在网上审计中，基础性中间表的作用不言而喻，在实际工作中，它也是广大审计人员用得最多的，审计人员在基础性中间表的基础上按各自需求建立分析性中间表，进行审计核实。
根据设计的审计中间表的结构，以及通过被审计单位提供的数据字典，了解建立审计中间表所需的基础数据表之间的关系，然后通过编写SQL语句将所需要的基础数据表进行关联、选取所需字段并设置有关筛选条件，生成符合审计需要的审计中间表。审计人员编写的SQL语言主要通过使用SELECT语句，通过选取字段、联接有关基础数据表，并利用INTO子句保存查询结果，最终生成审计中间表。另外，由于在建立审计中间表的过程中，可能因为操作失误，将应选择的字段而没有被选择，或者将应去除的字段而没有被去除；还有可能因联接、筛选条件或有关逻辑表达式设置的不正确，造成审计中间表的结果偏差。为避免上述情况或其它原因造成审计中间表的结果不正确，需对结果进行验证。
我们认为，计算机人员和业务人员共同配合，发挥计算机人员操作熟练、业务人员明白钩稽关系的特长，结合会计报表数据、财务数据凭证库、财务数据余额库等，生成高质量的基础中间表。
二、审前调查做好数据分析报告
数据分析报告，指记录审计组分析被审计单位电子数据过程和结果的文书。数据分析报告的撰写是审计工作的一部分，数据分析大量使用复算、分析性复合等审计方法；数据分析和数据分析报告的撰写过程也是一个审计项目组织和管理的过程，贯穿整个审计过程。在计算机审计的今天，能否利用好被审计单位的电子数据进行分析，撰写出高质量的数据分析报告，是关系审计工作质量和成果的重要因素。
（一）撰写数据分析报告前的准备工作
数据分析报告的系统分析和类别分析一般应在审前调查阶段完成。审计人员通过数据分析来把握被审计单位的总体情况，从而把握和锁定需重点审计的内容和范围。在进行数据分析之前，必须做好充分的准备工作：
第一，整理好规范的审计中间表。
审计中间表是面向审计分析的数据存储模式，它是将转换、清理、验证后的源数据按照提高审计分析效率、实现审计目的的要求进一步选择、整合而形成的数据集合。审计中间表是数据分析的基础。在系统分析和类别分析过程中需要的审计中间表主要包括：
1、按被审计单位的会计报表数据整理而成的会计报表中间表；
2、按被审计单位财务数据整理而成的凭证中间表；
3、按被审计单位财务数据整理而成的余额中间表；
4、按被审计单位财务数据整理而成的明细科目中间表；
6、利用其他与被审计单位有关的数据整理而成的审计中间表。
第二，数据分析报告的分配与审计分工紧密结合。
网上审计中数据分析以及数据分析报告的撰写过程也是审计项目组织和管理的过程，因此数据分析工作的分配应紧密地与审计分工相结合。系统分析主要是基于会计报表层次的分析，一般由审计项目主审完成，便于主审系统、完整地了解被审计单位，把握全局；类别分析主要是基于业务类别或者会计科目层次的分析，一般按照审前调查分工（或者审计分工），将类别分析分解，与审前调查（或者审计）任务一并分配给每一位审计人员，使计算机审计中的数据分析和审计实施紧密结合，避免脱节现象，更好的发挥数据分析的作用。
第三，准备好分析工具。
工欲善其事，必先利其器。要想做好数据分析，写出高质量的数据分析报告，功能强大的分析工具必不可少。现在审计过程中使用的最多的分析工具主要有：EXCEL、SQLServer分析服务器或其他审计软件等。
1、SQLServer分析服务器
随着被审计单位信息化程度越来越高，ERP在被审计单位广泛采用，因此被审计单位财务和业务电子数据将存储于大型数据库中，数据量极其庞大。在计算机审计环境下，审计人员所取得的主要审计资料就是被审计单位的电子数据，因此强大的数据库工具SQLServer分析服务器成了审计人员实施计算机审计的有力工具。
2、EXCEL电子表格
在进行系统分析时，一般以被审计单位会计报表为分析对象，大部分会计报表软件均可以将报表转换成EXCEL电子表格，因此EXCEL这种为审计人员所熟悉的、操作灵活的工具在系统分析中广泛采用。
3、其他审计软件
（二）系统分析的对象、方法和内容
系统分析的对象主要是被审计单位的会计报表。
系统分析的方法主要有：结构分析、趋势分析和指标分析等。
系统分析的内容主要有：被审计单位的资产结构分析、资产趋势分析、负债结构分析、负债趋势分析、所有者权益结构分析、所有者权益趋势分析、企业盈利能力指标分析、企业偿债能力指标分析、企业流动性指标分析等。
（三）类别分析的对象、方法和内容
类别分析主要用于锁定重点，应按照审计分工，将类别分析分配给每一位审计人员，使数据分析与审计实施紧密结合。
类别分析的对象主要是根据被审计单位的凭证中间表和余额中间表建立起来的多维数据集以及主要业务系统数据。
类别分析的主要方法有：结构分析、趋势分析、配比分析等。
配比分析是指审计人员将相互关联的会计科目或事项的相应数据放在一起进行趋势分析，从中找出趋势不一致的情况。
［关键词］杜邦分析法；财务分析；模拟经营；目标信息使用者
doi:10.3969/j.issn.1673-0194.2012.17.007
1引言
杜邦分析法是财务分析中常用的一种手段，由于传统的杜邦分析法存在一定的缺陷，近年来也有对其进行改进的观点。本文以企业模拟经营中形成的数据为基础，分别运用传统杜邦分析法和改进杜邦分析法，通过对分析结论的观察，并对比模拟经营中的实际情况，对两者做出评判，探索杜邦分析法的改进方向。
2传统杜邦分析法存在的主要问题
本文的分析数据源于某次实践教学活动，有16家公司参与同行业连续6年的模拟经营。在每个模拟经营年度结束之后，模拟软件依据其内置的经济模型进行业绩评价及综合排名。在每个经营年度结束之后，参与者都会对上一年度的财务状况、经营成果和现金流量进行分析，并在此基础上做出下一年度的决策。
基于模拟软件内置的经济模型，本文假设本次实践活动可以模拟真实的市场竞争情况。针对实践活动的结果，本文提出如下问题：在公司财务分析中，一般公司仅采用杜邦分析法就能有效地进行财务分析和财务决策吗？如果不能，甚至其结论与信息使用者所需求的目标信息方向不符的话，如何改进？
2.2基于传统杜邦分析法的财务分析过程
本文以D公司为例，对其最后3个决策年度的数据运用传统杜邦分析法进行纵向比较，结果见表1。
由上述数据分析可知，公司第4年度股东权益报酬率最高，分别为第5、6年度的5倍和6倍。究其原因，是因为资产净利率较高，且平均权益乘数较高。这两项指标均与资产有一定的关系。结合模拟经营情况，第4年度D公司产品定价不高但质量上佳，所以库存较少、资产较少。故上述两项指标均较高。第5、6年度市场上各家公司的生产营销均发生了一些变化，但D公司在决策时并没有做出预判，在质量不变的情况下，继续大幅度提升价格导致库存积压，资产大量增加严重降低了资产净利率和平均权益乘数，最终导致这两年的股东权益报酬率大幅下降。
另外，第4年度股东权益报酬率虽高但平均股东权益却不高，是因为此时D公司并未充分利用各种筹资手段进行举债经营，直到第5年度D公司才充分利用了贷款、债券以及股票组合手段进行筹资。
2.3传统杜邦分析法的缺陷
将实际经营过程与杜邦分析结论进行对比，可以发现传统杜邦分析法存在着不少的缺陷，直接用它作为股东、债权人和管理层等信息使用者进行财务预测与财务决策的依据是不合适的。
（1）缺少成本管理数据。想要实现财务管理目标——股东价值最大化，最关键的手段是提高企业利润，而提高企业利润有两个方向可以去努力：一是增加销售收入，二是降低成本。在一个竞争充分、发展稳定的市场中，想要大幅度增加销售收入是非常困难的。此时唯有加强成本控制降低成本，才能提高边际贡献率，才能增强产品的价格竞争力。成本控制应该作为提高销售净利率乃至实现股东财富最大化的重要途径。这是企业管理层迫切需要的财务分析结果。
（2）缺少现金流量数据。现金流量表是根据收付实现制编制的，可以有效减少人为粉饰财务报表，较为准确地反映出企业的偿债能力及资产利用效率。这是企业投资者和债权人迫切需要的财务分析结果。
（3）未反映税收政策对企业的影响。政府的税收政策是企业实现财务管理目标不得不考虑的一项重要因素，因此用净利润来考察企业的销售盈利能力并不准确，应考虑利用息税前利润来考察企业的销售盈利能力。
（4）未反映企业发展能力。发展能力是考察一个企业投资前景的首要指标，是投资者与债权人最关心的一个指标，在进行财务分析时应予以考虑。在运用传统的杜邦分析法时，并未考虑企业的发展能力，最终结论可能会对信息使用者产生一定的误导。
（5）未反映企业的营业风险与财务风险。传统杜邦分析法并未考虑到利息股利等企业筹资成本，也未考虑到因应用营业杠杆导致息税前利润下降的风险以及利用财务杠杆可能导致的风险。因此会对信息使用者产生一定的风险误导。
（6）未考虑信息使用者的目标定位。除上述杜邦分析法中本身并未考虑到的内容外，该分析法并没有针对不同的信息使用者，进行相应的信息筛选，故不同层次的信息使用者面对这一份财务分析报告时可能会有不同的疑问。所以在财务分析体系的改进过程中还应考虑进行信息使用者的目标定位，以生成差异化的、与其目标需求相适应的财务分析报告。
［关键词］会计信息管理；人才培养；数据分析
0引言
1大数据时代背景引发对人才需求的变革
2大数据时代背景下会计信息管理人才工作岗位及能力分析
3大数据时代背景下会计信息管理人才培养目标
4大数据时代背景下会计信息管理人才培养课程体系
在以数据分析引领财务决策信息化的人才培养目标指引下，我们初步形成了如下三个层次的课程体系。
（1）会计学基础课程：会计信息管理源于会计，不能脱离财务会计，仍然要以财务会计为基础。专业学生要了解财务报表的生成过程及会计账务处理流程、能够对一般企业常见经济业务进行会计处理、进行企业纳税申报等。这方面课程主要有：会计学原理、财务会计、纳税实务。
（3）决策能力提升课程：新形势下财务人员面对和服务的更多是企业的管理层和决策层，会计信息管理专业学生要清楚公司管理层和决策层需要哪方面的决策信息支持，并通过数据分析方法进行提供，同时给出合理化建议。这方面课程主要有：管理会计、财务管理、成本管理等。其中，财经数据分析课程能够使学生掌握系统的数据分析方法，包括数据收集、数据处理、数据分析、数据展现及报告撰写各环节的基本理论及操作技能，同时熟练地运用数据分析的思想和方法分析企业的财务数据，为管理层决策提供信息支持。数据分析软件应用课程能够让学生熟练运用Excel等常见数据分析工具、软件进行数据录入、数据整理和数据分析的方法和技巧，培养学生操作Excel等数据分析软件的基本技能。商务智能（含数据挖掘）课程依托商务智能平台，从商务智能概念、商务智能结构、多维数据集内容、数据挖掘、交付等主要内容，使学生在了解如何运用商务智能的工具、架构以及规则的基础上，分析企业数据，为企业管理层提供信息化决策支持系统。
5结语
不同的社会发展阶段和发展水平要求有不同的专业设置及专业培养目标与之适应。从会计电算化到会计信息管理背后的推动力是时代的变革引发的对人才的需求。大数据时代下会计信息管理人才培养目标为数据分析引领财务决策信息化。相应课程体系为财务会计基础课程、数据分析技术课程、决策能力提升课程。我们共同期待，会计信息管理人才将通过数据分析对企业财务等管理决策带来价值增值。
主要参考文献
［2］谭立云，李强丽，李慧．大数据时代数据分析人才培养的思考及对策［J］．黑龙江科技信息，2015（3）：57．
关键词客户满意度；数据挖掘；客户满意度数据分析系统
1客户满意度及数据挖掘
1.1客户满意度
客户满意度是使客户在购买或使用了某种产品并接受某项服务之后，形成的满不满意的态度，是对客户满意程度的度量。
1.2数据挖掘
数据挖掘是从大量不完全的随机的应用数据中提炼有指导意义的数据，这些数据是潜在有用的信息。通过对数据的研究分析，提取知识和信息的过程。
2数据挖掘技术在客户满意度提升中的应用
当今全球经济正飞速地向企业管理数字化的方向发展，数据挖掘技术是一个获取保持并增加可获利顾客的过程，数据挖掘技术提升客户满意度体现在如下几个方面：
1）在汽车行业竞争激烈的今天，汽车行业正处在向“以客户为中心”转移的变革阶段，通过建设统一的客户信息管理平台，优化现行的汽车营销模式，同时通过数据挖掘技术对客户信息进行全面管理，提高客户满意度和忠诚度，对汽车行业来说变得尤为重要；
2）运用多种数据分析方法对数据细节进行综合和分析，达到以下目的：
（1）针对数据分析主题可灵活建立相应的分析指标体系；
（2）分析计算客户满意度各项指标的度量值；
（3）根据不同的指标体系进行客户特征分析；
（4）根据多个角度归纳客户细分因素并进行客户细分；
3）更有效的识别客户的价值，提供优质的个性化服务。根据“二八定律”在企业的满意度战略中的应用，即20%的忠诚客户能创造出企业80%的收益，这20%的忠诚客户是企业生存和发展的支柱。可见，客户价值有很大的区别。三、客户满意度数据查询分析系统设计
M公司已经进行了多年的客户满意度调研，以后每年还将继续开展这个工作。因此，需要建立客户满意度数据库，对数据进行深入挖掘和分析，加强客户关系管理。根据满意度数据，建立统一的满意度数据库。
根据满意度数据库，建立相应的分析指标体系，可以随时对满意度信息、生活形态、购买行为、人口统计信息、心理特征等数据进行对比分析。实现对总体、区域、省份、城市、单店的分析。
建立的统一的满意度数据库，其结构适用于存储和管理同类质不同渠道的市场调研工作获取的信息（满意度信息、生活形态、购买行为、人口统计信息、心理特征、客户特征信息），包括：委托第三方进行的满意度调查结果、M公司本部进行的满意度调查结果、战败客户调研结果等。
通过以下几个角度对满意度数据进行应用提升：
1）满意度的季度趋势预测和异常检查
对未来一季度的满意度变化进行预测，并通过事后检查发现工作上的异常。利用最近历史数据，通过数学上的曲线拟合方法来获得满意度分值在自然状态下的变化趋势（自然状态是指对服务工作没有进行特别干涉的情况）。系统可根据这种趋势对未来某个季度的满意度分值水平进行预测。当两者的误差超过合理范围时即做出发现异常变化的提醒。提醒管理者及时从某些区域和工作环节中寻找满意度出现异常变化的原因，及时对工作进行总结，发现和发扬好的工作方法，检讨和改正不良的工作方法。预测首先是整体，然后从区域和工作两个维度进行单独的趋势分析，使出现的异常可以定位在具位的区域或工作环节上。
在新年度开始时，系统首先从满意度数据库中提取过去一年各季度满意度分值,依据这些数据产生初始的拟合曲线。
2）年度计划建议和考核
对改善未来一年的满意度水平提出期望值，建议新年度工作改进计划策略，在计划目标基础上考核实际工作成效。
满意度分值是企业服务工作成绩的量化表现。企业对将来一年的工作都有一个以计划预算来描述的期望值，在总的期望值下分解各项工作指标和资源配置。我们也可以通过对满意度提出期望值，从另一个角度为企业作出工作计划建议。
当年度调研数据更新后，系统可根据前面所做的年度计划建议与实际的年度调研结果进行对比，从区域和工作环节两个维度考核服务工作成效。
系统认为企业所采用的指标体系是可信的，依据“满意度分值与资源投入成正比”和“权重与对资源的需求量成正比”的原理，根据本年度客户满意度调研结果中各区域、各省市的各分项指标的分值，在人为给定下年度整体满意度的一个提升期望值后，以追加资源投入最少为原则，计算输出最优化的工作改进建议。输出结果以区域省市为空间维度，以分项指标代表工作项目，详细列出下年度各项工作的预测分值和追加资源投入比例。
计划建议模型输出的结果是站在分析满意度变化的角度，帮助企业观察在每个区域、每项工作环节上应投放的工作侧重，以及采用不同的工作侧重会对满意度产生什么样的影响。
3）增强主题分析功能
增加满意度短板探测功能。
提供满意度短板探测功能，可以按分项指标分值范围等参数预设多种探测条件，系统可自动根据这些预设参数，在历年的数据中检索并输出符合条件的样本数据，并提供对筛选出来的数据进行再分析的功能。
增加数据分析报告的输出功能。
提供某些报告输出功能，可按照M公司提供的某些暨定的模板格式，可以按页、按册、按批量自动输出Excel、PDF等格式的数据分析报告，其中，批量输出方式可以自动按经销商和按区域批量输出数据分析报告，节省人工处理报告的工作量。
增加分析区域预设功能。
提供分析区域的预设功能，使操作人员可根据需要从当年的调研数据中抽选出与JDPower调研范围相同的城市作为满意度分析的区域，并按照这种区域结构对客户满意度数据进行观察和对比分析。
3结论
建立并改进满意度数据库查询分析系统，对客户信息数据进行收集及处理。收集客户信息及反馈，对于高客户满意度来说是尤为重要的。只有理解了客户的观点，并从客户视角来研究产品及服务，才能从更深的层面来提升产品及服务。对客户信息数据要进行处理，发现其中有关客户满意度的模式，再调整相应的有效策略及形成决策支持。本文期望通过对M公司满意度数据查询分析系统的研究，能给汽车行业客户满意度的提升，提供一些帮助并做出一定的贡献。
数据挖掘作为在海量客户信息中发现客户行为模式并挖掘影响客户满意度关键指标的一种现代技术，为企业制定和调整经营决策起到了有效的指导性作用。随着数据挖掘技术的不断成熟，“以客户为导向”的经营决策也必将体现出其更大的价值。
参考文献
[1]刘菲.基于数据挖掘技术的客户满意度的提升.华章，2011(31).
[2]陈京民.数据仓库与数据挖掘技术[M].北京：电子工业出版社，2006.
【关键词】大数据重载铁路机务系统应用
随着国家经济建设的发展需求，重载铁路建设将逐步转为发展重点，“货运重载”将与“客运高速”共同构成中国铁路发展两大趋势。随着铁路重载运输技术及装备水平的提高，新材料、新工艺、新设备、电力电子、计算机控制和信息技术等现代高新技术在重载铁路上广泛应用，特别是在牵引动力、车辆大型化轻量化、同步操作和制动技术等方面有了新的突破，从而更大地促进了重载运输的发展。重载铁路的快速发展使其在运营安全、运输效率、基础设备建设、维护等方面面临巨大的挑战。目前，重载铁路各专业针对运营、安全、设备维护等进行了各种检测监测，产生了海量的、结构多样的数据，如何有效管理和充分应用这些数据，是重载铁路高效运营和管理的基础和关键。
1大数据技术
1.1大数据和大数据技术
“大数据”不仅仅简单指大的数据，它是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。
1.2大数据特征
“大数据”同过去的海量数据有所区别，其基本特征可以用4个V来总结（Volume、Variety、Value和Velocity），即体量大、多样性、价值密度低、速度快。
（1）数据体量巨大。从TB级别，跃升到PB级别；
（2）数据类型繁多，如网络日志、视频、图片、地理位置信息，等等；
（3）价值密度低。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒；
（4）处理速度快，1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。
1.3大数据处理流程
大数据处理流程可以概括为四个步骤，即数据采集、数据导入/预处理、数据统计及分析、数据挖掘。重载铁路大数据建设需要在数据统计、数据分析及数据挖掘方面进行全面深入的应用研究，为重载铁路运营构建先进而强大的分析挖掘工具和决策支持系统。
1.4大数据与云计算
从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式计算架构。云计算是基于互联网的一种计算方式，它的特点主要有：规模大、虚拟化、按需服务、高可靠性等。对海量数据的挖掘必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术。云计算将大数据处理技术部署在云计算平台上，就能够利用云计算强大的计算能力，快速处理数据，进行数据挖掘等工作。
2重载铁路大数据应用的作用
大数据应用在重载铁路中的作用主要有：为运输生产提供辅助决策、为设备维护提供精准周期、为安全管理提供事前预防、为运营管理提供科学决策。
2.1运输生产的辅助决策作用
利用大数据可以为运输生产提供很多辅助决策，如正常情况下调度员运输秩序的指挥、车站到发线的自动安排，非正常情况下运输调度的调整等，有助于优化作业流程，及时发现问题，提高运输效率。
2.2设备精准维护的作用
2.3安全管理的事前预防作用
2.4运营管理的科学决策作用
利用大数据可以为领导决策层提供实时的各类数据分析，包括成本分析、各项各类财务分析、物资使用情况、人员综合分析等，通过各种类型数据的分析来有效地发现经营管理过程中发生的问题，帮助决策层实时改进和创新管理理念，研究制定适合的解决方案，找出最优的运营管理决策。
3重载铁路大数据体系建设
3.1.1生产类数据
（1）重载铁路设计和建设时期的各类设计、建造、竣工验收数据，包括设计数据、建设施工材料和工艺数据、设备开通前试验测试数据、联调联试数据、试运行数据、竣工验收质量评定数据等。
（2）重载铁路运营阶段按照固有的车、机、工、电、辆、供、通信等专业分类的基础设备信息，此类信息包含描述设备本身位置、组成和结构特征等的数据以及用于管理的台账类数据。
（3）重载铁路运营阶段设备状态检测监测和设备维护数据，包括利用移动设备（包括综合检测列车、专业检测车等）进行的动态检测，利用固定监测设备对铁路特殊地段、关键结构、环境等进行的在线实时监测，现场利用人工检查手段得到的静态检查数据，以及养护维修手段、养护频度和效果，设备更换记录等等。
（4）外部环境监测数据，包括水文地质监测数据、自然灾害监测（风、雨、雪、洪水、泥石流、地震等）数据、异物侵限等，这些数据可能影响设备的正常运行或者对设备造成破坏。
3.1.2经营类数据
（1）重载铁路运营过程中设计的各种财务数据，包括重载铁路会计核算管理、成本计算管理、收入管理、资金管理、国有资产管理等各类财务基础数据和报表。
（2）物资数据，包括重载铁路经营过程中物资的采购、出入库、调配、调拨，物资编码，日常管理的各种卡、帐、表格，物资消耗、成本分析、统计分析等各类数据。
（3）人力资源信息，包括反映人力资源现状的事实数据，如人员数量与结构、学历、年龄等；反映人力资源活力的动态数据，如招聘周期、员工流动率、核心员工流失率、内部流动率等；反映人力资源质量的分析数据，如人均效率、人力资本投资回报率、员工满意度、员工敬业度等。
3.2建立数据中心
（1）建设大数据背景下的基础数据中心；
（2）建设大数据背景下的生产管理数据中心；
（3）建设大数据背景下的检测监测数据中心；
（4）建设系统间数据共享的大数据平台。
3.3搭建大数据系统平台
重载铁路大数据系统平台的搭建可以采用云平台供应商的公有云服务；对于独立的、经营能力强的重载铁路企业，也可以构建企业云平台。经过大数据分析后的可用信息可以直接被转化到现有系统中，帮助企业提高管理决策水平。
4朔黄重载铁路机务大数据应用
4.1数据中心运行情况
4.1.1数据收集
朔黄铁路全线在神池南、肃宁北、黄骅港设置三个转储检测点，当机车入库整备时，库检人员将所有行车数据进行转储，并通过公司内网上传到服务器中存储。目前依靠人工转储的作业方式，今后将逐步采用无线传输技术对数据进行实时传输，为后续数据的分析汇总奠定坚实的基础。
4.1.2数据分析
转储数据后，十二个专业模块分别对数据进行深度挖掘分析。这些数据分析既包括某个设备部件的运行记录分析，又包括对机车整体运行状态的分析。通过分析这些数据，再现机车运行状态。通过数据分析探挖机车运行中的安全隐患，由事后分析变为事前预判。
4.1.3数据挖掘
4.2数据中心作业方式
4.2.1整合数据资源，搭建分析平台
将零散的数据资源集中整合，收集各类机务系统数据信息，实现信息实时共享和，为机车设备维护和现场作业管理提供数据信息服务，为朔黄铁路安全管理提供全面、集中、及时的机务综合数据信息。
4.2.2建立系统数据库，构筑分析体系
按照先期整合数据、后期逐步发挥数据决策参考作用的思路，目前，机务系统大数据库主要包含的数据有三大类，即机车运行安全、设备质量和综合数据，基本涵盖了当前机辆分公司机务系统所涉及的安全、质量业务数据。
4.3效益和价值
4.3.1暴露问题，及时整改
数据分析结果通过日报、旬报、月报、年报的形式向各生产单位反馈机车运行过程中出现的故障或者倾向性问题，以满足对机车健康状态、机车关键部件在线状态、机车故障处理等进行实时监测和指导，出现问题及时整改。
4.3.2指导生产，提供依据
通过数据自动检测、分析，可以为一线操作员工提供平稳化操纵依据和机车运用质量状态信息，以减少因人的不安全行为或判断失误造成事态扩大。通过大数据分析有利于提高基层单位的基础管理，通过采取基础分析、模块分析、专项分析等不同形式的数据分析，探究出本单位日常生产和管理过程中存在的各类隐患，由事后分析变为提前预判。
4.3.3总结规律，辅助决策
通过数据分析，为各单位提供涉及管理类、设备类、环境类等数据统计结果，如：可以找到乘务员超劳的关键环节，可以归纳乘务员的操作习惯，可以总结乘务员在中间站调车的关键点，可以梳理影响列车安全运行的事件，等等。不仅避免很多重复分析工作，也为各级管理人员提供决策依据。同时，对朔黄铁路开行两万吨及以上重载列车的模式化操纵、智能操纵、机车设备维护等提供数据支撑。
5结论
随着我国重载铁路技术的不断发展，货运重载将会成为铁路发展的趋势。重载铁路的运营管理必将面临提高效率、降低成本、保障安全的问题，利用现代化管理手段替代传统铁路管理手段将成为必然，大数据技术为发展重载铁路带来了契机。通过大数据技术应用，为管理者提供管理决策支持，为生产调度指挥提供优化措施，为基础设备维护提供诊断方案；通过大数据技术分析，为重载铁路安全管理从事后分析转变为事前预控，设备维护从周期维护转变为状态维护；通过大数据技术挖掘，使重载铁路运营管理从流程化、规范化、数字化转化为精准化、智能化，从而提升重载铁路运营管理水平。当然，重载铁路大数据体系建设不是一蹴而就的，需要完善大数据技术应用过程中所需的各种基础建设，提高大数据体系建设过程中的各项技术。同时，还需要在大数据技术应用的观念上达成共识，促进重载铁路的现代化发展。
（三）课程考核多元化财务分析课程实践性强，应加大实践性考核比重。学期末时，每组同学根据选择的上市公司完成的财务分析报告占学期期末成绩的40%，为避免搭便车现象，财务分析报告需要注明小组成员的项目分工，根据个人表现在小组成绩的基础上进行上下浮动赋予个人成绩。期末试卷成绩占学期成绩的50%比重，期末试卷题型中加大案例分析比重，案例分析占期末试卷比重50%，以加大财务分析能力考核力度。平时成绩占比10%，包括课堂出勤、课堂表现、课前平台资源预习情况。财务分析课程考核的改革，真正做到过程性考核和终结性考核相结合，以考核为导向，引导学生注重能力的提升。