序論：速發(fā)表網(wǎng)結(jié)合其深厚的文秘經(jīng)驗(yàn)，特別為您篩選了11篇統(tǒng)計(jì)學(xué)決策分析范文。如果您需要更多原創(chuàng)資料，歡迎隨時(shí)與我們的客服老師聯(lián)系，希望您能從中汲取靈感和知識(shí)！

篇1

中圖分類(lèi)號(hào)： C913.2文獻(xiàn)標(biāo)識(shí)碼： A

大學(xué)生在求職擇業(yè)過(guò)程中，如何做到知己知彼進(jìn)行科學(xué)的決策，是職業(yè)生涯規(guī)劃和選擇的重大課題。職業(yè)生涯決策源于經(jīng)濟(jì)學(xué)中的決策理論在職業(yè)行為方面的研究。專(zhuān)家學(xué)者認(rèn)為，職業(yè)決策是個(gè)體一生中必然要面臨的重要決策，是指?jìng)€(gè)體對(duì)自己將要從事的職業(yè)做出的選擇。職業(yè)生涯決策在大學(xué)生職業(yè)選擇和人生發(fā)展中起著至關(guān)重要的作用。

一、決策的模型

決策就是做出決定，是做選擇對(duì)策的決定。每天人們做的最多的事情，其實(shí)就是決策，大到嚴(yán)肅的事情，小到生活的瑣事，通常，一個(gè)決定越重要，決策也就越困難。1966年丁克里奇提出七種決策模型。[1]

（一）痛苦掙扎型，有些人會(huì)花大量的時(shí)間和精力來(lái)確認(rèn)有哪些選擇、收集信息、反復(fù)比較，卻難以做出決定。他們的口頭禪是 “我就是拿不定主意。”在這種情況下，收集再多的信息進(jìn)行分析比較也無(wú)濟(jì)于事。

（二）沖動(dòng)型，與痛苦掙扎型相反，有的人抓住遇到的第一個(gè)選擇，不再考慮其它的選擇或收集信息。他們的想法是 “先決定，以后再考慮?！?這種方式的風(fēng)險(xiǎn)太大，等到看到有更好的選擇時(shí)自然追悔莫及。

（三）拖延型，這些人習(xí)慣于將對(duì)問(wèn)題的思考和行動(dòng)都再往后，然而問(wèn)題是不會(huì)自動(dòng)解決的，有時(shí)候會(huì)越拖越嚴(yán)重。“過(guò)兩天再考慮”是他們的口頭禪。心中暗自希望：也許事情過(guò)幾天就自動(dòng)解決了

（四）直覺(jué)型，有一些人將自己的直覺(jué)感受作為決定的基礎(chǔ)。他們通常說(shuō)不出什么理由，口頭禪是“就是覺(jué)得這個(gè)人好，愛(ài)你沒(méi)商量。”在擇友時(shí)常見(jiàn)這樣的決策方式。直覺(jué)在人們對(duì)外部信息無(wú)法掌握充分的時(shí)候比較有效，但它可能與事實(shí)不符。因此，我們不能僅憑直覺(jué)作為決策的依據(jù)。

（五）宿命型，有些人不能自己承擔(dān)責(zé)任，而將命運(yùn)委諸外部環(huán)境，將決定權(quán)留給境遇或命運(yùn)。

（六）從眾/隨大流型，這樣的人通常會(huì)順從別人的計(jì)劃而不是獨(dú)立地做出決定。他們的口頭禪是“他們都覺(jué)得好，我就覺(jué)得好，只因?yàn)榇蠹叶歼@樣做”。

（七）癱瘓型，有的人，雖然在理性上接受了自己做決定的責(zé)任，卻無(wú)法開(kāi)始決策過(guò)程。通常的想法是 “我知道我應(yīng)該開(kāi)始了，但想到這件事我就害怕?！笔聦?shí)上他們無(wú)法真正為決策和決策的后果承擔(dān)責(zé)任。

以上七種決策模型，根據(jù)情境和其后果重要性的不同，會(huì)產(chǎn)生相應(yīng)程度的作用。但是這些決策模式用在一些重要事情中就不適宜了。從這七種決策模式中我們可以看出，這些決策模式都存在著對(duì)自己和對(duì)環(huán)境的未知因素，在很多未知因素的情況下進(jìn)行決策，顯然容易導(dǎo)致決策風(fēng)險(xiǎn)。

二、影響職業(yè)決策的因素

（一）遺傳因素和特殊能力

個(gè)人得自于遺傳的一些特質(zhì)，在某些程度上限制了個(gè)人對(duì)職業(yè)或?qū)W校教育選擇的自由。這些因素包括種族、性別、外在的儀表和特征等。某些個(gè)人的特殊能力也會(huì)影響其在環(huán)境中的學(xué)習(xí)經(jīng)驗(yàn)，伴隨這些學(xué)習(xí)經(jīng)驗(yàn)而來(lái)的興趣與技能，對(duì)個(gè)人未來(lái)規(guī)劃職業(yè)等也有較大影響。個(gè)人的特殊能力包括智力、音樂(lè)能力、美術(shù)能力、動(dòng)作協(xié)調(diào)能力等。

（二）環(huán)境狀況和事件

影響職業(yè)決策的因素中，有許多來(lái)自外部環(huán)境，并非個(gè)人所能控制。這些環(huán)境狀況和事件來(lái)源于人類(lèi)活動(dòng)（如社會(huì)、文化、政治、經(jīng)濟(jì)的活動(dòng)、家庭、教育系統(tǒng)的影響），或由自然力量引起（如自然資源的分布或天然災(zāi)害）。

（三）學(xué)習(xí)經(jīng)驗(yàn)

克朗伯茲認(rèn)為，每個(gè)人都有獨(dú)特的學(xué)習(xí)經(jīng)驗(yàn)，這對(duì)于個(gè)人的生涯決擇具有重要的影響。日常生活中，個(gè)體受到刺激與強(qiáng)化的類(lèi)型、性質(zhì)以及兩者配合出現(xiàn)的時(shí)機(jī)常常錯(cuò)綜復(fù)雜，因而沒(méi)有一個(gè)理論能夠很好地解釋這些不定的變量究竟是如何影響個(gè)人職業(yè)生涯偏好和生涯技能發(fā)展的，他提出不同的學(xué)習(xí)經(jīng)驗(yàn)對(duì)個(gè)體的生涯決策起著深遠(yuǎn)的影響。

（四）工作取向的技能

前面提到的各種因素，如遺傳因素、特殊能力、社會(huì)上各種影響因素以及不同的學(xué)習(xí)經(jīng)驗(yàn)等，會(huì)以一種交互影響的方式使個(gè)體形成特有的職業(yè)取向技能，這些職業(yè)取向的技能包括解決問(wèn)題的能力、工作習(xí)慣、規(guī)劃技巧、工作的標(biāo)準(zhǔn)與價(jià)值、情緒反應(yīng)、知覺(jué)和認(rèn)知的歷程等。[2]

三、建立科學(xué)有效的決策系統(tǒng)框架

決策受諸多因素的影響，客觀(guān)上必然帶有一定的風(fēng)險(xiǎn)性，那么在進(jìn)行重大決策時(shí)，建立一套有效的決策系統(tǒng)框架，是幫助決策者減少風(fēng)險(xiǎn)提高決策能力的科學(xué)手段，從而做出信息整合，選擇可能和可行的策略。[3]

（一）溝通階段

溝通是決策過(guò)程的第一個(gè)階段，這是決策的開(kāi)始。因?yàn)樵谶@個(gè)階段個(gè)人發(fā)現(xiàn)理想與現(xiàn)實(shí)情境之間存在差距的信息。這些信息可能通過(guò)內(nèi)部或外部的信息交流途徑傳達(dá)給我們。這是“意識(shí)到我需要做出一個(gè)選擇”的階段。

（二）分析階段

這一階段是將問(wèn)題的各個(gè)組成部分相互聯(lián)系起來(lái)，對(duì)現(xiàn)狀進(jìn)行評(píng)估，了解自己和自己面臨的可能選擇，對(duì)所有的信息進(jìn)行分析。好的問(wèn)題解決者會(huì)花時(shí)間去思考、觀(guān)察、研究，從而更充分了解差距，了解他們有效地做出反應(yīng)的能力。

（三）綜合階段

在這一階段綜合和加工分析階段提供的信息，形成個(gè)人可能性的解決方法并進(jìn)一步收集相關(guān)信息，確認(rèn)自己的選擇，從而制定出消除問(wèn)題或差距的行動(dòng)方案。

（四）評(píng)估階段

評(píng)估階段的第一步是評(píng)估每一種選擇對(duì)問(wèn)題解決者和他人的影響。從可行性和滿(mǎn)意度兩方面進(jìn)行評(píng)估。我們每個(gè)人最終都必須面對(duì)這樣的抉擇（1）對(duì)我個(gè)人而言什么是最好的？（2）對(duì)我生活中的重要他人而言什么是最好的？ 第二步是按評(píng)估結(jié)果對(duì)所有選擇進(jìn)行排列，得出最終的選擇。

（五）執(zhí)行階段

在執(zhí)行階段我們將根據(jù)為行動(dòng)制定的計(jì)劃把思考轉(zhuǎn)換為行動(dòng)。即根據(jù)自己最終的選擇制定計(jì)劃，采取行動(dòng)?？紤]到評(píng)估階段得出的結(jié)果，這是把第一選擇作為目標(biāo)重新建構(gòu)。

（六）再循環(huán)階段

決策過(guò)程是一個(gè)不斷循環(huán)的過(guò)程。在執(zhí)行階段之后，個(gè)體又回到溝通階段，以確定已選取的選擇是否是良好的即現(xiàn)實(shí)與理想狀態(tài)間的差距是否已經(jīng)被消除。

        職業(yè)生涯的選擇是終生的歷程，是大學(xué)畢業(yè)生必須面對(duì)的人生關(guān)鍵的一步，面對(duì)影響大學(xué)生職業(yè)生涯決策的各個(gè)因素，大學(xué)生必須掌握有效的職業(yè)生涯決策方法，才能做出合理的職業(yè)選擇。

[參考文獻(xiàn)]

篇2

中圖分類(lèi)號(hào)：F830.2　文獻(xiàn)標(biāo)識(shí)碼：A　文章編號(hào)：1006－3544(2010)03－0024－04

所謂金融生態(tài)是指影響金融業(yè)生存和發(fā)展的各種因素的總和，它既包括與金融業(yè)發(fā)展相互影響的政治、經(jīng)濟(jì)、法律、信用環(huán)境等因素，又包括金融體系內(nèi)部各要素，如金融市場(chǎng)、金融機(jī)構(gòu)、金融工具、金融產(chǎn)品，通過(guò)資金媒介和信用鏈條形成相互作用、相互影響的系統(tǒng)。作為一個(gè)社會(huì)生態(tài)系統(tǒng)，金融決策活動(dòng)日益受到來(lái)自?xún)?nèi)部和外部諸多生態(tài)因素的影響，致使決策難度不斷增加，傳統(tǒng)的理論與方法因其局限性已經(jīng)越來(lái)越不適合解決復(fù)雜的金融決策問(wèn)題。而生態(tài)學(xué)的理論范式與金融運(yùn)行中的由相關(guān)因素組成的系統(tǒng)環(huán)境在學(xué)理上有很大的相似性和可比性。如同生態(tài)學(xué)認(rèn)為任何有機(jī)體都是環(huán)境的產(chǎn)物，必須與其周?chē)h(huán)境進(jìn)行物質(zhì)交換才能生存一樣，金融生態(tài)學(xué)認(rèn)為，任何一個(gè)金融系統(tǒng)也不能孤立于環(huán)境而存在，正確理解金融系統(tǒng)就不能脫離它特定的環(huán)境，必須把它放在與其環(huán)境互動(dòng)的關(guān)系中加以考察Ⅲ。因此在金融學(xué)的理論研究中，完全可以借用生物界的生態(tài)理論和名詞，以此來(lái)為公共金融學(xué)的理論發(fā)展尋找新的源生點(diǎn)。從生態(tài)學(xué)視角出發(fā)，把握金融決策生態(tài)系統(tǒng)的特征與規(guī)律，并通過(guò)金融決策內(nèi)生態(tài)的優(yōu)化效應(yīng)，增強(qiáng)金融決策的科學(xué)性、民主性和規(guī)范性，是我國(guó)金融決策體制改革的重要內(nèi)容。

一、基于生態(tài)學(xué)的金融決策技術(shù)分析

金融決策是公共金融管理活動(dòng)的基本環(huán)節(jié)和組成部分，是指金融領(lǐng)導(dǎo)機(jī)構(gòu)或金融領(lǐng)導(dǎo)者在一定環(huán)境和條件下，為履行金融職能而進(jìn)行的一種抉擇對(duì)策及做出決定的活動(dòng)與行為。金融決策在公共金融管理系統(tǒng)活動(dòng)中具有重要的地位和作用，金融系統(tǒng)的作用與成效如何，關(guān)鍵在于金融決策的正確與否。

作為公共金融管理大系統(tǒng)中的一個(gè)子系統(tǒng)，金融決策本質(zhì)上是一個(gè)典型的、復(fù)雜的生態(tài)系統(tǒng)。當(dāng)前，金融決策系統(tǒng)正越來(lái)越多地受到來(lái)自?xún)?nèi)外各種要素的綜合影響。金融決策環(huán)境的歷史性變遷與金融決策系統(tǒng)原有格局、功能之間的矛盾，導(dǎo)致系統(tǒng)面臨的不適應(yīng)性和不確定性因素增多，決策生態(tài)中還存在諸多風(fēng)險(xiǎn)與問(wèn)題，這些問(wèn)題主要是由于決策體制不健全、決策參與群體(生態(tài)種群)未形成協(xié)同合力、決策主體與內(nèi)外生態(tài)要素缺乏互動(dòng)、決策程序不合理、決策技術(shù)手段落后、缺乏對(duì)決策的系統(tǒng)性研究和循環(huán)性分析等原因所造成的。這就要求決策者必須轉(zhuǎn)換傳統(tǒng)的決策思維，開(kāi)闊決策視野，創(chuàng)新決策方式，從生態(tài)學(xué)的角度研究金融決策生態(tài)系統(tǒng)的結(jié)構(gòu)、內(nèi)在機(jī)理與決策之間的相互關(guān)系，研究?jī)?yōu)化決策生態(tài)的方法與途徑，有效形成和發(fā)揮決策生態(tài)系統(tǒng)的優(yōu)化效應(yīng)，進(jìn)而實(shí)現(xiàn)金融決策的科學(xué)化、民主化和法治化。

金融決策及其環(huán)境和影響因素可被視為一個(gè)具有生態(tài)學(xué)結(jié)構(gòu)功能單位意義上的系統(tǒng)。生態(tài)系統(tǒng)是指生物群落與其生存環(huán)境之間以及生物種群相互之間密切聯(lián)系、相互作用，通過(guò)物質(zhì)交換、能量轉(zhuǎn)換和信息傳遞，成為占據(jù)一定空間、具有一定結(jié)構(gòu)、執(zhí)行一定功能的動(dòng)態(tài)平衡整體。金融決策作為一項(xiàng)系統(tǒng)性、動(dòng)態(tài)性的社會(huì)活動(dòng)，其生態(tài)特性在于：(1)金融決策中包含著人、信息、制度、技術(shù)等要素，深受經(jīng)濟(jì)結(jié)構(gòu)、社會(huì)組織、溝通網(wǎng)絡(luò)、符號(hào)系統(tǒng)、金融構(gòu)架等基本環(huán)境直接或間接的作用和影響。這些要素和環(huán)境在生態(tài)學(xué)意義上即從種群、群落、人與環(huán)境的關(guān)系等方面構(gòu)成了金融決策生態(tài)系統(tǒng)。(2)金融決策始終處于協(xié)調(diào)運(yùn)轉(zhuǎn)的動(dòng)態(tài)過(guò)程中，要維系這種動(dòng)態(tài)性的平衡與良性循環(huán)，必須實(shí)現(xiàn)金融決策系統(tǒng)內(nèi)外的能量、信息與資源的共享與交換，這就如同能量流動(dòng)、物質(zhì)循環(huán)和信息傳遞是生態(tài)系統(tǒng)的三大功能，其實(shí)質(zhì)是在對(duì)資源進(jìn)行優(yōu)化整合和分配的進(jìn)程中實(shí)現(xiàn)生態(tài)效能的最大化。

從生態(tài)學(xué)的視角來(lái)研究金融決策，要轉(zhuǎn)換金融決策的傳統(tǒng)思維定勢(shì)，樹(shù)立決策生態(tài)觀(guān)念，實(shí)現(xiàn)金融決策的理念重塑。長(zhǎng)期以來(lái)，在“權(quán)力本位”思維的支配下，一部分金融部門(mén)的領(lǐng)導(dǎo)干部將金融決策視之為“金融首長(zhǎng)負(fù)責(zé)制”制度條件下金融權(quán)力運(yùn)用的具體體現(xiàn)，金融決策的主觀(guān)性、隨意性和排他性較強(qiáng)，缺乏協(xié)同理念、環(huán)境意識(shí)與科學(xué)決策觀(guān)念，“急功近利”、“長(zhǎng)官意志”、“個(gè)別人或小群體隨機(jī)拍板”等現(xiàn)象時(shí)有出現(xiàn)，這都嚴(yán)重影響了金融決策的效能與質(zhì)量，也扭曲了金融決策“以人為本”的公共服務(wù)價(jià)值取向。

金融決策活動(dòng)從“隨意性”和“非理性”的決策狀態(tài)，走向科學(xué)、民主、有效的決策新境界，就要求決策者在金融決策活動(dòng)過(guò)程中理性地把握和遵循生態(tài)學(xué)定律。作為現(xiàn)代金融決策者，須充分意識(shí)到金融決策的任何行動(dòng)都不是孤立的，決策的主體、客體、目標(biāo)與環(huán)境之間有著密切的“關(guān)系效應(yīng)”；金融決策系統(tǒng)中的影響因素與其他因素形成了相互聯(lián)系和相互交融的格局；所制定的任何金融決策方案均不能有違生態(tài)發(fā)展和社會(huì)發(fā)展的規(guī)律，不應(yīng)對(duì)符合生態(tài)、社會(huì)發(fā)展規(guī)律與趨勢(shì)的自然進(jìn)程產(chǎn)生任何干擾。只有準(zhǔn)確把握和依循現(xiàn)代金融決策活動(dòng)這些生態(tài)學(xué)意義上的基本準(zhǔn)則，金融決策活動(dòng)才能符合生態(tài)法則，并獲得決策生態(tài)系統(tǒng)的優(yōu)化效應(yīng)。

二、金融決策生態(tài)系統(tǒng)結(jié)構(gòu)模型

金融決策生態(tài)系統(tǒng)是指在金融決策活動(dòng)過(guò)程中直接或間接地作用和影響決策活動(dòng)的經(jīng)濟(jì)結(jié)構(gòu)、社會(huì)組織、溝通網(wǎng)、符號(hào)系統(tǒng)、金融構(gòu)架等基本生態(tài)環(huán)境要素的總和。其基本構(gòu)成要素包括內(nèi)外兩個(gè)層面：金融、經(jīng)濟(jì)、社會(huì)、文化、自然等外部層面要素對(duì)金融決策活動(dòng)具有重要影響；決策者、制度、技術(shù)等內(nèi)部層面要素則發(fā)揮著決定性的作用。這些要素之間相互聯(lián)系、相互作用、互利共生、動(dòng)態(tài)平衡，構(gòu)成了一個(gè)有機(jī)的金融決策整體生態(tài)系統(tǒng)。

根據(jù)現(xiàn)實(shí)生態(tài)擬建的金融決策生態(tài)系統(tǒng)是決策生態(tài)核、決策內(nèi)生態(tài)和決策外生態(tài)三個(gè)關(guān)系圈層的構(gòu)成與集合，如圖l所示。在該系統(tǒng)結(jié)構(gòu)中，核心圈層是處于中樞地位的決策者和決策機(jī)構(gòu)，亦即決策生態(tài)核；第二圈層是影響決策活動(dòng)的直接環(huán)境圈，即決策內(nèi)生態(tài)，包括決策生態(tài)種群、政策、機(jī)制、流程、信息、知識(shí)和技術(shù)等生態(tài)環(huán)境要素；第三圈層是金融決策生態(tài)系統(tǒng)的外部支持環(huán)境圈，包括金融、經(jīng)濟(jì)、文化、社會(huì)、自然等外部生態(tài)要素，是金融決策的外圈層生態(tài)環(huán)境，亦即決策外生態(tài)或原生態(tài)。

由于涉及金融決策整體生態(tài)系統(tǒng)中諸如種群、制度、技術(shù)等核心生態(tài)因子，金融決策內(nèi)生態(tài)系統(tǒng)在整體系統(tǒng)的三個(gè)圈層中處于重要的地位。它通過(guò)自身要素的整合和優(yōu)化，影響

和制約著核心圈中決策者的判斷和選擇行為，并推動(dòng)決策者做出正確決策，進(jìn)而間接地對(duì)外生態(tài)系統(tǒng)要素產(chǎn)生優(yōu)化效應(yīng)。

在金融決策整體生態(tài)系統(tǒng)中，核心圈的決策者雖具有主導(dǎo)和決定作用，但有其特定的運(yùn)作范圍，金融決策的制定、選擇、執(zhí)行、完善等有賴(lài)于內(nèi)生態(tài)諸要素尤其是咨詢(xún)輔助種群發(fā)揮基礎(chǔ)作用。同時(shí)，決策內(nèi)生態(tài)又是將決策外生態(tài)相關(guān)影響因素傳輸給決策者的重要紐帶，從而為決策者進(jìn)行正確決策提供經(jīng)濟(jì)基礎(chǔ)、人文背景、金融秩序、社會(huì)環(huán)境等方面的保障。

從金融決策整體生態(tài)系統(tǒng)三個(gè)關(guān)系圈層(決策生態(tài)核、決策內(nèi)生態(tài)和決策外生態(tài))的邏輯活動(dòng)過(guò)程來(lái)看，決策者通過(guò)決策內(nèi)生態(tài)中的利益博弈、規(guī)則約束和方法選擇，形成科學(xué)決策，達(dá)致決策外生態(tài)的優(yōu)化。在決策外生態(tài)優(yōu)化的基礎(chǔ)上，種群對(duì)決策者又會(huì)提出新的政策訴求，要求其繼續(xù)通過(guò)發(fā)揮內(nèi)生態(tài)優(yōu)化效應(yīng)來(lái)制定更好的政策，對(duì)決策外生態(tài)進(jìn)行新一輪的優(yōu)化。這是一個(gè)“漣漪”式正向放大、內(nèi)外關(guān)系互動(dòng)的過(guò)程，全部決策活動(dòng)的價(jià)值導(dǎo)向是促進(jìn)決策外生態(tài)中的經(jīng)濟(jì)發(fā)展、金融文明、社會(huì)和諧、文化進(jìn)步、人與自然的和諧相處。

決策生態(tài)核以決策內(nèi)生態(tài)為依托和平臺(tái)，整合決策外生態(tài)的相關(guān)影響因素，促進(jìn)以利益聚合、表達(dá)、協(xié)調(diào)為核心的協(xié)商和對(duì)話(huà)機(jī)制的建立，讓各決策利益相關(guān)者“在憲法、法律、習(xí)慣與傳統(tǒng)等框架或規(guī)則范圍內(nèi)，利用他們所掌握的信息，在充分比較各種可能情況下，采取相應(yīng)行動(dòng)以獲得滿(mǎn)足效用最大化結(jié)果”，進(jìn)而實(shí)現(xiàn)各個(gè)種群及其所代表的各社會(huì)階層利益的良性互動(dòng)與總體平衡。

三、金融決策內(nèi)生態(tài)系統(tǒng)的基本結(jié)構(gòu)

在金融決策生態(tài)系統(tǒng)結(jié)構(gòu)中，處于第二圈層的金融決策內(nèi)生態(tài)系統(tǒng)作為中樞傳遞層，在整體系統(tǒng)中處于能量流動(dòng)、物質(zhì)循環(huán)、信息傳遞的關(guān)鍵位置，對(duì)金融決策產(chǎn)生直接的作用力和影響力。因此，準(zhǔn)確把握金融決策內(nèi)生態(tài)的結(jié)構(gòu)定位，切實(shí)發(fā)揮其對(duì)整個(gè)決策生態(tài)系統(tǒng)生命維系的功能作用，是保證金融決策正確性和有效性的基本前提。

金融決策內(nèi)生態(tài)是一個(gè)由“三層面七要素”構(gòu)成的具體生態(tài)系統(tǒng)，如圖2所示。

(一)種群層面：決策生態(tài)種群

在生態(tài)學(xué)意義上，種群是指在一定時(shí)間內(nèi)占據(jù)一定空間的同種生物的所有個(gè)體。金融決策的生態(tài)種群是一個(gè)由金融管理部門(mén)智囊機(jī)構(gòu)(如金融管理部門(mén)、研究部門(mén)、金融學(xué)院、社科院等)、高校學(xué)者專(zhuān)家、社會(huì)獨(dú)立研究咨詢(xún)機(jī)構(gòu)、民意代表與利益表達(dá)機(jī)柯(如人大、政協(xié)等)組成的生態(tài)群落，其構(gòu)成與關(guān)系整合的合理性和優(yōu)化程度，直接影響和決定著核心圈決策者的行為。

生態(tài)種群動(dòng)態(tài)發(fā)展過(guò)程中最基本的關(guān)系是競(jìng)爭(zhēng)博弈和協(xié)同共生，金融決策生態(tài)種群的動(dòng)態(tài)發(fā)展同樣也依循這一生態(tài)法則。在金融決策過(guò)程中，作為利益相關(guān)方的各決策種群之間通過(guò)競(jìng)爭(zhēng)活動(dòng)，形成一種生態(tài)位分化和博弈的格局。在此基礎(chǔ)上，決策生態(tài)系統(tǒng)的多樣性、穩(wěn)定性和抗干擾能力不斷增強(qiáng)，內(nèi)部要素與外部環(huán)境不斷相適應(yīng)，從而逐步趨向于一定的平衡狀態(tài)。在這種平衡狀態(tài)中，金融決策活動(dòng)的協(xié)同共生是競(jìng)爭(zhēng)博弈的一種高級(jí)形式的呈現(xiàn)，是各利益相關(guān)方在博弈中達(dá)到協(xié)調(diào)、協(xié)作與和諧的一種關(guān)系狀態(tài)，具體又表現(xiàn)為系統(tǒng)自身的調(diào)節(jié)適應(yīng)和動(dòng)態(tài)平衡。

(二)制度層面：政策、機(jī)制、流程

金融決策內(nèi)生態(tài)系統(tǒng)的制度層面主要包括政策、決策機(jī)制和決策流程。從決策內(nèi)生態(tài)系統(tǒng)要素關(guān)系及其整合的角度視之，金融決策要保障行之有效的現(xiàn)有政策繼續(xù)發(fā)揮其功效，要在政策精神、基本原則、內(nèi)容要求等方面與現(xiàn)有政策相契合，一項(xiàng)新的金融決策不能與正確有效的現(xiàn)行政策相沖突；對(duì)于因政策目標(biāo)和政策環(huán)境發(fā)生了變化、政策局限性基本顯現(xiàn)、政策主體認(rèn)識(shí)不斷深化而需要進(jìn)行調(diào)整的現(xiàn)有政策，金融決策要通過(guò)增擴(kuò)或縮減、合并或分解等方式對(duì)政策目標(biāo)、政策實(shí)施方案和政策關(guān)系等方面做出調(diào)整；對(duì)于已經(jīng)完全失去正面效用的現(xiàn)有政策，金融決策要通過(guò)政策替代、廢止等方式來(lái)予以終止。

決策機(jī)制既是金融決策核心圈進(jìn)行決策活動(dòng)的制度基礎(chǔ)，更是金融決策內(nèi)生態(tài)系統(tǒng)中的決策種群所形成的結(jié)構(gòu)關(guān)系有機(jī)體參與決策活動(dòng)的一系列規(guī)范。具體是指對(duì)決策和參與決策的責(zé)任主體、意見(jiàn)表達(dá)者與咨詢(xún)者、決策監(jiān)督者等方面的行為與關(guān)系所確定的規(guī)則規(guī)范?，F(xiàn)代金融決策機(jī)制是金融決策內(nèi)生態(tài)系統(tǒng)中重要的生態(tài)要素，其有效運(yùn)作的前提是領(lǐng)導(dǎo)決策、公民磋商與參與、專(zhuān)家咨詢(xún)和信息支持四方面的密切配合與有機(jī)統(tǒng)一。

作為生態(tài)流在金融決策內(nèi)生態(tài)中的體現(xiàn)，流程是指一個(gè)或一系列連續(xù)有規(guī)律的行動(dòng)，這些行動(dòng)以確定的方式發(fā)生或執(zhí)行，導(dǎo)致特定結(jié)果的實(shí)現(xiàn)，它包括輸入資源、活動(dòng)、活動(dòng)的相互作用、輸出結(jié)果、顧客、價(jià)值六個(gè)構(gòu)成要素。金融決策活動(dòng)是一個(gè)提出問(wèn)題、分析問(wèn)題、解決問(wèn)題的運(yùn)作過(guò)程，具體體現(xiàn)為按照“發(fā)現(xiàn)決策問(wèn)題――確立決策目標(biāo)――進(jìn)行決策調(diào)研――制定決策方案――選擇最優(yōu)方案――組織監(jiān)督實(shí)施”的金融決策流程進(jìn)行決策活動(dòng)。

(三)技術(shù)層面：技術(shù)、信息、知識(shí)

金融決策內(nèi)生態(tài)系統(tǒng)中的技術(shù)、信息和知識(shí)，屬于決策方法與技術(shù)的范疇，只有充分掌握了科學(xué)的決策知識(shí)、豐富的決策信息和先進(jìn)的決策技術(shù)，才能為決策活動(dòng)提供強(qiáng)大的技術(shù)支撐，保證決策的科學(xué)性、有效性和合理性。在科學(xué)知識(shí)應(yīng)用上，現(xiàn)代金融決策活動(dòng)集成運(yùn)用金融知識(shí)、法律知識(shí)、經(jīng)濟(jì)知識(shí)與人文知識(shí)等勢(shì)在必行；在方法技術(shù)抉擇上，改變傳統(tǒng)的經(jīng)驗(yàn)決策方法，采用和實(shí)施頭腦風(fēng)暴法、“決策樹(shù)”法、德?tīng)柗品ǖ痊F(xiàn)代科學(xué)方法，運(yùn)用現(xiàn)代預(yù)測(cè)技術(shù)和網(wǎng)絡(luò)信息技術(shù)，亦在現(xiàn)代金融決策活動(dòng)中蔚為普遍。通過(guò)發(fā)揮金融決策內(nèi)生態(tài)系統(tǒng)中的技術(shù)、信息和知識(shí)的綜合作用，有助于正確把握決策對(duì)象發(fā)展演化規(guī)律，預(yù)測(cè)和掌握系統(tǒng)內(nèi)各要素的本質(zhì)特征、內(nèi)在聯(lián)系和發(fā)展趨勢(shì)，做出定性或定量的決策評(píng)估，為優(yōu)化決策提供科學(xué)的依據(jù)m。

金融決策內(nèi)生態(tài)的三個(gè)層面對(duì)金融決策活動(dòng)的基本訴求是不同的：種群層面要求活動(dòng)體現(xiàn)民意訴求(民主化)；制度層面要求活動(dòng)體現(xiàn)規(guī)則訴求(制度化或法治化)；技術(shù)層面則要求活動(dòng)體現(xiàn)科學(xué)訴求(科學(xué)化)。惟有體現(xiàn)民意、遵循規(guī)則、方法科學(xué)的金融決策活動(dòng)與行為，才能使三個(gè)方面的決策有機(jī)統(tǒng)一，進(jìn)而實(shí)現(xiàn)科學(xué)化、民主化和法治化的現(xiàn)代金融決策高境界。

四、金融決策內(nèi)生態(tài)系統(tǒng)及各要素的優(yōu)化效應(yīng)

要有效發(fā)揮金融決策生態(tài)系統(tǒng)的優(yōu)化效應(yīng)，促進(jìn)決策生態(tài)核、內(nèi)生態(tài)與外生態(tài)各關(guān)系圈層之間的良性互動(dòng)和整體優(yōu)化，真正達(dá)到金融決策的科學(xué)化、民主化和法治化，關(guān)鍵在于實(shí)現(xiàn)內(nèi)生態(tài)系統(tǒng)中種群要素、制度要素和技術(shù)要素的有機(jī)契合和優(yōu)化效應(yīng)。

1.系統(tǒng)共振優(yōu)化效應(yīng)(金融決策整體生態(tài)系統(tǒng))。共振一般是指兩個(gè)振動(dòng)頻率相同的物體，當(dāng)一個(gè)發(fā)生振動(dòng)時(shí)，引起另一個(gè)物體振動(dòng)的現(xiàn)象。在金融決策內(nèi)生態(tài)系統(tǒng)中，一個(gè)要素發(fā)生改變也會(huì)引起其他要素的改變。系統(tǒng)的優(yōu)化在于改變某些不足要素和優(yōu)化各要素之間的關(guān)系狀態(tài)，集成發(fā)揮正效應(yīng)要素的作用，控制和減少負(fù)效應(yīng)要素對(duì)金融決策目標(biāo)的負(fù)面影響。金融決策內(nèi)生態(tài)系統(tǒng)的系統(tǒng)共振優(yōu)化效應(yīng)體現(xiàn)在三

個(gè)方面：一是金融決策種群中各利益相關(guān)者的利益共振。在金融決策過(guò)程中，各利益相關(guān)者的利益表達(dá)通過(guò)利益聚合和利益博弈的方式在系統(tǒng)內(nèi)產(chǎn)生利益共振，有利于形成體現(xiàn)各方利益訴求的公共政策，進(jìn)而使金融決策更好地體現(xiàn)民意性。二是金融決策內(nèi)生態(tài)系統(tǒng)中種群、制度和技術(shù)的三元共振。惟有三者發(fā)生了正效應(yīng)共振，才能保證種群利益訴求在制度、技術(shù)的保障和支撐下實(shí)現(xiàn)法治化和科學(xué)化的表達(dá)。三是內(nèi)生態(tài)系統(tǒng)與外生態(tài)系統(tǒng)的圈層共振。因金融決策內(nèi)生態(tài)系統(tǒng)要素優(yōu)化而產(chǎn)生的振動(dòng)，必然會(huì)帶動(dòng)金融決策原生態(tài)發(fā)生振動(dòng)，內(nèi)外生態(tài)系統(tǒng)的共振效應(yīng)，可以使正確決策的真正價(jià)值在金融、經(jīng)濟(jì)、社會(huì)、文化、自然的協(xié)調(diào)發(fā)展中得以體現(xiàn)。

2.民意博弈優(yōu)化效應(yīng)(內(nèi)生態(tài)系統(tǒng)中的種群和制度層面)。在現(xiàn)代社會(huì)中，大量的社會(huì)機(jī)構(gòu)和全體民眾都要參與到政策制定的過(guò)程中來(lái)，所以，金融產(chǎn)品是金融力量與社會(huì)力量相互博弈的結(jié)果，只有在各利益主體博弈達(dá)到利益均衡的狀態(tài)下所作出的決策，才有助于實(shí)現(xiàn)社會(huì)的平衡態(tài)。金融決策內(nèi)生態(tài)系統(tǒng)本身就是一個(gè)種群利益根據(jù)博弈規(guī)則相互博奕的系統(tǒng)。博弈優(yōu)化具有兩方面的效應(yīng)：一方面，可以實(shí)現(xiàn)民意表達(dá)“規(guī)制”渠道的暢通優(yōu)化效應(yīng)。金融決策內(nèi)生態(tài)系統(tǒng)通過(guò)構(gòu)建金融管理部門(mén)、社會(huì)、網(wǎng)絡(luò)(論壇)等各種制度化的“公共通道”，在保證“民意流量”的制度前提下.使各決策種群的利益訴求可以暢通地輸送到?jīng)Q策核心圈。另一方面，可以實(shí)現(xiàn)民意聚合方式的博弈優(yōu)化效應(yīng)。“公共通道”使包括公民個(gè)體在內(nèi)的各社會(huì)群體都能在金融管理部門(mén)決策活動(dòng)中集聚起來(lái)，通過(guò)制度化路徑合理有序地表達(dá)利益訴求，促使決策者在決策過(guò)程中注意平衡各種利益需求，達(dá)成一個(gè)各方共同接受的結(jié)果。

3.群協(xié)同優(yōu)化效應(yīng)(內(nèi)生態(tài)系統(tǒng)中的種群和技術(shù)層面)。運(yùn)用生態(tài)學(xué)理論方法分析金融決策內(nèi)生態(tài)系統(tǒng)的問(wèn)題，不難發(fā)現(xiàn)，諸如資源利用低效的“生態(tài)流”問(wèn)題，要素關(guān)系不協(xié)調(diào)的“生態(tài)網(wǎng)”問(wèn)題，自我調(diào)節(jié)能力較弱的“生態(tài)序”問(wèn)題，仍然困擾著系統(tǒng)自身的優(yōu)化。解決這些問(wèn)題的基本途徑在于依據(jù)生態(tài)學(xué)中協(xié)同進(jìn)化理論，切實(shí)發(fā)揮群協(xié)同決策模式的優(yōu)化效應(yīng)。具體而言之，即以決策核心圈中的決策者協(xié)同內(nèi)生態(tài)咨詢(xún)輔助種群中的各機(jī)構(gòu)、專(zhuān)家和公眾代表為共同主體，以保證群體充分協(xié)商與溝通為制度規(guī)程，以金融管理為運(yùn)作平臺(tái)，以群(體)決策方法和決策支持系統(tǒng)為核心技術(shù)，建立基于決策生態(tài)流(程)的群體協(xié)同決策模式。有效發(fā)揮與利用群協(xié)同優(yōu)化效應(yīng)，可以加速?zèng)Q策活動(dòng)中的各種資源、信息、能量利用和交換所形成的人流、物流、信息流等的運(yùn)轉(zhuǎn)，能夠平衡流入量與流出量，保證內(nèi)生態(tài)系統(tǒng)的“血脈”充盈和良性循環(huán)；可以加深金融決策內(nèi)生態(tài)系統(tǒng)中各種群之間的利益關(guān)聯(lián)與利益互動(dòng)，促進(jìn)決策生態(tài)因子的網(wǎng)絡(luò)化發(fā)展，提高金融決策“生態(tài)網(wǎng)”的自構(gòu)性和適應(yīng)性；可以?xún)?yōu)化內(nèi)生態(tài)系統(tǒng)中各生態(tài)因子的生態(tài)位順序，能夠形成具備自適應(yīng)、自催化的“競(jìng)爭(zhēng)序”來(lái)保證系統(tǒng)的發(fā)生、發(fā)展和優(yōu)化，形成具備自調(diào)節(jié)、自抑制的“共生序”保證系統(tǒng)的持續(xù)和穩(wěn)定。

4.流程再造優(yōu)化效應(yīng)(內(nèi)生態(tài)系統(tǒng)中的制度和技術(shù)層面)。一個(gè)生態(tài)系統(tǒng)是否具有活力和張力，關(guān)鍵在于“生態(tài)流”的暢通、生態(tài)系統(tǒng)的能量流動(dòng)和物質(zhì)循環(huán)(具體體現(xiàn)為生物鏈的穩(wěn)定、生物網(wǎng)的平衡和物質(zhì)流通管道)的順暢。模擬構(gòu)建金融決策的內(nèi)生態(tài)系統(tǒng)，目的在于對(duì)生態(tài)系統(tǒng)進(jìn)行仿生，根據(jù)金融決策的動(dòng)力來(lái)源與制度安排，疏通和優(yōu)化金融決策的“輸入―輸出”機(jī)制和公共政策生產(chǎn)的“流水線(xiàn)”，再造金融決策流程。金融決策內(nèi)生態(tài)中的流程再造優(yōu)化效應(yīng)主要體現(xiàn)在：金融決策以長(zhǎng)期發(fā)展戰(zhàn)略為出發(fā)點(diǎn)，以?xún)r(jià)值增值流程(使客戶(hù)滿(mǎn)意)的再設(shè)計(jì)為中心，運(yùn)用生態(tài)系統(tǒng)科學(xué)的微觀(guān)定位與精細(xì)作業(yè)方法，重新組合生態(tài)系統(tǒng)中的要素資源，建立首尾相接、整合連貫的業(yè)務(wù)流程，取代以往的各部門(mén)相互割裂或封閉的破碎性業(yè)務(wù)流程，強(qiáng)調(diào)金融決策完成的整合性與連貫流暢。目標(biāo)是通過(guò)重新設(shè)計(jì)金融決策的流程，使這些流程的增值內(nèi)容最大化，其他方面的內(nèi)容最小化，從而獲得績(jī)效改善的躍進(jìn)，增強(qiáng)金融決策內(nèi)生態(tài)系統(tǒng)的適應(yīng)彈性和生命活力，形成金融決策的良好生態(tài)環(huán)境，提高決策的科學(xué)化、民主化和法治化水平，從而對(duì)金融決策外生態(tài)(原生態(tài))產(chǎn)生“正效應(yīng)”，推動(dòng)經(jīng)濟(jì)、金融、社會(huì)、文化、自然等方面的科學(xué)發(fā)展與和諧發(fā)展，增進(jìn)社會(huì)公共利益和公眾福祉。

五、完善我國(guó)金融生態(tài)系統(tǒng)環(huán)境的對(duì)策

1.建立金融企業(yè)破產(chǎn)和退市機(jī)制。一方面要加快金融機(jī)構(gòu)破產(chǎn)法及配套法規(guī)體系的建立與完善，加強(qiáng)執(zhí)行和監(jiān)督力度，建議盡快出臺(tái)《破產(chǎn)法》，為資本市場(chǎng)改革和發(fā)展建立必要的制度保障。另一方面要建立和完善破產(chǎn)退市的善后和穩(wěn)定機(jī)制，妥善解決破產(chǎn)和退市后有關(guān)債務(wù)清償、員工安置等問(wèn)題。如果相關(guān)的善后穩(wěn)定機(jī)制不健全，會(huì)使金融機(jī)構(gòu)破產(chǎn)影響范圍擴(kuò)廣，處理上困難更大。因此，建立完備的破產(chǎn)、退市的善后與穩(wěn)定機(jī)制，對(duì)于增強(qiáng)金融生態(tài)的自我調(diào)節(jié)功能意義重大。

2.培育金融機(jī)構(gòu)的良性競(jìng)爭(zhēng)機(jī)制。培育金融機(jī)構(gòu)的良性競(jìng)爭(zhēng)機(jī)制，一方面，要規(guī)范金融競(jìng)爭(zhēng)行為，改變金融機(jī)構(gòu)的市場(chǎng)營(yíng)銷(xiāo)策略，通過(guò)細(xì)化市場(chǎng)、錯(cuò)位競(jìng)爭(zhēng)防止惡性?xún)r(jià)格戰(zhàn)重演。另一方面，要進(jìn)一步加強(qiáng)宏觀(guān)調(diào)控，完善傳導(dǎo)機(jī)制。要強(qiáng)化對(duì)貨幣信貸政策傳導(dǎo)機(jī)制的研究，必要時(shí)要通過(guò)有意識(shí)的“讓利”，通過(guò)利益導(dǎo)向引導(dǎo)各金融機(jī)構(gòu)的經(jīng)營(yíng)行為，提高金融調(diào)控效率。

3.加快股份制改革，為資本市場(chǎng)的外部約束提供足夠的產(chǎn)權(quán)支持。明晰和界定產(chǎn)權(quán)是建立有效公司治理結(jié)構(gòu)的前提和基礎(chǔ)，但明晰的產(chǎn)權(quán)關(guān)系并不能自動(dòng)帶來(lái)企業(yè)的有效治理和高效率。實(shí)踐表明，一個(gè)良好的公司治理結(jié)構(gòu)應(yīng)該保持商業(yè)銀行產(chǎn)權(quán)的多元化，保證商業(yè)銀行有一個(gè)合理的資本結(jié)構(gòu)，合理配置和行使企業(yè)控制權(quán)，打破原有金融機(jī)構(gòu)的產(chǎn)權(quán)結(jié)構(gòu)單一、產(chǎn)權(quán)虛置的局面。

4.轉(zhuǎn)換職能，規(guī)范政府行為。政府以多種身份(監(jiān)管者、融資者、地方和企業(yè)利益的保護(hù)者等)和金融業(yè)發(fā)生著復(fù)雜的聯(lián)系，在金融生態(tài)環(huán)境中具有重要地位。在過(guò)去30年的改革中，政府一直強(qiáng)調(diào)“減政放權(quán)”、“政企分離”、“轉(zhuǎn)變政府職能”，但實(shí)際上在很長(zhǎng)時(shí)期內(nèi)政府支配資源的能力在不斷增強(qiáng)。要從體制上和機(jī)制上改善我國(guó)的金融生態(tài)環(huán)境，關(guān)鍵在于轉(zhuǎn)換地方政府職能，著重調(diào)整政府行為的激勵(lì)機(jī)制、約束機(jī)制和協(xié)調(diào)機(jī)制。

5.建立良好的社會(huì)信用環(huán)境。規(guī)范社會(huì)信用秩序，創(chuàng)造良好的信用環(huán)境，維護(hù)信用主體的合法權(quán)益是金融可持續(xù)發(fā)展系統(tǒng)運(yùn)行的重要保障。一是要建立良好的信用維護(hù)機(jī)制，形成銀行、法院、公安、工商、財(cái)政、稅務(wù)、新聞宣傳等各部門(mén)分工合作，共同維護(hù)社會(huì)信用的局面。二是要加強(qiáng)法律約束，規(guī)范信用秩序，通過(guò)建立完善的信用法律體系，切實(shí)保障信用主體的合法權(quán)益。同時(shí)司法部門(mén)應(yīng)進(jìn)一步強(qiáng)化司法公正，加大對(duì)失信行為的打擊力度，特別是要提高案件執(zhí)結(jié)率，增強(qiáng)法律的威懾力。三是要建立完善的信用評(píng)價(jià)和征信體系。加快推進(jìn)全國(guó)統(tǒng)一的企業(yè)和個(gè)人信用信息基礎(chǔ)數(shù)據(jù)庫(kù)建設(shè)，培育企業(yè)資信評(píng)級(jí)市場(chǎng)，開(kāi)展信用社區(qū)建設(shè)，為強(qiáng)化信用管

理提供保證。

6.建立健全法制保障體系。周小川(2005)認(rèn)為法律環(huán)境會(huì)直接影響金融生態(tài)，在某種程度上從計(jì)劃經(jīng)濟(jì)向市場(chǎng)經(jīng)濟(jì)轉(zhuǎn)軌過(guò)程中的基本問(wèn)題是“財(cái)務(wù)軟約束”，它是否依然會(huì)繼續(xù)存在，在很大程度上要靠法制的轉(zhuǎn)變和完善。從我國(guó)目前情況看，當(dāng)前要理順的法律關(guān)系有：(1)以完善金融產(chǎn)權(quán)為核心，改善金融主體法律制度，促進(jìn)現(xiàn)代金融企業(yè)的形成和發(fā)展。(2)以強(qiáng)化信用管理為中心，完善金融業(yè)務(wù)的法律規(guī)范，為金融生態(tài)生存和發(fā)展創(chuàng)造良好環(huán)境。(3)以提高市場(chǎng)效率為重點(diǎn)，完善金融監(jiān)管法律制度，促進(jìn)金融生態(tài)平衡和優(yōu)化。(4)以?xún)?yōu)化金融環(huán)境為目標(biāo)，推動(dòng)相關(guān)法律制度調(diào)整和完善，建立和諧金融生態(tài)環(huán)境”。

篇3

1 引言

 

甘肅省作為我國(guó)西部經(jīng)濟(jì)欠發(fā)達(dá)省份，以教育信息化帶動(dòng)教育現(xiàn)代化發(fā)展，堅(jiān)持以深度融合、機(jī)制創(chuàng)新、企業(yè)參與、應(yīng)用驅(qū)動(dòng)為導(dǎo)向，在教育管理信息化基礎(chǔ)建設(shè)、深化應(yīng)用、創(chuàng)新融合方面，克服基礎(chǔ)條件差等困難，努力實(shí)現(xiàn)跨越式發(fā)展。

 

認(rèn)真貫徹落實(shí)《教育信息化十年發(fā)展規(guī)劃(2011—2020年)》精神，(簡(jiǎn)稱(chēng)《十年規(guī)劃》)?！妒暌?guī)劃》提出了我國(guó)教育信息化未來(lái)十年的8項(xiàng)任務(wù)和5個(gè)行動(dòng)計(jì)劃，這8項(xiàng)任務(wù)和5個(gè)行動(dòng)計(jì)劃又被概括為“三通兩平臺(tái)建設(shè)”。三通即：“寬帶網(wǎng)絡(luò)校校通、優(yōu)質(zhì)資源班班通、網(wǎng)絡(luò)學(xué)習(xí)空間人人通”，兩平臺(tái)即“教育資源公共服務(wù)平臺(tái)、教育管理公共服務(wù)平臺(tái)” [1]。

 

2 甘肅省教育管理公共服務(wù)平臺(tái)頂層設(shè)計(jì)

 

“十二五”期間，重點(diǎn)建立覆蓋全省各級(jí)各類(lèi)教育的基礎(chǔ)數(shù)據(jù)庫(kù)及其管理信息系統(tǒng)，為各級(jí)教育行政部門(mén)和各級(jí)各類(lèi)學(xué)校提供教育管理基礎(chǔ)數(shù)據(jù)和管理決策平臺(tái)。

 

按照教育管理信息系統(tǒng)“兩級(jí)建設(shè)、五級(jí)應(yīng)用”原則，堅(jiān)持“核心系統(tǒng)國(guó)家建、通用系統(tǒng)省級(jí)建、特色系統(tǒng)本級(jí)建”的建設(shè)模式。以甘肅省教育數(shù)據(jù)中心為依托，集中省級(jí)硬件基礎(chǔ)環(huán)境、人員技術(shù)力量，統(tǒng)籌建設(shè)教育管理公共服務(wù)平臺(tái)和教育資源公共服務(wù)平臺(tái)，兩平臺(tái)硬件環(huán)境共建共享，充分發(fā)揮效益，為全省教育管理和應(yīng)用提供服務(wù)。國(guó)家級(jí)核心系統(tǒng)全面部署，省級(jí)通用系統(tǒng)基本完善，各級(jí)特色系統(tǒng)逐步推進(jìn)。

 

在整體推進(jìn)過(guò)程中，以硬件基礎(chǔ)環(huán)境建設(shè)為基礎(chǔ)，以保證國(guó)家核心系統(tǒng)部署與落地應(yīng)用為第一要?jiǎng)?wù)，以省級(jí)通用系統(tǒng)建設(shè)與應(yīng)用為特色，利用大數(shù)據(jù)統(tǒng)計(jì)分析為各級(jí)各類(lèi)教育行政部門(mén)提供科學(xué)的決策服務(wù)，促進(jìn)教育公平和教育現(xiàn)代化發(fā)展。

 

3 甘肅省教育管理公共服務(wù)平臺(tái)基礎(chǔ)運(yùn)行環(huán)境[2]

 

為保障我省教育管理信息化的整體推進(jìn)，向全省各級(jí)各類(lèi)教育行政部門(mén)提供教育管理公共服務(wù)和基礎(chǔ)數(shù)據(jù)支撐，從2010起，加強(qiáng)省級(jí)教育數(shù)據(jù)中心建設(shè)工作，為省級(jí)和不具備機(jī)房環(huán)境的市州提供網(wǎng)絡(luò)基礎(chǔ)環(huán)境。按照“國(guó)家教育管理公共服務(wù)平臺(tái)《省級(jí)數(shù)據(jù)中心建設(shè)指南》”中總體要求進(jìn)行建設(shè)，按照B類(lèi)數(shù)據(jù)中心建設(shè)標(biāo)準(zhǔn)，建成了面積達(dá)250多平方米，安全、高效、節(jié)能、功能齊全、服務(wù)到位的省級(jí)教育數(shù)據(jù)中心。

 

4 甘肅省教育管理公共服務(wù)平臺(tái)建設(shè)情況

 

從2013年截至目前，我省教育數(shù)據(jù)中心已部署的國(guó)家核心管理系統(tǒng)有：中小學(xué)生學(xué)籍管理系統(tǒng)、中小學(xué)校舍安全管理系統(tǒng)、學(xué)生資助管理信息系統(tǒng)、中等職業(yè)學(xué)校學(xué)生管理信息系統(tǒng)、學(xué)前教育管理系統(tǒng)、教師管理信息系統(tǒng)、基礎(chǔ)數(shù)據(jù)庫(kù)、應(yīng)用支撐平臺(tái)、安全運(yùn)維監(jiān)測(cè)平臺(tái)等，基本完成了教育部要求的全部系統(tǒng)的部署。

 

5 運(yùn)用技術(shù)手段，實(shí)現(xiàn)各系統(tǒng)數(shù)據(jù)挖掘整合

 

2014年在國(guó)家核心系統(tǒng)建設(shè)的基礎(chǔ)上，為了便于各業(yè)務(wù)系統(tǒng)數(shù)據(jù)分析報(bào)表的查看和檢索，我省專(zhuān)門(mén)開(kāi)發(fā)了甘肅省教育綜合數(shù)據(jù)監(jiān)測(cè)系統(tǒng)，通過(guò)統(tǒng)一的教育管理數(shù)據(jù)監(jiān)測(cè)平臺(tái)，對(duì)所有業(yè)務(wù)系統(tǒng)數(shù)據(jù)進(jìn)行監(jiān)測(cè)，通過(guò)統(tǒng)一的門(mén)戶(hù)平臺(tái)進(jìn)行展示。

 

該系統(tǒng)設(shè)計(jì)面向服務(wù)的體系結(jié)構(gòu)(SOA)，使用J2EE和HTML5程序設(shè)計(jì)并且在數(shù)據(jù)的抽取、轉(zhuǎn)換和加載運(yùn)用了目前先進(jìn)的ETL技術(shù)，通過(guò)對(duì)中小學(xué)學(xué)籍系統(tǒng)數(shù)據(jù)庫(kù)、教師管理系統(tǒng)、中等職業(yè)學(xué)校學(xué)生管理信息系統(tǒng)數(shù)據(jù)庫(kù)、校舍安全管理系統(tǒng)數(shù)據(jù)庫(kù)的關(guān)聯(lián)，動(dòng)態(tài)提取各種數(shù)據(jù)，生成教育行政部門(mén)所需的各種統(tǒng)計(jì)報(bào)表。系統(tǒng)通過(guò)學(xué)生、教師和學(xué)校三個(gè)橫向維度，按照學(xué)前、基礎(chǔ)教育、中等職業(yè)教育和綜合四個(gè)縱向維度，把各業(yè)務(wù)系統(tǒng)報(bào)表統(tǒng)一進(jìn)行展示，并跨系統(tǒng)進(jìn)行數(shù)據(jù)關(guān)聯(lián)和對(duì)比，按照教育決策部門(mén)需要，靈活方便地生成的各種類(lèi)型報(bào)表，按照折線(xiàn)圖、餅狀圖、柱狀圖和數(shù)據(jù)報(bào)表等形式直觀(guān)方便地進(jìn)行展示。

 

6 利用大數(shù)據(jù)分析共享，提高社會(huì)公共服務(wù)能力

 

按照“核心系統(tǒng)國(guó)家建、通用系統(tǒng)省級(jí)建、特色系統(tǒng)本級(jí)建”的原則，進(jìn)一步落實(shí)“一庫(kù)五應(yīng)用”建設(shè)目標(biāo)，甘肅省在國(guó)家核心系統(tǒng)建設(shè)的基礎(chǔ)上，對(duì)各孤立分散的業(yè)務(wù)系統(tǒng)數(shù)據(jù)進(jìn)行跨系統(tǒng)整合，科學(xué)、精準(zhǔn)、可持續(xù)的獲取數(shù)據(jù)，深度挖掘分析數(shù)據(jù)，從而打造甘肅省教育管理數(shù)據(jù)監(jiān)測(cè)服務(wù)系統(tǒng)，為全省教育行政部門(mén)提供科學(xué)有效的決策數(shù)據(jù)。

 

根據(jù)我省當(dāng)前的信息系統(tǒng)實(shí)際情況，結(jié)合今后教育信息化的長(zhǎng)遠(yuǎn)發(fā)展和規(guī)劃，將各業(yè)務(wù)系統(tǒng)數(shù)據(jù)通過(guò)抽取、轉(zhuǎn)換、加載等環(huán)節(jié)，加載到甘肅省教育管理數(shù)據(jù)監(jiān)測(cè)服務(wù)系統(tǒng)中，滿(mǎn)足甘肅省教育管理數(shù)據(jù)監(jiān)測(cè)及分析需要。如：學(xué)籍系統(tǒng)、教師系統(tǒng)、校安系統(tǒng)、學(xué)期系統(tǒng)、中職系統(tǒng)等都是原始的基礎(chǔ)數(shù)據(jù)，如要跨系統(tǒng)進(jìn)行數(shù)據(jù)分析對(duì)比和提取，應(yīng)了解：①農(nóng)村六年制小學(xué)按照學(xué)生人數(shù)統(tǒng)計(jì)教師的分配情況，初級(jí)、中級(jí)、高級(jí)教師的分配情況，教師的年齡結(jié)構(gòu)情況，音體美藝術(shù)類(lèi)專(zhuān)業(yè)教師的分配情況。②根據(jù)學(xué)校片區(qū)分布和片區(qū)學(xué)生教師人數(shù)，分析片區(qū)學(xué)校布局是否合理。③通過(guò)小學(xué)入學(xué)人數(shù)、幼兒園入園和畢業(yè)人數(shù)、義務(wù)教育人口監(jiān)測(cè)中適齡入學(xué)人數(shù)對(duì)比，分析入園和入學(xué)情況。④查看全省大班情況等。要得到這些分析報(bào)表，必須通過(guò)對(duì)各業(yè)務(wù)系統(tǒng)源數(shù)據(jù)進(jìn)行動(dòng)態(tài)抽取、轉(zhuǎn)換、加載和分析，最后生成所需要的報(bào)表。

 

7 結(jié)語(yǔ)

 

篇4

1循證醫(yī)學(xué)與數(shù)據(jù)證據(jù)

循證醫(yī)學(xué)，簡(jiǎn)之就是“遵循證據(jù)的醫(yī)學(xué)”，又被稱(chēng)為實(shí)證醫(yī)學(xué)。循證醫(yī)學(xué)重視醫(yī)生的臨床經(jīng)驗(yàn)，即傳統(tǒng)意義上的經(jīng)驗(yàn)醫(yī)學(xué)，同時(shí)又強(qiáng)調(diào)診斷、治療等決策應(yīng)在臨床證據(jù)最為符合病癥的基礎(chǔ)上作出[1]。在循證醫(yī)學(xué)的創(chuàng)立、發(fā)展與傳播方面，英國(guó)的科克倫(ArchiebaldL.Cochrane)、美國(guó)的費(fèi)恩斯坦（AlvanR.Feinstein）以及薩克特（DavidL.Sackett）做出了重大貢獻(xiàn)，成為循證醫(yī)學(xué)的奠基人?？瓶藗悘?qiáng)調(diào)大規(guī)模隨機(jī)臨床試驗(yàn)的重要性。他認(rèn)為只有在大規(guī)模臨床試驗(yàn)中使用隨機(jī)分組策略，才能避免因樣本分組而產(chǎn)生的選擇性偏差，保持對(duì)照組和試驗(yàn)組樣本的背景因素平衡，從而才能做出最終正確的比較與評(píng)價(jià)。他建議及時(shí)將切實(shí)醫(yī)學(xué)證據(jù)傳播給使用者，接受專(zhuān)家評(píng)估并對(duì)可信度進(jìn)行適當(dāng)分級(jí)，以使醫(yī)學(xué)證據(jù)能被及時(shí)整理、歸納與更新。費(fèi)恩斯坦奠定了現(xiàn)代流行病學(xué)的數(shù)理統(tǒng)計(jì)與邏輯基礎(chǔ)。從1970年到1981年，他在美國(guó)《臨床藥理學(xué)與治療學(xué)》雜志（ClinicalPharmacologyandTherapeutics）上，以“臨床生物統(tǒng)計(jì)學(xué)”（ClinicalBiostatistics）為題連續(xù)發(fā)表了57篇論文，將數(shù)理統(tǒng)計(jì)學(xué)和邏輯學(xué)導(dǎo)入到臨床流行病學(xué)，科學(xué)系統(tǒng)地建立了臨床流行病學(xué)的有關(guān)理論體系。薩科特則為循證醫(yī)學(xué)的傳播與發(fā)展做出了巨大貢獻(xiàn)。他發(fā)起并主編了與循證醫(yī)學(xué)有關(guān)的兩本著名雜志：《美國(guó)內(nèi)科醫(yī)師學(xué)會(huì)雜志俱樂(lè)部》和《循證醫(yī)學(xué)》。

1997年，他還主編出版了《循證醫(yī)學(xué)》一書(shū)，該書(shū)被譯為多種文字并在世界上廣為傳播。正是在《美國(guó)內(nèi)科醫(yī)師學(xué)會(huì)雜志俱樂(lè)部》上，加拿大蓋亞特(rdonH.Guyatt)于1991年首次提出了循證醫(yī)學(xué)一詞[3]。從循證醫(yī)學(xué)與數(shù)理統(tǒng)計(jì)和邏輯學(xué)的淵源，便可以看出循證醫(yī)學(xué)注重證據(jù)的內(nèi)涵。它是一門(mén)非常強(qiáng)調(diào)證據(jù)制作的學(xué)科，同時(shí)又非常重視醫(yī)學(xué)證據(jù)的傳播和評(píng)估，這正是它區(qū)別于以往醫(yī)學(xué)的特點(diǎn)。通過(guò)評(píng)估產(chǎn)生可信證據(jù)，通過(guò)傳播發(fā)揮證據(jù)價(jià)值。醫(yī)生在診斷與治療過(guò)程中，不僅基于經(jīng)驗(yàn)直觀(guān)判斷，而且結(jié)合證據(jù)科學(xué)決策，更加客觀(guān)地進(jìn)行診斷與治療。短短十多年的時(shí)間，在世界各國(guó)醫(yī)學(xué)研究與臨床實(shí)踐中，循證醫(yī)學(xué)得到了廣泛深入的應(yīng)用?？瓶藗愖畛鮿?chuàng)建的世界循證醫(yī)學(xué)協(xié)作網(wǎng)已經(jīng)包括約50個(gè)專(zhuān)業(yè)協(xié)作小組，所收集的醫(yī)療證據(jù)幾乎覆蓋所有臨床醫(yī)學(xué)領(lǐng)域。1996年，我國(guó)華西醫(yī)科大學(xué)建立了中國(guó)循證醫(yī)學(xué)中心，并于1999年正式加入世界循證醫(yī)學(xué)協(xié)作網(wǎng)；2001年，中國(guó)循證醫(yī)學(xué)中心創(chuàng)辦了《循證醫(yī)學(xué)》雜志，發(fā)表在各類(lèi)雜志的循證研究論文達(dá)45842篇。但是，循證醫(yī)學(xué)也有其面臨的問(wèn)題，如對(duì)證據(jù)進(jìn)行科學(xué)評(píng)價(jià)等問(wèn)題。臨床證據(jù)目前還沒(méi)有完整、科學(xué)的定義，證據(jù)評(píng)價(jià)標(biāo)準(zhǔn)及推薦級(jí)別尚未完全統(tǒng)一，不同國(guó)家不同疾病的證據(jù)質(zhì)量分級(jí)不盡相同。而且，隨著人類(lèi)對(duì)疾病認(rèn)識(shí)的加深以及診療手段的革新，評(píng)價(jià)標(biāo)準(zhǔn)還會(huì)隨這些因素的變化而變化。

循證醫(yī)學(xué)的基礎(chǔ)是數(shù)理統(tǒng)計(jì)學(xué)，要求RCT的實(shí)驗(yàn)樣本及環(huán)境一致，以便排除個(gè)體差異及環(huán)境干擾，但這在現(xiàn)有條件下近乎不可能實(shí)現(xiàn)。號(hào)稱(chēng)大規(guī)模隨機(jī)對(duì)照實(shí)驗(yàn)的樣本偏少，對(duì)照組和試驗(yàn)組難有條件一致的個(gè)體，環(huán)境隨時(shí)間空間變化造成實(shí)驗(yàn)對(duì)照控制困難。目前，大規(guī)模的醫(yī)學(xué)樣本采集困難，幾百個(gè)樣本已經(jīng)算是比較大的樣本了；而根據(jù)統(tǒng)計(jì)理論如要達(dá)到90%的敏感度，至少需要約1300個(gè)的數(shù)據(jù)樣本。為了克服RCT樣本不足的問(wèn)題，Meta分析方法得到了廣泛應(yīng)用：通過(guò)綜合已有研究多個(gè)樣本集的結(jié)果，可以推得大規(guī)模樣本集的綜合結(jié)果。Meta分析取得了很多有價(jià)值的研究成果，但是，Meta分析的基礎(chǔ)也是數(shù)理統(tǒng)計(jì)學(xué)，其運(yùn)用的前提是樣本及實(shí)驗(yàn)環(huán)境一致，正是在這一點(diǎn)上它備受質(zhì)疑。首先，不同樣本集的權(quán)重控制難于完全公正，因?yàn)槠鋵?shí)驗(yàn)環(huán)境難于恰當(dāng)評(píng)價(jià)和把控，實(shí)驗(yàn)結(jié)果難免有過(guò)度包裝和偏頗之嫌。Meta分析存在的另一個(gè)問(wèn)題是：它所依賴(lài)的數(shù)據(jù)往往不是最新的即時(shí)案例，制作的證據(jù)可能因環(huán)境與氣候的變化而失去應(yīng)用價(jià)值?？傊C醫(yī)學(xué)所面臨的問(wèn)題包括：證據(jù)的稀缺性、偏倚性、可靠性、及時(shí)性、公正性，以及環(huán)境的一致性等方面的問(wèn)題。由于證據(jù)的一致性和及時(shí)性存在問(wèn)題，基于歷史數(shù)據(jù)進(jìn)行Meta分析備受質(zhì)疑。2014年，《英國(guó)醫(yī)學(xué)雜志》在名為《循證醫(yī)學(xué)瀕臨破產(chǎn)》的文章中指出[5]：循證醫(yī)學(xué)的證據(jù)屬于間接證據(jù)，基礎(chǔ)建立在已經(jīng)發(fā)表的研究文獻(xiàn)上，利益沖突容易影響證據(jù)的公正性，證據(jù)環(huán)境與臨床決策環(huán)境存在距離；循證醫(yī)學(xué)助長(zhǎng)了過(guò)度診斷、過(guò)度治療，并可能存在淪落為利益集團(tuán)代言人的危險(xiǎn)。

2大數(shù)據(jù)對(duì)循證醫(yī)學(xué)的影響

大數(shù)據(jù)（Bigdata）又稱(chēng)巨量或海量數(shù)據(jù)，是指數(shù)據(jù)規(guī)模巨大以至在合理時(shí)間內(nèi)，無(wú)法通過(guò)當(dāng)前主流軟件工具，獲取、處理、分析以便決策的結(jié)構(gòu)復(fù)雜的數(shù)據(jù)[6]。大數(shù)據(jù)如下具有4V特點(diǎn)：Volume（巨量）、Velocity（瞬速）、Variety（多樣）、Value（價(jià)值）。巨量是指已經(jīng)不能再用GB（即1024MB）和TB（即1024GB）為單位，來(lái)衡量大數(shù)據(jù)的存儲(chǔ)容量或規(guī)模，而要以PB（即1024TB）、EB（即1024PB）乃至ZB（即1024EB）為單位來(lái)計(jì)量數(shù)據(jù)容量。在巨量的醫(yī)療大數(shù)據(jù)中，各種條件的樣本都會(huì)存在，因此，證據(jù)的稀缺已經(jīng)不是問(wèn)題。瞬速是指兼具方向的快速變化，即數(shù)據(jù)隨時(shí)間和空間快速變化。大數(shù)據(jù)中的樣本通常是全空間的、多維度的、全時(shí)間的及瞬時(shí)變化的。由于大數(shù)據(jù)地域環(huán)境廣，數(shù)據(jù)樣本量巨大、正反樣本齊全，證據(jù)的“制作”已不再必要，而是隨時(shí)隨地客觀(guān)地存在。瞬速性通過(guò)可佩戴健康監(jiān)測(cè)設(shè)備體現(xiàn)，這為及時(shí)獲取病患信息提供了極大便利。多樣是指數(shù)據(jù)的種類(lèi)繁多、結(jié)構(gòu)復(fù)雜、因果并存、甚至同一數(shù)據(jù)表現(xiàn)出不同形式。數(shù)據(jù)的多樣性對(duì)數(shù)據(jù)的理解和分析是一個(gè)巨大挑戰(zhàn)，但同時(shí)也為樣本分析結(jié)果的驗(yàn)證帶來(lái)便利。因此，在醫(yī)療大數(shù)據(jù)環(huán)境下，不僅隨時(shí)可以采集樣本進(jìn)行分析處理，還能對(duì)分析得到的結(jié)果馬上進(jìn)行驗(yàn)證，從而能夠保證醫(yī)學(xué)證據(jù)的可靠與可信。

價(jià)值是指相比小規(guī)模、歷史數(shù)據(jù)而言，大數(shù)據(jù)具有更高的研究和使用價(jià)值。由于任意時(shí)刻任意地點(diǎn)都有大量樣本，樣本的稀缺性和及時(shí)性已經(jīng)不是問(wèn)題，這為醫(yī)學(xué)研究掃清了采樣障礙；同時(shí)由于樣本豐富冗余多樣，也為研究結(jié)果的驗(yàn)證提供了便利；大數(shù)據(jù)除具有巨量歷史數(shù)據(jù)外，還有不同地域環(huán)境的巨量即時(shí)數(shù)據(jù)，這使循證決策更具應(yīng)用價(jià)值和時(shí)效性。大數(shù)據(jù)將首先改變醫(yī)學(xué)數(shù)據(jù)的采集方式。大數(shù)據(jù)的形成往往依靠自動(dòng)采集技術(shù)，隨著可佩戴監(jiān)測(cè)設(shè)備如iWatch等的出現(xiàn)，醫(yī)學(xué)數(shù)據(jù)的采集及積累速度將出現(xiàn)爆炸性的增長(zhǎng)。以往的數(shù)據(jù)同大數(shù)據(jù)相比，如同滄海之一粟。且以往的數(shù)據(jù)往往靠手工采集完成，普遍存在稀缺、偏倚、可靠、及時(shí)、公正等問(wèn)題，這樣采集的證據(jù)必然會(huì)影響醫(yī)學(xué)研究的結(jié)論。基于手工證據(jù)進(jìn)行決策，其結(jié)論未必準(zhǔn)確及時(shí)公正可靠。醫(yī)療大數(shù)據(jù)不間斷地在不同地點(diǎn)同時(shí)采集，不僅包含歷史數(shù)據(jù)以及即時(shí)數(shù)據(jù)，甚至還可能包含未來(lái)需求信息，例如，ogle就是通過(guò)人們對(duì)感冒藥品的搜索來(lái)預(yù)測(cè)流感的。大數(shù)據(jù)的出現(xiàn)將改變醫(yī)學(xué)數(shù)據(jù)的管理方式。在網(wǎng)絡(luò)數(shù)字化高度發(fā)達(dá)的今天，盡管已經(jīng)出現(xiàn)了電子病歷，但紙張病歷在數(shù)據(jù)管理中仍然重要。然而，紙張病歷有其固有缺陷，如容易破損或丟失、整理歸檔的周期過(guò)長(zhǎng)、借閱的時(shí)間成本極高、研究采樣的工作量巨大等等。伴隨大數(shù)據(jù)出現(xiàn)的數(shù)據(jù)融合技術(shù)能將不同醫(yī)院的電子病歷整合在一起，并同可佩戴健康監(jiān)測(cè)設(shè)備的數(shù)據(jù)及時(shí)集成，大大減少了電子病歷的整理、借閱和數(shù)據(jù)采集時(shí)間，這不僅對(duì)病人的疾病診斷和預(yù)警監(jiān)控更加有利，同時(shí)也對(duì)醫(yī)生的臨床及醫(yī)學(xué)研究更有幫助。通過(guò)語(yǔ)音和可視眼鏡等現(xiàn)代化的數(shù)據(jù)瀏覽設(shè)備，醫(yī)生在查房間隙就能獲知下一病人既往病情，從而能大大減少醫(yī)生的勞動(dòng)強(qiáng)度，使醫(yī)生有更多時(shí)間治療病人，有更多的時(shí)間進(jìn)行醫(yī)學(xué)研究。

大數(shù)據(jù)的出現(xiàn)將改變醫(yī)學(xué)數(shù)據(jù)的分析方式。以往在收集樣本數(shù)據(jù)以后，通常使用SAS或SPSS等軟件，對(duì)采集的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，發(fā)現(xiàn)相關(guān)病因或建立決策模型。這些軟件受計(jì)算能力及內(nèi)存容量的限制，只能處理樣本量不大的數(shù)據(jù)，并且處理的數(shù)據(jù)維數(shù)有限，例如，SPSS不能超過(guò)40維，而醫(yī)療大數(shù)據(jù)的維數(shù)成千上萬(wàn)。通過(guò)手工或統(tǒng)計(jì)軟件的計(jì)算方法，將無(wú)法滿(mǎn)足醫(yī)療大數(shù)據(jù)的分析需要。

當(dāng)維數(shù)超過(guò)30個(gè)致病因素時(shí)，可能要考慮230種因素組合，普通統(tǒng)計(jì)軟件已無(wú)法計(jì)算和處理，必須依靠?jī)?nèi)存及速度“無(wú)限”的云計(jì)算。必須研究與開(kāi)發(fā)基于大數(shù)據(jù)和云計(jì)算的分析與挖掘技術(shù)如深度學(xué)習(xí)技術(shù)，使其能夠自動(dòng)完成高維病因數(shù)據(jù)的分析與主要病因的提取。總之，醫(yī)療大數(shù)據(jù)的采集、整合、分析、處理、研究完全靠人工完成已極其困難，沒(méi)有利用云計(jì)算的統(tǒng)計(jì)分析軟件也難于完成醫(yī)療大數(shù)據(jù)的分析和處理。在大數(shù)據(jù)時(shí)代，必須借助深度學(xué)習(xí)等技術(shù)完成醫(yī)療大數(shù)據(jù)的分析和挖掘。雖然醫(yī)療大數(shù)據(jù)能夠彌補(bǔ)數(shù)據(jù)樣本的不足和不公，但只有借助更為先進(jìn)的分析工具和軟件，才能為循證醫(yī)學(xué)帶來(lái)進(jìn)一步的變革和發(fā)展。

3大數(shù)據(jù)對(duì)循證醫(yī)學(xué)的變革

證據(jù)制作是循證醫(yī)學(xué)的核心，證據(jù)能為醫(yī)生的診治提供參照，因此，循證醫(yī)學(xué)得到了快速發(fā)展。但是，矛盾、偏頗、過(guò)時(shí)的證據(jù)也使循證醫(yī)學(xué)備受質(zhì)疑。首先是證據(jù)及其結(jié)論存在大量的矛盾，使人們對(duì)循證醫(yī)治的結(jié)果產(chǎn)生懷疑；其次是證據(jù)偏頗使其成為利益代言人的工具；其三是證據(jù)時(shí)過(guò)境遷使醫(yī)治達(dá)不到預(yù)期效果。而醫(yī)療大數(shù)據(jù)的出現(xiàn)恰好能夠彌補(bǔ)以往證據(jù)采集與制作的不足。首先，醫(yī)療大數(shù)據(jù)使證據(jù)的稀缺問(wèn)題得到解決；其次，隨大數(shù)據(jù)廣泛匯集的醫(yī)生及病人評(píng)價(jià)，可有效避免證據(jù)成為利益代言人的工具；其三，可穿戴等自動(dòng)采集設(shè)備可保證證據(jù)的時(shí)效性。這將有助于循證醫(yī)學(xué)同中醫(yī)的結(jié)合。中醫(yī)的治療過(guò)程通常比西醫(yī)長(zhǎng)，其證據(jù)采集及療效評(píng)估存在很大問(wèn)題，而隨著可穿戴健康監(jiān)測(cè)設(shè)備等技術(shù)的發(fā)展，長(zhǎng)期持續(xù)采集治療證據(jù)及療效將不再困難，從而有助于循證醫(yī)學(xué)在中醫(yī)等領(lǐng)域發(fā)展壯大。此外，隨大數(shù)據(jù)興起的先進(jìn)數(shù)據(jù)分析與挖掘技術(shù)，將對(duì)循證醫(yī)學(xué)起到巨大的推進(jìn)作用。臨床決策分析評(píng)價(jià)是確定循證治療方案的關(guān)鍵步驟，現(xiàn)有的決策分析評(píng)價(jià)模型包括決策樹(shù)、Markov過(guò)程等一系列模型，這些模型在面臨高維大數(shù)據(jù)時(shí)力不從心，難于繼續(xù)提供較高的決策精度，使醫(yī)生對(duì)醫(yī)治方案是否有效失去信心。隨著大數(shù)據(jù)深度學(xué)習(xí)技術(shù)的出現(xiàn)，病因的分析和提取已完全自動(dòng)化，且大大降低了建立決策分析模型的工作量，提高了治療方案的決策精度。對(duì)于任何疾病診治方案，考慮的疾病致病因素越多，即證據(jù)或特征維數(shù)越多，得到的參考信息就越多，診治的準(zhǔn)確性就會(huì)相應(yīng)提高。但是，醫(yī)生在遇到大量高維的證據(jù)數(shù)據(jù)時(shí)，往往面臨從中選擇少數(shù)有效證據(jù)的難題。例如，假定要考慮30個(gè)致病因素或檢驗(yàn)指標(biāo)，建立決策模型就要考慮230種因素組合，從中篩選一個(gè)最優(yōu)因素組合作為模型輸入的工作量是巨大的。因此，要得到由若干最優(yōu)證據(jù)構(gòu)建的最佳決策分析模型，醫(yī)生們所投入的研究精力可想而知。

篩選最優(yōu)因素組合是醫(yī)生們最費(fèi)精力的工作，目前這項(xiàng)工作可以被深度學(xué)習(xí)自動(dòng)完成了。深度學(xué)習(xí)最早由Hinton等人在2006年提出，它是一種無(wú)監(jiān)督的特征學(xué)習(xí)和提取技術(shù)，它通過(guò)低層特征的組合構(gòu)建更加抽象的高層特征。2012年，Lecun等人利用卷積神經(jīng)網(wǎng)絡(luò)真正實(shí)現(xiàn)了高效的多層深度學(xué)習(xí)。傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)只有單向認(rèn)知過(guò)程，通常只包含一個(gè)隱含層，因?qū)訑?shù)較少而被稱(chēng)為淺層學(xué)習(xí)。深度學(xué)習(xí)則包含認(rèn)知和生成兩個(gè)過(guò)程，并且每個(gè)過(guò)程都包含多個(gè)隱含層，其模型的總體框架如圖1的虛框部分所示。如圖1所示，深度學(xué)習(xí)的“輸入層”可以理解為各種致病因素以及各種檢查化驗(yàn)結(jié)果，例如遺傳環(huán)境因素以及肝功全套指標(biāo)等；自底向上的箭頭表示認(rèn)知過(guò)程，自頂向下的箭頭表示生成過(guò)程，即深度學(xué)習(xí)由兩個(gè)互逆的過(guò)程構(gòu)成；認(rèn)知權(quán)重向量WnT和生成權(quán)重向量Wn表示深度模型的知識(shí)。原始“輸入層”經(jīng)“隱含層H0”認(rèn)知得到輸出，輸出又經(jīng)“隱含層h0”生成得到新“輸入層”，如果原始“輸入層”和生成的“輸入層”完全一致，則說(shuō)明認(rèn)知產(chǎn)生的輸出是完全正確的。根據(jù)信息論的有關(guān)理論，學(xué)是會(huì)產(chǎn)生損失，新舊輸入不可能完全一致。因此，只要兩者近乎一致就可以了。認(rèn)知和生成權(quán)重同隱含層的每個(gè)輸出相關(guān)聯(lián)，wake-sleep深度學(xué)習(xí)算法用于雙向調(diào)節(jié)權(quán)重：(1)利用下層輸入和認(rèn)知權(quán)重向量WiT產(chǎn)生輸出表示，然后使用梯度下降法調(diào)節(jié)生成權(quán)重向量Wi；（2）利用輸出表示和生成權(quán)重向量Wi產(chǎn)生輸入表示，然后使用梯度下降法調(diào)節(jié)認(rèn)知權(quán)重向量WiT。通過(guò)逐層學(xué)習(xí)最終得到頂層的認(rèn)知和生成權(quán)重向量WnT、Wn。在深度學(xué)習(xí)完成后，如果要建立決策分析模型，只需將頂層輸出即自動(dòng)提取的特征，作為分類(lèi)模型如支持向量機(jī)的輸入，并用類(lèi)別標(biāo)記如肝硬化分級(jí)訓(xùn)練支持向量機(jī)，就可以得到用于決策分析的精確分類(lèi)模型，分類(lèi)模型如圖1的虛框外部所示。2014年，香港中文大學(xué)湯曉鷗教授領(lǐng)導(dǎo)計(jì)算機(jī)視覺(jué)研究組(mmlab.ie.cuhk.edu.hk)，開(kāi)發(fā)了一個(gè)名為DeepID的深度學(xué)習(xí)模型，在LFW數(shù)據(jù)庫(kù)上識(shí)別5749個(gè)人臉的準(zhǔn)確率已達(dá)99.15%，其精細(xì)和準(zhǔn)確程度已經(jīng)超過(guò)了人眼和大腦。醫(yī)療大數(shù)據(jù)及深度學(xué)習(xí)必將為循證醫(yī)學(xué)帶來(lái)一場(chǎng)新的革命。不僅數(shù)據(jù)缺失、偏頗以及過(guò)時(shí)等問(wèn)題會(huì)被迎刃而解，而且證據(jù)收集、制作以及診治方案的決策都將會(huì)自動(dòng)化，這將擴(kuò)大循證醫(yī)學(xué)在所有領(lǐng)域包括中醫(yī)等領(lǐng)域的應(yīng)用范圍，大大降低醫(yī)生在證據(jù)制作、治療方案決策與療效評(píng)估等方面所付出的精力，推動(dòng)循證醫(yī)學(xué)向更深更廣更加現(xiàn)代化的方向發(fā)展。

4總結(jié)

醫(yī)療大數(shù)據(jù)帶來(lái)的變革將是全方位的，它不僅為醫(yī)學(xué)研究和證據(jù)制作帶來(lái)便利，同時(shí)也將促進(jìn)中醫(yī)等替代和補(bǔ)充醫(yī)學(xué)的發(fā)展。作為大數(shù)據(jù)采集的一項(xiàng)關(guān)鍵技術(shù)——便攜式/可佩戴健康數(shù)據(jù)自動(dòng)采集技術(shù)，將大大提高醫(yī)療數(shù)據(jù)采集以及證據(jù)制作的效率，解決中醫(yī)等療效數(shù)據(jù)需要長(zhǎng)期采集觀(guān)測(cè)的難題，彌補(bǔ)循證醫(yī)學(xué)存在的證據(jù)偏頗、不公、過(guò)時(shí)等缺陷，促進(jìn)循證醫(yī)學(xué)更加客觀(guān)、公正、可靠地在臨床治療中應(yīng)用。在循證醫(yī)學(xué)的證據(jù)評(píng)估以及利用方面，伴隨大數(shù)據(jù)出現(xiàn)的云計(jì)算能夠提高證據(jù)分析與處理的效率，大大節(jié)省醫(yī)生臨床應(yīng)用和醫(yī)學(xué)研究所需要花費(fèi)的時(shí)間；面向大數(shù)據(jù)的深度學(xué)習(xí)能夠從浩瀚的高維醫(yī)療數(shù)據(jù)中，自動(dòng)完成疾病致病因素及環(huán)境因素等的篩選與提取工作，并能建立精度遠(yuǎn)遠(yuǎn)超過(guò)人腦的決策分析模型，從而大大提升醫(yī)生建立和應(yīng)用循證治療方案的信心，有助于循證醫(yī)學(xué)被各科醫(yī)生更加廣泛地接受和應(yīng)用。盡管深度模型包含更多的隱含層，其學(xué)習(xí)時(shí)間要遠(yuǎn)遠(yuǎn)長(zhǎng)于淺層學(xué)習(xí)，但兩種模型的決策時(shí)間相差不大，因此，這并不妨害深度模型的有效應(yīng)用。特別值得一提的是，深度學(xué)習(xí)將證據(jù)提取與決策分析兩個(gè)過(guò)程合二為一，大大降低了醫(yī)生在臨床及醫(yī)學(xué)研究中應(yīng)用循證醫(yī)學(xué)的勞動(dòng)強(qiáng)度。基于大數(shù)據(jù)、云計(jì)算和深度學(xué)習(xí)的循證醫(yī)學(xué)，由于能夠降低勞動(dòng)強(qiáng)度、提升工作效率、提高決策精度，因而將具有更加廣闊的應(yīng)用前景和發(fā)展方向。

篇5

單位代碼

80002

單位地址

北京中關(guān)村東路55號(hào)

郵政編碼

100190

聯(lián)系部門(mén)

研究生部

聯(lián)系電話(huà)

010-62541832

聯(lián)系人

尹老師

電子郵件

yjsb@amss.ac.cn

目錄類(lèi)別

博士

網(wǎng)址

amss.cas.cn

學(xué)科、專(zhuān)業(yè)名稱(chēng)（代碼）研究方向

指導(dǎo)教師

預(yù)計(jì)招生人數(shù)

考試科目

備注

070101 基礎(chǔ)數(shù)學(xué)

 

100

 

 

01 代數(shù)幾何

孫笑濤

①1001英語(yǔ)一②2377代數(shù)學(xué)基礎(chǔ)③3050代數(shù)幾何

只招碩轉(zhuǎn)博生

02 代數(shù)幾何

付保華

同上

只招碩轉(zhuǎn)博生

03 代數(shù)幾何

鄭維喆

同上

 

04 代數(shù)群與量子群

席南華

①1001英語(yǔ)一②2377代數(shù)學(xué)基礎(chǔ)③3392李代數(shù)

 

05 李代數(shù)和應(yīng)用偏微分方程

徐曉平

同上

只招碩轉(zhuǎn)博生

06 數(shù)論

王崧

①1001英語(yǔ)一②2377代數(shù)學(xué)基礎(chǔ)③3576數(shù)論

 

07 數(shù)論

田野

同上

只招碩轉(zhuǎn)博生

08 數(shù)論與代數(shù)幾何

田一超

同上

只招碩轉(zhuǎn)博生

09 代數(shù)拓?fù)?、代?shù)幾何

段海豹

①1001英語(yǔ)一②2377代數(shù)學(xué)基礎(chǔ)③3051代數(shù)拓?fù)?/p>

只招碩轉(zhuǎn)博生

10 同倫論、流形的拓?fù)?/p>

潘建中

同上

只招碩轉(zhuǎn)博生

11 代數(shù)表示

韓陽(yáng)

①1001英語(yǔ)一②2377代數(shù)學(xué)基礎(chǔ)③3049代數(shù)表示論

 

12 哈密爾頓系統(tǒng)

尚在久

①1001英語(yǔ)一②2381微分幾何③3108動(dòng)力系統(tǒng)

只招碩轉(zhuǎn)博生

13 動(dòng)力系統(tǒng)、大范圍分析、大范圍神經(jīng)動(dòng)力學(xué)

岳澄波

①1001英語(yǔ)一②2381微分幾何③3108動(dòng)力系統(tǒng)或3763系統(tǒng)與控制理論

 

14 幾何分析

李嘉禹

①1001英語(yǔ)一②2381微分幾何③3433偏微分方程（乙）

只招碩轉(zhuǎn)博生

15 幾何分析

王友德

同上

只招碩轉(zhuǎn)博生

16 微分方程及幾何分析

吉敏

同上

只招碩轉(zhuǎn)博生

17 微分幾何、數(shù)學(xué)物理

張曉

①1001英語(yǔ)一②2381微分幾何③3578數(shù)學(xué)物理

只招碩轉(zhuǎn)博生

18 值分布論與復(fù)動(dòng)力系統(tǒng)

楊樂(lè)

①1001英語(yǔ)一②2385實(shí)分析與復(fù)分析③3146復(fù)動(dòng)力系統(tǒng)與值分布論

 

19 復(fù)分析、復(fù)動(dòng)力系統(tǒng)

王躍飛

同上

 

20 復(fù)分析、復(fù)動(dòng)力系統(tǒng)

崔貴珍

同上

 

21 動(dòng)力系統(tǒng)

劉勁松

①1001英語(yǔ)一②2385實(shí)分析與復(fù)分析③3108動(dòng)力系統(tǒng)

 

22 Circle packing

賀正需

同上

 

23 數(shù)論

馮紹繼

①1001英語(yǔ)一②2385實(shí)分析與復(fù)分析③3576數(shù)論

 

24 多復(fù)變與復(fù)幾何

周向宇

①1001英語(yǔ)一②2377代數(shù)學(xué)基礎(chǔ)或2381微分幾何或2385實(shí)分析與復(fù)分析③3117多復(fù)變與復(fù)幾何

 

25 非線(xiàn)性偏微分方程、微局部分析

張平

①1001英語(yǔ)一②2385實(shí)分析與復(fù)分析③3433偏微分方程（乙）

 

26 幾何分析與偏微分方程

張立群

同上

只招碩轉(zhuǎn)博生

27 泛函分析和解析數(shù)論

葛力明

①1001英語(yǔ)一②2387泛函分析（甲）③3576數(shù)論或3640算子代數(shù)

 

28 臨界點(diǎn)理論與非線(xiàn)性變分問(wèn)題

丁彥恒

①1001英語(yǔ)一②2387泛函分析（甲）③3127非線(xiàn)性泛函分析

 

29 非線(xiàn)性泛函分析

張志濤

同上

 

30 幾何計(jì)算與不變量

李洪波

①1001英語(yǔ)一②2697近世代數(shù)③3143符號(hào)計(jì)算或3794現(xiàn)代微分幾何

 

070102 計(jì)算數(shù)學(xué)

 

 

01 有限元方法理論及應(yīng)用

石鐘慈

①1001英語(yǔ)一②2421分析與代數(shù)③3894有限元方法

只招碩轉(zhuǎn)博生

02 多尺度分析方法及其應(yīng)用、工程計(jì)算與工程軟件技術(shù)

崔俊芝

同上

只招碩轉(zhuǎn)博生

03 并行算法

張林波

同上

只招碩轉(zhuǎn)博生

04 有限元方法、電磁與地球物理計(jì)算

陳志明

同上

只招碩轉(zhuǎn)博生

05 偏微分方程數(shù)值解

周愛(ài)輝

同上

只招碩轉(zhuǎn)博生

06 微分方程數(shù)值解

嚴(yán)寧寧

同上

只招碩轉(zhuǎn)博生

07 多尺度模型與算法

曹禮群

同上

只招碩轉(zhuǎn)博生

08 有限元方法理論與應(yīng)用

許學(xué)軍

同上

 

09 區(qū)域分解并行算法

胡齊芽

同上

 

10 有限元高效算法

林群

①1001英語(yǔ)一②2421分析與代數(shù)③3584數(shù)值方法基礎(chǔ)

 

11 線(xiàn)性與非線(xiàn)性數(shù)值代數(shù)、并行計(jì)算及其應(yīng)用

白中治

同上

 

12 計(jì)算幾何理論與方法

徐國(guó)良

同上

只招碩轉(zhuǎn)博生

13 可積系統(tǒng)與數(shù)值算法

胡星標(biāo)

同上

只招碩轉(zhuǎn)博生

14 多尺度模型與計(jì)算、有限元方法

明平兵

同上

只招碩轉(zhuǎn)博生

15 生物計(jì)算與模擬

盧本卓

同上

 

16 波場(chǎng)模擬與反問(wèn)題的數(shù)值方法

張文生

①1001英語(yǔ)一②2421分析與代數(shù)③3584數(shù)值方法基礎(chǔ)或3894有限元方法

 

17 電磁場(chǎng)計(jì)算

鄭偉英

①1001英語(yǔ)一②2421分析與代數(shù)③3584數(shù)值方法基礎(chǔ)或3892有限差分方法

 

18 化計(jì)算方法、計(jì)算生物

袁亞湘

①1001英語(yǔ)一②2421分析與代數(shù)③3985化方法

只招碩轉(zhuǎn)博或直博生

19 化計(jì)算方法與理論

戴彧虹

同上

只招碩轉(zhuǎn)博生

20 動(dòng)力系統(tǒng)幾何算法

尚在久

①1001英語(yǔ)一②2421分析與代數(shù)③3109動(dòng)力系統(tǒng)幾何算法

只招碩轉(zhuǎn)博生

21 動(dòng)力系統(tǒng)保結(jié)構(gòu)算法理論與應(yīng)用

洪佳林

同上

 

22 哈密爾頓系統(tǒng)的辛幾何算法

唐貽發(fā)

同上

 

23 計(jì)算流體力學(xué)

袁禮

①1001英語(yǔ)一②2421分析與代數(shù)③3892有限差分方法

 

070103 概率論與數(shù)理統(tǒng)計(jì)

 

 

01 隨機(jī)分析及其應(yīng)用、隨機(jī)復(fù)雜網(wǎng)絡(luò)與隨機(jī)圖

馬志明

①1001英語(yǔ)一②2685高等概率論③3641隨機(jī)分析（隨機(jī)過(guò)程）

 

02 無(wú)窮維隨機(jī)分析及其應(yīng)用

鞏馥洲

同上

 

03 隨機(jī)分析

吳黎明

同上

 

04 隨機(jī)分析與隨機(jī)微分幾何

李向東

同上

 

05 隨機(jī)分析及隨機(jī)微分方程

董昭

同上

 

06 概率論與量子信息

駱順龍

同上

 

07 金融數(shù)學(xué)與經(jīng)濟(jì)數(shù)學(xué)

夏建明

同上

 

08 金融數(shù)學(xué)、概率統(tǒng)計(jì)、投資組合

程兵

①1001英語(yǔ)一②2686數(shù)理統(tǒng)計(jì)③3348金融數(shù)學(xué)

 

09 數(shù)理統(tǒng)計(jì)、工業(yè)統(tǒng)計(jì)

于丹

①1001英語(yǔ)一②2686數(shù)理統(tǒng)計(jì)③3148概率論

與吳建福聯(lián)合招生

10 生存分析、復(fù)雜數(shù)據(jù)統(tǒng)計(jì)推斷及其應(yīng)用

王啟華

同上

 

11 抽樣調(diào)查和統(tǒng)計(jì)決策

鄒國(guó)華

同上

 

12 生物統(tǒng)計(jì)與工業(yè)統(tǒng)計(jì)

石堅(jiān)

同上

只招碩轉(zhuǎn)博生

13 生物與醫(yī)學(xué)統(tǒng)計(jì)、數(shù)理統(tǒng)計(jì)及其應(yīng)用

孫六全

同上

 

14 計(jì)算分子與系統(tǒng)生物學(xué)、基因組學(xué)

李雷

同上

 

070104 應(yīng)用數(shù)學(xué)

 

 

01 偏微分方程

丁夏畦

①1001英語(yǔ)一②2696偏微分方程（甲）③3123泛函分析（乙）

 

02 偏微分方程

曹道民

同上

 

03 偏微分方程

黃飛敏

同上

 

04 偏微分方程

李競(jìng)

同上

 

05 偏微分方程反問(wèn)題及其應(yīng)用、機(jī)器學(xué)習(xí)與模式識(shí)別

張波

①1001英語(yǔ)一②2696偏微分方程（甲）③3585數(shù)值分析

只招碩轉(zhuǎn)博生

06 數(shù)學(xué)機(jī)械化

吳文俊

①1001英語(yǔ)一②2697近世代數(shù)③3143符號(hào)計(jì)算

 

07 計(jì)算代數(shù)幾何

高小山

同上

只招碩轉(zhuǎn)博生

08 符號(hào)計(jì)算

李子明

同上

只招碩轉(zhuǎn)博生

09 符號(hào)和數(shù)值混合計(jì)算

支麗紅

同上

只招碩轉(zhuǎn)博生

10 符號(hào)計(jì)算

王定康

同上

 

11 密碼學(xué)

鄧映蒲

同上

 

12 組合、代數(shù)、離散分析

黃民強(qiáng)

同上

與鄧映蒲聯(lián)合招生

13 糾錯(cuò)碼理論、計(jì)算機(jī)代數(shù)

劉卓軍

同上

 

14 優(yōu)化理論與應(yīng)用、凸分析

袁亞湘

①1001英語(yǔ)一②2421分析與代數(shù)③3985化方法

只招碩轉(zhuǎn)博或直博生

15 概周期微分方程及其應(yīng)用

洪佳林

①1001英語(yǔ)一②2421分析與代數(shù)③3579數(shù)學(xué)物理方程

 

16 孤立子、可積系

胡星標(biāo)

同上

只招碩轉(zhuǎn)博生

17 分?jǐn)?shù)階微分方程數(shù)值分析及其應(yīng)用

唐貽發(fā)

同上

 

18 復(fù)雜非線(xiàn)性波、數(shù)學(xué)物理

閆振亞

①1001英語(yǔ)一②2421分析與代數(shù)③3143符號(hào)計(jì)算或3579數(shù)學(xué)物理方程

 

19 動(dòng)力系統(tǒng)與微分方程

鄭作環(huán)

①1001英語(yǔ)一②2387泛函分析（甲）③3013常微分方程

 

20 數(shù)學(xué)物理

劉潤(rùn)球

①1001英語(yǔ)一②2381微分幾何③3393李群和李代數(shù)或3578數(shù)學(xué)物理

 

21 數(shù)學(xué)物理

丁祥茂

①1001英語(yǔ)一②2381微分幾何③3393李群和李代數(shù)

 

070105 運(yùn)籌學(xué)與控制論

 

 

01 系統(tǒng)辨識(shí)、控制與遞推估計(jì)

陳翰馥

①1001英語(yǔ)一②2421分析與代數(shù)③3133分析概率論

 

02 隨機(jī)系統(tǒng)的建模與控制

張紀(jì)峰

同上

 

03 隨機(jī)系統(tǒng)的建模與控制

方海濤

同上

 

04 控制科學(xué)

郭雷

①1001英語(yǔ)一②2685高等概率論③3797線(xiàn)性系統(tǒng)

 

05 非線(xiàn)性分布參數(shù)系統(tǒng)控制理論

姚鵬飛

①1001英語(yǔ)一②2421分析與代數(shù)③3122泛函分析（丙）或3797線(xiàn)性系統(tǒng)

 

06 無(wú)窮維系統(tǒng)控制理論與應(yīng)用

郭寶珠

同上

 

07 網(wǎng)絡(luò)分析與控制、非線(xiàn)性系統(tǒng)與控制

洪奕光

①1001英語(yǔ)一②2421分析與代數(shù)③3133分析概率論或3762系統(tǒng)與方程

 

08 非線(xiàn)性系統(tǒng)與控制、開(kāi)放量子系統(tǒng)

席在榮

同上

 

09 系統(tǒng)與控制

黃一

①1001英語(yǔ)一②2421分析與代數(shù)③3762系統(tǒng)與方程

只招碩轉(zhuǎn)博生

10 運(yùn)籌學(xué)

戴彧虹

①1001英語(yǔ)一②2421分析與代數(shù)③3985化方法

 

11 管理運(yùn)籌學(xué)、優(yōu)化與決策

崔晉川

同上

 

12 應(yīng)用概率與排隊(duì)論

張漢勤

①1001英語(yǔ)一②2721運(yùn)籌學(xué)基礎(chǔ)③3868應(yīng)用隨機(jī)過(guò)程

只招碩轉(zhuǎn)博生

13 軟件可靠性理論與分析、馬氏決策與供應(yīng)鏈管理

劉克

同上

 

14 圖論及其應(yīng)用

閆桂英

①1001英語(yǔ)一②2721運(yùn)籌學(xué)基礎(chǔ)③3677圖論與組合優(yōu)化

 

15 運(yùn)籌學(xué)、組合優(yōu)化

胡旭東

同上

只招碩轉(zhuǎn)博生

071101 系統(tǒng)理論

 

 

01 隨機(jī)復(fù)雜網(wǎng)絡(luò)

鞏馥洲

①1001英語(yǔ)一②2685高等概率論③3641隨機(jī)分析（隨機(jī)過(guò)程）

 

02 軟件可靠性理論與分析

董昭

同上

 

03 復(fù)雜系統(tǒng)

郭雷

①1001英語(yǔ)一②2685高等概率論③3797線(xiàn)性系統(tǒng)

 

04 不確定系統(tǒng)的建模與控制

張紀(jì)峰

①1001英語(yǔ)一②2421分析與代數(shù)③3133分析概率論

 

05 系統(tǒng)生物學(xué)

方海濤

同上

 

06 量子信息與控制

席在榮

①1001英語(yǔ)一②2421分析與代數(shù)③3133分析概率論或3762系統(tǒng)與方程

 

07 復(fù)雜系統(tǒng)、網(wǎng)絡(luò)優(yōu)化與決策

洪奕光

同上

 

08 復(fù)雜系統(tǒng)與復(fù)雜網(wǎng)絡(luò)、系統(tǒng)生物學(xué)

呂金虎

同上

 

09 混合動(dòng)態(tài)系統(tǒng)

孫振東

①1001英語(yǔ)一②2421分析與代數(shù)③3797線(xiàn)性系統(tǒng)

 

071400 統(tǒng)計(jì)學(xué)

 

 

01 應(yīng)用概率與精算

馬志明

①1001英語(yǔ)一②2685高等概率論③3641隨機(jī)分析（隨機(jī)過(guò)程）

 

02 生存分析、復(fù)雜數(shù)據(jù)統(tǒng)計(jì)推斷及其應(yīng)用

王啟華

①1001英語(yǔ)一②2686數(shù)理統(tǒng)計(jì)③3148概率論

 

03 生物分析、生存分析

周勇

同上

 

04 生物與醫(yī)學(xué)統(tǒng)計(jì)、數(shù)理統(tǒng)計(jì)及其應(yīng)用

孫六全

同上

 

05 計(jì)算分子與系統(tǒng)生物學(xué)、基因組學(xué)

李雷

同上

 

06 非參數(shù)統(tǒng)計(jì)、金融統(tǒng)計(jì)

陳敏

同上

 

07 抽樣調(diào)查和統(tǒng)計(jì)決策

鄒國(guó)華

同上

 

08 工業(yè)統(tǒng)計(jì)

于丹

同上

 

09 數(shù)理統(tǒng)計(jì)、工業(yè)統(tǒng)計(jì)

于丹

同上

與吳建福聯(lián)合招生

10 生物統(tǒng)計(jì)與工業(yè)統(tǒng)計(jì)

石堅(jiān)

同上

只招碩轉(zhuǎn)博生

081202 計(jì)算機(jī)軟件與理論

 

 

01 理論計(jì)算機(jī)科學(xué)與量子信息處理

駱順龍

①1001英語(yǔ)一②2854計(jì)算機(jī)科學(xué)基礎(chǔ)③3815信息論

 

02 理論計(jì)算機(jī)科學(xué)與量子信息處理

胡旭東

①1001英語(yǔ)一②2854計(jì)算機(jī)科學(xué)基礎(chǔ)③3355近似算法

 

03 基于知識(shí)的軟件工程 、人工智能理論和技術(shù)、理論計(jì)算機(jī)科學(xué)與量子信息處理

陸汝鈐

①1001英語(yǔ)一②2856軟件工程③3462人工智能

 

04 人工智能理論和技術(shù)

張松懋

①1001英語(yǔ)一②2854計(jì)算機(jī)科學(xué)基礎(chǔ)③3462人工智能

 

05 網(wǎng)絡(luò)化軟件工程

呂金虎

同上

 

081203 計(jì)算機(jī)應(yīng)用技術(shù)

 

 

01 數(shù)字化設(shè)計(jì)制造

高小山

①1001英語(yǔ)一②2854計(jì)算機(jī)科學(xué)基礎(chǔ)③3143符號(hào)計(jì)算

 

02 符號(hào)計(jì)算與智能信息處理

李洪波

同上

 

03 可信計(jì)算理論和算法

支麗紅

同上

 

04 信息安全與密碼學(xué)

鄧映蒲

同上

 

05 決策支持系統(tǒng)與智能系統(tǒng)

唐錫晉

①1001英語(yǔ)一②2854計(jì)算機(jī)科學(xué)基礎(chǔ)③3462人工智能

 

06 決策支持系統(tǒng)與智能系統(tǒng)

徐山鷹

同上

 

120100 管理科學(xué)與工程

 

 

01 質(zhì)量管理、知識(shí)管理

劉源張

①1001英語(yǔ)一②2398決策分析③3210管理信息系統(tǒng)

 

02 決策支持系統(tǒng)

徐山鷹

同上

 

03 綜合集成、知識(shí)管理、意見(jiàn)挖掘

唐錫晉

同上

 

04 投資決策分析、風(fēng)險(xiǎn)管理、金融預(yù)測(cè)

汪壽陽(yáng)

①1001英語(yǔ)一②2398決策分析③3150概率統(tǒng)計(jì)或3210管理信息系統(tǒng)或3577數(shù)學(xué)規(guī)劃

 

05 金融風(fēng)險(xiǎn)管理

楊曉光

①1001英語(yǔ)一②2398決策分析③3150概率統(tǒng)計(jì)

 

06 管理決策分析與產(chǎn)業(yè)政策

劉卓軍

①1001英語(yǔ)一②2398決策分析③3210管理信息系統(tǒng)或3577數(shù)學(xué)規(guī)劃

 

07 金融統(tǒng)計(jì)與風(fēng)險(xiǎn)管理

陳敏

①1001英語(yǔ)一②2398決策分析③3348金融數(shù)學(xué)

 

08 金融工程與風(fēng)險(xiǎn)管理

程兵

同上

 

09 金融統(tǒng)計(jì)與風(fēng)險(xiǎn)管理

周勇

①1001英語(yǔ)一②2397經(jīng)濟(jì)學(xué)③3348金融數(shù)學(xué)

 

10 投入產(chǎn)出技術(shù)與經(jīng)濟(jì)預(yù)測(cè)、全球價(jià)值鏈

楊翠紅

①1001英語(yǔ)一②2397經(jīng)濟(jì)學(xué)③3575數(shù)量經(jīng)濟(jì)學(xué)

 

11 數(shù)量經(jīng)濟(jì)學(xué)與投入產(chǎn)出技術(shù)

陳錫康

同上

與楊翠紅聯(lián)合招生

1201J4 經(jīng)濟(jì)計(jì)算與模擬

 

 

01 經(jīng)濟(jì)模擬與仿真

汪壽陽(yáng)

①1001英語(yǔ)一②2398決策分析③3150概率統(tǒng)計(jì)或3210管理信息系統(tǒng)或3577數(shù)學(xué)規(guī)劃

 

02 經(jīng)濟(jì)計(jì)算與模擬

楊曉光

①1001英語(yǔ)一②2398決策分析③3150概率統(tǒng)計(jì)

 

03 宏觀(guān)經(jīng)濟(jì)數(shù)量分析與預(yù)測(cè)

楊翠紅

①1001英語(yǔ)一②2397經(jīng)濟(jì)學(xué)③3210管理信息系統(tǒng)或3575數(shù)量經(jīng)濟(jì)學(xué)

 

1201Z1 管理運(yùn)籌學(xué)

 

 

01 管理運(yùn)籌學(xué)

崔晉川

①1001英語(yǔ)一②2721運(yùn)籌學(xué)基礎(chǔ)③3129非線(xiàn)性規(guī)劃

 

02 質(zhì)量科學(xué)

于丹

①1001英語(yǔ)一②2721運(yùn)籌學(xué)基礎(chǔ)③3150概率統(tǒng)計(jì)

 

03 管理科學(xué)的決策方法

篇6

1、計(jì)量地理學(xué)[2]在區(qū)域經(jīng)濟(jì)學(xué)中的應(yīng)用

1.1 地理學(xué)中經(jīng)典的統(tǒng)計(jì)分析方法

經(jīng)典的統(tǒng)計(jì)方法有回歸分析、主成分分析、時(shí)間序列分析、相關(guān)分析、系統(tǒng)聚類(lèi)分析、趨勢(shì)面分析方法等等

1.1.1回歸分析

回歸分析是研究對(duì)象與影響因素之間的關(guān)系，包括函數(shù)確定和相關(guān)關(guān)系不確定。回歸就是用統(tǒng)計(jì)手段找出變量間近似函數(shù)關(guān)系的方法。在回歸分析中，通常將我們關(guān)心的研究對(duì)象稱(chēng)為因變量，并且在一次研究中一般只有一個(gè)因變量，將影響因變量的其他因素稱(chēng)為自變量，自變量的個(gè)數(shù)既可以有一個(gè)（稱(chēng)為一元回歸），也可以有多個(gè)（多元回歸）。在農(nóng)戶(hù)自主發(fā)展能力的三商影響研究[3]中，采用多元回歸分析可知農(nóng)戶(hù)自主發(fā)展能力與智商，情商和財(cái)商存在顯著的線(xiàn)性關(guān)系。在研究智商，情商和財(cái)商分別對(duì)農(nóng)戶(hù)自主發(fā)展能力貢獻(xiàn)大小時(shí)，可依次采用一元回歸分析。

1.1.2主成分分析

主成分分析是指把反映樣本某項(xiàng)特征的多個(gè)指標(biāo)變量轉(zhuǎn)化為幾個(gè)綜合變量的多元統(tǒng)計(jì)方法。在區(qū)域經(jīng)濟(jì)研究過(guò)程中，常常需要用多個(gè)變量對(duì)多個(gè)區(qū)域或城市進(jìn)行綜合評(píng)價(jià)，如區(qū)域經(jīng)濟(jì)發(fā)展水平，區(qū)域經(jīng)濟(jì)綜合競(jìng)爭(zhēng)力，地區(qū)經(jīng)濟(jì)發(fā)展?jié)摿Γ貐^(qū)投資環(huán)境，城市經(jīng)濟(jì)綜合實(shí)力等，這些綜合評(píng)價(jià)指標(biāo)的共同特點(diǎn)是需要將多個(gè)相關(guān)指標(biāo)合成一個(gè)綜合指標(biāo)，以反映各區(qū)域或城市在某一方面的綜合水平。要完成這項(xiàng)工作，一般要經(jīng)過(guò)以下五項(xiàng)步驟：

第一，選取指標(biāo)

第二，對(duì)指標(biāo)進(jìn)行矢量綱化處理

第三，對(duì)指標(biāo)進(jìn)行簡(jiǎn)化或歸類(lèi)處理

第四，確定權(quán)重

第五，計(jì)算綜合評(píng)價(jià)值

在基于微觀(guān)視角的河南省農(nóng)區(qū)經(jīng)濟(jì)類(lèi)型劃分[4]文章中，采用主成分分析方法，通過(guò)計(jì)算出各鄉(xiāng)鎮(zhèn)每個(gè)主成分的得分，結(jié)合地勢(shì)狀況，土地資源狀況，把農(nóng)區(qū)經(jīng)濟(jì)首先劃分為富裕區(qū)、小康區(qū)、溫飽區(qū)、貧困區(qū)等4中類(lèi)型，又可進(jìn)一步劃分為平原富裕區(qū)、丘陵富裕區(qū)、平原小康區(qū)、丘陵小康區(qū)、山地小康區(qū)、盆地溫飽區(qū)、山地溫飽區(qū)、平原貧困區(qū)、盆地貧困區(qū)、山地貧困區(qū)等9種類(lèi)型區(qū)。

1.2 線(xiàn)性規(guī)劃分析

線(xiàn)性規(guī)劃在實(shí)際應(yīng)用日益廣泛與深入，已經(jīng)被廣泛地應(yīng)用到工業(yè)、農(nóng)業(yè)、商業(yè)與交通運(yùn)輸規(guī)劃、工程技術(shù)的優(yōu)化設(shè)計(jì)以及企業(yè)管理等各個(gè)領(lǐng)域。在地理學(xué)領(lǐng)域，線(xiàn)性規(guī)劃是解決有關(guān)規(guī)劃，決策和系統(tǒng)優(yōu)化問(wèn)題的重要手段。

線(xiàn)性規(guī)劃應(yīng)用最多的實(shí)例就是農(nóng)場(chǎng)種植計(jì)劃或農(nóng)區(qū)集中選擇。如果線(xiàn)性規(guī)劃只有單一的目標(biāo)函數(shù)，那么建立的種植計(jì)劃模型就是單目標(biāo)規(guī)劃模型，進(jìn)而給出種植計(jì)劃方案，要么使總產(chǎn)量最大，要么使總產(chǎn)值最大，兩目標(biāo)無(wú)法兼得；多目標(biāo)規(guī)劃的思想就可以解決這個(gè)問(wèn)題。

1.3 空間統(tǒng)計(jì)分析

空間統(tǒng)計(jì)學(xué)的理論發(fā)展c70年代，空間統(tǒng)計(jì)分析處理的數(shù)據(jù)是空間數(shù)據(jù)，空間數(shù)據(jù)具有地理位置屬性的一類(lèi)特殊數(shù)據(jù)，不用于一般的截面數(shù)據(jù)和時(shí)間序列數(shù)據(jù)。通常運(yùn)用空間分析的方法分析空間中“點(diǎn)”的分布具有什么樣的規(guī)律，是否具有聚集性的特點(diǎn)，怎樣去度量這種聚集程度?？臻g統(tǒng)計(jì)分析的核心是認(rèn)識(shí)與地理位置相關(guān)的數(shù)據(jù)間的空間依賴(lài)，空間關(guān)聯(lián)或空間自相關(guān)，通過(guò)空間位置建立數(shù)據(jù)間的統(tǒng)計(jì)關(guān)系。

Moran指數(shù)和Geary系數(shù)是兩個(gè)用來(lái)衡量空間自相關(guān)的全局指標(biāo)。Moran指數(shù)反映的是空間鄰接或空間鄰近的區(qū)域單元屬性值的相似程度。Geary系數(shù)與Moran指數(shù)存在負(fù)相關(guān)關(guān)系。局部空間自相關(guān)的分析方法包括3種：（1）空間聯(lián)系的局部指標(biāo)（LISA）：是描述區(qū)域單元周?chē)@著的相似值，區(qū)域單元之間空間集聚程度的指標(biāo)。（2）G統(tǒng)計(jì)量：顯著的G統(tǒng)計(jì)量正值表示在該區(qū)域單元周?chē)哂^(guān)測(cè)值的區(qū)域單元趨于空間集聚；而顯著的負(fù)值表示低觀(guān)測(cè)值的區(qū)域單元趨于空間集聚。（3）Moran散點(diǎn)圖：用來(lái)研究局部的空間不穩(wěn)定性。

利用空間統(tǒng)計(jì)分析通常用于宏觀(guān)尺度的分析，比如中國(guó)大陸30個(gè)省級(jí)行政區(qū)人均GDP的空間關(guān)聯(lián)分析，基于空間統(tǒng)計(jì)分析與GIS的人口空間分布模式研究――以甘肅省天水市為例[5]，研究表明天水市人口分布呈現(xiàn)西北-東南模式，存在顯著的空間集聚現(xiàn)象。

1.4 投入產(chǎn)出分析

投入產(chǎn)出分析又稱(chēng)“部門(mén)平衡”分析，或稱(chēng)“產(chǎn)業(yè)聯(lián)系分析”，最早由美國(guó)經(jīng)濟(jì)學(xué)家瓦.列昂捷夫（W.Lenotief）提出，主要通過(guò)編制投入產(chǎn)出表及建立相應(yīng)的數(shù)學(xué)模型，反映經(jīng)濟(jì)系統(tǒng)各個(gè)部門(mén)（產(chǎn)業(yè)）之間的相互關(guān)系。自20世紀(jì)60年代以來(lái)，這種方法就被地理學(xué)家廣泛地應(yīng)用于區(qū)域產(chǎn)出構(gòu)成分析，區(qū)域相互作用分析以及資源利用與環(huán)境保護(hù)研究等方面。在現(xiàn)代經(jīng)濟(jì)地理學(xué)中，投入產(chǎn)出分析方法是必不可少的方法之一。

投入產(chǎn)出在微觀(guān)層面的研究，地形對(duì)山區(qū)農(nóng)田人地系統(tǒng)投入產(chǎn)出影響的微觀(guān)分析――河南省鞏義市吳溝村的實(shí)驗(yàn)研究[6]中把多種農(nóng)業(yè)投入（x1，x2，x3...）與產(chǎn)出（Y）之間的關(guān)系以道格拉斯生產(chǎn)函數(shù)的形式Y(jié)=AX1αX2α表示出來(lái)，在該文中利用有關(guān)學(xué)者的研究成果確定折能系數(shù)，進(jìn)行農(nóng)田地塊能量投入產(chǎn)出及效率的有關(guān)折算，得出地形對(duì)農(nóng)田投入產(chǎn)出的影響。

1.5 AHP決策分析

AHP決策分析方法是美國(guó)運(yùn)籌學(xué)家T.L.Saaty于20世紀(jì)70年代提出的，AHP決策分析方法（Analytic Hierarchy Process）是一種定性與定量相結(jié)合的決策分析方法，常常被運(yùn)用到多目標(biāo)，多準(zhǔn)則，多要素，多層次的非結(jié)構(gòu)化的復(fù)雜決策問(wèn)題，特別是戰(zhàn)略決策問(wèn)題的研究，具有十分廣泛的實(shí)用性。

甘肅省兩西地區(qū)扶貧開(kāi)發(fā)戰(zhàn)略問(wèn)題進(jìn)行定量分析[7]文章中采用層次分析法給出了諸戰(zhàn)略目標(biāo)、發(fā)展戰(zhàn)略、制約因素及方針措施的重要性排序，為地區(qū)扶貧開(kāi)發(fā)建設(shè)決策提供了可續(xù)依據(jù)。根據(jù)這種思路是否也可以在微觀(guān)層面上用層次分析法為較快較好的進(jìn)行精準(zhǔn)扶貧提供較為科學(xué)的依據(jù)。

1.6 地理網(wǎng)絡(luò)分析

網(wǎng)絡(luò)分析主要運(yùn)用圖論方法研究各類(lèi)網(wǎng)絡(luò)的結(jié)構(gòu)及其優(yōu)化問(wèn)題，對(duì)于許多現(xiàn)實(shí)的地理問(wèn)題，譬如城鎮(zhèn)體系問(wèn)題，城市地域結(jié)構(gòu)問(wèn)題，交通問(wèn)題，商業(yè)網(wǎng)點(diǎn)布局問(wèn)題，物流問(wèn)題，管道運(yùn)輸問(wèn)題等等都可以運(yùn)用網(wǎng)絡(luò)分析方法進(jìn)行研究。中國(guó)中部農(nóng)區(qū)企業(yè)集群的競(jìng)爭(zhēng)優(yōu)勢(shì)研究――以河南省虞城縣南莊村鋼卷尺企業(yè)集群為例[8]利用圖論很清楚的描述出了各個(gè)因素之間的聯(lián)系。

參考文獻(xiàn)：

[1] 李小建.經(jīng)濟(jì)地理學(xué)的微觀(guān)研究[J].經(jīng)濟(jì)地理，2011，31（6）：881-887.

[2] 徐建華.計(jì)量地理學(xué)[M].北京：高等教育出版社，2006.

[3] 喬家君，黨睿，趙德華.農(nóng)戶(hù)自主發(fā)展能力的三商影響研究[J].經(jīng)濟(jì)地理，2009，29（7）：1160-

1166.

[4] 喬家君，李小建.基于微觀(guān)視角的河南省農(nóng)區(qū)經(jīng)濟(jì)類(lèi)型劃分[J].經(jīng)濟(jì)地理，2008，28（5）：832-

篇7

中圖分類(lèi)號(hào)：TP311.13

銀行是現(xiàn)代經(jīng)濟(jì)的標(biāo)志，也是現(xiàn)代經(jīng)濟(jì)活動(dòng)中不可或缺的環(huán)節(jié)和工具，從銀行誕生應(yīng)用以來(lái)，銀行業(yè)就需要處理大量的經(jīng)營(yíng)數(shù)據(jù)，銀行數(shù)據(jù)記錄手段也經(jīng)歷了數(shù)個(gè)階段，從白紙黑字的賬本到計(jì)算機(jī)信息化時(shí)代的銀行數(shù)據(jù)信息系統(tǒng)，銀行數(shù)據(jù)業(yè)務(wù)可以在業(yè)務(wù)交易流程、數(shù)據(jù)庫(kù)建設(shè)、金融風(fēng)險(xiǎn)評(píng)估和經(jīng)營(yíng)決策分析等方面發(fā)揮極其重要的作用。從銀行業(yè)本身的發(fā)展來(lái)看，商業(yè)銀行的規(guī)模和類(lèi)型都在逐年豐富，信息化和數(shù)字化的銀行業(yè)務(wù)模式也逐漸成為商業(yè)銀行的運(yùn)行模本；現(xiàn)代銀行更加重視客戶(hù)本位思考，通過(guò)多樣化的市場(chǎng)需求分析手段，可以為客戶(hù)提供極具個(gè)性化的銀行業(yè)務(wù)產(chǎn)品服務(wù)，吸引更多的潛在客戶(hù)群；同時(shí)現(xiàn)代銀行的風(fēng)險(xiǎn)管控意識(shí)更強(qiáng)，在市場(chǎng)經(jīng)濟(jì)節(jié)奏更快的當(dāng)今社會(huì)，銀行經(jīng)營(yíng)決策的風(fēng)險(xiǎn)評(píng)估效果決定了現(xiàn)代銀行的經(jīng)營(yíng)走向；再者是網(wǎng)絡(luò)終端服務(wù)和移動(dòng)終端服務(wù)的迅猛發(fā)展，銀行交易手段更加豐富，網(wǎng)上銀行、手機(jī)銀行、移動(dòng)證券交易等等電子支付交易方式的發(fā)展給現(xiàn)代銀行帶來(lái)了新的機(jī)遇和挑戰(zhàn)，這一切都需要現(xiàn)代銀行在數(shù)據(jù)處理分析能力上有新的應(yīng)對(duì)措施。

1 數(shù)據(jù)挖掘和數(shù)據(jù)效用理論基礎(chǔ)

數(shù)據(jù)挖掘的通用定義指的是從現(xiàn)有的大量存儲(chǔ)數(shù)據(jù)中，采用數(shù)據(jù)擷取的方式，搜尋出感興趣的、有價(jià)值的數(shù)據(jù)點(diǎn)或數(shù)據(jù)模塊的數(shù)據(jù)處理技術(shù)。數(shù)據(jù)挖掘廣泛地應(yīng)用于商業(yè)金融領(lǐng)域，基于既定的商業(yè)化分析目標(biāo)，可以依托于企業(yè)內(nèi)部的金融數(shù)據(jù)系統(tǒng)進(jìn)行數(shù)據(jù)分析，最終獲得需要的商業(yè)經(jīng)營(yíng)規(guī)律和市場(chǎng)發(fā)展規(guī)律，并且能夠在成熟的數(shù)據(jù)挖掘模型的支持下與其他分析工具和分析技術(shù)相結(jié)合，形成商業(yè)化的數(shù)據(jù)挖掘分析系統(tǒng)和分析軟件。數(shù)據(jù)挖掘的功能需求決定了數(shù)據(jù)挖掘是一個(gè)典型的學(xué)科交叉項(xiàng)目，現(xiàn)代銀行受到業(yè)務(wù)拓展發(fā)展的需求，在其數(shù)據(jù)挖掘技術(shù)的運(yùn)用中廣泛地的結(jié)合了數(shù)據(jù)庫(kù)技術(shù)、智能學(xué)習(xí)技術(shù)、統(tǒng)計(jì)分析技術(shù)、模式識(shí)別技術(shù)、人工智能技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)，數(shù)據(jù)挖掘常分為六個(gè)技術(shù)類(lèi)別：聚類(lèi)、分類(lèi)、估值、預(yù)測(cè)、相關(guān)性分組和關(guān)聯(lián)規(guī)則分析、描述和可視化分析。

對(duì)數(shù)據(jù)資料的重視性促使了現(xiàn)代銀行對(duì)數(shù)據(jù)利用效率的不懈追求，現(xiàn)代化經(jīng)營(yíng)模式中，數(shù)據(jù)已經(jīng)成為最為重要的無(wú)形商品，作為商品的數(shù)據(jù)資料，其資本性和營(yíng)利性決定了信息數(shù)據(jù)的效益最大化，由于數(shù)據(jù)資料的復(fù)制成本低、附加值高且利潤(rùn)豐厚的特點(diǎn)，數(shù)據(jù)信息價(jià)值理論已經(jīng)成為數(shù)據(jù)效用分析的主要理論模式。

2 銀行數(shù)據(jù)挖掘的應(yīng)用分析

2.1 數(shù)據(jù)挖掘在銀行客戶(hù)需求分析中的應(yīng)用

現(xiàn)代銀行針對(duì)客戶(hù)資料和消費(fèi)記錄都建立了功能龐大的消費(fèi)市場(chǎng)數(shù)據(jù)庫(kù)系統(tǒng)，對(duì)銀行客戶(hù)的個(gè)人資料、賬戶(hù)信息、交易歷史記錄、業(yè)務(wù)服務(wù)歷史記錄、理財(cái)數(shù)據(jù)和個(gè)人理財(cái)風(fēng)險(xiǎn)評(píng)估等進(jìn)行了數(shù)據(jù)庫(kù)倉(cāng)儲(chǔ)式分析，基于成熟的數(shù)據(jù)倉(cāng)庫(kù)邏輯分析模型，可以對(duì)每一個(gè)銀行客戶(hù)進(jìn)行多維度消費(fèi)分析，以交易歷史紀(jì)錄為例，交易歷史紀(jì)錄作為該分析維度下的分析主鍵字段，在其下端進(jìn)行次元維度分析，對(duì)交易類(lèi)型、交易金額、消費(fèi)地點(diǎn)、存貸款交易、電子銀行消費(fèi)、手機(jī)銀行消費(fèi)、證券消費(fèi)等進(jìn)行子健分析，但是也要考慮到不同主鍵之間存在著較大的關(guān)聯(lián)性，此時(shí)可以考慮在客戶(hù)數(shù)據(jù)倉(cāng)庫(kù)分析中建立星形數(shù)據(jù)模，在關(guān)聯(lián)數(shù)據(jù)子健上進(jìn)行數(shù)據(jù)溢出處理。在數(shù)據(jù)挖掘中主要采用的是聚類(lèi)算法，在對(duì)客戶(hù)數(shù)據(jù)進(jìn)行詳細(xì)的數(shù)據(jù)倉(cāng)庫(kù)建立之后，可以對(duì)客戶(hù)進(jìn)行數(shù)據(jù)特征值標(biāo)定（如商業(yè)價(jià)值、交易類(lèi)型、風(fēng)險(xiǎn)傾向等），以便于進(jìn)行客戶(hù)分類(lèi)，在用戶(hù)細(xì)分時(shí)，行為特征是主要的特征，自然屬性是輔助的特性。

表1 聚類(lèi)匯總表

業(yè)務(wù)類(lèi)型 紙黃金 基金理財(cái) 外匯 個(gè)人金融 債券 貸款

業(yè)務(wù)渠道 柜臺(tái) 電話(huà)銀行 網(wǎng)上銀漢 手機(jī)銀行 自主服務(wù) 中間交易

由此可以得到詳細(xì)的客戶(hù)聚類(lèi)，例如以年齡段為標(biāo)準(zhǔn)的20-30歲階段用戶(hù)（業(yè)務(wù)類(lèi)型為紙黃金，業(yè)務(wù)渠道為網(wǎng)銀和自助服務(wù)）、30-40歲階段用戶(hù)（業(yè)務(wù)類(lèi)型為外匯和金融，業(yè)務(wù)渠道為柜臺(tái)和自助）、40-50歲階段（業(yè)務(wù)類(lèi)型為基金債券，業(yè)務(wù)渠道為柜臺(tái)服務(wù)）。

基于SQL Server Analysis Services分析工具，在銀行原始交易數(shù)據(jù)庫(kù)中進(jìn)行聚類(lèi)分析，選用Microsoft聚類(lèi)算法對(duì)交易日志中的指定頁(yè)進(jìn)行類(lèi)型搜索，在后處理模塊中可以查看聚類(lèi)分析結(jié)果。聚類(lèi)算法進(jìn)行數(shù)據(jù)挖掘時(shí)需要原始數(shù)據(jù)具有較強(qiáng)的分類(lèi)性和數(shù)據(jù)關(guān)聯(lián)性，才能在數(shù)據(jù)挖掘中針對(duì)特定數(shù)據(jù)屬性和數(shù)據(jù)聚類(lèi)進(jìn)行分析，并且獲得該屬性在任意聚類(lèi)中的數(shù)據(jù)分布情況，由此可以精確的知道特定類(lèi)型客戶(hù)的銀行消費(fèi)習(xí)慣和消費(fèi)傾向，有助于銀行穩(wěn)固現(xiàn)有客戶(hù)群，吸引潛在客戶(hù)群體。

2.2 數(shù)據(jù)挖掘在銀行決策分析中的應(yīng)用

銀行經(jīng)營(yíng)的各個(gè)環(huán)節(jié)都基本實(shí)現(xiàn)了信息化管理，銀行綜合業(yè)務(wù)系統(tǒng)為其提供了基礎(chǔ)業(yè)務(wù)操作平臺(tái)和統(tǒng)一賬務(wù)處理系統(tǒng)平臺(tái)，能夠幫助銀行實(shí)現(xiàn)有效的資源整合和集中管理。數(shù)據(jù)挖掘技術(shù)的應(yīng)用能夠全面提升銀行系統(tǒng)的內(nèi)控管理和風(fēng)險(xiǎn)管控水平，為銀行的內(nèi)部決策提供有效的數(shù)據(jù)支撐。

表2 數(shù)據(jù)挖掘與銀行決策關(guān)系

數(shù)據(jù)源 數(shù)據(jù)處理 數(shù)據(jù)存儲(chǔ) 決策分析

交易數(shù)據(jù)

客戶(hù)信息

管理信息

外部信息 數(shù)據(jù)抽取

數(shù)據(jù)整合

數(shù)據(jù)加載 數(shù)據(jù)倉(cāng)庫(kù) 經(jīng)營(yíng)狀況決策分析

數(shù)據(jù)監(jiān)控 數(shù)據(jù)節(jié)點(diǎn)1 資產(chǎn)負(fù)債決策分析

數(shù)據(jù)刷新 數(shù)據(jù)節(jié)點(diǎn)2 風(fēng)險(xiǎn)管理決策分析

數(shù)據(jù)包裝 數(shù)據(jù)節(jié)點(diǎn)3 客戶(hù)需求決策分析

數(shù)據(jù)公布 數(shù)據(jù)節(jié)點(diǎn)4 銀行財(cái)務(wù)決策分析

為了保障銀行的經(jīng)營(yíng)效益、提升業(yè)務(wù)覆蓋范圍并預(yù)防經(jīng)營(yíng)風(fēng)險(xiǎn)，銀行需要及時(shí)掌握市場(chǎng)動(dòng)態(tài)并且做出經(jīng)營(yíng)調(diào)整，數(shù)據(jù)挖掘技術(shù)能夠跟蹤分析銀行經(jīng)營(yíng)過(guò)程中的各個(gè)基本要素環(huán)節(jié)，通過(guò)比對(duì)分析自身產(chǎn)品的營(yíng)收現(xiàn)狀、競(jìng)爭(zhēng)對(duì)手的經(jīng)營(yíng)現(xiàn)狀，以及對(duì)資產(chǎn)負(fù)債率、銀行壞賬率和金融產(chǎn)品的銷(xiāo)量，可以及時(shí)為決策層提供參考數(shù)據(jù)。商業(yè)銀行的風(fēng)險(xiǎn)管控是其保障經(jīng)濟(jì)效益的關(guān)鍵，數(shù)據(jù)挖掘系統(tǒng)的關(guān)鍵性作用體現(xiàn)在對(duì)銀行業(yè)務(wù)的全方位、多角度的可靠性分析和風(fēng)險(xiǎn)評(píng)估，基于銀行內(nèi)部的風(fēng)險(xiǎn)模型參數(shù)，在成熟的模式識(shí)別技術(shù)和智能分析技術(shù)的輔助下，可以提前對(duì)經(jīng)營(yíng)風(fēng)險(xiǎn)進(jìn)行預(yù)判，以減少成本損失為風(fēng)險(xiǎn)數(shù)據(jù)挖掘模型約束，以保障經(jīng)營(yíng)效益最大化為風(fēng)險(xiǎn)決策目標(biāo)，以調(diào)控決策方式為風(fēng)險(xiǎn)決策手段，可以進(jìn)一步提高銀行的資產(chǎn)質(zhì)量。財(cái)務(wù)風(fēng)險(xiǎn)控制中數(shù)據(jù)挖掘的具體應(yīng)用如下圖所示：

圖1 數(shù)據(jù)挖掘在銀行財(cái)務(wù)決策分析中的應(yīng)用分析

3 銀行數(shù)據(jù)挖掘的效用分析

3.1 數(shù)據(jù)挖掘在銀行風(fēng)險(xiǎn)控制中的效用

風(fēng)險(xiǎn)控制是銀行日常經(jīng)營(yíng)活動(dòng)中的核心內(nèi)容，通常來(lái)看可以分為定性控制和定量控制兩種方式，定性控制的關(guān)鍵是建立一套有效的風(fēng)險(xiǎn)控制管理體系，在多流程決策體系的協(xié)作下，構(gòu)成風(fēng)險(xiǎn)管理知識(shí)，以非結(jié)構(gòu)化數(shù)據(jù)的形式保存并流轉(zhuǎn)使用；定量控制則更看重對(duì)經(jīng)營(yíng)實(shí)時(shí)數(shù)據(jù)的管理效率，建立一個(gè)基于客戶(hù)需求和市場(chǎng)規(guī)律的量化風(fēng)險(xiǎn)控制體系統(tǒng)框架。銀行信用評(píng)估體系要求銀行用于信用評(píng)級(jí)的數(shù)據(jù)必須具備一定年限和質(zhì)量標(biāo)準(zhǔn)，對(duì)數(shù)據(jù)樣本量、樣本時(shí)效性、業(yè)務(wù)覆蓋范圍、數(shù)據(jù)來(lái)源都有明確的要求。數(shù)據(jù)挖掘?qū)τ阢y行風(fēng)險(xiǎn)控制的關(guān)鍵性作用主要體現(xiàn)在對(duì)于銀行信用風(fēng)險(xiǎn)控制、銀行市場(chǎng)風(fēng)險(xiǎn)評(píng)估和銀行操作風(fēng)險(xiǎn)管理上。

在信用風(fēng)險(xiǎn)控制上，數(shù)據(jù)挖掘主要是針對(duì)信用關(guān)鍵指標(biāo)：違約率、違約損失率、違約暴露和違約期限進(jìn)行針對(duì)性的數(shù)據(jù)挖掘分析，結(jié)合銀行的信用評(píng)級(jí)動(dòng)態(tài)變化和銀行信用置信度的波動(dòng)規(guī)律，在銀行交易數(shù)據(jù)庫(kù)中采用數(shù)據(jù)關(guān)聯(lián)分析方法，對(duì)概念分層數(shù)據(jù)進(jìn)行多層挖掘，提高數(shù)據(jù)挖掘的精準(zhǔn)度；在對(duì)市場(chǎng)風(fēng)險(xiǎn)控制上，數(shù)據(jù)挖掘技術(shù)主要集中在市場(chǎng)風(fēng)險(xiǎn)識(shí)別和市場(chǎng)動(dòng)態(tài)分析兩方面，通過(guò)分析銀行特征值數(shù)據(jù)在各種風(fēng)險(xiǎn)環(huán)境下的數(shù)據(jù)概率分布值，可以構(gòu)建銀行內(nèi)部的市場(chǎng)風(fēng)險(xiǎn)模型，結(jié)合遺傳算法和智能分析，可以針對(duì)市場(chǎng)發(fā)展規(guī)律進(jìn)行智能風(fēng)險(xiǎn)評(píng)估決策；對(duì)于市場(chǎng)的偶然和不確定行為，通常數(shù)據(jù)挖掘會(huì)采用預(yù)測(cè)（predication）、時(shí)序分析模式（time-series model），通過(guò)遍歷歷史交易數(shù)據(jù)，能夠?qū)ε既恍允袌?chǎng)行為進(jìn)行概念排序，采用模糊分析（fuzzy method）、證據(jù)理論（Evidence theory）等方法進(jìn)行決策分析。

3.2 數(shù)據(jù)挖掘在銀行產(chǎn)品創(chuàng)新中的效用

產(chǎn)品創(chuàng)新是提升銀行市場(chǎng)競(jìng)爭(zhēng)力的根本手段，數(shù)據(jù)挖掘的重要性則體現(xiàn)在數(shù)據(jù)分析準(zhǔn)確性和有效性上，首先是對(duì)業(yè)務(wù)流程效率的數(shù)據(jù)分析，對(duì)于總行、分行、支行和營(yíng)業(yè)網(wǎng)點(diǎn)的銀行結(jié)構(gòu)進(jìn)行業(yè)務(wù)處理效能分析，通過(guò)實(shí)際交易數(shù)據(jù)和歷史交易數(shù)據(jù)進(jìn)行比對(duì)分析，可以有效的找出實(shí)際業(yè)務(wù)模式中的最大風(fēng)險(xiǎn)點(diǎn)，設(shè)計(jì)或優(yōu)化業(yè)務(wù)流程，明確錄入、審核、授權(quán)各崗位的職責(zé)，從而運(yùn)用創(chuàng)新手段控制流程風(fēng)險(xiǎn)；采用產(chǎn)品規(guī)劃的方法指導(dǎo)新產(chǎn)品的設(shè)計(jì)流程工作，則需要在產(chǎn)品設(shè)計(jì)理念、產(chǎn)品市場(chǎng)定位、產(chǎn)品競(jìng)爭(zhēng)優(yōu)勢(shì)分析和產(chǎn)品風(fēng)險(xiǎn)控制上進(jìn)行數(shù)據(jù)分析，通過(guò)數(shù)據(jù)挖掘技術(shù)可以在銀行內(nèi)部歷史數(shù)據(jù)、行業(yè)共享數(shù)據(jù)和商業(yè)數(shù)據(jù)的基礎(chǔ)上進(jìn)行特征屬性挖掘，并最終為新產(chǎn)品的量化定型提供有效的數(shù)據(jù)參考，并未新產(chǎn)品的市場(chǎng)價(jià)值進(jìn)行定性和定量預(yù)測(cè)分析。

4 結(jié)束語(yǔ)

信息化時(shí)代背景下金融業(yè)的供需地位發(fā)生巨大轉(zhuǎn)變，金融數(shù)據(jù)也從經(jīng)營(yíng)資料開(kāi)始向數(shù)據(jù)商業(yè)化發(fā)展。基于詳盡的量化數(shù)據(jù)系統(tǒng)，現(xiàn)代銀行可以在高效數(shù)據(jù)分析模型的基礎(chǔ)上對(duì)銀行數(shù)據(jù)進(jìn)行二次開(kāi)發(fā)，提供數(shù)據(jù)分析服務(wù)。本文通過(guò)闡述銀行數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)，分析了對(duì)銀行海量數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘的主要方法和應(yīng)用模式，并評(píng)估現(xiàn)行銀行數(shù)據(jù)挖掘方法的有效性和經(jīng)濟(jì)效益價(jià)值，為進(jìn)一步提升銀行數(shù)據(jù)挖掘的效能提供了新的思路。

參考文獻(xiàn)：

[1]丁劍敏.數(shù)據(jù)挖掘技術(shù)及其在商業(yè)銀行中的應(yīng)用[J].市場(chǎng)周刊?財(cái)經(jīng)論壇，2013（04）.

[2]宓文斌.數(shù)據(jù)挖掘在銀行信貸業(yè)務(wù)中的應(yīng)用[M].上海：上海交通大學(xué)，2012.

篇8

醫(yī)院加強(qiáng)財(cái)務(wù)分析具有如下意義：能夠?yàn)獒t(yī)院管理的管理評(píng)價(jià)提供依據(jù)，并且促進(jìn)醫(yī)院對(duì)計(jì)劃和預(yù)算的完成；加強(qiáng)財(cái)務(wù)分析對(duì)于改善醫(yī)院的經(jīng)營(yíng)管理和提高綜合效益有著十分重要的作用；有利于經(jīng)營(yíng)者做出科學(xué)正確的決策；通過(guò)財(cái)務(wù)分析活動(dòng)，可以讓決策者對(duì)醫(yī)院的財(cái)務(wù)運(yùn)轉(zhuǎn)情況進(jìn)行了解，從而掌握經(jīng)濟(jì)決策與客觀(guān)經(jīng)濟(jì)規(guī)律的相符程度，最終使得他們做出決策科學(xué)合理；加強(qiáng)財(cái)務(wù)分析活動(dòng)是提供醫(yī)院財(cái)務(wù)管理水平的重要措施；加強(qiáng)財(cái)務(wù)分析，可以使得醫(yī)院經(jīng)營(yíng)決策者更加客觀(guān)地對(duì)理財(cái)經(jīng)驗(yàn)進(jìn)行總結(jié)，讓他們從中發(fā)現(xiàn)財(cái)務(wù)管理中的潛在問(wèn)題和發(fā)展趨勢(shì)，通過(guò)對(duì)財(cái)務(wù)活動(dòng)的規(guī)律的認(rèn)識(shí)，來(lái)對(duì)財(cái)務(wù)管理工作進(jìn)行改進(jìn)，不斷提高醫(yī)院財(cái)務(wù)管理水平。

（二）加強(qiáng)醫(yī)院經(jīng)營(yíng)決策的意義所在

在經(jīng)營(yíng)管理學(xué)中認(rèn)為“管理的中心是經(jīng)營(yíng)，經(jīng)營(yíng)的重心是決策”。從中可以看出經(jīng)營(yíng)管理的重要性。經(jīng)營(yíng)決策分析指的是利用科學(xué)有效的方法，從若干方案中經(jīng)過(guò)科學(xué)地分析判斷，最終選出一個(gè)合理、可行的方案。決策分析的意義就在于從眾多的方案中選出一個(gè)合理可行的方案，以此來(lái)達(dá)到未來(lái)的行動(dòng)目標(biāo)。決策分析的最終目的就是將決策目標(biāo)變?yōu)樾袆?dòng)的關(guān)鍵。如果決策分析不合理甚至是錯(cuò)誤的，那么就極有可能使得正確的決策目標(biāo)不能實(shí)現(xiàn)。由此可見(jiàn)，醫(yī)院經(jīng)營(yíng)管理的基礎(chǔ)和核心就是科學(xué)合理的決策。科學(xué)合理的決策對(duì)于醫(yī)院充分的發(fā)揮社會(huì)功能，并取得良好的醫(yī)療服務(wù)效果，從而提高醫(yī)院的社會(huì)效益和經(jīng)濟(jì)效益有著十分重要的意義。經(jīng)營(yíng)決策分析的基本內(nèi)涵主要有四點(diǎn)，他們分別是：（1）預(yù)測(cè)未來(lái)；（2）多方案選優(yōu)；（3）以決策為動(dòng)力形成經(jīng)營(yíng)活動(dòng)的循環(huán)動(dòng)態(tài)過(guò)程；（4）必須付諸行動(dòng)。

二、加強(qiáng)醫(yī)院財(cái)務(wù)分析與經(jīng)營(yíng)決策的對(duì)策和方法

（一）醫(yī)院管理者要必須要轉(zhuǎn)變傳統(tǒng)觀(guān)念，對(duì)財(cái)務(wù)分析和經(jīng)營(yíng)決策給予高度重視

要讓財(cái)務(wù)分析與經(jīng)營(yíng)決策這兩者在醫(yī)院管理中發(fā)揮重要的作用，醫(yī)院管理者就必須要給予高度重視。這是做好財(cái)務(wù)分析核經(jīng)營(yíng)決策的前提條件。要讓財(cái)務(wù)管理工作滲透到醫(yī)院管理的各個(gè)方面，就必須要得到醫(yī)院管理者的大力支持，只有這樣才能夠讓醫(yī)院的各個(gè)職能部門(mén)都配合好醫(yī)院的財(cái)務(wù)部門(mén)做好財(cái)務(wù)分析工作，而也只有這樣醫(yī)院財(cái)務(wù)部門(mén)才能夠得到醫(yī)院其他職能部門(mén)的支持與配合，從而得到各種財(cái)務(wù)分析所需要的資料。經(jīng)營(yíng)決策也是如此，各種決策與政策出臺(tái)后，肯定會(huì)具體到醫(yī)院的各個(gè)職能部門(mén)，而經(jīng)營(yíng)決策過(guò)程中所需要的各種資料也需要各個(gè)職能部門(mén)提供。如何不能夠得到醫(yī)院各個(gè)職能部門(mén)的支持，那么經(jīng)營(yíng)決策就只能夠是空架子，空口號(hào)，也不可能做出正確的決策。這樣經(jīng)營(yíng)決策有如何能夠指引醫(yī)院前進(jìn)，又如何發(fā)揮其應(yīng)有的作用。因此要做好經(jīng)營(yíng)決策工作也必須要得到醫(yī)院領(lǐng)導(dǎo)的高度重視。

（二）醫(yī)院的財(cái)務(wù)分析者與經(jīng)營(yíng)決策者需要提高自身的素質(zhì)

醫(yī)院想要做好財(cái)務(wù)分析工作，就必須要有相應(yīng)的高素質(zhì)的財(cái)務(wù)人員，對(duì)于財(cái)務(wù)分析者，不能夠僅僅只掌握財(cái)務(wù)核算、財(cái)務(wù)管理和會(huì)計(jì)理論等相關(guān)知識(shí)，還必須對(duì)統(tǒng)計(jì)學(xué)、成本核算等相關(guān)知識(shí)進(jìn)行了解，甚至是掌握。此外，他們還必須對(duì)本單位的具體情況熟悉，不能是那種只看紙面文章的，而是真正的清楚醫(yī)院的實(shí)際情況。這樣這樣才能夠有能力做好醫(yī)院的財(cái)務(wù)分析工作。同時(shí)，還必須要提高財(cái)務(wù)人員的思想素質(zhì)，只有他們將醫(yī)院財(cái)務(wù)分析工作從思想上提到了一個(gè)更高的層次，他們才能夠更好的做好財(cái)務(wù)分析工作。醫(yī)院的經(jīng)營(yíng)決策者大都是從技術(shù)上提拔而來(lái)的，他們對(duì)與本行業(yè)的技術(shù)規(guī)范等知識(shí)和信息可以說(shuō)是了如指掌。但是他們中很少有人具有相應(yīng)的經(jīng)營(yíng)決策管理知識(shí)。雖然其中很多人都在后來(lái)拿到的相應(yīng)的管理學(xué)位，但不代表他們真正的具有管理能力。為此，必須要提高現(xiàn)有的經(jīng)營(yíng)管理者的分析決策能力，同時(shí)還應(yīng)該積極的引進(jìn)有能力的經(jīng)營(yíng)決策者。只有這樣才能夠保證各種決策的科學(xué)性、正確性。

（三）明確財(cái)務(wù)分析對(duì)經(jīng)營(yíng)決策的影響

總的來(lái)說(shuō)，財(cái)務(wù)分析最終就是為醫(yī)院的經(jīng)營(yíng)決策來(lái)服務(wù)的，而經(jīng)營(yíng)決策則可以為財(cái)務(wù)分析指明方向。財(cái)務(wù)分析對(duì)經(jīng)營(yíng)決策的影響有以下一些方面。財(cái)務(wù)分析可以幫助經(jīng)營(yíng)決策者了解醫(yī)院的實(shí)際經(jīng)營(yíng)狀況。通過(guò)財(cái)務(wù)分析，醫(yī)院的經(jīng)營(yíng)決策者既可以知道醫(yī)院目前經(jīng)營(yíng)的客觀(guān)狀態(tài)，也可以通過(guò)分析獲知當(dāng)前經(jīng)營(yíng)過(guò)程中存在的不足之處和經(jīng)營(yíng)不善的具體關(guān)鍵所在。從而能及時(shí)的采取有效的改善措施。通過(guò)財(cái)務(wù)分析可以幫助經(jīng)營(yíng)決策者對(duì)醫(yī)院的市場(chǎng)競(jìng)爭(zhēng)力做出正確的判斷。只有對(duì)醫(yī)院的市場(chǎng)競(jìng)爭(zhēng)力有了正確的認(rèn)識(shí)，才能夠做出正確的決策，為醫(yī)院樹(shù)立正確的發(fā)展目標(biāo)，從而讓醫(yī)院少走彎路，提高醫(yī)院的競(jìng)爭(zhēng)能力。

篇9

一、數(shù)據(jù)挖掘

數(shù)據(jù)挖掘是從數(shù)據(jù)當(dāng)中發(fā)現(xiàn)趨勢(shì)和模式的過(guò)程，它融合了現(xiàn)代統(tǒng)計(jì)學(xué)、知識(shí)信息系統(tǒng)、機(jī)器學(xué)習(xí)、決策理論和數(shù)據(jù)庫(kù)管理等多學(xué)科的知識(shí)。它能有效地從大量的、不完全的、模糊的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的潛在有用的信息和知識(shí)，揭示出大量數(shù)據(jù)中復(fù)雜的和隱藏的關(guān)系，為決策提供有用的參考。數(shù)據(jù)挖掘是從數(shù)據(jù)當(dāng)中發(fā)現(xiàn)趨勢(shì)和模式的過(guò)程，它融合了現(xiàn)代統(tǒng)計(jì)學(xué)、知識(shí)信息系統(tǒng)、機(jī)器學(xué)習(xí)、決策理論和數(shù)據(jù)庫(kù)管理等多學(xué)科的知識(shí)。它能有效地從大量的、不完全的、模糊的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的潛存有用的信息和知識(shí)，揭示出大量數(shù)據(jù)中復(fù)雜的和隱藏的關(guān)系，為決策提供有用的參考。

二、數(shù)據(jù)挖掘的現(xiàn)代最新方法介紹

常用的數(shù)據(jù)挖掘方法主要有決策樹(shù)(DecisionTree)、遺傳算法(GeneticAlgorithms)、關(guān)聯(lián)分析(AssociationAnalysis).聚類(lèi)分析(C~smrAnalysis)、序列模式分析(SequentialPattern)以及神經(jīng)網(wǎng)絡(luò)(NeuralNetworks)等。

三、數(shù)據(jù)挖掘的實(shí)際應(yīng)用

由于數(shù)據(jù)挖掘市場(chǎng)還處于起步的階段，但是發(fā)展很快。在國(guó)外有一些著名的大公司對(duì)數(shù)據(jù)挖掘系統(tǒng)進(jìn)行了開(kāi)發(fā)。

1.IntelligentMiner這是IBM公司的數(shù)據(jù)挖掘產(chǎn)品，它提供了很多數(shù)據(jù)挖掘算法，包括關(guān)聯(lián)、分類(lèi)、回歸、預(yù)測(cè)模型、偏離檢測(cè)、序列模式分析和聚類(lèi)。有2個(gè)特點(diǎn)：一是它的數(shù)據(jù)挖掘算法的可伸縮性；二是它與IBM/DB/2關(guān)系數(shù)據(jù)庫(kù)系統(tǒng)緊密地結(jié)合在一起。

2.EineSet是由SGI公司開(kāi)發(fā)的，它也提供了多種數(shù)據(jù)挖掘方法，包括關(guān)聯(lián)分析和分類(lèi)以及高級(jí)統(tǒng)計(jì)和可視化工具。特色是它具有的強(qiáng)大的圖形工具，包括規(guī)則可視化工具、樹(shù)可視化工具、地圖可視化工具和多維數(shù)據(jù)分散可視化工具，它們用于實(shí)現(xiàn)數(shù)據(jù)和數(shù)據(jù)挖掘結(jié)果的可視化。

3.Clementine是由ISL公司開(kāi)發(fā)的，它為終端用戶(hù)和開(kāi)發(fā)者提供提供了一個(gè)集成的數(shù)據(jù)挖掘開(kāi)發(fā)環(huán)境。

4.DBMiner是由DBMinerTechnology公司開(kāi)發(fā)的，它提供多種數(shù)據(jù)挖掘算法，包括發(fā)現(xiàn)驅(qū)動(dòng)的OLAP分析、關(guān)聯(lián)、分類(lèi)和聚類(lèi)。特色是它的基于數(shù)據(jù)立方體的聯(lián)機(jī)分析挖掘，它包含多種有效的頻繁模式挖掘功能和集成的可視化分類(lèi)方法。

四、數(shù)據(jù)挖掘與管理會(huì)計(jì)

1.提供有力的決策支持

面對(duì)日益激烈的競(jìng)爭(zhēng)環(huán)境，企業(yè)管理者對(duì)決策信息的需求也越來(lái)越高。管理會(huì)計(jì)作為企業(yè)決策支持系統(tǒng)的重要組成部分，提供更多、更有效的有用信息責(zé)無(wú)旁貸。因此，從海量數(shù)據(jù)中挖掘和尋求知識(shí)和信息，為決策提供有力支持成為管理會(huì)計(jì)師使用數(shù)據(jù)挖掘的強(qiáng)大動(dòng)力。例如，數(shù)據(jù)挖掘可以幫助企業(yè)加強(qiáng)成本管理，改進(jìn)產(chǎn)品和服務(wù)質(zhì)量，提高貨品銷(xiāo)量比率，設(shè)計(jì)更好的貨品運(yùn)輸與分銷(xiāo)策略，減少商業(yè)成本。

2.贏(yíng)得戰(zhàn)略競(jìng)爭(zhēng)優(yōu)勢(shì)的有力武器

實(shí)踐證明數(shù)據(jù)挖掘不僅能明顯改善企業(yè)內(nèi)部流程，而且能夠從戰(zhàn)略的高度對(duì)企業(yè)的競(jìng)爭(zhēng)環(huán)境、市場(chǎng)、顧客和供應(yīng)商進(jìn)行分析，以獲得有價(jià)值的商業(yè)情報(bào)，保持和提高企業(yè)持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)。如，對(duì)顧客價(jià)值分析能夠?qū)槠髽I(yè)創(chuàng)造80%價(jià)值的20%的顧客區(qū)分出來(lái)，對(duì)其提供更優(yōu)質(zhì)的服務(wù)，以保持這部分顧客。

3.預(yù)防和控制財(cái)務(wù)風(fēng)險(xiǎn)

利用數(shù)據(jù)挖掘技術(shù)可以建立企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的發(fā)生并非一蹴而就，而是一個(gè)積累的、漸進(jìn)的過(guò)程，通過(guò)建立財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型，可以隨時(shí)監(jiān)控企業(yè)財(cái)務(wù)狀況，防范財(cái)務(wù)危機(jī)的發(fā)生。另外，也可以利用數(shù)據(jù)挖掘技術(shù)，對(duì)企業(yè)籌資和投資過(guò)程中的行為進(jìn)行監(jiān)控，防止惡意的商業(yè)欺詐行為，維護(hù)企業(yè)利益。尤其是在金融企業(yè)，通過(guò)數(shù)據(jù)挖掘，可以解決銀行業(yè)面臨的如信用卡的惡意透支及可疑的信用卡交易等欺詐行為。根據(jù)SEC的報(bào)告，美國(guó)銀行、美國(guó)第一銀行、聯(lián)邦住房貸款抵押公司等數(shù)家銀行已采用了數(shù)據(jù)挖掘技術(shù)。

五、數(shù)據(jù)挖掘在管理會(huì)計(jì)中的應(yīng)用

1.作業(yè)成本和價(jià)值鏈分析

作業(yè)成本法以其對(duì)成本的精確計(jì)算和對(duì)資源的充分利用引起了人們的極大興趣，但其復(fù)雜的操作使得很多管理者望而卻步。利用數(shù)據(jù)挖掘中的回歸分析、分類(lèi)分析等方法能幫助管理會(huì)計(jì)師確定成本動(dòng)因，更加準(zhǔn)確計(jì)算成本。同時(shí)，也可以通過(guò)分析作業(yè)與價(jià)值之間的關(guān)系，確定增值作業(yè)和非增值作業(yè)，持續(xù)改進(jìn)和優(yōu)化企業(yè)價(jià)值鏈。在ThomasG，JohnJ和Il-woonKim的調(diào)查中，數(shù)據(jù)挖掘被用在作業(yè)成本管理中僅占3%。

2.預(yù)測(cè)分析

管理會(huì)計(jì)師在很多情況下需要對(duì)未來(lái)進(jìn)行預(yù)測(cè)，而預(yù)測(cè)是建立在大量的歷史數(shù)據(jù)和適當(dāng)?shù)哪Ｐ突A(chǔ)上的。數(shù)據(jù)挖掘自動(dòng)在大型數(shù)據(jù)庫(kù)中尋找預(yù)測(cè)性信息，利用趨勢(shì)分析、時(shí)間序列分析等方法，建立對(duì)如銷(xiāo)售、成本、資金等的預(yù)測(cè)模型，科學(xué)準(zhǔn)確的預(yù)測(cè)企業(yè)各項(xiàng)指標(biāo)，作為決策的依據(jù)。例如對(duì)市場(chǎng)調(diào)查數(shù)據(jù)的分析可以幫助預(yù)測(cè)銷(xiāo)售；根據(jù)歷史資料建立銷(xiāo)售預(yù)測(cè)模型等。

3.投資決策分析

投資決策分析本身就是一個(gè)非常復(fù)雜的過(guò)程，往往要借助一些工具和模型。數(shù)據(jù)挖掘技術(shù)提供了有效的工具。從公司的財(cái)務(wù)報(bào)告、宏觀(guān)的經(jīng)濟(jì)環(huán)境以及行業(yè)基本狀況等大量的數(shù)據(jù)資料中挖掘出與決策相關(guān)的實(shí)質(zhì)性的信息，保證投資決策的正確性和有效性。如利用時(shí)間序列分析模型預(yù)測(cè)股票價(jià)格進(jìn)行投資；用聯(lián)機(jī)分析處理技術(shù)分析公司的信用等級(jí)，以預(yù)防投資風(fēng)險(xiǎn)等。

4.產(chǎn)品和市場(chǎng)預(yù)測(cè)與分析

品種優(yōu)化是選擇適當(dāng)?shù)漠a(chǎn)品組合以實(shí)現(xiàn)最大的利益的過(guò)程，這些利益可以是短期利潤(rùn)，也可以是長(zhǎng)期市場(chǎng)占有率，還可以是構(gòu)建長(zhǎng)期客戶(hù)群及其綜合體。為了達(dá)到這些目標(biāo)，管理會(huì)計(jì)師不僅僅需要價(jià)格和成本數(shù)據(jù)，有時(shí)還需要知道替代品的情況，以及在某一市場(chǎng)段位上它們與原產(chǎn)品競(jìng)爭(zhēng)的狀況。另外企業(yè)也需要了解一個(gè)產(chǎn)品是如何刺激另一些產(chǎn)品的銷(xiāo)量的等等。例如，非盈利性產(chǎn)品本身是沒(méi)有利潤(rùn)可言的，但是，如果它帶來(lái)了可觀(guān)的客戶(hù)流量，并刺激了高利潤(rùn)產(chǎn)品的銷(xiāo)售，那么，這種產(chǎn)品就非常有利可圖，就應(yīng)該包括在產(chǎn)品清單中。這些信息可根據(jù)實(shí)際數(shù)據(jù)，通過(guò)關(guān)聯(lián)分析等技術(shù)來(lái)得到。

5.財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)與評(píng)估

篇10

收稿日期：2007―09―15

項(xiàng)目：黑龍江省新世紀(jì)教改工程第四期項(xiàng)目。

作者簡(jiǎn)介：張麗娟（1965―），女，河北唐山人，副教授，博士。主要從事地理信息統(tǒng)計(jì)與運(yùn)籌、非線(xiàn)性模型等教學(xué)研究。

一、計(jì)量地理學(xué)課程的興衰

1963年，鮑頓(I.Burton)使用了“計(jì)量地理”這一詞語(yǔ)，對(duì)自20世紀(jì)50年代末期開(kāi)始，以數(shù)學(xué)方法在地理學(xué)中的應(yīng)用為內(nèi)涵的計(jì)量運(yùn)動(dòng)加以形容，并認(rèn)為從這以后不再是革命了，因?yàn)閿?shù)學(xué)方法已經(jīng)成為現(xiàn)代地理學(xué)的主要方法之一。從此，國(guó)際地理學(xué)界掀起了聲勢(shì)浩大的計(jì)量運(yùn)動(dòng)“或稱(chēng)計(jì)量革命”。不過(guò)，這在地理學(xué)界并未完全達(dá)成共識(shí)，因?yàn)楝F(xiàn)代地理學(xué)中的數(shù)學(xué)方法的引人，一方面，推動(dòng)了傳統(tǒng)地理學(xué)研究方法的變革；另一方面，卻產(chǎn)生了重定量分析，輕區(qū)域、生態(tài)研究的問(wèn)題。由此產(chǎn)生了一場(chǎng)波及整個(gè)地理學(xué)界的大辯論①。以至到了20世紀(jì)70年代后期，有人提出要重新評(píng)價(jià)計(jì)量運(yùn)動(dòng)，重新認(rèn)識(shí)地理學(xué)中的數(shù)學(xué)方法。有人認(rèn)為，數(shù)學(xué)方法只能用來(lái)研究地理要素之間的數(shù)量關(guān)系及地理事物的分布形態(tài)，而不能揭示復(fù)雜的地理現(xiàn)象形成的機(jī)制。1976年，在莫斯科舉行的第23界國(guó)際地理學(xué)大會(huì)上，成立于1964年第20界國(guó)際地理學(xué)大會(huì)議程中的“地理學(xué)計(jì)量方法委員會(huì)(CQMG)”被宣布解散，這標(biāo)志著轟轟烈烈的地理學(xué)的計(jì)量地理革命的呼聲到此瀕于沉寂②。我國(guó)由于受到“”的影響，未經(jīng)歷國(guó)外20世紀(jì)六、七十年代地理學(xué)的計(jì)量革命時(shí)代，隨后在20世紀(jì)八十年代，我國(guó)地理學(xué)界也開(kāi)始了計(jì)量地理運(yùn)動(dòng)，其標(biāo)志是各高等師范院校把計(jì)量地理學(xué)引入了地理科學(xué)專(zhuān)業(yè)，有的學(xué)校設(shè)為必修課，有的學(xué)校設(shè)為選修課③。但絕大多數(shù)高等師范院校在開(kāi)設(shè)了2～3屆后，便取消了。因此可以說(shuō)，我國(guó)的地理學(xué)界也重演了計(jì)量運(yùn)動(dòng)的興起和終結(jié)②。

計(jì)量地理運(yùn)動(dòng)所經(jīng)歷的興衰，其關(guān)鍵在于計(jì)量地理所采用的數(shù)學(xué)方法，基本上是統(tǒng)計(jì)方法。之所以遭到部分地理學(xué)家的反對(duì)，其主要原因?yàn)椋阂坏乩憩F(xiàn)象的非歐幾何性質(zhì)，決定了統(tǒng)計(jì)方法不能解決空間問(wèn)題；二是地理現(xiàn)象是復(fù)雜的非隨機(jī)現(xiàn)象，不能用解決隨機(jī)現(xiàn)象的多元統(tǒng)計(jì)學(xué)進(jìn)行系統(tǒng)分析，不能借助線(xiàn)性化技術(shù)擬合非線(xiàn)性系統(tǒng)。

盡管上述觀(guān)點(diǎn)在地理學(xué)界具有一定的代表性，而且也直接影響了計(jì)量地理學(xué)課程在我國(guó)高校的開(kāi)設(shè)，但隨著數(shù)學(xué)學(xué)科的發(fā)展，數(shù)學(xué)方法已遠(yuǎn)遠(yuǎn)不限于統(tǒng)計(jì)分析方法，針對(duì)不同地理現(xiàn)象、地理過(guò)程、地理事件，均有相應(yīng)的數(shù)學(xué)方法去解決，因此，在計(jì)量地理運(yùn)動(dòng)經(jīng)過(guò)了興衰之后，地理學(xué)中的數(shù)學(xué)方法的應(yīng)用已經(jīng)又進(jìn)入了一個(gè)快速發(fā)展的時(shí)期，于之相對(duì)應(yīng)的，地理學(xué)也進(jìn)入了現(xiàn)代地理學(xué)階段。重新評(píng)價(jià)和構(gòu)建計(jì)量地理課程，是非常必要的而且是必需的。

二、高等師范院校地理科學(xué)專(zhuān)業(yè)地理計(jì)算課程體系的構(gòu)建

我國(guó)高等師范院校在20世紀(jì)80年代后期，隨著計(jì)量地理學(xué)課程的取消或改為選修課，在我國(guó)地理科學(xué)專(zhuān)業(yè)保留計(jì)量地理學(xué)及相近課程的高等師范院校已經(jīng)廖廖無(wú)幾了，一些地方師范院校更是從來(lái)就沒(méi)開(kāi)設(shè)過(guò)類(lèi)似課程。而我國(guó)高等師范院校地理科學(xué)專(zhuān)業(yè)的培養(yǎng)目標(biāo)是：培養(yǎng)具備地理科學(xué)的基本理論、基本知識(shí)和基本技能，能在科研機(jī)構(gòu)、學(xué)校、企業(yè)從事科研、教學(xué)、管理、規(guī)劃與開(kāi)發(fā)及在行政部門(mén)從事管理工作的高級(jí)專(zhuān)門(mén)人才。那么在地理學(xué)發(fā)展到現(xiàn)代地理學(xué)階段的今天，面對(duì)數(shù)學(xué)方法已經(jīng)廣泛應(yīng)用于地理學(xué)中的現(xiàn)狀，高等師范院校地理科學(xué)專(zhuān)業(yè)如何構(gòu)建地理計(jì)算課程體系，成為了當(dāng)前必須解決的現(xiàn)實(shí)問(wèn)題。

1.重新編制地理信息統(tǒng)計(jì)學(xué)教材，代替原來(lái)的計(jì)量地理學(xué)

統(tǒng)計(jì)學(xué)是是研究客觀(guān)現(xiàn)象數(shù)量關(guān)系及其變化規(guī)律的方法論科學(xué)，是一門(mén)關(guān)于統(tǒng)計(jì)資料的收集、顯示、描述和分析方法的學(xué)科。統(tǒng)計(jì)學(xué)形成于19世紀(jì)初期到今天已經(jīng)有100多年的歷史，是一門(mén)系統(tǒng)的科學(xué)④。各個(gè)學(xué)科根據(jù)各自學(xué)科的特點(diǎn)與統(tǒng)計(jì)學(xué)相結(jié)合，就形成了專(zhuān)業(yè)統(tǒng)計(jì)學(xué)，與地理信息相結(jié)合，形成地理信息統(tǒng)計(jì)學(xué)。它從地理數(shù)據(jù)的收集到分析方法均有系統(tǒng)的解析。學(xué)生只需要最基本的概率論基礎(chǔ)和線(xiàn)性代數(shù)基礎(chǔ)，就能輕松掌握此課程的理論部分，而不需要另外設(shè)置數(shù)理統(tǒng)計(jì)方面的課程。數(shù)理統(tǒng)計(jì)屬于數(shù)學(xué)學(xué)科，偏重于數(shù)學(xué)理論的講解，如不能結(jié)合專(zhuān)業(yè)性質(zhì)，學(xué)生很難接受，也直接影響應(yīng)用效果。

我國(guó)原有的計(jì)量地理學(xué)的教材內(nèi)容，雖然與專(zhuān)業(yè)知識(shí)結(jié)合緊密，但數(shù)理統(tǒng)計(jì)的基礎(chǔ)知識(shí)講解的太少⑤，如果學(xué)生沒(méi)有概率論基礎(chǔ)，很難接受教材。實(shí)際上，只要在前面補(bǔ)充統(tǒng)計(jì)學(xué)中的抽樣分布和理論分布、假設(shè)檢驗(yàn)、方差分析、參數(shù)估計(jì)等內(nèi)容，就能解決這一問(wèn)題。這樣，既不需要單獨(dú)由數(shù)學(xué)老師開(kāi)設(shè)概率論和數(shù)理統(tǒng)計(jì)的課程，又能緊密結(jié)合地理學(xué)科，既加強(qiáng)了學(xué)生數(shù)據(jù)處理的基礎(chǔ)技能，又使地理計(jì)算學(xué)科課程更加具有層次性和系統(tǒng)性。我國(guó)現(xiàn)有少數(shù)高等師范院校開(kāi)設(shè)了概率論和數(shù)理統(tǒng)計(jì)課程，進(jìn)而取代了計(jì)量地理學(xué)課程，筆者認(rèn)為是不可取的，脫離了專(zhuān)業(yè)的純粹的數(shù)學(xué)課程與和專(zhuān)業(yè)相結(jié)合的課程所起的作用是不可比擬的。由于地理信息統(tǒng)計(jì)學(xué)中的回歸分析需要線(xiàn)性代數(shù)做基礎(chǔ)，因此需要在基礎(chǔ)課程上安排線(xiàn)性代數(shù)這門(mén)課程。

2.引進(jìn)地理學(xué)中的數(shù)學(xué)方法這門(mén)課程

在地理信息統(tǒng)計(jì)學(xué)的基礎(chǔ)上，依靠學(xué)生已經(jīng)具有的處理地理問(wèn)題的定量化基礎(chǔ)，引入地理學(xué)中的數(shù)學(xué)方法這門(mén)課程。從以上分析可知，可以納入這門(mén)課的內(nèi)容很多，有的方法需要較高的數(shù)學(xué)理論基礎(chǔ)，因此，筆者建議將學(xué)生容易接受的有馬爾可夫過(guò)程、線(xiàn)性規(guī)劃、投入產(chǎn)出分析、多目標(biāo)規(guī)劃、動(dòng)態(tài)規(guī)劃、非線(xiàn)性模型、網(wǎng)絡(luò)分析、層次分析法、風(fēng)險(xiǎn)型決策分析法、非確定型決策分析法、模糊數(shù)學(xué)方法、灰色系統(tǒng)方法，做為地理學(xué)中的數(shù)學(xué)方法（一）；其它的控制論、信息論、突變論、耗散結(jié)構(gòu)理論、協(xié)同論、系統(tǒng)動(dòng)力學(xué)方法、分形理論、小波分析、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、細(xì)胞自動(dòng)機(jī)則屬于難度較大的數(shù)學(xué)方法，可做為地理學(xué)中的數(shù)學(xué)方法（二）。在講解過(guò)程中地理學(xué)中的數(shù)學(xué)方法（一）可以采用理論和應(yīng)用相結(jié)合，而地理學(xué)中的數(shù)學(xué)方法（二）則注重應(yīng)用。地理學(xué)中的數(shù)學(xué)方法（一）可在本科生階段開(kāi)設(shè)，地理學(xué)中的數(shù)學(xué)方法（二）在研究生階段開(kāi)設(shè)。

3.計(jì)算機(jī)技術(shù)的發(fā)展為地理計(jì)算課程的開(kāi)設(shè)提供了先決條件

統(tǒng)計(jì)學(xué)的計(jì)算軟件開(kāi)發(fā)已非常成熟。世界上最著名的數(shù)據(jù)分析軟件SAS和SPSS、浙江大學(xué)開(kāi)發(fā)的DPS數(shù)據(jù)處理系統(tǒng)、MATLABV4.0軟件包，都是目前很受歡迎的統(tǒng)計(jì)軟件。因此，統(tǒng)計(jì)學(xué)軟件與統(tǒng)計(jì)學(xué)理論的結(jié)合，提供了設(shè)置地理計(jì)算學(xué)課程的先決條件。

4.高等師范院校地理科學(xué)專(zhuān)業(yè)地理計(jì)算課程體系的構(gòu)建

綜合以上分析，提出高等師范院校地理科學(xué)專(zhuān)業(yè)開(kāi)設(shè)地理計(jì)算課程體系為：大學(xué)一年級(jí)的第二學(xué)期，在第一學(xué)期開(kāi)設(shè)高等數(shù)學(xué)的基礎(chǔ)上，增設(shè)線(xiàn)性代數(shù)，學(xué)時(shí)為60學(xué)時(shí)；大學(xué)二年級(jí)的第二學(xué)期，開(kāi)設(shè)地理信息統(tǒng)計(jì)學(xué)，學(xué)時(shí)為64學(xué)時(shí)（54學(xué)時(shí)的理論課，10學(xué)時(shí)的上機(jī)操作）；大學(xué)三年級(jí)的第二學(xué)期，開(kāi)設(shè)地理中的數(shù)學(xué)方法（一），學(xué)時(shí)為60學(xué)時(shí)；在研究生一年級(jí)的第二學(xué)期，開(kāi)設(shè)地理學(xué)中的數(shù)學(xué)方法（二）。

三、結(jié)論

1、計(jì)量地理運(yùn)動(dòng)的興衰影響了我國(guó)高等師范院校地理科學(xué)專(zhuān)業(yè)開(kāi)設(shè)計(jì)量地理學(xué)課程的現(xiàn)狀。隨著地理學(xué)中研究問(wèn)題的廣泛性，數(shù)學(xué)方法已應(yīng)用于地理學(xué)中的多個(gè)方面，培養(yǎng)和提高地理科學(xué)專(zhuān)業(yè)學(xué)生的定量分析問(wèn)題的能力和素質(zhì)，已是刻不容緩。

2、用地理信息統(tǒng)計(jì)學(xué)代替計(jì)量地理學(xué)，增加統(tǒng)計(jì)學(xué)中的概率論、理論分布和抽樣分布、假設(shè)檢驗(yàn)、方差分析、參數(shù)估計(jì)等內(nèi)容，加強(qiáng)學(xué)生的數(shù)學(xué)基礎(chǔ)。

3、引進(jìn)地理學(xué)中的數(shù)學(xué)方法這門(mén)課程，根據(jù)內(nèi)容的難易分成兩個(gè)系列課程，即地理學(xué)中的數(shù)學(xué)方法（一）和地理學(xué)中的數(shù)學(xué)方法（二）。

4、提出了高等師范院校地理科學(xué)專(zhuān)業(yè)開(kāi)設(shè)地理計(jì)算課程體系：大學(xué)一年級(jí)的第二學(xué)期開(kāi)設(shè)線(xiàn)性代數(shù)，學(xué)時(shí)為60學(xué)時(shí)；大學(xué)二年級(jí)的第二學(xué)期，開(kāi)設(shè)地理信息統(tǒng)計(jì)學(xué)，學(xué)時(shí)為64學(xué)時(shí)（54學(xué)時(shí)的理論課，10學(xué)時(shí)的上機(jī)操作）；大學(xué)三年級(jí)的第二學(xué)期，開(kāi)設(shè)地理中的數(shù)學(xué)方法（一），學(xué)時(shí)為60學(xué)時(shí)；在研究生一年級(jí)的第二學(xué)期，開(kāi)設(shè)地理學(xué)中的數(shù)學(xué)方法（二）。

參考文獻(xiàn)：

〔1〕徐建華.現(xiàn)代地理學(xué)中的數(shù)學(xué)方法〔M〕.高等教育出版社,1995,1-5.

〔2〕陳彥光.地理學(xué):計(jì)量運(yùn)動(dòng)的失敗與分形研究的崛起〔J〕.信陽(yáng)師范學(xué)院學(xué)報(bào)(自然科學(xué)版),1999,12(3):310-314.

〔3〕許峰宇,戴先杰.高等教育地理學(xué)專(zhuān)業(yè)課程體系研究〔J〕.煤炭高等教育,2004,22(3):83-86.

篇11

【摘要】關(guān)系數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘是作為三種獨(dú)立的信息技術(shù)出現(xiàn)的，是數(shù)據(jù)庫(kù)研究、開(kāi)發(fā)和應(yīng)用最活躍的分支之一，通過(guò)對(duì)三種技術(shù)的內(nèi)在聯(lián)系性和互補(bǔ)性分析，從而更好的使用數(shù)據(jù)庫(kù)技術(shù)處理各種信息需求，建立更加完善的數(shù)據(jù)庫(kù)應(yīng)用系統(tǒng)或新的決策系統(tǒng)。

關(guān)鍵詞 關(guān)系數(shù)據(jù)庫(kù)；數(shù)據(jù)倉(cāng)庫(kù)；數(shù)據(jù)挖掘；關(guān)

0引言

關(guān)系數(shù)據(jù)庫(kù)是20世紀(jì)70年代初提出來(lái)，經(jīng)過(guò)數(shù)據(jù)庫(kù)專(zhuān)家?guī)资甑呐?，理論和?shí)踐都取得了顯著成果，標(biāo)志著數(shù)據(jù)庫(kù)技術(shù)的日益成熟。但它仍然難以實(shí)現(xiàn)對(duì)關(guān)系數(shù)據(jù)庫(kù)中數(shù)據(jù)的分析，不能很好地支持決策，因此在80年代，產(chǎn)生了數(shù)據(jù)倉(cāng)庫(kù)的思想，90年代，數(shù)據(jù)倉(cāng)庫(kù)的基本原理、架構(gòu)形式和使用原則都已確定。主要技術(shù)包括對(duì)數(shù)據(jù)庫(kù)中數(shù)據(jù)訪(fǎng)問(wèn)、網(wǎng)絡(luò)、C/S結(jié)構(gòu)和圖形界面，一些大公司已經(jīng)開(kāi)始構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)。針對(duì)數(shù)據(jù)倉(cāng)庫(kù)中迅速增長(zhǎng)的海量數(shù)據(jù)的收集、存放，用人力已經(jīng)不能解決，那么數(shù)據(jù)倉(cāng)庫(kù)中有用的知識(shí)的提取就需要數(shù)據(jù)挖掘來(lái)實(shí)現(xiàn)。數(shù)據(jù)挖掘與統(tǒng)計(jì)學(xué)子領(lǐng)域“試探性數(shù)據(jù)分析”及人工智能子領(lǐng)域“知識(shí)發(fā)現(xiàn)”和機(jī)器學(xué)有關(guān)，是一門(mén)綜合性的技術(shù)學(xué)科。了解關(guān)系數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘三者之間的區(qū)別與聯(lián)系，使之更好的使用這3種技術(shù)，處理各種信息需求是非常必要和重要的。

1關(guān)系數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘之間的關(guān)系

1.1關(guān)系數(shù)據(jù)庫(kù)和數(shù)據(jù)倉(cāng)庫(kù)之間的聯(lián)系與區(qū)別

關(guān)系數(shù)據(jù)庫(kù)是面向事務(wù)的設(shè)計(jì)，數(shù)據(jù)倉(cāng)庫(kù)是一個(gè)面向主題的設(shè)計(jì)；關(guān)系數(shù)據(jù)庫(kù)存儲(chǔ)在線(xiàn)事務(wù)數(shù)據(jù)，數(shù)據(jù)倉(cāng)庫(kù)通常存儲(chǔ)歷史數(shù)據(jù)，關(guān)系數(shù)據(jù)庫(kù)的設(shè)計(jì)將盡量避免冗余，但數(shù)據(jù)倉(cāng)庫(kù)是傾向于引入冗余；關(guān)系數(shù)據(jù)庫(kù)設(shè)計(jì)用于捕獲數(shù)據(jù)，數(shù)據(jù)倉(cāng)庫(kù)設(shè)計(jì)用于分析數(shù)據(jù)。傳統(tǒng)的關(guān)系數(shù)據(jù)庫(kù)面向以事務(wù)處理為主的系統(tǒng)應(yīng)用，所以它無(wú)法滿(mǎn)足決策支持系統(tǒng)的分析要求。事務(wù)處理和分析處理有非常不同的性質(zhì)，他們有不同的需求數(shù)據(jù)。

1.2數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘之間的聯(lián)系與區(qū)別

數(shù)據(jù)挖掘是基于數(shù)據(jù)倉(cāng)庫(kù)和多維數(shù)據(jù)庫(kù)中的數(shù)據(jù)，找到數(shù)據(jù)的潛在模式進(jìn)行預(yù)測(cè)，它可以對(duì)數(shù)據(jù)進(jìn)行復(fù)雜處理。大多數(shù)情況下，數(shù)據(jù)挖掘是讓數(shù)據(jù)從數(shù)據(jù)倉(cāng)庫(kù)到數(shù)據(jù)挖掘數(shù)據(jù)庫(kù)中。從數(shù)據(jù)倉(cāng)庫(kù)中直接得到進(jìn)行數(shù)據(jù)挖掘的數(shù)據(jù)有許多優(yōu)點(diǎn)，因?yàn)閿?shù)據(jù)倉(cāng)庫(kù)中數(shù)據(jù)的清理和數(shù)據(jù)挖掘中幾乎是相同的，如果數(shù)據(jù)在數(shù)據(jù)倉(cāng)庫(kù)中已被清除，數(shù)據(jù)挖掘中不再被清除，并且數(shù)據(jù)不一致也得到了解決。數(shù)據(jù)倉(cāng)庫(kù)是數(shù)據(jù)挖掘的先期步驟，通過(guò)數(shù)據(jù)倉(cāng)庫(kù)的構(gòu)建，提高了數(shù)據(jù)挖掘的效率和能力，保證了數(shù)據(jù)挖掘中的數(shù)據(jù)的寬廣性和完整性。

1.3關(guān)系數(shù)據(jù)庫(kù)與數(shù)據(jù)挖掘之間的聯(lián)系與區(qū)別

數(shù)據(jù)挖掘的數(shù)據(jù)源不一定是數(shù)據(jù)倉(cāng)庫(kù)。也可以是一個(gè)關(guān)系數(shù)據(jù)庫(kù)中的數(shù)據(jù)，但要事先進(jìn)行數(shù)據(jù)預(yù)處理，才能用于數(shù)據(jù)挖掘。數(shù)據(jù)預(yù)處理是數(shù)據(jù)挖掘的關(guān)鍵步驟，并且是數(shù)據(jù)挖掘過(guò)程中的主要工作部分。因此，數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘沒(méi)有必然的聯(lián)系，有些人簡(jiǎn)單地認(rèn)為，數(shù)據(jù)倉(cāng)庫(kù)是數(shù)據(jù)挖掘的準(zhǔn)備，這種理解是不全面的，也可以使用關(guān)系數(shù)據(jù)庫(kù)中的數(shù)據(jù)作為數(shù)據(jù)挖掘的數(shù)據(jù)源。

2三種技術(shù)的應(yīng)用

2.1應(yīng)用價(jià)值

2.1.1關(guān)系數(shù)據(jù)庫(kù)

關(guān)系數(shù)據(jù)庫(kù)的主要價(jià)值體現(xiàn)在事務(wù)處理。關(guān)系數(shù)據(jù)庫(kù)已經(jīng)滲透到各行各業(yè)的日常事務(wù)，該事務(wù)管理離不開(kāi)關(guān)系數(shù)據(jù)庫(kù)的應(yīng)用系統(tǒng)，這是對(duì)傳統(tǒng)事務(wù)管理的一個(gè)重大突破，是社會(huì)甚至家庭不可或缺的工具，它對(duì)社會(huì)的應(yīng)用價(jià)值是100%。

2.1.2數(shù)據(jù)倉(cāng)庫(kù)

數(shù)據(jù)倉(cāng)庫(kù)的主要價(jià)值體現(xiàn)在為決策分析提供數(shù)據(jù)源。一方面，在一個(gè)事務(wù)中，用戶(hù)要求高效的訪(fǎng)問(wèn)系統(tǒng)和數(shù)據(jù)庫(kù)，操作時(shí)間應(yīng)該短。在一個(gè)決策分析中，決策問(wèn)題的一些請(qǐng)求可能會(huì)導(dǎo)致系統(tǒng)的操作，解決這一問(wèn)題的決策分析需要遍歷大多數(shù)數(shù)據(jù)庫(kù)中的數(shù)據(jù)，這對(duì)一般日常事務(wù)處理系統(tǒng)是困難的，所以操作數(shù)據(jù)和決策分析數(shù)據(jù)應(yīng)該分開(kāi)。另一方面，決策數(shù)據(jù)需求問(wèn)題。在決策分析時(shí)，由于不同的應(yīng)用系統(tǒng)中，實(shí)體、字段存在數(shù)據(jù)類(lèi)型、名稱(chēng)和格式的不符，需要在集成時(shí)進(jìn)行轉(zhuǎn)換，這個(gè)轉(zhuǎn)換必須在決策之前完成；一些決策數(shù)據(jù)需要?jiǎng)討B(tài)更新，需要經(jīng)常進(jìn)行匯總和總結(jié)，這些需求用事務(wù)處理系統(tǒng)解決比較繁瑣。三是數(shù)據(jù)的操作模式問(wèn)題。決策分析人員要以專(zhuān)業(yè)用戶(hù)身份，使用各種工具以各種形式來(lái)操作數(shù)據(jù)，對(duì)數(shù)據(jù)操作的結(jié)果以商業(yè)智能的方式表達(dá)出來(lái)。事務(wù)處理系統(tǒng)不能滿(mǎn)足這一要求，只有數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)能夠滿(mǎn)足數(shù)據(jù)挖掘技術(shù)對(duì)數(shù)據(jù)環(huán)境的要求，所以使用數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)省去了對(duì)數(shù)據(jù)預(yù)處理的步驟。

2.1.3數(shù)據(jù)挖掘

面對(duì)日益激烈的市場(chǎng)競(jìng)爭(zhēng)，客戶(hù)對(duì)迅速應(yīng)答各種業(yè)務(wù)問(wèn)題的能力要求越來(lái)越高，對(duì)過(guò)量數(shù)據(jù)的及時(shí)處理要求越來(lái)越高，帶來(lái)的挑戰(zhàn)一方面大規(guī)模、復(fù)雜數(shù)據(jù)系統(tǒng)讓用戶(hù)感覺(jué)漫無(wú)頭緒，無(wú)法開(kāi)始；另一方面，這些大量數(shù)據(jù)背后隱藏很多有意義的有價(jià)值的決策信息。如計(jì)算機(jī)界都熟知的“啤酒與尿布”的故事，就是零售業(yè)巨頭“沃爾瑪”從大量銷(xiāo)售數(shù)據(jù)中分析出來(lái)的規(guī)律：美國(guó)的男士在下班要去超市買(mǎi)嬰兒尿布，同時(shí)他們還會(huì)買(mǎi)啤酒?！拔譅柆敗本桶堰@兩種“毫不相干”的商品擺放在靠近的貨架上，并且還擺放一些下灑小菜，使這些商品銷(xiāo)量大增。所以應(yīng)用數(shù)據(jù)挖掘從大量數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，具有具體的指導(dǎo)意義。

2.2應(yīng)用領(lǐng)域

2.2.1關(guān)系數(shù)據(jù)庫(kù)

關(guān)系數(shù)據(jù)庫(kù)應(yīng)用領(lǐng)域非常廣泛，如：證券行業(yè)、醫(yī)院、銀行、銷(xiāo)售部門(mén)、公司或企業(yè)，以及政府、國(guó)防工業(yè)，科學(xué)和技術(shù)發(fā)展領(lǐng)域等等，這些領(lǐng)域都需要使用數(shù)據(jù)庫(kù)來(lái)存儲(chǔ)數(shù)據(jù)。例如:人事管理系統(tǒng)、工資管理系統(tǒng)，xxx部門(mén)信息管理系統(tǒng)，手機(jī)話(huà)費(fèi)管理系統(tǒng)等，都需要關(guān)系數(shù)據(jù)庫(kù)作為后臺(tái)提供數(shù)據(jù)源。

2.2.2數(shù)據(jù)倉(cāng)庫(kù)

數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用領(lǐng)域主要有兩個(gè)方面：一是全局應(yīng)用。因?yàn)閿?shù)據(jù)倉(cāng)庫(kù)獲得來(lái)自多方面的數(shù)據(jù)，所以在把數(shù)據(jù)向數(shù)據(jù)倉(cāng)庫(kù)輸入時(shí)，要進(jìn)行轉(zhuǎn)換、計(jì)算和綜合等集成處理。通過(guò)處理把來(lái)自不同地方的數(shù)據(jù)源轉(zhuǎn)換成統(tǒng)一的格式，以促進(jìn)全局應(yīng)用。二是復(fù)雜系統(tǒng)。信息處理的要求越來(lái)越復(fù)雜，除了數(shù)據(jù)處理操作，如添加、刪除、修改、和統(tǒng)計(jì)匯總，高級(jí)管理層也希望對(duì)歷史的和現(xiàn)在的數(shù)據(jù)進(jìn)行各種復(fù)雜性分析，以支持決策。數(shù)據(jù)倉(cāng)庫(kù)中就是存儲(chǔ)了舊的歷史數(shù)據(jù)，方便復(fù)雜分析、應(yīng)用，為高層決策服務(wù)。

2.2.3數(shù)據(jù)挖掘

數(shù)據(jù)挖掘的應(yīng)用領(lǐng)域主要表現(xiàn)在特定應(yīng)用問(wèn)題和應(yīng)用背景。數(shù)據(jù)挖掘技術(shù)已經(jīng)應(yīng)用于各行各業(yè)，如電信，保險(xiǎn)，交通，學(xué)校、銀行、超級(jí)市場(chǎng)等。例如：數(shù)據(jù)挖掘技術(shù)應(yīng)用在大學(xué)。高校擴(kuò)招，學(xué)生增加到幾萬(wàn)人，但是學(xué)生的學(xué)習(xí)積極性不高，成績(jī)不好，因此引入數(shù)據(jù)挖掘技術(shù)找出影響學(xué)生學(xué)習(xí)積極性和學(xué)習(xí)成績(jī)的原因，制定措施，提高教育和教學(xué)質(zhì)量。分析的數(shù)據(jù)源是考試成績(jī)和成績(jī)之外的影響因素，分析的方法是采用關(guān)聯(lián)規(guī)則、模型庫(kù)、去“噪”處理、粗糙集等進(jìn)行數(shù)據(jù)挖掘，得出的結(jié)論是：傳統(tǒng)的學(xué)習(xí)方法不能完全滿(mǎn)足需要，改進(jìn)教學(xué)方法和教學(xué)模式，從而調(diào)動(dòng)學(xué)生學(xué)習(xí)的積極性，提高教學(xué)質(zhì)量。

3關(guān)系數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘的融合

日常事務(wù)處理需要關(guān)系數(shù)據(jù)庫(kù)，構(gòu)建分析處理（下轉(zhuǎn)第318頁(yè)）（上接第59頁(yè)）環(huán)境需要數(shù)據(jù)倉(cāng)庫(kù)，幫助決策者尋找數(shù)據(jù)之間的潛在的關(guān)聯(lián)需要數(shù)據(jù)挖掘。他們之間是相互聯(lián)系又有區(qū)別的，不能互相取代的，又需要相互融合。數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)并不是最新的，專(zhuān)有的，而是來(lái)源于其他關(guān)系數(shù)據(jù)庫(kù)，它是建立在一個(gè)更全面和完善的信息應(yīng)用的基礎(chǔ)上，用于支持高層決策分析的數(shù)據(jù)基地。數(shù)據(jù)倉(cāng)庫(kù)是數(shù)據(jù)庫(kù)新技術(shù)，到目前為止，數(shù)據(jù)倉(cāng)庫(kù)仍用關(guān)系數(shù)據(jù)庫(kù)管理系統(tǒng)管理數(shù)據(jù)。數(shù)據(jù)挖掘是從大量存儲(chǔ)在數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)或其他信息庫(kù)中發(fā)現(xiàn)有趣知識(shí)的過(guò)程。只有這三個(gè)數(shù)據(jù)庫(kù)技術(shù)互相融合，取長(zhǎng)補(bǔ)短，各盡其責(zé)，才能更好的為廣大用戶(hù)所使用，為社會(huì)各個(gè)領(lǐng)域所應(yīng)用。

參考文獻(xiàn)

［1］華冠萍.數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)挖掘及OLAP之兩兩關(guān)系[J].福建電腦,2007,8.