時間：2023-08-04 09:19:27
序論：速發表網結合其深厚的文秘經驗，特別為您篩選了11篇統計學決策分析范文。如果您需要更多原創資料，歡迎隨時與我們的客服老師聯系，希望您能從中汲取靈感和知識！
中圖分類號： C913.2文獻標識碼： A
大學生在求職擇業過程中，如何做到知己知彼進行科學的決策，是職業生涯規劃和選擇的重大課題。職業生涯決策源于經濟學中的決策理論在職業行為方面的研究。專家學者認為，職業決策是個體一生中必然要面臨的重要決策，是指個體對自己將要從事的職業做出的選擇。職業生涯決策在大學生職業選擇和人生發展中起著至關重要的作用。
一、決策的模型
決策就是做出決定，是做選擇對策的決定。每天人們做的最多的事情，其實就是決策，大到嚴肅的事情，小到生活的瑣事，通常，一個決定越重要，決策也就越困難。1966年丁克里奇提出七種決策模型。[1]
（一）痛苦掙扎型，有些人會花大量的時間和精力來確認有哪些選擇、收集信息、反復比較，卻難以做出決定。他們的口頭禪是 “我就是拿不定主意?！痹谶@種情況下，收集再多的信息進行分析比較也無濟于事。
（二）沖動型，與痛苦掙扎型相反，有的人抓住遇到的第一個選擇，不再考慮其它的選擇或收集信息。他們的想法是 “先決定，以后再考慮?！?這種方式的風險太大，等到看到有更好的選擇時自然追悔莫及。
（三）拖延型，這些人習慣于將對問題的思考和行動都再往后，然而問題是不會自動解決的，有時候會越拖越嚴重。“過兩天再考慮”是他們的口頭禪。心中暗自希望：也許事情過幾天就自動解決了
（四）直覺型，有一些人將自己的直覺感受作為決定的基礎。他們通常說不出什么理由，口頭禪是“就是覺得這個人好，愛你沒商量。”在擇友時常見這樣的決策方式。直覺在人們對外部信息無法掌握充分的時候比較有效，但它可能與事實不符。因此，我們不能僅憑直覺作為決策的依據。
（五）宿命型，有些人不能自己承擔責任，而將命運委諸外部環境，將決定權留給境遇或命運。
（六）從眾/隨大流型，這樣的人通常會順從別人的計劃而不是獨立地做出決定。他們的口頭禪是“他們都覺得好，我就覺得好，只因為大家都這樣做”。
（七）癱瘓型，有的人，雖然在理性上接受了自己做決定的責任，卻無法開始決策過程。通常的想法是 “我知道我應該開始了，但想到這件事我就害怕。”事實上他們無法真正為決策和決策的后果承擔責任。
以上七種決策模型，根據情境和其后果重要性的不同，會產生相應程度的作用。但是這些決策模式用在一些重要事情中就不適宜了。從這七種決策模式中我們可以看出，這些決策模式都存在著對自己和對環境的未知因素，在很多未知因素的情況下進行決策，顯然容易導致決策風險。
二、影響職業決策的因素
（一）遺傳因素和特殊能力
個人得自于遺傳的一些特質，在某些程度上限制了個人對職業或學校教育選擇的自由。這些因素包括種族、性別、外在的儀表和特征等。某些個人的特殊能力也會影響其在環境中的學習經驗，伴隨這些學習經驗而來的興趣與技能，對個人未來規劃職業等也有較大影響。個人的特殊能力包括智力、音樂能力、美術能力、動作協調能力等。
（二）環境狀況和事件
影響職業決策的因素中，有許多來自外部環境，并非個人所能控制。這些環境狀況和事件來源于人類活動（如社會、文化、政治、經濟的活動、家庭、教育系統的影響），或由自然力量引起（如自然資源的分布或天然災害）。
（三）學習經驗
克朗伯茲認為，每個人都有獨特的學習經驗，這對于個人的生涯決擇具有重要的影響。日常生活中，個體受到刺激與強化的類型、性質以及兩者配合出現的時機常常錯綜復雜，因而沒有一個理論能夠很好地解釋這些不定的變量究竟是如何影響個人職業生涯偏好和生涯技能發展的，他提出不同的學習經驗對個體的生涯決策起著深遠的影響。
（四）工作取向的技能
前面提到的各種因素，如遺傳因素、特殊能力、社會上各種影響因素以及不同的學習經驗等，會以一種交互影響的方式使個體形成特有的職業取向技能，這些職業取向的技能包括解決問題的能力、工作習慣、規劃技巧、工作的標準與價值、情緒反應、知覺和認知的歷程等。[2]
三、建立科學有效的決策系統框架
決策受諸多因素的影響，客觀上必然帶有一定的風險性，那么在進行重大決策時，建立一套有效的決策系統框架，是幫助決策者減少風險提高決策能力的科學手段，從而做出信息整合，選擇可能和可行的策略。[3]
（一）溝通階段
溝通是決策過程的第一個階段，這是決策的開始。因為在這個階段個人發現理想與現實情境之間存在差距的信息。這些信息可能通過內部或外部的信息交流途徑傳達給我們。這是“意識到我需要做出一個選擇”的階段。
（二）分析階段
這一階段是將問題的各個組成部分相互聯系起來，對現狀進行評估，了解自己和自己面臨的可能選擇，對所有的信息進行分析。好的問題解決者會花時間去思考、觀察、研究，從而更充分了解差距，了解他們有效地做出反應的能力。
（三）綜合階段
在這一階段綜合和加工分析階段提供的信息，形成個人可能性的解決方法并進一步收集相關信息，確認自己的選擇，從而制定出消除問題或差距的行動方案。
（四）評估階段
評估階段的第一步是評估每一種選擇對問題解決者和他人的影響。從可行性和滿意度兩方面進行評估。我們每個人最終都必須面對這樣的抉擇（1）對我個人而言什么是最好的？（2）對我生活中的重要他人而言什么是最好的？ 第二步是按評估結果對所有選擇進行排列，得出最終的選擇。
（五）執行階段
在執行階段我們將根據為行動制定的計劃把思考轉換為行動。即根據自己最終的選擇制定計劃，采取行動。考慮到評估階段得出的結果，這是把第一選擇作為目標重新建構。
（六）再循環階段
決策過程是一個不斷循環的過程。在執行階段之后，個體又回到溝通階段，以確定已選取的選擇是否是良好的即現實與理想狀態間的差距是否已經被消除。
職業生涯的選擇是終生的歷程，是大學畢業生必須面對的人生關鍵的一步，面對影響大學生職業生涯決策的各個因素，大學生必須掌握有效的職業生涯決策方法，才能做出合理的職業選擇。
[參考文獻]
中圖分類號：F830.2 文獻標識碼：A 文章編號：1006－3544(2010)03－0024－04
所謂金融生態是指影響金融業生存和發展的各種因素的總和，它既包括與金融業發展相互影響的政治、經濟、法律、信用環境等因素，又包括金融體系內部各要素，如金融市場、金融機構、金融工具、金融產品，通過資金媒介和信用鏈條形成相互作用、相互影響的系統。作為一個社會生態系統，金融決策活動日益受到來自內部和外部諸多生態因素的影響，致使決策難度不斷增加，傳統的理論與方法因其局限性已經越來越不適合解決復雜的金融決策問題。而生態學的理論范式與金融運行中的由相關因素組成的系統環境在學理上有很大的相似性和可比性。如同生態學認為任何有機體都是環境的產物，必須與其周圍環境進行物質交換才能生存一樣，金融生態學認為，任何一個金融系統也不能孤立于環境而存在，正確理解金融系統就不能脫離它特定的環境，必須把它放在與其環境互動的關系中加以考察Ⅲ。因此在金融學的理論研究中，完全可以借用生物界的生態理論和名詞，以此來為公共金融學的理論發展尋找新的源生點。從生態學視角出發，把握金融決策生態系統的特征與規律，并通過金融決策內生態的優化效應，增強金融決策的科學性、民主性和規范性，是我國金融決策體制改革的重要內容。
一、基于生態學的金融決策技術分析
金融決策是公共金融管理活動的基本環節和組成部分，是指金融領導機構或金融領導者在一定環境和條件下，為履行金融職能而進行的一種抉擇對策及做出決定的活動與行為。金融決策在公共金融管理系統活動中具有重要的地位和作用，金融系統的作用與成效如何，關鍵在于金融決策的正確與否。
作為公共金融管理大系統中的一個子系統，金融決策本質上是一個典型的、復雜的生態系統。當前，金融決策系統正越來越多地受到來自內外各種要素的綜合影響。金融決策環境的歷史性變遷與金融決策系統原有格局、功能之間的矛盾，導致系統面臨的不適應性和不確定性因素增多，決策生態中還存在諸多風險與問題，這些問題主要是由于決策體制不健全、決策參與群體(生態種群)未形成協同合力、決策主體與內外生態要素缺乏互動、決策程序不合理、決策技術手段落后、缺乏對決策的系統性研究和循環性分析等原因所造成的。這就要求決策者必須轉換傳統的決策思維，開闊決策視野，創新決策方式，從生態學的角度研究金融決策生態系統的結構、內在機理與決策之間的相互關系，研究優化決策生態的方法與途徑，有效形成和發揮決策生態系統的優化效應，進而實現金融決策的科學化、民主化和法治化。
金融決策及其環境和影響因素可被視為一個具有生態學結構功能單位意義上的系統。生態系統是指生物群落與其生存環境之間以及生物種群相互之間密切聯系、相互作用，通過物質交換、能量轉換和信息傳遞，成為占據一定空間、具有一定結構、執行一定功能的動態平衡整體。金融決策作為一項系統性、動態性的社會活動，其生態特性在于：(1)金融決策中包含著人、信息、制度、技術等要素，深受經濟結構、社會組織、溝通網絡、符號系統、金融構架等基本環境直接或間接的作用和影響。這些要素和環境在生態學意義上即從種群、群落、人與環境的關系等方面構成了金融決策生態系統。(2)金融決策始終處于協調運轉的動態過程中，要維系這種動態性的平衡與良性循環，必須實現金融決策系統內外的能量、信息與資源的共享與交換，這就如同能量流動、物質循環和信息傳遞是生態系統的三大功能，其實質是在對資源進行優化整合和分配的進程中實現生態效能的最大化。
從生態學的視角來研究金融決策，要轉換金融決策的傳統思維定勢，樹立決策生態觀念，實現金融決策的理念重塑。長期以來，在“權力本位”思維的支配下，一部分金融部門的領導干部將金融決策視之為“金融首長負責制”制度條件下金融權力運用的具體體現，金融決策的主觀性、隨意性和排他性較強，缺乏協同理念、環境意識與科學決策觀念，“急功近利”、“長官意志”、“個別人或小群體隨機拍板”等現象時有出現，這都嚴重影響了金融決策的效能與質量，也扭曲了金融決策“以人為本”的公共服務價值取向。
金融決策活動從“隨意性”和“非理性”的決策狀態，走向科學、民主、有效的決策新境界，就要求決策者在金融決策活動過程中理性地把握和遵循生態學定律。作為現代金融決策者，須充分意識到金融決策的任何行動都不是孤立的，決策的主體、客體、目標與環境之間有著密切的“關系效應”；金融決策系統中的影響因素與其他因素形成了相互聯系和相互交融的格局；所制定的任何金融決策方案均不能有違生態發展和社會發展的規律，不應對符合生態、社會發展規律與趨勢的自然進程產生任何干擾。只有準確把握和依循現代金融決策活動這些生態學意義上的基本準則，金融決策活動才能符合生態法則，并獲得決策生態系統的優化效應。
二、金融決策生態系統結構模型
金融決策生態系統是指在金融決策活動過程中直接或間接地作用和影響決策活動的經濟結構、社會組織、溝通網、符號系統、金融構架等基本生態環境要素的總和。其基本構成要素包括內外兩個層面：金融、經濟、社會、文化、自然等外部層面要素對金融決策活動具有重要影響；決策者、制度、技術等內部層面要素則發揮著決定性的作用。這些要素之間相互聯系、相互作用、互利共生、動態平衡，構成了一個有機的金融決策整體生態系統。
根據現實生態擬建的金融決策生態系統是決策生態核、決策內生態和決策外生態三個關系圈層的構成與集合，如圖l所示。在該系統結構中，核心圈層是處于中樞地位的決策者和決策機構，亦即決策生態核；第二圈層是影響決策活動的直接環境圈，即決策內生態，包括決策生態種群、政策、機制、流程、信息、知識和技術等生態環境要素；第三圈層是金融決策生態系統的外部支持環境圈，包括金融、經濟、文化、社會、自然等外部生態要素，是金融決策的外圈層生態環境，亦即決策外生態或原生態。
由于涉及金融決策整體生態系統中諸如種群、制度、技術等核心生態因子，金融決策內生態系統在整體系統的三個圈層中處于重要的地位。它通過自身要素的整合和優化，影響
和制約著核心圈中決策者的判斷和選擇行為，并推動決策者做出正確決策，進而間接地對外生態系統要素產生優化效應。
在金融決策整體生態系統中，核心圈的決策者雖具有主導和決定作用，但有其特定的運作范圍，金融決策的制定、選擇、執行、完善等有賴于內生態諸要素尤其是咨詢輔助種群發揮基礎作用。同時，決策內生態又是將決策外生態相關影響因素傳輸給決策者的重要紐帶，從而為決策者進行正確決策提供經濟基礎、人文背景、金融秩序、社會環境等方面的保障。
從金融決策整體生態系統三個關系圈層(決策生態核、決策內生態和決策外生態)的邏輯活動過程來看，決策者通過決策內生態中的利益博弈、規則約束和方法選擇，形成科學決策，達致決策外生態的優化。在決策外生態優化的基礎上，種群對決策者又會提出新的政策訴求，要求其繼續通過發揮內生態優化效應來制定更好的政策，對決策外生態進行新一輪的優化。這是一個“漣漪”式正向放大、內外關系互動的過程，全部決策活動的價值導向是促進決策外生態中的經濟發展、金融文明、社會和諧、文化進步、人與自然的和諧相處。
決策生態核以決策內生態為依托和平臺，整合決策外生態的相關影響因素，促進以利益聚合、表達、協調為核心的協商和對話機制的建立，讓各決策利益相關者“在憲法、法律、習慣與傳統等框架或規則范圍內，利用他們所掌握的信息，在充分比較各種可能情況下，采取相應行動以獲得滿足效用最大化結果”，進而實現各個種群及其所代表的各社會階層利益的良性互動與總體平衡。
三、金融決策內生態系統的基本結構
在金融決策生態系統結構中，處于第二圈層的金融決策內生態系統作為中樞傳遞層，在整體系統中處于能量流動、物質循環、信息傳遞的關鍵位置，對金融決策產生直接的作用力和影響力。因此，準確把握金融決策內生態的結構定位，切實發揮其對整個決策生態系統生命維系的功能作用，是保證金融決策正確性和有效性的基本前提。
金融決策內生態是一個由“三層面七要素”構成的具體生態系統，如圖2所示。
(一)種群層面：決策生態種群
在生態學意義上，種群是指在一定時間內占據一定空間的同種生物的所有個體。金融決策的生態種群是一個由金融管理部門智囊機構(如金融管理部門、研究部門、金融學院、社科院等)、高校學者專家、社會獨立研究咨詢機構、民意代表與利益表達機柯(如人大、政協等)組成的生態群落，其構成與關系整合的合理性和優化程度，直接影響和決定著核心圈決策者的行為。
生態種群動態發展過程中最基本的關系是競爭博弈和協同共生，金融決策生態種群的動態發展同樣也依循這一生態法則。在金融決策過程中，作為利益相關方的各決策種群之間通過競爭活動，形成一種生態位分化和博弈的格局。在此基礎上，決策生態系統的多樣性、穩定性和抗干擾能力不斷增強，內部要素與外部環境不斷相適應，從而逐步趨向于一定的平衡狀態。在這種平衡狀態中，金融決策活動的協同共生是競爭博弈的一種高級形式的呈現，是各利益相關方在博弈中達到協調、協作與和諧的一種關系狀態，具體又表現為系統自身的調節適應和動態平衡。
(二)制度層面：政策、機制、流程
金融決策內生態系統的制度層面主要包括政策、決策機制和決策流程。從決策內生態系統要素關系及其整合的角度視之，金融決策要保障行之有效的現有政策繼續發揮其功效，要在政策精神、基本原則、內容要求等方面與現有政策相契合，一項新的金融決策不能與正確有效的現行政策相沖突；對于因政策目標和政策環境發生了變化、政策局限性基本顯現、政策主體認識不斷深化而需要進行調整的現有政策，金融決策要通過增擴或縮減、合并或分解等方式對政策目標、政策實施方案和政策關系等方面做出調整；對于已經完全失去正面效用的現有政策，金融決策要通過政策替代、廢止等方式來予以終止。
決策機制既是金融決策核心圈進行決策活動的制度基礎，更是金融決策內生態系統中的決策種群所形成的結構關系有機體參與決策活動的一系列規范。具體是指對決策和參與決策的責任主體、意見表達者與咨詢者、決策監督者等方面的行為與關系所確定的規則規范?，F代金融決策機制是金融決策內生態系統中重要的生態要素，其有效運作的前提是領導決策、公民磋商與參與、專家咨詢和信息支持四方面的密切配合與有機統一。
作為生態流在金融決策內生態中的體現，流程是指一個或一系列連續有規律的行動，這些行動以確定的方式發生或執行，導致特定結果的實現，它包括輸入資源、活動、活動的相互作用、輸出結果、顧客、價值六個構成要素。金融決策活動是一個提出問題、分析問題、解決問題的運作過程，具體體現為按照“發現決策問題――確立決策目標――進行決策調研――制定決策方案――選擇最優方案――組織監督實施”的金融決策流程進行決策活動。
(三)技術層面：技術、信息、知識
金融決策內生態系統中的技術、信息和知識，屬于決策方法與技術的范疇，只有充分掌握了科學的決策知識、豐富的決策信息和先進的決策技術，才能為決策活動提供強大的技術支撐，保證決策的科學性、有效性和合理性。在科學知識應用上，現代金融決策活動集成運用金融知識、法律知識、經濟知識與人文知識等勢在必行；在方法技術抉擇上，改變傳統的經驗決策方法，采用和實施頭腦風暴法、“決策樹”法、德爾菲法等現代科學方法，運用現代預測技術和網絡信息技術，亦在現代金融決策活動中蔚為普遍。通過發揮金融決策內生態系統中的技術、信息和知識的綜合作用，有助于正確把握決策對象發展演化規律，預測和掌握系統內各要素的本質特征、內在聯系和發展趨勢，做出定性或定量的決策評估，為優化決策提供科學的依據m。
金融決策內生態的三個層面對金融決策活動的基本訴求是不同的：種群層面要求活動體現民意訴求(民主化)；制度層面要求活動體現規則訴求(制度化或法治化)；技術層面則要求活動體現科學訴求(科學化)。惟有體現民意、遵循規則、方法科學的金融決策活動與行為，才能使三個方面的決策有機統一，進而實現科學化、民主化和法治化的現代金融決策高境界。
四、金融決策內生態系統及各要素的優化效應
要有效發揮金融決策生態系統的優化效應，促進決策生態核、內生態與外生態各關系圈層之間的良性互動和整體優化，真正達到金融決策的科學化、民主化和法治化，關鍵在于實現內生態系統中種群要素、制度要素和技術要素的有機契合和優化效應。
1.系統共振優化效應(金融決策整體生態系統)。共振一般是指兩個振動頻率相同的物體，當一個發生振動時，引起另一個物體振動的現象。在金融決策內生態系統中，一個要素發生改變也會引起其他要素的改變。系統的優化在于改變某些不足要素和優化各要素之間的關系狀態，集成發揮正效應要素的作用，控制和減少負效應要素對金融決策目標的負面影響。金融決策內生態系統的系統共振優化效應體現在三
個方面：一是金融決策種群中各利益相關者的利益共振。在金融決策過程中，各利益相關者的利益表達通過利益聚合和利益博弈的方式在系統內產生利益共振，有利于形成體現各方利益訴求的公共政策，進而使金融決策更好地體現民意性。二是金融決策內生態系統中種群、制度和技術的三元共振。惟有三者發生了正效應共振，才能保證種群利益訴求在制度、技術的保障和支撐下實現法治化和科學化的表達。三是內生態系統與外生態系統的圈層共振。因金融決策內生態系統要素優化而產生的振動，必然會帶動金融決策原生態發生振動，內外生態系統的共振效應，可以使正確決策的真正價值在金融、經濟、社會、文化、自然的協調發展中得以體現。
2.民意博弈優化效應(內生態系統中的種群和制度層面)。在現代社會中，大量的社會機構和全體民眾都要參與到政策制定的過程中來，所以，金融產品是金融力量與社會力量相互博弈的結果，只有在各利益主體博弈達到利益均衡的狀態下所作出的決策，才有助于實現社會的平衡態。金融決策內生態系統本身就是一個種群利益根據博弈規則相互博奕的系統。博弈優化具有兩方面的效應：一方面，可以實現民意表達“規制”渠道的暢通優化效應。金融決策內生態系統通過構建金融管理部門、社會、網絡(論壇)等各種制度化的“公共通道”，在保證“民意流量”的制度前提下.使各決策種群的利益訴求可以暢通地輸送到決策核心圈。另一方面，可以實現民意聚合方式的博弈優化效應?！肮餐ǖ馈笔拱ü駛€體在內的各社會群體都能在金融管理部門決策活動中集聚起來，通過制度化路徑合理有序地表達利益訴求，促使決策者在決策過程中注意平衡各種利益需求，達成一個各方共同接受的結果。
3.群協同優化效應(內生態系統中的種群和技術層面)。運用生態學理論方法分析金融決策內生態系統的問題，不難發現，諸如資源利用低效的“生態流”問題，要素關系不協調的“生態網”問題，自我調節能力較弱的“生態序”問題，仍然困擾著系統自身的優化。解決這些問題的基本途徑在于依據生態學中協同進化理論，切實發揮群協同決策模式的優化效應。具體而言之，即以決策核心圈中的決策者協同內生態咨詢輔助種群中的各機構、專家和公眾代表為共同主體，以保證群體充分協商與溝通為制度規程，以金融管理為運作平臺，以群(體)決策方法和決策支持系統為核心技術，建立基于決策生態流(程)的群體協同決策模式。有效發揮與利用群協同優化效應，可以加速決策活動中的各種資源、信息、能量利用和交換所形成的人流、物流、信息流等的運轉，能夠平衡流入量與流出量，保證內生態系統的“血脈”充盈和良性循環；可以加深金融決策內生態系統中各種群之間的利益關聯與利益互動，促進決策生態因子的網絡化發展，提高金融決策“生態網”的自構性和適應性；可以優化內生態系統中各生態因子的生態位順序，能夠形成具備自適應、自催化的“競爭序”來保證系統的發生、發展和優化，形成具備自調節、自抑制的“共生序”保證系統的持續和穩定。
4.流程再造優化效應(內生態系統中的制度和技術層面)。一個生態系統是否具有活力和張力，關鍵在于“生態流”的暢通、生態系統的能量流動和物質循環(具體體現為生物鏈的穩定、生物網的平衡和物質流通管道)的順暢。模擬構建金融決策的內生態系統，目的在于對生態系統進行仿生，根據金融決策的動力來源與制度安排，疏通和優化金融決策的“輸入―輸出”機制和公共政策生產的“流水線”，再造金融決策流程。金融決策內生態中的流程再造優化效應主要體現在：金融決策以長期發展戰略為出發點，以價值增值流程(使客戶滿意)的再設計為中心，運用生態系統科學的微觀定位與精細作業方法，重新組合生態系統中的要素資源，建立首尾相接、整合連貫的業務流程，取代以往的各部門相互割裂或封閉的破碎性業務流程，強調金融決策完成的整合性與連貫流暢。目標是通過重新設計金融決策的流程，使這些流程的增值內容最大化，其他方面的內容最小化，從而獲得績效改善的躍進，增強金融決策內生態系統的適應彈性和生命活力，形成金融決策的良好生態環境，提高決策的科學化、民主化和法治化水平，從而對金融決策外生態(原生態)產生“正效應”，推動經濟、金融、社會、文化、自然等方面的科學發展與和諧發展，增進社會公共利益和公眾福祉。
五、完善我國金融生態系統環境的對策
1.建立金融企業破產和退市機制。一方面要加快金融機構破產法及配套法規體系的建立與完善，加強執行和監督力度，建議盡快出臺《破產法》，為資本市場改革和發展建立必要的制度保障。另一方面要建立和完善破產退市的善后和穩定機制，妥善解決破產和退市后有關債務清償、員工安置等問題。如果相關的善后穩定機制不健全，會使金融機構破產影響范圍擴廣，處理上困難更大。因此，建立完備的破產、退市的善后與穩定機制，對于增強金融生態的自我調節功能意義重大。
2.培育金融機構的良性競爭機制。培育金融機構的良性競爭機制，一方面，要規范金融競爭行為，改變金融機構的市場營銷策略，通過細化市場、錯位競爭防止惡性價格戰重演。另一方面，要進一步加強宏觀調控，完善傳導機制。要強化對貨幣信貸政策傳導機制的研究，必要時要通過有意識的“讓利”，通過利益導向引導各金融機構的經營行為，提高金融調控效率。
3.加快股份制改革，為資本市場的外部約束提供足夠的產權支持。明晰和界定產權是建立有效公司治理結構的前提和基礎，但明晰的產權關系并不能自動帶來企業的有效治理和高效率。實踐表明，一個良好的公司治理結構應該保持商業銀行產權的多元化，保證商業銀行有一個合理的資本結構，合理配置和行使企業控制權，打破原有金融機構的產權結構單一、產權虛置的局面。
4.轉換職能，規范政府行為。政府以多種身份(監管者、融資者、地方和企業利益的保護者等)和金融業發生著復雜的聯系，在金融生態環境中具有重要地位。在過去30年的改革中，政府一直強調“減政放權”、“政企分離”、“轉變政府職能”，但實際上在很長時期內政府支配資源的能力在不斷增強。要從體制上和機制上改善我國的金融生態環境，關鍵在于轉換地方政府職能，著重調整政府行為的激勵機制、約束機制和協調機制。
5.建立良好的社會信用環境。規范社會信用秩序，創造良好的信用環境，維護信用主體的合法權益是金融可持續發展系統運行的重要保障。一是要建立良好的信用維護機制，形成銀行、法院、公安、工商、財政、稅務、新聞宣傳等各部門分工合作，共同維護社會信用的局面。二是要加強法律約束，規范信用秩序，通過建立完善的信用法律體系，切實保障信用主體的合法權益。同時司法部門應進一步強化司法公正，加大對失信行為的打擊力度，特別是要提高案件執結率，增強法律的威懾力。三是要建立完善的信用評價和征信體系。加快推進全國統一的企業和個人信用信息基礎數據庫建設，培育企業資信評級市場，開展信用社區建設，為強化信用管
理提供保證。
6.建立健全法制保障體系。周小川(2005)認為法律環境會直接影響金融生態，在某種程度上從計劃經濟向市場經濟轉軌過程中的基本問題是“財務軟約束”，它是否依然會繼續存在，在很大程度上要靠法制的轉變和完善。從我國目前情況看，當前要理順的法律關系有：(1)以完善金融產權為核心，改善金融主體法律制度，促進現代金融企業的形成和發展。(2)以強化信用管理為中心，完善金融業務的法律規范，為金融生態生存和發展創造良好環境。(3)以提高市場效率為重點，完善金融監管法律制度，促進金融生態平衡和優化。(4)以優化金融環境為目標，推動相關法律制度調整和完善，建立和諧金融生態環境”。
1 引言
甘肅省作為我國西部經濟欠發達省份，以教育信息化帶動教育現代化發展，堅持以深度融合、機制創新、企業參與、應用驅動為導向，在教育管理信息化基礎建設、深化應用、創新融合方面，克服基礎條件差等困難，努力實現跨越式發展。
認真貫徹落實《教育信息化十年發展規劃(2011—2020年)》精神，(簡稱《十年規劃》)?！妒暌巹潯诽岢隽宋覈逃畔⒒磥硎甑?項任務和5個行動計劃，這8項任務和5個行動計劃又被概括為“三通兩平臺建設”。三通即：“寬帶網絡校校通、優質資源班班通、網絡學習空間人人通”，兩平臺即“教育資源公共服務平臺、教育管理公共服務平臺” [1]。
2 甘肅省教育管理公共服務平臺頂層設計
“十二五”期間，重點建立覆蓋全省各級各類教育的基礎數據庫及其管理信息系統，為各級教育行政部門和各級各類學校提供教育管理基礎數據和管理決策平臺。
按照教育管理信息系統“兩級建設、五級應用”原則，堅持“核心系統國家建、通用系統省級建、特色系統本級建”的建設模式。以甘肅省教育數據中心為依托，集中省級硬件基礎環境、人員技術力量，統籌建設教育管理公共服務平臺和教育資源公共服務平臺，兩平臺硬件環境共建共享，充分發揮效益，為全省教育管理和應用提供服務。國家級核心系統全面部署，省級通用系統基本完善，各級特色系統逐步推進。
在整體推進過程中，以硬件基礎環境建設為基礎，以保證國家核心系統部署與落地應用為第一要務，以省級通用系統建設與應用為特色，利用大數據統計分析為各級各類教育行政部門提供科學的決策服務，促進教育公平和教育現代化發展。
3 甘肅省教育管理公共服務平臺基礎運行環境[2]
為保障我省教育管理信息化的整體推進，向全省各級各類教育行政部門提供教育管理公共服務和基礎數據支撐，從2010起，加強省級教育數據中心建設工作，為省級和不具備機房環境的市州提供網絡基礎環境。按照“國家教育管理公共服務平臺《省級數據中心建設指南》”中總體要求進行建設，按照B類數據中心建設標準，建成了面積達250多平方米，安全、高效、節能、功能齊全、服務到位的省級教育數據中心。
4 甘肅省教育管理公共服務平臺建設情況
從2013年截至目前，我省教育數據中心已部署的國家核心管理系統有：中小學生學籍管理系統、中小學校舍安全管理系統、學生資助管理信息系統、中等職業學校學生管理信息系統、學前教育管理系統、教師管理信息系統、基礎數據庫、應用支撐平臺、安全運維監測平臺等，基本完成了教育部要求的全部系統的部署。
5 運用技術手段，實現各系統數據挖掘整合
2014年在國家核心系統建設的基礎上，為了便于各業務系統數據分析報表的查看和檢索，我省專門開發了甘肅省教育綜合數據監測系統，通過統一的教育管理數據監測平臺，對所有業務系統數據進行監測，通過統一的門戶平臺進行展示。
該系統設計面向服務的體系結構(SOA)，使用J2EE和HTML5程序設計并且在數據的抽取、轉換和加載運用了目前先進的ETL技術，通過對中小學學籍系統數據庫、教師管理系統、中等職業學校學生管理信息系統數據庫、校舍安全管理系統數據庫的關聯，動態提取各種數據，生成教育行政部門所需的各種統計報表。系統通過學生、教師和學校三個橫向維度，按照學前、基礎教育、中等職業教育和綜合四個縱向維度，把各業務系統報表統一進行展示，并跨系統進行數據關聯和對比，按照教育決策部門需要，靈活方便地生成的各種類型報表，按照折線圖、餅狀圖、柱狀圖和數據報表等形式直觀方便地進行展示。
6 利用大數據分析共享，提高社會公共服務能力
按照“核心系統國家建、通用系統省級建、特色系統本級建”的原則，進一步落實“一庫五應用”建設目標，甘肅省在國家核心系統建設的基礎上，對各孤立分散的業務系統數據進行跨系統整合，科學、精準、可持續的獲取數據，深度挖掘分析數據，從而打造甘肅省教育管理數據監測服務系統，為全省教育行政部門提供科學有效的決策數據。
根據我省當前的信息系統實際情況，結合今后教育信息化的長遠發展和規劃，將各業務系統數據通過抽取、轉換、加載等環節，加載到甘肅省教育管理數據監測服務系統中，滿足甘肅省教育管理數據監測及分析需要。如：學籍系統、教師系統、校安系統、學期系統、中職系統等都是原始的基礎數據，如要跨系統進行數據分析對比和提取，應了解：①農村六年制小學按照學生人數統計教師的分配情況，初級、中級、高級教師的分配情況，教師的年齡結構情況，音體美藝術類專業教師的分配情況。②根據學校片區分布和片區學生教師人數，分析片區學校布局是否合理。③通過小學入學人數、幼兒園入園和畢業人數、義務教育人口監測中適齡入學人數對比，分析入園和入學情況。④查看全省大班情況等。要得到這些分析報表，必須通過對各業務系統源數據進行動態抽取、轉換、加載和分析，最后生成所需要的報表。
7 結語
1循證醫學與數據證據
循證醫學，簡之就是“遵循證據的醫學”，又被稱為實證醫學。循證醫學重視醫生的臨床經驗，即傳統意義上的經驗醫學，同時又強調診斷、治療等決策應在臨床證據最為符合病癥的基礎上作出[1]。在循證醫學的創立、發展與傳播方面，英國的科克倫(ArchiebaldL.Cochrane)、美國的費恩斯坦（AlvanR.Feinstein）以及薩克特（DavidL.Sackett）做出了重大貢獻，成為循證醫學的奠基人?？瓶藗悘娬{大規模隨機臨床試驗的重要性。他認為只有在大規模臨床試驗中使用隨機分組策略，才能避免因樣本分組而產生的選擇性偏差，保持對照組和試驗組樣本的背景因素平衡，從而才能做出最終正確的比較與評價。他建議及時將切實醫學證據傳播給使用者，接受專家評估并對可信度進行適當分級，以使醫學證據能被及時整理、歸納與更新。費恩斯坦奠定了現代流行病學的數理統計與邏輯基礎。從1970年到1981年，他在美國《臨床藥理學與治療學》雜志（ClinicalPharmacologyandTherapeutics）上，以“臨床生物統計學”（ClinicalBiostatistics）為題連續發表了57篇論文，將數理統計學和邏輯學導入到臨床流行病學，科學系統地建立了臨床流行病學的有關理論體系。薩科特則為循證醫學的傳播與發展做出了巨大貢獻。他發起并主編了與循證醫學有關的兩本著名雜志：《美國內科醫師學會雜志俱樂部》和《循證醫學》。
1997年，他還主編出版了《循證醫學》一書，該書被譯為多種文字并在世界上廣為傳播。正是在《美國內科醫師學會雜志俱樂部》上，加拿大蓋亞特(rdonH.Guyatt)于1991年首次提出了循證醫學一詞[3]。從循證醫學與數理統計和邏輯學的淵源，便可以看出循證醫學注重證據的內涵。它是一門非常強調證據制作的學科，同時又非常重視醫學證據的傳播和評估，這正是它區別于以往醫學的特點。通過評估產生可信證據，通過傳播發揮證據價值。醫生在診斷與治療過程中，不僅基于經驗直觀判斷，而且結合證據科學決策，更加客觀地進行診斷與治療。短短十多年的時間，在世界各國醫學研究與臨床實踐中，循證醫學得到了廣泛深入的應用?？瓶藗愖畛鮿摻ǖ氖澜缪C醫學協作網已經包括約50個專業協作小組，所收集的醫療證據幾乎覆蓋所有臨床醫學領域。1996年，我國華西醫科大學建立了中國循證醫學中心，并于1999年正式加入世界循證醫學協作網；2001年，中國循證醫學中心創辦了《循證醫學》雜志，發表在各類雜志的循證研究論文達45842篇。但是，循證醫學也有其面臨的問題，如對證據進行科學評價等問題。臨床證據目前還沒有完整、科學的定義，證據評價標準及推薦級別尚未完全統一，不同國家不同疾病的證據質量分級不盡相同。而且，隨著人類對疾病認識的加深以及診療手段的革新，評價標準還會隨這些因素的變化而變化。
循證醫學的基礎是數理統計學，要求RCT的實驗樣本及環境一致，以便排除個體差異及環境干擾，但這在現有條件下近乎不可能實現。號稱大規模隨機對照實驗的樣本偏少，對照組和試驗組難有條件一致的個體，環境隨時間空間變化造成實驗對照控制困難。目前，大規模的醫學樣本采集困難，幾百個樣本已經算是比較大的樣本了；而根據統計理論如要達到90%的敏感度，至少需要約1300個的數據樣本。為了克服RCT樣本不足的問題，Meta分析方法得到了廣泛應用：通過綜合已有研究多個樣本集的結果，可以推得大規模樣本集的綜合結果。Meta分析取得了很多有價值的研究成果，但是，Meta分析的基礎也是數理統計學，其運用的前提是樣本及實驗環境一致，正是在這一點上它備受質疑。首先，不同樣本集的權重控制難于完全公正，因為其實驗環境難于恰當評價和把控，實驗結果難免有過度包裝和偏頗之嫌。Meta分析存在的另一個問題是：它所依賴的數據往往不是最新的即時案例，制作的證據可能因環境與氣候的變化而失去應用價值?？傊C醫學所面臨的問題包括：證據的稀缺性、偏倚性、可靠性、及時性、公正性，以及環境的一致性等方面的問題。由于證據的一致性和及時性存在問題，基于歷史數據進行Meta分析備受質疑。2014年，《英國醫學雜志》在名為《循證醫學瀕臨破產》的文章中指出[5]：循證醫學的證據屬于間接證據，基礎建立在已經發表的研究文獻上，利益沖突容易影響證據的公正性，證據環境與臨床決策環境存在距離；循證醫學助長了過度診斷、過度治療，并可能存在淪落為利益集團代言人的危險。
2大數據對循證醫學的影響
大數據（Bigdata）又稱巨量或海量數據，是指數據規模巨大以至在合理時間內，無法通過當前主流軟件工具，獲取、處理、分析以便決策的結構復雜的數據[6]。大數據如下具有4V特點：Volume（巨量）、Velocity（瞬速）、Variety（多樣）、Value（價值）。巨量是指已經不能再用GB（即1024MB）和TB（即1024GB）為單位，來衡量大數據的存儲容量或規模，而要以PB（即1024TB）、EB（即1024PB）乃至ZB（即1024EB）為單位來計量數據容量。在巨量的醫療大數據中，各種條件的樣本都會存在，因此，證據的稀缺已經不是問題。瞬速是指兼具方向的快速變化，即數據隨時間和空間快速變化。大數據中的樣本通常是全空間的、多維度的、全時間的及瞬時變化的。由于大數據地域環境廣，數據樣本量巨大、正反樣本齊全，證據的“制作”已不再必要，而是隨時隨地客觀地存在。瞬速性通過可佩戴健康監測設備體現，這為及時獲取病患信息提供了極大便利。多樣是指數據的種類繁多、結構復雜、因果并存、甚至同一數據表現出不同形式。數據的多樣性對數據的理解和分析是一個巨大挑戰，但同時也為樣本分析結果的驗證帶來便利。因此，在醫療大數據環境下，不僅隨時可以采集樣本進行分析處理，還能對分析得到的結果馬上進行驗證，從而能夠保證醫學證據的可靠與可信。
價值是指相比小規模、歷史數據而言，大數據具有更高的研究和使用價值。由于任意時刻任意地點都有大量樣本，樣本的稀缺性和及時性已經不是問題，這為醫學研究掃清了采樣障礙；同時由于樣本豐富冗余多樣，也為研究結果的驗證提供了便利；大數據除具有巨量歷史數據外，還有不同地域環境的巨量即時數據，這使循證決策更具應用價值和時效性。大數據將首先改變醫學數據的采集方式。大數據的形成往往依靠自動采集技術，隨著可佩戴監測設備如iWatch等的出現，醫學數據的采集及積累速度將出現爆炸性的增長。以往的數據同大數據相比，如同滄海之一粟。且以往的數據往往靠手工采集完成，普遍存在稀缺、偏倚、可靠、及時、公正等問題，這樣采集的證據必然會影響醫學研究的結論?；谑止ぷC據進行決策，其結論未必準確及時公正可靠。醫療大數據不間斷地在不同地點同時采集，不僅包含歷史數據以及即時數據，甚至還可能包含未來需求信息，例如，ogle就是通過人們對感冒藥品的搜索來預測流感的。大數據的出現將改變醫學數據的管理方式。在網絡數字化高度發達的今天，盡管已經出現了電子病歷，但紙張病歷在數據管理中仍然重要。然而，紙張病歷有其固有缺陷，如容易破損或丟失、整理歸檔的周期過長、借閱的時間成本極高、研究采樣的工作量巨大等等。伴隨大數據出現的數據融合技術能將不同醫院的電子病歷整合在一起，并同可佩戴健康監測設備的數據及時集成，大大減少了電子病歷的整理、借閱和數據采集時間，這不僅對病人的疾病診斷和預警監控更加有利，同時也對醫生的臨床及醫學研究更有幫助。通過語音和可視眼鏡等現代化的數據瀏覽設備，醫生在查房間隙就能獲知下一病人既往病情，從而能大大減少醫生的勞動強度，使醫生有更多時間治療病人，有更多的時間進行醫學研究。
大數據的出現將改變醫學數據的分析方式。以往在收集樣本數據以后，通常使用SAS或SPSS等軟件，對采集的數據進行統計分析，發現相關病因或建立決策模型。這些軟件受計算能力及內存容量的限制，只能處理樣本量不大的數據，并且處理的數據維數有限，例如，SPSS不能超過40維，而醫療大數據的維數成千上萬。通過手工或統計軟件的計算方法，將無法滿足醫療大數據的分析需要。
當維數超過30個致病因素時，可能要考慮230種因素組合，普通統計軟件已無法計算和處理，必須依靠內存及速度“無限”的云計算。必須研究與開發基于大數據和云計算的分析與挖掘技術如深度學習技術，使其能夠自動完成高維病因數據的分析與主要病因的提取。總之，醫療大數據的采集、整合、分析、處理、研究完全靠人工完成已極其困難，沒有利用云計算的統計分析軟件也難于完成醫療大數據的分析和處理。在大數據時代，必須借助深度學習等技術完成醫療大數據的分析和挖掘。雖然醫療大數據能夠彌補數據樣本的不足和不公，但只有借助更為先進的分析工具和軟件，才能為循證醫學帶來進一步的變革和發展。
3大數據對循證醫學的變革
證據制作是循證醫學的核心，證據能為醫生的診治提供參照，因此，循證醫學得到了快速發展。但是，矛盾、偏頗、過時的證據也使循證醫學備受質疑。首先是證據及其結論存在大量的矛盾，使人們對循證醫治的結果產生懷疑；其次是證據偏頗使其成為利益代言人的工具；其三是證據時過境遷使醫治達不到預期效果。而醫療大數據的出現恰好能夠彌補以往證據采集與制作的不足。首先，醫療大數據使證據的稀缺問題得到解決；其次，隨大數據廣泛匯集的醫生及病人評價，可有效避免證據成為利益代言人的工具；其三，可穿戴等自動采集設備可保證證據的時效性。這將有助于循證醫學同中醫的結合。中醫的治療過程通常比西醫長，其證據采集及療效評估存在很大問題，而隨著可穿戴健康監測設備等技術的發展，長期持續采集治療證據及療效將不再困難，從而有助于循證醫學在中醫等領域發展壯大。此外，隨大數據興起的先進數據分析與挖掘技術，將對循證醫學起到巨大的推進作用。臨床決策分析評價是確定循證治療方案的關鍵步驟，現有的決策分析評價模型包括決策樹、Markov過程等一系列模型，這些模型在面臨高維大數據時力不從心，難于繼續提供較高的決策精度，使醫生對醫治方案是否有效失去信心。隨著大數據深度學習技術的出現，病因的分析和提取已完全自動化，且大大降低了建立決策分析模型的工作量，提高了治療方案的決策精度。對于任何疾病診治方案，考慮的疾病致病因素越多，即證據或特征維數越多，得到的參考信息就越多，診治的準確性就會相應提高。但是，醫生在遇到大量高維的證據數據時，往往面臨從中選擇少數有效證據的難題。例如，假定要考慮30個致病因素或檢驗指標，建立決策模型就要考慮230種因素組合，從中篩選一個最優因素組合作為模型輸入的工作量是巨大的。因此，要得到由若干最優證據構建的最佳決策分析模型，醫生們所投入的研究精力可想而知。
篩選最優因素組合是醫生們最費精力的工作，目前這項工作可以被深度學習自動完成了。深度學習最早由Hinton等人在2006年提出，它是一種無監督的特征學習和提取技術，它通過低層特征的組合構建更加抽象的高層特征。2012年，Lecun等人利用卷積神經網絡真正實現了高效的多層深度學習。傳統的神經網絡學習只有單向認知過程，通常只包含一個隱含層，因層數較少而被稱為淺層學習。深度學習則包含認知和生成兩個過程，并且每個過程都包含多個隱含層，其模型的總體框架如圖1的虛框部分所示。如圖1所示，深度學習的“輸入層”可以理解為各種致病因素以及各種檢查化驗結果，例如遺傳環境因素以及肝功全套指標等；自底向上的箭頭表示認知過程，自頂向下的箭頭表示生成過程，即深度學習由兩個互逆的過程構成；認知權重向量WnT和生成權重向量Wn表示深度模型的知識。原始“輸入層”經“隱含層H0”認知得到輸出，輸出又經“隱含層h0”生成得到新“輸入層”，如果原始“輸入層”和生成的“輸入層”完全一致，則說明認知產生的輸出是完全正確的。根據信息論的有關理論，學是會產生損失，新舊輸入不可能完全一致。因此，只要兩者近乎一致就可以了。認知和生成權重同隱含層的每個輸出相關聯，wake-sleep深度學習算法用于雙向調節權重：(1)利用下層輸入和認知權重向量WiT產生輸出表示，然后使用梯度下降法調節生成權重向量Wi；（2）利用輸出表示和生成權重向量Wi產生輸入表示，然后使用梯度下降法調節認知權重向量WiT。通過逐層學習最終得到頂層的認知和生成權重向量WnT、Wn。在深度學習完成后，如果要建立決策分析模型，只需將頂層輸出即自動提取的特征，作為分類模型如支持向量機的輸入，并用類別標記如肝硬化分級訓練支持向量機，就可以得到用于決策分析的精確分類模型，分類模型如圖1的虛框外部所示。2014年，香港中文大學湯曉鷗教授領導計算機視覺研究組(mmlab.ie.cuhk.edu.hk)，開發了一個名為DeepID的深度學習模型，在LFW數據庫上識別5749個人臉的準確率已達99.15%，其精細和準確程度已經超過了人眼和大腦。醫療大數據及深度學習必將為循證醫學帶來一場新的革命。不僅數據缺失、偏頗以及過時等問題會被迎刃而解，而且證據收集、制作以及診治方案的決策都將會自動化，這將擴大循證醫學在所有領域包括中醫等領域的應用范圍，大大降低醫生在證據制作、治療方案決策與療效評估等方面所付出的精力，推動循證醫學向更深更廣更加現代化的方向發展。
4總結
醫療大數據帶來的變革將是全方位的，它不僅為醫學研究和證據制作帶來便利，同時也將促進中醫等替代和補充醫學的發展。作為大數據采集的一項關鍵技術——便攜式/可佩戴健康數據自動采集技術，將大大提高醫療數據采集以及證據制作的效率，解決中醫等療效數據需要長期采集觀測的難題，彌補循證醫學存在的證據偏頗、不公、過時等缺陷，促進循證醫學更加客觀、公正、可靠地在臨床治療中應用。在循證醫學的證據評估以及利用方面，伴隨大數據出現的云計算能夠提高證據分析與處理的效率，大大節省醫生臨床應用和醫學研究所需要花費的時間；面向大數據的深度學習能夠從浩瀚的高維醫療數據中，自動完成疾病致病因素及環境因素等的篩選與提取工作，并能建立精度遠遠超過人腦的決策分析模型，從而大大提升醫生建立和應用循證治療方案的信心，有助于循證醫學被各科醫生更加廣泛地接受和應用。盡管深度模型包含更多的隱含層，其學習時間要遠遠長于淺層學習，但兩種模型的決策時間相差不大，因此，這并不妨害深度模型的有效應用。特別值得一提的是，深度學習將證據提取與決策分析兩個過程合二為一，大大降低了醫生在臨床及醫學研究中應用循證醫學的勞動強度?；诖髷祿?、云計算和深度學習的循證醫學，由于能夠降低勞動強度、提升工作效率、提高決策精度，因而將具有更加廣闊的應用前景和發展方向。
單位代碼
80002
單位地址
北京中關村東路55號
郵政編碼
100190
聯系部門
研究生部
聯系電話
010-62541832
聯系人
尹老師
電子郵件
yjsb@amss.ac.cn
目錄類別
博士
網址
amss.cas.cn
學科、專業名稱（代碼）研究方向
指導教師
預計招生人數
考試科目
備注
070101 基礎數學
100
01 代數幾何
孫笑濤
①1001英語一②2377代數學基礎③3050代數幾何
只招碩轉博生
02 代數幾何
付保華
同上
只招碩轉博生
03 代數幾何
鄭維喆
同上
04 代數群與量子群
席南華
①1001英語一②2377代數學基礎③3392李代數
05 李代數和應用偏微分方程
徐曉平
同上
只招碩轉博生
06 數論
王崧
①1001英語一②2377代數學基礎③3576數論
07 數論
田野
同上
只招碩轉博生
08 數論與代數幾何
田一超
同上
只招碩轉博生
09 代數拓撲、代數幾何
段海豹
①1001英語一②2377代數學基礎③3051代數拓撲
只招碩轉博生
10 同倫論、流形的拓撲
潘建中
同上
只招碩轉博生
11 代數表示
韓陽
①1001英語一②2377代數學基礎③3049代數表示論
12 哈密爾頓系統
尚在久
①1001英語一②2381微分幾何③3108動力系統
只招碩轉博生
13 動力系統、大范圍分析、大范圍神經動力學
岳澄波
①1001英語一②2381微分幾何③3108動力系統或3763系統與控制理論
14 幾何分析
李嘉禹
①1001英語一②2381微分幾何③3433偏微分方程（乙）
只招碩轉博生
15 幾何分析
王友德
同上
只招碩轉博生
16 微分方程及幾何分析
吉敏
同上
只招碩轉博生
17 微分幾何、數學物理
張曉
①1001英語一②2381微分幾何③3578數學物理
只招碩轉博生
18 值分布論與復動力系統
楊樂
①1001英語一②2385實分析與復分析③3146復動力系統與值分布論
19 復分析、復動力系統
王躍飛
同上
20 復分析、復動力系統
崔貴珍
同上
21 動力系統
劉勁松
①1001英語一②2385實分析與復分析③3108動力系統
22 Circle packing
賀正需
同上
23 數論
馮紹繼
①1001英語一②2385實分析與復分析③3576數論
24 多復變與復幾何
周向宇
①1001英語一②2377代數學基礎或2381微分幾何或2385實分析與復分析③3117多復變與復幾何
25 非線性偏微分方程、微局部分析
張平
①1001英語一②2385實分析與復分析③3433偏微分方程（乙）
26 幾何分析與偏微分方程
張立群
同上
只招碩轉博生
27 泛函分析和解析數論
葛力明
①1001英語一②2387泛函分析（甲）③3576數論或3640算子代數
28 臨界點理論與非線性變分問題
丁彥恒
①1001英語一②2387泛函分析（甲）③3127非線性泛函分析
29 非線性泛函分析
張志濤
同上
30 幾何計算與不變量
李洪波
①1001英語一②2697近世代數③3143符號計算或3794現代微分幾何
070102 計算數學
01 有限元方法理論及應用
石鐘慈
①1001英語一②2421分析與代數③3894有限元方法
只招碩轉博生
02 多尺度分析方法及其應用、工程計算與工程軟件技術
崔俊芝
同上
只招碩轉博生
03 并行算法
張林波
同上
只招碩轉博生
04 有限元方法、電磁與地球物理計算
陳志明
同上
只招碩轉博生
05 偏微分方程數值解
周愛輝
同上
只招碩轉博生
06 微分方程數值解
嚴寧寧
同上
只招碩轉博生
07 多尺度模型與算法
曹禮群
同上
只招碩轉博生
08 有限元方法理論與應用
許學軍
同上
09 區域分解并行算法
胡齊芽
同上
10 有限元高效算法
林群
①1001英語一②2421分析與代數③3584數值方法基礎
11 線性與非線性數值代數、并行計算及其應用
白中治
同上
12 計算幾何理論與方法
徐國良
同上
只招碩轉博生
13 可積系統與數值算法
胡星標
同上
只招碩轉博生
14 多尺度模型與計算、有限元方法
明平兵
同上
只招碩轉博生
15 生物計算與模擬
盧本卓
同上
16 波場模擬與反問題的數值方法
張文生
①1001英語一②2421分析與代數③3584數值方法基礎或3894有限元方法
17 電磁場計算
鄭偉英
①1001英語一②2421分析與代數③3584數值方法基礎或3892有限差分方法
18 化計算方法、計算生物
袁亞湘
①1001英語一②2421分析與代數③3985化方法
只招碩轉博或直博生
19 化計算方法與理論
戴彧虹
同上
只招碩轉博生
20 動力系統幾何算法
尚在久
①1001英語一②2421分析與代數③3109動力系統幾何算法
只招碩轉博生
21 動力系統保結構算法理論與應用
洪佳林
同上
22 哈密爾頓系統的辛幾何算法
唐貽發
同上
23 計算流體力學
袁禮
①1001英語一②2421分析與代數③3892有限差分方法
070103 概率論與數理統計
01 隨機分析及其應用、隨機復雜網絡與隨機圖
馬志明
①1001英語一②2685高等概率論③3641隨機分析（隨機過程）
02 無窮維隨機分析及其應用
鞏馥洲
同上
03 隨機分析
吳黎明
同上
04 隨機分析與隨機微分幾何
李向東
同上
05 隨機分析及隨機微分方程
董昭
同上
06 概率論與量子信息
駱順龍
同上
07 金融數學與經濟數學
夏建明
同上
08 金融數學、概率統計、投資組合
程兵
①1001英語一②2686數理統計③3348金融數學
09 數理統計、工業統計
于丹
①1001英語一②2686數理統計③3148概率論
與吳建福聯合招生
10 生存分析、復雜數據統計推斷及其應用
王啟華
同上
11 抽樣調查和統計決策
鄒國華
同上
12 生物統計與工業統計
石堅
同上
只招碩轉博生
13 生物與醫學統計、數理統計及其應用
孫六全
同上
14 計算分子與系統生物學、基因組學
李雷
同上
070104 應用數學
01 偏微分方程
丁夏畦
①1001英語一②2696偏微分方程（甲）③3123泛函分析（乙）
02 偏微分方程
曹道民
同上
03 偏微分方程
黃飛敏
同上
04 偏微分方程
李競
同上
05 偏微分方程反問題及其應用、機器學習與模式識別
張波
①1001英語一②2696偏微分方程（甲）③3585數值分析
只招碩轉博生
06 數學機械化
吳文俊
①1001英語一②2697近世代數③3143符號計算
07 計算代數幾何
高小山
同上
只招碩轉博生
08 符號計算
李子明
同上
只招碩轉博生
09 符號和數值混合計算
支麗紅
同上
只招碩轉博生
10 符號計算
王定康
同上
11 密碼學
鄧映蒲
同上
12 組合、代數、離散分析
黃民強
同上
與鄧映蒲聯合招生
13 糾錯碼理論、計算機代數
劉卓軍
同上
14 優化理論與應用、凸分析
袁亞湘
①1001英語一②2421分析與代數③3985化方法
只招碩轉博或直博生
15 概周期微分方程及其應用
洪佳林
①1001英語一②2421分析與代數③3579數學物理方程
16 孤立子、可積系
胡星標
同上
只招碩轉博生
17 分數階微分方程數值分析及其應用
唐貽發
同上
18 復雜非線性波、數學物理
閆振亞
①1001英語一②2421分析與代數③3143符號計算或3579數學物理方程
19 動力系統與微分方程
鄭作環
①1001英語一②2387泛函分析（甲）③3013常微分方程
20 數學物理
劉潤球
①1001英語一②2381微分幾何③3393李群和李代數或3578數學物理
21 數學物理
丁祥茂
①1001英語一②2381微分幾何③3393李群和李代數
070105 運籌學與控制論
01 系統辨識、控制與遞推估計
陳翰馥
①1001英語一②2421分析與代數③3133分析概率論
02 隨機系統的建模與控制
張紀峰
同上
03 隨機系統的建模與控制
方海濤
同上
04 控制科學
郭雷
①1001英語一②2685高等概率論③3797線性系統
05 非線性分布參數系統控制理論
姚鵬飛
①1001英語一②2421分析與代數③3122泛函分析（丙）或3797線性系統
06 無窮維系統控制理論與應用
郭寶珠
同上
07 網絡分析與控制、非線性系統與控制
洪奕光
①1001英語一②2421分析與代數③3133分析概率論或3762系統與方程
08 非線性系統與控制、開放量子系統
席在榮
同上
09 系統與控制
黃一
①1001英語一②2421分析與代數③3762系統與方程
只招碩轉博生
10 運籌學
戴彧虹
①1001英語一②2421分析與代數③3985化方法
11 管理運籌學、優化與決策
崔晉川
同上
12 應用概率與排隊論
張漢勤
①1001英語一②2721運籌學基礎③3868應用隨機過程
只招碩轉博生
13 軟件可靠性理論與分析、馬氏決策與供應鏈管理
劉克
同上
14 圖論及其應用
閆桂英
①1001英語一②2721運籌學基礎③3677圖論與組合優化
15 運籌學、組合優化
胡旭東
同上
只招碩轉博生
071101 系統理論
01 隨機復雜網絡
鞏馥洲
①1001英語一②2685高等概率論③3641隨機分析（隨機過程）
02 軟件可靠性理論與分析
董昭
同上
03 復雜系統
郭雷
①1001英語一②2685高等概率論③3797線性系統
04 不確定系統的建模與控制
張紀峰
①1001英語一②2421分析與代數③3133分析概率論
05 系統生物學
方海濤
同上
06 量子信息與控制
席在榮
①1001英語一②2421分析與代數③3133分析概率論或3762系統與方程
07 復雜系統、網絡優化與決策
洪奕光
同上
08 復雜系統與復雜網絡、系統生物學
呂金虎
同上
09 混合動態系統
孫振東
①1001英語一②2421分析與代數③3797線性系統
071400 統計學
01 應用概率與精算
馬志明
①1001英語一②2685高等概率論③3641隨機分析（隨機過程）
02 生存分析、復雜數據統計推斷及其應用
王啟華
①1001英語一②2686數理統計③3148概率論
03 生物分析、生存分析
周勇
同上
04 生物與醫學統計、數理統計及其應用
孫六全
同上
05 計算分子與系統生物學、基因組學
李雷
同上
06 非參數統計、金融統計
陳敏
同上
07 抽樣調查和統計決策
鄒國華
同上
08 工業統計
于丹
同上
09 數理統計、工業統計
于丹
同上
與吳建福聯合招生
10 生物統計與工業統計
石堅
同上
只招碩轉博生
081202 計算機軟件與理論
01 理論計算機科學與量子信息處理
駱順龍
①1001英語一②2854計算機科學基礎③3815信息論
02 理論計算機科學與量子信息處理
胡旭東
①1001英語一②2854計算機科學基礎③3355近似算法
03 基于知識的軟件工程 、人工智能理論和技術、理論計算機科學與量子信息處理
陸汝鈐
①1001英語一②2856軟件工程③3462人工智能
04 人工智能理論和技術
張松懋
①1001英語一②2854計算機科學基礎③3462人工智能
05 網絡化軟件工程
呂金虎
同上
081203 計算機應用技術
01 數字化設計制造
高小山
①1001英語一②2854計算機科學基礎③3143符號計算
02 符號計算與智能信息處理
李洪波
同上
03 可信計算理論和算法
支麗紅
同上
04 信息安全與密碼學
鄧映蒲
同上
05 決策支持系統與智能系統
唐錫晉
①1001英語一②2854計算機科學基礎③3462人工智能
06 決策支持系統與智能系統
徐山鷹
同上
120100 管理科學與工程
01 質量管理、知識管理
劉源張
①1001英語一②2398決策分析③3210管理信息系統
02 決策支持系統
徐山鷹
同上
03 綜合集成、知識管理、意見挖掘
唐錫晉
同上
04 投資決策分析、風險管理、金融預測
汪壽陽
①1001英語一②2398決策分析③3150概率統計或3210管理信息系統或3577數學規劃
05 金融風險管理
楊曉光
①1001英語一②2398決策分析③3150概率統計
06 管理決策分析與產業政策
劉卓軍
①1001英語一②2398決策分析③3210管理信息系統或3577數學規劃
07 金融統計與風險管理
陳敏
①1001英語一②2398決策分析③3348金融數學
08 金融工程與風險管理
程兵
同上
09 金融統計與風險管理
周勇
①1001英語一②2397經濟學③3348金融數學
10 投入產出技術與經濟預測、全球價值鏈
楊翠紅
①1001英語一②2397經濟學③3575數量經濟學
11 數量經濟學與投入產出技術
陳錫康
同上
與楊翠紅聯合招生
1201J4 經濟計算與模擬
01 經濟模擬與仿真
汪壽陽
①1001英語一②2398決策分析③3150概率統計或3210管理信息系統或3577數學規劃
02 經濟計算與模擬
楊曉光
①1001英語一②2398決策分析③3150概率統計
03 宏觀經濟數量分析與預測
楊翠紅
①1001英語一②2397經濟學③3210管理信息系統或3575數量經濟學
1201Z1 管理運籌學
01 管理運籌學
崔晉川
①1001英語一②2721運籌學基礎③3129非線性規劃
02 質量科學
于丹
①1001英語一②2721運籌學基礎③3150概率統計
03 管理科學的決策方法
1、計量地理學[2]在區域經濟學中的應用
1.1 地理學中經典的統計分析方法
經典的統計方法有回歸分析、主成分分析、時間序列分析、相關分析、系統聚類分析、趨勢面分析方法等等
1.1.1回歸分析
回歸分析是研究對象與影響因素之間的關系，包括函數確定和相關關系不確定?；貧w就是用統計手段找出變量間近似函數關系的方法。在回歸分析中，通常將我們關心的研究對象稱為因變量，并且在一次研究中一般只有一個因變量，將影響因變量的其他因素稱為自變量，自變量的個數既可以有一個（稱為一元回歸），也可以有多個（多元回歸）。在農戶自主發展能力的三商影響研究[3]中，采用多元回歸分析可知農戶自主發展能力與智商，情商和財商存在顯著的線性關系。在研究智商，情商和財商分別對農戶自主發展能力貢獻大小時，可依次采用一元回歸分析。
1.1.2主成分分析
主成分分析是指把反映樣本某項特征的多個指標變量轉化為幾個綜合變量的多元統計方法。在區域經濟研究過程中，常常需要用多個變量對多個區域或城市進行綜合評價，如區域經濟發展水平，區域經濟綜合競爭力，地區經濟發展潛力，地區投資環境，城市經濟綜合實力等，這些綜合評價指標的共同特點是需要將多個相關指標合成一個綜合指標，以反映各區域或城市在某一方面的綜合水平。要完成這項工作，一般要經過以下五項步驟：
第一，選取指標
第二，對指標進行矢量綱化處理
第三，對指標進行簡化或歸類處理
第四，確定權重
第五，計算綜合評價值
在基于微觀視角的河南省農區經濟類型劃分[4]文章中，采用主成分分析方法，通過計算出各鄉鎮每個主成分的得分，結合地勢狀況，土地資源狀況，把農區經濟首先劃分為富裕區、小康區、溫飽區、貧困區等4中類型，又可進一步劃分為平原富裕區、丘陵富裕區、平原小康區、丘陵小康區、山地小康區、盆地溫飽區、山地溫飽區、平原貧困區、盆地貧困區、山地貧困區等9種類型區。
1.2 線性規劃分析
線性規劃在實際應用日益廣泛與深入，已經被廣泛地應用到工業、農業、商業與交通運輸規劃、工程技術的優化設計以及企業管理等各個領域。在地理學領域，線性規劃是解決有關規劃，決策和系統優化問題的重要手段。
線性規劃應用最多的實例就是農場種植計劃或農區集中選擇。如果線性規劃只有單一的目標函數，那么建立的種植計劃模型就是單目標規劃模型，進而給出種植計劃方案，要么使總產量最大，要么使總產值最大，兩目標無法兼得；多目標規劃的思想就可以解決這個問題。
1.3 空間統計分析
空間統計學的理論發展c70年代，空間統計分析處理的數據是空間數據，空間數據具有地理位置屬性的一類特殊數據，不用于一般的截面數據和時間序列數據。通常運用空間分析的方法分析空間中“點”的分布具有什么樣的規律，是否具有聚集性的特點，怎樣去度量這種聚集程度。空間統計分析的核心是認識與地理位置相關的數據間的空間依賴，空間關聯或空間自相關，通過空間位置建立數據間的統計關系。
Moran指數和Geary系數是兩個用來衡量空間自相關的全局指標。Moran指數反映的是空間鄰接或空間鄰近的區域單元屬性值的相似程度。Geary系數與Moran指數存在負相關關系。局部空間自相關的分析方法包括3種：（1）空間聯系的局部指標（LISA）：是描述區域單元周圍顯著的相似值，區域單元之間空間集聚程度的指標。（2）G統計量：顯著的G統計量正值表示在該區域單元周圍，高觀測值的區域單元趨于空間集聚；而顯著的負值表示低觀測值的區域單元趨于空間集聚。（3）Moran散點圖：用來研究局部的空間不穩定性。
利用空間統計分析通常用于宏觀尺度的分析，比如中國大陸30個省級行政區人均GDP的空間關聯分析，基于空間統計分析與GIS的人口空間分布模式研究――以甘肅省天水市為例[5]，研究表明天水市人口分布呈現西北-東南模式，存在顯著的空間集聚現象。
1.4 投入產出分析
投入產出分析又稱“部門平衡”分析，或稱“產業聯系分析”，最早由美國經濟學家瓦.列昂捷夫（W.Lenotief）提出，主要通過編制投入產出表及建立相應的數學模型，反映經濟系統各個部門（產業）之間的相互關系。自20世紀60年代以來，這種方法就被地理學家廣泛地應用于區域產出構成分析，區域相互作用分析以及資源利用與環境保護研究等方面。在現代經濟地理學中，投入產出分析方法是必不可少的方法之一。
投入產出在微觀層面的研究，地形對山區農田人地系統投入產出影響的微觀分析――河南省鞏義市吳溝村的實驗研究[6]中把多種農業投入（x1，x2，x3...）與產出（Y）之間的關系以道格拉斯生產函數的形式Y=AX1αX2α表示出來，在該文中利用有關學者的研究成果確定折能系數，進行農田地塊能量投入產出及效率的有關折算，得出地形對農田投入產出的影響。
1.5 AHP決策分析
AHP決策分析方法是美國運籌學家T.L.Saaty于20世紀70年代提出的，AHP決策分析方法（Analytic Hierarchy Process）是一種定性與定量相結合的決策分析方法，常常被運用到多目標，多準則，多要素，多層次的非結構化的復雜決策問題，特別是戰略決策問題的研究，具有十分廣泛的實用性。
甘肅省兩西地區扶貧開發戰略問題進行定量分析[7]文章中采用層次分析法給出了諸戰略目標、發展戰略、制約因素及方針措施的重要性排序，為地區扶貧開發建設決策提供了可續依據。根據這種思路是否也可以在微觀層面上用層次分析法為較快較好的進行精準扶貧提供較為科學的依據。
1.6 地理網絡分析
網絡分析主要運用圖論方法研究各類網絡的結構及其優化問題，對于許多現實的地理問題，譬如城鎮體系問題，城市地域結構問題，交通問題，商業網點布局問題，物流問題，管道運輸問題等等都可以運用網絡分析方法進行研究。中國中部農區企業集群的競爭優勢研究――以河南省虞城縣南莊村鋼卷尺企業集群為例[8]利用圖論很清楚的描述出了各個因素之間的聯系。
參考文獻：
[1] 李小建.經濟地理學的微觀研究[J].經濟地理，2011，31（6）：881-887.
[2] 徐建華.計量地理學[M].北京：高等教育出版社，2006.
[3] 喬家君，黨睿，趙德華.農戶自主發展能力的三商影響研究[J].經濟地理，2009，29（7）：1160-
1166.
[4] 喬家君，李小建.基于微觀視角的河南省農區經濟類型劃分[J].經濟地理，2008，28（5）：832-
中圖分類號：TP311.13
銀行是現代經濟的標志，也是現代經濟活動中不可或缺的環節和工具，從銀行誕生應用以來，銀行業就需要處理大量的經營數據，銀行數據記錄手段也經歷了數個階段，從白紙黑字的賬本到計算機信息化時代的銀行數據信息系統，銀行數據業務可以在業務交易流程、數據庫建設、金融風險評估和經營決策分析等方面發揮極其重要的作用。從銀行業本身的發展來看，商業銀行的規模和類型都在逐年豐富，信息化和數字化的銀行業務模式也逐漸成為商業銀行的運行模本；現代銀行更加重視客戶本位思考，通過多樣化的市場需求分析手段，可以為客戶提供極具個性化的銀行業務產品服務，吸引更多的潛在客戶群；同時現代銀行的風險管控意識更強，在市場經濟節奏更快的當今社會，銀行經營決策的風險評估效果決定了現代銀行的經營走向；再者是網絡終端服務和移動終端服務的迅猛發展，銀行交易手段更加豐富，網上銀行、手機銀行、移動證券交易等等電子支付交易方式的發展給現代銀行帶來了新的機遇和挑戰，這一切都需要現代銀行在數據處理分析能力上有新的應對措施。
1 數據挖掘和數據效用理論基礎
數據挖掘的通用定義指的是從現有的大量存儲數據中，采用數據擷取的方式，搜尋出感興趣的、有價值的數據點或數據模塊的數據處理技術。數據挖掘廣泛地應用于商業金融領域，基于既定的商業化分析目標，可以依托于企業內部的金融數據系統進行數據分析，最終獲得需要的商業經營規律和市場發展規律，并且能夠在成熟的數據挖掘模型的支持下與其他分析工具和分析技術相結合，形成商業化的數據挖掘分析系統和分析軟件。數據挖掘的功能需求決定了數據挖掘是一個典型的學科交叉項目，現代銀行受到業務拓展發展的需求，在其數據挖掘技術的運用中廣泛地的結合了數據庫技術、智能學習技術、統計分析技術、模式識別技術、人工智能技術和神經網絡技術，數據挖掘常分為六個技術類別：聚類、分類、估值、預測、相關性分組和關聯規則分析、描述和可視化分析。
對數據資料的重視性促使了現代銀行對數據利用效率的不懈追求，現代化經營模式中，數據已經成為最為重要的無形商品，作為商品的數據資料，其資本性和營利性決定了信息數據的效益最大化，由于數據資料的復制成本低、附加值高且利潤豐厚的特點，數據信息價值理論已經成為數據效用分析的主要理論模式。
2 銀行數據挖掘的應用分析
2.1 數據挖掘在銀行客戶需求分析中的應用
現代銀行針對客戶資料和消費記錄都建立了功能龐大的消費市場數據庫系統，對銀行客戶的個人資料、賬戶信息、交易歷史記錄、業務服務歷史記錄、理財數據和個人理財風險評估等進行了數據庫倉儲式分析，基于成熟的數據倉庫邏輯分析模型，可以對每一個銀行客戶進行多維度消費分析，以交易歷史紀錄為例，交易歷史紀錄作為該分析維度下的分析主鍵字段，在其下端進行次元維度分析，對交易類型、交易金額、消費地點、存貸款交易、電子銀行消費、手機銀行消費、證券消費等進行子健分析，但是也要考慮到不同主鍵之間存在著較大的關聯性，此時可以考慮在客戶數據倉庫分析中建立星形數據模，在關聯數據子健上進行數據溢出處理。在數據挖掘中主要采用的是聚類算法，在對客戶數據進行詳細的數據倉庫建立之后，可以對客戶進行數據特征值標定（如商業價值、交易類型、風險傾向等），以便于進行客戶分類，在用戶細分時，行為特征是主要的特征，自然屬性是輔助的特性。
表1 聚類匯總表
業務類型 紙黃金 基金理財 外匯 個人金融 債券 貸款
業務渠道 柜臺 電話銀行 網上銀漢 手機銀行 自主服務 中間交易
由此可以得到詳細的客戶聚類，例如以年齡段為標準的20-30歲階段用戶（業務類型為紙黃金，業務渠道為網銀和自助服務）、30-40歲階段用戶（業務類型為外匯和金融，業務渠道為柜臺和自助）、40-50歲階段（業務類型為基金債券，業務渠道為柜臺服務）。
基于SQL Server Analysis Services分析工具，在銀行原始交易數據庫中進行聚類分析，選用Microsoft聚類算法對交易日志中的指定頁進行類型搜索，在后處理模塊中可以查看聚類分析結果。聚類算法進行數據挖掘時需要原始數據具有較強的分類性和數據關聯性，才能在數據挖掘中針對特定數據屬性和數據聚類進行分析，并且獲得該屬性在任意聚類中的數據分布情況，由此可以精確的知道特定類型客戶的銀行消費習慣和消費傾向，有助于銀行穩固現有客戶群，吸引潛在客戶群體。
2.2 數據挖掘在銀行決策分析中的應用
銀行經營的各個環節都基本實現了信息化管理，銀行綜合業務系統為其提供了基礎業務操作平臺和統一賬務處理系統平臺，能夠幫助銀行實現有效的資源整合和集中管理。數據挖掘技術的應用能夠全面提升銀行系統的內控管理和風險管控水平，為銀行的內部決策提供有效的數據支撐。
表2 數據挖掘與銀行決策關系
數據源 數據處理 數據存儲 決策分析
交易數據
客戶信息
管理信息
外部信息 數據抽取
數據整合
數據加載 數據倉庫 經營狀況決策分析
數據監控 數據節點1 資產負債決策分析
數據刷新 數據節點2 風險管理決策分析
數據包裝 數據節點3 客戶需求決策分析
數據公布 數據節點4 銀行財務決策分析
為了保障銀行的經營效益、提升業務覆蓋范圍并預防經營風險，銀行需要及時掌握市場動態并且做出經營調整，數據挖掘技術能夠跟蹤分析銀行經營過程中的各個基本要素環節，通過比對分析自身產品的營收現狀、競爭對手的經營現狀，以及對資產負債率、銀行壞賬率和金融產品的銷量，可以及時為決策層提供參考數據。商業銀行的風險管控是其保障經濟效益的關鍵，數據挖掘系統的關鍵性作用體現在對銀行業務的全方位、多角度的可靠性分析和風險評估，基于銀行內部的風險模型參數，在成熟的模式識別技術和智能分析技術的輔助下，可以提前對經營風險進行預判，以減少成本損失為風險數據挖掘模型約束，以保障經營效益最大化為風險決策目標，以調控決策方式為風險決策手段，可以進一步提高銀行的資產質量。財務風險控制中數據挖掘的具體應用如下圖所示：
圖1 數據挖掘在銀行財務決策分析中的應用分析
3 銀行數據挖掘的效用分析
3.1 數據挖掘在銀行風險控制中的效用
風險控制是銀行日常經營活動中的核心內容，通常來看可以分為定性控制和定量控制兩種方式，定性控制的關鍵是建立一套有效的風險控制管理體系，在多流程決策體系的協作下，構成風險管理知識，以非結構化數據的形式保存并流轉使用；定量控制則更看重對經營實時數據的管理效率，建立一個基于客戶需求和市場規律的量化風險控制體系統框架。銀行信用評估體系要求銀行用于信用評級的數據必須具備一定年限和質量標準，對數據樣本量、樣本時效性、業務覆蓋范圍、數據來源都有明確的要求。數據挖掘對于銀行風險控制的關鍵性作用主要體現在對于銀行信用風險控制、銀行市場風險評估和銀行操作風險管理上。
在信用風險控制上，數據挖掘主要是針對信用關鍵指標：違約率、違約損失率、違約暴露和違約期限進行針對性的數據挖掘分析，結合銀行的信用評級動態變化和銀行信用置信度的波動規律，在銀行交易數據庫中采用數據關聯分析方法，對概念分層數據進行多層挖掘，提高數據挖掘的精準度；在對市場風險控制上，數據挖掘技術主要集中在市場風險識別和市場動態分析兩方面，通過分析銀行特征值數據在各種風險環境下的數據概率分布值，可以構建銀行內部的市場風險模型，結合遺傳算法和智能分析，可以針對市場發展規律進行智能風險評估決策；對于市場的偶然和不確定行為，通常數據挖掘會采用預測（predication）、時序分析模式（time-series model），通過遍歷歷史交易數據，能夠對偶然性市場行為進行概念排序，采用模糊分析（fuzzy method）、證據理論（Evidence theory）等方法進行決策分析。
3.2 數據挖掘在銀行產品創新中的效用
產品創新是提升銀行市場競爭力的根本手段，數據挖掘的重要性則體現在數據分析準確性和有效性上，首先是對業務流程效率的數據分析，對于總行、分行、支行和營業網點的銀行結構進行業務處理效能分析，通過實際交易數據和歷史交易數據進行比對分析，可以有效的找出實際業務模式中的最大風險點，設計或優化業務流程，明確錄入、審核、授權各崗位的職責，從而運用創新手段控制流程風險；采用產品規劃的方法指導新產品的設計流程工作，則需要在產品設計理念、產品市場定位、產品競爭優勢分析和產品風險控制上進行數據分析，通過數據挖掘技術可以在銀行內部歷史數據、行業共享數據和商業數據的基礎上進行特征屬性挖掘，并最終為新產品的量化定型提供有效的數據參考，并未新產品的市場價值進行定性和定量預測分析。
4 結束語
信息化時代背景下金融業的供需地位發生巨大轉變，金融數據也從經營資料開始向數據商業化發展。基于詳盡的量化數據系統，現代銀行可以在高效數據分析模型的基礎上對銀行數據進行二次開發，提供數據分析服務。本文通過闡述銀行數據的數據結構，分析了對銀行海量數據進行數據挖掘的主要方法和應用模式，并評估現行銀行數據挖掘方法的有效性和經濟效益價值，為進一步提升銀行數據挖掘的效能提供了新的思路。
參考文獻：
[1]丁劍敏.數據挖掘技術及其在商業銀行中的應用[J].市場周刊?財經論壇，2013（04）.
[2]宓文斌.數據挖掘在銀行信貸業務中的應用[M].上海：上海交通大學，2012.
醫院加強財務分析具有如下意義：能夠為醫院管理的管理評價提供依據，并且促進醫院對計劃和預算的完成；加強財務分析對于改善醫院的經營管理和提高綜合效益有著十分重要的作用；有利于經營者做出科學正確的決策；通過財務分析活動，可以讓決策者對醫院的財務運轉情況進行了解，從而掌握經濟決策與客觀經濟規律的相符程度，最終使得他們做出決策科學合理；加強財務分析活動是提供醫院財務管理水平的重要措施；加強財務分析，可以使得醫院經營決策者更加客觀地對理財經驗進行總結，讓他們從中發現財務管理中的潛在問題和發展趨勢，通過對財務活動的規律的認識，來對財務管理工作進行改進，不斷提高醫院財務管理水平。
（二）加強醫院經營決策的意義所在
在經營管理學中認為“管理的中心是經營，經營的重心是決策”。從中可以看出經營管理的重要性。經營決策分析指的是利用科學有效的方法，從若干方案中經過科學地分析判斷，最終選出一個合理、可行的方案。決策分析的意義就在于從眾多的方案中選出一個合理可行的方案，以此來達到未來的行動目標。決策分析的最終目的就是將決策目標變為行動的關鍵。如果決策分析不合理甚至是錯誤的，那么就極有可能使得正確的決策目標不能實現。由此可見，醫院經營管理的基礎和核心就是科學合理的決策?？茖W合理的決策對于醫院充分的發揮社會功能，并取得良好的醫療服務效果，從而提高醫院的社會效益和經濟效益有著十分重要的意義。經營決策分析的基本內涵主要有四點，他們分別是：（1）預測未來；（2）多方案選優；（3）以決策為動力形成經營活動的循環動態過程；（4）必須付諸行動。
二、加強醫院財務分析與經營決策的對策和方法
（一）醫院管理者要必須要轉變傳統觀念，對財務分析和經營決策給予高度重視
要讓財務分析與經營決策這兩者在醫院管理中發揮重要的作用，醫院管理者就必須要給予高度重視。這是做好財務分析核經營決策的前提條件。要讓財務管理工作滲透到醫院管理的各個方面，就必須要得到醫院管理者的大力支持，只有這樣才能夠讓醫院的各個職能部門都配合好醫院的財務部門做好財務分析工作，而也只有這樣醫院財務部門才能夠得到醫院其他職能部門的支持與配合，從而得到各種財務分析所需要的資料。經營決策也是如此，各種決策與政策出臺后，肯定會具體到醫院的各個職能部門，而經營決策過程中所需要的各種資料也需要各個職能部門提供。如何不能夠得到醫院各個職能部門的支持，那么經營決策就只能夠是空架子，空口號，也不可能做出正確的決策。這樣經營決策有如何能夠指引醫院前進，又如何發揮其應有的作用。因此要做好經營決策工作也必須要得到醫院領導的高度重視。
（二）醫院的財務分析者與經營決策者需要提高自身的素質
醫院想要做好財務分析工作，就必須要有相應的高素質的財務人員，對于財務分析者，不能夠僅僅只掌握財務核算、財務管理和會計理論等相關知識，還必須對統計學、成本核算等相關知識進行了解，甚至是掌握。此外，他們還必須對本單位的具體情況熟悉，不能是那種只看紙面文章的，而是真正的清楚醫院的實際情況。這樣這樣才能夠有能力做好醫院的財務分析工作。同時，還必須要提高財務人員的思想素質，只有他們將醫院財務分析工作從思想上提到了一個更高的層次，他們才能夠更好的做好財務分析工作。醫院的經營決策者大都是從技術上提拔而來的，他們對與本行業的技術規范等知識和信息可以說是了如指掌。但是他們中很少有人具有相應的經營決策管理知識。雖然其中很多人都在后來拿到的相應的管理學位，但不代表他們真正的具有管理能力。為此，必須要提高現有的經營管理者的分析決策能力，同時還應該積極的引進有能力的經營決策者。只有這樣才能夠保證各種決策的科學性、正確性。
（三）明確財務分析對經營決策的影響
總的來說，財務分析最終就是為醫院的經營決策來服務的，而經營決策則可以為財務分析指明方向。財務分析對經營決策的影響有以下一些方面。財務分析可以幫助經營決策者了解醫院的實際經營狀況。通過財務分析，醫院的經營決策者既可以知道醫院目前經營的客觀狀態，也可以通過分析獲知當前經營過程中存在的不足之處和經營不善的具體關鍵所在。從而能及時的采取有效的改善措施。通過財務分析可以幫助經營決策者對醫院的市場競爭力做出正確的判斷。只有對醫院的市場競爭力有了正確的認識，才能夠做出正確的決策，為醫院樹立正確的發展目標，從而讓醫院少走彎路，提高醫院的競爭能力。
一、數據挖掘
數據挖掘是從數據當中發現趨勢和模式的過程，它融合了現代統計學、知識信息系統、機器學習、決策理論和數據庫管理等多學科的知識。它能有效地從大量的、不完全的、模糊的實際應用數據中，提取隱含在其中的潛在有用的信息和知識，揭示出大量數據中復雜的和隱藏的關系，為決策提供有用的參考。數據挖掘是從數據當中發現趨勢和模式的過程，它融合了現代統計學、知識信息系統、機器學習、決策理論和數據庫管理等多學科的知識。它能有效地從大量的、不完全的、模糊的實際應用數據中，提取隱含在其中的潛存有用的信息和知識，揭示出大量數據中復雜的和隱藏的關系，為決策提供有用的參考。
二、數據挖掘的現代最新方法介紹
常用的數據挖掘方法主要有決策樹(DecisionTree)、遺傳算法(GeneticAlgorithms)、關聯分析(AssociationAnalysis).聚類分析(C~smrAnalysis)、序列模式分析(SequentialPattern)以及神經網絡(NeuralNetworks)等。
三、數據挖掘的實際應用
由于數據挖掘市場還處于起步的階段，但是發展很快。在國外有一些著名的大公司對數據挖掘系統進行了開發。
1.IntelligentMiner這是IBM公司的數據挖掘產品，它提供了很多數據挖掘算法，包括關聯、分類、回歸、預測模型、偏離檢測、序列模式分析和聚類。有2個特點：一是它的數據挖掘算法的可伸縮性；二是它與IBM/DB/2關系數據庫系統緊密地結合在一起。
2.EineSet是由SGI公司開發的，它也提供了多種數據挖掘方法，包括關聯分析和分類以及高級統計和可視化工具。特色是它具有的強大的圖形工具，包括規則可視化工具、樹可視化工具、地圖可視化工具和多維數據分散可視化工具，它們用于實現數據和數據挖掘結果的可視化。
3.Clementine是由ISL公司開發的，它為終端用戶和開發者提供提供了一個集成的數據挖掘開發環境。
4.DBMiner是由DBMinerTechnology公司開發的，它提供多種數據挖掘算法，包括發現驅動的OLAP分析、關聯、分類和聚類。特色是它的基于數據立方體的聯機分析挖掘，它包含多種有效的頻繁模式挖掘功能和集成的可視化分類方法。
四、數據挖掘與管理會計
1.提供有力的決策支持
面對日益激烈的競爭環境，企業管理者對決策信息的需求也越來越高。管理會計作為企業決策支持系統的重要組成部分，提供更多、更有效的有用信息責無旁貸。因此，從海量數據中挖掘和尋求知識和信息，為決策提供有力支持成為管理會計師使用數據挖掘的強大動力。例如，數據挖掘可以幫助企業加強成本管理，改進產品和服務質量，提高貨品銷量比率，設計更好的貨品運輸與分銷策略，減少商業成本。
2.贏得戰略競爭優勢的有力武器
實踐證明數據挖掘不僅能明顯改善企業內部流程，而且能夠從戰略的高度對企業的競爭環境、市場、顧客和供應商進行分析，以獲得有價值的商業情報，保持和提高企業持續競爭優勢。如，對顧客價值分析能夠將為企業創造80%價值的20%的顧客區分出來，對其提供更優質的服務，以保持這部分顧客。
3.預防和控制財務風險
利用數據挖掘技術可以建立企業財務風險預警模型。企業財務風險的發生并非一蹴而就，而是一個積累的、漸進的過程，通過建立財務風險預警模型，可以隨時監控企業財務狀況，防范財務危機的發生。另外，也可以利用數據挖掘技術，對企業籌資和投資過程中的行為進行監控，防止惡意的商業欺詐行為，維護企業利益。尤其是在金融企業，通過數據挖掘，可以解決銀行業面臨的如信用卡的惡意透支及可疑的信用卡交易等欺詐行為。根據SEC的報告，美國銀行、美國第一銀行、聯邦住房貸款抵押公司等數家銀行已采用了數據挖掘技術。
五、數據挖掘在管理會計中的應用
1.作業成本和價值鏈分析
作業成本法以其對成本的精確計算和對資源的充分利用引起了人們的極大興趣，但其復雜的操作使得很多管理者望而卻步。利用數據挖掘中的回歸分析、分類分析等方法能幫助管理會計師確定成本動因，更加準確計算成本。同時，也可以通過分析作業與價值之間的關系，確定增值作業和非增值作業，持續改進和優化企業價值鏈。在ThomasG，JohnJ和Il-woonKim的調查中，數據挖掘被用在作業成本管理中僅占3%。
2.預測分析
管理會計師在很多情況下需要對未來進行預測，而預測是建立在大量的歷史數據和適當的模型基礎上的。數據挖掘自動在大型數據庫中尋找預測性信息，利用趨勢分析、時間序列分析等方法，建立對如銷售、成本、資金等的預測模型，科學準確的預測企業各項指標，作為決策的依據。例如對市場調查數據的分析可以幫助預測銷售；根據歷史資料建立銷售預測模型等。
3.投資決策分析
投資決策分析本身就是一個非常復雜的過程，往往要借助一些工具和模型。數據挖掘技術提供了有效的工具。從公司的財務報告、宏觀的經濟環境以及行業基本狀況等大量的數據資料中挖掘出與決策相關的實質性的信息，保證投資決策的正確性和有效性。如利用時間序列分析模型預測股票價格進行投資；用聯機分析處理技術分析公司的信用等級，以預防投資風險等。
4.產品和市場預測與分析
品種優化是選擇適當的產品組合以實現最大的利益的過程，這些利益可以是短期利潤，也可以是長期市場占有率，還可以是構建長期客戶群及其綜合體。為了達到這些目標，管理會計師不僅僅需要價格和成本數據，有時還需要知道替代品的情況，以及在某一市場段位上它們與原產品競爭的狀況。另外企業也需要了解一個產品是如何刺激另一些產品的銷量的等等。例如，非盈利性產品本身是沒有利潤可言的，但是，如果它帶來了可觀的客戶流量，并刺激了高利潤產品的銷售，那么，這種產品就非常有利可圖，就應該包括在產品清單中。這些信息可根據實際數據，通過關聯分析等技術來得到。
5.財務風險預測與評估
收稿日期：2007―09―15
項目：黑龍江省新世紀教改工程第四期項目。
作者簡介：張麗娟（1965―），女，河北唐山人，副教授，博士。主要從事地理信息統計與運籌、非線性模型等教學研究。
一、計量地理學課程的興衰
1963年，鮑頓(I.Burton)使用了“計量地理”這一詞語，對自20世紀50年代末期開始，以數學方法在地理學中的應用為內涵的計量運動加以形容，并認為從這以后不再是革命了，因為數學方法已經成為現代地理學的主要方法之一。從此，國際地理學界掀起了聲勢浩大的計量運動“或稱計量革命”。不過，這在地理學界并未完全達成共識，因為現代地理學中的數學方法的引人，一方面，推動了傳統地理學研究方法的變革；另一方面，卻產生了重定量分析，輕區域、生態研究的問題。由此產生了一場波及整個地理學界的大辯論①。以至到了20世紀70年代后期，有人提出要重新評價計量運動，重新認識地理學中的數學方法。有人認為，數學方法只能用來研究地理要素之間的數量關系及地理事物的分布形態，而不能揭示復雜的地理現象形成的機制。1976年，在莫斯科舉行的第23界國際地理學大會上，成立于1964年第20界國際地理學大會議程中的“地理學計量方法委員會(CQMG)”被宣布解散，這標志著轟轟烈烈的地理學的計量地理革命的呼聲到此瀕于沉寂②。我國由于受到“”的影響，未經歷國外20世紀六、七十年代地理學的計量革命時代，隨后在20世紀八十年代，我國地理學界也開始了計量地理運動，其標志是各高等師范院校把計量地理學引入了地理科學專業，有的學校設為必修課，有的學校設為選修課③。但絕大多數高等師范院校在開設了2～3屆后，便取消了。因此可以說，我國的地理學界也重演了計量運動的興起和終結②。
計量地理運動所經歷的興衰，其關鍵在于計量地理所采用的數學方法，基本上是統計方法。之所以遭到部分地理學家的反對，其主要原因為：一地理現象的非歐幾何性質，決定了統計方法不能解決空間問題；二是地理現象是復雜的非隨機現象，不能用解決隨機現象的多元統計學進行系統分析，不能借助線性化技術擬合非線性系統。
盡管上述觀點在地理學界具有一定的代表性，而且也直接影響了計量地理學課程在我國高校的開設，但隨著數學學科的發展，數學方法已遠遠不限于統計分析方法，針對不同地理現象、地理過程、地理事件，均有相應的數學方法去解決，因此，在計量地理運動經過了興衰之后，地理學中的數學方法的應用已經又進入了一個快速發展的時期，于之相對應的，地理學也進入了現代地理學階段。重新評價和構建計量地理課程，是非常必要的而且是必需的。
二、高等師范院校地理科學專業地理計算課程體系的構建
我國高等師范院校在20世紀80年代后期，隨著計量地理學課程的取消或改為選修課，在我國地理科學專業保留計量地理學及相近課程的高等師范院校已經廖廖無幾了，一些地方師范院校更是從來就沒開設過類似課程。而我國高等師范院校地理科學專業的培養目標是：培養具備地理科學的基本理論、基本知識和基本技能，能在科研機構、學校、企業從事科研、教學、管理、規劃與開發及在行政部門從事管理工作的高級專門人才。那么在地理學發展到現代地理學階段的今天，面對數學方法已經廣泛應用于地理學中的現狀，高等師范院校地理科學專業如何構建地理計算課程體系，成為了當前必須解決的現實問題。
1.重新編制地理信息統計學教材，代替原來的計量地理學
統計學是是研究客觀現象數量關系及其變化規律的方法論科學，是一門關于統計資料的收集、顯示、描述和分析方法的學科。統計學形成于19世紀初期到今天已經有100多年的歷史，是一門系統的科學④。各個學科根據各自學科的特點與統計學相結合，就形成了專業統計學，與地理信息相結合，形成地理信息統計學。它從地理數據的收集到分析方法均有系統的解析。學生只需要最基本的概率論基礎和線性代數基礎，就能輕松掌握此課程的理論部分，而不需要另外設置數理統計方面的課程。數理統計屬于數學學科，偏重于數學理論的講解，如不能結合專業性質，學生很難接受，也直接影響應用效果。
我國原有的計量地理學的教材內容，雖然與專業知識結合緊密，但數理統計的基礎知識講解的太少⑤，如果學生沒有概率論基礎，很難接受教材。實際上，只要在前面補充統計學中的抽樣分布和理論分布、假設檢驗、方差分析、參數估計等內容，就能解決這一問題。這樣，既不需要單獨由數學老師開設概率論和數理統計的課程，又能緊密結合地理學科，既加強了學生數據處理的基礎技能，又使地理計算學科課程更加具有層次性和系統性。我國現有少數高等師范院校開設了概率論和數理統計課程，進而取代了計量地理學課程，筆者認為是不可取的，脫離了專業的純粹的數學課程與和專業相結合的課程所起的作用是不可比擬的。由于地理信息統計學中的回歸分析需要線性代數做基礎，因此需要在基礎課程上安排線性代數這門課程。
2.引進地理學中的數學方法這門課程
在地理信息統計學的基礎上，依靠學生已經具有的處理地理問題的定量化基礎，引入地理學中的數學方法這門課程。從以上分析可知，可以納入這門課的內容很多，有的方法需要較高的數學理論基礎，因此，筆者建議將學生容易接受的有馬爾可夫過程、線性規劃、投入產出分析、多目標規劃、動態規劃、非線性模型、網絡分析、層次分析法、風險型決策分析法、非確定型決策分析法、模糊數學方法、灰色系統方法，做為地理學中的數學方法（一）；其它的控制論、信息論、突變論、耗散結構理論、協同論、系統動力學方法、分形理論、小波分析、人工神經網絡、遺傳算法、細胞自動機則屬于難度較大的數學方法，可做為地理學中的數學方法（二）。在講解過程中地理學中的數學方法（一）可以采用理論和應用相結合，而地理學中的數學方法（二）則注重應用。地理學中的數學方法（一）可在本科生階段開設，地理學中的數學方法（二）在研究生階段開設。
3.計算機技術的發展為地理計算課程的開設提供了先決條件
統計學的計算軟件開發已非常成熟。世界上最著名的數據分析軟件SAS和SPSS、浙江大學開發的DPS數據處理系統、MATLABV4.0軟件包，都是目前很受歡迎的統計軟件。因此，統計學軟件與統計學理論的結合，提供了設置地理計算學課程的先決條件。
4.高等師范院校地理科學專業地理計算課程體系的構建
綜合以上分析，提出高等師范院校地理科學專業開設地理計算課程體系為：大學一年級的第二學期，在第一學期開設高等數學的基礎上，增設線性代數，學時為60學時；大學二年級的第二學期，開設地理信息統計學，學時為64學時（54學時的理論課，10學時的上機操作）；大學三年級的第二學期，開設地理中的數學方法（一），學時為60學時；在研究生一年級的第二學期，開設地理學中的數學方法（二）。
三、結論
1、計量地理運動的興衰影響了我國高等師范院校地理科學專業開設計量地理學課程的現狀。隨著地理學中研究問題的廣泛性，數學方法已應用于地理學中的多個方面，培養和提高地理科學專業學生的定量分析問題的能力和素質，已是刻不容緩。
2、用地理信息統計學代替計量地理學，增加統計學中的概率論、理論分布和抽樣分布、假設檢驗、方差分析、參數估計等內容，加強學生的數學基礎。
3、引進地理學中的數學方法這門課程，根據內容的難易分成兩個系列課程，即地理學中的數學方法（一）和地理學中的數學方法（二）。
4、提出了高等師范院校地理科學專業開設地理計算課程體系：大學一年級的第二學期開設線性代數，學時為60學時；大學二年級的第二學期，開設地理信息統計學，學時為64學時（54學時的理論課，10學時的上機操作）；大學三年級的第二學期，開設地理中的數學方法（一），學時為60學時；在研究生一年級的第二學期，開設地理學中的數學方法（二）。
參考文獻：
〔1〕徐建華.現代地理學中的數學方法〔M〕.高等教育出版社,1995,1-5.
〔2〕陳彥光.地理學:計量運動的失敗與分形研究的崛起〔J〕.信陽師范學院學報(自然科學版),1999,12(3):310-314.
〔3〕許峰宇,戴先杰.高等教育地理學專業課程體系研究〔J〕.煤炭高等教育,2004,22(3):83-86.
【摘要】關系數據庫、數據倉庫和數據挖掘是作為三種獨立的信息技術出現的，是數據庫研究、開發和應用最活躍的分支之一，通過對三種技術的內在聯系性和互補性分析，從而更好的使用數據庫技術處理各種信息需求，建立更加完善的數據庫應用系統或新的決策系統。
關鍵詞 關系數據庫；數據倉庫；數據挖掘；關
0引言
關系數據庫是20世紀70年代初提出來，經過數據庫專家幾十年的努力，理論和實踐都取得了顯著成果，標志著數據庫技術的日益成熟。但它仍然難以實現對關系數據庫中數據的分析，不能很好地支持決策，因此在80年代，產生了數據倉庫的思想，90年代，數據倉庫的基本原理、架構形式和使用原則都已確定。主要技術包括對數據庫中數據訪問、網絡、C/S結構和圖形界面，一些大公司已經開始構建數據倉庫。針對數據倉庫中迅速增長的海量數據的收集、存放，用人力已經不能解決，那么數據倉庫中有用的知識的提取就需要數據挖掘來實現。數據挖掘與統計學子領域“試探性數據分析”及人工智能子領域“知識發現”和機器學有關，是一門綜合性的技術學科。了解關系數據庫、數據倉庫與數據挖掘三者之間的區別與聯系，使之更好的使用這3種技術，處理各種信息需求是非常必要和重要的。
1關系數據庫、數據倉庫和數據挖掘之間的關系
1.1關系數據庫和數據倉庫之間的聯系與區別
關系數據庫是面向事務的設計，數據倉庫是一個面向主題的設計；關系數據庫存儲在線事務數據，數據倉庫通常存儲歷史數據，關系數據庫的設計將盡量避免冗余，但數據倉庫是傾向于引入冗余；關系數據庫設計用于捕獲數據，數據倉庫設計用于分析數據。傳統的關系數據庫面向以事務處理為主的系統應用，所以它無法滿足決策支持系統的分析要求。事務處理和分析處理有非常不同的性質，他們有不同的需求數據。
1.2數據倉庫與數據挖掘之間的聯系與區別
數據挖掘是基于數據倉庫和多維數據庫中的數據，找到數據的潛在模式進行預測，它可以對數據進行復雜處理。大多數情況下，數據挖掘是讓數據從數據倉庫到數據挖掘數據庫中。從數據倉庫中直接得到進行數據挖掘的數據有許多優點，因為數據倉庫中數據的清理和數據挖掘中幾乎是相同的，如果數據在數據倉庫中已被清除，數據挖掘中不再被清除，并且數據不一致也得到了解決。數據倉庫是數據挖掘的先期步驟，通過數據倉庫的構建，提高了數據挖掘的效率和能力，保證了數據挖掘中的數據的寬廣性和完整性。
1.3關系數據庫與數據挖掘之間的聯系與區別
數據挖掘的數據源不一定是數據倉庫。也可以是一個關系數據庫中的數據，但要事先進行數據預處理，才能用于數據挖掘。數據預處理是數據挖掘的關鍵步驟，并且是數據挖掘過程中的主要工作部分。因此，數據倉庫和數據挖掘沒有必然的聯系，有些人簡單地認為，數據倉庫是數據挖掘的準備，這種理解是不全面的，也可以使用關系數據庫中的數據作為數據挖掘的數據源。
2三種技術的應用
2.1應用價值
2.1.1關系數據庫
關系數據庫的主要價值體現在事務處理。關系數據庫已經滲透到各行各業的日常事務，該事務管理離不開關系數據庫的應用系統，這是對傳統事務管理的一個重大突破，是社會甚至家庭不可或缺的工具，它對社會的應用價值是100%。
2.1.2數據倉庫
數據倉庫的主要價值體現在為決策分析提供數據源。一方面，在一個事務中，用戶要求高效的訪問系統和數據庫，操作時間應該短。在一個決策分析中，決策問題的一些請求可能會導致系統的操作，解決這一問題的決策分析需要遍歷大多數數據庫中的數據，這對一般日常事務處理系統是困難的，所以操作數據和決策分析數據應該分開。另一方面，決策數據需求問題。在決策分析時，由于不同的應用系統中，實體、字段存在數據類型、名稱和格式的不符，需要在集成時進行轉換，這個轉換必須在決策之前完成；一些決策數據需要動態更新，需要經常進行匯總和總結，這些需求用事務處理系統解決比較繁瑣。三是數據的操作模式問題。決策分析人員要以專業用戶身份，使用各種工具以各種形式來操作數據，對數據操作的結果以商業智能的方式表達出來。事務處理系統不能滿足這一要求，只有數據倉庫系統能夠滿足數據挖掘技術對數據環境的要求，所以使用數據倉庫中的數據省去了對數據預處理的步驟。
2.1.3數據挖掘
面對日益激烈的市場競爭，客戶對迅速應答各種業務問題的能力要求越來越高，對過量數據的及時處理要求越來越高，帶來的挑戰一方面大規模、復雜數據系統讓用戶感覺漫無頭緒，無法開始；另一方面，這些大量數據背后隱藏很多有意義的有價值的決策信息。如計算機界都熟知的“啤酒與尿布”的故事，就是零售業巨頭“沃爾瑪”從大量銷售數據中分析出來的規律：美國的男士在下班要去超市買嬰兒尿布，同時他們還會買啤酒?！拔譅柆敗本桶堰@兩種“毫不相干”的商品擺放在靠近的貨架上，并且還擺放一些下灑小菜，使這些商品銷量大增。所以應用數據挖掘從大量數據中發現規律，具有具體的指導意義。
2.2應用領域
2.2.1關系數據庫
關系數據庫應用領域非常廣泛，如：證券行業、醫院、銀行、銷售部門、公司或企業，以及政府、國防工業，科學和技術發展領域等等，這些領域都需要使用數據庫來存儲數據。例如:人事管理系統、工資管理系統，xxx部門信息管理系統，手機話費管理系統等，都需要關系數據庫作為后臺提供數據源。
2.2.2數據倉庫
數據倉庫應用領域主要有兩個方面：一是全局應用。因為數據倉庫獲得來自多方面的數據，所以在把數據向數據倉庫輸入時，要進行轉換、計算和綜合等集成處理。通過處理把來自不同地方的數據源轉換成統一的格式，以促進全局應用。二是復雜系統。信息處理的要求越來越復雜，除了數據處理操作，如添加、刪除、修改、和統計匯總，高級管理層也希望對歷史的和現在的數據進行各種復雜性分析，以支持決策。數據倉庫中就是存儲了舊的歷史數據，方便復雜分析、應用，為高層決策服務。
2.2.3數據挖掘
數據挖掘的應用領域主要表現在特定應用問題和應用背景。數據挖掘技術已經應用于各行各業，如電信，保險，交通，學校、銀行、超級市場等。例如：數據挖掘技術應用在大學。高校擴招，學生增加到幾萬人，但是學生的學習積極性不高，成績不好，因此引入數據挖掘技術找出影響學生學習積極性和學習成績的原因，制定措施，提高教育和教學質量。分析的數據源是考試成績和成績之外的影響因素，分析的方法是采用關聯規則、模型庫、去“噪”處理、粗糙集等進行數據挖掘，得出的結論是：傳統的學習方法不能完全滿足需要，改進教學方法和教學模式，從而調動學生學習的積極性，提高教學質量。
3關系數據庫、數據倉庫與數據挖掘的融合
日常事務處理需要關系數據庫，構建分析處理（下轉第318頁）（上接第59頁）環境需要數據倉庫，幫助決策者尋找數據之間的潛在的關聯需要數據挖掘。他們之間是相互聯系又有區別的，不能互相取代的，又需要相互融合。數據倉庫中的數據并不是最新的，專有的，而是來源于其他關系數據庫，它是建立在一個更全面和完善的信息應用的基礎上，用于支持高層決策分析的數據基地。數據倉庫是數據庫新技術，到目前為止，數據倉庫仍用關系數據庫管理系統管理數據。數據挖掘是從大量存儲在數據庫、數據倉庫或其他信息庫中發現有趣知識的過程。只有這三個數據庫技術互相融合，取長補短，各盡其責，才能更好的為廣大用戶所使用，為社會各個領域所應用。
參考文獻
［1］華冠萍.數據倉庫、數據挖掘及OLAP之兩兩關系[J].福建電腦,2007,8.
