论文部分内容阅读
【摘 要】：对企业而言，数据的分析与统计可以对企业出现的一些突出问题进行收集并及时反馈出有效信息，能为企业领导经营管理决策提供重要依据。所以企业内各环节的数据分析将会是工作重点，这是企业更快更好发展的指路明灯。因此数据分析在企业数据管理中的应用将是一个持续改进，不断挖掘的内容。
【关键词】：数据分析；数据管理
数据管理：收集及管理企业内所有类型的数据。包括设计开发的数模图纸，零件清单，数据的审批过程、历史记录等。有目的记录收集数据，是确保数据分析过程有效的基础。
1 定义
数据分析：数据分析的目的是把隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来，以找出所研究对象的内在规律。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。数据分析是组织有目的地收集数据、分析数据，使之成为信息的过程。在产品的整个寿命周期，包括从市场调研到售后服务和最终处置的各个过程都需要适当运用数据分析过程，以提升有效性。
2 现状
随着时代的进步，企业已经从传统的人工管理及文件系统管理，发展到数据库管理的阶段。数据库管理的基础提供了数据的完整性，正确性。并且企业已经对数据的安全性有所管理，包括权限控制，文件加密系统的等。数据分析的的工作目前仍比较初级的阶段，当数据分析的水平跟上数据管理发展的水平时，将会大大加快企业发展和进步。
3 意义
数据分析是判断、趋势、多角度发现问题的成熟解决方案，传统企业的大部分业务情况，通过业务经验，有了数据分析即可改善业务。数据的核心是发现价值，而驾驭数据的核心是分析。通过对企业数据的梳理分析，结合业务的理解，找出一些突出问题的关键点，预测未来的趋势，帮助企业更好地进行决策。
4 数据分析的过程
4.1 收集数据
收集数据是数据分析的来源，同时也是数据管理的日常工作。数据收集分为人工输入以及数据库系统的输入。这里提到的人工输入可以是人为判断评价的记录，例如：个人评价/评论/反馈；数据系统的输入可以是企业内部拥有的软件数据库收集的信息，例如：BOM，PDM，PORTAL等。
4.2数据预处理
数据预处理即是去除不必要的信息及明显的错误信息并进行数据转换。不同的数据来源通常会产生不同的格式，这里我们普遍常用的数据分析工具是EXCEL，所以需要将输入的不同格式转化为EXCEL可以方便读取的形式。
4.3 数据分析的方法
数据分析的方法有很多种。这里只是提出比较常用的一些经验方法。
聚类分析、预测建模、关联分析、异常检测。
4.3.1 聚类分析
发现紧密相关的观测值族群，使得同组的相似性越大，不同组的差别越大，已达到较好的聚类效果。根据聚类得到的不同观测值组，做出决策树，为业务部门提供决策支持。
聚类分析简单、直观。
聚类分析主要应用于探索性的研究，其分析的结果可以提供多个可能的解，选择最终的解需要研究者的主观判断和后续的分析；不管实际数据中是否真正存在不同的类别，利用聚类分析都能得到分成若干类别的解；聚类分析的解完全依赖于研究者所选择的聚类变量，增加或删除一些变量对最终的解都可能产生实质性的影响。研究者在使用聚类分析时应特别注意可能影响结果的各个因素。异常值和特殊的变量对聚类有较大影响。
聚类分析是细分产品市场的有效工具，同时也可用于研究消费者行为，寻找新的潜在市场、选择实验的市场，并作为多元分析的预处理。在企业内部数据管理中可以用于用户调研、反馈，进而更好地为企业员工提供适合的服务及帮助。
4.3.2 预测建模
以自变量函数的方式为目标建立模型，预测离散的目标变量；预测连续的目标变量。
根据CAD软件的应用状态判断下一年的需求：
根据图标分析可以预测，明年的软件需求应该和今年差不多，CAD软件保证在400左右基本可以满足需求，CAD软件保证在50左右可以满足需求
4.3.3 关联分析
关联分析就是从大量数据中发现项集之间有趣的关联和相关联系。关联分析的一个典型例子是购物篮分析。该过程通过发现顾客放人其购物篮中的不同商品之间的联系，分析顾客的购买习惯。通过了解哪些商品频繁地被顾客同时购买，这种关联的发现可以帮助零售商制定营销策略。其他的应用还包括价目表设计、商品促销、商品的排放和基于购买模式的顾客划分。关联分析是一种简单、实用的分析技术，就是发现存在于大量数据集中的关联性或相关性，从而描述了一个事物中某些属性同时出现的规律和模式。
例如在零件的数据管理过程中可能发现一些关联零件的规律。
例如：从VDS中找出配置选项的关联，例如配置了前排乘客安全气囊，必定会配置驾驶员安全气囊。
4.3.4 异常分析
顾名思义，当一些较为稳定的数据，发生异常或者一组数据中个别数据异于其他数据时，发现它们，并从中找到原因或者规律。
或者当发现某部门指标长期低于平均值，则需要关注其产生原因，是不是因为开发人员不足造成
4.3.5 对比分析
根据类似数据进行对比分析。在数据管理的工作中找到类似数据，尝试对其对比分析，找出差异点。
4.4 数据分析经验数据库的创建
由于企业的数据分析方法是初步形成的，需要累积和实践验证。在找到合适的数据分析方法时，可以将有效的数据分析成果或者过程记录存档，方便后人的学习和改进。企业的数据管理和数据分析是密不可分的，鼓励更多的人参与数据分析将会提高数据分析经验库的含金量。
5 结语
数据分析在数据管理工作中的应用将直接支持整车研发企业的开发工作，以及产品数据的管理水平的提高。数据分析经验数据库的创建培养和累积足够的。在将面对大数据盛行的时代，企业内部的数据累积是必不可少的，数据分析有助于提高企业管理和运营系统运行的效率。数据的管理与交流往往是检验公司管理决策和经营策略是否正常运作的标志。所以企业管理中可以利用数据分析发现一些问题，及时跟进改善，从而提高公司整体的运营效率，为公司更快更好的发展打下良好基础。
参考文献
[1] 覃雄派， 大数据分析——RDBMS与MapReduce的竞争与共生，软件学报，2012（1）
[2] 王晶，朱珂，汪斌强，基于信息数据分析的微博研究综述，计算机应用，2012（7）
[3] 朱建平，章贵军，刘晓葳，大数据时代下数据分析理念的辨析，统计研究，2014（2）
【关键词】：数据分析；数据管理
数据管理：收集及管理企业内所有类型的数据。包括设计开发的数模图纸，零件清单，数据的审批过程、历史记录等。有目的记录收集数据，是确保数据分析过程有效的基础。
1 定义
数据分析：数据分析的目的是把隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来，以找出所研究对象的内在规律。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。数据分析是组织有目的地收集数据、分析数据，使之成为信息的过程。在产品的整个寿命周期，包括从市场调研到售后服务和最终处置的各个过程都需要适当运用数据分析过程，以提升有效性。
2 现状
随着时代的进步，企业已经从传统的人工管理及文件系统管理，发展到数据库管理的阶段。数据库管理的基础提供了数据的完整性，正确性。并且企业已经对数据的安全性有所管理，包括权限控制，文件加密系统的等。数据分析的的工作目前仍比较初级的阶段，当数据分析的水平跟上数据管理发展的水平时，将会大大加快企业发展和进步。
3 意义
数据分析是判断、趋势、多角度发现问题的成熟解决方案，传统企业的大部分业务情况，通过业务经验，有了数据分析即可改善业务。数据的核心是发现价值，而驾驭数据的核心是分析。通过对企业数据的梳理分析，结合业务的理解，找出一些突出问题的关键点，预测未来的趋势，帮助企业更好地进行决策。
4 数据分析的过程
4.1 收集数据
收集数据是数据分析的来源，同时也是数据管理的日常工作。数据收集分为人工输入以及数据库系统的输入。这里提到的人工输入可以是人为判断评价的记录，例如：个人评价/评论/反馈；数据系统的输入可以是企业内部拥有的软件数据库收集的信息，例如：BOM，PDM，PORTAL等。
4.2数据预处理
数据预处理即是去除不必要的信息及明显的错误信息并进行数据转换。不同的数据来源通常会产生不同的格式，这里我们普遍常用的数据分析工具是EXCEL，所以需要将输入的不同格式转化为EXCEL可以方便读取的形式。
4.3 数据分析的方法
数据分析的方法有很多种。这里只是提出比较常用的一些经验方法。
聚类分析、预测建模、关联分析、异常检测。
4.3.1 聚类分析
发现紧密相关的观测值族群，使得同组的相似性越大，不同组的差别越大，已达到较好的聚类效果。根据聚类得到的不同观测值组，做出决策树，为业务部门提供决策支持。
聚类分析简单、直观。
聚类分析主要应用于探索性的研究，其分析的结果可以提供多个可能的解，选择最终的解需要研究者的主观判断和后续的分析；不管实际数据中是否真正存在不同的类别，利用聚类分析都能得到分成若干类别的解；聚类分析的解完全依赖于研究者所选择的聚类变量，增加或删除一些变量对最终的解都可能产生实质性的影响。研究者在使用聚类分析时应特别注意可能影响结果的各个因素。异常值和特殊的变量对聚类有较大影响。
聚类分析是细分产品市场的有效工具，同时也可用于研究消费者行为，寻找新的潜在市场、选择实验的市场，并作为多元分析的预处理。在企业内部数据管理中可以用于用户调研、反馈，进而更好地为企业员工提供适合的服务及帮助。
4.3.2 预测建模
以自变量函数的方式为目标建立模型，预测离散的目标变量；预测连续的目标变量。
根据CAD软件的应用状态判断下一年的需求：
根据图标分析可以预测，明年的软件需求应该和今年差不多，CAD软件保证在400左右基本可以满足需求，CAD软件保证在50左右可以满足需求
4.3.3 关联分析
关联分析就是从大量数据中发现项集之间有趣的关联和相关联系。关联分析的一个典型例子是购物篮分析。该过程通过发现顾客放人其购物篮中的不同商品之间的联系，分析顾客的购买习惯。通过了解哪些商品频繁地被顾客同时购买，这种关联的发现可以帮助零售商制定营销策略。其他的应用还包括价目表设计、商品促销、商品的排放和基于购买模式的顾客划分。关联分析是一种简单、实用的分析技术，就是发现存在于大量数据集中的关联性或相关性，从而描述了一个事物中某些属性同时出现的规律和模式。
例如在零件的数据管理过程中可能发现一些关联零件的规律。
例如：从VDS中找出配置选项的关联，例如配置了前排乘客安全气囊，必定会配置驾驶员安全气囊。
4.3.4 异常分析
顾名思义，当一些较为稳定的数据，发生异常或者一组数据中个别数据异于其他数据时，发现它们，并从中找到原因或者规律。
或者当发现某部门指标长期低于平均值，则需要关注其产生原因，是不是因为开发人员不足造成
4.3.5 对比分析
根据类似数据进行对比分析。在数据管理的工作中找到类似数据，尝试对其对比分析，找出差异点。
4.4 数据分析经验数据库的创建
由于企业的数据分析方法是初步形成的，需要累积和实践验证。在找到合适的数据分析方法时，可以将有效的数据分析成果或者过程记录存档，方便后人的学习和改进。企业的数据管理和数据分析是密不可分的，鼓励更多的人参与数据分析将会提高数据分析经验库的含金量。
5 结语
数据分析在数据管理工作中的应用将直接支持整车研发企业的开发工作，以及产品数据的管理水平的提高。数据分析经验数据库的创建培养和累积足够的。在将面对大数据盛行的时代，企业内部的数据累积是必不可少的，数据分析有助于提高企业管理和运营系统运行的效率。数据的管理与交流往往是检验公司管理决策和经营策略是否正常运作的标志。所以企业管理中可以利用数据分析发现一些问题，及时跟进改善，从而提高公司整体的运营效率，为公司更快更好的发展打下良好基础。
参考文献
[1] 覃雄派， 大数据分析——RDBMS与MapReduce的竞争与共生，软件学报，2012（1）
[2] 王晶，朱珂，汪斌强，基于信息数据分析的微博研究综述，计算机应用，2012（7）
[3] 朱建平，章贵军，刘晓葳，大数据时代下数据分析理念的辨析，统计研究，2014（2）