数据原始,管理现代

数据原始,管理现代
数据原始,管理现代

数据原始,管理现代

园林苗木企业前两年普遍存在扩张的发展轨迹,在扩张的同时苗木资产保值安全的也逐渐成为各位老板关注的核心。房产政策调整和宏观经济对于苗木资产的升值都会造成影响,可预见的货币政策处于宽松或紧缩时期,是持有现金还是保留苗木库存将成为公司的重大战略选择。能否基于客观原始数据进行科学决策,将成为衡量园林公司是否具有现代管理水平的主要标志之一。

进行资产管理的第一步是进行资产评估,确定资产现有和未来价值。众所周知,苗木是生物资产,不是标准化的产品,衡量苗木的好坏美丑更多地是靠经验,因此在判断苗木价值时,往往会产生较大的分歧。不同的人衡量同一株苗木的价值差异可能超过30%,那么衡量几十万株苗木时,其差异性如何呢?在巨大差异的背景下,又如何相对准确地评估苗木资产,并且为公司进行科学决策提供依据呢?产品信息指标体系有助于解决上述问题。

4+4的产品信息指标体系目前业内通用的评价苗木的依据是胸径,但是仅有胸径不足以支持评价苗木资产,经过调研,4+4的产品信息指标体系对苗木进行测量,保留最原始的数据,这8个指标分别是4个主要指标内容:胸径、树高、分支点高、冠幅;4个次要指标内容:偏冠度、病虫害率、树皮保存率、土球规格。

产品信息数据的用途 4+4的产品信息数据的原始数据加上财务数据进行复合分析,将有助于监管采购、精益生产、服务销售,其衍生的价值将是建立畅销产品预测模型、提升绩效考核水平、改善生产解决方案、完善苗木在线销售能力、整合供应链核心数据库、积累苗圃评估和咨询业务基础数据库、根据生产解决方案丰富咨询业务案例库。产品信息数据有助于支持现状经营,并且帮助苗木产业进行价值链延伸。

产品信息数据采集和录入的成本和速度笔者与同仁在展开了数据采集的实验性工作,得出结论是每人每天平均可以测量150株,按照普通工人每日工资的标准计算得出,测量成本是0.4-0.5元/ 株。也就是说如果1,000亩的苗圃,全部测量其成本将达到2万元。4个人作为一个团队,全部测量完成需要66天。这种测量速度难以匹配苗圃的苗木周转率。

基于成本和测量速度的因素,苗木事业部主管领导将8个指标压缩为胸径、树高、冠幅三个指标。胸径的测量需要准确,树高和冠幅的数据允许10%左右的测量误差,对外销售时提供规格、树高和冠幅的区间价格,这样可以将测量成本降低至0.05元/株,测量速度也可以提高8倍。

产品信息数据有助于苗木资产评估在采购或销售时录入了苗木的8个指标,如下表,假如香樟1的销售价是4,500元,那么在判断在圃的库存苗木香樟2时,就可以参考香樟1的数据,得出一年后,当其树冠达到2.3米左右时,其市场价值将为4,500元。假设1年后苗木市场的供求关系没有剧烈波动,考虑到CPI的自然增长,预计其市场价将为 4,950元/株。数据采集样本越大,苗木资产评估也就越准确。

产品信息数据可以指导苗圃生产管理对于生产场的运营管理主要考察每

年胸径增长量、树高或杆高每年增长量。这两个关键技术指标可以按照产品信息数据体系的模块进行测量,假设某些外界影响因素相同,比如人工投入和水肥投入相同,丘陵地的银海枣和平原地的银海枣生长量体现出较大差异,这有可能是气候原因和立地条件的差异造成的。平原地的地租是 2,000元/亩﹒年,而丘陵地的地租是50元/亩﹒年,每亩种植40株苗木,平均每株可以节省地租48元,如果把48元的成本投入到肥料和施肥人工成本方面,得出的结论仍然是丘陵地的银海枣长势不如平原地,那么在不考虑市场和物流成本的前提下,就应该在平原地种植银海枣而不应该在丘陵地种。

产品信息数据能够协助分析苗圃的不良资产率苗木的不良资产主要是指由于品种不适应气候、水肥管理不到位、病虫害严重、树皮保存率过低等因素造成的产品生长势弱,但仍然活着的苗木。不良资产比率高的苗圃其苗木周转率低、苗圃每亩年收益低、投资回报率更低。对于经营多年的苗圃,如果没有及时报损,苗圃的不良资产比率很可能高于新建苗圃。比如在流转场,通过一年的追踪测量,发现香樟3在入库的时候除树皮保存率为85%以外,其余指标正常,而经过一年后,其胸径增长量低,冠幅恢复缓慢,病虫害日趋严重,结合该区域同等

规格的香樟恢复速度作参照,那么这株香樟就可以归结为不良资产,而不良资产率比较高的苗圃,其经营管理水平就难以创造利润贡献了。

数据原始,尊重客观事实;管理现代,成为行业标杆。

曹鹤

苗木技术部总监

棕榈园林股份有限公司

(注:本资料素材和资料部分来自网络,仅供参考。请预览后才下载,期待你的好评与关注!)

大量品质管理书籍和资料,品管人员必备

│2010年质量专业理论与实务(中级)过关必做1500题.pdf │21世纪车间主任工作手册(添加书签).pdf │35钢显微组织.pdf │3A企管書系精益生产方式——现场IE.rar │6S培训.doc │AQP&PSO 6th Manual.Chinese.20090420.1.to PDF.to print.1.pdf │Cmk计算视频.exe │DCC.pdf │DOE.PDF │EMS.pdf │Engineers' Guide to Rotating Equipment - The Pocket Reference.pdf │EXCEL制作的柏拉图.rar │EXCEL在管理中的应用(10年经验总结).pdf │EXCEL在统计中的应用.pdf │Formel Q ChineseVersion.pdf │Formel-Q Training(5th edition)完稿1.pdf │Formel-Q-第五版(中文).pdf │Formel-Q-第六版(中文).pdf │GEOPAK_Operation.pdf │GE的黑带培训资料.pdf │IE入门.pdf │IQC物料检验规范.rar │ISO 9001:2000质量管理体系的理解与运作.pdf │ISO-TS 16949 程序文件案例精选(pdf318).pdf │ISO9001-2008.pdf │ISO9001审核实践指南.pdf │ISO9001:2000管理体系标准图解教程.pdf │isots16949国际汽车供应商质量管理体系解读和实施.pdf │jit.rar │LEAN.PPT │MINITAB统计分析教程.pdf │minitab统计分析教程光盘文件.rar │OEE_workshop(中文).pdf │PartManager.pdf │PHILIPS品管员的培训资料.rar │Q1 Introduction.pdf │QA.pdf │QC story&DMAIC.01.rar │QC小组活程序指导手册.rar │QFD-邵家俊.pdf │QFD.chm │QFD品质机能展开.pdf │quality.rar

企业数据管理系统平台

企业数据管理系统平台 企业数据管理系统平台,当今很多企业的管理多为分散、独立的系统,信息组织缺乏规范化不可避免地出现一个个“信息孤岛”;在过往的发展过程中,对企业而言,员工多利用Excel或单一SaaS软件进行数据管理,故对于企业的数据化分析及应用有效性判断有一定影响。 在互联网思维变革的浪潮下,很多传统行业都加速了互联网化的转型,但是有些企业的转型依然反应出较慢的速度。 如何高效得做好管理工作,如何能够让企业更好的运转。接下来,我们带你了解一款企业数据化管理平台——数企BDSaaS: 一、数企是什么: 数企BDSaaS是一站式数据化管理云平台。只需要一个账号,就能够解决各类企业的办公问题;一个数据中心,解决数据分散,易丢失问题;一个APP解决内部信息孤岛,打破企业系统数据的孤岛现象,利用多维度企业数据化分析,为企业发展提供数据化指导。 二、企业数据管理系统平台,数企能解决什么: 1、四大管理维度,让中国4600万中小企业实现数据化管理变革: a、销售管理云平台,建立企业全渠道营销互动平台,360°标签化目标客户群体,打造企业专属新零售体系; b、内部管理云平台,依托互联网+全新管理思想,打造企业专属全新协同办公环境,大幅度提升企业办公效率; c、生产管理云平台,打造产品全生命周期、全制造流程数字化管理,实现集研产销于一体的生产基础数据统一管理;

d、BI效果分析,通过将企业各模块全渠道的有效数据进行整合,形成企业在当下、未来发展的仪表盘。 2、五大数据中心: 利用PMCOO模式,将企业的产品、营销、客户、订单以及办公等数据,统一在一个平台中,构建企业的大数据管理平台。 3、上百款企业应用 包括工作日志、公司制度、快速审批、云签到、人力资源管理、会议管理、渠道管理、分销系统、生产管理、小程序、客户管理等上百款企业应用,方便企业办公等各种需求。 三、产品详细介绍: 数企包含了企业内部管理云平台、销售管理云平台、生产管理云平台、BI效果分析等产品模块,将企业数据全线打通,为企业管理提供数据支持,彻底解决企业数据孤岛问题。 1、内部管理系统:包含智能办公管理系统、财务管理系统、人事管理系统、企业审批系统等产品模块;实现内部移动数据管理; 2、销售管理云平台:包含智能CRM系统、渠道管理系统、营销管理系统、企业定制中心等服务;依托全方位定制化管理,助力销售成功之路; 3、生产管理云平台:包含设备管理、场地管理、物料管理、系统配置、系统配置、生产计划实施、生产流程工艺、生产计划配置服务,为企业建立生产设备登记管理系统,对生产设备进行统一管理。 4、BI效果分析:将企业各模块全渠道的数据进行有效的整合,清晰洞察企业运转效率,为企业在当下、未来发展提供数据支持。 5、另外配置PC端总控,手机端app,方便企业使用,企业数据化管理及分析,提供切实可靠的数据保障。 企业数据管理系统平台,深圳市八度云计算信息技术有限公司成立于2013年,公司专注于云计算SaaS管理软件的研发、测试与维护等服务领域,专业从事于企业管理软件的研发、测试

数据原始一致

药品数据管理规范 (征求意见稿) 第一章总则 第一条【目的】为规范药品生命周期中相关数据的管理,保证药品质量和患者用药安全有效,依据《中华人民共和国药品管理法》和《中华人民共和国药品管理法实施条例》,制定本规范。 第二条【范围】本规范适用于药品研制、生产、流通等活动,包括从事上述活动的临床试验、合同研究(CRO)、委托生产(CMO)、委托检验等单位和个人。 第三条【原则】数据管理应贯穿整个数据生命周期,坚持真实、准确、及时、可追溯的数据管理原则,确保数据可靠性(Data Integrity)。 第四条【诚信原则】执行本规范应当坚持诚实守信,禁止任何虚假行为。 第二章质量管理 第一节原则 第五条【质量体系】数据管理作为药品质量管理体系的一部分,应当具有相应的管理规程,确保数据可靠性。 第六条【风险管理】质量风险管理是数据管理的重要工

具和技术手段,应当贯穿整个数据生命周期。 第七条【质量文化】高层管理者应当重视数据可靠性,倡导公开、透明的质量文化,鼓励员工遇到数据可靠性问题时及时报告和沟通。 第二节质量管理体系 第八条【基本要求】应建立恰当的组织结构和规程,监测和预防可能影响数据可靠性的风险。 第九条【问题调查】违反数据可靠性要求的事件应当依照批准的偏差处理程序进行调查,找出根本原因,实施纠正预防措施。当调查发现对申报资料可靠性、产品质量、使用者安全有直接影响的,应当报告药监部门。 第十条【质量审计】数据可靠性的执行情况应当作为自检和定期审核的一部分,并经高层管理人员审核。 第十一条【委托管理】数据可靠性的要求应列入委托和采购活动的质量协议或书面合同,明确双方职责,委托方对数据可靠性及基于数据作出的决定负最终责任,并定期审核受托方数据可靠性执行情况。 第十二条【持续改进】应当确保数据可靠性的执行在数据生命周期中始终处于适当的持续监控。鼓励采用先进技术控制数据可靠性风险,促进数据管理的持续改进,促进知识管理和产品质量的持续提升。 第十三条【质量风险管理】应当基于GXP活动、技术和流程的数据可靠性可能存在的风险,采用合适的风险管理工

大数据技术原理与应用-林子雨版-课后习题答案复习进程

大数据技术原理与应用-林子雨版-课后习 题答案

第一章 1.试述信息技术发展史上的3次信息化浪潮及具体内容。 2.试述数据产生方式经历的几个阶段 答:运营式系统阶段,用户原创内容阶段,感知式系统阶段。 3.试述大数据的4个基本特征 答:数据量大、数据类型繁多、处理速度快和价值密度低。 4.试述大数据时代的“数据爆炸”的特性 答:大数据时代的“数据爆炸”的特性是,人类社会产生的数据一致都以每年50%的速度增长,也就是说,每两年增加一倍。 5.数据研究经历了哪4个阶段? 答:人类自古以来在科学研究上先后历经了实验、理论、计算、和数据四种范式。 6.试述大数据对思维方式的重要影响 答:大数据时代对思维方式的重要影响是三种思维的转变:全样而非抽样,效率而非精确,相关而非因果。 7.大数据决策与传统的基于数据仓库的决策有什么区别 答:数据仓库具备批量和周期性的数据加载以及数据变化的实时探测、传播和加载能力,能结合历史数据和实时数据实现查询分析和自动规则触发,从而提供对战略决策和战术决策。 大数据决策可以面向类型繁多的、非结构化的海量数据进行决策分析。

8.举例说明大数据的基本应用 9.举例说明大数据的关键技术 答:批处理计算,流计算,图计算,查询分析计算 10.大数据产业包含哪些关键技术。 答:IT基础设施层、数据源层、数据管理层、数据分析层、数据平台层、数据应用层。 11.定义并解释以下术语:云计算、物联网 答:云计算:云计算就是实现了通过网络提供可伸缩的、廉价的分布式计算机能力,用户只需要在具备网络接入条件的地方,就可以随时随地获得所需的各种IT资源。 物联网是物物相连的互联网,是互联网的延伸,它利用局部网络或互联网等通信技术把传感器、控制器、机器、人类和物等通过新的方式连在一起,形成人与物、物与物相连,实现信息化和远程管理控制。

数据质量管理

数据质量管理 定义: 是指对数据从计划、获取、存储、共享、维护、应用、消亡生命周期的每个阶段里可能引发的各类数据质量问题,进行识别、度量、监控、预警等一系列管理活动,并通过改善和提高组织的管理水平使得数据质量获得进一步提高。 目录 1数据质量管理 2数据质量管理评估维度 3分析影响数据质量的因素 4MTC-DQM 数据质量管理的方法与步骤 一数据质量管理 数据质量管理是循环管理过程,其终极目标是通过可靠的数据提升数据在使用中的价值,并最终为企业赢得经济效益。 二数据质量管理评估维度 由于数据清洗(DataCleaning)工具通常简单地被称为数据质量(Data Quality)工具,因此很多人认为数据质量管理,就是修改数据中的错误、是对错误数据和垃圾数据进行清理。 这个理解是片面的,其实数据清洗只是数据质量管理中的一步。数据质量管理(DQM),不仅包含了对数据质量的改善,同时还包含了对组织的改善。针对数据的改善和管理,主要包括数据分析、数据评估、数据清洗、数据监控、错误预警等内容;针对组织的改善和管理,主要包括确立组织数据质量改进目标、评估组织流程、制定组织流程改善计划、制定组织监督审核机制、实施改进、评估改善效果等多个环节。 任何改善都是建立在评估的基础上,知道问题在哪才能实施改进。通常数据质量评估和管理评估需通过以下几个维度衡量。

1 数据质量评估维度 完整性Completeness:完整性用于度量哪些数据丢失了或者哪些数据不可用。 规范性Conformity:规范性用于度量哪些数据未按统一格式存储。 一致性Consistency:一致性用于度量哪些数据的值在信息含义上是冲突的。 准确性Accuracy:准确性用于度量哪些数据和信息是不正确的,或者数据是超期的。 唯一性Uniqueness:唯一性用于度量哪些数据是重复数据或者数据的哪些属性是重复的。 关联性Integration:关联性用于度量哪些关联的数据缺失或者未建立索引。 2 管理质量评估维度 配置管理Config Management:此维度用于度量数据在其生命周期内的一切资源是否得到了控制和规范,即数据的计划、产生、变更直至消亡的过程中,与数据相关的计划、规范、描述是否收到控制。评估指标包括:评估配置项的细化粒度、评估基线准确度和频度以及变更流程是否合理完善等。 培训 Training:此维度用于度量数据的生产和使用者在数据生命周期内的一切活动中是否经过了知识和技能的培训、培训效果是否满足岗位需要;受训的知识和技能是否经过审核和确认,受训的内容是否与企业文化和价值观一致;培训流程是否合理完善等; 验证和确认Verify & Validation:此维度用于度量数据在其生命周期内是否得到验证和确认。评估内容包括是否通过验证流程确保工作产品(数据)满足指定的要求、是否通过“确认”流程保证工作产品(数据)在计划的环境中满足使用的要求;“验证”和“确认”的流程是否完善; 监督和监控Monitoring:此维度用于度量产生和使用数据的流程在数据的整个生命周期内是否真正受控。脱离监控的信息、技术、计划、流程、制度,会导致数据质量低下。监督和监控的流程是否完善。 三分析影响数据质量的因素 影响数据质量的因素主要来源于四方面:信息因素、技术因素、流程因素和管理因素

公司数据管理制度

公司数据管理制度 第一节总则 第1条为规范业务数据管理工作,降低数据被非法生成、变更、泄露、丢失及破坏的风险,提高数据流转效率和支持业务需求的力度,特制定本制度。第2条本制度中的数据,包括并不限定于,公司信息系统数据、公司后台数据库数据、员工个人办公电脑中的各种公司业务数据及业务所涉及第三 方的数据、文档、报表。 第3条本制度适用于公司各部门进行数据统计、收集、审查、使用、保管、共享各环节。 第二节业务数据的安全性级别 第4条业务数据按照重要性程度以及隐私性的要求,暂时由低至高划分为四个 级别:公司可对外公开数据 L1 ;公司对内公开数据 L2;公司部门内隐私数据、员工个人隐私数据、业务所涉及第三方对公司公开数据 L3;业务所涉及到的第三方隐私数据 L4 。 第三节业务数据保存和销毁管理 第5条业务数据的保存方式,分为:总部后台底层服务器、部门或区域应用层服务器、个人办公电脑及(移动)硬盘、 U 盘、光盘、书面记录、打印 复印版等。 第 6条对于与财务报告相关的各种业务数据,须保存7 年。 第 7条业务数据的保存时间,在符合各业务需求和相关法律法规的规定下,必

须尽量保证较长期限的留存,原则上不小于三年。 第8条 L3 以及 L4 级别的业务数据,需要保证存放数据的介质必须在安全的地方,非授权人员(公司最高管理层、相关部门负责人(直线业务总监 -- 直线 业务总经理 -- 直线业务经理 -- 直线业务管)、相关工作具体责任人)不得进入相关区域。 L2 及以上级别的数据,不允许通过保存在电子设备上或通过 书面的方式携带出公司,或在公司区域外公开讨论。如有特需,必须 通过部门数据安全负责人或总经理级批准,并上报综合管理部记录在案 第9条数据备份的计划和管理,按各业务需求进行。 第10 条原则上通过电子方式保存的数据不需要进行销毁。书面记录、打印复印 版的数据,在超过数据保存时间的要求后,可以选择性销毁, L2 及以上级 别的业务数据,销毁时必须由责任人、直线管理层或部门数据安全负 责人通过粉碎机粉碎。 第四节数据的导入、录入和修改管理 第11 条数据的录入,指各部门逐一将业务数据备案的过程。数据录入必须由相关部门总经理级提前向综合管理部报备。 第12 条数据修改,指软件部门、数据部门改变备案系统中已有的数据的过程。 数据修改必须通过相关部门总经理级的审批,上报综合管理部记录在案, 由部门指定的专人操作。 第五节数据的查看、提取、报表的制作和发放的管理 第13 条数据查看或提取指数据部或综合管理部应数据拥有部门或公司管理层的要求,对公司业务数据进行查看或导出的过程。 第 14 条数据和报表的需求,需要通过相关业务总经理级汇总书面提出,由数据

(完整版)大数据技术原理与应用林子雨版课后习题答案

第一章 1.试述信息技术发展史上的3次信息化浪潮及具体内容。 2.试述数据产生方式经历的几个阶段 答:运营式系统阶段,用户原创内容阶段,感知式系统阶段。 3.试述大数据的4个基本特征 答:数据量大、数据类型繁多、处理速度快和价值密度低。 4.试述大数据时代的“数据爆炸”的特性 答:大数据时代的“数据爆炸”的特性是,人类社会产生的数据一致都以每年50%的速度增长,也就是说,每两年增加一倍。 5.数据研究经历了哪4个阶段?

答:人类自古以来在科学研究上先后历经了实验、理论、计算、和数据四种范式。 6.试述大数据对思维方式的重要影响 答:大数据时代对思维方式的重要影响是三种思维的转变:全样而非抽样,效率而非精确,相关而非因果。 7.大数据决策与传统的基于数据仓库的决策有什么区别 答:数据仓库具备批量和周期性的数据加载以及数据变化的实时探测、传播和加载能力,能结合历史数据和实时数据实现查询分析和自动规则触发,从而提供对战略决策和战术决策。 大数据决策可以面向类型繁多的、非结构化的海量数据进行决策分析。 8.举例说明大数据的基本应用 答: 9.举例说明大数据的关键技术

答:批处理计算,流计算,图计算,查询分析计算 10.大数据产业包含哪些关键技术。 答:IT基础设施层、数据源层、数据管理层、数据分析层、数据平台层、数据应用层。 11.定义并解释以下术语:云计算、物联网 答:云计算:云计算就是实现了通过网络提供可伸缩的、廉价的分布式计算机能力,用户只需要在具备网络接入条件的地方,就可以随时随地获得所需的各种IT资源。 物联网是物物相连的互联网,是互联网的延伸,它利用局部网络或互联网等通信技术把传感器、控制器、机器、人类和物等通过新的方式连在一起,形成人与物、物与物相连,实现信息化和远程管理控制。 12.详细阐述大数据、云计算和物联网三者之间的区别与联系。

企业大数据管理解决方案

企业大数据管理解决方案 摘要:大数据的应用方兴未艾,根据国内企业的应用场景,给出了企业大数据管理解决方案。此方案还为数据的进一步处理打下了基础。关键词:大数据; 企业大数据管理 IT行业一直在不断地努力,以最佳方案满足日益增长的各种需求。继云计算之后,大数据又成为业界关注的热点。云计算更多地体现在它的商业模式与服务模式上,而大数据则更关注数据的处理,而这些纷杂的数据则是关系社会、企业乃至个人生活的核心关键,可以说数字时代数据为要。1 大数据参考架构通常人们认为大数据具有4V特点,即:Variety(多样性)、Volume(大容量或海量)、Velocity(快速)和Value(价值)。至于大数据的严格定义,则是人者见人、智者见智,莫衷一是[1]。根据调研与实践,本文给出了相关的参考架构,。 可以将大数据的参考层次分为4个: (1) 数据采集。主要涉及对数据源的采集,包括各种结构化与非结构化数据、静态数据与动态实时数据等。(2) 数据存储。主要涉及对数据的存储,包括分布式存储、海量存储、虚拟存储等。(3) 数据处理。主要涉及对数据的转换、传输、分发等。 (4) 数据分析。主要涉及对数据的清洗、比对、挖据、钻取等。同时,按照数据平台管理、数据维护、安全保护等维度,存在着贯穿各层的管理机制,即: (1) 系统管理。对构建的系统平台进行管理与维护。 (2) 数据管理。按照数据生命周期对数据进行管理。 (3) 安全管理。对数据隐私、数据安全、访问安全、系统安全等方面进行管理。2 企业大数据解决方案由于大数据的应用很多,本文更加关注企业所处的混杂数据的应用场景,基于上面给出的参考架构,给出相应的解决方案。2.1 应用场景企业的数据是企业的核心资料,企业信息化的核心问题就是数据的应用的效率与效果。目前企业的数据主要包括:财务类数据、管理类数据、业务类数据等,这些数据可以是结构化数据和非结构化数据。从容量上看,随着信息化应用的不断提高,可以达到GB或TB级,对于一些行业,甚至有可能达到PB级。2.2 解决方案本文提出的企业大数据解决方案是从业务连续性的角度来考虑用户数据的问题。参考了业界流行的ISO20000、ISO27000、BCP/DRP、SOA等相关标准和技术,从安全、服务的范畴来管理数据、保护数据、使用数据。方案主要解决企业用户的结构化与非结构化数据的存储、管理,为企业相关应用提供基础数据,为企业的业务连续性保驾护航。2.2.1 技术特点方案主要融合了信息安全技术、数据管理技术、数据同步复制技术、数据库技术、商务智能技术等,区别于现有的数据备份产品、数据复制产品、数据管理产品,更关注数据在复制之后能够被快速使用与恢复,以延续业务的连续性。方案为用户数据的进一步加工处理打下了基础,有助于用户整合数据、整合应用、数据加工、商务智能、决策分析等。主要特点:(1)支持多种数据库的不同版本,也支持多种异构数据库之间的同步,如Oracle、SQL Server、MySQL、Sybase、DB2、AS400等可以同步到Oracle 数据库或其他数据库上。 (2)支持一对一、一对多、多对一、多对多等异构数据库同步方式。 (3)比较强的数据加工能力,可以选择数据源的不同字段,也可以对数据源做相应的转换、逻辑判断、映射等处理,还可以设置在数据同步时做异常数据检查等。 (4)比较强的传输能力,内置数据传输平台,满足复杂网络情况下的数据可靠传输,支持广域网下的数据同步,支持跨网段的数据同步,支持物理隔离情况下的数据同步。 (5)易用性。提供中文工具,方便可视化操作和监控。2.2.2 技术原理统一支持结构化数据和非结构化数据的同步及相应加工。提供可视化工具配置结构化数据和非结构化数据的同步与加工。 (1)非结构化数据文件既可以通过系统内置的传输平台同步到备份方的文件夹下,也可以将备份方文件夹下的数据文件映射到数据库上。对于非结构化的文件备份,可以在数据源方部署一个节点,负责监控和发送文件,通过可视化配置的数据推送服务,选择要发送的文件夹、文件、接收节点、接收文件夹等信息,通过定时等调度策略将文件发送到备份方。当然要发

2017年质量管理体系数据分析报告

2017年质量管理体系数据分析报告 一、综合概述 2017年集团发展稳中求胜,在建项目管理体系均正常运行,过程均在受控状态。项目的管理、收益、声誉得到改善,提高了公司的市场竞争力。通过对施工过程控制,体现了质量、环境、职业健康安全管理的有效性,使一些管理瑕疵和产品瑕疵得到改进和改正。对体系运行的适宜性和有效性提供了支撑,使企业赢得了良好地信誉和效益。 二、数据分析范围本年度数据分析范围包括所有在建项目和集团体系覆盖范围的管理控制、运行过程有关的信息范围,对数据的收取采取了调查、交谈、现场采集记录等方式。对体系覆盖的绩效、监视结果、资源配置情况等相关数据进行了评价。 三、数据分析过程数据采集监控点放在施工组织设计、工期进度、施工过程、产品质量抽样等关键点上。得出了施工组织的策划率、进度偏差、工序检查合格率、分部分项合格率、强度合格率、不合格纠正预防控制率等数据。分析得出了企业项目管理的实用信息,产品的符合性及其趋势。 1、施工组织设计 施工的组织设计采取项目经理组织项目编制,分公司技术负责人审核批准后报集团总工程师审批的控制流程。检查项目的施工组织设计编制率100%,审批率100%。建筑产品从管理源头上得到了有效

控制,重难点专项施工方案项目组织专家进行评审。施工组织设计得到业主、监理审批并备案。 2、施工进度 项目的施工进度与合同工期比较都有拖延,拖延率达100%。其中原因各不相同。有业主征地滞后拖延工期、有气候(雨、雪)原因拖延工期、有业主设计优化更改设计造成工期拖延、有工程款支付不到位停工(待工)造成工期拖延、有甲供材料不及时停工待料造成工期滞后。这些原因都普遍存在各个项目上,工期的拖延采取的措施包括:协商业主让步延后工期、按照合同条款索赔工期、缩短关键线路工序的施工持续时间满足工期要求。 针对工期滞后的普遍性,检查组对工期的处置进行了审查跟踪,发现一些不利项目的趋势: (1)、提出的索赔事实与索赔证据衔接不紧,有代沟,容易遭到业主的反索赔。 (2)、协商的手段和方式粗暴,一度追求目标得到赔偿,忽略协商的知识、技巧、逻辑思维、时机动机,索赔的赔偿率不高。 (3)、管理上存在超前意识不强,对一些可以预测估计的气象、地质、技术的应急、物质、机械、资金储备不足。 3、施工过程针对公司的经营范围,公司的技术性密集、劳动力密集的特点。一些特殊的施工过程控制存在瑕疵,对管理提出了较大要求。我们跟踪检查发现回访工程中对于填充墙体裂缝、卫生间,

企业数据管理最佳实践

关于举办企业数据管理最佳实践培训班的通知 一、培训背景 《企业数据管理最佳实践培训课程》是由国内资深数据管理专家结合6年来“数据管理最佳实践”经验,精心打造的“CDO首席数据官”的必修课程。目的是帮助数据管理从业人士,通过学习数据管理基础理论,借鉴行业最佳实践,提升数据管理能力,从数据管理专业知识体系,核心数据管理技能和数据管理专业人员职业能力等方面提供训练,帮助数据管理专业人士获得企业数字化转型战略下的必备能力,形成企业所需新数字经济下的核心竞争能力。 二、培训收益 通过学习本课程,您将获得如下收益: 1、企业数据管理理论:介绍DAMA-DMBOK数据管理知识体系、DGI数据治理理论、数据资产管理2.0白皮书等数据管理理论内容,帮助数据管理从业人员理解国际数据管理理论趋势、国内数据资产管理政策及实施策略等内容; 2、企业数据管理能力成熟度:介绍国际DMM、国内DCMM、IBM数据治理成熟度模型,结合当前数据监管法案及行业监管指引,提出企业数据管理能力匹配原则,帮助企业获得当前数据管理能力所处的发展阶段,并提出未来发展和提升方向; 3、数据管理最佳实践:通过介绍数据治理、数据架构、数据标准、数据质量实践案例,帮助企业吸取行业、企业最佳实践经验,促进企业数字化成功转型。 数据治理最佳实践从企业的数据管理组织、制度和流程方面提出要求,构建完整的数据治理管理体系,并阐述行业最佳实践案例; 数据架构最佳实践从企业级数据模型、数据流转、数据分布、元数据管理等方面提出要求,构建完备的企业级数据模型,并阐述行业最佳实践案例; 数据标准最佳实践从企业业务术语、参考数据、主数据、数据元、指标数据标准提出要求,构建全面的数据标准管理体系,并阐述行业最佳实践案例; 数据质量最佳实践从数据质量基础、数据质量工程方法、数据质量评估和改进等方面提出要求,构建持续提升的数据质量最佳实践案例。 三、培训对象 CIO企业首席信息官 CDO企业首席数据官

大数据管理及应用专业

大数据管理及应用专业 招生简章 东凌经济管理学院计划于2019年面向全校2018级本科生招收30名“大数据管理与应用”专业学生。 专业介绍 大数据已成为推动经济转型发展的新动力、提升国家竞争优势的新机遇。国家大数据产业“十三五”规划正在启动实施阶段,社会对大数据人才的需求日益迫切。为主动适应国家和经济社会发展需要,东凌经济管理学院开设“大数据管理及应用”本科专业方向班,现面向全校一年级学生招生,欢迎大家报名。 大数据管理及应用专业依托北京科技大学东凌经济管理学院的管理科学与工程系建设。管理科学与工程系是北京市重点学科,具有悠久的办学历史和强大的师资队伍。目前拥有专职教师26人,其中教授9人,副教授10人,讲师7人,95%的教师具有博士学位,80%的教师具有海外学习或进修经历。教师中1人入选爱思唯尔(Elsevier)2014年中国高被引学者榜单,2人获评教育部新世纪优秀人才,2人获评北京市教学名师。近5年获得国家自然科学基金项目14项,其中包含重点项目2项,发表学术论文300余篇。此外,该系拥有一流的实验和应用实践平台和基础设施技术保障。包括200核高性能服务器,300T的专用网络存储设备,万兆交换机以及云存储管理平台,可以同时为2个班60名学生开展大数据管理与应用相关实验。

大数据管理和应用专业将突出大数据科学专业特色,注重人才培养的科学性、前瞻性。本专业毕业生应熟练掌握大数据平台技术(设计、部署、管理、运维等)、大数据分析技术(统计计算、人工智能、数据挖掘等方法)、大数据开发与应用等基本工程能力,具备创新意识和合作精神,具有较高的分析问题、解决问题、自主学习以及创新能力。毕业生适合在信息技术企业、企事业单位、科研机构、高等院校的信息技术或管理部门,以大数据采集与预处理、存储与管理、分析与挖掘、展现与应用等为主要内容,从事商务数据分析学科的科研、教学、管理等工作。 大数据是国家重点支持的发展领域,具有良好的就业前景和用武之地。欢迎有志于国家大数据事业发展的同学踊跃选报大数据管理及应用专业!

企业如何进行数据化管理

企业如何进行数据化管理 对于企业来讲,数据化运用和管理无处不在,无论是企业日常运营,还是企业的营销企划,都是企业所有管理者或经营者无可否认的重要命题。然而,做好数据化应用,是一件系统而又复杂的课题。企业如何真正把生产计划、营销战略、财务战略、经营战略等体系有效的结合运用是非常考验管理者知识智慧的。但有的企业主根本无视统计管理、数据分析与经营和营销的关联性。在当今强调竞争优势的经济环境中,如果不能把握精确性的专业竞争,不根据各个专业性的概率指标与企业各种资源进行整体的科学组合,就无法使资源配置得到有效利用,资源整合价值最大化就会成为一个泡影,实施数据化管理,培育企业的竞争优势就会成为一个空话。 一、明确数据化管理的基本要求 1、管理者重视数据化管理,是实施数据化管理的基本条件,管理者重视数据化,重视人的因素,确立人和数据的有效组合,充分利用数据的作用或功能,认知和使用数据的价值,调动人的积极性和主观能动性,才能构建数据化管理平台按照数据化要求开展相关工作。 2、认清数据与管理的关系。企业不重视数据管理,就无法认清数据与管理的关系。很多管理者会经常通过数据分析来比较管理效率差异的原因。如生产管理中,两个部门人员、设备、材料、时间等要素完全一致的情况下,但生产的效率不一样,我就可以通过生产流程中的数据分解,进行数据分析,就可确认是员工士气、还是员工熟练情况和或管理因素导致生产效率不同的原因。 3、采集的数据必须是真实可靠的。数据因人而存在,是从管理活动中得来。数据的采集方法和管理要有制度和流程规范,不能随 心所欲,更不能估测和伪造数据。数据的真实性对企业的分析和决 策非常重要。其真实性一方面要依靠人的道德行为来保证,另一方 面制度的保障是不可缺少的。在双重要求下我们的数据采集才能有 保障。 4、数据是连续性和系统性的。在管理活动中,数据采集不能时断时续。不能只采集某一个方面,否则影响数据的准确性和完整性,企业各业务单元或各部门可按照年度、季度、月度以及每周、每日来采集企业各方面管理和业务发生的数据,进行归纳和统计。

《统计学基础实验》原始数据

《统计学基础实验》原始数据 项目1 数据文件的建立与管理 1.3 实验数据 表1.1中给出的是从某学校统计学专业抽取20个学生的2008年秋季学期的各科学习成绩。 表1.1 学生成绩表

1.6 练习实验 1.表1.3是对某大学统计学专业2007级学生家长情况的调查表。 表1.3 某大学统计学专业2007级学生家长情况的调查 (1)根据表中数据建立三个数据文件,分别命名为“调查1.sav”,“调查2.sav”和“调查3.sav”。数据文件“调查1.sav”包括问卷编号从001到010共10个个案的问卷编号、所在省份,文化程度3个变量;“调查2.sav”包括所有个案的问卷编号、家庭月收入、家庭成员数和家庭住房面积4个变量;“调查3.sav”包括问卷编号从011到020共10个个案的问卷编号、所在省份,文化程度3个变量。 (2)将数据文件“调查1.sav”与“调查3.sav”进行纵向连接,再将横向连接后的新数据问卷“调查1.sav”与“调查2.sav”进行横向合并,将新的数据文件保存为“调查.sav”。(3)将数据文件“调查.sav”按照变量“家庭月收入”进行排序。 2.表1.4中的数据为我国2008年第1季度的国内生产总值数据及比去年同期的增长率,

将该表中数据录入到Excel表格中,并将Excel数据表保存为“练习实验2.xls”的电子表格。将Excel数据表“练习实验2.xls”导入SPSS软件中,保存数据文件为“练习实验2.sav”。 表1.4 我国2008年第1季度国内生产总值 3.表1.5是2006年各国家和地区的国土面积和人口密度数据(国土面积单位为万平方公里,年中人口单位为万人,人口密度单位为人/平方公里)。将数据录入到SPSS软件中,保存数据文件为“国土面积与人口密度.sav”。 表1.5 国土面积与人口密度(2006年)

企业数据备份管理制度(适用任何企业)

公司数据备份管理制度 1.目的: 为规范公司数据备份管理工作,合理存储历史数据及保证数据的安全性,防止因硬件故障、意外断电、病毒等因素造成数据的丢失,保障公司正常的知识产权利益和技术资料的储备。备份管理工作应由系统管理员安排专人负责。备份管理人员负责制订备份、恢复策略,组织实施备份、恢复操作,指导备份介质的取放、更换和登记工作日常备份操作可由备份管理人员完成。2.适用范围: 本制度适用范围为我公司所有数据的备份管理工作。 3.流程: 3.1公司服务器等主要设备均由公司授权系统管理员负责数据管理和备份。 3.2根据公司情况将数据分为一般数据和重要数据两种。一般数据比如服务器共享文件夹下面的数据,主要指:个人或部门的各种信息及办公文档、电子邮件、人事档案、考勤管理、监控数据等。重要数据主要包括:各部门日常表单记录,财务数据、技术部门图纸、商务部标书、合同、K3 服务器数据等。 3.3一般数据由各部门每月自行备份,部门经理负责整理归档后刻盘,系统管理员每半年对一般数据资料进行选择性收集归档。 3.4重要数据由系统管理员负责,具体细则如下: 3.5财务部每月底将当月电子帐、表格等数据统一整理,系统管理员负责刻盘,由财务部保存。 3.6技术部门已定稿的图纸、商务部标书须在每月底前,由各部门的专员给系统管理员做光盘和硬盘 备份 3.7服务器的K3 数据由系统管理员在服务器硬盘做每周做软件备份,并在每月最后一周的周五下午统一保存,每一个季度刻录光盘保存。 3.8 当服务器、交换机及其他系统主要设备配置更新变动,以及服务器应用系统、软件修改后均要

在改动当天进行备份。 3.9 备份数据所使用的刻录机、光盘均由系统管理员保存,当刻录机故障或光盘不足时应及时申请、联系维修或购买,确保备份工作的正常进行。 3.10所有数据备份工作由系统管理员进行详实记录,并建立档案。 3.11如遇网络攻击或病毒感染等突发事件,各部门应积极配合系统管理员进行处理,同时将集体情况记录到备份档案中。 3.12各部门负责人应严格执行公司规定,如发现不及时上传资料、故意隐瞒资料或没有及时执行备份任务的,将进行严肃处理。 4. 备份介质的存放和管理 4.1所有备份介质一律不准外借,不准流出公司,任何人员不得擅自取用,若要取用需经总经理或执行董事批准,并填写《备份介质借用登记表》(附件六)。借用人员使用完介质后,应立即归还。由备份管理员检查,确认介质完好。备份管理人员及借用人员须分别在《备份介质借用登记表》上签字确认介质归还。 4.2备份介质要每半年进行检查,以确认介质能否继续使用、备份内容是否正确。一旦发现介质损坏,应立即更换,并对损坏介质进行销毁处理。 4.3长期保存的备份介质,必须按照制造厂商确定的存储寿命定期转储,磁盘、光盘等介质使用有效期规定为三年,三年后更换新介质进行备份。需要长期保存的数据,应在介质有效期内进行转存,防止存储介质过期失效。 4.4存放备份数据的介质必须具有明确的标识;标识必须使用统一的命名规范,注明介 质编号、备份内容、备份日期、备份时间、光盘的启用日期和保留期限等重要信息有备份软件,可采用备份软件编码规则)。 4.5编码规则:

原始记录管理制度

原始记录管理制度 1 范围 本制度规定了原始记录的管理职能、管理内容与要求。 本制度适用于公司原始记录的管理。 2 职责 2.1 公司生产经营系统的原始记录工作,在公司生产管理部门的统一组织下,公司各部门管理其归口管理业务的原始记录,对归口管理原始记录的统一性、合理性、科学性进行控制。 2.2 工艺技术、技术设备、产品检验和验收、质量管理、产品原材料理化分析、计量检测、生产操作以及新产品试制等有关科技质量方面的原始记录,由科技质量部负责。 2.3 员工人数、生产工时、员工聘用、出勤、工时利用、员工培训等人力资源管理方面的原始记录,由人力资源部负责。 2.4 成品收发、原材料收发、消耗和废旧积压物资处理等方面的原始记录,由市场营销部负责。 2.5 有关生产“五品四数”方面的原始记录,生产安全、人身事故、工业卫生、环境保护等方面的原始记录由安全生产部负责。 2.6 财会系统的原始凭证,包括各种帐、卡、传票,由财务资产部负责。

2.7 公司行政办公方面的原始记录由公司办公室负责。 2.8 公司证券管理等方面的原始记录由证券部负责。 2.9 各单位根据上述分工,可自行拟定、修改、补充所分管的原始记录。 3 管理内容与方法 3.1 原始记录的建立 3.1.1 公司生产经营工作中的各个活动应建立适应各种工作需要的原始记录。 3.1.2 原始记录的设置必须从公司的实际情况出发,适应公司生产和管理的需要。 3.1.3 原始记录必须与公司各项管理制度密切结合,要与公司的各项管理工作配合进行,使之成为各项管理工作的有机组成部分。 3.1.4 原始记录在满足需要的条件下,应力求简明扼要,通俗易懂,便于群众掌握。 3.1.5 要根据生产的不断发展变化,注意积累资料,总结经验、研究问题,不断改进健全原始记录。 3.1.6 原始记录的形式、格式由使用单位设计,经归口管理部门审查同意后使用。 3.1.7 原始记录统一由综合统计部门分类、编号颁发。废止的原始记录亦应报综合统计部门注销。 3.2 原始记录的分类。 3.2.1 产品生产方面的原始记录包括:在制品记录、生产进度记录、物耗记录等。 3.2.2 人力资源管理方面的原始记录包括:职工聘用解

质量管理数据

第一节质量管理数据 质量管理的目的就是通过管理来保证生产出用户满意的产品,为达到此目的就必须规定明确的质量特性,而用数据表示的质量特性最有说服力,最能反映事物的本质。没有数据就不能进行定量分析,更谈不上科学管理,全面质量管理尽可能使说明质量水平的事实数据化,通过数据的整理、分析和判断,从中找出质量的活动规律,并做出正确的判断,以达到控制和提高产品质量的目的。 一、数据的用途 数据的用途是由搜集数据的目的来决定的。其用途可分以下几项。 1.分析用数据:为掌握和分析现场质量情况而搜集的数据。如:通过调查钢铁的化学成分来控制钢铁的质量;通过调查纺织厂纱条干CV%值来分析CV%值的波动原因等。 搜集这类数据,主要用于分析存在的问题,找出所要控制的影响因素,并确定各因素间的相互关系,为最后进行判断提供依据。 2.管理用数据:为了掌握工序加工质量特性波动原因,用于对工序状态作出判断而搜集的数据。即收集这类数据是为了对生产过程进行预防性控制和管理。每次从工序中抽取的数据个数不多,但却要多次抽取,此时要特别注意每组数据的次序不能混淆。 3.检验用数据:对产品进行全数检验或抽样检验而搜集的数据。即搜集这方面的数据是为了对一批产品的质量进行评价和验收。一般说来,此时被研究的对象处于静止状态,常不强调数据搜集的先后次序,但要特别强调抽检数据的随机性,同时抽取的数据量要尽可能大些,以保证数据的代表性。 二、数据的分类 按照性质的不同,质量管理中的数据通常分为两类,计量值数据与计数值数据。 1.计量值数据 凡是可以取连续性数值的数据,或者说可以取给定范围的任何一个可能的数值的数据,称为计量值数据。如用各种测量工具测量的数据(表示长度、强度、浓度、温度、重量等数据),就是计量值数据。由于测量工具的精度所限,结果使得测量范围内的数据,也不能做到无限可分而任取其值,因此实测到的数据往往也呈跳跃状。

原始数据收集管理办法

重庆丝爽卫生用品有限公司 关键业绩指标数据收集管理办法 第一章总则 1.1原则 为推行公司业绩管理体系,对公司员工的工作业绩实施客观评估,保证业绩考核管理的顺利实施, 客观公正地反映员工业绩结果,特制定本制度。 1.2目的 指导和规范公司KPI管理体系的运作,为企业管理部计算员工KPI考核结果及员工实得业绩工资提供依据。 第二章数据收集管理 2.1数据收集责任部门 2.1.1在公司设立企业管理部为数据收集中心,负责统筹汇总各部门上报数据 2.2数据收集原则 2.2.1谁提供,谁负责,明确数据收集责任人,责任落实到人; 2.2.2所有数据均必须建立台帐; 2.2.3数据必须真实有效,不得随意填报;

2.2.4各责任部门的数据上报必须及时、准确、填写工整,保质保量,数据上报无漏项; 2.2.5数据上报符合程序。 2.3数据收集的组织管理 2.3.1各数据收集部门负责人为数据收集的第一责任人,全面负责各项数据收集工作及与其他数据部门的协调工作; 2.3.2数据收集部门可以安排专人(数据收集的第二责任人)进行各项数据收集、汇总工作,并形成《数据收集责任明确表》; 2.3.3企业管理部负责各种数据收集上报后的计算汇总工作; 2.3.4公司组织审计小组负责定期或不定期对各种数据进行审计。 2.4数据收集的责任人界定 2.4.1数据中心第一责任人:企业管理部经理 2.4.2数据中心第二责任人:企业管理部薪酬业绩专员 2.4.3数据收集第一责任人界定:数据收集部门负责人; 2.4.4数据收集第二责任人界定:部门专门指定收集各类数据的相关人员; 2.5数据收集接口管理 2.5.1企业管理部为数据的最终归集部门,各部门负责向企业管理部上报收集的相关原始数据。 2.6数据收集程序 2.6.1各数据收集部门应根据《KPI原始数据收集表》规定的数据收集项目,建立各种数据收集表格和台帐,确定本部

数据质量管理

数据质量管理 数据质量管理系统应用----生活篇 最近在看关于综合分析数据质量管理规范的时候,结合实际生活当中的例子。在这里说出来,可以讨论一下。这里主要是指标值数据质量的管理: 1:数值检查可以和我们固定的阈值检查结合起来,即通过检查单个指标的数值和阈值的比较发现指标的异常和变动的情况。这个就是固定阈值的一种情况。比如当地铁离近站只有4分钟的时候,地铁旁边的灯会一直闪烁。地铁离开车只有一分钟要关门的时候,就会告警即将开车。以免突然开车造成人的伤害。 2:波动检查:一般就是同比波动的检查和环比波动的检查。先计算指标的同比或环比波动率,然后与预订的波动率上下限(阈值)进行比较。这个就是范围阈值。例如昨天公交车上有一条新闻就是重庆目前一小时之内公交车换成免费。那么这一个小时之内就是一个范围阈值,只要在一个小时之内不收钱,即什么也不做,但是当超过一个小时之后就要收钱。那么我们这里就需要告警。 3:还有一种日常当中常用的就是动态阈值比如我们乘坐地铁的时候根据路程的不同地铁价格不同。以及依照路程计价的公交车也一样,路程不同,价格不同。本质上都是乘坐地铁或者公交,但是由于距离

问题因此价格不同,比如收入指标阈值制定的时候,比如不同的地市,在同一时间维度阈值是不同。比如经济发达地区应该制定高一点,经济欠发达地区制定低一点。 4:指标之间的关联检查,比如我们常说的同增同减关联关系,还是以地铁为例,路程增加了,那价格相应就增加了。比如我们理论上我们的用户数增加了,那么收入应该有所增加。但是有时候反而用户量增加了,收入却下降了。增加的用户数比丢失的用户数多因此整体上用户量增加了。但是增加的用户量都是一些劣质用户,而丢失了一部分高端用户。从而导致用户数增加,收入下降的局面。 5:指标平衡检查:对若干个指标值的简单四则运算(加、减、乘、除),来检验各个指标间潜在的平衡或其他比较关系。比如有些指标日指标汇总应该与月指标的值平衡。(也许还可以研究更科学的复杂计算) 当发现数据出现异常的时候,首先先分析一下,是不是一些因素导致指标的变化,比如节假日,周末,市场营销策略,以及外部的一些政策对指标造成的变化,然后再查看是不是真的是数据质量的问题,以及源接口数据的问题。 数据质量管理系统----理论篇 一:从以下5个方面对数据的质量进行管控 1:及时性:数据获取是否及时,主要指数据提取、传送、转换、加

相关文档
最新文档