服务列表
|
付费方式
|
会员中心
帮助中心
使用帮助
关于我们
联系客服
设为首页
加入收藏
网站导航
招标采购
招标公告
招标预告
变更公告
中标公告
采购信息
用户发布
项目信息
拟在建项目
VIP独家项目
备案项目
企业
采购业主
招标机构
供应商
企业建站
行业报告
资讯
展会动态
政策法规
行业动态
项目动态
商机
|
招标
|
项目
|
资讯
|
用户发布
|
企业
电话:400-699-1888
高级搜索
搜索风云榜
幕墙
设计
蝶阀
电梯
车床
印刷机
灌装设备
病床
手术室
火电
变压器
开关柜
耳标
加药装置
二维码
中华人民共和国发展和改革委员会
中华人民共和国财政部
中华人民共和国住房和城乡建设部
中华人民共和国商务部
导航图标
招标网
>
招标采购
>
招标公告
>
辽宁工业大学虚拟仿真与验证实训中心大数据处理虚拟仿真中心建设项目采购竞争性谈判公告
分享到:
辽宁工业大学虚拟仿真与验证实训中心大数据处理虚拟仿真中心建设项目采购竞争性谈判公告
发布日期:2023年09月19日 | 标签:
大学招标
137701082
gonggao
;太和区
2023.09.19
2023.09.25
导出
PDF
Word
|
全屏
打印
收藏
|
特约项目查询
以下内容,仅对会员开放。如需查看详细内容,请先
注册
成为会员,
已注册会员请
登录
后查看。
免费试用
招标编号
【正式会员登录后可浏览】
采购业主
【正式会员登录后可浏览】
招标公司
【正式会员登录后可浏览】
联系人
【正式会员登录后可浏览】
联系电话
【正式会员登录后可浏览】
通讯地址
【正式会员登录后可浏览】
邮政编码
【正式会员登录后可浏览】
截止日期
【正式会员登录后可浏览】
公告摘要
***********招标公司受业主*******委托,于2023年09月19日在招标网发布辽宁工业大学虚拟仿真与验证实训中心大数据处理虚拟仿真中心建设项目采购竞争性谈判公告。
各有关单位请于2023.09.25前与公告中联系人联系,及时参与投标等相关工作,以免错失商业机会。
部分信息内容如下:(查看详细信息请
登录
)
**政府采购网 公告信息 公告信息 公告标题: **工业大学虚拟仿真与验证实训中心大数据处理虚拟仿真中心建设项目采购竞争性谈判公告 有效期: ****-**-** 至 ****-**-** 撰写单位: ************* 撰写人: 张璐 (**工业大学虚拟仿真与验证实训中心大数据处理虚拟仿真中心建设项目采购)竞争性谈判公告 项目概况 **工业大学虚拟仿真与验证实训中心大数据处理虚拟仿真中心建设项目采购采购项目的潜在供应商应在线上获取采购文件,并于****年**月**日 **时**分(**时间)前提交响应文件。 一、项目基本情况 项目编号:JH**-******-***** 项目名称:**工业大学虚拟仿真与验证实训中心大数据处理虚拟仿真中心建设项目采购 采购方式:竞争性谈判 包组编号:*** 预算金额(元):*,***,***.** 最高限价(元):*,***,*** 采购需求:查看 一、货物需求一览表 品目号 货物名称 采购数量 备注 * 财务大数据实践教学平台(核心产品) *套 * 人力**大数据分析综合实践平台 *套 二、仪器设备招标采购技术参数(基本内容) 产品一:财务大数据实践教学平台 *、功能用途(货物用途、需实现的功能、目标以及为落实政府采购政策需满足的要求) (*)教学平台需依托企业数字化运营需求场景搭建财务大数据实践教学平台,融合Python数据获取、数据清洗、MYSQL数据存储、商业可视化分析软件、数据挖掘等多类大数据工具,对企业内外部经营环境的结构化数据、非结构化数据进行获取,结合学生所学传统财务分析指标体系和大数据预测模型,进行基于商业问题仿真需求场景的财务分析决策训练。 (*)教学平台中需内置多个行业上*企业的财务报表数据,包含集团型企业的内部经营数据,可以支持学生进行进行投资者角度的财务报表分析和经营者角度的分析:包括对企业的公司估值与财务分析(包括盈利能力、偿债能力、营运能力分析等)、投资项目投资决策分析。企业资金管理、现金流预测、销售收入多维度分析与销售预测、费用数据多维度分析与数据洞察。 (*)平台中需内置机器学习算法的工具,可选择的有监督学习算法包括:回归分析多元回归算法,分类分析朴素贝叶斯算法、决策树算法,文本分析。无监督学习算法包括:聚类分析K-Means,降维分析PCA算法,满足学生利用机器学习算法帮助企业进行精准预测和决策的需求。 (*)通过本平台的学习,可以让学生具备熟练应用大数据工具采集外部数据(结构化数据与非结构化数据)的能力,掌握能够对内外部数据进行数据清洗、数据标准化等数据预处理、能够根据企业管理精细度设置数据分析维度、能够根据企业分析目标对数据进行筛选、整理、分类等的能力。 (*)通过本平台的学习,可以让学生能够根据企业经营要求设置指标体系与数据建模、能够进行可视化设置与预警设置、能够利用数据分析发现经营问题,并通过数据挖掘找到问题产生的根源的能力。 二、技术规格及参数要求(货物基本参数要求,包括需满足的质量、安全、技术规格、物理特性等要求) 一、总体技术指标 *.基于领域驱动设计(DDD)架构指导思想,整体采用前后端分离和分布式微服务的弹性计算架构实现,后端主要基于Java的Spring cloud实现、前端NodeJS+Dva+React实现等,具有高内聚、松耦合、业务单一、高性能、高并发、高可能、跨平台、跨语言等特点;采用多数据源支持,灵活实现公有云/混合云模式部署的技术一致性。 *.采用分布式架构设计支撑的生态云平台。支持公有云/专属云/私有云/混合云模式部署,通过开放平台(OpenAPI),支持ISV(独立平台开发商)接入,标准化、规范化的接入方式,并提供接入指南,使接入更高效。 *.基于全流程DevOps自动化运维,支持持续集成、分析、服务注册与发现、系统监控、性能监控、日志管理、预警、持续部署(基于docker的镜像仓库,Kubernetes的容器云管理调度平台,在线可视化管理、监控、调度容器)。 ★*.兼容主流浏览器,无需安装任何客户端及插件,需满足搭建B/S架构环境,使用java开发技术,支持主流操作系统,应用可以跨操作系统部署,消息机制采用WebSocket技术,减少服务器带宽开销,实现数据实时同步,并采用ajax局部刷新技术提高操作体验。 ★*.标准方案支持不低于***并发用户同时在线,并可根据需求实现额外扩容。 *.为确保平台的先进性和兼容性,该平台搭建的实训环境能够提供开放的端口,满足学校现有的平台快速便携的平台融合对接,能够兼容现有大数据**管理平台应用,插件满足和大数据实训平台内嵌真实企业级数据处理工具,需能够展示出企业级数据处理工具登录界面及应用模块。 ★*.内嵌虚拟仿真Python编辑器,支持Python脚本的在线编辑和运行,同时可进行代码错误提示。支持开展Python基础、Python爬虫、数据挖掘与算法的代码保存、代码重置、代码运行演示训练。(需提供系统演示视频) ★*.平台内置不少于***个pdf/ppt等教学教辅**。平台内置不少于**个Python脚本代码包,以供学生开展数据清洗、集成、可视化设计等学习和训练。提供系统院校管理员操作手册、教师操作手册、学生操作手册。 *.针对本地授课情况,需满足配合学校展示开展线上云教学模式授课模式,并且应用云模式上课的数据可以直接导入学校本地化的平台中,云模式下可实现教学大纲设计功能,支持根据教学目标设置教学大纲,添加章、节、教学单元。云模式下可实现教学组件配置功能,支持在教学单元下,灵活添加、修改。删除教学组件。包含但不限于视频、文档、任务、作业、富文本、图片、随堂测验、小组讨论、网页链接等。 **.搭配配套管理系统:基于ssm架构的设备管理系统,支持B/S结构访问,提供Echarts数据可视化技术的设备的运行状态分析,包括如下:(*)提供有时间标记的实验项目运行状态;(*)提供设备使用情况智能分析功能;(*)提供设备使用和维护信息,可视化展示设备状态信息,包括:空闲、维护、使用等;(*)提供设备使用率和损耗率动态生成报告的分析功能。 **.需满足学校特殊情况下开展线上云教学模式授课,搭配线上云平台辅助本地化教学以确保教学任务的延续性,需能够展示云模式下实现教学案例创建功能,支持选取案例教学,案例数据分析与挖掘处理等。要求具有公有部署教育云学习平台功能,并出具教育云认证证书,支持混合云部署,满足国家对在线学习平台的要求,支持院校拓展组织会计专业多门课程的线上线下混合教学;提供线上的学习账号,学习**,学习评价等服务,并展示平台入驻院校不低于***家。 二、功能指标 ★*.平台无缝集成:财务大数据分析与决策实践教学平台与大数据采集工具、大数据清洗工具、大数据分析与挖掘工具、可视化智能分析系统多模块无缝衔接,实现虚拟化和统一账户接口,单点登录。能够满足计算机语言零基础的财会学生在统一虚拟仿真实践教学平台中完成教学任务、理论知识点学习、大数据分析工具实操、企业实际业务经营决策分析应用完美结合,将真实企业内外部经营大数据分析项目搬进课堂。 *.理实一体、虚实结合:财务大数据分析与决策实践教学平台提供大数据及财务分析理论教学与实践教学相结合的工作任务式仿真教学模式;教学案例及数据来自真实企业经营数据、外部行业数据,内置丰富的教学场景、视频等教学**,大数据分析平台采用国内应用普遍适用的云分析系统,**企业应用实践案例须覆盖常见行业企业。 *.数据源预览:支持在当前页面查看数据源数据预览,预览数据条数用户可自行调整。支持按企业简称、年份、财报类型方式查询或筛选财报,便于教学时使用。 *.数据连接:支持用户连接各种数据源,支持拖拽方式搭建表关系,具有筛选功能,建立数据模型;支持常见的关系型数据库MySQL、Oracle、SQL Server,具有配置数据连接、导入表、权限配置等功能,满足数据权限管理的需求;支持本地数据Excel或csv文件上传。 ★*.数据清洗工具及训练过程监控:数据清洗系统与教学管理平台无缝集成,采用虚拟仿真化和数据流式处理设计;具有全局清洗、个别字段清洗多类规则设置选项,支持不少于*种字符清理、不少于*种字符替换、不少于*个自定义字段分隔或合并、添加不少于**条以上清洗规则一次性批量处理;支持缺失值按照均值、中位数、*值、遗弃数据行多种方式自动填补;具有清洗结果预览、本地下载功能,预览数据条数用户可自行调整;可实现任务重置功能,支持通过重置清空流程内的所有配置信息,变换清洗规则参数进行反复多次数据清洗训练。(需提供系统演示视频) *.数据集创建:具有通过sql生成复杂的数据集功能,且支持用户前端拖拽式数据整合与清洗,创建的数据集可以是实时从数据库获取数据,同时支持设置不同的物化规则,把分析数据按照业务规则抽取到执行库中,保证分析数据的执行效率。 ★*.数据关联:具有对多个数据源设置关联功能,利用分析云可以创建数据集,创建类型包括:关联数据集、追击数据集、SQL数据集,支持企业数据库、填报数据、本地数据(Excel、CSV)的不同表之间设置关联,可自定义数据库名称及存放位置;数据关联中,支持拖拽方式搭建表间关联(内关联、左关联、右关联、全关联)关系,可以自定义关联的字段;支持拖拽方式追加数据集,构建union数据集;支持多表关联时自动和手动对同名字段进行匹配。支持查询数据库的使用概况,更新记录,血缘关系图,来源概况,数据预览多个功能。(需提供系统演示视频) ★*.数据物化:支持用户选择实时连接或者物化,若选择物化,则大数据分析云系统定时从各个业务数据库做数据抽取,并按照一定频率进行更新。基于物化创建的嵌套数据集自动更新,若底层数据集更新,则与之相关的上层数据集都依次更新,进而可视化和故事板的数据更新。数据物化支持用户设置物化频率到天、时、分、秒,设置物化开始时间和截止时间。同时显示刷新时间,用户可以自动或者手动去刷新数据。 *.可视化智能分析故事板制作:具有大数据分析可视化故事板制作功能界面,支持学生创建综合分析界面,支持拖拽方式设置故事板布局及可视化对象大小,支持故事板页面分页,页面灵活布局;可视化故事板具有丰富控件,实现对多个可视化过滤筛选,创建数据层级并通过树形对可视化对象进行筛选功能,支持输入文本文字和插入计算字段的方式形成智能报告,文字和计算字段的样式等均可以设置,支持插入图片,支持png、jpg、gif等常见图片格式,支持输入URL嵌入第三方界面,通过标签可以实现从当前故事板跳转到其他故事板或者第三方界面。 ★**.可视化智能分析图表制作:大数据分析系统具有自定义可视化图表,引入echarts第三方图表及自定义配置功能。自定义可添加计算字段类型包含字符串、日期、数学函数、上下文函数、判断函数等函数或变量不少于**种,实现诸多复杂数据清洗、数据集成;可设置可视化图表类型包含柱状图、阶梯瀑布图、条形图、图案填充条形图、堆叠柱状图、中国地图、热力图、矩形树图、雷达图等不少于**种;可设置图表参数如名称、缩放比例、前缀、后缀、条件格式、坐标轴等多项内容;可拖拽式自定义多层钻取下钻或上卷路径以及自定义每一层的图形样式,实现逐层钻取与查阅数据。 **.具有智能分析设置辅助线和预警线功能,用户通过辅助线可以快速识别出数据中的异常值;预警线除了识别出异常值,还支持用户设置不少于三层预警级别和预警推送的对象,不同层级对象对于同一个指标可以设置不同的预警规则及短信、邮箱等信息推送媒介。 ★**.数据挖掘:数据挖掘系统与教学管理平台无缝集成,采用虚拟仿真化和任务流式处理设计仿真Python开发环境,预置jieba等算**,实现回归分析多元回归算法,分类分析朴素贝叶斯算法、决策树算法,文本分析,无监督学习包括:聚类分析K-Means,模糊C均值聚类算法等不少于*种算法模型库;支持学生基于选用模型调整参数、选择变量及切分数据集,可设置按比例随机抽选训练集与测试集;通过测试集模型验证结果的对比,可对模型质量进行评估指标和拟合情况评估;完成建模步骤后可上传新的预测数据集进行因变量结果预测;具有数据预测结果预览、本地下载功能,预览数据条数用户可自行调整;可实现任务重置功能,支持通过重置清空流程内的所有配置信息,变换模型规则参数进行反复多次数据挖掘训练。(需提供系统演示视频) ★**.提供丰富的财务分析数据源:财务大数据实践教学平台须预置丰富的财务分析数据源,包含结构化数据及非结构化数据。数据源须包含企业案例数据不少于****家,且案例数据质量连续、详尽、真实,须包含但不仅限于企业财报(季报、半年报、年报)、企业连续*年内部经营业务数据。除系统提供预置数据,支持学生在线表单数据填报,多种表单控件,自定义表单审批流程。(需提供系统演示视频) **.大数据分析初体验:包含大数据技术发展及财务大数据分析应用理论知识讲解及大数据分析工具实践初体验。介绍大数据技术及在财务中的应用、结构化/非结构化数据数据预处理、数据清洗、数据采集概念、常见工作流程、设计思路和规范,对Python基础应用进行讲解与实践。 ★**.投资者角度的财报分析:选定数据源进行不同行业企业投资需求分析,支持不同行业分析模型建立与评价,包含但不限于选定行业内所有企业盈利能力、偿债能力、运营能力、发展能力多维度横纵向比较,最终形成根据内外部环境大数据分析的行业发展分析报告。 ★**.经营者角度的财报分析。支持大型企业集团总体的总收入、利润总额、成本总额、主营产品产量、各分支机构收入排名等分析,对企业盈利能力、偿债能力、营运能力、发展能力指标进行分析、异常值监控与数据挖掘,构建反映企业经营状况的管理驾驶舱,提交公司财务状况综合分析报告,全面评价企业经营和盈利状况,判断企业管理的问题所在,给出管理建议。 ★**.费用分析及数据洞察。支持创建管理驾驶舱,支持做费用整体分析(费用结构分析、费用比率分析),进行财务费用分析与数据洞察(财务费用子项构成、财务费用各子项同比增减分析、支出结构分析);管理费用分析与数据洞察(管理费用子项构成、子项同比分析、增减突出的子项分析、差旅费按部门分析);对内外部信息进行收集;对异常项目分析其发生的部门和人员,要求给出费用发生的解释,要求负责人给出解释,财务收集信息验证其解释的真实性;提交费用管理报告,以上功能入口并处于同一模块中。(需提供系统演示视频) 三、教学管理系统功能指标 *.院校管理:支持院校组织架构管理,建设院校下的学院、专业、班级自定义名称;支持通过导入的方式建立学校的组织架构;支持组织结构的增加、修改、停用;支持学院下专业的顺序调整,支持专业下班级顺序的调整。支持院校自主维护学校信息,实现院校名称、院校简介、院校logo等基本信息进行维护和自定义;支持发布学校公告,并支持随时更新、编辑发布内容,满足教学管理需要;新闻管理:支持编辑学校新闻,随时更新、编辑、访问发布内容。 *.教师信息管理:支持新增导入教师名单,并进行基本信息维护;支持组织机构维护,**/导入教师名单自动创建对应的学院、专业,支持人工创建、编辑、删除学院、专业;支持教师查看管理员授权使用的课程的基本信息;支持主讲、助教教师自由组合配置,实现多名教师在线协作开展教学; *.学生信息管理:支持新增导入学生名单,并进行基本信息维护。**/导入学生名单自动创建对应的学院、专业、班级,支持人工创建、编辑、删除学院、专业、班级。 *.班级管理:支持管理员给教师授予课程权限;支持创建教学班,对教学班进行创建、编辑、发布、删除、关闭的操作;支持多种课程授权方式,实现批量添加校内学生上课以及开放授权申请面向课外学生组织授课方式,支持教师将学生移除教学班。 *.教学分组管理:支持教学分组管理固定人数与自定义人数两种分组方式;支持老师添加删除小组成员并设置组长。 ★*.考核方案管理:支持自定义课程考核方案,编辑考核项目内容及分布考核占比,考核项目需包含小组报告或学习成果、随堂测验、学生互评、组内评分、组间评分、教师打分等多项内容;教师可针对课程也可针对具体学习单元的主观评分项对学生成绩进行打分;可批量查看、下载、评分学生提交的作业;考核结果可按学习全过程查阅,可查看学生平时成绩、主观评分、最终成绩,可批量导出,便于教学存档。 *.测评与考试管理:支持教师查看学生测验情况,可以查看测验试题数量、完成人数、学生成绩、正确率、平均分数、答题时长等学情数据。 ★*.教学过程管理:支持教学过程通过统一教学平台,进行教学大纲自定义推送、教学进度查询、学生签到课堂组织管理、课上问题互动投票、操作答案开放等管理方式;支持案例探究教学,根据开课要求大纲执行推送学习任务;查询各组学生业务实训进度,教师能够监督教学进度,学生的学习过程可控、学习效果可预期;支持多种形式签到管理,便于组织线上分散、集中教学多种方式;支持教师控制随堂练习、作业、任务等组件的答案是否开放;支持教师在线设置投票信息,发起问答教学互动投票。 注:提供*年同版本免费升级维护服务;提供系统迁移服务;提供云平台服务;提供不少于**学时培训,培训后任课教师可独立完成实验教学任务。 产品二:人力**大数据分析综合实践平台 *、功能用途(货物用途、需实现的功能、目标以及为落实政府采购政策需满足的要求) 平台以案例教学为主,从人力**的选、用、育、留四个角度出发,包括人才供需规划预测、简历智能诊断、发展规划诊断、人才数字画像、培训需求挖掘、培训效果诊断、离职情感挖掘、离职风险预测共计*个人力**管理常用模块,并通过业务分析、人力**数据采集、人力**数据清洗、人力**数据加工、人力**数据分析与挖掘、数据分析报告等步骤对数据进行处理与分析,从而为人力**决策提供辅助支持。 二、技术规格及参数要求(货物基本参数要求,包括需满足的质量、安全、技术规格、物理特性等要求) 一、软件整体要求 *.B/S(Browser/Server)结构,无点数限制,客户端不需要安装终端软件,支持基于校园网、互联网的应用。 ★*.平台内置不少于*种数据挖掘技术,决策树、聚类算法、回归分析、文本挖掘、关联规则。 *.平台能够提供背景资料,并根据背景资料提供相应的内置数据,用于数据分析。 *.平台包括管理员端、教师端和学生端,其中管理员端至少有教师账号管理、数据备份功能;教师端至少具备学生账号、背景资料、教学课程管理功能。 *.平台提供单个教师账号多实验班级同时实训功能,便于统一管理; *.平台拥有智能处理功能,内部构建实验报告体系,可以查看、下载实验报告。 ★*.平台能够通过大数据技术对人才供需预测、简历智能诊断、发展规划诊断、人才数字画像、培训需求挖掘、培训效果诊断、离职情感挖掘、离职风险预测等进行大数据分析,并对存在的人力**问题进行直观、客观的描述、分析与诊断,并提出合理的人力**管理措施建议。 *.平台能够将采集的数据统一保存到平台数据库中。 二、功能模块及具体要求 平台包括管理员端、教师端、学生端三部分。 (一)管理员端程序功能 *.教师管理:能够新增、编辑、删除教师账号,包括用户名、真实姓名、密码、联系方式。 *.背景资料:能够提供不少于*份背景资料,每份背景资料均有内置数据;提供解析上传功能,要求每份背景资料都具备相应解析。 *.数据备份:能够对系统的整体数据进行备份与还原,当因网络等故障导致数据不全时,可通过备份功能还原至之前的操作。 *.帮助中心:能够上传使用帮助和教学辅助文件,供教师上课使用。文件形式包括文本和视频。 *.操作日志:能够记录管理员和教师的操作内容和操作时间。 (二)教师端程序功能 教师端由实践课授课教师使用,主要供教师**竞赛任务、查询数据、查看实验报告等使用,教师端功能包括竞赛任务、学生管理、背景资料、竞赛方案、实验得分、实验报告以及帮助中心。 ★*.竞赛任务:能够新增竞赛任务,包括竞赛名称、竞赛人数、竞赛方案、任务模式(包括竞赛模式跟教学模式);能够从文件导入和账号前缀*种模式中任选一种方式导入学生账号;能够提供签到设置功能辅助教师查询出勤情况,教师通过签到详情查看本次课程已签到人员和未签到人员;能够查看课程的学生操作详情。(投标文件中需提供该功能的操作截图予以证明) *.学生管理:能够查看正在进行中或已完成课程的学生详情,包括修改密码以及学生分析可视化结果图。 *.背景资料:能够提供不少于*份背景资料,每份背景资料均含内置数据;提供解析上传功能,要求每份背景资料都具备相应解析。能够复制系统提供的背景资料,并可对背景资料的内容和解析进行修改。 ★*.竞赛方案:能够新增、复制、编辑和删除竞赛方案,可以选择竞赛模块,设置竞赛模块权重比重,操作时间等。 *.实验得分:教师可以对学生平时分进行打分,最后由系统得出综合成绩,成绩可以以Excel的形式保存下来。 *.实验报告:课程结束后,能够查看每个学生的实验报告,并能够批量下载保存。 *.帮助中心:能够查看使用帮助和教学辅助文件,供教师上课使用。文件形式包括文本和视频。 (三)学生端程序功能 根据人力**大数据分析流程,从人力**的选、用、育、留角度出发,对人才供需预测、简历智能诊断、人才发展诊断、人才数字画像、培训需求挖掘、培训效果诊断、离职情感挖掘、离职风险预测等进行诊断性和预测性分析,从而发现问题,解决问题,为人力**提供辅助支持。 *.人才供需预测 人才需求预测是指根据人力**大数据分析流程,识别企业人力**需求与供给不平衡等问题。然后采用数据接入、数据导入等方式,采集员工构成情况、部门工作量等数据。再利用采集到的数据,构建回归分析模型,最后,根据回归分析模型预测人才供需情况,为企业提供人才调配的科学依据,为人力**决策者提供决策辅助。 (*)明确业务需求/目标 根据背景资料信息,分析背景中企业现实状况,明确企业的业务目标,并梳理如何根据大数据分析思路及工具制定人才供需预测的思路及工作流程。 (*)收集人才供需数据 根据背景企业中人才供需预测的目标,确定需要收集的人才数据字段,根据企业信息化发展历程,借助数据填报、数据导入、数据库连接、数据爬取等大数据收集的方法,收集历年人才供需数据并保存至平台数据库中。数据导入支持本地数据库包含本地文件(Excel、CSV、WORD等文件格式)导入;数据库连接支持MYSQL、SQL SERVER等主流数据库数据导入;数据爬取能够通过Python脚本从网页上爬取应聘者简历并把保存到本系统数据库中。 (*)人才供需数据处理 通过大数据处理的方法,将收集的背景企业的大量原始人才数据进行加工整理,包括重复值清洗、缺失值清洗、异常值清洗、噪声值清洗,数据整合、数据分组、数据计算。 人才供需预测数据重复值清洗:当数据有重复时,系统将自动识别,系统支持对重复值进行删除或保留操作。人才供需预测数据缺失值清洗:当数据有缺失时,系统将自动识别,系统支持对结果采用固定值、平均值、众数、中位数等方法填补缺失值。人才供需预测数据异常值清洗:系统支持选择筛选、*σ探测法、四分位数展布法等方法来识别异常值,并支持对识别结果采用固定值、平均值、众数、中位数等方法处理异常值。人才供需预测数据噪声值清洗:系统支持选择等深分箱法、离群点分析法等方法来识别噪声值,系统将根据识别结果处理噪声值。人才供需预测数据整合:系统支持通过字段匹配对表单进行合并生成新表单,支持字段拆分实现字段切分,支持字段合并连接多个字段合并为一个字段。人才供需预测数据分组:系统支持根据人才供需预测的需要对相关字段数据按照某种标准划分成不同的组别。人才供需预测数据计算:根据人才供需预测的需要,系统支持依据现在字段之间的关系通过各种运算自定义用户所需的新字段。 ★(*)人才供需模型构建 分析历年人才供需相关数据,利用大数据分析方法,构建人才需求预测模型,从而为人力**决策提供辅助支持。系统支持大数据分析方法包括回归分析、频数分析、方差分析、决策树分析、关联分析、文本挖掘、聚类算法等。 (*)人才供需预测应用 根据人才供需预测模型指标数据分析,解决人才供需预测业务问题。 (*)人才供需报告编制 系统提供人才供需预测报告模板,可根据模板撰写分析报告,撰写报告时支持常见的图片插入、表格插入、格式、字体调整。 *.简历智能诊断 简历智能诊断根据人力**大数据分析流程,识别企业招聘过程中人岗不匹配、过程筛选繁琐等问题。然后采用数据爬取、数据填报等方式,采集简历数据。最后利用采集到的数据,构建文本挖掘模型,通过文本挖掘模型帮助决策者挖掘出符合部门要求的人员,为人力**决策提供辅助支持。 (*)明确业务需求/目标 根据背景资料信息,分析背景中企业在简历筛选过程中到的问题,明确企业的业务目标,并梳理如何根据大数据分析思路及工具制定简历智能诊断的思路及工作流程。 (*)收集简历数据 根据背景企业中简历智能诊断的目标,确定需要收集的简历刷选、诊断相关数据字段,借助数据填报、数据导入、数据库连接、数据爬取等大数据收集的方法,收集简历数据并保存至平台数据库中。数据导入支持本地数据库包含本地文件(Excel、CSV、WORD等文件格式)导入;数据库连接支持MYSQL、SQL SERVER等主流数据库数据导入;数据爬取能够通过Python脚本从网页上爬取应聘者简历并把保存到本系统数据库中。 (*)简历数据处理 通过大数据处理的方法,将收集的背景企业的大量原始简历数据进行加工整理,包括重复值清洗、缺失值清洗、异常值清洗、噪声值清洗,数据整合、数据分组、数据计算。 简历智能诊断数据重复值清洗:当数据有重复时,系统将自动识别,系统支持对重复值进行删除或保留操作。简历智能诊断数据缺失值清洗:当数据有缺失时,系统将自动识别,系统支持对结果采用固定值、平均值、众数、中位数等方法填补缺失值。简历智能诊断数据异常值清洗:系统支持选择筛选、*σ探测法、四分位数展布法等方法来识别异常值,并支持对识别结果采用固定值、平均值、众数、中位数等方法处理异常值。简历智能诊断数据噪声值清洗:系统支持选择等深分箱法、离群点分析法等方法来识别噪声值,系统将根据识别结果处理噪声值。简历智能诊断数据整合:系统支持通过字段匹配对表单进行合并生成新表单,支持字段拆分实现字段切分,支持字段合并连接多个字段合并为一个字段。简历智能诊断数据分组:系统支持根据简历智能诊断的需要对相关字段数据按照某种标准划分成不同的组别。简历智能诊断数据计算:根据简历智能诊断的需要,系统支持依据现在字段之间的关系通过各种运算自定义用户所需的新字段。 ★(*)简历智能诊断模型构建 分析历史人才招聘简历相关数据,利用大数据分析方法,构建简历智能诊断模型,从而为人力**决策提供辅助支持。系统支持大数据分析方法包括回归分析、频数分析、方差分析、决策树分析、关联分析、文本挖掘、聚类算法等。 (*)简历智能诊断应用 根据简历智能诊断模型指标数据分析,解决人才招聘简历刷选诊断业务问题。 (*)简历智能诊断报告编制 系统提供简历智能诊断预测报告模板,可根据模板撰写分析报告,撰写报告时支持常见的图片插入、表格插入、格式、字体调整。 *.人才发展诊断 人才发展诊断根据人力**大数据分析流程,识别公司在为员工制定职业发展规划上的问题。通过大数据分析的方法构建人才发展诊断模型,诊断绩效评估得分、参与项目数量、平均每月工作时长和是否存在工作过失等因素对员工等级、是否留任、是否升职的影响,使得决策者制定留任、晋升决策提供依据。 (*)明确业务需求/目标 根据背景资料信息,深入研究和分析公司的人员信息,分析性别、年龄、职位、绩效评定分数与晋升之间的关联关系,明确企业的业务目标,并梳理如何根据大数据分析思路及工具制定人才发展诊断的思路及工作流程。 (*)收集人才发展数据 根据背景企业中人才发展的目标,确定需要收集的企业人才数据字段,借助数据填报、数据导入、数据库连接、数据爬取等大数据收集的方法,收集人才数据并保存至平台数据库中。数据导入支持本地数据库包含本地文件(Excel、CSV、WORD等文件格式)导入;数据库连接支持MYSQL、SQL SERVER等主流数据库数据导入;数据爬取能够通过Python脚本从网页上爬取应聘者简历并把保存到本系统数据库中。 (*)处理收集的数据 通过大数据处理的方法,将收集的背景企业的大量原始人才数据进行加工整理,包括重复值清洗、缺失值清洗、异常值清洗、噪声值清洗,数据整合、数据分组、数据计算。 人才发展诊断数据重复值清洗:当数据有重复时,系统将自动识别,系统支持对重复值进行删除或保留操作。人才发展诊断数据缺失值清洗:当数据有缺失时,系统将自动识别,系统支持对结果采用固定值、平均值、众数、中位数等方法填补缺失值。人才发展诊断数据异常值清洗:系统支持选择筛选、*σ探测法、四分位数展布法等方法来识别异常值,并支持对识别结果采用固定值、平均值、众数、中位数等方法处理异常值。人才发展诊断数据噪声值清洗:系统支持选择等深分箱法、离群点分析法等方法来识别噪声值,系统将根据识别结果处理噪声值。人才发展诊断数据整合:系统支持通过字段匹配对表单进行合并生成新表单,支持字段拆分实现字段切分,支持字段合并连接多个字段合并为一个字段。人才发展诊断数据分组:系统支持根据人才发展诊断的需要对相关字段数据按照某种标准划分成不同的组别。人才发展诊断数据计算:根据人才发展诊断的需要,系统支持依据现在字段之间的关系通过各种运算自定义用户所需的新字段。 ★(*)人才发展诊断模型构建 分析历史人才发展相关数据,利用大数据分析方法,构建人才发展诊断模型,从而为人力**决策提供辅助支持。系统支持大数据分析方法包括回归分析、频数分析、方差分析、决策树分析、关联分析、文本挖掘、聚类算法等。 (*)人才发展诊断应用 根据人才发展诊断模型指标数据分析,解决企业在人才发展过程中的各种业务问题。 (*)人才发展诊断报告编制 系统提供人才发展诊断报告模板,可根据模板撰写分析报告,撰写报告时支持常见的图片插入、表格插入、格式、字体调整 *.人才数字画像 人才数字画像根据人力**大数据分析流程,识别企业在发掘与培养人才过程中的问题。然后采用数据导入、数据接入等方式,采集各个岗位的学历要求、工作年限、项目经理等信息。再根据采集到的数据构建人才画像模型,从而帮助决策者将人才放在正确的岗位或者进行培养。 (*)明确业务需求/目标 根据背景资料信息,分析企业在人才发掘与识别人才过程中的问题。明确企业的业务目标,并梳理如何根据大数据分析思路及工具制定人才数字画像的思路及工作流程。 (*)收集岗位人才数据 根据背景企业中人才画像的目标,确定需要收集的企业人才数据字段,借助数据填报、数据导入、数据库连接、数据爬取等大数据收集的方法,收集人才数据并保存至平台数据库中。数据导入支持本地数据库包含本地文件(Excel、CSV、WORD等文件格式)导入;数据库连接支持MYSQL、SQL SERVER等主流数据库数据导入;数据爬取能够通过Python脚本从网页上爬取应聘者简历并把保存到本系统数据库中。 (*)处理收集的数据 通过大数据处理的方法,将收集的背景企业的大量原始人才数据进行加工整理,包括重复值清洗、缺失值清洗、异常值清洗、噪声值清洗,数据整合、数据分组、数据计算。 人才数字画像数据重复值清洗:当数据有重复时,系统将自动识别,系统支持对重复值进行删除或保留操作。人才数字画像数据缺失值清洗:当数据有缺失时,系统将自动识别,系统支持对结果采用固定值、平均值、众数、中位数等方法填补缺失值。人才数字画像数据异常值清洗:系统支持选择筛选、*σ探测法、四分位数展布法等方法来识别异常值,并支持对识别结果采用固定值、平均值、众数、中位数等方法处理异常值。人才数字画像数据噪声值清洗:系统支持选择等深分箱法、离群点分析法等方法来识别噪声值,系统将根据识别结果处理噪声值。人才数字画像数据整合:系统支持通过字段匹配对表单进行合并生成新表单,支持字段拆分实现字段切分,支持字段合并连接多个字段合并为一个字段。人才数字画像数据分组:系统支持根据人才数字画像的需要对相关字段数据按照某种标准划分成不同的组别。人才数字画像数据计算:根据人才数字画像的需要,系统支持依据现在字段之间的关系通过各种运算自定义用户所需的新字段。 ★(*)人才数字画像模型构建 分析历史人才相关数据,利用大数据分析方法,构建人才数字画像模型,从而为人力**决策提供辅助支持。系统支持大数据分析方法包括回归分析、频数分析、方差分析、决策树分析、关联分析、文本挖掘、聚类算法等。(投标文件中需提供该功能的操作截图予以证明) (*)人才数字画像应用 根据人才数字画像模型指标数据分析,解决企业在人才发展过程中的各种业务问题。 (*)人才数字画像报告编制 系统提供人才数字画像报告模板,可根据模板撰写分析报告,撰写报告时支持常见的图片插入、表格插入、格式、字体调整 *.培训需求挖掘 培训需求挖掘根据人力**大数据分析流程,识别企业存在的培训需求不明确、培训设置不合理等问题。然后采用数据导入、数据接入等方式,采集绩效实际水平、人事变动情况、个人职业生涯规划等数据。再根据采集到的数据运用K-Means聚类算法构建培训需求挖掘模型。最后根据聚类分析结果,帮助决策者挖掘员工的隐性培训需求,从而能够针对不同的员工制定培训计划。 (*)明确业务需求/目标 根据背景资料信息,分析企业存在的培训需求不明确、培训效果不理想等问题。明确企业的业务目标,并梳理如何根据大数据分析思路及工具制定培训需求挖掘的思路及工作流程。 (*)培训数据收集 根据背景企业中培训需求分析的目标,确定需要收集的企业培训数据字段,借助数据填报、数据导入、数据库连接、数据爬取等大数据收集的方法,收集培训数据并保存至平台数据库中。数据导入支持本地数据库包含本地文件(Excel、CSV、WORD等文件格式)导入;数据库连接支持MYSQL、SQL SERVER等主流数据库数据导入;数据爬取能够通过Python脚本从网页上爬取应聘者简历并把保存到本系统数据库中。 (*)培训数据处理 通过大数据处理的方法,将收集的背景企业的大量原始培训数据进行加工整理,包括重复值清洗、缺失值清洗、异常值清洗、噪声值清洗,数据整合、数据分组、数据计算。 培训需求挖掘数据重复值清洗:当数据有重复时,系统将自动识别,系统支持对重复值进行删除或保留操作。培训需求挖掘数据缺失值清洗:当数据有缺失时,系统将自动识别,系统支持对结果采用固定值、平均值、众数、中位数等方法填补缺失值。培训需求挖掘数据异常值清洗:系统支持选择筛选、*σ探测法、四分位数展布法等方法来识别异常值,并支持对识别结果采用固定值、平均值、众数、中位数等方法处理异常值。培训需求挖掘数据噪声值清洗:系统支持选择等深分箱法、离群点分析法等方法来识别噪声值,系统将根据识别结果处理噪声值。培训需求挖掘数据整合:系统支持通过字段匹配对表单进行合并生成新表单,支持字段拆分实现字段切分,支持字段合并连接多个字段合并为一个字段。培训需求挖掘数据分组:系统支持根据培训需求分析的需要,对相关字段数据按照某种标准划分成不同的组别。培训需求挖掘数据计算:根据培训需求分析的需要,系统支持依据现在字段之间的关系通过各种运算自定义用户所需的新字段。 (*)培训需求挖掘模型构建 分析历史培训需求相关数据,利用大数据分析方法,构建培训需求挖掘模型,从而为人力**决策提供辅助支持。系统支持大数据分析方法包括回归分析、频数分析、方差分析、决策树分析、关联分析、文本挖掘、聚类算法等。 (*)培训需求挖掘模型应用 根据培训需求挖掘模型指标数据分析,解决企业在培训需求挖掘过程中的各种业务问题。 (*)培训需求挖掘报告编制 系统提供培训需求挖掘报告模板,可根据模板撰写分析报告,撰写报告时支持常见的图片插入、表格插入、格式、字体调整。 *.培训效果诊断 培训效果诊断根据人力**大数据分析流程,识别企业员工培训效果问题。然后采用数据导入、数据接入等方式,采集工作时长、每月绩效、工作态度等数据。最后通过构建培训效果诊断模型,找出影响培训效果的因素,从而为之后的企业培训提供优化方向。 (*)明确业务需求/目标 根据背景资料信息,分析企业存在培训效果不理想问题。明确企业的业务目标,并梳理如何根据大数据分析思路及工具制定培训效果诊断的思路及工作流程。 (*)培训数据收集 根据背景企业中培训需求分析的目标,确定需要收集的企业培训数据字段,借助数据填报、数据导入、数据库连接、数据爬取等大数据收集的方法,收集培训数据并保存至平台数据库中。数据导入支持本地数据库包含本地文件(Excel、CSV、WORD等文件格式)导入;数据库连接支持MYSQL、SQL SERVER等主流数据库数据导入;数据爬取能够通过Python脚本从网页上爬取应聘者简历并把保存到本系统数据库中。 (*)培训数据处理 通过大数据处理的方法,将收集的背景企业的大量原始培训数据进行加工整理,包括重复值清洗、缺失值清洗、异常值清洗、噪声值清洗,数据整合、数据分组、数据计算。 培训效果诊断数据重复值清洗:当数据有重复时,系统将自动识别,系统支持对重复值进行删除或保留操作。培训效果诊断数据缺失值清洗:当数据有缺失时,系统将自动识别,系统支持对结果采用固定值、平均值、众数、中位数等方法填补缺失值。培训效果诊断数据异常值清洗:系统支持选择筛选、*σ探测法、四分位数展布法等方法来识别异常值,并支持对识别结果采用固定值、平均值、众数、中位数等方法处理异常值。培训效果诊断数据噪声值清洗:系统支持选择等深分箱法、离群点分析法等方法来识别噪声值,系统将根据识别结果处理噪声值。培训效果诊断数据整合:系统支持通过字段匹配对表单进行合并生成新表单,支持字段拆分实现字段切分,支持字段合并连接多个字段合并为一个字段。培训效果诊断数据分组:系统支持根据培训效果诊断的需要,对相关字段数据按照某种标准划分成不同的组别。培训效果诊断数据计算:根据培训效果诊断的需要,系统支持依据现在字段之间的关系通过各种运算自定义用户所需的新字段。 ★(*)培训效果诊断模型构建 分析历史培训效果相关数据,利用大数据分析方法,构建培训效果诊断模型,从而为人力**决策提供辅助支持。系统支持大数据分析方法包括回归分析、频数分析、方差分析、决策树分析、关联分析、文本挖掘、聚类算法等。 (*)培训效果诊断模型应用 根据培训效果诊断模型指标数据分析,解决企业在培训效果诊断过程中的各种业务问题。 (*)培训效果诊断报告编制 系统提供培训效果诊断报告模板,可根据模板撰写分析报告,撰写报告时支持常见的图片插入、表格插入、格式、字体调整。 *.离职情感挖掘 离职情感挖掘根据人力**大数据分析流程,识别企业离职相关问题。然后采用数据导入、数据接入等方式,采集员工离职申请数据。再利用采集到的数据构建离职情感挖掘模型,借助模型了解员工对公司的情感倾向,分析离职原因。最后根据文本挖掘结果分析离职原因,从而帮助决策者进行有针对性的整改,最终达到降低员工离职率这个目标。 (*)明确业务需求/目标 根据背景资料信息,分析企业离职情况。明确离职原因,并梳理如何根据大数据分析思路及工具制定离职情感挖掘的思路及工作流程。 (*)离职数据收集 根据背景企业中离职情感挖掘的目标,确定需要收集的企业离职数据字段,借助数据填报、数据导入、数据库连接、数据爬取等大数据收集的方法,收集培训数据并保存至平台数据库中。数据导入支持本地数据库包含本地文件(Excel、CSV、WORD等文件格式)导入;数据库连接支持MYSQL、SQL SERVER等主流数据库数据导入;数据爬取能够通过Python脚本从网页上爬取应聘者简历并把保存到本系统数据库中。 (*)离职数据处理 通过大数据处理的方法,将收集的背景企业的大量原始离职数据进行加工整理,包括重复值清洗、缺失值清洗、异常值清洗、噪声值清洗,数据整合、数据分组、数据计算。 离职情感挖掘数据重复值清洗:当数据有重复时,系统将自动识别,系统支持对重复值进行删除或保留操作。离职情感挖掘数据缺失值清洗:当数据有缺失时,系统将自动识别,系统支持对结果采用固定值、平均值、众数、中位数等方法填补缺失值。离职情感挖掘数据异常值清洗:系统支持选择筛选、*σ探测法、四分位数展布法等方法来识别异常值,并支持对识别结果采用固定值、平均值、众数、中位数等方法处理异常值。离职情感挖掘数据噪声值清洗:系统支持选择等深分箱法、离群点分析法等方法来识别噪声值,系统将根据识别结果处理噪声值。离职情感挖掘数据整合:系统支持通过字段匹配对表单进行合并生成新表单,支持字段拆分实现字段切分,支持字段合并连接多个字段合并为一个字段。离职情感挖掘数据分组:系统支持根据离职情感挖掘的需要,对相关字段数据按照某种标准划分成不同的组别。离职情感挖掘数据计算:根据离职情感挖掘的需要,系统支持依据现在字段之间的关系通过各种运算自定义用户所需的新字段。 ★(*)离职情感挖掘模型构建 分析历史离职相关数据,利用大数据分析方法,构建离职情感挖掘模型,从而为人力**决策提供辅助支持。系统支持大数据分析方法包括回归分析、频数分析、方差分析、决策树分析、关联分析、文本挖掘、聚类算法等。 (*)离职情感挖掘模型应用 根据离职情感挖掘模型指标数据分析,解决企业在离职过程中的各种业务问题。 (*)离职情感挖掘报告编制 系统提供离职情感挖掘报告模板,可根据模板撰写分析报告,撰写报告时支持常见的图片插入、表格插入、格式、字体调整 *.离职风险预测 根据人力**大数据分析流程,识别企业离职问题。然后采用数据接入、数据导入等方式,采集年龄、司龄、绩效、薪酬福利、工作内容、个人能力、个人成就、培训机会、个人职业发展等数据。最后利用采集到的数据构建离职风险预测模型,从而帮助决策者预测离职人员,进而可以对有潜在离职风险的人员进行适当调整。 (*)明确业务需求/目标 根据背景资料信息,分析企业离职情况。明确离职原因,并梳理如何根据大数据分析思路及工具制定离职风险预测的思路及工作流程。 (*)离职数据收集 根据背景企业中离职风险预测的目标,确定需要收集的企业离职数据字段,借助数据填报、数据导入、数据库连接、数据爬取等大数据收集的方法,收集培训数据并保存至平台数据库中。数据导入支持本地数据库包含本地文件(Excel、CSV、WORD等文件格式)导入;数据库连接支持MYSQL、SQL SERVER等主流数据库数据导入;数据爬取能够通过Python脚本从网页上爬取应聘者简历并把保存到本系统数据库中。 (*)离职数据处理 通过大数据处理的方法,将收集的背景企业的大量原始离职数据进行加工整理,包括重复值清洗、缺失值清洗、异常值清洗、噪声值清洗,数据整合、数据分组、数据计算。 离职风险预测数据重复值清洗:当数据有重复时,系统将自动识别,系统支持对重复值进行删除或保留操作。离职风险预测数据缺失值清洗:当数据有缺失时,系统将自动识别,系统支持对结果采用固定值、平均值、众数、中位数等方法填补缺失值。离职风险预测数据异常值清洗:系统支持选择筛选、*σ探测法、四分位数展布法等方法来识别异常值,并支持对识别结果采用固定值、平均值、众数、中位数等方法处理异常值。离职风险预测数据噪声值清洗:系统支持选择等深分箱法、离群点分析法等方法来识别噪声值,系统将根据识别结果处理噪声值。离职风险预测数据整合:系统支持通过字段匹配对表单进行合并生成新表单,支持字段拆分实现字段切分,支持字段合并连接多个字段合并为一个字段。离职风险预测数据分组:系统支持根据离职情感挖掘的需要,对相关字段数据按照某种标准划分成不同的组别。离职风险预测数据计算:根据离职情感挖掘的需要,系统支持依据现在字段之间的关系通过各种运算自定义用户所需的新字段。 ★(*)离职风险预测模型构建 分析历史离职相关数据,利用大数据分析方法,构建离职风险预测模型,从而为人力**决策提供辅助支持。系统支持大数据分析方法包括回归分析、频数分析、方差分析、决策树分析、关联分析、文本挖掘、聚类算法等。 (*)离职风险预测模型应用 根据离职风险预测模型指标数据分析,解决企业在离职过程中的各种业务问题。 (*)离职风险预测报告编制 系统提供离职风险预测报告模板,可根据模板撰写分析报告,撰写报告时支持常见的图片插入、表格插入、格式、字体调整。 *.*场营销大数据分析流程 *场营销大数据分析流程可以分为六步:①业务理解→②数据采集→③数据清洗→④数据加工→⑤数据分析与挖掘→⑥报告撰写 (*)业务理解 根据背景资料信息,确定分析目标和分析思路。 (*)数据采集 数据采集包括数据填报、数据接入、数据导入、数据抓取等采集方式。 ①数据填报:含内置数据和外置数据,选择内置数据,学生查看系统提供的默认数据,点击保存即可;选择外置数据,则根据平台提供的表单填写数据或者**表单上传数据。 ②数据接入:平台支持MySQL、SQL Server、Oracle、DB*等主流数据库接入,且包含内置数据和外置数据。选择内置数据,查看连接地址、用户名、密码、数据库名称,点击确定即可;选择外置数据,则选择相应数据库后,需输入连接地址、用户名、密码、数据库名称获取数据。 ③数据导入:平台支持Excel、CSV、WORD文件导入数据,且包含内置数据和外置数据。选择内置数据,查看默认文件,选择保存即可;选择外置数据,导入相应文件后,平台自动获取数据。 ④数据抓取:输入背景资料中给出的采集网址,平台将根据网址抓取相应数据。 (*)数据清洗 数据清洗包括全局清洗和局部清洗。全局清洗是通过设置全局清洗规则清洗全部数据,局部清洗包括重复值清洗、缺失值清洗、异常值清洗、噪声值清洗。 ①重复值清洗:选择需要进行重复值清洗的字段,当数据有重复时,系统将自动识别,学生根据识别结果对其进行删除或保留操作。 ②缺失值清洗:选择需要进行缺失值清洗的字段,当数据有缺失时,系统将自动识别,学生根据识别结果采用固定值、平均值、众数、中位数等方法填补缺失值。 ③异常值清洗:选择需要进行异常值清洗的字段,并选择筛选、*σ探测法、四分位数展布法等方法来识别异常值,学生根据识别结果采用固定值、平均值、众数、中位数等方法处理异常值。 ④噪声值清洗:选择需要进行噪声值清洗的字段,并选择等深分箱法、离群点分析法等方法来识别噪声值,系统将根据识别结果处理噪声值。 (*)数据加工 数据加工包括数据整合、数据计算、数据分组。 ①数据整合:本平台通过数据整合将有关联的数据整合加载到一个新的数据源中。 ②数据计算:本平台可依据现在字段之间的关系通过各种运算建立用户所需的新字段。 ③数据分组:本平台可将数据按照某种标准划分成不同的组别。 (*)数据分析与挖掘 ①数据分析方法:频数分析、方差分析、基础分析; ②数据挖掘技术:决策树、回归分析、关联规则、聚类算法、文本挖掘、关联规则等常用的大数据挖掘技术。 (*)报告撰写 根据数据分析与挖掘结果,编撰数据分析报告,内容包括前言、数据分析、原因分析、对策与建议等。 **.产品管理大数据分析 (*)产品定位诊断 根据*场营销大数据分析流程,确定分析目的与分析思路;采集是否满足消费者需求、目标消费者认可程度、产品成本、*场竞争规模等数据;运用关联规则,试图发现*场需求、成本、竞争等因素与产品定位之间的关联关系,从而帮助企业利用关联规则指导产品定位诊断。 (*)产品生命周期预测 根据*场营销大数据分析流程,确定分析目的与分析思路;采集产品销售量、*场竞争程度、消费者的消费方式、消费水平、利润增长速度、潜在客户数量等数据;通过聚类模型,建立判断标准,划分产品不同的生命周期阶段,并针对导入期、成长期、成熟期、衰退期的产品,制定相应的*场策略,优化周期曲线,使企业利益最大化。 **.价格管理大数据分析 ★(*)门店价格诊断 根据*场营销大数据分析流程,确定分析目的与分析思路;采集历史交易数量、促销销售占比、价格关注度、价格调研等内外部数据;通过聚类模型为门店分群,为不同类型的店群根据各自特征分别制定相应的定价策略和目标。针对竞争激烈、客群价格敏感度高的门店,需要加大价格投资的力度和关注度,而针对竞争少、客群价格敏感度低的门店,则可以适当减少价格投资力度和关注度。 (*)价格趋势预测 根据*场营销大数据分析流程,确定分析目的与分析思路;采集同类型产品价格、产品成本、*场需求量、供应量、供应品质、存储运输成本等影响价格的数据;通过多元回归模型,预测未来的价格趋势,规避风险,从而为企业决策提供战略依据。 **.渠道管理大数据分析 (*)渠道效能诊断 根据*场营销大数据分析流程,确定分析目的与分析思路;采集客户规模、客户类型、有效客户率、客户价值等数据;通过决策树模型,诊断企业销售渠道的畅通性、覆盖面、利用率等方面是否有问题,从而为企业如何选择高效能、高价值的渠道提供决策依据。 (*)渠道投放回报率预测 根据*场营销大数据分析流程,确定分析目的与分析思路;采集渠道类型、访问量、成本额、销售额等数据;通过决策树模型,分析不同渠道的流量,以及投放成本之间的回报率。企业针对流量大且回报率高的渠道,可以加大投放规模,对于访客数量低、回报低的渠道,可以选择性优化。 **.促销管理大数据分析 (*)促销方式诊断 根据*场营销大数据分析流程,确定分析目的与分析思路;采集促销目标达成率、促销成本、促销增加量等数据;通过聚类模型,诊断企业在促销方式的选择中是否有问题、促销效果是否显著,从而使企业把握促销方向,确定促销手段。 ★(*)广告效果诊断 根据*场营销大数据分析流程,确定分析目的与分析思路;采集广告信息特征、客户访问深度高、客户平均搜索量、客户日均UV、客户平均停留时间、订单转化率等数据;通过聚类模型,诊断每一类广告的效果是否达到预期,从而为企业提供广告投放渠道的决策依据。 **.产品策略可视化 学生根据大数据可视化分析流程系统从产品组合分析、产品生命周期分析、产品定位分析角度出发,根据明确产品策略可视化目标、明确产品相关指标、采集产品相关数据、预处理产品相关数据、处理产品相关数据、产品策略可视化设计、产品策略可视化分析的大数据可视化分析流程进行,并根据背景资料提出对策和建议。 (*)明确产品策略可视化目标 分析背景资料,对背景进行简要分析,明确看板目的,并以此为依据制定看板名称。提炼看板核心要点,选择大数据看板的应用场景及看板展现的内容。 (*)明确产品相关指标 选择指标:从内置指标库中挑选可量化的*场营销类指标作为核心分析指标,根据指标体系的五大原则适用性、系统性、动态性、规范性和客观性,构建指标体系。 定义指标:结合背景资料中企业的实际情况,为指标添加具体化描述。 拆解指标:通过系统内置指标公式和*场营销的专业知识,对指标值进行分解。 确定指标值范围:结合企业内部和行业*场营销情况,设置指标值的范围。 (*)采集产品相关数据 内部集成数据:从系统内置的数据库中采集数据,支持excel文件、SQL Server数据库、MySQL数据库、爬虫获取等方式采集数据。 外部数据:支持通过excel文件、SQL Server数据库、MySQL数据库、爬虫获取等方式自主导入数据。 我的数据库:将不同表格但数据内容类似的表中的基础数据进行数据集成,从而进行综合性分析。 ★(*)预处理产品相关数据 数据预处理是对大量数据中的不合理数值进行批量修改,主要包括缺失值处理、异常值处理和重复值处理*种。 缺失值处理:可自动筛选出缺失值,通过均值、众数、中位数、临近点的中位值、临近点的平均值等方式进行填补,也可直接删除缺失值。异常值处理:通过设置数据条件和规则找出异常值,并可进行均值、众数、中位数、临近点的中位值、临近点的平均值等方式填补或删除操作。重复值处理:通过设置重复率规则,筛选出数据表中重复的数据,并对重复数据进行保留或删除操作。 (*)处理产品相关数据 根据*场营销指标的字段数据处理情况,选择需要进行数据计算的字段,进行公式计算、基本分类汇总,获得与指标相匹配的有效数据。 ★(*)产品策略可视化设计 结合看板的应用场景,为各个指标选择矩形树图、折线图、雷达图、漏斗图、仪表盘、水球图等精致的可视化图表,可以选择或自定义图表的颜色、字号、坐标轴、背景和边框的设置。可以为图表添加组件,包括数据标签、图例标记、网格线和警戒线。 系统提供多种样式的可视化模板,通过自由拖拽,实现大数据看板的自主设计。 ★(*)产品策略可视化分析 结合看板内容与背景资料进行大数据分析,从分析对象、待解决问题、分析预期效果等方面进行大数据可视化的目的分析;结合单个或多个指标具体图表趋势变化情况,进行大数据可视化的现状分析,并从中提取存在的问题并进行问题分析;结合企业实际提出解决问题的对策建议,经过整体评估总结形成一份完整的数据分析报告。(投标文件中需提供该功能的操作截图予以证明) **.价格策略可视化 学生根据大数据可视化分析流程系统从定价决策分析、产品成本分析和价格构成分析角度出发,根据明确价格策略可视化目标、明确价格相关指标、采集价格相关数据、预处理价格相关数据、处理价格相关数据、价格策略可视化设计、价格策略可视化分析的大数据可视化分析流程进行,并根据背景资料提出对策和建议。 **.渠道策略可视化 学生根据大数据可视化分析流程系统从渠道建设情况分析、渠道结构分析、渠道效果分析的角度出发,根据明确渠道策略可视化目标、明确渠道相关指标、采集渠道相关数据、预处理渠道相关数据、处理渠道相关数据、渠道策略可视化设计、渠道策略可视化分析的大数据可视化分析流程进行,并根据背景资料提出对策和建议。 **.促销策略可视化 学生根据大数据可视化分析流程系统从促销组合分析、促销成本分析、促销效果分析角度出发,根据明确促销策略可视化目标、明确促销相关指标、采集促销相关数据、预处理促销相关数据、处理促销相关数据、促销策略可视化设计、促销策略可视化分析的大数据可视化分析流程进行,并根据背景资料提出对策和建议。 ★**.我的看板:可以查看*场营销可视化看板的最新制作进度。对历史完成的看板进行查看和重置功能;对于已生成的数据分析报告可以查看,并提供下载功能;可以将已完成的看板发布到班级中,向同班级的学习者分享自己的看板成果。 **.我的班级:可以查看同班级下所有发布的看板,学习他人看板制作的长处,并为优秀看板点赞。支持下载优秀看板的相关内容。 注:提供终身免费升级维护服务;提供系统迁移服务;提供云平台服务;提供不少于**学时培训,培训后任课教师可独立完成实验教学任务。 合同履行期限:合同签订后**个日历日内供货安装调试完毕 需落实的政府采购政策内容:促进中小企业、促进残疾人就业、支持监狱企业、支持脱贫攻坚、节能产品、环境标志产品政策等。本项目非专门面向中小企业采购,符合《政府采购促进中小企业发展管理办法》第六条第(三)款“按照本办法规定预留采购份额无法确保充分供应、充分竞争,或者存在可能影响政府采购目标实现的情形。” 本项目(是/否)接受联合体投标:否 二、供应商的资格要求 *.满足《中华人民**国政府采购法》第二十二条规定。 *.落实政府采购政策需满足的资格要求:促进中小企业、促进残疾人就业、支持监狱企业、支持脱贫攻坚、节能产品、环境标志产品政策等的相关规定(详见竞争性谈判文件)。 *.本项目的特定资格要求:*.*供应商须在中国境内注册,并在人员、设备、资金方面具有相应能力。 *.*供应商须为**政府采购网入库供应商。 *.*截至递交响应文件截止时间止,经“信用中国”网站(www.creditchina.gov.cn)、“中国政府采购网”网站(www.ccgp.gov.cn)查询,被列入失信被执行人、重大税收违法案件当事人名单、政府采购严重违法失信行为记录名单的不得参加本采购项目。 *.*根据《中华人民**国政府采购法实施条例》第十八条“单位负责人为同一人或者存在直接控股、管理关系的不同供应商,不得参加同一合同项下的政府采购活动。除单一来源采购项目外,为采购项目提供整体设计、规范编制或者项目管理、监理、检测等服务的供应商,不得再参加该采购项目的其他采购活动。” 三、政府采购供应商入库须知 参加**省政府采购活动的供应商未进入**省政府采购供应商库的,请详阅**政府采购网 “首页—政策法规”中公布的“政府采购供应商入库”的相关规定,及时办理入库登记手续。填写单位名称、统一社会信用代码和联系人等简要信息,由系统自动开通账号后,即可参与政府采购活动。具体规定详见《关于进一步优化**省政府采购供应商入库程序的通知》(辽财采函〔****〕***号)。 四、获取采购文件 时间:****年**月**日 **时**分至****年**月**日 **时**分(**时间,法定节假日除外) 地点:线上获取 方式:线上 售价:免费 五、响应文件提交 截止时间:****年**月**日 **时**分(**时间) 地点:**政府采购网 六、开启 时间:****年**月**日 **时**分(**时间) 地点:*************(********里**湾B*区**-*号) 七、公告期限 自本公告发布之日起*个工作日。 八、质疑与投诉 供应商认为自己的权益受到损害的,可以在知道或者应知其权益受到损害之日起七个工作日内,向采购代理机构或采购人提出质疑。 *、接收质疑函方式:线上或书面纸质质疑函 *、质疑函内容、格式:应符合《政府采购质疑和投诉办法》相关规定和财政部制定的《政府采购质疑函范本》格式,详见**政府采购网。 质疑供应商对采购人、采购代理机构的答复不满意,或者采购人、采购代理机构未在规定时间内作出答复的,可以在答复期满后**个工作日内向本级财政部门提起投诉。 九、其他补充事宜 *、因在全省推广政府采购电子招投标业务,供应商需自行办理政府采购CA数字证书并学习电子投标文件制作教程,系统操作问题请咨询技术支持电话(**********),CA办理问题请咨询CA认证机构。 *、参与本项目的供应商须在**政府采购网下载招标文件。 *、供应商未经**政府采购网领取及下载招标文件或未下载招标文件却递交投标文件及备份文件的,按无效投标处理。*************不再受理供应商线下获取招标文件相关事宜。 *、本项目响应文件递交方式采用线上递交(**政府采购网)及现场或电子邮件递交备份文件同时执行,参与本项目的投标供应商须自行办理好CA锁,如因供应商自身原因导致未线上递交响应文件的按照无效响应文件处理。具体操作流程详见**政府采购网相关通知 *、请随时关注**政府采购网发布的变更公告,如因未关注变更公告发生的任何问题,由供应商自行负责。 十、对本次招标提出询问,请按以下方式联系 *.采购人信息 名称: **工业大学 地址: **省******士英街***号 联系方式: *********** *.采购代理机构信息 名称: ************* 地址: ********里**湾B*区**-*号 联系方式: ****-******* 邮箱地址: *********** 开户行: **银行股份有限公司**支行 账户名称: ************* 账号: *************** *.项目联系方式 项目联系人: 陶女士 电话: ****-******* 评分办法:最低评标价法;
招标导航
施工准备
土地整理
三通一平
工程施工
地基与基础工程
桩基工程
预应力工程
防水工程
保温工程
爆破工程
加固除险工程
改造改建工程
回填工程
燃气工程
防腐工程
电气防雷工程
空调采暖工程
地下室
停车场
钢结构
膜结构
给排水
声屏障
道路工程
桥梁工程
市政工程
园林景观绿化
古建筑
喷泉
水幕
雕塑
草坪
亮化工程
照明
灯光
弱电
安防
综合布线
消防工程
门禁
救生
智能建筑
有线电视
数字会议
广播
音响工程
大屏幕
装饰装修
吊顶
粉刷
彩绘
幕墙
外立面
工程服务
审计
监理
勘察
规划
设计
建筑材料
门窗
座椅
地板
混凝土构件
水泥
建筑钢材
木构件
涂料
拦污栅
除尘器
管材
土工材料
土工格栅
土工布
更多>>
为保证您能够顺利投标,请在投标或购买招标文件前向招标代理机构或招标人咨询投标详细要求,有关招标的具体要求及情况以招标代理机构或招标人的解释为准。
地区站
华东:
上海
江苏
浙江
安徽
福建
江西
山东
华北:
北京
天津
河北
山西
内蒙古
东北:
辽宁
吉林
黑龙江
华南:
广东
广西
海南
西北:
陕西
甘肃
青海
宁夏
新疆
西南:
重庆
四川
贵州
云南
西藏
华中:
河南
湖北
湖南
.
关于我们
|
成功案例
|
知名客户
|
诚征代理
|
诚聘英才
|
广告服务
|
友情连接
|
帮助中心
|
网站地图
|
手机版
|
招标导航
客户咨询:400-633-1888 信息发布:13030031390 传真号码:010-59367999
京ICP证050708号-1
证书
京公网安备 11010802028602号
总部地址:北京市海淀区中关村大街11号7层(100190)
Copyright © 2005-2024 版权所有
招标网
北京智诚风信网络科技有限公司 北京中招国联科技有限公司 北京中招国联咨询有限公司 北京国建伟业咨询有限公司 哈尔滨中招国联科技有限公司 石家庄易投网络科技有限公司