第一篇：數據計算教案

數據計算教案

學習目標：

知識與技能

1.了解常用函數的格式，能理解函數的作用及使用方法。

2.會使用SUM AVERAGE MAX MIN IF 常用函數。

3.提高使用Excel計算功能解決實際問題的能力。

過程與方法

本節課主要采用“學案導學 展示激學”的方法，利用學案使學生能夠自主探究，完成學習目標。并根據學生作品進行集中展示以激發學生學習興趣。

情態價值觀：感受利用函數進行數據計算的便利，培養學生勤儉節約的美德。

學習重難點

：IF函數的正確運用，學習過程：

一、導入新課：

利用兩幅圖片對比，說明EXCEL在生活中的重要作用。

要求學生打開桌面中八年級文件中的“例題.exl”，復習EXCEL中修改單元格內容的方法及填充手柄的用法。

二、新課學習：

根據例題中的空白內容，引出EXCEL的重要功能——計算。

任務一：認識幾個常用的函數：SUM AVERAGE MAX MIN IF

學生看課本，交流討論函數的作用及使用方法。（指出SUM AVERAGE MAX MIN四個函數的應用相似）完成學案任務一。

集體交流，展示自己學習成果。

任務二：學習求和函數SUM（）

學生自主按課本完成學案，交流后，自我展示學案完成內容。

學生獨立完成SUM函數的操作，完成計算總和的任務

學生完成后，演示，集體講評后，教師根據課件演示過程，提出注意點：第一，先選定存放結果的單元格。第二，點插入函數的按鈕Fx，擇正確的函數后，填寫相關參數（要求計算的區域），最后利用填充手柄完成整個數據的計算。

根據所學知識，把學生分成四個組，完成四個函數的計算SUM AVERAGE MAX MIN

，分組操作，選代表上臺操作，集中展示，激發學生學習興趣。

任務三：條件函數IF（）的學習

學生自主按課本完成學案，交流后，自我展示學案完成內容。

學生獨立完成IF函數的操作，完成計算條件判斷的任務

學生完成后，演示，集體講評后，教師根據課件演示過程，提出注意點：第一，先選定存放結果的單元格。第二，點插入函數的按鈕Fx，擇正確的函數后，填寫相關參數（要注意IF函數的格式：IF（條件 , 滿足條件時 , 不滿足條件時），最后利用填充手柄完成整個數據的判斷。

三、教師指出學生易出現的問題，并出示課件。

四、隨堂練習，并展示。

五、談收獲：

使用SUM AVERAGE MAX MIN IF 常用函數

第二篇：《使用函數計算數據》教案

精品文檔 你我共享

使用函數計算數據

一、教學目標 知識方面：

1．使學生掌握求和函數、求平均值函數的使用方法。2．使學生掌握求最大值函數、求最小值函數的使用方法。技能方面：

1．使學生掌握分析數據、處理數據的能力。2．培養學生管理數據的能力。

3．培養學生綜合運用所學知識，解決實際問題的能力。情感方面：

1．培養學生主動思考，積極探索的精神。2．培養學生耐心、細致的工作作風。

二、教學重點

1．求和函數、求平均值函數的使用。2．求最大值、最小值函數的使用。

三、教學難點

求和函數、求平均值函數的使用。

四、教學方法 1．演示法。2．觀察法。3．實踐法。

五、教學手段與教學媒體 1．多媒體網絡教室。2．教師準備的表格素材。

六、課時安排 1課時。

七、教學過程

一、導入課題

教師展示學生制作的“家庭水、電、煤氣費用支出表”，同時提出問題：如果在表格中增加一個月的數據或增加一個新項目(如，電話費)，利用原來輸入公式的方法，會不會出現錯誤? 教師介紹：利用Excel提供的函數完成計算，可以避免這樣的麻煩。由此引出課題——函數的使用。

二、新課 1．求和函數(1)使用SUM函數

教師打開“成績表”文件，講解并演示使用SUM函數求出王一明同學總分的方法。

教師布置任務：按書中第20頁例1的要求，添加數據，并利用SUM函數計算總分。

教師提出問題：能不能利用自動填充功能簡化重復求和的操作?(2)使用自動求和工具按鈕

教師介紹，Excel提供了自動求和工具按鈕，使用按鈕也可以完成自動求和操作。

教學內容、步驟與方法

知識改變命運

精品文檔 你我共享

教師布置任務：試一試利用自動求和按鈕求出張建同學的總分，然后在“成績表”下面添加“科目總分”一項，利用自動求和按鈕計算“科目總分”。2．求平均值函數

教師介紹求平均值函數是AVERAGE，它的使用方法與SUM函數相同。

教師布置任務；利用求平均值函數計算平均分。提醒學生注意選擇數據區域的問題。

教師要求學生演示利用求平均值函數計算平均分的操作方法。

教師布置任務：在“成績表”下面添加“科目平均分”一項，計算科目平均分。3．求最大值函數和求最小值函數

教師介紹最大值和最小值函數分別是MAX和MIN后，布置任務：在“成績表”下面添加“科目最高分”、“科目最低分”，然后利用兩個函數求出最高分和最低分。4．其他函數

教師參照書中第24頁表一，簡單介紹其他幾個函數的用途。

三、課堂練習

完成課后習題1、2。

四、課堂小結

師生共同小結本節課所學的內容，強調使用函數完成計算的特點。

五、布置作業

用函數計算“家庭費用支出表”中的數據。

八、板書 教學后記：

沁園春·雪

千里冰封，萬里雪飄。望長城內外，惟余莽莽； 大河上下，頓失滔滔。

山舞銀蛇，原馳蠟象，欲與天公試比高。

知識改變命運

精品文檔 你我共享

須晴日，看紅裝素裹，分外妖嬈。江山如此多嬌，引無數英雄競折腰。惜秦皇漢武，略輸文采； 唐宗宋祖，稍遜風騷。

一代天驕，成吉思汗，只識彎弓射大雕。

俱往矣，數風流人物，還看今朝。

克

知識改變命運

第三篇：計算數據教學設計

計算數據

【教材分析】

《計算數據》是山東省泰山版初中信息技術第一冊（下）第四章第二節的內容。教材通過一個家庭收支賬目表來讓學生學會用excel計算數據，計算所需公式和函數都有各自的優點，其中所涉及的函數有sum（求和），average（求平均數），max（求最大值），min（求最小值）。

【學情分析】

初一（下）年級學生已經對word界面比較熟悉，對于excel也會很容易上手，公式的用法和數學是一樣的，比較簡單，只不過函數的用法需要學生用心學習。

【教學目標】

知識與技能

（1）能夠自定義公式進行簡單的數值計算。

（2）理解函數的意義，并能使用簡單函數進行必要的數值計算。過程與方法

從自定義公式入手，由數學方法慢慢向excel的公式表達方式轉化。然后再由公式過度到函數，通過實例讓學生體驗函數的便捷。

情感態度與價值觀

通過案例體驗公式和函數對數據計算所帶來的方便，培養和提高學生對數據的加工能力。

【教學重點與難點】

重點是電子表格中利用公式進行數據計算。難點是函數的應用。

【教學策略】

采用任務驅動，微課教學，學生自主探究等方法，掌握公式和函數計算數據的方法并能解決實際問題。教師只是點撥和輔助，把課堂真正的交給學生，充分體現學生的主體作用。

【教學過程】

一、導入新課

大屏幕展示教師制作多媒體課件中《師傅被妖精抓走了》搞笑小視頻，引出故事情節，小沙不滿如來的封賞，在回家的路上伙同妖怪抓走了師傅，現在你變成了大俠，需要打怪升級和boss挑戰才能救出師傅。

然后出示excel表格，說出任務，講明用法，講明加分細則。

（設計意圖：通過有趣的故事，引出本課的教學內容。）

二、自主探究

任務一：打怪升級（基礎知識）

參考導學案操作提示和微課程的操作演示完成任務一打怪升級。

學生活動：自學導學案任務一的內容，學生以小組為單位合作探究任務一的操作，完成后學生講解計算的方法。小組長可以幫助組員完成，組員之間也可互相幫助。

師任務：引導學生解決任務一的問題，并且根據完成情況和回答問題情況給學生所在組加分。教師總結演示操作方法，然后布置沒完成的同學繼續完成，完成的學生嘗試任務二。學生操作過程中可以適當放點音樂，創造一個輕松的氣氛，也可以掌握時間。

（設計意圖：通過有趣的任務，引導學生學會公式和函數計算數據。）

任務二：boss挑戰（拓展提高）

參考導學案操作提示和微課程的操作演示完成任務二boss挑戰。其中有四個boss：boss、大boss、超級大boss，終極boss。只有完成一關，才能進入下一關，這樣學生必須做對才行。

學生活動：自學導學案任務二的內容，學生以小組為單位合作探究任務二的操作，完成后學生講解計算的方法。小組長可以幫助組員完成，組員之間也可互相幫助。

師任務：引導學生解決任務二的問題，并且根據完成情況和回答問題情況給學生所在組加分，教師總結演示操作方法。

（設計意圖：通過有難度的任務，引導學生學會用所學知識解決實際問題。）

三、總結歸納

總結本節課所有內容，根據得分選出優勝組。

作業是sheet3中的繼續修行。

（設計意圖：拓展延伸知識，教師總結本節課內容，系統的梳理知識點，強化操作技巧。通過作業再一次鞏固本節課內容）【教學反思】

通過小故事的形式導入新課，從一開始就抓住了學生的興趣所在，為下面的新課打下了堅實的基礎。新課采用微課和導學案的方式，在興趣的驅動下，學生自主學習，充分利用小組合作探究，充分體現學生的主體作用。課上學生積極性高，完成任務的效果很好。教師的作用從傳道授業解惑變成了引導者，幫助學生養成了良好的學習習慣，提高自學能力，增強學習興趣。

第四篇：《數據計算》教學反思

回顧本課，能夠根據學生特點、恰當地運用新的教學理念，實施有效的教學。成功之處，歸納起來可以用“有趣”、“自主”、“有效”六個字來描述。

一、有趣：數據計算本來是比較枯燥的內容。為了能夠提高學生學習的興致，活躍課堂的氣氛，我通過設計有趣的課堂活動，激發了學生的學習激情，激發起一個又一個學習高潮。在新課導入部分，我故弄玄虛地提出跟學生進行“計算比賽”，一下子引發了學生參與的熱情。當“我”以驚人的速度贏得比賽時，更是使在場的學生驚呆了，這就進一步激發了他們強烈的求知欲望，為課堂教學的開展打好了基礎。在課的鞏固練習環節設計讓學生測量、統計、計算平均身高，不但讓“坐久了”的學生有一個“放松”的機會，更是為學生創造運用學到的知識解決生活中實際問題的機會，將本課再推向一個高潮。課堂上學生們個個興致勃勃地參與其中，在實踐中獲真知，這不正是實施新課程的精彩所在嗎！

二、自主：新課程提出學生是課堂學習的主體，因此我為學生創設了一個人性化、個性化和寬松的空間，讓學生進行自主探究學習。但寬松不等于放任自由，我也非常注重學生學習的指導，積極引導學生通過看書、網絡求助，小組互助、知識遷移等方法獲取知識，讓學生學會學習，學會探究，讓學生在課程中如魚得水，體現了新課程中的學生發展觀。

三、有效：新課標還提到，要讓學生學習生活中的知識，并且讓知識走出課堂，應用到實際生活中。在講授本課時，本人引用了成績表這個學生平時接觸最多的例子進行教學，讓學生通過生活中的例子學習表格計算的知識；在最后的課堂活動中，讓學生測量、統計小組成員的身高、計算平均身高，這樣又將本課所學習的知識應用到了生活實踐中，讓學生感受到學以致用的喜悅。

本節課以任務驅動貫穿整節課，使每個環節都非常緊湊,一氣呵成，而且各環節的設計具有一定的梯度性，教師從“扶”到“放”，循序漸進，符合學生的認知規律，有利于培養學生的學習能力，提高課堂教學的效率。從學生學習效果看，一節課下來，學生已經掌握了幾種數據計算的方法，并且能應用到生活中，達到了預期的教學目標。

統觀全局，教學時間顯得有些前緊后松，如能再增加一些相應的練習，課堂就更加充實，效果更佳。

第五篇：大數據與云計算論文

大數據與云計算

摘 要：大數據（Big Data）這個概念近年來在越來越多的場合、被越來越多的人提及，并且經常和云計算聯系在一起，云計算與大數據之間到底是什么關系成為熱點話題。本

專題報告包含以下四個方面內容：1.大數據的價值；2.大數據帶來的挑戰;3.大數據研究成果；4.云計算是大數據挖掘的主流方式。通過本報告闡述我們對大數據的理解，以及對大數據的價值的認識，探討大數據處理與挖掘技術，大數據主要著眼于“數據”，提供數據采集、挖掘、分析的技術和方法;云計算技術主要關注“計算”，提供IT 解決方案。大數據、云計算技術可以促進持續審計方式的發展、總體審計模式的應用、審計成果的綜合應用、相關關系證據的應用、高效數據審計的發展和大數據審計師的發展。強化大數據、云計算技術審計應用的措施包括制定長遠發展戰略、加快審計法規建設、建立行業平臺、加強研發和提高利用能力。關鍵詞：大數據 云計算 數據挖掘 對審計影響 政策建議 引言

目前，大數據伴隨著云計算技術的發展，正在對全球經濟社會生活產生巨大的影響。大數據、云計算技術給現代審計提供了新的技術和方法，要求審計組織和審計人員把握大數據、云計算技術的內容與特征，促進現代審計技術和方法的進一步發展。

一、大數據、云計算的涵義與特征

隨著云計算技術的出現，大數據吸引了全世界越來越多的關注。哈佛大學社會學教授加里·金(2012)說: “這是一場革命，龐大的數據資源使得各個領域開始了量化進程，無論學術界、商界還是政府，所有領域都將開始這種進程。”(一)大數據的涵義與特征

“數據”(data)這個詞在拉丁文里是“已知”的意思，也可以理解為“事實”。2009 年，“大數據”概念才逐漸開始在社會上傳播。而“大數據”概念真正變得火爆，卻是因為美國奧巴馬政府在2012 年高調宣布了其“大數據研究和開發計劃”。這標志著“大數據”時代真正開始進入社會經濟生活中來了。“大數據”(big data)，或稱巨量資料，指的是所涉及的數據量規模大到無法利用現行主流軟件工具，在一定的時間內實現收集、分析、處理或轉化成為幫助決策者決策的可用信息。互聯網數據中心(IDC)認為“大數據”是為了更經濟、更有效地從高頻率、大容量、不同結構和類型的數據中獲取價值而設計的新一代架構和技術，用它來描述和定義信息爆炸時代產生的海量數據，并命名與之相關的技術發展與創新。大數據具有4 個特點: 第一，數據體量巨大(Volume)，從TB 級別躍升到PB 級別。第二，處理速度快(Velocity)，這與傳統的數據挖掘技術有著本質的不同。第三，數據種類多(Variety)，有圖片、地理位置信息、視頻、網絡日志等多種形式。第四，價值密度低，商業價值高(Value)。存在單一數據的價值并不大，但將相關數據聚集在一起，就會有很高的商業價值(金良，2012)。大數據時代，不僅改變了傳統的數據采集、處理和應用技術與方法，還促使人們思維方式的改變。大數據的精髓在于促使人們在采集、處理和使用數據時思維的轉變，這些轉變將改變人們理解和研究社會經濟現象的技術和方法。

(1)是在大數據時代，不依賴抽樣分析，而可以采集和處理事物整體的全部數據。19 世紀以來，當面臨大的樣本量時，人們都主要依靠抽樣來分析總體。但是，抽樣技術是在數據缺乏和取得數據受限制的條件下不得不采用的一種方法，這其實是一種人為的限制。過去，因為記錄、儲存和分析數據的工具不夠科學，只能收集少量數據進行分析。如今，科學技術條件已經有了很大的提高，雖然人類可以處理的數據依然是有限的，但是可以處理的數據量已經大量增加，而且未來會越來越多。隨著大數據分析取代抽樣分析，社會科學不再單純依賴于抽樣調查和分析實證數據，現在可以收集過去無法收集到的數據，更重要的是，現在可以不再依賴抽樣分析。

(2)是在大數據時代，不再熱衷于追求數據的精確度，而是追求利用數據的效率。當測量事物的能力受限制時，關注的是獲取最精確的結果。但是，在大數據時代，追求精確度已經既無必要又不可行，甚至變得不受歡迎。大數據紛繁多樣，優劣摻雜，精準度已不再是分析事物總體的主要手段。擁有了大數據，不再需要對一個事物的現象深究，只要掌握事物的大致發展趨勢即可，更重要的是追求數據的及時性和使用效率。與依賴于小數據和精確性的時代相比較，大數據更注重數據的完整性和混雜性，幫助人們進一步認識事物的全貌和真相。

(3)是在大數據時代，人們難以尋求事物直接的因果關系，而是深入認識和利用事物的相關關系。長期以來，尋找因果關系是人類發展過程中形成的傳統習慣。尋求因果關系即使很困難且用途不大，但人們無法擺脫認識的傳統思維。在大數據時代，人們不必將主要精力放在事物之間因果關系的分析上，而是將主要精力放在尋找事物之間的相關關系上。事物之間的相關關系可能不會準確地告知事物發生的內在原因，但是它會提醒人們事情之間的相互聯系。人們可以通過找到一個事物的良好相關關系，幫助其捕捉到事物的現在和預測未來。(二)云計算的涵義與特征

“云計算”概念產生于谷歌和IBM 等大型互聯網公司處理海量數據的實踐。2006 年8 月9 日，Google首席執行官埃里克·施密特(Eric Schmidt)在搜索引擎大會首次提出“云計算”的概念。2007 年10 月，Google 與IBM 開始在美國大學校園推廣云計算技術的計劃，這項計劃希望能降低分布式計算技術在學術研究方面的成本，并為這些大學提供相關的軟硬件設備及技術支持(Michael Mille，2009)。目前全世界關于“云計算”的定義有很多。“云計算”是基于互聯網的相關服務的增加、使用和交付模式，是通過互聯網來提供動態易擴展且經常是虛擬化的資源。美國國家標準技術研究院(NIST)2009年關于云計算的定義是: “云計算是一種按使用量付費的模式，這種模式提供可用的、便捷的、按需的網絡訪問，進入可配置的計算資源共享池(資源包括網絡、服務器、存儲、應用軟件、服務等)，這些資源能夠被快速提供，只需投入很少的管理工作，或與服務供應商進行很少的交互。”根據這一定義，云計算的特征主要表現為: 首先，云計算是一種計算模式，具有時間和網絡存儲的功能。其次，云計算是一條接入路徑，通過廣泛接入網絡以獲取計算能力，通過標準機制進行訪問。第三，云計算是一個資源池，云計算服務提供商的計算資源，通過多租戶模式為不同用戶提供服務，并根據用戶的需求動態提供不同的物理的或虛擬的資源。第四，云計算是一系列伸縮技術，在信息化和互聯網環境下的計算規模可以快速擴大或縮小，計算能力可以快速、彈性獲得。第五，云計算是一項可計量的服務，云計算資源的使用情況可以通過云計算系統檢測、控制、計量，以自動控制和優化資源使用。(三)大數據與云計算的關系

從整體上看，大數據與云計算是相輔相成的。大數據主要專注實際業務，著眼于“數據”，提供數據采集、挖掘、分析的技術和方法，強調的是數據存儲能力。云計算主要關注“計算”，關注IT 架構，提供IT 解決方案，強調的是計算能力，即數據處理能力。如果沒有大數據的數據存儲，那么云計算的計算能力再強大，也難以找到用武之地;如果沒有云計算的數據處理能力，則大數據的數據存儲再豐富，也終究難以用于實踐中去。

從技術上看，大數據依賴于云計算。海量數據存儲技術、海量數據管理技術、MapＲeduce 編程模型都是云計算的關鍵技術，也都是大數據的技術基礎。而數據之所以會變“大”，最重要的便是云計算提供的技術平臺。數據被放到“云”上之后，打破了過去那種各自分割的數據存儲，更容易被收集和獲得，大數據才能呈現在人們眼前。而巨量的數據也只能依靠云計算強大的數據處理能力，才能夠“淘盡黃沙始得金”。

從側重點看，大數據與云計算的側重點不同。大數據的側重點是各種數據，廣泛、深入挖掘巨量數據，發現數據中的價值，迫使企業從“業務驅動”轉變為“數據驅動”。而云計算主要通過互聯網廣泛獲取、擴展和管理計算及存儲資源和能力，其側重點是IT 資源、處理能力和各種應用，以幫助企業節省IT部署成本。云計算使企業的IT 部門受益，而大數據使企業的業務管理部門受益。

從結果看，大數據與云計算帶來不同的變化。大數據對社會經濟帶來的變化是巨大的，涉及到各個領域。大數據已經與資本、人力一起作為生產的主要因素影響著社會經濟的發展。數據創造價值，而挖掘數據價值、利用數據的“推動力”就是云計算。云計算將信息存儲、分享和挖掘能力極大提高，更經濟、高效地將巨量、高速、多變的終端數據存儲下來，并隨時進行計算與分析。通過云計算對大數據進行分析、總結與預測，會使得決策更可靠，釋放出更多大數據的內在價值。

二、大數據、云計算技術對審計的影響分析

審計技術和方法的發展是隨著科學和管理技術的發展而發展的。現代審計技術和方法體系是在原始的查賬基礎上從低級向高級、從不完備到比較完備發展起來的。在業務和會計處理手工操作階段，審計實施的是賬表導向的審計技術和方法;當內部控制理論和方法全面應用于業務和會計處理時，審計實施的是系統導向的審計技術和方法;當風險管理理論和方法全面應用于業務和財務管理時，審計實施的是風險導向審計技術和方法;與風險導向審計技術和方法并行的是，計算機技術廣泛應用于業務和會計處理時，審計實施的是IT 審計技術和方法。目前，面對大數據、云計算技術的產生和發展，審計人員需要應時而變來適應由此而帶來的變化，分析大數據、云計算技術對審計方式、審計抽樣技術、審計報告模式、審計證據搜集等技術和方法的影響。(一)大數據、云計算技術促進持續審計方式的發展

傳統審計中，審計人員只是在被審計單位業務完成后才進行審計，而且審計過程中并不是審計所有的數據和信息，只是抽取其中有的一部分進行審計。這種事后和有限的審計對被審計單位復雜的生產經營和管理系統來說很難及時做出正確的評價，而且對于評價日益頻繁和復雜的經營管理活動的真實性和合法性則顯得過于遲緩。隨著信息技術迅速發展，越來越多的審計組織對被審計單位開始實施持續審計方式，以解決審計結果與經濟活動的時差問題。但是，審計人員實施持續審計時，往往受目前業務條件和信息化手段的限制，取得的非結構化數據無法數據化，或者無法取得相關的明細數據，致使對問題的判斷也難以進一步具體和深入。而大數據、云計算技術可以促進持續審計方式的發展，使信息技術與大數據、云計算技術較好交叉融合，尤其對業務數據和風險控制“實時性”要求較高的特定行業，如銀行、證券、保險等行業，在這些行業中實施持續審計迫在眉睫。如審計組織對商業銀行的審計，實行與商業銀行建立業務和數據系統的接口，在開發的持續審計系統中固化了非結構化數據結構化和數據分析模塊，該模塊可以在海量貸款客戶中挖掘、分析出行業性和區域性貸款風險趨勢，實現在線的風險預警，并將發現的風險數據、超預警值指標及問題登記為疑點，并建立實時審計工作底稿，按照重要程度進行歸類、核實或下發給現場審計人員進行現場核實，以較好處理非結構化數據的利用和數據的實時分析利用問題。(二)大數據、云計算技術促進總體審計模式的應用

現時的審計模式是在評價被審計單位風險基礎上實施抽樣審計。在不可能收集和分析被審計單位全部經濟業務數據的情況下，現時的審計模式主要依賴于審計抽樣，從局部入手推斷整體，即從抽取的樣本著手進行審計，再據此推斷審計對象的整體情況。這種抽樣審計模式，由于抽取樣本的有限性，而忽視了大量和具體的業務活動，使審計人員無法完全發現和揭示被審計單位的重大舞弊行為，隱藏著重大的審計風險。而大數據、云計算技術對審計人員而言，不僅僅是一種可供采用的技術手段，這些技術和方法將給審計人員提供實施總體審計模式的可行性。利用大數據、云計算技術，對數據的跨行業、跨企業搜集和分析，可以不用隨機抽樣方法，而采用搜集和分析被審計單位所有數據的總體審計模式。利用大數據、云計算技術的總體審計模式是要分析與審計對象相關的所有數據，使得審計人員可以建立總體審計的思維模式，可以使現代審計獲得革命性的變化。審計人員實施總體審計模式，可以規避審計抽樣風險。如果能夠收集總體的所有數據，就能看到更細微、深入的信息，對數據進行多角度的深層次分析，從而發現隱藏在細節數據中的對審計問題更具價值的信息。同時，審計人員實施總體審計模式，能發現從審計抽樣模式所不能發現的問題。大數據、云計算技術給審計人員提供了一種能夠從總體把握審計對象的技術手段，從而幫助審計人員能從總體的視角發現以前難以發現的問題。

(三)大數據、云計算技術促進審計成果的綜合應用

目前，審計人員的審計成果主要是提供給被審計單位的審計報告，其格式固定，內容單一，包含的信息量較少。隨著大數據、云計算技術在審計中廣泛應用，審計人員的審計成果除了審計報告外，還有在審計過程中采集、挖掘、分析和處理的大量的資料和數據，可以提供給被審計單位用于改進經營管理，促進審計成果的綜合應用，提高審計成果的綜合應用效果。首先，審計人員通過對審計中獲取的大量數據和相關情況資料的匯總、歸納，從中找出財務、業務和經營管理等方面的內在規律、共性問題和發展趨勢，通過匯總歸納宏觀性和綜合性較強的審計信息，為被審計單位投資者和其他利益相關者提供數據證明、關聯分析和決策建議，從而促進被審計單位管理水平的提高。其次，審計人員通過應用大數據、云計算技術，可以將同一問題歸入不同的類別進行分析和處理，從不同的角度、不同的層面整合提煉以滿足不同層次的需求。再次，審計人員將審計成果進行智能化留存，通過大數據、云計算技術，將問題規則化并固化到系統中，以便于計算或判斷問題發展趨勢，向被審計單位進行預警。最后。審計人員將審計成果、被審計單位與審計問題進行關聯，并進行信息化處理，在進行下次審計時，減少實地審計的時間和工作量，提高審計工作的效率。(四)大數據、云計算技術促進相關關系證據的應用

審計人員在審計過程中，應根據充分、適當的審計證據發表審計意見，出具審計報告。但是，在大數據、云計算環境下，審計人員既面臨巨量數據篩選的考驗，又面臨搜集適當審計證據的挑戰。審計人員在搜集審計證據時，傳統的思維路徑都是基于因果關系來搜集審計證據，而大數據分析將會更多地運用相關關系分析來搜集和發現審計證據。但從審計證據發現的角度來看，由于大數據技術提供了前所未有的跨領域、可供量化的維度，使得審計問題大量的相關信息能夠得以記錄和計算分析。大數據、云計算技術沒有改變事物間的因果關系，但在大數據、云計算技術中對相關關系的開發和利用，使得數據分析對因果邏輯關系的依賴降低了，甚至更多地傾向于應用基于相關關系的數據分析，以相關關系分析為基礎的驗證是大數據、云計算技術的一項重要特征。在大數據、云計算技術環境下，審計人員能搜集到的審計證據大多是電子證據(秦榮生，2013)。電子證據本身就非常復雜，云計算技術使獲取有因果關系的證據更加困難。審計人員應從長期依賴因果關系來搜集和發現審計證據，轉變成為利用相關關系來搜集和發現審計證據。(五)大數據、云計算技術促進高效數據審計的發展

直到今天，審計人員的數字審計技術依然建立在精準的基礎上。這種思維方式適用于掌握“小數據量”的情況，因為需要分析的數據很少，所以審計人員必須盡可能精準地量化被審計單位的業務。隨著大數據、云計算技術成為日常生活中的一部分，審計人員應開始從一個比以前更大、更全面的角度來理解被審計單位，將“樣本= 總體”植入審計人員的思維中。相比依賴于小數據和精確性的時代，大數據更強調數據的完整性和混雜性，幫助審計人員進一步接近事情的真相，“局部”和“精確”將不再是審計人員追求的目標，審計人員追求的是事物的“全貌”和“高效”。圍繞大數據，一批新興的數據挖掘、數據存儲、數據處理與分析技術將不斷涌現。在實施審計時，審計人員應利用大數據、云計算技術，使用分布式拓樸結構、云數據庫、聯網審計、數據挖掘等新型的技術手段和工具，以提高審計的效率。

(六)大數據、云計算技術促進大數據審計師的發展

大數據、云計算時代，數據的真實、可靠是大數據發揮作用的前提。這客觀上要求專業人員來對大數據的真實性、可靠性進行鑒證，審計人員可以扮演這種角色，或者稱為數據審計師。能對大數據真實性、可靠性進行鑒證的數據審計師應該是計算機科學、數學、統計學和審計學領域的專家，他們應有大數據分析和預測的評估能力。數據審計師應恪守公正的立場和嚴守保密的原則，面對海量的數據和紛繁復雜的相關關系，選取分析和預測工具，以及解讀數據及數據計算結果是否真實、可靠。一旦出現爭議，數據審計師有權審查與分析結果相關的運算法則、統計方法以及數據采集、挖掘和處理過程。數據審計師的出現是為滿足以市場為導向來解決數據真實性、可靠性問題的需求，這與20 世紀初期為了處理財務信息虛假而出現的審計人員一樣，都是為了滿足新需求而出現的。

三、大數據挖掘

數據的價值只有通過數據挖掘才能從低價值密度的數據中發現其潛在價值，而大數據挖掘技術的實現離不開云計算技術。在業界，全球著名的Google、EMC、惠普、IBM、微軟等互聯網公司都已經意識到大數據挖掘的重要意義。上述IT 巨頭們紛紛通過收購大數據分析公司，進行技術整合，希望從大數據中挖掘更多的商業價值。數據挖掘通常需要遍歷訓練數據獲得相關的統計信息，用于求解或優化模型參數，在大規模數據上進行頻繁的數據訪問需要耗費大量運算時間。數據挖掘領域長期受益于并行算法和架構的使用，使得性能逐漸提升。過去15 年來，效果尤其顯著。試圖將這些進步結合起來，并且提煉。GPU平臺從并行上得到的性能提升十分顯著。這些GPU平臺由于采用并行架構，使用并行編程方法，使得計算能力呈幾何級數增長。即便是圖形處理、游戲編程是公認的復雜，它們也從并行化受益頗多。研究顯示數據挖掘、圖遍歷、有限狀態機是并行化未來的熱門方向。MapReduce 框架已經被證明是提升GPU 運行數據挖掘算法性能的重要工具。D.Luo 等提出一種非平凡的策略用來并行一系列數據挖掘與數據挖掘問題，包括一類分類SVM 和兩類分類SVM，非負最小二乘問題，及L1 正則化回歸（lasso）問題。由此得到的乘法算法，可以被直截了當地在如MapReduce 和CUDA 的并行計算環境中實現。K.Shim 在MapReduce 框架下，討論如何設計高MapReduce 算法，對當前一些基于MapReduce 的數據挖掘和數據挖掘算法進行歸納總結，以便進行大數據的分析。Junbo Zhang 等提出一種新的大數據挖掘技術，即利用MapRedue 實現并行的基于粗糙集的知識獲取算法，還提出了下一步的研究方向，即集中于用基于并行技術的粗糙集算法處理非結構化數據。F.Gao 提出了一種新的近似算法使基于核的數據挖掘算法可以有效的處理大規模數據集。當前的基于核的數據挖掘算法由于需要計算核矩陣面臨著可伸縮性問題，計算核矩陣需要O(N2)的時間和空間復雜度來計算和存儲。該算法計算核矩陣時大幅度降低計算和內存開銷，而且并沒有明顯影響結果的精確度。此外，通過折中結果的一些精度可以控制近似水平。它獨立于隨后使用的數據挖掘算法并且可以被它們使用。為了闡明近似算法的效果，在其上開發了一個變種的譜聚類算法，此外設計了一個所提出算法的基于MapReduce 的實現。在合成和真實數據集上的實驗結果顯示，所提出的算法可以獲得顯著的時間和空間節省。Christian Kaiser 等還利用MapReduce 框架分布式實現了訓練一系列核函數學習機，該方法適用于基于核的分類和回歸。Christian Kaiser 還介紹了一種擴展版的區域到點建模方法，來適應來自空間區域的大量數據。Yael Ben-Haim 研究了三種MapReduce 實現架構下并行決策樹分類算法的設計, 并在Phoenix 共享內存架構上對SPRINT 算法進行了具體的并行實現。F.Yan 考慮了潛在狄利克雷分配（LDA）的兩種推理方法——塌縮吉布斯采樣（collapsed Gibbssampling，CGS）和塌縮變分貝葉斯推理（collapsedvariational Bayesian，CVB）在GPU 上的并行化問題。為解決GPU 上的有限內存限制問題，F.Yan 提出一種能有效降低內存開銷的新穎數據劃分方案。這種劃分方案也能平衡多重處理器的計算開銷，并能容易地避免內存訪問沖突。他們使用數據流來處理超大的數據集。大量實驗表明F.Yan 的并行推理方法得到的LDA 模型一貫地具有與串行推理方法相同的預測能力；但在一個有30 個多核處理器的GPU 上，CGS 方法得到了26倍的加速，CVB 方法得到了196 倍的加速。他們提出的劃分方案和數據流方式使他們的方法在有更多多重處理器時可伸縮，而且可被作為通用技術來并行其它數據挖掘模型。Bao-Liang Lu 提出了一種并行的支持向量機，稱為最小最大模塊化網絡(M3)，它是基“分而治之”的思想解決大規模問題的有效的學習算法。針對異構云中進行大數據分析服務的并行化問題G.Jung 提出了最大覆蓋裝箱算法來決定系統中多少節點、哪些節點應該應用于大數據分析的并行執行。這種方法可以使大數據進行分配使得各個計算節點可以同步的結束計算，并且使數據塊的傳輸可以和上一個塊的計算進行重疊來節省時間。實驗表明，這種方法比其他的方法可以提高大約60% 的性能。在分布式系統方面，Cheng 等人 提出一個面向大規模可伸縮數據分析的可伸縮的分布式系統——GLADE。GLADE 通過用戶自定義聚合（UDA）接口并且在輸入數據上有效地運行來進行數據分析。文章從兩個方面來論證了系統的有效性。第一，文章展示了如何使用一系列分析功能來完成數據處理。第二，文章將GLADE 與兩種不同類型的系統進行比較：一個用UDA 進行改良的關系型數據庫（PostgreSQL）和MapReduce(Hadoop)。然后從運行結果、伸縮性以及運行時間上對不同類型的系統進行了比較。

四、總結 大數據的超大容量自然需要容量大，速度快，安全的存儲，滿足這種要求的存儲離不開云計算。高速產生的大數據只有通過云計算的方式才能在可等待的時間內對其進行處理。同時，云計算是提高對大數據的分析與理解能力的一個可行方案。大數據的價值也只有通

過數據挖掘才能從低價值密度的數據中發現其潛在價值，而大數據挖掘技術的實現離不開云計算技術。總之，云計算是大數據處理的核心支撐技術，是大數據挖掘的主流方式。沒有互聯網，就沒有虛擬化技術為核心的云計算技術，沒有云計算就沒有大數據處理的支撐技術。

參考文獻

秦榮生.大數據、云計算技術對審計的影響研究 何清.大數據與云計算

張為民.云計算: 深刻改變未來

文峰.云計算與云審計———關于未來審計的概念與框架的一些思考

Big data and cloud computing Big Data(Big Data)in recent years, more and more occasions, the concept is mentioned more and more people, And often, and cloud computing together, what is the relationship between cloud computing and big data become a hot topic.this Special report contains the following four aspects: 1.The value of big data;2.Big data challenge;3.Big data research;4.Cloud computing is the mainstream way of data mining.Through this report on our understanding of big data, as well as the understanding of the value of big data, large data processing and mining technology, large data mainly focus on “data”, provide the technology and methods of data collection, mining and analysis;Cloud computing technology focusing on “computing”, providing IT solutions.Big data and cloud computing technology can promote the development of continuous audit mode, the overall audit mode of application, the audit results of comprehensive application, the application of related evidence, the development of efficient data audit and the development of large data auditor.Strengthen big data and cloud computing technology measures of audit applications include set up long-term development strategy, accelerate the construction of the audit regulations, establish a platform, to strengthen research and development and improve the utilization ability.Keywords: big data cloud computing data mining impact on the audit policy Suggestions