導語：高校財務樣本數(shù)據(jù)庫研究一文來源于網(wǎng)友上傳，不代表本站觀點，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：研究了大數(shù)據(jù)算法在高校財務數(shù)據(jù)分析中的應用，提出了基于水庫抽樣算法建立樣本數(shù)據(jù)庫的方法，結果表明：基于水庫抽樣算法建立樣本數(shù)據(jù)庫，能夠大幅縮短建立時間、系統(tǒng)開銷小、且建立完成后其內(nèi)部數(shù)據(jù)具有良好的均勻特性，可有效解決傳統(tǒng)高校財務管理中基礎數(shù)據(jù)樣本生成時間長、開銷大、分布不均勻的缺點，提高了財務基礎數(shù)據(jù)分析質(zhì)量，推動了高校財務管理工作的發(fā)展．

關鍵詞：大數(shù)據(jù)；高校財務；數(shù)據(jù)分析

大數(shù)據(jù)對高校財務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，同時提高資金使用效益，防范財務風險，使高校側(cè)重預算編制和結果分析的財務管理向業(yè)務全過程的財務管理轉(zhuǎn)變，實現(xiàn)高校財務管理新變革［1－8］．大數(shù)據(jù)為高校財務管理帶來變革的關鍵特性之一是其預測性作用，傳統(tǒng)財務利用財務報表和人為經(jīng)驗為高校財務管理者提供決策依據(jù)，隨著海量數(shù)據(jù)的產(chǎn)生，此種方式已不能在合理的時間范圍內(nèi)產(chǎn)生合理性的判斷依據(jù)，遠不能達到目前高校財務管理精細化要求，更偏離信息化時代所強調(diào)的信息支持決策的發(fā)展方向［9－13］．從目前高校財務管理實際來看，基礎數(shù)據(jù)的分析是關鍵，而數(shù)據(jù)更新及時、均勻特性好的樣本數(shù)據(jù)庫是進行分析的前提條件．但由于受到高校財務數(shù)據(jù)多等因素限制，傳統(tǒng)財務的線性掃描處理方法無法對基礎數(shù)據(jù)進行快速均勻的抽取處理，導致了高校財務數(shù)據(jù)分析工作上的困難，不利于高校財務管理工作的開展．應用大數(shù)據(jù)對數(shù)據(jù)進行全面分析，遵循的是每件事情都有跡可循，找到事物變化的規(guī)律，能夠更好地對高校資源籌劃、資本運營、資產(chǎn)管理以及當前辦學和長期的規(guī)劃進行預測，把握高校發(fā)展方向，使教育產(chǎn)出能更好地適應市場需求，合理配置資源，提高經(jīng)濟與社會效益，實現(xiàn)高校跨越式可持續(xù)發(fā)展．大數(shù)據(jù)技術的出現(xiàn)，為高校財務數(shù)據(jù)分析工作提供了新的技術手段，文中將大數(shù)據(jù)算法與高校財務數(shù)據(jù)分析進行結合與應用，在保證速度的前提下，建立具有良好均勻特性的樣本數(shù)據(jù)庫．

1樣本數(shù)據(jù)庫

11數(shù)據(jù)庫構架

數(shù)據(jù)挖掘與分析是大數(shù)據(jù)在教育領域中的應用之一，其主要作用是進行預測分析、行為分析、學業(yè)分析等的應用和研究．其中財務數(shù)據(jù)分析能夠為學生心理健康、獎優(yōu)助評、貧困生關懷、個性化就業(yè)等領域提供數(shù)據(jù)參考．為了實現(xiàn)數(shù)據(jù)的有效收集，應建立財務基礎數(shù)據(jù)樣本數(shù)據(jù)庫，為下一步數(shù)據(jù)分析提供有力支持，其總體架構為：傳統(tǒng)財務通常利用線性掃描與隨機選取的方法進行樣本數(shù)據(jù)抽取，抽取過程中需要將所有數(shù)據(jù)加載進內(nèi)存或緩存，同時在索引遞增的同時利用隨機函數(shù)生成索引用于確定抽取元素．數(shù)據(jù)加載和隨機索引生成帶來了大量的系統(tǒng)開銷，同時如果隨機算法的選擇并不優(yōu)秀，還會導致樣本的重復概率增加．為解決上述問題，文中利用水庫抽樣算法作為樣本數(shù)據(jù)抽取的基礎算法，該算法打破了傳統(tǒng)財務線性的時間處理局限，在未損失精度的前提下，提供傳統(tǒng)財務所不能提供的海量數(shù)據(jù)樣本生成能力．樣本數(shù)據(jù)庫除了數(shù)據(jù)抽取功能之外，還要求具有數(shù)據(jù)的統(tǒng)計分類和序列化功能．對樣本數(shù)據(jù)進行統(tǒng)計分類可以實現(xiàn)按類別和權重的樣本抽取，從而豐富大數(shù)據(jù)分析的手段．同時通過對樣本數(shù)據(jù)進行統(tǒng)計分類，還能解決基礎數(shù)據(jù)的序列化問題．序列化通過為分類數(shù)據(jù)添加指定索引，可以大大提升數(shù)據(jù)的檢索速度和準確性．所以，做好樣本數(shù)據(jù)的統(tǒng)計分類，并按照財務管理信息類別對基礎數(shù)據(jù)進行合理的序列化對數(shù)據(jù)處理是十分必要的．對樣本數(shù)據(jù)進行分類和序列化之后，可對每一類數(shù)據(jù)進行必要的統(tǒng)計，總結樣本數(shù)據(jù)特點，把握樣本數(shù)據(jù)處理原則，提高樣本數(shù)據(jù)的處理質(zhì)量．

12數(shù)據(jù)庫數(shù)據(jù)樣本處理流程

數(shù)據(jù)樣本處理流程為：

2數(shù)據(jù)庫抽樣算法及其改進

21數(shù)據(jù)庫線性抽樣算法

在盡可能快的時間內(nèi)，對基礎數(shù)據(jù)庫中的學生進行盡力均勻抽取，形成樣本用于數(shù)據(jù)分析．盡力均勻抽取意味著盡力保證每個學生被抽為樣本的概率是相同的．輸入：基礎數(shù)據(jù)庫中的學生數(shù)據(jù)．輸出：這組數(shù)據(jù)的k個均勻取樣．

22水庫抽樣算法定義

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

23改進算法均勻性證明

該算法的取樣是均勻的，在任何時候接收到大于k的n個數(shù)時，選出的k個數(shù)一定是已掃描數(shù)據(jù)中的均勻抽取：當接收到第i＋1個數(shù)時，第i個數(shù)能保存在數(shù)組中的概率為1－1i＋()1，因為在接收到第i＋1個數(shù)的時候要以ki＋()1的概率隨機替換．而第i個數(shù)被選中的概率是1k，他們相乘為1i＋1，1i＋1就是第i個數(shù)被換出數(shù)組的概率．所以1－1i＋()1就是在接收i＋1個元素時，第i個數(shù)在數(shù)組中的概率．同理在接收第i＋2個數(shù)時，第i個數(shù)仍然保存在數(shù)組中的概率為1－1i＋()2，以此類推，接收第n個數(shù)時，第i個元素仍保存在數(shù)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個數(shù)時，第i個數(shù)才能保存在數(shù)組中，因此它保留在抽樣數(shù)組中的概率是這些時間發(fā)生概率的積，就是k()i×1－1i＋()1×1－1i＋()2×…×1－1()n＝kn．

24算法實現(xiàn)

算法實現(xiàn)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實證結果分析

財務流程中，對于業(yè)務數(shù)據(jù)的時效性有較高要求，處理算法的優(yōu)劣直接影響執(zhí)行算法主機的系統(tǒng)開銷，從而影響整個財務流程的運轉(zhuǎn)速度．為對比傳統(tǒng)線性掃描算法和水庫抽樣算法的系統(tǒng)開銷，對兩種算法進行了程序?qū)崿F(xiàn)，設定樣本規(guī)模為3000并進行了樣本抽取，2種抽取算法帶來的系統(tǒng)開銷對比如圖（3）所示，可見傳統(tǒng)線性掃描隨數(shù)據(jù)量級的上升系統(tǒng)開銷不斷增大，而水庫抽樣則穩(wěn)定在樣本規(guī)模時的臨界值．傳統(tǒng)的利用隨機數(shù)確定抽樣元素，隨機函數(shù)利用時間等作為種子產(chǎn)生隨機數(shù)，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(tǒng)方法的這個缺陷，圖（4）展示了部分抽樣結果．

4結語

大數(shù)據(jù)環(huán)境中，高校財務數(shù)據(jù)的數(shù)量級不斷提升，因此基礎數(shù)據(jù)的分析成為難點．而樣本數(shù)據(jù)庫作為基礎數(shù)據(jù)分析的必要支撐，其建立生成尤為重要．通過本文的分析可知，大數(shù)據(jù)技術的出現(xiàn)，給了均勻、快速的樣本生成以新的手段支持，為在允許的時間與精度范圍內(nèi)的分析提供了依據(jù)．本文提供了基礎數(shù)據(jù)樣本數(shù)據(jù)庫的建立思路，在樣本數(shù)據(jù)庫的基礎上利用水庫抽樣算法進行抽樣，作者對上述思路進行了程序?qū)崿F(xiàn)并提供了試驗結果．該應用手段解決了高校財務管理中基礎數(shù)據(jù)樣本來源困難，提高了財務基礎數(shù)據(jù)分析質(zhì)量，豐富了高校財務分析工作手段．

作者:陽靈芬 于志強 單位:昆明醫(yī)科大學 云南民族大學

參考文獻：

［1］韓丹丹．大數(shù)據(jù)時代下高校財務管理如何做好基礎數(shù)據(jù)的分析［J］．財務管理，2015（18）：82．

［2］黎羊．基于高校財務管理問題的調(diào)查與對策研究［D］．長春：吉林大學，2014：10－20．

［3］薛硯丹．基于決策樹算法的高校財務管理與決策分析研究［D］．銀川：寧夏大學，2015：4－11．

［4］王宏志．大數(shù)據(jù)算法［M］．北京：機械工業(yè)出版社，2015：29－57．

［5］王元卓，靳小龍，程學旗．網(wǎng)絡大數(shù)據(jù)：現(xiàn)狀與展望［J］．計算機學報，2013（6）：1126－1138．

［6］孫大為，張廣艷，鄭緯民．大數(shù)據(jù)流式計算：關鍵技術及系統(tǒng)實例［J］．軟件學報，2014，25（4）：839－862．

［7］楊靜，張楠男，李建，等．決策樹算法的研究與應用［J］．計算機技術與發(fā)展，2010（20）：115．

［8］陳東．淺談高校財務決策支持系統(tǒng)及其構建［J］．財會通訊：綜合（上），2011（6）：126－127．

［9］ELNIKETYE，ELSAYEDT，RAMADANHE．iHadoop：asynchronousiterationsforMapReduce［C］／／CloudComputingTechnologyandScience（CloudCom），2011IEEEThirdInternationalConferenceon．IEEE，2011：81－90．

［10］孟濤．數(shù)據(jù)挖掘在高校財務中的應用［J］．軟件導刊，2008（7）：14－15．

［11］郭遲，劉經(jīng)南，方媛，等．位置大數(shù)據(jù)的價值提取與協(xié)同挖掘方法［J］．軟件學報，2014，25（4）：713－730．

［12］王珊，王會舉，覃雄派．架構大數(shù)據(jù)：挑戰(zhàn)、現(xiàn)狀與展望［J］．計算機學報，2011，34（10）：1741－1752．

［13］孟小峰，慈祥．大數(shù)據(jù)管理：概念、技術與挑戰(zhàn)［J］．計算機研究與發(fā)展，2013，50（1）：146－169．