统计学大数据分析范文

导语：想要提升您的写作水平，创作出令人难忘的文章？我们精心为您整理的5篇统计学大数据分析范例，将为您的写作提供有力的支持和灵感！

篇1

一、大数据与统计学

（一）大数据与统计学关系密切

简单来说，我们可以分为两个方面来理解大数据：若“大数据”作为形容词，则描述的是大数据时代数据的特点；若“大数据”作为名词，则体现的是数据科学研究的对象。对大数据的定义有非常多，不同领域不同专业对大数据的界定都会有些许不同。通俗地说：大数据是目前人类所有可抓取、可记录、可存储的信号集合。这个包含了一切信号的集合将非常非常之庞大、多样、繁杂，并且还在不停地、迅速地增加。现代互联网和信息技术的飞速发展，使得人类开始有能力收集、储存、分析、处理这些从前无能为力的数据，从中挖掘出有用的信息促进社会的发展。迈尔•舍恩伯格说：大数据发展的核心动力就是人类测量、记录和分析世界的渴望。而统计学正好是收集、整理、分析、解释数据并从数据中得出结论的科学。由此可见大数据与统计学关系密切，将大数据与统计学结合发展潜力无穷。

（二）大数据时代下的非结构化数据与结构化数据需整合

对接统计研究可根据自身的目的收集总体数据或样本数据，但如果总体太过庞大，以过去的技术方法来收集总体数据成本会很高，受于限制统计研究更多收集得是样本数据。如今，人类已经开始能够在合适的成本下获得大数据，大数据的广博给统计研究带来了新的发展方向。我们需要着重研究的一个方向就是如何将结构化数据和非结构化数据对接。大数据的核心是数据，统计学的研究对象也是数据，但是它们获得的数据性质有所不同：大数据收集的多是半结构化和非结构化的数据，通俗地理解，先获得数据，再整理结构（如声音、图片、视频等信息）；传统统计学收集则主要是结构化数据，先定好结构，再根据目标结构收集数据（如数字、符号等信息）。拿非结构化数据和结构化数据来说：大数据时代使得我们有更多可以分析利用的数据，使得统计研究不仅可以在有更多的结构化数据的情形下进行；对于一些领域的研究工作还可以设法将非结构化数据和结构化的数据结合起来分析。如何实现非结构化数据与结构化数据的结合？首先，完善非结构化数据的整合，然后我们可以用结构化数据做数量说明，非结构化数据加强描述；或是提高数据处理技术，实现结构化数据与非结构化数据的互相转化，选择能更好说明问题的数据形式作为后续分析基础。这都是值得再深入思考研究的新问题，而且这不仅仅是大数据和统计研究的事，同时需要计算机技术的一同创新发展。统计研究的范围在大数据时代越来越大，能用数据说明的问题越来越多。

（三）大数据时代下的相关分析与因果分析发展并重

《大数据时代》一书中表示：大数据时代的一个显著变化是：相关分析比因果分析更重要。我的看法是：大数据时代下，市场确实会对相关分析有着更强的关注度，但这并不意味着因果分析的重要性会有褪色。统计学中既有相关分析，也有因果分析，要对它们有合理的了解，首先需要明确的是相关关系和因果关系之间的联系，简单说：有相关关系不一定有因果关系，有因果关系则一定有相关关系。大数据时代，相关关系变得比以前更加为人所关注的原因：一方面，在很多领域的应用里，相关分析比因果分析更简单可行；另一方面，因为相关关系足以体现事物之间的一定联系，在商业效益上更为经济有效。因此在商业利润的推动下，相关关系也会更加受到青睐。但是我们不能就此否定因果关系的重要性，因果关系是对数据更加深度地分析：相关关系让我们知道了“是什么”，因果关系是让我们知道了“为什么”。倘若只是在商业经济上的利用和成本考虑，“是什么”在很多时候就以足够；但如果是在科学研究领域，“知其然而不知其所以然”就远远不够了。结合现实发展需要，可在分析确定相关关系后，根据情况研究因果关系，若能够得出因果关系，那肯定是更具价值和意义的。探求“为什么”始终是人类探索世界的动力,因果分析是人类永恒的使命。

二、结语

大数据时代的到来几乎对每个领域都有着不可忽视的影响。大数据与统计学关系密切，大数据的出现对统计学的意义是非凡的，我们应把握住大数据时代和统计学的可结合点。其一，完善非结构化数据的整合，深入研究如何实现非现结构化与结构化数据的对接，都需要我们思维上的创新、数据处理技术上的提高。其二，在注重相关分析的同时，不能丢掉对因果分析的研究，应合理并重，实现大数据的进一步利用，真正挖掘出数据的价值。对于以数据为研究对象的统计学科，大数据时代就是统计学变革创新的时代，统计研究工作人员也应把握机会思考创新，为统计学增添新的生命力。

参考文献：

[1]朱建平,张悦涵.大数据时代对传统统计学变革的思考[J].统计研究,2016(02):3-9.

篇2

【中图分类号】C81【文献标志码】A【文章编号】1673-1069（2020）06-0071-02

1引言

统计学作为企业经营管理的重要手段，在企业经营过程中统计工作是否落实到位，对于企业可持续发展目标的实现而言具有重要影响，尤其在当前多元化市场竞争环境下，企业规模化发展虽然推动了国民经济的进一步发展，但与此同时企业市场竞争也愈演愈烈，实现持续性经营，确保统计学应用效益的最大化，是目前推动产业可持续发展的重要战略基础。

2大数据时代内容的基本概述

简单来讲，所谓的“大数据”是指在当前信息化产业时代背景下，无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是互联网公司在日常运营中生成、累积的用户网络行为数据，是需要新处理模式才能有效处理的海量、高增长率和多样化信息资产。随着近年来信息技术的不断发展和广泛应用，“大数据”时代是“互联网+”技术应用下时代未来发展的趋势。就目前来看，与传统信息数据相比，大数据具有数据量大、数据多元以及数据价值高的显著特点，伴随城市化、工业化建设进程的不断加快，如何有效地对大数据进行处理，成为现阶段基层产业结构和相关主管部门的核心发展方向，也是促进企业进一步发展的重要基础。

数据实质上是存储于计算机内的各种信息集合，在当前全球化、市场化不断发展的新产业时代背景下，商业模式的巨大转变，在改变人们关注度的同时，也为企业的进一步发展奠定了良好基础，最终为企业预期发展目标的实现创造了良好条件。对于大数据的处理，倘若采取传统的处理技术，不仅难以达到预期的处理目标，更极易导致一系列其他问题的产生，最终对企业整体发展造成了极为不利的影响，为此在大数据发展的同时，技术领域也取得了显著突破，目前常见的管理技术主要有——数据仓库技术、数据安全技术、数据分析、数据挖掘和模型预测，其中，数据分析、数据挖掘与大数据关系最为密切。

3新形势下统计学存在的主要问题

3.1企业对于统计管理工作的重视度不足

在经济全球化和一体化建设进程不断加快的新市场经济常态下，企业规模和数量的不断增加，在加剧企业市场竞争力的同时，如何有效地提升企业工作质量和工作效率是现阶段企业的核心发展方向，但由于部分企业受传统发展以及管理理念根深蒂固的影响，企业管理和发展重心始终集中于企业经济效益，忽视了对统计管理的关注度，致使单位在统计管理工作方面的人力和物力投入不足，各项管理工作受到一定影响的同时，企业的整体发展也受到了一定影响。

3.2统计管理人员自身专业素养有待提高

统计管理人員作为统计管理工作的实践者，其自身专业能力和综合素养水平的高低，对于统计管理工作质量和工作效率具有重要影响，但随着当下统计管理工作量的增加，部分企业为满足人员配置需求，不断地降低人员选拔标准，导致聘用人员无论是专业能力还是综合素养都有待完善。作为一项专业、系统的管理工作，统计管理不仅要求管理人员拥有细心、踏实、耐心等基本素质，还要具备一定的计算机操作能力，但随着企业规模和数量的持续增加，统计管理人员身兼数职、待遇不高等问题的存在，导致管理人员自身专业能力有所欠缺，业务操作等方面也存在一定不足，最终对统计管理造成了极为不利的影响。

3.3数据库硬件设施、设备不完善

信息化产业时代背景下，“互联网+”技术的广泛应用，在便捷人们日常生活，提高企业生产效益的同时，将其应用到其他领域中，在一定程度上也为各单位的转型升级注入了新的发展动力。统计管理是企业管理作业的重要内容，在很大程度上数据管理库自身硬件设施、设备的完善度对于统计管理工作质量和效率具有直接影响，但对于某些偏远地区亦或经济发展相对缓慢的区域，统计管理设备、设施的落后性在影响现代化科技管理手段应用效益的同时，统计管理作业也始终未能得到突破性进展，企业发展也由此受到了一定影响。

4新形势下统计管理工作的创新策略探析

4.1加强对统计管理重要性的宣传力度，提高对统计管理工作的重视

统计管理作为企业管理的重要组成部分，其管理工作质量和工作效率对企业发展而言也具有一定影响，而为实现企业可持续发展的目标，确保统计管理工作落实到实处是极为必要的。通过上述分析可知，管理人员对于统计管理工作的不重视是影响统计管理工作效益的重要因素，为有效地改善当前管理现状，一方面基层产业机构需加大对统计管理重要性的宣传力度，在不断提高人们对于“统计学应用效益”高度认同的同时，为统计管理工作的顺利开展奠定良好基础。而另一方面企业还需加强对统计管理工作人员的教育力度，在不断增强统计管理人员工作责任感和使命感的基础上，为预期管理目标的实现创造良好条件。

4.2积极和有关大数据公司或机构进行合作

要想在大数据时代背景下进一步优化和提高统计管理工作，就必须将大数据有关技术和统计管理的实际工作紧密结合起来，因此必须解放思想，打破行业限制，积极寻求和有关大数据公司或者机构进行合作开发，开发出真正适合统计管理工作的大数据技术和工具，大数据无法使用单台计算机进行操作和处理，必须采用分布式架构技术等，其也必然和云计算的有关分布式处理、云存储以及虚拟技术等密不可分，因此统计管理必须要积极寻求多方合作，积极将大数据的有关技术引入统计管理的实际工作中去。

4.3不断优化和完善统计管理模式

在当前企业规模和数量持续增加的新产业时代背景下，数据的形成过程较为烦琐，且数量也较为庞大，为从根本上有效提高管理的科学性、高效性和有效性，不断地优化统计管理模式和管理手段也是极为必要的。通过大量调研数据分析可知，在进行统计管理过程中，信息技术的不断发展和传播渠道的日趋增多，在很大程度上为企业统计管理创造了良好条件，但由于部分企业在计算机信息技术应用过程中，未将现代化技术应用到电子统计管理中，导致管理信息化水平较低的同时，预期管理目标也难以实现，为有效地解决上述问题，将数据信息化纳入到工作日程中，为单位的数据管理部门配置专门的信息化设备，是现阶段提高统计管理信息化水平，促进企业进一步发展的重要战略手段。

4.4将各项统计管理工作细节落实到位

在统计管理作业过程中，从根本上有效地提高企业的经济效益、确保各项统计工作细节落实到位也是现阶段基层产业机构和相关主管部门的重要工作内容，换言之，在当前多元化市场竞争环境下，要想从根本上提升统计管理工作质量，提高企業整体的经济效益，以会计管理工作为中心，确保各项细节管理工作落实到位是十分必要的。要想确保管理工作效益的最大化发挥，提升企业经济效益，企业需将会计的发展目标与企业的发展方向相结合，在确保两者“统一性”的基础上，以会计管理工作为中心对企业经营进行系统化管理，最终为企业可持续发展目标的实现奠定良好基础。

4.5确保预算统计管理工作落实到位

篇3

一、引言

在现如今的社会，无论是干什么都离不开信息。小到穿衣吃饭，大到国防军事，每一样都需要信息才能完成。信息是一个名词，围绕着它有信息的产生、信息的处理加工、信息的传递、信息技术的发展等等的一系列环节。所以在现代社会信息就如同一个核心细胞，其他细胞的工作都是围绕它展开进行的。我们对信息一定要敏感而精准。

二、何为大数据时代

大数据最初是由麦肯锡公司所提出来的，它在物理、生物、化学、金融、通讯行业出现并存在已经有一段时日，但它真正为人们所熟知认识却是因为互联网行业的飞速发展。人们总是用它来表述现时代是一个信息爆炸、海量、共享的时代。现如今一个决策的出台不再是凭借昔日的经验和感觉，而是数据的收集、整理、处理、分析所得出的结论。这就表示了一个新的时代，也就是信息数据时代的到来，经济、商业、金融、贸易等多个领域，信息已经成为主宰。这就是大数据时代，也是信息的年代。

三、统计学专业基本概况

统计学，从名称来看貌似是一个新兴专业，其实不然，它是一门非常古老的学科。它最早始于希腊雅典的亚里士多德时代，距今已有两千多年的历史。统计学是通过对数据信息的搜索、整理、分析、描述，以达到窥测所测对象的本质的目的，它是预测对象未来性的一门综合性科学。运用到了大量的数学和其他学科的专业知识，它的使用范围几乎涵盖了社会科学和自然科学的各个领域。统计学家王见定的研究已经说明了数理统计学永远打不败社会统计学，所以在以后的发展道路上，将是社会统计学与数理统计学共存与互补共同前行的模式。

目前作为高校所开设的一门学科，统计学专业主要有一般统计、经济统计两类专业方向，它所培养的是具有良好的数学、经济学素养，熟练掌握统计学的基本理论和方法，熟练地运用计算机分析数据，在企业、事业单位、经济管理部门从事统计调查、统计信息管理、数量分析等开发、应用和管理工作，或在科研、教育部门从事研究和教学工作的专业型精英类人才。

四、如何很好发展大数据时代下的统计学专业

首先从上文的论述中我们可以得出以下结论：統计学的技术手段是，搜索、整理、分析、描述数据，它的目的是预测、推断检测对象的本质，它是一门综合性非常强的科学性学科。从它的使用广度上来看，它几乎覆盖了社会科学和自然科学的各个领域。所以统计学的“势力”非常大。

而统计学所依赖的基础则是数据，传统的统计学中数据的收集主要包括实验数据、调查数据以及各种途径收集到的第二次数据。但是在经过一段时期的实践后人们发现这种方法得到的数据经常会存在一定范围内的误差，这对样本的客观性是一个根本上的影响，同时样本选取结果产生影响，因此传统的数据收集方法很难适应统计学的飞速发展的需要。从这个层面上来说，大数据的出现是科学发展到一定阶段的必然结果。因此大数据的产生和统计学的发展有着密不可分的关系。从另一面来看大数据的出现也是统计学中的核心环节实现，也就是数据的采集实现了大幅度的跨越。大数据时代的到来意味着检测对象的任何数据都能应用到统计过程中，打破了数据采集处理的局限性，再加上精准、合理的统计处理方法，使得统计结果将更具有代表性和说服力。

同时大数据、统计学、云计算技术三者的强强联合，预计未来的统计学势必会发生革命性的变革。大数据将对未来产生深刻影响，目前可以预见的统计学未来发展的前景有以下两个关键的点：第一点是在数据中科学性将和数据本身形成联盟。数据科学独立门户成为一门专门的学科势不可挡，数据的重要性不言而喻。统计学也将乘浪前行迎来新的发展的奇迹。对于数据平台，也将实现跨领域共享，最终将数据的共享扩展到企业层面，成为未来产业的一员。第二点则是数据的管理处理的竞争力大大增强，数据管理成为企业竞争力中的核心竞争力，直接关乎财务表现。数据资产是一个企业的核心资产，这个理念会逐步深入人心。之后，企业对于数据管理便有了更加精准的定位，企业就会将数据管理作为企业核心竞争力，持续发展，战略性规划与运用数据资产。数据资产管理效率与主营业务收入增长率、销售收入增长率显著正相关。届时，统计学的相关知识将会有大作为，每一位统计学专业的学生的就业前景将是不可估量的。统计学的发展前景也是一片大好，大数据、云计算、统计学三者则是珠联璧合，我国乃至全世界的信息技术又会迎来新的浪潮，并且是一浪高过一浪，让我们拭目以待。

五、结束语

本文就大数据，统计学二者的定义、概念首先做了介绍。其次是对统计学和大数据包括云计算在内的联合后的优势，以及未来的发展前景做了合理的分析与预测。数据时代已经起航，我们每一个人万万不可落后，我们要追赶信息技术的时代潮流，乘风破浪，迎难而上。为我国信息技术的发展增砖添瓦，为实现自我的价值奋斗不息。

参考文献： 

[1] 薛艳.大数据时代统计学专业教学体系的改革[J].教育教学论坛，2015（4）：110-111. 

[2] 周茂袁.大数据时代统计学专业教学改革的初步探索[J].教育教学论坛，2015（35）：105-106. 

篇4

中图分类号：G258.6 文献标识码：A 文章编号：2095-5707（2017）01-0040-07

Abstract： Objective To provide references for the resources construction of university libraries， business process optimization， user behavior research， and reader service improvement. Methods Excel 2010 was used to analyse the circulation data of 2013-2015 undergraduate， graduate students， international students， teachers and other readers from the Aleph 500 automated management system. Results In 2013-2015， there were downward trends of the numbers of visitors and the borrowed books. The numbers of borrowed books were more prominent in March and September. Lending period presented 10：00， 16：00， 18：00 and 20：00 four peaks. Book categories mainly focused on R， I， H， and so on. There were obvious regularities of borrowing preferences of students of various subjects. Conclusion Libraries of medical colleges and universities can increase self-service publicity， adjust human resources according to the borrowing situation， strengthen the construction of library resources， and pay attention to the reconstruction of the space and the arrangement of the environment.

Key words： Capital Medical University； libraries； circulation； data analysis； reader services

流通借阅是高校图书馆开展的基本业务之一，流通借阅数据分析是图书馆文献资源建设、业务流程优化、用户行为研究、读者服务提升的重要依据。随着网络技术对人们阅读行为的改变，图书馆已经从知识收藏中心向学习中心转变。各高校图书馆越来越重视对流通借阅数据的分析挖掘，通过对借阅率与学生学习状态相关性分析、探索用户利用图书馆馆藏资源现状，挖掘用户行为，提出相应的服务对策[1-9]。本文通过对首都医科大学各类型读者在图书馆中产生的流通借阅数据进行深度分析，力图为图书馆文献资源建设、用户服务和空间利用提供参考依据，充分发挥图书馆的文献保障与学习支持功能。

1 资料与方法

以首都医科大学2013-2015年的本科生、研究生、留学生、教师等各类型读者产生的流通借阅数据为研究对象，数据均来自首都医科大学图书馆使用的Aleph500自动化管理系统，应用Excel 2010统计分析读者到馆情况、借阅率、阅读偏好等。

2 结果

2.1 到馆情况

首都医科大学图书馆2013-2015年读者到馆及借阅情况如表1。整体上，到馆次数2013年最高，2014年各月份均出现大幅下降，2015年有所回升，但仍低于2013年；借阅人数各年度和月份变化较到馆情况变化相对较小。可以看出各年份、各月份到馆借阅率均低于7%，2014年9月最高为6.99%，3年的平均到馆借阅率为2.84%。

2.2 借阅情况

图1所示为首都医科大学图书馆2013-2015年每年1～12月份的借阅册数情况，可以看出每年的借阅情况逐月分布情况较为规律，通常每年2月、8月为寒暑假时间，借阅量较低，3月、9月为开学初，借阅量明显较大，紧接着又呈现逐月下降的趋势。2013-2015年借阅量逐年递减。2013、2014年借阅量分别为53 651、40 198册，下降25.08%；2015年借阅量为36 253册，相对2014年下降9.81%。3年的到馆人均借阅册数分别为4.54、4.15和4.06册，均呈逐年下降趋势。2015年3月、9月时间段的借阅量尤其突出。

图2为2013-2015年各时段12个月份的平均值，整体上分时段借阅量有4个波峰，分别在10：00、16：00、18：00和20：00左右出现。其中16：00的波峰最明显，相应的借阅量最多；其次是上午10：00、晚上18：00和20：00；晚间的借阅量比上午11：00-14：00之间的借阅量还要高。

依照《中国图书馆分类法》22基本大类对首都医科大学图书借阅量进行统计，结果如表2所示。可以看出2015年占借阅总量排名前三的类分别是R类占42.97%、I类占20.84%、H类占9.22%，前三类占总量的74.03%；其次是Q类4.55%、O类4.04%、T类4.04%、K类3.77%、B类3.72%、C类1.53%；其余均低于1%；借阅量高于4%的前6类占阅读总量的85.66%。

各类图书占本类馆藏百分比可以用来衡量某类图书的利用率。表2可以看出I类借阅量占本类馆藏百分比为12.95%，此类图书利用率最高；其后依次是Q、B、J各占本类馆藏百分比分别为7.63%、7.36%、7.02%；后面依次是R、C、H、K、O、P借阅量占各类馆藏百分比在5.26%～6.77%之间；其余均低于5%。

表3详细分析2015年各月份各类图书借阅量，各个月份的22基本大类情况趋于一致，R（医药、卫生）、I（文学）、H（语言、文字）等3类图书借阅量明显较多，其次是Q（生物科学）、O（数理科学和化学）、T（工业技术）、B（哲学）等4类。9月份为借阅高峰，各类图书的借阅量都高于其他月份，其次是3月份也相对较多，3月份和9月份借阅量分别为6200、6380册；2月份及8月份寒暑假期间，借阅量均低于200册；7月份有一半时间是暑期，借阅量为1760册，比正常月份稍低；其余月份均在2000～4000册之间。

表4列出了2013-2015年的外借次数排名前20位的二级类目。可以看出2013-2015年3年借阅量排名前5位均为中国文学、基础医学、常用外国语、中国医学、临床医学；6、7位为预防医学及卫生学、内科学，但排名稍有变化；其后是欧洲各国文学、自动化技术及计算机技术、外科学、药学、美洲各国文学、心理学、亚洲各国文学、化学、神经病学与精神病学类目，排名各年份稍有化；其余是中国人物传记、分子生物学、数学、法律、中国史类目。整体上来看排名前20位的二级类目2013-2015年变化不大。

2.3 各学科学生借阅偏好

由于系统内部不能获取研究生、博士生的具体学科类别，仅选择2015年本科生各学科借阅图书排名前10位的二级类目，然后综合各学科前10位的二级类目，共得到口腔、临床医学、中药学等12个学科30个二级类目的借阅情况（见表5）。

可以看出各学科学生借阅图书有一定共性，同时也非常有学科特色。横向来看，基础医学、中国文学和常用外国语是所有学科的学生借阅量都比较大的二级类目。纵向来看，临床医学学科学生人数总体较多，呈现出借阅量整体较高的情况，所借图书的学科范围也最广泛，包含各国文学、常用外国语、中国哲学、心理学社科类；基础医学、临床医学、中国医学、内科学、外科学、神经病学与精神病学医学各科、自动化技术及计算机技术等。中国文学、常用外国语这2个二级类目在各专业借阅量都在排在前10位，除此之外，中药专业学生侧重中国医学、基础医学、化学、药学二级类目；护理学专业的学生侧重临床医学、基础医学；公共事业管理学科的读者侧重预防医学和卫生学、自动化技术及计算机技术、心理学；中医学专业侧重中国医学、基础医学、心理学；生物医学工程学科的读者相对更关注自动化技术及计算机技术、数学、无线电电子学及电信技术；药学专业的学生侧重化学、药学、心理学；基础医学侧重基础医学和各国文学；康复治疗专业学生侧重基础医学、临床医学和心理学；法学专业学生侧重法律及预防医学和卫生学；儿科学生较多关注基础医学、内科学、药学、心理学。

3 讨论

综合分析2013-2015年首都医科大学图书馆各类型读者的流通借阅数据，可以看出到馆人次及借阅数量呈逐年下降趋势，借阅的月份、时段、图书类别及各学科学生借阅偏好具有明显的规律性。基于2013-2015年流通借阅数据的分析，高校图书馆应采取以下措施，更好地服务读者，提升服务质量。

3.1 加大自助服务宣传

自助服务指在一定的条件下根据用户的阅读兴趣、需要偏好来完成的书目查询、藏书借阅、资料检索、文献复印、学习空间使用等活动，从而实现自主服务的一种读者服务方式[10]，北京大学、清华大学、上海交通大学、厦门理工学院乃至国外高校图书馆都在不断探索自助服务新方式[11-15]。自助服务逐渐成为流通借阅服务的主流服务方式。我馆统计数据表明，自助借阅服务占所有借阅量的60%以上，可以继续加大自主服务宣传，培养读者自主服务方式，提倡师生自主完成图书借还服务。

3.2 根据到馆借阅情况调整人力资源

传统的老馆舍由于要开设不同的阅览借阅室，人员尤显不足，根据到馆人数、借阅数据，在借阅高峰如每学期开学之初，加大人力投入，每天的10：00，16：00，18：00，20：00几个借阅高峰时段适当增加一线流通人员数量，保证服务质量，非借阅高峰可以适当缩减人员。

3.3 加强馆藏资源建设

除了保证医学特色资源建设以外，适当增加文学、生物科学、哲学、艺术等类图书，与院系紧密集合，针对不同的专业学科适当补充各学科个性化需求。加大电子资源的使用宣传。提供读者来馆随时荐购、书展现场采购、学科馆员推送、微信、网站等多渠道荐购图书。

3.4 注重馆舍空间改造

读者来图书馆，很大程度上是利用馆舍空间环境，所以传统图书馆的馆舍空间改造，人文环境优化尤为重要。首都医科大学图书馆设立了研究生自习室、研讨室等，并进一步细化阅览室学科功能，如我馆2009年成立了外文图书阅览室，使用馆员自创的作品装饰优化内部装饰、提升人文气息，现已成为吸引读者休闲阅读的重要场所。2015年9月成立了社会科学阅览室，收藏A～G类图书，促进社科图书的管理流通，自开通以来，借阅量较之混杂在自然科学大书库一起流通时有了显著提高。

4 小结

在大数据环境下，对于图书流通借阅数据进行有效的分析，能够为图书馆改善提升服务质量，深度挖掘用户行为，揭示其潜在的规律，为图书馆科学管理、资源建设和学科服务提供依据与参考。图书馆服务应结合用户统一认证系统、电子资源访问情况对借阅数据进一步挖掘，充分发挥图书馆的信息保障与学习支持作用，丰富图书馆的馆藏资源，优化图书馆空间环境，提高图书馆资源的利用率，有针对性地对不同学科的读者开展个性化服务，为图书馆科学管理提供事实依据。

参考文献

[1] 乔慧君，周筠B.高校图书馆借阅率与学生学习状态关系研究[J].大学图书馆学报，2015，33（1）：55-60，50.

[2] 郑毅，叶翎，杨峰.医学院校图书馆中文图书利用率分析[J].医学信息学杂志，2010，31（12）：82-85.

[3] 杨军花，聂江城，王刚.用户利用高校图书馆馆藏资源分析及对策研究――以南开大学图书馆借阅统计为例[J].图书馆工作与研究， 2011（5）：66-70.

[4] 牛玉兰，王德强.医院图书馆读者借阅统计分析及其对策[J].医学信息学杂志，2008（2）：53-55.

[5] 姬曼姝.高校D书馆流通借阅现状的统计分析――以内蒙古师范大学图书馆为例[J].图书情报工作，2013，57（S1）：178-181.

[6] 何祯，司徒俊峰.高校图书馆“借阅无限量”的实践与思考――以中山大学图书馆为例[J].大学图书馆学报，2015（4）：14-18.

[7] 陈进，刘宝杰.从未被借阅图书数据分析医科大学图书馆LIB2.0的应用[J].医学信息学杂志，2009，30（9）：76-78.

[8] 陈娟，洪丹.基于Logistic模型的高校图书馆用户借阅影响因素分析[J].情报科学，2013，31（3）：96-101.

[9] 韦耘耕.从图书馆流通数据分析读者阅读倾向及馆藏结构[J].医学信息学杂志，2010，31（2）：75-78.

[10] 陈武，姜爱蓉.构建以自助服务为导向的现代图书馆[J].大学图书馆学报，2013（3）：93-96.

[11] 高桂英，黄涛，聂华.图书馆自助服务的个性化应用――北京大学图书馆的实践与经验[J].大学图书馆学报，2011（4）：77-80，121.

[12] 邢卓媛，孙翌，曲建峰.多终端环境下图书馆实体场馆自助服务的设计与实践――以上海交通大学图书馆为例[J].图书馆工作与研究， 2016（4）：45-51.

[13] 凌宇飞.高校图书馆自助服务现状研究及发展策略[J].图书情报导刊，2016，1（5）：62，156.

[14] 施航海，苏文辉.图书馆一站式自助离馆服务系统构建――以厦门理工学院图书馆为例[J].图书馆学研究，2016（16）：65-69.

篇5

一、SPSS统计软件特性分析

（一）SPSS统计软件应用范围

SPSS（Statistical Product and Service Solutions），是一种“统计产品与服务解决方案”软件。开始时它的全称为“社会科学统计软件包”，但最后被命名为“统计产品与服务解决方案”。它最初用于统计学分析运算、数据挖掘、预测分析和决策支持任务，有Windows和Mac OS X等版本。后来随着SPSS公司对这款软件的更新与改进，它的应用范围也逐渐扩大起来，它在自然科学、技术科学和社会科学等方面都有涉及，并且都收到使用者的好评。世界上许多著名的杂志报刊都对SPSS统计软件的各方面功能做出了很高的评价。

（二）运用SPSS统计软件的实例分析

某高校要对大学生党员素质进行评价，以便于对发展和培养当代大学生的工作实践。他们首先选取了“道德品行”“政治素养”“学习能力”“工作能力”“心理素养”这五个方面对大学生党员素质进行评价，然后要求被调查者根据自己对党员的要求来判断学生党员是否能做到其中一点。其中1表示“非常不同意”、2表示“不同意”、3表示“不能确定”、4表示“同意”、5表示“非常同意”。从发出的300份卷中筛选出有效的188份，然后用SPPS统计软件对分卷信度用克隆巴赫系数测量，该系数表示的是问卷调查结果总变异中由不同被调查者导致的比例占多少，整个问卷和各个子问卷的克隆巴赫系数如下表所示：

为了验证所获得数据的有效性，该试验还进行了Bartlett’s Test和KMO指标验证。Bartlett’s Test检验的sig为0.000说明参与分析的数据来自正态分布的总整体，而KMO的取值在0到1之间，所得到的值越接近1，表明这些变量对因子分析的效果越好，这些因素很好的解释了大学生优秀党员应当从什么地方开始培养，而SPSS统计软件则是验证了这些因素的有效性和可信度，为大学生党员的培养工作提供科学依据。

二、大学生职业素质评价模型构建

（一）大学生素质评价模型研究背景

随着时代的前进和科学技术的发展，现代年轻人的思维也追上了时代的最前端。步入大学殿堂的“90后”一代年轻人，他们追求自我和个性的特点越来越显著，教育工作者对大学生职业素质的培养与分析也遇到了挑战。如何根据大学生的特点来构建素质评价模型是新一代教育工作者需要考虑的问题。

（二）SPSS统计软件对大学生职业素质评价模型构建的作用

对大学生职业素质评价要从学习能力、工作能力、政治思想、心理素质四个因素考虑，这四个因素涵盖了大学生的外在处事能力和内部思想，是对一个人的综合职业素质比较全面的评价。大学生的职业素质评价模型由这四个因素构成。运用SPSS统计软件对这几个因素进行分析，可以看出这些因素对职业素质评价所占比重的大小，然后根据各个因素所占的比重构建大学生职业素质评价模型，得出科学的评价方法和评价重点。

（三）SPSS软件对大学生职业素质评价情况分析

运用SPSS统计软件对大学生职业素质进行数据统计分析，可以了解到我国当代大学生需要培养的职业素质，也可以看出在校大学生对自身优秀职业素质的期盼和要求。大学生的职业素质涵盖了学习、工作、政治、心理等四大方面，以大学的具体生活为基础，由校园小范围扩大到社会这个大范围，具有很强的现实指导意义。运用SPSS统计软件，可以得出大学生职业素质评价的重点，让大学生充分了解到自己达标和不达标的地方，加以改正。

三、结论

对大学生的职业素质进行评价是大学生发展阶段中的必要条件。大学教育的目的在于让大学生成长和发展，让他们掌握更多的知识技能，认清自己与社会外界的关系，有助于自己以后的工作和生活。而在SPSS统计软件的分析下，可以看到大学生的职业道德素质由多种原因共同决定，因此我们可以知道，只有多方面的对大学生进行教育，才能使大学生形成良好的职业道德素质，做一个对社会、对国家有用的人。