HI,欢迎来到好期刊网!

数据分析方向

时间:2024-02-18 16:05:14

导语:在数据分析方向的撰写旅程中,学习并吸收他人佳作的精髓是一条宝贵的路径,好期刊汇集了九篇优秀范文,愿这些内容能够启发您的创作灵感,引领您探索更多的创作可能。

数据分析方向

第1篇

关键词 飞机抖振;响应数据;处理分析;方法讨论

中图分类号V2 文献标识码 A 文章编号 1674-6708(2014)123-0164-02

当飞机处于某种特殊气动弹性耦合效应下的时候,就会出现抖振的随机振动现象,如果战斗机处于大攻角飞行姿态,通常需要承载一定量的抖振载荷,这会直接导致飞机内部部件的疲劳损伤,使得飞机发生飞行安全事故的概率大大增加,在目前的处理方式中,主要是在飞机制造之后,如果发现存在抖振问题,会对设计进行适当的修改,或者是采取抑制减缓措施,这会导致耗费大量的时间与经费,在飞机的研发周期中采取有效的措施减少其抖振问题非常的必要,这就需要在飞机设计、风洞模型试验、飞机试飞几个阶段做好抖振响应数据的处理工作,本文就主要对此予以简单分析探讨。

1 抖振响应数据的预处理工作

飞机在发生抖振时,其会产生抖振响应数据,对这些数据在处理的时候,为了防止发生静态响应影响数据处理的结果,需要对飞机各种飞行状态下的抖振响应数据进行去除均值的预处理,一般情况下,为了方便叙述,会将飞机不同飞行状态下的数据依据时间顺序依次进行存放,其中一个飞行状态之下的抖振响应数据称作数据仓,选随机选择一个飞行姿态喜爱的抖振响应数据仓,根据合理的时间间隔,将数据仓内的数据进行划分,可以分为多个子数据块,然后逐一进行编号,表示为:1,2,…,N,应用这种方法获取的数据块中包含n个数据点,为了使分辨率得到保证,临近的子数据块之间相互重叠的部分应该达到百分之五十以上。

首先对子数据块内的数据进行预处理,并简单进行分析,形成第i个子数据模块响应数据序列,即:yi1,yi2,…,yin,i=1,2,…,N,n表示的含义是:数据点的数量。然后对第i个子数据块中的数据平均方根值进行计算,将其表示为:RMSi(i=1,2,…,N),其计算公式如下式所示:

之所以要对其均方根值进行计算,主要是为了进行响应数据的无量纲化处理,对于定位样本的关键状态具有积极的作用。然后要对第i个子数据块的一组峰值进行搜索,并要获得第i个子数据块中第j个峰值与该子数据模块RMSi的比值,实现统计量的无量纲化。

其次对其给定飞行状态的样本数据预处理进行简单分析,其预处理流程主要表现为:(1)形成数据仓的RMS序列;(2)对数据仓中各个子数据块的RMS值的均方根进行计算,记做RSS;(3)获得给定飞行状态下第i个子数据块的RMSi与RSS的比值,实现其统计量的无量纲化。

2 子数据模块的数据统计方法

首先分析子数据块统计量的概率模型,由机抖动响应具有一定的随机性,尤其是具有明显的分散性,所以在对其响应数据进行处理的过程中,采用适当的统计学方法建立模型,在上文数据处理方法的基础上,建立概率分布表模型。因为得到的子数据块的时间很短,可以假设其中的数据来自于同一个总体,并且能够保持相互独立,那么可以选择总体Zi的样本为:Zi1,Zi2,…,Zin,在抖振响应峰值特性的概率分布模型的描述中,常用的有:Gumbel分布与威布尔分布,应用威尔分布对第i个子数据块Zi进行假设,那么其概率密度可以用下式来进行表示:

其中,f(Zi)表示的含义是:Zi的概率密度函数,Gi表示的含义是:威尔分布的大小尺度因子;Bi表示的含义是:威尔分布的形状因子。那么可以将其概率分布函数表示为:

其次,简单分析子数据模块统计学量分布参数,本次研究中,对于其分布参数估计应用最大似然估计,建立起威布尔分布的似然函数,并应用相关的参数估计方法,得到其简化之后的威布尔似然函数值为:

然后对似然函数取对数,并应用迭代法对相关数值进行求解,就能够得到最大似然参数估计量的值。

最后应用χ2拟合检验法来对子数据块中数据是否符合威布尔分布进行检验,根据上文中的样本观察值及最大似然参数等,来对总体分布假设进行检验。

3 数据仓RMS值的分布统计方法

为了分析给定飞行状态下的数据仓分布规律,依据上文研究的结果,进一步进行研究,在编制飞机抖振疲劳谱的时候,要得到对应的飞行状态,以此为基础获取疲劳荷载值及疲劳寿命,最后校核飞机抖振强度,在此过程中,还需要找到飞机的关键状态,尤其是其运行过程中的极限状态,在给定的飞行状态下,对其数据仓RMS分布进行分析主要是为了确对几个关键的RMS水平进行确定,并在相应的子数据模块中对其进行定位,再结合其响应模型进行响应分布的分析,这能够保证其很好的满足后续工作的需求,通过对给定飞行状态下数据仓RMS值分布进行统计分析,再结合飞机抖振应用背景及以往的工程实践经验,可以对其相应数据应用经验步进函数来进行描述,就能够很好的满足抖振寿命估计、抖振疲劳谱编制、抖振强度校核等工作要求,这对机抖振响应数据分析处理质量及工作效率的提升都具有非常重要的作用。

4 结论

飞机抖振响应数据具有随机分布的特点,并且具有鲜明的分散性,在对其进行处理时具有较大难度,飞机长期处于抖振载荷之下,会对其部件产生较大影响,容易导致安全事故的发生,本文就结合其抖振响应数据的实际特点,提出了一种统计模型分析法,并对其分析方法中的关键步骤进行了简单分析,对机抖振响应数据的处理分析具有一定的参考作用。

参考文献

第2篇

关键词:自动站;异常数据;处理方法

中图分类号 P415.12 文献标识码 A 文章编号 1007-7731(2017)07-0156-03

Abstract:Aiming at meteorological station with new automatic station and original station,when the meteorological data is abnormal or shortage,the data processing methods were summarized in order to play a guiding role in the daily work of the station.

Key words:Automatic station;Abnormal data;Processing method

随着地面气象观测自动化业务的不断发展,新型自动站在山东省气象台站陆续安装使用,与台站已运行的老自动站实现双轨运行,使观测业务更趋向于全自动化。临沂市观测站于2015年12月1日正式运行DZZ4新型自动站和ISOS地面气象综合业务系统软件,实现了以新型自动站(DZZ4型)为主,老自动站(CAWS600-B型)为备份的双轨运行方式。自动观测项目有气温、相对湿度、气压、风向风速、降水、0~360cm地温、能见度等,气温、相对湿度、气压、风向风速、地温等各观测要素人工观测仪器已按规定撤除,在新型站仪器故障或数据异常时,可以用备份站数据代替。

1 异常数据的判断

日常观测值班时,应每1h查看自动站数据,并与备份自动站观测数据进行对比,当发现某要素数据相差较大时,应及时检查数据是否有异常。也可以查看SMO软件采集界面观测要素的连续曲线图,判断分钟数据是否正常。在采集界面各要素的显示数据右边,有曲线图标,分别点击就可以看到对应数据的2h内变化曲线,据此可以判断数据变化是否正常连续。还可通过ASOM系统判断异常数据。登陆综合气象观测系统运行监控平台,点击运行监控-数据监控-多站单要素曲线图,选择需要对比台站的时间范围、添加需要对比的台站,再选择对比的要素,点击查询即可弹出对比台站所选要素的曲线图,如果各台站曲线图变化一致,说明数据正常,如果本站曲线明显偏高或偏低,或曲线有明显的急升急降现象,则判断为异常数据。

2 异常记录处理原则[1]

(1)白天正点记录异常时,3次定时观测时次(指08:00、14:00、20:00)的记录应及时处理,其他正点时次的记录应在下一定时观测前完成修改、上传。夜间正点记录异常时,应在当日10:00前完成修改上传。若夜间异常数据影响到08:00、09:00记录,应在10:00前对08:00、09:00相应记录进行修改上传。

(2)已实现自动观测的气温、相对湿度、风向、风速、气压、地温记录异常时,正点时次的记录按照正点前10min内(51-00分)接近正点的正常记录、正点后10min内(01~10分)接近正点的正常记录、备份自动站记录、内插记录的顺序代替。其中风向风速异常时均不能内插,瞬时风向、风速异常时按缺测处理。

(3)o自动记录可代替时,仅在定时观测时次正点后10min内,对气温、相对湿度、风向、风速、气压、降水、能见度、地温(草温除外)进行人工补测,其他时次按缺测处理。若某要素人工观测仪器已按规定撤除或超过正点后10min,则该要素不再人工补测。

(4)分钟数据异常时均缺测处理,不内插,不用备份自动站记录代替。因分钟数据异常造成加密数据文件错误时,加密数据文件不做订正处理。

(5)连续2个或以上时次数据缺测时,不能内插,仍按缺测处理。内插可以跨日界。

(6)自动站每1h正点数据与分钟数据不一致时,一般维持原记录。若确认正点数据有误,可用该正点的分钟数据代替,若确认正点的分钟数据有误,可用正点值代替。

(7)4次平均值和24次平均值可以互相代替。

(8)自动站降水量、日照时值有缺测时,日总量按缺测处理。

(9)各异常记录的处理情况应在备注栏注明,并在MDOS系统平台中填报。

3 具体要素异常的处理

3.1 气温和相对湿度 (1)气温缺测相对湿度正常时,水汽压和露点温度用前/后10min、备份站代替或内插求得的代替后气温与自动站相对湿度进行反查求得。(2)自动站相对湿度缺测而气温正常,需用自动站气温与代替后的相对湿度进行反查求得水汽压和露点温度。(3)气温与湿度均缺测时,用前/后10min数据或备份站数据或内插记录的顺序代替气温、相对湿度,并反查水汽压、露点温度,不能代替时,均按缺测处理。以上数据用前/后10min数据代替时,在正点观测编报界面,点击观测时间下面的“代缺”,出现“正点前/后10min自动观测数据”,如图1,双击需要代替的气温或相对湿度分钟数据栏,点替换即可。用备份站数据或内插记录代替时,在正点观测编报界面,输入备份站正点数据或内插记录即可,替换或修改后的数据栏显示为黄色。需要反查水汽压和露点温度时,可利用地面观测业务软件(MOI)工具菜单中的“要素计算”,在干球温度数据栏输入温度值,在湿球温度数据栏输入加U的湿度数据,点击计算按钮,即可求得对应的水汽压和露点温度。

3.2 风向风速 正点2min和10min风向风速缺测时分别用相应的2min和10min数据代替,不能互相代。用正点前/后10min接近正点的数据代替,其前推的相应时段内必须有正确数据[2]。否则用备份站数据代替。如:某日09:00的2min风速数据缺测,用08:57的2min数据代时,08:56和08:57都必须有正常分钟数据。10min数据缺测,用08:57的10min数据代时,08:48―08:57必须有正常的分钟数据。正点瞬时风向风速异常时按缺测处理,不能用备份站数据代替。所有风数据缺测不能代替时,人工观测仪器已撤除的台站需目测2min风向风速,风向按8个方位估计,其他风数据按缺测处理。风速记录缺测但有风向时,风向也按缺测处理,有风速无风向时,则风速照记,风向记缺测。

3.3 气压 正点气压数据不正常时,用前/后10min数据代替,其操作方法与气温相同。用备份站记录代替,2个气压传感器感应部分高度一致,可以直接输入代替,2个气压传感器感应部分高度不一致,用高度差订正公式将代替的本站气压订正到现用自动站气压传感器高度上来,输入到气压数据栏,再以此计算海平面气压[3]。

3.4 降水量 夏季非结冰期使用翻斗雨量传感器作为降水量采集仪器,称重式雨量传感器、备份自动站翻斗式雨量传感器作为备份仪器。冬季结冰期使用称重式雨量传感器测量降水,翻斗雨量传感器和备份站翻斗仪器停用。降水量记录异常时,非结冰期,用称重式雨量传感器、备份自动站翻斗式雨量传感器顺序代替,结冰期则用人工观测雨量筒记录代替。定时观测时次,在正点观测编报界面,点击“降水量替代”按钮,出现小时降水量、翻斗降水量和称重降水量数据,如图2,非结冰期小时降水量取自翻斗降水量,翻斗降水量数据异常时双击需要代替的称重降水量数据,点保存即可代替。用备份站降水量代替时,将备份站小时降水量数据输入到定时降水栏即可。结冰期用人工定时观测雨量数据代替时,在正点观测编报界面,点击小时降水量后面的“修改”按钮,出现小时内分钟降水量界面,如图3,将故障时段内的小时、分钟雨量删除按缺测处理,然后在6h降水栏(08:00正点在12h降水栏)输入人工定时观测降水数据。出现微量降水时,正点观测编报时次08:00在12h降水栏内输入00,14:00和20:00在6h降水栏输00。

降水量记录异常的其他情况:(1)无降水现象,因其他原因(昆虫、风、沙尘、树叶、人工调试等)或自动站故障造成多余记录时,在正点观测编报界面,点击小时降水量后面的“修改”按钮(图3),删除该时段内的分钟和小时降水量,并在值班日记中说明。(2)降水现象停止后,仍有降水量,若能判断为滞后(滞后时间不超过2h),可将该量累加到降水停止的那分钟和小时时段内,否则将该量删除。夜间(20:00―08:00)能够判断为滞后降水的,按前述处理;无法判断的,按正常处理。(3)称重式雨量传感器在降水过程中,伴随有沙尘、树叶等杂物时,按正常降水记录处理,液态降水溢出或固态降水堆至口沿以上,或降水过程中取水,则该时段降水按缺测处理。(4)称重式雨量传感器承水口内沿堆有积雪或雨凇时,应及时清理到收集容器内。由此产生的异常稻荩若能判断降水结束时间的,加入到降水结束的时次,该时次降水时段内的分钟数据按缺测处理;不能判断降水结束时间的,加入到有降水量的最后一个时次,该时次内分钟数据按缺测处理。无降水时,沙尘、树叶等杂物或偶然跳变造成的降水数据应及时删除。以上降水数据的处理均在图3界面内修改删除即可。(5)若因某时段降水数据异常而影响“15时段年最大降水量”及相应的开始时间挑选时,若相应时段的备份自动站降水数据正常,需将备份自动站挑取的“降水量、出现次数和开始时间”替换到现用站的年报表中。

3.5 能见度 能见度缺测时,非定时观测时次的正点数据中所有能见度数据均按缺测处理,定时观测时次进行人工补测。人工观测值存入Z文件CW段能见度和VV段10min平均能见度,其他VV段自动能见度数据按缺测处理,A文件中使用人工观测值,须在备注栏说明。此种情况下,允许能见度记录值与天气现象之间的不匹配。具体操作为在正点观测编报界面,人工观测值(以0.1km为单位,第二位小数舍去)输入到能见度栏,以m为单位输入到10min能见度栏内,其他栏按缺测处理,输“-”。能见度自动记录缺测时不做内插处理,不用正点前后10min接近正点的记录代替。

4 结语

以上是针对新型自动站各要素采集数据异常时,对相应的代替处理方法进行总结介绍,在定时和非定时时次数据缺测时,观测员首先要清楚可以用哪些数据代替,其次是明确数据代替的优先顺序,最后是熟练掌握数据代替的软件操作方法,以便在规定时间内完成操作,及时准确的上传数据。

参考文献

[1]中国气象局综合观测司.地面气象观测业务技术规定(2016版)[S].2016.

[2]王燕,宋佳.自动气象站异常数据的判断及处理方法分析[J].山东气象,2014(4):75-79.

第3篇

随着医疗卫生改革的深入和医学模式的改变,医院的管理已经从"以医疗为中心"转变为"以病人为中心"由于患者的自我保护意识不断增强,护患矛盾日益突出,医疗纠纷频发。严重地影响了医院的整体形象和社会效益。静脉输液是临床治疗手段之一,这就要求护理人员熟练地掌握静脉穿刺的方法,以提高医疗技术水平,使患者尽快得到治疗,但在静脉穿刺中及静脉穿刺后导致局部的淤血,给患者带来疼痛和恐惧心理。为了防止静脉穿刺引起的局部淤血,延长静脉血管的使用寿命,减轻患者的痛苦,保证临床医嘱及时正确地执行,促进患者早日康复。现对到我们服务中心接受静脉穿刺后发生局部淤血的患者进行了认真分析,报道如下。

一、对象与方法

1.对象 :选择2010年1月至2011年11月在我们服务中心接受静脉穿刺后发生局部淤血的200例患者,其中男性84人,女性156人,年龄18至60岁。

2.方法 :对静脉穿刺后发生局部淤血的患者进行原因分析,将淤血外渗分为4种原因;(1)患者因素 指患者输液局部的血管、全身情况等导致淤血;(2)机械因素 指针头的型号、输液的药物浓度、针头固定方式等原因导致的淤血;(3)按压方式因素 指拔针后按压部位错误或按压时间过短等造成的局部淤血;(4)操作因素 指护理人员穿刺操作不规范、血管选择不好、技术差等原因造成的局部淤血。

二、结果

静脉穿刺后发生局部淤血的因素分析见表1

表1静脉穿刺后局部淤血的相关因素分析

三、讨论

1.静脉穿刺后发生淤血的相关因素 有表1可以看出患者按压方式不正确是造成静脉局部淤血的主要原因,不正确的方式包括(1)按压时间过短,正常人出凝血时间是3-5分钟,也就是说静脉输液完毕,拔针后必须按压穿刺部位5-10分钟才能止住血,对有一些特殊的血液病等凝血功能障碍者,应再适当延长按压时间。若按压时间不足,则会引起皮下淤血。(2)患者拔针后按压位置不当,静脉穿刺时,针头与皮肤一般成20-250角,由静脉上方或侧方快速刺入皮下,沿静脉方向潜行少许刺入静脉血管,因此,皮肤穿刺点与静脉穿刺点不在同一位置,所以,如果拔针后只按压皮肤穿刺点而没有按住静脉血管穿刺点,也会导致皮下淤血。其次有表1还可以看出护理人员的操作不当也占一小部分因素,由于静脉输液在临床上广泛应用,熟练掌握静脉输液穿刺技术及相关知识尤为重要。护理人员的操作因素主要包括输液穿刺技术不高、操作失误、无法辨认血管位置、穿刺血管或针柄固定不牢导致针头脱出血管外导致皮下淤血;还有选择穿刺点不规范,在同一条血管同一部位短时间内反复多次穿刺,造成血管壁多个针孔渗血导致皮下淤血。

2.预防静脉穿刺后淤血的护理措施 因为临床上由于护理人员操作不规范造成穿刺后淤血较常见,所以,医院要提高护理人员的一次穿刺成功率,使护士的基本操作技术过硬。注意掌握好进针的方法、角度及力度避免穿破血管,同时选好静脉穿刺点。护理人员在临床操作中要保持自身的良好心理状态,注意观察患者的心理变化,多与患者沟通、交流,多关心患者,发现问题及时采取措施,以确保操作的顺利进行。输液结束后指导患者掌握正确的按压方法,穿刺点按压不宜换手。按压力度适中,切忌揉搓针眼周围*,如出现局部淤血应在24小时内局部冷敷,以防血管扩张加重出血,24小时后进行局部热敷,减轻疼痛促进局部皮下淤血的吸收。

第4篇

关键词:奶牛生产性能测定(DHI)技术;非参数统计;产犊季节;产奶性状

中图分类号:S823.9+1 文献标识码:A 文章编号:0439-8114(2014)17-4120-03

Analyzing Effects of Calving Seasons on Dairy Milk Yield with Non-parametric

Statistical Method Based on DHI Data

CHEN Hong-bo1,TANG Zhou2,LIU Xiao-hua3,WU Wei-che2,WANG Ding-fa3,LING Ming-hu3,

HU Xiu-zhong3, CHENG Lei3

(1. Hubei Key Laboratory of Animal Nutrition and Feed Science, Wuhan Polytechnic University, Wuhan 430023, China;

2. Key Lab of Animal Genetics, Breeding, and Reproduction of Ministry of Education, Huazhong Agriculture University, Wuhan 430070, China; 3. Institute of Animal Science and Veterinary Medicine, Wuhan Academy of Agricultural Science, Wuhan 430208, China )

Abstract: Calving season is an important factor affecting the dairy milk yields. With the popularization of the DHI, it becomes an effective tool to improve the levels of farm management and the milk quality. Based on DHI data of several years in a diary farm, effects of the calving season on the diary milk yield were analyzed with non-parametric statistical method. The results showed that the milk production in spring and autumn were obviously high. It will provide a reference for making plans of mating and calving and fully using DHI data.

Key words: DHI; non-parametric statistics; calving season; milk production traits

奶牛的产奶性状易受到各方面因素的影响,其中产犊季节是非常重要的影响因素之一。对于产犊季节对奶牛产奶性状影响的研究报道不多, 研究结果也不尽一致[1-4]。在研究不同产犊季节对奶牛产奶性状的影响时,大多采用的是方差分析方法[2-6],数据进行方差分析前需满足3个基本条件:正态性、方差齐性和可加性。而在实际应用中,要获得能同时满足这3个条件的数据并不容易。在不知道样本数据分布的情况下,主观的假设中总体的分布可能会造成错误。而非参数统计并不涉及总体参数的比较,因此采用非参数统计的方法可能更合理。近年来,随着奶牛生产性能测定(Dairy herd improvement,DHI)技术的推广,DHI已经成为提高奶牛场管理水平和牛奶质量的有效工具[7-9]。虽然从每个月的DHI检测报告中可以看出奶牛场整体牛群和个体奶牛的生产情况,但是如何从奶牛场历年来积累的丰富的DHI数据中挖掘更多有价值的信息是人们很感兴趣的。本研究以武汉某奶牛场近3年的DHI数据为研究对象,利用非参数统计的方法分析产犊季节对奶牛产奶性状的影响,以期为奶牛场科学饲养管理以及综合开发利用DHI数据提供参考。

1 材料与方法

1.1 试验牛群

选择武汉市某奶牛场3~11岁1~9胎的泌乳奶牛,按照奶牛饲养标准采用TMR技术饲喂奶牛。

1.2 试验方法

2010年1月至2012年12月,采样前对乳区进行清洗并消毒,弃掉头3把乳汁,按DHI采样方法收集奶样,早晚分别取24 mL和16 mL乳汁并混合均匀,送至武汉市奶业办公室DHI检测实验室进行检测。

1.3 数据整理

武汉属于北亚热带季风性湿润气候,四季分明。一年中1月平均气温最低;7月和8月平均气温最高。春季和秋季时间短,夏季和冬季时间长。根据武汉当地气象资料,以平均温度为划分指标,将3月15日至5月15日划分为春天;5月16日至9月25日划分为夏天;9月26日至11月20日划分为秋天;11月21日至次年3月14日划分为冬天。

根据季节的划分,对该场牛群连续3年的检测指标包括产犊间隔、泌乳天数、乳脂率、乳蛋白率、脂蛋比、体细胞、体细胞分数、高峰奶、高峰日和总奶量进行了整理,共有4 574条有效数据。数据进行分析前首先进行标准化,以达到统一量纲的目的。

1.4 统计分析

在删除一些高于或低于平均数3倍标准差的极端值之后,用Wilcoxon秩和检验法进行多重比较,所有统计分析在R(Version 3.0.2)上完成。为了更加直观地显示分析结果,利用ECXEL2007对研究结果进行了整理并作图。

2 结果与分析

非参数统计的结果显示不同产犊季节对乳脂率、乳蛋白率、脂蛋比、体细胞分数、泌乳天数、高峰奶和总奶量的影响显著。

从图1中可以看出,春季产犊,牛奶中的乳脂率最高;秋季产犊,牛奶中的乳脂率最低。夏季产犊,牛奶中的乳蛋白率最高;冬季产犊,牛奶中的乳蛋白率最低。夏季产犊,脂蛋比最小;冬季产犊,脂蛋比最高。春季和秋季产犊的奶牛,牛奶中体细胞分数显著低于夏季和冬季。春季产犊,奶牛的泌乳天数最长;秋冬产犊,奶牛的泌乳天数最短(图2)。秋季产犊,高峰奶奶量最高;春季产犊,高峰奶奶量最低(图3)。其中秋季产犊的奶牛,总奶量显著高于冬季和春季产犊的奶牛(图4)。

3 讨论

从本研究结果可以看出,春季产犊的奶牛,牛奶中乳脂率最高,同时乳蛋白率也高于秋季和冬季,体细胞分数最低,从牛奶品质上来讲,春季产犊奶牛的乳品质是最好的。而夏季产犊的奶牛,乳蛋白率虽然高于春季产犊的奶牛,但是两者差异不显著;另外,夏季产犊的奶牛其牛奶中体细胞分数也显著高于其他季节。有报道指出,产犊月份在6、7月时,奶牛隐型炎的发病率最高,产犊月份在4、5月时,奶牛隐型炎的发病率最低[10]。由此可以看出,夏季奶牛隐形炎的发生几率更大。而奶牛感染炎后,乳腺上皮细胞的通透性被破坏。血乳渗透性增加,来源于血液的免疫球蛋白、乳铁蛋白、血清白蛋白等流入乳汁中,使乳蛋白率升高[11]。因此,奶牛隐性炎所导致的乳蛋白含量升高并不是有益的,可以认为夏季牛奶的高蛋白率水平同时伴随体细胞含量显著上升的现象意味着牛奶总的营养水平是下降的。这也从另一方面说明了对于夏季产犊母牛护理的重要性。

秋季产犊的奶牛,乳脂率最低,但是乳蛋白率和体细胞分数与春季产犊的奶牛差异均不显著;同时该季节产犊的奶牛高峰奶和总奶量最高,其总奶量比春季产犊的奶牛高出7%左右。关于产犊季节对产奶量的影响,前人的研究结果不尽一致。吴红岳等[12]在对西宁地区的荷斯坦奶牛研究发现秋季产犊的荷斯坦奶牛的产奶量最高,刘姗等[1]认为夏秋两季产犊奶牛的305 d产奶量高。而冯登侦等[13]的研究结果表明宁夏平吉堡奶牛场荷斯坦奶牛4月份产犊奶牛的305 d产奶量最高,段向阳等[4]和张慧林等[2]的研究认为12月份产犊奶牛的的产奶量最高,其次是春秋两季。这可能与试验牛群所处的具体气候条件有关,因为奶牛产后3~8周是产奶的高峰期,同时也是产奶的黄金时间,只有产奶的黄金阶段在温度适宜的季节中度过,避免高温造成的炎以及热应激,才能不影响奶牛整个泌乳期的产奶量。

综合考虑产奶量和牛奶品质后认为,本试验牛群最佳的产犊季节为春季和秋季。实际工作中一方面要加强春秋季节产犊奶牛的饲养管理,尽量充分发挥其产奶性能;另一方面对夏季产犊的奶牛要做好防暑降温工作,同时可以采取产后提前配种的方式调整其下一个产犊季节,对于冬季产犊的奶牛也可以采取同样的方式将其产犊季节逐步调整至秋季。另外,也可以通过同期处理来统一牛群的产犊季节。

4 结论

本研究通过使用非参数统计的方法,分析产犊季节对奶牛的影响,得出春秋季节产犊时奶牛产奶性能更高。由于非参数统计可以在不知道数据分布的情况下使用,不涉及总体参数的比较,因此在实际应用中比方差分析方法更实用。本研究为科学指导奶牛的实际生产管理和充分挖掘、利用DHI数据提供了重要参考。对实际生产给出的建议是,需要人为对母牛的繁殖周期进行干预和调整,以及做好妊娠期母牛的护理工作,使母牛的产犊尽可能集中在当地比较凉爽的季节,以提高奶牛的产奶性能,提高牛场效益。

参考文献:

[1] 刘 姗,刘念锐,陈佩琪,等.产犊季节和胎次对测定奶牛日泌乳性能的影响[J].中国牛业科学,2013,39(2):27-30.

[2] 张慧林,刘小林,朱建华,等.产犊月份对荷斯坦牛产奶量的影响[J].西北农业学报,2012,21(3):17-21.

[3] 祖里甫努尔・尼亚孜,张 琴,郑宝亮,等.产犊月份对荷斯坦奶牛305天产奶量的影响[J].新疆畜牧业,2009(2):30-31.

[4] 段向阳,郑拉弟,黄 铭,等.产犊月份对新疆北疆地区西门塔尔牛产奶量的影响[J].家畜生态学报,2009(6):76-79.

[5] 廖想想,张美荣,许兆君,等.产犊季节对荷斯坦牛第一胎泌乳性能的影响[J].中国牛业科学,2012,38(1):10-13.

[6] 高腾云,马雪梅.季节和产犊月份对散养奶牛产奶量的影响[J]. 中国农业气象,1994(1):34-35.

[7] 贾玉珍.DHI体系检测与提高奶牛生产性能的应用研究[D].长春:吉林大学,2005.

[8] 高建斌,昝林森,辛亚平.西北农区奶牛遗传改良与DHI测定分析[J].中国农学通报,2011,27(26):1-6.

[9] 陈 龙,王力强,刘彦莎,等.DHI在规模化奶牛场生产管理中的应用[J].中国奶牛,2013(5):52-55.

[10] 甘宗辉,张亚琴,冀德君,等.产犊月份与奶牛隐型炎的发病及产奶量的关系研究[J]. 中国牛业科学,2013,39(1):25-29.

[11] DOSOGNE H, VANGROENWEGHE F, MEHRZAD J.et a1.Differential leukocyte count method for bovine low somatic cell count milk[J]. Journal of Dairy Science, 2003, 86(3):828-834.

第5篇

关键词:大数据 交易平台 数据资源 数据分析服务 融合

1.引言

目前发展大数据产业已经上升为国家战略,大数据的价值也得到了社会的广泛认可。众多研究[1-5]表明,大数据不仅为政府治理开辟了新思路,还是企业创新的重要源泉和高校科研的重要支撑。大数据交易平台是整个大数据产业的基础与核心,它使得数据资源可以在不同组织之间流动,从而让单个组织能够获得更多、更全面的数据。这样不仅提高了数据资源的利用效率,更重要的是,当一个组织拥有的数据资源不断丰富和立体化,有助于其通过数据分析发现更多的潜在规律,从而对内提高自身的效率,对外促进整个社会的不断进步。

在现有的大数据交易平台上,数据供应方和需求方各自供需信息,交易双方浏览这些信息,如果发现合适的交易对象,则进行大数据资源的买卖,交易平台只作为信息中介存在。这类大数据交易的本质,其实是单独的大数据资源交易,现有平台可以统称为第一代大数据交易平台。第一代大数据交易平台在供需平衡、数据定价和时效性三个方面都存在较大的不足。本文针对这些不足进行改进,设计了一种全新的第二代大数据交易平台,命名为:融合数据分析服务的大数据交易平台,该平台将数据资源交易与数据分析服务进行深度融合,实现了数据与服务的一体化交易。本研究不仅为当下正在建设的各类大数据交易平台提供有益的借鉴,也丰富了大数据交易的基础理论体系。

2.相关研究

目前大数据交易的相关研究中,比较有代表性的有:

(1)大数据的财产属性和所有权。王玉林等[6]对大数据的财产属性展开研究,认为大数据的法律属性会直接影响大数据产业的发展,而大数据交易实践本身就反映出大数据具有财产属性。但大数据与传统的财产权客体存在较大不同,它符合信息财产的特征,是信息财产权的客体,应受到相关法律的保护。齐爱民等[7]从宏观的角度分析了国家对于其主权范围内数据的所有权,剖析了个人拥有的数据权以及数据的财产权。

(2)大数据的定价问题。刘朝阳[8]对大数据的定价问题展开研究,首先分析了大数据的基本特征、价值特征等定价基础。接着讨论了效用价格论、成本价格论等定价模式。最后分析了大数据的定价策略,并对大数据定价的双向不确定问题进行了详细论述。刘洪玉等[9]认为在大数据交易过程中,由于缺乏足够的历史参考,其数据资源的交易价格很难确定,因此提出一种基于竞标机制的鲁宾斯坦模型,用于大数据交易双方进行讨价还价,以求达成一个交易的均衡价格。翟丽丽等[10]从资产的期权价值角度来评估大数据资源的价值,并指出数据在不断变化和更新,加上数据的非独占性等情况的出现,数据资产的价值可能会下降,最后综合这些因素构建了一个评估模型来计算数据资产的价值。

(3)大数据交易的安全与隐私保护。史宇航[11]认为非法的数据交易会对个人数据等高价值信息的安全造成影响,对非法数据交易的购买方和协助方都应进行处罚。提出应先明确数据的法律属性,再以数据交易所为平台进行交易,并对数据交易所的法律地位进行了分析。殷建立等[12]为应对大数据时代数据采集、交易等过程中的安全问题,综合考虑技术、政策和管理平台等方面的因素,构建了一种个人数据溯源管理体系,该体系可在数据应用时实现个人数据的追踪溯源,从而保护其个人隐私。王忠[13]认为大数据环境下强大的数据需求会导致个人数据的非法交易,为应对这种情况,应该建立个人数据交易许可机制,通过发放交易许可证、拍卖授予等措施实现隐私保护。

(4)大数据交易的发展现状与问题。杨琪等[14]认为我国的大数据交易还处于行业发展的早期,大量数据源未被激活,原因是大数据产业价值链的各个专业环节发展滞后,并且对数据交易中的安全问题和隐私泄露等有较大的担忧。应该对数据产品进行改造,使其更商品化,并且通过政府开放公共数据等措施逐渐消除数据流通中的安全顾虑。唐斯斯等[15]首先分析了我国大数据交易的发展特点、交易类型等现状,接着指出目前大数据交易存在法律法规相对滞后、行业标准不完善、交易平台定位不明确、数据质量不高等问题,最后提出应加快相关法律和标准建设,并推动数据开放,加强交易方式的创新。

除了上述四个主要研究方向以外,李国杰等[16]从理论的角度分析了大数据研究在行业应用和科学研究方面的重要作用,这从客观上反映了大数据流通的必要性。涂永前等[17]认为大数据时代企业管理和运用数据资源的相关成本会成为企业的主要交易成本,这会改变企业的组织结构,并导致企业边界的变化,企业会进行多方向的扩张,这为促进大数据产业发展的相关法律的制定提供了理论支持。总的来看,由于大数据交易本身属于较新的领域,因此相关研究总体上较少,已有研究也大多集中在上述几个研究方向上。实际上,大数据交易平台是实现大数据交易的重要载体,是大数据资源流通转换的主要节点,交易平台本身需要随着整个大数据产业的发展,不断的改进和升级,而现有研究中恰恰缺少对大数据交易平台本身进行创新的研究。由此,本文针对现有大数据交易平台的不足,结合实际设计了一种全新的融合数据分析服务的大数据交易平台,为实践和科研提供借鉴和参考。

3.现有大数据交易平台的不足

大数据本身作为一种新兴事物,当把它作为一种商品进行交易时,其交易平台的设计很自然会参照传统的商品交易模式,即:交易双方先供求信息,再经过讨价还价,达到一个均衡的价格则成交,卖方将大数据资源经过脱敏处理后,交付给买方。目前无论是政府主导的大数据交易所,还是企业或者高校创建的大数据交易平台,都是采用类似的交易模式,这也是第一代大数据交易平台的突出特点。实际上大数据与传统商品有很大的区别,照搬传统商品的交易模式会出现很多问题。本文将从供需平衡、数据定价和时效性三个方面分析现有大数据交易平台的不足。

3.1 数据供需的错配

现有大数据交易平台的第一点不足就是数据供需的错配,即:供应方提供的数据资源往往不是需求方所需要的,而需求方需要的数据在交易平台上找不到,即使有相近的数据资源,也存在很大的数据缺失或冗余,买回去也无法使用。对数据供应方来说,由于无法准确预知数据买方多样性的需求,它只能从自身角度出发,将可以公开的、并且自认为有价值的数据资源放到平台上待售。对需求各异的买方来说,供应方提供的标准数据很难与自己的应用方向精准匹配,这也是目前大数据交易还不够活跃的原因。当然,当供需双方建立初步联系以后,供应方甚至可以为需求方个性化定制大数据资源,但即使这样,供需错配的问题仍然无法解决,原因就在于单个的数据供应方无法提供多维的数据资源,只有多维的数据资源才具有较高的分析价值。

3.2 大数据资源定价困难

大数据资源定价困难是现有大数据交易平台的第二点不足。大数据资源和普通商品不同,普通商品可以直接消费或者作为再加工的原材料,其价值都可以通过最终的消费品价格得到体现。而大数据本身的价值无法直接衡量,需求方购买它的目的是作为数据分析的信息源,但是否能发现潜在的规律还未可知。因此无法在购买前,准确判断出待售数据资源的价值大小。此外,需求方在不确定某大数据资源是否能真正能给组织带来收益情况下,很难给出一个较高的价格,这在客观上会影响数据供应方的交易积极性,加大了供需双方达成交易的难度。

3.3 数据的时效性不强

现有大数据交易平台的第三点不足,就是数据资源的时效性不强。目前很多大数据交易平台上待售的数据资源都以历史数据为主,这是因为数据资源在交易前需要经历脱敏处理,将涉及政府信息安全、企业商业机密和个人隐私等敏感信息进行变换和替代。此外,供应方还需要对原始数据进行初步的清洗,整理成一定的数据格式集中存贮和交付,方便需求方进行数据分析。由于一般的数据供应方并不具备对大数据进行实时脱敏和清洗的能力,只能将采集到的数据资源,经过一段时间的离线处理后,再放到交易平台上,所以只能供应历史数据。随着社会节奏的不断加快,历史数据很可能并不能反映当下的真实情况,越来越多的数据分析都需要用到实时数据作为信息源,这是未来大数据交易必须克服的一个短板。

4.融合数据分析服务的大数据交易平台设计

本文提出将数据分析服务融合到目前的大数据交易中,以此来克服现有交易平台的不足,本节将首先对数据分析服务进行概念界定,再依次介绍平台设计的总体思路和核心模块的设计,具体如下。

4.1 数据分析服务的概念界定

数据分析是指运用各类数据处理模型和信息技术手段,对数据资源进行深度的挖掘,从而发现其中蕴含的规律,作为管理决策的依据。数据分析本身是一种能力,如果一个组织将其数据分析能力提供给其他组织或个人,并收取一定的费用,这就是数据分析服务。在大数据环境下,数据资源不仅体量巨大而且种类多,对数据分析能力的要求不断提高。在这种情况下,只有少数组织具备独立处理大数据的能力,其他的组织比如大量的中小企业,都需要从组织外部寻求专业的数据分析服务,来满足自身的需要。因此,数据分析服务和大数据资源一样存在巨大的市场需求。

4.2 平台设计的总体思路

本文将提出的融合数据分析服务的大数据交易平台,定位为第二代大数据交易平台,它将大数据资源交易与数据分析服务两者进行深度融合,在交易平台上实现数据与服务的一体化交易。大数据交易平台的角色也从原来的数据资源买卖的信息中介,转变为大数据综合服务商。在融合后的大数据交易平台上,数据需求方不再提交数据资源的需求信息,而是直接提出自己的应用方向和想要得到的结果,交易平台再根据需求方的应用方向,反向匹配数据资源和数据分析服务。这个匹配的过程不是单一的数据集或服务的查找,而是对全平台的数据资源进行有效整合,形成高价值的多维数据,再结合复合型的数据分析技术,得到最终的分析结果,最后将分析结果与基础数据一同交付给需求方。交付基础数据的目的,一是方便需求方进行分析结果的对照,为决策提供更精准的参考。二是需求方可以根据基础数据进行衍生挖掘,进一步提高数据的利用效率。平台设计的总体思路绘制成图1。

图1 平台设计的总体思路

4.3 核心模块的设计

融合数据分析服务的大数据交易平台共划分为四大模块,具体如图2所示。

图2 融合数据分析服务的大数据交易平台的主要模块

系统管理模块具体又分为用户管理、系统维护和安全管理。安全管理是系统管理模块的重点,主要包含三个方面的功能:第一,负责整个交易平台的系统安全,通过对交易平台进行实时监控,阻止外部的非法入侵行为,保障平台的正常运行。第二,对数据供应方提交的数据资源进行审核,如果发现是非法数据,则阻止其交易,并及时将有关情况反馈给相关的政府监管部门,由它们进行调查处理。第三,检查所有数据是否经过脱敏处理。如果发现部分数据存在未脱敏或者脱敏不合格的情况,交易平台将负责对该数据资源进行脱敏处理,从而保护数据中的隐私不被泄露。

大数据资源池模块、数据分析服务模块和协同模块是交易平台的三大核心模块,是数据与服务两者融合并实现一体化交易的关键,本文接下来将对这三个核心模块的功能进行详细设计。

4.3.1 大数据资源池模块

大数据资源池模块主要包含三个方面的功能:数据资源格式的整理、数据的多维度整合、大数据资源的云存贮。具体如下。

(1)数据资源格式的整理。由于大数据交易平台上的数据资源来自不同的数据供应方,因此其数据资源的格式会有较大的差异。如果不经过格式整理就直接进行数据分析,很可能会因部分数据无法准确读取,而影响数据处理的效率,严重者还会导致数据分析中断。数据资源格式整理的主要任务是将同一类型数据的格式进行统一,对部分缺失的数据属性进行补充,对错误的数据格式进行修正。

(2)数据的多维度整合。在上文3.1中提到供需错配的一个重要原因,就是单个数据供应方无法提供高价值的多维数据。所谓多维数据是包含用户或者行业多个背景和情境的大数据资源,这些多维数据使用户或行业多个侧面的信息产生了关联,有利于发现深层次的潜在规律。融合数据分析服务的大数据交易平台应该作为数据整合的主体,将单个数据供应方提供的零散的数据资源,进行多维度的整合,当缺少某一个维度的数据时,再向相应的数据供应方进行定向的采集,最后得到相对完整的多维数据,具有很高的分析价值。

(3)大数据资源的云存贮。大数据资源经过格式整理和多维度整合以后,已经可以作为数据分析服务的信息源。下一步就是将这些数据资源进行统一的云存贮,以便数据分析服务调用。以往部分大数据资源由于体量巨大或实时更新的需要,无法上传到交易平台上,或者只提供部分调用接口。融合数据分析服务的大数据交易平台通过建立云存贮中心,将整合后的多维数据进行统一存放和调用,有助于提高数据资源的存取效率。

4.3.2 数据分析服务模块

数据分析服务模块首先根据数据需求方的应用方向,匹配出合适的多维数据资源,再选择相应的数据分析模型分配所需的计算能力,最后将得到的分析结果反馈给需求方。本文将数据分析服务划分为三个大类:基础性分析服务、高级分析服务、深度定制的分析服务。具体如下。

(1)基础性分析服务。基础性分析服务是指那些常规的数据统计,比如:总体中不同对象的占比分析,基于不同属性的关联分析或相关性分析等。这些分析服务耗时较短,分析技术较为简单,只要数据资源本身完备,就可以迅速得到结果。基础性分析服务由大数据交易平台本身来提供,可以面对不同的需求方,实现快速交付。

(2)高级分析服务。高级分析服务是指那些较为复杂的数据分析服务,比如:精准的趋势预测、全面的用户兴趣画像、非结构化的信息挖掘等。这些分析服务需要大量专业的数据处理技术,比如:兴趣建模、视频分析,音频分析、深度语义分析等,必须由大数据交易平台对接第三方的数据分析服务商,由它们来提供高级分析服务。大数据交易平台在同一数据分析领域,应引入多家数据分析服务商,通过动态的竞争,来保证服务的质量。

(3)深度定制的分析服务。大数据分析目前还处在快速发展阶段,很多前瞻性的技术还在试验当中,应该说数据分析技术的发展相对于旺盛的现实需求来说是滞后的。当需要用的某一数据分析技术,在目前的市场上还找不到现成的提供方时,就需要大数据交易平台为其进行深度的定制,交易平台通过多方位的研发能力评估,寻找合适的技术主体来进行专门的技术攻关。

4.3.3 协同模块

协同模块主要包含两个方面的功能:数据分析服务之间的技术协同、交易各方的管理协同。具体如下。

(1)数据分析服务之间的技术协同。在面临较为复杂的数据分析任务时,可能需要用到多个领域的数据分析技术,这时单个的数据分析服务商可能无法独立完成。因为不同的行业领域,都有其行业技术的独特性,需要长时间的专业积累。在这种情况下,就需要多个数据分析服务商相互合作才能完成。数据分析服务之间的技术协同,就是通过一定的技术标准和操作规范,让多个数据分析技术提供方,能够在完成同一任务时,在技术上不冲突,能够相互并行的完成对数据资源的处理,按时按质的交付最终的分析结果。

(2)交易各方的管理协同。在融合数据分析服务的大数据交易平台上,交易的参与者一共有四类,分别是数据资源的供应方、数据分析服务商、需求方和交易平台自身。数据需求方在提交自己的应用方向和预期结果的同时,提交自己的交易预算。交易平台根据需求方提交的应用方向和预期结果,对数据资源和数据分析服务进行反向的选择。如果数据分析任务中只用到了基础性分析服务,则整个交易为平台方、需求方、数据资源供应方的三方交易。如果某数据分析任务,平台自身无法完成,需要用到第三方的数据分析服务商,则整个交易包含了全部四类参与者,是一个四方交易。交易的基本原则是实现参与各方的利益共享。交易各方的具体利益分配如图3所示。

图3 交易各方的利益分配

需求方希望在获得预期结果的同时,其支付的成本在可接受的范围内。交易平台在对数据和服务进行反向匹配后,会出现两种不同的情况:第一种情况是在原交易预算下,可以达到需求方预期的结果,则可成交。第二种情况是,原交易预算较低,在该预算下无法达到需求方要求的结果,这时交易平台会和需求方沟通,提出新的报价,需求方经过考虑后,与平台进行讨价还价,它们在价格上达成一致时才能完成交易。由于交易数据是整合后的多维数据,因此原始数据资源供应方的收益,由平台从总交易价中支付,具体的支付方式可分为平台一次性买断或按次数支付。同一数据资源对于不同的需求者来说,其价值是不一样的,融合数据分析服务的大数据交易平台根据最终的一体化交易成交价,反向对数据资源进行定价,相对于现有的大数据交易平台来说,是一种进步。交易平台的深度参与,会使数据交易的频率加快,原始数据资源供应方会获得更多的收益。数据分析服务商根据具体的数据分析任务,直接参与由平台发起的竞价,达成交易后由平台支付。交易平台本身的收益则是需求方支付额减去其他各方收益的差价。

5.融合数据分析服务的大数据交易平台的优势

本文3.1到3.3中指出现有大数据交易平台存在数据供需错配、大数据资源定价困难、数据的时效性不强三大不足。融合数据分析服务的大数据交易平台作为改进后的第二代大数据交易平台,可以很好地克服上述三点不足。除了这三个方面的优势以外,由于融合后可实现数据与服务的一体化交易,这将扩大交易对象的覆盖范围,提升交易的活力,具体如下。

5.1 直接面向应用,从根本上避免了数据供需的错配

在融合数据分析服务的大数据交易平台上,需求方对交易平台直接提出应用方向和预期结果。交易平台对全平台的数据进行多维度整合,如果缺失某个维度的数据,可以进行定向的采集和补充,最后形成高价值的多维数据。这些多维数据才是真正具有分析价值的数据资源,这是单个数据供应方无法提供的。在得到多维数据后,结合平台自身和第三方数据服务商的分析能力,得到最终的分析结果。交易平台最后交付给需求方的是数据分析结果和基础数据,这种直接面向最终应用的大数据交易方式,从根本上避免了数据供需的错配。

5.2 融合后定价更有根据

在现有的大数据平台上,数据需求方是将数据资源买回去以后自己分析,而在购买数据资源之前,不能预知数据分析效果的好坏,因此无法进行有效的价值判断,这是定价困难的关键点。在融合数据分析服务的大数据交易平台上,需求方不再直接对数据资源付费,而是对最终的数据分析结果付费,并且数据分析结果是根据需求方的要求反向定制的,是符合需求方利益的。需求方可以通过评估预期结果对自身的重要性或收益的改进程度,给出适当的交易预算。交易平台以该预算为参照,对数据和服务进行选择,若出现原预算约束下无法实现预期结果的情况,交易平台再与需求方进行沟通,双方讨价还价后达成交易。这样相对于现有的大数据交易平台来说,融合后定价更有依据。

5.3 融合后可提供实时数据

在融合数据分析服务的大数据交易平台上,数据资源采用云存贮的模式,由平台进行统一管理,这提高了数据资源的安全性。在数据安全有保障的前提下,由交易平台出面和数据资源供应方进行实时数据的对接,将实时数据纳入大数据资源池中。对于单个的数据资源供应方来说,实时的数据脱敏难度太大。但大数据交易平台不一样,它可以利用规模优势,组建强大的计算能力,对大数据资源进行实时的脱敏和清洗,极大地提高了数据资源的时效性。

5.4 融合后将扩大交易对象的覆盖范围,提升交易的活力

融合后可实现数据和服务的一体化交易,让很多自身不具备数据分析能力的组织和个人,也能方便地利用大数据,特别是大量的中小企业,这将大大增加交易对象的覆盖范围。

交易对象的增多会促进交易频率的增长,从而为数据资源供应方带来更多的收益,这样会提升它们参与交易的积极性,鼓励它们供应更多的数据资源,从而提升交易的活力,整个大数据交易行业就形成了正向循环的良好发展态势。

6结语

本文对大数据交易平台本身进行了改进与创新,设计了一种全新的第二代大数据交易平台,即:融合数据分析服务的大数据交易平台。该交易平台可以直接面向需求方的应用方向,实现数据和服务的一体化交易,不仅从根本上避免了数据供需的错配,还使大数据交易的定价更有依据,平台的深度参也让提供实时数据成为可能,这些将从整体上提升大数据交易的效率。融合后数据和服务的一体化交易降低了大数据应用的技术门槛,鼓励更多组织和个人参与,增加了交易活力。未来笔者将继续关注大数据交易平台的创新研究,为实际应用和学术科研提供更多有益的参考。

参考文献

[1]赵强,单炜.大数据政府创新:基于数据流的公共价值创造[J].中国科技论坛,2014(12):23-27.

[2]徐继华,冯启娜,陈贞汝.智慧政府:大数据治国时代的来临[M].北京:中信出版社,2014.

[3]李文莲,夏健明.基于“大数据”的商业模式创新[J].中国工业经济,2013(5):83-95.

[4]侯锡林,李天柱,马佳,等.大数据环境下企业创新机会研究[J].科技进步与对策,2014,31(24):82-86.

[5]张峰,张迪.论大数据时代科研方法新特征及其影响[J].科学学研究,2016,34(2):166-170,202.

[6]王玉林,高富平.大数据的财产属性研究[J]。图书与情报,2016(1):29-35,43.

[7]齐爱民,盘佳.数据权、数据主权的确立与大数据保护的基本原则[J].苏州大学学报:哲学社会科学版,2015(1):64-70.

[8]刘朝阳.大数据定价问题分析[J].图书情报知识,2016(1):57-64.

[9]刘洪玉,张晓玉,侯锡林.基于讨价还价博弈模型的大数据交易价格研究[J].中国冶金教育,2015(6):86-91.

[10]翟丽丽,王佳妮,何晓燕.移动云计算联盟企业数据资产评估方法研究[J].价格理论与实践,2016(2):153-156.

[11]史宇航.个人数据交易的法律规制[J].情报理论与实践,2016,39(5):34-39.

[12]殷建立,王忠.大数据环境下个人数据溯源管理体系研究[J].情报科学,2016,34(2):139-143.

[13]王忠.大数据时代个人数据交易许可机制研究[J].理论月刊,2015(6):131-135.

[14]杨琪,龚南宁 .我国大数据交易的主要问题及建议[J].大数据,2015(2):38-48.

第6篇

网络环境下教学资源的搜集整理更加便捷,传统教学方法虽然总结了足够的经验,但如果不能随着时展进步,必然会落后。文章针对一种大数据分析的移动端在网络课堂教学中的应用进行分析,从使用方向以及技术功能等方面来进行,为网络课堂教学任务的开展创造有利条件,并提升系统运行使用期间的资源利用率。

【关键词】大数据分析 移动端 网络课堂教学

1 大数据分析环境下开展移动端网络课堂教学的优势

基于大数据分析环境下所开展的网络课堂教学,充分利用了网络环境的优势,并对常规教学中所总结的经验进行拓展应用,移动端是近年来网络发展的主流方向,对传统的教学方法产生了很大的冲击,但同时这也是一种前所未有的机遇,充分利用网络的先进性,结合大数据分析的准确定位,可以帮助提升教学效率,为学生营造出更加高效趣味的学习环境。如何利用好大数据分析来促进移动端网络课堂教学任务开展,也成为现阶段重点的研究课题,这也是文章中将要进行探讨的,无论是技术还是应用方法上,都应该做出创新,为教学任务的发展落实打下有利基础,为教学任务的落实创造有利条件。

2 大数据分析移动端在网络课堂教学中的应用形式

2.1 在课堂交流中运用移动端

交流时知识点巩固的有效方法之一,在常规教学任务完成后,剩余时间很难满足学生有关于知识点交流的需求,借助大数据分析的移动端来开展网络教学,有关于知识内容的交流也不再受时间与地点的影响,能够随时进行师生之间的互动交流。并且大数据分析系统所提供的知识内容也是十分可靠的,能够帮助解决常规教学方法中难以解决的问题,学生也能够充分利用课余时间来完成知识方面的学习。移动端的优势在于便捷与快速,这一点是传统网络课堂所不具备的,在这样的环境下,学生也能够将自己的思路与同学进行分析,在短时间内快速提升学习成绩,实现共同进步。

2.2 实现便捷性资源共享

移动端网络课堂可以通过APP下载来实现学习,注册后可以将个人的学习情况记录在其中,这样在进行下一阶段的学习时也不容易遗忘。每一个注册的账号在大数据分析系统中都具有记忆功能,这样学员在经过一个阶段的学习后,也能够通过系统的记忆功能查看轻松了解这一阶段的学习情况,并通过平台所的信息轻松进行一个阶段的学结,与同学之间实现零距离的资源共享。大数据分析背景下所进行的资源共享更新更加及时,不会受到时间以及距离的影响,并且移动端还存在网络可选择的优势,即使在共享过程中受到网络中断的影响,系统也能够自动保存,以免造成重要信息的丢失,为接下来教学任务的开展奠基了有利的基础。

2.3 模式选择多样性

网络课堂教学模式的选择,与教师的教学习惯有很大关系,在移动端背景影响下,进行网络系统模式选择时,拥有更多的可选择性,可以根据学生的听课喜好以及习惯来对现场进行控制,在这样的环境下,所进行的教学任务也能与学生之间形成良好的互动。应用前首先要确定教学的内容,并根据所总结出的信息来进行云系统下的框架设计,将大数据分析系统结合到其中,这样接下来所进行的工作内容也会更加的顺利。移动端的网络课堂教学软件是可以不断更新的,可以根据学员的喜好来对个人界面进行自定义,这样应用起来也会更加的方便。由于移动端的存储能力是有限的,在大数据分析系统中还会进行内存拓展,应用解决移动端应用期间内存不足的问题。

上述几点是应用期间的具体功能以及有效方法,有目标的对系统进行设计,能够避免出现教育资源、网络资源浪费的现象,也是现阶段十分需要的。除此之外,在应用期间还需要进行技术方面的创新以及强化,降低网络不稳定所带来的影响,可以将大数据分析结合多种网络技术来共同进行,提升系统运用的工作效率,在处理数据过程中也会更更加的稳定可靠。

3 大数据分析的移动端未来发展方向

随着电子设备的不断更新,大数据分析的移动端在发展中也会逐渐提升稳定性与运算效率,在框架设计上必然会更加的简便,这样在运行使用过程中能够节省大量的空间,对网络系统的工作效率提升也能起到促进作用。灵活性也是未来的发展方向之一,使用者可以对应用界面进行定义选择,在应用过程中更符合学员以及教师的操作习惯,在使用性能与稳定性上自然也会有明显的提升,降低系统运行使用期间漏洞出现的可能性。

4 结语

人们应该充分认识到网络技术并不能够解决我们所有的问题。但是近年来人们最为关心的却是如何使用可以利用的网络技术在网络形式越来越多样化的今天,如何正确选择和使用有助于提高外语能力的网络资源才是未来真正的研发核心,因此,未来的研究应着眼于分析不同的学习目的下如何有针对性地选择不同的网络课堂教学模式。

参考文献

[1]黄晓涛,王芬,吴驰,龙涛.云计算平台下网络课堂生成性教学设计框架研究[J].现代教育技术,2013(08).

[2]杨俊锋.创新课堂教学模式 培养学生国际视野――跨文化混合同步网络课堂的实证研究[J].中国电化教育,2015(10).

作者简介

王冠(1982-),江苏省徐州市人。硕士学位。现为徐州幼儿师范高等专科学校信息网络中心讲师。研究方向为数字资源建设、校园信息化。

第7篇

电商营销。营销策划。大数据分析。

的大数据分析基于现代社会中成熟的商业系统和日益成熟的电子商务系统。在整个电子商务社会体系中,消费者将逐步完成从传统消费行为到对电子商务的理解和热衷的转变。在此过程中,大数据分析对消费者的心理特征和行为逻辑进行统计分析,并形成相关结论。为了在未来的业务发展中取得进一步的发展,电子商务营销必须把握大数据的特点进行分析并实现合理的应用。

。在2019年的天猫“双11”购物嘉年华中,11月11日,全球消费者在淘宝网电商平台上购物,仅在凌晨96秒的时间内就在人民币完成了100亿元的营业额。这些数据的背后,反映了电子商务营销对现代消费者心理和消费行为的准确把握指导。在中国电子商务发展过程中,逐步完成了第一代消费者进入电子商务平台的培训。这意味着国电商平台大学的建设已经进入了一个相对稳定的发展时期。当“数量”不再是电子商务营销的焦点时,如何确保电子商务平台提供的商品和服务的“质量”已成为下一个潜在的出口。

毫无疑问,中国电商平台近年来的突破和快速发展是惊人的,但在这种发展的背后,仍然存在许多问题电子商务平台在商品质量、服务准确性和消费者需求控制方面有提升空间。在国内电子商务普遍反思自身营销质量、优化策略的情况下,大数据分析已成为当前背景下电子商务营销领域中一种适用性较高的应用技术。

2.1实现了目标受众的第一次模拟考试。在传统的电子商务营销过程中,

通常被视为从单一企业到庞大消费者的扩散型销售。然而,在模式判断中,很容易忽视电子商务本身在调节产品质量、价格和销售组合方面的灵活性。“电商营销是代表海盗,销售广泛,盲目追求销售”大数据分析可以帮助电商在平台上搜索、收集、浏览、购买和售后的全过程中比较各类消费者行为信息的细节,使电商平台能够完成对平台上巨大消费流的宏观调查,最终确定待营销商品的目标受众形象。Sri Lanca 2.2促进服务的准确交付。在

·

的电子商务营销活动中,最重要的是优化售后服务链。如何提高用户对产品的满意度,降低用户对电子商务营销的警惕性,有效降低用户的产品退货率,正是传统电子商务营销规划师在电子商务结束时所坚持的,大数据分析从源头上提供了另一种解决方案,即:,通过对消费者心理预设和消费习惯的分析,明确适合每个消费者的产品和服务类型,从而增加电商平台上的产品和服务与消费者的对应,也就是减少消费者的“试错”提高电子商务平台服务质量所需的时间成本。

23。有利于产品效果的长期跟踪。在

,长期以来,电子商务产品一度被公认为“效果夸大”的代表还有长期价值低。电子商务营销也被认为只重视诱惑和招揽,而忽视了后期的产品质量跟踪。大数据分析只是为电子商务平台提供了一个跟踪产品效果的工具。消费者完成购买行为后,通过各平台消费者活动和行为的变化,分析消费者对产品效果的满意度,并根据消费者满意度的量化评价,完成产品效果的评审和下一步迭代计划的制定,有利于电子商务经济的长远发展。

3.1关注消费者保留率的统计

在传统的传播和营销策划中,我们经常关注链接或广告的点击率和点击转化率的统计,相信电子商务经济通过大规模流失互联网用户群体实现贸易优化。但是,随着消费者网购体验的深入,点击一次与最终购买的直接联系逐渐减弱,消费者越来越关注电商平台上的商品质量,这也意味着大数据分析的方向需要挖掘消费者购买行为背后的新逻辑关系。消费者保留是指消费者点击一次电子商务产品后,选择点击两次进入商户的店铺或进入同一商户的另一商品链接,最终完成关注或收集的过程。这一过程意味着消费者通过自己的体验和判断,已经认识到电子商务平台的营销,并完成了对相关商品的价值感知。在消费者保留率统计中,我们必须使用大数据统计来比较消费者在每个页面上的评论偏好以及不同图片和信息的浏览时间,从而判断消费者是否成功理解和同意预设的电子商务营销策略。在这一过程中,大数据分析不仅成为企业了解目标受众特征的工具,而且成为电子商务的重要工具自我营销策略是分析电子商务营销策略优缺点的工具,有利于电子商务营销策略的进一步调整。

3.2分析消费者偏好和挖掘潜在消费热点

在电子商务平台上的运营基本上可以及时切入和分析。例如,以自由鱼APP的rudder UI设计为例,电商平台已经完成了每个功能块的内容划分,消费者进出功能模块的时间记录可以作为消费者对该类产品偏好的有效参考。同时,结合搜索引擎在电子商务平台数据库中的应用,可以记录消费者输入的相应关键词,使电子商务能够进一步控制消费者在一定类型下的产品特性需求方向。例如,一个25岁的白领可以输入保暖、隔音办公等关键词,电商平台可以得到“白领-隔音办公、保温操作、高性价比-隔音盖耳式耳机”的营销理念。通过对同类型消费群体的行为比较,可以推断出该消费群体未来消费需求的发展方向,为电子商务营销策略和产品迭代开发提供可靠的依据。

3.3阐明了消费者个人需求的重要性。

-

-大数据分析绝不是一刀切的“数据网络-整体考量地区”。其实质在于对无限个个体数据进行有效叠加分析,然后通过各种数据之间的比较完成宏观分析。这也决定了大数据分析应用于电子商务营销后,企业必须关注消费者的个性化需求,避免因牟利心理造成的盲目调整行为。例如,当数据分析显示有大量消费者也购买衣服时衣架在购买热水杯时,不能将其捆绑促销,以吸引新的消费热点。消费者的购买行为是复杂的。企业越是使用大数据分析统计消费者行为,就越需要客观看待消费者在消费过程中的各种特征,在分析相似消费群体共性的同时,分析消费者的个性化需求,避免对群体消费需求的误判,导致错误营销策略的出现,使大数据分析指导下的电子商务营销始终处于灵活、灵活的营销状态。

。大数据分析为其提供了从数量到质量改进的可能性。企业必须对目标受众的消费行为、消费习惯和消费心理进行有针对性的分析,调整营销策略,实现营销目标,同时提高电商品牌的美誉度,实现企业与消费者的双赢。

引用

[1]徐丽的新著作。CRM分析与大数据背景下的电子商务前景[J]。现代营销(下一期十天版),2017(06)。

[2]王振江。大数据环境下电子商务精准营销策略分析[J]。经济特区,2018(06)。

[3]张龙辉。大数据背景下电子商务企业个性化精准营销策略研究[J]。辽宁科技学院杂志,2019(03)。

第8篇

业务方向:主要面向大企业等市场

2011年5月,IBM正式推出InfoSphere大数据分析平台。InfoSphere大数据分析平台包括BigInsights和Streams,二者互补,Biglnsights基于Hadoop,对大规模的静态数据进行分析,它提供多节点的分布式计算,可以随时增加节点,提升数据处理能力。Streams采用内存计算方式分析实时数据。InfoSphere大数据分析平台还集成了数据仓库、数据库、数据集成、业务流程管理等组件。

企业名称:甲骨文

业务方向:主要面向大企业等市场

在2011年10月初召开的Oracle OpenWorld 2011大会上甲骨文正式推出了Oracle大数据机。对于那些正在寻求以更高效的方法来采集、组织和分析海量非结构化数据的企业而言,该产品具有很大的吸引力。

企业名称:谷歌

业务方向:面向各类企业市场

BigQuery是Google推出的一项Web服务,用来在云端处理大数据。该服务让开发者可以使用Google的架构来运行SQL语句对超级大的数据库进行操作。BigQuery允许用户上传他们的超大量数据并通过其直接进行交互式分析,从而不必投资建立自己的数据中心。

企业名称:微软

第9篇

几乎是所有的企业在生产经营过程中,均会形成各式各样的数据、资料,通过对这些大量的数据、资料展开深入的研究所获得的数据分析报告,在企业经营管理中可发挥十分重要的意义与作用。数据分析指的是通过科学的统计方法就收集的详细的数据、资料展开研究分析,以对数据、资料相关功能进行尽可能的挖掘开发,发挥数据的显著作用,即数据分析是一个为了获取可利用信息和产生结论而就数据、资料展开研究、分析的过程。数据分析的目的是挖掘提炼出众多看似错综复杂的数据资料潜在的有利信息,以归纳出分析事情的客观规律。由此可见,做好数据分析工作,对于促进企业的发展、提升企业经营管理能力,有着十分重要的现实意义与实质作用。

1.数据分析在企业经营管理中的意义

1.1支持营销运营管理

基于数据分析、数据挖掘方法的支持,在过去传统数据社会,一部分较为先进的企业便已经能够一定程度地达到洞察力促进科学规范营销运营管理的目的。在现如今大数据时代,企业用户的数据变得进一步多元、丰富,在对用户需求洞察满足方面企业变得愈加充分、精确,值得注意的是,在当前数据分析水平不断提升的情况下,企业作用于用户的洞察、满足能力基于数据、资料存储以及数据、资料研究分析方面将变得更为高效,鉴于此,支持企业营销运营管理全面步骤决策的数据、资料流能够同步于企业营销运营管理工作流,企业可通过统计归纳用户的以往消费行为数据以及用户实时的消费行为数据,第一时间针对相对应的用户制定出具备显著个性的营销手段,从而有效识别把握转瞬即逝的营销机会,积极促进企业营销命中概率的提升,最大程度地提升企业营销运营管理效率[1]。

1.2推动智能管道运营

就企业经营管理而言,企业智能管道的核心能力为,结合用户的活动行为,动态为用户提供推荐并配备互联网设备资源。在过去传统数据社会中,受技术条件有限难以满足及相关问题与用户体验动态测量相同等影响,企业通常无法有效的就智能管道运营需求予以满足;在现如今大数据时代,在数据分析水平不断提升的情况下,作用于半结构化设备数据动态收集、分析以及处理等相关技术的日趋成熟,将很大程度上推动企业智能管道运营管理运行的计划。企业智能管道运营管理达到机理与用户体验管理存在极大的相似之处,最主要的区别仅仅是,企业职能管道作用于用户产品消费行为活动测算的数据、资料相对应于提供推荐并配备互联网设备资源,于确保用户体验满足标准的情况下,全面配备、划分及归总企业互联网设备资源,经资源利用最大程度地实现,积极促进资源的尽可能优化[2]。

2.数据分析在企业经营管理中的作用

2.1完整客观的反映企业情况

企业常规的数据报表、调查资料,通常仅能够显现企业某一方面或者某一部分的情况,就算是获取的企业数据报表、调查资料十分全面,如果这些企业数据报表、调查资料未能够得到相应的研究、分析,也往往很难了解从中了解到企业的真实情况。为了完整客观的反映企业情况,务必要遵循“实事求是”原则,在收集企业全面数据报表、调查资料的同时,还应当开展严格加工制作及研究分析工作,以提供给企业管理者科学规范的数据分析报告,为其在就企业发展做决策时提供有利依据。经严格加工制作及研究分析所得到的数据分析报告,相较于常规的数据报表,能够更加全面、系统及集中地反映企业客观实际。

2.2实行监督管理工作

监督属于数据分析在企业经营管理中的一项十分重要的作用。数据分析部门在对企业数据、资料进行收集过程中,能够相对较为全面、如实地知晓行业经济动态及本企业运行发展状况,了解相关数据、资料的来龙去脉及口径范围,因此数据分析部门可有效的担负起对企业的多方面监督管理工作,包括企业运营发展部门相关政策方针有效落实与否、企业发展生产经营规划有效完成与否以及企业一系列经济指标有效实行与否等。在数据分析的作用下,可促进企业有效实行监督管理工作,以客观、完整地向企业管理者、相关部门做决策及制定企业发展计划时提供有利参考依据。

2.3参与科学化决策

对于任何一项经济行为发展,想要获取其客观规律性的见解并未易事,通常是要通过不断的分析、探索及实践,方可一步步构成认识。在现如今市场经济大环境下,还存在着诸多的市场经济比例进程、实现企业经济效益利润最大化以及实现集群产业结构优化等客观规律,均有待我们去逐步挖掘。鉴于此,就市场经济背景下客观经济规律展开研究分析,属于一项有着广阔发展前景的领域。数据分析部门可充分发挥详细数据、资料持有优势,进行针对的研究、分析,对数据、资料表层显现内容展开更深层次的剖析,挖掘出数据、资料中的潜在实质涵义,由理性认识代替感性发展认识,实现客观经济规律认识质的升华,达到显现企业发展现状以及企业内部关联和发展的目的,一方面促使企业管理者及相关部门能够更为完整客观地了解企业经济行为里程、企业发展现状以及企业发展方向,提升企业管理水平,一方面促使企业管理者及相关部门能够更有针对性地进行企业决策、计划制定,从而全面起到数据分析在企业经营管理中的参与科学化决策作用。

2.4有利于数据深度利用

数据分析部门为了获取全面详细的数据、资料,需要对定期统计报表制度进行全面贯彻落实,或者需要采取一系列包括调查、普查以及抽查等各式各样形式的统计调查工作,这必然是一项十分复杂的系统工作,倘若仅仅将这些详细的数据、资料简单地汇总上报给国家和相关部门,以完成国家和相关部门制定的数据、资料收集任务,低下的数据、资料利用率,显然有愧于需要消耗长复杂的系统数据、资料收集工作[3]。由此可见,唯有早收集详细数据报表、调查资料的同时,还应当开展严格加工制作及研究分析工作,展开各个层次、各个方面的综合深度利用,以使这些数据、资料转变为内容更加丰富化、形式更加多样化的重要深度信息。

2.5有助于提升员工素质

在数据、资料收集的基础上展开数据分析,采用一系列分析方法,根据数据、资料实情展开针对的研究分析,经数据分析工作的开展,不仅要找出数据、资料中潜在的问题,发觉数据、资料中的不和谐之处,还要分析问题出现的缘由,并制定出问题的解决对策。为了完成这一系列的高要求、复杂艰巨的工作,要求数据分析部门员工一方面需要具备完善的数据分析基础常规知识,具备相应的政策分析能力、经济理论知识,一方面需要掌握数据分析的开展方法,明确数据分析的前后关键步骤,此外还应当熟悉相应的经济技术要点,具备相应的数据、资料归纳分析水平,具备相应的写作技巧水平等。由此可见,数据分析部门在进行数据分析工作期间,势必会激发数据分析部门员工学习主观能动性,有效提升员工各方面综合素质,并逐步成为不仅能够进行数据分析编写分析报告还能够自经济层面进行数据编织统计的社会发展需求的综合型人才[4]。如此一来,不但可以更充分的发挥数据分析在企业经营管理中的作用,还能够提升数据分析工作的重要性地位,促进数据分析工作条件的有机改善。

3.完善企业数据分析工作的策略

3.1统一认识,加强领导

基于对数据分析在企业经营管理中意义与作用重要性统一的认识,企业相关数据分析部门应当严格对待数据分析工作,不仅要做好数据、资料调差收集工作,还要做好数据统计报表、做好数据分析工作,以为企业、企业管理人员提供科学有效的决策管理服务[5]。同时,企业管理人员同样要提升对数据分析工作的重视程度,面对企业数据分析既应当要求数据分析部门提供统计报表,严格要求数据分析工作环节、质量,有利领导数据分析工作的有序开展。

3.2实现计算机网络数据支撑

伴随着现如今市场经济体制改革的不断深入发展,企业管理人员一方面要明确认识到企业发展的实际处境,一方面要为企业日后发展制定“未雨绸缪”的策略。这就一定程度上要求了企业数据分析部门,应当采取一系列不同的数据分析方法,包括数据结构分析法、数据对比分析法、数据实时分析法以及数据预测分析法等方法,就企业数据、专利展开有效的研究分析,形成科学结论,提供给企业管理人员具备实质意义的意见建议。在企业数据分析方法的实践运用方面,既要结合分析内容需求及分析方法自身特点,采取以往有成功经验的方法手段,自各个角度就客观市场经济法律展开研究分析,同时基于对先进分析方法的运用,实现计算机网络数据支撑,促进数据分析预见性、研究分析深度升级,积极促进企业数据分析工作的有序开展[6]。

3.3提升数据分析人员素质

企业数据分析工作水平高低,受企业数据分析团队素质优劣重要影响。由此可见,企业数据分析人员应当结合企业、自身实际情况,对各方面数据分析相关基础知识、专业知识展开积极主动的学习,包括对市场营销知识、企业管理知识和经理理论知识的学习,对信息技术知识、财务会计知识的学习,对经济行为活动方针政策的学习等等,尽可能地提升自身业务知识水平,提升自身全面综合素质[7]。同时,企业数据分析人员还应当遵循“实践第一”原则,结合数据分析工作实践以一步步提升自身数据分析能力。经企业数据分析人员自身逐步的学习、实践,不断构建起一直不仅具备数据分析业务知识水平,又具备数据分析实践工作经验的,拥有综合素质的数据分析团队,积极促进企业数据分析工作的有序开展。

相关期刊