数据分析的统计学基础篇1

一、研究背景

自2002年桂林理工大学在广西开办了第一个统计学本科专业以来，针对当时理学学位的统计学专业培养的学生虽然数理基础相对扎实，但普遍统计思想不够，实际应用能力较弱的现状和特点，对统计学专业进行了全方位的改革研究，确立了"数学与统计学相融，从培养学生扎实的数理基础和极强的统计分析应用能力有机相结合的理念出发，构建了新的课程体系和教学内容，取得了系列研究成果。2009年研究成果开创“应用性、实验性、案例性”一体化的统计学专业课程体系和教学模式，获得广西高等教育自治区级教学成果二等奖[1]，并在其后分别把统计学学科建成广西重点学科和广西高等学校优势特色专业，以及把应用统计实验室建成广西高等学校重点实验室。

虽然我校统计学专业的教学改革和建设取得了许多成果，但近几年，我们也逐渐感觉到在大数据新形势下，我校应用统计学专业的教学体系还有一些不适应的地方，且某些问题还有日益凸显的趋势，我们原来的某些研究成果已不再适应新时代的要求，这就迫使我们继续进行改革研究，探讨在大数据背景的新形势下，如何培养统计学专业复合型和应用型人才，如何准确把握统计学的发展方向与发展形势，如何调整人才培养模式，如何调整相关课程和课程内容，以培养适应大数据背景下社会经济发展需要的统计学专业人才。

许多国家越来越重视数据在大数据时代重要作用，我国也不例外，2012年9月，国家统计局第7次局务会提出，尽快开展在政府统计中应用大数据的研究。2013年可以看作是我国政府统计之大数据元年。2015年9月《国务院关于印发促进大数据发展行动纲要的通知》（国发〔2015〕50号）[2]颁布，标志着我国正逐步进入大数据建设的新时代，为此，国家统计局积极推动大数据在各方面的应用与实践。而大数据的核心是数据，应用统计学学科是与数据分析处理联系最为紧密的应用性学科，因此，应用统计学专业的教学体系应顺应大数据发展的趋势。在大数据背景下，应用统计学专业在继承传统数据分析技术的基础上，对所需的数据处理技能提出的需求更高了。这就是说，大数据对应用统计学的培养目标，以及教学内容等的冲击无疑是最大且不可避免的，这给应用统计学专业带来了巨大的挑战，同时也为应用统计学学科的发展带来了前所未有的机遇。

大数据逼迫人们改变分析、处理数据的手段、思维和理念，这就逼迫应用统计学专业改革必须引入新手段、新思维和新理念。培养应用统计学人才必须与时俱进，才能不断适应大数据新时代的要求，这关系到应用统计学专业培养的人才能否适应和满足社会的需求，因此，这一研究是十分必要、十分迫切且有着重要的理论和实际应用意义。

数据分析的统计学基础篇2

本课程的目的在于培养学生使用数据分析工具的能力[2]。因此教学必须从实际出发，首先阐述清楚管理统计学各种方法的实际应用背景与其所解决问题的定位与对象，在此基础上强化基础统计理论与方法的学习，并选择相应案例运用统计软件进行计算与分析。使学生能够深刻理解统计学思想，以及统计方法所能够解决的问题以及解决问题的思路、方法与工具，并能够综合运用统计理论与其他经济、管理理论进行分析与解决实际问题。通过教与学，使学生具备以下能力：

a、统计软件SPSS上机操作的能力；

b、利用统计软件处理统计数据的能力；

c、面临实际问题选择适当的统计分析方法的能力；

d、解读软件处理结果并支撑实际决策问题的能力。

2 传统教学中存在的问题

2.1先导课程基础薄弱

管理统计学的先导课程为概率论与数理统计，一般学校概率论与数理统计课程的开设学期为大学二年级上学期，而管理统计学的开设学期为大三下学期，两门课程教学间隔时间较长，导致很多学生在学习管理统计学课程时，对于概率论方面的基础知识少有印象，造成对管理统计学中的一些知识点理解起来较为困难，例如假设检验部分内容，统计学需求得显著性P值，而P值的计算方法则是属于概率论课程的教学内容。由于知识点衔接不上造成很多学生学习统计学时，知其然而不知其所以然的情况。

2.2理论教学方法单一

传统教学手段单一，主要以教师讲授为主[3]。教师通过讲述、课件展示的方式将知识、技能传授给学生，使得学生经常处于被动的位置。虽然能够教师能够用较短的时间将知识系统、全面地教授给学生，但是不利于学生积极性的调动。这种教学方法不仅费时费力，而且达不到要求的教学效果。另外一些统计分析方法，需要大量数据，并且计算较为复杂，因此讲解难度较大， 而且无法连贯下来。如果教师照本宣科，平铺直叙，不结合案例讲解[4]，就会让学生觉得枯燥无味，晦涩难懂，从而降低学习兴趣与积极性，影响教学效果。

2.3实践教学环节薄弱

在信息时代的今天，不会通过计算机手段，使用相关的统计分析软件，统计学就没有了用武之地[5]。而很多院校的统计学教学缺乏相应的实践性教学环节，学生虽通过课堂学习了统计学的基本概念和理论，掌握了一些数据统计分析方法[6]，却没有掌握将统计理论和方法应用到实践当中的工具和手段，常常只会手工运算， 遇到一些比较复杂的数学模型， 就只能纸上谈兵。缺少实践是整个问题的关键， 使得不能利用一些成熟的统计分析软件去求解问题。只有通过大量的上机操作训练，才能让学生真正掌握统计分析软件，并能正确地应用。

3 教学改革研究

3.1基于案例驱动式的理论教学

在进行管理统计学知识点讲解时，以一个真实的统计分析案例贯穿于整个理论教学，从研究的设计、数据的收集、数据的整理、数据的预分析、统计制图、统计制表、假设检验、相关分析到回归分析，对每一个知识点都通过理论讲解与实际案例相结合的方式。理论知识为案例分析的准确性提供了保证，案例分析是对理论知识的升华。进行课堂教学组织时，可以采用案例讨论的方式，在老师的指导下，组织学生来对案例进行分析、讨论，并在对统计结果进行分析的基础上得到统计结论。这种案例的教学方式加深学生对于知识点的理解，同时能够帮助学生建立一个完整统计分析研究的思路。

3.2以理论教学为基础的模块化实践教学

实践教学是巩固理论知识和加深对理论认识的有效途径。针对不同专业的学生，选用不同的统计分析软件进行教学，对于非统计学专业，可采用功能强大且操作简单的SPSS进行实践教学。在进行实践教学时，根据统计分析软件的结构将教学内容进行模块化分解，例如可分为数据设计及录入模块、数据整理模块、统计描述模块、统计分析模块、统计建模模块。针对不同模块的特点采用不同的案例数据进行演示，让学生对于统计分析的过程的阶段化有更深的理解。通过实践教学使学生学会将调查所得的信息转化为SPSS可处理的数据，并通过SPSS软件进行统计处理，获得更深层次的数据认识，挖掘出隐藏在数据中潜在的规律和特征，从而为统计决策提供依据。

3.3以实际应用为导向的课程设计

在理论教学结束后增加课程设计环节，让学生自由组合3-4人为一组，完成一项统计分析研究。要求学生结合社会热点，以统计学课程和理论知识为基础，设计调查问卷，进行实地调研，对搜集的数据进行分析，将收集的的数据描述转换为数据文件，然后进行描述统计分析和推断统计分析，在此基础上进行多元统计分析和统计建模，最后总结设计过程，整理课程设计的书面材料，撰写并提交一份统计分析报告。通过课程设计能够培养学生主动运用统计方法进行调查研究去看待和解决实际问题的能力，提高学生利用统计分析结果达到决策支持的能力。

4 教学改革的实施

数据分析的统计学基础篇3

一、经管类专业统计学课程体系存在的问题

1.课程教学定位模糊。

我国高等院校经管类专业统计学教学中的最大弊端在于一直按照前苏联划分方式将其归类为一门偏重于简单数据整理课程，而将相应的统计分析所采用方法和理论归为数理统计，因此在教学中不重视对后者的学习。然而，西方发达国家的统计学课程是同时包括这两个部分内容的，尤其是后一个部分内容是定量分析的重要基础。因此，在传统统计学教学定位下，学生只认识了基本理论与概念，却掌握不了处理和分析数据的能力，这与经管类专业应用型人才培养目标相背离，难以适应大数据时代社会各领域对经济管理人才素质的新需求。

2.课程体系有待完善，与经管类专业融合不够。

目前，大多数高等院校经管类专业统计学课程设置只涉及理论统计学这一领域，未将统计分析方法与相关经管类专业知识有机结合。在这样的课程体系安排下，学生虽然掌握了统计基本理论和方法，但难以体会到统计在本专业学习中的应用价值，当面临现实的经济、管理问题却无能为力，不会运用所学统计方法，结合专业知识对实际问题进行定量分析。这种状况与经管类人才定量分析能力培养目的相违背，难以实现具有创新能力的经管类人才的培养目标。因此，如能结合经管类专业特点，对统计学的课程体系进行优化建设，势必能够培养出具有定量分析技能，满足社会需求和企业需求，符合大数据时代人才素质要求的经济管理人才。

二、大数据时代经管类专业统计学课程体系构建

1.明确课程教学定位。

目前，统计学教学中偏重于统计学基本概念、基本模型和基本方法的理论知识学习，系统性较强，有利于学生全面了解统计学的知识体系，但是对统计思维能力的培养和统计方法的应用重视不够，这不仅会让学生望而生畏，从而失去学习的主动性与积极性，更为重要的是学生不能够学以致用，在自己本专业深入学习过程中不会运用统计学知识来解决实际的经济管理问题，而在教与学中出现的这些问题源头在于教学定位不够准确。因此，本文提出新的课程教学定位：以应用创新型人才培养为导向，提高经管类专业学生定量分析能力为目标，结合经济学科和管理学科的特点，通过统计学的理论教学、案例分析、课程设计、实验（践）等教学环节，培养学生统计思维能力和统计应用能力，具备运用统计学理论与方法，研究社会经济管理领域有关数据收集、整理、分析等解决实际问题的综合能力，以适应大数据时代对经济管理人才的新需求。

2.课程体系优化建设。

根据新的教学定位，统计学课程体系优化建设的基本思路：一是课程体系设置要强调基础知识、注重灵活应用、突出定量分析的教学理念和教学目标；二是课程结构上，突出专业针对性，强调统计学科和经济学科、管理学科的有机结合，使课程特色化；三是建立实践教学体系，加强学生实践能力的锻炼，为学生提供综合素质和能力提高的实训平台；四是将统计分析软件的运用融入到课程体系之中，加强统计分析软件的技能培养。因此，本文将运用模块化系统集成思想，根据经济与管理类各专业的要求，提出按专业分模块，按模块分层次，按层次定内容的改革方案，构建“课程体系课程子系统课程模块具体内容”的递阶控制结构模型。在统计学课程体系优化建设中，我们运用系统科学的方法构建出模块化、层次化集成的课程体系在整体功能上达到了最佳状态。课程基础子系统是统计学理论基础和统计思维培养阶段，由统计学基本原理和基本理论构成，体现了“厚基础”的功能。课程应用子系统和课程案例子系统是统计分析能力训练阶段，首先结合认知性案例模块系统介绍统计分析方法，让经管类专业学生了解统计分析方法的基本原理，其次进一步结合专业特色案例模块和统计分析软件模块，通过分专业教学方式，使不同专业学生能够体会到统计学在本专业中的应用，增强学生的学习兴趣，体现了“强能力”的功能。课程实践子系统是统计应用能力实践阶段，是培养大数据时代应用型经管人才的重要环节。课程实践主要包括课堂实践和实验室模拟，课外实践主要包括社会实践活动、实训实习和相关竞赛，通过课程实践和课外实践两大平台训练学生运用所学统计调查、统计整理和统计分析等知识解决实际问题的综合能力。课程选修子系统是统计应用能力扩展阶段，该阶段在学生掌握统计学相关知识的基础上，通过选修统计预测与统计决策两大模块，进一步培养学生的定量分析能力。

三、结束语

大数据时代经管类专业统计学课程体系构建，应注重强化基础理论，突出知识的实用性和创新性，做到统计知识与实例分析相结合，与软件应用相结合，理论教学与实践教学相结合，与实际应用相结合。根据经管类各专业特色，以“知识+能力+应用”模式进行模块化、层次化课程体系设置，从本质上提升学生的数据素养和信息素养，提高解决实际问题的定量分析能力，以适应大数据时代对人才素质的新需求，使具有数据管理和数据分析能力的经济管理人才在就业市场上更具有竞争力。

参考文献：

[1]孙根年.课程体系优化的系统观及系统方法[J].高等教育研究，2001，（2）.

[2]曾五一，肖红中、庞皓，朱建平.经济管理类统计学专业教学体系的改革与创新[J].统计研究，2012，（2）.

[3]姚寿福.经济管理类本科专业统计学课程教学改革思考[J].高等教育研究（成都），2012，（3）.

[4]朱怀庆.大数据时代对本科经管类统计学教学的影响及对策[J].高等教育研究（成都），2014，（3）.

数据分析的统计学基础篇4

二、大数据时代下的传统统计教学必要性分析

大数据一词是由统计学家提出来的，可见大数据与统计渊源甚深。目前大数据时代致使统计学的教学内容发生了重大改变，但是其中最基本的原理保持不变，因此在统计学的教学过程中，要能够让学生应用基本原理进行新的教学内容的理解。在教学过程中要能够采取理论与实际并重的教学模式，将基础理论以及实际应用进行紧密的结合。大数据虽然对传统的统计教学产生了近乎颠覆性的影响，但并不是所有的问题都有海量的数据，不是说传统的统计理论和方法就不能用了，也不是所有的数据问题都适合用现有的大数据处理技术来处理。

(一)统计基础理论的重要性

在教学过程中，理论教学的作用非常重要。应该强调统计学理论基础，并分析基本理论在实践当中的应用。虽然一些统计学中的概念在大数据背景下变得不再是普遍性问题，比如样本的概念。但是在淡化了类似样本和总体概念的同时，似是模糊了抽样推断这一传统统计分析方法，但事实上却是强调了归纳，本质来说仍是推断(归纳推断)。

(二)传统统计调查、整理方法的重要性

传统统计学在数据搜集、模型的选择方面，有相当的独特之处。虽然已经进入了大数据的时代，但是并不是所有的问题都有海量的数据。传统的统计数据搜集、整理的方法仍然适用，因此，相关知识的传统统计教学十分重要。

(三)传统统计分析方法的重要性

数据分析的统计学基础篇5

文章编号：1009-0118（2012）04-0101-01

一、统计学的性质与特征

根据《不列颠百科全书》的解释，统计学是收集、分析、表述和解释数据的科学。著名的《韦伯斯特大词典》指出，统计是一门收集、分析、解释和提供数据的科学。美国著名统计学家MarioF.Triola在其《初级统计学》里也写到：“统计指的是一组方法，用来设计实验、获得数据，然后在这些数据的基础上组织、概括、演示、分析、解释和得出结论”。综合来说，统计学就是收集、处理、分析、解释数据并从数据中得出结论的科学。其中数据收集主要是通过各种调查以获取数据，数据处理是将数据用图表等形式展示出来，数据分析是选择适当的统计方法研究数据，数据解释是对数据理论分析结果的说明，最后就是从数据分析中得出与实际结合的客观结论。

统计学的性质决定了其既重理论又重实践的特征。统计学有较强的理论性，统计理论分析所用的方法基本上属于数学的范畴，因此要学好统计学必须要求学生拥有较扎实的数学基础，同时对统计分析数据的解释大多也要结合所研究问题的专业理论；统计学同时又有较强的实践性，因为统计分析的基础是数据，而数据都是来源于对社会实践的调查所得，最重要的是统计分析的结论是要用来解决实际问题的。

二、高校统计学教学存在的主要问题

（一）培养计划设置不合理。统计学的理论基础主要来自于数学中的概率论，因此学生在学习统计学这门课程之前必须要求已经掌握基本的概率论知识，否则就会导致学生的知识体系产生跳级现象。这种情况不乏实例，有高校的培养计划里就出现过统计学与概率论两门课程基本同时进行（如安排在同一个学期），甚至先上概率论后上统计学，这种不合理的课程顺序设置给教师教学带来了很多痛苦和无奈。

（二）只重数理推导忽视专业理论分析。很多统计学教师自身是学数学出身的，因此在给学生教授统计学时非常热衷于数理统计理论和公式的推导，而对统计分析数据的解释及结论的得出寥寥数言即告完毕，学生感觉不像是在学习一门专业基础课程，反而感觉像是在学公共基础课——数学，这不仅会造成学生学习很吃力，而且会严重挫伤学生学习该门课程的积极性。

（三）过分强调应用和应试，忽视理论基础。这种现象和上述的刚好相反，很多经管类专业的统计学教师自身数理统计基础并不扎实，所以在教授统计学时往往会侧重应用和应试，比如只要求学生记住某个公式、怎样套公式等等，但从应试的角度考虑这种方法有一定的效果，但是从根本上讲违背了教学的初衷，学生虽然可能会考试及格但不一定真正掌握了统计学的知识，不利于其今后的长期成长。

（四）教材依赖性严重，不结合实际。这种问题不仅出现在统计学教学中，很多高校老师长期上某一门课程，但连续多年都使用同一本教材，不仅自身知识结构不断老化，而且无法及时将社会上的新兴现象与专业课程理论相结合。任何专业课程的理论知识体系都是随着社会实践的发展而不断更新和完善的，而且任何一本教材都不可能将该门学科的知识体系概括得完美无缺，因此依赖单一教材上课既不利于学生学习，也不利于教师自身素质的提高。

三、完善高校统计学教学的对策

（一）改革专业培养计划和课程设置。作为经管类专业基础课程，统计学的主要先行课程是概率论与数理统计，其他相关先行课程包括高等数学、线性代数、经济学、管理学等等，这些先行课程大部分要到大二上学期才结束，因此在设置专业培养计划时应考虑将统计学课程最早只能安排在大二下学期，或者靠后。同时，在统计学理论课结束后可相应安排一门统计软件分析之类的实验课程，以强化学生对统计知识的理解和应用。以笔者所在的广西工学院管理系为例，该系六个本科专业均在大二下学期开设有《统计与统计分析》和《统计与统计分析实验》两门课程，其中《统计与统计分析》一般排在前十周教学，而相应的实验课则排在后十周，这种连串的课程设置既有利于学生对统计学理论的理解和巩固，也有利于对统计分析方法应用的掌握，通过这种训练学生会把自己学到的统计学转化成一门实用技术，终身受益。

（二）完善教师的知识体系，全面培养学生的知识和能力。统计学的性质告诉我们，它是一门理论和实践结合非常紧密的学科，数理基础决定了对理论的掌握熟练程度，而专业理论是实践分析的依据，二者均不可偏废。作为统计学的专任教师，应在这两方面强化自身的基础。因此，文科专业出身的统计学教师可适当加强概率论等课程的深入研究，而纯粹数学出身的统计学教师应该强化对所教授专业主要理论的系统学习，只有这样学生才能得到全面的统计学教育。

（三）抛弃教材依赖，积极尝试案例教学。传统的教学方式过于依赖教材，而鉴于很多教师习惯使用同一本教材的弊端，一方面应建议教师尝试更换新的教材，另一方面应积极鼓励教师引入案例教学。案例教学是对社会实践的一种模拟，它非常有利于训练学生理论联系实际的思维，让学生在课堂上就能够接触到各种类型的实际问题，培养学生综合运用理论知识去解决实际问题的能力；同时，大多数案例问题的解决方案不是惟一的，具有挑战性和灵活性，这也有利于调动学生学习的积极性和主动性。

参考文献：

数据分析的统计学基础篇6

我国从1965年开始修建地铁以来，城市轨道交通建设的规模不断扩大[1]。40多年虽然已完成数量巨大的工程地质勘察及轨道项目建设，但在项目中产生出的大量规划资料、基础地质勘察资料等的城市轨道基础地理信息，相当部分处在一种分散使用、分散保管、甚至大量遗弃的状态;此外，目前对城市轨道交通基础地理信息的存储管理还是以文字、图纸、图表为主的传统管理，查阅不便，尤其在处理大量工程数据时更是难以下手。因此，必须有一套现代的信息管理系统与之配套，而地理信息系统技术的发展为此提供了一种恰当和实用的工具。

地理信息系统(GeographicalInformationSys-tem，简为GIS)是20世纪60年代开始迅速发展起来的地理学研究技术，是多种学科交叉的产物。近年来，地理信息系统在全球得到空前迅速的发展，成为实现现代化科学管理的高新技术。它被广泛地应用到城市规划、城市地下管网管理、城市交通、社会服务等方面。GIS具有处理海量数据的存储、进行复杂的逻辑运算和数据挖掘的功能，同时也是实现空间图形显示与空间信息查询、分析的有效工具。利用GIS的数据输入、存贮、检索、显示和综合分析应用等功能[2-3]，将轨道交通基础数据的空间信息与其相关的属性信息结合，能够实现城市轨道交通基础地理信息检索、统计、分析、修改、打印等，为城市轨道交通基础地理信息提供快速、准确的现代化管理手段;此外，城市轨道交通基础数据中有大量的工程地质数据和地下管线数据，传统的数据管理很难把不同类型的数据进行三维可视化显示，亦无法对数据进行分析和处理。而地理信息系统的三维可视化功能是以适当的数据结构建立特征数学模型，采用计算机图形技术将数学描述以3D图像的形式予以表现，这样可以实现城市轨道交通基础数据管理的可视化。

1 城市轨道交通基础GIS的分析与设计

1.1 总体结构

系统利用ArcGIS的强大的地图操作功能，来实现对城市轨道交通所涉及的地层、钻孔、监测、构筑物、管线等基础地理数据的可视化管理和分析。系统由硬件、GIS软件和系统软件、数据库、接口等4部分构成，其总体结构如图1所示。

1.2 模块设计

系统要对大量的轨道交通沿线的各种空间及属性数据进行管理，同时也要实现地层数据、构筑物数据和管线数据的可视化分析。根据通用软件设计原理，系统采用模块化设计。分为专题信息管理、基础信息管理和系统维护3个子系统总共由8个模块组成，如图2所示。

1.3 系统功能

系统要求把孤立、分散的各种城市轨道交通基础数据以地理空间为纽带建立起相关关系，在此基础上开发形成基于GIS的城市轨道交通基础地理信息系统。使各种钻孔数据、轨道周边构筑物基础数据、地面地形数据、地下管线数据等形成一个有机的整体;对城市轨道交通基础信息进行检索、查询、分析;同时可以使地层信息实现三维显示;并初步形成一个可扩展的城市轨道交通基础信息数据库。系统的主要功能如下:

1)地图的操作功能。包括地图的放大、缩小和移动等操作;对各种图形要素进行分层显示的功能;此外，还可以执行图形的任意范围打印输出功能。

2)属性数据录入编辑。对所有图形的属性建立专门的属性数据库表，通过数据维护子模块完成数据的录入、编辑、修改。主要的属性数据操作对象包括轨道交通概况、钻孔基本信息、轨道项目施工信息、地层分层信息、各类地下管线信息、地面建筑物信息、构筑物基础信息、监测数据等。

3)图形输入编辑。系统数据包括空间数据和空间属性数据两种。空间数据是指二维平面数据，主要包括轨道交通及站点、地形地貌、地质构造、建筑物、钻孔、管线、构筑物基础等点、线、面状数据。这些数据以层的方式进行组织，以矢量图的形式在平面图上表现出来。系统可通过数据维护子模块对空间数据进行编辑，即进行点、线、面的添加、删除操作。

4)信息检索与查询功能。系统可以同时对空间和属性数据进行方便、灵活、准确的查询与定位。实现空间图形数据和属性数据的双向联合查询和分析，既可由图形信息查询所需的属性信息，又可根据各种的属性信息条件查询图形信息。系统设计了点击、条件、逻辑等查询方式，具有空间位置、属性、范围等多种查询检索功能。

5)信息可视化功能。系统可以将数据库中的信息以文字、地图、图片等形式加以显示，并为用户提供分层显示和各要素的选择显示等功能。系统将以点、线为基本形态，以钻孔数据为基础，选用适当的内插方法，将零散的、局部的二维地质钻孔数据构成地层信息在三维空间中显示;并重现地下空间形态和组合关系，重建三维模型，用三维图形生动地表现出来，从而实现地下复杂空间结构与关系的表达、分析和过程的三维可视化。通过三维轨道可视化显示，可以直观、生动地反映轨道及其沿线各区域的概况。

转贴于

6)空间分析功能。强大的系统分析功能是GIS的优点之一。在现有的空间数据基础上，利用缓冲分析、网络分析、叠合分析与数据挖掘技术，支持复杂空间问题的决策研究，模拟预测变化趋势等。如:以轨道线为中心，建立任意长度的缓冲区，分析出在缓冲区范围内各种管线的分布情况，显示某范围内距离轨道最近的管线或者对其进行碰撞检查等;还可以对大量长期的轨道监测数据进行综合分析，建立回归分析模型，以预测轨道沉降变化。

7)数字影像叠合。对地面影像数据进行配准后可以叠合在矢量图上，以此来增加地面可视化效果。同时也可在此基础上进行地面要素分析。

8)用户权限设置。根据需要设置两类用户:管理员、客户。用户必须使用帐号和密码才能进入系统。管理员具有全部权限，可以进行系统备份、数据录入、修改、查询、删除、打印输出等，还可以增加、删除客户;客户的基本权限有数据查询、统计和打印输出等，客户可以有一个，也可以有多个。

2 城市轨道交通基础GIS的实现

2.1 数据库处理

依据系统基本功能和数据编码等，建立基于SQLSever的数据库管理系统。数据库中数据模型对象可分为如下几类:轨道工程信息表、钻孔基本信息表、剖面地层信息表、地层基本信息表、钻孔层位信息表、构筑物基础基本信息表、构筑物基础层位表、管线基本信息表、管线层位信息表等。以此来建立图形属性数据库，并建立图形属性值与索引字段关联。由图形属性值定位数据库索引字段，以此来调用其他相关字段内容。

2.2 GIS二次开发技术

系统采用ArcGIS作为二次开发平台，调用Ar-cGIS部分优秀的功能模块，并对其进行修改、完善，具体体现在:

1)图形数据属性编辑。根据相关行业规范定义图形属性及其结构，建立与数据库的连接，提高软件的专业化水平。

2)库文件扩充。根据行业标准定义图例及各种专业符号，扩充ArcGIS的图例库、图形库，用于显示调用。

3)以缓冲区分析和叠加分析为基础进行轨道沿线构筑物基础数据和管线数据的专题分析。

2.3 城市轨道交通基础数据一体化显示

1)采用遥感图片配准、建筑物贴图和三维造型技术，实现地面景观和建筑物的立体显示。

2)根据坐标的精确定位，确定构筑物基础数据、管线数据和轨道数据的位置关系，实现地下轨道基础数据的显示。同时，可以在ArcGIS功能模块支持下，进行系统查询功能开发，实现轨道范围内各种管线和构筑物基础数据的查询、分析。

3)依据多层DEM\TIN混合算法，以钻孔数据为基础，对轨道通过的地层数据进行可视化显示。首先，确定轨道沿线区域的综合地层顺序;其次，逐层形成单个地层的构建，各个地层体是通过上下两个地质层面表示的;最后，在区域范围内，在两层面间填充颜色、纹理[4-5]。

3 应用

1) 图形显示功能。如图3为本系统主界面，显示上海轨道交通规划图。

2) 轨道、管线等基础数据查询。点击图形要素，显示图形属性信息;亦可以输入查询条件，搜索数据库信息。如图4所示。

3) 地面建筑物三维显示。将遥感图像配准后，叠加在三维环境中显示，如图5所示。

4) 地下基础数据三维显示界面，如图6所示。

4 结语

1)城市轨道交通基础地理信息系统具有开放、通用、易操作、易维护、易扩展等特点，是一个集实用性和综合性为一体的多功能信息管理系统;

2)城市轨道交通基地理信息系统的应用，可以融合各种不同来源的城市轨道交通基础数据，进而达到数据的共享;

3)三维数据模型建立及其分析功能实现了轨道沿线各类基础地理信息的可视化表达，提供了一种直观的城市轨道交通基础地理信息游览查询，促进了城市轨道交通基础数据管理的信息化;

4)初步实现的地上建筑与地下要素关联显示和分析功能，具有良好的普适性，可进一步深入开发应用;

5)在充分实现系统内在功能的基础上可以不断深入地进行数据挖掘、开发集成所需的新功能，将可大大提高城市轨道交通基础信息管理的效率与质量，使城市轨道交通基础信息管理向科学化、数字化、可视化大步迈进。

参考文献

[1]贾学天.关于地理信息系统在地铁中应用的初步设想[J].中国市政工程，2003(5):71.

[2]陈述彭，鲁学军，周成虎.地理信息系统导论[M].北京:科学出版社，1999.

数据分析的统计学基础篇7

随着大数据时代的到来，各行各业都在利用大数据推动本领域的发展。常熟理工学院自2009年开展教育信息化建设以来，在数据分析方面进行了不断地探索与实践，目前广泛应用于教学和管理中。

一、数据分析的必要性和可行性

高校内部一般都建有：教务系统、科研系统、学工管理系统、人事管理系统、资产管理系统等独立业务系统。这些系统都各自记录着学校方方面面的数据，却都静静地躺在服务器硬盘里，犹如埋藏在地下的金矿，不能为高校全局决策提供支撑。

数据分析的目的就是要让数据发声，通过直观的数据图表来为高校管理提供辅助决策。例如：对教师的专业与学校开设专业的统计分析可以为人才引进提供参考；对学生的校园卡使用记录和校内上网认证记录结合起来，可以为判断学生的行为指明方向；对各二级学院的资产数据统计分析有助于学校对二级学院进行成本核算。

二、数据仓库的建立

数据库是数据分析的源头，数据仓库的建立是数据分析的基础。

建设过程中，首先要统一数据标准，只有准确的数据才是有价值的，如果各系统的数据标准不统一，就会造成不准确的数据分析结果，也就无法为高校管理提供真实有效的统计数据；

其次要建立公共数据平台，公共数据平台是指实现校园内各种信息系统的互通互连和数据共享，包括多个系统业务数据集中存储、备份、数据共享和数据管理的公共平台，为学校各应用系统提供基础数据；

三是要规范数据流程，把各业务系统中形形的数据按标准定期抽取到学校公共数据平台中。确保任何业务系统的添加和修改不影响其他系统的正常运行，同时新建应用系统应建立在统一的数据规范基础和统一身份认证基础上，调用公共数据平台的基础数据（如部门、教工、学生等基础信息），应用系统产生的数据也应成为公共数据平台的基础数据，可供数据平台共享访问。确保提供反映学校全面情况的数据信息，为整个学校提供决策支持所需的数据信息，为今后应用系统的建设和信息服务奠定良好的数据基础。

图1为数据架构图，最底层的是各业务系统，他们产生的数据按编码标准经过抽取、转换、加载到数据中心，数据中心再按需要把相关数据同步给相应的应用数据库或各数据集市，最后形成各类主题数据分析或综合决策系统。

三、基于数据仓库的数据分析

在统一数据仓库的基础上，我们利用数据仓库技术（ETL、OLAP、REPORT）和数据挖掘技术，对多种数据集市进行数据分析，建立了校情综合统计分析系统。该系统从学校基本情况、教职工信息、学生信息、教学信息、科研信息、资产与设备信息、图书资料信息与师生消费等方面进行统计分析，为学校管理提供辅助决策支撑数据。

该系统从学校全局出发，通过多元主题展开分析，以文字、报表、图表等多种形式展现分析成果。

该系统的推出实现了教学质量、学生学习、生活行为等各种信息的监控与分析，对高校资源配置优化、提高高校管理科学化等方面具有不可估量的重要意义。这里笔者将以校园卡和教务数据分析功能为例进行阐述。随着校园卡在校园生活中使用范围的日益扩大，在应用过程中产生了大量数据。校园卡仅仅一年的交易数据就有大约1000万条记录。

校园卡数据分析主要实现以下五大类的分析功能：

（1）各时间段消费情况分析

①从“月、季度、半年、年”的角度来查询消费总额、消费用户数和人均消费等，反映出用户消费支出的趋势，也可反映出物价的变化情况。

②从“几点几分”的角度查询消费人数可反映用户在时间点上的消费习惯，对于各营业部门来说可以合理地调整工作时间、工作人员等，以加强服务。还可根据教职工就餐时间点来分析他们是否严格遵守学校作息时间。

③从“早、中、晚”的角度统计分析学生早餐、中餐、晚餐的就餐率。

（2）各类消费人群消费情况分析

①对于学生工作管理层来说，从“个人、班级、院系”的角度来查询消费金额作为发放贫困补助的依据。

②通过查询一个时间周期内（三天）学生消费人数，起到了解学生是否在校的危机预警作用。

③从学生所属院系、专业、年级等角度来查询消费人数、消费金额和分布情况。

④从学生性别、来源地区（省、市、区）、年龄等人的自然属性来查询消费人数、消费金额和分布情况。

⑤分析教职工的消费水平。

（3）各营业单位消费情况分析

从各个营业单位角度来查询校园用户消费人数，消费金额和分布情况。

（4）各交易类型消费情况

从消费类型角度来查询用餐、购物、上网、上机、水电消费等情况。

（5）工作站、终端个数统计

为直观反映上述消费数据，我们除用表格形式将分析结果展现在用户终端外，还提供了柱状图、饼图、曲线图、点图等形式来展现。图2展示了我校2010年至2014年学生早、中、晚三餐平均价格，呈逐年稳步上升状态，这给餐饮部门提供准确统计数据的同时，也稳定了学生就餐消费水平的承受心理。

高校教学信息化建设积累了丰富的业务数据，根据需求，教务数据分析功能主要包括三大类：教学任务、学生成绩和教学评价。图3为教务数据分析数据源视图，围绕教师的教学工作量、学生取得的成绩以及学生对教师的评价等，我们做了一系列的报表。例如：教学场地信息、学生情况、任课教师情况、各学期教学任务情况、成绩信息、教学评价、历年各专业招生人数、各学院历年教学情况、各学院历年学生对教师评价。

另外，为满足各二级学院要求，做了学业预警方面相关报表，各二级学院可根据年级、专业，通过总学分排行、课程门数排行来关注排在后面的学生情况。

数据分析表明，教师平均教学任务逐年增多，教师总体比较年轻，平均年龄男教师比女教师高，年龄在30-39之间的教师平均课时最多。管理学院历年招生数比其它学院明显高出很多，其中财务管理专业的学生数百分比最高。我校学生的成绩也完全符合正态分布曲线要求。

四、结束语

大数据分析是一种发展趋势，我们目前也仅仅就单项主题进行了逐个分析，如果把这些主题串起来，进行关联分析，将会得出更有趣更有价值的结果，这也是将来我们努力的方向。

参考文献：

[1]戴红芳，冯翔，先晓兵等.商业智能在校园一卡通中的研究与实践[J].微电子学与计算机，2012，29（7）：175-179.

数据分析的统计学基础篇8

Microsoft Excel是微软公司的办公软件Microsoft office的组件之一，是由Microsoft为Windows和Apple Macintosh操作系统的电脑而编写和运行的一款试算表软件。Excel 是微软办公套装软件的一个重要的组成部分，它可以进行各种数据的处理、统计分析和辅助决策操作，广泛地应用于管理、统计财经、金融等众多领域。在质量分析改进中起到相当重要的左右，针对市场旧件的统计分析中也有广泛用途，下面根据市场三包旧件的控制、统计、分析等方面的应用进行研究讨论。

一、针对服务信息上报过程中的审核应用

1、针对已经发生的售后服务信息建立资料库，主要指针对产品信息、用户信息、该单据的服务信息、故障信息、费用产生信息等进行登记存档，同时有备份可以进行核查。

2、从服务的产生到服务终止后的正常使用，用户出现问题――上报故障信息――信息登记（包括周期审核）――信息传递到服务人员――准备工具和相关备件――出门到达服务地点――整个服务过程――服务前后的服务人员和用户的联系及交流。针对关键点设置审核项目。

3、自动审核过程提示设置应用到的Excel相关函数和公式：

信息提取类：Right ( string, n )；Left( string, n )；MID(text,start_num,num_chars)；

重复出现类：VLOOKUP(lookup_value,table_array,col_index_num,range_lookup)

问题信息提示类：IF(NOT(ISERROR(MATCH(text, table_array ,0)))=TRUE,“提示内容”,“”)

二、针对服务旧件中服务区域、故障模式、产品型号、使用周期分析应用

1、在统计的信息库中，针对性的服务旧件中服务区域、故障模式、产品型号、使用周期进行统计，在基础数据制定时针对服务区域进行划分、故障模式分类制定、产品型号登记记录并对产品的改进过程有相关提示、使用周期计算单列（针对生产时间、保养时间、维修记录和更换记录等进行统计分析）；

2、信息提取，应用上面提到的Excel相关函数和公式进行提取需要统计分析的基础数据，建立报表基础数据，进行针对性的排序、筛选、分类汇总、数据透视等Excel项目操作。得到相应的报表进一步数据，添加“累计比例”项目。到此，报表基础数据制定完成。

3、应用“排列图法”筛选前80%的问题点，针对前80%服务区域、故障模式、产品型号、使用周期的问题再进一步应用“因果分析图法――鱼刺图”进行分析找到问题的重点进行改进推进。

三、针对市场三包内旧件质量问题的统计分析

1、根据上面提供的“故障模式”分析情况，可以把基础数据库中的产品根据产品型号、生产时间、故障模式等进一步分析，找到操作人员、机器、物料、规章制度、操作使用环境等方面的相关问题点，进行针对性的改进分析。

2、针对日期的Excel函数应用，DATEVALUE(MID(text，start_num,num_chars))&“年”& MID(text，start_num,num_chars)&“月”& MID(text，start_num,num_chars)&“日”)；应用该函数针对需要的基础数据库提炼出需要的信息数据，再使用Excel中的排序、筛选、分类汇总、数据透视等项目进行统计分析，得到需要的报表基础数据。

3、可以对产品生产时间、故障发生时间、整件使用周期等进行“排列图法”筛选前80%的问题，同时也可以使用“柱线图”对以上数据进行统计分析。针对周期内的数据统计过程中可以应用到Excel函数，COUNTIF(Table_array,“>= start_num ”)-COUNTIF(Table_array,“>= num_chars ”) ，可以对start_num和num_chars区间额数据数量进行汇总。

4、针对80%的问题点再进一步应用“因果分析图法――鱼刺图”进行分析找到问题的重点进行改进推进。

四、小结

本文通过对市场旧件基础数据的采集、基础数据库的建立、针对指定范围数据应用Excel进行分析介绍，体现了Excel软件在日常市场三包旧件的统计分析中的应用。在质量改进从信息采集、基础信息库的建立、针对信息的统计分析等方面进行了研究分析。售后服务信息管理人员、旧件管理人员和质量改进技术人员可以进行借鉴，在日常的市场信息采集、信息库维护、指定信息分析统计等方面可以有的放矢，针对性掌握和应用。

（作者单位：侯二红，青岛东洋热交换器有限公司；张勇菊，青岛工学院）

参考文献：

数据分析的统计学基础篇9

统计分析指的是运用统计的方法和分析对象有关的一些知识相互结合在一起，是在定量与定性结合的基础上进行的一向研究活动，统计分析也是在统计设计、统计调查、统计整理之后的基础之上的一项十分重要的工作，同时也是在前几个阶段工作的基础上，通过分析从而达到对研究对象更为深刻的认识，那麽正是在一定的选题基础下，集于分析方案的设计、资料的搜集以及整理而展开的一项研究的活动。所以系统、完善的资料是统计分析的必要条件。

2. 统计分析的特点

在统计分析中，统计方法的运用、定量与定性的相互结合占有重要的作用，随着社会的进步科学的发展统计方法的普及，那麽就要要求统计工作者不仅可以进行系统的统计分析，还要要求各行各业的工作者都可以熟练地运用统计方法进行统计分析，所以，只将统计工作者参与的分析活动称为统计分析这样的说法严格来说是不正确的。提供高质量、准确而又及时的统计数据和高层次、有一定深度、广度的统计分析报告是统计分析的产品。从一定意义上讲，提供高水平的统计分析报告是统计数据经过深加工的最终产品。

2.1统计方法的运用

统计方法是一类特殊的科学研究方法，是以总体现象的数量关系为对象的。在从运用的角度可分为两大类别的方法，分别为经验方法和数学方法。那麽经验方法指的是人们在长期的工作统计实践中总结的一些经验的相关的方法。那麽在统计分析中常用的数量比较法、分组分析法、指数及因素分析法等就属于这一类。对于这一类方法如何能正确的运用，是直接可以提高统计分析的科学性。数学方法又称为数理统计方法，是以数学理论，特别是概率论为基础对客观现象进行研究的方法。它可以通过对现象貌似偶然的变动来探求其必然的规律性。

2.2定量分析与定性分析的结合

统计分析虽然是从数据人手，但在分析过程中，始终是定量分析与定性分析相结合的。，统计分析面对的不是抽象的数字，而是在定性分析的前提下。通过其数量表现对研究对象进行认识。因此，熟悉和掌握与研究对象有关的知识是十分必要的。统计分析，其研究对象侧重于社会经济现象。任何社会经济现象都是质和量的统一，质是量的基础，而一定的量又是质存在的必要条件。我们在对其进行研究时，必须在研究其质的规律性的同时，研究其量的规律性。定性分析是定量分析的基础，而定量分析则使定性分析更加准确可靠，使人们对质的规律性的认识更加深入全面，从而能深刻揭示经济现象的本质。在统计分析中，把这两种分析有机地结合起来，用定量证明定性，用定性指导定量，使得对事物的分析既有理论依据，又有量化实证，提高了分析结论的理论性、科学性与可操作性。

2.3以统计数据为依据，利用统计数据说话

统计分析的主要依据是统计数据，充分利用统计数据来说话。要依据统计数据所反映的客观事实来判断事物的发展变化状况、发展变化规律以及事物由量变到质变的过程；要运用统计数据形成观点、统帅观点，而不是脱离统计数据空洞地发表议论；要把数据和情况紧密地结合起来，而不是就数字论数字，搞数字罗列。

3. 统计分析在企业中的应用作

统计分析在一个企业的运转中发挥着举足轻重的作用。从统计认识的全过程来看，通过统计设计、调查和初步整理所取得的统计资料，可以对客观现象总体的数量特点取得一定的认识。但是这些认识却只是初步的、表面的，只有对这些资料进行由表及里的分析和研究，才能把握事物的本质特点、内在联系和发展变化规律，使统计认识得到进一步的深化。由于统计分析具有深化认识的作用，使得统计分析在企业当中得到广泛的应用。

统计分析在企业发展中应用广泛，主要体现在几个方面：

3.1统计分析在企业预测中的应用。

在统计预测中，一般强调静态分析预测和动态分析预测相结合，以静态分析预测为主。首先，企业应根据自身特点，重点进行年度、季度统计预测分析，确保企业目标管理和考核的有效性。其次，要根据企业的计划目标和历史销售数据确定各项数据指标，找出经济运行波动的共性和差异性。再次，要根据企业的总体规划和行业的特殊性，综合运用一定的预测模型来提高分析的科学性，公司的市场份额取决于该公司的产品、服务、价格、沟通等与竞争者的关系。如其他因素相同，则公司的市场份额取决于它的市场费用在规模和效益上与竞争者的关系。

3.2统计分析在企业决策中的应用。

随着企业信息化建设的推进，企业受外部环境的影响逐步加深，这就要求企业及时对相关信息进行处理和分析。一是对市场需求和供给能力的分析。主要包括居民的购买力、商品的潜在和实际市场需求量、品牌成熟度、订单满足率、消费偏好等。通过分析，可以判断企业的赢利空间、供需缺口等，为领导层确定商品销售规模、制定阶段性营销策略等提供依据。二是对社会经济环境的分析和影响。主要包括国内、国际的宏观环境对我国行业发展的影响和对地方法规、民风民俗对企业的发展的影响。三是对企业竞争力的分析。通过分析本行业其他企业的经营情况，在对比中认识自身发展的差距和潜力，从而为制定正确的发展战略提供参考。

3.3统计分析在企业过程分析和阶段分析控制中的应用。

在计划方案的落实过程中，往往会出现一些不可预知的状况。需要及时的进行过程分析和阶段分析。企业利用统计数据定期分析计划完成情况、进度情况等，可以及时的发现执行过程中所存在的问题。通过对完成阶段的结果进行对比分析，有利于确定指标完成率。便于衡量市场潜力相同的不同市场之间的业绩。也作为销售目标制定的依据。

结束语：

在企业当中，统计分析工作是了解现状、预测未来，为了更好的促进企业发展进步的重要方法。做好统计分析工作具有重要的作用和意义。因此，我们要提高对统计分析的研究，使统计分析工作更好地成为企业发展的有力推动力量。

参考文献：

[1] 百度百科.统计分析[EB/OL]. ？wtp=tt.

[2] 赵井霞.试谈如何进行统计分析[J].商业经济.2004.4.

数据分析的统计学基础篇10

关键词 ：数据管理；架构；统计管理；资源开发

中图分类号：TD672 文献标志码：A 文章编号：1000-8772-（2015）02-0093-02

综观企业信息化，主要包括硬件、软件和数据三大部分的建设和管理工作。其中硬件是基础，软件是平台，数据管理是根本核心，也是最高层次。“三分技术、七分管理、十二分数据”，就说明仅有硬件和软件系统并不等于成功和完善的企业信息化，更重要的是要构建一套科学、合理的企业数据管理体系架构，以实现有效支撑数据资源的深入开发和利用工作。

一、构建通钢股份数据管理体系架构

通钢股份公司数据管理体系的架构应分为四层，即：操作数据层、数据清洗转储层、数据仓库层和数据在线分析层（见图1）。

(一)操作数据层(ODS)

ODS (Operate Data Save)——操作数据存储。在这一层次中主要包括企业内部的采购数据、生产数据、质量检斤数据、销售数据、财务成本数据、人事数据等。目前，比较常见和流行的大型数据库管理系统有：Microsoft SQL Server、Oracle、DB2、Sybase、Informix等。通钢采用的是Microsoft SQL Server大型数据库管理系统。在操作数据层的管理上必须注意两点。

1.重视数据资源规划工作

数据资源管理的核心和基础，是进行数据资源规划工作，主要包括数据元素规划和信息分类编码。数据元素是最小的不可再分的数据单位，是一类数据的总称，它的质量是建立坚实的数据结构基础的关键。因此，应根据国家或行业标准结合企业实际，建立数据元素标准——数据元素命名标准、标识标准和一致性标准。通过对基础数据的分析和规划，建立统一的数据标准，以打好通钢股份公司信息化应用的基础。

2.重视基础数据的录入、采集和管理工作

在开展信息化的过程中，务必要避免“重硬轻软”“重软轻数”的观念。避免出现 “大马拉小车”“跑空车”或“拉错人”等现象。

(二)数据清洗转储层(ETL)

ETL：数据抽取（Extract）、转换（Transform）、清洗（Clean）、装载（Load）。从操作层的基础数据到数据仓库，必须经过ETL过程的处理，即，根据数据分析和利用工作对数据仓库的要求，首先，要从基础数据源抽取出所需的数据，再经过数据转换和清洗，最后，按照预先定义好的数据仓库模型，加载、转储到数据仓库中去，这是构建通钢数据仓库的重要一环。

1.通过ETL过程处理数据的必要性

一是数据集中管理的需要。

二是数据规范化的需要。

2.在ETL过程中，必须注意解决好两个问题

（1）解决好ETL数据处理的速度和运作软件信息系统工作效率的关系

利用大数据管理技术；采用先进的数据库管理系统；优化数据抽取机制，如分为实时抽取和定时抽取；利用数据映像技术将ETL数据处理过程合理分解成数据抽取和数据转换、清洗、装载两个阶段，这样做可以有效降低数据抽取工作对数据源的影响。总之，必须要实现ODS和ETL两项工作对数据库系统的操作达到负载均衡，实现ETL过程中的数据抽取和转换、清洗、转储工作安全高效。

（2）在基础数据库与数据仓库之间建立良好的接口标准

将基础数据转储到数据仓库以后，在将来的数据分析和利用工作中虽然主要是针对数据仓库进行，但在进行钻取、切片和其它分析工作时也可能需要连接到基础数据库中提取数据。因此，必须在基础数据库与数据仓库之间建立一套良好的接口标准。

(三)数据仓库层(DW)

数据仓库（Data Warehouse）是指在企业管理和决策中面向主题的、集成的、与时间相关的、不可修改的数据集合，它是通过对原有的基础数据时序性地进行抽取、转换、清洗、装载而形成的真实、全面、统一的数据结构形式，是以传统的数据库技术作为存储数据和管理资源的基本手段，以统计分析技术作为分析数据和获取信息的有效方法，以人工智能技术作为挖掘知识和发现规律的科学途径，并通过运用在线分析处理技术（On-Line Analytical Processing）、数据挖掘技术(Data Mining)来实现企业生产经营管理等决策支持（DSS）的数据应用。

1.建立数据仓库的必要性

目前，通钢对现代信息技术的应用主要集中于运作软件信息系统，虽然它能保证业务处理过程的自动化，但对这些操作型基础数据的应用，一般被限制在运作软件信息系统所规定的固定功能上，缺乏更灵活的数据查询和分析能力，无法满足更高层次数据分析和决策支持的需要。

2.做好数据仓库的设计和建模工作是构建数据仓库的基础

数据仓库要求能够良好的支持海量数据和快速查询的功能，要求能以面向主题、以多种维度进行挖掘和探索数据，这就要求必须对数据仓库从网络物理构建、数据库存储管理技术、内部数据结构标准规范等各方面进行超前设计，并建立科学实用的数学模型，解决数据建模的综合评价、综合排序、预测与决策等问题。

3.做好维护和优化工作，是保证数据仓库持久运行在最优状态的关键

数据仓库永远处于发展和变化当中，它是随着企业各项业务管理工作、运作软件信息系统的不断运行以及企业对数据分析、决策支持的不断发展的需求而发展变化的。要对数据仓库持续不断地进行维护和优化，以确保数据仓库持久运行在最优状态，满足企业对数据管理的各种需求。

4.关于数据集市

从基础数据来源的角度分析，相关运作软件信息系统生成的操作型基础数据库，是数据集市产生的数据基础；从面向主题的数据分析和决策支持需求的角度分析，数据集市恰恰是面向某个特定主题的数据集合，这是数据集市产生的业务需求原因；从均衡数据仓库操作负载的角度分析，数据集市的存在可以在一定程度上缓解访问数据仓库的瓶颈，这是数据集市产生的技术原因。

(四)数据在线分析层(OLAP)

在线分析处理（On-Line Analytical Processing），是基于数据仓库的应用，对数据进行层次更深、范围更广的分析、挖掘以及信息，为通钢股份公司科学决策提供支持服务。主要工具有统计分析工具、数据挖掘工具等。

1.在线分析和应用数据信息以提供决策支持是加强数据管理真正的目的和最高阶段

利用大数据处理技术和统计分析、数据挖掘等工具，依据数学模型，对存在于数据仓库中的不同时期、企业内外的相关数据进行科学、深入的分析，揭示企业运行状况，找出优势与不足，利用决策支持系统（Decision Support System）形成客观的分析结果并直观地展现给企业管理者，以辅助进行企业生产经营管理重大决策，真正达到提升企业核心竞争能力、实现企业生存与发展的最高目标。

2.利用统计分析工具实现编制统计报表、数据分析和数据展现

利用统计分析工具，可以定期或不定期地按照需求提取数据，编制各种统计报表，对数据进行详细分析，并可展现分析结果，同时可以更好地支持企业统计工作，实现统计管理信息化。

3.利用数据挖掘工具对数据从时间及空间维度上进行提取、分析和展现

数据挖掘(Data mining)：是一种决策支持过程，是一个跨学科的知识领域，它汲取了数据库技术、人工智能、机器学习、神经网络、统计学、模式识别、知识库系统、知识获取、信息检索、高性能计算、数据可视化等方面的成果，对数据采取钻取、切片、旋转等各种分析动作，深入剖析数据，高度自动化地分析企业原有的数据，进行总结分析和预测，支持企业决策者做出正确的决策。

4.建立决策模型

建立科学、严谨的决策模型是对数据进行深入分析、提供解决方案、辅助企业管理者做出科学决策的必要基础。建立决策模型必须了解通钢股份公司生产经营管理相关知识，必须掌握科学的管理决策知识，必须掌握数据信息与企业运行状况之间的内在联系，必须熟练掌握数据仓库、数据字典，通过长期经验的积累，需要形成一整套指导企业运行的统计管理和预警指标体系。

5.信息系统

信息系统，是将分析形成的数据信息及时到相应的地点和用户。基于Web的信息系统是满足多用户访问的最有效方法。

数据分析的统计学基础篇11

［中图分类号］G64［文献标识码］A［文章编号］1673-0194（2013）02-0097-02

1　关于统计学专业人才培养目标

（1）统计学专业主要包括一般统计和经济统计两类专业方向，培养具有良好的数学或数学与经济学素养，掌握统计学的基本理论和方法能在企业、事业单位和经济、管理部门从事统计调查、统计信息管理、数量分析等开发、应用和管理工作，或在科研、教育部门从事研究和教学工作的高级专门人才。

（2）要求学生具有扎实的基础知识，受到比较严格的科学思维训练；基础应包括：数学基础、经济学基础、统计学基础和计算机基础；注重融合贯通，指导学生将统计学的基本理论、基本知识、基本方法合理地应用于社会经济领域；具有应用统计学理论分析、解决该领域实际问题的初步能力；突出定量分析，即培养学生对各种统计数据的数量分析能力。良好的定量分析能力，是统计专业学生区别其他专业学生的一个显著性的标志；能熟练使用各种统计软件包，有较强的统计计算能力；通过大量的实验教学，培养学生解决问题的能力。

（3）具有一定的写作基础和协调沟通能力。出色写作基础和协调沟通能力能够捉供信息和进行交流，是发挥统计作用必不可少的条件。

（4）对于统计学来说，能熟练地运用计算机分析数据，是统计学的基础。计算机的发展使得复杂的数据计算变得简便快捷，成为统计计算的重要工具。如今，随着使用计算机以及网络的普及，使社会产生了重大的变革，信息传递的质量都发生了质的飞跃。统计学的发展不能离开计算机。所以毫无疑问，应当培养学生学习相关的计算机科学知识。包括数据结构、程序语言设计、程序设计方法、数据库系统的开发与管理、程序设计等等。我们也应当扩展课程设置。

（5）在学生已具有一定英语基础之上，开设统计专业英语要求学生掌握常用的经济和统计词汇及基本表述方法。一是为学生进一步学习英语创造一个环境，使学生不因通用英语课程的结束而荒弃英语的学习。另一个方面，通过专业英语的学习，为学生在阅读和翻译经济，特别是统计著作、文献时扫除障碍，为毕业论文写作和继续深造打下基础。

（6）了解与经济统计、金融统计、生物统计或社会统计等有关的自然科学、社会科学、工程技术某一领域的基本知识。统计学与经济学、管理学、金融工程等学科的结合因数据处理和采集的方法具有多样化，统计分析方法也相对复杂，专业化统计学的应用不仅要提高理论统计学的基本素质，还要注重掌握经济学的理论、金融学理论、管理科学的理论与计算机的技术方法。统计理论与应用的紧密结合显得比以往更为迫切，更加重要。就拿统计学与金融工程来说，就属于交叉性学科，其中投资分析与风险管理两个方面就涉及到了统计数据描述和推测统计学。无论哪个方面，金融工程与统计学都是密切相关的，金融分析离不开统计，目前注册金融分析师在中国需求量很大，但是只有传统的金融理论、金融制度的知识是远远不够的。注册金融分析师对数量技术要求很高，其中最为重要的就是统计的知识；固定收益证券分析，权益证券分析几乎都需要用到各种统计方法。据报道，中国本土金融分析师极度缺乏，但中国加人世界贸易组织后，金融市场对注册金融分析师的需求量又很大。因此，培养具有统计专业能力的复合人才显得尤为重要。

2　关于统计学本科专业课程设置

专业课程设置是专业培养目标决定了向学生传授什么样的知识的问题。课程结构从很大一部分意义上讲将决定学生的知识结构。因此，在确定好研究方向和培养目标后，最主要的就是要解决课程设置的问题。统计学专业的课程设置首先要与所确定研究方向一致，其次要能够实现本专业的培养目标。所以，不同的研究方向下的课程设置是需要有区别的。但无论什么研究方向，其专业课程都应包括以下5大模块：公共基础课程；学科基础课程；专业必修课程；专业选修课程；人文、自然科学类素质课程。各高等院校可根据本校的实际情况，综合社会等各方面对统计专门人才的需求情况，开设适合本校实际情况的课程。

3　关于统计学专业专业课程教学方法和教学手段

教学方法和教学手段决定了怎样向学生传授知识的问题，并且决定学生接受知识的效率。无论何种教学方法和教学手段都2个问题：①如何激发学生学习的兴趣；②用怎样的教学手段来达到较好教学效果。充分运用现代教学手段，更新教学方法，促使教学手段和教学方法有机结合。

数据分析的统计学基础篇12

数据挖掘是近十几年里发展起来的一门崭新的学科，由于它与统计学都关心从数据中发现某种结构，因而从数据挖掘诞生之日起，就与统计学有了千丝万缕的联系。

一、统计学与数据挖掘的涵义

统计学是应用数学的一个分支，主要通过利用概率论建立数学模型，收集所观察的系统数据，进行量化的分析、总结，进行推断和预测，为相关决策提供依据和参考；它分为描述统计和推断统计。描述统计包括对客观现象的度量、调查方案的设计，对所收集的数据资料进行加工整理、综合概括，通过图示、列表等方式进行分析和描述。推断统计是在搜集、整理监测样本数据的基础上，对有关总体做出推断，其特点是根据随机性的观测样本数据以及问题的条件和假定，对未知事务做出以概率形式表述的推断。

数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的，人们事先不知道的，但又具有潜在价值的信息和知识（模型或规则）的过程。这个定义包括以下含义：数据源必然是真实的、大量的、含噪声的；发现的知识可接受、可理解、可运用，并不要求发现放之四海皆准的知识，仅支持特定的发现问题。它能高度自动化的分析原有数据，做出目的性推理，从中挖掘出潜在的模式，从而帮助决策者调整策略，做出正确的决策。它融数据库技术、人工智能技术、数理统计技术和可视化技术为一体，是一个多学科相互交叉又融合所形成的一个新兴的具有广泛应用前景的研究领域。

二、统计学与数据挖掘的联系

（一）数据挖掘虽不同于统计分析，但许多挖掘技术又来源于统计分析，数据挖掘中有许多工作可以由统计方法来完成。比如预言算法（回归）、抽样、基于经验的设计等。

（二）数据挖掘不是为了替代传统的统计分析技术，相反，数据挖掘是统计分析方法的扩展和延伸。大多数的统计分析技术都基于完善的数学理论和高超的技巧，其预测的准确程度还是令人满意的，但对于使用者的知识要求比较高。而随着计算机能力的不断发展，数据挖掘可以利用相对简单和固定程序完成同样的功能。

（三）数据挖掘技术的出现为统计学提供了一个崭新的应用领域，也对统计学的理论研究提出了挑战。数据挖掘技术有相当大的比重是由高等统计学中的多变量分析所支撑。

（四）统计学与数据挖掘的结合日益紧密。数学是传统意义上统计学方法的首要工具，而计算机和网络为代表的信息技术，正逐渐成为统计学应用的首要工具。随着数据源的不断膨胀和数据结构的日益复杂，单纯依靠数据挖掘技术，已渐露力不从心之态，而统计学的同步发展，正不断充实、完善着数据挖掘技术。因此，随着信息化水平的提高，统计学与数据挖掘的应用平台渐趋统一。

三、预测性挖掘中常用的统计学方法

数据挖掘中应用的统计学预测性方法主要有判别分析和回归分析。其中，判别分析用于对离散型目标变量的预测，而回归分析则主要用于对连续性目标变量的预测。

数据分析的统计学基础篇13

对于软件数据挖掘系统而言，其数据资源的挖掘是一种对数据发现模型构建及规律认知的过程，通过对数据资源信息的优化分析可以实现对数据资源系统的有效收集。在实际软件系统开发的过程中，通过对软件信息资源的有效收集，可以实现对软件基础编码及测试依据的有效分析，而在现阶段软件数据挖掘系统分析的过程中，怎样实现软件系统的有效处理，逐渐成为数据资源信息模型构建中需要解决的问题。所以，在研究中，通过对数据挖掘系统的模型构建，进行了软件挖掘系统的分析，核心目的是通过信息资源数据库的稳定优化，实现数据资源模型的稳定构建。

1 数据挖掘的过程分析

对于典型的数据挖掘系统而言，其基本的过程可以通过图1所示。

1.1 数据挖掘对商业目标的理解

在数据资源挖掘的过程中，首先应该在商业的角度对用户的真实需求进行理解及分析，其中，信息资源的收集及理解会将行业的信息作为基础，通过对行业运行现状的分析，进行问题的理解及确立。同时，在问题分析的过程中，需要对项目的实行计划、项目风险以及受益项目进行合理性的问题的有效设计，充分保证资源项目评估的稳定性及优势性，从而为项目目标的优化设计提供稳定支持。

1.2 数据挖掘对数据资源的理解

数据资源系统构建的过程中，项目设计者需要在了解数据挖掘的商业目标之后，进行相关原始数据信息资源的优化设计，并通过对数据相关特征的分析，进行数据格式、形式及数量的优化统计，从而保证数据资源信息的稳定连接。

1.3 数据资源的准备

在软件系统数据资源准备的过程中，通过数据资源的准备及数据挖掘过程的稳定分析，可以发现在数据资源准备系统设计的过程中，主要内容应该包含数据的集成、数据的清理、数据的选择以及数据的变换，通过这些步骤的确定，保证数据资源在大量、全面及丰富的状态下，实现对数据资源的准备及集成性分析。同时，在数据集成问题分析的过程中，应该通过对多种异质数据的有效整合，保证数据资源库数据处理的原始性特点。数据清理主要是通过对噪音数据、数据冲突现象的消除，实现对数据信息的有效填补，从而为数据资源系统的数据污染处理提供稳定支持。数据选择主要是通过对数据清洗后的数据进行集成化的样本筛选、维度提升，使数据样本在项目优化设计的基础上，保证数据信息挖掘的技术性及分类型特点，实现数据格式资源转化的合理性。

1.4 数据模型的算法实施

在数据资源整合及设计的过程中，通过优化的测量进行参数资源的设定，可以保证数据资源挖掘算法的稳定性执行，并在模型构建及模型规则分析的基础上，实现系统阐述的稳定设计[1]。

1.5 评估模型的设计

在数据挖掘系统结果分析的过程中，应该将数据挖掘的结果中作为分析的对象，并将数据挖掘的学习类型作为项目的指导，从而寻找并认识到设计评估的基本规则及模型。在评估系统设计的环境下，其内容不仅需要包括对数据资源的处理及检测，而且也应该发现数据结构设计系统的中心环节，保证项目的设计的稳定性及核心性，从而实现系统评估及评价模型设计的科学性。

1.6 商业实践环节优化

通过对数据挖掘过程的分析可以发现，其资源库的构建可以指导企业进行稳定性的社会实践，并在某种程度上满足商业实践的基本标准。在商业实践优化设计的中，应该注意的是，数据信息库的资源处理，应该充分展现动态化的知识活动构建体系，并在商业实践及资源挖掘的基础上，保证商业活动柜的有效拓展，从而为数据挖掘资源平台的设计提供稳定支持。

2 数据挖掘系统需要解决的问题

2.1 数据准备及处理阶段的问题

在现阶段设计挖掘系统设计的过程中，很多数据资源库的设计在数据准备及预处理的过程中，并没有形成自动化的数据库资源分析模式，而且，对于冗余、冲突以及异常的现象缺乏应急性规定处理制度，从而导致数据库的资源选择以及样本筛选都需要得到专业人群进行干预，造成了资源的严重浪费[2]。

2.2 数据挖掘对象的问题

在设计挖掘对象分析的过程中，要求数据挖掘系统需要面对大规模的数据资源模型，但是，在现阶段数据资源挖掘系统设计中，其数据异质性现象较为突出，数据的特征及维度空间也相对较高，因此，在特征及属性间关系优化分析中面临着繁杂的特点，同时，在数据系统非机构化数据处理及分析的状态下，其结果也很难得到量化的处理。

2.3 企业数据库资源不完善

数据挖掘库作为信息资源储存的重要平台，在现阶段数据挖掘系统设计的过程中，企业存在着数据仓库系统设计不完善的现象，这一问题的出现也就会为信息数据的收集及整理造成较为严重的时间浪费[3]。

2.4 数据挖掘系统知识体系不成熟

数据挖掘问题分析的过程中，由于知识的形成及表示方法的差异性，导致在实际数据资源挖掘及项目指导及分析中，存在着领导人员缺乏专业性的数据挖掘知识的现象，使指导工作面临着一定的制约。

2.5 对系统处理方式没有形成有效体系

在稻葑试赐诰蚣按理的过程中，系统项目在某种程度上会起到指导性的作用，所以，对数据系统的算法及模型的处理应该保证项目评价的客观性，这种客观性评价也是数据资源信息挖掘中较为关键的环节。但是，在现阶段数据挖掘系统设计的过程中，存在着系统不完善的设计现象，从而为系统资源的处理造成了制约[4]。

2.6 样本分布中的不均匀现象

在系统设计及样本分析的过程中，其不均衡的数据集中问题存在着一定的制约性问题，其主要的内容包括了对学习理解不深刻、算法不合理以及评价不完善等，这些不均衡的因素得到了广大学者的广泛关注。因此，在现阶段数据挖掘资源优化的过程中，应该认识到样本分布不均匀的问题，通过对数据资源挖掘系统的有效分析，保证系统运行的稳定性及科学性。

3 软件数据挖掘中的模型研究

3.1 聚类挖掘中数据模型系统的构建

在对城市发展类型化问题分析的过程中，其初始环境中的数据模型构建，应该在数据实例设计分析的基础上，进行聚合关系的有效确定，但是，在现阶段数据模型分析中，系统内容并没有形成系统化的建模方式。因此，在现阶段数据挖掘系统优化设计的状态下，应该通过对聚类问题的有效分析，进行数据挖掘技术的有效优化[5]。

第一，层次状态下的聚类分析。对于系统聚类方式而言，是一种层次化的聚类方式，其使用的范围相对较广。在系统运行的状态下，通过对各个样本类型的分析，合理规定样本之间的相互距离，然后在两类合并分析的状态下，形成一种全新的类型模式，通过对其他聚类数据资源的计算，重复两类合并化的工作内容，并将相关的工作成本合为一类，保证数据资源的合并化及顺序化处理。同时，在数据挖掘系统处理的过程中，软件系统会提供一种hclust（）的函数层次聚类方式，hclust（）聚类方式是hclust（d，merhod=“ward”，members=NULL），函数中的d是指距离结构的距离，而merhod是一种制定的聚类方法，在运用的过程中，可以通过最短距离、最长距离以及中间距离方式的运用，进行数据挖掘系统 的有效设计。对于聚类系统而言，是也中非监督的模式，通过对各个数据资源的合理关注，可以通过对实际状况的分析及调整，进行聚类内容的程序优化。在程序设计的过程中，其基本的程序如下所示。

subest

city

hclust

Plclust（hclust）实现系统绘制程序的聚类化谱图

result

第二，划分聚类方式分析

在聚类方式分析的过程中可以发现，k-means是一种较为经典的划分模式，其基本的设计思想是通过对聚类化指标的最小优化，进行聚类准则及聚类函数的样本分析，从而保证距离的最小化。因此，在整个聚类方法分析的过程中，第一，应该通过对制定聚类数据的分析，进行聚类项目的合理确定，并保护走E初始聚类中心设计的稳定性、合理性。第二，通过对养成集里以及样本最小距离的分析，可以对不同的聚类样本进行平均聚类中心的稳定设计，从而保证数据资源系统处理的优化设计[6]。

3.2 分类模型的设计

在社会运行及发展的状态下，人类在生产活动设计的过程中，需要对不同的信息系统做出预测，如天气变化状况以及股票指数等内容，通过预测可以对相关数据的历史指数进行综合性的分析，并在指标分析及评价的基础上，划分出综合性的预估内容，保证项目生产活动效率的稳定提升，降低数据模型构建中出现的风险因素。有效提升生a活动的整体效率。在分类技术分析的过程中，需要对控制变量的控制进行预测及取值特征的分析，因此，在预测状态下，可以将其内容分为分类及回归两种。因此，需要对预测的项目内容进行分类处理。在数据挖掘模型输出结果设计的状态下，我们会将其过程称为回归学习方式。通常情况下，在分类技术概述分析的状态下，对决策树进行分析。其中的决策树主要是一种无序性的数据记录内容，并通过对数据资源的有效分析及结构的表述，实现数据挖掘资源的有效处理。

首先，通过这种本属性值的比较及分析，可以构建分子化的系统处理模式，从而保证分类树资源结构优化的合理性，其基本的决策树分类技术可以分为以下几点：第一，ID3算法内容思考的分析中，其核心的工作内容是对样本数据进行检测，并在计算的各个活动中，实现信息增益的资源优化处理，实现不同属性值建立的稳定性。通过对ID3算法理论的科学化分析，可以保证数据资源的稳定设计及便利性分析，并在此基础上，扩大数据集成性的理想内容，保证数据资源项目核算的稳定优化及合理改进。第二，C4.5算法。对于C4.5算法而言，在计算的过程 中会在项目设计的基础上实现对数据挖掘的有效改进，并在此基础上，建立了分类树的项目过程。首先，需要构建数据决策树，这种决策方式与ID3的构建决策方式呈现出一直化的发展变化，其主要的区别是ID3在信息增益分析的状态下，可以实现对属性分子问题的有效解决，而C4.5算法需要通过对信息收益率的综合性分析，并进行属性不足的确立。其次，在对已经形成分类树剪裁及处理的状态下，应该通过对噪音数据分支问题的分析，进行离散化的项目处理，从而保证数据资源处理状态下的系统缺失值，并在最大程度上为决策树算法的运用提供良好依据[7]。

其次，在函数类分类算法分析的过程中，应该支持向量机化的合作管理模式，并在理论统计及学习的基础上，保证函数项目设计的稳定性发展。因此，在函数类分类算法分析的基础上，应该通过对样本信息模型的复杂性设计，应该寻求复杂性及学习性的分类算法，有效克服传统信息模型设计的局限性，从而保证函数分类的广泛性发展。同时，在函数分类算法分析的同时，为了支持向量机化学校模型的构建，就应该构建集样本是否为线性化的分析，对线性函数进行稳定的构造，所以，在函数类分类算法过程中，应该做到以下几点内容：第一，认识到训练集体成本的的构造分类，从而实现数据挖掘环境下非线性映射技术的空间化转化。第二，在支持向量机采用投影技术确立及使用的过程中，应该对非线性的特征进行系统化的设计，保证全局项目上合计的最优化处理，保证期望风险的有效执行[8]。

3.3 实现模型选择的不均衡性模型构建

对于不均衡分类模式而言，主要是在分类问题处理的过程中，通过对多数样本数量的分析，进行少数样本数量的合理优化。同时，在不均衡分离的理念下，可以将其分为不均衡的数据集约分类方式，通过数据的稳定研究，可以实现数据资源挖掘状态下的全新发展，例如，在软件系统检测中，当发现了软件缺陷问题，应该保证模块在98%以上，其错误的软件模块应该时刻小于2%，从而实现数据挖掘系统分类算法的合理预测及系统分析，实现模型项目设计中信息价值的稳定提升。同时，在集成学习模式构建的状态下，也需要对组合学习项目进行优化，通过对原数据训练分类模型的好送将诶，可以额保证分类模型及子分类模型的优化设计，实现模型测试项目的集中化及预测化判断，为不均衡性模型的优化设计提供稳定性的技术支持[9]。

4 结语

总而言之，在现阶段数据挖掘系统优化设计的过程中，为了保证资源项目设计的稳定性及合理性，不仅应该保证系统挖掘的完善性及功能性，而且也应该对用户界面进行综合性的设计及分析，从而保证数据挖掘系统设计条件的稳定性，实现数据挖掘系统的实用性。同时，在软件挖掘系统优化的状态下，也可以通过对不同语言程序的开发及挖掘能力的提升，充分展现出资源数据目标挖掘的基本特点，完善数据资源的挖掘功能，从而保证数据资源系统设计的稳定性及互动操作的特点。而且，在图形界面数据资源可视化效果的分析，需要通过对流程化资源挖掘状态的分析，进行功能及用户界面的有效改进，实现数据资源挖掘系统的优化提供稳支持。

参考文献

[1]王勋.基于多目标决策的数据挖掘模型选择研究[D].电子科技大学，2013.

[2]龚璞.数据挖掘在软件项目风险管理系统中应用研究[D].大连理工大学，2014.

[3]陈荣鑫.R软件的数据挖掘应用[J].重庆工商大学学报（自然科学版），2011，（06）：602-607.

[4]林立，朱小冬，刚，阎旭坤.基于数据挖掘的软件故障诊断研究[J].微计算机信息，2010，（34）：156-158.

[5]王辉，杜庆峰.基于软件信息库挖掘的软件缺陷预测方法[J].计算机工程与设计，2012，（08）：3094-3098.

[6]崔广风.数据挖掘中的统计方法及其应用研究[D].西南石油大学，2014.