摘 要
伴随着互联网的发展和云服务进步,自动化办公系统作为当代企业不可或缺的手段之一逐步融入到各大大中型企业的生产运作之中.自动化办公系统将所有员工信息、任务信息、工作流信息和知识汇集到数据库之中,大量数据的积累为数据挖掘提供了土壤.自动化办公系统中的数据存在价值极大,通过传统手段归纳很难发现存在于其中的规律和知识,因此对自动化办公系统的数据进行数据挖掘势在必行.公司为作为金融科技公司,计算机开发与运维是其主营业务.因此,本文的数据挖掘方向主要针对于开发过程中留存的信息进行分析,以此分析出代码生产中存在的效率问题和生产管理中存在的生产矛盾问题,以此对公司的管理手段和业务流程等方面进行分析优化,提高公司内部的生产管理效率.
本文通过数据挖掘算法中 K 均值算法,从任务、员工两个维度出发,通过结合任务数量、任务内容丰富度、任务处理时间、员工类型、员工级别等维度对自动化办公系统的任务信息进行了丰富的挖掘.通过对任务处理量和员工级别以及员工类型的结合,发现不同员工级别生产效率的差异,以及内部员工和外包员工在生产效率上有何异同.通过对任务处理时间中交接时间和派发时间的分析,挖掘出员工在一天之内工作效率的主要阶段在哪.通过对任务内容丰富度的挖掘,分析出不同员工对于任务描述的习惯,从而分析公司内生产线上的交流成本,进而为提高公司生产工作效率、降低交流成本做出相应的分析.通过对任务和员工两个维度存在的各种各样的信息进行组合分析挖掘,从而分析出公司在管理架构、管理习惯、业务流程等多个方面存在的问题并提出相应对策.
在数据挖掘之后,针对数据挖掘中发现的现象和相应的思考分析,再次对公司内部最有代表性的业务流程进行优化整合再造,通过结合 DMAIC 方法、ECRS 法、SDCA 循环三种工业工程的流程优化方法,结合不同部门给出的生产建议,经过多次求证后,对业务流程进行了探索分析并优化再造.并在运行一段时间后通过调查问卷分析和数据直观分析对优化前后的业务流程进行了对比分析,得出优化后对公司的业务流转效率有了显着提高.
本文提出的挖掘方法方案和流程优化的方法方案将实践与理论互相结合,不仅满足了对于知识的探索研究,达到了研究目标,同时设计方案也符合科学化标准,可以为其它相关人员提供一定程度上的理论支持.
关键词:自动化办公系统,数据挖掘,K均值算法,流程优化
Abstract
With the development of Internet and the progress of cloud service, as one of theindispensable means of modern enterprises, the automation office system is gradually integratedinto the production and operation of large and medium-sized enterprises. The automation officesystem integrates all employee information, task information, workflow information andknowledge into the database. The accumulation of a large number of data provides the soil fordata mining. The data in the automatic office system is of great value. It is difficult to find therules and knowledge in it by traditional methods. So it is imperative to mine the data of theautomatic office system. As a financial technology company, computer development andoperation and maintenance are its main business. Therefore, the direction of data mining in thispaper mainly focuses on the analysis of the information retained in the development process,so as to analyze the efficiency problems in code production and production contradictions inproduction management, so as to analyze and optimize the management means and businessprocesses of the company, and improve the efficiency of production management within thecompany.
In this paper, the k-means algorithm of data mining algorithm is used to mine the taskinformation of the automatic office system from the two dimensions of task and employee, bycombining the dimensions of task quantity, task content richness, task processing time,employee type and employee level. Through the combination of task processing capacity,employee level and employee type, we can find the differences of production efficiency indifferent employee levels, as well as the differences in production efficiency between internalemployees and outsourcing employees. Through the analysis of handover time and dispatchtime in the task processing time, we can find out the main stage of employee's work efficiencyin a day. Through the mining of task content richness, this paper analyzes the habits of differentemployees for task description, so as to analyze the communication cost of the production linein the company, and then make corresponding analysis for improving the production efficiencyand reducing the communication cost of the company. Through the combination analysis andmining of various information existing in the two dimensions of task and employee, this paperanalyzes the problems existing in the management structure, management habits, businessprocesses and other aspects of the company, and puts forward corresponding countermeasures.
After data mining, aiming at the phenomena found in data mining and the correspondingthinking and analysis, the most representative business process in the company is optimizedand integrated again. By combining the process optimization methods of DMAIC method,ECRs method and SDCA cycle, combined with the production suggestions given by differentdepartments, the business process is explored after multiple proofs Analyze and optimizereengineering. After running for a period of time, through the questionnaire analysis and dataintuitive analysis, the business process before and after the optimization is compared andanalyzed, and it is concluded that after the optimization, the business flow efficiency of thecompany has been significantly improved.
The mining method scheme and process optimization method scheme put forward in thispaper combine practice with theory, which not only meets the exploration and research ofknowledge, but also achieves the research goal. At the same time, the design scheme alsoconforms to the scientific standard, which can provide theoretical support for other relevantpersonnel to a certain extent.
Keywords: Office automation system, data mining, k-means algorithm, process optimization.
目 录
摘 要........................................................................................................I
ABSTRACT ..................................................................................................II
第 1 章 绪 论............................................................................................... 1
1.1 课题背景及研究的目的........................................................................................ 1
1.2 课题研究内容的发展状况.................................................................................... 2
1.2.1 办公自动化系统的发展................................................................................. 2
1.2.2 数据挖掘的发展 ............................................................................................ 3
1.2.3 业务流程优化的发展 .................................................................................... 4
1.3 研究内容与组织结构 ........................................................................................... 4
第 2 章 技术原理以及任务目标 ................................................................. 6
2.1 理论阐明............................................................................................................... 6
2.2 数据挖掘的价值 ................................................................................................... 6
2.3 数据挖掘分析方法介绍........................................................................................ 7
2.4 数据挖掘过程阐述 ............................................................................................... 8
2.4.1 业务分析........................................................................................................ 8
2.4.2 数据准备与处理 ............................................................................................ 8
2.4.3 数据可视化 .................................................................................................... 8
2.4.4 结果分析........................................................................................................ 9
2.5 聚类算法介绍 ....................................................................................................... 9
2.6 业务流程优化方法介绍...................................................................................... 11
2.6.1 DMAIC 方法................................................................................................. 11
2.6.2 ECRS 方法 .................................................................................................... 11
2.6.3 SDCA 方法 ................................................................................................... 12
第 3 章 基于 OA 系统的数据挖掘............................................................ 13
3.1 数据准备............................................................................................................. 13
3.2 基于员工任务处理数量的数据挖掘 .................................................................. 13
3.2.1 不同员工级别员工聚类后的分布情况 ....................................................... 15
3.2.2 内部员工、外包员工聚类后的分布情况 ................................................... 18
3.3 关于任务处理时间的聚类挖掘 .......................................................................... 20
3.3.1 接收/派发任务时间聚类后的分布情况 ...................................................... 21
3.3.2 交接任务时间聚类后的分布情况 ............................................................... 22
3.4 基于任务内容丰富度角度的聚类挖掘 .............................................................. 23
3.4.1 基于内容丰富度的初次聚类....................................................................... 24
3.4.2 基于内容丰富度的二次聚类....................................................................... 25
3.4.3 基于内容丰富度不同员工级别员工聚类后的分布情况 ............................ 26
3.4.4 内部员工、外包员工聚类后的分布情况 ................................................... 29
第 4 章 业务流程优化 ............................................................................... 32
4.1 某金融科技公司当前业务流程现状 .................................................................. 32
4.1.1 需求处理业务基本要求............................................................................... 32
4.1.2 缺陷处理业务基本要求............................................................................... 33
4.2 业务流程优化处理原则与目标 .......................................................................... 34
4.2.1 业务流程优化处理目标............................................................................... 35
4.2.2 业务流程优化处理原则............................................................................... 35
4.3 业务流程优化处理结果...................................................................................... 36
4.3.1 需求业务流程优化结果............................................................................... 36
4.3.2 缺陷业务流程优化结果............................................................................... 37
4.3.3 优化结果与分析 ........................................................................................... 38
第 5 章 问题讨论与探究 ........................................................................... 40
结 论......................................................................................................... 42
参考文献..................................................................................................... 43
致 谢......................................................................................................... 46
第 1 章 绪 论
1.1 课题背景及研究的目的
计算机技术的快速成长,互联网时代的逐步降临,在生产生活领域,社会已经发生了巨大的变化[1].从日常生活的衣食住行,到日常办公学习,计算机和互联网已经成为必不可少的角色之一.同样作为计算机和互联网的衍生物之一的管理信息系统已经成为工作中必不可少的工具.伴随着管理信息系统的发展,无纸化办公这一概念已经俨然被提到了现代办公领域的舞台之上.
随着办公自动化飞速发展,办公自动化系统为单位管理人员、员工提供良好的办公手段和环境,使工作变得准确、高效、愉快[2].工作流的出现使内部员工可以快速、轻松地共享信息、高效地协同工作,实现了快速、全面的信息收集、信息处理、企业管理和决策.
办公自动化系统是基于计算机的信息系统,可收集、处理、存储和传输个人、工作组和组织之间的电子消息、文档和其他形式的通信.通过显着降低产生、访问和接收业务通信所需的时间和精力,此类系统可以提高管理效率和生产率.使用办公自动化系统可以带来很多好处.办公自动化系统将所有数据和通信都集中在一个地方,这样可以使数据井井有条,易于访问,也节省了时间[3].可以快速访问信息,发送电子邮件甚至参加会议,从而节省了白天的时间,并可以快速进行交流.此外,归档和计算的任务不再是手动的,从而使员工可以腾出时间来处理更大的工作流程.
在企业的日常工作协作中,各式各样的工作任务中因为没有系统的统计监督,经常会出现忘记、个人拖沓、反馈不及时、无反馈、考核跟进难等等问题.尤其是一些繁琐的细碎的工作岗位负责人更加诉苦不堪.在很多企业的实践中发现借助企业协作软件中的任务管理系统能够让整个任务变得清晰可见,任务的进度也能够实时的提醒,大大的提升了工作效率.
据估计,世界上的信息量每 20 个月增加一倍[4].也就是说,许多科学,政府和公司信息系统被大量生成和存储的数据所淹没通常情况下,这些数据会成长为数以亿计(甚至数兆亿)的大型数据库数据字节.这些数据库包含有价值的潜在金矿信息,但是分析如此大量的信息超出了人类的能力[5].办公自动化系统运行的过程中积累了大量的数据,这些数据包罗万象,如员工信息、任务信息、工作流信息等.对于这些数据,长期以来都埋没在冰冷的数据磁盘里,偶尔会对其进行简单的统计分析,并不能更好的对员工的个人行为和工作规律进行细致详尽的探究剖析.如果对这些数据进行多方位、深层次的拆解、分类与剖析,就能对对员工的个人行为和工作规律进行更高层次的把握,从而提高系统运行效率,进而提高公司整体的生产效率.任务评分量化,让绩效考核、员工评比用数据事实说话,为提高系统服务水平提供参考.
1.2 课题研究内容的发展状况
1.2.1 办公自动化系统的发展
办公自动化的出现结束了人类长达几千年依靠纸张来办公的时代,执行了办公室的无纸化和自动化.随着办公自动化软件技术的与时俱进.OA(Office Automation)系统即为办公室自动化系统,它起源于 20 世纪 70 年代的先进国家,现在 OA 已经广泛的应用于各行各业[6].
随着信息技术的快速发展,企业管理越来越重视办公自动化商业模式的建构.OA产业正在如火如荼地发展,OA 系统在企业管理之中获致了普及性的应用,已经推广到各行各业,并逐渐演变为对传统办公模式的一场革命[7].OA 系统在新时期的企业管理之中发挥了重要的功能,其可以提升企业效率,促进企业的现代化、信息化以及永续发展.
OA 系统的出现,相当程度地提升了企业的生产和管理效率,降低了各种成本,为企业发展由传统向现代化转型升级增加了无穷的动力.国内的 OA 产业发展早已起步,近几年随着微软、IBM、HP 等国外大型的软件公司加入 OA 产业阵营,OA 的发展更是如火如荼.相信在不远的未来,OA 系统必将得到更加广泛的应用,势必成为企业在商场上决胜的利器.
目前,大多数大型企业中国已经部署了 OA 系统,他们基本上已经实现了工作流程的功能,项目管理,以及生产管理[8].OA 系统在中国的历史办公室自动化最早是在 20世纪 70 年代末提出的,在 20 世纪 80 年代和 20 世纪 90 年代,OA 系统开始加速其在世界上的更新迭代.中国的 OA 系统真正的起步是在十九世纪八十年代中期.在 1985 年,关于办公自动化的第一次会议在中国正式举办,这次会议上对中国进行 OA 系统的搭建进行了规划施工.OA 系统的目标是尽可能充分地利用信息资源,生产力,效率和决策支持,为企业带来更好的经济效益实现既定目标[9].该会议标志着 OA 系统开发开始的标志.
在过去的 20 年中,中国的 OA 系统分为了三步发展.
第一步的时间区间为 1980 年到 1999 年,主要发展方向为个人和文献资料.这一阶段的 OA 系统还未面向整个公司群体,而是仅仅归于个人使用,主要作用是提供邮箱服务和完成部分文档图片处理工作,将个人业务进行自动化处理.早期的 OA 程序是一些用于办公问题的独立应用程序,例如 WPS、MSOFFICE 等,因此 OA 的名称为"无纸办公"是在那时候.
第二步的时间区间为 2000 年到 2005 年,主要发展方向为流程 OA[10].专注于工作流程.流程 OA 实现了许多应用功能,例如作为文件传输,检查和批准流程,文件管理等.从 20 世纪 90 年代中期开始,随着工作流组件的出现和蓬勃发展,为 OA 系统的茁壮成长奠定了基础,OA 系统获得了飞速发展的土壤.因为办公室的自动化的工作流程需要工作流程技术的支持.
第三步的时间区间为 2005 年至今,主要发展方向为知识 OA.它不仅是知识管理,而且集中于协作管理.通过对知识 OA 系统的信息数据和资源数据进行整合和开发,进而将在企业管理理念中融入知识管理理念,从而在日常的工作和办公之中彻底的加入知识管理这一理念[11].OA 系统到达了现在这一发展阶段后,已经成为各大企业和政府不可或缺的平台手段,主要服务内容为项目内协助工作,项目间互相合作,对内对发布新的信息,政企之间多方交流等.在国内市场上,OA 处于知识 OA 的起步阶段.
1.2.2 数据挖掘的发展
数据挖掘是一个跨学科的研究领域,涉及多个学科,例如数据库系统,机器学习,智能信息系统,统计和专家系统[12].由于理论上的挑战和与从大型现实数据库中发现(或提取)有趣且以前未知的知识有关的实际应用,数据挖掘已成为一个重要而活跃的研究领域.在几个相关领域中已经研究了数据挖掘的许多方面.
在 20 世纪 90 年代,引入了"数据挖掘"一词,但是数据挖掘是一个具有悠久历史的行业的发展.识别数据模式的早期技术包括贝叶斯定理(十八世纪)和回归演化(十九世纪).由于数据集的规模和复杂性水平很高,因此计算机科学的产生和增长的促进了数据的收集,存储和处理[13].数据挖掘已通过自动数据处理和其他计算机科学发现(例如神经网络,聚类,遗传算法(20 世纪 50 年代),决策树(20 世纪 60 年代))得到了逐步改进.数据挖掘的起源可追溯到三个家族系:古典统计,人工智能和机器学习.古典统计:统计是构建数据挖掘的大多数技术的基础,例如回归分析,标准偏差,标准分布,标准方差,判别分析,聚类分析和置信区间.所有这些都用于分析数据和数据连接.人工智能:人工智能或人工智能基于启发式而非统计.它试图将类似人类思想的处理应用于统计问题.一些高端商业产品采用了特定的 AI 概念,例如关系数据库管理系统(RDBMS)的查询优化模块.机器学习:机器学习是统计和 AI 的结合[14].它可能被视为 AI 的发展,因为它将 AI 启发式方法与复杂的统计分析相结合.机器学习试图使计算机程序知道他们正在研究的数据,以便程序根据所检查数据的特征做出不同的决策.它使用基本概念的统计数据,并添加更多的 AI 启发式方法和算法来实现其目标.
如今,数据挖掘已在商业,科学,工程和医学领域得到广泛应用.信用卡交易,股票市场动向,国家安全,基因组测序和临床试验的挖掘只是数据挖掘应用的冰山一角,如今大数据等术语变得司空见惯,因为数据收集变得越来越便宜,并且设备功能日益强大收集数据[15].当今最活跃的技术之一是深度学习.它能够捕获依赖关系和复杂模式,远远超过其他技术,它再次点燃了数据挖掘,数据科学和人工智能领域的一些最大挑战.
1.2.3 业务流程优化的发展
业务流程再造起源于一篇名为《Reengineering Work: Don't Automate, Obliterate》的在《哈佛商业评论》上发表的文章,它是由迈克尔·汉默(Michael Hammer)在 20 世纪90 年代发表的,从此业务流程再造在 20 世纪 90 年代的商业世界中变得很流行[16].
业务流程优化是在端到端的在业务周期内系统地分析事务以提高效率和有效性的学科.为了识别降低效率,减少瓶颈和优化流程的所有可能的方法.重要的是要从改进和精简的角度来审视流程链中的每个点.业务流程优化使公司能够根据客户需求或最终产品调整其所有业务功能[17].它进一步使管理层能够消除不增加价值的流程,并提高生产率和吞吐量.降低成本,提高性能,有效利用资源和提高可视性应该是每个企业的目标.是针对流程的目标重新设计,以提高效率并加强单个流程与总体策略和目标的一致性.虽然单个流程或特定部门流程的优化可以带来真正的业务改善,但在整个组织范围内扩大工作范围的组织可以看到显着的竞争优势,更好的客户服务(内部和外部)以及更有效的运营.每个企业都必须不断评估其流程,并思考如何改进它们[18].随着时间的流逝,可以使用新技术,从而使原样的过程过时或易于改进.或者,原样的过程可能会消耗太多的资源,或者由于技术过时而导致效率低下.这是业务流程分析派上用场的时候.
业务流程优化可以用作管理困难情况和在不利环境中运行的策略[19].商业意识形态或传统是成功和效率的主要因素.它可以促进或降低业务运营.向客户提供服务通常会暴露出企业文化中的缺陷,因为即使是伟大的业务增长策略所带来的影响也将是无用的或受到严重阻碍的.许多组织几乎不关注这些因素,因此必须不断努力以取得重大进展.建立适当的业务文化等同于您的业务成功,因为所有业务流程都锚定在业务的这一核心方面.
1.3 研究内容与组织结构
基于上述分析与简介,本文主要分为五个章节六个部分来阐述研究内容.
第一章节为绪论部分,主要阐述本次课题研究的意义和目的,以及办公自动化系统、数据挖掘以及业务流程优化三个研究内容的发展状况.
第二章节主要阐述本文中所用的技术、算法、方法及其意义.主要包括数据挖掘的介绍以及数据挖掘的价值.聚类算法的介绍和三种业务流程优化手段 DMAIC 方法、ECRS 方法和 SDCA 循环的介绍.
第三章节为数据挖掘部分,主要内容为从多个数据维度组合分析,对办公自动化系统内数据进行挖掘分析.分析了不同员工级别、不同员工类型对于任务处理上的异同之处,通过对时间节点进行聚类挖掘分析员工的工效时段.并对数据挖掘的结果进行分析总结.
第四章节为业务流程优化部分.主要内容为通过重点对需求业务流程和缺陷业务流程两个流程两个流程进行详尽的分析和并结合第三章节的数据支持,对公司现有的需求业务流程和缺陷业务流程进行科学的业务流程优化作业,并通过一段时间的实行结合数据进行业务分析,得出优化方案圆满成功的结果.并对于结果进行简单剖析.
第五章节为总结归纳部分,主要内容是简单总结了数据挖掘和业务流程优化这两方面遇到的困难和问题,并针对问题提出个人见解.
第六部分为独立部分,主要内容为简单总结了全部研究过程的得失和个人成长.
…………由于本文篇幅较长,部分内容省略,详细全文见文末附件
结 论
本文研究问题从现代企业管理角度出发,针对于互联网行业软件开发领域,基于 OA系统的项目管理平台,通过调研研发管理平台的任务数据,分析员工的生产效率,为提高管理水平,改进项目管理平台,优化管理信息系统提供数据支持和建议.现代大数据分析的主要技术手段即为数据挖掘,而一定的数据挖掘算法能大大提高数据挖掘的效率,从而在庞杂的数据中探索出隐藏的逻辑信息.本文通过 K-means 算法对完成任务量、任务丰富度、任务交接时间进行数据挖掘,从而对员工全年整体生产效率进行层次化的对比,对员工整天的工作状态进行分析,从而把握住员工每天的工作脉搏,为更合理的优化工作安排提供理论的支持.
文章首先介绍了现阶段 OA 系统中项目管理平台的现状与发展前景,并提出通过数据挖掘的手段来发现平台应用过程中的隐藏信息.随后介绍数据挖掘技术的一般方法和常用流程,并系统地阐述了聚类分析经典算法 K-means 的基本原理和本文的挖掘过程.之后详尽的从多个维度,通过 K-means 算法对平台数据进行聚类挖掘和简单的阐述分析,得出公司生产效率低于一流水准和平台功能的缺陷之处,并对改善这一问题做了分析与建议.
通过这一课题,不仅领略了数据挖掘这技术手段的强大之处,更通过系统的研究,入门了数据挖掘的基础技术手段.不仅仅在商业领域,在现阶段的大数据阶段,越来越多的数据以电子的形式存储于各个介质之中.而其中隐藏的规律性信息整机带去发现总结开拓.通过数据挖掘的帮助,可以使项目管理平台的发展更进一步,也能对现代社会软件开发行业的生产规律做进一步总结.使行业发展更有效率和意义.
参考文献
1 吴倩.计算机技术在数字图书馆上的应用[J].科技风,2020(10):100.
2 刘洁.融入大数 据技术的 ERP 数据新价值分析与研究[J].计算机产品与流通,2019(11):106+110.
3 杨更.网络办公自动化及安全策略分析[J].计算机产品与流通,2019(08):46.
4 杨丽,苏航,柴锋,罗小兵,段琳娜.材料数据库和数据挖掘技术的应用现状[J].中国材料进展,2019,38(07):672-681+650.
5 何明智.企业数字化转型:大数据还是小数据[J].软件和集成电路,2019(06):51-53.
6 张佳.计算机数据挖掘技术的开发及其应用[J].电子技术与软件工程,2018(17):172-173.
7 马骞.聚类算法概述与应用[J].中国新通信,2018,20(14):225-226.
8 周玲玲,杜静,费晓燕.数字环境下合理使用立法的重新建构--基于文本与数据挖掘的发展与分析[J].浙江社会科学,2018(05):50-55+49+157.
9 Behrooz Noori,Mana Latifi. Development of Six Sigma methodology to improve grindingprocesses[J]. Emerald Publishing Limited,2018,9(1).
10 王武兵,陈飞,计效园,周建新.流程优化与巩固 Eraser-SDCA 方法及铸造企业应用[J].特种铸造及有色合金,2017,37(11):1192-1196.
11 周南南,韦建,吴晓峰,于芹,应永琼.基于 DMAIC 法的进气歧管生产质量改进研究[J].工业工程,2017,20(04):72-78.
12 余江,周来新,胡琳,杨靓,朱丹,张玲,王婷.基于 ECRS 法的大型医院门诊服务流程优化[J].中国医院,2016,20(11):79-80.
13 郭路.集团公司 OA 系统的研究与开发[J].电脑知识与技术,2016,12(24):60-61+65.
14 邹昕.数据挖掘在图书馆管理中的理论与技术[J].科技视界,2016(24):12+11.
15 陈晶,陈风梅,黎娜.运用 DMAIC 方法改善空调阀体[J].中国质量,2016(07):41-45.
16 黄国彬 , 郑 琳 . 大数据信息安全风险框架及应对策略研究 [J]. 图书馆学研究,2015(13):24-29.
17 王颖.计算机办公自动化的发展趋势分析[J].科技创新与应用,2015(14):75.
18 杨善林,周开乐.大数据中的管理问题:基于大数据的资源观 [J].管理科学学报,2015,18(05):1-8.
19 雷亮,彭真,李鸿.大数据在区域品牌营销中的应用研究[J].图书与情报,2015(02):77-81.
20 姜强,赵蔚,王朋娇,王丽萍.基于大数据的个性化自适应在线学习分析模型及实现[J].中国电化教育,2015(01):85-92.
21 王榜华.高校人事管理业务流程优化分析[J].才智,2014(30):7+9.
22 张莉.数据挖掘研究现状及发展趋势[J].赤峰学院学报(自然科学版),2014,30(18):14-15.
23 贺艺谋,毕婧.数据挖掘的研究与探讨[J].信息与电脑(理论版),2014(03):183.
24 王彦博.大数据时代商业银行数据挖掘攻略[J].金融电子化,2014(01):59-61.
25 朱佳俊,郑建国,覃朝勇.基于证据理论的不确定可拓推理及应用[J].系统管理学报,2013,22(06):876-881.
26 许敏.数据挖掘理论在数据采集中的应用[J].科技传播,2013,5(21):222+211.
27 郭家维.办公自动化的应用与发展趋势[J].黑龙江科技信息,2010(29):123.
28 潘芳.国内 OA 系统现状和未来发展趋势[J].软件导刊,2008(03):3-4.
29 汤薇.基于因子与聚类分析的江苏省邮政业务协同运作实效研究 [J].物流科技,2014,37(11):65-67+90.
30 何兆成,周亚强,余志.基于数据可视化的区域交通状态特征评价方法[J].交通运输工程学报,2016,16(01):133-140.
31 陈明.大数据可视化分析[J].计算机教育,2015(05):94-97.
32 郑舞,刘国萍.常见数据挖掘方法在中医诊断领域的应用概况[J].中国中医药信息杂志,2013,20(04):103-107.
33 页川.大数据时代背景下挖掘教育数据的价值--教育部科学技术研究重点项目成果《教育数据挖掘:方法与应用》出版[J].中国远程教育,2013(04):94.
34 郭秀娟.数据挖掘方法综述[J].吉林建筑工程学院学报,2004(01):49-53.
35 糜元根.数据挖掘方法的评述[J].南京化工大学学报(自然科学版),2001(05):105-110.
36 Shaodong Zheng,Jinsong Zhao. A new unsupervised data mining method based on thestacked autoencoder for chemical process fault diagnosis[J]. Computers and ChemicalEngineering,2020,135.
37 杨兵,卢国庆,邢宏根,Tiong-Thye Goh.在线学习系统数据可视化研究与实现--以"测 测 SAT 平台"为例[J].现代教育技术,2017,27(12):114-120+107.
38 张璇,肖焕禹.数据可视化在索契冬奥会报道中的应用研究--以《纽约时报》和《华盛顿邮报》为例[J].武汉体育学院学报,2017,51(05):10-14.
39 张宏鑫,盛风帆,徐沛原,汤颖.基于移动终端日志数据的人群特征可视化[J].软件学报,2016,27(05):1174-1187.
40 张庸,朱汝煜.OA 系统的发展与功能[J].内蒙古广播与电视技术,2008,25(01):36-38.
41 文小燕 , 杜 海 若 . 数 据 挖 掘 的 发 展 和 应 用综述 [J]. 电 脑 知 识 与 技 术 ( 学术交流),2007(18):1486+1513.
42 祁淑霞.基于 Internet 的企业办公自动化发展研究[J].中国科技信息,2006(18):218-219+222.
43 韩明,韩虹.我国办公自动化发展方向及发展策略探讨[J].牡丹江教育学院学报,2003(03):97+100.
44 陆剑江,钱培德,杨季文.OA 系统的现状及发展趋势研究[J].办公自动化,2003(07):13-16.
45 中国人民大学统计学系数据挖掘中心 .统计学与数据挖掘[J].统计与信息论坛,2002(01):4-9.
46 黄贤贵.浅议企业办公自动化发展的特点与措施[J].交通科技与经济,2001(04):59-60+64.
47 Dickey L L,Gemson D H,Carney P. Office system interventions supporting primary carebased health behavior change counseling.[J]. Pubmed,1999,17(4).
48 Dietrich A J,O'Connor G T,Keller A,Carney P A,Levy D,Whaley F S. Cancer: improvingearly detection and prevention. A community practice randomised trial.[J].Pubmed,1992,304(6828).
49 刘军.需求为主,应用为王,回归信息化本质[J].建筑技术开发,2017,44(02):26-33.
50 赵春洁.优化客户诉求管理流程[J].管理观察,2014(18):110-111+113.
51 褚跃龙.基于信息化的企业业务流程优化原则及实施路径[J].商业时代,2013(25):100-101.
52 张继焦.优化业务流程的两大原则[J].北京工商,2003(05):32-34.
