大數據時代，數據成為社會和組織的寶貴資產，像工業時代的石油和電力一樣驅動萬物。然而如果石油的雜質太多，電流的電壓不穩，數據的價值豈不是大打折扣，甚至根本不可用、不敢用。因此，數據治理是大數據時代我們用好海量數據的必然選擇。那么，大數據工程師數據治理誤區包括哪些?
誤區一：需求不明確
企業既然請廠商來幫助自己做數據治理，必定是看到了自己的數據存在種種問題。但是做什么，怎么做，做多大的范圍，先做什么后做什么，達到什么樣的目標，業務部門、技術部門、廠商之間如何配合做……有時候CIO還沒有想清楚自己真正想解決的問題。數據治理，難在找到一個切入點。
如果CIO暫時還沒理清楚需求，建議先請廠商幫助自己做一個小型的咨詢項目，通過專業的團隊，大家一起找到切入點。這個咨詢項目工作的重點應該是數據現狀的調研。通過調研數據架構、現有的數據標準和執行情況，數據質量的現狀和痛點，企業目前已經具有的數據治理能力現狀等，摸清楚數據的家底。
在摸清家底的基礎上，由專業的數據治理團隊幫助企業設計切實可行的數據治理路線圖，雙方取得一致的基礎上，按照路線圖來執行數據治理工作。
其實企業很多時候并不是沒需求，只是需求相對比較籠統，模糊不清晰，雙方可以花費一定的時間和精力找到真正目標，磨刀不誤砍柴工，這樣才不至于后續花更多的錢來交學費。
總結：數據治理工作，一定要先摸清楚數據的家底，規劃好路線圖，切忌一上來就搭平臺。
誤區二：數據治理是技術部門的事
在大數據時代，很多組織認識到了數據的價值，也成立了專門的團隊來負責管理數據，有的叫數據管理處，有的叫大數據中心，有的叫數據應用處，名稱不一而足。這些部門往往由技術人員組成，本身的定位也屬于技術部門，它們的共同點是：強技術、弱業務。當數據治理項目需要實施的時候，也是由技術部門來牽頭。技術部門大多是以數據中心或者大數據平臺為出發點，受限于組織范圍，不希望擴大到業務系統，只希望把自已負責的范圍管好。
但數據問題產生的原因，往往是業務>技術。可以說大部分的數據質量問題，都是來自于業務，如：數據來源渠道多，責任不明確，導致同一份數據在不同的信息系統有不同的表述；業務需求不清晰，數據填報不規范或缺失，等等。很多表面上的技術問題，如ETL過程中某代號變更導致數據加工出錯，影響報表中的數據正確性等，在本質上其實還是業務管理的不規范。
在與CIO做數據治理交流的時候，很多CIO認識不到數據質量問題發生的根本原因，只想從技術維度單方面來解決數據問題，這樣的思維方式導致CIO在規劃數據治理的時候，根本沒有考慮到建立一個涵蓋技術組、業務組的強有力的組織架構，能有效執行的制度流程，導致效果大打折扣。
總結：數據治理既是技術部門的事，更是業務部門的事，一定要建立多方共同參與的組織架構和制度流程，數據治理的工作才能真正落實到人，不至于浮在表面。
誤區三：大而全的數據治理
出于投資回報的考慮，企業往往傾向于做一個覆蓋全業務和技術域的、大而全的數據治理項目。從數據的產生，到數據的加工、應用、銷毀、數據的整個生命周期他們希望都能管到。從業務系統、到數據中心、到數據應用，里面的每個數據他們希望都能被納入到數據治理的范圍中來。
但殊不知廣義上的數據治理是一個很大的概念，包括很多內容，想在一個項目里就做完通常是不可能的，而是需要分期分批地實施。如果企業有這種想法，很容易導致最后哪個也做不好，用不起來。所以，需要CIO從中引導，從最核心的系統，最重要的數據開始做數據治理。
怎么引導呢？這里要引入一個眾所周知的概念：二八原則。實際上，二八原則在數據治理中同樣適用：80%的數據業務，其實是靠20%的數據在支撐；同樣的，80%的數據質量問題，其實是由那20%的系統和人產生的。在數據治理的過程中，如果能找出這20%的數據，和這20%的系統和人，毫無疑問，將會起到事半功倍的效果。
但CIO如何說服老板以及業務部門，從最重要的數據開始做起呢？這就是我們在誤區一中談到的：在沒有摸清楚數據的家底之前，切忌貿然動手開始做。通過調研、分析、找出那20%的數據和20%的系統和人。向老板提供真實可靠的分析報告，才有可能打動老板，讓老板以及業務部門接受先從核心系統，核心數據開始做起，再漸漸覆蓋到其他領域。
總結：做數據治理，不要貪大求全，而要從核心系統，重要的數據開始做起。
誤區四：工具是萬 能的
有些企業認為，數據治理就是花一些錢，買一些工具，認為工具就是一個過濾器，過濾器做好了，數據從中間一過，就沒問題了。結果是：一方面功能越做越多，另一方面實際上線后，功能復雜，部門職員不愿意用。
其實上面的想法是一種簡單化的思維，數據治理本身包含很多的內容，組織架構、制度流程、成熟工具、現場實施和運維，這四項缺一不可，工具只是其中一部分內容。大家在做數據治理最容易忽視的就是組織架構和人員配置，但實際上所有的活動流程、制度規范都需要人來執行、落實和推動，沒有對人員的安排，后續工作很難得到保障。
一方面治理推廣工作沒人做，流程能否堅持執行得不到保障。另一方面沒有相關的數據治理培訓，導致大家對數據治理的工作不重視，認為與我無關，從而導致整個數據治理項目注定會失敗。
建議企業在做數據治理的時候將組織架構放在第一位，有組織的存在，就會有人思考這方面的工作，思考怎么去推動，持續把事情做好，以人為中心的數據治理工作，才更容易推廣落地。
有一位國外的數據治理專家說得好，Data is of people; Data behaves what people behave。翻譯過來就是：數據治理是對人的行為的治理。對于組織而言，無論是企業還是政府，數據治理實質上是一項覆蓋全員的、有關數據的“變革管理”，會涉及到組織架構，管理流程的變革。
當然，這是一種理想的狀態。在金融業和一些大的企業，可能會建立專門的組織來負責數據治理工作，但是某些政府和中小型企業，他們出于成本的考慮，往往沒有這方面的預算。這種時候就需要折中考慮，讓已有崗位上的人，兼職負責數據治理的某個流程或功能。這樣會加大現有崗位人員的工作負擔，但是不失為一種折中的方式，重點是要責任到人。現場的實施和運維也非常重要，盡管數據治理有向自動化的方向發展的趨勢，但是到目前為止，數據治理更多還是一種服務工作，而不僅僅是一套產品。
總結：記住，做數據治理不是去逛逛 mall，選幾樣稱心應手的工具回來就萬事大吉了。開展好數據治理不能迷信工具，組織架構、制度流程、現場的實施和運維也非常重要，缺一不可。
誤區五：數據標準難落地
很多企業一說到數據治理，馬上就說我們有很多數據標準，但是這些標準卻統統沒有落地。因此，企業要先做數據標準的落地。數據標準真正落地了，數據質量自然就好了。
但這種說法其實混淆了數據標準和數據標準化。首先要明白一個道理：數據標準是一定要做的，但是數據標準化，也就是數據標準的落地，則需要分情況實施。
要做數據標準，我們首先需要全面梳理數據標準。而數據標準的全面梳理，范圍很大，包括國家標準、行業標準、組織內部的標準等等，需要花費很大的精力，甚至都可以單獨立一個項目來做。所以，CIO務必要讓老板看到梳理數據標準的廣度和難度。
其次，就算是花很大精力梳理，也很難看到效果，結果往往是老板只看到了一堆Word和Excel文檔，時間一長，誰也不會再去關心這些陳舊的文檔。這是最普遍的問題。
這也就形成了：在金融業，或者像國家安全等一些特殊行業，數據標準的執行力度較好，而在政府和普通企業，數據標準基本上就是一種擺設。
造成這種問題的原因有兩個：
一是企業對數據標準工作的不重視。
二是國內的企業做數據標準，動機往往不是為了做好數據治理，而是應付上級檢查。很多企業都是請咨詢公司，借鑒同行業企業的標準本地化修改而成，一旦咨詢公司撤離，企業本身是沒有數據標準落地的能力的。
但數據標準的落地，也就是數據標準化，其實一定要注意分情況進行，至少要分兩種情形：
一類是已經上線運行的系統，對于這部分信息系統，由于歷史原因，很難進行數據標準的落地。因為改造已有系統，除了成本以外，往往還會帶來不可知的巨大風險。
第二類是對于新上線的系統，是完全可以要求其數據項嚴格按照數據標準落地的。
當然，數據標準是否能順利落地，還與負責數據治理的部門所獲得的權限直接相關，倘若沒有老板的授權和強力支持，你是無論如何無法推動“書同文車同軌”的，要做到這一點，請先確認你背后站著說一不二的秦始皇，或者你本身就是秦始皇。別抱怨，這就是每個做數據治理的團隊面臨的現狀。
總結：數據標準落地難是數據治理中的普遍性問題，實施過程中需要區要分遺留系統和新建系統，分別來執行不同的落地策略。
誤區六：數據質量問題找出來了，然后呢？
辛辛苦苦建立起來平臺，業務和技術人員通力合作，配置好了數據質量的檢核規則，也找出來了一大堆的數據質量問題，然后呢？半年之后、一年之后，同樣的數據質量問題依舊存在。
發生這種問題的根源在于沒有形成數據質量問責的閉環。要做到數據質量問題的問責，首先需要做到數據質量問題的定責。定責的基本原則是：誰生產、誰負責。數據是從誰那里出來的，誰負責處理數據質量問題。
這種閉環不一定非要走線上流程，但是一定要做到每一個問題都有人負責，每一個問題都必須反饋處理方案，處理的效果最 好是能夠形成績效評估，如通過排名的方式，來督促各責任人和責任部門處理數據質量問題。
這其實還是要追溯到我們在誤區二里談到的：要建立組織架構和制度流程，否則數據治理工作中的種種事情，沒有人負責，沒有人去做。
總結：數據質量問題的解決，要形成每一個環節都有確定責任人的閉環機制和反饋機制。
誤區七：好像什么也沒做？
很多數據治理的做了很長時間，但老板卻有疑問：數據治理究竟干了些啥？匯報說干了一大堆事情，我怎么什么都看不到？發生這種情況，原因往往有:誤區一所說的，企業的需求不明確；誤區三所說的，做了大而全的數據治理而難以收尾等；但還有一個原因不容忽視，那就是沒有讓老板感知到數據治理的成果。他缺乏對數據治理成果的感知，導致數據治理缺乏存在感。
遇到這種情況，一句“寶寶心里苦，但寶寶不說”是無濟于事的，重要的是讓老板認識到項目的重要價值。在數據治理的項目需求階段，就應該堅持業務價值導向，把數據治理的目的定位在有效地對數據資產進行管理，確保其準確、可信、可感知、可理解、易獲取，為大數據應用和領導決策提供數據支撐。并且在這個過程中，一定要重視并設計數據治理的可視化呈現效果，諸如：
管理了多少元數據，是否應該用數據資產地圖漂亮地展示出來。
管理了多少數據資產、哪些來源、哪些主題，來自于什么數據源，是否應該用數據資產門戶的方式展示出來。
數據資產用什么方式對上層應用提供服務，這些對外服務是如何管控的，誰使用了數據，用了多少數據，是否應該用圖形化的方式進行統計和展現。
建立了多少條清洗數據的規則，清洗了多少類數據，是否應該用圖表展示出來。
發現了多少條問題數據，處理了多少條問題數據，是否應該有一個不斷更新的統計數字來表示。
數據質量問題逐月減少的趨勢，是否應該用趨勢圖展現出來。
數據質量問題根據部門、系統的排名，是否應該加在數據質量報告中，提供給決策層，幫助其他部門進行績效考核。
數據分析、報表等應用，因為數據問題而必須回溯來源和加工過程的次數，是否應該統計逐月下降的趨勢；之前的回溯方式，和現在通過血緣管理更清楚地定位問題數據產生的環節，這兩者之間進行對比，節省了多少時間和精力。
以上這些都是提升數據治理存在感的手段。除了這些之外，時常組織交流和培訓，引導老板認識到數據治理的重要性，讓老板真正認識到數據治理工作對業務的促進作用等。
總結：傳統的數據治理工作不重視效果的呈現，CIO在做數據治理工作，一定要從需求開始，就想辦法讓老板直觀地看到成果。
科研課題申請書普遍存在的40個問題，只要有一個，你的申請書就不可能過關！記住十條原則等
課丨程丨推丨薦
一
選題方面的問題
1. 部分課題選題不夠新穎，問題導向不明，缺乏時代性
新穎的選題一般包括四類：一是尚無人涉足的研究領域或選題；二是學科前沿的理論探討；三是老問題的新研究視角、新材料發掘或新技術、新方法的運用；四是海外新理論、新觀點的引進與推廣。其中第一類最具創新性，屬于開辟新的研究領域或研究方向，甚至是創立新學科的研究項目，具有填補學術空白的價值,申報這樣的課題立項可能性最大。因此，在確立選題前應有針對性地進行文獻查閱和以往立項信息查詢，從而最大限度地避免從事重復性研究。同時，通過文獻查新和信息查詢，還可以了解國內外相關研究領域的研究水平和現階段的研究熱點，這對于確定研究選題與研究方向也是非常有價值的。
2. 概念不準或概念界定模糊；語言學術性不強
比如：XXX意識形態XXX之路XX人員利益沖突問題研究。要研究什么利益？政治利益？經濟利益？還是其他利益？這個選題就沒有詳細的說明。
3. 選題太大，涵蓋內容太多，或時間跨度太大專家感覺研究者無法駕馭
比如：明清XXX群體研究。這個選題時間跨度600年，如果沒有較為扎實的科研能力和豐富的前期成果，申報成功的可能性比較小。
4. 選題太小，涵蓋內容太少；
范圍太小且缺乏特色和深度，被同類課題所包含例如：XXX設計應用研究中原經濟區建設中XXX制度規范管理研究
5. 選題指向不明
比如：XXX制度若干問題研究，“若干”兩字就不規范。
6. 選題上缺少理論嵌入、地域嵌入、領域嵌入，不能體現申報者的比較優勢。
7. 選題缺少前期成果支撐
8. 選題意義
（1）對課題意義強調過分，沒選中的項目中有1/5的都強調諸如填補空白、在國內獨創等；
（2）意義過于宏觀，究竟有什么意義，看不出來；
（3）意義過于龐雜，僅意義一項就寫了1-2千字。因此，最重要的或者比較好的做法是對意義有具體說明，如在理論上或在實踐上究竟有什么意義，或對國家經濟發展有什么貢獻等。
二
研究現狀方面的問題
9. 對國內外研究現狀幾乎沒有述評；
研究現狀缺少綜、梳、述、評；簡單羅列文獻，缺少觀點梳理簡單羅列，重要學術流派和觀點把握不到位，不全面，對與本課題相關的國內外研究成果缺乏全面準確深入和簡明扼要的清理與總結。
10. 研究現狀述評不對題，不全面，
不是述評前人的研究狀況，而是介紹有關名詞概念；述評前人研究狀況時過于籠統，沒有實質性研究，或僅羅列了某些書，沒有闡述其觀點與申請者本人的觀點有何不同，從而體現其研究的重要性；
11. 內容安排不合理
要按照課題結構和內容要求撰寫，各個板塊要合理布局，分配字數。不要超過字數，也不要過少的字數。比如，要求7000字，你的申請書僅概念闡述就4000字，這就是結構不合理了。
12. 文字不夠準確、精煉，表述清楚、明白。
最重要的或者比較好的做法是對國內外同領域中的代表作都能提及，對其觀點都有述評。學術研究主要包括學術積累與學術創新。要進行學術創新，做好學術積累工作是基礎。所謂學術積累，就是要把握本課題在國內外學術界研究的最新進展和所達到的水平，要對相關的研究成果及其得失進行全面、準確、深入、具體和簡明的清理與總結以及評價。只有這樣，才能使你的課題論證達到高于國內外學術界所研究的水平，也說明你確實下了一番工夫。如果你的課題論證報告低于國內外學術界研究所達到的學術水平，你的課題被淘汰的可能性就很大。全面，體現為全面掌握國內外學術界研究的概況、進展和水平，對具有代表性的成果有所了解，即“誰在研究——研究什么——怎樣研究——何種成果——研究得失”；準確，表現為評價符合事實，恰如其分；深入，體現為能抓住問題的癥結和實質；具體，體現為提供的信息（如數字、論著等）比較具體；簡明，體現為表述具有概括性、簡潔性和明晰性。
三
研究內容方面的問題
13. 有的提出研究設想，但沒有提出研究觀點；
14. 有的寫上了整本書的框架，關鍵在于通過主要內容體現申請者的主要觀點；
15. 有的主要觀點缺位，以研究思路與方法代替觀點；
16 有的主要觀點不鮮明，只是一般的論述，沒有吸引人眼球的地方；
17. 研究內容過于龐大，主要觀點根本無法表達。
18. 定位不準；基礎研究？還是應用研究？
基礎性研究，應主要在開拓性和原創性上下工夫；如果是應用研究，應在針對性、實證性和對策性上下工夫，應具有全局性、戰略性和前瞻性；如果是綜合研究，應在學科交叉研究上下工夫。否則，你的整個課題的論證就可能會出現思路不清晰、用力不到位。
19. 問題不明晰；
沒有弄清課題身著重分析和解決的問題、尤其是重點、難點問題，缺少分析和解決問題的課題論證；研究任何一個課題，都要分析和解決問題，所以，申報人應具有鮮明的“問題意識”，整個課題論證的重點應放在所要分析和解決的幾個問題上來。
20. 研究方法不具體，簡單羅列，沒有針對性，不能確定自己究竟要用哪種方法。
比如，綜合研究法，交叉研究法；要明確提出適合于本課題本身的研究方法。研究方法取決于研究對象或研究課題的本性，不同的研究對象和研究課題，其研究方法是不一樣的。因此，在進行課題論證時，不能僅僅提出要以馬克思主義為指導，還應提出研究本課題所要運用的具體方法。否則，評審專家認為你不懂學術規范。比如，文獻學方法、歷史辯證法法、科學和價值統一方法，就很重要。
21. 研究角度缺乏創新，缺少自己獨到的見解；
22. 課題缺少核心觀點且創新性、當下性不足；
一個課題最重要的，就是要在學術積累的基礎上進行學術創新。學術創新首先體現在學術觀點的創新。要達到學術觀點的創新，同時必須研究新問題，使用新方法，運用新材料，進行新論證。由此，在進行課題論證時，要用一定的篇幅充分說明其研究成果的創新價值——新領域、新問題、新方法、新材料、新觀點、新推進、新突破和新論證。
23. 論證不充分
三言兩語或寥寥幾百字，內容詳略安排不合理，頭重腳輕，難點重點歸納不準，創新點概念含糊。研究框架不合理，流程圖編制缺少科學性，規范性不足、邏輯不清，重點不突出，層次安排不合理；
24. 口語化的表述習慣，學術規范性不強
缺少學術語言，學術含量，語句不通順，文字不流暢，表述不精當。甚至有別字，白字；
25. 研究內容太多
5-6條甚至7-8條，一般2-4條比較好。研究內容表述不清晰，邏輯性不強；
26.研究內容寫成結項報告，核心內容不突出；
27.研究內容與題目不相關或相關度不高；
參考文獻不具備權威性，層次低，不全面，有疏漏，最新研究成果少，有些參考文獻主題是時間較遠研究專著，甚至教材。國外參考文獻少，或權威性不足，個別老師將自己的論文作為參考文獻。最好要有2015年第一期的相關研究論文；外文資料最好用外文列出。所以，要通過各種有效的辦法來搜集和整理研究資料。如果遺漏一些代表性和權威性參考文獻，評審專家就可能認為你的工作做的不細致、不認真。
四
課題組成員方面的問題
28.課題組成員結構層次不合理
人數太多或人數太少，合作單位超過三個，有些達到六個，地域分布太廣，現實中不易集合共同研究問題。應用研究缺少管理部門，實踐部門人員參與。
29. 有些成員的研究成果與課題不相關，不能支撐課題研究
30. 課題組成員的構成是衡量課題組綜合研究實力、能否順利完成課題研究任務和能否產出高質量研究成果的重要指標。
在以往項目申報過程中就曾發生過申報人員選題較好，課題論證也不錯，但課題組只有申報者一個人，或者成員綜合水平較低而未能通過的情況。最好老中青三結合。應注意滿足以下條件：（1）學歷高、職稱高；（2）在某一問題上有研究、有影響；（3）結構合理（學科結構；知識結構；部門結構：理論工作者；決策工作者；實踐工作者）。注意：青年項目課題組成員年齡也不得超過35周歲。
五
其他問題
31. 前期成果不能支撐課題研究，或與研究課題不相關。
32. 負責人沒有寫清自己具備課題研究的三個條件：
（1）有能力（資質、經驗），有條件（空泛的寫有計算機，有圖書館，有資料），在研項目多很難保證有時間。
（2）有比較優勢（地域、行業）。
（3）在課題涉及領域的研究實力和地位。
33. 經費預算不合理，例如調研費過高，年度支出不合理，或申報經費過少或過多。
34. 格式不規范，字體不統一，裝訂不規范，
35. 個別成員超項
36. 為與相關課題組成員溝通，超項，在讀博士申報需要導師批準。
37. 學科歸屬不當或有偏差
所申報的選題不在資助學科范圍內或選題的主體部分不在該學科范圍內。
38. 對創新點和特色凝練不夠，表述不準確
39. 申報書中存在錯別字等低級錯誤
這是申報材料中的大忌，如描述非第三人稱事物時用了“他們”（本該是“它們”）等等。從國基金通信評議專家評審反饋意見中，可以發現，許多專家特別在意這種低級錯誤，反映出申請者不認真、嚴謹，直接導致本子被否定。
40.抄襲其他申報書
有些人通過各種渠道獲得了一些申報書，或者是同事的，或者是網絡上的，作為參考可以借鑒學習，但是有些人在申報課題時，認為申報書不查重，反正也沒事的僥幸心理，大面積抄襲別人申報書的內容，甚至“拿來主義”改個題目就直接上交。要知道，評審專家都是領域的大牛，歷年評審的申報書加起來估計可以“繞地球一圈”，你抄襲的申報書，以為別人不知道，說不定評審專家早就已經看過了。一旦“犯到”專家手里，別說基金肯定申報不上，你的學術道德也就完了。
這實在是一篇少走許多學習彎路的好文章，大家可以好好吸取一下前人的經驗。當然，效果如何，也要因人而異
十條原則
1. 先看綜述，后看論著。看綜述搞清概念，看論著掌握方法。
2. 早動手在師兄師姐離開之前學會關鍵技術。
3. 多數文章看摘要，少數文章看全文。掌握了一點查全文的技巧，往往會以搞到全文為樂，以至于沒有時間看文章的內容，更不屑于看摘要。真正有用的全文并不多，過分追求全文是浪費，不可走極端。當然只看摘要也是不對的。
4. 集中時間看文獻。看過總會遺忘。看文獻的時間越分散，浪費時間越多。集中時間看更容易聯系起來，形成整體印象。
5. 做好記錄和標記。復印或打印的文獻，直接用筆標記或批注。pdf 或html 格式的文獻，可以用編輯器標亮或改變文字顏色。這是避免時間浪費的又一重要手段。否則等于沒看。
6. 準備引用的文章要親自看過。轉引造成的以訛傳訛不勝枚舉。
7. 注意文章的參考價值。刊物的影響因子、文章的被引次數能反映文章的參考價值。但要注意引用這篇文章的其它文章是如何評價這篇文章的：支持還是反對，補充還是糾錯。
8. 交流是最好的老師。做實驗遇到困難是家常便飯。你的第一反應是什么？反復嘗試？放棄？看書？這些做法都有道理，但首先應該想到的是交流。對有身份的人，私下的請教體現你對他的尊重；對同年資的人，公開的討論可以使大家暢所欲言，而且出言謹慎。千萬不能閉門造車。一個實驗折騰半年，后來別人告訴你那是死路，豈不冤大頭？
9. 最高層次的能力是表達能力，再好的工作最終都要靠別人認可。表達能力，體現為寫和說的能力，是需要長期培養的素質。寥寥幾百上千字的標書，可以贏得大筆基金；雖然關系很重要，但寫得太差也不行。有人說，我不學PCR，不學spss，只要學會ppt（）就可以了。此話有一點道理，實驗室的boss 們表面上就是靠一串串ppt行走江湖的。經常有研究生因思維敏捷條例清楚而令人肅然起敬。也經常有研究生不理解"為什么我做了大部分工作而老板卻讓另一個沒怎么干活的人寫了文章？讓他去大會發言？"你沒有看到人家有張口就來的本事嗎？
10. 學好英語，不學二外。如今不論去日本還是歐洲，學術交流早已是英語的天下。你不必為看不懂一篇法語的文章而遺憾，寫那篇文章的人正在為沒學好英語而犯愁。如果英文尚未精通，暫且不要去學二外。
英文文章寫作
1.閱讀10篇文獻，總結100 個常用句型和常用短語。經常復習。注意，文獻作者必須是以英文為母語者，文獻內容要與你的專業有關。這屬于平時看文獻的副產品。
2. 找3-5 篇技術路線和統計方法與你的課題接近的文章，精讀。寫出論文的草稿。要按照標題、作者、摘要、背景、目的、材料、方法、結果、討論、致謝、參考文獻、圖例、圖、表、照片和說明的統一格式來寫。這樣做的好處是從它可以方便地改成任何雜志的格式。
3. 針對論文的每一部分，尤其是某種具體方法、要討論的某一具體方面，各找5-8 篇文獻閱讀，充實完善。這里討論的只涉及英文表達，也只推薦給缺乏英文寫作經驗的人。
4. 找到你想投的雜志的稿約，再找2-3 篇該雜志的article，按它的格式改寫。注意，每次改寫都要先另存為不同的文件名，以免出了問題不能恢復。
文獻管理
1.下載電子版文獻時（caj，pdf，html），把文章題目粘貼為文件名。注意，文件名不能有特殊符號，要把 / : * ? < > | 以及 換行符刪掉。每次按照同樣的習慣設置文件名，可以防止重復下載。
2.不同主題存入不同文件夾。文件夾的題目要簡短，如：PD，LTP,PKC，NO。
3. 看過的文獻歸入子文件夾，最起碼要把有用的和沒用的分開。
4. 重要文獻根據重要程度在文件名前加001,002，003 編號，然后按名稱排列圖標，最重要的文獻就排在最前了。
5. 復印或打印的文獻，用打孔器打孔，裝入硬質文件夾。
引用文獻的忌諱
1.知而不引。明明借鑒了同行的類似工作，卻故意不引用同行的類似工作，使自己工作看上去"新穎""領先"。實際上審稿的可能就是同行。
2. 斷章取義。故意截取作者試圖否定的部分來烘托自己的觀點。
3.引而不確。沒有認真看原文，引文錯漏。
4. 來源不實。某些字句來源不可靠(比如非正式的或非學術的出版物)，且不注明來源。常見于一些統計數字。
5. 盲目自引。不是為了說明自己的工作與前期工作之間的關系，而是單純為提高自己文章被引用次數而自引。
國內文章水平不高的幾個原因
1.審稿人知識陳舊。年紀大的審稿人查文獻和和上網的能力相當有限，無法核實該研究是否有意義，創新點在那里，方法是否可靠，結果是否可信。但匪夷所思的是他們經常提的審稿意見是"參考文獻不夠新"。
2. 選錯審稿人。雖然一般指定兩名審稿人，但編輯部經常讓不懂分子生物學的人審分子生物學的文章，讓不懂統計的人審統計處理比較復雜的文章。出于愛面子，很少有人提出"我不適合審這篇文章"。
3. 關系文章。有了關系，什么都簡單了。
4.造假。任何人都不愿意成為制度的犧牲品。出不來預期結果就沒法交差。為生存計，為按期畢業計，造吧。
動態的科學
1.科研靠積累。象倫琴發現X 射線那樣憑借一次簡單觀察就得諾貝爾獎的機會越來越少。更多的科研成果來自于實驗室長期積累。最終實至名歸。做科研不要指望一步登天。設計課題不要好高騖遠。基金評審也是這樣。沒有前期積累，獲得資助的可能性小。選導師要想好：你是要白手起家，還是要為人作嫁？
2. 文獻要追蹤。開題時通過查文獻了解的情況，到結題的時候可能有很大不同。實驗過程中要注意追蹤。運氣好，你可以得到更多的線索；運氣不好，發現別人搶先了。據此修正你的實驗。寫論文之前一定要重新查一遍文獻。
3. 記錄要復習。前面的實驗記錄要經常復習。隨著經驗的增加和認識的提高，你會發現最初的判斷未必正確。
寫畢業論文
1.先列提綱。不列提綱，上來就寫，是壞習慣。幾百字沒問題，幾千字勉強，幾萬字就難了。必須列出寫作提綱，再充實完善，以保證思路的連貫和字數的均衡。
2. 平時多寫。及時總結階段性的工作，多寫文章多投稿。到最后階段，把這些文字有機地組合起來，就是一篇很好的畢業論文。
3. 不要羅列所有數據。為了保證畢業論文的分量，研究生往往會觀測較多的指標。但畢業論文并非數據越多越好。一定要舍棄那些與主旨關系不大的數據。否則，要么顯得累贅松散，要么成為破綻。
4. 打印修改。在電腦上直接修改，會遺漏很多錯誤。要盡可能地減少任何錯誤，一定要打印出來修改。
5. 讓別人指出錯誤。自己修改，仍然受個人習慣的局限。錯誤擺在那里，卻熟視無睹。讓別人給你指出錯誤吧，不管他與你是不是同一專業。
怎樣讀文獻
1. 目標：漫無目的則毫無效率，抓不住重點才效率低下。選題之前可能會有一段時間處于迷茫狀態，不知從哪入手。胡亂看了大量文獻，卻不知所以然。在導師的指導下，在同行的啟發下，有些人可以迅速明確目標，有的放矢，入門就從這里開始。即使導師不導，沒有定題，自己也要先設定一個具體的問題看文獻。不管你將來做不做這些東西，總比沒有目標好得多，保證有收獲。科研的一般法則是共通的。
2. 層次：對于一個具體的課題來說，相關文獻分屬于三個層次：研究方向、研究領域、研究課題。看文獻時要分清手上的文獻是屬于哪個層次，這決定你對它要掌握到什么程度。研究方向層次的文獻：一般涉及，基礎知識，學科水準，了解當前重大進展與趨勢，達到專業人員水平；研究領域層次的文獻：了解焦點與熱點，已/正/將進行的課題，達到專家水平；研究課題層次的文獻：要全面，了解歷史、現狀、展望、主要方法、手段，達到No1專家水平。正確分辨文章的層次，才能把精力用到點子上。
3. 形式：廣義的文獻包括可以閱讀的所有出版形式。教科書、專著、會議摘要匯編、期刊、網頁、甚至ppt文件。比如要知道最新進展，最好是查閱期刊；要了解別人的研究動向，最好是參會或看會議論文匯編。不要找錯信息源。
4. 程度：對文獻的熟悉程度不同，閱讀文獻的方式大不相同。新手學習式閱讀，逐字逐句，搞清細節，掌握最基本的知識點。最初的十幾、幾十篇要精讀，精華的幾篇甚至要背誦。老手搜索式閱讀，已熟悉各種研究的常見模式和一般套路，能夠迅速提取關鍵信息，把握思路，經常不按常規順序閱讀。有人看圖說話，有人辨數識字。高手批判式閱讀，一針見血，直指問題所在。實際上沒有一篇論文是無懈可擊的。新手要穩，老手要準，高手要狠。新手、老手、高手的代表人物分別是研究生、導師和審稿人，但認真鉆研的研究生完全可以在3年中實現從新手到高手的嬗變。對自己有清醒的定位，才能選擇正確的閱讀方式。
5. 矛盾：文獻讀的多了，腦子里塞滿了信息。公說公有理，婆說婆有理，反而無所適從？為了解決這個問題，循證醫學劃分臨床試驗證據的等級；同理，我們看文獻也要重視實驗證據的強度。發現矛盾，是第一步；找出異同，是第二步；思考解決，是第三步。從相互矛盾的結論推導中發現矛盾的根源，此時如能跳出圈外，不走思維定勢，從原始的科學問題出發，"無招勝有招"，真正是到達另外一種境界了。何必翻譯外國人的綜述謊稱自己的綜述？何必重復別人做過的實驗謊稱自己的思路？
課程推薦
點擊圖片