仓库档案管理精选(五篇)

序言：作为思想的载体和知识的探索者，写作是一种独特的艺术，我们为您准备了不同风格的5篇仓库档案管理，期待它们能激发您的灵感。

篇1

一、数据仓库的构成

1.数据仓库的结构数据仓库结构层次主要包含操作层、数据仓库、部门层及个体层。数据仓库系统则由数据仓库、数据仓库管理系统及数据仓库工具所构成。首先，数据仓库包括早期细节级、当前细节级、轻度综合级与高度综合级四个等级的数据，这是数控仓库系统的核心所在。其次，就数据仓库管理系统来说，主要做好对系统的管理与运行，并完成数据中的信息抽取、清洗、数据变换及数据安全、备份与恢复功能。最后，数据仓库工具应用数据挖掘及OLAP分析两大工具，能够完成对数据的分析，从而为医疗决策的制定提供相关依据。

2.数据仓库的逻辑架构分析在医疗档案数据模型构建中，可根据医院病案的特点来设计总体结构图。如图所示，医疗档案数据、信息基本流程及数据仓库技术在整个设计中起到至关重要的作用。首先，对于运行数据来说，其是在临床病历中汇集起来，并通过整合与变换，从而转入到用户的信息数据仓库当中。其次，再将这些数据转为可利用的信息，在数据模型构建当中，可对基层数据利用OLAP工具来进行多维护的分析、处理与归纳，从而将繁杂的数据进行有效处理，并以一种简单的形式，呈现给决策人员的面前。

二、数据仓库技术在医疗档案管理中的应用

1.OLAP技术在医疗档案中的应用OLAP技术，其中文含义为联机分析处理技术，作为一项软件技术，其有效、快速、交互、一致的特点能够为分析人员提供多方面的信息。首先，可以完成一些常用的统计报表；其次，能够利用一些统计工具，根据病人的特征确定诊疗模式，并采取相应的措施为病人服务；三是能够对医疗费用结构进行分析，通过研究患者的病情、年龄、治疗方式及病种因素变化，来为医疗费用结构的制定与调整提供依据。通过OLAP技术，广泛收集临床医护人员的信息需求，建立符合医院实际的数据仓库模式,使数据仓库技术能为医护人员提供服务，为提高医疗质量发挥作用。

2.数据挖掘技术在一体化信息流构建中的应用数据仓库技术在应用过程中，能够采取数据挖掘的技术来对医疗档案信息做到一定程度的挖掘。在应用中，一是可以采取统计分析与可视化技术来对各类疾病的发病时间及相关情况进行深入分析整理。二是可以应用神经网络、粗糙集与决策树等相关算法来对数据库中含有的档案信息进行挖掘，还可以在对国外疾病编码标准进行参考的基础上，依据档案中疾病具备的相应特征，来做到对疾病分类模型的有效构建，且对给出的疾病都配上良好可行的治疗方案。三是可依据关联性的方式，来对疾病发生的可能性、疾病发生的内涵因素加以分析。四是可应用序列模型，对患者在出现疾病之后，对其疾病的发展情况作出预测，提前做好疾病的预防工作，并借助疾病发病率曲线来进行直观的反映。最后，利用历史时间和数据的积累，通过数据曲线和分布状态进行分析，研究其发展规模和潜在规模，从而协助制定大规模资本投资计划，并以此为依据计算出投资成本。数据挖掘技术在应用过程中，可以以病人为核心，做到一体化信息流的构建，并利用这一信息流来对模式进行有效划分，做到对各系统中所需抽取表及表关系模式的确立。这其中包含了与患者治疗有着密切联系的门诊、体检、用药、手术、费用、住院等一系列的信息数据。利用这些信息数据，做到对分析度量及分析维度的有效确定。例如对于门诊的分析维度来说，可以包含对就诊科室、医师、护理人员的相关配置，分析度量可包含患者就诊的流量对比、人数及时间等，从而做到对发掘来档案信息价值的有效利用。

篇2

【关键词】档安 管理系统 数据仓库

在现阶段，各种档案管理系统主要是采取交易的方式，主要功能是检索和统计。后期的数据是没有任何进一步的开发和利用，随着数据的积累，数据的的丢失情况会越来越严重，而且产生了巨额的维护和维修费用，而且容易造成数据丢失更严重。为了更好地利用现有的信息和数据档案，充分反映这些数据的价值，这些数据被充分挖掘隐性知识，并进一步利用已迫在眉睫。数据库技术现在已经无法达到完成这个任务，要想对数据进行深入分析，充分发挥技术资料的作用，就要建立数据仓库，来对数据进行深入的挖掘和处理。采用数据挖掘技术技术，不仅能大大的提高档案的安全性，而且也使档案保存更加方便快捷。随着计算机技术的发展，数据存储量也快速增长，如何才能从这些随机的，不完整的，模糊的数据中提取隐含的数据的，数据挖掘技术就能做到。

现以学生党员档案管理系统为例，建立数据仓库，来详细讲解应用数据挖掘技术，如何来建立数据仓库。

1 学生党员的管理系统，主要是从以下几个方面逐步实现

首先，由学校组织，进行基层组织调研，分析学生党员的基本情况，然后取得的一部分的实际数据，对现有的数据库表进行分析，以了解该每个字段的意义和作用，进行需求分析和专题设计。接下来从数据库表结构有用的字段中，选择合理的事字段信息和三维数据。最后通过数据转换服务来构建数据仓库，通过SQL Server2005中分析服务器配置工具来配置基于多维的数据集，在这个过程中，数据处理的过程主要是通过微软的OLAP功能，通过SQL Server7.0中将数据整合进去，接口的可以选择OLAP的COM的接口，并通过一系列的服务给数据仓库的应用提供程序支持，开发人员可以使用Vc或其他语言开发用户前端客户端，数据透视表服务还允许在客户在本地上传地存储的数据。MMC提供调度、存储管理、监控、报警和核心管理服务的功能。在本设计中，我们使用SQL Server 2010作为数据仓库，可以采用Access和Excel可以作为数据展现工具，除了SQL Server还支持第三方数据展现工具。

2 在数据仓库的设计阶段，我们从以下几个方面来入手

2.1 确定事实表

事实表分为学生党员目录信息表，党员情况登记表，党员接收情况登记表表，学生党员注销登记表等内容，其中党员的目录表根据类别，时间等其他情况又可以具体的细分为若干个表格。

2.2 明确事实表的分割方法

我们的档案资料，例如，最常见的方式是采用全宗划分，这样首先将全年的档案按年度来划分，一年内的档案按档案形成的部门或档案使用的单位来进行划分，在这种划分条件下，档案库中的档案是按以年度的方式的存放的，一般情况下一个单位的档案文档有几十到几百卷，一年中卷的文件目录的记录条数大概有几千到几万条，这样我们在数据仓库中储存这些数据时，就可以以年度的方式来存储，在对存储的数据进行数据挖掘时，就可以只通过年度来进行处理，这样就提高了处理数据的湿度，对数据在进行更新，添加或删除等操作时，可以更加方便快捷。

2.3 事实表数据的添加、修改和删除

事实表里面的数据还应该具备追加、删除、修改等综合处理功能，在对数据仓库更新操作中，添加和删除数据是一个经常性的工作，这些操作使数据仓库的质量得到可靠地保证。在进行添加操作时，首先要确保数据仓库中的数据那些是新的，一般情况下可使用通过时间来进行判断。删除操作相对简单，使用起来也更加普遍，只要通过一些搜索语句就可以实现。数据仓库中的操作做中，修改数据的功能用的比较少，在修改过程中，应当注意表和其他数据之间的关联性，保证数据的完整性，注意处理表和表之间的关系。在数据仓库，在基础数据的上会形成一些综合性的数据，在对基础数据进行操作之后，综合数据也会产生变化，所以对基础数据进行添加、修改和删除等操作之后，对响应的综合数据也要进行对应的修改，以维持综合数据的准确性和一致性。

2.4 数据仓库中维的确定及建立，维是同类数据的集合

维的层次结构很清晰，我们可以很容易地指定规则对数据进行运算，在维内，它的层次结构也是很有顺序的，利用维的这种特点，我们在对数据仓库进行数据挖掘的时候，可以很明显的提高数据挖掘的速度，质量也能得到大大的提高。以档案数据仓库为例，我们可以以文件编号，借阅单位，档案的文类号这三者建立一个三维立方体，要改变三维立体方的大小，就可以通过上卷或者是下钻的方式，要显示三维立体方的一面，就可以通过切边操作来进行。

完成了以上步骤，就可以着手构建数据仓库，收集和分析有关具体操作的基础上来构建数据仓库的模型，基于该模型的试运行情况，来完善设计方案，然后进入到数据仓库的物理设计阶段，在进行物理设计的时候，要注意选择安全可靠的硬件平台环境。

参 考 文 献

[1]S.Sarawagi，M.Stonebraker.Effieient Organization of Large.

Multidimensional In Proc.of ICDE[J].ACM Record，1994（5）：207-208.

[2].

[3]中科永联高级技术培训中心，.

[4]Oracle.Oracle Warehouse Builder Transformation Guidel0g（10.2）[M].oracle，2005（08）.

[5]数据仓库之路，.

[6]Oracle.Oracle 9i/SQL Reference（9.2）[M].Oracle，2002（03）.

篇3

【关键词】数据仓库；科研管理；应用

在科研项目质量管理中，科研数据以及科研资源的管理、科研档案管理等等，都是其中的重要组成部分，通过数据库，实现对科研管理的规范化、科学化，同时，也应当努力规范和提高科研管理运行机制，健全约束机制，完善科研项目的管理评标体系，这都是提高我国科研管理水平行之有效的途径。

一、数据仓库概述

数据采集是数据仓库构建中的重要内容，从数据源中抽取所需要的数据，然后对抽取到的数据进行清洗，将其按照一定的数据仓库的模型，放到数据仓库中。数据采集中的数据抽取其实就是数据源接口，数据源接口从不同的系统中抽取所需要的数据，将其作为数据仓库的输入数据，数据转换是对不同系统中生成的数据源进行处理，保证这些不同的数据源可以按照规定的要求输入到数据仓库中。数据清洗是对所有的数据进行处理，使得数据集中的所有数据值保持一致，并可以正确的对这些数据进行记录。而数据的装载是按照一定的模型将以上经过数据抽取、转换、清除的所有数据装入数据仓库中，在数据进入数据仓库的过程中还包括了将数据域清除、对数据进行有效的检查等。

二、数据仓库在科研管理中的应用研究

（一）数据仓库的核心技术――ETL技术

在科研管理中，管理人员需要随时获取所需要的数据和信息，因此，通过数据仓库，将外部数据和内部数据进行整理和储存，并且为数据的查询提供了极大的便利。但是这些数据信息有不同的来源，具有数量、不清洁等诸多不良特点，进而不能直接对这些数据进行使用，也不能直接将这些数据输入到数据仓库中，所以需要对这些数据先进行处理分析，然后再将这些数据以高质量输入到数据仓库中供用户使用。因此，数据仓库的核心技术――ETL技术负责对数据信息进行清洗、转换等，保证数据信息质量的一种技术，ETL技术可以将数据分散、数据不清等问题进行解决，保证数据信息可以高质量的输入到数据仓库中供企业的各部门安全使用。

（二）数据仓库用于科研数据的快速检索、查询

数据仓库是为了实现数据的存储、检索以及表达，例如当数据仓库中的数据需要从一种形式转换成另一种形式时，ETL的数据转换就需要进行考虑，同时ETL中的数据抽取、转换、装载等都需要变成转换操作，所以对于数据仓库而言数据转换是其核心部分。数据仓库实质上是一个独立的数据环境，它需要从不同的系统中抽取所需要的数据，然后通过ETL技术将这些数据进行处理，处理过后的数据信息才可以安全的输入到数据仓库中。ETL技术主要涉及到互连、复制、转换、监控等方面的内容，在数据仓库中的数据不需要和处理系统中、或者其他相关系统中的数据保持同步，尽量保证数据仓库中信息的有效性。

为了将数据冗余等问题进行避免，在抽取的数据进入到数据仓库之前，需要对其进行有效性检查，这项工作在数据仓库数据输入中非常重要，如果没有对这些即将输入到数据仓库的数据进行有效性检查，就会对整个数据仓库的完整性产生破坏，或者将其破坏的几率大大的增加。对数据进行有效性检查最好的方法就是源系统。在源系统中有专业的和非专业的技术知识人员，但是数据有效性检查是一项费时又不可省略的一个环节，所以可以进行自动化的检查。

（三）通过数据仓库实现科研数据的清除及转换

由于数据仓库中的数据来自不同的数据源，这些数据源可能出现不同的平台上，有不同的操作系统，所以这些数据会以不同的形式输入到数据仓库中。如何将这些数据加载，是数据仓库建立中需要考虑的一个问题，在进行数据迁移的过程中，会将数据以一种适合数据仓库的格式转入数据仓库中，这就是数据的格式化，对数据的处理是数据仓库成功建立的关键，所以在数据提取的过程中，对数据进行格式化，从操作中实现数据资源的共享。ETL技术进行的数据有效性检查是对数据进行标准给定的过程，如果数据的给定没有在界定的范围之内，那么它就是需要清除的对象。数据的清除包括了在给定界限范围之外的数据，对这些数据采取一定的纠正措施。

通过数据仓库，实现科研数据的转换，是为了体现这些数据的价值，使其更加有意义，进一步推动科研工作的进程。在数据转换的过程，使用最好的方法保证数据从原始储存器到数据仓库的过程是同步的，将数据转换的重点放在语言的标准化、数据移动、通信等方面，数据的转换除了自动化转换以外，还具有一定的复杂性，所以在ETL数据转换工具、技术不断更新的同时，还需要将其复杂性进行解决。

（四）数据仓库与科研数据动态更新

随着科研进程的推进，数据仓库也需要伴随着科研数据的动态进行更新，这样，才有助于实现数据的时效性。对检查验收之后的业务数据进行相应的更新，其他的数据都是在年底的时候才进行统一的更新。两项或者两项以上的、连续生产经营活动的变化和更新，都会被看作是多次变化，需要分别进行更新。数据仓库更新方法主要是主键关联法，主键关联法就是要求被更新的数据库和更新数据库具有相同标识的小班唯一键值，然后才可以进行一对一的关联，最后才可以进行数据仓库数据的更新，主要更新的手段是字段更新。在对数据仓库进行更新时，必须保证的是一对一的关联，要不然会产生错误的逻辑关系。

（五）数据仓库在科研档案管理中的应用

通过数据仓库来实现科研的档案管理工作，对完善科研档案管理具有重大的意义。对科研课题档案资源进行研究和开发利用，档案管理人员要注意联合课题研究人员一起，及时的对各种课题档案进行整理，通过数据仓库，对档案资源进行整合。然后积极的利用各种信息化技术，有效实现档案资源的共享。并努力的深入研究开发各种档案资源，更好的为经济建设提供服务，最大程度的妥善利用各种档案资源，保证科研究成果的最大化利用。从而有效的实现通过合理的利用促进科研工作的快速发展的目的，取得较大的经济社会价值。

三、结语

针对现阶段我国研究所科研项目管理工作中存在的问题，积极运用数据仓库，来实现对科研数据资源的整合及管理。依靠数据仓库实现科研档案的规范化管理，以科研动态为基础，及时更新数据仓库，保持数据仓库的时效性。数据仓库在科研管理中的应用，进一步优化了我国科研管理工作，提高了科研管理的质量和效率。努力提升我国科研管理能力，完善科研项目管理程序，使该管理体系逐步趋向规范化、成熟化。

参考文献：

[1]焦振.基于Oracle的人事科研数据仓库设计与实现[J].安阳师范学院学报，2013，（2）：46-50.

[2]汤雪，赵卫东，吕万里等.高校教职工科研管理系统数据仓库设计[J].福建电脑，2010，26（2）：119-119，102.

[3]肖红玉，黄静，陈海等.数据库技术在科研管理系统中的应用[J].制造业自动化，2010，32（10）：68-70.

[4]巫莉莉，张波，李涛等.高校科研管理系统智能分析模块的分析与实现[J].计算机工程与设计，2010，31（11）：2641-2644.

[5]胡君.基于数据仓库的科研管理系统设计与实现[D].中国地质大学（武汉），2011.

篇4

档案数据库是各类档案信息系

统正常运行的核心部分数据库在信息资源组织、管理以及共享等方面具有明显的优势，在数据冗余度以及效率管理方面具有强大的技术力量。档案数据库是一系列信息单元的组合，例如档案实体、档案管理人员等，通过把这些信息单元相互连接，使之相互联系，进而形成一个结构完整的整体。同时，通过这些结构和联系，数据库可以充分实现档案数据的收集、编辑以及修改等，保证档案管理流程的顺利实现。

数据库在档案管理中的应用分析

（一）档案数据库的建设

数据库在档案管理中的应用要求建立档案数据库，档案数据库代表着档案信息管理服务方式的转变。因此，分析数据库在档案管理中的应用，首先要对档案数据库的建设进行分析。

首先，档案应用需求分析：档案应用需求分析旨在解决档案利用者难以从现有的系统中获得所需信息的问题，针对这一问题，需要对大量的数据进行综合处理，这就需要利用数据库技术。例如，对档案用户的分析，决策者就需要掌握用户的利用偏好，用户的年龄层次以及查阅时间等，并参考大量信息数据得出相应的结论，通过这种方式来调整档案开放的时间，从而为档案编制产品等开发决策提供必要的信息保证。

其次，档案数据的采集：数据是档案数据库的主要内容，在档案数据库的建设中，数据的采集十分重要。目前，在档案领域中普遍存在着多样化的档案信息源，例如关系数据库文件和网络数据形式等。虽然这些档案数据源在数据结构上有着不同的构造，但是也可以通过数据的采集来对其进行总汇，进而归纳到统一的档案数据库中，形成档案信息源。

另外，档案数据转换：档案数据采集之后，就需要对现有的档案数据进行转换。这种转换就需要根据信息源的质量和规范程度来进行。例如，以档案用户分析为例，有些用户的籍贯信息记录方式各不相同，有的是以中文的方式来表示，有的则是以英文的方式来表示的，有的甚至是用数字或拼音来表示的，此时，面对这些五花八门的格式数据，档案管理人员就需要对这些数据进行转换，根据用户的具体需求将其转换为相同的格式，实现档案数据库的规范化管理。

（二）档案数据库技术分析

首先，档案数据仓库分析技术。档案数据仓库是根据档案数据的特殊结构对其进行存放和管理的一种方式，在档案数据库技术中，数据库仓库服务质量的高低往往取决于联机分析处理技术和数据挖掘技术。联机分析处理技术也称之为OLAP技术，主要针对数据库特定的问题进行联机访问和分析，通过数据库进行多层次、多阶段的分析处理，从而获得更高的分析结果。该技术是一种自上而下的分析工具，通过该技术可以将数据仓库模拟为多维的数据库，并通过EXCEL等分析工具来获得有效信息。其次，数据挖掘技术。数据挖掘技术主要应用于分析档案数据仓库，通过查询获得数据，并经过人的理解或解释，使之成为有效的信息，从而建立了有效的数据库管理系统，即DBMS，改系统可以提供一种有效的查询手段，用于基本的数据库操作。数据库挖掘技术中常用的是聚类分析技术，是一种针对共同趋势和模式的数据进行分组的方法，以相似性最大和类间相似性最小的原则对数据集合进行分组，进而划分不同的用户群体。

（三）数据库在档案管理中的应用建议

首先，确保档案的保密性和安全性。档案信息的安全性和保密性是至今令人十分关注的一大问题。数据库技术在档案管理中的应用代表者计算机网络进行档案管理事业中，因此，网络安全也将直接关乎到档案信息的安全。介于此，对于计算机网络在档案管理中存在的技术弱点，就需要通过技术的改进来解决。例如，加强对防火墙、密码技术以及网管和电子水印等技术的应用和管理，通过先进的科学技术来弥补数据库技术的弱点和不足，实现现代化档案管理。

其次，加强网络监管，做好数据库的备份工作。一方面，重视网络监管，采用多种网络安全策略，对网络的安全访问进行有效管理和控制，这样才能真正起到网络安全保护的作用，维护网络资源，防止非法使用和访问。另一方面，及时做好数据库的备份，防止数据库的丢失和破坏，避免给档案管理造成不必要的损失。

同时，坚持数据库的科学开发。传统的档案管理内容单一、更新速度慢，现代化的档案管理复杂性和变动性较大，因此，在对数据库进行开发时，必须坚持科学开发，正确使用新的档案管理软件，合理采用一种或多种数据库转换方式，实现数据在不同软件之间的信息共享。

除此之外，还要及时考虑到数据库信息量的增加速度，考虑数据库技术的发展趋势，以便及时对数据库进行升级或更新换代，提高档案管理的有效性。

篇5

关键词：教学档案管理 灰色聚类挖掘 综合评价

在挖掘数据过程中主要是从大型的数据库以及数据仓库中不断的发现，同时将其潜在信息或者知识提取出来，它的基本目的是对分析人员提供一定的帮助，探索各个数据间存在的关联性，发现被人们所忽略掉的要素，上述所述的信息对于趋势与决策行为的预测是非常有利的。数据实际挖掘过程中经常采用的方法是从数据库事务中查找出关联性原则。而聚类分析方式又是数据库挖掘中运用最为广泛的一项重要的技术手段，同时还是数据挖掘技术的一个分支。本文首先分析了灰色聚类挖掘算法，其次采用实例对高校院系级教学档案管理综合评价进行了论述，以供参考。

1、灰色聚类挖掘算法

这里所说的综合评价，实质上指的是对诸多属性体系结构所描述的对象系统进行全方位的评价。综合评价的方法非常多，不过由于它们的实际出发点都不相同，并且处理问题的思路也不尽相同，相互之间都存在着优点与缺点，因此，当发生综合评价问题时，人们经常不知道选择哪一种方法比较好，对于评价结果的可靠性也不清楚。一般情况下，在高校院系级教学档案管理的综合评价中，人们比较重视的是教学档案管理具有的综合评价等级，所以，笔者认为，采用灰色聚类挖掘算法较为合适。

数据挖掘处理过程中，最为重要的一个环节就是数据挖掘算法，其主要是通过灰色聚类挖掘算法及在数据仓库中所提取的数据进行的，我们能够明显的看出该组织中存在的个体类型，同时它还能准确的判断出一个个体在这些类型中属于哪一类。灰色聚类实质上就是把聚类对象对于各项聚类指标，根据几种灰类进行分类，从而准确的判断出这一聚类对象具体属于哪一类。应将各种需要进行综合评价的个体作为聚类对象，将各项评价指标作为聚类指标，及时有效的处理好各个个体指标的原始数据，然后对各个灰类区间进一步确定，并且提出白化权函数以及白化权系数，最后一步是将个体属于某一灰类的灰色聚类系数矩阵全面的计算，以此得出这一个体属于的灰类，从而获取到不同样本的实际灰类和评价等级结果。将需要预测的样本和数据仓库中已经分类的模式间进行全面的比较，得出这两者间的实际距离，这样就能够获悉到此样本与哪种模式相近，然后根据该模式的整体情况对其结果进行预测，进而获取到待识别样本的分类等级。

2、高校院系级教学档案管理综合评价实例

结合评价的实际目的，将教学档案的收集、整理、鉴定、利用、保管以及统计这六方面的要素作为评价指标体系。为了使得讨论更加的方便，本文主要通过七个教学单位的教学档案管理情况，有机的结合了专家评分及自我评分，计算出平均分数，获取到的评分结果原始数据。

有效的处理原始数据矩阵，使其趋于标准化，然后通过灰色聚类算法，结合Matlab程序将最后的结果计算出来，具有较好综合评价结果的是院系1、院系4以及院系5；中等水平的是院系2和院系3；综合评价结果最差的是院系6与院系7。从最后计算出的结果中可以明显的看出，院系1、院系4、院系5的教学档案管理水平较好；院系2和院系3的教学档案管理水平一般；而院系6与院系7的教学档案管理水平是最差的。通过这样的一种方式，能够得出好、中、差的聚类中心，数据仓库的分类模式就此形成。从待评价样本的预测方面考虑，带预测样本应与数据仓库中已经分类的模式进行全面的比较，得出它们之间的距离，以判断出此样本与哪种模式更相近，最终获取到待识别样本的分类等级。本文主要对灰色聚类数据挖掘在高校院系级教学档案管理综合评价中的应用情况进行了一番论述，可以明显的看出，其可以采取聚类的方式对高校教学档案管理进行全面的分析，从中发现教学档案管理的类型，其对于高校档案管理具有重要的理论与指导意义。作为高校系级教学档案管理人员，应围绕着科学评估与分析，结合实际情况，确保教学档案管理工作具有较高的水平。

3、结论

综上所述可知，通过对教学档案管理各项程序进行加工后的教学档案，不仅使其呈现出了清楚的编目、使用简便以及内容丰富等优势特点，而且还将该系教学工作实际情况全面的反映了出来，我们应全面的利用其具有的优势，以提高教学工作水平。只有通过这样的方式，教学档案的功能作用才会进一步提高，教学档案建设的最终目的才会得以实现。不过，在应用灰色聚类挖掘评价方式时应对三方面的事项加以考虑，一方面，评价的因素不能过多，不然，评价者难以对全部评价因素进行全面的理解，最终使得所获取的数据不具备高质量；另一方面，参加评价的对象不能过多，不然重复的操作以及繁重的负担将使得评价者反感行为的发生；此外，评价先导工作必须完善。由于笔者能力有限，本文的论述还不是很全面，希望同行们提出宝贵的意见或建议。

参考文献：

[1]吴正霞,周怡.教学评估与高校教学档案管理[J].西北医学教育,2007年02期

[2]彭韶霜.高校教学档案管理存在的问题与对策[J].兰台世界,2007年14期