长沙商贸旅游职业技术学院：2026年省双高专业群数智化课程实训平台采购项目采购需求公开

序号

采购品目名称

采购数量（套）

单价（元/套）

单价限价（元）

总价（元）

1

Python课程平台

1

300200.00

300200.00

300200.00

2

财务数字化实践教学平台及服务

1

277200

277200

277200.00

3

智慧金融综合实训平台

1

241950.00

241950.00

241950.00

4

大数据审计综合实训平台

1

317940.00

317940.00

317940.00

合计

1137290.00

序号

货物名称

数量

主要参数

1

python课程平台

1套

一、代码编辑器系统功能要求 1.平台须为国产化自主研发产品，内置200个以上常用库，可直接调用，免去烦琐安装环节；内置常用库包括：pandas，matplotlib，pandas-datareader，scipy，PyMySQL，snownlp，gensim，pytest，mlxtend，pyfolio，graphviz，pyfolio，tushare，backtrader，QuantStats，gym，keras，tensorflow-cpu，torch等。 2.平台须支持代码模式，可自定义编写Python代码并运行，包括但不限于数据清洗、数据集成、数据分析、数据可视化、数据转换、数值模拟、统计建模、机器学习、量化金融等功能。 3.代码编辑器须分为教学模式与普通模式，教学模式下可以将代码编辑器与教学资源集成，包含任务目录、任务指南、操作步骤、操作视频、任务资料、参考答案、程序补全、代码提交与甄别等教学内容，含有重置功能，恢复初始教学状态，可以反复学习。可以查看内置教学资料与教学脚本等教学资料，可查看和下载运行结果。工作应用模式下无内置教学资源，可自行新建与上传脚本或文件，运行并查看与下载运行结果。 4.编辑器须含有“添加”功能按钮，包含新建脚本、新建文件夹和上传文件，上传文件的格式类型不少于15种；含有“重命名”功能按钮，对自行新建的文件夹与脚本可以修改名称；含有“删除”功能按钮，对自行新建的文件夹与脚本可以删除；含有“刷新”和“重置”功能按钮，可以刷新当前编辑器，并可以重置到初始教学状态下，重新开始操作；含有“提交”功能按钮，支持对设置答案校验的任务进行自动判分，并提示得分、调试次数和运行时间。 5.编辑器须支持脚本运行结果的下载，支持一键复制文件、脚本、文件夹的文件路径。 6.编辑器须包含搜索框，支持全部文件搜索功能，可以快速搜索教学项目中的教学资源，并支持快速定位搜索的脚本等文件。 7.编辑器须支持“积木模式”，包含不少于30个积木代码模块的应用；支持白天模式和黑夜模式，支持自由切换，2套程序配色方案。 8.编辑器须支持内置CSV文件、图片（PNG、JPG、GIF等），支持预览CSV文件、图片及HTML文件。 9.编辑器须支持终端运行结果输出图片、excel、csv、html等，同时终端可直接输出超链接并在线预览；支持多页签显示脚本；支持响应式交互，运行input函数等；支持使用Python运行SQL语句并操作mysql数据库；支持创建python、java、html文件，支持运行Python、Java程序。 10.须支持左右屏展示文件目录及代码编辑区域，并可拖拽调节左右区域位置大小。 11.须支持程序错误标记，快速定位程序错误位置。在代码编辑区域，支持10余种错误类型标记错误行号（包括但不限于语法错误SyntaxError、缩进错误IndentationError、名称错误NameError、字典键错误KeyError、未找到模块错误ModuleNotFoundError），支持5+种错误类型高亮标记错误字符位置，黑夜白天两种模式两种不同高亮颜色。同时支持在运行信息区展示程序错误行号、错误类型、错误内容。 ▲12.须含有编程助手功能，至少包含DeepSeek-R1等不少于3种大模型，依托大语言模型，包括但不限于支持通过交互式的自然语言对话方式，快速地生成所需的代码片段；支持一键关联当前代码文件，形成上下文关系；支持根据注释，一键生成代码功能，通过一段注释内容，生成相关的代码片段；支持一键生成代码解释功能，即对当前打开的代码文件进行深入理解，生成易于人类理解的自然语言解释；支持一键代码纠错功能，解释代码中存在的错误并提出修改建议；编程助手回答中的代码，支持一键插入、替换到代码文件中，也支持一键复制；对于程序报错行，能够一键生成错误解析；支持9种以上编程语言（包括但不限于Python、Java、JavaScript、C、C#、C++、R、Go、PHP）。 二、数据挖掘系统功能要求 1.系统环境要求。以机器学习算法为内容，预置算法库包含scikit-learn、jieba等内容，采用任务流式处理设计，默认流程为选择数据源-配置模型-开始建模-选择预测数据-开始预测，采用流式非闭环模式，执行数据挖掘时将严格按照此流程顺序执行。 2.数据源选择功能要求。支持通过教学管理平台预置数据，支持学生自行上传数据表格，数据源预览；支持在当前页面查看数据源数据预览，预览数据条数用户可自行调整；支持机器学习算法库，有监督学习包括但不限于：回归分析多元回归算法、分类分析朴素贝叶斯算法、决策树算法，文本分析，无监督学习包括：聚类分析K-Means，降维分析PCA算法。 ▲3.算法调参功能要求。支持学生基于选用的模型进行参数配置和调整，变量选择与数据集切分；支持添加多个自变量，并可设置按比例随机抽选训练集与测试集；支持模型质量评估，通过测试集模型验证结果的对比，可对模型质量进行评估指标和拟合情况评估；支持预测集（支持预测功能的算法可用），完成建模步骤后可上传新的预测数据集进行因变量结果预测。 4.预测结果预览功能要求。支持在当前页面查看预测结果数据预览，预览数据条数用户可自行调整；支持用户自行下载模型质量数据报告以及预测完成的数据到本地客户机；支持通过教学管理平台预置数据挖掘任务的任务描述、操作步骤以及操作演示视频；支持通过重置清空流程内的所有配置信息；支持通过教学管理平台集成具体的挖掘任务、数据源、任务操作说明等信息。 5.决策树模型功能要求。支持自定义选择表格：支持通过选择数据源上传本地数据或者选择系统内置的数据。模型自定义设置：支持自定义数据模型参数，选择自变量和因变量，设置测试集比例，设置决策树的深度范围，设置叶子节点最小样本，支持选择gini或者entropy作为测量分割指数的函数。支持模型建立与查看：支持建模，支持查看训练结果，可视化最大树深的选择结果；显示测试集预测结果与真实值对比、并支持导出；显示属性的系数，并进行排名；支持多个评估度量指标对模型进行评价，包括precision、recall、f1-score、support以及precision、recall、f1-score的macroavg、weightedavg等可视化决策树模型。支持模型预测与查看：支持自定义选择预测数据，通过选择数据源上传本地数据或者选择系统内置的数据，支持查看预测结果，支持下载预测数据结果。 6.逻辑回归算法功能要求。支持自定义选择表格：支持通过选择数据源上传本地数据或者选择系统内置的数据。模型自定义设置：支持自定义数据模型参数，选择自变量和因变量，设置测试集比例。支持模型建立与查看：支持建模，支持查看训练结果，显示测试集预测结果与真实值对比、并支持导出；显示属性的系数，并进行排名；支持多个评估度量指标对模型进行评价，包括precision、recall、f1-score、、support以及precision、recall、f1-score的macroavg、weightedavg等显示模型的截距、自变量个数和因变量个数。支持模型预测与查看：支持自定义选择预测数据，通过选择数据源上传本地数据或者选择系统内置的数据，支持查看预测结果，支持下载预测数据结果。 7.线性回归算法功能要求。支持自定义选择表格：支持通过选择数据源上传本地数据或者选择系统内置的数据。模型自定义设置：支持自定义数据模型参数，选择自变量和因变量，设置测试集比例。支持模型建立与查看：支持建模，支持查看训练结果，查看线性回归模拟实训图，测试数据预测结果；显示测试集预测结果与真实值对比、并支持导出；显示属性的系数，并进行排名；支持多个评估度量指标对模型进行评价，包括均方误差和R2系数；显示模型的自变量个数和因变量个数。支持模型预测与查看：支持自定义选择预测数据，通过选择数据源上传本地数据或者选择系统内置的数据，支持查看预测结果，支持下载预测数据结果。 8.k-means算法功能要求。支持自定义选择表格：支持通过选择数据源上传本地数据或者选择系统内置的数据。模型自定义设置：支持自定义数据模型参数，选择聚类变量，设置聚类个数范围，支持设置最佳聚类个数。支持模型建立与查看：支持建模，支持查看训练结果，查看聚类样本数，并支持导出聚类结果，可视化聚类结果。支持多个评估度量指标对模型进行评价，包括DBI指数和轮廓系数等。 [链接]。支持自定义选择表格：支持通过选择数据源上传本地数据或者选择系统内置的数据。模型自定义设置：支持自定义数据模型参数，选择自变量。支持模型建立与查看：支持建模，支持查看训练结果，查看时序图，残差检验结果图，模型拟合结果图，支持模型预测与查看：支持填写时间期数，支持查看预测结果，支持下载预测数据结果。 10.皮尔逊相关系数功能要求。支持自定义选择表格，支持自定义数据模型参数，选择自变量。支持模型建立与查看：支持建模，支持查看训练结果，显示皮尔逊相关系数结果说明，并支持导出。 11.简单指数平滑法功能要求。支持自定义选择表格，支持自定义数据模型参数，选择自变量，填写平滑系数。支持模型建立与查看：支持建模，支持查看训练结果，显示模型拟合图，模型预测误差表格并支持导出，支持模型预测与查看：支持填写时间期数，支持查看预测结果，支持下载预测数据结果。 12.霍尔特-温特指数法功能要求。支持自定义选择表格，支持自定义数据模型参数，选择自变量。支持模型建立与查看：支持建模，支持查看训练结果，显示模型拟合图，模型预测误差表格并支持导出，支持模型预测与查看：支持填写时间期数，支持查看预测结果，支持下载预测数据结果。 13.霍尔特指数法功能要求。支持自定义选择表格，支持自定义数据模型参数，选择自变量，填写水平平滑系数和趋势平滑系数。支持模型建立与查看：支持建模，支持查看训练结果，显示模型拟合图，模型预测误差表格并支持导出，支持模型预测与查看：支持填写时间期数，支持查看预测结果，支持下载预测数据结果。 三、实训案例和内容要求 1.平台须以Python编程为基石，结合真实商业与商科场景，培养学生数据处理、分析与挖掘的全链路能力。须从Python基础与进阶语法入手，延伸至数据分析、可视化及网络爬虫技术，使学生能够熟练采集并处理不同类型数据源的数据。在此基础上，进行数据挖掘与算法实训，涵盖数据预处理、聚类、分类等关键算法的原理与应用，并借助自主研发的代码编辑器和数据挖掘系统，引导学生轻松构建模型，将理论转化为实践。整个教学体系须设计完善，通过项目化的知识、技能与素养目标，配以思维导图、实战任务、随堂测验及开放式报告，在思维与代码双层面强化学生解决实际问题的能力，形成从基础到高阶、从理论到实战的完整教学闭环，为后续的数据分析、预测与决策奠定坚实基础。 2.实训课程包含但不限于以下内容：Python概述、变量及基本数据类型、运算符及常用语句、函数和类、职工薪酬计算、理财收益计算、模块、包和库、数据分析库、数据可视化库、销售业绩统计、销售收入分析与可视化、Python爬虫概述、Requests请求库、XPath入门、静态网页抓取、排行榜数据抓取、动态网页抓取、股票行情抓取、数据挖掘概述、数据预处理、初识聚类、聚类-k-means算法、客户价值分析、初识回归、回归-线性回归算法、产品价格预测、房屋价格预测。 [链接]：介绍Python的诞生与发展、Python编程语言特点、Python应用方向；运行第一个Python程序使用平台内置编辑器运行程序，Windows终端（命令窗口）通过命令行运行程序；介绍程序、编程语言，程序设计相关概念，包含但不限于学好Python的建议、Python软件配置环境介绍（包括但不限于anaconda安装以及Jupyter的启动和运行）、VsCode下载安装使用说明、Python下载安装说明；设置客观测试题，检验学生学习的效果。 4.变量及基本数据类型实训内容要求：包括但不限于变量赋值、变量的命名、查询数据类型，数字的计算和类型转换、定义与拼接字符串、字符串格式化输出与适用于字符串的方法、列表的基本操作、适用于列表的方法、字典的基础操作、适用于字典的方法、元组的基础操作、适用于元组的方法、让财务数据指标不可变、集合的基础操作、适用于集合的方法、基金持股分析；设置客观测试题，检验学生学习的效果。 5.运算符及常用语句实训内容要求：包括但不限于运算符、input输入语句、print输出语句、条件判断语句（if，if-else，if-elif，if-elif-else，if嵌套）、循环语句（for，while），break，continue，pass语句等的介绍，算术运算符、赋值运算符、比较运算符、逻辑运算符、三目运算符、成员运算符、身份运算符、input输入语句、print输出语句、条件判断语句、for循环语句、while循环语句、循环控制语句等实战任务；设置程序补全测评、客观测试题，检验学生学习的效果。 6.函数和类实训内容要求：包括但不限于介绍函数的分类、函数的组成部分、自定义函数、调用函数、函数的返回值、函数参数、匿名函数、变量的作用域，介绍三大特性、如何定义类、理解类、类属性的定义和调用、类的实例属性的定义和调用、类的实例方法的定义和调用、类方法、从内部外部修改增加类属性、类的继承、类的多态；配套自定义函数、函数间的调用、自定义类、类的继承和多态等实战任务；设置程序补全测评、客观测试题，检验学生学习的效果。 7.职工薪酬计算实训内容要求：通过引入公司薪资案例背景，进行员工应发与实发工资（数值型的加、减运算，控制输出浮点数的小数位位数）、员工工资抹零处理（整形与浮点型的相互转换，占位符格式输出方法）、计算绩效工资(format的使用）、计算个人所得税（if语句的嵌套）、计算以及查询员工福利等实战任务；设置程序补全测评、分析总结报告，检验学生学习的效果。 8.理财收益计算实训内容要求：通过引入案例公司财务部信息背景，进行计算单利利息、计算单利本利和（return语句使用，函数参数的传递，匿名函数）、计算理财投资额，优选理财方案（函数的调用，global将局部变量修改为全局变量，eval函数，round函数，input语句，f-string格式化输出）等实战任务；设置程序补全测评、分析总结报告，检验学生学习的效果。 9.模块、包和库实训内容要求：通过模块、包、库介绍Python程序在文件层面由小到大的构成，进行模块的编写和使用、包的编写和使用、标准库和第三方库的使用（time，glob）等实战任务；设置客观测试题，检验学生学习的效果。 10.数据分析库实训内容要求：通过Pandas库概述（pandas由来和应用领域，两种数据结构DataFrame，Series）、Pandas常用操作（安装和导入，查询数据，选取数据，NaN替换，行列计算、删除，字符清洗，数据类型查看和转换，多表合并merge、concat、append，索引方式总结等）、特点及读写方法（csv、JSON、EXCEL、SQL等格式的读写方法），进行Pandas数据读取及处理、Pandas数据计算等实战任务；设置客观测试题，检验学生学习的效果。 11.数据可视化库实训内容要求：通过介绍Matplotlib库和Pyecharts库，进行Matplotlib库绘制折线统计图（单折线、双折线）、绘制柱形统计图（基本柱形图、堆叠柱形图、横向柱形图、双柱图）、绘制饼图，Pyecharts库绘制表格、绘制散点图、绘制折线图、绘制柱形图、绘制含滑块柱形图、绘制饼图、绘制雷达图、绘制水球图、绘制词云图、绘制关系图、绘制地图、绘制工具箱、绘制标记点和标记线；可视化大屏中绘制包括朴素版和优化后的精美版（使用国家统计局数据绘制经济民生主题的可视化大屏，包含横向柱图、堆叠柱图、三柱图，中国地图，双折线图，雷达图，饼图和词云图）等实战任务；设置客观测试题，检验学生学习的效果。 12.销售业绩统计实训内容要求：通过引入销售统计表案例背景，进行统计不同区域的销售数据、统计不同子类的销售量数据、csv文件批量汇总统计（两种方法实现多个csv表格数据求和并保存结果，一种方法是指定文件名，另一种方法模糊匹配文件名）、设置csv文件转Excel文件、读写Excel文件、批量汇总统计Excel文件等实战任务，设置程序补全测评、分析总结报告，检验学生学习的效果。 13.销售收入分析与可视化实训内容要求：通过引入数据分析与可视化案例背景，讲解销售数据可视化，进行销售收入趋势分析、销售收入变动分析、销售收入占比分析、分析变化趋势与动因、使用Pyecharts绘制数据可视化大屏多个任务（包含销售收入对比折线图，并行的柱图和折线图，各季节销售收入环形图，月份销售收入玫瑰图，数据可视化大屏绘制）等实战任务；设置程序补全测评、分析总结报告，检验学生学习的效果。 [链接]：介绍网络爬虫相关法律法规、基本概念、组成与类型、功能；介绍网页的组成、结构，节点树与节点的关系，设置编写简单的HTML的任务，了解网页；介绍网页链接与超文本，HTTP与HTTPS，网络请求与响应；介绍网页的渲染和访问状态，使学生对网络爬虫有基本的认识。 [链接]：介绍Requests库，安装方法（pip安装，wheel安装，源码安装，验证安装），请求和响应，常用请求方法（GET请求，POST请求），设置两个请求测试网站[链接]，理解网页请求的各种状态以及获取的响应；介绍Requests上传文件，Cookie获取和维持登录，会话维持，超时设置功能。 [链接]：了解XPath及其常用方法、XPathHelper插件、XPathHelper在浏览器中的安装方法、使用该插件获取HTML元素XPath定位信息的方法；结合Requests库中请求方法的应用获取响应，并解析HTML网页中的目标信息。 17.静态网页抓取实训内容要求：通过静态网页概述了解静态网页，设置网页链接，观察判断是否为静态网页；通过介绍抓取静态网页一般流程，讲解分析过程与代码编写的过程，介绍解析HTML常用的库；了解静态网页的抓取流程、方法及常用库，并熟练运用。 18.排行榜数据抓取实训内容要求：介绍排行榜定义、效应、价值，通过使用解析HTML获取排行榜信息，进行单页榜单的抓取、多页榜单的抓取、信息聚合抓取（列表页与详情页信息的聚合抓取）等实战任务。 19.动态网页抓取实训内容要求：了解动态网页，设置网页链接，观察判断是否为动态网页；介绍抓取动态网页的一般流程，分析过程与编写代码，抓取动态网页常用库；使用Ajax技术传递JSON数据的动态网页，熟练运用此分析思路和方法。 20.股票行情抓取实训内容要求：介绍上市公司定义、上市公司股票、量化交易等，结合业务场景介绍抓取上市公司股票行情的任务；了解Ajax异步加载JSON数据，抓包找到目标数据；通过解析JSON数据来获取网页信息，编写代码抓取动态网页的JSON数据存入csv文件。 21.数据挖掘概述实训内容要求：通过思维导图快速了解数据挖掘相关概念，包括但不限于数据挖掘概念、数据挖掘分类及过程、数据挖掘研究内容及功能、数据挖掘算法应用、数据挖掘应用领域、数据挖掘面临的挑战等内容。 22.数据预处理实训内容要求：通过思维导图了解项目的整体结构，根据项目情景了解企业所面临的问题以及可能的解决方案，通过浏览分析项目数据了解问题的根本原因，制定更加精确和有效的解决方案。介绍数据预处理的常规操作，数据清理的实操包含但不限于删除为空的数据、特殊值替代空值、中位数替换空值、平均值替换空值等内容；数据集成的实操包含但不限于纵向合并数据、横向合并数据等内容；数据变换与离散化的实操包含但不限于标签编码、对数变换、小数定标规范化、最大最小规范化、z-score变换等内容；数据规约的实操包含但不限于数据抽样、PCA降维等内容。设置课后作业，提供案例说明和案例数据，并设置对应的任务供学生练习。 23.聚类实训内容要求：通过思维导图快速了解聚类的基础知识，包括但不限于聚类的应用，聚类的概念，总结聚类的流程，聚类的评价指标，轮廓系数和DBI指数，DBSCAN算法、k-means算法简介等内容。

24. 聚类-k-means算法实训内容要求：通过思维导图了解k-means算法的基础知识，包括但不限于k-means的概念，k-means的原理，k-means的步骤，聚类个数的确定。运用k-means实现客户聚类过程等内容。

25. 客户价值分析实训内容要求：通过思维导图了解项目的整体结构，根据项目情景，了解企业所面临的问题以及可能的解决方案。通过浏览分析项目数据，了解问题的根本原因，制定更加精确和有效的解决方案；基于航空客户价值应用场景，利用k-means算法，使用挖掘系统和代码编辑器两种方式完成客户价值分析的全流程操作，包括但不限于利用Python对项目数据的质量进行探索，发现数据的问题，通过数据预处理方法和Python解决重复值、缺失值的问题，提高算法的准确度，并对数据进行标准化；引入k-means算法、客户价值分析LRFMC模型，利用数据挖掘系统和Python，对航空客户数据进行分类，通过柱状图可视化每类群体的数量，通过雷达图分析每类群体的价值。对数据结果进行分析，最后根据报告模板完成项目报告；提供课后作业，供学生练习使用。

26. 回归实训内容要求：通过思维导图快速了解回归的基础知识，包括但不限于回归的概念，回归的应用，回归的流程，回归的评价指标，均方误差和R2系数，线性回归算法、回归树算法和神经网络算法等内容。

27. 回归-线性回归算法实训内容要求：通过思维导图了解线性回归算法的基础知识，包括但不限于线性回归的概念，一元线性回归和多元线性回归，梯度下降法，线性回归求解模型的步骤，运用线性回归实现公司产品价格影响因素分析等内容。 28.产品价格预测实训内容要求：通过思维导图，了解项目的整体结构。根据项目情景，了解企业所面临的问题以及可能的解决方案；通过浏览分析项目数据，了解问题的根本原因，制定更加精确和有效的解决方案；基于产品价格应用场景，利用线性回归算法，使用挖掘系统和代码编辑器两种方式完成产品价格预测的全流程操作；利用Python对项目数据的质量进行探索，发现数据的问题，通过数据预处理方法和Python解决重复值、缺失值的问题，引入皮尔逊相关系数，通过回归图和热力图研究变量之间的关系，引入线性回归算法，利用数据挖掘系统和Python，根据产品价格数据建立产品价格模型，预测下期产品的销售价格；对数据结果进行分析，根据报告模板完成实训项目。

28. 房屋价格预测实训内容要求：通过思维导图，了解项目的整体结构。根据项目情景，了解企业所面临的问题以及可能的解决方案；通过浏览分析项目数据，了解问题的根本原因，制定更加精确和有效的解决方案；基于房屋价格应用场景，利用线性回归算法，使用挖掘系统和代码编辑器两种方式完成房屋价格预测的全流程操作，包括但不限于项目数据介绍、数据质量分析，利用Python对项目数据的质量进行探索，发现数据的问题，通过数据预处理方法和Python解决重复值、缺失值、文本编码的问题，引入皮尔逊相关系数，通过回归图、柱状图和热力图研究变量之间的关系，引入线性回归算法，利用数据挖掘系统和Python，根据房屋价格数据建立房屋价格模型，对房屋的价格进行预测，对数据结果进行分析，根据报告模板完成项目报告，提供课后作业，供学生练习使用。 30.拓展资料中不少于35个常用网站链接，包含Python官方网站、Anaconda官方网站、VSCode官方网站、Pandas官方网站、Numpy官方网站、Matplotlib官方网站、Pyecharts官方网站、Pyecharts画廊官方网站、Requests库的GitHub地址、Requests库官方文档、Requests库官方中文文档等。

四、平台整体并发数不少于100站点，无账户数量限制。

2

财务数字化实践教学平台及服务

1套

一、总体要求 ▲1.平台须包括业务系统-会计信息系统（财务链、供应链、共享服务模块）、业务系统-rpa设计器、包括智能bi系统、包括数据清洗工具、数据挖掘工具、数据中心、仿真电子税务局；支持以企业真实工作场景”为背景，以企业真实的业财信息系统、财务数字化工具、智能RPA工具为操作平台，以企业真实单据为考核数据，考核业财税资共享业务处理能力、考核大数据采集、数据清洗、数据挖掘及可视化数据分析及呈现能力、考核根据内外部数据进行流程优化能力、考核智能rpa机器人设计开发及应用能力。 2.平台包括但不限于赛务模块、答题模块、评分模块、业财信息化模块、财务数字化模块。各模块主要功能要求如下：（1）赛务模块：主要功能包括参赛人员信息管理、试卷管理、竞赛过程管理和成绩管理，可通过数字化大屏实时监控学生答题情况，动态观察学生竞赛成绩。（2）答题模块：主要功能包括答题模块、甄别模块，学生在平台上可以直接进入企业会计信息系统中进行进行会计信息基础档案管理、业财融合信息化业务处理、业财税资共享业务处理、财务报表编制及大数据财务业务分析，进入财务数字化系统利用财务大数据工具进行数据采集、处理、挖掘、可视化与分析，辅助企业核心财务业务决策并进行可视化呈现；结合财务业务场景利用财务数字化工具完成业财一体流程设计、财务RPA机器人的设计、开发与自动化执行。（3）评分模块：针对不同类型的试题，进行结果甄别及业务系统的过程甄别、结果甄别，系统可以自动评判、自动进行成绩采集、显示错误详情，进行成绩可视化呈现等。（4）业财信息化模块：主要为会计信息系统；（5）财务数字化模块：主要包括智能BI系统、代码编辑器、RPA设计器、数据清洗工具、数据挖掘工具、数据中心。

3.平台整体并发数不少于100站点，无账户数量限制。 二、系统管理端功能要求 系统管理，主要包括维护考赛管理员、场次管理员、监考员功能，维护不同管理员考赛类型功能，导入删除试卷功能，查看在线考生及强制下线功能； 1.新建考赛管理员：支持通过给考赛管理员授权考赛类型，实现针对不同院系、不同专业的考试或比赛进行集中或独立管理。 2.考赛管理员管理：支持修改、删除考赛管理员，支持修改考赛管理员的考赛类型及其他信息。 3.赛事界面定制：支持根据不同的赛事维护赛事平台名称，上传赛事logo。 4.账号管理：支持除考赛管理员之外的管理账号，具体有：场次管理员、监考员、大屏人员；支持为以上管理类账号授权不同考赛类型，且可随时修改授权的考赛类型，实现不同账号管理不同类型考赛的需求，支持对已维护的管理账号启用或停用操作。 5.试卷授权：导入考试、比赛试卷。 授权清理：支持按照考赛类型、比赛模式、场次状态、在线状态、监考员查询考生，可对考生执行强制下线，将违规或违纪学生踢出考试平台。 三、赛务端功能要求 1.支持管理员多场次同时训赛，每个场次管理员可以同时建立多个类型的训赛，每个场次独立进行训赛，并可设置二级监考员、多个实时成绩大屏查看账号，互不影响，支持对每个场次的名称、logo进行个性化设置； 2.支持针对场次模式、时长进行维护，可设置为正式比赛模式及练习模式，以便进行不同模式的训赛； 3.支持从导入的试卷库中选择对应的试卷，以便针对不同考赛类型不同试卷进行训赛，且支持重新选择； 4.支持维护训赛岗位，支持多人多岗共同训赛，支持单人多岗训赛； 5.支持批量导入考生信息功能，可直接使用预置模板快速导入考生信息； 6.支持系统抽签分派台位座位功能；实现系统随机排位之后导出座位号考号密码；同时支持导入已安排好座位功能； 7.支持批量设置考生考号密码功能，可随机密码，可固定默认密码，可使用考号后6位做密码功能； 8.支持组卷功能，支持选择题选项乱序、任务乱序功能； 9.支持自动分配会计信息系统数据源功能，且支持自动分配完成之后手工二次分配功能，实现快速分配手工调整； 10.支持针对每个队伍，自动维护智能bi系统地址、python地址、数据中心地址、国税局地址、数据清洗数据挖掘地址，实现模块化组合安装不同业务系统功能； 11.支持针对全体考生控制功能，可控制是否同时进入场次、同时开始训赛功能，支持针对python环境、智能bi系统环境预加载功能，实现同时开始之前环境初步加载，快速快速训赛；支持随时查看登陆状态，以便能够同时开始比赛； 12.支持针对阶段任务进行锁定解锁功能，实现同一场训赛不同阶段环节训赛； 支持针对单个队伍，进行暂停、恢复、加时、减时功能，针对单个队伍进行强制交卷取消交卷功能，针对单个队伍单个任务进行恢复重做功能；锁定队伍登陆ip地址功能，登陆ip异常提醒功能； 13.支持实时成绩功能，能实时查看每个队伍成绩柱状图功能； 14.支持查询每个队伍每个岗位成绩、实时导出当前成绩excel功能，支持实时将成绩随时推送给学生功能，支持导出场次成绩整体分析功能，支持实时查看每个队伍得分情况、错误情况功能，以便及时了解考生训赛情况； 15.支持能重置考生答题数据、重置场次功能，支持备份训赛数据功能； 四、答题端功能要求 1.场次列表：支持通过考赛类型查找场次，也可通过场次状态筛选场次。 2.环境检测：支持在考试或比赛前对考赛服务及所使用的业务系统进行检测；支持查看其他岗位登录状态及考赛服务和业务系统的检测结果。 3.考赛须知：在开始比赛前，可在考试等待页面查看考试号、考试时长、岗位、及考赛须知。 4.全部任务：支持按阶段查看任务简要说明；支持按任务状态状态查看所有任务；支持通过点击全部任务中具体任务定位至指定任务；支持按阶段查看任务简要说明及业务资源，点击即可查看业务资源；支持按照业务资源名称搜索所需资源；支持按阶段查看任务简要说明及业务考核单据，点击即可查看业务考核单据；支持按照单据名称搜索所需单据；支持按阶段查看任务简要说明及业务背景单据，点击即可查看业务背景单据；支持按照单据名称搜索所需单据；支持按阶段查看任务的业务流程图；练习模式的场次，任务提交后，支持按照阶段查看任务的答案，并将显示错误提示或将错误内容突出显示，支持查看会计信息系统错误操作点、智能bi系统错误操作点、python错误操作点、智能rpa错误代码提示； 5.任务列表：支持按阶段展开或收起任务。 6.阶段公共资源：支持按阶段查看公共资源；支持以新窗口查看公共资源。 7.任务状态：支持查看任务状态，任务未解锁、无本岗任务、任务已完成、本岗未完成、他岗未完成，按任务状态进行答题。 8.业务描述：支持查看任务答题所需业务描述。 9.考核单据：支持查看和切换考核单据；支持Excel单据复制；支持将Excel单据计算结果批量复制回平台；支持其余单据填写、计算及保存；支持将考核单据放大至全屏进行答题；若当前任务无需本岗位填写，则显示业务流程图。 10.答题按钮：支持保存并查看下一步考核单据；支持退回上一步修改答题记录；支持标记任务；支持提交任务进行评分；支持收回任务，修改后重新提交；练习模式场次，任务提交后，可按查看当前任务当前岗位得分情况。 11.倒计时：支持答题过程中随时查看倒计时。 12.交卷：支持按场次管理员设置的交卷岗位进行交卷，点击后出现两次以上弹窗提醒，全部点击确定后，团队内其余岗位均会交卷。 13.业务流程：支持查看当前任务业务流程及业务进度。 14.业务资源：支持查看及切换当前任务业务资源，可放大查看，也可以新页签形式打开查看资源；支持将允许下载的资源下载至本地，便于答题。 15.业务背景：支持查看及切换当前任务业务背景单据，可放大查看，也可以新页签形式打开查看业务背景单据。 ▲16.业务系统：支持接入会计信息系统，通过平台中按钮选择轻量端或者重量端直接登陆会计信息系统；支持一键登陆BI系统；支持接入python系统，通过平台中按钮直接跳转进入代码编辑器；支持接入数据中心，通过平台中按钮直接进入上交所网站；支持接入数据清洗系统，通过平台中按钮直接进入数据清洗系统；支持接入数据算法系统，通过平台中按钮直接进入数据算法系统；支持针对以上业务系统进行环境检测，测试环境是否可正常使用。 17.金融计算器：支持通过金融计算器计算现值、终值、利率转换、年金现值、复利现值、年金终值、复利终值。 成果上传：支持将完成的rpa设计器打包上传到评分模块，进行自动甄别评分。 五、业务系统-会计信息系统主要功能 1.动态建模平台：动态建模平台包含组织建模、流程建模、共享服务建模、应用发布、用户与角色建模。支持共享服务中心动态组织建模。共享服务委托关系设置：学生可以根据案例设计多种财务共享服务中心模式，支持多共享服务中心。学生可根据企业案例和教学项目设计共享服务中心提供服务内容，可以自由设计共享服务中心所处理费用、应收、应付、资产、资金、自有表单等模块的业务范围，并与共享服务教学端进行有效集成和数据对接。学生可根据企业案例自行设计共享服务委托关系，可按照组织、业务多个维度定义委托关系，定义业务组织提交业务单据后，可按业务类型、单据类型、组织、板块等多维度设立任务组和任务池，可配置每个任务池的任务进入规则，系统自动判断规则满足时将报账任务推送到相应的任务池。 2.共享业务流程设计与实现：支持将设计的业财一体化共享流程在实训系统中配置实现，包括费用共享、采购应付共享、销售应收共享、固定资产共享、资金结算共享、税务共享、档案共享、总账报表共享等全面业财融合共享业务。 3.会计平台：可以将各业务单据自动转换成总账凭证、责任凭证、财税凭证，支持按不同报告要求建立多个核算账簿、多准则、多币种、国际化等的应用。 4.共享服务作业平台：学生可以根据共享服务案例设计，将设计的贡献服务中心组织建模方案在实训系统中进行配置，实现共享服务教学端进行无缝集成，便于教学组织；支持创建共享中心，支持设置委托关系、具体业务单位的业务委托给指定的共享中心，支持配置作业组工作，支持配置作业组用户，支持配置提取规则，支持设置任务优先级；支持作业人员提取单据任务，并进行业务处理；支持作业任务超期预警提示；支持根据设置条件进行自动审批，查看智能审批日志，并对异常情况进行人工处理，以及智能审批任务的汇总及明细的查询；支持作业调度；支持作业查询； 5.总账：财务核算系统的核心系统，支持处理从会计凭证编制到财务账簿查询的全部会计处理过程。总账作为财务会计系统的核心，除了支持企业日常基本财务核算工作中常用的凭证管理、往来核销管理、汇兑损益处理、自定义转账、期末处理、常用账簿查询等业务要求外，同时提供有现金流量分析及查询、账簿间财务折算、各财务组织间的内部交易对账与内部交易协同等特殊业务功能。总账系统使用时以财务核算账簿为主组织，因此可按不同账簿分别灵活设置其业务流程。 6.应收管理：支持处理企业所有债权业务及相关管理工作，应收账款确认可通过业务财务一体化自动生成会计凭证。支持应收核销：自动、手动核销，支持同币种、异币种核销，录入业务单据过程中即时核销。 7.应付管理：支持处理企业所有债务业务及相关管理工作，应付账款确认可通过业务财务一体化自动生成会计凭证。支持应付核销：自动、手动核销。支持同币种、异币种核销。支持录入业务单据过程中即时核销。 8.费用报销：费用管理用于帮助企业实现员工基于互联网进行费用报销，帮助企业处理所有日常费用报销业务，并提供更多的查询统计报告。 9.存货核算：反映企业物料的成本信息。支持接收各业务系统的数据，如：采购入库单、销售出库单、和其他出入库单等。存货核算系统同时也支持自制出入库调整单来反映企业物料的成本信息。支持移动平均、全月平均等计价方式来核算物料成本，支持计算企业物料的收发成本并提供相应的账表查询。 10.财务报表：支持报表数据手工录入和自动计算，提供为满足教学设计案例企业的内部管理和外部监管上报要求的各种报表进行审核、汇总的服务，提供报表数据的报送管理服务，提供计划任务对报表数据进行自动批量计算。 11.采购管理:支持采购订单、采购入库、采购发票、采购结算与付款的流程管理，支持全流程单据上下游追溯查询的功能，同时提供丰富的采购报表，辅助管理人员进行采购决策。 12.销售管理：以销售订单为核心，支持对销售价格、销售发货、销售发票、销售结算等业务进行综合有效的管理，支持全流程单据上下游追溯查询的功能。 13.库存管理：企业采购、生产、设备运维等日常计划和控制的基础，支持通过对仓库、货位等管理及出入库业务的管理来及时反映各种物料的仓储和流向情况，为企业其他的日常业务活动和财务核算提供依据。并通过必要的库存分析，为企业管理人员提供各类统计分析信息。支持出入库管理、在库管理，以及相关的库存统计和分析。 六、实训案例库 业财信息化会计实务企业案例库，含6套实训案例。

3

智慧金融综合实训平台

1套

一、平台总体技术要求 1、架构设计：平台总体基于领域驱动设计（DDD）理念进行分布式架构设计实现，基于前后端分离和分布式微服务的弹性计算架构实现；后端基于JavaSpringCloud微服务开发框架，前端NodeJS＋React服务化开发；具备业务高内聚低耦合、满足高性能、高并发、高可用、跨平台、跨语言等特点。 2、开放支持：开放API（OpenAPI）支持接入集成，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，使接入更高效。 3、开发运维：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、持续部署的研发管理方式敏捷研发。

4.平台整体并发数不少于100站点，无账户数量限制。 二、平台功能要求 （一）大数据可视化系统功能要求 1.数据上传：支持本地数据文件上传到系统中，文件格式包括不限于Excel、CSV等，上传后数据支持追加数据、替换数据；支持数据填报，支持根据业务自定义表单和流程。 2.数据连接：支持连接多种数据源，支持链接的数据库类型包括不限于MySQL、Oracle、SQLServer、JDBC数据库驱动、ODBC数据库驱动等。 3.数据关联：支持对多个数据源，包含企业数据库、填报数据、本地数据的不同表之间设置关联；支持拖拽方式搭建表间关联关系，关联关系包括不限于内关联、左关联、右关联和全关联；支持拖拽方式追加多张表，构建union数据集；支持多表关联时自动和手动对同名字段进行匹配。 4.数据转换加工：支持对数据集进行自定义操作，包含数据的类型指定和转换、数据筛选、字段的自定义分组和自定义添加计算字段。同时支持用户查看表和数据集的关联关系及更新记录，实现数据的溯源。 5.数据物化：支持用户选择实时连接或者物化，若选择物化，则系统定时从各个业务数据库把数据抽取到系统，并按照一定频率进行更新。基于物化创建的嵌套数据集自动更新，若底层数据集更新，则与之相关的上层数据集都依次更新，进而可视化和故事板的数据更新。数据物化支持用户设置物化频率到天、时、分、秒，设置物化开始时间和截止时间。同时显示刷新时间，用户可以自动或者手动去刷新数据。 ▲6.可视化图表制作：内置可视化图表不少于35种图表，只需调用相应的图形组件，即可快速制作出可视化图形，轻松实现数据可视化分析。图表包括但不限于柱状图、阶梯瀑布图、条形图、图案填充条形图、堆叠柱状图、堆叠条形图、条形进度图、饼图、环形图、环形进度图、水波图、玫瑰图、折线图、堆叠区域图、中国地图、省份矢量地图、散点中国地图、世界地图、模拟迁徙图、百度地图、双轴图、速度计（仪表盘）、表格、明细表、指标卡、文本、气泡图、漏斗图、热力图、矩形树图、雷达图、桑基图、和弦图、词云图、时序预测图、回归分析图、子弹图、直方图、甘特图。 7.异常识别：支持辅助线和预警线两种识别数据异常值方式，预警线支持用户设置不少于三层预警级别和预警推送的对象，不同层级对象对于同一个指标可以设置不同的预警规则及短信、邮箱等信息推送媒介。 8.计算字段：支持数值、日期和字符3种计算字段，支持自定义表达式输入。内置函数与变量，字符串函数不少于10种、日期函数不少于7种、数学函数不少于10种。 （二）数据清洗系统功能要求 1.数据清洗流程包括不限于选择数据源、配置全局清洗规则、配置按字段清洗规则和开始清洗步骤。选择数据源支持选择预置数据和上传数据2种方式。查看数据源支持调整预览数据条数和下载数据。 2.全局清洗规则：支持不少于2种字符清理规则、不少于4种字符替换规则，字符替换规则包括不限于-（仅有）替换为Null”、-（仅有）替换为0”、空格（仅有）替换为Null”、空格（仅有）替换为0”。 3.配置按字段清洗规则：支持不少于4种清洗规则，包含不限于字段替换、字段切分、字段合并和缺失值填补；缺失值填补包含不限于均值填补、中位数填补、丢弃空值记录和填补为0。 4.查看清洗结果：支持查看清洗结果数据，支持调整预览数据条数，支持清洗结果数据下载。支持清洗任务重置，即清空清洗流程的所有配置信息。 （三）风控决策系统功能指标 1.风控决策系统是基于真实产业背景的第三方支付风控决策系统构建的虚拟仿真系统，支持团队分角色上岗：（1）小微商户支持上岗完成产品信息申请填写，自主上传交易数据，包含预置交易数据，能够实现交易数据操作接入风控策略接口；（2）服务商支持商户初筛，商户信息批量提交，商户交易数据接入风控；（3）客户经理支持入网策略集、入网策略、入网规则构建，入网信息风控，风控问题商户人工审核，查看风险大盘；（4）风控经理支持风控策略集、风控策略、风控规则、风控指标的构建，进行交易风控，风控问题商户指派，查看风险大盘。 2.风控决策系统预置数据量，包含商户申请信息、商户交易数据、商户转账提现数据、付款方注册绑卡事件数据以及黑名单信息：（1）小微商户包含不少于5类行业商户（包括但不限于餐饮、电子零售、物流运输、商超零售、生活服务）；（2）全部商户100家以上，数据字段60个以上，交易数据20000条以上，注册绑卡数据20000条以上，其他数据1000条以上；（3）包含准入风控及交易风控黑名单种类不少于13种，包括：交易IP地址黑名单、沉默用户名单（近3月无交易用户）、银行卡连续密码输入错误、限制交易商户名单（限额限笔）、高风险地区、风险可疑商户、邮箱黑名单、银行卡支付黑名单、通信商手机号黑名单、反洗钱商户列表、失信被执行人黑名单、IP地址黑名单、设备黑名单。

（四）实训案例和内容要求

包括但不限于以下实训内容： 1.大数据金融概述：提供丰富的教学资源，让学生了解大数据金融的概念、应用、分析方法以及相关技术等。 2.商业银行理财产品分析： ①以某商业银行为背景，支持对商业银行理财产品进行经营分析、客户分析、产品分析以及购买分析。 ②经营分析支持通过代码编辑器对上市银行企业的经营数据采集，支持通过分析工具实现数据关联、经营指标分析、银行网点分布、经营趋势分析、同行业经营情况对比分析。 ③在客户、产品和购买分析中，支持通过分析工具，采用RFM模型、帕累托分析、漏斗模型，实现模型的构建及可视化分析。 ▲3.中小微企业信贷决策： ①以“发票贷”业务作为背景，利用中小微企业相关进项、销项发票数据，从数据理解、构建评价指标、信贷评级完成中小微企业信贷决策。 ②基于进项、销项发票数据，支持从企业规模、经营成果、盈利变化和议价能力等方面构建中小微企业评价指标。 ③利用客观赋值法（熵权法）确认评价指标权重，利用综合评分法模型，准确、高效的挖掘、识别出优质信用公司，进而完成对案例当中的中小微企业进行评级及授信。 4.保险用户画像分析： ①通过设计调查问卷实现对保险用户的数据调研，获取到相关用户信息数据，并提供数据清洗、数据关联实践任务。 ②基于预置的客户投保信息、客户基本信息、车险调查信息数据，通过分析工具，完成客户基本信息分析、客户行为信息分析和可视化看板制作实践任务。 5.保险精准营销： ①数据处理：通过代码编辑器，实现对保险客户信息数据进行处理，包括不限于文本格式转换、数据理解等任务。 ②模型构建：支持通过Python、数据挖掘工具等实现交叉营销模型的构建，实现对保险客户的精准营销分析；互动式课件提供结果分析和交互式选择题。 6.第三方支付风控： ①包含不限于小微商户、服务商、客户经理、风控经理等角色。 ②第三方支付申请及审核提供客户经理构建入网策略、小微商户产品申请、渠道商商户审核。 ③构建风控策略任务包括不限于异常转账、异常提现、盗卡转账、限额限笔、异常支付（快捷支付、异常流失客户支付、突增判断、高频整数交易、异常关联交易）等。 ④提供风险大盘功能，包含不限于各项事件总笔数、通过商户数量、人工审核数量、拒绝商户数量。 7.金融大数据监管合规：提供大数据的金融合规，大数据与金融信息安全相关理论资料，使学生了解金融大数据相关的使用规范，树立金融数据安全合规意识。 （五）管理系统功能要求 1.教师工作台：支持展示教师管理课程与教学班统计指标，包括不限于管理中的课程、进行中教学班、上课学生、已完成教学班和已完成上课学生等指标。 2.课程内容：支持灵活设置教学内容，包括不限于添加项目、删除项目、调整项目顺序，添加删除项目任务等。支持添加或者删除视频、文档、网页链接、富文本、作业、团队成果、随堂测验等内容，更好的个性化教学。 3.学生管理：支持老师批量导入和学生自行加入等方式加入教学班，提供团队管理功能，支持学生分组。 4.拓展资源：支持新增拓展资源，资源格式包括不限于文档、视频和链接；支持拓展资源设置是否允许下载。 5.项目报告：支持个人报告和团队总结两种总结提交方式，并支持分别打分和批量打分；支持查看未提交人数或未提交团队数；支持批量导出学生报告；支持教师退回已提交的报告，学生可重新提交。 6.考核方案：支持自定义教学班考核方案的考核项占比，包括不限于平时成绩、考试成绩、教师主观评分、实践成绩等。支持单独设置随堂测验、视频测验、团队成果、实训总结等考核项明细权重。支持添加考试成绩、实践成绩、教师主观评分下的二级自定义评分项。支持修改考核方案并保存； 7.互动管理：提供弹幕、问答、讨论、笔记等互动管理功能，弹幕功能支持教师依据实际情况设置弹幕的屏蔽词。 8.学生工作台：支持学生加入已配置能力模型的课程后，展示学生当前课程相关的能力掌握情况与能力进阶情况；预测学生的能力情况与岗位能力要求的匹配度；支持学生切换不同岗位/岗位群查看匹配度与职业路径。 9.评价中心：至少提供成绩报告和能力报告，成绩报告包括不限于考勤、随堂测验、作业、团队总结和完成度情况，能力报告包括不限于能力成长、能力排行情况、职业能力成长情况和工作胜任力，能力报告支持下载。 10.通讯录：支持按教学班查看班级内的成员，包括老师与学生；支持与任意班级内的任意成员发起沟通；支持在班级内与多位成员发起群聊。 11.学情统计：可切换教学班分别查看自己所在教学班的学情数据，包括但不限于老师人数、学生人数、班级进度、考勤率、习题正确率、教师评分、成绩。可查看能力成长数据。

4

大数据审计综合实训平台

1套

一、数据挖掘工具功能要求 1.采用任务流式处理设计。默认流程为选择数据源-配置模型-开始建模-选择预测数据-开始预测，采用流式非闭环模式，执行数据挖掘时将严格按照此流程顺序执行。 2.内置机器学习算法库。有监督学习包括：回归分析多元回归算法、逻辑回归算法，分类分析朴素贝叶斯算法、决策树算法，文本分析，无监督学习包括：聚类分析K-Means，降维分析PCA算法。 3.支持学生基于选用的模型进行参数配置和调整。支持添加多个自变量，并可设置按比例随机抽选训练集与测试集。 4.支持在当前页面查看预测结果数据预览，预览数据条数用户可自行调整。 5.支持用户自行下载模型质量数据报告以及预测完成的数据到本地。 二、RPA设计器 1.通过RPA开发能实现对各种应用的自动化，可以在无需改造原有系统的基础上，依据设定的程序完成特定的工作任务，替代繁琐和重复的事务性工作。 2.内置300个以上命令，拥有流程设计、数据操作、图像识别、用户交互、文件操作、Office读写、网络服务、邮件操作、浏览器操作、ERP类操作等插件命令，可使用各种命令组合，便捷高效地设计机器人流程模板。 3.平台无缝集成：通过教学管理平台中的教学任务可直接跳转到RPA设计器登录页面。 4.国产化：中国自主品牌的RPA开发软件，符合信创国产化趋势。 三、仿真商业平台 1.仿真E函证平台：支持案例企业通过区块链函证平台创建项目，导入函证数据，生成电子询证函，对询证函进行电子签章，发送询证函，获取回函，查看区块链溯源信息。 2.仿真API商城：提供本平台仿真国家企业信用公示系统和仿真物流查询系统信息的API调用接口，可通过Python代码实现信息获取。 3.仿真查企业平台：支持对案例企业及其客户之间的关联关系筛查，以可视化图形的方式展示，可对图形进行缩放、对节点进行拖拽，可导出图片。 4.仿真国家企业信用公示系统：可查询300多家案例数据所涉及公司的基本信息及其信用情况。 5.仿真物流查询系统：可查询案例企业上千份销售订单的物流信息，包括寄方信息、收方信息、货物信息、物流状态等20多个字段信息，支持RPA访问和API调用相关信息。 ▲6.流程画布：支持学生创建流程画布，绘制业务流程图，输入流程的输入与输出信息，并对流程完整性进行校验，可保存并导出流程画布。 7.资源中心：内置各项目数据源，可进行数据预览。提供可视化主题配色样例、可视化背景板样例，提供国内外主要数据资源网站基本信息，提供常用文本编辑器基本信息。 四、实训案例和内容要求 1.大数据审计分析概述：介绍大数据审计的发展、概念、基本理论，及大数据技术在审计中的典型应用场景。 2.大数据审计分析技术与工具基础知识：介绍大数据审计应用的主要技术与工具，并对SQL、Python、RPA进行简要介绍，包括SQL、Python、RPA的基本语法规则及基本语句。 3.大数据审计分析技术与工具基础练习：通过简单的操作演示及操作练习，使学生快速了解SQL语言、Python语言及RPA常用命令，掌握其基本语法规则及基本语句。 4.大数据审计数据分析基础：介绍大数据审计分析的数据特征、数据来源、数据类型及数据处理流程，数据采集及数据预处理相关知识。 5.文本分析基础：介绍大数据技术中的文本分析技术，包括但不限于介绍文本分析的主要方法、演示如何使用Python中的JIEBA库进行文本分析、介绍文本分析在大数据审计中的实际应用场景。 6.舆情分析：导入项目案例，引导学生基于审计目标，通过业务需求与技术需求的梳理，设计项目执行方案，运用大数据技术得出项目分析结果。结合文本挖掘技术的特点及使用方法，基于案例真实应用场景，介绍非结构化数据的处理，熟悉jieba分词与人工分词的区别，能够对主题分析和语义网络进行结果解读。同时利用文本挖掘法中的词频统计和语义网络结构分析，对股民评论进行分析，梳理案例中股民的观点、意见和态度。使用可视化技术实现舆情分析可视化报告的设计与开发，对外部舆情相关数据进行处理后，进行可视化展现，包括折线图、柱形图、K线图、词云图、热力图及可视化大屏等，依据可视化报告完成舆情报告。 7.聚类分析基础：介绍聚类分析概念及常用距离、常用的聚类分析方法，包括K-means聚类、层次聚类等；介绍聚类分析在审计实务中的应用实现，使学生掌握聚类分析技术的基础知识及审计典型应用场景。 8.风险评估分析程序：应用大数据技术辅助完成被审计单位综合风险评估。通过案例导入，引导学生基于审计目标，进行业务需求与技术需求的梳理，设计项目执行方案，运用大数据技术得出项目分析结果。项目应用聚类算法（K-means算法、层次聚类），利用数据挖掘技术建立模型，快速把财务指标相似的上市公司进行分类，定位被审计单位的可比公司，提高分析效率。通过可视化技术与指标对比分析、趋势分析等分析方法的结合，实现对行业数据、可比公司数据、被审计单位数据的综合分析。 9.社会网络分析基础：介绍社会网络分析的概念及相关的核心概念，如行动者、关联关系、子群、群体等；介绍社会网络分析在注册会计师审计、内部控制审计、国家审计中的应用。 10.风险应对之收入实质性程序：在风险应对实质性程序阶段，应用大数据技术辅助完成收入实质性程序。通过案例导入，引导学生基于审计目标，进行业务需求与技术需求的梳理，设计项目执行方案，运用大数据技术得出项目分析结果。应用数据处理与分析技术及RPA技术，对销售订单详细信息进行全量核查，包括销售政策复核、装运规则复核、物流信息复核等。应用Python调用API接口及RPA技术两种方式，获取第三方物流信息，进行物流信息复核。应用社会网络分析技术对销售存疑客户进行关联关系分析，得出审计结论。 11.自动化技术基础：介绍大数据技术下的自动化实现方式，包括使用RPA、Python和区块链技术；体验基于区块链技术的电子函证平台完成往来函证。介绍自动化技术在审计实务中的应用实现，包括数据的收集与整理、数据的自动化核查、报表的自动化生成。 12.风险应对之应收账款实质性程序：在风险应对实质性程序阶段，应用大数据技术辅助完成应收账款实质性程序。通过案例导入，引导学生基于审计目标，进行业务需求与技术需求的梳理，设计项目执行方案，运用大数据技术辅助完成相关审计工作底稿。应用Python自动化技术及RPA技术，自动生成函证。通过Python调用API接口，获取被函证企业地址信息，自动完成函证地址信息复核。通过Python调用API接口，获取客商工商综合信息，进行全量客商信用风险信息复核。 13.图像技术基础：介绍图像识别技术及图像分析方法，包括文字识别方法、物体识别方法等；介绍通过Python实现图像分析的相关库，使学生掌握图像技术的基础知识。通过实践任务，应用Python完成对图片信息的提取，培养学生在审计实务中应用图像技术解决问题、提升工作效率的能力。 ▲14.智能内控审查：通过案例引导学生基于审计目标，进行业务需求与技术需求的梳理，设计项目执行方案，运用大数据技术辅助完成制度执行情况审计。应用图像定位技术、图片识别技术，检查被审计主体存货盘点制度执行情况，识别未严格执行存货盘点计划的主体。

五、平台整体并发数不少于100站点，无账户数量限制。