大数据在制造业中的应用

第一篇：大数据在制造业中的应用

大数据在制造企业中的应用

近年来出现的人力短缺、工资上涨、产品交付期短和市场需求变动大等问题，使得制造业正面临新一波转型挑战。如何在控制生产成本的同时，还能提高生产力与效率，则是转型的主要目的。在这样的背景下，德国、美国等制造业发达国家无不积极推动“工业4.0”。“工业4.0”本质上是通过信息物理系统实现工厂的设备传感和控制层的数据与企业信息系统融合，使得生产大数据传到云计算数据中心进行存储、分析，形成决策并反过来指导生产[1]。大数据的作用不仅局限于此，它可以渗透到制造业的各个环节发挥作用，如产品设计、原料采购、产品制造、仓储运输、订单处理、批发经营和终端零售。大数据使得订单处理方式有了质的变化

大数据的核心作用在于预测。大数据可以快速精准地预测市场趋势和客户需求，并对客户进行细分，为其提供量身定制的合适服务。企业通过大数据的预测结果，便可以得到潜在订单的数量，然后直接进入产品的设计和制造以及后续环节[2]。即企业可以通过大数据技术，在客户下单之前进行订单处理。而传统企业通过市场调研与分析，得到粗略的客户需求量，然后开始生产加工产品，等到客户下单后，才开始订单处理。这大大延长了产品的生产周期。如海尔集团于2013年1月构建了SCRM（社交化客户关系管理）会员大数据平台。销售人员可进行大数据分析，精准预测出个体消费者的需求，实现了在客户下单之前进行订单处理。大数据使得仓储运输和批发经营不复存在

由于大数据能够精准预测出个体消费者的需求以及消费者对于产品价格的期望值，企业在产品设计制造之后，可直接派送到消费者手中。虽然此时消费者还没有下单，但是消费者最终接受产品是一个大概率事件。这使得企业不存在库存过剩的问题，也就没有必要进行仓储运输和批发经营。大数据使原料采购更加科学

大数据技术可以从数据分析中获得知识并推测趋势，可以对企业的原料采购的供求信息进行更大范围的归并、匹配，效率更高。大数据通过高度整合的方式，将相对独立的企业各部门信息汇集起来，打破了原有的信息壁垒，实现了集约化管理，可以根据轻重缓急，更加科学合理地安排企业的财政支出。其次，利用大数据的海量存储与快速数据处理功能，可以对采购的原料的附带属性（节能、节水、环保等）进行更加精细化的描述与标准认证，通过分类标签与关联分析，可以更好地评估企业采购资金的支出效果。此外，大数据能预测原材料的价格以及原材料品质的好坏。这使制造业企业更加科学地采购原材料成为可能，企业可以采购到质优价低的原材料。大数据使得产品设计制造更加优化

借助大数据技术，人们可以对原物料的品质进行监控，发现潜在问题立即做出预警，以便能及早解决问题从而维持产品品质[3]。大数据技术还能监控并预测加工设备未来的故障几率，以便让工程师即时执行最适决策。大数据技术还能应用于精准预测零件的生命周期，在需要更换的最佳时机提出建议，帮助制造业者达到品质成本双赢[3]。例如，日本汽车公司Honda将大数据分析技术应用于电动车电池上。由于电动车不像汽车或油电混合车一样，可以使用汽油作为动力来源，其唯一的动力就是电池，所以Honda希望进一步了解电池在什么情况下，绩效表现最好、使用寿命最长。Honda公司通过大数据技术，可以搜集并分析车辆在行驶中的一些资讯，如：道路状况、车主的开车行为、开车时的环境状态等，这些资讯一方面可以帮助汽车制造公司预测电池目前的寿命还剩下多长，以便即时提醒车主做更换，一方面也可以提供给研发部门，做为未来设计电池的参考。

再如BMW公司应用大数据分析，在短短的12周时间内降低80%的零件报废率。一台汽车需要的零件有很多种，其中一个是与引擎结合的引擎上盖。以前，BMW要等到最终引擎组装阶段，将引擎上盖组装完成后才知道到这个零件能否使用，如果不能使用就只好将整个引擎报废。而通过大数据技术，BMW公司在引擎生产线上可以做即时的检测与分析，倘若品管没有问题则直接进到最后的组装程序，但若零件品质不好且无法修补则直接报废，或者零件品质不好但能经过其他方式修补，则在修补后再度进行品管测试，借此提高生产效率并降低报废率。大数据使得终端零售畅通无阻

通过大数据技术，企业可以了解整个供应链中需求和供应的变化，从而促进了产品的终端零售。如沃尔玛的零售链平台提供的大数据工具，将每家店的卖货和库存情况大数据成果向各公司相关部门和每个供应商定期分享。供应商可以实现提前自动补货，这不仅减少门店断货的现象，而且大规模减少了沃尔玛整体供应链的总库存水平，提高了整个供应链条和零售生态系统的投入回报率，创造了非常好的商业价值。

当今，世界各国始终致力于以技术创新引领产业升级，而大数据的利用使得资源节约、环境友好、可持续发展，智能化、绿色化的发展趋势得以实现[4]。因此，大数据背景下的制造业领域将具备广阔的市场空间和前景，这是制造业企业的莫大机遇。

第二篇：碳纤维在交通工具制造业中的应用

碳纤维在交通工具制造业中的应用

摘要

碳纤维的用途主要是利用其“轻而强”和“轻而硬”的力学特性，广泛应用于航空、航天、军工、体育休闲等结构材料；利用其尺寸稳定性，应用于宇宙机械、电波望远镜和各种成型品；利用其耐疲劳性，应用于直升飞机的叶片；利用其振动衰减性，应用于音响器材；利用其耐高温性，应用于飞机刹车片和绝热材料；利用其耐药品性，应用于密封填料和滤材；利用其电气特性，应用于电极材料、电磁波屏蔽材料、防静电材料；利用其生体适应性，应用于人工骨、韧带；利用其 X-光透过性，应用于 X-光床板等。此外，还可以活化成活性碳纤维，应用于各种吸附领域。

此文着重介绍碳纤维在交通工具制造业中的应用。

关键词

碳纤维：carbon fibre 碳纤维的应用 新材料 航空工具 汽车制造

正文

（一）碳纤维的的特点及其在各个领域中的应用

碳纤维不仅具有碳材料的固有本征特性，又兼具纺织纤维的柔软可加工性，是新一代增强纤维。与传统的玻璃纤维(GF)相比，杨氏模量是其3 倍多；它与凯芙拉纤维(KF-49)相比，不仅杨氏模量是其2倍左右，而且在有机溶剂、酸、碱中不溶不胀，耐蚀性出类拔萃。有学者在1981年将PAN基CF浸泡在强碱NaOH 溶液中，时间已过去20多年，它至今仍保持纤维形态。

碳纤维是一种力学性能优异的新材料，它的比重不到钢的1/4，碳纤维树脂复合材料抗拉强度一般都在3500Mpa以上，是钢的7~9倍，抗拉弹性模量为23000~43000Mpa亦高于钢。因此CFRP的比强度即材料的强度与其密度之比可达到2000Mpa/(g/cm3)以上，而A3钢的比强度仅为59Mpa/(g/cm3)左右，其比模量也比钢高。材料的比强度愈高，则构件自重愈小，比模量愈高，则构件的刚度愈大，从这个意义上已预示了碳纤维在工程的广阔应用前景，综观多种新兴的复合材料(如高分子复合材料、金属基复合材料、陶瓷基复合材料)的优异性能，不少人预料，人类在材料应用上正从钢铁时代进入到一个复合材料广泛应用的时代。

碳纤维是含碳量高于90％的无机高分子纤维。其中含碳量高于99％的称石墨纤维。碳纤维的轴向强度和模量高，无蠕变，耐疲劳性好，比热及导电性介于非金属和金属之间，热膨胀系数小，耐腐蚀性好，纤维的密度低，X射线透过性好。但其耐冲击性较差，容易损伤，在强酸作用下发生氧化，与金属复合时会发生金属碳化、渗碳及电化学腐蚀现象。因此，碳纤维在使用前须进行表面处理。

碳纤维可分别用聚丙烯腈纤维、沥青纤维、粘胶丝或酚醛纤维经碳化制得；按状态分为长丝、短纤维和短切纤维；按力学性能分为通用型和高性能型。通用型碳纤维强度为1000兆帕（MPa）、模量为100GPa左右。高性能型碳纤维又分为高强型（强度2000MPa、模量250GPa）和高模型（模量300GPa以上）。强度大于4000MPa的又称为超高强型；模量大于450GPa的称为超高模型。随着航天和航空工业的发展，还出现了高强高伸型碳纤维，其延伸率大于2％。用量最大的是聚丙烯腈PAN基碳纤维。

碳纤维可加工成织物、毡、席、带、纸及其他材料。碳纤维除用作绝热保温材料外，一般不单独使用，多作为增强材料加入到树脂、金属、陶瓷、混凝土等材料中，构成复合材料。碳纤维增强的复合材料可用作飞机结构材料、电磁屏蔽除电材料、人工韧带等身体代用材料以及用于制造火箭外壳、机动船、工业机器人、汽车板簧和驱动轴等。

碳纤维的用途主要是利用其“轻而强”和“轻而硬”的力学特性，广泛应用于航空、航天、军工、体育休闲等结构材料；利用其尺寸稳定性，应用于宇宙机械、电波望远镜和各种成型品；利用其耐疲劳性，应用于直升飞机的叶片；利用其振动衰减性，应用于音响器材；利用其耐高温性，应用于飞机刹车片和绝热材料；利用其耐药品性，应用于密封填料和滤材；利用其电气特性，应用于电极材料、电磁波屏蔽材料、防静电材料；利用其生体适应性，应用于人工骨、韧带；利用其 X-光透过性，应用于 X-光床板等。

此外，还可以活化成活性碳纤维，应用于各种吸附领域。具体应用例如： ①钓鱼杆现年产量约1200万只，年碳纤维用量1200t；

②高尔夫球杆随着轻量化和长尺寸化的要求，现已占碳纤维体育用品用途的50％，年碳纤维用量为

2000t；

③网球拍的年市场规模约为450万只，年碳纤维用量约500t；

④飞机方面，小型商务机和直升飞机的复合材料用量已占70％一80％，军用机30％一40％，大型客机15％一20％；

⑤人造卫星结构体、太阳能电池板和天线要用高模碳纤维，先进的运载火箭和导弹壳体、发射筒等要用800H和 T300碳纤维等；

⑥土木建筑领域，已用于补修加工用片材、建筑部件、代钢筋材料、屋顶构架材料等

⑦能源领域，已用于汽车的压缩天然气罐和风车叶片(长达30-40m)、海底油田管道、升降机等；

⑧交通运输方面，已应用于赛车、汽车传动轴、大型卡车车体 ⑨电子电器领域，已应用于增强热塑性树脂的挤出成型品，如抗静电 IC盘、笔记本电脑的筐体，具有电磁波屏蔽效果；

⑩其它，还有X-射线盒、医用床板、印刷、制膜、造纸等用的各种滚轴、空气或氧气呼吸用压力容器等等

（二）碳纤维在汽车制造行业中的应用

轻型化汽车：碳纤维碳纤维只占到复合材料30%的重量，复合材料的制造方法主要来自低产量的航空技术，新的、大批量复合材料成型方法才是突破点。2010年SGL与宝马合资的碳纤维及复合材料厂在美国开工，根据宝马的测算，每台汽车大约需要90公斤的碳纤维，将来需要6万吨的碳纤维。

碳纤维在汽车行业需求前景：碳纤维复合材料传动轴、尾翼和引擎盖已经在汽车行业广泛应用，虽然现在主要是用在豪华车型，但预计未来将在大众车型中推广。日产汽车、本田汽车和东丽公司，将联手开发汽车车体用的新型碳纤维材料。合作企业还包括三菱丽阳和东洋纺织，使用后使车体较使用钢材者轻40%。日本政府亦支持该项计划,希望在全球开发环保车辆的趋势中取得领先地位。日本经济产业省计划未来五年投资这项计划20亿日圆(1850万美元)。

采用碳纤维材质将可改善车辆的燃料效能，并使二氧化碳排放减少30%。碳纤维制品多用于特殊领域，其使用寿命和更新周期均有严格要求，大量废弃的碳纤维产品急待处理。据日本三菱人造丝公司估计，目前全球废弃的CFRP大约为1万吨。随着CF生产能力的扩大及增强材料的大量使用，环境友好要求企业重视CF的回收利用。发达国家已开始了这项工作：德国Thuringian(TITK)研究所开发的新工艺，不采用撕切处理就能从废弃CF纺织品中获取长度≥20mm，一般长度为30mm～70mm的碳纤维；西班牙INASMET运输安全机构经过两年的研究试验，采用化学和热解处理技术开发了CF-环氧树脂复合材料回收再利用的新途径，其回收产品可用于一般的CFRP。据中国环氧树脂行业协会专家介绍，日本东丽公司、帝人公司(日本东京)，和三菱丽阳公司计划联手大规模生产循环碳纤维，以促进高强轻质材料的回收利用。汽车制造者将碳纤维视为轻质汽车材料，在东丽及一些其他公司的带动下，将进一步鼓励采用循环碳纤维，提高材料及零件可回收成分。关于碳纤维在汽车上的应用，首先在汽车车身、底盘的应用，由于碳纤维增强材料有足够强度和刚度，其适于制造汽车车身、底盘等主要结构件的最轻材料，可使汽车车身、底盘减重40～60％，相当于钢结构重量1/3～1/6；在制动摩擦片上的应用，碳纤维还因其环保、耐磨特点，而应用在制动摩擦片上，但含有碳纤维复合材料都格外贵，所以目前主要应用高档轿车；在座椅加热垫上的应用，碳纤维汽车座椅加热垫是一个突破，在汽车配套市场变得越来越受欢迎，将会完全替代传统的座椅加热系统；在轮毂上的应用，德国轮毂制造专家WHEEL SANDMORE，推出的“Megalight-Forged-Series”轮毂系列，采取2片式设计，外环为碳纤维材质打造、内毂为轻量化的合金，搭配不锈钢制的螺丝，较一般同尺码减轻重量40％左右；在燃料贮罐上的应用，采用CFRP在满足要求的条件下，可以实现压力容器的轻量化。

（三）碳纤维在民航中的应用

最近几年尤其在亚洲和欧洲，飞机乘客数量的增加促进了新飞机的需求增长。《空客全球市场预测》估计，2010～2025年间，飞机运营商将需要22700架客机和货机。这些OEM正引领着结构性复合材料用量的巨大增长，其中包括碳纤维，其最新的应用就是B787和A380飞机。航空航天领域是世界碳纤维的传统市场，根据世界第2大碳纤维生产商——日本东邦公司的预测，航空器中碳纤维复合材料的使用量，未来几年将以年均12％的速度继续增长，2012年可达13000吨。

A380为大型喷气式客机，其结构(包括主要结构)使用了22%的碳纤维复合材料。波音公司B787中碳纤维/环氧预浸料的唯一供应商是东京的东丽公司(Toray)，2家公司已经就Torayca预浸料签订了长达18年的供应合同，一直到2021年。据报道787主要结构的合同价值，高达20.3亿欧元(30亿美元)。新型超大型客机——空中客车A380和波音787，均大量使用环氧树脂浸渍碳纤维，或碳纤维增强塑料(CFRP)作为主要的结构材料。碳纤维复合材料约占A380飞机35吨结构材料中的20％以上，包括中央翼盒、机尾组件以及压舱壁；波音787中结构材料有近50%需要使用碳纤维复合材料和玻璃纤维增强塑料，包括主机翼和机身。金属结构材料采用碳纤维复合材料后不仅可以减轻机身质量，而且还可以保证不损失强度或刚度，大大提高了燃油经济性。新一代的客机将使用更高比例的碳纤维复合材料。空中客车公司日前宣布，碳纤维复合材料将在新一代喷气式客机A350XWB中用于主机翼和机身材料。碳纤维在中小型喷气客机中的需求也将快速增长。例如三菱重工计划利用碳纤维复合材料，制作新一代支线喷气客机MRJ主机翼和尾部组件，该机型预计在2013年进入市场。欧洲空中客车公司授予赫氏复材其远程宽体客机A350XWB主结构件的长期供应合同，此合同要求赫氏复材供应碳纤维复合材料直至2025年。

第三篇：浅谈大数据在教育管理中的应用

浅谈大数据在教育管理中的应用

大数据的发展给困境中的教育变革提出了新的挑战。大数据越来越广泛应用于教学，通过在线测试、实时调查等方式获取学生的基本情况、了解学生的学习潜能等，从而使教师更容易针对问题，因材施教。

学校已有的信息采集设备对我们的数据收集具有重大意义。例如：网上阅卷系统，高考、中考阅卷早已采用网上阅卷。可能很多老师知道网上阅卷的优点，如评卷的公正性、准确性、高效性。其实网上阅卷系统更是一个数据的采集系统，采用网上阅卷系统对数据的采集、统计和分析的深度还是广度都大大地超越人工所能及的范围。

如10月中我校进行了本学期第一次统考，语文试题主观题共设了22个采分点，评卷系统采集了22个得分点的数据，很容易发现各知识点的得分情况。教学过程中的成功之处和薄弱点得到了极其详细的反映。网上阅卷的统计分析结果还能对试卷的质量如难度、信度、区分度、效度等指标进行科学的分析，使命题中存在的问题也得以全面地反映。由此可见，玩转当前的 “小数据”对现实的教学有益，也是迎接大数据时代到来的一种准备。

大数据时代教师需具备的三种基本能力：第一种能力是获取及整合学生、学校数据的能力，第二是探索数据背后价值和制定精确教育教学行动计划的能力，第三是把这些计划快速实时地应用于教育教学工作中的能力，应用于课堂的能力。要实现这些能力的提升一方面有赖于学校及教育主管部门对教师的培训，另一方面当然依靠我们老师自身与时俱进的学习。日益强大的互联网、多媒体及概念软件、开源软件等为师生提供了更加自由、灵活的学习和探索空间，求知的视野被极大拓宽。学习与生活、教育与社会不再被孤立，学生、学校与现实生活的体验更为接近，学生学习兴趣、学校办学动力将被大大激发。

大数据的应用在教学管理方面，较之传统的教学，更加高效、开放和多元，教学活动参与者之间的沟通更加通畅，互动更加深入，教师的备课、作业批改、教学评价等更加智能化。大数据时代的到来，可以通过技术层面来评价、分析并进而提升教学活动。

第四篇：浅谈大数据在人力资源管理中的应用

浅谈大数据在人力资源管理中的应用

目前，很多领域中都开始使用大数据，其具有抓取能力强、刷新及时并且数据源充足等特点。大数据在人力资源管理中有着很大的作用，其能够将人力资源管理的各项内容进行量化，然后使其更加准确和高效。人力资源管理者要掌握大数据的相关知识，并且加强其在人力资源管理中的应用。

一、大数据概述及其对人力资源管理的作用

1、大数据概述

大数据主要是针对一些数据类型多、数据量大并且传统的数据处理工具无法处理的数据集，其能够处理海量的数据并且处理速度较快。目前大数据已经渗透到人们生产生活中的各行各业，成为企业决策的重要依据。这就表明了社会已经开始朝着以数据作为生产力，并且以消费者为导向的数据消费方向发展。大数据还会通过云计算对这些数据进行专业化的处理，并且通过分布式的数据库对数据进行储存。

2、大数据对人力资源管理的作用

目前，大数据在人力资源管理中发挥着重要的作用。大数据的使用能够减少传统的教条主义对人力资源的影响，使得人力资源管理更加准确、客观以及科学。大数据能够为人力资源管理提供量化信息，这样人力资源管理进行预测和决策的时候都有重要的理论依据。人力资源管理中的大数据主要是交互式的数据，这样能够将人力资源工作中的各项业务进行规范，并且进行深层次的优化。

大数据在人力资源管理应用的基础是标准化。人力资源管理中可以利用大数据进行挖掘和分析人力资源信息，使得人力资源管理工作更加客观和准确。通过对人力资源信息的挖掘能够获得一些人力资本生产率的指标，比如业绩提升率、出勤率、主动流失率以及人均销售额等情况，人力资源管理者可以根据这些指标进行分析和决策。而这些指标的获取需要通过标准化的数据，比如员工的销售数据、生产数据、人员变动信息、考勤记录以及人员信息等情况。可以说，标准化是大数据应用的基础。如果没有标准化，那么进行人力资源管理的时候就不能发挥出大数据的优势。

二、大数据在人力资源管理中的应用

1、大数据在人员招聘中的应用

企业要想获得人力资源，首先需要进行人员招聘。人员招聘是企业能够获得重要人才的途径，也是企业人才结构的重要保证。传统方式的人力招聘，主要是求职者向人力资源管理者提供简历，被动地了解求职者的教育水平、兴趣爱好以及工作经济等情况。人力资源管理者对员工的录取主要是通过自身的经验来进行分析和判断。这样使得人力资源管理者对求职者的的了解程度有效，并且会受到求职者主观偏好以及自身素质的影响。但是大数据对人力资源管理的作用比较大。首先，人力资源管理者可以通过大数据信息库来了解求职者更多的信息，比如通过社交网站等来进行获取，这样能够充分地了解求职者的性格、行為特点以及爱好等方面的信息，使得企业能够找到更适合的人才。同时，人力资源管理者还可以对应聘者进行大数据分析，判断其与岗位的匹配程度，这样使得人员招聘更加客观和精确，达到艺术与科学的互相结合。

人力资源管理者可以通过一个能够量化并且系统的模型来包含到岗位的所有要求，然后根据求职者的网络信息以及简历，将其与岗位的要求相匹配，这样能够找到企业需要的人才。这样做，使得人员招聘的质量以及效率都有所提高。目前，很多企业对大数据的使用都十分重视。

当大众还不了解大数据的时候，作为互联网巨头的谷歌公司就开始在人力资源管理中应用大数据，并且也取得了很好的成果。比如在人员招聘的时候，其发明了智能化招聘，就是通过网络中的数据来分析和统计不同的职位所对应的面试模式，这样能够鉴别出面试者的隐藏价值，并且鉴定其是否能够达到岗位工作的要求。通过应用大数据，谷歌不仅使得人员招聘的效率和准确性更高，并且为企业获得了更多的人才，促进了企业的快速发展。

2、大数据在人员培训中的应用

人力资源管理需要对新入职的员工进行培训，这样能够使人力资源增殖，并且提高企业的整体生产力。传统的企业中，管理者都能够了解员工培训的重要性，并且都有自己的管理制度和培训体系。但是由于员工培训的时效性和针对性都比较强，这样很多企业的培训都不能进行持续性的培训，到时培训的效果比较差。而大数据在人力资源的培训中也发挥着重要的作用。人力资源管理者能够利用大数据来分析员工的行为以及其学习方式，然后分析出合适的培训内容和培训方式。同时，还能够根据员工的特点为其量身制作培训计划以及培训课程。这样，不仅能够提高员工培训的积极性，同时也使得员工培训工作更加有针对性，使员工能够更好的胜任岗位的要求。

人力资源管理者还可以利用大数据对培训反馈机制以及监督机制进行优化，能够使得培训的过程和结果更加青瓷。随着科学技术的不断发展，很多大型企业都依靠大数据建立了自己的网络培训平台，这样员工就可以通过网络随时接受培训。这样不仅能提高培训的效率以及员工的积极性，同时还能够帮助人力资源管理者了解培训的效果，以便进行改进。

3、大数据在绩效管理中的应用

人力资源管理中重要的组成部分还有绩效管理，其能够帮助企业营造一个透明、公正的竞争环境，使得员工的工作积极性以及满意度都得到提高，有利于企业战略目标的实现。绩效管理一般分为绩效考评、绩效计划、绩效反馈以及绩效改进等。传统的人力资源管理中，绩效管理主要是通过绩效指标来考评员工的成绩，并且对员工的绩效数据进行分析，以便进行绩效改进。但是这种传统的方式有着一定的局限性，主观性比较强，并且绩效计划并不科学，这样绩效指标就不能准确的反应员工的能力。而随着大数据在人力资源管理中的应用，绩效管理也发生了一些变化。人力资源管理者可以根据大数据来分析不同岗位的特点，然后制定出比较科学的绩效指标。可以通过大数据的处理能够对员工的工作情况进行分析得出绩效考核的结果。这样不仅能够使绩效考核结果更加准确，同时也能够使得绩效考核的效率更高。人力资源管理者可以通过大数据来对岗位和绩效指标的相关性进行分析，然后分析员工不良绩效和优秀绩效的能力以及行为。

4、大数据在薪酬管理中的应用

人力资源管理中不可缺少的一项内容是薪酬管理，其有利于企业总体绩效的提升以及企业公平环境的营造。传统的薪酬管理中主要是通过技能或者岗位来制定薪酬，比较静态化，不能够充分反映出员工的价值。而在大数据的应用下，人力资源管理者能够记录员工每天的工作情况，并且通过大数据的分析能力来得到员工的薪酬，这样使得薪酬管理的效率更高、更准确。人力资源管理者还能够通过数据库来对企业的薪酬水平进行分析，并且根据实际情况调整薪酬制度。这样能够提高薪酬和岗位的契合度，也使得薪酬管理增加准确和科学，促进企业的良好健康发展。

第五篇：大数据在教育行业中的应用

1.大数据在实验室管理方面的应用

海量数据已经使我们进入了大数据时代，数据信息的来源、传播速度和传播数量正在影响、改变着人们的思维方式和生活、工作习惯。近年来，基于“大数据”的实验室管理系统的开发以及互联网的实验室管理技术正在兴起。但真正被业内人士承认的教育领域的大数据应用却为数不多，其中被公认的当数东华大学的智能实验室项目。

2009年，东华大学教务处处长吴良提出实验室智能化管理的思路，并将材料学院作为试点单位。实验室智能化管理即用物联网的方式把实验室里所有的仪器设备都管理起来。实验室智能管理过程中记录了学生在实验室内所有的活动情况，包含学生进入实验室的情况，使用的仪器设备情况，使用仪器设备时长等，以及所有仪器的电流、电压都可以监控。如今，东华大学所有学院的实验室都纳入了智能实验室的管理。东华大学通过实验室智能管理系统进行各个方面的数据采集，并对数据进行深度挖掘，形成了各种各样的图表。从图表中可以看出哪些实验室申请的设备根本不必购买，哪些实验室不再需要拨钱。实验室的使用率和第二年的经费完全挂钩，最后实现教育经费使用的集约高效；也可以结合大数据的分析和模拟，建立新型的实验教学课程。

另外，华东大学智能实验室利用云平台（东华云）通过服务器虚拟化和实验教学资源管理系统进行管理，简化了管理流程, 节约了管理成本, 提高了服务器资源申请的灵活性，实现了实验资源管理的信息化和透明化。目前，东华大学智能实验室还实现了24小时开放无人管理、跨学院使用等人工无法实现的管理，数据显示，智能实验室的管理对学生学习自主性的提高有显著影响，学生在实验室的时间甚至超过了在教室的时间。

2.大数据在校园网用户行为分析方面的应用

经过多年的积累，人类的数据量、数据处理技术和能力都得到了质的飞跃，大数据时代给人类社会带来了诸多具有革命性的变化，而校园网的出现则是传统“言传身教”教育的一次革命。中职学生思想尚不成熟，自律力和识别能力不强，对于开放式的网络有些迷茫。校园网学生用户行为分析的研究是通过对校园网络的测量和分析，挖掘和发现网络中呈现出来的各种行为规律，同时识别一些异常网络行为，最后将用户行为分析展示。这样以便学校采取对应的策略及措施引导中职学生健康上网，从而使校园网真正成为学生获取知识的平台，提高学生的整体综合素质。

广东省电子职业技术学校罗萍设计了一个基于大数据的校园网学生用户行为分析系统，该系统从网站浏览信息、网站发帖留言、搜索关键词、网络购物等四个维度来描述基于校园网的学生用户行为。通过对网络内容的分析，可以进一步细化到学生用户在网络中具体网络行为、发表的言论和帖子、对网络资源的兴趣偏好是什么等等，从而有效掌握学生的上网行为动态。

随着计算机技术的迅速发展，大数据时代的网络行为已经成为当前学生校园生活中的一项重要活动内容，正在悄然的改变着学生的学习和生活。因此，深入研究学生网络行为，理性分析学生网络行为特点，动机和需求，以及如何引导学生合理运用网络资源，树立健康的上网理念，构建有益的校园网络环境，已经成为目前学校研究的重要课题。

3.数据挖掘在学习分析及干预中的应用

教育领域已经开发和应用了多款学习分析系统，主要集中在绩效评估、学习过程预测与学习活动干预三个方面。

绩效评估: 如美国 Northern Arizona University 研发的 GPS(Grade Performance Status)系统，可实现全校在校大学生的课堂学习绩效评估。该系统能为教师提供最新的学生出勤情况、学生的反馈意见，为学生提供教师的最新评价以及重大事项的提醒。

学习过程预测: 如澳大利亚 University of Wol-longong 研发的 Snapp(Social Networks Adapting Ped-agogical Practice)系统。该系统可以记载和分析在线学习者的网络活动情况(如学生在线时间、浏览论坛次数、聊天内容等)，使教师能深入了解学习者的行为模式，进而调整教学方式，最大化地为学习者提供适应的教学指导。

学习活动干预: 可分为人工干预和自动干预，现在主要集中在人工干预上，借助绩效评估工具和学习活动预测工具，由教师完成学习干预。自动干预是未来学习分析技术发展的方向，大数据将为这一目标的实现提供强大动力。

在教育管理改革方面，学习分析能为高职院校教育管理系统的方方面面提供指导教学管理活动的相关数据。依靠这些数据，高职院校管理部门可以有针对性地完善不足之处，修订教育管理方案，优化教学资源配置，并最终评估修订方案及资源配置情况。

在教学改革方面，学习分析技术能真正意义上营造信息化的教学环境，保证教师提供的学习服务契合学习者个性化学习、协作学习的需要。传统教学模式中，教师无法保证所提供的学习资源能真正满足学生的学习需求，无法适时调整和分配资源，无法提供个性化地学业指导，无法及时了解学习过程中出现的障碍与疑惑。这些问题都限制了高职院校教育改革的深度，而学习分析技术恰恰可以弥补这些缺陷。通过应用学习分析的相关工具和大数据技术，教师可以及时获取学生的学习行为数据，从而支持一种既能体现教师主导作用，又能兼顾学生主体地位的新型教学方式，以最大化地激发学生的潜能，为新世纪培养创新性人才。

在学习方式改革方面，学习分析技术的作用在于: 自动识别学习情境，能够从大量纷杂的数据中自动分析出学习者的特征信息，根据其需要推送适应的目标资源，并提供学习建议以协助学习者修订自己的学习任务；学习者可以实时调整自己的学习计划，预约辅导以解答学习疑惑；在特定情况下，还可以通过锁定学习者所在地理区域、学习特点等因素划分学习小组，以满足个别学习者的协作学习需求。此外，学习分析能为在校学生提供个性化的学习指导建议，以帮助学生规划在校学习路径，明确其学业成就的期望。

4.大数据在课程建设方面的应用

大数据时代学习者在数字化学习过程中留下很多数字碎片，通过分析这些数字碎片，我们将会发现学习者的各种学习行为模式。梁文鑫指出：大数据对课堂教学带来的主要影响是使教师从依赖以往的教学经验教学转向依赖海量数据教学分析进行教学，使学习者对自我发展的认识从依赖教师有限理性判断转向对个体学习过程的数据分析，从而使传统的集体教育转向对学习者的个性化教育。

目前流行的大规模在线开放课程（Massive Open Online Course，MOOCs）教育，MOOCs 教育被寄予厚望的主要原因是学习分析技术和大数据对它的支持，有了学习分析和大数据技术，优质的教学、课程资源和服务等通过数据真实客观的被呈现出来。比如：对每一门课程资源和支持服务系统的建设和维护都建立在学习者使用过程的数据分析基础上，从而使提供的课程内容更符合学习者的需求、教学指导更具有针对性，进而提高了学习者的学习积极性，促进了学习成功的实现。学习者在 MOOCs平台上学习时，教师和程序可以通过大数据对学习者的学习行为进行理性干预，比如：通过预测认知模型为学习者自动提供适合的学习内容和学习活动方案，通过作业情况、留言板以及讨论区的问题讨论情况可以发现存在学习困难的学习者，以确保可以及时对其学习进行有效干预等。

大数据的应用可以实现大规模在线教育的同时可兼顾学习者的个人需求，大数据对海量数据的高速实时处理技术可以为在线教育平台实时洞察学习者的变化、把握学习者的需求、提高学习效果提供支持，还可以对学习过程中产生的不相关信息进行深度分析，以预测和把握学习者的需求变化。

5.大数据在助学贷款方面的应用

国家助学贷款始于2000年，此后,全国各地普通高等院校陆续开办国家助学贷款业务。但由于政策设计的缺陷、学生个人的诚信缺失、银行的积极性等多方面的问题,贷款业务开展出现较大差异东部好于西部,南部优于北部,部属院校高于地方院校。年国家修正贷款政策,加大贷款工作力度和政策扶持力度,国家助学贷款工作才得以继续进行。但国家对家庭经济困难学生没有给出界定,更缺乏界定标准,因此各高校在确定助学贷款资助对象时,只能依靠学生个人陈述、老师自己的判断、同学之间的投票等方法对困难学生加以界定,以致帮困助学工作困难越来越多。同时,由于信息沟通缺乏有效的渠道,管理缺少统一的工作平台,很大程度制约了贷款工作的开展,影响了学校、银行工作的积极性。缺少信息的沟通,造成信息的不对称,也影响了工作的开展,出现管理的滞后。

2005年，郑爱华作为课题负责人,组织完成校内课题“济南大学帮困助学问题及对策研究”,主持申报了山东省科学技术发展计划软科学科学项目“山东省国家助学贷款中的问题成因及对策研究”,同年获得立项,项目编号：B2005016。

助学贷款决策支持系统是济南大学研究的山东省省级课题“山东省国家助学贷款中的问题成因及对策研究”的子课题之一。目的在于通过该系统,建立家庭经济困难状况指标评价体系,包括评价指标的设立、指标分值的量化、最后计算机进行决策计算,输出决策支持的结果,帮助学校确定贷款资助对象,建立贷款信息数据仓库，并将贷款信息通过计算机进行处理,实现快捷、方便、及时、准确的数据动态管理,克服银行、学校、学生、主管部门之间的信息不对称问题，实现科学决策、信息化管理的目标，有利于山东省助学贷款工作的健康发展,有利于减轻学校贷款工作的管理难度,降低贷款成本,为帮困助学工作开辟有效的途径。

河北省教育厅学贷中心河北省学生贷款管理中心于2007年开始实施助学贷款信息化建设,将先进的计算机技术应用到国家助学贷款管理工作中,建立“河北省国家助学贷款管理信息系统”,使学生对国家助学贷款的申请、学校对助学贷款的管理、银行对学生申请的审批以及其间的各种信息的交互等都实现网络化。6.基于大数据证据的教育教学决策

在美国，教育大数据为美国政府、教育管理部门、学校与教师做出合理的教育教学决策提供了可靠的证据。整体上，美国建立了严格的教育问责制度，包括利用州教育问责系统(State Accountability Systems)对各州教育发展情况进行全方位评价，借助于学区级评价系统(District-level Evaluation Systems)评价各学区、各学校的整体教育质量，并要求学校与学区要对后进生进行基于数据的支持性学习干预(Data-driven Interventions)。美国联邦政府以及各州政府基于对教育大数据的分析结果评价各州或州内学区的教育进展水平，并以此作为教育投入的依据以及教育政策制定的根据。

美国学校一般利用基于大数据的教育评价支持本校在规划学校整体发展、优化学生管理、制定教学质量改进计划等方面的教育教学决策。据统计，97%的美国中小学利用来自整个年级或整个学校的教育大数据确定学校需要提升的关键领域；分析学生的个体数据以便于分班或安排相关学习支持服务，包括了解哪些学生需要特殊支持或更多支持。47%的美国中小学通过专门的评价人员分析不同教师讲授同一教学内容或同一教师以不同教学策略讲授同一教学内容时产生的数据，评价教师的教学质量并提出教学方式变革计划。而83%的学校在利用教育大数据尤其是本校产生的大数据了解本校教师教学发展的现状与需求，并据此决策如何支持本校教师的教学发展。

学校教师可以利用教育大数据改进与优化自己的教学决策。整体上，教师可以利用大数据分析需要在何种时机对哪些学生以何种方式安排何种教学内容。教师利用本班学生产生的大数据，或同时借助与外部大数据的对比分析，可以深度评价本班学生的学习表现与学习效果，可以有效分析学生的学习偏好与个性化需求，分析学生群体的学习需求，同时也可以利用数据分析哪些学生更适合在一起进行小组学习，分析怎样分组才更合理。对于那些有学习困难的学生，通过对大数据的利用，可以分析出学生在什么环节、什么类型内容学习方面存在问题，分析哪些因素可能在影响学生的学习，这样便于给出适当的学习支持与干预。

那么，大数据从何而来？美国在教育评价的实施过程中主要依托覆盖全美的立体化教育数据网络，同时注重数据质量保障，有效地解决了教育评价“大数据从何而来”的问题。

国家级、州级(State-level)、学区级(District-level)以及校级(School-level)在内的各级各类教育数据系统(Educational Data System)均服务于教育问责体系。这些数据系统之间相互关联，数据互通，形成立体化数据网络，为美国教育评价用大数据的获取提供了基本的依托。

在国家层面，美国有由教育部与各州教育管理部门及一些企业协同创建与发展的教育数据机构EDFacts，建设了“教育数据快线(ED Data Express)”，还有美国国家教育统计中心(National Center for Education Statistics)，主要任务在于与教育部内部各机构、各州教育管理部门、各地教育机构合作提供可靠的、全国范围内的中小学生学习绩效与成果数据，分析各州报告的教育数据以整合成为联邦政府的教育数据与事实报告，为国家层面的教育规划、政策制定以及教育项目管理提供了有力的数据支持。

2005年，美国教育部启动了“州级纵向数据系统项目(The Statewide Longitudinal Data Systems(SLDS)Program)”，旨在帮助全美各州“设计、开发与利用州级纵向数据系统以便有效地、准确地管理、分析、分类处理与利用每一位学生的数据”，至今全美有47个州至少获得过一次本项目资助。

州级与学区级数据系统主要为区域性教育评价提供数据支撑，其中主要包括本州/学区学生的成长数据，教育工作人员在工作方面的安排与准备等相关数据，以及其它关于学与教条件的关键数据，比如教师人数、学生入学率、学生与学生家长及学校教职员工对于学校氛围、条件等方面的评价数据等，认为这些数据直接反映学校与学区在让学生做好毕业准备方面取得的进展情况。各州的教育数据系统基本都具有测量学生的成长(Student Growth Measures)、提供高中学习反馈报告(High School Feedback Reports)、实施学业预警(Warning Systems)的功能。学校常常利用四种类型数据系统来收集、整合教学过程数据或评价数据：一是在校学生的实时信息系统(Student Information System)，其中包括学生出勤率、人口学特征、考试成绩、选课日程等数据；二是数据软件坊(Data Warehouses)，其中保存了学校当前或历史上的学生、教职员工、财政方面的信息；三是教学或课程管理系统(Instructional or Curriculum Management Systems)，支持学校教师接入教学设计工具、课程计划模板、交流与协作工具，支持教师创建基准性评价；四是评价系统(Assessment Systems)支持快速地组织与分析基准性评价数据。7.大数据在招生方面的应用

数据挖掘是一项新兴的技术，是商业智能的重要组成部分。近年来，随着高校数据收集量的不断增加以及教育决策对量化分析结果的愈加依赖，数据挖掘在美国高校管理中的应用呈显著上升趋势。许多研究表明这项技术能帮助大学管理人员更好地分析数据，从而获取潜藏的、有用的信息和知识，最终提高决策效率。

加州大学9所分校在校长办公室的统一协调下通过“综合评审”的原则招收本科生。“综合评审”包括两个步骤：第一步是对申请学生的合格性通过多种方法进行确定；第二步是对合格学生的所有背景、特征及技能进行综合评定，并以此为标准做出录取决定。加州大学虽然保证录取所有合格的学生，但由于有的分校或专业竞争激烈，例如伯克利分校、工程专业等，因此不能保证完全按学生的报考志愿录取。在这种情况下，所有合格、但未被报考分校录取的学生，将被推荐到两所加州大学制定的分校，以确保尽可能录取每位合格的学生。另一方面，这两所分校也通过 录取这些“落榜”的学生来增加其入学人数。由于加州大学的录取审核工作是由各分校负责进行，招生的最后决定到四月初才能见分晓。这时许多学生可能同时接到其他大学的录取通知，并需要在短期内选择自己要上的大学。因此，从吸引合格学生入学的角度来说，这时再向学生推荐这两所大学为时已晚。为了提前做好这一工作，校长办公室招办在一月份申请截止日期之后就对申请学生的录取情况进行预测，并将这些合格但极有可能被拒的学生名单提供给这两所分校，供他们提前向学生宣传学校的情况，鼓励学生来这两所学校就读。校长办公室用来完成这项预测分析研究的工具就是SAS Enterprise Miner数据挖掘技术。

通过这项数据挖掘技术，加州大学可以更有效的招收合格的学生。8.大数据在学习成果评估方面的应用

随着大学教学模式由传统的“行为主义”方式向“构建主义”教学过渡，如何更有效地对学生成绩进行评估也成为广大教师和评估工作人员面临的挑战之 一。除了利用传统的考试方法对学生所学知识进行考核外，越来越多的授课教师侧重对学生的学习行为进行评价，譬如合作意识、创新精神、实践能力，等等。这些评价结果更有利于帮助学生提高学习效率，特别是应用知识的能力。但靠传统的评价方法很难有效地完成类似的评估工作，或者说评估结果的可靠性难以得到保证。近几年来，许多学者尝试利用数据挖掘技术提高评估效度。

哈佛大学的研究人员娇蒂·克拉克（Jody Clark）和克里斯·戴迪（Chris Dede）在这方面的尝试非常值得借鉴和参考。他们通过复杂的教育媒体收集丰富的与学生学习行为有关的数据，然后利用数据挖掘技术对其进行分析和研究。

评估结果的价值体现在：1）完成对学生的形成性评估，为教师及时提供信息反馈；2）完成对学生的总结性评估，以真实的实践表现为基础了解学生最终掌握知识的情况；3）根据学生的个性特征，深层了解学生的学习行为以及学习成效；4）合理评判学生合作学习和解决问题的能力；5）通过对学生的学习行为规律和学习成效之间的“路径”关系进行“挖掘”，洞察学生的学习动态。

9.衢州市柯城区依托大数据为学生“私人定制”成绩单

近年来，随着大数据成为互联网信息技术行业的流行词汇，教育逐渐被认为是大数据可以大有作为的一个重要应用领域，有人大胆地预测大数据将给教育带来革命性的变化。大数据技术允许中小学和大学分析从学生的学习行为、考试分数到职业规划等所有重要的信息。衢州市柯城区以大数据为依托，为学生“私人订制”成绩单。

2015年开始，衢州市柯城区启动教学质量诊断系统项目，采用CC教学测评系统对每个学生进行数据分析，为学生出具“学业诊断分析报告单”。“学业诊断分析报告单”基于对学生一个学期以来成绩的大数据分析，通过“单科成绩对比图”、知识点掌握情况分析表、知识点的个人掌握率和班级平均做对比表，将学生考试各科目考察的每一个知识点的掌握程度作出相应的分析，从数据中分析学生对知识点的掌握程度，对个人能力如识记能力、运用能力做出综合评价，为学生的学业作出一份细致全面的“体检诊断报告”。“学业诊断分析报告单”为学生提供了知识、能力掌握上的优势和不足信息，学生可通过分析原因，提高学习的针对性和有效性，减少重复的试题训练，进而有效减轻学习负担。教师可通过分析了解学生在知识、能力掌握方面存在的优势和缺陷信息，实施补教性教学，从而提高教学质量，促进学校教学、学生学习方式的改革和发展。10.大数据在学生扶贫方面的应用案列

西安交通大学学生处立足大学生资助工作实际，按照教育部“教育扶贫，十三五期间实现‘精准资助’”的要求，结合陕西省教育厅关于教育精准扶贫的工作思路，扎实开展了一系列“绿色通道”迎新工作：利用大数据完成学生贫困程度的精准识别，通过实地家访将绿色通道延伸到新生家中，开展“知心工程”让资助教育沁入学生心中，建立七位一体的资助系统让学生没有任何后顾之忧。西安交通大学提供给每个贫困生的，不仅是金钱的资助，更是被尊重及自信积极的人生态度。

资助大数据实现精确认定。在新生来校报到之前，通过“西安交通大学家庭经济困难学生综合认定系统”挖掘学生家庭经济困难指数，认定家庭经济困难学生情况，并以此为依据，主动引导特困新生在家中即可通过网上申请“绿色通道”并顺利入学，消除特困生家庭的后顾之忧，在此基础上与各书院共同主动开展有针对性的帮扶工作。

资助全覆盖实现精准帮扶。学校为每一位通过“绿色通道”入学的学生发放全套床上用品“爱心大礼包”，体现学校的关爱。新生入学后学校将陆续通过“奖、助、贷、补、勤、免、偿”七位一体的资助体系给予学生持续资助，确保每一位学生不会因为经济困难而影响学业。学工系统还通过“知心工程”工作体系，全面跟踪家庭经济困难学生情况，建立建全贫困生信息库。今年学校还将特别为建档立卡户新生每人发放一学期的生活费。11.希维塔斯学习”（Civitas Learning）利用大数据帮助学生提高成绩

在教育特别是在学校教育中，数据成为教学改进最为显著的指标。通常，这些数据主要是指考试成绩。当然，也可以包括入学率、出勤率、辍学率、升学率等。对于具体的课堂教学来说，数据应该是能说明教学效果的，比如学生识字的准确率、作业的正确率、多方面发展的表现率——积极参与课堂科学的举手次数，回答问题的次数、时长与正确率，师生互动的频率与时长。进一步具体来说，例如每个学生回答一个问题所用的时间是多长，不同学生在同一问题上所用时长的区别有多大，整体回答的正确率是多少，这些具体的数据经过专门的收集、分类、整理、统计、分析就成为大数据。

现在，大数据分析已经被应用到美国的公共教育中，成为教学改革的重要力量。为了顺应并推动这一趋势，美国联邦政府教育部2012年参与了一项耗资2亿美元的公共教育中的大数据计划。这一计划旨在通过运用大数据分析来改善教育。联邦教育部从财政预算中支出2500万美元，用于理解学生在个性化层面是怎样学习的。其中，“希维塔斯学习”建立了高等教育领域最大的跨学校数据库。

“希维塔斯学习”是一家专门聚焦于运用预测性分析、机器学习从而提高学生成绩的年轻公司。Civitas Learning提供了一套应用程序，学生和老师可以在其中规划自己的课程和安排。“希维塔斯学习”各种基于云的智能手机第三方应用程序（APP）都是用户友好型的，能够根据高校的需要个性化。这意味着高校能聚焦于各自不同的对象，相互不同地用这家公司的分析工具开展大数据工作。

该公司在高等教育领域建立起最大的跨校学习数据库。通过这些海量数据，能够看到学生的分数、出勤率、辍学率和保留率的主要趋势。通过使用100多万名学生的相关记录和700万个课程记录，这家公司的软件能够让用户探测性地知道导致辍学和学习成绩表现不良的警告性信号。此外，还允许用户发现那些导致无谓消耗的特定课程，并且看出哪些资源和干预是最成功的。

12.电子科大利用大数据寻找校园中最孤独的人

从硅谷到成都，大数据，这个新鲜的话题正在全球同步热传。一场关乎每个人生活、工作和思维的大变革正在悄然发生，大数据时代迎面袭来。

到底什么是大数据？大数据”是“数据化”趋势下的必然产物。数据化的核心理念是：一切都被记录，一切都被数字化。电子科大的周涛解释到，“大数据要求数据能充分发挥其外部性并通过与某些相关数据交叉融合产生远大于简单加和的巨大价值。”比如，国家电网智能电表的数据可以用于估计房屋空置率，淘宝销售数据可以用来判断经济走势，移动通讯基站定位数据可以用于优化城市交通设计，微博上的关注关系和内容信息可以利用于购物推荐和广告推送„„

他们做过一个有意义的课题——寻找校园中最孤独的人。他们从3万名在校生中，采集到了2亿多条行为数据，数据来自学生选课记录、进出图书馆、寝室，以及食堂用餐、超市购物等数据。通过对不同的校园一卡通“一前一后刷卡”的记录进行分析，可以发现一个学生在学校有多少亲密朋友，比如恋人、闺蜜。

最后，通过这个课题找到了800多个校园中最孤独的人，他们平均在校两年半时间，一个知心朋友都没有。这些人中的17%可能产生心理疾病，剩下的则可能用意志力暂时战胜了症状，但需要学校和家长重点予以关爱。