数据分析师篇1
关键词：档案大数据；数据分析师；岗位需求；岗位职责；素质要求
abstract：inthebigdataera，dataanalysiscanaffectthedevelopmentofarchivalcause.atpresent，thebenefitofdataanalysisisdissatisfactorybecauseoflackingsettledanalystsinarchivalfield.thispaperaddressesthepostrequirements，thepostdutiesandthequalitydemandsofdatascientistsinarchivalfield.
Keywords：bigdataofarchive；datascientist；postrequirements；postduties；qualitydemands
大数据时代，数据成为重要的战略资源。在电子办公深度与广度不断拓展的进程中，人类对数据“精、准、深”的要求日益突出。在基于数据决策、依赖数据管理等“以数据说话”的理念日益深入人心的大环境下，作为大数据的关键组成部分――档案大数据的地位和作用也逐渐凸显出来，它是大数据重要维度即历史维度数据的核心，在各个领域都有很好的应用前景。但是，应该看到，受保密、档案管理机制等因素的制约，档案大数据的应有价值还没有得到充分发挥，档案大数据与其他数据的整合还有一段很长的路要走。为提升档案资源建设与利用效益，对档案大数据进行分析，优化档案事业发展方案，更好地为领导决策和各领域工作的开展提供数据支撑，成为档案工作的重要组成部分，这就需要档案资源和档案事业数据的鼎力支撑。虽然从国家主管部门到各级档案馆（室），都在开展档案数据的统计和分析工作，但是，由于缺乏固定而专业的分析人员，从数据统计和分析的全面性、系统性、多维性、深入性和规范性等方面看，仍有待进一步增强。在此种形势下，档案大数据作用的发挥和档案事业发展的科学性很大程度上取决于档案部门自身结构的优化和管理资源使用效益的提升。
1档案领域数据分析师岗位设置的意义
大数据时代，数据分析在各领域有着十分重要的意义，各行业对数据分析师的需求与日俱增。与其他数据相比，档案大数据很大一部分源于政府、军队等组织机构的活动，具有权威性和凭证性等不可替代的价值特点，虽然有着服务社会、服务百姓的义务，但又必须确保国家利益不受侵害。因此，在行业内部设立数据分析师岗位不仅是社会需求、也是档案行业组织机构结构优化的内在需要。
1.1优化档案资源体系建设的需要。从局部看，各级档案部门都不同程度地存在着档案收集不齐全、著录不规范等问题。从整体看，各档案部门之间存在着档案资源交叉重复、数据异构等问题。系统地设置统计项目，全面地对档案资源建设现状进行分析，就可以准确地发现档案资源体系建设中的弱项和“瓶颈”。通信网络和数字设备发展实践告诉人们：当今，电子文件的增长几乎达到了几何级。例如，阿富汉战争期间，美军为打击一小股，其情报侦测、监视系统24小时产生的数据量就达53tB。在如此大的数据量面前，如何分类电子文件、确定保管期限？网站、微博、通讯交友软件等产生的数据，哪些是需要作为电子文件保存的、又该如何保存？现有馆（室）藏档案资源，哪些方面需要丰富、哪些方面需要“瘦身”？如何从国家层面调控档案资源体系建设？这些均有待于档案领域数据分析师从“保存历史、服务社会”视角、以可靠的数据和科学的分析给出建设性的解答。
1.2分析和把握档案利用规律的需要。档案资源的利用是有规律可循的，掌握了这个规律对于提升档案资源利用率是十分有益的。有的档案资源，其利用具有扩展效应，即一次成功利用可能会激发人数更多、范围更广、程度更深的利用，例如名人档案、著名战役档案、历史典故档案等；有的档案资源，其利用具有递减效应，即一次成功利用之后可能很长时间内不会再有第二次利用，例如事关普通百姓的个人档案。如果机械地根据其前段时间的关注热点推荐档案信息服务产品，则不仅达不到理想效果甚至还会引起用户反感。依托数据分析师的科学分析，有助于档案部门聚焦服务热点，提前做好档案信息服务预案，根据用户需求方向准确提供档案资源及其编研产品服务。
1.3推动档案管理科学发展的需要。近年来，档案事业出现了一派欣欣向荣的景象，尤其是档案信息化建设、民生档案的收集与管理等得到了长足发展。但是，无论是硬件建设、还是软件建设，离精细式、集约化科学发展尚有一定距离，这就需要发挥档案大数据的决策助手作用。对于不同学识背景、不同工作经历、不同职业精神的数据分析人员来说，同样的统计数据得出的结论也是不尽相同的。设置固定的数据分析师岗位，则有益于提升数据统计和分析工作的科学性。通过数据分析师对档案事业分门别类的统计和分析，可以有效地冲破经验主义思维的“篱笆”，发现和把握新形势下档案管理工作的发展规律，更加统筹、协调和集约化地利用管理资源，构建档案事业发展的良好生态。
1.4更好地服务社会发展的需要。如果说“读史可以明智”只能模糊地形容档案的作用，档案大数据在金融、医药、卫生、交通、安全和军事等领域的成功应用，已经很好地量化和解释了档案大数据的价值。它是转换思维方式、科学决策的直接支撑，是引领社会更快、更好发展的“催化剂”。设置档案大数据分析师，无疑会有助于提升档案信息服务于社会的广度与深度。同时，也有助于档案部门把握契机创新服务社会的模式与内容。
2档案领域数据分析师的岗位职责
档案领域数据分析师，可以依据各级主管部门、档案馆（室）的编制和事业发展状况合理配置，其职责主要是从档案资源建设、档案利用、档案事业综合发展以及档案文件内容等方面进行数据统计和分析，并制定优化方案和提出发展规划建议。
2.1档案资源数据统计和分析。档案资源数量统计和分析，主要是对馆（室）藏或者主管范围内的档案资源数量情况进行统计和分析，包括对各全宗文件数量的分类统计和分析、同类全宗文件数量的对比分析、现行全宗文件产生量与归档量的对比分析、永久档案与定期档案数量的对比分析、不同类型载体档案数量的对比分析、不同地域不同系统档案移交数量对比分析、不同时期档案数量对比分析、不同密级档案数量对比分析等。
档案资源质量统计和分析。主要是对馆（室）藏或者主管范围内的档案质量情况进行统计和分析，包括档案资源载体和信息完好度分析、档案资源结构分析、档案著录情况分析、档案信息化建设情况分析、档案目录数据库质量分析、档案全文数据质量分析、档案缩微情况分析、档案修复情况分析等。
档案资源优化方案的制定。基于馆（室）功能，在科学分析的基础上，提出一定范围内档案资源体系建设优化方案。主要是从档案资源结构和数量视角，有重点地对现有档案资源进行丰富、再鉴定工作。对明显存在缺失的馆（室）藏方向，分析档案资源可能的分布点，为收（征）集工作提供指导。具体分析档案著录、目录数据库构建情形，提供档案著录尤其是电子文件著录以及档案目录数据库优化方案。必要时，对全文数据质量进行优化。根据档案完好度统计，制定档案修复计划。
2.2档案利用数据统计和分析。档案利用人群统计和分析。主要是对用户基本情况进行统计和分析，包括用户职业、单位、年龄、学历、档案专业知识、兴趣点、档案意识等，从共性和个性等方面进行分析和研究。
档案利用目的、利用效益统计和分析。主要是对档案利用目标和用户所获得的收益进行分析。从编史修志、工作查考、解决个人问题等方面对档案利用目的作进一步细分，分别进行统计和分析，并关注其利用效益。同时，分析一定时期内得到用户关注和利用的档案资源，尤其是得到用户重点关注或利用的档案资源。
档案检索效率统计和分析。主要是对档案目录和全文的检索效率进行分析，与图书情报资源等相关领域的检索效率进行对比，考虑其是否满足用户需要，有无改进策略。密切跟踪信息和知识领域的发展前沿，将先进的技术和工具应用到档案检索效率的提升上来，主要是对档案信息组织和检索模式提出创新方案。
档案利用发展趋势预测。由于社会和国家发展的需要，人们会在一定时期内有重点地开展某个或某些方面的工作。数据分析师应密切关注某个系统、国家乃至整个人类社会的发展形势，科学地统计和分析用户的潜在需求，准确地预测出档案利用的重点方向，从而有针对性地做好档案利用准备工作。例如，编史修志工作往往在国家层面、某一系统或行业层面进行统一行动，有的又会与编制体制调整、大型纪念活动、大项任务开展等时机紧密结合；个人利用档案，往往会与国家出台某项政策、某一年龄段人群的成长经历、某些文化活动的开展等密切关联。根据档案利用历史数据的分析、当前社会热点、用户关注方向等，引导档案信息资源的开发，借助大数据工具，利用档案信息资源整合平台，充分地进行知识挖掘，高效地构建专题数据库，向用户推送档案信息资源。
2.3档案事业数据综合统计和分析。档案人才队伍建设情况统计和分析。当今时代，不仅要求档案工作者具有较高的信息素养，而且需要档案工作者转变理念，从知识管理视角出发，为用户提供问题解决方案。档案领域数据分析师应该对档案工作者个体素质和整个队伍建设情况进行统计和分析，要重点关注专业学历、知识储备、年龄结构、管理能力、信息素养和职业精神等方面。
档案事业组织领导形势统计和分析。组织领导是档案事业发展的关键。档案领域数据分析师，应可以系统地设置档案事业各类统计表格，并根据形势发展创新地设置统计项目和衡量指标。不仅要分析档案主管部门对档案工作的组织领导情况，还要分析各级组织机构对档案事业的组织领导形势，包括工作规划、经费投入和对档案事业的关注度等。
档案专业硬件、软件建设情况统计和分析。在国家大力倡导档案信息共享平台建设的情形下，对行业内硬件、软件建设情况进行统计和分析，要重点对档案馆（室）库房建设、档案安全体系建设、业务设备建设、档案软件系统建设等方面进行统计和分析，避免低水平重复建设、提升管理资源利用效益。
制定档案事业科学发展方案。档案领域数据分析师要适应大环境的需要，从档案工作者个体出发，提出人才培养和培训方案。从档案人才队伍整体建设出发，合理提出编制调整、人才配备和人才发展等建议。在硬件建设方面，从档案事业整体发展视角提供指导意见，合理配置各类设备设施。在应用系统开发方面，针对技术发展形势及时提供建议，为颁布软件系统需求标准、协调资源做出贡献。
2.4档案文件内容大数据的分析和知识挖掘。无论是科技档案、专门档案，还是文书档案，其利用都是围绕着组织机构（或个人）的业务行为开展的。因此，从业务层面对档案内容大数据进行分析，是档案大数据分析的重要内容。根据各专业发展的需要，利用高效、可视化的图形分析工具，对档案文件内容大数据进行分析，挖掘出其中蕴含的知识点，以指导各领域业务工作的科学开展。
3档案领域数据分析师的基本素质要求
数据分析师肩负着对档案事业各类数据进行统计和分析的职责，并且要根据分析结果制定出推动各行业科学发展的、切实可行的方案，这就要求其具有高度的事业心和责任感，具备档案、计算机、数学和管理等领域专业知识和技能。
3.1思维开阔，开拓精神强。无论是统计项目的设置、还是优化方案的制定，都要求档案领域数据分析师关注相关领域前沿发展形势，具有开阔的思维和较强的创新意识，能够敏锐地捕捉到档案事业发展中的主要矛盾，打破旧的思维和工作运行模式，为建立起切合实际的、具有前瞻性的档案工作机制贡献力量。
3.2档案专业功底扎实。档案领域的数据分析，其出发点和落脚点均在档案收集、管理和利用。因而，数据分析师应具备系统的档案专业理论知识。不仅要熟知档案领域基本理论，而且要掌握领域前沿发展和理论创新情况，密切跟踪行业发展实践，能够科学地设计好统计与衡量指标、优化和促进档案事业的综合发展。
3.3掌握计算机应用专业知识。数据分析师经常要与计算机网络、多种软件工具打交道，必须具备较高的信息素养和扎实的计算机应用专业知识。档案领域数据分析师，应了解机器学习、人工智能和自然语言知识，能够结合领域实际，提出具体的统计、分析软件系统需求；能够熟练操作基本分析软件，掌握大数据分析工具的使用（如R软件、SpSS、matLaB），准确地采集、处理数据，必要时进行数据迁移；能够在看似无关的数据中挖掘出蕴含的关联、发现档案资源建设和档案事业发展内在规律。
3.4熟悉管理学基本理论。无论是档案资源管理、还是档案事业的综合管理，都离不开管理学基本理论的运用。因此，档案领域数据分析师应熟悉现代管理学基本理论，具有严谨的逻辑思维能力和较好的文字表述能力，能够运用管理学前沿理论来指导档案资源建设和档案事业科学发展方案的制定。
3.5灵活运用统计和分析基本方法。在可视化需求不断增长的今天，人们需要数据分析师能够直观地将统计和分析结果呈现出来。这就要求档案领域数据分析师熟练掌握数据分析与建模方法，牢记统计、分析的基本程序和原则，将分析结果以图形化方式表述出来，必要时加以创新和发展，从定性分析和定量分析两个视角，为档案事业的科学发展提供数据支撑。
此外，在对档案文件内容大数据进行分析和挖掘时，还要求数据分析师了解相关领域的专业知识，或者与相关领域专业人员密切协作，以确保分析过程和结果的质量。
参考文献：
[1]丁世飞，靳奉祥，赵相伟.现代数据分析与信息模式识别[m].北京：科学出版社，2012.
[2]金光.数据分析与建模方法[m].北京：国防工业出版社，2013.
[3]郑毅.证析――大数据与基于证据的决策[m].北京：华夏出版社，2012.
数据分析师篇2
据iDC预测，2020年全球数据总量将超过40ZB，其中80%为非结构化数据。一直以来，数据本身所蕴藏的商业价值往往被忽视。但是随着越来越多的商业智能化应用初露端倪，让更多的企业看到了数据中潜藏的巨大机遇。
利用大数据技术对用户的行为习惯进行分析，运营商能更有针对性地制订市场营销计划，或者开发出更多全新的商业模式和服务；通过分析在金融机构之间交换的交易数据，金融行业能确保交易的安全可靠，防止欺诈发生；借助大数据技术，智能城市及物联网领域则更快实现对交通、公共安全、气象和污染变化的智能监控及预测……
行业转型背后的大数据运营
顾名思义，“大数据”首先是数据量很大，已经从tB级跃升至pB甚至到eB级；其次区别于传统的数据结构和类型，数据结构和类型更加复杂，比如网上的流媒体数据、物联网中RFiD感应数据以及社交网络上产生的各种数据等。
尤其随着非结构化数据持续不断地增加，并且需要长时间存储，非热点数据也会被随机访问，这种情况与传统的、基于关系型数据库的核心数据存储方式有显著的差异。这种差异使得传统的数据存储和管理解决方案无法胜任大数据时代的分析、管理和挖掘工作。
此外，因为数据每时每刻都在产生，传统解决方案也无法适应这种近乎无限的扩张性。为了适应大数据时代，企业需要从硬件、技术、应用等各个层面做好准备，才能满足大数据收集、存储、管理和分析的要求。
在数据规模上，能够支持pB级甚至更大规模的数据，在数据类型上，支持非结构化以及结构化数据，速度上支持每秒万次级查询，并拥有更高的系统可靠性以及更高的统计分析效率。
除了支持更快速、灵活及稳定的分析挖掘，对数据的存储和统一管理能力也必不可少，在应对大数据处理难题面前，硬件和软件都将发挥自身的价值，除了高性能、可靠的硬件平台，软件层面的优化支持也更为关键。
重塑数据价值
预计到2025年，全球将新增40亿互联网用户、80亿部智能手机在使用、联接数将达一千亿、每人每天消费1.7GB数据、移动支付将达到3万亿美元。
在万物互联的全联接时代，核心是“突破时间和空间的全连接和零距离”和“基于数据的智能和智慧”。用户体验将从独立的应用体验，过渡到数字世界和物理世界互动、融合的集成体验。在此环境下，企业需要更加贴近最终用户，注重用户的体验和感受，并与用户进行交互。其背后需要企业的商业模式、营销模式、研发模式、运营模式、服务模式等全方面改变，更离不开it基础设施本身的重构以及支撑。
数据已经成为数字经济的命脉，行业数字化转型的引擎，以及商业竞争中最宝贵的资源，企业的成功越来越依赖于对数据的管理和价值挖掘。华为在2016分析师大会上重磅宣布数据治理愿景，帮助企业重塑数据价值。
数据分析师篇3
abstract：theintroductionofuniversityteachersevaluationsystemisnecessarytostrengthenteachingmanagement，schooleachsemesterbythemeasurementsystemcanreflectstudents’satisfactioninclassroomteachersandteachersinsomeirregularitiesintheprocessofteaching.thispaperfirstintroducestherelevantplanningalgorithmofclassicdataminingalgorithm，andthenanalysisandevaluationsystemofcollegeteachersofdatabase，usingthemethodofhierarchicalanalysisofteacherevaluationsystemoflargeamountsofdatainthedatabase，findoutthecorrelationbetweenteachers’ownattributeandteachingconditions.Finallythismethodandtotallackofandmakeaprospect.
Keywords：associationrules；teacherevaluation；apriorialgorithm
随着高等教育的逐渐普及，普通高校的在生源竞争上越来越激烈，优质的教学质量是竞争的核心，是高校赖以生存的生命线。对高校教师进行测评是每学期教学管理的必不可少的一项工作，涉及所有任课教师，所有课程。
目前大部分高校都引进了教学管理系统，其中包括教师网上测评模块，在校学生可以随时随地对本学期课程教师进行测评。但高校教学质量测评环节基本上用的是一套固定模式：由教务部门确定一个测评指标体系，制作出一套测评表，由部分特定学生群体对某个教师进行测评，最后综合统计，得出每个教师的总分，做出学期末考核的一个重要因素。然而实际上高校教学质量测评是一个复杂的教育和教学问题，涉及到各方面的因素，只是一味的追求结果已不能适应现代的多元化的教学。我们应该充分利用系统所收集的各项数据，寻找各项数据之间的关联，以及同一门课程不同班级所提交数据之间的内在联系。分析出每位教师所讲授课程的特点，针对得出的结论，作为系部教学整改的重要依据。
1数据挖掘中关联规则算法概述
1.1关联规划算法的概念
所谓关联，反映的是一个事件和其他事件之间依赖或关联的知识。当我们查找英文文献的时候，可以发现有两个英文词都能形容关联的含义。第一个是相关性relevance；第二个是关联性association，两者都可以用来描述事件之间的关联程度。
关联算法是数据挖掘中的一类重要算法。1993年，R.agrawal等人首次提出了挖掘顾客交易数据中项目集间的关联规则问题，其核心是基于两阶段频繁集思想的递推算法。该关联规则在分类上属于单维、单层及布尔关联规则，典型的算法是apriori算法。
1.2apriori算法概述
apriori算法将发现关联规则的过程分为两个步骤：第一步通过迭代，检索出事务数据库1中的所有频繁项集，即支持度不低于用户设定的阈值的项集；第二步利用频繁项集构造出满足用户最小信任度的规则。其中，挖掘或识别出所有频繁项集是该算法的核心，占整个计算量的大部分。层次分析法的步骤。
2利用apriori算法对教师测评数据进行分析
2.1数据准备
下面以某高职院校计算机应用技术专业教师测评数据集和教师自身一些特征数据为训练样本。教师测评数据包括讲课教学内容、教学态度、教学方法和按时批改作业。这四个方面分别为30、20、30、20。用符号a表示教学内容，符号概化为a1（25～30分），a2（20～24分），a3（19分以下），用符号B表示教学方法，B1（18～20分），B2（15～17分），B3（14分以下）。以此类似方法将教学态度和批发作业等数据离散化。将测评结果的四个属性作为决策属性，成绩大于90分的为“D1”，大于80分小于90分的为“D2”，大于60分小于80分的为“D3”，小于60分的为“D4”。学历项数据博士、研究生、本科分别离散为X1，X2，X3。职称教授、副教授、讲师、助教表示为Z1，Z2，Z3，Z4。将这些数据集显示在表1中。
2.2apriori算法的应用
在本论文中，挖掘的目标是教师授课情况和教师自身条件与测评结果之间的关联，因此使用如下形式的规则模板：
p1∧p2∧p3…=>Q1∧Q2…
其中p表示各项教师的指标情况，Q为测评结果。设关联规则最小支持度为20%，最小置信度为70%，用VC++进行编程运算。
第一，找出所有的频繁项集伪代码如下：
procedureFp_growth（tree，a）
iftree含单个路径pthen{
for路径p中结点的每个组合（记作b）
产生模式bUa，其支持度support=b中结点的最小支持度；
}else{
foreachai在tree的头部（按照支持度由低到高顺序进行扫描）{
产生一个模式b=aiUa，其支持度support=ai.support；
构造b的条件模式基，然后构造b的条件Fp-树treeb；
iftreeb不为空then
调用Fp_growth（treeb，b）；
}
}
2.3由频繁项集产生强规则
表2为由所有频繁项集所导出的有价值的关联规则生成表。
2.4结果分析
具有较副高职称和研究生学历的教师，教学态度较好，而且精力充沛，课堂教学经验丰富，评价分数较高。而本科学历同样是副高职称的老教师，在教学内容上能得到学生认可，教学态度严谨，学生评价分数也很高。一些刚走上讲台不久，助教职称的教师，在教学方法和教学内容上还有所欠缺，没有得到学生的认可。由此可见，学校应该加大年轻教师的培养，多给他们外出学习和培训的机会，另外有经验的教师也应该担负起培养年轻教师的责任。
数据分析师篇4
【关键词】学评教系统；双均值偏离法；定量
随着教育现代化以及教育改革的不断深入，学评教成为国内外许多高等院校评判教师教学质量的重要手段和依据[1]。在大数据时代的今天，如何设计合理的评教体系来获取、分析海量的学生评教数据，并从数据中分析出目前教学运行中存在的问题，成为各高校面临的重要问题。
1.学生评教
学生评教即学生参与对教师教学的评价，一般是指学校组织学生根据一定的教学目标和评估标准，对教师的教学行为及其态度、水平等方面进行的过程与效果的评价，并在客观分析评价结果和学生意见的基础上向教师反馈并提出改进要求。
2.双均值偏离数据分析法
教学评价中，各方面影响因素很多，评价方法也不尽相同，从多个角度对学生评教的结果进行分析，会产生如下两个问题：考虑尽可能多的指标；指标过多又增加了问题的复杂性。同时很多评教指标彼此之间常常存在着一定的相关性。针对目前评教分析方法存在的种种问题，在坚持定量评价与定性评价相结合的评价原则下，我们制定出一套较为客观的基于“双均值偏离数据分析法”的学生评教系统。“双均值偏离数据分析法”是一种标准统计技术，可用于分析不同标准来源下的数据，可以相对精确地估计最终均值，从而获得更为科学、准确的研究结果。
本模型涉及学生、教师、课程三个实体，学生、教师通过课程相联系，建立如下e-R图，并在此基础上设计数据库。其主要思路是：
（1）计算出每位学生给所有教师评价的均值；（2）计算出每位学生对其所有授课教师的平均水平=某一位学生给某位教师的评价成绩-该学生对所有教师的平均评价成绩；（3）计算出所有学生对其授课教师的平均评价水平。（4）进行数据分析，得出最终结论。
此评教分析方法中，最终得出的某名教师在所有学生评教中的分数与不同学生评教平均值的平均偏差。这个平均偏差的值越大，说明学生对该老师的评价与对所有老师的评价相比偏差就越大。如果偏差是正值，绝对值越大，说明学生对教师的评价越高；反之是负值时，绝对值越大，学生对教师的评价越低。如果平均偏差值接近于0，说明学生对教师的评价趋于平均值。故所得的平均偏差能够体现出教师在所有学生评教中的相对地位。总体来看，此评教分析方法是一种定性与定量相结合的评教分析方法。
3.系统的设计与实现
本系统为学生对任课教师进行网上评价的评教系统，系统的使用者分为学生和管理员两种[2]。评教过程中，学生需要进行身份认证，管理员可以对教师的成绩进行统计和分析。
图1系统流程图
3.1评教系统组织结构
根据系统流程图，系统可分为以下几个部分：基础数据管理、问卷管理、数据统计分析。
（1）基础数据管理。该部分用于提供学生信息、教师信息、课程信息，包括学生信息管理、教师信息管理、课程信息管理。
（2）问卷管理。该部分用于提供评教问卷，包括问卷设计、数据收集、问卷管理。
（3）数据统计分析。该部分用于对学生提交评价的实时管理及对教师的意见反馈，包括教师成绩及排名分析。
3.2系统功能模块的实现
（1）用户及其权限管理。本模块主要用于对学生、管理员登录本系统进行权限验证。
（2）基础数据模块管理。本系统基础数据为教师、学生、课程等数据表，通过JSp技术读取数据库中的相关数据。
（3）问卷管理模块。学生通过本模块完成对问卷问题的评价和提交，所提交数据提交到数据库中。
（4）数据统计分析。读取数据库中学生提交的数据，通过本文所述双均值偏离数据分析法计算出标准成绩和教师的平均成绩，通过标准成绩和教师成绩的差值分析教师的教学质量。
3.3数据库访问的实现
配置myeclipse及SQLServer2005数据库，建立与数据库的连接。
4.展望
本文设计的学评教系统所实现的各项功能是在笔者团队经过研究、讨论后设计出来的。本系统所用体系是基于双均值偏离数据分析法的一套数据评价分析方法体系，本系统的实施尚需要一套完善的评教问卷来支撑，因此，如何设计一套完善可靠，具有良好信度效度的评教问卷是本团队的下一步科研目标。
【参考文献】
数据分析师篇5
[关键词]数据分析观念能力小学数学
[中图分类号]G623.5[文献标识码]a[文章编号]1007-9068（2016）35-070
数学教材中“统计与概率”这一章节数据较多，统计图的类型也比较多，教师可以该知识为切入点，引导学生观察和感悟数据，提高学生的数据统计和分析能力，为学生解决生活实际问题打好基础。
一、引入生活情境，鼓励学生整理数据
生活中与学生相关的数据很多，教师就可引导学生收集真实的生活数据，使他们深刻理解数据的意义，产生分析数据的兴趣。
例如，“统计”教学片断。
师：这是三年级（2）班学生的课外活动图片，大家在图片中看到了什么？
生1：有的学生在跳绳。
生2：有8个学生在打乒乓球。
生3：还有几个学生在踢足球。
师：用什么方式能更好地反映全班学生的运动情况呢？
生4：可以画成表格的形式。
生5：用折线图来表示，这样可以看出参加游戏人数的变化。
生6：折线图不容易对每项游戏人数进行具体分析，可以把折线图画成圆形。
师：画成圆形的图形是什么类型的统计图呢？大家有没有兴趣深入学习一下？
教师以学生日常活动的图片为导入，丰富了学生的多种感觉体验，使学生有了初步观察和分析数据的兴趣，为后续教学埋下了伏笔。
二、亲身经历，培养数据分析能力
数据的分析需要建立在亲身经历的基础上，教师应该按照提出问题、分析问题、收集数据、整理数据、做出决策和交流分析的步骤，挖掘学生的发现能力和创新精神，进一步提高学生的数据分析能力。
例如，教学“平均数”时，教师可先组织学生以值日小组为单位，进行跳绳比赛。在比赛的过程中学生很快就感觉到“不公平”，这是因为各值日小组的人数上有差别，而且每个小组的男女生人数也不一样。此时教师提问：“针对这种不公平的现象应该怎么处理呢？”由于学生具有活泼好动和争强好胜的特点，他们很快就给出了公平的做法：分别统计全班男生和女生人数，除以比赛的小组数后再分配。在解决问题的过程中，学生对平均数的概念能有初步的了解，而且印象比较深刻。为了进一步巩固知识，教师还可带领他们进行拔河比赛，而拔河比赛前需要学生对体重进行分析后列出体重统计表，并思考以哪个数据为基准进行人数分配比较好。
数学知识来源于生活，也是用来解决实际生活问题的。教师在教学的过程中，应鼓励学生遇到问题时多问几个为什么，然后整理和搜集数据，最终形成正确的答案，实现对数据的分析。
三、选择合适的分析方法，提升数据分析的水平
教师应根据学生的认知水平和发展规律，引导他们对信息进行分析后选择合理的分析方法，深化数据分析水平。
例如，针对“佳美商店电视机销售情况统计表”，回答如下问题：
（1）请根据表格和下列问题做出合适的统计图，并进行作答。
（2）星期一和星期二一共销售了多少台电视机？
（3）星期六比星期三多销售了多少台电视机？
（4）若你是商店的总经理，你会安排员工在哪两天休息呢？
由于题目涉及了星期一、星期二、星期三及星期六具体的电视机销售台数，学生能够在分析的基础上得出应该绘制条形图的结论。对于第（4）个问题“如何安排员工的休息”，学生可能会感觉有一定的难度，此时，教师可鼓励学生对每天的销售量进行分析，周六周日销售量最高肯定不安排休息，这样题目就转化成了求哪两天的销售量最低，降低了解题难度。
这样的题目，让学生在生活中遇到数据问题时，也会倾向于从数学的角度来解决，而不是手足无措。因此，为了进一步培养学生的数据分析能力，教师可多设计一些与实际生活相关的练习题，多让学生对数据进行分析。
数据分析师篇6
关键词：信息技术 课堂观察 评价研究 评价工具软件
上完一节课，教师非常想得到课后反馈，有来自学生的也有来自观察者的。一堂课的定量结果与定性结果如何给出，对客观性与主观性分析如何界定，都是我们进行课例研究的内容之一，对于听课者，要有计划地觉察学生的认知、情感和行为的表现，还要观察教师在教学中的过程，记录各个时段教与学的内容方式，为课后的评价提供客观的数据。若能方便快捷地把课堂观察到的现象，师生的活动快速分类记录，让系统和评课者共同完成任务，就可以大大提高效率。
一、运用课堂观察工具加强评课量化分析
随着高中新课改的逐步推进，涌现出大量的优秀课例，教师在如何上好一堂课上下了很大的功夫，经过课前的精密策划，课上的精心组织，课后的认真反思，提高了教学的实效性。为了提高教学质量，课堂观察和课堂评价是获取教学反馈的重要渠道，也是教师调整管理措施、实施有效管理的前提条件。现场听课，记录的数据能即时的用图表的方式展现评课者眼前是很重要的，看上去直观，时序清楚，分布有序，参考价值较高，便于评课者为主观判断提供依据，要想达到一目了然的效果，系统自动把数据图形化展示，随着时间的推移，图形自动跟着变化，与教学时序同步，每个时段师生在做什么都摆在图表区，各自在整个教学过程中的比例关系，根据数据绘出st曲线，以图形的方式直接表现教学过程特征，通过采样数据绘制Rtch图，用来呈现教师行为占有率Rt与师生行为转换率ch之间的关系。活动曲线与问答曲线反映的是客观现实，评课者记录的观课评语从另一个角度再现了现场的效果，评课系统的使用，大大提高了数据采集的效率，对采集的数据自动量化分析，加强了分析深度，加快了分析速度，量化分析为评课提供了科学依据。
二、客观评价教学，发挥观察数据作用
新课改实施后，评价对象从关注教师的“教”转向关注学生的“学”。综合发展趋势，从以往侧重教师的教转向面向教学结果的同时，也考虑教师的教和学生的学。从只关注知识的掌握转向全面关注“知识和技能”“过程和方法”“情感态度和价值观”。教学评价既关注“有效教学”结果的达成，也关注师生在教学过程中的状态表现。强调评价标准从单一走向多元，从静态走向生成。总之，课堂教学评价的主要目的，是为了教师的发展，为了提高课堂教学的有效性，最终达到促进学生发展的目标。这对观察研究也提出了更高的要求，常用的评价方法一般如：
从教师教学的维度方面不但要记录教学环节及其时间安排，还要记录不同活动形式所占的时间比例。观察者要按照设定的时间间隔记录，课后要分析教师与学生在这节课中各自的活动形式和占用的时间分布比例，数据的记录，汇总，统计是耗时费劲儿的事。
从师生互动方面不但要关注教师的提问对象、提问的次数，还要关注教师对学生回答问题的回应和指导，从教师提问问题的类型方面不但要知道有哪些问题、认知难度如何，还要关注提问后留出的时间。提问与回答往往是很快的节奏，要记录准确的时间分布是很难操作的。
从教师关注群体方面，不但要知道提问了哪些学生，还要知道被提问的学生在教室中的分布状况。教师在教学中比较习惯叫熟悉的学生回答问题，容易忽略群体，特别是座位离讲台较远的学生。从回答中分析，记录学生的进步和态度也比较难。
对于这些任务的落实，靠传统的人工纸质记录方式需要多人分工落实，实施起来显然比较困难。但这是授课教师和评课教师非常想得到的数据。在现实的听、评课活动中，基本上是下课后立即组织评课，传统的人工纸质记录方式后期处理需要时间，汇总分析数据显然滞后，即便有了观察数据还要进行数据分析，精细程度也不够，往往评课者主观评价较多，客观量化的评价较少，这对全面客观的评价一节课会带来一定的影响。要解决大量数据的采集，使用工具软件辅助是十分必要的，只有高效采集数据，课后提供数据，及时分析数据，才能充分发挥观察数据作用。促成听、评课实质的变化。
三、研发工具软件，提高采集数据效率
观察数据需要即时记录与快速分析，当每次采集数据的时间间隔小于30秒后，完全依靠人工记录很难实现，而且需要多人分工实现。针对这些需求，研发一个用于听课辅助记录教学过程的工具软件是非常必要的，结合多年的教学与听课、评课经验，感觉到要是有一个能方便快捷地把课堂观察到的现象，师生的活动快速分类记录，让系统和评课者共同完成，就可以大大提高效率。由于记录的数据是大量的，分析的数据也是大量的，考虑用数据库管理是比较适合的，根据这一设想，笔者研发了基于数据库管理下的评课软件，在教学评课中使用，受到大家的欢迎。
1，数据分类
课堂观察不可能也没有必要把课堂中所发生的一切都记录下来，要把教学行为分成几类，重点观察，根据教学需要列出分类要素，便于评课时选择，分类需要结合评价的科目不同有所侧重，以信息技术教学评课为例，首先是按教师与学生的活动分类，其次是按教师与学生的对话分类，如图l评价项目表(前面标有t字的代表教师，标有s字的代表学生)，再次是观课评语。
(1)活动分类：
教师活动：演示演算讲解、巡视指导、分析引导、请学生示范并点评、评价总结归纳。
学生活动：观看示范或听讲、规划或实验操作、分组活动讨论交流、互动分析相互观摩。
活动分类可以记录并分析出师生在不同的时间段中主要教学行为，各自在整个教学过程中的比例关系，根据数据绘出st曲线，以图形的方式直接表现教学过程特征，通过采样数据绘制Rtch图，用来呈现教师行为占有率Rt与师生行为转换率ch之间的关系。
(2)对话分类：
教师的提问与答复：提出问题、接纳学生感受、赞许学生行为、接受学生观点、指示或命令、批评或辩护权威行为。
学生的回答与发问：回答老师的提问或按要求表述、主动表达或向老师提出问题、静止或疑惑暂时停顿或不理解。
对话分类主要以弗兰德斯互动分析为理论依据，通过课堂师生语言互动、生生语言互动相互交流思想和情感，根据数据看到教师与学生间的沟通、反馈，看到关注个体与群体的效果。
(3)观课评语：
观课评语可以事先设定一些，也可以现场录入，属于主观评价的部分，侧重于用文字描述评课者的感受。
2 记录方法
数据的记录完全依靠系统是很难实现的，需要评课者告诉系统：目前进行的是教学中的什么项目、教师和学生分别在进行什么活动，以哪一方为主，系统按照设定的时间间隔自动记录下当前选择的项目并延续跟踪，当教学活动发生变化时，只需评课者单击一下新的对应
项目系统马上做出反映，转向新的记录项目(如图2)。
常规对话记录可以用选择项目记录，也可以用座位表方式记录，这样不但能记录师生对话的时间，还能记录回答问题的学生座次，一节课下来，哪几位学生回答了问题，被提问了几次都记录了下来，对分析关注个体与群体的效果有直接的意义。
为了减少评课者录入汉字的时间，常用的评课术语可以从列表中选入，也可以由评课者录入，系统会把选中的评语追加到对应的时序中。
3 图形表示
现场听课，记录的数据能即时的用图表的方式展现在评课者眼前是很重要的，看上去直观，时序清楚，分布有序，参考价值较高，便于评课者为主观判断提供依据。要想达到一目了然的效果，系统自动把数据图形化展示，随着时间的推移，图形自动跟着变化，与教学时序同步，每个时段师生在做什么都摆在图表区，在对应的座次表上可以清楚地看到哪些学生回答过问题，并用数字标注回答过几次(如图3)，目前学校机房多数采用方阵排列或圆阵排列，评课者可以根据现场情况选择座次图，方便观察点击，当提问某学生时，点击对应座次，系统会标注提问次数，再次被提问时，操作方法不变，而次数会变更。导出的同时系统完成初步的数据分析，给出师生对话用时曲线，师生活动对话曲线图(如图4)，答题人数比例曲线图，并把各分项占用的总时间合并成连续的图(如图5)，为分析S-t用时比例提供直观的图表(如图6)，通过对Rt-Ch曲线分析，看到教师行为占有率为46％，学生行为占有率为54％，师生行为转换率为9％，属于混合型教学模式(如图7)，教师给学生留出了比较多的操作时间和独立思考的时间，由于师生行为转换率只为9％，说明师生之间的互动活动转换比较少，从图2看到，在引入阶段互动多，归纳总结时互动较少，从图3提问的分布看，提问了12名学生达到40.74％关注群体比较好，有一行学生没有1人被提问，是个遗憾。系统提供这些图表，具有操作简单，结果直观，评价客观有效等特点，特别便于教师自己作课后反思，更便于评课者分析评议。
同课对比，课前设计与实际授课对比，重点校与一般校对比，常态课与公开课对比等等，都具有特殊的意义，可分析的方法还有许多，需要在后期的应用与研究中逐步提高。
四、自动量化分析提供评课科学依据
系统的使用，大大提高了数据采集的效率，对采集的数据自动量化分析，加强了分析深度，加快了分析速度。量化分析为评课提供了科学依据，怎样理解描述就需要动脑筋细研究。
首先看活动分析，在教学中，学生是认识的主体，主体性是现代教育教学的核心和灵魂，而活动性则是主体性的具体表现，是构建新的教学模式的核心。什么样的比例合适，要因教学内容而定，不能生搬硬套，但目标是一致的，要让学生对所学知识了解、理解、学会、掌握，学会应用。不同的课有不同的教学目标，课后要对准目标分析，教师给学生留有多少活动时间，与课前设计的有多少差距，那里可以改进，教师从学生的活动中得到了哪些反馈，对这些反馈是怎样处理的，什么时候处理的，学生对处理的反应如何都是需要分析的。评课不但要看师生在整个教学中的比例，还要看师生活动的切换频率，总体时间分配合适，但切换频率过高也会影响学生操作。放羊式的上机实验也是不可取的，教师要给学生“适当”的帮助，在恰当的时机给学生启示，坚持由学生自我发现、自我突破，请学生示范并及时点评，培养学生的发散思维及创新意识。
对课堂互动质量的评价，离不开对课堂细致的观察和科学化的方法，在设立活动项目时，结合新课改提出的要求，专门设计了分组活动讨论交流、互动分析相互观摩项目，学生的分组讨论、相互观摩有助于相互学习与分工合作，体现集体的智慧与创造力，增进学生间的沟通，教师也可以是他们中间的一员或辅导员，这是教师调动每个学生学习积极性的一个窗口，针对这组数据的分析，也可以看到教师组织教学的另一种方式。
问答曲线分析，体现了师生语言的互动性，从提问与回答的频度，观察教师对整体与个体的关注，从提问的有效性、应答的及时性方面，反映了教师与学生之间情感气氛融洽与否。表现了课堂积极整合的程度。有了问答曲线的分析，促使教师在教学中避免“满堂灌～言堂”的现象，拉近了教师与学生的距离，提醒教师要关注全体学生。促进教师在提问时要有针对性，教师的一个问题，能够引起多少学生的反映与回答，是否冷场，是主动回答还是被动回答，回答的正确率如何需要结合数据统计仔细分析，数据与图表只是客观现象，只有结合主观的评价才能发挥更大的作用。
活动曲线与问答曲线反映的是客观现实，评课者记录的观课评语从另一个角度再现了现场的效果，工具软件留有评课主观录入区，评课者的评语系统会自动记录在对应的时序表中，方便评课者输入，在哪个时段的感受，记录在哪个区间，在回顾评语时的针对性就提高了。
评价是个手段，重在促进教师专业能力的提升，提高教学设计的能力，促进教师教学理念的转变，提高教师信息技术应用水平的提高。
在听课记录过程中，只有方便使用者，才能收到好的效果，评课者使用装有评课软件的笔记本电脑现场记录，只有录入观课者的评语需要键盘录入，其他的只需用鼠标点击当前教学状况相符的评价条目，系统会按照设定的时间间隔自动在该条目下记录数据，直至评课者更换评价条目。对观察者来说，工具是辅助他工作的，不能增加他的工作负担，过多的操作会分散观课的效果，尽可能减少操作，能让系统做的就让系统做，评课者在听课的同时就完成了记录数据的工作，使用工具软件辅助记录数据，用st分析方法评议教学，在实际运用过程中，具有操作简单、结果直观、评价客观有效等特点，特别便于教师评议及反思。是对教学“质的研究”与“量的研究”的结合。
有了评课系统的支持，对观课、评课、议课提供了数据，但这并不是万能的，评价项目会因课型的不同，会出现空项无数据，评课者本身是具有主观能动性的人，在记录中的疏忽会直接影响数据的准确性(如选错了项目)，受观察者观课视角的影响，也可能会漏掉某些环节，所以，评价一节课，要全面、客观、多角度的评议。
用量化分析为评课提供科学依据需要长期的努力，还要发挥不同评价系统的作用，不断提高教学评价的科学性和实效性，提高研究的效率和质量。
数据分析师篇7
应用统计专业学位的设立是为了适应现代统计事业发展对应用统计专门人才的需要而设置的，它的培养目标主要是让学生掌握扎实的理论基础和系统的专业知识和技能，具备数据采集、整理、分析和开发的能力，能够从事统计调查咨询、数据分析等“应用型”统计专门人才[5]110-111。然而，在大数据环境下实现的数据分析已不再局限于某一类特殊的行业统计分析需要，各行各业的运作发展都越来越依赖于大数据环境的存储、计算、统计分析与决策。对于多样化的大数据集，其所涉及的内容和知识结构必然是不同学科的交叉应用。大数据时代的数据分析专业人才的培养目标并不仅仅是传统的数据收集、整理与分析，而是需要掌握能适应大数据特点的新的研究方法和独立分析的能力，能很好地融会贯通其他专业的知识内涵，成为真正意义的专业大数据分析人才。然而传统的统计学人才培养目标和教学模式并不符合社会对大数据分析专业能力的要求。参考和借鉴文献[6-7]8-9,226提出来的一些建议，笔者探索从以下几个方面对人才培养目标和教学培养模式进行改革：（一）走出校园，深入社会，挖掘并归纳出社会用人单位对数据分析专业职位技能和能力素质要求，进而制定符合社会需求的人才培养目标，以市场需求为导向更好地指导教学实践活动。为了更好地为用人单位输送符合大数据时代需求的专业数据分析人才，尝试对高年级学生的培养方案设计中考虑以岗位需求为标准灵活调整和制定相应的培养目标和内容。（二）参考国外本科生专业人才培养的先进理念，引入“协作式”培养模式，大力支持大型企业与高校合作或高校与高校合作培养复合型和开发型人才。各个高校、企业可以发挥各自专业特长来实现合作，高校的不同专业之间也应该加强沟通和协作，例如在制定应用统计专业数据分析人才培养方案及实施过程中，可以以统计学科所在的学院为主导，让计算机学科、经济、金融及管理学科等相关学院协作参与完成[8-9]60-64。（三）总结教学过程存在的不足，探索新的知识学习和能力培养的创新模式。目前的教学活动主要以老师独立授课，学生被动接受知识为主的方式，培养过程计划性强，缺乏弹性，培养的评价也过于单一。在本科生培养中可以引入课程学习、导师指导和科学研究三个阶段，考虑采用导师指导与集体培养相结合的方式，一门专业课程的讲授不再局限于单个老师完成，在培养方案中考虑主题分组方式，鼓励授课教师根据自己的专业特点和知识背景共同参与一门课程的教学活动。多名教师协同工作的模式可以取长补短，在大数据分析的实际案例设计及课程内容上都更加贴近实际需求，产生更好的教学效果[6]8-9。
二、基于大数据分析的特点科学构建课程体系
大数据背景下，人们可以通过互联网、数据库以及各种通信工具获得海量数据，人们日常生活、学习和工作的各类事物都可以实现信息化，世界几乎是由各种信息和数据所构成的。大数据的特点可以归结为四个V,数量大（Volume）、类型繁多（Variety）、价值密度低（Value）、速度快时效高(Velocity)[6]8-9。大数据的真正意义不在于能提供庞大的数据量，而是对海量的数据进行专业的处理和分析，并从中获取用户关注的信息。结合当前互联网应用中大数据本身的特点，从大数据中挖掘出重要知识并对之深度学习和分析的工具和方法也应与时俱进地发生改变，传统的统计方法和统计分析工具已无法满足大数据分析的需要。然而，在大多数高等院校中，统计学专业人才培养的课程体系并没有考虑社会的实际应用需求，仍然停留在以传统的统计模型框架为主导的课程体系设置，本科生教育的主要专业课程包括：数学分析、高等概率论与数理统计、应用随机过程、回归分析和多元统计分析等[10]248-249，这些课程内容和知识结构还不足以满足大数据时代对数据分析专业人才知识结构的要求，课程体系设置中缺少能有效整合的数据分析能力培养模块[11]66-68。因此，有必要针对各类院校师生各自的专业特点和学科基础，分层次、分阶段地展开课程体系改革。（一）参考国内外先进高校大数据分析专业的课程设置，结合本校的师资和专业结构特点采取灵活的策略制定课程计划，在实施学分制改革的高校中各类学生可以在学业导师指导下实施符合学生自身特点的课程学习方案。（二）以大数据分析人才需求驱动的课程体系改革要考虑市场的行业需求变化、大数据应用中跨学科的特点。素质好的数据分析人员不仅仅要具备专业的数据分析能力，还应该对具体数据中涉及的学科知识有较好的储备，能将不同行业的专业知识与数据分析紧密关联起来，实现大数据分析的效用最大化。此外，在充分借鉴国内外大学成功经验的基础上，课程设置应该与学生的学术倾向和基础能力紧密结合，注重基础课程教育的同时强调文理渗透，同时要兼顾学生的兴趣与学习的联系，在课程体系的设置中需要增设一些多领域、跨学科的选修课程，如经济学、金融学、保险学、管理学和会计学等。因此，校内跨学科或高校与高校之间联合培养是实现跨学科课程建设的有效方法之一。（三）科学构建课程体系的主要思路还包括根据大数据时代需求，对专业必修和专业选修课程在课程时间、顺序及内容等方面进行改革。专业必修课程重点内容为统计学和计算机科学的交叉部分，在讲授统计基础理论（如多元统计、决策树、时间序列等）课程基础上设置大数据案例分析课程，在案例分析过程中让学生实际操作企业当前应用的大数据计算平台[6]8-9，从而增强学生大规模分布式计算技能。为提高学生的实际动手和二次开发能力，专业选修课程需更多地开设与数据挖掘及面向数据的编程语言相关的课程，如数据挖掘算法、C++、Java和python等课程，强化学生的数据挖掘和分析能力。
三、基于协同创新的理念开展实践教学改革
近几年，随着应用型、创新型人才培养目标的提出，学校越来越重视和加强对各类专业人才实践教学能力的培养，以“数据分析”为方向的专业人才需要运用统计分析软件对数据进行分析和决策，其实践教学的重要性更是不言而喻。然而，在大数据被广泛应用的时代背景下，高等院校中的实践教学仍然是培养高层次“大数据分析”人才的薄弱环节，实践教学教材及内容不规范、教学方法单一、软硬件的更新以及师资储备等方面都存在着一些问题[12]96-97。例如以模型驱动为主的实践教学模式已不适应大数据时代的要求，大数据时代数据是海量且复杂的，用简单的SpSS、eviews为主的软件教学已无法处理大数据[5]110-111。因此，学习其他知名高校构建的协同创新的理念，结合财经类院校的统计学科及人才培养的特点，开展实践教学改革[13]248-249。对“数据分析”专业人才实践教学改革，笔者的建议如下：（一）根据协同创新理念，解决实践教学环节存在的实验教材（教学内容）缺乏实用性的问题，一方面可以参考企业对数据分析师、调查分析师资格认证相关培训教材，开发实用性强的《数据分析》实践教材，另一方面学校可以和企业或其他高校定期举办交流座谈会，面向企业需求甄选实践教学内容。（二）高素质的师资队伍对人才的培养无疑起着至关重要的作用，在提高指导教师理论和实践能力方面，借鉴协同创新联合培养的模式可以有效充分地利用企业、学校的各方面师资资源。例如北京大学、中国科学院、中国人民大学、中央财经大学、首都经济贸易大学5所高校已经与政府部门和产业界签署了联合培养大数据分析应用人才的合作协议[14]。广东财经大学也可以参照类似联合培养的做法，和广东其他高校、政府和企业合作。一方面企业或政府可以利用自身的资源为高校提供人才培养实习基地，并且引荐相关的技术人员聘为校外实习导师，指导学生在实习实践中建立以问题为导向，以项目为牵引的运作机制，让学生能够理论联系实际，切身体会数据分析的商业操作体系。另一方面，由于高校的专业教师缺乏社会实践的机会和经验，高校应该制定政策鼓励并推荐相关专业教师走出学校、走进企业，密切与企业合作交流，从而更进一步地提高教师对复合型专业学位人才培养的能力[15]29-32。（三）为了激发学生的学习热情，减少对实践操作的畏难情绪，实验课程的教学方法也需要探索创新性实践教育模式。教学过程可以考虑灵活的制定团队教学计划、案例实战分析、模拟实训等多样化的方式，减少单一的课堂内容讲授，在理论和实践教学环节中积极调动学生的主观能动性，提供更真实的企业大数据应用环境，并以学生为主完成实际案例分析。此外，基于不同的授课对象的特点，老师在教学过程中也要适当考虑学生的兴趣和需求，随时调整实验教学策略[9]。
数据分析师篇8
【关键词】细分核算单元；企业战略；评价体系
一、公司成长与财务分析师跟踪
财务分析师是资本市场的信息“剂”，其实质作用是提供更多的增量信息，合理引导资源配置，提高资本市场的有效性（Lys和Sohn，1990；Frankel和Li，2004）。财务分析师会利用专业技能和大众投资者不可比拟的信息渠道，来发现市场中的套利机会。他们在进行决定跟踪公司、股票盈利预测和投资推荐时，会密切关注公司的资产状况和盈利能力，特别是公司成长能力的资产和事件，并深度挖掘目标公司相应的财务和非财务信息。高成长性强的企业，一般具有市场竞争力强、投资回报率高、抵御风险能力强的特点。成长性越强，财务分析师主要服务的对象如基金公司就越可能选作投资标的，从而为财务分析师本人或所在公司带来更大利益，因此财务分析师就越可能进行跟踪和研究。mcnichols和o’Brien（1997）研究也证实，分析师更有可能选择盈利能力强且有增长潜力的公司进行预测。据此，提出假设1。
H1：在其它情况不变的条件下，公司成长性越高，跟踪该公司的财务分析师则越多。
二、盈余波动与财务分析师跟踪
一个企业的盈余波动主要受两个因素的影响，即经济周期与会计收入确认的差异（Dichevetal，2009）。Klein等（2006）基于美国的数据研究发现，经济周期和上市公司的资产回报率（Roa）之间存在着显著的正向关系。可见公司盈余的波动性会受到经济波动的影响，并可能处于同步波动。
如果一个公司的现金流量高度不确定，该公司的收益或盈余就可能变化很大，如果投资者从财务分析师或内幕人处获得更多公司信息的话，就可能因之受益。这些盈余的波动性当然也可视为公司管理层与外部投资者间信息不对称的一种量度。在这种情况下，管理层的自愿性信息披露以及分析师的私人信息收集活动可改善信息不对称。因此，盈余的波动性刺激了分析师信息研究的需求。收益波动性也有助于掩饰知情的交易（o’BrienandBhushan，1990），这反过来创造内容丰富的分析师研究的需求。收益波动性和分析师信息是内生性的，因为分析师信息也影响收益波动性。内容丰富的分析师研究抑制股票价格的波动，而稳定股价是公司促进分析师跟踪的一个首要目标（RichardFrankel，S.p.Kothari，Josephp.weber，2002）
对于财务分析师而言，盈余波动大的企业是市场中所蕴藏的“金矿”，跟踪这类公司可以向市场提供高收益的投资推荐，增加其所在机构的交易佣金收入，此外还能建立个人在市场中的声誉——明星分析师。为此，本文提出假设2。
H2：在其它情况不变的条件下，公司盈余波动越大，跟踪该公司的财务分析师则越多。
三、研究设计
（一）数据来源和样本选择
本文以2001—2011年期间在沪深证券交易所上市的公司为研究样本。历年上市公司财务分析师跟踪数来自国泰安公司CSmaR数据库中的中国上市公司分析师预测研究数据库，以预测数据中的全部342521个观测值为基准，按照公司、年度为分类标志，计算出各公司各年度的跟踪财务分析师数量。如果该年度某同一分析师过两次及以上的该公司盈余预测报告，只计入一人次；如果盈余预测报告是由一个3人小组，则跟踪财务分析师数量为3，其余类推；如果某公司一个年度中没有被任何财务分析师跟踪研究，没有过该公司的盈余预测报告，跟踪财务分析师数量则为0。这样，得到2001—2011年18260个公司年样本。
公司成长数据根据CSmaR数据库的财务数据计算，原则上计算指标的五年平均增长率，盈余波动数据计算指标为连续三年变动额的标准差。其余财务数据来自国泰安（CSmaR）数据库，公司情况数据来自北京大学中国经济研究中心（CCeR）公司治理数据库。
表1为截至2011年上市公司有无财务分析师跟踪的历年情况。中国上市公司财务分析师跟踪从无到有，经过10多年的发展，到2011年，已经有80%的上市公司至少有一名财务分析师进行跟踪研究，覆盖了大多数上市公司。
（二）模型设计和变量定义
为了检验本文提出的假设1和假设2，构造如下两个基本检验模型，其中变量定义见表2。
根据现有研究，本文以当年对目标公司做盈利预测的财务分析师人数Coverage作为分析师跟踪的替代变量，它很好地反映了财务分析师对公司关注的偏好（Barth等，2001）；以公司连续五年的平均销货收入增长率Growth来衡量公司的长期成长情况①；以净利润相对上年变动额的三年标准差Rev_vola来衡量公司盈余的波动②。
由于财务分析师跟踪的人数是数值变量（countdata），这不满足oLS回归中因变量在正负无穷连续分布的假设条件，这一变量具有独立且非负整数数据性质，适用poissonregressionmodel，因此本文使用poisson回归模型。
根据以往文献，控制了影响财务分析师跟踪的因素。现有研究表明，财务分析师会关注企业的规模（Bhushan，1989；o’Brien和Bhushan，1990；Brennan和Hughes，1991；Lang和Lundholm，1996），因此将本年初公司市值的自然对数Size纳入估计方程，使用自然对数的原因是为了控制公司规模与分析师跟踪的非线性关系，以保证回归结果不是由公司规模与公司成长或盈余波动之间的关系而产生；机构投资者如基金公司是财务分析师重要的服务对象，证券公司的佣金收入在一定程度上受基金公司交易量的影响。此后，考虑分析师对于特定信息的反应，公司中机构投资者增多以及产业增长时分析师往往更愿意进行跟踪（o’Brien和Bhushan，1990），因此将公司上一年度末基金持股份额（institute）纳入估计方程。笔者还控制了公司上年度净利润状况Loss这一变量，当上年度净利润为亏损时赋值为1，否则为0；St_dum为公司上一年度是否为St公司的哑变量，公司上一年度为St公司时赋值为1，否则为0。此外还控制了年度和行业效应。预期公司成长性、盈余波动性、公司规模和机构投资者持股会正面影响财务分析师的跟踪决策行为，公司亏损和被St会减弱财务分析师的跟踪行为，也就是说预计回归系数β1、β2、β4、β5为正，β6、β7为负，对于加入的公司成长与盈余波动的交乘项回归系数β3，方向并不能确定。
（三）结果及分析
1.描述性统计结果分析
从表3的panela可以看出，总体而言，上市公司的五年平均销货收入增长率为13%，公司间存在很大差异，最差的公司五年平均销货减少83%，好的公司则五年间平均增长达到378%。在盈余波动方面，上市公司的三年平均盈余变动的标准差为5.95亿元，盈余波动小的公司三年平均盈余变动的标准差仅为3万元，盈余波动大的公司三年平均盈余变动的标准差达到了2500亿元，公司间存在巨大的差异。从均值与中位数的比较来看，销货收入增长率与盈余波动两变量都呈右偏分布。
从表3的panelB可以看出，对于有财务分析师跟踪的9493家公司，平均每家公司有近17个分析师跟踪研究，但50%的公司跟踪分析师在8人以下，最多的一家公司（600036，招商银行）在2010年有220名分析师跟踪研究。进一步按公司年排序，发现前十家最多分析师跟踪的公司分别是：招商银行、深发展a、兴业银行、浦发银行、宝钢股份、招商银行、民生银行、万科a、交通银行、五粮液。对比表3的panelC与panelB，发现有无财务分析师跟踪的公司在五年平均销货收入增长率和三年平均盈余变动标准差都有较大差异，因此按有无财务分析师跟踪进行公司分组，然后进行这两个指标的两样本均值t检验，结果表明，五年平均销货收入增长率的差异在1%统计意义上显著（t=-20.51），三年平均盈余变动标准差的差异也在1%统计意义上显著（t=-12.79），这初步证实了笔者的假设，分析师在决定跟踪研究一家公司时，会注意到公司的成长性和盈余波动性。此外，按同样标准分组，对公司规模、机构投资者持股份额、公司亏损虚拟变量、St公司虚拟变量也进行了两样本均值t检验，得到了相似的显著结果（t值分别为5.40、-36.64、31.70、35.58），这也初步说明控制变量的合理性。
2.pearson积差相关和Spearman秩相关分析
对主要变量进行了pearson和Spearman相关检验，结果见表4。从表4可以看出，五年平均销货收入增长率Growth和三年平均盈余变动标准差Rev_vola的pearson积差相关系数分别为0.35和0.327，并且都在0.1%的统计意义上显著；相应指标的Spearman秩相关系数则为0.235和0.198，也都在0.1%的统计意义上显著。无论在线性和非线性意义上都说明了公司成长及盈余波动与跟踪公司的财务分析师数量之间存在相关关系，并且非高度相关。从控制变量来看，四个控制变量都相关并且都在0.1%的统计意义上显著，从符号来看，前两个控制变量正相关，后两个控制变量负相关，与预期相符，这进一步佐证了笔者的两个假设。
3.多元回归结果与分析
使用Stata12.0进行回归分析。为了减少异常值对回归系数的影响，在回归前对样本分布两侧的极端值进行了1%的winsorize处理。如前所述，由于因变量财务分析师每年跟踪公司的人数是一个数值变量（countdata），并且具有独立且非负整数数据性质，适用poissonregressionmodel（Rock等，2000），又因数据跨越从2001到2011年的11个年度，因此本文使用了面板poisson回归方法进行估计。在回归过程中，实际使用了矩样本平均回归模型（Geepopulation-averagedmodel）并按公司进行了cluster处理，z统计量进行了robust处理。此外，还将公司成长与盈余波动的交乘项纳入估计的方程，用以控制公司成长伴生的盈余波动影响，回归结果见表5。
从表5的结果来看，两个解释变量的符号均保持不变且符合预期，说明回归结果均具有稳定性。在模型（1）和（2）中，单独考察了财务分析师对前五年公司销货成长（Growth）和前三年盈余变化情况（Rev_vola）的跟踪活动，发现财务分析师跟踪与前五年公司销货成长和前三年盈余变化情况显著正相关，这表明财务分析师跟踪了企业的历史成长和历年盈余变化情况。模型（3）和（4）中将公司成长和盈余波动两个变量同时纳入方程，并加入两者的交乘项，发现前面结论仍然保持不变；盈余波动的回归系数变化很小，但公司成长的回归系数在加入交乘项后变化非常大，从0.69上升到了5.44，这是什么原因呢？笔者猜想一个可能的原因是公司成长和盈余波动两者本身是相关的，高成长公司通常而言总是伴随着较大盈余变动；另一个可能的原因是重要变量的遗漏，但总体而言并不影响结论成立。模型（5）是加入了控制变量后的回归结果，发现公司成长和盈余波动的回归系数依然在0.1%的统计意义上显著，并且系数与模型（4）相差不大，这证明了两个假说：高成长的公司确实吸引更多的财务分析师进行跟踪研究，高盈余波动的公司私有信息可能更多，从而也吸引更多的财务分析师进行跟踪研究。
四、结论
中国财务分析师在决定是否跟踪一家公司的决策中，会就公司的长期成长能力（以公司前五年平均销货增长率来衡量）综合考虑，公司长期成长能力越高，决定跟踪公司的财务分析师数量随之增多；同样，财务分析师的跟踪决策中，同样会综合考虑公司的前期盈余波动状况（以公司前三年净利润变动的标准差来衡量），前期高盈余波动的公司会吸引更多的财务分析师加入跟踪研究。
【参考文献】
[1]aRYa.a，B.mittenDoRF.theinteractionamongdisclosure，competitionbetweenfirms，andanalystfollowing[J].Journalofaccountingandeconomics，2007，43（2）：321-339.
[2]aYeRS，B.C，R.n.FReeman.evidencethatanalystfollowingandinstitutionalownershipacceleratethepricingoffutureearnings[J].ReviewofaccountingStudies，2003，8（1）：47-67.
[3]BaRtH，m.e，R.KaSZniK，etal.analystcoverageandintangibleassets[J].JournalofaccountingResearch，2001，39（1）：1-34.
[4]CHanK，a.HameeD.Stockpricesynchronicityandanalystcoverageinemergingmarkets[J].JournalofFinancialeconomics，2006，80（1）：115-147.
[5]CHanGX，SDaSGUpta，etal.analystcoverageandfinancingdecisions[J].theJournalofFinance，2007，61（6）：3009-3048.
[6]储一昀，仓勇涛.财务分析师预测的价格可信吗？——来自中国证券市场的经验证据[J].管理世界，2008（3）：58-69.
[7]单■.分析师短期和长期预测特性研究综述[J].会计研究，2005（11）：72-75.
[8]方军雄.我国上市公司信息披露透明度与证券分析师预测[J].金融研究，2007（6）：136-148.
[9]胡奕明，林文雄.信息关注深度、分析能力与分析质量——对我国证券分析师的调查分析[J].金融研究，2005（2）：46-58.
数据分析师篇9
一、正确理解分析程序的含义
分析程序，是指注册会计师通过研究不同财务数据之间以及财务数据与非财务数据之间的内在关系，对财务信息作出评价。分析程序还包括调查识别出的、与其他相关信息不一致或与预期数据严重偏离的波动和关系。它是一种基本的审计技术方法，是注册会计师搜集审计证据、形成审计意见过程中需要运用的重要审计程序。这种方法就是将资料间关系模型化，发现重大差异，并就重大差异做出分析，从而认识形成重大差异的原因。确认的这些重大差异，特别是重大的非预期差异，既是被审单位会计管理需注重的问题，也是审计的重要领域。例如某公司过去三年的毛利率一直在15％至20％之间，但本年只有8％，注册会计师就应当注意分析这种下降的原因是由于经济环境变化(如原材料价格上涨，使销售成本占销售收入的比重上升)，还是财务报表存在错报(如销货收入未入账、存货计价错误等)，以分析毛利率下降的真正原因。
分析程序可以使注册会计师更好的了解被审计单位及其环境、找出可能存在错报的风险领域、计划测试范围、评价审计中形成的结论、实行对财务信息的进一步检查等。它包括简单的比较和使用涉及许多关联数据的复杂数学与统计模型，对被审计单位的合并会计报表、组成部分的财务报表以及财务信息的要素都可以运用。注册会计师应当依据专业判断来确定运用分析程序的方式、范围和程度。
二、分析程序在审计过程中的运用
《中国注册会计师审计准则第1313号——分析程序》第四条指出：“注册会计师应当将分析程序用作风险评估程序，以了解被审计单位及其环境，并在审计结束时运用分析程序对财务报表进行总体复核。注册会计师也可将分析程序用作实质性程序。”即明确规定了注册会计师在执行审计业务时应当运用分析性复核，且运用的十分广泛，贯穿于整个审计过程。具体说来，主要运用于以下几方面：
(一)用作风险评估程序的分析程序
注册会计师在实施风险评估程序时，应当运用分析程序，以了解被审计单位及其环境，并评估重大错报风险。在这个阶段运用分析程序是强制要求。
在作为风险评估程序时，可以将分析程序与询问、检查和观察程序结合运用，以获取对被审计单位及其环境的了解，识别和评估财务报表层次及具体认定层次的重大错报。重点关注关键的账户余额、趋势和财务比率关系等方面，对其形成一个合理的预期，并与被审计单位记录的金额、依据记录金额计算的比率或趋势相比较。如果分析程序的结果显示的比率、比例或趋势与注册会计师对被审计单位及其环境的了解不一致，并且被审计单位管理层无法提出合理的解释，或者无法取得相关的支持性文件证据，注册会计师应当考虑其是否表明其被审计单位的财务报表存在重大错报风险。
需要注意的是，风险评估程序中运用的分析程序的主要目的在于识别那些可能表明财务报表存在重大错报风险的异常变化。因此，所使用的数据汇总性较强，与实质性程序相比，在风险评估程序中运用的分析程序所进行比较的性质、预期值的精确程度，以及所进行的分析和调查的服务都并不足以提供很高的保证水平。同时，注册会计师无须在了解被审计单位及其环境的每一方面都实施分析程序。例如，在对内部控制的了解中，注册会计师一般不会运用分析程序。
(二)用作实质性程序
在会计报表审计中，实质性程序是要求每次都必须使用的程序。实质性程序包括对各类交易、账户余额、列报(包括披露)的细节测试以及实质性分析程序。用作实质性程序的分析程序称为实质性分析程序，它与细节测试都可用于收集审计证据，以识别财务报表认定层次的重大错报风险。但注册会计师在实施实质性测试时并不一定必须使用分析程序，即此时分析程序不是强制要求。
当使用分析程序比细节测试能更有效的将认定层次的检查风险降至可接受风险水平时，注册会计师可考虑单独或结合细节测试，运用实质性分析程序。在设计和实施实质性分析程序时，注册会计师应当注意分析程序有其运用的前提和基础：
1.确定实质性分析程序对特定认定的适用性。分析程序并不适用于所有的财务报表认定，研究不同财务数据之间以及财务数据于非财务数据之间的内在关系是运用分析程序的基础，如果数据之间不存在稳定的可预期关系，注册会计师将无法运用实质性分析程序。在确定实质性分析程序对特定认定的适用性时，注册会计师应当考虑下列因素：①评估的重大错报风险。如果针对特别风险仅实施实质性程序，注册会计师应当使用细节测试，或将细节测试和实质性分析程序结合使用，以获取充分、适当的审计证据。②针对同一认定的细节测试。在对同一认定实施细节测试的同时实施实质性分析程序可能是适当的。
2.数据的可靠性。注册会计师对已记录的金额或比率作出预期时，需要采用的据的内部或外部数据的可靠性。数据的可靠性直接影响根据数据形成的预期值。数据的可靠性越高，预期的准确性也就越高，分析程序越有效。注册会计师计划获取的保证水平越高，对数据可靠性的要求也就越高。影响可靠性的因素很多，数据的可靠性受其来源及性质的影响，并又赖于获取该数据的环境。
3.做出预期的精确程度。分析程序的有效性在很大程度上取决于注册会计师形成的预期值的准确性。预期值的准确性越高，注册会计师通过分析程序获取的保证水平越高。
4.已记录金额与预期值之间可接受的差异额。可接受的差异额是指已记录金额与预期值之间的差额，注册会计师认为无须做进一步的调查。注册会计师应当将识别出的差异额与可接受的差异额进行比较，以确定差异是否重大，是否需做进一步调查。通常，可容忍错报越低，可接受的差异额越小；计划保证水平越高，可接受的差异额越小。
(三)在审计结束或临近结束时对财务报表进行总体复核
在审计结束或临近结束时，注册会计师应当运用分析程序对财务报表进行总体复核，以确定财务报表整体是否与其对被审计单位的了解一致，与注册会计师取得的证据一致。这时运用分析程序是强制要求，注册会计师在这一阶段应当运用分析程序，但它又不如实质性分析程序那样详细具体，而往往集中在财务报表层次。在运用分析程序对进行总体复核时，如果识别出以前未识别的重大错报风险，注册会计师应当重新考虑对全部或部分各类交易、账户余额、列报评估的风险，并在此基础上重新评价之前计划的审计程序是否充分，是否有必要追加审计程序。
三、使用分析程序在实际工作中应该注意的事项
(一)所涉及项目的重要性。由于分析程序提供的总体合理性的证据，对于一些重要的审计项目，注册会计师不能仅依赖分析程序，应与其他必要的审计程序配合使用，以确保审计质量。
(二)对与被审计对象相关的可接受检查风险水平较高。如果是重大错报风险较高的项目且内部控制制度又很薄弱，则不宜运用分析程序或注册会计师不应过多依赖分析程序的结果。
(三)实施分析程序人员的能力与经验。分析程序是一项技术性较高的取证方法，通常需要由具有较丰富审计经验和较高专业水平的注册会计师来进行。进行分析程序的注册会计师的能力越强、经验越丰富，其分析程序结果的可信赖程度及审计效率就越高；如果注册会计师未具有足够的专业知识和执业经验，不了解会计信息各构成要素的关系，不了解会计信息与非会计信息间的关系，不了解被审计单位的具体情况，那么就无法有效运用分析程序，其分析程序结果的可信赖程度及审计效率就越低。
(四)数据之间存在某种预期关系。如果数据之间不存在预期关系，则不可运用分析程序。比如，将负债同收入进行比较来分析负债或收入是否公允合理就不大恰当，因为这两者之间并不存在明显的预期关系，再如，根据有关情况预期本期收入增长率为10％，那么注册会计师可先计算本期收入的增长率，检查是否存在预期的重大波动，如果收入增长率根本无法预计，那么分析本期收入增长率就没有意义，也无法判断其合法性。
数据分析师篇10
关键词:分析性程序,审计
分析性测试，是审计人员取得审计证据的一种审计手段，是帮助审计人员全面把握被审计单位财务状况、科学评估审计重点的技术方法，也是总体评价审计发现、检查审计成果合理性的有效手段。分析性程序一般作为审计取证的一种辅助手段使用。本文将对分析性程序在审计实务中的运用展开探讨。
一、分析性审计程序的特点
分析性审计程序既可以降低审计成本，又可以提高审计效率，分析性审计程序的特点主要表现在以下方面：
（一）分析性审计程序是获得审计证据更为客观的方法
分析性审计程序的运用是基础会计信息以及非会计信息之间的内在关系，其内在关系是客观存在的，在一般情况下，这种关系也是稳定的，只要注册会计师分析得当，充分发挥自己的创造力，从分析性程序中发挥其自身的创造力，运用自身的职业判断，分析性审计程序就可以提供更为客观的审计证据，也能够对审计对象业务中的关键因素和主要关系做更好的理解，通过了解被审计单位的报表数据的潜在关系，为以后的审计工作提供指导。
（二）分析性审计程序可以节省审计成本，提高审计效率
分析性程序可以耗费更少的审计资源提供相同的或者相对更好的审计证据，分析性程序有时会被描述成发现和形成证据的技术，同传统的会计报表细节抽样审计方法是不同的。分析性审计程序是利用信息间的内在关系来判断数据的合理性，并不局限于审计对象的财务报表，而细节抽样方法主要是通过对存在的证据进行收集以及检查来证实注册会计师的判断，两者相比，成本是不同的。分析性审计程序通过模型的构建以及会计师的经验以及知识就可以判断，可以大大的节省审计资源，而且在电算化的时代，通过利用电脑，分析性审计程序的优势能够发挥出来，在节省审计资源的基础上也可以大大提高审计效率。
二、分析性审计程序的关键
分析性审计程序的关键在于分析以及比较，要分析所收集数据之间可能存在的关系，即相关性，而且要保证搜集数据的可靠性，并且剔除其中的不合理因素。然后利用审计人员积累的经验以及收集的合理标准，对照分析被审计单位提供的资料以及信息，从中发现异常的变动、不合常理的趋势或者比率。
（一）应考虑数据之间的关系以及比较基准
运用分析性审计程序的一个基本前提就是数据之间存在着某种关系，因此，在进行分析性程序时，首先要分析所收集数据之间存在的关系，即财务信息各构成要素之间的关系，以及财务信息与相关非财务信息之间的关系。财务信息各要素之间存在相关性以及内部勾稽关系，例如应付账款与存货之间通常有稳定的关系；当然某些财务信息与非财务信息之间也存在内在联系，例如存货与生产能力之间的关系，以此来判断存货总额的合理性。其次，应该考虑数据信息之间的比较基准。在运行分析性审计程序时，注册会计师要注意将被审计单位本期的实际数据与上期或者以前期间的可比数据进行比较来判断是否存在异常，在运用以前期间的可比会计信息时，注册会计师要注意被审计单位内部以及外部的相关变化。也可以将自己的预期数据与被审计单位财务报表上反映的金额或者比率进行比较，可以发现异常情况，这都是分析性审计程序的关键点。
（二）要合理确定分析性审计程序的应用方式
分析性审计程序在所有的会计报表审计的计划阶段和报告阶段都必须使用，在审计测试阶段可以选择使用，但是注册会计师在审计的过程中要合理确定分析性审计程序的应用方式。应用方式主要有以下几种：首先，可以采用比较分析法，可以用于实际与预算计划进行比较，发现实际与预算的差异，分析原因；将本期同上期比较，判断本期指标的是否存在异常；同业比较，判断被审计单位数据指标的正常性。其次，可以采用趋势分析法，可以用于财务审计中的问题揭示以及管理审计中的前景预测。第三，可以采用科目分析法，通过选择借方或贷方科目编制对照表来登记对应科目，查明对应关系是否正确并且分析造成错误的原因，主要应用于容易发生错误以及弊端的会计科目。第四，可以采用回归分析法。通过回归分析方法，可以计量预测的风险和准确性水平，量化注册会计师的预期值。
三、分析性审计程序在审计实务中的具体运用
（一）分析性审计程序在风险评估阶段的具体运用
在风险评估阶段，利用分析性审计程序的目的是帮助注册会计师发现财务报表中的异常变化，或者与其发生而未发生的变化，识别潜在的重大错报风险领域，通过对被审计单位重大错报风险的评估帮助注册会计师设计进一步审计程序的性质、时间和范围，以提高审计效率和效果。首先，要选择适当的数据关系，在风险评估阶段，分析程序就要识别那些可能表明财务报表存在重大错报风险的异常变化，因此所使用的数据汇总性比较强，在此阶段，分析性审计程序的主要对象通常包括对账户余额变化的分析，使用分析性审计程序的精确程度以及比较的指标范围，要根据被审计单位的情况以及注册会计师自身的素质而定。其次，要对搜集的数据进行分析，通过对预期关系的数据进行分析，能够让注册会计师进一步了解被审计单位的基本情况，有助于注册会计师了解重大事项或者决策对公司财务报表的影响。第三，根据分析性审计程序，注册会计师应该识别是否有异常的数据关系或者意外的波动，因为这都可能是重大审计风险的预警信号。如果出现异常的数据关系或者波动，要作为重点审查项目进行调查，在询问被审计单位管理人员的基础上，考虑运用检查、观察等其他审计程序，获取充分的审计证据。超级秘书网
（二）分析性审计程序在实质性程序中的具体运用
实质性分析程序与细节性测试都可以用于收集审计证据，以此来识别财务报表认定层次的重大错报风险，实质性分析程序不仅仅是细节性测试的一种补充，在某些审计领域，如果重大错报风险较低而且数据之间具有稳定的预期关系，注册会计师可以单独使用实质性分析程序获取充分、适当的审计证据。首先，注册会计师在确定实质性分析程序对特定认定的适用性时，要考虑评估的重大错报风险，评估的重大错报风险水平越高，注册会计师应当越谨慎使用实质性分析性程序。另外在对同一认定实施细节测试的同时实施实质性分析程序可能是适当的。其次，要保证数据的可靠性。注册会计师在运用实质性分析程序对已经记录的金额或者比率做出预期时，需要采用内部或者外部的数据，这样数据的可靠性直接影响根据数据形成的预期值，注册会计师计划获取的保证水平越高，对数据可靠性的要求也就越高，这样分析程序就越有效。第三，要做出预期的准确程度，准确程度是对预期值与真实值之间接近程度的度量，分析程序的有效性很大程度上取决于注册会计师形成的预期值的准确性，因此，在执行分析性审计程序时，要做出预期的准确程度，保证精确度。
（三）分析性审计程序在总体复核阶段的具体运用
在审计完成阶段，注册会计师需要通过执行分析程序对财务报表进行整体符合，以此来判断审计结论是否恰当以及财务报表的整体是否公允：首先，是对财务报表重要比率的分析，在前期审计阶段，注册会计师获得了与财务报表相关的各项财务数据以及非财务数据，在总体复核阶段，注册会计师可以利用这些数据进行全面分析，总体把握财务报表的合理性。其次，可以通过对被审计单位的报表审定数同行业平均数据或者以前年度的数据进行比较，来判断财务报表上的数据是否合理。第三，要确定资产负债表日后事项是否对会计报表上的数据产生影响，进而确定报表数据是进行调整，还是披露。
参考文献：
[1]锁琳，浅谈分析性复核程序在固定资产和累计折旧审计中的运用[J].邵阳学院学报，2007，（05）