【关键词】Mc接口 运营商 大数据 旅游行业
1 引言
随着互联网公司的迅速崛起，传统电信运营商正面临着巨大冲击，原有的价值链被打破，逐步沦为“哑管道”，运营商陷入了前所未有的困境，必须寻找新的业务增长点。
当前社会对数字化生活的依赖度不断提高，移动娱乐、移动医疗、移动教育、移动金融及物联网、云计算、大数据等数字化服务需求旺盛，将成为新一轮的消费热点。因此运营商开始研究以网格区域内人群位置数据为核心、用户数据为辅助的大数据基础能力研究，实现网格覆盖区域内的流量监控分析、人口特征洞察、位置轨迹分析、综合价值评估等基础功能，并支持通过组合、复用等方式，支撑旅游、交通、金融、咨询服务等行业应用。运营商处在大数据业务的中心位置，在掌握用户行为方面具有得天独厚的先发优势。基于此，本文接下来将对运营商大数据在旅游行业的应用进行探索研究，总结其拥有的优势以及具体的应用场景。
2 运营商大数据在行业信息化的优势
与互联网公司相比，运营商手中的数据更具有普遍性，甚至几乎囊括了所有的社会个体，尤其是运营商针对社会人群的精准数据，更是一座现成的金矿。目前运营商要做的事情并非“发展客户增加收入的阶段”，而是将客户的精准数据分析、位置数据和用户规模结合起来，再利用大数据技术服务于运营商的转型业务，用于自身业务的精确营销、交通部门的道路规划、商圈的选址及旅游行业，突破原先业务的束缚，在大数据运营的蓝海里寻找一片新的天地。
运营商的大数据来源：
（1）用户资料：这些是用户的个人隐私数据，有些信息可以用于用户趋势性数据分析（用户区域信息），主要包括如下主要信息：用户的归属信息（用户的归属省份信息、地市信息、县市信息）、性别信息（男/女）、年龄、单位性质等信息，这些数据只使用于趋势性分析、地域分析，不能用于个性用户的数据分析。
（2）用户的订购关系数据：用户在运营商订购的业务、套餐信息。
（3）用户行为分析数据：用户的上网行为分析数据、用户的消费信息（通话的通话清单、短信清单、流量消费信息），这些数据是用户的敏感隐私数据，在使用时必须进行脱敏处理。
（4）用户的位置信息：用户在HLR（Home Location Register，归属位置寄存器）登记的位置信息、基于A接口或Mc接口的位置更新信息（Location Update）、漫游切换信息、位置附着信息（Attach）、MT、Mo过程信息及SMS短信过程信息，这些数据都是实时数据，准确地记录了用户行驶轨迹，准确性非常高。
运营商的大数据在旅游行业的优势：
（1）数据准确性
工信部、公安部、国家工商总局联合发文，从2015年1月1日起，所有运营商注册的用户必须实行实名登记，这样确保了用户基础数据的准确可靠。其中位置信息、互联网访问信息都记录了用户实际到访位置及上网行为，再结合用户属性数据、订购业务、详单信息等，和客户的行为、喜好直接相关，有很高的准确性。
（2）权威性
移动运营商的用户规模大，约占70%的市场份额的移动数据更具有权威性，采样数据比较全面，在趋势性分析领域更具权威性。通过用户的行为数据的采集和分析，结合企业数据中心用户行为特征，为集团客户提供精确营销开辟了新途径，为今后的大数据分析提供数据分析源。用户所有在互联网络的操作行为、到访信息，运营商都可以记录，并经数据脱敏，就可以为旅游、交通、政府的业务规模提供趋势性分析数据。
（3）实时性
移动运营商拥有丰富的网络信令数据，用户发生位置移动、发送短信、上网等操作都会在网络的Mc接口（4G网络）或A接口（传统的2G网络）触发信令数据产生。通过这些信令数据的上下文，可以通过基站描点勾勒出用户的活动轨迹，而且这些数据都是实时的，和用户的实际过程相匹配。
除此之外，还有用户的主动位置更新（更新LAI）和定期的位置更新（一般为2小时以内），也会记录用户的位置信息，再利用运营商在旅游景区的基站信息同景区进行有效的结合。
实时客流监控、景区客流分析、游客特征分析就是利用运营商在旅游景区的基站信息，利用实时采集A接口、Mc接口数据的信令数据，实时分析景区的用户轨迹数据，对景区客流信息实行实时监控分析，改变景区只能事后统计用户量的情况，提升实时反映能力，进而加强服务和管控能力，并为推动旅游业信息化发展提供有效信息数据支撑。
3 运营商大数据在旅游行业的应用分析
以游客为中心，服务游客，满足游客需求，运营商可获取相关静态数据：游客人群来源地（用户的归属信息）、性别；再结合用户的动态信息：位置信息、来访时间、在各景点的驻留时间，进行旅游客源分析统计，并对景区客流信息进行实时监控与分析，将有效提升景区的服务与响应能力，为景区应急调度与管理提供依据。同时，如图2所示，通过对游客客源归属地的分析统计及对客户行为、特征的全面分析，为景区信息化建设及市场推广提供有效的数据支撑。
（1）客流分析
通过对景区包含的基站信令接口数据分析，统计出基站当前实时人数，同时参考运营商用户占比模型，计算当前景区（或景区内某一区域）的实际游客数量，实时反馈给景区系统，以趋势图或数字方式呈现。
根据提供景区人流量及归属地的实时统计与分析数据，再结合用户的归属信息，分析出各省市的游客旅游热度分析、游客特征分析、游客驻留时长分析、历史客流比对分析（按周、按月等）、重点节假日游客分析，支持实时客流量GIS地图展示，支持各类分析数据的报表展示。
基于网格管理实现景区网格的人流量可视化，实现实时监控预警、分析预测、深度洞察、信息，为旅游行业在流量情况掌握、应急预案准备、公众信息等方面提供参考和支撑。根据景区的容纳游客人数，同景区实时游客进行比较，达到上限时进行告警，提高景区管理职能和服务能力，及安全保障措施。
客流统计分析如表1所示：
（2）客源特征分析
根据客流分析的用户数据，再根据运营商的用户归属信息，把手机网络信令数据和用户数据结合，为旅游景区提供游客特征分析、游客消费分析、游客精确营销分析，满足景区的游客洞察与营销需求，改善景区管理水平。
通过实时数据采集分析到访景区的当前用户构成，细分到省、地市、县市，并可以按照用户数访问的时段进行归属信息统计，将景区内游客显示在电子地图上，同时对区域进行流量监控。
基于用户的归属信息，根据入园游客年龄分布统计、入园游客性别分布统计、入园游客到访频次统计、游客对景点类型的喜好度、入园游客的消费能力分析以及客户运营商产品订购行为的分析，进行360°游客画像，建立客户的归属地、年龄分布、性别比例、喜好景点类型、消费档次分布数据的分析，根据分析结果进行精准匹配。在用户到达相关景区时，实时推送景点相关信息，在推送渠道、推送时机、推送方式上满足客户的个性化需求，实现全程精准营销。图3为客源特征分析图。
（3）景区欢迎度分析
在了解游客归属地情况下，可以进一步统计各个省市用户到达旅游景区的热度排名，再分别通过当天、周、月、季、年的方式展现各个旅游景区人数排名、分时段人数排名，并提供景区热度排行，包括日排行、周排行、月排行以及节假日的特殊统计分析；确定城市中哪些景区为热门景区，为管理部门制定预案或者提升景区服务能力提供参考；提供外地游客来城市首先访问的景点，或者景点访问顺序，提供给旅游服务企业或者旅游监管部门有关景点的分析，或者访问路径优化等。
提供按时间段（最小统计单位天）景区内各个景点的用户滞留时长数据，时间段可以灵活设定。热点分析包括：热点客流分析、热点客源分析、热点景点分析，通过对客流来源、热点时期每天客流统计以及热点时间段内客源在景区内各个景点的分布情况综合分析，使得景区管理员更充分地了解到热点时期游客游玩景区的行为习惯和分布比例，为景区实施营销策划和资源调配提供有力数据保障。
（4）客流趋势分析、历史对比分析
根据往年的历史数据，可以从横向和纵向时间的维度对流量数据进行分析统计，方便景区管理员掌握景区各维度客流情况。通过对热点景区的专题分析，可通过对节假日的分析了解游客在不同节假日的来源、流量高峰及喜好等特征，进行相关时间段的游客趋势分析，为景区经营决策提供数据支撑，为节假日景区游客提前进行疏导准备工作。
如图4所示，景区内各景点区域实时游客人数地图显示，人员密度根据游客舒适度情况进行颜色标注，在系统顶部以消息滚动条形式实时播报景区内游客总量和拥挤及较拥挤的区域信息。同时手机客户端将推送拥堵信息给景区管理员，提醒景区管理人员做好游客疏导工作。
（5）旅游行业后向广告
结合用户的归属信息、到达景区的时间、在景区的滞留时间，整合旅游景点商家信息，基于游客群体的特征分析，提供后向广告功能，为旅游景点、城市旅游宣传、旅行社热点宣传提供专业的移动渠道广告业务。如用户旅游结束后，在景点出口出可以实时给游客推荐附近的以下信息：
1）住宿设施：酒店、旅店、招待所、家庭旅馆等）；服务性设施：餐饮场所、娱乐场所、购物场所、商店；
2）旅游交通线路：高速公路休息站、城市所有的公交站点、长途汽车站点、机场、火车站、交通售票点（航空、铁路）、城市旅游咨询服务中心、租车公司、旅游线路、景区内的通行车线路等；
3）辅助设施：公共厕所、公共停车场、加油加汽站、收费站、车辆维修点；
4）商铺信息：景点的特色服务信息、商家的促销信息可以结合用户的位置信息实时发送到达景点的游客。
4 结束语
以移动用户的位置信息、用户数据信息为纽带，通过移动大数据的建设，可构建旅游行业新型产业价值链，提升旅游经济附加值。因此，本文对运营商大数据在旅游行业的应用进行了研究，首先分析了运营商大数据在行业信息化所拥有的优势，随后通过客流分析、客源特征分析、景区欢迎度分析、客流趋势分析、历史对比分析及旅游行业后向广告等多个方面探讨运营商大数据在旅游行业的应用，为景区信息化建设及市场推广提供数据支撑。
总而言之，对于旅游行业，通过信息化手段，结合用户的位置信息大数据分析，将分散在各地的单个景点按其文化内涵，串“点”成“线”，强化重点景点、文化和游客的有机统一，可提升旅游行业的整体文化附加值，提高旅游行业档次，促进行业转型升级，通过建立和健全“智慧旅游”综合信息服务系统，提升了旅游监管部门的经营管理能力，为运营商的业务转型提供了新的业务探索。
参考文献：
[1] 谢廷晟，牛化成，刘美英. HTML5权威指南[M]. 北京： 人民邮电出版社， 2015.
[2] 位元文化. JSP动态网页入门实务[M]. 北京： 科学出版社， 2001.
[3] 林星. HTML5移动应用开发[M]. 北京： 人民邮电出版社， 2013.
[4] 王易，蓝尧. 微信这么玩才赚钱[M]. 北京： 机械工业出版社， 2014.
[5] 中国移动通信集团江苏有限公司. 南京智慧旅游客源分析系统技术方案[Z]. 2014.
[6] 中国移动通信集团江苏有限公司. 打造掌厅主入口 促进互联网化营销转型的探索与实践[Z]. 2015.
[7] 中国移动通信集团江苏有限公司. 江苏公司集团市场入口布局汇报[Z]. 2015.
[8] 程德杰. 电信运营商真正的优势在于大数据分析[J]. 移动通信， 2013（17）： 76-77.
[9] 陈科帆，周洪成. 电信运营商大数据资源变现模式及策略研究[J]. 移动通信， 2016（1）： 63-67.
[10] 朱健，王雄，李光文. TD-LTE室内分布系统四网协同组网方案研究[J]. 通信与信息技术， 2014（6）： 65-67.
关键词：寿险市场 景气指数 合成指数 时差相关分析 预警
19世纪末期，经济景气研究在国外开始兴起。经过一百多年发展，越来越完善的景气分析方法已经被各国政府广泛使用，并且取得了十分显著的成效。针对国内的一些行业领域，如工业、房地产、旅游业等，近年来已有较多研究，但对于我国的寿险业，甚至保险业，景气分析几乎还是一个全新的课题。本文将景气指数运用于寿险市场研究，根据我国2000～2011年寿险市场的指标数据，构建我国寿险市场景气指数体系，从定量方面预测寿险市场发展趋势，填补了景气分析应用于这一领域的空白，为政府宏观调控和整个行业的发展提供了科学依据，也为寿险公司的经营决策者提供一定的借鉴和参考。
一、寿险市场景气指数指标的选定
（一）指标的组成内容
本文从寿险业务量、寿险市场规模、寿险在国民经济中的地位、寿险企业效益四个方面来反映寿险市场的景气状况（参见表1）。
上述指标之间存在一定的相关性，这会造成数据信息的重复使用，影响结果的合理性与科学性，因此剔除相关性较高的指标，最终选择寿险保费收入、寿险给付金额、寿险公司数、寿险公司总资产、寿险从业人员数、寿险保险密度、寿险保险深度、寿险公司预计利润总额、寿险机构资金运用率、寿险机构资金运用盈利率等10个具有代表性的指标来构建寿险市场景气指数。
（二）指标数据的标准化
（三）先行、一致、滞后指标的选定
二、寿险市场景气指数的编制与实证分析
（二）合成指数的实证分析
根据上述合成指数编制方法，指定2000年为基准年份，可计算出寿险市场一致景气指数，进而得出景气指数波动率，绘制寿险市场景气指数与波动情况合成图（图1）如下。
从实证结果来看，2001年我国寿险市场景气指数处于增长状态，增长率为1.04%。然而，2002年，景气指数并没有一路攀升，而是出现了下滑趋势，并在2005年达到谷底，景气指数下滑到97.64，寿险市场首次出现微弱不景气现象。随后，景气指数开始出现回升态势，从2006年开始快速攀升，经过4年时间在2010年到达峰点并进入平稳发展时期。我国寿险市场总体处于微景气状态，景气指数波动幅度较小。
2000年之前，我国寿险市场一直以传统寿险产品为主，产品重点突出保障功能，基本不具有储蓄和投资功能。2000 年之后，随着分红险、万能险和投连险等新型产品的推出，结构发生了重大变化的寿险市场则以兼具保障、储蓄、投资功能为一体的新型产品为主。2001年，随着中国加入WTO，保险市场进一步开放，大量外资寿险公司进入中国市场，本土中小保险企业也迅速发展壮大。因此，景气指数达到101.04，增长率为1.04%，寿险市场相对景气。但是好景不长，由于中国保险市场待开发前景和利润潜力相当可观，自身的保险经验又相对不足，承保能力有限，呈现出供求极不平衡的态势；而发达国家保险市场供给却相对过剩，需寻找新的市场，二者之间的明显“落差”，市场上期的高增长和超额利润吸引了投资者一哄而上，造成了欧美的保险人纷纷抢滩中国的热潮，无序发展使得市场出现了非理性状态，2002年景气指数开始出现下滑趋势。但是在低利率环境下，寿险市场不断推出新型产品，并开创了银行这一新渠道，一直到2004年，景气指数虽然不断下滑，却一直处于100以上，下滑幅度并不明显，寿险市场仍然处于微景气状态。
2005年景气指数达到谷底，下滑到97.64，寿险市场首次出现微弱不景气现象。2006年，寿险市场业务结构调整成果良好，无序竞争状态得到了改善，一些关于保险行业的新政策、新法规的制定与实施使寿险市场环境得到了一定程度的改善，而经过几年激烈的市场竞争，我国寿险企业的组织结构、研发能力和市场服务等都有较大提高，从而使得寿险市场的整体竞争力得到进一步加强，景气指数开始回升，进入了新一轮的上升期。
到了2007年，由于我国寿险市场的快速发展和市场化进程的加快，宏观经济环境对寿险市场的影响加大。我国GDP增速在今年达到十年来的峰值，股市爆发式上涨，寿险市场开始了快速发展，增长率达到峰值1.42%，并且势头延续到了2008年。但是，2008 年下半年到2009年受国际金融危机影响，GDP增速回落，寿险市场增长速度变缓。随后，国家4万亿经济刺激计划和低利率货币政策，使寿险市场在2010年再度进入高峰，保费突破1万亿，景气指数达到100.76。
进入2011年以来，国际国内经济形势复杂多变，受国家宏观调控，货币政策紧缩，利率和CPI上涨、GDP增速相对放缓，股市、债市持续承受下行压力，直接影响了寿险公司的投资收益，寿险业特别是银保业务增速明显放缓，分红险产品对消费者的吸引力大幅下降。寿险市场景气指数回落到100.65，虽然不能与2010年的高点相比，但走势基本保持平稳。
三、结论与政策建议
（一）结论
1、寿险市场发展不稳定，仍处于低水平状态
2001年，景气指数为101.04，寿险市场相对景气；2002～2004年，景气指数从100.75下滑为100.32，寿险市场处于微景气状态；2005～2008年，景气指数从97.64的谷底开始回升，但也一直没有超过100的景气临界值，寿险市场始终处于微弱不景气；2009～2011年，景气指数相对平稳，寿险市场又恢复为微景气状态。由此可以看出，我国寿险市场的发展并不稳定。另一方面，2000～2011年，寿险景气指数一直在景气临界值周围波动，12年中，我国寿险市场只有2001年是相对景气，其他年份则是微景气状态或者微弱不景气状态，这说明我国寿险市场还不成熟，仍处于低水平状态。
2、寿险市场景气指数能较好地预测寿险市场的发展趋势
根据实证结果可以看出，2010年寿险市场景气指数再次达到顶峰后，2011年开始下滑，但回落幅度较小，波动率仅为-0.11%。再结合我国当前经济形势进行分析，可以预测寿险市场将进入平稳发展时期，短期内寿险业难以恢复高增长态势。本文把寿险市场的景气变动指数化，以指数的形式反映寿险市场的短期发展态势，便于正确认识寿险市场发展形势。
3、寿险市场景气指数的编制有待提高
由于数据采集的困难性，本文仅收集到12年间的数据，样本数量较小。保险业数据多为年度数据，这也使得寿险市场景气指数的时效性相对不足。本文经过定性分析和定量分析，最终采用九项指标构建景气指数体系，其中反映企业资产方面的指标比较少，所以构建景气指数的指标组仍有待改进。本文的景气指数编制还有许多不完备的地方，需要在今后实践中不断地修正和完善。
（二）政策建议
1、抓住时机，积极推进寿险市场稳健发展
根据景气指数的预测，我国寿险市场将进入平稳发展时期，我们应当抓住时机，解决前期高速增长带来的问题，认真总结寿险业发展经验、教训，积极转变增长方式，及时进行结构调整，从注重市场的发展质量和经济效益出发，把精力放在基础工作上，积极推进寿险市场稳健发展。
2、完善统计制度，加强数据管理
充足有效的数据是进行数理统计和计量经济分析的前提和基础，为了更好地发挥统计职能，避免保险行业的专家学者在分析问题时因为统计数据不足而事倍功半，甚至研究成果缺乏准确性和科学性，我国应完善寿险业乃至整个保险业的统计制度，加强数据管理。
3、优化寿险市场景气指数的编制
统计部门应完善统计制度，加强月度数据管理，为行业研究者提供丰富的数据支持，在构建寿险市场景气指数体系时多方面、多层次选取指标，增加指标数量，综合各方面因素，如指标重要程度、监督引导方向等，运用统计学方法，如主成分分析法、时差相关分析系数法等，更加合理地分配各指标的权重，进一步完善寿险市场景气指数的编制。
4、建立寿险市场景气预警系统
为了保证寿险市场能健康、稳定地发展，政府和监管部门应该通过构建数据模型、开展问卷调查等方式，创建保险监管、保险服务、保险信心等景气指数，在寿险景气指数的基础上，及时建立寿险市场景气预警系统，并实时监测数据和预警信号，帮助政府和企业经营者了解寿险市场发展状态、动力和趋势，以便决策者把握大局，引导寿险市场科学发展。
参考文献：
[1]王绪瑾.保险学（第五版）[M].北京：高等教育出版社，2011.8
[2]高铁梅，王金明等.计量经济分析方法与建模――Eviews应用及实例（第2版）[M].北京：清华大学出版社，2009年
[3]董文泉，高铁梅等.经济周期波动的分析与预测方法[M].吉林：吉林大学出版社，1998年
[4]赖福平.工业企业景气指数研究与实证分析[D].暨南大学，2005
[5]李伟.中国轿车市场的需求波动及景气指数研究[D].安徽大学，2012
[6]董文泉，郭庭选，高铁梅.我国经济循环的测定、分析和预测（I）――经济循环的存在与测定[J].吉林大学社会科学学报.1987年第3期
[7]陈迪红，李华中，杨湘豫.行业景气指数建立的方法选择及实证分析[J].系统工程，2003.4
[8]黄洪.创建广东保险业景气指数（GIPI）研究[J].保险研究.2011（11）
[9]王绪瑾，席友，龙云飞.中国寿险市场的特征、矛盾和对策研究[J]. 保险研究，2011（12）
[10]何玉东，孙溪.经济周期视野下的中国寿险业发展态势探析[J].保险研究，2012（03）
关键词：数据挖掘 关联分析 聚类分析
尽管目前的IT技术和网络应用发展迅猛,从网络获取包罗万象的资料已经几乎没有困难。然而目前从事档案工作的存放或利用纸质档案获取有用信息还有许多困惑。在不同的工作中积累起大量的数据信息,不同类别和科目,不同的承载体。面对这些有针对性庞大的数据或数据集,如何快速分类存放,如何从中快速检索有用的信息成为档案工作的当务之急。目前借助数据挖掘技术作为采集分析档案的工具是较为便捷的。所谓数据挖掘可以从浩瀚的数据中快速提取潜在有用的信息的过程,尽管这些数据潜隐在巨量纷繁、相互交叠、模糊随机且事先未知的档案事件中。利用这样一个有效的分析工具可以实现快速检索出高校档案中有用信息和相关知识。
本文分别简述各种数据挖掘方法,并举例学校档案管理加以说明,紧扣高校档案管理,叙述在档案管理中应用数据挖掘分析技术的一般步骤,再以三个实际案例来说明利用数据挖掘这个有效工具快速检索高校档案有用信息,最后明确结论数据挖掘作为数字化管理的先进便利高效的工具,在高校档案管理方面大有发展前景。
1、数据挖掘方法
数据挖掘(Data Mining,DM),从大量数据中抽取出有用的信息和知识,形象喻为在庞大数据山中挖掘出有用信息。挖掘数据加以分析的技术可以实现对档案信息在需求量、系统性、时效性和快速检索方面的要求。常用的数据挖掘方法有下列几种:
1.1 关联分析(Association analysis)
关联是反映两个或者两个以上事件之间存在某种依赖或联系规律性。设想在数据集中如果一
项事件或数据与多项数据之间的相关联系,那么其中一项的属性值就能够依据其相关项的关联属性值推测出来。关联可分为时序关联、因果关联和简单关联,利用关联分析的目的就是找出数据集中所有频繁相关属性项目集,这是数据挖掘中最成熟的技术之一。例如教师教学档案与科研档案的关联,可以发现与教师的成长和发展有很大关系;还可以发现学生的学籍档案与专业发展的关联,得出学生就业率的变化趋势。
1.2 聚类分析(Cluster analysis)
聚类是把数据按照标定距离d或相似度r划分成若干组别,“物以类聚”即同一组中的数据均在标定距离和划定的相似度以内,不同组中的数据之间则保持较大标定距离和相似各异。聚类之前不知道组别数和各组的相似特性,聚类分析可以根据标定距离d 或相似度r的取值不同可以将数据分成不同的组别数和共有的特性,从而可以发现数据的分布模式和频度。例如可通过标定分数线定量地将学生分为成绩优秀、良好和一般的几组;也可以通过档案的多种属性列成矩阵分析,定性地将高校档案聚类成不同类别的档案。
1.3 分类分析(Classification analysis)
分类就是按照数据集合的属性和典型特征表述,并利用这种表述构造区分模型,一般用规则或决策树模式表示分类,分类在于事先明确类别,适宜于决策划分大类,而聚类在于标定值的确定后才能明确组别数,可在事后先确定数据的分布模式,适宜于快速找出数据间的差异。例如学校可根据职称将教师分成不同的类别,就可以职称划分并结合工作积累来区分新老教师,以采取不同的待遇分配方案;也可以根据工作属性或评定因子来确定档案类别的划分。
1.4 预测分析(Predictive analysis)
研究历史和当前的数据呈现统计的变化规律,利用动态规律推测未来数据的种类及特征即为预测。通过预测可以对分类进行调整,对聚类进行相似度调适,同时提高快速检索的准确指向性。例如利用学校教职工各支队伍建设培养档案进行预测分析,从而对学校人力资源的配置优化有发展的判断;利用历届学生成绩考核档案的预测分析,可对当前的教学工作做一定的调整。
1.5 偏差分析(Variance analysis)
在数据集中的数据之间存在很多差异,而偏差是对差异和极端情况的数学表征,若发现数据集中数据有偏离异常的现象,偏差分析就可揭示内在原因并作出相应调控。例如在某次物理测试中有30%的同学不及格,为了提高教学质量,教师就要找出这30%不及格同学的动因,作出正确的分析和判断,提高下次测试的及格率。还可以根据历次档案的比对分析,找出数据信息出现偏差的工作原因或档案信息因存放粗忽的失真。
2、数据挖掘应用到高校档案管理中的技术步骤
数据挖掘分析技术要求对档案信息实现数字化管理。从完善高校档案资料的建档、备案、修改、备份、保存等各个环节开始,对档案信息进行录入和数据转换,以实现数字化管理。为提高档案检索和利用的效率,充分利用数据挖掘使查询检索变得更加便捷。数据挖掘分析技术促进了档案管理的科学规范化管理,提高服务效率,还能确保了数据的准确性,提高工作效率,缩短工作时间。
2.1 确立目标,划定需求
利用数据挖掘要避免盲目性,首先就必须清晰地明确要快速检索档案的业务问题,确立利用数据挖掘的目标和划定检索的需求。明确了档案数据挖掘的目标,才能确定检索的需求,制定数据挖掘的计划。
2.2 有效聚集,构建模型
(1)选择数据。在现存档案的庞大数据集和数据库中搜索相关的内、外部数据目标信息,提取适宜数据挖掘的数据信息;
(2)预测数据。分析研究和甄别档案数据信息,有必要进行数据的加工、集成等,剔除重复或异常的数据信息,选择规范的数据并定义数据类型;
(3)数据转换。这一步决定数据挖掘的关键,数据转换就是将档案信息数据转换成可利用的数据,再将数据集成为一个针对挖掘算法的模型。
2.3 筛选算法,实施操作
按照档案的功能、类型和事件转换的数据特性,筛选和优化适宜的算法,对所有经过转换的数据实施挖掘操作。若是良好的算法,其结果没必要完全符合已有数据,但所建模型对大量未知的数据集中的数据信息应有较好的预测。认真考察不同的模型以判断哪种模型对所需解决的问题最有效,这一步是数据挖掘的核心环节。如决策树模型、相似聚类模型都属分类模型,即将一个事件或对象归类;回归分析则是通过具有已知值的变量来预测其它变量的差异值。按时间序列排序即是用变量的过去值来预测未来值。
2.4 评估模型,分析结果
为验证模型的有效性、可信性和可用性,需要对模型进行评估。我们可以预测模型的准确性、运行速度、实现代价和效率精度等属性。分析模型的建立和检验是一个反复的过程,通过这个阶段的分析工作,能使档案检索以最优或较优的模型运行。
2.5 部署应用,快速检索
分析和评估数据挖掘的结果,最终转换成检索用户能够理解的档案事件信息和知识。须将挖掘得到的信息归档返馈给检索需求系统,对挖掘抽取的有用信息采取必要的修正措施,迅速消除与以前信息和知识可能存在的冲突,并将分析所得到结果集成到档案检索结构中去。在应用模型的过程中,还需要不断地对模型进行评估和检验,并采取适当的加工和调整,以适应不断变化的应用环境而实现快速检索。
3、数据挖掘在高校档案管理中的应用
3.1 聚类分析在高校教师教学质量评价中的应用
对高校教师的教学质量评价,办法很多,争议也很多。我们根据聚类分析原理,使用层次聚类分析法是比较科学的。若以分数来评价,教师之间的分数差异很小,水平差异不明显。因此不以分数排名而以分类为好,宜分为优秀、良好、合格和较差四个等级,等级不宜分得太多。
在进行等级分类前,设将教学质量评价指标体系中的十个指标评分,按ABCD四个等级分别记为4、3、2、1分。若有20位教师从事基础课程《大学外语》教学工作,让学生测评,以班为单位,每个学生对任课教师的各项指标打分评价。将20位教师的评价实测数据输入计算机测评系统进行数据处理,按数据挖掘处理要求计算平均得分,最高得分和最低得分,最后将20位教师的评分情况返馈输入计算机分析系统得到20×10矩阵表,再经快速聚类检索:
(1)如果聚成两类,则结果为:
I. 1,2, 4,5,6,7,8,9,10,11
II. 13,14, 3,15,17,12,16,18,19,20
(2)如果聚成三类,则结果为:
I. 1,2, 4,5,6,7,8,9,
II. 10,11, 13,
III. 14, 3,15,17,12,16,18,19,20
(3)如果聚成四类,则结果为:
I. 1,2, 4,5,6,7,8,9,
II. 10,11, 13,
III. 14, 3,15,17
IV. 12,16,18,19,20
这样分类按十项指标评分,再按20×10矩阵数据分堆成类,这比只按照分数累聚进行划分准确和人性化,使水平相近的教师处于同一层次。避免因差0.1分的僵硬因素,使水平相差不大的教师落入不同等级而造成人为矛盾,评价也不客观。其中因为使用了计算机分析处理系统,数据挖掘分析可以按需求迅速得到结果。
3.2 关联分析在高校档案个性化利用中的取向应用
利用数据挖掘算法的关联分析,广泛研究和运用的是决策树算法。以本校档案馆调研用户利用档案情况分析为例,可说明决策树算法在关联分析中的简单明了的作用。一般档案馆要求各用户查阅档案前要进行个人信息登记,用户可以方便的通过各种方式进行查询所需资料和信息。档案馆的工作人员通过信息关联到用户查询,从高校教师用户的查阅兴趣的情况进行关联,可以得到模型树1,其中清楚,年龄在20～30岁之间的年轻职工喜欢调阅成果影响档案,年龄在30～40岁之间的教师大部分是关心学校发展和激励机制档案。而年龄在40～50岁之间的则主要是调阅学校发展档案,很少查阅成果影响档案。再从用户身份关联档案类别得到决策树模型2,分析明确,学校机关人员调研档案的内容和偏好与教师科研人员有明显不同,学校机关人员主要偏重于激励机制的档案,查阅成果影响则主要是教师科研人员。通过关联分析可知,档案人员能够按照教职工的不同要求或习惯,能够有指向性地快速检索,同时为用户组织和提供更多、更好的高质量信息（图1）。
3.3 分类分析在高校新校区绿化建设中的应用[25,26]
分类分析以本校新校区绿化建设布局为例,设定校园绿化建设的定性评价因子,对校园分布的绿化景观建设图片档案进行筛评,最终可快速检索得到绿化景观建设的取向因子评价的分类。
具体作法是选取校园建设中某一绿化景区为研究区域,通过对研究区域的绿化景观设计展评,以500张设计效果为图片档案。其中精选20张具有代表性的设计图,并设定20对形容修饰辞,交由学校师生进行问卷调研。采用正负对称评定尺度,其排序为-2,-1,0,1,2,经整理得出真实的矩阵评价结果。其中列向量1~20分别代表20张设计图,代表校园建设中20个绿化景观。
然后行向量为对图片中景观描述的20对形容辞,1~20依次代表:空间、层次、体积、形体、韵律、幽静、熟悉、色彩、关联、变化、动感、连续、整齐、吸引力、光感、氛围、与主体建筑的协调、植被覆盖、生命力象征、美感。再使用Mathlab多元统计软件对上述的调查数据进行划分类别分析。
从矩阵分类结果看,16、20;12、13;5、9;10、17;2、4两两分别构成同类。
从分析层次图中明确,以d=0.35为界,可以修饰形容辞,把这些校园绿化景观分成4类;
若以d=0.28为界,可以修饰形容辞,把校园绿化景观分成5类:
其中16(氛围)、20(美感)、14(吸引力)、6(幽静)、12(连续)、13(整齐)、19(生命力)、7(熟悉),这些因子定义为氛围因子,它们代表了绿化景观的氛围;
3(层次)、5(韵律)、9(关联)、10(变化)、17(与主体建筑的协调度)、8(色彩丰富)、15(动感)、11(光感),故将这些因子定义为形式因子,它们代表了校园绿化景观的形式;
2(体积)、4(形体),故将这些因子定义为体量因子,它们代表了绿化景观的占有体量;
18(植被覆盖度),故将其定义为环境因子,它代表了校园绿化景观的植被覆盖状况;
1(空间),故将其定义为整体因子,它代表了校园绿化景观的空间感和整体性。通过分类划分可将校园绿化景观评价简化为氛围因子、形式因子、体量因子、环境因子和整体因子。此例通过设计图片档案和繁复的形容形容辞,利用分类分析可以快速检索到随机又能达到满意的权重较大的五因子评价体系。从而可以快速检索到校园绿化景观建设的分类信息。
4、结语
目前数据挖掘(DM)分析仍然是一个全新的研究领域,新的数据挖掘方法和模型在不断更新,随着计算机、网络和数据库等技术的发展,作为高新技术在不断提升和改进,其分析应用领域日趋广泛和深入。虽然这项技术的应用还存在许多待解决的问题,亟待提高的是超大规模数据信息的检索效率。本文通过本校实例说明对档案信息挖掘利用可以快速检索不同档案中的有用信息,使档案部门主动提供有效服务。
参考文献
[1]胡春红.数据挖掘技术在高校信息化管理中的应用[J].长江大学学报(自然科学版),2010,7(3):592-594.
[2]李雄飞,李军.Data Mining and Knowledge Discovery.数据挖掘与知识发现[M].北京高等教育出版社,2003.
[3]Jiawei Han,Micheline Kamber著,范明,孟小锋等译.数据挖掘概念与技术[M].机械工业出版社,2001.
[4]王玮,蔡莲红.关联规则的高效挖掘算法研究[J].小型微型计算机系统,2002,23(6):708-710.
[5]殷云霞,杨松涛.关联规则在图书管理中的应用[J].河南工程学院学报(自然科学版),2011, 23(1):67-71.
[6]许海洋,汪国安,王万森.模糊聚类分析在数据挖掘中的应用研究[J].计算机工程与应用,2005,(17):177-179.
[7]刘放,叶菲.改进的聚类分析算法在高校人力资源管理中的应用[J].皖西学院学报,2011,2011,27(2):39-41.
[8]肖明,李国俊,杨皓东.国内信息资源管理研究热点分析[J].情报科学,2011,29(4):535-540.
[9]崔玉华,李俊杰,刘国华,王东方.基于分类挖掘的企业定单分析系统[J].计算机系统应用,2007,(10):11-14.
[10]程兰芳,陆敏.我国高等教育投入的时序建模与预测分析[J].中国市场,2011,18(5):152-154.
[11]李阳生,未来档案开发利用趋势的预测分析[J].档案学通讯,2002,(2):34-35.
[12]胡小勇,教育信息化政策执行偏差分析与对策研究[J].中国电化教育,2011,(5):35-39.
[13]马秀麟,衷克定,张倩.学生评教偏差分析与控制模型研究[J].现代教育技术,2011,21(2):40-44.
[14]杨光.浅析数据挖掘在CRM中的应用[J].情报科学,2005,(02):119-121.
0 引言
伴随我国生产力发展，人民生活品质显著提升，旅游已成为人们生活的重要组成部分。近年来，旅游景区易遭受自然灾害、建筑施工、社会变动及不可预测因素的影响，致使游客遭受人身伤害或财产损失，旅游设施被大肆破坏，景区资源濒临匾乏，景区处于瘫痪状态，这给旅游业的发展带来极大危害，同时也给国民经济带来了严重损失。对于景区灾害管理问题，国内外不少学者对此进行了研究，提出了应对策略和管理方法，从最初的管理框架到现在的系统管理以及对灾害的风险评估，景区灾害管理问题已逐渐趋于成熟。目前，面对景区灾害远程救援管理系统的研究尚处于起步阶段，远程救援管理方案不完善，救援工作困难，这主要是由于灾害位置无法准确快速定位。对于地形复杂的区域，由于通信设施及技术的影响，定位难以做到精准化，加之复杂地形的影响，往往延误救援最佳时机，且所需定位设备较为复杂，花费代价较为昂贵。因此，研究一种能够准确定位的景区灾害救援管理系统显得越来越重要。
针对上述问题，提出了一种旅游景区灾害远程救援管理系统，该系统利用数字云台摄像机对景区可疑区域进行监控，通过CPS定位模块，结合定位算法对灾害位置进行准确定位，通过该定位位置，指挥系统作出决策，实施快速营救。系统中对总体架构及各管理模块功能进行了分析，并对灾害定位算法进行了深人研究，提出了一种基于布谷鸟优化算法的定位算法，构建了完整的景区灾害远程救援管理体系，旨在提高景区灾害救援管理水平和效率。
1 系统的总体架构设计
为了使系统流程更清晰，扩展性更好，系统使用多层架构设计，系统架构主要包括数据层、系统集成层及应用层系统硬件设计。
系统硬件设计结构如图2所示，主要由监控点、无线传输系统、CPS定位设备、数据服务器、应用终端、联络手机及监控计算机组成。其中监控点主要由监控摄像机、数字云台、云台解码器及数字视频服务器组成。数字云台是实现本系统定位的核心部分，其上方固定摄像机，当云台转动时带动摄像机一起转动，确保了数字云台旋转角与摄像机所拍摄的图像一致，通过云台解码器可接收云台的控制指令。数字视频服务器主要用于将视频信息发送给客户端，同时将控制指令转发给云台。
数据层为底层结构，由数据库管理系统构成，它为该管理系统提供了基础数据支撑，系统中以数据库的形式管理景区灾害中涉及到的空间数据及属性数据，其中空间数据包括了基础地形数据及救灾专家数据，属性数据包括了景区状况数据及其他数据。
系统集成层是该架构设计的最主要部分州，该层集成了逻辑处理部分及决策、灾害处理、定位、急救、信息查询及远程控制系统。用户可通过该层与数据层进行交互，也可以接受应用层传递的命令。当系统集成层接收到应用层传递的命令后，便于数据层进行数据交互，数据交互后调用系统集成层的各个处理模块，分析处理后，将最终的结果显示在应用层的显示平台上。其中CIS模块和MIS模块是与数据库进行操作的逻辑处理部分，应用层的所有指令均通过该逻辑处理部分实现对数据库的调用。
应用层是直接面向用户的应用集合，主要实现对特定环境的监测、安全监管及报警等功能。它为用户提供了一个可以实现远程信息监控的应用平台，用户可以通过数字云台摄像机实现对旅游景区灾害的远程监控。信息显示平台将摄像机拍摄到的数据服务器个)联络手机无线迪信链路无线迪信链路石台解码器。
2 系统硬件结构
系统定位的工作原理:摄像机将拍摄到的视频信息传输至数字视频服务器，经数字视频服务器处理后传输至灾害自动定位子系统，同时云台码流采集模块将云台旋转角度信息传输给灾害自动定位子系统，灾害自动定位子系统根据定位算法及CPS定位模块将位置信息传输至救灾指挥系统，救灾指挥系统根据位置信息由CIS进行相应的判断与处理。
3 灾害定位算法
针对传统定位算法的不足，提出了一种基于布谷鸟优化算法的定位算法。该算法的基本思想是利用Br-esenham直线算法构造离散点集射线，该射线通过与DEM数据约束的不规则曲面求交，并解出交点的过程。在求交点的过程中，需要对位置不断优化，利用布谷鸟优化算法寻找出最优位置，该位置即为灾害的位置。
为了验证算法的可行性，利用CPS对几个模拟的景区灾害点进行测量，测出其经纬度坐标及高度坐标，分别用X,Y,Z表示。然后，利用数字云台摄像机对模拟的灾害点再次定位，每组测量10次，利用上述算法求出每组测量的结果，并对该结果求算术平均值，求得的结果用X,Y,Z。表示。定位系统的定位效果可以用定位误差来反映，假设利用CPS测得的坐标为(X,Y ,Z}，通过定位算法计算得到的坐标为(二)(Zo ,yo )，定位误差定义如式(4)所示，该算法的误差分析
上述测得的结果只是为了验证算法的可行性，通过以CPS测得的值作为标定值来进行验证，由表1的误差可以看出该算法具有较强的可行性。实际定位时，为了使定位更准确，通常测得多组数据，分别计算其误差，选择误差较小的一组作为基准数据，该基准数据用于以后计算最终定位位置的依据。设CPS测量值为L，定位算法计算所得值为式中，。的取值为0一1之间，通过调节。的值来使结果达到最优，以此来确定最终定位坐标，达到准确定位的目的。
4 系统管理软件设计
由于景区地形较为复杂，空间性较强，系统采用CIS技术辅助灾害的查找、定位、查询及导出，同时CIS系统还具备强大的图形信息处理能力，能够将空间数据、属性数据和时态数据结合起来，还具有数据库管理系统的能力和独特的空间功能。因此，该管理系统是基于CIS景区灾害空间数据库的基础上构建的。根据系统的总体设计功能，将景区灾害管理系统分为3大功能模块，主要为远程监控模块，景区灾害救援功能模块及其他日常管理模块，其系统功能结构如图4所示。
(1) 远程监控。远程监控模块利用前端采集系统中数字云台摄像机，监控景区危险可疑分区(如山体、建筑物及建筑工程地、湖泊及火灾等)，能及时将采集到的数据传给景区监控中心。如果发现可疑灾情，锁定云台进行报警，并利用定位模块及定位算法，进行灾害定位，远程监控主要实现生态环境的监控、危险区的监控及游客意外事故的监控。
(2) 景区灾害救援。景区灾害救援功能是管理系统的核心部分，当远程监控摄像机拍摄到灾害发生时，就需要发挥救灾、减灾功能，该功能的实现通常包括:信息的获取、灾害定位、数据分析、灾害行为预报，实时信息及指挥消防人员救灾等流程。其中对灾害的定位通常由定位算法与CPS定位共同实现，最终将灾害位置显示在电子地图上。救灾过程中信息的，可通过地形图输出、统计报表及平台显示的形式输出。对景区灾害定位后，指挥中心通过CIS系统提供的信息，调度消防人员进行救援工作。指挥消防人员救援工作包括了救援方案的设计、救援人员的配置、救援设施的调度及最佳路线的选择。
(3) 其他管理功能。其他管理功能主要是对日常数据的管理、基础信息的维护、防灾人员管理、物资管理及游客数据管理等。另外，在其他管理功能中添加了统计分析功能与灾情评估功能。统计分析功能包含了信息分析、叠加分析及缓冲区分析。信息分析主要用于将繁琐的数据进行提取、加工转换成有用的信息，并将该信息以直观的形式表达出来;叠加分析主要是将原有相关信息进行嵌套组合，生成一个新的信息，该新的信息综合了原来所有相关信息的属性，通过叠加分析可以将空间数据进行交、并、减等分析操作;通过缓冲分析可以获取地理空间位置的影响范围或服务范围。
灾情评估功能主要包括灾前评估、灾中评估、灾后评估及危险性区划。灾前评估，主要是利用历史资料对潜在的危险性事件进行数学建模，并对灾害潜在的影响区域进行灾前评估及预测，通过灾前评估，可事先向指挥系统发出提示信息进行预警处理;灾中评估主要是利用远程监控系统，实时对危险区划的范围及游客、生态环境所造成各种损失进行动态评估，目的是通知指挥中心快速地对景区灾害作出响应，并指挥救援以减少灾害的损失;灾后评估指景区管理部门根据相关资料及数据，利用CIS技术把灾害造成的损失进行统计和评估，通过灾后评估可使有关部门对灾情损失有所了解，并对灾后景区进行重建恢复;危险性区划主要是利用评价模型，对景区各个因素进行分析，并规划出景区易发生灾害的区域。
5 结语
关键词：战略领导力，组织愿景，正向显著
一、战略领导力的理论与内涵
战略领导力作为领导力的一个重要分支，是战略领导者所具备的领导能力的总和。对于战略领导力内涵的描述，理论界和实务界一直未能达成共识。
二、研究假设
通过对战略领导力理论与文献的回顾可以看出，提出并推动组织愿景实现的能力（以下简称愿景力）是战略领导力的核心要素。因此，本文提出假设：战略领导力对组织愿景有正向显著的影响。
三、研究过程与结果
（一）相关变量说明
本文采用问卷方式衡量每个变量，主要因变量为战略领导力及组织愿景。各变量定义如下：
1.战略领导力
本文对战略领导力的定义采用中国科学院领导力课题组对于战略领导力的整合概念，以愿景力作为切入点。另以Bass（1998）所发展出来之多因子领导问卷（MLQ）作为衡量量表1，其衡量构面包括：魅力影响、精神激励等。
2.组织愿景
组织愿景是组织希望将来实现的理想目标，是组织渴望达到的蓝图描绘，它为企业提供了一个宽广的视野，使所有成员具有方向感，激励大家积极主动地创造渴望的景象，有利于企业应对未来的不确定性，长远地发展。McGowan （1999）提出，企业实现高成长与战略领导者意图、信念、愿景和维持创业时的热情和努力有关。赫尔曼・西蒙（2005）指出，企业强烈的成长愿望（愿景）深深地植根于那些战略领导者，尤其是创立者们的信念中，战略领导者的这些信念对企业高成长起着强大的促进作用。
从以上论述我们可以看出，组织愿景是由战略领导者个人愿景转化而成，它的形成需要一个比较长的过程。以我国企业发展现状来看，有些企业的组织愿景刚刚创建，有些在沟通磨合，有些已经在执行，有些则需要调整变革，因此把组织愿景可划分为愿景创建、愿景沟通、愿景执行和愿景变革四个过程。
（二）样本选取与抽样
本文主要研究战略领导力和组织愿景的关系，以大连地区现代服务行业企业作为调查抽样标的，采用封闭式问卷取得数据。碍于人、财、物等资源限制，利用所在学校直属于大连市服务业委员会的行业办学优势，依靠“大连市现代服务职业教育集团”成员企业的支持，采取方便性样本取样，采用网络问卷、委托发放两种方式，前者向答卷人发送电子邮件，后者通过邮寄方式送达被委托人，由被委托人向企业随机发放，问卷回收后着重审查样本是否符合样本研究的规定。
本次共对50家企业中、高层主管发出问卷计300份，回收23家企业78份问卷，回收率26%，扣除漏答或回答不完整等问卷6份，获得有效问卷总计72份，有效问卷回收率24%，有效问卷回收率、母体数与所抽样样本数分布比例相当，可见样本具有相当的代表性。
（三）问卷的属性及数据质量分析
对样本选取进行描述性统计分析可以了解其分布与组成，并明确样本对战略领导力和组织愿景的看法，统计资料主要包括百分比及平均数与标准差，以及Pearson相关系数研究架构中各项构面之间的相关性程度。样本企业在研究构面的平均数、标准差，战略领导力平均数约在3.80以上（满分5分），同意度中等偏上，且组织愿景各项构面平均数，也大多接近3.50以上，所以样本企业的中、高层主管对战略领导力及创建组织愿景有较高认同度。
本次调查问卷各项指标的确定与衡量标准，均依据文献并参考学者已使用的量表，以因素分析的主成分分析法，针对各项指标所含因素特质大于1的进行萃取，同时用最大变量法（Varimax）进行因素转轴，所选取的因素负荷量绝对值大于0.7以检验各因素是否具有一定的效度。战略领导力分析结果，萃取3个特征值大于1的因素，累积解释变量为68.754%，所有的战略领导力指标具有一定的因素效度，在KMO（Kaiser-Meyer-Olkin）的取样检定上其值为0.942，具有很高的显著性。根据组织愿景指标的分析结果，萃取3个特征值大于1的因素，累计解释变异量为66.342%，所有组织愿景指标也具有一定的因素效度。在取样适切性量数检定上，KMO系数值为0.945，显示因素分析适合性也达相当高的程度。
信度分析的目的旨在了解量表的可靠性、一致性与稳定性。本文采用内部一致性系数Cronbach’s α。Hair（1998）指出Cronbach’s α值大于0.7，则数据可靠性较高，当测量的变量测项的数目小于6个时，如果Cronbach’s α能够超过0.6，就说明数据也是可信的。本文以此为依据，经过分析发现，战略领导力及组织愿景的Cronbach’s α系数分别为0.955和0.912，显示信度在较好范围。
（四）研究结果
1.回归分析
我们以战略领导力的子构面――魅力影响及精神激励，以组织愿景为因变量，进行因素多元回归分析。
2.路径分析
使用回归分析探讨中介模型会忽略研究变量的内生性问题。所以，采用路径分析除了可说明各因素关系变量影响方向外，更可以显示出影响效果与程度。
四、战略领导力与组织愿景间关系的启示
战略领导力对组织愿景的直接路径系数为正，且具有统计显著性，这表明组织的战略领导力是创设组织愿景的关键因素，能够对组织愿景产生正向显著的影响。组织愿景形成的前提条件是战略领导的愿景的形成，也就是说组织愿景是由组织的战略领导者提出个人意愿，获得组织成员支持后形成共同愿景，所以战略领导者的愿景导向将决定组织愿景的形成。这就要求战略领导者强化愿景领导力，随时洞悉社会演化规律并据此设计和调整组织的发展方向，把握影响组织变迁的关键因素并据此引导和控制组织的发展进程，坚定不移地推行既定的核心价值观并据此塑造和变革组织文化，同时还要特别关注科学技术的发展及其对组织的影响并据此持续推进组织创新。
当然，创设组织愿景不仅仅是企业高层的主观行为，在愿景建设过程中，组织战略领导不应该忽视员工的意见和建议，尤其在愿景创建阶段，组织战略领导要十分清楚组织未来的发展蓝图，然后将深思熟虑后的愿景内容以简单清晰的语言告知组织成员，同时引导成员参与思考、对话，深入了解成员对愿景的看法和要求，根据成员反馈对愿景进行调整，提高全体员工对愿景的认同度，而不是仅仅把领导层的意愿强加给员工，用权力使其认同组织愿景，只有组织成员真正接受组织愿景，并将个人职业生涯的发展融入到组织愿景中，对组织产生较高的认同和承诺，才能真正激发员工的热情和潜能，有效地凝聚组织成员朝着一个目标前进，共同在战略领导力的作用下为组织的愿景奋斗，从而提升组织经营绩效。
参考文献：
[1] 飞，席酉民，韩巍. 和谐管理理论视角下战略领导力分析[J].管理学报，2013（1）.
[2] 刘向东.战略领导特征及其对企业战略选择和绩效影响机制研究[D].南开大学2010.
[3] 中国科学院领导力课题组.战略领导力模式研究[J].领导科学，2009（2）.
大数据时代的来临，对于企业传统的运作模式和管理模式都提出了严峻的考验，时代的发展速度逐步提高，企业的管理模式也应该紧跟时代的发展步伐。只有这样才能够让企业不断的进步发展。2012年以来，以美国为代表的西方发达国家纷纷出台了针对于企业的大数据发展战略，大数据时代背景下企业管理模式创新已经成为全球商界普遍关注的热点问题。在大数据背景下调整企业自身的管理策略，通过电子数据分析消费者的消费习惯和相关用户信息，开发能满足客户需求的消费品，对于企业制定科学的战略决策，具有重要的理论意义与实践意义。国际国内知名的电子商务平台都利用自身的计算机科学技术分析与消费者消费行为有关的数据信息，并且投入了大量的人员与技术，这是使得互联网公司规模不断扩大的重要手段。因此对于大数据背景下企业管理创新的研究具有重要意义。
一、大数据和企业管理的相关概述
1.大数据的概念。所谓大数据就是庞大的数据信息，通过常规的软件工具无法在短时间内完成搜集、筛选、分析但对企业进行战略决策具有重要经济价值的信息。大数据的特点主要包括以下几点：高速、大量、多样、精确。随着信息技术的不断发展，在大数据背景下通过电子计算机对大数据进行数据分析，搜集与企业经营有关的数据，使用数学方法进行分析与建模，挖掘数据信息背后隐藏的经济价值，已经成为当前企业经营管理过程中的重要行为。对大数据进行计算分析能够得出对于企业经营决策具有战略价值的信息，对于提高企业战略决策的科学性和准确性具有重要意义。
2.企业管理的概念。所谓企业管理就是指对企业生产经营过程中所必须的计划、组织、经营、指挥、协调等一系列行为的统称。就管理对象的属性进行区分，可以将企业管理分为行为管理和业务管理。企业管理创新也需要从行为和业务两方面着手实施。企业管理和人力资源管理相辅相成。在经营企业的过程中，只有保证企业不断向前发展，才能够确保企业中所有的员工都能够不断进步。
二、大数据时代企业管理创新
1.企业管理模式。所谓企业的管理模式就是指管理者对企业进行经营管理的方式。管理模式是建立在以管理人性为基础的管理理念、内容、制度、程序、方法的统称。管理模式应该适合企业的发展需求，同时还能够确保企业可以科学有序的取得利润。
2.企业管理模式创新。在大数据时代背景下，充分运用互联网技术，能够确保企业获得巨大的商业利润。为了能够更好的发挥大数据的优势，需要企业根据时代的变化合理的转变企业的经营管理模式，提高自身的行业竞争力。利用大数据为企业创造更多的经济价值。根据大数据的时代特点，企业转变自身的管理模式应该注意以下几点：首先，限制传递媒介对企业内部信息外泄。对于企业而言，内部信息意味着重要的商业秘密和巨大的经济价值。因此应该对企业内部网络和社交软件给予必要限制，避免企业内部重要信息泄露。其次，充分认识到数据信息的价值。企业应该投入大量的人力和资金，加快升级数据分析能力，在这个掌握数据信息就掌握主动权的时代，企业管理者应该重视对有价值信息的分析，将其分析结果应用于企业经营决策之中，只有这样才能够充分挖掘企业的内部价值。最后，企业应该建立企业内部信息交流平台。企业应该利用社交软件，增加员工之间的沟通交流，这样就能够大幅度提高企业办事效率，但是应对信息交流做出必要限制。
三、大数据背景下企业经营管理中存在的问题
1.落后的企业决策方法有待创新。大数据背景下，企业制定战略决策需要以数据分析后得到的信息为依据，对云端数据进行分析加工，同传统的逻辑推理存在较大区别，其需要对庞大的数据群进行搜索、比较、分析、加工并归纳总结，找到数据群之间的关联性，以此来构建企业战略决策支持系统。寻求对企业战略决策具有价值的隐藏信息。从同企业经营相关的数据信息中挖掘能够帮助企业增加盈利的信息，就能够为企业战略决策提供支持。
2.企业决策模式跟不上市场变化。当前多数企业进行战略决策往往遵循数据搜集、调查取证、数据分析、分析论证、方案选择与评估等步骤，该流程耗时较长，决策程序较为复杂，因此严重影响企业战略决策的速度。常常会导致企业丧失重要的发展机遇。在大数据时代，企业应该通过互联网信息技术，制定科学合理的战略决策，简化决策程序已经企业管理改革的重点工作。简化决策流程才能够让企业更好的把握机遇，迅速做出战略决策，抢占先机才能够先他人而动。让企业在激烈的市场竞争中保持核心竞争力。因此企业应该改变传统的决策模式，简化决策流程，提高数据加工的速度和质量，确保企业能够及时作出选择。
3.难以甄别有经济价值的数据信息。呈爆炸态势增长的互联网数据，已经超出了当前我国企业对数据的加工、分析能力范畴。呈井喷态势增长的云端数据库，无形中增大了企业数据分析的工作量，传统的数据分析、数据挖掘技术已经不能挖掘出对企业有用的信息，并且通常还会干扰企业进行战略决策。企业在进行战略决策的过程中，采用何种方式对数据信息进行加工处理，已经成为影响企业战略决策质量的重要因素。只有筛选出具有价值的数据信息，才能够确保企业战略决策更加科学合理。
4.市场环境更加复杂。为企业提供具有价值的决策信息，需要对云端的数据进行数据分析，随着云端数据的不断增多，与企业相关的数据信息也呈指数增长，对于数据的加工处理、分析、存储，客观上要求企业能够不断提升数据的整合能力和分析能力。只有建立在高速、高质基础上获得的数据分析信息才是有价值的。在当前大数据背景下，庞大的云端数据库，错综复杂的外界环境都对企业战略决策信息的获取造成的干扰，从而影响企业制定科学合理的战略决策，影响企业对大数据的分析管理，从某种程度上讲增加了企业战略决策的难度。
四、在大数据背景下应对企业经营管理问题的对策
1.改变传统决策方法。对数据进行加工处理的过程中，应该对云端数据进行结构化管理，从中筛选出可用的数据信息，并引用可视化技术对数据进行模拟，从而确保数据信息的可靠性和有用性。应该摒弃传统的决策思路，选择从数据加工直接到战略决策的捷径。在进行数据分析过程中应该明确数据变量的内涵，对于不确定的数据建模分析，减少企业决策风险，提高战略决策的科学性和合理性。
2.升级企业大数据集成系统。为了简化数据分析工作量，提高数据分析质量，在利用云计算和数据挖掘技术的同时，还应该做到高效数据分析，做出科学合理的预判，只有这样才能够确保企业应对外界环境的变化，因此企业应该升级企业大数据集成系统，不同的企业应该构建适合企业发展规模的信息数据集成系统。
3.充分利用数据挖掘技术，提高数据分析质量。企业在获取大量云端数据之后，应该通过数据清理技术，清除掉不必要的冗杂数据，对数据进行科学的鉴别和筛选，利用数据集成技术构建数据仓库，采用多维数据压缩方式消除数据在空间、属性、时间方面的差异，提高信息搜索的质量，获取更具价值的信息。一来能够减少不必要的资源浪费，二来能够提高数据分析能力。企业还应该畅通渠道，让企业能够快速获取与企业相关的云端数据，由此对客户的消费行为和消费习惯进行判断，这有利于开发市场，更好的满足消费者的需求。
4.建立企业内部决策系统，优化决策程序。建立内部信息交流平台，有利于信息的传播，提高战略决策效率。良好的信息沟通是实现优质的战略决策的前提条件，优化信息交流平台，加快信息传播的效率，鼓励企业管理者参与到信息交流平台中来。减少信息链的长度，是减少信息沟通时间的重要影响因素，对于简化内部管理决策程序具有重要意义。通过虚拟网络平台来提高企业战略决策管理，同时还应该不断规范信息传递的途径，优化决策程序。
五、结论
综上所述，在大数据时代的到来，对于企业发展既是机遇，又是挑战。对于大数据背景下企业管理模式的研究也会逐步深入。改变传统的决策方法;充分利用数据挖掘技术，提高数据分析质量;不断升级企业大数据集成系统;建立企业内部决策系统，优化决策程序是改善当前企业经营管理中遇到问题的重要手段。于此同时，国家还应该针对大数据背景下，制定企业经营管理的法律法规，这具有重要的理论意义和实践意义。
一、大数据发展背景下的企业管理模式中的问题剖析
大数据给企业的传统观念带来了新的机遇和挑战，显现出旧有管理思维模式下的弊端和缺陷，为此，我们要全面分析大数据发展背景下的企业管理模式。
（一）企业管理者尚未充分发现大数据的商业价值
互联网和大数据渗透到社会各个层面和领域之中，产生了变革性的创新，然而，许多企业的管理者还没有充分意识到大数据时代所隐含的商机，缺乏对大数据挖掘的前瞻意识，也缺乏对大数据的深入了解，仅是知道这个新时代的词语概念，而对其利益增长潜能和管理模式创新的路径缺乏认知和理解，企业管理者大多只对大数据的表象加以关注，而无法从大数据中发现其中隐含的问题，从大数据中获取竞争对手的信息也寥寥无几。[1]
（二）大数据的先进技术尚未得到充分的利用
企业管理尚未充分运用大数据的先进技术，没有结合自身的实际情况、战略规划等内容，进行大数据的快速采集、提取、整理、分析和处理，也即缺乏大数据时展背景下的商业智能，这就使企业在大数据发展背景下的管理模式受阻，难以发挥出其先进的管理效能。
（三）缺乏新型数据分析人才
在大数据发展背景之下，海量数据良莠不齐，企业要想获得自身的发展和进步，就需要在参差不齐的海量数据中加以辨识和分析，这就需要对大数据的分析和整合，它不同于原有的信息化管理和市场营销管理的内容，要求更高的综合素质的大数据分析人才，企业原有的人才培养模式无法与大数据人才需求相适应，无法培养出与大数据相契合的数据分析创新人才，这就使企业管理模式难以突破旧有模式。
二、大数据发展背景下的企业管理模式创新研究
（一）增强企业管理者的大数据意识
具有大数据意识和互联网观念的企业则可以先于企业抢占商机，可以在企业管理决策之中，充分意识到大数据的概念及其内涵，体会到大数据给企业管理带来的巨大机遇，从而在商业智能化的决策之中，能够利用大数据进行顺畅的交流和沟通，并结合企业的自身实际情况，建构企业数据分析系统，更好地对大数据加以利用，创造出倍数增长的经济效益和商业价值。[2]
（二）生成大数据获取平台，实现创新的方案决策
大数据发展背景之下，企业要充分利用大数据，形成数据获取平台，能够更好地对企?I相关的数据信息进行采集、处理、分析、监测、预测。在数据的驱动之下，进行企业的管理创新活动，并由此发现企业管理中隐藏的问题，并在发现问题之后，确定企业创新的领域及范畴。利用初步的定性数据分析方法，详细阐释与管理决策相关的关键性问题，挖掘数据背后隐含的深层次的信息。不仅要对半结构化数据进行整理和分析，还要对非结构化的数据进行提炼和分析，使之转化成为可以被数据库所辨识的结构化数据，形成企业管理决策的“数据源”，为企业管理决策方案提供有力的数据依据，并对决策备选方案进行可行性验证，最后择优选择企业管理创新方案。[3]
（三）动态数据下的企业管理创新方案实施
在确定了企业管理创新方案之后，企业可以不断地对实时的、动态的数据进行采集、分析，在对实时动态数据反馈的条件下，更好地利用大数据进行企业管理创新方案的纠偏。在数据动态分享的平台之下实现对企业管理的监控和优化，根据内外部环境进行反馈性的适当调整和修正，这就使企业管理创新方案处于实时反馈、动态更新、持续改进的良性循环过程，可以极大地提升企业管理创新方案的效果和成功概率。
（四）实现大数据背景下的企业人力资源管理创新
第一，人力资源规划的创新。在大数据发展背景下，企业人力资源管理工作的人力资源需求预测工作是前提和基础，原有的趋势分析法、回归分析法、比率分析法难以实现对企业人力资源需求的科学、全面的预测，而大数据的出现则为企业人力资源规划带来了新的契机，企业可以引入先进的大数据技术，全面采集企业员工的相关信息，与企业员工的个人发展需求、职业生涯规划相结合，科学合理地做出企业人才流动性的评判，并为企业内部人员调动、岗位招聘等提供了科学的数据参考。[4]
第二，实现人力资源招聘的创新。在大数据背景下，原有的企业人才网络招聘、校园招聘、现场招聘等方式，无法实现对员工的全面了解，而大数据中的社交网络则为企业人才招聘提供了新的途径。大数据下的社交网络涵括了个人极大部分的信息，如：个人社会关系、工作情况、生活状态、工作效率、个人潜能等，可见，通过大数据下的个人社交网络可以全方位地获悉员工个人的信息，从而更好地实现个人与企业岗位的精准匹配，充分体现出大数据下的立体化信息的实用价值。
第三，人力资源管理工作的创新。在大数据背景下，企业人力资源管理工作可以得到有效的创新，大数据的良好分级为企业内部人力资源管理工作提供了量化分析的前提，可以较好地实现对企业员工的晋升意愿、职业规划、工作绩效等方面进行直观、清晰的展示。并且，大数据还较好地纠正了人力资源管理中的偏差，通过详细、完整的大数据分析，可以更好地落实适宜于企业员工的培训内容，使之更适合企业发展目标和个人发展目标。[5]
（五）大数据下的企业财务管理创新
大数据为企业的财务管理模式带来了创新机遇，使企业的财务信息化管理水平得到极大的提升，加强了对财务数据信息的处理，开发了企业财务数据信息关键词搜索引擎，更好地实现了财务数据信息的统一化、标准化和规范化管理，提升了企业财务管理人员的信息化素养。[6]
三、结语
一、前言
随着信息通信技术的不断进步，数据已经成为关乎企业发展的重要战略资源。大数据的概念从产生之日起就获得了各行各业的强烈关注，有关大数据的应用也不断的深入各个领域，触动了行业的大量变革。电力行业自“三集五大”管理体系建立以来，信息系统的应用已经贯穿了企业生产经营管理的各个环节，过程中累积了海量的数据资源，其中包括了结构化、非结构化、海量历史/准实时和地理信息数据，提升数据的应用水平,挖掘数据的商业价值成为了亟待考虑的问题。
二、大数据分析技术路线
为了提升电网数据资源的整合、处理及价值挖掘水平，在充分借鉴互联网思维的基础上，构建“服务型平台、轻量级应用、全景化分析”的应用管理模应运而生。构建统一的企业级大数据平台，使用有别于传统的采集、存储和处理技术，实现了横跨多个业务类型、快速灵活、可定制的数据关联分析，同时也满足满企业管理提升和业务创新的需求。
企业级大数据平台在总体上分为数据整合、数据存储、数据计算、数据分析、数据服务五个主要模块及安全、管理配置、数据管理等配套管理模块。功能架构如图1所示：
图 1 功能架构图
1.数据整合：数据整合采用Kafka、Sqoop、增量捕获工具等多种技术手段，满足了关系型数据库和非关系型数据库等异构数据源的接入需求，提供数据的实时推送、抽取等采集功能，能够支撑数据按照不同的采集频率进行接入。
2.数据存储：基于X86集群架构，采用分布式技术构建成本较低、可支持灵活扩展的存储系统，支撑公司四类数据（结构化、非结构化、海量历史准实时、地理信息数据）的存储需求。同时，支持高效的数据即席查询、非结构化数据处理、内存读写操作等功能。
3.数据计算：提供批量计算、内存计算、流计算、查询计算等功能满足不同时效性的计算需求。批量计算能够支持大批量数据的离线分析，如历史数据报表分析。内存计算支持交互性分析，如全省用电数据在线统计。流计算支持实时处理，如电表数据实时处理、预警。查询计算基于分布式文件存储，提供类似sql的查询分析技术，将查询语句转译为并行的分布式计算任务。
4.数据分析：能够提供横跨多个业务的分析模型和数据挖掘算法，构建模型库和算法库，开展数据模拟分析和计算预测，满足各类应用的分析挖掘需求，为分析决策类应用提供支撑。
5.平台服务：平台服务层是统一的企业及大数据平台服务中心，其中封装了各类服务如存储服务、分析服务、计算服务及展现服务等，统一对外提供服务支持。
6.其他：从配置管理、安全和数据管理方面，提供了大数据平台的配套管理功能，实现各个组件集中化的监控、配置，数据接入的身份权限控制和安全审计功能。
三、大数据分析典型场景应用
通过企业级大数据平台进行数据整合挖掘分析，实现了对电网生产运行及经营管理等方面的进一步优化，初期实现了10个方面的典型应用。以防窃电预警分析场景和基于气温变化对客户用电影响分析场景为例。
1. 防窃电预警分析场景
该场景是基于用电信息采集系统的海量数据，建立防窃电分析模型，结合电网GIS信息，采用大数据挖掘和数据关联技术实现对现场计量异常情况、窃电行为的在线监测，灵活开展防窃电业务，及时发现异常行为，挽回电网经济损失。
在实际应用中运用关联度累加算法，建立防窃电异常分析模型，实现对现场计量异常情况、窃电行为的在线监测，分析用户窃电嫌疑程度。某省公司基于该场景开展防窃电工作，窃电用户稽核命中率提升30%，工作效率提升4倍。
2. 基于气温变化对客户用电影响分析场景
该场景是基于营销用户档案数据、用电信息采集电量、负荷数据，构建用户用电行为特征模型库，结合温度变化等数据，对用户用电行为特征影响进行分析。在传统短期负荷预测方法中增加气温等影响因素的辅助输入变量，对于提高短期日负荷预测精度、增加电力系统调度效率以及缓解区域供电不足等方面具有重要意义。
在实际应用中运用随机森林结合时间序列、聚类模型（K-means）构建负荷预测模型、客户用电特征细分模型，建设用电行为特征分析、用电影响因素分析场景，对每类客户群从客户价值、信用风险等方面综合评估，实现用户类型细分，并对不同温度对用电的影响进行总体分析。某省公司将大客户归类为风险、优质、普通、发展等4类用户，其中风险客户识别率提升30%。
四、结语
企业级大数据平台的构建及应用，使大数据的价值得到了一定程度的发挥，也给企业信息管理模式带来了巨大的变革，提高了公司数据分析应用水平。未来，大数据技术将继续服务于电网生产、经营管理和优质服务等领域，构建提升优化、预测预警、企业决策等类型的大数据应用场景，进一步提高企业服务能力，促进管理提升和业务创新。
