缝纫机公司工程项目数据采集分析与知识管理（完整版）

1、泓域咨询/缝纫机公司工程项目数据采集分析与知识管理缝纫机公司工程项目数据采集分析与知识管理xx投资管理公司一、 时间数据分析方法（一）时间数据时间数据也称时间序列（Timeseries）或动态数据，是按时序排列的一组来自同一现象的观察值。时间序列可按日、月、季度、年等收集，有些呈现很强的季节性，建模时应给予反映。气象、水文、生态环境、经济及社会活动都能观察到周期性时间序列。实际观测并记录的时间序列，实际上是随机过程的样本，即，在产生时间序列的实际过程的每一时点上，人们看到的只是该时点随机变量的样本，并不能观察到母体。时间序列可分为平稳和非平稳序列，还可以分成线性和非线性时间序列。（二）时间序列

2、分析1概述时间序列分析是根据随机过程理论，研究时间序列的统计规律。时间序列分析广泛应用于信息压缩、利用卫星照片识别地球资源、石油勘探、经营管理、预测（气象、水文、地震、地下水位、农作物病虫灾害）、控制（环境污染、生态平衡）（天文学和海洋学）等方面。时间序列预测的基本依据是：（1）客观过程是连续的，有惯性，现在是过去的继续，过去的信息会传递到现在与未来，利用过去的数据或信息能推测未来。（2）偶然因素会影响到客观过程，使其行为与模式有随机性。预测要利用时间序列各时点随机量的相关关系。时间序列的趋势与波动称为“模式”，时间序列分析首要要识别其模式，然后用适当的曲线拟合。拟合模式的各种参数根据按“最优

3、预测”原则估算出的时间序列数字特征（期望值、方差、协方差、自相关函数）等确定。2.时间序列成分时间序列常含有4种成分：趋势、季节变动、规则波动和不规则波动。所谓趋势，是长期持续向上或持续向下的倾向。季节变动，是实际过程受气候、市场状况、节假日或风俗习惯等影响而呈现的周期性波动。规则波动，是周期不等的变动，呈涨落交替之状。波动的周期可能很长，但与趋势不同。不规则波动，是时间序列除去趋势、季节变动和周期波动之后的波动。不规则波动总是夹杂在时间序列中，致使时间序列产生一种波浪形或震荡式的变动。时间序列经常是各种周期成分的叠加，例如地震或人工地震波的记录。这样的序列要做频域分析。频域分析确定时间序列各

4、周期成分称为“谱”或“功率谱”的能量分布形态。频域分析又称谱分析。谱分析的重要内容就是通过序列的周期图（）的极值点寻找各种分量的周期。3时间序列建模时间序列建模一般有如下几个步骤（1）取得时间序列样本。（2）将样本点画成图，进行相关分析。时间序列图形可显示出变化趋势和周期，并发现离群点和转折点。若离群点确实为观测值，建模时应加以考虑，若非，应加以调整。转折点指时间序列趋势突变的点。如果发现转折拐点，则在建模时须分段用不同的模型拟合时间序列，例如用门限回归模型。（3）模式识别与拟合。时间序列模式众多。小样本可用趋势模型、季节模型加上随机误差拟合。对于样本容量（即观测值个数）大于50的平稳时间序列

5、，可用ARMA（自回归移动平均）模型拟合。非平稳时间序列可经差分化为平稳时间序列，再用ARMA模型拟合。（4）预测未来。利用建成的模型预测时间序列未来值。4时间序列常用模型（1）ARMA模型（2）回归模型二、 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

6、、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

7、。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

8、）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

9、。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”。

10、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、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

11、站点网络数据库中的动态信息，生成WWW资源索引库。（4）信息特征匹配。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。三、 项目名称及投资人（一）项目名称缝纫机公司工程项目（二）项目投资人xx投资管理公司（三）建设地点本期项目选址位于xx园区。四、 结论分析（一）项目选址本期项目选址位于xx园区，占地面积约38.00亩。（二）项目实施进度本期项目建设期限规划12个月。（三）投资估算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15999.17万元，其中：建设投资13160.41万元，占项目总投资的82.26%；建设期利息144

12、.52万元，占项目总投资的0.90%；流动资金2694.24万元，占项目总投资的16.84%。（四）资金筹措项目总投资15999.17万元，根据资金筹措方案，xx投资管理公司计划自筹资金（资本金）10100.37万元。根据谨慎财务测算，本期工程项目申请银行借款总额5898.80万元。（五）经济评价1、项目达产年预期营业收入（SP）：28700.00万元。2、年综合总成本费用（TC）：23760.44万元。3、项目达产年净利润（NP）：3605.41万元。4、财务内部收益率（FIRR）：16.18%。5、全部投资回收期（Pt）：6.15年（含建设期12个月）。6、达产年盈亏平衡点（BEP）：12

13、390.83万元（产值）。（六）主要经济技术指标主要经济指标一览表序号项目单位指标备注1占地面积25333.00约38.00亩1.1总建筑面积43900.20容积率1.731.2基底面积14693.14建筑系数58.00%1.3投资强度万元/亩326.542总投资万元15999.172.1建设投资万元13160.412.1.1工程费用万元11315.602.1.2工程建设其他费用万元1596.352.1.3预备费万元248.462.2建设期利息万元144.522.3流动资金万元2694.243资金筹措万元15999.173.1自筹资金万元10100.373.2银行贷款万元5898.804营业收

14、入万元28700.00正常运营年份5总成本费用万元23760.446利润总额万元4807.227净利润万元3605.418所得税万元1201.819增值税万元1102.7910税金及附加万元132.3411纳税总额万元2436.9412工业增加值万元8386.9613盈亏平衡点万元12390.83产值14回收期年6.15含建设期12个月15财务内部收益率16.18%所得税后16财务净现值万元4566.62所得税后五、 信息的综合信息综合是信息工作的重要内容。采集来的信息经常是零散、无序，甚至残缺不全，无法直接使用。对于这样的信息，须进行分析、联系、推断、整理和组合，使之成为有用信息，然后确定其

15、特征，如精度、类型、长度、保密度、保留时间、用途等。信息综合有两种方式：一是对已有信息挖掘、延伸，引发创新需求的新信息，达到信息的“增值”，二是通过设计和试验创造新的信息。有价值的信息往往是反复推理分析和猜想后的结果，这个过程要求咨询工程师具备很强的分析、联想、综合与创造能力。六、 信息鉴别常用方法（一）溯源法对到手信息涉及的问题应追根溯源，及时核对。例如，尽量找到现场和掌握第一手资料的人；核对原始资料，并查对主要参考文献；按其中叙述的方法、步骤，重做实验或演算,以便从来源上找到鉴别依据。鉴别和筛选在手信息，判断是否完整、适用与可靠，是咨询人员的重要工作。工程咨询所需信息十分广泛，不可能也不必

16、均由咨询人员鉴别。为了确保信息可靠，应尽可能选用权威机构发布或已鉴定、批准的信息。例如，地质储量选用储量委员会批准的储量报告；地震带的分布用国家地震局的数据；历史数据用国家统计局的数据。一般来说，专业技术力量强的单位提供的信息较可靠。例如，国际金融组织的国际金融信息较可靠；来自从事钢铁、汽车行业研究的机构的钢铁、汽车业信息较可靠。（二）比较法有些信息受主客观条件限制难以溯源，对此，可用比较法，即比较不同人、不同时间和其他方面的材料；对于某一事实，说法、结论是否一致。如果一致，则基本可辨真伪。若否，就需进一步核查。（三）佐证法任何事物都与其他事物有一定联系，并相互制约。找到这些联系和制约因素，便

17、可判断事物的真伪。一般说来，口头材料不如文字材料可靠，文字不如实物可靠。分析信息产生的过程也是寻求信息佐证的办法。1普查数据一般比抽查数据全面、准确。2监测数据，长期比短期全面，监测范围大的数据比监测范围小的数据代表性强；勘探密度大的数据比勘探密度小的数据准确，科学实验和仿真模拟计算的数据比一般推理的数据准确。3核对来源不同，收集方法不同的数据。如卫星图片、航测数据可用地面实测数据验证；了解来的市场需求量与行业协会、主要企业、国家统计局的数据对比。4对比不同时期、不同来源的数据，并适当修正其间的差距。同一对象的数据，在不同国家、不同历史时期，由于范围不同，计算的标准和口径可能有所不同，造成数据

18、之间有很大的差异。在对比这些数据时，必须查明统计口径，否则就会出错。5由专家集体辨别信息是否准确，是否可靠。对于来自不同渠道的信息，可能因角度不同、口径不一、方法各异等而不一致，甚至矛盾。这时，可请专家集体讨论，弄清差异和矛盾的原因，去伪存真，取得一致意见。（四）逻辑法鉴别信息，逻辑判断必不可少。不经缜密的逻辑思考容易出错。有些基本差错，例如语言或文字的前后矛盾，夸大其词，有悖情理，以及某些虚构，禁不起逻辑的推敲。当然，逻辑合理并不总能证明事物为真，从虚假的前提出发，经过合理的逻辑推断得出的结果不会真实。因此，鉴别信息，既要充分利用经验、认识和判断力，也要借助其他手段。七、 层次分析法的基本步

19、骤当一个决策者在对问题进行分析时，首先要将分析对象的因素建立起彼此相关因素的层次系统结构，这种层次结构可以清晰地反映出相关因素（目标、准则、对象）的彼此关系，使得决策者能够把复杂的问题顺理成章，然后进行逐一比较、判断，从中选出最优的方案。运用层次分析法大体上分成四个步骤：建立层次结构模型；构造比较判别矩阵；单准则下层次排序及其一致性检验；层次总排序及其一致性检验。（一）建立层次结构模型层次分析法先将决策的目标、考虑的因素（评价准则）和决策对象（行动方案）按它们之间的相互关系分为最高层、中间层和最低层，其中最高层称为目标层，这一层中只有一个元素，就是该问题要达到的目标或理想的结果；中间层为准则层

20、，层中的元素为实现目标所采用的措施、政策、准则等，准则层中可以不止一层，可以根据问题规模的大小和复杂程度，分为准则层、子准则层；最低层为方案层，这一层包括了实现目标可供选择的方案。据此绘出层次结构模型图，模型中，目标、评价准则和行动方案处于不同的层次，彼此之间关系用线段表示，评价准则可细分多层。在层次结构模型中，各层均由若干因素构成，当某个层次包含因素较多时，可将该层次进一步划分成若干子层次。通常应使各层次中的各因素支配的元素一般不超过9个，这是因为支配元素过多会给两两比较带来困难。一个好的层次结构模型对解决问题极为重要，因此，在构建层次结构模型时，应注意以下四点：1自上至下顺序地存在支配关系

21、，用直线段表示上一层次因素与下一层次因素之间的关系，同一层次及不相邻元素之间不存在支配关系；2整个结构不受层次限制；3最高层只有一个元素，每个元素所支配元素一般不超过9个，元素过多可进一步分层；4对某些具有子层次结构可引入虚元素，使之成为典型层次结构模型。（二）构造比较判别矩阵层次结构建立后，评价者根据自己的知识、经验和判断，从第一个准则层开始向下，逐步确定各层不同因素相对于上一层因素的重要性权数。层次分析法在确定各层不同因素相对于上一层各因素的重要性权数时，通常使用两两比较的方法。（三）单准则下层次排序及其一致性检验层次分析法的信息基础是比较判断矩阵。由于每个准则都支配下一层若干个因素，这样

22、对于每一个准则及它所支配的因素都可以得到一个比较判断矩阵。因此，根据比较判断矩阵如何求出各因素对于准则的相对排序权重的过程称为单准则下的排序。计算权重的方法有多种，其中和法和根法是比较成熟并得到广泛应用的方法。1和法2根法3判断矩阵一致性检验由于客观事物的复杂性，会使我们的判断带有主观性和片面性，完全要求每次比较判断的思维标准一致是不大可能的。事实上，在构建比较判断矩阵时，我们虽然不要求判断具有一致性，但一个混乱的，经不起推敲的比较判断矩阵有可能导致决策的失误，所以我们希望在判断时应大体上的致。而上述计算权重方法，当判断矩阵过于偏离一致性时，其可靠程度也就值得怀疑了，故对于每一层次作单准则排序

23、时，均需要作一致性的检验。（四）层次总排序及其一致性检验1层次总排序计算同一层次中所有元素对于最高层（总目标）的相对重要性标度（又称排序权重向量）称为层次总排序。2总排序一致性检验人们在对各层元素作比较时，尽管每一层中所用的比较尺度基本一致，但各层之间仍可能有所差异，而这种差异将随着层次总排序的逐渐计算而累加起来，因此需要从模型的总体上来检验这种差异尺度的累积是否显著，检验的过程称为层次总排序的一致性检验。八、 工程咨询信息采集途径调查方法可分为普查与抽样调查两大类，这两类都有文案调查、实地调查、问卷调查、实验调查等几种。选择调查方法要考虑收集信息的能力、调查研究的成本、时间要求、样本控制和人

24、员效应的控制程度。上述各种方法，各有利弊，各有适用范围。文案调查是上述各种调查方法中最简单、最一般和常用的方法，也是其他调查方法的基础。实地调查能够控制调查过程，应用灵活，信息充分，但耗时长、费用多，调查对象易受心理暗示影响，不够客观。问卷调查适应范围广、简单易行、费用较低，得到了大量应用。实验调查最复杂、费用高、应用范围有限，但调查结果可信度较高。（一）文案调查法文案调查法是指对已经存在的各种资料档案，以查阅和归纳的方式进行的市场调查。文案调查法又称二手资料或文献调查。文案资料来源很多，主要有：国际组织和政府机构资料；行业资料；公开出版物；相关企业和行业网站；有关企业的内部资料。（二）问卷调

25、查法这种方法是调查人员以面谈、电话询问、网上填表或邮寄问卷等方式，了解调查对象的行为方式，从而收集信息。问卷调查法是市场调查常用方法，尤其在消费者行为调查中大量应用，其核心工作是设计问卷，实施问卷调查。（三）实地调查法此法是调查人员通过跟踪、记录调查对象的行为取得第一手资料的方法。这种方法是调查人员直接到市场或某些场所（商品展销会、商品博览会、商场等）亲身感受或借助于某些摄录设备和仪器，跟踪、记录调查对象的活动、行为和事物的特点，获取所需信息资料。（四）实验调查法该法是指调查人员在调查过程中，通过改变某些影响调查对象的因素，观察调查对象行为的变化，从而获得消费行为和某些因素之间的内在因果关系。

26、该法主要用于消费行为的调查，企业推出新产品、改变产品外形和包装、调整产品价格、改变广告方式时，都可以用这种方法。九、 网络信息搜索和提取方法（一）概过现在，虽然不能说人类所有文献与其他信息都上了互联网，但是网上的信息极为丰富，许多都可用于咨询。但是，许多咨询人员还不善于甚至不知道如何从网上快速、安全、有效地获得自己需要的信息和知识。咨询工程师应当知晓网上有何利信息，应掌握从网上获取信息的方法与基本技巧。对于网上的信息，可利用浏览器和搜索引擎获取。浏览器是供用户阅读网页内容的软件；而搜索引擎，指从互联网上搜集信息的特定电脑程序。早期的搜索引擎是收集互联网中服务器的地址，按这些服务器拥有的资源类型将其编成不同的目录，各个目录再逐层分类。搜索引擎则沿着此类层级向下搜索，找到用户想要的信息。这种方式只适用于互联网信息不多的时代。随着互联网上信息的迅猛增长，出现了新式搜索引擎，性能大为改进，能够找到网站每一页的起始地址，随后搜索网上所有超级链接，把代表超级链接的所有词汇放入一个数据库。搜索引擎的功能不再限于搜索，已经添加了电子商务、新闻信息服务、个人免费电子信箱服务等。（二）搜索引擎工作原理搜索引擎有信息搜集、信息整理和接受用户查询三部分，各自工作原理大致如下：1搜集信息：搜索引擎利用称为网络蜘蛛（spider）的自动