大数据运用

大数据运用（精选十篇）

大数据运用 篇1

一、数据图表在报纸中地位提升的原因

真实性是新闻最重要的特性, 可靠的数据可以使新闻更加真实, 也更能够为读者所信任, 因此纸质媒介不仅要重视在新闻中引用数据, 还要将数据整合成图表, 让读者能够更直观地从中获取他们需要的信息。

社会原因。在当今社会, 人们被大数据的魅力所征服, 例如你在新闻网站上搜索了一些你感兴趣的新闻, 下次你在该网站搜索新闻的时候网站就会向你推荐你可能感兴趣的新闻, 或者说如果你喜欢足球比赛, 那么你就不会错过网站上给你提供的详细真实的球队信息。在这样一个大数据时代, 人们依赖于用数据说话, 甚至依赖于用数据去进行问题的分析和判断, 这就要求纸质媒介在新闻传播过程中注重对数据图表这种表达方式的运用。 (1)

读者的阅读心理。随着社会经济的飞速发展, 人们的生活节奏在逐渐加快, 易读、易懂成为当前广大报纸读者的需求。对于读者来说, 他们需要对报纸中的数据信息一目了然, 如果报纸出现的数据信息还需要通过他们个人进行理解分析才能够获取, 那么读者往往就不会选择这种报纸。因此, 数据图表在报纸中的应用是满足广大读者阅读心理需要的结果。

读者的视觉需要。这是一个读图时代, 纸质媒介一定要运用数据图表来美化报纸版面, 用设计督导的数据图表来吸引读者的眼球, 满足读者的视觉需要, 提高他们的报纸阅读欲和购买欲, 进而有效地促进报纸销量的提高。

数据图表在纸质媒介中有优势。传统纸质媒介虽然受到了新媒体的严重冲击, 但是在读者心目中, 传统纸媒的权威性依然远胜于新媒介, 因此科学合理地运用数据图表, 能够使得纸媒在读者心中的权威性更加根深蒂固, 而且报纸中的数据图表也更能够让读者接受和认可。

二、细化数据图表在报纸中的分类

随着数据在各类新闻中的涉及面越来越广, 数据图表在报纸中的设计和分类也更加细化, 报纸中常见的数据图表类型主要有以下几种:

数字图。在新闻中通过分栏、划线、字体和底色等方式将数据绘制成简单的图表, 实现数字与文字的完美结合, 以数字统领新闻内容, 更好地表达新闻内容。

饼状图。这种图表类型一般用于传达一些比例信息, 让读者能够清楚地了解各个部分所占的比重, 但是饼状图不能体现负值或零值数值, 只能体现各部分所占整体的比例, 不利于各部分绝对数值的体现。

柱状图。这是先设定单位长度表示的量, 通过绘制长短不一的柱状表示数量的多少, 读者可以通过观看柱状长短, 清楚地接收到柱状图传达出来的信息。

条状图。条状图跟柱状图相类似, 看起来就像是躺着的柱状图, 但是跟柱状图是有区别的, 条状图常常用来比较同一时间内同一件事情上的数据。

点线图。在图上将数据点用线条连接起来, 表现数据的变化关系, 一般是用来体现动态数据在某段时间上的动态变化。

数据地图。数据地图常常用不同颜色来对各个地区的情况进行标记, 帮助读者快速、直观地理解数据的分布, 例如H1N1在我国的蔓延情况就可以利用数据地图进行表现。

关系图。主要是用来理清复杂的人物关系, 通过绘制人物关系图, 让读者对各个层级的人物数量和组织结构等有清晰的认识, 方便他们理解新闻内容。

三、数据图表在报纸中的编辑要点

数据图表在报纸中的运用必须要注意以下几个编辑要点:首先, 真实性是新闻的生命, 因此新闻记者在进行新闻采访的时候, 必须对数据进行全面、准确的采集, 避免出现报道失实现象;其次, 不是所有的数据都可以用图表来表达, 报纸中所运用的数据图表必须有一定的可比性, 并且能够凸显出新闻报道的主题, 说明问题;再次, 数据图表不能做得太过花哨, 以免喧宾夺主, 使新闻内容被花哨的图表所掩盖, 数据图表的制作一定要简单明了, 一目了然;最后, 在图表的排版上一定要合理, 不要出现数据图表与文字稿件重复的现象, 也不要使用太过复杂的数据图表, 保持版面的简洁和美观。 (2)

四、结束语

大数据时代与读图时代的不期而遇, 使得纸质媒介对数据图表在报纸中的运用成为一种必然, 只有将数据图表科学合理地运用到报纸当中, 使报纸更好地满足受众需求, 这样才能更好地适应社会发展的要求, 让传统纸质媒介在新媒介的冲击下能够顽强地生存和发展。

注释

11张涛甫, 项一嶔.大数据时代的传统媒体突围[J].新闻记者, 2013, 3 (06) :56-57.

大数据开发运用的常用技术 篇2

大数据开发运用的常用技术

大数据是对海量数据进行存储、计算、统计、分析处理的一系列处理手段，处理的数据量通常是TB级，甚至是PB或EB级的数据，这是传统数据处理手段所无法完成的，其涉及的技术有分布式计算、高并发处理、高可用处理、集群、实时性计算等，汇集了当前IT领域热门流行的IT技术。

想要学好大数据需掌握以下技术： 1.Java编程技术

Java编程技术是大数据学习的基础，Java是一种强类型语言，拥有极高的跨平台能力，可以编写桌面应用程序、Web应用程序、分布式系统和嵌入式系统应用程序等，是大数据工程师最喜欢的编程工具，因此，想学好大数据，掌握Java基础是必不可少的！

2.Linux命令

对于大数据开发通常是在Linux环境下进行的，相比Linux操作系统，Windows操作系统是封闭的操作系统，开源的大数据软件很受限制，因此，想从事大数据开发相关工作，还需掌握Linux基础操作命令。

3.Hadoop Hadoop是大数据开发的重要框架，其核心是HDFS和MapReduce，HDFS为海量的数据提供了存储，MapReduce为海量的数据提供了计算，因此，需要重点掌握，除此之外，还需要掌握Hadoop集群、Hadoop集群管理、YARN以及Hadoop高级管理等相关技术与操作！

4.Hive 老男孩IT教育，只培养技术精英

Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行，十分适合数据仓库的统计分析。对于Hive需掌握其安装、应用及高级操作等。

5.Avro与Protobuf Avro与Protobuf均是数据序列化系统，可以提供丰富的数据结构类型，十分适合做数据存储，还可进行不同语言之间相互通信的数据交换格式，学习大数据，需掌握其具体用法。

6.ZooKeeper ZooKeeper是Hadoop和Hbase的重要组件，是一个为分布式应用提供一致性服务的软件，提供的功能包括：配置维护、域名服务、分布式同步、组件服务等，在大数据开发中要掌握ZooKeeper的常用命令及功能的实现方法。

7.HBase HBase是一个分布式的、面向列的开源数据库，它不同于一般的关系数据库，更适合于非结构化数据存储的数据库，是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，大数据开发需掌握HBase基础知识、应用、架构以及高级用法等。

8.phoenix phoenix是用Java编写的基于JDBC API操作HBase的开源SQL引擎，其具有动态列、散列加载、查询服务器、追踪、事务、用户自定义函数、二级索引、命名空间映射、数据收集、行时间戳列、分页查询、跳跃查询、视图以及多租户的特性，大数据开发需掌握其原理和使用方法。 老男孩IT教育，只培养技术精英

9.Redis Redis是一个key-value存储系统，其出现很大程度补偿了memcached这类key/value存储的不足，在部分场合可以对关系数据库起到很好的补充作用，它提供了Java，C/C++，C#，PHP，JavaScript，Perl，Object-C，Python，Ruby，Erlang等客户端，使用很方便，大数据开发需掌握Redis的安装、配置及相关使用方法。

10.Flume Flume是一款高可用、高可靠、分布式的海量日志采集、聚合和传输的系统，Flume支持在日志系统中定制各类数据发送方，用于收集数据；同时，Flume提供对数据进行简单处理，并写到各种数据接受方（可定制）的能力。大数据开发需掌握其安装、配置以及相关使用方法。

11.SSM SSM框架是由Spring、SpringMVC、MyBatis三个开源框架整合而成，常作为数据源较简单的web项目的框架。大数据开发需分别掌握Spring、SpringMVC、MyBatis三种框架的同时，再使用SSM进行整合操作。

12.Kafka Kafka是一种高吞吐量的分布式发布订阅消息系统，其在大数据开发应用上的目的是通过Hadoop的并行加载机制来统一线上和离线的消息处理，也是为了通过集群来提供实时的消息。大数据开发需掌握Kafka架构原理及各组件的作用和使用方法及相关功能的实现！

13.Scala Scala是一门多范式的编程语言，大数据开发重要框架Spark是采用Scala 老男孩IT教育，只培养技术精英

语言设计的，想要学好Spark框架，拥有Scala基础是必不可少的，因此，大数据开发需掌握Scala编程基础知识！

14.Spark Spark是专为大规模数据处理而设计的快速通用的计算引擎，其提供了一个全面、统一的框架用于管理各种不同性质的数据集和数据源的大数据处理的需求，大数据开发需掌握Spark基础、SparkJob、Spark RDD、spark job部署与资源分配、Spark shuffle、Spark内存管理、Spark广播变量、Spark SQL、Spark Streaming以及Spark ML等相关知识。

15.Azkaban Azkaban是一个批量工作流任务调度器，可用于在一个工作流内以一个特定的顺序运行一组工作和流程，可以利用Azkaban来完成大数据的任务调度，大数据开发需掌握Azkaban的相关配置及语法规则。

16.Python与数据分析

Python是面向对象的编程语言，拥有丰富的库，使用简单，应用广泛，在大数据领域也有所应用，主要可用于数据采集、数据分析以及数据可视化等，因此，大数据开发需学习一定的Python知识。

推动大数据治国战略运用 篇3

首先，虽然介绍大数据行业发展和企业创新的书籍已经不少，但是从国家治理层面看待大数据的资料却非常稀缺，我国正处于推进国家治理体系和治理能力现代化的关键时期，梳理大数据在国家治理领域的潜力和案例就显得非常迫切。

其次，目前的大数据读物主要针对市场人士编写，或者是以工程师的语言风格介绍其技术架构原理，尚且缺乏一本专门针对党政领导干部的通俗普及读物，使得各种专业背景的人都能看得懂、学得会、用得上。

再者，当前阐述大数据概念、原理的书籍偏多，但是在实践中具体怎么创新应用，仍然是个难题，本书把案例作为重要的呈现形式，简单清晰，便于各级领导干部学习借鉴。

大数据带来的变革意义已经远远超出了人们的预期。最初，人们以为大数据只是谷歌、百度、阿里巴巴等个别公司的一项新的技术，仅仅是企业的事情；后来，大数据发展成为一个快速增长的朝阳产业，构成七大战略新兴产业中最引人瞩目的部分；再后来，随着美国政府大数据发展战略的正式发布，以及G8政府纷纷实施数据开放战略，大数据正式上升为国家战略。但我们判断，大数据带来的变革意义还不止于此，对企业而言，大数据将掀起一场生产方式革命；对国家而言，大数据意味着一场国家治理体系的重构、变革与升级。

全书从领导干部的视角，紧扣“运用大数据提升领导干部的治理能力”这一主线，以国家大数据顶层设计和战略部署为背景，以丰富的实践案例呈现大数据在政府治理、经济治理、社会治理等方面带来的深远影响，对利用大数据推进国家治理体系和治理能力现代化有诸多启示。本书共分6章，内容包括：什么是大数据；大数据从哪里来；大数据到哪里去；大数据促进地方政府管理创新；大数据时代的戰略和行动；开放数据：政府再造共创未来等。

面对这场来势汹涌的大数据革命，我们面临着重大历史机遇。

第一，中国面临着成为“数据大国”和“数据强国”，实现“弯道超车”的历史机遇。据测算，在2020年之前，中国的数据产生规模就会超过美国成为全球第一数据大国，目前全世界互联网企业前10家中国已经占据4家。在大数据、云计算领域，中国的技术能力与世界最前沿不分伯仲，DT（Data Technology）时代中国完全可以发挥优势实现弯道超车。

第二，中国迎来利用大数据推进国家治理体系和治理能力现代化 的宝贵机遇。大数据是一场管理革命，数据驱动型决策也会给国家治 理带来根本性变革。以往的治理难点和痛点，往往是数据系统无法覆盖的灰色地带，给寻租腐败和官僚主义留下空间，但在大数据条件下，“人在干、云在算、天在看”，数据驱动的阳光权力平台可以期待。

第三，中国面临实现产业结构转型升级，加速向“工业 4.0”迈进的重大机遇。中国制造业由大变强是一项艰巨的历史重任，大数据革命改变了制造业进化的方向，数据技术和制造技术的深度融合——智能生产体系成为未来的新趋势。当前政府的主旋律是简政放权、激励创新，市场的主旋律是大众创业、万众创新，我们相信在政府“看得见的手”和市场“看不见的手”共同协作发力之下，中国创新的步伐会大大加快，加速向“工业 4.0”的前沿水平迈进。

期待本书能够为中国抓住大数据时代的历史机遇发挥积极作用。

论贵州如何运用大数据助力精准扶贫 篇4

一、精准扶贫的内涵

2013年11月,习近平总书记在湖南湘西考察时,首次提出了“精准扶贫”思想,指出扶贫要实事求是,因地制宜,要精准扶贫,切忌喊口号,也不要定好高骛远的目标。2015年6月18日,习总书记在贵州调研时再次强调,扶贫开发贵在精准,重在精准,成败之举在于精准,然后习总书记进一步指明了精准扶贫中“精准”的内涵,是指扶持对象精准、项目安排精准、资金使用精准、措施到户精准、因村派人精准和脱贫见效精准,为贵州省更好地开展精准扶贫工作指明了方向,认清了道路。

二、贵州面对的扶贫任务

贵州省地处我国西南边陲,全省地貌可概括分为:高原、山地、丘陵和盆地四种基本类型,高原山地居多,是全国唯一没有平原支撑的省份。由于贵州省区域地理条件独特、经济社会发展底子薄、致贫因子复杂、贫困沉积较深,因此一直是我国贫困人口数最多、贫困面积最多、贫困程度最高的省份之一。

据贵州省公布的最新统计数据,贵州目前88个县中,有66个贫困县,934个贫困乡,9000个贫困村,493万贫困人口,是全国贫困面最大的省份。到2020年,要实现贫困人口全部脱贫,贫困地区减贫摘帽,任务十分繁重,时间十分紧迫。

三、贵州如何用大数据助力精准扶贫

为了打赢扶贫攻坚这场输不起的硬仗,贵州省把大数据+大扶贫确定为贵州“十三五”时期最主要的两大战略行动,要求充分依托大数据工具创新扶贫开发手段,通过“云上贵州”系统,打造精准扶贫云平台,探索互联网+扶贫的新模式,强化数据网络共享,实现扶贫精准化,并取得了以下成就:

1. 精准识别贫困人口和致贫原因

首先,扶贫云运用大数据技术,扩大信息采集渠道,通过与公安局户籍、银行存款、工商企业登记等方面的数据交换和分析,实现了对贫困户的线上比对审计,并可对扶贫对象进行全面真实地识别与评估。基于地理信息系统,扶贫云还可直观地展示贵州全省的贫困人口总数、贫困户总数、贫困发生率以及贫困人口构成情况;其次,通过四看法等衡量指标,扶贫云能提供全省贫困人口(户)的贫困分值和分布;第三,随着系统不断升级完善,扶贫云的数据加工能力和效率不断提高,扶贫云还能展示全省贫困人口的致贫原因,并通过致贫原因分析,协助制定精准的扶贫措施,为扶贫开发工作的规划与实施打下坚实的基础。

2. 精准评估扶贫项目落实情况

扶贫云运用大数据技术,通过打通财政、银行、卫生等相关行业数据,采集与贫困人员、扶贫项目等内、外部相关数据,比对分析线上数据与具体扶贫措施,可准确地监测到扶贫帮扶结对情况、帮扶计划制定、帮扶计划落实情况和帮扶措施情况,并识别出已落实、未落实的贫困人口分布,关联显示帮扶的人或单位等相关信息,进而科学合理地评估出扶贫项目的效益和帮扶任务的落实情况。

3. 精准管理扶贫资金

扶贫云运用大数据技术,在现有建档立卡、项目资金、遍访等内部数据的基础上,充分利用民政、卫计、公安、人社、房管等各行业数据、网络视频数据及互联网数据,可全面监控现有扶贫项目的资金使用进度情况,保障扶贫项目精准到位、合理开发,保障财政专项扶贫资金安全有效地运行,最大程度发挥扶贫资金的使用效益。

贵州省的“精准扶贫云”系统平台融数据采集、数据分析、数据挖掘、数据管理、数据运用等功能为一体,功能不断优化升级。借助这朵精准扶贫云,贵州省的扶贫工作成功地实现了精准化管理,贫困人口从2011年的1149万人减少到2015年的493万人,取得了卓越的成绩。

结语

简言之,贵州省依托“精准扶贫云”平台,充分运用大数据技术,有效地实现了对全省贫困人口及致贫原因的精准识别,对全省扶贫资金配置及使用情况的精准监控,对全省扶贫工作绩效的精准评估,创新了扶贫模式,真正实现了扶贫决策的数据化,扶贫工作的精准化,开创了精准扶贫的新局面。

参考文献

[1]王欣.关于实施精准扶贫的思考[J].农业经济,2016(06)

大数据运用 篇5

5月初，**按照省、市、区委关于运用大数据开展惠民政策监督检查的文件精神，启动了对大数据平台反馈的八类问题线索的调查核实工作，核查中**秉承公心、不存私心、不忘初心，通过多角度分析研判、多方面综合印证、多部门联动核查的方式，对大数据平台反馈的**条问题线索认真查核，查实问题线索89条，取消整改**条，对**名党员干部违规情形进行了组织处理。

一、秉承公心，核查清晰不徇私。

此次运用大数据开展惠民政策监督检查，需要对大数据平台反馈的问题线索逐一进行入户调查，调查工作时间紧、任务重、难度大、标准高，是对基层纪检体系的一次重大考验。因此，**成立了由纪委牵头，相关业务科室分管领导为成员的大数据专班，组成由各职能部门、村（社区）纪检组织为成员的调查小组，纪委充分发挥监督审核职能全程监督，形成上下联动的大数据核查工作网络体系。一是大数据专班领导要切实履行督导职责，加强对入户调查的日常巡查督导，由分管领导陪同调查组入户指导调查工作，统一调查标准；二是纪委要及时掌握调查组的工作动态，做好每日数据收集工作及调查情况预审工作，时时掌握各个调查组的入户情况和核实情况，一旦发现苗头性的问题及时予以纠正，情节严重时采取纪律审查手段予以追责；三是扎实做好调查工作人员的入户前培训工作，明确工作标准和要求，加强思想引导，使调查人员牢固树立纪律在前意识，在思想上与核查工作保持高度统一。

此次运用大数据开展惠民政策监督检查，入户调查时整个工作的根基，只有秉承公心开展入户调查核实，才能对后期分析处置提供有效依据，为党委和纪委在研究处理决策时提供有力支撑。

二、不存私心，充分发挥好党委、纪委的“两个责任”

在此次运用大数据开展惠民政策监督检查工作中，存在问题问题线索涉及面广、涵盖人群范围较多、重点人员重点问题突出的特点，**乡镇是否能够扎实有效的开展核查工作和切实有效的提出分类处置方案并落实，与地方党委、纪委是否充分履行了“两个责任”息息相关。**在对前期调查结果复核过程中，执行“三级复核”制度，即纪委负责对调查核实情况汇总并进行审核，大数据专班对纪委汇总数据进行复核并拿出初步意见，党委对大数据专班初步意见复核并集体决策制定分类处置方案。通过建立明确的审核构架，层层把关调查结果，消除因个人情感或外在因素导致的违规情形，杜绝个人私心，确保公平公正。(一)纪委审核调查结果，坚持“三个原则”确保调查充分、结论正确

整个大数据核查工作中，**充分发挥纪委的监督职能，对各个调查核实小组报送的调查资料进行审核把关，坚持“四有”和“一人一档”原则，即有入户调查表，入户图片资料，问题线索内容印证资料，职能部门提供的数据信息。将这四类材料相互映证，形成较为完备的个人调查核实档案。根据形成的调查档案逐人进行分析定性，并进行分类汇总。同时，对调查结果难以定性或存疑的问题以书面形式提交**大数据专班研究，有**大数据专班讨论后得出定性意见。纪委在审核汇总过程中，坚持从严把关为原则，对调查不清晰、资料缺失、与职能部门存档信息不统一的情形一律驳回重新调查，并约谈调查组负责人，情节严重的运用纪律审查手段；坚持以调查结论定性原则，不得随意更改调查结论，不得包庇、掩饰入户调查表中反馈的查实问题线索，不得偏离事实依据对调查结果进行定性；坚持审核工作专人负责制，按照谁审核、谁录入、谁负责的原则，审核人员对审核录入的问题线索的结论负全部责任。

大数据调查核实情况的整理汇总工作，是整个大数据核查工作的一个重要节点，既是调查核实信息是否完备的重要审核关口，也是为党委集体决策分类处置情况提供数据支撑的落脚点，应当由纪委选派业务能力精、思想素质硬、自律意识强的干部负责信息录入，并加强业务监督指导，确保审核录入工作准确、无遗漏。

（二）大数据专班复核汇总数据信息，统筹制定初步处置意见

分析审计系统在大数据时代的运用 篇6

【关键词】分析系统；大数据；时代；运用

一、大数据时代背景

最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，并成为至关重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来”。进入2014年，“big data”一词越来越多地被提及，时代寡头用它来描述和定义信息爆炸产生的海量数据，命名与之相关的技术发展与创新。数据正在迅速膨胀并变大，它决定着一个企业、一个行业、一个领域甚至一个国家的发展和未来，虽然很多个体和部门并没有意识到数据爆炸性增长所带来挑战和机遇，但随着时间的推移，人们将越来越清晰的认识到海量数据的重要性，在商业、经济及其他领域中，决策将日益基于数据和分析而作出，而并非基于经验和直觉。

二、经验审计之弊端

本课题以具有大数据特征的人民银行国库核算业务为切入点，分别从审计抽样、线索发现、问题定性等多方面、深层次加以分析，显现经验审计之特点。为保证分析数据的科学性、连续性和逻辑性，课题组抽取了人民银行某地市中心支行2008至2013年期间，甲、乙、丙3名审计人员对国库核算业务审计资料，对比如下：甲审计员分别于2008年、2009年、2011年和2012年参加了对4家县支行国库核算业务审计，其中审计资料调阅重合度98.7%，线索追溯重合度95.4%，问题定性重合度98.4%，而审计方案覆盖率只有63.2%。乙审计员于2009年、2010年和2012年参加了对3家县支行国库核算业务审计，资料调阅重合度96.8%，线索追溯重合度95.3%，问题定性重合度97.9%，审计方案覆盖率为67.1%。丙审计员于2008年、2012年和2013年参加了对3家县支行国库核算业务审计，资料调阅重合度94.5%，线索追溯重合度96.4%，问题定性重合度97.2%，审计方案覆盖率为72.3%。

三、分析审计系统的优势

随着人民银行业务信息化进程的不断加快和数据大集中趋势的愈加明显，经验审计已无法满足基于风险控制的管理要求。为顺应内部审计工作发展，推动内审转型成果的有效运用，人行宝鸡中支积极探索应用计算机辅助审计系统（分析审计系统）开展大数据环境下的审计工作。2014年，宝鸡中支通过辅助审计系统对国库核算业务数据进行非现场查阅，重点运行“重要空白凭证领用情况”、“重要空白凭证跳号使用”、“预算执行情况分析”、“退库原因分析”、“支付方式退库原因明细查询”、“查复不及时”、“通过暂收款重拨”、“福利企业增值税退税”、“财政专户分析”、“大额贷记退汇支付业务”、“大额实拨资金业务分析”、“国库内部往来”、“会计主管授权日志分析”、“集中支付支出情况分析”等32个固化审计模型，完成了对3家县支行国库核算业务的全面覆盖，筛选提取重点关注数据1098条，现场审计核实风险隐患16类，共计37条，并实现了对审计方案的全面覆盖。

计算机辅助审计系统的有效运用一改传统盲目、经验的审计抽样方式，实现了审计范围的全面排查，最大限度的在海量数据中发现国库业务存在的薄弱环节，使审计工作方向明确、有备而来，审计疑点准确锁定、精确打击，大大节约了现场检查资源，降低了审计成本，提高了审计质量，改善了审计效果。

四、成果展示

2014年8月，宝鸡中支成立审计组进驻辖区某县支行，利用计算机辅助审计系统开展对县级国库核算系统专项审计，取得较好效果。

1.全面数据分析，筛选疑点线索

审前准备阶段，审计人员利用辅助审计系统非现场抽调了支行2013年至审计日的国库核算数据，根据数据分析组件对数据进行加工、筛选和比对。重点筛查了“重要空白凭证领用情况”、“重要空白凭证跳号使用”、“预算执行情况分析”、“退库原因分析”、“支付方式退库原因明细查询”、“查复不及时”等固化审计模型，初步筛选出需现场确认的可疑记录711条，按照风险类别整理导出文件32个。

2.强化疑点核实，核对凭证记录

现场审计阶段，针对审前提取的疑点信息，审计组有的放矢，调取疑点信息发生日及相邻日期的传票及账簿凭证，现场核对、深入挖掘、揭示风险。经核实后确认支行国库核算存在“福利企业退税监督不严”、“财政专户拨款审核不严”、“国库直接支付预算支出科目审核不严”、“预算单位国库集中支付覆盖率较低”、“对账制度执行不到位”等重要风险13个，涉及业务风险10类，迅速实现了对疑点问题的精确定性，起到了精确锁定，凸显风险，抓手明确，改善管理的审计目的。

3.提升审计效力，增加服务质量

大数据运用 篇7

关键词：大数据,民政信息化,公共服务平台,建设措施

在信息时代背景下, 需要及时的更新民政管理手段和理念, 建立数据化的民政管理系统, 这就需要建设标准化和流程化的管理模式, 完善“大数据”的信息化管理, 利用“大数据”推进民政信息化建设, 促进现代民政服务工作体系的建立。通过“大数据”信息化民政服务平台吸收群众的批评和建议, 深入联系群众, 贯彻“从群众中来到群众中去”和“为人民大服务”的政务思想, 促进我国国家政权、社会保障、社会福利、社会救助信息化, 接受广大人民群众的监督, 发扬民主、自由的民政工作思想。

一、民政工作“大数据”运用的必要性

1、民政工作存在“重业务、轻服务”现象。

我国民政业务平台建设的过程中普遍存在重视业务管理, 忽视民政服务的现象。大部分民政信息平台的功能是对对象信息的录入和存储, 没有真正建立与社会民政沟通交流的信息化服务平台, 所以民政工作与民政服务对象难以形成一种相互联系和沟通的平台, 需要利用现代化的“大数据”推进民政信息化建设;

2、民生政策信息存逻辑性不强, 关联度不高。

民政信息化平台在实际运作的过程中, 发布的部分信息缺乏严格的逻辑性和严谨性, 信息的内容、质量、数据呈现出离散无序的状态, 信息内容与群众的关联度不高, 不能激发民众参与民政信息互动的主动性。需要利用“大数据”信息化功能及时整合, 民政信息状态, 建立与广大人民群众良性沟通和交流的民主化服务平台;

3、民政信息化投入不足, 设施不足。

民政信息化设施不足已成为制约民政信息化建设的主要因素, 很多地方的民政部门缺乏信息化技术的支持和指导, 在民政信息建设方面的资金投入不足, 导致难以将业务信息与现代化的民政工作紧密的联系起来。所以需要利用现代化的“大数据”技术, 对民政信息化工作进行专业的指导, 推进民政信息化平台的建设, 推进我国民主、自由的政治环境氛围的形成。

4、横向数据共享不畅, 仍存在“信息孤岛”。

民政工作职能的区划地名、婚姻登记、殡葬管理等信息涉及社会保障、社会服务等基本信息, 需与横向十余个部门共享车辆、存款、住房、证券等数据。但目前存在横向数据共享不畅, 仍存在“信息孤岛”。所以需要充分运用“互联网+”思维, 树立民政大数据理念, 打通政府部门间信息沟通“最后一公里”。

二、通过“大数据”运用来推进民政信息化建设的措施

1、统筹民政业务体系整合与共享。

“大数据”信息参与民政管理建设工作已经成为新时代背景下一个必然发展的趋势。我国当前涉及民政业务的组织结构和组织形式比较复杂, 部分业务涉及相关部门、社会组织等, 并且信息平台的管理部门和管理人员都不够统一, 目前使用的民政综合政业务平台出现重复投资、服务功能不全等问题。针对这种情况, 各级民政部门可将本地掌握民政务信息的部门设定为电子民政信息的管理机构, 减轻信息平台管理建设的财政负担, 实现民政服务信息资源的整合和管理。然后结合部门“十三五”规划按照信息化标准规范, 将民政信息平台接入民政综合业务平台。

2、建设统一的民政数据中心。

民政资源建设和共享的程度主要是由民政数据中心来决定的, 各地应该结合本地的实际情况, 建立本地的民政数据中心, 并且该数据中心可以为其他部门提供相关的信息共享服务, 实现一个多方位的民政政务管理平台的建设。促进民政服务业务的在线办理、查询和管理。在数据中心建立的基础上, 建立民政综合业务数据交换平台, 实现同级或者上下级之间的民政数据交换, 为民政服务业务提供更为广阔的数据参考。

3、推动民政业务“大数据”的运用。

民政业务“大数据”的运用, 是在民政综合业务平台的基础上进行的, 对其他政府部门的有效数据进行收集和分析, 为自身的民政管理服务提供有效利用的价值。充分应用民政大数据, 推动民政数据安全、有序、集中向社会开放, 探索民政大数据的开发与利用, 开发社会救助、智慧社区、智慧养老、慈善捐助、志愿者服务等平台建设和服务产品, 努力打造金民服务工程, 不断推进民政信息化软硬件设施的建设, 构建资源共享、数据开放、互联互通、综合利用的民政大数据应用体系, 促进民政工作的民主化进程。

结语:综上所述, 积极探索“互联网+民政”管理服务模式, 综合利用“大数据”推进民政信息化建设, 促进现代民政服务工作体系的建立, 明确民政业务组织结构关系, 建设民政数据中心, 推进民政业务运用“大数据”, 有利于提升民政服务能力, 有效履行民政职能, 促进政务公开, 更好的服务广大人民群众, 全面提升民政管理与服务现代化水平。

参考文献

[1]陈玲君.基于“大数据”运用推进民政信息化建设[J].吉林省教育学院学报旬刊, 2015 (6) :151-152.

运用大数据手段助力小微金融发展 篇8

一、小微企业融资难的成因

(一) 社会信用体系建设不完善

目前, 我国社会信用体系建设还相对滞后, 各类征信系统覆盖面较窄、银企信息不对称, 另外金融机构之间的征信信息也无法共享, 导致金融机构对小微企业放贷非常谨慎, 影响金融机构对小微企业的信贷支持。

(二) 信贷资源分配不平衡

由于小微企业规模小, 业务分散, 各家金融机构从资金的安全性和经营成本方面考虑, 将信贷重点放在资产规模大、偿债有保证的大中型企业, 缺乏对小微企业贷款的动力。同时传统金融机构为防范风险, 对贷款条件设置相对较高, 缺乏适合小微企业的新型信贷产品, 导致小微企业很难从金融机构获得贷款。

(三) 小微企业自身融资条件缺乏

一方面, 小微企业管理基础相对薄弱, 法人内部治理机构缺乏, 制度落后, 需要银行投入更多的人力物力进行贷款审查;另一方面, 小微企业经营风险偏大, 抗风险能力较弱, 并且缺乏必要的担保物。这两方面原因直接影响金融机构对小微企业信贷的审核和发放。

二、大数据金融应用前景

(一) 大数据分析工具介绍

大数据分析主要是利用庞大的信息量, 通过统计分析得出普遍性、规律性的结果。而数据挖掘是大数据分析应用的一个分支, 通过对大数据的一般性数据分析, 进一步模型化, 产生出有价值的知识信息, 最后形成需要的分析结果来辅助决策。

大数据分析工具在信贷风险评估领域具有很广阔的应用前景, 通过分析和挖掘小微企业的交易信息, 掌握分析小微企业的行为, 分析可能存在的风险。通过对企业法人、高管进行有针对性的数据分析, 如信用卡交易和纳税数据信息, 可以非常精确地获得目标企业的经营状态、信用动态等信息。

(二) 大数据金融的应用前景

大数据金融是通过云计算等处理方式, 对收集的海量非结构化数据进行实时分析, 以此优化金融营销和风险控制。其核心在于对数据进行扁平化、不对称的处理, 实现了数据的标准化和结构化, 从而提高了数据的使用效率。

大数据金融在数据和成本方面优势十分明显, 且与小微企业贷款的性质和特点相契合。首先, 小微企业贷款的数据量多且分散, 累计的信用数据通过传统的信用评估手段已经不能满足需求。而大数据金融通过云计算在数据处理方面具有先天优势, 通过云计算和分析模型可以大大提高信贷决策的科学性。其次, 小微贷款单个贷款业务上利润额较单薄, 而大数据金融以信息技术为基础, 业务基本在线上完成, 甚至可实现批量操作, 大大节约了人力成本和运营支出。

对中小银行来说, 小微金融是一片广阔的业务蓝海, 但需要合适、有效的手段去开拓这片业务蓝海。目前主要有如下几个发展方向:

1. 基于交易数据的贷款:如POS贷、生意流水贷款、工资流水贷款等。

2. 基于供应链的贷款:结合资金流、物流、信息流设计定制产品, 如果蔬、船运、五金等行业贷款等。

3. 基于互联网金融的网络贷款:结合互联网平台、电子商务、第三方支付公司的网商信用贷款。

三、大数据金融应用现状

面对大数据时代的到来, 金融机构依靠传统的抵押担保或现金流信息来发展小额贷款成本较高, 已经不能满足批量、高频的小微金融需求。只有利用大数据金融才能破解成本难题, 并更好地提高贷款决策的有效性和科学性。

目前已有多家金融机构及第三方支付机构开展了基于大数据的小微信贷产品, 支持了一部分小微企业的发展, 见表1所列。

如大数据金融的先行者“阿里小贷”, 利用阿里巴巴、淘宝、支付宝、阿里云四大平台积累的客户信用数据, 向阿里巴巴及淘宝上的小微企业和自主创业者批量发放50万元以下的“金额小、期限短、随借随还”的纯信用小额贷款服务。截至2014年6月, 阿里小贷累计发放贷款突破2 000亿, 服务的小微企业达80万家, 不良贷款率控制在1%左右。

虽然大数据金融正在逐步兴起, 但目前总体规模较小, 特别是应用面还较窄, 无法满足大多数小微企业的融资需求。而且各贷款机构的业务系统分散, 自成体系, 无法共享信息。这就需要政府职能部门的介入, 整合各类资源, 探索建立数据的有偿使用机制, 使得大数据金融更好地服务于小微企业发展。

四、相关政策建议

破解小微企业融资难题, 需要更科学地运用大数据等手段, 强化对小微企业的征信服务, 低成本、高效率地协助金融机构批量选出优秀的融资对象, 批量满足小微企业的融资需求, 并通过大数原理降低贷款不良率。

央行作为贯彻落实党中央国务院关于金融支持小微企业发展决策的主要职能部门, 可以从以下几方面进行推进。

(一) 加强部门协调, 完善社会征信体系

加强与工商、税务、海关等部门的沟通协调, 共享相关企业信息。增加对互联网金融、第三方支付以及影子银行等涉及金融的产业信息的采集, 特别是扩大征信信息覆盖面, 完善企业和个人的各类金融数据, 促使更多小微企业的信用数据纳入征信系统, 增加数据库的广度和深度。

建立适合小微企业特点的信用评级体系, 进一步完善企业信用信息基础数据库, 优化、理顺小微金融的生态环境。

(二) 组建大数据金融平台, 支持小微金融发展

在采集更丰富的征信数据、金融数据的基础上, 可由央行牵头、各金融机构参与, 组建大数据金融平台, 建立开放式的大数据分析系统, 开发各类数据挖掘工具, 无偿或有偿提供给各类贷款机构使用, 为小微金融信贷产品开发和应用提供数据支撑。

(三) 出台扶持政策, 鼓励小微金融信贷创新

大力推动互联网与金融的深度融合, 鼓励互联网企业和金融机构的合作。支持金融机构基于大数据进行小微企业信贷模型、信贷产品的开发, 加强金融机构间的信息共享和成功经验交流推广, 通过政策倾斜、政策扶持, 激励金融机构进行小微金融创新。同时切实把小微企业信贷和金融机构盈利结合好, 让金融机构, 特别是中小银行, 积极投身拓展小微企业信贷的业务蓝海。小微企业融资难的原因是多方面的, 既有企业自身内部的原因, 也有外部原因。解决此问题是一项复杂的系统工程, 需要政府、金融机构、小微企业的共同协作, 开拓思路、创新手段, 形成整体合力, 才能真正解决小微企业融资难问题, 使之更好地为国家经济发展、维护社会稳定贡献力量。

摘要：小微企业融资难始终是其生存、发展的障碍和瓶颈, 根本原因是缺乏针对小微企业有效的征信体系和信贷风险评估模式。本文提出建立大数据金融平台, 创新小微金融信贷产品, 缓解小微企业融资难, 给小微企业融资难提供解决问题的有效途径。

关键词：金融科技,大数据,小微企业,融资难,信用体系

参考文献

[1]国务院办公厅关于金融支持小微企业发展的实施意见[Z].国务院办公厅.2013.

大数据在统计工作中的运用研究 篇9

一、统计工作现状分析

目前企业统计工作仍然存在一些普遍性的问题。主要表现在企业领导对统计工作的重视程度不高,统计工作在企业管理中的作用没有充分发挥,最终导致统计工作成为一种被动式的工作。其次,部分企业还未建立健全的统计机构,特别是中小企业仅在隶属的科室设一个计划统计人员,大多还是兼职,其统计事实上只不过是一种简单的记录,没有什么难度和工作量,统计项目增多,分析和整理的数据也随之增多,统计人员无法全力应付。最后,便是统计人员素质水平低下,现阶段,部分企业的统计工作人员工作能力与客观形势发展的要求存在明显的反差,缺乏统计基础知识,阻碍企业统计工作的有效进行。

二、大数据对统计工作造成的影响

对于企业而言,统计工作主要是指通过收集、汇总、计算统计数据,来反应企业事物的面貌以及发展规律,为企业发展战略的制定提供科学依据。大数据具有催生社会变革的能量,对统计工作的意义与作用巨大。大数据具有催生社会变革的能量,对统计工作的意义与作用巨大,在激烈的市场竞争中,各行各业开始采取大数据来提高自身竞争力。大数据时代科学研究的方法手段将发生重大改变。例如,抽样调查是社会科学的基本研究方法。在大数据时代,可通过实时监测、跟踪研究对象在互联网上产生的海量行为数据,进行挖掘分析,揭示出规律性的东西,提出研究结论和对策。

三、大数据在统计工作中起到的重要作用

(一)有利于企业风险的管理

数据分析在企业风险管理中的应用方向必然将指向更为高效简明的方法,其分析结果将越来越明确,直白。未来的数据分析会对实际的市场环境数据进行更深的挖掘,逐步减少主观因素对数据库的影响,企业的风险管理会与企业的实际业务流程和市场变化情势结合得更为紧密。当然,也要看到,目前的数据分析在企业风险管理中还有一定的掣肘,如果企业在管理信息搜集,管理信息获取渠道上有障碍,或者企业在数据的处理技术和数据兼容性上还存在不足,那么数据分析在企业风险管理中的应用将受到影响。数据分析是基于客观数据基础之上的分析,企业要利用数据分析提高自身的风险管理能力,就必然要在数据搜集和整理分析方面进行提升。同时,考虑到数据分析对于信息化技术的专业能力要求较高,企业还需要在数据处理和信息化技术水平方面进行人才队伍的建设。结合企业所在行业的专业背景,建立起了解企业经营实务,又具有数据分析与信息处理专业水平的人才队伍才能真正意义上提高企业对风险管理的水平。

(二)充分发挥人的作用

为了加快大数据统计工作的建设就要充分的激发统计人员的工作积极性,提高统计人员的工作能力,才能最终提升生产统计方面的作用。要做到这一点,就要更新对统计工作的认识,使领导层和员工都认识到统计工作是企业经营管理中一个重要的组成部分,培养统计人员对统计工作的认真工作态度;其次,要对统计工作人员进行再培训和再教育,提高他们的业务能力和生产相关的知识,鼓励他们了解实际生产过程和标准生产水平,做到心中有数,才能在统计过程中及时发现问题;第三,要贯彻国家统计法的实施,使统计人员都自觉地养成“有法必依、执法必严、违法必究”的习惯,建立全新的信息化统计信息系统。最后,在实行严格的统计工作的过程中要关心生产人员的工作生活状态,积极为生产人员解决各种困难,使他们保持最佳的工作状态,只有这样才能实现企业盈利的最终目标。

四、促进大数据在统计工作中有效应用的相关对策

(一)构建高素质统计队伍

随着企业的发展壮大,其统计工作越来越复杂,工作难度越来越大,所需统计工作人员越来越多。在这样的环境下,就需要企业加大统计工作人员的队伍建设。针对企业内部的统计人员,要对其加强业务培训,并普及相关的法律法规,强化信息统计人员的信息化意识,促使企业统计工作人员具备良好的职业素养与扎实的业务知识,对统计工作的信息化建设有相应的了解,能够利用现代化技术进行统计工作,有效提高工作效率。同时,企业还要加强队伍建设,多引进一些具备较强工作能力与创新能力的专业统计人员,并将统计人员分配到不同部门的统计领域中,使其充分发挥自己的才能,促进企业的统计工作信息化建设,形成一支技术过硬、素质较强、作风优良的专业队伍。

(二)改进统计的工作方法

当前统计工作往往,数据确定之后再利用这些已经延后的数据来进行加工和分析,得出的统计产品和服务的时效性显然已经大打折扣了,这等于是拉长了整个统计分析的工作链条,降低了工作效率。因此事后总结研究应向事前、事中、事后分析转变。要变被动为主动,牢固树立统计“全过程分析”的意识,利用大数据的特性,在日常工作中侧重培养对统计分析的前瞻性、时效性和准确性能力的掌握度。事前分析要抓先行指标,利用先行指标走势先于宏观走势的预警特性,结合大数据类别多、真实性较高的特点,提前预判走势和及时发现运行的趋势性问题,为管理层决策打好基础。

(三)定量分析转为定性分析

定量分析是统计部门的“看家本领”,利用采集到的数据,进行加工整理,得出总量、增速、占比以及增减变化情况,从数据所反映的量化角度对生产及工业活动做出表面解读,这是我们的常规优势,但是如果一旦由于时间节点原因或者宏观调整等客观因素的影响,造成一个数据的异动或者无法准确得出,那么已知一个条件求结果的分析方式将会导致数据所反映出的结果与实际情况的背离,或者无法将其准确量化的情况发生。统计部门应利用自身已有的统计数据结果和大数据特性,进行关联性分析,将指标趋势、外部经济环境和市场经济发展的内在规律等方面进行有机结合,对数据和走势的判断进行定性的解读和分析,由定量分析向定性分析转变,得出更为真实可信的预测和更有建设性的建议对策。

五、结束语

大数据时代的来临对我国各个领域的发展都带来了很大的影响,在大数据特征的影响之下,统计工作也渐渐转变了单一的思维,而是以一种全新的态度来分析大数据所带来的便利,使用新思维来认识、分析及处理大数据中出现的问题,相关部门应认真总结经验,认识自身存在的缺陷与不足,正确认识统计工作的重要性,抓好统计工作,企业经济效益与社会效益的统一发展奠定坚实基础。

摘要：大数据时代的到来为企业发展创造了新的契机,同时也带来了一些挑战。尤其是对于企业统计工作而言,传统的统计方法已经无法适应于当前企业的发展。为了顺应时代发展,我们必须将大数据应用到统计工作当中,帮助企业统计工作实现“咨询、信息、监督”等职能,为企业的全面发展奠定基础。

关键词：大数据,统计工作,相关研究

参考文献

[1]季晓晶.大数据时代统计调查工作的挑战与思考[J].统计与咨询,2013

[2]岳大波.大数据时代下对统计工作的思考[J].办公自动化,2014

[3]黄赞兵.大数据时代做好统计工作之我见[J].财经界(学术版),2015

[4]马丽.论大数据时代对科技统计工作的挑战与思考[J].江苏科技信息,2015

大数据运用 篇10

大数据开启了一个全新的时代,是人们对信息化时代到来的一种广义论述,它强调基于海量数据技术的互联网信息技术的蓬勃发展与创新。而大数据时代下的教学学习评价体系成功地实现了对于传统学习评价体系的突破与创新。这就给我们以有益启示,通过研究大数据背景下现有小学英语学习评价体系的变化状况,能够为我们着力建立并完善新型学习评价体系提供重要的借鉴思路。

首先,大数据背景下,传统的小学英语培养目标已经发生了变化,这就要求我们应当重新设置新的科学培养目标。21世纪是信息技术飞速发展的时代,同时也是人才需求不断上涨的时代。而我国在教育发展纲要等相关文件中明确指出,当前我国的教育依然存在较多的问题。在教学培养目标方面依然沿袭较为落后的理念与思维方法。在传统的小学英语培养目标中,由于受到应试教育的深远影响,老师在培养目标的设置上更多地体现出强调提高学生的应试能力,着力优化其解题能力,从而帮助学生在考试中获得更高的分数的特点。而大数据背景下的新型人才培养发展战略,则强调应当培养具有一定技能水平和专业素质的人才。这一要求落实到小学英语的教学过程中,就突出体现为强调做好学生的英语素质教育工作。不仅要让学生掌握英语相关的基础性知识,同时还应当对英文的文化背景、语言特色有一定程度的认识和理解。因此,在构建新型小学英语学习评价体系时,应当注意重新设置培养目标的问题。

其次,大数据背景下,传统的小学英语学习方式已经发生了变化,这就要求我们应当积极探索有效的英语教学方法。信息技术的不断发展、深化,对人们的生活造成了极其深远的影响。而大数据理念的推行和传播实际上就已经意味着传统意义上地区教育资源不平衡的问题已经得到了极大的改善,丰富的教育资源能够通过网络信息技术在全世界范围内予以有效应用。但一个问题也随之而来,那就是如果要对这些丰富的教学资源予以合理的应用,那在教学活动中具体应采用何种教学方式?事实上,传统的小学英语教学主要是依靠教师个人的言传身教,偶尔借助录音、卡片等传统传播媒介进行英语教学。而大数据背景下的小学英语学习方式已经发生了天翻地覆的变化。多媒体教师的兴建、专业化视听设备的配备、完善的师资力量,加之社会上不同类型的英语培训辅导机构,当前的小学英语学习方式不断呈现出多元化辐射式发展的显著特征。基于上述认识,在构建新型小学英语学习评价体系时,我们应当注意,由于学习方式已经产生了极大的变化,因此在相关学习评价的标准参数问题上,也应进行相应的调整。具体来说,传统意义上的小学英语学习评价体系主要是依据考试数据和学生的平时表现。其中,学生的平时表现具有较大的主观性,这就对评价结果的准确性和可靠性产生了一定的消极影响。而大数据背景下的新型英语学习评价体系,成功实现了对于考试数据和学生平时表现的量化处理。具体体现为:第一,依据不同的学生建立不同的评分标准。如果小学英语在课程设置上有着明显的丰富化发展趋势,包括课堂教学、多媒体视听教学、网络教学等多种教学方式,而在对学生的学习情况予以评价时,针对不同的教学方式,着力构建不同的评价标准与体系,就能对学生在参与每一类教学活动时的实际表现情况予以客观评价。第二,实现考试数据评价体系的优化处理。学生的考试成绩并不再被认定为学生学习效果的唯一评价标准,而是采用“考试成绩+平时成绩”的模式来予以综合评价。一般来说,平时成绩占总体的30%,考试成绩占总体的70%。通过这种评价方式,一方面,能够更全面地反映学生的英语学习情况;另一方面,让学生充分了解课程学习的重要性之后,能够有效激发他们参与课程互动与英语学习的积极性,帮助学生不断培养自身的英语学习专业素养。

二、大数据分析支持下的学习评价需要实时记录学生的学习过程

大数据支持下的学习评价以学生学习过程评价为主,这就需要实时记录学生在学习过程中所产生的各种数据,通过学生对学习内容的完成情况、学习过程中使用的策略和方法、学习用时、测试成绩等的各项数据分析,及时地了解学生的学习掌握情况,才能及时进行相应的指导。

三、大数据分析支持下的学习评价目的是为了给学生提供针对性的指导

传统的学习评价忽视了评价学生的学习过程,以评价学生的学习结果为主,而利用评价学生学习结果的方式来评价学生对知识的掌握情况只能做到对学生整体的评价,而不能具体清楚地了解每个学生的情况。信息技术辅助下的学习是学生进行自主控制学习过程的一种活动,教师不再简单地扮演传统的传授知识的角色,而成为信息技术学习环境下学生的指导者和辅助者。教师借助大数据分析支持下的学习评价来发现学生的问题,根据每个学生的不同情况再给予个性化的指导。

四、大数据分析支持下的学习评价以形成性评价为主

传统的学习评价将学生的考试成绩和排名情况作为学习评价的结果,这样的评价方式只注重了利用学生学习的量化结果来考查学生,而没有全面地去评价学生。如果学生平时学习很好,但是由于一些其他的因素而没有考出好成绩,如考试时生病,这样利用学生的成绩来评价学生并不能说明什么。大数据分析支持下的学习评价目的是给学生提供个性化的指导,教师从学生的多方面着手对学生进行评价。例如,个人喜欢的学习方式、学习时间等,根据学生的特点,有针对性地对学生提供帮助和指导。这就需要去记录学生的整个学习过程,以形成性评价为主,详细分析学生的学习过程数据,评价学生的学习掌握情况,在评价中明白学生存在的问题,再给予针对性的指导。

评价是根据一定的标准和学习目标,对学生的学习状况作出判断的过程。包括学生的学习能力、心理特质等各方面的综合评价。学习分析下的中学生学习对学生的评价有两个方面:一是为了给学生提供反馈;二是用作教学诊断。其评价是以教学目标为基础,利用计算机记录的中学生做题的小数据实现学习分析,找出学生的问题,通过计算机的学习环境帮助学生提高学习能力。同时,在学生进行练习时,对学生的知识学习情况、学习的态度、学习的策略、学习的习惯、学习的时间等进行评估和判断,通过学生之间的相互比较进行评价。找出学生实际存在的问题,更有利于教师对不同的学生进行针对性的指导,调整相应的教学内容,制定下一步教学计划,从而提高学生的学习效果。对于学生自身来说,也能让他们明白自己的问题所在,并可以根据评价的结果去调整自己的行为和思想,进一步学习没有掌握的知识,提高解题的能力,改变解题的策略等。

传统的教育评价主要采用标准化的考试对学生的学习结果进行测量,但教师并不能全面地掌握学生在学习过程中的相关学习行为表现,如学习的进度、学习的习惯、知识的掌握程度,与同学和老师的交流讨论等。运用大数据思想,通过网络学习中记录的小数据分析能更全面地了解学生,结合各种学习行为数据与学习结果的分析能更全面地评价学生。此外,这种对学生学习过程的评价加快了学习分析的发展和应用。教师可以根据学生学习过程的相关数据,分析出学生的学习特征、知识达标程度等,预测下一步的教学内容,改进教学方式。并通过学生的反馈为学生制定相应的学习策略,实现个性化的指导,这些都是在传统课堂教学中不能实现的。

摘要：利用大数据分析评价学生的学习主要是以评价学生的学习过程为主,评价学习结果为辅。对学生的学习过程进行分析评价就是收集学生在学习过程中产生的有价值的小数据,按照一定的目标抽取学生的各种学习行为特征,选择相应的分析评价方法,找出学生的学习问题、学习策略和方法、学生心理特质等问题,给予个性化的指导。

关键词：大数据,学生评价,学习

参考文献

[1]张鹏高,罗兰.基于大数据的教育决策支持[J].中国教育信息化,2014(19):3-5.