数据处理范文10篇

随着税收征管改革的不断深化和提高，信息化建设步伐明显加快，数据处理的广度和深度在一定程度上已影响到征管改革的进程。连云港市国税局于2002年9月份在全省率先进行征管软件5.0版的升级工作，并同时实现了征管数据的大市集中。通过近一年的运行，数据集中处理作为一项新的税收业务，已成为国税部门和广大国税干部竞相探讨、勇于实践的热门课题。在投身征管改革时，笔者对数据集中处理业务进行了认真的思考。下面谈谈一些粗浅认识，以期对推动征管改革有所帮助。

一、对数据处理的理解

数据处理如果单从字面来理解，事实上在没有使用计算机处理征管业务的时候就存在了，只不过那时候的数据处理是手工的、分散的、局部的和少量的。随着征管业务向信息化、专业化的逐步推进，计算机对征管业务介入越来越全面、越来越深入，特别是通过数据逐步向上集中，数据库的规模越来越大，对数据的处理就变成了专业化、集中化和规模化的专门工作，数据处理作为一项独立的业务应运而生。我们所说的数据处理，实质上应该是以计算机技术为依托的专业化、集中化、规模化的数据处理，不管其职能部门是数据局或是数据处理中心，还是其它什么名称，其业务处理的内容和实质都是一致的。

在明确了数据处理的专业化、集中化、规模化之后，再次回到其字面上来观察分析，我们不难发现，“数据处理"中的“数据"，其来源是税收业务具体操作过程中形成或积累的数字、文字、报表或其他资料，而“处理"，则是基于信息技术的应用，通过计算机及相关软件、网络对“数据”进行运算、加工、提炼、传输等的过程控制。两者结合，体现了两个深层次的含义。一是税收征管业务的技术化，二是计算机技术的业务化。如果说当初设置信息中心是充分考虑了税收业务的技术化的话，那么数据处理中心的产生则是业务与技术的结晶体，是把计算机技术更好地融入到税收征管业务之中。因为信息部门在很大程度上还是一个技术部门，它所完成的是对征管业务的依托，促成征管业务向专业化过渡，缩短技术与业务的距离，但距离依然存在，是量变，而数据处理已成为征管业务的载体，使征管业务与信息技术密不可分、融为一体，完全达到了专业化，距离已不复存在，实现了飞跃，是质变。也正是因为税收业务的技术基础与载体发生了重大变化，所以国家税务总局许善达副局长提出了“征管改革要充分考虑信息化条件下的业务工作特点，遵循信息化运行的规律”。这正是一切从实际出发的普遍原理在征管改革中的具体运用。

二、数据处理的发展阶段

如果站在整个税收业务发展变革的角度来观察数据处理部门，可以将它看成是技术化、专业化税收业务的一个接收机构，其初期是以会计核算等初级数据处理业务为主，是“小数据处理中心"，后期随着信息化建设的深入发展，依法治税的持续推进，征管查工作中的大量业务相继纳入数据处理的范畴，并逐步实现数据处理的专业化、集中化和规模化，“数据处理”越做越大，最终必将会成为税务部门的业务核心机构，起到中枢神经的作用。具体地说，大致可分为三个阶段：

【摘要】当前随着国际竞争日益激烈，新形势下各行各业发展都面临着诸多的挑战，市场环境具有不可预测性，统计数据信息变得更加重要。大数据时代的到来为统计工作提供了强大的技术支持，与此同时数据更新速度不断加快，数据类型日益多样化，处理难度也越来越大，增加了统计工作难度。本文着重研究了投资统计大数据相关的处理关键技术，以供参考。

【关键词】投资统计;大数据;处理;关键技术;分析

大数据时代背景下，促使信息生成、传播效率不断提升，越来越多的结构化、半结构化和非结构化数据的出现，增加了统计工作难度。统计数据在投资领域具有重要的参考价值，如果不能保证统计数据的权威性，统计信息不对称，将会影响投资决策的成败。加强投资统计大数据处理关键技术分析，有助于积累更多的统计数据处理经验，从而引导相关行业领域的人士提高投资决策的科学性，获得更大的收益。

一、加强投资统计大数据关键处理技术研究的重要意义

大数据时代背景下数据类型日益多元化，数据具有应用价值大、数量多、速度更新快的特点，这对于投资统计数据处理技术也提出了新的挑战。投资统计是指搜集、整理、分析和应用的数据，目前国家金融体制改革进程有序推进，为了更好地提高投资统计的科学性和准确性，就需要结合实际形势，深入研究投资统计大数据关键处理技术，这样才能对海量的数据进行实时动态多元化处理，全面有效分析统计数据背后的规律，提高投资统计数据处理水平，进而为国家有关部门和行业决策提供基本参考支持，也有助于推动国家整体金融市场良性有序发展。

二、投资统计大数据基本特征分析

摘要:气象监测、预报和服务工作中，需要处理大量的气象监测数据。其中最基本的数据包括温度、降水、气压、湿度、风向和风速等。这些数据的存储大致分两种方式:一种是以标准格式的报文存储;一种是以数据库存储。在实际业务应用中，一部分气象数据存储在数据库中，以保证业务应用的时效性和便捷性。通过应用数据库(SQLServer数据库，下同)存储过程和作业的方法，自动进行温度、降水等要素的统计分析，不仅可以提高数据统计分析的时效性，而且节省了数据处理业务平台的开发成本。由于是应用数据库自身机制运行，无第三方程序干预，程序运行的稳定性和可靠性高，维护便捷。

关键词:监测数据;数据库;作业;存储过程

1概述

SQLServer数据库的作业是一系列由SQLServer按顺序执行的制定操作。可执行一系列活动，包括Transact-SQL(T-SQL)脚本、命令行应用程序等，可执行查询或复制等任务。作业可以运行重复任务或那些可计划的任务。存储过程(StoredProcedure)是一组为了完成特定功能的SQL语句集，经编译存储在数据库中。用户通过存储过程的名字并给出参数(如果该存储过程带有参数)来执行它。存储过程可以同时执行多条SQL语句，并且比通常的SQL语句执行要快，可以向里面传进参数或传出参数。应用作业和存储过程对气象数据要素进行处理，实现了不用开发相应的数据处理程序，即可得到数据结果，而且快捷高效。

2基本架构

根据任务需求，明确数据库中需要处理的原始数据表，制定作业方案。结合不同的数据处理过程，编写存储过程。应用作业调度，执行相应的存储过程或T-SQL脚本，得到数据处理结果并存储到目标数据表中，供业务系统或平台调用。

摘要：本文阐述了大数据挖掘的来历、方式和技术体制还有对数据的处理方法。从数据本身和使用工具方面比较了大数据与数据挖掘的异同，并且提出了关于在大数据时代数据挖掘的发展路线。现在科技的发展使大数据获得了广泛的关注、重视、和进行开发从而加以实践。现时代数据中非结构化流式数据作为一种主要的数据形态，而他的信息庞大和复杂使得传统数据处理体制无法满足对数据处理的要求，为了满足新时代的对大数据的处理需要将大数据处理系统从流程设计向数据设计方向转化，从而提高对数据处理的效率。

关键词：大数据；挖掘；数据处理；方法

现时代大数据的涌来，使得人们迫切的想加大对数据的研究与了解。数据挖掘因此成为了我们在对数据了解的路上的一个障碍，通过对大数据挖掘的阐述，将有助于我们加深了解数据的情况。在数据的处理方法上这里也将做出一个完整的阐述。

1.基本概念

数据挖掘，意思很明显，就是表层意思，其就是从海量的数据中提取出有效的信息，也就是相当于在数量大、信息不完全、信息不清晰的数据中，提炼出对人类有用的的信息和知识的过程。数据挖掘主要操作是在大量数据中利用分析工具发现数据与模型间关系，在这个过程中它可以帮助使用者寻找数据与数据之间的联系，使模糊的因素变得明显，所以数据挖掘被认为是在这个信息时代解决信息贫乏的一种有效途径。数据挖掘不仅融入了数据仓库、模式识别、建模技术、还包括了机器学等多领域的理论基础和技术。其中数据库、数理统计、人工智能是数据挖掘的三大技术支持。大数据是通过高速采集、发现和解析海量信息，是一种全新的从大容量数据中获取价值的技术结构。有一个权威的机构给过大数据以一定的定义，分别是四个"V"字开头的字母：Volume（体量大），Velocity（速度快），Variety（种类杂），Value（价值大）。Volume是指数据的大小决定所考虑的数据的价值和潜在的信息；Velocity意思是对数据获取的速度；Variety则意味着要在数量大、信息复杂的数据间发现其内在关联；Value最重要，它是大数据的最终意义：挖掘数据中存在的价值。

2.相互联系

摘要：统计学被列为财经类专业本专科专业的必修核心课程之一。其教学面临诸多挑战，应当顺应统计学教学的发展趋势，将统计学和计算机技术有机地结合起来，运用EXCEL的有关功能对教学内容、教学方法、考试方法进行改革。

关键词：统计学；教学模式；EXCEL

进入21世纪,随着我国市场化步伐的加快,社会对新知识的需求日益增加,无论是国民经济管理,还是公司企业乃至个人的经营、投资决策,都越来越依赖于数量分析，依赖于统计方法,统计方法已成为管理、经贸、金融等许多学科领域科学研究的重要方法。教育部也将《统计学》课程列为财经类专业本、专科专业的核心必修课程之一。力图通过《统计学》的学习，使学生掌握探索各学科内在的数量规律性，并用这种规律性的解释来研究各学科内在的规律。同时，由于统计学所倡导的尊重客观实事，通过调查研究用实事说话，这也有利于培养学生的实事求是的学习、工作和科学研究精神

一、《统计学》课程教学面临的挑战

1、内容日益丰富。长期以来,在我国存在两门相互独立的统计学——数理统计学和社会经济统计学，分别隶属于数学学科和经济学学科。20世纪80年代以来,建立包括数理统计学和社会经济统计学在内的大统计学,逐步成为我国统计学界的共识。1992年11月,国家技术监督局正式批准统计学上升为一级学科。国家颁布的学科分类标准已将统计学单列为一级学科。随着大统计学思想的建立和统计学在实质学科中的应用的需要，大多数学校和老师在财经类专业的本、专科专业《统计学》教学过程中，除了保留社会经济统计学原理中仍有现实意义的内容，如统计学的研究对象方法、统计的基本概念、统计数据的搜集整理、平均及变异指标、总量指标、相对指标、抽样调查、时间序列、统计指数等；同时也系统的充实了统计推断的内容，如：统计数据的分布特征、假设检验、方差分析、相关与回归分析、统计决策等。这一变化使得《统计学》的内容更适合相关实质学科的发展需要。

2、学生的学习难度加大。首先、结合《统计学》的课程特点——概念多而且概念之间的关系十分复杂、公式多且计算有一定难度等。如果学生不做必要的课外阅读、练习和实践活动，是很难理解和掌握的。对于财经类专业的本、专科专业的学生来说，本身的专业课学习负担已不轻。其次、对于财经类专业的本、专科专业的学生来说，由于其本专业的课程体系要求，使得学生的数学或者数理统计的基础不是特别好，对于专科学生来说更不用说，推断统计将是他们学习的困难。再说，《统计学》作为专业基础课，一般安排在一年级或二年级第一学期，在这个学习时段也是大多数专科生和本科生忙于计算机课程和英语课程的考证时段。如果以牺牲授课内容和降低要求来减轻学生的学习负担，显然有悖于《统计学》课程的教学和相关专业的发展要求。所有这一切对于学生学好这一课程面临的困难可想而知。

如今计算机数据处理过程对于处理需求若依旧采用传统工作方式和技术已经无法满足，所以急需对技术进行创新和加强，促使计算机数据处理质量和水平提升，对有关问题也能有效规避，使计算机数据处理领域实现更快更稳的发展。云计算凭借自身优势广泛运用到各行各业，大数据时代到来，数据量持续增加，这自然对计算机数据处理提出的要求不断提高。要提高当前计算机数据处理水平，需科学高效运用云计算技术。

云计算技术属于计算机科学领域的先进技术之一，代表互联网第三次革命。到目前为止云计算的定义还没有统一，IBM指出云计算即网络共享服务模式，其主要特征包括下面几点：（1）动态化。作为网络共享服务模式的一种，云计算技术的特征之一就是动态配置资源，以用户具体需求为基础，动态配置物理资源与虚拟资源，这样就可以对用户所需资源进行灵活性的分配。而且，云计算有利于拓展资源，使提供的服务具有无限性优势。（2）自助化。应用云计算技术后，供应商和用户不需要直接沟通就能获得相应资源，直接利用云计算自行提供给用户，如目录和服务说明等等，用户以信息为依据合理选择具体服务，使资源需求得以满足。（3）计量化。用户需求在云计算下具有计量化特征，更加科学合理地分配资源，用户只需支付费用就能够享受各种各样的服务。（4）灵活性。云计算利用虚拟化在很短时间内就能够完成构建基础模型的任务，而且以用户具体需求为基础，动态化地释放或添加资源，保证用户应用期限的灵活性更强。（5）可靠性。互联网是云计算技术的重要载体，通过若干节点将服务提供给用户，并完成数据的储存和计算，都是在相应节点完成的，若某一节点发生故障，就会向其他节点进行分配，保证用户享受的服务不受影响。与此同时，配合数据容错等先进技术的使用，云计算可靠性进一步加强。云计算自从推出以后，业内人士和专家学者就高度重视，从最初的分布式计算逐渐发展到现在的网络服务，其发展速度惊人。互联网是该技术的重要载体，用户支付费用享受服务，如下图为对应的服务层次示意图。

从图上可知，云计算服务层次共有四层，每一层提供给用户的服务都各不相同。（1）基础设施即服务。托管应用硬件设备的方式之一，也就是在互联网的基础上，在计算机中获得有关服务，资源虚拟化是服务的具体内容。（2）平台即服务。服务商提供的一种服务，对应的内容是开发应用解决方案，服务商将平台提供给用户，用户借助平台研发应用软件，这样用户在硬件设备采购费用方面能够大幅节约，并且工作室合作也更为便捷高效。（3）软件即服务。这是通过互联网提供软件服务的一种方法，也就是软件供应商对应的服务商统一部署程序，用户借助互联网直接将相应的软件进行获取。在此服务模式下，用户不需要对任何设备进行购买，也无需对软件维护或者升级。云计算概念推出以后，云安全和云存储等相关概念也先后提出。云安全概念是中国企业提出的，将多种先进技术融合起来，例如未知病毒行为判断技术、网格计算技术以及计算机并行处理技术等等，通过网站客户端实现网络软件行为异常情况的检测，以此将互联网中的恶意插件、病毒以及木马等信息进行获取，再向服务器端进行传输以实现相应的分析和处理，完成具体的解决方案的制定后向客户端发送，以此来为网络数据的安全性提供保证。云安全技术下用户端总量不断增加，单一用户数据安全性也自然随之提升。这最主要的原因是用户端总数逐渐增多，能够对更多和更大范围的数据进行覆盖，在出现的数据为木马程序或者病毒的情况下，云安全技术自动开启以拦截木马程序或者病毒，保证用户端数据的安全。

云安全技术应用在计算机数据安全中的具体表现包括下面几点：（1）密码安全。密码安全中应用云安全技术：计算机网络中传递数据时，访问权限会对其有一定约束，因此用户要将正确密码输入才可以获取相应权限，完成传输数据。以上流程必须是在数据安全的前提下进行，对已有安全方法加密，使密码破解难度不断提升，这样就能够保证密码更加安全。（2）信息安全。计算机网络中用户端位置可利用定位系统来展示，这样用户信息就存在被泄露的风险。但如果应用云安全技术，用户登录地点就可以得到更好的保护，在数据传输过程中，可隐藏自身位置。除此以外，也可以提供邮件服务，如果用户使用过程中出现异地登录的情况，会以邮件方式来提醒用户，以便用户及时更改密码，保证用户信息的安全。（3）数据安全。应用云安全技术后，计算机网络用户传输数据过程中，需要将用户名与密码正确输入，与此同时用户还要将验证码进行输入。一般来说，用户点击发送验证码以后，用户以信息方式进行接收，若不正确则数据传输不能完成，使用户数据安全保证级别进一步提高。基于云计算模型的数据处理：（1）模型构建。计算机数据处理通过云计算技术完成时，首先要建立云计算模型，在建立过程中，通过虚拟化技术的应用将个性化服务提供给用户。（2）数据处理。建立模型完成以后，通过本体语义技术获取计算机网络内部所有传输节点数据样本，由此实现构建物理平台，接下来数据处理利用云计算技术来完成，这样就能够获取数据输出向量特征。（3）数据传输。计算机数据处理过程中为了提升云计算虚拟模型稳定性，设计框架过程中要掌握客户端组件设备特点，通过关键路径索引判断数据处理是否有效。

关于云计算技术优势是无可质疑的，如果希望计算机数据处理过程中云计算最大化地发挥其作用，那么云计算技术就必须持续改进和优化，对此主要优化方案包括下面几点：（1）混合云计算。云计算可以向用户提供网络服务，若计算机数据处理过程中用户应用云计算技术，公共云或者私有云都可以选择。①安全性问题的解决建议：首先，行业专业人员对加密技术的探究要不断增强，在已有加密技术的前提下对加密方法进行创新，使混合云计算过程的数据传输的安全性更高；其次为安全协议，专业技术人员在安全协议设立过程中，必须掌握相应密码运算。②计费问题的解决建议：服务提供商可以让用户结合具体需求对相应的费用进行提前支付，用户就能够灵活调整相应的需要，进而实现支付费用的减少。③资源配置问题的解决建议：资源配置是混合云计算非常关键的环节，决定了混合云计算推广成效，而资源配置问题是非线性求解问题，该问题特别复杂，基本上难以利用简单叙述来解释清楚，因此专业人员对于此方面要不断探究，促使混合云计算下资源配置的不断优化。（2）移动云服务。移动端应用范围不断扩大，应用深度也在持续加深，对此，云计算未来发展趋势必然是移动云服务。移动云服务一方面对移动端总体性能提高有积极作用，另一方面可提高本地数据储存能力。移动设备基本上都具有点对点传输信息以及数据通信的功能。对此，开发移动云服务的过程中，为了实现Windows操作系统相关应用的无缝对接，信息系统研发力度应加强，将多种先进的技术充分应用，尽可能规避数据盗用或者数据窃取等问题的发生。总之，云计算技术应用范围不断扩大，其特征和优势也逐渐凸显出来。当下的互联网时代，人们在计算机数据处理方面的需求持续增加，并且也更加重视，对此，可以在计算机数据处理过程中引入云计算技术，通过科学合理的运用推进数据处理水平的持续提高。为了确保计算机数据处理过程中云计算技术效力最大化地发挥出来，接下来最主要的任务就是云计算技术的进一步研发，可以将移动云服务以及混合云计算作为两大核心云计算服务层次示意图课题。

作者：王一帆 单位：中南财经政法大学

摘要：随着信息技术的飞速发展，我们迎来了“互联网+”时代，互联网技术被广泛的应用在各行各业的生产和生活中，极大促进了工作效率和质量的提高。在新时期面对新的发展局势，传统的档案管理模式已经和时展相脱节，对档案管理者来说，如何在互联网视角下做好数据处理和档案管理工作，就成了值得重视的问题。在这个信息爆炸的时代，档案管理要面对着网络的多维性、档案管理主体的多样性等不同的机遇和挑战。这要求档案管理工作者要建立安全可靠的档案网络管理环境，对档案数据及时进行信息的分析整理，提高档案管理水平。

关键词：互联网；数据处理；档案管理

当今的时代是科技和网络飞速发展的时代，计算机和网络技术已经成了人们日常生活的一部分，改变了人们的生产生活方式。在这种背景下，档案管理相关的技术和电子产品也迎来了发展的春天，令传统的数据处理和档案管理模式黯然失色。对档案管理者来说，必须对传统的纸质文件的档案管理模式进行优化升级，将之变为多样化的电子信息化管理模式。

一、在数据处理和档案管理中利用互联网技术作用

(一)促进数据处理与档案管理效率的提高。在互联网视角下，通过信息网络技术能够极大的促进数据处理和档案管理效率的提高，确保档案管理工作的效率和质量。在互联网视角之下对数据处理和档案管理的改进要求科学管理，最终实现数据处理与档案管理的科学和高效，促进数据处理和档案管理的精确性和全面性。这要求在数据处理和档案管理工作者之间有一套稳定有序的沟通协调机制，在工作过程中有严密的监督体制。同时档案管理者要树立合作观念，促进档案管理工作中的信息共享和技术进步，实现数据处理和档案管理的高效化。(二)促进了数据处理和档案管理的统一标准的建立。在互联网视角之下，数据处理和档案管理的统一标准的建立不再是一个难题过去在相关工作人员对数据处理和档案管理的探索中，由于受到自身实力、资源和地域的限制，在档案管理工作中的标准往往是由各单位独立制定的，最终导致了在不同地区、不同行业的档案管理标准往往不同。这种标准的不统一使得在档案管理工作者之间信息的分散和密封，信息共享的难度加大。而互联网技术的引入，则消除了各地区和行业之间由于标准不统一而造成的信息隔离。互联网技术能够在不同的主体之间实现数据信息的有效整合，使得不同主体之间就档案管理和数据处理统一标准的建立成为可能，促进不同主体之间的信息共享。

二、为何要在数据处理和档案管理中引入互联网技术

摘要:文章通过分析现阶段市场主流大数据处理方式，及该流程下易产生的数据失真原因和导致的后果，提出相应的有针对性的处理方式，从而讨论大数据处理过程中的风险控制可行性，并对未来用户数据隐私保护时代和海量数据背景下如何增强数据有效性收集提出部分设想。

关键词:大数据挖掘；黑天鹅；样本免疫；血字数据

1大数据处理现状

目前行业内大数据常用的处理流程可以概括为四步，分别是数据采集、导入和预处理、统计分析以及挖掘。1.1数据采集。大数据的采集是通过多个数据库介质来接收发自客户端的数据（随着智能手机的普及，App端口采集已经成为主要来源），且数据采集者可以通过这些数据库来进行简单的查询和处理工作。在大数据的采集过程中，其主要特点和挑战是并发数高访问量在峰值时达到上百万或千万级别，如“天猫双11”和春运抢票以及各种网购平台促销时的“秒杀”活动，都要求采集端部署大量数据库才能支撑，负载均衡和分片处理将是采集端设计的重点考量范围。1.2导入预处理。很多业内流行的做法是在采集端进行前端数据导入的大型分布式汇总，且在分布式储存群中进行数据的清洗和和预处理，甚至嵌入流式计算步骤。此步骤要注意的是百兆、千兆每秒的数据量处理难度较大。1.3统计分析。传统统计与分析的需求端运用EMC的GreenPlum、Oracle的Exadata，以及基于MySQL的列式存储Infobright。实际运用过程中我们常遇到批处理，或者基于半结构化数据的需求，这点应当区分考虑，同时统计、分析步骤涉及到的数据量十分巨大，近年来随着数据采集量的爆炸式增长，系统资源占用往往没有上线，这点硬件布局时应当充分考虑。1.4挖掘。市场上目前挖掘方式，主要是在现有数据根据客户需求进行基于各种算法的计算，从而起到预测的效果，高级别数据分析的需求，也往往是基于初级算法的嵌套性叠加。往年典型算法有用于聚类的K-Means、用于统计学习的SVM和用于分类的NaiveBayes，使用工具有Python、Hadoop等，该过程的难点往往是精准把握用户数据需求，再基于需求的基础之上进行算法的调整。

2大数据失真的危害及风险

在处理流程中，采集、导入预处理、统计分析，都可以通过预设数据库完成。而真正用于企业营销、战略、市场分析的核心数据挖掘阶段则是完全无法具体量化，可以说不同行业和不同市场阶段有着截然不同的数据库需求，如果我们挖掘和提炼数据的过程严重或者部分失效，则在数据分析的蝴蝶效应之下得出的结果一定与事实情况是天壤之别。2014年电影《黄金时代》和2018年电影《阿修罗》大数据端在票房和市场预测方面失算的案例充分说明大数据的推演失真所造成的结果是灾难性的。随着“关系链和数据流应成为企业估值的新核心指标”这一把数据价值提升到前所未有的理论诞生。各中商业资本开始疯狂的引入大数据概念，各种相对应所谓的数据分析公司应运而生。然而大数据真的那么神奇吗？是否真的可以像宣传的那样神奇到对目标无孔不入地分析？据资料统计《黄金时代》在百发有戏的会上,百度大数据部产品规划负责人祖峥介绍了百度票房预测产品,通过百度搜索数据、新浪微博数据以及10年来电影行业数据、同类电影数据等,以及电影受众分析,预测《黄金时代》票房将在2亿至2.3亿之间。由此可见其数据挖掘阶段的主要参数是“百度搜索”“新浪微博”“电影行业历史数据”等存量数据指标，虽然算法笔者个人不得而知。但作为一个软件行业从业人员从数据源的角度分析：首先百度搜索和新浪微博等支流平台其收集的只是所谓关注度数据，我们无法将关注真正转化为票房；其次，中国电影在票房统计上有先天的缺陷，影院对票房的瞒报早已成为业内的潜规则，而21世纪初我国才开始建立票房统计制度，其时间周期不过10年左右。最后受众分析方面，发行方和百度数据利用所谓的问卷调查为依据样本，推演出数据结果殊不知这样的数据严重受制于“受众免疫”现象。（受众免疫：泛指调查样本在已知条件下对调查行为采取的与实际不符的行为方式，其结果会产生调查数据折射）。

摘要：随着科学技术的进步和发展，计算机技术也逐渐朝着多样化的方式开始不断进行革新，在生活和生产中广泛运用，并且对原有的产业起到了推动作用。伴随着人们对生活娱乐和工作生产中的要求越来越高，现有的计算机运算速度已经难以满足大家的需求，制约了计算机网络技术的快速发展。但是在最初的计算机技术的发展中，主要作用就是为了进行数据计算，因此，针对计算机数据处理中影响运算速度的因素进行简要分析，并且提出几点建议。

关键词：计算机数据处理；运算速度；影响；因素

当前人们使用计算机的方式已经脱离了最早的计算机设计概念，不再是追求大量的数据运算，更多的是与生活生产相结合来满足工作的需求以及个人的使用，包括网络浏览以及办公室办公等，然而计算机技术的数据处理作为计算机技术中的基本工作要求，其中关于数据处理的运算速度对计算机的使用性能有重要影响。因此，要对计算机进行数据处理时的运算速度进行深入分析，通过从实践操作中不断发现其影响因素从而提出改进措施。

1计算机数据处理

在计算机技术的发展中，最早体现出来的就是数据处理技术，在早期航天航空事业发展中，需要一定的技术对大量的航空数据进行计算，由于进行人工处理产生的一定误差会对航天航空项目产生巨大影响。因此，对计算机数据处理技术进行了开发，利用门电路的特点进行了电子逻辑计算，再加上数学模型与之相结合，利用计算机逻辑门电路功能，完成了计算机数据的运算功能。在最早的时候，计算机的数据计算能力就代表了计算机的数据处理能力。1.1概念。随着计算机技术在生活和工作生产中的普及和运用，计算机已经在传统意义的基础上进行了改革，被人们称呼为“微机”。根据计算机的计算能力和体积可将计算机分为巨型机、超大型机、大型机、中型机和小型机以及微型机。计算机的运算能力越强，它的体积就越大，除了是内部构造的原因，还由于计算机在运算过程中需要强符合的电路逻辑，因此需要具有一定的散热功能。例如我国进行自主研发的“银河二号”超级计算机的体积就非常庞大，主要就是因为其内部构造非常复杂以及零件数量巨大，以及需要对中央处理器进行散热处理。目前一般在生活和生产工作中使用的基本都是微型机。微型机的功能并不是只有数据运算还需要将运算功能与其他方式相结合来进行数据的处理。因此，一般在对计算机数据处理的定义进行研究和分析时，都是从它的宏观定义出发，而不仅仅是指数据运算。例如，使用计算机对拍摄的图片进行加工时，在运用了电子门电路的逻辑运算的同时，在计算机的中央处理器中也同时进行了对图片的数据进行处理的运算，这也是因为在计算机的逻辑思维中只存在二进制的数据“0”和“1”。数据以其他方式进行呈现时，计算机是无法进行识别的，因此，在计算机进行数据处理的宏观概念中，计算机的数据处理不仅仅是局限于二进制数据，还涉及到了数据与数据之间的转换以及计算，真正的数据处理是要将这些结合到一起，并不是指单一的数据运算。1.2计算机数据处理的特征计算机具有比较复杂的数据处理过程。一开始，在中央处理器发出进行数据处理的指令之后，就需要对数据进行解码和分析，需要将数据转换成计算机可以识别的二进制，。再在计算机内存中进行缓存。在中央处理器对数据进行适当的加工以后再进行提取，提取到二次以及三次缓存，就是计算机进行完整的数据处理的过程。在这个过程中，需要设置计算机的内部缓存，使中央处理器的负荷减小，以及减轻发热情况来使计算机的数据处理过程更加流畅。一般来说，计算机的数据处理方式具有3大特征：（1）数据转换过程。由于在计算机实际运行当中，只能通过二进制的方式对数据进行识别，因此，首先就需要将需要处理的信息进行二进制的转化，比如用户需要通过解码器进行转换才能进行视频的观看，解码器就是数据处理过程中进行转换的媒介，在进行数据转换之后才可以操作下一步。（2）计算机数据处理过程中的缓存调用。一般可以说到的数据缓存，就是指在另一个元件中将数据进行储存之后再经过中央处理器进行加工。需要对缓存空间进行设置来保证数据处理过程中的流畅程度，不仅仅是可以对本身就有的数据进行缓存，也可以缓存从其他地方传输过来的文件和信息，然后再调至中央处理器进行加工和处理。（3）在通过计算机技术进行数据处理时，最基本的二进制数据。在计算机数据处理的实践操作过程当中，计算机的逻辑思维中只能对二进制进行识别。这是由于在进行计算机的设计时，对所有的数据进行处理时，都是需要通过计算机电子门路，无论计算机要进行何种工作，都需要将其转换为二进制数据才能被计算机识别，从而进行信息数据的处理。因此，在计算机的数据处理过程中，二进制数据是一切操作的基础。

2影响运算速度的因素

互联网时代城市建设速度飞快，智能化智慧化水平越来越高。我国物联网和社交网络也越来越发达，物与物、人与人、人与物之间产生的数据越来越多，许多依托城市生活的行业，例如快递物流行业、电商行业、交通运输行业等，在大数据时代下比较依赖云计算技术的算力。因此云计算技术的重要性也在逐渐升高。

1云计算技术概述

1.1云计算技术概念

云计算技术是分布式计算、效用计算、负载均衡、并行计算、网络存储、热备份冗余、虚拟化等混合成的一种技术，其原理是通过互联网将数据处理程序分成多个小程序，然后通过调用服务器资源利用不同数量的小程序完成数据处理和计算，最后即可为每个云计算用户提供合适的算力，从而同时满足多个云计算用户的数据处理需求[1]。

1.2云计算技术的特点

1.2.1成本低云计算的成本与其购买的算力具有直接关系，购买的算力越多则消耗的成本越大。对大部分企业来说，只需要使用很小一部分算力即可满足正常使用需求；对大型企业来说，云计算可以在保证算力满足需求的情况下降低一定成本，因此整体来说云计算技术的成本偏低[2]。1.2.2地点限制少云计算技术可以为用户提供大量的算力服务，但是并不依赖传统的实体服务器，而是直接在云计算服务企业内部部署大量服务器，然后通过互联网在云端为用户提供算力服务。因此，云计算技术对用户来说不存在地点方面的限制和需求。1.2.3速度快云计算技术服务商在搭建服务平台的过程中，准备了非常强大的服务器，而我国大部分企业自己在服务器准备方面都不如这些云计算技术服务商，因此云计算技术可以保障其提供的算力服务比企业自己在计算机数据处理中的速度更快。1.2.4扩展性强云计算技术服务商可以根据用户的需求为其提供不同算力的服务，具体通过云计算应用软件进行操作。企业用户不需要担心业务增加会导致算力不足，只要企业能够使用云计算技术即可随时利用云计算的其他服务器进行有效扩展[3]。