审计中的大数据运用

审计中的大数据运用（精选5篇）

1.审计中的大数据运用 篇一

中小学教育中的大数据应用认识

摘要：大数据意义之“大”，更深层次的在于对海量数据的采集处理、统计分析、挖掘应用。教育大数据的分析应用，是教育信息化发展背景下的教育教学管理方式的创新摸索，是未来教育教学改革、教育质量监控的数据依据。

大数据就是巨量的数据，典型为PB或者EB存储数量级的数据。Byte、KB、MB、GB、TB、PB、EB、ZB、YB、DB、NB，按照进率1024（2的十次方）递增，按照目前主流硬盘TB单位计算，一个PB概念的存储就不是一个普通机房所能容纳，而EB存储或许只有搜索引擎公司才具备。

大数据意义之“大”，更深层次的在于对海量数据的采集处理、统计分析、挖掘应用，而且这些分析处理并不是一般数据库和软件技术所能承受，而必然采用分布式架构，依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。

所以，不能简单地以数据的规模大小来界定大数据，而是要注重是否满足用户需求的数据处理与分析的复杂程度。再者，大数据在教育中的应用，从发展阶段或者从应用上来看，我觉得也可以分为两个层次。

一、教育大数据的资源共享功能 2012 年9 月29 日，国务委员刘延东在全国教育信息化工作电视电话会议上提出：“十二五”期间，要以建设好“三通两平台”为抓手，也就是“宽带网络校校通、优质资源班班通、网络学习空间人人通”，建设教育资源公共服务平台和教育管理公共服务平台。抓住机遇，乘势而上，开拓进取，以信息化带动教育现代化，促进我国教育事业科学发展的重大战略任务。

教育信息化建设目前大力发展，“三通两平台”建设为教育的大数据应用奠定了坚实的基础。教育教学管理涉及的大数据非常广泛。在教育管理平台、资源管理平台、在线学习的平台和课程管理平台、视频直录播平台、校园一卡通等等这些系统中，日常教育教学活动中所产生的管理人员、教师、学生以及家长等各类行为数据，如师生基本信息、教育管理及考勤、学籍学分处理、教学活动信息、教育教学研究、设备仪器管理、各类通讯信息，都可以成为教育大数据。

在这个信息时代，大数据的资源共享应用在教育信息化中起到越来越重要的作用，在教育教学中从很大程度上帮助了教师创新教学模式和教学方法。而如何用好大数据深层次的功能，是我们面临的更加重要的课题。

二、教育大数据的分析应用功能

有人说：我们正在使用大数据，正在下载文字、图片、视频、课件，正在利用平台及平台资源开展一系列教育教学活动。的确，这是应用，但不是分析应用，不是大数据层次的应用。

2012年，浙江诸暨、东阳相继出现教育云概念。诸暨区域教育云以软硬件系统需求角度出发，东阳教育云全国规模化应用试点以资源建设角度出发，相继获得了省级、国家级认可，其目的都是为了配合教育教学应用推进而展开。这是教育相对发达省份浙江的两个县级市，在教育信息化发展的今天，为适应日益增长的教育教学应用实际需求而进行的新模式的探索。

大数据用最原始的方式入“云”，简单点说，是每一个人、每一个部门、每一个家庭、每一个行业，不同个体、单位进行各类行为操作的汇总。记录的不单单的输入的数据本身，而延伸植入了输入者本身的一切相关联信息。当你在论坛发表一条消息，你的资料同时就被关联，一起被关联的还有你曾经在网络上发布其他信息，以及与你相关的联系人。这不是简单的数据拷贝，也不是数据录入员的简单录入，这样的情况下，教育资源云技术化，首先就摆在了我们面前。

（一）云计算与大数据的关系

2006年8月9日，Google首席执行官埃里克·施密特（Eric Schmidt）在搜索引擎大会（SES San Jose 2006）首次提出“云计算”（Cloud Computing）的概念。云计算是为适应越来越大的计算、越来越多的数据、越来越快的速度要求而产生的主流IT技术。当云计算出现了之后，大数据概念自然而然的进入IT视野，并迅速引发全球范围内深刻的技术变革，乃至应用到各个领域。

如果说大数据是战略资源，云计算则是调配资源的指挥系统。云计算和大数据关系密切，两者相辅相成，不可分割。大数据是云计算的对象，脱离了大数据的应用实际，云计算就没有生命力。云计算是大数据的基础，为大数据提供了可以自由扩展、相对适宜的存储空间资源，还使得对大数据的分析处理能够及时有效的进行。所以，云计算技术的逐步完善，为教育大数据深层次应用提供了可能。

（二）教育大数据应用功能剖析

1、大数据能有效监控教育教学质量

中小学教育教学质量监控具有“全要素”、“全过程”、“全员性”、“全方位” 等四大特点。“全要素”是指教师教学过程，学生的学习掌握，管理人员工作质量等等所有因素；“全过程”是指教育教学的全程，包括教学过程的教学计划、教学实施、教学反思阶段，学生的入学、学习、考核、毕业等等；“全员性”是指有关中小学的教师、学生、管理工勤人员的一切相关内容；“全方位”是指不仅包括教学过程、教学效果，也包括在科学的基础上，对教学过程实施有效控制。有了现代化的教育教学环境下大数据平台的支撑，四“全”问题引刃而解。

（1）及时准确反馈学生信息

一般各类课程中心网站提供了学习各学科课程知识的功能，而目前流行的慕课（MOOC）平台，参与者可以在线提问，其他人可以进行交流解答，也有可能穿插一些小测试，能够反馈学习情况。在这样的教学过程中，产生了大量的实时数据，被慕课平台记录，并经过相应分析处理，原来杂乱的单个数据累积起来之后，学生的行为就能呈现出规律性，科学的反映出学生在整个教学过程中所处的状态及存在的问题。这样就可以有根据地调整学习内容或有针对性地进行学习，大幅提高教学质量。根据大数据总体分析结果，管理部门也可发现传统模式下无法发现的问题，并采取针对性解决方案，进行更有利的课程设计，更好地促进教育的发展。

在信息化的环境中，老师在设计某课的时候，可以逐步提出问题，并由学生反馈相应的答案到移动终端。老师在教授过程中，时间节点由老师控制，而这个时候学生只需要在相应的知识点这里点击“A”或者“B”，“是”或者“否”，如同鼠标左右键的点击一般简单，等到讲解完毕之后，老师马上就能知道，50%的学生在讲到第3点的时候已经出现错误，80%的学生在第5点的时候，就普遍没能掌握。

（2）科学比对不同类型数据 拥有Nike+标志的耐克鞋，表示内含芯片和传感器，可以记录步伐、步速和跳跃的高度等数据。Nike同时也建立了一种新标准，并赋予一个标准化的数值Nikefuel，它能够不受时间和项目限制，以特定的方式记录个人运动表现及方式，并能将不同个体的不同运动进行对比。此外，Nikefuel也能起到平台的作用，串联整个Nike+社区的人进行合作沟通、比赛交流，再相互激励，进行更多的运动。此种模式下，如果罗杰·费德勒穿戴Nike+打网球，而科比·布莱恩特通过Nike+打篮球，但是他们仍然可以通过Nikefuel 值互相进行比赛。

如此，我们便可设想，在教育部门组织开展教师或者学生的各项考评或者比赛时候，有困难的情况下就没有必要一定要分组分学科进行。调用中小学各学科以往的成绩统计信息的大数据作为大样本依据，小学组参赛选手成绩与小学组大数据比较，中学组参赛选手成绩与中学组大数据比较，得出各自的相对位次，即可确定胜负。

即使是严谨如高考，考生也完全可以自主选择考试时间分批进行。高考试卷由电脑随机出卷、自动打印、考生答题、自动回收、智能阅卷，实现一系列全自动化模式，绝对保证公平公正。其中最重要的一点，是考生试题的不同与成绩判定准则。我们可以根据全市、全省、全国的大数据成绩进行比对，考生的试题无论难易程度如何，均可自动分析难度系数评定分数；也可以根据答题时间、答题方式、答题要点掌握作为一些辅助评定指标。如A、B两考生，同样的答对了X题，但是大数据记录的时间显示A比B快，则A成绩比B高；如事先设定M答题策略优于N答题策略，则得出两个相同答案且时间相等的考生，答M的考生优秀。

2、大数据能综合优化教育教学策略

在对教育教学质量进行有效监控的前提下，大数据可以及时在调整教育教学策略中提供依据。通过对学习者的反馈信息进行分析，可以适当调整教育教学流程。

如：教学设计A知识点6分钟，B知识点8分钟，总计14分钟。在进行相应课内测试后，马上就能得出A掌握度80%，B掌握度70%。这样，立刻就能在下一堂课调整教学设计，A知识点5分钟，B知识点9分钟；或者根据不同情况的需求，A知识点7分钟，B知识点7分钟。

3、大数据能有效建立师生个体模型

该模型可以包括师生个体的教学状态数据、思想行为数据、知识体系数据等档案记录。教学状态数据，如学生在学校中各学科、各活动的参与度，教师可以是某一课程中的教学信息汇总，包括教学设计、课件制作、课程教授、教学反思等信息，还可以包括网络即时课程评估、再设计，大幅度提升教学效率；思想行为数据来说，学生模型可包括学生在学校中进校开始的一系列思想行为数据，包括按时上课下课、体育课运动量、食堂就餐信息，甚至包括到过的学校每一个地方、交流过的每一个人员信息；知识体系数据可以是记录学生一系列课程中的表现，如回答各类问题的数量、答案的正确率、花费的时间等等。

在教育信息化大形势下，教育软件硬件持续投入、智慧校园建设不断加强、教育技术研究深入开展，全国2亿中小学生在学习、工作、生活中衍生的无可估计的大数据，为教育教学改革良性发展提供了充分依据与良好机遇，充分吸收、分析、挖掘和应用这些数据，将是教育教学管理信息化发展的必然追求。

参考文献：

[1] 刘延东.把握机遇 加快推进 开创教育信息化工作新局面[R].全国教育信息化工作电视电话会议,2012.[2] 周湘林.大数据时代的教育管理变革[J].中国教育学刊，2014（10）：25-30.[3] 何清.大数据与云计算[J].科技促进发展，2014（01）：35-40.[4] 韩志君.简析大数据在教育领域的运用[J].科技视界，2014（06）：334 [5] 田芳.浅议中小学教学质量监控体系的建构[J].当代教育论坛，2010（5）：58-60.

2.审计中的大数据运用 篇二

随着信息技术的发展,大数据(Big Data)时代的到来为大数据审计的开展带来了机遇和挑战。因为随着被审计单位信息化的日益普及,审计对象的信息化使得审计信息化成为必然,审计信息化对审计人员和审计工作的开展也因此提出了更高的要求。对我国来说,在信息化环境下如何审计被审计单位的电子数据,发现大案、要案,是国家审计的一项重要任务。本文将通过研究R分析数据时的原理,同时与其他分析工具进行比较,总结R自身特点以及优势,探究R在实施大数据审计中的实际应用价值,为审计人员更直观地分析大数据提供支持。

1 大数据审计的主要技术方法

1.1 大数据技术的分类

由于信息化水平的提高,国家审计人员能否获得审计线索越来越依赖于他们所接触到的被审计单位数据,因为在分析数据过程中,审计人员通过对数据的筛查、比对和分析,可以通过发现明显不同寻常的数据或分析数据之间的相关关系,进而获得审计线索或确立审计重点,而因此提高审计效率效果。而相关审计线索的获得依赖于大数据技术的应用。总的来说,大数据技术主要分为8类:数据采集、数据存储、基础架构、数据处理、统计分析、数据挖掘、模型预测以及结果呈现。

而按照不同的计算模式,大数据技术又可以以批处理、流处理以及交互分析分为三类。

1.1.1 离线批处理(Batch Processing)技术

批处理是指数据分析者将一批作业提交给操作系统后就不再干预,由操作系统控制它们自动运行。这类数据处理技术以Map Reduce和Hadoop系统为代表。

1.1.2 实时流处理(Stream Processing)技术

流处理是应对流数据(大多是日志流)实时分析的数据处理模式,包括数据实时采集到数据实时计算,以及最终实现实时查询服务三个阶段,代表系统有Yahoo的S4系统、Twitter的Storm系统等。

1.1.3 交互式分析(Interactive Analysis)技术

应用交互式分析技术可允许使用者以图表的方式查询、比较以及分析数据,方便数据使用者更直观地获取数据所传达的信息,具有前瞻性,以谷歌的Dremel系统、R等为代表。

大数据技术众多,大数据分析工具更是不胜枚举。本文旨在针对大数据可视化技术,对R语言的原理、特点等进行分析,特别是探索其在审计领域中对数据可视化方面的实际应用价值。

众所周知,伴随着信息化水平的不断提高,大数据时代的不可逆转,审计人员面对着日益庞杂的数据,如何从已获得的原始数据中提炼分析其背后隐藏的信息,获得所需要的审计证据,这成为当今审计工作的热议话题。包括笔者有幸参与的审计署驻济南特派员办事处的审计工作中,在开展审计项目时,审计项目组会成立专门的数据分析组,同时审计人员都首先从数据分析过程中查找问题,并因此作为审计线索或确立审计重点,为后续的审计工作树立了更明确的目标。

可视化技术是大数据应用的重点之一。研究表明,人类从外界获得的信息约有80%以上来自于视觉系统,当大数据以图形的方式直观地呈现在审计人员面前时,无论从审计效率还是审计效果角度来说,二者都得到进一步的提高,可视化审计分析方式能够以其直观的展现方式帮助审计人员快速有效地交互分析大量的数据,所提供的洞察力有助于审计人员更快、更准确地从复杂的被审计数据中发现审计线索。

2 R语言的原理、特点及其优势

2.1 R语言进行数据分析的原理

R(官网:http://www.r-project.org)是S语言(S语言是由AT&T?贝尔实验室开发的一种用来进行数据探索、统计分析、作图的解释型语言)的一种实现,最初S语言的实现版本主要是S-PLUS,但S-PLUS作为一种商业统计软件,因其昂贵的价格并不被广泛接受。后来由Auckland大学的Robert Gentleman和Ross Ihaka及其他志愿者开发出R语言,作为S语言的另一种实现并免费供数据分析者使用共享。此外,R作为软件包统计软件,目前已包含多达5 000+的包(packages)供使用者选择运行不同功能。同时任何人都可以在R平台开发包,提交给R语言官方,通过测试后便可发布网络供全球的R语言使用者分享。包的功能包罗万象,涵盖数学算法、数据挖掘、生物学、社会学、神经网络等不同领域,可在镜像(CRAN)上根据需要自行下载使用,CRAN除了可以下载R本身软件包以外,也可以下载各种扩展包。

图1描述了数据分析的基本流程以及各个环节所需的基础技术方法,以图示箭头方向,首先通过对原始数据的获取,储存至数据仓库或者数据集市(指规模较小的数据仓库)中,之后利用统计学、查询等分析方法,进行数据挖掘,获取重要信息,展现最终结果,比如可视化技术的应用,以图表或者报表的呈现方式供信息使用者进行分析决策。而数据分析与数据挖掘的最大区别在于:前者所应用的统计学方法清楚,分析目标比较明确,而后者因为其目标、技术、手段等的模糊而增大了处理难度。

R进行数据分析时,主要涉及图1中,数据分析—数据挖掘—数据展示三个步骤。在进入大数据时代的今天,R能将其分析结果通过图形方式展现,因其强大的数据可视化功能而备受关注。

2.2 R语言的特点及其处理大数据的优势

在2016年第17届KDNuggets网站(数据挖掘的专业网站,专门用于大数据、数据挖掘以及分析信息等方面知识共享)年度投票选举最佳数据分析软件中,所抛出的一个问题:在过去的12个月中,你所使用的用于数据分析、数据挖掘、数据科学、机器学习等项目的分析工具是什么?该项投票吸引了很多参与者,包括数据分析和数据挖掘等社区网站的学者专家以及一些软件供应商等,参与的2 895人将从多达102种不同软件的列表中选出他们所青睐使用的工具。相比较Python、SQL、Excel等常用统计软件,R以49%的投票结果高居榜首,2015年KDNuggets网站投票结果中,R同样成为最受青睐的数据分析工具。

虽然选取的参与人群或者选取规模可能在一定程度上有失偏颇,但其投票结果毕竟代表了在数据分析、数据挖掘领域的分析工具的不同流行程度,尤其在语言角度代表了某一人群的使用偏好。从投票结果来看,R以大比重的优势稳居第一,与其强大的数据分析以及数据可视化能力是分不开的。

大数据时代,海量的政府服务数据在云端汇集,层出不穷的大数据使得审计人员在开展审计工作时很容易就陷入信息盲区。如何有效处理和理解这些数据,成为人们无法回避的挑战之一。目前市场上存在各种挖掘软件,主流的商用挖掘工具如Unica、SAS/EM、Insightful Miner、IBM IM和SPSS等,这些软件面向通用挖掘问题,功能较为完善,具备较好的性能。但一般都存在可扩展性不强、成本较高等缺点。同时,目前市场上也还没有针对审计专用的可视化数据分析软件,当前可视化数据分析软件往往侧重于具体的应用领域。比如Excel操作简单,提供了基本二维图形分析能力,但能处理的数据量有限。而R软件是一款集成了数据操作、统计和可视化功能的优秀开源软件,有效克服了商用数据挖掘工具的缺点,同时具备强大的数据可视展现能力。R软件的一大优势是分析人员可利用简单的R程序语言描述处理过程,构建强大的分析功能,并应用其可视化技术以更直观地方式展示分析结果。总结来说,R具备以下特征:

(1)R是完全免费的共享资源。由于日前数据的急速膨胀,对数据分析工具的需求也随之增长,但市场上一些商业软件由于其高昂的价格常常让许多数据分析者望而却步。R语言作为免费资源,同时以其强大的数据分析以及图表展现的强大功能而广受好评;

(2)R软件有RGui和RStudio两种不同的常用界面,足以满足不同数据分析者的使用偏好。与RGui比较而言,RStudio的使用界面相对较为友好,使用也较为方便,而RGui界面则较为精简,使用者能够依据自身喜好进行不同选择。

(3)R的软件包短小精悍,R只需占50Mb左右的内存,相比之下,很多商业统计软件都非常庞大,下载有2-3G之大,占较多内存空间的同时,给系统运行也带来一定负荷。

(4)R作为开源软件,开放性好,此外,R与其他程序的兼容性也非常理想。比如,使用者可通过C语言、Java开发R的一些子程序,这些子程序又可在R里面无障碍运行。同时,R的开放性也反映在具有不同功能的包上,比如目前同样使用广泛的具有强大查询功能的SQL语句,对于有SQL背景的R语言学习者而言,R的sqldf包可帮助使用者在R中使用SQL命令。此外,R的函数和各种包的透明性极好,使用者只需调出各种包的使用说明,便可掌握该包的基础运行操作。

(5)作为本就专门为统计和数据分析目的而开发的R软件,除了具备各种强大的不同功能的包以及函数帮助运行程序进行数据分析之外,R还可绘出很多漂亮且灵活的图形,具备强大的可视化功能,为便利使用者更直观地分析数据。

R的可视化功能强大源于其拥有众多的绘图软件包,比如被广泛接受且使用的“ggplot2”包。“ggplot2”由一系列独立的图形部件组成,并能以多种不同的方式进行组合,这使得“ggplot2”不会局限于一些已经定义好的统计图形,而是可以根据使用者不同的需要量身定做。在具备绘制很多美观的图形之外,“ggplot2”还可以避免诸多繁琐的细节,例如添加图例等。用“ggplot2”绘图时,图形的每个部分可以依次进行构建,之后还可以进行编辑。此外,“ggplot2”还精心挑选了一系列预设图形,因此在大部分的情形下使用者可以快速地绘制出许多高质量的图形。如果在格式上还有额外的需求,也可以利用“ggplot2”中的主题系统进行定制。R因其功能强大、设计人性化的软件包,使得R在实际应用中作为数据可视化的工具越来越被数据分析者所广泛认同及青睐。

在数据日益庞杂的今天,审计领域也受到大数据的冲击。如果审计人员掌握数据可视化技术,从视觉角度直观感知,利用图形展现数据之间相关关系,更能做到对获取的数据一个整体、宏观的把握。而R语言就作为一门专门用于统计计算和作图的工具,能够满足审计人员对于数据分析的诸多基础预期。通过R的数据可视化处理技术可将被审计数据转化为审计人员可以分析观察的图形和图像,同时审计人员再结合自己的审计背景知识,通过视觉系统对可视化的图形和图像进行分析、观察和认知,从而从总体上系统地理解和分析被审计数据的内涵和特征。另外,审计人员交互地改变输出的可视化图形和图像,从不同的方面获得对被审计数据的理解,从而全面地分析被审计数据。

3 结语

由于经济社会的不断发展,数据可视化技术的优势及其需求被不断放大,同样,在审计领域,也越来越受到国家审计的高度重视。笔者在参与的多个审计署视频会议以及工作培训中,培训中都谈到R语言在可视化方面所创造的巨大价值,在实际审计应用工作中,审计人员通过R语言建模,对数据分析结果所绘制出的精美图形,足以让人眼前一亮,审计线索也更加清晰明了,无疑给审计工作的开展提供了强有力的支持。当然,R语言拥有众多其他统计软件无法匹及的优势之外,也有自身固有的缺陷,但它与其他工具之间良好的兼容性足以弥补这些不足,而且R独特且堪称完美的数据可视化功能也足以使其成为数据分析者青睐的理由。虽然,日前R语言应用于审计实践的案例还不是很多,但有理由相信,它完全可以凭借其势不可当的优势在审计行业中得到越来越多的推广与使用。

参考文献

[1]陈伟.计算机辅助审计原理及应用[M].北京:清华大学出版社,2016.

[2]陈明奇.大数据国家发展战略呼之欲出——中美两国大数据发展战略对比分析[J].人民论坛,2013(15):28-29.

[3]张卓,宣蕾,郝树勇.可视化技术研究与比较[J].软件学报,2003(10):1717-1727.

[4]任磊,杜一,马帅,等.大数据可视分析综述[J].软件学报,2014(9):1909-1936.

3.浅析学生工作中的大数据应用智慧 篇三

关键词：大数据，应用，学生工作，思想政治教育

【中图分类号】F49

近年来，物联网、云计算，以及社交网络等全新数据生产方式和传播技术的发展，使得全球信息呈爆炸增长之势，随之而来的“大数据”概念和相关技术的应用在各个行业领域方兴未艾，其中也包括高校教育的学生工作领域。

一、大数据的时代特征

英国大数据权威学者舍恩伯格认为，大数据是“一种前所未有的方式，通过对海量数据进行分析，获得有巨大价值的产品和服务，或深刻的洞见”[1]。也有很多人士提炼出大数据的“4V”特征：Volume（容量）、Variety（多样性）、Velocity（速度）和Value（价值）。Volume表明巨大的数据量与完整性；Variety表明数据来源是广泛异构的，要设法在其间寻找内在关联；Velocity强调数据处理的实时性需求；Value则表明对大数据的分析处理最终可以带来巨大价值。大数据不仅意味着用相关技术来收集海量的数据来存储人类对整个世界的广泛认知，其核心意义更在于通过先进的计算机技术和数学方法等科学手段来分析和挖掘这些海量数据，从中发掘更多、更有价值的信息，为现实的生产和生活服务。因此，大数据的时代特征应该是大数据集、大数据技术和大数据应用三者有机的结合。

二、大数据时代对思想政治教育的挑战

大数据拓展了人们的视野，在改变人类生活与思维的同时，也必然对高校的学生思想政治工作带来全新的挑战。

1、教育工作者的主导地位受挑战

在以往数据还未足够“大”的年代，教育者因为掌握更多的知识和经验使自己在和受教育者（学生）的交互中处于主导地位，掌握了教育的话语权，包括思想政治教育在内的传统教育多被认为是单向的灌输式教育。在大数据时代，学生可以通过网络的丰富渠道比以往掌握更多的信息，甚至能够超越教师，使其对教师的依赖性减弱。因此，教师在讲台上不再具有主导的强势地位，教育更多地体现出双方平等互动的特点。

2、教育对象的意识形态更加复杂

大数据是网络社交媒体发展的一个阶段特征，微博、微信等全新社交网络工具的广泛应用不仅给网络信息传播带来传者、受者的地位变化，人际关系的介入也使得使用人群的思想、行为产生深刻的变化[2]。由于当今互联网比以往充斥更多更复杂的思想与价值观内容，加上青年人的好奇心和对新鲜事物较快的接受能力，使得教育对象无论是在“三观”还是民族意识、文化意识形态等方面较以往更加复杂，因而对思想政治教育提出了更高要求。

3、全新技术要求全新的教育范式

傳统的思想政治教育研究乃至整个社会科学领域的研究在做定量研究时因客观条件限制，往往是先建立假设，然后通过对抽样调查来验证假设[3]。由于结论只建立在对极少数抽样数据的分析上，其结果的客观性和全面性难以保证。大数据则强调“样本=总体”的全样本概念[1]，对所有研究对象和数据的完整性才能保证研究结论的正确性和可信度。这种全新的量化研究思想为思想政治教育带来了全新的范式。

三、大数据在学生工作中的应用构想与实践

下面，本文将从学生工作的几个方面对应用大数据技术的可行性做进一步探讨，并结合个别案例佐证大数据技术对提升思想政治教育效果的积极意义。

1、学习行为管理

教师的知识传授和学生的学习构成了校园生活的主题。如何提高学生成绩？如何发现学生成绩落后的原因？能否对学习状态差的学生做出预警从而针对性地加强辅导？这些问题是学生、教师和家长们都关心的问题，也是学生学习行为管理的主要目的。以往工作大都依赖于教学、管理的经验和教师责任心的投入。在大数据思想指导下，如能够收集到丰富的学生行为数据，再辅以大数据分析技术则能更好地发现问题的根源，从而为解决方案提供更科学的依据，提升工作效果。

实践案例：学生上网状况与学习成绩的关联分析

沉迷网络被很多人认为是学生荒废学业的主要因素，过去这一结论往往依赖于对少数个案的观察，但是否具有普适性？有没有科学的数据可以佐证？南通大学的相关教师曾指导学生通过分析挖掘校信息办掌握的学生校内上网的流量数据给出了更具信服力的解答[4]。表1的分析结果展现了该校某院系学生的英语6级成绩与其上网情况的内在关联。从表中数据可知，成绩较差的学生组别上网的流量更大，这证明了上网过多对学习成绩的影响。因此，如果一个学生近期上网流量有增加，则需要做出成绩预警。此外，统计还进一步发现两者的负相关关系并非在所有学生类别上一致。如挂科3门以上的学生上网流量比挂科1到2门的学生明显下降，但这并不能推翻两者的内在关联。深入调查后发现这部分学生实际上有很多人都到校外网吧上网，反而说明他们沉迷网络的情况更加严重。该数据分析案例提示我们研究结论不能只关注数据分析的表面，还应进一步深入调查来揭示深层规律。也应看到，该结论只来自于南通大学的学生数据，并不能代表全体院校，例如对复旦大学的学生上网数据调查可能产生不同的结果。

2、生活服务管理

关注经济困难学生的生活状况，为其提供针对性的经济资助或勤工俭学机会是学生工作的一项重要事务。以往对学生经济状况的判断只来自于学生递交的经济调查表或学生的自述，客观性和时效性都不强。利用学校信息办的数据库将学生在一段时间内的校园卡消费记录进行统计分析，则可以实时地掌握学生经济状况的波动。诸如日均、餐均消费水平，消费频率这类统计指标不仅能够如实反映学生的经济状况，还能发现学生日常行为的反常变化。例如，如果一个学生的日均消费水平呈下降趋势或突然变低，则可能反映出来自于家庭的经济支持减弱，可能因为学生本人或家庭遭遇重大变故，因而需要辅导员等跟进关注，进一步了解详情，采取对应帮扶措施。endprint

3、心理健康辅导

以90后群体为主的当今大学生在个性、心理、意识形态等方面都较以往的学生产生新的变化。深入分析学生的心理特征是个性心理化辅导的重要前提，而大数据同样能提供分析的客观依据。

实践案例：基于微博标签挖掘的学生个性和宗教信仰分析

目前，绝大多数学生都使用（新浪）微博，而很多微博用户都会使用标签来标记兴趣爱好、职业和信仰等等，成为学生个性反映的重要风向标。鉴于微博用户人群有数亿的庞大规模，数据的获取和分析依赖传统的人工手段和抽样调查并不可行，唯有借助计算机爬虫程序和大数据分析技术才可能完成。表2中列出了微博上的90后学生用户使用最频繁的前10个标签，从中看出当代大学生的普遍的兴趣爱好（音乐、电影、动漫），还表明学生渴望自由又缺少人际交往（宅）的矛盾状况[5]。此外，学生的宗教信仰也是思政教育者关注的一个重点，但并非每个有宗教信仰（如基督教）的学生都会表露心声，而挖掘微博好友的标签信息则有助于揭示一个人的宗教信仰。表3列出了某个学生在微博上使用的标签是“音乐”和“时尚”，没有包含任何宗教信息，但使用了4种数据挖掘算法分析其微博好友最常使用的标签后却发现，信仰基督教是该生好友圈子的一个重要特征。实际调查发现该生的确信仰基督教，该案例再次证明了大数据分析技术能够精准发掘学生个性、爱好以及宗教信仰，进而针对性地开展心理辅导和思想教育。

4、职业生涯教育

以往的就业工作教师只关注及时发布尽可能多的用人单位招聘信息，或是收集学生简历推荐给用人单位。但却忽视了当今学生就业目的性较强，很多学生没能及时找到工作并不是能力所限，而在于没有找到适合自己的岗位信息。利用大数据技术，相关教师可在充分收集用人单位信息和学生简历基础上，再进一步对数据进行划分和梳理，构建完整的就业信息库，包括国家政府的最新法规、政策，企业的行业、岗位的专业要求和薪酬标准，以及学生的专业、成绩、兴趣爱好、岗位倾向等特征。利用信息库的完备数据再辅以基于计算机自然语言处理技术的推荐算法，就能提高招聘信息发布和求职简历推荐的精准度，从而提升学生和用人单位的满意度。

本文从多方面强调了大数据技术对提升学生工作效果的积极意义，相信随着技术普及，教育工作者提升数据意识后，加上涉及隐私保护等规范制度的建立，大數据技术一定能够切实发挥其在教育实践中的巨大价值。

参考文献

[1] 维克托·迈尔-舍恩伯格，肯尼思·库克耶.大数据时代——生活、工作与思维的大变革[M]. 浙江人民出版社，2013

[2] 阳德青，周鹏，付雁. 微博时代下的社会网络舆情传播[J]. 高校辅导员，2012.

[3] 胡树祥. 大数据时代的网络思想政治教育[J]. 思想教育研究，2013.

[4] 龚燕，施佺. 基于数字化校园的学生上网用户行为数据挖掘分析. 南通大学本科毕业论文，2013.

[5] 阳德青，付雁，周鹏. 基于用户标签挖掘的学生个性分析——以新浪微博为例[J]. 繁荣网络文化，创新校园管理，2013.

作者简介：

4.互联网视听产业中的大数据技术 篇四

近年来, 随着互联网、移动互联网、物联网、云计算等新业务、新技术的引入与成熟, 其所产生的庞大的在线数据也引起了人们的重视, 大数据 (Big Data) 的概念随之应运而生。大数据或称作巨量资料, 是指所涉及的巨大规模资料量无法使用主流软件工具及常规硬件设备在合理时间内实现撷取、处理、管理的数据集合。IBM最初将大数据总结成3V, 包括Volume (大量化) 、Variety (多样化) 、Velocity (快速化) [1]。Volume是指数据的完整性与巨大的数据量, Variety是指在数据的多样化, 包括结构化数据、半结构化数据及非结构化数据, Velocity是指随着数据量的迅速增长, 所需处理速度和响应时间也要满足实时性需求。之后又出现了4V, 即Value (价值性) 或Veracity (真实性) , Value是指大数据价值的稀疏性, Veracity是指对管控和治理有意义的真实而准确的数据。

大数据概念的成功引入不仅改变着人们的生活与工作方式, 同时也影响着企业的营销策略与运作模式。如互联网上热播美剧《纸牌屋》即是Netf lix (美国在线影片租赁提供商) 采用大数据技术分析获得的成功的购片及营销策略, 是大数据技术在互联网视听行业中应用的典型。另外阿里信用贷款和淘宝数据魔方成为了国内将大数据技术用于商业分析的成功案例, 阿里信用贷款是在没有人工干预的情况下, 借助大数据技术自动分析判定是否给予企业贷款, 而淘宝数据魔方则提供了行业宏观情况、品牌市场现状、消费行为分析等, 并据此提出生产与库存决策。

1大数据处理基本流程

虽然大数据的数据源来源广泛, 数据类型、应用需求和所采用的处理分析工具与平台不尽相同, 但是大数据的处理流程却是基本相同的。整个大数据的处理基本流程可以解释为在合适的大数据基础平台及分析处理工具的辅助下, 对结构化、半结构化、非结构化的异构数据源进行提取和集成, 将其提取和集成的结果按照统一的标准进行存储, 并对已存储的数据利用合适的数据分析技术进行分析, 提取分析结果中的有益信息, 并以恰当的方式将结果展现给终端用户[2]。其中最重要的步骤为数据的提取与集成和数据分析。如图1所示为大数据处理基本流程。

1.1数据的提取与集成

对大数据处理的首先步骤就是数据的提取与集成, 其主要是从大数据多样化的数据中对数据进行清洗, 保证数据的可行性和质量, 从而提取出关系和实体, 并通过关联与聚合后采用统一标准进行存储。

1.2数据分析

数据分析是大数据处理基本流程中的核心部分。数据分析的原始数据是由海量异构数据源中抽取和集成的数据构成的。根据不同应用的需求如决策支持、推荐系统、预测系统等, 采用机器学习、数据挖掘、统计分析等数据分析技术, 可以从这些数据中获得有益的信息。

2大数据关键技术

大数据的价值体现需要基础平台和多种技术的协同与支撑, 其中包括文件系统、数据库系统、检索与查询技术及数据分析和处理技术。最底层的文件系统是大数据存储能力的支撑, 建立于文件系统之上的数据库系统用于数据管理, 数据索引等的构建可以实现高效的数据查询, 数据分析技术则用于撷取大数据中有益的知识信息。

2.1大数据基础平台与支撑技术

大数据的基础平台与支撑技术是云计算技术, 也正是由于云计算技术在数据存储、数据管理、统计分析等诸多方面给与的技术支撑, 才使得大数据有了今天的发展。云计算技术发展最早、技术最先进的公司是Google。由于其自身的搜索属性, 在面对海量Web数据时, Google发现现有技术很难满足其存储、分析及处理需求, 据此Google在2006年首先提出了云计算的概念, 并开发了云计算技术与工具。在Google的带领下, 一大批数据处理技术得到广泛应用, 包括MapR educe、Bigtable等, 同时还产生了以Hadoop为代表的云计算开源工具。云计算的关键技术主要包括了文件系统、数据库系统、索引与查询技术、数据分析技术等。

2.1.1文件系统

由于应用场景的不同, 传统文件系统不适用与云计算平台的存储系统, 因此文件系统的开发变得非常有针对性。如google开发的GFS面对的主要是文件较大、读操作远大于写操作的需求, 并不适用于存储图片等海量小文件。适用于存储海量小文件的文件系统HayS tack通过增加缓存层、元数据加载到内存、逻辑文件共享物理地址等方面的优化解决了海量存储小文件的问题。另外还有淘宝推出的TFS及FastD FS均针对海量小文件存储进行了优化。

2.1.2数据库系统

由于云计算的存储需要采用分布式存储, 需要系统具有良好的横向扩展能力, 而传统数据库系统的性能倾向于纵向扩展, 并不具备云计算所需要的横向扩展能力。另外数据多样性导致只适用于结构化数据的传统数据库系统不再适用于多样化数据存储。这些因素的存在, 使得大数据时代的数据存储采用关系模型的分布式数据库并不适用。由此应运而生了NoS QL, 以及由SQL与NoS QL融合了一致性和可用性的NewS QL[2]等数据库系统。

2.1.3索引与查询技术

数据的查询是数据库重要的应用, 而索引技术是解决数据查询的有效技术支撑。传统数据库在面对少量数据时, 索引建立所消耗的时间与得到的查询便利相比是可以接受的, 但在面对大数据时, 这种复杂的索引方案所消耗的时间是无法接受的。因此在针对云计算使用的数据库系统的索引构建上有了诸多优化。如NoS QL的采用MapR educe并行技术优化多值查询以及采用索引技术优化多值查询等。

2.1.4数据分析技术

数据分析技术是大数据的核心技术, 如Google的适用于离线批处理的计算模型MapR educe、适用于图的Pregel计算模型以及适用于在短时间内对海量数据进行分析的交互式数据分析系统Dremel等[2], 均是实现大数据下高效处理及分析海量数据的关键技术。

2.2大数据处理工具

目前主流的大数据处理平台是Hadoop, 其源自于模仿GFS与MapR educe实现的云计算平台, 后由Apache开发。现在Hadoop已经成为了一个拥有多层处理模块的分布式基础架构, 包括:分布式文件系统 (HDFS Hadoop Distributed File System) 、数据库 (HBase) 、数据处理 (MapR educe) 等。而将Hadoop的平台性能进行改进、提高查询能力、构建索引及数据仓库等研究均成为时下研究的热点。

其他的主流处理平台及工具绝大部分是基于Hadoop开发的, 或者提供了与Hadoop的接口。如云计算平台AWS、Google Compute Engine、Azure, 数据库系统MongoD B、Redis、Spanner、Megastore, 数据处理系统Storm、Kafka等等[2]。

3互联网视听业务中的大数据技术

随着大数据时代的来临, 上述大数据技术开始被应用在互联网视听业务中, 通过分析用户使用习惯、所喜爱的节目、检索的结果、一段时期内关注的内容来准确判断、预测并推荐有针对性的视听内容, 从而实现延长用户在线时间、提高用户点击率等。大数据技术影响互联网视听业务的主要包括以下几个方面。

3.1提供数据分析

在互联网视听网站使用大数据最为成功的案例是美国的在线影片租赁提供商Netf lix。Netf lix是世界上最大的几个云计算用户之一, 其非常重视大数据在其营销策略中的指导作用。Netf lix以小时为单位向Amazon云计算AWS租用计算能力、存储能力和大规模服务器, 并将其客户账户信息、影片元数据、评分、书签日志等近几十亿条的数据存储在DataS tax (数据库服务商) 的网络服务集群上[3]。Netf lix应用大数据技术将观众所购买的影片信息、回看的内容、经常进行播放/暂停等点击的位置信息、仅打开几分钟就被关闭的视频信息、以及被搜索、收藏和推荐的视频信息等作为数据基础, 送入后台进行分析。后台的工程师通过使用算法和软件对用户的品味进行分析, 发现观众当前或潜在的需求, 得出精准的结论, 并向用户推送其确实感兴趣的信息、服务及应用, 以延长用户的在线时间。

3.2影响购片策略

Netf lix不仅将大数据应用在了影片行榜单、用户消费观、网站年龄组成等方面, 其还扩大了大数据技术的应用范畴, 拓展到使用大数据分析指导营销策略、购片策略甚至是挑选观众喜爱的导演、演员等方面。Netf lix在美国拥有2700万订阅用户, 在全世界拥有3300万订阅用户[4], 正是应用了大数据技术, 分析这些用户的对电影、电视剧的喜好, 使其能够比任何人、任何公司都清楚观众的兴趣所在。Netf lix使用大数据技术发现英剧版的《纸牌屋》非常受欢迎, 同时通过分析得出观众非常喜欢《社交网络》、《七宗罪》的导演David Fincher, 和老戏骨Kevin Spacey, 因此Netf lix提前支付了1亿美元买下新版《纸牌屋》的版权, 并邀请到David Fincher和Kevin Spacey的加入[5]。大数据成就了Netf lix的营销策略和购片策略, 《纸牌屋》一举成为在美国和全世界40多个国家最热播的在线美剧, 使得Netf lix成为使用大数据技术的最大赢家。

3.3开拓商业模式

大数据成功应用的背后是Netf lix以原创内容提供商为愿景, 实现从播出平台向内容制作方的转型。Netf lix开拓了独家原创内容商业模式, 使其在2013年第一季度用户数量升至2917万, 一举超过了HBO电视网。Netf lix对独家原创电视剧的商业策略的成功, 激发很多互联网媒体公司均开始尝试这种新的商业模式。而这种商业模式的改变必将影响电视节目的制作和经费运作, 挑战了传统电视剧提供商, 同时也将加深用户对传统电视节目与互联网视听节目的观看习惯的改变。

大数据在互联网视听产业中的应用给传统电视带来了严峻的考验, 用户可以通过互联网视频网站观看独家原创剧, 如青春偶像剧《爱情公寓》就是从互联网走上了传统电视荧幕的网络红剧。搜狐视频引进了美剧《纸牌屋》、爱奇艺引进了韩剧《来自星星的你》这些在传统银幕上无法看到的电视剧却在互联网视听业务中异常火爆, 使得网站、内容商、演员、导演、观众均在互联网视听业务上找到了共鸣, 实现了共赢。

大数据技术带来的精准化的内容生产与营销策略, 给缺乏统计数据、依赖行业经验的传统电视行业带来了一定冲击, 同时也应运而生了“网络孵化、电视播出”的跨屏联动策略, 而这些冲击与变革并不仅仅存在于互联网视听产业中, 其将影响未来大数据能够渗透的商业、经济、人文、教育等各个领域, 只有对大数据技术做到充分的认识, 才能在未来的冲击与变革中很好地应对可能出现的问题。

4总结

本文简要介绍了大数据的概念, 描述了大数据处理的基本流程, 重点针对大数据关键技术进行了分析, 并详细介绍了大数据技术在互联网视听产业中的应用、大数据给互联网视听产业带来的影响, 以及给传统电视带来的冲击。

笔者认为, 数据的庞大并不意味着其就是真正意义上的大数据, 写在磁带或磁盘上的数据其实没有任何意义, 只有将所有数据变成在线数据, 将数据进行分析、统计, 找到现实与数据完美的结合点, 找到数据的可利用价值, 并以此来对现实生活产生更加深远的影响才能称之为实现了大数据。

摘要：本文简要介绍了大数据的概念和大数据处理的基本流程, 重点针对大数据关键技术进行了分析, 详细介绍了大数据技术在互联网视听产业中的应用和带来的影响, 及给传统电视带来的冲击。

关键词：大数据技术,互联网视听业务,云计算

参考文献

[1]刘智慧, 张泉灵.大数据技术研究综述[J].浙江大学学报, 2014.02 Vol.48 2-16.

[2]孟小峰, 慈祥.大数据管理:概念、技术与挑战[J].计算机研究与发展, 2013, 50 (1) :146-169.

[3]Netl ix赌赢《纸牌屋》背后的秘密武器:大数据分析[OL].http://www.csdn.net/ar ticle/2013-04-24/2815026-NetflixHouse-of-Cards-Bigdata.

[4]Netl ix:一场数据逆袭战说明数据库价值[OL].http://it.people.com.cn/n/2013/0525/c1009-21611753.html.

5.审计中的大数据运用 篇五

一、审计前的数据库建设

(一) 现实依据

经济责任审计数据库之所以要在审计前建立, 就是为了把大量堆积需要突击完成的工作变成阶段性、分步实施的工作和经常性的监督工作, 从而弥补事后审计的不足, 有效解决重复审计的弊端。这样, 在审计机关接受委托开展经济责任审计工作时, 既能直接调用数据库资料, 又能集中人力和精力去解决其它重要问题, 避免重复审计减轻工作负担, 提高审计效率。

(二) 建设方法

针对经济责任审计的审计前数据库的建设, 要加强对审计对象的管理, 建立科学、完善的审计对象资料库。可以从以下四方面下手: (1) 数据库可以按照不同部门和企业建立, 要能容纳客观、公正、完整、准确丰富的信息。审计部门可以与当地组织部门进行协商, 请求其为审计部门适时提供纳入审计范围的各级领导干部信息, 包括现任职单位、起始时限、职务等, 在得到以上信息后, 审计机关可以着手建立起电子数据库, 及时掌握审计情况, 避免以往有些经济责任审计对象重复进行审计, 争取到主动权。 (2) 审计机关自身可以对近几年来开展的经济责任审计项目进行归类和整理, 建立起电子档案, 与上述电子数据库有机结合, 为下一步的审计项目制定提供重要依据。 (3) 要全方位、多层次、多角度的收集领导干部受托责任的相关信息数据。把各党政机关事业单位的详细资料, 比如内控制度、生产经营情况、会计报表、社会审计和审计机关审计结果等有关资料输入计算机数据库。及时掌握党政事业单位领导干部受托责任的履行状况和各项指标的变动情况, 找准履行受托责任中存在的问题和失控点。多方收集领导干部在正常业务交往中发生的接待、销售、投资、担保等数据, 同时集中关注领导干部在非正常业务往来中行贿、受贿关系。这方面涉及面广, 关系错综复杂, 信息较为隐蔽复杂, 数据往往更具有公信力和爆炸性可以为确定下一步审计工作范围和重点更好的服务。 (4) 数据的取得应按照审计档案管理的要求, 严格采用标准的档案用资料或有效的证据资料复印件, 并在形成后进行归集分类, 疏理清楚。先交由审计机关的经济责任审计机构统一保管, 有条件的可以微机存档、网络传送, 经济责任审计工作结束后, 再将相关的资料正式归档立卷。

二、数据库审计过程中的运用

(一) 利用数据库进行审计

在审计实施的过程中, 一方面, 要吸收系统论、信息论、控制论的思想, 充分运用数理统计的原理及其他自然科学的若干方法, 加强数理统计和抽样审计的研究推广工作, 使经济责任审计的抽样技术有科学的理论依据来指导审计人员的抽样审计、数据的归类以及审计底稿的记录、存档。另一方面, 要主动搜集相关信息为项目制定提供依据。运用数据库语言对被审计单位数据进行检索, 判断数据反映的经济行为是否符合法律法规的规定, 领导干部是否履行了自己的任内经济责任。在相关联的数据库中, 各类数据往往存在勾稽关系, 可以进行数据核对、验证, 而且方便快捷。对数据进行多维度、多层次的挖掘, 进行趋势分析、回归等手段及时发现可疑数据。在可疑数据的基础上, 对相关项目进行跟踪, 直到查出可能存在的问题。

(二) 分析指标的建立

借助计算机, 用数据库对经济责任审计进行检查、验证, 建立多维度的分析指标, 能够保证审计工作迅速完成。为了建立一套高效灵敏的数据库指标分析体系, 应遵循以下几个原则:一是规范性, 即指标应尽量与国际惯例接轨, 充分吸收国际上常用的分析指标;二是重要性, 即选择经济意义明确并对受托责任影响较重要的指标;三是综合性, 即要求分析指标具有高度的概括性;四是互补性, 即指标体系内各指标能相互联系和补充, 能客观全面地反映受托责任履行情况;五是特殊性, 指标设计必须符合实际情况, 体现一定的柔性原则。

反映在具体审计实务中, 分析指标应该是定性和定量相结合, 定量为主, 定性为辅, 来综合评价领导干部的经济责任履行情况。如会计信息真实合法效益性评价指标、固定资产增值保值指标、内部控制制度建立和执行的效度指标、经济事项执行指标、经济事项决策执行指标、重大资金分配评价指标、廉洁守纪指标等等。在审计实务的具体过程中, 充分利用数据库和相关分析指标等, 为下一步审计结束时从整体上把握审计结论的准确性、科学性做准备。

三、数据库在形成审计意见时的运用

数据库是将各被审单位有关的基本情况按照审计的要求进行整理、加工而形成和积累的审计历史资料。其既可供今后审计参考利用, 又可及时掌握了解各项审计决定的落实整改情况, 同时也可以通过总结经验, 不断改进审计方法, 更好地为审计事业服务。推进经济责任审计, 监督领导干部落实其经济责任, 有利于从源头上遏制腐败, 让审计真正发挥其免疫功能, 达到预警的效果。

审计机关在对各种数据进行分析、检索、取证、复核的基础上, 最终撰写审计报告, 草拟出审计意见书和审计决定。通过公开透明的渠道, 向社会公布审计意见。对审计中经常出现的相似问题可以做深入研究, 针对突出的问题, 建立问题案例库, 及时向社会公报出来。结合案例, 可以提高被审计单位对审计意见的重视程度, 切实改进内部控制, 及时的纠正和处理存在的突出问题, 形成长期的预警预防机制。预警机制可以在分析数据库的基础上建立不同的预警等级, 保证预警信息的及时有效。

四、基于数据库的预警体系建立

通过数据库的建设, 及时的运用审计结果, 针对一些突出和大型的问题要有一定的补救措施、方法和方案。其中应急措施主要是针对重大领导责任问题, 应该采用何种手段去规避, 控制事态进一步恶化;补救方法主要是如何采取有效措施尽可能减少损失, 将损失控制在一定的范围内;改进方案主要是如何改进领导干部受托责任管理中的薄弱环节, 杜绝和避免类似的问题再度发生。

可以在数据库的基础上实践, 建立起“蓝、橙、红”三色预警机制, 及时发现领导干部受托责任隐患, 遏制或减少贪污腐败的发生。建立“蓝色”职责提示。突出领导应该履行得职责, 加强源头预防, 确定风险部门和岗位, 构筑“蓝色”预警平台, 依照工作的特点和业务性质, 将热点部门或岗位作为蓝色岗位, 为每个蓝色职责部门和岗位制作警示牌, 在明确岗位职责的同时, 把受托责任通过定性和定量的指标予以分解, 这样能够强化和界定干部的责任, 起到警示的作用。“橙色”预警主要是针对过程监控, 实现事中防范。“橙色”预警信息来源数据库中的异常信息, 如相关指标严重偏离正常值, 某些数据异常大或异常小;同时从违法违纪案件查处, 内外部检查、信访投诉、政风行风评议等多种渠道采集预警信息, 保证数据库的全面客观、真实有效。由各相关部门适时发布“橙色”警报, 被预警单位及个人接到警报后, 及时查清问题并纠正按期答复。纪检、监察部门按时反馈警报结果, 提出预警建议。对于事实清楚, 未发现违规违纪行为的, 纪检、监察部门发出警报解除信息;对未能说明情况或事实不清需要进一步核实的, 不予解除, 有纪检监察和审计机关联合组织人员重新调查核实, 如有必要可对其进行经济责任审计;对明确存在违规违纪行为的, 转入“红色”预警, 进行问责追究。建立“红色”底线警戒。突出纠改并举, 筑牢事后防线。明确“红色”警示最后一道防线, 建立相关制度, 进一步明确红色预警事项和内容, 规定追究的形式、标准和要求, 形成细致严密的警戒线。真正形成一种长效的预防预警机制不仅推动我国经济责任审计的发展, 而且为我国构建长期的从源头上防止腐败, 考核选拔合格的领导干部发挥重大作用。

参考文献

[1]任成娟:《如何建立经济责任审计数据库》, 《审计文摘》2009年第1期。