時間：2023-05-25 10:48:27
緒論：在尋找寫作靈感嗎？愛發表網為您精選了8篇數據分析的前景，愿這些內容能夠啟迪您的思維，激發您的創作熱情，歡迎您的閱讀與分享！
【關鍵詞】環境監測數據；分析；重要性
1.環境監測數據的特征及重要性
1.1環境監測數據的特征
環境監測數據規定了每一次監測獲得的數據的可使用范圍，超出該范圍得出的數據就被視為是不合格的。這是因為監測數據是具有局限性的，這種局限性是為了保證監測數據的準確性與可靠性。同時，對于監測獲得的數據要求具有完整性，不應該有缺失或是遺漏的現象。對于在規定范圍內的監測數據，如果這些數據不僅具有代表性，還具備完整性，那么就達到監測的目的了[1]。
1.2環境監測數據的重要性
環境監測的重要性在于它能為環境的管理、規劃、評價等提供科學、有力的依據。出于對我國正處于經濟高速發展階段的考慮，我們對環境監測應給予更高的重視。一般來說，環境監測數據的質量以及分析能力的高低可以反映出一個監測站工作能力，也體現了該監測站在環境保護工作所處地位的高低。
2.對環境監測數據的填制及整理要求
對于監測獲取的相關圖標和原始數據，要進行適當的整理和歸類，以便后面的工作可以更加有利地開展與進行。在填制監測數據時就應該選取標準的記錄表格，在填寫時要盡量的專業化、規范化，并且要保證書寫清晰、準確。對于原始數據的檢查，要逐個地進行、確認，將那些不能真實地反映監測情況的數據去掉。這樣做的目的是為了將數據整理得更有條理，更有實用性，減免不必要的反復檢查，影響工作效率的提高。同時，還有一個問題需要注意，那就是作為監測數據確認的負責人不可以直接參與監測數據的采集工作[2]。
3.對環境監測數據的分析
環境監測是一種以環境作為對象，運用物理、化學和生物等技術手段，對污染物進行定性、定量和系統的綜合分析，它是環境評價中的重要環節，貫穿環境影響評價的整個過程。
3.1利用統計規律進行分析
環境監測是以統計學為基礎的，因此，這種分析方法經常被監測人員采用。這種分析方法包含了對環境要素的質量進行各種數學模式評價方法對監測數據進行解剖，利用它的內在規律性進行分析和利用，進而得出相關的論斷。這種方法在環境規劃、環境調查和環境評價的工作中使用較多[3]。
3.2通過對污染源的監測值來分析
監測人員可以通過對污染源的監測數據進行分析。其實，對污染物的監測對象不僅僅限于空氣、地下水、土壤等，還有一個人們經常說的工業污染源。工業污染是有多種的，不同行業的工業就會有其不同的污染物產生。比如，對于化工行業來講，它排出的有機物含量種類就較多多，而金屬物質相對就較少一些；金屬行業排出的污染物是有機物含量較少而金屬物質含量較多等。如果在一個金屬行業排除的廢棄物中監測得出的結果顯示是具有較多有機物的，那么對于這組監測數據應該重新考慮和分析，并從中找出原因。這也說明了一個問題，那就是監測人員在日常的工作當中要對管轄區內的生產企業相關情況進行了解，要根據不同的行業有針對性地選擇相應的監測項目來監測這些污染企業，實行對他們的有效監督[4]。
3.3根據事物之間的相關性原理進行分析
這種分析法主要是基于事物本身具有的相互關系的原理來來進行的。一般來說，兩個或者兩個以上的監測數據之間往往會存在某一種的固定聯系，監測人員可以根據這種固定的聯系去分析數據之間的相關聯系，也可以對單個已經實行控制質量措施的監測數據進行檢測，驗證是否正確。而對于一些例行的監測數據，則可以得出較為直觀的判斷。比如,氟含量跟硬度之間的關系。由于F與Ca、Mg形成沉淀物得容積度比較小,所以,在中性和弱堿性的水溶液當中,如果氟含量是在(mg/ L )級的,那么它的氟含量與Ca、Mg的含量就是呈顯負相關的現象,也就是說跟硬度值是負相關的。因此，在高氟區內得出的水質監測結果顯示的硬度監測值一般會比較低。如果獲得的氟含量較高,得出的硬度監測值也很高,那么這類監測數據就需要進行重新分析[5]。
4.結語
隨著我國環境保護的不斷深入，監測人員要在使用各種分析方法的同時不斷地去提嘗試新的分析方法，要在原來的基礎水平上更進一步地提高自己的綜合分析能力，對提供的監測數據要有一種精益求精的精神，爭取提供的數據更可靠更合理，業務技能不斷地有新的進步。由于獲取的環境監測數據與區域的過去和現在都有密切的聯系，因此，監測人員要對監測區域的過去和現在的環境狀況都要進行深入的了解和分析，在了解的基礎上展開全面的探討，這樣才可以保證獲取的監測數據更全面，更有說服力，質量更有保證。
參考文獻
[1]葉萍.淺論環境監測數據的綜合分析方法[J]中國環境管理干部學院學報, 2009, (01) .
[2]郭琦.環境監測在環境影響評價中的意義與建議[J].科技風, 2010, (15)
[3]孫曉雷.我國環境監測質量管理體系研究[J].科技傳播, 2010, (15)
關鍵詞：家具設計；室內裝修；色彩心理；藝術氛圍
中圖分類號：J05 文獻標識碼：A 文章編號：1005-5312（2012）36-0218-01
一、室內陳設環境對藝術環境的塑造
室內環境的主要布局之一是家具的選擇與陳設，這是室內裝修一個重要的環節。通常而言，室內陳設還包括許多重要的細節：如陳設的環境、裝飾的紋樣、器物的造型、飾品的表達以及色彩的搭配。每一個細小的環節，都決定了室內環境的成敗。室內陳設設計對于改善、優化室內環境起著非常重要的作用。具體體現在以下三個方面：
（一）創造溫馨和諧的室內環境
在現實中很多建筑以密集的鋼架、成片的玻璃幕墻、光亮的金屬板材充斥室內空間，這些材料所表現出的生硬、冰冷的質感，容易使人們對空間產生了疏離感；而其他許多建筑則以刻板的線條、生硬的界面構成單調冷漠的空間形態，也使長期生存在其中的人們感到枯燥與厭倦。因此，豐富多彩的室內陳設以其絢麗的色彩、生動的形態、無限的趣味，給室內空間帶來一派生機，有效地改善了室內的空間形態，柔化了空間感覺，沖淡了工業文明帶來的冷酷感，能給人們以情感的撫慰。例如書房的布置，通常都是一張簡單的書桌、一個單調的書架。這樣簡單的室內陳設未免太過單調，也容易讓人產生厭倦感，而無法體味到書房帶給人的安寧與溫馨的感受。因此，如果在書房中，適當的穿插一些古詩古畫、并且有條件的能夠裝裱一副名家書法，這自然能增添書房之中的書香氣息。而如果一味的附庸風雅，不論陽春白雪，只是在書房中簡單的羅列各家名帖，彰顯主人的富有，這自然起不到營造藝術氛圍的目的。
（二）突出室內空間風格，營造宜居人文環境
室內空間有各種不同的風格，陳設品的合理選擇與陳設，對于室內空間風格的形成具有十分重要的影響。因為陳設品的造型、色彩、質感等都具有明顯的風格特征，能夠突出和強調室內空間的風格。一般而言，一個居家環境的好壞往往在客廳可見一斑。而客廳中最顯眼的莫過于電視幕墻以及酒柜的裝飾。一個溫馨和諧的家居環境，必然給人帶來一絲愜意的感受。電視幕墻的裝飾顯得尤為突出，很多的家庭沒有利用其電視幕墻的良好空間，幕墻的色彩搭配很不恰當，令大大的一片空間顯得突兀而又缺乏生機。鑒于此，鄙人認為，家庭的氛圍應該是溫馨與融洽的，因此，電視幕墻的色彩應該以暖色調為基礎，色彩不宜太過絢麗，要以橘紅、黃色以及相近的其他顏色搭配，形成一種心理上的親近感；而且電視的左右應該留有一定的空隙，讓電視機與周圍飾品擁有一定的空間距離感，才能產生和諧的美感。
客廳中酒柜占據十分顯眼的位置，酒柜的飾品搭配不當，容易造成疏離感。在中國人的文化氛圍中，有“無酒不成席”之說。因此，酒柜上若是要彰顯自身本土文化氣息，就應當以白酒為尊，而如果是崇尚西歐北美風情，自然要以洋酒為主。不同的喜好，決定了不同的裝飾樣式。中國文化的酒柜要以古樸簡約為主，體現我們國家厚重的歷史文化氣息，而西歐北美文化風情，則要以浪漫鮮活為綱，彰顯小資與舒適風格。
（三）體現室內環境的地域特色，彰顯不同地域的風土人情
現在許多陳設品的內容、形式、風格都體現了地域文化的特征。因此，我們在進行室內設計時，不但要通盤考慮整體的環境與藝術氛圍的塑造，還需要表現出特定的地方特色時。這主要通過陳設設計來滿足特定地域文化的生活形態。
例如現在的江南風格就很受大眾的歡迎，許多的家居設計就在這個方面進行了大量的模仿。其實一個地方有一個地方的特色，刻意的模仿反而不能體現自身的地域特色。江南風情的流行，一方面是其特有的江南韻味，另一方面也離不開房產開發商的炒作。就家居宜人環境來說，江南的溫婉婉約的風格的確是藝術氛圍濃厚的一種體現，紅木家居的陳設，綠色盆栽的襯托以及陽臺櫥窗的別致都別具一般風情。因此，打造宜人宜居環境要根據個人的審美取向以及地域特色傾向，才能將個性、愛好以及文化修養在家庭的環境中得以很好的體現。
二、結論
本文從家具設計和陳設，以及室內裝修飾品對家居環境的影響入手，分析了藝術氛圍的營造需要的藝術思維與眼光，最后重點解析了室內陳設環境以及不同地域文化特色對藝術環境的營造的重要作用，肯定了藝術與生活相互融合的主題。
參考文獻：
[1]龔靜芳.淺談室內裝飾環境的藝術氛圍營造與陳設布置[M].環境藝術.
[2]李樹森.談裝飾繪畫與室內空間的關系[M].美術大觀，2008（4）.
我看到過很多討論數據產品的文章，但大家基本沒有統一的認識，對概念的理解也不太認同，所以這里想簡單寫寫自己的觀點，主要內容也是不會在其它網文看到的一家之談。
一、什么是數據產品
要談清楚數據產品，首先不可回避的“俗套問題”便是數據產品的定義認知。我的理解是：廣義來看，數據產品是可以發揮數據價值去輔助用戶更優的做決策(甚至行動)的一種產品形式。它在用戶的決策和行動過程中，可以充當信息的分析展示者和價值的使能者。從這個角度講，搜索引擎、個性化推薦引擎顯然也是數據產品，由于產品形態已經比較成熟，所以很少被人劃分到數據產品的概念里，另外，這類產品往往大都在數據外面穿了一層外衣，使非專業的用戶并不能直觀的感受到數據的存在。
除此之外的，便是狹義范疇的數據產品，比如大家熟知的淘寶數據魔方、百度指數、電商的CRM平臺、各種公司內部的數據決策支持系統等都是數據產品，我后面會有個結構化的分類介紹。
二、為什么會有數據產品
人們日常的商業活動都是“決策”和“行動”的螺旋上升過程及交織在一起的子過程，主過程里的決策表示內心拿定一個主意要怎么做，要達到什么樣的目標，行動是具體的執行過程，比如用戶要解決出行不方便的問題，他的主決策可能是“買一輛適合自己的轎車代步”，而在具體行動過程中，馬上又會面臨“買什么車”、“在什么渠道買”等子決策問題。
所有的決策以及行動中的子決策過程都是基于“某種參考”的，最簡單的參考可以是自己的直覺，好一點會依賴“過來人”的主觀經驗，但拍腦袋決策越來越難，所謂專家也屢屢被打假;而最優的決策需要依靠“證據”，定量的證據即時數據，隨著數學、統計學、計算機科學的普及，數據在決策優化過程中的價值越來越大，在大數據時代尤其如此。
決策過程中，數據的價值可以通過什么來體現?不外乎三種：a.數據本身、b.數據服務、c.數據產品。舉個例子來說，如果某用戶想知道明天的天氣是否適合出行，他可以直接看明天的氣溫數據，這個就是數據本身在發揮價值;他也可以咨詢相關的數據分析師或咨詢顧問，由他們提供人工的數據服務或解決方案來判定明天的天氣;第三種方式便是使用數據產品，它把數據、數據模型以及分析決策邏輯盡可能多的固化到一個軟件系統中，以更自動化、更準確、更智能的方式來發揮數據的決策價值。
三、數據產品的分類
在狹義的范疇里，從使用用戶來看，可以是企業內部用戶，外部企業客戶，外部個人客戶等。從產品發展形態來看，從最初的報表型(如靜態報表、DashBoard、即席查詢)，到多維分析型(OLAP等工具型數據產品)，到定制服務型數據產品，再到智能型數據產品、使能型數據產品等。數據型產品經理的前世今生，互聯網的一些事
由于報表型數據產品過于蒼白、可視化能力有限，而多維分析型數據產品更適合于專業的數據分析師而不是業務或運營人員，使用局限性也越來越大，所為未來的趨勢可能是定制服務式和智能式的數據產品。
所謂定制服務型數據產品，是基于用戶的深層次需求，構建最適合當前業務痛點的數據模型、產品設計、可視化方案等。在這里數據產品充當的更像是服務提供者，而不是一個通用的工具。
智能型數據產品則會更多的將大數據的智能性融入產品，并與決策邏輯結合起來，發揮作用。比如，你可以有一套傳統的會員營銷系統，允許你按自己的規則篩選目標用戶;而也可以在更智能的數據產品中這樣來實現：輸入你的營銷目標及參數，比如要開展雙十一母嬰市場的促銷活動，系統可以基于以往海量數據計算出應該選擇什么品類的商品，在什么用戶群中，以什么形式開展活動效果會更佳。
現有的大多數數據只是告訴你現在或未來的情況是怎樣的，問題痛點出現在哪里，但卻不能給出更完善的建議，甚至支持一個建議的執行。使能型數據產品要做的就是這樣的工作，它不僅可以告訴你，哪些用戶流失的傾向性大，還可以直接引導用戶展開后續補救的執行流程，哪些細分群體需要通過促銷活動刺激，哪些需要服務關乎，哪些需要為他提供專享的VIP業務，哪些需要更好的互動等等。
四、數據產品需求把握的特殊性
一個真正好的數據產品要首先把握一個核心——找到用戶的真正核心需求、痛點。這句話對于非數據產品的產品經理來說簡直就是天經地義的廢話。但對于一個數據產品經理而言，得來卻不那么容易，有其特殊性。
第一個特殊性，是需求層次特殊性，數據產品的用戶中往往會有很多內部用戶，他們對數據、數據分享、數據處理的理解和熟練程度各有不同，因此會提出各種不同層次的需求，概況起來大致包括：1).業務/管理需求;2).分析需求;3).數據需求。舉例來說，某電商要改善全體用戶的訂單轉化效率，這個便是第一類需求;為了完成此目標，會有很多工作要做，也會有很多分析需求隨之產生，比如分析商品詳情頁的跳出趨勢，便是第二列需求;而具體某某數據項的統計則屬于數據需求。最可怕的便是，需求方遇到了問題(第一類需求)，指定了錯誤的分析策略(第二類需求)，有提出了明確的數據需求(第三類需求)。而對于數據產品經理，從數據需求，引導出分析需求，進而介入反應具體痛點問題的業務/管理需求，是一門必修課。
第二個特殊性，是內部數據產品需求方的特殊性，企業內部的數據產品的用戶，既是是用戶，也是自己的同事、朋友、領導、下屬，他們本身就對產品經理的決策權有一定的干預能力，需要產品經理去平衡“理想與現實”，你懂的。這種情況對于非最高決策者直屬的數據團隊而言，尤為嚴重。
五、數據產品的三個關鍵要素
我認為，要成就一個數據產品，需要關注三個關鍵要素：1).數據、2).決策邏輯、3).行動流程。數據型產品經理的前世今生，互聯網的一些事
數據的價值，毋庸置疑。它就像整體產品內部流淌的血液。具備什么樣的數據類型、數據周期、數據粒度，往往會決定你的數據產品可以提供什么服務。
決策邏輯是很多平庸的數據產品所欠缺的，它們只是簡單的、響應式的展示了需求方的報表。好的數據產品，應該可以幫助用戶思考，尤其是將平時用戶遇到業務痛點是的決策邏輯，部分或全部融合到數據產品后，可以可視化的、動態的、便捷的顯性化決策的過程，提高用戶的決策效率。
僅僅停留在發現問題、分析問題是不夠的，我們還需要對問題的解決能力，這就涉及到第三個關鍵要素——行動流程。舉個例子，當數據產品分析某個細分用戶群時，發現最近一個月其活躍度明顯下滑，那是否可以自動觸發一個營銷流程，基于用戶的特征，開展個性化的“行動流程”，并在流程中的各個環節發揮數據的價值。
六、數據產品與大數據的關系
非常不想寫這樣的踩著三俗概念的解釋性文字，因為大數據是一個被所有人提起，但幾乎所有人又不明白的概念。我在這里寫什么概念解釋都是錯的，徒增搜索引擎的“負荷”。
所以，還是回溯到核心價值角度來看：前面提到數據產品最大的價值在于輔助使用者優化決策，以及輔助決策價值的實現。如果把數據產品比作一臺機器的話，那數據就像這臺機器運轉的原材料。“原材料”+“處理過程”+“結果展示與應用”≈數據產品。
而大數據當然也屬于數據的范疇，它好比是一種更高效的原材料，可以提供更高效的價值(更多角度的、更深度的、更實時的信息與知識，尤其是預測性的知識)，“高效的原材料”+“高級的處理過程”+“高級的展示與應用”結果也是數據產品，當然你也可以土土稱之為“大數據產品”。
再舉個不專業的例子來理解：大家熟悉的“天氣預報”就是一個典型的數據產品，它的原材料可能有很長時間段的溫度、濕度、風力、日光強度、紫外線強度、PM2.5值、位置信息、衛星上的采集的各種數據、其它地面設備的各種專業的氣象相關數據(示例而已，專業人士請自行補充);對這些數據的篩選、清洗、分析、挖掘等一系列“處理過程”可以得到未來幾日在幾個核心氣象特征的數據值與概率(溫度、風力、陰晴雨雪等);而我們看到的天氣預報這款數據產品，則是將上述核心信息綜合到一起，賦予視頻+GIS的展示形式，以及復制大眾在“行動”方面的建議(出行建議、穿衣指數、洗車指數等)而成的。
而這種大數據結合數據產品發揮更大價值的例子身邊還有很多。試想，你如果能夠準確預知明天某只股票的漲跌趨勢，比費盡心思基于部分歷史信息總結出來的規律要有價值的多;你如果可以知道下個月哪些用戶會突然對母嬰類商品大宗采購，也會節省很多“千人一面”的傳統廣告費用。
【關鍵詞】電子商務 ；移動電子商務 ；移動電子商務運營模式
一、移動電子商務運營模式及特征
移動電子商務（M-Electronic Commerce）是近幾年隨著無線移動通迅技術發展，而新興起來的新型商務模式，它利用無線通訊技術和移動互聯網進行數據傳遞，通過智能手機、PAD和筆記本電腦等移動設備與企業電子商務平臺網連接來完成商務交易過程的新型商務模式。
傳統電腦平臺電子商務運營模式。傳統的電子商務運營模式以B2C、B2B和C2C為典型模式，以B2C網上商場模式為例，其運營模式如圖1所示：
圖1 B2C網上商場運營模式
移動電子商務運營模式。移動電子商務的運營模式是由移動電子商務交易參與者不同面產生不同的運營模式，具體有內容提供商運營模式、移動運營商主導模式、服務提供商運營模式、WAP移動門戶網關運營模式。下面以內容提供商移動電子商務為例說明其具體運營模式，如圖2所示。
圖2
移動電子商務運營模式區別于傳統電腦平臺電子商務運營模式的特征。移動電子商務是用戶通過移動終端設備瀏覽商品，這樣就能十分方便廣大移動商務用戶，進而撼動傳統電腦平臺電子商務的交易規模。區別于傳統電腦平臺電子商務業務，移動電子商務模式具有如下的特征：移動電子商務突破傳統電腦平臺時間和空間限制，極大地推動了電子商務銷售規模。移動電子商務由于用戶是通過移動終端設備瀏覽和選購商品，這樣就打破傳統電子商務用戶只能坐在電腦前固定時間購物時空限制，用戶能夠在象旅游乘車等任意時間任意地點通過移動商務設備實現網絡購物。移動電子商務由于用戶使用的是移動終端商務設備，交易更加方便、快捷，能夠極大提高電子商務交易效率。移動電子商務由于用戶通過移動終端設備瀏覽和選購商品，而不是只能坐在電腦面前完成交易，這樣就使電子商務從傳統單一固定電腦平臺端變為隨時隨地能方便用戶購物的移動貼身服務，從而能極大地提高電子商務的交易效率。移動電子商務由于使用移動終端設備使條碼掃描功能更為簡單，比價功能更為方便。移動電子商務用戶只要通過掃描在傳統超市中正在關注的商品條形碼，就可以通過移動設備收索該產品商場超市和超市商品報價，所以，移動電子商務通過掃描商品條形碼而實現商品的比價功能更方便實用。
二、移動電子商務運營模式面臨的問題
移動電子商務是電子商務時代新興的交易模式，各商家在風起云涌發展移動電子商務之時，也象日韓和歐美國家的移動電子商務發展一樣面臨著諸多挑戰和難題。
移動電子商務運營模式的競爭優勢。移動電子商務網絡不穩定連接不暢，服務內容不夠豐富。我國的移動無線網絡由于發展時間短，經常會出現網絡不穩定和連接不暢的問題，嚴重影響移動電子商務交易正常進行和消費者信心。移動終端設備屏幕格式多樣化和操作系統版本不統一，造成移動電子商務軟件平臺更新難度加大。移動終端設備屏幕格式多樣化和操作系統版本不統一，支付系統不統一，這些都給移動電子商務平臺軟件開發設置的一道道障礙。由于不同的移動終端設備屏幕格式和操作系統版本功能不一，這就使移動運營商搭建移動電子商務網站和商家更新移動電子商務軟件帶來相當大的難度。
三、大力發展我國移動電子商務的相關對策
加大無線網絡的建設和覆蓋力度，通力改進移動電子商務的服務內容和搜索服務功能。針對我國依托無線網絡的移動電子商務，經常會出現網絡不穩定和連接不暢的問題，應該加大無線網絡的建設和覆蓋力度；同時移動運營商和商家應通力協作，增加移動商務服務內容；真正把移動電子商務設計成界面友好，操作簡單，搜索快捷的電子商務平臺。
盡快制定移動電子商務終端設備屏幕格式和操作系統的規范標準，使移動電子商務終端設備的屏幕格式和操作系統盡可能標準化。
對移動電子商務所有交易環節設置比平臺電子商務更為嚴格安全防范措施。與傳統電腦平臺電子商務對比，移動電子商務由于采用無線通訊技術，因此可能會遭致更多諸如終端假冒、無線數據、交易擁堵等安全風險，為確保移動電子商務數據安全傳輸，就需要采用無線加密技術和無線公開密匙體系，以確保移動電子商務整個交易過程的安全可靠。
四、結語
移動電子商務是我國近幾年剛剛興起的新型商務模式，與傳統的電腦平臺電子商務相比，移動電子商務的商務環境和運營模式是明顯不同的，而我國現有的移動電子商務在發展中面臨著沒有國家統一標準，因此，必須盡快制定移動電子商務產業相關法規，使移動電子商務監管有法可依；增強移動電子商務網絡的穩定性和可靠性，并加大對移動加密技術的投入，真正發揮出移動電子商務產業蓬勃發展的優勢，使其真正能夠成為我國新的經濟增長平臺。
參考文獻：
關鍵詞：交換網 數據庫 SQL
1 背景資料
隨著交換網絡的不斷發展，對現有交換網絡網元監控及維護的要求越來越嚴格，需要建成一套處理能力強、功能豐富、傳輸速率高、擴展性強的先進交換網綜合網管系統，實現對交換通信網絡的集中管理、集中監控和集中維護。
由于交換網綜合網管監控全網所有交換局點，交換機機型的多種多樣性造成交換綜合網管收集交換局點上報的告警復雜多樣。鐵通公司現網程控交換機型主要有三種，分別為：華為機型、中興機型、貝爾機型。每天交換網綜合網管收集交換局點上報告警達到數萬條，交換網綜合網管收集告警多，而且種類也十分繁雜，這是由于交換機的廠家不同，造成同一類別告警在交換綜合網管上呈現的告警級別嚴重程度也不相同，而真正找出那些對交換網業務有影響的告警，就變得十分困難，這對告警分析工作造成很大的工作量，使告警分析工作的工作效率十分低。為了改變這一現狀需要對所有廠家交換機的告警進行告警標準化。
2 應對措施
告警標準化的含義也就是對廠家告警進行全量梳理，重新定義告警的級別、分類、影響等內容，實現不同廠家專業告警的統一定義、統一處理要求、統一管理，從而標準化故障管理。標準化告警內容如下表，其中網管告警ID是告警唯一標識字段。
3 數據庫應用
經過長期摸索及實踐，為了便于對交換網綜合網管收集的告警進行分析，我們開發了一套交換網綜合網管告警分析系統。該系統的組成及運作方式如下：
①采用MySQL數據庫進行告警及基礎數據管理。
②利用Kettle以每3小時一次自動抽取24小時內+手工抽取4小時內兩種方式獲得綜合網管系統告警數據庫的告警記錄。
③以局點、發生時間及告警描述為關鍵字，用“插入/更新”的方式裝載到分析系統。
④根據預先制定的關鍵字關聯篩選出重要告警。
⑤最后再按照局點及告警明細對首次發生時間、最后恢復時間、累計時長及發生次數進行歸集呈現。
所謂關系數據庫，是建立在關系模型基礎上的數據庫，借助于集合代數等數學概念和方法來處理數據庫中的數據。現實世界中的各種實體以及實體之間的各種聯系均用關系模型來表示。關系模型是由埃德加·科德于1970年首先提出的。現如今雖然對此模型有一些批評意見，但它還是數據存儲的傳統標準。標準數據查詢語言SQL就是一種基于關系數據庫的語言，這種語言執行對關系數據庫中數據的檢索和操作。關系模型由關系數據結構、關系操作集合、關系完整性約束三部分組成。
目前主流關系數據庫中付費的有Oracle、Informix、MS-SQL Server、Sybase、Access等；免費的有MySQL、PostgreSQL等。其中Oracle被稱為花錢的數據庫中功能最強的；而不花錢的數據庫中PostgreSQL號稱功能最強，但運用最廣泛卻是MySQL，而我們的交換網綜合網管告警分析系統是基于MySQL數據庫。
MySQL數據庫是一個中、小型關系型數據庫管理系統，由瑞典MySQL AB公司開發，目前屬于Oracle公司。MySQL是一種關聯數據庫管理系統，關聯數據庫將數據保存在不同的表中，而不是將所有數據放在一個大倉庫內，這樣就增加了速度并提高了靈活性。MySQL的SQL語言是用于訪問數據庫的最常用標準化語言。MySQL軟件采用了GPL（GNU通用公共許可證），它分為免費版和商業版，由于其體積小、速度快、總體擁有成本低，尤其是開放源碼這一特點，一般中小型網站的開發都選擇MySQL作為網站數據庫。由于其免費版的性能卓越，搭配PHP和Apache可組成良好的開發環境。
與MySQL數據庫搭配使用我們選擇的數據庫管理和開發工具是Navicat。Navicat為專業開發者提供了一套強大的足夠尖端的工具，但它對于新用戶仍然是易于學習。使用了極好的圖形用戶界面（GUI），可以讓你用一種安全和更為容易的方式快速和容易地創建、組織、存取和共享信息。基于Windows平臺，為MySQL量身訂作，提供類似于MsSQL的用管理界面工具。此解決方案的出現，將解放PHP，J2EE等程序員以及數據庫設計者、管理者的大腦，降低開發成本，為您帶來更高的開發效率。用戶可完全控制MySQL數據庫和顯示不同的管理資料，包括一個多功能的圖形化管理用戶和訪問權限的管理工具，方便將數據從一個數據庫移轉到另一個數據庫中（Local to Remote、Remote to Remote、Remote to Local），進行檔案備份。Navicat支援Unicode，以及本地或遙距MySQL伺服器多連線，用戶可瀏覽數據庫、建立和刪除數據庫、編輯數據、建立或執行SQL queries、管理用戶權限（安全設定）、將數據庫備份/復原、匯入/匯出數據（支援CSV, TXT,DBF和XML檔案種類）等。
利用上述數據庫工具我們建立交換網綜合網管告警分析數據庫，在交換網綜合網管告警分析數據庫中建立的第一個數據表為原始告警數據表，此表中的數據來源于交換網綜合網管收集的全網交換機上報的所有原始告警。第二個數據表為告警類型表，該表數據內容是廠家告警標準化的映射數據。
【關鍵詞】井下監測系統 油藏動態分析
1 基本概況
埕海油田利用海油陸采（人工井場+人工島）方式，應用 “井口槽+模塊化鉆機”實施產能鉆探，各開發單元均采用斜井、大位移井或水平井開發與生產；注采工藝復雜，油井基本采用電泵舉升。
海上井井型結構復雜，壓力資料錄取受到了限制，這給油藏分析、優化合理工作制度、制定合理措施帶來了很大難度。井下監測數據是埕海油田電泵井監測泵吸入口壓力、溫度、井底壓力變化的主要手段。因此結合灘海地區井下監測系統應用較多的現狀（48口井配有電泵伴侶），利用井下監測系統連續測壓資料，跟蹤分析地層能量的變化與供給狀況，從而為完善注采井網，補充地層能量，穩定區塊產量提供保障。
2 井下監測數據應用效果分析
2.1 井下監測數據為油藏動態分析提供了依據
利用井下監測系統連續測壓所得到的流壓數據可以得出如下結論：
莊海8Ng單元天然水驅，地層能量充足，壓力保持穩定；
莊海4X1單元注采比較高，累積注采比1.14，流壓相對平穩；
莊海8Es單元人工水驅，2012年通過注水治理，1-10月份流壓降為0.59MPa，較上年有所減緩；
莊海8Nm單元，前期枯竭式開發，2011年投入注水開發，流壓趨于穩定。
埕海一區平均地層壓降2.18MPa，其中莊海8Ng單元地層能量充足，壓降0.36MPa，莊海4X1單元注采比較高（1.14），壓降1.1MPa；莊海8Es單元、莊海8Nm單元由于地層虧空，壓降分別為4.43、2.83MPa，為措施制定及生產管理提供了依據。
從解釋計算結果來看，埕海一區的滲透性普遍較高，屬于中高滲油層，Es1s1儲層物性好于Es1s3。
從壓力監測資料看出，注水開發區塊壓力保持較穩定（張29×1南部），枯竭式開采區塊壓力下降較快（張29×1北部、張參1）；張27×1單元由于前期虧空較大，壓力下降較多，張海5單元由于開采時間較短壓降較低，通過地層能量的分析，為下步的措施提供了參考依據。
從解釋計算結果來看，埕海二區儲層非均質強，邊界情況復雜，單井產能差異大，又由于本地區地飽壓差小，隨地層壓力下降出現多相流動，歷史對比看出地層有效滲透率降低。
2.2 井下監測數據應用過程中存在的問題
2.2.1 壓力資料波動較大，曲線不規范
由于生產時產量不穩定，導致部分井的壓力資料波動都很大，壓力導數分析曲線散亂，借此資料進行分析，獲取的地層參數準確度降低。
2.2.2 部分井壓力數據缺失
由于井場停電，儀器故障等原因，導致部分井電泵伴侶資料缺失。如：莊海8Es-H2井缺失了開井初期的200小時左右的壓力數據。
2.2.3 壓力精度有待進一步落實
張海13-25L井，井下監測數據測取的壓力值比電子壓力計測取值高出0.78MPa（壓力計測試數據按實測靜壓梯度折算到泵吸入口深度）。
3 井下監測數據異常情況的解決
（1）對于產量波動的影響，利用產量重整的方法，采用雙對數分析和壓力歷史擬合相結合。
（2）對于數據缺失的井，結合地質構造，生產動態情況進行綜合分析，確定儲層參數計算的徑向流位置。
（3）利用數值試井技術進行解釋分析，力求獲取與實際相符的解釋參數。
4 結論與認識
（1）通過井下監測數據，可以得到泵吸入口壓力，溫度，井底壓力變化等參數，為油藏動態分析提供了依據同時也反映出了生產井的工作狀況。
（2）雖然目前的分析方法得到的解釋結論與壓力計測試的資料對比存在一定誤差，但通過對比，其基本處于估值范圍之內。
（3）針對井下監測數據原始數據存在的問題，通過后期的資料處理，使得誤差范圍縮小到最低，從而為區塊的總體認識提供了更有價值的參考。
參考文獻
1 大數據采集
大數據采集是大數據能力的基礎，培養學生快速準確全面獲取數據的能力是大數據分析技能的起點。企業各種原始憑證、記賬憑證、賬簿、報表等會計資料信息采集，包括傳統紙質材料和電商電子材料等信息的采集，因為相對工整規范，采集難度不大;培養學生對企業自有數據倉庫數據抽取導出能力，將充分發揮企業歷年數據作用。
同時，企業不僅要采集企業內部核算資料，還要進行管理活動需要采集原材料價格、市場前景、同類產品銷售情況等外部數據資料，這些資料有公開的如鋼鐵價格、原油價格等，也有不公開的某企業某產品銷售情況，所以通過大數據的手段在獲取某類產品、某些特點產品的銷售情況，或者購買參考公共銷售情況數據，需要培養學生爬取數據的能力。
例如，利用八爪魚進行淘寶、天貓、京東等網站商品檢索結果抓取或者商品詳情內頁資料進行抓取，也可以自行設計或者購買規則進行特定數據抓取;利用公共平臺數據對企業商品的競爭情況有更全面的了解，也可以獲取消費者的檢索熱點;對自己產品的評論資料可以進行典型意見和關鍵詞的提取，提高CRM水平，如圖1所示。 隨著物聯網傳感器的發展，自動、實時、全面、完整、可靠、準確的數據不斷出現，每一個界面、每一個動作、每一次交互都有跡可循并被規范記錄，獲取的數據也將更加全面，企業的數據采集也更趨自動。
2 大數據清洗
培養學生通過對數據進行多方驗證、審核，將有雜質的數據剔除能力;培養學生從格式、邏輯、數值等多方面進行數據清洗和整理，處理缺失值、孤立點垃圾信息、規范化、重復記錄、特殊值、合并數據集等問題的能力。
3 大數據分析
對于企業積累數據和獲取的外部數據都要及時進行分析應用，快速充分分析數據尤為關鍵。培養學生數據分析、數據挖掘的技能尤為重要，具體需培養數據分析技能如。
(1)描述型分析:是什么?
描述性分析會提供重要指標和信息。例如，通過每月的銷售單據，可以獲取大量的客戶數據，如客戶的地理信息、客戶偏好等;也可以了解企業庫存、銷售等生產經營數據。
(2)診斷型分析:為什么?
通過評估描述型數據，診斷分析工具能夠深入的分析數據，鉆取到數據的核心，分析某種產品或者某些產品銷售量變化原因等。
(3)預測型分析:可能怎樣?
預測型分析主要用于進行預測事件未來發生的可能性、預測一個可量化的值，或者是預估事情發生的時間點。使用各種可變數據來實現預測，在充滿不確定的環境下，預測能夠幫助做出更好的決定，如預測原料價格可以輔助決定庫存、預測銷售可以輔助決定產量、預測業務量可以輔助決定資金籌集量等。
(4)指令型分析:做什么?
指令模型是基于對“是什么”“為什么”和“可能怎樣”的分析，幫助用戶決定應該采取什么措施。通常情況下，指令型分析不是單獨使用的方法，而是前面的所有方法都完成之后，最后需要完成的分析方法。例如，交通規劃分析考量了每條路線的距離、每條線路的行駛速度、以及目前的交通管制等方面因素，來幫助選擇最好的回家路線;企業考量了銷售數據的變化、分析了市場和消費者的原因、預判了產品市場前景，進而決定對產品實施哪些改進。
4 大數據可視化
大數據可視化是培養學生對大數據分析結果進行直觀呈現能力。培養學生利用企業自有數據或者外部連接數據、抓取數據等方式獲得的數據進行全方位呈現的能力，培養學生將數據的匯總、平均、交叉列聯分析等描述和分析結果，利用適當的圖形進行展示的能力。大數據可視化是非常重要的技能，具體如。
4.1各類變量適合的基本可視化效果
單一變量:點圖、抖動圖;直方圖、核密度估計;累計分布函數。
兩個變量:散點圖、LOESS平滑、殘差分析、對數圖、傾斜。
多個變量:假色圖、馬賽克圖、平行左邊圖。
隨著數據的爆炸式增長，“大數據”一詞受到了越來越多的關注，很多領域已經開始應用大數據。大數據技術不僅能應用于數字出版中，在傳統的紙質出版中也有應用前景。本文擬以醫學出版為例，探討大數據時代下，醫學出版選題策劃的思路轉變，以及面臨的問題與挑戰。
一、大數據時代素描
“大數據”是人們給信息爆炸所產生的巨量數據起的一個簡單的名字。一方面，這些數據蘊藏著巨大的潛在價值，人們迫切需要更先進的技術，對其進行實時處理；另一方面，技術的進步，包括云計算、分布式計算等方法的應用，極大地提升了信息處理能力，提供了廣闊的研究空間，使大數據分析成為可能。
很多人認為“大數據”就是指數據量大，這是一個誤區。大數據的本質是發現和理解了信息與信息之間的關系，是思維的變革，而這種變革主要表現在以下三方面。首先，大數據強調的不是隨機樣本，而是全體數據。為了實現“全體數據”，需要我們盡可能多地搜集、保存與行業相關的各類數據和信息。其次，大數據時代，人們不再一味追求精確，而是承認混雜性。因此，人們需要對于非結構化數據給予更多的關注。也就是說，我們不僅要關注圖書銷量、讀者群構成、直接反饋；也要關注鼠標點擊、駐留在一本書的時間，后續購買、關聯購買情況，購買地點等。這些看似雜亂的信息，可能蘊藏著巨大的商機和價值。再次，大數據不再追求因果關系，而是關注事物之間的相關性。例如，沃爾瑪通過數據分析發現，在颶風來臨的季節，不僅手電筒的銷量增加了，某一種牌子的蛋撻的銷量也增加了，因此，沃爾瑪在颶風季節來臨時，將庫存的蛋撻擺放在靠近手電的位置，以增加銷量。在醫學出版中，我們也可以通過數據分析，找出與讀者的購買行為或閱讀需求相關的要素。
二、大數據在醫學出版選題策劃中的應用前景
1. 教材出版
各個出版社都很重視教材出版。不管是新編教材還是修訂教材，調研都是啟動編寫的基礎。教材調研，需要先搜集開設本專業學校的名單，逐個寄出調研函。學校的名單主要來源于相關學會、教職委、行職委提供的資料，但需結合前一版教材或相關書籍發貨的省市分布數據，有些時候這兩者有較大出入。例如，提供的名單中，河南省沒有學校招生，但出版社前三年的發貨資料中，河南省每年的教材發貨數很大。另外調研函發出后，回收也存在一定困難，通常只能做到部分回收。正因為學校的名單很難搜集齊全，調研函也不能全部回收，這種傳統方式上的調研，雖然力求全面，但仍是一種抽樣調查，很難涵蓋整個行業的樣本量和全部信息。
在大數據時代，一切都可以被數據化，大數據強調的不是抽樣樣本，而是全體數據，因此將數據分析引入教材調研，可以對互聯網上有關專業的開設省份、招生學校、招生人數等信息進行分析，得出更全面的數據分析報告。在教材修訂、搜集反饋意見時，也可以通過搜集論壇、網購機構的銷售記錄、讀者評論等，分析需要增加、刪減及修改的內容。在遴選主編、副主編及編者時，編輯同樣可以通過分析網站上的會議情況、會議日程、發言頻率和題目、各領域專家的專業特長，確定其學術影響，以及在教材中適合擔任的角色，并將這些信息形成分析報告，供決策者參考。
2. 學術專著
在傳統出版模式下，學術專著的選題方式屬于經驗型，由策劃編輯提出選題，報出版社選題會討論。選題委員會由社領導、經驗豐富的老編審、生產及銷售部門負責人等組成。選題會上討論的依據主要是以往選題的銷售情況及市場反饋，當前市場同類書的情況，以及其他出版社類似圖書的銷售情況。這種選題論證方式所參考的數據，只是整個出版市場數據的一部分。而利用大數據，人們可以獲得整個醫學圖書市場的書目信息、銷售情況，并進行分析。通過數據分析得出的報告，可以形象地理解成一批有無限經驗的策劃編輯、生產人員和銷售人員討論后得出的結論。理論上，這種論證模式更客觀、更有說服力。
現有的醫學相關網絡社區、數據庫的資源已經十分豐富，通過對諸如丁香園醫學論壇、中國期刊網（CNKI）、PubMed等的搜索記錄、瀏覽記錄、用戶留言，以及對亞馬遜、當當網的專業圖書購買記錄的分析，可以篩選出各個專業領域的熱點，并對相關用戶的地理位置、年齡、職稱等信息進行分析，準確定位讀者人群，并預測市場容量，為圖書選題提供參考。
3. 應急出版
應急出版對于醫學出版社來說是一個很重要的部分，在遇到較大的公共衛生事件或異常天氣時，公眾很需要專業出版社出版的相關預防書籍普及防范知識，醫師也需要專業書籍補充相關知識，專業出版社有義務為他們提供高質量的出版物。例如人民衛生出版社在2003年“非典”暴發時緊急出版的SARS診治、防范等方面的圖書，以及在2013年出版的《實面“霾”伏――“霧霾”中的生活與健康》。如果等到公共事件或異常天氣已經暴發再組織編寫，出版時間容易滯后。
大數據分析在應急出版方面將會有明顯的優勢。例如，谷歌公司通過對檢索詞條的分析，提前幾周時間預測甲型H1N1流感爆發。這個案例對于應急出版是一個很好的啟示。編輯可以通過類似的數據預測方式，如在流感暴發前，即組織編寫流感預防及治療相關的書籍。再如，如果能夠通過網絡的搜索詞條，或者同諸如中央氣象臺等單位合作，共享數據庫，提前預測會有嚴重霧霾天氣出現，就能提前組織專家編寫，為書籍出版贏得寶貴的時間。同時，可以通過搜索頻率預測印刷冊數，避免過多的庫存。
三、醫學編輯應對大數據時代的策略
1. 醫學編輯應做好基礎工作
一是立足自身，做好醫學編輯出版的大數據基礎工程建設。例如進一步實現網絡化、電子化和標準化，為實現大數據的應用打好基礎。只有將出版物網絡化、電子化，才能使與出版相關的信息和數據成為可以搜集的資源；大數據技術可以分析雜亂的數據，數據的標準化可以為數據分析提供更多便利。
二是學習借鑒，建立基于云計算等先進信息技術的新型工作模式。例如民生銀行開發的小微金融數字地圖平臺，通過這種地圖將數據可視化，由此提供相應的信息分析、營銷實務等服務。出版社如果建立類似的平臺，將銷售數據可視化，就能為選題策劃工作提供更多的服務。
三是尋求協作，引接信息產業界力量。例如一些新興的提供數據分析技術服務的公司，同它們積極合作開展大數據分析研究工作，推動研發基于大數據的智能選題策劃系統。
