安全管理中的数据分析与决策

数据挖掘技术分析及其在高校管理决策中的应用

【摘要】本文通过对数据仓库、数据挖掘技术和决策支持系统的研究，提出了基于数据挖掘的高校管理决策支持系统。该系统能为高校决策提供科学的依据和指导其发展方向。

【关键词】数据挖掘；决策支持系统；数据仓库；决策树

随着高校招生规模逐年扩大以及教育方式更加灵活多样，几乎每所高校都面临着学生人数的急剧增加与教学资源日趋紧张的矛盾，同时高校的一些机构也在不断地改革变化，这些都给高校的管理带来了前所未有的发展和挑战。在这样的形势下，高校应如何以最小的代价获得最大的发展成为一个亟待解决的新课题。

具体来说，现在要求高校领导层从整体的、宏观的角度认清形势，解决问题，优化教育资源配置，提高教育资源利用率。为此，建立一个有效的高校管理决策支持系统(Decision Supporting System，简称DSS)则显得十分必要。该系统的各项功能除了满足日常简单的查询、统计和维护、全局统筹规划管理高校各种信息、协调各部门工作顺利开展，还能够为高校决策者提供有关教育形势的瞬时变化、发展趋势以及通过高科技手段来开发历史数据，提取隐含在其中的事先未知的、潜在的、深层次的、有价值的信息，以利于管理和决策的开展和进行。

一般在建立DSS时，会利用传统的数据库DB(Database)技术，但传统的DB技术目前无法为数据的合成、分类和综合提供强大的功能支持。此外，为实施有效的分析，信息应以与决策密切相关的主题为中心组织起来，这些都是DB满足不了的。而数据仓库技术的出现给决策支持系统的发展注入了新的活力，它把决策者所需的信息从原始的操作数据中分离出来，把分散的、难以访问的原始数据操作数据转化为集中统一、随时可访问的信息，即数据仓库对信息实现合理、全面而高效的管理。因此，研究数据仓库和它的相关技术并应用于高校决策支持系统中是极其有效的途径。

本文所采用的解决方案，就是一个以数据仓库(Data Warehouse，简称DW)技术为基础，以数据挖掘(Data Mining，简称DM)工具为手段的高校管理决策支持系统。该系统中，DW用于存储和组织高校的基础数据，而DM则可以利用该基础数据，通过一系列技术挖掘出有价值的知识信息，验证和预测高校的各项资源，辅助决策，以便在快速变化的竞争中把握高校的发展方向。

大数据对企业管理决策影响分析

随着云计算技术的快速普及，加之物联网、移动互联网应用的大规模爆发，人类进入了大数据时代。大数据的数据集远远超出了目前典型数据库管理系统获取、存储、管理和分析的能力。研究机构Gartner将大数据定义为需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产；国际数据公司(IDC)认为大数据是从海量规模数据中抽取价值的新一代技术和架构；IBM将大数据定义为4个V即大量化(Volume) 、多样化(Variety)、快速化(Velocity)及产生的价值(Value) 。针对大数据的特征挖掘其价值并作出决策，成为企业在大数据环境下进行决策的重要依据。2012年1月达沃斯世界经济论坛将大数据作为主题之一，探讨了如何更好地利用数据产生社会效益；2012年5月联合国“Global Pulse”特别分析了发展中国家面对大数据的机遇和挑战，并倡议运用大数据促进全球经济发展；2012年3月美国奥巴马政府发布“大数据研究和发展倡议” ，正式启动大数据发展计划，随后英国、加拿大、澳大利亚、法国、日本等30多个国家也相继启动了大数据计划；Google、IBM、EMC、惠普、微软和阿里巴巴、百度等国内外公司正在积极抢占大数据技术市场。大数据应用领域包括客户关系管理、市场营销、金融投资、人力资源管理、供应链管理和卫生保健、教育、国家安全、食品等各个行业，已成为一个影响国家、社会和企业发展的重要因素。在互联网时代，基于数据判断、决策成为国家、企业和个人的基本技能。大数据的出现改变了企业决策环境，并将对企业的传统决策方式产生巨大影响。

1、大数据对管理决策环境的影响

1.1 大数据下数据驱动的决策方式

目前人类每年产生的数据量已经从TB(1024GB=1TB)级别跃升到PB(1024TB=1PB)、EB(1024PB=1EB)乃至ZB(1024EB=1ZB)级别。美国互联网数据中心指出，全球已有超过150亿台连接到互联网的移动设备，互联网上的数据每年增长50%，每两年便翻一番，而目前世界上90%以上的数据是最近几年才产生的，随着数据的急剧增长，大数据时代已经到来。大数据下的决策依赖于大量市场数据，如何有效地收集和分配数据、可靠智能地分析和执行数据成为企业未来面临的挑战。基于云计算的大数据环境影响到企业信息收集方式、决策方案制定、方案选择及评估等决策实施过程，进而对企业的管理决策产生影响。舍恩伯格指出，大数据的“大”，并不是指数据本身绝对数量大，而是指处理数据所使用的模式“大”：尽可能地收集全面数据、完整数据和综合数据，同时使用数学方法对其进行分析和建模，挖掘出背后的关系，从而预测事件发生的概率。数据驱动型决策(data-driven decision making)是大数据下决策的特点。研究表明，越是以数据驱动的企业，其财务和运营业绩越好。大数据是个极丰富的数据集，数据是知识经济时代重要的生产要素，是经济运行中的根本性资源。数据生产信息，信息改善决策，进而提高生产力。可以预期，未来决定、评价企业价值的最大核心在于数据，数据积累量、数据分析能力、数据驱动业务的能力将是决定企业价值的最主要因素。

龙源期刊网

大数据对教育管理决策的影响分析

作者：李德庆 杨燕妮 桂芳

来源：《中小企业管理与科技·中旬刊》2017年第10期

【摘 要】经济全球化和信息一体化的发展催生了大数据环境的到来，大数据被广泛应用于人们生产生活的各个领域。论文对大数据的概念进行了简要陈述，分析了大数据对教育管理决策的影响，并就如何优化大数据在教育管理决策中的应用提出了几点建议，旨在通过此研究，促进大数据对教育管理决策的良性影响，进而推动教育管理工作的发展进步。

【Abstract】The development of economic globalization and information integration has

brought about the arrival of big data environment， and large data has been widely used in all fields

of production and life. This paper makes a brief statement on the concept of big data， analyzes the

influence of big data on educational management decision， and puts forward some suggestions on

how to optimize the application of big data in educational management decision making. The purpose

of this research is to promote the benign influence of big data on educational management decision，

Ｓｓａｆｅｌｙ　ｍａｎａｇｅｍｅｎｔ　

安全管理　

张玉柱　中国石油天然气第一建设有限公司河南洛阳４７１０２３　

摘要以某项目安全管理为例。通过每周对安全违章数据的统计分析，找出违章的规律及多发点，做到有的放矢的管理，　以减少违章的重复发生，从而提高安全管理效率。　关键词数据统计分析安全管理　中图分类号ＴＵ７１４　文献标识码Ｂ　文章编号１６７２—９３２３（２０１６）０６—００３８—０２　

数据的统计与分析，在工程施工的各个方面都得到了大量　和充分的应用，如技术质量管理、工程进度管理等，都取得了良　

好的效果。　

现根据现场的实际需要，将数据统计与分析应用到安全管　理当中，通过对违章的性质分类分析统计，有针对性地解决安全　

管理中的问题，最终取得了良好的安全管理效果。　

１项目安全管理概况　

（１）项目作业面多，共分为四个分项目，每个分项目有不同　的监理、ＰＭＴ团队管理，安全要求、管理水平参差不齐。　（２）项目施工人员组成复杂，安全意识、安全自主管理能力　

较差。　

（３）项目所处自然条件恶劣，社会依托条件差。经常有暴　

雨、雷暴、台风天气，高温天气时间长，施工现场靠近海边风沙弥　

漫能见度低。　

２数据统计实施步骤　

２．１针对每个作业面施工人员进行统计、分析　

对所有进入项目施工的人员进行统计（数据由人事劳资、分　

项目提供，ＱＨＳＥ部现场统计核对），对参与每个作业面施工人　员的文化素质、身体素质进行分析，（如图１　ｏ身体有禁忌症的作　为重点关注对象，不得从事所禁忌的工作，如：有高血压的不得　

从事高处作业等。文化素质低、从事该工作时间较短的，作为巡　检时关注对象，防止作业违章的发生。　

３８　Ｉ石油化工建设２ｏ１６．０６　图１进场人员健康体检表　２．２针对每个作业面的危险性质进行统计　分析　

对每个作业面进行分析存在的风险，高空作业、用电作业、　吊装作业等风险较大作业进行重点巡查。并针对可能存在的风　险制定ＪＳＡ分析（图２），并进行专项的安全交底（图３）。