大数据分析范文第1篇

保障起飞重量的奥秘

在运输机总体气动设计阶段需要考虑的各种因素中，一般而言，起飞滑跑距离对起飞重量的影响最大。而决定起飞滑跑距离的因素有：飞机的翼载、推重比、最大升力系数、零升阻力和跑道摩擦力大小。

试以伊尔-76MD作为基本参考对象，进行一组简单的推算。从飞机手册上可以查到，伊尔-76MD起飞重量为190 吨，翼面积300 平方米。结合四发喷气运输机的统计参数，可以推算得到该机起飞构型下零升阻力系数约为0.0495。根据伊尔-76飞机手册可以查到该机起飞最大升力系数为2.4左右。发动机相关参数以“土星”官网公布的D-30KP-2发动机数据为准，由此能够得到该机的起飞重量-滑跑距离关系曲线，见图1。

可以看到，伊尔-76MD在滑跑距离为1 700米时，在混凝土跑道上起飞的最大重量约为189 吨，在野战草地跑道上约为157 吨。两组结果均与飞机手册上的数据相近。对比伊尔-76MD的数据不难发现，运20起飞重量220吨，应为混凝土跑道起飞时的数据。运20使用与伊尔-76相同的发动机，如气动设计与伊尔-76相同，则其在混凝土跑道上的起飞滑跑距离将接近2 400米。

根据官方信息，运20的翼展为45米，比伊尔-76减小了近10.9%。如果希望其展弦比保持不变，则需要将机翼面积缩减为伊尔-76的79.4%，即238平方米。如果允许其展弦比从伊尔-76的8.5降低至8，则机翼面积可减少到伊尔-76的84.4%，即253平方米。不同翼面积对跑道长度的影响，见图2。从图中可以看到，如果运20的翼面积降低到238平方米，则飞机在220 吨起飞重量下的滑跑距离将达到3 010米，已经超过波音757客机，很明显会影响到飞机的适用范围。因此，运20很可能选择适当降低展弦比，以避免滑跑长度的大幅度增加，当机翼面积为253平方米时，滑跑距离相对合理，为2 830米。

运20之所以要减小翼展，这与机身加宽及起飞重量提高带来的结构增重有很大联系。一部分结构使用复合材料，固然能够降低重量，但很可能被机身修改所致的结构增重所抵消。因此适当牺牲起飞滑跑距离，换取更大起飞重量，乃不得已而为之。

当然，运20的设计年代比伊尔-76晚了30多年，因此其气动设计必然存在一定的提升空间。当今飞机气动设计中，采用了大量基于计算机辅助的流体力学计算手段，相对于过去完全依赖实验的设计方法，设计过程更短，效率更高。在伊尔-76基础上，运20升力系数增加0.1～0.2是基本可行的。升力系数对起飞滑跑距离的影响，见图3，该图仍以伊尔-76为基准。从图中可以看到，最大升力系数每增加0.1，起飞滑跑距离可以减少约100米，应当说效果是比较显著的。零升阻力对起飞滑跑距离的影响相对较小，工程上能够实现的变化量更属渺茫，因此可以直接将其忽略。运20气动方面的优化对于缩短起飞滑跑距离来说能有一定的作用，约能使飞机滑跑距离降低200 米。

综上所述，运20为了消化起飞重量和机身结构重量的增加，很可能将展弦比降低到8左右，并通过气动措施将起飞滑跑距离控制在2 600 米左右。这样的滑跑距离相当于波音767客机级别，能够保证该机在我国主要干线和军用机场之间进行运输的基本要求。

最大有效载荷与航程

有关运20有效载荷的问题，同样可以推论。对于所有运输机而言，其有效载荷并不是一个独立的参数，而是和飞机的航程紧密相关的。在一定的起飞重量下，增加有效载荷就必须减少燃油的装载，也就意味着航程会有所缩短。

同样以伊尔-76MD飞机作为参考对象进行计算。从手册上可以查到，该机使用空重89 吨，其发动机D-30KP-2在巡航状态下油耗0.705千克/千克力·小时，巡航高度和速度根据手册分别取11 000米和770千米/小时。有关飞机的气动数据，巡航状态下零升阻力系数可以结合四发喷气运输机的统计参数进行估算，约为0.0175。由该机展弦比8.5可以估算出其升值阻力因子约为0.0468。根据手册数据进行参数调整，当飞机巡航升力系数在0.35，巡航升阻比为13.87时，曲线数据与手册数据完全吻合，见图4：即在47 吨的标称最大有效载荷下，航程约为3 800 千米；当飞机有效载荷为13 吨时，可以在保证最大起飞重量的限制条件下达到该机最大载油量约87 吨，此时航程7 800 千米。在此基础上根据运20设计情况进行适当参数调整，即相应的载荷-航程曲线。

为得到载荷-航程曲线，首先需要得到飞机使用空重的数据。世界主要运输机的最大起飞重量和使用空重关系曲线，见图5。根据统计学方法，将各型飞机的数据进行分析得到线性回归趋势线，得到一般运输类飞机的起飞重量-使用空重关系。从图形和线性回归判定系数R2上看，该拟合关系是比较准确的。根据这个关系式，代入运20的最大起飞重量220 吨，可以求出该机的使用空重约为100 吨。

运20的巡航气动特性可以基于前面的分析进行估算。其展弦比为8，翼面积为253 平方米时的数据相对比较恰当，因此在这里将其代入进行分析。综合气动设计技术改进和展弦比减小的影响，运20的诱导阻力因子应能够维持和伊尔-76相同的程度。在零升阻力方面，有网友根据公开资料推断运20机身最大直径约为5.6米，而伊尔-76机身最大直径为4.8米。根据粗略作图测量，运20机身部分的浸润面积比伊尔-76约增加了15%。由于运20机身长度与伊尔-76相近，在前面所述的翼面积情况下，如保持尾容量不变，则机翼和尾翼的浸润面积之和将比伊尔-76降低约16%。根据公布的照片上看，运20采用了一定的减阻措施，包括类似波音787的保形机头，相对更为简洁的起落架整流鼓包。综合几方面因素，从比较乐观的角度估计，运20的零升阻力比伊尔-76约可降低5%。

根据网上消息和一般性推测来看，运20机翼使用了超临界翼型。超临界翼型的主要效果是，在机翼相对厚度不变的情况下推迟阻力发散马赫数。从一般性效果来说，应能够保证运20的巡航速度从伊尔-76的0.72马赫提升至 0.78马赫。由于发动机与伊尔-76相同，运20的巡航高度应与伊尔-76相差不大。由此参考运20和伊尔-76的起飞重量，可以推算出运20巡航升力系数约为0.41。综合以上信息可以计算出，运20的巡航升阻比在比较乐观的情况下约为15.47。

由以上信息，便可以求出运20的载荷-航程曲线，见图6。曲线最左端对应为飞机在最大燃油状态下的有效载荷与航程，曲线右端对应最大有效载荷66 吨时的航程。由于翼面积的缩小造成储油空间降低，最大燃油重量也相应按照面积的1.5次方比例缩小为伊尔-76的77.5%，约67 吨。

大数据分析范文第2篇

文章编号：1004-4194（2015）07-122-02

大数据是以云计算为基础，通过信息存储、分享和挖掘，将大量、高速、多变的终端数据存储下来并分析计算，寻求解决问题的有效方法。随着军队信息化建设的不断推进，未来军事经济活动都将以数据信息流的形式展现和保存，产生的数据量增长迅速，数据种类和格式日渐丰富。面对一个个数量庞大、种类繁杂的数据信息源，审计机关不仅要具备对海量数据的采集和存储的能力，更重要的是能够迅速分析和挖掘数据，从中找出审计线索、发现问题、寻求对策。

一、大数据的定义与特征

根据维基百科的定义，大数据是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。对于大数据，美国著名的顾能公司给出了这样的定义：是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。随着大数据研究的深入，大数据概念的内涵和外延不断地产生变化，业界对其定义尚未完全统一。目前主流的定义基本是从大数据的特征出发，试图通过阐述和归纳这些特征来给出大数据的定义，其中比较有代表性的是4V。大数据的4个“V”有四个层面：一是数据体量巨大。从TB级别，跃升到PB级别。二是数据类型繁多。包括网络日志、视频、图片、地理位置等信息。三是处理速度快。1秒定律，可从各种类型的数据中快速获得高价值的信息，这一点也是和传统的数据挖掘技术有着本质的不同。四是只要合理利用数据并对其进行正确、准确的分析，将会带来很高的价值回报。业界将其归纳为4个“V”――Volume（数据体量大）、Variety（数据类型繁多）、Velocity（处理速度快）、Value（价值密度低）。大数据分析相比于传统的数据仓库应用，具有数据量大、查询分析复杂等特点，强调将数据结合到业务流程和决策过程中，部分类型的数据必须实时分析才能对业务产生价值。

二、大数据背景给军队审计数据分析带来的机遇和挑战

（一）大数据背景给军队审计数据分析带来的机遇

1.军队审计数据分析的认同感大为增强。军队审计部门作为综合性的经济监督部门，一直秉承数据说话的传统。审计报告中无论是综合评价，还是揭示问题，无一不是以数据为支撑的。在大数据背景下，海量数据离散地存储于不同信息系统中。可充分利用数据仓库、联机分析、数据挖掘和数据可视化等技术，对这些数据进行关联并深度挖掘分析，科学评估经费的使用情况和法规的实施效果，从而得出客观的审计结论。所有这一切都将得到各级党委和被审计单位的高度认同，从而进一步提升军队审计自身的地位。

2.军队审计数据分析所需的基础数据的获取将变得更为便利。在破除了军队内部协同思想理念上的障碍后，随着大数据技术发展，跨越系统、跨越平台、跨越数据流结构的技术将使军队内部纵向、横向部门得以流畅协同。军队审计部门不再需要“点对点”地与被审计单位进行联网，在内部局域网设定的许可权限内，可以直接查询和利用相关数据信息，极大地节约了审计成本；同时由于利用大数据技术，数据处理及分析响应时间将大幅减少，审计工作的效率将明显提高，可以同时对多个类别、多种领域的数据进行分析、处理。

3.军队审计数据分析将有助于提高党委决策的科学性和准确性，推动预测预警和应急响应机制建设，更加有效地规范军事经济活动。审计人员可以通过对历年海量数据的统计分析，挖掘出军事经济活动的特点规律，对各类违规违纪行为进行总结归纳，为党委建章立制提供参考依据；同时还能科学地评估管理规章的执行效果，从而帮助各级党委不断发现问题、整改落实。随着审计分析的进一步深化，审计分析将超越传统的数据分析方法，不但是对纯数据可以进行分析挖掘，对财务账表、报告等都可以进行深度挖掘、人工智能。

（二）大数据背景给军队审计数据分析带来的挑战

大数据在给军队审计信息化带来机遇的同时，也带来前所未有的挑战：一是实现资源统一规划和使用，必须以数据编码和信息标准统一、相互之间兼容互联为前提。由于目前缺乏制度依据，部门间横向协同难，原有的“信息孤岛”将给审计机关获取审计数据以及进行持续化审计造成困难。二是面对数量庞大、种类繁杂的数据信息源，审计机关不仅要具备对海量数据的采集和存储的能力，更重要的是能够迅速分析和挖掘数据，从传统的“经验依赖”转化为“数据依赖”，审计人员的数据驾驭能力将受到考验。三是审计业务流程大多以数据信息形式展现，资金流向更多体现为数据信息流的交换，使得违规违纪行为更加隐蔽和多样，微小的数据变动就可能造成经济损失。以往仅限于重点人员和财务的审计已经不能满足需要，抽样分析以及单一的财务账目分析也难以发现微小数据异常，这就要求审计机关对审计对象进行全面覆盖。四是审计机关作为军事经济运行安全的免疫系统，不仅要对已存在的问题进行查处和修补，还要对潜在的风险进行及时的揭示和抵御，更要通过大数据这个金矿，从更高层面、更全范围、更广视角为上级党委提供系统性、综合性、前瞻性的审计建议。

三、大数据背景下军队审计数据分析的策略

（一）明确工作目标导向，实施数据基础式审计

传统的以审计组划分的分散式审计模式已不能适应大数据背景下审计数据分析工作要求。首先，当前军队审计工作要建立健全制度、整合审计资源，结合审计人员的专业理论素养、实践工作经验、数据处理能力等因素，着手组建数据集中分析模式团队。其次，明确审计工作目标导向，按照“总体全面分析、重点业务分析、重点事项分析”逐层递进的思路，以系统全面的数据信息源为基础，坚持“面向业务需求、指导审计实践、推动数据分析”的原则开展审计数据分析工作。最后，要理清军队审计数据分析的工作思路，运用信息系统实施数据基础式审计方法，全面分析被审计单位在经济活动中存在的问题与不足，为军队审计工作的顺利开展提供数据支撑和技术保证。

（二）研判后台数据结构，掌握重点数据资源

在大数据时代，军事经济数据将呈现指数增长，挖掘重点及敏感数据审计的难度日益加大。做好审计数据的掘取、存储、处理与应用，对提高审计效率、实现分析结果的精准化具有重要作用。通过检查被审计单位内部控制制度，审查单位内部对不同业务数据的使用管理是否到位，数据库管理和安全操作制度是否完善，重点领域数据库常态监管措施是否严格，移动设备安全使用规程是否执行；依据数据库设计文档和数据注释等媒介，研究论证后台数据结构，确定重点、敏感信息数据库范围；采取穿行测试法、重新执行法、代码审查法、文档审查法等技术手段深入挖掘，切实掌握重点事项、信息、账表和报告间的勾稽关系。

（三）运用挖掘型分析技术，开展数据深度分析

目前军队审计中应用较多的是查询型分析和验证型分析，无法满足深刻揭示军事经济活动内在规律的现实需要，必须要引入挖掘型分析技术。挖掘型分析是利用数据仓库和数据挖掘工具进行的审计分析，主要有分类、回归分析、聚类、关联规则等方法。运用挖掘型数据分析技术，首先要做好审计数据的分类、存储、快速调用等工作，整合分析数据资源，搭建云数据存储平台，完善数据整理和研判机制，实现重点数据库间的兼容互联，共享审计云平台服务器运算能力资源。其次，要研发数据审计方法和分析工具，运用移动办公、云计算等技术对海量数据进行远程分析，深度分析审计疑点及问题线索，进而实现数据分析结果的精确化。

大数据分析范文第3篇

保持中立

大数据主要包括大交易数据、大交互数据和大数据处理。数据集成的功能是收集数据、探查数据和集中管理数据，从而进一步提高数据的质量。Informatica的数据集成软件可以辨别哪些数据是合规的，并提取出来，实施统一管理和统一复制。Informatica公司高级副总裁兼首席信息官托尼·杨（Tony Young）表示，针对Hadoop大数据处理平台，Informatica的数据集成软件主要负责做好以下几件事：解析和准备数据，探查和发现数据，转换和清洗数据，监控Hadoop平台中的数据。随着云计算应用的逐渐普及，数据碎片日益增加，而移动计算、社交计算的快速发展也增加了数据访问和管理的复杂性。在这种情况下，保证数据的合规性、一致性和准确性就显得尤为重要。数据集成不仅可以轻松实现上述目标，而且可以在数据整个生命周期的管理中起到监督和调整的作用。

在数据管理产品趋向融合的今天，数据集成软件会不会也被集成到一些综合性的管理解决方案中呢？

托尼·杨表示：“Informatica之所以能够保持快速成长，一个关键的因素就是始终保持中立的地位。我们的数据集成软件可以与其他所有应用和管理软件平台相集成，比如微软、SAP等厂商的产品。”

大数据促进业务增长

“数据分析是今后企业在竞争中保持优势的一个主要手段。如果你现在不认真对待大数据，那么竞争对手就有可能超过你，并取代你。”托尼·杨表示，“大数据与SOA（面向服务的体系结构）不同。SOA不能直接给企业带来商业价值，而大数据与企业的业务绩效直接相关。企业的CIO必须重视大数据的处理与应用。”

托尼·杨介绍了一个利用Informatica数据集成解决方案促进企业销售的成功案例。由于销售额急剧下降，美国一家化妆品零售商求助于Informatica。Informatica利用其数据集成解决方案，创建了数据的单一视图，将来自销售柜台的客户信息以及社交网络上的客户需求进行匹配、集成和处理。该化妆品零售商利用Informatica提供的数据分析结果，调整了销售方式，使得化妆品的销售额得到了大幅提升。托尼·杨表示：“大数据分析不仅可以应用于消费品市场，交通、气象、金融等很多行业也可以应用大数据分析工具促进业务的增长或提升服务质量。”

大数据分析范文第4篇

以下是上海云人科技CEO吴朱华在“2013云世界大会”上的分享：

大数据在各行业的机遇如下：金融证券(高频交易、量化交易)，电信业务(支撑系统、统一营帐、商业智能)，能源(电厂电网监控、用电信息采集分析)，互联网与电商(用户行为分析、商品模型分析、信用分析)，其他行业如智慧城市、物联网。

经典的案例：

智慧城市，一个城市，大概有十几万的摄像头在城市里面，每秒都会发数据到云端的数据中心里面，每天有TB级别的数据需要处理，并且需要实时的反馈，这个场景需要实时处理的技术。

车联网，我们有一个客户做车联网，他大概一个城市每台电脑上，都要装终端，这个终端每分钟会发一个路况的信息发到云端，要发一亿条数据到云端里面，并且是每分钟进行一些计算，实时的判断路况，给用户最好的行车建议。

金融证券，比如金融交易电话交易是一个主流的方向，我们为一个证券的机构构建了一个非常大的云平台，有几百亿条数据放在后台里面，可以实时的提供数据的分析，数据的接口，让他们快速的运行。

电信，我们这边在移动那边有一个案例。我们在一个省里面，我们把一个省的所有上网的信息，都加载到我们的集权里面，我们的集权可以把一些统计反馈给他们，支撑他们一些业务的支撑系统，还有商业技能，还有统计相关的。

能源，主要用于电厂电网的监控，用电信息采集的分析。

电商，实时的推广广告给用户，他们可以做商品模型的分析，把最好的产品推荐给用户。比如说互联网里面，有一个商品模型，还有信用分析。我有一个朋友是做信用分析的，在十几秒钟之内把这个人的数据进行一个分析，给用户做一个评级，迅速的判断这个用户是不是值得放贷款给他。

为什么需要大数据实时的分析？第一、实时的决策，量化交易，可以实时的计算数据，迅速的判断我是买股票还是不买。第二、提高业务效率。第三、对于到数据，我们可以自由的尝试一些新的算法，或者是新的策略。这样通过实时的尝试，我们可以快速发现新的观点和机会。第四、提供业务产出。

大数据的挑战是什么呢？首先是要快：10秒以内，100毫秒为佳给出结果。互联网公司，百度他们希望100毫秒给出结果。一些金融机构他们希望微秒给出结果，需要实时的能力，第一点就是快，就是实时的分析。第二、就是大，针对的数据量，是10亿每TB的级别。之前我们认为数据超过1000万不算大。我们现在碰到最大的集权，大概是接近万亿条数据这样的级别。

第三、可以做各种各样的分析操作。最简单的是查询，也可以是逻辑复杂一些的算法和数据分析。

有哪些技术可以选择？

第一个是hadoop。它本身是谷歌研发出来的，它是在大数据方面的算法，对于TB数据，在大方面没有问题，并且操作多样化。因为他上线的工具有很多的算法都是非常不错的。但是它的快比较尴尬，他需要一分钟以内才可以，他很多要做一个reduce，需要很长的时间。

大数据分析范文第5篇

教育大数据的出现改变了学校内部管理的发展方向，是对学校管理工作的有效变革。通过对教育大数据的研究，我们可以发现教育大数据是学校内部多种信息数据的集合，具有较强的包容性和实用性，能够以最快速度对各种数据进行整合与分析，方便学校管理工作顺利推进。但是需要注意的是，由于绝大多数学校对教育大数据的了解较为肤浅，所以要想将教育大数据与学校教育管理有效融合在一起仍存在较大的难度，因此现代学校在进行内部建设的过程中，应加大对教育大数据的研究，通过对教育大数据的运用来促进学校内部教育管理的优化。

关键词

教育大数据；教育管理；概述；运用

一、教育大数据概述

1.教育大数据的内涵

教育大数据是对传统教育数据的发展，其与传统教育数据最大的不同在于其能够借助现代先进的计算机设备、信息技术等，对教育数据进行全面细致的采集，并且可以利用信息系统和专业的数据分析软件对搜集的教育信息进行整合与管理。学校在教育教学过程中会产生大量的数据信息，这些数据信息往往能够反映出学校各项工作的进展状况，对学校教育管理工作有着重要的监管作用。就传统教育数据而言，由于受到思想观念、科学技术等方面的限制，教育相关数据在学校教育管理中能够发挥的作用相对有限，很难保障数据信息的全面准确。而教育大数据不仅缩短了学校教育数据信息的采集时间，同时也扩大了教育数据的应用范围，为学校内部的管理工作和决策工作都提供了可靠的参考依据。

2.教育大数据的具体内容

大数据在不同行业中应用所显示出的内容有所不同，就教育大数据而言其主要包括以下五个方面的内容：第一，个体基础信息。个体基础信息主要包括的是户籍信息、学习记录、健康情况等，所有信息都与个体本身有着直接的关系，是了解个体情况的关键信息。学校内部个体基础信息可以分为两大类：一类是学生个体基础信息，另一类则是教职工个体基础信息。第二，教育基础信息。教育基础信息涉及的内容以教育教学为主，其中包括课程设置、教学考核、教师信息等。对这些信息进行搜集能够有效地了解学校的授课情况，并对学校教育给予全面把控。须注意的是，不同类型数据信息之间存在一定的交叉，因此在数据信息搜集过程中可以对交叉信息进行共享，提升数据信息整合的效率。第三，学校整体教育信息。学校整体教育信息包含了多个方面的内容，除了教育教学方面的信息外，还会涵盖学校建设、学校安全、设备管理等各项数据信息。第四，区域教育信息。该部分信息涵盖了校内校外两个方面，针对区域内的教育信息、竞赛信息、科研信息等进行整合，有利于学校增加与教育部门及其他教育机构的联系，同时也可以促进教育数据信息的共享，推动线上教育的稳步发展。第五，整体教育信息。所谓整体教育信息就是站在教育发展全局上对教育数据进行搜集，着重了解各区域教育教学情况，以及相关教育部门对教育教学的要求等等。

3.教育大数据的特点分析

教育大数据主要为学校教育服务，是学校教育在大数据时代的必然选择，能够进一步加速学校信息化、数字化发展的进程。在实际应用过程中，学校要对教育大数据进行有效应用，最关键的一点就是把握教育大数据的特点。具体来说，教育大数据的特点主要包括以下几个方面[1]：第一，信息化程度高。教育大数据存在的基础就是现代科技，通过对教育大数据进行研究，我们可以看到，与教育大数据相关的绝大多数工作都需要依赖信息技术、网络技术来完成，较为常用的技术包括：云计算技术、传感技术等。由此可见，教育大数据信息化程度相对较高，符合现代教育的发展要求。第二，搜集信息全面。教育大数据信息容量较大，对学校教育的关注更加全面，除了搜集学校内部基本教育信息外，还会增加细节上的关注，对一些非常规信息进行挖掘，在保障课堂教学质量的前提下，对学校内部教学情况、学生学习状态等信息都进行详细的搜集。第三，动态信息变化。教育大数据关注的是实时信息，会根据教育教学的发展不断对数据信息进行更新和补充，因此动态信息变化也是教育大数据最主要的特点之一。

二、教育管理中教育大数据的运用

1.丰富数据信息，完善参考资料

学校为了增加教育管理决策的准确性，往往会在决策之前搜集大量的资料信息作为参考，以避免学校教育管理决策出现问题。但是上文我们已经提到，传统教育数据在信息量以及准确度等方面都存在弊端，依靠传统教育数据做出的教育管理决策可靠性较低，在实际应用过程中存在风险。因此，学校需要对数据搜集与分析工作进行调整，在保证教育数据信息准确、可靠的前提下进行教育管理决策，而教育大数据正符合学校对教育数据信息的要求。从内容上讲，教育大数据信息量丰富，涵盖面广，涉及了校内、校外，线上、线下的大量教育数据。并且，依靠计算机设备进行数据整合与分析，较人力更加的便捷、迅速。由此可见，在学校中引入教育大数据能够丰富学校教育数据信息，为教育决策提供更多的参考，进而达到优化教育决策的目的。

2.革新管理系统，提升创新意识

教育大数据从内容到形式都与传统教育数据有着本质的差异，因此为了顺应教育大数据的发展，学校内部的管理系统以及管理流程等也会产生一定的变革，进而将学校教育管理工作带入一个新的阶段。首先，数据管理模式发生转变。在教育大数据出现之前，由于数据信息内容简单、涉及面狭窄，绝大多数学校并没有重视数据管理工作，因此之前的信息管理系统在作用、性能等方面都存在较大的问题，已经难以对教育大数据进行支持。所以，在教育大数据的影响下，学校对内部的信息管理系统进行变革，不仅革新了应用技术，同时还强化了存储功能与分析功能，为教育大数据的应用与管理提供了较为便利的条件。其次，教育大数据的出现改变了问题解决的思路，增加了管理人员对学校工作的把控能力。从新旧对比的角度看，传统教育管理侧重的是事后管理，只有出现问题，才会考虑解决问题，并且解决问题的流程复杂，问题处理效率偏低。而引入教育大数据后，教育信息数据实现了实时变更，因此管理人员可以对学校工作进行实时把控，能够在最短的时间内发现问题，并对问题进行提前预防或及时解决，进而将学校之中可能出现的风险控制在最低，保障学校各项工作的平稳发展[2]。最后，教育大数据的出现推动了学校内部创新工作的发展，在教育大数据的引导下，学校教职工的创新意识都有所增加。

3.改变管理思路，变化决策方式

决策是学校教育管理的核心任务之一，绝大多数学校在进行管理决策的过程中都以管理层意见为主，将管理人员的工作经验、决策直觉等放在首要位置。这种决策方式缺乏客观性，经常会因为决策者认识角度狭隘、个人经验落后等原因造成管理决策的失误。但是随着教育大数据在学校中地位的不断提升，影响教育管理决策的因素开始增多，管理者的直觉和经验成为影响管理决策的因素之一，不再对学校教育管理决策起到主导作用。在这种情况下，教育管理的思路开始转变，教育决策方式开始变得更加民主、科学。首先，领导在决策中所起到的作用开始下降，在决策过程中其主要的任务是找到问题，并将问题阐述出来，围绕问题进行相关数据的搜集与分析，通过对数据信息归纳、总结，找到其中存在的规律和经验，进而为教育管理决策指明方向，提供依据。其次，教育大数据依托于网络，而网络除了是信息传播平台也是信息交流平台，因此利用网络搜集教育信息的过程中，除了能够了解到更多、更新的教育资讯外还可以倾听到来自社会大众的声音，以丰富学校教育管理决策的视角，使得教育管理决策能够符合教育教学的实际要求。

三、优化教育大数据运用的有效路径

1.掌握应用技巧，注重微观探索

促进教育大数据与教育管理之间的融合已经成为学校主要工作任务之一。而要想在该方面有所突破，强化教育大数据在教育管理中的运用，就一定要掌握教育大数据的应用技巧，将教育大数据的优势有效地展示出来。首先，学校要对教育大数据产生足够的了解，在对教育大数据进行应用之前，增加对教育大数据的分析和学习。其次，由于教育大数据具有较强的动态性，并且能够对学生个体的信息进行具体的搜集，因此学校应对教育大数据的这一优势进行发挥，在教育管理过程中注重对微观层面的探索。除了对学校教育整体进行管理外，还要关注学生的个体变化，了解学生心理、情绪等方面的变化。通过这样的方式，一方面能够让学校教育管理工作更加的人性化、个性化，另一方面也可以加速教育大数据与学校教育管理的融合，使得学校可以从宏观、微观两个层面入手对学校教育管理进行完善和引导。

2.出台指导文件，提升应用水平

教育大数据是推动学校教育管理发展的核心力量之一，但是当前我国绝大多数学校对教育大数据的应用并不到位，难以将教育大数据与学校教育管理工作真正结合到一起，进而拖慢了学校教育管理的发展速度。因此，我国政府以及教育部门应对教育大数据在学校中的应用现状进行了解，找出影响教育大数据应用的主要因素，并出台正式文件针对教育大数据进行阐述，并对各级学校实际应用工作进行指导。首先，教育部门应在文件中对教育大数据的作用进行肯定，这样做有利于增加各级学校对教育大数据的重视，为教育大数据的应用营造良好的氛围。其次，文件中应对教育大数据的具体应用给予阐述，其中包括教育大数据应用的目的、目标，应用流程、分析方法等，让学校在对教育大数据进行应用的过程中有明确的认识，减少工作上的混乱与无序。最后，除了出台政策性指导文件外，还要从技术、资金上对教育大数据的应用进行支持。教育部门可以针对学校技术人员不足的问题派遣专业的技术人员到学校之中进行辅导。而学校自身也应组织教职工进行学习，以弥补其能力上的不足，增加他们对教育大数据的驾驭能力。此外，政府要给予学校资金上的支持，鼓励学校进行基础设施的建设，为教育大数据的运用奠定硬件基础。

3.增加制度管理，强化应用规范

教育大数据本身信息量极为丰富，其中不仅涉及了大量常见信息，同时还包含一些隐秘性的信息，这些数据信息在应用过程中如果出现泄漏就很容易造成权益损害。因此，相关部门在对管理制度进行完善的过程中，应关注教育大数据的安全性问题，完善教育管理制度，制定泄露、篡改、窃取隐私信息等行为的处理方案，借助制度的力量来对教育大数据中的隐私信息进行保护。基于教育大数据应用的实际需求，完善教育大数据管理制度应从以下几个方面入手[3]：第一，强调教育大数据安全管理的重要性，要求学校建立专门机构，从事专项管理；第二，对保密工作提出要求，并设立保密等级，根据数据信息泄露等级的不同采取差异性的处理办法；第三，关注教育大数据的整体应用，将数据搜集、数据分析再到数据储存都纳入法律法规的制定范围内，增加教育大数据保护的全面性；第四，明确管理人员的工作范围、工作职责，因管理人员工作失误而出现的问题应由管理人员承担相应的责任。此外，为了激发管理层对教育大数据安全管理的重视，在责任制度设计过程中还可以引入连带责任制度，如果基层工作出现问题，管理层也要受到处理。

4.加大研究力度，实现产业发展

教育大数据现阶段在学校之中发挥的作用十分有限，仅能对学校基础管理工作进行支持。但是站在长远角度进行分析，教育大数据将左右学校未来的发展，是保证学校与社会联通、与时代接轨的关键。因此，教育部门应针对教育大数据进行系统性研究，设置研究中心，对教育大数据的应用、教育大数据的发展等进行分析，为教育大数据提供现代技术支持和相应的配套设备，这样可以进一步挖掘教育大数据的作用，从而强化学校教育管理。同时，政府还应积极推进教育大数据的产业化发展，加强学校与科研单位、国家机关之间的合作，进一步提升教育大数据的实用价值，使其不仅可以对学校管理产生影响，并且能够逐步向社会范围进行辐射，增强学校与社会之间的融合和互动。

作者：郭春雷 单位：东莞职业技术学院后勤处

参考文献

[1]徐鹏.王以宁.刘艳华.张海.大数据视角分析学习变革———美国《通过教育数据挖掘和学习分析促进教与学》报告解读及启示[J].远程教育杂志，2013（6）.