商务数据分析报告范文
时间：2023-03-01 16:22:36
引言：寻求写作上的突破？我们特意为您精选了12篇商务数据分析报告范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。
篇1
居住地：北京
电 话：133********（手机）
E-mail：
最近工作 [ 1年5月]
公 司：XXX咨询公司
行 业：商务咨询
职 位：咨询员
最高学历
学 历：本科
专 业：计算机软件
学 校：蓝翔技校
自我评价
本人性格开朗，思想正直，诚信，稳重。工作认真踏实，责任心强，善于独立思考，分析问题，解决问题。具有扎实的统计学专业基础知识，掌握常见的统计方法；熟练掌握常用的数据挖掘方法，算法和相关工具、熟练使用SAS软件；有良好的逻辑思维能力，注重细节、对数字敏感，能挖掘数据背后的意义，能够独立完成、撰写业务数据分析报告。
求职意向
到岗时间：一个月之内
工作性质：全职
希望行业：商务咨询
目标地点：北京
期望月薪：面议/月
目标职能：咨询员
工作经验
2013 /7—至今：XXX咨询公司[1年5个月]
所属行业： 商务咨询
咨询部咨询员
1. 与客户进行电话沟通，详细介绍调研项目和调研流程并回答客户疑问，曾一天接打客户电话100余个;
2. 筛选分析调研数据，使用Excel处理超过2万个样本数据，具有丰富的数据处理经验;
3. 翻译2007年翰威特全面薪酬评估研究对85个部门超过1000个职位的工作描述，中文译文达10万字;
4. 参与相干公司北京分公司、天宇客货运输服务有限公司(日本通运株式会社在中国的合资公司)的人力资源咨询项目，与客户公司20余名高级管理人员面对面进行访谈。
2012 /7—2013 /7：XXX网络有限公司[1年]
所属行业： 数据分析
数据部数据分析师
1、根据业务需求，制定用户使用行为数据的采集策略，设计、建立、测试相关的数据模型，从而实现从数据中提取决策价值，撰写分析报告；
2、跟踪并分析客户业务数据，为客户的发展进行决策支持；
3、完成对海量信息进行深度挖掘和有效利用，充分实现数据的商业价值；
4、支持微博事业部等产品部门下的运营，产品，研发，市场销售等各方面的数据分析，处理和研究的工作需求。
教育经历
2007/9—2011 /6 蓝翔技校 计算机软件 本科
证 书
2009/6 大学英语六级
篇2
Impossible Foods：素食的肉类与奶酪
Impossible Foods尝试创造好吃兼健康的食物，团队有超过50多名科学家、工程师、农民和厨师，Impossible Foods正在研究分子级别状态下的动物产品，以便利用植物重新组合出肉类和奶酪。
“不依赖动物、没有负面的健康和环境影响，我们为人类提供一些很好的食物。”
23 and Me:吐口水就可得DNA报告哦
只需取些你的唾液分析，便会获得一份DNA分析报告，从而甚至找到自己的祖先。这份报告将向你展示你的血统混合情况，包括来自欧洲、非洲以及亚洲的比例，进而将你的祖先划定在某个大陆的特定区域。DNA数据可用于遗传学研究，提交DNA样本的用户可以获得230多个点位的分析报告，能用于发现潜在的遗传疾病以及及早治愈。
售价只要99美元哦。
Digit:帮你从卡奴中解脱出来
Digit是一款免费应用，它会分析你的收入以及日常开销习惯做数据分析，这种服务会将这些钱转移到储蓄帐号中。这笔储蓄可在一个营业日内转回到银行账户。Digit表示，他们永远不会取出超过你银行账户余额的资金，为此你不必担心支付透支费。
(备注：国外很多银行卡是分储蓄账户和现金账户的，取现需要从现金账户中取出，两者利息也不一样)
Urban Engines:现实增强，防止驾车信息的盲区
Urban Engines是一款增强现实应用，无论你在哪里，都可以清晰虚拟地看到周边的POI，例如火车站、街头以及路线情况。研发团队也与许多城市合作，追踪公共交通数据，将延时情况减少到最低。
Granular：数据分析提高农业生产效率
Granular是一个帮助让农民更好地了解农产品从耕种到收获全周期的平台。此系统可以让农场主时刻追踪工人位置、监督任务进程、并提供出相应的财务报告。
篇3
实验教学是培养经管类专业学生实践能力的重要手段。经济管理类专业学生不仅要熟练地掌握理论知识，更要具备较强的实践能力，特别是大数据时代的到来，强调以数据为基础进行研究，并快速做出决策[1]，不仅对掌握大数据思维和技术的人才需求量扩大，而且对经管类专业人才培养提出了新的要求[2]，因此在大数据背景下应充分认识实验教学对经管类专业学生实践技能的重要性，科学全面地构建面向数据分析和管理的实验教学体系，以适应大数据背景下经管类专业人才的培养需求。
大数据扩宽了信息的来源，提高了信息获得的速度，分析对象从传统的结构化数据过渡到非结构化数据，因此对经管人才需要更全面地掌握大数据思维方式和分析流程。对工商管理、企业管理专业而言，需要其更注重利用多种类型的企业运作的数据，通过对其进行整理分析，帮助企业进行业务流程改革，提升企业运营效率，提高经济效益[3]。对于电子商务、市场营销专业而言，应学会利用大数据技术探索新商业模型，分析营销网络，评估投资风险及创新服务模式[4]。而对于和大数据技术紧密相关的信息管理专业来说，需要更全面地从数据采集、分析到数据挖掘多个方面转变传统的数据分析思维，以适应大数据环境下知识管理与智能决策的需要[5]。
1.实验目的不合理，实验设计不当。
目前，对于经管理类专业的大数据实验教学体系还处于基本概念阶段，与科研前沿脱节，实验目标大多只要学生掌握数据采集、统计分析等基本概念和方法，就学会对给定的数据进行分析。但是在大数据环境下，数据分析和挖掘需要针对结构化数据、非结构化数据等用创新性的思维方式解释分析结果，并用于智能辅助决策及知识发现。因此，大数据实验课程应与时俱进地适应大数据的要求，开展多样化、启发式的实验项目，不仅让学生掌握如何收集信息和整理信息，还要解释隐藏在数据背后的潜在规律。
2.实验教学方法和手段陈旧。
传统实验课是学生按照老师的要求和给定的数据，学习各种数据分析方法。实验内容设计单一，没有针对不同知识结构的学生开展有针对性的实验训练项目，学生学习积极性不高。因此，在大数据实验教学中，要以培养学生创新实践能力为主要目标，在教师的帮助下，通过团队协作、自主设计完成。同时，分层次制定针对不同知识结构背景的实验项目，便于学生根据自身的特长和能力自主选择实验项目。
由此可以看出，传统的实验教学已不能满足大数据背景下的经管类专业人才对数据分析和处理的新需求，在实验教学方式、实验教学内容等多方进行创新和改革，才能培养出顺应时代背景的优秀经管类人才。
在大数据背景下，经管类人才应该具备：发现问题的能力，收集整理数据和信息的能力及理解分析数据的能力。对此，我们从教学方式、课程体系、技能与经验三方面入手，开展实验教学改革，以适应大数据时代对于经管人才培养的要求。
3.创新实验教学方式。
大数据时代，书本和课堂不是获取信息的唯一选择，网络资源、各种移动端应用程序等方式都扩展了学生获取信息的方式，在这种情况下，实验教学不仅需要让学生掌握如何搜集、整理数据的技术，还要培养学生观察、分析问题的能力，从而真正调动学生的学习积极性。例如可以提供多种获取大样本数据的渠道，学生组队进行数据分析和挖掘，设计算法，进行相关分析直到最后撰写出分析报告，整个流程全部由学生独立完成。
4.完善大数据实验课程体系的构建。
对于经管类专业的学生而言，实验目的主要是让他们掌握数据分析的主要流程、主要算法的基本原理，具备大数据应用的初步能力。另外，考虑到不同专业的学生知识结构不同，我们构建多层次的经管类大数据实验课程、基础实验，以验证和演示实验为主，强调掌握数据分析工具和分析算法，理解数据分析基本流程。专业实验，以简单设计性实验为主，强调利用现有的数据分析工具，较完整地体验从数据采集、数据整理、数据分析到数据挖掘的全过程，并编写简单的数据分析代码。综合性实验，采用自助式、合作式模式，让学生自己动手收集数据，团队合作分析问题，在实验教师的指导下，综合运用各种数据分析工具，自主设计算法，进行相关分析，直到最后分析报告，初步具备大数据的应用能力。
5.培养专业技能和增加实践活动。
积极开展大数据应用相关的实践活动，提供多种形式让学生参与大数据的实践环节，在提高专业水平的同时，提高实践操作能力。合理利用现有慕课、微课等在在线课程作为实体课堂的有益补充，引导学生深入学数据技术。另外，积极联系软件企业提供各种实习途径和岗位，让学生真正参与与大数据的各种项目开发，强化课堂的理论知识，丰富实践经验，提高专业级技能，有效地提高学生的数据分析能力和数据挖掘能力。
大数据作为近年来的热点研究问题，已经广泛应用于经管类学科当中。经管类专业学生只有更好地掌握并懂得如何利用大数据，才能在大数据时代拥有更多的优势。因此，本文从教学方式、课程体系、技能与经验进行创新，提出切实可行的改革措施，以更好地培养经管类学生的数据分析的专业能力，适应大数据环境下知识管理与智能决策的需要。
参考文献：
[1]祝智庭，沈德梅.基于大数据的教育技术研究新范式[J].电化教育研究，2013（10）：5-13.
[2]朱怀庆.大数据时代对本科经管类统计学教学的影响及对策[J].高等教育研究，2014（9）：35-37.
[3]李永，刘玉红.大数据时代大学生学习模式转变研究[J].长春工业大学学报（高教研究版），2014，35（4）：38-41，100.
篇4
定制化项目效率低下
艾瑞咨询集团（iResearch）是一家专注于网络媒体、电子商务、网络游戏、无线增值等新经济领域，深入研究和了解消费者行为，并为网络行业和传统行业客户提供市场调查研究和战略咨询服务的专业市场调研机构。
目前，艾瑞咨询集团可以向企业提供线下报告和软件两种定制化咨询报告服务。但是，企业客户的定制化需求非常多变，艾瑞咨询集团生成一份线下报告交付周期需要3至4周，提供软件的交付周期则需要半年。再加上项目所需人工成本升高、迭代周期延长，艾瑞咨询集团往往不敢承接太多定制化项目。
通过调研，笔者发现了艾瑞咨询集团的真正需求：根据时间维度和网站汇总对用户的来源地区、来路域名、页面访问次数、停留时间、有效访问次数、跳出率、回访者、新访问者、回访次数和回访相隔天数等相关数据进行统计分析，并且还能够在动态添加条件之后，通过对监测用户行为获得的数据进行分析，以最终得出更加详细、清楚的用户行为习惯。
因此，艾瑞咨询集团迫切需要一种更加敏捷、高效的大数据分析工具提升定制化业务的效率。
大数据面前：敏捷BI PK传统BI
在解决艾瑞咨询集团面临的难题时，传统BI的做法是，IT人员事先根据需求分析进行建模，建好二次表或打Cube并提前汇总好数据，业务人员才能在前端查看到分析结果的报表。虽然这种做法很成熟，但是解决不了艾瑞咨询集团的难题。
首先，业务人员查看的报表相对静态，分析的维度和度量的计算方式已在建模时预先设定好，不能更改。例如，定好了求和或求平均数，再想改成求方差必须再去修改模型。
其次，分析需求变更时，业务人员不能直接调整报表，需要IT人员重新建模或修改已有分析模型，耗时较长，响应速度较慢。
最后，有些企业的数据量很小，也需要按照此流程和架构来进行大费周折的数据分析。
造成这些问题的本质原因是，过去的技术架构针对海量数据的计算能力不足，企业用户需要通过建模、二次表、Cube提前进行数据运算汇总。
艾瑞咨询集团希望为企业客户提交这样一份分析报告，不仅能看还能动态分析。对于艾瑞咨询集团来说，数据展现应该是起点而不是终点。看到了数据，要能交互式分析、深入向下挖掘，要能发现问题并找到答案，还要能采取行动。与数据交互的过程要足够快，如果用户每次点击需要等三五分钟才出结果，就无法进行交互分析。
并且，分析报告应能让非IT部门的同事直接在分析平台上做出来。不能把所有的分析报告需求都提交到IT部门，这样会严重增加IT部门的工作负担。同时，敏捷BI的实施和操作要简单化，让业务人员可直接使用。
同时，分析报告需求经常需要牵涉到数据层的改动，需要IT部门去改进数据层和业务层，传统BI平台需要一两个月才能完成模型梳理。敏捷BI无需事先建模，可以在分析过程中灵活调整分析维度和报表展现，需求变更可以在一天之内响应，提升企业的洞察力决策力。
与传统BI的重量建模、统一视图不同，敏捷BI采取轻量建模、N个视图的方法，不建二次表和Cube，数据导入后可以直接进行分析，并且业务人员可以实时调整分析的维度和度量的计算方式，极大地增加了灵活性，真正做到和数据对话。
既然有这么便捷的方式，为何传统BI不采用这种架构呢？那是因为，传统技术架构没有引入大数据技术，面对海量数据无法在用户点击后的几秒内就展现企业客户需要的分析结果，因此必须通过建模提前把数据汇总好，才能保证分析报表展现时的速度。
因此，实现敏捷BI的前提是采用新架构处理数据，其涉及的技术包括分布式计算、内存计算、列存储、库内计算等。敏捷BI可以通过更低的成本、更短的上线周期，快速让企业洞察到数据的含义和价值。
业务效率数倍提升
深入研究艾瑞咨询集团要分析的数据，笔者发现，艾瑞咨询集团每天要分析的数据量达几千万条，且不同企业客户的分析需求各不相同。因此，复杂多变的多维度分析需求对分析工具的分析性能提出了更高的挑战，而传统的数据库和Hadoop架构已经无法满足高性能和即时分析的需求。
为此，艾瑞咨询集团考察过国外一些知名的产品，但是当他们获知产品的价格和后续的服务费用之后只能放弃。而国内大多数的分析工具大多是上一代BI，需事先建模再进行分析，难以应对灵活的多维度分析变化需求，且针对大数据量的处理能力不能满足要求。
最终，艾瑞咨询集团选择了永洪敏捷BI技术。当艾瑞咨询集团将三个月的细节数据（约50亿条）导入敏捷BI系统，直接就可以展现出定制分析报告。对比原先基于Excel和SQL编程的分析方法，艾瑞咨询集团的业务效率获得数倍的提升：线下报告交付周期从3至4周缩短至小于1周，软件交付从半年缩短至一个月。
同时，艾瑞咨询集团原来由于担心需求变化导致没有能力交付的很多项目被收入囊中。采用敏捷BI工具后，艾瑞咨询集团可以在几天内快速搭建原型向客户展示，任意的需求变更都可以一周内调整完毕。这种快速原型试错的方式，使得艾瑞咨询集团有能力承接很多此类项目。
由于业务效率的极大提升，有能力承接更多的项目，艾瑞咨询集团的收入空间也出现了数倍的增长。与此同时，艾瑞咨询集团的客户满意度也稳步提升。
不仅如此，为了提供更加直观可交互的分析报告，提升企业用户体验，艾瑞咨询集团基于敏捷BI工具，构建了一个新型SaaS平台。艾瑞咨询集团把企业客户用Hadoop架构存储的数据，通过敏捷BI提供的接口导入到数据集市内，然后通过敏捷BI快速呈现出结果。
篇5
根据网宿的数据分析，人们大多喜欢在刚上班时关注金融、证券的行情；中午休息时，网页游戏则更受欢迎；下午股市、证券等网站的交易时间结束前，这类网站会再度集中“迎客”；下班后，社交类网站和视频网站才是大多网民最爱去的地方。而7×24小时开业的网上商城已经渐渐成为网民生活的一部分，随时都会有人想要“逛逛街”。
北京人最爱SNS
该报告显示，SNS（社交网络）的访问高峰出现在20:00；网页游戏白天的访问高峰期出现在12:00，晚上的高峰期出现在19:00；视频网站的访问高峰出现在21:00；政府和企业网站访问集中在工作时间；招聘类网站网民访问峰值出现在工作日10:00～11:00；财经类网站的访问最高峰出现在上午9:00、下午13:00~14:00以及晚上21:00，而电子商务网站的访问时间整体比较平稳，没有明显峰值。
网宿的报告还显示，人口和经济发达程度对网民地理分布比例有重要影响，人口多、经济越发达地区网民访问比例越高，反之则比较低。2011 年第一季度， 对于SNS（社交网络），来自北京、江苏、山东的网民访问频率最高；广东、山东、河北的网民则更钟爱网页游戏；对电子商务类网站的访问量，广东、上海、北京最高；对视频类网站的访问量，广东、浙江、江苏排在前三位；访问政府、企业类网站的时候，来自广东、北京和江苏三省的访问量名列前三。
篇6
国双科技注册成立于2005年，以软件外包起家，那时祁国晟就已经在关注搜索引擎的营销经济价值。2007年，他做出一个艰难的决定：彻底放弃赚钱的外包服务，把所有精力投入Web Dissector量化分析工具的开发上，开始了“二次创业”。经过三年的蛰伏，2011年 2012年国双科技的在线分析业务实现了爆炸式的增长，收入猛增10倍以上。目前国双科技的客户超过300家，分布于18个行业，包括可口可乐、欧莱雅、上海文广新闻传媒集团等40多家全球500强和中国500强企业，国双科技为它们提供打包的数据整合方案服务。
与过往的业绩相比，更让祁国晟和团队兴奋的，是他们正在开启的新事业：数据资产化。
2013年年初，国双科技旗下“国双数据中心”正式成立。在祁国晟和团队的谋划中，该中心将是国双科技试水“数据资产化”的先锋。现在来看，国双数据中心还只是一些趋势性报告，比如中国互联网用户属性、用户习惯、电子商务、在线媒体渠道、移动互联网等领域的用户行为规律等。但未来一定不止于此。对于祁国晟和团队来说，挑战他们的是，用什么样的思路来“激活”国双数据中心已经拥有的数据挖掘能力和数据资产。据国双科技的资料显示，国双数据中心拥有基于OLAP（联机分析处理技术）的交互式数据挖掘平台，可将数据仓库中的每一个数据通过上百个维度和指标进行关联、交叉、演绎，提供不同深度的分析报告，满足不同视角的数据挖掘和分析需求。
祁国晟告诉记者，未来两年之内，国双科技在“数据资产化”的新事业上将找到行之有效的商业模式。现在问题的关键是，找到“需求在哪里”，甚至是得“挖掘需求”。
在“挖掘需求”上，祁国晟颇有感触。基于之前与国家信息中心的合作，国双科技涉足到针对电子政务的数据分析，当时双方合作成立的网络政府研究中心开发了一套基于电子政务的新系统，主要用于分析电子政务的绩效。在该项合作中，在客户的需求之外，国双科技团队发现了一项民众对政府工作最急迫的需求——异地办理生育证明，“这个发现跟数据挖掘有关系，这个结果不是调研出来的，是通过全样本数据分析挖掘出来的”。祁国晟回忆说，最后他们出具的报告“非常有说服力”，甚至推动了政府后来出台规定、简化异地生育证办理的流程。
在祁国晟看来，基于国双科技近一年里业务拓展的重点，其“数据资产化”首先会在政府电子政务、运营商数据分析、网络电视台解决方案等业务线上找到突破点。“现在新业务的比例还不是特别高，占到整个公司收入大盘子的10%多，但是增长速度非常快。”祁国晟希望，两年内新业务的收入能够占到总盘子的30%以上，成为国双科技的核心业务之一。在这个过程中，对祁国晟和团队来说，挑战之一是：这些数据资产源于国双作为第三方服务商时，客户愿意把数据交给国双或者把数据接口开放给国双，一旦国双做“数据资产化”时，客户会否对开放自己的数据有安全方面的顾虑？
“这是我们最关心的问题，也是我们做数据生意必须坚持的底线。我们企业的生存是依赖于客户的放心，放心把数据交给我们分析。”祁国晟进一步强调，国双科技正在尝试的“数据资产化”有一个前提，绝不触碰跟客户商业相关的数据。
祁国晟介绍，在他们采集的客户数据中，“只有1%到10%是客户的商业数据，其他的全部都是行业性的数据”。而且，他感觉比较幸运的是，从一开始做数据分析、数据挖掘服务时做了一个正确的决定，“当时我们的计算性能做得还不够好，曾经讨论过要不要把那些行业性的数据丢掉只保留客户的商业数据，后来我们没有丢，现在看来是一件非常明智的事，留下这些行业性的数据，才能和现在其他的东西联系在一起，这样才有可能产生非常大的价值和意义”。
篇7
企业如果想在行业中力争上游，离不开对于行业和市场的精准把握，而一个新兴行业在快速发展过程中，对于市场变化趋势的预测也需要依托于准确的行业分析。作为重要的经济学分析，市场分析必须依托于准确可靠的数据，以适当的统计方法对收集来的大量第一手资料和第二手资料进行分析，通过对数据进行详细研究和概括总结，进而提取有用信息和形成结论，这一过程也就是数据分析的过程。
虽然企业内部都会建立各方面的数据库，但企业数据并不足以分析预测整个行业的态势，这时候就需要行业数据的支持。行业数据能够帮助企业了解项目产品的市场环境，分析、判断项目投产后所生产的产品在限定时间内是否有市场，分析同类产品的市场供给量及竞争对手情况，以及采取怎样的营销战略来实现销售目标并有效预测项目的经济效益。同时，对整个行业、尤其是新兴行业而言，市场分析能够体现行业的走势和发展潜力，这些也会深刻影响着资本市场对行业支持的态度和力度。
那些影响宠物行业的数据
中国的宠物行业已走过近20年，近年来更呈现出即将面临巨大变革的快速发展趋势。在这场变革洪流中，企业更需要通过有效的行业数据来对瞬息万变的市场变化进行估测，而不同的产业节点对于行业数据的需求也不尽相同。
对于生产商来说，行业总产值、全国宠物数量、全国消费水平、不同品类的销售趋势、用户喜好方面的数据会影响到新产品的定位与研发计划。对于数据的作用，福贝宠物总经理汪迎春表示，“对生产企业来说，全面的行业数据能够帮助经营者准确预测市场趋势。生产企业建厂周期长达几年，如果没有基于数据的正确预测，很可能到工厂投产时就会面临极为尴尬的境地。”而包括商和零售商在内的经销商最关心的数据集中在与消费者相关的一些数据，如国内宠物数量，养宠人地区分布，养宠消费趋势、养宠消费习惯、市场消费力、用户体验等方面的数据。这些数据对于零售商来讲直接影响他们决策在哪里建仓库或是投入更大精力去开拓市场等等；宠物服务机构会更加关心区域性的消费水平，但同时也会关注全国整体的消费趋势，比如养宠人可以接受何种价位的美容服务，或是在寄养方面消费者的需求与意见等等。所有这些都可以通过市场调查进行量化，产生行业数据，通过分析这些数据，最终总结出一定的市场趋势和规律，进而指导各个节点的企业和机构做出正确的决策。而作为行业观察者，宠物行业媒体对行业各个方面的数据都非常渴求，并急需通过这些不断更新的数据总结出行业发展的趋势，或是对行业中的一些现象进行分析。
由此可见，行业数据对行业中的所有从业者都很重要，所有人也都在不遗余力地寻觅着这些具有指导价值的数据，但在搜寻的过程中，都不约而同地走到了一个棘手的境地——中国宠物行业可以搜索到的数据几乎为零。
难觅踪影的行业数据
寻求行业数据的人往往会首先通过网络搜索相关信息。但在实际搜索国内宠物行业数据过程中，搜索到的信息一般分为两类。第一类是分析评论性的文章，这类文章中虽然会包含一些数据，但大多是类似全国某类宠物的数量、行业估计产值等宏观而概括性的数据，同时这些数据还停留在几年前的情况，无法指导企业对当下业务进行调整或是对未来市场有准确的预测；第二类数据则是由各个商业公司出版的行业市场调查及分析报告，如在中国产业研究网上可以搜索到近10篇以“宠物行业”为关键词的分析报告，而在中国行业研究报告网上可以通过搜索“狗粮”得到98篇与这一产业相关的商业报告。在这些报告的摘要说明中显示，其主要数据来源于国家统计局、海关总署、国家信息中心、行业协会、咨询公司问卷调查数据，银行采集数据、税务部门采集数据、证券交易采集数据，商务部采集数据以及各类市场监测数据库等，调查报告的目录中也显示报告将包含行业整体运行态势分析、重点区域运行情况、行业产销状况监测分析、资产负债状况监测分析、运营状况监测分析、行业成本费用监测分析、行业盈利情况、财务分析、核心竞争力分析以及发展潜力分析等多方面的数据分析。但这样一份报告并非免费，其价格往往在8000—10000元不等，并不是能够直接使用参考的公开数据。在采访中，我们了解到一些企业也曾经购买过此类商业调查报告，但对于其中的数据统计情况也存有质疑。
除了通过搜索引擎直接搜索相关数据外，其他行业寻找相关数据时也可以通过相应的政府主管部门的数据库进行搜集。宠物行业目前仍隶属于中国农业部，但在农业部的官方网站上并不能直接搜索到宠物行业的数据，只能在一些与畜牧业相关的文章中有零散的个别宠物企业或宠物食品用品出口方面的数据。此外，在中国畜牧业协会犬业分会这类的行业协会网站上也无法查询到公开详实的行业数据。
“行业确实缺乏公开易于查询的数据，”国内某知名宠物食品生产企业负责人表示，“有实力的企业会自己进行市场调查或是聘请调查公司进行调查，企业之间也会彼此交换一些调查数据，但仅限于行业内很小的范围。”同时，这位业内人士也表示，企业的调查限于人力和财力限制，并不能有效反应整体趋势，对于趋势的预测更多地依靠经营者对于行业的经验积累，全国性的数据调查和分析必须依靠行政部门更为强有力的支持。
篇8
本课程是云南经济管理学院商学院为经济管理、商务管理、国际经济与贸易、市场营销、药品经营与管理专业学生开设的一门专业基础课。本课程开设的目的就是通过市场调查与预测的学习，使学生对市场调查与预测的基本理论和方法有一个大致的了解。本门课程的主要内容有市场的调查的方式和步骤、市场普查、重点调查、典型调查、抽样调查、市场观察调查法、询问法、文案调查法、实验调查法等；市场的预测方法主要有专家预测法、德尔非法、头脑风暴、时间序列、相关回归分析等。
2改革思路
2.1课程改革的目的在本门课程的教学中，要求学生能较好地完成调查方案设计、问卷设计、调查分析报告撰写、预测分析报告撰写等模拟训练项目；切实提高了学生市场调查设计能力，数据处理与分析能力，调查报告和预测报告的写作能力，达到了课程教学目标的需求。教学的效果要求主要体现在以下几个方面：
2.1.1培养高学生的解决实际市场调研方案撰写和问卷设计的能力，绝大部分学生都能设计出较好的市场调查方案和调查问卷。
2.1.2培养学生数据获取、数据处理、数据分析与建模能力。
2.1.3培养学生的市场调查分析报告和预测分析报告的写作能力。
2.1.4培养学生的统计软件的使用能力。让大部分学生都能利用Excel、SPSS等统计软件进行数据处理、生成统计图表，建立预测分析模型。
2.1.5巩固了学生所学的其他专业知识。比较好地解决了知识转化为能力的问题，相关专业学科知识走向整合，最终形成良好的专业技术技能。
2.1.6通过本门课程的教学改革，让学生毕业以后能够真正的学会运用本门课程相关知识来解决工作中的实际问题。
2.2课程改革的必要性市场调查与预测课程教学改革的必要性主要体现在以下几个方面：
2.2.1学院办学指导思想的要求该院定位于“职业教育院校”、“培养应用型专业人才”等办学指导思想，为《市场调查与预测》课程建设和改革提供了导向。我们认为作为商学院的经济管理、商务管理、市场营销等专业的学生应具备较强的市场调研和市场预测能力，才能体现商学院培养应用型专业人才的内在要求。为此，市场调查与预测确立强化案例与项目驱动教学法，着力培养学生的市场调研和市场预测的意识，符合学院的办学指导思想和定位的要求。
2.2.2课程性质的要求《市场调查与预测》是在《管理学》、《经济数学》、《市场营销学》等课程基础上开设的。因此，市场调查与预测单纯讲授市场调查的理论和方法，势必与其他相关学科在教学内容上造成很大程度上的重复，达不到培养应用型人才的教学要求。因此，市场调查与预测课程需要从应用的角度组织教学，重视实践性教学。
2.2.3教学实训、实践提供的启示过去我们在市场调查与预测课程教学中，存在着重理论、轻实践的教学倾向，导致学生在学习本门课程后，仍然不会设计市场调查方案和问卷，不会数据的获取、处理和分析，写不出符合要求的市场调查报告和市场预测报告。后来，我们尝试采用案例与模拟教学法，学生的市场调研和市场预测能力有了较大的提高。因此，市场调查与预测只有确立“强化案例与教学模拟、动手实践”的教学法，才能使本课程建设和改革具有特色。
3课程教学改革的路径
根据近几年的教学实践来看，我们从教学目标、教学内容、教学模式、教学方法手段、考核考试方式、实训实践教学课等方面展开教学改革。
3.1改革课程教学目标我们认为作为商学院的经济管理、商务管理、市场营销等专业的学生，通过本课程的学习，除了应掌握市场调查和市场预测的基本理论和基本方法外，应重点获得五种能力：市场信息（数据）获取、处理与分析能力；调查方案与问卷设计能力；调查分析报告所撰写能力；市场预测分析与建模应用能力；市场预测报告撰写能力。因此，本课程的教学目标应从过去以传授知识为主向知识传授与能力培养相结合、强化能力培养的方向改革。
3.2改革教学内容根据作为商学院的经济管理、商务管理、市场营销等专业特点和培养应用性能力原则，我们增加了市场环境研究、市场供求研究、销售潜力研究、消费者市场研究、顾客满意度研究、生产者市场研究、销售潜力研究、产品市场研究、产品销售市场分析、产品品牌研究、广告研究等市场调研内容的教学。同时增加统计软件在数据处理和分析的应用等等。
3.3改革课程教学模式《市场调查与预测》课程教学模式，是以市场调研和预测能力培养为教学目标，以教学内容更新和优化为基础，以案例和模拟训练为实践教学平台，以案例和项目分析为教学手段。
3.4改革教学方法手段主要采用能力培养为导向的课程教学方法手段。总体思路是将案例教学法、项目试验教学法、计算机软件辅助教学法、模拟教学法引入教学中。
3.5改革考试方式传统的闭卷考试以基本理论、基本知识和基本方法测试为主，难以测试学生的综合应用能力。本课程的教学目标在于提高学生的调查方案和问卷设计能力，数据处理与分析能力，调查报告与预测分析报告的写作能力。为了适应本课程教学目标的要求，我们采用综合性测评的考核方式。
3.6改革实训、实践教学模式本着提高学生市场调研和市场预测能力，实现教学目标的要求，构建了包括课程设计、计算机软件应用、案例教学、课外实践教学等方式相结合的实训、实践教学体系式。
4教学内容、教学模式，考核考试方式、实训，实践改革操作初步设计
4.1教学内容、教学模式初步设计根据作为商学院的经济管理、商务管理、市场营销等专业特点和培养应用性能力原则，我们将教学体系分为市场调查和市场预测两部分考虑，再分别从理论和实践部分进行设计。
4.1.1市场调查部分①市场相关概念、市场类型等相关教学内容介绍。②市场调查的主要内容指标介绍讨论。主要内容包括市场环境（宏观、中观、微观）、市场供求、销售潜力、消费者市场、顾客满意度、生产者市场、销售潜力、产品市场、产品销售市场分析、产品品牌、广告等市场调研内容的指标体系提示讨论。③市场调查方案、方式方法介绍。主要内容包括市场调研方案的设计，市场普查、重点调查、典型调查、抽样调查等，文案调研法、观察调研法、询问调研法、实验调研法，还增加网络调研法。④数据收集与整理理论教学，回顾统计基础计算知识，EXCEL、SPSS软件简单常见功能介绍。⑤实践教学部分设计初步。在第一堂课的时候，就将学生按自由组合的方式，以6～8人为一组，成立“模拟调查公司”，并让学生为自己的公司取一个名称，确定公司总经理及内部人员分工。在成立公司之后，告诉他们，先学理论知识，在学完市场调查的相关知识后将让他们以模拟公司为单位，开展一次真实的市场调查活动，并且每个公司要完成一份调查报告，还要在课堂上来介绍分享自己的调查过程和调查结果。期望让学生以这种特有的身份投入到学习中来，以提高他们的学习兴趣，并且通过实际体验，更好地理解和掌握理论知识，也希望真实的调查活动能激发他们认真学习的兴趣。在调查过程中主要让学生体验几种调查方法：文案调研法、观察调研法和询问调研法。让学生根据本组确定项目设计调研过程。过程中将涉及调查方案策划、调研方法、时间安排、资料整理与分析、调查报告撰写等一系列环节。通过真实的调查活动不仅能加深学生对理论知识的理解。还能在活动中提高他们的团队合作能力、人际交往能力、思考问题和解决问题的能力以及口头表达能力。课堂情景模拟。观察调研法、询问调研法两种方法可采用课堂模拟教学。数据的收集与整理。对调查部分的数据进行处理，包括图表在EXCEL、SPSS等软件中的制作。提出调查报告，进行PPT概述介绍。
4.1.2市场预测部分①预测理论学习。包括预测相关概念、类型，对于我们学院学生主要从定型预测方法的学习讨论和定量的时间序列、相关回归预测、抽样调研的基本估计进行教学。②实践教学。观看头脑风暴的视频，看后确定学生关注热点话题进行模拟头脑风暴，让学生切实了解头脑风暴的相关概念、操作步骤、实际应用的意义。引入上机实训，提高学生利用计算机处理数据的能力。笔者设想在讲授市场预测的内容时引入上机实训。根据一些简单数据预测未来的数据走势，设计简单模型。
4.2考核考试方式初步设计
《市场调查与预测》考试改革先采用班级试点的形式开展，实际操作成熟后进行推广至全部班级。主要采用能力测试为导向的考试方式。改革方案的总体思路是成绩分两个学期进行评定，最后合成本课程的成绩，最后按比例与平时成绩合成总成绩，分段测试的内容如下：
4.2.1第一学期,创业计划书撰写大赛阶段根据问卷设计、创业计划书市场调查问卷设计及实际调研报告撰写情况进行能力评估。由班级内部对市场调查与预测部分撰写情况进行评定，分5等级进行，即优、良、中、及格、不及格，其中，90分（优秀）以上按10%的比例进行，80～90分（良好）按20%的比例进行，其他不限比例。
4.2.2第二学期,市场调查校外实践阶段调研方案再加工，校外调查效果，调查报告再加工能力评估。成绩评定应根据调查方案和调查问卷设计、调查数据分析与报告写作测试、市场预测分析与报告写作测试的质量、篇幅大小、观点（结论）是否正确，分析方法是否科学，内容是否完整、要素是否齐备等评定成绩。以上各阶段以100分为满分，按完成情况，由教师和学生组成考评小组进行审核打分。
4.2.3平时成绩，主要用到课率来衡量。平时表现不及格者，期末成绩不予认定，作缺考处理。总评成绩=第一学期创业大赛成绩、第二学期评定成绩均值×70%+平时成绩×30%
5市场调查与预测课程的改革效果
市场信息（数据）获取、处理与分析能力；调查方案与问卷设计能力；调查分析报告所撰写能力；市场预测分析与建模应用能力；市场预测报告撰写能力。学生应用能力和综合素质得到了明显提高，也培养了学生的团队精神，锻炼了学生获取相关市场、产品等方面信息的能力，口语表达能力、发现问题、分析问题、解决问题的能力。
5.1课程改革效果
5.1.1提高学生获取数据、处理数据、分析数据与建模的能力。
5.1.2提高学生软件使用能力，特别是Excel的统计功能，大部分学生能利用Excel进行数据处理、生成统计图表，建立简单的预测分析模型；部分学生对SPSS软件应用能力也有一定的提高。
5.1.3提高学生市场调查方案撰写和调查问卷设计的能力，大部分学生能设计出较好的市场调查方案和调查问卷，解决实际工作中遇到的难题。
5.1.4提高学生市场调查分析报告、预测分析报告的写作能力，大部分学生基本掌握了调查分析报告、预测分析报告的写作过程、技巧、方法和要求。
5.1.5巩固了学生所学的其他专业知识，较好地解决了知识转化为能力的问题，通过市场调查、预测模拟等实践，真正整合了《管理学》、《统计学》、《市场营销》等学科知识。
5.1.6通过教学改革，我们正在将《市场调查与预测》申报为云南省精品课程。2012年由王召宝完成本校商学院辅导员工作情况调查报告、学生参与完成本校商学院班级管理情况调查报告，成果提交学校相关领导，为学院学生管理工作提供决策依据，本年度商学院被授予“平安学院”；经过本门课程的实践，对学生参加创业大赛起到一定的帮助，据学校相关就业统计数据，参与省级、国家级“挑战杯”创业计划大赛等竞赛的获奖大学生就业率100%；2013年参加云南省“高等职业院校技能大赛”高职组市场调查分析比赛（主办方未公布最终结果）；2014年荣获海峡两岸市场调查大赛一等奖。另外，由于该院学生数学基础较差，学生很难通过笔算掌握本门课程预测定量计算题，经过考核方式改革，改变了过去出卷考试计算题空档而导致分数不高的尴尬局面。
篇9
一、大数据定义及常用分析方法
（一）定义。对于什么是大数据，迄今为止并没有公认的定义。麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。（二）数据挖掘常用分析方法。数据挖掘就是对观测的数据集（经常是很庞大的）进行分析，目的是发现未知的关系和以数据拥有者可以理解并对数据拥有者而言有价值的新颖方式来总结数据。常用方法类型介绍如下：一是关联分析。是在未有既定目标情况下，探索数据内部结构的一种分析技术，目的是在一个数据集中发现、检索出数据集中所有可能的关联模式或相关性，但这种关系在数据中没有直接表示或不能肯定。常用的关联分析算法有：Apriori算法、FP-growth算法。该技术目前广泛应用于各个领域，如我们在电商平台浏览商品时都会显示“购买此商品的顾客也同时购买”等提示语，这正是我们日常生活中接触最多的关联分析应用实例。二是聚类分析。是在没有给定划分类别的情况下，根据数据相似度按照某种标准进行样本分组的一种方法。它的输入是一组未被标记的样本，聚类根据数据自身的距离或相似度将其划分为若干组，使组内距离最小而组间距离最大。常用的聚类算法有K-Means、K-Medoids、DBSCAN、HC、EM等。当前，聚类分析在客户分类、文本分类、基因识别、空间数据处理、卫星图片分析、医疗图像自动检测等领域有着广泛的应用。三是回归分析。是指通过建立模型来研究变量之间相互关系的密切程度、结构状态、模型预测的有效工具。常用的回归模型有：线性回归、非线性回归、Logistic回归等。四是决策树。是一个预测模型，在已知各种情况发生概率的基础上，通过构成决策树来求取期望值大于等于零的概率、判断可行性的决策分析方法，是直观运用概率分析的一种图解法。常用算法有CART、C4.5等。五是人工神经网络。是人脑的抽象计算模型，是一个大型并行分布式处理器，由简单的处理单元组成。它可以通过调整单元连接的强度来学习经验知识，并运用这些知识推导出新的结果，属于机器学习的一种。
二、大数据分析在金融监管领域主要运用场景
当前大数据在前瞻性研究、风险防控、客户分析、舆情监测等方面都取得了巨大的成效，在金融领域实现了广泛应用,有效地提升了金融监管的针对性，为金融管理、风险识别带来了无限的可能性，成为当前不可或缺的分析手段之一。一是运用大数据开辟“线上溯源，线下打击”的治假新模式。2015年5月,某省“双打办”联合某电子商务企业发起行动。某电子商务企业首先运用大数据手段识别售假线索、锁定犯罪嫌疑人、分析串并背后团伙，根据警方需求批量输出线索用于侦查破案。行动期间，该省侵犯知识产权立案数同比上涨120%，破案数同比上涨77.3%。与传统打假模式相比，“大数据治假”模式实现了对犯罪嫌疑人线索信息的实时收集，为执法部门线下查处和打击提供了更精细、精准的线索和证据。二是运用大数据提升监管有效性。2016年，某交易所通过监控发现沪股通标的股票成交、股价涨势存在明显异常。运用大数据方法对历史资料进行关联匹配映射分析后发现，来自香港的证券账户与开立在内地的某些证券账户有操纵市场的重大嫌疑，根据上述线索，监管部门查获唐某等人跨境操纵市场的违法事实，成为沪港通开通以来查处的首例跨境操纵市场案例。大数据方法为资本市场的进一步对外开放提供了新的监管思路。三是运用大数据实现风险分析、风险评级，打击电信诈骗。通过收集和整理各行业、机构的黑名单，利用多样化的机器学习模型及大数据关联分析等技术，为银行、个人等提供风险管控和反欺诈的服务；运用数据挖掘技术，发掘与相关账户信用相关的预警信息，形成预警信号并向相关风险管理系统主动推送，进而跟踪预警信号处置流程，直至得出最终结论或风险管控方案，形成一个风险预警、通知、处置和关闭的闭环处理流程。四是运用大数据助力风控。例如，某电子商务企业旗下小贷平台建立了决策系统，借助大数据分析结果选择风险可控的企业开放信贷服务，实现贷前小额贷款风险管理控制，提升集约化管理的效率。该平台信用贷款部分客户的贷款年化利率可低至12%，对比原先降低6个百分点。依靠平台和数据优势，该平台在风险控制方面已形成了多层次、全方位的微贷风险预警和管理体系，实际运行中该平台的不良贷款率一直保持在1%以下，风险控制成效良好。
三、对大数据分析在外汇管理领域运用的思考
（一）引入大数据分析方法的必要性。近年来，外汇管理部门通过不断完善国际收支申报体系和加强外汇管理信息化建设，掌握了海量的数据信息，为外汇管理从侧重事前审批逐步转向侧重事后监测分析奠定了扎实的基础。在当前主流的事后监测分析框架中，通常按照业务条线，采用“宏观—中观—微观”自上而下递进式分析方法。这种分析方法有一定的优点，可以实现对各业务系统的充分利用，与宏观形势和业务管理信息结合较为紧密。但同时也存在一些缺陷：一是数据之间关联度不高，监测分析主要以各业务条线事后核查为主，数据相对分散，数据之间的关联分析较弱，监测结果相对滞后；二是难以发现潜在风险苗头，特别是在数据量巨大或关联关系复杂等特定场景下，有时无法取得满意的监测分析结果。在此背景下，可以考虑适时引入大数据分析方法。该分析方法是考虑在整合内部系统、互联网等各类信息数据的基础之上，利用数据挖掘、建模等工具方法，对企业、集团等主体、各类交易数据及互联网信息进行多层次、多角度、多项目的情况分析，并通过反馈的结果，修改完善模型，不断提高分析预测结果的准确性，既能解放大量人力资源，又有助于提高事中事后监管的针对性和效率，同时提高外汇管理的信息化程度。（二）大数据分析方法在外汇管理领域运用的具体思路。1.打造大数据监管中心，探索构建各类监管模型设立大数据监管中心，整合各业务系统数据及互联网外部数据，构建各类监管模型，多层次、多角度、全方位对各类主体交易数据实施监管及风险防控，探索实现主体监管、本外币一体化监管等，提升监管效率。一是交易数据监管。将当前各项法规、政策、制度数字化，建立合规性核查模型，通过对交易信息进行模拟仿真测试，获取交易数据的边界条件，判断交易的合规性，自动报告不合规交易。二是交易风险预警。通过对以往违规的交易进行分析建模，结合当前的经济金融形势，对每笔交易进行风险分级，自动报告高风险的业务数据。监管部门判断核查后，系统根据反馈结果通过机器学习等完善预警模型，不断提升预警准确度。三是主体监管。以企业或集团公司为主体，整合利用全方位数据，运用神经网络等技术对主体的投融资、结售汇、资金管理与调配等内部交易行为进行分析，了解不同类别主体异同点，对主体进行适当性分析评测，及时识别潜在违规行为。2.预测汇率、跨境收支走势，了解并引导市场预期通过收集影响汇率变动、跨境收支相关因素信息，建立模型预测汇率、跨境收支走势，并通过机器学习等方法，自动或人工调整模型，不断提升预测结果的准确性，同时掌握902017.09市场预期，及时进行引导。一是汇率走势预测。整理收集通货膨胀、利率、政府债务、市场心理等影响汇率变化的信息，通过回归等各类模型方法，分析某一项或多项与汇率之间关系，预测特定时间段汇率走势。二是全国或地区跨境收支形势预测。整理收集行业价格、汇率、经济金融形势等外部信息，观测、分析经济金融形势、汇率、人民币即期交易差价等对地区跨境收支或进出口的影响，预测跨境收支或进出口走势变化。三是掌握人民币汇率市场预期。收集网络上关于人民币汇率相关信息、搜索频率等，通过文本分析等方法了解人民币汇率走势的市场预期，便于适时采取引导措施。3.舆情实时监测，快速预警反馈整理收集互联网各大网站评论、博客等信息资源，尝试以数据情感分析角度，实现对文本评论数据的倾向性判断以及所隐藏的信息的挖掘并分析。一是获取政策反响。收集各大网站某项政策的相关评论、帖子、博客等信息，通过深度学习、语义网络等多种数据挖掘模型，分析判断数据倾向性，以数据角度反映政策执行效果及反响，为政策的进一步完善提供参考。二是设立舆情监测平台。运用数据仓库、文本分析、机器学习、神经网络等技术手段对金融敏感信息、舆论情况、政策解读反响等进行实时监测、分析，全面覆盖公共新闻网站、行业网站、微博、博客、论坛、贴吧等信息平台，在第一时间捕获相关舆情，并及时发送分析报告，合理引导市场预期。（三）初步实践与尝试。我们以某地区2015年1月至2016年10月涉外支出数据为例，对其与CNH、CNY进行了回归分析。1.涉外支出与CNY回归分析回归预估方程为：涉外支出（亿美元）=-52.15CNY+530.17。但P值为0.4912（一般认为P<0.05时通过显著性检验），表明CNY与涉外支出无明显关系。2.涉外支出与CNH回归分析回归预估方程为：涉外支出（亿美元）=-24.05CNH+349.82。但P值为0.7526，表明CNH与涉外支出无明显相关关系。3.涉外支出与CNY、CNH回归分析回归预估方程为：涉外支出（亿美元）=2466.1CNH-2498.2CNY+364.6。其中CNH、CNY、截距项P值分别为2.3×10-5、1.9×10-5和0.246，表明CNH、CNY与涉外支出有显著的相关性，截距项与涉外支出没有明显的相关性，拟合优度为0.5897。4.涉外支出与即期交易价差（CNH-CNY）回归分析回归预估方程为：涉外支出（亿美元）=2489.06（CNH-CNY）+157.3，其中P值分别为3.73×10-12和1.38×10-5，表明两项预估值的显著水平均较为理想，拟合优度为0.6006。从上述情况可以看出涉外支出与即期交易价差存在较强的线性关系，即某地区涉外支出随着人民币价差（CNH—CNY）的收窄而减小，随价差的扩大而增加。在知悉若干变量对另一变量存在影响的情况下，可使用该方法分析各自变量与因变量的具体相关性，逐步求取最优模型，获取变量之间的线性关系，如：分析汇率与购汇金额之间的关系；分析产品进出口金额、进出口量与产品价格之间的关系。
篇10
大数据支撑医疗健康
“互联网+与医疗健康产业的结合，大数据在其中起到决定性作用。”亚信数据电信解决方案&行业创新中心总经理李捷表示，体外诊断是一个新领域，在这个领域里面有很多新兴技术，包括皮下的持续监测血糖、心电的实际监测、基因测序等，让人的健康护理、健康管理在科学上取得很大的进步。
众所周知，亚信是专注运营商行业的企业，那么为什么亚信会选择深耕医疗健康领域呢?
李捷解释说：“运营商正面临着转型，而其庞大的客户群不仅仅有通讯需求，还有更多的自身生活健康相关的诉求。运营商本身也是一个管道提供商，在管道上承载的各种专项服务，对运营商而言都是有价值的。”亚信数据方面认为，产业跨界联合，一方面是对新兴领域的探索，另一方面则是希望通过领域拓宽，给运营商的原有市场和老客户群体带来新的价值。
互联网+医疗健康有诸多价值可以挖掘，随着人们收入的增加，对生活质量的需求也在不断提升，从简单的衣食住行到关注自身健康养生，这也推动了智能可穿戴设备的快速发展，目前已然形成一个完整的生态闭环。从设备的数据采集，数据传输，到数据的挖掘跟管理，再到健康师的分析，最后给出合理的理疗建议。亚信数据在这一过程中扮演的就是生态中最为重要的一个角色——数据分析。
精准化服务
大数据分析的价值在于以此为依据提供定向的专业化服务，李捷表示，亚信数据的准确率高达85%以上，亚信开放云平台有着五年的非结构化数据处理经验，包括对各个APP和互联网语料库的识别能力，行业涉及政府、餐饮、医疗健康、公共媒体等。合作伙伴遍布产学研各个领域，合作模式不仅仅局限于数据支撑，也包括联合运营。
移动互联网时代，很多的企业都在探索如何依托大数据技术实现企业转型，亚信的互联网运营经验得以显现。李捷认为，亚信数据最大的优势在于其与运营商的多年合作，积累了大量的用户上网行为分析经验，同时拥有庞大的运营商用户作为支持，其数据更加多元、精准。用户在管道里面搜索的信息，挖掘的信息，也是由运营商第一时间捕获，其实运营商比互联网公司能够更早的捕获这些信息，这也是运营商数据价值所在。
通过大数据分析，对人群进行分类，可以更好地帮助定向人群找到最适合的解决方案。同时给传统的医学机构、营业机构提供精准的市场分析报告。同时李捷认为，在技术上，目前国内的几家技术领先企业各有千秋、不分伯仲，而亚信数据对于行业的理解是超前的。数据整合之后，需要做深度的行业理解跟模型转换，比如医疗健康行业，数据涉及很多的健康指数，用户日常行为等，这些数据之间有着潜在的关联关系，而对关联关系的解读需要相当的行业沉淀，亚信数据有着专业的咨询顾问团队做后台支撑，不只是医疗健康行业，亚信数据在各个涉及的行业均组建了相应的咨询顾问团队，提供最专业的行业分析。
大数据的流动性价值
篇11
中图分类号： G250.2 文献标识码： A 文章编号： 1003-6938（2012）06－0009-06
1 引言
随着信息技术的不断发展，互联网的普及利用，各种终端设备记录了人类社会复杂频繁的信息行为从而产生了惊人的数据量。据国际数据公司（IDC）的研究报告称，2011年全球被创建和被复制的数据总量为1.8ZB，并预测到2020年，全球将拥有35ZB（1ZB=10亿TB）的数据量［1］。大数据已经渗透到每一个行业和领域，被视为“未来的新石油” ，逐渐成为重要的生产因素。随着消费者、企业、各个经济领域不断挖掘大数据的潜力，我们正处在一个巨大浪潮的尖峰，这个浪潮就是大数据驱动的技术创新、生产率提高、经济增长以及新的竞争形势和新价值的产生［2］。近年来，大数据技术研究和应用迅速发展，许多国家已经意识到了大数据的重要性，并作为战略性技术大力推动其发展，大数据时代已悄然而至。
2 大数据的含义与特征
目前对大数据还没有标准的定义，通常认为它是一种数据量很大、数据形式多样化的非结构化数据。亚马逊网络服务、数据科学家John Rauser曾提到一个简单的定义：大数据是任何超过了一台计算机处理能力的庞大数据量［3］。维基百科定义为：大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合［4］。百度百科定义为：大数据通常用来形容一个公司创造的大量非结构化和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。从各种各样类型的数据中快速获得有价值信息的能力，就是大数据技术［5］。IBM从三个基本特性角度来定义大数据，即：“3V”：体量（Volume），速度（Velocity）和多样性（Variety）。也有人为大数据包括三个要素，即：大分析（Big Analytic）、大带宽（Big Bandwidth）和大内容（Big Content）［6］。
概括起来，大数据的特征主要体现在如下几个方面：
（1）数据总量规模增长巨大。同一类型的数据在快速增长，目前在传感器网络、地理信息导航系统、社会网络（如微博）、即时通讯（如QQ）、电子商务（如淘宝）、数字图书馆、网络日志等领域都产生了庞大的数据，规模在不断扩大。如淘宝目前每天活跃数据量已经超过50TB，共有4亿条产品信息和2亿多名注册用户在上面活动。零售巨头沃尔玛每小时都要处理100多万笔客户交易，数据库估计超过2500万亿字节——相当于美国国会图书馆书籍数的167倍，而移动互联网用户发送和上传的数据量达到1.3EB［7］。
（2）数据增长的速度呈指数级持续增长。目前很多领域的数据都以惊人的速度增长，根据WinterCorp的调查显示，最大的数据仓库中的数据量每两年增加3倍（年均增长率为173%），其增长速度远超摩尔定律增长速度。照此计算，2015年最大数据仓库中的数据量将逼近100PB［8］。大数据的动态性强，要求分析处理应快速响应，在动态变化的环境中快速完成分析过程，有些甚至必须实时分析，否则这些结果可能就是过时、无效的。如导航定位系统、股票分析系统等对数据实时处理有着较高的要求，大数据分析和处理的方法必须能快速地适应相关业务更新频率加快的需求。
（3）新的数据来源和数据类型在不断增加。目前产生大数据的领域在不断增加，数据类型不仅包括普通文本、照片、动画、音频与视频等，还有像位置信息、链接信息等新类型的数据。伴随着社交网络、移动计算和传感器等新技术不断的应用，大数据中有许多是非结构化数据或半结构化数据，没有特定的描述模型，数据结构是不固定、不完全或不规则的。
（4）数据的价值日益突现。大数据犹如一座富矿，通过海量数据的处理、整合分析，可以发现新的知识，从而创造新的更大的价值。大数据为许多行业带来新的商机和发展机遇，充分利用大数据可为企业带来强大的竞争力。大数据分析能从庞大的数据中发现稀疏而有高价值的知识和规律，为预测和决策提供相关支持。如视频监控的数据量通常十分大，虽然绝大部分可能没有实际利用价值，但几秒镜头捕捉到某罪犯体貌特征，可能对公安部门而言就是十分珍贵的。大数据分析就是要进行披沙拣金，发现这些珍贵的信息。
综上所述，对于大数据中“大”的理解，主要有两个方面，第一是指大量的、快速增长的数据，第二则是数据中所蕴含的价值量较大。可见，大数据之“大”，并不光是指数据的数量之大，它的意义还在于数据的价值之大。
3 大数据对企业竞争情报的影响
情报研究是利用数据和信息提炼出有价值的情报，为决策提供有关方案，也就是对数据进行处理、组织和解释，以揭示其潜在的知识，转化为可执行利用的情报。企业竞争情报分析就是从原始的数据中发现关于竞争环境、竞争对手和竞争策略情报的过程，从而形成高附加价值的产品。因此，大数据分析在对象、运用的方法和目标等方面都与企业竞争情报研究有许多交集，大数据的兴起必然对企业竞争情报产生深刻的影响。
3.1 企业提升竞争力需要大数据的支持
数据竞争已经成为企业提升核心竞争力的利器。来自各个方面零碎的庞大数据融合在一起，可以构建出企业竞争的全景图，洞察到竞争环境和竞争对手的细微变化，从而快速响应，制定有效竞争策略。庞大的数据更具有统计意义，能为各种预测模型提供支持，从而能预测未来的发展趋势，帮助企业获得先机。相关的数据整合在一起，能不断产生新的信息和知识，有助于提高生产率、降低经营成本。如2008年初，阿里巴巴平台上整个买家的询盘数急剧下滑，自然导致买盘的下降，说明欧美对中国采购量在下滑。海关是卖了货出去以后再获得数据，而阿里巴巴提前半年时间就从询盘上推断出世界贸易发生变化了［9］。企业的竞争不再只是劳动生产率的竞争，而是知识生产率的竞争。数据是信息的载体，是知识的源泉，是企业创造价值和利润的原材料，因此，基于知识的竞争将集中体现在基于数据的竞争上。正如马云所说，未来是数据竞争的时代，谁拥有数据，谁就拥有未来。如今各行各业都出现了以数据分析为竞争力的企业，它们都是在数据分析的基础上与其他企业展开竞争，以提升核心竞争能力，保持或获得行业领先地位，如谷歌、宝洁、沃尔玛等世界知名公司。沃尔玛就建立了一个超大的数据中心，其存储能力高达4PB以上，通过大数据分析，沃尔玛掌握了顾客的购买习惯，不同商品一起购买的概率，购买者在商店所穿行的路线、购买时间和地点，从而确定商品的上架布局以及对分类进行优化；决定对各个商店的不同商品进行增减，以保持最优的库存，降低成本；洞察销售全局，瞬间捕获到各种细微的变化，从而快速响应，制定营销策略；利用大数据工具对供应链进行分析以选择供应商、优化物流配送方案和进行价格谈判等；利用大数据分析工具对热销商品品种和库存的趋势进行分析，以选定需要补充的商品，分析顾客购买趋势和季节性购买模式，以确定降价商品，并对其数量和运作做出反应［10］。可见，大数据已经成为企业的核心资产，对数据的掌控可以形成对市场的支配，并且获取巨大的回报。大数据是企业用于提升核心能力的重要手段，而为提升企业竞争优势的大数据分析是企业竞争情报研究的重要范畴。
4.2 注重数据的清洗与过滤
大数据时代企业所要处理的数据比较多，但数据的质量往往参差不齐，如有些数据不一致或不准确、数据陈旧以及人为造成的错误等，通常被称之为“脏数据”。由于数据挖掘是数据驱动，因而数据质量显得十分重要。“脏数据”往往导致分析结果的不正确，进而影响到决策的准确性。由于大部分的数据库是动态的，许多数据是不完整的、冗余的、稀疏甚至是错误的，这将会给数据的知识发现带来困难。由于人为因素的影响，如数据的加工处理以及主观选取数据等，从而使得数据具有某些噪声，会影响数据分析模式抽取的准确性。大量冗余数据也会影响到分析的准确性和效率。因此，在数据挖掘分析时，首先需要进行数据预处理，也就是要对数据进行净化和过滤，删除一些无关的数据。数据清洗是一个减少错误和不一致性、解决对象识别的过程［12］。一般通过概率统计等原理查找数值异常的记录。如在网站的日志文件数据处理中，可以通过检查URL的后缀删除认为不相关的数据，可使用一个缺省的后缀名列表帮助删除文件，去掉一些不能反映用户行为的记录，过滤一些请求错误和失败的记录等。
在大数据时代，不能不计成本盲目的收集各种海量的数据，否则将成为一种严重的负担。数据的体量只是大数据的一个特征，而数据的价值、传递速度和持续性才是关键。为了达到这些目标，企业竞争情报收集可以采用最小数据集的方法，指通过收集具有代表性的最少的数据，更好地掌握一个观察对象所有的特点或者一个事件所处状态，其核心是针对被观察的对象建立一套精简实用的数据指标，采用一定取样标准选择和过滤相关数据。总之，通过对数据质量的控制和管理，可以提高数据分析的准确性，进一步提高竞争情报工作的效益。
4.3 关注新数据类型的分析方法
在大数据时代，企业无论是日常运营，还是重大战略决策，都会在各种各样的信息系统中留下各种数据记录，这些数据通过技术整合起来，可以再现一个企业的运行轨迹和发展全景。竞争情报研究就是发现有价值的知识和模式，洞察企业竞争环境，预测未来，从而获得竞争优势。随着信息技术的普及应用，新的数据类型不断产生，下面一些新的数据类型和分析方法值得关注。
（1）实时数据。如微博、短信等大量的动态数据流，是一种十分重要的竞争情报源。数据流挖掘是对数据进行单遍现行扫描，快速处理数据，提供实时近似结果的技术。如窗口技术采用分而治之的策略，将流数据按照特定的需求分配到不同的窗口，进入窗口内的数据才会被处理，以减少分析处理的数据量；而概要数据结构技术将数据流进行概括统计的数据结构代表原始数据，而不是保留数据流中的全部数据，从而减少处理的数据量［13］。在大数据时代，竞争情报分析的数据许多是连续、快速、随时间变化的，对如此巨大的数据流，企图存储或者扫描所有的数据都是不实际的，只有采用动态的数据流挖掘分析技术才能有效解决数据的冲击，获得实时近似的结果。数据流挖掘技术能为竞争情报提供实时查询服务和处理，从而促使企业的“触角”保持足够的敏捷性。
（2）动态数据。从时间的维度发现有关变化规律。时间序列分析是指从大量不同时间重复测得的数据中发现前后数据相似或者有规律的模式、趋势和突变的方法，主要的技术主要是相似模式发现，包括相似模式聚类和相似模式搜索时间序列，采用的主要挖掘方法主要有小波变换法和经验模态分解法［14］等。在大数据时代，各种数据源源不断的产生，比如交易数据、网站访问日志等，从中必然会呈现出时间上的规律，企业希望从积累了大量的历史数据中分析出一些模式，以便从中发现商业机会，通过趋势分析，甚至预先发现一些正在新涌现出来的机会，比如企业可以通过数据时间序列分析了解产品销售的旺季和淡季，制定针对性的营销策略，减少生产和销售的波动性，从而获得利润和竞争优势。
（3）关联数据。关联数据发现技术是分析数据之间的联系，将孤立、离散的数据点结合产生数据链或者数据图，随后从多个数据源中查出匹配给定关联模式的实例、最后再对匹配的实例评估。目前已应用的主要方法有：图论的稀有度监测法、图熵法和基于谓词的逻辑归纳推理法等［15］。关联发现技术特别适合于动态的数据发现未知的模式，而大数据中隐含了大量未知、潜在的关系，新模式的发现有利于企业采取“蓝海”战略，抢占先机，从而获得竞争优势。
（4）社会网络数据。社会网络分析也叫链接挖掘，是通过网络中的关系分析探讨网络的结构及属性特征，其挖掘重要任务的是基于链接的节点排序、基于链接节点的分类、节点聚类、链接预测、子图发现等［16］。在大数据时代，大量相关的数据聚合在一起，相互支撑解释和印证，形成了复杂的数据网络，数据之间的关系具有非常重要的价值，如通过消费者行为的链接数据挖掘能发现传销顾客网络，从而制定找出利润最大化的顾客群，又如从人际关系的网络节点的中心度来分析竞争对手，从而制定相关的竞争策略等。
4.4 促进数据分析的可视化
数据可视化技术指的是运用计算机图形学和图像处理技术，将数据转换为图形或图像显示出来，并进行交互处理的方法和技术，其本质是从抽象数据到可视化结构的映射。在大数据时代，数据只是原材料，其真正的价值需要通过知识和情报来实现。企业竞争情报分析的结果必须是可理解的，才能较为容易地转化为生产力。可视化可以反映数据的语义关系，加快数据的处理速度，使庞大的数据得到充分有效利用；可以在人与数据间实现交互，帮助人们观察到数据中隐含的问题，为发现和理解有关规律提供有力工具。可视化使竞争情报更加易于理解和运用。采用一定的分析模型将相关的数据组织在一起，直观地表达竞争情报和竞争情报之间的逻辑关系，如进行一些关联分析，以生动形象的方式显示描绘人物、公司和事件之间的联系，探索事件、人、地点、产品和组织间潜在关系并预测可能产生的结果，辅助决策过程。可视化可作为一种基础技术嵌入到企业竞争情报分析工具中，人们总是希望看到研究报告中的生动图像，而不是一大堆枯燥的数据，企业竞争情报研究结果通过可视化方式，采用不同数据维度提供给不同层次的决策者使用，便于理解，支持企业高效运营。因此，可视化技术是大数据时代企业竞争情报研究的有效工具。
4.5 探索大数据新的分析技术和工具的应用
大数据时代企业竞争情报面临的数据量是无法比拟的，对一些实时性要求较高的决策，分析方法的速度和效率显得十分重要。传统的竞争情报分析方法显然难于处理不断增长的、庞大的、异构的数据，只有借助新的处理技术才能实现数据提取和清洗、分析和利用。目前大数据相关技术研究已取得一定的进展。如“MapReduce”是一种简洁的并行计算模型，它在系统层面解决了扩展性、容错性等问题，通过接受用户编写的函数，自动地在可伸缩的大规模集群上并行执行，从而可以处理和分析大规模的数据。“MapReduce”具有简洁的模型、良好的扩展性、容错性和并行性，可以进行复杂深入的数据分析，随着其性能的不断改进和分析能力的不断增强，能够帮助人们从大数据中分析和发现有用的知识［17］。如何提高数据挖掘算法的效率和适应性，使挖掘方法具有一定规模的伸缩性，是数据分析较为突出的问题。应用实时性技术和分布并行算法技术是提高数据挖掘方法效率和实用化的有效途径。此外，统计分析语言标准化也有助于提高数据分析效果。如R语言是主要用于统计分析、绘图的语言和操作环境，其功能包括数据存储和处理系统、数组运算工具、完整连贯的统计分析工具。R语言针对大数据将广泛使用的统计算法进行了优化，能够在短暂的时间内从大量的数据中发现有意义的信息［18］。目前业界对大数据的处理分析方法已开始进行了一些探索，并且开发了一些相关的工具。企业竞争情报研究应该针对大数据的特点，吸收和融合数据挖掘分析新的技术方法，不断创新和发展。
5 结语
企业竞争情报可以帮助企业洞察竞争环境，发现新的竞争对手、判断竞争的发展性动向，及时做出相关的反应，从而获得较大的竞争优势。大数据提供了一个全新的信息生态环境，给企业竞争情报研究带来了深刻的影响，促使其不断地创新和变革，以适应企业在大数据时代获取核心竞争力的需求。大数据时代的企业竞争情报研究将走传统情报分析方法与大数据技术相结合的发展道路。目前基于大数据的企业竞争情报研究刚刚起步，许多问题仍然需要进一步探讨。
参考文献：
［1］F.Gantz and D.Reinsel.The 2011 Digital Universe Study： Extracting Value from Chaos［EB/OL］.［2012-08-18］.ww
/collateral/demos/microsites/emc-digitaluniver
se-2011/index.htm.
［2］Big data：the next frontier for innovation，competition and productivity［R］.McKinsey Global Institute，2011.
［3］Philip Russom.big data analytics［EB/OL］.［2012-08-01］.
.
［4］Big data［EB/OL］.［2012-08-18］.
［6］涂兰敬.专家观点：“大数据”与“庞大数据”的区别［J］.网络与信息，2011，（12）：37-38.
［7］国金证券.“大数据”行业专题分析报告［EB/OL］.［2012-08-01］..
［8］王珊等.架构大数据：挑战、现状与展望［J］.计算机学报，2011，34（10）：15-16.
［9］国金证券.“大数据”行业专题分析报告［EB/OL］.［2012-08-01］..
［10］涂子沛.大数据［M］.广西师范大学出版社，2012：161，
304-306.
［11］毕强.网络信息集成服务研究综述［J］.情报理论与实践，2004，（1）：21-25.
［12］郭志懋.数据质量和数据清洗研究综述［J］.软件学报.2012，12（11）：22-28.
［13］JiaweiHan Micheline Kamber.范明，孟小峰译.数据挖掘概念与技术［M］.北京：机械出版社，2007：306-320.
［14］倪志伟等.动态数据挖掘［M］.北京：科学出版社，2010：31，232.
［15］张公让.商务智能与数据挖掘［M］.北京：北京大学出版社，2010：151-159.
［16］约翰·斯科特.刘军译.社会网络分析法［M］.重庆：重庆大学出版社，2007：1-6.
篇12
中图分类号：G642.0 文献识别码：A 文章编号：1001-828X（2016）033-000-01
《商务定量分析》是将《管理统计学》与《运筹学》两门管理类专业的专业基础课内容按照企业经营管理活动的需要整合而成的课程，课程内容涵盖描述统计、推断统计、预测分析、规划分析、决策分析等基本定量分析知识，注重培养学生理性思维发展，锻炼学生深入研究问题的素养和撰写分析报告的能力，为其今后在管理岗位的进一步发展打下基础。但是，《商务定量分析》通常在学生学习了高等数学、线性代数、概率论及数理统计等数学基础理论课程后开设，学习过程中需要学生具备一定的数学基础，这就造成了部分数学基础较为薄弱学生在学习过程中感到课程有一定的难度，以致于产生厌学态度，而同时学有余力的学生又希望深入学习，因此在传统的“以教师为中心”教学理念下的教学活动使得课程的教学效果大打折扣。
“以学生为中心”的教学理念提倡“让学生自己去发现和创造知识”，由传统的“课堂、教师、教材”向“学生、学习、学习过程”的转变。承认学生的个体差异，教师通过多种教学手段引导学生自主构建学习体系，在教学过程中不断通过教学评价了解学生的学习效果，不断改进教学，提高教学教学效果。
基于以上两点，在《商务定量分析》课程从课程内容设计、教学方法和手段、教学评价等三个方面进行了一系列的探索。
一、以实用性为原则构建课程内容主体框架
《商务定量分析》课程教学目的在于从实用性角度培养学生从事管理类岗位的基本职业素养和能力，因此课程内容也主要围绕企业经营管理活动相关内容而展开，内容涉及面较广，注重知识的应用，理论够用即可。因此课程多与实际经营活动中的案例相结合，通过实景式学习背景激发学生学习的热情，打破传统的统计学、运筹学只注重理论忽视应用的模式，让学生在学习的过程中能够切实感受到知识的实用性，从而产生浓厚的学习兴趣。
但是少部分学生也有继续深造研究的需要，因此对于这部分学生，可以在教师的指导下完成课程延伸知识的学习，完成下一步深造的知识储备。
二、多种教学手段相结合促进学生自主学习
引导学生自主学习、构建学习体系是“以学生为中心”的教学目的，因此教学目标设置、教学材料组织以及教学方法运用方面都应围绕该目的展开。
1.明确教学目标促进学生自主学习
根据学生的个体水平在每个知识模块中设置基本目标、提升目标以及晋级目标等三个等级的教学目标，三个学习目标的学习难度是逐渐增加的。教师在学生开始学习每个模块之前都会对该模块的三级学习目标做出提示，以便于学生在自主学习过程中参照三级学习目标进行有针对性地学习和训练，在模块的总结和复习中有目的的对学习内容进行回顾，满足不同基础的学生的学习要求。
2.基于基础理论应服务于知识的运用的原则设置教学内容
教学内容弱化传统教学中对于统计学、运筹学中定理、公式的推导过程而注重于数据分析方法的应用，相关理论做到够用即可。与此同时，通过教师对知识的进一步梳理，在传授知识的同时侧重于学生解决实际问题的能力，各模块的课后思考题和作业的设置既能够让学生牢固掌握基础理论知识同时又能够通过较为复杂的案例分析完成对基础知识应用能力的提升锻炼，这就要求教师在教育教学环节对各模块的知识体系做出详尽的分解，合理设计教学内容、教学环节。
3.丰富多样的教学材料拓展学生的专业知识
围绕学生的兴趣，从经济、生产、质量、物流、人力资源、财务等多方面丰富教学材料，让学生在阅读教学材料的同时对企业经营管理有宏观的认识，从学生个人的兴趣角度出发，有针对性地选择他们所感兴趣的专业知识进行深入的思考和探讨，告别传统教学中由一本教材贯穿整个课程的教学模式。这对教师的课程准备工作带来了新的挑战。
4.多种教学手段辅助教学过程
传统的教学往往是教师讲，学生听的模式。以学生为中心的教学中则可以采用小组讨论、辩论、案例讨论、角色扮演等多种以W生为主的教学手段，在教师的组织下完成学生通过自主学习就能够完成的内容，而教师在课堂上的讲授将主要围绕学生自主学习过程中遇到的难点问题给予及时的指导。其次，运用信息化手段将教学目标、教学材料、教学内容设计可以满足学生随时随地学习的愿望，是实现自主学习的必要支持手段。
5.重点强调计算机软件的使用技能
当今社会，计算机已成为人们工作中不可缺少的工具，在数据分析领域，计算机的作用更是重要。学生在校学习期间如果能掌握一到两种计算机分析软件，将会为他们未来的职业发展奠定良好的基础。因此在课程的教学过程中，避免了让学生进行长篇累牍的手工计算，取而代之的是常用的计算机软件完成复杂的数据处理和分析功能，如Microsoft Excel、SPSS等软件的学习都能够起到让学生开阔视野的作用。而且当今的学生具备很强的自学能力，他们完全可以在教师的指引下，通过教学材料的自学、网络搜索、讨论学习等手段初步掌握这些软件的使用。
三、合理的学习效果评价及时反馈教学效果
根据各个学习模块的不同特点设定合理的学习效果评价体系，一方面为学生自测学习效果提供了依据，另一方面为教师进一步改进教学方法提供了依据，是学生学习过程的重要组成部分。在教学组织过程中要注意学习效果的及时反馈才能起到应有的效果。学习效果评价机制可以采用学生自主测评、师生互评、生生互评等多种渠道展开，通过学习过程中的反馈、案例讨论报告、随堂测试、学生自主学习汇报等多种手段实施，其目的都是掌握学生自主学习的动态，及时地纠正偏差。
