关于大数据的论文选题背景和意义
关于大数据的论文选题背景和意义
华为大数据知识普及(四):我国大数据的发展现状与挑战
在产生大数据前,数据已经是做为一个重要的依据被广泛使用。我个人觉得大数据的出现是必然的,因为在这个信息时代,数据越来越多,涉及的维度也越来越多,要想更好的挖掘数据的含义,就需要像大数据这样的技术,同时这也表明着时代是在不断进步发展的。
大数据产生的背景:1、随着物联网、社交网络、云计算等技术不断融入我们的生活以及现有的计算能力、存储空间、网络带宽的高速发展,人类积累的数据在互联网、通信、金融、商业、医疗等诸多领域不断地增长和累积。2、互联网搜索引擎支持的数十亿次web搜索每天处理数万TB字节数据。全世界通信网的主干网上一天就有万TB字节数据在传输。现代医疗行业如医院、药店等也都每天产生庞大的数据量如医疗记录、病人资料、医疗图像等。数据的量级不断升级、应用的不断深入和大数据不可忽视的价值让我们不得不探索如何才能让我们更好的受益于这些数据。3、大数据是一次对国家宏观调控、商业战略决策、服务业务和管理方式以及每个人的生活都具有重大影响的一次数据技术革命。大数据的应用与推广将给市场带来千万亿美元收益的机遇,称为数据带来的又一次工业革命。4、随着高速发展的信息技术,不断扩张的数据库容量,互联网作为信息传播和再生的平台,“信息泛滥”、“数据爆炸”等现象不绝于耳,海量的数据信息使得人们难以做出快速的抉择。5、信息冗余、信息真假、信息安全、信息处理、信息统一等问题也随着大数据给人们带来价值的同时也造成了一系列的问题。人们不仅希望能够从大数据中提取出有价值的信息,更希望发现能够有效支持生产生活中需要决策的更深层次的规律。 6、在现实情况的背景下,人们意识到需要有效地解决海量数据的利用问题具有研究价值和经济利益。面向大数据的数据挖掘的特有两个最重要的任务。一是实时性,如此海量的数据规模需要实时分析并迅速反馈结果。二是准确性,需要我们从海量的数据中精准提取出隐含在其中的用户需要的有价值信息,再将挖掘所得到的信息转化成有组织的知识以模型等方式表示出来,从而将分析模型应用到现实生活中提高生产效率、优化营销方案等。扩展资料:大数据的特征:第一个特征是数据量大。大数据的起始计量单位至少是P(1000个T)、E(100万个T)或Z(10亿个T)。第二个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等,多类型的数据对数据的处理能力提出了更高的要求。第三个特征是数据价值密度相对较低。如随着物联网的广泛应用,信息感知无处不在,信息海量,但价值密度较低,如何通过强大的机器算法更迅速地完成数据的价值“提纯”,是大数据时代亟待解决的难题。第四个特征是处理速度快,时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。参考资料来源:百度百科-大数据时代
学术堂整理了十五个和大数据有关的毕业论文题目,供大家进行参考: 1、大数据对商业模式影响 2、大数据下地质项目资金内部控制风险 3、医院统计工作模式在大数据时代背景下改进 4、大数据时代下线上餐饮变革 5、基于大数据小微金融 6、大数据时代下对财务管理带来机遇和挑战 7、大数据背景下银行外汇业务管理分析 8、大数据在互联网金融领域应用 9、大数据背景下企业财务管理面临问题解决措施 10、大数据公司内部控制构建问题 11、大数据征信机构运作模式监管 12、基于大数据视角下我国医院财务管理分析 13、大数据背景下宏观经济对微观企业行为影响 14、大数据时代建筑企业绩效考核和评价体系 15、大数据助力普惠金融
关于大数据时代的论文选题背景和意义
一、大数据时代城市管理的机遇: 首先,有利于数字化城市建设。城市化过程中出现的管理问题,传统的城市管理方式早已对我国出现的城市问题束手无策,在大数据时代到来的背景下,数字化城市建设就呼之欲出。 其次,有利于电子政务建设。长期以来,我国政府在处理公共事务时都基本采用了传统的处理方式,纸质化的模式占据了主要地位。随着信息技术的不断更新以及大数据时代的到来,电子政务也随之应运而生。由于大数据时代的特点以及不断更新发展,电子政务的形式也不断得到更新。 最后,有利于智慧城市建设。智慧城市建设则是在大数据技术上产生的城市建设和管理方案。可见,大数据时代的到来更加有利于我国的智慧城市建设,为智慧城市的最终建成提供真实可靠的信息基础。会在一定程度上难以实现真正共享。另外,因为信息化很不平衡,各地各部门使用的信息技术标准很难统一,最后导致数据孤岛的现象也并非个例。 二、大数据时代城市管理的挑战 :大数据时代,机遇存在的同时也不可避免会遇到许多挑战,数据开放不足、数据共享不足、数据质量不优等等都面临着严峻的挑战。 首先,数据开放不足。数据是信息的重要载体,信息的公开在一定意义上就是数据的公开。在所有的数据公开中,政府相关数据公开尤为引人瞩目。国外早就对数据公开确立了“公开为原则,不公开为例外”的原则,我国也有类似规定,但是真实执行情况令人堪忧。 其次,数据共享不足。就目前来看,谁掌握了大量真实可靠的信息,谁就掌握了主动权,信息在一定程度上就是权威的象征,权力和利益的象征。再者,政府各部门大部分存在利己倾向, 信息就会在一定程度上难以实现真正共享。另外,因为信息化很不平衡,各地各部门使用的信息技术标准很难统一,最后导致数据孤岛的现象也并非个例。 然后,数据质量不优。数据质量问题直接影响依靠数据获得的信息的真实有效性,最终影响整体决策的有效性。数据质量主要包括数据的真实性、完整性和有效性。数据在收集、整合、存储和使用四个阶段当中,每个阶段都极有可能出现数据质量问题。在我国城市管理中,各级各部门每天都会面对大量繁琐的数据,数据收集渠道主要有下级单位上报数据、调查统计、普查等等,每一个渠道也同样会有很多因素影响数据质量。
在产生大数据前,数据已经是做为一个重要的依据被广泛使用。我个人觉得大数据的出现是必然的,因为在这个信息时代,数据越来越多,涉及的维度也越来越多,要想更好的挖掘数据的含义,就需要像大数据这样的技术,同时这也表明着时代是在不断进步发展的。
华为大数据知识普及(四):我国大数据的发展现状与挑战
“大数据”在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日,近年来互联网和信息行业的发展而引起人们关注。随着计算机和信息技术的迅猛发展和普及应用,行业应用系统的规模迅速扩大,行业应用所产生的数据呈爆炸性增长。动辄达到数百TB甚至数十至数百PB规模的行业,企业大数据已远远超出了现有传统的计算技术和信息系统的处理能力,因此,寻求有效的大数据处理技术、方法和手段已经成为现实世界的迫切需求。人们将越来越多的意识到数据对企业的重要性。大数据时代对人类的数据驾驭能力提出了新的挑战,也为人们获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。
关于大数据的论文选题背景及意义
挖掘网络如何对现代人际关系及社会造成影响的纪录片。
回答 内容如下:1、大数据对商业模式影响2、大数据下地质项目资金内部控制风险3、医院统计工作模式在大数据时代背景下改进4、大数据时代下线上餐饮变革5、基于大数据小微金融 [鲜花][鲜花]
一、大数据时代城市管理的机遇: 首先,有利于数字化城市建设。城市化过程中出现的管理问题,传统的城市管理方式早已对我国出现的城市问题束手无策,在大数据时代到来的背景下,数字化城市建设就呼之欲出。 其次,有利于电子政务建设。长期以来,我国政府在处理公共事务时都基本采用了传统的处理方式,纸质化的模式占据了主要地位。随着信息技术的不断更新以及大数据时代的到来,电子政务也随之应运而生。由于大数据时代的特点以及不断更新发展,电子政务的形式也不断得到更新。 最后,有利于智慧城市建设。智慧城市建设则是在大数据技术上产生的城市建设和管理方案。可见,大数据时代的到来更加有利于我国的智慧城市建设,为智慧城市的最终建成提供真实可靠的信息基础。会在一定程度上难以实现真正共享。另外,因为信息化很不平衡,各地各部门使用的信息技术标准很难统一,最后导致数据孤岛的现象也并非个例。 二、大数据时代城市管理的挑战 :大数据时代,机遇存在的同时也不可避免会遇到许多挑战,数据开放不足、数据共享不足、数据质量不优等等都面临着严峻的挑战。 首先,数据开放不足。数据是信息的重要载体,信息的公开在一定意义上就是数据的公开。在所有的数据公开中,政府相关数据公开尤为引人瞩目。国外早就对数据公开确立了“公开为原则,不公开为例外”的原则,我国也有类似规定,但是真实执行情况令人堪忧。 其次,数据共享不足。就目前来看,谁掌握了大量真实可靠的信息,谁就掌握了主动权,信息在一定程度上就是权威的象征,权力和利益的象征。再者,政府各部门大部分存在利己倾向, 信息就会在一定程度上难以实现真正共享。另外,因为信息化很不平衡,各地各部门使用的信息技术标准很难统一,最后导致数据孤岛的现象也并非个例。 然后,数据质量不优。数据质量问题直接影响依靠数据获得的信息的真实有效性,最终影响整体决策的有效性。数据质量主要包括数据的真实性、完整性和有效性。数据在收集、整合、存储和使用四个阶段当中,每个阶段都极有可能出现数据质量问题。在我国城市管理中,各级各部门每天都会面对大量繁琐的数据,数据收集渠道主要有下级单位上报数据、调查统计、普查等等,每一个渠道也同样会有很多因素影响数据质量。
大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。通过大量的统计了解大家的喜好,想要的东西,从而得到他们想要的,比如精准营销,征信分析,消费分析等等
关于大数据时代的论文选题背景及意义
学位申请者为申请学位而提出撰写的学术论文叫学位论文。这种论文是考核申请者能否被授予学位的重要条件。 学位申请者如果能通过规定的课程考试,而论文的审查和答辩合格,那么就给予学位。如果说学位申请者的课程考试通过了,但论文在答辩时被评为不合格,那么就不会授予他学位。 有资格申请学位并为申请学位所写的那篇毕业论文就称为学位论文,学士学位论文。学士学位论文既是学位论文又是毕业论文。 学术论文是某一学术课题在实验性、理论性或观测性上具有新的科学研究成果或创新见解的知识和科学记录;或是某种已知原理应用于实际中取得新进展的科学总结,用以提供学术会议上宣读、交流或讨论;或在学术刊物上发表;或作其他用途的书面文件。 在社会科学领域,人们通常把表达科研成果的论文称为学术论文。 学术论文具有四大特点:①学术性 ②科学性 ③创造性 ④理论性一、学术性学术论文的科学性,要求作者在立论上不得带有个人好恶的偏见,不得主观臆造,必须切实地从客观实际出发,从中引出符合实际的结论。在论据上,应尽可能多地占有资料,以最充分的、确凿有力的论据作为立论的依据。在论证时,必须经过周密的思考,进行严谨的论证。二、科学性科学研究是对新知识的探求。创造性是科学研究的生命。学术论文的创造性在于作者要有自己独到的见解,能提出新的观点、新的理论。这是因为科学的本性就是“革命的和非正统的”,“科学方法主要是发现新现象、制定新理论的一种手段,旧的科学理论就必然会不断地为新理论推翻。”(斯蒂芬·梅森)因此,没有创造性,学术论文就没有科学价值。三、创造性学术论文在形式上是属于议论文的,但它与一般议论文不同,它必须是有自己的理论系统的,不能只是材料的罗列,应对大量的事实、材料进行分析、研究,使感性认识上升到理性认识。一般来说,学术论文具有论证色彩,或具有论辩色彩。论文的内容必须符合历史 唯物主义和 唯物辩证法,符合“实事求是”、“有的放矢”、“既分析又综合” 的科学研究方法。四、理论性指的是要用通俗易懂的语言表述科学道理,不仅要做到文从字顺,而且要准确、鲜明、和谐、力求生动。表论文的过程 投稿-审稿-用稿通知-办理相关费用-出刊-邮递样刊 一般作者先了解期刊,选定期刊后,找到投稿方式,部分期刊要求书面形式投稿。大部分是采用电子稿件形式。 发表论文审核时间 一般普通刊物(省级、国家级)审核时间为一周,高质量的杂志,审核时间为14-20天。 核心期刊审核时间一般为4个月,须经过初审、复审、终审三道程序。 期刊的级别问题 国家没有对期刊进行级别划分。但各单位一般根据期刊的主管单位的级别来对期刊划为省级期刊和国家级期刊。省级期刊主管单位是省级单位。国家级期刊主管单位是国家部门或直属部门。
大数据产生的背景:1、随着物联网、社交网络、云计算等技术不断融入我们的生活以及现有的计算能力、存储空间、网络带宽的高速发展,人类积累的数据在互联网、通信、金融、商业、医疗等诸多领域不断地增长和累积。2、互联网搜索引擎支持的数十亿次web搜索每天处理数万TB字节数据。全世界通信网的主干网上一天就有万TB字节数据在传输。现代医疗行业如医院、药店等也都每天产生庞大的数据量如医疗记录、病人资料、医疗图像等。数据的量级不断升级、应用的不断深入和大数据不可忽视的价值让我们不得不探索如何才能让我们更好的受益于这些数据。3、大数据是一次对国家宏观调控、商业战略决策、服务业务和管理方式以及每个人的生活都具有重大影响的一次数据技术革命。大数据的应用与推广将给市场带来千万亿美元收益的机遇,称为数据带来的又一次工业革命。4、随着高速发展的信息技术,不断扩张的数据库容量,互联网作为信息传播和再生的平台,“信息泛滥”、“数据爆炸”等现象不绝于耳,海量的数据信息使得人们难以做出快速的抉择。5、信息冗余、信息真假、信息安全、信息处理、信息统一等问题也随着大数据给人们带来价值的同时也造成了一系列的问题。人们不仅希望能够从大数据中提取出有价值的信息,更希望发现能够有效支持生产生活中需要决策的更深层次的规律。 6、在现实情况的背景下,人们意识到需要有效地解决海量数据的利用问题具有研究价值和经济利益。面向大数据的数据挖掘的特有两个最重要的任务。一是实时性,如此海量的数据规模需要实时分析并迅速反馈结果。二是准确性,需要我们从海量的数据中精准提取出隐含在其中的用户需要的有价值信息,再将挖掘所得到的信息转化成有组织的知识以模型等方式表示出来,从而将分析模型应用到现实生活中提高生产效率、优化营销方案等。扩展资料:大数据的特征:第一个特征是数据量大。大数据的起始计量单位至少是P(1000个T)、E(100万个T)或Z(10亿个T)。第二个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等,多类型的数据对数据的处理能力提出了更高的要求。第三个特征是数据价值密度相对较低。如随着物联网的广泛应用,信息感知无处不在,信息海量,但价值密度较低,如何通过强大的机器算法更迅速地完成数据的价值“提纯”,是大数据时代亟待解决的难题。第四个特征是处理速度快,时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。参考资料来源:百度百科-大数据时代
学术堂整理了十五个和大数据有关的毕业论文题目,供大家进行参考: 1、大数据对商业模式影响 2、大数据下地质项目资金内部控制风险 3、医院统计工作模式在大数据时代背景下改进 4、大数据时代下线上餐饮变革 5、基于大数据小微金融 6、大数据时代下对财务管理带来机遇和挑战 7、大数据背景下银行外汇业务管理分析 8、大数据在互联网金融领域应用 9、大数据背景下企业财务管理面临问题解决措施 10、大数据公司内部控制构建问题 11、大数据征信机构运作模式监管 12、基于大数据视角下我国医院财务管理分析 13、大数据背景下宏观经济对微观企业行为影响 14、大数据时代建筑企业绩效考核和评价体系 15、大数据助力普惠金融
进入2012年,大数据(big data)一词越来越多地被提及,人们用它来描述和定义信息爆炸时代产生的海量数据,并命名与之相关的技术发展与创新。它已经上过《纽约时报》《华尔街日报》的专栏封面,进入美国白宫官网的新闻,现身在国内一些互联网主题的讲座沙龙中,甚至被嗅觉灵敏的国金证券、国泰君安、银河证券等写进了投资推荐报告。 数据正在迅速膨胀并变大,它决定着企业的未来发展,虽然很多企业可能并没有意识到数据爆炸性增长带来问题的隐患,但是随着时间的推移,人们将越来越多的意识到数据对企业的重要性。正如《纽约时报》2012年2月的一篇专栏中所称,“大数据”时代已经降临,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。哈佛大学社会学教授加里·金说:“这是一场革命,庞大的数据资源使得各个领域开始了量化进程,无论学术界、商界还是政府,所有领域都将开始这种进程。”
有关数据挖掘的论文选题背景和意义
数据挖掘、OLAP在财务决策中的应用杨春华(杭州商学院财务与会计学院,杭州,310012)[摘要]数据挖掘、OLAP是当前基于大型数据库或数据仓库的新型信息分析技术,在许多领域得到广泛应用,取得了很好的成效。如何将其应用于财务决策以提高决策的正确性、及时性,降低决策的风险,已成为财务管理领域的重要研究课题。本文在介绍数据挖掘、OLAP技术及其相互关系的基础上,分析了财务决策领域应用这两种技术的现实必要性,并进一步论述了财务决策中数据挖掘和OLAP的应用流程。[Abstract]In this paper, the author introduced Data Mining and OLAP at And then, the author analyzed the practical necessity for the firms to apply these two techniques in the area of financial decision- In the end, the author brought forward the flow of the [关键词]数据挖掘,联机分析处理,财务决策[Key words]Data Mining,OnLine Analysis Process(OLAP),Financial Decision-making正文随着计算机技术和Internet技术的发展,以及企业在以往事务型处理中数据的不断积累,一方面企业数据资源日益丰富,信息超载,另一方面数据资源中蕴涵的知识企业却至今未能得到充分的挖掘和利用,“数据丰富而知识贫乏”是常见现象。如何才能不被信息的汪洋大海所淹没,并能从中及时发现有用的知识,提高信息的利用效率,已成为企业急需面对的一个问题。正是在这种背景下,数据挖掘、OLAP技术应运而生。这是两种基于大量数据库或数据仓库的新型数据分析技术。将其应用到财务决策领域则有利于提高决策的正确性、及时性,降低决策的风险。一、数据挖掘与OLAP1.数据挖掘关于数据挖掘,一种较为公认的定义是由GPiatetsky-Shapiro等人提出的。他们认为:数据挖掘是从大型数据库中提取人们感兴趣的知识,这些知识是隐含的、事先不知的,潜在有用的信息。数据挖掘涉及到机器学习、模式识别、统计学、智能数据库、知识获取、数据可视化、高性能计算、专家系统等各个领域。它不仅面向特定数据库的简单检索查询调用,而且要对这些数据进行微观、中观乃至宏观的统计、分析、综合和推理,以指导实际问题的求解,企图发现事件间的相互关联,甚至利用已有的数据对未来的活动进行预测。这样一来,就把人们对数据的应用从低层次的末端查询操作,提高到为各级经营决策者提供决策支持。2.OLAP联机分析处理(OLAP)的概念最早是由关系数据库之父EFCodd于1993年提出的,它是基于大型数据库或数据仓库的信息分析过程,是大型数据库或数据仓库的用户接口部分,其目的是满足决策支持或多维环境特定的查询和报表要求。简单地讲,OLAP就是共享多维信息的快速分析。它是跨部门、面向主题的,其基本特点是快速性、可分析性、多维性、信息性和共享性。也就是说,OLAP能快速响应用户的要求,能处理与应用有关的任何逻辑分析和统计分析,能提供多维数据分析的多维视图,能及时获得信息和管理大容量的信息,以及能在大量用户群中共享潜在的数据。其中“多维性”是其核心灵魂。3.数据挖掘与OLAP数据挖掘和OLAP都是基于大型数据库或数据仓库的数据分析技术,有着一定的联系和区别。数据挖掘和OLAP最本质的区别在于,数据挖掘是一种挖掘性的分析工具,它主要是利用各种分析方法主动地去挖掘大量数据中蕴涵的规律,产生一些假设,帮助人们在这些假设的基础上更有效地进行决策;而OLAP则是一种求证性的分析工具,一般由用户预先设定一些假设,然后使用OLAP去验证这些假设,提供可以使用户很方便地进行数据分析的手段。但就工具而言,数据挖掘和OLAP这两种分析工具本身又是相辅相成的,且界限正在逐渐模糊。OLAP的分析结果可以补充到系统知识库中,给数据挖掘提供分析信息并作为数据挖掘的依据;数据挖掘发现的知识可以指导OLAP的分析处理,拓展OLAP分析的深度,以便发现OLAP所不能发现的更为复杂、细致的信息。二、财务决策中应用数据挖掘、OLAP的必要性财务决策是企业决策中最重要的组成部分之一。任何好的财务决策都需要事实和数字支持。一个财务决策的正确程度取决于所使用的事实和数字的正确程度。随着竞争的增加,财务决策的时效性也变得越来越重要了。因此,在财务决策领域应用数据挖掘、OLAP是企业现实的需要。1.有利于提高财务信息的利用能力。解决企业财务决策问题需要询问为中心的数据图解,其以序列导向和多维为特征。而传统的财务数据查询是一种事务处理(OLTP),它是面向应用,支持日常操作的,对查询得到的数据信息缺乏分析能力,决策者不能够在大量历史数据的支持下对某一主题的相关数据进行多角度的比较、分析,得出科学的分析结果。因此,财务决策问题自身的多维特性驱动了数据挖掘、OLAP在其领域的应用,以提高财务信息的利用能力。2.有利于解决财务信息的噪音问题。科学财务决策必须以尽可能真实、及时、充分的信息为依据。这些信息既包括诸如企业目标、企业现状、事物状况等企业的内部资料,又包括诸如客户、供应商等企业的关联方资料,还包括诸如市场等企业所需的外部资料。由于网络技术的发展,企业可以通过Intranet、Extranet、Internet方便获取各种企业内部、关联方及外部资料。因此,现今的问题已不是信息缺乏,而是信息过量,难以消化,且信息真假难辨,可靠性难以保证。所以,对企业来说,这时就需要高效的数据分析工具——数据挖掘、OLAP在浩瀚的信息流中分辨、析取、整理、挖掘对财务决策有用的信息,减少信息噪音的影响。3.有利于满足财务信息智能化的需求。由于决策本身的动态性、复杂性,决策者本身素质层次的多样性,不同的情况应有不同的处理方式。传统的数据析取是依靠程序人员在系统开发过程中设计的专用程序来实现,非常机械化。随着数据量的增大,查询的复杂化,这种方式越来越不可取。决策者希望信息的析取过程能够智能化,如不仅能对自己想到的信息进行访问,还能对自己想不到却需要的信息进行访问,对同样数据进行多次访问时,不必须做重复操作;不同决策者作相似访问时,也不必进行重复操作等。数据挖掘能够利用现有的数据来获取新的有用信息,支持查询、存储的优化,使信息的析取具有较强的自我学习功能,满足财务信息智能化的需求。三、财务决策中数据挖掘、 OLAP的应用流程基于数据挖掘、OLAP的财务决策支持系统模型数据挖掘、OLAP是在大型数据库或数据仓库基础上进行深入的数据分析,从而获取海量数据中隐藏的关键信息的主要手段。因此,为了进一步提高财务决策的支持能力,可以将它们结合起来构成一种新型的财务决策支持框架,如图1所示。这个模型中,在数据仓库为财务决策提供完整、及时、准确和明了的综合数据的基础上,OLAP 图1 基于数据挖掘、OLAP的财务决策支持系统通过进行有效集中分析和深入研究,可以发现趋势,看到异常,并得到重要细节,而数据挖掘则可通过使用一系列方法进行分析,从中识别和抽取隐含、潜在的有用知识,并充分利用这些知识辅助财务决策。2.财务决策中数据挖掘流程财务决策中的数据挖掘流程一般由财务决策问题识别、数据准备、数据开采和结果表达和解释四个主要阶段构成,如图2所示。图2 数据挖掘流程(1)财务决策问题识别。典型的财务决策有投资决策、筹资决策、成本决策、销售决策等。在进行数据挖掘前,必须先对具体财务决策问题进行识别,即要确定进行什么决策、达到什么样的决策目标等。然后再将财务决策目标转换成数据挖掘目标,并进行定义。(2)数据准备。这个阶段又可分成3个子步骤,即数据集成、数据选择和数据预处理。数据集成是将多文件或多数据库运行环境中的数据进行合并处理,解决语义模糊性、处理数据中的遗漏和清洗脏数据等。数据选择的目的是辨别出需要分析的数据集合,缩小处理范围,提高数据挖掘的质量。而预处理则是为了克服目前数据挖掘工具的局限性。(3)数据采掘。这一阶段主要进行实际的数据挖掘工作,主要包括决定如何产生假设、选择合适的工具、发掘知识的操作和证实发现的知识等步骤。(4)结果表达和解释。根据用户的财务决策目的对提取的信息进行分析,把最有价值的信息区分出来,并提交给用户。如果结果不能让决策者满意,则重复进行上述过程。3.财务决策支持中OLAP流程财务决策中的OLAP流程一般由财务决策信息确认、维度分析、信息集成、数据切片和数据掘进五个主要阶段构成,如图3所示。图3 OLAP流程(1)财务决策信息确认。在进行OLAP之前,必须先确认要查询、分析的目标数据及其属性,即事实和维。然后用事实表来存储与之相关联的维信息和事实信息。(2)维度分析。对每个目标属性做进一步的分析,如维的层次、成员类别等,并将这些信息用维表保存下来。维表与事实表通过关键字相关联。(3)信息集成。当维数增加和事实表增大时,采用一定的综合、汇总等方法将信息进行集成,并用综合表存储。在综合表中,数据由多维构成,每个维又划分为多个汇总层次,所有元素及其层次关系构成树型结构。各维的层次划分,基本确定了每一维垂直的汇总路径。(4)数据切片。在综合表中,将某一路径与不同方向的其他若干路径作任意组合,就可实现面与块的切割,获取任意组合信息。(6)数据掘进。在数据切片中,沿其中任一条路径进行自上而下的分析,就可获取相应的详细信息。参考文献[1]马丽娜、刘弘、张希林 数据挖掘、 OLAP在决策支持系统中的应用[J] 计算机应用研究,2001,(11):10-[2]胡彦 基于数据仓库的决策支持工具的比较研究[J] 计算机应用,2000,20(6):20-[3]喻钢、周定康 联机分析处理(OLAP)技术的研究[J] 计算机应用,2001,21(11):80-[4]於丹 数据挖掘走向Internet——孟小峰先生谈面向Internet的数据挖掘技术[J] 微电脑世界,2000,14(3):36-[5]胡侃、夏绍玮 基于大型数据仓库的数据采掘:研究综述[J] 软件学报,1998,9(1):53-[6]范小军、王方华 数据挖掘在营销领域中的应用[J] 外国经济与管理,2001,23(12):38-[7]刘明杰、张晓京、刘洪杰、王秀峰、王治宝 数据仓库在证券交易中的研究与应用[J]计算机工程,2000,26(2):47-49、[8]李竹平、吴相林 基于数据仓库的企业管理型会计信息系统研究[J] 华中理工大学学报,28(
云速数据挖掘在企业信息化建设过程中有一套固定的应用流程,即将各种不同信息转换为企业需要的商业知识。以数据挖掘的具体流程作为基础,对企业信息化建设具有促进作用。