论文研究数据的整理和分析
如何利用数据分析工具，对自己的文章进行诊断
1、获取数据
获取数据也有两种途径，要么就是手上有的或者是能直接使用到的现成数据，还有一种就是二手数据。现在的数据分析库主要分为了调查数据和政府数据。
2、整理数据
整理数据就是对观察、调查、实验所得来的数据资料进行检验与归类。得出能够反映总体综合特征的统计资料的工作过程。并且，对已经整理过的资料（包括历史资料）进行再加工也属于统计整理。
3、呈现数据
当数据收集充分且真实过后，研究者可运用数据，但要清楚的说明数据来源以及如何对原始的数据进行加工的。需要尽可能的描述获取数据的过程，提供足够多的细节，以便同行能重复研究过程，并保障原生作者的创作性。
论文的数据分析怎么写如下：
首先，针对实证性论文而言，在开始撰写论文之前，必须要提前确定好数据研究方法。而数据研究方法的确定与选择需要根据大家毕业论文的研究课题来确定。
另外，大家也可以跟自己的的论文指导老师多多交流，尽可能多的了解更多关于研究方法的知识，以供自己选择。除此之外，大家还需要大量查找文献资料，见多识广有大量输入之后才能有所输出，本环节需要大家跟导师沟通商议后决定。
接下来一个比较重要的步骤是搜集和整理实验数据。在这一部分，很多同学朋友都会遇到各种各样的问题，比如，不知道去哪里找数据，找到的数据可靠性无法保障，需要的数据总是无法搜集全面等等各种问题。
那么在这里需要跟大家强调一下，推荐大家使用国家统计局、中国统计年鉴、国泰安、万方等等这些比较权威的网站去搜集数据资料。
在此需要注意的是，国泰安和万方等这些网站是需要收费的，上去看了一下，价格不是很亲民。
给大家分享一下，如果有些数据在国家官方网站确实找不到或者毕业论文所需的最新数据还没及时发布，推荐大家可以上某宝，因为某宝上电子版数据往往都很全面，而且价格大都可以接受。
在此提醒大家搜集到数据之后，一定要按照自己的习惯整理保存好，避免后期使用数据时出现差错。
论文数据方法有多选题研究、聚类分析和权重研究三种。
1、多选题研究：多选题分析可分为四种类型包括：多选题、单选-多选、多选-单选、多选-多选。
2、聚类分析：聚类分析以多个研究标题作为基准，对样本对象进行分类。如果是按样本聚类，则使用SPSSAU的进阶方法模块中的“聚类”功能，系统会自动识别出应该使用K-means聚类算法还是K-prototype聚类算法。
3、权重研究：权重研究是用于分析各因素或指标在综合体系中的重要程度，最终构建出权重体系。权重研究有多种方法包括：因子分析、熵值法、AHP层次分析法、TOPSIS、模糊综合评价、灰色关联等。
拓展资料：
一、回归分析
在实际问题中，经常会遇到需要同时考虑几个变量的情况，比如人的身高与体重，血压与年龄的关系，他们之间的关系错综复杂无法精确研究，以致于他们的关系无法用函数形式表达出来。为研究这类变量的关系，就需要通过大量实验观测获得数据，用统计方法去寻找他们之间的关系，这种关系反映了变量间的统计规律。而统计方法之一就是回归分析。
最简单的就是一元线性回归，只考虑一个因变量y和一个自变量x之间的关系。例如，我们想研究人的身高与体重的关系，需要搜集大量不同人的身高和体重数据，然后建立一个一元线性模型。接下来，需要对未知的参数进行估计，这里可以采用最小二乘法。最后，要对回归方程进行显著性检验，来验证y是否随着x线性变化。这里，我们通常采用t检验。
二、方差分析
在实际工作中，影响一件事的因素有很多，人们希望通过实验来观察各种因素对实验结果的影响。方差分析是研究一种或多种因素的变化对实验结果的观测值是否有显著影响，从而找出较优的实验条件或生产条件的一种数理统计方法。
人们在实验中所观察到的数量指标称为观测值，影响观测值的条件称为因素，因素的不同状态称为水平，一个因素可能有多种水平。
在一项实验中，可以得到一系列不同的观测值，有的是处理方式不同或条件不同引起的，称为因素效应。有的是误差引起的，称做实验误差。方差分析的主要工作是将测量数据的总变异按照变异原因的不同分解为因素效应和试验误差，并对其作出数量分析，比较各种原因在总变异中所占的重要程度，作为统计推断的依据。
例如，我们有四种不同配方下生产的元件，想判断他们的使用寿命有无显著差异。在这里，配方是影响元件使用寿命的因素，四种不同的配方成为四种水平。可以利用方差分析来判断。
三、判别分析
判别分析是用来进行分类的统计方法。我来举一个判别分析的例子，想要对一个人是否有心脏病进行判断，可以取一批没有心脏病的病人，测其一些指标的数据，然后再取一批有心脏病的病人，测量其同样指标的数据，利用这些数据建立一个判别函数，并求出相应的临界值。
这时候，对于需要判别的病人，还是测量相同指标的数据，将其带入判别函数，求得判别得分和临界值，即可判别此人是否属于有心脏病的群体。
四、聚类分析
聚类分析同样是用于分类的统计方法，它可以用来对样品进行分类，也可以用来对变量进行分类。我们常用的是系统聚类法。首先，将n个样品看成n类，然后将距离最近的两类合并成一个新类，我们得到n-1类，再找出最接近的两类加以合并变成n-2类，如此下去，最后所有的样品均在一类，将上述过程画成一张图。在图中可以看出分成几类时候每类各有什么样品。
比如，对中国31个省份的经济发展情况进行分类，可以通过收集各地区的经济指标，例如GDP，人均收入，物价水平等等，并进行聚类分析，就能够得到不同类别数量下是如何分类的。
五、主成分分析
主成分分析是对数据做降维处理的统计分析方法，它能够从数据中提取某些公共部分，然后对这些公共部分进行分析和处理。
在用统计分析方法研究多变量的课题时，变量个数太多就会增加课题的复杂性。人们自然希望变量个数较少而得到的信息较多。在很多情形，变量之间是有一定的相关关系的，当两个变量之间有一定相关关系时，可以解释为这两个变量反映此课题的信息有一定的重叠。
主成分分析是对于原先提出的所有变量，将重复的变量（关系紧密的变量）删去多余，建立尽可能少的新变量，使得这些新变量是两两不相关的，而且这些新变量在反映课题的信息方面尽可能保持原有的信息。
最经典的做法就是用F1（选取的第一个线性组合，即第一个综合指标）的方差来表达，即Var(F1)越大，表示F1包含的信息越多。因此在所有的线性组合中选取的F1应该是方差最大的，故称F1为第一主成分。
如果第一主成分不足以代表原来P个指标的信息，再考虑选取F2即选第二个线性组合，为了有效地反映原来信息，F1已有的信息就不需要再出现在F2中，用数学语言表达就是要求Cov(F1, F2)=0，则称F2为第二主成分，依此类推可以构造出第三、第四，……，第P个主成分。
六、因子分析
因子分析是主成分分析的推广和发展，它也是多元统计分析中降维的一种方法。因子分析将多个变量综合为少数几个因子，以再现原始变量与因子之间的相关关系。
在主成分分析中，每个原始变量在主成分中都占有一定的分量，这些分量（载荷）之间的大小分布没有清晰的分界线，这就造成无法明确表述哪个主成分代表哪些原始变量，也就是说提取出来的主成分无法清晰的解释其代表的含义。
因子分析解决主成分分析解释障碍的方法是通过因子轴旋转。因子轴旋转可以使原始变量在公因子（主成分）上的载荷重新分布，从而使原始变量在公因子上的载荷两级分化，这样公因子（主成分）就能够用哪些载荷大的原始变量来解释。以上过程就解决了主成分分析的现实含义解释障碍。
例如，为了了解学生的学习能力，观测了许多学生数学，语文，英语，物理，化学，生物，政治，历史，地理九个科目的成绩。为了解决这个问题，可以建立一个因子模型，用几个互不相关的公共因子来代表原始变量。我们还可以根据公共因子在原始变量上的载荷，给公共因子命名。
例如，一个公共因子在英语，政治，历史变量上的载荷较大，由于这些课程需要记忆的内容很多，我们可以将它命名为记忆因子。以此类推，我们可以得到几个能评价学生学习能力的因子，假设有记忆因子，数学推导因子，计算能力因子等。
接下来，可以计算每个学生的各个公共因子得分，并且根据每个公共因子的方差贡献率，计算出因子总得分。通过因子分析，能够对学生各方面的学习能力有一个直观的认识。
七、典型相关分析
典型相关分析同样是用于数据降维处理，它用来研究两组变量之间的关系。它分别对两组变量提取主成分。从同一组内部提取的主成分之间互不相关。用从两组之间分别提取的主成分的相关性来描述两组变量整体的线性相关关系。
研究生论文数据分析的原理和思路
毕业论文的课题研究方法、 思路
论文选题前要和导师沟通，听取导师的意见和建议。
论文选题要充分考虑自己的研究基础、研究能力和研究兴趣。所选的研究课题一般应具有如下特点：一是具有重要性。学位论文选题要有理论意义和现实意义，一定要是尚未解决或尚未完全解决而又要必须解决的问题，即能解决理论问题以推动学科发展，能解决实际问题产生多种效益，这样的问题当然就有理论意义和现实意义。二是具有创新性。学位论文课题应是社会经济发展和环境变化产生的新问题，以及前人没有解决的疑难问题，可以推动理论创新、方法创新和应用创新，因此，论文选题可以是完善或创新理论与方法，也可以是拓展现有理论的应用研究领域。三是具有学术性。论文讨论的问题一定要是一个学术问题，才有学术意义和学术价值。
四是具有可行性。论文选题要求在科学上成立并可以探究，符合发展趋势，并有一定宽度，可分解，能循序渐进，可以深入研究。在选题方向确定后，拟定具体的题目就非常重要了。论文题目是文章的题眼，可谓“干言万语第一句话”。拟定题目时要尽可能做到以下几点：一是要体现专业性，符合本学科专业的学术要求和规范。二是要有问题意识，有针对性，从题目表述就可以看出论文研究的核心问题。三是题目大小要适度，表述简洁、无歧义。一般采取中生表达，文题相对。字数一般在25个字左右，最好不要超过3O个字。2．文献选择与阅读围绕研究方向领域或关键词选择文献，所选文献要尽量权威和前沿，特别是近五年的同类研究文献，要尽量“一网打尽”。与此同时，耍对文献进行编排处理，并严格按文献著录格式标明文献出处。文献选定后就要认真阅读，通过阅读文献，熟悉了解本研究领域国内外主流期刊最新的研究成果。在阅读文献的过程中，要特别注意四个问题。一是论文所研究的科学问题是什么?是否重要?为什么重要?二是论文中用到哪些研究手段?这些研究手段足以解决所提出的科学问题吗?三是论文中是否有创新的思想?是否使用了新的研究手段?四是论文产生了新的结论或概念吗?论文的数据是否能够支持这些结论或概念?在此基础上，尽量整理出系统的文献综述，并在国内外专业期刊上发表，以实现“更加熟悉前沿研究、有效提高写作能力和形成物化成果”等多种目的。同时，通过多看文献来学习别人的写作技巧和精炼的语言词汇。文献阅读一般包括精读(基础文献、经典文献)和泛读(知识点、跨学科文献)两个层面。对重点文献、经典文献要精读，而且要进行解释、评论和分析。3．研究内容与提纲第一，与专业相关。这是研究生论文选题和写作的基本要求，也是通过毕业答辩的基本前提。第二，与兴趣相关。论文选题既要与兴趣相关，也要与自己未来的发展相关。“题对一生荣”。如果今后从事学术研究，就要选定较为长远的研究领域，深入持久地做下去，持之以恒，逐步培养自己对研究问题的兴趣。第三，适当跨学科研究。运用其他相关学科的理论或方法来研究本学科专业的问题，常常能产生新的研究思路和研究结论，不仅体现了创新，而且会开辟一个新的研究领域。因此，在研究生学习期间要注重学术交流，请教不同专业的同行，善于从多角度来思考所研究的问题。4．研究思路与方法在开题报告与论文撰写前，要在充分查阅和研究国内外相关的权威文献资料的基础上，针对研究对象，尽可能提出新的研究思路和研究方法。事实上，任何理论的创新归根结底都是方法的创新。对于经济学、管理学、社会学等学科领域的研究方法要尽可能做到定性分析与定量分析相结合、规范分析与实证分析相结合，运用一些基本概念和理论观点对所要研究的问题进行定性和规范分析，确定研究对象的内涵与外延、特点与本质。在此基础上，借助数理工具，建立分析模型，推演要素之间的逻辑关系，从而深化对所要研究问题的认识和理解。因此，在研究选题确定后，就要努力去构建一个创新的研究思路，设计一个创新的技术路线，在研究方法上进行一些改进或借用，就有可能有新的发现，从而找到课题的创新点。 二、开题报告的文本格式与报告重点《开题报告》有相对规范的文本格式，要表述的主要内容有：一是论文选题的背景、理由及研究的意义；二是国内外关于该课题的研究现状及趋势；三是本人的研究工作计划，包括研究目标、内容、拟解决的关键问题、创新或特色、拟采取的研究方案与技术路线等；四是论文预期达到的研究目标；五是研究基础与论文撰写的进度安排；六是主要参考文献目录，包括中英文文献。在进行开题报告时，要重点报告三个方面的内容：一是选题价值与意义，重点讲你要研究和讨论的学术问题是什么；二是研究内容与方法，重点讲你研究的主要内容、思路、方法、重点与创新点是什么；三是研究基础与困难，重点讲你的研究准备工作情况和存在的困难与疑惑有哪些，希望得到参加开题报告评议专家的哪些指导。
通过数据进行分析的论文用数据是数学方法。
数据分析方法：将数据按一定规律用列表方式表达出来，是记录和处理最常用的方法。表格的设计要求对应关系清楚，简单明了，有利于发现相关量之间的相关关系。
此外还要求在标题栏中注明各个量的名称、符号、数量级和单位等：根据需要还可以列出除原始数据以外的计算栏目和统计栏目等。
数据分析目的：
数据分析的目的是把隐藏在一大批看来杂乱无章的数据中的信息集中和提炼出来，从而找出所研究对象的内在规律。在实际应用中，数据分析可帮助人们做出判断，以便采取适当行动。数据分析是有组织有目的地收集数据、分析数据，使之成为信息的过程。
这一过程是质量管理体系的支持过程。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。
例如设计人员在开始一个新的设计以前，要通过广泛的设计调查，分析所得数据以判定设计方向，因此数据分析在工业设计中具有极其重要的地位。
大数据的研究和分析应用论文
《大数据技术对财务管理的影响》
摘 要：大数据可以快速帮助财务部门建立财务分析工具，而不是单纯做账。大数据应该不仅仅局限于本单位的微观数据，更为重要的关注其他单位的宏观数据。大数据技术不仅带来了企事业单位财务数据搜集的便利和挑战，而且也衍生出了诸多关于单位人员个人信息保密等问题的积极探索。本文主要研究大数据技术(meta-data或big data)对企业或事业单位财务管理的影响，以期为财务数据管理的安全性提供一种分析的依据和保障。
关键词：大数据;财务管理;科学技术;知识进步
数据是一个中性概念。人类自古以来几千年的辉煌变迁，无外乎就是数据的搜集和使用过程而已。纵观古今中外的人际交流与合作，充满着尔虞我诈和勾心斗角，那么他们在争什么呢?实际上是在争夺信息资源;历史上品相繁多的战争，实际上不是在维持什么所谓的正义和和平，抑或为了人间的正道，而是在争夺数据的使用权;“熙熙攘攘皆为利往、攘攘熙熙皆为利来”的世俗变迁逻辑已经让位于数据游戏的哲学法则。人类自英国产业革命以来所陆续发明的技术，尽管被人们美其名曰“第四次科技革命的前沿技术”，实际上不过就是“0”和“1”两个数字的嬉戏而已。正如有学者指出的，汽车技术、生命科学技术、基因技术、原子能技术、宇宙航天技术、纳米技术、电子计算机技术，看起来美轮美奂，实则隐含着杀机，那就是由于人们把技术当成了目的后，导致了“技术专制”后的“技术腐败”和“技术灾难”。人类一方面在懒惰基因的诱惑下，发明了诸多所谓的机械装置，中国叫“机巧”;另一方面又在勤奋的文化下，发明了诸多抑制懒惰的制度和机制。本来想寻求节俭，结果却越来越奢侈;本来想节约，结果却越来越浪费;本来想善良，结果却越来越邪恶;本来想美好，结果却越来越丑陋。正如拉美特里所说：“人是什么?一半是天使，一半是野兽。当人拼命想成为天使的时候，其实他会逐渐变成野兽;当人想极力崇拜野兽的时候，结果会逐渐接近天使。”我们不是在宣讲宿命的技术，我们只是在预测技术的宿命。本文主要研究大数据技术(meta-data或big data)对企业或事业单位财务管理的影响，以期为财务数据管理的安全性提供一种分析的依据和保障。
一、大数据技术加大了财务数据收集的难度
财务数据的收集是一个复杂的系统工程，国际上一般采用相对性原则，即首先利用不完全统计学的知识对数据进行初步的计算，接着对粗糙的数据进行系统的罗列，最后对类型化的数据进行明分梳理。使用者如果想进入该数据库，就必须拥有注册的用户名和密码。由于国际上对于网络数据的监督均采取了实名注册的模式，所以一旦该用户进入到核心数据库之后想窃取数据，一般都会暴露自己的bug地址源，网管可以循着这一唯一性存留，通过云计算迅速找到该网络终端的IP地址，于是根据人机互动原理，再加上各种网吧所安装的监控平台，可以迅速找到数据库的剽窃者。如果按照上述数据变迁逻辑，那么财务数据的收集似乎变得易如反掌，而事实并非如此。因为：①数据的量化指标受制于云计算服务器的安全性。当云服务器受到不可抗力的打击，如地震、水患、瘟疫、鼠疫、火灾、原子能泄露或各种人为破坏的作用，数据会呈现离散型散落。这时的数据丢失会演变成数字灾难;②各种数据版权的拥有者之间很难实现无缝隙对接。比如在经过不同服务器的不同数据流之间，很难实现现实意义上的自由流通。正如专家所指出的，教育服务器的事业单位的人员数据、行政部门人事管理部门的保密性数据、军事单位的军事数据、医疗卫生事业的数据、工商注册数据、外事数据等在无法克服实际权力的分割陷阱之前，很难实现资源的共享，这时对数据的所谓搜集都会演化为“不完全抽样”的数字假象。由此而衍生的数据库充其量只是一部分无用的质料而已。
二、大数据技术影响了财务数据分析的准确性
对于搞财务管理的人来说，财务数据的收集只是有效实现资源配置的先决条件，真正有价值的或者说最为关键的环节是对财务数据的分析。所谓“财务数据分析”是指专业的会计人员或审计人员对纷繁复杂的单位人力资源信息进行“去魅”的过程。所谓“去魅”就是指去粗取精、去伪存真、由此及彼、由表及里、内外互联，彼此沟通、跨级交流、跨界合作。在较为严格的学术意义上，分析的难度广泛存在与财务工作人员的日常生活中。大数据技术尽管为数据的搜集提供了方便法门，但同时加大了财务人员的工作量和工作难度。原先只是在算盘或者草稿纸上就可以轻松解决的数据计算，现在只能借助于计算机和云图建模。对于一些借助于政治权力因素或者经济利益因素，抑或是借助于自身的人际关系因素上升到财务管理部门的职工来说，更大的挑战开始了。他们不知道如何进行数据流的图谱分析，不知道基于计算机软件技术的集成线路技术的跌级分类，不知道基于非线性配置的液压传动技术的模板冲压技术，不知道逆向网络模型来解决外部常态财务变量的可篡改问题。由于技术不过硬，导致了领导安排的任务不能在规定的时间内完成，即时仓促做完的案例，也会因为数据分析技术的落后而授人以柄，有的脾气不好的领导可能会大发雷霆;脾气好的领导只是强压着内心的怒火，那种以静制动的魄力和安静更是摄魂夺魄。所以说数据分析难度的增加不是由于财务人员的良心或善根缺失，在很大程度上是由于技术的进步和大数据理念给我们带来的尖锐挑战。对于普通的没有家庭和社会背景的财务管理人员来说，能做的或者说唯一可做的就是尊重历史发展的周期律，敬畏生生不息的科学革命，认真领会行政首长的战略意图，提升自己的数据分析技术，升华在自身的“硬实力”。否则觊觎于领导的良心发现和疏忽大意，期望技术的静止或者倒退，抑或是在违法犯罪之后天真的认为可以相安无事，可能都只会落得“恢恢乎如丧家之犬”的境遇。
三、大数据技术给财务人事管理带来了挑战
一个单位的财务人事管理牵扯到方方面面的问题，其意义不可小视。一般来讲，单位在遴选财务管理部门管理人员的时候，大多从德才绩行四个方面全面权衡。然而这种“四有标准”却隐含着潜在的危机和不可避免的长远威胁，这其中的缘由就在于人性的复杂性和不可猜度性。历史和现实一再告诉人们，单纯看眼前的表现和话语的华丽，不仅不能对人才的素质进行准确的评价，而且还会导致官员的远期腐败和隐性腐败。对于中国的腐败，国人大多重视了制度和道德的缘起，却往往忽视了财务管理的因素。试想如果财务管理人员牢牢践行“焦裕禄精神”，不对任何政治权力开绿灯，国有资产又如何流出国库而了无人知晓呢?事实上，中国的所有腐败，不论是国有资产的国外流失抑或是国内流失，都在很大程度上与财务人员有关，可能有些管理人员会强调那不是自己的责任，出纳签字是领导的授意，会计支出费用那是长官的意思清晰表示。实际上，处于权力非法授予的签字、盖章、取现、流转和变相洗钱都是违法的，甚至是犯罪的。间接故意也是应当追究责任的。值得高兴的是，伴随着数字模拟技术的演进，财务管理中的腐败现象和人事管理科学化问题得到了极大的改善，相关领导伸手向财务要钱的行为，不仅会受到数据进入权限的限制，而且还会受到跟数据存留的监控，只要给予单位科技人员以足够的权限，想查找任何一笔资金的走向就变得非常简单，而且对于每一笔资金的经手者的信息也会了如指掌。这在一定程度上减少了只会指挥、不懂电脑的首长的孵化几率。
四、大数据技术加大了单位信息保密的难度
IMA(美国注册会计师协会)研发副总裁Raef・Lawson博士曾经指出：“客观上讲，大数据技术的正面效用是非常明显的，但一个不容回避的事实是大数据技术为财务信息的安全性提出了越来越严峻的挑战。我们已经注意到，在欧洲大陆、美洲大陆已经存在基于数据泄露而产生的各种抗议活动，这些活动牵扯到美国的数据窃听丑闻、俄罗斯对军事数据的强制性战友举动、以色列数据专家出卖阿拉伯世界经济数据的案件、在东方的中国香港一部分利用数据的窃取而发家致富的顶尖级黑客专家。”在数据集成的拓扑领域，大数据技术的保密性挑战肇始于蚁群算法的先天性缺陷。本来数据流的控制是依靠各种所谓的交易密码，实际上这些安全密码只是数据的另一种分类和组合而已。在数据的非线性组合和线路的真空组装模式下，任何密码都只是阻挡了技术侏儒的暂时性举动，而没有超出技术本身的惰性存在。当一个hacker掌握了源代码的介质性接洽技术之后，所剩下的就是信息和数据的搜集了，只要有足够的数据源，信息的户的几乎是轻而易举的。
2003年，北京的一家名为飞塔公司的防火墙安全软件在中关村科技城闪亮上市。该安全控制软件的开发者随机开发了一款名曰MAZE天网的软件，并且采用了“以其之矛攻其之盾”的攻防策略。测试的结果是尽管maze的源代码采用了24进制蝶形加密技术，但 FortiGate防火墙技术仍然能够阻挡住善意木马对电脑终端用户信息的剽窃和非法利用。FortiWeb已经通过全球权威的ICSA认证，可以阻断如跨站脚本、SQL注入、缓冲区溢出、远程文件包含、拒绝服务，同时防止敏感数据库外泄，为企事业单位Web应用提供了专业级的应用安全防护。飞塔公司之所以耗费人力和物力去开发这一新型的换代产品，就在于大数据时代对单位信息保密性的冲击。试想，如果一个单位连职工最起码的个人信息都不能安全存储的话，那么财务管理的科学性和人本性将从何谈起?只能说，即使在人权保护意识相对薄弱的法治环境里，我们也应该尽量提升自己的保密意识，加强对个人信息的保护和合理运用。
作者简介：田惠东(1967- )，女，汉族，河北定兴人，副高级会计师，本科学历，研究方向：财务管理，单位：保定市第一医院
大数据下的计算机信息处理技术研究论文
摘要： 现如今，随着科学技术的快速发展，计算机技术已经融入到人们的生活之中，想想10年前的计算机技术和现如今的计算机技术，真的是天壤之别，发生了翻天覆地的变化。同时，大数据的应用也越来越广泛，带来了丰厚的利润，各种“云”层出不断，对大数据的背景下，计算机信息处理的技术提出更高的竞争和要求。本文首先介绍大数据的概念，阐述基于大数据背景下的各种计算机信息处理技术，并对技术进行分析研究，最后对大数据未来的发展的机会做出分析。
关键词： 大数据；计算机信息；技术研究
随着科技的迅猛发展，大数据的应用愈来愈广，随之产生的数据系统总量大，十分庞大，这就对大数据时代下的计算机信息处理技术提出了更高的要求，如何将大数据处理的井然有序，有条不紊，值得每一位考研人员进行探讨。
一、大数据的概念
什么是大数据？大数据，另一种叫法称之为巨型资料，是一个十分复杂密集的数据集，这样的数据集在一定的时间内，依靠于传统普通的数据加工软件无法最终实现管理、抓取及处理的功能，需要进行创新，用新的处理模式才能够实现。大数据具有虚拟化、按需服务、低成本等等特点。在每一个消费者的角度来看，大数据中的计算技术资源服务可以帮助每一个大数据用户完成想要的资源信息，用户只需进行付费就可以直接使用，根本不需要到处搜寻资料，跑来派去的打听。这从根本上改变了人们对信息资源的需求方式，为用户提供一种超大规模的网络资源共享。同时，面对海量的大数据库资源，如何对大数据资源进行处理，得到用户们想要的信息资源，需要计算机信息技术不断的进行挖掘。
二、大数据下的计算机信息处理技术
总体的来说，基于大数据背景下的计算机信息处理技术总共可以分成以下3个方面：信息的获取及加工技术、信息的存储技术和信息安全方面的技术。下面就针对这三种技术，进行研究分析。1）信息的获取及加工技术。信息的获取及加工技术是实现信息化的第一步，是最基础的工作内容，只有完成了信息数据的搜集工作，才能进行下面的计算机信息技术的处理。因此，如若进行信息的采集工作，需要首先明确信息的目标源，对信息数据进行监控，时刻把握信息的流向及动态，然后将采集的信息数据输入至计算机数据库中，实现了信息的获取采集工作。接下来是第二步，信息的加工及处理工作，所有的加工和处理技术的核心在于用户的指引，完全由用户导向，设定信息的筛选范围，确定信息的丰富度等等。最后是依照于用户的要求，将信息资源传输到用户手中。这样就实现了整个信息从采集到处理，再从处理到传送工作的整个流程。2）信息的存储技术。在大数据的背景下，对于整个计算机信息的处理，信息技术的存储是十分关键的环节，可以将处理加工的数据得以保存，更方便用户对于数据的调取和应用。而且，现如今的信息数据总量大、更新速度快，合理的运用存储方面的技术，可以快速的实现信息的存储工作，提高工效效率，将复杂变简单。在目前的时代下，应用最广泛的是分布式数据存储技术，应用十分方便，能够实现快速大量的数据存储。3）信息安全方面的技术。大数据在方便用户使用和享受的同时，信息数据资源的安全性也是不容忽略的，而且随着社会的发展，数据资源的安全性和隐私性逐渐受到关注，如何实现数据库的安全是个十分值得研究的课题。首先最主要的是建立计算机安全体系，充分引进更多的人才。其次需要加强安全技术的研发速度，由于大数据发展及更新速度快，需要快速的更新原有的安全体系，尽快的适应大数据时代的更新速度。除此之外，加强对信息的监测是十分必要的，避免不法之人进行数据的盗取，在信息数据庞大的体量下，依然能够提供稳定有效的安全体系。
三、大数据下的计算机信息技术的发展前景
1）云技术的发展是必然趋势。云计算网络技术是越来越得到大的发展，一方面由于计算机硬件系统的数据处理技术有限，云技术可以完全的将弊端破除，同时，它能够利用最新的数据资源和处理技术，不依赖于计算机硬件系统。因此，随着庞大的数据越来越复杂，传统的数据处理方式已经不能够适应，未来将计算机信息处理必将朝着云计算发展。2）计算机网络不再受限于计算机硬件。未来，计算机网络技术将会不再受制于计算机硬件的限制，网络的传输技术更加趋向于开放化，计算机网络和计算机硬件将会分隔开，重新定义新的网络架构。3）计算机技术和网络相互融合。传统的计算机技术需要运用计算机的硬件系统才能够实现信息的处理、加工及存储工作，未来新的.计算技术将脱离于计算机硬件配备，可以仅仅用计算机网络就可以实现数据的加工和处理。同时，二者也将会相互融合、相互发展真正的满足由于大数据时代的更新所带来的困扰，这是未来大数据背景下计算机技术发展的又一个方向。
四、大数据下的计算机信息技术面临的机遇和挑战
在大数据背景下，计算机信息技术的机遇和挑战并存，首先，病毒及网站的恶意攻击是少不了的，这些问题是站在计算机信息技术面前的巨大挑战，同时，近些年，网络不断，社会关注度逐渐提高，网络的安全问题也是不同忽视，再者，信息之间的传送速度也有限，需要对传送技术进行创新，以适应更高的用户需求。最后，随着大数据库的不断丰富，越来越庞大的数据资源进行加工和处理，对数据的存储又有了新的要求，如何适应不断庞大的数据信息量，实现更加便捷的、满足用户需求的调取也是一个巨大的挑战。与此同时，也存在着许多的机遇。首先，大数据对信息安全的要求越来越大，一定程度上带动了信息安全的发展，其次，大数据在应用方面，对企业及用户带来了巨大的便利，同时也丰富了产业资源，未来用户及企业面前的竞争可能会转化为大数据信息资源的竞争。最后，大数据时代的来临，构造了以信息安全、云计算和物联网为主要核心的新形势。
五、结论
通过一番研究，目前在大数据时代下，计算机信息技术确实存在着一定的弊端，需要不断的进行创新和发展，相信未来的云计算会越来越先进，越来越融入到人们的生活及工作当中，计算机信息技术面临的巨大的挑战和机遇，面对挑战，抓住机遇，相信未来我国的计算机技术会越来越好，必将超过世界领先水平！
参考文献：
[1]王秀苏.计算机信息处理技术在办公自动化上的应用[J].科技经济市场,2010(03).
[2]张连杰.企业管理中计算机技术的应用[J].电脑知识与技术,2011(26).
[3]陈静.浅谈计算机处理技术[J].科技与企业,2012(11).
[4]赵春雷,乔治纳汉."大数据"时代的计算机信息处理技术[J].世界科学,2012.
[5]庄晏冬.智能信息处理技术应用与发展[J].黑龙江科技信息,2011.
[6]艾伯特拉斯洛,巴拉巴西,著.马慧,译.爆发:大数据时代预见未来的新思维[M].北京:中国人民大学出版社,2012.河南省高等学校重点科研项目计划（16A520008）
在大数据环境下，计算机信息处理技术也面临新的挑战，要求计算机信息处理技术必须不断的更新发展，以能够对当前的计算机信息处理需求满足。下面是我给大家推荐的计算机与大数据的相关论文，希望大家喜欢!计算机与大数据的相关论文篇一 浅谈“大数据”时代的计算机信息处理技术 [摘 要]在大数据环境下，计算机信息处理技术也面临新的挑战，要求计算机信息处理技术必须不断的更新发展，以能够对当前的计算机信息处理需求满足。本文重点分析大数据时代的计算机信息处理技术。 [关键词]大数据时代;计算机;信息处理技术 在科学技术迅速发展的当前，大数据时代已经到来，大数据时代已经占领了整个环境，它对计算机的信息处理技术产生了很大的影响。计算机在短短的几年内，从稀少到普及，使人们的生活有了翻天覆地的变化，计算机的快速发展和应用使人们走进了大数据时代，这就要求对计算机信息处理技术应用时，则也就需要在之前基础上对技术实施创新，优化结构处理，从而让计算机数据更符合当前时代发展。 一、大数据时代信息及其传播特点 自从“大数据”时代的到来，人们的信息接收量有明显加大，在信息传播中也出现传播速度快、数据量大以及多样化等特点。其中数据量大是目前信息最显著的特点，随着时间的不断变化计算机信息处理量也有显著加大，只能够用海量还对当前信息数量之大形容;传播速度快也是当前信息的主要特点，计算机在信息传播中传播途径相当广泛，传播速度也相当惊人，1s内可以完成整个信息传播任务，具有较高传播效率。在传播信息过程中，还需要实施一定的信息处理，在此过程中则需要应用相应的信息处理工具，实现对信息的专门处理，随着目前信息处理任务的不断加强，信息处理工具也有不断的进行创新[1];信息多样化，则也就是目前数据具有多种类型，在庞大的数据库中，信息以不同的类型存在着，其中包括有文字、图片、视频等等。这些信息类型的格式也在不断发生着变化，从而进一步提高了计算机信息处理难度。目前计算机的处理能力、打印能力等各项能力均有显著提升，尤其是当前软件技术的迅速发展，进一步提高了计算机应用便利性。微电子技术的发展促进了微型计算机的应用发展，进一步强化了计算机应用管理条件。 大数据信息不但具有较大容量，同时相对于传统数据来讲进一步增强了信息间关联性，同时关联结构也越来越复杂，导致在进行信息处理中需要面临新的难度。在 网络技术 发展中重点集中在传输结构发展上，在这种情况下计算机必须要首先实现网络传输结构的开放性设定，从而打破之前计算机信息处理中，硬件所具有的限制作用。因为在当前计算机网络发展中还存在一定的不足，在完成云计算机网络构建之后，才能够在信息处理过程中，真正的实现收放自如[2]。 二、大数据时代的计算机信息处理技术 (一)数据收集和传播技术 现在人们通过电脑也就可以接收到不同的信息类型，但是在进行信息发布之前，工作人员必须要根据需要采用信息处理技术实施相应的信息处理。计算机采用信息处理技术实施信息处理，此过程具有一定复杂性，首先需要进行数据收集，在将相关有效信息收集之后首先对这些信息实施初步分析，完成信息的初级操作处理，总体上来说信息处理主要包括：分类、分析以及整理。只有将这三步操作全部都完成之后，才能够把这些信息完整的在计算机网络上进行传播，让用户依照自己的实际需求筛选满足自己需求的信息，借助于计算机传播特点将信息数据的阅读价值有效的实现。 (二)信息存储技术 在目前计算机网络中出现了很多视频和虚拟网页等内容，随着人们信息接收量的不断加大，对信息储存空间也有较大需求，这也就是对计算机信息存储技术提供了一个新的要求。在数据存储过程中，已经出现一系列存储空间无法满足当前存储要求，因此必须要对当前计算机存储技术实施创新发展。一般来讲计算机数据存储空间可以对当前用户关于不同信息的存储需求满足，但是也有一部分用户对于计算机存储具有较高要求，在这种情况下也就必须要提高计算机数据存储性能[3]，从而为计算机存储效率提供有效保障。因此可以在大数据存储特点上完成计算机信息新存储方式，不但可以有效的满足用户信息存储需求，同时还可以有效的保障普通储存空间不会出现被大数据消耗问题。 (三)信息安全技术 大量数据信息在计算机技术发展过程中的出现，导致有一部分信息内容已经出现和之前信息形式的偏移，构建出一些新的计算机信息关联结构，同时具有非常强大的数据关联性，从而也就导致在计算机信息处理中出现了新的问题，一旦在信息处理过程中某个信息出现问题，也就会导致与之关联紧密的数据出现问题。在实施相应的计算机信息管理的时候，也不像之前一样直接在单一数据信息之上建立，必须要实现整个数据库中所有将数据的统一安全管理。从一些角度分析，这种模式可以对计算机信息处理技术水平有显著提升，并且也为计算机信息处理技术发展指明了方向，但是因为在计算机硬件中存在一定的性能不足，也就导致在大数据信息安全管理中具有一定难度。想要为数据安全提供有效保障，就必须要注重数据安全技术管理技术的发展。加强当前信息安全体系建设，另外也必须要对计算机信息管理人员专业水平进行培养，提高管理人员专业素质和专业能力，从而更好的满足当前网络信息管理体系发展需求，同时也要加强关于安全技术的全面深入研究工作[4]。目前在大数据时代下计算机信息安全管理技术发展还不够成熟，对于大量的信息还不能够实施全面的安全性检测，因此在未来计算机信息技术研究中安全管理属于重点方向。但是因为目前还没有构建完善的计算机安全信息管理体系，因此首先应该强化关于计算机重点信息的安全管理，这些信息一旦发生泄漏，就有可能会导致出现非常严重的损失。目前来看，这种 方法 具有一定可行性。 (四)信息加工、传输技术 在实施计算机信息数据处理和传输过程中，首先需要完成数据采集，同时还要实时监控数据信息源，在数据库中将采集来的各种信息数据进行存储，所有数据信息的第一步均是完成采集。其次才能够对这些采集来的信息进行加工处理，通常来说也就是各种分类及加工。最后把已经处理好的信息，通过数据传送系统完整的传输到客户端，为用户阅读提供便利。 结语： 在大数据时代下，计算机信息处理技术也存在一定的发展难度，从目前专业方面来看，还存在一些问题无法解决，但是这些难题均蕴含着信息技术发展的重要机遇。在当前计算机硬件中，想要完成计算机更新也存在一定的难度，但是目前计算机未来的发展方向依旧是云计算网络，把网络数据和计算机硬件数据两者分开，也就有助于实现云计算机网络的有效转化。随着科学技术的不断发展相信在未来的某一天定能够进入到计算机信息处理的高速发展阶段。 参考文献 [1] 冯潇婧.“大数据”时代背景下计算机信息处理技术的分析[J].计算机光盘软件与应用，2014，(05)：105+107. [2] 詹少强.基于“大数据”时代剖析计算机信息处理技术[J].网络安全技术与应用，2014，(08)：49-50. [3] 曹婷.在信息网络下计算机信息处理技术的安全性[J].民营科技，2014， (12)：89CNKI [4] 申鹏.“大数据”时代的计算机信息处理技术初探[J].计算机光盘软件与应用，2014，(21)：109-110 计算机与大数据的相关论文篇二 试谈计算机软件技术在大数据时代的应用 摘要：大数据的爆炸式增长在大容量、多样性和高增速方面，全面考验着现代企业的数据处理和分析能力;同时，也为企业带来了获取更丰富、更深入和更准确地洞察市场行为的大量机会。对企业而言，能够从大数据中获得全新价值的消息是令人振奋的。然而，如何从大数据中发掘出“真金白银”则是一个现实的挑战。这就要求采用一套全新的、对企业决策具有深远影响的解决方案。 关键词：计算机 大数据时代 容量 准确 价值 影响 方案 1 概述 自从计算机出现以后，传统的计算工作已经逐步被淘汰出去，为了在新的竞争与挑战中取得胜利，许多网络公司开始致力于数据存储与数据库的研究，为互联网用户提供各种服务。随着云时代的来临，大数据已经开始被人们广泛关注。一般来讲，大数据指的是这样的一种现象：互联网在不断运营过程中逐步壮大，产生的数据越来越多，甚至已经达到了10亿T。大数据时代的到来给计算机信息处理技术带来了更多的机遇和挑战，随着科技的发展，计算机信息处理技术一定会越来越完善，为我们提供更大的方便。 大数据是IT行业在云计算和物联网之后的又一次技术变革，在企业的管理、国家的治理和人们的生活方式等领域都造成了巨大的影响。大数据将网民与消费的界限和企业之间的界限变得模糊，在这里，数据才是最核心的资产，对于企业的运营模式、组织结构以及 文化 塑造中起着很大的作用。所有的企业在大数据时代都将面对战略、组织、文化、公共关系和人才培养等许多方面的挑战，但是也会迎来很大的机遇，因为只是作为一种共享的公共网络资源，其层次化和商业化不但会为其自身发展带来新的契机，而且良好的服务品质更会让其充分具有独创性和专用性的鲜明特点。所以，知识层次化和商业化势必会开启知识创造的崭新时代。可见，这是一个竞争与机遇并存的时代。 2 大数据时代的数据整合应用 自从2013年，大数据应用带来令人瞩目的成绩，不仅国内外的产业界与科技界，还有各国政府部门都在积极布局、制定战略规划。更多的机构和企业都准备好了迎接大数据时代的到来，大数据的内涵应是数据的资产化和服务化，而挖掘数据的内在价值是研究大数据技术的最终目标。在应用数据快速增长的背景下，为了降低成本获得更好的能效，越来越趋向专用化的系统架构和数据处理技术逐渐摆脱传统的通用技术体系。如何解决“通用”和“专用”体系和技术的取舍，以及如何解决数据资产化和价值挖掘问题。 企业数据的应用内容涵盖数据获取与清理、传输、存储、计算、挖掘、展现、开发平台与应用市场等方面，覆盖了数据生产的全生命周期。除了Hadoop版本系统YARN，以及Spark等新型系统架构介绍外，还将探讨研究流式计算(Storm，Samza，Puma，S4等)、实时计算(Dremel，Impala，Drill)、图计算(Pregel，Hama，Graphlab)、NoSQL、NewSQL和BigSQL等的最新进展。在大数据时代，借力计算机智能(MI)技术，通过更透明、更可用的数据，企业可以释放更多蕴含在数据中的价值。实时、有效的一线质量数据可以更好地帮助企业提高产品品质、降低生产成本。企业领导者也可根据真实可靠的数据制订正确战略经营决策，让企业真正实现高度的计算机智能决策办公，下面我们从通信和商业运营两个方面进行阐述。 通信行业：XO Communications通过使用IBM SPSS预测分析软件，减少了将近一半的客户流失率。XO现在可以预测客户的行为，发现行为趋势，并找出存在缺陷的环节，从而帮助公司及时采取 措施 ，保留客户。此外，IBM新的Netezza网络分析加速器，将通过提供单个端到端网络、服务、客户分析视图的可扩展平台，帮助通信企业制定更科学、合理决策。电信业者透过数以千万计的客户资料，能分析出多种使用者行为和趋势，卖给需要的企业，这是全新的资料经济。中国移动通过大数据分析，对 企业运营 的全业务进行针对性的监控、预警、跟踪。系统在第一时间自动捕捉市场变化，再以最快捷的方式推送给指定负责人，使他在最短时间内获知市场行情。 商业运营：辛辛那提动物园使用了Cognos，为iPad提供了单一视图查看管理即时访问的游客和商务信息的服务。借此，动物园可以获得新的收入来源和提高营收，并根据这些信息及时调整营销政策。数据收集和分析工具能够帮助银行设立最佳网点，确定最好的网点位置，帮助这个银行更好地运作业务，推动业务的成长。 3 企业信息解决方案在大数据时代的应用 企业信息管理软件广泛应用于解决欺诈侦测、雇员流动、客户获取与维持、网络销售、市场细分、风险分析、亲和性分析、客户满意度、破产预测和投资组合分析等多样化问题。根据大数据时代的企业挖掘的特征，提出了数据挖掘的SEMMA方法论――在SAS/EM环境中，数据挖掘过程被划分为Sample、Explore、Modify、Model、Assess这五个阶段，简记为SEMMA： Sample 抽取一些代表性的样本数据集(通常为训练集、验证集和测试集)。样本容量的选择标准为：包含足够的重要信息，同时也要便于分析操作。该步骤涉及的处理工具为：数据导入、合并、粘贴、过滤以及统计抽样方法。 Explore 通过考察关联性、趋势性以及异常值的方式来探索数据，增进对于数据的认识。该步骤涉及的工具为：统计 报告 、视图探索、变量选择以及变量聚类等方法。 Modify 以模型选择为目标，通过创建、选择以及转换变量的方式来修改数据集。该步骤涉及工具为：变量转换、缺失处理、重新编码以及数据分箱等。 Model 为了获得可靠的预测结果，我们需要借助于分析工具来训练统计模型或者机器学习模型。该步骤涉及技术为：线性及逻辑回归、决策树、神经网络、偏最小二乘法、LARS及LASSO、K近邻法以及其他用户(包括非SAS用户)的模型算法。 Assess 评估数据挖掘结果的有效性和可靠性。涉及技术为：比较模型及计算新的拟合统计量、临界分析、决策支持、报告生成、评分代码管理等。数据挖掘者可能不会使用全部SEMMA分析步骤。然而，在获得满意结果之前，可能需要多次重复其中部分或者全部步骤。 在完成SEMMA步骤后，可将从优选模型中获取的评分公式应用于(可能不含目标变量的)新数据。将优选公式应用于新数据，这是大多数数据挖掘问题的目标。此外，先进的可视化工具使得用户能在多维直方图中快速、轻松地查阅大量数据并以图形化方式比较模拟结果。SAS/EM包括了一些非同寻常的工具，比如：能用来产生数据挖掘流程图的完整评分代码(SAS、C以及Java代码)的工具，以及交换式进行新数据评分计算和考察执行结果的工具。 如果您将优选模型注册进入SAS元数据服务器，便可以让SAS/EG和SAS/DI Studio的用户分享您的模型，从而将优选模型的评分代码整合进入 工作报告 和生产流程之中。SAS模型管理系统，通过提供了开发、测试和生产系列环境的项目管理结构，进一步补充了数据挖掘过程，实现了与SAS/EM的无缝联接。 在SAS/EM环境中，您可以从SEMMA工具栏上拖放节点进入工作区的工艺流程图中，这种流程图驱动着整个数据挖掘过程。SAS/EM的图形用户界面(GUI)是按照这样的思路来设计的：一方面，掌握少量统计知识的商务分析者可以浏览数据挖掘过程的技术方法;另一方面，具备数量分析技术的专家可以用微调方式深入探索每一个分析节点。 4 结束语 在近十年时间里，数据采集、存储和数据分析技术飞速发展，大大降低了数据储存和处理的成本，一个大数据时代逐渐展现在我们的面前。大数据革新性地将海量数据处理变为可能，并且大幅降低了成本，使得越来越多跨专业学科的人投入到大数据的开发应用中来。 参考文献： [1]薛志文.浅析计算机网络技术及其发展趋势[J].信息与电脑，2009. [2]张帆，朱国仲.计算机网络技术发展综述[J].光盘技术，2007. [3]孙雅珍.计算机网络技术及其应用[J].东北水利水电，1994. [4]史萍.计算机网络技术的发展及展望[J].五邑大学学报，1999. [5]桑新民.步入信息时代的学习理论与实践[M].中央广播大学出版社，2000. [6]张浩，郭灿.数据可视化技术应用趋势与分类研究[J].软件导刊. [7]王丹.数字城市与城市地理信息产业化――机遇与挑战[J].遥感信息，2000(02). [8]杨凤霞.浅析 Excel 2000对数据的安全管理[J].湖北商业高等专科学校学报，2001(01). 计算机与大数据的相关论文篇三 浅谈利用大数据推进计算机审计的策略 [摘要]社会发展以及时代更新，在该种环境背景下大数据风潮席卷全球，尤其是在进入新时期之后数据方面处理技术更加成熟，各领域行业对此也给予了较高的关注，针对当前计算机审计(英文简称CAT)而言要想加速其发展脚步并将其质量拔高就需要结合大数据，依托于大数据实现长足发展，本文基于此就大数据于CAT影响进行着手分析，之后探讨依托于大数据良好推进CAT，以期为后续关于CAT方面研究提供理论上参考依据。 [关键词]大数据 计算机审计 影响 前言：相较于网络时代而言大数据风潮一方面提供了共享化以及开放化、深层次性资源，另一方面也促使信息管理具备精准性以及高效性，走进新时期CAT应该融合于大数据风潮中，相应CAT人员也需要积极应对大数据带了的机遇和挑战，正面CAT工作，进而促使CAT紧跟时代脚步。 一、初探大数据于CAT影响 影响之机遇 大数据于CAT影响体现在为CAT带来了较大发展机遇，具体来讲，信息技术的更新以及其质量的提升促使数据方面处理技术受到了众多领域行业的喜爱，当前在数据技术推广普及阶段中呈现三大变化趋势：其一是大众工作生活中涉及的数据开始由以往的样本数据实际转化为全数据。其二是全数据产生促使不同数据间具备复杂内部关系，而该种复杂关系从很大程度上也推动工作效率以及数据精准性日渐提升，尤其是数据间转化关系等更为清晰明了。其三是大众在当前处理数据环节中更加关注数据之间关系研究，相较于以往仅仅关注数据因果有了较大进步。基于上述三大变化趋势，也深刻的代表着大众对于数据处理的态度改变，尤其是在当下海量数据生成背景下，人工审计具备较强滞后性，只有依托于大数据并发挥其优势才能真正满足大众需求，而这也是大数据对CAT带来的重要发展机遇，更是促进CAT在新时期得以稳定发展重要手段。 影响之挑战 大数据于CAT影响还体现在为CAT带来一定挑战，具体来讲，审计评估实际工作质量优劣依托于其中数据质量，数据具备的高质量则集中在可靠真实以及内容详细和相应信息准确三方面，而在CAT实际工作环节中常常由于外界环境以及人为因素导致数据质量较低，如数据方面人为随意修改删除等等，而这些均是大数据环境背景下需要严格把控的重点工作内容。 二、探析依托于大数据良好推进CAT措施 数据质量的有效保障 依托于大数据良好推进CAT措施集中在数据质量有效保障上，对数据质量予以有效保障需要从两方面入手，其一是把控电子数据有效存储，简单来讲就是信息存储，对电子信息进行定期检查，监督数据实际传输，对信息系统予以有效确认以及评估和相应的测试等等，进而将不合理数据及时发现并找出信息系统不可靠不准确地方;其二是把控电子数据采集，通常电子数据具备多样化采集方式，如将审计单位相应数据库直接连接采集库进而实现数据采集，该种直接采集需要备份初始传输数据，避免数据采集之后相关人员随意修改，更加可以与审计单位进行数据采集真实性 承诺书 签订等等，最终通过电子数据方面采集以及存储两大内容把控促使数据质量更高，从而推动CAT发展。 公共数据平台的建立 依托于大数据良好推进CAT措施还集中在公共数据平台的建立，建立公共化分析平台一方面能够将所有采集的相关数据予以集中化管理存储，更能够予以多角度全方面有效分析;另一方面也能够推动CAT作业相关标准予以良好执行。如果将分析模型看作是CAT作业标准以及相应的核心技术，则公共分析平台则是标准执行和相应技术实现关键载体。依托于公共数据平台不仅能够将基础的CAT工作实现便捷化以及统一化，而且深层次的实质研究有利于CAT数据处理的高速性以及高效性，最终为推动CAT发展起到重要影响作用。 审计人员的强化培训 依托于大数据良好推进CAT措施除了集中在上述两方面之外，还集中在审计人员的强化培训上，具体来讲，培训重点关注审计工作于计算机上的具 体操 作以及操作重点难点，可以构建统一培训平台，在该培训平台中予以多元化资料的分享，聘请高技能丰富 经验 人士予以平台授课，提供专业技能知识沟通互动等等机会，最终通过强化培训提升审计人员综合素质，更加推动CAT未来发展。 三、结论 综上分析可知，当前大数据环境背景下CAT需要将日常工作予以不断调整，依托于大数据促使审计人员得以素质提升，并利用公共数据平台建立和相应的数据质量保障促使CAT工作更加高效，而本文对依托于大数据良好推进CAT进行研究旨在为未来CAT优化发展献出自己的一份研究力量。 猜你喜欢： 1. 人工智能与大数据论文 2. 大数据和人工智能论文 3. 计算机大数据论文参考 4. 计算机有关大数据的应用论文 5. 有关大数据应用的论文
研究论文的数据分析
论文数据方法有多选题研究、聚类分析和权重研究三种。
1、多选题研究：多选题分析可分为四种类型包括：多选题、单选-多选、多选-单选、多选-多选。
2、聚类分析：聚类分析以多个研究标题作为基准，对样本对象进行分类。如果是按样本聚类，则使用SPSSAU的进阶方法模块中的“聚类”功能，系统会自动识别出应该使用K-means聚类算法还是K-prototype聚类算法。
3、权重研究：权重研究是用于分析各因素或指标在综合体系中的重要程度，最终构建出权重体系。权重研究有多种方法包括：因子分析、熵值法、AHP层次分析法、TOPSIS、模糊综合评价、灰色关联等。
拓展资料：
一、回归分析
在实际问题中，经常会遇到需要同时考虑几个变量的情况，比如人的身高与体重，血压与年龄的关系，他们之间的关系错综复杂无法精确研究，以致于他们的关系无法用函数形式表达出来。为研究这类变量的关系，就需要通过大量实验观测获得数据，用统计方法去寻找他们之间的关系，这种关系反映了变量间的统计规律。而统计方法之一就是回归分析。
最简单的就是一元线性回归，只考虑一个因变量y和一个自变量x之间的关系。例如，我们想研究人的身高与体重的关系，需要搜集大量不同人的身高和体重数据，然后建立一个一元线性模型。接下来，需要对未知的参数进行估计，这里可以采用最小二乘法。最后，要对回归方程进行显著性检验，来验证y是否随着x线性变化。这里，我们通常采用t检验。
二、方差分析
在实际工作中，影响一件事的因素有很多，人们希望通过实验来观察各种因素对实验结果的影响。方差分析是研究一种或多种因素的变化对实验结果的观测值是否有显著影响，从而找出较优的实验条件或生产条件的一种数理统计方法。
人们在实验中所观察到的数量指标称为观测值，影响观测值的条件称为因素，因素的不同状态称为水平，一个因素可能有多种水平。
在一项实验中，可以得到一系列不同的观测值，有的是处理方式不同或条件不同引起的，称为因素效应。有的是误差引起的，称做实验误差。方差分析的主要工作是将测量数据的总变异按照变异原因的不同分解为因素效应和试验误差，并对其作出数量分析，比较各种原因在总变异中所占的重要程度，作为统计推断的依据。
例如，我们有四种不同配方下生产的元件，想判断他们的使用寿命有无显著差异。在这里，配方是影响元件使用寿命的因素，四种不同的配方成为四种水平。可以利用方差分析来判断。
三、判别分析
判别分析是用来进行分类的统计方法。我来举一个判别分析的例子，想要对一个人是否有心脏病进行判断，可以取一批没有心脏病的病人，测其一些指标的数据，然后再取一批有心脏病的病人，测量其同样指标的数据，利用这些数据建立一个判别函数，并求出相应的临界值。
这时候，对于需要判别的病人，还是测量相同指标的数据，将其带入判别函数，求得判别得分和临界值，即可判别此人是否属于有心脏病的群体。
四、聚类分析
聚类分析同样是用于分类的统计方法，它可以用来对样品进行分类，也可以用来对变量进行分类。我们常用的是系统聚类法。首先，将n个样品看成n类，然后将距离最近的两类合并成一个新类，我们得到n-1类，再找出最接近的两类加以合并变成n-2类，如此下去，最后所有的样品均在一类，将上述过程画成一张图。在图中可以看出分成几类时候每类各有什么样品。
比如，对中国31个省份的经济发展情况进行分类，可以通过收集各地区的经济指标，例如GDP，人均收入，物价水平等等，并进行聚类分析，就能够得到不同类别数量下是如何分类的。
五、主成分分析
主成分分析是对数据做降维处理的统计分析方法，它能够从数据中提取某些公共部分，然后对这些公共部分进行分析和处理。
在用统计分析方法研究多变量的课题时，变量个数太多就会增加课题的复杂性。人们自然希望变量个数较少而得到的信息较多。在很多情形，变量之间是有一定的相关关系的，当两个变量之间有一定相关关系时，可以解释为这两个变量反映此课题的信息有一定的重叠。
主成分分析是对于原先提出的所有变量，将重复的变量（关系紧密的变量）删去多余，建立尽可能少的新变量，使得这些新变量是两两不相关的，而且这些新变量在反映课题的信息方面尽可能保持原有的信息。
最经典的做法就是用F1（选取的第一个线性组合，即第一个综合指标）的方差来表达，即Var(F1)越大，表示F1包含的信息越多。因此在所有的线性组合中选取的F1应该是方差最大的，故称F1为第一主成分。
如果第一主成分不足以代表原来P个指标的信息，再考虑选取F2即选第二个线性组合，为了有效地反映原来信息，F1已有的信息就不需要再出现在F2中，用数学语言表达就是要求Cov(F1, F2)=0，则称F2为第二主成分，依此类推可以构造出第三、第四，……，第P个主成分。
六、因子分析
因子分析是主成分分析的推广和发展，它也是多元统计分析中降维的一种方法。因子分析将多个变量综合为少数几个因子，以再现原始变量与因子之间的相关关系。
在主成分分析中，每个原始变量在主成分中都占有一定的分量，这些分量（载荷）之间的大小分布没有清晰的分界线，这就造成无法明确表述哪个主成分代表哪些原始变量，也就是说提取出来的主成分无法清晰的解释其代表的含义。
因子分析解决主成分分析解释障碍的方法是通过因子轴旋转。因子轴旋转可以使原始变量在公因子（主成分）上的载荷重新分布，从而使原始变量在公因子上的载荷两级分化，这样公因子（主成分）就能够用哪些载荷大的原始变量来解释。以上过程就解决了主成分分析的现实含义解释障碍。
例如，为了了解学生的学习能力，观测了许多学生数学，语文，英语，物理，化学，生物，政治，历史，地理九个科目的成绩。为了解决这个问题，可以建立一个因子模型，用几个互不相关的公共因子来代表原始变量。我们还可以根据公共因子在原始变量上的载荷，给公共因子命名。
例如，一个公共因子在英语，政治，历史变量上的载荷较大，由于这些课程需要记忆的内容很多，我们可以将它命名为记忆因子。以此类推，我们可以得到几个能评价学生学习能力的因子，假设有记忆因子，数学推导因子，计算能力因子等。
接下来，可以计算每个学生的各个公共因子得分，并且根据每个公共因子的方差贡献率，计算出因子总得分。通过因子分析，能够对学生各方面的学习能力有一个直观的认识。
七、典型相关分析
典型相关分析同样是用于数据降维处理，它用来研究两组变量之间的关系。它分别对两组变量提取主成分。从同一组内部提取的主成分之间互不相关。用从两组之间分别提取的主成分的相关性来描述两组变量整体的线性相关关系。
如何利用数据分析工具，对自己的文章进行诊断
1、获取数据
获取数据也有两种途径，要么就是手上有的或者是能直接使用到的现成数据，还有一种就是二手数据。现在的数据分析库主要分为了调查数据和政府数据。
2、整理数据
整理数据就是对观察、调查、实验所得来的数据资料进行检验与归类。得出能够反映总体综合特征的统计资料的工作过程。并且，对已经整理过的资料（包括历史资料）进行再加工也属于统计整理。
3、呈现数据
当数据收集充分且真实过后，研究者可运用数据，但要清楚的说明数据来源以及如何对原始的数据进行加工的。需要尽可能的描述获取数据的过程，提供足够多的细节，以便同行能重复研究过程，并保障原生作者的创作性。
论文的数据分析怎么写如下：
首先，针对实证性论文而言，在开始撰写论文之前，必须要提前确定好数据研究方法。而数据研究方法的确定与选择需要根据大家毕业论文的研究课题来确定。
另外，大家也可以跟自己的的论文指导老师多多交流，尽可能多的了解更多关于研究方法的知识，以供自己选择。除此之外，大家还需要大量查找文献资料，见多识广有大量输入之后才能有所输出，本环节需要大家跟导师沟通商议后决定。
接下来一个比较重要的步骤是搜集和整理实验数据。在这一部分，很多同学朋友都会遇到各种各样的问题，比如，不知道去哪里找数据，找到的数据可靠性无法保障，需要的数据总是无法搜集全面等等各种问题。
那么在这里需要跟大家强调一下，推荐大家使用国家统计局、中国统计年鉴、国泰安、万方等等这些比较权威的网站去搜集数据资料。
在此需要注意的是，国泰安和万方等这些网站是需要收费的，上去看了一下，价格不是很亲民。
给大家分享一下，如果有些数据在国家官方网站确实找不到或者毕业论文所需的最新数据还没及时发布，推荐大家可以上某宝，因为某宝上电子版数据往往都很全面，而且价格大都可以接受。
在此提醒大家搜集到数据之后，一定要按照自己的习惯整理保存好，避免后期使用数据时出现差错。
如何高效的整理论文文献数据分析
如何利用数据分析工具，对自己的文章进行诊断
一、对PDF文档添加标注使用新版的Adobe Reader或者Foxit Reader可以在PDF文档中添加附注内容，以Adobe Reader为例，点击工具栏上黄色的“添加附注”及“高亮文本”工具图标即可实现。下图中，先高亮一段文本，然后在黄色背底的高亮文本上点击右键，在右键菜单上选取“打开弹出式附注”项即可添加注解文本。这一功能有助于在阅读文献的时候留下附注痕迹，方便日后的回溯整理工作。下图的例子中我分别给文献标题和摘要部分添加了中文释义。所有的附注工作完成以后，按工具栏上的保存按钮即可连同所有附注内容一并保存在原始PDF文档中。二、用思维导图组织文献1．构建文献导图思维导图（Mind Mapping）是一种图像式思维的工具与及一种利用图像式思考辅助工具来表达思维的工具。使用一个中央关键词或想法引起形象化的构造和分类的想法; 它用一个中央关键词或想法以辐射线形连接所有的代表字词、想法、任务或其它关联项目的图解方式，利用不同的方式去表现人们的想法，如引题式，可见形象化式，建构系统式和分类式，普遍地用作在研究、组织、解决问题和政策制定中。一个思维导图有着中心话题并有沿伸开来的子话题的图标，像一棵树一样，其视觉结构使得很多人的学习更加高效。本文介绍一款专门为研究者设计的思维导图工具Docear（官方读音：dog-ear），其前身是SciPlore MindMapping。Docear是开源软件，可供免费下载，支持Windows、Linux和Mac OS用以图形化的方式对文献进行可视化管理，软件详细操作指南参见用户手册页。Docear可以监视一个文件夹内的新文件。利用这个特点我们可以将所有的PDF 文件在思维导图中列表。无论何时在网上发现一个新的PDF 并存储到硬盘上，就会立即显示到既有的思维导图中。安装完毕以后，选取“文件”菜单的“新建”项开始建立新的思维导图。点击画面中央的“新建思维导图”，在鼠标右键菜单中选取“Monitoring”—“add monitoring folder”，即弹出“Save Map”窗口，为新建思维导图设定文件名并保存后，弹出“Choose a directory with PDF Files”对话框，选择存放文献的文件夹即可。下图所示为思维导图的折叠（Alt + Page Up）到最后一级分支，直接对应我的子文件夹名。展开（Alt + Page Down）所有节点以后，画面会表现为一张很大的图表。从下图中可以看到，第二级节点对应的是文献文件名，而第三级节点因PDF文档的结构不同有所区别，某些PDF文档的内部结构（标题、作者、段落以及图注等）也能被展开。注意下图中的中文部分是我在上文中添加的PDF附注，这意味着我们阅读文献的过程中在PDF文档中添加的重要附注能够全部包含在Docear所生成的思维导图中。 2．重新组织文献组织结构鼠标点击导图中心位置的“新建思维导图”，按键盘上的“Insert”键即可插入新的节点，本例中将新节点命名为“早期预警”，然后通过右键菜单的剪切、复制、粘贴等功能将原先位于其他节点下的文献移动到新建的“早期预警”节点下。通过这一操作，研究者可以自如地重新建立文献的组织结构，同一篇文献可以出现在两个不同方式（或主题）组织方式的节点下，比如我们可以通过文献的内容、类型、重要性、已阅未阅等等分类方式组织自己的文献结构，比起用文件夹方式组织的文献的方式具有不可比拟的优越性。3．其他功能如果你在文献阅读中添加了新的附注内容，也可以导入到现有的思维导图之中，在导图中点击对应文献的节点，在右键菜单中选取“PDF”—“Import new annotations”即可完成操作。在文献节点的右键菜单上选取“Edit note in dialog”即可在弹出的小窗口中为该文献添加注释，该注释仅保存在思维导图中而非PDF文档中，添加的注释在思维导图中具有悬停效果。三、获取文献引用信息在撰写论文或者项目申请书的时候，都需要注明引用文献的来源出处，假如平时工作中没有做好整理索引那将会是一件让人沮丧的事情。本文介绍的方法是在检索下载文献的同时，自动完成文献引用信息的获取和整理工作。用到基于Firefox浏览器的免费软件Zotero，Zotero作为Firefox的插件，在进行联机文献检索的时候协助完成文献相关的作者、摘要、期刊、会议、卷、页、日期等信息的自动获取。Zotero支持列表中所有联机文献数据库，另外还可以在Amazon上直接获取书籍的相关信息，这个页面以视频片段的形式罗列了Zotero的操作要点，帮助用户快速掌握其操作要点。1．软件安装首先需要下载安装Firefox，my favorite web browser！完成以后运行Firefox，在Firefox的地址栏输入Zotero的下载地址，在打开的页面中点击“Zotero for Firefox”，Firefox会自动执行安装过程。安装完成以后Firefox的右下角会出现Zotero图标。2．软件使用用Firefox打开文献检索页面，如下图所示为IEEE Xplore，检索工作与一般的操作并无二致，通过关键词筛选感兴趣的文章条目，然后打开目标文献详细信息页面准备下载PDF文档。注意这是浏览器地址栏的右侧会出现一个白色的类似文档条目的小图标，如下图所示，位于红色线框中央，绿色小伞图标的左侧，将鼠标移动到这个白色小图标上面会出现“保存到Zotero”的提示。点击这个白色图标，稍过片刻浏览器右下角会出现“保存条目…”的提示框，这意味着包括摘要在内的本篇文献的相关信息已经采集到Zotero中了。点击Firefox浏览器右下角的“Zotero”图标会在浏览器下方打开Zotero的窗口，里面罗列了已经收集好的所有文献信息条目。另外也可以选择下载安装Zotero Standalone版本，这时Zotero将独立于Firefox运行。3．导出文献引用这是Zotero最精彩的部分。用Ctrl+鼠标左键在Zotero主窗口列表中多选需要导出的文献，在右键菜单中选取“由所选条目生成文献目录…”，这时会弹出一个小窗口，在“引文样式”中选择“IEEE”，在输出格式中选择“复制到剪贴板”，如何“OK”返回。这时我们将剪贴板上的内容复制到包括记事本、Word在内的任意文本编辑工作中，稍作整理，就能得到符合IEEE发表规范的标准文献引用信息。4. 不足目前Zotero对国内的中文文献数据库支持得不好，对“中国知网”的支持不完整，存在缺漏数据的问题。而叫人可气的是“维普”本身居然不支持Firefox，所有Zotero也就免谈了。四、Zotero与Docear协同工作将Zotero获取的文献信息导入Docear，使文献的基本信息成为Docear中文献节点的属性，以便研究者只需打开文献思维导图，就可以获取包括摘要在内的文献全面信息。首先在Zotero主窗口中选定需要导出到Docear中文献列表，选取“File”—“导出库…”，即弹出“导出…”窗口。在“格式”下拉框中选择“BibTeX”，勾选“导出笔记”，“OK”后要求输入导出的BibTeX文件的保存路径，此时建议将路径设为“用户路径\docear_workspace\_data\profiles\default”（这个路径是Docear安装时由用户设置的数据目录），保存的文件名为，这一步操作其实是用Zotero导出的文献引用数据替换了Docear的默认文献引用数据。这时Docear右侧的“Reference”窗口会提示“The file ‘’ has been modified externally!”，点击“Review Changes”按钮，在弹出的窗口中点击“OK”即完成文献相关信息的导入操作。将Docear右侧“Reference”窗口的文献信息拖动到思维导图中对应的文献节点上就可以实现关联（如下图所）示，文献相关信息作为文献节点的属性而存在，并跟随文献所有的剪切、复制、粘贴的操作。五、后记鸣谢上海大学计算机学院陈怡海副教授对博主的大力支持。这篇文字只涉及了Docear和Zotero这两款软件比较重要的功能，加之博主水平有限，疏漏在所难免，感兴趣的读者可以从软件官网获取详尽的操作指南。另外这两款软件本身也在不断完善之中，希望更多用户的反馈能帮助软件开发者创作更好的作品，同时对他们的无私奉献表示感谢。最后希望这篇小文能对博硕士研究生以及科研工作者有切实的助益。本文原创，如需转载请保留原博客地址，谢谢。六、本文涉及的软件列表Dropbox （网络存储与数据同步）Adobe Reader （PDF文档阅读）Foxit Reader （PDF文档阅读）Docear （文献组织与整理）Firefox （网页浏览器）Zotero （获取文献信息）
一提到看文献，许多小伙伴就开始头疼了。对刚刚接触科研的小白来说，阅读专业性很强的文献无疑是个巨大的挑战。想要实现高效地看文献，需要有针对性地选择文献、泛读和精读、做好文献整理和积极思考。
在阅读文献之前我们需要做好准备工作，即根据自己的方向有针对性地寻找论文、下载相关文献。
1.关键词检索。关键词一定要选好，这样才能保证内容的准确与全面。因为换个关键词，会有不同的内容出现。
2.学者、研究团队检索。查找SCI，了解某个在这个领域有建树的学者，下载他们近期发表的文章。
3.参考综述检索。如果有与自己课题相关或有切入点的综述，可以根据文中的参考文献找到那些原始的研究论文。
4.注意文献的参考价值。刊物的影响因子、文献的被引次数能反映文献的参考价值。同时，我们需要关注其他文章是如何评价这篇文献的。
泛读文献时，一看标题，二看摘要，三读引言，四观图标。
引言部分大致都在介绍研究目的、研究内容、研究结论。部分篇幅虽短，但能帮助读者形成清晰的轮廓，为进一步阅读正文打下基础。如果对结论已经很清楚，读者可以不必读下去。若对结论有疑问，则需要继续读它的分析和讨论。
除了泛读，我们还需要精读文献。
⒈带着问题主动阅读，从“文献的主题是什么”到“作者的论点和论据是什么”，积极地思考并投入阅读，能帮助你理解并记忆阅读内容。
⒉在精读文献的过程中，我们要学会分段分层，弄清文章结构，更准确地掌握文献内容。由层的阅读过渡到段的阅读，最终转换为意义阅读。不仅看到每段文字，而且要了解整体意思，注意和前后段的联系。
⒊对比阅读。把内容或形式相近的或相对的两篇文献或一组文献放在一起，对比进行阅读。在阅读过程中将相关内容不断进行比较、对照和鉴别，既可以开阔眼界，使认识更加充分，又可以看到差别，提高鉴赏力。
⒋记笔记。在阅读文献的过程中，一定要将文献中提出的问题、设计的方案、采用的方法、得出的结论记下供参考和学习。
看完文献后要对文献进行及时整理和积极思考，这样阅读才能更高效。
⒈文献整理
根据课题相关性将看过的文献分类并归入子文件夹，一类精读，一类泛读。同时，根据文献重要性将其编号，以便今后查阅。重要文献要注意追踪。对数据库的定题、定词定期搜索,才能保证不丢下每一篇重要的文献。
⒉问题思考
看文献不单单是了解别人做了什么，还要考虑别人没做什么，或者他的实验能不能和他的结论吻合，数据可不可靠等等。带着挑剔的眼神去读，不要盲目崇拜。有些东西自己做做，发现并不是那么回事，自己要动手，自己更要动脑。
学会批判性提问非常重要。它不是挑毛病，而是从尽可能多的角度去思考问题。本文有多重要？为什么？作者为什么能想到这个选题，我能想到吗？作者为什么使用这种研究方法，在研究上还能有其他创新点吗？本文有哪些不足，应该如何改进？结果是否有其他解释呢？
除了上述三点外，选择一个大块的集中性的时间看文献和思考，更有利于对阅读形成整体印象，更有利于后续的研究发展哦。彼方尚有荣光在。加油，科研er！
我在这里想总结一下在做毕业论文过程中关于“如何进行文献整理以及数据处理”的经验。数据录入：1. 在施测之前，就要对变量的排列有总体的规划，尽量每一次施测的变量排序一致，那样以后录入时才不会混淆；2. 数据录入时，往往用的是数字代码，此时务必做好各个代码所代表的含义的备份，建议用记事本保持，以防时间长了遗忘，带来不必要的麻烦；数据处理：1. 务必做好数据备份，对不同的转换，建立不同的文档；2. 建立数据处理日志，以防当你的数据处理逐渐增多、数据有所转换之后不至于混淆，以及方便进行数据回述和检查；3. 建立“数据”和“结果”文件夹，分开保存数据和处理结果，避免不必要的混乱；4. 在給数据处理的程序命名时，建议按照处理顺序写上“序号.程序处理名称”，如“1.频数分析”、“2.因素分析”，这样可以一目了然地了解你的数据处理过程和数据处理内容；5. 保存具有代表性的数据处理的程序，这样做的好处是，一方面日后进行相同的数据处理时可以直接“copy”“paste”，很方便；另一方面也避免时日一长遗忘了部分程序；文献整理：1. 所收集的中外文献卷帙浩繁，建议保存文件名包括一下内容：“年份.序号.标题”；如“ ”、“ ”；2. 对所有收集的文献进行归类整理，分别放置于不同的文件夹;3. 有时你需要对外文文献摘要整理和翻译，此时建议你把摘要保存于当前文献所在的文件夹；或者专门建立“摘要整理/翻译”文件夹，以保存各类专题的摘要翻译，以防文献一多便混乱了，想要的时候找不到；4. 外文文献摘要整理文件名格式：“摘要整理.专题名.整理日期”。