如果把地稅征管信息系統比作森林，征管數據就是一顆顆樹木。近年來，地稅部門的信息化建設正不斷向深度和廣度發展，征管數據的采集和覆蓋范圍日益擴大，尤其是多元化申報方式的推行，網上辦稅數據的傳輸，對征管數據質量提出了更高的要求。但征管信息軟件系統中一些無效、不合法、口徑不一致的征管數據不斷地出現，直接侵占了稅收網絡資源，干擾稅收征管信息系統的正常運行質量和效率，影響了稅收的征收管理。這些被我們稱為征管垃圾數據是如何產生的呢？下面筆者根據自己的工作經驗談幾點看法。

一、影響稅收征管數據質量的因素

（一）、征管數據采集不規范

新系統上線時，由于新舊系統的數據庫結構不同，原來使用業務系統中的歷史數據無法遷移到新系統中，只能重新采集錄入。因此在征管數據采集過程中，難免出現差錯。征管數據采集過程中出現的問題體現在：

一是在數據采集環節。由于納稅人文化程度和業務水平參差不齊，有相當一部分人對稅務登記表、納稅申報表等數據信息采集表格填報口徑不一致，不能比較正確地填寫納稅基礎信息，加之個別稅務管理人員對數據采集工作重視程度不夠，責任心不強，缺乏嚴謹的工作態度，對納稅人填報的采集數據沒有實地調查、審理不嚴等因素，因此，從源頭上形成了征管垃圾數據。

二是征管數據錄入環節。由于征管數據是通過手工輸入微機的方法，納稅戶遞交申報的原始資料原本就不完整,不準確，在手工輸入微機時又可能發生錯誤，因而致使信息資料失真或不全，計算機的依托作用便難以發揮出來。再者，稅務機關數據錄入人員往往只注意數據采集表中的數據和信息，而忽視其他方面各種有用信息的采集和利用。在日常工作中，數據錄入主要體現在為納稅戶辦理稅務登記、征收期受理納稅申報和發票銷售及核銷環節，這都是一些繁鎖的手工操作過程，這不僅要求數據錄入人員有熟練的計算機操作技能，更要有較強的責任心。如果責任心不強的話，就容易出現下列情況：發現納稅人填寫的數據錯誤或填寫不清，卻嫌數據采集表退回登記流程的手續繁瑣，大都采用猜測代填數據的處理方法；為了省事，只錄入系統數據保存時必要的項目，對納稅人填寫的附表或其他指標，一律以0代替錄入；對房產稅、土地使用稅申報表只錄主表數據而不錄附表數據，造成統計匯總結果出現嚴重偏差，等等。

1統計信息為提高醫院醫療質量提供準確的信息源

醫院醫療質量影響到一個醫院的工作效率和醫療效果，關系到醫院的基本醫療質量和社會信譽。利用統計綜合分析中的醫療指標、質量指標來保證統計信息的準確來源。加強醫院管理，促進醫療質量的提高，反饋疾病的發生及其規律。

利用診斷質量指標綜合反映醫院住院醫療質量和管理狀況，評價醫生業務水平。利用治療質量指標觀測直接影響醫療終末質量。利用工作效率指標反映管理水平和醫療技術。利用單病種質量指標來反饋主要包括住院總費用、醫療水平、對社會的影響以及廣大患者對醫院的信譽度。利用醫技科室質量指標來管理大型醫療設備運營情況，為醫院的持續發展提供可靠數據依據。

2統計信息是醫院實施量化管理的數據資源保證

現代化醫院離不開科學的決策，科學的決策離不開及時、準確、全面的統計數據，醫院衛生統計能夠迅速反映醫院管理活動中的動態變化指標情況和歷史全貌，為制定醫院質量管理指標和計劃，監控方案的實施過程，總結項目工作經驗教訓，提供可靠的、權威的數據資源保證。

準確、及時、全面的統計信息開闊了領導的思路，提升了領導的思維層次和領導能力。管理者通過統計信息獲得資料，通過資料發現問題；通過對問題的深入分析研究，提出解決問題的思想方法和途徑；如：通過對工作效率指標的分析，加強對手術患者術前平均住院日和出院患者平均住院日的管理；通過對診斷質量指標的分析，加強醫院醫療質量管理，提高醫生的業務水平；通過對治療質量指標的分析，強化對治療患者出院情況的正確填寫，真實反映醫院的治療質量；通過對醫技科室質量指標的分析，了解醫院大型設備的使用情況，掌握醫院的經濟效益；通過對費用結構指標的分析，認識醫院效益提升的一個重要途徑是在總費用不變的情況下，如何降低藥費構成比，相對提高醫療服務費用比例，從而提高收入“含金量”，此同時患者得到合理的用藥和優質的服務；通過對單病種質量指標的分析，控制單病種費用，提高醫療質量。打出醫院的醫療品牌，提高醫院在社會的信譽度，樹立醫院的知名度，為醫院獲取社會效益。

隨著醫療衛生體制改革的不斷深入，醫療質量已直接影響到醫院等級評審以及醫院的可持續發展能力。如何提高醫院的醫療安全和醫療質量，避免或預防可能出現的錯誤或意外等不良事件，強化醫務人員培訓和制定規范的操作流程以及嚴格的管理制度當然是必不可少的，但是如何通過信息化建立數字化的、標準化的評價和監測體系，及時甚至是實時提示或剛性攔截不合理的處方，已經成為醫院臨床信息化的必經之路。本文簡要介紹了質量數據中心的概念和構建方法，并以實例進行說明，以期對希望通過信息化手段提高醫療質量的醫院提供借鑒。

1現狀分析

醫療質量管理是醫療管理的核心[1]。醫療質量是醫院生存與發展的基礎，在“兩會”提出的“健康中國”理念的引導下，著力優化綜合性醫院醫療質量管理，不僅能給醫院帶來經濟效益，而且能夠滿足患者日益增長的就醫需求，從而帶來良好的社會效益[2]。隨著世界各國醫療質量管理和我國醫藥衛生體制改革的深化，醫院的醫療質量管理水平已不能完全適應當下的醫療質量管理要求，針對當下嚴峻的質量管理要求，醫院醫療質量管理主要存在以下幾個問題。1.1醫療質量管理水平不高。21世紀是“質量的世紀”[3]，以其超嚴的質量要求為標志。對于醫院而言，超嚴意味著各種質量指標標準將不斷提高。不僅要診斷正確，還要定位更加精確；不僅要治療有效，而且并發癥發生率、院內感染率還要盡可能降低，療效評價也將從短期上升到長期甚至終身療效評價；不僅要求不能發生事故，還要“零缺陷”“零差錯”……人對生命質量的渴望和追求，正隨著科學技術的不斷進步和人民生活水平的提高而以驚人的速度增長著，這促使醫院質量管控技術必須永無止境地向前推進。1.2醫療質量內涵不夠豐富。隨著醫學模式的轉變和國家醫療衛生體制改革方向的確立，醫院醫療服務范圍拓展到更加寬廣的領域。隨之而來的以病人為中心、病人評判至上的原則就要求醫院醫療質量提高到更廣、更深、更全面的“大質量觀”水平[4]，即不僅要實現傳統意義上的診斷治療質量高，還要實現醫療工作效率高、醫療費用和醫療過程合理、醫療服務質量令人滿意等。正如衛生改革宗旨所指出，醫療機構要“努力用較低廉的費用，提供較優質的醫療服務”。1.3醫療質量管理手段落后。醫院的可持續發展建立在平衡、協調的綜合性發展基礎之上，醫院既要加強外延建設，注重引進先進儀器設備，改善工作環境，又要強化內涵建設，建章立制，保證質量，挖潛增效。近年來，醫院經歷了外延建設跨越發展的時期，醫療規模顯著擴大、醫療環境日益美化、醫療設備更新換代，硬件建設逐漸新增。然而，相比之下，醫院質量管理手段卻稍顯滯后，而且因質量問題所帶來的醫療安全隱患仍然較為突出，醫院漏診、誤診時有發生。

2解決方案

2.1構建質量數據中心。質量數據中心（qualitydatarepository，QDR）是醫院醫療質量管理系統的核心[5]，是一個整合各種醫療質量來源數據的實時數據庫，通過統一方式呈現醫療質量數據視圖，質量指標監控，醫療質量聯動以及質量評價，以促進醫院管理和臨床醫療質量的提高。在建立醫療質量數據中心的過程中，標準化是一個非常重要的問題。標準化的數據類型、標準化的醫療術語集、標準化的數據訪問服務要能夠滿足系統的數據需求。為此，醫療質量數據中心數據模型的構建要完全遵循相關國際標準建立。并按照醫療質量管理的要求，增補大量的質量數據標準。在建立醫療質量數據中心的過程中，采用類似數據倉庫技術的建設方式。通過源數據庫、數據抽取、數據倉庫數據庫、數據集市以及數據訪問服務的構架，形成一套滿足實際醫療質量監管要求的醫療質量數據中心系統。數據抽取過程主要是將數據從醫院業務系統的源數據庫中抽提出來，并進行必要的轉化、整理，再存放到數據倉庫內。主要提供的服務包括刪除對決策應用沒有意義的數據段；轉換到統一的數據名稱和定義；計算統計和衍生數據；給缺值數據賦給缺省值；把不同的數據定義方式統一等。2.2主動監測數據。臨床業務數據錯綜復雜，各業務間的數據存在千絲萬縷的關系，從應用層面，我們希望這些零碎的數據能夠關聯整合起來分析和展示，例如醫師在下達輸血醫囑后，應去關注相關的檢驗指標變化、配血信息、不良反應信息等內容，最好第一時間知曉。由于現在數據存儲千差萬別，單純地要從各業務表中實時獲取數據進行整合效率很低；同時業務的需求也是持續發展的，對數據的關注也會發生一些變化，定制式的數據處理肯定滿足不了業務的發展需求。這就有必要在應用框架層面建立一種主動的數據監測機制，能夠自動地將業務觸發的需要關注的數據實時推送過來，主動監測模式可以彌補被動監測模式的不足，它是一種有組織、有計劃的監測活動[6，7]。2.3閉環化設計。醫療質量管理系統的關鍵就在于信息系統和臨床的業務進行充分的整合[8]。即醫療質量管理系統的數據基礎都來源于業務系統，日常的數據報表和行為監測都與業務系統形成聯動關系，系統分析和評估的結論也會反饋到業務系統中，給臨床醫護人員提供參考。在醫療質量管理中，定義出每個環節可能產生的臨床事件。每條臨床事件都可以設置前置條件和后繼任務，前置條件不滿足的，當前事件可不予執行或者予以提醒，在當前事件完成的前提下，還可驅動后繼的工作任務需求，并進行持續跟蹤管理。真正形成一個嚴謹、智能、可追尋的閉環業務處理模式[4]。有效地將一些臨床和運營管理的具體措施落實到實處，進而提高醫院整體的臨床醫療質量水平。2.4任務驅動。在臨床醫療過程中，每個事件或動作都可以產生對應的任務、子任務、任務時間域、任務操作者等信息。例如醫生下達了手術醫囑后，可創建系列任務：醫生需要進行術前手術談話、手術前小結；麻醉醫師需要進行麻醉前訪視；手術室要安排手術時間和手術室；護士要完成術前護理工作，這些產生的任務都會通過消息引擎，向對應的臨床醫護人員進行提示。在醫療質量管理系統中的任務還不單是基于手術流程的任務管理，還將手術質量方面的管理內容也納入到了任務管理的環節中。如手術醫師是否具有相對應手術的資格；患者是否具有滿足手術適應癥的指證；醫院同種手術的成功率是多少，是否有分析結果提供給醫生進行參考，都成為醫療質量管理系統中任務的處理內容。

3應用舉例

【摘要】統計數據質量是統計工作的生命線，其影響基層統計數據質量的因素是多方面的，統計基層基礎工作薄弱、統計方法制度與指標體系不夠科學、基層統計人員的素質與責任心等都是影響基層數據質量的主要因素，加強統計基層基礎工作，提高人員素質，完善統計調查體系，加強法制工作等都是提高統計數據質量的重要舉措。

【關鍵詞】基層統計工作數據質量因素對策

基層統計工作是獲取經濟運行的客觀數據，進而分析和認識經濟發展的客觀態勢，即是發現宏觀經濟發展趨勢的重要手段，又是政府進行宏觀經濟管理，制定正確地宏觀決策的重要依據。從這一意義上說，就要求我們掌握真實而準確的、詳實的基礎統計資料?？梢哉f，統計數據和統計資料真實、詳細與否直接關系到能否正確認識經濟運行的基本態勢，對切準經濟發展及其未來趨勢的脈搏具有十分重要的意義。數據質量是統計工作的生命線，提高基層統計數據質量是做好統計工作的基礎和前提。在當前統計工作中，基層統計工作出現的一些新情況、新問題，影響統計數據質量，制約統計工作水平的提升。因此提高基層統計數據質量問題是當前和今后一段時期統計工作的重要任務，必須引起高度重視。筆者結合縣級統計部門基層工作的實踐，就影響基層統計數據質量的因素做一些分析，并就如何提高基層統計數據質量進行粗淺的探討。

一、影響基層統計數據質量的主要因素

統計基層基礎工作薄弱。主要表現在：一是部分基層統計單位統計崗位落實不到位，統計人員多數為兼職，而且變動頻繁，穩定性差。調查表明，大中型的企事業單位統計工作相對比較規范，有專門的統計機構與專職的統計人員，而一些小型單位，特別是私營、個體企業對統計工作重視不夠，多數統計人員身兼數職，統計工作只是附帶性的工作，而且經常變動，穩定性差，統計數據質量得不到保障；二是部分基層統計單位原始記錄不全，未建立規范的統計臺帳和統計制度，一些私營、個體企業，對統計工作不完全配合，填報的統計數據不能真實反映企業的實際情況，統計數據的質量存在較大偏差；三是基層開展統計工作所必須的經費和保障條件不能得到保障；四是部分基層單位分管統計的領導對統計工作不重視，對統計數據審核不嚴把不好關。統計方法制度不夠完善，統計指標體系與指標設置不夠科學。統計調查方法相對滯后。全面調查和抽樣調查在實際工作中存在一定的局限性。全面調查在基層工作中有時難免存在調查者與被調查者之間，在搜集資料單位的上下左右之間，往往容易引起矛盾，在層層上報過程中，容易受人的主觀因素影響，所以全面統計的結果有時并不全面。對基層的統計抽樣工作來說：如規模以下工業企業、限額以下批發零售貿易企業、私營、個體經濟等抽樣工作，基層統計人員由于對抽樣調查認識不到位，往往憑自己的主觀臆斷來確定抽樣的樣本點，抽樣調查缺乏科學性導致調查樣本的隨機性、代表性難以保證，影響了調查樣本數據的準確性，擴大了抽樣誤差?，F有統計指標體系存在第一、二產業品種繁多，而滿足國民經濟核算需要的第三產業報表資料相對較少，影響統計數據質量；在指標設置上存在專業之間個別指標重復上報的現象，同時個別指標的設置沒有充分考慮基層的實際，存在指標理解上的偏差。統計數據評審制度還不夠健全。雖然一些主要經濟指標如GDP已經建立數據聯審評估制度，但統計數據評審制度還存在與GDP相關主要數據評估不夠配套、同時數據評估制度還存在操作性不強等問題。基層統計人員工作積極性不高，對統計數據來源把關不嚴。首先，由于統計體制不科學、統計工作地位和待遇不高，基層統計人員積極性不高，責任心不強加之身兼數職，任務重，對日常的統計工作基本上是疲于應付，統計數據質量難以得到保證；其次，縣級統計人員存在對統計數據的來源把關不嚴。由于統計部門長期受一無權二無錢、求人的事情多、自己說了算的時候少的認識的影響，對基層上報數據缺乏嚴格要求，加上評估論證不完全到位，有的專業存在下面報多少是多少、怎么報怎么算的問題，同時基層統計工作存在統計執法不嚴的問題，使少數企業多存僥幸心理，這在一定程度上影響統計數據質量；第三，基層統計人員的工作能力和水平影響統計數據的質量?；鶎咏y計人員缺乏系統的學習培訓，其思想觀念、工作思路滯后于新形勢下統計工作的要求，是影響基層統計數據的質量不可忽略的重要因素。

二、提高基層統計數據質量的對策

只有準確地統計數據，才能真實地反映客觀實際，使黨和國家了解真實情況，據此制定出切合實際的政策和計劃，指導社會主義現代化建設健康的發展。隨著經濟全球化進程的加快，社會各界對統計信息的需求越來越廣泛，對統計數據質量的要求越來越高。與國外先進水平相比，我國對數據質量的研究仍然比較薄弱，質量管理相對落后，統計數據不準、不真實的現象尚未徹底改變，這不僅影響其作用的發揮，而且降低了統計的威信和社會的地位。1影響統計數據質量的主要原因造成統計數據不準的原因，追其根源，主要有以下幾個方面：1.1對統計缺乏認識使統計數據不準我國是從半封建半殖民地社會脫胎而來，幾千年封建社會的影響，使我國長期處于自然、半自然經濟之中，商品經濟不發達，人民生活貧困，文化素質低，加之我國統計發展歷史較短，廣大人民群眾對統計不了解或了解甚少。因此，在社會上出現“統計是干什么的?有什么用?…‘統計、統計、三分統計、七分估計”，“你要數，我報數、準不準、沒有用”等一些說法。在部分基層干部中，由于缺乏統計知識，不懂統計，不會用統計，說什么“有統計我也領導、沒統計我也領導”，對統計工作過問很少。當前又強調抓經濟建設；一些人心目中又產生只重視能發揮直接效益的工作，不重視間接效益的工作。統計工作，它不產生直接經濟效益，而是通過統計反映的數據和情況，經過領導者的正確決策和指揮才能發揮出一定的效益，這往往不被人們所了解和重視，致使一些領導重財務，輕統計，把統計人員調做財會工作認為是提拔重用。造成統計機構不健全，統計人員流動性大，素質低的現象，這樣做如何能保證統計數據的準確?1.2原始統計信息數據質量問題較多，造成統計數據不準統計數據來源于統計調查，而統計調查中的原始數據都是由人提供的，這些原始數據，要么是企業的原始記錄、統計臺賬，要么是調查表，或電話訪談錄、觀察記錄、座談會記錄等，都是人的社會行為的結果。由于長期以來受計劃經濟體制的影響，統計信息以非商品的形式，無償提供給政府與社會，統計信息工作缺乏利益驅動機制，積極性差，造成信息質量差，人為因素多。統計信息數據質量是統計信息、咨詢、監督三大功能的基石，如果統計信息數據不準，基石不牢，統計信息就會失真。1.3統計體制、調查方法、統計標準、技術手段等造成統計數據不準例如，在非物質生產領域，隨著我國經濟的飛速發展，一些新興的產業如文化產業、信息產業、高新技術產業等如果沒有一套完整的核算體系、標準和方法，將難以準確核算其產值，影響統計數據的真實性。另外，當統計制度方法與國家的政治體制、行政管理體制、法律制度、經濟結構不協調時，統計數據的真實性也難以得到保證。由于目前我國對政府官員政績的評價量化，而又缺乏完整的科學的統計指標考核體系，于是在利益的驅動下，有的地方和單位會制造虛假的統計數據。1.4黨風和社會風氣不正是造成統計數據不準實事求是是我黨的優良傳統，也是統計工作者必須遵循的原則。但是，當前在黨內和社會上出現一些不正之風，使一些單位領導不是從全黨的利益出發，而是從個人和小集團的利益出發，拋棄了黨的優良傳統，把統計數字隨需要而變，對統計數字采取實用主義態度，干擾統計數字的如實上報。在統計隊伍中，有些同志也受不正之風的影響，不堅持原則，看領導眼色行事。這種不正之風所造成的行政干預和看風使舵，是影響統計數據的準確的社會。另外，在政風問題上人為干擾也比較嚴重?，F在許多地方都開展“目標責任制”考核工作，把統計數據與政績、升遷、納稅、獎懲相聯系，把統計活動推到了“裁判員”的地位，嚴重影響了統計的獨立性和超脫性。1.5客觀環境的變化，被調查者配合程度降低造成統計數據不準客觀環境的變化，對統計數據質量產生了很大影響。從外界條件看，一方面隨著經濟改革的深入，使得統計調查對象越來越復雜。原來主要調查對象都是有組織、有管理的單位，現在是面對千家萬戶和全社會。使取得真實可靠的統計數據變得困難了許多。被調查者受文化水平、法律意識、統計科學知識限制，合作誠意比以前有很大降低。另一方面，全社會對統計信息需的數量、質量都提出新的更高的要求，要求對統計方法制度進行重大調整改革，當前提供的統計信息存在盲目和滯后的問題。2提高統計數據質量的途徑2.1牢固樹立實事求是思想路線.堅持把提高數據質量放在統計工作的核心位置提高統計數據質量是統計工作的一個永恒的主題。但是在不同時期對統計數據質量有不同的標準，明確新時期統計數據質量的涵義和概念，樹立全新的統計數據質量理念，是指導我們做好工作的前提和基礎。在人們原來的舊觀念中，準確性是統計數據質量的同義詞，提起提高數據質量，唯一標準是提高數據準確性。但是隨著人們質量觀念的變化，質量的含義不斷延伸，現在對產品質量要求不僅僅單純指產品或服務的使用性能，還包括產品或服務。

【摘要】統計工作在全面建設小康社會中是一項十分重要的工作。統計要發揮作用，關鍵是統計數據必須準確。準確性是統計工作的生命。

【關鍵詞】統計數據質量統計是了解國情、國力的重要手段，是黨和國家制定政策、編制計劃、指導工作的重要依據。

摘要：近幾年以來，我國的民營經濟發展速度不斷加快，并逐漸成為國民經濟體系的重要組成部分，所以在對國民經濟的發展進行研究時，必須深入研究民營經濟的統計工作。但是，根據我國的部分民營經濟官方統計數據顯示，其中存在許多失真的現象，不能對我國的國民經濟發展起到良好的借鑒作用。因此，本文對民營經濟統計數據工作現狀展開了深入分析，并提出了數據挖掘技術的應用策略。

關鍵詞：數據挖掘；民營經濟；統計數據；質量

在大數據技術快速發展的推動下，大數據時代逐漸來臨，人們越來越重視數據的價值。通過采用數據挖掘技術，能夠從海量的信息數據中挖掘出比較具有價值的信息，所以必須保證統計數據的質量合格，才能對挖掘信息起到至關重要的決定性作用。對于政府統計工作而言，民營經濟統計數據質量影響著政府統計部門的公信力以及整體信息。隨著社會主義市場經濟的快速發展，政府部門在日常工作事務中越來越注重使用統計數據。但是，在使用官方統計數據時，其質量很容易受到社會公眾以及媒體的質疑，認為民營經濟統計數據中存在失真信息。為了有效提升民營經濟統計數據質量，必須加強研發全新的數據挖掘技術，才能改善質量低下的問題，滿足使用者的需求。因此，數據挖掘技術對于提升民營經濟統計數據質量起到重要作用。

1民營經濟和統計數據質量的概述

目前，學術界對于民營經濟的研究仍然處于初級階段，沒有形成相對統一的觀點，其中比較普遍的觀點認為：“民營經濟屬于國有和國有控股、集體控股、外商以及港澳臺商獨資和控股經濟組織，民營經濟體系中的重要組成部分為私營企業、個體工商企業以及農民專業合作社。在民營經濟體系中，有私營企業以及個體工商戶兩大重要部分?！倍y計數據質量，主要受到多方面因素的影響，其中的主要評判標準為實用性、準確性、及時性、可解釋性以及銜接性等等。具體而言，統計數據質量主要從準確性、適用性、可比性、可獲得性以及時效性等各個方面來進行評判。

2當前我國民營經濟統計數據質量的主要現狀

［摘要］統計工作屬于現代企業管理當中核心的工作內容。統計數據的質量高低與否，對企業整體的經營管理來說有著直接影響。文章圍繞著影響企業內部統計數據的質量現狀相關因素及實施對策，望能夠為今后企業統計相關工作有效落實提供指導性的建議或者參考。

［關鍵詞］統計數據;企業;質量現狀

1統計數據在質量方面的要求

1.1要求規范。在規范方面要求，通常是要求現代企業統計編碼、文件格式、術語、分類標準及指標體系等，均需依據特定規范及要求予以設定，為統計數據可靠性和權威性提供保證。1.2要求完整。統計數據內容含量方面最為基本的體現，即為完整性方面要求，一般會要求所統計數據實際覆蓋面有著一定層次且全面，形成一個較為完整化梯級的體系，在為企業經營決策來提供更具全面性數據基礎。1.3要求及時。及時性屬于數據統計在時間的價值方面一種體現，通常要求采集與形成、提供數據均能夠具有時效性和高效性?，F階段，憑借著網絡科技、計算機科技等，創新統計手段及方式方法，為統計數據的效力及價值提升提供保證。1.4要求準確。對于企業內部統計數據，準確性屬于一項基本的要求，通常會要求所提供數據真實，可客觀反映出企業經營實況，無人為篡改或者干擾因素存在。［1］

2重要性闡述

2.1國家方面。伴隨我國的經濟體制持續改變，國家的宏觀調控方面統計數據核心作用被日益凸顯出來，也逐漸發生改變，從初期制訂計劃及計劃執行監督提供指導，一直到現階段保證數據信息有效、科學、及時等多維度內涵，證明了我國已將提升統計數據的質量提高至戰略位置。2.2企業方面。統計數據屬于經過一定科學處理所獲取資料信息，知識含量較高。企業開展數據統計開發，屬于低投入與高回報的經濟活動，對于企業提升自身統計數據總體質量來說，現實意義較為深遠。一方面，確保統計數據高質量，可促使企業管理更具科學性，企業長期處于市場環境當中，若想落實好管理工作，不僅要了解企業實際發展狀況，還需充分認識與了解外部環境，憑借企業數據統計各種手段，采集內外部信息數據，并加以整理和分析，為企業實現科學管理及決策提供指導;［2］另一方面，通過數據統計的質量有效提升，可為企業市場競爭實力的強化提供保證。日益激勵化市場競爭條件下，現代企業倘若想實現長足發展，就務必強化自身核心競爭實力，要求企業整合及發揮好自身優勢資源，制定好發展戰略。而這些目標實現的基礎，就要求企業全面了解市場及行業發展實況，采集、整理市場數據、產品創新、行業競爭及客戶方面數據信息，把數據統計與企業生產、營銷所有環節結合到一起，依靠企業生產運營進行有效性數據信息的采集，經科學處理及分析后，為企業后期的生產經營提供指導，促使企業核心競爭實力得到增強。

從目前企業數據質量管理現狀看來，數據生命周期被系統使用單位和系統割裂，按傳統建設思路，隨著業務管理水平提升自發形成的結果，并且數據問題很難被追溯；按系統邊界進行數據質量管理，系統間數據冗余、不一致的現象較為嚴重；在目前信息化時代，仍然依賴大量手工報表進行數據分析，存在數據失真的可能。這主要歸根于兩方面原因，其分析如下：技術原因方面分析：基礎數據分散在不同系統中由不同人員重復維護，產生多個版本；沒有集中產生數據編碼，不嚴格執行數據標準，導致對象無法被唯一識別；缺乏基礎數據的實時共享和同步機制，缺乏基礎數據的權威數據源定義，最終導致數據不一致。數據管理責任方面分析：“誰創建，誰負責；誰使用，誰監督?！贝素熑卧瓌t確定不完全恰當，有時候數據創建部門僅僅接受其他部門的數據錄入要求，此時他們僅能為是否錄入正確負責，作為數據負責部門未必恰當；未明確多個創建部門和使用部門情況下的數據責任，如有多個創建部門，如何一起負責，管理流程是怎么樣的；存在權利和義務不對等，只強調了數據創建部門的義務，沒有強調該權利；只強調了數據使用部門的權利，沒有強調義務；數據使用過程中某些部門的職責未明確，數據使用過程中還涉及一些其他部門，未定義其職責，且未明確各部門在數據管控各項活動中的職責。迫切的現實需求，數據價值充分體現了建立一體化的數據質量管理體系勢在必行。數據資源管理組織及認責體系不完善；數據資源管理的流程不完整；數據資源管理的技術支撐不足；數據標準及數據規劃落地執行不足。電力企業需建立并落實數據質量管理評估、數據質量認責和數據質量稽查等工作，使其常態化。可以按照如下5個方面進行常態化工作開展。崗位落實方面：按照數據質量及實用化工作方案及相關細則，設置數據質量及實用化管理崗位，明確定義人員職責，完成相關培訓。工作執行方面：根據企業制定的數據質量管理工作方案，執行日常數據質量管理工作，及時補充完善數據質量管理校驗規則，按時按質開展日常數據質量檢查，對數據質量報告、評價報告等及時反饋，解決相關數據質量問題。水平提升方面：根據企業制定的數據質量管理專項工程的工作目標和工作要求，開展常態數據稽查和數據巡視工作，持續提升數據質量管理水平，滿足數據質量管理問題的解決完成率、及時率等指標要求。數據質量及實用化評價方面：衡量信息系統數據質量管理水平的量化指標，具體包括系統覆蓋率、數據完整率、數據及時率、數據準確率、數據一致率、數據合規率等。數據稽查和數據巡視評價方面：衡量數據稽查和數據巡視工作開展情況的量化指標，具體包括數據稽查和數據巡視工作及時率、任務完成率等。將上述5個方面的常態化工作分階段，可分為4個階段開展工作。計劃準備及啟動階段：確定數據質量管理的工作方案，制定詳細工作計劃，召開項目啟動會并進行業務藍圖宣貫；明確工作目標及各部門人員工作職責及要求。診斷分析階段：針對具體業務功能點及數據質量管理要求，制定詳細的訪談提綱；對各業務部門進行訪談。了解業務難點，收集問題，對問題進行分析，編制診斷分析報告。問題整改階段：在診斷分析階段工作成果的基礎上，制定詳細的整改工作方案，編制實用化推進規劃報告；協助業務部門進行問題整改，及時追蹤問題整改進度，并更新整改狀態。推進階段及跟蹤：跟進高數據質量管理推進工作，匯總、反饋進展情況，進行階段性評價檢查，最終實現數據質量管理水平的提升。

數據質量管理平臺設想

數據質量管理平臺是電力企業核心主數據的唯一數據源，業務系統只保留本地副本。核心主數據的創建和修改審批流程由業務系統完成，滿足主數據約束條件后，在平臺上完成數據的變更，再修改本地副本。各業務系統在設計、開發過程中應充分考慮并遵循這一原則。平臺應支持數據質量和實用化評價、數據監控、數據稽查、數據認責、數據清理、數據巡視、數據質量知識庫等內容，滿足各級用戶的數據質量和實用化管理需求。平臺以集中管理核心主數據、統一標準管理、統一編碼管理、統一數據質量管理4個方面來定位。集中管理核心主數據：唯一可信數據源，為企業提供完整的、實時的、準確的、一致的核心主數據視圖，實現企業核心主數據的唯一識別、統一標識、集成和共享。統一標準管理：標準的維護、查詢、版本管理、等功能。統一編碼管理：基于企業信息分類和編碼定義的各類業務編碼規則，統一為各相關業務系統分配標準編碼。統一數據質量管理：發現、分析、跟蹤各相關系統數據質量問題，加強和提升企業數據質量事后管理能力。平臺設計原則遵循規范性和統一性的原則，此原則堅持統一管理、統一規劃、統一標準、統一建設的基本原則；遵循統一數據資源管理平臺的功能規劃，技術路線和產品選型的原則；遵循可重用、松藕合、就近部署原則；遵循創新原則，此原則充分借鑒業界先進實踐經驗的同時，盡量減少平臺建設的成本和風險；遵循穩定性和高可靠性的原則，平臺部署應采用集群、冗余、負載均衡等策略；遵循可擴展性的原則，軟、硬件平臺應具有良好的可拓展能力，能夠方便地進行擴展，以適用各種業務和應用的不斷發展。綜合以上各個方面，提出了數據質量及實用化管理平臺設想，如圖2所示。該平臺部分模塊解析如下：質量問題發現：根據提供的檢驗規則定義功能對相關系統數據進行數據質量檢查，包括校驗目標、檢驗范圍、檢驗邏輯、檢驗輸出形式等；根據預定校驗規則對指定數據定期或手動進行質量校驗，保存數據質量校驗結果以及樣本問題數據，以便進行追蹤分析。質量問題分析：提供報告格式定義功能，對數據質量問題進行統計，并根據定義的報告格式生成圖表分析報告。質量問題跟蹤：提供數據質量問題的查看、分配、反饋等流程處理功能，并對已處理完成的數據質量進行復核。

數據質量管理平臺的應用效果

數據質量管理是通過制定企業的數據管理制度，利用組織人員、流程和技術的相互協作，使數據真正成為企業的核心資產的過程和方法。實現了數據質量管理工作閉環管理，理清了工作思路，規范了工作流程，平臺的建立為該工作提供了重要保證。（1）數據搭建了從業務到應用的橋梁，平臺是電力企業核心主數據的唯一數據源，使數據性得到保證，從而減少大量人工報表工作量，真正達到為基層人員減負的目標。（2）持續提升了信息系統數據質量，推進了信息系統實用化水平，為建成“一體化、智能化、精細化、互動化”安全高效的信息化體系更進一步。

對數據的要求隨客戶服務、管理精細化和監管要求不斷提高，搭建數據質量管理平臺能有效解決當前電力企業存在的數據質量問題，最終實現電力企業達到國內領先、國際一流的目標。在數據管理方面，建立體系化的數據治理框架，從根源解決數據質量管理的問題。

摘要:本文旨在為電子商務網站的質量評估提出一種新方法。通過在線活動評估客戶的滿意度，電商網站的標準視為評估系統的輸入變量，考慮到消費者的行為可能被解釋為模糊值的事實，這些標準的值是根據潛在用戶使用該網站的在線行為隱式捕獲的。所提出的電商數據評估模型是一種多準則程序，結合模糊邏輯，可以搜索有價值的動態信息，以自動評估電子商務網站，提高銷售量，由網站管理員做出決策并滿足客戶需求。根據客戶的行為評估確定不同電子商務客戶滿意度標準的重要性。

關鍵詞:電子商務；客戶滿意度；電商數據;評估模型；模糊邏輯

1引言

許多電商站點創建聊天工具來代替服務人員，為用戶提供購買體驗，然而市場研究和消費者滿意度參數表明，這些聊天工具還不夠。因此，電商公司必須收集在線客戶的偏好，以便在促銷和定價策略中做出更好的決策。本文研究的目的是分析這些隱含的知識，并通過識別和排名主要質量標準以及對在線消費者的觀點進行調查，從而向商務專業人士提供理解，以構建高質量的電子商務網站。因此，可以通過對在線客戶的行為進行調查，在多標準分析的背景下制定電子商務網站評估問題。建議的用于評估電子商務網站質量的多標準模型階段如下所述：第一階段：建立評估對象和要評估的項目集。第二階段：獲取在線客戶的觀點。第三階段：確定在第一階段中確定的項目的權重。第四階段：在每個質量模型層次級別中聚合質量屬性。在此階段，將這些因素獲得的結果結合起來，以揭示電子商務網站的數據服務質量。文獻[1]使用模糊邏輯方法，幫助電子商務網站管理員和服務提供商了解電子商務網站因素的重要性水平，進而幫助他們提高網站質量。文獻[2]基于層次分析法和多層感知器神經網絡使用購買決策過程，通過使用最小二乘誤差和梯度下降方法調整網絡權重來開發特定的非線性映射，從而增加買方意見的一致性。從而改善了符合買方共同協議的指標的選擇。對于文獻[3]中的電子商務網站，根據其內容和特征進行排名，歸因于30個變量，應用了多準則方法來執行評估和排名任務。文獻[4]提出了一種混合模糊決策方法，將模糊Electre和Fuzzy-TOPSIS方法的要素結合起來，朝著新的排名程序發展。本文著眼于與決策支持客戶有關的問題，讓他們隱含地判斷在線商店的產品、服務和優惠。相關上面提到的方法需要真實地了解該因素的重要性，只有極少數應用的模糊評估算法考慮評估數據中固有的定量、定性、不精確和不一致的信息。

2模型設計

2.1模型架構

對于師范生的能力培養主要有兩個方面，即學科專業的教育和教師專業的教育，學科專業的教育就是本專業課程的具體學習，教師專業的教育就是教師專業的基礎能力練習課程的學習。學科專業的教育是以學生專業課程成績作為指標對培養質量進行評估，教師專業的教育是以學生的各項能力作為指標來評估師范生能力。針對這些能力來分析影響師范生培養質量的相關因素，以各門課程的實際學習情況，來保障師范生培養質量的評估標準，構建培養師范生質量的具體分析模型。

1將數據挖掘技術運用到師范生培訓質量評估中的意義

數據挖掘（DateMining）也被稱為數據開采或者數據庫知識發現，其是在數據庫信息中提取隱藏的、人們未能事先預知但是確實潛在且有用的最終能夠被理解的信息、知識內容的過程。師范生培養質量評估數據，是為了給相關監管部門提供依據，實際上在這些數據內容中還隱藏著更具價值的信息內容，如果能很好地利用這些內容，可切實提升師范生的培養質量。數據挖掘是知識內容被發現過程中重要的環節，也是目前知識發現領域中一個重要的研究熱點。使用數據挖掘技術對那些已經經過集成處理之后的數據內容進行有效挖掘，找到其中潛在的數據模式，能夠更為全面地分析測試評估結構同各個因素間隱含的內在關聯，從中汲取出更具有應用價值的規則，繼而對師范生培養質量進行客觀、公正、科學而有效的評估。此外，數據挖掘的整個數據分析過程都是自動的，其具有良好的開放式結構以及良好的用戶接口，可給師范生培養質量評估工作提供有利的技術支撐。在師范生培養過程中運用數據挖掘技術，對實現師范生培訓質量評估來講具有科學意義，可切實有效地提升師范生培訓質量，具有極為關鍵的理論價值與實踐作用。

2數據挖掘技術在師范生培養質量評估中的具體運用

2.1培養數據的挖掘過程。數據挖掘技術使用各種不同的分析方式與工具，在海量數據內容中構建模型，并且找尋數據內容相互之間的關系。數據挖掘的過程：選擇和清理原始數據，并且將其加載到數據庫當中，再把加載之后的數據內容轉變成為符合挖掘規則的樣式，使用數據挖掘的規則算法挖掘出令用戶產生興趣的規則內容，最后把形成的規則內容經過可視化媒介展現給用戶。2.2關聯規則。數據挖掘最為關鍵的概念就是關聯規則，關聯規則是數據庫海量梳理當中被找到的數據關系，其是當前數據挖掘中最為關鍵的理論內容之一。Apriori計算方法是數據挖掘關聯規則頻繁項集當中最具影響力的計算方式，是基于項目幾何空間理論提出的。Apriori是一種非常經典的項目集生成計算方式，在數據挖掘中可以說其具有里程碑的意義。Apriori計算方式具有機構簡單、便于理解的優點，其不需要復雜的推導過程。可是在不斷開展深度研究之后，其缺點突顯出來。為了能夠更好地提升Apriori計算方式的有效性，筆者創新和改進了師范生培育質量評估中運用的Apriori計算方式。具體改進方式如圖1所示。2.3改進后的Apriori計算方式在師范生培訓質量評估中的運用。在海量數據庫內容中抽取一定數量的記錄，進行掃描并獲得有關的統計信息，之后對數據內容進行預處理，其主要包括：對數據內容的集成、清理以及消減等。經過對數據內容的預處理，能提升數據挖掘的質量，減少實際進行數據挖掘需要使用的時間。2.3.1集成。集成也就是把多個數據庫中搜集出來的數據內容合并到一起，實際研究中，把數據內容采集獲得的多個數據庫文件內容，使用數據庫技術集成為高校師范生培養質量評估的基礎數據內容。2.3.2清理。清理就是補充遺漏的數據值。在高校師范生培訓質量評估的基礎數據庫中，要找到那些我們感興趣的屬性所欠缺的屬性值，例如，在抽取高校教師基礎情況的數據內容時，可能有的不是科任教師，就要清除掉這樣的數據內容，之后再利用數據清理技術進行補充。2.3.3消減。消減的目的就是要縮小需要被挖掘數據內容的規模，使用消減的方式，在初始特征中找出有用的屬性，減少實際挖掘過程中需要顧慮到的無效數據內容。最終使用后臺、前臺不同的展示方式，實現對相關數據內容的深度挖掘，并且使用數據挖掘技術中關聯規則來評估師范生的培訓質量，在數據挖掘技術基礎之上進行培訓質量評估，對于高校多年以來累積的相關數據內容進行挖掘與評估，評估結果可為高校教學監管以及行政部門的相關決策提供輔助，特別是為師范生培養工作提供了更多更為有益的借鑒。師范生培訓質量評估是一項極為復雜的工作，此項工作中涉及的問題非常多，涉及的范圍也極廣。本文只是對各類數據內容進行了簡單挖掘，伴隨國際對師范生培養質量重視程度的不斷提升，各種新興科學技術在教育領域的運用備受關注，經過人們對數據挖掘技術的深度探究，這些技術在師范生培養質量評估中更會被重視。數據挖掘技術在教學領域中的普遍運用，一定能帶定高校教育監管的革新和發展。

3結語