数据加工范文

导语：如何才能写好一篇数据加工，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

为了能够给信息获取人提供最佳的内容获取决策，我们得将数据变得更加“聪明有用”，通俗来讲，企业需要能够对用户产生的每个数据进行统计、分析与开发，并以此帮助用户做出决策，这就是大数据的加工。

大数据加工的三种方法

首先我们得明白，我们得到的大数据其实是来自不同渠道的数据组合而成的，要把这些数据整合在一起，才可以发现有用的信息。但是，这个“整合”可不是一件容易的事儿。下面我们来了解一下常见的大数据“加工”方式吧。

相似关联，这种加工方式并不难理解，专业的说法叫“协同过滤”，就是要收集大量的用户浏览记录，通过相似行为进行关联推荐。比如说，我们通过大数据给两个同学贴标签，包括“性别、年龄、喜欢的颜色、喜欢的明星、爱买的东西、爱去的地方”等，然后发现A和B的标签有很多相似，我们就可以将A喜欢购买的东西推荐给B。

由于这种加工方式简单，逻辑清晰，可行性强，它被大多数企业采用，例如今日头条、天天快报等都是采用的这种算法，但它也存在缺陷。由于获取数据的手段有限，有时候并不能真实的反应出用户对信息的需求，很容易让用户深陷在自己的“兴趣爱好”当中，很难扩展。

隐式搜索，这一算法模式看起来高端，其实分开来看就简单多了，其核心内容为“搜索”，比如你在某个软件上搜索了关键词“科学”，那么该算法就会在大数据中挑选关于“科学”这一次的相关信息数据主动推送给你，同时获取你的兴趣数据。而所谓的“隐式”其实就是根据关键词“主动”推送的意思。

这一“加工”大数据的方法是建立在搜索引擎普及之后的，与“相似关联”类似的是，不同的人搜索相同的信息有不同的目的，而不同的时间地点搜同样的信息也有不同的目的，用同样的标准衡量用户行为，容易产生误判。但这种算法相比“相似关联”仍有一定优势，“相似关联”只能通过自身的标签做推送，相比而言“隐式搜索”能扩展的范围会更大。

社群+鼍埃这一加工的手段相对前两个来说更智能，这也是目前所有加工算法的发展趋势，它对所加工的“大数据”要求能达到“矩阵”的规模，也就是说数据的规模要更大更多。目前能真正做到“社群+场景”的加工算法的只有少数几家互联网巨头。

篇2

单耗、净耗、工艺损耗的定义及在“H2000加工贸易备案子系统”中的换算

单耗是指加工贸易企业在正常生产条件下加工生产单位成品所耗用料件的数量。

净耗是物化在单位成品中的料件的数量。

工艺损耗是指因加工生产工艺要求，在正常生产过程中除净耗外所必需耗用，且不能物化在成品中的料件数量，包括有形损耗和无形损耗。

工艺损耗率是工艺损耗占单耗的百分比。

相互关系的公式表达为：

C

E=-------

1-D%

其中：E是单耗数值；

C是净耗数值；

D%是工艺损耗率。

H2000加工贸易备案子系统的单损耗情况表如下：

该表只设定了申报单耗、损耗率两个可以输入数据的栏目，系统的换算关系式为：

C×B

A=---------

1-D%

其中：A是料件耗用数量；

B是成品备案数量；

C是单耗栏内数值；

D是损耗率栏内数值。

如果损耗栏内数值D为0，显然系统的换算关系式就变为：A=B×C

加工贸易企业向海关申报产品单耗时，有些应以净耗、 工艺损耗两个数据的形式申报，有些应以单耗一个数据的形式申报。

对于一种加工贸易保税料件的耗用，如果适合按照净耗、工艺损耗来实施单耗管理，则应在系统中“成品对应料件单损耗情况表”的单耗栏内申报“净耗数值”，损耗栏内申报“工艺损耗率”。

对于一种加工贸易保税料件的耗用，如果不宜划分净耗、工艺损耗，只适合按照单耗数据来实施单耗管理的，则应在系统中“成品对应料件单损耗情况表”的单耗栏内申报“单耗数值”，损耗栏内不申报。

适合按照净耗、工艺损耗两个数据的形式来实施单耗申报的情况

净耗和工艺损耗是单耗的细化，其定义是根据实际生产情况归纳总结出的，具有普遍性，大多数产品的料件消耗很容易划分净耗、工艺损耗。

例1.金属冲压产品。在加工生产过程中物化在单位成品中的金属料件数量就是净耗；因加工生产工艺要求，在生产过程中除净耗外所必须耗用，且不能物化在成品中的金属料件数量则是工艺损耗。这一产品按照净耗、工艺损耗来实施单耗管理，也便于海关对不同环节各状态的料件进行核算。通常情况下，该工艺损耗都是有形的边角料，H2000加工贸易核销子系统的“核销核算表”可以自动计算出边角料的数量,有利于现场监管部门按有关规定对边角料进行相应处理。

例2.塑料注塑产品。如：在正常生产情况下，生产一件90克的注塑产品所耗用的塑料原料为100克，那么该项产品的净耗为90克/件，工艺损耗率为10% 。一般情况下，这种生产的工艺损耗中包括有形损耗和无形损耗，加工贸易企业应根据生产实际向海关提供关于有形损耗和无形损耗的比率和数量的说明，以便于海关对单耗组成中各部分的监管。

适合按照单耗一个数据的形式来实施单耗申报的情况

这种情况下，根据行业的生产特点和计量习惯，产品的单耗不宜划分为净耗和工艺损耗。下面分别通过两个不同行业的实例加以说明。

篇3

Study on California Digital Library’s DMPTool

Wu Hairu

Abstract Under the Big Data environment， whether the effective management and utilization of the scientific research data determines the quality of scientific research. As a result， some U.S. fund will have to make project data as a necessary condition for setting up a management plan. To help researchers to quickly generate the data management plan， the California Digital Library developed data management plan generation tool ?C DMPTool based on the user needs of reality. Use of tools is also provides some useful reference for domestic library research services.

Keywords Data management plan. DMPTool. Research data management.

为提高科研数据管理水平，国外众多研究机构引入生命周期管理理念，形成各具特色的数据管理模型，如ICPSR社会科学数据存档生命周期模型、DataONE科学数据生命周期管理模型、英国数据存档生命周期管理模型等[1]。这些模型虽因研究主体的不同而存在一定差异，但均将制定数据管理计划视为科研数据管理的关键点。为帮助研究者迅速生成简单有效的数据管理计划，加州数字图书馆数据保存中心基于科研人员的现实需求，联合其他7所科研机构，共同研制了一款数据管理计划生成工具―DMPTool。本文拟对该工具进行介绍，并阐述该工具为国内科研数据管理带来的启示。

1 DMPTool的提出及发展

2010年初，美国国家自然科学基金会（简称NSF）发布了项目管理指南，规定自2011年1月18日起所有提交至NSF的申请项目必须以附件形式提交一份不超过两页纸的数据管理计划，详细描述申请者如何实现项目数据的有效管理与共享传播，缺少数据管理计划的申请项目将不予接受[2]。除此之外，美国卫生和人类服务部下属的国立卫生研究院、美国航空航天局等其他科研项目资助巨头同样在其资助指南中对项目的数据管理做出明确规定。为响应这些科研项目资助机构的要求，方便科研者制作数据管理计划，美国加州数字图书馆数据保存中心联合加州大学洛杉矶分校图书馆、加州大学圣地亚哥分校图书馆、史密森学会、弗吉尼亚大学图书馆、伊利诺伊大学厄巴纳香槟分校图书馆、数据监管中心以及DataONE项目中心，推出了数据管理计划生成工具DMPTool[3]。

2011年10月，DMPTool在线版本正式发布，该工具一经发布，便引起科研界及图书馆界的极大关注，并入选美国国会图书馆2011年十大数字保存发展项目。2013年，DMPTool项目组接受Alfred P. Sloan基金会、美国博物馆和图书馆协会注资，开始了第二阶段的研发工作。2014年5月，项目组正式发布DMPTool V2版本，相较版本1，版本2实现了诸多改良（见表1）。

1.1 DMPTool角色权限改良

系统的角色权限设计包括两个维度：一是系统用户的角色定义，包括角色大类（如操作员、管理员）和大类下的角色细分（如科研机构级别管理员、总系统管理员）；二是职责和权限在不同角色大类和细分角色的分配。

升级版的DMPTool在角色权限方面做出了如下改良：（1）增设系统编辑员角色，包括资源编辑员和模板编辑员，前者负责帮助信息、链接信息、参考答案的日常维护和更新，后者负责数据计划模板的日常维护和更新。（2）增设科研机构级别DMP复核员角色，负责对机构内提交的数据管理计划进行统一检查和审核。（3）对管理员角色进一步细分，增设科研机构级别管理员，负责管理、维护机构级别的DMPTool，及时收集反馈基层数据管理需求信息，协调发展科研机构与资助机构、总系统管理员的合作关系。

表1 DMPTool新旧版本对比分析表

1.2 DMPTool模块设置改良

升级版的DMPTool登录界面包含三大模块：公开化DMPS、DMPTool新闻和DMPTool帮助。该界面设计可以使用户在正式使用工具前通过大致的浏览就可以初步掌握DMP的结构内容、DMPTool的发展动态及具体如何使用DMPTool。其中，帮助模块最能集中体现升级版DMPTool的创新：（1）增加FAQ（Frequently Asked Questions，常见问题解答）；（2）专设针对系统管理员的Wiki帮助，并通过GitHub进行托管控制；（3）增加数据管理指导内容，相较旧版工具侧重于数据计划的生成，升级版的工具更侧重于对科研人员数据管理能力的提升；（4）增加公开资源信息，公开资源信息包括各资助机构的项目信息、最新政策、资助动态等内容，该内容的加入赋予了DMPTool新的内涵和外延，除了数据管理计划生成功能，DMPTool进一步彰显了对科研机构、资助机构和科研人员三者信息沟通和合作的促进作用[4]。

1.3 DMPTool模板设置改良

旧版的数据管理计划工具中，可供用户参考复制的数据计划模板大多是按照资助机构的数据管理政策制定，实际工作中，由于各科研机构对数据存储、数据共享要求的差异，这些按照资助机构要求制定的模板并不能完全满足科研人员以及科研机构数据管理计划生成需求。因此，升级版的DMPTool中特别增设了科研机构DMP模板，该模板管理权限统一下放到科研机构层级的系统管理员。

1.4 DMPTool自定义改良

数据政策、用户需求的不同都会引发数据管理计划的不同，而数据管理需求又会随着科研领域、数据管理偏好、数据计划用途等具体内容的变动而变化。DMPTool必须在统一的数据管理政策下，尽可能关注科研人员多样化、个性化需求，才能实现应用工具的可持续化发展，因此，升级版的DMPTool进一步拓展了其自定义功能。（1）科研机构自定义。包括①机构基础信息输入、Logo设计；②机构授权，自定义设置不同的角色和权限，如模板编辑员、资源编辑员、复核员、管理员；③模板自定义，设计符合本机构数据政策、应用于不同领域或提交给不同资助机构的DMP模板。（2）科研人员自定义。这一模板大多是为了满足用户特定条件下的需求，如教师想设计一份用于大一本科生数据管理课堂教学的通用性DMP，或者项目中不同角色（PI或CO-PI）的科研人员需要从不同角度出发设计不同数据管理侧重点的DMP，这些都可以通过用户自定义功能实现[5]。

2 DMPTool的功能分析

2.1 快捷生成科研数据管理计划

DMPTool工具是一款开源软件，可免费获取，用户登录注册也不受任何限制。协助科研人员以最简单直接的方式生成数据管理计划，是DMPTool的项目宗旨之一。纵观整个DMPTool的使用步骤（如图1），完美诠释了在线应用工具的便捷性。

图1 DMPTool管理工具使用步骤图

第一步，选择DMP模板。包括三项内容：（1）选择登陆方式（机构用户或非机构用户）；（2）选择科研项目资助机构，如NSF-AGS（NSF天文地理科学基金会）或NSF-BIO（NSF生物科学基金会）等；（3）选择所需复制的计划模板，即开放共享的计划、机构内共享计划、用户创建的历史计划。用户应评估当前计划需求，选择适当的模板作为新计划的制定基础。

第二步，填写数据计划基础信息。包括以下内容：填写计划名称、项目申请号、项目提案截止日等内容；增加项目合作者信息，设置项目合作方拥有对数据计划编辑、预览、下载的权限；设置数据计划公开方式，包括仅项目申请人和合作者可见、机构内共享和公开存取3类。

第三步，完成DMP细节描述。通过答题的方式，完成数据格式、数据存储方式、数据共享策略等内容的设置，每道问题都配答题指导、参考答案和相关性资源链接，能够保证数据管理能力较弱的用户也能详细、客观地作答。

第四步，自动生成科研项目数据管理计划。DMPTool在综合前3步信息的基础上，自动生成报告，用户只需选择报告导出格式（txt/rtf/pdf等3类），便可预览、审查系统形成的数据计划，并根据实际需求做出相应调整。整个使用过程方便快捷，不仅有利于科研人员时间成本的节约，潜移默化中也有利于其数据管理能力的提升[6]。

2.2 紧密联系研究者、研究机构和资助机构

先前的科研模式中，研究者、研究机构和资助机构三方对科研数据的管理需求被完全割裂，而DMPTool的出现，成为联系三方科研数据管理需求的桥梁和纽带。（1）研究者和研究机构间数据管理的有机联系。科研人员可以通过DMPTool查看所属机构的计划示例，预览科研机构的需求，查看计划的最新动态，另一方面，科研机构也可以利用DMPTool积极了解科研人员的数据管理水平及需求，利用工具中呈现的数据管理信息和政策，整合规范自身的数据管理政策，促进科研人员与机构图书馆、IT部门及其他数据管理部门的合作和创新。（2）研究者和资助机构间数据管理的有机联系。DMPTool几乎囊括了所有主要项目资助机构（NSF/HIN/DOE/NASA/USDA/DOD）的数据管理要求，并及时追踪各机构的数据政策变更，科研人员可以通过DMPTool了解资助机构的数据管理需求，另一方面，资助机构也可以随时通过对数据管理计划的查看、编辑，及时掌握科研人员的需求动向，改良其数据管理要求和政策。（3）研究机构和资助机构间数据管理的有机联系。科研人员制定的数据计划可以通过科研机构的审核后提交至资助机构，强化了科研单位对资助机构的数据管理政策研究，另一方面，科研机构也可以通过DMPTool与资助机构探讨数据管理相关政策，反馈科研人员的集中化数据管理需求，逐步实现数据政策的规范统一[7]。

2.3 满足用户多样化、个性化定制需求

DMPTool不仅能够帮助用户高效生成标准化数据管理计划，还可以满足用户多样化、个性化的数据管理需求。（1）对科研人员而言，用户可以在标准化数据管理计划中添加体现其个性化需求的元素，使得整个计划在满足资助机构、科研机构要求的同时体现用户一些个性化、多元化的数据管理需求。（2）对科研机构而言，DMPTool管理员可以依据科研人员需求自定义其数据管理计划工具，在现有功能的基础上增加机构级别的信息服务功能，如数据存储服务，不仅进一步完善数据管理计划，更有利于其对科研数据的统一规范化管理[8]。（3）对资助机构而言，用户可以依据资助机构的不同需求而提供不同的计划版本，同时可以依据资助机构需求信息变更，及时调整数据计划，保证计划体现资助机构的专门性需求。

3 DMPTool带来的启示

3.1 分层推进科研数据管理工作

科研数据生命周期理论告诉我们，科研数据遵循计划、采集、确认、描述、保存、分析的发展过程，要确保科研数据发挥出更多价值，必须依据数据发展进程来管理数据。国外科研资助机构及科研机构很早就将提供数据管理计划作为项目申请的硬性要求，我国也应积极设立数据管理计划相关规范要求。首先，政府部门应积极引导科研数据的规范化管理和开放式存取，制定完善的数据管理政策，从政策层面进行数据计划流程的规范和引导。其次，各科研资助管理机构应依据政府出台政策制定相关的实施细则或操作指导，硬性规定项目申请必须附带符合标准的数据管理计划，同时从多方面提供资源，辅助其计划制定。最后，科研机构同样需要制定符合本机构数据管理需求的数据管理政策，协助科研人员制定数据计划，促进科研数据的共享和传播。

3.2 强化科研各方的信息沟通和共享

政府科研管理机关、科研人员、科研机构和资助机构共同构成了科研有机统一体。政府是科技创新的保护者、相关配套制度的建设者、重要基础设施的投资者以及科技创新与产业政策的制定者；科研资助机构在政府相关政策指导下落实科研项目考核评估、促进产学研结合、优化科研资源配置、引导科研成果创新；科研机构侧重机构层面管理规章制度的制定和落实，组织申报各级、各类科研项目，负责科研成果的审核、评估和归档及其他面向本机构科研人员的科研服务项目；科研人员是最直接的科研成果产出者，利用政府、资助机构、科研机构提供的多方资源开展研究，形成丰富的科研成果。充分的信息共享和沟通是科研有机统一体高效运作的前提，DMPTool项目的成功之处也正是在于其实现了研究者、研究机构和资助机构的紧密联系。我国也应通过统一科研平台的构建，及时发布国家科研导向和政策扶持，反馈各类科研需求，保证科研人员的言路畅通和科研政策的上通下达。

3.3 基于科研人员需求构建完备数据管理工具箱

DMPTool数据管理计划生成工具的产生直接源于科研人员项目申报的需求，除了DMPTool，美国加州数字图书馆数据保存中心还设计有一系列满足科研人员数据管理的工具（图2）。

图2 加州数字图书馆数据管理工具箱示意图

以数据生命周期为序，在数据计划阶段有DMPTool协助科研人员生成数据管理计划，项目申请成功后，科研人员可以通过DataUp检测数据格式、建立标准化元数据，EZID赋予科研数据统一化标识符，最后通过Merritt实现数据的长期存储、管理和分享。整个数据管理过程中，科研人员还可使用Colectica进行数据追踪。强有力数据管理工具箱保障了科研人员对数据的全过程及高效管理。我国科研相关机构也应在切实了解科研人员需求的基础上，设计一系列数据管理应用工具，形成工具箱体系，实现科研人员对科研数据的全方位、高效化管理。

3.4 整合共享，提高科研数据利用效率

各科研机构、科研资助机构在实践中都积累了丰富的科研数据管理经验，科研人员也形成了较高的科研数据管理素养，美国加州数字图书馆的DMPTool工具对三方资源进行了有效整合。（1）通过自定义功能的设置，鼓励科研人员、科研机构在DMPTool平台设计符合不同用途和需求的计划模板，并实现模块共享化管理；（2）DMPTool工具中整合了科研机构、资助机构的数据政策、常见问题、管理程序等信息，通过长期应用实践的磨合，有利于更为统一规范的数据管理政策和科研数据环境的形成；（3）DMPTool平台实现数据计划的三级复核制度，并设有不同级别的数据计划管理员，充分利用了一切可利用的资源实现了科研数据的高效管理。国内的科研数据管理也应在多方科研力量集结的基础上，实现数据管理资源的有效整合和利用。

篇4

关键词：大数据；高校；人事档案管理

中图分类号：G27 文献识别码：A 文章编号：1001-828X（2016）009-0000-02

进入大数据时代后，人们能够在多领域多层次下获取全面、完整的信息量，用于在当前世界中获取新知识和探索新经验，进一步获取大量的商机。大数据时代的到来，为企业的人事档案这类用于数据整理和归类的工作来说，既提供了机遇，同时也带来了新的挑战，此外，还为我们在思路和方法上开辟了新的路径。当前，在我国的企业中一般都是以收集、整理和保存作为人事档案管理共组的基本模式和内容，并不能真正意义上达到大数据时代对数据的管理需要。当前科技十分发达，运用大数据理念对人事档案进行统一管理，是我们需要面临的重要问题。

一、企业人事档案管理存在的问题

在企业人事档案管理中作用，有一个经常被提起的话题，就是人事档案缺乏完整性和全面性。进入大数据时代后，对数据的需求量和管理量的要求很高，更重要的是要求研究数据的完整性和真实性。

1.保密性原则导致档案所有人无法及时完整地核对、补充个人信息

人事档案在企业中是重要的机密文件，一般会有专门的人员统一进行整理、检查、审核、保存和传递，档案所有人是没有资格自行申请的，特别是一些保密级别高的个人人事资料，就算是档案所有人自己在申请查看这一方面，也是没有资格的。这些因素导致了档案所有人不能及时了解自己的档案信息，档案所有人也没有办法及时了解，更没有办法做到及时补充和完善了。

2.档案所有人的个人重视程度不够

人事档案是一个人所经历的所有历程和在各个方面所取得的成绩的信息档案汇总资料，需要有专业的档案管理人进行记录和整理，非专业人员是无法认识到档案的重要性的，同时也不会明白档案中需要记录的重要信息有哪些。企业一般在市场和科研上投入大量的人力、经理和物力，而忽视了个人档案的整理和完善工作。

3.人事档案收集频率过低，导致归档信息有所丢失

我国在考察教职工年度工作成果的时候，一般采取年度总结的汇报方式，考察教职工的各项工作表现，同时在必要的时候还要将证明材料一并归入到个人档案中。但是由于一年的时间过长，很多重要资料在时间面前都失去了重要价值，同时由于保管不当，还会出现资料丢失的情况，这些问题都直接导致了人事档案信息的丢失。

4.企业人事档案信息归档存在的问题

首先，人事档案或者是业绩档案在归档前都要经过仔细的筛选和审查，而且要严格遵循“优先归档重要信息，其次归档重要信息，对于一般的无用信息采取不归档”的原则。在企业中专门有专业工作人员来从事信息的判断工作，而这些工作人员在学历水平、知识结构和个人喜好等方面都会影响到归档信息的评估，造成在归档过程中误判或丢失一些重要信息，或者是存储了一些无用信息。丢失部分的重要信息，有可能在企业的长期发展战略的制定和人才培养以及科研团队的组建工作中用到，所以信息的丢失会造成档案失去了参考价值。

其次，在企业中，人事档案部门一般采取条目式或概要性的归档方式来管理企业人事档案存储工作，重点关注记录发生时间、地点、内容和造成的结果，以及产生的重要影响等。详细内容则由档案所有人自己保管，对于一些重要成果也可以保存在相关的职能部门。如果需要调取具体的信息内容的时候，若只是人事档案中的资料无法满足这一需求，可以求助于其他部门提供资料。因此，人事档案信息归档是目前企业人事档案管理要解决的主要问题之一。

二、人事档案管理制度中存在问题的解决措施

1.建立完善的人事档案数据库

（1）人事档案的保密形式

人事档案中由个人填写，完善个人信息、教学成果和科研成果，这部分信息可以采取开放式的处理方式，便于档案所有人及时查看和随时完善，确保归档资料的全面和完整，至于组织评价等重要信息，要采取保密原则进行封闭式管理。

（2）加大宣传力度，提高员工档案意识

企业人事档案管理部门要扩大宣传，让职工了解到人事档案的重要性，培养职工的档案管理理念，培养他们主动完善人事档案的好习惯。

（3）创建人事档案实时更新平台

大数据时代对于数据的真实性和实效性的要求比较高，企业的人事档案管理部门要及时更新人事档案信息，做好人事管理和服务等工作，将数据信息及时、准确的录入到人事档案数据库中，保护职工在科研和创作，以及社会服务的业绩的安全性、准确性和及时性。

2.创新“大档案”思维，掌握人事档案信息

进入大数据时代后，人们已经不用担心海量信息的分析、整理和存储的工作。数据分析在档案管理工作中的作用更加突出，如果这些数据都记录在书中，那么这些书连起来能够覆盖整个中国高达52次。若说这些数据存储在光盘上，那么把这些光盘堆起来可以从地球推到月球上，并且可以堆成五堆。我们相信随着科技的发展和进步，在存储方面的技术水平也会越来越高，所以在信息的存储上，我们可以对企业的档案信息进行更加有效的管理。企业要根据自身的实际发展情况，建立起适合自己的大档案体系，从而促进企业的生产发展。大档案体系主要指的是在端口中能够迅速、准确和全面的搜索到个人的全部信息资料，即个人基本信息、工作情况、科研成果、等所有信息，包括各个方面、各种形式（文字、图片、视频）的全部资料。大档案体系的建立能够有效提升企业各部门的办事效率，同时对于企业的统筹规划、人才评估和科研团队的组建都有十分重要的意义。但是大数据时代背景下档案的建立需要对信息安全进行管理，用于用户的权限设定、限制访问权限和标注等级和密级，这样可以防止企业的人事信息泄露，维护企业人事信息的安全。

3.组建“大档案团队”

进入大数据时代后，建立“大档案”体系是包含在人事档案管理工作中的，是人事档案信息量的庞大需要专业的管理人才对档案进行管理，建立完整的信息数据库，才能够加强对企业人事档案的管理。大数据的核心作用是预测和统计，为企业寻找需要的人才。所以认识档案信息要做到数据化而不是数字化。数据化和数字化听起来差不多，但是实际内容南辕北辙。数据化是将数据转化为表格用来分析量化形式。数字化指的是将模拟数据转换成数字的二进制码。比如说数字化的表现形式就是通常说的电子书，通过数据化的统计为企业人事信息管理产生重要的作用。因此，企业的人事档案若要实现实时检索，就必须要进行数据化，真正意义上的发掘数据的价值。

进入大数据时代后，企业要进一步加强人事档案信息管理就要做到以下几个方面：首先，整合企业数据能力，对企业人事信息档案进行有效的管理；其次，挖掘数据的背后价值和准确制定行动纲领的能力；最后是行动时精确、快速地能力。企业大档案的数据建立，为企业人事信息档案管理带来了很大的方便。因此，企业要建立专业的信息管理团队，对企业人事档案信息进行管理，需要有各学科门类的顶级专家学者、资深的人力资源从业人员、IT精英、数据分析高手等共同构成。根据各个学科的不同特点和院校的下一步发展计划，首先进行程序设计，其次有人事档案信息为我们提供相应的数据，最后为了促进企业的进一步发展，制定相应的发展战略和制定培养，优化设置课程，此外还要根据准确的数据分析组建一支科研团队。通过分析员工的基本信息，可以了解到员工的年龄层次、学历水平、男女比例等信息，在现阶段，想要做到这些还十分简单，随着大数据的发展，相信会取得良好的成果，通过分析员工的科研成就，可以清楚地了解到企业的整体上的科技水平。科研团队的建立可以从各个方面保障企业的持续健康的发展。

三、结语

随着经济的发展和社会的进步，档案的数量也会积存的越来越多，为档案管理工作带来了严峻的挑战。这主要是因为当前的档案管理模式已经拖累了档案管理工作的发展，需要进一步提升档案管理人员的专业水平，提升档案资源的利用率。进入大数据时代后，可以利用大数据技术来管理档案管理工作，更新档案管理模式，这也是档案管理工作的发展方向。特别是在当前只是管理理念盛行的情况下，档案管理工作要及时抓住大数据时代带来的机遇，建立一套新型、完善的档案管理方式，提高档案的使用率和管理率。

参考文献：

篇5

论文摘要:在国内外研究的基础上，通过研究加工贸易结构升级的影响因素，采用1996-2007年山东省相关数据，利用回归分析方法进行定量研究.结果表明产业结构对加工贸易结构升级有着负的影响，技术进步对其影响不显著。

1．山东加工贸易结构升级的现状

受国际金融危机恶化，全球经济增长放缓，外需减弱以及近一两年来加工贸易政策调整等因素影晌，我省加工贸易发展速度明显减缓，2009年1-8月，全省加工贸易进出口369.6亿美元，下降13.6%其中，出口240.2亿美元，下降11.4%;进口129.4亿美元，下降17.3%所以在这种严峻的形势，加工贸易的转型升级迫在眉睫。

山东省的加工贸易在改革开放30年来取得了巨大的发展，贸易结构也在逐步的优化，由表1我们可以看出，资本技术密集型商品的出口和产品附加值都在不断增加，用加工贸易的增值率来表示产品的附加值n，即加工贸易产业链的延伸。随着山东半岛制造业集群的建立与发展，加工贸易产业关联度也不断增强。用山东加工贸易对GDP的贡献率来表示加工贸易产业关联度以及加工贸易技术溢出效应，从2005年到2007年山东加工贸易对GDP的贡献率由21%上升到29%。

但是目前山东加工贸易还只是处在量的发展阶段，结构升级的速度并不快，且具有很大的波动性，由图1我们可以看出这一点。并且由图2看出，山东与江苏等先进省市相比，加工贸易结构升级的步伐明显趋于缓慢。

2山东加工贸易结构升级的实证研究

2.1计量模型的建立

为了检验以上这些因素对山东加工贸易结构升级的影响，建立如下回归计量模型:

y=a+(3c 1+3，x2+32x3+(33x4+(34x5+)ic6

其中，Y表示山东的加工贸易结构，为被解释变量，x1代表外直接投资，x2代表劳动力资源享赋，x3代表的是技术进步水平，x4代表的是对外开放度，x5代表的是产业结构水平，x6代表的是劳动力的文化水平，￡是随机扰动项，在一定程度上体现了其他未考虑的因素对加工贸易结构的影响。

2.2变量及数据说明

(1)加工贸易结构，由于加工贸易结构的数据难以找到，而大部分的加工贸易出口产品为制成品，此处我们以历年山东制成品出口占总出口的比重来代替衡量。

(2)产业结构，这里以历年山东第二产业产值占GDP的比重来表示。

(3)外商直接投资，用历年外商直接投资额占山东GDP的比重表示。

(4)国内的技术水平。选取的技术水平指标是根据“索洛余值法”计算而得，并取1979年数据为初始数据。

(5)贸易开放度。关于贸易开放度的衡量有多种指标，一般采用贸易依存度指标，即一国进出口总额与GDP之比。

(6)劳动投入常用劳动力人数替代。出于数据可获得性考虑，本文假定劳动力总量等于就业人员数。劳动力的文化水平用受过高等教育的劳动力占社会劳动力总数的比例来表示。

2.3计量结果分析

估计方法则采取最小二乘法，用Eviews3.0做的回归分析，回归结果如表2所示。

从表中我们可以看出，RZ=0.9918，回归的结果是比较显著的，劳动真赋和对外直接投资对山东加工贸易的结构升级促进作用比较明显，但是我们可以发现技术进步和产业结构对加工贸易结构升级有着负的影响，原因主要有以下几点:

（l)山东技术水平的提高对加工贸易的影响有限，加工贸易在一定时期内有着明显的“大进大出，两头在外”的“飞地”特征，所以技术水平的提高的作用并没有显现在加工贸易结构升级身上，技术水平提高给山东加工贸易带来的利小于弊，由于技术水平的提高，企业不仅要引进先进的技术设备，培训专业人才，所花费的成本大于由技术水平提高带来的高效率而增加的利润。

（2)产业结构与现实的贸易结构存在错位的现象。在加工贸易中占优势的产业，出口产品结构是以轻纺工业为主，而国内的生产结构却是以重化工业为主，这种明显的错位现象将会随着资本技术密集型产品出口的增加而逐渐消减。

3促进加工贸易结构升级的对策

3.1努力提高国内技术水平，促进核心技术的开发应用

一方面，需要国家积极利用信息通讯技术改造传统加工贸易产业，提高传统加工贸易产业的技术含量;另一方面，要结合当地产业结构调整的需要和未来国际产业的发展方向，制定专门的外商投资产业指导目录，弓}导外资投向国际化生产链条中附加值大、科技含量高的产业或加工工序环节，提升加工贸易产业发展的层次。

3.2充分发挥要素票赋优势，实现比较优势的动态转变

我们知道劳动力资源丰富是我国的资源优势，也是山东加工贸易迅速发展的主要原因，正因为如此，山东加工贸易面临着发展的瓶颈，无法实现突破，只是进行者简单的组合加工。所以我们在充分利用劳动力这一资源优势的同时要实现其动态转变。动态比较来自于资本积累的加速、技术和劳动力素质的提高，它所导致的结果就是加工贸易商品的结构升级和增值比率的提高。

篇6

摘 要：以中国科学引文数据库（简称CSCD）基础数据业务外包的实践为例，介绍了数据外包的操作流程和管理方法，以及美国质量管理专家戴明的PDCA循环理论在数据质量管控工作中的应用；并对数据外包业务中面临的问题和解决方法提出意见和建议。

中图分类号：G258.6 文献标识码：A 文章编号：1003-1588（2013）04-0095-03

收稿日期：2013-03-16

作者简介：陆耘（1968-），中国科学院国家科学图书馆馆员。 中国科学引文数据库（Chinese Science Citation Database，以下简称CSCD）创建于1989年，由中国科学院国家科学图书馆建设，并获得国家自然科学基金委员会的支持。目前，该数据库共收录了我国自然科学、医学、农业、工程技术学等领域中英文核心期刊和优秀期刊千余种，截至2012年12月，已积累论文记录350余万条，引文记录3，500余万条。历经20多年的建设和发展，中国科学引文数据库已成为具备专业性强、数据质量优良、数据体系完整、检索方式多样、简单易用等特点的大型数据库，深受用户好评，对科技人员和科研评价等工作具有重要影响。

近年来，随着数据采集量的逐年递增，现有的数据加工人员越来越难以负荷海量基础数据的加工工作，为顺应数据库建设的发展，改变基础数据加工方式势在必行。目前，基础数据外包已经成为各类大型数据库建设的一种主流方式，CSCD数据库亦于2003年实行了基础数据外包，这一改变是数据库建设发展中的一次重要跨越，CSCD数据库建设小组的工作模式亦由具体操作的作坊型向主要负责规划设计、组织协调的统筹型转变，原数据加工人员的工作分别转向用户需求分析、数据质量监控以及与数据供应商的协调等方面。其中，外包数据的质量控制更是新工作方式的重中之重。基础数据质量的高低不仅影响数据后期规范化处理、统计产品的可靠性，还直接影响到数据库对外服务水平，比如：与各类资源的融合度、开放链接服务水平等，直接关系到数据库的生存和发展。笔者将结合CSCD建设的工作实践，对如何做好外包数据质量控制进行初步的探讨。

1 选择适合的外包服务公司，签订职责明确的合同与协议

数据外包公司的服务质量直接决定数据质量。在对数据外包公司的选择上，着重考虑了以下几个方面：首先，要求外包公司具备相应资质和信誉，重点考察其相关工作的经历和业绩；其次，考虑外包服务的成本是否合理；第三，考虑到外包服务是初步阶段，只将非核心业务外包，积累对数据外包工作的管理经验。

综合以上几点，我们拟定了业务外包实施方案，经主管部门批准后，遵循公开、公平、公正的原则，采取对外公开招投标，由专家组成的评标委员会评标，择优选择了适合CSCD建设要求的外包数据服务公司。

在选定了外包公司之后，与中标公司签订详细、明确的委托外包合同，包括合同期限、工作目标、合作范畴、运作方式、责任划分、赔偿问题等。在与外包公司签订详尽的工作协议时，围绕数据特点，尽可能考虑周全，将数据提交格式、质量标准、数量标准、任务完成期限、人员流动控制及违约的惩罚措施、解决突发问题的应急对策等可能出现的问题逐一进行约定，尽最大可能保障外包数据质量。

2 外包实施过程中数据质量控制对策

数据质量体现在对数据加工的全过程的把控，因此，数据加工各环节质量控制对策尤为重要。在外包数据的质量控制中，我们主要根据美国质量管理专家戴明的PDCA全程循环质量控制理论，制定了数据质量的全程控制模式。PDCA是一套广泛用于质量管理的标准化、科学化循环系统，它将工作流程具体分为四个阶段：计划（plan）、实施（do）、检查（check）、处理（action），流程执行实施一遍后，要对出现的问题和不足进行完善和改进，并在此基础上，再一次进行PDCA的循环，从而提升质量控制水平。在实践中，我们没有机械地把四个内容从时间上划分前后阶段，而是把质量控制PDCA四项内容贯穿到数据加工的各个环节和时段，围绕这四项内容，展开相互交融的全面的数据质量控制管理（见图1）。

图1 数据质量控制管理流程图

陆耘：外包数据质量控制初探

陆耘：外包数据质量控制初探

2.1 计划阶段（Plan）

CSCD字段繁多、著录内容多样、逻辑关系复杂，加工难度大，其数据分为3个级别：①Ⅰ级数据，也称原始数据。数据加工要求按照《中国科学引文数据库著录与录入规范》，保证数据内容完整无遗漏，数据对应关系准确，字段分解正确。②Ⅱ级数据。根据《数据审核标准和规范手册》对Ⅰ级数据进行质量检查与修正，完成标准化、规范化处理。③Ⅲ级数据。在Ⅱ级数据的基础上，根据统计产品需要，进一步深加工所形成的统计数据。外包工作主要是完成Ⅰ级数据加工。

2.1.1 做好数据加工人员岗前业务培训，强化质量意识

为了使外包公司的数据质量尽早达到CSCD建设要求，我们根据著录标准编制培训讲义，配备经验丰富的审校人员对外包公司数据加工人员进行严格的岗前培训和考核，培养他们保证质量的意识和能力。我们特别采取了请外包公司人员到项目组边工作边培训的方式，尽快提升数据加工人员的加工水平，并及时发现问题和解决问题，从工作流程的源头保证外包数据质量，实现数据加工工作方式的平稳转变。

2.1.2 确定影响质量的主要因素，制定并完善工作标准和细则

在外包初期，我们对试验数据采取一对一逐册期刊审校的方式，严格按照著录标准和质量要求进行仔细认真校对，将发现的质量问题进行归纳，形成数据错误表单，汇总统计表单中的内容，进行分析和归纳，找出影响质量的各种因素。这些因素可以分为人为因素、技术因素、客观因素三类，就不同因素制定了相关细则和改进方案。比如：为帮助加工人员对某些著录标准、字段含义准确理解，对西文文献类型著录内容的正确识别，我们编制了更为细化、直观的培训讲义，提供了丰富直观的样例。另外，我们进一步整理和编制了各种详尽、明了的工作手册，如《各专业技术职称分类》、《国外主要出版社一览表》、《重点实验室英文缩写表》等，可有效指导数据加工人员甄别和解决工作中遇到的实际问题。

2.2 执行阶段（Do）

在人员培训工作的基础上，由项目组和外包公司双方抽调责任心强、加工经验丰富的人员建立质量管理小组，负责双方的数据质量控制工作。

针对外包公司正式加工提交的数据，我方数据接收人员首先进行数据导入、、数量核对，并通过系统报错追踪等技术手段进行数据前期清理工作。之后由数据审校人员严格对照各项细则和审核标准进行逐个字段的审查，归纳整理所发现的新问题，及时反馈到外包公司质量管理人员，这样使外包公司质控人员可以有重点地自查。另外，我们要求外包公司能够对每条加工数据追溯到具体加工人员，通过“数据认责”方式强化加工人员质量意识，减少错误的重复出现。

2.3 检查阶段（Check）

本阶段工作包括针对数据加工整体质量检查和加工人员个体问题分析两项内容：①经过计划和执行阶段后，我方根据合同规定，将对外包基础数据质量进行全面检查。主要采取定期检查与随机抽查相结合的方式，项目方的质量控制小组每两个月对数据大检查一次，并在每个月中不定时随机抽查，由审校人员提交抽查报告，定期向外包公司提供质检报告，包括以往问题的改进情况和近期发现的新问题，提出整改要求，督促外包公司不断改进数据质量，完善数据检验流程，提高数据加工效率。②根据对错误数据的追溯，发现具体加工人员产生错误的原因，对加工人员提出改进建议，从源头控制数据质量。

2.4 处理阶段（Action）

根据检查结果，双方的质量控制小组总结经验教训，对出现的问题加以分析，及时交流质量信息，并把这一循环周期未解决的遗留问题，转到下一次PDCA循环中去，提出整改措施，防止类似情况的再次发生。

九年来，我们借鉴PDCA质量管理模式，对外包数据质量进行了全面、系统的综合管理，使基础数据加工达到了质量标准，数据合格率达95%以上，大大提高了工作效率，保证了数据库检索服务的及时和准确，为CSCD各类统计产品的按时出版打下了良好的数据基础。

3 外包工作面临的问题及解决方案

我们经过近几年的数据外包实践，在解决内部人力资源不足和缩小时差等方面取得一定成效，质量管控基本达到了预期目标，数据更新频率实现了每周更新。但是，数据外包工作仍然面临着一些问题，需要不断地探索新方法，使外包工作不断规范、更加完善。

3.1 引入新的数据外包公司，规避数据风险

目前的数据外包公司只有一家，这对于数据的安全存在一定的风险，如果这家公司出现问题，则外包数据必然出现问题。因此，如果有可能的话，外包公司应选择两家或以上，能够在一定程度上规避数据风险，并可形成竞争，提高效率，更有效地保证数据质量。当然，管理两家公司也会对我们的管理能力提出更高的要求，并增加管理成本。

3.2 对数据加工人员开展持续培训，应对各类影响质量的问题进行动态控制

CSCD的数据内容和数据结构都比较复杂，数据人员需要一定的时间才能熟练掌握数据加工要领，因此要求数据加工人员队伍相对稳定。但是，当前由于外包公司内部管理等方面的问题，导致公司人员变动比较频繁，给数据质量管控带来了一定的困难。另外，CSCD收录的千余种期刊，各类期刊的著录内容和形式也不断出现新变化，需要根据实际变化对数据加工人员进行及时的业务培训指导。就以上问题，必须有持续的培训机制，方能在各类新变化中有效实施数据动态质量控制。

3.3 进一步完善检查制度，督促数据公司进行有效的质量控制

相继制定的工作细则、审核制度、定期检查制度已经收到了一定的效果，但检查制度的完善和执行力度上还存在着一些不足。我们还需不断地完善对数据公司工作流程和各项质量管理制度的检查和指导，通过有效配合，针对出现的问题能尽快产生解决方案。另外，要建立完善的质量评估系统，敦促数据公司做好针对人员及工作质量的考核，对工作中发生的质量问题严加控制。

以上是CSCD在建设模式实现转变后，我们在数据外包加工中如何保证数据质量所做的一些实际工作和对现有问题的思考，希望通过本文与同行进行交流，向同行学习更多的经验和方法。在今后的工作中，我们还将借鉴PDCA等各种有效的质量管理模式，结合现实情况的变化，不断提高数据质量控制水平。

参考文献：

[1] 牛书东.图书馆业务外包的实践与思考[J].河南图书馆学刊，2007（3）：117-119.

[2] 马桂艳.高校图书馆编目业务外包的全程规范管理[J].唐山师范学院学报，2008（1）：155-156.

篇7

第一条为进一步加强税务系统电子数据处理工作，统一电子数据处理工作规范，提高税收科学化、精细化管理水平，依据《中华人民共和国税收征收管理法实施细则》相关规定，结合工作实际，制定本办法。

第二条本办法所称电子数据（以下简称数据）是指通过计算机应用系统采集、加工而产生的各类数据，以及以各种方式接收的外部数据。

第三条数据处理工作包括：数据采集、数据传输、数据存储、数据的备份和恢复、数据维护、数据安全管理、数据的加工和使用。

第二章电子数据采集

第四条数据采集环节承担着数据的收集、录入工作，是保证数据真实性、准确性、完整性的基础，也是产生数据质量问题的主要源头。

第五条各业务部门根据工作需要，提出拟采集的税收数据指标体系、具体内容和质量标准。各级税务机关信息技术部门根据业务部门提出的要求制定电子数据采集的技术规范，包括：数据采集格式、方法和步骤等，并定期向业务部门通报所采集数据的指标内容变化情况，以便业务部门根据采集到的指标提出数据加工需求。

第六条各级税务机关应针对各项数据采集工作定岗定责，数据采集人员应强化数据质量意识,熟练掌握正确的采集和审核方法，严格按照相关技术规范采集各类数据。

第七条数据采集工作主要集中在各应用系统的操作环节，为保证数据质量，各应用系统的数据录入应遵循及时性、完整性和准确性的原则，严格以原始资料为依据，做到数据真实无误，并且逻辑相符。

第八条数据采集应制订切实可行的核对制度，操作人员应及时将录入的数据与原始资料、有关帐表进行核对，对错误数据及时处理，确保数据质量。

第三章电子数据传输

第九条各级税务机关应针对各项数据传输任务中的数据发送和接收工作，设置专门岗位，明确职责分工，制定相应考核制度。

第十条数据传输工作严格遵照相应的操作规程和时间要求，不得延误。由于特殊原因，数据发送方不能按时完成数据传输任务时，应及时通知数据接收方，双方应积极采取措施，恢复正常传输。数据传输完成，双方应及时进行数据对帐。

第十一条数据传输应当使用税务机关内部计算机网络完成，未经批准不得借助其它公共计算机网络平台进行数据传输。使用可移动载体进行数据传输的，传输完毕后，必须从载体上完全清除数据。

第四章电子数据的存储、备份和恢复

第十二条各级信息技术部门应加强对各类数据存储和备份的管理，以保障应用系统的正常运行，保存完整的历史数据。

第十三条各级税务机关应定期对存储和备份的数据进行优化，以提高系统运行和数据处理的效率。

第十四条各类数据要向总局、省局两级集中，由信息技术部门统一集中存储。

第十五条各级信息技术部门应根据不同类型数据的更新频率、数据量、重要程度、保存时间，制定相应备份、恢复策略和操作规范。

第十六条数据备份文件必须存储在非本机磁盘的其它介质中，建立登记制度，由专人保管，备份介质必须保存在符合条件的环境中，重要数据应异地存放。

第十七条数据备份文件应定期进行恢复测试，以确保所备份的数据能够及时、准确、完整地恢复。

第五章电子数据维护

第十八条数据维护包括对电子数据中错误数据的修正、不完整数据的补充、垃圾数据的清理及历史数据的迁移等。

第十九条各级税务机关应结合各应用系统制定详细的数据维护工作制度，明确数据维护的权限、职责，严格按照工作制度进行数据维护。已经进入应用系统的数据，不得擅自修改、删除。

第二十条数据维护前应做好相应备份工作，能够通过前台解决的，由相关操作人员按照操作规范维护；需后台解决的，由责任人提出书面申请，经相关业务部门和技术部门审核确认，主管领导同意，并逐级提交、批准，报送有数据维护权限的信息技术部门进行技术审核，并依据可行性进行数据维护。

第二十一条数据维护工作应严格备案，对每项数据维护的内容、时间、维护原因、责任人等进行详细记录，涉及的书面材料必须登记存档。

第六章电子数据安全管理

第二十二条数据安全管理的内容包括：数据访问的身份验证、权限管理及数据的加密、保密、日志管理、网络安全等。

第二十三条各类应用系统的使用必须实行用户身份验证，操作人员应注意自己用户名和口令的保密，并定期或不定期修改口令。

第二十四条对数据库的管理实行数据库管理员制度，关键数据库管理岗位应设两人或两人以上。

第二十五条对数据的传输、存储，严格按照相关规定进行加密处理。

第二十六条对各类数据应严格执行保密制度，不得泄露。

第二十七条对数据的各项操作实行日志管理，严格监控操作过程，对发现的数据安全问题，要及时处理和上报。

第二十八条各级税务机关要加强网络安全管理，采取严格措施,做好计算机病毒的预防、检测、清除工作，防止各类针对网络的攻击，保证数据传输和存储安全。

第七章电子数据加工和使用

第二十九条数据加工是指根据工作需要，用科学的方法对数据进行抽取、统计、挖掘，获得知识和规律，为税收的科学管理和决策提供依据和参考。

第三十条数据加工包括：数据的抽取、集中、归类、比对、统计，并以报表、图形、文字等形式展现数据处理结果。

第三十一条数据加工一般由各级信息技术部门承担，业务部门有特殊需求时也可由信息技术部门提供数据由业务部门自行加工。业务部门提出的数据加工需求，由信息技术部门就需求的可行性和规范性进行研究，根据具体情况提出修改和完善的意见，经主管领导及协调部门同意后，由信息技术部门会同业务部门进行数据加工。

第三十二条数据加工分两个层次，一个层次是满足日常应用的数据加工工具，供各部门日常使用，其中总局负责组织总局开发部署应用系统的数据加工工具的开发工作；一个层次是日常工作中积累的新增数据加工需求，可以在数据加工工具的基础上自行加工实现，也可按照第三十一条要求提交信息技术部门进行数据加工，条件成熟时再一并纳入数据加工工具。

第三十三条加强数据使用授权管理。信息技术部门提供已集中数据列表，各单位提出使用数据的意见，办公厅（室）汇总并提出数据使用授权的建议，报局领导审批。信息技术部门根据局领导批准的数据使用授权，进行数据使用权限配置。

第三十四条数据使用单位和人员必须严格按照授权使用数据，负责管理本单位、本人口令，不得越权使用数据；不得采取任何方法破坏数据；对所使用的数据负有保密责任；对外公布数据必须经办公厅（室）审核，并报局领导审批，不得擅自对外公布数据。

第三十五条各级税务机关应充分利用数据集中的优势，加强数据利用，不断提高税收管理和决策水平，并减轻基层单位统计和上报报表数据的工作负担。

第八章考核和责任追究

第三十六条数据处理是税务信息化应用的重要内容，各级税务机关应根据本办法所涉及的内容制定具体的数据处理考核办法。

第三十七条未按本办法执行并造成损失的依照有关规定追究责任。

第九章附则

第三十八条各级税务机关可依照本办法制定具体的实施办法。

篇8

关键词： 数据库系统 Access 2003 工资管理系统

1.系统分析

企业的工资管理是公司管理的一个重要内容。随着企业人员数量的增加，企业的工资管理工作也变得越来越复杂。传统的手工处理不但费时费力,而且容易出错,利用数据库管理软件Access制作一个功能完善及安全可靠的工资管理系统，能够提高工作效率，节省人力和物力，最终满足企业员工工资发放的需要。

2.总体设计

工资管理系统的主要任务是根据员工的出勤、所承担的工作等情况来生成企业每位职工的实际发放工资。所以，本系统应包括员工基本情况录入、考勤情况录入、以几种特殊字段（如：员工编号、姓名、部门等）为条件的员工工资信息查询和制作工资报表等功能模块。并且通过设计登录窗体要求输入密码，限制非法用户的使用，保障数据库的数据安全性。数据库总体设计如图1所示。

3.数据库设计

对于工资管理系统，数据库所要保存的数据是员工基本信息和考勤信息，基本信息是相对固定不变的，考勤信息是每月都要进行统计的。在这些数据源中，考勤信息是我们要重点考虑的部分。

工资是企业按劳动制度的规定支付给职工的劳动报酬，工资管理应该包含与工资有关的员工信息，如职工编号、姓名、性别、部门、基本工资，等等；考勤情况，如加班、奖金、补贴、处罚、其他扣减等。通过分析，得到如下E-R数据模型。

员工基本信息表结构：

员工（职工编号、姓名、性别、出生日期、部门、职称、基本工资、电话）

考勤情况表结构：

工资（工资编号、年月、职工编号、基本工资、补贴、实出勤天数、节假日加班天数、法定节假日加班天数、奖金、病假天数、事假天数、旷工天数、其他扣减）

说明：

“实出勤天数”是该员工该年月实际出勤天数；“节假日加班天数”是普通节假日加班的天数，因“实出勤天数”已记出勤一次，故再加“节假日加班天数”则形成双倍工资；类似的，“法定节假日加班天数”用于记录法定节假日的加班天数，以形成三倍工资。

应发工资 = 基本工资*（实出勤天数+ 节假日天数 +法定节假日天数）/应出勤天数+补贴 + 奖金

扣款合计 = 病假扣款 + 事假扣款 + 旷工扣款 + 其他扣减

实发工资 = 应发工资 - 扣款合计

建立表之间的关系：当数据库中包含多个表时，需要建立表之间的关系，从而建立表之间的信息联系，在建立表关系之前，一定要确立每个表的“主键”与“外键”。并根据需要设置参照完整性，从而建立表之间的关系。创建表之间的关系，不但可以避免引用不存在的实体，而且可以使相关表中的数据同步更新、同步删除，从而保障数据的完整性。

4.其他数据库对象的设计

为了计算每一位员工的实发工资，需创建一个“工资查询”，以“员工”和“工资”两个表为数据源，并增加计算字段“实发工资”。在工资查询的基础上，创建以编号、姓名、部门等字段为条件的参数查询，以实现系统的多条件查询。

窗体是用户和应用程序之间的主要交互界面，在工资管理系统中有两个数据输入窗体，分别是“员工信息”窗体和“考勤情况”窗体，用户可以通过窗体输入、修改、删除数据，并将数据保存到相应的表中。有两个数据查询窗体 ，分别是“按编号查询”窗体、“按姓名查询”窗体、“按部门查询”窗体、“按年月查询”窗体。调用相应的参数查询，实现查询和窗体的链接。

报表是用来汇总、打印数据的，系统设计了 “工资报表”和“工资条”，以供员工核对和公司财务留存审核。

5.主窗体设计

主窗体是工资管理系统的导航，设计了八个命令按钮，通过单击命令按钮调用相应的窗体。分别调用 “员工信息”窗体、“考勤情况”窗体、“按编号查询”窗体、“按姓名查询”窗体、“按部门查询”窗体、“按年月查询”窗体、“工资条”和“工资报表”窗体。

6.数据安全设计

当整个系统的设计基本上完成以后，还可以设计一个登录界面，为数据库设置密码，以维护数据库的数据安全。在系统登录窗体界面，设置输入登录口令的文本框。若登录口令正确，可打开系统的主窗体；若登录口令不正确，提示用户重新输入。在宏编辑窗口，创建确定和退出两个命令按钮控件触发的宏组，来实现系统的登录。

7.结语

使用Access 2003开发一个工资管理系统是很有必要的。本系统从实际需求出发，设计数据库对象、设计算法，实现数据的采集、计算、输出，从根本上解决了企业工资发放的问题。该系统使管理工作变得轻松、便捷，极大地提高了公司管理的工作效率。

参考文献：

［1］孙惠满.数据库应用基础Access，北京理工大学出版社，2007.

［2］张瑞英.Access 2003数据库案例教程， 机械工业出版社，2007.

篇9

【关键词】大数据；冶金；工程项目管理；革新

1引言

冶金工程项目作为一项重要的大型社会项目，具有复杂多样的特点。合理地运用互联网大数据的技术与特点，可以使冶金工程项目在各方面得到加强。本文主要分析了各种因素对冶金工程项目管理的影响和作用，并提出符合大数据背景发展的策略与建议，让冶金项目工程管理在大数据背景下实现最有效，最高效的革新。

2大数据的主要特点

2.1数据体量大

随着科技的逐渐发展，互联网中的信息量在时代的发展中具有爆发式增长的趋势。例如，微博每秒钟就会产生千余GB的数据，支付宝每秒钟也要处理上千笔的交易。人们的信息数据的使用量也在科技的发展中逐渐被满足，而大数据便是为了满足人们与日俱增产生的信息量所产生的技术之一。在目前的科技发展中，互联网中产生的信息数据已经不计其数，以邮件、帖子等形式发出的信息更是多如牛毛。根据数据统计，全球每天产生的数据量高达约3×109GB，标志着随着科学技术与信息技术的不断进步，数据和其相关流量的发展即将到达前所未有的速度，而数据信息的规模也会在发展中继续扩大。

2.2数据种类多

我国的数据信息在发展中逐渐走向多元化的道路，人们获取信息的方式也在逐渐增多。各种信息社交平台在满足人们的需求的同时，对人们的生活方式产生了巨大的影响。在这一过程中，各行各业的发展模式也发生了巨大的改变。其中，冶金行业在信息技术的发展中的改变尤为显著。冶金工作人员根据信息技术对工程项目进行管理，在提高工作效率的同时，使工程项目管理工作更加合理有效[1]。

2.3信息处理速度快

与传统的数据处理相比，大数据处理具有速度快的特点。云计算的诞生使我国信息技术的发展更加蓬勃。云计算的信息保管方式相较于传统数据更加安全保险，使数据的保存更加安全、稳定，在信息传输技术方面也有了巨大的进步，能够让目前情况下的信息技术得到最大效率的发挥。

3利用大数据进行的工程项目管理革新要点

3.1全面数据的收集与应用

在冶金工程项目中，可以使用大数据进行工程项目的管理。其中，各种新科技都可以在冶金工程项目管理中得到应用。项目和企划的管理者都需要在大数据背景下积极掌握各项数据的采集、分析和应用的能力与技术。把握时展中的机遇，合理利用大数据技术促进相关工程项目的发展，让工程项目的发展和管理更加科学化、合理化。在大数据的发展中，具有复杂性、多样性、规模大等特点，因此，冶金工程项目的相关从业人员，需要对收集到的数据进行多元化、动态化的处理，并进行分析与判断，从中筛选出需要的、有利用价值的数据信息。目前，我国工程项目管理方面的大数据采集、利用与分析已经取得了较大的进步，获得了一定的成效，但仍然存在相关问题需要被重视与研究[2]。在工程项目管理中，大数据的收集、分析与整理是从大数据信息中逐一分流、筛选、对比整理而获得的对项目的发展具有一定价值的部分。这些数据信息可以让人们通过分析总结，发现数据中表现出的规律和其中表达的含义，与此同时，为人们在工程项目的管理中提供可以参考和依据的信息，为相关工程项目服务[3]。例如，根据大数据技术，人们可以实现在冶金工程项目中进行隐患排测、冶金工程项目的风险评估，以避免工程进行中可能发生的意外和事故，提高冶金项目的安全指数，确保工程中的财产安全和人身安全。在项目建设前期，大数据技术还能对项目进行预算分析和成本估测，减少不必要的损失，科学地对成本进行把控，实现利益最大化。目前，我国利用大数据进行工程管理项目已经取得了巨大的进步，获得了一定的成绩。可以总结为以下几点：（1）冶金工程项目管理可以利用对大数据的收集、分析和整理，对所需要的数据信息进行分析，获取需要的主要信息，但在虚拟冶炼的数据分析方面还需加强；（2）利用大数据分析，可以在一定程度上节约建造成本，有目标地进行冶金项目工程规划，但在具体的分析规划与实施中，仍需要进一步的研究；（3）工程项目管理在一定程度上已经取得了巨大的进步与创新，但是仍然需要更多的成果向人们证明与展示。

3.2大数据决策与集群智能的应用

在大数据的发展背景下，工程项目管理中对大数据技术的应用加速了工程项目管理从传统的模式到信息科技模式的转型，使工程项目的管理水平得到了巨大的提升，也使施工质量在大数据的作用下更加高效、经济。在我国目前的工程项目发展阶段，使用各种先进的大数据技术可以达到对冶金过程、工厂施工、冶金材料等各方面进行数据运算分析，甚至是实景场地的模拟。但是在实际情况中，由于工期较长且具有不确定性等特点，使所分析的数据中也带有一定的不准确性的特点。而大数据决策中，会有一部分功能受到各种因素的干扰而出现模糊性，使预测结果可能出现一定的偏差，而大数据的决策技术能一定程度上的减少偏差，弥补这些不足之处。在大数据的集群智能系统中，可以通过互联网的形式，实现网络传播的形式，实现人们相互交流学习的目的，将彼此的成果汇总凝结成完整的集体的成果，解决个人不能解决的问题，将个人的能力汇总成集体的能力，这也是大数据的本质作用。但在集体智能系统中，仍然存在问题，怎样定义所谓的集体范围，怎样运用集体智能系统，在现实中都是人们有待解决的问题。

3.3区块链大数据技术的应用

在使用大数据决策或集体智能系统的过程中，必然会面对一个相同的问题，即数据的虚假性。在前期采集的数据中，不可避免地会遇到相当一部分的虚假数据，在后期，有可能因为这些数据的误导，在工程项目预测中与实际情况产生巨大的偏差。这些偏差可能造成的不仅是经济上的巨大损失，还可能造成安全隐患。对工程项目的发展有不利的影响。因此，大数据的区块链是解决这一问题至关重要的技术，它能够避免这一问题的产生，被认为是新阶段时代性的技术创新成果。

4结语

总而言之，在时代的快速发展中，冶金工程应把握时代的机遇，根据大数据的特点，加快模式的改革与创新。其中，应注意掌握与相关工程项目的特点，加以利用，在工程管理中做到数据的全面整理与采集，利用集体智能的大数据技术，结合区块链大数据技术，使冶金项目工程管理在革新中达到更加高效合理的发展。

【参考文献】

【1】刘爽,毛栉睿.大数据背景下工程项目管理的革新要点[J].工程建设与设计,2018(4):230-231.

篇10

再次，完备的公路工程档案还是管理队伍进行科学系统的管理技能学习与提升的重要教材。通过档案的组织学习也能够逐渐形成一种独独具特色的企业管理文化，并通过一代一代管理人的学习与传承使之发扬光大。

二、大数据在公路工程档案管理中的重要性及作用

首先，公路工程档案管理需要进行海量的数据收集的，但是并不是每一项数据都是切实有用的，如果不分好赖的统统进行收集那么不仅会严重影响数据收集工作的进度同时也会让数据库里的数据一片混乱，有用无用的统统被放在一起。大数据技术在数据信息的收集方面能够有效鉴别数据质量及优劣，能够根据管理的实际需要进行数据的有效甄别，在最短时间内进行数据优选，从而既提升了收集效率又加强了数据总体质量。其次，大数据时代的来临让原本具有本质差别的各种数据存储阵营进行了有效整合，让各种数据传输接收端口逐渐统一化，从而真正意义上解决了部门不相容、领域不交叉的问题，让数据能够更为有效的进行传输和收集整理，这对于公路工程的档案管理工作来说具有非常重要的现实意义，因为公路工程建设不仅周期长、产生数据量巨大、同时还以为涉及到大量的部门及环节而在许多时候无法进行数据的有效交互与沟通，所以大数据技术能够很好的解决这个问题，实现数据的无差别传递，更好的满足对于数据的实际需要。再次，大数据在公路工程档案管理工作中能够发挥较大的实用性，能够更好的实现档案数据精确化收集与管理，能够将繁杂的海量数据进行有效归类与整合。

三、大数据背景下的公路档案管理措施研究

为了在大数据背景下切实加强公路工程档案管理工作具体质量还是需要进一步分析与寻找新方法与新措施。

（一）大力建设新型数据库

大数据时代的数据存储是当前主流数据存储载体所无法承受的，因此为了更加有效的使用大数据技术以及在大数据时挥更有效的信息管理作用就必须大力建设新型数据库。新型数据库不仅是指要进一步扩展数据存储的空间，同时还要加强多样性数据的存储能力升级，不仅要能够有效存储文字、符号等数据，同时对于声音、图片、影像的存储也要加大研究与开发力度，同时还要加强数据传输端口的统一化调整，方便数据信息的交互与传递，为大数据时代的档案管理工作提供一个良性环境。

（二）加强大数据分析软件的开发应用

大数据时代的特点不仅是在于数据的收集速度及额度，同时也在于数据分析的快速高效，为了能够有效利用这一特点就必须加强在数据分析及整个方面的技术开发与利用水平，要加强与数据开发专业公司的大力合作，并针对公路工程档案数据特点进行相应的数据分析软件开发，同时还要针对新技术能够快速普及的要求切实提升档案管理人员的总体素质，发挥最大化管理作用。

（三）加强风险预警机制建设

任何管理工作都会伴随着相应的风险。在大数据时代，管理工作能够更快更高效，同时风险也会更多更密集，所以风险预警机制的建设必不可少。风险预警机制建设最重要的部分就是根据大数据信息传输及管理特点加强档案信息安全性监管，设置更为科学有效的关键控制点，主要监控内容应该放在防止信息泄密、防止信息丢失、防止信息被恶意篡改、防止隐私权被侵犯以及防止与信息相关的知识产权纠纷发生可能性等方面。同时还要重视风险应对工作小组的及时建设，这样才能够及时发现问题、分析问题以及解决问题。

四、结束语