星载雷达工程项目数据分析与挖掘（工程项目管理）

1、泓域咨询/星载雷达工程项目数据分析与挖掘星载雷达工程项目数据分析与挖掘一、 项目概述（一）项目基本情况1、项目名称：星载雷达工程项目2、承办单位名称：xx投资管理公司3、项目性质：新建4、项目建设地点：xx园区5、项目联系人：邹xx（二）主办单位基本情况当前，国内外经济发展形势依然错综复杂。从国际看，世界经济深度调整、复苏乏力，外部环境的不稳定不确定因素增加，中小企业外贸形势依然严峻，出口增长放缓。从国内看，发展阶段的转变使经济发展进入新常态，经济增速从高速增长转向中高速增长，经济增长方式从规模速度型粗放增长转向质量效率型集约增长，经济增长动力从物质要素投入为主转向创新驱动为主。新常态对经济发

2、展带来新挑战，企业遇到的困难和问题尤为突出。面对国际国内经济发展新环境，公司依然面临着较大的经营压力，资本、土地等要素成本持续维持高位。公司发展面临挑战的同时，也面临着重大机遇。随着改革的深化，新型工业化、城镇化、信息化、农业现代化的推进，以及“大众创业、万众创新”、中国制造2025、“互联网+”、“一带一路”等重大战略举措的加速实施，企业发展基本面向好的势头更加巩固。公司将把握国内外发展形势，利用好国际国内两个市场、两种资源，抓住发展机遇，转变发展方式，提高发展质量，依靠创业创新开辟发展新路径，赢得发展主动权，实现发展新突破。公司将依法合规作为新形势下实现高质量发展的基本保障，坚持合规是底线

3、、合规高于经济利益的理念，确立了合规管理的战略定位，进一步明确了全面合规管理责任。公司不断强化重大决策、重大事项的合规论证审查，加强合规风险防控，确保依法管理、合规经营。严格贯彻落实国家法律法规和政府监管要求，重点领域合规管理不断强化，各部门分工负责、齐抓共管、协同联动的大合规管理格局逐步建立，广大员工合规意识普遍增强，合规文化氛围更加浓厚。公司在发展中始终坚持以创新为源动力，不断投入巨资引入先进研发设备，更新思想观念，依托优秀的人才、完善的信息、现代科技技术等优势，不断加大新产品的研发力度，以实现公司的永续经营和品牌发展。展望未来，公司将围绕企业发展目标的实现，在“梦想、责任、忠诚、一流”核

4、心价值观的指引下，围绕业务体系、管控体系和人才队伍体系重塑，推动体制机制改革和管理及业务模式的创新，加强团队能力建设，提升核心竞争力，努力把公司打造成为国内一流的供应链管理平台。（三）项目建设选址及用地规模本期项目选址位于xx园区，占地面积约13.00亩。项目拟定建设区域地理位置优越，交通便利，规划电力、给排水、通讯等公用设施条件完备，非常适宜本期项目建设。二、 项目总投资及资金构成本期项目总投资包括建设投资、建设期利息和流动资金。根据谨慎财务估算，项目总投资6923.19万元，其中：建设投资5417.79万元，占项目总投资的78.26%；建设期利息130.17万元，占项目总投资的1.88%；

5、流动资金1375.23万元，占项目总投资的19.86%。三、 资金筹措方案（一）项目资本金筹措方案项目总投资6923.19万元，根据资金筹措方案，xx投资管理公司计划自筹资金（资本金）4266.51万元。（二）申请银行借款方案根据谨慎财务测算，本期工程项目申请银行借款总额2656.68万元。四、 项目预期经济效益规划目标1、项目达产年预期营业收入（SP）：14300.00万元。2、年综合总成本费用（TC）：12117.91万元。3、项目达产年净利润（NP）：1589.66万元。4、财务内部收益率（FIRR）：15.08%。5、全部投资回收期（Pt）：6.72年（含建设期24个月）。6、达产年盈

6、亏平衡点（BEP）：6870.08万元（产值）。五、 项目建设进度规划项目计划从可行性研究报告的编制到工程竣工验收、投产运营共需24个月的时间。六、 大数据系统和数据挖掘技术（一）数据挖掘概述1大数据大数据是指超过既往数据库系统规模、传输速度和处理能力，或者既往数据库系统结构无法容纳的数据。大数据常以万亿或EB衡量，且种类多、实时性强，蕴藏的商业价值大。很多现有的新或旧的信息基础设施、工具和技术可用来开发和利用大数据中蕴藏的价值。大数据有各种各样的来源：传感器、气候信息、公开的信息、如杂志、报纸、文章、买卖记录、网络日志、病历、事监控、视频和图像档案，及大型电子商务。大数据是数据挖掘产生与生存

7、发展的土壤。如今数据每五年翻一番，面对前所未有的海量数据，为了从中发现有用的信息必须进行数据挖掘。此外，计算机存储、处理大量数据，以及运算的能力大为增强，为数据挖掘创造了条件，使其成为一门独特的学科和技术。2数据挖掘与数据分析的区别数据挖掘与数据分析的主要区别在于：（1）处理工作量。数据分析的数据量可能并不大，而数据挖掘的数据量极大。（2）制约条件。数据分析是从某些假设出发，建立方程或模型，而数据挖掘不作假设，可以自动建立方程。（3）处理对象。数据分析往往是针对数字型数据，而数据挖掘对象类型繁多，例如图像、声音、文本等。（4）处理结果。数据分析可以解释结果的含义；数据挖掘的结果不易解释，着眼于

8、预测未来，并提出决策建议。想要从数据中发现规律（即认知），往往需将数据分析和数据挖掘结合起来。（二）数据挖掘步骤按挖掘对象，数据挖掘分为数据库与数据仓库挖掘和网络挖掘两种，各自步骤分述如下。1数据库与数据仓库挖掘数据挖掘一般有信息收集、数据集成、数据规约、数据清理、数据变换、数据挖掘、模式评估和知识表示8个步骤。（1）信息收集。从确定的挖掘对象中提取特征，然后选择合适的收集方法，将收集到的信息存入数据库。对于海量数据，必须选择合适的数据仓库。（2）数据集成。把来源、格式、特点、性质不同的数据按逻辑或物理属性加以编排，以便以后使用。（3）数据规约。多数数据挖掘算法耗时很长，商业数据往往较多，数据

9、挖掘更耗时间。数据规约就是简化已有可用数据集的表示，规约后数量大减，但仍能保持原数据的完整性，对规约数据的挖掘结果，与对规约前数据的挖掘结果相同或几乎相同。（4）数据清理。有些数据不完整（属性缺少属性值）、含噪声（属性值错误），不一致（同一信息有多种表示），需要清理，使其完整、正确、一致后存入数据仓库。（5）数据变换。将数据变换成适合数据挖掘的形式。实数型数据，可将其分层和离散化。（6）数据挖掘。根据数据格式、属性与特点，选择合适的处理工具，例如统计方法、事例推理、决策树、规则推理、模糊集，甚至神经网络，取得有用的信息。（7）模式评估。由行业专家核实数据挖掘结果是否合理、是否可用。（8）知识表

10、示。将数据挖掘得到的信息以可视方式交给用户，或作为新的知识存人知识库，供其他应用程序使用。并非所有的数据挖掘都要走上述的每一步。若只有一个数据源，则可以省略数据集成。数据规约、数据清理、数据变换合称数据预处理。数据挖掘至少60%的费用要花在信息收集阶段，而至少60%以上的精力和时间要花在数据预处理上。数据挖掘是一个反复多次的过程，若一次未满足要求或未得到有用结果，则需回到前面，经过调整后重新开始。2，网络挖掘网络挖掘可分为网络用户行为挖掘与网络信息挖掘。前者基本不在工程咨询人员关心之列。后者可理解为“从WWW中发现和分析有用的信息”。网络信息挖掘是在已知数据样本的基础上，通过归纳学习、机器学习

11、、统计分析等发现挖掘对象间的内在关系与特性，进而在网络中提取用户感兴趣的信息，获得更高层次的知识和规律。网络信息挖掘沿用了Robot，全文检索、人工智能的模式识别、神经网络等技术。现在的搜索引擎使用了这些技术，能够在网页或网站数据库中为用户搜寻有用信息。网络信息挖掘具体步骤如下：（1）确立目标样本。由用户选择目标文本，提取特征信息。（2）提取特征信息。根据目标样本的词频分布，从统计词典中提取挖掘目标的特征向量并计算出相应的权值。（3）网络信息获取。先利用搜索引擎站点选择待采集站点，再利用Robot程序采集静态Web页面，最后获取被访问站点网络数据库中的动态信息，生成WWW资源索引库。（4）信息

12、特征匹配。提取索引库中的源信息特征向量，并与目标样本的特征向量对照，将符合要求的信息交给用户。七、 数据统计分析数据分析重要的一类是对具有随机性质的数据进行分析，在多数情况下是用于预测。本段仅介绍统计分析。统计分析不仅是计算样本的数字特征（期望值、方差、相关系数、协方差、离散度、概率分布等），还应当建立适当的模型，进而做出预测。统计分析一般有如下工作或阶段。1选择数字特征。统计分析，就是利用若干数字特征全面认识数据的统计规律。选择数字特征是统计分析研究问题的准备阶段，是统计过程的重要环节。数字特征应当：（1）能够客观地反映研究分析对象的性质、特点、内在联系和运动过程；（2）尽可能突出重点，反映

13、分析对象的全貌；（3）应能反映分析对象的变化；（4）便于资料获取。2收集并整理数据。确定了需用的数字特征之后，就要收集并整理所需的数据。样本的容量与质量对统计结果影响极大。3计算数字特征。利用整理后的样本计算必要的数字特征。这项工作可以同下面的建模合在一起，利用适当的软件进行。4建立模型。计算出样本数字特征后，应选择适合样本模式的模型。统计分析可用的模型很多，都有各自的特点及适用条件。选择模型时，应全面考虑研究对象与目的、到手的数据与资料、统计方法等各自的特点，以及咨询人员对方法的熟悉程度等。5检验模型误差。建模之后，可利用样本检验模型的误差，误差大小由样本与所选模型与方法所决定。根据经济学理

14、论和研究对象的具体特点，分析和评价模型误差，以及模型和方法本身；若误差未达到要求，应改进模型与方法。6利用模型预测。预测是咨询结论和建议的基本依据之一，应成为咨询及决策人员的高质量信息。7评价统计与预测结果。对统计与预测结果进行评价的任务是对初步统计结果（如离散程度、影响、走势等）进行概括，并寻找它们之间的联系。评价过程一般有：形成初步概念；对现象定性；提出主要观点；阐述所提观点的理由；提出论据；得出结论。咨询工程师在进行评价时，要在大局高度上全面、长远地看问题，多方面观察，不偏废任何一方；注意数据的衔接，当来源不同的数据矛盾时应弄清情况后再做取舍。八、 逻辑框架法的概念及模式（一）LFA的基

15、本概念LFA是一种概念化论述项目的方法，即用一张简单的框图来清晰地分析一个复杂项目的内涵和各种逻辑关系，以便给人们一个整体的框架概念。LFA是将几个内容相关、必须同步考虑的动态因素组合在一起，通过分析各种要素之间的逻辑关系，从设计策划到目标实现等方面来评价一项活动或工作。LFA为项目策划者和评价者提供一种分析框架，用以确定工作的范围和任务，并对项目目标和达到目标所需的手段进行逻辑关系分析。LFA的核心是项目的各种要素之间的因果关系，即“如果”提供了某种条件，“那么”就会产生某种结果。这些条件包括事物内在的因素及其所需要的各种外部条件。（二）LFA的基本模式逻辑框架分析方法的结果是要形成一个逻辑

16、框架表。由于该表能够充分体现表内包含的各项内容之间的逻辑关系，而且这种逻辑关系构成了一个矩阵式框架结构，因此，逻辑框架表又称为逻辑框架矩阵表。LFA的模式是一张4X4的矩阵。1目标层次逻辑框架表汇总了项目实施活动的全部要素，并按宏观目标、具体目标、产出成果和投入的层次归纳了投资项目的目标及其因果关系。（1）宏观目标。项目的宏观目标即宏观计划、规划、政策和方针等所指向的目标，该目标可通过几个方面的因素来实现。宏观目标一般超越了项目的范畴，是指国家、地区、部门或投资组织的整体目标。这个层次目标的确定和指标的选择一般由国家或行业部门选定，一般要与国家发展目标相联系，并符合国家产业政策、行业规划等的要

17、求。（2）具体目标。具体目标也叫直接目标，是指项目的直接效果，是项目立项的重要依据。一般应考虑项目为受益目标群体带来的效果，主要是社会和经济方面的成果和作用。这个层次的目标由项目实施机构和独立的评价机构来确定，目标的实现由项目本身的因素来确定。（3）产出。这里的“产出”是指项目“干了些什么”，即项目的建设内容或投人的产出物。一般要提供可计量的直接结果，要直截了当地指出项目所完成的实际工程（如港口、铁路、输变电设施、气井、城市服务设施等），或改善机构制度、政策法规等。在分析中应注意，在产出中，项目可能会提供的一些服务和就业机会，往往不是产出而是项目的目的或目标。（4）投入和活动。该层次是指项目的

18、实施过程及内容，主要包括资源和时间等的投入。2客观验证指标逻辑框架垂直各层次目标，应有相对应的客观且可度量的验证指标，包括数量、质量、时间及人员等，来说明层次目标的结果，验证每一个目标的实现程度，这种指标的确立应该是客观的，不能凭主观臆断，同时又是可以被验证的。3客观验证方法在逻辑框架水平逻辑层次上，对应验证指标的是验证方法。验证方法就是主要资料来源和验证所采用的方法。主要资料来源（监测和监督）和验证方法可按照数据收集的类型、信息的来源渠道和收集方法进行划分。4重要的假定条件在逻辑框架的4个目标层次之间有一些重要的限制条件，称为假定条件，即必要的外部条件或风险。重要的假定条件主要是指可能对项目的进展或成果产生影响，而项目管理者又无法控制的外部条件，即不可控风险或限制条件。九、 项目背景分析星载雷达是安装在人造卫星上的雷达系统。星载雷达能有效地提高空中监视能力，一部星载雷达相当于几十部相同规模地面雷达的覆盖面积，并且载体生存能力很强，不易被摧毁。星载雷达是安装在人造卫星上的雷达系统。星载雷达能有效地提高空中监视能力，一部星载雷达相当于几十部相同规模地面雷达的覆盖面积，并且载体生存能力很强，不易被摧毁。载体可以设置在3.6万公里高的同步卫星上，也可以设置在200-600公里高的非同步卫星上。但