時間：2023-03-20 16:23:13
引言：易發表網憑借豐富的文秘實踐，為您精心挑選了九篇大數據分析論文范例。如需獲取更多原創內容，可隨時聯系我們的客服老師。
基本的大數據的處理流程可以分成數據采集、數據處理與集成、數據分析和數據解釋4個階段。首先獲取數據源的數據，因為在數據源端的數據包含各種各樣的結構，需要使用某種方法將其進行預處理，使數據成為某種可以用一種算法分析的統一數據格式，接著需要找到這種數據分析的算法，將預處理過的數據進行算法特定的分析，并將分析的結果用可視化等手段呈現至用戶端。
1.1數據采集
大數據的采集是整個流程的基礎，隨著互聯網技術和應用的發展以及各種終端設備的普及，使得數據的生產者范圍越來越大，數據的產量也越來越多，數據之間的關聯也越來越復雜，這也是大數據中“大”的體現，所以需要提高數據采集速度和精度要求。
1.2數據處理與集成
數據的處理與集成主要是對前一步采集到的大量數據進行適當的預處理，包括格式化、去噪以及進一步集成存儲。因為數據采集步驟采集到的數據各種各樣，其數據結構也并不統一，不利于之后的數據分析，而且，一些數據屬于無效數據，需要去除，否則會影響數據分析的精度和可靠性，所以，需要將數據統一格式并且去除無效數據。通常會設計一些過濾器來完成這一任務。
1.3數據分析
在完成了數據的采集和處理后，需要對數據進行分析，因為在進行數據分析后才能體現所有大數據的重要價值。數據分析的對象是上一步數據的處理與集成后的統一格式數據，需要根據所需數據的應用需求和價值體現方向對這些原始樣本數據進一步地處理和分析。現有的數據分析通常指采用數據倉庫和數據挖掘工具對集中存儲的數據進行分析，數據分析服務與傳統數據分析的差別在于其面向的對象不是數據，而是數據服務。
1.4數據解釋
數據解釋是對大數據分析結果的解釋與展現，在數據處理流程中，數據結果的解釋步驟是大數據分析的用戶直接面對成果的步驟，傳統的數據顯示方式是用文本形式體現的，但是，隨著數據量的加大，其分析結果也更復雜，傳統的數據顯示方法已經不足以滿足數據分析結果輸出的需求，因此，數據分析企業會引入“數據可視化技術”作為數據解釋方式。通過可視化結果分析，可以形象地向用戶展示數據分析結果。
2云計算與大數據分析的關系
云計算是基于互聯網的相關服務的增加、使用和交付模式，通常涉及通過互聯網來提供動態易擴展且經常是虛擬化的資源，是一種按使用量付費的模式。這種模式提供可用的、便捷的、按需的網絡訪問，進入可配置的計算資源共享池（資源包括網絡、服務器、存儲、應用軟件、服務），這些資源能夠被快速提供，只需投入很少的管理工作，或與服務供應商進行很少的交互。目前，國內外已經有不少成熟的云計算的應用服務。數據分析是整個大數據處理流程里最核心的部分。數據分析是以數據的價值分析為目的的活動，而基于大數據的數據分析通常表現為對已獲取的海量數據的分析，其數據來源可能是企業數據也可能是企業數據與互聯網數據的融合。從目前的趨勢來看，云計算是大數據的IT基礎，是大數據分析的支撐平臺，不斷增長的數據量需要性能更高的數據分析平臺承載。所以，云計算技術的不斷發展可以為大數據分析提供更為靈活、迅速的部署方案，使得大數據分析的結果更加精確。另一方面，云計算的出現為大數據分析提供了擴展性更強，使用成本更低的存儲資源和計算資源，使得中小企業也可以通過云計算來實現屬于自己的大數據分析產品。大數據技術本身也是云計算技術的一種延伸。大數據技術涵蓋了從數據的海量存儲、處理到應用多方面的技術，包括海量分布式文件系統、并行計算框架、數據庫、實時流數據處理以及智能分析技術，如模式識別、自然語言理解、應用知識庫等等。但是，大數據分析要走向云計算還要賴于數據通信帶寬的提高和云資源的建設，需要確保原始數據能遷移到云環境以及資源池可以隨需彈性擴展。
3基于云計算環境的Hadoop
為了給大數據處理分析提供一個性能更高、可靠性更好的平臺，研究者基于MapReduce開發了一個基于云計算環境的開源平臺Hadoop。Hadoop是一個以MapReduce算法為分布式計算框架，包括分布式文件系統（HDFS）、分布式數據庫（Hbase、Cassandra）等功能模塊在內的完整生態系統，已經成為當前最流行的大數據處理平臺，并被廣泛認可和開發應用。基于Hadoop，用戶可編寫處理海量數據的分布式并行程序，并將其運行于由成百上千個節點組成的大規模計算機集群上。
4實例分析
本節以電信運營商為例，說明在云計算環境中基于Hadoop的大數據分析給大數據用戶帶來的價值。當前傳統語音和短信業務量下滑，智能終端快速增長，移動互聯網業務發展迅速，大數據分析可以為運營商帶來新的機會，幫助運營商更好地轉型。本文數據分析樣本來自于某運營商的個人語音和數據業務清單，通過Hadoop2.6.0在Ubuntu12.04系統中模擬了一個大數據分析平臺來處理獲得的樣本。希望通過對樣本數據的分析與挖掘，掌握樣本本身的一些信息。以上分析只是一些很基本的簡單分析，實際上樣本數據中所蘊含的價值要遠遠大于本文體現的。以上舉例意在說明基于云計算的大數據分析可以在數據分析上體現出良好的性能，為企業帶來更豐富更有效率的信息提取、分類，并從中獲益。
5結束語
關于移動通信論文參考文獻：
[1]謝顯忠等，基于TDD的第四代移動通信技術[M].電子工業出版社，2005.
[2]解梅，移動通信技術及發展[J].電子科技大學學報，2003，02.
[3]宋文濤、羅漢文，移動通信[M].上海交通大學出版社，1996.
[4]何林娜，數字移動通信技術[M].機械工業出版社，2004.
[5]呂昌春，李林園.移動互聯網產業鏈平臺競爭與電信運營商增值業務發展策略研究[J].郵電設計技術，2012（11）：16-20.
[6]張潔.影響中國移動通信產業發展競爭力的因素分析[J].經濟視角（下），2011（01）：52-53.
關于移動通信論文參考文獻：
[1]張潔.影響中國移動通信產業發展競爭力的因素分析[J].經濟視角（下），2011（01）：52-53.
[2]呂昌春，李林園.移動互聯網產業鏈平臺競爭與電信運營商增值業務發展策略研究[J].郵電設計技術，2012（11）：16-20.
[3]劉文婷.以運營商為主導的移動互聯網業務商業模式研究[J].中國工業經濟，2012（08）：66-74.
[4]馮文高.我國移動通信產業的競爭均衡分析[J].現代經濟信息.2009（16）
[5]張潔.影響中國移動通信產業發展競爭力的因素分析[J].經濟視角（下）.2011（01）
[6]馬云澤.我國移動通信產業的市場結構與規制改革[J].經濟問題.2009（01）
[7]張平王衛東陶小峰《WCDMA移動通信系統》人民郵電出版社
[8]詹炳根，《工程建設監理》，中國建設工業出版社，1997
[9]謝堅勛淺談工程監理與項目管理接軌建設監理2004(2)
關于移動通信論文參考文獻：
[1]趙剛.大數據：技術與應用實踐指南[M].北京：電子工業出版社，2013.
[2]漆晨犧.電信企業大數據分析、應用及管理發展策略[J].電信科學，2013（3）：12-16.
[3]劉潔，王哲.基于大數據的電信運營商業務精確運營平臺的構建化[J].電信科學，2015，29（3）：22-26.
[4]張俊.移動通信網絡中大數據處理的關鍵技術研究[J].電信網技術，2014（4）：10-12.
[5]康波，劉勝強.基于大數據分析的互聯網業務用戶體驗管理[J].電信科學，2013，29（3）：32-35.
[6]謝華.大數據在移動通信中的應用探討[J].科技創業家，2014（1）.
[7]夏磊.探巧大數據下的智能數據分析技術[J].科技創新導報，2014（10）：21.
[8]侯優優，隋化嚴.網絡優化中的大數據應用[J].互聯網天地，2014（l）：34-37.
[9]劉震，付俊輝，趙楠.基于移動通信數據的用戶移動軌跡預測方法[J].計算機應用與軟件，2015，30（2）：10-13.
關鍵詞：大數據；數據分析；數理統計
基金項目：華北理工大學研究生教育教學改革項目資助（項目編號：K1503）
基金項目：華北理工大學教育教學改革研究與實踐重點項目資助（項目編號：Z1514-05；J 1509-09）
G643；O21-4
谷歌公司的經濟學家兼加州大學的教授哈爾?范里安先生過去說過統計學家將會成為像電腦工程師一樣受歡迎的工作。在未來10年里，人們獲得數據、處理數據、分析數據、判斷數據、提取信息的能力將變得非常重要，不僅僅在教育領域，各行各業都需要數據專家，“大數據”時代的到來使得數據處理與分析技術日新月異，深刻的影響著各個行業、領域及學科的發展，尤其是與數據關系密切的行業及學科，而作為工科各專業碩士研究生重要的公共基礎課數理統計學是天生與數據打交道的學科。
怎樣在“大數據”時代背景下培養出適應面向企業自主創新需求的數據分析人員或掌握現代數據處理技術的工程師，如何把當下流行的“大數據”處理技術與相關數理統計學課程教學有機的結合，以激發學生對數據處理與分析技術發展的興趣，這些都是我們在與數理統計學相關的課程教學中不得不思考的問題。然而，當前高校工科各專業碩士研究生數理統計教學的現狀卻與其重要程度相去甚遠，整個教學過程的諸多環節都存在較大的不足，主要表現為：1.教學內容偏重理論，學生學習興趣不高；2. 輕統計實驗；忽略對統計相關軟件的教學；3.沒有注重數理統計的學習與研究生專業相結合，實用性強調不夠。4. 輕能力培養；輕案例分析等。
這些現象導致的直接后果就是學生動手能力上的缺陷和創新能力的缺乏， 不能夠自覺利用數理統計知識解決實際問題， 尤其缺乏對統計數據的分析能力。因此，需要數理統計學隨著環境的變化不斷創新新的數理統計思維和教學內容。避免教學內容與大數據時代脫節。為此筆者在該課程的教學過程中，有意識地進行了一些教學改革嘗試。提出了幾點工科研究生數理統計教學的改革措施。
（1）調整教學內容，將與數理統計相關的大數據處理案例引進課堂。有很多有普遍性的應用統計實際案例，可以在本課程的教學過程中有選擇的引入介紹給學生，讓學生們了解利用所學統計方法進行實際數據分析的操作過程和得出結論的思維方法。以期解決工科研究生對確定性思維到隨機性思維方式的轉變的不適應性。
（2）適應大數據時代數理統計學課程的教學環境。實現教學方式的多樣性。大數據時代背景下，互聯網十分發達，學生根據自己的興趣去收集、整理和分析數據，既可以改變他們對統計方法的進一步認識，也可以增加他們的學習興趣。甚至可以以專業QQ群，郵件的方式和同學、老師之間相互交流，交流者處于相互平等的地位，可以暢所欲言，隨時隨地都可以交流，起到事半功倍的效果。這種交流使得教師不再是知識的權威，而是把教師上課作為一種更好自主學習的引導，這種交流使得他們的思想變得更加成熟。同時參與各種網絡論壇，貼吧回答問題等使得他們更能體現自己的價值，這種交流也使得學生的學習熱情和學習精神得到更好的激發。
（3）引導工科研究生開展與本專業相結合的課題研究，強調實用性，注重統計思維能力培養。適應大數據時代數理統計學課程教學環境，實現教學方式的多樣性。以期彌補學生缺少數據分析實例的訓練，解決學以致用的不足。在目前的數理統計教學安排下，受學時所限，如果相當一部分時間用來學習公式、定理的推導及證明，勢必沒有時間進行實際的數據分析練習。在大數據時代背景下，隨著海量數據、復雜形式數據的出現，使得統計方法的發展和以前有了很大的不同，沒有實際的數據分析訓練，學生們就無法對統計的廣泛應用性及重要性有深刻的體會，也不利于保持和提高他們的學習興趣。這要求具體工作者提出新的統計思想和方法，加深對已有統計思想的理解，以解決實際問題。
（4）改革成績評定方式。現有的考試模式為通過有限的一到兩個小時的期末考試，進行概念的辨析和理論及方法的推導計算，由此來判斷研究生關于數理統計課程的學習情況有很大的不足，特別是對可以利用軟件進行的某些實際數據分析的考察沒有辦法實現。因此，有必要通過日常課堂“論文選題―提交―討論”與期末理論考試相結合的形式對學生數理統計學習進行考核。加大對學生平時考察的力度，相應地減少期末考試成績的比重。讓學生選擇一些與自己專業有關的數據進行嘗試性的數據分析、一些統計科普著作的讀書報告等并寫成論文的形式提交，做為對學生成績的評定方式，更能綜合、客觀地評價學生的學習情況。
數據分析在現代生活中發揮的作用越來越大，而道磽臣品椒可以與數據分析有機的結合，從而在提高數據分析效率的同時，保持分析結果的有效性，為生產和實踐活動提供準確的參考。以上的思考和建議僅是我們在教學研究和教學過程中的一點體會，還有許多工作亟待深入，比如適合工科研究生數理統計課程的大數據案例選取，與課程內容的有效銜接；案例教學法如何實施；教學方式多樣化問題；課堂教學與網絡交流結合；理論介紹與軟件應用訓練結合問題等。教學改革與實踐是一項艱巨的任務，以培養學生的實際運用能力和正確解釋數據分析結果的能力為目的，強調統計思想和方法應用的培養，讓學生們了解利用所學統計方法進行實際數據分析的操作過程和得出結論的思維方法將是一項長期的工作。
參考文獻
[1].游士兵，張 佩，姚雪梅.大數據對統計學的挑戰和機遇[J].珞珈管理評論， 2013， （ 02）： 165-171.
關鍵詞：大數據分析；內部審計應用
近年來，大數據應用更加廣泛，它改變了固有的數據分析方式，將企業經營以及與之相關聯的企業和客戶信息進行收集和分析，通過新的思維處理數據與技術的難題。據調查顯示，目前我國很多優秀企業都將大數據作為新一輪經濟增長點，從2012年開始就實現了持續增長，成了企業市場經營的巨大資料庫，提高了企業的整體技術水平和競爭能力。具體而言，大數據分析是一種能夠從各類信息中快速提取有用數據的一種新技術，對內部審計工作來說具有的意義不言而喻。下面就從大數據分析給內部審計帶來的機遇和挑戰入手，從實際出發做好應用性審計，帶動審計工作發生質的飛躍。
一、大數據分析給內部審計工作帶來的機遇和挑戰
（一）審計目標信息化技術使用的初期，內部審計工作依賴計算機技術，可以通過對數據的觀察和分析找到審計中存在的問題，為具體工作的開展提供參考。大數據分析技術的應用則將審計工作帶到了新的高度，它不僅能夠發現問題，還可以對風險進行評估，對效益進行分析，及時發現審計工作中存在的問題，降低內部控制風險，為企業發展做出預測性思考。（二）審計內容數字是傳統內部審計工作參考的重點，包括營業收入、費用支出、稅收情況等等。大數據分析則突破了原來數字化的限制，基本內涵和審計的內容不斷向外延展，打破了傳統數據結構化的樣式不足，在不同的時間范圍內可以生成復雜多變的數據，其中包括文本、音頻、視頻、xml等，構建出了審計的立體化方法。（三）分析技術大數據分析與內部審計應用的結合，最大的改變就在于技術的更新，大數據分析可以實現大數字的整合，從五大技術方面進行了完善。即可視化分析、數據挖掘算法、預測性分析、語義引擎和數據質量與管理。這些新技術可以通過標準化的形式，建立數據新模型，提取隱藏起來的內部審計信息，利用圖表展示數據分析的全過程，并做出前瞻性的判斷，從而提高數據的分析準確性。
二、大數據分析內部審計的方式
首先，數據驗證性分析朝著數據挖掘性分析轉變。即由原來的多維分析驗證數據變為挖掘性技術的使用，將數據倉庫和模型構建起來，做好聚類分析，找到規律性內容，并提取關聯性數據。例如，在電力審計過程中，可以建立起專門的數據資料庫，找到電力使用的具體數據，分析用電情況。其次，審計方式由事后發現問題變為風險預警。企業經營難免會遇到各種風險，對市場形勢進行分析，將可能存在的危機控制在萌芽階段，是大數據分析有別于傳統分析模式最大的特點。另外，大數據分析可以早期關注經濟運行情況，發掘數據敏感性波動，并集合社保審計、債務數據、經濟宏觀運行數據，實現信息庫的交叉使用，提升數據分析水平和審計能力。最后，單機審計向云審計方法的轉變。云審計是基于云數據庫設立的數據平臺，它依靠的是中心統計分析，通過網絡與“云”的對接，對審計成果進行共享。與此同時，在大數據分析云計算實施的過程中，必須堅持技術的創新與發展，建立預算、財務、執政一體化策略，設立專門的數據平臺，提高信息化技術審核的質量，做好宏觀分析。
三、大數據分析在內部審計中的應用
大數據分析與內部審計的綜合應用是信息時代技術演變的新手段，在與內部審計結合使用的過程中必須堅持全面化使用，從制度流程、機構人員、審計業務以及技術上做好配合，全面推行新的審計方法。（一）創新大數據工作模式創新是進步的源泉，大數據分析的推行，與內部審計工作的結合，都必須堅持創新原則，對預算執行審計有一個全面的認識。傳統的孤立審計已不適應大數據審計的要求，需要打破部門之間的界限，以審計項目為管理主線，成立大審計組，進行扁平化管理。結合各預算部門的財務數據，發現是否存在預算項目在連年結轉的情況下仍然安排新增預算、造成資金閑置的問題。通過對數據進行宏觀整體分析，發現是否存在預算執行效率不高、分配下達預算不及時、撥付轉移支付資金超期等情況。（二）完善跟蹤審計方式通過建設審計數據綜合分析平臺，搭建關系國計民生的重點行業聯網審計系統，用Hadoop等專業工具處理半結構化、非結構化數據，規范高效地匯集和處理大規模數據信息。例如，在地稅審計中，可利用地稅聯網審計系統，集中進行全省地稅數據整理分析，探索“數據集中采集、集中統一分析、疑點分布落實、資源充分共享”的大數據審計模式，實現全省聯動審計。此外，還要對資金分配結構、資金使用流向、資金管理情況進行總體分析，全面反映預算執行整體情況，實現對預算單位的審計監督全覆蓋。（三）實現多數據融合，落實經濟責任審計運用關聯分析，找出數據間的相互聯系，分析關聯規則，發現異常聯系和異常數據，尋找審計疑點。在經濟責任審計中，可利用財政、稅務、社保、培訓等數據在橫向和縱向之間都做好關聯性研究，做好數據的全面跟蹤分析，實施和推行經濟責任審計模式，提高審計效率。另外，在深入挖掘數據過程中，還要利用數據倉庫和模型分析統計數據變動信息，分析關聯性內容，對體制機制性問題開展研究，挖掘行業性和趨勢性問題。
四、結束語
綜上所述，大數據技術的發展對審計工作提出了新的、更高的要求，也為審計提供了新的工具。傳統的大數據分析與內部審計工作的結合不夠緊密，技術應用不夠突出，且人才缺失。基于大數據分析的新情況，內部審計工作必須從數據、資源、人才方面逐步積累資源，創新大數據分析的思路和模式，研究技術發展的情況，并建立覆蓋公司業務流程的審計信息化管理系統，使公司各業務線在統一、透明、標準的審計監控下陽光運行，確保大數據在內部審計中的高效應用。
參考文獻：
[1]王磊.數據挖掘技術在保險公司內部審計中的運用研究[D].山東財經大學,2015.
[2]梁秀根,黃鄧秋,蔡赟,魏連濤,梁國平.持續審計結合數據挖掘技術在內部審計中的探究和應用[A].全國內部審計理論研討優秀論文集(2013)[C].2014:10.
關鍵詞：技術創新；大數據；雙螺旋模型
一、引言
自2013年被確定為“大數據元年”以來，大數據應用已廣泛滲透到各行各業。伴隨著數據規模和類型的劇變、數據存儲成本的迅速下降、數據采集更加密集和廣泛，學術界和企業界開始站在戰略的高度重新審視大數據的價值。2008年9月，《自然》雜志推出了名為“大數據”的封面專刊，隨后IDC（2011）描述了大數據的“3V”：規模性（Volume）、多樣性（Variety）、實時性（Velocity），之后又加入價值性（Value）來描述大數據特征，稱之為“4V”[1]。麥肯錫（2011）將大數據定義為無法用常規軟件收集、儲存、處理、分析的龐大數據集。Forrester突破了以往單一對數據本身描述的局限，通過數據價值實現的角度將大數據定義為數據存儲、處理和訪問的流程與業務目標的集成。國內學者涂子沛在其專著《大數據》（2012）、《數據之巔》（2014）中反復表達“尊重事實，用數據說話”[2]以及“推崇知識和理性，用數據創新”的觀點，并描述了未來對于建設“SmartCity”的構想[3]。孟小峰（2013）指出大數據研究的火熱，并不能代表研究的深入，相反大數據的研究還處于一個非常起步的階段，還有諸如關鍵技術、利用方式等很多基礎性的問題需要解決[4]。大數據的發展和進步是以數字信息技術的發展和應用為主線的。數據分析、數據挖掘、數據存儲是拉動大數據發展的“三駕馬車”，這三項數據技術需要不斷進行創新才能進一步發掘大數據的價值潛力。由于大數據具備準確預測趨勢的能力、從海量數據中萃取有應用價值信息與知識的能力以及對市場技術需求方向突出的把控等能力，使得技術創新的效率有較大幅度的提升。同時，數據分析、挖掘和存儲本身作為技術手段也需要進行創新。因此，大數據與技術創新之間存在著密切的聯系。朱東華等（2013）提出了大數據環境下面向技術創新管理的雙向決策模型，以期提升我國技術創新管理研究在大數據環境下提取知識與觀點的能力[5]。趙亮等（2015）通過大數據的收集和預處理、大數據存儲、創新源數據可視化以及創新應用子項目的實施，實現對技術創新評估預測、風險把控能力的提升[6]。針對大數據與技術創新有關文獻的梳理，不難看出，在大數據時代下，大數據對于各類技術創新具有較大的提升作用，而“大數據”概念下作為技術支撐的數據技術同樣需要創新，同時也需要對數據技術的創新進行管理。對于大數據和技術創新這種“你中有我，我中有你”的相互作用關系，論文嘗試以雙螺旋結構模型為研究工具，提出大數據———技術創新雙螺旋模型，從而厘清在大數據與技術創新作用關系中的動力因素，以達到大數據與技術創新共同發展進步的目的。
二、雙螺旋結構理論
雙螺旋結構模型起源于生物學中的DNA雙螺旋結構，生物學家為了研究人類的遺產規律，從人類遺傳密碼———“基因”的角度出發，提出并繪制了DNA雙螺旋結構模型。1953年，沃森和克里克首次提出了DNA雙螺旋結構模型，該模型開啟了分子生物學時代。利用該模型，人類直觀地認識到遺傳信息的構成和傳遞路徑，并對人類遺傳信息復制上升的互融聯動關系有了初步的了解。在生物分子學領域，DNA雙螺旋結構模型是由兩條主鏈和堿基對組成，兩條主鏈相互盤旋形成類似于“麻花”狀的螺旋結構，而堿基對位于螺旋內部，兩兩對應。堿基對的排列順序就決定了生物體的不同性狀，而在DNA雙螺旋進行發展進化之時，堿基對的不同組合以及排列順序就確定了未來生物的發展走向。隨著管理科學的發展，在管理科學領域中有許多互相影響、互相促進、互相融合的二元關系，為了清晰地描述這種關系，管理學中引入分子生物學的DNA雙螺旋結構模型進行描述，從而形成了管理科學中的雙螺旋結構模型。質量管理學家戴明通過對計劃———執行———檢查的研究，提出這三個步驟不是原地循環往復的，而是一種螺旋式上升。于渤（2008）將知識創新雙螺旋作為企業知識創新過程，指出創新的過程需要經歷一套復雜的過程，最終實現自我超越的知識螺旋轉化[7]。管理科學與分子生物學的結合提煉出螺旋式系統方法論，又稱作螺旋式方法論。該方法論指導雙螺旋結構模型在管理領域的應用，而其基本的解決問題的精神是，按照事物發展的規律和演變的過程，通過螺旋內部重大影響因素的互相作用，循環使用不同的方法，推進事物有序的發展，最終達到事物發展的某種目標。
三、大數據與技術創新雙螺旋模型及分析
1.大數據與技術創新雙螺旋模型對于各類技術創新，大數據提供了龐大的樣本數據分析預測、精細的市場技術需求定位、詳盡的技術創新需求對象畫像刻畫等服務，使得技術創新的效率大幅度提升。而數據分析、挖掘和存儲是推動大數據自身發展的核心技術，這些技術的創新也將直接影響到大數據對其他技術創新的拉動作用。利用雙螺旋結構模型研究大數據與技術創新相互作用關系具有積極的現實意義，論文提出大數據———技術創新雙螺旋結構模型（BigData--Tech-nologyInnovation雙螺旋結構模型；BT雙螺旋結構模型）。依據BT雙螺旋結構模型，本文將大數據與技術創新視為兩條主鏈，即“大數據鏈”和“技術創新鏈”。這兩條主鏈的相互作用是依靠堿基對進行鏈接的，為了推動“大數據鏈”與“技術創新鏈”的發展增長，堿基對的不同搭配，相互作用，促進BT雙螺旋模型的不斷發展。數據挖掘、數據分析、數據存儲是推動大數據發展的技術核心，技術創新的發展需要技術創新管理理論的指導，以技術創新管理理論指導數據技術的創新，從而實現BT雙螺旋模型的發展。故將數據挖掘、數據分析、數據存儲和技術創新管理理論作為堿基，進行兩兩配對。圖1BT2.大數據———技術創新雙螺旋模型分析BT雙螺旋結構模型中將大數據與技術創新作為研究的主要對象，將其作為兩條主鏈進行分析。各類技術的創新需要在大數據以及大數據相關技術的支持下進行。同樣的，大數據自身數據技術的創新又歸屬于技術創新范疇，需要相關技術創新管理理論來給予指導和管理。BT雙螺旋結構模型需要向縱深發展，就必須要經歷雙螺旋結構的破裂———復制———重組———再破裂這樣的一個循環過程，從而循環往復，推動BT雙螺旋模型不斷發展。堿基一：數據挖掘技術，大數據需要通過從海量的數據中提取有效信息和知識，因此，數據挖掘技術是大數據未來發展的一項核心技術。憑借數據挖掘技術提煉出有價值的信息與知識，可以為技術現狀進行評估、技術創新未來趨勢進行預測、技術創新源進行匯總提供強大的信息支撐。堿基二：數據分析技術，數據分析技術是通過對現有數據進行分析，歸納、整理、總結并對所分析對象提供相應的預測。該技術是連接數據與結論的重要橋梁，通過分析技術可以順利地將“冷冰冰”的數據轉化成為有價值的結論成果，堿基三：數據存儲技術，存儲技術是數據挖掘技術與數據分析技術的基礎。信息時代的數據不僅僅是結構化的數據，更多的則是非結構化或是半結構化的數據，大量的數據需要有存儲空間，并且要做到隨用隨取，這樣才能使得數據的挖掘和分析更具時效性和針對性。堿基四：技術創新管理理論，數據技術的不斷革新需要從管理學的角度給出指導性的建議。大數據的三項核心數據技術本身作為一種技術手段，需要進行科學的發展，在數據技術的創新過程中，離不開技術創新管理理論的協助。大數據鏈與技術創新鏈作為BT雙螺旋模型的兩條主鏈擔負著不斷進步發展的使命，以數據挖掘技術、數據分析技術、數據存儲技術和技術創新管理理論為堿基對負責對兩條主鏈的發展進行指導。在DNA雙螺旋結構模型中，堿基對必須是A-T，G-C進行定位搭配互補，而在BT雙螺旋模型中，通過借鑒DNA雙螺旋結構模型的堿基對互補理論，從而進行多元輪回式的互補結合。BT雙螺旋模型中的堿基對不再像DNA雙螺旋模型那樣必須定位對象式的配對，當進入破裂階段，大數據鏈與技術創新鏈進行分離，兩主鏈破裂時連帶自己鏈條上所攜帶的堿基一并分離。進入到復制階段，各堿基進行復制，也即各項數據技術以及技術創新管理理論的推廣應用。而后，進入重組階段，堿基隨機兩兩結合，重新配對，在不同的空間、時間進行不斷的隨機結合，就會產生奇妙的化學反映。從而在不同隨機兩兩堿基結合的過程中，產生創新，發揮動力作用，就如同圖2所示地推動BT雙螺旋模型向縱深方向進行發展進步。
四、結論與展望
一、大數據技術
大數據技術是一種新型技術，其應用領域比價廣泛，并且取得一定的成績。大數據技術在實際的應用過程中，根據各個領域的需要，大數據技術也不斷在更新，以適合現代社會發展的需要。大數據技術主要用數據挖掘、數據分析領域中，能對數據進行科學整理、處理、提高數據的利用效率，互聯網+時代，各個領域工作基本都離不開網絡，網絡時代數據量增多，如何科學有效的進行數據處理，提高數據的利用效率，這是需要解決的問題，大數據技術的產生，對數據的處理起到重要作用。
二、大數據技術應用前景
大數據技術是一種新型技術，具有廣泛的應用前景，尤其在數據分析領域中，對提高數據的利用效率起到重要作用。大數據技術的進一步發展應用,對科技的交叉融合發展也有著促進意義。科技交叉融合是現代科技發展的需要，現在很多問題利用一種技術不能實現，需要多種技術結合使用，促進科技水平進一步提升，符合現代科技發展的需要。科技人才是企業發展的重要因素，尤其企業發展需要應用型高級技術人才，在互聯網+時代，大數據技術方面的人才尤其缺乏，這也是大數據技術具有廣泛的應用前景重要因素。
現在各個行業在發展的過程中都需要復合型的高級技術人才，大數據技術的實際應用對促進其它行業的發展起到重要作用，大數據技術具有良好的應用前景，對現代實際的應用型思想起到重要作用。大數據技術在其它行業中的應用提供了技術支持作用，大數據技術對促進其它行業的技術更新與改革起到重要作用，大數據技術在實際應用過程中根據其它行業發展的需要，需要在技術上不斷更新，優化環境，完善其職能，為企業行業發展提供技術保障。大數據技術在實際的應用過程提升，符合大數據技術的發展需要。大數據技術在具體的應用過程中，根據各個領域的需要，大數據技術需要不斷完善技術，以適合現代各個行業發展的需要，大數據技術能為其發展提供技術支持。
三、大數據技術在高校非計算機專業中的應用進行
（一）大數據技術在電子商務中的應用
電子商務在互聯網+背景下得到快速發展，為高校電子商務專業的發展提供了機遇和挑戰，電子商務專業在大數據技術作用下需要積極進行教學改革，以適合現代電子商務專業發展的需要，電子商務專業課程體系構建需要符合現代電子商務產業發展的需要。在電子商務體系內發揮大數據的優勢，能有效建立完整的商務監督體系，企業決策機制以及運作模式也要依托大數據技術的信息處理功能。電子商務產業的職業崗位能力涉及到大數據知識，電子商務專業在課程構建的過程中需要把大數據相關知識納入課程體系中，能為學生職業崗位能力提升起到保障作用。大數據技術的實際應用對提升電子商務專業建設，教學模式改革，教學內容整合，教學手段提升等都起到重要保障作用。
（二）大數據技術在會計領域中的應用
大數據技術在會計領域中的應用，對促進會計行業改革，高校會計專業教學改革都起到重要作用，同時完善會計專業人才培養方案，對提升學生職業技能起到重要作用。會計的職業崗位能力涉及到海量數據，會計信息化時代大數據技術的應用對提高會計的工作職能起到重要作用，符合現代大數據技術的應用需要。大數據技術在會計領域中的應用，尤其在會計信息系統建設中的應用，對提高數據挖掘、數據分析、數據處理能力的提升起到重要作用，會計行業涉及到數據很多，數據的種類、數據的形式都是多樣化，利用大數據技術處理數據比傳統的方式大大提高了工作效率，為會計行業的改革起到重要的技術支持作用，符合現代會計領域中的應用需求。總之，大數據技術在非計算機專業中的應用對促進其教學改革起到技術支持作用，大數據技術是一種新型技術，其具有廣泛的應用，大數據技術在高校非計算機專業中的應用是專業發展的需要，也是社會發展對高校專業改革提出了新要求。大數據技術尤其在數據挖掘、數據分析、數據處理等方面起到重要作用，適合互聯網+時代，高校非計算機專業發展的需要。
【計算機碩士論文參考文獻】
[1]我國大數據應用現狀與發展趨勢分析[J].李亭亭,趙英豪.電子商務.2016(06).
[2]探討大數據技術在疾病防控上的應用[J].黃文莉.電子技術與軟件工程.2016(06).
[3]基于CitespaceⅢ的大數據研究的可視化分析[J].姜俊鋒,丁香乾,侯瑞春,曲麗君.計算機與數字工程.2016(02).
統計學論文2000字(一)：影響民族院校統計學專業回歸分析成績因素的研究論文
摘要：學習成績是評價學生素質的重要方面，也是教師檢驗教學能力、反思教學成果的重要標準。利用大連民族大學統計學專業本科生有關數據（專業基礎課成績、平時成績和回歸分析期末成績），建立多元線性回歸模型，對影響回歸分析期末成績的因素進行深入研究，其結果對今后的教學方法改進和教學質量提高具有十分重要的指導意義。
關鍵詞：多元線性回歸；專業基礎課成績；平時成績；期末成績
為了實現教學目標，提高教學質量，有效提高學生學習成績是很有必要的。我們知道專業基礎課成績必定影響專業課成績，而且平時成績也會影響專業課成績，這兩類成績與專業課成績基本上是呈正相關的，但它們之間的關系密切程度有多大？它們之間又存在怎樣的內在聯系呢？就這些問題，本文主要選取了2016級統計專業50名學生的四門專業基礎課成績以及回歸分析的平時成績和期末成績，運用SPSS統計軟件進行分析研究，尋求回歸分析期末成績影響因素的變化規律，擬合出關系式，從而為強化學生的后續學習和提高老師的教學質量提供了有利依據。
一、數據選取
回歸分析是統計專業必修課，也是統計學中的一個非常重要的分支，它在自然科學、管理科學和社會、經濟等領域應用十分廣泛。因此研究影響統計學專業回歸分析成績的相關性是十分重要的。
選取了統計專業50名學生的專業基礎課成績（包括數學分析、高等代數、解析幾何和概率論）、回歸分析的平時成績和期末成績，結合多元線性回歸的基礎理論知識[1-2]，建立多元回歸方程，進行深入研究，可以直觀、高效、科學地分析各種因素對回歸分析期末成績造成的影響。
二、建立多元線性回歸模型1及數據分析
運用SPSS統計軟件對回歸分析期末成績的影響因素進行研究，可以得到準確、科學合理的數據結果，全面分析評價學生考試成績，對教師以后的教學工作和學生的學習會有較大幫助。自變量x1表示數學分析成績，x2表示高等代數成績，x3表示解析幾何成績，x4表示概率論成績，x5表示平時成績；因變量y1表示回歸分析期末成績，根據經驗可知因變量y1和自變量xi，i=1，2，3，4，5之間大致成線性關系，可建立線性回歸模型：
（1）
線性回歸模型通常滿足以下幾個基本假設，
1.隨機誤差項具有零均值和等方差，即
（2）
這個假定通常稱為高斯-馬爾柯夫條件。
2.正態分布假定條件
由多元正態分布的性質和上述假定可知，隨機變量y1服從n維正態分布。
從表1描述性統計表中可看到各變量的平均值1=79.68，2=74.66，3=77.22，4=78.10，5=81.04，1=75.48；xi的標準差分別為10.847，11.531，8.929，9.018，9.221，y1的標準差為8.141；有效樣本量n=50。
回歸分析期末成績y1的多元回歸模型1為：
y1=-5.254+0.221x1-0.4x2+0.154x3
+0.334x4+0.347x5
從表2中可以看到各變量的|t|值，在給定顯著水平？琢=0.05的情況下，通過t分布表可以查出，自由度為44的臨界值t？琢/2（44）=2.015，由于高等代數x2的|t|值為0.651小于t？琢/2（44），因此x2對y1的影響不顯著，其他自變量對y1都是線性顯著的。下面利用后退法[3]剔除自變量x2。
三、后退法建立多元線性回歸模型2及數據分析
從模型1中剔除了x2變量，多元回歸模型2為：
y1=-5.459+0.204x1+0.149x3+0.377x4+0.293x5（5）
在表4中，F統計量為90.326，在給定顯著水平？琢=0.05的情況下，查F分布表可得，自由度為p=4和n-p-1=45的臨界值F0.05（4，45）=2.579，所以F>F0.05（4，45），在表5中，所有自變量的|t|值都大于t？琢/2（45）=2.014，因此，多元回歸模型2的線性關系是顯著的。
四、結束語
通過對上述模型進行分析，即各個自變量對因變量的邊際影響，可以得到以下結論：在保持其他條件不變的情況下，當數學分析成績提高一分，則回歸分析成績可提高0.242分[4-5]；同理，當解析幾何成績、概率論成績和平時成績每提高一分，則回歸分析成績分別提高0.149分、0.377分和0.293分。
通過對學生專業基礎課成績、平時成績與回歸分析期末成績之間相關關系的研究，一方面有利于教師把控回歸分析教學課堂，提高教師意識，注重專業基礎課教學的重要性，同時，當學生平時成績不好時，隨時調整教學進度提高學生平時學習能力；另一方面使學生認識到，為了更好地掌握回歸分析知識，應加強專業基礎課的學習，提高平時學習的積極性。因此，通過對回歸分析期末成績影響因素的研究能有效的解決教師教學和學生學習中的許多問題。
統計學畢業論文范文模板(二)：大數據背景下統計學專業“數據挖掘”課程的教學探討論文
摘要：互聯網技術、物聯網技術、云計算技術的蓬勃發展，造就了一個嶄新的大數據時代，這些變化對統計學專業人才培養模式的變革起到了助推器的作用，而數據挖掘作為拓展和提升大數據分析方法與思路的應用型課程，被廣泛納入統計學本科專業人才培養方案。本文基于數據挖掘課程的特點，結合實際教學經驗，對統計學本科專業開設數據挖掘課程進行教學探討，以期達到更好的教學效果。
關鍵詞：統計學專業；數據挖掘；大數據；教學
一、引言
通常人們總結大數據有“4V”的特點：Volume（體量大），Variety（多樣性），Velocity（速度快）和Value（價值密度低）。從這樣大量、多樣化的數據中挖掘和發現內在的價值，是這個時代帶給我們的機遇與挑戰，同時對數據分析技術的要求也相應提高。傳統教學模式并不能適應和滿足學生了解數據處理和分析最新技術與方法的迫切需要。對于常常和數據打交道的統計學專業的學生來說，更是如此。
二、課程教學探討
針對統計學本科專業的學生而言，“數據挖掘”課程一般在他們三年級或者四年級所開設，他們在前期已經學習完統計學、應用回歸分析、多元統計分析、時間序列分析等課程，所以在“數據挖掘”課程的教學內容選擇上要有所取舍，同時把握好難度。不能把“數據挖掘”課程涵蓋了的所有內容不加選擇地要求學生全部掌握，對學生來說是不太現實的，需要為統計學專業本科生“個性化定制”教學內容。
（1）“數據挖掘”課程的教學應該偏重于應用，更注重培養學生解決問題的能力。因此，教學目標應該是：使學生樹立數據挖掘的思維體系，掌握數據挖掘的基本方法，提高學生的實際動手能力，為在大數據時代，進一步學習各種數據處理和定量分析工具打下必要的基礎。按照這個目標，教學內容應以數據挖掘技術的基本原理講解為主，讓學生了解和掌握各種技術和方法的來龍去脈、功能及優缺點；以算法講解為輔，由于有R語言、python等軟件，學生了解典型的算法，能用軟件把算法實現，對軟件的計算結果熟練解讀，對各種算法的改進和深入研究則不作要求，有興趣的同學可以自行課下探討。
（2）對于已經學過的內容不再詳細講解，而是側重介紹它們在數據挖掘中的功能及綜合應用。在新知識的講解過程中，注意和已學過知識的融匯貫通，既復習鞏固了原來學過的知識，同時也無形中降低了新知識的難度。比如，在數據挖掘模型評估中，把混淆矩陣、ROC曲線、誤差平方和等知識點就能和之前學過的內容有機聯系起來。
（3）結合現實數據，讓學生由“被動接收”式的學習變為“主動探究”型的學習。在講解每種方法和技術之后，增加一個或幾個案例，以加強學生對知識的理解。除了充分利用已有的國內外數據資源，還可以鼓勵學生去搜集自己感興趣的或者國家及社會大眾關注的問題進行研究，提升學生學習的成就感。
（4）充分考慮前述提到的三點，課程內容計劃安排見表1。
（5）課程的考核方式既要一定的理論性，又不能失掉實踐應用性，所以需要結合平時課堂表現、平時實驗項目完成情況和期末考試來綜合評定成績。采取期末閉卷理論考試占50%，平時實驗項目完成占40%，課堂表現占10%，這樣可以全方位的評價學生的表現。
三、教學效果評估
經過幾輪的教學實踐后，取得了如下的教學效果：
（1）學生對課程的興趣度在提升，課下也會不停地去思考數據挖掘有關的方法和技巧，發現問題后會一起交流與討論。
（2）在大學生創新創業項目或者數據分析的有關競賽中，選用數據挖掘方法的人數也越來越多，部分同學的成果還能在期刊上正式發表，有的同學還能在競賽中取得優秀的成績。
（3）統計學專業本科生畢業論文的選題中利用數據挖掘有關方法來完成的論文越來越多，論文的完成質量也在不斷提高。
（4）本科畢業生的就業崗位中從事數據挖掘工作的人數有所提高，說明滿足企業需求技能的人數在增加。繼續深造的畢業生選擇數據挖掘研究方向的人數也在逐漸增多，表明學生的學習興趣得以激發。
教學實踐結果表明，通過數據挖掘課程的學習，可以讓學生在掌握理論知識的基礎上，進一步提升分析問題和解決實際問題的能力。
【關鍵詞】大數據；高等教育；大數據思維模式；教育改革
一、大數據與高校
伴隨著人類存儲信息量的增長，越來越多的領域開始加入大數據陣營，越來越多的行業開始利用大數據分析，大數據給我們帶來的影響已經悄然成為社會各行業運行的基礎。
高校作為社會培養人才的一個重要的組成部分，目前多數學校仍延續著傳統的教育范式，教學策略依賴教師的經驗，教師的學術嚴重落后于社會科技的發展，學校的評估機制存在很多漏洞等等。許多專家發現了高等教育存在的問題，卻沒有更好的解決辦法，以前我們常說“讓事實說話”，現在我們大聲呼吁“讓數據說話，用說話的數據”。
二、迎接大數據
迎接大數據的到來首先要做的就是思維模式的改變。大數據科學本身其實是許多學科例如統計學，數據挖掘技術，機器學習，計算機技術，方法論相結合的跨學科科技，以多種理論為基礎而誕生的新興科技，使用者必須要對自己原本的思維模式進行相應的變革。
大數據首先強調的是“大”，采集一切有關甚至表面上看似“無關”的數據，也就是以后用于分析的數據要是全體數據，我們稱之為“全數據”；其次，采集的數據講究的是模糊，而不是精確，數據的種類模糊，數據的分析模糊，而預測分析的準確度來源于數據量之大，正所謂“量變帶來質變”；最后，就是對于大數據分析的結果，我們要明確“是什么”，而不必在乎“為什么”。于是，大數據體系形成了思維的改變去采集數據，從而獲得“大數據”，利用數據分析技術和算法來得到更為有效更為精準的數據。
三、使用大數據
（一）大數據的來源。高校中其實蘊含著更加豐富的數據，從學生的角度來說，學生的消費，家庭情況，宿舍活動，選課信息，學習進度，作業完成進度，考試成績的比對，參與的社團，參加的競賽，參加的活動，已經畢業的學生就業情況，社會職業供求關系，就業的滿意度調查等等太多數據，從教師的角度，教學過程的監控，教學內容的整理，課程設計，，學生的成績變化，論文質量，參與活動，科研項目等等數據，還要從社會，從家長，從宿舍，從第三方機構采集數據。由此可以看到整個校園的數據其實是一個極度龐大的數據，這些數據的集合才是“大數據”。
（二）大數據不是單純的“數字化”。例如，某個教師采用計算機多媒體課件，或者使用在線視頻課程，或者加入MOOC的陣營，這僅僅是簡單的將原本文字的東西變成“0和1“而已，這是數字化，不是大數據，充其量算是實現“大數據”而使用的計算機技術。我們真正要做的是在這些計算機平臺中去采集我們需要的數據，甚至收集我們看似毫無關聯的數據。
（三）廣義量化的數據。建立大數據，需要將一切信息進行量化，把文字量化，把數字量化，把地理位置量化，把溝通語言量化，把一切可以量化的信息都變成數據，構建大數據平臺。
（四）大數據的作用。高校的大數據，要還原真實的教學質量，真實的就業情況，真實的師資力量，真實的管理決策成效，不能簡單的用問卷調查得出“好、不好”的結論。大數據發掘了時間價值，節約了時間，歷史數據的總結，實時數據的分析，以及對未來的預測。這一切都是建立在時間這個維度上的大數據成果。
四、小心大數據
（一）數據的隱私和安全。在高校中，學生的成績，學生的基本信息，學生在網站上發表的信息，對老師客觀的評價，學生參與的活動，教師的論文，就業信息等等一些相對可以公開的數據，但是經過分析和預測得到的評估結果，卻涉及到了個人隱私。這也就是非隱私數據經過大數據分析得到的隱私結論的現象。那么我們該如何保護這些隱私，是需要相應的規范去保護，對于數據的使用和加工者要有詳細的法律責任，以保護非隱私數據提供者的合法權益。
（二）永久存在的數據。高校對于學生在校期間或者對于教師在校期間所有發生的數據，比如大到一次獎學金，一次公開獲獎，小到每次活動記錄，一次出勤，一次缺勤，這些曾經否定我們進步的數據在大數據的時代變成了永久存在的數據，我們如何對待和處理這部分數據，是一個值得深思的問題。
（三）知“難”而“退”。高校利用大數據的分析得出對于某個學生的學習建議，讓該學生能夠輕松避開自己的弱項，選擇相對平坦的路線進行學習，那么這樣的結果是不是教育者希望看到的。我們一直崇尚學生學者要迎難而上，不要輕言放棄，要主動迎接挑戰，現在有了大數據分析，他們可以輕松避開困難，為學生創造一條平坦的道路。這樣的結果是我們作為教育者希望得到的嗎？
結 語
任何新的變革，都需要時代的磨練，大數據時代剛剛起步，他要走的路還很長很長，他需要完善的地方還很多很多。現在我們要做的就是接受大數據，然后忘記大數據，讓大數據這個理念變成“計算機”一樣的通俗，一樣的深入人心。我們需要關注大數據，使用大數據，我們也需要和大數據一起成長，更好的發揮它的作用。高校未來離不開大數據，大數據的發展也離不開高校，讓每個學生、每個教師都步入大數據時代，去體會其中的奧妙，去感受他給我們帶來一場劃時代的變革，每個高校建立大數據信息平臺勢在必行。
參考文獻：
關鍵詞：數據分析；設計思維；市場定位；精準營銷
中圖分類號：TS941 文獻標志碼：A
The Influence of Industry Big Data Analysis on New Models of Design Thinking
Abstract： Based on discussing big data analyzing technology as well as enterprise case studies and tracking surveys， the paper states that such data analyzing technology will facilitate the generation of new models of design thinking， which will more rely on Internet technology， and systematically reorganize complicated resources and information into data that can be further used as an important guidance for new product design. These data will help enterprises realize cooperation of various participants， information sharing and tier management in the process of product design and R&D and improve the efficiency and benefits of their design and R&D system.
Key words： data analysis； design thinking； market positioning； precision marketing
在全球服裝紡織業格局中，中國還處于起步探索階段，缺少真正有市場競爭力的自主設計品牌。企業們普遍缺乏高效務實的設計創新能力，成為了我國服裝紡織行業的發展短板。面對國際品牌的激烈競爭，企業們需要建立自己的新型設計思維模式。更加適應市場需求的新設計思維將是一套有理有據、高效靈敏的產品設計與管理系統，這將有助于企業們更超前的把握市場發展動態，更精準的分析產品的優劣勢，更合理的籌劃銷售策略，更敏銳的找到未來商業機會從而打造企業及品牌的市場競爭實力。
目前在經濟發達國家的服裝產業中，類似的研究已經進行到了比較成熟的階段，如法國的Lectra（力克）公司，通過將其CAD/CAM 、三維技術與互聯網技術的結合，進行最優化的數據傳輸，可以滿足企業在整個生產過程中從服裝系列設計到視覺化銷售的所有環節的需求。力克公司的發展資料為本文的研究提供了非常有價值的可參考實例。
1 針對服裝紡織產業大數據分析技術的研究
服裝紡織產業大數據分析技術是基于互聯網大數據分析的專業服裝設計和生產管理輔助工具。該分析技術采用的是個性化分布式數據挖掘技術，通過對互聯網海量真實的服裝銷售數據的分析，監控并分析網站，采用JAVA語言對網站中各種內容信息進行智能化的分析和挖掘，多維度、全方位對服裝屬性數據進行篩選，可甄別出不同時間段、不同地域、不同年齡層次、不同性別甚至不同消費習慣的服裝購買者對服裝顏色、款式、面料、尺寸等屬性的偏好，并形成直觀易懂的可視化報表，從而對設計和生產管理者形成指導，更加方便直接的形成“設計指導書”或者“生產指導書”。能夠使產品更加符合品牌特征和市場需求，極大地提高設計生產效率，減少成本與避免試錯風險。
在數據分析技術的層面上，它是基于html的個性化分布式數據挖掘系統。核心內容是監控并分析網站，生成Excel表格形式的報表，報表包含關鍵詞和網站的鏈接地址。這種分析為采用Java語言對網站中的各種內容信息進行智能化的分析與挖掘。相當于目標網站名單讀取模塊，采用Excel表格存儲目標網站列表和關鍵詞，并且用Java語言讀取信息，并利用web界面即時呈現監控結果。
2 服裝紡織產業大數據分析技術對設計思維影響的實例研究
參與本次研究項目的北京相與文化發展有限公司，是一家由中法意等多國設計師和業內人士組成的專業服裝紡織品品牌孵化和設計營銷整合機構。
2014年公司開始進行自主開發和使用基于互聯網的服裝設計大數據分析系統，如圖 1 所示，針對某款產品的數據分析結果，將對設計工作產生重要的引導作用。設計師們會根據數據分析結果來判斷設計思路是否合理，改變了傳統設計流程中過于強調設計師主觀感受的不穩定性，將基于互聯網的海量數據經過精準的篩選和整理，生成直觀可視化的數據報表，并且形成多點共享和分級管理的平臺化工具，將設計研發流程模塊化，迅速找到針對市場切實有效的產品設計賣點和營銷方式，可以極大地提高服裝設計師和生產管理者的工作效率，降低了設計研發成本并有效減少了企業在新品設計研發方面的試錯風險。
為了調研資料的充分性和客觀性，本論文還調研了參與10家生產銷售與男士T恤相關的服裝企業。在男士T恤這個產品品類的設計開發之前，這些企業想去了解該產品的設計研發方向的需求集中體現在以下幾個方面，如基礎風格、花型圖案、面料材質、款式細節和服飾工藝等；并且在這幾個需求里面，關于花型圖案的調研量最大，這個環節也就成為了企業們最為關注的問題所在，另外占比量22%位居其次的款式細節，也成了男士T恤的另一個設計重點。以上調研的數據比例圖示（圖2），充分證明了企業對產品的設計研發方向的設定，是有著比較明晰準確的需要點的，占比29%的企業都認為要將花型圖案作為男士T恤的設計重點。如果通過產業數據分析技術，能比較清楚地告知這些企業，在服裝設計研發的時候，是否要優先關注哪些方面以及如何把握這些方面的設計工作，這無疑對企業把控產品與市場需求的貼合度方面是有重要幫助的。
3 產業大數據分析技術對新型設計思維模式的影響
“積累、效率、協作、降本”―― 代表著新型設計思維模式核心要素的，將給產品的設計研發思維帶來全新突破，將有力地幫助中國數以萬家企業將設計真正轉化為生產力并最終打造核心競爭能力，完善品牌體系并全面提升品牌價值。
將與產品相關的市場數據進行搜集整理和分析，在互聯網大數據分析技術的幫助下，找到對企業的產品設計研發最具有參考價值的類比信息，不同于傳統設計模式的主觀化和分散化，新一代的設計思維模式需要將資源和信息模塊化，形成支持系統；從而在企業的整體產品設計研發流程中實現多點協作、信息共享和分級管理，極大地提高了流程的效率，降低了錯誤判斷市場導向帶來的經營風險，節省了設計開發的時間和成本，同時新型設計思維模式又會強化對于流程中每個環節的工作指標的評估，從而達成有效良性的管理機制。
4 結語
