數學建模和數據分析范文

導語：如何才能寫好一篇數學建模和數據分析，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公文云整理的十篇范文，供你借鑒。

篇1

隨著新技術和新應用帶動數據爆發式的增長，大數據正逐步走進人們生活，并對傳統數學建模課程產生深刻的影響。近年來，在美國大學生數學建模大賽中，具有顯著大數據特征的賽題不斷涌現，以2017年A賽題為例，其關于贊比西河管理問題的解決涉及大量非結構化數據，特別是地理數據，對數學建模能力的考核已經不再表現為分析問題能力和數據執行能力的獲取，而是上述兩種能力的合取。2018年大賽甚至系統性地專門增加一個數據處理題以反映時代對這方面的要求。因此，在數學建模教學中，任何割裂分析問題能力與數據執行能力聯系的做法已經無法應對大數據對數學建模能力提出的挑戰。具體到教學改革上，需要我們分析好大數據型問題對數學建模課程的影響，對傳統數學建模的課程目標、課程內容、教學手段做出相應調整。

一、構建體現大數據特點的數學建模課程目標

課程目標是教學活動的指導思想，是課程設計的出發點和依托。因此，數學建模課程目標應順應大數據發展的要求進行相應調整，為構建與大數據處理相適應的，新的課程觀、課程目標、課程內容、課程結構和課程活動方式奠定基礎。

數學建模的主要目的是培養學生應用數學理論和知識解決實際問題的能力，而應用好數學解決問題的前提是建模時首先能正確地面對數據類型和關系，進行合理假設。人們在自覺和非自覺狀態下創造的大量非結構化數據和半結構化大數據，它們有些表現為傳統的數、表等結構化特征，有些則表現為諸如文本數據、音頻數據和視頻數據等現代非結構化數據和半結構化數據，多且雜亂。因此，在數學建模課程目標的設定上首先應體現數據結構的特點對調整數學建模課程目標提出的要求。

大數據具有5V特征，即Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。如，智能制造中設備產生的數據流實時、高速，這些高速數據通過通訊網絡快速與控制系統鏈接，數據流數量級的計算加速大幅提升數據處理與分析的效率，使得機器硬件性能得以充分挖掘，進而提升經營與管理的效益；其他如醫學掃描數據、天文數據、網站流量等，其具有低價值密度的特點。這些不同于以往數據的特征要求我們需要有新的數學建模課程目標與之匹配，這主要表現在數據觀、數據刻畫及數據表現等幾個方面。

傳統數學建模中，數據收集只能通過隨機樣本，利用少數的特征對總體的屬性進行統計推斷。在大數據時代，人們可以通過互聯網、即時通訊工具以及數據庫，獲取各種海量數據。因此，大數據背景下，全數據或海量數據成為樣本數據，即樣本就是總體，樣本就是大數據。

面對這樣的全樣本或海量數據，隨機抽樣有時僅表現為一種邏輯上的意義。而在大數據背景下，一方面，?稻菔占?過分地依賴技術手段，很難進行人為的精度控制；另一方面，數據無論在空間和時間方面，來源更加復雜，格式更加多樣，這就使得數據的前期清洗處理變得非常困難。由于存在系統性的偏差，很難將全部的雜質項從數據中萃取掉，在秉持“數據多比少好”的情況下，就得接受數據混亂和不確定性的代價。當然，在大數據中，忽略一部分模型的精確性，并不是說不要模型的精確性，而是指我們對于模型精確性的可控性在減弱。所以，新的數學建模分析應更加側重于發現海量數據下的各種關聯細節，這可以成為數學建模邏輯思維能力培養新的補充目標，從而使我們在知識與技能、過程與方法等維度上把握好該課程的教學。

隨著數據通訊技術，尤其是移動智能設備的普及發展，人們可以在任何時間和地點信息和獲取數據，數據的實時分析成為提高大數據分析效率的必由之路。與傳統數據相比，數據不再局限于一條條記錄，伴隨著大量由物聯網、傳感器等產生的圖片、視頻等非結構化數據的產生，實時分析需要學生掌握新的數據挖掘技術，并以集群、分割、孤立點分析及其他算法深入數據內部挖掘價值，從而實現處理數據量和處理數據速度的統一。

此外，數據倉庫、聯機分析和數據挖掘技術的不斷完善，推動著數據以圖形和圖像等可視化方式的執行，[1]展示數據、理解數據、演繹數據呼喚數據的可視化；從直方圖到網狀圖，從三維地圖到動態模擬，從動畫技術到虛擬現實，枯燥乏味的數據生動形象起來，爆炸性數據壓縮起來，這對于數學建模的數據輸出提出新挑戰。

二、構建兼顧大數據和信息技術特點的數學建模課程內容

數學建模本質上是一種數學實驗，人們在實驗、觀察和分析的基礎上，對實際問題的主要方面做出合理的假設和簡化，明確變量和參數，應用數學語言和方法，形成一個明確的數學問題，然后用數學或計算的方法精確或近似地求解該數學問題，進而檢驗結果是否能說明實際問題的主要現象，能否進行預測。這樣的過程多次反復進行，直到能較好地解決問題，這就是數學建模的全過程。

大數據的處理也有自身的步驟，一般來說可以分為6個不同階段：（1）存儲管理階段，它實現了多維數據的聯機分析；（2）數據倉庫階段，它解決數據整合集成問題；（3）聯機分析階段，它實現數據存儲管理和快速組織；（4）數據挖掘階段，它實現探索性分析，發現數據背后模式和有用信息；（5）輔助決策階段，它綜合運用數據倉庫、聯機分析和數據挖掘，實現結果；（6）大數據分析，它實現非結構化數據、海量數據、實時數據的分析。

因此，面?Υ笫?據，如何實現上述兩者的有機融合，必然需要注意新數學建模各階段表現出的新的特點，如在實驗、觀察階段，樣本數據收集的信息化與自動化，海量信息和全樣本數據成為分析常態。在問題的數學刻畫階段，相關分析可以作為進行模型分析之前數據探索的一個手段，這是因為由于數據的結構復雜，變量眾多，數據體量大，有時候很難用一個“普世”函數描述出變量之間的準確關系，在無法綜合評價出變量之間關系的情況下，我們可以部分揭示出變量之間的關系。事實上，由于相關分析無需太多模型假設，運算成本較低等眾多原因，使得相關關系的分析成為了大數據分析的基礎。[2]在模型驗證階段，以數據為中心的非普世和精確化的數學模型往往可以得到海量信息和全樣本數據的支撐等。

因此，在數學建模課程內容架構中，應兼顧大數據和信息技術的特點，逐漸改變數據挖掘技術在數學建模教學上輔的作用，將有關計算機和信息技術的教學很好地落實到課程計劃、課程標準和教科書中。如在教學中，可以增加通過“網絡爬蟲”程序直接抓取互聯網數據的內容；從傳感器、云端直接獲取智能制造中現實數據的方法；將并行處理數據的思想引入建模教學；加強相關分析的內容教學等。所有這些可以讓計算機的數據采集能力和數據處理能力成為變量間邏輯關系探索、復雜模型構建的有力工具，推動人們對數學建模的認知。

三、強化數學建模中的軟件教學

首先，強化數學軟件的教學。常見的數學軟件有Matlab、Mathematica，Lingo，SAS、SPSS、Eview、

R、Python等，它為計算機解決現代科學技術各領域中所提出的數學問題提供求解手段。

其次，加強數學算法的介紹。常見的數學算法包括運籌學類的算法、概率分析與隨機算法、時間序列算法等，其他的如十大經典算法等。

另外，對于以往建模中的數據處理，人們更習慣運用SPSS、Eview等這類封裝好的、以體驗式為主的方式進行，然而，相比于機械的拖拽軟件分析數據，編程分析更加靈活，因為，編程使數據處理無論在體量上，還是在方式的靈活度上，更有利于激發數據分析者的主動性和創造性，因此，能夠駕馭軟件編程的教學應是更高的數學建模課程的要求。

當然，大數據處理也還有其他特殊的技術，如大規模并行處理數據庫、分布式文件系統、分布式數據庫、虛擬化和內存計算等，其中，大規模并行數據處理運用的hadoop技術，內存計算的hana工作原理等在教學過程需要予以關注。

篇2

隨著信息技術的普及，傳統的演算式的數據處理方法已經逐漸地退出歷史舞臺，現今社會數據處理方法指的是以計算機為載體、利用互聯網技術對數字信息進行整理分析的方法。現行的數據處理方法以表格和圖示最為常見，一般的對近幾年來的數據趨勢進行分析時，往往將數據整理起來繪制折線統計圖，以直觀的顯示數據走勢。而統計每一部分數據所占整體的百分比時，一般都是用扇形圖，明確地反映出數據比例。傳統的圖形繪制一般都是利用紙和筆進行的，而現今軟件技術的發展為數據模型的抽象化和數字化提供了可能。將數據錄入到電腦系統中，通過電腦軟件繪制圖表，在一定程度上大大增加了數據處理的準確性，提高了數據處理的效率。

二、數據處理方法

在數學建模競賽中的應用在數學建模的初級階段，數據處理方法可以幫助分析出模型內部各元素和數據量之間的關系，使得參賽者對自身的數學建模工作有一個基本認知。其中一小部分的數學模型可以借助數據統計的方法在大量的數據中提取有效數據，建立模型，還有人可以利用模型的理論知識與實際知識的差異度分析建模時的問題所在。可見，數據處理是數學建模競賽中最為關鍵的環節之一，數據處理方法在數學建模競賽中的應用對建模結果有著直接的影響作用。

（一）建模數據的基本分析

一般來說，建模過程中涉及的數據往往是以電子表格的形式儲存在計算機中的，電子表格可以對數據進行排序、篩選、求和和公式運算等一系列處理。除此之外，其他的計算機軟件如文檔等，還可以利用其中的繪圖功能將數據繪制成更利于觀察和研究的直方圖、散點圖等圖像。對建模數據的基本分析是數據處理方法在數學建模競賽過程中的第一步，也是其他方法的基礎。

（二）數據插值

數據插值的理論含義是在已有的數據基礎上，將其他數據按照某種公式或規律插入的行為。一般情況下，只有在已有的數據量不足以支撐建模完成時才使用數據插值的處理方法，基本的數據插值往往是固定在兩點之間的。當然，數據插值的方法需要遵循理論公式才可以進行，理論公式能夠保證后插入的數據的準確性，繪制真實的圖表。不同的理論公式，最終形成的插值效果圖也就不同，因此在選擇插值需要遵循的公式時，需要認真的考量。美國1998年的比賽中就用到了三維插值的方法，取得了巨大的成功。

（三）數據模擬和綜合分析

數據模擬主要分為數學模擬和計算機模擬，數學模擬是建立在數學學科公式的基礎上的，而計算機模擬則主要是借助計算機技術來實現的。現行的數據處理方法中以計算機模擬的方式居多，利用計算機技術，改變模擬模型的不合理結構和錯誤參數，為最終的模型塑造樣本。數據的綜合分析是建模競賽中數據處理的最后一步，主要是對前幾個步驟的整理和總結，并對其中的數據進行采樣實證。根據抽樣的數據分析，檢驗數據與模型之間的對應關系是否合理、模型的最終版本是否有著足夠的數據支撐，為建模過程守好最后一道關卡。

三、結論

篇3

Matlab是美國TheMathWorks公司于1984年出品的集數據分析、數值計算和數據可視化于一體的數學類軟件。Matlab軟件所具有的強大數值計算能力和豐富的工具箱，幾乎在高等應用數學的各個分支都具有廣泛應用。比如說高等數學、概率與數理統計、計算數學及優化問題等方面。此外，Matlab表達方式與傳統的數學表達式十分接近并且操作簡單，編程操作方便。這些對于理工科應用型院校的學生來說，比較易于掌握。因此，Matlab軟件早已成為數值分析、運籌學、最優化理論以及神經網絡等課程的基本教學軟件。

2、數學建模理論的特點及教學中的問題

2.1建模課程內容涉及的范圍廣

當前，數學建模課程的授課性質主要分為兩類，一類是為數學類專業學生開設的專業基礎課，另一類是為非數學類專業中開設的數學公共選修課。數學建模課程涉及的領域廣，研究的內容主要包括初等模型、微分方程模型及灰色系統模型等。該課程的主要目的是使學生掌握數學建模的一般步驟，能夠將較復雜實際問題“翻譯”為數學語言，能進行數學推導計算，并能進行簡單的理論分析（如模型的誤差分析和靈敏性分析等），同時要求學生熟練地掌握一定軟件編程技巧，以便解決常見模型的求解計算問題，因此，可以說數學建模課程既與傳統數學基礎課教學有所不同，又與其相互配合、補充，使學生得到完整的數學訓練。

2.2模型求解的計算量較大

求解數學模型時，對于簡單模型（如初等模型）的還可以進行傳統手工求解，但為了多角度地呈現已經很好地解決實際問題時，即使是簡單模型也往往要利用圖形輔助說明；對于較復雜的模型很難甚至是無法進行手工計算，而這些問題往往運用Matlab軟件的強大繪圖功能及工具箱即可方便地進行解決。

2.3任課教師的專業背景

單一由于建模課程所涉及的知識領域不只是數學，其它專業知識也十分廣泛，針對一些具有較強專業背景的實際問題，不僅學生，即使是教師，不熟悉問題的實際背景就會感覺無從下手。一般來說，數學建模課程的任課老師是由數學教師擔任，而數學老師缺少工程背景和專業基礎，并且課程難度大，而往往要求教師投入大量時間和精力，但該課程教學工作量的計算卻與其他課程一樣，這樣使從事數學建模課程教學的教師慢慢地削弱其積極性和主動性，不利于數學建模課程教學。因此，數學建模課程教學師資隊伍的建設工作已是一個高等院校無法忽視的問題。

3結合Matlab軟件進行實踐教學

根據前面分析的數學建模理論教學的特點和存在問題，若要使學生更好地理解和掌握這門課程的理論、方法，以便提升該課程的教學效果，應改進現有的傳統教學手段。因此，將Matlab軟件應用于數學建模課程教學，便會有良好的教學效果，如在講解預測模型時，當要說明已知數據變化趨勢，模型結果及其誤差分析，就可通過圖形的方式直觀展示給學生，如下面例子所示。例1根據某地區在1990-2009年間的年平均降雨量數據，建立灰色災變序列預測模型對未來年均降雨量趨勢進行預測。經分析，該地區年均降雨量大約在400mm-600mm之間，降雨量年變化波動較大，年均降雨量550mm，根據多年實際經驗，該地年均降雨量少于平均年降雨量二成以上就會造成明顯的旱災。根據該地區近20年年均降雨量數據特點，選擇年均降雨量災變異常值450mm。為了使學生直觀了解其年均降雨量數據變化情況，給出圖1進行展示。

4、結束語

篇4

關鍵詞：信息與計算科學;專業實踐教學;措施

Abstract: This paper analyzes the existing teaching at the present stage of information and computing science practice problems and deficiencies, combined with the actual situation of the professional, to applied talents characteristics as the starting point, the practice curriculum system of modular teaching of different training direction based on the perfect, at the same time in order to better achieve the training objectives, training three aspects respectively, the construction and serious thoughts on reforming the practical teaching contents and methods, establishing information platform, young teachers, the teaching level and quality.

Keywords: information and computing science; practice teaching; measures

中圖分類號：G3 文獻標識碼：A文章編號：

引言

該專業是信息科學、計算科學、運籌與控制科學交叉滲透的一門理科專業，目前開設該專業的學校較多，但大多是第一次開設數學類專業，除了少數院校辦學經驗比較成熟，已辦出特色外，大多數院校尚未形成自己的特色，所以近幾年許多院校都對信息科學專業的專業內涵、人才培養模式、課程體系等重大問題進行認真負責的研討和改革，以期辦出特色，為社會輸送合格人才。

1.信息與計算科學專業實踐教學的特點與原則

基于對實踐教學的認識以及對信計專業人才培養目標的理解，對比與本專業關系最為密切的三個專業(數學與應用數學、計算機科學與技術、統計學)，結合信計專業辦學實踐，我們提煉得到信計專業實踐教學的特點。

1.1開創性：雖然1998年信計專業誕生至今已逾10年，但對大多數辦學點來說仍然是新專業，處于辦學初期的定位與建設階段。實踐教學由于認識、經濟、精力和歷史等條件的限制，尚未進入重點建設階段。缺乏適用的教學資料，對實踐內容的組織沒有成熟的經驗可以借鑒，信計專業的實踐教學總體來講還處于初創期。

1.2多樣性：這里所指的多樣性來自兩個方面，其一是信計專業自身的綜合性，它涵蓋信息科學、計算數學、運籌學和控制論四個主干學科。其二是信計專業辦學點背景的多樣性，這里將其分為四類，具備多年數學專業辦學經驗的數學科學學院、有計算機學與技術專業辦學經驗的計算機或信息學院、有統計學專業辦學經驗的管理學院或財經或金融學院，以及沒有任何相關專業辦學背景的理工科學校的基礎教學部等。不同辦學條件的辦學點的實踐教學環節設置，在內容、模式、時間安排等方面呈現出豐富的多樣性。

1.3重要性：無論從新時期我國高等教育的總任務，還是從信計專業人才培養目標看來，關鍵在于培養學生創新精神和實踐能力。僅靠單純的理論教學或僅附屬于某一門理論課的實驗課，希望學生通過自己的鉆研，自發地達到融會貫通，具備本專業所要求的熟練應用計算機解決信息技術等領域中的某些實際問題，乃至于具備知識更新和自主創新的能力，是不切實際的。綜合性、集中安排的、以解決實際問題為線索的實踐教學，是信計專業人才培養的必要、而且愈來愈重要的環節。

2.信息與計算科學專業實踐教學改革思路和措施

2.1完善實踐課程體系，實現應用型人才培養特色

首先從突出應用型人才特色出發，改革傳統的研究型人才培養的教學體系，使學生在實踐過程中加深對理論知識的理解，掌握數據分析與處理的基礎理論和最新技術，更好地運用先進的計算方法和計算工具，提高應用軟件和數值軟件研發能力。為此，把實踐教學體系的教學內容劃分為的三個模塊：數學建模能力模塊、計算機應用能力模塊和科學計算能力模塊。

2.1.1數學建模能力模塊。傳統的數學授課模式主要是傳授數學理論，而在實踐教學中貫穿數學建模思想，讓學生不僅能掌握數學的理論知識，并且能通過數學模型的應用來理解和領會這是一種很好的教學改革。該模塊側重于培養學生建立數學模型及模型求解能力，以進一步開發學生運用數學知識解決工程實際問題的能力，使學生能實際體會數學理論在工程中的應用，并培養學生的創新意識和獨立解決問題的能力。為此開設了數學建模課程、數學建模的課程設計和數學建模競賽培訓班，帶領學生參加數學建模競賽工作，培養學生將所學知識應用到社會實際工程與管理中。近幾年在全國大學生數學建模競賽中獲得一等獎1次，二等獎6次，在上海市大學生數學建模競賽中獲得一等獎7次的好成績。

2.1.2計算機應用能力模塊。信息與科學專業除了要學生培養具有良好的數學修養外，還要具備較強的計算機應用能力，能運用所學的知識和熟練的計算機技能解決實際問題，所以計算機應用能力的培養貫穿于整個教學過程，并通過實踐體系的強化，學生的應用能力得到了很大提高，具備了很高的競爭力。

2.1.3科學計算能力。通過開設的“數值分析及MATLAB應用”、“數據分析”、“數學實驗”等課程和課程設計，進一步提高學生的分析能力、代數與幾何知識綜合應用能力，培養學生充分運用所學的數學知識和計算機數學軟件求解工程實際問題的能力，提高學生的應用能力，為培養高層次的學生奠定了扎實的基礎。

2.2改革實踐教學內容和手段，理論教學和實踐教學緊密結合

2.2.1為了能更好地做到理論教學和實踐教學緊密結合，在實踐課程設置時注意和理論課程的銜接，比如計算機應用訓練、程序設計訓練、數據分析、數值計算、數據庫應用訓練等課程設計分別有對應的理論課程，實踐課程既是對理論課程的一種論證和應用，又是理論課程的拓展和延伸，在實踐過程中每年都會結合企業需求、社會需要及熱點問題調整教學內容，更好地辦出特色。

2.2.2在師資上以課程組形式進行運作，理論課程教師和實踐課程老師在同一個課程組，或者有些實踐課就是由理論課程教師擔任，這樣既能在每個方向上聚集足夠的師資，凝練研究方向，又能通過課程組教師集體研究確定課程設計的內容、提出設計任務和要求，并在開學之初就公布，讓學生在學習理論課程之前就明確要解決的實際問題，學生在隨后的學習過程中，以問題為中心，有目的地去學習相關的課程，為課程設計打下良好的理論基礎。

同時在整個實踐過程中重視學生實踐能力的培養，實踐過程的指導和控制，積極構建以學生為主、教師為輔的教學模式，探索以啟發為核心的教學方法。比如程序設計訓練整個實習課程共40學時，只安排了8學時進行理論講授，其余32學時要求學生集中上機完成自己的作品，教師隨時根據學生出現的問題進行啟發、點撥和指導。考核方式也重視實踐過程，考核包含平時成績、學生報告、學生作品和答辯四部分，同時學生通過自己鉆研教材或有關資料，同伴協作、教師幫助完成課題。這種教學形式適合應用性、趣味性強，難度適當的內容。實踐證明，這種教學策略對于培養學生的操作技能以及認知能力和創造能力都是非常有效的。

3.結束語

本專業培養的目標為具有良好的數學修養，具備較強的計算機應用能力，掌握信息科學、計算數學和金融數學的基本理論和方法，受到科學研究的初步訓練，能運用所學的知識和熟練的計算機技能解決實際問題，能在科技、教育和經濟等部門從事研究、開發和管理的高級專門人才。所以應該有針對性地對培養模式進行與時俱進的改革以及動態更新教學內容，不斷提高教師的教學能力，不斷提高教學管理水平，真正實現教學質量過程控制，培養能適應社會需求的合格人才。

參考文獻

1.謝祥云,胡林,李渭清. 探索信息與計算科學專業實踐教學的新思路[J]. 大學數學,2008(4):5-9.

篇5

1.強化數學基礎。數學是信息技術的重要基礎之一，信息與計算科學專業作為數學類的專業，數學基礎知識有著必不可少的重要地位，這也使得這個專業的學生具有較強的適應性和競爭力。根據1998年教育部頒布的專業目錄，信息與計算科學專業開設的課程分為專業基礎課（數學分析、高等代數等數學類課程）、專業必修課（數學建模、數字信號處理、信息論與編碼等）以及專業限選課（運籌與優化、密碼學等）。通常在大一和大二，是學生強化數學基礎的階段，數學類課程的教學內容既要考慮學生的學習能力，也要考慮到專業特色，和數學知識對學生就業核心競爭力的貢獻率。課程的教學目標應當低于應用數學專業的課程要求，但要高于信息與電子類專業數學類課程的要求。數學課程的教學中應注重數學思想和數學能力的培養，淡化理論，避免過分復雜的技巧。

2.加強計算機、信息理論的學習。學生選擇信息與計算科學專業，主要是沖著“信息”兩個字。從目前信息與計算科學專業現狀來看，本專業面向社會需要信息計算和處理的各個行業，部分優秀畢業生完全勝任軟件的設計、應用開發以及金融、物流管理等行業的工作。這也要求本專業必須強化計算機和信息技術專業的知識和技能的教學，使學生通過四年的學習，不僅具有扎實的數學理論，也具備應用現代信息技術解決實際問題、進行管理的能力。這是本專業重要特色，也是其在現代社會中保持寬廣的適應性的根源所在。信息技術類課程和數學課程相輔相承，一方面，數學課程的學習為學生打下良好的數學基礎，而信息技術類課程則為學生提供專業技能訓練，是本專業的主干課程。信息科學方面的課程設置可以考慮數據分析、信息與編碼理論、數字圖像處理等課程；另一方面，也要強調計算機軟件的基礎課程。信息科學、計算科學是以計算機為工具的科學，因此信息與計算科學專業的學生對計算機技術要有一定的了解并且初步具備利用計算機進行科學計算、軟件開發與研制的能力，從而計算機軟件的基礎課程，如離散數學、數據結構、計算機語言（C++）是本專業較好的選擇。

3.重視數學建模類課程。數學建模就是在實驗、觀察和分析的基礎上，利用數學的思想和方法解決實際問題。通過數學建模課程的學習和數學建模訓練，一方面，加深學生對所學數學理論和計算機知識的理解和應用，激發學生學習興趣；另一方面，也能培養學生初步的科研和解決問題的能力，為將來走上工作崗位后解決更為復雜的實際問題做準備。數學建模的訓練，對于培養學生的能力，提高學生的綜合素質，具有十分重要的意義。近年來，本專業為學生開設數學建模課程和講座，組織學生進行數學建模培訓，多次參加全國大學生數學建模競賽，屢創佳績，獲得廣西、全國的獎項。

篇6

關鍵詞：工作流；Petri網；建模

中圖分類號：TP391 文獻標t口碼：A 文章編號：1672-3198(2009)24-0266-01

1　過程建模方法的評價標準

工作流是對業務流程的抽象表示，因此建立相應的工作流模型是必不可少的。而如何建立工作流模型或者說采用什么工具建立工作流模型顯得更為重要。為了評價建模工具，必須首先給出確定過程模型的標準或者說是功能特征。建模工具必須依托于某種建模方法。針對過程建模的特點，過程建模方法必須滿足以下的基本條件：

(1)支持面向過程的建模。過程建模的對象是過程，是以過程為中心的，建模方法只有支持以過程為對象，才可以進行過程建模。

(2)同時支持靜態分析與動態分析。過程建模的目的是為了模擬現實，現實是動態多變的，因此建模方法必須具有動態的模擬功能。

(3)具有各種復雜的邏輯關系的表達能力。各種過程的邏輯關系是復雜的，過程中的各個實體的關系也是復雜的，因此建模方法必須具有表達這些復雜邏輯關系的能力。

(4)具有形式化的能力。過程模型需要通過形式化的語言進行表達。

(5)具有抽象能力，能支持分層次表達。必須有一定的抽象機制，采用分層的表達方式才可以清楚的建模。

2　工作流建模的主要方法

由于工作流必須首先描述一個經營過程是怎樣進行的，因此，許多工作流模型都是從過程定義人手，比如狀態圖和活動網絡圖等。常用于工作流建模的方法有；IDEF族方法、EPC方法、RAD方法、DFD方法、Petri網。

IDEF族利用圖形符號和自然語言，簡單準確，容易理解和掌握。同時采用層次化的建模方法，過程的自身規律得到分解，能夠清楚的描述過程及過程間的關系。IDEF族的方法基本上是靜態建模，缺少動態的功能。由于其主要是圖形化的表達方式，在表達復雜的邏輯關系和非確定的信息方面有所缺陷。

EPC由Keller、Knolmayer等人提出的，它的主要元素是功能和事件，功能被時間觸發，功能也能產生相應的事件，它最大的優點在于它兼顧了模型描述能力強與模型易讀性這兩個方面，可被未受過專業訓練的普通用戶使用。

RAD從角色、目的和規則方面來描述過程，其主要特點是可以很好的描述活動之間的關系。但RAD只是靜態的分析了活動間的相互關系，缺少動態的模擬能力。同時其在復雜邏輯關系建模和對不確定信息建模方面也有一定的缺陷。

DFD是一種結構化圖示方法，是以一定格式的圖形來描述和分析數據的運動、處理功能和支持技術文件的相互作用、相互連續的流程圖。其特點主要是：直觀、簡便、準確；具有很好地描述數據處理功能和數據運動特性，可以采用自頂向下、逐層分解地方法來描述一個企業過程，著重于數據分析。

3　Petri網方法

Petri網是一種圖形化、數學化的建模方法。作為一種圖形化工具，可以把Petri網看作與數據流圖和網絡相似的方法來描述系統模型，作為一種數學化工具，Petri網可以建立各種狀態方程、代數方程和其他描述系統行為的數學模型。因此，它非常適合工作流的建模，具體敘述如下t

(1)很強的表達能力。

Petri網有足夠豐富的表達能力，可以支持所有用于工作流建模的元素，因此，工作流模型中的所有流程結構都可以用Petri網建模。此外，Petri網還可以明確表達整個流程的狀態。Petri網是一種圖形語言，因此。Petri網具有直觀和容易學習的特點，有利于用戶之間的交流，可準確描述用戶環境及改進模型。

(2)圖形化表現基礎上的形式化語義。

Petfi網的形式化語義使得用Petri網說明的工作流具有清晰準確的定義，不存在二義性，可以成為互相交流的基礎，也有利于推理、分析工作流的各種屬性。此外，工作流管理聯盟給出的標準只是停留在實現技術的角度，強詞的是語法，而不是語義，缺乏概念層次上的共識，因此，有必要明確定義基本構造塊的形式化語義，提供概念層次上的共識。

(3)豐富的分析技術。

通過對Petri網的研究，人們找到了許多基于Petri網的分析技術，Petri網建模的形式化語義和豐富的分析技術為我們對工作流模型的各種特性的分析提供了可能。這些分析技術可以用來驗證安全性、不變性、合理性以及死鎖等屬性，也可以用來計算各種性能參數如響應時間、等待時間、評價執行時間和資源利用率等，用這些分析技術可以從多方面來評價工作流。

(4)易于計算機化。

Petri網是一種獨立于任何具體軟件工具的建模和分析框架，是一種具有普遍適用性的建模方法，它以較少的元素庫所、變遷和連接弧實現了對復雜模型的建模，通過對托肯著色、給變遷加上時間屬性，容易實現對模型的控制流建模和模型的時間性能分析，通過層次建模可以很容易實現面向對象的特性，因此，易于用計算機程序實現基于Petr{網的工作流建模的工作流管理系統。

(5)具有良好的抽象特性。

一方面，工作流的控制流可以通過托肯著色和變遷點火條件等方法加以解決，能夠將控制流作為模型的一部分在建模過程中得以實現。這樣，工作流的控制流和程序能夠實現分離，程序中不需要對控制流進行處理t有利于工作流結構的改變；另一方面，Petri網能夠通過分層技術實現自頂向下的建模，可以實現子系統之間的復用，易于抽象分離子系統，使系統容易獲得面向對象的特性。這些都使得基于Petri網的工作流建模具有良好的抽象特性。

(6)動態特性。

因為Petri網是基于狀態的，這就使得過程定義具有更多的柔性特征。對于工作流管理系統而言，具備一定的柔性是必不可少的，比如，能夠動態地修改過程實例、可以實現與其他工作流管理系統的交互、對異常情況做出響應。對于Petri網而言，只需對網中的托肯與點火做相應的處理。就能夠比較容易地實現上述功能。

4　綜合比較及結論

篇7

關鍵詞：數據科學；人才；課程

一、數據科學人才需求

數據科學強調以數據為導向，是一門交叉學科，結合了諸多領域中的理論和技術，包括應用數學、統計、模式識別、機器學習、數據可視化、數據倉庫以及高性能計算、社會科學等，目標是用數據揭示復雜的自然、人類和社會現象的特征或規律。具體而言，數據科學主要有兩個內涵：一是研究數據本身，研究數據的各種類型、狀態、屬性以及變化形式和變化規律；二是為自然科學和社會科學研究提供一種新的方法，稱為科學研究的數據方法，其目的在于揭示自然界、社會的現象和規律[1]。

正是數據科學的提出與發展，為目前火熱的大數據的發展與應用提供了理論支撐[2]，以致形成了科學研究的第四范式――數據密集型科學研究。與主張模擬仿真的第三范式相比，第四范式則是以數據為導向，主張從數據出發，通過觀察、分析數據，提煉出信息、知識、理論，發現規律。無論是大數據技術還是第四范式，均需依托于數據科學。與計算機科學相比，數據科學的內涵和外延更加寬泛[3]。

在我國，未來3～5年需要180萬數據科學人才，但目前只有約30萬人。面對此缺口，高校應盡快制訂培養方案，設置課程體系，投入師資，以培養出滿足社會發展需求的數據科學人才。

二、國內外培養現狀

在美國，很多知名大學都已設立了數據科學專業碩士學位，如紐約大學、哥倫比亞大學、伍斯特理工學院、弗吉尼亞大學、北卡羅來納州立大學、東北大學、德州農工大學、路易斯安那州立大學、加州大學伯克利分校等。紐約大學和哥倫比亞大學還設置了博士學位。在英國，鄧迪大學、謝菲爾德大學和愛丁堡大學設立了碩士學位。

在我國，復旦大學、清華大學、香港中文大學都設置了碩士學位。中國科學院、中山大學、華東師范大學等成立了數據科學研究機構。2015年，阿里云、慧科教育啟動了“阿里云大學合作計劃AUCP”，已與多所高校聯合，擬培養和認證一批云計算和數據科學人才。

雖然數據科學方向的人才培養在國內高校中受到了重視，但學科體系并沒有建立起來，人才的培養缺乏系統性。

三、人才培養思路

與傳統學科不同，對數據科學方向的人才需求是市場驅動的。因此，數據科學的學科體系構建的原則應是針對各種應用，所培養的人才能夠理解應用需求，根據需求設計算法級別（或系統級別）求解框架，具備較強的數學建模能力，能夠使用合適的工具進行數據分析，搭建計算平臺，并能夠通過提供一定的算法將數據的價值挖掘出來。

1.先決條件

為了開設數據科學專業，高校需滿足一些先決條件。第一，計算條件。第二，數據資源。高校應建立實驗場，提供足夠的多樣數據或數據源。充足的數據資源有助于學生實踐操作，有助于學生的學以致用。第三，師資條件。這是人才培養的關鍵因素。目前，這方面的師資力量比較匱乏，為了培養數據科學人才，需要不同專業背景的教師協同合作。第四，如果有條件，高校應與政府、企業合作。高校的優勢在于理論和技術研究，但并沒有數據應用場景，通過與企業、政府合作，可以彌補這一點，并且更易獲得充足的數據資源，同時可以從政府、企業吸取具有一線工作經驗的人才，以補充師資。

2. 課程設置

具備先決條件后，我們來分析怎樣為數據科學專業配置課程。要想做一位完美的數據科學家，至少需要具備統計學、編程功底，同時需要具備一定的領域知識和良好的溝通能力。只有具備統計學和編程能力還不夠，處理數據不僅需要理論和技巧，更需要領域知識的支持，并以此獲得對數據的敏感度和洞察力。完美的數據科學家需要能夠處理好關于數據的方方面面：不僅能從理論角度進行分析建模，還能夠運用技術手段進行分析、描述、預測，并能讓結論落地，服務于現實中的行業，讓數據的價值得以變現。

因此，在設置課程時，四類課程不可少。一是統計學。許多知識挖掘方法都源于統計學的模型。二是數據分析。培養學生建模的能力，并能使用工具進行數據分析。三是分布式計算、并行計算。大數據時代，數據規模往往很大，非單機環境能夠承受，這就需要面向集群環境進行系統架構，編寫高效的分布式或并行計算算法。四是機器學習、數據挖掘。除此之外，還應學習一定的領域知識，如財務分析、服務業中的分析、健康醫療、供應鏈管理、綜合營銷溝通中的概率模型等，這樣才能夠將知識轉換為生產力，能夠真正服務于業務。

由于數據科學方向的人才需求是多類型的，數據科學人才的培養也應多類型，如科研人才和應用人才的培養側重點各有不同。對于科研人才，需要注重理論能力和創新能力的培養，以及科研方法的培養，使他們善于從各種類型的數據中揭示模式，發現規律。這類人才需要具備深厚的數學功底、良好的計算機編程能力。對于應用型人才，則應注重技能的訓練，比如，熟練使用大數據工具，如Hadoop，Spark等，具備分析特定類型數據的能力。無論培養科研人才還是應用型人才，都需要進行大量的實踐，通過操作真實數據，培養他們對數據的分析能力和洞察力。

3.授課模式

授課模式可分為認證課程、本科課程、碩士課程以及博士課程四個層次。

認證課程可采取線上方式進行，課程結束授予證書。

在當前大數據時代，培養信息素養是至關重要的。培養信息素養，應該從本科生抓起，而數據科學則為信息素養的培養提供了一個很好的切入點。對于本科生，無論學生的專業背景是什么，都應學習數據科學概論等基礎課程。

對于普通高校而言，在本科階段設置數據科學學士學位并不明智，原因在于，數據科學需要足夠的計算機基礎和數學理論功底，而本科階段的學生在四年學制下難以達到這種要求。因此，設置相應的碩士、博士學位比較合理。正如第三節所介紹的國內外現狀，知名大學大多在研究生階段開設相關學位，而非在本科階段。在碩士、博士階段，有了本科階段的理論基礎，校方應幫助學生建立明確的學科規劃，配置科學、合理的課程體系，搭建真正的業務平臺，培養學生的數據建模能力、數據計算能力、跨領域數據分析能力，等等。

數據科學人才的培養，不僅是各行各業的需要，也關系著國家發展的核心競爭力。培養數據科學人才，高校應首當其沖。高校需結合自身情況，選擇相應的授課模式，進行合理的課程配置，構建師資團隊，并通過與企業、政府合作，搭建真正的業務平臺，強化數據科學人才培養能力，不斷為國家、社會輸送時代需要的人才。

參考文獻：

[1]朱揚勇，熊 .大數據時代的數據科學家培養[J].大數據，2016（3）.

篇8

（吉林省通化鋼鐵股份有限公司，吉林 通化 134003）

摘 要：數據是企業的重要資源，利用大數據管理，通過對數據資源的深入開發和利用，形成指導企業生產經營管理的知識信息，為做好統計管理基礎、實現輔助領導開展管理決策，提升企業核心競爭能力，提供了智力支持和技術保證。

關鍵詞 ：數據管理；架構；統計管理；資源開發

中圖分類號：TD672 文獻標志碼：A 文章編號：1000-8772-（2015）02-0093-02

綜觀企業信息化，主要包括硬件、軟件和數據三大部分的建設和管理工作。其中硬件是基礎，軟件是平臺，數據管理是根本核心，也是最高層次。“三分技術、七分管理、十二分數據”，就說明僅有硬件和軟件系統并不等于成功和完善的企業信息化，更重要的是要構建一套科學、合理的企業數據管理體系架構，以實現有效支撐數據資源的深入開發和利用工作。

一、構建通鋼股份數據管理體系架構

通鋼股份公司數據管理體系的架構應分為四層，即：操作數據層、數據清洗轉儲層、數據倉庫層和數據在線分析層（見圖1）。

(一)操作數據層(ODS)

ODS (Operate Data Save)——操作數據存儲。在這一層次中主要包括企業內部的采購數據、生產數據、質量檢斤數據、銷售數據、財務成本數據、人事數據等。目前，比較常見和流行的大型數據庫管理系統有：Microsoft SQL Server、Oracle、DB2、Sybase、Informix等。通鋼采用的是Microsoft SQL Server大型數據庫管理系統。在操作數據層的管理上必須注意兩點。

1.重視數據資源規劃工作

數據資源管理的核心和基礎，是進行數據資源規劃工作，主要包括數據元素規劃和信息分類編碼。數據元素是最小的不可再分的數據單位，是一類數據的總稱，它的質量是建立堅實的數據結構基礎的關鍵。因此，應根據國家或行業標準結合企業實際，建立數據元素標準——數據元素命名標準、標識標準和一致性標準。通過對基礎數據的分析和規劃，建立統一的數據標準，以打好通鋼股份公司信息化應用的基礎。

2.重視基礎數據的錄入、采集和管理工作

在開展信息化的過程中，務必要避免“重硬輕軟”“重軟輕數”的觀念。避免出現 “大馬拉小車”“跑空車”或“拉錯人”等現象。

(二)數據清洗轉儲層(ETL)

ETL：數據抽取（Extract）、轉換（Transform）、清洗（Clean）、裝載（Load）。從操作層的基礎數據到數據倉庫，必須經過ETL過程的處理，即，根據數據分析和利用工作對數據倉庫的要求，首先，要從基礎數據源抽取出所需的數據，再經過數據轉換和清洗，最后，按照預先定義好的數據倉庫模型，加載、轉儲到數據倉庫中去，這是構建通鋼數據倉庫的重要一環。

1.通過ETL過程處理數據的必要性

一是數據集中管理的需要。

二是數據規范化的需要。

2.在ETL過程中，必須注意解決好兩個問題

（1）解決好ETL數據處理的速度和運作軟件信息系統工作效率的關系

利用大數據管理技術；采用先進的數據庫管理系統；優化數據抽取機制，如分為實時抽取和定時抽取；利用數據映像技術將ETL數據處理過程合理分解成數據抽取和數據轉換、清洗、裝載兩個階段，這樣做可以有效降低數據抽取工作對數據源的影響。總之，必須要實現ODS和ETL兩項工作對數據庫系統的操作達到負載均衡，實現ETL過程中的數據抽取和轉換、清洗、轉儲工作安全高效。

（2）在基礎數據庫與數據倉庫之間建立良好的接口標準

將基礎數據轉儲到數據倉庫以后，在將來的數據分析和利用工作中雖然主要是針對數據倉庫進行，但在進行鉆取、切片和其它分析工作時也可能需要連接到基礎數據庫中提取數據。因此，必須在基礎數據庫與數據倉庫之間建立一套良好的接口標準。

(三)數據倉庫層(DW)

數據倉庫（Data Warehouse）是指在企業管理和決策中面向主題的、集成的、與時間相關的、不可修改的數據集合，它是通過對原有的基礎數據時序性地進行抽取、轉換、清洗、裝載而形成的真實、全面、統一的數據結構形式，是以傳統的數據庫技術作為存儲數據和管理資源的基本手段，以統計分析技術作為分析數據和獲取信息的有效方法，以人工智能技術作為挖掘知識和發現規律的科學途徑，并通過運用在線分析處理技術（On-Line Analytical Processing）、數據挖掘技術(Data Mining)來實現企業生產經營管理等決策支持（DSS）的數據應用。

1.建立數據倉庫的必要性

目前，通鋼對現代信息技術的應用主要集中于運作軟件信息系統，雖然它能保證業務處理過程的自動化，但對這些操作型基礎數據的應用，一般被限制在運作軟件信息系統所規定的固定功能上，缺乏更靈活的數據查詢和分析能力，無法滿足更高層次數據分析和決策支持的需要。

2.做好數據倉庫的設計和建模工作是構建數據倉庫的基礎

數據倉庫要求能夠良好的支持海量數據和快速查詢的功能，要求能以面向主題、以多種維度進行挖掘和探索數據，這就要求必須對數據倉庫從網絡物理構建、數據庫存儲管理技術、內部數據結構標準規范等各方面進行超前設計，并建立科學實用的數學模型，解決數據建模的綜合評價、綜合排序、預測與決策等問題。

3.做好維護和優化工作，是保證數據倉庫持久運行在最優狀態的關鍵

數據倉庫永遠處于發展和變化當中，它是隨著企業各項業務管理工作、運作軟件信息系統的不斷運行以及企業對數據分析、決策支持的不斷發展的需求而發展變化的。要對數據倉庫持續不斷地進行維護和優化，以確保數據倉庫持久運行在最優狀態，滿足企業對數據管理的各種需求。

4.關于數據集市

從基礎數據來源的角度分析，相關運作軟件信息系統生成的操作型基礎數據庫，是數據集市產生的數據基礎；從面向主題的數據分析和決策支持需求的角度分析，數據集市恰恰是面向某個特定主題的數據集合，這是數據集市產生的業務需求原因；從均衡數據倉庫操作負載的角度分析，數據集市的存在可以在一定程度上緩解訪問數據倉庫的瓶頸，這是數據集市產生的技術原因。

(四)數據在線分析層(OLAP)

在線分析處理（On-Line Analytical Processing），是基于數據倉庫的應用，對數據進行層次更深、范圍更廣的分析、挖掘以及信息，為通鋼股份公司科學決策提供支持服務。主要工具有統計分析工具、數據挖掘工具等。

1.在線分析和應用數據信息以提供決策支持是加強數據管理真正的目的和最高階段

利用大數據處理技術和統計分析、數據挖掘等工具，依據數學模型，對存在于數據倉庫中的不同時期、企業內外的相關數據進行科學、深入的分析，揭示企業運行狀況，找出優勢與不足，利用決策支持系統（Decision Support System）形成客觀的分析結果并直觀地展現給企業管理者，以輔助進行企業生產經營管理重大決策，真正達到提升企業核心競爭能力、實現企業生存與發展的最高目標。

2.利用統計分析工具實現編制統計報表、數據分析和數據展現

利用統計分析工具，可以定期或不定期地按照需求提取數據，編制各種統計報表，對數據進行詳細分析，并可展現分析結果，同時可以更好地支持企業統計工作，實現統計管理信息化。

3.利用數據挖掘工具對數據從時間及空間維度上進行提取、分析和展現

數據挖掘(Data mining)：是一種決策支持過程，是一個跨學科的知識領域，它汲取了數據庫技術、人工智能、機器學習、神經網絡、統計學、模式識別、知識庫系統、知識獲取、信息檢索、高性能計算、數據可視化等方面的成果，對數據采取鉆取、切片、旋轉等各種分析動作，深入剖析數據，高度自動化地分析企業原有的數據，進行總結分析和預測，支持企業決策者做出正確的決策。

4.建立決策模型

建立科學、嚴謹的決策模型是對數據進行深入分析、提供解決方案、輔助企業管理者做出科學決策的必要基礎。建立決策模型必須了解通鋼股份公司生產經營管理相關知識，必須掌握科學的管理決策知識，必須掌握數據信息與企業運行狀況之間的內在聯系，必須熟練掌握數據倉庫、數據字典，通過長期經驗的積累，需要形成一整套指導企業運行的統計管理和預警指標體系。

5.信息系統

信息系統，是將分析形成的數據信息及時到相應的地點和用戶。基于Web的信息系統是滿足多用戶訪問的最有效方法。

二、結語

篇9

中國零售業所面臨的最具挑戰的競爭，就是顧客和市場需求的紛繁復雜及其飄忽不定的變化。而零售企業成功乃至存活的關鍵，就是如何采取靈活多變且機智的應對行動，這就要求管理者要能夠順應市場的變化、快速發現并處理問題，并且及時的制定解決方案和抓住市場機會。因此，基于數據和事實，質量更高、速度更快、成本更低的決策顯現了前所未有的重要性。

中國零售企業在經歷的十幾年的信息化高度發展的歷程，也積攢了大量的寶貴數據，但面對大數據這個“金礦”，各家企業由于經營模式、管理風格、重視程度、資金投入等不同，對于這個“金礦”的挖掘程度有極大的不同，零售大數據的分析應用均處在不同的階段，甚至出現的“兩極分化”的局面。

下面就是我在日常和零售企業接觸的過程所總結出來的零售大數據分析應用的四個階段，希望能夠給大家指明方向。

第一階段丨集成展示

有句話說的好“銷售額首先是追蹤出來的，其次才是分析出來的”。

ERP在中國普及進程已經有了10多年歷史，沒有ERP的企業可謂越來越少。零售企業利用ERP可以搜集和整合整個企業的數據，形成一個完整的數據流，把企業內不同來源的數據信息集中到單一的一個倉庫中來，使各個職能在自己需要的時間和地點通過圖表看板、計分板的形式看到自己所需要的數據，并且展現出決策者最為關注的運營要素—關鍵績效指標如銷售額、坪效、利潤率、客單價、進店率、轉化率、目標完成率、同比增長率等等，這些都可以以“商業報告”的形式出現，該報告的主題緊緊圍繞著“過去發生了什么”以及“正在發生什么”而展開，這也是大多數BI系統和數據中心平臺的核心功能。

這一階段的最大的困難為數據的集成和整合，每個零售企業都有數十個大大小小的部門系統，而這些系統都是一個獨立的數據源，他們都有自己的定義、標準和側重，而對這些來源不同數據進行合并、清理、轉換和簡化，最終建立一致性的數據是非常有挑戰性的。

第二階段丨分析判斷

在第一階段整合了數據來源后，零售業決策者關心的重點發生了轉移，從“發生了什么”轉向“為什么發生”。分析判斷數據的目的是了解數據報表、商業報告的背后的含義，以及這些過往行為發生的動機和原因，這就需要對更加詳細的數據進行多維度的分析。這種分析判斷更多的是建立在對于零售業務邏輯的理解之上，一般會采用簡單有效的分析方法和簡便的分析工具對數據進行處理。

該階段數據分析師這一角色開始真正出現，數據分析師需要非常熟悉業務，最好有實際業務操作的背景，能夠用業務的語言和邏輯把運營異常解釋的通順，此階段不要求對算法、模型和工具的應用非常高深，而對于快速將數據分析結果進行落地，贏取各個業務部門的信任的要求非常高。

例如一個服裝品牌的一款裙裝銷售好的超出預期，那就要找從“人、貨、場”三個核心來找原因分析判斷火爆原因：

是否有什么買贈、打折、捆綁、支付等促銷活動，店員對該商品是否有特殊的推薦等;

該商品的陳列、包裝、設計、款式等是否有特色、是否是限量銷售、限時特價等等;

以及顧客購買此商品的動機是什么，是否要釋放壓力、還是從眾心理、攀比心態等;

此外，還要考慮競爭對手是否有斷貨問題、大型企業客戶是否有團購等因素，甚至出現了在排除各種原因之后才知道，這款裙裝和當時熱播電視劇中某個明星穿的比較相似，因電視劇熱播而帶動了該款裙子的熱銷，雖然在該款衣服上所投入過多的市場資源其實并不多。

第三階段丨預測未來

企業在有了前兩個階段的基礎之后，關注點會進一步超越當前，開始思考更貼近經營上的問題：“將來會發生什么”。

從本質上說預測就是根據零售企業所過去發生的事件以及當前實時的影響因素，對于銷售額、利潤率、成本等未來的取值做出自動化和智能化的估計。簡單的分析對于估算暢銷概率的作用有限，在大多數復雜的應用中，需要建立數學模型來還原零售的業務規律。

例如建立銷售預測模型來量化銷量的影響因素及各因素之間的交互影響、建立定價優化模型來還原價格與銷量之間的關系并找到最科學的價格以實現經營目標。而建立模型的目的就是將之前各個角落里的經驗用數學的形式表現出來，雖然并不是十全十美，但會無限逼近真實情況。

要建立數學模型要解決三個問題，首先是數據的量要達到一定的規模和質量;其實是用什么樣的算法，如用時間序列還是回歸或是人工智能算法;第三是“數據+算法”可以圍繞什么業務場景，建立什么樣的模型及參數。

例如Google的工程師從眾多關于流感的關鍵詞組合中，挑出45個重要檢索詞條作為特征，訓練了一個線性回歸模型來預測2007年和2008年流感傳播的趨勢、時間和地點，該模型預測結果的準確率最后高達97%，而該模型完全可以和關于流感的商品如口罩、營養食品、非處方藥品等銷售建立起聯系，構建“流感商品銷售指數”，來指導這些商品在特定時間、地點的具體銷售數量。

再例如7-Eleven零售門店通過衛星云圖了解到兩天后氣溫將上升兩度，會提前訂購比平常銷量多30%的礦泉水。

第四階段丨指導決策

這一階段側重于對業務、營運、經營、戰略的決策的指導，回答的問題其實就是：“我應該做什么”才能達到最佳的狀態。前三個階段都不是終極目的，例如銷售預測不是為了預測而預測，預測準確率達到100%又如何，關鍵是做了預測以后能給企業的決策行為帶來什么樣的幫助，對于零售企業而言，銷售預測以后緊接著的行為就是補貨，補貨過程中就會涉及到多級庫存管理。

而補貨行為又驅動了后續的采購、生產、物流、倉儲等行為，同時企業的決策層可以根據未來的預測來做出是否要開設渠道、建立工廠、購買倉庫等重要戰略決策，這些行為的決策都是建立在前三個階段之上的。同時決策模擬也是這個階段的重要應用，針對零售流程中的隨機因素，引入各種約束條件，構建出若干個相互關聯的場景模型來全真模擬真實情景，從而事先預知各種決策可能的結果，提高決策準確性。

大數據時代已經悄然來臨，不懂大數據就做不了大生意，未來甚至做不了生意。

篇10

[關鍵詞] 數學建模； 管理會計； 教學改革

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2013 . 15. 069

[中圖分類號] G420 [文獻標識碼] A [文章編號] 1673 - 0194（2013）15- 0105- 02

管理會計是高職會計專業的核心課程和工商管理專業的必修課程，其理論和方法已經成為企業管理必須掌握的基本知識。管理會計越來越多地應用現代數學方法來進行分析研究。具體地說，管理會計中數學方法的應用是以廣泛地應用數學模型為重要標志。管理會計中所用的數學模型具有多種表現形式，包括一般代數模型、數學分析模型、數學規劃模型、矩陣代數模型及概率模型等。所以，管理會計教學中突出數學思想方法，特別是數學建模思想的滲透就顯得十分重要。如何將數學建模思想和管理會計課程的教學改革有機地結合起來，是對管理會計教學改革的大膽探索和有益嘗試。

1 管理會計教學融入數學建模思想的意義

1.1 符合管理會計的學科特點

管理會計的學科特點之一是數學方法的廣泛應用。財務會計應用數學方法的范圍較小，一般只涉及初等數學。而現代管理會計越來越廣泛地應用許多高等數學和現代數學方法。隨著科學技術的不斷進步，生產經營的日趨復雜，企業規模的不斷擴大，整個企業管理正朝著定量化的方向發展。現代管理會計為適應企業管理的這一重大轉變，要求用高等數學和現代數學方法來“武裝”自己，使其與企業管理的發展相適應。把高等數學、運籌學和數理統計學中的數量方法吸收、引進、應用到現代管理會計中來，可以將復雜的經濟活動用簡明的數學模型表述出來，揭示有關變量間的內在聯系及變化規律，以便為管理人員正確地進行經營決策提供依據。所以，一方面，管理會計是一門實踐性、應用性較強的課程，教學中的許多案例，包括根據實際問題改編的案例都可以充實數學建模的內容。另一方面，數學思想方法，特別是數學建模思想運用于管理會計教學不僅是教學方法的改變，而且可以更好地培養學生的數學應用意識和能力。因此，管理會計課程的教學改革和數學建模能力的培養是相得益彰的關系，而不是魚和熊掌不可兼得的關系。

1.2 改善管理會計教學現狀

目前，管理會計教學中存在許多問題，如教學內容與實際應用脫離嚴重，教學方法單一，教學手段落后，學時少，考核制度不完善等。這些問題直接導致課堂上學生學習目的不明確，積極性不高，課堂參與程度低。如何改善這種狀況呢？在管理會計教學中滲透數學建模思想是一個有效的辦法。首先，傳統教學中，以基本概念和基本理論的講授為主，而數學建模思想從解決實際問題出發，在課堂上引入實際的管理案例，或者根據實際問題改編的案例容易引起學生的興趣。其次，傳統教學以教師為中心，而數學建模思想采用分組討論的形式，學生各抒己見，每個人都有參與的機會。再次，可以培養學生的綜合能力。在數學建模時，常常需要數學知識的綜合運用、良好的專業背景和一定的計算機基礎及文字表達能力。由于數學建模教學本身是一個不斷探索、不斷創新、不斷完善的過程，所以在這個過程中，教師可以通過實際教學案例的設計有意識地培養學生的抽象概括能力、洞察力、想象力、自學能力和創新能力。

1.3 推動高職課程改革的進程

管理會計教學融入數學建模思想是高職教學改革的新思路。首先，它密切了公共基礎課與專業課之間的聯系，更好地推動基礎課教學改革。以經濟管理類專業為例，管理會計、統計學、財務管理和經濟學等課程不但與數學課之間有著直接的關系，而且也與公共英語、計算機基礎等公共基礎課有著密切的聯系。分析這些聯系，更有利于將公共基礎課的改革落到實處。其次，它密切了專業課之間的聯系，提高了專業課的教學實效。目前，在高職教學中，不同程度地存在著專業課內容重復的現象。如管理會計與財務管理、成本會計之間的內容都有交叉。數學建模思想融入專業課教學不僅是教學方法的改變，更有利于打破專業課之間界限，有利于解決專業課教學理論學時減少與學科門類繁雜，內容重復等矛盾。再次，它密切了高職教師之間的聯系，有利于打造復合知識結構的教師隊伍或教學團隊。目前，高職院校不同程度地存在輕視基礎課、重視專業課，輕視理論教學、重視專業實訓的現象。導致這種現象的原因主要是高職教師缺乏對課程體系的整體認識，割裂了學科之間的聯系。解決這一問題的有效途徑是，一方面要求教師之間增加互動，特別是公共基礎課教師與專業課教師之間的經常性互動，另一方面教師通過進一步學習不斷豐富和調整知識結構。

總之，在管理會計教學中滲透數學建模思想，不僅是對管理會計教學方法改革的大膽探索，也是對高職課程體系改革的有益嘗試。

2 管理會計教學融入數學建模思想的原則

2.1 循序漸進，體現教學過程的“活動”特點

數學建模思想融入管理會計教學首先應體現“活動”的特點，教學過程設計的著眼點應考慮怎樣讓學生更多地參與進來，讓他們做什么，怎么做，或者怎樣讓他們自己悟出該做什么，該怎樣去做。而要體現這一特點需要一個循序漸進的過程。首先，教師的思想準備和知識儲備問題。教師必須樂于探索這一教改活動，從觀念上更新，從知識結構上做必要的準備，要有比較合理的知識結構。其次，為了更好地突出“活動”特點，必須對學生進行全面了解，比如學生的數學基礎、計算機水平和已有的專業背景等。從教學內容上看，哪部分適宜進行課改，哪部分適宜首先進行課改。

2.2 找好“切入點”，與正常教學環節相結合

“切入”是指教師通過一定的方式把一個較復雜的問題進行分解，或者根據實際情況把建模的某一環節（如問題分析，假設，模型求解等）放到正常的局部環節上，并且注意要經常這樣做。我們可以用“化整為零”、“細水長流”來描述這種做法。比如，在講授成本性態時，讓同學們搜集有關行業的成本構成情況，分析哪些是變動成本，哪些是固定成本，哪些是混合成本。在講解混合成本的分解前，讓大家了解Excel軟件關于數據擬合的方法等。在講解存貨管理時，引導學生考慮存貨管理的目標是什么，影響存貨成本有哪些因素，哪些是相關成本，哪些是非相關成本。課堂上重點介紹基本模型的建立，把模型的求解和模型的拓展通過設計實際問題交給學生去完成。教師也可以向學生布置一些開放性的、有一定難度的題目，放在課后以小組的形式完成，或者撰寫小論文作為期末考核的一部分。總之，“切入”的內容應該和正常的教學環節相協調，以便于學生更好地理解和掌握專業知識。

2.3 突出重點，反映管理會計的學科特點

目前， 數學建模思想教學得到越來越多的關注。有些高校正在探索在數值分析、離散數學、程序設計、數據結構、電動與拖動和物理學等課程教學中滲透數學建模思想，并取得一定的成效。自2003年起，中國電機工程學會杯全國大學生電工數學建模競賽已經成功舉辦10年，產生了一定的影響。管理會計教學中滲透數學建模思想應該注意精選教材內容，針對核心概念，不搞遍地開花，不追求自成體系，自我完善，在與教材內容結合時，要自覺當好配角。總之，將數學建模思想融入管理會計教學，對管理會計的教學改革應是錦上添花，而不是喧賓奪主。

3 管理會計教學融入數學建模思想的基本思路

3.1 培養學生實際問題數學化的能力——突出模型假設的講解

所謂實際問題數學化就是數學模型的建立過程。數學模型的建立過程一般要經過問題分析、合理的簡化假設、建立模型、求解模型和對模型解的分析、檢驗、修改與推廣等環節。這里模型的假設很重要，有時也很復雜。管理會計課程中有許多數學模型，這些模型都是建立在一定假設基礎上的，如存貨控制的基本模型有“七大假設”，很多教材根本不提及，有的教材把確定性存貨控制模型分解成若干種情況，直接給出結論。數學基礎差的學生面對大量復雜的公式望而生畏，數學基礎好的學生也只是盲目套用公式，知其然而不知其所以然，形成了基礎課做題，專業課也套用公式做題的局面。在管理會計教學中，分析、強調這些假設非常重要，一是可以體驗問題分析的過程，了解結論形成的前提條件，養成嚴謹的學習態度。二是通過對已有模型假設的分析提高自身解決問題的能力。在具體問題中，合理的假設不僅要求有一定的數學功底，比如能夠捕捉經濟變量之間的關系，數學符號的使用要簡潔、通用等，同時也需要具備良好的專業背景，如在存貨管理中，要明確哪些是決策需要考慮的相關成本，哪些是可以不考慮的非相關成本，存儲費用和進貨費用包括哪些內容，等等。在建立模型時，如果考慮的假設過少，特別是遺漏關鍵性假設，就不能建立起高質量的模型，考慮的假設過多，往往難以將實際問題轉化成數學模型，有時即使能轉化成功，也可能是一個復雜的難以求解的模型，從而使建模失敗。所以模型假設可以直接影響所建模型的質量。

3.2 提高數學模型求解能力——加大Excel軟件的使用力度

管理會計是以定量計算為主的學科，涉及大量的數學計算和數學模型，選擇適當的計算工具或計算軟件非常重要。與Matlab、Mathematics等專業數學軟件相比，Excel是一款特別值得關注的軟件。首先，操作簡單。Excel軟件漢化水平非常高，而Matlab、Mathematics等軟件都是英文的；Matlab、Mathematics等軟件需要記住一些命令和編程，而Excel軟件以菜單操作為主，所見即所得，直觀易操作。所以，Excel軟件相比其他軟件更容易挖掘其功能。其次，功能強大。Excel軟件具有豐富的函數、強大的數值計算、數據分析和繪圖等功能，所以特別適合于作為管理會計中的計算和模型求解工具。再次，轉換成本低。Excel軟件不需要專門購買和學習。目前幾乎每一臺電腦都安裝Excel軟件，作為公共基礎課計算機基礎的重要內容，每個學生對Excel軟件都有一定的了解，而其他軟件需要專門購買和從頭學起。

3.3 模型結論實踐化的能力——提高管理決策能力

所謂模型結論的實踐化能力就是將數學模型求解得出的結論，經過整理和組織，再應用于實際問題中的能力，它是一種解決問題能力的延伸，強調“從實踐中來，回到實踐中去”的能力，是數學建模的高要求，這也符合高職教育和管理會計教學改革的方向。如在本量利模型中得出的結論都是基于單位變動成本和產品單價與產量或銷量保持線性關系、產銷平衡和品種結構穩定等假設的基礎之上的，這些假設與某些企業的實際情況接近，但與多數企業的實際情況并不相同，這時就要修正假設，進一步根據實際情況建立模型，得出恰當的結論。管理實踐中有時為了獲得滿意的數學模型，常常需要經歷幾次建模過程，包括由簡到繁，也包括由繁到簡，這符合人們認識問題的規律。教師在設計教學案例時，要注意問題的開放性，不要搞“唯一正確答案”。在這個過程中，教師要計劃地培養學生的問題意識和問題解決能力，提高他們的總結歸納能力和知識遷移能力等。

主要參考文獻

[1] 于學文，高淑娥. 財務管理中的數學思想[J]. 會計之友，2011（9）.

[2] 李大潛. 將數學建模思想融入到數學類主干課程[J]. 中國大學數學教育，2006（1）.

[3] 于學文. 基于Excel的數學模型求解[J]. 信息技術，2011（7）.

[4] 謝亮，等. 數學建模的專業教學實踐與認識 [J]. 黑龍江高教研究，2004（12）.

[5] 樂艷芬. 管理會計[M]. 第3版. 上海： 上海財經大學出版社，2012.

[6] 吳大軍. 管理會計[M]. 第2版. 大連： 東北財經大學出版社，2010.