大数据在制造业中的应用

大数据在制造业中的应用（推荐9篇）

大数据在制造业中的应用 篇1

近年来出现的人力短缺、工资上涨、产品交付期短和市场需求变动大等问题，使得制造业正面临新一波转型挑战。如何在控制生产成本的同时，还能提高生产力与效率，则是转型的主要目的。在这样的背景下，德国、美国等制造业发达国家无不积极推动“工业4.0”。“工业4.0”本质上是通过信息物理系统实现工厂的设备传感和控制层的数据与企业信息系统融合，使得生产大数据传到云计算数据中心进行存储、分析，形成决策并反过来指导生产[1]。大数据的作用不仅局限于此，它可以渗透到制造业的各个环节发挥作用，如产品设计、原料采购、产品制造、仓储运输、订单处理、批发经营和终端零售。大数据使得订单处理方式有了质的变化

大数据的核心作用在于预测。大数据可以快速精准地预测市场趋势和客户需求，并对客户进行细分，为其提供量身定制的合适服务。企业通过大数据的预测结果，便可以得到潜在订单的数量，然后直接进入产品的设计和制造以及后续环节[2]。即企业可以通过大数据技术，在客户下单之前进行订单处理。而传统企业通过市场调研与分析，得到粗略的客户需求量，然后开始生产加工产品，等到客户下单后，才开始订单处理。这大大延长了产品的生产周期。如海尔集团于2013年1月构建了SCRM（社交化客户关系管理）会员大数据平台。销售人员可进行大数据分析，精准预测出个体消费者的需求，实现了在客户下单之前进行订单处理。大数据使得仓储运输和批发经营不复存在

由于大数据能够精准预测出个体消费者的需求以及消费者对于产品价格的期望值，企业在产品设计制造之后，可直接派送到消费者手中。虽然此时消费者还没有下单，但是消费者最终接受产品是一个大概率事件。这使得企业不存在库存过剩的问题，也就没有必要进行仓储运输和批发经营。大数据使原料采购更加科学

大数据技术可以从数据分析中获得知识并推测趋势，可以对企业的原料采购的供求信息进行更大范围的归并、匹配，效率更高。大数据通过高度整合的方式，将相对独立的企业各部门信息汇集起来，打破了原有的信息壁垒，实现了集约化管理，可以根据轻重缓急，更加科学合理地安排企业的财政支出。其次，利用大数据的海量存储与快速数据处理功能，可以对采购的原料的附带属性（节能、节水、环保等）进行更加精细化的描述与标准认证，通过分类标签与关联分析，可以更好地评估企业采购资金的支出效果。此外，大数据能预测原材料的价格以及原材料品质的好坏。这使制造业企业更加科学地采购原材料成为可能，企业可以采购到质优价低的原材料。大数据使得产品设计制造更加优化

借助大数据技术，人们可以对原物料的品质进行监控，发现潜在问题立即做出预警，以便能及早解决问题从而维持产品品质[3]。大数据技术还能监控并预测加工设备未来的故障几率，以便让工程师即时执行最适决策。大数据技术还能应用于精准预测零件的生命周期，在需要更换的最佳时机提出建议，帮助制造业者达到品质成本双赢[3]。例如，日本汽车公司Honda将大数据分析技术应用于电动车电池上。由于电动车不像汽车或油电混合车一样，可以使用汽油作为动力来源，其唯一的动力就是电池，所以Honda希望进一步了解电池在什么情况下，绩效表现最好、使用寿命最长。Honda公司通过大数据技术，可以搜集并分析车辆在行驶中的一些资讯，如：道路状况、车主的开车行为、开车时的环境状态等，这些资讯一方面可以帮助汽车制造公司预测电池目前的寿命还剩下多长，以便即时提醒车主做更换，一方面也可以提供给研发部门，做为未来设计电池的参考。

再如BMW公司应用大数据分析，在短短的12周时间内降低80%的零件报废率。一台汽车需要的零件有很多种，其中一个是与引擎结合的引擎上盖。以前，BMW要等到最终引擎组装阶段，将引擎上盖组装完成后才知道到这个零件能否使用，如果不能使用就只好将整个引擎报废。而通过大数据技术，BMW公司在引擎生产线上可以做即时的检测与分析，倘若品管没有问题则直接进到最后的组装程序，但若零件品质不好且无法修补则直接报废，或者零件品质不好但能经过其他方式修补，则在修补后再度进行品管测试，借此提高生产效率并降低报废率。大数据使得终端零售畅通无阻

通过大数据技术，企业可以了解整个供应链中需求和供应的变化，从而促进了产品的终端零售。如沃尔玛的零售链平台提供的大数据工具，将每家店的卖货和库存情况大数据成果向各公司相关部门和每个供应商定期分享。供应商可以实现提前自动补货，这不仅减少门店断货的现象，而且大规模减少了沃尔玛整体供应链的总库存水平，提高了整个供应链条和零售生态系统的投入回报率，创造了非常好的商业价值。

大数据在制造业中的应用 篇2

一、大数据在制造类企业财务管理中的优势

(一) 易提取

在现代企业制度中, 大数据无处不在。由于企业规模的不断扩大以及社会技术的不断进步, 大数据也随之诞生。在现代企业中, 数据化和电子化代替了手工。在企业的财务管理中, 手工帐也不复存在, 各种记账软件琳琅满目, 数据从以前的纸质化变成了现代的电子化。电子化有诸多好处, 比如易存储, 容量大, 效率高等等。由于其不会面临过期腐烂等风险, 因此在需要的时候, 只需要从储存的电子设备里面将其调取即可。

(二) 方便计算

在大数据环境下, 方便计算也是其一个很大的优势。因为电子化办公的越来越普及, 各种办公软件以及财务分析软件应运而生。在日常办公中, 随时调用各种数据, 利用函数等其他公式可以方便地计算出自己想要的结果。在财务管理中, 数据的输入和输出变得快捷方便, 不仅在财务软件中可以自行计算出各种财务指标, 输出后对数据进行在加工也更加方便快捷。因此从计算的角度来讲, 大数据也给了财务管理很多方便之处。

(三) 有助于分析

现代企业的财务管理对于数据分析的要求很高。财务管理中涉及各种成本费用分析, 财务比率分析, 财务报告分析, 投资状况分析, 营业状况趋势分析等等。而这些分析都需要应用大数据, 根据大数据的规律和总结得出财务管理所要的结果。也只有大数据才能做出各种有效且相关的分析, 这在手工帐的情况下是不可能出现的。因此, 大数据的一大优势就是有利于数据的分析。

二、大数据在制造类企业财务管理中的应用

(一) 分析企业的战略

大数据在制造类企业中的应用有助于企业的战略分析。一方面大数据的分析可以帮助财务人员对大量的成本和费用数据进行分析和总结, 从而分析出企业的盈利状况和经营能力。也能结合上一年度或者上一月份进行趋势分析。应用市场的大数据可以分析出产品的需求和主要的竞争对手。企业可以结合自身的发展情况从而选择有利于自身发展的企业战略。企业的战略分析必须建立在大数据应用的基础上才能更加准确和更加合理。因此, 对于数据大且成本费用核算复杂的制造类企业来说, 大数据分析具有极大优势。

(二) 衡量企业的价值

企业的价值可以从多个维度去分析和评价。现在市场上衡量企业价值的方式主要是通过财务指标的分析和掌握。在大数据的情况下, 大部分的企业价值衡量主要通过股东权益回报率, 利润率和总资产收益率等等财务指标来衡量。通过这些财务指标的分析可以得出企业相应的市场价值, 股权价值等等。因此, 应用大数据分析对于衡量企业价值起到了很大的作用。

(三) 改善企业财务预测能力

一切的决策都是通过对历史数据的整理和分析, 再根据相关的趋势分析来预测未来。随着经济的发展和技术的进步, 当前企业只有在数据分析的基础上才能更加准确地对企业财务进行预测。财务的预测和决策需要通过一系列的数据分析而得出, 没有数据的分析和支持是不可能做出准确的财务预测和决策的。因此, 只有通过大量的数据分析才能总结经验, 从而预测企业的发展方向, 预测企业的未来。

(四) 完善企业绩效管理

绩效管理是现代企业的重中之重, 企业只有把绩效提上去, 才能更加稳固地向前发展。而企业的绩效与企业各方面都有很大的关系, 比如收入费用成本预算的完成情况。在现代的制造类企业中, 只有把相应的成本费用合理减少才能创造出更多利润。而大数据的分析可以从纷杂的数据中筛选出绩效优质的产品组合, 从而提升企业整体的绩效。

三、大数据环境下制造类企业财务管理面临的问题

(一) 财务基础工作混乱

财务基础工作包括很多方面, 其中最主要的几个方面是会计岗位的设置、会计科目的有效使用、会计凭证的录入、财务报表的报送等等。这些是平时财务部门必须落实的基础性工作。但是在很多中小企业中, 财务基础工作并没有得到有效地落实。有的企业岗位设置不合理, 出现一人兼多岗或者不相容职位未分离的现象。还有的企业财务会计准则应用不规范, 会计科目使用混乱, 从而使会计报表数据产生很大的问题。由此可见, 在大数据环境下, 财务基础工作关系到后续的一系列工作。财务基础工作的不健全会导致数据基础的不准确, 进而会导致大数据分析的不准确。

(二) 数据分析人才缺乏

人才是企业的生力军, 也是企业可持续发展不可替代的资源。在大数据环境下, 企业竞争的方面正是人才和知识, 谁掌握了一流的人才, 谁就有强大的竞争力, 就有市场的主动权。大数据对于制造类企业的财务管理工作非常重要, 企业的成本费用分析等都是在大数据处理的基础上获得的。但是在很多制造类企业中, 财务管理人才比较注重会计核算, 而数据处理能力和分析能力却有待提升;再加上一些固定的思维模式, 很多财务人员并不能胜任大数据分析工作。因此, 在这种情况下, 企业就需要提高财务人员的数据分析能力, 或者引进外部数据分析人才。

(三) 内控机制不健全

企业内控机制不健全也是制约企业大数据分析的关键因素。内控制度不健全会影响数据的真实性和有效性。内控制度不健全主要体现在不相容职务不分离以及一人多岗等情况, 审批制度缺失, 基础数据采集不到位等等。内控机制不健全是很多中小企业常见的一种现象, 正是由于内控制度的不健全, 才导致基础数据采集的不准确, 不及时。这非常不利于数据多且杂的制造类企业进行财务核算和分析。

四、相关对策建议

(一) 完善财务基础工作

财务基础工作是大数据来源的基石。只有扎实稳固的财务基础工作才能产生有效的数据, 才能进行准确的财务数据分析。完善财务基础工作, 需要全体财务人员各司其职才能实现。这需要从数据采集开始就进行严格把控, 因为基础数据的真实准确录入是保证大数据分析结果有效的唯一途径。财务岗位的职责落实也是完善财务基础工作的举措之一, 只有每个财务岗位的职责都落实了才能更好地进行后续工作。同时, 财务制度的规范或者企业会计准则的准确应用也是完善财务基础工作的重要影响因素。选择准确的会计准则以及制定相应的企业会计制度对于财务基础的完善工作具有非常重要的作用。因此, 企业应当从各个方面去完善企业的财务基础工作, 健全相关的财务基础制度。

(二) 引进大数据处理人才

大数据环境下, 企业需要对数据进行各种处理和分析, 而数据处理涉及到各种学科, 其中包括数理统计以及经济学等等。财务管理本身是一个比较专业的学科, 财务人员需要对财务知识了然于胸, 同时需要精通数据处理方式, 熟悉各种软件, 并能准确地进行数据分析。在制造类企业中, 这样的财务人才并不多见, 因此, 企业可以引进大数据处理人才, 这有助于更加快捷地提取数据、计算和分析各种指标, 从而达到财务管理的目标。

(三) 健全企业内控体系

在现代企业制度中, 内控制度的健全关系到企业的可持续的发展。从战略层面来看, 企业的内控体系无疑是至关重要的。一个好的内控体系有助于企业更好地运行。只有在一个有效的内控环境中, 企业才能将数据的各种优势发挥出来。在大数据环境下, 内控制度的完善与否和数据的准确、及时获取有着密切的联系。如果数据基础不准确, 利用大数据分析得出的结果必然不准确。在制造类企业管理中, 完善内控体系是一个任重道远的任务, 应当从各方面抓好。例如, 完善相关审批制度, 严格执行不相容职务相分离以及各个岗位职责明确等等。只有将这些基础的内控制度实施到位才能产生有效的数据, 进而才能有效地进行数据计算和分析。总之, 企业内控制度的完善与大数据分析结果的有效性有着紧密的联系。

综上所述, 制造类企业的财务管理面临着数据多、内容繁杂等难题。而要克服这些难题无疑需要大数据的应用, 同时还需要企业自身内控制度的完善。在大数据的应用中, 结合财务ERP应用软件的推广, 让数据筛选变得更加快捷简便, 同时也让财务分析变得更加及时可靠, 最终协助企业实现战略目标。

参考文献

[1]石采玉.大数据潮流下财务管理变革之路[J].中国市场, 2015 (10) .

[2]刘岩, 王冬生.大数据和云计算时代下我国银行财务管理者转型探究[J].中国经贸, 2013 (7) .

[3]刘新锋.大数据背景下企业财务管理对策刍议[J].时代金融, 2014 (1) .

大数据在制造业中的应用 篇3

关键词：疫苗制造业；财务共享管理；应用实践

随着大数据和互联网+等信息技术在各行业的不断渗透，创新产品及服务的经济效益已经可以通过数据管理实现。在大数据背景下，数据信息化管理已成为疫苗制造业的管理核心及生存与发展的基本条件之一，也是企业在市场经济环境下、经济全球化、经济高科技化下赢得竞争的需要，要求企业向财务业务一体化发展。如何利用信息手段提高内部控制力度，降低经营成本，扩大市场，成为企业管理决策的关键。

疫苗制造业具有研发投入大、周期长和效益不稳定的特点，需从风险管控的角度对产品周期的全过程进行监管。而企业资源计划（ERP）可从供应链范围对资源及运行模式进行优化，建立完整的企业管理信息系统及实现财务数据共享，通过系统数据共享平台，将人力、研发、采购、生产、销售、售后服务流程有效整合，通过强大的数据集成平台来实现动物疫苗制造业的管理需求，因此ERP也成为疫苗制造业首选的信息管理系统，对疫苗制造业经营管理模式及运营绩效产生深远的影响。

一、疫苗制造业实施财务共享管理的必要性

首先是行业发展的推动。国内疫苗制造业只需通过兽药GMP验收即可获批生产，准入市场的开放导致新增许多生产企业，生物疫苗制品同质化的情况日趋严重，及公开透明的产品价格等因素，导致利润不断下降同时也缩短了产品的生命周期。疫苗制造业唯有加强环节精细化管理、提高产品质量、加大终端销售能力及创新技术服务，方能改善企业的生存环境，方能在严酷的市场竞争中占有一席之地。而企业全过程的精细化管理涉及研发、采购、生产、销售、客户服务等管理环节，各环节管理复杂且紧密相关，必需有强大的数据信息作支撑，因此实施信息化管理势在必行。其次是疫苗制造业自身管理需要。疫苗制造业日常管理中需要运用强大的数据管理解决以下的问题：①经销商模式较复杂，不能及时对客户资料进行收集及管理，因信息反馈迟缓所致企业未能有效跟进客户使用药品的情况；②疫苗生产及质量管理需遵循GMP的要求，生产设备及

SOP标准操作流程均需与企业实时的发展需求相匹配；③时间及地域的因素、供应商良莠不齐、原材料特殊局限性等造成生产原料的质量不够稳定，无法形成对供应商价格、服务、信用、质量等客观评价体系；④疫苗生产要满足GMP的管理要求，涉及兽药批准文号、批号、物料状态、药品的收发、时效性等，管理环节复杂且难度较大；⑤与供应商、经销商的大量业务往来使得财务管理锁碎繁杂，难以及时准确地进行成本、费用、利润等核算。

二、财务共享在疫苗制造业的应用及价值

财务共享中心适用于分支机构较多、管理复杂及对风险管理要求较高的集团化管理模式的企业，主要是为企业管理流程再造、优化资源配置、整合财务运作及提供系统化的专业服务。

福州大北农是动物疫苗的生产企业，目前生产猪用疫苗、禽用疫苗，在全国设立了21家省级办事处（事业部），机构体系庞大，经营风险管理要求较高，需从风险管控的角度建立财务共享中心实现对疫苗产品周期的全过程监管。对此公司依据企业实际发展需求规划建立了财务共享服务中心，以进销财业务系统（ERP）为核心，与OA协同办公软件及集团互联网（如企联网、猪联网、农信网等）相结合，分别从内部管理、供应链、客户服务三个层面打造公司核心管理的竞争力。通过ERP系统后勤管理、生产维护、财务控制模块与OA办公系统的人力资源等模块的数据集成，实现财务数据共享管理并服务于公司的整体战略目标。

（一）建立OA办公系统。一是工作平台应用。是员工日常工作事项（申请、审批、业务、文档等）的应用平台，反映了员工的工作动态，不仅提高了员工的办公时效、节约了经营费用，同时记录了相关业务进程的轨迹，加强了业务监督，提升了管理水平。二是人力资源管理应用。记录了员工档案、合同、考勤、薪资、福利、考核等，公司可通过人力成本计划对员工技能、激励措施进行管理及调整，充分发挥员工的最大价值。三是信息共享的应用。具有收集、整理、发布、检索信息的功能，通过权限设置建立安全管控体系并提供便利的检索、查询手段，可向不同权限的人发布不同层次的信息。公司既是信息的使用者同时也是信息的提供者，在业务进程中也产生了很多重要的信息，如采购管理模块中的供应商资源、原料信息、合同管理等。公司连接企联网、猪联网、农信网、行情宝等，也收集了大量的信息。通过信息共享应用，既可加强内部管理，亦可通过集团网对外界提供了解公司的窗口，获得更多的商机，并为电子商务的转型奠定了坚实的基础。四是工作流的应用。如办公管理模块、技术中心模块（配方报表、专利信息）、客户系统模块（业务人员、业务追踪、业务方案及产品实证、客户对账等）等应用，是以控制、监督、加速业务进程为目标，使管理者、业务执行人均能明晰业务动态进程，以便及时解决业务进程中发生的不利事项，保障业务的顺畅运行。五是决策支持的应用。建立财务管理、预算管理等决策支持模块，通过采集、处理、分析前四类应用产生的结果，使管理层充分了解公司运营情况，及时评估经营风险，果断决策。

（二）建立供产销业务应用系统（GCX）。 一是建立库存管理模块，实施物料全过程管理。将采购计划、预算、合同、订单、发票预制及校验、付款等业务流程融入GCX系统，分别按岗位在系统进行制单、审核、审批授权，使相关业务在完善的内控环境下进行逐级审批。对物料进行统一编码管理，将物料入库、出库按不同的用途分别在系统中操作，实现采购、生产、销售共享物料信息，并实现物料价值的全过程动态管控，满足GMP要求及管理需求。二是建立生产管理模块，加强精细化管理。企业能够运用系统对GMP认证车间按照活苗、灭活苗不同技术要求进行管控和变更，实时了解物料消耗、生产进度、库存状况，有效提升管理层及相关部门与生产部门的沟通、协作能力，实现产销平衡，减少报废风险。三是建立财务管理模块，优化财务控制链。优化了财务管理流程，将标准化、重复、共性的业务（如核算、结帐、报表分析等）放入财务共享服务中心，与前端物料管理等业务系统进行数据集成并实现系统自动生成凭证、账表及实时查询。减少财务人员手工操作的繁杂过程，将财务人员从记帐型向管理型的角色转化，从记帐会计向管理会计方向深度延伸，为各部门及业务事项提供财务支持并参与经济事项的过程管理及风险管控。

（三） 建立“用户+云平台+产品与服务”的客户服务网。网上客户服务是福州大北农信息化战略中重要项目之一，核心任务是为客户创造尽可能丰富的使用价值。通过客服网，客户不仅可以网上订货、在线支付，而且可以享受到公司的各项服务，如提供完善的畜禽疫病预防解决方案、实时猪价行情、微信课堂等服务；实时了解行业资讯、产品信息、公司动态等信息；利用报价平台查看或填报价格；使用疾病诊断进行远程诊断；通过在线客服或在线帮助中心进行咨询与解答。

三、结语

在大数据背景下，传统的财务管理已经不能满足企业生产经营管理的需要，必需向财务业务一体化转型。福州大北农通过建立财务共享服务中心，通过优化设计及流程再造，优化了内部控制环境；通过系统规范操作，提升了执行力和工作质量；通过资源重新整合及配置，提高了工作效率并降低了人力成本；通过数据集成实现财务业务一体化管理，即“协同商务，集中管理”，有效提升了公司集中控制风险的能力、精细化管理水平、客户服务质量，进而提升了公司的竞争实力及经营效益。

参考文献：

[1] 郑秀英. 浅谈财务共享服务中心在保险业的应用[J].科技与企业.2011.10

浅谈大数据在教育管理中的应用 篇4

大数据的发展给困境中的教育变革提出了新的挑战。大数据越来越广泛应用于教学，通过在线测试、实时调查等方式获取学生的基本情况、了解学生的学习潜能等，从而使教师更容易针对问题，因材施教。

学校已有的信息采集设备对我们的数据收集具有重大意义。例如：网上阅卷系统，高考、中考阅卷早已采用网上阅卷。可能很多老师知道网上阅卷的优点，如评卷的公正性、准确性、高效性。其实网上阅卷系统更是一个数据的采集系统，采用网上阅卷系统对数据的采集、统计和分析的深度还是广度都大大地超越人工所能及的范围。

如10月中我校进行了本学期第一次统考，语文试题主观题共设了22个采分点，评卷系统采集了22个得分点的数据，很容易发现各知识点的得分情况。教学过程中的成功之处和薄弱点得到了极其详细的反映。网上阅卷的统计分析结果还能对试卷的质量如难度、信度、区分度、效度等指标进行科学的分析，使命题中存在的问题也得以全面地反映。由此可见，玩转当前的 “小数据”对现实的教学有益，也是迎接大数据时代到来的一种准备。

大数据时代教师需具备的三种基本能力：第一种能力是获取及整合学生、学校数据的能力，第二是探索数据背后价值和制定精确教育教学行动计划的能力，第三是把这些计划快速实时地应用于教育教学工作中的能力，应用于课堂的能力。要实现这些能力的提升一方面有赖于学校及教育主管部门对教师的培训，另一方面当然依靠我们老师自身与时俱进的学习。日益强大的互联网、多媒体及概念软件、开源软件等为师生提供了更加自由、灵活的学习和探索空间，求知的视野被极大拓宽。学习与生活、教育与社会不再被孤立，学生、学校与现实生活的体验更为接近，学生学习兴趣、学校办学动力将被大大激发。

大数据在制造业中的应用 篇5

摘要：随着大数据技术的发展，其在教育领域的应用也越来越广泛，极课大数据就是通过对学生的大量作业及测试进行统计处理，快速得到详细的学生个体及班级整体的数据分析、有针对性的诊断报告和个性化学习包等，从而让教和学都更有针对性，达到提高教学效率的目的。

关键词：极课大数据;e学习;个性学习;高中化学

文章编号：1008-0546（2015）09-0020-02 中图分类号：G632.41 文献标识码：B

doi：10.3969/j.issn.1008-0546.2015.09.006

一、什么是极课大数据

大数据，指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。它能提高对数据的“加工能力”，通过“加工”实现数据的“增值”。在我们的生产生活和工作学习中有很多难以收集和使用的数据，但这些数据经过收集和处理会为人类创造更多的价值，信息技术的发展为这些数据的收集提供了保证，从而让大数据的价值被逐渐的利用起来。

大数据在教育领域的应用也在不断的被开发出来，“极课大数据”就是其中之一。“极课大数据”是基础教育学业采集与学情追踪反馈系统，极课系统基于自主研发的图像算法和数据分析模型。通过对学生所做作业的扫描批阅，可以获得作业中反馈的大量信息，让教师、家长和学生都能在第一时间科学地了解到每个学生的学习状况，从而有针对性的解决问题，让学生的学习更有个性化，从而提高学习效率。

二、如何使用极课大数据

极课大数据的硬件要求就是一台阅卷仪和一台电脑，在电脑中装入“极课”软件就可以使用了。教师按照以往习惯在电脑中用word编写好电子作业，按照极课系统的要求将作业导入，系统会为每份作业生成相应的二维码，便于系统在扫描的时候识别。根据实际需要，作业中会在每小题或每大题增加定位点和老师的打分栏，这些是为了系统扫描时识别老师在每小题上的打分。作业打印出来后，与以往的作业相比，相同的地方是它们都是纸质作业，学生就像以往一样在作业纸上书写答案，但是要在指定位置贴好含有自己身份信息的二维码，此二维码是系统用于识别学生身份的;选择题可以直接用2B铅笔填涂答案（见图1）。

作业完成上交后，教师不用手工批阅选择题，非选择题按照以往一样批阅，但是学生该小题的所得分数不是直接扣分或加分，而是用红笔在每小题的分数栏中圈出，这样在扫描的过程中，极课系统通过程序设定的图像算法，就能识别出该小题的得分了（见图2）。

教师将作业批阅完后，在极课系统选择对应的作业，通过配备的扫描仪，就可以对所有学生的作业进行扫描了，在扫描时，系统能同时批好选择题并识别出非选择题的分数。扫描结束，所有学生作业的扫描版和相关数据就都在电脑中了，上传数据后，在同一时间里，不管你在哪里，只要能够连接网络，登陆极课系统的电脑客户端或手机客户端，你都能够查阅这一次的作业情况。每次的作业和测试都这么做的话，学生的学习情况就被储存下来，经过系统分析，就会得到很多有用的信息，有效的利用这些信息，教师对自己的教和学生对自己的学都会有更加科学的认识。

三、极课大数据可以提供什么

1.快速的数据处理

快速得出每个学生的分数，不用人工登分统计;按分数排名后，可以迅速找到低分学生和缺交学生，并能随时调出某个学生的作答情况，并与班级的整体情况进行对比，低分学生与班级平均水平相差较大的知识点，应该是他最容易提升的部分，这就为他的学习指明了方向，让学习目标更明确。

2.详细的数据分析

教师能够看到每一小题的正确率，并可以查看每个选项都有哪些学生选择。对某个特定的知识点，能同时了解班级的整体情况和学生的个别情况，讲解时可以更加有针对性;系统设置了班级间的横向比较，可以比较不同小题每个班级的作答情况，让教师对自己的教学效果有更清楚的认识。

3.针对性的诊断报告

极课系统可以将学生每次的作业和作业情况的相关数据长期储存，可以查看某学生相应知识点的掌握情况与班级的整体水平进行比较，及时发现自己的薄弱点，加以提高;经过一段时间的极课系统的使用，就能够反馈出学生的学习变化情况，便于学生及时调整学习策略和学习状态，用科学的方法来指导自己（图3）。

4.个性化的学习包

教师都知道，书本上的知识点就是固定的那些，但是学生面对的题目却是浩如烟海，盲目做题只能让学生迷失了方向，而不知到底要掌握什么。通过细心观察我们不难发现，题目虽多，但考察的内容还是课本和课程标准的，只要把自己不会的题目找出深层次的原因，从根本上理解掌握，就不用去花大量时间做一些自己已经会了和还不会的题目了。做一份试卷的错题和做一份试卷相比，在对知识有相同提升的时候，显然前者耗时少，效率高。

虽然错题重做是提高学习效率的好办法，但是抄写错题需要花费大量时间;剪贴错题不仅损坏了原有的作业，并且已经有了做过的痕迹，对学生的重新思考有干扰作用，难以确定再做时是否真正掌握。所以学生对于建立自己的错题本总是难以长期坚持，也就浪费了这一大好资源。极课大数据可以轻松解决这个问题，极课系统有学生每次做作业的详细信息，只要在该学生的学业详情中点击生成错题本，就可以有一份完全针对该生薄弱点的独一无二的错题汇总了，从而得到错题本，每个学生经过一段时间，就会拥有自己个性化的学习包了。

四、极课大数据的优点

1.与网上阅卷相比

网上阅卷是将学生的试卷扫描成电子版，老师通过电脑进行批阅，有多少老师批卷，就需要多少电脑，批阅无痕迹，只有成绩，这种只适合中高考和大型统考阅卷，平时教学不宜使用。使用极课大数据，硬件投入少，一台扫描仪和一台电脑可以供多个老师使用;批改纸质作业可以减轻教师的视力疲劳;学生的作业和试卷上都有教师的批改痕迹，有时还有教师和学生的互动，这些痕迹和互动是学生的学习经历，有助于他们看到自己的知识掌握和理解情况，从而有针对性的解决学习中的问题。

2.与网络作业相比

随着信息技术的发展，e学习在教育教学中的应用也越来越广泛，有些学校将学习内容放置在网上，学生在网上完成作业。这样虽然能查看学生作业进程和方便的统计出学生完成作业的情况，但是要求学生随时能够上网，这就要为每个学生配备电脑，经济投入较大，并且不利于学生的视力保护，学生的零散时间难以被利用，实际上是降低了学生的学习效率。

3.与传统的作业相比

极课大数据可以在很大程度上提高教师的统计效率。以往教师为了知道平时作业的正确率，一般采取边批阅边用“正”来统计数目，在花名册上打钩来找出做错或对做的学生，这些方法的效率很低，多数教师都无法长期坚持下去，最终就不再统计，作业评讲时只能从感觉和经验出发，讲评的针对性就难免有偏差，不能完全从学生的实际需要出发。

另外，在传统的作业中，当学生在家完成寒暑假作业时，学生的作业进展和质量老师是无从得知的，只能等到开学才知道，而开学时一般又忙于新课的学习，对假期作业重视不够，使得学生花费时间和精力完成的作业达不到应有的效果。使用极课大数据中的网上作业模块，学生在完成选择题并提交后，教师和学生都能得知作答情况，教师可以根据班级的总体数据，将错误率较高的题目进行讲解并制成微课挂在网上，学生在家根据自身需要进行学习，这样可以将假期作业的作用更好的发挥出来。

五、总结

在目前的教育形式下，高考成绩作为高校录取学生的重要依据，我们教育工作者总是希望自己的学生能够有更好的学习方法，取得更好的成绩。极课大数据的应用，可以获得更多的传统手段无法提供的教学信息，从这些信息出发，可以使教师的教和学生的学都更有针对性，从而提高学生的学习效率。极课系统的开发还在不断的完善中，随着越来越多学校的投入使用并将使用过程中的建议加以反馈，相信极课系统会更好的为教学服务的。

参考文献

[1] 极课大数据公司网站：http：///

[2] 余小高.大数据环境中微课程个性化学习的研究[J].中国信息技术教育，2015，（7）：126-128

大数据在制造业中的应用 篇6

2.1 高频交易和算法交易

交易者为实现高额利润，利用交易程序和硬件设备，快速分析、生成、获取和发送交易指令，可以在较短的时间内完成较多的交易。高频交易主要通过分析金融大数据，对特定的参与者的交易痕迹进行识别和总结，如：一支共同基金的大额订单通常情况下出现在收盘前最后一分钟的第一秒，能识别出此模式的算法就可以预算出这只基金在其他时间的动向，如果继续执行交易，必须付出更高的价格，算法交易商趁机获取利润。

2.2 进行市场情绪分析

大约两年前，对冲基金从各种社交媒体中提取市场情绪信息进而开发出算法交易，如Facebook、博客、聊天室等。如发现有恐怖袭击、自然灾害的意外信息时就会抛出订单，精神病专家理查德·彼得于在美国加州圣莫尼卡集资100万美元建立对冲基金，通过追踪网站、微博、聊天室分析企业情绪，确定基金的交易策略，该基金的回报率在高达40%。又如位于伦敦的小型对冲基金DCM从社交媒体上收集信息，分析人们对金融工具的情绪，帮助投资者制定投资计划。

2.3 提高风险的管理力度

金融机构通过对大量小型用户交易行为的数据进行收集，并对其交易范围、经营状况、用户、资金需求以及行业的发展进行具体的分析，解决小型企业的经营难题。阿里小贷首创了线上的审核到放贷的模式，有效连接贷款的全过程，为弱势群体提供个性化的小额贷款。

3 互联网金融风险控制的一般原则

风险控制最有效的方法就是将所有的鸡蛋以不同的比例分开装在不同的篮子里，即“小额、分散”，避免集中投放。“分散”在风险控制方面有着非常重要的作用，借款客户个体差异性较大，所处的地域不同，且自身的条件有差异如年龄、学历等，这些分散的个体其违约的概率相对独立，同时违约的概率非常小。如100个独立的个人其违约的概率是20%，如果随机抽2个人，同时违约的概率为20%2即4%，随机抽出5个人，同时违约的.概率为20%5，如果抽出8个人同时违约的概率为20%8，但是如果这100个人存在相关性，甲违约的时候乙也违约，那他们同时违约的概率就是10%(20%·50%)，远远高于4%，因此贷款个体之间的独立性是降低风险的必要措施。

数据挖掘在超市大数据中的应用 篇7

关键词：大数据,数据挖掘,购物篮,超市销售,关联规则

一、研究背景

1998年的《哈佛商业评论》刊登过这样一个案例, 20世纪90年代美国沃尔玛超市中, 沃尔玛超市管理人员分析销售数据时发现了一个令人难以理解的想象:在某些特定的情况下, 啤酒与尿布这两件毫无关联的商品会经常出现在同一购物篮中。1993年美国学者Agrawal提出关于通过分析购物篮中商品集合, 从而找出关联关系的关联算法, 并根据商品之间的关系, 找出客户的购买行为.Agrawal从数学计算机算法角度提出了商品关联关系的计算方法--Apriori算法。沃尔玛尝试将Apriori算法引入到数据分析中, 并获得成功, 为超市销售产生了开拓性的影响。于是产生了“啤酒与尿布”的故事。

近几年, 数据挖掘技术在零售业, 电信业, 金融业等许多领域得到了广泛的应用。为了更加清楚地了解学习数据挖掘在大数据环境下的应用。此次, 我们对数据挖掘中的部分分析功能在零售业 (基于一小型超市) 的应用做一些粗略的研究与学习, 基于关联规则, 购物篮, Apriori算法等分析商品销售状况, 探索出更多的类似于啤酒与尿布这样的规则等, 辅助决策者了解销售全局, 降低库存成本, 进行市场分析等。

二、文献回顾

数据挖掘出现于20世纪80年代后期, 90年代有了突飞猛进的发展。2001年, Gartner Group的一次高级技术调查将数据挖掘和人工智能列为“未来三到五年内将对工业产生深远影响的五大关键技术”之首, 并且还将并行处理体系和数据挖掘列为未来五年内投资焦点的十大新兴技术前两位。美国麻省理工学院在2001年1月份的《科技评论》 (Technology Review) 提出将在未来5年对人类产生重大影响的10大新兴技术, 其中第3项就是数据挖掘。

数据挖掘技术已被广泛的应用于各个领域。在零售业领域, 很多大型的零售商都采用了数据挖掘工具进行决策分析, 关联规则挖掘已经投入应用领域, 交叉管理, 库存控制好客户分析设计都是零售业数据挖掘的主要内容。以沃尔玛为例他就采用了BO的方案。Luis Cavique的购物篮分析的可扩展算法研究;Andreas Milda, Thomas Reutterer提出了一个改进合作过滤方法以及预测二进制购物篮数据的交叉目录购买情况;Horng Jinh Changd的基于聚类分析和关联规则分析的潜在客户购买行为的期望模型研究;Frans Coenen, Paul Leng的基于分类精确度的关联规则阈值影响等。

国内对数据挖掘的研究较晚, 没有形成整体的力量。1993年国家自然基金首次提出支持数据挖掘领域的研究项目。目前, 国内的许多科研单位和高等院校竞相开展数据挖掘和知识发现的基础理论及应用研究。复旦大学一直从事这方面的研究, 朱扬勇等把一个应用于特征规则基于差异化的兴趣度定义运用到关联给则中, 重新设立了兴趣度;武汉科技大学的张新霞等提出基于统计相关性的兴趣度量;东南大学宋爱波等提出了一种解决规则组合爆炸问题的方法, 建立了一个带约束规则挖掘算法的模型, 对Apriorii算法进行优化。还有其他相关研究。

但是, 当前国内零售业数据挖掘工作还处于探索阶段。据了解, 许多零售业企业使用收账结账设备获取的相关销售数据, 都没有得到充分利用, 这些数据本来都可以帮助零售企业实施交叉销售, 控制库存, 降低库存风险等创造更大的商业价值, 却被忽略。所以, 我们以南京市一家苏果超市为主体, 使用购物篮的思想, 从数据的获取, 到数据清洗, 再到关联规则分析等一系列系统的方法, 研究与运用数据挖掘技术。

三、研究对象及方法

本研究所用的超市销售数据来自于南京市某一家苏果便利店的一个月内的月销量数据。数据大约有六万多条。包括商品的单号, 商品销售时间, 商品名称, 销售单价, 销售数量, 销售金额。其中, 部分是一个单号包含一个商品, 其余为是一个单号包含多个商品。所以, 本次研究不仅对购买了一个商品的购物篮进行描述分析, 同时也对购买多个商品的购物篮进行关联规则分析。

采用购物篮分析方法。购物篮分析就是通过购物篮所显示的交易信息来研究顾客的购买行为, 其直观意义就是顾客在购买一种商品的同时有多大的意愿购买另一种商品。研究商品之间的关联规则。这一规则中包含两个参数:支持度 (support) 和置信度 (confidence) 。支持度 (Support) 的公式是:Support (A->B) =P (AUB) 。支持度揭示了A与B同时出现的概率。置信度 (Confidence) 的公式是:Confidence (A->B) =P (A|B) 。置信度揭示了A出现时, B是否也会出现或有多大概率出现。

四、数据清洗

随着信息技术的不断发展, 各行各业都建立了很多的计算机信息系统, 所以也就产生了大量的数据。当需要对数据进行分析的时候, 直接获取的数据并不能够直接进行数据分析。主要表现在:数据冗余、数据重复、脏数据等问题。为了使得数据能够有效地支持相关的运作与分析, 必须对数据进行清洗与处理, 使之成为结构化数据。所以数据清洗也就是各种数据分析如OLAP (关联分析) 、数据挖掘的前提与基础。在R软件中, 通过建立字典的方式进行数据的清洗。

我们在对超市数据进行数据清洗的方法是构建字典, 具体步骤如下:

1. 建立链接:用read直接读取数据所在的文件, 建立链接。

2. 编写字典:

根据商品的货号, 提取出每一种商品的关键字, 定为搜索的字符 (searchword) 赋予它替换的名称 (replacenames) , 把类似的商品给予相同的名称, 如:洗衣护理剂, 柔顺剂, 都给它附名柔顺剂。其中, 忽略商品的生产厂商。 (注:因为主要研究方向与生产厂商无关) 这样的话, 可明确商品类型, 依据连锁超市商品分类明细表指标, 对所有的商品进行分类 (categorys) , 如:家居用品, 饮料, 调料制品, 粮食类等总共38种。

3. 名称替换:

使用for循环语句, 按照字典里的关键字对原始数据里所有的商品进行对比, 测试, 找到相同的赋与替换名称与分类。结果如下 (部分) 。如果没有搜索到对应的关键字, 则用other_names代替。这样, 打开清除后的数据文件, 查看清洗后的结果, 对没有与之相对应的关键字的商品再进行字典的补充, 知绝大部分的商品都搜索到与之相匹配的关键字。这样, 就完成了字典的编写, 与得到清洗后的结构化数据。

4. 数据的重组:

对于相同单号的数据合并在一起, 则为一个顾客购买的商品。加载reshape程序包, 把整体的数据打碎 (melt) , 让其回到一个一个数据点的状态, 根据观测的id名称和变量名称定为, 再根据id名称和变量名称进行重新的组合, 将同一个顾客买的所有商品都排列到一行。这里, 假定购买最多的一个客户买了20种商品。在每一行显示该客户所买商品名称, 买的不足20种的则用“@”表示。得到的数据就是完全清理好的数据, 保存到新的文件夹.

五、结果分析

1. 数据描述性统计分析

(1) 数据的基本信息

在65536条销售数据中, 分类汇总产生结构化数据后共有31869条消费记录, 其中购买一件商品的顾客购物篮有19778个, 购买一件以上商品的购物篮有12091个, 分别占总体销售数据的62.06%和37.94%, 购买一件商品的比例稍高;在包含一件以上商品的12091个购物篮中, 顾客大多购买2-4件商品, 占总体的88%左右。

通过分析销量最多的10种商品发现, 该超市销售38类商品中, 销售量最多的是饮料 (19.1%) , 其次是熟食速食 (14.0%) , 第三是休闲食品 (11.5%) 。销量最多的10种商品的销量占总销量的81.0%。销量最少的10种商品的销售比例只占0.6%, 其中最少的三种商品是服装服饰、鞋帽类、土产干货, 其销量的比例都不到0.02%。

通过分析销售金额最多的10种商品, 该超市销售38类商品中, 销售金额最多的是烟草 (19.8%) , 其次是饮料 (13.9%) , 第三是蛋奶类 (9.4%) 。销售额最多的10种商品的占总销量销售额比例为82.4%。

2. 关联规则的发现

(1) 总分类关联规则

①由图1可知, 在对饮料进行关联规则挖掘时发现, 顾客在购买了饮料时, 有可能同时购买蔬果 (1.2%) , 熟食速食 (1.3%) , 营养保健品 (7.9%) , 塑料制品 (21.6%) 与休闲食品 (34.3%) 。顾客在购买饮料时一般有34.3%的可能性会同时购买休闲食品, 这里的塑料制品被认为是塑料袋, 这是一般规则。同时, 顾客还有可能购买营养保健品, 由此推断, 顾客买饮料可能是看望长辈或家庭宴会, 所以有7.9%的可能性购买营养保健品。

②由图2可知, 顾客在购买休闲食品时, 有1.3%的可能会同时会购买饼干糕点或糖果类商品, 这是我们生活经验的一般规则。同时发现, 顾客在购买休闲食品时也极有1.33%的可能购买蔬果, 3.67%的可能性购买酱菜。据推测, 这可能是主妇在为孩子购买零食时, 会购买生活必需品。

③根据图3, 顾客在购买调味制品时, 会对粮食和酱菜有需要, 购买可能性分别为1.5%和4.6%, 这是主妇在购物时的一般规则;同时发现, 顾客在购买调味制品时, 也可能购买家用清洁 (2.3%) 和个人洁护 (3.5%) 等日用品, 这可能是主妇在为家庭内添置一些食品, 日用品等生活必需品。

(2) 明细分类关联规则

明细分类商3中销量前5的商品分别为水, 香烟, 肠, 茶和购物袋。下面对香烟, 香肠和茶作明细商品关联规则分析。

①对香烟的关联规则

由图4可知, 香烟与打火机这两类商品的置信度较高, 为3.2%, 说明此次关联规则挖掘贴近顾客的日常需求, 这是对一般关联规则的有效验证。同时还发现, 顾客在购买香烟的同时, 有1.3%的可能性会购买香皂, 有1.5%的可能性会购买鞋刷。据推测, 这可能是由于顾客在购买香烟时会帮妻子购买一些日用品。除此之外, 发现顾客在购买香烟时, 对粥和可乐的购买分别为2.9%和3.5%, 有较高的关联度。

②对香肠的规则

在对香肠进行关联规则挖掘时, 由图5可知, 顾客也会同时购买其他零食, 其中对丸子和凤爪的购买可能性分别为1.9%和1.1%。同时发现, 顾客在购买香肠的同时有1.03%的可能性会购买杯子。据推测, 顾客可能是由于要宴请客人所以会同时购买香肠和水杯等餐桌必需品。

③对茶的关联规则

对茶进行关联规则挖掘, 由图6可知, 顾客在购买茶时, 购买咖啡, 可乐等替代饮品的可能性分别为5.0%和3.6%, 拥有较强的可信度, 说明对超市商品的分类摆放其实是有助于商品销售的。同时发现, 顾客在买茶的同时, 有1.3%的可能性会购买鞋刷, 据推测这可能是由于妻子在为丈夫购茶饮时, 会同时买家用清洁用品。

3. 时间序列挖掘

根据折线图7, 我们推断出以下结论:图中七天每天营业时间7:00am~21:00pm中, 商品销量和销售额均先走势平缓, 之后达到峰点, 随后下降, 即在18:00pm~20:00pm达到峰点, 说明此超市在此时间段人流量最大, 推测可能是18:00pm以后, 人们下班回家, 会顺便带生活必需品或休闲食品等需要的商品回家。

由图8发现, 发现周销量和销售额的变化趋势相同, 均是由平缓到峰值再下降, 且峰值出现点均在18:00pm~20:00pm间, 销售额=销量×单价则说明在高峰期单价销售差别不大, 即此超市在18:00pm~20:00pm每日销售商品类似。

六、结论与建议

通过对六万条超市数据进行挖掘, 获取描述统计信息, 为管理者进货安排给出合理化建议。关联规则挖掘, 在本次研究中发现, 买饮料的人极有可能会买营养保健品;购买休闲食品的时候会买酱菜;买香烟的人极有可能会买鞋刷;买香肠的人会买水杯。根据得出的这些隐含的规则, 可帮助管理者进行更好地货架拜访, 从而提高超市销售量, 同时增强顾客的购物体验。这一挖掘内容延于沃尔玛的啤酒与尿布的故事, 也是本次研究的重点。其中挖掘到的新的关联规则是本次研究的创新点。时间序列分析可得到超市的购买高峰期, 从而帮助管理者合理的进行人员的安排。

研究后发现, 我们可进行如下改进, 在数据的获取方面, 在条件允许的情况下获取更加丰富的数据资源, 此作为深入研究的必备条件。再者, 进一步的学习关联规则算法, 为研究提供理论支持。最后, 多方面的进场分析, 从客户以及决策中两方面的角度考虑分析, 是研究结果更加全面。

参考文献

[1]郑继刚.数据挖掘研究的现状与发展趋势[J].红河学院学报, 2010.

[2]袁剑秋.基于关联规则算法在数据挖掘中的研究与应用[D].成都理工大学硕士论文, 2009.

[3]T.Mitchell.Machine Learning.Mc Graw-Hill, Boston, MA, 1997.

[4]林凡.数据挖掘在零售业交叉销售的作用[D].黑龙江硕士学位论文, 2009.

大数据在展览营销中的应用探究 篇8

关键词：展览营销；信息资源；大数据

中图分类号：F713.83 文献标识码：A 文章编号：1006-8937（2015）17-0108-02

1 问题的提出

展览营销在会展活动中扮演着重要角色，但由于我国展览业起步晚、起点低，所以展览营销的方式还相对落后。如今，随着大数据时代掀起行业革新的风尚，探究大数据在展览营销中的应用有着重大意义，它将加快移动互联技术与展览营销的结合，加速展览营销数据时代的到来。

2 展览营销与大数据的现状分析

2.1 展览营销主要特点

2.1.1 营销体系较为僵硬

当前，我国展览营销方式主要是组委会和行业协会的邀请、政府邀请、代理商招展以及利用同类展会的展商数据库进行电话招展等。对于专业观众的营销，主要是用专业媒体进行展前宣传报道、行业协会邀请等方式。对于普通观众的营销，主要是通过大众媒体宣传、海报、网络等媒介进行营销。目前我国展会的营销仍然以传统营销方式为主，存在着营销体系较为僵硬，营销方式缺乏创新的问题。

2.1.2 营销过程成本较高

众所周知，降低营销成本是每个企业的目的。展览营销也不例外，通过系统完善、科学的客户档案，展览销售人员可以将客户跟进工作做得更加细致，甄别最有价值的客户，重点跟进，有效提高签单成功率，从而降低营销成本。但从目前来看，展览行业的营销水平远没有达到这种效果。粗放式宣传、信息不足、信息服务不到位等非团队协作式的营销过程，大大增加了展览营销的成本，最终事倍功半，浪费了人力物力财力。

2.1.3 数据利用效率低

当前，展览营销的过程中会产生一个庞大的数据，很多企业也会根据营销过程中产生的数据来建立一个数据库，但这个数据库也仅仅是发挥了它存储数据的功能，只是为了下次展览营销能够获得客户的一部分信息，它并没有综合地对这些数据进行细分追踪与智能化处理，对客户相关的各种数据进行即时和准确的掌握，为营销决策提供科学的依据。

因此，目前在展览营销过程中，数据收集的粗糙与低利用分享率问题急需解决。

2.2 大数据的应用优势

2.2.1 优化信息数据

大数据时代的核心，是对已知所需要的数据进行有效分析与充分的挖掘，提高对数据的“加工能力”，通过“加工”体现数据的价值，实现数据的增值。展览营销利用“大数据”，对于展会、展商、观众的信息进行收集与处理，并通过对这些数据进行有效的分析与充分的挖掘，为展会的招商工作以及未来的发展经营提供参考数据。对相关数据进行优化并充分利用，从而提升服务质量和服务水平。

2.2.2 共享信息资源

我国展会数量较多，每个展会都会对展商和观众数据进行收集，建立相关的数据库。而建立检测展会资源信息共享的技术规范和标准才是重中之重。通过建立会展数据共享平台，把一个个“信息孤岛”链接起来，达到充分挖掘数据的隐身力量，合理利用数据价值的目的。而大数据时代的信息资源共享不仅有助于主办单位更为展商和观众提供了甄别展会的平台。它有利于展会信息的通达性，提升信息服务的质量。

2.2.3 革新营销模式

近年来，社会化营销之所以获得突飞猛进的成长，离不开精准化的营销效果，这是建立在海量的互联网数据的基础上的，因此，云计算的概念很自然地就被引入到这个领域。而放眼未来，社会化营销的网络又将覆盖微博、社交网络、社区等全媒体平台，整合微博运营，创意推广，活动推广，线上线下结合等全项目运作手段将是大势所趋，因此，利用大数据进行营销模式的革新也是时代的要求。

3 展览营销各环节中存在的问题

3.1 营销渠道较窄

展览营销渠道可以说是一个展会营销的灵魂所在，然而现阶段展会营销渠道存在着定位不准确、差异化小、目标渠道不够明确、整体性差、缺乏创新等一系列问题。而且营销渠道单一，多采用简单的邮寄分销、传真分销、电话促销、活动促销等等，没有综合各类信息进行统筹综合的规划与开发，对信息缺乏一种综合应用能力。从而导致营销效率低下，耗费大量的人力物力财力。

3.2 营销推广模糊

目前的会展行业缺乏整体的营销推广规划。主要表现在营销推广方面存在的两种极端：

①一些展会不去考核自身展会的性质，不论是消费型展会还是专业型展会主办单位，都会利用各种宣传媒介对展会进行报道，缺乏具体推广的考量，同时增加了企业的营销成本。此外，

②展会则是基本上无推广无宣传，这就更加大了展览会失败的可能性。

3.3 对象选择混乱

目前国内会展行业的发展尚未成熟，大大小小的展会很多，质量也参差不齐，有待于进一步规范。由于展览市场的不规范，导致出现部分展会招募不符合展会主题的展商，欺骗展商和观众的骗展行为。展会营销的重点对象是展商和观众，因此在展览营销中要注重营销对象的选择，注重展商和观众的专业化分类。

4 大数据在展览营销中的具体应用策略

4.1 营销渠道方面

4.1.1 促进销售渠道的多样性

“互联网+新媒体组合营销”是展览营销发展的趋势。例如软文营销、SEO、数据库营销、社交媒体营销等新兴互联网新媒体营销手段，均能够为展会营销目标服务。此外，在营销渠道的方式选择上，应创新活动电子票营销与数据库管理服务系统，利用电子票务营销系统帮助会展、培训、演出等活动主办方，在主办方的官方微信、微博、官网等自有媒体与移动终端上实现活动的营销与销售、会员数据的跟踪与收集等需求。

4.1.2 提高营销渠道的针对性

如今，APP、微信、微网站、二维码四大技术为传统的展览信息化服务带来了新的活力，已成为主办方办会的标配。通过大会APP在线预约系统，买家与卖家可以提前预约，进行商务洽谈，提高参会效率；普通参会者也可以通过APP找到志同道合者进行名片交换，达成精准商务社交；所有的参会者还可以在APP端进行群聊，发布消息，带来极佳的参会体验。

4.1.3 构建营销渠道的双向性

增建营销渠道的反馈渠道，促使信息的双向对接，多方互动。通过收集和整理反馈信息，从而改进展会。所以会展企业需要搭建24 h信息传播的社交媒体平台，通过持续提供优质的关联内容，创建可促进多方互动的社交媒体活动，提升展会品牌美誉度，才能有效促进品牌价值转换。通过会展公司的业务员在线下与客户沟通互动，要能够读出客户的需求，完善数据库信息，从而在相关平台上有针对性地发布信息。

4.2 营销推广方面

4.2.1 提升信息服务质量

在展会中众多的专业观众的信息数据统计是一个较大的工程，一般的数据统计很难精确每个观众的参展意愿与满意度。而通过大数据对每一位专业观众的粗糙数据进行自动化处理，可以记住每位观众各方面的信息。

4.2.2 加强精确定位性宣传

大数据在对参展商的营销推广中的应用，可以通过数据集成分析精确定位符合展会的参展商。主办单位则可以通过数据分析展商的要求与喜好，针对展商进行个性化的宣传推广。通过大数据与移动互联技术相结合，创新营销方式，拓展营销推广。

4.2.3 注重互动体验营销

大数据基于信息收集，注重收集客户的体验与感受。在为展会商家服务的同时也能愉悦广大受众，吸引人们的好奇心和参与热情，更好地为展会品牌和参展商之间搭起一座沟通的桥梁。因此，在营销中利用体验式互动营销，收集广泛客户的数据，为展会规范发展提供数据。

4.3 营销对象的选择方面

4.3.1 加强对一般客户的关注

要想做好营销首先就要选择好适合自己产品的一般的目标客户，而且必须是买方和卖方需求的密切结合。因此，必须做好用户行为与特征分析，而这个过程也就是客户数据积累与发掘的过程，它需要分析出客户的实力、目标与自身喜好，全面了解客户需求。分析完客户需求之后要做好精准的信息推送，投其所好，避免浪费，让客户全面了解展会信息。

4.3.2 增强对重点客户的筛选

选择最有价值的客户进行重点关注无疑是减少营销成本的有效对策。具体来讲，通过从客户访问的各条会展举办信息的时间和数量判断其最近关心的动态。收集和整理相关信息，进行综合关联与分析帮助企业筛选重点目标客户；同时还要做好竞争对手的监测与品牌传播，掌握竞争对手的传播态势，把握自己的品牌传播，从而更好地对重点客户进行筛选。

4.3.3 优化对客户信息的管理

会展业在紧跟时代步伐的同时，也要注重对于客户信息的管理。在充分收集和利用客户数据时，建立一个安全、规范、完善的客户数据库，从而确保客户的信息安全。客户信息不仅能够为展览营销提升信息质量，同时，客户数据的泄露甚至会为客户造成严重损失，因此，加强对于客户信息的保护，优化对客户信息的管理。

5 结 语

大数据在展览营销中的作用不可估量，但要运用好这一技术也要综合多方面因素，要不断搜集并完善数据库，拓展信息来源，合理利用信息数据资源，只有这样，才能发挥大数据在展览营销中的巨大力量。

参考文献：

[1] 麦德奇·布朗（美），王维丹（译）.大数据营销：定位客户[M].北京：机械工业出版，2013.

[2] 王华.会展概论[M].广州：暨南大学出版社，2010.

[3] Philip Kotler and Gary Armstrong，Principles of Marketing，13th Edit-ion[M].New Jersey：Pearson Education，Inc，2010.

课堂中的大数据应用 篇9

课堂中生成的大数据：

1.教师教学行为数据：教师教学行为的数据主要是教师在授课过程中的言行。

2.学生学习行为数据：学生学习行为的数据主要是学生在课堂中的反应、作业完成情况以及对知识点的掌握情况。

课堂大数据的用途

1.分析和评价教师教学行为，促进教师教学行为的改善 2.为学习分析提供依据，促进教学干预和个性化学习3.发现教育教学问题，为学校和管理部门提供决策依据

随着平板电脑等移动终端设备在课堂中的应用，采用智能手段获取学生学习的数据也成为可能。典型的应用是收集学生对知识点的掌握情况，如将课 堂练习与教学知识点相关联，在移动终端上做课堂练习时，运用软件实现课堂 练习的智能分析，自动获得学生对教学知识点掌握情况的数据。

二、关注学生课堂数据，挖掘信息课堂亮点

教师要敢于直面自己的课堂，看看录像，听听录音，及时反思自己的课堂，优化教学引导，课堂教学的时间观念就会强很多，课堂效率也会提高不少。

三、基于 PADClass 模型的数字化课堂学习过程数据挖掘与分析研究 信息的单向性和数据的不可跟踪性使得课堂学习过程只能依靠教师的经验进行分析，在学习过程中的多维信息交互数据不能得到即时处理与分析，导致个性化学习缺乏实际基础。

一方面，通过数据挖掘和数据分析以及可视化等技术可以实现对课堂上教师和学生的教学行为和随堂测试数据信息的采集、处理、存储以及可视化呈现;另一方面，通过基于数据的教学策略优化，可以减轻教师教学负担，激发学生学习兴趣，实现教育资源合理配置，促进信息技术与教学过程的深度融合。可以把课堂数据分析分为四个方而，即教师分析、学生分析、活动分析和资源分析。其整体分析结构如图。

其中教师分析根据教师的课前备课、课上授课和课后评价等行为分为备课分析、导学分析、互动分析、评价分析、教学目标分析和课后分析;学生分析根据学生课上行为和作业测试情况分为互动分析、评价分析、作业分析、测试分析和学习结果分析;活动分析根据活动的类型和时长分为活动类型分析和活动时长分析;资源分析根据资源的类型、大小和使用情况可分为资料分析和使用频率分析。它们为分析教师与学生的行为和教学目标的完成情况提供了科学精确的数据依据。

可以把数据分为单节课和阶段性两个维度来分析。单节课就是在某一节特定的课上，对教师和学生的交互信息和学生的测试成绩进行精确的处理，并最终用图形化的形式展示出来。阶段性就是在某一阶段内，对某个班级或某个学生进行阶段性分析.用图像化的形式直观展示。

图4为测试时题目正确率及交卷人数实时状态，该图由两部分组成:左侧为“题目正确率统计图”，显示当前已交卷学生的单个题目的答题正确率;右侧为阳寸序图”，显示当前已交卷学生的人数。

图5为测试时每个学生实时作答情况，答对的选项填充为绿色，答错填充为灰色，未选为空白。S-P表用来实时显示学生的正确率及每个题目的作答情况。

图6为单日随堂考成绩分析，是该教师某天在某班的某门课上进行随堂考试成 绩的分析。图7为单日作业提交率分析.是该教师所教的某一班级某天提交某门课的作业情况分析。教师通过“实时分析图”能够了解每个题目的正确率和学生的交卷情况。

第一，教师通过“举手”能够及时了解学生对知识的掌握情况。

第二，教师通过“实时分析图”能够了解每个题目的正确率和学生的交卷情况。第三，教师通过S-P表能够详细的了解每个学生的学习情况。

第四，教师通过“单题选项分布统计图”能够了解每个题目学生整体的掌握情况。

第五，教师通过“成绩等级分布图”能够了解学生成绩等级的分布情况。

第六，教师通过“过程分析图”能够“看到”学生的过程分析图给教师呈现了学生做每个题目做题过程。

四、面向课堂教育信息的数据挖掘研究

维度二学生信息的挖掘“(1)参与状态:一是观察学生是否全员参与学，二是看有的学生是否参与教，把教与学的角色集于一身。没有学生积极参与的课堂教学，是谈不上开发学生潜能的。(2)交往状态:一看课堂上是否有多边、丰富、多样的信息联系与信息反馈，二看课堂上的人际交往是否有良好的合作氛围。

(3)思维状态:看学生是否对教师的提问，提示信息作出积极的反馈;学生是否主动提出问题、发表见解。

(4)情绪状态:一看学生是否有适度的紧张感和愉悦感，二看学生能否自我控制与调节学习情绪。有时课堂会突然爆出笑声又嘎然而止，会从激烈的争论转人专注的聆听，就是一种自发并能自控的良好情绪状态。

(5)生成状态:一看学生是否都各尽所能，感到踏实和满足，二看学生是否对后继的学习更有信心，感到轻松。

维度三教师、学生课堂交互信息的挖掘：

五、课堂数据可视化的价值与教学应用

基于网络智能设备的课堂数据可视化，一方面继承了数据可视化“一图胜千言”的表达优势，另一方面又通过技术将已构建教学关联的课堂数据，以即时反馈、全局展示、动态累积、趣味呈现的方式应用于课堂教学各环节和活动中，在支持课堂管理的同时，着重突出“可视化”的教学互动及教学的动态生成，促进了教学过程的不断改进。

课堂数据可视化的内涵：数据可视化借助图表、图像形象地呈现数据，支持用户直观了解数据本身，分析蕴含在数据背后的信息与数量关系，其主要目标在于“通过图形化的手段清晰有效地传达信息”，帮助人们“揭示趋势、探索来源、获取新知”。研究表明，大脑要处理的信息多跟视觉有关，超过 80%的大脑细胞是处理视觉信息的，人们在加工视觉信息时认知负荷很低，所需努力极其微小（Sibbet，2010）。数据可视化充分应用“一图胜千言”的可视化表达方式，具有显著的沟通力、呈现力与吸引力，在课堂教学中常被用于呈现教学信息，通过图形图像的方式增进学生对教学内容的理解与认知，支持学生学习过程中的认知建构，或是对已记录的教学数据加以可视化，便于后期的比较与分析。

其应用主要包括获取课堂表现数据、呈示可视化结果、自主调整反馈三个基本流程。各流程间顺序并不固定，可根据教学实际灵活调整，通过这些流程的不断应用促成教学改进的良性循环，如图

其中“获取课堂表现数据”，通常指通过应用智能设备获取学生课堂表现数据，主要有行为表现、认知表现和情感表现三类。

1.课堂数据可视化应用带来课堂形态的新变革

首先，课堂数据可视化的应用使课堂交互真正得以“实时实地”。如使用课堂应答工具Socrative可即时了解学生对某一知识点的掌握情况，从而减少师生间反馈所需的时间，促使课堂交互真正实现“实时实地”。

其次，课堂数据可视化应用可自主设置课堂交互的透明度，在充分尊重学生的同时增进课堂交互的自由度。如 Socrative 可在不同测试题型如简答题中设置是否匿名，为课堂中的学生创设毫无压力的表达空间，使其更愿意且更真实地表达自己。

第三，课堂数据可视化应用可使课堂交互充分面向个体和全体学生。如 Class Dojo 将全体学生行为表现信息置于单一界面中，教师可以通过这种可视化的方式即时了解个体和全体学生的行为表现情况。

2.课堂数据可视化应用是教师数据素养发展的重要内容 课堂数据可视化一方面将数据应用渗透于教师教学与沟通交流的各环节和各层面，另一方面在技术应用上简化了教师数据统计与分析的工作，使教师能够切实关注基于数据的教学发展而非数据本身。

3.课堂数据可视化应用推进教师技术应用的优化变革

课堂数据可视化应用实则是基于数据的技术应用，这种基于数据的技术应用在教学整合的“相对优越性”、教师教学的“兼容性”、教学效果的“可观察性”上均较传统的技术应用更能激发教师应用技术的积极性与主动性。一是数据与教学切实关联，二是数据具有动态性特征，三是数据具有一定的指示作用。

课堂数据可视化教学应用案例 1.Class Dojo简介

Class Dojo是一款免费的基于学生行为数据可视化的课堂行为管理网络工具，旨在帮助教师管理课堂和改进学生行为表现。这项功能主要通过四个环节实现：（1）量化学生行为，（2）评估学生行为，（3）呈示学生行为得分，（4）生成学生“行为报告”。

3.基于Class Dojo的课堂数据可视化教学应用（1）激发全员共同参与（2）创设游戏化课堂 可将学生课堂行为管理作为游戏机制，通过将数据应用和趣味呈示的色彩、声音、时间乃至学生个人形象相关联，从个性化形象设置、评估过程到竞争机制、互动反馈等方面。具体可从以下三方面考虑：一是为所有学生设置独特的卡通人物形象。二是重视学生行为评估过程的游戏化。三是充分应用 Class Dojo 所提供的随机抽取、计时器和倒计时等功能，开展各种各样的趣味活动，有效提高学生的课堂参与。

（3）展开即时、全面、自主的教学互动（4）增进教育利益相关者间的协作交流 Class Dojo 除了在课堂教学中作为学生行为的即时评价与管理工具外，还会对学生的行为表现加以记录和存储，并以“行为报告单”的方式动态呈现出“整个班级”或单个学生在某一段时间内的发展变化情况。Class Dojo根据教师、家长和学生的应用特征为各自提供了不同的应用界面，方便教师、家长和学生即时查看学生的行为表现。

六、学习仪表盘：大数据时代的新型学习支持工具

学习仪表盘基于信息跟踪技术和镜像技术，对学习者的学习行为、习惯、情绪、兴趣等信息进行记录和追踪，通过分析与可视化、个性化的显示，为在线教育的学习者、教师、研究者、教育管理者等提供多层次的学习支持，帮助学习者实现自我认知、学习反思以及意义建构，促进学习新方法或模式的产生。

应用案例

（1）可汗学院学习仪表盘 在这一学习仪表盘中，要学的知识被精细切割为上百个知识点并可视化为由

549 个小格组成的“任务进度”图，其中每个小格代表并链接一个知识点要完成的学习任务，其颜色深浅表示了学习者对该知识点的掌握程度。学习者可以设计个性化 的学习路径并自由选择想要学习的知识点，还可以通过练习或测试提升对某一知识点的掌握程度

（2）“快乐学”学习仪表盘

学生入口的仪表盘页面能够显示学生在练习过程中的错题类型与数量，并通过分析学生在学习中的弱点与盲点生成个性化练习题，帮助学生强化和提高。教师入口的仪表盘页面既能够支持师生间一对一的交互，又能基于对学习者的数据分析辅助教师生成个性化试卷，从而实现个性化教学。家长入口的仪表盘页面在可视化子女总体学习指数（如图4所示）的同时，还可以显示某类知识点的具体学习情况

多对象学习支持

学习者。学习仪表盘可以追踪学习者的学习过程与结果并提供多种反馈信息，包括对课程参与情况的反馈，如学习材料使用情况、在线活动参与度、论坛参与率、在线测试成绩、作业及考试成绩等;学习者在学习共同体内的学习情况反馈，如学习进度的比较与推荐、学习策略建议等;学习者学业进步的总体反馈，包括学习情况总结、参与各种学习活动及使用各种信息技术工具的情况总结等。