時間：2023-08-01 16:55:28
序論：在您撰寫數據分析的前景時，參考他人的優秀作品可以開闊視野，小編為您整理的7篇范文，希望這些建議能夠激發您的創作熱情，引導您走向新的創作高度。
關鍵詞：數據挖掘技術；數據倉庫技術；應用；發展前景；分析
中圖分類號：TP311.13 文獻標識碼：A 文章編號：1674-7712 （2013） 12-0000-02
隨著決策理論、計算機技術、人工智能、信息技術等各項先進技術的出現與發展，決策支持系統作為電子數據處理系統也有了得到了較快的發展。為了滿足決策支持系統的發展需要，數據挖掘與數據倉庫技術應運而生?？梢哉f數據倉庫與數據挖掘技術是建立在關系數據庫、處理分布式技術以及網絡技術的基礎上而不斷發展起來的，它能夠通過分散的易購環境來解決數據源，并得到準確可靠的信息。要想解決信息技術在發展中的問題，就需要擁有大量的、準確可靠的信息。此時數據挖掘與數據倉庫技術就發揮著非常重要的作用。以下就這兩項技術的應用與發展前景進行分析。
一、 數據挖掘技術的概述
（一）數據挖掘技術的含義
所謂數據挖掘及時也就是在數據庫中獲得最有效的、潛在有用的、最有價值的以及最后能夠被理解的模式的一種過程，從簡單的含義來講，數據挖掘技術也就是在大量的數據中獲取更加有用的知識。它主要是建立在機器學習、模式識別等領域上發展起來的，并受到人們的廣泛關注與青睞。在數據挖掘及時當中，數據分析是一項非常重要的技術，其中最為常見的分析方法有領悟式分析、相關關系分析、聚類分析等。其中聚類分析是最重要的一種分析方法。數據挖掘技術主要是為了滿足用戶的需要，將數據庫當中的知識信息按照某種規律排列并提取出來的一項技術。在數據挖掘與分析的過程中，采用聚類分析法可以將含有一些主觀因素的信息準確無誤的傳達給用戶，滿足用戶的需要。
與傳統支持查詢為主的事務性操作數據庫有著本質區別，具備以下四個特征：（1）面向主題。主題是一個抽象的概念?；谥黝}組織的數據，根據領域的邏輯內涵，分為獨立的領域，互不交叉，并形成相應的數據視圖，匯總表等，因此適于聯機分析處理（OLAP）。（2）集成化。當數據從面向應用提取到數據倉庫時，由于命名沖突、數據結構轉換等的沖突，需要對原有數據進行抽取、清理、加工，形成一致的命名、變量度量、編碼結構、物理屬性等。（3）非違約性。由于數據倉庫中的數據是歷史數據，當數據集成到數據倉庫后，不需要更改。僅限于裝數據和訪問數據；并不存在數據恢復，數據同步，修復死鎖等復雜問題。（4）時變性。出于決策的需要，數據倉庫中的數據需要標明時間參數，并隨時間不斷變化，即隨著時間變化，不斷有新的數據內容添加；不斷導出和刪除沒用的數據內容；不斷地重新綜合數據。
（二）數據挖掘技術的具體步驟
在實際工作中，為了滿足用戶的需要，我們需要將數據挖掘技術運用在實際工作中，其主要工作流程為：首先需要對某一個問題進行定義；其次需要進行數據準備，并對一些數據進行預處理，了解其范圍；再次，需要對數據庫采取挖掘技術，獲得需要的信息；最后，對獲取的結果進行評估與解釋、從狹義的角度來講，數據挖掘也可以被定義為數據挖掘算法，它只是整個過程中的某一個步驟而已。
（三）數據挖掘技術的應用與發展前景
在實際工作中，數據挖掘技術所涉及到的理論知識有很多歌方面，其中主要包括模式發現構架、規則發現構架、微觀經濟學觀點、基本概率和統計理論、基本數據壓縮理論以及基于鬼馬數據可理論等。其中模式發現構架也就是在整個源數據庫當中發現只是模式的一個過程；規則發現構架也就是將去啊覺的信息與目標分為幾個方面進行處理，以此來發現其中所蘊含的規則；基本概率和統計理論也就是將知識在一個源數據庫當中通過概率進行隨機分布的一個過程；微觀經濟學觀點的存在主要是為了優化數據挖掘技術；基本數據壓縮理論也就是需要將其當作壓縮數據的一門技術；而基于歸納數據庫理論也就是將數據挖掘技術當中一個對數據庫的歸納方面。
在實際工作中，數據挖掘技術是近年來發展起來的一門新的技術，企業的快速發展、商業利益的不斷強大會對其起到強烈的推動作用。根據統計，每年都會有新的數據挖掘方法與模型出現，越來越多的研究者也投入了該方面的研究。但是在其過程中，也有很多亟需解決的問題，例如數據挖掘方法的效率問題等。
二、 數據倉庫技術的概述
（一）數據倉庫技術的含義
隨著社會的發展以及技術水平的不斷提高，數據倉庫技術也得到了飛速的發展。數據倉庫技術主要是講數據庫中大量的數據通過整理分類，并將其貴納入一個中央倉庫當中，此時中央倉庫可以對這些數據進行深入分析，最后滿足用戶的需要，以此支持管理者的決策。事實上，數據倉庫屬于一個整合式的、面向主題的一個數據整合，具有歷史性與只讀性的特點，它的主要目的也就是為了給企業管理者提供依據，以供他們決策。與數據挖掘技術相比，數據倉庫技術可以使用戶在很短的時間內從大量的數據庫當中獲得所需要的數據，而數據挖掘技術知識將數據庫中有價值的信息挖掘出來?？偠灾?，數據倉庫技術的運用使我們以全新的視角來認識數據的價值，使其充分發揮作用。
（二）數據倉庫技術的組織形式
數據倉庫技術是數據存儲組織形式中的一項技術，根據其優先級別可以將數據倉庫中所收錄的數據分為四個層次，即：高度綜合級、中度綜合級、當前基本數據級以及歷史數據級。在實際工作中，我們可以在多個數據庫當中對一些原有的數據進行綜合整理，使之進入當前基本數據級；在按照決策者的輔助決策來將數據進入到綜合數據級中，經過實踐的推移，這些原始的數據就會進入到歷史數據級。不管是哪一級的數據，他們都是由元數據庫進行組織并管理。所謂元數據庫也就是對某一項數據進行闡釋的其他數據，可以說是數據的字典。在數據倉庫的基礎上，我們可以將元數據庫分為兩個方面，由數據倉庫的管理人員所操作的技術數據，技術數據是在數據環境由操作型向數據倉庫轉變的過程中所創建的，其內容為數據庫端的源數據信息，包括了源數據名、屬性和數據倉庫中對應的轉換數據，這些數據是管理員在數據倉庫維護時明確數據信息的來源和位置的依據；用戶與數據倉庫之間采用的多維度商業模型中建立的客戶端與服務器端的源數據映射，是由數據倉庫用戶使用的業務數據。這種業務數據能夠提供給用戶端直接的訪問信息，而不必通過對數據庫底層的開發技術進行了解。業務數據信息在業務運行過程中產生的與實際業務相關的數據，常用來開發決策支持工具。
（三）數據倉庫技術的應用
將瀏覽器-服務器與客戶機-瀏覽器兩種應用模式有機結合而形成的一種應用模式也就是數據倉庫技術在社會中的應用。數據倉庫的客戶端具有數據查詢、交易、結果生成、報表形成等各種功能，而數據倉庫的服務器就會向決策者提供相應的輔助服務，例如數據庫的查詢等。目前，在社會當中數據倉庫技術應用最為普遍的形式是三層結構形式，也就是在客戶機與服務器之間設置一個多維度的數據分析服務器，它的所用主要是為了規范與強化決策信息，并對兩者之間的數據進行簡化并處理，在整個過程中，它能夠有效的減少數據傳輸的量，提高整個數據倉庫的運行效率。
（四）數據倉庫的發展前景。
近年來，隨著社會的發展以及技術水平的提高，數據倉庫技術也得到了飛躍的發展，并在社會的各個領域當中得到了廣泛的關注與應用，在現代化、信息化的企業中充分發揮了該項技術的功能。數據倉庫技術并不是將企業的數據庫所代替，而是輔助數據庫充分發揮其功能。數據倉庫技術不僅能夠滿足用戶的基本需求，還可以服務于高層領導者的決策，在領導者決策的過程中，數據倉庫技術能夠向他們提供更多豐富的信息資源，并對這些數據信息進行深入的分析，從而保證領導者的決策。但是從另一個方面來講，正因為數據倉庫技術的服務質量非常高，這就給數據倉庫的建立加大的難度，即使數據倉庫建立完畢，后期的維修與保養也必會造成更大的經濟成本。
三、結束語
近年來，數據挖掘與數據倉庫技術在我國得到了飛躍的發展，各個研究者也開始投入到該項目的研究當中，并取得了不錯的成果。這兩項技術在企業的信息處理當中發揮著非常重要的作用。隨著社會的發展，數據挖掘與數據倉庫技術在社會各個領域當中得到了廣泛的應用，例如保險行業、營銷行業、保健行業等領域當中用。隨著各種計算機技術，如數據模型、數據庫技術和應用開發技術的不斷進步，數據挖掘技術和數據倉庫技術也必將不斷發展，以更科學優化的算法為各個領域提供數據分析的重要服務。
參考文獻：
[1]張昀.數據挖掘技術研究[J].軟件導刊，2009，9.
[2]劉志民.企業數據倉庫的設計與實現[J].硅谷，2008，14：39-40.
大數據是信息技術快速發展的產物，其對教育系統能夠產生深遠的影響。以數據的形式呈現教育給教育領域帶來了一次革新。在大數據模式之下，可以分析學生學習行為和變化的內在聯系性，可以有效的挖掘教育領域更加深層次的問題。進入新世紀第一個十年間，大數據這個名詞的出現為教育領域帶來了全新的模式和挑戰。學校在辦學過程中，擁有了越來越多真實的、有用的、有價值的海量數據信息。這些強大的數據資源可以為教育發展提供強有力的智力支持和數據分析，在教育系統中大數據的應用具有強大的教育工具價值和時代意義。而積極探索將大數據如何應用到教育系統中，是需要我們重點思考的一個問題。
一、國外教育系統應用大數據的現狀分析
大數據應用到教育系統中，能夠對學生從小學到大學各個時期的學習行為、考試成績以及職業規劃進行詳細的關聯分析和研究。在國外很多這樣的數據信息已經被國外政府機構完好的保存起來，用于今后的統計和分析?，F階段，大數據分析已經被應用到發達國家像美國、日本等國家的公共教育系統中，其成為了促進本國教育系統改革的重要信息基礎。為了順應時展的步伐，美國政府部門在2012年投入一項花費2億美元的公共教育大數據計劃，通過這個項目美國政府希望能夠對美國的教育體系進行完善和改革。進入新世紀以后，在美國的教育系統中，逐漸興起了一股在線教育的潮流，通過這種教育哈弗和麻省理工大學可以收集大量的數據，從而更好的研究世界各地各個國家的教學模式和學習行為，從而打造出適合不同國家學生學習的在線教育平臺。通過記錄學習者鼠標的點擊數量，可以對學習者的學習行為和學習軌跡進行研究，發現不同類型的學習者對不同知識點的反應情況，用多少時間去學習，哪些知識點需要重復講解或者強調，哪些學習工具和學習方式能夠提高學生的學習效率。在追蹤個人學習數據時，雖然是雜亂無序的，但是當很多人的數據收集到一定程度之后，群體行為就會在數據中呈現出一種規律，通過分析這些數據的內在聯系性，在未來在線教育平臺建設過程中才能彌補沒有教師面對面交流指導存在的不足，提高知識傳播的針對性，比如知識對受教者的投放強度、進度、反饋等。
二、大數據在教育領域應用的前景分析
1.利用大數據研究學生行為和變化內在的聯系性
通過目前各類已廣泛使用的教育信息系統途徑，學生的行為會被各種數據所自動保留，例如學生在學校的時間、按時上課的情況、課堂聽講是否積極主動。在應用過程中以互聯網技術和云計算等綜合技術為基礎，在對學生管理過程中，從數據庫中尋找有價值的數據信息，經過全過程性和綜合性分析，找到學生與知識之間存在的內在聯系性，分析背后隱藏的邏輯關系，并做出合適的教學決策。在學校中積極應用計算機技術和智能通信設備保障了學生和家庭、學生和教師、學生和社會之間的溝通和交流。在大數據背景下，學生在學校的各種表現都可以用數據形式真真切切的反應出來。其能夠表現當下學生的行為表現。一方面，可以通過學生之間的行為變化發現內在的聯系性。一方面，大數據時代可以顯示學生的歷史行為，各種數據表單都能夠記錄下來。通過這些數據我們可以發現學生的學習興趣，特長愛好等因素。另一方面，大數據可以通過云計算反應學生的變化趨勢。學生的變化通常情況下都是不是很明顯，只有當學生出現問題之后，才能發現，而數據從開始到結束是有時間差的，這樣就可以通過數據提早發現學生的變化，避免產生不良的結果。
2.利用大數據挖掘學生內在特征
傳統教學模式通常都以學生的考試成績判斷學生是否優秀，忽視了學生自主發展的空間。例如兩個學生在物理考試中都取得了90分的成績，從表面上看兩個學生的分數是一樣的，但是通過大數據分析可以發現，一個學生在學習過程中主要依靠的是思維能力，而另一個學生主要靠死記硬背取得高分，結果相同，但是過程明顯不同，在未來這兩個的人個各自的發展也不盡相同，其中以邏輯思維能力學習的學生，在今后的學習中能夠更加順暢，發展更加長遠。而憑借記憶取得好成績的學生思維能力不足，對今后的學習十分不利。相同的結果不一定具備相同的知識結構，成績會掩蓋一些不足的地方，會影響學生全面發展，而大數據能夠反映學生階段性的自我認知，對個人成長具有指導性作用，幫助學生彌補能力方面的不足，能夠更加全面的反應學生在發展過程中存在的問題和風險。
幾乎是所有的企業在生產經營過程中，均會形成各式各樣的數據、資料，通過對這些大量的數據、資料展開深入的研究所獲得的數據分析報告，在企業經營管理中可發揮十分重要的意義與作用。數據分析指的是通過科學的統計方法就收集的詳細的數據、資料展開研究分析，以對數據、資料相關功能進行盡可能的挖掘開發，發揮數據的顯著作用，即數據分析是一個為了獲取可利用信息和產生結論而就數據、資料展開研究、分析的過程。數據分析的目的是挖掘提煉出眾多看似錯綜復雜的數據資料潛在的有利信息，以歸納出分析事情的客觀規律。由此可見，做好數據分析工作，對于促進企業的發展、提升企業經營管理能力，有著十分重要的現實意義與實質作用。
1.數據分析在企業經營管理中的意義
1.1支持營銷運營管理
基于數據分析、數據挖掘方法的支持，在過去傳統數據社會，一部分較為先進的企業便已經能夠一定程度地達到洞察力促進科學規范營銷運營管理的目的。在現如今大數據時代，企業用戶的數據變得進一步多元、豐富，在對用戶需求洞察滿足方面企業變得愈加充分、精確，值得注意的是，在當前數據分析水平不斷提升的情況下，企業作用于用戶的洞察、滿足能力基于數據、資料存儲以及數據、資料研究分析方面將變得更為高效，鑒于此，支持企業營銷運營管理全面步驟決策的數據、資料流能夠同步于企業營銷運營管理工作流，企業可通過統計歸納用戶的以往消費行為數據以及用戶實時的消費行為數據，第一時間針對相對應的用戶制定出具備顯著個性的營銷手段，從而有效識別把握轉瞬即逝的營銷機會，積極促進企業營銷命中概率的提升，最大程度地提升企業營銷運營管理效率[1]。
1.2推動智能管道運營
就企業經營管理而言，企業智能管道的核心能力為，結合用戶的活動行為，動態為用戶提供推薦并配備互聯網設備資源。在過去傳統數據社會中，受技術條件有限難以滿足及相關問題與用戶體驗動態測量相同等影響，企業通常無法有效的就智能管道運營需求予以滿足；在現如今大數據時代，在數據分析水平不斷提升的情況下，作用于半結構化設備數據動態收集、分析以及處理等相關技術的日趨成熟，將很大程度上推動企業智能管道運營管理運行的計劃。企業智能管道運營管理達到機理與用戶體驗管理存在極大的相似之處，最主要的區別僅僅是，企業職能管道作用于用戶產品消費行為活動測算的數據、資料相對應于提供推薦并配備互聯網設備資源，于確保用戶體驗滿足標準的情況下，全面配備、劃分及歸總企業互聯網設備資源，經資源利用最大程度地實現，積極促進資源的盡可能優化[2]。
2.數據分析在企業經營管理中的作用
2.1完整客觀的反映企業情況
企業常規的數據報表、調查資料，通常僅能夠顯現企業某一方面或者某一部分的情況，就算是獲取的企業數據報表、調查資料十分全面，如果這些企業數據報表、調查資料未能夠得到相應的研究、分析，也往往很難了解從中了解到企業的真實情況。為了完整客觀的反映企業情況，務必要遵循“實事求是”原則，在收集企業全面數據報表、調查資料的同時，還應當開展嚴格加工制作及研究分析工作，以提供給企業管理者科學規范的數據分析報告，為其在就企業發展做決策時提供有利依據。經嚴格加工制作及研究分析所得到的數據分析報告，相較于常規的數據報表，能夠更加全面、系統及集中地反映企業客觀實際。
2.2實行監督管理工作
監督屬于數據分析在企業經營管理中的一項十分重要的作用。數據分析部門在對企業數據、資料進行收集過程中，能夠相對較為全面、如實地知曉行業經濟動態及本企業運行發展狀況，了解相關數據、資料的來龍去脈及口徑范圍，因此數據分析部門可有效的擔負起對企業的多方面監督管理工作，包括企業運營發展部門相關政策方針有效落實與否、企業發展生產經營規劃有效完成與否以及企業一系列經濟指標有效實行與否等。在數據分析的作用下，可促進企業有效實行監督管理工作，以客觀、完整地向企業管理者、相關部門做決策及制定企業發展計劃時提供有利參考依據。
2.3參與科學化決策
對于任何一項經濟行為發展，想要獲取其客觀規律性的見解并未易事，通常是要通過不斷的分析、探索及實踐，方可一步步構成認識。在現如今市場經濟大環境下，還存在著諸多的市場經濟比例進程、實現企業經濟效益利潤最大化以及實現集群產業結構優化等客觀規律，均有待我們去逐步挖掘。鑒于此，就市場經濟背景下客觀經濟規律展開研究分析，屬于一項有著廣闊發展前景的領域。數據分析部門可充分發揮詳細數據、資料持有優勢，進行針對的研究、分析，對數據、資料表層顯現內容展開更深層次的剖析，挖掘出數據、資料中的潛在實質涵義，由理性認識代替感性發展認識，實現客觀經濟規律認識質的升華，達到顯現企業發展現狀以及企業內部關聯和發展的目的，一方面促使企業管理者及相關部門能夠更為完整客觀地了解企業經濟行為里程、企業發展現狀以及企業發展方向，提升企業管理水平，一方面促使企業管理者及相關部門能夠更有針對性地進行企業決策、計劃制定，從而全面起到數據分析在企業經營管理中的參與科學化決策作用。
2.4有利于數據深度利用
數據分析部門為了獲取全面詳細的數據、資料，需要對定期統計報表制度進行全面貫徹落實，或者需要采取一系列包括調查、普查以及抽查等各式各樣形式的統計調查工作，這必然是一項十分復雜的系統工作，倘若僅僅將這些詳細的數據、資料簡單地匯總上報給國家和相關部門，以完成國家和相關部門制定的數據、資料收集任務，低下的數據、資料利用率，顯然有愧于需要消耗長復雜的系統數據、資料收集工作[3]。由此可見，唯有早收集詳細數據報表、調查資料的同時，還應當開展嚴格加工制作及研究分析工作，展開各個層次、各個方面的綜合深度利用，以使這些數據、資料轉變為內容更加豐富化、形式更加多樣化的重要深度信息。
2.5有助于提升員工素質
在數據、資料收集的基礎上展開數據分析，采用一系列分析方法，根據數據、資料實情展開針對的研究分析，經數據分析工作的開展，不僅要找出數據、資料中潛在的問題，發覺數據、資料中的不和諧之處，還要分析問題出現的緣由，并制定出問題的解決對策。為了完成這一系列的高要求、復雜艱巨的工作，要求數據分析部門員工一方面需要具備完善的數據分析基礎常規知識，具備相應的政策分析能力、經濟理論知識，一方面需要掌握數據分析的開展方法，明確數據分析的前后關鍵步驟，此外還應當熟悉相應的經濟技術要點，具備相應的數據、資料歸納分析水平，具備相應的寫作技巧水平等。由此可見，數據分析部門在進行數據分析工作期間，勢必會激發數據分析部門員工學習主觀能動性，有效提升員工各方面綜合素質，并逐步成為不僅能夠進行數據分析編寫分析報告還能夠自經濟層面進行數據編織統計的社會發展需求的綜合型人才[4]。如此一來，不但可以更充分的發揮數據分析在企業經營管理中的作用，還能夠提升數據分析工作的重要性地位，促進數據分析工作條件的有機改善。
3.完善企業數據分析工作的策略
3.1統一認識，加強領導
基于對數據分析在企業經營管理中意義與作用重要性統一的認識，企業相關數據分析部門應當嚴格對待數據分析工作，不僅要做好數據、資料調差收集工作，還要做好數據統計報表、做好數據分析工作，以為企業、企業管理人員提供科學有效的決策管理服務[5]。同時，企業管理人員同樣要提升對數據分析工作的重視程度，面對企業數據分析既應當要求數據分析部門提供統計報表，嚴格要求數據分析工作環節、質量，有利領導數據分析工作的有序開展。
3.2實現計算機網絡數據支撐
伴隨著現如今市場經濟體制改革的不斷深入發展，企業管理人員一方面要明確認識到企業發展的實際處境，一方面要為企業日后發展制定“未雨綢繆”的策略。這就一定程度上要求了企業數據分析部門，應當采取一系列不同的數據分析方法，包括數據結構分析法、數據對比分析法、數據實時分析法以及數據預測分析法等方法，就企業數據、專利展開有效的研究分析，形成科學結論，提供給企業管理人員具備實質意義的意見建議。在企業數據分析方法的實踐運用方面，既要結合分析內容需求及分析方法自身特點，采取以往有成功經驗的方法手段，自各個角度就客觀市場經濟法律展開研究分析，同時基于對先進分析方法的運用，實現計算機網絡數據支撐，促進數據分析預見性、研究分析深度升級，積極促進企業數據分析工作的有序開展[6]。
3.3提升數據分析人員素質
企業數據分析工作水平高低，受企業數據分析團隊素質優劣重要影響。由此可見，企業數據分析人員應當結合企業、自身實際情況，對各方面數據分析相關基礎知識、專業知識展開積極主動的學習，包括對市場營銷知識、企業管理知識和經理理論知識的學習，對信息技術知識、財務會計知識的學習，對經濟行為活動方針政策的學習等等，盡可能地提升自身業務知識水平，提升自身全面綜合素質[7]。同時，企業數據分析人員還應當遵循“實踐第一”原則，結合數據分析工作實踐以一步步提升自身數據分析能力。經企業數據分析人員自身逐步的學習、實踐，不斷構建起一直不僅具備數據分析業務知識水平，又具備數據分析實踐工作經驗的，擁有綜合素質的數據分析團隊，積極促進企業數據分析工作的有序開展。
摘要：介紹了數據融合技術的基本概念和內容，分析了該技術在森林防火、森林蓄積特征的估計和更新、森林資源調查等方面的應用，提出該技術可應用于木材無損檢測及精確林業。融合機器視覺、X射線等單一傳感器技術檢測木材及木制品，可以更準確地實時檢測出木材的各種缺陷；集成GPS、GIS、RS及各種實時傳感器信息，利用智能決策支持系統以及可變量技術，能夠實現基于自然界生物及其賴以生存的環境資源的時空變異性的客觀現實，建立基于信息流融合的精確林業系統。
多傳感器融合系統由于具有較高的可靠性和魯棒性，較寬的時間和空間的觀測范圍，較強的數據可信度和分辨能力，已廣泛應用于軍事、工業、農業、航天、交通管制、機器人、海洋監視和管理、目標跟蹤和慣性導航等領域。筆者在分析數據融合技術概念和內容的基礎上，對該技術在林業工程中的應用及前景進行了綜述。
一、數據融合
1.1概念的提出
1973年，數據融合技術在美國國防部資助開發的聲納信號理解系統中得到了最早的體現。70年代末，在公開的技術文獻中開始出現基于多系統的信息整合意義的融合技術。1984年美國國防部數據融合小組(DFS)定義數據融合為：“對多源的數據和信息進行多方的關聯、相關和綜合處理，以更好地進行定位與估計，并完全能對態勢及帶來的威脅進行實時評估”。
1998年1月，Buchroithner和Wald重新定義了數據融合：“數據融合是一種規范框架，這個框架里人們闡明如何使用特定的手段和工具來整合來自不同渠道的數據，以獲得實際需要的信息”。
Wald定義的數據融合的概念原理中，強調以質量作為數據融合的明確目標，這正是很多關于數據融合的文獻中忽略但又是非常重要的方面。這里的“質量”指經過數據融合后獲得的信息對用戶而言較融合前具有更高的滿意度，如可改善分類精度，獲得更有效、更相關的信息，甚至可更好地用于開發項目的資金、人力資源等。
1.2基本內容
信息融合是生物系統所具備的一個基本功能，人類本能地將各感官獲得的信息與先驗知識進行綜合，對周圍環境和發生的事件做出估計和判斷。當運用各種現代信息處理方法，通過計算機實現這一功能時，就形成了數據融合技術。
數據融合就是充分利用多傳感器資源，通過對這些多傳感器及觀測信息的合理支配和使用，把多傳感器在空間或時間上的冗余或互補信息依據某些準則進行組合，以獲得被測對象的一致性解釋或描述。數據融合的內容主要包括：
(1)數據關聯。確定來自多傳感器的數據反映的是否是同源目標。
(2)多傳感器ID/軌跡估計。假設多傳感器的報告反映的是同源目標，對這些數據進行綜合，改進對該目標的估計，或對整個當前或未來情況的估計。
(3)采集管理。給定傳感器環境的一種認識狀態，通過分配多個信息捕獲和處理源，最大限度地發揮其性能，從而使其操作成本降到最低。傳感器的數據融合功能主要包括多傳感器的目標探測、數據關聯、跟蹤與識別、情況評估和預測。
根據融合系統所處理的信息層次，目前常將信息融合系統劃分為3個層次：
(l)數據層融合。直接將各傳感器的原始數據進行關聯后，送入融合中心，完成對被測對象的綜合評價。其優點是保持了盡可能多的原始信號信息，但是該種融合處理的信息量大、速度慢、實時性差，通常只用于數據之間配準精度較高的圖像處理。
(2)特征層融合。從原始數據中提取特征，進行數據關聯和歸一化等處理后，送入融合中心進行分析與綜合，完成對被測對象的綜合評價。這種融合既保留了足夠數量的原始信息，又實現了一定的數據壓縮，有利于實時處理，而且由于在特征提取方面有許多成果可以借鑒，所以特征層融合是目前應用較多的一種技術。但是該技術在復雜環境中的穩健性和系統的容錯性與可靠性有待進一步改善。
(3)決策層融合。首先每一傳感器分別獨立地完成特征提取和決策等任務，然后進行關聯，再送入融合中心處理。這種方法的實質是根據一定的準則和每個決策的可信度做出最優的決策。其優點是數據通訊量小、實時性好，可以處理非同步信息，能有效地融合不同類型的信息。而且在一個或幾個傳感器失效時，系統仍能繼續工作，具有良好的容錯性，系統可靠性高，因此是目前信息融合研究的一個熱點。但是這種技術也有不足，如原始信息的損失、被測對象的時變特征、先驗知識的獲取困難，以及知識庫的巨量特性等。
1.3處理模型
美國數據融合工作小組提出的數據融合處理模型，當時僅應用于軍事方面，但該模型對人們理解數據融合的基本概念有重要意義。模型每個模塊的基本功能如下：
數據源。包括傳感器及其相關數據(數據庫和人的先驗知識等)。
源數據預處理。進行數據的預篩選和數據分配，以減輕融合中心的計算負擔，有時需要為融合中心提供最重要的數據。目標評估。融合目標的位置、速度、身份等參數，以達到對這些參數的精確表達。主要包括數據配準、跟蹤和數據關聯、辨識。
態勢評估。根據當前的環境推斷出檢測目標與事件之間的關系，以判斷檢測目標的意圖。威脅評估。結合當前的態勢判斷對方的威脅程度和敵我雙方的攻擊能力等，這一過程應同時考慮當前的政治環境和對敵策略等因素，所以較為困難。
處理過程評估。監視系統的性能，辨識改善性能所需的數據，進行傳感器資源的合理配置。人機接口。提供人與計算機間的交互功能，如人工操作員的指導和評價、多媒體功能等。
二、多傳感器在林業中的應用
2.1在森林防火中的應用
在用MODIS(ModerateResolutionImagingSpectroradiometer)數據測定森林火點時的20、22、23波段的傳感器輻射值已達飽和狀態，用一般圖像增強處理方法探測燃燒區火點的結果不理想。余啟剛運用數據融合技術，在空間分辨率為1000m的熱輻射通道的數據外加入空間分辨率為250m的可見光通道的數據，較好地進行了不同空間分辨率信息的數據融合，大大提高了對火點位置的判斷準確度。為進一步提高衛星光譜圖像數據分析的準確性與可靠性，利用原有森林防火用的林區紅外探測器網，將其與衛星光譜圖像數據融合，可以使計算機獲得GPS接收機輸出的有關信息通過與RS實現高效互補性融合，從而彌補衛星圖譜不理想的缺失區數據信息，大大提高燃燒區火點信息準確度和敏感性。
2.2森林蓄積特征的估計
HampusHolmstrom等在瑞典南部的試驗區將SPOT-4×S衛星數據和CARABAS-IIVHFSAR傳感器的雷達數據進行了融合，采用KNN(knearestneighbor)方法對森林的蓄積特征(林分蓄積、樹種組成與年齡)進行了估計。
KNN方法就是采用目標樣地鄰近k個(k=10)最近樣地的加權來估計目標樣地的森林特征。研究者應用衛星光譜數據、雷達數據融合技術對試驗區的不同林分的蓄積特征進行估計，并對三種不同的數據方法進行誤差分析。試驗表明，融合后的數據作出的估計比單一的衛星數據或雷達數據的精度高且穩定性好。
2.3用非垂直航空攝像數據融合GIS信息更新調查數據
森林資源調查是掌握森林資源現狀與變化的調查方法，一般以地面調查的方法為主，我國5年復查一次。由于森林資源調查的工作量巨大，且要花費大量的人力、物力和資金。國內外許多學者都在探索航空、航天的遙感調查與估計方法。
TrevorJDavis等2002年提出采用非垂直的航空攝影數據融合對應的GIS數據信息實現森林調查數據的快速更新，認為對森林資源整體而言，僅某些特殊地區的資源數據需要更新。在直升飛機側面裝上可視的數字攝像裝置，利用GPS對測點進行定位，對特殊地區的攝像進行拍攝，同時與對應的GIS數據進行融合，做出資源變化的估計或影像的修正。
試驗表明，融合后的數據可以同高分辨率矯正圖像相比，該方法花費少，精度高，能充分利用影像的可視性，應用于偏遠、地形復雜、不易操作、成本高的區域，同時可避免遙感圖像受云層遮蓋。
三、數據融合在林業中的應用展望
3.1在木材檢測中的應用
3.1.1木材缺陷及其影響
木材是天然生長的有機體，生長過程中不可避免地有尖削度、彎曲度、節子等生長缺陷，這些缺陷極大地影響了木材及其制品的優良特性，以及木材的使用率、強度、外觀質量，并限制了其應用領域。在傳統木制品生產過程中，主要依靠人的肉眼來識別木材缺陷，而木材板材表面缺陷在大小、形狀和色澤上都有較大的差異，且受木材紋理的影響，識別起來非常困難，勞動強度大，效率低，同時由于熟練程度、標準掌握等人為因素，可能造成較大的誤差。另外在集成材加工中，板材缺陷的非雙面識別嚴重影響了生產線的生產節拍。因此必須開發一種能夠對板材雙面缺陷進行在線識別和自動剔除技術，以解決集成材加工中節子人工識別誤差大、難以實現雙面識別、剔除機械調整時間長等問題。
3.1.2單一傳感器在木材檢測中的應用
對木材及人造板進行無損檢測的方法很多，如超聲波、微波、射線、機械應力、震動、沖擊應力波、快速傅立葉變換分析等檢測方法。超聲技術在木材工業中的應用研究主要集中在研究聲波與木材種類、木材結構和性能之間的關系、木材結構及缺陷分析、膠的固化過程分析等。
隨著計算機視覺技術的發展，人們也將視覺傳感器應用于木材檢測中。新西蘭科學家用視頻傳感器研究和測量了紙漿中的纖維橫切面的寬度、厚度、壁面積、壁厚度、腔比率、壁比率等，同時準確地測量單個纖維和全部纖維的幾何尺寸及其變化趨勢，能夠區分不同紙漿類型，測定木材纖維材料加固結合力，并動態地觀察木材纖維在材料中的結合機理。
新西蘭的基于視覺傳感器的板材缺陷識別的軟件已經產業化，該軟件利用數碼相機或激光掃描儀采集板材的圖像，自動識別板材節子和缺陷的位置，控制板材的加工。該軟件還具有進行原木三維模型真實再現的計算機視覺識別功能，利用激光掃描儀自動采集原木的三維幾何數據。
美國林產品實驗室利用計算機視覺技術對木材刨花的尺寸大小進行分級，確定各種刨花在板中的比例和刨花的排列方向；日本京都大學基于視覺傳感器進行了定向刨花板內刨花定向程度的檢測，從而可以通過調整定向鋪裝設備優化刨花的排列方向來提高定向刨花板的強度。在制材加工過程中，利用計算機視覺技術在線實時檢測原木的形狀及尺寸，選擇最佳下鋸方法，提高原木的出材率。同時可對鋸材的質量進行分級，實現木材的優化使用；在膠合板的生產過程中，利用計算機視覺技術在線實時檢測單板上的各種缺陷，實現單板的智能和自動剪切，并可測量在剪切過程中的單板破損率，對單板進行分等分級，實現自動化生產過程。Wengert等在綜合了大量的板材分類經驗的基礎上，建立了板材分級分類的計算機視覺專家系統。在國內這方面的研究較少，王金滿等用計算機視覺技術對刨花板施膠效果進行了定量分析。
X射線對木材及木質復合材料的性能檢測已得到了廣泛的應用，目前該技術主要應用于對木材密度、含水率、纖維素相對結晶度和結晶區大小、纖維的化學結構和性質等進行檢測，并對木材內部的各種缺陷進行檢測。
3.1.3數據融合在木材檢測中的應用展望
單一傳感器在木材工業中已得到了一定程度的應用，但各種單項技術在應用上存在一定的局限性。如視覺傳感器不能檢測到有些與木材具有相同顏色的節子，有時會把木板上的臟物或油脂當成節子，造成誤判，有時也會受到木材的種類或粗糙度和濕度的影響，此外，這種技術只能檢測部分表面缺陷，而無法檢測到內部缺陷；超聲、微波、核磁共振和X射線技術均能測量密度及內部特征，但是它們不能測定木材的顏色和瑕疵，因為這些缺陷的密度往往同木板相同。因此，一個理想的檢測系統應該集成各種傳感技術，才能準確、可靠地檢測到木材的缺陷。
基于多傳感器(機器視覺及X射線等)數據融合技術的木材及木制品表面缺陷檢測，可以集成多個傳統單項技術，更可靠、準確地實時檢測出木材表面的各種缺陷，為實現木材分級自動化、智能化奠定基礎，同時為集裁除鋸、自動調整、自動裁除節子等為一身的新型視頻識別集成材雙面節子數控自動剔除成套設備提供技術支持。
3.2在精確林業中的應用
美國華盛頓大學研究人員開展了樹形自動分析、林業作業規劃等研究工作；Auburn大學的生物系統工程系和USDA南方林業實驗站與有關公司合作開展用GPS和其他傳感器研究林業機器系統的性能和生產效率。
目前單項的GPS、RS、GIS正從“自動化孤島”形式應用于林業生產向集成技術轉變。林業生產系統作為一個多組分的復雜系統，是由能量流動、物質循環、信息流動所推動的具有一定的結構和功能的復合體，各組分間的關系和結合方式影響系統整體的結構和功能。因此應該在計算機集成系統框架下，有效地融合GPS、GIS、RS等數據，解決這些信息在空間和時間上的質的差異及空間數據類型的多樣性，如地理統計數據、柵格數據、點數據等。利用智能DSS(決策支持系統)以及VRT(可變量技術)等，使林業生產成為一個高效、柔性和開放的體系，從而實現林業生產的標準化、規范化、開放性，建立基于信息流融合的精確林業系統。
南京林業大學提出了“精確林業工程系統”。研究包括精確林業工程系統的領域體系結構、隨時空變化的數據采集處理與融合技術、精確控制林業生產的智能決策支持系統、可變量控制技術等，實現基于自然界生物及其所賴以生存的環境資源的時空變異性的客觀現實，以最小資源投入、最小環境危害和最大產出效益為目標，建立關于林業管理系統戰略思想的精確林業微觀管理系統。
[參考文獻]
[1]高翔，王勇.數據融合技術綜述[J].計算機控制與測量，2002，10(11)：706-709.
[2]龔元明，蕭德云，王俊杰.多傳感器數據融合技術(上)[J].冶金自動化，2002(4)：4-7.
[3]錢永蘭，楊邦杰，雷廷武.數據融合及其在農情遙感監測中的應用與展望[J].農業工程學報，2004，20(4)：286-290.
[4]高德平，黃雪梅.多傳感器和數據融合(一)[J].紅外與激光工程，1999，28(1)：1-4.
【關鍵詞】環境監測數據；分析；重要性
1.環境監測數據的特征及重要性
1.1環境監測數據的特征
環境監測數據規定了每一次監測獲得的數據的可使用范圍，超出該范圍得出的數據就被視為是不合格的。這是因為監測數據是具有局限性的，這種局限性是為了保證監測數據的準確性與可靠性。同時，對于監測獲得的數據要求具有完整性，不應該有缺失或是遺漏的現象。對于在規定范圍內的監測數據，如果這些數據不僅具有代表性，還具備完整性，那么就達到監測的目的了[1]。
1.2環境監測數據的重要性
環境監測的重要性在于它能為環境的管理、規劃、評價等提供科學、有力的依據。出于對我國正處于經濟高速發展階段的考慮，我們對環境監測應給予更高的重視。一般來說，環境監測數據的質量以及分析能力的高低可以反映出一個監測站工作能力，也體現了該監測站在環境保護工作所處地位的高低。
2.對環境監測數據的填制及整理要求
對于監測獲取的相關圖標和原始數據，要進行適當的整理和歸類，以便后面的工作可以更加有利地開展與進行。在填制監測數據時就應該選取標準的記錄表格，在填寫時要盡量的專業化、規范化，并且要保證書寫清晰、準確。對于原始數據的檢查，要逐個地進行、確認，將那些不能真實地反映監測情況的數據去掉。這樣做的目的是為了將數據整理得更有條理，更有實用性，減免不必要的反復檢查，影響工作效率的提高。同時，還有一個問題需要注意，那就是作為監測數據確認的負責人不可以直接參與監測數據的采集工作[2]。
3.對環境監測數據的分析
環境監測是一種以環境作為對象，運用物理、化學和生物等技術手段，對污染物進行定性、定量和系統的綜合分析，它是環境評價中的重要環節，貫穿環境影響評價的整個過程。
3.1利用統計規律進行分析
環境監測是以統計學為基礎的，因此，這種分析方法經常被監測人員采用。這種分析方法包含了對環境要素的質量進行各種數學模式評價方法對監測數據進行解剖，利用它的內在規律性進行分析和利用，進而得出相關的論斷。這種方法在環境規劃、環境調查和環境評價的工作中使用較多[3]。
3.2通過對污染源的監測值來分析
監測人員可以通過對污染源的監測數據進行分析。其實，對污染物的監測對象不僅僅限于空氣、地下水、土壤等，還有一個人們經常說的工業污染源。工業污染是有多種的，不同行業的工業就會有其不同的污染物產生。比如，對于化工行業來講，它排出的有機物含量種類就較多多，而金屬物質相對就較少一些；金屬行業排出的污染物是有機物含量較少而金屬物質含量較多等。如果在一個金屬行業排除的廢棄物中監測得出的結果顯示是具有較多有機物的，那么對于這組監測數據應該重新考慮和分析，并從中找出原因。這也說明了一個問題，那就是監測人員在日常的工作當中要對管轄區內的生產企業相關情況進行了解，要根據不同的行業有針對性地選擇相應的監測項目來監測這些污染企業，實行對他們的有效監督[4]。
3.3根據事物之間的相關性原理進行分析
這種分析法主要是基于事物本身具有的相互關系的原理來來進行的。一般來說，兩個或者兩個以上的監測數據之間往往會存在某一種的固定聯系，監測人員可以根據這種固定的聯系去分析數據之間的相關聯系，也可以對單個已經實行控制質量措施的監測數據進行檢測，驗證是否正確。而對于一些例行的監測數據，則可以得出較為直觀的判斷。比如,氟含量跟硬度之間的關系。由于F與Ca、Mg形成沉淀物得容積度比較小,所以,在中性和弱堿性的水溶液當中,如果氟含量是在(mg/ L )級的,那么它的氟含量與Ca、Mg的含量就是呈顯負相關的現象,也就是說跟硬度值是負相關的。因此，在高氟區內得出的水質監測結果顯示的硬度監測值一般會比較低。如果獲得的氟含量較高,得出的硬度監測值也很高,那么這類監測數據就需要進行重新分析[5]。
4.結語
隨著我國環境保護的不斷深入，監測人員要在使用各種分析方法的同時不斷地去提嘗試新的分析方法，要在原來的基礎水平上更進一步地提高自己的綜合分析能力，對提供的監測數據要有一種精益求精的精神，爭取提供的數據更可靠更合理，業務技能不斷地有新的進步。由于獲取的環境監測數據與區域的過去和現在都有密切的聯系，因此，監測人員要對監測區域的過去和現在的環境狀況都要進行深入的了解和分析，在了解的基礎上展開全面的探討，這樣才可以保證獲取的監測數據更全面，更有說服力，質量更有保證。
參考文獻
[1]葉萍.淺論環境監測數據的綜合分析方法[J]中國環境管理干部學院學報, 2009, (01) .
[2]郭琦.環境監測在環境影響評價中的意義與建議[J].科技風, 2010, (15)
[3]孫曉雷.我國環境監測質量管理體系研究[J].科技傳播, 2010, (15)
關鍵詞：家具設計；室內裝修；色彩心理；藝術氛圍
中圖分類號：J05 文獻標識碼：A 文章編號：1005-5312（2012）36-0218-01
一、室內陳設環境對藝術環境的塑造
室內環境的主要布局之一是家具的選擇與陳設，這是室內裝修一個重要的環節。通常而言，室內陳設還包括許多重要的細節：如陳設的環境、裝飾的紋樣、器物的造型、飾品的表達以及色彩的搭配。每一個細小的環節，都決定了室內環境的成敗。室內陳設設計對于改善、優化室內環境起著非常重要的作用。具體體現在以下三個方面：
（一）創造溫馨和諧的室內環境
在現實中很多建筑以密集的鋼架、成片的玻璃幕墻、光亮的金屬板材充斥室內空間，這些材料所表現出的生硬、冰冷的質感，容易使人們對空間產生了疏離感；而其他許多建筑則以刻板的線條、生硬的界面構成單調冷漠的空間形態，也使長期生存在其中的人們感到枯燥與厭倦。因此，豐富多彩的室內陳設以其絢麗的色彩、生動的形態、無限的趣味，給室內空間帶來一派生機，有效地改善了室內的空間形態，柔化了空間感覺，沖淡了工業文明帶來的冷酷感，能給人們以情感的撫慰。例如書房的布置，通常都是一張簡單的書桌、一個單調的書架。這樣簡單的室內陳設未免太過單調，也容易讓人產生厭倦感，而無法體味到書房帶給人的安寧與溫馨的感受。因此，如果在書房中，適當的穿插一些古詩古畫、并且有條件的能夠裝裱一副名家書法，這自然能增添書房之中的書香氣息。而如果一味的附庸風雅，不論陽春白雪，只是在書房中簡單的羅列各家名帖，彰顯主人的富有，這自然起不到營造藝術氛圍的目的。
（二）突出室內空間風格，營造宜居人文環境
室內空間有各種不同的風格，陳設品的合理選擇與陳設，對于室內空間風格的形成具有十分重要的影響。因為陳設品的造型、色彩、質感等都具有明顯的風格特征，能夠突出和強調室內空間的風格。一般而言，一個居家環境的好壞往往在客廳可見一斑。而客廳中最顯眼的莫過于電視幕墻以及酒柜的裝飾。一個溫馨和諧的家居環境，必然給人帶來一絲愜意的感受。電視幕墻的裝飾顯得尤為突出，很多的家庭沒有利用其電視幕墻的良好空間，幕墻的色彩搭配很不恰當，令大大的一片空間顯得突兀而又缺乏生機。鑒于此，鄙人認為，家庭的氛圍應該是溫馨與融洽的，因此，電視幕墻的色彩應該以暖色調為基礎，色彩不宜太過絢麗，要以橘紅、黃色以及相近的其他顏色搭配，形成一種心理上的親近感；而且電視的左右應該留有一定的空隙，讓電視機與周圍飾品擁有一定的空間距離感，才能產生和諧的美感。
客廳中酒柜占據十分顯眼的位置，酒柜的飾品搭配不當，容易造成疏離感。在中國人的文化氛圍中，有“無酒不成席”之說。因此，酒柜上若是要彰顯自身本土文化氣息，就應當以白酒為尊，而如果是崇尚西歐北美風情，自然要以洋酒為主。不同的喜好，決定了不同的裝飾樣式。中國文化的酒柜要以古樸簡約為主，體現我們國家厚重的歷史文化氣息，而西歐北美文化風情，則要以浪漫鮮活為綱，彰顯小資與舒適風格。
（三）體現室內環境的地域特色，彰顯不同地域的風土人情
現在許多陳設品的內容、形式、風格都體現了地域文化的特征。因此，我們在進行室內設計時，不但要通盤考慮整體的環境與藝術氛圍的塑造，還需要表現出特定的地方特色時。這主要通過陳設設計來滿足特定地域文化的生活形態。
例如現在的江南風格就很受大眾的歡迎，許多的家居設計就在這個方面進行了大量的模仿。其實一個地方有一個地方的特色，刻意的模仿反而不能體現自身的地域特色。江南風情的流行，一方面是其特有的江南韻味，另一方面也離不開房產開發商的炒作。就家居宜人環境來說，江南的溫婉婉約的風格的確是藝術氛圍濃厚的一種體現，紅木家居的陳設，綠色盆栽的襯托以及陽臺櫥窗的別致都別具一般風情。因此，打造宜人宜居環境要根據個人的審美取向以及地域特色傾向，才能將個性、愛好以及文化修養在家庭的環境中得以很好的體現。
二、結論
本文從家具設計和陳設，以及室內裝修飾品對家居環境的影響入手，分析了藝術氛圍的營造需要的藝術思維與眼光，最后重點解析了室內陳設環境以及不同地域文化特色對藝術環境的營造的重要作用，肯定了藝術與生活相互融合的主題。
參考文獻：
[1]龔靜芳.淺談室內裝飾環境的藝術氛圍營造與陳設布置[M].環境藝術.
[2]李樹森.談裝飾繪畫與室內空間的關系[M].美術大觀，2008（4）.
我看到過很多討論數據產品的文章，但大家基本沒有統一的認識，對概念的理解也不太認同，所以這里想簡單寫寫自己的觀點，主要內容也是不會在其它網文看到的一家之談。
一、什么是數據產品
要談清楚數據產品，首先不可回避的“俗套問題”便是數據產品的定義認知。我的理解是：廣義來看，數據產品是可以發揮數據價值去輔助用戶更優的做決策(甚至行動)的一種產品形式。它在用戶的決策和行動過程中，可以充當信息的分析展示者和價值的使能者。從這個角度講，搜索引擎、個性化推薦引擎顯然也是數據產品，由于產品形態已經比較成熟，所以很少被人劃分到數據產品的概念里，另外，這類產品往往大都在數據外面穿了一層外衣，使非專業的用戶并不能直觀的感受到數據的存在。
除此之外的，便是狹義范疇的數據產品，比如大家熟知的淘寶數據魔方、百度指數、電商的CRM平臺、各種公司內部的數據決策支持系統等都是數據產品，我后面會有個結構化的分類介紹。
二、為什么會有數據產品
人們日常的商業活動都是“決策”和“行動”的螺旋上升過程及交織在一起的子過程，主過程里的決策表示內心拿定一個主意要怎么做，要達到什么樣的目標，行動是具體的執行過程，比如用戶要解決出行不方便的問題，他的主決策可能是“買一輛適合自己的轎車代步”，而在具體行動過程中，馬上又會面臨“買什么車”、“在什么渠道買”等子決策問題。
所有的決策以及行動中的子決策過程都是基于“某種參考”的，最簡單的參考可以是自己的直覺，好一點會依賴“過來人”的主觀經驗，但拍腦袋決策越來越難，所謂專家也屢屢被打假;而最優的決策需要依靠“證據”，定量的證據即時數據，隨著數學、統計學、計算機科學的普及，數據在決策優化過程中的價值越來越大，在大數據時代尤其如此。
決策過程中，數據的價值可以通過什么來體現?不外乎三種：a.數據本身、b.數據服務、c.數據產品。舉個例子來說，如果某用戶想知道明天的天氣是否適合出行，他可以直接看明天的氣溫數據，這個就是數據本身在發揮價值;他也可以咨詢相關的數據分析師或咨詢顧問，由他們提供人工的數據服務或解決方案來判定明天的天氣;第三種方式便是使用數據產品，它把數據、數據模型以及分析決策邏輯盡可能多的固化到一個軟件系統中，以更自動化、更準確、更智能的方式來發揮數據的決策價值。
三、數據產品的分類
在狹義的范疇里，從使用用戶來看，可以是企業內部用戶，外部企業客戶，外部個人客戶等。從產品發展形態來看，從最初的報表型(如靜態報表、DashBoard、即席查詢)，到多維分析型(OLAP等工具型數據產品)，到定制服務型數據產品，再到智能型數據產品、使能型數據產品等。數據型產品經理的前世今生，互聯網的一些事
由于報表型數據產品過于蒼白、可視化能力有限，而多維分析型數據產品更適合于專業的數據分析師而不是業務或運營人員，使用局限性也越來越大，所為未來的趨勢可能是定制服務式和智能式的數據產品。
所謂定制服務型數據產品，是基于用戶的深層次需求，構建最適合當前業務痛點的數據模型、產品設計、可視化方案等。在這里數據產品充當的更像是服務提供者，而不是一個通用的工具。
智能型數據產品則會更多的將大數據的智能性融入產品，并與決策邏輯結合起來，發揮作用。比如，你可以有一套傳統的會員營銷系統，允許你按自己的規則篩選目標用戶;而也可以在更智能的數據產品中這樣來實現：輸入你的營銷目標及參數，比如要開展雙十一母嬰市場的促銷活動，系統可以基于以往海量數據計算出應該選擇什么品類的商品，在什么用戶群中，以什么形式開展活動效果會更佳。
現有的大多數數據只是告訴你現在或未來的情況是怎樣的，問題痛點出現在哪里，但卻不能給出更完善的建議，甚至支持一個建議的執行。使能型數據產品要做的就是這樣的工作，它不僅可以告訴你，哪些用戶流失的傾向性大，還可以直接引導用戶展開后續補救的執行流程，哪些細分群體需要通過促銷活動刺激，哪些需要服務關乎，哪些需要為他提供專享的VIP業務，哪些需要更好的互動等等。
四、數據產品需求把握的特殊性
一個真正好的數據產品要首先把握一個核心——找到用戶的真正核心需求、痛點。這句話對于非數據產品的產品經理來說簡直就是天經地義的廢話。但對于一個數據產品經理而言，得來卻不那么容易，有其特殊性。
第一個特殊性，是需求層次特殊性，數據產品的用戶中往往會有很多內部用戶，他們對數據、數據分享、數據處理的理解和熟練程度各有不同，因此會提出各種不同層次的需求，概況起來大致包括：1).業務/管理需求;2).分析需求;3).數據需求。舉例來說，某電商要改善全體用戶的訂單轉化效率，這個便是第一類需求;為了完成此目標，會有很多工作要做，也會有很多分析需求隨之產生，比如分析商品詳情頁的跳出趨勢，便是第二列需求;而具體某某數據項的統計則屬于數據需求。最可怕的便是，需求方遇到了問題(第一類需求)，指定了錯誤的分析策略(第二類需求)，有提出了明確的數據需求(第三類需求)。而對于數據產品經理，從數據需求，引導出分析需求，進而介入反應具體痛點問題的業務/管理需求，是一門必修課。
第二個特殊性，是內部數據產品需求方的特殊性，企業內部的數據產品的用戶，既是是用戶，也是自己的同事、朋友、領導、下屬，他們本身就對產品經理的決策權有一定的干預能力，需要產品經理去平衡“理想與現實”，你懂的。這種情況對于非最高決策者直屬的數據團隊而言，尤為嚴重。
五、數據產品的三個關鍵要素
我認為，要成就一個數據產品，需要關注三個關鍵要素：1).數據、2).決策邏輯、3).行動流程。數據型產品經理的前世今生，互聯網的一些事
數據的價值，毋庸置疑。它就像整體產品內部流淌的血液。具備什么樣的數據類型、數據周期、數據粒度，往往會決定你的數據產品可以提供什么服務。
決策邏輯是很多平庸的數據產品所欠缺的，它們只是簡單的、響應式的展示了需求方的報表。好的數據產品，應該可以幫助用戶思考，尤其是將平時用戶遇到業務痛點是的決策邏輯，部分或全部融合到數據產品后，可以可視化的、動態的、便捷的顯性化決策的過程，提高用戶的決策效率。
僅僅停留在發現問題、分析問題是不夠的，我們還需要對問題的解決能力，這就涉及到第三個關鍵要素——行動流程。舉個例子，當數據產品分析某個細分用戶群時，發現最近一個月其活躍度明顯下滑，那是否可以自動觸發一個營銷流程，基于用戶的特征，開展個性化的“行動流程”，并在流程中的各個環節發揮數據的價值。
六、數據產品與大數據的關系
非常不想寫這樣的踩著三俗概念的解釋性文字，因為大數據是一個被所有人提起，但幾乎所有人又不明白的概念。我在這里寫什么概念解釋都是錯的，徒增搜索引擎的“負荷”。
所以，還是回溯到核心價值角度來看：前面提到數據產品最大的價值在于輔助使用者優化決策，以及輔助決策價值的實現。如果把數據產品比作一臺機器的話，那數據就像這臺機器運轉的原材料?！霸牧稀?“處理過程”+“結果展示與應用”≈數據產品。
而大數據當然也屬于數據的范疇，它好比是一種更高效的原材料，可以提供更高效的價值(更多角度的、更深度的、更實時的信息與知識，尤其是預測性的知識)，“高效的原材料”+“高級的處理過程”+“高級的展示與應用”結果也是數據產品，當然你也可以土土稱之為“大數據產品”。
再舉個不專業的例子來理解：大家熟悉的“天氣預報”就是一個典型的數據產品，它的原材料可能有很長時間段的溫度、濕度、風力、日光強度、紫外線強度、PM2.5值、位置信息、衛星上的采集的各種數據、其它地面設備的各種專業的氣象相關數據(示例而已，專業人士請自行補充);對這些數據的篩選、清洗、分析、挖掘等一系列“處理過程”可以得到未來幾日在幾個核心氣象特征的數據值與概率(溫度、風力、陰晴雨雪等);而我們看到的天氣預報這款數據產品，則是將上述核心信息綜合到一起，賦予視頻+GIS的展示形式，以及復制大眾在“行動”方面的建議(出行建議、穿衣指數、洗車指數等)而成的。
而這種大數據結合數據產品發揮更大價值的例子身邊還有很多。試想，你如果能夠準確預知明天某只股票的漲跌趨勢，比費盡心思基于部分歷史信息總結出來的規律要有價值的多;你如果可以知道下個月哪些用戶會突然對母嬰類商品大宗采購，也會節省很多“千人一面”的傳統廣告費用。
