時間：2022-02-03 06:15:41
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇企業數據分析報告，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
在網上審計中，基礎性中間表的作用不言而喻，在實際工作中，它也是廣大審計人員用得最多的，審計人員在基礎性中間表的基礎上按各自需求建立分析性中間表，進行審計核實。
在審計項目中，審計人員通常需要結合被審計單位的經濟業務類別來創建審計中間表，并且需要準確地表達出所代表的經濟業務類別的信息，因此審計中間表體現了很強的業務特征，其設計和區分的標準就是經濟業務類別。在建立審計中間表前，應首先確定被審計單位的各種業務類別，并根據每一業務類別，從基礎數據中選擇出與該業務類別相關的數據表。
通過掌握被審計單位提供的數據字典，了解基礎數據中各表中存儲數據的內容、各字段的含義以及各表之間的關聯關系，然后從與某業務類別相關的基礎數據表中選擇反映該業務類別主要信息的字段，組織這些字段，設計出所屬該業務類別的主表；根據主表中各字段的內容，如果某一字段所包含的內容需要有一些附加信息對其加以說明，則從與該業務類別相關的基礎數據表中選擇反映這些附加信息的字段，組織這些字段，設計出所屬該業務類別的附表，對主表加以補充說明；根據該業務類別的主表和附表中各字段的內容，如果某一字段所包含的內容是代碼，則根據代碼的含義及其層次結構，設計出代碼表。此外，在基礎數據當中可能一些表和某項具體業務的聯系不是十分緊密，通常篩選有關字段，設計出補充表。應注意的是，設計審計中間表的結構時，一定要經過審計組的充分討論，特別是要聽取一些業務精通、審計經驗豐富的審計人員的建議，并對結果進行書面記錄，使建立的審計中間表能夠充分體現業務特征、體現審計目標，并且方便審計人員使用。
根據設計的審計中間表的結構，以及通過被審計單位提供的數據字典，了解建立審計中間表所需的基礎數據表之間的關系，然后通過編寫SQL語句將所需要的基礎數據表進行關聯、選取所需字段并設置有關篩選條件，生成符合審計需要的審計中間表。審計人員編寫的SQL語言主要通過使用SELECT語句，通過選取字段、聯接有關基礎數據表，并利用INTO子句保存查詢結果，最終生成審計中間表。另外，由于在建立審計中間表的過程中，可能因為操作失誤，將應選擇的字段而沒有被選擇，或者將應去除的字段而沒有被去除；還有可能因聯接、篩選條件或有關邏輯表達式設置的不正確，造成審計中間表的結果偏差。為避免上述情況或其它原因造成審計中間表的結果不正確，需對結果進行驗證。
我們認為，計算機人員和業務人員共同配合，發揮計算機人員操作熟練、業務人員明白鉤稽關系的特長，結合會計報表數據、財務數據憑證庫、財務數據余額庫等，生成高質量的基礎中間表。
二、審前調查做好數據分析報告
數據分析報告，指記錄審計組分析被審計單位電子數據過程和結果的文書。數據分析報告的撰寫是審計工作的一部分，數據分析大量使用復算、分析性復合等審計方法；數據分析和數據分析報告的撰寫過程也是一個審計項目組織和管理的過程，貫穿整個審計過程。在計算機審計的今天，能否利用好被審計單位的電子數據進行分析，撰寫出高質量的數據分析報告，是關系審計工作質量和成果的重要因素。
（一）撰寫數據分析報告前的準備工作
數據分析報告的系統分析和類別分析一般應在審前調查階段完成。審計人員通過數據分析來把握被審計單位的總體情況，從而把握和鎖定需重點審計的內容和范圍。在進行數據分析之前，必須做好充分的準備工作：
第一，整理好規范的審計中間表。
審計中間表是面向審計分析的數據存儲模式，它是將轉換、清理、驗證后的源數據按照提高審計分析效率、實現審計目的的要求進一步選擇、整合而形成的數據集合。審計中間表是數據分析的基礎。在系統分析和類別分析過程中需要的審計中間表主要包括：
1、按被審計單位的會計報表數據整理而成的會計報表中間表；
2、按被審計單位財務數據整理而成的憑證中間表；
3、按被審計單位財務數據整理而成的余額中間表；
4、按被審計單位財務數據整理而成的明細科目中間表；
5、按被審計單位業務數據整理而成的與被審計單位收入或成本的主要項目相關聯的業務中間表；
6、利用其他與被審計單位有關的數據整理而成的審計中間表。
第二，數據分析報告的分配與審計分工緊密結合。
網上審計中數據分析以及數據分析報告的撰寫過程也是審計項目組織和管理的過程，因此數據分析工作的分配應緊密地與審計分工相結合。系統分析主要是基于會計報表層次的分析，一般由審計項目主審完成，便于主審系統、完整地了解被審計單位，把握全局；類別分析主要是基于業務類別或者會計科目層次的分析，一般按照審前調查分工（或者審計分工），將類別分析分解，與審前調查（或者審計）任務一并分配給每一位審計人員，使計算機審計中的數據分析和審計實施緊密結合，避免脫節現象，更好的發揮數據分析的作用。
第三，準備好分析工具。
工欲善其事，必先利其器。要想做好數據分析，寫出高質量的數據分析報告，功能強大的分析工具必不可少。現在審計過程中使用的最多的分析工具主要有：EXCEL、SQL Server分析服務器或其他審計軟件等。
1、SQL Server分析服務器
隨著被審計單位信息化程度越來越高，ERP在被審計單位廣泛采用，因此被審計單位財務和業務電子數據將存儲于大型數據庫中，數據量極其龐大。在計算機審計環境下，審計人員所取得的主要審計資料就是被審計單位的電子數據，因此強大的數據庫工具SQL Server分析服務器成了審計人員實施計算機審計的有力工具。
2、EXCEL電子表格
在進行系統分析時，一般以被審計單位會計報表為分析對象，大部分會計報表軟件均可以將報表轉換成EXCEL電子表格，因此EXCEL這種為審計人員所熟悉的、操作靈活的工具在系統分析中廣泛采用。
3、其他審計軟件
（二）系統分析的對象、方法和內容
系統分析主要用于把握總體，一般應由審計項目主審完成，這樣便于主審把握被審計單位財務狀況、經營成果和現金流量等方面的總體情況，為審計和審計調點的確定以及審計分工提供依據。
系統分析的對象主要是被審計單位的會計報表。
系統分析的方法主要有：結構分析、趨勢分析和指標分析等。
結構分析主要是通過計算各個組成部分占總體的比重來揭示總體的結構關系和各個構成項目的相對重要程度，從而確定重點構成項目，提示進一步分析的方向；趨勢分析法是指將被審計單位若干期相關數據進行比較和分析，從中找出規律或發現異常變動的方法；而指標分析則是通過各項指標的計算，全面系統的了解被審計單位的財務狀況、經營成果和現金流量等。
系統分析的內容主要有：被審計單位的資產結構分析、資產趨勢分析、負債結構分析、負債趨勢分析、所有者權益結構分析、所有者權益趨勢分析、企業盈利能力指標分析、企業償債能力指標分析、企業流動性指標分析等。
（三）類別分析的對象、方法和內容
類別分析主要用于鎖定重點，應按照審計分工，將類別分析分配給每一位審計人員，使數據分析與審計實施緊密結合。
類別分析的對象主要是根據被審計單位的憑證中間表和余額中間表建立起來的多維數據集以及主要業務系統數據。
類別分析的主要方法有：結構分析、趨勢分析、配比分析等。
配比分析是指審計人員將相互關聯的會計科目或事項的相應數據放在一起進行趨勢分析，從中找出趨勢不一致的情況。
類別分析的主要內容有：系統分析結果中需重點關注的部分；主要會計科目的結構分析和趨勢分析，會計科目的選取因具體單位的不同而不同，一般應選取在資產、負債或所有者權益中所占比重較大的科目，或者根據審計經驗判斷容易出現問題的科目（往來科目、長短期投資等）；相關聯科目的配比分析，例如將長短期借款與財務費用、固定資產與累計折舊、配比分析；業務數據與財務相關數據的配比分析等。
1．重策略執行而輕戰略制定，企業整體運作意識不強
戰略是企業發展的長期性、全局性指導思想，策略則是戰略的具體化。從決策邏輯上來說，企業必須先確定營銷戰略，然后再根據戰略制定策略。具體在營銷模擬實驗中，學生先要進行SWOT分析，明確企業的優勢、劣勢、機會和威脅;然后進行STP分析，把握各細分市場之間的差異性，明確公司的目標市場，確定產品的市場定位;之后再制定公司的具體發展目標，如市場占有率目標、銷售額目標、利潤目標，這些內容基本都屬于公司戰略決策的范疇，對企業后階段的策略制定起著方向性的指導作用。但在實驗操作實際中，很多學生對戰略分析不夠重視，把大部分時間和精力都放在了策略制定與執行上，熱衷于進行新產品的開發、新品牌的推出、價格的制定與調整、渠道的選擇、廣告促銷等，至于為何要這樣去制定和執行，以后要怎樣去制定和執行，則缺少全盤考慮。實際上，由于學生前期的戰略分析不全面，戰略目標不明確，很多策略的針對性和實用性不強，甚至有些策略就憑主觀感覺或估計來確定。
2．決策過程不嚴謹，數據分析能力弱
由于市場環境越來越復雜，決策風險越來越大，企業的決策日趨客觀嚴謹，決策中越來越重視數據的支撐作用。數據是市場的真實反映，揭示了事物發展的客觀規律，本身就是決策的重要參考，培養學生的數據分析能力和嚴謹思維也是營銷模擬實驗教學的一個重要目標。市場模擬營銷實驗中包含大量的數據，比如銷售量、銷售額、增長率、利潤額、利潤率、生產成本、投資收益率、知名度、股價等等，另外還有許多圖表，如折線圖、餅形圖、柱狀圖及矩陣圖等，每一次營銷計劃執行后，這些數據或圖表就會發生相應的變化。這些數據中蘊含著豐富的市場信息，非常值得我們去挖掘，但這些數據或圖表并沒有被學生很好地利用，學生對數據的敏感度不夠，不擅長去分析其中包含的信息，對它們的認識有些表面化，往往是在進行簡單的了解后便很快制定出營銷策略，決策過程欠嚴謹。
二、市場營銷模擬實驗教學的優化對策
1．科學分組，確保競爭公平
為使每一位同學都能始終保持實驗興趣，也為了保證小組競爭的公平，教師在實驗開始前必須對全班進行科學分組。分組時要考慮以下幾點:首先要確定每組的人數，每組人數不宜過多，太多了影響決策效率，還可能導致人浮于事，一般三人一組比較好，團隊比較精干，也便于協商或討論;然后要確定小組成員選擇標準，每一小組至少要有一位專業能力相對突出的同學，以保證決策過程的專業性和合理性，并帶動其他同學積極參與。確定組隊標準后，學生可以先行組合，然后把組隊名單交給老師，老師根據實際情況對各組成員進行適當調整，盡量使各組的實力保持相對平衡。
2．突出戰略決策，做好市場分析與戰略定位
企業的決策需要有戰略思維，要預先做好市場及產品的規劃，在此基礎上再制定出不同階段的營銷策略。為此企業需要對營銷環境做出全面細致的分析，了解企業的優勢、劣勢、機會和威脅，并在市場細分的基礎上做出目標市場的選擇，確定產品在目標市場的定位，最終形成成熟的營銷方案。這種戰略分析能力體現出了學生的宏觀視野和邏輯思維，但往往也是很多學生的弱項，需要教師在實驗環節中予以特別重視，通過一系列強化訓練來培養。比如要求學生在每次實驗中必須提交兩份戰略分析報告，一份是SWOT分析報告，一份是STP報告，報告中必須對營銷環境、戰略定位、營銷目標做出詳細分析和具體明確，并闡述原因和依據，在分析報告沒有提交之前，不能進入下一個實驗環節。在每一年度的營銷實驗結束后，教師還要對全班所有同學的分析報告進行評比，將評比結果作為期末成績的參考。通過這種硬性規定，讓學生重視戰略分析，逐步提高從全局把握問題的能力。
3．強化數據分析，做到嚴謹決策
數據分析能反映一個人看待問題的深度以及思維的嚴謹性，但對于很多學生來說，由于營銷分析工具掌握不牢固，對數據分析的方法比較生疏，難以從多個數據中發現事物之間的內在聯系或規律，更多是根據主觀感覺或個人經驗，再結合一些表面的數據來制定營銷對策，決策過程存在某種隨意性。為改變這一不良決策習慣，教師在實驗中必須強調一點，就是所有的決策必須有數據支撐，必須有數據分析，用數字說話。這并非提倡決策的“數據主義”，只是強調嚴謹決策的重要，這種訓練對學生以后的行為習慣和邏輯思維將產生積極影響，讓學生更理性地看待問題和解決問題。以營銷模擬實驗中的廣告投放決策為例，就要求學生先了解企業本年度的營銷預算、廣告的目標、媒體的成本、媒體的傳播效應、企業目前的知名度等數據，然后對這些數據進行科學計算，得出廣告投放的時間、次數和費用，而不能憑估計隨意給定一個數字。
4．加強課堂管理，確保實驗效果
關鍵詞 分析化驗；業務域；POSC Epicentre邏輯模型；業務活動
中圖分類號：TP311 文獻標識碼：A 文章編號：1671-7597（2014）04-0017-02
1 業務對象分析
庫房中儲存的樣品主要是巖石樣和流體樣，根據取樣方式的不同可以把巖石樣分為巖心樣、壁心樣、巖屑樣和露頭樣，把流體樣分為常溫常壓流體樣和高溫高壓（統稱PVT）樣，根據流體相態又可以把流體樣分為油樣、氣樣和水樣。
分析化驗所使用的樣品是小樣，也叫做實驗用樣，是大塊巖石樣或大桶流體樣中的一部分。根據實驗的目的和要求，可以把小樣分為水平樣和垂直樣。
2 分析化驗項目分析
根據樣品的類型可以把分析化驗分為流體樣實驗、巖石樣實驗和巖石樣-流體相共存實驗3種。
2.1 流體樣實驗
流體樣實驗是對從井筒或地面上取得的流體樣進行分析的，研究井筒中流體的特性，為油氣田開發前期設計提供參考依據，為生產井提能分配或井下作業提供基本數據支持。
根據流體取樣方式的不同，把流體樣實驗分為常溫常壓流體實驗和PVT實驗，由于流體相可以分為油相、氣相和水相，所以流體實驗又細分為常溫常壓油樣實驗、常溫常壓氣樣實驗、常溫常壓水樣實驗、原油PVT實驗、易揮發油PVT實驗和凝析氣PVT實驗。
2.2 巖石樣實驗
巖石樣實驗是對鉆井過程中取到的巖石所進行的分析或鑒定，是地層巖石特性最直接、最準確的表現。
根據實驗的目的不同，把巖石實驗分為常規巖心分析、特殊巖心分析、巖石地化分析等。
2.3 巖石樣-流體相共存實驗
巖石樣-流體相共存實驗是分析巖石在以不同的流體相作用下，所呈現出來的巖石的潤濕性和聯通性等，主要有毛管壓力實驗和相對滲透率實驗等。
根據流體相作用方式的不同可以分為壓汞法和驅替法，驅替實驗分為油驅替水、水驅替油和氣驅替水等。
3 業務分析
業務分析是數據庫設計的基石，只有業務分析好，才能設計出滿足需要的業務模型。根據工作內容可以把業務分析分為業務調研、業務劃分、業務活動分析和數據分析。
3.1 業務調研
確定分析化驗業務域的業務調研范圍和調研內容，形成業務調研清單，并制定業務調研模板。業務調研模板是業務調研的依據，必須要包含業務名稱、業務流程和數據應用情況等。在執行調研時，按照業務調研模板內容，詳細了解分析化驗業務現狀、數據庫現狀、應用現狀和數據管理機制等，并收集相關資料（報表、數據、業務規范等）。
3.2 業務劃分
根據業務調研情況對分析化驗業務域進行業務劃分，劃分為一級業務和業務活動，一級業務主要有常規巖心分析、特殊巖心分析、巖石地化分析、油氣地化分析、巖礦分析、同位素分析、巖石力學分析、古生物分析、油氣水分析和流體PVT分析等。
業務活動是對一級業務進行細分，直至劃分到不能再分為止。如一級業務常規巖心分析包含有巖石物性分析、巖心伽瑪測定和巖心CT掃描等。
3.3 業務活動分析
根據業務劃分得到一個個業務活動，每一個業務活動都有自己的業務含義和業務范圍。業務活動分析就是要詳細分析每一個業務活動流程，如業務活動的時間、地點、參與人員、業務規則、輸入數據、輸出數據、相關的標準規范等。如巖石物性分析是實驗員（who）收到分析化驗任務后（when），在實驗室（where）根據樣品基本信息和檢測任務單的要求對巖心樣品（which）進行巖石孔隙度、滲透率、含油飽和度、密度、碳酸鹽巖含量的分析化驗，形成巖石物性分析成果數據表和業務分析報告（what），為表征巖石孔隙的發育程度、儲集流體的通過能力和巖石滲流特征提供重要參數，為儲量計算、采收率確定等提供參數依據（why）。
3.4 數據分析
數據分析是對業務活動數據集和現有專業數據庫物理表進行詳細分析，業務活動數據集分析是對業務活動的輸入數據和輸出數據進行分析，規范業務活動輸入數據集和輸出數據集，形成業務活動數據集；現有專業數據庫物理表分析是對現有在用專業數據庫物理數據表進行分析，分析出專業數據庫物理數據表的實際業務含義，具體是哪個業務活動產生的，對應于業務活動的哪個數據集，形成專業數據庫物理數據表對業務活動數據集的映射關系。
數據分析表如下：
業務活動 輸入數據 輸出數據 業務活動數據集 專業數據庫
巖石物性分析 檢測任務單 巖石物性
分析報告 巖石物性分析報告 文檔數據庫
實驗樣品信息 巖石物性分析
成果數據 分析化驗數據庫
4 數據模型設計
數據模型設計是實現業務分析到物理模型設計的所有過程，主要分為業務模型設計、采集模型設計、邏輯模型設計和物理模型設計。
4.1 業務模型設計
根據業務調研和分析成果，對業務模型進行標準化梳理，對數據流進行詳細分析，完成從業務分析到業務模型的轉換，形成業務模型。
4.2 采集模型設計
制定業務模型中數據集合并原則，根據這些原則分析業務模型中需要合并的數據集，通過專業工具完成業務模型數據集的合并工作，實現從業務模型到采集模型的轉換。業務模型數據集合并原則：首先是業務活動場景相同；其次是業務活動產生的數據項相似。
4.3 邏輯模型設計
通過對POSC Epicentre邏輯模型和PPDM模型的研究，結合石油企業業務實際，采用面向對象的設計方法設計分析化驗邏輯模型。邏輯模型主要分為對象模型、活動模型和屬性模型。對象模型是對分析化驗業務域中所涉及到的業務進行抽象，提取出一個個業務對象，用前綴OOE_表示，如巖心的對象模型是OOE_Core等；活動模型是對分析化驗業務域中所有業務場景進行抽象，形成業務活動編目，存儲在OOE_Activity實體里，具體的業務分析活動只是業務活動編目的具體實例。如巖石物性分析是業務活動，***井巖心常規分析報告是業務活動實例；屬性模型是業務活動數據集中的相同數據項的抽象，提取出一個個屬性對象，使用前綴OOP_表示，如孔隙度的屬性模型是OOP_Porosity。
4.4 物理模型設計
設計從邏輯模型到物理模型的投影規則，依據投影規則實現邏輯模型到物理模型的轉換，投影出不同版本的數據庫，以支持不同的數據存儲和管理需求。常用的投影規則有直接投影、復制投影和合并投影，不同的實體具有不同的投影規則。在投影時，為了保證物理模型的最優化設計和數據存儲的最少冗余，要求分析所有實體對應的最優投影規則，根據最優投影規則一次投影出物理模型。
5 總結
分析化驗對象數據庫的設計是依據國際先進的POSC Epicentre模型，根據對象設計方法設計的，具有對象的特征，能很好的滿足業務人員的使用習慣，為今后的勘探開發設計提供強有力的支持。
“一帶一路”倡議提出以來，國家層面不斷以實際行動往縱深推進，近期更是密集出臺各項支持政策。5月14-15日，被業內譽為最高級別的“一帶一路”國際合作高峰論壇將在北京舉行，“一帶一路”官網――中國一帶一路網（以下簡稱官網）也隨之迎來人生中的首次大考――如何擔負起高峰論壇宣傳和服務重任？
“一帶一路”官網相關負責人向《財經界》記者表示，官網上線一個月來運行平穩，社會反響良好。目前，網站累計訪問量已近140萬，多數新聞媒體開始轉載官網稿件，具備較好媒體傳播能力。我們將密切配合“一帶一路”國際合作高峰論壇，全力做好報道工作。
事實上，這種底氣還來自于官網背后的強大支撐。2015年，國家信息中心先后組建了國家發展改革委互聯網大數據分析中心和國家信息中心“一帶一路”大數據中心，前者側重于國家宏觀經濟監測預測、政策評價等大數據分析，后者側重于“一帶一路”及海外大數據分析，共同為官網提供全方位的數據支撐。
該負責人進一步表示，高峰論壇之后，官網還將著力開展三項工作：一是加快完善網站各項管理制度，加強團隊業務培訓，保障官網內容生產高標準、高質量；二是馬上啟動網站二期建設，計劃在2017年年底實現俄文版、法文版、阿拉伯文版、西班牙文版上線運行，屆時將覆蓋全球大部分地區；三是探索開放合作機制，拓展官網信息傳播渠道，加強品牌化建設，提升網站綜合信息服務能力。
Q ：《財經界》
A ： “一帶一路”官網相關負責人
兩個“中心”的強大支撐
Q：“一帶一路”官網今年3月上線，為什么要成立這個網站？國家信息中心做了哪些籌備工作？
A：深入推進“一帶一路”建設，是“十三五”以及更長一段時期我國實行開放發展的重大戰略任務，國際國內政府部門和社會各界都十分關注和高度重視。有效打造能夠及時在線“一帶一路”權威信息和開展交流互動的官方網絡平臺十分必要。第一，可以全方位、精準化、集成化地和展示我國推進“一帶一路”建設的倡議構想、重大規劃、重要政策、重要建設需求和成果、重大活動等專項信息，以及各類基礎性數據和基本信息，有利于引導海內外廣大受眾全面、客觀、深入、準確地了解當前現狀以及發展趨勢，增強戰略互信；第二，可以借力官網這一開放平臺，強化與“一帶一路”沿線國家和地區的信息互聯互通和交流，以及與廣大海內外受眾的互動答疑解惑，及r回應國內外關切，積極傳播正能量；第三，可以為深化拓展國際合作空間特別是企業合作和人文交流提供可信賴的信息服務，同時未來通過采取與不同國家、地區合作共建的形式，調動更多資源和社會力量參與“一帶一路”投資建設和經貿合作。
在這樣的背景下，國家信息中心按照推進“一帶一路”建設工作領導小組辦公室關于建設“一帶一路”官網的部署和要求，基于信息中心在網站建設運維、“一帶一路”大數據等方面的經驗和基礎，積極整合各方資源，創新建設模式，自2016年4月啟動官網建設工作。一年來，在億贊普集團的大力支持下，我們建立了專業的網站建設隊伍，完成了從欄目體系設計、頁面設計、功能設計、前后臺搭建、內容采集和編輯上傳、配套制度和標準制定等工作，并在上線前對網站安全做了重點加固。3月21日，官網正式上線運行。網站上線引起社會各界廣泛關注，目前運行狀態良好，用戶訪問量逐周增加，實現了良好開局。
Q：2015年，國家信息中心組建了兩個“中心”―― 國家發展改革委互聯網大數據分析中心和國家信息中心“一帶一路”大數據中心，能否為我們介紹一下這兩個中心的相關情況？它們與“一帶一路”官網之間又是什么關系，工作上是如何互相配合的？
A：為貫徹落實國家大數據發展戰略，提升以大數據支撐國家發展改革委核心業務的服務水平，2015年4月，國家信息中心組建國家發展改革委互聯網大數據分析中心，主要面向國務院、國家發展改革委、各級發改部門和相關政府部門提供互聯網大數據分析與決策支持。
同時，為更好服務國家“一帶一路”建設，2015年12月，國家信息中心聯合億贊普集團共同發起成立了國家信息中心“一帶一路”大數據中心，該中心以“一帶一路”大數據開發應用為重點，以支撐政府決策和服務企業及社會需求為導向，以廣泛深度歸集全球“一帶一路”相關信息并建設綜合數據庫為基礎，以打造若干專業化、開放性、機制化大數據合作平臺為抓手，以中國一帶一路網和一帶一路大數據綜合服務門戶為載體，打造基于大數據的“一帶一路”特色智庫，為有關政府部門和社會提供多元化、個性化、可視化的大數據產品和服務，提升“一帶一路”大數據決策支持能力和綜合服務水平。
國家發展改革委互聯網大數據分析中心主要側重于國家宏觀經濟監測預測、政策評價等大數據分析，國家信息中心“一帶一路”大數據中心主要側重于“一帶一路”及海外大數據分析。這兩個中心為官網提供主要的數據支撐。
Q：大數據在一帶一路戰略實施中有何重要意義？
A：“國之交在于民相親，民相親在于心相通”。信息是中國與“一帶一路”沿線國家加強溝通、擴大共識、深化合作的重要基礎，是政府和企業決策的重要依據。“一帶一路”橫跨亞、歐、非大陸，涉及國家眾多，各國經濟發展水平、資源稟賦、基礎設施、政治制度、投資環境、人文風俗千差萬別。如何消除建設過程中的信息不暢通、不對稱，構筑快捷、通暢的信息“高速路”，不僅是促進民心相通的基礎工程，更是推進“一帶一路”建設、促進區域內國家均衡發展的必然要求。正所謂“兵馬未動，糧草先行”，當前我們正處在大數據時代，信息不僅是核心資源，還是關鍵的生產要素。對信息資源掌握的多寡成為國家軟實力和競爭力的重要標志，很大程度上決定企業競爭力的強弱，也影響著合作共贏的實現效果。構建“一帶一路”大數據決策支持體系，加強對“一帶一路”相關信息和數據的采集存儲與分析挖掘，對于支撐“一帶一路”戰略決策和服務企業“走出去”都具有十分重要的意義。從2015年開始，我們探索創新從大數據應用角度開展“一帶一路”常態化信息歸集和大數據專項分析，每半個月向“一帶一路”領導小組辦公室和國家發展改革委提交大數據專題分析報告，領導批示率很高。2016年10月，我們基于前期工作基礎，結集出版了《“一帶一路”大數據報告（2016）》，獲得了社會各界高度關注和一致好評。
Q：“一帶一路”大數據中心要打造成為基于大數據的“一帶一路”特色智庫，目前來看，成效如何，可以提供哪些大數據產品和服務？對這個特色智庫的功能我們可以有哪些期待？
A：目前“一帶一路”大數據中心主要進展包括：一是形成了包括國際互聯網、國內互聯網、國內統計、國外統計、核心業務、共享交換等六大類數據源的“一帶一路”數據資源歸集體系，于2016年2月26日建成“一帶一路”綜合數據庫（一期）工程；二是基于數據庫及大數據分析技術，形成了多樣化大數據分析產品，建立了常態化“一帶一路”大數據決策支持機制，已陸續向國家推進“一帶一路”建設工作領導小組辦公室報送了50余份大數據分析報告；三是開通了一帶一路大數據綜合服務門戶，積極承建國家“一帶一路”官網，初步形成“一庫兩網”的集成融合體系；四是積極推進分中心建設和行業合作。先后與海南、大連、重慶等地簽署戰略合作協議，共建地方分中心。推進與中央電視臺、北京大學等有關機構合作取得積極成效；五是研發了基于大數據的“一帶一路”系列指數，出版了《“一帶一路”大數據報告（2016）》，了《“一帶一路”貿易合作大數據報告2017》，國家信息中心“一帶一路”大數據品牌影響力進一步提升。
下一步，我們將繼續圍繞打造“一帶一路”大數據特色品牌的目標，努力橛泄鼐霾卟棵藕蛻緇崽峁多、更好的大數據產品和服務。
將進一步助力國際合作
Q：做好宣傳、講好故事是“一帶一路”倡議推進中的重要工作，官網的重點欄目設置都有什么考慮？除了單純的信息收集，還有哪些宣傳路徑？
A：官網的重點欄目主要圍繞傳遞信息、溝通文明、合作共贏的基本宗旨設置，目前設置了海外要聞、國內要聞、政策環境、五通發展、基礎數據、企業風采等主要信息類欄目，同時開設“一帶一路”基礎數據庫、政策庫、項目庫、企業庫與人才庫等服務類欄目，以及共話絲路、留言板等互動類欄目。上述欄目設計配合新媒體和新技術傳播方式，旨在建立起國內外關于“一帶一路”的權威信息體系，全面生動反映“一帶一路”方方面面的進展，科學準確闡釋“一帶一路”核心理念。
傳遞“一帶一路”信息，溝通絲路文明，講好絲路故事，為“一帶一路”建設整體推進創造良好的輿論環境是官網的職責。在繼續高質量完成相關信息采集、加工、之外，我們還將舉辦線上和線下的活動，讓“一帶一路”深入民心。利用網絡平臺，融合多語言，創新傳播方式，真正贏得國際共識。
財務分析就是指企業以財務會計核算結果以及報表等相關資料作為基礎數據，通過采用專門的分析方法，對企業經營管理過程中的籌資、投資、經營活動進行的分析，重點明確企業的盈利、償債以及營運能力，作為企業管理者、投資者、債權人評價分析企業、預測企業發展狀況以及做出管理決策的依據。
1.為企業內部經營管理提供依據
通過系統全面的財務分析，企業經營管理部門可以準確的認識到企業經營管理過程中所存在的一系列問題，將財務分析結果作為依據，對企業的經營管理方法與決策進行調整優化，提高企業的經營管理水平。
2.為企業投資者提供參考
企業的投資者對于企業的規模擴大與戰略經營發展的預測，主要是透過財務分析結果進行判斷。通過財務分析，企業的投資者可以清楚的了解企業的整體運營狀況、盈利能力，并分析投資企業存在的風險，進而作出投資決策。
3.為債權人提供相關信息
對企業的財務狀況進行分析，并出具相關的分析報告說明，可以讓企業的債權人對企業的償債能力、資金周轉情況進行整體的判斷與把握，并對債務資金數額、償還期限進行決策，這在一定程度上也有助于企業的籌資活動開展。
4.為其他相關群體提供財務數據
企業的主管部門、供應商、客戶出于管理或者是自身利益的需求，同樣需要準確的了解企業的財務狀況，財務分析則是這些群體獲取企業財務狀況數據信息的主要渠道。
二、當前企業在財務分析方面存在的問題
1.財務分析指標的運用不合理
當前一些企業在財務分析管理上存在的突出問題就是財務分析指標體系不合理，主要是以資產負債表以及利潤表作為重點對財務狀況以及成果進行評價，但如果沒有相應的現金流量分析信息，在財務分析過程中就容易出現利潤虛增、虛減以及操縱經營業績等違規行為，也難以準確的反映企業的財務狀況與經營成果。
2.財務分析對于企業經營發展服務能力不足
進行企業財務分析的重要目的之一就是通過財務分析作為基礎與導向，對企業的權衡收益風險、實施戰略發展規劃提供決策支持。但是，現階段我國部分企業未能有效的利用財務分析成果，這一方面與企業管理部門對于財務分析管理應用重視不足有關，另一方面則是由于財務分析報告中主要側重于對過去經營狀況的反映，對于財務預算、決策分析以及財務資源配置的重視不足，導致財務分析報告對于企業經營管理規劃與控制的信息支持不足。
3.財務分析的信息化水平相對較低
當前企業在財務管理工作中雖然基本上已經實現了信息的管理，但是財務分析方面的信息化應用水平卻相對較低，數據庫的整合不全面、數據挖掘、分析能力不足，造成了財務分析信息化的實施困難。將財務分析流程整體信息化，提高企業的財務數據分析能力，已經成為企業財務分析工作改革完善的重要方面。
三、企業財務分析應用完善策略
1.建立科學合理的財務分析指標體系
對于企業的財務分析指標體系的選取，應該重點在選擇能全面反映企業的償債能力、盈利能力、營運管理能力以及發展能力財務分析指標。對于短期償債能力指標，應該主要采用流動比率、速動比率和現金流動負債率作為評價指標。對于長期償債能力則應該采用資產負債率、產權比率和有形凈值債務率進行分析。對于盈利能力分析，則應該盡可能的選擇銷售毛利率、銷售凈利率、資產凈利率、資產收益率等進行分析。對于企業的資金周轉情況，則可以通過應收賬款周轉率、存貨周轉率以及總資產周轉率進行分析。
2.提高財務報表分析水平，強化對于財務分析報表的應用
首先應該解決財務報表中數據高度綜合性與信息明晰性不強的問題，除了選取常規的財務分析指標外，還應該將財務報表附注作為重要內容。通過在附注中采取增設非財務指標，解決資產負債表、利潤表以及現金流量表等信息反映不全面的問題。在財務分析中，還應通過提供企業的公允價值、披露企業未來信息以及增加人力資源報告評價等作為附注，并增加對于企業的行業因素、資產并購、債務擔保等重大事項的分析結果，依據對財務數據與附注的統籌分析，為企業的經營管理部門以及財務分析數據使用者提供準確、全面的財務分析數據，確保管理決策的科學合理。
3.提高信息化技術在財務分析中的應用
財務分析應引入信息化技術，結合企業的財務業務一體化信息化系統的建設，不斷完善企業內部各個部門的業務模塊數據庫，重點完善財務信息數據歸集、數據查詢、數據庫挖掘、數據模型建立等幾方面的應用，通過采用信息系統中的數據分析技術，在企業的盈利分析、投資、融資、管理決策以及客戶分析等方面，形成準確全面的財務分析報告，提高財務分析報告的時效性與準確性。
4.強化財務分析體系中的對于風險的分析防范能力
財務風險問題貫穿于企業經營管理的全過程，在財務分析體系中運用相應的指標進行財務風險預警，可以有效提高企業的財務風險防范控制能力。重點是償債能力指標、營運能力指標、盈利能力指標、發展能力指標、現金流量指標等內容。此外，還應該對企業財務報表附注中的重大事項進行預警分析，依靠關鍵的預警指標、嚴格的管控標準，提高企業的財務風險分析預警能力。
四、結語
訊：大數據運用：在國內已成常態
據東樓所知，大數據概念在國內火爆并被各大互聯網公司予以重視應該是在2012年之后，當時一本《大數據時代》作為大數據概念在國內啟蒙讀物并備受推崇，書中提到的一個谷歌通過大數據預測流感的案例，也讓很多人第一次認識到互聯網時代大數據的“威力”。
而在國內，包括阿里巴巴、百度、搜狗等擁有龐大的用戶量和數據量的互聯網公司，也在最近幾年相繼建立了大數據研究中心，通過對海量數據的分析，以及用戶行為的跟蹤和研究，從而能夠幫助企業自身或客戶在營銷策略、廣告投放等領域，提供更精準和可靠的方案策略。
就拿搜狗公司近日的一份《搜狗2014年第三季度汽車行業數據分析報告》來說，這份報告就是基于搜狗的4億多用戶在對汽車行業相關關鍵詞的搜索、輸入、瀏覽等而產生的龐大數據而分析出的報告，其中全面梳理了用戶對汽車的價格、口碑、品牌等各個維度上的偏好，這無疑能夠對汽車企業在進行廣告投放時提供更加可視化的參考，而對比以往的廣告投放方式則相對比較粗放，因為沒有詳細而具體的大數據支撐，參考的維度比較單一和片面。
包括阿里數據分析師的對于“胸大的女生更具消費能力”發現，同樣也是基于淘寶、天貓等阿里的購物平臺龐大的用戶數據而得出的，而基于這些相關的數據，也能夠指導各大電商賣家的廣告投放和營銷策略。
而隨著國內各大互聯網公司意識到數據的重要，并專門成立大數據分析機構，組織大量的工程師進行數據挖掘，大數據能力會成為各大互聯網公司的必備能力，而對于大數據的運用也必將成為常態。
大數據時代：整合營銷應該如何做？
另一方面，大數據時代的全面來臨，不僅僅是讓企業廣告投放更加精準，我們的生活、工作、思維、商業乃至管理都會發生改變，甚至也影響到互聯網行業的方方面面，包括網絡營銷。
比如，我們常常使用整合營銷手段也需要升級和改變。之前，我們為了達到營銷效果最大化，只是簡單的對各個渠道的資源進行整合，通過規模化宣傳來擴大營銷效應。而在大數據時代，對于網絡整合營銷的玩法則不再只是營銷資源的疊加，而更多的是對各類渠道進行科學而又預見性的整合和使用，而這其中對于平臺和渠道各方對于大數據的融合和互通就很重要。
我們不妨來看下，搜狗與攜程的一個基于大數據的“開學季”整合營銷案例是如何做的?首先，搜狗通過大數據分析研究發現，一些突發或規律性的事件，會讓用戶行為發生有趣的變化。比如，每年8月底到9月初的開學季，諸如“火車票”、“酒店”、“城市攻略”等關鍵詞，被用戶高頻的搜索和使用，由此發現，開學季其實也是旅游季。而攜程方面的數據分析表明，在線旅游市場有54.80%的用戶為18~30歲的年輕用戶群，而大學新生正在這一區間內，并在未來會逐步成長為主力消費人群。因此，搜狗作為一個營銷平臺，基于大學生用戶需求，用大學生用戶感興趣的方式，在搜索、輸入以及瀏覽等上網場景當中，“潤物于無聲”般的用信息和服務的方式滿足大學生的旅游需求，而同時也滿足了攜程的營銷需求。
事實上，像這類各大公司間利用大數據進行整合營銷的案例，在今后或許也已將成為常態，特別是掌握著大量用戶消費行為或網絡產品的使用行為的大型互聯網公司當中率先流行。不過，對于大數據的運用也有爭i議，比如在保護用戶隱私方面，如何避免讓用戶感覺被無所不在的“第三只眼”偷窺等等，也都對各大互聯網公司在大數據的挖掘和使用上提出挑戰。但無論如何，在大數據在營銷或其他場景的運用上，不作惡都應該是各大互聯網公司謹守的底線。(來源：i黑馬）
9月14日，360企業安全集團的態勢感知與安全運營平臺（NGSOC）在多家銀行、政府、企業客戶的見證下。360網神董事長兼CEO齊向東介紹，NGSOC是一款以大數據安全分析能力為基礎、以威脅情報為驅動的新一代產品。它將會成為新的安全智慧的核心，給企業與機構的安全管理運營提供了新的“大腦”與智慧協同的平臺。
大數據加速安全產品協同化
現代戰爭需要協同陸、海、空各個兵種聯合的力量才能有機會取得勝利，我們已經看不到依靠單一兵種能夠取得戰爭勝利的例子。網絡攻擊如今就像置身于現代戰爭一樣，不能只依靠終端或者防火墻等單一產品來防范和發現各類威脅和攻擊了。
齊向東表示，傳統網絡安全防護模式已經無法應對日益頻繁的，新的和更高級的網絡攻擊。在提出了數據驅動安全理念后，360在今年互聯網安全大會上又提出了協同聯動的安全理念。希望能夠實現不同的安全設備之間的協同聯動，來提升應對網絡威脅的防護能力。
為了構建這樣一個協同安全產品，360在2016年先后了新一代的威脅感知系統（360天眼）、新一代的終端安全系統（360天擎）、新一代智慧防火墻（360天堤）。現在只缺一個情報樞紐，將數據進行匯總分析協同響應，貫穿監測與防護整個體系，來達到智慧安全的協同，這就是今天的360態勢感知與安全運營平臺，也叫NGSOC。
根據Gartner的2016年安全信息與事件管理（SIEM）市場分析報告顯示，在產品功能方面，國際SIEM廠商都在加入威脅情報、異常檢測、行為監測、用戶行為分析功能。領先的SIEM廠商則在將其產品與大數據平臺進行整合。這說明結合大數據分析平臺和威脅情報支持將是SOC產品的未來方向。
齊向東介紹， NGSOC自身具有很多的優勢。首先，360創新性地將互聯網大數據分析平臺用在NGSOC中，能夠實現海量數據的存儲、實時挖掘和分析。對海量日志進行數據分析，是確保360態勢感知和安全運營平臺有異常行為發現的能力，使得平臺可以更加準確及時地發現各種潛在威脅和攻擊，并及時響應和處置。這也是國內第一個把實時的挖掘分析、告警、響應和處置聯動起來的一套系統。
其次，態勢感知和安全運營可視化分析技術，可以將企業內外部安全態勢進行直觀的呈現。在一個平臺上既可以感知到企業外網即外部世界的安全態勢，同時又能夠可視化直觀地展示企業內部即現在所面臨的安全態勢，NGSOC都能快速定位和處置并拓展分析，從而可以保障企業業務系統的順利進行。
同時，360態勢感知與安全運營平臺對傳統SOC的革新與豐富，基本上是符合、甚至是引領業界方向的。
智能、可視化的平臺
作為一家從互聯網起家的安全公司，360一直具有濃厚的互聯網基因。360態勢感知與安全運營平臺也是360核心優勢技術集中的一個產品，除了大數據分析等技術之外，另外一個就是可視化技術。據了解，360在三年之前就開始接觸可視化技術，并參加了當時全球最大的一個競賽項目，競賽的目的就是將真實的數據拿過來進行可視化分析，看看它到底能給安全帶來哪些幫助和作用。
360企業安全集團總裁吳云坤表示，“可視化分析的作用是這樣，數據評比有時候是雜亂無章的，通過不同的眼睛和視覺，呈現出來的所謂的異常，包括一些規律性的東西，通過可視化可以讓人通過肉眼的方式找到。” 可視化分析技術將企業內外部安全態勢進行直觀的呈現，使得企業的管理者能夠實時掌握企業內的安全狀況，甚至對行業、地域的安全態勢進行對比；而對于安全運維人員，以資產和人為視角出發的安全管理，豐富的安全運維與服務工具，也會幫助提升日常的安全管理運維效率。
目前可視化技術已經在國內很多行業進行了應用，一些高校和競賽中也開始對此進行研究和實踐。通過可視化技術（不僅僅是數據，還有圖片等等信息），還可以實現溯源分析，甚至在一些特殊機構中可以進行間諜行為分析。
“可視化技術和大數據分析是緊密關聯的，也是研究數據的一種方法”。360企業安全集團副總裁韓永剛表示，“通過數據加圖片的方式，可以了解更多的信息。比如一個人在酒吧晚上12點沒有動，早上6點出去了，這個人估計是喝醉了。當用圖像表現的時候可以顯示出其中意義，如果只有表格的話你可能根本不知道是什么意思。只有通過可視化的方式描述出來，才能知道背后發生的事情。”
網上審計，即在審計機關所在地點和被審計單位之間建立起可靠的網絡連接，通過對被審計單位的經營管理、對外投資、財務收支等數據進行實時采集和分析，在對被審計單位財務管理、會計核算及業務管理等相關信息系統進行測評和高效率的數據采集與分析的基礎上，實現對財務收支真實、合法、效益進行適時、遠程檢查監督，做到動態審計與靜態審計、事中審計與事后審計相結合，為被審計單位加強經營管理、提高經濟效益及時提供審計監督服務，保護國有資產的安全和保值增值。
一、審前調查全面了解企業信息情況明確審計目標
網上審計依賴于被審計單位的信息化水平，其信息化水平越高，實施網上審計的效果就越好。SDJC及大部分下屬單位財務系統采用ORACLE軟件，業務系統有收入結算系統、資金管理系統等。與SDJC聯網后，可以采集并瀏覽這些數據，通過非現場審計完成一部分審計工作。
對一個集團公司來說，全面掌握它的信息并不容易。不管是財務數據，還是業務數據，它只是眾多信息中的一部分。審計組在審前調查中采取多種渠道大量獲取各種信息，一是從國際互聯網和企業內部網上獲取與SDJC有關的重大事項，了解企業對外展示資料和披露情況，為審計提供有益的參考；二是獲取企業基本信息的手冊，了解各下屬企業的股份組成從而明確企業性質，為審計事項的定性等提供有價值的參考意見；三是獲取三年財政部報表軟件及基本財務數據，全面了解掌握企業基本情況；四是通過審計署法規軟件等查閱并綜合被審計單位所適用的行業政策、法規；五是查閱被審計單位基礎資料、黨組會議紀要、董事會會議紀要、總經理會議紀要等，與相關人員座談。我們認為，在今后的審計工作中，可以在審前調查中抽出一周時間來進行上述工作，這是現場審計需解決的內容。
取得上述資料后，由審計組組長和各審計小組負責人統一查閱，從中分析出有價值的線索，再將資料拷貝給每個審計人員，并在審計組內結合有關財經法規進行必要的講解，使大家都能很快熟悉有關資料，在審計中就能隨時關注這些線索，如對外投資過大和委托理財等問題線索就是通過此方法分析而得。
二、確定審計實施方案明確現場和非現場審計內容
網上審計對我們來說還是一個新生事物，應如何操作還在探索之中。這就要求我們要有一個科學的、具體的、可行的審計實施方案。網上審計的審計方案應該與常規審計不同，應該突出網上審計的特點。審計方案中除了應明確審計目的、審計風險、重要性水平、審計方法、人員安排、分工以外，還應合理分配現場審計和非現場審計的任務，明確現場審計和非現場審計的內容、時間安排、目的等。
我們認為，現場審計和非現場審計是網上審計密不可分的兩個部分，在審計和審前調查階段都需要確定。比如，在審前調查階段，現場審計需要完成的是搜集內部控制資料、進行內部控制測試、取得被審計單位承諾、查閱被審計單位會議紀要、取得會計報表及輔助資料等，非現場審計需要完成的是對電子資料進行分析整理、建立基礎性中間表和分析性中間表并進行總體分析和類別分析、進行初步個體分析等。在審計階段，現場審計需要完成的是對數據分析報告的線索進行核實并完善個體分析、完成觀察座談盤點等必須現場完成的任務、核實原始憑證等并進行審計取證、完成審計報告等，非現場審計需要完成的是結合審前調查和現場審計情況完善數據分析并加強進一步總結等。非現場審計中可以結合電話詢問和網上信件等方法進行事實核實。
在組織安排上，可以考慮建立分別適應現場審計和非現場審計的組織管理。一是審前調查分現場審計和非現場審計，分電子數據組和綜合信息組，電子數據組由計算機業務人員和若干審計業務人員組成；綜合信息組以審計業務人員為主。各組人員具體組成由審計組長會議討論決定。現場審計時，電子數據組負責電子數據變化情況了解和相關數據調整等；綜合信息組負責了解企業制度、會議紀要、會計報表資料等。非現場審計時，電子數據組負責數據檢查，保證從網上審計軟件生成審計必需的總體分析和類別分析圖形；綜合信息組負責對圖形進行總體分析和類別分析，提出分析結論和問題線索；二是審計時分現場審計和非現場審計，分電子數據組和延伸調查組。電子數據組由計算機業務人員和若干審計業務人員組成；延伸調查組以審計業務人員為主。各組人員具體組成由審計組長會議討論決定。資料整理組負責針對延伸結果和個體分析模型修改軟件有關情況，并針對軟件適時情況及時向延伸調查組溝通；延伸調查組負責對具體問題線索進行核實取證，并針對延伸情況進行個體分析。
此外，非現場審計要保證審計地點和審計時間，審計地點可安排在聯網審計室，審計時間安排和審計管理視同現場審計，并與現場審計一樣給與相應的后勤經費保證。各小組方案和各人的審計計劃、審計數據需求說明書、審計數據說明書、數據分析報告和延伸建議書作為重要附件，共同形成審計實施方案。
三、充分利用審計結果，實現審計檔案數字化
審計檔案作為審計活動的真實記錄，直接記載和反映了審計工作的全過程，既具有重要的鑒證作用，又是衡量審計工作質量的重要依據。我們積極推進網上審計檔案資源開發利用工作，適應網上審計的現狀，加強電子檔案管理。從單純的保管檔案，轉向開發利用審計檔案，不斷總結檔案利用工作的成功經驗，以業務流程文件資料為載體，設計檔案流程圖，使審計檔案發揮了價值。
納入電子檔案管理的電子文檔包括：審計方案（含審計實施方案）、審計報告、工作底稿、審計日記、被審計單位與財務管理有關的電子數據等。在網上審計現場結束時，我們注意完善和規范與財務管理有關的電子數據、電子工作底稿等電子文檔，以適應電子檔案的要求。
四、需要進一步研究和探索的幾個方面
業內普遍認為，這一綱要的意味著智慧醫療時代正大跨步趕來。易觀國際的預測數據顯示，2014年僅我國移動醫療市場規模已達到30.1億元，同年增長52%，預計2017年，移動醫療市場規模將突破200億元，市場進入高速發展期。
大數據支撐醫療健康
“互聯網+與醫療健康產業的結合，大數據在其中起到決定性作用。”亞信數據電信解決方案&行業創新中心總經理李捷表示，體外診斷是一個新領域，在這個領域里面有很多新興技術，包括皮下的持續監測血糖、心電的實際監測、基因測序等，讓人的健康護理、健康管理在科學上取得很大的進步。
眾所周知，亞信是專注運營商行業的企業，那么為什么亞信會選擇深耕醫療健康領域呢?
李捷解釋說：“運營商正面臨著轉型，而其龐大的客戶群不僅僅有通訊需求，還有更多的自身生活健康相關的訴求。運營商本身也是一個管道提供商，在管道上承載的各種專項服務，對運營商而言都是有價值的。”亞信數據方面認為，產業跨界聯合，一方面是對新興領域的探索，另一方面則是希望通過領域拓寬，給運營商的原有市場和老客戶群體帶來新的價值。
互聯網+醫療健康有諸多價值可以挖掘，隨著人們收入的增加，對生活質量的需求也在不斷提升，從簡單的衣食住行到關注自身健康養生，這也推動了智能可穿戴設備的快速發展，目前已然形成一個完整的生態閉環。從設備的數據采集，數據傳輸，到數據的挖掘跟管理，再到健康師的分析，最后給出合理的理療建議。亞信數據在這一過程中扮演的就是生態中最為重要的一個角色——數據分析。
精準化服務
大數據分析的價值在于以此為依據提供定向的專業化服務，李捷表示，亞信數據的準確率高達85%以上，亞信開放云平臺有著五年的非結構化數據處理經驗，包括對各個APP和互聯網語料庫的識別能力，行業涉及政府、餐飲、醫療健康、公共媒體等。合作伙伴遍布產學研各個領域，合作模式不僅僅局限于數據支撐，也包括聯合運營。
移動互聯網時代，很多的企業都在探索如何依托大數據技術實現企業轉型，亞信的互聯網運營經驗得以顯現。李捷認為，亞信數據最大的優勢在于其與運營商的多年合作，積累了大量的用戶上網行為分析經驗，同時擁有龐大的運營商用戶作為支持，其數據更加多元、精準。用戶在管道里面搜索的信息，挖掘的信息，也是由運營商第一時間捕獲，其實運營商比互聯網公司能夠更早的捕獲這些信息，這也是運營商數據價值所在。
通過大數據分析，對人群進行分類，可以更好地幫助定向人群找到最適合的解決方案。同時給傳統的醫學機構、營業機構提供精準的市場分析報告。同時李捷認為，在技術上，目前國內的幾家技術領先企業各有千秋、不分伯仲，而亞信數據對于行業的理解是超前的。數據整合之后，需要做深度的行業理解跟模型轉換，比如醫療健康行業，數據涉及很多的健康指數，用戶日常行為等，這些數據之間有著潛在的關聯關系，而對關聯關系的解讀需要相當的行業沉淀，亞信數據有著專業的咨詢顧問團隊做后臺支撐，不只是醫療健康行業，亞信數據在各個涉及的行業均組建了相應的咨詢顧問團隊，提供最專業的行業分析。
大數據的流動性價值
與大數據、互聯網相關的產業，競爭無處不在。對此，李捷說：“因為現在已經是跨界競爭的狀態，我們會遇到很多原來在通信行業里不會遇到的競爭對手，比如說阿里、百度，他們同樣在做跨界的滲透。”面對資本雄厚的競爭對手，亞信數據認為，目前其行業經驗的積累使其與強大的競爭對手處在同一競爭水平。加之亞信一直與運營商合作比較緊密，行業基礎牢固，李捷透露，下一步亞信計劃聯合運營商在移動端展開戰略布局。
記者：符總，您好，很高興見到您！
符洪濤：也很高興見到您，感謝《管理觀察》對中傳瑞智公司的關注和支持。
記者：近幾年對于電視收視率的質疑聲越來越大，對于這個問題，您有什么看法？
符洪濤：現在的收視率調查基本都是采用樣本抽查的方式，主要采取日記法和測量法，因為每個城市樣本戶的數量只有幾百戶，為了獲得對自己有利的收視率數據，有些電視臺采取不正當手段，包括雇傭私人偵探公司跟蹤收視調查人員、網上發帖懸賞尋找樣本戶主甚至電話竊聽、超市送購物卡、收買員工，來搞到樣本戶的地址、電話等資料，甚至還有收視調查公司員工，因為幫助電視臺收買相關樣本戶而被判刑入獄，這些情況的直接結果就是導致樣本戶被污染，以至于最后的收視率數據不準確。
事實也正是如此，只要收視率有可能影響到節目的生死存亡和相關人員的收入，無論調查公司想出什么招數，只要是抽樣調查方式，有心造假的人總會想到應對的辦法，因此推行全網數據采集分析才會從根本上杜絕這類事情的發生。
電視作為一個公眾媒體，如果發生收視率造假這樣的事情，直接傷害的是社會公眾對媒體的信任，進而威脅到整個社會的誠信價值體系，所以需要確保收視率的清白，還中國一個誠信的輿論環境。
記者：對于廣電總局要求建立和完善科學的廣播電視節目綜合評價體系您怎么看？
符洪濤：總局和業界對目前以收視率為唯一指標來評價節目的的科學性、合理性和導向性都提出過不少意見和質疑，為此廣電總局在2012年下達了文件，主要對收視率進行規范，建議采用新的綜合評價體系。
我們公司也在相應總局號召，通過我們現在研發的系統，構建新的節目評價體系，新體系中將不再以收視率考核作為唯一的標準。新的評價體系的目的就是要建立有中國特色、符合社會核心價值觀一一客觀、公正、權威的廣播電視節目評價體系，以更好地發揮出廣播電視引導輿論、推動發展的社會責任，全面提升廣播電視節目的影響力、傳播力和公信力。
我認為建立和完善較為科學的廣播電視節目綜合評價體系，對于防止和糾正片面追求收視率非常重要，有利于提高廣播電視節目的核心競爭力和健康發展。
記者：符總，您能簡單介紹一下中傳瑞智公司和產品么，也讓我們對這個領域有更多了解。
符洪濤：北京中傳瑞智市場調查有限公司是2008年成立的，是一家專門從事數字電視智能運營決策及市場調查分析的高科技公司，我們公司的主營業務是面向整個傳媒行業，收集行業關注的信息和數據，通過深度數據挖掘、借鑒專家經驗，為產業鏈各環節提供權威、專業、精準的信息服務和決策支持。
中國傳媒大學是我們公司的發起人之一，傳媒大學是中國傳媒領域的最高學府和科研單位，多年從事數據調查研究，擁有豐富的理論研究基礎及實踐經驗。一直以來，我們和傳媒大學一起致力于傳媒內容和形式的創新研究、傳媒領域的高新技術研發等內容，對數據進行采集、分析以及挖掘，提供相關行業的詳細分析報告，為政府和企事業等單位提供決策咨詢服務。
我們公司結合自己的開發能力與中國傳媒大學的科研實力，歷時三年研發成國內基于三網融合面向數字電視領域的專業DSS數字電視智能決策系統。該系統區別傳統意義的抽樣收視調查，具有全網數據采集、回傳、存儲、分析的功能，同時可對采集到的全網海量數據進行分析及數據挖掘，從而提供相關行業有價值的分析報告，解決目前數字電視整轉平移后如何調整頻點資源、節目資源等決策依據，深度挖掘客戶的收視和消費習慣，提高網絡運營價值。
記者：中傳瑞智公司的產品的優勢主要在哪些方面呢？
符洪濤：因為我們的數據不是抽樣而是全網采集，所以我們可以提供用戶的收視數據分析報告，我們的數據分析是建立在全網采集基礎上的，可以杜絕數據污染，公正體現收視率高低。
除此之外我們還能提供實時的收視數據分析及呈現，及時發現市場動態。
傳統用戶分群只有很少的維度，比方說用戶所處的地區、年齡、性別、職業、學歷、收入等等，而我們的系統通過全網范圍數據的采集、分析，可以細分出更多的維度，更多的類型組合，用戶精細分群后，就可以根據用戶的收視習慣和偏好，為不同的用戶推送或者推薦不同的節目，改善用戶體驗，增加用戶的粘性。
利用對用戶的細分也可以達到廣告精準投放的目的，優化廣電廣告資源，提高廣告收入。
我們對于全網、海量的數據采集，也可以應用于廣電輿情分析。通過對評價數據的采集以及群眾收視實時數據，主客觀的數據結合，我們可以實時提供突發事件的波及度、熱度作為政府決策的依據。
這些都是我們產品的優勢，是其它公司產品所不能提供的，我們現在也正在積極跟傳媒大學合作為政府職能部門構建新的綜合評價體系來代替現行的收視率評價體系。
相信在不遠的將來，中傳瑞智能夠成為行業內的領頭羊，為社會發展做出應有的貢獻。
5月22日，IBM揭幕新一代的大數據解決方案，其全球業務咨詢服務部大數據分析高級合伙人Fred Balboni稱：“越來越多的企業意識到一個全新的機遇——利用大數據解決過去看來棘手的問題，提取更加精準的商業洞察，取得更為優化的商業效率，并為客戶創造新的價值。”
實現“智慧”企業計劃
最近幾年，IBM提出了許多“智慧”的解決方案，如智慧城市、智慧交通、智慧水源，在企業應用方面，公司推出了IBM TM1產品。TMI產品最初是由美國的一家石油公司開發出來的，當時主要是為了計算每桶原油在國際油價市場的變化對于投資的影響。IBM中國區軟件部業務分析解決方案銷售冀冉告訴記者，TM1產品有三大主要功能，即處理復雜數據、快速計算，以及沙盤推演功能。
處理復雜數據是基于多維數據庫的概念，有別于傳統通過行和列兩個維度進行分析的數據庫模式，“可以被理解為立方體模塊，每一個維度都是立方體的一小塊，通過小的立方體，不同組合方式，處理復雜數據。”冀冉解釋。
所謂快速計算，是指TM1產品可大大提高企業生產計劃的計算速度。冀冉說：“由于TM1只提取有效非零數據，因此計算時間可從數小時縮短至10分鐘。”
所謂沙盤推演功能，即What if假設分析。冀冉舉例：“如果企業計劃下年增加利潤50%，可以通過哪些途徑實現目標？對于這樣的問題，可以通過鍵入某些假設性數據，如收入增加50%、成本降低20%等，模擬實現利潤增長，通過不同的假設性組合和分析，實現最終目標。”
針對TM1產品，IMB推出了一系列解決方案（圖1）：
Case 1. 制造業S&OP解決方案
在制造業的產業鏈中，主要包含采購、生產、運送、派送、銷售幾個環節（圖2）。例如，一個電腦制造商，其銷售部門確認下個月某客戶將會采購5000臺電腦，隨后生產部門會制定生產采購計劃，但一周之后，客戶修改訂單，僅采購3000臺。此時，如何及時告知工廠及采購部門停止采購及生產，對于很多企業來說都很難做到，因為不論是工廠加工還是采購都是由多種訂單的不同組合計算出來的。對于制造業來說，庫存周轉是產生利潤的核心之一，如何快速應對突發狀況，降低意外庫存，就是本產品解決方案的最大價值。由于銷售與采購部門沒有統一的平臺，讓各部門及時看到銷售計劃和執行情況，經常會出現部門間的沖突。事實上，S&OP解決方案是尋求一個供應、需求與財務的平衡（圖3），可以從產業鏈的銷售一端到采購一端全線進行計劃的協同、變化以及包括生產過程中某一個產線的產能、人員排班、派送情況的全程解決方案，縮短計算時間，提高企業效益。
Case 2. 人力資源解決方案
面對持續低迷的經濟形勢，市場變化及波動增多，人力資源面臨的考驗也隨之加劇。組織結構變化、人員流動性增加、勞動力生產成本上升等因素迫使企業尋求更加合理的績效考核體系。TM1產品主要基于人力資源的五大核心領域，即：利潤計劃、人才管理、培訓計劃、績效計劃、薪酬預算提出解決方案，通過對海量數據的提取和分析，給出合理的HR判斷。在第二年的預算制定之前，計劃的編制、申報、審批、調整、監控都可以在統一的平臺上實現。
Case 3. 投資決策解決方案
隨著企業規模的日益擴大和市場競爭的日益激烈，傳統靠投資驅動、規模擴張的發展方式亟待轉變。這就需要企業更加注重投資效率和經濟效益，建立并完善科學的決策評價體系。
在這個評價過程中，企業需要對三方面內容進行分析：一是投資總額及結構，二是項目排序及價值貢獻，三是資金的平衡。這些正是投資決策解決方案的核心內容。TM1產品下的投資決策解決方案將投資決策評價分為投資總額與資金平衡預測、項目選擇與排序兩大模塊，每個模塊又細分為4個子模塊。從分析資本性收支與損益性收支內在聯系出發，將投資總額測算模型與項目選擇排序結果進行匹配，預測資金缺口，設計融資方案，形成完整的投資決策評價體系。
推動全面預算管理
除智能計劃應用解決方案外，IBM大數據產品亦能推動企業全面預算管理。
IBM企業績效管理銷售經理陸巍認為，目前企業預算管理面臨挑戰體現在兩方面：一方面來自企業自身管理要求的提升；另一方面則是監管部門對企業的硬性要求。陸巍據此分析，首先，現代企業管理已經不滿足用ERP等信息化手段進行事后管理，越來越多的企業期望在事前進行控制；其次，隨著市場競爭愈演愈烈，如何合理制定企業經營目標、保證目標執行到位，變得越來越重要；第三，大量的并購使得集團內部的管理水平參差不齊，集團迫切需要提升管理水平；此外，大型集團企業由于產業布局復雜、地域分布不均，迫切需要合理地分配有限的資源。
在預算編制環節，目前大部分企業還停留在手工Excel編制階段，管理層對于數據的真實性與合理性很難做出判斷，因為很多數據仍然是拍腦袋想出來的，很多基礎的預算員并不會參考往期的實際數據和企業面臨的可預計市場前景，也很少有企業真正實現合理的預算調整，甚至是滾動預測。
在預算控制環節，缺乏完整的控制體系，不清楚在哪個環節實現控制較為合理，沒有信息化手段控制，單純依靠管理人員事后檢查。
在預算分析環節，大部分企業仍在用Excel做預算執行分析報告，進行簡單的圖表分析，無法針對管理的不同角度靈活展現，且缺乏有效的權限管理。
事實上，通過構建預算信息管理化平臺，可以解決全面預算管理中的3個核心問題，即：如何制定科學的管理目標？如何科學地進行目標分解？如何通過預算執行分析達成管理者的訴求？陸巍介紹，IBM TM1產品能夠將企業所有的業務歷史數據全部“倒入”TM1系統，并基于這些數據進行多維分析，與往期數據比較，編制下一期的預算數據。同時，TM1可以根據管理層的目標制定，合理地進行模型搭建，利用科學的方式進行目標分析、分解、下達。
“通過同一時期獲得的實際數據，比較預算數和實際數來完成預算執行報告，管理者可以通過預算執行報告調整下一期的執行戰略。同時，我們認為，預算不是財務部的事情，而是全員的事情，企業的各個單元、部門都應該參與到預算的編制、控制、分析的過程。我們力求建立一套業務財務一體化模型，形成完整的預算體系。以銷售預算為起點，生成成本預算、人力資源計劃、采購計劃、期間費用計劃、融資計劃，最后完成所有利潤表相應的預算信息，出具一套包括利潤表在內的預算報告。通過業務部門和財務部門的共同努力，達到跨部門協同作戰計劃平臺，使得企業有限的資源可以合理地分配在不同的區域、不同的板塊、不同的事業部、不同的部門。”陸巍說。
“然而，計劃平臺不能做所有的事情。”陸巍坦言，企業的戰略目標分解、預算編制、預算報告可以實現，但企業的預算執行監控應該放在企業的業務信息系統，因為業務信息系統是時時都在發生的，而預算系統只是在預算期間、預算調整期間，以及預算的分析報告期間才會發生。“所以，我們在這里需要和企業的業務系統進行集成，在業務系統進行預算控制，通過企業的全面預算管理信息化平臺，從企業的戰略規劃、到戰略規劃目標分解、到預算編制、到預算執行控制、到預算分析報告的編制、預算的考核、最后如何影響下一期的戰略規劃，力爭達到這樣一個閉環的建設。”
決戰商業智能
自2010年起，IBM藍色價值研究院和麻省理工學院聯合對全球幾千家跨行業的領先企業、政府機構以及各類組織進行了調研，結果顯示：在2010年，37%的企業認為分析能力是組織的核心競爭力，而到2011年，該比例已上升至58%。此后，更多企業形成共識，認為分析能力是領導力與影響力的前提，“商業智能”的概念應運而生。
“商業智能的前身就是商業分析，而時至今日，商業分析的領域已經完全拓展開了。”IBM業務分析軟件中國區技術經理周慶偉表示，“首先，企業需要實現全景信息分析，數據已不僅僅是企業自身數據庫里的信息，還可以在互聯網上、在微博上、在媒體和客戶的評價中；其次，需要做到全角度分析，既要看到現在，還要看到過去和未來，并基于時間軸，把數據分析串起來；第三，需要全員參與分析，即每個人都能登陸商業分析平臺，以自己喜歡的方式、在喜歡的時間、用能夠掌握的方法，去獲取想要的業務答案；最后，需要全角度的決策，這個決策不是一個人的，需要整個企業從不同角度出發決策，并且決策信息可以互通，最終做全角度的最優決策。”
摘要：當前，大數據正日益成為國家基礎性戰略資源，大數據在金融監管等領域將擔任越來越重要的角色。與此同時，外匯管理要適應新形勢的要求，就必須更新外匯管理理念和方式，深化外匯管理體制的改革和創新，完善外匯管理的大數據監測分析。本文從數據挖掘技術的角度出發，在介紹大數據定義、分析方法及主要應用場景的基礎上，闡述了大數據分析方法在外匯管理領域的具體運用，并對開展大數據分析工作提出相關建議。
關鍵詞：大數據;金融監管;外匯管理
一、大數據定義及常用分析方法
（一）定義。對于什么是大數據，迄今為止并沒有公認的定義。麥肯錫全球研究所給出的定義是：一種規模大到在獲取、存儲、管理、分析方面大大超出了傳統數據庫軟件工具能力范圍的數據集合，具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低四大特征。（二）數據挖掘常用分析方法。數據挖掘就是對觀測的數據集（經常是很龐大的）進行分析，目的是發現未知的關系和以數據擁有者可以理解并對數據擁有者而言有價值的新穎方式來總結數據。常用方法類型介紹如下：一是關聯分析。是在未有既定目標情況下，探索數據內部結構的一種分析技術，目的是在一個數據集中發現、檢索出數據集中所有可能的關聯模式或相關性，但這種關系在數據中沒有直接表示或不能肯定。常用的關聯分析算法有：Apriori算法、FP-growth算法。該技術目前廣泛應用于各個領域，如我們在電商平臺瀏覽商品時都會顯示“購買此商品的顧客也同時購買”等提示語，這正是我們日常生活中接觸最多的關聯分析應用實例。二是聚類分析。是在沒有給定劃分類別的情況下，根據數據相似度按照某種標準進行樣本分組的一種方法。它的輸入是一組未被標記的樣本，聚類根據數據自身的距離或相似度將其劃分為若干組，使組內距離最小而組間距離最大。常用的聚類算法有K-Means、K-Medoids、DBSCAN、HC、EM等。當前，聚類分析在客戶分類、文本分類、基因識別、空間數據處理、衛星圖片分析、醫療圖像自動檢測等領域有著廣泛的應用。三是回歸分析。是指通過建立模型來研究變量之間相互關系的密切程度、結構狀態、模型預測的有效工具。常用的回歸模型有：線性回歸、非線性回歸、Logistic回歸等。四是決策樹。是一個預測模型，在已知各種情況發生概率的基礎上，通過構成決策樹來求取期望值大于等于零的概率、判斷可行性的決策分析方法，是直觀運用概率分析的一種圖解法。常用算法有CART、C4.5等。五是人工神經網絡。是人腦的抽象計算模型，是一個大型并行分布式處理器，由簡單的處理單元組成。它可以通過調整單元連接的強度來學習經驗知識，并運用這些知識推導出新的結果，屬于機器學習的一種。
二、大數據分析在金融監管領域主要運用場景
當前大數據在前瞻性研究、風險防控、客戶分析、輿情監測等方面都取得了巨大的成效，在金融領域實現了廣泛應用,有效地提升了金融監管的針對性，為金融管理、風險識別帶來了無限的可能性，成為當前不可或缺的分析手段之一。一是運用大數據開辟“線上溯源，線下打擊”的治假新模式。2015年5月,某省“雙打辦”聯合某電子商務企業發起行動。某電子商務企業首先運用大數據手段識別售假線索、鎖定犯罪嫌疑人、分析串并背后團伙，根據警方需求批量輸出線索用于偵查破案。行動期間，該省侵犯知識產權立案數同比上漲120%，破案數同比上漲77.3%。與傳統打假模式相比，“大數據治假”模式實現了對犯罪嫌疑人線索信息的實時收集，為執法部門線下查處和打擊提供了更精細、精準的線索和證據。二是運用大數據提升監管有效性。2016年，某交易所通過監控發現滬股通標的股票成交、股價漲勢存在明顯異常。運用大數據方法對歷史資料進行關聯匹配映射分析后發現，來自香港的證券賬戶與開立在內地的某些證券賬戶有操縱市場的重大嫌疑，根據上述線索，監管部門查獲唐某等人跨境操縱市場的違法事實，成為滬港通開通以來查處的首例跨境操縱市場案例。大數據方法為資本市場的進一步對外開放提供了新的監管思路。三是運用大數據實現風險分析、風險評級，打擊電信詐騙。通過收集和整理各行業、機構的黑名單，利用多樣化的機器學習模型及大數據關聯分析等技術，為銀行、個人等提供風險管控和反欺詐的服務；運用數據挖掘技術，發掘與相關賬戶信用相關的預警信息，形成預警信號并向相關風險管理系統主動推送，進而跟蹤預警信號處置流程，直至得出最終結論或風險管控方案，形成一個風險預警、通知、處置和關閉的閉環處理流程。四是運用大數據助力風控。例如，某電子商務企業旗下小貸平臺建立了決策系統，借助大數據分析結果選擇風險可控的企業開放信貸服務，實現貸前小額貸款風險管理控制，提升集約化管理的效率。該平臺信用貸款部分客戶的貸款年化利率可低至12%，對比原先降低6個百分點。依靠平臺和數據優勢，該平臺在風險控制方面已形成了多層次、全方位的微貸風險預警和管理體系，實際運行中該平臺的不良貸款率一直保持在1%以下，風險控制成效良好。
三、對大數據分析在外匯管理領域運用的思考
（一）引入大數據分析方法的必要性。近年來，外匯管理部門通過不斷完善國際收支申報體系和加強外匯管理信息化建設，掌握了海量的數據信息，為外匯管理從側重事前審批逐步轉向側重事后監測分析奠定了扎實的基礎。在當前主流的事后監測分析框架中，通常按照業務條線，采用“宏觀—中觀—微觀”自上而下遞進式分析方法。這種分析方法有一定的優點，可以實現對各業務系統的充分利用，與宏觀形勢和業務管理信息結合較為緊密。但同時也存在一些缺陷：一是數據之間關聯度不高，監測分析主要以各業務條線事后核查為主，數據相對分散，數據之間的關聯分析較弱，監測結果相對滯后；二是難以發現潛在風險苗頭，特別是在數據量巨大或關聯關系復雜等特定場景下，有時無法取得滿意的監測分析結果。在此背景下，可以考慮適時引入大數據分析方法。該分析方法是考慮在整合內部系統、互聯網等各類信息數據的基礎之上，利用數據挖掘、建模等工具方法，對企業、集團等主體、各類交易數據及互聯網信息進行多層次、多角度、多項目的情況分析，并通過反饋的結果，修改完善模型，不斷提高分析預測結果的準確性，既能解放大量人力資源，又有助于提高事中事后監管的針對性和效率，同時提高外匯管理的信息化程度。（二）大數據分析方法在外匯管理領域運用的具體思路。1.打造大數據監管中心，探索構建各類監管模型設立大數據監管中心，整合各業務系統數據及互聯網外部數據，構建各類監管模型，多層次、多角度、全方位對各類主體交易數據實施監管及風險防控，探索實現主體監管、本外幣一體化監管等，提升監管效率。一是交易數據監管。將當前各項法規、政策、制度數字化，建立合規性核查模型，通過對交易信息進行模擬仿真測試，獲取交易數據的邊界條件，判斷交易的合規性，自動報告不合規交易。二是交易風險預警。通過對以往違規的交易進行分析建模，結合當前的經濟金融形勢，對每筆交易進行風險分級，自動報告高風險的業務數據。監管部門判斷核查后，系統根據反饋結果通過機器學習等完善預警模型，不斷提升預警準確度。三是主體監管。以企業或集團公司為主體，整合利用全方位數據，運用神經網絡等技術對主體的投融資、結售匯、資金管理與調配等內部交易行為進行分析，了解不同類別主體異同點，對主體進行適當性分析評測，及時識別潛在違規行為。2.預測匯率、跨境收支走勢，了解并引導市場預期通過收集影響匯率變動、跨境收支相關因素信息，建立模型預測匯率、跨境收支走勢，并通過機器學習等方法，自動或人工調整模型，不斷提升預測結果的準確性，同時掌握902017.09市場預期，及時進行引導。一是匯率走勢預測。整理收集通貨膨脹、利率、政府債務、市場心理等影響匯率變化的信息，通過回歸等各類模型方法，分析某一項或多項與匯率之間關系，預測特定時間段匯率走勢。二是全國或地區跨境收支形勢預測。整理收集行業價格、匯率、經濟金融形勢等外部信息，觀測、分析經濟金融形勢、匯率、人民幣即期交易差價等對地區跨境收支或進出口的影響，預測跨境收支或進出口走勢變化。三是掌握人民幣匯率市場預期。收集網絡上關于人民幣匯率相關信息、搜索頻率等，通過文本分析等方法了解人民幣匯率走勢的市場預期，便于適時采取引導措施。3.輿情實時監測，快速預警反饋整理收集互聯網各大網站評論、博客等信息資源，嘗試以數據情感分析角度，實現對文本評論數據的傾向性判斷以及所隱藏的信息的挖掘并分析。一是獲取政策反響。收集各大網站某項政策的相關評論、帖子、博客等信息，通過深度學習、語義網絡等多種數據挖掘模型，分析判斷數據傾向性，以數據角度反映政策執行效果及反響，為政策的進一步完善提供參考。二是設立輿情監測平臺。運用數據倉庫、文本分析、機器學習、神經網絡等技術手段對金融敏感信息、輿論情況、政策解讀反響等進行實時監測、分析，全面覆蓋公共新聞網站、行業網站、微博、博客、論壇、貼吧等信息平臺，在第一時間捕獲相關輿情，并及時發送分析報告，合理引導市場預期。（三）初步實踐與嘗試。我們以某地區2015年1月至2016年10月涉外支出數據為例，對其與CNH、CNY進行了回歸分析。1.涉外支出與CNY回歸分析回歸預估方程為：涉外支出（億美元）=-52.15CNY+530.17。但P值為0.4912（一般認為P<0.05時通過顯著性檢驗），表明CNY與涉外支出無明顯關系。2.涉外支出與CNH回歸分析回歸預估方程為：涉外支出（億美元）=-24.05CNH+349.82。但P值為0.7526，表明CNH與涉外支出無明顯相關關系。3.涉外支出與CNY、CNH回歸分析回歸預估方程為：涉外支出（億美元）=2466.1CNH-2498.2CNY+364.6。其中CNH、CNY、截距項P值分別為2.3×10-5、1.9×10-5和0.246，表明CNH、CNY與涉外支出有顯著的相關性，截距項與涉外支出沒有明顯的相關性，擬合優度為0.5897。4.涉外支出與即期交易價差（CNH-CNY）回歸分析回歸預估方程為：涉外支出（億美元）=2489.06（CNH-CNY）+157.3，其中P值分別為3.73×10-12和1.38×10-5，表明兩項預估值的顯著水平均較為理想，擬合優度為0.6006。從上述情況可以看出涉外支出與即期交易價差存在較強的線性關系，即某地區涉外支出隨著人民幣價差（CNH—CNY）的收窄而減小，隨價差的擴大而增加。在知悉若干變量對另一變量存在影響的情況下，可使用該方法分析各自變量與因變量的具體相關性，逐步求取最優模型，獲取變量之間的線性關系，如：分析匯率與購匯金額之間的關系；分析產品進出口金額、進出口量與產品價格之間的關系。
四、政策建議
（一）轉變理念，利用大數據分析手段提升監管效率。一方面，大數據分析方法著眼于從海量的數據中尋找數據內部關聯與邏輯關系，并歸納出特定主體或交易行為的規律與特征。另一方面，外匯管理部門已逐步從制定規則的角色轉向風險判斷的角色，而這又依賴于從數據中找到規律和關聯，進而識別數據變化提示的風險。大數據挖掘技術和分析方法可以極大地提高對歷史數據的利用價值，同時也為管理職責的轉變提供必需的技術支持。從這一角度來說，監管部門需及時轉變理念，在傳統事后監測分析框架之外，引入市場前沿技術分析手段，進一步提升監管效率。（二）建立大數據分析工作機制。一是可以考慮設立大數據監測中心或直屬大數據分析公司，從事外匯監測、輿情監測等數據分析專項工作，打造大數據分析團隊。二是建立統一的大數據綜合運用平臺，整合各業務系統、互聯網外部信息和工商、海關、稅務等部門信息，在此基礎上，根據監管需求及經濟金融形勢，開展各項監測工作，逐步完善各類監測模型，提升監管工作成效。（三）規范大數據結果的運用機制一是定期向相關部門通報輿情預警、匯率預期、跨境收支走勢預期等情況，為決策提供有益參考。二是實時匯總異常交易、風險預警等分析預測結果，及時向業務主管部門反饋，為其開展事后。核查等工作提供線索。（四）以區域試點模式開展大數據分析工作。當前，大數據分析在市場多領域已有應用，但在金融監管領域還未有成體系的實踐做法。建議選取部分地區開展大數據分析試點，并嘗試與外部機構合作，借鑒市場的成熟經驗及各類監測、預警和預測模型，不斷探討、完善大數據分析在金融監管領域的運用。
作者:徐珊 李慧強 單位:中國人民銀行營業管理部
