发布时间：2022-04-06 06:01:27
序言：写作是分享个人见解和探索未知领域的桥梁，我们为您精选了8篇的互联网数据分析报告样本，期待这些样本能够为您提供丰富的参考和启发，请尽情阅读。
2016年，中国互联网的发展风起云涌、波澜壮阔。人工智能技术引发新革命，席卷全球并改造着各行各业，中国企业在人工智能领域的角色日益重要；《国家网络空间安全战略》，建设网络强国成为国家战略；大数据国家战略加速落地，大数据基础设施建设如火如荼。尤其是工信部近日印发了《大数据产业发展规划（2016-2020年）》，特别提出加快推进大数据产业应用能力，到2020年，大数据相关产品和服务业务收入突破1万亿元，年均复合增长率保持30%左右。
显然，大数据的产业应用能力建设不容忽视。
截至目前，国双已在商业、运营商、政府、新媒体、司法等五条业务线方向取得了优势和突破。
数据洞察
2017年2月28日下午，“关键洞察――国双2017年数据报告会”于在北京召开。
会上，国双除了重磅《2016中国互联网发展报告》外，还展示了基于用户的电商购买、品牌搜索和自媒体评论等行为数据分析提炼而成的定制化报告《数往知来――用户竞争态势分析报告》。另外，还推出了其全新的CMP汽车营销解决方案。
2013年和2016年，国双先后两次被国家知识产权局评为“北京（中关村）审查员实践基地”；2014年和2015年，连续两年发明专利申请量位居中关村前十，并连续入选中关村知识产权领军企业，2016年入选国家知识产权优势企业。
国双联席总裁李峰表示：“国双数据中心自2013年成立以来，每年都会中国互联网发展报告，揭示中国互联网用户行为发展态势和趋势。迄今为止，国双已经连续五年这一主题报告。”一直以来，国双“专注数据，创造价值”，在数往知来的趋势中，洞察关键动向。他们协助企业主从海量数据中，找到关键数据，形成决策依据。
国双数据中心基于独有的交互式数据挖掘平台，全方位采集Web端、移动端等源头的海量数据，运用多维度数据剖析方法，打造了《2016中国互联网发展报告》（以下简称《报告》），从全网概况、访问特征、渠道分析、行业视角等四个方面，以女装、IP影视剧植入、汽车、美妆等四个行业领域为典型案例，多维透视解读了2016年中国互联网的发展大势。
会上，国双数据中心总监徐瑛对《报告》进行了解读，指出2014年以来手机端访问量增长率呈逐年上升的趋势。2016年手机端访问量较去年再创新高，全年增长率由7.4%上升至20.4%；与此同时，PC端访问量增长率逐年下降，由-7.9%跌至-19.2%。而访问终端方面，来自于国产手机品牌华为的访问量超越三星位居第二位，与苹果的差距进一步缩小。
网民每日上网时间分布方面的统计显示，在PC端，人们的活跃时间依然呈现出双峰“马鞍”状的分布，即最高峰出现在早10时，下午15时；但是在移动端，访问的高峰期出现在夜间的21时左右，对于新媒体内容营销运营者来说，要掌握消费者上线访问的时间点，非常关键。
在IP影视剧的植入方面，2016年饮料、食品、美妆等行业较多品牌选择IP影视剧植入，其次是手机、零售、汽车等。就单一品牌来看，OPPO、三只松鼠等植入更多IP影视剧。康师傅及百度地图因分别植入《青云志》及《从你的全世界路过》等IP电视剧获得较高关注，收获了很好的品牌效益。
而在汽车行业方面，2016年人们对汽车行业的关注度呈上升趋势。紧凑型车关注度占比45.9%，位居第一位；SUV关注度占比达19.2%，超越中型车，成为本年热议的细分市场。紧凑型车在经历4月、10月的两个关注高峰后，均出现平缓回落趋势，SUV关注度则成波动式爬升，表明近年来兴起的SUV热还在持续燃烧。
数据解读
本次会上，国双产品市场总监张桐介绍了国双为客户推出的系列定制化报告《数往知来――用户竞争态势分析报告》（以下简称《竞争态势报告》）。《竞争态势报告》基于用户的电商购买行为数据、品牌搜索行为数据和自媒体评论行为数据，去量化分析品牌搜索竞争格局、品牌电商竞争格局和品牌口碑竞争格局，帮助品牌主实现清晰化运营、优化营销内容和指导媒介投放。
在市场瞬息万变的今天，对于企业来说，时刻关注竞争对手变得尤为重要，而大数据带来了更大范围的竞品监测，更高效率的情报反馈，更有效的横向对比。国双“数往知来”系列报告是以竞品情报为核心的报告体系，通过追踪每个用户的搜索行为，购买行为和评论行为，深度刻画用户竞争格局，找出用户的品牌筛选因素、购买决策因素和二次传播因素，从而帮助品牌实现清晰化运营，量化指导营销内容决策和投放媒体的选择。会上所展示的用户竞争态势分析报告，通过动态可视化的数据分析呈现，让企业主可以很直观捕捉数据分析结果，快速调整营销策略。
数据支撑
近年来，中国汽车销量增速放缓，市场趋于饱和，竞争加剧。数据显示，77%的购车者从萌生购车想法到成交提车只花了不足90天时间，购买决策窗口期更短。而在比较筛选阶段，高达61%的消费者改变了他们原有的车型偏好，消费者更加善变。这些都为汽车企业带来了严峻的挑战，预示着车企需要在研发、制造、营销、售后等从上下游产业链环节，随时掌握消费者需求变化，灵活应变调整，才能在竞争中稳步发展，立于不败之地。
关键词：互联网+时代；管理会计；必要性；现状；发展
一、互联网+时代下进行管理会计发展研究的必要性
随着互联网+的不断发展，现代管理会计技术与互联网技术也在进行着不断的融合与发展，在实际运用过程中，传统的管理会计在逐步引入现代化信息手段的同时已经得到了逐步的发展。与此同时，伴随着现代社会经济的发展，在处理海量的数据信息时，传统的管理会计模式显然已经不能很好的满足其所需的技术需求，因此对先进互联网技术的引用，使用互联网处理技术必然会在未来的管理会计发展中得到很大的应用与发展空间。除此之外，通过对有关文件数据资料的查询我们也可以发现，西方发达国家对有关互联网+背景下的管理会计学定义已经给出了其基本定义，即通过将管理会计学与现代互联网有机融合在一起的方式，通过利用互联网所具备的高效的数据处理、传输能力，实现高效促进管理会计效率提升的目的。因此，通过其基本定义我们也可以看出在互联网+背景下发展管理会计研究的重要性与必要性。
二、互联网+时代背景下管理会计研究现状
首先，在将互联网技术运用到管理会计领域过程中，融合的管理会计手段仍需要与企业的财务管理情况进行进一步的统一设计。换句话说，面对瞬息万变的社会环境和经济发展形势，在进行互联网+背景的管理会计研究进程中，所运用的管理会计方法也要相应的变换，在设计上要实现动态性。另外，在互联网+时代背景下开展管理会计研究时还要对管理会计过程中涉及到的信息真实性加以辨别与核实。
其次，在进行互联网+时代背景下管理会计研究的过程中，由于大量先进互联网技术的引进，使得管理会计中原本简单化的操作变得比传统的管理会计模式还要复杂和繁琐。而且，还要对应用这种高端复杂的互联网技术的科学性进行有效的分析与研究。在这种情况下，怎样去提升互联网技术手段使用的普适性也自然成为了管理会计研究所要考虑的重要问题。
最后，在互联网+时代背景下管理会计所获取的数据信息的有效性有待进一步考证。换句话说，将复杂的互联网技术应用到管理会计过程中，很可能会使互联网的数据信息的应用存在一定的缺陷。同时，由于目前为止，有关互联网+时代背景下管理会计相关书籍的编撰还过少，不完善，这也成为了将来在互联网+时代背景下发展管理会计所要解决的重要问题。
三、互联网+时代背景下管理会计进一步发展方向的研究
1.大数据和云服务为管理会计发展注入新的活力与内涵
作为价值创造和精细管理的重要工具，管理会计的重要意义已经得到人们的普遍认同。而基于云计算和大数据的全过程的全面预算、以流动性管理为核心要素的营运资金管理、价值创造型的财务共享服务模式、支撑绩效评价的责任中心会计、面向现代服务业的人力资本会计、基于大数据的内部报告与分析决策等，这些都构成企业互联网+时代背景下管理会计发展的热点。
其中大数据的引入也给管理会计的发展带来了一些新的机遇与挑战。例如，传统的管理会计的模式多是基于结果而进行的分析，而当前互联网+时代背景下的大数据时代则要求管理会计不仅要对已有的结果进行分析，同时也要求对过程进行分析，因为在过程中产生的动态数据才是造成最后结果的根本和关键原因。此外，在当前的社会环境下，数据信息的瞬息万变与大量生产也要求管理会计必须不断缩短必要的分析周期，从月度报告转变为每周的分析报告，甚至每天的分析报告，而且有些变化较快的行业在很多时候需要实时的数据分析应对急速变化的内外部环境。需要注意的是，管理会计不只局限于一般的数据分析，对那些非结构性的重要数据分析也是其着重关注的一个部分。
如同大数据的发展为管理会计带来的巨大变化一样，云计算的发展同样也为有关管理会计工具的使用带来了新的面貌，为其提供了更新更多的应用方案。比如，在大型集团公司中应用云计算，在通过后台的数据处理和整合程序之后，能够很好的处理和完善与之相关的投资的集分权化，使消费基金得到很好的开放与控制以及在资金的上缴下拨上也能发挥出强有力的作用。此外，云计算技术的使用还能够使得公司通过建立预算沟通平台增强全面预算系统的实用性、目的性与时效性。云平台是通过现代的云技术为人们提供便利服务的重要平台之一，而且也越来越被人们所认可和熟知，并得到使用与认可，而自然也会得到企业的认同并将之搭建在自己的会计管理系统之中，促进管理会计的发展。
2.企业“互联网+”时代背景下管理会计应用出现新热点
会计行业从“+互联网”到“互联网+”的转变过程，实际上不只是技术的转型，同时也是会计从业人员从理念、思维、组织结构和产业模式等多方面的同步转型。企业的“互联网+”化促进了业务与财务的深度融合，并在融合过程中实现了对流动性管理与内部控制的强化作用。根据责任中心会计，企业内部集聚的互联网大数据与各种小数据以及内部管理的报告内涵等都将会得到进一步的提升与丰富，尽可能的实现管理会计价值的最大化目的。
产业转型的方向是现代服务业，在企业成本结构中人力资源的成本所占的比重较大，并且随着人力资源成本的不断上升，企业的服务机构也逐步由传统的雇佣方式转变为“雇佣+自雇”、“分包+自包”等模式。另外，借助“互联网+”的云招聘模式，不仅能够参考人才价格行情数据为精准招聘提供对标参考，降低人力资源成本，而且还可以通过大数据技术对个人的生活轨迹、社交言行等网络信息数据进行分析，准确识别兴趣、性格及能力状况，帮助企业迅速找到适合岗位的员工，增强“人岗匹配度”。
3.管理会计提升数据价值，大数据为管理和内部报告提供数据支撑
实际上，所谓的管理跨级又被称为“内部会计”，而内部会计的关键职能之一就是通过相关的数据信息为企业预测发展前景并帮助企业管理者做出决策，制定合理的措施。例如，在全面预算方面，传统的管理会计模式会因为容易受到分析工具、记录与存储等限制因素的影响，使得企业的全面预算所使用的数据局限在企业内部与历史中，而且有些数据甚至是还需要进一步处理的碎片化数据，这不仅在数据统计与数理方面限制了企业的发展，而且也不利于与本行业其他企业之间的竞争，而使得全面博弈成为了企业每年一次的上上下下的简单博弈流程。根据杜邦模型，企业内部的各种管理报告、比率计算、定额的设置以及由财务部门所做的相关费用结构分析等都将计算变得更为容易，不过也还仍然由于缺少会计责任的支撑以及区域数据及内外行业对比的分析等而很难断定其合理性与否。而互联网技术的引进，使得大数据技术、云计算等在管理会计中得到运用，通过数据说话，在企业内部实现由“三次博弈”到“多次博弈”的转变，全过程全员参与的全面大预算才有可能得到真正的实现。
爱点击互动（北京）广告有限公司创办人
曾担任雅虎大客户部销售总监，成功为多个跨国公司提供ROI驱动的在线营销解决方案。2009年他与现任CEO薛永康先生一起在香港创立iClick爱点击，并于2010年全力投入发展中国业务。
2012年广告主对市场更为谨慎，我们预见广告主将会更加倚重技术去提升营销ROI，越来越多的同业将会加入竞争。
随着科技的发展和互联网的普及，我们的生活已经发生了根本性的变化。过去要出门购物，现在网购就能购买心仪商品，并且商品种类让消费者眼花缭乱。80后、90后等网络主流人群逐渐踏入社会，消费能力提高，网购市场规模将继续高速增长。根据中国互联网络信息中心(CNNIC)的监测报告数据获知，截至2011年12月底，中国网民规模已突破5亿，全年新增网民5,580万。
在此背景下，传统企业不可能对之视而不见，2012年将会是传统企业电商化的爆发期。接下来的问题将是互联网营销商如何在这片兵家必逐之地吸引最多的客户流量，并同时维持一个合理的ROI。iClick（以下简称爱点击）则是兵家之一。
2012年是爱点击进入大陆的第三个年头，凭借着自主研发的跨媒介广告优化技术XMO(Cross-marketplaceOptimization Platform)在行业立足，服务于众多电商品牌，像卓越亚马逊、当当网、凡客与麦考林。目前，爱点击的团队正在不断深挖精耕XMO技术的数据收集与追踪、效果预测、投放组合优化和数据分析报告四大功能。
综合2011年超过200个企业帐户的表现，XMO的自动优化系统平均能够在一个星期以内提升转化量30%。以一个龙头电商为例，其在关键字搜寻的转化量在使用XMO自动优化系统后，提升了27%，营业额提升了13%。XMO技术的下一步发展计划将延伸至SNS社交媒体。
社交媒体最令广告主头痛之处在于难以评估其实际价值，XMO的传播率分析(Amplification Analysis)功能能够评估每一个社交信息所能接触到的线上用户，更能为多渠道投放的广告主解构搜索广告、展示广告及社交媒体之间的协同效应，找出社交媒体在整个营销计划中发挥的功能。长远来说，XMO将能够把社交类信息加入客户关系管理(CRM)的概念，并把该媒体所取得的数据用以扩大客户广告的覆盖层面。
爱点击进入大陆后，将团队和产品进行本土化调整。产品方面，2011年11月爱点击完成技术本土化，XMO能够通过人工智能技术，为广告主提供媒体购买、自动优化、预算调整及数据分析等一站式服务，能够简化广告主繁复的工作流程，优化广告投放效果，帮助广告主突破预算瓶颈，大幅扩展业务；团队方面，我们聘请了一些传统广告公司和网络营销公司的精英加入，并将我们的行销理念灌输于团队。
在新的一年里，爱点击的主要方向就是把XMO技术做精做专，做到跨平台优化，坚持“数据深耕是数字时代的惟一出路”的理念。
Q：2012年，您所处的领域将会呈现哪些营销新趋势？未来营销工作重点是？
A：最突出的趋势就是广告优化技术能够做到从以往的按媒介购买到按受众购买的跨越。爱点击公司未来营销工作重点是收集与分析大量的广告数据，并迅速作出策略调整。
BAT、小米及华为都有哪些互联网秘籍？华为又从他们身上学到了什么？
来自BAT、小米、华为的互联网秘籍
百度CEO李彦宏——要转型，该牺牲的收益要牺牲，一定要有这个决心，未来的日子才会慢慢好过起来。当你真的信了你要鼓励的东西，执行起来并不难。很多时候摇摆并不是舍不得短期利益，关键在于你信不信。
腾讯CEO马化腾——用户是闷骚的，他们不会向你诉说自己的欲望，所以问卷调查没什么用，但当你把直抵他们内心秘境的产品放到面前，他们就会两眼放光，大叫“就是它!移动互联网才是真正的互联网，可以把小区所有楼宇、物业都用网络连接在一起，解决在小区的一切问题，建造真正的智慧小区。
小米CEO雷军——小米模式是什么呢?就是在互联网上动员一大帮人跟它一起做手机，然后在每一个细节下非常大的工夫做好，用接近成本的价格，用互联网直销的模式，然后降低所有的成本，几乎没有市场费用，几乎没有渠道成本，然后把所有的东西做的非常好，形成正循环，用户口口相传，然后整个逻辑就转起来了。
房多多CEO段毅——移动互联网将给房地产营销方式带来四个变化：大数据、工具、通道、服务。虽然移动互联网强大，它一天才占用2.8个小时，我们在家庭的时间更长。基于房子的智能家居会是下一个入口，房子将是一个更大的硬件。
海尔CEO张瑞敏——没有成功的企业，只有时代的企业。所有企业都难逃一死，不会死的是生态系统。传统的科层体制已经不能适应现代经济的需求，要打破科层体制的官僚习气，放手发动群众，使得人人都成为“创客”。
阿里巴巴执行副总裁曾鸣——理解未来的关键是要去想象世界所有东西在任何时候都连在一起。当世界都连在一起的时候，自然而然会产生无限大的一个数据。基于大数据，广告跟服务将变得越来越精准，越来越个性化。一个企业在互联网时代的影响力是由连接的广度、深度、厚度决定的，连接越广，影响力就越大。越开放才能有更多的连接。数据的互动、人的互动、物的互动也是非常关键的。
获得秘籍的万科在今年做了些什么?
在获得互联网秘籍之后，万科在今年也进行了多种互联网转型尝试。之前拜访学习的百度、腾讯、阿里等公司，也摇身一变，从老师变成了合作者。
对于万科的互联网转型，万科总裁郁亮表示，内部要扁平化、去金字塔，去精英化。外部要学习腾讯，建立生态系统，自己革自己的命。
一、万科+淘宝+微信：淘宝消费抵购房款，微支付抢房带理财
8月，万科与淘宝网联合宣布，淘宝用户全年花了多少钱，就可在万科全国12个城市23个楼盘直接冲抵购房款，最高可抵扣200万元将让淘宝用户的购房成本最多节省10%。
8月底，万科、腾讯联手推出基于微信平台的房地产金融产品。购房者通过关注“广州万科”微信号，以微支付的方式锁定房源;微支付的资金，将通过微信理财通冻结，用户可享受理财的增值收益。如果买家最终购房，微支付的金额将转为房款，不购房则如数退还。
二、万科+百度：商业地产引入大数据
9月，万科、百度正式其首个跨界合作成果—V-in，将在万科首个购物中心金隅万科广场上线试用。根据协议，百度基于大数据分析及云计算技术，为万科商业地产提供“定位引擎、大数据、营销工具”三类核心技术，未来还将应用于万科陆续进入运营期的多个新项目。
V-in系统将通过云端大数据分析，为消费者设定个性推送“菜单”，消费者可以通过移动终端搜索功能获取万科旗下购物中心内的商户信息、信誉评价、活动信息及优惠信息。同时，万科商业运营管理团队根据V-in系统的大数据分析报告，为商户的经营方式、促销手段等提供参考依据。
三、万科+搜房：房产众筹
9月，万科苏州公司推出房产众筹项目，称只要投资1000元，就可以获得不低于40%的预期年化收益率。万科会在搜房网上对这套房进行拍卖，起拍价为54万，拍卖时间为两小时。所有认筹的投资者都可以竞买，最终只有一位投资者买下这套房产，成交金额超出54万的部分，将作为投资收益，分给未能拍得房屋的其他人。
四：万科+阿里云：智能化未来小区
9月，阿里云与万科宣布达成战略合作，双方将通过应用云计算、物联网和大数据技术，打造国内首批联网的小区。“未来小区”的人、物、智能设备将实现互联互通和联动控制。
按照万科对“未来小区”的规划，传感器、监视器等物业设备将全部联网，数据实时上传至云端。通过阿里云计算平台的支持，万科也将开发出更多创新的、符合社区居民需求的产品。
五、万科+链家：房地产闭环生态圈
9月，北京万科与链家地产达成战略合作。根据万科与链家合作推出的“OC闭环”商业模式，双方将从寻访、定制、服务三个方面入手，打造线上房源查询平台，成立线下签约中心。另外，万科还专门为此建立了全新商业模式的技术支持系统“链万家”，称此系统能够提供海量信息迅速查询，打通产业链。
六、万科+途家：分享改变度假物业
谁说创业难，难于上青天？联想的柳传志、阿里巴巴的马云、新东方的俞敏洪不都过来了吗？谁说就业看学校，创业拼爹娘？一大批创业族不是正在借钱凑钱、租地攒人“自立门户”吗？而且他们中的一些人已经“大器”早成。
“好险啊” 网上搜保险
如果你想买保险，但不知道什么样的保险更适合自己，那就千万别听人忽悠，来“好险啊”网站看看吧。
“好险啊”网站是一个为保险产品提供互联网垂直搜索的平台。该网站由一个名叫郑鑫的在校研究生于2012年7月创立，同年11月上线。上线以来，“好险啊”网站发展迅速，已经和10多家保险公司谈成了合作协议，每天访问量超过1000人次，累计跟踪到了数千笔网站交易。
郑鑫最初的创业想法，源于他在北京大学读书期间的导师。上课时，导师说“去哪儿”网站的模式放到金融领域也很不错，可以尝试一下保险产品搜索这个创业方向。对于导师的话，大部分学生都没有在意，但郑鑫牢记在心，并萌生了创业的想法。经过长时间的研究，郑鑫突破了保险产品排序的技术难题，设立了网站。其间导师和导师的几位朋友为网站共同出资100万元。
曾经有人向马云提问，“大公司掌握了互联网的所有方向，哪里还有创业的机会？”马云答道：“哪里有抱怨，哪里就有创业的机会。”
郑鑫告诉《中国经济周刊》：“日常生活中，我们经常接到电话和敲门的保险推销，可能每个人对此都很反感。现在的保险行业做得很差，可以通过互联网加以改善，这就是我们的机会。”
2013年2月，马云、马化腾、马明哲共同出资，要在互联网打造一个保险领域的电商。郑鑫表示，“三马同槽”至少说明了互联网和保险业内的“大牛”也是认可这个创业方向的。那么，“三马”打造的保险电商，是否会对“好险啊”构成威胁？对此，郑鑫告诉《中国经济周刊》，“好险啊”和电商不是真正的竞争关系，而是上下游合作关系。“好险啊”提供的是保险产品的搜索平台，而不是直接销售保险。这正是“好险啊”模式的优势。
秒针系统 让广告分析结缘大数据
随着大数据技术的发展，一批成功的创业者也应运而生。秒针系统就是大数据领域的创业公司之一。
秒针系统是吴明辉在2006年底创立的，而吴明辉的创业之路可以追溯到2003年。2003年，还在大学本科三年级读书的吴明辉和六七个同学成立了一个小工作室，从事软件外包服务的工作。几年间，虽然挣到了一些钱，但吴明辉觉得团队如果只给别人做软件开发是对资源的巨大浪费，应该做自己的产品。在2006年底，吴明辉团队决定停止软件外包业务，转做在线媒体数据分析。
2007年底，吴明辉遇见了时任上海广告公司总经理的祝伟（现秒针系统的CEO），聊天中，他们发现广告主特别需要广告数据分析方面的服务，他们需要了解广告投放的投资回报率。于是，吴明辉团队在2008年初开始推出中国第一个针对广告主的互联网广告监测产品，即站在广告主的角度评估广告投放的效果，给广告主提供数据分析。
产品一经推出，便广受欢迎，从2008年4月份开始，几个广告主纷纷上门要求合作。2009年，秒针系统与全球最大的广告主宝洁公司达成合作，并一直服务至今。
目前，秒针系统的发展势头迅猛，在互联网广告数据分析领域，市场份额超过70%，而秒针系统的营业收入每年也保持50%以上的增长速度，预测今年将超过1亿元。
如今，吴明辉已是秒针系统的首席技术官。他告诉《中国经济周刊》，“现在的增长速度，秒针至少还可以保持5年。从财务指标上看，上市对秒针并不难。”
回忆自己的创业经历，吴明辉感慨万分。在学校时，吴明辉是个并不“安分”的学生，通过数学奥林匹克竞赛保送进入北京大学的他，在2003年开办了一个奥数班，通过奥数班，吴明辉攒到了第一桶金，一共几十万，这成为他创业的启动资金。
采访中，吴明辉半开玩笑地说，“如果我没有被朋友拉去做软件外包，说不定我现在已经是一家奥数培训学校的校长了。”
亲子图书馆 播撒阅读的种子
独生子女时代，每个孩子集万千宠爱于一身，家长对孩子的教育投资毫不吝惜。在读研究生的汪伟玲看到了这个商机，开了一家亲子图书馆。在这里，手绘本图书、音乐书、触摸书、立体书……各种各样的亲子图书琳琅满目，前来看书的家长和孩子络绎不绝。
2012年11月，汪伟玲在北京的哥哥家中发现小侄子有很多手绘本亲子图书，并了解到了悠贝亲子图书馆的运作模式。悠贝亲子图书馆主要经营0～12岁儿童图书的租赁活动，采取办理会员卡，免费出租的方式。精美的亲子图书让汪伟玲非常兴奋。
2013年2月，汪伟玲放寒假回到赤峰家中，拿着详细的商业计划书和盈亏分析报告去说服家长和朋友投资，很快，汪伟玲得到了家长和两个朋友的赞同，也筹到了十六七万元钱。
4月28日汪伟玲的亲子图书馆开始试营业，5月1日正式营业。汪伟玲表示“试营业时心情非常复杂，既欣喜又忐忑，欣喜的是忙了两个多月终于建成了自己心爱的亲子图书馆，忐忑的是第一次创业，第一笔投资，不知道是否会成功。”然而，刚刚试营业两天，汪伟玲忐忑的心就放下了，两天内，她的亲子图书馆就办理了十几张会员卡，得到了很多家长的好评。
随着数据的爆炸式增长，“大数据”一词受到了越来越多的关注，很多领域已经开始应用大数据。大数据技术不仅能应用于数字出版中，在传统的纸质出版中也有应用前景。本文拟以医学出版为例，探讨大数据时代下，医学出版选题策划的思路转变，以及面临的问题与挑战。
一、大数据时代素描
“大数据”是人们给信息爆炸所产生的巨量数据起的一个简单的名字。一方面，这些数据蕴藏着巨大的潜在价值，人们迫切需要更先进的技术，对其进行实时处理；另一方面，技术的进步，包括云计算、分布式计算等方法的应用，极大地提升了信息处理能力，提供了广阔的研究空间，使大数据分析成为可能。
很多人认为“大数据”就是指数据量大，这是一个误区。大数据的本质是发现和理解了信息与信息之间的关系，是思维的变革，而这种变革主要表现在以下三方面。首先，大数据强调的不是随机样本，而是全体数据。为了实现“全体数据”，需要我们尽可能多地搜集、保存与行业相关的各类数据和信息。其次，大数据时代，人们不再一味追求精确，而是承认混杂性。因此，人们需要对于非结构化数据给予更多的关注。也就是说，我们不仅要关注图书销量、读者群构成、直接反馈；也要关注鼠标点击、驻留在一本书的时间，后续购买、关联购买情况，购买地点等。这些看似杂乱的信息，可能蕴藏着巨大的商机和价值。再次，大数据不再追求因果关系，而是关注事物之间的相关性。例如，沃尔玛通过数据分析发现，在飓风来临的季节，不仅手电筒的销量增加了，某一种牌子的蛋挞的销量也增加了，因此，沃尔玛在飓风季节来临时，将库存的蛋挞摆放在靠近手电的位置，以增加销量。在医学出版中，我们也可以通过数据分析，找出与读者的购买行为或阅读需求相关的要素。
二、大数据在医学出版选题策划中的应用前景
1. 教材出版
各个出版社都很重视教材出版。不管是新编教材还是修订教材，调研都是启动编写的基础。教材调研，需要先搜集开设本专业学校的名单，逐个寄出调研函。学校的名单主要来源于相关学会、教职委、行职委提供的资料，但需结合前一版教材或相关书籍发货的省市分布数据，有些时候这两者有较大出入。例如，提供的名单中，河南省没有学校招生，但出版社前三年的发货资料中，河南省每年的教材发货数很大。另外调研函发出后，回收也存在一定困难，通常只能做到部分回收。正因为学校的名单很难搜集齐全，调研函也不能全部回收，这种传统方式上的调研，虽然力求全面，但仍是一种抽样调查，很难涵盖整个行业的样本量和全部信息。
在大数据时代，一切都可以被数据化，大数据强调的不是抽样样本，而是全体数据，因此将数据分析引入教材调研，可以对互联网上有关专业的开设省份、招生学校、招生人数等信息进行分析，得出更全面的数据分析报告。在教材修订、搜集反馈意见时，也可以通过搜集论坛、网购机构的销售记录、读者评论等，分析需要增加、删减及修改的内容。在遴选主编、副主编及编者时，编辑同样可以通过分析网站上的会议情况、会议日程、发言频率和题目、各领域专家的专业特长，确定其学术影响，以及在教材中适合担任的角色，并将这些信息形成分析报告，供决策者参考。
2. 学术专著
在传统出版模式下，学术专著的选题方式属于经验型，由策划编辑提出选题，报出版社选题会讨论。选题委员会由社领导、经验丰富的老编审、生产及销售部门负责人等组成。选题会上讨论的依据主要是以往选题的销售情况及市场反馈，当前市场同类书的情况，以及其他出版社类似图书的销售情况。这种选题论证方式所参考的数据，只是整个出版市场数据的一部分。而利用大数据，人们可以获得整个医学图书市场的书目信息、销售情况，并进行分析。通过数据分析得出的报告，可以形象地理解成一批有无限经验的策划编辑、生产人员和销售人员讨论后得出的结论。理论上，这种论证模式更客观、更有说服力。
现有的医学相关网络社区、数据库的资源已经十分丰富，通过对诸如丁香园医学论坛、中国期刊网（CNKI）、PubMed等的搜索记录、浏览记录、用户留言，以及对亚马逊、当当网的专业图书购买记录的分析，可以筛选出各个专业领域的热点，并对相关用户的地理位置、年龄、职称等信息进行分析，准确定位读者人群，并预测市场容量，为图书选题提供参考。
3. 应急出版
应急出版对于医学出版社来说是一个很重要的部分，在遇到较大的公共卫生事件或异常天气时，公众很需要专业出版社出版的相关预防书籍普及防范知识，医师也需要专业书籍补充相关知识，专业出版社有义务为他们提供高质量的出版物。例如人民卫生出版社在2003年“非典”暴发时紧急出版的SARS诊治、防范等方面的图书，以及在2013年出版的《实面“霾”伏――“雾霾”中的生活与健康》。如果等到公共事件或异常天气已经暴发再组织编写，出版时间容易滞后。
大数据分析在应急出版方面将会有明显的优势。例如，谷歌公司通过对检索词条的分析，提前几周时间预测甲型H1N1流感爆发。这个案例对于应急出版是一个很好的启示。编辑可以通过类似的数据预测方式，如在流感暴发前，即组织编写流感预防及治疗相关的书籍。再如，如果能够通过网络的搜索词条，或者同诸如中央气象台等单位合作，共享数据库，提前预测会有严重雾霾天气出现，就能提前组织专家编写，为书籍出版赢得宝贵的时间。同时，可以通过搜索频率预测印刷册数，避免过多的库存。
三、医学编辑应对大数据时代的策略
1. 医学编辑应做好基础工作
一是立足自身，做好医学编辑出版的大数据基础工程建设。例如进一步实现网络化、电子化和标准化，为实现大数据的应用打好基础。只有将出版物网络化、电子化，才能使与出版相关的信息和数据成为可以搜集的资源；大数据技术可以分析杂乱的数据，数据的标准化可以为数据分析提供更多便利。
二是学习借鉴，建立基于云计算等先进信息技术的新型工作模式。例如民生银行开发的小微金融数字地图平台，通过这种地图将数据可视化，由此提供相应的信息分析、营销实务等服务。出版社如果建立类似的平台，将销售数据可视化，就能为选题策划工作提供更多的服务。
三是寻求协作，引接信息产业界力量。例如一些新兴的提供数据分析技术服务的公司，同它们积极合作开展大数据分析研究工作，推动研发基于大数据的智能选题策划系统。
引言
目前人类每年产生的数据量已经从TB（1024GB=1TB）级别跃升到PB（1024TB=1PB）、EB（1024PB=1EB）乃至ZB（1024EB=1ZB）级别，随着数据量的急剧增长，大数据时代已经到来。
随着计算机处理技术和云计算的迅速发展，人们处理大规模复杂数据的能力日益增强，从大规模数据中提取有价值信息的能力日益提高。经营管理、工业生产等数据都可以直接从互联网中提取并存储到服务器中，然后进行数据挖掘和分析，对于提高企业经营管理水平，进行生产过程控制，提高生产效率发挥着巨大的作用。
数据是德国工业4.0五大特色之一。数据是信息化时代重要的生产要素，数据生产信息，信息改善决策，进而提高生产力。可以预测，未来数据积累量、数据分析能力、数据驱动业务的能力将是决定企业价值的最主要因素，是评价企业价值的核心。
一、大数据时代的数据分析
1.大数据
大数据是维克托?迈尔-舍恩伯格在2008年的著作《大数据时代》中提出的概念。维基百科给出的定义是，大数据指所涉及的资料规模巨大，无法通过目前常规软件工具，在合理时间内达到撷取、管理、处理、整理成为有用信息的数据集合。
大数据的主要特征为大量性（Volume）、多样性（Variety）、高速性（Velocity）、价值性（Value）。
（1）大量性。是指大数据的数据量巨大。在大数据时代，个人电脑、手机、平板电脑等网络工具的使用和高度发达的网络技术的普及，数据资料的来源范围在不断拓展，数据的计量单位从PB到EB到ZB，数据量增长发生了质的飞跃。
（2）多样性。是指数据类型繁多。大数据不仅包括传统的以文本资料为主的结构化数据，还包括信息化时代所有的文本、图片、音频、视频等半结构数据和非结构化数据，且以半结构化和非结构化数据为主。
（3）高速性。指大数据处理时效性高。大数据产生速度快，有价值信息存在时间短，时效性强，在海量的数据面前，处理数据的效率关乎数据是否有使用价值，因此，能迅速有效的提取大量复杂数据中的有价值信息显得非常重要。
（4）价值性。指大数据价值巨大，但价值密度低。大数据中存在反映人们生产、生活、商业等各方面极具价值的信息，但由于大数据规模巨大，数据时时刻刻都在更新变化，这些有价值的信息可能转瞬即逝。因此，如何通过强大的机器算法迅速高效地完成数据的价值“提纯”成为大数据时代亟需解决的难题。
2.大数据时代
大数据时代是指在大量数据信息基础上所形成的新型信息时代，是建立在通过互联网、物联网等现代网络渠道广泛大量数据资源收集基础上的数据存储、价值提炼、智能处理和展示，促进数据发挥价值的信息时代。大数据时代，数据分析过程中数据的管理和应用效率得到提高，人们几乎能够从任何数据中获得可转换为推动人们生活方式变化的有价值的知识。大数据时代的发展会促进众多领域和行业进行变革，会对人们未来生活产生深刻的影响。
3.数据分析
数据分析是指用合适的统计方法及与分析对象有关的知识，定量与定性相结合，对收集到的大量数据进行分析的过程，是为了提取有用信息和形成结论而对大量数据进行详细研究和概括总结的过程。数据分析的目的是把隐藏在一大批看似杂乱无章的数据背后的信息挖掘和提炼出来，进而总结出研究对象的内在规律。
数据分析在企业经营管理中具有重要意义。企业通过统计调查、整理获得的统计资料能够对客观对象的数据特征取得一定的认识，但只是停留在表面的初步认识。通过数据分析，挖掘数据背后隐藏的信息，总结隐藏在其中的内在规律，掌握事物的本质及内在的发展规律，将其应用到实际的经营管理中，可以帮助管理者进行合理的决策管理，并且及时调整企业的运营发展策略，使企业的各项管理工作不断改善和提高。
目前常用的数据分析方法有：
老七种工具，即排列图、因果图、分层法、调查表、散步图、直方图、控制图；
新七种工具，即关联图、系统图、矩阵图、KJ法、计划评审技术、PDPC法、矩阵数据图。
4.大数据时代的数据分析
从大数据中挖掘隐藏的有价值信息的关键在于对数据进行正确的数据分析，数据分析是大数据处理流程的核心。大数据的价值产生于分析过程，从规模巨大的数据中挖掘有价值信息所进行的分析过程就是大数据分析。
大数据分析和传统数据分析最重要的区别在于数据量。数据量的急剧增长及大数据的特征，决定了数据的存储、查询以及分析的难度增加，对数据处理技术的要求迅速提高。大数据分析建立在海量原始数据基础上，不需要预先设定研究目的和方法，而要从大量数据中通过数据挖掘技术找到数据之间的关系并建立模型，寻找导致现实情况的根源因素，甚至形成理论和新的认知，在此基础上对未来进行预测和优化，以实现社会运行中各个领域的持续改善与创新。
传统的数据分析是“向后分析”，分析的是已经发生的情况。而在大数据时代，数据分析是“向前分析”，具有预测性。传统的数据分析主要针对结构化数据，具备一整套行之有效且?V泛使用的分析体系：利用数据库存储结构化数据构建数据仓库构建数据立方体进行分析。对于从大数据中提炼更深层次更有价值的信息的需要促使数据挖掘技术的产生，并发明了聚类、关联分析、分类、回归分析、估计、预测、描述和可视化等一系列行之有效的方法。同时大数据的到来使得在线数据分析成为可能，如Web页挖掘、OLAP等。数据挖掘是在没有明确假设的前提下去挖掘信息、发现知识，用于指导以后的行动。
二、大数据分析在企业经营管理中的意义
在企业的经营管理过程中，数据是关键且核心的因素，在关键环节进行科学的数据分析，对于提升企业的经营管理能力具有十分重要的意义与作用。
首先，对企业情况进行完整客观的反映。在收集企业全面数据报表、调查资料的基础上，利用数据分析工具进行严谨的分析，形成科学规范的数据分析报告，能发现数据背后的信息，便于理解、阅读和利用，为企业发展决策提供参考。
其次，对企业运营情况进行有效监督。监督是数据分析在企业经营管理中的一项十分重要的功能。对企业经营管理过程中所产生的数据进行监督具有十分重要的作用。在对企业数据、资料进行收集整理的过程中，能够相对较为全面、如实地知晓行业动态及本企业运行发展状况，能够对企业的相关活动产生的效果进行了解，比如企业方针政策实行与否、经营计划落实情况、经济指标完成情况等，从而进行行业对比和横向、纵向对比分析，以帮助企业良性发展。
第三，参与科学化决策。对收集整理到的数据资料有针对性的进行深层次地研究、分析，挖掘出数据资料潜在的实质涵义，促使企业管理者及相关部门能够更为完整客观地了解企业发展现状及发展方向，从而能够更有针对性地进行企业决策，计划制定，起到数据分析在企业经营管理中的参与科学化决策的作用。数据驱动型决策是大数据时代决策的特点：尽可能全面、完整综合地收集数据，在此基础上使用恰当的统计方法进行建模和分析，挖掘出数据背后的关系，预测事件发生的概率。企业利用大数据和数据分析进行决策时，首先要提高对数据的重视程度，转变思维模式，在遇到重大决策时，先进行数据收集、分析，再进行决策。其次，要重视普通员工日常积累的数据。员工在完成日常工作的同时，积累了大量最基础数据资料，企业将所有日常的数据加以整合分析，可以在决策时起到关键重要的作用。再次是建立数据辅助决策的流程和模板，建立基于决策任务的决策知识的收集、创造、共享、传递和激励机制。
三、大数据分析在工业生产过程中的应用探讨
随着信息化的推进，数据已经成为一种重要的资源。未来大数据和数据分析将在工业生产全过程中进行应用，将大力提升企业内部运营管理效率，提升企业竞争力，同?r提升制造过程中的智能化。
信息技术随着信息化与工业化的深度融合，已经渗透到了工业企业产业链的各个环节，ERP、MES等技术在工业企业中得到广泛应用。工业企业中生产线高速运转，工业设备产生大量数据，工业领域所拥有的数据日益丰富。基于大数据分析平台，对这些数据进行分析，总结经验、发现规律、预测趋势、辅助决策，充分释放和利用海量数据资源中蕴藏的巨大价值，优化公司运营结构，精准决策，降低成本，提高效率。
大数据和数据分析的应用将给工业企业带来创新和变革的新时代。信息化和工业化的深入融合，给工业领域带来深刻的变革，通过互联网、物联网等带来的低成本感知、高速移动链接、分布式计算和高级分析，给工业发展带来了更快的速度、更高的效率和更高的洞察力。大数据分析在工业领域的应用主要包括产品创新、生产流程优化、产品质量管理、生产计划制定、产品定价、产品生命周期管理、库存管理、供应商管理等各个方面。
1.产品创新。客户与工业企业之间的交易产生大量的行为动态数据，同时对产品的使用情况跟踪记录，产生产品使用动态数据，对这些数据进行挖掘和分析，将分析结果使用到产品改进设计、创新等活动中，相当于让客户参与到产品的需求分析和产品设计等创新活动中，对产品创新具有不可估量的贡献。
2.生产流程优化。现代化的工业制造生产线安装有数以千计的小型传感器，在生产的全过程中可以探测温度、压力、振动和噪声等。整个生产流程将产生大量数据，对这些数据从不同角度进行挖掘分析、比如设备诊断、能耗分析、工艺分析等。在此基础上，对生产过程建立虚拟模型，仿真并优化改进生产流程，提高设备使用率、降低能耗、减少质量事故发生几率，优化工艺等，从而提高生产效率。
3.进行质量分析，提高质量管理水平。高度自动化的设备在加工产品的同时记录了庞大的检测结果。利用检测结果进行质量分析，可以提高质量管理水平。在产品的整个寿命周期，包括从市场调研到售后服务等的各个过程中适当运用数据分析过程，可以提高质量管理的有效性。例如QC工具在工业企业的应用。QC指质量控制。针对工业生产全过程特定的工作失误或品质不良运用QC工具展开分析讨论，并将结果可视化显示在大家容易看到的地方，提醒大家，防止再次发生同样的问题，同时谁有新的建议可以随时提出，大家一起讨论修订。
六西格玛也是目前企业质量管理中运用比较广泛的工具，它是一种用于改善企业质量流程管理的技术，它以“零缺陷”的完美追求，带动质量成本的大幅度降低。质量分析工具在广泛使用，可以提高产品质量，从而最终实现财务成本的降低，同时实现企业竞争力的突破。
4.产品故障诊断与预测。无处不在的传感器、互联网技术的利用，使得产品故障诊断实时进行，提高了产品故障诊断的及时性。利用数据挖掘与分析技术，对记录的数据进行建模与仿真，可以对产品故障实行动态预测。
5.生产计划的科学制定。生产环节的大数据具有很大的利用价值，对其进行挖掘与分析，对计划制定具有指导意义。通过对计划与完成的对比分析，发现计划与实际完成的偏差，在考虑产能约束、人员技能、物料供应、工装模具等生产资源的基础上，通过智能的优化算法，建立计划制定模型，从而制定更加科学合理的生产计划。
6.进行科学合理的产品定价。产品定价的合理性需要有详细的基础数据和试验数据作为支撑。一方面能够获取更加详细的微观数据信息，使产品成品的分析更加科学精确。另一方面可以研究客户对产品定价的敏感度。通过这些数据分析，为产品定价提供决策参考。
7.实现产品生命周期管理。随着物联网的发展，条形码、二维码、RFID等能够唯一标示产品，传感器、可穿戴设备、智能感知、视频采集、增强现实等技术能将产品生命周期的信息进行实时采集和分析，这些数据能够帮助企业在供应链的各个环节跟踪产品，收集产品使用信息，从而实现产品生命周期的管理。这些数据还可以用于售后服务，提高售后服务质量，从而提高产品竞争力。
8.库存管理。信息化高度发达，可以获取工业企业各方面的信息。库存信息将完全展现在管理者面前，通过数据分析和挖掘，可以准确知道产品原材料和产成品库存量。根据原材料库存量和生产计划确定原材料需求量，在此基础上进行采购，可以保证产品生产需求，有最大限度地减少了资源浪费。
9.完善供应商管理，实现准时化采购。在对原材料大量数据挖掘和分析的基础上，可以选择最合适的供应商，保证原材料质量和准时供应，产品质量得到有效控制，同时降低库存成本，增加了制造的敏捷性与柔性。
【关键词】智慧油田 大数据 应用
“十三五”时期，国家实施大数据产业发展战略，推进数据资源向社会开放，增强政府公信力，服务公众企业。综合交通运输发展，要求智慧交通作为“四个交通”发展的关键，在交通运输管理创新、服务水平提升、转型发展、经济社会发展先导性作用方面发挥关键作用。而交通数据资源作为智慧交通的基础，需要通过生态运营的方式，破解当前存在的基础数据能力薄弱、资源共享难、互联互通难、协同应用难等问题，形成信息化规模效应，推进智慧交通发展。
1 交通大数据在智能交通领域的应用
交通大数据的活化应用对交通的发展将带来巨大的变化，这主要体现在大数据技术的实时性、分布性、高效性及预测性方面。
1.1 实时性
传统的海量数据模糊查询和统计分析无法达到交通实时性的需求，大数据能够实时地对交通大数据分析、处理，提供秒级响应，帮助人们在海量的交通数据中快速发现交通异常，并定位症结，方便交通管理，使交通运行得更加合理。
1.2 分布性
传统的数据应用多为单表挖掘分析，一旦涉及到跨表关联就会因效率问题而无能为力，大数据的分布式并行处理擅长复杂的块表关联分析，推动数据串并关联，提高数据处理能力，支撑高并发多用户访问，协同人们在交通紧急事件中多方协作、快速处置。
1.3 高效性
高效的交通大数据挖掘能力，能够快速发现海量交通数据中的内在关联规律，进而提高交通运营效率以及路网的通行能力.伦敦市利用大数据减少了交通拥堵时间，提高了交通运转效率。
1.4 预测性
大数据技术较高的预测能力可降低交通状态误报和漏报的概率，通过建立区域交通状态的监测及预测模型，共享交通运行与路况环境数据，S时对交通的动态性进行实时监控，帮助驾驶者及用户预先了解交通拥堵状况，避开拥堵路段。
大数据对交通的巨大影响除了以上几个方面外，对交通环境的安全性也有巨大影响。大数据的实时性和可预测性以及综合的决策模型有助于提高交通安全系统的数据处理能力。大数据快速整合各个传感器数据，结合车辆运行轨迹数据，综合分析车辆行驶安全性，为应急决策提供辅助，提高应急救援能力，有效降低交通事故的发生。由此可见，大数据技术的出现及应用能够有效地解决智能交通面临的好多难题，为了利用大数据技术，深入挖掘交通数据的潜在价值，需要一个数据管理平台来处理各种类型和规模的数据。
2 生态运营平台需求定位
推进交通基础数据建设工作，为数据应用创新提供营造数据创新环境，最直接有效的方式是通过建设数据生态运营平台，解决数据能从哪里来、怎么来，以及能往哪儿去、怎么去的问题，打通数据输出和服务的渠道，建立了数据服务的动力机制，打造促进交通数据生长发展的生态系统和环境，深化数据跨界对接和创新应用。平台基于定位需求：
2.1 汇聚
以数据向外服务转换成价值为目的，提供数据服务和应用的统一平台，方便有数据供需者在一个平台上找到多方服务，为既有平台和系统增加数据对外服务的渠道。
2.2 简便
提供可视化、灵活、便捷的数据分析操作功能，降低数据分析使用的门槛，让业务人员不再因为技术门槛而被拒于数据分析的门外。
2.3 安全
对数据流通环节进行安全认证，确保数据服务的可信性、权威性。为敏感数据提供在线数据分析、应用的试验。
3 平台功能
平台基于数据融合和综合利用的需要，基于交通行业数据资源为基础，验证数据的交付输出服务模式，实现数据的注册、可视化展示、试用分析、流通等功能。平台具体主要分为数据展示、数据应用和数据流通三个业务功能模块。
3.1 数据展示
提供数据可视化展示，结合地理信息系统及可视化BI工具，能够结合地展示专题数据，也能够进行统计图表展现或综合分析报告等，便于数据提供者更直观的向需求者展示自身数据。
3.2 数据应用
平台具备线上试数据、线下分析数据和线上流通数据一整套数据应用及流通能力。
3.2.1 线上试数据
结合平台提供数据，利用平台内置数据整理、可视化等分析工具，对数据进行初步的研究试验，初步供用户决策数据是否满足需求。
3.2.2 线下分析数据
基于试数据的结果，明确所订购数据为需要数据，结合线下数据实验室的数据分析设备和工具，进一步就数据进行分析、加工、直至完成数据产品的开发工作。在数据管理方面，严格控制原始数据的流出，保证数据的安全可控。
3.2.3 线上流通数据
当所需数据类型、字段等内容需求明确后，平合数据相关方完成应用开发，最终向用户提供数据应用流通服务。
3.3 数据流通
平台能够以多种形式提供数据的流通服务。
3.3.1 数据API接口
以面向服务的架构，在系统上注册数据服务的API，数据使用者通过服务目录查找到相关数据服务，按照约定的通讯协议进行远程服务调用，传递数据。
3.3.2 数据包下载
将相关数据压缩打包，数据使用者通过下载服务直接获得数据，自主组织应用的模式，是一种离线的数据使用模式。
3.3.3 数据订阅
采取数据推送的方式，数据使用者（即订阅者）可以通过订阅功能对相关数据进行订阅，数据提供方则根据订阅者名单，周期性的批量向订阅群体推送每期更新数据内容。
3.3.4 数据定制
为满足数据使用者一些个性化需求而提供的服务方式。数据使用者通过任务的形式，提出数据的个性化需求，数据提供方根据自身能力选择是否承接定制任务。
4 结束语
随着互联网、大数据等技术在交通领域的不断渗透，已形成越来越多海量的交通数据，通过生态运营模式，让权威、准确的数据在平台得到充分利用和流转，满足政府的管求、公众的出行和企业的技术服务不同数据主体的需求，实现物尽其用，营造了交通数据良性循环生态圈。
参考文献
[1]张红，王晓明，曹洁，朱昶胜.基于大数据的智能交通体系架构[J].兰州大学学报，2015，41（02）：112-115.
[2]岳建明，袁伦渠.智能交通发展中的大数据分析[J].生产力研究，2013（06）：137-138，165.
[3]王静远，李超，熊璋.以数据为中心的智慧城市研究综述[J].计算机研究与发展，2014，51（02）：239-259.
