高校財務(wù)樣本數據庫研究論文

　　摘要：研究了大數據算法在高校財務(wù)數據分析中的應用，提出了基于水庫抽樣算法建立樣本數據庫的方法，結果表明：基于水庫抽樣算法建立樣本數據庫，能夠大幅縮短建立時(shí)間、系統開(kāi)銷(xiāo)小、且建立完成后其內部數據具有良好的均勻特性，可有效解決傳統高校財務(wù)管理中基礎數據樣本生成時(shí)間長(cháng)、開(kāi)銷(xiāo)大、分布不均勻的缺點(diǎn)，提高了財務(wù)基礎數據分析質(zhì)量，推動(dòng)了高校財務(wù)管理工作的發(fā)展。

　　關(guān)鍵詞：大數據；高校財務(wù)；數據分析

　　大數據對高校財務(wù)管理的影響比較廣泛而深遠，它將有利于高校的資源配置，強化高校全面預算管理，加強成本核算意識，同時(shí)提高資金使用效益，防范財務(wù)風(fēng)險，使高校側重預算編制和結果分析的財務(wù)管理向業(yè)務(wù)全過(guò)程的財務(wù)管理轉變，實(shí)現高校財務(wù)管理新變革。大數據為高校財務(wù)管理帶來(lái)變革的關(guān)鍵特性之一是其預測性作用，傳統財務(wù)利用財務(wù)報表和人為經(jīng)驗為高校財務(wù)管理者提供決策依據，隨著(zhù)海量數據的產(chǎn)生，此種方式已不能在合理的時(shí)間范圍內產(chǎn)生合理性的判斷依據，遠不能達到目前高校財務(wù)管理精細化要求，更偏離信息化時(shí)代所強調的信息支持決策的發(fā)展方向。從目前高校財務(wù)管理實(shí)際來(lái)看，基礎數據的分析是關(guān)鍵，而數據更新及時(shí)、均勻特性好的樣本數據庫是進(jìn)行分析的前提條件。但由于受到高校財務(wù)數據多等因素限制，傳統財務(wù)的線(xiàn)性?huà)呙杼幚矸椒�無(wú)法對基礎數據進(jìn)行快速均勻的抽取處理，導致了高校財務(wù)數據分析工作上的困難，不利于高校財務(wù)管理工作的開(kāi)展。應用大數據對數據進(jìn)行全面分析，遵循的是每件事情都有跡可循，找到事物變化的規律，能夠更好地對高校資源籌劃、資本運營(yíng)、資產(chǎn)管理以及當前辦學(xué)和長(cháng)期的規劃進(jìn)行預測，把握高校發(fā)展方向，使教育產(chǎn)出能更好地適應市場(chǎng)需求，合理配置資源，提高經(jīng)濟與社會(huì )效益，實(shí)現高�？缭绞娇沙掷m發(fā)展。大數據技術(shù)的出現，為高校財務(wù)數據分析工作提供了新的技術(shù)手段，文中將大數據算法與高校財務(wù)數據分析進(jìn)行結合與應用，在保證速度的前提下，建立具有良好均勻特性的樣本數據庫。

　　１樣本數據庫

　�。保睌祿�庫構架

　　數據挖掘與分析是大數據在教育領(lǐng)域中的應用之一，其主要作用是進(jìn)行預測分析、行為分析、學(xué)業(yè)分析等的應用和研究。其中財務(wù)數據分析能夠為學(xué)生心理健康、獎優(yōu)助評、貧困生關(guān)懷、個(gè)性化就業(yè)等領(lǐng)域提供數據參考。為了實(shí)現數據的有效收集，應建立財務(wù)基礎數據樣本數據庫，為下一步數據分析提供有力支持，其總體架構為：傳統財務(wù)通常利用線(xiàn)性?huà)呙枧c隨機選取的方法進(jìn)行樣本數據抽取，抽取過(guò)程中需要將所有數據加載進(jìn)內存或緩存，同時(shí)在索引遞增的同時(shí)利用隨機函數生成索引用于確定抽取元素。數據加載和隨機索引生成帶來(lái)了大量的系統開(kāi)銷(xiāo)，同時(shí)如果隨機算法的選擇并不優(yōu)秀，還會(huì )導致樣本的重復概率增加。為解決上述問(wèn)題，文中利用水庫抽樣算法作為樣本數據抽取的基礎算法，該算法打破了傳統財務(wù)線(xiàn)性的時(shí)間處理局限，在未損失精度的前提下，提供傳統財務(wù)所不能提供的海量數據樣本生成能力。樣本數據庫除了數據抽取功能之外，還要求具有數據的統計分類(lèi)和序列化功能。對樣本數據進(jìn)行統計分類(lèi)可以實(shí)現按類(lèi)別和權重的樣本抽取，從而豐富大數據分析的手段。同時(shí)通過(guò)對樣本數據進(jìn)行統計分類(lèi)，還能解決基礎數據的序列化問(wèn)題。序列化通過(guò)為分類(lèi)數據添加指定索引，可以大大提升數據的檢索速度和準確性。所以，做好樣本數據的統計分類(lèi)，并按照財務(wù)管理信息類(lèi)別對基礎數據進(jìn)行合理的序列化對數據處理是十分必要的。對樣本數據進(jìn)行分類(lèi)和序列化之后，可對每一類(lèi)數據進(jìn)行必要的統計，總結樣本數據特點(diǎn)，把握樣本數據處理原則，提高樣本數據的處理質(zhì)量。

　�。保矓祿�庫數據樣本處理流程

　　２數據庫抽樣算法及其改進(jìn)

　�。玻睌祿�庫線(xiàn)性抽樣算法

　　在盡可能快的時(shí)間內，對基礎數據庫中的學(xué)生進(jìn)行盡力均勻抽取，形成樣本用于數據分析。盡力均勻抽取意味著(zhù)盡力保證每個(gè)學(xué)生被抽為樣本的概率是相同的。輸入：基礎數據庫中的學(xué)生數據。輸出：這組數據的ｋ個(gè)均勻取樣。

　�。玻菜畮斐闃铀惴ǘ�義

　　針對應用情景，可以利用水庫抽樣算法進(jìn)行樣本抽取，該算法的特征為：１）抽取時(shí)限要求較高，且數據只掃描一次。２）利用計算機資源有限，只為用戶(hù)想要獲取的ｋ個(gè)取樣分配內存空間用于計算。３）掃描前ｎ個(gè)數據時(shí)，已保存的ｋ個(gè)取樣是均勻抽取的，隨著(zhù)ｎ的增長(cháng)，ｋ個(gè)取樣的隨機性一直不變。算法定義為：１）申請一個(gè)長(cháng)度為ｋ的數組Ａ保存抽樣。２）保存首先接收到的ｋ個(gè)元素。３）當接收到第ｉ個(gè)新元素ｔ時(shí)，以ｋ／ｉ的概率隨機替換Ａ中元素。

　�。玻掣倪M(jìn)算法均勻性證明

　　該算法的取樣是均勻的，在任何時(shí)候接收到大于ｋ的ｎ個(gè)數時(shí)，選出的ｋ個(gè)數一定是已掃描數據中的均勻抽�。寒斀邮盏降冢椋�１個(gè)數時(shí)，第ｉ個(gè)數能保存在數組中的概率為１－１ｉ＋()１，因為在接收到第ｉ＋１個(gè)數的時(shí)候要以ｋｉ＋()１的概率隨機替換。而第ｉ個(gè)數被選中的概率是１ｋ，他們相乘為１ｉ＋１，１ｉ＋１就是第ｉ個(gè)數被換出數組的概率。所以１－１ｉ＋()１就是在接收ｉ＋１個(gè)元素時(shí)，第ｉ個(gè)數在數組中的概率。同理在接收第ｉ＋２個(gè)數時(shí)，第ｉ個(gè)數仍然保存在數組中的概率為１－１ｉ＋()２，以此類(lèi)推，接收第ｎ個(gè)數時(shí)，第ｉ個(gè)元素仍保存在數組中的概率為１－１()ｎ，如果上述事件都發(fā)生，那么在接收第ｎ個(gè)數時(shí)，第ｉ個(gè)數才能保存在數組中，因此它保留在抽樣數組中的概率是這些時(shí)間發(fā)生概率的積，就是ｋ()ｉ×１－１ｉ＋()１×１－１ｉ＋()２×…×１－１()ｎ＝ｋｎ。

　�。玻此惴▽�(shí)現

　　算法實(shí)現的偽代碼為：初始化：Ａ［ｋ］←；處理ｊ：ｆｏｒｅａｃｈｉ≠ＥＯＦｄｏｉｆｉ＜ｋｔｈｅｎＡ［ｉ］←ｖａｌｕｅ（ｉ）ｅｌｓｅｊ＝ｒａｎｄｏｍ（１，ｉ）ｉｆｊ≤ｋＡ［ｊ］←ｖａｌｕｅ（ｉ）ｉ←ｉ＋１

　　３實(shí)證結果分析

　　財務(wù)流程中，對于業(yè)務(wù)數據的時(shí)效性有較高要求，處理算法的優(yōu)劣直接影響執行算法主機的系統開(kāi)銷(xiāo)，從而影響整個(gè)財務(wù)流程的運轉速度。為對比傳統線(xiàn)性?huà)呙杷惴ê退畮斐闃铀惴ǖ南到y開(kāi)銷(xiāo)，對兩種算法進(jìn)行了程序實(shí)現，設定樣本規模為３０００并進(jìn)行了樣本抽取，２種抽取算法帶來(lái)的系統開(kāi)銷(xiāo)對比如圖（３）所示，可見(jiàn)傳統線(xiàn)性?huà)呙桦S數據量級的上升系統開(kāi)銷(xiāo)不斷增大，而水庫抽樣則穩定在樣本規模時(shí)的臨界值。傳統的利用隨機數確定抽樣元素，隨機函數利用時(shí)間等作為種子產(chǎn)生隨機數，雖保證了隨機性，但不能保證樣本抽取的均勻特性，而水庫抽樣彌補了傳統方法的這個(gè)缺陷，圖（４）展示了部分抽樣結果。

　　４結語(yǔ)

　　大數據環(huán)境中，高校財務(wù)數據的數量級不斷提升，因此基礎數據的分析成為難點(diǎn)。而樣本數據庫作為基礎數據分析的必要支撐，其建立生成尤為重要。通過(guò)本文的分析可知，大數據技術(shù)的出現，給了均勻、快速的樣本生成以新的手段支持，為在允許的時(shí)間與精度范圍內的分析提供了依據。本文提供了基礎數據樣本數據庫的建立思路，在樣本數據庫的基礎上利用水庫抽樣算法進(jìn)行抽樣，作者對上述思路進(jìn)行了程序實(shí)現并提供了試驗結果。該應用手段解決了高校財務(wù)管理中基礎數據樣本來(lái)源困難，提高了財務(wù)基礎數據分析質(zhì)量，豐富了高校財務(wù)分析工作手段。

　　參考文獻：

　�。郏保蓓n丹丹。大數據時(shí)代下高校財務(wù)管理如何做好基礎數據的分析［Ｊ］。財務(wù)管理，２０１５（１８）：８２。

　�。郏玻堇柩��；�于高校財務(wù)管理問(wèn)題的調查與對策研究［Ｄ］。長(cháng)春：吉林大學(xué)，２０１４：１０－２０。

　�。郏常菅Τ幍��；�于決策樹(shù)算法的高校財務(wù)管理與決策分析研究［Ｄ］。銀川：寧夏大學(xué)，２０１５：４－１１。

　�。郏矗萃鹾曛�。大數據算法［Ｍ］。北京：機械工業(yè)出版社，２０１５：２９－５７。

　�。郏担萃踉�卓，靳小龍，程學(xué)旗。網(wǎng)絡(luò )大數據：現狀與展望［Ｊ］。計算機學(xué)報，２０１３（６）：１１２６－１１３８。

　�。郏叮輰O大為，張廣艷，鄭緯民。大數據流式計算：關(guān)鍵技術(shù)及系統實(shí)例［Ｊ］。軟件學(xué)報，２０１４，２５（４）：８３９－８６２。

　�。郏罚輻铎o，張楠男，李建，等。決策樹(shù)算法的研究與應用［Ｊ］。計算機技術(shù)與發(fā)展，２０１０（２０）：１１５。

　�。郏福蓐悥|。淺談高校財務(wù)決策支持系統及其構建［Ｊ］。財會(huì )通訊：綜合（上），２０１１（６）：１２６－１２７。

　�。郏梗荩牛蹋危桑耍牛裕伲�，ＥＬＳＡＹＥＤＴ，ＲＡＭＡＤＡＮＨＥ。ｉＨａｄｏｏｐ：ａｓｙｎｃｈｒｏｎｏｕｓｉｔｅｒａｔｉｏｎｓｆｏｒＭａｐＲｅｄｕｃｅ［Ｃ］／／ＣｌｏｕｄＣｏｍｐｕｔｉｎｇＴｅｃｈｎｏｌｏｇｙａｎｄＳｃｉｅｎｃｅ（ＣｌｏｕｄＣｏｍ），２０１１ＩＥＥＥＴｈｉｒｄＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎ。ＩＥＥＥ，２０１１：８１－９０。

　�。郏保埃菝蠞�。數據挖掘在高校財務(wù)中的應用［Ｊ］。軟件導刊，２００８（７）：１４－１５。

　�。郏保保莨�遲，劉經(jīng)南，方媛，等。位置大數據的價(jià)值提取與協(xié)同挖掘方法［Ｊ］。軟件學(xué)報，２０１４，２５（４）：７１３－７３０。

　�。郏保玻萃跎�，王會(huì )舉，覃雄派。架構大數據：挑戰、現狀與展望［Ｊ］。計算機學(xué)報，２０１１，３４（１０）：１７４１－１７５２。

　�。郏保常菝闲》�，慈祥。大數據管理：概念、技術(shù)與挑戰［Ｊ］。計算機研究與發(fā)展，２０１３，５０（１）：１４６－１６９。

【高校財務(wù)樣本數據庫研究論文】相關(guān)文章：

高校體育教育研究論文3篇03-15

高校體育能力本位教育研究論文02-20

高校英語(yǔ)項目教學(xué)法研究論文03-13

高校公共體育教學(xué)質(zhì)量研究論文02-17

淺談高校教育教學(xué)改革的研究論文03-25

論文致謝樣本12-05

高校聲樂(lè )教育課程體系研究論文12-01

高校體育文化課程體系研究論文03-15

高校教學(xué)管理工作研究的論文12-07