XX学院财务大数据综合教学系统采购需求.docx

《XX学院财务大数据综合教学系统采购需求.docx》由会员分享，可在线阅读，更多相关《XX学院财务大数据综合教学系统采购需求.docx（14页珍藏版）》请在第一文库网上搜索。

1、XX学院财务大数据综合教学系统采购需求一、建设背景略。二、建设目标本着会计专业群建设与区域经济发展需求对接、课程体系与职业教育标准对 接、教学过程与岗位工作过程对接的要求，明确大数据与会计专业人才培养目标 定位,重构专业课程体系，制定具有本校特色的大数据与会计专业人才培养方案。建设目标如下：L建设校内财务大数据决策与分析实践教学系统，满足同时IOO个学生的线 上线下理实一体授课需求。推进PYTHON+财务报表分析等课程教学改革。2 .补充人才培养方窠课程体系中具有专业前沿发展的创新课程；优化信息化 了教学资源体系。会计学院当前信息化类课程体系结构图。当前我院缺少右侧的 教学资源与实训平台。增购

2、以PYTHON技术为基础的新课程教学资源可以优化教 学资源结构。3 .对应新课程；PYTHON大数据应用基础；财务大数据分析；财务报表分析。三、建设需求服务于以大数据应用为基础的“数据管理，管理会计，税务管理，财务管理” 的会计专业群人才培养需求，系统要融合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，让学生能够对企 业内外部经营环境的结构化数据、非结构化数据进行获取，然后结合所学传统财 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。1、课程培养目标知识目标：（1）掌握财务大数据分析的概念、基本特征。（2

3、）掌握财务大数据的范围与来源。（3）掌握财务大数据项目分析的一般流程。（4）掌握财务数据收集与预处理方法。（5）掌握财务大数据分析可视化的基本原理。（6）掌握财务大数据大数据算法的基本原理。能力目标：（I）能够根据企业管理精细度设置数据分析维度。（2）能够根据企业分析目标对数据进行筛选、整理、分类等。（3）能够根据企业经营要求设置指标体系与数据建模。（4）能够进行可视化设置与预警设置。（5）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。（6）能够利用大数据算法对企业的经营做出预测，指导决策制定。（7）能够利用文本挖掘、企业画像等帮助企业调整战略、作出经营决策。（8）能够结合

4、人工智能、混合现实等技术进行财务分析与决策的创新。素质目标：（1）培养学生的数字思维。（2）培养学生从分析中发现问题、洞察问题、解决问题的系统思考能力。（3）培养学生能够用数字提供决策建议的沟通能力。（4）培养责任心、良好的职业道德，具有数字敏感等职业素养。2、课程内容要求和课时分配依托企业数字化运营需求场景搭建的财务大数据分析实训平台，融合财会专 业基础与大数据分析工具方法，将传统财务分析指标体系和大数据预测模型结合, 训练学生仿真商业场景下财务大数据分析实操能力与辅助企业制定经营决策方 案的业务能力。创新性的融合Python数据获取、数据清洗、数据挖掘、商业可 视化分析、等多类新技术工具于

5、教学平台一体，以真实企业内外部经营环境的业 务数据、上证交易所XBRL等结构化数据以及非结构化数据为实验材料，以“能 实不虚”的虚拟仿真金课高要求进行课程内容开发。适用专业：大数据与会计、大数据与财务管理、财税大数据应用。学 时：32学时0学 分：2学分。试验材料。（1）数据源：结构化数据-真实企业窠例业务数据（脱敏）、多家上市公司 多个行业数十万条报告数据，非结构化数据国内外政策或市场数据、企业主营 产品信息、京东商城评论数据等数据。支持学生及教师切换行业企业分析案例进 行更多教学或案例研究。（2）分析指标库：建立可选指标库，行业发展趋势指标、企业内部经营指 标、企业竞争力财务分析模型、企业

6、价值预测指标等，同时支持学生自行建立分 析模型。（3）分析工具：教学管理平台集成多款大数据分析工具于一体，PythOn数 据采集、清洗、数据存储处理工具、数据挖掘、真实企业商业智能分析工具等。教学设计大纲。理实一体课程教学大纲如下，依据此逐层递进的课程设计，能满足不少于32课时理实一体课程授课需求，基本教学大纲如下:序号教学内容培养目标主要内容描述参考课时1大数据认知（1）进行实训动员，激发学习兴趣，了解课程目标及要求；（2） 了解大数据的应用、起源发展、 概念、特征、分类等分类等；（3） 了解大数据技术的算法模型基本 分类及应用；（4）掌握大数据典型岗位在企业中的 职责、能力要求等。（1）实

7、习动员、团队组建；（2）大数据的应用、起源发展；（3）大数据的概念、特征、分类：（4）大数据算法简述；（5）大数据典型工作岗位职责 描述。22大数据在商业领域中的应用（1）了解财务大数据的特点及在财务领域中的应用场景；（2） 了解人力资源大数据的特点、作（1）大数据在财务领域中的应用；（2）大数据在人力资源管理中2序号教学内容培养目标主要内容描述参考课时用及在人力资源管理中的应用场景；（3） 了解营销大数据的应用场景及岗 位能力要求等。应用；（3）大数据在营销领域的应用。3大数据分析方法论（1）掌握大数据分析的五步法流程；（2）掌握业务理解中问题界定、构建 分析指标体系；（3）掌握数据来源、数

8、据收集途径和 方法；（4）掌握数据预处理中数据清理、数 据集成、数据转换、数据规约等方法；（5）掌握数据分析类型、数据挖掘算 法分类、数据可视化分析图表类型及可 视化工具分析云概况；（6）掌握分析报告撰写的内容、要求。（1）大数据分析五步法概述；（2）业务理解的问题界定、构 建分析指标体系；（3）数据收集来源、途径和方 法；（4）数据预处理的数据清理、 数据集成、数据转换、数据规约 等方法；（5）数据分析、可视化图表、 数据挖掘简介；（6）报告撰写概述。24数据采集实战演练（1）了解Python数据采集的代码及命 令；（2）能够使用简单的Python语言进行 上市公司财务报表数据采集。（1）运

9、用Python进行上市公司 单企业单表数据采集；（2）运用PythOn进行上市公司 多企业单表数据采集；（3）运用Python进行上市公司 多企业多表数据采集；（4）数据采集代码解读。25数据清洗实战演练（1）掌握数据清洗逻辑思路；（2）掌握数据集成工具操作。（1）大数据清洗工具操作初体验、操作示范；（2）大数据清洗工具操作练习。46数据集成实战演练（1）掌握数据清洗逻辑思路；（2）掌握数据集成工具操作。（1）大数据集成工具操作初体验、操作示范；（2）大数据集成工具操作操作4序号教学内容培养目标主要内容描述参考课时练习。7可视化设计实战演练（1）学会利用工具做可视化设计；（2）掌握可视化看板设

10、计。（1）分析云简介；（2）数据上传与数据关联；（3）可视化看板设计；（4）故事版设计；（5）看板切换。48投资者角 度的财报 分析（1）了解上市公司财务分析的能力指标；（2）掌握各项能力指标数据可视化工 具及过程；（3） 了解聚类分析及并能够撰写投资 分析报告。（1）上市公司投资分析应用（盈 利能力分析、偿债能力分析、营 运能力分析、发展能力分析）；（2）聚类算法应用；（3）投资分析报告。89经营者角度的财报分析（1）掌握企业四大能力分析单个指标 的数据可视化；（2）能够对能力指标进行同比、环比 及横向对比分析；（3）掌握指标异常数据挖掘、洞察的 过程与方法。（1）案例企业背景介绍；（2）财

11、务四大能力分析：指标分析、同比环比分析、同行对比分析、异常数据溯源洞察；（3）企业经营分析报告撰写。8四、主要功能配置和技术参数序号指标主要功能配置和技术参数1综合指标1 .所提供软件平台要求有足够成熟度，市场覆盖率高，所供货产品具有 国家认可的软件著作权登记证书。2 .可提供良好的服务，提供定期地区级或全国性的师资交流活动信息。3 .要求具有在线学习云平台功能,并出具信息系统安全等级二级及以上 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，支持院校拓展组织财会专业多门课程的线上线下混合教学；提供线上 的学习账号，学习资源，学习评价等服务,并展示平台入驻院校不低于50家。2商务

12、指标L质量保证：本项目质保期3年。2 .师资服务保障要求：提供完整的师资培训方案，包括师资培训课程内 容、时间安排，在服务期内合作厂商能提供全国师资培训交流等服务；3 .教学资源：提供与该系统配套的教学资源，含实训指导书、配套的教 学视频、全套教学PPT等。3系统总体技术指标1 .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，便接入更 高效；2 .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

13、于Java的Springcloud 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。3 .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）。4 .基础服务层支持RDS和NoSQL两种方式，采用MySQL集群和 MongoDB集群搭建，支持基于CQRS的分布式事务处理，支持数

14、据自 动备份，同时使用于RediS集群对数据进行缓存，支持大并发；支持纯 本地化数据源。5 .基础服务层支持短信邮件服务、视频直播/点播服务、消息队列服务、 OSS对象存储服务、用户/鉴权服务等，保证平台的通用性；除短信邮 件及直播服务外，其他基础服务都具备本地化解决方案。6.0penAPI开放生态服务基于Restful接口方式接入，所有接口支持数字签名方式，保证了安全性。7 .支持流程推送服务，采用自主开发的流程引擎，基于拉式处理方式， 实现准确流程控制和高效流程推送。8 .标准方案支持IOO并发用户同时在线，并可根据需求额外扩容。9 .支持服务器本地化部署。10 .每班级推荐学生数30-5

15、0人。支持多班级同时开课。11 .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。12 .数据分析支持多数据源关联，跨数据库跨数据表取数。13 .内置多元回归、朴素贝叶斯、决策树，文本分析、K-Means等数据 挖掘技术。14、平台内置不少于130个视频、80个ppt、45个word等教学教辅 资源。平台内置不少于30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I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。4总体服务指标教学系统需融合大数据、云计算、可视化