电信网络资源数据核查

电信网络资源数据核查（精选11篇）

1.电信网络资源数据核查 篇一

民政统计数据核查自查报告

一.工作进展情况

(一)制定方案。为顺利完成优抚对象核查、数据变更工作，我局印发了《万宁市民政局关于开展优抚对象核查、数据变更工作方案》,成立了以崔天星局长为组长的专门领导机构和五个核查小组。具体负责实施优抚对象核查和数据变更工作。

(二)开会培训。5月29日召开全市民政助理员和数据录入员会议，部署优抚对象核查和数据变更工作，讲解各类人员信息表的填写录入及资料采集。

(三)资料收集和人员信息表填写录入。以镇、场为单位负责收集、填写、录入。具体为：按市民政局提供优抚对象名单(即本市县在优抚信息数据库中的对象数据)，结合优抚补助金“一卡通”发放花名册，逐一进行核查。对已有对象，按各类对象人员信息表所列项目逐项如实填写录入，同一个人享受几种优抚待遇的，人员信息表分开填写。各类优抚对象个人的身份证、户口本、复员退伍证、伤残人员证、抚恤定补证、“三属”(烈士、因公、病故)证明书、审批表和一卡通存折等资料(复印件，并由镇、场负责核查工作的人员在复印件上签署原件复印及签名)由各镇场负责收集，随同人员信息表一起上报。对减员对象，填报减员人员名单统计表。

(四)电子相片采集。每个对象采集2寸免冠电子相片，市局派出4个核查小组下到各镇、场集中采集。电子相片采集时要求每个镇、场集中采集，即由各镇、场通知本镇各类优抚对象到镇、场集中，市民政局核查小组到场统一采集，对无法集中的老优抚对象由核查组入户采集。

(五)数据收集核对整理。由市局优抚安置股负责收集核对和整理，到5月31日止，我市16个镇、场已完成核对工作上报人员信息表和资料的共10个，还有6个没有完成核对工作。

二、存在问题

通过对各镇、场上报人员信息表和各类优抚对象资料的核对整理，发现存在的主要问题为：

1、审批资料缺失。在我市现有的8类优抚对象中，仅参战参核人员、60周岁农村籍退役老兵、部分烈士子女和残疾人员(有换证表)有完整的审批材料，三红人员，在乡复员军人、三属人员、带病回乡退伍军人都没有审批表。

2、部分对象享受多种待遇。有些对象享受残疾军人、带病回乡军人、参战人员等多种待遇。

3、减员对象瞒报。“一卡通”发放抚恤金后乡镇的管理力度不够，优抚对象自然减员管理缺口，发现个别瞒报现象。

三、工作建议

由于优抚对象核查和数据更新工作量大，时间紧，在规定的时间内还无法完成，我局将加大力度，加快速度，争取尽早核对整理完成上报。针对存在的问题，我们的建议是：

1、对现有优抚对象中审批材料缺失的人员是否能一刀切，全部重新补充审批表。

2、对享受多重待遇的人员的处理，应在明确的政策依据。

3、对于减员瞒报，从明年起，我局将对70岁以上老优抚对象，每年下半年安排一个月时间，入户调查，同时要求各镇、场加强监管力度，及时发现并上报减员情况。

》文件精神和正定县卫生局加强卫生计生系统收费管理的要求，结合我院工作实际情况，对我院的医疗服务收费情况进行了自查，包括药品、医用材料价格、批零差率、住院费用、日均住院费用、大额住院费用等的监控，我院严格按照正定县乡镇卫生院收费标准执行，没有发现强制收费、指定服务收费、乱设项目收费、只收费不服务、吃拿卡要报等违规收费行为。具体自查整改情况汇报如下：

(一)严格执行有关文件要求，组织各临床、医技科室医务人员认真学习和掌握《医疗服务价格规范》，所有收费标准按正定县乡镇卫生院标准执行;坚持一切财务收支活动纳入财务部门统一管理，医疗服务价格采用一划价三核对、不定期检查、院领导抽查的方式进行监督与管理，杜绝乱划价、乱收费现象。

(二)在实行了国家基本药物制度以后，通过统一药品网购与实行零差率价格销售的服务渠道，各医疗项目实行统一管理，为此成立了院内医疗服务收费价格领导小组，组长XXX(院长)担任，副组长由XXX(副院长)担任，小组成员由XXX、XXX、XXX、XXX组成。为更好地规范各项收费，院委成员不定期对临床科室、重点环节的收费与划价进行监督、检查。

(三)认真建立健全医疗费用“一日清单”制度，让病人“看明白病，花明白钱”。

(四)规范药品购销和使用工作

1.我院严格按照正定县卫生局要求进行网上采购药品，极大地限制了药品购销过程的不正当行为，真正做到所采购的药品货真价实，以减少不必要的药价虚高问题。

2.在药品购销过程中，严格执行药品零差率。

3.执行《抗菌药物临床应用指导原则》，结合我院抗菌药物应用指南和管理办法，坚持落实《临床用药制度》和《抗菌药物合理应用管理办法》，建立健全临床各科医生病历评价制度和处方点评制度等，每月底院务公开领导小组对门诊、住院处方进行检查，坚决禁止大处方和滥用抗菌药物的现象，做到以制度管事、用制度管人，杜绝滥用抗生素增加病人的经济负担。

4.逐步调整用药结构，建立健全基本药物制度，因病施治，减轻患者的经济负担。

(五)加强行政管理和监督。建立健全投诉接待制度，设立举报箱、意见簿和举报电话，并把处理结果及时通知当事人，发现问题及时解决。对于乱收费的现象，我院将根据此制度追究相关责任科室及人员的责任给予相应处罚。

医疗收费工作关系到广大群众的切身利益，我们将进一步加强管理，建立长效工作机制，有效规范我院的医疗服务收费和药品价格行为，增强价格收费自律意识，杜绝医疗乱收费现象，切实减轻广大患者就医负担，使医疗收费工作健康、有序、规范运行。

2.电信网络资源数据核查 篇二

随着通信业务的高速发展和膨胀,电信公司的业务支撑系统(Business Operation Sport System,Bo SS)存储的数据包括越来越多的计费详单、业务处理工单、各种各样的用户帐单、结算数据、以及统计分析数据等;在存储这些巨大的数据后,对这些数据的管理和共享也是一大难题。不难看出,系统本身正面临着信息管理和存储爆炸的挑战,而传统的存储管理方案只能支持单一的应用、服务器和操作系统。

存储区域网络(Storage Area Network,SAN)是一个不断发展的技术,能够为今天的1T管理带来快速的效益。存储区域网络能够提供存储和服务器的统一,以及不受干扰的备份,同时也消除了传统技术的距离限制。此外,与许多传统技术比较,SAN还能大大地改善应用的性能。正是在这样的背景下,作者通过对存储区域网技术和业务支撑系统的研究,综合分析了各种存储方式的优缺点和业务支撑系统的特性,提出了一个完备的数据存储管理解决方案,取得了不错的效果。

2. 网络存储系统结构分析

上世纪九十年代以来,随着网络技术的发展与处理能力的大幅提高,传统的单机数据处理方式被依附在网络上的以数据为中心的数据处理方式所取代,使存储系统与网络系统结合起来,产生了网络存储系统。基本的网络存储系统结构包括传统以服务器为中心的直接连接存储(Direct Access Storage,DAS)、附网存储(Network Attached Storage,NAS)和存储区域网(Storage Area Network,SAN)。

传统的直连存储DAS结构中,将具有块接口的存储设备(如磁盘、阵列)通过专用I/O通道,直接连接到文件服务器上,存储设备相当于服务器的一部分,由服务器提供存储管理与对外服务。在DAS结构存储系统中,数据的传输是以服务器为中心的,可以方便地集中管理数据,具有比较好的数据安全性。但是,客户访问存储系统中的数据时,数据需要在存储设备和服务器间多次转发,尽管文件服务器并不关心数据内容,通常也不对数据本身进行处理,但数据请求与传送都需要文件服务器的介入。当大规模用户进行数据访问时,给服务器的存取转发控制带来非常大的开销,使得文件服务器成为了整个系统中的性能瓶颈,对系统整体读写性能与可扩展性产生很大影响。

NAS是一种以数据为中心的存储结构,存储子系统不再通过专用I/O通道附属于某个服务器,而是通过专门系统的定制,将通用服务器上无关的功能去掉,只保留存储相关功能,可以看成是一台专门负责存储的“瘦”服务器,具有比DAS更高的读写性能。NAS提供文件级数据访问,支持NFS与CIFS网络文件协议,实现异构平台之间的数据级共享,在文件级别上建立安全机制也很容易。但是,NAS没有从根本上改变服务器/客户机的访问方式,因此当客户端数目或来自客户端的请求较多时,NAS服务器仍将成为系统的瓶颈。

SAN对前两种存储系统结构进行了比较大的改进,真正地将存储子系统从服务器上分离出来独立地连接在高速专用网上的,是一种以网络为中心的存储结构,目前典型两种结构是基于光纤通道的FC-SAN和基于IP网络的IP-SAN。客户通过高速专用网与存储设备连接在一起,通过虚拟化软件进行存储系统的集中管理,具有较好的扩展性。SAN中的服务器专门用来存放元数据,元数据描述了数据本身的属性,完成文件到存储设备物理块的映射。客户在访问存储系统时,通过从元数据服务器得到的元数据,直接访问存储设备,避免了传统服务器因转发带来的延迟,使得SAN具有较高的性能。

3. 电信业务支撑系统分析

当今社会,企业信息化,尤其是企业管理信息化的需求已经融入企业的发展战略之中,并成为核心竞争力的重要组成部分。目前电信业务支撑系统BOSS(Business Operations Support System)采取数据大集中的方式,在省级电信公司建立全省的数据存储和应用平台,而像OA、财务等管理系统大多采用的是DAS,并且相互独立。随着企业的发展和新业务的涌现,不仅管理系统中产生的数据越来越多,各种新的增值业务也会需要更多的空间来存储业务和管理数据,而DAS架构的扩展性差将成为数据存储的瓶颈。因此,要从电信业务数据中心的高度来规划存储,同时整合各个系统的“存储孤岛”。基于SAN的数据存储区域网络,建立一个集成的、分级的、便于数据共享的信息平台就是最好的选择。

4. 存储区域网络在电信业务支撑系统中的实现

为满足越来越多的信息系统对数据存储的要求,同时为了更好地构建电信企业数据仓库,通过数据挖掘技术来分析处理电信企业预测、决策问题,建立了如下的SAN数据存储架构。

其中第一层为数据存储层,采用双塔型的磁盘阵列来进行数据存储,其中磁盘阵列1存放在线数据以供前端业务处理系统、财务处理系统进行数据处理;磁盘阵列2存放业务处理系统、财务系统的历史数据或一些有价值的数据。两个磁盘阵列均通过RAID(Redundant Array of Independent Disks)技术来保证存储的更高性能指标、数据完整性和数据可用性。RAID的基本结构就是组合,捆绑两个或多个物理磁盘成组,形成一个单独的逻辑盘。对于RAID来说,在任何有害条件下绝对保持数据的完整性是最基本的要求,此外,数据可用性也是RAID系统的指标之一,数据可用性指的是阵列内部容错能力的水平,数据可用性程度越高,可被理解为当发生越多的部件失效时而数据访问仍不丢失。一个RAID阵列能提供的高可用性级别范围可从简单的磁盘冗余到所有部件的冗余性。

第二层为数据交换层,数据交换层是用两台光纤交换机把存储设备和主机设备连成一个统一规划的SAN。光纤技术成本低,距离长,可靠性高而成为事实上的存储传输标准。SAN在光纤通道扩展、第三方拷贝、远程拷贝、存储虚拟化方面等方面具有很高的性能和灵活性。数据交换层核心是SAN交换机,用于资源网络访问重新定向、实现多种访问协议桥接转换和数据不同格式的转换,并将下层存储方便地按需要分配给异构平台的不同的应用主机使用。从应用的角度来看,SAN是透明的,无需考虑数据最终会存储到哪个物理节点上。

第三层为业务处理及应用层,此层为企业服务器层,运行企业的关键业务,如业务支撑系统、财务系统、MIS系统、DSS系统等。备份服务器可专用来实现各个系统及数据的自动备份与恢复,按照各自设定的策略,定时周期备份把磁盘阵列的数据或服务器上的数据备份至磁带库中。其中磁带库或是光盘库作为在线数据的备份设备,也是离线级的数据存储,一旦在线数据发生损坏,可用磁带库的备份数据进行快速恢复。

第四层为客户端,此层是前端的PC和笔记本电脑,安装企业应用的客户端软件或是利用Web方式,登录到应用系统或是应用服务器中,功能一是业务人员实现对应用系统的基本操作;二是技术人员对应用系统和服务器的运行状态进行监控和维护等工作。

5. 结论

文章通过对存储区域网技术和电信公司业务支撑系统研究,设计并实现了一种电信公司业务支撑系统的数据存储和管理方案。

SAN在BOSS中成功的应用,改变了BOSS的数据存储方式,它是一种人们期望很久却因为技术限制一直无法实现的数据管理和共享方式。通过SAN的管理机制和备份方案,大大提高了数据的可用性、安全性和易管理性。这个方案支持公司业务支撑系统存储未来几年内的需求,提供了网络时代理想的存储与管理方案。

随着通信业务的发展,存储区域网在通信行业内各种系统中的应用推广是很有益处的。在此课题的基础上,可以根据研究成果的实际应用效果,对存储区域网技术进一步研究,探索出更加完善的解决方案和实施方法。

参考文献

[1]张春.电信企业信息化建设的几点考虑[J].电信工程技术与标准化,2005,(1).

[2]何永康.如何搭建运营商级SAN[J].现代通信,2005,(2).

[3]刘书香.建立基于SAN技术的存储网络[J].北京工业职业技术学院学报,2005,(4).

3.电信网络资源数据核查 篇三

关键词：教育统计；数据核查；软件平台；系统功能；应用

中图分类号：TP315 文献标识码：B 文章编号：1673-8454（2009）04-0069-03

一、系统研发的背景及意义

随着社会主义市场经济体制的不断发展和完善，教育事业的发展日益得到全社会的普遍关注，各级领导机关和社会各界对教育统计信息非常重视，统计数据在领导决策、科学管理、质量评估等方面被广泛应用。特别是国际社会对我国教育统计数据的需求越来越多，对统计信息质量的要求越来越高。因此，统计数据能否如实地反映客观实际，及时、准确地报告教育事业发展的现实状况，关系到能否科学决策、科学管理；关系到认真落实科学发展观，促进各级各类教育全面、协调、可持续发展，构建和谐社会，努力办好让人民满意的教育的大局；同时也关系到我国教育事业改革和发展在国际社会的地位和影响。

教育部领导多次与国内外专家研讨，制定了一系列方针、政策，研发了软件系统平台，确定了监控指标体系及计算方法。教育统计工作取得了显著的成效，教育统计指标的确定和统计报表制度的不断完善，为保证教育统计数据的质量,奠定了坚实的基础。但是，目前仍然存在的基层统计手段单一、技术落后，统计队伍不稳、人员素质参差不齐，社会环境复杂、政策导向失衡等因素，在很大程度上又限制和阻碍了教育统计工作的正常开展。因此，建立一套有效的教育统计数据质量监控机制，是当务之急。

该系统与全国教育事业统计系统紧密结合，是以全国教育统计系统指标、数据为支撑，对教育统计数据在生成和填报阶段的各个环节进行全方位的跟踪调查，分析影响教育统计数据质量的主要因素，强化统计数据质量监控预警，提高统计服务水平，为教育决策和管理提供准确的数据支持，以教育事业统计服务为研究方向。

二、系统的应用

教育事业统计数据核查服务系统适用于全国教育事业统计系统，已于2008年10月22日在全国使用。

三、系统简介（系统框架图）

1.按教育办学类型及三套系统分类的系统内容(见图1)

2.按教育行政部门分类的系统内容(见图2)

3.系统流程(见图3)

四、系统的主要功能

1.系统技术

Visual FoxPro、Delphi与Office中Excel的有机结合解决了全国教育统计系统及人们熟悉的办公系统内部技术转换，方便不同技术层次的统计人员使用微机分析数据；按各基表及数据库组合指标形成的分散、数据量庞大的统计数据进行智能检索与分析；使用Internet进行动态实时监控，通过自动识别数据来源单位，生成相应的数据核查结果。

2.核查功能

应用全国教育事业统计系统进行数据采集、录入、汇总、上报报表数据，检测异常数据与校验表内表间逻辑关系；核查系统按照教育部关于数据质量核查报表体系设计，针对采集的基层数据按教育行政部门进行数据综合，完成跨年度信息比较。

（1）学校基本情况

学校代码、学校名称、学校英文名称、学校地址、办学类型、办学性质、学校主管单位、单位行政区划、邮政编码、电话号码、单位电子邮箱、填表人电子信箱、校长名称、填表人。

基础教育另外还有规定入学年龄、规定年制、是否国家贫困县、是否民族自治县、是否边疆县、县镇所在地等信息。

系统将单位基本情况与上年进行对比（或根据需要与其他年份进行对比），对于发生变化的指标系统给出提示，指导统计人员进行核实。

（2）主要指标

①教育事业统计指标

教育事业统计指标按排列组合计算达数万条，其主要指标为各级各类学校的合计数。校数、在校生数、招生数、毕业生数、教职工数、专任教师数、占地面积、固定资产、教学科研仪器设备等30多条指标实现跨年度数据对比，给定不同的增长比例值进行分析，对正比例超限（数据异常增长）、负比例超限（数据异常减少）指标进行核实，及时掌握了高等教育学校为了改善办学条件，扩建土地、旧楼加层、购买图书，吸收博士、硕士毕业生加强师资建设，与此同时，随着我国人事制度的改革，增加外聘教师补充师资力量等实际情况；基础教育近年来由于撤乡并镇以及人口结构的变化，导致小学校数、在校生数逐年减少的客观现实；时至今日教育信息化已不是一个新用的术语，而是渗透到我国各级各类教育的辉煌成就——多媒体教学、视频、电子图书馆、校园网等，是指标“电子图书”数据数百倍、数千倍比例增长的主要依据；今年四川省汶川县地震引起了社会各界对学校校舍的关注，对于危房面积重新评估标准的出台是今年基础教育学校危房面积数据值波动的主要原因，数据减少比例较大的主要原因有老旧设备的报废、危房的拆除、校内校舍用途的改变，有效阻止了虚报、瞒报、错报、漏报数据的现象，提高了教育事业统计数据质量。

②学生情况（见表1）

教育发展的主要对象是学生，通过上述结构可以了解到学生按年级升级、重读或辍学情况。

（3）其他指标

其他指标如语音实验室座位数、网上课程教学数、绿化用地面积、运动场地面积、学校附设班、团员、华侨、农民工随迁子女、农民工留守儿童等与上述主要指标一样，具有同样的对比核查功能。

3.服务功能

（1）综合测算

①高等教育：按照教育部关于《普通高等学校基本办学条件指标（试行）》（以下简称《指标》）通知，对办学指标进行计算。包括生师比、具有研究生学位教师占专任教师的比例、生均教学行政用房、生均教学科研仪器设备值、生均图书。《指标》主要用于普通高等学校核定年度招生规模，确定限制、停止招生普通高等学校，并对普通高等学校办学条件进行监测。《指标》的发布实施，有利于加强宏观管理，逐步建立、健全社会监督机制，有利于促进办学条件改善和保证我国高等教育持续、健康发展。这些指标是衡量普通高等学校基本办学条件和核定年度招生规模的重要依据。

②基础教育：通过学龄人口，学校学生招生、复学、转学，学生休退学、死亡、毕业等指标核算出的小学辍学率、小学五年巩固率、小学净入学率、小学/初中阶段升学率、初中辍学率、初中三年巩固率六率值，客观反映了我国“普九”教育成果；通过专任教师学历合格率、城乡办学条件等基础数据的计算，全面了解教育事业发展状况，为领导决策提供强有力的数据支撑。

（2）任意指标提取与组合

如上述，教育事业统计体系完整，仅报表有300多张，组合指标上万条，用户通过自由组合表格功能选取任意指标，并按照所需教育行政级别，生成不同的数据组合表格，表格格式为Excel，使用方法简单。

五、系统的辅助功能

1.系统帮助

以基础教育为例，启动系统帮助后，出现如图4界面。

在帮助内，详细描述了运行环境、功能介绍、第一次如何使用、安装后的文件介绍、软件涉及数据设置、生成的结果文件解析，以及综合指标测算公式等功能。如小学/初中阶段升学率公式：

按全口径：[（普通中学Pfj32,第一行，第二列）+（职业初中zfj32,第一行，第二列）]/（小学xfj32,第一行，第一列）……

2.指标设置

前述组合指标数据庞大，为了优化系统，提高系统运行速度，用户可根据自己的需要，进行指标的添加、修改与删除，如图5是对高等教育博士招生数的设置。

以基础教育为例，学校级基表90多个，县（乡）级及以上教育行政级别基表各130多个，因此对于数据文件的管理是本系统功能设置的着力点，常常系统中只能存放一年数据，为了实现跨年数据的对比，系统首先确认不同年份数据的存放地址，不需进行导入数据就可方便运行。

3.结果类型选择

全国教育事业统计单位有70多万个单位，为了实现检测信息与反馈信息的科学化管理，系统对结果文件进行分类，若检测信息提供给本行政单位及所辖下一级教育行政部门，采用比对结果（分）的功能选择；若仅为了本级进行数据分析，不进行数据下发，采用比对结果（合）的功能选择。

六、结束语

该系统在全国教育统计系统使用过程中，还将发现问题与不足，我们会结合实践与实际情况，进行功能完善，并根据需要进行系统功能扩充。

教育事业统计数据质量的提高，根本因素在于各级教育行政部门领导的高度重视，在于基层统计人员本着“实事求是，忠诚党和人民的教育事业，向历史负责，向科学决策负责”的原则，严格遵守《统计法》，掌握计算机应用技术，熟悉教育事业统计指标体系。

参考文献：

[1]教育部.“教育统计数据质量监控”指导手册.

[2]教育部关于印发《普通高等学校基本办学条件指标（试行）》的通知.

[3]中华人民共和国教育部、联合国儿童基金会.教育统计常用指标.

4.电信网络资源数据核查 篇四

一、嘉禾供电所营销数据核查完成情况

1、普查台区：4月至6月完成了47个公变台区的外业营销数据核查，完成率为51.08%，完成2086户用户信息，完成率67%。

2、隐患方面：4月至6月营销数据核查过程中发现用户5起，已整改4起。

3、电量异常方面：4月至6月营销数据核查过程中发现21户用户电量异常，已进行了追收。

4、窃电方面：在营销数据核查过程中未发现窃电现象。

5、表号错误：4月至6月营销数据核查过程中发现用户表号错误120户，已修改37户，完成率30.08%。

6、在4月至6月营销数据核查过程中已修改用户用户电话号码59户。

7、变户关系不对应发现2项，已整改2项。

8、核查过程中没有客户诉求及零电量销户。

9、计量方面：在核查过程中发现表计损坏8只，已更换2只，完成率25%。

二、存在的问题

1、人员缺少，很多工作不能顺利安排。2，计量方面：表计损坏较多，未能及时更换。

3、供电所工作较多，车辆不足、不能顺利进行营销数据核查。

三、下一步工作计划

录。

3，数据核查过程中开展好班前、班后会及记录。

4、在数据核查过程中工作人员认真执行派工单中的各

1、按周计划进行营销数据核查。

2、在数据核查过程中认真核对用户信息及做好相应记项职责及要求。

嘉禾供电所

5.电信网络资源数据核查 篇五

为把握社会变迁的长期趋势,使社会科学研究建立在全面系统的数据基础之上,自20世纪50年代以来,基于长期规划和周密设计而定期、系统地搜集社会各方面数据,逐渐成为国际社会科学研究的基本趋势。另一方面,随着计算机技术的出现和逐步成熟,20世纪80年代以来,欧美国家一些知名的综合性社会调查项目开始引入计算机辅助调查的理念和技术。相比传统的纸笔访问,计算机辅助调查(Computer Assisted Interviewing,CAI)模式下,调查数据能够实时上传到数据中心,不仅可以缩短数据录入时间、有效避免数据录入环节的登记性误差,还可以基于调查系统产生的并行数据(Paradata)开展访问行为管理等多方面的研究与应用。并行数据是指在数据采集过程中,由信息与通信技术系统自动记录 下来的与 调查执行 直接相关 的信息(Kreuter and Casas-Cordero,2010)[1]。常见的并行数据包括:联系记录和联系结果、样本调配历史痕迹、题目采访用时、访问录音、鼠标键盘痕迹、访问中断痕迹、以及住址、住户、受访者观察数据等。

目前,欧美国家使用计算机辅助调查技术的知名调查项目很多,如美国的家庭收入动态调查(PSID,1968年至今)、健康与养老调查(HRS,1992年至今)、青少年健康调查(Add Health,1994年至今),英国的家庭动态跟踪调查 (British Household PanelStudy,1991年至今)、理解社会调查(UnderstandingSociety,2009年至今),德国的社会经济跟踪调查(German Socioeconomic Panel,1984年至今)等。近年来中国也开始有研究机构致力于综合性社会调查数据的搜集与开发工作,虽然起步较晚,但也取得一定社会影响。有代表性的有,北京大学负责组织实施的家庭动态跟踪调查(CFPS)、中国健康与养老追踪调查(CHARLS)和中国人民大学负责实施的中国综合社会调查(CGSS)。其中,已完成2010年基线调查以及2012年追访调查的CFPS项目,是中国首个针对家庭、个人和社区层面的动态跟踪调查,也是目前国内规模最大、首个使用计算机辅助面访调查系统(CAPI)进行全国规模调查的项目[2]。

由于综合性社会调查项目覆盖范围广,样本量大,参与人员众多,调查内容往往涉及政治、经济、文化、社会生活等各个方面,从项目设计到调查实施的各个环节,都几乎不可避免地存在各种影响数据质量的不确定因素。因此,高效、科学地实施数据质量控制,及时发现可能影响数据质量的各种因素并采取相应改进措施,成为保证综合性社会调查数据质量不可或缺的环节。同时,准确的数据质量核查结果,也是评估调查数据质量和核定访员工作数量与质量的重要依据。

数据质量控制通常采用数据核查、电话回访核查、实地核查等形式,目前执行中的大规模综合性社会调查项目,比如CFPS项目,一般都综合利用上述多种形式。其中,数据核查是针对所有问卷数据以及并行数据,利用统计分析技术与方法,实时监控调查执行的各个环节,监测关键数据的异常情况和异常变动,依据发现的影响数据质量的问题,及时更正设计环节和实施环节中的疏忽和不足。相对于实地核查和电话回访核查,数据核查具有实时、高效、低成本和避免打扰受访者等特点。

国外综合性社会调查在项目设计、管理及执行上积累了丰富的实践经验(Lynn,2003;Stoop,2005;Billiet et al,2007;Joseph,2008),但主要集中在探讨访员调查队伍的建设与管理、有效提高应答率的措施、抽样设计的有效性以及相关操作流程和规章制度的制定等方面。国内近年来也开始有学者关注访员行为对调查数据质量的影响问题 (孙妍等,2011;严洁等,2012)[3,4]。但总体来看,尚缺少系统探讨数据生产环节质量控制方法与实现技术的相关文献。

本文在借鉴国内外已有相关文献研究成果基础上,结合参与综合性社会调查实践经验,系统介绍CAI模式下综合性社会调查项目数据质量核查的一般做法,并归纳总结数据核查报告的基本构成内容。

二、数据质量核查的一般内容

(一)实地执行进度分析

调查项目进入实地实施阶段后,及时掌握执行进度情况,可以基于访问管理数据,每天或定期汇总分析样本的已发放数量、未发放数量以及已发放样本的访问状态(具体可分为未接触、约访、成功访问、拒访、无法联系等)。对于全国性综合性调查项目,还可以进一步分析和比较不同区域、不同督导、不同访员的执行进度情况。

通过对执行进度的分析,合理安排项目的执行进度,保证数据采集工作按期完成。对于查找出来的实施困难地区和进展缓慢的访员,需要查明原因,并通过采取灵活变通的解决办法,保证项目顺利实施。

(二)观测值的有效性核查

观测值有效性核查的内容包括:查找野码和错误值,检测和判别异常值。在传统的纸笔访问中,观测值的有效性核查通常只能在数据收集后的数据审核阶段进行,这时即使发现错误,一般也只能进行有限的事后弥补,因为重新找到当时的被访者再进行验证和调查几乎不具有可操作性。而在CAI模式下,访问数据可以实时传输至数据中心,因此实地调查开始之后,即可同时开展观测值的有效性检验,对于所发现的异常观测,可以及时反馈给督导和访员,甚至找到当时的受访者直接进行验证。

1.变量的频数分布与描述性统计分析。

为查找野码和错误值,可以定期(比如,每周一次或两次) 对已传回的问卷数据进行初步汇总,然后逐一观察各变量(或主要变量)的频数分布情况,对于数值型变量,还可以同时观察其描述性分析结果。如果发现超出变量取值设定范围或与客观实际情况严重不符的观测值,需要逐一筛查出来并将与其对应的样本编码、区域、督导代码及姓名、访员代码及姓名等信息汇总输出,对于取值可能均为“不适用”或完全相同的冗余变量等,也需要逐一列示出来,统一提供给项目执行部进行验证。

2.异常值和错误值的检测和判别。

核查异常值和错误值的方法主要有以下两种。

(1)探索性数据分析核查方法。适用于检测和判断异常值的探索性数据分析方法主要有盒型图法、茎叶图法、Grubbs检验、Dixon检验、极差统计量检验等。其中,盒型图法和茎叶图法由于可以不受极端值的影响,而且展示数据方式简单直观,便于调查项目各环节人员的理解和接受,相比较而言更为常用。

在数据质量核查阶段,由于需要把查找出来的异常值汇总后提交给相关部门进行验证,如果仅用图形表示并不方便,这时可以基于盒型图的基本原理,利用程序筛查出异常值,然后再汇总输出。判断异常值的一般计算公式为:

其中,Q1/4、Q3/4分别为下四分位数和上四分位数,(Q3/4-Q1/4)为四分位差。

有时为尽可能多地把偏大或偏小的可疑观测值都纳入到质量核查程序之中,也会利用以下判断异常值的公式[5],以适当扩大异常值的核查范围:

其中,M为中位数,(Q3/4-Q1/4)为四分位差。

(2)逻辑关系核查。调查数据的逻辑关系是客观事物本身运动发展的内在关系以及客观事物间逻辑关系的反映,根据指标之间的内在联系,通过相关数据的对比分析,可以检验和评价数据的准确性和可靠性。例如,人口的文化程度、婚姻状况、生育状况等都与年龄直接相关,因此可以通过设定“16岁以下,文化程度大学以上(或已婚或有子女)”等核查条件,查找数据中存在逻辑关系矛盾错误的观测值。

对于利用上述方法发现和查找出来的异常值及可疑的错误值,同样需要将这些观测值逐一筛查出来并将与其对应的样本编码、区域、督导代码及姓名、访员代码及姓名等信息汇总输出,然后提供给项目执行部门进行验证,进而判断是统计数据本身的质量问题,还是实际情况属于极端情况,以便采取进一步的补救措施。

(三)问卷设计内容的信度和效度检验

由于社会调查内容的复杂性,即使经过缜密设计和测试的问卷,仍可能存在考虑不周的情况。因此,CAI模式下,在开始实地调查执行的初期,可以基于先期回收的调查数据,对调查问卷和其测量手段的信度与效度进行分析,据此评估问卷设计的质量,并依据发现的问题,及时改进和完善问卷设计,防止误差进一步在调查实施中蔓延。

1.信度检验。

问卷的信度(Reliability)即问卷调查结果的一致性和稳定性。其中,一致性是指同一调查项目调查结果的一致程度;稳定性是指在前后不同的时间内,对相同受测者重复测量所得到结果的相关程度。信度分析多以相关系数表示,在数据核查实践中,常用的信度分析方法主要有重测信度、复本信度、α信度等。

其中,重测信度和复本信度通常用于对问卷中事实问题的信度检验,二者的检验公式均为,不同的是,重测信度系数是对同一组调查对象采用同一调查问卷进行先后两次调查,然后依据所得结果计算的相关系数,复本系数则是对同一组调查对象进行两种相等或相近调查所得结果计算的相关系数。

α信度反映的是态度量表中每一题项得分间的一致性。α信度系数的计算公式为,其中k表示问卷中的题目数,σ2i为第i题的调查结果方差,为全部调查结果的方差。

2.效度检验。

问卷的效度(Validity)通常指测量结果的正确程度,即测量结果与试图测量目标之间的接近程度。在数据分析核查实践中,常用的效度分析方法主要有内容效度和结构效度两种。

内容效度也叫单项与总和的相关效度分析,指调查问卷所采用的题项能否代表所要反映的内容或主题,通常用单个问题的得分与总得分的相关系数来反映,如果相关系数不显著,表明该题的鉴别力低,不宜纳入调查问卷。

结构效度是指调查问卷所要测量的概念,要能够显示出科学意义并符合理论上的设想。结构效度的检验方法是,将问卷中的每道题目看作是一个变量,然后依据调查的结果得分对所有题目做因子分析,提取较为显著的因子,通过各个题目在每个因子上的载荷,将题目分为与提取因子个数相同的数目类别。如果属于相同概念的题目都归为同一因子,则说明问卷具有很好的结构效度,这样就能保证同一理论概念类型题目的调查结果之间有很强的相关性。

(四)变量有效性的检验

在数据质量核查阶段,除了需要检验观测值的有效性外,对于应答率过低、回答困难、报错情况比较集中的变量,也需要查找并汇总出来提交设计部门和实施部门进行验证。

1.查找应答率过低的变量。

如果问卷中题目本身过于敏感或不好理解,受访者就可能会表示“不知道”或“不清楚”,甚至直接拒绝回答该问题。某一题目在全部问卷上的应答率,用该题目在全部问卷中的有效回答观测数占全部应回答观测数的比重表示,反映受访者回答该题目时的难易程度。在调查实施进程中,对于应答率过低的题目,应及时查找和分析原因,并采取相应的补救措施。

2.查找回答困难的变量。

如果受访者回答某个题目时普遍用时较长,或者从访问录音、鼠标键盘痕迹文件中发现,多数访员经常反复修改某个题目答案,则说明该问题回答起来可能比较困难。判断是否为回答困难变量的一般标准是,全部变量中采访用时最长的5%(或10%)变量,或者在50%以上的问卷中都存在修改痕迹的变量。

3.汇总错误情况集中的变量。

把在观测值有效性核查阶段发现的错误观测和野码,按照对应变量汇总整理后,对于错误情况比较集中的变量,需要统一汇总并提交给设计部门和执行部门逐一查找报错原因,并及时提出改进方案。

(五)访问员访问质量的核查

全面、及时地监测和评估访员的访问行为,及早发现和纠正访员的不规范做法,是数据核查的一项重要内容。

1.分访员的执行进度分析。

核查访员的访问质量,首先需要基于访问管理数据,将已回收的样本,与抽样原则、样本清单等所记载的信息逐一匹配,核查和验证是否存在替换受访者、受访户或受访地址的情况,每天或定期汇总分析每一名访员已发放样本的访问状态构成,尤其需要关注拒访和无法联系样本所占的比重。

2.查找采访用时异常的问卷及对应访问员。

如果访员在面访过程中,没有按照要求读出完整题目,或者有意跳答内容较多的模块,或者根据猜测不经询问直接填答某些题目,甚至直接自行填答整份问卷,那么该访员完成一份问卷所用时间会明显偏少。另一方面,如果访员不熟悉问卷内容和计算机辅助面访操作流程,则会使访问用时过长,另外造假的访员也可能会为了粉饰问卷而故意延长访问时间[6]。

基于以上分析,在数据质量核查阶段,筛查出采访用时最短的10%问卷和最长的5%问卷以及在重点监测题目(可由质控核查人员按照问卷类型、模块、区段、间隔方式等事先确定[4])上的实际采访用时低于合理用时1的问卷及其对应访员,作为质量控制的重点监控对象。

3.筛查录音比例偏低的访员。

当访员编造假数据时,为避开录音回放核查,一般会选择关闭采访系统的录音设施。对录音比例的具体监测方法是,计算每名访员完成全部问卷中有录音文件的比例,如果某名访员有采访录音的问卷比例低于样本平均水平的2倍标准差以上 (或者为录音比例最低的10%访员),则需将该访员列为质量控制的重点监控对象。

4.查找问卷选项无回答率过高和过低的访员。

问卷在全部选项上的无回答率,是指每一份问卷中有效回答选项占全部应回答选项的比重,问卷的选项无回答率过低,会降低问卷数据的有效性,因此问卷选项无回答率的高低也是评价访员访问工作质量的一个维度。选项无回答率过低,可能的原因是访员沟通能力不足或者没有很好地进行追问,致使受访者对某些题目拒访或表示“不知道”。但也有经验表明,少量受访者对问卷中某些题目拒访或表示“不知道”的情况是正常现象,反而是当访员造假时,可能会为使数据看起来更合理,很少出现被访者表示“不知道”或拒绝回答的情况[6]。

基于以上分析,在数据质量核查阶段,需要将选项无回答率最低的10%和最高的10%问卷及其对应访员筛选出来,作为质量控制的重点监测对象。这里也可以把筛选的标准设定为选项无回答率高于或低于样本平均水平的2倍标准差。

5.筛查大模块被跳答发生比例过高的访员。

当访员有多次采访经验后,可能会为了尽快结束访问,而有意规避一些采访内容较多的模块。对该问题的具体监测方法是,首先从问卷中选择若干待核查的重点模块,然后计算每名访员所完成全部问卷中各重点模块发生跳转的比例,如果某访员在某个或多个重点模块上发生跳答的比例超过样本平均水平2倍标准差以上 (或者为发生跳答比例最高的10%访员),则需要将该访员列为质量控制的重点监控对象。

6.筛查数据的方差普遍低于平均水平的访员。

有研究表明,虽然访员自行填答的造假数据与真实访问数据之间的均值一般不存在明显差异,但造假数据的方差通常会低于真实访问数据,这是由于当访员捏造数据时,往往会尽量多地使用大众化的数值,而很少填写极端值,并使问题答案的波动幅度尽可能小[7]。

对该问题的具体监测方法是,首先从问卷中选择若干需要重点关注或有代表性的题目,然后计算每名访员完成的全部问卷中各题目的方差,如果某访员在某个或多个观测题目上的方差低于该题目样本平均水平的2倍标准差以上 (或者为观测题目方差最小的10%访员),则需将该访员列为质量控制的重点监控对象。

7.查找电话号码多处相同或缺失严重的问卷及对应访员。

数据采集过程中一般都会要求受访者提供电话号码,以供电话回访、样本维护以及实施追访之用。如果发现某访员所采集的受访者电话号码缺失率明显偏高,或者多份问卷或同一份问卷多处填写了相同的电话号码,或者发现访员填写的是自己或其他工作人员的电话号码,那么可以认为该访员存在造假嫌疑[6]。

8.异常值和错误值的分访员汇总。

在观测值有效性核查阶段所发现的异常值和错误值,一部分可能经过执行部门和核查部门验证后,证实实际情况确实如此,也有一部分是由于系统设计缺陷所造成的错误,但更多的情况可能还是由于访员没有遵循规范要求或粗心大意。通过把异常值和错误值的个数按照访员汇总,对于发生错误值和异常值较多的访员,需要重点监控其访问行为以及其所访问其他问卷的数据质量。

三、数据核查分析报告的一般内容

基于上述数据核查过程,把由于问卷设计导致的数据质量问题,以及核查出的逻辑矛盾错误或者访员的程序化错误引起的数据质量问题等,经过汇总整理和深入分析,即可形成数据核查分析报告。分析报告的主体内容一般包括以下几个方面。

(1)调查执行进度分析。具体包括已发放样本的访问状态构成,已回收问卷的新增份数和累计份数,分地区、分督导、分访员的执行进度分析等。

(2)问卷总体设计质量评估。需要分别给出无回答率过高、采访用时过长、错误率过高、异常值过多、有多次修改记录、信度和效度偏低以及冗余的变量列表,用于提请设计人员检查和发现问卷设计中存在的问题并及时更新。

(3)访员访问质量评估。需要给出每一位访员所完成的问卷数量、错误数、是否需要全部核查、是否有造假行为和不作为行为等信息,提交执行部门进行监控和奖惩。

6.现代电信企业数据仓库系统建设 篇六

电信行业目前主要的数据来自于计费系统和网管数据。电信系统经过多年的运行，已经存储了大量的历史数据。这些数据中蕴涵着丰富的信息，从中可以了解企业在电信市场经营过程中所处的态势、竞争对手的经营形势、客户群的分布状况、消费特征、企业经营发展的趋势等，对其进行分析处理可以得到很多令人欣喜的结论。强大的数据处理能力，加上丰富的企业数据，可以有力地促进企业经营和竞争。

目前，企业信息化建设呈现出“数据集中化、业务综合化、管理扁平化、决策科学化”的发展趋势。面对激烈的市场竞争，许多大型企业纷纷实施“以客户为中心，以服务求发展”的经营策略。如何优化客户关系，增强企业的竞争优势已经成为现代企业关注的焦点。现有的应用系统往往以“产品”为中心，以“单据（票证）”处理为基础，是面向联机事务处理（Online Transaction Processing，简称OLTP）的系统，而以客户为中心的经营管理模式要求对现有业务系统的数据进行有效的集成并加以重组，建立面向联机分析处理（Online Analysis Processing，简称OLAP）的系统。通过分析客户的行为，掌握不同类型客户的特征，进而为客户提供更加优质的服务，尤其是个性化的服务，同时全面掌握并理解、分析企业业务的发生情况，充分发挥企业现已积累的数据，为各级管理人员提供科学化管理和决策的有力依据，以提高企业的经营业绩，保证利润的持续增长。

面对纷繁复杂的市场竞争，众多企业立足于多年积累的数据和自身的核心业务，提出了建立企业级数据仓库的规划和实施方案，为企业的进一步发展奠定基础。

企业数据仓库系统的总体结构

一个典型的企业数据仓库系统通常包含数据源、数据存储与管理、OLAP服务器以及前端工具与应用四个部分

从系统结构看，电信行业数据仓库解决方案系统一般包括应用系统部分、中央数据仓库系统部分，数据源系统部分三大部分。如图所示：

电信行业数据仓库解决方案数据源主要来自电信各业务系统，包括计费系统、营业系统、客服系统、财务系统、结算系统、网管系统、112系统、114系统、电信网络资源管理系统以及其它系统，此外数据源还有来自电信系统外的数据，如人口统计、社会各企业的财务数据、银行数据等。

电信企业数据仓库系统体系结构

数据源：企业在经营分析与决策支持系统的建设时，必须将遗留系统(Legacy System)进行高效全面的集成。由于遗留系统是在企业发展的不同时期建设的，往往缺乏全局规划，所以拥有不同的操作系统、不同的数据库、不同的网络通信机制等，形成了所谓的信息孤岛。

系统中采用异种数据源企业应用集成接口，来实现对异种数据源的透明访问，包括数据源元数据访问及业务操作数据访问。数据源分为在线数据源和离线数据源，在线数据源是指允许在线抽取的业务数据源，如营业数据；离线数据源是指不允许直接在线抽取的数据源，如计费样单数据就是采用以脱机文件数据格式，及FTP方式集成进系统。

对数据源实现元数据级的管理，数据源的连接类型(ODBC、OLEDB、JDBC、Native)、连接字符串，以及数据结构信息都以元数据的形式存储于元数据库中，通过控制台对其进行业务语义定义，使用户对整个企业的信息系统有了全面的掌握。

ODS层的设计：操作数据存储ODS(Operation Data Storage)是一个集成了来自不同数据库数据的环境。其目的是为终端用户提供一致的企业数据集成视图。它可以帮助用户轻松应对跨多个商业功能的操作挑战，是面向主题的、集成的、近实时的数据存储。

设计ODS层的目的在于改善了对关键操作数据库的存取，用户能获得收益、客户等主题的企业级完整视图，有利于更好地通观全局。设计ODS的核心是实现焦点主题全局试图应用，如企业的客户管理系统，可以建立以客户为中心的ODS客户主题视图，向上层提供高效的服务。而对于话费结算则采取了从综合结算系统中直接抽取到数据仓库的方式，抽取周期为结算周期，能完全满足决策分析的时间窗要求。

ETL过程的设计：数据抽取、转换和加载，是数据仓库实现过程中，数据由数据源系统向数据仓库加载的主要方法，整个数据处理过程如下：

数据抽取 从数据源系统抽取数据仓库系统所需的数据，数据抽取采用统一的接口，可以从数据库抽取数据，也可以从文件抽取。

数据转换 数据转换是指对抽取的源数据根据数据仓库系统模型的要求，进行数据的转换、清洗、拆分、汇总等，保证来自不同系统、不同格式的数据和信息模型具有一致性和完整性，并按要求装入数据仓库。

数据加载 数据加载是将转换后的数据加载到数据仓库中，可以采用数据加载工具，也可以采用API编程进行数据加载。数据加載策略包括加载周期和数据追加策略，对于电信企业级应用，采用对ETL工具DataStage进行功能封装，向上提供监控与调度接口的方式。数据加载周期要综合考虑经营分析需求和系统加载的代价，对不同业务系统的数据采用不同的加载周期，但必须保持同一时间业务数据的完整性和一致性。

仓库模型设计：由于经营分析需求的不断变化，数据仓库中数据的存储必须采用主题分域的方式，及尽可能小的业务单元进行数据的组织和存储，以满足数据仓库的灵活性。此外，任何一个信息系统都具有整体性、结构性、层次性、相对性、可变性，数据仓库的目标逻辑结构的设计要体现这些特征。

例如，某电信运营商的业务可以按照不同的主题域分为八类：客户、账务、资源、服务、客服、营销、服务使用、结算。客户主题包含与客户相关的基本信息，如客户的自然属性(姓名、年龄、职业等)、分类信息(现有客户、潜在客户、大客户等)、重要属性信息(信用度、忠诚度、消费层次等)。

账务主题中包含了与客户相关的费用信息，如明细账单、综合账单、账本、账户、付费记录、销账流水等；资源主题中包含网络资源和服务资源信息及占用情况；服务主题包含产品、套餐、资费与优惠规则等的信息；客服主题包含与客户服务相关的部门信息、流程信息、分类信息等；营销主题包含销售机会、营销渠道、促销活动等相关信息；服务使用主题描述客户购买和使用电信服务产品的信息，包括用户、服务使用记录、清单等；结算主题包含结算清单、结算明细账单、合作服务方等信息。对于主题的建模采用星型结构，以事实表或概要表加相关维表构成。

元数据管理：元数据(Metadata)是关于数据、操纵数据的进程，以及应用程序的结构、意义的描述信息，其主要目标是提供数据资源的全面指南。元数据是描述数据仓库内数据结构和建立方法的数据，可将其按用途分为两类：技术元数据(Technical Metadata)、业务元数据(Business Metadata)和内联映射元数据(Inter-Mapping Metadata)。

技术元数据是存储关于数据仓库系统技术细节的数据，是用于开发和管理数据仓库的数据，主要包括数据仓库结构的描述(各个主题的定义，星型模式或雪花型模式的描述定义等)、ODS层的企业数据模型描述(以描述关系表及其关联关系为形式)、对数据稽核规则的定义、数据集市定义描述与装载描述(包括Cube的维度、层次、度量以及相应事实表、概要表的抽取规则)。另外，安全认证数据也作为元数据的一个重要部分进行管理。

业务元数据从业务角度描述了数据仓库中的数据，它提供了介于使用者和实际系统之间的语义层，使得不懂计算机技术的业务人员也能够理解数据仓库中的数据。业务元数据包括以下信息：使用者的业务术语所表达的数据模型、对象名和属性名；访问数据的原则和数据来源；系统所提供的分析方法及公式、报表信息。

内联映射元数据(Inter-Mapping Metadata)实现技术元数据与业务元数据的层间映射，使得信息系统的概念模型与物理模型相互独立，使企业的概念、业务模型重组，以及物理模型的变化相互透明。内联映射元数据从技术上为业务需求驱动、企业数据驱动的双驱动建设模型提供了重要保证,使信息系统的建设具有更高的灵活性与适应性。

专题数据挖掘：电信企业在长期信息化建设过程中积累了大量业务运营数据和业务管理数据，一般的企业数据量已超过TB级。市场的激烈竞争和管理的复杂性，决定了企业需要对客户关系、市场营销、产品工程、投资分析等方面的历史数据进行提取与分析，将数据转化为有用的信息。数据挖掘一般用于在海量数据集中发现间接、隐藏、新颖的规律，数据挖掘技术的优势在于，通过对数据集进行有限步骤的采集、整理、分析、推理、比较等分析手段，来揭露埋藏数据内部的有用信息。

以电信经营数据分类与预测分析数据挖掘专题为例，分类包括客户分类、网元分类等；预测包括客户发展分析与预测、业务量发展分析与预测、客户流失分析与预测、营销管理与销售机会分析与预测、市场竞争分析与预测、大客户分析与预测等。采用回归分析业务量进行预测，以2003年7月1日到29日的通话次数历史数据，预测2003年7月30日的通话次数，结果为：2003年7月30日的预测通话次数为31715.84323，2003年7月30日的实际通话次数为30926；取得了较好的预测准确率。

7.电信网络资源数据核查 篇七

英国女王伊丽莎白在大不列颠和爱尔兰分离100年后终于踏上了这块仍旧对她存在着很多异议的土地。自从爱尔兰从大不列颠独立出来后，尽管两国65%的国民间都有着血缘上的关系，英国女王却在近100年内没有再踏上过这块曾经的殖民地。

当然，我来爱尔兰并不是为了见证这一历史时刻，而是因为从今年开始，电信管理论坛（TMF）选择将都柏林作为未来连续两年的会址。

随着交流技术（CT）与信息技术（IT）的融合，TMF很早的时候就在这方面进行探讨，并产生出如今世界范围内被广为接受的框架标准。因此，作为电信行业四大协会中唯一与IT结缘的国际级协会,TMF对整个信息交流技术（ICT）行业的发展起着重要的作用。

去年，中国移动刘爱力副总裁在TMF法国年会上作了主题发言，由此成为中国电信行业历年参与TMF年会的最高级领导。

今年，Facebook的合伙人作为TMF爱尔兰年会最受瞩目的主旨发言人，吸引了几乎所有参会者的注意，并展现出IT行业的成功经验正在更广泛地影响电信行业向ICT转型的现状。

转型（Transformation）是今年TMF年会的主题，这涉及商业模式转型、IT和系统基础设施转型、用户体验转型、企业职工和文化转型、业务流程转型等重要方面。

用TMF现任CEO Keith Wellitte的话说，就是“今天电信公司的核心竞争意味着人们需要在任意的地点间的通信交流都极为简单和方便，而这些交流是不需要‘说话’的”。

这也就意味着，以语音通信为核心业务的传统电信时代正逐渐向以内容和应用为主的数据业务时代转移。

在转移的过程中，出现了大规模的无线通信业务和互联网业务的高度融合，并依靠云技术应用带来广泛而廉价的数据应用部署及海量数据分布，这都使得无线通信业务以几何级数速度快速发展。

与有线互联网不同的是，无线互联网涉及的范围和特点在频率资源，所能够提供的带宽，移动终端的信息显示屏幕，用户在使用过程中信息的精准性、及时性等方面有着不同的要求。

例如，用户通信地址簿已成为最被看重的用户资源，从电脑、网站到终端嵌入，运营商都在进行着全方位的争夺。

每个人都可以回想一下，我们拥有了多少手机号码、聊天账户号码、社区号码、邮件地址、IP电话号码？

这些号码意味着我们陷入了电信运营商和互联网竞争的汪洋大海中。而未来2-3年内电信行业的重要看点则是，电信运营商能否成功转型？互联网公司能否成功登顶，抢占电信运营商的话音业务市场？

当然，作为最大受益者的用户一定会高兴看到这个竞争的到来，但目前还不能高兴得太早，因为政府在这即将到来的竞争中扮演什么样的角色，还不确定。

忙里偷闲中，我打了场纯粹的Links风格的海边高尔夫球。在这个有100多年历史的球场上，曾出现过很多著名的爱尔兰球手的身影。

尽管一天下来精疲力竭，但我也深刻体会到只有这样自己背球包、判断距离、选杆，而且完全步行，才能练出像麦克罗伊（有望接替世界著名高尔夫球手“老虎”伍兹成为今年大满贯冠军的爱尔兰青年球手）那样的选手，同时也才能反映出高尔夫球运动的平民本质。

这不禁让我想到了国内靠高度垄断保证超额利润的电信业务。我认为，只有像爱尔兰高尔夫球运动一样大幅度降低价格（一场球的全部费用仅28欧元），我国电信行业才能在互联网的促进下回归本质，在低价、广泛服务的同时保证给用户最好的体验。

8.江苏电信“数据方舟”起航 篇八

日前, 江苏电信在业内率先推出一个全新的互联网数据中心品牌———“数据方舟”, 该品牌旗下的灾备、游戏、金融、视频、应用…等五大数据中心同时揭牌。这座“信息方舟”正式起航, 将承载“众网所托”为客户提供放心、省心、动心的数据家园, 通过全方位的“数据管家”服务让客户做一个“甩手掌柜”。

目前, 江苏电信“数据方舟”拥有星级数据中心36个, “数据方舟”在全省13个地市的机房总面积达3.3万平方米, 总机架数超过1万个, 在用机架数为4870个。“数据方舟”以中国电信ChinaNet骨干网为接入平台, 全省13地市的总带宽超过1870G, 提供基础、增值两大类业务。江苏电信IDC综合实力在业内屈指可数, 得到了广大客户的认可。

9.数据仓库在电信企业的应用 篇九

1 国内外发展现状

从全球范围来看，著名大型电信运营商都通过采用数据仓库系统作为经营决策的工具，来提高客户满意度和增加经营利润。例如，美国电报电话公司(AT&T)、南新英格兰电信、美国西南贝尔(SBC)、法国电信、贝尔南方(BellSouth)、Sprint、美国通用电话电气公司(GTE)、比利时电信、巴西BCP电信等几十家全球著名大型电信运营商，就是在激烈的市场竞争中，纷纷采用数据仓库解决方案而获得巨大收益，成为行业的成功典范。

随着竞争的加剧，数据仓库在国内也不断升温，近两年来，各运营商都已不同程度、不同规模地启动了经营分析系统的规划和实施工作，期望这些系统为企业提供高效的数据分析手段，从而将信息转换成竞争优势，提高企业的决策能力、效率和准确性，获得更多的投资回报。

2 数据仓库技术

2.1 数据仓库的概念

数据仓库的概念是由数据仓库概念创始人，美国著名信息工程学家W.H.Inman在他的《Building the Data Warehouse》一书中提出，他将数据仓库定义为“数据仓库就是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程”。

对于数据仓库的概念可以从两个层次予以理解，首先，数据仓库用于支持决策，面向分析型数据处理，它不同于企业现有的操作型数据库;其次，数据仓库是对多个异构的数据源有效集成，集成后按照主题进行重组，数据仓库中包含了大量的历史数据，经集成后进入数据仓库的数据修改和删除操作很少，通常只需定期的加载、刷新。

2.2 数据仓库系统体系结构

数据仓库的建设需要以企业现有业务系统和日积月累的业务数据为基础，它的根本任务是把信息加以整理归纳和重组，并及时提供给相应的管理决策人员。数据仓库系统的具体结构如图1所示。

由图1可知，整个数据仓库系统是一个包含4个层次的体系结构，主要由数据源、数据存储及管理、OLAP服务器和前端工具组成。

1)数据源：数据源是数据仓库系统的基础，是整个系统的数据源泉，通常包括企业内部信息和外部信息。内部信息包括存放于RDBMS中的各种业务处理数据和各类文档数据;外部信息包括各类法律法规、市场信息和竞争对手的信息以及各类外部统计数据和文档等。

2)数据的存储与管理：数据仓库的关键是数据的存储和管理。数据仓库的组织管理方式决定了它有别于传统数据库，同时也决定了其对外部数据的表现形式。要决定采用什么产品和技术来建立数据仓库，则需要从数据仓库的技术特点着手分析，针对现有各业务系统的数据，进行抽取、清理，并有效集成，按照主题进行组织。数据仓库按照数据的覆盖范围可以分为企业级数据仓库和数据集市。

3)OLAP服务器：对分析需要的数据进行有效集成，按多维模型予以组织，以便进行多角度，多层次的分析，并发现趋势。其具体实现可以分为ROLAP,MOLAP和HOLAP。ROLAP基本数据和聚合数据均存放在RDBMS之中;MOLAP基本数据和聚合数据均存放于多维数据库中;HOLAP基本数据存放于RDBMS之中，聚合数据存放于多维数据库中。

4)前端工具：主要包括各种报表工具、查询工具、数据分析工具、数据挖掘工具以及各种基于数据仓库或数据集市的应用开发工具。其中数据分析工具主要针对OLAP服务器，报表工具，数据挖掘工具主要针对数据仓库。

3 在电信企业的应用

电信企业目前的数据主要来自电信各业务系统包括计费系统、营业系统、客服系统、财务系统、结算系统、网管系统、112系统、114系统、电信网络资源管理系统以及其它系统，此外，还有来自电信系统外的数据，如人口统计、社会各企业的财务数据、银行数据等。电信系统经过多年的运行，已存储了大量的历史数据。这些数据中蕴涵着丰富的信息，从中可以了解企业在电信市场经营过程中所处的态势、竞争对手的经营情况、客户群的分布状况、消费特征、企业经营发展的趋势等，对其进行分析处理可以得到很多有价值的结论。

数据仓库系统的建立是一项复杂的系统工程，是一个由数据驱动、以技术支撑并满足应用需求的不断增长和完善的开发过程。电信行业数据仓库系统解决方案体系结构如图2所示。

从图2电信企业数据仓库系统结构看，主要包括数据源、中央数据仓库和业务应用三大部分。其中，中央数据仓库系统主要解决如下问题：建立企业统一的业务视图，建立一个高效、可扩展的基础平台，建立一套自动的数据抽取、转换、加载流程，建立一个符合业务需求、可扩展的数据模型，建立一套可靠的安全管理机制;在业务应用层面上，系统在功能上分为了几大分析主题，例如，客户管理分析，业务情况分析，营销管理分系，市场竞争分析，大客户分析等，这些内容在具体实现时，数据仓库系统可以根据需要进行主题的新增和内容的扩充。

数据仓库的设计与实现，在不同的行业存在着较大的差异。下面将根据通信行业的特点，谈谈数据仓库技术在电信企业的几点应用。

1)客户关系管理：企业要吸引客户、发展客户并留住客户，首先必须了解客户。客户关系管理的目的是以更好的服务留住有利润的客户，提高通话量和利用率，用比竞争对手更低的成本争取到新客户，扩大市场份额。为了实现这一目的，企业要尽可能的收集顾客信息，利用数据仓库和复杂的分析功能，从不同角度进行深层次分析，从而尽可能地了解客户的行为。具体内容包括客户概况分析、客户忠诚度分析、客户群体的构成、客户消费层次、客户的地理分布、客户信誉分析、客户的消费习惯、潜在的消费需求，客户流失分析等。

2)营销管理分析：企业市场营销的宗旨是在变化的市场环境中，满足消费需要，实现企业目标。电信企业面对日益激烈的市场竞争环境，更应该重视营销管理工作，以便给消费者提供满意的通信服务。具体内容包括：通过对产品和服务的使用情况以及市场环境的分析，制定正确的营销策略;能够根据电信产品自身的成本和消费者的承受能力制定合理的价格;研究消费者的需求特点和购买行为，真正做到产品适销对路，创造市场，引导消费;做好电信市场调查和业务预测，从不同的层面对各渠道进行考察，为制定合理有效的宣传促销提供决策依据;对竞争对手所推出的市场品牌与服务、所采取的营销策略对企业收入的影响进行分析，制定相应的营销策略。

3)市场竞争分析：兵法有云“知己知彼，百战不殆”，这也是企业在竞争中所恪守的法则，只有对竞争对手进行深入的了解，才能立于不败之地。市场竞争分析主要包括市场占有率分析、竞争对手发展情况分析等。市场占有率分析的目的是使市场人员能够了解不同业务品牌的产品或服务的市场占有率情况，了解不同产品的主要竞争对手情况，为市场经营提供指导;从竞争对手的服务质量、客户话费收入、发展客户情况、营销策略等几个方面对竞争对手的发展情况进行分析预测。

4)业务发展分析：业务发展分析包括业务量分析、业务增长和流失分析、热点区域分析、业务量结构分析。业务量的综合分析，是按照不同的地域、客户特征、消费层次、呼叫类型、漫游类型等角度对客户的业务量及其增量、新业务的使用量进行分析，以了解不同业务量的客户构成、业务量的变化与发展趋势。

5)收益分析：主要是从财务的角度，对企业的投资和收益进行详细的分析，从而掌握目前运营收入与支出情况，具体包括收益的主要来源、变化、发展趋势、收入的结构及各项目占总收益的比重、过去的决策和政策对收益的影响等。

6)欠费和动态防欺诈行为分析：一直以来欠费问题成为困扰电信行业的严重问题，恶意欠费的问题更是层出不穷，如何有效的避免此问题的发生，是电信企业的当务之急。欠费和动态防欺诈行为分析就是在总结各类欠费行为的规律后，在数据仓库的基础上建立的一套恶意欠费行为规则库，当用户的行为与规则库中相似时则会发出警告。

7)服务质量分析：电信的服务质量与消费者的利益密切相关，不断改善电信服务，满足消费者对电信服务的要求是电信运营商所关注的问题。服务质量分析的内容包括产品质量情况、业务服务质量情况、网络质量情况、客户投诉情况、客户满意度情况等，通过对服务质量的分析，能够及时发现和解决服务中存在的问题，为客户提供分等级、差异化、个性化的服务，提升顾客的忠诚度和满意度。

8)大客户分析：电信大客户是指对电信产品或电信服务需求频率高、需求数量大、利润率高，对电信公司的经营业绩能产生较大影响的关键客户。大客户分析包括大客户构成分析、大客户发展及流失分析、大客户业务使用情况分析、大客户业务量变化情况分析。通过对大客户按机构类别、行业性质、年龄、性别、职业、职务等属性的构成进行分析了解大客户构成特点和与普通客户的差异;通过对新增或流失大客户的业务使用情况、服务情况的跟踪分析，发现大客户使用业务量的特征从而采取更有效的措施发展新的大客户，与此同时防止大客户流失，减少因客户流失而给企业收入造成的不良影响。

4 结束语

数据仓库作为市场上一个方兴未艾的领域，以其在决策支持方面的优势，受到了越来越多的企业青睐。在以客户为中心，竞争日益激烈的电信市场环境中，电信运营企业只有借助于数据仓库技术才能发现企业潜在的有价值信息，从而针对不同的用户采取不同的策略以达到个性化服务的目标。

参考文献

[1]段云峰,吴唯宁,李剑威,等.数据仓库及其在电信领域中的应用[M].北京:电子工业出版社,2003.

[2]William H.Inmon.数据仓库[M].王志海,译.北京:机械工业出版社,2006.

10.电信网络资源数据核查 篇十

【关键词】数据库 教学改革 教学实践

一、引言

“数据库原理及应用”是信息类专业的一门核心课程，在整个课程体系中占有重要的地位。在我校的电信专业培养计划中，该课程被设置为专业选修课，因而在授课要求上与设置为必修课的专业有明显不同。本专业对数据库的要求更偏重于实践动手能力的培养，从而结合所学的其它软硬件知识构造解决实际问题的应用系统。

如何结合电信专业的特点以及满足本专业要求是当前亟待解决的关键问题。在本文中，我们将对近几年的教学实践进行总结与改进，以期获得更好的教学效果。

二、存在的问题

（一）教学内容多，课时偏少

数据库课程是一门非常有体系的课程，涉及了多方面的内容。根据电信专业的培养计划，该课程总共48个学时，理论部分38个课时，实验部分10个课时。本课程旨在系统地介绍数据库的基本理论，以目前比较流行的关系型数据库管理系统SQL Server为载体，向学生讲述了概念、管理、设计和开发。通过本课程的学习，要求学生能从实用性的角度理解并掌握关系代数理论、关系数据理论、结构化查询语言SQL、数据库设计与编程、数据库的安全性和完整性、数据库恢复技术和并发控制等内容。

由此可以看出，教学内容很多，然而课时有限，大部分章节内容只能用2到4个课时来讲解，这就要求教师对所讲述的内容做好全面地规划，突出重点，突破难点。

（二）数据库编程时需要有高级语言编程基础

数据库编程是本课程的最终落脚点，很多章节都是为它作准备的。然而，尽管前面所学的SQL语言可以实现对数据库的操作，但SQL语句只是在“查询分析器”中作测试使用，要想脱离数据库管理系统的话，必须找到宿主语言。因此，要求有高级语言作基础，将SQL语言嵌入其中，实现对数据库的访问。考虑到学生一般都学过“面向对象编程”课程，我们采用C++编程语言，在Visual C++开发环境中进行数据库编程。

三、改革方案与措施

（一）引入项目，激发学生的学习兴趣

俗话说：“兴趣是最好的老师”。要想学好数据库，首先要对数据库感兴趣。怎样激发学生的学习兴趣呢？我觉得要从2方面入手。首先，通过生活中的例子或统计数据让学生明白数据库无处不在，与学生的生活息息相关，是一门很有用的课程与技术。这样就让学生对数据库课程有了一个感性认识和好的印象。然后，在后续的课程中挑选1个学生熟知的例子作为项目。随着课程的推进，将项目逐层分解，设计出符合要求的系统。在课程结束前，我们会布置一个类似的项目作为大作业，让学生亲自动手完成系统的设计。我们以项目导入的方式，既提高了学生的学习兴趣，以活跃了课堂气氛，达到了很好的教学效果。

（二）加强教学管理

在数据库教学中，教师不但在课前准备好要讲解的内容，而且在课中还要做好教学管理。我们一般从3个方面来进行管理：

1.传统教学与多媒体教学相结合

这两种教学方式各有优势：传统教学中主要使用板书进行说明的，知识讲解的速度比较慢，但这正好让学生比较容易理解和接受。因此，在讲解重难点知识的时候，可以采用板书的形式让学生理解推导或分析的过程。多媒体教学中可以引入图文声像各种资料辅助学生学习和理解相关知识，教师可以现场给学生操作演示，这比用文字讲解要形象得多，给学生留下了深刻的印象。我们一般采用两者相结合的方式，发挥它们的优势，最终让学生理解需要讲解的内容。

2.分组管理

每次数据库课程开始的时候，我们会将学生按2到4人进行分组。这样做的好处是培养学生团队协作能力。同时，在小组中，还可以互帮互助，互相学习，提高了学生的学习主动性和实践动手能力。

3.挑选几个基础好的学生重点培养

为了在课堂中引入竞争机制，我们会在前几次课发现几个基础好的学生，对他们进行重点培养，甚至有些内容，让他们上讲台讲解给其它同学听。这样做的好处是以点带面，既可以让基础好的学生更有兴趣去学习，又可以给其它学生树立一个好的榜样，调动学生的积极性。

（三）任务驱动教学

任务驱动是一种建立在建构主义教学理论基础上的教学法，它的基本思想是将教学内容设计成学生感兴趣的任务模块，以完成具体任务模块为主线，把知识点贯穿于任务模块中。学生在教师的引导和同学的帮助下，完成所布置的任务，从而获得相关的知识。

任务驱动教学法可以巧妙地将教学内容融入到学生逐步完成的任务中。在此过程中，学生为了找到解决问题的方法，通常会主动地查阅各种资料，请教老师和同学，最终才能将任务完成。通过这种方式的学习，学生的积极性得到了极大提高，求知欲表现非常明显。与传统教学相比，任务驱动教学法可以更好地发挥学生的能动性，提高自主学习能力。

四、总结

随着我们不断总结教学方法，进行各种方式的教学改革，作为电信专业的一门专业选修课，数据库课程逐渐引起了学生的重视，并以积极的心态学习和应用到后续的课程中。我们在注重理论教学的同时，加强了实践教学的力度。针对电信专业的培养要求，我们对数据库教学模式进行了有益的探索，提出了一系列的改革措施，取得了良好的教学效果。

参考文献：

[1]杨鑫华，邓武，赵慧敏，等.实用型人才培养的数据库课程教学改革与实践[J].理工高教研究，2008（3）：102-104.

[2]王珊，萨师煊.数据库系统概论（第四版）[M].北京：高等教育出版社，2006.

作者简介：

伍鹏（1978-），男，硕士，讲师，现主要从事计算机应用方面的教学及研究工作。

杜红（1964-），女，硕士，副教授，现主要从事计算机应用方面的教学及研究工作。

谢凯（1975-），男，博士，教授，主要研究方向是图像处理与三维可视化。

基金项目：

11.电信运营商大数据应用模式的探讨 篇十一

从天文学和基因学科中孕育出的大数据, 在互联网、智能终端、社交网络应用普及的今天, 成为信息社会的热点。在大数据时代中, 面对着数据的规模性、多样性、高速率和真实性, 人们思维正发生着颠覆性的转变:不再关注因果关系, 不再使用样本分析, 而是采用全数据的模式去快速挖掘出关联关系, 去预测未来, 获得新的商机。

大数据在互联网行业中的应用比较丰富, 如Google的搜索引擎、Facebook的定向广告、Amazon的个性推荐和阿里的支付宝等。现在它正以阶梯状的发展态势, 陆续被金融、电信、零售、医药、文化和制造等行业所探索和使用。根据数据的生命周期:从获取到存储、再到分析挖掘, 直至最终的呈现与应用, 整个的网络产业链在大数据的重组下, 生态体系演变成主要的三类。

一是大数据处理服务提供商:掌握着标准, 汇集和整合网络用户和网络服务提供商的数据, 通过在线分析技术, 提供跨网站、跨产品、跨终端、跨平台的个性化、精准化、可视化的服务, 如商业智能、媒体、日志等服务。主要代表有Google、Facebook、Amazon、百度、腾讯、阿里等。

二是大数据解决方案提供商:解决大数据挖掘、快速反应、分析应用和决策支撑等问题, 提供数据中心基础设施、数据库、数据存储、分析软件、技术服务、运维支持等大数据产品与服务。主要代表有IBM、EMC、Oracle等。

三是数据交易市场:搭建信息交易平台, 整合数据需求方资源和生产者资源, 实现数据增值、数据定价等功能。主要的代表有Data.com、Windows Azure Marketplace等。

在内容为王的移动互联网时代, 面临着网商的跨界竞争和虚拟运营商对传统通信业务经营的双层夹击, 电信运营商在业务发展、网络建设和运营管理等方面受到空前挑战, 但也有着先天的优势:拥有全程全网的通信网络, 掌握着用户的真实信息和网络数据等。为此, 电信运营商应充分应用数据挖掘技术, 加强流量经营, 立足大数据解决方案提供商, 创新市场模式, 在通信领域成为新规则的制定者, 努力成为大数据处理服务提供商。

二、应用模式

围绕提升经济效益和提高网络效率, 建议电信运营商对于大数据的应用模式主要从三个方面加以考虑。

(一) 实施精准营销

主动关怀和保障关键用户, 从用户的点击行为中采集到其对业务的偏好和行为特征, 以此来完善某类产品的设计, 增加客户群的黏度, 并进一步根据个体的兴趣爱好、行为习惯、价格敏感度等, 加上注册时的用户数据, 适时推出个性化的业务, 提升客户的感知度, 引导消费。

(二) 优化网络质量

网络数据中不仅包含IMSI、用户号码、业务类型和访问网站等用户的使用业务和终端数据, 而且含有GGSN IP、SGSN IP、Node B位置、小区名称和位置移动等网络信息。通过该两大类数据的关联分析, 电信运营商可以采取以下措施来优化网络, 降低建设和维护成本, 提高网络效率:

根据业务的使用情况, 设别出价值小区、业务热点区, 指导网络规划、建设和优化;

针对客户的位置和运动轨迹分析, 优化基站、在大量使用流量业务的定点地区部署WLAN;

通过端到端的网络质量分析, 快速定位出用户投诉的时间与位置, 迅速修复网络, 提高无线网络投诉的预拦截成功率。

(三) 提供数据服务

1、基于位置的服务

面向零售商、金融等商业客户和政府部门, 提供基于位置的人员流动统计数据。运用此信息, 客户可以准确地评估出该区域内人员的年龄、收入、行动特征等, 供市场策划和管理决策, 如店铺的选址与定位、产品种类搭配、停车场的设立、公共交通引导等。

基于用户的地点数据、APP下载数据和网站接入数据等, 电信运营商分析出用户的需求模式。通过该用户的实时位置来触发商机, 面向餐饮、娱乐、金融等客户, 将用户目前所在位置的周边客户的产品信息有针对性地提交给该用户, 从而拉动消费需求。

面向家庭用户, 提供针对特殊群体的定位服务, 如老年人的安全服务。事先根据老人的活动范围确定出基站边界, 不时比对网络数据和GPS数据, 一旦该老人手机信号的接入基站超出边界, 就向其已绑定的亲属手机发送警示信息, 以避免老人走失。

2、基于社交网络分析的服务

通过主被叫记录、短信数据、上网数据等的分析, 得出用户的社交圈、相关关系以及在圈中的影响力。该类信息将有力提升商业客户的市场营销活动效率。

三、推进措施

(一) 推动政府加强立法

大数据的应用首先需要完善出清晰宽容的法制, 营造起理性的用户需求和公平的市场环境。目前中国尚没有就信息的隐私和安全问题进行规范, 没有明确数据的利益分配原则, 相关的法律还需建立, 电信运营商需要联合大数据产业链上的企业共同推动:政府尽快制定“信息公开法”和“信息保护法”, 在保护个体隐私和保障用户延展性权利的基础上, 确立起合理挖掘与应用群体数据的合法性。

(二) 建立数据运营体系

强化大数据观念, 将电信数据作为一项核心战略资产加以管理与生产, 制定市场战略, 加强外部合作, 创新商业模式, 优化人力资源, 健全全业务管控体系, 实施客户知识的统一管理。

(三) 加强新技术的跟踪与应用