篷布工程项目数据分析与挖掘（工程管理）.docx

《篷布工程项目数据分析与挖掘（工程管理）.docx》由会员分享，可在线阅读，更多相关《篷布工程项目数据分析与挖掘（工程管理）.docx（13页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、泓域咨询/篷布工程项目数据分析与挖掘篷布工程项目数据分析与挖掘xx有限公司一、 项目名称及项目单位项目名称：篷布工程项目项目单位：xx有限公司二、 项目建设地点本期项目选址位于xx，占地面积约35.00亩。项目拟定建设区域地理位置优越，交通便利，规划电力、给排水、通讯等公用设施条件完备，非常适宜本期项目建设。三、 建设规模该项目总占地面积23333.00（折合约35.00亩），预计场区规划总建筑面积44657.85。其中：主体工程26333.21，仓储工程11339.42，行政办公及生活服务设施3660.13，公共工程3325.09。四、 项目建设进度结合该项目建设的实际工作情况，xx有限公司

2、将项目工程的建设周期确定为24个月，其工作内容包括：项目前期准备、工程勘察与设计、土建工程施工、设备采购、设备安装调试、试车投产等。五、 建设投资估算（一）项目总投资构成分析本期项目总投资包括建设投资、建设期利息和流动资金。根据谨慎财务估算，项目总投资15962.04万元，其中：建设投资12665.32万元，占项目总投资的79.35%；建设期利息316.52万元，占项目总投资的1.98%；流动资金2980.20万元，占项目总投资的18.67%。（二）建设投资构成本期项目建设投资12665.32万元，包括工程费用、工程建设其他费用和预备费，其中：工程费用10679.59万元，工程建设其他费用16

3、68.98万元，预备费316.75万元。六、 项目主要技术经济指标（一）财务效益分析根据谨慎财务测算，项目达产后每年营业收入34100.00万元，综合总成本费用27096.95万元，纳税总额3297.63万元，净利润5124.57万元，财务内部收益率24.53%，财务净现值10440.59万元，全部投资回收期5.58年。（二）主要数据及技术指标表主要经济指标一览表序号项目单位指标备注1占地面积23333.00约35.00亩1.1总建筑面积44657.85容积率1.911.2基底面积14699.79建筑系数63.00%1.3投资强度万元/亩343.672总投资万元15962.042.1建设投资万

4、元12665.322.1.1工程费用万元10679.592.1.2工程建设其他费用万元1668.982.1.3预备费万元316.752.2建设期利息万元316.522.3流动资金万元2980.203资金筹措万元15962.043.1自筹资金万元9502.573.2银行贷款万元6459.474营业收入万元34100.00正常运营年份5总成本费用万元27096.956利润总额万元6832.767净利润万元5124.578所得税万元1708.199增值税万元1419.1510税金及附加万元170.2911纳税总额万元3297.6312工业增加值万元10880.9813盈亏平衡点万元12807.62产

5、值14回收期年5.58含建设期24个月15财务内部收益率24.53%所得税后16财务净现值万元10440.59所得税后七、 大数据系统和数据挖掘技术（一）数据挖掘概述1大数据大数据是指超过既往数据库系统规模、传输速度和处理能力，或者既往数据库系统结构无法容纳的数据。大数据常以万亿或EB衡量，且种类多、实时性强，蕴藏的商业价值大。很多现有的新或旧的信息基础设施、工具和技术可用来开发和利用大数据中蕴藏的价值。大数据有各种各样的来源：传感器、气候信息、公开的信息、如杂志、报纸、文章、买卖记录、网络日志、病历、事监控、视频和图像档案，及大型电子商务。大数据是数据挖掘产生与生存发展的土壤。如今数据每五年

6、翻一番，面对前所未有的海量数据，为了从中发现有用的信息必须进行数据挖掘。此外，计算机存储、处理大量数据，以及运算的能力大为增强，为数据挖掘创造了条件，使其成为一门独特的学科和技术。2数据挖掘与数据分析的区别数据挖掘与数据分析的主要区别在于：（1）处理工作量。数据分析的数据量可能并不大，而数据挖掘的数据量极大。（2）制约条件。数据分析是从某些假设出发，建立方程或模型，而数据挖掘不作假设，可以自动建立方程。（3）处理对象。数据分析往往是针对数字型数据，而数据挖掘对象类型繁多，例如图像、声音、文本等。（4）处理结果。数据分析可以解释结果的含义；数据挖掘的结果不易解释，着眼于预测未来，并提出决策建议。

7、想要从数据中发现规律（即认知），往往需将数据分析和数据挖掘结合起来。（二）数据挖掘步骤按挖掘对象，数据挖掘分为数据库与数据仓库挖掘和网络挖掘两种，各自步骤分述如下。1数据库与数据仓库挖掘数据挖掘一般有信息收集、数据集成、数据规约、数据清理、数据变换、数据挖掘、模式评估和知识表示8个步骤。（1）信息收集。从确定的挖掘对象中提取特征，然后选择合适的收集方法，将收集到的信息存入数据库。对于海量数据，必须选择合适的数据仓库。（2）数据集成。把来源、格式、特点、性质不同的数据按逻辑或物理属性加以编排，以便以后使用。（3）数据规约。多数数据挖掘算法耗时很长，商业数据往往较多，数据挖掘更耗时间。数据规约就是

8、简化已有可用数据集的表示，规约后数量大减，但仍能保持原数据的完整性，对规约数据的挖掘结果，与对规约前数据的挖掘结果相同或几乎相同。（4）数据清理。有些数据不完整（属性缺少属性值）、含噪声（属性值错误），不一致（同一信息有多种表示），需要清理，使其完整、正确、一致后存入数据仓库。（5）数据变换。将数据变换成适合数据挖掘的形式。实数型数据，可将其分层和离散化。（6）数据挖掘。根据数据格式、属性与特点，选择合适的处理工具，例如统计方法、事例推理、决策树、规则推理、模糊集，甚至神经网络，取得有用的信息。（7）模式评估。由行业专家核实数据挖掘结果是否合理、是否可用。（8）知识表示。将数据挖掘得到的信息以

9、可视方式交给用户，或作为新的知识存人知识库，供其他应用程序使用。并非所有的数据挖掘都要走上述的每一步。若只有一个数据源，则可以省略数据集成。数据规约、数据清理、数据变换合称数据预处理。数据挖掘至少60%的费用要花在信息收集阶段，而至少60%以上的精力和时间要花在数据预处理上。数据挖掘是一个反复多次的过程，若一次未满足要求或未得到有用结果，则需回到前面，经过调整后重新开始。2，网络挖掘网络挖掘可分为网络用户行为挖掘与网络信息挖掘。前者基本不在工程咨询人员关心之列。后者可理解为“从WWW中发现和分析有用的信息”。网络信息挖掘是在已知数据样本的基础上，通过归纳学习、机器学习、统计分析等发现挖掘对象间

10、的内在关系与特性，进而在网络中提取用户感兴趣的信息，获得更高层次的知识和规律。网络信息挖掘沿用了Robot，全文检索、人工智能的模式识别、神经网络等技术。现在的搜索引擎使用了这些技术，能够在网页或网站数据库中为用户搜寻有用信息。网络信息挖掘具体步骤如下：（1）确立目标样本。由用户选择目标文本，提取特征信息。（2）提取特征信息。根据目标样本的词频分布，从统计词典中提取挖掘目标的特征向量并计算出相应的权值。（3）网络信息获取。先利用搜索引擎站点选择待采集站点，再利用Robot程序采集静态Web页面，最后获取被访问站点网络数据库中的动态信息，生成WWW资源索引库。（4）信息特征匹配。提取索引库中的源

11、信息特征向量，并与目标样本的特征向量对照，将符合要求的信息交给用户。八、 时间数据分析方法（一）时间数据时间数据也称时间序列（Timeseries）或动态数据，是按时序排列的一组来自同一现象的观察值。时间序列可按日、月、季度、年等收集，有些呈现很强的季节性，建模时应给予反映。气象、水文、生态环境、经济及社会活动都能观察到周期性时间序列。实际观测并记录的时间序列，实际上是随机过程的样本，即，在产生时间序列的实际过程的每一时点上，人们看到的只是该时点随机变量的样本，并不能观察到母体。时间序列可分为平稳和非平稳序列，还可以分成线性和非线性时间序列。（二）时间序列分析1概述时间序列分析是根据随机过程理

12、论，研究时间序列的统计规律。时间序列分析广泛应用于信息压缩、利用卫星照片识别地球资源、石油勘探、经营管理、预测（气象、水文、地震、地下水位、农作物病虫灾害）、控制（环境污染、生态平衡）（天文学和海洋学）等方面。时间序列预测的基本依据是：（1）客观过程是连续的，有惯性，现在是过去的继续，过去的信息会传递到现在与未来，利用过去的数据或信息能推测未来。（2）偶然因素会影响到客观过程，使其行为与模式有随机性。预测要利用时间序列各时点随机量的相关关系。时间序列的趋势与波动称为“模式”，时间序列分析首要要识别其模式，然后用适当的曲线拟合。拟合模式的各种参数根据按“最优预测”原则估算出的时间序列数字特征（期

13、望值、方差、协方差、自相关函数）等确定。2.时间序列成分时间序列常含有4种成分：趋势、季节变动、规则波动和不规则波动。所谓趋势，是长期持续向上或持续向下的倾向。季节变动，是实际过程受气候、市场状况、节假日或风俗习惯等影响而呈现的周期性波动。规则波动，是周期不等的变动，呈涨落交替之状。波动的周期可能很长，但与趋势不同。不规则波动，是时间序列除去趋势、季节变动和周期波动之后的波动。不规则波动总是夹杂在时间序列中，致使时间序列产生一种波浪形或震荡式的变动。时间序列经常是各种周期成分的叠加，例如地震或人工地震波的记录。这样的序列要做频域分析。频域分析确定时间序列各周期成分称为“谱”或“功率谱”的能量分

14、布形态。频域分析又称谱分析。谱分析的重要内容就是通过序列的周期图（）的极值点寻找各种分量的周期。3时间序列建模时间序列建模一般有如下几个步骤（1）取得时间序列样本。（2）将样本点画成图，进行相关分析。时间序列图形可显示出变化趋势和周期，并发现离群点和转折点。若离群点确实为观测值，建模时应加以考虑，若非，应加以调整。转折点指时间序列趋势突变的点。如果发现转折拐点，则在建模时须分段用不同的模型拟合时间序列，例如用门限回归模型。（3）模式识别与拟合。时间序列模式众多。小样本可用趋势模型、季节模型加上随机误差拟合。对于样本容量（即观测值个数）大于50的平稳时间序列，可用ARMA（自回归移动平均）模型拟

15、合。非平稳时间序列可经差分化为平稳时间序列，再用ARMA模型拟合。（4）预测未来。利用建成的模型预测时间序列未来值。4时间序列常用模型（1）ARMA模型（2）回归模型九、 项目背景分析篷布（或称防水布）是一种高强度、具有良好韧性及柔软程度的防水材料，常被用作帆布（油画布）、带聚氨酯涂层的涤纶或制作成聚乙烯类塑料。篷布通常在角部或边缘有坚固的索环，以方便用来穿绳索捆绑、悬挂或覆盖。粗篷布又称篷盖布，织物坚牢耐折，具有良好的防水性能，用于汽车运输和露天仓库的遮盖以及野外搭帐篷细篷布经纬纱用于制作，劳动保护服装及其用品。经染色后也可用作鞋、旅行袋、背包等面料。此外，还有橡胶篷布，防火、防辐射用的屏蔽

16、篷布，造纸机用的篷布。篷布织物密度的计算单位以公制计，是指10cm内经纬纱排列的根数。密度的大小，直接影响织物的外观，手感，厚度，强力，抗折性，透气性，耐磨性和保暖性能等物理机械指标，同时他也关系到产品的成本和生产效率的大小。十、 现代工程咨询方法框架（一）现代工程咨询方法体系现代工程咨询方法体系包括哲学方法、逻辑方法和学科方法。哲学方法一般是辩证地分析事物的两面性，包括它的优点和缺点、正面效应和反面效应；逻辑方法是用概念、判断、推理、假说等逻辑思维形式，对事物进行归纳、演绎、综合；学科方法是利用各种学科中常用的研究方法，包括文献法、观察法、访谈法、问卷法、测量法和实验法、价值工程方法、网络控制方法、市场调查研究方法、战略规划研究方法、财务评价方法、经济评价方法、风险分析方法等。（二）常用现代工程咨询方法基于咨询工程师的基本能力要求，以项目周期的全过程咨询服务为主线，重点集中于投资项目前期咨询服务领域，常用的现代工程咨询方法包括综合分析、规划咨询、市场分析、项目评价、项目管理等五大类，每一大类中又包括若干具体方法。需要说明的是，虽然我们将某一具体方法归于某一大类名下，但其并不是仅限应用于此类项目咨询领域，亦可应用于其他项目咨询中。如利益相关者分析法，经常应用于规划咨询，同时也常用于社会评价；如德尔菲法，不仅应用于市场预测，同时也应用于规划咨询、社会评价等。