第一篇：大數據及其關鍵技術的教育應用實證分析

中國論文榜--中國權威論文發表平臺，我們為您提供專業的論文發表咨詢和論文發表輔導！

大數據及其關鍵技術的教育應用實證分析

胡水星

【論文摘要】大數據作為信息技術發展的新趨勢，已經滲透到各行各業，成為重要的生成因素。在數據分析驅動教育，變革教學的大數據時代，教育領域同樣蘊藏著具有廣泛應用價值的海量數據，在對教育數據挖掘和學習分析技術等教育大數據關鍵技術分析的基礎上，結合共詞分析和教育博客等社會化網絡教育數據，構建教育領域的相關學習分析和數據挖掘模型，探索教育變量之間的相關關系，實踐大數據的教育應用，為教育教學提供有效的決策支持服務，促進教育教學的變革與創新。

【論文關鍵詞】大數據；學習分析；數據挖掘；共詞分析；社會網絡分析

大數據作為信息技術發展的新趨勢，已經滲透到各行各業，成為重要的驅動因素，并掀起行業變革的巨浪。隨著我國教育信息化水平的不斷提升，越來越多的學習管理系統在教育領域中被應用，數據化的學習信息和學生信息逐漸增多，教育數據的海量增長，導致在教育管理、教育服務、教學研究、教育評價等領域也面臨大數據問題，教育大數據時代已經悄然來臨。“教育信息量的爆炸式增長以及相關數據處理技術的創新發展成為人們新的視野焦點，如何利用與分析這些數據信息，不僅影響著信息交流、知識傳遞和學習效果，更在一定程度上影響著教學決策制定和學習模式優化，已經成為目前教育工作者和學習者一致關注的方面。”[1]

在數據分析驅動教育，變革教學的大數據時代，教育領域同樣蘊藏著具有廣泛應用價值的海量數據，利用教育數據挖掘和學習分析技術，構建教育領域的相關模型，探索教育變量之間的相關關系，為教育教學決策提供有效的支持將成為未來教育的發展趨勢。

一、大數據及教育大數據關鍵技術

計算機技術、移動通信技術、互聯網技術，再到大數據技術的登臺亮相，不中國論文榜--中國權威論文發表平臺，我們為您提供專業的論文發表咨詢和論文發表輔導！

僅體現著信息技術的深入與發展，更體現著大數據時代的到來；大數據技術在教育領域的廣泛應用引起了教育變革，推動了教育發展，學習分析實現了教育的探索性分析，數據挖掘實現了教育管理與決策的制定。學習分析和數據挖掘這兩大大數據關鍵技術在教育領域的深入應用，為教育教學帶來了新的機遇。

(一)大數據 2012年，聯

合國發布

了

大

數據白

皮

書“BigforDevelopment:Challenges&OpportunUies”，明確提出大數據時代已經到來。[2]大數據作為信息技術發展的新趨勢，具有海量的數據規模(Volume)、快速的數據流轉(Velocity)、多樣的數據類型(Variety)和巨大的數據價值(Value)4V特性。[3]大數據是一種價值觀、方法論……是一場思維的大變革，已經滲透到各行各業，成為重要的一種生成因素，并掀起了變革的浪潮。[4]通過對海量數據的分析挖掘，以一種前所未有的方式獲得巨大的產品服務、深刻的真知灼見，為我們理解生活以及認識世界提供了一種全新的思維方式，實現思維的三大轉變：一是不再依賴于小樣本數據，而是與現象相關的所有數據；二是不再熱衷于追求微觀層面的精確，而是宏觀層面的洞察力；三是從傳統的因果關系追求中解脫出來，關注相關關系的發現和應用。[5]

大數據借助無所不在的傳感設備和計算能力，對現實世界、虛擬世界以及虛實融合世界的復雜網絡數據進行解析和挖掘，實現行為判斷和決策。隨著教育領域各種學習管理系統、課程管理系統、網絡互動平臺的應用，各種學習行為、學習狀態等教育數據將海量增長，教育大數據時代已經悄然來臨。大數據使得教育信息成為可捕捉、可量化、可傳遞的數字存在，大數據使得教育過程性考察成為可能，更能透過真實的數據發現教與學的關系，教育正悄悄地發生著一場革命。[6]

(2)教育大數據關鍵技術

近年來，隨著大數據的推進與發展，教育大數據處理與分析已經成為推動教育改革與發展的驅動力，引起了各國政府和教育行政部門的高度重視。2012年10月美國教育部發布了《通過教育數據挖掘和學習分析促進教與學》中國論文榜--中國權威論文發表平臺，我們為您提供專業的論文發表咨詢和論文發表輔導！

(EnhancingTeachingandLearningthroughEducationalDataMiningandLearningAnalytics)報告。[7]力圖通過教育大數據分析挖掘，促進“大數據”教育應用，從而為教育發展搶得先機。

大數據為海量教育數據的存取提供了技術基礎，但原始的教育數據只是教育大數據的基礎，只有通過對采集到的各種數據進行教育數據挖掘，構建學習分析模型，發現教育變量之間的關系，并實現賦予數據相關意義，才能使數據轉變為信息；信息進_步經過分析和綜合，形成知識；最后通過實踐運用，知識才上升到智慧層次。[8]因此，教育數據挖掘和學習分析技術是教育大數據的關鍵技術。

1.教育數據挖掘

教育數據挖掘（EducationDataMining)是綜合運用數理統計、人工智能與機器學習和數據挖掘等技術與方法，對教育原始數據進行分析處理，通過構建數據模型，對學習者的學習結果與學習內容、學習資源和教學行為等變量進行相關關系分析，從而有效地預測學習者未來的學習趨勢。[9]并為教育工作者、學習者、學生家長、教育教學研究者以及教學軟件開發者提供支持，實現教育系統中教育資源的良性互動，最終實現改進學習的目的。教育數據挖掘流程具體如圖2所示。

2.學習分析

學習分析（LearningAnalytics)的研究對象是學生及其學習環境，目的是通過對教育海量數據的分析和建模，發現潛在問題，優化和理解學習，預測學習者在學習中的進步和表現。學習分析具體過程如圖3所示。顯而易見，學習分析技術就是圍繞學習者在學習過程中產生的各種信息數據，利用各種數學建模方法和數據處理技術來解釋這些數據，并根據結果數據與分析信息，對學習過程與情境進行探究，并進一步發現學習的規律，為優化和完善教學提供相應的反饋，持續地促進學習者的學習。學習分析技術利用數據挖掘、數據解釋與數據建模的優勢，對學習的平臺中積累的大量數據信息進行采集、存儲、分析和表示，并運用分析測量結果對學習者學習行為進行評估、預測和干預，為個別學生量身定制更有效的教育，進而改善和提升教與學的質量與效能，實現改善教學和促進學習的目的。中國論文榜--中國權威論文發表平臺，我們為您提供專業的論文發表咨詢和論文發表輔導！

除了學習分析和數據挖掘這兩大教育大數據關鍵技術，近年來慕課、微課、翻轉課堂、社會網絡軟件、云計算、Moodle等網絡學習開源平臺、WEB2.0技術都可以納入教育大數據的技術范疇。

二、大數據促進教育變革隨著教育領域各種大數據技術的應用，我們已經進入一個數據驅動教學、分析變革教育的大數據時代。雖然技術還沒有給教育帶來如1987年AlfredBork所預言那樣的變革[12]，但技術具有拓展、增強或者變革人類學習的潛力，科技進步不可避免地帶來了教育的革新，并且對教育發展帶來了深遠的影響。如，大規模數據分布式處理技術實現了結構化與非結構化數據存儲；云計算技術實現了教育資源的共建共享；社會性交互軟件促進了學習型社會的構建；MOOCs與翻轉課堂實現了個性化學習構建；開源學習管理系統實現了學習過程管理。大數據技術在教學領域的應用革新了教育思維方式、重構了教學評價方式、顛覆了傳統教學模式、實現了個性化教育，教育大數據背景下教學的規訓與教化在撤退，支持和服務在推進。[13]

(一）數據挖掘與學習分析有助于教學決策和評務價

教育大數據記錄了教學的過程，發現了新的知識，創造了更大的教育價值，促進和優化了教學策略和評價。移動互聯網時代，知識的獲取變得以學生為中心，因為，每個學生的智力特點和吸收水平都是不一樣的，移動互聯網支持了以學生為中心的學習，突破傳統不再是所有人在統一的課堂上在規定的四十五分鐘內聽相同的教學內容。新興的教育技術與資源使得教育更加以學習者為中心，使教育從批量到個性的實現成為一種可能；教師的教育思維也從宏觀的群體教育向微觀的個體教育方式轉變，促進了以學習者為中心的個性化教育的實施，進一步使得因材施教成為一種可能。

從技術層面上說，學習者在互聯網等媒體上留下的任何數據痕跡，都可以進行分析，可以發現數據背后隱藏的學習者相關學習特征、興趣愛好、行為傾向，與教育教學相關的狀態信息都將一覽無余。從這個意義上來說，未來的教育發展方向就是應用學習分析和數據挖掘等大數據技術去實現精準的個性化教育。將大數據對教育教學中海量數據的整合分析，結合態度、行為和行為背景等因素，就中國論文榜--中國權威論文發表平臺，我們為您提供專業的論文發表咨詢和論文發表輔導！

可以發現學生思想、行為和心態的變化，分析出每個學生的特點，再結合總體學生的表現和其他因素的分布就可以準確對某位學生實施正確的評價，最終使得對每個學生的教學都可以建立在對過去行為數據的分析基礎上。[14]從而真正打破傳統技術背景下“不得不承認，對于學生，我們知道的太少”那樣的窘境。[15]

大數據技術有利于對教師課堂教學計劃、課堂教學評價、課堂視頻資源中的各種數據進行提取和分析，從而為預測、處理教學行為、學習心理提供了重要依據，為教學評價提供了較為全面和完整的信息，克服了評估主觀性強的缺憾，教學評價不再是經驗式的，而是在大數據基礎上的“歸納”，更具說服力和公信力，實現了教學評價的客觀公正與科學正確，教學決策的針對性與時效性。

(二）微課與翻轉課堂教學有利于個性化學習模式重構

未來教育在大數據技術的支持下變得越來越個性化，慕課、微課與翻轉課堂的教學應用有利于個性化學習環境的構建，數字化課程資源的標準化定制實現了學習內容的學生自組織學習，在線學習使得學校教育和教師更多地轉向學生個體，關注學習者的個性化培養，教師實現了從教學者到助學者角色的轉變，更多地是承擔學習的支持服務和協作交流。[16]個性化學習模式更多地關注師生之間、生生之間、學生與教育媒體之間的交往互動、個性化服務和靈活的教學范式。微課實現了知識從固化到碎片，移動互聯網則使我們可以充分利用碎片化的時間。不僅如此，我們每一次對碎片化時間的利用都還可以是非常高效的，因為，學習系統了解你的學習情況，知道怎么讓你更高效地學習。

傳統教育是大家在一個封閉的客廳里，規定每節課45分鐘，而現在移動互聯網可以讓學生和全世界各個地方的學習者交流，做到線下進行知識學習，線上進行知識傳遞，完全顛倒傳統的教學結構，使強調知識傳遞、以教定學的知識傳授模式逐步讓位于強調問題中心、以學為主的整合探究模式，構建了新的教學范式。

中國論文榜--中國權威論文發表平臺，我們為您提供專業的論文發表咨詢和論文發表輔導！

教師可以利用微課和翻轉課堂進行基于技術的課堂教學案例欣賞，積極開展分析、討論和教學反思活動，在學習活動中實現對技術、學科和教學法之間的深層次理解。[17]在這種模式下，一方面，充分調動了學生的積極主動性，學習者在課堂上進行深入交互和思想碰撞，而不再是存在了幾個世紀的那種被動的教學模式接受者；另一方面可以進一步加深對整合技術的學科教學知識的理解，培養教師將技術和學科教學知識整合地根植于自身課堂中的能力，實現將知識的傳授遷移到了課外。

(三）在線視頻與大規模開放課程有利于教學知識呈現

開放存取已經成為幫助所有人進行學習的關鍵因素之_，“技術支持了信息的開放存取，實現了知識共享的無處不在”，[18]這也是21世紀由新的學習技術所帶來的張力和機會：學科內容的音頻、視頻等多媒體融入呈現，營造了更為豐富的交流互動和學生體驗參與，促進了學習者情感領域的認知與發展，并進一步幫助我們所有人學習；現有的視頻動畫、網絡多媒體、甚至3D的教學內容，生動逼真地呈現在學習者面前，使學習突破了傳統的學校圍墻的限制，未來的師生關系應該是從傳道授業變成解惑的角色，傳道授業由互聯網上高質量的視頻資源來替代；在線視頻分享為每一位學習者打開了一扇從其他機構那里學習的大門，學習和培訓從單中心到多中心，各種大規模開放在線課程讓學習方式越來越豐富。通過向學習者提供觀看、參與和反思的教學視頻資源，實現了跨界學習交互和教學應用示范。這種交互和示范不僅能夠展示如何理解技術、學科內容知識和學科教學知識之間的關系，更能夠展示如何為學科內容領域的教學制定與技術有關的有效決策，[19]從而促進學習者自主建構知識體系，實現教學知識的呈現與內化。

(四）學習管理系統和web2.0技術有助于教學管理和情境參與

利用web2.0技術，用戶可以在其中創建視頻群組，訂閱特定頻道和成員的視頻，上傳視頻，給視頻貼標簽。在世界范圍內分享視頻、創建播放列表、與擁有共同興趣的人保持聯系等。這些工具賦予了學習者在教育過程中的話語權，支持參與式學習。?大數據促進教育發展的第三大宏觀趨勢是建構_種協同、協商和中國論文榜--中國權威論文發表平臺，我們為您提供專業的論文發表咨詢和論文發表輔導！

共享這些知識和信息的文化創造；一種參與式學習文化。[21]正如約翰.賽利.布朗所指出的那樣，在這種新型的參與式教育環境中，學習者開始參與到一種建構、改進、學習、分享的文化中。各種免費的教育資源隨處可見、各種支持學習者參與的社會性工具軟件層出不窮，資源和工具的結合能使學習者自由添加、實時評論和獨立創建全新資源，這時我們需要重新審視和界定學習究竟是什么一學習不再是消費和吸收，而變成了生成和參與。由于有了Moodle、Sakai、Blackboard等學習管理系統和web2.0技術對學習參與的支持，實現了以學習需求和學習者為中心的轉變，動態的教與學關系，通過挖掘知識、尋求聯系、總結規律，每個教師和學習者都能發揮自己最大教育潛能。

三、大數據關鍵技術教育應用實證分析

大數據所帶來的教育的未來，不單是表述_個理念和社會直覺，更是一種教育變革和社會行動。在大數據技術的支持下，教育不再是單_的理念交流與經驗傳承的社會科學，而確確實實變成依托教育行為數據的實證科學。在教育大數據時代，由于教學實驗的布置，教育時空的設計、學習場景的構建、教育環境的創設、教育數據的采集和教育管理的決策，這些過去只能依靠理念靈感加經驗的東西，可以實實在在地以數據形式進行記錄、跟蹤，真正變成一種數據支撐的行為科學。[22]

大數據技術在教育教學實踐中的廣泛應用，積累了大量的學習狀態數據，如何讓數據說話，揭示教育數據背后的教育現象本質，為教育決策和政策制定提供建設性解決方案，我們將通過數據挖掘和學習分析這兩大大數據關鍵技術在教學領域的應用案例進行實證分析，以期為數據挖掘和學習分析等大數據技術的教育應用提供借鑒與啟發。

(一)基于教育數據挖掘的共詞分析

教育大數據技術促進了教師專業發展，兩者具有一定的相關性，國內許多文獻對兩者進行了深入研究，我們抽取10年以來在CNKI、EBSCO、Springerlink等國內外期刊上出現的教師專業發展和教育大數據相關的關鍵詞頻次，利用內容分析，文本分析等方法對關鍵詞出現的共篇關系構建共詞分析矩陣，并通過中國論文榜--中國權威論文發表平臺，我們為您提供專業的論文發表咨詢和論文發表輔導！

Ochiia相似性系數法對數據進行分析計算，從而將共詞矩陣轉換為相關矩陣，在相關矩陣的基礎上，進_步構建相異矩陣，并采用多維度尺度分析法進行分析，形成教育大數據背景下教師專業發展的知識體系譜系圖，從而對教育大數據教師應用提供良好的決策指導。

期刊論文一般都有幾個關鍵詞，用以說明本篇論文的主要研究領域和重點方向等，如果多個關鍵從上面的“教育大數據與教師專業發展高頻關鍵詞多維尺度圖”中可以發現象限_、象限三和象限四是幾塊相對集中的研究領域。其中第一象限屬于大數據范疇，主要關注“大數據”、“學習分析”和“數據挖掘”；第三象限主要屬于教師專業發展范疇，主要包括“教師信息素養”、“教師Tpack”、“教師專業發展”；第四個象限屬于個性化學習技術范疇，關注“慕課”、“翻轉課堂”和“個性化學習”；相對這幾個關鍵詞集中象限，第二象限只有教學績效評估，這說明教學績效評估和其他幾個范疇共同聯系相對少些。關鍵詞的圖中分布也比較符合我們對相關文本內容的分析，對教師教育專業化發展具有很好的決策指導作用，如，在進行大數據學習應用時應該重視學習分析和數據挖掘的學習；在進行教師專業化培訓時應該重視教師Tpack能力和教師信息素養的培養；在進行個性化學習支持服務的時候應積極利用翻轉課堂和慕課進行學習環境構建、學習模式創設。

通過教育數據挖掘共詞分析，很好地展現了教育大數據背景下教師專業發展的知識體系譜系圖，更加明確地解釋出教育大數據對教師專業發展的影響及兩者之間的相關性，從而為教育大數據背景下的教師專業發展提供確實有效的指導與建議。

(二）基于社會網絡分析的教育博客學習分析

社會網絡分析可以對網絡群體中的個體學習行為與學習行動者之間的關聯和群體影響進行分析，通過相關的社會網絡分析軟件，利用距離、密度和中心度、社群圖等概念對網絡屬性進行評價，是社會結構關系研究可視化的、說服力強的一種方法手段。教育大數據視野下，學習分析技術越來越被重視，社會網絡分析作為一種學習分析方法，可以對網絡學習的平臺、課程管理平臺、網絡日志等記錄的大量過程化數據進行深入挖掘，發現網絡學習中學習者的學習中國論文榜--中國權威論文發表平臺，我們為您提供專業的論文發表咨詢和論文發表輔導！

行為和社會交互特征，從而為網絡學習提供決策引導和服務支持。

為了運用社會網絡分析進行教育數據學習分析，我們選擇一個浙江省中小學教師專業發展培訓班作為樣本數據，依托湖州師范學院精品課程《教育技術學基礎》為網絡平臺，具體如圖5所示。通過對培訓教師在該課程網站上的教育博客群參與活動分析，選擇培訓班20名教師的教育博客交流情況，進行網絡日志數據的收集。并規定博客的發帖、鏈接、回復和推薦都記為一次網絡交流。

數據的處理分析主要采用社會網絡分析軟件UCINET6.0,數據挖掘以前，先根據教育博客上的網絡曰志進行數據獲取，然后對參與博客交流的教師進行T1-T20的編碼，培訓教師用TEC編碼標示。關系矩陣的建立，具體如表4所示。

行列交叉單元格中的數據表示第i行的教師對第j列的教師進行教育博客互動的次數，0表示沒有互動，每個教師相對于本人，博客互動都定為1。經過Netdraw導入關系矩陣，經過UCINET6.0教師教育博客互動交流社群圖分析，具體如圖6所示。

從社群圖中可以看出，TEC在網絡博客群中處于中心地位，而且沒有孤立的點，這說明教師專業化^培訓中培訓教師處于主導地位，和受培訓教師積極進行網絡博客交流與互動，幫助受訓教師解決問題；同時受訓教師也積極相互進行合作交流，進行教育技術課程學習。

進一步通過networks-centrality-degree進行中心度分析，得到如表5所示。

從表5中可以看出，TEC的入度和出度都是最高的，這進一步說明了教師在培訓中的地位，起到了協作、引導和幫助的作用；同時T15出度比較多，說明該教師在培訓中能夠通過積極發帖引導其他教師進行培訓交流;T20的入度比較多，說明其他參與培訓的老師比較喜歡和該教師進行互動交流，同時也表明該教師在教育博客中的聲望較好，比較受廣大培訓教師的歡迎。

為進一步了解各培訓教師在網絡中的交互特征和作用，我們進一步通過networks-centrality-freemanbetweenness-nodebetweenness進行中間中心度中國論文榜--中國權威論文發表平臺，我們為您提供專業的論文發表咨詢和論文發表輔導！

分析，得到表6所示。

從表6中可以發現TEC、T6和T1的中間中心度比較高，這說明教師和這兩位培訓學員在博客討論區中扮演了領導者的角色，對教學培訓資源具有一定的控制作用；同時這兩位受訓教師也起到了培訓的橋梁溝通作用，對教師培訓交流的信息起到了很好地溝通傳遞作用。

四、結語

大數據作為信息技術發展的新趨勢，已經滲透到各種領域，成為變革的一種重要生成因素。在數據分析驅動教育，變革教學的大數據時代，教育領域同樣蘊藏著具有廣泛應用價值的海量數據。多元的教育“數據”已是教育行業及其相關領域必須考慮的因素。如何高效分析和挖掘這類數據信息已經成為提高教育質量，推動教育發展的新浪潮。大數據關鍵技術正是從技術層面實現了各種學習行為數據的量化與顯現，使學習者的體驗感受得以實現，通過記錄、分類、挖掘和運用學生學習過程中產生的大量非結構化數據，能夠揭示出學生的學習模式；通過監測、跟蹤、分析和應用學生在整個學習過程中形成的數據檔案，能夠幫助理解學生為了掌握學習內容而進行學習的全過程。[23]

學習分析和數據挖掘這兩大大數據關鍵技術已經成為教育研究的熱點和趨勢，通過數據挖掘可以對教育數據進行從微觀到宏觀的統計、分析、綜合和推理，指導教育教學實際問題的解決,發現教育現象之間的相互關聯和規則，從而可以更好地做出教育預測和實施教育決策;通過學習分析既能為學生提供高質量、個性化的學習體驗，又能改進教育工作者的教學方式，完善和優化教學過程，真正使教學實踐活動轉向關注微觀個體，實現真正意義上的個性化學習和教育個性化支持服務，從而有利于促進教育公平。

總之，學習分析和數據挖掘等大數據關鍵技術的教育應用實踐，不僅探索了教育教學數據背后隱藏的相關關系，更為教育教學決策的科學制定提供了有效的服務支持，促進了教育教學的變革與創新，引領了教育教學發展的新方向。

【參考文獻】 中國論文榜--中國權威論文發表平臺，我們為您提供專業的論文發表咨詢和論文發表輔導！

[1]周馨.大數據時代教育數據價值挖掘[J].信息與電腦(理論版)，2013,(8).[2][3][7][9]徐鵬,王以寧,劉艷華，張海.大數據視角分析學習變革--美

國《通過教育數據挖掘和學習分析促進教與學》報告解讀及啟示[J].遠程教育雜志，2013，（6).[4]張杰夫.大數據-大視野-大教育[J].中小學信息技術教育，2013，（10).[5]維克托邁爾.舍恩伯格，肯尼思.庫克耶著.盛楊燕,周濤譯.大數據時代[M].杭州：浙江人民出版社，2013，（1).[6]魏忠.教育正悄悄發生一場革命[M].華東師范大學出版社，2014,(11).[8]馬婧,韓錫斌，周潛,程建鋼.基于學習分析的高校師生在線教學群體行為的實證研究[J].電化教育研究，2014，(2).[10]魏順平.教育數據的挖掘、分析、應用[J].中小學信息技術教育，2013，（10).[11]楊慶安,趙偉男，張海.大數據在教育領域應用的學習分析框架構建[J].軟件導刊.教育技術，2013，（5).[12]Bork,A.Learningwithpersonalcomputers[M].NewYork:Harper&Row，1987.[13]魏忠.教育正悄悄發生一場革命[M].上海：華東師范大學出版社，2014，（11).[14]喻長志.大數據時代教育的可能轉向[J].江淮論壇，2013，（7).[15]張燕南，趙中建.大數據時代思維方式對教育的啟示[J].教育發展研究，2013，(21):3-4.[16]魏忠.大數據時代的教育革命[EB/OL].[2014-07-29].http:〃中國論文榜--中國權威論文發表平臺，我們為您提供專業的論文發表咨詢和論文發表輔導！

.[17]閆志明,徐福蔭.TPACK:信息時代教師專業化的知識基礎[J].現代教育技術，2013，（3).[18]黃德群.開放的學習世界:網絡技術如何變革教育[J].韶關學院學報，2012，（12).[19]全美教師教育學院協會創新與技術委員會主編,任友群,詹藝主譯.整合技術的學科教學知識：教育者手冊[M].北京:教育科學出版社，2011.[20][21]柯蒂斯.邦克著.焦建利譯.世界是開放的---網絡技術如何變革教育[M].上海：華東師范大學出版社，2010.[23]胡德維.大數據“革命”教育[N].光明日報，2013-10-19.

第二篇：大數據應用實例分析

電信運營商的陽關大道

——大數據應用實例分析

09012208

黃文婷

摘要：

隨著全球數據化、網絡寬帶化，基本的數據量越來越大，由此我們進入了大數據時代。本文探討了大數據內涵與意義，從電信行業這一大數據應用實例進行分析，介紹了大數據在電信行業的應用、必要性及相關措施。

關鍵詞：大數據

電信

應用

正文：

一、大數據的內涵與意義

（一）大數據的意義

大數據和云計算一樣，近兩年來越來越多的受到人們的關注。那么什么是大數據呢？ 大數據(big data)，或稱巨量資料，指的是所涉及的資料量規模巨大到無法通過目前主流軟件工具，在合理時間內達到擷取、管理、處理、并整理成為幫助企業經營決策更積極目的的資訊。(在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》中，大數據指不用隨機分析法(抽樣調查)這樣的捷徑，而采用所有數據的方法)對于“大數據”（Big data），研究機構Gartner給出了這樣的定義。“大數據”是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

（二）大數據的特性

大數據有4V特點：Volume(大量)、Velocity(高速)、Variety(多樣)、veracity(真實性)。大數據的4個“V”，或者說特點有四個層面：第一，數據體量巨大。從TB級別，躍升到PB級別；第二，數據類型繁多。包括網絡日志、視頻、圖片、地理位置信息等等。第三，數據的來源，直接導致分析結果的準確性和真實性。若數據來源是完整的并且真實，最終的分析結果以及決定將更加準確。第四，處理速度快，1秒定律。最后這一點也是和傳統的數據挖掘技術有著本質的不同。業界將其歸納為4個“V”。

（三）大數據的應用意義

大數據最核心的價值就是在于對于海量數據進行存儲和分析。相比起現有的其他技術而言，大數據的“廉價、迅速、優化”這三方面的綜合成本是最優的。

此外，大數據的潮流雖然依賴于信息通信技術的成熟，但它對整個世界的影響絕不僅限于技術層次。它借助信息技術的創新與發展，及數據的全面感知、收集、分析與共用，引導我們以全新的思維看待世界，養成決策思維行為須根據事實與數據的分析判斷，舍去憑借經驗和直覺的習慣作風。可預見，它將對慣于“差不多”的思維造成巨大的沖擊。

很多人一提到大數據，就會不由自主想到那個關于啤酒和尿布的經典案例。事實上，隨著移動互聯網、智能終端、云計算、物聯網技術以及電子商務、社交媒體等應用的飛速發展，大數據已經越來越多的滲透到生活方方面面，宣告著我們已經進入了信息爆炸的大數據時代。電信運營商歷經語音、短信、數據三個發展浪潮，積累了大量如文本信息、音頻、視頻、圖片等非結構化數據，在大數據時代無異于擁有了一條發展的陽關大道。而機智的電信運營商也致力于研究如何在這條道路上比別人跑得更快以獲得更多的利益。

二、大數據在電信行業的應用

（一）電信行業大數據應用的四個方向

現階段電信運營商利用其擁有的大數據進行全面、深入、實時的分析和應用，是應對新形勢下的挑戰、避免運營商淪為管道化的關鍵。從大數據的具體應用方向來看，當前應主要集中在四個方向：流量經營精細化、智能客服中心建設、基于個性化服務的客戶體驗提升以及對外數據服務。

1.流量經營精細化

在流量經營精細化上，大數據應用的價值主要體現在深入洞察客戶、助力精準營銷和指導網絡優化三個方面。首先，基于客戶終端信息、手機上網行為軌跡等豐富的數據，借助DPI(Deep Packet Inspection，深度數據包檢測)技術等，建立客戶超級細分模型，為各細分群組客戶打上互聯網行為標簽，可以幫助運營商完善客戶的360度畫像，幫助運營商深入了解客戶行為偏好和需求特征；其次，根據用戶行為偏好，推送合適的業務，并根據對客戶特征的深入理解，建立客戶與業務、資費套餐、終端類型、在用網絡的精準匹配，同時也能做到在推送渠道、推送時機、推送方式上滿足客戶的個性化需求，實現全程精準營銷；再次，利用大數據技術實時采集處理網絡信令數據、監控網絡狀況、識別價值小區和業務熱點小區，更精準地指導網絡優化，實現網絡、應用和用戶的智能指配。2.智能客服中心建設

作為運營商與客戶接觸的第一界面，客服中心(或稱客戶聯絡中心)擁有豐富的數據資源，可以稱得上是客戶信息的“聚寶盆”，利用好客服中心的客戶接觸數據對于建設智能化客服中心意義重大。利用大數據技術可以深入分析客服熱線呼入客戶IVR(Interactive Voice Response，互動式語音應答)行為特征、訪問路徑、等候時長等；同時結合客戶歷史接觸信息、基本屬性等可以建立熱線呼入客戶的智能識別模型；基于客戶智能識別模型可以在某類客戶下次呼入前預先推測其呼入的需求大體是什么，IVR接入后應該走什么樣的節點和處理流程。這樣，就可以基于呼入客戶習慣與需求的事先預測而設計按鍵菜單、訪問路徑和處理流程，合理控制人工處理量，縮短梳理時限，為客戶服務中心內部流程優化提供數據支撐，有助于提升熱線服務管理水平，加速熱線營銷渠道資源整合，有效識別客戶投訴風險，助力智能客服中心的建設。

3.基于個性化服務的客戶體驗提升

大數據時代對于運營商為客戶提供服務來說更加側重于“小”，即更加關注每個個體“小我”的個性化需求，而融合了電商、醫療、社交等方面信息的“大”數據正是為了更深入的理解“小我”、服務好“小我”。利用大數據技術，一方面可以建立更全面、豐滿的客戶畫像，另一方面還可以量化分解客戶接觸信息，識別客戶特征與習慣偏好，預測客戶可能在何時手機會出現故障、何時會產生換機行為等，為客戶提供定制化的服務，優化產品、套餐和定價機制，實現“一戶一策”的差異化、個性化服務，提升客戶體驗與感知。由此可見，大數據將為移動互聯網時代的客戶服務帶來一次變革，給客戶服務帶來極大的想象空間和無限的發展前景。4.對外數據服務

對外數據服務是大數據應用的高級階段，這個階段電信運營商不再局限于利用大數據來提升內部管理效益，而是更加注重數據資產的平臺化運營。利用大數據資產優勢，將數據封裝成服務，提供給相關行業的企業用戶，為合作伙伴提供數據分析開放能力。例如，Telefonica和Verizon已經成立專業化數據公司來運作對外數據售賣的服務。再如，如果將無線城市與物聯網、電子政務等方面的信息結合起來，將能為電信運營商的數據和政府的政務數據增值，對于打造一個開放數據平臺和民生服務平臺有重大意義。讓數據在不同行業之間流動起來，實現體外循環將能進一步釋放數據的價值。當然，以簡單的Data Seller模式售賣數據服務時，需要 注意保護客戶隱私、打消隱私顧慮。

（二）電信行業大數據應用的效益

網絡上的每筆搜索，網站上的每筆交易，敲打鍵盤、點擊滑鼠的每一個動作，都在輸入數據，經過整理分析后，它可能顯示市場的脈絡、甚至更具商業價值的開發著力點。曾有統計，運用大數據的分析，可以讓公司增加50%的新客戶，讓政府減少30%的成本。這些如海潮般涌入的大量資料，正是云端時代的新金脈，已經創造出驚人的效益。

三、大數據在電信行業應用的必要性與措施

電信運營商擁有大量的數據資源，如網絡信息、用戶終端信息、用戶位置信息等，只要對電信網絡有深刻的理解和技術積累，具有敏銳的行業發展嗅覺和強大的產業研發能力，基于大數據進行深度挖掘分析，將豐富的網絡、用戶等數據資源加工抽取后封裝為服務，將數據資源在一定程度上貨幣化，向大客戶提供增值服務，就能增加新的盈利模式。這無疑是電信運營商發展盈利的一條陽關大道。

面向大數據時代，運營商的及時轉型成為必然，否則將有被互聯網企業超越的可能性。理論上講，運營商擁有頗具優勢的大數據資源并不是完全不可替代，例如，用戶的位置信息就可以通過多種APP應用獲得，用戶的網絡使用信息也可以通過多家互聯網企業合作獲取，互聯網企業通過泛互聯網化收集更多的大數據信息。另一方面，多行業的垂直整合將成為趨勢，在數據應用層面，行業企業通過多種手段搜集大量的用戶數據，將更貼近用戶，更理解用戶，為其提供更適當的服務，大數據將成為資產更具有戰略意義，各個行業及單位都在關注大數據。

根據大數據數量大、時效性要求高、數據種類及來源多樣化等特征，運營商首先獲取更多有用的大數據資源，例如，很多的網絡運行信息，包含大量有價值的用戶行為和位置信息，這樣的信息可以加以利用。有了資源應該加以利用，避免大數據資源的浪費。事實上，一些運營商擁有大數據這樣的金山，卻似乎無奈坐看并逐漸淪為管道，在不斷強化傳統市場的效益考核，卻好像在忽視大數據價值的流失。

大數據在電信行業應用措施主要有三個方面：

1）梳理并整合業務部門對大數據的需求，立足分析需求，做好大數據的IT體系構架的規劃。大數據相關技術條件的成熟、大數據分析能力及分析應用經驗的積累等多方面因素，都是制約企業建設的建設IT系統的條件，要充分抓住大數據帶來的機會并避免“心急吃不了熱豆腐，反被熱豆腐傷害”的問題。

2）落實基于品質管理資料的經營新模式。面對大數據時代的趨勢潮流，學會既然無從抗拒，就積極響應，以共享大數據帶來的潛在效益。

3）以職能部門提供整體IT支撐方式向嵌入業務流程實時數據的分散能力支撐方式轉變。這種轉變趨勢又稱IT支撐“消費化”趨勢。在大數據時代，數據從支撐企業中高層運營管理決策普及到支撐企業的產品運營、市場運營、客戶服務，甚至在智能管道運營全流程中涉及從企業中高層運營管理人員到基層生產執行人員，很明顯，這種數據獲取和分析能力如果集中在IT職能部門，而不是全體人員均結合自身業務需求而具備的話，大數據分析驅動的各項運營管理應用即成為不可能的任務。

四、結語 從電腦技術的演進來說，“大數據”是既資料探勘、云端計算之后一項革命性的趨勢發展。龐大的數據資源迫使各個領域的運作造成量化的質變，目前全世界無論是學術界、企業界、產業界甚至是政府單位都在積極研究大數據分析。在這種背景下，電信行業也結合自身特征，進行相關的研究與應用，奔跑在大數據鋪就的陽關大道上，成為激烈競爭中的新贏家。

參考文獻：

[1]黃小剛．電信行業大數據應用的四個方向．業務與運營．2013(6)：26-28 [2]季鴻，張秀鳳，柴林麟．大數據在電信行業的應用展望．通信企業管理．2014(1)：76-77 [3]盧云許．電信行業大數據應用淺析．信息工程系統．2013(12)：29-30 [4]潘海鵬．淺談電信行業大數據的意義與應用．電子世界．2014(3)：21-23 [5]史斌，周雙陽．電信行業如何應用大數據．新引擎．2013（7）：47

第三篇：郵政大數據技術應用可行性分析

郵政大數據技術應用可行性分析

摘 要：隨著當前各行業信息化的發展，郵政行業各類信息化系統積累了海量的業務數據，這些數據分散在不同的業務領域。由于業務的擴展，數據呈現出幾何級地快速增長趨勢，并且明顯表現出數據量龐大、數據類型多樣、價值密度低等特點。傳統的數據分析處理方式已經無法滿足行業需求。通過引入針對大數據的數據采集、數據處理、數據存儲及管理、數據分析與挖掘等技術，可以有效地解決對海量業務數據的分析、價值挖掘問題，進而通過對大數據技術的應用，達到對客戶需求的精準把控、對現有業務流程的優化、對業務發展趨勢的預判等目的，最終實現對整個郵政行業發展的促進效果。

關鍵詞：郵政 大數據 可行性 應用

中圖分類號：TP27 文獻標識碼：A 文章編號：1672-3791（2017）11（b）-0010-02

認識大數據

大數據，又稱巨量資料，指的是所涉及的數據資料量規模巨大到無法通過人腦甚至主流軟件工具，在合理時間內達到擷取、管理、處理、并整理成為幫助企業經營決策更積極目的的資訊。大數據具有如下特點。

1.1 數據量大

一組數據的計量單位轉換比例：1T=1000G、1P=1000T、1E=1000000T、1Z=1000000000T。上述各種單位都是大數據的常用衡量單位。

1.2 類型繁多

大數據包含的不只有普通意義上的結構化數據，還有各種非結構化數據，如音頻、視頻、地理位置、網絡文章等。

1.3 價值密度低

互聯網，尤其是移動互聯網的普及，越來越多的聯網設備參與到數據的生產過程，特別是隨著物聯網的廣泛應用，信息感應收集無處不在。產生的海量數據真正附帶使用價值的只是很少一部分。所以對大數據中有價值數據的篩選過濾是應用大數據的必要環節。

1.4 高速數據處理

既有的技術架構和路線，已經無法高效處理如此海量的數據，而對于相關組織來說，如果投入巨大采集的信息?o法通過及時處理反饋有效信息，那將是得不償失的。大數據技術的典型應用場景

當前，大數據技術迅速發展，正在向各行業滲透，例如銀行業。銀行業本質上就是要面向客戶提供金融服務，通過對數據的分析，可以更準確地把握客戶需求，有針對性地研發金融產品，提供金融服務。一方面面對不同區域，差異化管理。通過分析不同區域人群的差異化數據，量身制定符合各區域需求的管理措施；另一方面，針對不同客戶，實行差別化產品和服務。通過對大數據的分析挖掘，得出客戶喜好，向客戶推薦符合其個人喜好的金融產品，實現精準營銷。大數據技術在郵政行業的應用

郵政業務結合使用大數據技術的與銀行業相比，郵政行業業務類別較多，涉及到寄遞、電商、金融等三個方向。各業務方向當前獨立運營，雖然也積累了大量的數據，但這些數據卻只是單獨分布在各自領域，還有很大一部分潛在價值未被發掘。

3.1 成立針對大數據應用的機構

很多現代企業都成立了自己的大數據應用方面的組織機構，專門負責企業大數據應用的開發，旨在提升自身的企業競爭力。對郵政企業而言，同樣具備建立相應研究機構的條件。首先，郵政企業積累了海量的數據資源，亟待利用。其次，郵政多年來的信息化建設以及深入的業務應用模式，對業務數據的深入應用方面積累了豐富的經驗。最后，郵政龐大的機構人員隊伍中儲備了大量的數據應用技術、信息應用技術、業務經營分析、統計學等方面的專業人才。

3.2 規范數據標準，提升數據質量

3.2.1 梳理數據來源渠道，規范數據準入標準

郵政企業內部業務種類繁多，相應的業務信息化系統也較多，產生的業務數據模式也各有差異。在此類數據上應用大數據技術，必須對數據的產生渠道進行規范化梳理，尤其是對組織機構、客戶信息、地理位置信息等核心基礎信息的采集，必須要求按照統一的格式規范進行。

3.2.2 夯實原有數據質量，拓展數據來源

郵政現有各類應用系統產生的數據業務完整性差、業務相關性較差，各個業務系統之間數據可借鑒性較差，需要就上述問題從技術層面、管理層面進行完善和加強。同時增多數據來源渠道，豐富業務數據的種類。

3.3 破除企業內專業壁壘，打造大數據平臺

3.3.1 杜絕信息孤島

郵政行業業務種類豐富，各業務類別之間差異較大，結果導致數據應用時，各業務類別難以突破本專業壁壘，汲取其它專業數據，助力本專業業務發展。信息的孤島化現象比較嚴重。

3.3.2 打造大數據平臺

（1）數據采集。

大數據平臺制定統一的數據采集規范，各專業依據該規范重構自己的業務數據，并推送到大數據平臺，實現各業務數據的格式統一。同時要保證業務數據推送、匯總過程中的安全。

（2）數據存儲。

將各業務方向業務系統數據進行統一管理，數據歸集存儲，以實現節省成本、提高數據利用率、降低機房能耗等目的。按照規則對數據進行分類，同時利用過濾和去重技術，減少數據的存儲總量，并加入標簽，利于數據的檢索。

（3）數據處理。

郵政各業務方向數據自身復雜度較高，數據來源和結構多樣，不同業務流程之間數據交互度高，造成傳統方法難以描述、衡量。相關人員只有通過業務關聯進行語義分析，進而挖掘綜合信息；而專業技術人員需要利用專業手段衡量、處理，并得出所需的數據報表并產出有價值的分析報告。

（4）數據應用。

可以基于大數據平臺構建數據可視化應用系統，根據實際業務需求，定制不同的數據可視化展現方式，為不同業務人員提供個性化的數據分析、趨勢預判可視化展現。

3.4 加強大數據應用，服務企業經營理念

（1）基于客戶行為分析的產品與服務營銷。

整理統計郵政業務中用戶的消費記錄，發掘客戶消費潛力和消費習慣，并制定對應策略進行精準營銷。

（2）基于客戶評價的產品與服務提升。

注重收集整理各業務方面客戶反饋的評價信息，根據評價信息發掘產品、服務中存在的問題，通過修正和完善問題，使產品和服務更加符合用戶需求。

（3）基于數據分析的廣告投放，加大營銷宣傳效果。

基于數據分析結果進行廣告投放，避免毫無依據的盲目投放。

（4）基于數據分析的產品定價。

綜合參考同類產品定價數據，并實時統計價格走勢，通過大數據技術實現價格走勢預判，為產品定價提供預判依據。

（5）基于客戶異常行為的客戶流失預測。

收集整理客戶行為數據時，重視異常情況的發現與形成原因分析。深入了解底層需求，掌握市場動態，并做出準確的市場預測，預算出客戶流失帶來的收益損失，及時反饋市場經營部門，以便制定可行的應對措施，降低風險，預估風險。

（6）基于環境數據的外部形勢分析。

對于企業外部的數據信息加強收集與整理，全面掌握社會市場動態，了解市場發展走勢，正確估計市場形勢。做好企業相應的分析與預警。

（7）企業管理數據的應用分析。

做好企業經營生產大數據應用的同時，也要對管理數據進行采集與整理，包括財務管理、人事管理等數據信息等方面。結語

總而言之，郵政正處在集約化、信息化、標準化、現代化進程中，對大數據的分析、挖掘對于企業管理體制優化，精準把握市場機會，實現產業轉型和升級，實現科學的良性的可持續發展具有重要意義。

參考文獻

[1] 谷斌.論大數據背景下的郵政數據分析與整合[J].郵政研究，2014（6）：10-12.[2] 趙國棟.大數據時代的歷史機遇-產業變革與數據科學[J].中國科技信息，2013（19）：100-101.[3]（英）維克托?邁爾-舍恩伯格，肯尼思?庫克耶.大數據時代：生活、工作與思維的大變革[M].浙江人民出版社，2012.

第四篇：店鋪運營數據分析及應用(講稿)

第一頁：為PPT內容標題，善融商務系列課程之網店運營數據分析及簡單應用。

第二頁：引言部分，對于店鋪來說數據分析有什么用呢？如果網站是為了流量而活的話，那么數據分析的終極意義就是監控流量、吸引流量、保留流量。第三頁：為目錄部分，本教程分為四個部分； 1．為什么要做數據分析2.有哪些數據需要分析3.如何去做好數據分析 4.數據分析的簡單應用

第四頁：第一部分為什么要做數據分析。包括監控流量、吸引流量、保留流量三塊內容。首先監控流量要及時掌握店鋪運營實況，IP訪問量與IPV單客頁面訪問量。

第五頁：其次監控流量包括監測店鋪數據變化，進行調整，IP訪問量—調整標題關鍵詞，產品圖片，策劃促銷活動，價格策略等。單客頁面訪問量，調整頁面設計，產品線策略等。

第六頁：最后監控流量應該及時監測調整結果，進一步優化，評估促銷活動效果，根據市場變化，隨時修正標題關鍵詞等內容。

第七頁：下面是為什么要做數據分析的吸引流量部分；吸引流量的第一塊內容為通過店鋪流量統計工具，查看分析店鋪的訪問高峰時段、分析訪客來源等相關數據，查看商品成交訂單最多的時段流量，及時調整商品上下架時間。

第八頁：吸引流量的第二塊內容為根據數據分析得出有效關鍵詞，在商品標題中多使用有效關鍵詞增加商品被搜索到的幾率！

第九頁：吸引流量的第三塊內容為根據數據分析，發現最近被點擊次數多的產品，將一些熱賣、爆款等推薦商品加入櫥窗推薦列表，增強商品曝光率。第十頁：吸引流量的最后一塊內容為：積極參加善融商務的營銷活動，限時搶購、團購、專題活動等通過以上四種方法達到吸引流量的目的。

第十一頁：下面是為什么要做數據分析的保留流量部分，第一塊內容為店鋪里上傳大量的新產品，增加產品數量，將直接拉升店鋪曝光，增加產品與店鋪再次被用戶訪問到的概率。

第十二頁：保留流量的第二塊內容為檢查店鋪裝修質量，提高買家用戶體驗，讓買家記住我們的商鋪。第十三頁：保留流量的第三塊內容為提高售后服務質量，讓買家有更好的用戶體驗，提升回購率。第十四頁：保留流量的第四塊內容為使用平臺各種收券功能，在買家消費的同時贈送買家本店的優惠券，旨在提高買家的返購率。第十五頁：保留流量的最后一塊內容為關聯銷售，通過找到該商品同時也可以關聯到其他商品，也可以在商品詳情描述里，添加其他商品進行組合銷售。進行聯動式營銷，讓買家在我們的店鋪內長時間停留。第十六頁：以上為我們為什么做數據分析部分，下面我們來了解下善融商務平臺有哪些數據可以進行分析呢。這里我們分為個人商城與企業商城兩個部分，先講個人商城，個人商城這里有六個數據值得分析，1.1.店鋪流量數據統計，1.2.店鋪交易數據統計，1.3.店鋪訪客地區統計.1.4.店鋪訪客來源統計1.5商品數據統計.1.6.好評率

第十七頁：講解通過登陸個人商城后臺-點擊”運營管理”查看店鋪流量數據統計,這里可以選擇不同的時間段查看訪問的獨立IP數量.第十八頁：講解通過登陸個人商城后臺-點擊”運營管理”查看店鋪交易數據統計,這里可以查看不同時間段產生的交流筆數與訂單量.第十九頁：

第二十頁：講解通過登陸個人商城后臺-點擊”運營管理”查看訪客地區統計,這里可以查看不同時間段,來訪的不同地域的IP地址。

第二十頁：講解通過登陸個人商城后臺-點擊”運營管理”查看店鋪訪客來源統計,這里可以查看不同時間段，來源地址的url與數量。

第二十一頁:講解通過登陸個人商城后臺-點擊”運營管理”查看商品數據統計。通過這里可以查詢，不同時間段，銷售商品的編號，數量，以及訪客瀏覽該商品的瀏覽數量。.第二十二頁: 講解通過登陸個人商城后臺-點擊”交易管理”評價管理。通過這里可以查詢，賣家會員的動態平分與星級等級，在不同時段，獲得的評價記錄。第二十三頁: 以上主要介紹的是個人商城的相關后臺數據統計，那么企業商城有哪些數據流量可以進行分析呢？

這里主要介紹以下幾種，2.1銷售數據分析 2.2 流量數據分析 2.3 客戶數據分析 2.4 好評率

第二十四頁: 講解通過登陸企業商城后臺-點擊”供應商服務”-銷售數據分析-基本銷售屬性。通過這里可以查詢，不同時間段，店鋪訪客數，成交用戶數、成交商品數量。

第二十五頁: 講解通過登陸企業商城后臺-點擊”供應商服務”-基本流量數據分析。通過這里可以查詢，不同時間段，店鋪訪問獨立ip數量。第二十六頁: 講解通過登陸企業商城后臺-點擊”供應商服務”-流量數據分析-空間首頁流量分析。通過這里可以查詢，不同時間段，店鋪首頁被訪問獨立ip數量，流量數據，訪客數量，頁面停留的時間。第二十七頁: 講解通過登陸企業商城后臺-點擊”供應商服務”-流量數據分析-商品頁面流量分析。通過這里可以查詢，不同時間段，某個商品頁面被訪問量，訪客數量，成交用戶數量，平均查看時間，平均查看人次，平均入店人次。

第二十八頁:講解通過登陸企業商城后臺-點擊”供應商服務”-客戶數據分析-數據指標分析。通過這里可以查詢，不同時間段，某個省或者地區的瀏覽量，訪客數，地區訪問趨勢。

第二十九頁: 講解通過登陸企業商城后臺-點擊”信用管理”-評價管理。通過這里可以查詢，賣家會員的交易總體滿意度，星級，在不同時段，獲得的評價數量。

第三十頁: 上面一章我們介紹了善融商務有哪些數據可以進行分析，下面我們來分享如何去做好數據分析的內容。首先要做好數據分析的第一點為熟悉行業業務及流程，關注行業最新動態。若脫離行業認知和業務背景，分析的結果只會是脫了線的風箏，沒有太大的實用價值。

第三十一頁: 第二點是要有明確的分析目的。不要為了分析而去分析！數據分析的前提是要有明確的目的，要知道自己進行數據分析是為了什么。

第三十二頁: 第三點營銷、管理等理論是數據分析的指導思想，使分析思路系統化。例如4P理論[4P營銷理論被歸結為四個基本策略的組合，即產品（Product）、價格（Price）、渠道（Place）、促銷（Promotion），由于這四個詞的英文字頭都是P，再加上策略（Strategy），所以簡稱為“4P’s”]等，從哪幾個維度去分析？考慮哪幾個方面？故而使數據分析變得有血有肉有脈絡，真正做到理論指導實踐 第三十三頁: 第四點為掌握有效數據分析辦法，了解數據分析流程，掌握數據分析基本原理與方法，并靈活運用到實踐工作中，不論簡單還是復雜的分析方法，只要能解決問題的方法就是好方法；

第三十四頁:第五點熟練使用數據分析工具，建議先玩轉EXCEL數據透視表，有興趣、時間、需要的話，再學習SPSS、SAS等統計分析工具，同樣，只要能解決問題的工具就是好工具；做到以上五點要求，我們的數據分析就能達到要求標準。

第三十五頁：以上為如何進行數據分析部分，下面我們來分享最后一部分內容，數據分析的簡單應用。首先我們來關注相關與業績的三個關鍵數據，主要為 UV（包括訪問人數 訪問來源 性別，年齡，地域 頻次 訪問時間 購買時間），轉換率（包括網站轉化率 回訪者比率 積極訪問者比率 忠實訪問者比率 營銷工具的使用 商品管理及組合），單客價（包括投資回報率平均訂貨額，客單價，價格區間，產品定價，筆單價），最后銷量業績算法等于UV+轉換率+單客價。

第三十六頁：其次為關鍵數據的計算公式

1、網站轉換率 Take Rates(Conversions Rates)計算公式：網站轉換率＝進行了相應的動作的訪問量／總訪問量

指標意義：衡量網站內容對訪問者的吸引程度以及網站的宣傳效果

第三十七頁:

2、回訪者比率 Repeat Visitor Share 計算公式：回訪者比率＝回訪者數／獨立訪問者數 指標意義：衡量網站內容對訪問者的吸引程度和網站的實用性，你的網站是否有令人感興趣的內容使訪問者再次回到你的網站。第三十八頁：

3、積極訪問者比率 Heavy User Share 計算公式：積極用戶比率＝訪問超過N頁的用戶／總的訪問數

指標意義：衡量有多少訪問者是對網站的內容高度的興趣

第三十九頁：

4、忠實訪問者比率 Committed Visitor Share 計算公式：訪問時間在N分鐘以上的用戶數／總用戶數

指標意義：和積極訪問者比率的意義相同，只是使用停留的時間取代瀏覽頁數，取決于網站的目標，你可以使用兩個中的一個或結合使用。

第四十頁：最后是其它關鍵數據計算公式：包括 1投資回報率 Return on Investment(ROI)計算公式： 投資回報率＝每筆產出(CON)/每筆訂單成本(CPO)指標意義： 用來衡量你的廣告的投資回報

2每筆產出 Contribution per Order(CON)計算公式：每筆產出＝（平均訂貨數Ｘ平均邊際收益）－每筆訂單成本

指標意義：每筆訂單給你帶來的現金增加凈值

3單筆訂單成本 Cost per Order(CPO)計算公式：單筆訂單成本＝總的市場營銷開支／總訂貨數

指標意義：衡量平均的訂貨成本

第四十一頁：今天關于善融商務數據分析及簡單應用的分享就到此為止，善融商務，與您同行，謝謝！

第五篇：第五部分稅收數據分析應用.

第五部分 稅收數據分析應用 第六章 稅收數據質量管理

數據是現代管理的靈魂,是進行科學管理、分析、決策的基礎。隨著稅收管理科學化、精細化、信息化的不斷深入,稅收征管、納稅 評估、稅收分析等各項工作對數據質量提出了新要求。數據質量不僅 是稅收執法質量和稅收征管質量的具體體現, 還成為保障稅收數據分 析的基礎, 數據質量管理工作不到位必然影響稅收工作的質量, 而由 于數據的不真實、不準確、不完整、不一致所帶來的數據質量問題也 成為制約數據分析應用的瓶頸。

第一節 數據質量的概念和特點 1.1 數據質量的概念

狹義來說, 數據是進行各種統計、計算、科學研究或技術設計等 所依據的數值。而本章要討論的是在稅收征管信息系統中定義的各種 類型數據, 除了可用于計算的數值型數據外, 也包含以字符表示的文 本和非結構化的圖像數據。以納稅人登記資料為例, 涉及到的基本情 況包括名稱、地址、注冊資本、營業執照電子掃描件等,其中注冊資 本是數值型數據,而名稱、地址就是字符型數據,營業執照電子掃描 件就是圖像數據。

數據本身并不存在真假、質量高低的問題, 而將其置于一定的關 聯關系和生存環境, 賦予一定的條件和意思表達, 則就要求數據能準 確展示對事物的數字維度。所以說,數據質量是基于事物事實,能準 確表示事物的數字語言,對其數字真實性、完整性、自洽性的量度。

真實性即真實反映事物本來面目, 完整性是說數據是充分的, 任何有 關操作的數據都沒有被遺漏, 自洽性即數據并不是孤立存在的, 數據 之間往往存在著各種各樣的約束,這種約束描述了數據的關聯關系, 數據必須能夠滿足這種數據之間的關聯關系, 而不能夠相互矛盾。數 據的真實性、完備性、自洽性是數據本身應具有的屬性,稱為數據的 絕對質量,是保證數據質量的基礎。

聯系稅務管理的實際, 稅收數據質量還具有其特殊性。它是指在 稅務管理活動中采集的與稅收征收管理相關的各種數據的標準量度, 是信息化條件下展示稅收成果的重要數據源。

目前, 在稅收綜合征管軟件中稅收數據質量主要內容是, 納稅人 登記信息數據質量 ,即對涉及納稅人稅務登記各項內容的數據質量, 直接體現納稅人的概況, 該類數據只有真假問題, 而無數據質量高低 的量度;納稅人稅務鑒定信息數據質量 , 即對納稅人登記信息聯系稅 法規定, 對納稅人涉及稅種、稅目、納稅期限、納稅方式、稅收優惠、發票管理、資格認定等各方面的鑒定和確認, 該類數據質量關系納稅 人是否按稅法要求納稅和管理;納稅人動態信息數據質量 , 主要涉及 納稅人在日常稅收管理中的各稅種申報數據、財務報表數據、發票使 用情況數據、稅務行政處理及稅務處理數據及涉及納稅人的外部動態 數據,該類數據質量需要通過日常管理、評估、檢查、稽查等程序進 行確認;稅務內部人員操作權限設置數據質量 , 即在稅收綜合征管軟 件中對稅務執法操作人員的身份、操作權限等方面的按職務和執法程 序要求鑒定設置的數據質量。

1.2 稅收數據質量的重要意義

稅收數據質量對于實現稅收征管的科學化和精細化有著重要的 意義,這主要表現在三個方面: 數據質量是稅收信息系統平穩運行的保證

以省、市級為中心的稅收數據集中處理模式, 提高了數據的集中、共享程度,這是以數據質量為基礎的。如果數據不準確,采集的原始 數據是垃圾數據, 集中、共享后所能發揮的作用遠遠小于其所造成的 危害。CTAIS 將稅務登記、發票管理、待批文書、申報征收、稽查管 理等環節融為一體, 各環節銜接緊密, 無論其中哪一個環節數據出了 問題,都會對其他環節造成影響。

數據質量是稅收執法質量和稅收征管質量的體現

數據質量是執法過程和質量的有效反映。只有嚴格規范執法, 才 會有高質量的數據。通過數據質量監控可以及時發現和分析稅收執法 中存在的問題, 對于規范稅收執法行為, 推進依法治稅具有積極的促 進作用。

數據質量是稅收征管結果的具體體現。通過對數據質量評估, 我 們可以及時發現征管工作中的薄弱環節, 有針對性地制定措施, 完善 管理,夯實征管基礎,提高征管質量。

數據質量是稅收數據分析的基礎

進行數據分析必須要有高質量的數據作為保障, 真實、完整、準 確的數據可以客觀的反映稅收工作現狀, 特別是有深度的數據分析能 夠揭示稅收工作的規律和趨勢, 為領導決策提供有價值的參考。而基 于錯誤的原始數據的數據分析不可能得出正確的分析結果, 甚至會誤 導分析結果,影響我們的判斷,造成南轅北轍。

1.3 稅收數據質量管理原則

稅收數據質量的管理,應把握好以下幾點原則。

應用 TQM 原則, 全面質量管理(Total Quality Management , TQM 的核心在于一是以充分滿足顧客需求為最終目標;二是由事后檢查變 為事前預防、事中控制,防檢結合,全程控制;三是全員參與。應用 到稅收數據質量管理即要:做好采集關,搞好錄入關,把好審核關, 用好校驗關,過好整改關。

信息技術保證原則, 信息技術的保證為數據質量提供強力支撐, 友好的用戶界面減少錄入差錯, 應用強大的軟件工具減少冗余數據和 消除數據雜音, 創建數據詞典和數據倉庫以減少數據檢索和數據維護 工作量。

制度管理原則, 在稅務系統上下建立起完善的數據負責制度, 并與部門個人的績效和獎懲掛鉤, 在一定條件下可以成立專門的組織 和機構負責數據質量管理工作。

流程控制原則, 制定稅收綜合征管軟件操作的工作流程系統, 按照法律權限規定、稅收執法要求、稅務管理內部控制需要進行設計, 以保證在稅務系統操作流程過程中進行控制數據質量。

第二節 數據質量的校驗

數據產生的全過程中,對數據質量的要求也是全過程的,其中, 數據質量校驗是核心, 唯有有效的數據質量校驗方能提高數據的應用 效率。由于稅務部門數據來源和管理的需要, 數據質量校驗是一個多 種方法并用的綜合性工作。

人工審核校驗。該種方法主要是應用于稅務數據采集、錄入、整改階段,適用對象就是納稅人個性化的信息,如企業名稱、地址、電話、銀行賬號等基礎數據,此類數據無法通過關聯分析得出真假, 只有通過人工審核校驗得出質量結果。通過人工審核校驗能保證數據 質量在第一時間的準確, 這需要錄入人員、審核人員高度的責任心和 敬業精神方能達到。

業務指標判斷。主要是應用稅法規定的數據內在規律以及納稅 人提供數據間的關聯關系, 在不同數據源間運用業務指標進行判斷數 據質量。如納稅人登記的從業人數可與所得稅申報中的工資列支、保 險支出等進行指標判斷, 稅種鑒定的有效期可與納稅人登記日期、稅 種開征日期進行關聯比較,稅款開具日期、上解日期、入庫日期的邏 輯校驗等。在這方面我省合肥市、淮南市、宿州市等均建有數據質量 查詢平臺,將業務指標固化,由計算機產生疑點數據質量問題。外部數據交互。稅務部門內部數據單一,必須充分運用外部數 據關聯分析來強化稅收征管, 提高稅務管理本身的數據質量。如與工 商、地稅、技術監督、統計、銀行、社保基金管理、醫保中心、車輛 管理等部門交換數據來驗證納稅人登記等稅務管理信息的準確。檢查數據反饋。稅務檢查是稅務管理的重要手段,有日常巡查、涉稅事項調查、稅務稽查等多種形式, 這些檢查會產生大量的第一手 真實數據,不僅有納稅人基礎信息數據,還有其動態變化數據,將這 些數據與既有系統內數據進行校驗, 提高數據質量。同時通過檢查發 現的稅務管理中的漏洞,為我們征管程序設計、操作人員權限設置、執法人員規范的數據質量提供有益補充。

第三節 綜合征管軟件數據質量監控 稅收綜合征管軟件的數據質量是我們信息化下稅務管理的核心，通過多方面的數據校驗、數據審核和數據管理，提高各類數據的質量，確保基礎數據真實可靠，動態數據逼近準確，將為稅收分析、稅源管 理、納稅評估提供強有力的數據保障。