1. 统计与会计核算，总产值总收入总销售额分别指什么？

区别如下：

1.性质不同总销售额在会计学中等于按销售价格计算的初始销售收入或流入资产的价值。总产值，统计学名词，时期指标（月、季、年），是指物质生产部门的常住单位在一定时期内生产的货物和服务的价值总和，反映物质生产部门生产经营活动的价值成果。

2.特点不同总销售额为纳税人销售货物或者应税劳务向购买方收取的全部价款和价外费用。总产值具有总量性，行业性，价值量的特点。

3.范围不同总销售额不包括收取的销项税额，总产值的核算范围是农、工、建、交、商五大物质生产部门。

2. 经济类包括哪些专业？

会计学是经济学的一类。

经济类专业包括：

经济管理(本科) 财政与税务(本科) 金融应用(本科)

经济管理(专科) 税收(本科) 区域经济开发与管理(本科)

审计学(独立本科) 金融管理(独立本科) 调查与分析(独立本科)

工商行政管理(独立本科) 林业管理(独立本科) 投资金融(独立本科)

公司管理(独立本科) 职业教育管理(独立本科) 国际经济(独立本科)

国际经济与管理(独立本科) 理财与税收筹划(独立本科) 统计(独立本科)

财税(独立本科) 金融(独立本科) 保险(独立本科)

国际贸易(独立本科) 农业经济管理(独立本科) 农业经济管理(专科)

经济学(独立本科) 餐饮管理(独立本科) 工商管理(应用本科)

统计(专科) 财税(专科) 保险(专科)

证券投资与管理(专科) 金融管理(中英合作专业)(专科) 财政与税务(专科)

价格学(专科) 金融应用(专科) 金融证券(专科)

劳动经济管理(专科) 贸易经济管理(专科) 商学(专科)

税收(专科) 物资会计(专科) 物资经济(专科)

贸易经济(专科) 财税与金融(专科) 投资与金融(专科)

区域经济开发与管理(基础科段)(专科) 理财与税收筹划(专科) 金融(专科)

国际贸易(专科) 工商行政管理(专科) 土地管理(专科)

餐饮管理(专科) 国际旅游管理(本科) 会计电算化(本科)

旅游管理(独立本科) 电子商务(独立本科) 土地资源管理(独立本科)

人力资源管理(独立本科) 军队财务(独立本科) 建筑经济管理(独立本科)

物业管理(独立本科) 房地产经营与管理(独立本科) 知识产权管理(独立本科)

商务管理(独立本科) 物流管理(独立本科) 公共事业管理(独立本科)

劳动与社会保障(独立本科) 投资管理(独立本科) 企业内部控制(独立本科)

企业经济管理(独立本科) 医药商务(独立本科) 项目管理(独立本科)

投资决策分析(独立本科) 企业管理(独立本科) 工程财务管理(独立本科)

电力市场营销(独立本科) 企业财务管理(独立本科) 市场营销(独立本科)

工商企业管理(独立本科) 会计(独立本科) 电子商务(应用本科)

旅游管理(应用本科) 会计(应用本科) 人力资源管理(专科)

旅游管理(专科) 企业财务管理(专科) 电力市场营销(专科)

城乡经济与管理(专科) 物流管理(专科) 劳动与社会保障(专科)

电算会计(专科) 物业管理(专科) 电子商务与技术(专科)

国际旅游管理(专科) 国际营销(专科) 国土管理(专科)

海关管理(专科) 会计电算化(专科) 会计与统计核算(专科)

酒店管理(专科) 涉外会计(专科) 社区与物业管理(专科)

连锁经营管理(专科) 企业管理(专科) 工程财务管理(专科)

饭店管理(专科) 商务管理(中英合作专业)(专科) 电子商务(专科)

工商企业管理(专科) 会计(专科) 房地产经营与管理(专科)

市场营销(专科) 国际贸易（本科） 财务会计（专科）

财务会计（本科） 国际通行会计（专科） 电算化会计（专科）

国际金融与证券（专科） 国际金融与证券（本科） 金融与保险（专科）

经济信息管理(本科) 工商企业管理(本科) 旅游饭店管理(专科)

餐饮管理(本科) 旅游商务管理(本科) 物流管理(本科)

中英合作商务管理(专科) 中英合作商务管理(本科) 中英合作金融管理(专科)

中英合作金融管理(本科) 会计学(独立本科) 会计学(本科)

市场营销(本科) 公共关系(本科) 会计(本科)

中英合作采购与供应管理(专科) 金融(本科) 国际金融(本科)

国际会计(本科) 旅游管理(本科) 经济学(本科)

市场营销(服装营销) 饭店管理(本科) 企业财务管理(本科)

会计(电算化方向)本科 国际商务英语(本科) 航空服务(空乘及机场服务管理方向)

涉外会计（本科） 国际商务贸易（专科） 房地产经营管理（专科）

美容保健管理（专科） 公安管理基础科段（专科） 商务管理(中英)(专科)

商务管理(本科) 金融管理(中英)(专科) 金融管理(本科)

市场营销学(专科) 工商管理(本科) 公司管理(本科)

公司管理(专科) 财税(本科) 市场营销学(独立本科)

会计信息技术(本科) 汽车营销与售后服务(本科) 会计信息技术(独立本科)

保险学(本科) 会计(电算化方向)专科 金融学(本科)

电子商务物流(本科) 电子商务物流(独立本科) 国际经济技术合作(本科)

连锁经营与管理(独立本科) 社区物业管理(本科) 国际商务(本科)

国际商务(独立本科) 国际金融(专科) 机关管理与办公自动化(专科)

证券投资与管理(本科) 旅游与饭店管理(专科) 国际旅游管理(独立本科)

会计(电算化方向)(专科) 会计(电算化方向)(独立本科) 金融工程(本科)

金融工程(独立本科) 金融管理(专科) 财务管理(本科)

财务管理(独立本科) 商务管理(专科) 工商管理(独立本科)

工业企业管理（专科） 劳动经济（专科） 连锁经营管理(本科)

经济学(专科) 机关管理及办公自动化(本科) 房地产经营与管理(本科)

旅游管理(商务管理)(专科) 旅游管理(导游)(专科) 金融学(专科)

经济信息与管理(独立本科) 调查分析(独立本科) 电力市场营销(本科)

工程财务管理(本科) 经济信息与管理(本科) 经济信息与管理(专科)

城镇经济与管理(本科) 环境工程与管理(本科) 人力资源与管理(独立本科)

土地资源与管理(独立本科) 资金资源与管理(独立本科) 资源经济与管理(人力资源)(本科)

资源经济与管理(土地资源)(本科) 资源经济与管理(资金)(本科) 人口学(本科)

土地管理(本科) 会计与审计(本科) 会计与审计(独立本科)

采购与供应(专科) 体育产业经营与管理(专科) 体育产业管理(本科)

体育航空服务(本科) 广告营销(本科) 导游(专科)

饭店管理(旅游管理)专科 服装设计(本科) 国际工商企业管理(本科)

国际酒店管理(专科) 中英文导游(专科) 会计电算化(独立本科)

房地产经营与管理专业(专科)

3. 如何分析离职率？

离职率、入职率是每个行业、企业，个人等在单位时间周期内，对人力资源流动情况变化观测及衡量的重要数据，其观测目的各有侧重；

分析离职率、入职率之前，需要先明确分析目的，即要解决什么问题；然后根据目的去收集汇总相关数据，再通过数据清洗处理，建模分析挖掘得到具备参考价值的结果；

以下从行业、企业、个人三个主体层面来做具体解析：

一 目的不同：

1、行业层面：

其核心目的是:对行业人才资源的动态反馈并引导行业人才资源市场的供需关系；一定程度上反映行业经济发展趋势；

行业离职率、入职率的数据监控观测，根据本行业人力资源流动分布情况，描述或验证本行业人才市场的供需关系走势，预测本行业人才供需方向，从而引导教育，培训等相关行业的业务调整；同时正相关反映本行业的经济发展趋势情况；

比如，市场进入大数据全面覆盖时期，人工智能行业的高速发展，行业对智能、数据类人才需求量急剧上升，总体行业数据显示：智能、数据类岗位及相关岗位的入职率，有明显大幅上升，而离职率下降甚至趋近于零；

当大数据、智能人才供不应求时，影响并引导教育，培训等行业调整自身业务结构，增设相关大数据相关的知识、技能课程及实操演练；

同理，很多传统行业中，流水线工人，收银，服务员等，当这类重复简单的工作岗位被人工智能的机器人代替时，其全行业的人才供需关系也就发生变化，其离职率大幅上升，入职率下降，并趋近于零；

当传统岗位供大于求时，这是将会影响并引导教育，培训等行业调整业务结构，减少这类人才的输送；

而通过行业离职率、入职率的观测结果，为该行业中的各企业内部的HR部门及人才战略管理人员提供人才战略决策制定参考，针对行业人才市场需求变化，对自己企业人力资源战略方向进行适当调整，重新配置人才库，并储备战略人才；

2、企业层面：

其核心目的是：提高人才资源在市场中的竞争力；

企业通过离职率、入职率的数据监控观测，详细了解企业内部人才流动情况，对内分析流动发生的本质因素，对外分析本企业的人才资源在市场中的竞争力强弱（人才是市场核心竞争，不但要分析内部流失率、入职率，同时也要分析竞争对手的）等；

通过企业内外部离职率、入职率的观测结果，为本企业的HR部门及人才战略管理人员提供人才战略决策制定参考，结合行业数据，及企业内外部的数据变化，来调整企业人力资源方向及策略，及时调整人才类型配置，及人才储备渠道；

3、个体层面：

其核心目的是：了解行业人才需求、行业发展及企业实力，为自身职业发展方向优化选择提供参考；

二 分析过程不同：

1、行业层面：

数据特点：数量大，类型多样，分析挖掘过程较为复杂；

收集途径：向专业数据机构购买，或机器采集（与第三方数据监控机构合作，比如钉钉）等；

价值贡献：主要侧重反映整个行业的人才市场供需关系情况；

2、企业层面：

数据特点：数量大较小，侧重非结构化数据收集，分析挖掘过程较为容易；

收集途径：使用各种量表进行收集（常用OA，HR等软件进行数据汇总），外部数据需要通过人脉等其他途径获取；（适当考虑。须用正当手段获取，毕竟这类数据也算企业密级较高的商业机密）

价值贡献：主要侧重反映企业间市场竞争力强弱；

三 样本类型侧重点不同：

1、离职率、入职率的数据样本的类型分为结构化数据，和非结构化数据；

—— 结构化数据一般体现为单位时间周期内，期初人数、期末人数、录用人数、离职人数等维度的数值型数据，比较容易统计和处理；

—— 非结构化数据一般为单位时间周期内，录用、离职岗位的职能要求，任职资格，录取人与岗位标准的差距及录取原因，离职人离职时与岗位标准的差距及原因等等非数值型数据，只能使用描述型语句来完成数据采集。

——非结构化数据，主要以量表的方式体现，其内容设计就很重要，既要客观反映样本真实情况，又便于转化为数值型数据；（这里可自行百度非结构化数据如何转化为结构化数据）

2、行业层面的分析：主要侧重在多类型数据多维度的分析及挖掘，来概括呈现，整个行业人才市场状况及行业发展趋势；

3、企业层面的分析：非结构化数据的分析挖掘就更加重要。

这是因为企业内部人才流动的原因及流向分析，主要集中在非结构化数据里，而企业在市场中的竞争，也会因非结构化数据输出的因果受到很大影响；

比如，分析企业内部核心的技术团队离职情况，如果我们只简收集汇总下离职人数，简单用公式计算下出的离职率，获得的结果是表明一个流失状态，而对企业人才管理工作改善没有任何价值参考；

如果这些技术骨干流向对手企业，甚至输出对离职企业的负面情绪，这人力资源的损失就更加大了；因此，非结构化数据的深入分析挖掘，是企业人才数据分析的重点；

综上，分析离职率、入职率之前，一定要搞清楚这两个比率的样本、及样本基数是哪些，分析维度选择（比如新员工，老员工，职能岗，技术岗位等等），分析的目的，解决什么问题等；

根据分析目的，及需要的样本类型去采集相关数据，而分析，建模，挖掘等过程才能正常进行（一般使用合适的分析挖掘工具来完成），其输出的结果对行业、企业的商业目的才具备参考价值。

结语：

企业之所以设立人力资源部门，除了输送合适的人才开展企业经营业务，更重要的是：

把控企业内部人才适当的流动性（流失率在5-10%范围），解决企业实际问题：

—— 对内，HR部门需要清晰辨别每个岗位的工作状态，避免出现平庸无贡献值的人混日子，却令优秀人才流失的现象；并及时修正及清理，营造好的内部竞争氛围；

—— 对外，HR部门需要时刻关注流失人才取向，及竞争对手的人才拥有及储备现状，及时收集信息反馈给上级领导，提醒并协助做人才战略决策；这方面，一些乙方公司的优秀猎头做的很好；

—— 在做离职率、入职率时，要全面考虑样本数据类型完整性及重要性，必要时对接专业的数据分析师来进程分析操作；

【墨蔸数据】作者：

连续创业者，专注商业数据分析及项目团队管理。定期输出大数据商业运营管理实战经验。欢迎持续关注，一起探讨交流，谢谢！

4. 物联网大数据云计算人工智能之间的关系如何？

这四个名词，既是四个产业，又是四种技术。同时还是四门学科。说以说起来非常的复杂。

所以我们为了不被绕晕，我们先从简单慢慢到复杂，然后具体说说每一个领域的细节。

一、从实际生活中的案例来说说这四个领域，让你更清晰的明白。他们都是什么？

来看一个图：（可能有头条显示的不清楚，有兴趣的可以去我的微头条看原图）

从硬件——通信层——平台层——物联网应用。这就是上图的架构。

硬件层，和通信层，就是目前中美在争夺的科技高地。

包括了芯片制造，5G通信，通信标准等等。（这方面，本文不做细节讨论）

我们来聊聊：平台层，物联网层面。

（1）云计算与大数据，人工智能。

数据存放在固态硬盘中，固态硬盘，和CPU可以对数据进行二进制处理。

也就是说，固态硬件之上，有一套系统来准确的对数据进行梳理，计算，并且将结果显示出来。

云计算可以说是一个系统，云计算是将硬件服务器，搭建出来一个个可以处理数据的场地。

最简单的理解就是：给你一堆石头（硬件），通过系统化的排列，你铺出了一个超大的广场，并且在每一个广场上面，你都做好划分，这个地方可以用来处理水稻，那个地方可以用来处理小麦，另外一个地方可以用来处理土豆等等。

因此，云计算的核心，并单单是服务器的分布式。更主要的是，将所有的服务器连接一起后，可以做到针对应用场景，为不同行业开发不同的数据运行环境。

所以就有的，阿里云这种做最底层的公有云服务商，他就是一个平整土地的供应商。在阿里云基础上，可以搭建各种专属的云服务。

这就延伸出了，工业互联网领域的架构：

最底层的IAAS，中间层的PAAS，消费客户层面的SAAS。

在应用市场层面，整个云计算可以说是工业互联网的技术。肯定是没有任何错误的。

我们接着SAAS来说，有不少人，都了解一些saas的含义。说白了，就是企业数据管理系统，或者说行业数据管理系统。

云计算作为基础，大数据是其中一个应用：

用一个大部分都熟悉的内容:ERP企业资源管理系统。这就是一个典型的SAAS平台。

那么在SAAS基础上，针对已经存在的数据，做好数据规划，可以针对数据，进行大规模的数据分析。可以将数据分类，同时可以将数据，按照相关性进行组合，勾勒出企业的市场概况，消费者轮廓。

这是一个企业内部大数据，这个其实是一个伪大数据。

在行业中，大数据是针对超大规模，例如处理Tb（1Tb=2014Gb）的数据。

数据量足够庞大后，人们最先想到的是，大数据可以用来训练人工智能。或者建立专家系统。

最典型的东西：警用天网

不少人都知道，网上追逃犯，经常能够通过商场，公用摄像头捕捉到嫌疑人的画面，根据面部图像进行分析。这就是最典型的图像智能中的大数据应用。

这种图像智能就是其实就是人工智能的一部分。与图像智能一样被人们熟悉的是语音智能。

人工智能是否聪明，前期的训练主要依靠大量数据的培训。

因此：在两个典型场景中，例如语音智能，科大讯飞最大的依仗就是有国家语料库。

无人驾驶领域：百度，滴滴，腾讯都在做的是高精地图的权限。

例如网络医疗问诊（非人工），根据患者的描述，拍照，对照数据库中，已经分类索引的各种症状。给出判断。

再比如：现在经常能够接到银行，移动，联通的电话，不少都是非人工的客户。

你说一句：你好！ 对方就开始给你介绍各种产品等等。

这种日常生活中的大数据应用，比比皆是。

大数据并不是通向人工智能的唯一手段。

当下比较高端的人工智能，不少都采用了深度学习的方式，在一定程度上，并不需要每一个人工智能都学习大量的数据。

二、物联网：物联网本身是一个概念

他的含义是：所有物体都可以联网，并且能够通过网络控制。

这就衍生出了：物联网操作系统，物联网的通讯架构，不同场景中物体联网后，如何进行控制的各类应用。

物联网操作系统：HUAWEI liteOS物联网操作系统

然后到通信层面，工业，家用，等各个领域不同的物联网应用通讯。

最后到应用层：工业领域的MES，WMS，数字孪生工厂都是物联网最后呈现出来。

消费场景中，家用的电灯，冰箱等等都可以通过智能音箱控制。这也是一种场景的物联网应用。

工业领域物联网的实现方式：倍福节能物联网架构

如果一定要将这四个联系到一起，那么可以分为：云计算是基础层，在云计算上面运行着大数据，大数据可以作为人工智能实现的其中一种手段。

整个云计算，大数据，人工智能都是物联网应用的场景。

物联网不是一个特定的技术，而是一个形式。如果互联网一样。

5. 或计算机专业更接近？

这是一个非常好的问题，作为一名大数据从业者，同时也是一名教育工作者，我来回答一下这个问题。

首先，从2016年以来，很多高校都陆续在本科期间设立了大数据专业，所以对于未来想进入大数据领域发展的学生来说，在本科期间可以重点考虑一下大数据专业。大数据专业的整体知识结构涉及到三大块，包括数学、统计学和计算机，然后还涉及到大量相关学科的知识，包括经济学、社会学、医学等等。从学习体验方面来说，大数据专业会为学生营造一个更好的学习环境，相关的硬件支撑（数据中心等）也会比较健全。

大数据专业当前的热度比较高，重点大学的竞争还是比较激烈的，所以如果想避开大数据专业，也可以选择数学、统计学和计算机这三个相关专业。数学是典型的基础学科，数学基础对于未来学习大数据有非常重要的意义，但是数学专业在本科期间的学习任务还是比较重的，而且难度也相对比较高，所以如果有明确的读研计划，那么在本科期间可以选择数学专业。

统计学专业与大数据专业的关系非常密切，当前很多大数据领域的从业者都来自于统计学专业，甚至很多人也把统计学和大数据看成是一个概念。相对于数学专业来说，统计学本身与大数据的结合更加直接，而且大数据行业也为统计学专业提供了新的就业渠道。选择统计学专业要重点考虑一下目标学校的学科实力，一些财经类高校的统计学专业还是很值得选择的，结合具体的行业知识，未来也会有更好的就业机会。如果未来想从事专业的数据分析岗位（算法岗），完全可以选择统计学专业。

计算机专业也是近些年来的热点专业，相对于大数据专业来说，计算机专业的选择空间更大，很多高校的大数据专业也都是基于计算机专业打造的，从这个角度来看，选择计算机专业也是完全可以的。实际上，当前不少计算机专业在划分具体研究方向的时候，大数据是一个非常常见的方向。选择计算机专业会有更大的岗位选择空间，大数据开发、大数据分析和大数据运维等岗位，都需要具有扎实的计算机基础知识。

我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！

6. 大学选什么专业对考大数据方面的研究生最有利？

如今，大数据产业迅猛增长，人才缺口高达150万。有35所高校开设“数据科学与大数据专业”的本科新专业，争相赶上时代潮流，培养更多大数据方面的优秀人才。所以，如果研究生想读大数据相关专业，其实本科就可以直接读这个专业，其他的信息技术相关的也可以。

1.大数据产业迅猛发展，人才缺口非常大

如今，随着咨询行业和电商行业的迅猛发展，导致大数据专业的相关人才非常稀缺。

根据相关数据显示，超过60%的企业已经设立大数据的相关部门。根据注明咨询公司麦肯锡的相关分析报告，今年国内大数据的缺口非常大，超过十万。而且可以利用大数据在进行决策的分析师和相关的经理缺口将接近200万。

大数据行业非常火，人才缺口非常大，薪酬大幅度提升，在各大招聘会上，不少企业也提供大数据相关的岗位。

为了应对人才热，不少高校开始开设大数据相关的专业。

2.近两年，高等学校的大数据专业迅速增加，2016年北大、对外经贸和中南大学获批该专业

2016年2月，第一批获批“数据科学与大数据技术专业”的高校公布，是北京大学、对外经贸大学和中南大学。

在三所学校中，虽然相同的都是四年的学制，但是授予的学位门类却不同。北京大学对大数据专业的毕业生授予理学学位，而对外经贸大学和中南大学对大数据专业的毕业生授予工学学位。

3.2017年3月，第二批32所高校获批大数据专业

这32所学校分别是：中国人民大学、北京邮电大学、复旦大学、华东师大、电子科技大学、北京信息科技大学、中北大学、晋中学院、长春理工大学、上海工程技术大学、上海纽约大学、浙江财经大学、宿州学院、福建工程学院、黄河科技大学、湖北经济学院、佛山科技学院、广东白云学院、北师大-香港浸会大学联合国际学院、广西科大、重庆理工、成都东软学院、电子科大成都学院、贵州大学、贵州师大、安顺学院、贵州商学院、贵州理工学院、昆明理工、云南师大、云南财大和宁夏理工。

4.大数据专业培养什么样的人才？

根据相关专业分析材料开看，这个专业主要是培养具有大数据实践能力的大数据人才。

这个专业主要是培养两种人才：一是掌握数据采集和分析得相关工具的能力；二是进行数据分析和初步数据建模能力。

7. 大三分流是选数学与应用数学？

如何解决楼主的选择难题?楼主的问题涉及到选择细分专业的难题。他人的回答是解决不了您的问题的，只有您自己才是选择的最终决定者。不过，在选择之前，有一些建议，供你参考。

1、注意田忌赛马，扬长避短

要根据自己的实际情况，不要盲目跟风选择传统热门科目。如果对于相关专业缺乏兴趣，或并不擅长，则并不用强制要求自己去选择。数学与应用数学、统计学、应用统计学差别不大，无论是哪一个学科，如果你在学习中能有所建树，或者在学习中能突出自己与其他人不同的专业优势，那就是选择对了。

2、结合职业规划，尽力而为

在数学与应用数学、统计学、应用统计学中进行选择之前，首先要对根据自身实际情况进行职业规划。要综合参考自己今后想从事的职业方向、当前社会上的冷门与热门职业，同时重点需要考虑自己的性格和能力特长。从未来职业发展的角度去选择自己喜爱的科目。个人感觉，如果将来准备从事数学教育方面的职业，可以选择数学与应用数学，如果将来准备从事财务、经济管理等方面的职业，还是统计学、应用统计学相对来说要适用一些。

当然时过境迁，您最终选择的专业或职业与选择的细分学科很可能不相同，随着社会的发展，当年的热门学科很可能不再有竞争优势。因此在选择细分学科时，建议你可以考虑跨学科选择，更进一步提升自己的专业与职业选择面，获取更多优势，立于不败之地！

3、了解学科，重视导师

你所面临的学科在所在的学校是一种什么地位，在全国的排名等都应该是选择前考虑的因素。不管选择三个科目中的哪一个，带这些学科的导师水平、导师在全国的地位等都必定会有高下。而且有时这些导师还可能影响到您将来的就业问题。所有这些，都需要我们认真的了解，然后再进行选择。

最后，祝你早日选到适合自己的学科。