǎn)化及獲得更多科研經(jīng)費(fèi)投入。

7）充分利用網(wǎng)絡(luò)平臺(tái)，現(xiàn)在各類(lèi)技術(shù)交易平臺(tái)比較多，要選擇一些比較活躍的、有政府背景平臺(tái)，尤其針對(duì)農(nóng)業(yè)技術(shù)和農(nóng)業(yè)企業(yè)的更好，作為我們成果轉(zhuǎn)化的有效平臺(tái)。

8）轉(zhuǎn)化模式要多樣化。在知識(shí)產(chǎn)權(quán)管理方法的允許下，我們要更多以債權(quán)或股權(quán)的方式進(jìn)行轉(zhuǎn)化。和資產(chǎn)經(jīng)營(yíng)公司和各類(lèi)投資公司合作，進(jìn)行以商業(yè)化為目標(biāo)的成果轉(zhuǎn)化。

第6篇：數(shù)據(jù)分析分析技術(shù)范文

1應(yīng)用威布爾分布法進(jìn)行機(jī)械零件可靠性試驗(yàn)數(shù)據(jù)分析

威布爾分布法是當(dāng)下進(jìn)行機(jī)械零件可靠性試驗(yàn)及數(shù)據(jù)分析常用的方法之一。應(yīng)用威布爾分布法進(jìn)行機(jī)械零件可靠性試驗(yàn)數(shù)據(jù)分析的研究，主要可以將研究?jī)?nèi)容總結(jié)歸納為以下兩點(diǎn)。1.1威布爾分布法的基本概念。威布爾分步法在當(dāng)下已經(jīng)被全面應(yīng)用于可靠性工程的試驗(yàn)中。應(yīng)用威布爾分布法，可以實(shí)現(xiàn)概率值的有效獲得，進(jìn)而實(shí)現(xiàn)各項(xiàng)數(shù)據(jù)參數(shù)的有效評(píng)估，從而為各種壽命試驗(yàn)的數(shù)據(jù)處理工作的有效開(kāi)展奠定穩(wěn)定的基礎(chǔ)[1]。威布爾分布法概念中的幾個(gè)重要參數(shù)為t、b、tG以及T，分別代表所測(cè)試的對(duì)象的應(yīng)用年限隨機(jī)變量、所測(cè)試的對(duì)象的形狀特點(diǎn)以及其各項(xiàng)曲線分布情況、所測(cè)試的對(duì)象的基本位置信息以及其最低應(yīng)用年限和尺度參數(shù)、失效概率為0.632時(shí)的特征壽命。威布爾分布法的公式如下：()1bttoTtoFte−−−=−（1）1.2威布爾分布法在機(jī)械零件各項(xiàng)參數(shù)估計(jì)工作開(kāi)展中的應(yīng)用。威布爾分布法在機(jī)械零件各項(xiàng)參數(shù)估計(jì)工作開(kāi)展中的有效應(yīng)用，主要是借助圖解法和解析法。圖解法的應(yīng)用便捷易行，對(duì)于檢測(cè)人員的技術(shù)操作熟練程度要求也相對(duì)較低，但無(wú)法實(shí)現(xiàn)對(duì)于機(jī)械零件各項(xiàng)參數(shù)的精確核算。解析法則可以將先進(jìn)的計(jì)算機(jī)技術(shù)全面應(yīng)用于機(jī)械零件可靠性試驗(yàn)數(shù)據(jù)測(cè)試工作的開(kāi)展中，但對(duì)于檢測(cè)人員的操作方法和技術(shù)性有較高要求。在試驗(yàn)過(guò)程中，若是需要對(duì)機(jī)械零件的各項(xiàng)參數(shù)進(jìn)行明確掌控時(shí)，建議應(yīng)用解析法，以實(shí)現(xiàn)對(duì)真實(shí)分布情況的可靠掌握[2]。明確威布爾分布法的基本概念后，進(jìn)行威布爾分布法在機(jī)械零件各項(xiàng)參數(shù)估計(jì)工作開(kāi)展中的應(yīng)用研究。在開(kāi)展機(jī)械零件可靠性試驗(yàn)數(shù)據(jù)評(píng)估工作中應(yīng)用威布爾分布法，可以發(fā)揮先進(jìn)的計(jì)算機(jī)技術(shù)優(yōu)勢(shì)，更加全面地發(fā)揮其優(yōu)勢(shì)[3]。

2應(yīng)用回歸分析法進(jìn)行機(jī)械零件可靠性試驗(yàn)數(shù)據(jù)分析

回歸分析法在當(dāng)下也經(jīng)常被應(yīng)用于機(jī)械零件可靠性試驗(yàn)數(shù)據(jù)分析工作的開(kāi)展進(jìn)程。開(kāi)展回歸分析法在機(jī)械零件可靠性試驗(yàn)數(shù)據(jù)分析中的應(yīng)用研究，主要可以將探究?jī)?nèi)容總結(jié)歸納為以下幾點(diǎn)。2.1回歸分析法的基本概念回歸分析法的應(yīng)用，主要是進(jìn)行數(shù)據(jù)統(tǒng)計(jì)原理應(yīng)用的進(jìn)一步精確化。應(yīng)用數(shù)據(jù)統(tǒng)計(jì)原理，對(duì)各項(xiàng)數(shù)據(jù)進(jìn)行線性處理，建立自變量和因變量之間的相互關(guān)系式，進(jìn)而可以以回歸方程的形式進(jìn)行分析內(nèi)容的更加具體的體現(xiàn)。根據(jù)當(dāng)下回歸分析法的具體應(yīng)用情況，主要可以將回歸分析法分為一元回歸分析法和多元回歸分析法兩大類(lèi)。回歸分析法在應(yīng)用過(guò)程中，其方程為：y=bx+a（2）直線上，各點(diǎn)(x,y)到水平線的距離為：21niitybxa=b−−∑（3）2.2回歸分析法在機(jī)械零件各項(xiàng)參數(shù)工作開(kāi)展中的應(yīng)用開(kāi)展回歸分析法在機(jī)械零件各項(xiàng)參數(shù)工作開(kāi)展進(jìn)程中的應(yīng)用時(shí)，首先應(yīng)當(dāng)明確機(jī)械零件各項(xiàng)參數(shù)中的自變量和因變量，建立相應(yīng)的x與y的回歸方程，進(jìn)而掌握機(jī)械零件各項(xiàng)參數(shù)的回歸概念。同時(shí)，對(duì)于代表機(jī)械零件應(yīng)用年限的參數(shù)t進(jìn)行針對(duì)性分析，建立專(zhuān)門(mén)的參數(shù)t樣本容量，以實(shí)現(xiàn)對(duì)機(jī)械零件的失效概率和失效年限的有效估計(jì)。開(kāi)展應(yīng)用回歸分析法進(jìn)行機(jī)械零件可靠性試驗(yàn)數(shù)據(jù)分析的具體研究可知，回歸分析法在機(jī)械零件可靠性試驗(yàn)數(shù)據(jù)分析工作中的應(yīng)用，可以實(shí)現(xiàn)對(duì)機(jī)械零件各項(xiàng)數(shù)據(jù)的變換的線性關(guān)系的有效掌控，進(jìn)而實(shí)現(xiàn)對(duì)機(jī)械零件各項(xiàng)參數(shù)更加宏觀、精確的掌控[4]。

3應(yīng)用最大似然法開(kāi)展機(jī)械零件可靠性試驗(yàn)數(shù)據(jù)的分析工作

最大似然法在機(jī)械零件可靠性試驗(yàn)數(shù)據(jù)的分析工作開(kāi)展進(jìn)程中的應(yīng)用，可以有效實(shí)現(xiàn)機(jī)械零件可靠性試驗(yàn)數(shù)據(jù)分析方式的進(jìn)一步優(yōu)化。開(kāi)展最大似然法的具體應(yīng)用研究，主要可以將研究?jī)?nèi)容總結(jié)歸納為以下兩點(diǎn)。3.1最大似然法的基本概念。最大似然法被稱(chēng)為最大估計(jì)法，這一參數(shù)統(tǒng)計(jì)法是由德國(guó)數(shù)學(xué)家首先提出的。最大似然法的應(yīng)用，可以利用應(yīng)用概率學(xué)，通過(guò)對(duì)被測(cè)試對(duì)象的隨機(jī)抽查，進(jìn)行整體樣本情況的全面估計(jì)。最大似然法的應(yīng)用方法和應(yīng)用原理相對(duì)簡(jiǎn)單，具有較高的實(shí)用性，當(dāng)下也被廣泛應(yīng)用于各項(xiàng)評(píng)估工作。3.2最大似然法在機(jī)械零件評(píng)估工作開(kāi)展進(jìn)程中的應(yīng)用。應(yīng)用最大似然法進(jìn)行機(jī)械零件評(píng)估工作的全面開(kāi)展，首先應(yīng)當(dāng)明確機(jī)械零件的設(shè)計(jì)變量，將SUMT內(nèi)點(diǎn)法應(yīng)用于設(shè)計(jì)工作中，可以建立明確的失效年限變量參數(shù)關(guān)系。應(yīng)用過(guò)程中，最大似然法要注重?cái)?shù)學(xué)模型的有效應(yīng)用，數(shù)學(xué)模型可表示為：2221311313131min()lnxxnixtxtxFxe=xxxxxx−−=−−−−−∑（4）開(kāi)展最大似然法在機(jī)械零件可靠性試驗(yàn)數(shù)據(jù)的分析工作開(kāi)展進(jìn)程中的應(yīng)用探究，可以實(shí)現(xiàn)對(duì)評(píng)估結(jié)果精確性的進(jìn)一步分析，從而提升評(píng)估結(jié)果的可靠性[5]。

4三種機(jī)械零件可靠性試驗(yàn)數(shù)據(jù)分析方法的總結(jié)

在進(jìn)行威爾分步法、回歸分析法以及最大似然法三種方法的應(yīng)用研究后，開(kāi)展三種機(jī)械零件可靠性試驗(yàn)數(shù)據(jù)分析方法總結(jié)工作，根據(jù)具體情況有選擇性地選擇不同的數(shù)據(jù)分析方法，有效提升機(jī)械零件數(shù)據(jù)分析工作的實(shí)效性。通過(guò)分析可知，威爾分步法和回歸分析法具有較高的精確性，而最大似然法則具有較強(qiáng)的操作性。線性參數(shù)的有效應(yīng)用以及計(jì)算機(jī)繪圖技術(shù)的有效應(yīng)用，可以實(shí)現(xiàn)機(jī)械零件可靠性試驗(yàn)數(shù)據(jù)分析結(jié)果的精確性。

5結(jié)語(yǔ)

根據(jù)當(dāng)下機(jī)械零件可靠性測(cè)試實(shí)驗(yàn)開(kāi)展的基本狀況，主要是應(yīng)用威布爾分布法進(jìn)行機(jī)械零件可靠性試驗(yàn)數(shù)據(jù)分析和應(yīng)用回歸分析法。通過(guò)對(duì)機(jī)械零件可靠性試驗(yàn)數(shù)據(jù)分析以及應(yīng)用最大似然法開(kāi)展機(jī)械零件可靠性試驗(yàn)數(shù)據(jù)的分析，根據(jù)這三類(lèi)方法的應(yīng)用情況進(jìn)行相應(yīng)的評(píng)估結(jié)論總結(jié)。機(jī)械零件可靠性試驗(yàn)數(shù)據(jù)分析工作的有效開(kāi)展，可以有效提升機(jī)械零件整體的精確性，促使我國(guó)機(jī)械行業(yè)獲得更加廣闊的發(fā)展空間和更加理想的發(fā)展前景，從而為我國(guó)社會(huì)的整體發(fā)展提供更加強(qiáng)大的推動(dòng)力。

作者:范圍廣 單位:萬(wàn)向錢(qián)潮股份有限公司技術(shù)中心

參考文獻(xiàn)

[1]盧昊.基于矩方法的相關(guān)失效模式機(jī)械結(jié)構(gòu)系統(tǒng)可靠性穩(wěn)健設(shè)計(jì)[D].沈陽(yáng)：東北大學(xué)，2012.

[2]王新剛.機(jī)械零部件時(shí)變可靠性穩(wěn)健優(yōu)化設(shè)計(jì)若干問(wèn)題的研究[D].沈陽(yáng)：東北大學(xué)，2010.

[3]張錫清.機(jī)械零件可靠性試驗(yàn)數(shù)據(jù)的參數(shù)估計(jì)[J].機(jī)械設(shè)計(jì)，2016，（2）：12-14，45.

第7篇：數(shù)據(jù)分析分析技術(shù)范文

關(guān)鍵詞：試驗(yàn)數(shù)據(jù)分析 SPC 設(shè)計(jì)

中圖分類(lèi)號(hào)：TP274.2 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2016）11-0142-01

南京中車(chē)浦鎮(zhèn)海泰制動(dòng)設(shè)備有限公司是主要從事鐵路客車(chē)、動(dòng)車(chē)組、城市軌道交通設(shè)備制動(dòng)系統(tǒng)及其零部件和試驗(yàn)裝置的研發(fā)、設(shè)計(jì)、制造、銷(xiāo)售、修理、租賃及技術(shù)咨詢(xún)、試驗(yàn)檢測(cè)和技術(shù)服務(wù)的高新技術(shù)公司。公司現(xiàn)有數(shù)十臺(tái)各類(lèi)非標(biāo)設(shè)備用于產(chǎn)品的出廠試驗(yàn)，每臺(tái)設(shè)備的試驗(yàn)類(lèi)型、試驗(yàn)參數(shù)規(guī)格以及試驗(yàn)報(bào)告都不相同。

試驗(yàn)數(shù)據(jù)分析系統(tǒng)的目的就是需要將這些非標(biāo)設(shè)備的試驗(yàn)數(shù)據(jù)進(jìn)行集中統(tǒng)一上傳存儲(chǔ)，并提供統(tǒng)一的查詢(xún)以及分析，使管理者或相關(guān)人員能迅速知曉產(chǎn)品性能參數(shù)，通過(guò)對(duì)試驗(yàn)數(shù)據(jù)的分析，了解產(chǎn)品的生產(chǎn)過(guò)程的結(jié)果，實(shí)時(shí)監(jiān)控產(chǎn)品試驗(yàn)過(guò)程，對(duì)階段性產(chǎn)品試驗(yàn)數(shù)據(jù)進(jìn)行SPC分析。科學(xué)的區(qū)分出生產(chǎn)過(guò)程中產(chǎn)品質(zhì)量的隨機(jī)波動(dòng)與異常波動(dòng)，從而對(duì)生產(chǎn)過(guò)程的異常趨勢(shì)提出預(yù)警，以便生產(chǎn)管理人員及時(shí)采取措施，消除異常，恢復(fù)過(guò)程的穩(wěn)定，從而達(dá)到提高和控制質(zhì)量的目的。

1 系統(tǒng)整體設(shè)計(jì)

系統(tǒng)整體框架結(jié)構(gòu)包括三個(gè)部分：基于C/S的試驗(yàn)臺(tái)應(yīng)用配置系統(tǒng) + 數(shù)據(jù)上傳適配器中間件 + 基于B/S的試驗(yàn)臺(tái)數(shù)據(jù)分析系統(tǒng)，如圖1所示。

C/S的應(yīng)用配置系統(tǒng)完成對(duì)不同類(lèi)型試驗(yàn)臺(tái)的應(yīng)用配置，配置內(nèi)容包括試驗(yàn)臺(tái)的試驗(yàn)子項(xiàng)內(nèi)容定義；試驗(yàn)子項(xiàng)的存儲(chǔ)結(jié)構(gòu)定義；試驗(yàn)子項(xiàng)的數(shù)據(jù)字典定義；試驗(yàn)子項(xiàng)的規(guī)格值定義；試驗(yàn)臺(tái)試驗(yàn)報(bào)告單的報(bào)表格式及數(shù)據(jù)源定義。

數(shù)據(jù)上傳適配器接口基于配置數(shù)據(jù)庫(kù)中的配置實(shí)現(xiàn)將不同類(lèi)型的試驗(yàn)臺(tái)試驗(yàn)數(shù)據(jù)進(jìn)行上傳并存儲(chǔ)。

B/S試驗(yàn)臺(tái)數(shù)據(jù)分析系統(tǒng)基于配置數(shù)據(jù)庫(kù)的配置，實(shí)現(xiàn)對(duì)不同類(lèi)型的試驗(yàn)臺(tái)試驗(yàn)數(shù)據(jù)進(jìn)行顯示以及分析。

2 數(shù)據(jù)上傳接口設(shè)計(jì)

在試驗(yàn)過(guò)程中，每完成一個(gè)試驗(yàn)項(xiàng)目，則將當(dāng)前試驗(yàn)項(xiàng)目的試驗(yàn)結(jié)果信息和參數(shù)信息通過(guò)調(diào)用Web Service接口上傳并轉(zhuǎn)儲(chǔ)至服務(wù)器中的數(shù)據(jù)庫(kù)中（如果遇到服務(wù)器故障的情況下數(shù)據(jù)本地保存）。

本地試驗(yàn)數(shù)據(jù)上傳采用windows消息隊(duì)列方式。原理如圖2所示。

3 試驗(yàn)數(shù)據(jù)報(bào)表顯示設(shè)計(jì)

由于試驗(yàn)數(shù)據(jù)分析系統(tǒng)需要顯示不同試驗(yàn)平臺(tái)下的試驗(yàn)數(shù)據(jù)報(bào)表。在設(shè)計(jì)中需要根據(jù)不同類(lèi)型的試驗(yàn)臺(tái)定義報(bào)表顯示模版，定義模版中的數(shù)據(jù)源，最后將模版和數(shù)據(jù)源進(jìn)行綁定并進(jìn)行顯示。設(shè)計(jì)結(jié)構(gòu)如圖3所示。

基于XML定義報(bào)表模版對(duì)應(yīng)的數(shù)據(jù)源。XML文檔格式設(shè)計(jì)如下：

4 結(jié)語(yǔ)

本文提出了多樣性試驗(yàn)平臺(tái)數(shù)據(jù)上傳、集中存儲(chǔ)、分析以及報(bào)表顯示的設(shè)計(jì)解決方案，并對(duì)整體系統(tǒng)的構(gòu)架做了詳細(xì)的設(shè)計(jì)及實(shí)現(xiàn)，現(xiàn)系統(tǒng)正在穩(wěn)定運(yùn)行中。系統(tǒng)運(yùn)行SPC分析圖如圖4所示。

第8篇：數(shù)據(jù)分析分析技術(shù)范文

關(guān)鍵詞：信息化建設(shè)；大數(shù)據(jù)分析；煤礦安全決策

通過(guò)不斷完善煤礦信息化應(yīng)用，煤礦已具備大數(shù)據(jù)分析應(yīng)用的建設(shè)條件，利用大數(shù)據(jù)分析為煤礦安全生產(chǎn)管理提供相應(yīng)的數(shù)據(jù)支持，對(duì)提高生產(chǎn)效率和煤礦安全管理水平，降低煤礦事故發(fā)生概率具有重大意義。

1煤礦信息化建設(shè)

為滿足煤礦安全生產(chǎn)的需要，目前煤礦已有的信息化系統(tǒng)包括井下人員定位系統(tǒng)、瓦斯監(jiān)測(cè)系統(tǒng)、通風(fēng)監(jiān)控系統(tǒng)、供電監(jiān)測(cè)系統(tǒng)、井下移動(dòng)通信系統(tǒng)、設(shè)備運(yùn)輸監(jiān)控系統(tǒng)、放炮作業(yè)監(jiān)控系統(tǒng)、提升機(jī)監(jiān)控系統(tǒng)、應(yīng)急廣播系統(tǒng)、排水監(jiān)控系統(tǒng)和視頻監(jiān)視系統(tǒng)等。這些信息化系統(tǒng)在煤礦日常管理、安全生產(chǎn)監(jiān)測(cè)和事故調(diào)查工作中發(fā)揮著重要作用?，F(xiàn)階段煤礦信息化系統(tǒng)雖已較為完善，但在數(shù)據(jù)采集、整理、分析應(yīng)用方面仍然存在許多問(wèn)題：（1）系統(tǒng)之間聯(lián)通性不強(qiáng)。系統(tǒng)之間關(guān)聯(lián)程度不高，僅較少系統(tǒng)之間存在一定的關(guān)聯(lián)，大部分系統(tǒng)為獨(dú)立運(yùn)行系統(tǒng)。（2）各系統(tǒng)專(zhuān)業(yè)性較強(qiáng)。大部分系統(tǒng)僅限于極少數(shù)專(zhuān)業(yè)人員使用或個(gè)別部門(mén)使用，尚未普及或關(guān)注較少。（3）數(shù)據(jù)完整性差。由于系統(tǒng)故障等客觀原因的存在，導(dǎo)致系統(tǒng)數(shù)據(jù)不夠完整，缺失數(shù)據(jù)較多。（4）有效信息時(shí)效性差[1]。系統(tǒng)相對(duì)獨(dú)立，大部分系統(tǒng)均由專(zhuān)業(yè)部室管理，系統(tǒng)狀況或使用情況、監(jiān)測(cè)情況大多不能直接或及時(shí)到達(dá)管理人員或業(yè)務(wù)人員手中，造成信息滯后。（5）系統(tǒng)功能未能充分利用[2]。大部分系統(tǒng)功能只使用了部分或關(guān)鍵的系統(tǒng)功能。（6）數(shù)據(jù)更新維護(hù)效率不高。系統(tǒng)的變化管理不到位，部分?jǐn)?shù)據(jù)需及時(shí)更新，但實(shí)際情況明顯滯后。（7）系統(tǒng)之間數(shù)據(jù)不一致。為滿足不同需求方的要求，多套系統(tǒng)之間信息內(nèi)容不一致。為解決以上問(wèn)題，需要借助大數(shù)據(jù)分析手段，集成各個(gè)信息化系統(tǒng)，采集各系統(tǒng)數(shù)據(jù)，進(jìn)行統(tǒng)一整理、分析，真正將信息化的作用充分發(fā)揮[3]。

2大數(shù)據(jù)分析應(yīng)用規(guī)劃

大數(shù)據(jù)分析需要將煤礦已有的安全監(jiān)測(cè)監(jiān)控、人員定位、煤炭產(chǎn)量監(jiān)控、工業(yè)視頻和礦壓監(jiān)測(cè)等系統(tǒng)進(jìn)行集成，并結(jié)合3DGIS（三維地理信息系統(tǒng)）技術(shù)進(jìn)行直觀地展現(xiàn)和交互，實(shí)現(xiàn)各業(yè)務(wù)系統(tǒng)綜合監(jiān)控、統(tǒng)一調(diào)度、報(bào)警聯(lián)動(dòng)，并對(duì)數(shù)據(jù)進(jìn)行分析，建立安全評(píng)價(jià)模型，提高安全管理水平?？傮w架構(gòu)自下而上分別為數(shù)據(jù)采集層、數(shù)據(jù)傳輸層、數(shù)據(jù)存儲(chǔ)層、大數(shù)據(jù)分析建模層和表現(xiàn)交互層[4]，如圖1所示。（1）數(shù)據(jù)采集層是對(duì)系統(tǒng)所需實(shí)時(shí)動(dòng)態(tài)數(shù)據(jù)和非實(shí)時(shí)靜態(tài)數(shù)據(jù)兩方面的數(shù)據(jù)進(jìn)行采集。①非實(shí)時(shí)靜態(tài)數(shù)據(jù)是各實(shí)體的地測(cè)信息數(shù)據(jù)，即實(shí)體的地理位置、長(zhǎng)寬高等幾何狀態(tài)，采集目的是用來(lái)構(gòu)建實(shí)體的三維模型，此類(lèi)數(shù)據(jù)一般可從地測(cè)資料中獲取，少部分可人工現(xiàn)場(chǎng)測(cè)繪；②實(shí)時(shí)動(dòng)態(tài)數(shù)據(jù)是指井下環(huán)境參數(shù)、設(shè)備狀態(tài)和人員位置等的動(dòng)態(tài)數(shù)據(jù)，這類(lèi)數(shù)據(jù)一般通過(guò)傳感器或攝像頭獲取。（2）數(shù)據(jù)傳輸層是將采集到的原始數(shù)據(jù)傳輸至系統(tǒng)進(jìn)行后續(xù)處理。非實(shí)時(shí)靜態(tài)數(shù)據(jù)主要通過(guò)人工錄入和導(dǎo)入（電子表格），實(shí)時(shí)動(dòng)態(tài)數(shù)據(jù)主要通過(guò)工業(yè)以太環(huán)網(wǎng)傳輸。礦已有部分系統(tǒng)將傳感器數(shù)據(jù)實(shí)時(shí)傳輸至井下分站，然后再傳輸至OPC服務(wù)器，這類(lèi)系統(tǒng)只需從OPC服務(wù)器讀取實(shí)時(shí)數(shù)據(jù)即可。（3）數(shù)據(jù)存儲(chǔ)層是將得到的原始數(shù)據(jù)進(jìn)行過(guò)濾、解析、轉(zhuǎn)換和存儲(chǔ)。刪除無(wú)用或冗余數(shù)據(jù)，統(tǒng)一數(shù)據(jù)格式，對(duì)數(shù)據(jù)字段和含義進(jìn)行解析和轉(zhuǎn)換，最終存儲(chǔ)到數(shù)據(jù)倉(cāng)庫(kù)。監(jiān)測(cè)數(shù)據(jù)可按統(tǒng)一的OPC協(xié)議獲取方式從各系統(tǒng)的OPC服務(wù)器讀取，根據(jù)廠商提供的數(shù)據(jù)格式進(jìn)行解析存儲(chǔ)。（4）大數(shù)據(jù)分析建模層是對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)分析和建模，為上層功能提供理論模型和算法支持。①三維建模功能，利用成熟的三維建模軟件，根據(jù)采集到的實(shí)體對(duì)象的靜態(tài)數(shù)據(jù)進(jìn)行建模，最終形成礦區(qū)整體的三維模型；②空間分析是對(duì)于地理空間現(xiàn)象的定量研究，在三維建?；A(chǔ)上對(duì)點(diǎn)、線、面等地理實(shí)體進(jìn)行分析，進(jìn)行幾何量算、最短路徑計(jì)算等；③預(yù)警模型[5]，建立煤礦安全統(tǒng)一預(yù)警指標(biāo)體系和模型，實(shí)現(xiàn)預(yù)警信息的智能分析與及時(shí)推送，包括煤與瓦斯突出預(yù)警模型、自然發(fā)火預(yù)警模型、水害預(yù)警模型、沖擊地壓預(yù)警模型；④聯(lián)動(dòng)模型是傳感器和各設(shè)備之間的關(guān)聯(lián)配置，實(shí)現(xiàn)各系統(tǒng)間的關(guān)聯(lián)展示；⑤風(fēng)險(xiǎn)評(píng)價(jià)分析模型能實(shí)現(xiàn)對(duì)礦井和下屬各部門(mén)的總體安全評(píng)價(jià)與考核；⑥態(tài)勢(shì)預(yù)測(cè)分析是運(yùn)用云計(jì)算、數(shù)學(xué)、統(tǒng)計(jì)學(xué)理論，充分利用海量樣本數(shù)據(jù)（歷史數(shù)據(jù)），對(duì)安全形勢(shì)進(jìn)行預(yù)測(cè)。（5）表現(xiàn)交互層是對(duì)系統(tǒng)功能進(jìn)行展現(xiàn)和交互，可直接從數(shù)據(jù)庫(kù)中獲取數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，也可對(duì)大數(shù)據(jù)分析結(jié)果進(jìn)行展示。在三維建模的基礎(chǔ)上，實(shí)現(xiàn)各專(zhuān)業(yè)的綜合信息展示，直觀了解自身關(guān)注的重點(diǎn)實(shí)體和狀態(tài)信息。對(duì)重要設(shè)備、傳感器等實(shí)體可進(jìn)行交互查看，達(dá)到與到現(xiàn)場(chǎng)相似的效果；在安全評(píng)價(jià)模型的支持下，展示各實(shí)體發(fā)生危險(xiǎn)的理論值，協(xié)助決策；在預(yù)警模型的支持下，當(dāng)發(fā)現(xiàn)傳感器的數(shù)值超過(guò)設(shè)置的閾值時(shí)，系統(tǒng)進(jìn)行聲光報(bào)警，并通過(guò)短信或微信方式通知相關(guān)人員；當(dāng)發(fā)生險(xiǎn)情時(shí)，根據(jù)人員定位信息，可規(guī)劃避災(zāi)線路，統(tǒng)一調(diào)度救援；對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，可導(dǎo)出各專(zhuān)業(yè)相應(yīng)的電子圖表；充分利用碎片化時(shí)間的優(yōu)勢(shì)，將PC端的部分功能同步到移動(dòng)端（如安全環(huán)境監(jiān)測(cè)、人員定位、產(chǎn)量監(jiān)控、綜合查詢(xún)等），通過(guò)終端APP實(shí)現(xiàn)移動(dòng)查看。

3系統(tǒng)建設(shè)預(yù)期效果

（1）實(shí)現(xiàn)礦井安全管理的綜合化和可視化。將礦井安全管理中的元素整合在一起，實(shí)現(xiàn)礦井各個(gè)生產(chǎn)環(huán)節(jié)的可視化，分析整個(gè)生產(chǎn)鏈條上的數(shù)據(jù)，以識(shí)別生產(chǎn)問(wèn)題、管理問(wèn)題、質(zhì)量問(wèn)題、跟蹤生產(chǎn)和安全。（2）安全管理信息的動(dòng)態(tài)化管理，即時(shí)報(bào)警、信息推送。將一部分PC端的功能開(kāi)發(fā)到移動(dòng)端，可隨時(shí)隨地查詢(xún)和接收安全信息，掌握礦井安全生產(chǎn)狀況。（3）實(shí)現(xiàn)自定義配置。根據(jù)礦井安全生產(chǎn)管理的實(shí)際狀況，配置重點(diǎn)關(guān)注信息。例如雨季可重點(diǎn)顯示水文監(jiān)測(cè)信息，對(duì)于管理層可顯示礦井宏觀性指標(biāo)信息和異常信息，對(duì)專(zhuān)業(yè)人員可顯示本專(zhuān)業(yè)相關(guān)信息。（4）實(shí)現(xiàn)應(yīng)急聯(lián)動(dòng)。當(dāng)某一系統(tǒng)警戒值超過(guò)規(guī)定閾值即出現(xiàn)緊急情況時(shí)，則相關(guān)聯(lián)的系統(tǒng)、設(shè)備進(jìn)行相關(guān)動(dòng)作。（5）按系統(tǒng)、時(shí)間段進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析，圖形化顯示，為領(lǐng)導(dǎo)層提供安全管理決策依據(jù)。。（6）通過(guò)三維建模，實(shí)現(xiàn)不同模式的場(chǎng)景展示。（7）提高工作效率。用戶只需要登錄一次就可以訪問(wèn)所有集成的業(yè)務(wù)系統(tǒng)。數(shù)字化與自動(dòng)化可使操作人員和技術(shù)人員快速獲取重要信息，輕松管理關(guān)鍵數(shù)據(jù)，加快決策制定、故障排除，并提升設(shè)備性能與效率。

第9篇：數(shù)據(jù)分析分析技術(shù)范文

理性選擇理論對(duì)行為主體“認(rèn)知”問(wèn)題的學(xué)術(shù)處理，從“經(jīng)濟(jì)人”到“理性經(jīng)濟(jì)人”并沒(méi)有顯著的變化。古典經(jīng)濟(jì)學(xué)框架下的理性選擇理論以完全信息假設(shè)為前提，將行為主體（個(gè)人）界定為無(wú)本質(zhì)差異和不涉及個(gè)體間行為互動(dòng)，不受認(rèn)知約束的單純追求自身福利的“經(jīng)濟(jì)人”（約翰·伊特韋爾等，1996）。新古典經(jīng)濟(jì)學(xué)的理性選擇理論將行為主體界定為“理性經(jīng)濟(jì)人”，它同樣以完全信息假設(shè)為前提，研究了被古典經(jīng)濟(jì)學(xué)忽略的選擇偏好，通過(guò)對(duì)“偏好的內(nèi)在一致性”的解析，論證了個(gè)體能夠得知選擇結(jié)果的抽象認(rèn)知(Von Neumann and Morgenstern，1947；Arrow and Debreu，1954)。這里所說(shuō)的抽象認(rèn)知，是指行為主體沒(méi)有經(jīng)歷具體認(rèn)知過(guò)程而直接關(guān)聯(lián)于效用函數(shù)的一種認(rèn)知狀態(tài)，這種狀態(tài)在新古典理性選擇理論中的存在，表明“認(rèn)知”是被作為外生變量處理的。

現(xiàn)代經(jīng)濟(jì)學(xué)的理性選擇理論開(kāi)始嘗試將“認(rèn)知”作為內(nèi)生變量來(lái)研究?，F(xiàn)代主流經(jīng)濟(jì)學(xué)從人的有限計(jì)算能力、感知、意志、記憶和自控能力等方面研究了認(rèn)知形成及其約束（Salvatore， 1999；Schandler，2006；Rubinstein，2007），認(rèn)為認(rèn)知是介于偏好與效用之間，從而在理論研究上處于不可逾越的位置，只有對(duì)認(rèn)知進(jìn)行研究，對(duì)偏好和效用的研究才能接近實(shí)際。現(xiàn)代非主流經(jīng)濟(jì)學(xué)注重于運(yùn)用認(rèn)知心理學(xué)來(lái)研究人的認(rèn)知形成及其約束（Kahneman and Tversky，1973，1974，1979；Smith，1994），它通過(guò)實(shí)驗(yàn)揭示了一些反映認(rèn)知心理進(jìn)而影響選擇行為的情景，如確定性效應(yīng)、錨定效應(yīng)、從眾行為、框架依賴(lài)、信息存疊等，以論證傳統(tǒng)理論忽視認(rèn)知分析而出現(xiàn)的理論與實(shí)際之間的系統(tǒng)性偏差。

但是，經(jīng)濟(jì)學(xué)理性選擇理論對(duì)認(rèn)知的分析和研究，是在預(yù)先設(shè)定規(guī)則的建構(gòu)理性框架內(nèi)進(jìn)行理論演繹和推理的，它們對(duì)認(rèn)知的解釋?zhuān)ǔ１憩F(xiàn)為一種規(guī)則遵循。例如，新古典理性選擇理論關(guān)注個(gè)體應(yīng)怎樣符合理性（最大化）的選擇，而不是關(guān)注個(gè)體的實(shí)際選擇，它對(duì)認(rèn)知的學(xué)術(shù)處理是從屬于效用最大化的（Harsanyi，1977）?，F(xiàn)性選擇理論所關(guān)注的，或是在忽略認(rèn)知的基礎(chǔ)上建立解釋和預(yù)測(cè)實(shí)際選擇的理性模型來(lái)說(shuō)明實(shí)現(xiàn)效用最大化的條件，以闡釋個(gè)體如何選擇才符合理性（Edgeworth，1981）；或是通過(guò)行為和心理實(shí)驗(yàn)來(lái)解說(shuō)實(shí)際選擇的條件配置，以揭示實(shí)際選擇的效用函數(shù)（Kahneman and Tversky，1973，1974，1979；Smith，1994），因而對(duì)認(rèn)知的學(xué)術(shù)處理同樣是從屬于效用最大化的?；谶x擇的結(jié)果是效用，而認(rèn)知與偏好都內(nèi)蘊(yùn)著效用形成的原因，我們可以認(rèn)為，經(jīng)濟(jì)學(xué)在將個(gè)人追求效用最大化視為公理的同時(shí)，也在相當(dāng)大的程度上表明理性選擇理論對(duì)效用函數(shù)的描述和論證，不是依據(jù)數(shù)據(jù)分析而是一種通過(guò)理論預(yù)設(shè)、判斷和推理得出的因果思維模式。

因果思維模式在信息完全和不完全情況下的效應(yīng)是不同的。在信息不完全狀態(tài)下，如果研究者以信息完全預(yù)設(shè)為分析前提，依據(jù)自己掌握的部分信息對(duì)問(wèn)題研究做出因果邏輯判斷和推論，則其不一定能得到正確的認(rèn)知。在信息完全狀態(tài)下，研究者不需要有預(yù)設(shè)的分析假設(shè)，也不需要依賴(lài)邏輯判斷和推論，而是可以通過(guò)數(shù)據(jù)高概率地獲取正確的認(rèn)知。經(jīng)濟(jì)學(xué)的信息完全假設(shè)對(duì)認(rèn)知研究的影響是廣泛而深刻的。例如，新古典經(jīng)濟(jì)學(xué)假設(shè)選擇者擁有完全信息，能夠?qū)崿F(xiàn)效用最大化，它對(duì)偏好與認(rèn)知以及認(rèn)知與效用之間因果關(guān)系的邏輯處理，是通過(guò)可稱(chēng)之為屬于該理論之亞層級(jí)預(yù)設(shè)的“給定條件約束”實(shí)現(xiàn)的（信息完全假設(shè)是第一層級(jí)預(yù)設(shè)）。在該理論中，偏好被規(guī)定為是一種處于二元化的非此即彼狀態(tài)，認(rèn)知在“選擇者知曉選擇結(jié)果（效用）”這一亞層級(jí)預(yù)設(shè)下被跳越。很明顯，這種因果思維模式有助于使其建立精美的理性選擇理論體系，但由于沒(méi)有對(duì)認(rèn)知階段作出分析，它很容易嚴(yán)重偏離實(shí)際。

現(xiàn)代主流經(jīng)濟(jì)學(xué)的理性選擇理論偏離現(xiàn)實(shí)的程度有所降低，原因在于開(kāi)始重視認(rèn)知的研究。半個(gè)多世紀(jì)以來(lái)的經(jīng)濟(jì)理論研究文獻(xiàn)表明，現(xiàn)代主流經(jīng)濟(jì)學(xué)的理性選擇理論正在做逐步放棄完全信息假設(shè)的努力，它對(duì)偏好與認(rèn)知以及認(rèn)知與效用之間因果關(guān)系的邏輯處理，是在質(zhì)疑和批評(píng)新古典經(jīng)濟(jì)學(xué)偏好穩(wěn)定學(xué)說(shuō)的基礎(chǔ)是進(jìn)行的，該理論用不穩(wěn)定偏好取代偏好的內(nèi)在一致性，解說(shuō)了認(rèn)知的不確定性，以及不完全信息和心理活動(dòng)變動(dòng)等如何對(duì)認(rèn)知形成約束，以此質(zhì)疑和批評(píng)新古典經(jīng)濟(jì)學(xué)的期望效用函數(shù)理論，并結(jié)合認(rèn)知分析對(duì)個(gè)體選擇的效用期望展開(kāi)了深入的討論。相對(duì)于新古典經(jīng)濟(jì)學(xué)的理性選擇理論，雖然現(xiàn)代主流經(jīng)濟(jì)學(xué)的理性選擇理論仍然是因果思維模式，但它有關(guān)偏好與認(rèn)知以及認(rèn)知與效用之因果鏈的分析銜接，明顯逼近了實(shí)際。

現(xiàn)代非主流經(jīng)濟(jì)學(xué)的理性選擇理論不僅徹底放棄了完全信息假設(shè)，而且徹底放棄了主流經(jīng)濟(jì)學(xué)中隱性存在的屬于新古典理論的某些“給定條件約束”。具體地講，它對(duì)偏好與認(rèn)知以及認(rèn)知與效用之間因果關(guān)系的論證，不是基于純理論層次的邏輯分析，而是從實(shí)驗(yàn)過(guò)程及其結(jié)果對(duì)這些因果關(guān)系做出解說(shuō)。至于效用最大化，該理論則認(rèn)為認(rèn)知與效用最大化的關(guān)聯(lián)，并不像先前理論描述的那樣存在直接的因果關(guān)系?，F(xiàn)代非主流理性選擇理論通過(guò)實(shí)驗(yàn)得出一個(gè)試圖取代傳統(tǒng)效用函數(shù)的價(jià)值函數(shù)（Kahneman and Tversky，1979），該函數(shù)體現(xiàn)了一種以實(shí)驗(yàn)為分析底蘊(yùn)的不同于先前理論的因果思維模式，開(kāi)啟了以實(shí)驗(yàn)數(shù)據(jù)作為解析因果關(guān)聯(lián)的理論分析先河。但由于現(xiàn)代非主流理性選擇理論畢竟還是一種因果思維模式，因而同先前理論一樣，在理論建構(gòu)上它仍然具有局限性。

從理論與實(shí)踐的聯(lián)系看，經(jīng)濟(jì)學(xué)理性選擇理論的因果思維模式之所以具有局限性，乃是因?yàn)樗糜诜治龅男畔⑹遣煌耆筒痪_，甚至有時(shí)不準(zhǔn)確，以至于造成認(rèn)知不正確和決策失誤。當(dāng)研究者以不準(zhǔn)確或不精確的信息來(lái)探尋因果關(guān)系時(shí)，極有可能致使認(rèn)知出現(xiàn)偏差；而當(dāng)認(rèn)知出現(xiàn)偏差時(shí)，理論研究和實(shí)際操作就會(huì)出問(wèn)題。誠(chéng)然，因果思維模式本身并沒(méi)有錯(cuò)，但問(wèn)題在于，單純從現(xiàn)象形態(tài)或單純從結(jié)果所做出的理論判斷和推論，不足以讓研究者揭示真實(shí)的因果關(guān)系。人們對(duì)因果關(guān)系的理解過(guò)程伴隨著認(rèn)知的形成過(guò)程，在非數(shù)據(jù)支持的因果思維模式存在局限性的情況下，經(jīng)濟(jì)學(xué)家依據(jù)這種模式所構(gòu)建的理性選擇理論，難以得到符合實(shí)際的認(rèn)知理論。那么，在未來(lái)世界是什么影響和決定認(rèn)知呢？人類(lèi)認(rèn)知有沒(méi)有可能達(dá)到準(zhǔn)確化呢？我們把目光聚焦于大數(shù)據(jù)，或許能夠找到問(wèn)題的答案。

二 、運(yùn)用大數(shù)據(jù)能獲得正確認(rèn)知嗎？

在迄今為止的經(jīng)濟(jì)理論研究文獻(xiàn)中，經(jīng)濟(jì)指標(biāo)或行為指標(biāo)所選用的樣本數(shù)據(jù)，不是互聯(lián)網(wǎng)和人工智能時(shí)代所言的大數(shù)據(jù)。大數(shù)據(jù)具有極大量、多維度和完備性等特征，極大量和完備性表明大數(shù)據(jù)有可能提供完全信息，多維度意味著信息可以通過(guò)大數(shù)據(jù)的相關(guān)性得到甄別和處理。廣而論之，人類(lèi)的行為活動(dòng)表現(xiàn)為一個(gè)龐大的數(shù)據(jù)堆積，個(gè)別行為所產(chǎn)生的數(shù)據(jù)只是這個(gè)龐大數(shù)據(jù)的元素形式。如果我們以人們的投資和消費(fèi)活動(dòng)作為考察對(duì)象，對(duì)大數(shù)據(jù)蘊(yùn)含的因果關(guān)系以及由此得出的認(rèn)知進(jìn)行分析，那么，我們可認(rèn)為投資和消費(fèi)不僅在結(jié)果上會(huì)產(chǎn)生大數(shù)據(jù)，而且在運(yùn)作過(guò)程中也會(huì)產(chǎn)生大數(shù)據(jù)。換言之，投資行為和消費(fèi)行為在“結(jié)果”上顯示極大量數(shù)據(jù)的同時(shí)，也在“原因”上留下了極大量數(shù)據(jù)讓人們?nèi)プ匪?。因此，人?lèi)要取得因果關(guān)系的正確認(rèn)知，離不開(kāi)大數(shù)據(jù)，而在樣本數(shù)據(jù)基礎(chǔ)上經(jīng)由判斷和推理得出的針對(duì)因果關(guān)系的認(rèn)知，至少是不全面的，它不足以作為人們投資和消費(fèi)選擇的科學(xué)依據(jù)。

1、運(yùn)用大數(shù)據(jù)分析因果關(guān)系的條件配置

人類(lèi)認(rèn)知的形成離不開(kāi)因果關(guān)系分析，但運(yùn)用大數(shù)據(jù)來(lái)分析因果關(guān)系以求獲取正確的認(rèn)知，必須具備以下條件配置：1、移動(dòng)設(shè)備、物聯(lián)網(wǎng)、傳感器、社交媒體和定位系統(tǒng)等的覆蓋面要足夠大，以便能搜取到極大量和完備性的數(shù)據(jù)；2、需要探索對(duì)極大量（海量）數(shù)據(jù)的算法，能夠?qū)Υ髷?shù)據(jù)進(jìn)行分類(lèi)、整合、加工和處理；3、需要厘清和區(qū)別數(shù)據(jù)的不同維度及權(quán)重，以至于能夠運(yùn)用大數(shù)據(jù)來(lái)甄別因果關(guān)系的內(nèi)在機(jī)理。顯然，人類(lèi)從兩百年前的工業(yè)革命到今天的信息革命，對(duì)數(shù)據(jù)的搜集、整合、加工和處理還不全然具備以上的配置條件，人類(lèi)運(yùn)用大數(shù)據(jù)來(lái)分析因果關(guān)系，還剛剛處于起步階段。

聯(lián)系經(jīng)濟(jì)學(xué)理論看問(wèn)題，經(jīng)濟(jì)學(xué)家分析投資行為和消費(fèi)行為以及對(duì)其因果關(guān)系的研究，主要是在抽象理論分析基礎(chǔ)上運(yùn)用歷史數(shù)據(jù)來(lái)完成的。其實(shí)，對(duì)投資行為和消費(fèi)行為的研究，不能只是從結(jié)果反映的數(shù)據(jù)來(lái)考量，即不能只是局限于歷史數(shù)據(jù)分析，還需要從即時(shí)發(fā)生的數(shù)據(jù)，乃至于對(duì)未來(lái)推測(cè)的數(shù)據(jù)展開(kāi)分析。這可以理解為是運(yùn)用大數(shù)據(jù)思維來(lái)研究經(jīng)濟(jì)問(wèn)題的真諦。從大數(shù)據(jù)觀點(diǎn)看問(wèn)題，投資和消費(fèi)的因果關(guān)系應(yīng)該是歷史數(shù)據(jù)流、現(xiàn)期數(shù)據(jù)流和未來(lái)數(shù)據(jù)流等三大部分構(gòu)成的。經(jīng)濟(jì)學(xué)實(shí)證分析注重的是歷史數(shù)據(jù)流，很少涉及現(xiàn)期數(shù)據(jù)流，從未考慮過(guò)未來(lái)數(shù)據(jù)流，因此，現(xiàn)有經(jīng)濟(jì)理論文獻(xiàn)的實(shí)證分析以及建立其上的規(guī)范分析，很難全面反映或揭示經(jīng)濟(jì)活動(dòng)的真實(shí)因果關(guān)系。

2、未來(lái)幾十年大數(shù)據(jù)揭示因果關(guān)系的可行性

在互聯(lián)網(wǎng)悄然改變?nèi)祟?lèi)經(jīng)濟(jì)、政治和文化生活的當(dāng)今社會(huì)，互聯(lián)網(wǎng)的發(fā)展歷史可理解為經(jīng)歷了三個(gè)階段：從前期“人與信息對(duì)話”的1.0版本，經(jīng)由中期“信息與信息對(duì)話”的2.0版本，近期正走向“信息與數(shù)字對(duì)話”的3.0版本，互聯(lián)網(wǎng)版本的不斷升級(jí)是大數(shù)據(jù)運(yùn)用范圍不斷擴(kuò)大的結(jié)果，這是問(wèn)題的一方面。另一方面，隨著互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)以及物聯(lián)網(wǎng)技術(shù)等的廣泛運(yùn)用，人類(lèi)各種活動(dòng)的數(shù)據(jù)將極大量地被搜集，人們行為的因果關(guān)系也會(huì)以迂回方式通過(guò)數(shù)字關(guān)系顯露出來(lái)。特別地，若互聯(lián)網(wǎng)在將來(lái)發(fā)展成“數(shù)字與數(shù)字對(duì)話”的4.0版本，這樣的發(fā)展方向則明顯預(yù)示著數(shù)字關(guān)系將取代因果關(guān)系，或者說(shuō)，數(shù)據(jù)思維將取代因果思維，人類(lèi)將全面進(jìn)入大數(shù)據(jù)和人工智能時(shí)代。

如果我們把互聯(lián)網(wǎng)版本的不斷升級(jí)以及大數(shù)據(jù)運(yùn)用范圍的無(wú)邊界擴(kuò)大，看成是未來(lái)幾十年運(yùn)用大數(shù)據(jù)來(lái)分析因果關(guān)系的重要配置條件，那么，如何對(duì)大數(shù)據(jù)的整合、分類(lèi)、加工和處理，以及如何通過(guò)大數(shù)據(jù)的完備性和相關(guān)性來(lái)獲取因果關(guān)系的真實(shí)信息，則是另外兩個(gè)重要的配置條件。工業(yè)革命后的人類(lèi)科學(xué)文明對(duì)因果關(guān)系揭示的主要方法和路徑，是先利用掌握的信息再通過(guò)抽象思維建立復(fù)雜模型，然后在實(shí)驗(yàn)室通過(guò)試錯(cuò)法來(lái)設(shè)置能反映因果關(guān)系的參數(shù)使模型具有操作性；但這種方法和路徑涉及的數(shù)據(jù)，是樣本數(shù)據(jù)而不是大數(shù)據(jù)。在大數(shù)據(jù)和人工智能時(shí)代，智慧大腦是使用“數(shù)據(jù)驅(qū)動(dòng)法”來(lái)設(shè)置模型和參數(shù)的（吳軍，2016）。具體地講，是用云計(jì)算集約化及其運(yùn)算模式來(lái)整合、分類(lèi)、加工和處理大數(shù)據(jù)，通過(guò)數(shù)據(jù)之間的相關(guān)性來(lái)探尋在樣本數(shù)據(jù)基礎(chǔ)上無(wú)法判斷和推論的信息；同時(shí)，對(duì)模型的處理，不是建立復(fù)雜模型而是建立許多簡(jiǎn)單模型，并通過(guò)數(shù)以萬(wàn)計(jì)的計(jì)算機(jī)服務(wù)器對(duì)模型進(jìn)行優(yōu)化和設(shè)定相應(yīng)的參數(shù)，以至于完完全全地運(yùn)用大數(shù)據(jù)來(lái)揭示因果關(guān)系。

有必要說(shuō)明的是，數(shù)據(jù)驅(qū)動(dòng)法使用的數(shù)據(jù)不僅包括“行為數(shù)據(jù)流”，而且在某些特定場(chǎng)景中，還包括“想法數(shù)據(jù)流”；前者是指歷史數(shù)據(jù)和當(dāng)前發(fā)生的數(shù)據(jù)，后者是指從已知數(shù)據(jù)的相關(guān)性所推測(cè)的未來(lái)數(shù)據(jù)。社會(huì)物理學(xué)認(rèn)為，人們實(shí)際行為與“想法流”之間有著可以通過(guò)大數(shù)據(jù)分析而得到的可靠數(shù)量關(guān)系，這種關(guān)系會(huì)通過(guò)互聯(lián)網(wǎng)成為一種改變?nèi)藗冞x擇行為的重要因素（阿萊克斯?彭特蘭，2015）。誠(chéng)然，在未來(lái)幾十年，數(shù)據(jù)驅(qū)動(dòng)法是否能成功地成為解析因果關(guān)系的有效方法，尚有待于大數(shù)據(jù)運(yùn)用的實(shí)踐，特別是有待于它在人工智能運(yùn)用上之成效的檢驗(yàn)。不過(guò)，數(shù)據(jù)驅(qū)動(dòng)法作為解析因果關(guān)系的一種重要方法，無(wú)疑是智慧大腦的人機(jī)結(jié)合在大數(shù)據(jù)思維上的重要突破，它至少在如何展開(kāi)大數(shù)據(jù)思維上打開(kāi)了解析因果關(guān)系的窗口。

3、運(yùn)用大數(shù)據(jù)分析因果關(guān)系所獲取的認(rèn)知，包括對(duì)歷史數(shù)據(jù)分析的歷史認(rèn)知，對(duì)現(xiàn)期數(shù)據(jù)分析的現(xiàn)期認(rèn)知，以及推測(cè)未來(lái)數(shù)據(jù)而形成的未來(lái)認(rèn)知

經(jīng)濟(jì)學(xué)家運(yùn)用大數(shù)據(jù)來(lái)研究經(jīng)濟(jì)現(xiàn)象的因果關(guān)系，對(duì)經(jīng)濟(jì)現(xiàn)象原因和結(jié)果關(guān)聯(lián)的解讀，只有以極大量、多維度和完備性的數(shù)據(jù)為依據(jù)，才是大數(shù)據(jù)意義上的思維。大數(shù)據(jù)思維較之于傳統(tǒng)邏輯思維，最顯著的特征是它可以通過(guò)對(duì)不同維度數(shù)據(jù)之間相關(guān)性的分析，得到比傳統(tǒng)邏輯思維要精準(zhǔn)得多的信息。這里所說(shuō)的精準(zhǔn)信息，是指由大數(shù)據(jù)規(guī)定且不夾帶任何主觀判斷和推測(cè)的信息。例如，經(jīng)濟(jì)學(xué)家要得到特定時(shí)期某類(lèi)（種）產(chǎn)品的投資和消費(fèi)的認(rèn)知，其大數(shù)據(jù)思維過(guò)程如下：1、搜集、整理和分類(lèi)前期該類(lèi)產(chǎn)品的投資和消費(fèi)的極大量和完備性的數(shù)據(jù)；2、加工和處理業(yè)已掌握的數(shù)據(jù)，并在結(jié)合利潤(rùn)收益率、投資回收期、收入水平和物價(jià)水平等的基礎(chǔ)上解析這些不同緯度的數(shù)據(jù)；3、根據(jù)不同緯度數(shù)據(jù)的相關(guān)性，獲取該類(lèi)產(chǎn)品投資和消費(fèi)的精準(zhǔn)信息，從而得出如何應(yīng)對(duì)該產(chǎn)品投資和消費(fèi)的認(rèn)知。當(dāng)然，這只是在梗概層面上對(duì)運(yùn)用大數(shù)據(jù)分析而獲取認(rèn)知的解說(shuō)，現(xiàn)實(shí)情況要復(fù)雜得多。

然則，現(xiàn)有的關(guān)于投資和消費(fèi)的模型分析以及建立其上的實(shí)證分析，主要是以非大數(shù)據(jù)的歷史數(shù)據(jù)作為分析藍(lán)本的，因此嚴(yán)格來(lái)講，經(jīng)濟(jì)學(xué)對(duì)投資和消費(fèi)的因果關(guān)系分析所形成的認(rèn)知，屬于典型的對(duì)歷史數(shù)據(jù)分析所形成的歷史認(rèn)知。眾所周知，自經(jīng)濟(jì)理論注重實(shí)證分析以來(lái)，一直存在著如何“從事后評(píng)估走向事前決策”問(wèn)題的討論。由于經(jīng)濟(jì)學(xué)家對(duì)投資和消費(fèi)展開(kāi)實(shí)證分析所使用的數(shù)據(jù)，幾乎完全局限于（樣本）歷史數(shù)據(jù)，這便導(dǎo)致對(duì)投資和消費(fèi)的因果關(guān)系分析對(duì)現(xiàn)期認(rèn)知和未來(lái)認(rèn)知的缺位，它不能解決“從事后評(píng)估走向事前決策”問(wèn)題。國(guó)內(nèi)一些著名的成功人士指責(zé)經(jīng)濟(jì)學(xué)家不能解決實(shí)際問(wèn)題。在我們看來(lái)，不熟悉大數(shù)據(jù)的成功人士的這種指責(zé)是可以理解的，但深諳大數(shù)據(jù)的成功人士帶有調(diào)侃風(fēng)味的指責(zé)就不公允了。經(jīng)濟(jì)學(xué)家要在理論上立竿見(jiàn)影地解決實(shí)際問(wèn)題，必須能得到現(xiàn)期數(shù)據(jù)和未來(lái)數(shù)據(jù)（而不僅僅是歷史數(shù)據(jù)），這需要計(jì)算機(jī)學(xué)家的配合和支持，否則便不能在精準(zhǔn)信息的基礎(chǔ)上分析投資和消費(fèi)的因果關(guān)系，但經(jīng)濟(jì)學(xué)家又不是計(jì)算機(jī)學(xué)家，因此，經(jīng)濟(jì)理論的科學(xué)化需要大數(shù)據(jù)挖掘、搜集、整合、分類(lèi)、加工、處理、模型和參數(shù)設(shè)置、云計(jì)算等技術(shù)及其手段的充分發(fā)展。

歷史數(shù)據(jù)是存量，目前計(jì)算機(jī)對(duì)其處理的能力已綽綽有余，難點(diǎn)是在于模型和參數(shù)設(shè)置；現(xiàn)期數(shù)據(jù)是無(wú)規(guī)則而難以把控的流量，對(duì)這種流量數(shù)據(jù)的挖掘、搜集、整合、分類(lèi)、加工和處理，取決于移動(dòng)設(shè)備、物聯(lián)網(wǎng)、傳感器、社交媒體和定位系統(tǒng)的覆蓋面，以及云計(jì)算的集約化的運(yùn)算能力；未來(lái)數(shù)據(jù)是一種展望流量，它依賴(lài)于對(duì)歷史數(shù)據(jù)和現(xiàn)期數(shù)據(jù)的把握而通過(guò)大數(shù)據(jù)思維來(lái)推測(cè)。如果說(shuō)經(jīng)濟(jì)學(xué)家對(duì)投資和消費(fèi)的因果分析以及由此產(chǎn)生的認(rèn)知，主要取決于歷史數(shù)據(jù)和現(xiàn)期數(shù)據(jù)，那么，解決“從事后評(píng)估走向事前決策”問(wèn)題，既要依賴(lài)于歷史數(shù)據(jù)和現(xiàn)期數(shù)據(jù)，也離不開(kāi)未來(lái)數(shù)據(jù)。也就是說(shuō)，在“歷史數(shù)據(jù) + 現(xiàn)期數(shù)據(jù) + 未來(lái)數(shù)據(jù) = 行為數(shù)據(jù)流 + 想法數(shù)據(jù)流”的世界中，經(jīng)濟(jì)學(xué)家要解決實(shí)際問(wèn)題，其理論思維和分析手段都受制于大數(shù)據(jù)思維，經(jīng)濟(jì)學(xué)家運(yùn)用大數(shù)據(jù)分析因果關(guān)系而得到正確認(rèn)知的前提條件，是必須利用歷史數(shù)據(jù)、現(xiàn)期數(shù)據(jù)和未來(lái)數(shù)據(jù)以獲取精準(zhǔn)信息。

就人類(lèi)認(rèn)知形成的解說(shuō)而論，現(xiàn)有的社會(huì)科學(xué)理論是以信息的搜集、整理、加工、處理、判斷和推論，作為分析路徑來(lái)解釋認(rèn)知形成的。當(dāng)認(rèn)知被解釋成通過(guò)數(shù)據(jù)的挖掘、搜集、整合、分類(lèi)、加工和處理而形成，對(duì)認(rèn)知形成的解釋?zhuān)腿〉昧舜髷?shù)據(jù)思維的形式。大數(shù)據(jù)思維是排斥判斷和推論的，它否定一切非數(shù)據(jù)信息，認(rèn)為產(chǎn)生精準(zhǔn)信息的唯一渠道是大數(shù)據(jù)。在現(xiàn)有的社會(huì)科學(xué)理論中，經(jīng)濟(jì)學(xué)的理性選擇理論對(duì)人類(lèi)認(rèn)知的分析和研究具有極強(qiáng)代表性，經(jīng)濟(jì)學(xué)家對(duì)投資選擇和消費(fèi)選擇的解釋?zhuān)闶抢硇赃x擇理論的代表性運(yùn)用。基于人類(lèi)認(rèn)知形成和變動(dòng)的一般框架在很大程度上與理性選擇理論有關(guān)動(dòng)機(jī)、偏好、選擇和效用等的分析結(jié)構(gòu)有很強(qiáng)的關(guān)聯(lián)，我們可以結(jié)合這個(gè)理論來(lái)研究大數(shù)據(jù)思維下人們對(duì)經(jīng)濟(jì)、政治、文化和思想意識(shí)形態(tài)等的認(rèn)知變動(dòng)。事實(shí)上，經(jīng)濟(jì)學(xué)關(guān)于動(dòng)機(jī)、偏好、選擇和效用等關(guān)聯(lián)于認(rèn)知的分析，存在著一種可以通過(guò)對(duì)大數(shù)據(jù)思維的深入研究而得以拓展的分析空間，那就是大數(shù)據(jù)思維會(huì)導(dǎo)致人類(lèi)認(rèn)知的變動(dòng)。

三 、大數(shù)據(jù)思維之于認(rèn)知變動(dòng)的經(jīng)濟(jì)學(xué)分析

我們研究這個(gè)專(zhuān)題之前有必要指出這樣一個(gè)基本事實(shí)：大數(shù)據(jù)思維可以改變?nèi)说恼J(rèn)知路徑，可以改變不同階段或不同場(chǎng)景下的認(rèn)知形成過(guò)程，但改變不了影響認(rèn)知的動(dòng)機(jī)、偏好、認(rèn)知和效用等的性質(zhì)規(guī)定。如前所述，傳統(tǒng)經(jīng)濟(jì)學(xué)理性選擇理論在完全信息假設(shè)下，認(rèn)為個(gè)體選擇的動(dòng)機(jī)和偏好以追求最大化為軸心，傳統(tǒng)理論的這個(gè)真知卓見(jiàn)從未被后期理論質(zhì)疑；但由于傳統(tǒng)理論的完全信息假設(shè)存在著“知曉選擇結(jié)果”的邏輯推論，因而認(rèn)知在傳統(tǒng)理論中是黑箱，也就是說(shuō)，傳統(tǒng)理論無(wú)所謂認(rèn)知的形成和變動(dòng)問(wèn)題。現(xiàn)代主流經(jīng)濟(jì)學(xué)尤其是現(xiàn)代非主流經(jīng)濟(jì)學(xué)在不完全信息假設(shè)下開(kāi)始重視對(duì)認(rèn)知的研究，在他們看來(lái)，認(rèn)知形成過(guò)程是從理智思考到信息加工和處理的過(guò)程；他們特別注重從心理因素來(lái)考察認(rèn)知變動(dòng)（Schandler，2006；Rubinstein，2007；），注重通過(guò)實(shí)驗(yàn)且運(yùn)用一些數(shù)據(jù)來(lái)分析和研究認(rèn)知（Kahneman and Tversky，1974，1979；Smith，1994），但這些分析和研究不是對(duì)極大量、多維度和完備性的數(shù)據(jù)分析。因此，經(jīng)濟(jì)學(xué)理性選擇理論發(fā)展到今天，還沒(méi)有進(jìn)入對(duì)大數(shù)據(jù)思維改變?nèi)祟?lèi)認(rèn)知問(wèn)題的討論。

1、經(jīng)濟(jì)學(xué)家能否對(duì)選擇動(dòng)機(jī)、偏好和效用期望等進(jìn)行數(shù)據(jù)分析，決定其認(rèn)知分析是否具有大數(shù)據(jù)思維的基礎(chǔ)

經(jīng)濟(jì)學(xué)關(guān)于人類(lèi)選擇動(dòng)機(jī)、偏好和效用期望等反映人們追求最大化的基本性質(zhì)分析，以及從這三大要素與認(rèn)知關(guān)聯(lián)出發(fā)，從不同層面或角度對(duì)認(rèn)知形成的分析，主要體現(xiàn)在理性選擇理論中。但這方面顯而易見(jiàn)的缺憾，是不能對(duì)動(dòng)機(jī)、偏好、認(rèn)知和效用等展開(kāi)數(shù)據(jù)分析?，F(xiàn)實(shí)的情況是，在大數(shù)據(jù)、互聯(lián)網(wǎng)、人工智能和機(jī)器學(xué)習(xí)等沒(méi)有問(wèn)世或沒(méi)有發(fā)展到一定水平以前，經(jīng)濟(jì)學(xué)家對(duì)這些要素只能做抽象的模型分析。經(jīng)濟(jì)學(xué)理性選擇理論要跳出抽象模型分析，必須選擇具有解釋義或指示義的指標(biāo)對(duì)動(dòng)機(jī)、偏好和效用期望等進(jìn)行數(shù)據(jù)分類(lèi)分析，以便給認(rèn)知的數(shù)據(jù)分析提供基礎(chǔ)，顯然，這會(huì)涉及抽象行為模型的具體化和參數(shù)設(shè)計(jì)的具體化，需要得到大數(shù)據(jù)和云計(jì)算集約化運(yùn)算模式的支持（吳軍，2016）。作為對(duì)未來(lái)大數(shù)據(jù)發(fā)展及其運(yùn)用的一種展望，如果經(jīng)濟(jì)學(xué)家能夠圍繞最大化這一性質(zhì)規(guī)定來(lái)尋覓動(dòng)機(jī)、偏好和效用期望等的特征值，并以之來(lái)設(shè)置參數(shù)和模型，則有可能對(duì)直接或間接關(guān)聯(lián)于動(dòng)機(jī)、偏好和效用期望的大數(shù)據(jù)進(jìn)行分析，從而為認(rèn)知分析提供基礎(chǔ)。

大數(shù)據(jù)的極大量和完備性有可能消除信息不完全，這給認(rèn)知的數(shù)據(jù)分析提供可行性。誠(chéng)然，選擇動(dòng)機(jī)、偏好和效用期望等只是反映人們選擇的現(xiàn)期意愿和未來(lái)愿景，其極強(qiáng)的抽象性決定這樣的數(shù)據(jù)分析還有很大困難，但由于選擇動(dòng)機(jī)、偏好和效用期望等會(huì)通過(guò)實(shí)際行為迂回地反映出來(lái)，因而我們可以找到解決這一困難的路徑。例如，人們?cè)跍?zhǔn)備投資和消費(fèi)以前，一般有各種調(diào)研活動(dòng)，即對(duì)影響投資和消費(fèi)的信息進(jìn)行搜集、整合、分類(lèi)、加工和處理，值得注意的是，這些調(diào)研活動(dòng)會(huì)在移動(dòng)設(shè)備、物聯(lián)網(wǎng)、傳感器、定位系統(tǒng)和社交媒體中留下大數(shù)據(jù)的痕跡，這些數(shù)據(jù)痕跡會(huì)從某個(gè)層面或某個(gè)角度顯現(xiàn)出投資者和消費(fèi)者選擇動(dòng)機(jī)、偏好和效用期望的傾向或意愿。

智慧大腦依據(jù)什么樣的標(biāo)準(zhǔn)來(lái)數(shù)據(jù)化這些傾向或意愿，從而對(duì)選擇動(dòng)機(jī)、偏好和效用期望以及進(jìn)一步對(duì)認(rèn)知展開(kāi)數(shù)據(jù)分析呢？這里所說(shuō)的標(biāo)準(zhǔn)，是指通過(guò)云計(jì)算和機(jī)器學(xué)習(xí)等對(duì)人們實(shí)際行為的數(shù)字和非數(shù)字信息進(jìn)行相關(guān)性分類(lèi)，把反映選擇動(dòng)機(jī)、偏好和效用期望的具有共性特征的傾向或意愿進(jìn)行整理和歸納，以確定符合選擇動(dòng)機(jī)、偏好和效用期望之實(shí)際的參數(shù)。如果智慧大腦能夠利用大數(shù)據(jù)、互聯(lián)網(wǎng)、人工智能和機(jī)器學(xué)習(xí)等完成以上工作，根據(jù)認(rèn)知是偏好與效用的中介這個(gè)現(xiàn)實(shí)，智慧大腦便可以對(duì)認(rèn)知進(jìn)行大數(shù)據(jù)分析。如果經(jīng)濟(jì)學(xué)家能夠利用智慧大腦提供的大數(shù)據(jù)分析成果，經(jīng)濟(jì)學(xué)理性選擇理論將會(huì)隨著信息不完全假設(shè)前提變?yōu)樾畔⑼耆僭O(shè)前提，選擇動(dòng)機(jī)、偏好和效用期望的抽象分析變?yōu)閿?shù)據(jù)分析，認(rèn)知的抽象框定或心理分析變?yōu)閿?shù)據(jù)分析而發(fā)生重大變化。以上的分析性討論，是我們理解大數(shù)據(jù)思維改變?nèi)祟?lèi)認(rèn)知之經(jīng)濟(jì)學(xué)解釋的最重要的分析基點(diǎn)。

2、運(yùn)用大數(shù)據(jù)思維進(jìn)行偏好分析會(huì)改變認(rèn)知形成的路徑，使經(jīng)濟(jì)學(xué)理性選擇理論接近現(xiàn)實(shí)

現(xiàn)有的理性選擇理論有關(guān)動(dòng)機(jī)和偏好的分析和研究（這里集中于偏好的討論），主要集中于偏好如何界定和形成以及如何隨認(rèn)知和效用期望調(diào)整而發(fā)生變動(dòng)等方面，并且這些分析和研究是采用“個(gè)體行為”為基本分析單元的個(gè)體主義方法論。在大數(shù)據(jù)時(shí)代，雖然個(gè)人、廠商和政府的選擇偏好仍然是追求最大化，個(gè)體選擇行為仍然是整個(gè)社會(huì)選擇的基礎(chǔ)，個(gè)體主義方法論仍然在一定程度和范圍內(nèi)存在合理性，但互聯(lián)網(wǎng)平臺(tái)改變了選擇偏好的形成過(guò)程和機(jī)理。具體地說(shuō)，現(xiàn)今人們的選擇偏好已不是經(jīng)濟(jì)學(xué)理性選擇理論意義上的選擇偏好，而更多地表現(xiàn)為是一種以最大化為底蘊(yùn)的具有趨同化特征的偏好。例如，某種產(chǎn)品投資或消費(fèi)的介紹會(huì)和研討會(huì)，對(duì)某種產(chǎn)品投資或消費(fèi)的點(diǎn)贊和評(píng)價(jià)，中央政府和地方政府關(guān)于某種產(chǎn)品投資或消費(fèi)的統(tǒng)計(jì)數(shù)據(jù)，專(zhuān)家和新聞媒體對(duì)某種產(chǎn)品投資或消費(fèi)的評(píng)說(shuō)和報(bào)道，等等，都會(huì)成為人們選擇偏好出現(xiàn)一致性的催化劑。因此，經(jīng)濟(jì)學(xué)理性選擇理論跳出抽象模型分析，已經(jīng)在偏好分析上具備了大數(shù)據(jù)思維的條件和基礎(chǔ)。

智慧大腦與非智慧大腦的區(qū)別，在于能對(duì)人們消費(fèi)和投資的偏好展開(kāi)大數(shù)據(jù)分析，能通過(guò)大數(shù)據(jù)的搜集、整合、加工和處理，運(yùn)用云計(jì)算得到來(lái)自不同維度數(shù)據(jù)之間相關(guān)性的精準(zhǔn)信息，以至于能獲取建立在大數(shù)據(jù)分析基礎(chǔ)之上的認(rèn)知。從理論上來(lái)講，偏好會(huì)影響認(rèn)知但不能決定認(rèn)知。就偏好影響認(rèn)知而論，它主要是通過(guò)利益訴求、情感驅(qū)動(dòng)、身心體驗(yàn)和時(shí)尚追求等對(duì)認(rèn)知產(chǎn)生誘導(dǎo)或牽引作用。但在非大數(shù)據(jù)時(shí)代，這些誘導(dǎo)或牽引作用無(wú)法數(shù)據(jù)化，于是經(jīng)濟(jì)學(xué)家對(duì)偏好影響認(rèn)知的研究便只能以抽象模型來(lái)描述。大數(shù)據(jù)思維對(duì)偏好影響認(rèn)知的處理，是使用以許多簡(jiǎn)單而相對(duì)具體的模型取代高度抽象的單一模型，運(yùn)用數(shù)據(jù)驅(qū)動(dòng)法來(lái)設(shè)置參數(shù)和模型，對(duì)利益訴求、情感驅(qū)動(dòng)、身心體驗(yàn)和時(shí)尚追求等偏好特征進(jìn)行解讀，這樣便實(shí)現(xiàn)了很多非數(shù)據(jù)化信息的數(shù)據(jù)化，從而使以偏好為基礎(chǔ)的在理論上對(duì)認(rèn)知變動(dòng)的研究有了新的分析路徑。

阿里巴巴公司正在奮力打造的線上和線下相結(jié)合的“新零售”模式，是以大數(shù)據(jù)分析和運(yùn)用的阿里云平臺(tái)為背景和依托的。這個(gè)模式試圖通過(guò)充分搜集、整合、分類(lèi)、加工和處理已發(fā)生的歷史消費(fèi)數(shù)據(jù)，正在發(fā)生的現(xiàn)期消費(fèi)數(shù)據(jù)和有可能發(fā)生的未來(lái)消費(fèi)數(shù)據(jù)，捕捉人們消費(fèi)偏好的動(dòng)態(tài)變化，以期構(gòu)建符合大數(shù)據(jù)思維的全新商業(yè)業(yè)態(tài)。撇開(kāi)新零售模式在運(yùn)營(yíng)過(guò)程中的諸如數(shù)據(jù)處理、機(jī)器學(xué)習(xí)和人工智能運(yùn)用等技術(shù)問(wèn)題，僅以該模式對(duì)人們消費(fèi)行為的系統(tǒng)梳理、分級(jí)整合及相關(guān)處理來(lái)說(shuō)，它無(wú)疑會(huì)在引領(lǐng)人們消費(fèi)行為的同時(shí)促動(dòng)消費(fèi)趨同化偏好的形成。尤其值得關(guān)注和研究的是，隨著該模式運(yùn)營(yíng)所積累的數(shù)據(jù)量全然達(dá)到大數(shù)據(jù)的標(biāo)準(zhǔn)，人們的消費(fèi)認(rèn)知將會(huì)在消費(fèi)趨同化偏好的導(dǎo)引下發(fā)生變化，這種情形不僅會(huì)發(fā)生在消費(fèi)領(lǐng)域，投資領(lǐng)域也會(huì)出現(xiàn)投資趨同化偏好。很明顯，趨同化偏好具有共性特征，它在很大程度上是對(duì)個(gè)體選擇偏好的否定，對(duì)于這種偏好所導(dǎo)致的認(rèn)知應(yīng)該怎樣理解呢？這個(gè)問(wèn)題需要進(jìn)一步研究。

3、在大數(shù)據(jù)時(shí)代，趨同化偏好會(huì)改變認(rèn)知形成過(guò)程，消費(fèi)者和投資者的認(rèn)知不再是自己獨(dú)立思考和理智判斷的產(chǎn)物，而是在趨同化偏好驅(qū)動(dòng)下對(duì)智慧大腦認(rèn)知的認(rèn)同

廠商的投資選擇偏好是追求利潤(rùn)最大化，這一永恒的事實(shí)不妨礙或排斥投資趨同化偏好的形成。一般來(lái)講，大數(shù)據(jù)發(fā)展初期的互聯(lián)網(wǎng)平臺(tái)對(duì)選擇趨同化偏好形成的作用力，在消費(fèi)領(lǐng)域要比投資領(lǐng)域來(lái)得更加直接和迅速。究其原因，是兩大領(lǐng)域的機(jī)會(huì)成本和風(fēng)險(xiǎn)程度不同的緣故。但隨著大數(shù)據(jù)、云計(jì)算和機(jī)器學(xué)習(xí)等的充分發(fā)展，智慧大腦有可能對(duì)歷史、現(xiàn)期和未來(lái)的大量投資數(shù)據(jù)進(jìn)行搜集、整合、加工和處理，有可能通過(guò)云計(jì)算集約化模式來(lái)分析不同維度數(shù)據(jù)之間相關(guān)性而獲得精準(zhǔn)信息，同時(shí)，智慧大腦會(huì)根據(jù)市場(chǎng)“行為數(shù)據(jù)流”折射出“想法數(shù)據(jù)流”而產(chǎn)生預(yù)見(jiàn)能力，尋覓和遴選出高收益的投資方向和投資標(biāo)的。若此，智慧大腦投資選擇的勝算率（利潤(rùn)率）將會(huì)大大提高，廠商會(huì)效尤智慧大腦進(jìn)行投資選擇，從而出現(xiàn)投資趨同化偏好。經(jīng)濟(jì)學(xué)曾經(jīng)對(duì)諸如“羊群效應(yīng)、蝴蝶效應(yīng)、從眾行為、信息重疊”等現(xiàn)象有過(guò)許多研究（羅伯特?希勒，2001），但嚴(yán)格來(lái)講，這些研究是描述性的，不是聯(lián)系偏好和認(rèn)知等的分析性研究。

消費(fèi)和投資的趨同化偏好主要是針對(duì)消費(fèi)者和投資者的選擇行為方式而言的，它不改變消費(fèi)和投資選擇偏好的追求效用最大化的性質(zhì)規(guī)定，這是問(wèn)題的一方面。另一方面，在將來(lái)大數(shù)據(jù)充分發(fā)展的鼎盛時(shí)期，消費(fèi)和投資的趨同化偏好會(huì)改變認(rèn)知形成過(guò)程，這可以從兩種意義上來(lái)理解：1、從原先通過(guò)對(duì)信息進(jìn)行搜集、整合、分類(lèi)、加工和處理來(lái)獲取認(rèn)知，轉(zhuǎn)變?yōu)橥ㄟ^(guò)對(duì)數(shù)據(jù)的搜集、整合、分類(lèi)、加工和處理來(lái)獲取認(rèn)知；2、消費(fèi)者和投資者的認(rèn)知不再是自己獨(dú)立思考和理智判斷的產(chǎn)物，而是在趨同化偏好的驅(qū)動(dòng)下認(rèn)同智慧大腦的認(rèn)知。關(guān)于第一點(diǎn)，大數(shù)據(jù)思維的認(rèn)知之所以會(huì)取代獨(dú)立思考和理智判斷的認(rèn)知，乃是因?yàn)樗軌蜻\(yùn)用云計(jì)算集約化模式將消費(fèi)和投資的歷史數(shù)據(jù)、現(xiàn)期數(shù)據(jù)甚至未來(lái)數(shù)據(jù)進(jìn)行分類(lèi)處理和相關(guān)性分析，能夠運(yùn)用數(shù)以萬(wàn)計(jì)的計(jì)算機(jī)服務(wù)器對(duì)特定事物的因果關(guān)系展開(kāi)深度機(jī)器學(xué)習(xí)，從而通過(guò)分類(lèi)和歸納不同維度數(shù)據(jù)而得到精準(zhǔn)信息（精準(zhǔn)醫(yī)療就是基于此原理）。人類(lèi)對(duì)因果關(guān)系探索的手段和路徑發(fā)生變化，認(rèn)知的形成過(guò)程及其機(jī)理就會(huì)發(fā)生變化。

關(guān)于第二點(diǎn)，消費(fèi)者和投資者在未來(lái)放棄對(duì)信息的搜集、整合、分類(lèi)、加工和處理，認(rèn)同和效尤智慧大腦的認(rèn)知來(lái)進(jìn)行選擇，這可理解為是他們進(jìn)行效用比較（投入與收益）時(shí)的“幡然悔悟”。尤瓦爾?赫拉利（2017）有關(guān)一切有機(jī)和無(wú)機(jī)實(shí)體都可以運(yùn)用算法來(lái)解構(gòu)的前景預(yù)期，（吳軍，2016）關(guān)于未來(lái)制造業(yè)、農(nóng)業(yè)、醫(yī)療、體育、律師業(yè)甚至新聞出版業(yè)都將由大數(shù)據(jù)統(tǒng)治的觀點(diǎn)，凱文?凱利（2014）以大數(shù)據(jù)和人工智能為分析底蘊(yùn)對(duì)新經(jīng)濟(jì)十大重要準(zhǔn)則的論述，均認(rèn)為具有大數(shù)據(jù)思維且不作出主觀判斷的智慧大腦將是未來(lái)世界的操控者，而Master和AlphaGo戰(zhàn)勝世界頂級(jí)圍棋高手的實(shí)踐，則顯露了人工智能完全有可能戰(zhàn)勝人腦的端倪?，F(xiàn)實(shí)中的普通消費(fèi)者和投資者通常只是依據(jù)有限或不準(zhǔn)確的信息進(jìn)行消費(fèi)和選擇，經(jīng)濟(jì)學(xué)家也只是根據(jù)有限或不準(zhǔn)確的信息進(jìn)行因果關(guān)系分析而得出認(rèn)知，因此，相對(duì)于智慧大腦的選擇效用，消費(fèi)者和投資者是相形見(jiàn)絀，經(jīng)濟(jì)學(xué)家的理論見(jiàn)解和政策主張往往不吻合實(shí)際。

智慧大腦是運(yùn)用大數(shù)據(jù)思維而超越一般智人大腦的大腦。不過(guò)，從性質(zhì)上來(lái)講，極少數(shù)擁有智慧大腦的人通過(guò)對(duì)數(shù)據(jù)的搜集、整合、分類(lèi)、加工和處理所得到的認(rèn)知，仍然屬于人的認(rèn)知。需要強(qiáng)調(diào)指出的是，這種認(rèn)知不同于經(jīng)濟(jì)學(xué)理論及其他社會(huì)科學(xué)理論所闡述和論證的認(rèn)知，它是在大數(shù)據(jù)思維驅(qū)動(dòng)下的人類(lèi)認(rèn)知。對(duì)于這種新型認(rèn)知的理解，如果我們結(jié)合經(jīng)濟(jì)學(xué)理性選擇理論對(duì)其展開(kāi)解說(shuō)，則有著基礎(chǔ)理論的分析價(jià)值。

4、在未來(lái)，智慧大腦的認(rèn)知將引領(lǐng)非智慧大腦的認(rèn)知，其結(jié)果是導(dǎo)致認(rèn)知趨同化

熟悉經(jīng)濟(jì)學(xué)理性選擇理論的學(xué)者知道，無(wú)論經(jīng)濟(jì)學(xué)家是從信息的搜集、整合、分類(lèi)、加工和處理獲取認(rèn)知，還是通過(guò)心理分析或行為實(shí)驗(yàn)獲取認(rèn)知，他們都是在不完全信息或有限理性約束下進(jìn)行的，這不僅存在著以不精準(zhǔn)信息推論認(rèn)知的問(wèn)題，而且存在認(rèn)知形成過(guò)程的主觀判斷問(wèn)題。智慧大腦運(yùn)用大數(shù)據(jù)思維所形成的認(rèn)知的最大特點(diǎn)，是在接近完全信息基礎(chǔ)上獲取認(rèn)知的，并且不夾帶任何主觀判斷?，F(xiàn)代未來(lái)學(xué)家曾分別從不同角度和層面對(duì)大數(shù)據(jù)、互聯(lián)網(wǎng)和人工智能展開(kāi)了許多討論，他們的共同見(jiàn)解是認(rèn)為大數(shù)據(jù)的極大量、多維度和完備性將有可能解決信息不完全問(wèn)題（包含信息不對(duì)稱(chēng)），并且能夠給人類(lèi)選擇提供精準(zhǔn)信息。倘若如此，人類(lèi)的認(rèn)知問(wèn)題便完全成為智慧大腦對(duì)數(shù)據(jù)的搜集、整合、分類(lèi)、加工和處理問(wèn)題，一旦人類(lèi)可以通過(guò)大數(shù)據(jù)思維獲取精準(zhǔn)信息和完全信息，經(jīng)濟(jì)學(xué)理性選擇理論將會(huì)在根基上被顛覆。

智慧大腦只有極少數(shù)人才具備，絕大部分人（包括智人）都是非智慧大腦。在未來(lái)世界，智慧大腦將引領(lǐng)非智慧大腦進(jìn)行選擇。這一引領(lǐng)過(guò)程是由前后相繼的兩個(gè)階段構(gòu)成：一是智慧大腦運(yùn)用大數(shù)據(jù)對(duì)偏好進(jìn)行分析，通過(guò)互聯(lián)網(wǎng)將偏好傳送給具有從眾心理和從眾行為傾向的非智慧大腦，形成非智慧大腦的趨同化偏好；另一是智慧大腦運(yùn)用大數(shù)據(jù)分析獲取認(rèn)知，同樣是通過(guò)互聯(lián)網(wǎng)讓非智慧大腦效尤智慧大腦的認(rèn)知，形成趨同化認(rèn)知，從而使非智慧大腦以智慧大腦的認(rèn)知為認(rèn)知來(lái)選擇。這些情形表明，未來(lái)人類(lèi)智慧大腦將決定非智慧大腦的偏好和認(rèn)知，進(jìn)一步說(shuō)，則是智慧大腦將影響非智慧大腦的選擇行為。這里有一個(gè)極其重要問(wèn)題須討論：對(duì)絕大部分非智慧大腦而言，他們?cè)谶x擇過(guò)程中是否還存在認(rèn)知？事實(shí)上，無(wú)論是趨同化偏好還是趨同化認(rèn)知，非智慧大腦的偏好和認(rèn)知并沒(méi)有徹底消失，只是形成的路徑和內(nèi)容發(fā)生了變化。關(guān)于這個(gè)問(wèn)題的討論，聯(lián)系經(jīng)濟(jì)學(xué)的認(rèn)知理論進(jìn)行比較分析，或許會(huì)有更深的理解。

如前所述，傳統(tǒng)經(jīng)濟(jì)學(xué)以完全信息為假設(shè)前提，將認(rèn)知作為理性選擇模型的外生變量，“認(rèn)知”是被理論分析跳越的。現(xiàn)代經(jīng)濟(jì)學(xué)以不完全信息為假設(shè)前提，在理性選擇模型中，努力通過(guò)心理和實(shí)驗(yàn)分析把認(rèn)知作為內(nèi)生變量，易言之，“認(rèn)知”被解釋為個(gè)體對(duì)信息進(jìn)行搜集、整合、分類(lèi)、加工和處理的結(jié)果，顯然，以上分析在分析對(duì)象、分析方法和分析路徑上，是與大數(shù)據(jù)思維不同的。現(xiàn)代經(jīng)濟(jì)學(xué)理性選擇理論所分析的個(gè)體，是通過(guò)邏輯推論所抽象出來(lái)的蕓蕓眾生；雖然智慧大腦也可以看成是個(gè)體，但人數(shù)極少，是具有大數(shù)據(jù)思維之共同特征的個(gè)體?，F(xiàn)代經(jīng)濟(jì)學(xué)理性選擇理論是借助于偏好分析來(lái)研究認(rèn)知的，雖然認(rèn)知已在一定程度上被視為內(nèi)生變量，但分析方法和路徑仍然是邏輯判斷或推論為主；大數(shù)據(jù)思維對(duì)認(rèn)知分析將會(huì)采用的方法和路徑，是搜集、整合、分類(lèi)、加工和處理數(shù)據(jù)，試圖從極大量、多維度和完備性的數(shù)據(jù)中獲取精準(zhǔn)信息以得出認(rèn)知。因此，盡管認(rèn)知出現(xiàn)了趨同化，人類(lèi)在大數(shù)據(jù)思維下仍然存在認(rèn)知，只不過(guò)是非智慧大腦放棄自己的認(rèn)知而統(tǒng)一于智慧大腦的認(rèn)知罷了。

總之，偏好和認(rèn)知的趨同化顯示了大數(shù)據(jù)思維的魅力，這種魅力根植于大數(shù)據(jù)能夠經(jīng)由智慧大腦而產(chǎn)生精準(zhǔn)信息。其實(shí)，智慧大腦如何設(shè)置參數(shù)和模型，如何運(yùn)用云計(jì)算集約化模式，如何利用互聯(lián)網(wǎng)以及尋覓廣泛使用人工智能的方法和途徑等，主要是計(jì)算機(jī)運(yùn)用層面上的技術(shù)問(wèn)題。我們研究大數(shù)據(jù)思維下人類(lèi)認(rèn)知變動(dòng)需要重點(diǎn)關(guān)注的，是非智慧大腦究竟還有沒(méi)有認(rèn)知，其效用期望會(huì)呈現(xiàn)什么樣的格局？既然非智慧大腦只是沒(méi)有獨(dú)立認(rèn)知而不是完全跳越了認(rèn)知，那么非智慧大腦便存在著效用期望，關(guān)于這種效用期望，我們可以聯(lián)系效用函數(shù)來(lái)解說(shuō)。

四 、認(rèn)知結(jié)構(gòu)一元化與效用期望變動(dòng)的新解說(shuō)

經(jīng)濟(jì)理論對(duì)選擇行為與效用期望之間動(dòng)態(tài)關(guān)聯(lián)所建立的基本分析框架，展現(xiàn)出一幅“偏好認(rèn)知選擇效用期望”的圖景。各大經(jīng)濟(jì)學(xué)流派的理性選擇理論對(duì)這幅圖景中的 “”有不同的解說(shuō)和取舍（前文有所涉及），概括來(lái)說(shuō)，或側(cè)重于分析這些箭頭前后要素之間的相互關(guān)聯(lián)，或側(cè)重于分析這些箭頭前后要素之間的影響和決定作用。但就人們選擇動(dòng)機(jī)和目的與效用之間的關(guān)聯(lián)而論，幾乎所有理論都不懷疑“追求自身利益最大化”的公理性，于是，“最大化”在成為效用函數(shù)核心變量的同時(shí)，也在一定程度上被作為理性選擇的判斷標(biāo)準(zhǔn)。以上圖景的邏輯分析鏈?zhǔn)墙⒃谛畔⒉煌耆治黾僭O(shè)上的，各大經(jīng)濟(jì)學(xué)流派的理性選擇理論對(duì)這條邏輯分析鏈各環(huán)節(jié)的不同解說(shuō)所產(chǎn)生的理論分歧，可歸結(jié)為是在信息不完全假設(shè)分析框架內(nèi)的分歧。值得學(xué)術(shù)界關(guān)注的是，當(dāng)大數(shù)據(jù)在未來(lái)有可能提供完全信息時(shí)，這些分歧將會(huì)讓位于新的理論探討。

經(jīng)濟(jì)學(xué)家對(duì)效用函數(shù)的研究是與認(rèn)知分析緊密相聯(lián)的。但無(wú)論是傳統(tǒng)經(jīng)濟(jì)理論還是現(xiàn)代經(jīng)濟(jì)理論，他們對(duì)效用函數(shù)以及最大化問(wèn)題的研究存在著共性，即這些研究都是建立在抽象的認(rèn)知結(jié)構(gòu)一元化基礎(chǔ)上的。具體地說(shuō)，傳統(tǒng)經(jīng)濟(jì)理論在完全信息假設(shè)上認(rèn)為，選擇者可以得到“獲悉選擇結(jié)果的認(rèn)知”，從而主張用“最大化”來(lái)描述選擇者的效用函數(shù)?，F(xiàn)代主流和非主流經(jīng)濟(jì)理論在不完全信息假設(shè)上認(rèn)為，選擇者受有限理性約束不可能得到“獲悉選擇結(jié)果的認(rèn)知”，從而主張不可用“最大化”來(lái)描述選擇者的效用函數(shù)。這里所說(shuō)的抽象認(rèn)知結(jié)構(gòu)一元化，是指不是以具體的認(rèn)知主體作為分析對(duì)象，而是把整個(gè)人類(lèi)描述為一個(gè)同一的抽象主體，讓“最大化”問(wèn)題成為效用函數(shù)的核心問(wèn)題。在大數(shù)據(jù)思維的未來(lái)世界，隨著信息有可能出現(xiàn)完全化，“最大化”問(wèn)題將會(huì)成為不是問(wèn)題的問(wèn)題。

誠(chéng)然，智慧大腦對(duì)大數(shù)據(jù)進(jìn)行搜集、整合、分類(lèi)、加工和處理，并通過(guò)云計(jì)算、機(jī)器學(xué)習(xí)乃至于根據(jù)人工智能實(shí)踐來(lái)選擇參數(shù)和設(shè)置模型，仍然沒(méi)有越出追求自身利益最大化這一效用函數(shù)的性質(zhì)規(guī)定，但由于智慧大腦的認(rèn)知形成過(guò)程是建立在具有極大量、多維度和完備性的大數(shù)據(jù)基礎(chǔ)之上的，大數(shù)據(jù)能夠提供完全信息的特點(diǎn)有可能會(huì)讓智慧大腦取得效用最大化。人類(lèi)絕大部分選擇者是非智慧大腦者，從科學(xué)意義上來(lái)講，大數(shù)據(jù)對(duì)他們可謂是長(zhǎng)期的黑箱，而他們依據(jù)自己認(rèn)知所做出的選擇又不可能實(shí)現(xiàn)效用最大化，于是，非智慧大腦者將以智慧大腦者的認(rèn)知作為自己認(rèn)知而做出選擇，這便形成了大數(shù)據(jù)時(shí)代實(shí)際意義上的一元化認(rèn)知結(jié)構(gòu)。如果說(shuō)我們劃分智慧大腦和非智慧大腦是對(duì)人類(lèi)選擇主體的一種新界定；那么，我們揭示這兩大選擇主體實(shí)際意義上的一元化認(rèn)知結(jié)構(gòu)，則是對(duì)大數(shù)據(jù)時(shí)代人類(lèi)認(rèn)知問(wèn)題的一種新解說(shuō)。

大數(shù)據(jù)背景下人類(lèi)實(shí)際意義上的認(rèn)知結(jié)構(gòu)一元化，將是未來(lái)發(fā)展的一種趨勢(shì)，相對(duì)于經(jīng)濟(jì)理論抽象意義上的認(rèn)知結(jié)構(gòu)一元化，它容易把握和理解。但它在將來(lái)能否成為一種固定化趨勢(shì)，取決于智慧大腦在經(jīng)濟(jì)、政治、文化和思想意識(shí)形態(tài)等領(lǐng)域進(jìn)行選擇時(shí)獲得的效用函數(shù)值。對(duì)于該效用函數(shù)值的預(yù)期，大數(shù)據(jù)思維下的智慧大腦是具備這種能力的。從經(jīng)濟(jì)理論分析看，對(duì)效用函數(shù)值的討論，將涉及內(nèi)蘊(yùn)且展示效用函數(shù)的效用期望問(wèn)題的討論。傳統(tǒng)經(jīng)濟(jì)學(xué)的期望效用函數(shù)理論，是一種運(yùn)用數(shù)學(xué)模型論證選擇者能夠?qū)崿F(xiàn)最大化的理性選擇理論（(Von Neumann and Morgenstern，1947；Arrow and Debreu，1954），現(xiàn)代非主流經(jīng)濟(jì)學(xué)是在分析風(fēng)險(xiǎn)厭惡和風(fēng)險(xiǎn)偏好的基礎(chǔ)上，用一條S型的價(jià)值（函數(shù)）曲線取代傳統(tǒng)的效用函數(shù)，并通過(guò)相對(duì)財(cái)富變動(dòng)對(duì)選擇者感受的分析，解析了選擇者的效用期望會(huì)不斷發(fā)生調(diào)整的情形（Kahneman and Tversky，1979）。那么，大數(shù)據(jù)時(shí)代選擇者的效用期望會(huì)發(fā)生怎樣變動(dòng)呢？

人類(lèi)社會(huì)發(fā)展的歷史表明，人的主觀期望與實(shí)際選擇結(jié)果之間會(huì)發(fā)生經(jīng)常性偏離。選擇者的效用期望能否實(shí)現(xiàn)最大化，一是取決于選擇者能否得到完全信息，另一是取決于選擇者認(rèn)知過(guò)程的科學(xué)化。事實(shí)上，現(xiàn)代經(jīng)濟(jì)學(xué)對(duì)傳統(tǒng)經(jīng)濟(jì)學(xué)以最大化為核心的效用函數(shù)的質(zhì)疑和批評(píng)，主要是圍繞信息不完全和忽略認(rèn)知過(guò)程展開(kāi)的。大數(shù)據(jù)時(shí)代存在著提供完全信息的可能性，而智慧大腦利用互聯(lián)網(wǎng)和運(yùn)用云計(jì)算、機(jī)器學(xué)習(xí)和人工智能等手段，正在實(shí)現(xiàn)著認(rèn)知過(guò)程的科學(xué)化，這便提出了經(jīng)濟(jì)學(xué)必須回答的兩大問(wèn)題：1、大數(shù)據(jù)思維下的人類(lèi)選擇是否可以實(shí)現(xiàn)最大化，2、大數(shù)據(jù)思維下選擇者的效用期望會(huì)不會(huì)發(fā)生調(diào)整。這是現(xiàn)代經(jīng)濟(jì)學(xué)沒(méi)有提及的兩大問(wèn)題，但當(dāng)我們分別從智慧大腦和非智慧大腦來(lái)討論這兩大問(wèn)題時(shí)，結(jié)論或許會(huì)讓篤信經(jīng)濟(jì)學(xué)經(jīng)典理論的學(xué)者大跌眼鏡。

在未來(lái)世界，隨著互聯(lián)網(wǎng)平臺(tái)的日新月異以及移動(dòng)設(shè)備、物聯(lián)網(wǎng)、傳感器、社交媒體和定位系統(tǒng)等搜集大數(shù)據(jù)手段的覆蓋面的日益擴(kuò)大，大數(shù)據(jù)的極大量、多維度和完備性給人類(lèi)選擇提供了完全信息的基礎(chǔ)。智慧大腦在云計(jì)算、機(jī)器學(xué)習(xí)和人工智能等的支持下，以數(shù)據(jù)分析為基礎(chǔ)的認(rèn)知過(guò)程也越來(lái)越科學(xué)化，于是，智慧大腦便可以知曉選擇過(guò)程的結(jié)果，有可能實(shí)現(xiàn)最大化，這說(shuō)明智慧大腦不存在效用期望的調(diào)整問(wèn)題。另一方面，非智慧大腦以智慧大腦的認(rèn)知為自己的認(rèn)知，其效用期望完全依附于智慧大腦的效用期望。具體地說(shuō)，非智慧大腦不對(duì)數(shù)據(jù)進(jìn)行搜集、整合、分類(lèi)、加工和處理，跳越了認(rèn)知過(guò)程，同樣不存在效用期望的調(diào)整問(wèn)題。非智慧大腦效用期望完全依附于智慧大腦效用期望的情形，或者說(shuō)，非智慧大腦以智慧大腦效用期望為自己效用期望的情形，統(tǒng)一于智慧大腦與非智慧大腦的認(rèn)知結(jié)構(gòu)一元化。如果要追溯非智慧大腦效用期望的變動(dòng)，那就是從原先屬于自己的效用期望轉(zhuǎn)變成了智慧大腦的效用期望。

智慧大腦有可能實(shí)現(xiàn)最大化，以及不存在效用期望調(diào)整是一回事，但智慧大腦能否在所建模型中給定效用期望值卻是另一回事。效用期望作為一種主觀預(yù)期或判斷，它不會(huì)在互聯(lián)網(wǎng)上留下可供大數(shù)據(jù)分析的歷史數(shù)據(jù)流、現(xiàn)期數(shù)據(jù)流和未來(lái)數(shù)據(jù)流，也就是說(shuō)，不會(huì)在互聯(lián)網(wǎng)上留下可供大數(shù)據(jù)分析的行為數(shù)據(jù)流和想法數(shù)據(jù)流，這在決定智慧大腦難以跟蹤、模擬和推論效用期望值的同時(shí)，也給非智慧大腦放棄認(rèn)知而效尤智慧大腦提供了某種聊以。推崇人工智能可以替代人腦的學(xué)者，好用Master和AlphaGo戰(zhàn)勝世界頂級(jí)圍棋高手的事實(shí)作為這種替代的立論依據(jù)，但無(wú)論我們?cè)鯓釉诖髷?shù)據(jù)分析、機(jī)器學(xué)習(xí)和人工智能運(yùn)用等方面進(jìn)行深度挖掘，也找不到智慧大腦能在所建模型中給定效用期望值的科學(xué)依據(jù)。智慧大腦不能確定效用期望值，也就規(guī)定了非智慧大腦不能確定效用期望值。這又提出了一個(gè)在理論上有必要回答的問(wèn)題：非智慧大腦還有沒(méi)有效用期望？

在經(jīng)濟(jì)社會(huì)，智慧大腦和非智慧大腦的投資和消費(fèi)選擇的效用期望都是追求最大化，這一點(diǎn)是永恒的。但問(wèn)題在于，非智慧大腦以智慧大腦的認(rèn)知為自己認(rèn)知，以智慧大腦的選擇作為自己選擇的情形，會(huì)使自己的效用期望完全停留在期望智慧大腦選擇結(jié)果的形式上，這可以解釋為大數(shù)據(jù)時(shí)代非智慧大腦的效用期望的一種變動(dòng)。但對(duì)于這樣的效用期望的理解，與其說(shuō)它是一種效用期望，倒不如說(shuō)它是一種效用期待。社會(huì)經(jīng)濟(jì)的精英是人數(shù)極少的智慧大腦群體，但推動(dòng)投資和消費(fèi)的是占人口絕大多數(shù)的非智慧大腦群體。因此，非智慧大腦群體的偏好、認(rèn)知、選擇和效用期望，應(yīng)該是理性選擇理論研究的重點(diǎn)。關(guān)于這一研究重點(diǎn)的邏輯和現(xiàn)實(shí)的分析線索，是大數(shù)據(jù)思維趨同化偏好趨同化認(rèn)知認(rèn)知結(jié)構(gòu)一元化最大化效用期望。不過(guò)，這條分析線索包含著許多本文或有所涉及或尚未涉及的交叉性?xún)?nèi)容，它需要我們?cè)诶^續(xù)研究大數(shù)據(jù)思維改變?nèi)祟?lèi)認(rèn)知這一理論專(zhuān)題時(shí)，做出進(jìn)一步深入的探討。