時間：2022-04-14 11:56:48
序論：在您撰寫大數據技術論文時，參考他人的優(yōu)秀作品可以開闊視野，小編為您整理的7篇范文，希望這些建議能夠激發(fā)您的創(chuàng)作熱情，引導您走向新的創(chuàng)作高度。
1.1大數據的發(fā)展
通過對大數據的匯集、智能分析和挖掘技術，發(fā)現數據中的潛在價值信息，幫助人們做出正確決策，這就是大數據產業(yè)的利益。國外大數據的起步比較早，比較成功的大數據應用案例有：商業(yè)龍頭沃爾瑪公司通過對消費者的購物數據進行分析，了解顧客的行為喜好，對超市的商品結構進行搭配重置以增加銷售額；亞馬遜公司通過大數據構建自己的推薦系統(tǒng)，每年可以靠此多收益20%；奧巴馬通過大數據分析系統(tǒng)進行數據挖掘，用科學的手段獲取選票、募集資金，贏得了總統(tǒng)競選的勝利。相比于國外，國內的大數據研究和應用還處于起步和發(fā)展中的階段，比較成功的案例有：淘寶數據魔方平臺，通過大數據，為買家量身打造完善的購物體驗產品；新浪微博大數據產品，通過大量的社交數據，創(chuàng)造不同的社會經濟價值等。
1.2云計算的發(fā)展
云計算可以像電力資源一樣提供彈性的按需服務，事實上它是集合了一系列的服務提供給用戶。云計算的核心可分為三個層次，分別為基礎設施層、平臺層、應用層，如圖2所示。云計算將基礎設施、軟件運行環(huán)境、應用程序抽象成服務，具有可靠性高、可用性強、規(guī)?？缮炜s等特點，滿足了不同企業(yè)的發(fā)展需求，各個云服務提供商根據各自服務對象的差別分別開發(fā)了各具特色的云服務。（1）基礎設施即服務層基礎設施即服務（InfrastructureasaService，IaaS）層通過部署硬件基礎設施對外提供服務，用戶可以根據各自的需求購買虛擬或實體的計算、存儲、網絡等資源。用戶可以在購買的空間內部署和運行軟件，包括操作系統(tǒng)和應用程序。消費者不能管理或控制任何云計算基礎設施，但能控制操作系統(tǒng)的選擇、存儲空間、部署的應用，也有可能獲得有限制的網絡組件（如防火墻、負載均衡器等）的控制。云服務提供商為了使硬件資源得到更有效的利用，引入了Xen、KVM、VMware等虛擬化技術，使得云服務商可以提供更個性化的IaaS服務。亞馬遜彈性云計算（AmazonElasticComputeCloud，AmazonEC2）是亞馬遜Web服務產品之一，AmazonEC2利用其全球性的數據中心網絡，為客戶提供虛擬主機服務，讓使用者可以租用云服務運行所需應用的系統(tǒng)。（2）平臺即服務層平臺即服務（PlatformasaService，PaaS）層是指云計算應用程序開發(fā)和部署的平臺，包括應用設計、應用開發(fā)、應用測試和應用托管，都作為一種服務提供給客戶。開發(fā)者只需要上傳代碼和數據就可以使用云服務，而無需關注底層的具體實現方式和管理模式。鑒于PaaS平臺的重要意義，國內外廠商根據各自的戰(zhàn)略提出了相應的PaaS平臺，國外的如GoogleAppEngine（GAE），通過GAE，即使在重載和數據量極大的情況下，也可以輕松構建能安全運行的應用程序。國內也有新浪的SAE（SinaAppEngine）、阿里的ACE（AliyunCloudEnginee）等。（3）軟件即服務層軟件即服務（SoftasaService，SaaS）層是為云計算終端用戶提供基于互聯網軟件應用服務的平臺。隨著Web服務、HTML5、AJAX、Mashup等技術的成熟與標準化，SaaS應用近年來發(fā)展迅速，典型的SaaS應用包括GoogleApps、SalesforceCRM等。國外云計算平臺比較成功的應用案例有：亞馬遜電子商務網站根據用戶的購買行為和搜索技術搭建Hadoop集群，構建推薦系統(tǒng)；Twitter社交網站搭建Hadoop分布式系統(tǒng)用于用戶關聯的建立。國內云計算平臺的成功案例有：阿里巴巴目前整個集群達到1700個節(jié)點，數據容量達到24.3PB，并且以每天255TB的速率不斷攀升；2013年，華為推出國內首個運營云平臺，目前為止與該平臺簽訂協(xié)議的ISV有3000多家。
1.3云計算相關技術
（1）分布式文件系統(tǒng)分布式文件系統(tǒng)（GoogleFileSystem，GFS）[3]是Google公司針對云計算過程處理海量數據而專門設計的。一個GFS集群由一個主節(jié)點和多個從節(jié)點組成，用戶可以通過客戶端訪問文件系統(tǒng)，進行正常的文件處理工作。在云計算中，海量數據文件被分割成多個固定大小的數據塊，這些數據塊被自動分配到不同的從節(jié)點存儲，并會在多個節(jié)點進行備份存儲，以免數據丟失。主服務器管理文件系統(tǒng)記錄文件的各種屬性，包括文件名、訪問控制權限、文件存儲塊映射、塊物理信息等數據。正是通過這個表，文件系統(tǒng)可以準確地找到文件存儲的位置，避免數據丟失，保證數據安全。圖3是GFS的體系結構示意，每一個節(jié)點都是普通的Linux服務器，GFS的工作就是協(xié)調成百上千的服務器為各種應用提供服務。（2）分布式并行數據庫BigTableBigTable[4]是一個為管理大規(guī)模結構化數據而設計的分布式存儲系統(tǒng)，可以擴展到PB級數據和上千臺服務器。很多Google的項目使用BigTable存儲數據，這些應用對BigTable提出了不同的挑戰(zhàn)，比如對數據規(guī)模的要求、對時延的要求。BigTable能滿足這些多變的要求，為這些產品成功地提供了靈活、高性能的存儲解決方案。BigTable采用的鍵是三維的，分別是行鍵（RowKey）、列鍵（ColumnKey）和時間戳（Timestamp）。行鍵和列鍵都是字節(jié)串，時間戳是64位整型；值是一個字節(jié)串，可以用（row:string,column:string,time:int64）string來表示一條鍵值對記錄。（3）分布式計算框架MapReduceMapReduce[5]是Google公司提出的大數據技術計算框架，被廣泛應用于數據挖掘、海量數據處理以及機器學習等領域，由于其并行化處理數據的強大能力，越來越多的廠商根據MapReduce思想開發(fā)了各自的云計算平臺，其中以Apache公司的Hadoop最為典型。MapReduce由Map和Reduce兩個階段組成。用戶只需要編寫簡單的map()和reduce()函數就可以完成復雜分布式程序設計，而不用了解計算框架的底層實現。MapReduce的數據分析流程如圖4所示。分布在不同服務器節(jié)點上的海量數據首先通過split()函數被拆分成Key/Value鍵值對，map()函數以該鍵值對為輸入，將該鍵值對進行函數處理，產生一系列的中間結果并存入磁盤。MapReduce的中間過程shuffle()將所有具有相同Key值的鍵值對傳遞給Reduce環(huán)節(jié)，Reduce會收集中間結果，并將相同的Value值合并，完成所有工作后將結果輸出給用戶。MapReduce是一個并行的計算框架，主要體現在不同的服務器節(jié)點同時啟動相同的工作，并且在每個獨立的服務器節(jié)點上又可以啟動多個map()、reduce()并行計算。
2基于云計算的大數據處理
目前大數據處理的基本流程如圖5所示，整個流程經過數據源的采集，用不同的方式進行處理和加工，形成標準的格式，存儲下來；然后用合適的數據計算處理方式將數據推送到數據分析和挖掘平臺，通過有效的數據分析和挖掘手段，找出大數據中有價值的信息；最后通過可視化技術將信息展現給人們。
2.1數據采集存儲
大數據具有不同結構的數據（包括結構、半結構、非結構），針對不同類型的數據，在進行云計算的分布采集時，需要選擇不同的數據采集方式收集數據，這也是大數據處理中最基礎的一步。采集到的數據并不是都適合推送到后面的平臺，需要對其進一步處理，例如來源不同的數據，需要對其進行加載合并；數據存在噪聲或者干擾點的，需要對其進行“清洗”和“去噪”等操作，從而保障數據的有效性；數據的格式或者量綱不統(tǒng)一的，需要對其進行標準化等轉換處理；最后處理生成的數據，通過特定的數據庫，如NoSQL數據（Google的BigTable，Amazon的Dynamo）進行存儲，方便進行下一步的數據讀取。由于傳統(tǒng)的數據倉庫無法適應大數據的存儲要求，目前基于云計算的數據倉庫都是采用列式存儲。列式存儲的數據具有相同的數據類型，可以大大提高數據的壓縮率，例如華為的云存儲服務MOS（MassiveObjectService）的數據持久性高達99.9%，同時提供高效率的端到端保障。
2.2數據計算模式
這一環(huán)節(jié)需要根據處理的數據類型和既定目標，選擇合適的計算模型處理數據。由于數據量的龐大，會消耗大量的計算資源，因此，傳統(tǒng)的計算技術很難使用大數據的環(huán)境條件，取而代之的是分而治之的分布式計算模式，具有代表性的幾種計算模式的特點見表1。采用批處理方式計算的Hadoop平臺，例如，Facebook擁有全球最大規(guī)模的Hadoop集群，集群機器目前超過3000臺，CPU核心更是超過30000個，可以存儲的數據量能夠達到驚人的40PB；采用流處理方式計算的Storm平臺分布式計算的時延比Hadoop更??；實時處理方式計算的Spark是一種基于內存的計算模式，例如，Yahoo運用Spark技術在廣告營銷中實時尋找目標用戶，目前在Yahoo部署的Spark集群有112臺節(jié)點和9.2TB內存；交互處理方式計算的Dremel在處理PB級別的數據時耗時可以縮短至秒級，并且無需大量的并發(fā)。
2.3數據分析挖掘
數據分析挖掘環(huán)節(jié)是從海量數據中發(fā)現隱藏規(guī)律和有價值信息的過程，這個環(huán)節(jié)是大數據處理流程最為有價值和核心的部分，傳統(tǒng)的數據分析方法有機器學習、商業(yè)智能等。傳統(tǒng)的數據挖掘十大算法[6]（其中有K-Means、Na觙veBayes、SVM、EM、Apriori等）在云計算環(huán)境下都得到了大幅度的并行優(yōu)化，在大數據的背景下，計算速度得到了很大程度的提升。現在新興的深度學習是原始機器學習的一個新領域，動機是在于建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，這種新的數據分析挖掘技術已經在計算機視覺、語音識別、自然語言處理等領域有了成功的應用。
2.4數據解釋展現
將挖掘出來的復雜信息進行數據解釋和展現是整個大數據處理流程的最后一個環(huán)節(jié)，數據分析的結果需要向客戶進行恰當的展現。與傳統(tǒng)的數據輸出和文本展示等方式不同，現在絕大部分的企業(yè)都通過引進“數據可視化”技術來展示大數據分析的結果信息，這種方式以圖像、動畫等方式，形象地向客戶展現數據處理分析的結果，也容易被客戶理解和接受，更為先進的是，現在逐步形成的“交互式可視化技術”，大大地方便了數據與人之間的“親密交流”。目前面向大數據主流應用的可視化技術見表2。
3大數據和云計算的未來挑戰(zhàn)
大數據需要超大存儲容量的計算能力，云計算作為一種新的計算模式，為大數據的應用研究提供了技術支持，大數據和云計算的完美結合，相得益彰，發(fā)揮了各自的最大優(yōu)勢，為社會創(chuàng)造了巨大的價值。雖然國內大數據和云計算的研究還是處于初步階段，但隨著研究的不斷進行，所面臨的問題也越來越多。在大數據向前不斷邁進的階段里，如何讓我們對大數據的研究朝著有利于全人類的方向發(fā)展成為了重中之重。
3.1重要戰(zhàn)略資源
在這個信息社會里，大數據將會成為眾多企業(yè)甚至是國家層面的重要戰(zhàn)略資源。國家層面要將大數據上升為國家戰(zhàn)略。奧巴馬在2012年3月將“大數據戰(zhàn)略”上升為最高國策，像陸權、海權、空權一樣，將數據的占有和控制作為重要的國家核心能力。大數據資源也會成為各種機構和企業(yè)的重要資產以及提升企業(yè)社會競爭力的有力武器。在大數據市場里，客戶的各種數據信息都會為企業(yè)創(chuàng)造價值，也會在促進消費水平、提高廣告效應等方面扮演重要的角色。
3.2數據隱私安全
大數據如果運用得當，可以有效地幫助相關領域做出幫助和決策，但若這些數據被泄露和竊取，隨之而來的將是個人信息及財產的安全問題得不到保障。2011年索尼公司遭到黑客攻擊，造成一億份客戶資料泄露，經濟虧損約1.71億美元。為了解決大數據的數據隱私安全問題，Roy等在2010年提出了一種隱私保護系統(tǒng)，將信息流控制和差分隱私保護技術融入到云計算平臺中，防止MapReduce計算過程中的數據泄露問題。在數據更新飛速的情況下，如何維護數據的隱私安全成為大數據時代研究的重點方向。
3.3智慧城市
人口的增長給城市交通、醫(yī)療、建筑等各方面帶來了不小的壓力，智慧城市就是依靠大數據和云計算技術，實現城市高效的管理、便捷的民生服務、可持續(xù)的產業(yè)發(fā)展。在剛剛結束的“兩會”的政府工作報告中，總理也特意強調了智慧城市發(fā)展的重要性，目前國家智慧城市試點已遍布全國各地，多達409個。智慧安防、智慧交通、智慧醫(yī)療等都是智慧城市應用領域。智慧城市的建設也趨使大數據人才的培養(yǎng)。據預測，到2015年，大數據將會出現約100萬的人才缺口，全球將新增440萬個與大數據相關的工作崗位來填補這個空缺。
3.4能源消耗
大數據背景下的機器算法
專業(yè)
計算機科學與技術
學生姓名
楊宇瀟
學號
181719251864
一、 選題的背景、研究現狀與意義
為什么大數據分析很重要？大數據分析可幫助組織利用其數據并使用它來識別新的機會。反過來，這將導致更明智的業(yè)務移動，更有效的運營，更高的利潤和更快樂的客戶。
在許多早期的互聯網和技術公司的支持下，大數據在2000年代初的數據熱潮期間出現。有史以來第一次，軟件和硬件功能是消費者產生的大量非結構化信息。搜索引擎，移動設備和工業(yè)機械等新技術可提供公司可以處理并持續(xù)增長的數據。隨著可以收集的天文數據數量的增長，很明顯，傳統(tǒng)數據技術（例如數據倉庫和關系數據庫）不適合與大量非結構化數據一起使用。 Apache軟件基金會啟動了第一個大數據創(chuàng)新項目。最重要的貢獻來自Google，Yahoo，Facebook，IBM，Academia等。最常用的引擎是：ApacheHive / Hadoop是復雜數據準備和ETL的旗艦，可以為許多數據存儲或分析環(huán)境提供信息以進行深入分析。 Apache Spark（由加州大學伯克利分校開發(fā)）通常用于大容量計算任務。這些任務通常是批處理ETL和ML工作負載，但與Apache Kafka等技術結合使用。
隨著數據呈指數級增長，企業(yè)必須不斷擴展其基礎架構以最大化其數據的經濟價值。在大數據的早期（大約2008年），Hadoop被大公司首次認可時，維護有用的生產系統(tǒng)非常昂貴且效率低下。要使用大數據，您還需要適當的人員和軟件技能，以及用于處理數據和查詢速度的硬件。協(xié)調所有內容同時運行是一項艱巨的任務，許多大數據項目都將失敗。如今，云計算已成為市場瞬息萬變的趨勢。因為各種規(guī)模的公司都可以通過單擊幾下立即訪問復雜的基礎架構和技術。在這里，云提供了強大的基礎架構，使企業(yè)能夠勝過現有系統(tǒng)。
二、 擬研究的主要內容（提綱）和預期目標
隨著行業(yè)中數據量的爆炸性增長，大數據的概念越來越受到關注。 由于大數據的大，復雜和快速變化的性質，許多用于小數據的傳統(tǒng)機器學習算法不再適用于大數據環(huán)境中的應用程序問題。 因此，在大數據環(huán)境下研究機器學習算法已成為學術界和業(yè)界的普遍關注。 本文主要討論和總結用于處理大數據的機器學習算法的研究現狀。 另外，由于并行處理是處理大數據的主要方法，因此我們介紹了一些并行算法，介紹了大數據環(huán)境中機器學習研究所面臨的問題，最后介紹了機器學習的研究趨勢，我們的目標就是研究數據量大的情況下算法和模型的關系，同時也會探討大部分細分行業(yè)數據量不大不小的情況下算法的關系。
三、 擬采用的研究方法（思路、技術路線、可行性分析論證等）
1.視覺分析。大數據分析用戶包括大數據分析專業(yè)人士和一般用戶，但是大數據分析的最基本要求是視覺分析。視覺分析直觀地介紹了大數據的特征，并像閱讀照片的讀者一樣容易接受。 2.數據挖掘算法。大數據分析的理論中心是數據挖掘算法。不同的數據挖掘算法依賴于不同的數據類型和格式來更科學地表征數據本身。由于它們被全世界的統(tǒng)計學家所公認，因此各種統(tǒng)計方法（稱為真值）可以深入到數據中并挖掘公認的值。另一方面是這些數據挖掘算法可以更快地處理大數據。如果該算法需要花費幾年時間才能得出結論，那么大數據的價值是未知的。 3.預測分析。大數據分析的最后一個應用領域是預測分析，發(fā)現大數據功能，科學地建立模型以及通過模型吸收新數據以預測未來數據。 4.語義引擎。非結構化數據的多樣化為數據分析提出了新的挑戰(zhàn)。您需要一套工具來分析和調整數據。語義引擎必須設計有足夠的人工智能，以主動從數據中提取信息。 5.數據質量和數據管理。大數據分析是數據質量和數據管理的組成部分。高質量的數據和有效的數據管理確保了分析結果在學術研究和商業(yè)應用中的可靠性和價值。大數據分析的基礎是前五個方面。當然，如果您更深入地研究大數據分析，則還有更多特征，更深入，更專業(yè)的大數據分析方法。
四、 論文（設計）的工作進度安排
2020.03.18-2020.03.20 明確論文內容，進行相關論文資料的查找與翻譯。2020.04.04-2020.04.27：撰寫開題報告 。
2020.04.28-2020.04.30 ：設計實驗。
2020.05.01-2020.05.07 ：開展實驗。
2020.05.08-2020.05.15 ：準備中期檢查。
2020.05.16-2020.05.23：根據中期檢查的問題，進一步完善實驗2020.05.24-2020.05.28 ：完成論文初稿。
2020.05.29-2020.06.26 ：論文修改完善。
五、 參考文獻（不少于5篇）
1 . 王偉,王珊,杜小勇,覃雄派,王會舉.大數據分析——rdbms與mapreduce的競爭與共生 .計算機光盤軟件與應用,2012.被引量：273.
2 . 喻國明. 大數據分析下的中國社會輿情:總體態(tài)勢與結構性特征——基于百度熱搜詞(2009—2 012)的輿情模型構建.中國人民大學學報,2013.被引量：9. 3 . 李廣建,化柏林.大數據分析與情報分析關系辨析.中國圖書館學報,2014.被引量：16.
4 . 王智,于戈,郭朝鵬,張一川,宋杰.大數據分析的分布式molap技術 .軟件學報,2014.被引量：6.
5 . 王德文,孫志偉.電力用戶側大數據分析與并行負荷預測 .中國電機工程學報,2015.被引量：19.
6 . 江秀臣,杜修明,嚴英杰,盛戈皞,陳玉峰 ,郭志紅.基于大數據分析的輸變電設備狀態(tài)數據異常檢測方法 .中國電機工程學報,2015.被引量：8.
7 . 喻國明. 呼喚“社會最大公約數”:2012年社會輿情運行態(tài)勢研究——基于百度熱搜詞的大 數據分析.編輯之友,2013.被引量：4.
六、指導教師意見
簽字： 年 月 日
七、學院院長意見及簽字
統(tǒng)計與大數據系按照教務處“2021屆畢業(yè)生實習及畢業(yè)論文（設計）相關事宜通知”，結合2018級人才培養(yǎng)方案，制定2021屆學生畢業(yè)論文（設計）指導方案，具體內容包括以下6部分：
一、2021屆畢業(yè)論文指導教師分配表（詳見附件1）
二、 畢業(yè)論文寫作與指導的具體安排
論文輔導時間：2020年10月1日至2021年4月1日
具體安排：
工作安排
具體內容
具體要求
截止時間
選題
確定論文題目
根據自己的專業(yè)、結合實習情況，以項目為基礎選擇論文題目，并經指導教師審核通過。
2021年1月1日
提綱
構思論文結構、擬訂論文提綱
結合企業(yè)實踐內容確定論文結構列出提綱。
2021年2月1日
寫作與批改
初稿
按照論文提綱撰寫初稿，主動與論文指導老師聯系審核與批改。
2021年3月1日
二稿
按照論文指導老師的要求反復修改、完善、補充。
2021年4月1日
定稿
達到論文基本要求，定稿電子版發(fā)給論文指導老師。
2021年4月10日
交稿
打印提交
雙面打印，畢業(yè)返校時以班級為單位提交。
2021年6月
三、 指導教師聯系方式
姓名
職稱
郵箱
電話
方黨生
副教授
2541790217@qq.com
2541790217
15136166829
楊冬梅
講師
339097597@qq.com
339097597
18625779090
李春花
講師
19772728@qq.com
19772728
18638793098
魏瑤
講師
43665723@qq.com
43665723
15838313791
馬杰
高級講師
Hnhymj@126.com
13838067063
杜旭陽
助理講師
604696049@qq.com
604696049
17396370961
高艷云
副教授
37742562@qq.com
37742562
13939020929
錢鈺
講師
397019111@qq.com
397019111
15093132377
梁慧丹
助理講師
1620280267@qq.com
1620280267
15188395423
秦航琪
助理講師
1191084277@qq.com
1191084277
15670930099
范迪
助理講師
1261810070@qq.com
1261810070
18339270887
四、畢業(yè)論文參考題目
大數據技術及應用專業(yè)
1) 大數據時代下的網絡信息安全
2) 大數據對市場調查技術與研究方法的影響
3) 大數據環(huán)境下社會輿情分析方法研究
4) 大數據在房屋租賃的應用
5) 大數據在互聯網金融領域的應用
6) 大數據在電子商務下的應用
7) 大數據時代下線上餐飲變革
8) 大數據在養(yǎng)殖業(yè)中的應用
9) 大數據對商業(yè)模式影響
10) 大數據在智能交通中的應用
11) 基于大數據小微金融
12) 大數據在農副產品中的應用
13) 大數據在用戶行為分析中的應用
14) 基于大數據的會員價值分析
15) 大數據對教育模式的影響
物聯網應用技術專業(yè)
1）物聯網技術在蔬菜大棚中的應用
2）物聯網技術對智能家居的應用
3) 物聯網技術對智能物流監(jiān)管的應用
4) 物聯網技術在企業(yè)的應用
5) 計算機物聯網技術帶來的影響
6) 物聯網技術在校園安全的應用
7) 淺談物聯網技術的應用與發(fā)展
8) 物聯網技術在企業(yè)的應用
9) 計算機物聯網技術在各個行業(yè)的應用
10) 物聯網技術在食品安全追溯方面的應用
11)物聯網技術在樓宇智能化系統(tǒng)的應用
12)物聯網技術在智能停車場系統(tǒng)的應用
13)物聯網技術在安保行業(yè)的應用
14)物聯網技術在智能交通行業(yè)的應用
15)基于物聯網技術的校園宿舍安防系統(tǒng)的設計與實現
信息統(tǒng)計與分析專業(yè)
1) 某企業(yè)競爭力調查分析
2) 淺談企業(yè)統(tǒng)計數據質量
3) 人口素質與經濟增長的關系研究
4) 地區(qū)競爭力初步分析
5) 農業(yè)結構調整與糧食安全保證問題研究
6) 我國中小企業(yè)發(fā)展現狀與對策
7) 對某市房地產開發(fā)的市場分析
8) 消費者購買動機調查分析
9) 某產品市場需求調查
10) 某產品銷售預測
11) 某產品銷售統(tǒng)計分析
12) 某產品競爭力分析
13) 產業(yè)結構變動分析
14) 大數據發(fā)展對統(tǒng)計工作的影響分析
15) 鄭州租房狀況分析
五、畢業(yè)論文（設計）格式規(guī)范要求（詳見附件2）
六、畢業(yè)論文（設計）格式模板（詳見附件3）
附件1：2021屆畢業(yè)論文指導教師分配表
附件2
河南信息統(tǒng)計職業(yè)學院
畢業(yè)論文格式及規(guī)范要求
河南信息統(tǒng)計職業(yè)學院畢業(yè)論文（設計）統(tǒng)一的規(guī)格要求如下：
（一）開本
A4白紙（210mm×297mm）
（二）裝訂
長邊左側裝訂
（三）全文編置
1．頁碼
全文頁碼自正文起編列，正文與附錄可連續(xù)編碼。頁碼以阿拉伯數字左右加圓點標示，置頁邊下腳中間。
2．邊距
正文至附錄的文字版面規(guī)范為：天頭25mm；地腳25mm；左邊距30mm；右邊距25mm。上述邊距的允許誤差均為±1mm。
3．行字間距
正文至附錄的行字間距按5mm設置；字間距為1mm，或由Word自動默認。
（四）編排構成
1．前置部分
（1）封面設置
第一排：“河南信息統(tǒng)計職業(yè)學院”，華文行楷一號字，居中排列，第一排前空兩行（三號字）；
第二排：“畢業(yè)論文（設計）”，黑體一號字，居中排列；
第三排：“ 級 專業(yè) 班”， 黑體三號字，居中排列，橫線空格處填寫相應內容，填寫內容使用宋體三號字，與第二排空二行（三號字）；
第四排：“題目 ” 黑體三號字，居中排列，“題目”兩字中間留兩個漢字的空位，橫線空格處填寫相應內容，填寫內容使用宋體三號字，與第三排空六行（三號字）；
第五排：“姓名 學號 ”， 黑體三號字，居中排列，“姓名“兩字中間留兩個漢字的空位，橫線空格處填寫相應內容，填寫內容使用宋體三號字；
第六排：“指導教師 職稱 ”， 黑體三號字，居中排列，橫線空格處填寫相應內容，填寫內容使用宋體三號字；
第七排：“系別 ” 黑體三號字，居中排列，橫線空格處填寫相應內容，填寫內容使用宋體三號字，與第六排空兩行（三號字）。
第八排：“ 年 月 日” 黑體三號字，居中排列，橫線空格處填寫相應內容，填寫內容使用宋體三號字，與第七排空兩行（三號字）。
（2）聲明
本人必須聲明所呈交的論文是學生本人在導師的指導下獨立完成的。除了文別加以標注和致謝的地方外，論文中不包含其他人已經發(fā)表或撰寫的研究成果。要求學生本人簽名。
（3）內容提要
第二頁為內容提要。內容提要是對全文基本觀點的集中提煉和說明。提要中應闡明本論文（設計）要解決的主要問題及其依據，并指出創(chuàng)新之處。內容提要以300-500字為宜。其中“內容提要”為黑體三號字，每字間空一格，居中排列。“內容提要”下空一行編排具體內容，具體內容按照中文文章格式排列，使用宋體四號字。
（3）關鍵詞
關鍵詞是揭示文獻主體信息的詞匯。關鍵詞在內容提要之后空一行設置。其中“關鍵詞”三字用黑體三號字與“內容提要”對應居中排列，而后另起行設置關鍵詞3-5個，用宋體四號字。各詞匯間不用標點符號分隔，空一格漢字字符。
（4）目錄頁
“目錄”二字用三號加黑宋居中排列，字間空三格；“目錄”下空一行排全文的主要標題，用四號仿宋體。對目錄中的每一個標題都要標注頁碼。
2．正文部分
一部完整的畢業(yè)論文（設計）正文部分一般應由以下要素構成：論文正文文字；結論；注釋；參考文獻。
（1）正文文字
論文（設計）的正文文字在署名后空一行排列，用四號仿宋字體打印。
（2）結論
畢業(yè)設計的體會和總結；該設計的結論、優(yōu)點及有待探討的問題。
（3）注釋
注釋是用于對文內某一特定內容作必要的解釋或文字說明。注釋的內容置于與當前頁主題文字的分線以下，以帶圓圈的阿拉伯數字標示，左空二格排列，用小五號宋體字。
（4）參考文獻
參考文獻是作者著文時研究和參閱的相關資料。“參考文獻”四個字用三號黑體字左頂格標示。參考文獻的內容置于主體文字之后空一行排列，其順序與主體文字中的序號編排相對應，以帶方括號的阿拉伯數字左頂格用五號宋體字排出全部內容。參考文獻要列出書名，作者姓名、出版社及出版日期、并標明序號。在論文中引用所列的參考文獻時，只要在方括號內注明所列文獻的序號即可。
（5）畢業(yè)論文（設計）正文部分3000～5000字。
附件3
河南信息統(tǒng)計職業(yè)學院
畢業(yè)論文（設計）
級 專業(yè) 班
題 目
姓 名 學號
指導教師 職稱
系 別
20 年 月 日
聲 明
本人鄭重聲明所呈交的論文（設計）是我個人在導師的指導下獨立完成的。除了文別加以標注和致謝的地方外，論文中不包含其他人已經發(fā)表或撰寫的研究成果。
論文作者簽名：
20 年 月
日
內 容 提 要
××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××
關鍵詞 ：××××× ××××× ××××× ×××××
目 錄 1 前言 1
1.1 1
1.2 1
1.3 4
1.4 4
2 5
2.1 5
2.2 5
2.2.1 5
2.2.2 6
2.3 7
3 8
3.1 9
3.2 10
4 11
4.1 12
4.1.1 13
4.1.2 14
4.1.3 15
4.1.4 18
4.1.5 20
5 結論 22
5.1 結論 23
5.2 問題與不足 26
5.3 未來展望 27
參考文獻 28
1 ×××××××××××××××× 1.1 ×××××××××× ××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××
1.2 ×××××××××××××××× 1.2.1 ×××××××× ××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××
參考文獻 [1] 江正榮編.地基與基礎施工手冊.北京：中國建筑工業(yè)出版社，1997
[2] 高大釗主編.土力學與基礎工程.北京：中國建筑工業(yè)出版社，1998
………………………………………………………………………………………………………………………………………………………………………………
[8] 趙玉良.房屋地基基礎變形事故原因分析及處理.河北建筑工程學院學報，2007，25（2）
[9] 袁迎曙，賈福萍，蔡躍. 銹蝕鋼筋混凝土梁的結構性能退化模型[J].土木工程學報，2001，(3)
[10] A. Castel, R. Francois, G.Arliguie. Mechanical Behavior of Reinforced Concrete Beams－Part 2: Bond andNotch Effects[J]. Materials and Structures. 2000, (3)
…………………………………………………………………………………………………………………………………………………………………………………………
[12] 中華人民共和國國家標準.建筑地基基礎設計規(guī)范（GB50007-2002）
[13] 中華人民共和國國家標準.建筑邊坡工程技術規(guī)范（GB50330-2002）.
論文（設計）指導評語
建議論文成績 指導教師
20 年 月 日
論文（設計）答辯評語
論文成績 答辯組組長
20 年 月 日
答 辯 組 成 員
姓 名
性別
年齡
職稱
工作單位
（一）云會計使庫存管理的成本更低
廉庫存管理的目標之一是在保證生產或銷售經營需要的前提下最大限度地降低庫存成本，即對庫存合理布局，減少調撥次數。存貨不足不能及時滿足生產和銷售的需要會給企業(yè)帶來損失，而存貨過多將導致儲存成本增加，進而影響企業(yè)利益。如何對庫存管理的成本進行控制對企業(yè)的生產經營至關重要。以物聯網技術為前端、大數據分析中心為后端的云會計平臺，能夠在時空分離的環(huán)境下預測或獲取企業(yè)不同區(qū)域的倉儲信息和客戶訂貨信息，以減少企業(yè)的庫存管理成本?；谠茣嬈脚_，企業(yè)能夠搜集、分析貨物的實時信息，動態(tài)了解各倉庫的實時庫存情況。倉儲管理部門在獲得大數據分析中心提供的庫存數據與客戶偏好數據的基礎上，能夠做到對各倉庫庫存合理布局，減少調撥次數，節(jié)約庫存管理成本。
（二）云會計使存貨控制系統(tǒng)更精確
為提高企業(yè)整體運作效率，很多企業(yè)對存貨管理采用了ABC控制系統(tǒng)或即時制庫存控制系統(tǒng)（JIT）。在ABC控制系統(tǒng)中，如何準確區(qū)分ABC三類存貨并進行分類控制是企業(yè)需要解決的重要問題。JIT管理強調只在使用存貨之前才要求供應商送貨，從而將存貨數量減到最小，實現物資供應、生產、銷售連續(xù)同步運動。這種方式在提高生產效率、減少儲存成本的同時需要考慮到與供應商協(xié)同接洽的問題。大數據、云會計技術的應用，能夠提高企業(yè)ABC控制系統(tǒng)或即時制控制系統(tǒng)的運行效果。在企業(yè)的云會計平臺上，通過對自身以往所有各種類型存貨數據的大數據分析，以及參考同行業(yè)、相關行業(yè)的歷史數據，可以對ABC三類存貨進行更為科學合理的區(qū)分，使ABC控制系統(tǒng)更加精確。面對JIT即時制更加嚴格的要求，企業(yè)需要考慮到存貨的計劃需求、與供應商關系、準備成本、電子數據等方面，一旦存貨預警就會產生生產線、銷售線告急的情況，將為企業(yè)帶來巨大損失。物聯網與大數據技術的發(fā)展為解決JIT控制面臨的問題提供了解決方案。由供應商提供的存貨都帶有唯一的產品電子代碼（EPC），企業(yè)和供應商可以通過物聯網同時獲得存貨的使用情況，在數據顯示該批存貨需要補充時，物聯網得到傳感信息的反饋及時提醒企業(yè)補給，通知供應商做好供貨準備，并給出下一訂貨批量的預計時間及數量要求。這樣就加強了企業(yè)與供應商的信息溝通與交流，使JIT控制系統(tǒng)得到更好的實施。
（三）云會計使庫存管理更智能
由于各個地區(qū)消費者的需求偏好往往存在差異，使得企業(yè)在全國布局的倉庫庫存往往在商品的類型、數量等方面不盡相同。基于云會計平臺，通過前端的物聯網，企業(yè)可以獲取各個區(qū)域倉庫的存貨情況。針對庫存調撥，通過后端的數據中心進行大數據分析，可以選擇在最優(yōu)的倉庫之間進行商品的調配，并根據對調撥結果的分析就以后的商品庫存分配進行優(yōu)化。消費者在網上購買商品時，云會計平臺會自動選擇就近且有貨的庫存點進行智能化發(fā)貨。在存貨的運輸與存儲過程中會涉及到安全問題，尤其是對于高價值的存貨，其一旦損失將會對企業(yè)造成嚴重影響。云會計平臺下物聯網技術的運用，可以做到存貨信息流和物流的統(tǒng)一、對存貨流向形成監(jiān)控，具有極強的監(jiān)測功能。存貨信息能夠實時反映在云會計平臺上，即便出現貨物丟失情況，企業(yè)也能夠即時采取措施應對，確保企業(yè)存貨的安全性。
二、大數據時代基于云會計的庫存管理
框架模型構建庫存管理及時準確地反映各種物資的倉儲、流向情況，可以為企業(yè)的生產管理和成本控制提供依據。通過對貨物的各種信息進行即時的采集、分析、處理，可以使企業(yè)實時動態(tài)的庫存管理成為現實。在云會計平臺上，前端的物聯網技術能夠實時采集數據，后端的大數據分析中心對數據進行分析與處理，為企業(yè)的庫存管理決策提供支持。在分析大數據時代云會計對企業(yè)庫存管理在成本、控制、管理水平等方面影響的基礎上，結合大數據、云會計和物聯網的技術特征，考慮企業(yè)當前主要的庫存管理需求，本文建立了由云會計平臺、大數據分析中心、庫存管理等核心模塊組成的大數據時代基于云會計的企業(yè)庫存管理框架模型。企業(yè)庫存管理決策所需的庫房信息，如倉庫信息、貨位信息、物料信息、出入庫信息等，可以通過物聯網技術借助云會計平臺進行實時搜集；決策所需的其他大數據源，可以通過互聯網、移動互聯網、社會化網絡等多種媒介，借助云會計平臺從企業(yè)內部、交易所、事務所、外部市場、銀行等獲取。同時，經由大數據處理技術和方法（Hadoop、Storm、PentahoBI等）規(guī)范所獲取數據，并通過ODS、DW/DM、OLAP等數據挖掘與數據分析技術提取企業(yè)進行庫存管理決策所需的財務與非財務數據。大數據分析中心對企業(yè)庫存管理的入庫信息、調撥信息、出庫信息進行分析，以此來支撐庫存管理模塊，為采購入庫、庫房調撥、銷售出庫階段實時、準確的決策提供了依據。
（一）采購入庫在采購入庫階段
由大數據分析中心結合企業(yè)生產情況、外部環(huán)境等因素對采購計劃、采購數量、采購時間、物流過程等相關采購流程的影響，就公司所接訂單、產品或服務的生產周期以及交貨的時間等進行分析，并針對企業(yè)歷史數據的分析以及對供應商信用程度、產品質量、產品價格等的綜合分析，制定出《合格供應商名冊》向企業(yè)推薦最優(yōu)供應商。采購部門則根據分析結果按照企業(yè)需求制定出科學的采購計劃與選擇適合并滿意的供應商。完成供應商選擇之后要進行簽訂采購合同、發(fā)出訂購單，供應商確認訂購單、根據訂單交貨等步驟，這一過程需注意明確合同內容，明晰產品信息與雙方責任。在最后一個部分即進料檢驗及入庫階段，由射頻識別技術（RFID）識別出產品的品牌、規(guī)格、型號以及供應商的檢驗合格標識（在物聯網技術下，產品都帶有唯一電子標簽）之后方可入庫，若有檢驗不合格者，根據標簽自帶的生產信息退回至供應商處，并根據采購合同的條款或退換貨物或進行賠付，退換后的貨物同樣要進行這一系列的檢驗過程，直到合格后入庫。
（二）庫房調撥在庫房調撥階段
模型采用完全共享策略，即某倉庫庫存水平一旦無法滿足當前訂單，而采用調撥方式可滿足時，可從其他點調撥，要求調撥點的當前庫存能滿足需求點的訂單需求量。由于云會計前端的物聯網可以得到企業(yè)各倉庫的庫存信息，這樣在任何倉庫發(fā)生存貨預警時，都可以向后端的大數據分析中心實時反饋請求調撥信息。對請求調撥信息進行分析之后，按照最小費用策略確定存貨的調撥點與調撥量，并向該倉庫調撥信息，以此在各倉庫間完成存貨的相互補給。在各倉庫不能滿足庫存需要或者調撥成本過高時，庫存信息將直接向總部反饋，由總部完成存貨的分配。最后將調撥結果經由大數據分析中心向倉儲管理部門進行匯報?；谠茣嫷膸齑嬲{撥模塊將企業(yè)的分布式庫存連成了一個有機整體，不再是單獨的倉庫管理，可滿足大中型企業(yè)庫存實時性的問題，便于整體優(yōu)化及一體化管理。大數據分析中心為各倉庫的信息共享提供了技術支撐，物聯網技術的運用為掌握各倉庫的實時信息提供了有力保障，可為企業(yè)節(jié)省時間與成本。
（三）銷售出庫針對企業(yè)的銷售出庫
銷售部門根據經由大數據分析中心分析之后的客戶訂單向指定的倉庫下達發(fā)貨指令，當指定倉庫接收到發(fā)貨指令之后帶有RFID的貨物將發(fā)往指定地點，同時，貨物的地理位置信息與其他信息等由帶RFID技術的物聯網通過大數據分析中心向倉儲管理部門實時反饋，以確保貨物的安全以及了解物流信息。在貨物到達指定地點后，將會再次向大數據分析中心反饋信息，并向倉儲管理部門與銷售部門發(fā)送貨物安全送達的信息，從而完成整個出庫過程。
三、結語
會計信息化是我國“十二五”期間會計改革與發(fā)展的重要內容之一，也是很多企業(yè)提高會計系統(tǒng)效率的有效途徑.會計信息化是信息社會的產物，是將計算機、網絡通訊等先進的信息技術引入會計學科，促進企業(yè)會計系統(tǒng)網絡化發(fā)展的過程.大數據的興起、云計算的增速和以云計算為基礎的云會計的應用為會計信息化的發(fā)展提供了技術支持和平臺.企業(yè)會計信息化的深度發(fā)展對于大數據的需要與日俱增.
1企業(yè)會計信息化的現狀
1.1、會計信息披露具有偏向性，導致信息不對稱
傳統(tǒng)的會計信息系統(tǒng)會誘使企業(yè)選擇特定的會計方法而造成企業(yè)管理人員利用自身是信息提供者這一優(yōu)勢，不斷地美化會計報表，這對于外部使用者而言是非常不公平的.
1.2、內部自我約束能力弱，導致數據不真實
在傳統(tǒng)會計信息系統(tǒng)下，一些企業(yè)為了眼前經濟指標的提升或者任務的完成，常常通過人為調整會計報表來應付各機構的檢查，自我約束能力弱，數據失真.還有很多企業(yè)對現有的政策法規(guī)鉆空子、打球的現象屢禁不止.聘請的第三方審計機構也本著“企業(yè)利益最大化”的審計目標，對企業(yè)不真實的數據進行舞弊，以點蓋面.
1.3、核算量大，導致信息披露不完全
傳統(tǒng)的會計信息系統(tǒng)下，會計的信息系統(tǒng)發(fā)展越來越不能適應高速發(fā)展的經濟業(yè)務，很容易造成信息披露不完全.信息經濟時代下，應該更多的提供企業(yè)未來價值的知識資源，而不是沉浸在企業(yè)過去的財務數據中.
1.4、企業(yè)信息數據單一，導致信息缺少指導性
傳統(tǒng)的會計信息系統(tǒng)主要是對企業(yè)財務信息的反映，往往忽視了非財務信息.企業(yè)自身變化的社會經濟形勢要求我們不能只依靠過去的財務數據對未來發(fā)展做出預測.對企業(yè)未來的發(fā)展預測用某些非財務信息可能會更加合理.如企業(yè)的環(huán)境成本、社會責任等信息都需要非財務信息的提供.
1.5、信息傳遞滯后，導致會計信息缺乏時效性
傳統(tǒng)的會計信息系統(tǒng)采用先發(fā)生交易事項后進行記錄的程序，無法滿足當代企業(yè)對信息時效性的要求.企業(yè)以及社會各機構、投資者越來越需要了解隨時發(fā)生的財務信息，對其進行更好的決策，這就要求企業(yè)不定期的提供會計信息，對于會計期間的定義也不再以年為單位了.因此，現有的會計信息滯后的時效性嚴重影響使用者的需求和投資者的決策.綜上可知，傳統(tǒng)的會計信息系統(tǒng)逐漸出現了不適應當今經濟發(fā)展的事態(tài)，高效、全面的信息化系統(tǒng)變得越來越重要.在大數據時代下會計信息的不斷創(chuàng)新，快速發(fā)展勢在必行.
2大數據對企業(yè)會計信息化的促進作用
大數據時代下，對會計信息化的促進作用主要表現在：信息結構更加客觀，既強調了會計信息的精準性，又不失相關性；財務會計信息管理的程序化；會計人員工作轉向宏觀信息管理；多元化的計量單位.在大數據時代下非結構化數據成為主導，在會計信息中可以更好的融合結構化和非結構化數據，更好的提高數據的相關性，并且不會人為的進行舞弊.程序化的會計信息管理也將出現，財務部門逐漸將不再作為一個部門，而是作為一個類似于“企業(yè)”的獨立個體，數據的獲取可以不通過部門的上報來實現，而是通過財務部門設定的獨立軟件獲取，這也提升了財務本身的獨立性，同時也可以為其他部門提供共享服務；財務部門不需要對數據進行處理，而是轉變成為數據的使用和管理者.在大數據時代下，多元化的計量單位將會出現，會計計量單位會出現相關的時間、數量單位等.
3大數據時代下會計信息化面臨的挑戰(zhàn)
大數據時代下，企業(yè)會計信息化系統(tǒng)是通過互聯網來實現與客戶、供應商、銀行、稅務等機構互通的，其提高企業(yè)財務管理效率的作用是顯而易見的.但目前因為大數據的發(fā)展尚未成熟，這就為會計信息化的快速發(fā)展帶來了較大的挑戰(zhàn).
3.1數據的來源以及處理方式
大數據時代下最令人關注的問題就是數據從何而來，以及數據的處理方式.①美國數據科學家維克托•邁爾•舍恩伯格在《大數據時代》一書中提出，“以前一旦完成了收集數據的目的之后，數據就會被認為已經沒有用處了.比如，在飛機降落之后，票價數據就沒有用了；一個網絡檢索命令完成之后，這項指令也已進入過去時.但如今，數據已經成為一種商業(yè)資本，可以創(chuàng)造新的經濟利益.”大數據時代下，數據的來源無孔不入，互聯網平臺上的任何一種資源都可以成為其來源方式.網絡平臺對用戶使用的信息一覽無余，一個簡單的第三方軟件就可以知道我們需要什么，需要何種服務，經濟狀況如何，經常偏愛哪種東西等等.企業(yè)在云端儲存的數據對于云端后臺的信息維護人員來說，獲取變的輕而易舉.防止惡意程序以及提高用戶的安全系統(tǒng)，保護數據的隱私是很難解決的問題.在通過各種方式獲取了用戶的數據信息之后，要用這些數據干什么以及如何使用就成了關鍵性問題.大數據時代下的信息處理是通過特定的程序來完成的，這樣的結論更加客觀，同時結論的得出也具有局限性.大數據理論過于依賴數據的匯集，那么一旦數據本身有問題，就很可能出現滿盤皆輸的局面，因為數據的問題，做出的錯誤預測和決策，導致一個數據有問題，由此相關的數據而產生的信息本身都是問題所在.這對于數據來源的要求是非常高的，一旦有提供者造假，大數據帶來的危害是不可忽視的.
3.2傳統(tǒng)用戶對云計算、云會計的排斥
對于不知道云計算如何使用、互聯網軟件能帶來什么效益的用戶來說，這項工作還是很難完成的，大數據的推廣受到了很大的阻礙.對于云會計更廣泛的應用，改變傳統(tǒng)的用戶觀念以及現有的會計信息系統(tǒng)，使網絡平臺更容易被用戶所接受是一個非常艱難的過程.
3.3超滿負荷的網絡傳輸問題
大數據時代下，會計信息化系統(tǒng)必須依賴于網絡，這就要求企業(yè)應具備一個良好的網絡傳輸環(huán)境.就目前而言，網絡的堵塞和數據的延時都是大量的數據存儲和數據交換造成的，超滿負荷的數據傳輸成為會計信息化中的一個瓶頸，網絡技術的發(fā)展目前還不能完全滿足包括網絡自我恢復、故障檢測、問題警告等功能的實現.
二大數據時代下會計信息化所面臨問題的解決建議
大數據對會計信息化的影響是一個漸進的過程，在這個過程中，財務工作者應該積極把握大數據時代給我們帶來的機遇和挑戰(zhàn).針對大數據時代下會計信息化面臨的問題提出如下建議：
1建立并掌控企業(yè)的核心數據
提供可靠的云會計服務平臺.大數據會計的服務數據是基于云儲存平臺上的，雖然數據安全機制都很高，但對于企業(yè)的會計與經濟信息的完全控制并不能保證.因此，企業(yè)在選擇使用云會計模塊時應當根據自己的實際情況判斷其可行性，對于重要程度高的信息應合理判斷是否應該交由數據服務商管理.對于企業(yè)會計信息化的實施安全性而言，數據服務提供商的選擇是至關重要的，要在對提供商的綜合評價之后再進行決定.為保證云會計服務的安全穩(wěn)定，企業(yè)可根據自身業(yè)務需求靈活地進行模塊組裝以及完善的技術支持，企業(yè)的云會計應該適合自己的特色.除此之外，為了防止會計信息的濫用，對于每一個可接觸信息的人都要進行身份驗證，并且對安全級別進行評估.
2進行高效的企業(yè)機構設置變更
由于傳統(tǒng)會計的深入人心，企業(yè)云會計的推廣還是非常困難的.解決這一問題可以考慮當云會計引入之后，對機構設置進行變更，讓每一個財務人員都能感受到這一改變帶來的高效性.企業(yè)應結合自身的實際情況，設置最適合企業(yè)云會計應用的高效組織機構.
3有選擇性地進行云計算
一般認為，大數據是由數量巨大、結構復雜、類型眾多的數據構成的數據集合，是基于云計算、通過數據整合共享、交叉復用形成的智力資源和知識服務能力。通常認為它具有下述“四V”特征：
1.1數量大（Volume）。大數據的數據量級已發(fā)展至PB（1000T）、EB（100萬個T）乃至ZB（10億個T），可稱為海量、巨量乃至超量。
1.2速度快（Velocity）。大數據往往表現為高速實時數據流，時效性非常高。因此對處理工具的要求很苛刻，軟件工程、人工智能、機器學習等都應引入。這是區(qū)別于傳統(tǒng)數據最顯著的特征。
1.3多樣化（Variety）。數據種類繁多，形式多樣。包括各種信息及其網頁、圖片、音頻、視頻、圖像與位置等存在方式。
1.4價值高（Value）。大數據數量越龐大，價值越高，真實性、可靠性越強。但同時無效信息也越多，需要通過強大的機器算法對數據迅速地“去粗取精”，否則也只能望洋興嘆。
2大數據對科技咨詢業(yè)發(fā)展的影響
2.1拓展業(yè)務空間大數據信息對應的是高速實時數據流。這些數據流往往能產生難以想象的作用，其能量也將被層層放大，還有可能在另一個看起來毫不相關的領域得到應用。大數據環(huán)境下的科技咨詢就將具有全球性、戰(zhàn)略性意義，業(yè)務范圍和服務空間都將得到迅速拓展?？萍甲稍兏飨嚓P要素，如科技資源、科技人才、創(chuàng)新需求、創(chuàng)新環(huán)境、創(chuàng)新成果等的疆界，將受到大數據浪潮的沖擊。同時，落后地區(qū)和難以涉獵領域的業(yè)務也將在其帶動下快速提升。
2.2規(guī)范咨詢決策大數據將改變科技咨詢決策方式，使其進入“數據驅動型”決策模式。因為面對大數據的潛在價值，決策者不僅要使用新的技術，還要改變目前的決策過程，政府也將更有效率、更加開放、更加負責。因為引導政府決策的是基于實證的事實，而不是意識形態(tài)，也不是利益集團在政府決策過程中施加的影響。
3大數據環(huán)境下科技咨詢業(yè)發(fā)展道路
從上面的分析不難看出，大數據將給科技咨詢業(yè)帶來無限的生機和活力?？萍甲稍儤I(yè)應搶抓機遇，跨越發(fā)展，走規(guī)?；?、信息化、科學化、現代化的可持續(xù)發(fā)展道路。
3.1挖掘大數據，促進規(guī)?；l(fā)展我國科技咨詢業(yè)規(guī)模較小，究其原因，一是咨詢市場還沒有完全放開，市場主導地位沒有顯現，資本缺乏信心。二是科技咨詢價值沒有得到廣泛認同，潛在需求得不到釋放。三是現有機構沒有形成專業(yè)分工和自主品牌，無法帶來規(guī)模效應。然而，在大數據時代，最重要的生產資料———數據將自由地流動起來，推動知識經濟和網絡經濟的發(fā)展，傳統(tǒng)經濟體制機制對科技咨詢業(yè)的束縛將大大減輕，“得數據者得天下”將成為共識，市場將發(fā)揮主導作用，吸引大量資本進入，促使機構快速升級。同時，隨著競爭的加劇，咨詢質量、咨詢價值必將得到提高和認同，潛在的需求必將迸發(fā)。
3.2利用大數據，加快信息化進程目前我國科技咨詢信息化建設大致經歷了計算機初步應用、管理信息系統(tǒng)應用和互聯網技術應用三個階段。隨著時代的發(fā)展，大數據將掀起新一輪信息化革命。科技咨詢業(yè)必須充分利用大數據技術，在政府引導下，進一步完善信息化工程，建立基于大數據的科技咨詢信息平臺，實現在虛擬空間中不同信息資源的快速整合與對接，提高咨詢要素使用效率和運行主體工作效率。
3.3憑借大數據，提高科學化水平大數據的客觀實在性和真實可靠性并存。對大數據進行深度挖掘，可以提高科技咨詢科學化水平。首先，基于大數據，科技咨詢信息的真實性有了更大的保障。其次，依據大數據特征，可幫助制定更為科學的咨詢戰(zhàn)略、方案和計劃，同時降低過時咨詢、無效咨詢的風險。再次，基于大數據，科技咨詢具有更強的針對性。咨詢師可以深度分析、挖掘最高管理者的知識結構、創(chuàng)業(yè)經歷、行為習慣等信息，準確把握其管理理念。最后，通過對大數據的分析、挖掘與利用，可最大程度地減少因數據不全而帶來的負面作用。
3.4依托大數據，實現現代化轉型隨著時代的發(fā)展，傳統(tǒng)的咨詢工具、內容、形式、速度、效率等越來越不能滿足現代社會發(fā)展的需求。依托大數據，可以實現科技咨詢向現代化轉型。首先，大數據環(huán)境促使科技咨詢必須運用現代化咨詢工具。如，大數據的超大量級迫切要求科技咨詢設備現代化、信息數字化。其次，大數據促使科技咨詢內容、形式現代化?，F代社會工作、生活節(jié)奏很快，簡潔實用、形式新穎是對科技咨詢工作的新要求。形式多樣的大數據正好為科技咨詢提供了便利。再次，快速、高效是現代化的重要特征，而高速實時的大數據則要求科技咨詢處理工具快速演進、高效運行。最后，大數據的基本特征決定了科技咨詢必須進行全方位的改革創(chuàng)新，緊跟現代化發(fā)展步伐。大、多、真、快、稍縱即逝的大數據要求科技咨詢必須借助移動互聯、云計算、軟件工程、人工智能、機器學習等手段，優(yōu)化資源配置，建立高智能科技咨詢協(xié)作平臺，向科技咨詢現代化邁進。
4總結
英國NFI項目每年均對上個財政年度的數據分析和對比情況出具審計報告，不僅橫向對比各行業(yè)數據欺詐的件數和金額，還縱向對比近年來的變化情況。一方面勾勒出欺詐問題出現的高風險重點行業(yè)和重點領域，為審計項目的選擇鎖定重點；另一方面動態(tài)反映數據欺詐問題的變化趨勢，不僅發(fā)現問題，還有針對性地跟蹤某類欺詐問題是否得到了遏制，已經發(fā)現的問題是否得到了有效整改。我國審計始終強調全面審計、突出重點，但是如何發(fā)現和突出重點卻一直是審計實踐面臨的難題。不但可以通過大數據的匯總、統(tǒng)計功能對被審計單位的情況進行總體把握，還可以通過橫向、縱向對比，聚類、關聯分析，發(fā)現存在虛報冒領、擠占挪用、重復申報、截留套取等違法違規(guī)問題的高發(fā)行業(yè)、領域、環(huán)節(jié)、單位和部門，為審計延伸提供精確制導的坐標，為審計項目計劃提供確切實在的依據。
二、大數據分析是績效審計的利器
英國NFI通過大數據分析，不僅發(fā)現個案問題，還對同類問題的產生原因進行分析，促使相關部門和單位完善制度，堵塞漏洞，提高公共資金的使用效率和效益。近年來，隨著我國財經制度的不斷完善和加強，違反財經紀律、違法違規(guī)的問題得到了很大遏制，國家審計在繼續(xù)查處違法違規(guī)性問題的同時，也十分注重對公共財政資金使用績效進行審計。通過大數據集中分析平臺的關聯分析查詢，能夠從整體層面高效、便捷地發(fā)現諸如公共財政資金滯留的具體環(huán)節(jié)、時間；發(fā)現公共財政資金投向不符合產業(yè)政策導向；發(fā)現財政專項資金分配在地區(qū)和部門間存在的不均衡、不合理；發(fā)現財政投入的建設項目存在的進度滯后、效益與預期不符等問題。大數據提供的證據與審計抽查相比，能夠更加全面、客觀地反映某項公共財政資金產生的整體效果和存在問題。在此基礎上提出的審計意見和建議，更加充分、準確和有針對性，更能促使相關部門和單位完善制度、落實責任、加強管理，更好地實現公共財政資金的價值。
三、如何構建審計大數據平臺
1.通過立法為建立審計大數據集中分析平臺奠定基石。英國NFI的數據收集和分析工作是依據2008年7月21日修訂的數據配比法案進行的，法律授權使英國審計委員會將數據收集、整理、分析等工作成為常態(tài)，這是審計開展大數據分析的基石。目前，我國審計法授予了審計機關在審計期間獲取被審計單位數據的權力，但是審計項目是單個開展的，各被審計單位之間的數據不能完全地相互關聯，形成了一個個數據孤島；并且，審計項目一結束，被審計單位就不愿意繼續(xù)向審計機關提供數據，難以對被審計單位進行持續(xù)的審計監(jiān)督。借鑒英國的經驗，我國應當從法律層面明確屬于國家審計范圍的政府部門、企事業(yè)單位、公共機構，以及使用公共財政資金的企業(yè)、單位等應當定期向審計機關提供電子數據，為國家審計進行大數據分析創(chuàng)造條件，從根本上解決目前存在的數據收集難、不完整、時效性差等問題，將一個個數據“孤島”連接起來，在此基礎上進行深入的關聯、對比和分析，真正發(fā)揮信息時代大數據的強大作用。
2.建立統(tǒng)一的數據格式標準。英國NFI項目的數據涉及相關政府部門、醫(yī)院、學校、養(yǎng)老金管理機構、房屋管理機構、銀行、部分私營企業(yè)等，提供的數據包括單位財務數據、單位業(yè)務數據、部分員工個人數據等，所有提供的數據均按照NFI項目指定的數據格式范圍。NFI收到各單位上傳的數據后，只需經過少量的數據清理，就可以整合到數據集中分析平臺中，對不同部門、機構、單位的數據進行對比分析。在信息化高度發(fā)展的今天，我國應當由審計部門牽頭，工信部、協(xié)會、高校等合作，建立統(tǒng)一的數據共享接口，在現有的審計署財務數據接口的基礎上，擴充和整合管理數據、業(yè)務數據等信息，實現大數據兼容匹配。
