关键词： Excel应用程序 运用 英语考试成绩 分析
引言
通常在工作中，经常会用到Excel应用程序进行筛选、排序、求平均值及插入图表等。本文主要讲述Excel “分析工具库”加载宏中提供的一组数据分析工具（称为“分析工具库”），如描述统计工具、排位与百分比、直方图工具、积差相关描述等，在帮助建立复杂统计或具体分析时可节省不少的步骤。以某班级某次英语考试成绩为例，我们利用上述四种工具对该成绩表进行分析，并得出一些合理的结论。
要查看可用的分析工具，请单击“工具”菜单中的“数据分析”命令。如果“工具”菜单中没有“数据分析”命令，则需要安装“分析工具库”。安装“分析工具库”步骤如下：
1.在“工具”菜单中，单击“加载宏”命令。
2.选中“分析工具库”复选框。
一、描述统计工具
1.统计描述
“描述统计”分析工具用于生成源数据区域中数据的单变量统计分析报表，提供有大数据趋中性和离散性的综合信息。
对于一组数据，要想获得它们的一些常用统计量，可以使用Excel提供的统计函数来实现。例如AVERAGE(平均值)、STDEV(样本标准差)、VAR(样本方差)、KURT(峰度系数)、SKEW(偏度系数)、MEDIAN(中位数，即在一组数据中居于中间的数)、MODE(众数，即在一组数据中出现频率最高的数值)等。最方便快捷的方法是利用Excel提供的描述统计工具，它可以给出一组数据的许多常用统计量。
2.操作步骤
打开“工具”―单击“数据分析”―选中“描述统计”―按选项中要求操作，最终确定即可。
汇总统计结果可以包含：平均值、标准误差(标准误)、中值(中位数) 、模式(众数)、标准差、样本方差、峰值(样本峰度)、偏斜度(样本偏度)、区域、最小值、最大值、总和、计数、第K个最大值、第K个最小值、置信度。
3.操作结果（如图所示）
4.结果分析
“总分”项的平均分为72.7642857，标准误为0.77236974，中值为73.5，模式为70，标准偏差为6.46210886（注意：此处是估算的标准差，而非计算的标准差。计算的标准差应为：6.415784903），样本方差为41.7588509，峰值(峰度)为-0.1489733，偏斜度（偏度）为-0.2945057，全距（区域）为29，最低分为57，最高分为86，分数总和为5093.5，有效数据为70个。从峰值-0.1489733和偏斜度-0.2945057都非常接近于0这一点，可以判断这些数据来自一正态分布总体（或可以说：该总体呈正态分布①）。
二、排位与百分比排位
此分析工具可以产生一个数据列表，在其中罗列给定数据集中各个数值的大小次序排位和相应的百分比排位，用来分析数据集中各数值间的相互位置关系。分析该次测验中每位学生在班级中的成绩排名和相应的百分比排位，得到操作结果如下（本处篇幅有限，只选前面8名的数据）：
三、直方图
1.直方图的意义
直方图中小矩形的面积就等于数据落在该小区间的频率f／n。由于当n很大时，频率接近于概率，因而一般来说，每个小区间上的小矩形面积接近于概率密度曲线之下该小区间之上的曲边梯形的面积。所以，通常直方图的外轮廓曲线接近于总体x的概率密度曲线。这样直方图就直观地给出了数据的统计特性和分布情况。
2.操作步骤
打开“工具”―单击“数据分析”―选中“直方图”―按选项中要求操作，确定即可。
3.操作结果（如图所示）
4.结果分析
从峰值和偏斜度都非常接近0这一点可以判断该总体呈正态分布。但是仔细分析表中最高频率（图中红色部分）出现在平均值（图中黄色部分）的右侧，由此可见数据呈负偏态分布，说明试题难度偏低，难度较低的项目比例偏大。呈这种分布的试题有利于将成绩较差的学生和中等程度的学生区别开，但不利于将中等程度的学生和成绩优秀的学生区别开。
四、积差相关描述
1.积差相关描述
该工具能够帮我们得到一些相关系数，从而分析数据之间的相关系数。比较各个相关系数，可以帮助我们从中找到一些规律，来指导我们的教学和科研。
2.操作步骤
打开“工具”―单击“数据分析”―选中“相关系数”―按选项中要求操作，确定即可。
3.操作结果
4.结果分析
从上表中可以看出，“听力”与“总分”的相关系数达到了0.784017，“词形变换”与“总分”的相关系数达到了0.5940568，我们就可根据这个发现各题型之间各占总分的比例。
结语
在教学管理过程中，各个班级的考试成绩的统计和管理、试卷难度分析，都是举足轻重的环节。在这些过程中，我们经常碰到的数据统计分析问题及绘制图表等，需要进行大量而繁琐的数据处理。Excel不仅能够方便地处理表格和进行图形分析，更重要的是它拥有对数据的自动处理和计算的强大功能，可以方便地用于教学工作的数据处理、管理班级成绩、检测试卷难度和区分度，使对学生学习成果的检验更加科学、客观，从而更加有利于促进将来的教学工作。
注释：
①正态分布:如果分数呈对称性分布，其平均数、中数和众数是重合的。一旦三者错开，则表明分数偏离对称分布.
参考文献：
［1］张伯懿.统计学原理［M］.北京: 中国石化出版社，1997.9：239－244.
［2］周复恭.应用数理统计［M］.北京：中国人民大学出版社.1989.9：378－391.
［3］谢明文.关于协方差、相关系数与相关性的关系［J］.数理统计与管理，2004，23，(3)：33－36.
［4］微软公司，Microsoft Excel 2002 标准教程(教师手册)［M］.北京：中国劳动社会保障出版社，2002.2.
［5］许飞琼，曾玉平.统计学.中国统计出版社，1995.
［6］夏金成.英语学习动机和态度与学习成效的关系研究［J］.湖南第一师范学报，2005.Vol.5 No.1.
［7］王汉澜.教育测量学.河南大学出版社，1987.
［8］暨南大学《教育测量》研究组.关于考试的科学化和标准化问题.
［9］王孝玲.教育统计学.华东师范大学出版社，1986.
［10］金玉章.实用教育统计与测量.教育科学出版社，1988.
［11］于信凤.考试学引论.辽宁人民出版社，1987.
“区情数据”指承载辖区基本信息、主要信息、关键信息的统计数据。
熟记”区情数据”，是一位辖区官员、统计局长最起码的应职表现。一份调研、一场报告、一次讲话、一次汇报，甚至一次讨论或一次不经意的交谈，区情数据能否被您熟练引证和运用，会把您这位官员是否称职折射得淋漓尽致。
熟记“区情数据”，效果是什么
折射敬业精神。辖区官员，统计局长应该是区情“活的载体”。掌握区情、分析区情、运筹经济、指导工作，是辖区官员、统计局长的岗位职责，而区情数据是最直观、最基本的量化依据。身为辖区的行政领导、统计局长，基本的、主要的，关键的区情数据都不熟悉，不掌握，没概念，那履行岗位职责岂不大打折扣?如果区情数据说哪有哪、脱口即出，那是您的敬业表现，也是不容否认的职场亮点。
折射务实态度。分析区域经济运行、盘点地区工作成果、接待上级行政领导、回答媒体记者提问、讨论决策部署工作，是辖区官员、统计局长例行的工作活动。在这些活动过程中，区情数据是要储存在脑子里边，“随带随用”的工作素材。如果脑子里面空空如也，七零八落，要想提高工作质量，特别是口述内容的分析含量、数据关联含量是不可能的，更看不出您在职场上的务实态度。一个夸夸其谈、不善于用数据说话的领导，很难找出他的职场亮点。
折射职业色彩。区情数据信息完整、记忆牢固，对于提高决策水平、拓宽分析视野非常有好处。首先，您在梳理数据、分析区情的时候，储备的区情数据越多，关联信息的范围就越大、匹配数据的区间就越宽，信手引证的“活情况”就越多、从而说理效果就越好。其次，您掌握的区情数据越具体、越全面，才能站在“辖区”的视角，把握分析的深浅度，折射主管经济工作的职业色彩，燃出职场亮点也就很自然了。
折射业务水准。品评一个人的职业素质如何，很大程度上是看他的应职能力，应职能力的强弱，又看他相关知识与信息的存储结构，特别是与岗位关联度高的基本情况信息掌握程度。当您得心应手地引证、介绍、分析区情数据，并把这种活动升华成应职成果的时候，展示业务水准的效果也就达到了。
十几年前，原国家统计局局长朱之鑫到某县调研，在座谈讨论中，在没做笔录的情况下，他不仅准确复述了当地领导口头汇报的十几笔经济数据，还当即点出了指标间的关联关系，并随口列出了全国部分经济指标数据。统计局长的职场形象非常突出。
熟记“区情数据”，内容有多少
“区情数据”的范围和内容，没有统一界定标准。一般应该熟记以下内容：
基本情况数据。如：辖区面积、耕地面积、总户数、总人口(常住人口、户籍人口、流动人口)、从业人员、区划机构、工作机构。还应包括路、水、矿、林、旅游，教育、卫生、文化等资源数据。
活动成果数据。活动成果数据指辖区主要社会经济统计数据(重点是年度数据)，如：地区生产总值、税收、财政收入、工农业总产值、城镇居民可支配收入、农民纯收入、固定资产投资、社会消费品零售额、居民储蓄额等总量数据。还应记住主要的结构数据：产业结构、人口结构、行业结构、税收结构、收入结构、从业人员结构、消费结构。除上述结构数据外，最好要记住新兴产业、重点大户比重数据。
市场主体数据。即企业(个体工商户)总量和相关分组数据，如全部企业，个体工商户数量，企业的规模分组、行业分组、隶属关系分组、所有制结构分组，地区分布等。还应记住在市场主体中有多少总部、集团、连锁企业。
如何做到对区情数据记忆牢固、脱口而出、随机运用，除了一些技术性方法，如机械背诵、小数取整、科学归类、利用谐音外，关键还要靠“心”，凡事用心、何难之有?
用好“横向数据”
“横向数据”，即相关地区之间的横向对比数据。把本辖区放在一定范围，就相关地区的数据进行对比分析，是辖区官员常用的”职场动作”，也是统计部门经常使用的分析角度。有比较才有鉴别，有比较才知长短。但如果只是抽象地、机械地、简单地对比哪个指标谁多、哪个指标谁大，那是非常局限的，很难提高您的决策质量和“横向分析”质量。笔者认为，用好“横向数据”在于科学选择和分析。
科学选择“横向数据”
辖区之间进行主要经济指标的总量对比、规模对比，是直观的、明了的，一般月度、季度的对比频率还是可以的。但如果年度对比、时期对比，总是一成不变的主要指标、总量指标对比，那就把“横向数据”用窄了。其实在重要的时段、每年的年度，还有很多数据可供选择。
评价数据：不同行政辖区之间进行横向对比，最科学的数据就是综合评价数据，可选择主成分分析法，综合指数评分法等。因为综合评价数据对比视角更全、对比效果更好。
平均数据：平均数据可以“冲淡”总量指标无法体现的资源禀赋、区位特点、经济规模差异，对比结果更显“公平”。
速度数据：速度数据可以直观测度和比较经济社会运行趋势，特别是经济总量增长速度、居民收入、职工工资增长速度等。
结构数据观察结构数据，既能品察不同区域的经济运行质量和后劲，还能分析对比不同区域的经济格局与特点。
强度数据：强度数据是两个性质不同但有一定联系的总量指标相互对比的数据，和”平均数据”的使用效果大致相同。如人均耕地面积、绿化覆盖率、万元GDP能耗、万人刑事案件发案率、万人拥有生活服务网点(卫生床位等)。
科学分析“横向数据”
不同辖区范围进行横向对比，最忌简单、机械、抽象地观察“谁大、谁高、谁快”，如果不清楚、不考虑、不知道对比对象之间的地域差别、区位特征、规模大小，其横向数据的对比就失去意义了。
笔者认为第六次全国人口普查短表的18个指标、长表的45个指标系统全面地反映了人口的自然属性和社会属性，而对这些项目的分析研究将有助于我们更好地认识人口发展变化情况，为城市发展、公共管理等方面提供有益的支持。或许，你还是觉得人普资料开发“高深莫测”，那么，笔者先和你说说人普资料开发的作用吧，或许听完这些，你会发现它就在你身边！
透过数据看现象
统计是一门专业性很强的学科，小小的数据却容纳了丰富的万千世界。因此，想要做好人普资料开发，必须先用好数据。下面，我们就来看一下数据在人普资料开发中的作用吧。
观往知来：反映现状、预知未来。人口普查为我们提供了大量丰富而翔实的人口数据。在人口普查的指标设置上，我们可以获得关于人口总量、结构、出生、死亡、婚姻家庭、受教育状况、劳动就业、民族、人口迁移流动、城镇化、居住状况等方面的资料。比如，在普查短表中有关于人口受教育程度的信息，通过对其进行分析，可以获得当地人口受教育的基础信息。在普查长表中有关于就业人口行业以及职业的数据，通过分析不同地区就业人口的行业分布，可以反映这一地区的就业状况。通过对普查短表和普查长表的综合分析，可以获得真实全面的人口数据，进而客观反映当前人口情况，弄清人口形势。当前，人口发展变化很快，利用人口普查数据对人口未来发展形势进行推算，挖掘人口背后的问题，有助于帮助我们认识人口发展规律、判断人口变化趋势，为政府制定人口发展战略提供依据。此外，通过对人口数据的预测，可以提前了解未来人口的发展趋势，以便在社会、经济和环境等各个领域发挥人口数据的应用价值。
按图索骥：摸清各项指标间的关系。人口普查的各项指标是相互联系，有机统一的整体。因此，对数据进行分析研究时，如果仅仅关注单个指标的话，很可能只反映了人口普查某一时点的现状，而忽略了相关指标间的联系。对此，我们需要探寻各个指标间的关系，才能使数据生动起来，变得更有价值。比如，分析就业人口的行业时，如果只分析行业，通常得到的只是各个行业就业人口的情况。如果把性别的因素考虑进去，那么将会得到建筑业、交通运输、仓储及邮电通信业等行业“男性就业人口比例明显高于女性”的结论。通过上述分析还可以清晰地看到：性别与行业之间存在着密切的联系。从这个角度而言，我们在对人口普查数据进行分析时，除了需要考虑自身的各项指标外，还应该充分利用外部资源，寻找人口和其他指标之间的关系。再如：通过分析不同年龄段人口的分布和幼儿园的分布情况，可以及时了解当前“入园”的现状和未来发展趋势，为教育资源的合理规划提供重要的依据。
评估检验：有效提高数据质量。一般情况下，获得统计数据后，相关人员都会对数据进行评估，人口普查分析研究工作也不例外。表现为：在人口普查项目的设置上，可以对人口总量进行评估，对人口结构数据开展检验等。目前，人口普查数据的评估技术已较为成熟，在分析研究中，加强对数据评估的开发，可以更好地分析数据质量，为今后的工作提供经验。例如：在人口普查项目中，性别、年龄是构成人口群体的基础数据，如果这两个数据不够准确，其他数据便无从谈起。比如，通过比较男女两性人口的年龄分布曲线，可以检验年龄申报的准确性，来提高检验人口数据的质量。值得一提的是，运用人口统计分析技术对数据评估进行分析，将为今后方案的设计、项目的调整等提供强有力的支持。
如何让人普资料开发大有所为
既然人普资料开发与我们每个人都息息相关，那么如何更好地发挥人普资料开发的作用呢？根据《全国人口普查条例》的相关规定，笔者认为以下三个方面的内容需要引起重视。
针对不同群体，分析研究应有侧重。首先，目标人群是社会公众的情况下，人普数据分析研究可以以短、平、快的专题分析等形式进行，比如内容通俗易懂的简明资料或者简明知识读本等。这种宣传形式的优势在于可以让更多的人了解人口普查。其次，目标人群是各级政府部门的情况下，人普数据分析研究应该更加注重研究与实际工作的结合，需要对党和政府关注的重大问题进行研究，比如通过课题的形式进行深入研究。此外，也可以针对当前热点、难点等社会关注的问题进行研究。
数据汇总和数据分析应无缝衔接。人口普查资料开发工作是一个全方位、系统性的工作，因此各个环节间的衔接也就变得十分重要。具体而言，进行数据分析前需要完成数据汇总工作，如果数据汇总和数据的时间跨度较长，将会影响分析研究的时效性。如果数据汇总内容较少，将会影响分析研究的深入，进而影响分析研究作用的发挥。笔者认为做好数据汇总和数据分析间的有效衔接需要关注三方面的工作。一是数据汇总前需要全面统筹，设计好汇总表式，考虑到要从哪些角度进行研究分析，这样一方面可以避免工作的重复进行，另一方面还可以提高工作效率。二是在分析研究中，如果发现汇总的数据不能满足分析研究，就要及时组织人员进行汇总。由于数据汇总和数据分析是由不同人员完成的，这就需要彼此间加强沟通，确保统计口径的一致性、数据的完整性和准确性。三是数据汇总、分析结束后，要及时总结整理，以确定哪些是基础项目，哪些是需要关注的项目，以便于为其他调查提供参考。
[关键词] Excel 数据透视表 应用
1 Excel软件的工作原理
首先明确Excel模型需要完成什么工作任务，确定完成任务采用的方法如何实现，然后运用Excel工具建立工作模型，该模型应包括原始数据、业务处理的计算公式、模型约束条件三部分自动完成，最后计算机按数学公式和约束条件自动完成模型求解，并用适当形式表示结果，进而分析得出结论。
2 财务工作中常用的Excel数据分析处理功能
2.1 函数应用
在财务管理中使用最多的是财务函数、数学函数和统计函数，Excel函数库提供的函数能够满足简单的财务分析和管理。如果需要进行某种特殊复杂分析计算，则可以通过自定义函数公式来实现。例如：一般的汇总统计使用SUM求和函数，如果是分类统计，则使用分类汇总命令，而条件求和函数的功能是在满足指定的统计条件下，对给定数据区域中的某一指定范围进行累计求和，其他简单统计指标的计算，则可以调用函数库中的其他函数。
2.2 图表分析
图表和数据透视表是Excel的两个强大数据分析工具。在利用Excel进行数据处理与分析时，有时既要使用函数和公式解决数据处理，还要制作各种各样的统计分析报表，使用函数和公式，就必须一个函数套用一个函数，公式又非常长，一般人别说创建这样的公式了，就连看看也觉得非常难以理解。这时使用图表和数据透视表就可以从创建复杂公式、使用各种函数的工作中解脱出来，迅速而准确地对数据进行处理分析，制作出漂亮的报告和图表。
2.2.1 图表使用
用图形和图表表示数据，可以直观地提示数据之间的变化趋势、变化周期、变化速度和变化幅度。Excel提供了14种内置的图表类型，不同的图表类型反映的数据特性侧重点不同，应用时根据实际需要选用不同特性的图表类型。最常用的是直方图、饼图、雷达图、散点图和带有折线或曲线的散点图。Excel中可以建立嵌入式图表和图表工作表。嵌入式图表是把图表直接绘制在原始数据所在的数据表中，而图表工作表则是把图表绘制在一个独立的工作表中。无论哪种图表都与原始数据紧密相关，任何数据变化都可以立即反映到图表中。
2.2.2 数据透视表
数据透视表的功能在于帮助用户分析、统计数据，利用它可以快速分类汇总多种来源的数据，可以随时选择其中页、行和列中的不同元素，以达到快速查看数据的不同统计结果，可以随意显示和打印出所需区域的明细数据，特别可以很快地从不同角度对数据进行分类统计分析，是财务工作中数据分析必不可少的工具。
数据透视表由页字段、行字段、列字段、数据项构成。
例如我们要将以下一张疫苗的调拨统计表（表1），通过数据透视表进行快速分类汇总分析。
（1）将光标移入需建立数据透视表的工作表中，然后单击“数据”菜单“数据透视表和数据透视图”子菜单。
（2）“数据透视表和数据透视图向导－3步骤之一”对话框上，选用默认选项，“Microsoft Excel数据清单或数据库”,单击“下一步”。
（3）在“数据透视表和数据透视图向导－3步骤之二”对话框上，在“选定区域”框中，已经自动选定工作表的（整个）数据区域，单击“下一步”。
（4）在“数据透视表和数据透视图向导－3步骤之三”对话框上设置报表布局，单击“布局”， 将“单位”拖动到“页字段”区域，“时间”拖动到“行字段”区域，“疫苗”拖动到“列字段”区域，对于要汇总数据的“数量”和“金额”拖动到“数据项”区域，见图1。
（5）布局完后，在“数据透视表和数据透视图向导－3步骤之三”对话框上，选用默认选项：“新建工作表”，在当前工作的左侧创建一个新工作表。这样做，可以保证原始数据的安全以及可利用性。单击“完成”后，一张新工作表（见表2）即出现在当前工作的左侧。
举一反三，在调拨单中增加疫苗的“规格”、“厂家”、“供应商”等信息，只要在“数据透视表和数据透视图向导－3步骤之三”中将“规格”、“厂家”、“供应商”拖动到“列字段”区域，其余操作都是一样的。
（6）透视表的更新。在原工作表的数据更改后，在透视表中单击“数据透视表”工具栏上的“更新数据”按钮即可。
3 结语
本文只介绍了数据透视表的一个简单运用，数据透视表的运用是Excel软件的一大精华，它汇集了Excel的“COUNTIF”、“SUMIF”函数、“分类汇总”、“自动筛选”等多种功能，是高效办公、分析数据必不可少的利器。熟练掌握Excel的图表、函数和数据分析等工具的综合应用，可以高效、准确地帮助财务管理人员进行预测和决策，起到事半功倍的效果。
参考文献：
关键词：税收；大数据；分析；思考
中图分类号：F810.42 文献标志码：A 文章编号：1673-291X（2016）22-0073-02
一、税收大数据深度分析与信息化
税收信息系统经过了四个发展时期，逐步趋于完善，分别是单机报表处理、分局集中征收、市局集中征收和省局集中征收处理（上海和除外），目前正处于大数据集中管理这个阶段[1]，随着税收数据的激增，其利用度将得到大大的提高。
进行税收大数据的深度分析应用需要满足两个基本条件：一是税收数据在数量上要形成规模，这样才能在大量离散的数据中找到规律；二是大数据的分析技术要成熟，可以对海量数据实现深度的分析应用。结合信息发展的情况来看，这两个条件已经具备，税收大数据实现了省局的高度集中，为深度分析提供了基础的海量数据；大数据分析挖掘技术的快速发展，为税收大数据的深度分析提供了技术保障[2]。因此，税收大数据深度分析应用是税收信息化发展的必然要求。
王向东和王文汇[3]等人指出随着大数据时代的来临，我国现行的“管事制”模式受到了严峻的挑战，逐渐陷入困境，面临转型压力。因此，数据处理成为了现阶段着重要解决的问题，沙亚清等[4]和张社安[5]在大数据的环境下，分别构建了税收应用的新格局和税收共治格局，对大数据分析有借鉴意义。孙开和沈昱池[6]更是将大数据看作是现代税收征管体系构建和完善的助推器，任东飚[7]和白子千[8]等人利用大数据的技术手段对税收管理进行了探析。除此之外，周咏琦[9]还对电子商务的税收管理进行了剖析，在大数据的背景下，不仅许多互联网企业信息都可得到共享，而且可运用大数据思维，对电子商务税收征管通过大数据进行统筹管理。
二、税收大数据深度分析应用的内涵、方法及意义
（一）内涵
大数据分析，不是采用抽样调查法来分析数据，而是分析所有掌握的数据，从中得到有序的、可信的、有效并能被应用主体理解的高级数据处理技术。大数据分析的过程主要包括前期的数据收集，数据整理和后期的定量和定性分析。
税收大数据的分析就是依照科学管理的要求，结合大数据分析技术，实现用数据来分析指导税收工作，通过对海量数据的挖掘，总结现有的税收管理现状和存在的问题，预测发展趋势，为税收管理提供数据支持，改进税收管理工作[10]。
（二）方法
1.数据质量检测分析。数据质量检测分析方法主要有关联分析法、聚类分析法等。关联分析法是根据数据之间的关系，建立数学模型，筛选出异常的数据，可以用在对纳税人申税情况、纳税人入库级次核定、逾期申报和办理税务登记等问题的分析。聚类分析法是对所有得到的数据进行归类，建立分析模型，从而发现有问题的数据，可以用在对纳税人进行年审时等问题的分析。
2.税收收入分析。税收收入分析方法主要有三种，分别是：回归模型预测、时间序列预测和对比分析，这三种方法相结合可以判断纳税人收入的相关增长情况与经济发展的协调关系，指导纳税组织收入工作。
3.宏观经济税收分析。宏观经济税收分析方法主要有三种，分别是弹性分析法、同行业税负比较法、宏观税负分析法，通过这三种宏观层面的分析，可以了解到较长时间内税负的变动情况，分析研究行业税负的不同，更好地把握税收来源情况，为宏观调控提供数据支持。
4.微观税收分析。微观领域的税收分析一般有三种，分别是：单一指标预警法、多项指标预警法和数量经济规模估算法。通过微观领域的税收分析，可以发现存在问题的企业，在税务稽查方面发挥了重要作用。首先是单一指标预警，为税收分析的各项指标设定预警值，然后用被分析企业的各项指标与预警值逐一对比，找到存在问题的数据，也就意味着被调查企业在这项指标所反映的税务方面存在问题。多项指标预警与单一指标预警的方法很相似，同时选取了多项分析指标建立综合分析体系，可以从多方面进行分析，并找到其中的关联性。数量经济规模估算是典型的定量分析法，利用微观经济学的相关数学模型对企业的经营情况进行模拟，估算出企业应缴纳的税额，与企业实际缴纳的税额进行比对，寻找存在偷税漏税情况的企业，但同时这种方法的工作量巨大，需要大数据技术的保障[11]。
（三）税收大数据深度分析的意义
税收大数据深度分析应用主要有四方面的重要意义：一是科学指导税收工作，通过税收大数据的深度分析与应用，可以发现税收工作中存在问题的薄弱环节，从而制定相应的改进措施，将以往靠政策监管的现状改为靠“数据说话”，提高税收管理的科学性。二是加强税源管理，通过微观领域的估算，可以对主要企业的税收总额进行估算，从根源上加强对企业的监控管理，为纳税评估和税务稽查提供基础数据，提高税源管理的精细化。三是加强执法监督，通过税收大数据的深度分析应用，可以及时总结税收工作中的不规范问题，从而实施责任追究，加强执法的规范性，提高税收服务水平。四是加强质量考核，通过税收大数据深度分析应用，可以对数据收集质量、处理质量和执法质量进行量化，使税收管理向数字化的方向发展，为税收评估和工作绩效考核提供依据。
三、数据挖掘在大数据分析中的应用
（一）数据挖掘的主要步骤
1.数据收集。海量丰富的数据是进行数据挖掘的首要条件，所以数据收集是数据挖掘的第一步，数据可以从现有的税务系统中直接获得，也可以通过数据仓库获得。
2.数据整理。收集到的数据中，可能存在有问题的数据，所以要简单地进行处理，从而在原始的数据基础上得到更为可信的数据信息，为下一步的工作做准备。
3.数据挖掘。这是最重要的一个环节，要对收集整理后的数据通过各种方法进行深度分析，常用的方法有遗传算法、神经元网络、决策树和OLAP联机分析等。数据挖掘的的工具主要有两类：一类是专用数据挖掘工具，可以针对某个特定的领域充分考虑数据需求的特殊性，提供优化解决方案；另一类是通用数据挖掘工具，可以处理常见的数据类型，提供通用的处理模式，如回归模式、时间序列模式和关联模式等[12～14]。
4.数据挖掘结果评估。进过数据挖掘得到的结论很多，但是有些跟我们要研究的内容不符，所以要对结果进行评估，进而调整数据挖掘模型，重复进行数据挖掘。
5.分析决策。数据挖掘的最终目的是帮助决策者做出决策，决策者可以根据数据挖掘的结果，结合实际情况，做出战略决策。
（二）数据挖掘的主要任务
1.数据总结。数据总结是对数据的一个浓缩整理过程，对数据进行综合描述，将数据库中关联的数据从个体总结到总体层次上，实现对原始数据的总体把握。
2.数据分类。通过分类器（分类函数或者分类模型）将基础数据根据属性分到不同的组中，并找到同组数据的属性模型，利用该模型分析已有的数据并预测新数据将属于哪一组。
3.关联分析。关联分析可以找到一组数据隐藏的关联网，但这种关联度具有不确定性，所以在进行关联描述时要确定置信度，从而反映数据的关联强度[15]。
4.聚类分析。当某些数据通过分类器分不到任何已有的组中时，可以选择聚类分析，将这些数据按照某种相近程度聚类成一类有意义的子集合，每一个子集合的数据属性相似，但不同子集合之间的数据属性相差很大。
四、总结
税收管理已进入大数据时代，要想在海量数据中寻求规律，为税收管理工作提供数据支撑，就必须掌握科学的分析方法，再结合数据挖掘技术和大数据思维模式，实现用数据说话，从根本上加强税源管理和税务监督。
参考文献：
[1] 王海森.关于税收数据深度分析应用的思考[J].信息技术与信息化，2007，（8）：25-28.
[2] 和家凤，何少武.大数据时代的纳税评估信息采集模式[J].财经理论与实践，2015，（3）：98-98.
[3] 王向东，王文汇，王再堂.大数据时代下我国税收征管模式转型的机遇与挑战[J].当代经济研究，2014，（8）：92-96.
[4] 沙亚清，陆耀，苏海风.构建税收大数据应用新格局[N].中国税务报，2015-12-16.
[5] 张社安.依托大数据，构建税收共治格局[N].中国税务报，2016-03-23.
[6] 孙开，沈昱池.大数据――构建现代税收征管体系的推进器[J].税务研究，2015，（1）：96-99.
[7] 任东飚，费铭海，袁明昌.税收数据在大数据中的利用探析[J].税务研究，2015，（10）：25-28.
[8] 白子千，李晶晶，杜嘉.试析大数据时代的税收管理[J].企业改革与管理，2016，（4）：11.
[9] 周咏琦.大数据对电子商务税收征管的影响[J].经营与管理，2016，（4）：15-17.
[10] 李渊.大数据时代强化税源管理的思考[J].经济论坛，2016，（3）：123-128.
[11] Power DJ.Using “Big Data” for analytics and decision support[J].Journal of Decision Systems，2014，（2）：222-228.
[12] 夏琰.基于数据挖掘技术的税务数据仓库应用平台建设[D].杭州：浙江工业大学，2012.
[13] 许艺.基于数据挖掘的零散税收预测研究[D].武汉：武汉理工大学，2013.
【关键词】数据库设计；软件工程；作用分析
1软件工程技术的相关背景和基本概念及原理
1.1软件工程技术概述
软件工程技术是一种新兴的信息工程技术，现已被广泛的运用在人们生产和生活的各个领域。软件工程技术的开发与应用，显著的提高了计算机水平和推动了科学技术的发展，将软件工程技术运用到数据库的设计过程中也是非常常见的。传统的软件开发从某种意义上来说就是一种从“高层概念”到“低层概念”的映射，以实现高层逻辑转变为低层逻辑。但是就大型软件系统而言，软件的开发工作涵盖的内容和范围更多、更广，包含了技术人员、相关技术、开发途径以及成本和进度等许多方面，所以可以将软件工程技术综合定义为是一类可以用来满足客户需求并以软件产品和工程为对象的学科，其应用原理包括计算机科学理论和工程管理原则，主要内容是设计模式、程序语言设计和数据库等方面。早期的软件工程技术开发模型主要为瀑布式，随着科学技术，尤其是计算机技术的不断发展，其开发模型已经逐步演变成为螺旋式的迭代开发，再到目前的软件工程技术敏捷开发，软件技术不断的发展和完善，越来越成熟。当然，不管是处于哪个时期，软件工程技术都要遵守采用科学的手段进行管理，同时通过合作的形式来提高软件生产效率的基本原则，国内外的许多专家和学者通过软件工程技术发展的过程总结出了许多新的软件开发方法，并由此诞生了软件工程学。软件工程学是对软件工程技术相关理论知识的归纳与总结，很大程度上解改善了软件工程技术的现状，但是由于软件工程学科本身具有理论性强、实践局限性较大的特性，致使软件危机仍然活跃在人们的生产生活中。近年来，通过不断的研究与探索，软件工程领域出现了许多新的思想和方法，像软件再开发利用、软件自动生成器等等，推动着软件工程技术向自动化和标准化方向发展。
1.2软件设计中的工程技术分析
软件设计中的工程技术主要包含的是软件的生存周期、规格说明书以及软件设计。其中软件的生存周期主要由要求分析、规格说明、设计、编码、测试和维护这六个环节组成。前两个环节主要是根据客户的要求来进行的，要求达到明确软件设计目的的任务，后面四个环节是针对计算机系统而言的，要求通过各种技术手段来实现由之前两个环节确定的软件设计目的。软件开发的最终目的是为人们的生活服务，所以在进行软件设计的时候一定要严格执行软件生存周期中的要求分析和规格说明，也就是说一定要按客户的要求进行设计；规格说明书环节就是指把用户的需求输入并整理结果，从而得到软件的具体规格说明；软件设计环节就是通过计算机技术以及其它的一些硬件设备来实现规格说明书中的内容，最终实现软件的开发。
2软件工程技术在数据库设计中的实际应用分析
2.1用于分析数据库的可行性
使用软件工程技术，结合既有的计算机技术及人工控制条件，对数据库的经济效益、技术以及操作方便性等方面进行考察，从而实现对数据库设计任务可否完成的初步估计。在分析时要注意记录分析结果，整理并书写相关的可行性报告。
2.2用于制定数据库的开发计划
当数据库可行性的分析工作结束后，结合可行性报告，如果认为该项目具备很强的可行性，则可以开始制定该数据库的开发计划。数据库项目的开发计划内容应该包括有关人员的组成、人员的分配、项目进度、项目验收方式与验收标准和开发过程中的重点环节等等。除此之外，要注重用户界面的开发，只有方便、美观且友好的用户界面才会被客户接受，所以在数据库项目开发计划中应该包括用户界面的开发工作。
2.3用于分析数据库系统的需求
将软件工程技术运用于对数据库需求的分析工作，分析的主要内容包括：数据的需求、运行环境的需求、系统性能的需求等等。通过分析数据库的需求，可以了解建立数据库需要的软件配置标准和运行环境，从而为开发数据库提供参照标准和数据支持。
2.4用于数据库的设计阶段
数据库的设计和建立是数据库系统的关键环节。数据库的设计质量直接影响着数据库系统的运行效率和效果。一个成功的数据库软件系统一方面可以简化运算方式，提升运行效率，另一方面还可以帮助数据库的用户简便快捷的获取需要的信息，同时还需要保证数据库中数据的完整性，为完成数据库的设计提供便捷。设计数据库的基本操作是分析。首先要分析数据库的概念和结构，大致掌握用户的具体需求，然后依据这些来拟定一个数据库系统的实体联系图；其次是分析数据库的逻辑结构，将理论中的E-R图转换为程序语言，以使其与DBMS系统相匹配，从而实现将实体之间关系转化数据库系统之间的关系。另外，数据库系统的物理结构的设计内容应该包括数据的存取方法和数据的存取结构。通常，数据库的物理结构设计分为两个环节，其一是确定数据库系统的物理结构，其二是评估该物理结构的运行效率，通过综合考虑这两个环节来对数据库物理结构的合理性进行最终的评价。
2.5用于数据库的详细设计和概要设计
数据库系统的详细设计是设计程序框架，而不是编写程序。总的来说，数据库系统的概要设计分为两个阶段：第一，制定数据库系统的实施方案；第二进行软件结构设计。
3总结
总而言之，将软件工程技术应用与数据库的设计具有重要的战略意义，一方面可以提高数据库设计的工作效率，另一方面还可以增加数据库的灵活性和适应性。所以在软件工程技术的实际应用中，要不断的探索与研究，对其应用方式进行改进和完善，以保障数据库的顺利设计与建立。
参考文献
[1]曹杨帆.数据库设计中软件工程技术的作用[J].电子技术与软件工程,2016(03):202.
关键词： 石油工程；造价管理；方法分析
1 工程造价概念的界定及解析
工程造价分析是指：“在建设项目施工中或竣工后，对施工预算执行情况的分析，运用成本分析的方法，分析各项资金运用情况，核实预算是否与实际接近。”
石油工程造价分析定义为“石油工程造价分析是针对石油工程造价的构成、前期预测、过程控制、后期评估四位一体的全过程管理活动，是工程造价管理工作的重要环节。”
进行造价分析的目的是总结经验，找出差距和原因，为改进以后工作提供依据。
2 石油工程造价分析的方法及方法分析
石油工程造价分析分为定性分析和定量分析方法两大类。其中，定性分析是指通过调查研究、经验和逻辑判断等对现象的性质、影响因素和变动趋势进行分析的方法。它分析的目标侧重于对现象的走向、趋势的研究；定量分析方法是指运用数学方法、统计方法对现象的数量表现，包括绝对规模、结构比例、发展速度以及现象之间的联系程度等进行数量分析的方法。侧重于数据的分析。
2.1 比较分析法
比较分析法是将需要分析的同特定的各种基准指标相比较，以反映现象的差异和联系的一种方法。如一项工程所发生的直接费中，人工费、材料费、机械台班费等各自所占的比重；再比如两个钻井工程中，单位成本的比较等都可以运用比较分析法得出较为明确直观的结论。
2.2 平均分析法
平均分析法是运用平均数来研究事物现象数量水平的一种方法。如对油区钻井工程单位造价的分析，实质上就是计算该油区钻井工程单位进尺造价的平均数。
2.3 时间数列分析法（动态分析法）。
时间数列分析法是将反映同一对象的某个指标值按照时间先后顺序排列起来，从而揭示现象历史发展变化的速度、趋势和规律性，并对未来发展趋势进行预测的分析方法。在进行某种材料的预算价格分析时，可以根据历年价格形成的时间序列，建立时间序列模型来预测未来一段时间内的材料价格的大概数值。值得一提的是，时间数列分析法是一种模糊分析的方法，它的准确性受社会环境、市场环境、气候条件等多方面综合因素的影响，预测可能存在一定偏差。且只适用于较短时间段内的预测分析。
2.4 指数分析法
指数分析主要用于反映现象数量变动（前后时间或不同空间上）的相对程度。石油工程造价管理中需要编制的主要指数有：外购原材料、燃料、动力价格指数、劳务价格指数和外购设备价格指数等。通过编制价格指数，结合其它资料可以测定主材价格变动对工程造价的影响；也可以剔除主材价格变化对工程造价的影响，更准确地比较分析工程造价的变化趋势。
2.5 因素分析法
因素分析法是用于测定受多种因素影响的某种经济现象总变动中，各因素的影响方向（通常分为正影响和负影响）和影响程度（可以根据各因素对总体经济现象影响程度的不同赋予相应数值，从而转变为对统计数据的分析）的一种统计分析方法。例如在工程项目计划投资额和实际投资额差异原因的分析中，需要进行因素分析，分析主材价格变动对工程造价影响程度和影响量也需要应用因素分析法。
2.6 盈亏平衡分析法
盈亏平衡分析是指在划分成本属性的基础上，将成本分为固定成本和变动成本，根据业务量、价格、变动成本和固定成本之间的依存关系，计算盈亏平衡点的业务量、安全边际及安全边际率。盈亏平衡分析的主要方法有编制盈亏平衡表和建立盈亏平衡关系式。利用盈亏平衡分析法，通过对各个有关指标的联系表现出全局平衡与局部平衡之间的关系。进行平衡分析，对及时发现石油工程造价管理活动中存在的问题，有利于加强对石油工程造价管理的过程控制。
2.7 回归分析法
回归分析法指针对具有相互依存关系的变量，通过建立回归模型研究某一变量对另一变量的平均变动影响程度的方法。例如井深和单位进尺成本的关系，原油产量和石油工程投资的关系等等。
3 石油工程造价分析在实际应用中应注意的问题
实际工作中，在进行石油工程造价分析时，为了能够得出科学合理的分析结论、充分发挥造价分析在管理中的作用，应注意以下几个方面的问题：
3.1 石油工程造价分析要按照一定的分析步骤进行
在实际工作中，石油工程造价分析一般按照以下步骤进行：
第一步：明确分析的目的、内容、范围和重点，编制分析工作的初步方案；
第二步：搜集、整理并核实相关数据资料；
第三步：选取适宜的分析方法，进行具体的分析工作；
第四步：对分析结果进行说明，得出结论；
3.2 分析方法的选择上要理论结合实际
在进行造价分析时要根据分析的内容、分析的目的、实际掌握的数据资料选择科学合理的分析方法，切忌生搬硬套统计理论、数学公式和模型，避免因理论和实际脱离导致得出与实际情况相悖的分析结论的情况发生。
3.3 石油工程造价分析的层次性。
由于石油工程种类繁多，各个石油工程分属不同的区域、专业和类型，所以石油工程造价分析应分层次进行。石油工程造价分析以综合分析为总括，以实际结算与计划投资对比分析、石油工程定额结算分析、结算额与实际成本对比分析为主要内容，以石油专业工程、石油地面工程预结算分析为重点，分层次、层层进行对比分析，项项进行剖析说明，以期取得石油工程造价全面、深入的分析效果。
3.4 石油工程造价分析应采用系统分析和典型分析相结合的方法。
石油工程造价系统分析是指在股份公司或分（子）公司层次上进行的总量分析，可以是石油工程造价总量分析，也可以是石油专业（物探、探井、开发井）石油地面工程的总量分析。石油工程造价典型分析是在总量分析的基础上，按照关联关系进一步从结构、因素上进行分析，或者是对单项工程或重点工程进行对比分析。典型分析以趋势分析、结构分析、因素分析作为分析的方法。
参考文献：
[1]黄伟和，石油钻井工程造价技术体系研究[M].北京：石油工业出版社
关键词：统计分析；物资管理；库存；标准化
在实际工作中物资统计作为一种重要的物资管理手段和方法，在一些企业没有得到足够的重视，没有发挥其应有的作用。在实际工作中存在着很多问题。企业统计工作是提供报表给政府统计部门或上级统计主管部门，很少参与企业内部的经营工作，造成企业管理者轻视统计工作，认为统计工作仅仅是加减、汇总数据、及填报报表，减弱了物资统计职能作用。统计数据口径、关键字段标准不统一，统计指标填报随意性极大，失真的统计数据，直接对正确的决策造成了影响。
1统计分析的创新应用
从企业的实际需求出发，将复杂的数据分析知识体系串成有机的整体，从数据采集、数据清洗和加工，到战略数据分析、经营数据分析等综合分析，最后到数据成果的呈现，利用统计分析手段，加强物资管理。淋漓尽致的发挥数据的作用，使得数据分析在物资管理的各环节中体现价值［1］。
（1）明确职责，确定创新方向
以某石化企业的为例。物资统计管理归属于物资中心管理科，管理科本身职责是负责开展物资采购管理、供应商管理、企业管理、统计管理等各项管理工作。更有利于把物资统计跟物资管理工作相结合，首先制定了创新方向，把统计分析与动态管理、绩效考核、专项管理、管理提升相结合，开展物资管理工作［2~5］。
（2）强化信息管理建设，提供物资统计数据
企业现有信息网络为健全的统计信息网路，建立以ERP系统和中国石油物资采购管理信息系统为支撑给统计分析提供基础数据源。根据物资管理的需求，在ERP系统中新增了多项辅助查询报表，针对了解库存情况，开发了库存概览报表；针对了解物资收况，开发了物料收发明细表；针对了解订单情况，开发了采购订单明细表；针对了解物资账龄情况，开发了物资账龄管理报表。原来每张报表涉及数据源达十几万条数据量，统计人员有很大的工作量，现在实现系统自动生成报表，海量数据集中处理，数据客观可靠，报表数据寿命延长，减少了统计人员的工作量，提高了工作效率［6~10］。
（3）加强统计标准化管理
该企业对物资采购业务数据统计标准进行统一，以保证物资统计报表与KPI指标数据从系统中准确提取，减少地区公司数据收集上报的工作量，开始规范关键数据标准化字段。对采购科室提出了加强标准化管理的要求，了填写标准字段的规范表，对即通知之日起以后发生的业务，按照通知的要求填写关键数据标准化字段。
2具体实施方案
2.1统计分析与库存动态跟踪管理相结合
（1）进行数据准备
每月初，财务封账后，从ERP系统中导出上个月库存明细表、收入明细表。其中库存明细表要与财务部门进行数据的核对，确保数据准确不再变化后，这个明细表可以使用了，收入明细表是不与财务核对的，物资部门与财务部门记账方式不一样，以系统数据为准。
（2）进行数据汇总
对明细表进行加工，按照管理的库存类型进行明细分类，分别汇总上市一级库生产和积压，上市二级库生产和积压，未上市生产和积压等，这样的划分更加符合库存管理层次的要求。依据汇总结果，制作库存动态汇总表，按照两级库存管理，制作成一级库存动态汇总表，按照账套类型，分别对上市一级库生产和积压，未上市一级库生产和积压，项目库存收发存金额进行汇总。制作成二级库存动态汇总表，按照二级单位汇总，并附有期初、期末库存金额对比。
2.2统计分析与绩效考核管理相结合
每年年初，根据管理需要，各单位都会设定绩效考核指标，并将指标分解到有关单位，定期考评。发挥了统计信息反馈、监督的职能。对公司物资管理中重点工作进行了监控和预警，奖惩措施的使用，促进了员工工作积极性，由被动工作转为主动工作。
2.3统计分析与专项管理相结合
新增库存数据是从ERP中开发的物资账龄情况中提取数据源。依据新增库存明细数据，由采购科室完成新增库存形成原因明细数据。主要内容包括，新增数量、新增库存金额、计划提报单位、项目名称、形成原因等。采购科室核对数据信息的准确性，分析新增库存计划来源、管理单位、剩余原因，补充空白项目后，反馈给管理部门。
2.4统计分析与管理提升相结合
该企业将统计分析与物资管理提升相结合，针对如何提高物资采购招标率进行了统计分析，通过深入分析，找到物资采购管理中存在的问题并提出管理意见，深入的挖掘数据，多角度分析，力争达到促进物资采购管理提升这一目标。物资采购实行统一管理、两级集中采购的体制，其中一级采购物资执行集团公司集中采购结果，二级采购物资由物资中心组织采购。只有二级采购才归物资中心管理，提高物资采购招标率的唯一途径就是提高二级采购物资管理。从ERP系统中导出订单情况明细表，然后按照两级集中采购管理要求，分成一级物资采购订单和二级物资采购订单，取二级物资采购订单数据进行分析。以采购方式汇总数量和金额，并计算占采购订单数量及金额比例［11］。
2.5实施招标率分析
将采购方式按照招标情况汇总，通过计算得出每个科室的招标情况，招标占比情况见图1。从图1可以看出，以整体招标率33%为分界来划分，超过33%的科室有动设备、静设备、原料科、化工科，其余科室都在之下，最低进口管理科、电气科、备件科、材料科等。可以把重点放在招标率比较低和较高的几个采购科室进一步分析，找出差距点。通过分析招标率较低或较高的采购科室，都存在可整改的问题。
3统计分析的实施效果
（1）库存动态管理成效
每月初，库存基础数据以及动态汇总整理之后，统计员会将这些数据表单发送到各采购科室和二级单位相关人员信箱。各库存管理单位利用这些数据具体分析库存变化的原因，对当前的库存情况进行详细分析，提出库存控制具体措施。
（2）绩效考核管理成效
通过统计分析数据在业绩考核中的应用，对采购科室来讲，更加明确了工作重点，从采购计划源头抓起，加强提报计划的准确性与及时性；加强平库利库管理，合理利用库存，降低库存储备。对二级单位和专业技术部门来讲，平库利库成为管理常态，库存动态得到更广泛的关注。奖惩机制的合理使用，提高了积压库存的利用率，计划提报更加科学合理。每季度进行绩效考核，从各方面加强物资采购管理，以统计数据为依据，用数据衡量工作成效，在平库利库管理方面取得了成效［14,15］。
（3）专项管理成效
二级单位上报计划时需要提高计划准确率，避免重复上报计划，造成重复采购。领料员与保管员充分沟通，对已经到库的物资要跟踪到货进度，及时出库。对不需用物资及时与计划员协商，变更计划，减少新增库存的形成。部门之间加强沟通，二级单位机动科与物资供应站及时沟通。由于计划的出口不一致，导致部分计划已造成新增，但物资供应站不知情的情况。建议二级单位各部门相互沟通，严格审核本单位计划。
4结束语
数据仓库(DW)技术是决策支持系统的基础，是一个面向主题的、集成的、随时间变化的、非易失的数据集合［8］。建立面向主题的数据仓库，将分散在不同业务系统中的人力资源相关数据集中存放在存储容器内。为从不同角度分析和观察数据，在人力主题集中设计了数据期(年、季度、月)、科室、学历、性别、专业技术资格等主要维度以及人员数、各类人员构成等主要指标。数据仓库为人力资源管理提供了稳定的人力数据集成分析平台，其主要特点有:(1)面向主题，排除于决策无用的数据;(2)不同来源的人力数据的集成和共享;(3)数据不易丢失;(4)主题之间的数据可互通互用。目前，医院人力资源信息管理相对落后，部分医院人力资源管理仍是多部门人事档案管理，人力资源信息化停留在单机版管理软件水平，信息不能共享和及时更新与联动，部门之间的信息协同服务无法实现［1，9］。在数据仓库人力主题下所有的数据都紧紧围绕人力资源这一主题，数据不再分散。此外，各主题之间的数据可互通互用，如人力主题可以和医疗服务、财务收入主题关联，方便开展科室绩效以及医疗服务效率的相关分析和探讨。
2数据质量控制
数据质量是分析结果可靠性的基础，为确保分析结果准确可靠，医院管理决策支持系统所分析数据均来自数据仓库建立的唯一数据中心。数据资源与业务系统“剥离”，在数据中心集成共享，数据仓库不受业务系统运行或变动的影响。全院各类业务系统中的数据必须进入数据中心方可进行分析，克服了统计数据数出多门、数据分散、形成“信息孤岛”的困境。为实现不同业务系统数据整合，本研究以法定报表为基础，制定全省统一的医院业务系统数据交换接口标准规范，定义医院各业务系统数据采集入口标准，对数据入口进行了统一［10］。如HIS系统的数据在进入数据中心前要先经过ETL过程，即抽取、转换、装载过程，在抽取过程中进行数据清理，保证了进入系统的数据质量。此外，系统数据采集应用了先进的商业智能(BI)数据采集工具，并通过设置严格审核条件、加强数据之间的关联性和指标自动生成等功能，从源头上对数据质量进行严格控制，提高了医院医疗数据的质量。
3医院人力数据分析展示
本研究以医院法定上报的《卫生人力基本信息调查表》为例，收集了某地某医院数据，根据调查表内容构建人力资源业务主题。如图2所示，系统按医院人力数量、人力分布、人力结构、人力预测、分析报告和同级比较5个方面对人力数据进行分析展示，其功能有以下3个突出特点:(1)结果内嵌统计表和多种统计图;(2)每个分析表格都支持自由组合查询;(3)支持数据下钻。用户根据需求从多维下拉菜单选择不同的维度，如数据期(年、季度、月)、科室、人员类别等进行多维展示，满足了个性化需求。查看汇总表可以下钻到明细表，层层下钻直到源头，如从部门下钻到科室和个人，提升了查询纵深度。
3.1医院人力数量及分布
人力资源管理一项最基本的任务就是不断调整组织所承担的工作总量与其完成该工作总量所需要人员总数的比例关系。系统从卫生人员总量、各科室人员分布和历年卫生人员总量变化3个角度分析，不仅展示医院整体的人员编制及其历年变化规律，而且兼顾细节反映医院各个部门、科室、各类卫生人员的配置情况。如表1、图3展示了按卫生人员标准分类，2013年卫生技术人员、管理人员、工勤技能人员和其他技术人员的分布情况。用户可按需求，选择数据期(年、季度、月)、科室、人员类别等维度，多维组合查询人力数量分布信息;如表1、图3，在数据期维度选择了年，科室选择所有科室，人员类别选择卫生人员进行了展示。丰富的图表展示、多维查询以及数据下钻的特点，支持管理人员获得医院动态人力信息，辅助编制总量控制，定编定员管理，更加高效的组织人员配置。
3.2医院人力结构
医院大多数人员都是专业技术人员，从事的是专业技术工作，其工作性质不同，工作任务复杂，工作弹性大，工作效率和工作量定额难以量化。因此，定编定员，组织人员架构和职位设计工作细致复杂。为保证运作快捷、有效、精简和节约，人力资源管理不仅需要协调各个部门的人员配置，还要考虑年龄结构、学历结构、职称结构和性别比例等各类人员结构的合理性，形成梯队保证医院人力资源方面的持续性。如图2所示，本研究就从学历、年龄、性别、职称等结构的合理性出发分析展示医院人力结构，方便人员结构管理;而图4展示了2013年医院卫生人员职称聘用情况。用户可以通过多维查询从不同角度获得人员结构的信息，辅助决策者参照行业标准不断改善组织架构，实现合理地进行劳动组合，防止人员比例失调、机构臃肿和人浮于事等现象，从而有效开发人力资源，提高劳动生产率。
3.3医院人力预测
随着社会医疗服务需求的增加，医院尤其是公立医院的规模不断扩大。医护、医技、行政和后勤在内的工作人员数量和流动性都较大，再加上进修、实习人员等交流频繁，传统的人员统计不能满足医院长远的人力资源管理规划需要。商业智能(BI)工具为用户提供聚类分析、预测分析、回归分析和相关性分析等多种数据挖掘分析方法。在使用时，用户可根据数据类型选择模型，得到较好的预测效果。在人力资源数据挖掘方面，本研究在预测卫生人力数量方面做了初步探索。影响人力资源需求的因素主要来自组织的内部和外部:内部因素如技术和设备、医院规模、经营方向等;外部因素如经济水平、政治环境、技术环境和竞争对手等［11］。如表2，在影响人力资源需求因素不变的假定基础上，运用时间序列模型分析历年医院卫生人员数量变动的规律，预测了未来5年医院各类卫生人员人数的变化区间，为单位组织提供未来一定时间内人员需求参考依据。
3.4医院人力同级比较
由省卫生信息中心分析省直报法定报表数据，将医院人力资源管理的核心指标、排序位次数据放置于医院管理决策支持系统，方便医院与省内及地区内同级医院平均水平进行比较。如表3，2012年该医院与本地区92家、省500家同级医院卫生人力情况的比较结果，方便管理者了解机构在本地区、本省同级机构中的位置，便于加强管理。
3.5人力分析报告
统计分析报告一般有相对固定格式，包含大量重要指标和统计图表。系统的BI工具提供了类似Word界面的分析报告功能。用户可根据业务需要从决策支持系统内部抽取相应数据和统计图表，综合人力数量、结构和预测等信息，定期(月、季、年)快速生成人力资源状况分析报告，提高工作效率。见图5。
4讨论
4.1医院人力资源信息化管理的意义
新医改提出以医院管理和电子病历为重点，推进医院信息化建设，对医院信息化建设和人力资源管理提出了更高要求。人力资源信息化管理，即充分调动一切可利用的信息数据资源，利用现代信息技术的网络化、智能化、数字化特点，通过对物资流、资本流、人才流、信息流等要素的科学分析，推动人力资源管理在更深更广层次的提高和拓展，使人力资源对医院各个领域产生更大的影响力［1，12］。信息化、智能化手段的引入将逐渐打破传统人力资源管理模式和人力信息利用的局限，深入挖掘各类业务系统积累的海量数据，得到可供管理、决策的有参考价值的结果。
4.2满足数据利用需求
目前，在医院信息化的应用上存在数据来源分散、无统一标准和利用效率低等不足［5，6］。医院各业务系统中积累了海量数据资源，但是数据集中整合程度不高，利用效率较低，很多机构依然采用手工和信息系统相结合的方式管理。统计人员从各个部门、科室或各业务系统中收集数据，没有业务系统支持的分析表还需手工统计，再经过分析才提交给管理者。这样定期提供决策支持的工作周期过长，有滞后性，决策支持需求往往因数据无法归集利用而搁浅。为满足日益增长的数据利用需求，需要更加智能化、现代化的工具来管理庞大的数据资源，促进医院信息化应用。决策支持系统辅助医院人力资源管理的优点有:(1)管理规范化;(2)管理现代化;(3)降低劳动强度;(4)提高决策质量。数据仓库提供稳定的人力数据集成分析平台，信息采集入口标准统一，分散在各类业务系统中的人力数据经ETL过程进入数据中心，整个过程有章可依，数据质量得以保证，管理更加规范化、现代化。信息化的管理流程替代了手工和半手工的人力信息收集方式，减轻了劳动强度。商业智能(BI)工具支持多种统计分析模块，分析结果图文并茂呈现在信息化界面上，不仅让管理者对信息一目了然，而且可以整合信息预测人力需求，为单位组织未来人员需求做长远规划，整体上提高了决策水平。
4.3辅助医院人力资源精细化管理
联机分析处理技术(OLAP)，其技术核心是“维”这个概念，是决策支持系统的前端分析工具集合，以海量数据为基础的高级分析技术。数据聚集汇总和数据多维组织，可辅助医院人力资源精细化管理。如医院的卫生人员数量在时间维度上不仅存放每月卫生人员数，还存放每季、每年的人员数量;各科室卫生人员数还可聚合成部门、机构的人力数量;年龄、性别、学历、职称等维度可以进行交叉组合得到人力数量、结构的分析结果，如各部门卫生人员学历情况，各科室医护构成情况。得益于多维性、快速响应性、可分析性和共享性的数据探查方式，管理者思维不受固定查询模式限制，可任意组合分析问题的角度和目标，跟随其思维得到不同形式的结果。为调整组织架构提供参考依据，合理地进行劳动组合，实现人力资源合理配置从而有效提高劳动生产率，更好地为临床一线服务。
4.4促进人力资源管理模式改革
购物车(0)