數據挖掘學習計劃范文第1篇
1 研究的基本資料
1.1 研究對象
研究對象選取2009年至2013年學生在Moodle網絡學習平臺中留存的所有學習數據, 其中在Moodle網絡學習平臺上開展的相關課程教學, 學生均可通過Moodle網絡學習平臺進行學習, 然后在平臺上將自己的學習成果、隨堂作業上交, 最后由Moodle網絡學習平臺對學生提交的作業進行評價。
1.2 研究目的
本次研究中僅采用Moodle平臺自帶表格, 以數據挖掘為核心的指導思想, 對Moodle網絡學習平臺中收集的一系列復雜數據進行挖掘與評價, 發現學生在Moodle網絡學習平臺下學習活動分布的特點, 便于高等教育工作者根據學生學習活動分布特點有針對性的開展網絡教學, 提高教學效果。同時, Moodle網絡學習平臺為師生、生生之間提供一個交互、溝通的平臺[3], 高等教育工作者可以迅速發現學生在學習中的薄弱環節并對學生進行及時的輔導, 學生也能夠通過彼此之間的交流收獲學習經驗與學習心得, 提高在Moodle網絡學習平臺下的學習效率。
1.3 研究方法
本研究主要是對Moodle網絡學習平臺訪問日志進行數據挖掘, 對平臺中記錄的用戶訪問情況進行分析與整理, 然后研究輸出結果, 初步掌握學生在Moodle網絡學習平臺下的學習偏好、每日用于上網的時間、感興趣內容以及影響Moodle網絡學習的主要因素等。從Moodle網絡學習平臺訪問情況記錄來看, 主要分為三個部分, 即訪問日志、學習活動報表與學習活動參與報表。訪問日志由實時日志、課程活動與課程成員三個環節組成, 記錄了在Moodle網絡學習平臺下所有用戶訪問的模塊、操作與時間。學習活動報表是將用戶在訪問某項課程中某些模塊的情況進行歸類與整理。學習活動參與報表是將所有用戶在訪問模塊時的具體操作、特點進行整理, 并對其開展統計與分析工作, 最后將結果輸出, 直觀的展現給管理人員。
2 平臺模塊總體訪問情況——日志
從研究中可以直觀的發現, 在Moodle網絡學習平臺初期應用時, 高等教育工作者對各類操作還不夠熟練, 未能充分發揮平臺的教學輔助功能, 許多高等教育工作者對于平臺輔助功能的利用僅僅局限在資源的提取、作業的提交等幾個簡單應用方面。隨著平臺操作培訓活動的不斷開展, 高等教育工作者基本掌握了Moodle網絡學習平臺輔助功能的使用技巧, 在一定程度上推動了教育教學工作的開展。通過由不同高等教育工作者對同一年級各專業上課, 且不同年級專業人數沒有大的變化的前提條件下, 對平臺模塊訪問日志進行研究發現, 數據對比存在明顯的差異性, 表明學生在Moodle網絡學習平臺下學習參與程度與高等教育工作者課程設計質量有著重要的聯系。
因此, 高等教育工作者可以通過不斷完善課程設計, 利用集體備課的方式實現高等教育工作者資源共享、經驗共享、方法共享的目標[4], 不斷提高課程設計質量, 降低因教師個人人格魅力對學生課堂參與程度的影響, 避免教師的差異使學生的學習效果存在波動情況。
3 活動的參與情況——活動報表
本研究選用了相同專業兩個年級的學生進行了活動參與情況對比, 統計了一個學期內兩個不同年級學生5次活動的參與情況與1次測驗的參與情況。兩個年級學生活動參與情況與測驗參與情況有著較大的差異, 通過對比兩個年級課程教育的方法研究后發現活動參與度較高的年級, 教師在課程設計的時候, 應用激勵式教學, 即在活動評價或測驗中, 學生達到了某一項標準則對該名學生進行相應的表彰, 或口頭獎勵或物質獎勵不一, 在此基礎上, 學生對于活動與測驗的參與程度明顯增強。而活動參與度較低的年級, 高等教育工作者則采用的是全程監督的方式, 這在一定程度上影響了學生的學習積極性。
因此, 建議高等教育工作者采用激勵式教學, 只要學生達到了Moodle網絡學習平臺的評價標準, 可以通過讓平臺自動彈出獎勵模塊的方式, 依靠極強的實時性從根本上激發學生的學習積極性, 提升Moodle網絡學習平臺下教學效率。
4 具體模塊的參與情況——參與報表
參與報表能夠將用戶在訪問模塊過程中的具體操作以及特點進行整理, 通過對這部分數據進行深入的挖掘, 能夠制作更為全面與細致的統計表格[5], 便于高等教育工作者充分了解學生感興趣的模塊以及學生在該模塊學習中的學習效果。在本次研究中, 隨機抽取了10名存在學習偏科現象的學生并對其具體模塊參與程度及效果進行研究。通過研究結果發現, 學生的學習效果與其對于不同課程模塊的參與程度有著直接的關系, 偏科的學生在偏好課程的參與方面明顯較其他課程的參與程度更高。
因此, 高等教育工作者可以結合課程教育特點與學生的特性, 對存在偏科的學生進行有針對性的指導干預, 幫助學生走出偏科的誤區, 強化學習質量。不過現階段Moodle網絡教學平臺尚未具備完善的輔導功能, 只能明確學生的偏科方向, 無法提供切實有效的指導方法, 只能依靠高等教育工作者結合自身教學輔導經驗開展干預工作, 這也是平臺今后需要進一步完善提升的地方。同時平臺應該服從高等教育規律, 不要把中小學教育的思想生搬硬套到高等教育中。
5 考核數據的挖掘
傳統的教學中, 高等教育工作者考核學生學習效果好壞主要通過考試的方式進行, 依靠標準化的答案評價學生的考試成績, 并根據學生現階段考試成績的情況判斷學生在該階段的學習效果。然而, 依靠考試的方法進行考核評價, 存在一定的不合理性, 主要體現在以下幾個方面: (1) 紙質試卷對于資源的浪費。 (2) 試卷的評分以及統計方面浪費了較多的人力與時間。 (3) 評價模式較為單一, 不利于促進學生綜合素質的提高。相反, 利用Moodle網絡學習平臺, 不僅能夠降低對于紙張的消耗, 還可以利用平臺測驗模塊自帶的評分與統計系統對學生的考試情況進行考核評定, 節約了大量的人力與時間, 另外, 考核模塊自帶的考核評分與統計系統可以更為科學的將學生出現問題的環節分類匯總[6], 便于高等教育工作者有針對性的開展教學輔導工作, 促進學生綜合能力的提高。
利用這些信息, 高等教育工作者可以不斷完善考核設計, 刪減一些設計不規范的考核內容, 將過于簡單或過于困難的內容進行修改, 保證考核設計的科學性與合理性, 讓學生能夠更為清晰、直觀的了解自己現階段的學習情況, 也便于高等教育工作者更為全面的掌握學生在學習過程中的問題, 為高等教育領導者制定教育決策提供了詳實的數據支持。
6 Moodle網絡學習平臺中考核模塊存在的問題
雖然Moodle網絡學習平臺考核模塊為高等教育工作者有針對性的教學與輔導工作提供的詳實的數據支持, 但是在考核形式及內容設計過程中往往存在較大的難度, 主要體現在部分課程 (諸如高等數學、離散數學、大學物理等) 試題在編制的時候, 往往會出現一些特殊符號或者圖形, 這在一定程度上影響了試題編輯的效率與質量。不過隨著Moodle網絡學習平臺的不斷改進, 相關插件也在不斷的完善, 利用一些插件程序基本可以滿足大部分試題的編輯與設計, 不過即便利用這些插件程序, 還是會在一定程度上影響試題編輯與設計的效率。另外, 一些學科題目的評分更多的需要依賴人工評定, 例如大學語文及大學英語中的閱讀理解、作文;計算機網絡、電路、工程制圖等課程中的應用題等。
不過隨著Moodle網絡學習平臺的不斷完善, 以及大規模網絡開放課 (MOOCs) 的流行促動, 筆者相信這些問題在未來都會一步步得以解決與完善。
7 互動評價的數據挖掘
Moodle網絡學習平臺中的互動評價模塊能夠具體的評價學生作品并給予準確的分數或者等級評定, 學生也可以利用互動評價模塊對彼此的作品進行評分, 通過相互之間交流經驗心得以及學習成果, 培養學生欣賞別人的眼光, 然后能夠對于別人的作品發表自身的見解, 提出自己的建議, 同時還能給吸取別人作品中的優點融入自身作品, 不斷完善自己的作品。
8 結語
以Moodle網絡學習平臺進行大數據的教育挖掘, 能夠便于高等教育工作者全面了解學生學習情況, 及時采取有針對性的輔導措施幫助學生走出學習誤區, 鼓勵學生積極的參與課程學習, 讓學生建立強大的信心投入日常課程學習, 提高學習效率。本文主要結合Moodle網絡學習平臺中的數據挖掘中積累的大量數據信息, 分析這些數據對于現階段高等教育教學的影響, 以期能夠進一步的拓展Moodle的功能, 進而為大數據時代的教育事業的發展做出力所能及的貢獻。
摘要：隨著大數據時代的來臨, 科學合理地利用大數據的教育挖掘與學習分析技術, 為教育決策提供全面的數據依托, 已經成為未來教育決策的主要發展趨勢。更為全面的數據分析和做好數據的共享工作將是未來教育發展的重要工作, 因此, 筆者以Moodle網絡學習平臺中的數據挖掘為例探索教育挖掘, 分析這些數據對于現階段教學的影響, 以期能夠進一步的拓展Moodle的功能, 進而為高等教育事業的發展貢獻綿薄之力。
關鍵詞：Moodle,網絡學習平臺,數據挖掘,大數據,教育挖掘
參考文獻
[1] 于方軍, 翟俊明.“大數據”與教育的思考──以Moodle網絡學習平臺中的數據挖掘為例[J].中國信息技術教育, 2013 (07) :155-158.
數據挖掘學習計劃范文第2篇
專題報告包含以下四個方面內容：1. 大數據的價值;2. 大數據帶來的挑戰;3. 大數據研究成果;4. 云計算是大數據挖掘的主流方式。通過本報告闡述我們對大數據的理解，以及對大數據的價值的認識，探討大數據處理與挖掘技術，大數據主要著眼于“數據”，提供數據采集、挖掘、分析的技術和方法; 云計算技術主要關注“計算”，提供IT 解決方案。大數據、云計算技術可以促進持續審計方式的發展、總體審計模式的應用、審計成果的綜合應用、相關關系證據的應用、高效數據審計的發展和大數據審計師的發展。強化大數據、云計算技術審計應用的措施包括制定長遠發展戰略、加快審計法規建設、建立行業平臺、加強研發和提高利用能力。 關鍵詞：大數據 云計算 數據挖掘 對審計影響 政策建議 引言
目前，大數據伴隨著云計算技術的發展，正在對全球經濟社會生活產生巨大的影響。大數據、云計算技術給現代審計提供了新的技術和方法，要求審計組織和審計人員把握大數據、云計算技術的內容與特征，促進現代審計技術和方法的進一步發展。
一、大數據、云計算的涵義與特征
隨著云計算技術的出現，大數據吸引了全世界越來越多的關注。哈佛大學社會學教授加里·金 ( 2012) 說: “這是一場革命，龐大的數據資源使得各個領域開始了量化進程，無論學術界、商界還是政府，所有領域都將開始這種進程。” ( 一) 大數據的涵義與特征
“數據”( data) 這個詞在拉丁文里是“已知”的意思，也可以理解為“事實”。2009 年，“大數據”概念才逐漸開始在社會上傳播。而“大數據”概念真正變得火爆，卻是因為美國奧巴馬政府在2012 年高調宣布了其“大數據研究和開發計劃”。這標志著“大數據”時代真正開始進入社會經濟生活中來了。“大數據”( big data) ，或稱巨量資料，指的是所涉及的數據量規模大到無法利用現行主流軟件工具，在一定的時間內實現收集、分析、處理或轉化成為幫助決策者決策的可用信息?；ヂ摼W數據中心( IDC)認為“大數據”是為了更經濟、更有效地從高頻率、大容量、不同結構和類型的數據中獲取價值而設計的新一代架構和技術，用它來描述和定義信息爆炸時代產生的海量數據，并命名與之相關的技術發展與創新。大數據具有4 個特點: 第一，數據體量巨大( Volume) ，從TB 級別躍升到PB 級別。第二，處理速度快( Velocity) ，這與傳統的數據挖掘技術有著本質的不同。第三，數據種類多( Variety) ，有圖片、地理位置信息、視頻、網絡日志等多種形式。第四，價值密度低，商業價值高( Value) 。存在單一數據的價值并不大，但將相關數據聚集在一起，就會有很高的商業價值( 金良，2012) 。大數據時代，不僅改變了傳統的數據采集、處理和應用技術與方法，還促使人們思維方式的改變。大數據的精髓在于促使人們在采集、處理和使用數據時思維的轉變，這些轉變將改變人們理解和研究社會經濟現象的技術和方法。
(1)是在大數據時代，不依賴抽樣分析，而可以采集和處理事物整體的全部數據。19 世紀以來，當面臨大的樣本量時，人們都主要依靠抽樣來分析總體。但是，抽樣技術是在數據缺乏和取得數據受限制的條件下不得不采用的一種方法，這其實是一種人為的限制。過去，因為記錄、儲存和分析數據的工具不夠科學，只能收集少量數據進行分析。如今，科學技術條件已經有了很大的提高，雖然人類可以處理的數據依然是有限的，但是可以處理的數據量已經大量增加，而且未來會越來越多。隨著大數據分析取代抽樣分析，社會科學不再單純依賴于抽樣調查和分析實證數據，現在可以收集過去無法收集到的數據，更重要的是，現在可以不再依賴抽樣分析。
(2)是在大數據時代，不再熱衷于追求數據的精確度，而是追求利用數據的效率。當測量事物的能力受限制時，關注的是獲取最精確的結果。但是，在大數據時代，追求精確度已經既無必要又不可行，甚至變得不受歡迎。大數據紛繁多樣，優劣摻雜，精準度已不再是分析事物總體的主要手段。擁有了大數據，不再需要對一個事物的現象深究，只要掌握事物的大致發展趨勢即可，更重要的是追求數據的及時性和使用效率。與依賴于小數據和精確性的時代相比較，大數據更注重數據的完整性和混雜性，幫助人們進一步認識事物的全貌和真相。
(3)是在大數據時代，人們難以尋求事物直接的因果關系，而是深入認識和利用事物的相關關系。長期以來，尋找因果關系是人類發展過程中形成的傳統習慣。尋求因果關系即使很困難且用途不大，但人們無法擺脫認識的傳統思維。在大數據時代，人們不必將主要精力放在事物之間因果關系的分析上，而是將主要精力放在尋找事物之間的相關關系上。事物之間的相關關系可能不會準確地告知事物發生的內在原因，但是它會提醒人們事情之間的相互聯系。人們可以通過找到一個事物的良好相關關系，幫助其捕捉到事物的現在和預測未來。 ( 二) 云計算的涵義與特征
“云計算”概念產生于谷歌和IBM 等大型互聯網公司處理海量數據的實踐。2006 年8 月9 日，Google首席執行官埃里克·施密特( Eric Schmidt) 在搜索引擎大會首次提出“云計算”的概念。2007 年10 月，Google 與IBM 開始在美國大學校園推廣云計算技術的計劃，這項計劃希望能降低分布式計算技術在學術研究方面的成本，并為這些大學提供相關的軟硬件設備及技術支持( Michael Mille，2009) 。目前全世界關于“云計算”的定義有很多。“云計算”是基于互聯網的相關服務的增加、使用和交付模式，是通過互聯網來提供動態易擴展且經常是虛擬化的資源。美國國家標準技術研究院( NIST) 2009年關于云計算的定義是: “云計算是一種按使用量付費的模式，這種模式提供可用的、便捷的、按需的網絡訪問，進入可配置的計算資源共享池( 資源包括網絡、服務器、存儲、應用軟件、服務等) ，這些資源能夠被快速提供，只需投入很少的管理工作，或與服務供應商進行很少的交互。”根據這一定義，云計算的特征主要表現為: 首先，云計算是一種計算模式，具有時間和網絡存儲的功能。其次，云計算是一條接入路徑，通過廣泛接入網絡以獲取計算能力，通過標準機制進行訪問。第三，云計算是一個資源池，云計算服務提供商的計算資源，通過多租戶模式為不同用戶提供服務，并根據用戶的需求動態提供不同的物理的或虛擬的資源。第四，云計算是一系列伸縮技術，在信息化和互聯網環境下的計算規?？梢钥焖贁U大或縮小，計算能力可以快速、彈性獲得。第五，云計算是一項可計量的服務，云計算資源的使用情況可以通過云計算系統檢測、控制、計量，以自動控制和優化資源使用。 ( 三) 大數據與云計算的關系
從整體上看，大數據與云計算是相輔相成的。大數據主要專注實際業務，著眼于“數據”，提供數據采集、挖掘、分析的技術和方法，強調的是數據存儲能力。云計算主要關注“計算”，關注IT 架構，提供IT 解決方案，強調的是計算能力，即數據處理能力。如果沒有大數據的數據存儲，那么云計算的計算能力再強大，也難以找到用武之地; 如果沒有云計算的數據處理能力，則大數據的數據存儲再豐富，也終究難以用于實踐中去。
從技術上看，大數據依賴于云計算。海量數據存儲技術、海量數據管理技術、MapReduce 編程模型都是云計算的關鍵技術，也都是大數據的技術基礎。而數據之所以會變“大”，最重要的便是云計算提供的技術平臺。數據被放到“云”上之后，打破了過去那種各自分割的數據存儲，更容易被收集和獲得，大數據才能呈現在人們眼前。而巨量的數據也只能依靠云計算強大的數據處理能力，才能夠“淘盡黃沙始得金”。
從側重點看，大數據與云計算的側重點不同。大數據的側重點是各種數據，廣泛、深入挖掘巨量數據，發現數據中的價值，迫使企業從“業務驅動”轉變為“數據驅動”。而云計算主要通過互聯網廣泛獲取、擴展和管理計算及存儲資源和能力，其側重點是IT 資源、處理能力和各種應用，以幫助企業節省IT部署成本。云計算使企業的IT 部門受益，而大數據使企業的業務管理部門受益。
從結果看，大數據與云計算帶來不同的變化。大數據對社會經濟帶來的變化是巨大的，涉及到各個領域。大數據已經與資本、人力一起作為生產的主要因素影響著社會經濟的發展。數據創造價值，而挖掘數據價值、利用數據的“推動力”就是云計算。云計算將信息存儲、分享和挖掘能力極大提高，更經濟、高效地將巨量、高速、多變的終端數據存儲下來，并隨時進行計算與分析。通過云計算對大數據進行分析、總結與預測，會使得決策更可靠，釋放出更多大數據的內在價值。
二、大數據、云計算技術對審計的影響分析
審計技術和方法的發展是隨著科學和管理技術的發展而發展的?，F代審計技術和方法體系是在原始的查賬基礎上從低級向高級、從不完備到比較完備發展起來的。在業務和會計處理手工操作階段，審計實施的是賬表導向的審計技術和方法; 當內部控制理論和方法全面應用于業務和會計處理時，審計實施的是系統導向的審計技術和方法; 當風險管理理論和方法全面應用于業務和財務管理時，審計實施的是風險導向審計技術和方法; 與風險導向審計技術和方法并行的是，計算機技術廣泛應用于業務和會計處理時，審計實施的是IT 審計技術和方法。目前，面對大數據、云計算技術的產生和發展，審計人員需要應時而變來適應由此而帶來的變化，分析大數據、云計算技術對審計方式、審計抽樣技術、審計報告模式、審計證據搜集等技術和方法的影響。 ( 一) 大數據、云計算技術促進持續審計方式的發展
傳統審計中，審計人員只是在被審計單位業務完成后才進行審計，而且審計過程中并不是審計所有的數據和信息，只是抽取其中有的一部分進行審計。這種事后和有限的審計對被審計單位復雜的生產經營和管理系統來說很難及時做出正確的評價，而且對于評價日益頻繁和復雜的經營管理活動的真實性和合法性則顯得過于遲緩。隨著信息技術迅速發展，越來越多的審計組織對被審計單位開始實施持續審計方式，以解決審計結果與經濟活動的時差問題。但是，審計人員實施持續審計時，往往受目前業務條件和信息化手段的限制，取得的非結構化數據無法數據化，或者無法取得相關的明細數據，致使對問題的判斷也難以進一步具體和深入。而大數據、云計算技術可以促進持續審計方式的發展，使信息技術與大數據、云計算技術較好交叉融合，尤其對業務數據和風險控制“實時性”要求較高的特定行業，如銀行、證券、保險等行業，在這些行業中實施持續審計迫在眉睫。如審計組織對商業銀行的審計，實行與商業銀行建立業務和數據系統的接口，在開發的持續審計系統中固化了非結構化數據結構化和數據分析模塊，該模塊可以在海量貸款客戶中挖掘、分析出行業性和區域性貸款風險趨勢，實現在線的風險預警，并將發現的風險數據、超預警值指標及問題登記為疑點，并建立實時審計工作底稿，按照重要程度進行歸類、核實或下發給現場審計人員進行現場核實，以較好處理非結構化數據的利用和數據的實時分析利用問題。 ( 二) 大數據、云計算技術促進總體審計模式的應用
現時的審計模式是在評價被審計單位風險基礎上實施抽樣審計。在不可能收集和分析被審計單位全部經濟業務數據的情況下，現時的審計模式主要依賴于審計抽樣，從局部入手推斷整體，即從抽取的樣本著手進行審計，再據此推斷審計對象的整體情況。這種抽樣審計模式，由于抽取樣本的有限性，而忽視了大量和具體的業務活動，使審計人員無法完全發現和揭示被審計單位的重大舞弊行為，隱藏著重大的審計風險。而大數據、云計算技術對審計人員而言，不僅僅是一種可供采用的技術手段，這些技術和方法將給審計人員提供實施總體審計模式的可行性。利用大數據、云計算技術，對數據的跨行業、跨企業搜集和分析，可以不用隨機抽樣方法，而采用搜集和分析被審計單位所有數據的總體審計模式。利用大數據、云計算技術的總體審計模式是要分析與審計對象相關的所有數據，使得審計人員可以建立總體審計的思維模式，可以使現代審計獲得革命性的變化。審計人員實施總體審計模式，可以規避審計抽樣風險。如果能夠收集總體的所有數據，就能看到更細微、深入的信息，對數據進行多角度的深層次分析，從而發現隱藏在細節數據中的對審計問題更具價值的信息。同時，審計人員實施總體審計模式，能發現從審計抽樣模式所不能發現的問題。大數據、云計算技術給審計人員提供了一種能夠從總體把握審計對象的技術手段，從而幫助審計人員能從總體的視角發現以前難以發現的問題。
( 三) 大數據、云計算技術促進審計成果的綜合應用
目前，審計人員的審計成果主要是提供給被審計單位的審計報告，其格式固定，內容單一，包含的信息量較少。隨著大數據、云計算技術在審計中廣泛應用，審計人員的審計成果除了審計報告外，還有在審計過程中采集、挖掘、分析和處理的大量的資料和數據，可以提供給被審計單位用于改進經營管理，促進審計成果的綜合應用，提高審計成果的綜合應用效果。首先，審計人員通過對審計中獲取的大量數據和相關情況資料的匯總、歸納，從中找出財務、業務和經營管理等方面的內在規律、共性問題和發展趨勢，通過匯總歸納宏觀性和綜合性較強的審計信息，為被審計單位投資者和其他利益相關者提供數據證明、關聯分析和決策建議，從而促進被審計單位管理水平的提高。其次，審計人員通過應用大數據、云計算技術，可以將同一問題歸入不同的類別進行分析和處理，從不同的角度、不同的層面整合提煉以滿足不同層次的需求。再次，審計人員將審計成果進行智能化留存，通過大數據、云計算技術，將問題規則化并固化到系統中，以便于計算或判斷問題發展趨勢，向被審計單位進行預警。最后。審計人員將審計成果、被審計單位與審計問題進行關聯，并進行信息化處理，在進行下次審計時，減少實地審計的時間和工作量，提高審計工作的效率。 ( 四) 大數據、云計算技術促進相關關系證據的應用
審計人員在審計過程中，應根據充分、適當的審計證據發表審計意見，出具審計報告。但是，在大數據、云計算環境下，審計人員既面臨巨量數據篩選的考驗，又面臨搜集適當審計證據的挑戰。審計人員在搜集審計證據時，傳統的思維路徑都是基于因果關系來搜集審計證據，而大數據分析將會更多地運用相關關系分析來搜集和發現審計證據。但從審計證據發現的角度來看，由于大數據技術提供了前所未有的跨領域、可供量化的維度，使得審計問題大量的相關信息能夠得以記錄和計算分析。大數據、云計算技術沒有改變事物間的因果關系，但在大數據、云計算技術中對相關關系的開發和利用，使得數據分析對因果邏輯關系的依賴降低了，甚至更多地傾向于應用基于相關關系的數據分析，以相關關系分析為基礎的驗證是大數據、云計算技術的一項重要特征。在大數據、云計算技術環境下，審計人員能搜集到的審計證據大多是電子證據( 秦榮生，2013) 。電子證據本身就非常復雜，云計算技術使獲取有因果關系的證據更加困難。審計人員應從長期依賴因果關系來搜集和發現審計證據，轉變成為利用相關關系來搜集和發現審計證據。 ( 五) 大數據、云計算技術促進高效數據審計的發展
直到今天，審計人員的數字審計技術依然建立在精準的基礎上。這種思維方式適用于掌握“小數據量”的情況，因為需要分析的數據很少，所以審計人員必須盡可能精準地量化被審計單位的業務。隨著大數據、云計算技術成為日常生活中的一部分，審計人員應開始從一個比以前更大、更全面的角度來理解被審計單位，將“樣本= 總體”植入審計人員的思維中。相比依賴于小數據和精確性的時代，大數據更強調數據的完整性和混雜性，幫助審計人員進一步接近事情的真相，“局部”和“精確”將不再是審計人員追求的目標，審計人員追求的是事物的“全貌”和“高效”。圍繞大數據，一批新興的數據挖掘、數據存儲、數據處理與分析技術將不斷涌現。在實施審計時，審計人員應利用大數據、云計算技術，使用分布式拓樸結構、云數據庫、聯網審計、數據挖掘等新型的技術手段和工具，以提高審計的效率。
( 六) 大數據、云計算技術促進大數據審計師的發展
大數據、云計算時代，數據的真實、可靠是大數據發揮作用的前提。這客觀上要求專業人員來對大數據的真實性、可靠性進行鑒證，審計人員可以扮演這種角色，或者稱為數據審計師。能對大數據真實性、可靠性進行鑒證的數據審計師應該是計算機科學、數學、統計學和審計學領域的專家，他們應有大數據分析和預測的評估能力。數據審計師應恪守公正的立場和嚴守保密的原則，面對海量的數據和紛繁復雜的相關關系，選取分析和預測工具，以及解讀數據及數據計算結果是否真實、可靠。一旦出現爭議，數據審計師有權審查與分析結果相關的運算法則、統計方法以及數據采集、挖掘和處理過程。數據審計師的出現是為滿足以市場為導向來解決數據真實性、可靠性問題的需求，這與20 世紀初期為了處理財務信息虛假而出現的審計人員一樣，都是為了滿足新需求而出現的。
三、大數據挖掘
數據的價值只有通過數據挖掘才能從低價值密度的數據中發現其潛在價值，而大數據挖掘技術的實現離不開云計算技術。在業界，全球著名的Google、EMC、惠普、IBM、微軟等互聯網公司都已經意識到大數據挖掘的重要意義。上述IT 巨頭們紛紛通過收購大數據分析公司，進行技術整合，希望從大數據中挖掘更多的商業價值。數據挖掘通常需要遍歷訓練數據獲得相關的統計信息，用于求解或優化模型參數，在大規模數據上進行頻繁的數據訪問需要耗費大量運算時間。數據挖掘領域長期受益于并行算法和架構的使用，使得性能逐漸提升。過去15 年來，效果尤其顯著。試圖將這些進步結合起來，并且提煉。GPU 平臺從并行上得到的性能提升十分顯著。這些GPU 平臺由于采用并行架構，使用并行編程方法，使得計算能力呈幾何級數增長。即便是圖形處理、游戲編程是公認的復雜，它們也從并行化受益頗多。研究顯示數據挖掘、圖遍歷、有限狀態機是并行化未來的熱門方向。MapReduce 框架已經被證明是提升GPU 運行數據挖掘算法性能的重要工具。D.Luo 等提出一種非平凡的策略用來并行一系列數據挖掘與數據挖掘問題，包括一類分類SVM 和兩類分類SVM，非負最小二乘問題，及L1 正則化回歸(lasso)問題。由此得到的乘法算法，可以被直截了當地在如MapReduce 和CUDA 的并行計算環境中實現。K. Shim 在MapReduce 框架下，討論如何設計高MapReduce 算法，對當前一些基于MapReduce 的數據挖掘和數據挖掘算法進行歸納總結，以便進行大數據的分析。Junbo Zhang 等提出一種新的大數據挖掘技術，即利用MapRedue 實現并行的基于粗糙集的知識獲取算法，還提出了下一步的研究方向，即集中于用基于并行技術的粗糙集算法處理非結構化數據。F.Gao 提出了一種新的近似算法使基于核的數據挖掘算法可以有效的處理大規模數據集。當前的基于核的數據挖掘算法由于需要計算核矩陣面臨著可伸縮性問題，計算核矩陣需要O(N2 ) 的時間和空間復雜度來計算和存儲。該算法計算核矩陣時大幅度降低計算和內存開銷，而且并沒有明顯影響結果的精確度。此外，通過折中結果的一些精度可以控制近似水平。它獨立于隨后使用的數據挖掘算法并且可以被它們使用。為了闡明近似算法的效果，在其上開發了一個變種的譜聚類算法，此外設計了一個所提出算法的基于MapReduce 的實現。在合成和真實數據集上的實驗結果顯示，所提出的算法可以獲得顯著的時間和空間節省。Christian Kaiser 等還利用MapReduce 框架分布式實現了訓練一系列核函數學習機，該方法適用于基于核的分類和回歸。Christian Kaiser 還介紹了一種擴展版的區域到點建模方法，來適應來自空間區域的大量數據。Yael Ben-Haim 研究了三種MapReduce 實現架構下并行決策樹分類算法的設計, 并在Phoenix 共享內存架構上對SPRINT 算法進行了具體的并行實現。F. Yan 考慮了潛在狄利克雷分配(LDA) 的兩種推理方法——塌縮吉布斯采樣(collapsed Gibbssampling，CGS)和塌縮變分貝葉斯推理(collapsedvariational Bayesian，CVB)在GPU 上的并行化問題。為解決GPU 上的有限內存限制問題，F. Yan 提出一種能有效降低內存開銷的新穎數據劃分方案。這種劃分方案也能平衡多重處理器的計算開銷，并能容易地避免內存訪問沖突。他們使用數據流來處理超大的數據集。大量實驗表明F. Yan 的并行推理方法得到的LDA 模型一貫地具有與串行推理方法相同的預測能力;但在一個有30 個多核處理器的GPU 上，CGS 方法得到了26倍的加速，CVB 方法得到了196 倍的加速。他們提出的劃分方案和數據流方式使他們的方法在有更多多重處理器時可伸縮，而且可被作為通用技術來并行其它數據挖掘模型。Bao-Liang Lu 提出了一種并行的支持向量機，稱為最小最大模塊化網絡(M3)，它是基“分而治之”的思想解決大規模問題的有效的學習算法。針對異構云中進行大數據分析服務的并行化問題G.Jung 提出了最大覆蓋裝箱算法來決定系統中多少節點、哪些節點應該應用于大數據分析的并行執行。這種方法可以使大數據進行分配使得各個計算節點可以同步的結束計算，并且使數據塊的傳輸可以和上一個塊的計算進行重疊來節省時間。實驗表明，這種方法比其他的方法可以提高大約60% 的性能。在分布式系統方面，Cheng 等人 提出一個面向大規?？缮炜s數據分析的可伸縮的分布式系統——GLADE。GLADE 通過用戶自定義聚合(UDA)接口并且在輸入數據上有效地運行來進行數據分析。文章從兩個方面來論證了系統的有效性。第一，文章展示了如何使用一系列分析功能來完成數據處理。第二，文章將GLADE 與兩種不同類型的系統進行比較：一個用UDA 進行改良的關系型數據庫(PostgreSQL)和MapReduce(Hadoop)。然后從運行結果、伸縮性以及運行時間上對不同類型的系統進行了比較。
四、總結 大數據的超大容量自然需要容量大，速度快，安全的存儲，滿足這種要求的存儲離不開云計算。高速產生的大數據只有通過云計算的方式才能在可等待的時間內對其進行處理。同時，云計算是提高對大數據的分析與理解能力的一個可行方案。大數據的價值也只有通
過數據挖掘才能從低價值密度的數據中發現其潛在價值，而大數據挖掘技術的實現離不開云計算技術?？傊?，云計算是大數據處理的核心支撐技術，是大數據挖掘的主流方式。沒有互聯網，就沒有虛擬化技術為核心的云計算技術，沒有云計算就沒有大數據處理的支撐技術。
參考文獻
秦榮生. 大數據、云計算技術對審計的影響研究 何清. 大數據與云計算
張為民. 云計算: 深刻改變未來
文峰. 云計算與云審計———關于未來審計的概念與框架的一些思考
數據挖掘學習計劃范文第3篇
0058488
2012年創業加盟數據分析
以下數據是2012最新發布數據，是點睛閣公司根據各加盟站點，各行各業及各品牌發展狀況而編寫。
區域數據
2012年新增創業投資者區域分布占據前三的是：山東8.97%、江蘇8.2%、河南7.6%。同第二季度相比，各省市的新增創業投資者比例都有所上升，排序上沒有多大變化。
行業數據
新增加盟前十的行業是：美食、服裝、教育、汽車、家居、珠寶、幼兒、建材、家紡、飾品。新增創業者意向行業前十所占份額分別為：美食占21.92%、服裝占21.24%、教育占19.92%、汽車占17.27%、家居占13.39%、珠寶占10.18%、幼兒占9.29%、建材占8.51%、家紡占6.34%、飾品占2.98%。
投資額數據
創業投資者意向投資金額依舊集中在1—20萬之間。具體比例為：創業投資者意向投資金額為1-10萬的占36.12%，10-20萬的占25.33%，20-50萬的占20.94%，50-100萬的占9.84%，100萬以上的占7.77%。
年齡數據
數據調研結果顯示，2012年7月，20歲以下的創業人群占4.54%，21—25歲的創業人群占13.3%，26—30歲的創業人群占25.87%，31—35歲的創業人群占29.33%，35—40歲的創業人群占23.26%，40歲以上的創業人群占7.7%;
2012年8月，20歲以下的創業人群占3.23%，21—25歲的創業人群占9.06%，26—30歲的創業人群占23.53%，31—35歲的創業人群占32.12%，35—40歲的創業人群占23.14%，40歲以上的創業人群占8.92%;
2012年9月，20歲以下的創業人群占5.07%，21—25歲的創業人群占8.24%，26—30歲的創業人群占25.34%，31—35歲的創業人群占30.53%，35—40歲的創業人群占22.52%，40
“浪漫飾界”國內知名銀飾品牌全國加盟熱線：400
歲以上的創業人群占8.3%。
年齡在26—30歲、30—35歲的創業投資人群一直是創業投資人群中的主體，其次是年齡在36—40歲之間的創業投資人群。
26—40歲這個年齡段的中青年，擁有有一定的社會閱歷，積累了一定的資金和社會人脈，因此他們相對于剛剛畢業的大學生創業投資者來說，更容易創業成功，而且受挫能力也強。
0058488 更多資訊請百度：點睛閣
廣州點睛閣品牌管理有限公司
公司地址：廣州市天河區廣州國際貿易大廈
免費熱線電話： 4000058488
加盟事業部：020-28904041
聯系人：楊先生
數據挖掘學習計劃范文第4篇
在大數據分析的應用當中, 在線學習算法是十分重要的, 隨著科學技術不斷發展的步伐, 對大數據的計算逐漸由批量計算變成在線計算, 這是十分具有現實意義的, 但是在在線學習算法的發展過程中, 也開始逐漸面臨一些新的問題, 目前主要面臨的關鍵問題有三個, 以下就對這三個問題進行詳細的分析。
(一) 收斂性較低
流數據往往是比較隨機的, 但是隨機產生的流數據也要進行實時的處理, 及時對分析的結果進行反饋, 并且由于流數據的價值有效時間往往比較短, 所以在計算之后會將大部分的數據丟棄, 只留下小部分比較有用的數據, 所以對于這種計算, 就必須要讓系統擁有一定的收斂速度可以保證流數據能在有效的價值時間內體現出它的有用性, 盡管在線學習算法在一定程度上比以往的批量的學習算法擁有更高效的計算效率, 但是卻沒有比較好的收斂性, 因此無法對分析實時的流數據的需求進行滿足。
(二) 可擴展性較低
流數據的數據量是非常龐大的, 并且只要數據源還在活動, 那么數據就會一直產生, 所以大數據很難用一個數字表達出來, 并且在使用系統對流數據進行計算的時候, 由于沒有足夠大的硬件空間對無限增長的數據進行儲存, 所以無法有效管理好所有的流數據, 而且在線學習算法中也不對流數據進行儲存, 只是對內存中的數據進行計算, 所以其沒有比較好的可擴展性, 影響了在線算法的性能。
(三) 在線學習的自動化工具較少
在線學習算法要想在對大數據的處理上達到要求的目標和滿意度, 就必須經過一些數據格式的轉化、算數參數尋優等的過程, 在以往的批量計算中, 由于靜態訓練, 所以產生了很多比較成熟的自動化工具, 比如Libsvm自動化工具等, 但是在線學習算法在訓練的過程中, 由于流數據產生的速度快且大量, 所以都是進行動態訓練, 而且在計算的過程中, 由于算法的多樣化, 導致在進行在線算法學習的過程中沒有可以利用的自動化工具, 所以在線學習算法在發展的過程中受到了一定的阻礙。
二、在線學習的算法
(一) 在線學習的線性模型
1. 感知器的在線學習算法
感知器是一種屬于機器學習仿生學領域的分類學習機的模型, 它擁有著很多比較復雜的算法, 所以在機器學習的算法中得到了充分的使用, 其中當分類正確的時候, 為了讓權重不發生改變, 就對其權重向量進行“賞”, 而當分類發生了錯誤, 它就對向量進行“罰”, 修改發生的錯誤, 使之能夠轉換成正確的方向。它往往是用求和的方式對錯誤的分類中的樣本進行懲罰, 其主要的公式是:
其中Γ是一種錯分樣本中的下標集, JP (w) 是一種風險泛函。
感知器的算法屬于一種賞罰的算法, 它能夠充分解決線性之間能夠進行可分的問題, 它的出現在一定程度上推動了使用機器進行學習的發展, 在感知器算法中還有一種二階感知器, 它具有一定的收斂性, 能夠不斷更新感知器的公式對大數據進行計算。
2. 在線學習中被動-主動的算法
在線的被動-主動算法是一種擁有全局最優解并能將其實現和驗證的凸優化的模型, 它主要的核心思想就是在一個樣本的支持向量機的基礎想, 有效轉變向量機的最大間隔的約束, 并且被動-主動算法中有一種更新規則, 就是當新產生的數據沒有錯誤, 該算法就不會進行更新, 但是當新的數據由錯誤時它就會進行主動的更新, 保證數據的準確性。
3. 在線的稀疏解學習算法
稀疏解的產生是在通過批量的整體訓練中, 獲得邊界上的最優值。但是在在線學習算法中, 由于其采用的訓練方法是隨機的梯度下降法, 因此很能保證算出的解的稀疏性, 所以使用梯度截取法, 可以獲得有效的稀疏解, 通過將更新的權重值設置為0, 使產生的特征數目較大, 就可以產生稀疏的權重向量, 此方法與隨機梯度下降法相比, 可以降低對在線學習算法的性能的損害。
(二) 在線學習的非線性模型
在線學習中的非線性模型有四種, 其中包括核感知器、核在線被動-主動算法、固定的緩沖器的核在線學習算法以及核在線梯度下降法, 核感知器就是線性模型中的感知器算法的推廣, 它主要是通過利用核函數的思想構建出的非線性的感知器算法, 在一定程度上提高了算法中的分類能力;核在線被動-主動算法也是通過核函數來實現非線性化的模型, 盡管它在處理批量的向量機的問題上有比較大的成就, 但是由于還沒有通過實用對數據進行訓練計算, 因此在在線學習算法中還沒有進行大量的運用;固定緩沖器的核在線學習算法是集合隨機感知器每次分類出現的錯誤, 當其充分飽和之后, 使用感知器將緩沖器中的樣本剔除, 然后再引進一個新的樣本, 在一定程度上保證了數據計算的穩定性。
(三) 非傳統的在線學習算法
非傳統的在線學習算法主要有兩種, 多任務在線學習和組LASSO在線學習, 其中多任務在線學習是在學習共享信息的模式中進行多個有關聯的任務的學習, 這種學習的方法比一般的單個任務學習的方法要好, 在一定程度上提高了計算的效率;組LASSO在線學習算法擁有易用性的特點, 時間的復雜度比較低且計算比較高效, 所以常常用在學習目標的變量以及選擇特征上。
三、結束語
在大數據發展的時代下, 盡管給在線學習算法帶來了一定的機遇, 但同時也帶來了許多的挑戰, 由于以往傳統的批量機器的學習技術隨著時代的發展已經不能滿足分析大數據時的具體需要, 因此在線學習的算法通過直接在內存中對數據進行實時的計算, 成為了現代流數據學習比較有用的工具, 但是目前我國的在線學習還存在著一些問題, 所以本文通過研究在線學習的算法, 希望能為在線學習算法的發展提供一些有用的信息, 促進我國在線學習算法的可持續發展
摘要：隨著社會的不斷發展, 大數據中需要實時處理大量且高速的數據的領域越來越多, 因此如何將大數據轉變成在社會上通用的信息變得尤為重要, 而隨著社會發展應運而生的在線學習算法是有效處理大數據的一種有力的工具, 因此本文主要對面向大數據分析的在線學習算法進行了研究, 希望能夠為解決目前挖掘大數據任務產生的困難提供一點依據。
關鍵詞：大數據分析,在線學習,算法研究
參考文獻
[1] 李志杰.面向大數據分析的多任務加速在線學習算法研究[D].武漢:武漢大學, 2015.
數據挖掘學習計劃范文第5篇
職業概述：
外貿經理是上級領導同業務員溝通的橋梁，在從事企業對外貿易的過程中，服從上級部門的外貿戰略安排，策劃具體的國外業務方案，執行并監督完成企業的國際業務。
工作內容：
制定部門工作計劃及相關預算，全面負責外貿部門的日常管理工作;
負責外貿市場的規劃;
管理和安排日常商務和外貿談判;
建設和管理外貿團隊，對團隊人員進行培訓和整體規劃;
帶領團隊實現銷售、采購等目標;
全程客戶服務，維護客戶關系。
職業要求：
教育培訓： 本科及以上學歷，市場營銷、國際貿易等專業;取得全國外貿經理資格證書。
工作經驗： 熟悉行業海外市場狀況，有海外市場開拓經驗;具備較強的客戶開發能力，具有出色的談判能力、說服力，親和力強;具有良好的英語溝通表達能力，團隊合作精神強，責任心強，可承受一定工作壓力。
薪資行情：
年薪在10~30萬左右，工資上下浮動也會視績效而定。
職業發展路徑：
好的業績自然是外貿經理升職加薪的王牌，可以發展為外貿總監，積累很多客戶后也可自己開公司。[1]
外貿業務員
外貿業務員是從事對外貿易業務的銷售人員。
外貿業務員的工作職責
1、及時安排好打樣。
要按客戶的要求，書面詳細列出打樣單。打樣單上應嚴格明晰四大要素：貨號、原料、顏色搭配和做法。打樣單的格式應嚴格參照大貨訂單格式，即貨號-顏色-數量應列出表格，而不能是其它的任何格式。打樣單應由外貿部經理簽字后，方能安排打樣，外貿部經理不在時，由外貿部經理指定的人簽字。如涉及XX模、五金模具是否要開，應請示外貿部經理。如打樣需新購原料或輔料，應書面通知采購部購買。如采購過程中涉及最少起訂量的，應馬上匯報外貿部經理，由外貿部經理決定如何處理。
樣品完成后，應仔細審核樣品，寄出前，必須拍照存入電腦檔案。如果是新客戶，樣品是否向客戶收費、收多少、快遞費是預付還是到付，需請示經理，由經理決定?？偟脑瓌t是：如果是少量樣品，樣品免費，運費到付。如樣品數量較多，應考慮樣品收費，運費到付。
2、精確地報出美金銷售價格。
嚴格把握“核價單”，精確地報出美金銷售價格。一般情況下，核價單只要掌握兩種就可，一種是“一般貿易核價單”，一種是“進料加工核價單”。核價單原則上是由計劃部提供的。業務員在向計劃部索取核價單時，應拿到Excel的電子格式，而不是紙張打印件。拿到計劃部提供的核價單后，業務員應逐字逐行進行審核，檢查是否有任何可能的差錯。特別要有能力看出明顯的錯誤，如發現一個XX皮康紙的金額為5元，一個XX里布的用量為1米，應立即通知計劃部，要求計劃部立即改正錯誤。
當遇到計劃部未能及時提供核價單，客戶又要馬上提供報價時，業務員應立即動手，收集相應的核價單數據，自己制作出準確的核價單。
業務員一定要看清楚核價單中利潤和銷售利潤率的計算方法的公式是否正確。
利潤=美金賣價X匯率X0.96-成本
銷售利潤率=利潤÷(美金賣價X匯率)X100%
美金賣價確定后，原則上必須經外貿部經理審核后，方能對外報價。個別客戶提出傭金要求的，業務員必須把事情的來龍去脈向外貿部經理匯報清楚，由經理決定如何操作。
3、積極主動與客戶保持聯系。
積極主動與客戶保持聯系，促使客戶及早下訂單。樣品寄給客戶之后，應在快遞網頁上查閱客戶是否已經收到樣品，確認客戶樣品收到后，應立即發信給客戶，非?？蜌獾卦儐柨蛻魧悠返脑u價，詢問客戶是否有下訂單的可能。
4、“訂單就是命令”
業務員應始終牢固樹立“訂單就是命令”的企業理念?？蛻粝掠唵魏?，業務員應在第一時間整理出中文訂單，并立即下發到有關部門?？蛻粝掠唵魏?，業務員應立即放下手頭其它并非萬分要緊的事情，全身心投入到對客戶訂單的分析，圍繞“貨號-原料-顏色搭配-做法”四個要素，與打樣時的最后確認樣核對(必要時要再次與打樣間溝通)，如有客戶交待不清的，應立即發電子郵件與客戶書面確認?？蛻舸_認后，立即打印出中文訂單并下發。從收到客戶原始訂單到中文訂單下發，整個過程的時間，能半小時解決的，堅決不能用1小時解決，能1小時解決的，堅決不能用2小時解決，以此類推。整個過程，最長不能超過48個小時。如果期間業務員正好輪到休息，則無條件調休。如客戶原始訂單有交待不清，業務員發電子郵件后，客戶在上班時間的4個小時內沒有回復的，此時業務員應立即做兩件事：第一，打電話給客戶，催促客戶盡快書面回復;第二，口頭匯報外貿部經理，講明情況，如外貿部經理提出新的建議的，立即按經理的要求去做。
中文訂單的發文放范圍應在訂單的最上面顯示清楚。顯示發放范圍的標準格式是“發：沈阿瑟(1)、張三(6)、李四(3)、王五(6)、錢六(5)、趙七(1)、李八(1)，共23份。”
中文訂單中應絕對杜絕模糊語言，如“與上次一樣”、“與去年一樣”、“有關部門”等等。
在中文訂單的右下角，業務員應手工親筆簽下自己的姓名，而不能在電腦中打印出自己的姓名。手工親筆簽名，表明業務員已對訂單的內容已經徹底審核，已經沒有任何絲毫的差錯，也表明業務員已對此訂單已經完全承擔全部的責任。
當然，訂單最終確認的另一個重要的指標是客戶30%定金到賬，或信用證到手。如定金或信用證未到位，可下發訂單，讓計劃部先計算用料，但要書面通知采購部：“所有物料采購等通知”。
外貿業務員的職業要求
一般要求大專以上學歷，貿易類、語言類、金融類相關專業，而外銷員從業資格證、報關員資格證書、國際貿易單證員證書等相關資格證明則顯得更為重要。
充分了解產品性能，預見產品可能出現的問題，并能提出相應的解決方案，以及在以后的外貿洽談中，準確回答客戶提出的各種問題;熟悉外貿流程，能夠獨立操作訂單，并日益形成廣泛而較穩定的采購對象和客戶資源，具備優秀的外語聽說與寫作能力，能勝任與客戶之間的商業信件聯系和商務談判，具有較強的人際交往和溝通協調能力，一定的隨機應變和靈活處事意識，強烈的責任意識和積極的工作狀態，最重要的是誠信的基本素質和良好的個人修養[1]。
外貿單證員
外貿單證員的主要工作有審證、制單、審單、交單和歸檔等一系列業務活動，它貫穿于進出口合同履行的全過程，具有工作量大、涉及面廣、時間性強和要求高等特點。
外貿單證是指進出口業務中使用的各種單據和證書，買賣雙方憑借這些單證來處理貨物的交付、運輸、保險、商檢和結匯等憑證。
外貿助理所需技能及職位要求. 一級
1、熟悉國際貿易專業知識。
2、具備相當于大學四級以上的英文水平。
二級
1、在高級別人員指導下使用業務應用軟件處理進出口業務單據。
2、能夠在高級別外銷員或部門經理指導下，繕制內部流轉單據、成本核算單、要貨合同，完成資料信息的錄入、客戶傳真、EMAIL、信函的回復等工作。 三級
1、 具備助理以上商務師或外銷員從業資格證書。
2、 了解基本的業務流程、商品基礎知識。
3、 具有1年以上助理外銷工作經歷。
4、 能夠獨立地使用業務應用軟件完成繕制內部流轉單據、成本核算單、要貨合同等單據，完成資料信息的錄入、客戶傳真、EMAIL、信函的回復等工作。
外貿財務是指與外貿相關的財務處理。它不僅有我們常做的會計核算，還包含產品出口核銷、出口退稅、出口收匯，還有與這些會計處理相關的單證：報關單、信用證、核銷單、貨運單、提單、貨運保險，以及與貨款結算有關的國際結算方式：TT、L/C、OA、DP、DA、等等。
文員
【文員定義】
在不同的公司，文員一職所做的工作都有所不同。通常情況下，文員是做些文字處理、文檔整理、復印文件、接聽電話及處理辦公室日常事務(接待客人、清潔衛生、購買辦公用品等)之類的工作?？傊急容^繁瑣的事。另外，有些公司的文員還要協助會計做一些記帳工作。一般要求會基本的電腦操作(公司不同會有具體的要求：就是指對電腦的操作內容和熟練程度有所不同，當然少數公司可能也不需要電腦的)，一些大的公司對語言也有所要求的(普通話，英語之類的)，另外就是當事人本身所具備的一些綜合素質(工作態度、思想品德、工作能力等)。
【文員分類】
主要分：行政文員、人事文員、文案文員、檔案文員
行政文員主要負責辦公室日常事務。
人事文員主要負責人事考勤、人員招聘、薪酬計算、社保辦理及后勤的管理。
文案文員主要負現起草文件合同等文件.
檔案文員主要負責管理公司文件、合同等相關的資料。
【辦公室文員職責 】
主要負責會議、文書、印信、檔案、接待、宣傳欄、文件報紙收發，具體是：
1. 接聽、轉接電話;接待來訪人員。
2. 負責辦公室的文秘、信息、機要和保密工作，做好辦公室檔案收集、整理工作。
3. 負責總經理辦公室的清潔衛生。
4. 做好會議紀要。
5. 負責公司公文、信件、郵件、報刊雜志的分送。
6. 負責傳真件的收發工作。
7. 負責辦公室倉庫的保管工作，做好物品出入庫的登記。
8. 做好公司宣傳專欄的組稿。
9. 按照公司印信管理規定，保管使用公章，并對其負責。
10. 做好公司食堂費用支出、流水帳登記，并對餐費做統計及餐費的收納、保管。
11. 每月環保報表的郵寄及社保的打表。
12. 管理好員工人事檔案材料, 建立、完善員工人事檔案的管理，嚴格借檔手續。
13 社會保險的投保、申領。
14 統計每月考勤并交財務做帳，留底。
15 管理辦公各種財產,合理使用并提高財產的使用效率,提倡節儉。
16. 接受其他臨時工作。
【銷售文員職責】
(1)、行政隸屬
上級主管：企劃部經理
工作對象：各辦事處(區域)相關業務人員
(2)、主要職責
A. 在企劃部經理的領導下，負責公司促銷活動方案的設計、策劃、實施與業務管理。
B. 負責編制公司促銷活動預算，提交促銷方案，制定與協調各區域促銷活動推進時間與方案選擇。
C. 負責各區域促銷活動的工作指導與審批管理，協助各區域市場開展促銷活動。
D. 負責制定公司公共關系計劃與實施方案，策劃與組織實施公關活動。
E. 負責促銷活動的方案管理與文檔備案，評估活動效果，提交季度促銷活動分析報告。
F. 完成企劃部經理交辦的其他任務
【文員的職業要求】
1、首先要有一個很好文字功底，因為你要靠這個吃飯，無論是寫“實心”的東西還是寫“空心”的東西，另外還有能領會領導的
意圖(可能有的時候，他不一定能很好的表達出來他要說的意思，但是你要能設身處地的替他想到，寫出來，這個比較難)。
2、工作效率要高，記憶力要超強，因為你要處理很多瑣碎的事情和突發事件，有的時候會有一些很小、時間周期很長的事情需要你去做，如果你把這件事忘得一干二凈，到領導、單位需要答案、結果的時候，你會知道后果的。
3、如果是領導的跟班秘書，你還的要照顧好領導的飲食起居，替他想到、照顧到，做好這一點是很重要的，對你也有很好的幫助的。
4.文員的工作是比較繁雜的，有的小公司文員根本就是雜工，平時掃掃地，擦擦桌子，而且有人來的時候要倒倒水，最重要的是文員要懂想與想，知道什么事情該做，什么不該做。