大数据营销论文:大数据背景下的某品牌手机营销策略探究 摘要：在社会不断发展过程中，移动互联网发展速度十分的迅猛，社会也变成了一个大数据时代，在这种时代背景下，企业要想得到发展就一定要在海量的信息当中寻找出最为关键的因素，尤其是科技型公司，为了更好地对大数据背景下的企业营销策略进行分析，本文主要以小米手机为例进行了具体的分析。 关键词：大数学背景；小米手机；营销策略 在移动互联网高速发展的时代下，也促使我们进入到了大数据时代，在这个背景下，科学技术不断发展，人类生活方式以及思维模式也在随之而发展变化，这个时候品牌手机营销策略也需要进行适当的改变和发展，这样才能真正起到良好的营销效果。 一、大数据背景下手机营销所存在的问题 1.大数据质量有待提升 在互联网背景下，信息在传递过程中也变得更加的方便，在这种高度开放的互联网时代下，任何人都能通过互联网终端来实现数据的传递，可以社会本身就存在一定的复杂性，在这种情况下，信息传递就会变得多样化，而这也不可避免的会出现一些错误或者是干扰信息，这也就在一定程度上对手机营销策略质量造成影响。 2.大数据应用程度有待提升 在大数据背景下，小米手机在应用程度这一方面有着较为显著的优势，并且也取得了较为显著的成果，可是，大数据发展时间以及小米企业本身条件都会对大数据应用程度进行限制，这个时候就会致使企业大数据应用程度有待拓展。 3.大数据营销效果低于预期 如果我们从理论这一层面来看的话，商家使用大数据对社交网络平台进行整合，能够更好地掌握消费者对于小米手机的评价以及各种信息，以此来挖掘出用户的根本诉求，从而确保产品能够更好地满足于消费群众，这样营销也就会更加有效。可是，在现实营销过程中，有些客户也有可能会产生一定的警惕心理，这就会致使手机营销受到阻碍，有些还有可能会因为精准化推销产生抵触情绪，最终就会降低品牌价值，从而致使大数据营销效果远远低于预期。 4.用户隐私和安全受到威胁 大数据营销基础本身就是建立在消费者行为数据上的，这个时候消费者隐私以及安全问题就会受到较多的关注，而这也是大数据背景下营销策略中需要关注的问题之一。就拿小米公司来说，在2014年就曾发生过数据泄露现象，这不仅对手机营销造成了影响，还对品牌形象造成了较为严重的影响。 二、大数据背景下小米手机营销策略 1.加大宣传力度，尽可能拓展数据平台 小米手机早在最开始发展阶段主要就是依靠网络来进行推广以及宣传，因为这一宣传推广方式费用较低，同样这种方式也存在一定的局限性，比如说网络覆盖面存在一定的局限性，不可能将所有地区都覆盖到。在社会不断发展过程中，手机这一行业的竞争也变得越发的激烈，而最开始的营销策略也就开始变得老套，很难被消费者接受。针对这一现象，小米公司要想得到更好地发展，就一定要采用一套全新的营销方式来对自身品牌进行推广和宣传，以此来扩大自身品牌的影响力，从而就能有效地抢占线下市场，增加手机销量。此外，在手机营销过程中，大数据获取途径在一定程度上对手机精准营销造成了影响，虽然说小米公司能够通过网络平台来获得一些用户交互数据，课时相比较于腾讯、百度等公司而言，小米数据获取明显就存在不足，所以说，小米公司在发展过程中还是要加大对社交平台的关注，通过各种社交平台来对自身品牌进行推广和营销，这样也能更好地提高营销的精准性。 2.加大人才培养，提高企业员工能力 任何公司或者是企业的发展度不可能离得开人才，因此，在手机营销过程中，公司还需要加大对人才的培养，最大程度提高企业员工的创新能力，这样才能有效地促进手机营销质量的提升。针对这一点，公司在对人才进行培养的过程中，一定要加大对大数据技术人才的培养，因为在这个大数据背景下对于大数据的处理是十分重要的，而只有具备了大数据技术人才才能避免对于数据的杂乱无序处理，从而才能实现营销效率的最大化。 3.注重产品质量，对产品类型进行拓展 在大数据背景下，良好的营销策略以及理念为小米生存和发展提供了动力，也在一定程度上使其以一种全新的营销理念带动全国手机销售转变。但是，如果从长远维度来思考的话，多元化的影响方式在某些程度上有可能会造成用户反感，特别是手机这一技术密集型产品，最终的技术水准才会直接对用户体验造成影响，这也是实现营销的基础以及重要推动力。对于小米手机来说的话，如何实现购买用户的精准预测，以及为用户提供恰当好处的产品是较为关键的问题之一。在社会不断发展过程中，人们对于手机的追求也变得越来越高，在这种时代背景下，小米手机质量技术问题一直是较为严重的问题，因此，要想真正起到良好的大数据营销效果，还是要注重产品质量，尽可能的对产品类型进行拓展，就拿苹果为例，ISO系统所存在的流畅性就是MIUI需要学习的一点。此外，在营销过程中，还可以对大数据进行分析，以此来获得市场对于高端手机的需求定位，并且以此来开拓一个高端的小米机型，这样就能实现高、中、低消费的全覆盖。 4.规范自身准则，对用户权益进行维护 在社会不断发展过程中，人们对于自身隐私以及信息安全重视程度也在不断的提升，在这种情况下，小米手机要想得到更好地营销效果以及质量，还需要在发展过程中规范自身准则，尽可能的维护用户权益，这样才能提高品牌形象，从而才能在这个激烈的市场上占据一席之地。针对这一点，小米公司首先需要按照大数据现有的政策规定来制定出相应的准则，然后加大对技术团队的培养，以此来避免客户隐私受到侵犯。 三、结语 综上所述，在这个大数据时代下，社会运营方式也受到了较大的改变，信息的丰富以及共享的便捷也促进了大数据的爆炸式增长，在这种情况下，企业营销方式也受到了一定的冲击和变革。为了更好地促进企业在大数据背景下能够实现有效地营销，本文主要以小米手机为例进行了具体的营销策略分析，希望能够为相关人员作出贡献。 大数据营销论文:大数据下白酒行业数字化微营销模式探讨 摘要：如今，当我们随手翻开报纸杂志、打开手机电视、搜索热点新闻，“大数据”一词被炒得很火，“大数据”正以势不可挡的气势迅速融入我们的生活、工作、娱乐中去。这是继第二次工业革命后的第三次工业革命，以数字革命、数字经济、数字技术、数字计算和通信等变革将会彻底改变人们的生活方式和制造业的未来。 关键词：大数据；数字营销；精准营销 在我国的白酒行业里，白酒是一种基于感性消费的精神与物质饮品，以情动人，同时也因地理、气候、人文等因素导致产品的差异，本文旨在通过大数据技术将成千上万的数据汇总收集、分析数据从而建立白酒数据库，打造不被同质化的产品和服务，整合与提升白酒产业链，大数据背景下的数字化微营销无疑为深陷泥潭的传统白酒销售注入了强心剂。 一、传统白酒营销的弊端 如今电视白酒广告的内容设计，沿街白酒门店装修陈设、参加各种白酒订货会，大家会发现白酒行业不同厂家的产品、品牌故事、招商渠道、包装设计、价格定位存在高度同质化现象。比如虚构的“品牌故事”、统一的“纯粮酿造”、独有的“陈年窖藏”甚至虚假的功能疗效等浮夸的广告用语，相互模仿的平面包装设计、陈旧的促销推广模式等，白酒行业现已进入高度同质化的营销误区。无论是老品牌还是新产品大都在相互借鉴、相互模仿抄袭，整个白酒市场的产品和营销模式都走入了同质化营销怪圈。而真正创造出并实施差异化营销模式的品牌厂家寥寥无几。大数据时代的到来，如何将数以万计的数据进行科学严谨的量化分析，从而全面了解和预测客户需求打造客户专属的白酒产品。传统白酒的销售渠道不外乎有以下几种类型：（一）流通渠道：经销商、特约经销商;（二）商超渠道：大、中、小型超市;（三）餐饮渠道：酒店、餐厅、大排档;（四）团购渠道：各大中型单位、外资企业、电商团购等;（五）直销即零售业。但就目前的白酒行业的销售现状与整个经济环境，经销商、商场超市、餐饮这三个渠道由于包含经销商促销费用、铺货产品占用资金、销售返点、员工工资、差旅费等开支，销售利润不尽如人意；电商销售受传播渠道制约也不够成熟，直销业绩更是少之又少；因此白酒行业急需借助“大数据”东风进行渠道资源整合。 二、如何进行数字化微营销 1.自媒体时代的到来，我们要借助大数据“造势”，传统纸媒已然没落，新兴媒体的迅速崛起给白酒企业带来了新的生机，依托大数据搭建微营销平台成为趋势。通过消费者日常使用的互联网终端软件，诸如微博、博客、微信、论坛、贴吧、短信、APP等数字平台营销自己的产品，进行广告植入制造网络互动内容，将白酒与“潮文化”有机结合，引导白酒消费新潮流；具体可以借鉴重庆江津老白干酒厂的“江小白”、泸州老窖的“泸达人”、河南宋河酒业的“嗨80”、河北三井酒业的“小刀”酒等等。利用物联网、数字媒体、大数据分析对关注用户已经形成的庞大数据流进行科学分类和精准营销，将会使传播效果无限扩大。其传播方式可以归纳为：云计算+移动互联网+核心内容+终端促销+一对一全程跟踪服务。目前，全世界具有备数据获取存储处理和传输的终端设备，已经超过100亿台，并且以每两年成几何倍数速度增长。网络将大众带入了信息共享时代，数据传输速度越来越快，成本越来越低，当公共数据与民间拥有的数据资源相互融合，就会创造出无可比拟的创新力、财富创造能力和社会进步推动力。 2.基于大数据的精准微营销最大特点就是产品数字化。2012年以来，因宏观政策、产能过剩、行业恶性竞争等因素，白酒行业进入了深度休眠期，白酒行业的“黄金十年”已一去不复返。一直以来，酒企大力倡导的差异化营销不过是“换汤不换药”“换瓶不换酒”，消费者满意度低，甚至被一轮又一轮“不促不销”的价格战中伤感情逐而失去对原有产品的忠诚度。白酒产品数字微营销的模式就是要是围绕“打破短期利益和经销商满意度”去拓展崭新的市场，想尽一切办法为顾客提供超值化的个性服务，利用大数据技术为客户提供从产品原料甄选、生产工艺、技术创新、口感调试、价格定位、VI设计、包装运输、人文关怀等多方面深层挖掘差异化与个性化的营销模式，才是白酒产品营销模式的突破口。具体说来就是，网络终端联动、菜单精选订制、全程实时监控、产销无缝链接，将白酒产品进行数字化生产、数字化管理和数字化营销，这将全面开启智能新时代，改写白酒企业传统“换汤不换药”、“换瓶不换酒”的营销格局。 3.白酒说到底仍然是一种带着人文关怀的快速消费饮品，营销终端是消费者，而不仅仅是分销渠道，一切数据的运用都必须以消费者为主体，从源头收集数据、分析运用，掌握生产各个环节的精准数据，同时兼备销售数据的预测和基于大数据分析消费者的消费行为、习惯、频率等要素做到数字化精准微营销。白酒企业对潜在客户的挖掘早已经不是新鲜事，针对消费者消费行为的数据挖掘要从历史购买路径、偏好、反馈、客户类型、广告效果等方面去考量。白酒作为传统行业的产品，其主要消费人群仍然集中在35岁-45岁中年男性群体，但是年轻的80后、90后容易接受新事物，寻求新体验是重要的潜在消费群体，如何打造白酒与“潮文化”的跨界组合是酒企需要思考的重要议题。例如：茅台集团专为女性打造的悠蜜时尚蓝莓酒，一款针对女性饮酒市场推出的战略单品，致力于从女性消费群体的生活方式和细节入手，以情感为突破口寻找素材，研究该群体对口味、价位、包装、消费等方面的特殊心理需求，打造“时尚、健康、女权标签。在信息碎片化时代，信息传递有时效性，为了能最大限度地增加产品的曝光率和消费者的参与度，通过线上多元化的互动+微电影+话题讨论+网上抽奖+会员满赠等手段聚集人气，提高消费者的关注度。例如：2016年小郎酒通过年轻人喜爱的娱乐方式开启数字营销时代，精准定位的个性化营销在深圳海岸城电影院拉开序幕。在《功夫熊猫3》电影宣传活动现场，小郎酒的酒香与热情引爆全场，80后、90后的小年轻群体喝着调师调出的小郎特饮，扫二维码并转发活动内容能就幸运拿奖，进到影院更有爆笑视频，以人气吸引目标人群，以口碑稳固目标用户，小郎酒凭借“敢想敢爱敢冒险”的精神吸引越来越多的年轻人加入到小郎酒随者的行列中。 小结 面对消费群体日新月异的变化，白酒的数字化营销手段会更加多元化、渠道多样化。依托大数据技术，白酒企业实现一对一数字精准营销、跨界营销、数据库菜单订制营销会成为白酒行业创新营销模式的主流；但无论什么策略都离不开销售、推广和传播，导入数字化管理也应该是未来白酒企业值得重视的战略，其与数字化营销有机协调与衔接才能最大限度发挥数字化微营销的最大效力。 作者：林岚 单位：贵州民族大学人文科技学院 大数据营销论文:大数据下下电力企业营销管理创新途径 【摘要】随着社会经济和科学技术的发展，大数据时代已经来临。在大数据背景下，电力企业面临着越来越大的市场竞争压力，这就使得电力企业不得不对营销管理创新途径进行探索。因此，本文首先分析了大数据的概念以及电力企业营销管理创新的必要性，然后对大数据背景下，电力企业营销管理的创新途径进行了研究。 【关键词】大数据；电力企业；营销管理创新 引言 大数据属于高科技时代的产物，其战略意义不仅仅是掌握庞大的数据信息，而且还要对这些数据进行专业化处理。在2013年，大数据开始由理论转变为现实，大数据时代的来临，意味着电力企业在理念上、管理体制上以及技术路线上都要进行重大的改变。在这一前提下，电力企业就必须对数据展开全面的研究，对自身营销管理进行不断的完善，这样才能够适应大数据时代，才能实现自身可持续发展。 1大数据概念 目前来说，大数据并没有一个固定的概念以及固定的表达方式，但是在互联网、有关专家的释义中，其本质内容基本是一致的，都是指对大规模数据进行获取、处理、管理、分析上能够实现快捷、高速分析的一种技术手段。麦肯锡全球研究所在对于大数据概念的定义中指出，在对数据进行获取、处理、管理、分析时，大数据的能力范围远远超过了传统数据库软件工具。在当今时代，大数据理论已经渗透到了各行各业当中，并且发挥着其特有的优势，对于电力企业而言，同样具有重要的价值。利用大数据技术可以对客户网络行为进行分析，从而可以挖掘出各种潜在的商业信息，为企业管理者在进行管理策略制定时提供一定的科学依据（见图1）。 2电力企业营销管理创新的必要性 2.1电力企业营销管理面临的挑战 大数据时代给电力企业营销带来了很大的机遇，可以说是为电力企业改革的深化、服务层次的提升，企业管控的增强提供了一个有效的创新途径。但是同时也给电力企业营销带来了一定的挑战，在电力企业大数据的管理、操作和运行等方面，大数据时代都对其智能化发展提出了更高的要求，电力大数据的主要任务已经不仅仅是单纯的对数据进行收集和存储，更倾向于挖掘更加有效的信息。而且目前我国经济结构正在调整优化当中，电力市场在开发上的难度明显变大，低碳技术的推广，更使得分布式能源占比呈现出逐渐上升的趋势，严重影响电力企业的营销[1]。 2.2电力企业营销管理的发展趋势 电力营销具备的发展趋势有两种，一种是多专业数据融合，一种是数据可视化。①电力大数据主要是针对电力生产服务等各个环节，在这些环节上实现数据的融合和提炼，并且要做到和其他部门以及业务进行数据共享，从而使电力企业数据系统能够实现信息化管理。②电力大数据可以通过可视化低碳技术图形把数据的细节十分清晰地展示出来，并且可以根据企业自身的运行状况做出适当的调节，在反映各类数据状态时，能够做到反映及时、全方位考虑并且十分准确。 3研究大数据背景下电力企业营销管理的创新途径 3.1实现故障抢修可视化管理 要想实现故障抢修可视化管理，需要建立一个标准化运行抢修体系，这一体系是基于电力生产抢修平台的，并且其是实现故障抢修可视化管理的一个重要前提。配电网对于电力企业来说是十分重要的，可以称之为客户和电网之间的纽带，在实现电网和用户的供用关系上，配电网发挥着很大的作用。但是在实际应用中，配电网在电力生产中出现故障的频率很高，所以在电力生产时应该把电力网的抢修工作当成一个重点。在进行配电网维修时，要求抢修人员直接和客户接触并且要能够克服周边环境和时间的限制，但是目前我国配电网抢修工作还处在一个建设初期，相关技术还不成熟，所以，在进行配电网抢修工作时，要能够严格遵循流程。（1）供电公司一旦接到报告电话，要迅速联系当地配电网运行指挥中心，并且下达相应的工作任务。抢修指挥平台要能够清晰地听取客户的描述，从而知道故障的性质、判断故障的原因。（2）要设立一个第一梯队，在故障发生时，由第一梯队首先抵达发生现场判断故障的情况，如果是简单故障，就由第一梯队直接开展故障处理，如果故障比较复杂就迅速指示第二梯队抵达现场进行处理。需要注意的是，不管是哪一个梯队进行故障处理，都要做好汇报抢修记录。某电力企业在实现故障抢修可视化管理后，有了很大的成效。不仅在可视化抢修平台上实现了对通电用户的分析，提升了供电服务水平，还通过使用全球信息技术实现了生产营销和其他数据之间的联系。该企业通过使用“主管人即是负责人”的人力资源管理机制，准确落实了抢修工作。另外，还实现了抢修信息实时更新、故障主动推送，这两方面都充分的利用了GIS技术，实现了故障抢修自动化管理。 3.2实现“四分”线损精益化管理 所谓四分线损管理，主要是指对分区、分线、分压、分台，运输管理这四个方面进行线损管理。电力大数据对于四分线损管理的应用主要是基于GIS技术电力大数据系统，建立相应的信息平台。在实际应用GIS技术电力大系统数据时，四分线损计算的主要体现方式在分区线损，分线线损、分压线损，以及分台线损上，这四种线损在电力大数据系统中可以实现自动化、智能化计算，并且可以提出对异常问题的分析处理办法。（1）需要根据已经有的相关数据进行线损模型的建立，请并且要根据数据的来源，不断地对现实模型进行实时更新，然后进行线损计算。在计算时，要确保计算对象全面，不可以出现遗漏的现象，因为数据的应用具有一定的随机性，所以要保证计算的准确性，才可以保证数据可以随时被调用。（2）要降低四分线损，实现精益化管理。传统降低线损精益度的方法是具有一定的局限性的，主要方法是对相关线路进行改造、提高功率因数，而实现线损降低的精益化管理需要有关部门对线路的导线、截面以及路径进行筛选，并且要不断地推广节能型配电变压器，这样才能实现线损工作的精益化管理，实现电力企业经济效益和社会效益的最大化[2]。 3.3通过合作减少电费回收风险 在电力企业运行当中，电费回收工作虽然看起来占比比较小但也是一个比较重要的工作，电费如果回收不及时，或者是电费回收不足，就容易出现电力企业正常用电服务停滞的现象，甚至影响电力企业正常运行。然而，在当前电力企业管理中，回收电费是一个非常棘手的问题，由于目前的收费方式、法律法规不健全等原因，电力企业一直都承担着很大的电费回收风险。（1）目前电费的收费方式很多都是先用电之后进行缴费，再加上很多法律法规、规章制度不完善，给部分不法分子提供了可趁之机，增加了电力企业的电费回收风险。（2）客户在用电缴费上的意识大多比较薄弱，并不能够意识到用电缴费会造成电力企业的市场预测和预警防范等方面严重缺失，阻碍电力企业的稳定发展。因此，需要电力企业和相关税务部门通力合作，共同协作、共同监督，从而保障电费回收的时效性[3]。某电力企业在应对电费回收风险上就制定了相应的电费担保模式，增加了对由电费回收风险用户的实施力度，通过设置电费担保周期的方式，对经常欠费的用户进行惩罚，从而减少了电力企业在电费回收上的风险，提升了资金的回收效率。 4结语 综上所述，在大数据背景下对电力企业营销管理进行创新已经是一个必要的发展趋势，这不仅符合社会的发展步伐，也是实现电力企业可持续发展的重要途径。因此，要实现故障抢修可视化管理、实现“四分”线损精益化管理，同时通过与税务部门的合作减少电费回收风险，这样才能有益于电力企业的营销管理创新，提高电力资源的利用效率。 作者：李玉梅 单位：国网江西省电力公司赣州供电分公司 大数据营销论文:大数据背景下营销渠道创新发展 摘要：以大数据时代为背景，将前端的市场营销事情架构在大数据的根本之上，营销渠道进行创新，原则上是以最大化地实现企业发明、创造和交付代价。以大数据出现的时代为背景，探讨大数据的含义，及大数据对营销渠道的影响。最后根据目前的研究现状，提出商品即渠道，智慧物流及供应链管理三方面启发，对于营销渠道的提出创新性思维。 关键词：大数据;营销渠道;创新性思维 一、引言 随着大数据的不断深入，大数据已影响到个别消费者,甚至是消费者的各个方面。只要消费者参与消费，此消费行为已经成为大数据的一部分。随着信息技术的发展，大数据的研究和应用已经成为当前信息科技领域的新热点，以数据驱动为导向的金融、市场、战略、营销和运作管理研究和实践，将成为未来商学教育重点发展的核心领域。现阶段，国内外大数据研究主要集中于大数据对企业的影响、大数据风险控制以及大数据背景下企业管理与创新层面。因此，利用大数据基本技术路线，构建以市场为导向，更好将商品或服务传递给顾客的营销渠道的创新思维研究，具有一定的理论意义和现实意义。 二、大数据 1.大数据的定义 “大数据是一个体量巨大、数据类别巨多的数据集，并且这样的数据集无法用传统数据库对象对其内容进行抓取、管理和处理，它可以实时为企业撷取、管理、处理、整理数据，生成企业所需的数据资料”。对大数据的定义，目前有下列几种表述:麦肯锡咨询公司指出，大数据是对数据进行收集、存储、办理和说明分解，其对象的长度超出了典范数据库软件的数据调集。GartnerGroup公司则以为，大数据是必要运用一种新的模式才能具备更强决策力、洞察发明力和流程优化本领的海量、高增长率和多样化的信息资产。黄升民、刘珊等(2012)认为，大数据是指那些巨细已超出了传统意义上的标准，一样平常的软件东西难以捕获、存储、办理和阐发的数据。 2.大数据的特点 对于大数据的特点，对大数据的特色，罗爱宝等(2011)以为大数据具备如下特色：（1）数据量大：凡是到达TB级的数据；（2）数据对象异常复杂：面临的繁杂数据常常不是单一类型的数据；（3）复杂形态数据。大数据的特点也受到科学技术水平的影响，甚至受研究者的知识体系和知识背景的影响。所以，可能会出现多种大数据的特点的阐述。各种因素的影响是一种持续地、变化地并伴有实质性的推动作用，这让研究工作变得更加有趣并且有挑战性。 三、大数据影响营销渠道 营销渠道是指主体是企业或个人，从事从生产者向消费者移动一些货物或劳务时，达到获得这种货物或劳务素所有权，或者是帮助转移其所有权的活动。渠道的结构直接影响着渠道的控制，概括地说，“渠道的控制就是指通过对渠道的管理、考核、激励以及渠道冲突的解决等一系列措施对整个渠道系统进行的综合调控，公司建立起渠道系统，仅仅是完成了实现分销目标的第一步，而要确保公司分销目标的顺利完成，还必须对建立起来的渠道系统进行适时的渠道控制，渠道控制构成了营销渠道管理的核心内容，渠道结构及渠道的搭建是一件相对容易的事情，而渠道控制则贯穿于渠道系统运行的整个生命周期之中。” 1.大数据背景下营销渠道结构的影响 营销渠道结构的本质是企业或个人将其转移的货物或劳务进行任务分派，渠道功能在渠道参与者之间的剖析。大数据首要经由过程两个方面影响营销渠道的布局：一方面，通过对数据的收集，针对企业提供的商品服务的特性、定期的销售数量、区域销售情况进行分析，可对渠道结构的进行优化，实现渠道结构扁平化。另一方面，在制定渠道目标时，应本着可达到、明确、可测量、相关和有期限的原则。可改变渠道设计的思路，从消费者角度出发，关键在于真正了解用户及他们所使用的你的产品的状况，改善用户体验，做最适时的提醒。通过巨量数据的收集、分析和以消费者为导向这两方面，影响营销渠道的表现在为实现渠道扁平化提出重要依据。特别指出，渠道结构扁平化一般理解为，主体对象为营销渠道结构所采取一种策略，基于个体消费者或企业，建立一种简洁而畅通的构造。这种渠道策略被人们接受的原因：（1）避免因中间商层级过多而引发的众多问题；（2）达到减短消费者与企业的距离的目的；（3）尽可能节省中间环节的相关（运营）成本。 2.大数据背景下对营销渠道控制的影响 针对现代企业来看，有效性的渠道控制主要是指，企业在渠道设计、规划、安排、建设、维护和协调的过程中，根据控制力大小，进行运作后取得的相应的结果。主要包括三个方面： （1）渠道控制力水平的关键：渠道的忠诚度。渠道控制力主要是指两个方面：①渠道供应链条的整体控制水平；②渠道客户忠诚度的掌握能力。一方面，借助巨量数据，直接影响到期望，这种期望来自渠道链中各个客户通过合作获得的利益的多少，还来自对未来合作前景的期望。期望更多的是获取相关利益，这种利益来自，通过对渠道链条核心的整体控制，结合巨量数据的分析和共享，同时也达到渠道成员清晰，期望能达成的，渠道合作带来的利益；另一方面，大数据的应用带来精确营销，使不同层次渠道的客户能及时获取产品和服务的信息，从消费者心理角度有重要的积极作用，消费者被企业的积极关注所打动，随之客户的忠诚度不断提高，控制力也越为上升，从而不仅影响到企业市场占有率和扩张速度，而且能更好的提升渠道控制的有效性，使渠道控制力不断扩大。 （2）渠道控制的基本原则：要以顾客收益最大化为目标渠道控制的结果与产品的细分市场有密切的相关性。分歧企业的渠道扶植、节制模式怜惜与其产物的细分市场的特色相对应立室，才能从布局上包管所冷箭渠道链的有用性，奠基终究有用出货的根本，实现对地区市场的有用笼盖。进步渠道节制结果的基本原则便是要以主顾代价最大化为方针，经由过程渠道立异、功效发育、计谋调剂、资本投入等方式，进步全部渠道代价链的办事增值本领和差异化本领。 （3）渠道控制的效率关键：协同分工为了达到提高渠道控制效率的目的，必须针对渠道链条各环节的统一协作分工，加强关注。这一方面是渠道链中，各主体关键成员间的优势相互之间的互补和各成员和对象间资源共享，有效性地取得体系外部和内部间的协同效力外，另一方面还指针对统一企业内部，在利用分歧范例的渠道过程中，持续影响细分市场的渠道分工。 四、营销渠道的创新思维 1.商品即渠道 商品更确切的说是一种消费者使用的，甚至可以进行交换的产品。可不可以在出售产品的同时，让产品附带新的功能呢？这就为产品的营销提出了新的方向。传统营销组合中，将产品和渠道作为主要的方面进行研究，在大数据背景下，产品数据的挖掘和产品的进一步利用，改变人们消费方式的同时也改变了传统营销组合，将商品也纳入到了营销渠道的一部分，让产品变成商品，成为营销的手段。2016年在贵阳中国大数据财产峰会上。京东CEO刘强东提出，2016年京东会公布智能冰箱，该冰箱会像机器人一样，智能的对家里的肉类和蔬菜等情况可以及时阐发，“比如缺牛奶的时候，甚至在你还没有意识到缺少某种产品时，牛奶已经送到你家了。”当然，冰箱里还有其他食物比如鸡蛋、西红柿等。刘强东总结到，销售渠道的方向的改变可以是多方面的，顺应着社会、科技发展，成为一种必然性的趋势，生活中的智能冰箱已经成了一种特殊的商品销售渠道，未来的电商和零售深入发展，越来越多的产品变得意想不到的智能。通过各种传感器、设备工具，每天能够对家里各种蔬菜、鸡蛋、肉类、水果等日常食品，不断地对数据状态进行收集、分析，在自己消费者并没有意识到的时候，经过巨量数据分析自行下单，将所需的食物给送到消费者手中。商品自己作为一个销售的手段或方式，这好像已经不再是个新鲜的话题。跑在路上的汽车，车主还在专注驾驶时，当某个配件有磨损，汽车作为主体收到信号的同时，已下定单了，经过电商平台将配件发出直接达到消费者手中，车主甚至还不知道自己驾驶的汽车配件有磨损。这听上去好像匪夷所思，但也是确实会成为现实的事情。当然，这件事是件节省时间的好事。更甚者，在事故发生的某个瞬间，系统知道了这次碰撞，汽车坏掉的零部件自动生成需求信息，提示汽车必须要进行更换，所需产品的订单将自动生成，并完成了购买活动，节约了寻找和等待配件的时间，车主所要做的工作只要将坏了的配件进行替换就可以了。未来智能冰箱也会酿成购物的一个界面，还好比智能冰箱，改变了传统冰箱只是用来存储的功能。以是将来的购物，跟着数据手艺的不断进步，良多品牌实在并不需要一个所谓的电商平台举行发卖，商品便是一个发卖的界面和渠道。 2.智慧物流 跟着电子商务成长，物流作为渠道中的成员，职位越来越重要。随着数据分析技术的进步，智慧物流成为重要的营销渠道一部分，甚至成为营销是否成功的关键。为解决自己的吃饭需求，越来越多的消费者有更多的选择方式，不仅仅是去餐馆吃饭，也开始用这些外送服务。在北京的三环内，一家挺小的餐馆，叉烧饭作为餐馆的招牌菜，是几位广东人做老板经营的。这么一家小店在北京数不尽数，根据小店的规模，该店主要考虑的是成本，但令人惊讶的是，该店可以提供外送，外送的是通过外卖平台。多种途径和方式的冲击下，就连吃饭的需求也可以在不经意间得到满足。大数据背景下的智慧物流，是一种立异性的营销渠道思维，营销渠道本身是解决如何将产品或服务送达消费者手中的方式，智慧物流作为营销渠道中最快捷、最直接的方式，逐渐被接受并引起重视。 3.供应链管理模式巨量数据的分析 收集背景下，单个企业开始思考，如何在激烈的竞争中才能生存下去。单打独斗的方式已经处于劣势地位，随着企业规模的发展，业务体系逐步成熟，企业思考形成怎样的团队才能处于优势地位，供应链模式犹然而生，其产业链的不断成长、成熟并完善，企业对供应链依赖的诉求越发明显。供应链管理实质就是一种集成化，通过合作形成团队的管理方法和思想，其主体的合作方式就是，供应链中从供应商到最终用户。主要的活动就是计划和控制，供应链活动中的针对渠道各方主体的物体的流动、资金的流动和互联网和传统线下信息的流动。随着大数据的发展，营销的渠道在传统的基础上，不断衍生出多种多样的渠道形式，消费者获取产品和服务的途径变得多种多样，如何更多的获取市场这个蛋糕，企业应以顾客利益最大化为目标，顺应时代的发展，不断创新营销渠道，才能在竞争中处于不败地位。 作者：吕晓丽 单位：山东财经大学东方学院 大数据营销论文:大数据在企业营销中的应用 摘要： 大数据分析能够为企业制定发展规划和经营策略提供详细精准的参考资料并为企业提供具有创新性思维的建议。新形势下大数据在企业营销中的应用主要通过精准化营销模式，企业、媒体和消费者多方共赢等方式实现。企业可通过大数据直接获取消费者行为状况进行市场调研；发掘对企业发展有力的客户资料信息，从更多角度个性化细分市场；使产品模块化，为用户提供个性化服务的同时简化生产管理过程。 关键词： 大数据；企业营销；应用分析；营销策略 最初大数据的概念是对计算机网络中所产生所有数据的统称。然而，现在网络技术的应用已经深入到了千家万户，网民在应用网络时所产生的数据能够被分析和处理，从而使企业营销体系发生一定的变化，大数据营销策略也被人们提上了日常的工作。笔者针对大数据在企业营销中的具体应用进行了阐述。 一、新形势下大数据的内涵 (一)大数据定义 大数据是在全新处理模式下，决策力、洞察力以及优化流程力得以全面提升的大规模多元化信息资产，其典型特点是大量、高速、价值和多样。通常情况下，大数据收集信息的渠道多元化，信息更加具有时效意义，能跟随时展而进步。因此，现代化企业为调查分析公司销售数据，往往借助于网络途径，查询社交类网站或购物平台，收集顾客访问信息等相关资料，与企业传统的顾客信息库有很大不同。在技术层次上，大数据和云计算之间关联紧密，通常建立在分布式计算机结构基础上，以满足收集大量信息数据对信息处理、技术和存储等方面要求。大数据是计算机发展的必然阶段，只有掌握核心技术和内涵，才能成功利用大数据，并在信息化时挥作用[1]。 (二)大数据的价值 大数据的价值主要体现在以下几个方面。首先，通过数据归纳整理，分析出目标顾客行为特点和消费偏好，从而为企业制定发展规划和经营策略提供详细精准的参考资料。当前正处于信息化、数字化时代，利用云计算技术，在最短时间内，为企业搜索到尽可能多的商业信息，是社会发展必然趋势。其次，拓展全新业务领域。当前经济发展速度迅猛，市场形势复杂多变，信息时效性尤为关键，在客户数据视角下，实施数据管理意义重大。此外，大数据的出现突破了传统思维方式。在分析大数据过程中，能为企业提供具有创新性思维的想法和建议，为企业制定营销策略注入新鲜活力。运用大数据思维，掌握专业核心技术，能够使企业在激烈的行业竞争中，提升自身综合能力，成为佼佼者[2]。 二、新形势下大数据在企业营销中的应用 (一)实现精准化营销模式 大数据提供了全面的数据分析，使得对于营销分析的正确性有了极大程度的提高，云计算以及社会分析为企业分析消费者的购买行为以及购买偏好提供了全面的数据，使得基于传统市场分析的企业营销模式逐渐被企业精准化营销模式所替代。精准化营销模式符合当前快节奏的生活，同时也是企业现代化发展的重要标志，精准化营销模式是通过对消费市场以及自身产品进行准确的定位，通过利用现代化信息技术手段建立消费者沟通服务体系，发掘每一个潜在的消费主体，同时扩大商品的品牌效应，提升企业的综合实力[3]。 (二)实现多方共赢 大数据营销的主体主要是针对企业、媒体以及消费者，通过利用互联网实现数据平移，扩大资源利用率，同时增大资源共享率，实现了企业的互联互通。随着经济的不断发展，市场竞争也逐渐激烈，大数据对于消费者的消费行为分析能够帮助企业制定合理的营销方案，同时规避市场风险，形成以营销体系为核心的多方经济共赢模式，优化企业结构，同时带动上下游及周边产业的发展。 (三)实现消费行为的变化 随着互联网在人们日常生活的普及，越来越多的人过上了移动购物的生活。消费者利用手中的移动设备查询消费信息并根据自己所搜索到的消息完成购物行为。目前，3G网络已经为智能移动终端提供了最便利的条件，无论是买家还是卖家都愿意通过电子市场完成购物交易。除了移动形式的消费行为，人们在购物时也越来越注重网络社交，社交环境成为了消费者消费的又一种形式。人们愿意在消费之前先在社交圈里讨论，以此来获得消费产品的更多资讯。现代社会的购物行为是主动的，不需要商家再填鸭式的与消费者沟通，消费者拥有自主选择产品的权利，在对消费产品不信任时，可以随时中断购买行为。大数据显示，消费者越来越注重消费自由，其可以不同再面对嘈杂的促销场所，也可以更加理性的决定自己的消费行为。消费者的从众心理已经成为过去式，越来越多的人喜欢追求个性化消费。卖家也通过对消费者心理的了解向消费者推荐一些产品，并能够得到消费者的一致好评[4]。 三、基于新形势下企业营销战略分析 (一)市场调研 根据随机抽样抽取民众样本，并对样本展开调查获取有力信息，对这些信息加以分析从而做出营销策略。抽样时一定要保证随机性，由于随机成本极高，导致在实际操作过程中是很难保证的，此外也很难保证被调查者调查答案的真实性。大数据所进行的不是随机抽样而是进行普查[5]。不再需要调查者回答问题，而是直接去获取行为状况。最重要的是大数据是一个动态调研过程，而随机则是一个静态的过程。大数据调查也对以往的统计调查有所改变[6]。 (二)市场细分 市场细分就是依据客户的相关特点的相似性进行群体划分，保证同一群体内每个成员特征非常相近。只有将客户群体进行一定的划分，企业才可以对不同的客户有针对性的进行管理和采取相应的营销方式，为不同的客户提供更令其满意的产品和服务。在市场竞争日趋激烈的当今社会，企业共同面临的一大问题便是寻找自己的客户。然而在当下这个数字时代，要了解广大民众的需要并非易事。在大数据的基础上，以hadoop所创建的平台为基础，可以在纷繁复杂的客户资料中发掘出对企业发展有力的信息。大数据可以使市场划分的更细化，企业要使用合理的分析工具进行分析，可以从更多的角度来对消费者进行细分，进行个性化不同的细分[7]。 (三)产品模块化 产品模块化是在指定范畴内，针对产品多种功能或某一功能的多种性能、规格展开研究，并以此为条件，对产品的功能模块，分别进行重组和搭配，研制出新的产品，符合市场标准和需求，某种意义上，产品模块可以为用户提供更具个性化的服务。通常来说，受限制于技术发展和经济成本，大部分企业无法满足每一位顾客对产品的特定需求，高成本量身打造产品是不现实的。产品模块化使企业能够在某一范围内制作出定向产品，并在标准件之间进行个性化搭配，从而设计出具有不同特色的产品，给用户提供了个性化服务，简化了复杂的生产管理过程，平衡了两者之间的矛盾。因此，企业要重视产品模块化的价值，利用不同模块及功能，搭配出无限可能，保证产品质量，节省资本投入，吸引更多用户[8]。 (四)市场分销 所谓的市场分销就是营销者以网络为媒介将自身的产品以营销的形式推荐给有意的卖家，使其在获益的同时帮助自己完成营销工作。加强在网络上的营销活动，网络营销拥有方便快捷的特点，只要商家在网络当中分销信息，该信息就能快速得以流通并得到反馈。顾客也可以通过商界的营销和分销体会商家的营销哲学。商家也可以采取转变渠道的方式来完成整个营销模式，而企业为了宣传自己的品牌，需要不断开拓市场，为自己竞争营销机会。消费者直接了解商家营销目的，变相的帮助商家完成分销策略，商家能够成功的在消费者心目中树立自己的分销信念。 四、结语 将大数据应用在企业营销中，在一定程度上能够促进我国企业的发展。然而，在大数据的处理和分析上，还存在很多的困难和阻碍，没有得到普及应用。但大数据的普及和应用是其未来的发展趋势，对于很多企业都会产生一定的冲击。基于这种背景，我国很多的大型企业都为应对大数据时代的到来做好了充足的准备。企业只有创新营销思路和体系，才能够在大数据时代下取得良好发展。 作者:方凌 单位:南京金陵中等专业学校 大数据营销论文:大数据时代企业网络营销分析 摘要： 网络商城利用大数据在营销模式上进行创新，取得初步成效的同时也面临着诸多挑战。本文在分析网络商城营销模式创新现状的基础上对其创新营销模式中存在的问题进行探究，针对其在大数据背景下营销模式的问题，从改进大数据分析技术、增加客户线下体验环节、改进物流配送效率及创意促销的角度提出相关建议，为提升电商企大数据营销能力提供借鉴意义。 关键词： 大数据；营销模式；创新分析；网络商城 一、大数据时代电商企业营销模式的变革 大数据是从各个方面的数据中，快速、准确的提取出有价值的数据信息，数据具有规模较大、类型多样等特点。在大数据背景下，企业可以通过对海量的数据分析用户信息以及客户购买行为，从而了解到客户的需求，对庞大的数据信息进行不断筛选最终引导客户购买从而达到营销的目的。通过数据分析整合，可了解消费者的消费趋向，并且建立消费预测模型，根据预测模型在一些区域增加产品库存，这样仓库可以通过数据预测做到提前囤货，在发货高峰期提高发货效率。同时，商家能够真正实现消费者个性化，而不仅仅像传统营销模式一样进行用户群体划分。 二、大数据时代下网络商城的营销模式 （一）精准营销 网络商城利用大数据对用户行为分析从而做到精准营销。通过对用户数据的分析，了解到用户的兴趣爱好以及购物趋向，并用E—mail和短信的方式将用户感兴趣的产品推荐给他们。精准营销最重要的是建立用户模型。例如，根据用户的基本信息以及购买行为建立模型来分析用户的购买心理——通过分析用户首次浏览的商品和最终购买商品之间的时间段，了解到用户浏览了多少同类型的商品，根据用户在购买之前等待的时间长短进行判断。网络商城根据用户的购买行为，可以分析出用户的购物心理，进一步得出某类商品的购买心理并贴上标签。因此网络商城在做促销活动的时候就可以根据用户的购买心理，做到产品精准划分、客户划分从而做到精准营销。 （二）供应链优化 网络的商品量非常大，网络商城的系统会根据销售情况做预测模型，在库存量达到某一个阀值时自动生成订单发给供货商。此外，网络商城在物流配送中也运用大数据分析物流人员、仓库以及用户这三者之间的地理关系，为物流人员选择最优配送路径，这样不仅能够提高配送效率还提高了客户的满意度。 （三）智能网站 智能网站指为每一个用户建立一个自己的个性标签。通过对用户信息的挖掘和分析，网络商城对客户细化区分，并满足其需求。具体实践中，对具有重复购买特点的商品，通过数据分析，系统会记录两次购买之间的平均时间并在下一个时间段自动向用户推荐同类型的产品。网络还进行了搜索引擎优化，细分了用户搜索的关键词，例如用户在产品评论中提及“老妈很喜欢”等，网络商城通过分析这些海量的评论理解用户的意图，为商城中的商品打上“商品适合送给父亲或母亲”等标签。 三、网络商城营销模式存在的问题 （一）大数据分析技术有待革新，搜索引擎不够细化 随着网络商城业务和规模的发展，其对数据的需求量也随之加大。因此在现有数据基础上挖掘更有价值的信息变得更加困难。网络商城基本的统计报表分析已经不能满足决策支持的需求，需要在大量的数据中，挖掘出更多有效的价值信息。虽然网络商城通过客户评价、关键词搜索优化了搜索引擎，但是还不够细化，网络商城并没有从客户的每一个购买环节进行优化，因此用户体验上不够完善。 （二）与传统营销模式相比，客户体验环节薄弱 与传统云商相比，网络商城客户体验环节相对薄弱。例如，大多消费者习惯在实体店内购买大家电，现场体验使用效果并挑选产品，在很大程度上降低了退换货率。因此，网络商城在客户线下体验环节应进行创新变革。 （三）货物配送效率低，屡遭客户投诉 网络商城虽然利用大数据分析三方地理位置，选择最优配送路径，但在货物配送过程中监督体系还不够完善。网络商城经常会出现送货不及时现象，在其收到的投诉中物流配送问题居于被投诉之首。物流配送问题导致客户购物体验满意度下降。 （四）营销活动不够创新，改善客户互动环节 网络商城虽然注重在节假日的活动推广，但这些营销活动过于老套，不能更多地吸引消费者的关注。活动内容也与其他电商企业如出一辙，缺乏创意。在与客户互动方面，网络虽然有八级会员制度，但并没有做到真正的与客户互动。 四、网络商城营销模式创新问题对策 （一）改进大数据分析技术，优化搜索引擎 网络商城应当加强数据挖掘技术，构建营销数据分析系统，在建立合理数据模型的基础上，利用数据分析系统从大量的数据信息中找到适合网络商城营销模式的信息并进行合理分析，进一步提高网络商城的营销力，增强企业总体实力。 （二）增加客户线下体验环节 网络商城应增加多渠道营销体验模式。例如，邀请客户参观网络商城运营总部，让客户体验到从下订单到货物配送这一完整体系，增加客户对网络商城的信赖感，提高客户的满足感。同时，设立足够线下体验的实体店，在用户体验环节做足功夫。 （三）提高配送效率，提升用户购物体验 网络商城应该注重优化物流信息系统这一环节，增加物流跟踪服务，让用户实时跟踪物流状态，监督商品运输环节，进一步提高配送效率。在活动推广期间合理利用大数据预测销售量，在物流运营环节做预测模型，这样即使在客户购买商品的高峰时期也不用担心商品送货不及时的问题。这样不仅提升了网络客户的购物体验，而且可以有效减轻物流配送人员的压力。 （四）创意促销，增强与客户互动环节 进行创意促销，网络商城可以从以下两方面着手：一是结合当前热门的微博话题做创意促销活动；关注一些票房高的电影以及热播的娱乐节目组织促销活动。二是打造具有网络商城特色的促销活动，例如：针对女性关注的夏日防晒，做一期专栏活动，网络商城可以策划夏日防晒推荐活动，邀请一些网络红人或老客户“晒出”自己最喜欢用的夏日防晒，并根据自用体验以及感受，写出推荐理由。这样可以增强与客户的互动，增强用户黏性。 作者:冯薛 单位:青岛工学院 大数据营销论文:大数据时代企业营销模式创新 摘要： 大数据时代的到来，将彻底颠覆此前的市场营销模式与理念，导致企业整体性变革。如何在海量的数据时代，为市场销售赢得机会，这就需要企业在营销模式上做相应改变。文章通过对大数据时代的营销环特点分析，探讨企业在营销模式上的变革，为企业的发展增添新的思路。 关键词： 大数据；营销模式；创新 21世纪的到来，带来了新经济时代信息技术的巨大发展，企业的营销活动要从营销理念到营销模式进行全方位的改革。新经济条件推动着经济全球化步伐的加快，企业所面临的市场不断加大，企业的营销战略调整过程中，必须要将全球营销放在重点位置。新经济时代经济发展的最大特点就是要高度重视知识和信息的积累和更新，企业要想获得营销的成功，就必须要充分的捕捉和利用所采集到的各类市场信息，整合现有资源.因此，由于信息技术（大数据）的飞速发展，市场营销必然将以全新的方式上升到更加注重客户需求的阶段。 一、大数据时代的营销特点 1.开启CEC(首席执行客户)的时代 长期以来，我们所了解到的商业行为都是通过搜集市场信息，去了解所谓客户的一些信息,然后帮助企业做研发、做生产，然后营销、推广，最后让消费者接受。以一家服装企业客户为例，它以往的工作流程是：选定产品、寻找买家、生产以及促销，唯一变化的就是当产品积压的时候是通过打折还是压迫经销商完成销售额，这是典型的传统由内而外的经营模式。但是在社会化媒体盛行的今天，这种经营模式将无以为继，因为在大数据时代赋予消费者前所未有的主导商业的力量。“我消费，我做主”——调查显示，75%的消费者已经不再相信商家所做的广告，他们会主动去收集信息、挑选信息、比价、筛选。还是以服装为例，今天的顾客开始主动要求他们喜欢的款式、材质和设计，适合他们的供货渠道，甚至要求折扣金额以及他们所期望的服务。我们称这些客户为“CEC”。因为，当个性化的消费者掌控消费行为的时候，当他们通过社交媒体、网站、论坛等渠道表达个人需求时，客户实际上已经成为影响公司产品设计、生产、销售、甚者决策、战略等各方面的“董事会成员”。 2.满足消费者个体需求 由于90后、00后的成长，使得现的消费者有着独特的消费倾向，他们的客户忠诚度低，只会忠于自己给自己的定位，但并不忠于哪个品牌。在整个销售环节上，如果企业的品牌不能最大化的实现客户价值，最大化地满足个性化需求，那么消费者就会从销售的任何一个环节脱离：问询、购买、支付、服务。之前营销都是按照行业划分，对于同一行业的企业可能采用的营销模式都是相同的，事实上这种观点明显不符合现实，因为每家企业都要实现自己不同的凡响的定位。因此，大数据时代企业必须针对客户的个性化的需求开展定制营销。 3.定制全渠道接触 移动互联网和社交媒体时代给企业带来的另一个挑战就是客户的多接触点而引发的渠道冲突。对于很多精明的消费者而言，他们会自由的在线上、线下、虚拟、实体之间转移，完成整个购买过程可能要经历若干个环节，在这当中如果价格、体验或者服务一项不到位，消费者就会从一个渠道或者从一个品牌跳脱。对于企业来说，需要解决的问题主要集中在四个方面：线上渠道冲击传统渠道体系；多渠道模式与传统供应链的矛盾；不了解电子商务的真正价值；产品设计部门对消费者的洞察不够精准，而一线部门却没有产品设计的话语权。 4.个性化的定价 策略产品的定价应该是一个公司最核心的战略，定价的最终目标是没有统一定价，个性化的定价是定价战略要实现的战略目标。大数据时代，由于购买渠道的多样化、物流运输的可视化，为个性化的定价提供了可能。我们可以假定一个场景，如果你是某品牌的长期消费者，你有自己独特的口味和要求，每次到不同的地方的连锁店，你只需要一张会员卡，就无需再重复以便自己的需求，而且该咖啡店会根据你的客户忠诚度制定价格。如果你几天连续光顾，价格就会有所下调；如果你一段时间没有光顾，公司可以给你发放优惠券来吸引你，比如在一周内购买，免费送一杯专属于你的咖啡；但是如果你消费的间隔过长，价格就会有所上浮。 5.品牌的表里如一 品牌浓缩了企业的形象元素，企业用品牌把自己展示给消费者。传统的品牌营销只是关注企业形象，但是在大数据时代几乎所有都是透明的，以前顾客有不太好的客户体验，或许只能自认为倒霉，但现在消费者一条微博，可以在短短的时间内让全球的人都知道某个公司、某个商品、某项服务的承诺没有兑现。同时，企业的品牌不是建立在一纸公关稿、几个媒体关系。实际上，每个员工对公司文化的认同感、抱怨都可以通过自媒体传播开来，这相当于公司的每一个员工都是公司的公关，塑造品牌的影响、构建品牌的力量已经成为每一个员工的权利。如果企业还是关注树影，可能就会导致公司不停的忙于危机处理。大数据时代对市场营销是把双刃剑，品牌文化的表里如一是应对复杂世界的简单之道。 二、大数据时代的企业营销模式变革 1.个性化营销 通过大数据对用户的行为与特征进行分析。当然这需要积累足够的客户数据，才能分析出客户的喜好与购买习惯，甚至做到“比客户更了解用户自己”。这是大数据营销的前提与出发点。虽然过去企业的经营思想也是一切以客户为中心,想想企业真的能及时全面地了解客户的需求与所想吗，或许只有大数据时代这个问题的答案才能更加明确。随着社会的进步,人们的生活水平、生活质量的改善,这样的客观条件,人们往往更个性化的消费,因为这是唯一的方法来最大化地满足自己的购买意愿。正是因为如此,企业在开展市场营销活动的相应过程中,一定要注意人们的消费心理的变化,及时对消费者心理为基础和为出发点,开展个性化的、有针对性的服务,以最大限度地满足消费者的需求,实质性的推动发展企业他们自己的利益，提高企业在市场上的竞争力。2.实行精准营销精准营销在很多企业都被提及过，但是真正做到的却非常少，反而是企业垃圾信息泛滥。主要原因是过去名义上的精准营销并不精准，因为其缺少用户特征数据支撑及详细准确的分析；但在大数据时代通过大数据分析让企业更加清晰你的产品消费者的特点。面对日新月异的新媒体，许多企业想通过对粉丝的互动记录分析，将粉丝转化为其潜在用户，激活社会化资产价值，并对潜在用户进行多个维度的画像，其目的就是更加精准地分析你的产品消费者特点。大数据可以分析活跃粉丝的互动内容，设定消费者画像各种规则，关联潜在用户与会员数据，关联潜在用户与客服数据，筛选目标群体做精准营销。 3.整合线上线下营销 O2O模式是目前乃至未来企业营销创新的重要举措，品牌商线下实体店与线上电子商务渠道并不是一个不可调和的矛盾，经过一段时间的博弈和演变，它们会在O2O模式下进行多渠道整合。O2O模式的核心很简单，就是把线上的消费者带到现实商店中去——在线支付购买线下的商品和服务，再到线下去享受服务。它是第一个全面将线上虚拟经济与线下实体店面经营相融合的商业模式，也是移动互联网技术发展扩散到人们日常生活中的必然结果。 4.建立互动反馈平台 现在让很多企业纠结的是：在企业的用户、好友、粉丝当中，哪些是最有价值的用户。在大数据时代，或许这一切都可以更加有事实支撑。从用户访问的各种网站可判断其最近关心的东西是否与你的企业相关；从用户在社会化媒体上所的各类内容及与他人互动的内容中，可以找出千丝万缕的信息，利用某种规则关联及综合起来，就可以帮助企业筛选重点的目标用户。通过对这些数据的分析，然后对客户的商品需求进行预测并向其提供推送服务，当然也需要根据客户的需求提供针对性的体验服务。互动反馈平台给企业提供了一个准确了解客户需求的视角，通过平台的沟通和磋商，企业也可以根据这些信息对营销方案进行调整。 三、结论 信息技术在社会和经济生活的各个领域的不断推进，给消费者提供了更多获取信息的渠道。消费对产品的选择有了更大的主动权，他们不再被动地接受企业的服务，而是有着众多的选择对比和分享，影响着消费群体。因此，大数据时代的营销模式变革要求营销不能再凭感觉做事，而要依赖于科技能力和分析洞察能力。 作者:唐友明 单位:长江大学文理学院 大数据营销论文:大数据背景下的图书营销模式 摘要： 大数据技术给图书营销模式带来了冲击，也提供了机遇。大数据技术的诸多特征优势使图书营销的精准化、网络化、全过程化成为了可能，并实现了图书出版业务的低成本和高效益。据此，本文提出了大数据背景下有关图书营销模式创新方面的策略。 关键词： 大数据背景；图书营销；模式 一、大数据对传统营销模式的冲击 这是一个产生大数据的时代，也是一个挖掘、分析并运用大数据的时代，人口的剧增、经济的发展、生产与消费的暴涨以及社会结构的变迁都在制造着越来越多的数据信息，并成为被有心人加以利用的新兴资源和新型资产。人类社会无时不在产生数据信息，只是随着科技与经济的迅猛发展，人们制造的数据愈加繁多，尤其是随着互联网及新媒体技术的开发利用，这些信息也有了收集、储存、计算与应用的高科技手段和方法，并在各个领域中显示出极大的效益价值。在商业营销中，大数据所产生的经济效益不仅是大数据记录存储与云计算的结果，还应是理念与策略的创新。科技的发展促进营销模式的改变，首先应是理念与策略的改变，而理念与策略的改变又必须基于科技手段的运用。大数据的特征突出表现为“4V”，即大量化（volume）、多样化（variety）、快速化（velocity）和价值密度高（value）。［1］当营销者将客户遗留的多种海量数据进行快速处理时，获得价值密度极高的客户需求信息及市场希望空间就会非常及时准确，一改经验判断式及市场调研式的营销策略，降低营销成本不说，市场判断精度也将大大提高。这正是大数据开发的新成效。 二、大数据在图书出版营销中的价值体现 毫无疑问，图书出版业在营销模式上同样面临来自大数据的冲击，当然也迎来难得的机遇。一方面，社会化媒体的崛起加剧了整个社会的“碎片化”生存状态，导致图书消费领域的“碎片化”发展趋重，［2］大众品牌的影响力在迅速下滑的同时，个性化消费却随着生活方式的改变而提高，追求自我、追求个性将成为未来图书产品策划、品牌定位及媒介宣传的主要依据。另一方面，数字信息技术的发展也使得图书出版从纸质时代向数字时代的转化成为可能，使图书产品在便携带、大容量、可复制、好存储及快阅读等各方面都将发生质与量的改变与跃升。在这一前提下，如能运用大数据对数字化图书出版市场信息进行挖掘、分析和计算，对图书出版及营销模式创新就会产生极大的经济效益与综合价值。首先，有利于图书出版选题的市场定位。图书选题可以理解为图书出版的内容、容量与形式。在买方市场时代，图书选题需要以市场需求来定位，以市场现有图书销售、作者及读者的基本情况与动态趋向为依据，这样才能寻求并抓住市场机会。基于大数据分析平台提供的计算结果，图书选题的市场定位能够尽可能接近精确，对于利润的最大化实现非常有益。其次，有利于实现营销策划的市场匹配。市场匹配包括对区域空间、群体阶层、受众需求及生产规模的精确计算与对接。图书出版作为一种文化产品的生产与销售，在上述因素中均和一般商品存在较大区别，运用大数据平台的精确计算可以避免图书出版与市场投放的盲目性，也可以避免经营上的损失。 三、大数据背景下图书营销模式的创新应用 （一）以精准营销作为提高营销价值的途径精准营销理念由美国营销学家LesterWunderman于1999年提出，其理念形成的基础就在于利用信息化手段来获得消费者的需求与市场化的细分，并与顾客建立双向沟通关系，以利于建立更为高效的营销模式。图书出版业务可利用海量信息建立读者数据库，再根据读者数据库跟踪分析各个行业特定人群的各种消费特点与消费行为习惯，就能使图书的选题、宣传、推广、营销更具针对性和可靠性，从而实现精准营销。例如，京东商城通过分析八千多万消费者的购买行为揭秘出网络用户的消费“规律”，其中阅读消费者的表现很有特点：喜欢《淡定的人生不寂寞》的读者会同时购买《百年孤独》；热衷健身的用户居然也是偏爱《中国通史》的读者！对于营销者来说，这该是何等重要的信息。显然，只有通过大数据信息的充分挖掘与运用，图书出版才能准确掌握消费者的真实需求与偏好，为图书产品的市场营销做出精准策划。需要指出的是，精准营销必须做好两个环节的工作：一是利用大数据进行市场测算，以充分预知图书市场的基本状态；二是利用大数据推动营销的开展，不断调整与完善销售策略，以最大化提高精准营销的价值。 （二）以网络化营销作为促进营销效益的手段利用大数据分析技术是推动图书网络化营销的有效模式。除了大数据技术，互联网（移动互联网）技术与新媒体技术也是必需的技术依托，如此才能适应越来越“碎片化”、快节奏、移动式、个性化的阅读方式，满足与之相应的阅读消费需求。当当、亚马逊、京东等电商都拥有自己的网上书店，使读者能通过网络直接获取图书信息并购买阅读。图书网络化营销不能仅仅理解为新销售渠道的开拓，它至少应包含三个层面的工作：一是借助网络进行图书销售。网络技术与多媒体技术对信息的传播特征决定了这一销售渠道将能获得更多不同读者的阅读消费。二是借助网络进行阅读销售。数字化时代的图书可以是传统的纸质形式，也可以是电子图书或网络图书，图书形式的革命必然产生阅读形式的创新，所以网络阅读销售必然以新的阅读方式如在线阅读促进销售规模的壮大，并以新的支付方式（网络支付）加快图书营销的速度和营销模式的更新。三是借助网络进行销售服务。销售服务是对阅读者的关心，也是对营销者的关注，借住网络营销平台可以为读者提供信息、在线支付、购买阅读等服务，也可以利用访问来源、点击分布等所产生的大数据分析得出读者的消费需求与偏好，以利于营销策略的调整。总之，大数据在包括图书出版在内的网络商业营销中发挥了强大的功能，亚马逊能从图书销售商发展为集图书出版与销售于一体的综合服务商，其转型推力就是掌握了消费者的消费数据，并依此准确进行市场定位、有序实施市场拓展，最终成长为图书市场的强大竞争者。 作者：张特 单位：浙江科学技术出版社 大数据营销论文:大数据下电子商务营销模式 【摘要】 本文从大数据的定义和特征出发，先分析传统电子商务营销模式的优势和不足，接着提出基于大数据的网站SEO优化、会员管理、媒体广告等营销模式，最后总结电商企业借助大数据的价值与功能，将获得更大、更好的发展空间。 【关键词】 大数据;营销模式;电子商务营销模式;SEO 1965年英国科学家戈登•摩尔发现摩尔定律即集成电路芯片上集成的电路数目每隔18个月就翻一番。摩尔定律见证了电脑的数据处理能力从千字节到兆字节到千兆字节再到万亿字节的变迁。尤其是互联网的出现，让我们急速跨入大数据时代。 1、“大数据”的定义和特征 在现代数字化世界，无论是运用科技进行沟通、学习和交流互动，只要我们运用科技活动，就会留下相应数字信息，这些就是数据，而且这些数据会随着时间的推移累积。大数据，由麦肯锡咨询公司最早提出，通常用来形容一个公司创造的大量非结构化和半结构化数据，如果我们将这些数据和企业内部的日常管理经营数据、供应链管理数据和消费者统计数据结合起来，就会得到大数据。大数据分析常和云计算联系到一起。大数据的特征表现在数据大量化、形式多样化、分析快速化、意义价值化。数据大量化是保证大数据分析结果的重要前提;结构化数据和非结构化数据构成了大数据的多样性;大数据的及时有效的快速分析并预测出准确的结果，是大数据有意义的前提;价值化是大数据的最终意义──获得洞察力和价值。 2、电子商务营销模式的优势和不足 营销模式是人们在营销过程中采取的不同方式方法。电子商务营销是网上营销的一种，是借助互联网完成一系列营销环节，达到营销目标的过程。电子商务营销模式是在传统营销模式基础上进一步提炼和创新，是一种更高级的营销模式。目前，电子商务营销模式主要有以下几种:电子邮件营销、论坛营销、博客营销、微信营销、口碑营销、病毒营销等。 2．1电子商务营销模式的优势。 在信息化快速发展的今天，电子商务的出现颠覆了传统的商业观念，相比较传统商务而言，电子商务营销模式具有以下优势: 2．2电子商务营销模式的不足之处。 与传统营销模式相比，电子商务营销模式优势显而易见，但由于其起步时间短，因此不管是在管理，物流，法律等方面都不及传统商务完善。电子商务营销模式的不足之处表现在:(1)交易双方缺乏信任感。与传统营销相比，交易的进行通过互联网实现，买卖双方不面对面交易，双方信任度低。如电子邮件营销，企业和商家通常采用群发邮件的方式，收到邮件的多数用户即使看到邮件发送者的姓名，也不认识对方，从而有抵触、排斥心理。(2)网络技术与安全性问题需要改进。在开放的网络上进行交易，确保网络上传输数据的安全性成为电子商务能否普及的最重要的因素，安全也成为电子商务发展的最大障碍。(3)缺乏相应的法律约束。以博客营销为例，任何个人都可以注册博客账号，添加好友进行营销推广，交易成功后一旦产品质量出现问题，因为缺乏相应的法律约束，买卖双方相互推卸责任，导致问题始终无法解决。(4)广告效果不佳。以论坛营销为例，网络用户只有访问该论坛才能看到企业广告，而网络上论坛数量如此之多，想要进入指定论坛，难度、效果可想而知。(5)微信营销虽然能够取得很好的效果，但仍然有不少潜在消费者不会使用微信，从而也就看不到商家在微信上的信息。 3、基于大数据的电子商务营销模式探索 大数据时代，电商企业需要改变观念，改变传统营销模式。电商企业通过对大数据进行分析利用，做到精确定位、个性服务，探索更高效的营销模式;同时，电商企业也可以通过对大数据的把握，寻找更好地开发新产品和服务、降低企业运营成本的方法。 3．1基于大数据的网站SEO优化。 网站SEO优化是在设计网站时使网站相关的关键词排名靠前，获取更多的流量，达到提高网站销售率及推广品牌的目标。以美国亚马逊网站为例，亚马逊上，有超过35%的销售来自站内推荐系统。其原理是追踪每一个访客的站内访问行为，建立推荐模型，预测访客可能感兴趣的商品，然后通过推荐模块在网站页面展示，吸引用户点击购买。大数据是当前网站SEO优化的重要基础，网站在优化运行时，需要注重数据的采集，借助第三方大数据平台进行分析，比如网站代码、网站图片、网站标签应该从哪些方面优化，网站的排版布局应该从哪些方面改进，质量从哪些方面提升等。通过大数据AB测试，了解页面布局和功能设计，避免主观判断劣势。借助大数据分析了解当前本行业网站相关用户点击热度数据，用户感兴趣的内容等，百度指数等诸多功能都能够为网站SEO优化大数据分析带来参考。大数据能够为网站优化提供方向，能够让网站优化从面面俱到，到有的放矢，让网站优化具有目的性。 3．2基于大数据的会员营销。 传统的客户关系管理，是通过对已购买顾客进行分组和差异化的营销互动。事实上，除了已购买顾客，网络上其他顾客在互联网上评论、更新个人信息、填写兴趣爱好、每笔交易信息等均有记录。电商企业通过掌握这些潜在顾客的行为数据，其数量级可能是已购买顾客的上万倍甚至更高，要对这些大数据进行整合分析。在大数据之前，我们对于这样一个庞大的潜在顾客群是无法管理和互动的。大数据使客户关系管理概念发生改变，变为访客关系管理，来访问的客户即使没有成功购买也能发展成会员。从访问到注册、加入购物车、支付、购买等环节，建立一个客户转化销售漏斗，这是进行会员营销的基础，电商企业要利用好这些大数据。 3．3基于大数据的媒体广告。 传统媒体广告包括电视、广播、报纸和杂志四大类，随着互联网的普及，PC互联网、移动互联网广告影响力更大。广告营销传播范围广，影响大。大数据时代，广告营销活动具有个性化、精准化和动态化特征。商家依靠收集到的用户大数据，对目标消费者群体的特征加以描画，商家可以通过消费者倾向度数据、行为数据和社交内容分析数据来洞察和识别目标消费者的特定需求;同时根据目标消费者的兴趣爱好、社交关系等制作动态广告信息内容;然后根据目标消费者媒体偏好、关注时间和使用频次选择合适媒体渠道进行精准化投放;最后依托社交媒体平台的点评、分享反馈信息跟踪和评测广告效果。电商要利用大数据做好媒体广告，需做到:(1)要有自身的大数据营销规划和架构，具有大数据营销的技术储备和思想意识;(2)培养自己的大数据营销人才，深入进行大数据洞察，而不是简单外包。 综上所述，大数据已成为全球语言，正如麦肯锡在其报告中所述:“在全球经济的很多领域，大数据在以很多方式创造价值”。在大数据时代，电子商务的竞争已经成为基于数据的竞争，谁拥有大数据，谁就有制胜的砝码，就可能成为大赢家。当下正是各大电商企业重视数据营销、数据分析的阶段，因此借助大数据的价值与功能，电商企业将获得更大、更好的发展空间。 作者：夏金弟 徐奕胜 单位：安庆职业技术学院 大数据营销论文:大数据在服务营销中的应用 大数据作为继Web2.0和云计算之后近年来媒体最关注的一个词，在全球范围内吸引了营销学界乃至政府的目光。很多科技巨头、科研机构都已投入到了大数据的软硬件技术整合，以及大数据信息处理的技术供应研究开发之中。美国政府更是将大数据提升到了国家战略发展的高度，之后，日本、欧盟和澳大利亚等国家和地区均出台了相应的大数据发展规划。这一切都说明我们已经步入大数据时代，数据已成为了各行各业关注的焦点。同时，移动智能终端设备的发展和互联网的普及，使得大数据的应用已经渗透到每一个行业及其业务职能领域。 对企业而言，大数据对其商业模式与管理思维有着明显而重大的影响，从数据中去分析市场、获取先机成为了商界共识，尤为可喜的是，大数据在服务营销方面存在的巨大发展空间，以及存在多种能够为企业带来效益或利润的应用。 1.大数据和服务营销相关概述 1.1大数据概述大数据（bigdata）指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。云计算与大数据相辅相成，云计算是大数据的IT基础，而大数据是云计算的一个应用。大数据的特点有四个层面：第一，数据体量巨大。第二，数据类型繁多。第三，价值密度低。第四，处理速度快。 1.2服务营销概述服务营销是指依靠服务质量来获得顾客的良好评价，以口碑的方式吸引顾客，维护和增进与顾客的关系，从而达到营销的目的。它是现代市场营销的一个新领域，就是要在建立顾客服务系统、培养顾客忠诚度、加强服务人员内部管理和服务过程管理上进行全面的营销。在传统营销的基础上，服务营销更注重三大理念：①关系营销理念，企业与顾客、分销商、经销商、供应商等建立、保持并加强关系，使有关各方实现各自的营销目的；②顾客满意理念，企业的全部经营活动都要从满足顾客的需要出发，使顾客满意成为企业的经营目的；③超值服务理念，用爱心、诚心和耐心向消费者提供超越其心理期待的、超越常规的全方位服务。 2.大数据在服务营销中的应用 2.1识别新的服务营销战略机遇随着科学技术和全球经济一体化的发展，服务营销面临的外部环境变得更为复杂多变，其营销战略制定面临更大的挑战。而基于对大数据的分析，管理者和决策者能够洞悉新市场和经济的走向或发展趋势，通过对相关数据的分析，可以发现某一领域的新的市场机会，从而识别出新的服务营销战略。同时，通过大数据技术的应用与支持，能够更为有效地监控企业发展的内、外部环境，为决策者做出科学决策提供参考，这进一步保证了企业能够更加及时、有效地抓住当前市场新的服务营销战略机遇。 2.2实施精准、差异化服务营销市场消费需求越来越个性化，服务也要随之个性化，否则企业的发展就会止步。因此，企业需要进行服务市场细分，甚至不还要“一对一”服务。通过把客户进行细分，针对不同类型客户量身提供差异化服务，这是服务营销的未来准则。大数据技术能让企业有效掌握目标消费人群的行为特征，对不同细分人群的购买偏好和消费趋势做较为科学的预测，有时甚至能够创造或引领目标消费者的需求。通过对目标消费者的行为特征进行分析，企业能确定自己的目标客户，也能对其进行分类，进而提供最合适目标消费者的服务，实施精确的广告投放，进行精准服务营销。 2.3整合服务营销多元化平台当前，企业的服务平台多元化、立体化，目的是为客户创造最大的便利，如建立店面服务、平面服务、语音服务、移动服务、网络服务等多元化服务平台，使客户拥有了更多的接受服务的机会。同时，企业也在主动地利用多种沟通渠道进行客户访问，提供计划性、制度化、流程化的销售服务，通过诸如电话、传真、电子邮件、信函、上门访问等多种渠道提供服务。这样的话，可以利用大数据技术，把多种服务平台，以及多种沟通渠道的信息数据整合起来，从而使得企业最大化地减少服务成本，同时最大化提升企业服务营销利润。 2.4优化服务营销的品牌推广策略现代商业世界已进入品牌竞争的时代，品牌已成为企业进入市场的“敲门砖”，对于服务营销来说，品牌给顾客提供了用来识别特定公司的服务的有效的信息。以前，由于企业不太注重受众的参与和主观的想法，所以导致企业能够提供给消费者的有效信息少之又少，但在大数据时代，通过大数据技术，企业能够实时掌握消费者对其产品的评价，并且针对性的对消费者的评价给予回复。通过企业与消费者的持续、实时交互对话，提升了消费者对企业的信任感和归属感，从而使得企业服务营销的品牌推广策略效果较之前大大增加。 2.5充分挖掘目标消费者价值企业的整个经营活动要以顾客的价值为目的来满足顾客的需求，并及时研究顾客购买后的感受，开发出顾客最需要的新产品，最大限度地使顾客满意，最终培育顾客对服务的高度忠诚。而企业与消费者的密切接触能够为其提供巨大数量的市场信息，并使其增加利润。大数据技术能帮助企业全面记录消费者的购买量、消费金额、购买频次等众多消费信息，通过对上述信息按一定标准进行分类汇总，可以将目标消费者分成不同的等级，并对各等级目标客户进行精准营销，从而充分挖掘出目标消费者对企业的价值，增加企业利润。 作者：柯正平 单位：广东药学院 大数据营销论文:大数据在汽车营销的应用 1.大数据助力汽车营销 说到最近几年的热词，“大数据”肯定可以算是一个，各行各业似乎都在谈论大数据，而在汽车营销领域，如果能利用好大数据，同样可以对销售业绩起到良好的助推作用。现如今，中国人花在互联网和移动互联网上的时间越来越多，而线下时间则相应地减少。当客户有购车需求时，一般也都会先在线上搜集一些信息，例如搜索引擎、垂直网站和视频网站等。当然，现在微信也成为了一个重要渠道，客户很可能会订阅一些中意品牌的微信公众号，并且通过推送的活动邀约参加一些线上或线下的活动。而通过以上这些数据的收集和分析，就能够知道客户对哪些车型更为关注。再通过其他渠道收集到的一些大数据，例如社交软件上的公开信息、导航软件的位置信息等，就能够刻画出一个较为贴切的客户形象，例如客户从事的行业、基本的家庭状况和个人的喜好等。有了这些信息，经销商就可以对客户进行分类，并开展一些具有针对性的营销活动，乃至提供一些个性化服务。 2.实施步骤需认真设计 当然，想要做到上面的程度，经销商的市场部门要做很多工作，要设计很多步骤和方法，才能让客户有一个比较顺畅的购车体验。首先，第一步肯定还是广告的投放，但是不同于以往纸媒或电视上粗放式的投放，在大数据背景下更多的是在线广告投放，只有这样才能精确地知道广告的引流效果，从而通过精确引流找到目标客户群体。广告在什么渠道投放、什么时间投放、如何落地、如何进行个性化设计等等，都是要考虑的问题。经过广告的引流，已经把客户流量从广告页面吸引到车企官网或经销商页面，这里会有更为详细的品牌车型介绍、配置信息以及一些视频等，我们也能够通过营销系统更方便地抓取和跟踪客户在官网的行为轨迹。到了这一步，最终目的就要想办法获取用户的联系方式。传统的方式是请潜在客户在网页上留下电话或者电子邮箱，而目前更为常用且方便的是引导客户扫描二维码关注微信号或者加入车友会，从而获取客户微信。第三步就可以通过微信服务号与客户进行更多的互动，在这一过程中还可以通过H5页面等获取更多的客户信息，例如手机号码、车型偏好、购车预算、购车时机和用车需求等等。通过这些已经获取的信息就可以为客户提供更具针对性的服务，例如定制化视频等。此外，在这一环节也可以设计一些线下活动，增进与客户的关系，例如高端车型用户就可以设计线下酒会或者社交活动等，在此类活动中显然都会产生更多的互动。最终，通过一步步的设计，线上与线下的配合，客户画像就会越来越清晰。最后一步，将所有信息反馈给客户关系管理（CRM）系统，通过潜在客户购车意向评估系统就可以对客户进行最终分类。对于得分高的潜在客户理应投入最大的资源，例如配置专属客户经理一对一服务；而对于购车时机和预算尚没有太明确的客户，则可以只进行一些日常的信息推送，慢慢培养其对于该品牌车型的兴趣（图1）。这样一来，根据不同的客户采取不同策略，最合理化地配置资源，就能利用现有资源最大程度上实现对销售业绩的转化。 3.大数据也并非万能 最后要注意的是，在大数据时代，获取数据并不难，难的是对数据的分析和合理运用。在汽车营销领域，这就离不开CRM系统对于数据的整合与分析。但同时有个误区一定要避免，那就是不能过分迷信大数据分析。例如，分析显示超过70%的客户最终会选择白色或黑色的车辆，那这是否就意味着下一位进店客户一定会买白车或黑车呢？显然不是。所以，大数据分析最终还是要结合人这一根本要素进行判断。 作者:赵月 大数据营销论文:“大数据”对保险营销影响分析 摘要：互联网技术的发展，正在颠覆以往的一些营销模式，根据平安保险集团的2017年上半年业绩显示，2017年上半年新增客户数量1854万，其中667万来自互联网用户，超过1/3的新增客户来自互联网。在大数据时代，保险营销模式必须做相应的调整，以此适应时代的发展，为企业创造利益。 关键词：保险；大数据；保险营销 1引言 随着互联网技术的发展，大数据、云计算等新型技术的不断涌现，已经参透到各个行业，一直以营销为主导的保险业也不能例外，大数据技术的发展，对保险业营销产生积极影响，根据平安保险集团的2017年上半年业绩显示，2017年上半年新增客户数量1854万，其中667万来自互联网用户，超过1/3的新增客户来自互联网，互联网、大数据已成为保险业发展不可忽视的一部分，正在改变我们以往的保险营销模式。 2相关背景 据《中国互联网络发展状况统计报告》显示，截至2016年12月，我国网民规模达7.31亿，手机网民规模达6.95亿，互联网普及率为53.2%，更多互联网技术的发展，由此产生的数据将呈爆炸式的增长，相关数据的分析、应用，将会带来我们思维模式的变革，把人们带入了全新的大数据时代。大数据是互联网时代的产物，相对于一般数据而言，大数据主要体现在以下几个方面：一是Volume，即数据量大，大数据的起始计量单位至少是PB（1000个TB）、EB（100万个TB）货ZB（10亿个EB）；二是Variety，即数据类型多，多类型、多结构的数据，对数据分析处理的模型提出了更高的要求；三是Value，即价值密度低。信息海量，无处不在，但价值密度较低；四是Ve⁃locity，即速度快，时效性高。这是大数据区分于传统数据最显著的特征。 3传统保险营销模式的特点 目前，我国保险市场的营销模式主要以直销、兼业、个人为主要的方式,其主要特点体现在：一是传统保险公司营销以保险人为中心，管理粗放、经营成本高，在各类保险公司中，保险销售人员占有很大的比例，截至2016年第一季度末，我国保险营销员的数量突破710万人，与2014年底相比增长118.27%,同时保险经纪人佣金是保险公司经营成本主要成本之一。二是在保险的营销过程中，往往以人际关系为中心来营销。很多保险人刚刚跨入保险销售行业时，她的很多保单都是销售给自己的亲戚朋友,这种保单往往是碍于亲戚朋友的关系而非真正的保险需求者，保单的续保率低，同时，如果保险员一味地只做熟人的保单，缺乏对新客户的开发，对个人的成长不利，迟早会被行业所淘汰。三是在传统保险销售过程中存在误导销售。我们的保险销售员由于业绩的压力，为了促成保单成交，保险人在销售过程中往往亏夸大保险责任，而对保单的弊端避重就轻误导客户，中国保监会公布的数据显示，2016年，中国保监会及派出机构共接收各类涉及保险消费者权益的有效投诉总量32442个有效投诉事项中，涉及保险公司合同纠纷类投诉29651个，占投诉事项总量的91.40%，在合同纠纷类中，误导销售占有相当大的比例。一旦发生合同纠纷，客户对公司的信任度降低，同时损害公司和客户的利益，危机我国保险业长期的健康发展。四是传统保险销售买保险容易理赔难，售后服务不确定现象突出。保险公司对于长期人寿保险业务一般采取把佣金总和，集中到前5年发放，而一般短期保险业务特别是车险采取一次性提成方式，这些方式导致客户往往对保险公司售后服务不满意，理赔难现象长期存在。据波士顿咨询公司的调查显示，我国保险个人人总体流失率每年高于50%，行业几乎每3~6个月就会流失过半的新招入人员，而仅有10%左右的保险高管会做到8~10年，这也使得售后服务得不到保障，一旦保险人离开保险销售行业，那么其所承诺的各项服务也将难于兑现。 4大数据对保险营销的影响 保险的属性使其天然就具有大数据的特征，首先，一个保险产品立项、开发、运营等都离不开大量的数据支持，研发人员需要通过对以往相关数据的分析，开发出对公司、消费者共赢的产品，以此占领市场；其次，保险的公司为保证未来对保单持有者有足够的偿付能力，需要对保单进行再保险和合理的投资，但怎样安排合理的比例，保证公司收益的最大化，需要大量的以往经验的数据支持，以便做出合理安排；最后，保险公司要适应社会发展，必须开发出具有竞争力的产品，那么需要大量的数据调研，需要对数据的收集和分析挖掘。截至2016年底，我国共有117家保险机构经营互联网保险业务，保费收入达到2347亿元，其中人身险占比达83%；2016年全行业已有50余家机构与第三方社会化云平台合作，有104家机构签发了3.61亿张电子保单，可以说有效降低了运营成本、促进了产品创新。大数据对保险营销的影响主要体现在以下几个方面：一是大数据将改变我们的广告营销方式，在传统的营销方式，一般以电视广告、广告牌、体育赛事赞助等来扩大公司的影响力，比如德国安联保险集团拥有拜仁慕尼黑队的主场冠名权、中国平安保险集团赞助中超联赛等，这些都以广告覆盖为主，以此来引起消费者的注意，而大数据时代广告营销将主要细分人群为主，对不同的客户推荐不同的保险产品，从而避免客户对保险公司及产品产生抵住情绪。二是在保险的销售环节，注重精准销售，在大数据的支持下，保险公司可以把客户分成成千上万种，对不同的客户销售不同的保险产品，在对客户推介保险产品前，先通过大数据有效地对客户属性进行分析，做到精准销售而不是盲目销售。三是在客户承保定价环节，现行的定价机制，主要以客户当年及累计是否发生交通事故为定价基础，所有客户都是统一销售模式。在大数据时代，由于可收集的数据众多，保险公司可以收集客户驾驶习惯、驾驶线路发生交通事故的风险程度、车辆保养情况、车辆型号发生交通事故的风险等等，因为好的驾驶习惯可以使交通事故发生的风险大大降低、不同线路风险情况不一、车辆保养情况会影响车辆的制动性能、不同车辆型号发生事故概率不同等，通过大量数据的采集和分析，对不同客户进行差别化定价，以此来吸引客户。四是大数据可以提高我们客户服务质量，以此来帮助我们营销。在大数据时代，保险行业可以实时捕捉客户的保险需求，以客户需求体验为主，寻找真正有潜在的需求客户，最终由相关销售人完成销售，同时在理赔阶段，现行的理赔时间长，客户对公司的评价不高，大数据时代，保险公司通过公共信息实时获得客户的出险信息，及时主动联系客户提供理赔服务，提高我们理赔的效率，服务品质的提升，有效地提升了客户体验效果，有利于营销活动的展开，也为企业创造了价值。在未来，我们相信随着互联网保险模式的创新与探索，大数据会更好地为保险营销服务。 作者:冯宇晨 单位:成都七中嘉祥外国语学校 大数据营销论文:基于大数据市场营销运营体系探讨 摘要：在移动互联网时代，传统业务逐步萎缩，有些濒临退市，新型业务的发展与推广，是互联网公司的重要决策，市场营销竞争异常激烈。以现有营销模式为基础，结合当前市场规模和环境，提出一种基于大数据分析的市场营销运行体系，构建了涵盖方案策划、目标客户选取、营销事件捕捉、商机把握、营销匹配、多波次营销、渠道执行与效果评估等功能、形成了场景支撑、渠道支撑、实时营销、客户洞察、数据深度解析等能力。 关键词：运营；支撑；大数据分析；客户标签 1概述 随着移动互联网业务的发展，通信领域的竞争日趋激烈。通信运营商之间的同质竞争导致新增市场日趋乏力，而传统业务逐步萎缩，话音、短信等业务单价持续下滑硬着陆，价格弹性越来越弱。同时，以BAT为首的互联网公司的多元化发展引领大批互联网、媒体、终端厂商等企业向通讯、娱乐、信息等多方面进军，异质竞争愈加紧迫。总结起来，当前市场营销，具有如下特点：（1）企业战略：基础电信运营商从3G业务开始，传统语音、短信，彩信、彩铃等业务的增长乏力，甚至出现较为快速的下滑态势。因此无论是三大基础运营商，还是后来参与移动转售业务的虚拟运营商，在网络接入越来越成为刚需的情况下，流量经营创新突破已成为行业共识。（2）竞争环境：全业务运营时代的到来，导致电信运营商之间以价格为主导的客户关系维系手段逐渐成为历史，而更加开放的电信运营策略使得电信产品、电信服务的种类呈爆炸式的增长。互联网OTT均重视通过数字化、智能化手段提升其推荐成功率，如基于大数据学习的智能推荐、交叉营销等，不断蚕食电信运营商的市场份额。（3）市场趋势：客户需求日益多样化/小众化，产品规模爆发式增长，客户接触渠道快速丰富。传统的大众化/规模化营销模式，已经越来越难以适应现有的市场情况。（4）实现能力：近年来，大数据采集/存储/处理技术已经逐步完善，数据挖掘技术得到广泛应用；集团/省公司/基地/专业公司，在客户洞察，精细化营销方面也积累了较多经验。因此，不管是IT能力，还是业务能力，已经为推动营销体系转型奠定了较好的基础。为应对竞争、巩固市场主导地位，作为互联网业务的供应商紧跟时代步伐，引领通信前沿，以实现创新资源和成果的共享、协同和应用为目标，以专业化的组织、人员为保障，以“客户为根，服务为本”的企业服务理念为指导，以提升客户感知的企业战略为原则，以有效制定和贯彻公司服务营销战略为目标，以智能化互联网化的CRM平台为支撑，以大数据为核心驱动力，对用户行为偏好进行全方位刻画并建立多维动态模型，打造了基于大数据的市场“微营销、精服务”体系。 2基于大数据分析的市场营销运营体系 2.1应用集成架构 以大数据资源为依托，建立以数据分析为驱动的、包括方案策划、目标客户选取、营销事件捕捉、商机把握、营销匹配、多波次营销、渠道执行与效果评估等环节在内的微营销框架等，图1为相应的应用基础架构图。 2.2客户事件感知 构建事件处理域，通过对数据源采集，及时的规则库匹配，内存数据库及流计算技术的引入等，以实时模式，识别客户事件，保障及时准确的触发营销活动。事件处理中心以实时与非实时两种方式对事件源数据进行采集，通过预先预定义的事件规则，从事件数据源获取数据后，进行事件标准化处理，并反馈给营销管理模块的事件策略解析引擎进行解析，从而支撑事件营销工作，支持业务办理、业务使用、自助系统接触、周期性事件、互联网使用、位置行踪、电子渠道、社会事件、热线接触事件、周期性事件等10大类50个小类的事件采集处理能力：（1）业务办理：指用户进行公司业务办理以及办理之后的衍生信息所触发的一系列事件，如终端换机、捆绑到期、流量套餐升级、用户缴费等；（2）业务使用：指用户对于公司提供业务服务的使用（不包括互联网内容）所触发的一系列事件，如语音通话、短彩信发送、流量消耗以及由此带来的相应费用波动等；（3）自助系统接触：指用户对于非网厅的自助业务系统的访问使用，包括营业厅叫号机、自助终端的使用等；（4）周期业务事件：指公司周期性固化进行，非用户主动发起的业务操作，如日月帐出账、管理性质的停机操作等；（5）互联网使用：指用户进行互联网访问，由其访问内容所触发的一系列事件，自有内容如手机游戏、手机视频、门户网站的访问和使用，公共内容如各类内容网站的搜索及访问、各类内容应用程序的使用等；（6）位置行踪：指用户的行踪轨迹涉足城市乡镇的各种生活行为区域，或者公司业务区域所触发的事件，如进入生活区、进入医疗区、进入营业厅等；（7）社会事件：指具有广泛社会性质的，较为普遍的共性事件，如节假日、演唱会或流行节目演出等。（8）用户事件：指用户终端行为所产生的事件，如用户开/关机、用户拒接、用户被叫无法接通、用户被叫无人接听、用户正在通话中等。（9）电子渠道访问：指用户访问电子渠道（网厅、手机营业厅APP、掌厅WAP等）所产生的行为，如登陆、访问URL，搜索关键词等。（10）实体渠道接触事件：指用户当到达自营厅、社会渠道等实体渠道进行缴费、业务办理等。 2.3客户标签体系 客户标签以客户的资料、行为、偏好分析结果为基础，直观描述客户的基本特征其偏好情况，为4G发展、家宽营销、存量经营、流量经营等重点应用提供客户层面的信息支撑。为方便对客户标签进行检索和应用，客户标签库对标签进行分类管理。标签体系中包括两级分类：一级分类从基础属性、业务特征、消费价值特征、营销活动偏好、终端偏好、渠道偏好、互联网内容偏好、增值业务数字内容偏好、服务偏好等方面考虑，一级分类下设二级或更多级的分类。有效掌握和利用客户标签，不仅能够全面掌握客户移动生活特征，感知客户的行为变化，实时或非实时地执行运营动作和营销生产动作，以支持市场工作开展，还能支撑商业模式的拓展，面向未来探索和开辟新市场。 2.4渠道运营位集中管理 营销渠道是最终向客户展示营销内容的媒介载体，包括手机营业厅、APP类渠道（包括自建和他建APP）、微信公众号、10086外呼、CRM、短厅、电话经理、网厅、飞信、WAPpush等沟通渠道，不同渠道还需要细化具体运营位。手机营业厅：对手机营业厅用户提供个性化推荐功能，并在手机营业厅上完成业务办理操作。具体展位可包括首页条幅、首页楼层、热销页等运营位。APP类渠道：对APP用户提供个性化推荐功能，并提供业务办理的跳转功能。具体展位可包括首页条幅、首页楼层、热销页等运营位。微信：对中国移动官方微信公众号用户提供个性化推荐功能，自建的微信公众号还需要提供业务办理功能，他建的微信公众号提供业务办理的跳转功能。具体展位可包括消息推送、菜单页面等运营位。10086外呼：对10086外呼用户提供个性化推荐功能，记录并返回用户接通、推荐反馈、业务办理等信息。 2.5线上营销多维度的营销评估能力 营销一方面需要优化推荐方式，另一方面也要对推荐的过程和后期的效果进行跟踪，以便对推荐策略进行优化，提高推荐的成功率。微营销平台通过建立端到端的用户体验分析系统，整合渠道插码数据和CRM、BOSS数据，实现全渠道营销效果分析，通过对用户端到端体验的分析和最终销售结果的监控跟踪，准确获取推荐的效果，分析推荐过程的不足，起到推荐策略优化的作用。在全方位多维度营销效果评估方面，营销效果评估通过从产品、渠道、地域、人员等维度对营销活动进行分析，综合插码技术获得的数据及BOSS、CRM业务订购、话单、账单数据，对各渠道开展的实时和非实时营销的活动效果进行评估。评估内容包含营销活动总体情况评估、营销接触评估、转化率评估、活动效益评估、参与客户群跟踪评估等内容。活动总体评估：从多个维度（渠道类型、流量来源、地域、运营位以及客户属性等维度）对营活动的总体执行情况进行评估。如：营销用户数、响应客户数、响应率、目标达成率、活动渗透率、活动情况对比等指标。活动效益评估：从活动投入的营销资源成本（话费补贴成本、终端补贴成本、广告宣传费、电子券、积分等）与活动收益进行评估。参与客户群跟踪评估：对目标客户群进行营销前后关键指标的跟踪，通过对比分析营销效果情况。如：营销目标（业务KPI）完成对比分析、传统推荐营销方式和互联网主动推荐营销方式效果对比分析等。营销反馈信息包括：是否接触、是否响应、是否办理等。是否接触：营销信息是否发送给客户。是否响应：用户是否回复短信或者点击推荐链接。是否办理：是否订购推荐产品。各省可根据需求丰富反馈信息数据源，如是否感兴趣、建议和意见等。 3结语 基于大数据分析的市场营销运营体系，在实际的应用中，提高了互联网背景下企业服务营销管理的主动性，精确性和互动性，有效地促进了整体市场目标的达成。同时，在微营销体系的建设和应用过程中，公司注重从理念、平台、机制、运营等各方面进行创新，提升了企业创新能力、团队合作能力、资源整合能力及企业员工的职业素养，营造了良好的市场营销氛围。接下来，将面向全省的所有地市分公司，推广与应用该市场营销体系。 作者:韩从明 王继荣 陈荣峰 杨跃 单位:中国移动通信集团湖北有限公司江汉分公司 大数据营销论文:大数据时代下旅行社运营营销策略 近年来，大数据一词常见诸于各种媒体，人们本能地意识到它与空前的信息量相关。由专家们提出来并定义的大数据，实际上包涵有信息大爆炸和它将改变着历史的面貌等诸多内容，所以又被称之为大数据时代。 一、大数据时代对旅行社业的影响 大数据时代的到来对人们的日常生活有着重要的影响，对企业也是如此。其中，对旅行社的影响首当其冲，可以简单地分为以下两个方面： （一）大数据带来的挑战 1.大数据对旅行社从业人员提出了更高的素质要求。大数据对行业的影响是全方位的，行业营销的各个方面都要在大数据中起步、在大数据中比对，一切以数据说话、以数据来衡量，最后拍板决策。这样的决策更具客观性，也更有可行性。这种形势要求从业人员，尤其是营销人员必须具备对数据信息的分析处理能力。 2.大数据导致了旅行社的部分年轻客源的流失。大数据为广大消费者提供了吃、住、行、游、购、娱等多方面的旅游信息，几乎是面面俱到。“秀才不出门，便知天下事”如今变成了现实。人们不仅知道丰富的旅游信息，而且大数据还提供了各种旅游攻略，帮助消费者分析和选择，提高了人们的判断、选择能力。一些年轻人可以根据自己的兴趣、爱好，抛开从前依赖的旅行社，选择自助游，逍遥自在，乐在其中。这种情况在国内旅游方面显得突出。 （二）大数据带来的机遇 1.旅行社可以准确、快捷地获取相应信息资料，方便了营销工作。旅行社是连接旅游目的地和客源市场的，这两个方面的各种资料对旅行社是极其重要的，是旅行社必须掌握的。但是，传统的方式要掌握这些资料是非常困难的，而且得到的往往是过时的资料。大数据避免了这些弊端。 2.降低了旅行社的运营成本。旅行社要掌握各种需要的资料，不必按传统方式派人到实地考察，只要操作人员在电脑上操作，就可以圆满、迅速地完成考察任务，省力、省时、省钱，加快了运营速度，降低了运营成本。 3.加强了准确营销的可能性。有丰富的信息资料做基础，旅行社的各种营销决策将更加客观、更加科学，为旅行社带来更大的效益。4.刺激旅游需求的加强。随着大数据时代的到来，到处都充斥着丰富的旅游信息，有文字的、有图片的、有视频的，极大地刺激人们的旅游欲望。原本没想出游的消费者也加入了旅游者大军，扩大了旅游市场，使更多人购买旅行社的产品。 二、旅行社必须与时俱进，优化营销策略 （一）提高营销人员素质，加强数据分析利用 大数据时代的到来，使得旅行社传统的人力资源配备变得力不从心。如今，凡是与旅行社营销工作密切相关的各种因素，都以海量的数据信息零散地呈现在互联网上，这里有政治、经济等方面的宏观环境因素，也有旅游目的地状况信息，还有消费者的需求和业内同行的各种信息等。这些因素的千变万化也可以由大量数据信息反映出来，这些因素如何变化、有何规律、趋势怎样等，都直接影响着旅行社营销策略的调整，也可以说影响到经营的成败。因此，搜集、研究分析、运用信息就成为做好营销工作的前提条件，而旅行社传统的人员配备难以胜任这一重要工作，所以，建立以数据研究为核心的专业人员营销队伍就成为必然。旅行社的工作对数据处理人员的专业水平要求是很高的。他们必须对大量分散的不相关数据进行分析、研究，找到相关性、逻辑性、规律性、指导性的参数，为旅行社所用。除了对数据的处理能力外，他们又必须懂得旅行社的业务，以便明确从哪个方向哪些方面搜集资料，做哪些分析、研究，以指导营销工作。数据处理人员还必须做好旅行社内部的数据库工作。为了更好地适应大数据时代，需要增强业内的数据化程度，进而改造优化内部管理流程。在客户管理方面，应加强客户信息搜集，注重客户信息积累。数据处理人员还必须具有高度的敬业精神，因为对数据的搜集、处理工作是无止境的，人员的责任心和勤奋程度直接影响到工作的质量。旅行社要很好地培养和利用这些专业人员，他们是宝贵的人力资源。 （二）高度细化旅游市场，准确选定营销目标 由于拥有大量可利用的资料数据，营销人员将旅游市场进一步划分就成为可能。传统将市场以n种因素细分，大数据时代就可以按n+1、n+2、n+3等更多因素进行细分。市场的细化使人们能够更精确地得到市场上多类消费人群的诸多状况，而且可以得到某一时段内的动态状况，从中有可能发现某些规律性的东西，这对于旅行社对目标市场的选择、准确定位是极其有利的。目标市场的准确定位是旅行社进行准确营销的前提，需要高度重视。 （三）深度研究信息数据，推出适销对路旅游产品 大数据时代的到来为旅行社的产品设计开辟了前所未有的广阔天地，海量的数据信息可以随心所欲地浏览，人们可以根据自己的需要将各地的风光景点进行选择、组合、串联。发达的现代通讯又可以与选择地实时沟通，进一步明确这样串联的可行性。以往需要花费很长时间、大量财力才能完成的线路，现在变得十分轻松、快捷、经济。这样，旅行社就可以设计许多条线路以便优中选优。与此同时，世界上已经成熟并且比较热销的线路也在大数据中得以呈现，旅行社可以用来作为学习、参考和借鉴。由于接受的海量信息，大数据时代的消费者越来越明智。同时，他们的旅游经验也越来越丰富，品味越来越高，对旅行社的线路产品也越来越挑剔，这对旅行社的产品设计、开发提出了更高的要求。旅行社的产品设计、开发必须根据消费者需求变化而有所变化。针对消费者选择性更加广阔、差异性更加细微、要求更加苛刻的现实，大型旅行社应从大数据着手，多方面、多角度地分析、比较、归纳，列出本地区内多种消费者群的不同需求，将每一类群体的共性需求梳理、归纳出来，在此基础上，从吃、住、行、游、购、娱诸多方面考虑，设计出国际、国内多种不同线路。“人无我有，人有我优”。创新与特色仍然是设计开发中要遵循的原则。将这些空前丰富线路进行评估，经过反复比对，深入考察其可行性，使其更加适销对路，满足各类消费者的需要，最后择优向市场推出多种不同类型的旅游产品。一些中小旅行社在大数据面前可以比较容易地自行设计旅游线路，它们熟悉和掌握本地消费者的需求，可以根据需要推出自己设计的有特色的国内游产品，自己与目的地的旅行社联络，自己组团出游，不必再向从前那样依赖于大型社。 （四）摒弃获取高额利润心理，采纳简单平稳价格策略 传统的价格策略仍然被旅行社所利用，但大数据时代的到来影响着这些策略的实施。在大量的信息数据面前，消费者对旅行社产品的成本、各家旅行社的产品报价已经了如指掌。他们会更加理性地购买旅游产品，真正做到货比三家、价比多家。面对如此精明的消费者，旅行社决不可以为了自己的经济效益随意定价和贸然提价，那样只能自食恶果。目前，基本上采用的是随行就市、跟随式的价格策略。大数据时代和业界竞争使得旅行社的利润空间基本上稳定在一个合理的水平上，这也导致了旅行社业薄利时代的到来。 （五）销售与促销变革创新，网络功能大显身手 以最有力的方式、手段，及时、准确地投放游客真正需要的旅游产品。大数据的到来使人们日益关注网络上的信息。人们不仅从网络上获取各自需要的相关知识，还会得到许多商品信息，这要比逛商店还要便捷，而且价格上也有一定的优势。网购已经成为人们消费的重要方式，它与人们的生活息息相关。有数据显示，近年旅游企业网络销售额占企业总销售额的24%以上，并连续五年以34%的速度增长。当然，旅行社产品的网络销售与一般商品的网络销售是有一定区别的，它是在消费者通过网络获取商品信息决定购买后，要去旅行社验明相应证件后付款才能完成购买的，但这一购买行为的决定因素还是在网络上。由此可见，大数据时代的网络已经成为旅行社的重要销售渠道和宣传促销平台。这是对传统的颠覆与创新。以往的小型旅行社承接大社的产品，成为其重要销售渠道受到了激烈冲击，小社的前途也受到了严重影响，但一些边远地区的小社仍有其广阔的生存空间。网络的作用如此巨大，需要旅行社做好、做强网络销售，做好、做强对自己和产品的网络宣传促销。旅行社应积极探索和研究发展企业网络销售的有效措施，提高在网络上的宣传促销力度，创新宣传促销方式，积极利用网络上各种平台，尤其是有重要影响的平台，扩大自己的影响和知名度，提高宣传促销效果。与此同时，传统的报纸、电视、广播等媒体的宣传促销仍然不能放弃，它们占领着老年人的市场，而老年旅游市场在目前和将来仍不失为一块大蛋糕。大数据时代的来临改变着历史的面貌，也改变着旅行社业的传统运营模式。旅行社必须顺应时代的变化，从业务的各个方面和环节认真审视自己，尤其是在营销方面更要重视起来，力求站在时代的前列，把握先机，科学操作，使自己立于不败之地。 作者:孔晓楠 单位:大连职工大学 大数据营销论文:大数据时代营销策略探讨 摘要：在大数据时代开展个性化营销活动，经营者应该做好商业活动组合要素的分析工作，利用大数据销售的优势扩大营销收益。制定个性化的营销策略，经营者需要对目标客户进行分析，并且利用大数据流量建造具有一定影响力的虚拟商圈。基于大数据的归纳方式进行商品的精准陈列，快速优化商品陈列的方式，体现出网络营销的优势，吸引更多的消费者。本文从大数据时代的经营特点展开分析，提出几点服务于个性化营销策略制定的可行性建议。 关键词：大数据；营销策略体系；战略定位 一、大数据时代营销活动与传统营销策略的差异化分析 （一）销售管理方面的差异 大数据时代的营销活动与传统的销售行为有本质上的区别，大数据营销的针对性更强，更加符合市场需要与企业发展的需要。传统的销售活动在目标顾客的选择方面，主要定位于标签化的群体，而大数据零售则定位于个人概念的群体，销售定位的方向更加精准，具有一定的“私人订制”的特点。传统销售活动在店址选择方面需要基于线下客流确定实体商圈，店铺的租金成本比较高，产品营销中的商品价格定位也较高，利润率比较低。大数据营销店址的选择基于大数据流量的虚拟商圈完成，店铺的租金成本比较低，店址的选择更加灵活。在商品管理方面，传统的销售模式需要依赖于有限品类缓慢调整经营策略，而大数据零售则可以利用网络工具和软件管理实现无边界品类扩张与商品管理模式的快速优化。传统营销活动中的定价策略比较呆板，依托固定价格进行滞后于市场变化的价格起伏调整。而大数据环境下的商品零售则可以根据市场环境的变化迅速调整价格，适时调整迎合市场变化。 （二）产品推广方面的差异 在大数据时代，企业经营者应该认识到新的经营模式与传统模式的差异，制定合理的产品消费分群方案，构建目标客户信息系统的模式。传统的零售模式在促销管理和商品陈列上有较为明显的劣势，它采用粗放式的促销，广告的效果并不好，对于顾客的差异化消费习惯难以完全满足，经验式的陈列难以满足不同用户的消费需求。而大数据时代的营销模式采用精准定向促销的形式，将促销广告信息精准投放到网民受众，基于数据分析的精准排列模式能够第一时间把握顾客的消费方向，做到定点营销。传统的营销模式供应链管理效率比较低，生产、运输、仓储管理、销售各个环节割裂，商品供应的成本比较高。但是，采用大数据零售的供应链管理模式，各个环节数据全面打通共享，供应管理的成本比较低，管理效率比较高，商品从出厂到销售中的各个环节信息，基本上实现透明化查询，方便营销人员管理和操作。 二、大数据时代的营销策略体系探究 （一）大数据时代满足产品精准化信息推送模式分析 企业在大数据时代制定个性化营销策略，经营者应该更新经营销售的理念，并且要积极调整产品流通与销售的结构，转变处理好内部管理关系网络与外部经营关系网络的关系，积极利用网络工具实现精准化的定位营销。在移动终端的大数据分析服务模式优化中，利用APP等移动商圈微信微博及QQ等社交商圈，进行商品广告信息的精准推送。根据线下实体店的经营特点，推动实体门店和服务网点服务模式的结合，从而适应网络化消费环境发展的需要。线下实体店应该顺应时展的潮流，积极开设数字体验店，提升品牌知名度。在大数据时代制定个性化的营销策略，经营者应该对每天的市场动态信息流进行分析和预测，根据全国各地价格行情和及时供求信息找准商机，利用价值洼地效应制定出合理的营销方案。在大数据分析活动中，经营者应该重视数据源信息的挖掘工作，根据自有网店中的客户足迹数据和电脑用户、手机用户终端APP互动数据进行消费习惯和消费潜力的评估。企业为了扩大经营规模，需要采用自动分类规则设置方法，对数据进行分类分析，并且过滤垃圾数据，得到市场洞察的实时化判断依据。 （二）大数据时代选择合理营销手段与价格策略的分析 在大数据的时代实现网络化的企业运作，利用企业网络生态系统及其协同共生机制，创造更大的社会化价值。制定个性化的营销策略，企业经营者应该实施关注网络生态的变化和发展，根据市场中产品流通和生产经营要素变化的具体情况，进行企业营销发展方向的选择。认真处理客户投诉事件，并且根据客户投诉的具体情况，分析和评价全渠道的营销体系数据，打造一种实现销售扩大化的企业网络生态系统及其协同共生机制。企业经营者应该加强互联网营销知识的学习，端正管理意识，积极认识到数据背后的深层含义。在营销策略制定的过程中积极应用大数据的整体概念，利用大数据产生实际利益。普遍使用行业智能的先进技术，进行海量业务数据的综合分析。企业经营者应该采用正确的方法高效利用大数据，进行信息化层面营销行为的分析，挖掘出产品经营销售渠道中采集、存储、管理和分析等能力的数据。在大数据时代制定下个性化的营销策略方案，经营者应该积极利用大数据排除客户不需要的产品配置，减少库存和复杂性。在创新性的经营销售模式中，显著提高利润率，同时提高客户的满意率。通过开发数据分析能力，不断改进营销活动，利用大数据分析不同产品类别的具体信息，从而调整产品的定价策略。 （三）大数据时代构建目标客户信息系统的模式分析 大数据时代构建目标客户信息系统，有利于提升经营效率。建设社会化网络环境中的行为激励与社会资本解雇，根据大数据环境下客户消费过程跟踪，确定本月度的销售任务。在大数据时代的营销变革活动中，构建目标客户信息系统，深度洞察消费者的集中需求，将受众消费行为碎片化信息打散然后重聚，从而发现主流消费的需求和价值。企业经营者应该站在消费者的角度进行市场分析，提升消费者洞察能力。经营者应该顺应大数据时代的营销变革规律，积极与消费者进行沟通和交流，了解现有经营环境中消费者的需求。 （四）大数据时代营销活动中的价格策略和品牌化建设 在个性化营销策略的制定活动中，企业经营者应该放弃传统型的粗放式产品信息推广模式，采用让利于消费者的销售策略吸引更多用户的关注。在销售促进策略中，将企业的投入方向由“买媒体”转变为“买受众”，采用薄利多销的经营手段，打赢互联网电商市场中的价格战。企业经营者在制定销售促进策略时，应该注重企业的品牌化建设，集中公司的优势资源打造名优名牌，构建长期稳定的品牌关系，提升消费者的信用粘度，赢得一大批忠诚粉丝的关注。在大数据时代努力实现传播策略的实时可控建设，做好针对于用户需求的体验咨询工作。采用线上咨询、线下体验结合的服务模式，满足和提升用户体验。 （五）大数据时代营销活动中的信息适应性问题分析 制定个性化的营销策略，经营者应该处理好信息适应性问题，对前期销售产品的市场反响实时效果进行追踪和分析。在效果分析中预测未来市场的变化和发展趋势，从而创造新的价值。在大数据时代制定个性化的营销策略，经营者应该制定科学的新产品信息传播策略，重点把销售方向放在开发新客户上，同时做好老客户的关系维护工作，采用定期问候与优惠信息定点回馈的方式，建立与广大消费客户的良好关系，赢得更多消费者的信赖和支持，实现本企业经营品牌建设和经营销售扩大化的目的。 三、大数据时代营销模式特定经营领域的市场适应性分析 （一）大数据的经营规模扩大化营销优势 在数据管理平台中，做好数据收集和预处理工作，在大数据的销售模式下，能顾解决产品销路问题。当前电子商务中“农村淘宝”经营模式得到了社会的广泛关注，“淘宝”+“农户”的经营模式在一定程度上解决了农民作物生产滞销的问题。在农村地区推广电子商务的销售模式，符合农产品经营发展的趋势，有利于缩小城镇和乡村发展的差距，帮助广大农户快速实现脱贫致富的目的。在大数据时代，建立农产品网上交易模式，根据城镇消费者的需求，制定科学化的营销方案，利用农户作物生鲜健康的理念来吸引消费者。在个性化营销方案制定上，经营者应该找准目标顾客和市场，既可以由农产品供给企业和消费者直接对接，降低生产和流通的成本，减少中间环节。又可以开发单个农户与消费者之间通过网络实现交易的营销策略，激发农户参与电子商务的欲望。 （二）大数据的销售流通环节精简化营销优势 这种经营模式对于大数据利用效率比较低，它仅仅依靠减少零售环节来获取利润，单个经营的网络农户物流配送整合与适应能力比较低，主要销售特色农产品和干货等产品。但是，由于网上开店软硬件要求都比较高，这种营销模式对于大数据的分析不够深入对其转换价值利用较低，因此对于大数据的优势利用效果不明显。而传统的经营销售模式中，经营者可以选择将农产品供给企业然后与消费者直接对接的方式进行营销。这种营销方案利用了集群化的优势，商品成本比较低。但是平台规模比较大，需要专人来完成日常的运营维护，因此平台的建设和维护费用支出比较高，综合商品的成本最终的定价比较高。但是，在大数据时代为了找到能够适应经营规模扩大化发展的营销模式，选择将农产品交付给供给企业，由供给企业和求购企业在网上完成对接和交易，这种个性化的经营模式既能够降低成本又能够扩大销量。在个性化的营销策略实践中，通过大数据时代大宗采购意向分析，促进农产品网上流通供应链条的使用，减少大宗产品采购和销售的流通环节，增加市场机会，提高企业市场份额和利润。 四、结束语 在大数据时代开展营销活动，经营者应该积极根据数据信息进行市场需求的分析，从而制定出适合本公司经营发展的营销战略。在大数据信息数据处理的销售模式中，建立O2M全渠道的经营模式，显著增强经营效率。在大数据支撑平台下开展个性化的营销活动，经营者需要根据客户的特征数据进行分析，引流潜在消费者。认真分析客户的接触数据和消费行为数据，设计全渠道的产品经营与销售渠道，开展全渠道消费者的定点营销与跟踪式信息采集服务活动。 作者:黄琍 单位:武汉商学院

大数据论文:大数据个人信息安全保护浅论 摘要： 随着当前科学技术的不断进步和发展，互联网技术的日益推广和普及，对人们的传统生活方式产生了极大的冲击和影响。大数据时代的到来使得数据分析以及计算机功能都打破了传统地域上的限制。而大数据时代下大部分用户的机密信息大多储存在网络平台上，这使得一些不法分子有了可乘之机。作者希望通过文章来探究大数据时代下如何能够保障个人信息的安全问题。 关键词： 个人数据；大数据；信息安全 随着目前互联网技术的不断进步，城市的智能化水平更加完善，移动设备功能上的健全使得人们的生活水平更加便利。往往足不出户就能够购买到想要的东西。通过移动智能设备，人们也能够完成基本的水电费的交付、社交等。同时通过互联网，人们将大量的个人信息上传到各种社交软件上与他人进行分享，在分享信息的过程中可能就潜移默化的增加了信息被窃取的概率，一些不法分子可能乘机提取有效的信息进而获得用户的核心数据，最终造成用户信息被盗取，影响到用户的正常生活。 1对大数据的看法 大数据的特点：当前大数据时代的主要特点就是数据信息量极大，类型较多并且运算效率高，能够产生一定的价值。就以一个最为常见的案例来说，当前大部分的移动设备，计算机设备的存储上限都由MB发展到了GB，再从GB发展到了TB，统计数据的信息量逐年上升。其次，大数据时代下，不仅数据信息的总量不断上升，数据的类型和样式也变的多样化。以前可能我们身边接触到的数据信息就以文字、图片为主要形式，但是当前视频、音频、电子邮件等的发展大大拓宽了大数据信息的类别。同时在大数据时代下运算的效率速度也明显上升，各种现代化的搜索引擎以及数据挖掘技术都为数据的处理奠定了坚实的基础。 2大数据时代下人们信息安全面临的挑战 前面我们对当前大数据时代的基本特征简单的分析和探究，大数据时代下人们的信息数据共享化，很容易在网络上泄露一些机密信息，从而影响到个人的生活。个人隐私的泄露：首先在跟前大数据时代下出现个人隐私的泄露现象是比较常见的，用户在进行一些软件的使用过程中一般都会与自己的手机号或者电子邮件绑定，一方面通过绑定电子邮件与手机能够非常便捷的进行相关操作，另一方面有的人认为绑定手机或电子邮件能够降低账号被盗的概率。其实不然，一旦黑客通过非法途径入侵到用户的计算机内部，将用户的信息数据盗取，很容易连带效应将用户的大量数据信息泄露。比如说，常常有人在浏览网页的时候进入一些不安全网页，网页中存在木马，而这些木马会入侵到计算机内部潜伏一段时间，一旦木马爆发，在短时间内计算机不会出现故障，但是用户的个人数据信息会黑客盗取，这种现象对用户来说会产生极大的损失。因此，目前来看，在大数据环境之下保护个人信息安全是非常重要而必要的。 3大数据环境下个人信息安全保护的途径 目前随着大数据时代的到来，人们对于个人信息的保护和控制程度远远不如过去，很多时候个人隐私在不知不觉中就会被暴露在网络上，这些数据对于一般人来说可能没有什么作用，但是有的人可能从其中找到一些非法的牟利手段，间接的影响到用户的财产安全。因此我希望能够提出一些有效的个人信息安全保护对策来提高用户对信息的重视思想。 3.1匿名保护 首先，目前大数据匿名技术应当得到更新和改善，在我看来，传统匿名技术根本无法有效的对用户的信息数据进行保护，用户在匿名发送相关信息数据的过程中依然会被黑客窃取。换句话说传统匿名技术往往无法有效的保护用户的信息来源，黑客能够通过发送的信息数据直接搜索到用户机上，再通过移植病毒和木马的方式对用户机进行入侵。因此，首要的保护个人信息安全的措施就是相关部门能够加强匿名保护装置的建立，使得匿名保护设施能够直接将用户发送数据的来源进行修改，使得黑客无法通过非法手段获取到用户机的具体IP地址，从而实现对用户的个人信息数据保护。 3.2个人提升一定的安全防护意识 第二点，现在很多人认为随着科学技术的不断进步，互联网技术的完善和发展，互联网安全已经逐渐完善了，但是实际上其中的暗流涌动现象还是非常普遍，很多潜在的危险无法辨别就容易使个人信息遭到窃取。因此对于用户个人来说，我们首先应当从自我做起，提升对互联网的警惕心理，提高个人安全防护意识，在建立相关账号的过程中能够仔细辨认出网站的安全性，同时不浏览具有安全隐患的网络。计算机定期的进行木马、病毒的查杀工作，安装杀毒软件，保证计算机的安全，从而实现对个人信息的安全防护。 3.3政府部门加强监管 第三，政府内部专门的网络监控部门应当实施对网络的有序监管，随着大数据时代的到来，数据信息的容量以及内容逐渐增加，政府部门实施有效的网络监控措施能够对个人信息安全保护起到积极的作用。政府部门可以通过政府专用网络实现对大部分公网、子网的监控和审核，对于存在安全隐患的网址予以严肃的处理，如果存在严重影响到社会安定，人们的财产安全的则应当追究一定的刑事责任，最大化的保证大数据时代下网络系统的安全，保证个人信息安全。 3.4国家构建全面的法律法规 第四，国家也应当逐渐重视大数据时代下的网络信息安全问题，通过构建有效的法律法规体系来避免黑客钻法律的空子。很多情况下黑客之所以敢去窃取用户的信息一方面认为警察无法追捕到自己，所产生的影响不至于受到刑事责任，另一方面非法分子认为即使被抓到，也只是简单的惩罚一些金钱，而不是负刑事责任。因此国家应当严肃处理网络非法事件，对于非法入侵他人用户机的黑客予以严肃处理，不仅应当惩罚金钱，还应当追究刑事责任。 4结束语 总而言之，目前在大数据环境下个人信息安全防护是非常重要的问题，黑客技术的不断上升以及互联网的不断推广和普及都影响到了人们的信息安全。个人应当逐渐提高对网络使用的警惕心理；政府有关部门则应当重视网络的监管，降低黑客入侵现象的发生；最后国家有关部门构建全面系统的法律法规体系，使得黑客不敢如此猖獗。从这三面来提高个人信息安全保护的效果，保证人们能够在一个稳定健康的网络环境中发展。 作者：任凯 单位：莱芜市莱城区凤城高级中学 大数据论文:大数据档案信息安全管理探析 摘要： 在大数据时代下的档案管理工作，相比以往的工作，其信息安全不容忽视。为了更好地分析大数据时代下的档案信息安全管理工作，本文在分析大数据时代下气象档案信息安全管理面临的形势前提下，提出档案信息安全管理措施，以期能够为气象局提供档案数据的安全保障。 关键词： 大数据；气象档案；信息安全 大数据时代的来临，在改变人们生活和生产的同时，也对档案的信息安全管理带来了新的挑战。在大数据时代下，究竟应该怎样去开展档案信息安全管理工作，就成为现阶段值得探讨的课题之一。 一、大数据时代气象档案信息安全管理面临的形势 （一）收集环节 第一，增大了档案信息资源的收集难度。在大数据时代下，呈现出指数型的信息资源增长，因为档案信息资源收集工具与手段的落后，无法做到所有数据的收集和整理，进而出现重要档案信息资源“漏收”的问题出现。第二，难以保障档案信息资源的安全。现阶段的气象档案信息逐渐利用电子的形式存于电脑之中，一旦管理不当，就很容易出现档案资源泄密或者是被盗取等现象出现[1]。 （二）整理环节 因为计算机病毒的潜伏性和隐蔽性，不容易察觉。所以，一旦出现档案信息资源收集防范不当的问题，很可能让计算机病毒“乘虚而入”，影响档案整理。这样不但会破坏原始的档案数据和信息，同时还会威胁到已经整理好的档案信息资源。 （三）保管环节 大数据时代下，气象档案信息资源是以光盘、磁带等载体，以数码的形式存储，这些载体本身质量也会对信息存储的安全带来影响，并且对保管的环境也有着极高的要求。虽然光盘和磁盘等工具本身的容量大、体积小，方便携带，但是同样也容易损坏和丢失，这样带来的损失要比纸质档案的损失来得更大。 （四）利用环节 在大数据时代下，传统的、被动的服务已经无法满足用户对气象档案资源的需求，这就要求气象档案部门能够基于大数据时代建立出档案资源的查阅系统。这一种系统，就可以在气象档案信息服务部门和档案利用对象之间建立一条“高速的通道”，这样不仅有利于档案的利用，同时，其伴随的安全保护挑战也会随之升高。 二、大数据环境下气象档案信息安全防御 （一）注重档案数据结构化 在大数据环境之下，数据结构化能够在数据的安全和开发中发挥重要的作用。在大数据时代之下，档案数据变得格外的复杂，并且其数量呈现出快速的增长方式，那么如何才能保证在被有效利用之前档案数据的安全性和纯洁性，就成为气象档案管理部门需要重视并关注的问题。结构化档案数据，凭借其特点，就能够对档案信息的安全性加以保障，因为数据结构化能够方便其处理与分类，也可以实现更好的管理与加密，这样就能够更有效、更智能的分辨非法入侵数据。数据结构化虽然无法完全的保证档案数据，但是可以提升档案数据安全系统的处理效率。无论是怎样的数据安全模式，最终要求都是数据的标准。所以，档案信息的结构化与标准化必定会成为未来的发展趋势[2]。 （二）档案大数据存储基础架构 在气象档案数据安全之中，数据的储存是非法入侵的最后一道防线，所以应该给予高度的重视，能够针对数据存储全面建立防护措施，而安全防护中，架构支持大数据档案的存储基础就是关键所在。架构数据存储主要是针对数据的实际特点，将原本单一的存储改变成为结构化的主题，从而选择最佳的存储方式：分布式文件系统存储非结构化数据；分布式并行数据库系统进行海量结构化数据存储；分布式key-value存储引擎对松散的、业务模式的半结构化数据进行保护。对于数据存储而言，实现集成分析是重要目标，数据孤立会对集成分析带来严重的影响。所以，确保大数据分析敏捷性，将原本的非结构化数据处理成结构化信息，然后做好分布式数据库关系型数据的融通，并且构建好连接器，这样才能够将分布式文件和分布式数据库系统相互的连接起来。 （三）构建档案网络层的安全堡垒 大数据时代下，网络是根本，但是也是恶意行为的最终媒介。大数据时代下的信息爆炸，出现了非常严重的非法入侵黑客，超90%的数据窃取都存在于网络之中，这给档案网络层的安全防护功能带来了严峻的考验。所以，就应该注重数据辨识的结构化与智能化，再加上本地系统以及非常态数据运行的协调监控处理，这样能够在大数据环境下构筑网络安全堡垒。另外，在处理过程中，还需要大量的调用数据，而处理数据又依赖于网络，这样就会造成严重的安全威胁。所以，要加强网络与本地之间的相互链接，完善储存规则，加强缓存机制，这样才能够从源头来杜绝威胁的出现，确保数据本身的安全性，最终满足气象数据源的纯洁要求[3]。 （四）利用大数据技术应对高级可持续攻击 针对高级的持续性攻击，如果是传统的安全防御措施是很难进行检测的，因为传统的防御措施需要确定其活动是正常的和非恶意的，只有这样才能确定档案的信息是否会受到攻击。在当前的大数据环境下，通过大数据技术的依据时间，再加上空间的特征，做好具体事件以及攻击模式的合理处理，然后再凭借这一点来对抽象模型进行总结，折旧就可以将这一部分模型转变成为大数据的安全工具。所以，应该注重整合大数据档案的处理资源，调整大数据处理机制和分析机制，这样就可以满足各个机制之间相互的协调与互动，同时，也可以推动档案数据库数据相互的共享，最终推动高级持续性攻击的建模进程，这样也可以控制并且消除高级可持续攻击带来的危害。 （五）提高气象档案人员的信息技术水平以及档案数据的安全管理意识 人，才是信息管理的主体性因素，同时也是信息安全管理的对象。因此，在大数据环境下，就应该加强气象档案人员的安全管理技术以及意识的培养。在安全管理技术方面，应该注重档案人员的素质。因为现阶段的大数据人才极为缺乏，档案管理部门这一问题更为严重，所以，应该加强人才的引进，建立人才培养机制以及人才的建设机制，同时加强大数据管理人员和分析人员的培养，这样才可以从管理和技术上做好气象档案信息的安全保障。另外，结合工作实际情况，从而建立出规范的、安全的管理培训机制，建立安全管理制度，这样就可以做好安全管理奖惩机制的执行，从而培养气象档案从业人员高度的安全责任意识，最终通过管理来促进安全、实现安全。在当前的大数据时代下，想要完善气象档案信息安全工作，尤其是重要的档案信息安全并非是一朝一夕就能够完善的，它需要持久的坚持，需要不断地提高档案信息的安全性，才能最终达到目标。所以，我们需要投入相应的人力和物力，根据气象档案的管理目标，建立高质量的档案信息数据库，只有通过这样的模式，才能实现气象档案信息的安全管理，最终推动气象档案信息安全工作持续、长远地开展下去。 作者：李星玉 单位：中国气象局气象档案馆 大数据论文:大数据社交网络个人信息安全思考 摘要： 大数据是由英语“Bigdata”一词翻译而来的，本文从大数据视角切入，详细地分析了大数据时代社交网络的特征，阐明了个人信息安全存在着账户被不法分子盗用、侵扰个人隐私、无法保护个人信息的权利等问题，进而结合我国实际情况，从行业推进的方向、法律规范的方向来探究解决方法，保证大数据时代下的社交网络平台能够正常运转，特别是为了保护互联网上个人信息的隐秘性。 关键词： 大数据时代；交网络；个人信息；安全问题 一、引言 随着我国高科技的快速发展，社交网络也日渐发展并壮大，成为人们生活中的重要组成部分，是人们沟通与交流的重要纽带。据不完全统计发现当前传统的电话、短信等交流方式已经逐步被网络视频以及语音电话等替代，超过八成的年轻人通过社交网络与人交流。由此可见，人们的生活已经步入大数据时代，社交网络已经改变了人们传统的交流方式。而大数据时代下的社交网络作为一个新生事物在发展的过程中难免会遇到一些问题。其中，个人的信息安全隐患就是重中之重。如何解决这个问题成为当前研究的热点话题。 二、大数据时代社交网络的个人信息安全问题 大数据时代体现的是高效、快捷、智能化、多元化以及客观性等特点，基于这些特点，社交网络的发展与普及程度也越来越高。而诸如陌陌、QQ、微信、微博以及博客等社交软件也随之产生，整个社交网络呈现出一片欣欣向荣发展前景。但社交网络在快速发展的过程中也面临着一些在个人信息安全上的问题，具体如下： （一）社交网络数据透明，个人隐私得不到保护 随着网络的普及，计算机技术的发展，当下已进入大数据时代，与传统的信件、档案以及简历等纸质的个人信息有所不同，社交网络中的每一个单独的个体信息都变成相应的数据。而这些数据在社交网络中不再隐私，变得异常透明。2016年，“大学生徐玉玉死亡”事件揭示了当前的社交网络弊端，诈骗分子通过QQ等社交软件在网络上购买大学生等弱势群体的详细信息，包括家里几口人、考试成绩以及身份证信息等。这些社交网络上数据的透明让个人的隐私得不到保护，影响了人们的生命财产安全。 （二）社交网络的互动性范围没有得到约束造成受害人信息曝光 当前，人们在社交网络上的互动性越来越强，互动的范围也越来广。而范围太广就会涉及侵犯别人的隐私问题。比如具有争议性的“人肉”搜索，“人肉”搜索是基于大数据时代社交网络互动性到一定程度下的产物。2015年，广东一名顾客因被怀疑成小偷而遭到店主拍照并上传网络，通过网友的实时互动进行“人肉”搜索，最终该名顾客因受不了网络暴力而自杀。 （三）个人信息安全意识不高 个人信息安全意识不高也是导致个人信息存在安全隐患的一个重要的原因，传统的打电话、发短信等社交形式已经满足不了人们的精神追求。视频聊天、语音电话、照片发送以及链接分享等成为当下人们网络社交的主要形式。然而人们的信息安全意识不高，2016年，安徽卫视制作的一档节目，在节目中扮演骗子的演员通过小孩年轻父母的微信朋友圈照片等了解了小孩的姓名、爱好等资料，并最后成功的拐跑小孩。这虽然是一档节目，但其背后的反应的问题不禁引起人们的反思。 （四）大数据时代社交网络系统安全性不高 社交网络系统安全性不高会导致人们的社交软件帐号以及密码被盗，从而导致个人信息遭到曝光。据统计，2016上半年我国截获的网络病毒超过2000万个。多起社交网络攻击案的发生也源于社交网络系统安全性不高。比如俄罗斯黑客盗取了2.7亿个包括雅虎在内的社交软件帐号。 三、大数据时代社交网络的个人信息安全问题解决策略 基于当前大数据时代社交网络背景下的个人信息安全现状，解决社交网络的安全隐患已迫在眉睫。具体的信息安全保护措施包括如下几个方面： （一）建立健全法律法规，规范社交网络互动的范围 大数据背景下的社交网络在我国还是新生代事物，相关的法律法规不健全。其中，2013年3月1日正是实施的《信息安全技术、公共及商用服务信息系统个人信息保护指南》远远不足以保护个人信息安全。因此，要建立健全相应的法律法规，净化社交网络环境，抵制网络暴力，规范社交网络互动的范围，明确互动内容的底线，正确地利用网络的优势来树立正能量。 （二）强化个人信息安全风险意识 个人在信息安全隐患上负有不可推卸的责任。因此，人们在日常的社交网络中要做好保密措施，严禁自己在社交软件等平台上大量的照片、姓名、家庭住址以及工作等信息，不要在公共网络环境下使用银行账号、支付宝等。只有强化个人在信息上的风险意识，才能从源头上避免自身信息遭到曝光。 （三）强化人工智能在社交网络系统安全中的应用 人工智能是当下最热门也是最先进的智能系统，通过人工智能建立相应的大数据，对社交网络中的一些不明数据进行分析和筛查，在第一时间锁定病毒、木马等，并在删除后及时的存档备案。 （四）提高全民道德水平 常言道“没有买卖就没有杀害”，只有提高全民道德水平才是解决当前个人信息安全隐患的本质途径。只有全民的道德水平提高，社交网络环境才会更加和谐，网络暴力才会消失，黑客攻击的案列也会逐渐消失。 四、结束语 大数据时代的到来给人们的生活带来了翻天覆地的变化，拉近了人与人之间的距离，打破了传统社交的方式，使越来越多人臣服在社交网络的膝下，但是把社交网络中的个人信息曝光于大众的视野下，也是我们必须重视的问题。建设网络安全屏障，建立健全相应的法律法规，采取一切有效手段不让非法人士通过社交网络平台盗取人们的信息，做出违法乱纪的事情。并且要从自身做起，提高这方面的警惕性，不熟悉的无线网络不要随意了解，地理位置不要随意公开等。只有加强个人安全意识，才能让大数据时代下的社交网络更好地为人们服务，履行它应尽的职责。 作者：周绍博 单位：北京市顺义区第一中学 大数据论文:大数据会计信息化风险及防范 摘要： 随着科学技术的不断进步和社会经济的不断发展，大数据时代的发展速度加快，同时也推动着会计信息化的发展进程，提高了企业会计信息化工作的效率和质量，资源平台的共享也大大降低了会计信息化的成本。但大数据时代下会计信息化的发展也存在一定的风险。本文将会对大数据时代下会计信息化中所存在的风险给予介绍，并制定相应的防范对策，从而使大数据时代在避免给会计信息化造成不良影响的同时发挥其巨大优势来促进会计信息化的发展进程。 关键词： 大数据时代；会计信息化；风险；防范 前言 近年来经济全球化进程不断加快，经济与科技的迅猛发展，我国在经历了农业、工业和信息时代以后终于踏入了大数据时代。大数据是指由大量类型繁多、结构复杂的数据信息所组成的数据集合，运用云计算的数据处理模式对数据信息进行集成共享、交叉重复使用而形成的智力能力资源和信息知识服务能力。大数据时代下的会计信息化具有极速化、规模性、智能性、多元化、和即时高效等特点，这使得会计从业人员可以更方便快捷的使用数据信息，并在降低经济成本的同时有效实现资源共享，信息化效率逐渐增强。但同时大数据时代下的会计信息化也面临着风险，应及时有效地提出防范对策，以确保会计信息化的长久发展。 一、大数据时代对会计信息化发展的影响 (一)提供了会计信息化的资源共享平台 进入大数据时代以来，我国的科学技术愈加发达，会计信息化也在持续地走发展和创新之路，网络信息资源平台的建立使数据与信息资源可以共同分享，平台使用者之间可以相互借鉴学习。而最为突出的成就便是会计电算化系统的出现，它改变了传统会计手工做账的方式，实现了记账、算账和报账的自动化模式，提高了会计数据处理的正确性和规范性，为信息化管理打下基础，推进了会计技术的创新和进一步发展。但是“信息孤岛”的出现证明了会计电算化并没有给会计信息化的发展带来实质性的变化。所谓信息孤岛指的就是企业中部门与部门相互之间完全独立，这样直接导致了信息封闭化，是一种重网络而轻数据的表现。而打破信息孤岛这一局面，需要真正迎接大数据，将会计信息化与云计算相结合，开放数据并做到资源共享。云计算是大数据时代下的一门技术，而云服务则是技术的应用。云服务可以将所有的会计信息进行搜集整理并分析解决问题，为使用者提供一个数据精确可靠的会计信息化资源共享平台。云计算技术可以协助企业进行有效的综合管理，各部门间信息流通频繁，各项工作无缝衔接，从真正意义上做到资源共享。企业与利益相关者的数据链接也离不开云计算的支持，比如互联网报税、电商、银行账目的数据信息核对，客户间业务往来信息交流等都可以利用云计算来实现会计信息化资源共享。 (二)降低了会计信息化的成本 随着科技的不断进步，会计信息化的发展逐渐摆脱了传统纸质会计的记账方式，将传统手工账转变成现代电子账，这一发展过程就需要投入较大的人力财力物力来支持多方面的建设，比如电脑机房、数据网络、办公场所、电源插座等大量基础设施的建设和硬件维修升级都需要支出大量费用，同时会计信息软件的选择与投资购买以及后期升级开发维护、数据库的构建和安全防护等等不菲的费用支出都会直接导致成本大大增加，这会使很多管理者不得不放弃实施会计信息化的计划。但是随着大数据时代下云计算的不断发展，网络用户按照数据流量的使用量和在线时间计算应缴纳的费用，不需在硬件软件设施上支出大量费用和相关营运费用，只需要投入相比之下价格较为低廉的月租费，就能获得新型的硬件平台和稳健的软件系统。让平台用户在快速获取数据信息资源的同时降低了设施的投入成本。云服务这一应用的出现为会计信息化的发展带来了便利。同时，在如今激烈的市场竞争环境中，云服务的实施使得企业从繁重的会计信息化建设工作中退出来，更加专注于对自身的技术水平提升和战略发展，会计信息化投资的时间成本也大大降低了。 (三)会计信息化的效率得到进一步提高 在大数据时代下,会计信息化的发展能够有效地提高企业的工作效率，而云服务功能不断增强使会计信息化的效率得到进一步提高，它可以做到数据收集、分析和处理的自动化，企业用户只需要连接网络，就能搜集和获取所需的数据资料，如此会计信息化的效率大幅提高。从企业内部来说，云会计利用强大的计算能力，根据企业的各财务数据可以快速形成所需会计资料比如各类财务报表等部门的工作效率，也使得经营管理者能够实时了解企业的财务状况，有效地提高了企业财会和经营成果，识别经营风险，掌握管理决策的依据。同时能够有效减少各部门之间的工作量，并促进业务上的沟通和协作，从而实现企业内部的资源共享。对于具有国际合作业务的企业，各地区相关会计人员可以线上操作相互协作，有效提高了企业会计信息化的工作效率。从行业间相互合作来看，云会计可以按照要求实时处理企业间会计工作、解决财务问题，交易速度显著加快，工作效率随之提高。比如企业可以利用正规税收软件进行税收业务的办理;会计事务所的审计人员可以利用软件进入审计业务平台对企业的财务报表发表审定意见等。 二、大数据时代下会计信息化存在的风险 (一)会计信息化共享平台的构建不完善 一个构建完善的共享平台是发展会计信息化的必要条件。现代生活中云技术的应用范围在逐渐扩大的同时也为人们的数据生活带来了很大的便利，云端储存技术可以将他人分享的资源进行即时储存，并进行有序整理归类。在会计信息化的今天，由于经济发展较其他发达国家落后，信息化的发展速度和水平相较之下也很低，直接导致了会计信息化发展的滞后。目前会计行业利用云计算创建了会计信息共享平台，会计电算化等技术的应用推进了会计信息的发展，会计信息共享平台的构建需要较高的技术水平和大量的资金投入并且有一定的灵活性和针对性，但是我国会计领域的应用技术仍不够成熟，管理工作不够严谨，导致人们忽视了对会计技术的发展和更新的重要性，一定程度上阻碍了大数据时代下会计信息化的发展进程。 (二)会计信息化系统软件本身存在缺陷 与传统会计不同的是，会计信息化依赖于会计软件是当今会计信息化的一种必然趋势。实际上，由于我国会计技术发展始终处于落后于发达国家的水平并且缺乏国际间会计行业的信息技术交流，所以大多数会计从业人员对会计软件的应用和理解方面存在困难，同时会计信息化起步晚、发展迟导致了会计信息软件本身就存在缺陷。此外，会计信息化软件的通用性增加直接导致软件系统初始化的工作量和技术需求越多，个别使用者对软件系统细节功能上的要求也使其本身难以兼顾。更新速度快、周期长、投资成本高、兼容能力低都会导致会计信息化系统软件技术发展缓慢。 (三)会计信息化法规和标准不够完善 由于会计信息化本身兴起的时间很短，导致了会计信息化的法规和标准并不健全。大数据时代下，我国对会计信息化的技术和隐私安全等方面还没有设立相关法律法规，网络信息的安全监管严重滞后，当软件系统使用者的合法权益受到侵犯时没有相关法律的保护，从而导致对信息化软件开发失去信心，云会计等技术的信息化发展也遭遇了困境。 (四)共享平台具有安全隐患 大数据在给企业带来便利的同时也带来了一些安全隐患。主要体现在两方面：身份认证的方式过于简单。我国会计信息化应用软件普遍以“用户名+密码”为组合的认证方式为主，会计信息软件遭受病毒、黑客或非法访问入侵的概率很大；数据保密技术不过关。无论系统内外，数据网络体系安全系数得不到提高，都有可能受到网络黑客和木马病毒等不良用心者的对数据传输过程的攻击，从而窃取企业的核心财务数据，企业的会计信息化工作将因此而损失惨重。 (五)操作人员的水平偏低 数据化时代实际上更加依赖于操作人员对会计信息的操作，尤其是对大数据的具体操作能力。我国会计信息化水平偏低和人们操作能力与应用能力上的差异，导致会计操作人员无法很快适应信息化时代下会计知识与信息技术的结合，从而降低了工作效率，还可能使数据信息错误率提升，客观上导致了会计信息化不能及时跟上其时展趋势的同时增加了发展风险。 三、大数据时代会计信息化的风险防范措施 (一)加速会计信息化共享平台的建设 在大数据时代，加速云计算平台的建设需要依靠政府的政策、人力和资金支持，从而降低了建设的难度和需要投入的资本，鼓励各企业对会计信息化平台的建设。会计信息共享平台的建设实际上就是不断整合数据的过程，信息孤岛的出现就警示着人们要多加利用信息共享平台，加强企业间信息交流和数据交换，从根本上杜绝信息孤岛的现象。此外，企业间的资金交易和信息交流也可以通过会计信息化共享平台来实现，企业信息一体化程度何决策的可信程度都将得到提升。 (二)建成会计信息化的安全防护体系 会计信息化的安全防护体系包括会计信息软件的安全防护体系、数据库的安全防护体系还包括法律法规为会计信息化铸造的安全防护体系。大数据时代下，云端平台的安全问题是会计信息化的顺利发展的重要保障，也就是说在信息的收集加工传输和储存过程中，要做到相关设备及媒体硬件设施的安全有所保障、系统拥有安全运行的环境、数据和个人信息的完整性，真实性和保密性不被破坏、相关工作人员的法律意识和安全技能完善，从而保障系统使用者有效行使其权益来获得数据资源。会计信息安全防护体系是一个综合性的安全防护体系，只有把会计信息安全防护体系的立体网络建设起来才能从根本上解决会计信息化的安全防护问题。 (三)完善会计信息化的规范和标准 会计信息化的规范和标准是会计信息化向正规方向发展的必然要求。尽管借助于大数据时代，但会计信息化必须有一定的规范和标准的引导才能真正实现其正规发展。云会计等技术刚刚开始走上发展之路，此时制定完善的会计信息化规范和标准有助于提高其在企业中的认同程度。如果没有规范和标准的约束，将无法降低企业会计数据受到危害的可能性。因此，制定完善的会计信息化规范和标准，在结构上需要将相关要素按照时间和空间进行排列；要求工作人员随着技术的发展和时代的变化不断地对体系进行完善；重视会计信息之间构成体系的完整性并保证会计信息之间的一致性；对会计信息化标准进行严谨的分类；建立关于会计信息化的公共型社会组织，使会计信息化逐步趋向规范有序的发展。 (四)加强对内部控制制度的建设 在会计信息化发展的过程中必然会经历各式各样的挑战，这样会计信息化发展才能实现其发展的完善性。加强内部控制制度的建设，实际上就是要加强对会计信息化的不断完善。首先，只有完善内部控制制度才能实现其发展的可持续性；其次，只有建立起相应的内部控制制度，才能不断规范会计信息化发展的过程。比如，内控制度的内部监督制度的建立的主要目的就是防止内控运行中舞弊和错误的出现，并做到及时的纠正，从而提高内部控制的质量水平，有效行使其内部稽核和审计等相关职能。所以会计信息化和内控二者相辅相成，才能达到互利共赢的目的。 (五)提高会计工作人员的综合素养 前已述及，会计工作人员的素养与会计信息化的质量与水平休戚相关。在大数据时代，会计工作人员是否拥有良好的素质关系着会计信息化的发展质量的高低。从市场经济学上来说，会计工作人员的综合素养往往决定了一个市场竞争者的竞争能力，为实现大数据时代下的会计信息化，更需要精通技术和专业知识的复合型人才，比如现在企业中工龄高的工作人员拥有多年工作经验，但是对信息时代下的技术产物的应用却稍显生疏；而年青一代技术人员则与其相反。所以，随着技术社会的发展脚步，要想实现会计信息有质量的发展，就必须加强对会计人员的培训，逐步提高其综合素养，尤其要提高其运用会计信息软件的能力。 四、结束语 在大数据时代，落实国家信息化发展策略的重大措施之一就是全面推进会计信息化工作的建设，这对于全面提高我国会计工作质量水平具有非常重要的价值。我国会计信息化的水平仍处于上升阶段，还需要在不断地创新实践中获取经验，各政府企业之间相互交流配合来共同促进其发展。此外还要及时发现大数据时代下会计信息化存在的问题，正确分析当前存在的风险，并提出相应的防范对策以确保会计信息化的顺利发展。 作者：王征 李露 单位：辽宁对外经贸学院会计学院 辽宁对外经贸学院 大数据论文:大数据管理会计信息化解析 摘要： 在大数据时代下，信息化不断发展，信息化手段已经在我国众多领域已经得到较为广泛的应用和发展，在此发展过程，我国的管理会计信息化的应用和发展也得到了非常多的关注。同时也面临着一些问题。本文通过分析管理会计信息化的优势和应用现状以及所面临的的问题，以供企业在实际工作中对这些问题的控制和改善进行参考和借鉴。 关键词： 大数据；管理会计信息化；优势；应用现状；问题 在这个高速发展的信息时代，管理会计的功能已经由提供合规的信息不断转向进行价值创造的资本管理职能了。而管理会计的创新作为企业管理创新的重要引擎之一，在大数据的时代下，管理会计的功能是否能够有效的发挥，与大数据的信息化，高效性、低廉性以及灵活性等特点是密不可分的。 一、大数据时代下管理会计信息化的优势及应用现状 在大数据时代下，管理者要做到有效地事前预测、事后控制等管理工作，在海量类型复杂的数据中及时高效的寻找和挖掘出价值密度低但是商业价值高的信息。而管理会计信息化就能够被看做是大数据信息系统与管理会计的一个相互结合，可以认为是通过一系列系统有效的现代方法，不断挖掘出有价值的财务会计方面的信息和其他非财务会计方面的综合信息，随之对这些有价值的信息进行整理汇总、分类、计算、对比等有效的分析和处理，以此能够做到满足企业各级管理者对各个环节的一切经济业务活动进行计划、决策、实施、控制和反馈等的需求。需要掌控企业未来的规划与发展方向就能够通过预算管理信息化来实现；需要帮助管理者优化企业生产活动就能够通过成本管理信息化对供产销一系列流程进行监控来实现；需要对客观环境的变化进行了解以此帮助管理者为企业制定战略性目标能够通过业绩评价信息化来实现。 (一)预算管理信息化 在这个高速发展的信息时代下，预算管理对于企业管理而言是必不可少的，同时对企业的影响仍在不断加强。正是因为企业所处的环境是瞬息万变，与此同此，越来越多的企业选择多元化发展方式，选择跨行业经营的模式，经营范围的跨度不断增大。这就需要企业有较强的市场反应能力和综合实力，对企业的预算管理提出了新的发展挑战要求。虽然不同企业的经营目标各不相同，但对通过环境的有效分析和企业战略的充分把握，从而进行研究和预测市场的需求是如出一辙的。企业对需求的考量进而反应到企业的开发研发、成本控制以及资金流安排等各个方面，最终形成预算报表的形式来体现企业对未来经营活动和成果的规划与预测，从而完成对企业经营活动事后核算向对企业经营活动全过程监管控制的转变。然而从2013国务院国资委研究中心和元年诺亚舟一起做的一项针对大型国有企业的调研结果中得出，仅仅有4成的企业完成了预算管理的信息化应用，大型的国有企业在预算管理信息化应用这方面的普及率都不高，足以说明我国整体企业的应用情况也不容乐观。所以从整体上来讲,预算管理信息化的应用并未在我国企业中获得广泛的普及。 (二)成本管理信息化 企业由传统成本管理企业向精益成本管理企业转换是企业发展壮大的必然选择。而基于大数据信息系统能够为企业提供对计划、协调、监控管理以及反馈等过程中各类相关成本进行全面集成化管理。而进行成本管理的重中之重就是对企业价值链进行分析以及对企业价值流进行管理。企业能够通过成本管理信息化对有关生产经营过程中的原材料等进行有效地信息记录及进行标示，并结合在财务信息系统中产生的单独标签，使与企业有关的供应商、生产经营过程和销售等的过程全都处于企业的监控。以此企业可以做到掌握生产经营的全过程，即能够通过财务信息系统实时了解到原材料的消耗，产品的入库及出库等一切企业生产经营活动。同时，结合价值链的分析和价值流管理，企业通过将生产过程进行有效地分解，形成多条相互连接的价值链，运用信息化手段对企业的每条价值链的成本数进行有效的追踪监管和综合分析，以此为基础为企业提出改进方案，并使用历史成本进行预测，达到减少企业的不需要的损失及浪费，最终达到优化生产经营过程。虽然成本管理信息化是企业发展的一个重要趋势，以大数据信息技术为基础的信息系统可以使得企业完成全面的成本管理，给企业的成本管理带来了巨大的推动力。然而信息化在成本控制方面的实施效果并不是很理想。 (三)业绩评价信息化 业绩评价是对企业财务状况以及企业的经营成果的一种反馈信息，当企业的绩效处于良好状态，代表企业的发展状况良好，也反映了企业现阶段人才储备充足，发展处于上升期，由此企业定制扩张战略计划。而当企业的绩效不断减少，代表企业的发展状况在恶化，也反映了企业的人才处在流失状态，企业在不断衰退，此时企业应该制定收缩战略计划。企业进行业绩评价信息化的建设，通过对信息系统中的各类相关数据进行综合分析，有效地将对员工的业绩评价与企业的财务信息、顾客反馈、学习培训等各方面联系在一起。对于企业而言，具备一套完善且与企业自身相适应的业绩评级和激励体系是企业财务信息系统的一个重要标志，也是企业组织内部关系成熟的一种重要表现。然而，如今对于具备专业的业绩评价信息化工具平衡分卡等在企业的发展过程中并未得到广泛的应用。其中最大的原因应该是对业绩评价的先进办法对于数据信息的要求比较简单，通常可以由传统方式获得。所以，现如今能够完全将业绩评价纳入企业信息系统，并能够利用业绩评价信息化来提高企业管理效率的企业数量并不多。 二、大数据时代下管理会计信息化存在的主要问题 (一)企业管理层对管理会计信息化不重视 我国企业管理层对企业管理会计信息化建设存在着不重视的问题。首先，对管理会计信息化概念和建设意义没有正确的认识，有甚至由于对于企业自身的认识不够充分，会对管理会计信息化的趋势产生了质疑和抵触心理。再者，只有在一些发展较好的企业中进行了管理会计信息化的建设工作及应用，但是，企业应用所产生的效果并不是很理想，进而促使管理会计信息化在企业的发展速度缓慢。 (二)管理会计信息化程度较低 大数据时代下，信息化手段已经在我国众多领域已经得到较为广泛的应用和发展，在此发展过程，我国的管理会计信息化的应用和发展也得到了非常多的关注。但是，由于管理会计在我国受重视程度不够，企业在进行管理会计信息化建设的过程中对与软件的设计和应用也要求较高，所以与管理会计信息化建设相关的基础建设还相对较落后。 (三)管理会计信息化理论与企业经管机制不协调 虽然随着国家政策鼓励和扶持，很多行业的不断涌现出新的企业，企业数量不断增多，但是由于这些企业在规模以及效益等方面都存在着较大的差距，同时在管理决策方面也产生了显著地差别。很多企业在发展的过程中并没有实现真正的权责统一，产生了管理层短视行为，没有充分考虑企业的长远利益等管理水平低下的问题。 三、管理会计信息化建设的措施 (一)适应企业管理会计信息化发展的外部环境 企业在进行管理会计信息化建设时，要结合企业所处的外部环境进行全方面的规划和建设。在企业进行规划和建设时，国家的法律法规等相关政策占据着十分重要的位置，需要对市场经济发展的相关法律法规进行充分理解和考虑，为企业管理会计信息化建设提供好的法律环境。管理会计信息化系统的正常运转要求企业处于相对较好的环境之中，以此充分发挥出其应有的作用。 (二)管造合适的管理会计信息化发展内部环境 企业管理会计信息化的良好发展要求企业能够提供良好的内部环境。树立有效推进企业管理会计信息化建设的企业文化，企业文化作为企业股东、懂事、管理层以及每个员工的价值观念体现，有利于各级员工都能够正确认识到管理会计信息化建设的重要性，接受管理会计信息化的价值取向。再者，企业要储备足够的管理会计人才,为管理会计信息化的建设提供源源不断的血液。同时，为企业管理会计信息化建设提供强大的资金保障。最后，对企业内部控制体系不断完善，为企业创造长足的生命力，为管理会计信息化赖以生存的环境。 (三)开发统一的企业信息化管理平台 在大数据时代下，信息化不断发展，对于企业而言，会同时使用多种不同的信息系统进行组合使用，并且这种情况在未来也可能将持续下去，企业需要建立综合统一的企业信息化管理平台。 四、结束语 管理会计信息化已经成为企业发展的重要趋势。同时也面对着一些问题。因此，相应的措施和不断地完善和改进是必不可少的，以此才能够促进管理会计信息化的不断发展。 作者：李瑞君 单位：河南大学 大数据论文:大数据运营管理信息系统应用 编者按： 针对某省运营管理系统存在的数据问题和现状，中国移动江苏有限公司网络部赵恒特撰写《基于大数据的M运营商运营管理信息系统应用》一文，该文有针对性地提出了Hadoop处理框架和数据集市云化的架构应用，描述了基于大数据平台的某运营商运管管理信息系统，其内部优化了KPI管理、产品管理、决策管理、生产服务、客户服务、投诉管理、市场营销等管理流程，在项目实施过程中形成了统一大数据中心管理模式，打破了部门壁垒和信息鸿沟，效果良好，获得运营商集团公司科技与业务创新一等奖。可供相关技术人员学习、参考。 摘要： 针对某省运营管理系统存在的基础数据问题和现状，有针对性提出了Hadoop处理框架和数据集市云化的架构应用。本文描述了基于大数据平台的某省运营商运管管理信息系统，在内部优化了包括KPI管理、产品管理、决策管理、生产服务、客户服务、投诉管理、市场营销等在内的管理流程，在项目实施过程中形成统一大数据中心管理模式，打破部门壁垒和信息鸿沟，产生了良好的效果，获得运营商集团公司的科技与业务创新一等奖。 关键词： 大数据；运营商；运营管理；管理信息系统 1大数据运营管理信息系统的实现 大数据运营管理信息系统采用新技术，运营商采用业界先进且成熟的技术，考虑技术产品升级时的平滑度，保证所选的软硬件具有较长的生命周期，满足需求，立足应用，构建大数据生态体系。先进成熟技术包括Hadoop处理框架、实时流式数据处理框架等。（1）Hadoop处理框架（见图2）一个分布式系统架构，充分利用集群的威力高速运算和存储，提供高传输率来访问、计算已存储的海量数据；是大数据处理架构的事实标准。部署x86Hadoop平台，在聚合层存储海量源数据，并针对海量、非结构化/半结构化数据提供大规模处理的计算能力，在数据资产层存储离线数据资产，提供高效查询的资产存储管理能力。（2）流数据处理框架（见图3）一种分布式、容错的实时计算系统，实时处理消息并根据处理结果提供相应的处理机制。部署x86流数据处理平台，在聚合层对接源系统实时数据接口，实时采集源信息并进行处理与分析；结合数据资产层的数据应用模型、数据应用层的规则引擎及时做出业务目标的响应（实时BI、实时事件触发式营销等）。（3）业务规则引擎规则引擎将业务决策从应用程序代码中分离出来，并使用预定义的语义模块编写、解释业务规则，并根据业务规则做出业务决策。将数据按照一定的业务规则分类，匹配业务系统的数据需求场景；定义事件与流程，面向其他业务平台将数据中心的能力按照规则主动式提供。（4）数据服务枢纽（见图5）按照数据开放公共语义模型，将数据资产封装成共享业务数据模型，形成上层服务；屏蔽系统接口的技术差异，使用ESB统一协调服务运营。实现企业数据中心的数据与应用分离，提高数据安全性与复用性。通过ESB服务枢纽对其他业务系统开放标准化的服务接口，形成系统间的有效互动。（5）数据集市云化架构构建云计算x86资源池，提供按需伸缩的基础设施架构；承载分布式MPP数据库系统，提供平滑扩展的强大并行计算能力。利用x86资源池的低成本，提供数据集市的所需要的易扩展、分布式、高并发的数据计算能力；面向应用存储在线高热度访问、海量实时计算的数据。 2大数据运营管理信息系统解决的问题 大数据运营管理信息系统平台的应用，解决了M运营商原有平台的相关问题，丰富了大数据的基础数据源，加强了数据分析能力，通过统一存储和管理，打破了数据鸿沟，提高了系统效率。 2.1增加网络数据采集，丰富大数据的基础数据源 运营商产品包括传统通信、上网、内容和应用。传统通信有通话、短彩信、开关机和停复机。用户上网途径有3种：2G、3G、4G的手机上网方式；WLAN无线宽带上网方式；有线宽带上网方式。内容和应用有手机邮箱、手机游戏、手机视频、手机音乐、手机电商和应用商店等。通过在相应的网络上增加网络信息采集器，实现数据采集。比如：针对通话，可以采集到的信息有主叫号码、被叫号码、主叫开始时间、被叫开始振铃时间、被叫接通时间、主被叫挂机时间、主叫发起呼叫位置、被叫振铃位置、被叫挂机位置、主叫挂机位置、呼叫转移号码、主叫手机类型、被叫手机类型和通话质量。M运营商增加了上述的各种产品的数据采集，每天采集数据量约30TB。这些数据的价值体现在可以用来指导网络的维护和优化，可以用来提高服务质量，可以通过针对性的营销提升效果，可以与第三方合作增加数据的挖掘价值。 2.2加强基础数据分析，生成大数据次级数据字典 通过基础数据分析，加工生成二级数据丰富数据字典，分析汇总指标体系包含指标3000多个，针对公司各部门各分公司和各业务产品订制报表500多张。继续以通话为例，为了指导和考核网络维护与优化工作，通过对全网所有通话行为的分析，提炼出如下指标：呼叫接续时长=被叫开始振铃时间-主叫开始时间，加上主叫所在位置联合分析，可以对所有网络小区的平均呼叫接续时长进行统计分析，得出需要优化的小区、派发优化任务给维护部门、并可以跟踪优化效果；同样呼叫接续时长、主叫位置、主叫手机类型联合分析，可以得出手机和网络配合情况，指导问题手机生产商进行手机的质量改进。继续以通话为例，为了指导和考核营销部门的优惠购机入网套餐销售质量，通过对一定时间区间内各个渠道销售的优惠手机通话分析，提炼出如下指标：渠道销售终端次月活跃度=Count（主叫号码 主叫手机类型in渠道a终端销售库）/sum（渠道a终端销售库）。这样分析可以对渠道销售质量进行指导和考核，并能有效发现渠道通过假销售套取销售佣金的欺诈行为。 2.3统一存储和管理，打破数据鸿沟提高系统效率 M运营商的大数据系统当前存储数据量超过30PB。在统一存储和数据管理的基础上，通过联合关联，把以前分散在各个信息系统中的数据汇聚拼接出用户真正的全貌。通过泛在挖掘，把握单个用户的真正需求，挖掘潜在用户群的行为特征。系统能力增强的实时应用，能及时地反应到用户服务上。 作者：赵恒 单位：中国移动江苏有限公司网络部 大数据论文:大数据城镇化发展探究 摘要： 随着网络信息技术的飞速发展，各种新技术进入各行各业迎来了新的变革。而大数据从科技领域迅速扩散到其余领域，并带来了一些新的思维和技术成果。能否将大数据与中国的城镇化相结合，促进新型城镇化发展和建设，带来一些新的思路和模式，是本文要探讨和研究的关键。 关键词： 大数据；新型城镇化；新技术；智慧城市 1.大数据 1.1大数据（Bigdata）的概念 随着互联网深入人们的生活，现在基本每个人的生活都离不开网络，无论是购物、出行、吃饭等。正是人们生活模式的翻天覆地的变化，给互联网信息产业发展带来了新的契机。互联网的核心技术是物联网和云计算，随着对互联网技术的不断研究，大数据的应用也不断深入了人们的生活。而大数据究竟是什么含义，许多人将大数据理解为就是网络信息的产生量的数量多，但这只是大数据一方面的含义。大数据的概念来自于美国，而大数据中的“大”通常用来描述数据的三个特征：第一个是指信息的数量很多；第二个指信息的种类繁多；第三个指数据变为可用信息，并且可以分析的速度越来越快。而我们关注的大数据的作用其实是大数据建立在这三种特征上的另外一种特性这也是大数据的意义所在，即数据的使用价值，主要体现为对数据的分析和数据分析的应用。大数据作为一种信息资产，需要新的处理模式，来保证其对信息处理的高决策力和洞察力。大数据的意义不在于其收集的大量信息，而是从中选取有效信息的能力。 1.2大数据的意义 大数据的应用已经深入了各个行业，日常生活中可以经常发现大数据应用的痕迹。正是因为大数据对于庞大数据快速的分析处理能力，可以使我们快速掌握想要的讯息。比如，当你打开电脑时你的浏览器会自动为你推荐一些你可能会购买商品，这就是电商根据你的电脑的IP浏览历史自动为你筛选的。最近大热的美剧纸牌屋，正是制作公司通过大数据分析应用总结出观众最喜欢的故事、演员、编剧等，并将其元素融合拍摄制作而成的。利用大数据，降低了产品的风险提高了成功率。或许这些与城镇化的关系并不大，但确让我看到了一些新的契机。如果其他行业都有利用大数据成功的实例，为何不能将其与城镇化相结合呢？或许，这些新时代的新技术为城市规划专业带来新的变革，成为城市规划专业革新发展的关键所在。而在新型城镇化问题上，可以利用新技术综合应对现阶段城镇化发展面临的问题如环境恶化、就业困难、交通拥挤等大城市病。交通拥堵、就业困难、住房紧张、公共卫生恶化、生态破坏等。 2.大数据方法在城镇化中的应用 2.1智慧城市建设 我国的城镇化由传统的城镇化迈向了新型城镇化的转型和发展。而智慧城市的提出是一种与时俱进的新概念、是新型城镇化的一种新的模式。智慧城市就是运用信息和通信技术手段感测、分析、整合城市运行核心系统的的各项关键信息，从而对包括民生、环保、公共安全、城市服务、工商业活动在内的各种需求做出智能响应。目前这一概念与以人为本和可持续发展等思想相结合而发展成的新系统，这就强调了智慧城市不仅仅是新的技术和手段如互联网、云计算、大数据等现代信息科技的应用，更重要的是用新方法和新技术来解决城市未解决的一些问题。大数据在智慧城市建设中担当的角色日渐受到重视，而大数据对其建设的意义也越来越重要。有专家对大数据与智慧城市建设给出了乐观的论证，“大数据挖掘对智慧城市的经济发展和社会管理是无形的生产资料，大数据价值的合理共享和利用将创造巨大财富。”“智慧城市是城镇化进程的下一阶段，是城市信息化的新高度，是现代城市发展的愿景。”相关政府部门给予大数据极高的期待：面向未来，大数据将激发巨大的内需增量，建设智慧城乡，密切政府和民众的联系，促进民主与社会进步。 2.2加强城市免疫系统 城市是一个庞大而脆弱的系统，自身免疫力较低。而现阶段的我国快速的城镇化发展带来的各种问题就降低了城市的免疫能力。当我们的城市涌入了大量的人口，而城市内部的基础设施、住房、交通设施等保证不了大量人口的使用，就产生了各种问题。这不仅是新型城镇化要解决的，也是国家社会要关注的。大数据给新型城镇化带来了新的活力，同时也为新型城镇化带来了新的挑战。新型城镇化的关键是实现管理的信息化，包括如何最大程度提升现有的城镇化存量水平。大数据对新型城镇化的影响主要有以下几个方面：第一，推进公众参与的建设。传统的公众参与需要耗费大量的时间，去统计居民的意见和建议，而大数据对于数据的处理和分析可以加快进程。同时，对于一些数据并不需要以调查问卷等传统的形式去收集，通过日常行为习惯的数据库进行综合的分析，就可以得到想要的数据。这就大大减少了统计和分析数据的时间，提高了效率。第二，促进城市的基本建设智能化。如现有的道路能否满足人们出行的要求、城市的发展与城市人口之间的关系等一些基本建设问题。第三，确定城市产业的总体发展规划。如通过大数据的信息收集和分析能力，来确定城市的特色产业和主导产业。第四，提高城市管理和服务水平。通过大数据参与城市管理系统，提升管理系统的效率和管理精度，从而改善服务水平。如通过布设污染监测点，加强城市污染的综合治理。第五，城市网络信息的智能化发展。如何将这些数据集合为拥有综合功能的应用系统，通过该系统可以帮助城市中的人们快速获得所需要的资源，如找到孩子最适合的小学或者最适合的医生等。大数据在城镇化发展建设中的应用还有很多，通过一些新的手段方法区解决和处理城市发展中的问题，会得到一些预料之外的效果。而中国的城镇化进程还有很长的路需要走，而新型城镇化也面临着新的机遇和挑战。通过别的学科研究成果解决问题是非常必要的。大数据的应用值得我们去继续关注和发展，以处理今后遇到的问题。 作者：丁若茜 单位：长安大学 大数据论文:大数据财务管理创新研究 摘要： 大数据时代正在影响着我们生活的方方面面，各行各业都在此形式下寻找发展转型之路。行政事业单位作为引领社会发展的重要力量，更要在创新中求发展，在发展中谋创新。本文从行政事业单位财务管理角度出发，探究行政事业单位人才队伍、预算管理和内部控制所存在的问题，并结合大数据的时代背景提出相应的创新发展之策。 关键词： 大数据时代；行政事业单位；财务管理创新 一、引言 随着网络和数字化的发展，大数据时代已飞速到来。正如麦肯锡所说：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”其数据量大、类型繁多、价值密度低、速度快和实效高等特点不断深入人心。行政事业单位以提供公共服务而非盈利为目的，实行国库集中制，独特的服务性和公开性要求其财务管理不断与时俱进、推陈出新。由此可见，行政事业单位财务管理与大数据的结合创新势在必行。 二、大数据时代下行政事业单位财务管理面临的问题 (一)人才队伍不完善 整体来看，我国行政事业单位的财务管理对大数据的利用还处在一个较低的水平，财务管理能力先进性不足，财务人员综合素质良莠不齐。主要表现为：一、财务管理观念过于守旧。行政事业单位资金主要依靠财政拨款，财务人员没有筹资、投资、盈利等方面的顾虑，缺乏与时俱进的财务管理理念。二、财务管理队伍相对薄弱。如今大部分的行政事业单位的财务人员的专业素质和整体素质较低：高层次的财务人才匮乏，复合型人才不足，是行政单位主要的人员壁垒。三、财务管理水平有待提高。有些行政事业单位的财务管理还停留在传统的核算型上，对于新时期的人力资本管理、知识信息管理等都没有足够重视，没有意识到大数据时代下单位所面临的机遇和挑战。 (二)预算管理不科学 预算是行政事业单位财务管理工作的核心内容，特别是近年来随着全面预算在行政事业单位的广泛应用，全面预算在战略目标管理、优化资源配置以及提高主体功能等方面具有重大意义。但是不少行政事业单位疏忽预算的重要性，在编制和执行上都存在一些问题。在预算编制方面，行政事业单位停留在简单年度估算上，再加上编制时间不充分，导致财务预算流于形式，不能反应整个单位的收支和发展情况，使预算缺乏合理性。在预算执行方面，未能按照“分析-编制-审批-调整-执行-决算”程序进行预算控制和管理，从而导致预算失控，出现超额、超支情况；再加上预算方法不先进，工作效率低下，预算效果不明显，使预算缺乏约束性。 (三)内部控制不规范 内部控制是财务管理的有效手段之一，直接影响到行政事业单位能否实现良好运转和实现职能发挥。2012年11月财政部印发了《行政事业单位内部控制规范 试行 》，从各个层面规定了行政事业单位内部控制的相关事宜。但时至今日，我国行政事业单位内部控制效果依然不理想。常出现清查不善导致实物资产利用率降低，折旧处理不善导致账实不符，资金使用不善导致货币资金流失严重等问题。从而导致内部控制发挥不出应有的约束作用。 三、大数据时代下行政事业单位财务管理的创新之路 (一)创新财务管理观念，加强人才队伍建设 要想实现大数据时代下行政事业单位财务管理的创新，首要任务就是实现财务管理的理念创新。单位要加强大数据和网络技术的宣传教育力度，使财务人员摒弃传统的财务管理的理念，树立信息化的财务管理理念。加快网络化建设，使各种资源能够得到有效的配置，使单位的各个部门和各个环节能够得到有效的沟通和管理，促进单位部门和其他单位之间的交流和合作，不断提高单位财务管理的效率。加强人才队伍建设也是当务之急。吸收多样化人才，培养复合型人才，使财会人员不仅精通财会专业知识，还掌握经济管理理论，预算、计划、执行、决算的运作规律，政策法规及相关技术知识等，从而适应新时代对于人才战略的要求。(二)结合数据信息，加强预算管理随着大数据的发展，传统估算式的预算方法已严重滞后于时展的潮流。新时期下预算管理应把单位数据与发展规划相整合，通过信息化的手段将单位各个部门的资金使用、消耗定额、专项资金等整合到统一平台，快速实现财务信息的合并与共享。数据的资源化能够可靠地整合数据信息，实现财务管理人员的全面预算和时事决策；大数据与云计算的系统化，也可以帮助单位进行前景预测与正确决策；信息的可视化符合行政事业单位的工作要求，有利于树立单位形象，提高政府满意度。 (三)健全内部控制体系，反馈绩效评价机制 利用大数据的互联网平台，监督单位各部门的数据信息，及时反馈绩效考核结果是加强内部控制的有力举措。可具体通过以下几个方面实现：一是要营造良好的内控环境。定期在单位内部进行互联网以及大数据相关知识的宣传，并结合本单位职能和其他具体情况，将大数据与内部控制有机结合，使大数据发展的趋势以及加强内部控制的必要性深入人心。二是建立风险管理预警系统。通过信息化平台的实时监控，及时发现并处理超预警的情况，确保财务风险能够得到及时和妥善的处理，为内部控制的及时性和有效性提供保证。三是完善内控评价和监督制度。设立专项内审部门，审查各部门账务，监督管理单位各项收支。还要加强事后监督力度，落实资金的使用去向，为单位发展创造最大效益。四是将内部控制和绩效评价相结合。使加强内部控制的实施过程与员工薪资福利、职位变动等切身利益相挂钩，切实提高员工参与内部控制建设的热情，减少行政事业单位内部控制建设的阻力。 四、结论 大数据的运用是时展的必然，行政事业单位的财务管理工作必须抓住此次契机，充分发挥大数据大量、高速、多样、价值和真实性的5V特点，提高单位的信息化水平和财务管理水平。在人才队伍建设、财务预算管理和内部控制评价等方面不断探索，不断创新。从而充分发挥自身职能，为建设服务型政府贡献力量。 作者：赵宇飞 单位：山东工商学院 大数据论文:大数据情报知识管理研究 摘要: 随着知识经济和大数据时代的到来，国防科技情报的分析和管理呈现出多样化、个性化、智能化等特点，具有单一领域转向全领域、新兴数据源蓬勃发展、多数据源综合利用、情报分析智能化和严谨化的发展趋势。本文以知识管理为核心，综合大数据相关技术，构建大数据环境下的国防科技情报知识管理体系，针对国防科技情报知识的获取和挖掘、知识存储、知识扩散、知识利用和创新，分别构建了国防科技情报知识挖掘系统、知识存储系统、知识扩散系统、知识利用和创新系统，以期实现国防科技情报知识的高效管理和利用。 关键词: 大数据;知识管理;国防科技情报;知识创新 0引言 知识在未来经济发展中，将会发挥越来越重要的作用。国防科技情报分析和管理，也必将趋向以知识管理为核心的方向发展。知识，是国防科技情报研究和管理的最终产品。科技的发展和经济决策，要求能够快速、准确获取国防科技情报，并进行全面、智能分析，实现高效扩散和流转，最大程度地实现知识的高效利用和知识创新。随着信息技术飞速发展和信息化时代的来临，国防科技情报数据量呈现指数级增长，情报研究和知识管理，也随着数据量的井喷式增长，而发生着深刻变化。在大数据时代，海量的科技情报数据使得情报分析人员，已经无法完全靠人工查看的方式进行情报分析和研究，迫切需要构建适应大数据时代特征的科技情报系统，需要利用新的信息化技术，对海量数据进行目标导向性的知识挖掘和可视化表征，对获取的科技情报知识进行高效存储管理，为情报知识的扩散、利用和知识创新提供支撑［1］。 1大数据时代下科技情报知识管理面临的新环境 2001年，D.Laney最先提出大数据具有“3V”特征:数量(Volume)、速度(Velocity)、种类(Varie-ty)，分别表示大数据时代数据量巨大，数据种类繁多，数据产生速度快的特点，对数据处理和分析速度要求更高［2］。大数据环境下的国防科技情报工作，可以将大数据定义为5V特征:数量(Volume)、速度(Veloci-ty)、种类(Variety)、可视化(Visualization)、价值(Value)，分别表示大数据时代国防科技情报数据海量化、情报数据形式多样化、情报产生和情报分析快速化、情报知识可视化、情报价值化的特点［3］。科技情报的5V特性，对国防科技情报的研究和知识的管理，提供了新的机遇。大数据时代，国防科技情报呈现出多样化特征。传统的科技情报研究和管理，主要是对万方数据、CNKI数据库、NSTL科技文献数据库、Derwent专利数据库、维普科技期刊数据库等结构化数据库的情报数据进行分析，而在大数据时代，各种非结构化数据越来越多，并且在科技情报分析中发挥越来越重要的作用［4］。大数据时代，国防科技情报知识管理呈现出个性化服务的趋势。大数据技术的发展，可以精确把握专家及科研机构等科技主体的行为模式和需求，可以根据用户的需求，提供个人化、个性化、精确化和智能化的情报推送服务，建设更加高效的全新的国防科技情报知识管理模式［5］。综合国内外已有的大数据在科技情报知识管理中的应用研究，总结出未来的国防科技情报知识管理的趋势为:情报研究由单一领域转向全领域研究;多种数据源综合利用;强化新型信息资源的分析;情报研究的严谨性更加突出;情报研究呈现智能化。 (1)情报研究由单一领域转向全领域研究目前，科技情报研究和知识管理，已经从方法上和内容上，均由单一的领域，向多领域、全领域扩展。在科技情报研究方法上，国防科技情报研究中，数据挖掘、人工智能、可视化技术、云计算技术等，已经广泛应用于科技情报领域。在科技情报分析内容上，将不仅局限于情报相关的领域问题的分析，将会结合更大的情景和场景，进行全面的、多方位、多角度的分析。在国防科技情报分析时，由于各种原因，获取的科技情报信息一般是不完整的，甚至带有欺骗性。如果仅仅根据获取的有限情报，仅结合本领域内的信息进行研究，将会导致情报知识的不准确。因此，需要结合各种外部情报信息，综合分析研究。 (2)多种数据源综合利用在信息技术飞速发展过程中，国防科技情报研究，也发生着显著变化。首先，国防科技情报研究变得越来越复杂。在大数据环境下，国防科技情报，已经不再局限于国防科技相关部门，而是涉及到社会生活的众多领域。以单一数据源的情报研究，已经不能满足国防科技情报研究需求，需采集、获取多种数据源情报信息综合分析。其次，各种不同的数据源的情报信息具有不同的特性，因此，需要综合不同数据源情报信息的特点。再次，科技情报研究结果，需要保证研究结果准确、可靠、科学、全面。因此，国防科技情报研究，需要综合利用网络大数据、各类信号数据、图像数据、文本数据等，并辅助侦察数据，从不同的数据源获取、收集科技情报数据，并综合评估分析。 (3)强化新型信息资源的分析伴随着网络技术的发展，各种新型的数据源蓬勃发展，如各种新媒体、各种专业机构知识库等。国防科技情报的收集、采集，将更多地依赖于各种新数据源。目前网络已有的各类科技报道、期刊文章、学术资料、专业文献等，均包含有丰富的科技情报。同时网络新兴媒体包含有更加丰富的各类情报信息。比如，从专业机构的知识库中，可以分析出其研究思路、技术现状、存在的技术不足和难点等。但是，目前网络大数据、专业机构知识库等新数据资源，信息量很大，种类繁多，需要强大的大数据分析和管理能力，才能有效的实现国防科技情报研究的需求。 (4)情报研究的严谨性更加突出科技情报研究专业性强，需要依靠情报分析人员，根据其自身的专业知识、经验知识等，构建情报认知框架，分析不同情报数据，得出情报分析研究结果。在情报分析过程中，不同的分析人员掌握的专业知识不同、水平不同，每个人的经验知识也差距较大，导致科技情报分析存在很大的不确定性。因此，未来的科技情报研究趋势之一，将会是最大限度地减少情报研究中的不确定性，提高情报分析的结果准确性。在目前海量的科技情报数据和众多的情报数据源条件下，科技情报分析需要加强严谨性。 (5)情报研究呈现智能化现代科技情报信息，呈现出全领域、多数据源特点，情报数据时刻变化万千，国防科技情报研究工作需要能够迅速采集、获取各种数据源国防科技情报，统合不同领域知识和不同数据源数据，及时进行分析、研究，获取有用的情报知识。数据挖掘技术、人工智能等，已经被深入应用于国防科技情报研究领域。目前，大数据环境下的情报研究，将利用统计数学工具、数据挖掘、数据集成、大数据分析与可视化等技术，分析海量科技情报数据，将数据转换为知识。情报研究工作的智能化发展，不仅可以将情报研究从繁琐的体力劳动中解放出来，同时显著提高了情报研究工作的质量、效率。智能化分析技术，可以对不同数据源的情报数据，进行关联性分析，拓展国防科技情报研究的深度和广度，提取出更多有用的知识。 2大数据技术在国防科技情报知识管理中的应用 在新的信息技术飞速发展的今天，国防科技情报研究工作迫切需要大数据技术，实现对国防科技情报的知识管理，从而实现对知识的高速获取、智能分析等。国防科技情报知识管理系统，需要包括情报知识输入、情报知识成长、反竞争、情报知识输出四个功能。其中，情报知识成长过程，包括科技情报知识的挖掘、知识存储、知识扩散、知识利用和创新。因此，本文根据国防科技情报知识管理系统的功能需求，将详细讨论、建立国防科技情报知识挖掘系统、知识存储系统、知识扩散系统、知识利用和创新系统。 2.1国防科技情报知识挖掘系统 国防科技情报知识挖掘旨在根据需求目标，利用数据库技术、先进检索技术、大数据分析技术、智能识别算法等，从海量的科技情报中，收集、分析所需的相关科技信息。国防科技情报的知识挖掘系统，需要遵循如下原则:(1)匹配性原则，即为在海量的科技情报信息中，寻找到与需求最匹配的知识;(2)效率性原则，即以最快的时间找到所需的信息，降低情报知识挖掘时间，提高国防科技情报知识流转速度;(3)归一化原则，即为将国防科技情报信息进行标准化，实现更加方便、快捷、高效的知识管理;(4)协调性原则，即情报分析、知识挖掘阶段，需要与其他环节进行信息交流、传输等，能够与其他系统协调工作，流畅运转。由系统流程图可知，国防科技情报知识挖掘系统首先将输入的科技数据，按照不同的特点、方法进行标准化，然后将标准化后的科技信息，分为一般知识、核心知识、其他知识等几类;其次研究科技信息知识挖掘算法和识别技术，如建立知识地图，并建立科技信息知识挖掘网络和搜索系统。最后，设计科技信息知识挖掘评价方法，对该知识挖掘系统性能进行评价。 2.2国防科技情报知识存储系统 国防科技情报知识存储系统，是将通过知识挖掘系统获取、收集、整理的科技情报信息，存入设计的数据库中，形成国防科技情报的知识库，实现快捷、高效的检索和应用。但是国防科技情报由于其自身的特殊性，因此，其对知识存储系统提出了新的要求，可以实现编码的存储和非编码的知识存储。对获取的情报知识，首先要进行知识形态划分，分为显性知识、隐性知识;根据划分好的知识形态，研究院所等可根据专业领域、专业知识等角度，结合自身从事的科学研究工作实践，对科技情报知识进行专业分类，可以分为文档型知识、样本型知识、符号型知识、经验型知识、数量型知识等。根据分类后的知识，利用计算机技术，结合大数据存储、云平台技术等，建立科技情报知识数据库，如文档数据库、关系数据库、对象数据库、经验数据库、样本数据库等。利用数据库管理技术，对科技情报知识进行管理，实现科技情报知识的高效利用。图3所示为国防科技情报知识存储系统的结构图。 2.3国防科技情报知识扩散系统 国防科技情报知识扩散，需要将获取的情报知识在组织内部尽可能的扩散，以利于对知识的消化、吸收，加快情报知识的更新、流转速度，提高情报知识的利用效率。国防科技情报扩散系统需要遵循一定的原则:(1)精确性和保密性相统一的原则，即将情报知识扩散给最需要、最可靠的对象，同时要保证在知识扩散过程中，不会失去控制，导致知识扩散泛滥;(2)全面性和效率性相统一原则，即需要对知识进行全面的规划，使知识可以以高效的方式，在适当范围内扩散;(3)归一化原则，即对知识扩散速度、扩散空间、扩散效果、扩散评价进行标准化、统一化管理。 2.4国防科技情报知识利用和创新系统 国防科技情报知识利用和创新，是知识管理的最终目的，知识挖掘系统、知识存储系统、知识扩散系统等，均是为实现知识的利用和创新提供保障和支撑。在该阶段，知识将形成产品或者转化为新的技术和理念。知识创新是产生新的概念、新的思想，生成新的知识。设计国防科技情报知识利用和创新系统时，需要遵循如下原则:(1)全局性原则，即站在全局性角度，以体系价值为基础;(2)整合性原则，即有效的整合、利用不同类型、不同层次的知识，将各部分的知识综合为一个整体，最大化利用知识;(3)创造性原则，即在知识管理的任何阶段，都应该鼓励提倡进行知识创新;(4)实用性原则，即在科技情报知识利用和创新过程中，需要立足于实际的需求，能产生实际的效益。 3结语 随着信息技术的发展，科技情报知识也呈现出爆炸式的增长，仅仅拥有知识的数量大，已经不再是优势。如何能够更好地实现科技情报知识的管理，能高效地使用知识，并能进行知识创新，才是国防科技情报知识管理的核心工作。本文结合国防科技情报知识自身所具有的独特性，提出了基于大数据的国防科技情报知识管理方法，建立国防科技情报知识挖掘系统、国防科技情报知识存储系统、国防科技情报知识扩散系统、国防科技情报知识利用和创新系统，实现对国防科技情报知识的高效管理。 作者：江红玲 单位：中国电子科学研究院 大数据论文:大数据文书档案信息化管理 【摘要】 本文首先讲述了大数据的含义及档案管理工作的进行，然后根据它所带来的重大影响，最后简要举出管理工作在大数据环境中的应用等几个方面。 【关键词】 大数据环境；科研院所文书档案；信息化管理 文书档案的信息化管理对于单位，特别是一些科研院校来说，都是一个非常重要的事情，其管理程度的轻重直接关系到该单位档案资料的好与坏。而当下随着互联网的迅猛发展，互联网+时代、数字化时代已经到来，大数据（BigData）更是成为国际性的热点话题和研究方向。而两者的结合到底会带给单位机关何种程度的利益呢？ 一、BigData环境和科研院所档案管理 （一）何为大数据环境。大数据，又称为巨量数据。它主要是因为数量浩大、类型复杂等多样数据所组成的多数据体，是在云计算的数据管理与应用形式的基础上，通过数据之间的大众化共享、交叠应用形成的智能资源和服务能力。信息技术的不断发展，人们通过电脑等多方智能设备，产生了大量的数据，其规模与复杂性已远超传统计算工具所能处理的范围，这些对于人们是极其不利的，因为用户不能及时地获取有用且完整的数据信息，而数据化时代的特征便是用数据说话。在如今不断刮起“信息风暴”的时代，人们随时随地便会受到各种数据的“袭击”，有限的思维模式被复杂的碎片化内容“分割”。所以要如何获取完整的、有用的数据信息呢？它需要数据足够的“人性化”，巨量的原始数据只有经过分类整理、加工分析，才能满足不同用户的需求。而处理海量的数据，便需要在大数据环境下的支持。 （二）科研院所文书档案的管理。科研单位的文书资料是对单位中各方面工作信息的真实记载。在农业科研单位中，其科技档案是农科院档案工作中分量比例占最大的构成部分。文书档案直接反映了农业科研机构形成和发展的历史，真实地记录了机构改革、领导决策、问题处理、人事变动等各方面发展变化，是管理方面极为重要的一部分。做好档案资料的管理工作，对科研院的发展起着重大的推进作用。 二、大数据环境对科研院所文书档案信息化管理的影响 （一）有助于加强科研院所档案资料管理。大数据时代的到来，科技飞速发展的时代也已来临，一些科研院所的开发研究也在不断发展，数据产生的规模和类型也越来越多样化、复杂化，文书档案的管理问题日益严峻。怎么运用现代化技术来加强资料方面的管理，提高科研院所文书档案的利用率，创新科研院所文书档案的存储模式，便成为科研院所管理人员所要面对的重大事件之一，也是各行各业的工作者需进一步讨论的话题。 （二）有助于实现科研院所文书的两化结合。根据云计算的不断发展，信息化技术和互联网技术也在日益更新，其所具有的海量数据处理、数据整理查询、数据存储传送、多种语言翻译等功能，及功能强大的各种科研院所的后台数据库，为科研院所文书档案在BigData环境下实现数字化和网络化的统一结合奠定了良好的基础技术支持。再者，科研院所文书档案实现信息化管理，通过大数据技术的加工处理，又很大程度地增强了数据方面的安全可靠性。 （三）有助于提高科研院所档案管理方式对时展要求的高度适应。BigData时代的快速扩展，当今社会的电脑技术迅猛发展和科研院所研究方向的不断进步，只有加快对科研院所文书档案的信息管理规划，提高科研院所数据资源的信息化与网络化的有机结合，才能更好地使科研院所的工作健康平稳的进行，才能更快速地适应时展的需求，适应我国不断改革创新的战略目标。 三、大数据环境下的应用举例 （一）曙光医疗解决方案。曙光信息产业股份有限公司在2015年7月提出一份“曙光医疗解决方案”，而这份方案表明大数据对于医疗方面的作用毋庸置疑。曙光医疗开始面对的是“烟囱式”建设现状，即建设标准不统一、信息孤岛——数据共享存在壁垒、峰值建设——资源利用率低、建设周期长无法快速部署等问题，曙光医疗借助大数据和云计算的帮助，成功完成此次医疗数据方面的改革。例如：智慧云助力医疗资源深度整合，大数据提升医疗云核心价值，云计算平台计算及存储支撑，大数据平台助力科学决策及精细化管理，通过便捷的部署、全面的监控、健全的警告形成大数据安全管理平台（XData4s）,解决了大数据内容安全、存储安全、运维安全、访问安全等问题。 （二）WEWATCHSPORTS。在大数据的应用下，一款可追踪全部赛事的APP——RUWT应运而生，这款软件可在IOS、Android系统下，也可在Web环境下的浏览器中运行。RUWT通过高速剖析SPORTS数据流让粉丝们第一时间了解到心心念念的节目信息在某个频道播出，还可以让人们体验到现场投票的刺激感与满足感。RUWT在谷歌电视和TiVo用户中，只是执行了一个调整频道的过程。此应用程序不仅帮助体迷们快速查询到节目信息，而且还可以让体迷们感知现场与电视机前不一样的乐趣。 四、结论 大数据环境下的科研院所文书档案的信息化管理是利用计算机对数据高速运行的处理特点，使院所中的研究人员更快速高效地获得准确而且完整的研究信息，不断提高科学研究的效率性问题，从而也可以实现某些信息的大众化共享，最大限度地扩宽其使用寿命。大数据环境下实现科研院所的文书档案信息化管理给予科学进步的发展前所未有的发展动力与坚强后盾。 作者：刘洋 单位：石河子农业科学研究院 大数据论文:大数据金融理财产品影响 摘要: 本文从大数据的兴起出发，谈到大数据金融的产生，继而结合目前金融机构以及互联网金融平台在理财产品创新方面的几点成果，主要讨论了大数据金融对理财产品在交易成本、产品推广以及创新理念三个方面的重要影响。在交易成本方面，我主要讨论了分布式金融服务系统；在产品推广方面，我突出了个性化信息推荐技术；在创新理念方面，我介绍了大数据对技术创新理论的巨大贡献，大数据金融的两个主要创新模式——平台金融和供应链金融。 关键词: 大数据；大数据金融；理财产品；创新 大数据早在三十六年前就已经被著名的未来学家阿尔文托夫勒热情地赞誉为“第三次浪潮的华彩乐章”，但是大数据真正成为高频词并被广泛地运用于生活的各个角落还是最近这几年的事情。时隔三十年，随着社交网络、物联网与云计算等互联网技术的兴起，数据的规模变得越来越大，大数据技术的发展也变得越来越快。一瞬间，各行各业都从大数据那海量、高增长率和多样化的信息资产中嗅到了巨大的商机，而金融行业作为一个极度依赖研究数据的行业，自然对大数据起了浓厚的兴趣并早早地开始了深入的研究，于是大数据金融应运而生。大数据金融的本质是去中介化和价格透明化，互联网环境下的大数据金融很大程度上拉近了供需双方的距离，并且很好地解决双方之间信息不对称的问题。大数据金融模式广泛应用于对平台用户和供应商进行贷款融资，机构从中获得贷款利息以及流畅的供应链所带来的收益。在这个情况下，企业变得更加注重用户个人的体验，进行个性化金融产品的设计，作为金融行业与普通百姓之间最主要最直接的连接，理财产品受到了大数据金融最为直接的影响，交易成本，推广方式与创新理念都发生了翻天覆地的变化。 一、大数据金融对理财产品交易成本的影响 交易成本主要来自于经纪人的佣金、资产所有权的转移成本和机会成本等等。交易成本毫无疑问会对客户的购买欲望造成影响，为了促进客户对理财产品的购买，金融机构自然而然的会想到减少交易成本，而这种想法恰恰促进了新的金融工具和交易媒介的产生，在客观上刺激了金融创新的发展的同时，还提高了金融服务的质量。金融机构通过降低交易成本可以提高收益，而更重要的是，投资者也从中获得了收益，可以说，只要是追求收益的投资者都会对这类创新青睐有加，而很显然的是，所有的投资者都是追求收益的。目前一个最简单最直接的降低交易成本的方法便是交易手续费的打折，比如阿里金融与京东金融的基金产品交易手续费折扣常年维持在一折，有些甚至直接免除交易手续费，原本1%的手续费变成了0.1%，这对投资者的购买欲望有着极大的鼓励作用。当然，交易成本不仅仅包含了大家都很容易想到的交易费用，交易成本的另一个重要组成部分就是交易的便捷程度。因此，让交易变得更快速便捷成为了金融创新的的另一个重要方面，这些创新令投资者的操作难度减少，节约了时间，同样是目前绝大多数投资者非常关注的一个方面。这类的金融创新大多数都要使用到大数据技术。通过大数据技术，规模巨大的数据可以被有效处理，与分布式的服务相结合，每台计算机都参与计算工作，就可以把交易成本显着降低。在数据量很大的情况下，即使服务器没有任何压力，某些复杂的查询操作都会进行得非常缓慢，影响了最终用户的体验。在大数据量下对数据库的操作（即使是一些简单的指令）会让数据库停止服务或者高负荷运转很长时间，影响了数据库的可用性和可管理性。这个时候考提升服务器性能是不起作用，只有靠分区把数据分成更小的不部分才能提高数据库的可用性和可管理性。通过分区把各部分数据放到不同的机器中，每次查询可以由多个机器上的CPU来共同负载，通过各节点并行来提高处理数据来提高性能。分布式系统是大数据时代下的巨大创新，在大数据金融中被称为分布式金融服务系统。 二、大数据金融对理财产品推广的影响 近几年数据化带来了信息爆炸式的增长，也极大地丰富了数据的来源，然而在大量信息不断涌来的同时，人们面对如此巨大的信息量也更加显得迷惘。由于干扰信息的增加远大于有用信息的增加，大多数用户很难从中发现自己感兴趣的内容，于是很多只能从众，追求热门的内容和产品。因此海量信息被埋没在用户无法获取的深处，成为少人问津、难以挖掘的冷门信息。信息超载问题成为了大数据技术的一大副作用，幸运的是，人们已经找到了一个有效的解决工具——个性化信息推荐技术。个性化推荐不同于传统的随机或者热门推荐，它是通过分析每个用户的历史行为来区分用户兴趣和偏好的差异，通过建立框架模型，选择合适的算法，从而猜测用户可能感兴趣的产品。个性化信息推荐技术的数据基础就是用户的历史行为，而核心思想就是根据用户的历史行为来代替用户寻找和评估他从未接触过的产品，并根据评估的结果向用户推荐这些用户很可能感兴趣并有价值的信息。个性化信息推荐技术是大数据时代的一个非常典型的产物，已经广泛的应用于包括电子商务在内的互联网相关行业，现在也很快被应用到了金融行业中，虽然只是初步涉猎，但也有了不小的收获。目前金融市场的所有参与者，尤其是用户，都对信息有着巨大的依赖，而这就决定了投资者只有在掌握了大量相关信息的基础之上才能进行投资活动。随着理财人数的增加和人们对理财规划越来越迫切的需求，再加上大量用户在线上进行的开户、交易等各种投资决策行为提供的现成数据条件，对于用户理财行为特征的研究受到了极大的关注和发展。对用户而言，要从种类繁多的理财产品中选择真正适合自己需求的几种，同时搭配最优的资产组合，需要大量的相关知识储备和大量的时间和精力；相反，对公司而言，利用互联网渠道对用户开展个性化服务则有着非常明显的成本优势，而且还能提高客户的满意度和忠诚度。目前金融行业正寻求向数据驱动型行业转型的契机，由此看来，建设智能化的客户营销服务系统将会是关键的一步。如今，用户在许多互联网金融平台购买理财产品之前，都会被要求填写一份有关个人风险偏好程度的问卷，绝大多数用户在面对此类问卷时都会认真填写，毕竟关系到自己投资的收益性。通过这份问卷，商家能对用户的理财偏好有一个详细的了解，该用户是风险偏好者还是风险厌恶者，是喜欢短期理财还是长期理财，对于理财产品的变现能力是否及其看重等等情况都一目了然。因此，商家便只会向该用户推送符合其喜好的各种理财产品，增加了他的购买可能性。同时通过对该平台所有用户的问卷的汇总，商家就得到了一份详细完整，偏差较小的统计资料，对商家在理财产品的推广方面起到重要的指导作用。比如阿里金融的基金板块，在股市景气之时，重点推广的都是高风险高收益的股指型基金，而目前股市低迷的情况下，低风险债券型基金，这便是在顺应用户面对市场行情的心理变化。并且阿里金融还经常推出海外基金，由国外大型投资银行的基金经理来管理，来迎合用户更倾向于国外成熟的大型投资银行的心态。当然，以上这些都只不过是个性化信息推荐技术最初步的应用，一般只会用于对新用户的理财产品喜好的猜测与分析上。对于有了一定交易记录的老用户，以上调查问卷一般的方法就显得太简陋了。真正深层次的个性化信息推荐技术需要的是通过深入地了解人的行为特征，建立个性化信息推荐系统框架，选择合适的算法，开发建设完善的、个性化的并且智能化的客户营销服务系统来科学地分析用户的交易行为，找出真正适合该用户的理财产品并进行定向的推广。并且，结合对该商家整个用户群的行为特征分析汇总，商家就能知道自己的哪个种类的理财产品更受欢迎，需要重点推广；哪个种类的理财产品是用户比较期待而商家自身涉及不多的，需要尝试引入；哪个种类的理财产品用户购买得不多。需要研究是用户对产品不了解，推广太少，需要适当增加资金投入，或是风险与收益达不到用户预期，需要减少投入。有了个性化信息推荐技术，金融机构与互联网金融企业对自己的理财产品能有一个非常精准的把握，用户也能更轻松地找到适合自己的理财产品而不用费时费力地做各种研究与咨询。但是目前在我国的金融行业在大数据创新方面还有着很多缺陷，个性化信息推荐技术也依然停留在初级阶段，没有一套严格的制度去量化各类数据的价值，缺乏大数据深度分析的能力和大数据创新应用的理念与收集建立有战略辅助价值的行业外大数据的理念，要形成一个完整的个性化推荐服务系统任重而道远。 三、大数据金融对理财产品创新理念发展的影响 (一)技术创新理论 虽然目前我国人民对理财产品的需求快速增长，但是我国商业银行的个人理财产品却面临同质化的问题。反而是一些互联网金融平台推出的一些创新产品，如余额宝，获得了巨大的成功，几乎是瞬间就拥有了庞大的用户群。同时，随着政策的放开，外资银行全面进入国内金融市场，进一步加剧了国内个人理财产品市场的竞争压力。不管是国内或国外的银行，还是互联网的金融平台，想要在激烈的市场竞争中脱颖而出，成为行业领导者，就必须积极地研究应对策略，增强创新能力来创造出能够满足市场需求的个人理财产品。著名经济学家熊彼特提出的创新理论主要研究了三个方面的创新：首先是制度创新理论，研究的重点是制度建设和革新；其次是金融创新理论，主要研究金融业务发展；第三是技术创新理论，研究技术革命和应用。大数据金融在技术创新理论中有着最为直接的应用，随着科学技术的不断发展，在金融领域，高新科技的应用屡见不鲜，金融机构和互联网金融平台的各项服务都在不断加快网络化和信息化的进程，机构能够为客户提供更快速便捷的金融服务。可以说技术的进步是推进金融创新的一个重要因素，大数据作为继计算机、互联网后的又一大技术的进步，为金融行业提供了高效可靠的数据分析技术，技术创新理论也因此获得了极大的发展。目前，大数据与金融行业结合后的大数据金融主要有两大创新点：平台金融和供应链金融两种模式。 (二)平台金融 平台金融模式主要通过打造金融产品的垂直搜索引擎，把有需求的借款人和有能力的贷款人通过平台进行对接。建立平台的金融机构通过云计算对用户的各项交易记录进行实时分析处理，从而形成用户在该平台中的累积信用数据，进而提供金融服务。平台金融模式的一个典型代表就是阿里金融。阿里金融以电商为平台并利用支付宝的网上支付优势，通过云计算以及模型数据，处理所积累的企业与个人的信用信息而涉足大数据金融领域。阿里金融的成功之处在于管理层卓越的战略眼光，早早地进入了大数据金融行业，成为了行业带头人。目前，阿里金融通过在电商平台长期形成的网络信用评级体系和金融风险计算模型及风险控制体系，基于其巨大的电商平台而针对货币基金理财、网上支付、小额信贷提供了大量的平台金融产品，涉足基金、保险、小贷等业务，如余额宝、阿里小贷等理财产品。 (三)供应链金融 供应链金融模式将供应商、制造商、分销商、零售商、直到最终用户连成一个整体，由该供应链中处于核心地位的企业为主导，通过整合供应链资源和客户资源来为这条供应链的各个参与方提供融资的金融模式。供应链金融模式所的是依托实体供应链，这提高了整个供应链的资金运用效率。京东的供应链金融是一个很好的例子。京东的优势在于差异化定位及自建物流体系等战略，因此经过多年的积累和沉淀，进洞形成了一套以大数据为驱动的京东供应链体系。在这一供应链体系中，京东作为核心企业为上游供应商提供贷款和理财服务，为下游消费者则提供赊销和分期付款服务。这些理财产品涉及应收账款融资、订单融资、京东白条、黄金等产品。京东凭借自己多年积累的优质供应商和个人消费者，结合了其拥有的精准的大数据，成功创建了京东特色的供应链金融业务。京东通过供应链金融提高了其所在供应链的整体运营能力，通过资金流实现供应链的有机整合。可以说，供应链金融不仅极大地发展了理财产品，并且还向融资领域注入了一股新的力量。在大数据时代，发展大数据金融已经成为各金融机构与互联网金融平台抢占战略制高点的必然选择，由此产生的理财产品的诸多创新也成为了发展的重中之重，相信在不久的将来，大数据金融定能成为主流，理财产品的创新也会有更深远的发展。 作者：朱树豪 单位：南京大学金陵学院 大数据论文:大数据商业建筑设计互补性研究 摘要 如今，实体商业与电子商务的矛盾冲突愈发激烈，O2O模式作为电子商务中一个独特的细胞，其对实体商业的影响则尤为重要。本文主要针对现代商业建筑存在的问题，及O2O模式详细研究，探寻O2O模式影响下现代商业建筑空间的设计策略及方法，旨在为现代商业建筑设计的更新提供出一条可能性路径。 关键词 大数据时代；O2O模式；现代商业建筑设计；互补性 1.电子商务的冲击 电子商务的冲击是如今实体商业面临的最大的困难，笔者通过八个维度对传统实体商业及传统电子商务进行了对比，发现了实体商业与传统的电子商务模式均存各有优劣，O2O模式就是在此矛盾的背景下应运而生的新型的电子商务模式，O2O模式提出了线上与线下应共同发展，而其相互的优劣也决定了电子商务无法完全替代实体商业，只有对二者进行互补性的设计研究才是二者互利共赢的基石。 2.O2O模式的研究 2.1概念解析 O2O模式（即OnlineToOffline）是指将线下商务的机会与互联网相互结合，让互联网成为线下交易的前台。O2O模式作为新兴起的电子商务模式与传统电子商务（如B2C、B2B和C2C等）有着明显的不同，O2O模式不仅仅局限于线上的交易与体验，它实际上是立足于实体商业，重视消费者的线下体验，也同样注重其线上交易，使线下与线上在交易、信息等方面进行多维互动。 2.2O2O模式的语言表达及重构 O2O模式既然是线上与线下的立体互通，那么线上与线下之间的互通方式就极为重要，线上注重的是获取信息、预定服务、交易便捷，而线下更注重的是商品及信息的展示与体验式服务；未来商业建筑将是科技化、体验化、场景化、便捷化配以传统体验相结合的建筑。将O2O模式语言中线上线下的表达方式进行整合、分解和再整合后，可以将其分为四类：硬件、网络、平台与媒介、支付。硬件把消费者带入虚拟空间，而消费者又在实体空间中使用硬件，硬件则形成了实体空间与虚拟空间的维度转换；消费者在商业建筑中由于其购物需求的差异，分散于不同的空间，其利用硬件与网络结合，则使消费者在其形成的虚拟空间进行聚合；平台与媒介是硬件和网络相互作用后形成的虚拟空间的平台，既可表达于线上，又可展示于线下，同样形成了实体空间与虚拟空间的维度转换；硬件、网络、平台和媒介通过虚拟空间与实体空间的相互转换，形成了信息化与功能化的特点，从而在实体空间形成了聚集效应。 3.基于O2O模式的现代商业建筑空间设计策略 3.1外部空间营造 3.1.1信息化原则 如今商业建筑多以纸质传单或巨型海报进行信息的传递，信息单一、资源浪费、破坏建筑界面是其主要弊端，O2O模式带给建筑的是屏幕化、多媒体化、信息化，应利用高科技手段在外部空间（如建筑立面，入口灰空间等位置）向消费者提供信息展示并与其互动，如利用激光投影技术在建筑表皮投影商家信息等方式，使消费者获得信息的同时体验商业的新颖，使外部空间（如入口广场、节点广场等）产生聚集效应，活跃商业气氛，促使消费者进入商业内部进行购物的欲望。 3.1.2聚集性原则 聚集空间的设计配以信息化的引导可以使人流的聚集性增强。商业建筑聚集效应空间可分为入口广场、节点广场、下沉广场、步行街等元素，既是承载着人们的公共活动、休闲娱乐的市民性场所，也是建筑消防集散的重要空间，注重外部空间中不同元素的交叉设计及与建筑母体的联系尤为重要。同时应控制好D/H的数值。 3.1.3通透性原则 建筑设计应保证人视尺度下界面的通透性，通透性的目的为“可见”，O2O模式下商业建筑内部店铺的体验空间将增强，通透性的处理手法可使在外部空间活动的消费者观看到内部空间趣味性的活动，唤醒其视觉感受，从而刺激消费。 3.2内部公共空间营造 3.2.1中庭空间设计 体验性商业模式下，过高的出铺率已经不再是商家所追求的对象，中庭空间看似占据了大量的店铺面积，但所承载的作用却带来了更高的商业价值。中庭空间一般承载着交通空间、休息空间、文化空间及零售空间的作用。而O2O模式下，中庭的作用则更加丰富：首先，如消费者将用手机或电子设备通过商城的WIFI进行搜索信息与预定，中庭使消费者的逗留性增强；其次，商家通过电子热点屏及其他科技展示设备进行与消费者的互动。O2O模式下中庭空间承载了更多的功能，中庭空间从传统的“聚=散”变为了“聚＞散”，使商业的气氛更为活跃；而O2O模式下中庭的空间组合形式则也应采用聚集性较强的空间形式。 3.2.2边界设计 O2O模式引导下的商业建筑可以将顶面作为信息与互动展示平台，即达到了线上线下一体化的目的，又增强了消费者的视觉冲击和体验感，活跃了商业气氛，从而避免了设计的同质化。如北京世贸天阶，拥有长250m，宽30m的天幕；而苏州时代广场的天幕为长500m，宽32m的天幕，商家与消费者进行互动、商品信息展示等等，商业气氛极其活跃，天幕白天同样也可作为自然采光的屋顶。 3.3消费空间营造 消费者通过线上支付、线下体验的活动导致了实体店铺中体验性和展示性的功能增加，交易流程的简化使仓储空间和交易空间逐步弱化，面积减小，同时，展示性及交易性的智能展示设备将逐步增多，随之，原有的展示空间和试用空间的面积将扩大；人的行为特性中，触觉天生在人所有感觉中占有重要的地位，对于商品人们需要进行试用与触摸，感受其材质、质量、舒适度等等，所以在展示空间中应保留原有的实物商品展示空间，并留出展示性及交易性的智能展示设备空间。 4.总结与反思 大数据时代对当今各学科之间均产生了巨大的影响，首先，笔者认为建筑设计应基于设计方法论的同时应进行跨学科的讨论与研究，跨学科的研究对建筑设计也常常起到推动的作用；其次，O2O模式为电子商务模式的一个重要分支，由于其本体的特殊性，对建筑设计的方法产生了影响，而笔者认为对这种影响的研究并非是一种新的设计方法的提出，而是基于传统方法的一种更新式、互补式的影响，而这也是O2O模式形成的本质核心；最后，笔者相信，随着大数据的不断发展进步及体系的完善，也将给建筑学领域带来更为巨大的影响。 作者：高鹏飞 高静 梁峻 单位：昆明理工大学建筑与城市规划学院 昆明理工大学建筑设计研究院 大数据论文:大数据挖掘工程项目管理探微 摘要: 在当前大数据时代背景下，工程项目管理有了新的变化和要求，传统的管理模式已远远满足不了科学管理的要求，采用数据挖掘技术可以大大提升工程项目管理水平，为其提供更多的管理方法和手段。本文就从大数据工程项目管理和数据挖掘之间的关系入手，分析了大数据挖掘对于工程项目管理所带来的优势，并对当前工程项目管理所面临的困难，提出了相应的解决对策，以促进工程项目管理水平的提高。 关键词: 大数据挖掘；工程项目管理；应用 现阶段，我国各行各领域的发展都呈现出信息化的特点，对于计算机技术的应用越来越普遍。大数据时代的到来，为我国建筑工程项目管理提供了更多的发展创新机遇，对于管理中所遇到的大量的信息和数据，需要实现对其的科学化管理和处理，提高信息数据的利用率，针对于当前工程项目管理在这方面所存在的不足之处，还需要管理单位从整体入手，构建全过程的动态化的管理模式，充分利用大数据挖掘技术，实现项目管理效益的提升。 1大数据挖掘技术在工程项目管理中应用的优势 1．1为其管理优化提供新的途径 信息技术的发展使得大数据逐渐成为了一种趋势，在这种趋势下，工程项目的信息管理实现科学化和集成化就有了新的途径和机遇，从而为工程项目的效率、质量以及风险等方面的管理优化提供了新的途径，也就说大数据挖掘技术对于工程项目的管理水平和管理效率提升有着极其重要的影响［1］。众所周知，工程项目管理具有一定的系统性和复杂性特点，这就导致了当前很多工程项目管理的水平和效率并不是很高，但是，随着大数据时代的到来，可以在先进技术和应用下实现对海量数据的高效化管理。例如在工程项目管理的绩效评估工作中，以为涉及到的评价指标较多，导致在整个评价过程过于繁冗复杂，并且评价的成本也比较高，但是，在大数据挖掘技术的应用下，就可以使海量数据信息在评价管理上更加简单和有序，评价评估的手段也更为多样化。 1．2工程项目的全面风险管理得到进一步完善 在工程项目管理工作中，每一个信息数据的存在都有其价值体现，都是对工程管理状况的一种反应，而且某些信息数据还会隐藏着项目在进行过程中所面临的各种风险，这会对项目和工程单位的长期稳定发展带来影响。在大数据管理中，数据储存服务一方面可以对各种数据信息进行收集和整理，另一方面还可以实现对每一个独立数据进行相应的转换和处理，使之形成一个具有内在联系的数据集合，从而为数据信息的使用者提供一个透明的信息平台，这样就可以保证信息交流的及时性和完整性，规避了风险的产生。 2大数据下的工程项目管理所面临的困境 2．1多样化的需求导致项目管理目的性不强 在大数据时代背景下，市场的信息需求逐渐呈现出数字化的特点，一旦对这些数据信息缺少正确及时的处理，就会导致实际工作中出现一系列的苦难。首先是对于数据信息不能进行完全的解读和分析［2］，最后的工程设计方案不能和市场达到完全的贴合，导致最后的设计产品不能满足实际市场需要;其次对于数据信息的错误判断也会导致工程设计方案和评估和市场需求相背离，最后的设计成果不具有市场化，这两点就不难看出，随着市场需求的多元化方针，数据信息量激增，导致工程项目管理在这些数据中缺少了明确的目的性，管理效率下降。 2．2项目管理受到经济环境的影响加深 市场经济的快速发展，导致市场经济环境瞬息万变，导致工程项目管理所面临的风险越来越多，并且风险的产生也更具随机性，但是，不可否认的是市场经济的发展又为科学技术的进步提供了动力，两者的作用属于是相互促进相互作用的。在当前科学技术不断创新的今天，市场经济环境的突变性正在加深，相应的就需要工程项目管理在施工进度控制、成本控制以及施工质量等方面有更多的关注。各种大型工程的出现，必然会对施工项目资金有更大的需求，这就会导致成本数据越来越多，在传统的管理模式中，采用的是预算和决算相结合的形式进行管理，但是，在今天这种大数据环境下，则可以采用新型的智能化的方式实现数据计算和处理，同时对于工程施工中所出现的其他建筑数据也可以实现高效化处理，这也就避免了传统管理形式所可能产生的安全隐患，有利于促进工程整体质量的提高。 3大数据挖掘优化工程项目管理的手段 3．1形成大数据挖掘的管理层次和制度架构 在对工程项目管理中各个部门和机构自身所承担的职责和作用了解基础上，采用集中控制和分层管理的思维，对项目公司的定位进行明确，它属于是一个数据信息的收集者，而集团公司则是一个数据决策者角色的回路模式。在具体的管理过程中，按照数据作为管理决策的信息来源，项目公司依据集团公司的指示，对所得到的各种数据信息进行采集和传输，之后集团公司则依据这些数据对工程项目的施工进度、施工成本以及施工质量等进行深层次的分析和评估，在分析的结果基础上制定科学的决策。此外，建立大数据挖掘的制度架构，同时遵循数据、业务、管理以及控制的原则，形成一个数据控制和处理中心，在对数据高效化管理的基础上实现工程项目管理。 3．2建立一个专门的大数据挖掘小组 基于当前大数据环境，对于数据信息的准确判断和高效利用的前提是对数据信息有一个专业的挖掘和分析，这也是提高工程项目管理水平的重要保障。首先，形成施工进度数据挖掘小组。形成施工进度数据挖掘小组，主要目的是为了对工程施工中所产生的的各种数据信息进行全面收集和整理，其中就包括有资金成本数据、原材料供应数据信息、工程计划数据信息以及施工基础数据信息等等，在专业人员的分析和评估指导下对这些数据信息进行准确挖掘，进而建立与之相适应的控制管理结构，保证工程施工进度是符合方案设计的［3］。其次，形成施工质量数据挖掘小组。形成施工质量数据信息挖掘小组的目的是为了对施工过程中所产生的基础数据信息、质量检验数据信息、物流仓储数据信息以及施工进度数据信息等进行相应的收集和整理，在数据信息的挖掘和分析基础上构建工程质量控制相关联的架构，这样就可以有效避免施工过程中由于各种因素干扰所产生的施工质量问题。 4总结 信息技术的发展为大数据时代的到来提供了技术支持，在当前大数据环境下，对于数据的挖掘和处理具有重要作用，在建筑工程行业，如BIM技术出现;在创建，计算，管理共享和应用海量工程项目基础数据方面具有前所末有的能力。做好这一工作可以为工程项目决策提供科学的数据参考，保证项目决策的科学合理，使工程项目管理水平得到显著提高，在具体的优化过程中，还需要结合实际建立相应的数据挖掘小组，提高对数据信息的专业挖掘和处理。 作者：闵细根 单位：江西地矿局物化探大队 大数据论文:互联网大数据经济管理会计研究 摘要： 随着大数据和互联网经济的发展，管理会计发展现状和特殊状况已有所转变，并对管理会计思想、管理会计理论、管理会计组织有着导向作用。要科学的将大数据和互联网经济运用到管理会计中，就必须深入剖析大数据和互联网经济对管理会计环境的影响，利用大数据和互联网应用环境与变革后的管理会计环境相互之间的内在联系和差异得出一般规律，方能实现管理会计系统的创新。因此，从企业层面看，大数据和互联网经济对企业经济行为产生重大影响，将驱动会计流程变革，促使企业通过数据挖掘优化资源配置，并通过大数据分析和互联网经济运作提升决策制定效率和水平。 关键词： 互联网；大数据；会计 1管理会计所处企业的经济行为活动将发生变化 在大数据和互联网经济时代，传统的企业生产要素、工具、交换方式以及组织行为都将发生变化，即管理会计所处企业经济行为将发生变化，而管理会计也应当在这些方面予以调整，为管理会计系统的创新做好铺垫，具体表现如下： 1.1企业生产要素的变化 传统经济条件下企业的生产要素是土地、劳动力、资本。这些都属于稀缺性资源，受到数量条件下的硬约束。而在大数据和互联网的大环境下，企业以知识（信息）作为主要生产要素。从实践的方向上来看，信息是对解决问题的能力，也是创新能力强弱的体现。 1.2企业生产工具的变化 传统经济条件下企业的主要生产工具主要是自然力、人力或机器等；而在大数据和互联网时代，企业的主要生产工具主要是由现代信息技术构成的互联网生产体系组成。 1.3企业生产交换方式的变化 大数据和互联网时代下企业的主要交换方式主要是以电子商务作为主要方式。在全球化的企业生产交换方式下，管理会计的运行模式更新调整亦是必然。 2驱动企业会计流程变革 大数据时代和互联网经济对企业经济行为影响的同时，对会计提出了诸多要求，其中对会计的设计必须适应当前的时代。如果会计流程足以满足时代需求，会计则可以使企业在竞争中能够拥有巨大的优势；在会计流程不能满足时代的前提下，限制会计的发展就会对企业的进步产生不利影响，这时就体现出会计流程变革的紧迫性。大数据与互联网经济的形势下，各项数据呈现出前所未见的多样性，会计需求也产生出了前所未有的不确定性和个性化。在互联网大数据时代的冲击下，如果会计人员不能对会计形式进行变革，那么就很可能被时代的浪潮所淘汰。所以，在互联网大数据经济的环境下，会计人员必须重视传统会计流程的重组方式，以使会计能满足时展的需求。 3数据挖掘优化企业资源配置 大数据技术和互联网技术已突破传统的传媒载体，通过采集数据加以分析，挖掘海量数据中的价值；通过有效整合，提供信息，改善经济活动，提供决策依据，提高各个领域利润，加快运行效率，以提高企业发展速度，增进整个社会繁荣，走上向集约化型经济发展的道路。在互联网技术的基础上的高新科技转变了企业未来发展的趋势，也改变了企业自身管理会计研究与发展的目标：互联网大数据经济下企业管理会计的工作目标主要是为企业进一步可持续发展提供信息以使管理者便于决策。 4大数据互联网分析有利于企业制定决策 在复杂多变的宏观经济形势下，怎样把握企业经济的需求，使企业更好地适应市场需求，能够较好的体现出企业的综合管理水平。互联网大数据分析有助于企业管理层制定决策，主要体现在以下方面： 4.1有利于提高对环境的了解程度，使分析更加精准 管理会计对环境因素的分析表明，许多企业在制定决策的过程面临着一定的风险。管理者面对这种环境固有的不确定性风险，往往会通过自己过去的经验来进行判断，这样容易导致风险程度提高。对此，互联网大数据分析可以采用不确定的信息源来对数据整理分析，以此为企业管理者提供更科学的决策依据。 4.2提高互联网大数据的质量，增强互联网大数据的决策相关性 目前企业并没有广泛使用成本数据，这是由于过去所储存的数据和使用技术并不能满足公司管理层的需要。而通过对所有成本等财务指标和非财务指标的分析，能使获得的信息全部得到利用，这样就大量增加了信息的使用次数，通过这些信息所总结出的决策也具有高度的密切性。 作者：谢京萱 单位：江西财经大学 大数据论文:大数据网络时代企业管理决策探究 【摘要】 我国市场经济的不断发展对企业管理决策产生了较大的影响，同时大数据时代的到来也加速了企业管理决策行为的变化，目前企业管理决策发展的现状很不理想，网络时代背景下，企业应如何在管理决策中运用大数据的优势已经成为了重要课题，本文将从这方面出发，探究网络时代背景下，大数据对企业管理决策的影响。 【关键词】 网络时代；大数据；企业管理决策；影响 一、前言 随着世界经济的不断融合，全球化进程加快了，国内外市场都面临着非常激烈的竞争，各类企业的发展压力与日剧增。因此，企业管理者更加需要与时俱进，依据当前复杂的商业环境，改变企业管理决策方式方法。大数据作为一项技术性的大革命，利用其优势进行企业管理决策将会有利于企业的生存发展。 二、大数据的内涵及特征 （一）内涵 根据麦肯锡全球研究所的定义，大数据是指一种巨大的数据集合，这种数据集合规模巨大，在获取、存储、管理和分析数据方面远远超过了传统的数据库软件工具能力范围，它的特点是：数据规模巨大、数据流转快速、数据类型多样以及价值密度低。而维基百科的定义则是：大数据是指在一定时间内，传统常规软件工具所不能应付的数据采集、管理和处理工作。在学术领域，大数据是一种综合名词，主要指一种信息资产，利用新处理模式处理数据，使数据具有海量、多样化和高增长率的特点。大数据是一种基础性资源，它具有很高的商业价值，除了数据本身的价值，企业采集、存储和使用大数据的能力也是一种价值。 （二）特征 首先是数据的海量化，目前在学术领域对于大数据的数据集合并没有严格的定义，但分析一般情况可以看出大数据的数据集合最少也是以TB为存储单位，多一些的数据集合则是以PB为单位。在目前的商业领域中，几个PB数量级的大数据并不罕见，比如目前世界最大的连锁零售沃尔玛所管理的数量量早在2010年就已经超过了2500TB。其次是数据的高速性，大数据处理的重要特点之一就是高速性，当前社会数据产生和处理的速度随着通信技术和社交网络的不断发展日趋高速化，互联网、云计算的发展和移动智能通讯工具的普及都在很大程度上加速了数据的产生和流动。最后是数据的多样化，在当今数据信息领域，数据常常以多种形式存在，但大数据的多样化发展使数据分为了两种，一种是结构化数据，一种是非结构化数据。正常的交易过程产生了结构化数据，同时需要依据特定形式处理数据，并存储和记录数据内容。非结构化数据则产生于互联网的海量点击、大量图片和文字的传输以及射频识别技术的发展，这类数据产生于人与人、人与机器和机器与机器之间。 三、大数据对企业管理决策的影响 企业管理决策是企业管理的一条中心线，管理决策分为情报收集和计划选定等阶段。一般来说，企业的管理决策包括了战略决策以及其中的各项具体决策，战略决策重视预测组织未来和组织环境，也重视配置和协调组织内部资源。企业管理决策是一种具有高度动态性和复杂性的的管理行为。大数据对企业管理决策的影响主要存在于对决策主体、决策体系、决策权配置、决策思维和决策文化。下面我们就从这些方面进行分析。 （一）决策主体 企业的管理决策需要依据相应的决策程序、决策文化和决策组织，一般来说，企业决策的核心是决策主体，企业中的决策主体一般是高层管理者或基层员工和一般管理者。大数据背景下，企业在进行决策时可以更多地依赖大量的数据，做出的决策也会具有更强的逻辑严密性和说服力。基层员工和一般管理者在平时的工作中更加贴近大众，了解大众对于产品的需求，为决策的正确性打下基础，同时利用大数据收集的信息，在决策上更加占有优势。所以说，大数据背景下，企业决策的主体将会从高层管理者变成一般管理者或基层员工。并且，为了利用好大数据在决策信息收集上的便利，企业可以培养一支专门的数据收集分析队伍，为企业决策收集并提供全面而可靠的决策依据，代替高层决策者，成为企业决策主体。 （二）决策体系 决策体系分为两部分，分别是决策依据和决策过程。传统的企业决策往往依据的是企业内部信息系统的数据和员工日常填写的报表数据，这些数据是不全面的，在这些数据之下做出的企业管理决策也会具有片面性，往往只能反映出企业的运营管理和财务管理状况。移动互联网的发展在很大程度上加速了大数据的发展，依据移动互联网，企业可以很容易地收集并记录其他企业的各类动态信息，例如价格浮动信息、市场表现和消费者评价信息，以这些具体的信息作为决策依据，可靠性强，可以使企业更加灵活地应对市场变化。并且利用大数据收集信息，企业可以更加明确自身发展方向和市场需求，了解市场风险并及时规避，提高企业核心竞争力。 （三）决策权配置 除了决策主体和决策体系外，大数据也会影响企业管理决策权的配置，企业管理决策权的配置一般为三个方面，第一个方面是组织和外部环境间的决策权配置，第二个方面是组织内部人员和部门、团队之间的决策权配置，第三个方面是组织之间的决策权配置。一般来说，企业的决策权配置模式分为集中式和分散式两种。在组织系统中，决策权高度集中在企业高层管理人员手中，这类决策被称为集中式决策，分散式决策则指决策权分散在低层管理人员手中，各部门的管理者拥有较大的决策自主权。大数据使企业决策所能依据的信息日益增长，决策组织呈现了扁平化的发展趋势，因此，企业决策权的配置也会逐渐向分散式决策发展，各级普通员工都会参与企业的决策，发挥扁平化组织结构模式的优点。 （四）决策思维 决策思维是决策的重要构成因素，决策主体思维的不同导致了决策依据的信息和方式的不同，这种不同也会表现在决策制定的过程中。决策思维有理性和感性两种，感性的决策思维不利于保障决策的严谨性。利用大数据，企业可以收集系统而全面的信息，运用理性的思维做出决策。传统管理决策非常依赖管理者的经验和直觉判断，大数据的出现改变了这种情况，促进了决策思维的理性化。 （五）决策文化 不同的决策文化作用于企业的管理决策，产生了决策选择方面的差异。企业内部的决策文化会影响决策目标的确定、决策方案设计和决策的完成。传统的企业管理决策往往依据管理者对内外部环境的评估，具有很强的主观性，这种决策下产生的决策文化也会存在一定的决策风险。网络时代背景下，大数据在企业管理决策中的应用提高了企业预判的精准性，有利于形成决策风险小的决策文化。 四、结束语 大数据对企业管理决策的影响是多方面的，对企业而言，不仅是机遇，更是一种挑战。企业若想跟上时代，必须顺应大数据的发展，积极创新利用大数据的优势，为企业持续健康发展创造不竭的动力。 作者：闫巍 单位：中国石油上海销售公司

在大数据时代，虽然会计信息的来源和渠道越来越多，但数据处理的效率却大大提高。技术进步为管理的科学决策提供了及时、准确、有效的依据，加速了会计信息的发展。但与此同时，新会计法的出台也使得会计师的工作环境更加严峻，并且整个会计行业的竞争压力进一步加大。在这种大背景下，探寻大数据时代对企业会计造成的影响是十分必要的。 １大数据对会计的有利影响 １．１提升会计的工作效率 随着大数据时代的到来，会计越来越简单，原来繁琐的手工收集、筛选、分析数据，撰写报告等传统会计的工作模式被机器取代，一些重复的工作可以一劳永逸地完成，而这只需要输入几个命令就能够使得应用程序的每个数据都被收集。云计算极大地提高了会计数据处理、分析和使用的效率，会计人员可以从这些繁琐而重复的公共工作中学到更多的技能。毫无疑问，这些技术从根本上提高了会计工作的效率，与此同时使得会计工作的成本降低。 １．２推动财务的信息公开 互联网催生出大数据，而大数据使得企业间信息共享程度大大的提高，大数据时代的许多公司建立信息共享平台，大量的数据信息公开和透明，这样更加方便企业或者是内部之间高效的沟通。在大数据时代，实时掌握信息的优势可以使数据的价值最大化，形成独特的企业竞争优势。在传统的会计信息交换环境中，任何会计信息交换都是通过本文进行的，不仅是效率低，而且还易发生错误。在大数据环境模型中，许多会计信息不需要纸质表单就可以呈现，这样的方式不仅可以减少信息处理中的错误，也使会计信息的传播更加准确性和透明化，从而提高了会计信息的质量，促进了财务金融信息的公开，帮助管理层在接受公众监督的前提下，使企业决策更加的科学合理。 ２大数据对会计的不利影响 ２．１会计基础理论更新缓慢 会计领域的运作和发展始终依赖于一个基本的会计理论。传统会计模式的基本理论，包括会计主体、可持续经营、会计期间和货币计量。在这个阶段，复杂的信息数据和基于公司决策的处理技术更加灵活，所以我们必须依靠动态的财务会计，以满足用户对信息的及时、快速、高效的获取。但在大数据背景下，会计的基本理论更新缓慢，应用难以达到理想状态，这就极大制约了货币稳定性的改善，给经济活动带来了更大的风险。 ２．２难以保障会计信息安全性 大数据虽然为人们带来海量的数据分析，但是伴随而来的是信息爆炸和信息安全问题。随着计算机技术的发展和互联网技术的日益普及，信息安全受到了严峻的考验。人们的个人信息在网站上传播，已经失去了自我隐私控制，信息安全问题不仅发生在人身上，也发生在企业中。很多公司有自己的服务器与每个分支子企业和下游企业的相关利益形成自己的信息网络，这些网络中隐藏很多商业机密，一旦感染了病毒或者是遭受黑客的侵入，就会导致这些商业信息被泄漏，对企业造成极大的损失。 ３企业会计应对大数据的对策 ３．１树立正确的大数据资产概念 应用大数据资产应该是企业系统深入分析用户的意愿和形态效应，确立企业未来的发展方向。此外，在支持大数据资产的同时，能够合理预测用户的行为，准确判断企业的市场现状和发展潜力，充分把握客户的多样化需求，跟上企业发展的步伐必须。这就要求我们进一步分析和掌握数据资产的概念，调动企业的积极性，加强网络信息管理，从而确保目标企业预期实现的经济效益。 ３．２加强信息安全建设 大数据带来的信息安全问题是不能忽视的，企业应该建立一个更安全的信息网络，增加服务器维护人员，招募高级计算机人员，提高企业信息网络安全，和常规的ｂｕｇ修复，及时发现问题并解决。各种云会计服务商可以联手研发具有高度安全性的会计信息系统，此外政府也需要对加强关于保障网络信息安全方面的立法，或者是建立更加完善的网络信息安全惩处条例，从各个方面做到严格把关。 ３．３培养全能型会计人才 任何工作的开展，都离不开高素质、专业的人才，会计也不例外。现阶段，随着大数据时代的到来，会计领域对普遍会计人才缺口的需求越来越大，这为员工的个人发展提供了新的机遇。但与此同时，大部分会计从业人员必须不断提高自身的专业知识、专业能力，才能更好地立足于竞争激烈的现代社会，实现个人价值与社会价值的统一。在传统的会计模式下，会计人员的价值局限于对数据的检查和监督水平，他们的工作是机械的、重复的，所以短时间内很难适应大数据时代对会计的要求。因此每个企业，应该提高会计人员的培训，以便可以学数据时代先进的会计概念及技术，不断提高金融知识和自己的工作能力以及计算机水平，培养自我创新意识和实践能力，从而更好地服务实际生活中的会计工作。会计从业人员个人的发展的角度来看，大数据时代的主要任务的有效应用程序数据，这就需要相关人员利用业余时间，增加各种各样的金融知识，努力实现个人和企业的共同发展。 ４结语 总之，大数据时代的到来，对我国会计领域的发展趋势和前景有着深刻的影响，也与企业的命运息息相关。企业和会计工作人员需要不断的加强对大数据时代中会计专业化和科技化的发展和学习，以帮助获得企业更加健康长久的发展。

大数据应用论文:医疗卫生系统中大数据的应用 摘要：近年来医疗卫生信息化发展迅速，医疗卫生领域也迎来了大数据时代的潮流。简述了医疗卫生系统中数据资源现状，分析了通过大数据平台构建临床决策支持系统、提高医药产品研发效率、疾病监控防治等方面的应用前景。 关键词：大数据；医疗卫生系统 1数据管理问题 医疗数据是持续、大量增长的大数据。根据估算，中国一个中等城市50年所积累的医疗数据量就会达到10PB级。并且，随着时间的推移和业务系统的不断升级换代，医疗数据模式的一致性也无法保证。因此，每天都会有大量的数据持续不断地导入区域医疗数据中心，并且每当有数据模式的更改，相关的历史数据也需要做相应的调整。由于医疗数据是多种数据源数据的汇总，医疗数据是关系复杂的多维数据。医疗数据的多维度多粒度为各种信息服务的多角度多层次分析提供了可能，但同时也为大数据分析带来了挑战。Hadoop基于开源分布式数据处理平台，通过特殊的方式组织网络级数据，可以解决数据存储水平扩展的挑战。利用MapReduce并行处理批量事务的能力，从多个数据源（主要是医疗机构的各个业务系统）抽取数据、转换格式、并导入基于HBase的数据存储模型。使用Hadoop进行多维分析，利用数据平台中多维数据非结构化的特征，将大量冗余的维度信息整合到事实表中，可以在冗余维度下灵活地改变问题分析的角度。并结合Hadoop,MapReduce强大的并行化处理能力，无论分析中的维度增加多少，开销并不显著增长，不会显著影响分析的性能。 2大数据应用 2.1构建临床决策支持系统 临床决策支持系统可以提高工作效率和诊疗质量。通过分析疾病的模式和趋势，临床决策支持系统分析医生输入的条目，比较其与医学指引不同的地方，从而提醒医生防止潜在的错误，如药物不良反应。通过部署这些系统，医疗服务提供方可以降低医疗事故率和索赔数，尤其是那些临床错误引起的医疗事故。共享的医疗大数据分析技术将使临床决策支持系统更智能，首先，大数据中心存储的海量、高维和非结构化的数据能够被检索，由于对非结构化数据的分析能力的日益加强，从而获取更多的决策支持信息。比如可以使用图像分析和识别技术，识别医疗影像(X光、CT、MRI)数据，结合患者的电子病历信息，得到辅助的治疗信息。或者挖掘医疗文献数据建立医疗专家数据库和医学知识仓库，为医生提供一个决策和清单，在录入症状和检验结果后，做是非判断等集合算法，根据不同病种，建立决策树算法，逐渐得出诊断结果和治疗方案，为医生的临床操作提供建议，防止医生忽略可能存在的罕见疾病，防止误诊。此外，临床决策支持系统还可以使医疗流程中大部分的工作流流向护理人员和助理医生，将常规的医生问诊程序化和模式化，结合检验化验等技术手段，医生只需参与最后的决策和治疗环节。使医生从耗时过长的简单咨询工作中解脱出来，从而提高治疗效率。 2.2提高医药产品研发效率 2.2.1预测建模 医药公司在新药物的研发阶段，可以通过数据建模和分析，确定最有效率的投入产出比，从而配备最佳资源组合。模型基于药物临床试验阶段之前的数据集及早期临床阶段的数据集，尽可能及时地预测临床结果。评价因素包括产品的安全性、有效性、潜在的副作用和整体的试验结果。通过预测建模可以降低医药产品公司的研发成本，在通过数据建模和分析预测药物临床结果后，可以暂缓研究次优的药物，或者停止在次优药物上的昂贵的临床试验。除了研发成本，医药公司还可以更快地得到回报。通过数据建模和分析，医药公司可以将药物更快推向市场，生产更有针对性的药物，有更高潜在市场回报和治疗成功率的药物。 2.2.2提高临床试验设计的统计工具和算法 使用统计工具和算法，可以提高临床试验设计水平，并在临床试验阶段更容易地招募到患者。通过挖掘病人数据，评估招募患者是否符合试验条件，从而加快临床试验进程，提出更有效的临床试验设计建议，并能找出最合适的临床试验基地。比如那些拥有大量潜在符合条件的临床试验患者的试验基地可能是更理想的，或者在试验患者群体的规模和特征二者之间找到平衡。 2.2.3临床实验数据的分析 分析临床试验数据和病人记录可以确定药品更多的适应症和发现副作用。在对临床试验数据和病人记录进行分析后，可以对药物进行重新定位，或者实现针对其他适应症的营销。实时或者近乎实时地收集不良反应报告可以促进药物警戒(药物警戒是上市药品的安全保障体系，对药物不良反应进行监测、评价和预防)。或者在一些情况下，临床实验暗示出了一些情况但没有足够的统计数据去证明，现在基于临床试验大数据的分析可以给出证据。 2.3基于大数据的疾病监控防治 大数据的使用可以改善公众健康监控。首先，随着移动互联网现在的不断发展，越来越多的用户开始选择把业务和使用习惯都转移到了移动端，那么，在基于海量数据用户搜索的社交APP以及LBS等技术层面，可以建立结合原有疾病监控系统中的流行疾病法定报告数据、流行疾病病例，结合疾病、环境数据，及时发现并绘制出流行病风险地图。在基于搜索数据和LBS数据方面，分析不同时空尺度人口流动性、移动模式和参数进一步结合病原学、人口统计学、地理、气象和人群移动迁徙、地域之间等因素和信息，建立流行病时空传播模型，确定流感等流行病在各流行区域间传播的时空路线和规律，得到更加准确的态势评估、预测。并且，通过医疗云和大数据中心，公共卫生部门可以通过覆盖全国的患者电子病历数据库，分析疾病的模式和趋势快速检测大规模传染性疾病进行全面的疫情监测，并通过集成疾病监测和响应程序，快速采取措施进行响应。这基于大数据的疾病监控防治能使传染病感染率降低，卫生部门可以更快地检测出新的传染病和疫情。通过提供准确和及时的公众健康咨询，将会大幅提高公众健康风险意识，同时也将降低传染病感染风险。大数据共享在疾病监控防治中可以做到以下几点： （1）提前确定一定规模的未知疾病，为疫情控制争取时间。传统检测无法监测到任何没有临床症状的病例的，这些经验在医院的临床经验中都是空白。但大数据可以通过医院的共享信息以及搜索监控指定地区的用户的频繁搜索关键词，可以检测到某个地区已经出现的疫情。比如不明原因的肺炎，某地餐馆让多少人出现呕吐腹泻等异常状况等，然后再通过与疾病控制中心的病毒库中的病毒分析，寻找吻合的病毒，进行比对分析将其找出，为判断疾病赢取时间。建立大数据中心后，疾病预防可以真正在第一时间内去判断出疫情的病毒源，进而为控制争取时间。疾病监控防治的目的是及时制止其传播的范围，而大数据则是目前唯一的也是最佳的途径。 （2）判断人员流向，控制疫情。在疫情发生后，虽然国家可以第一时间控制住当地疫情，但是人员流动则是无法控制的。利用大数据的监控分析就能监测到传染源区人员的主要流向目的地，疾控中心可以拿出对应的医疗技术和对应的治疗药品以及疫苗来防治，第一时间赶到相应地点，实施接种疫苗，这样一来就减少了盲目的广撒网式的全面布局情况，通过大数据分析的提供人员流动数据，让控制疫情在效率上大幅度提升。 （3）传播动力学模型建立。拥有了大数据的全面监控后，疾控中心也就有了更多的实践支持，就可以开始真正从实践中建立有关疫情的复杂动态网络的传播动力学。 作者:林青 单位:西安培华学院 大数据应用论文:4G移动网络的大数据与云计算技术应用 摘要： 本文通过对云计算以及4G网络的定义和特点进行分析，提出了在4G移动网络平台上采用云计算技术处理城市智能交通系统中的大数据问题，主要是结合二者的优势分析智能交通系统的功能，并加以实现，这将给缓解交通压力、提高行车效率等提供便利。最后对未来智能交通系统开发与应用进行展望。 关键词：4G网络；大数据；云计算；智能交通；交通云 随着人们生活水平的提高，汽车逐渐进入到普通家庭，这无疑对道路交通的要求也越来越高，为提高道路行车效率，迫切需要建设一个高性能的智能交通系统（IntelligentTransportationSystems，ITS），以满足大家的需求。 1智能交通系统的概念 智能交通系统（IntelligentTransportationSystems，ITS）指的是建立在较完善的基础设施之上，将先进的信息技术、计算机处理技术、数据通讯传输技术、电子传感技术及电子控制技术等有效组合在一起，并运用于整个交通运输管理体系中，从而能够在大范围、全天候发挥作用，建立起的一种准确、实时、高效的综合运输和管理系统[1]。依据智能交通系统的概念，我们可以看出，为了解决社会不断增加的交通需求与有限的道路资源之间的矛盾，使有限的道路资源能被充分利用，提高人们的出行效率，保障人们出行安全，智能交通系统作为信息、通信、传感与控制技术综合运用的产物，能给人们带来便捷。但目前，我国城市交通仍面临着许多严重问题，如成都，作为西南地区的一个大型城市，虽然其承载能力越来越强，路网体系也日趋完善，但随着汽车保有量的强劲增长，道路供需关系依然非常严峻。据成都市交管局数据显示，截至2014年3月，成都地区的汽车保有量突破268.59万辆大关，中心城区突破114.18万辆，这个数据仅次于北京。而且成都已月均增2万新车，并持续了62个月。一天就会产生数百亿条GPS数据，而车牌识别信息、交通监控视频信息等数据量更大，交通相关的数据量也早以从TB级跃升到PB级[2]，因此，如果要实现对城市道路的交通流量信息、交通状况、交通违法行为等的全面监测，特别是承担在交通高峰期采集、处理及分析大量的实时监测数据的工作，整个平台的运行压力将会非常巨大，大数据（bigdata）就此产生，大数据分析交通除了流量及车辆的相关信息外，还必须包括路面情况、天气、突发情况、周边环境等诸多因素，传统的交通数据分析法已很难有效处理如此庞大的数据的问题。城市智能交通应具备的特点和需求分析如下。 1.1数据信息海量化 整个城市的交通行为主体作为城市智能交通的分析对象，海量数据必然成为固有特性。 1.2应用负载变化大 城市交通流特性呈现出区域关联性强，随时间变化大的特点，系统需要根据实时的交通流数据，做出全面采集、分析、处理等。而传统的智能交通方案由于无法在全局上统筹，往往会因此陷入彼此孤立的情形。 1.3高稳定性和高可用性 只有要求城市智能交通系统具有高可用性和高稳定性，才能更好地、更快捷地提供畅通、安全、高品质的行程服务，以保障交通运输的高安全、高时效和高准确性，让政府、社会和公众感觉到方便。而目前的很多方案中，由于各生产厂商繁杂、设备类型众多、质量参差不齐，而国内也缺乏统一的标准，这样不仅系统维护成本高，而且也很难做到保持智能交通系统的高稳定性。 1.4数据共享需求 目前，正在建设中的智能城市交通系统，大量的终端设备出自不同的厂商或不同平台，这样就形成了许许多多的信息孤岛，彼此间很难实现共享数据。这在很大程度上影响了系统功能的充分实现，智能交通系统在硬件、接口上应做的统一，从而使行业信息资源的全面整合与共享成为智能交通发挥整体方案优势、整体统筹资源、统一协调的基础。 1.5信息实时处理性能要求高 随着城市交通的拥堵日趋严重，人们在出行时要求能随时随地通过熟悉的方式获取所需的出行计划和实时的出行信息，因此，未来的智能交通需要满足高效性、实时性的要求。 2大数据与云计算技术对智能交通系统的影响与应用 云计算（cloudcomputing）是将计算任务分布在大量互联的计算机构成的资源池上，使各种应用系统能够根据需要获取存储空间、计算力和各种软件服务，该资源池被称为“云”。“云”是指一些可以自我管理和维护的虚拟计算资源，通常包括宽带资源、计算服务器、存储服务器等大型服务器集群[3]。而云计算（cloudcomputing）是一种基于互联网平台的计算方式，为计算资源提供全新的计算模式，其服务方式可动态、伸缩且虚拟化，云计算技术还会将所有的计算资源汇集在一起，并通过软件实现对资源的自动高效管理。这使用户能更加专注于自己的业务，无需为繁琐的处理细节感到烦恼。云计算技术之所以能有效处理和应对交通数据量大、可用性高、稳定性要求高、信息实时处理要求高、应用负载波动大、数据共享需求大等问题，并能实现应用的灵活性，高效整合资源，降低运维成本和总能耗，很大程度上是源于其自身的高可靠性、弹性扩容性好、快速部署及按需服务的特性。云计算技术以其高度的信息部署、优异的扩展性以及自动化IT资源调度，成为解决智能交通面临的问题的关键技术手段，成为一种全新概念的信息服务模式，有助于智能交通系统的快速实现。建设基于“云计算”的智能交通系统，要实现交通信息的动态采集、分析、处理及，并及时向用户提交动态交通信息，报告路况动态变化信息，指导用户出行计划，规划用户行车线路，从而有效提前进行分流拥堵流量，从而提高交通通行效率[4]。其具体应用如下。 （1）城市中的车、人或设备等每个交通终端节点，均可以实时地通过交通云得到基于整个城市交通信息智能分析后提供的服务。 （2）通过综合整个城区的交通流信息及汽车的运行计划信息，每个交通信号灯都得到高效控制，并在面控、立体多维的基础上进行相关预测；城市交通引导系统也可以与交通信息个性化服务进行无缝结合。 （3）为了更智能地提高交通运行效率，拓展一个智能交通信息服务市场，运营商要相应地通过手机基站定位，向用户提供实时的交通信息服务，这些信息与交通控制、引导相结合。随着移动通信网络的发展，从早期的2G网络到3G网络，再发展到当前的4G移动通信网络，4G网络使图像视频传输更加稳定，决策也更具有时效性，并为智能交通系统提供了更多应用的可能，移动网络在智能化交通信息系统中的运用日趋娴熟、准确，使智能交通系统真正、全面、高效地服务于社会，为缓减交通压力做出了更大的贡献。移动网络技术还有效地为智能交通系统的发展提供了新的发展思路。 34G移动网络的网络结构的核心技术及优点 3.14G移动网络的网络结构的核心技术 4G移动网络体系结构从下往上可分为物理网络层、中间环境层、应用网络层。正交频分复用（OFDM）技术是这一代移动通信网络的核心技术，该技术可以为用户提供速率高、时延小的数据交换服务，能达到下行50Mbit/s与上行100Mbit/s的峰值速率。OFDM技术特点包括：具有良好的抗噪声性能及抗多信道干扰能力，可扩展网络结构。 3.24G移动网络的优点 3.2.1通信速度高、灵活性好4G移动通信系统速率可以高达到l00Mbps，甚至是150Mbps。由于4G网络不仅是面向手机，还面向智能手表、控制器、眼镜等移动智能终端设备，这些终端设备极大丰富了人们的生活，使通信变得更加灵活多样。 3.2.2系统兼容性好未来的4G移动网络要面向全球发展，可以预测4G移动网络一定会开放出更多标准化的接口，并与全世界各种网络进行高速通讯、互联。 3.2.3网络采用宽频谱4G移动网络的每个信道会占有100MHz的频谱，是3G移动网络的20倍左右。 3.2.4通讯费用低目前，很多3G移动网络用户之所以能方便地过渡到4G移动网络进行通信，是因为4G移动网络与3G移动网络的兼容性较好，且4G移动网络的系统采用灵活的操作方式。在加上4G移动网络通讯费用相对较低，为4G移动网络的快速部署创造了条件。 3.2.5网络通信质量高4G移动网络通信时代是高质量通信的时代，与3G移动网络通信技术相比，4G移动网络通信技术将在很大程度上提升大数据的交互、处理能力，特别是跟云计算技术的结合，大大提高了效率，4G移动网络让广大人们拥有了前所未有的、便捷的移动网络交互体验，面对越来越复杂的网络环境，通信质量也得到了较好的保障，4G移动网络通信也能满足3G移动网络通信尚不能覆盖的区域。 4基于云计算的智能交通的关键技术 上述的需求，使大数据与云计算技术成为城市智能交通系统的重要支撑。为了有效地将云计算技术与跟4G网络相结合，提升信息传递的准确性和可达性，还需解决以下几个主要技术问题。 4.1最优路径规划问题 云计算技术在智能交通系统中的另一个重要应用是智能交通系统中的最优路径规划，它在各类应急系统及车辆路径导航系统中具有重要作用。智能交通最优路径规划是以交通运行数据为基础，在云计算数据中心对各交通影响因素进行分析、处理和判断后，再通过短讯、车载终端、GIS电子地图等各类终端帮助信息，为道路的使用人员提供最优路径，引导信息及各类实时交通帮助服务信息，以提高车辆的通行效率及行车安全。 4.2智能交通流预测与出行引导问题 基于云计算的智能交通流预测与出行引导可通过物联网对交通流量数据进行实时采集，对这些数据进行分析和快速处理，以便对道路交通流进行实时动态判别和准确预测，从而正确指导用户出行，这样必须建立起智能交通流量采集数据库及非结构化的数据库。 4.3智能交通事故预警处理问题 道路交通中的突发事故严重影响城市道路交通运行的安全性和可靠性，因此，面对突发事故，必须快速做出反应，提出处理预案，然后对其进行有效、及时地处置。基于大数据分析的交通事故应急处置方案的形成，是通过物联网技术快速采集和分析交通突发事件及整个道路流量信息，迅速地进行事故故障处理，并及时发出预警信息，提前、有效和安全地疏散车流，达到不影响交通正常运行的目的。 5我国智能交通系统发展趋势 众所周知，我国4G移动网络牌照已经发放，围绕4G移动网络的各项业务也快速展开，但目前，网络通讯费用并没有下降，这对基于4G移动网络智能交通系统的开发与使用具有较大影响，相信随着4G网络的普及、通信环境的改善、资费的下调，大数据的交互平台将有望在许多移动设备（如手机、平板电脑）上实现，云计算技术也将得到更广泛的应用。例如，未来的智能交通系统将会出现自动驾驶系统、大数据与智能交通、生态智能交通系统、移动互联网与智能交通等。近年来，基于移动网络智能终端的与交通相关的APP得到飞速发展，因而，移动互联网技术在人们出行中的作用将越来越大。 6结语 基于4G移动网络的大数据和云计算技术的智能交通系统是一个复杂的系统工程，它涵盖了网络构建、信息采集、系统集成及应用开发等多方面内容，同时也涉及城市交通运行管理中的许多领域。要在4G移动网络平台上加快推进大数据和云计算技术在城市智能交通系统中的研究及应用，必须不断加强技术革新、保障云安全、完善基础设施建设，并将政府构建的基础性开放平台与引导科研机构、高校、企业参与应用研发相结合。 作者：邓波 黄同成 刘远军 单位：邵阳学院信息工程系 大数据应用论文:高校管理会计大数据的应用 2015年1月，“管理会计之中国实践”走进高校第一站（北京大学站）在北京大学光华管理学院成功举办。研讨会的主题是“大数据时代，CEO需要怎样的管理会计”，会上财政部会计司副司长刘光忠强调了管理会计的重要性，并指出管理会计不仅适用于企业，也适用于行政事业单位。作为理论界的先行者和行政事业单位的典型代表，高校在注重管理会计的同时，还要充分发挥大数据在管理会计中的作用。大数据是网络信息技术发展的产物，具有数据量大、价值高、更新快、类型多的特点，人们通过新技术对大数据进行处理分析，从中提取出有价值的信息，这些信息为相关机构做决策分析提供数据支持，有利于增强决策正确性，提升自身竞争力水平。近几年我国高校的办学规模日益扩大，高等教育越来越大众化，高校与高校之间关于招生、就业、发展的竞争不断加剧。高校要想在竞争中提升自身竞争力水平、实现长远稳定的发展目标，就必须善于利用大数据这一工具，让大数据在高校的管理中发挥作用。管理会计为高校领导作决策提供参考建议，而大数据可以为管理会计提供巨大的数据支持，只有在高校满足一定的前提条件之后，才能更好地把大数据应用在高校管理会计中。 一、大数据在高校管理会计中的应用前提 （一）增强高校领导对大数据与管理会计关系的认识 高校领导在学校的日常管理中起着模范带头作用，领导重视的问题、强调的内容，是全体干部队伍工作的方向和重点，全体方向一致才能完成目标。在信息化发展迅速的今天，要让管理会计在高校中真正发挥作用，需要高校领导意识到管理会计就是管理和会计的结合，管理会计人员呈现的不是单纯的财务信息，而是从校园大数据中提取的有利于领导决策的数据信息。国内国外的实践经验表明，管理会计对于管理的重要性已经不言而喻，作为高校的领导尤其要紧跟时代步伐，善于利用大数据加强管理会计的应用。一旦高校领导意识到大数据可以为管理会计提供数据支持，就会开始注重大数据在管理会计中的应用，那么从各二级学院到各行政部门都会贯彻执行具体应用，就能很大程度改进管理会计在高校的应用效果。在海量大数据的支撑下，管理会计提供的决策建议更具有说服力，领导作出决策再也不用靠直觉、凭经验了。 （二）注重管理会计人才的引入和培养 敏锐的洞察力、良好的沟通能力、专业的知识素养、严谨的职业修养是一个管理会计人员必备的素质。管理会计不同于财务会计，不是仅仅做账和处理数字那么简单，而是需要管理会计人员利用专业的知识素养对财务信息和其他信息进行统计分析，利用敏锐的洞察力洞察高校发展中存在的阻碍和优势、利用良好的沟通能力把分析出的数据、洞察的结果跟领导进行汇报，利用严谨的职业修养对一些需要保密的决策三缄其口。当今时代下，大数据对管理会计的应用产生了很大影响，而且大数据理论与技术在逐渐发展，管理会计理论与体系也逐步走向成熟，更需要管理会计人才对大数据发展、高校发展进行全视角观察，保持清晰的逻辑思维方式对海量数据进行分析整理。所以为了更好地促进管理会计的应用，在招聘管理会计人才时高校要严格考察，逐步筛选出高素质、高水平的管理会计人才，随着市场竞争的变化，还需要定期对管理会计人才进行培养。 （三）引进并更新管理会计信息系统 现在管理会计已逐步实现了信息化，管理会计信息系统以现代管理科学和信息技术为基础，以财务管理和管理会计提供的模型为基本方法，把管理会计的实务操作与信息化系统结合，不仅可以实现信息传递的实时性，还能极大程度地节约物力人力。高校引进管理会计信息系统有利于管理会计工作的开展，在大数据作用于管理会计过程中，大数据的分析利用需要借助管理信息系统，而且随着大数据量的不断增加，对信息系统的要求也会越来越高，所以为了确保管理会计的应用效果，就要定期更新管理会计信息系统。 二、大数据在高校管理会计中的应用领域 在高校的行政管理中，即时报账产生的财务信息、随时变化的学费缴纳情况、新增科研项目的经费登记、基建项目的进度变化、资产的购置与报废情况变化、随时变化的水电费使用情况以及毕业生就业情况等构成了实时产生的大数据，这些数据信息对于学校的管理与发展来说具有很大价值。所以学校应根据信息化管理技术，建立一个涵盖财务处、审计处、资产管理处、科研处、教务处、基建处、发展规划处等部门的，并且与市场公开信息相连接的“大数据库”，确保学校行政管理各部门间信息的沟通与传达，为管理会计实现评价与分析提供基础。下文将详细分析大数据在管理会计中的预算管理、本量利分析、决策分析和绩效管理中的应用。 （一）预算管理中的应用 高校预算管理的效果决定了高校行政资金的使用效率，关系到高校年度内各项事业是否能正常运行。在编制预算时，有的高校根据“增量预算”方法编制，有的高校根据“零基预算”方法编制，还有部分高校采用“零基预算”与“增量预算”相结合的方法编制，这几种预算编制方法都不能解决超预算的支出问题，容易造成财务资金沉淀，不能适应目前高校教育事业发展的需要。“滚动预算”法是不规定预算的数额，在预算执行过程中，随着预算的执行不断延伸补充预算，逐期向后滚动的预算编制方法，利用这种方法编制预算加大了对预算监督的难度，所以在实际应用中较少用到。但是在当今信息化时代，对数据信息的实时掌握不再是一个不可及的目标，它可以促进高校使用“滚动预算”法编制预算，使用过程中可以将滚动周期缩短到以月或者周为单位，也可以根据各部门重大资金支出周期为单位，通过大数据库，实现周期性的对部门预算的审批与监督。在审批与监督过程中，要结合学校实际情况和市场公开信息进行分析，例如对于部门某资产的购置预算方案，要先结合部门情况分析其购置必要性和购置数量合理性，再结合市场同类价格信息分析部门报价是否合理，如果不符合这几项规定之一，该预算方案就不能审批通过。 （二）本量利分析中的应用 高校在确定年度招生计划时，可以采用本量利分析方法，根据生源总体情况、往年招生计划、学校容量等数据信息进行综合考量，结合学校的运营成本进行分析，确定最优的决策方案。假设学校的运营成本分为固定成本和变动成本，固定成本是不随学生人数增减而变化的成本，包括学校的教学楼、宿舍楼、图书馆等长期固定资产成本，教学设备设施等短期固定资产成本，学校维护安全的治安管理成本，学校职工的工资和福利等薪酬成本等；变动成本是随着学生人数的增减而变动的成本，包括学生的水费、电费，各院系的报刊费、电话费、网络费等。假设学校的收入总额是国家拨款和学费（假设没有校办企业和其他资金来源），那学校的盈利就是收入总额减去固定成本和变动成本后的差额，从理论上分析招生越多，学校的盈利就越多。但是高校终归是非盈利组织，不以盈利为目的，我们利用本量利分析的最终目的不是寻求利益最大，而是考虑如何在充分利用学校资源和保证生源质量的前提下，实现学校成本较小的目标。基于大数据资源库，高校可以充分利用学校的成本数据信息、学校容量数据信息，往年招生情况信息，历年分数线信息、历年各省名额分配信息等对招生计划进行综合考量，确立一个可以实现校园资源优化配置又能保证学校健康稳定发展的招生计划。 （三）基建决策中的应用 随着高等教育的大众化进程加快，高校扩建已成为一种必然趋势，但是在哪里扩建、如何扩建、扩建到什么规模则是需要高校管理者深思熟虑的问题。到底是在原来的校园内建设教学楼或宿舍楼等固定资产，还是另寻新址进行扩建；要怎样进行扩建，是教学楼、宿舍楼和其他教辅设施一起建设，还是分批次按重要性依次建设；到底扩建到什么规模，是不是扩建的越大越好等这些问题，可以根据大数据信息得到解决。在做这些决策时，高校要结合“大数据库”中的学校财务数据信息、招生计划信息、国家政策信息、融资渠道信息等进行综合考虑，做到不盲目扩建、有目的有根据的做出有利于学校发展的决策。 （四）重大采购决策中的应用 每年新生入学，学校都要大批量购置床上用品和学校校服，采购这些物资的原则都是质优价廉，采购方式多是招标。但是以往参与招标的供应商往往受限于地域范围，例如山东省的供应商不会到海南的高校进行招标，正如海南供应商也不会到山东省高校进行招标一样，这导致参与招标的供应商每年都是固定的几家，学校对于采购物资的议价能力不高，很大程度上加大了学校的采购成本。但是现在招标信息是完全公开信息，不管哪里的供应商都可以看到都能参与，学校也可以向产品质量较高但从未参与过学校招标的供应商发送招标邀请，这样参与学校采购物资招标的供应商就会增多，学校就有较大的议价能力，在诸多供应商中选择一家或几家为学校生产采购物资，节省学校的采购成本。在大数据时代，物流发展也同样迅速，完全不必担心生产厂家和高校间的距离，也完全不必担心远距离下的物流成本，可以结合几十家物流运输费用的信息数据进行选择，选择一家安全快速的物流公司进行物资运输。 （五）绩效管理中的应用 有效的绩效管理可以促进学校与教职工的“双赢”发展，能让学校了解教职工的工作状态，便于发现人才、留住人才，能让教职工通过考核结果的反馈与对比，清楚地看到自身的优势与不足。在以往的绩效管理中，对教职工的考评流于形式，绩效计划制定不详细、绩效实施缺乏监督、绩效考核与反馈不及时。但是大数据的出现可以促进绩效管理有效性的实现，通过层级传递，各级领导把行政人员和教师人员的详细岗位职责、工作任务、工作目标等录入绩效管理数据系统。专人负责定期将教职工的教学成果、学术成果、工作业绩等数据进行统计并上传到绩效管理数据系统中，为保证绩效考核结果的可比性，需要在考虑不同专业、不同学科性质的基础上将工作成果进行量化。教职工（只有查看权限）可以登陆绩效管理系统，查看自己阶段性的绩效考评结果，并可以向系统提交查看其他教职工绩效结果的申请，便于进行横向对比，在这个过程真正缩短绩效考核与反馈的时间间隔，提高了绩效管理的效率。在大数据的推动下，教职工的绩效考评结果用数字表示，清晰的评价标准和流程让教职工感受到绩效管理的公平公正，这样的情况下再与学校的奖惩机制相联系，能极大地促进教职工的工作热情和积极性。 作者：张咏梅 穆文娟 单位：山东科技大学经济管理学院 大数据应用论文:计量工作大数据应用与发展 目前，我国计量行业对大数据的理解和应用相对滞后，政府行政部门应通过相关数据收集、统计和挖掘，获得有价值信息，为产品质量的提升和发展提供更科学的依据。运用大数据推动计量行业快速发展，进而推动产品质量提升，已经成为计量行业未来发展的必然趋势。 一、计量信息数据整合是做 好质监大数据运用的基础计量工作中的量值传递、产品检定、测试与校准中，产生了大量有价值的数据信息，所以推进计量工作数据清理整合工作，在建立计量信息数据库的基础上，再将产品检验、执法系统数据、重点行业、企业、产品的质量数据，以及各个领域涉及产品质量的相关数据进行整合，最终完善整个质监领域的大数据库。充分运用大数据相关技术，提高质监部门的服务水平，为产品质量监督管理、产品质量提升、国家质量战略和相关法律法规的制定提供更可靠的依据。 二、大数据运用在计量领域的初步探索 1.建立计量器具数据库。建立统一的数据库，将计量器具实行赋码化管理，逐步完成计量器具的生产、使用等多环节的监管。目前，西安市已经在全国率先将强检计量器具实行赋码化管理，赋码系统建立后，大幅度减少了强检计量器具瞒报、漏报、不报、拒检、超期未检等现象的发生，强化了强检计量器具在使用中的监管。笔者认为，下一步应组织相关部门逐步将计量器具的生产企业纳入数据库中，实行“一器一码”制，最终实现通过编码查询到计量器具的所有信息，包括生产信息（企业信用信息、生产许可证、出厂合格证、质保信息等）、使用过程中的管理信息（使用方的维修信息、相关检测机构的检测报告等）。2.将大数据技术应用于复杂环境下的计量检测中。计量测试未来发展趋势是将在保持更高准确度的前提下，回归到现场环境条件里的计量校准和计量溯源。随着大规模现代化工业、国防工业和军事计量的发展，解决复杂环境下的计量校准问题，成为当今计量检测中的难题和挑战。建立计量测试仪器设备在每一种环境因素变化情况下的有效数据和变化情况数据的数据库，并对不同因素的相互作用（包括线性叠加、非线性叠加、交叉调制、加权耦合等）进行仿真模拟（包括模型仿真、数据仿真、半物理仿真、全物理仿真等）。最终通过模仿系统模型和大数据进行处理，以获得在任何复杂环境条件下的计量校准结果。3.用大数据帮助企业解决计量器具的管理。计量检测作为企业产品和服务质量控制的重要组成部分，企业对服务机构计量检测的综合服务能力要求越来越高。通过大数据技术全面切入客户质量管理、技术研发环节，为客户提供全方位解决方案，已成为计量检测技术服务市场和拓展能力的方向。例如，为医院提供计量检测服务的过程中，利用大数据分析、评估医院计量器具的整体性能，帮助医院发现医疗设备性能和使用中存在的各种问题，提出相应解决方案，从而提升医院设备质量控制的整体水平，避免因为医疗设备性能的问题造成医疗事故，为病人的生命安全保驾护航，也更好地体现了民生计量工作中执政为民、全心全意为人民服务的宗旨。4.用大数据可以为计量助推供给侧结构性改革和精准服务产业发展，找到准确的发力点和切入点。通过建立区域内计量基标准和社会公用计量标准动态数据库，努力实现信息资源区域共享、结果互认，从而统筹技术资源，避免重复购买计量标准器具，提高检测标准器的利用率，从而充分发挥区域计量标准器具资源的价值。同时通过大数据交流，增加部门之间的横向联系，实现良好的合作，促使国民经济联合成一个完整的体系，将计量与全社会各部门、各企业联系在一起。5.用大数据为“一带一路”计量服务。通过大数据，积极推进与沿线国家计量领域全方位的务实合作，共同促进国际计量体系的创新发展，推动国际计量互认进程，促进贸易便利化水平，服务区域经济社会可持续发展。通过建立计量领域政策信息数据互换和交流平台，提升计量法规的透明度，实现沿线国家资源共享。通过建立计量领域技术信息数据互换和交流平台，加强各国计量技术机构的战略规划、科学研究、业务拓展等方面的信息交流。加快计量双边、多边合作和互认进程，促进量值国际等效，不断扩大互认国和互认产品范围，最终实现“一次测试、一张证书、全球互认”，从而促进国际贸易的便利化，更好地提升计量服务经济发展的能力。 三、结束语 计量大数据的服务与应用可以加速计量行业信息化进程，加快质监部门信息共享，提高质监部门服务能力。当然，数据安全是质监系统做出分析和决策的重要依据，大数据在存储、处理、传输等过程中面临安全风险，具有数据安全和隐私保护需求。尤其是计量大数据，都是与生产、生活、安全相关的数据，保护这些数据的安全，防止数据系统受到不法分子的攻击显得尤为重要。 作者：付磊 单位：陕西省计量科学研究院 大数据应用论文:大数据在高校教育信息化的应用 【摘要】随着我国经济的发展，科学技术的迅猛提高，信息技术已经逐渐融入到社会的每一个角落，21世纪开始步入信息化时代。随着信息技术的渗透，作为社会生活的重要阵地，高校自然也不会置身事外，信息技术在高校教育中的应用愈发普遍。本文主要阐述了大数据在当前信息化时代中的一些特点，并结合实际探讨了大数据在高校教育信息化中的应用。 【关键词】大数据；高校教育；信息化 信息化时代的到来，使得曾经被人忽视的各种媒介中的数据爆发出惊人的价值和影响力。数据成为了信息化时代独有的传递媒介，人类将迈入一个深度挖掘数据的大数据时代。随着信息技术的渗透，人们的生活、工作已离不开大数据。将信息化技术融入高校教育中不仅可以帮助高校发展教育还可以为信息化时代做一份贡献。在21世纪这场大数据的浪潮中，高校在其中扮演的角色不仅仅是参与者更是推动者。为顺应大数据时展的趋势，在高校教育中推行信息化教育势在必行。 一、大数据 作为信息时代的产物，人们对大数据往往有着不同的定义，简而言之，大数据是信息数据的总和，是以信息形式表达的多种信息的融合。可以说它是一种新型的力量，有着不可估量的价值和影响力，现代技术是它的载体。凭借其自身蕴藏的无限价值，大数据已经成为现代化社会的象征。与传统数据不同的是，大数据主要讲究的是数据之间的相关性，而对于数据间的因果关系却不再关注。大数据可以通过分析数据间的相关性来实现对信息的优化，帮助人们进行决策分析。在高校教育中，大数据也可以通过对高校的信息数据进行分析整合，为高校的发展提供数据参考。与传统数据不同，传统数据仅仅只是实现了对数据的存储并未完全实现数据的价值，因此虽然传统数据为中国的社会发展做出了贡献，也给人们带来了很多便利，但它仍存在很多瑕疵。反观大数据，大数据主要讲究的是数据之间的相关性，它不仅可以实现数据的存储，还可以利用这些数据达到预知发展趋势的目的，与传统数据相比，它更实现了对数据价值的深入挖掘。传统数据与大数据应用的方向也不相同，传统数据主要进行信息的存储，针对的是过去的数据，已过去的数据为核心。而大数据是对传统数据的提取和分析，以达到预知发展趋势的目的，是以事物未来的发展为核心。凭借其自身蕴藏的无限价值，大数据已经成为现代化社会的象征。随着信息技术的发展，大数据也将渗透到人们生活的每一个角落，大数据必将在高校的教育中发挥重要的作用。 二、大数据在高校教育信息化中的应用探析 1、对教学质量进行评价。为了提高高校的教学质量并能够帮助教师在教学过程中不断地发现问题、解决问题，高校的每年期末都会对教师的教学质量进行评估检查。在教学评价中应用大数据可以使教学评价形成有效的管理机制，其实能够安全有序的进行。而且大数据可以根据教学评估中提供的各项数据进行有效的分析整合，使教学评估工作更加高效可靠。2、综合分析教师的职业技能。传统的数据仅仅能起到信息存储的功能而无法利用数据的附加价值，而大数据不仅可以实现信息的存储更强调了信息之间的相关性。将大数据应用于高效教育中，还可以实现对教师职业技能的分析，而在高校教育中，最能够决定高校教育质量高低的便是教师的职业技能。将大数据应用于教师的职业技能分析时，大数据可以通过对教师以往教学经历的分析、观察，从而找出最适合该名教师的教学方法，并能够帮助其在课堂上扬长避短，提高高校的教学质量。将大数据应用于教师的职业技能的分析还可以提高课堂的利用率，为学生的下一步学习制定计划。3、个性化课堂的开展。将大数据应用于高校教育中，大数据可以完美的将学习内容与数据资源结合起来，从而帮助学生完成学习目标，实现个性化学习。高校教学改革最重要的目标便是个性化学习。大数据主要强调信息之间的相关性，将大数据应用于个性化课堂的开展时，大数据可以根据某个学生学习成绩然后从已毕业的学生中调取有相似学习经历的学生的资料，分析待选课程与学生之间的相关性，为学生提供可靠的待选课程的课程分析。4、满足学生的需求。大数据可以通过学生在高校时使用校园一卡通的情况分析出学生的消费情况甚至其家庭的经济情况，对于实在贫困的学生，学校可以采取资助，使得国家助学金的发放更加的公平、公正。 三、结语 随着信息技术的渗透，人们的生活、工作已离不开大数据，作为社会生活的重要阵地，高校自然也不会置身事外。在21世纪这场大数据的浪潮中，高校在其中扮演的角色不仅仅是参与者更是推动者。将大数据应用于高校教育中，不仅可以实现对高校教学质量进行评价、教师的职业技能的综合分析，还可以开展个性化课堂，使得国家助学金的发放更加的公平、公正等等。为顺应大数据时展的趋势，在高校教育中推行信息化教育势在必行。 作者：刘键 单位：辽宁省教育厅教育信息中心 大数据应用论文:大数据在区域品牌营销的应用 ［摘要］从我国目前市场经济的发展趋势来看，区域品牌营销与其他品牌的营销相比，其在市场环境中还处于刚刚起步的阶段。但随着信息技术的快速发展，区域间的竞争也日益激烈，这就需要区域品牌在营销中广泛应用大数据，抢占商机。基于此，本文分析和研究大数据在区域品牌营销中的应用，并探讨大数据平台、客户的需求及营销规律。 ［关键词］大数据；区域品牌；营销 引言 在当今信息技术发展越来越迅速的局势下，大数据的发展也受到了各个行业的关注，许多企业为了能够在信息环境中抢占商业先机，对大数据整合技术及信息处理技术进行了探究。由此可见，不管是从经济发展的角度，还是从信息技术的应用情况进行分析，大数据显然已成为促进社会发展的重要因素。大数据可以借助移动终端设备和网络技术构建多元化的结构数据，也能构建出一些半结构化及非结构化的数据。如今大数据技术已经在各行各业中有了广泛应用，区域品牌营销市场中大数据的应用，改变了传统的商业营销模式以及工作人员的管理理念，区域品牌在营销中利用数据分析市场的发展情况，获得商业的先机，从而有效促进自身发展。 1大数据营销及区域品牌概述 1.1大数据营销 当前，各个企业将大数据带来的商业机会分为两种，一种是由微软、惠普等公司开发的硬件和软件以及数据，还有一种是来自海量的用户信息，并且这些信息能够为企业提供精准营销平台以及个性化的广告推介等商业宣传活动。而大数据营销就是第二种，这种营销方式通过搜寻并分析各种相关数据，充分了解市场发展的需求，从而帮助企业改变竞争形态，把依据客户的生活方式以及价值取向等主观信息，推测客户需求导向的这种传统营销模式，转变为通过对客户的各种信息行为以及购买历史等方面进行分析，满足客户的需求，并根据这个导向进行营销的模式。大数据营销不仅要实现线上和线下的互通，也要确保在各大媒体、互联网站及移动终端等的数据是相通的，这些都大数据有效实行的前提条件。当然，由于现实生活中不同领域及行业局限性，大数据会受到许多因素的影响，如公司的隐私保护、信息伦理等。对于政府数据及科研管理数据，应该多多提倡数据的重复利用，由此可见，大数据想要在各个领域中分布是比较困难的。另外，有部分企业为了保护公司的隐私，便采取封闭式的数据开发和搜寻，并从中牟取利益，事实上这种形式无法满足整合化营销的要求。所以，企业在面临大数据带来的发展前景的同时，也要注重对企业能否实施大数据营销的基础条件进行科学合理的评估，要对市场营销人员进行技能考核，从而确保工作人员能够具备相应的营销技能，除此之外，企业也要制订应用大数据的营销方案。 1.2区域品牌 随着我国经济市场的逐步发展以及经济管理秩序的改变，经济市场的竞争也日益激烈。由于外部环境和内部因素的大幅度变化，整个市场的格局也有很大变化，以往的商品竞争已逐渐被区域品牌竞争所取代，并且商业竞争的主体也由传统的企业竞争转变为区域竞争。随着竞争形势的变化，竞争局面也变得越来越复杂。为了能够适应这种竞争形势，许多企业都由过去的商业竞争关系转变为竞争合作的关系，在这个的发展趋势下也可以有效利用区域文化来促进市场发展。在这种发展形势下，许多先进的企业已经选择区域品牌作为商业竞争的主体。建立区域品牌也成为促进现代化经济发展的重要工作。目前，关于区域品牌并没有一个具体的定义或者界定，对于区域品牌，不同的人有不同的看法，但不管怎么说，区域品牌一定要在一定区域范围内才能产生，且在市场的知名度、市场份额及名誉等方面都会比其他商业经济更有优势。区域品牌是以集团品牌的形式而存在的，并且在发展的过程中也逐渐成为市场竞争的核心内容。企业想要提高区域品牌的竞争力，首先要增强区域性的竞争力，因为区域品牌才是提高区域经济的有效方法。 2大数据在区域品牌营销中应用的方式 2.1通过动态化的形式监控市场环境 随着技术的发展以及经济效益的增长，区域品牌的竞争也变得愈加激烈，而市场经济的环境也随之变得复杂起来。在这样的发展环境中，区域品牌营销的方案更加难以实行，但是利用大数据可以分析，使区域品牌营销发现新的商机和市场。通过对大数据的集中分析，可以快速了解到某个区域环境中的商机，也可以分析某个阶段的消费群体的需求，这时企业就可以根据客户的需求研发相应的区域品牌。与此同时，区域品牌的营销也可以借助大数据的技术，对区域内外的环境进行动态化监察，这样就可以为企业的策划人员提供参考信息，也能面对市场的变化，使区域品牌营销作出相应的调整。 2.2通过改善用户的体验促进区域品牌营销的发展 以往的区域品牌营销人员在推广和宣传品牌时，常常会轻视消费者的主观意识及消费体验，在过去的区域品牌营销宣传或与消费者沟通时，都是利用比较简单的形式进行，这样会导致宣传的效果不太理想。而区域品牌营销在如今大数据的环境中，可以充分利用大数据分析消费者对区域品牌的了解程度，并通过实时解答消费者的一些疑问作出相应的评价和定位。其实就是通过消费者与区域品牌营销之间的沟通，提升消费者的认同感，使消费者对区域品牌产生相应的兴趣。企业想要留住消费者，就要不断完善区域品牌的形象，或者说企业可以根据消费者的特性绘制出相应的图像，并根据图像进行现实还原，这样就可以有效增强消费者的体验感。 2.3利用大数据分析并观察竞争对手 大数据技术在区域品牌营销中不仅可以分析消费者对品牌的了解程度，还能分析和观察自己的竞争对手。企业利用大数据技术可以分析竞争对手对产品的研发以及服务的感知力，这样就可以根据与竞争对手的比较，发现自身的不足和优势，然后帮助营销主体有目的地改变营销策略。这样的营销方式对于企业来说具有重要意义。企业通过对竞争对手的分析，可以对整个行业的发展进行掌握，也可以对市场的外部环境有个大致了解，从而有效降低营销的风险，进一步实现区域品牌营销效益得而最大化。如，企业在推广和运营或者招商的过程中对信息进行研究和分析，就可以根据商户的具体情况进行适当调整，并制订可以增加客户量的营销方案。区域品牌营销中利用大数据分析竞争对手，可以了解到对手的发展趋势及状况，从而对自身的发展战略进行合理调整，并抢占商机。 3结语 随着信息技术的快速发展，区域间的竞争也日益激烈，而大数据也在区域品牌营销中得到了广泛应用，笔者相信区域品牌营销中应用大数据会发展得更为长远。大数据技术的存在有效促进了区域品牌营销的发展，且在经济市场的实践营销中也真实地证明了大数据的价值。区域品牌营销要合理利用数据的优势，精确定位每一位消费者，并从繁杂的信息中提炼出对自身有利的信息，从而获得良好的营销效果。相关企业要建立有效合理的大数据营销机制，并对数据的管理以及区域营销费用的有效控制加强实行力度，通过提升客户的品牌体验提升营销效率。虽然，目前在区域品牌营销过程大数据的应用还存在一些问题，但笔者相信在今后的发展中大数据能发挥出更大的作用。 作者：彭秋生 单位：中海油信息科技有限公司深圳分公司 大数据应用论文:大数据在煤矿安全生产的应用 摘要:煤炭行业经过多年的信息化应用，积累了大量的安全生产数据，但对这些数据的深度利用还远远不够。大数据提升了信息的获取与处理能力，基于大数据处理技术，将安全生产数据进行有效整合，深度挖掘，对煤矿安全生产意义重大。本文阐述大数据的技术和发展趋势，总结目前煤炭安全生产中大数据的应用现状，探讨大数据在安全生产中的应用方向。结果表明，大数据的应用有助于提高煤炭安全生产的效率、节省成本和减少损失。 关键词:煤矿;大数据;安全生产;应用研究 大数据的概念于2008年在美国《自然》提出［1］。大数据概念的提出，是对大量数据处理的一个突破。它可以从纷繁复杂的数据中提取有效信息，并对有效信息进行分类、分层次处理。基于计算机等硬件设备，在对巨量有效信息进行深入挖掘之后，对之间因果关系进行分析，找出一些事件之间的因果关系。因此，大数据分析可掌握一些事件的规律，并对事件的走向进行预测。 1煤炭安全生产大数据现状与问题 近年来，安监及煤监等部门通过监测平台的引入及应用，已经建立一定数量的数据库。但是由于缺乏深入的整理和利用，仍存在很对问题。(1)数据量偏小，数据质量低。由于在前期煤矿的生产中，并未提及大数据的理念，各个煤矿对自身矿区数据整理收集不够。尤其是涉及矿难及事故方面，更是较少涉及。因此，导致有效数据少，可用数据欠缺。(2)未能与大数据技术统一标准，缺乏依据。新技术在传统领域的应用必然会出现一些新问题，大数据技术也是如此。传统的数据收集未能与大数据技术统一标准，数据收集依据不足。(3)基于煤矿生产行业的特色，井下生产中防爆防火用具要求较高。因此，限制了一些高效、实时数据收集智能设备在该行业的使用。在大量的数据实时收集及整理时，困难较多。(4)煤矿安全生产及事故隐患分析主要依靠安全生产管理者分析，难以形成有效数据。专业智能设备在煤矿安全生产中使用不足或较少，难以完成大量数据收集任务。(5)专业人才欠缺。由于大数据理念较新，在实际应用中偏向于高新产业及国家优先发展产业。煤矿产业由于最近经济影响，专业人才储备不足。 2煤炭行业安全现状 目前，通过政府部门及企业的共同努力，安全投入到位，安全文化氛围浓厚，煤炭行业事故率明显降低，伤亡人数亦有较大回落。但是，该行业依然存在一些问题:(1)自动化水平低，近年来，煤炭行业先进机械及自动化监测设备引进率较高。但是，相对于发达国家，还是有一定差距。主要表现在过于依靠工人经验，随着煤炭进入深部开采，地质情况复杂，经验越来越受限。(2)煤矿现在对事故的分析依然偏向于“事后分析型”，而真正有效的应该是“事前预测型”。专业有效的事故分析工具在煤矿中使用较少也是造成此结果的原因之一，煤矿开采难度加大，以往经验不一定能够适用。(3)信息共享率低。目前，矿难尤其是重特大伤亡事故是各个部门避而不谈且不愿分享的数据，从而导致样本有效性差。 3大数据在煤炭行业安全生产的关键地位 3．1数据收集、整理、分析及整合 人工数据和开源数据是煤矿安全生产管理者获得大数据基础的重要方法。人工数据虽然准确率高，但其具有成本较高、自动化水平较低、易发生人为原因错误的天然缺点。与之形成对比，开源数据自动化水平较高，成本较低。尤其在信息化综合系统越来越多的应用于煤炭行业，国家安监局、煤监局等各部门通力合作，建立综合信息化平台。这对大数据的收集、整理、分析、整合及预测都会起到积极的影响。 3．2大数据存储平台为煤炭安全生产提供及时的舆情信息 当矿难发生后，在处理矿难的过程中，大数据平台为安全生产的管理者及民众告知详细信息。一方面，政府部门及监督管理部门通过官方渠道及新发展的信息通道(如Wechat等)，及时有效的将相关真实信息传递给大众，此举可有效防止谣言误传。更可避免政府部门的工作陷入被动应付状态，保证灾难性事件发生之后社会的和谐稳定;另一方面，每次事故也是一次珍贵的失败实验，对此次事故详细分析，录入大数据平台，增加数据平台丰富性的同时，对类似事故的预防、发生具有重要的参考价值。 3．3大数据拓展了煤炭安全生产的综合分析能力 新技术在传统行业的应用是对传统行业的一次产业升级，尤其是在煤炭行业。长期以来，我国煤炭行业生产安全性较差，生产效率较低，安全预警能力较差。通过引入大数据综合分析平台，可有效提高煤炭安全生产能力。有效改变煤炭行业事故率高、矿难频发的状况，如离层分析仪等数据平台的引入，可有效预警顶板事故，大大降低顶板事故伤亡率。 4大数据在煤炭安全生产中的应用 基于大数据分析理念，结合煤矿安全生产历史及现状，应从以下四方面入手，提升大数据在煤矿安全生产中的整合能力。 4．1结合互联网和云计算，建设煤矿安全综合信息平台 提升在线监测能力，贵州省近年高薪招聘高素质驻矿安全员，实现煤矿安全数据的实时更新及有效登录，有利于建设煤矿综合信息监测平台。全国也在提升煤炭行业对高素质人才的吸引力，大力建设全国综合监测平台。2010年美国某矿发生事故，引起网民广泛关注［3］。网民通过数据监测及政府安全监督平台，深入挖掘出事故背后利益关系，有效推动了美国矿业管理制度的完善及事故预防能力。 4．2逐步提高智能化监测设备在煤矿使用比例 由于煤矿行业对安全标准的高要求及煤矿行业富含瓦斯及地压等影响因素，大量有效监控设备在煤矿安全生产中使用受限。随着大数据理念的发展及技术的发展，各种智能化技术也会在煤矿得到应用。目前，煤矿六大系统都已建设完成，部分煤矿已采用了在线监测设备及内部通信设备，有效提高了智能化监测设备在煤矿使用比例。 4．3加强管理，保证数据安全 如果不能有效安全使用大数据，会带来意想不到的风险。大数据的使用改变了传统煤炭行业的分析方法，有效整合资源。在发展历程中，也要防范数据滥用、恶意篡改等。大数据是珍贵的资源，要采取技术措施保证安全。个人不得随意查看或用于其他用处，尤其是利用大数据做违法行为。政府与人民要联动，确保大数据安全，真正服务于煤矿安全生产。 5结论 大数据在煤矿安全生产中的应用，是一个新的领域与尝试。在此历程中，数据会越来越规范、有效，随着此技术的普及，也将对现有安全管理模式产生有利影响。大数据的应用必然引起传统行业安全管理的一场变革，也将提高煤矿安全管理的技术能力。以技术促进管理，提高安全管理的自动化能力。政府管理部门及企业要联动，形成合力，深入挖掘数据之间的关系，不拘泥于表面，发现数据之间的内在联系，从而为数据的整合及预测提供有效技术支持。通过大数据在煤炭行业中的深入应用，为安全管理者及政府部门决策提供有效的理论依据，更好地服务于煤矿安全生产。 作者：苏东毅 于迪 李胜男 单位：三门峡龙王庄煤业有限责任公司 大数据应用论文:大数据技术在烟草数据中心的应用 摘要：以大数据技术的发展为背景，结合江苏烟草数据中心建设的实际情况，分析了江苏烟草数据中心以Hadoop及Impala等大数据技术为核心，辅以Kettle和JSP等数据处理及展现技术共同构建基于大数据技术的自定义数据查询平台的架构设计和实现方案。展现了大数据技术带来的远超传统技术平台的灵活性以及对于大数据量查询的快速响应能力。 关键词：烟草；数据中心；大数据；Hadoop；Impala 1.大数据技术现状 当前许多企业都已基本实现了信息化建设，企业积累了海量数据。同时企业间的竞争日益加剧，企业为了生存及发展需要保证自身能够更加准确、快速和个性化地为客户提供产品及服务。而大数据技术能够从海量的数据中获取传统数据分析手段无法获知的价值和模式，帮助企业更加迅速、科学、准确地进行决策和预测。 1.1大数据技术现状 广大企业的迫切需求反之也促进了大数据技术的飞速发展，涌现出了诸如Hadoop、Spark等实用的架构平台。其中，目前最主流的就是Hadoop。Hadoop的分布式处理架构支持大规模的集群，允许使用简单的编程模型进行跨计算机集群的分布式大数据处理。通过使用专门为分布式计算设计的文件系统HDFS，计算的时候只需要将计算代码推送到存储节点上，即可在存储节点上完成数据本地化计算。因此，Hadoop实现了高可靠性、高可拓展性、高容错性和高效性，可以轻松应对PB级别的数据处理。 1.2大数据技术对烟草数据中心建设的影响 当前，烟草企业基于多年的信息化建设已经积累了海量数据，同时每天还不断有新的各种数据产生。在高并发、大体量的情况下，需要在数据采集、存储和运算方面采用与以往完全不同的计算存储模式，这就不可避免地需要采用大数据技术。同时，除了购进单、卷烟交易数据、货源投放数据等结构化数据外，还产生越来越多的非结构化数据，利用大数据技术，对非结构化数据进行预处理，可为人工判断和机器学缩减范围。对海量数据以及非结构化的信息进行分析统计，仅仅依靠传统的技术手段很难实现，只有引入大数据技术才能充分的将所有的数据资源利用起来，成为企业决策的助力。 2.江苏烟草数据中心应用现状 2.1江苏烟草数据中心体系架构 目前江苏烟草数据中心以一体化数据中心、一体化数据管理和一体化数据分析三个部分为核心，构建了一套完整的数据中心架构。一体化数据中心是整个数据中心最核心的部分。通过数据仓库模型、数据存储、ETL工具等组成部分，构建了业务数据的收集、加工、存储、分发的总体架构。建立了按ODS（SODS、UODS）、DW、DM三层结构设计建设的数据仓库。一体化数据管理通过主数据管理、信息代码管理、ESB平台构建了企业主数据收集、标准化、同步分发过程。结合指标管理，全面管控企业的公用基础信息。通过数据质量管理，全面有效管控数据质量。通过数据服务管理，有效提升数据中心的对外服务能力与水平。通过元数据管理来管理数据中心元数据。一体化数据分析通过构建移动信息、业务分析、数据挖掘三大模块，针对性解决当前不同人员的决策、管理以及操作需求，发挥数据中心的数据、技术、平台优势。通过移动信息模块为各级领导提供决策支持；通过业务分析模块为业务人员的日常工作提供支撑；通过数据挖掘模块，发掘数据所蕴含的隐性价值。基于上述一整套架构的支撑，目前数据中心构建了全省范围的数据集成、交换体系，一方面提升了全省基础数据、业务数据的规范化程度和数据质量，另一方面为在建业务系统的实施、已有系统的改造提供了标准化的高质量数据保障。 2.2大数据技术的应用场景分析 随着江苏数据中心的不断运行，一些基于传统技术架构的功能逐渐暴露出种种问题。其中较为突出的问题有：一是使用者对于大数据量数据的查询需求。基于传统技术架构的查询功能响应较慢；二是分析支持灵活性的不足。传统统计分析应用的数据结构大多是预先定义好的，面对灵活的非传统的统计查询需求难以支撑，需要进行额外的加工处理。江苏烟草数据中心结合互联网大数据技术特性，引入Hadoop平台以及Impala等工具，搭建基于大数据的自定义数据查询平台，以补充基于传统技术架构的功能不足，并为未来进一步发展建设基于大数据技术和云环境的数据中心做好准备。 3.基于大数据的自定义数据查询平台实现 3.1设计思路及架构 基于大数据的自定义数据查询平台是在现有数据中心的建设成果之上，以数据中心的数据存储为基础，以Hadoop、Hive、Impala等大数据技术工具为手段，以简单灵活、快速高效的查询展现为目标，建立的数据查询分析支持平台。 3.2技术方案 自定义数据查询平台的建设主要涉及数据存储架构、后台数据加工准备、前端展现三块内容。自定义数据查询平台的数据存储分为两部分。一部分为KETTLE、Impala等工具以及自定义查询相关的元数据存储，另一部分则是查询所需的各种统计数据的存储。元数据的存储根据元数据库的不同主要分为两部分。第一部分为基于Mysql数据库的元数据存储。这部分元数据主要包括有ETL工具KETTLE的元数据，以及前端自定义查询需要定义的权限、数据源、表、列和表列关系等信息。第二部分为基于Hive的元数据存储。这部分存储的是前端查询需要使用的Impala工具的元数据。统计数据的存储则是使用Hadoop的HDFS实现的。根据Hadoop平台架构，自定义数据查询平台的HDFS建立在6台虚拟主机构建的集群上的。其中：2台虚拟主机作为NameNode，一台为主节点，另一台为备份节点；其余4台虚拟主机都作为DataNode用于存储数据。所有数据将会统一分块自动分配存储到4个DataNode上。自定义数据查询平台的数据加工，是通过开源ETL工具KETTLE实现的。通过KETTLE从数据中心现有数据仓库及数据集市中读取需要的数据，根据自定义数据查询平台的数据模型定义对数据进行处理，最终加载到Hadoop的HDFS文件系统中。自定义数据查询平台的前端展现功能，主要是基于JSP技术实现页面开发，通过JDBC或者ODBC对后台Mysql数据库进行访问。使用者在查询页面中组织定义查询的内容，查询服务自动根据获取的元数据信息将定义的查询内容拼接转换成为查询SQL，之后通过Impala执行查询SQL对HDFS文件系统中的统计数据进行查询。 3.3系统实现效果 利用大数据技术，自定义数据查询平台较好地解决了目前数据中心所面对的问题，满足了使用人员对于大数据量以及分析灵活性的需求。面对使用人员层出不穷的查询需求，自定义数据查询平台通过预先梳理、分类定义各种维度以及统计指标。使用者可以自由的根据实际需求选择分析所需的维度及统计指标，同时还可以基于这些基础的内容更进一步自定义过滤条件以及计算公式，并指定其展现形式。在大数据量查询效率方面，自定义查询平台相比传统架构的查询功能有了较大提升。 4.结束语 大数据技术的发展方兴未艾，应用前景无比广阔，对各行各业的巨大作用正在逐步展现。江苏烟草数据中心的建设既要看到大数据技术未来的前景，更需要明确地认识到大数据平台的建设并非一朝一夕，需要有明确而长远的规划，不断完善数据环境建设、云计算环境的构建以及数据服务的扩展。 作者：郭文卓 王子豪 单位：中国烟草总公司江苏省公司 大数据应用论文:大数据在公路工程质量监控的应用 摘要：大数据的产生为公路工程质量监控技术带来机遇与挑战。公路工程质量监控大数据具有典型的“4V”特征。为深入分析大数据在公路工程质量监控中的应用，从公路工程质量监控大数据的产生、处理流程与关键技术等方面进行论述。分析了公路工程质量监控大数据的存储结构、计算过程以及数据可视化处理的流程，提出了公路工程质量监控大数据应用时所面临的问题与挑战。 关键词：大数据；公路工程；质量监控；应用与挑战 引言 近年来，随着交通建设的迅速发展，截止2015年我国公路总里程将达到450万公里，其中高速公路通车总里程达到10．8万公里，全国高速公路路网已基本形成规模，促进了区域经济的发展，社会效益较好。在交通部的《国家公路网规划（2013年—2030年）》发展规划中，全国高速公路通车里程预计达到40万公里，我国将基本实现省际多路连通、地市高速通达、县县国道覆盖的目标［1］。从上述规划来看，仅高速公路的建设缺口就近30万公里，其建设任务较重，另一方面，在工程建设过程中的质量监控也提出了新课题。以西部地区为例，交通运输部质量监督局已在2012年3月启动了西部项目“公路工程质量安全过程控制智能化与远程监控技术研究”的研究工作，项目要求采用信息化技术手段，融入现代计算机技术、实时信息传输技术，人工智能化技术到工程监督中，对重点工程、重点部位的实时监控，实现工程质量安全监管的实时化、智能化、远程化，弥补人为管理的漏洞和缺失，提高质量监控和监管效能，以保障公路工程的建设质量［2］。公路工程建设的智慧化监管，需要对在其在建设过程中产生的大数据进行透彻分析，服务于管理者和决策者，便于及时排查和纠正在工程施工过程中潜在安全隐患，为生命和财产提供安全保障。 1公路工程质量监控大数据来源及其特点 就大数据而言，是一个抽象模糊的概念，大部分人也只是从数据量的大小和规模去感知，像TB、PB、ZB、YB这样的数据量存储单位被理解为大数据与传统数据的区别，很显然这仅仅是海量数据，在IT界被公认的具有Volume（容量大）、Variety（种类多）、Velocity（速度快）和Value（价值密度低）特征的数据，才能被称为大数据，简称大数据4“V”特征［3］。 1．1公路工程质量监控中大数据的来源 公路工程建设在开始施工到验收竣工，要产生大量的、类型各异的数据，其主要有以下几种来源：（1）施工试验数据：道路在施工前需要对工程中的各种使用材料在该项目环境条件下做实验，以得出在该环境条件和地理区域条件下相应材料的使用混合比及用量等。如：筑路用土，砂石材抖、石灰和水泥，普通水泥混凝土，稳定土和建筑砂浆，沥青材料，沥青混合料等相关实验数据，用数据来保障施工质量，确保规范施工。（2）施工监控数据：在工程项目施工阶段，人员行为规范、施工操作规范、压力传感数据，施工环境温度（湿度）等产生的文字、图片、声音和视频数据。（3）施工应急数据：在施工过程中会有各种突发事件，如何科学地把突发事件带来的危害降到最低，最大程度减少人员和财产损失，是工程应急处理的难题。在施工过程中，利用各种传感器对突发事件进行动态监测，将对应急处置起到关键性的作用，而该过程中将产生大量的数据。（4）工程竣工检测数据：在工程项目施工验收阶段，需对路基、路面、交安设施、机电系统等进行标准检测，判断各项功能是否能达到标准规范。如路基压实度，路面承载能力、应力数据，标识标线厚度、反光标志系数等相关检测数据。根据《公路工程质量检验评定标准》JTGF80－1－2012和JT－GF80－2－2004相关要求［4］，需产生大量的数据。随着交通建设的快速发展，工程质量监控面临新的挑战，沿用以往“人工＋纸笔”的管理方式，基本不能实现工程质量的科学化管理，根据工程质量“终身制”的相关要求，在工程设计使用年限内，承担相应的质量终身责任，如沿用以往的管理方式也不便于责任的追溯。当今“互联网＋”时代，利用云计算对工程施工中产生的大数据进行分析，用数据来实现工程项目中全过程跟踪管理和全方面实时监测监管，实现工程实体和质量行为的实时自动监管巡查和预警，将有助于提高工程质量，保障国家财产安全。 1．2公路工程质量监控中大数据的特点 （1）数据规模在工程质量监控中，以施工人员行为监控为例，一个质量监督点采用720P高清视频图像采集设备，每小时图像采集数据经压缩处理后可达到3GB左右的大小，全天候采集一个月，产生的数据量约为2．16T［5］。在工程施工过程中隧道掘进、路基路面、桥梁结构、材料搅拌、设备操作等等都需要对施工人员行为和过程进行视频监控，按上述计算，每月产生的数据能至少为PB级以上，按照交通部的《国家公路网规划（2013年—2030年）》发展规划，监控视频数据就将产生海量的数据。（2）数据类型在公路工程施工过程中产生的数据类型种类繁多，除工程质量视频监控数据外，有影响工程施工质量的环境检测数据（如：温度、湿度），施工材料检测数据，工程质量试验检测数据，潜在地质灾害等数据，数据类型多样。（3）数据价值密度对于在公路工程质量监控中产生的数据本身而言，数据量大，但其价值密度较小。如施工人员操作不符合规范，通常情况下就只有几秒或几分钟，在PB级以上的数据量里，其占有的价值密度较低。（4）高速性在公路工程质量监控中，除对工程质量本身监督外，还应对工程质量进行把控和预警。如：路面未达到养护期要求而强行进行下一周期施工，此时系统就应快速地对大数据进行分析，并及时发出预警提示。 2大数据的处理 随着“互联网＋”时代的发展，人们对各行各业中产生的大数据进行分析，给众多决策者提供了有力的决策支持［6］。如：沃尔玛超市通过大数据分析在超市行业中曾经取得的辉煌成就；阿里巴巴通过大数据分析在电子商务行业取得的突破；滴滴打车或Uber通过大数据分析在出租车行业中取得的地位等等；均是基于大数据分析或处理而取得的成功案例［7］。然而在公路工程施工质量监控方面，大数据的应用还较薄弱，通过对公路工程质量监控中产生的大数据进行分析，对不合格或不符合规范的工程质量及时的启动预警机制，将减少国家的财产损失，保障交通参与者的生命安全，为公路工程建设提供技术支撑。 2．1云计算 公路工程质量监控大数据中，核心是对于数据的分析和处理。“云计算”是大数据处理的基础，为数据分析提供技术保障。云计算利用Internet和虚拟技术把计算机各种软、硬件资源融为一体，形成大规模的共享资源池，为用户提供IaaS（基础设施即服务），PaaS（平台即服务），SaaS（软件即服务）［8］。云计算是典型的分布式模型，为公路工程质量监控大数据并行处理提供平台。Google、IBM、阿里云等知名公司大数据分析处理和应用都是基于云计算为基础，最典型的应用就是分布式文件系统、批处理技术、分布式数据库等［9］。 2．2大数据存储技术 公路工程质量监控中产生的大数据在PE级以上，怎样降低存储成本、提高数据并发吞吐量是大数据存储的关键。分布式文件系统，是大数据在存储中的一种关键技术，Google公司研发的GFS（GoogleFileSystem）分布式文件系统是大数据在存储中的典型应用。其与后来研发的MapRe－duce、BigTable技术构成了Google搜索引擎大数据存储的三大核心技术［10］。公路工程质量监控中产生的海量异构数据，存储架构分为存储层、基础管理层、应用接口层、访问层。存储层主要完成数据接入与信息集成、存储虚拟化存储设备；基础管理层主要包括集群数据、并行数据仓库盒实时数据库；应用层接口主要完成任务管理、调度与监控；访问层主要包括视频监控系统、环境监测系统、应急指挥系统、实验检测系统和工程档案系统等，如图1所示。公路工程质量监控大数据与其它类型的大数据有所不同，有的数据需要急时处理，响应急时的特点，以便于做出急时的应急响影决策，否则会造成重大经济损失和人员伤亡。故需要研究公路工程质量监控大数据在存储结构上的特点，为后续的数据分析提供支撑。 2．3实时数据处理技术 在公路工程质量监控产生的大数据，类型多样，包括声音、图像、文本等结构化和非结构化数据，通过数据清洗来消除数据不一致是非常有必要的，也是数据处理的关键因素。在大数据实时处理流程中数据分析（DataAnalysis）是核心，为提高数据的访问速度，建立分布式数据库，利用各种类型的大数据分析技术，对各种异构的数据进行分析，最终利用可视化技术，把数据分析结果展现给用户，以满足公路工程在施工过程中监督和决策的需求。传统数据，一般采用关系数据库来进行存储，OLTPT和OLAP是传统数据的主流应用，SQL是传统关系数据库存系统的存取标准［12］。但在公路工程质量监控中产生的数据，有很多不具有关系数据库的条件，很多数据是非关系数据，故需要其它方式的数据分析管理技术。Google公司于2004年推出的MapReduce技术，它的并行数据处理方式是大数据分析和处理的典型应用，其主要包括分布式文件系统（GFS），并行编程和并行执行三个方面。GFS为大数据的储存和并行计算提供平台基础支撑，采用键／值（key／value）方式对数据进行分布式存储［12］。MapReduce是一个通过将任务独立化进行计算的一种模型技术，主要有Map和Reduce两个阶段，首先把公路工程质量监控中产生的大数据按算法进行以＜key，value＞的形式进行任务分块，把分块任务交由Map进行并行执行，执行完Map函数后，将数据转换成符合模型的＜key1，value1＞的形式，并把数据写入硬盘。然后进入Reduce阶段，Re－duce接受Map阶段的执行结果，对数据进行合并归约计算，最终得到输出结果，并写入到GFS文件系统［13］。公路工程质量监控大数据MapReduce计算过程，如图2所示。图2公路工程质量监控大数据计算过程公路工程质量监控大数据MapReduce并行计算模型，将简化数据的计算过程，减少数据传递开销，使公路工程质量监控中各类应用程序设计直观化。 3大数据在公路工程质量监控中的机遇与挑战 3．1大数据可视化分析技术 可视分析技术的定义是指：一种通过交互式可视化界面来辅助用户对大规模复杂数据集进行分析推理的科学与技术［14］。大数据可视化分析是指在对数据挖掘分析的同时，利用可视化用户界面以及人机交互技术，融合人的辨别能力与计算机的数据计算能力，为决策者提供更加科学、合理的决策依扰。公路工程质量监控大数据可视化分析关键核心是数据的集成和接口，而其数据规模大、快速多变、数据源异构，使得对大数据的处理、分析和可视化带来具大的挑战。数据信息的可视化根据其特征分为一维信息、二维信息、三维信息、多维信息、层次信息、网络信息、时序信息可视化，在公路工程质量监控大数据中主要包括文本可视化、网络或图可视化、时空数据可视化、多维数据可视化等。文本信息是非结构化数据的代表，是公路工程质量监控大数据中的主要信息类型，是记录施工数据的重要环节，文本信息可视化可采用把文本语议结构以树的形式进行可视化操作；网络或图是大数据中最常见的关联关系，是记录施工过程状态的重要信息，网络或图可视化可采用基于节点和边的可视化方法；时空数据是带地理位置标签的数据，是记录施工环境状态的重要信息，为反应时间与空间的变化，一般采用流式地图来展现；多维数据是多个维度空间的数据，是记录整个施工过程的重要信息，一般可采用基于几何图形的可视方法来实现［15］。 3．2大数据在公路工程建设中的应用 大数据在公路工程质量监控中的应用还处于起步初级阶段，依托大数据建立质量监督管理、安全监督管理、监理行业管理、试验行业管理、工程竣（交）工验收管理、突发应急预案、事件检测、应急响应、现场救援、总结评估等平台，以数据指标为度量，直观、全面、准确地监测和分析各个环节要素的动态变化数据信息，为管理者提供科学决策依据，提高监管效能。如：工程建设过程中突发事件应急处理，可利用地理信息系统（GIS）平台，对基础地图数据、应急资源数据、重大危险源数据进行管理并以电子地图显示，可及时预测突发事件危险存在范围，辅助突发事件应对机制的决策。在建项目监督管理，通过对试验检测实验室、各种机械设施设备的数据采集，实现试验检测数据、设施设备主要数据的采集与汇聚，生成质量监控大数据。通过对大数据的分析和规范性电子监控比对，实现工程实体和质量行为的实时自动监管巡查和预警等。 4总结 这是一个数据信息时代，不管是商业领域还是工程建设领域，都与数据有联系，如何科学的运用这些数据来分析和解决问题，是各领域应重视的问题［16］。本文对公路工程建设质量监控中大数据的产生、存储、处理和数据特点等进行了深入分析，详细介绍了大数据处理的关键技术，对大数据在公路工程质量监控中带来的应用进行了论述。但大数据在公路工程质量监控中的运用还处于起始阶段，如何提高数据的采集质量，解决工程建中大数据传输、提高数据可靠性等方面还存在着研究的空间，需要更多的研究者去探索和研究。 作者：肖祥林 周春容 单位：四川交通职业技术学院 大数据应用论文:大数据管理平台在炼化企业管理的应用 摘要：文中对某炼化企业的现状及实际管理中存在的问题进行了分析，阐述了大数据管理平台在炼化企业运行管理中的实施过程。该管理平台可以促进装置的高效运行、提高装置的可控性、提升整体管理水平，对企业资源的合理配置与优化具有重要意义。 关键词：炼化企业；大数据；管理平台；数据管理 大数据管理平台是炼化企业优化生产、安全管理的基础。利用企业现有信息化管理平台，同时开发、完善配套相关软件和硬件，建立大数据库，通过对数据的收集、整理、分析、筛选，对异常数据的产生原因进行分析，使异常偏差及时得到修正，使装置工艺操作参数、物料、能耗、产品质量、环保指标等各项生产数据全面受控［1］。 1大数据管理平台的实施背景 2015年10月某炼化公司优化信息化管理，MES、ERP、统计信息平台项目陆续上线。严格按照PDCA循环科学管理模式，做到有计划、执行、检查处置的闭环管理。但是大部分装置没有网络，数据不能上传，只能电话报量，数据的重复录入增加，出错率较高，降低了MES系统的基础数据完整性，生产基础数据缺乏监测和预警功能，不能及时发现生产波动；而各系统又存在共性问题就是各系统各自为政，没有整合成大数据平台，使各部门无法达到信息共享的目的［2］。装置的生产运行涉及的生产计划、物料平衡、生产能耗、三剂管理、生产异常、质检化验、生产流程、三废排放等数据一部分以电子表格形式存档，一部分由独立的应用系统进行管理，没有统一的数据库，系统之间缺少数据接口，没有权限控制功能，只能采用纸质方式进行传递，安全性差，不便于数据检索，难以对各类数据进行综合分析和处理［3］。因此，需利用信息化手段，进行系统和信息的整合，便于数据的归纳、统计、分析和预判，挖掘数据和业务之间的内在关联，实现各项业务之间数据和信息的共享，根据市场变化，指导生产方案的制定和调整，实现效益最大化，提升管理水平。 2管理平台的构建 该管理平台可以强化生产基础数据管理，提高生产管理数据信息化，提高对生产基础数据的监测力度，监督装置物料计量仪表的准确性。发现异常数据及时通知相关部门进行处理，减少生产运行波动，保证生产运行平稳［4］。管理平台包括8个模块，运行管理平台见图1。（1）生产计划模块：可查看物料、能耗、三剂生产计划和计划变更、生产优化调整等情况。（2）物料平衡模块：查看每天的物料变化动态，装置加工量、产品产量、库存情况、销售情况等，了解市场需求。监测生产超标数据，及时调整生产方案，月底可查看公司物料、能耗统计报表。（3）生产能耗数据模块：可查看公用工程动力消耗情况，瓦斯、氢气和公用工程的产量、走向及消耗情况。（4）生产流程模块：可掌握公司物料、能耗、瓦斯、氢气的流程走向图，掌握物料、能耗生产运行模式。（5）生产运行平稳管理模块：可及时统计装置的平稳率，查找异常数据，加强对异常数据的管理，提高装置平稳运行。（6）三剂管理模块：可查看三剂的消耗及库存情况，掌握装置三剂的需求，保证运行稳定。（7）质检化验数据模块：可通过LIMS系统查看产品质量化验分析数据，及时掌握产品质量控制情况。（8）三废排放流程模块：可查看装置污染物排放及指标控制情况。 3管理平台的功能 （1）及时统计装置的平稳率，查找异常数据，加强对异常数据的管理，提高装置平稳运行。（2）可查看装置的生产计划，技术指标的完成情况。（3）可查看每天的物料变化动态，上、下游走向，装置加工量、产品产量、库存情况、销售情况等，了解市场需求。（4）可查看公用工程动力消耗情况，瓦斯、氢气和公用工程的产量、走向及消耗情况。（5）查看三剂的消耗及库存情况。（6）可为生产优化，方案调整提供有关数据。（7）可通过LIMS查看产品质量化验分析数据，及时掌握产品质量控制情况。（8）可查看每天的装置污染物排放及指标控制情况。（9）可查看装置开、停工期间物耗和能耗情况。 4管理平台的实施 建立大数据管理平台，使数据的使用者无需关心数据来源，更专注于数据的使用；打破系统之间的壁垒，抽取现有MES、LIMS的各类关键生产数据，融入大数据平台；将生产计划及指标完成情况、装置平稳率及异常记录、物料变化动态、装置加工量、产品产量与库存情况、能耗、质量化验分析数据等信息和数据重新组织后整合入大数据平台［5］。（1）将计划、能耗、三剂、物料（含炼油产品、化工产品、炼油流程-运行、润滑油流程、聚合流程、聚二流程、聚丙烯、带料加工）的年度计划、月度计划、计划变更和生产优化等报表集成在同一个网页环境，可查看物料、能耗、三剂生产计划和计划变更、生产优化调整等情况，提高工作效率。（2）对生产基础数据的监测。物料平衡包括物料库存、异常生产数据、原料入厂产品出厂、月统计报表、装置数据；生产能耗数据包括各装置生产能耗数据文档的上传、展示，可查看每天的物料变化动态，装置加工量、产品产量、库存情况、销售情况等，了解市场需求。生产能耗数据包括公司、专业厂、各装置生产能耗数据，监测生产超标数据，及时调整生产方案，保证装置平稳运行。月底可查看公司物料、能耗统计报表。（3）生产运行平稳管理包括操作平稳率、异常生产操作指标等，及时发现装置运行参数异常，加强日常生产监控分析，对出现异常情况、数据偏差及时分析调整，及时处理，保证装置安全、平稳、高效运行。（4）生产能耗数据包括公司、专业厂、各装置生产能耗数据的展示、上传。（5）掌握物料、能耗、废物排放等流程。生产流程包括3.5MPa、1.0MPa蒸汽平衡图、除氧水平衡图、氮气流程图、电流程图、净化风非净化风流程图、氢气平衡图、脱盐水平衡图、瓦斯流程图、物料流程图、新鲜水平衡图、循环水平衡图；三废排放流程包括废水、废弃、废渣流程图、平衡图等。及时监督装置计量仪表的准确性。（6）三剂管理包括炼油一厂、二厂、润滑油、聚丙烯、储运厂等专业厂三剂使用和库存情况等。（7）集成LIMS系统，可直接查看化验数据，及时掌握产品质量控制情况（8）数据采集。平台通过数据接口自动从MES质检分析系统同步，对于不能自动采集的数据，卡法数据上传功能，暂时采用人工录入的方式采集。（9）将现有生产报表基础数据（平衡后的数据），整理后导入到Sqlserver数据库中，建立分厂、车间、装置三级拓扑关系，从而实现下阶段可根据用户个性化需求开发各类报表功能。5实施效果该大数据管理平台投用后，各级生产管理人员可通过系统中的生产计划、物料平衡、生产能耗数据、生产流程、生产运行平稳情况、三剂管理、质检化验数据、三废排放流程、生产异常报警等功能，查看装置的生产计划，技术指标的完成情况、每天的物料变化动态，上、下游走向，装置加工量、产品产量、三剂的消耗及库存情况等；查看公用工程动力消耗情况，瓦斯、氢气和公用工程的产量、走向及消耗情况为生产优化，方案调整提供有关数据；查看产品质量化验分析数据，及时掌握产品质量控制情况；查看装置开、停工期间物耗和能耗情况等，加强生产管理，保障装置平稳运行。6结论（1）通过大数据库，能够使生产报表自动化程度得到更大的提升，减少岗位人工录入数据，降低数据出错率，提高报表准确率。（2）开发计量生产基础数据监测，能够监测生产状态，使预警数据及时反馈给岗位和相关部门负责人，使预警数据及时得到处理，保证生产安全平稳运行，同时确保计量数据的准确性。（3）通过生产基础数据监测，运用网络新技术，建立生产运行计量管理新模式，整合计量生产大数据，为生产经营决策提供可靠数据。（4）强化生产基础数据管理，提高生产管理数据信息化，提高对生产基础数据的监测力度，发现异常数据及时通知相关部门进行处理，减少生产运行波动，保证生产运行平稳。 作者：王建平 单位：大庆炼化公司 大数据应用论文:大数据在互联网金融风控的应用 摘要：21世纪是信息时代，互联网高度普及，与金融的融合推动了互联网金融的飞速发展，而互联网金融的快速发展离不开大数据技术的支持。文章针对大数据在互联网中的应用提出创新方向，并分析了应用场景、应用现状，希望能够为用户提供更多贴心、便捷的服务。 关键词：大数据；互联网金融；风险控制；网络平台；风险管理体制 互联网金融是一种新兴金融，依托于互联网工具如社交网络、云计算、搜索引擎等实现资金的融通、支付等业务，保证在安全、移动等网络水平上被电子商务用户接受以后产生的新模式、新业务，适应更多人的需求。未来的互联网金融发展空间无限大，现阶段互联网竞争不只是平台的竞争，更是大数据的竞争。 1互联网金融和大数据的特点 1.1互联网金融的特点 交易成本低廉：资金供给双方在资金的融通过程中所发生的成本称之为交易成本，互联网借助信息网络，减少了人力、物力的投入，信息、匹配产品、定价、交易都依靠互联网完成，大大降低了交易成本。交易过程快捷简单：互联网金融模式下金融业务由计算机操作，效率高、速度快，不受时间、空间的限制，客户只需要一台电脑就可以实现资金的高效运转。数据价值大：依托于大数据和电子商务，互联网金融实现飞速发展，互联网的便利性使得人们的生活和工作依赖于互联网，将一些单位和个人的消费信息在网络空间暴露，产生了海量的数据库，数据就是资源，只要加以分析和研究就是巨大的商业价值。风险系数高、创新强：随着科技的发展，不断产生新的金融产品、融资形式，一些互联网产品和支付方式也层出不穷，如网络银行、网络保险公司、众筹融资、网络证券公司、余额宝、支付宝、微信支付、网络贷款等。但现阶段对互联网金融的监管力度较弱，缺乏法律约束，导致一些不法分子非法集资，进行网络诈骗，严重危害了互联网金融的安全。 1.2大数据技术 大数据是在信息时代由硅图公司麦肯锡提出的全新概念，用来描述和定义信息时代的海量数据，是从各种海量的数据中快速寻找有价值的信息，进行高度提纯，增加数据信息的利用率。大数据技术体系分为大数据的采集与预处理、存储与管理、计算模式与系统、分析与挖掘、可视化计算、隐私与安全等方面，可优化数据处理环节，提高数据处理效率。其特点主要是数据体量大、类型多、处理速度快、价值密度低。当今社会大数据无处不在，渗透在人们日常的生活、学习、工作中。以阿里巴巴小额贷款为例，2015年累计放款1953亿元人民币，交易额增长了40%。大数据的利用能够有效降低交易成本，提高交易频率，拓宽交易空间，改善交易体验，促进互联网金融的发展，但也存在一些隐患和风险，会泄露个人隐私，限制企业的管理决策等。 2大数据在互联网金融中的应用 虽然大数据的应用在现阶段并没有完全达到预期的精确性，但是已经有很多较为成功的案例。如DataSifi根据对社交数据网络的分析总结，制定出具体的方案；Zest利用大数据信用评估，已经获得一亿美元的融资；Decide利用价格信息预估价格走势，提出了较合理的购买建议等。随着数据的积累和平台的发展，互联网金融逐渐盛行，受余额宝、微信理财通等的影响，国内主要应用于理财方面，实际上金融服务中最具刚性需求的服务是贷款，大数据促进了金融创新。 2.1高频交易和算法交易 交易者为实现高额利润，利用交易程序和硬件设备，快速分析、生成、获取和发送交易指令，可以在较短的时间内完成较多的交易。高频交易主要通过分析金融大数据，对特定的参与者的交易痕迹进行识别和总结，如：一支共同基金的大额订单通常情况下出现在收盘前最后一分钟的第一秒，能识别出此模式的算法就可以预算出这只基金在其他时间的动向，如果继续执行交易，必须付出更高的价格，算法交易商趁机获取利润。 2.2进行市场情绪分析 大约两年前，对冲基金从各种社交媒体中提取市场情绪信息进而开发出算法交易，如Facebook、博客、聊天室等。如发现有恐怖袭击、自然灾害的意外信息时就会抛出订单，精神病专家理查德•彼得于2008年在美国加州圣莫尼卡集资100万美元建立对冲基金，通过追踪网站、微博、聊天室分析企业情绪，确定基金的交易策略，该基金的回报率在2010年高达40%。又如位于伦敦的小型对冲基金DCM从社交媒体上收集信息，分析人们对金融工具的情绪，帮助投资者制定投资计划。 2.3提高风险的管理力度 金融机构通过对大量小型用户交易行为的数据进行收集，并对其交易范围、经营状况、用户、资金需求以及行业的发展进行具体的分析，解决小型企业的经营难题。阿里小贷首创了线上的审核到放贷的模式，有效连接贷款的全过程，为弱势群体提供个性化的小额贷款。 3互联网金融风险控制的一般原则 风险控制最有效的方法就是将所有的鸡蛋以不同的比例分开装在不同的篮子里，即“小额、分散”，避免集中投放。“分散”在风险控制方面有着非常重要的作用，借款客户个体差异性较大，所处的地域不同，且自身的条件有差异如年龄、学历等，这些分散的个体其违约的概率相对独立，同时违约的概率非常小。如100个独立的个人其违约的概率是20%，如果随机抽2个人，同时违约的概率为20%2即4%，随机抽出5个人，同时违约的概率为20%5，如果抽出8个人同时违约的概率为20%8，但是如果这100个人存在相关性，甲违约的时候乙也违约，那他们同时违约的概率就是10%（20%•50%），远远高于4%，因此贷款个体之间的独立性是降低风险的必要措施。“小额”是避免“小样本偏差”。如：某贷款公司现在的贷款一共有10亿，如果每个借款人平均可以借5万，总共有2万客户，如果单笔借款金额是100万，就有1000个客户。根据统计学中的法则，样本个数越多，越能符合正态分布规律。因此，如果借款人违约率是2%，那这5万个客户的违约率就会高于1000个客户的违约率。通过数据分析建立风控模型和决策引擎也非常重要。小额分散借款客户较多，若银行采用传统的信审模式不能统一量度还款能力、还款意愿，就会增加风险成本。因此可以借鉴国外的P2P，采用信贷工厂模式，建立风险模型，根据客户的行为特征判断出该客户的违约概率，降低人工审核的成本，避免人工审核和判断标准的误差。风控体系的核心方法除了依据小额分散原则外，要研究不同特征个体的违约率，建立数据风控模型和评分卡体系，将其固定到风控审批的业物流程和决策引擎中，掌握不同特征个人的违约率程度，指导风险审批业务开展。 4大数据在互联网金融风控方面的具体应用 由于国内金融体系尚不完善，国内的用户数据虽数量较大但不准确，导致现阶段国内将大数据方式涉及到互联网金融的产品还比较少，数据来源困难且不精准增加了互联网金融的困难。在不依赖央行征信系统的情况下，各具特色的风险控制系统在互联网市场自发形成，小公司通过信息分享，借助第三方获得咨询服务，而大公司则通过大数据建立信用评级系统。现阶段互联网金融的风控体系大致有两种：一种是众多的中小互联网金融公司给中间征信机构贡献数据，进而获得征信信息的分享权；另一种类似于与阿里巴巴的风控模式，建立信用评级和风控模型需要对大量的电商交易和支付信息数据进行分析。央行的征信系统结合身份认证中心的身份审核，通过社会机构和商业银行的数据，给银行提供银行信用查询和个人信用的相关报告，但对其他的互联金融公司或机构不提供查询服务，一些个人信贷记录也没有在该系统里，但有可能在其他的机构和互联网金融公司的系统里存在。互联网数据庞杂且量大，充满噪音。阿里建立完善的大数据挖掘系统较早，但是很多人还处于迷茫状态，通过淘宝、天猫、支付宝等积累大量支付数据作为基础的数据原料，结合卖家的销售数据和银行流水等数据，进行全面汇总后借助网络评分的模型进行信用评级活动。信用卡类网站的大数据同样也对互联网金融风险控制具有非常重要的价值，可参考用户信用卡办卡年份、还款信息、信用额度、卡片种类等进行信用评级。2013年阿里巴巴收购新浪微博18%的股份花费5.86亿美元，目的就是为了获得社交大数据，进而完善了大数据，信用卡的还款信息、交易、支付、淘宝的水电煤缴费信息现阶段已经成为数据的基础。未来第三方支付平台支付的方向、额度、购买品牌及金额都可能成为信用评级的数据参考，而生活类服务网站有关用户的生活消费如水、电、煤、物业费、电话费、网络费都有可以反映用户的基本信息，为信用评级提供重要的参考，拥有这些所有的大数据才能够进行数据的加工。 5结语 社会经济的发展离不开金融的支持。互联网金融服务将会建立更完善、更全面的信用体制和风险管理体制，从粗放式向精细化转型，从抵押向信用转变，风险控制将变得很关键，大数据毫无疑问也变得非常重要，但是现阶段互联网交易额较小，用户规模不大，需要结合实际情况及时修正模型，从而优化风险控制模型。 作者：汪琼 单位：百融（北京）金融信息服务股份有限公司 大数据应用论文:大数据技术对网络安全的应用 摘要：随着计算机网络技术在各个行业中的应用与发展的不断广泛化，网络安全也越来越受到企业和个人的重视。网络安全不仅会影响国家重要信息的安全性也会影响私人信息的安全，而现阶段大数据技术的不断引进与应用使得信息网络进入到了一个新的发展阶段。现在全球数据存有量正在每年超过40%的速度在增长，然而信息网络所承载的信息数据正在向分散化、多样化，复杂化的趋势发展从而增加了网络信息数据管理的难度，更冲击了传统的网络安全管理技术，介于网络信息数据增长速度之快，影响网络安全的因素也在不断地增加，所以网络安全迫切的需要引进大数据技术来进行网络安全分析，满足高科技环境下信息网络安全的需求。 关键词：网络安全分析；大数据技术；应用 引言 随着网络技术应用的普遍性，网络安全分析的数据也在呈指数曲线的速度增加，而且数据来源的广泛性和内容的细致性也使得网络安全分析的架构也越来越复杂，分析维度也越来越大，再加上4G时代的到来和智能化设备的不断更新换代使得信息数据的发送和接收速度也越来越快，数据分析的速度跟不上使网络安全漏洞增加，影响力增大，造成此现象严重的主要原因就是网络安全传统分析架构已经不能满足现在网络信息数据分析的要求了，所以要引进新的技术。 1大数据技术在网络安全分析中的应用 1.1大数据技术分析 大数据安全分析主要是为了完善网络安全分析中传统安全分析能力的不足，大数据技术的核心技术分别是分布式采集处理、自然语言理解、流量计算引擎、关联分析、大规模机器学习和可视化人机交互等多种分析方法[1]，实现在规模不断扩大的海量异构数据信息中快速发现安全攻击和安全威胁的一种工具。在大数据技术安全分析中该技术主要从分布式计算框架、流式计算引擎、分布式存储技术来分析的。分布式计算框架不依赖高端硬件、扩展性强的优点提高了大数据技术应用的适应性，使得一些低端配置的设备都能引用该技术；流式计算引擎主要通过解决大数据历史分析系统交互式计算，给网络信息数据的快速查找提供了便利条件；分布式存储技术能够利用多台存储设备来分担大量数据的存储负荷，从而扩大了大数据技术存储的能力，也降低了存储管理成本，在一定程度上也提高了整个网络安全系统的可靠性和安全性。 1.2网络安全分析引入大数据技术的必要性 随着网络信息数据量的大量增加，数据来源越来越广泛细致，分析维度也越来越大的特点下，利用传统的技术架构和结构化数据库进行数据的存储的和分析，不仅会增大网络信息数据的存储成本，也会导致一部分信息数据被丢失，并且随着时间的延长有些时间较长的数据不能很好地被保存起来，这样就会给日后信息数据的追踪和查找带来了困难，并且数据广泛的来源也给异构数据的关联分析和融合带来了很大的困难，而对于传统的网络安全分析的技术已经很难满足现在庞大的、迥异的网络信息数据分析的需求了。早在2013年的调查资料中显示，大数据技术在未来信息架构的分析发展中有着很大的优势，并且近年来已经有不少领域开始引进大数据技术。大数据技术之所以被各个领域重视，是因为它能够支持海量的且迥异的数据的存储和计算，相对于传统网络安全分析技术来说，大数据技术使大量原始网络信息数据的存储和分析成为了可能；大数据技术对于传统技术来说对网络信息数据的存储成本较低，并且大数据技术在普通硬件水平上的应用没有局限性，在信息数据的查询过程中查询速度又快、精度又高，从而提升了网络安全分析中一些数据的挖掘能力，提升了网络安全分析的深度和广度[2]，并为大数据技术在网络安全分析中的应用奠定了坚实的基础。 1.3网络安全分析中大数据技术应用分析 在我们的日常生活中，我们每天都在和数据打交道，不是创造数据就是利用分析数据。比如在我们有手机电脑上的聊天软件聊天时就是在创造信息数据，聊天过程中流量的消耗就是在应用数据（对近年来网络流量使用数据调查如表1），设想一下如果我们的聊天数据被窃取，是多们可怕危险的事情，再往大了去想就是国家机密数据，如果这些数据的丢失将会给整个国家带来危险，所以网络安全分析是当前网络数据分析中相当重要的一方面。目前网络安全分析的主要数据就是流量和日志，但是由于这些数据的分散性和存储有限性使得网络安全预测存在漏洞，而大数据技术的引进则可以将分散的流量数据和日志数据集中到一起，利用大数据高效的采集和挖掘能力将采集到的数据存储起来，然后再利用大数据技术对采集挖掘到的数据进行分析和检索，对网络安全中存在安全隐患的数据进行处理，不仅提高了网络安全分析，也缩短了数据分析的时间，降低了信息丢失和泄露事件发生频率，由传统的被动防御变为大数据背景下主动地防御。 2大数据技术背景下网络安全平台的建设 2.1大数据背景下网络安全分析架构建设 在网络安全分析架构建设中主要是由下向上建立数据采集层、数据存储层、数据挖掘分析层、数据呈现层[3]等，由它们共同组成大数据技术的网络安全分析架构。基本组成结构如图1。网络安全分析架构中的数据采集层能够分布式的采集基于流、用户身份信息、事件和威胁情报等多源异构信息的收集；而大数据技术中的存储层则能够利用分布式文件系统长期大量的存储庞大的信息数据，并能将数据的结构化、半结构化、非结构化的方式的信息数同意存储，并未将来数据的检索提供了便利条件，而且还能保障所存储数据的安全性和完整性；数据挖掘分析层能够将数据进行关联分析，提取数据的特征，通过这种方式可以实现安全事件的挖掘，并能够很快地发现网络异常的安全行为，并对存在安全隐患的数据进行追溯，然后将其定位，等待安全处理；数据呈现层能够将大数据技术分析的结构进行可视化处理，通过多种维度展现网络安全的状态。 2.2网络安全平台实现的技术支持阐述大数据采集技术。安全平台主要利用大数据技术中的采集技术对海量的安全数据进行采集、整合、传输，该过程能够使使用方在安全性较高，可靠性也较高的状态下接收到源自不同范围的数据，然后在对收集到的信息数据进行处理。大数据存储技术。该技术主要是对采集过程中采集到的数据进行存储，借助该技术的高吞吐量和高容错性将采集到的大量数据存储起来，以保障数据的安全性和完整性。大数据分析技术。在安全平台中，该技术主要是完成数据的统计与分析工作，根据数据的结构化、半结构化、非结构化进行数据分析，然后建立分门别类的事件关系序列库，将数据由简单化转向复杂化，然后在大量的信息数据中查找网络安全的隐患，进而对安全隐患进行处理，保障网络安全。 3结论 通过对大数据在网络安全中的应用分析和网络安全平台的建设知道，大数据技术在网络安全分析中的应用不仅可以降低网络信息数据存储的成本，也提高了数据库的存储容量，更为数据的追溯和检索提供了很大的保障，相信在未来网络安全分析中，大数据技术必然会成为技术的主导力量。 作者：贾卫 单位：太原理工大学邮电中心 大数据应用论文:大数据在电力企业信息报送的应用 【摘要】信息是各级领导决策的重要依据，做好信息报送工作能有效支撑公司经营决策。大数据理念与技术的出现，能够在碎片化的海量数据中挖掘关键信息，也为信息报送与决策服务提供了新的理念与技术手段。以电网企业为例，阐述大数据在信息报送中的应用原则，重点分析报送工作不同环节中应用场景，包括选题识别、评价、规划等重点应用，提出词频分析、关键词相关分析等算法模型，并为大型企业提升信息报送效率与质量提出对策建议。 【关键词】大数据；信息；电力企业；选题 引言 当前世界政治经济格局深刻变化，我国经济发展“新常态”特征日益显著，电力企业发展改革面临更加复杂的外部环境，需要针对新形势、新变化及时作出科学决策。信息是各级领导决策的重要依据，做好信息报送工作能有效支撑电力企业经营决策。大数据理念与技术的出现，能够在碎片化的海量数据中挖掘关键信息，也为信息报送与决策服务提供了新的理念与技术手段［1-5］。本文以电力企业及时决策、科学决策为需求导向，将数据跨界、关联分析、动态预测等大数据理念与技术方法应用到信息报送工作中，形成一套重要信息及时识别、收集、快速分析研判的技术支撑体系，提高信息选题、报送的精准性，提高数据向信息的转化效率，提升信息在决策支撑中的价值［6-7］。 1传统信息情报工作应用现状与发展趋势 1.1传统信息报送工作量与难度不断提高由于信息报送的重要意义，对于工作开展的难度与要求相应较高。一方面，电力企业信息工作者需要编辑处理的信息量特别大。每天摆在信息工作者案头上的各种信息数以10万字以上，特别在目前移动互联网时代，信息工作者需要了解的信息源、信息渠道更为多样，信息处理量、信息热点更加点多面广。目前信息报送工作每年需要处理的文字量达到150万字到200万字。另一方面，电力企业信息工作者需要整合多种信息的难度大。以组织编辑一篇《国家电网专报》为例，往往从策划、查找材料到编写需要搜集整合大量的信息，分析观点与论据、梳理素材与线索的工作难度非常大，而目前这部分工作完全是通过人工完成的。1.2大数据手段提升信息报送工作势在必行大数据时代，随着互联网的快速发展、新兴技术的兴起，音频、文字、图片、视频、地理位置等半结构化和非结构化数据大量涌现，数据正以前所未有的速度在不断的增长累积。借助大数据理念、方法，电力企业的信息报送将从注重处理结构化数据的传统信息管理模式，向多系统集成、多类数据实时收集、存储使用的新模式转变［8-9］。相关技术方法的执行遵循以下原则。一是统筹规划，增强协同：加大协作力度与广度，提高信息工作的整体性与多元化；二是平台统一，价值发现：以统一技术平台支撑各专业领域大数据应用，挖掘各类信息、数据中的价值；三是注重反馈，精益求精：增强信息报送工作中各层级、各专业的相互反馈，促进信息稿件质量不断提升；四是技术支撑，建用并重：加强对大数据相关技术模型的研发，边开发边应用，重视成果实用实效［10］。 2主要应用场景分析 2.1识别关键信息选题首先，将时事热点、领导关注焦点、电力企业改革难点等不同维度的信息进行综合分析与关联分析，从领导讲话、报告、互联网舆情、文件、重要外部数据等不同渠道数据与资讯中识别关键信息，自动推送具有价值的信息选题。其次，结合外部指标数据对电力企业经营决策的传导影响，提炼形成具有价值的信息选题，将不同信息选题经过整理纳入信息选题库，为领导快速决策提供知识储备。2.2构建信息选题指数选题指数主要衡量选题的价值，主要考虑选题的热度、关联性、实效性等维度，为选题报送提供技术支撑。利用选题指数可提升信息选题的精准性，提供选题工作效率。具体功能包括4个方面：一是选题入库，将各单位、部门上报的选题采集到信息报送工作数据库中，便于归档管理；二是选题识别，运用大数据分词技术，识别信息选题中的关键词或关键事件；三是选题评价，主要以重视度、时效性、关联性等维度，对信息选题进行综合评价，形成选题指数供参考；四是选题提示，当选题指数达到一定范围，则在信息报送工作数据库中自动推送给信息工作者，提示具有信息价值。其中选题指数评价主要考虑以下维度。一是关注度，事件及关联事件中涉及的关注度级别。二是时效性评价，事件社会热度分析以及时间点分析，社会热度可借助互联网指数分析社会大众对事件的关注热度；三是关联性评价，通过互联网大数据分析信息事件与其他事件的关联度，并计算关联性高事件的关注度与时效性。2.3支撑信息选题规划将大数据应用于电力企业信息工作，可支撑相关常态化工作的开展。这里主要从以下4个流程对信息选题规划、计划进行优化，满足信息供给与需求动态平衡。首先，信息稿件数量的规划与计划中，可借助电力企业信息报送工作数据库，将已有的信息稿件，按信息领域、信息内容、信息数量、批示情况等分布规律进行分类与聚类，结合信息报送工作人员的工作量，合理确定需求与能力相匹配的稿件预期数量。其次，信息内容领域分布与设计中，可应用大数据关键信息识别技术对热点关注领域进行分析，如在电力、经营管理、能源、公共政策中挖掘主题，综合信息供应能力与领导需求偏好特点，并将其作为一段时间内电力企业信息报送工作的重点主题。最后，在信息报送工作组织管理方面，可利用大数据技术与应用手段，加强信息资源的共享与互动，在电力企业集团内构建更加细化的情报网络，及时将基层信息上报到企业总部。 3算法模型与技术平台 为使上述应用得到有效落实，需要在算法模型与技术平台方面开展全面设计与研究。3.1分词技术与词频统计分析模型该项技术主要应用于对信息稿件进行关键词提取与统计分析，适用于选题指数、报送指数、知识管理等场景。一是建立分句分词，把信息文本由段落分成单独句子，并利用自动分词工具将句子分成若干词；二是进行词频统计，计算每个词出现的频率；三是进行高频词与句子选择，基于频率选择出最重要的或最有代表性的单词，同时基于单词频率，可选出有代表的句子或段落。类词汇，便于识别高频词汇，筛选重要关键词。3.2关键词相关分析模型关键词相关分析模型主要应用大数据技术，将海量的文章存储到信息报送工作数据库后，通过分析与关键词具有联系的词汇出现频率，从而判断与关键词具有相关性的词汇。一是识别关键词出现的频率，即对应文章的数量；二是判断关键词与哪些主题有联系；三是判断关键词与这些相关主题联系的强弱。主要借助工具：VOSviewer、SATI3、UCINET，需要将3个软件进行综合应用。由图4可知，该文章中与能源相关性较强的词汇包括核能、天然气、水资源、电力等词，这些词都应作为分析其热度、关注度的相关词汇。3.3关键词热度分析模型利用互联网大数据资源，对信息中的关键词搜索频率、搜索时间进行统计，得到一段时间内关键词的热度。一是进行选题热词识别，主要将信息中的关键热词进行筛选与识别；二是进行热度评价。热度主要是通过互联网大数据分析判断得出。以内参“人民币进入SDR”为例分析关键词“SDR”的热度，通过对互联网点击数据的汇总与分析可发现，该选题在2015年12月1日附近热度最高，11月28日以前以及12月3日以后则热度骤减，可知11月29日至12月2日为该信息的最佳报送窗口，可为报送指数提供参考，也可将热度值进行量化为选题指数提供数据支持。3.4信息统计分析方法利用信息报送工作数据库，将所有信息按部门、类型、数量、主题、批示等不同字段进行统计，从而发现一定规律。一是按不同维度对信息进行分类统计，查找信息分布规律；二是对分析结果进行可视化展示；三是对分布规律进行显著性检验，验证结果的有效性。 4结束语 本文主要以需求为导向，紧密结合信息报送与决策服务中的热点、难点构建大数据在信息选题与报送中的应用框架，并从数据源、数据分析、挖掘、平台、管理支撑等方面建立一整套解决方案，以提高信息选题、报送的精准性，提高数据向信息的转化效率，提升信息在决策支撑中的价值。具体建议如下：一是建立信息情报开发与利用机制，统筹管理信息收集、分析与规划工作，在企业内部各个单位、部门中建立协作收集与分析机制，并建立优势互补的收集管理体系，提升电力企业整体信息情报获取与分析水平；二是建立跨部门信息协作的机制，建立分层、分级的管理制度与细则，建立信息保密制度，鼓励信息工作人员使用信息资料、分享信息资料；三是以选题指数、报送指数为突破口开展大数据应用的实施推广工作。结合选题、报送指数的设计思路，以部分选题为例开展指数的权重设计与模型研发，为信息选题与报送工作提供技术支撑；四是要有保证信息资源实现畅通共享的相关技术体系，在科技项目与信息化项目投入方面，需要研发一系列大数据工具、方法与模型，为支撑信息报送工作提供丰富的技术手段，提高工作效率。 作者：王鹏 孙艺新 单位：国家电网公司 国网能源研究院 大数据应用论文:大数据技术在电子政务的应用 【摘要】科学技术的发展使社会生活和工作的方方面面发生了变化，尤其是在电子政务领域，大数据时代的来临，使电子政务发展有了必然和可能，对大数据特点以及相关技术的研究，可以模拟出几种大数据在电子政务中的应用场景，大数据在以后的发展中还会有更为广阔的空间，因此要使电子政府能够更加高效、便捷，就需要在功能以及服务方面加以完善，打造出真正的现代化服务型政府。 【关键词】大数据；技术；电子政务；应用 随着我国互联网技术、云计算以及物联网等方面的快速发展，政府的各项事物也向着大数据方向发展开来，对于大量的、复杂的信息需要在采集以及存储和分析处理的过程中更加便捷的发挥作用，未来的政府决策等等也将以大数据信息来处理，改变了以往单单依靠经验和直觉对事物进行判断的状态。基于此，本文对大数据技术在电子政务领域的应用进行分析和研究。 1对大数据的相关研究 1．1大数据技术的主要特点 首先，能够处理比较大的数据量。所谓大数据时代就是社会工作和生活中的每天的数据都会呈现增长的状态，这样如果用比较传统的方式就没有办法妥善的处理，但是利用大数据技术能够解决大量数据堆积的情况。其次，对不同类型的数据进行处理。大数据技术不仅仅对一些大量的、简单的数据能够进行处理，还能够处理一些复杂的数据，例如，文本数据、声音数据以及图像数据等等。最后，数据处理的速度非常快。大数据技术能够处理纷繁的数据类型，还能够高效的高速的完成数据的处理。另外，大数据技术的应用具有密度低和价值大的效果。一些零散的，各种类型的数据，如果不能在短时间内分析出来信息所表达的含义，那么可以利用大数据分析技术，将信息中潜藏的价值挖掘出来，以便于工作研究或者其他用途的使用，便于政务的便捷化和深层次化。 1．2大数据技术的介绍 大数据主要是对一些不能使用常规性软件对其数据进行分析、处理和采集的一种数据的集合。而大数据技术则是对各种规模比较大的数据进行信息的获取，这种技术包含大数据的挖掘技术、分布式数据库以及分布式软件系统的集合和云计算处理。大数据的整体技术需要从以下几点出发进行研究:首先，数据的采集。大数据技术可以在采集数据的基础上进行责任的异构，在分布式的数据源中进行数据的抽取和采集，然后再经过筛选、转换以及集成，加载到相应的数据库中，为政务数据挖据和分析打下坚实的基础［1］。其次，数据的存取。数据的存取过程是对关系数据库以及非结构性数据量中的数据进行的存取，其中包含SQL、NOSQL等等。再次，基础架构以及数据处理。在基础架构的过程中，通过云计算的架构能够进行云储存的搭载，并且储存分布式元件等等。数据的处理主要是对数据进行加工和处理，其中包含了对原始数据的整理和计算，编辑与分析等等。最后，数据的统计和挖掘。通过聚类分析、卡方分析以及距离等分析上，可以对数据进行统计分析，另外，其他常见的方法还有对应分析和多元分析。数据的挖掘技术主要是对在现有数据当中对一些图形文件、视频文件和音频文件等等通过数据挖掘技术使用的各种算法进行的计算。这样的计算所起到的作用是对未来进行全面的效果预测，以此实现高级别数据的分析需求，在数据挖据技术的使用过程中，需要有分类、预估以及相关性的描述和聚类等等，使用的开放工具是mahout等。 2大数据在政务工作中的应用 2．1使用大数据技术对政府网站进行大数据的分析 通过大数据技术能够在各个省市以及县级政府的网站中，抽取用户经常访问的界面，然后对用户在界面上停留的时间，浏览的内容、浏览的时间等进行交互信息的获得，由此对用户的需求做出简要地分析。在大数据使用的基础上，可以根据用户对政府网站的需要，进而达到优化网站的目的，基本从网站的页面、网站的栏目中以及网站的功能上进行服务优势和缺陷的分析，这样不仅可以提升网站的响应能力还能够将政府的一些信息及时的推动到用户的手中，通过政府网站日志集成的办法处理各种数据的集成，进而成为政府领导为城市以后的发展和谋划提供较为科学的依据，让科学决策拥有强大的技术支持。 2．2大数据技术在政务工作中的信用平台建设 使用大数据技术可以将政府各个职能部门或者法人以及个人的信息资源利用起来，以此最大化的推动政府规范诚信机构的建设，建立起个人的信用信息使用平台，让个人信用在大数据背景下建设成完善的体系和模式，以此为社会工作和社会生活提供一些较为准确的、及时的、有效的个人诚信信息，促进政府个人信用信息的开发和利用，为了建设诚信地社会奠定一个较为完善的和坚实的基础。例如，在调查某政府部门中职员的信用信息时，就可以利用这个方法获得。 2．3电子政务方面大数据交换共享平台的构建 利用大数据技术，可以为政府建立起电子政务大数据信息的共享和交换平台，并且通过这种方法将政府各个办公室以及社会群体所收集到的信息进行分类和筛选，通过对比和分析以后，建设成为有自然人、法人以及空间地理集合的基础性数据库，以此做到强化信息资源使用，通过信息资源整合形成的政务信息资源。在大数据的基础上，所形成的交换以及共享平台可以实现政府各个部门之间的横向和纵向的信息集合，然后，在跨地区、跨政府的条件下也可以进行业务方面的交流和沟通，促进业务协同的开展。依托于这种信息共享和交换平台，可以制定出信息资源共享的统一目录以及标准，进而产生社会政务的开放性数据，有利于促进社会资源的有效开发和利用，为政府之间跨层次的交流提供保障，也为社会的公共服务和社会的公共管理和宏观调控提供了一定的数据支撑。 2．4大数据下电子政务决策系统的应用 在大数据技术的支持下，因为有比较强大的信息数据存储能力和较为突出的信息数据挖掘能力，并且信息的分析处理的作用力也非常强，这样政府就可以从各个部门所收集的海量数据中提取出一些有用的信息进行分析和处理，以此提升政府的决策力度，提升决策的精准性和科学性，让政府在一些社会工作的预警能力上有突出的表现，起到解决决策成本以及促进城市管理的目的，可以在交通的智能化管理上、环境问题的检测上提供更加准确的，共决策使用的数据。 3结语 综上所述，本文对大数据时代政务工作的有效开展进行了分析和研究，主要指出了大数据的特点、基本的优势以及大数据技术在政务工作中的具体应用等等。今天是信息科学技术的时代，每一个人，每一个单位都需要重视科学技术的作用，让信息和大数据能够为人们所用，在提升劳动生产效率方面发挥积极的作用，逐步的推进我国大数据在电子政府领域的建设，为打造智能型，服务型政府而做出努力。 作者：潘涛 单位：鄂州职业大学 大数据应用论文:大数据技术在石油行业信息化的应用 摘要：运用大数据技术实现对现代石油行业信息化的管理，成为了现代石油行业信息化管理发展的重点，而大数据技术在企业中的实际应用，主要集中体现在新型云计算服务的应用上。在企业信息资源的优化调整中，通过对业务的需求分析并运用大数据技术，提供契合度最高的信息服务资源。以云计算技术作为主要突破口来探究现代石油行业在发展中的主要动向。 关键词：大数据技术；石油行业；信息化；云计算 作者简介：郭瑞（1986-），男，助理工程师，本科；李健（1987-），男，助理工程师，本科；田立锋（1984-），男，助理工程师，本科 伴随着现代社会的飞速发展，大数据技术已经成为了石油石化行业信息化管理的重要手段。在大数据技术的管理与发展中，云计算技术的使用成为了软硬件资源管理的主要集中体现的区域。而云计算领域的涉及也逐步地让人们了解到大数据应用技术的便捷性。下面针对大数据技术在石油行业信息化中应用的具体实践情况进行简要论述。 1云计算技术 什么是云计算技术呢？可以理解为在网络配套设施的使用中，集中资源地统一化管理分配，从而使用户通过协同合作来完成企业、个人的信息服务。其主要的核心技术集中体现在虚拟化技术、数据存储技术和并行计算技术3个方面。虚拟化技术：是对服务的一种虚拟化，将更多的服务资源进行统一管理后，实现多个虚拟服务器共同服务的效果。这样对于用户所需要服务资源能够进行一个更高效的支配管理，同时在数据处理和桌面系统运行上，也能够实现的服务资源利用的最大化。数据存储技术：这一技术属于云计算的存储技术，利用分布式的信息系统，完成对计算机集群的整合管理，通过有效设置实现对更加庞大的类型数据进行存储的目标。在运行中主要依据于软件的集合工作，从而达到内外部的业务数据访问的目的。从目前的数据存储技术来看，主要有Google文件系统（GFS）和Hadoop分布式文件系统（HDFS）两种技术来供应实际的使用。并行计算：是指同时使用多种计算资源解决计算问题的过程，是提高计算机系统计算速度和处理能力的一种有效手段。这种计算方法，能够极大地提高计算的资源的处理速度。通过化整为零的方式实现一个问题分步解决，从而解决大型而复杂的计算问题。 2信息化运行现状和发展趋势 伴随着我国经济的迅速发展，石油行业也得到了全面的发展，在管理上也逐渐地意识到信息化改革的重要性。在实施的石油行业管理中，通过对传统模式的改革，逐步地实现了向信息化、数字化转变的目标。通过对企业信息资源的有效性管理，并结合现有的管理模式，更加有效地提高了企业资源的利用率。下面对传统管理模式和信息化管理模式的优缺点进行对比。信息检索速率的改革：传统的信息管理会面临巨大的信息检索工作，即便是在现代的企事业单位高效率软硬件工作环境下，信息传输速率也都会出现瓶颈。而大数据技术的信息检索管理则会有效地改善此类问题，从而更加便捷地将生产、维护、运行中所出现的信息资料统一进行提取备份分析，通过高效的算法以及软硬件资源的里配置，迅速地筛选出所需要的一系列信息资源，从而实现对信息速率的极速提升。通过这样的信息技术应用，极大地提高了企业部门的系统管理工作的效率，加速了企业管理的信息化市场应用改革的进程。产品全生命周期管理的改革：传统的产品生命周期较为复杂和繁琐，通过可研、立项、设计、施工、运行、维护监测等多个阶段测试后，方可进行投产使用。而设计期间以及施工期间的信息检索以及采集处理需求量较大，导致资源消耗也过大，极大地增加的生产周期的负担与运营成本。而大数据技术中的信息模拟仿真技术就是解决此类问题的有效方法，它能够合理地利用和分配现有资源，精准地检索出所需资料，并高效地进行数据处理。同时通过虚拟的模拟演算，实现对数据准确性的校验与检测，最终达到缩短工期的目的，为生产提供了更高的生产安全保障。行业信息的展示方面：传统的信息管理方法，主要通过纸质文件的形式来进行展示存在诸多的不便。而通过现代大数据技术的信息化管理，能够更加直接地将信息展现在人们的视野之下，使用户获得全方位立体式的信息展示，从而使信息更容易被用户解读，也让用户更有兴趣去了解所展示的信息。 3云计算技术的实际应用 云计算技术在石油行业信息化中的提供的服务与架构如 3．1数字化油田的空间数据库构架 利用大数据技术的超强数据存储能力和虚拟化技术构建一个更加完善和全面的油田空间数据结构，通过等比例尺的多维度数据监控管理，配合虚拟化技术提供的资源与服务，实现在地理信息数据上的有效调度与管控。 3．2建立数字油田的标准体系 数字油田虽然已经经过多年的建设和发展，但是数字油田标准化体系一直处于滞后的状态，成为制约数字油田进一步发展的关键因素。建立数字油田的首要任务是制定有关数字油田建设项目管理类标准规范、软件开发及运行维护通用标准规范、数据建设类标准规范。其中总体设计还会涉及到基础信息分类编码规范和适用于勘探开发应用系统建设的具体标准规范。数字油田标准化体系的建立会对工程项目管理、信息基础设施、数据及交换、信息安全、信息系统建设、系统运维服务等多个方面提供最佳的数字化信息服务。 3．3建立企业数据仓库 随着数据容量与数据类型在过去几十年里的大幅增长，传统的数据存储模式已经无法负荷日益增长的数据量，而数据仓库技术的出现与发展满足了数据存储与分析的这两类庞大的需求，从而彻底改变了数据集成的前景。在建立数据仓库的技术方法中，企业中所有数据首先会根据数据类型进行分类，也会考虑到数据本身的性质及其相关的处理需求。数据处理过程将会用到内置在处理逻辑中并且整合到一系列编程流程中的业务规则，数据处理会使用到企业元数据、主数据管理（MDM）和语义技术等。数据仓库技术可以高效利用当前及未来的数据架构和分类方法，保持处理逻辑的灵活性，使它能够在不同的物理基础架构组件上发挥作用，从而提高企业的信息化管理的效率。 3．4大规模数据的并行处理与计算 现有并行程序设计算法需要考虑数据的存储管理、任务划分与调度执行、同步与通信、灾备恢复处理等几乎所有技术细节，且非常繁琐。为了进一步提升并行计算程序的自动化并行处理能力，应该尽量减少对很多系统底层技术细节的考虑，从底层细节中彻底解放出来，从而更专注于应用问题本身的计算和算法实现。目前已发展出多种具有自动化并行处理能力的计算软件框架，如GoogleMapReduce和HadoopMapReduce并行计算软件框架，以及近年来出现的以内存计算为基础、能提供多种大数据计算模式的Spark系统等。并行计算的性能评估是通过加速比来体现性能提升的，这里所提到的加速比是指并行程序的并行执行速度相对于其串行程序执行速度加速了多少倍。这个指标贯穿于整个并行计算技术，是并行计算技术的核心。从应用角度出发，不论是开发还是使用，企业都希望随着处理能力的提升，并行计算程序的执行速度也需要有相应的提升，从而完成大规模数据的并行处理与计算。 4结语 随着现代信息化技术的不断发展，已经逐步地实现全面的信息化改造建设。而对于作为社会生产命脉的石油石化行业，利用大数据技术实现其信息化的管理与发展，已经成为了一种趋势。在本次的论述中，针对于传统的信息管理策略与现阶段的社会生产模式进行了对比分析与研究，通过对现有问题的探究与认知，进一步证明了大数据技术具有更加便捷高效的特点。倘若要在石油行业的全面信息化建设中大力发展大数据技术的管理，仍需要进行不断的更新与调整，只有做好各个方面适应性改造，才能够实现对工程管理技术上的重大科技突破。 作者：郭瑞 李健 田立锋 单位：海洋石油工程股份有限公司

大数据时代论文:大数据时代药物化学教育创新 1药物化学教学内容改革 综合基础知识讲授，增强教学内容的交互性。药物大数据的概念的提出以及相关研究的开展，给现代药物化学教学内容改革提出了新的机遇和挑战。将创新意识、药物大数据的概念融入基础知识教学中，以加深学生对基础知识的理解。每一类型药物的讲授，应以重点药物、经典药物为例，同时将该药物在最新的数据库中进行搜索，进而引出目前该药物的研究前沿。作者在讲授药物结构、命名、合成方法、理化性质、代谢形式等基础知识的同时，着重引导学生思考研究者在药物研发过程中的设计思路、考虑问题的出发点和归属，将该类型药物的发现、发展和衍生化，药物的作用靶点信息，现阶段临床用药、类似药物的研究进展、最新理论和技术等信息进行有机整合，从而将药物设计方法整合入知识点的介绍中。比如在讲解循环系统药物受体阻滞剂的时候，介绍从药物结构数据库PDB数据库中下载和展示受体的三维结构的方法；在讲授抗癫痫药物苯妥英钠时，介绍药物数据库Drugbank中查找相关药物性质的方法，介绍磷苯妥英作为水溶性磷酸酯前药的一个成功实例进行讲授。这样使得前药、药物信息等内容有机、生动的展现出来，也将药物综合知识、药物大数据概念和内容落实到了具体的药物教学中。挖掘药物研发信息，使得教学内容具体生动。从药物大数据中出发，挖掘以药物发明史、药学新前沿、药物化学家创造的社会价值、药物化学研究的趣事等相关信息，激发药化学习兴趣。比如在青霉素的教学过程中，通过穿插亚历山大•弗莱明青霉素的发现过程，教育学生严谨的科研态度和细致的科研观察的重要性；在讲授抗肿瘤药物时，也介绍最新的抗癌药物临床研究，介绍密西根大学王少萌教授基于结构设计策略成功获得强效的、口服的MDM2小分子抑制剂，进而实现成果转让约3.6亿美金的成功案例；在糖尿病药物教学中，列举了最新批准的药物，最近一年的糖尿病畅销药物排行，各药物相关的靶点信息，创造的社会价值，带给学生药学新近动态信息。通过生动的药物发明故事，最新的药学动态数据，让药物化学教学课堂更为生动化、具体化、人性化，从而充分激发学生的兴趣、更加深入掌握药物化学知识。结合科学前沿讲解案例，赋予教学内容创新理念。从大数据中寻找药物研发的历程，将药物的科学研究过程以及最新的进展融于教学中，不断保持教学内容的先进性。在药物化学课程安排中，作者采用了案例教学的方法，安装主要疾病靶标类型，选取药物研发的成功实例，分析药物研发过程，进行案例教学，不仅包括目前临床使用的经典药物，近年来研发的热门药物、靶点，也涉及老药新用、多靶点药物、系统生物学等方面的内容，进行一课一例的专题讲解。以反应停（沙利度胺）药物的讲解为例，一是讲解孕妇使用反应停后抑制了孕吐反应的同时也产生了海豹胎儿的药物历史上的灾难的经典案例，使学生认识到了手性在药物研发中的重要性；二是突出强调沙利度胺在1998年又被投放到市场，作为多发性骨髓瘤、麻风结节性红斑等病症的治疗，以及2013年FDA还批准了沙利度胺的类似物上市用于多发性骨髓瘤的治疗，是学生了解药物是可以改造、可以优化，甚至可以重新定义适应证、重新回到市场的。三是介绍关于沙利度胺的最新研究成果，包括2014年Nauture上发表了确证沙利度胺的作用靶点为CRBN的研究论著，让学生进一步了解该药物研究最新进展。类似的案例教学是将科学实践来验证课本中的理论，在教学中融入药物化学领域的新信息、新思想和新技术，培养学生的创新意识和创新能力。 2教学方法和手段的改革 充分使用各种药物大数据资源，将药物化学研究的相关数据库应用到药物化学的教学中，其中包括scifind-er、chembl、drugbank等。SciFinder数据库可以透过网络直接查看《化学文摘》自1907年以来的所有期刊文献和专利摘要，以及八千多万的化学物质记录和CAS注册号。Chembl数据库是欧洲生物信息研究所（EBI）开发的免费在线数据库，从大量文献中收集各种靶点及化合物的生物活性数据，为研究者提供了一个非常便利的查询靶点或化合物的生物活性数据的平台。Drugbank数据库中包含了现在上市的或者正在做临床研究的药物的药代、药效、靶点等相关信息。通过该数据库，学生可以快速了解药物的合成方法、适应证、作用靶点等信息，同时学生也可以通过查阅相关数据库了解类似结构骨架的化合物在药物研发中的研究发展历史和最新的研究前沿。在具体的教学实践中，作者安排了1次讨论糖尿病药物的课程，将学生分成两组，分别在数据库中查找葡萄糖苷酶抑制剂和DPPIV抑制剂的临床应用情况、化合物的合成方法、目前的研究前沿。以项目讨论的方式，分别介绍了这2类药物的情况，充分调动学生的学习积极性，取得了良好的效果。充分利用各种教学科研软件，将现代化教学方法手段应用到药物化学教学中。从2009年开始，笔者所在的教研室编制标准化幻灯片（PPT）课件，并根据每年的科学前沿，更新PPT的内容。此外，作者也在尝试使用其他软件来表现药物化学教学中设计的药物、蛋白结构，包括Chem3D、PyMol等软件。其中，Chemoffice中的Chem3D是一款三维立体分子结构的演示软件。Chemdraw可以从二维的角度观察药物逐步的优化过程，展示药物合成的方法，而Chem3D能够更加直观地从立体上来考察和展示药物功能团变化给立体构型上带来的改变。PyMol是一款显示和分析分子三维结构的软件，应用PyMol软件可以图形化地表达分子动态过程，不仅可以用球棍、飘带等多种方式显示分子三维结构，也可以对蛋白质三维结构进行编辑、修改、显示，更为重要的是还能够清晰的展示显示药物与受体的结合原理，并能够以三维图形的方式展示分子相互作用的动态过程，使得原本抽象的教学内容直观而又形象地呈现出来。在课程的各个章节的PPT课件中均使用PyMol软件制作蛋白、小分子的三维结构图。通过各种软件的辅助，负责的药物结构、特殊的构效关系，许多语言难以描述的内容，变得形象生动，降低学习难度，突破教学难点，使学生对药物结构有更直观形象立体的了解，加深学生对知识点的理解和掌握。随着大数据产生，云计算的概念和运用越来越广泛，将云计算的教学平台用于现代化的教学中，能够有效的整合利用计算资源，降低了基础资源建设中巨大的软、硬件成本。同时，云计算教学平台能够加速药物设计相关知识更新速度，追踪科学前沿，实现个性化教学的实际需求，将理论知识和科研实践有机地结合起来，能极大地提高学习效率。作者所在的教研室，搭建了药物化学云计算网络课程，学生在登陆云计算服务器后，不仅能够通过网络复习上课课件，也能够通过网络进行课后练习并进行在线作业提交、提问。教师能够通过云计算网络回答学生问题、了解学生学习情况。除了云计算平台之外，云服务辅助教学平台对于信息化教学尤为重要。云服务辅助教学的理念使得课后辅导工具变得多样化，通过时下流行的交流工具如QQ、微信，不但可以保证教师和学生之间的畅通交流，也可以促使学生间的交流。教师可以通过截图、群发辅助学习资料等方式，共享学习材料和经验，提高学生学习效率。同时，教师也可以通过学员的QQ、微信发言提问情况全方位的掌握学生的学习状况。此外，作者也将药物设计相关的最新文献通过群共享的方式分享给学生，同时也加上自己的对文章的创新点的点评意见，培养学生的追踪科学前沿的习惯和科研创新的能力。 3合理的课程体系 药物化学是连接化学和药学的桥梁，主要涉及设计、发现、开发创新药物。随着大数据时代的到来，药物化学承担了从基因组学、蛋白组学出发发现创新药物的特殊任务，已经越来越多地融合了系统生物学、化学生物学、生物信息学、结构生物学等内容。除了必需的基础课以外，还需提供合理的课程体系才能达到药物化学教育目的。因此，在药物大数据的时代背景下培养创新型药学人才，除了药物化学课程外，还需要以相关课程群为依托，从宏观角度对教学内容进行调整，使得基础知识得到巩固、知识面也得到拓展。以药物化学为主干课程，以药物化学实验、药物设计学、高等有机化学等为专业辅助课程，主题性更强的课程（如临床用药案例、生物信息学、G蛋白偶联受体药物化学等）可作为为选修课程。目前，作者所在教研室也在这方面进行了探索，一方面进行药物化学实验课程改革创新，另外一方面开设G蛋白偶联受体药物化学本科生暑假课程、生物信息学选修课程、临床用药案例作第二课堂，取得了较好的成效。总之，药物大数据背景下的药物化学教育改革，要从药物大数据的综合性出发，改革单纯的教学方式，拓展教学思路和教学内容，以培养创新意识创新能力为导向，训练学生的学习思维方式为动力，确实提高学生自主学习的能力和挖掘有效药物数据能力。在巩固基础知识的教学的同时，与时俱进，培养出能适应国家和社会需要的创新型药学人才，为建设创新型国家服务。 作者：欧阳勤 王懿 李海波 刘天渝 单位：第三军医大学药学院 大数据时代论文:大数据时代下高校学籍管理研究 一、大数据时代高校学籍管理工作的特点 （一）高校学籍管理工作数据量增多 随着我国信息技术的不断进步，高等教育规模的不断扩大和高等教育事业的蓬勃发展，学生入学信息、学生学籍档案、学生成绩数据等大量高校学籍管理信息和数据也逐年增加。数据量增多，单靠原有的学籍管理者手工纸质记录学籍信息，已经完全不能适应大数据时代的要求。新增的数据量，给高校学籍管理工作者带来了巨大的管理难度和精神压力。 （二）高校学籍管理工作业务种类繁杂 在大数据时代下，由于数据量增多，高校学籍管理工作变得繁杂多样。高校学籍管理工作内容包括：按照国家和高校的相关规章制度和政策对学生取得入学资格进行审核；根据学生在校期间的日常表现和生活状况建立学生学籍档案；通过学生课程成绩掌握学生学习动态和高校教学质量；严格对毕业生进行毕业和学位审核；为在校生和毕业后学生提供其他各种学籍服务等。高校学籍管理具体事务有：新生入学注册；学生火车票优惠卡注册；在校生学年注册；学生学习成绩监管；毕业生学历及时注册；毕业生学历查询认证等。高校学籍管理工作的服务对象是：为在校生服务、为毕业生服务、为用人单位服务、为社会相关部门和机构服务等。 （三）高校学籍管理工作及时性强 大数据时代下，高校学籍管理工作具有较强的时效性。特别是我国采用“中国高等教育学生信息网（学信网）”对高校在校学生和毕业学生学籍信息数据都有明确的时间管理：各高校学籍管理者都应该在规定的时间内，按国家《普通高等学校学生管理规定》及各高校学籍管理规章、政策和流程，准确及时完成新生入学信息维护、在校生数据管理、毕业生即时注册。此外，在日常的高校学籍管理工作中，各高校学籍管理者还要应对为学生维护核实学习成绩；为在校生开具学籍证明；为毕业生补办毕业证明材料；为用人单位回复学历查询；为相关机构学历认证核实信息等，这些学籍管理工作也强调数据的完整性、准确性和及时性。 （四）高校学籍管理工作专业人员缺乏 大数据时代最终的意义是要体现数据的价值，但数据的价值要靠管理者的洞察力去挖掘、分析。在大数据时代下，高校学籍管理工作也需要专业的学籍管理工作者对学籍信息数据进行有价值的剖析和研究。但现在高校从事学籍管理工作的人员大多数来自于教育行业，他们并没有受过专业的学籍管理工作的培训，普遍缺乏对计算机、信息、数据分析挖掘技术的知识。此外，国家相关部门没有统一规范的学籍管理政策，各高校甚至忽视学籍管理工作的重要性，不重视对高校学籍管理队伍的建设和人才培养，形成了各高校学籍管理工作者只关注应对日常学籍管理工作，对建立严谨的洞察力去分析高校学籍信息和数据几乎没有涉及，这使高校学籍管理信息数据分析研究领域成为空白。 二、大数据时代高校学籍管理工作的发展前景 大数据时代高校学籍管理工作是在管理学籍工作的过程中，大量收集、分析、运用各类信息和数据，尝试不断创新和改进繁杂多样的学籍管理工作，使学籍管理标准化、规范化和智能化，以服务学生、服务社会，从而提高高校学籍管理工作效率和管理水平，提升高校学籍管理工作者自身修养和业务素质，促进高校和谐稳定发展。 （一）大数据时代高校学籍管理工作，要求学籍管理创新化 大数据时代下的高校学籍管理应该注重思维模式的创新化。高校学籍管理思维模式不能只停留在现有的学籍管理模式中，应该不断创新，建立适应大数据时展的思维模式。高校学籍管理思维模式既要符合高校学籍管理，以“中国高等教育学生信息网（学信网）”中的高校在校学生和毕业学生的数据和信息管理为依托，还要支持大数据时代的特点，集聚社会资源，体现学籍管理数字化，校园服务智能化，使高校学籍管理数据和信息易整理、易保存、易查询，为高校管理服务，为高校学生服务，为国际社会服务。 （二）大数据时代高校学籍管理工作，要求学籍管理规范化 大数据时代下的高校学籍管理应该做到学籍管理信息系统程序的规范化。在大数据时代下各高校要以学籍管理公开、公正、公平为基础核心，按照国家《普通高等学校学生管理规定》，认真做好学籍管理制度的改革，不断完善学籍管理工作的流程，建立学籍管理信息系统体系，改进学籍档案管理，加强学籍保密制度等。应利用大数据的特点，合理规范高校学籍管理工作，使学籍管理工作有序、高效、合法。学籍管理规范化有利于高校学生在大数据时代下增强自律性，认真贯彻执行学校的规章制度；有利于维护高校在大数据时代下的正常教学秩序，提高工作效率和教学质量；有利于高校促进大数据时代的全面发展。 （三）大数据时代高校学籍管理工作，要求学籍管理智能化 大数据时代下的高校学籍管理应该通过不断规范和创新达到最终学籍管理手段的智能化。在大数据时代下，高校学籍管理数据信息量较大，学籍管理工作繁杂多样，但通过管理思维模式的不断创新和发展，通过学籍管理信息系统的不断规范和完善，采用科学的管理手段和方法，结合各高校自身的学籍特点，深入挖掘、系统分析和有效处理高校学籍管理工作中的数据信息，能简化高校学籍管理工作流程，提高高校学籍管理工作效率，最终实现高校学籍管理数字化、简单化、人性化、智能化。 （四）大数据时代高校学籍管理工作，要求提升学籍管理工作者自身的修养 学籍管理工作者在大数据时代下，要努力提高自身的素质和修养，不断进取，熟练掌握现代化管理手段，准确运用大数据时代特有的“查询能力、思维能力、甄别能力”。学籍管理工作者要认真学习法律知识，利用法律武器维护学校和学生的数据信息及合法权益。高校学籍管理工作者还要不断增强教育事业心和管理责任心，在日常的工作中，善于在大数据形态中发现新问题，研究新情况，探索新规律，总结新经验，始终坚持“以人为本”的管理理念，提高自身在大数据中的决策能力和协调沟通能力，更好地发挥学籍管理工作能力和服务水平，提高管理效率，确保学籍管理工作的有序进行。 （五）大数据时代高校学籍管理工作，要求提升学籍管理工作者的管理水平 高校学籍管理工作者，应该意识到大数据时代下的学籍管理不只是简单的管理，更重要的是对各种繁多的学籍数据进行整理、挖掘、分析、利用。高校学籍管理工作者应该了解大数据时代学籍管理工作的重要性及其工作特点，端正工作态度，做好学籍管理数据分析研究，更好地服务学校、服务教师、服务学生，真正做到大数据时代的“管理育人、服务育人”。 三、结语 高校学籍管理工作者还应重视学籍管理队伍建设，有计划地加强对高校学籍管理工作者专业素质的培训，制定适应学籍管理工作者队伍建设发展的方针和策略。大数据时代要求学籍管理工作者对大数据挖掘、大数据分析有所了解，还应该熟练掌握、操作和应对各种繁多类型的大数据对高校学籍管理工作带来的冲击和变革，将其合理开发和利用。要提升学籍管理工作者的管理水平，就要整合各类信息，重视高校服务，加强学籍管理，建设一支强信息、重服务、细管理的高素质学籍管理队伍。同时还要促进各高校之间的合作与交流，加强各部门之间的协作与沟通，提高高校学籍管理队伍整体水平，使高校学籍管理工作在大数据时代稳步发展，不断提高。 作者：杨奕 田宝柱 王艳彦 梁黎明 单位：河北联合大学 大数据时代论文:大数据时代图书馆管理研究 一、大数据在图书馆管理中理论及应用现状 计算机信息技术的快速发展，推动了物联网、云端计算等一系列新兴事物的发展，其中强大的数据服务功能被广泛应用于各个实践领域。“大数据”概念提出后，立刻成为Microsoft、Oracle、IBM等IT企业研究与开发的焦点，逐渐成为信息技术又一创新优势。从理论研究现状来看，大量理论研究成果都出现在近几年，通过以“大数据”为关键词，在CNKI、万方数据以及百度文库等平台进行搜索，2010年之前仅有46篇，而2012年324篇，2013年达到1044篇，截至2014年12月，各类研究成果达到了3000余篇。分析研究内容：国内大部分研究仍停留在理论阶段，宏观层面分析较多；能够立足现有技术进行深度挖掘，但具备实践创新的成果不多；侧重点单一，大部分研究成果都是以数据的存储、获取、处理和安全为主。从图书馆管理应用来看，完全实现“数据化”仍然存在几道关卡。第一道关卡是数据应用的复杂性。中华民族历史源远流长，很多研究成果都是以纸质或者口口相传流传至今，未能及时转化成为数据信息，部分研究成果看似过时，但却是某一时代科技发展的精华，因应用不多，很难及时转化。而图书馆馆藏量巨大，其数据类型、结构以及模式都存在极大的复杂性，给搜索引擎、索引建设以及冗沉信息清理带来极大困扰；第二道关卡是数据识别的不确定性。无限交互性是网络应用的最大亮点，但对于图书馆管理而言，其多维海量的数据种类为“大数据”应用带来了很多的不确定性，除数据本身特点之处，数据学习和应用模式上，也存在很大的不确定性；第三道关卡是数据涌现异质性。在研究过程中，常常把“整体大于部分之和”视为数据系统涌现特质，用于区别于其他数据，在多元化、异质化以及功能化相对突出的网络数据当中，数据发展是在完全没有进行控制和定义的前提下进行的，缺乏统一规范的标准，理论创新成果的多元化发展趋势，必然会导致无序开发和资源浪费，国内的大量研究成果仍然需要宏观理论的指引和实践检验，才能够形成完善的“数据化”应用指导理论。 二、基于大数据背景下图书馆管理作用定位 “大数据”应用能够提升图书馆管理整体水平，推动服务能力、个性拓展、资源整合以及数据处理等方面的创新及改革，在图书馆管理上的定位也将更加明确。 1.管理与服务重点逐步向上游拓展。 大量的研究成果显示，无论是传统的纸质图书还是当前快速发展的电子媒介，从服务对象来看，都是以下游为重点，其功能主要体现在馆藏资源的整合、存储、提取与应用上。但在“大数据”理念指引下，图书馆的功能得到开发与拓展，实现结构化、半结构化和非结构化变化趋势，除提供可检索书目库、资源库以及功能信息库外，还提供可选择的个性化服务，其服务与管理重点逐步向上游转移。图书馆“数据化”功能不再以阅读为重点，而是通过数据搜集整理，多角度分析，形成具有决策参考和情报分析的数据包，为使用者进行决策提供准确的服务。 2.功能集成化多元化发展趋势明显。 从社会整体架构来看，图书馆的公共性特征使其成为社会服务体系的重要环节，历来都是基础教育、文献服务、休闲娱乐的重要活动，在人类繁衍生息、科技发展以及思维启蒙上发挥着重要作用。随着信息技术的深度应用，图书馆“数据化”发展成为必然趋势，以往受图书馆容量、管理人员素质以及管理权限限制，很多图书馆只发挥了存储功能，随着数据密集化、集成化和交互性发展，图书馆功能得到开发拓展，在原有的资源存储功能基础之上，又延伸为数据处理、资源整合、服务决策等，功能多元化发展趋势明显。 3.图书馆构成大数据网络结点终端。 随着国内馆藏资源联网检索功能的完善，大量的数据资源实现共享，公共图书馆除提供最新的书籍阅读之外，其服务功能更像是一个网络终端，一个可以为使用者提供舒适空间的数据服务中心。传统的图书馆馆藏资源，地域性特征极为明显，受流动性和保密性限制，很多信息资源和研究成果都是“信息孤岛”，大量的研究成果在管理中逐渐消亡。“大数据”的发展，使得图书馆管理不再是个人或者组织行为，而是社会支撑体系的重要组成部分之一，通过信息技术，与其他公共服务模块、使用终端、信息空间等形成了完整的网络，每一个公共图书馆都是一个网络终端。既可以通过“数据转化模块”实现信息的搜集，也可以通过网络平台，实现信息辐射。 三、大数据时代对图书馆管理影响因素分析 1.管理工作的服务结构影响数据提取。 相对于图书馆的管理结构而言，传统的管理模式突出的点、线、面纵向覆盖，资源服务结构往往不够均衡，地域性、专业性以及独有性特征明显，其服务人群仅限于某一地域的某一类人群。大数据时代来临，使得图书馆管理和服务实现扁平化交互发展，但终端发展受基本制度、馆藏资源、安全防范和服务结构的影响，往往很难达到预想的效果，大量的动态管理口令和管理，使图书馆信息检索、共享和决策功能大大降低。 2.信息平台的互不联通影响资源集成。 “大数据”服务最大优势是信息存储、集成、处理和应用，我国96%的公共图书资源都实现了基本数据化，引进和完善信息服务功能，具备信息互通的基本条件。但从功能应用上还存在很多问题，如信息孤岛普遍存在，很多公共图书馆为保持自己的资源优势，往往不愿意将自己处于优势地位的资源共享；平台对接程度不高，受技术条件、管理因素和安全要求限制，图书馆资源很难实现信息对接联通；数据化资源占有率较低，很多图书馆仍然采取“双轨制”运行模式，纸质图书占有比例较大。 3.服务人员的基本素质影响综合效益。 面对数据化发展的图书馆管理模式变革，工作人员最大的问题就在于思想观念更新较慢、个体基本素质不高和普遍适用性不强等，无法实现从管理者向引导者的角色转变、从管理约束功能向服务保障功能拓展。“大数据”时代来临，要求服务人员不仅要有良好的服务和发展意识，还要具备常用的计算机知识、网络维护知识和基本语言常识等，将管理员、导航员、维护员和服务员的角色扮演好，只有这几种角色达到完美统一，才能够实现更大的综合效益。 4.信息资源的服务模式影响创新标准。 在图书馆管理“数据化”的呼声中，很多省市的图书馆都进行相应的信息改革创新，力图融入“信息化”大潮，获取更大的生存空间和利益。但从信息资源的服务模式来看，仍然是以存储、检索、管理为重点，实际上是以计算机代替人的功能，整体突破不大。市场需求决定服务定位，需求层次决定发展水平，图书馆“数据化”标准与服务模式是一致的，只有真正将信息资源的共享功能、决策功能、分析功能、服务功能开发出来，才能够提高创新标准，建设符合中国发展实际的数据化网络。 四、基于大数据背景下图书馆管理方法策略 1.改善服务结构，以制度推动数据终端开放式发展。 对于图书馆而言，其开放及共享程度是知识资源分配的重要标志，必须要在宏观调控前提下，建立数据终端开放式发展模式，完善服务结构。要发挥职能部门管理作用，在供给、回应、规制等方面积极介入，优化政府、资源平台以及使用者之间的关系；要建设安全防护体系。信息的开放性必然会导致安全问题发生，要通过“互联网遗忘”法则，设置数字记忆存储期限，净化数据生态环境；建立开放信息机制。依托图书馆服务功能，推动数据化全景控制，加强管理、共享与互动，防止在信息权力分配过程中，出现数据独裁现象。 2.推动资源整合，以共享提升服务平台发展水平。 图书馆信息化的终极目标就是在中国及至世界范围内，建设一个统一、规范和集成的数据化智慧平台，能够最大限度地发挥其交易、共享、协作和服务功能。按照特定的建设原则，有限度构建以源数据、感知层、转化层、服务层以及应用层为主体的技术体系，使用数据全生命周期管理模式，对图书馆数据化的资源、服务、过程、目标及任务进行对接，进一步完善大数据服务评价体系和质量评价体系，建立支持可视化、多元化数据交互技术，以此推动最大范围内资源整合，提高智慧平台的发展水平，发挥其共享功能。 3.加强素质培养，以智慧强化数据网络的人力支撑。 我国的图书馆管理，从传统的人工发展到人工智能，而后又发展到更高的智慧层次，可以说是基于数据化模式下的必然发展趋势。不仅要做到网络平台的智慧化，还要做到管理人员的智慧化，按照约翰逊的理解：必须要具备相应的水平资质，有终身学习意愿，思维开放，能够积极参加公共活动，具有一定的创造力等特征。对于数据化平台而言，图书馆管理人员的培训更像是一种投资，通过对他们的技术、能力和观念上的投资，获取发展上的回报。而有的学者也认为，图书馆管理员的最终发展可能是“数据科学家”或者“数据分析师”，这是一种标准，更是一种期望。 4.不断提高标准，以创新促进平台功能多元化发展。 图书馆管理数据化发展，必然会解决当前文化发展滞后的现状，提高信息资源的发展速度与质量。文化发展重视传承和创新，图书馆建设要坚持“以人为本”，紧盯社会发展需求，用需求去引导创新，推动平台功能多元化发展。要加快数据信息采集力度，提高电子媒介与纸质媒介的比率，在做到自身扩容和安全运转的基础上，使用网络平台的交互、联通和共享功能，实现最大限度的开放链接，使信息平台由专业化向综合化模式转化、由体系化向领域化方向发展。本文站在数据化时代背景之下，对图书馆管理工作进行分析研究，力求为推动相关领域的发展进行探索。从文章分析可以看出，图书馆管理定位正在逐步发生转变，影响图书馆数据化发展的因素也更加多元，从服务结构、资源集成、人员与素质，到创新标准都在发生着新的变化，急需管理工作在思想观念、制度标准、评价体系和资源整合上做出新的突破，以应对不断发展的市场的需求。由于研究时间较短，参与实践不多，很多研究仍然停留在理论阶段，其结论有待于在实践中进行检验和修正，以提高其适应能力和发展能力。 作者：刘丽霞 单位：武汉职业技术学院图书馆 大数据时代论文:大数据时代中网络教育论文 1数据教育是网络教育的发展理路 1．1数据教育的内涵 什么是数据教育？目前尚无定论。笔者认为，在整合用户资源的基础上，数据教育可以通过数据分析与管理实现拉长数据产业价值链，改善网络教育的结构和模式，是以大数据为核心整合网络教育资源所进行的信息、产品与服务的交易活动。大数据正在重构很多传统行业。麦当劳、肯德基以及苹果公司等旗舰专卖店的位置都是收集、整理生活中大量的相关数据对其进行分析挖掘，从中获得有价值的数据信息而演化出更有使用价值的新的商业模式。规模经济和范围经济是行业战略扩张的本质动因。网络教育向数据教育发展，本质是依托规模经济和范围经济来强化网络教育的影响力、延展网络教育经济规模、降低生产成本、提高社会效益和经济效益。数据教育的主要对象的是网络教育的使用者，具体为学习者和教学者。利用数据教育使用者在学习中产生的大量数据，建构数据分析模型来发现社会关系和有价值的数据信息，进而预测学习者的学习情况并提供个性化建议。因此，数据教育的范式中首先应测量、收集、分析和报告有关网络教育使用者及其学习环境的数据，然后进行理解和优化产生的学习环境。网络教育教育平台的使用会产生积累大量系统化、结构化的学习结果和学习行为数据。网络教育将这些数据提取出有意义的信息，并利用这些信息为教育者、学习者、管理者、教育软件开发者和教育研究者等提供服务是大数据时代网络教育的必然趋势。 1．2数据教育的发展理路 网络教育与数据的融合是网络教育扩张的战略选择。目前网络教育的融合转型中没有成功先例，原因是大家都把科技对网络教育的作用看成是渐进使用过程，而没有看到它实际上对整个教学内容从生产一直到传播、到效应的发生，全都是一种革命性的改变。若能认识到这一点，就可以在全世界的网络教育发展过程当中占领、占用这样一个产业的制高点。用互联网的思维、用互联网所代表的最好的技术、最好的文化形态，再加上相应的政策支持，就能够全面开启数据教育。由于数据教育本质上归属于信息传播与网络教育融合的服务产业，因此，它们之间具有众多邻接点，网络教育的传播力、公信力和影响力等无形资产以及信息生产、传播途径等资源和能力便于转移到数据教育过程中，从而形成独特的数据教育运营模式。以物联网、云计算等综合技术的成熟为基础，在用户在线学习的数据库中挖掘出有价值的深数据，然后进行过程性和综合性的考量，找到学习者的学习行为、学习习惯以及学习兴趣等之间的内在联系，考量背后的逻辑关系，并作出恰当的教学决策，是数据教育的发展理路。作为网络教育的高级应用和发展路径，数据教育可以分析学习者的一些静态数据和动态数据，静态数据如过去的成绩和学习行为，动态数据如在线登陆方式，讨论发帖量之类，通过分析这些数据追踪分析学习者的类型，把学习者进行分类，诸如高成就、比较危险、社会型学习者等不同的类型。在分类的基础上对不同的学习者进行实时干预，对高成就类型可以提供具有挑战性和具有一定难度的学习任务，对处于危险状态的学生，给予特别关注和一些学习上的帮助，对社会型的学生，给予社交上的一些支持。在学习开始时做一个学习能力测验对于期末考试成绩预测最可靠的方法。设计更复杂的数据驱动预测模型，则必须在此基础上进行改善，这一改善需要进一步的数据分析。数据分析的目的是确定能够准确预测哪些变量。目前，Purdue大学的CourseSignalsoftware已经部分实现了这一技术。Sig－nals在学生的学习过程设置了红色、黄色、绿色等信号，这些不同的信号可以帮助使用者了解目前的学习状态。CourseSignalsoftware的评估报告显示，参与CourseSignal项目可以使学生获得更高的平均分，并快速地寻找所需要的资源。 2数据教育的理念分析 通过数据教育的内涵和发展理路的分析和梳理，数据教育包涵以下几种核心理念，即用户为中心、巧用慢数据、借力数据思维和构建数据产业链。 2．1数据教育的核心理念仍是用户为中心 新的科技出现之后，网络教育用户的需求不但是量的增加，还是层次的增加，过去人们对共性的东西有需求，现在对个性的东西也有需求，过去对理性的东西有需求，现在对涉及到人们的情感、情绪等过去在主流网络教育中所占比重很少的东西也有很大需求。如用户对网络教育的游戏化，反转式的趋向，数据教育让这些趋向变成了现实。网络教育的竞争是各种教学法的精细化准确化，并且在呈现给学习者的用户前端界面上进行优化，增强前端界面与学习者之间的黏合度，如整个网络教育教学的链条才会不断下移，才会更加符合学习者个体的特点。数据教育是一个更加了解并最大化满足用户需求的方式，借助多样化的科技实现了用户之间差异化学习与学习模式的无缝对接。数据教育能够检测数据中的模式，因为这一教育模式是建立在数据分析和人工智能方法的基础之上的。类似技术可用于智能教学系统，以动态的方式对学生进行有针对性的分类而不是进行诸如人口统计的简单分类，也可以利用协同过滤技术对特定的资源建立模型。如隐含的人与人在论坛上的互动和外显的人与人、朋友或者关注对象之间的关系，这些分析用于数据教育的学习分析中来探索网络集群、影响力网络、参与及不参与状况。数据教育可以用来对所提供的数据进行意义建构，数据教育的价值在于对大量数据进行分析和处理，进而形成教育模式为网络教育提供帮助。相比传统的网络教育，数据教育能够提供更加细致和有效的反馈，如学习者掌握熟悉和了解概念到何种程度，根据数据自动呈现以后的学习内容或者不呈现影响学习者掌握后来学习内容的材料。 2．2数据教育要巧用慢数据 2014年5月29日，第九届百度联盟峰会上百度董事长兼CEO李彦宏预测了未来5年有非常大发展的两大产业机会，这两大产业是百度、阿里巴巴、腾讯三者都不大可能涉足的领域：第一是新型企业级软件，这些软件可以解决企业从内部到外部链接的问题；第二就是挖掘新的有价值的慢数据，发掘具有个性化针对性的预测信息，为用户寻找真正有价值且能产生效率的慢数据。李彦宏的这一分析和预测不但权威而且有说服力。目前，互联网企业在网络用户规模不断扩大、流量激增的情况下，面临着新的尴尬，即搜集到的数据真正有价值的很少，无价值的增多。很多的数据根本没法分析更谈不上运用。因此，李彦宏建议搜集慢数据来获取真正有价值的数据，找准并挖掘能真正帮助用户解决问题的新数据。另一个与之印证的观点是，阿里巴巴集团执行副总裁曾鸣分析说，大数据最重要的特征不在大小，而在死活。数据的死活决定一切，从数据的管理到数据的运用，数据必须能活起来，开始跑通迭代，才能产生持续价值。网络教育和其它领域一样，在利用大数据方面基本处在同一起跑线上。数据教育的特点在于能够为网络教育平台提供实时数据，通过利用这些实时数据，达到为网络教育者提供帮助的目的。数据教育可以通过分析学生的诸如课程材料等学习资源来追踪学生的学习轨迹，通过设计和优化教学模式和统计方法来实现教学效果最优化的目标。对数据教育来说，抓住机遇去挖掘应用好慢数据和活数据，让大数据成为网络教育改革的一大新的增长点，是网络教育工作者亟需解决的问题，通过数据共享、交叉复用后获取最大的数据价值是数据教育对待大数据应有的态度。 2．3数据教育需借力数据思维 好的数据教育需要有好的教学内容点、技术支撑以及用户洞察。目前的网络教育都没有占齐这三点。互联网不但对这个社会重新组织、重新结构与自己革命性改变的声音，而且已经成为教育领域的中枢操作系统和底层的操作架构，数据教育必须要和它的规则去接轨对接，在这种及ID那个规则的框架中来决定资源配置和运作方式。在这个层面上讲，大数据时代数据教育的核心竞争力就在于互联网数据思维的竞争。没有可循环利用的数据，就无法提供数据教育的开发。用好数据思维，首先要注重数据积累的长期性和动态性，避免数据库的短期化行为；其次要注重数据的完整性和统一性。完整性即数据的精确性和可靠性，统一性即一致性，是数据之间的逻辑关系是否正确和完整。统一性保障了完整性。数据的缺失和不精确，将会带来分析的偏移，因此在这种分析上进行的一系列开发也没有针对性甚至是徒劳。因此，在采集和管理数据的时候要设计和完善多种数据维度，有助于数据仓库中设置更多更有效的细分标签。保证收集到的数据精确、可靠，用以分析的数据形式统一，才能确保通过大量数据分析得出的用户行为习惯是有效的。最后要注重数据挖掘和利用。用户数据的积累和挖掘是一个长期、动态、循环的过程，如果把数据枢纽中心比喻成一个大型的水利枢纽工程，那么数据教育要利用枢纽对水进行过滤和引导，让它长期保持动态和循环使用，在这个数据的枢纽中心，要不停地激活用户数据，积累用户的消费行为和消费习惯，让大数据在这个枢纽型中转站得到动态的循环。 2．4数据教育应建构数据产业链 从价值链和传统网络教育的角度分析，网络教育即使在用户数据的采集、处理、储存、分析等各方面完全数字化后，即使数据量再大也不可能去做基于数据本身的公司。因为与很多互联网入口企业相比、与真正生成大数据的公司相比，这些数据量的量仍旧是非常单薄远远不够大的。因此，相对理性和可行的选择是数据教育的运用着力点应放在以下三个方面。 （1）借力数据资产中介。 在互联网上，任何主动收集庞大数据的行为，其成本都难以想象。目前我国已有不少学校开始了数据挖掘的探索。如东华大学的智能实验室项目、浙江大学的资产数据项目、复旦大学的学生数据分析和清华大学一些学生成长类的数据分析。总体来看，开始进行数据挖掘的高校共同特点是信息化做得好且规模较大并拥有有充足的数据量。建立网络教育数据的资产中介，专门进行数据的挖掘使用和分析，是数据教育的可行之道。对不具备大规模数据资源的机构来说，数据资产中介是有效的可行之道。 （2）进行数据资产管理，实现学习内容深加工、学习行为分析和监测，是网络教育应用大数据重点挖掘的项目。 全球复杂网络研究权威艾伯特•拉斯洛•巴拉巴西曾指出，在大数据背景下，人类的很多行为都是可被预测的。但海量的数据沉淀在网上，没有精准而靠谱的分析和应用，就没有价值。用户期待网络教育提供的，不是大而全的教学资源，而是满足自己需求的教学内容范围更广的信息类产品。数据教育不是单纯的资源集大成者，而要从数据库中深度发掘有用信息，进行趋势分析。数据教育显然是大数据时代网络教育一展身手的方向。通过使用各种集合的综合技术，平台上可以自动留存用户关于学习行为的各种数据，如学习一个知识点花多长时间、学习的顺序是否有断点、是否会反复重新学习等等，但需要注意的是，仅仅是远程教育和在线课程，这些信息只能称之为数字并不是数据。在媒体领域，我国媒体拟与甲骨文公司展开了多样化的数据库营销合作，并且建立有效的数据库体系，目的是实现数据库营销方面的收入拓展。数据教育可以借鉴这一模式对海量数据进行挖掘，以及数据的分析。 （3）做好数据驱动的解决方案，量身打造个性化资讯内容，私人定制、精准推送内容。 传统网络教育把所有网络教育的内容向所有人传播，缺乏针对性、精确度，这是粗放型的教育模式。目前网络教育之间的同质化非常严重。数据教育在充分利用大数据和关系链，为用户筛选、推荐最适合的内容并提供私人订制的教育内容的同时，还应使他们体验网络学习的新感受。大数据时代，基于用户兴趣生产和传播是重要趋势，根据用户上网的习惯、浏览的痕迹、参与的话题以及讨论的内容，对其较长时间的浏览数据进行分析，便可得知其上网习惯以及浏览喜好等的数据。根据这些数据，选取合适的时间应用恰当的方式向用户提供其需要并且感兴趣的学习内容和信息，在此基础上就可以定制学习内容。理论上网络上的每一个用户都有自己的一幅网络肖像以及一个属于自己的UID（UserIdentification用户识别）号。个人的兴趣图谱就是数据教育的基础。基于用户识别特征和兴趣图谱建构的数据教育不但目标明确，可以强化与用户的黏度，而且有利于整合网络教学资源，甚至达到自动生成匹配高效精准教学模式的效果。要做到这一点，就必须借助大数据技术和相关分析软件，建立可挖掘、可分析的用户资源数据库，通过对数据的整合和分析，针对不同的用户需求，推出满足用户个性化和专业化需求的各类内容产品。 3结语 大数据正在重构很多传统行业。数据教育为未来网络教育内容打开充满想像的空间。对数据进行分析与过滤，数据教育解放了传统网络教育的思维方式，创新了传统网络教育的学习形式。数据可以帮助用户选择适合自己学习水平和学习习惯，满足自己学习需求的学习模式。在某种程度上讲，网络教育的未来就是分析数据。因此，数据教育是网络教育以后发展的一个重要方向。大数据时代，基于数据教育的的发展潜力，数据教育会越来越显示出其的重要性和不可替代性。哈佛大学社会学教授加里•金指出，庞大的数据资源使得包括学术界、商界以及政府在内的所有领域都开始了量化进程。因此，借助大数据发力，做优质的网络教育模式，期待数据教育给出答案。 作者：孙华 单位：四川广播电视大学 大数据时代论文:大数据时代下金融风险防控 一、银行业所面临网络金融风险的类型 1、业务类型风险 （1）信用风险。 信用风险是银行的网络金融服务无法满足客户的要求所产生的风险，这一风险严重阻碍着网络金融业务的发展。众所周知，银行的网络金融业务乃是基于传统的柜台业务基础之上发展而来，因此传统银行业务发展的影响因素———信用风险，也对网络金融业务的开展有着直接的影响。因为网络金融业务所提供的是虚拟的金融服务，这种服务也是建立在信用的基础之上，因此信用风险对网络金融业务的发展有着重要的影响。反映信用风险的一个重要指标就是不良贷款，不良贷款指的是借款方有很大可能无法按照原贷款协议按期偿还贷款本息所形成的借款，不良贷款的存在较为严重的阻碍着银行业务的发展，也对银行开展网络金融业务有着重大的影响。银监会提供的数据显示，商行的不良贷款率对银行的总资产和总负债均有着显著影响，因此信用风险同银行的资产、负债存量均有明显的相关性。信用的建设是一个极为缓慢的过程，而且一旦发生信用的违约和倒退，将对银行开展业务产生巨大的影响。各银行均有并执行严格的信用制度，并直接影响着网络金融业务的发展。 （2）操作风险。 网络金融业务方面的操作风险主要存在于以下方面：人员、系统、程序及突发事件；由于银行职员的操作错误或者客户的疏忽，可能引起银行网络账户的错误或混乱，进而使银行同客户的信息沟通出现问题，一旦使银行无法进行正常的金融交易，将很有可能给银行和客户带来经济损失。同时，存在缺陷的风险管理系统也将无法良好地力助银行规避网络风险，存有缺陷的系统流程设计将会影响银行网络业务的日常进行，给银行带来潜在的系统风险。有时候，流程缺乏合理性和规范性，将使网络金融业务产生不必要的繁琐步骤，也将降低银行的工作效率。同时，如果发生一些突发的意外事件，如果银行没有事前制定良好的应急方案或应急方案准备的不够仔细充分，也将不能及时化解这些风险，这将使银行遭受到严重的损失。网络经常具有放大银行操作风险的倾向，国内外已经有不少因微小操作失误所引起巨大经济损失的例子；对于网络金融业务而言，如果无法合理规避操作风险，将可能带来非常严重的损失。 （3）法律风险。 新兴的网络金融业务所面临的法律风险表现在如下两个方面：第一是相应法律文件的缺失问题；目前我国还缺乏配套的对网络金融业务进行专门监管的法律法规，网络金融业务适用的法律法规主要是对原有的金融、商务等法律条文进行引申、修订所产生的法规，这并不适应于网络金融业务的发展；另外。关于电子交易合同的法律目前还处于空白阶段，加上全国的网络银行还远未达到统一性，这造成了跨行业服务质量低下。第二是关于此方面法律适用的较大不确定性。在现阶段，一旦发生网络金融交易的损失，其责任的划分归属仍然存有十分大的争议，同时适用何何种法律也尚无明确的规定，这导致了今年来很多网络金融犯罪事件的频繁发生，这毫无疑问会对网络金融业务的发展带来严重阻碍。法律方面的风险无法解决，出现损失和纠纷无法合理适当处理的话，就无法从根本上确保网络金融交易业务的安全环境，也将对网络金融业务的发展带来阻碍。 2、技术类型风险 （1）平台风险。 网络金融业务的发展有赖于先进的交易平台系统，技术及平台的不当选择也很可能给银行带来比较大的风险。一方面，如果网络交易所支持的技术滞后，将很可能会使银行错失良好的交易机会，并且耗费银行的大量资源，给银行带来效率上的损失；另一方面，技术及平台如果与客户的软件版本不兼容甚至发生冲突，将导致信息的传输发生滞后甚至无法传输，在信息化时代这种事情是不能令人容忍的。 （2）安全风险。 安全风险是网络金融业务所面临的一大问题。网络金融业务所面临的安全风险主要有以下几大方面：第一是源头方面，即银行端；银行可能由于风险管理机制的漏洞，存在严重的安全方面的漏洞，并且可能没有相应的处理机制；第二则是用户方面，很多用户在进行网络银行交易时，风险防范意识不高，不及时对杀毒、防毒软件进行更新，容易导致个人信息被盗取；第三方面是第三方平台，即网络传输平台；客户在输入银行秘钥或口令并通过网络传输时，在传输过程中便有可能被黑客通过各种非法手段将其截取，使用户无法正常登录或者出现网络连接超时的情况；黑客便可利用截取到的信息，进行犯罪活动，使银行和用户蒙受损失。 二、银行网络金融风险管控的分析及防范思考 1、及时完善、规范个人银行信用体系 在我国，各级金融机构基本都开展了网上金融交易业务；因此，要完善信用体系的建设，首先要建立一个标准规范的个人征信体系，对个人信用的评价标准作出一致规定。鉴于网络金融交易是建立在虚拟的平台之上，交易双方的交易基础很大程度上是双方的信用，因此信用对金融交易实质进展的关键性因素。国内应当建立全国范围的个人信用体系，使个人的信息及信用情况及时反映在征信体系之内，并且实现银行间的数据共享；同时还应有意识提高全民的信用意识，以期提高全民的信用水平。建立个人征信体系的工作需要跨行之间的合作，并且需要线上线下的同步进行；这种基础性工作可以使银行实现长久的健康性发展，显著降低网络金融交易面临的风险水平。 2、加强银行对内部风险的管理能力 网络金融业务的发展同现代科技紧密相关，因此对人才层次有着比较高的要求。银行的很大一部分人才，不仅要对经济、金融方面的业务十分精通，也要擅长于网络科技与技术。因此，银行在未来进行人才招聘培养时，应当做到以下两大方面：第一，在引进新人才方面，要着重选择具有现代知识素养的高水平金融管理人才，同时也要适度引进国外的高级技术人才，同时注意培养国内人才到外国学习交流先进经验和技术；第二，要注重对老员工的培训工作，提高他们关于网络金融业务的业务和能力，及时加快他们的知识更新速度。只有专业化的人才队伍还不够，银行还必须要制定针对网络金融业务的风险管理制度，并对其中的风险行为和管控举措进行明确和细化，同时还要注意风险同收益的均衡关系；银行应当在保持适度风险的前提下尽量增加自身的收益。一套合理的风险管控制度应当是使银行的风险水平同盈利性保持适当的平衡。但是，随着资金流动性的变化、管理系统的操作性等因素影响，银行的风险管理系统也要及时进行改进和变化。 3、建设、健全配套的法律体系 配套法律制度的滞后是影响网络金融业务发展的重要掣肘因素。我国关于网络金融风险的法律文件《网上银行业务管理暂行办法》目前仍然有很大的局限性；因此，需要结合我国的网络金融业务环境来尽快制定相关法律。在制定法律时，可以适当借鉴成熟的西方国家的相关法律规定，对国内同国外金融环境所表现出的共性，在此借鉴国外的有关法律防范措施，结合国内的环境制定出符合我国特定法律环境的法律制度。另一方面，应当注重区分传统银行和网络金融业务违规违法行为的不同，不得随意交叉滥用法律，在对违法犯罪行为制裁时要注意法律适用的针对性。 4、加大对网络金融业务安全方面的投入 安全问题一直是影响网络金融业务的重要问题。虽然目前我国银行已采取多种安全防范措施来应对网络金融业务风险问题，但网络金融业务风险还一直存在。首先，应当注重客户个人信息的保密问题；从银行的角度来说，银行应建立并加强网银账户的管理机制，对于交易金额异常或巨大的交易及时引起重视，并及时与客户取得联系。客户在开展网络金融业务时，也要保持高度的谨慎，同时银行应当提醒客户注意保护个人信息。客户在开展业务时，一般是通过浏览器进入相关的网络金融服务页面，因此用户最好将常用的银行网站等信息放于浏览器的固定位置，这样可以起到防止假冒页面窃取用户个人信息的发生。个人在开展业务时，也要注意下载相应的安全控件，并及时下载最新的漏洞补丁和最新的安全程序。此外，银行的开发部门也要及时的对产品进行创新，以及时应对黑客的攻击及自身产品的漏洞。同时，由于新开发产品的上市时间不长，认知度相对较低，不容易成为黑客的攻击对象，这样也可以降低网络金融交易的安全风险。不过，在进行新产品的开发及上线推行时，要切记加强做好安全防范的测试工作；必须待通过全部的测试工作，才可以上线运营，以免给客户造成意外的损失。 三、结论 目前，我国在现代网络金融风险防控方面还处于初级的发展阶段，因此更要审慎重视对网络金融业务风险的防范工作。网络金融业务的优点与优势已经初步展现出来，但也暴露出了一部分的缺点与缺陷，这需要监管机构同银行等不同部门合作起来，工作来降低网络金融业务的风险，有效降低网络金融业务的风险水平，创建一个健康的网络金融发展环境。 作者：林燕珍 单位：中国建设银行福建省分行 大数据时代论文:大数据时代网络教育论文 一、大数据特征 大数据的特征常用4V来表示，具体是指大数据的四个显著的特征：第一是数据体量，主要指的是巨大的数据量与数据的完整性。第二是数据类型，指数据的种类非常的多而且复杂，大数据技术就是要在这些复杂的数据类型之间寻找其关联性。第三是处理速度，爆炸式增长的数据量要求快速化的处理速度，才能使得数据的有效利用。第四是价值，大数据的最终目标是将庞大数据中找到数据时间的价值关系，通过找到低密度的数据价值对决策做支持。当前大数据技术不仅产生于特定领域中，而且还产生于我们每天的日常生活中，Facebook、微博、微信等社交媒体上的数据就是最好的例子。大数据发展为社会各领域带来的机遇和挑战，网络思想政治教育作为信息时代育人的新载体自然无法回避这个新的环境变化。分析大数据对网络思想政治教育带来的巨大机遇与严峻挑战，探讨如何在大数据时代创新网络思想政治教育的具体措施，进而为下一步发展提供有益的指导已然成为热点研究问题。 二、大数据时代下的网络思想政治教育的新发展方向 （一）树立大数据时代的网络思想政治教育的数据意识 网络思想政治教育必须顺应科技与时代的发展。大数据时代教育工作者需要树立网络思想政治教育的数据意识，这是发展大数据环境的网络思想政治教育的首要前提。针对大数据发展网络思想政治教育可以分为如下三个方面。首先是要全面了解和分析大数据本身，理解大数据是什么、大数据的变革力量何在、大数据的未来发展趋势等等；其次是在理解大数据的基础上，系统地分析大数据时代对网络思想政治教育可能产生的影响，带来的机遇和挑战。最后是充分的确立数据意识，意识到数据是现代社会最具价值的资源，是发展与决策的源泉。用数据意识驱动网络思想政治教育工作创新发展，例如在一定的数据分析基础上将灌输式集中教育变为交流式个别教育。 （二）借助大数据技术对网络思想政治教育进行量化研究 定性研究与定量研究相结合是网络思想政治教育的重要研究方法。定量分析法是对社会现象的数量特征、数量关系与数量变化进行分析的方法。定量分析使用数学模块对研究对象可量化数据进行的分析，通过分析对目标给予评价并做出判断。定量分析方法始终受到教育工作研究人员的关注，因为网络思想政治教育中存在极大的不确定性和动态性的因素，定量分析方法可以帮助我们对网络思想政治教育进行科学评价。但与此同时定量分析方法具有很大的复杂性，受很多技术因素的限制，一直不能很好的发挥作用。大数据技术的出现为定量研究提供了一种新的技术手段，成为科学研究新的范式。定量研究可以运用大数据技术进行理论假设、建立数据模型以及数据分析验证。由此可见，大数据时代网络思想政治教育的研究，需要与数据资源丰富的机构单位合作，借助这些数据载体的平台、资源以及高精尖的技术，进行合理合法的挖掘教育对象的信息，从而精确的开展网络思想政治教育活动。另外，要建设一支过硬的网络思想政治教育队伍，不但要具备思想政治教育的专业知识，而且还要具备创新的网络教育观念、精通大数据等新技术手段。 （三）促进大数据时代网络思想政治教育信息资源建设 发挥大数据技术的优势，分析网民的接受习惯，增强教育内容的实效性、趣味性，以服务成长成才为核心有针对性地加强功能开发，提高网络思想政治教育信息资源的受关注度。此外在信息资源建设过程中要注意好以下几点：首先要把握信息资源内容的方向性，弘扬主旋律、传递正能量。其次信息资源的形式要多样，通过文字、声音、图像等形式，经由微博、微信等新兴传播手段，提高教育的实效性。再次，信息资源来源要丰富，可以从各大媒体引进、从理论学习资料借鉴、从大型活动中总结、从日常工作中提炼，确保信息资源及时更新。 三、结语 通过以上的分析，可以看出，大数据时代网络思想政治教育必须在继承传统中实现新发展。坚持不动摇的是网络思想政治教育的基本结构、功能以及原则。创新发展的是符合大数据时代的教育内容与内涵，进而找准变化点，更新网络思想政治教育的研究方法，将网络思想政治教育带入新的发展阶段。 作者：方世敏 单位：南京政治学院上海校区 南京陆军指挥学院 大数据时代论文:大数据时代计算机网络安全论文 一、大数据时代下计算机网络安全的现状 1.计算机网络安全概述。 计算机网络安全，是指利用相关网络管理控制与技术，确保在一个网络环境中数据的完整性、保密性及可用性。计算机网络安全，主要包括逻辑安全与物理安全两个方面，其中，逻辑安全包括数据的保密性、完整性及可用性，防止没有经过授权对数据进行随意篡改或破坏的行为；物理安全包括相关设备与设施在受到物理保护的条件下保护设备上的数据免于丢失、破坏。 2.计算机网络存在的主要安全问题。 目前，计算机已经广泛应用于各行各业，人们对计算机网络的认识与利用水平也显著提升，办公、社交、生活等方方面面都离不开计算机网络。计算机网络在丰富和改变人们生活的同时，其存在的安全问题也不得不让人们警醒，经过笔者梳理，计算机网络安全问题主要存在以下几个方面： 1）网络病毒所导致的安全问题。 在计算机网络技术快速发展的过程中，也出现了越来越多、感染力越来越强的新病毒，它们无时无刻地影响着计算机网络的安全。由于计算机网络病毒具有复制性，能够感染其他程序和软件，因此，一旦计算机中了病毒，其所运行的每一步都将是危险的，都会存在让病毒也随之运行并产生破坏行为，然后应用程序被破坏，机密数据被盗用或被破坏，甚至让整个计算机系统瘫痪。 2）人为操作失误所导致的安全问题。 在人们进行计算机相关操作过程中，人为操作失误可能会引起计算机的安全漏洞，或者泄露了某些重要的信息，而这些信息一旦被不发分子所利用，便会造成难以挽回的损失。 3）网络黑客攻击所导致的安全问题。 在大数据时代下，网络黑客对计算机网络的攻击具有更隐蔽、破坏性更强的特点。由于在大数据时代下，网络黑客通过非正常手段窃取到某一重要数据时，一旦其利用这些数据进行非法行为时便会引起巨大的波及。同时，在海量的数据中，难以及时识别网络黑客的攻击行为，对于计算机网络安全而言是一种严重的威胁。 4）网络管理不到位所导致的安全问题。 在网络安全维护中，网络安全管理是非常重要的环节，但是目前很多使用计算机的个人乃至企业、政府部门并没有对网络安全管理引起足够的重视，从事使得计算机网络的安全受到各种威胁，最终导致大量的计算机网络安全事件频繁发生。五是，网络系统自身的漏洞所导致的安全问题。理论上而言，一切计算机网络系统都存在某些漏洞。同时，在用户使用各类程序、硬件过程中由于人为疏忽也会形成一些网络系统漏洞。二者相比，后者的破坏性常常是巨大的，很多不法分子通过非法途径给用户造成计算机系统漏洞，进而窃取用户信息，给用户造成巨大的损失。 二、大数据时代下的计算机网络安全防范对策 1.加强病毒治理及防范工作。 在大数据时代，计算机病毒的种类与数量与日俱增，对其进行治理与防范是较为困难的。在对计算机病毒进行治理与防范时，笔者认为最重要的是防范，这种防范是一种主动的、积极的治理，可以通过加强计算机防火墙部署来提高网络环境的安全性，将那些不稳定的、危险的网络因素隔离在外，进而实现对网络环境的安全保护。同时，计算机使用者树立正确的病毒防范意识，在计算机日常使用中，能够定期利用杀毒软件对所使用的计算机网络环境进行杀毒，并更新病毒样本库，进而确保对计算机网络的扫描能及时识别计算机病毒并进行及时的处理。 2.加强黑客防范工作。 隐藏在大数据背后的网络黑客一旦实施其不法行为，常常会产生巨大的安全问题，因此，为了防范计算机网络安全，应当积极整合大数据的海量信息优势，建立科学的网络黑客防范攻击的模型，以此来提升识别网络黑客的反应速度。通过加强计算机网络的内外网的割离、加强防火墙配置，能够有效降低黑客攻击的可能性。同时，还可以大力推广数字认证技术，加强对访问数据的有效控制，并合理认证，有效避免非法目的用户的非法访问，进而提升对网络安全的有效保护。 3.加强网络安全管理。 使用计算机的个人及机构，需要从思想上高度重视网络安全管理的重要性，在熟悉大数据的特征与性能的基础上采取安全的管理措施，时常关注网络安全管理，从技术上给予网络安全保障的同时，还需要通过有效的网络安全管理来实现大数据时代下计算机网络安全的防范目的。对于机构而言，需要从宏观上认识到网络安全管理的重要性，并建立动态的、有序的、系统的管理规章，依托于云计算技术构建一个更加高级的智慧平台来加强网络安全的防范，进而确保网络安全。对于个人而言，需要从主观上认识到网络安全的重要行，在进行计算机操作中，要养成规范化的、文明的使用计算机网络的习惯，尤其是对于一些钓鱼网站、非法链接，要从主观上认识到其危害，并做自我做起，将网络安全问题尽可能消灭，不传播有安全隐患的信息或链接。 4.加强网络系统漏洞的修复工作。 在大数据时代，数据更新快、存在的漏洞多，需要确保计算机系统的不定能够及时得到更新，进而使得整个计算机网络系统能够安全、正常地运行。及时对计算机网络进行修复，能够有效避免蠕虫病毒攻击计算机网络。微软不定期在专门的update站点最新的漏洞补丁，对于使用微软系统的计算机用户而言，便需要及时进行下载这些漏洞补丁，并及时安装。目前，大家可以使用金山毒霸、百度卫士、360安全卫士、腾讯电脑管家等安全管理软件完成对网络系统漏洞的修复工作，进而有效保护计算机网络安全。 作者：张国强 单位：国家新闻出版广电总局725台 大数据时代论文:大数据时代下信息安全论文 1“大数据”的内涵 1.1“大数据”定义 所谓大数据（bigdata），或称巨量资料，通常情况下，是指涉及的资料规模庞大，在现有的技术条件的基础上，难以通过主流软件，在合理时间内对其进行撷取、管理、处理。对于“大数据”来说，其特征主要表现为：一是数据量（volumes）大，在实际应用中，把多个数据集放在一起，形成PB级的数据量。根据IDC（国际数据公司）的监测统计，2011年全球数据总量已经达到1.8ZB；二是数据类别（variety）大，数据来自多个数据源，无论是种类，还是格式，数据日趋丰富，以前所限定的结构化数据范畴等，已经被冲破，半结构化和非结构化数据早已囊括其中；三是数据处理速度（Velocity）快，在数据量非常庞大的情况下，能够对数据进行实时的处理；四是数据具有较高的真实性（Veracity），随着社交数据、物联计算、交易与应用数据等新数据源的兴起，冲破了传统数据源的局限，在这种情况下需要有效的技术，进一步确保数据的真实性、安全性。 1.2“大数据”技术 “大数据”的价值不只在于其数据量之大，更大的意义在于通过数据采集、处理、分析、挖掘等技术对“大数据”的属性，包括数量、速度、多样性等等进行分析，能获取很多智能的、深入的、有价值的信息。而这些信息提取过程可大致分为以下三个阶段。 1.2.1数据输入 将分布的、异构数据源中的关系数据、平面数据等数据进行采集抽取，然后对其进行清洗、转换、集成等，最后将数据加载到数据仓中，进而为数据联机分析、挖掘等处理奠定基础。其特点主要表现为并发数高，因为成千上万的用户有可能同时访问、操作数据，比较典型的就是火车票售票网站、淘宝等，在峰值时，它们并发的访问量能达到上百万，在这种情况下，在采集端需要部署大量数据库。 1.2.2数据处理 “大数据”技术核心就是数据挖掘算法，基于不同的数据类型和格式的各种数据挖掘的算法深入数据内部，快速地挖掘出公认的价值，科学地呈现出数据本身具备的特点。并根据用户的统计需求，对存储于其内的海量数据利用分布式数据库或分布式计算集群进行普通的分析和分类汇总等。其特点主要表现为用于挖掘的算法比较复杂，并且计算涉及的数据量和计算量都很大，常用数据挖掘算法都以单线程为主。 1.2.3数据输出 从“大数据”中挖掘出特点，科学的建立模型，通过导入数据，以得到用户需要的结果。这已在能源、医疗、通信、零售等行业有了广泛应用。 2“大数据”安全隐患 “大数据”时代，数据量是非线性增长的，随着数据价值的不断提高，黑客对于数据的觊觎已经由原来的破坏转变成窃取和利用，病毒或黑客绕过传统的防火墙、杀毒软件、预警系统等防护设备直接进入数据层，一些高级持续性攻击已经难以用传统安全防御措施检测防护。“大数据”的安全风险主要可以分为以下两个方面。 2.1从基础技术角度看 NoSQL（非关系型数据库）是“大数据”依托的基础技术。当前，应用较为广泛的SQL（关系型数据库）技术，经过长期的改进和完善，通过设置严格的访问控制和隐私管理工具，进一步维护数据安全。在NoSQL技术中，没有这样的要求。而且，对于“大数据”来说，无论是来源，还是承载方式都比较丰富，例如物联网、移动互联网、车联网，以及遍布各个角落的传感器等，通常情况下，数据都是处于分散存在的状态，难以对这些数据进行定位，同时难以对所有的机密信息进行保护。 2.2从核心价值角度来看 “大数据”技术关键在于数据分析和利用，但数据分析技术的发展，对用户隐私产生极大的威胁。在“大数据”时代，已经无法保证个人信息不被其他组织挖掘利用。目前，各网站均不同程度地开放其用户所产生的实时数据，一些监测数据的市场分析机构可通过人们在社交网站中写入的信息、智能手机显示的位置信息等多种数据组合，高精度锁定个人，挖掘出个人信息体系，用户隐私安全问题堪忧。 3“大数据”安全防范 由于“大数据”的安全机制是一个非常庞大而复杂的课题，几乎没有机构能一手包揽所有细节，因此业界也缺乏一个统一的思路来指导安全建设。在传统安全防御技术的基础上，通过对“大数据”攻击事件模式、时间空间特征等进行提炼和总结，从网络安全、数据安全、应用安全、终端安全等各个管理角度加强防范，建设适应“大数据”时代的安全防御方案，可以从一定程度上提高“大数据”环境的可靠度。 3.1网络安全 网络是输送“大数据”资源的主要途径，强化网络基础设施安全保障，一是通过访问控制，以用户身份认证为前提，实施各种策略来控制和规范用户在系统中的行为，从而达到维护系统安全和保护网络资源的目的；二是通过链路加密，建立虚拟专用网络，隔离公用网络上的其他数据，防止数据被截取；三是通过隔离技术，对数据中心内、外网络区域之间的数据流量进行分析、检测、管理和控制，从而保护目标数据源免受外部非法用户的侵入访问；四是通过网络审计，监听捕获并分析网络数据包，准确记录网络访问的关键信息；通过统一的策略设置的规则，智能地判断出网络异常行为，并对异常行为进行记录、报警和阻断，保护业务的正常运行。 3.2虚拟化安全 虚拟机技术是大数据概念的一个基础组成部分，它加强了基础设施、软件平台、业务系统的扩展能力，同时也使得传统物理安全边界逐渐缺失。加强虚拟环境中的安全机制与传统物理环境中的安全措施，才能更好地保障在其之上提供的各类应用和服务。一是在虚拟化软件层面建立必要的安全控制措施，限制对虚拟化软件的物理和逻辑访问控制；二是在虚拟化硬件方面建立基于虚拟主机的专业的防火墙系统、杀毒软件、日志系统和恢复系统，同时对于每台虚拟化服务器设置独立的硬盘分区，用以系统和日常数据的备份。 3.3数据安全 基于数据层的保护最直接的安全技术，数据安全防护技术包括：一是数据加密，深入数据层保护数据安全，针对不同的数据采用不同的加密算法，实施不同等级的加密控制策略，有效地杜绝机密信息泄漏和窃取事件；二是数据备份，将系统中的数据进行复制，当数据存储系统由于系统崩溃、黑客人侵以及管理员的误操作等导致数据丢失和损坏时，能够方便且及时地恢复系统中的有效数据，以保证系统正常运行。 3.4应用安全 由于大数据环境的灵活性、开放性以及公众可用性等特性，部署应用程序时应提高安全意识，充分考虑可能引发的安全风险。加强各类程序接口在功能设计、开发、测试、上线等覆盖生命周期过程的安全实践，广泛采用更加全面的安全测试用例。在处理敏感数据的应用程序与服务器之间通信时采用加密技术，以确保其机密性。 3.5终端安全 随着云计算、移动互联网等技术的发展，用户终端种类不断增加，很多应用程序被攻击者利用收集隐私和重要数据。用户终端上应部署安全软件，包括反恶意软件、防病毒、个人防火墙以及IPS类型的软件，并及时完成应用安全更新。同时注重自身账号密码的安全保护，尽量不在陌生的计算机终端上使用公共服务。同时还应采用屏蔽、抗干扰等技术为防止电磁泄漏，可从一定程度上降低数据失窃的风险。 4“大数据”安全展望 “大数据”时代的信息安全已经成为不可阻挡的趋势，如何采用更加主动的安全防御手段，更好地保护“大数据”资源将是一个广泛而持久的研究课题。 4.1重视“大数据”及建设信息安全体系 在对“大数据”发展进行规划的同时，在“大数据”发展过程中，需要明确信息安全的重要性，对“大数据”安全形式加大宣传的力度，对“大数据”的重点保障对象进行明确，对敏感、重要数据加大监管力度，研究开发面向“大数据”的信息安全技术，引进“大数据”安全的人才，建立“大数据”信息安全体系。 4.2对重点领域重要数据加强监管 海量数据的汇集在一定程度上可能会暴露隐私信息，广泛使用“大数据”增加了信息泄露的风险。政府层面，需要对重点领域数据范围进行明确，制定完善的管理制度和操作制度，对重点领域数据库加大日常监管力度。用户层面，加强内部管理，建立和完善使用规程，对“大数据”的使用流程和使用权限等进行规范化处理。 4.3加快研发“大数据”安全技术 传统信息安全技术不能完全适用于新兴的“大数据”领域，云计算、物联网、移动互联网等新技术的快速发展，对“大数据”的收集、处理和应用提出了新的安全挑战。加大“大数据”安全技术研发的资金投入，提高“大数据”安全技术产品水平，推动基于“大数据”的安全技术研发，将有利于“大数据”更好地推动国家和社会发展。 作者：乔书芳 赵巍 单位：河北出入境检验检疫局 大数据时代论文:大数据时代公共管理论文 1对公共利益诉求的精益响应 就公共管理理论内涵而言，迄今为止学术界还没有形成一个被广泛认可的范围界定，然而诸如精细化的专业管理、明确而有效的绩效评估、强调结果而不是程序、不断的提升公共产品和服务的质量等，一些基本的价值取向还是在被学界不断的接受。基于这些价值取向，对公共利益的积极响应将伴随着治理变革的进程不断的深化，其内在的要求也将不断的提升公共管理的水平。应当确认的是，无论是宪政层面还是民主层面的要求，政府都应当在追求公共利益实现的过程中，承担起主要的公共责任，并不断提高公共产品和服务的质量和水平。政府应当无遗漏、无差别地关注所有的公共价值和偏好，以此来提升公共服务的质量和公共利益的实现程度，这不仅是政府存在合法性的要求，也是公共管理的绩效要求。从实践层面而言，公共利益实现的基础是公共诉求的表达，这就要求作为公共责任主要承担者的政府，必须积极创造公民表达和形成公共利益诉求的条件，以使得公民之间、公民和政府之间能够围绕其关心的公共事务，在观念、价值、手段等层面进行充分的交流和融合，以实现公民个人需求的社会定位，并在公共领域和公共决策层面形成“共识”，推动个人与社会的共同发展。然而，作为公共利益实现的逻辑起点，现实中公共利益诉求的形成存在着表达和整合的障碍。由分工、社群等因素造成的社会系统的复杂性会造成信息传递的困难，会造成公民之间、公民与政府之间大规模的沟通和协调的困难，甚至会引发其间的矛盾与冲突。在传统的社会运作方式下，信息传递和沟通的效率已经不能满足公共管理的需求，同时，依靠随机抽样等方式来解决数据收集和处理问题的方式本身也存在着许多固有的缺陷。而在数字化时代，快速发展的信息技术和研究方法已使得数据的收集和处理变得更加容易、更加快速，而且，与数据交流的困难看来也已经不是理所当然的了，在组织和社会发展的过程中，我们拥有了处理数据的更大的信心和能力。大数据所代表的网络信息技术和数据处理能力无疑成为解决公共管理问题的一种新的、有效的方式。一方面，大数据可以提供多样化的信息渠道，这种多样化使得公民的广泛的利益诉求变得可能，可以打破由阶层、教育、收入、习惯等造成的沟通障碍，进而在公共利益的实现过程中，建立一种围绕公共事务的共享的价值观念和利益观念，帮助公民超越短期利益诉求，并为对话表达共同价值提供舞台，以形成对公共事务的共识和公共利益实现的基础。另一方面，政府不能止于为公民提供均等化的产品和服务，而应当和私营部门所做的一样，通过市场细分，精益化地实现公共利益。相对于大数据时代，在以往的社会运作方式下，由于管理理念的落后和数据技术的缺乏，社会生产是通过大批量的、同质化的产品和服务来满足客户需求的。而在以先进的数据和网络技术为代表的大数据时代，在公共利益实现的过程中，则应当通过精益性、无遗漏、精细化、定制化的产品和服务来满足公民的需求。作为一种技术回应，大数据技术使管理者可以对管理对象的独特需求进行追踪和分析，进而实施管理行为或投送有针对性的服务。研究表明，这种根据个体或人群将公共服务进行细分与定制的管理模式，能够提高效率、效果和公民满意度。事实上，精细化的管理模式，在有效响应公众诉求的同时，也能提升政府的运营效率和管理品质。这就要求在公共管理中，政府对于数据的态度，应当实现从“宏观把握”到“微观差别”，从“决策参考”到“精确分析”，从“数据使用”到“智慧支持”的转变。 2对公共管理决策的全新认知 政府存在的合法性和权力的来源，决定了在对公共利益的追求和实现过程中，政府在公共管理的体系中所具有的主导地位，以及政府所必须扮演的积极角色，而这种地位与角色的有效性极大程度上受到其决策方式、能力和效果的影响。在半个多世纪的漫长过程中，决策支持系统曾经一度因为缺乏有效的数据组织方式而徘徊不前，虽然其后的发展取得了前所未有的加速度。作为公共决策的重要主体，快速和灵活的大数据时代特征也对政府的数据管理和使用模式提出了更高的要求，大数据的出现颠覆了传统的数据管理方式，在数据来源、数据处理方式和数据思维等方面都会对其带来革命性的变化。正是如此，在公共管理的决策领域，由于拥有了全面的信息，过去那些建立在非完全信息假设上的管理思维和方法，已经被彻底地改变。因此，大数据不仅带来了政府决策的巨大挑战，也提供了变革公共决策的现实机遇。大数据对于决策的价值是显而易见的，通过对大数据的挖掘，可以有效提高政府决策的科学性和时效性。一方面，决策是为了解决问题或抓住机会，大数据可以通过多种渠道抓取数据，并可以发现其中反映的异常问题和有利时机以把握决策的进程；另一方面，决策的有效制定依赖于完整的信息，大数据可以提供庞大的信息，高质量的、全方位的信息可以有效提高决策的效果。诚然，庞大的信息并不意味着都高质量的信息，事实上，质量远远比数量重要。也就是说，肯定数据价值的同时，也应当认识到数据分析的局限性。例如，可以描述政府与公民网络互动的频数，但并不意味着能确切地说明其相互关系，而解释和分析其背后的原因则更加困难。由此，决策环境的改变必将带来政府公共管理模式的巨大改变。首先，政府应当开放透明，持续完善公众公平、便利地获取公共信息的渠道和手段，以利于公众参与公共决策。诸如在公共政策制定、公共财政开支、公共资源分配细节等方面都应当充分满足公众的知情权，在更大范围内实现数据共享。这既是决策效率提升的要求，也是行政民主的价值诉求。其次，在大数据时代，社会主体和公众意见的有效体现是决策的合法性和合理性的基础。一方面，这要求政府培养数据意识，全方位的重视数据的收集和积累工作，为实施大数据战略做准备；另一方面，应当不断推动社会媒体、社交网络等数据平台健康快速的发展。为此，在数据的收集、更新，尤其是数据利用方面，政府都应当不断地调整管理思路和方法，并积极改善公共管理决策的数据环境，提升决策过程中的数据意识，建立有效的决策支持数据系统，以实现决策的科学化，提高公共决策的质量。 3对公共治理战略的深刻影响 目前，大数据已经在商业领域中被广泛应用，并产生了巨大影响。在商业领域，新的研究方法拓展了现有的理论模型，可以利用社会网络、数据挖掘和统计等方法挖掘出高维度的市场信息。即便是在社会领域，大数据同样会帮助我们认识和适应公共治理的社会环境。大数据管理不仅是一种技术或管理方式的创新，还代表着人类对于信息更加全面的把握能力，同时也反映着人类自身特性的深刻展现及发展。因此，在公共管理实践中，必须在大数据的语境下，用大数据的思维方法理解和分析新的治理问题。 3.1信息技术是一种社会赋权工具，大数据造就了一个权力碎片化的社会 在某种成程度上降低了群体压力对个体的影响，凸显了个体的主动性和能动性，网民可以在表达和交往的过程中，将他们认为重要的问题变为公众议程的一部分，并成为公民之间、公民和组织间关注和讨论的公共问题。信息和数据将围绕着这些问题产生，而且一旦实现信息的自由和数据的开放，知识和权力在每一个公民之间就是等距的，社会的主体结构就将从分层转向网状，社会形态和社会结构就将会出现新的变革。在这种情况下，公民也就越来越多地倾向于社会公共领域，其结构特征和特性就成为公共管理价值性和工具性实现的原因和意义。而且如果个人在互联网上的交往活动能被系统地捕捉到，那么我们就可以有史以来第一次对非正式沟通的流向、观点在不同社会群体之间的传播，以及隐藏在沟通之下的实际网络结构进行观察或作出合理的推断。也就是说，在这种治理环境中，大数据不仅带来了社会结构的新变革，也发展了认识这种结构变革的方法。因为，大数据可以有效地反映舆情和民意，网络上产生的海量数据反应了社会结构中网民的行为、能力和态度，这是信息时代现实社会与网络空间深度融合的产物，蕴含着丰富的内涵和很多规律性信息。 3.2大数据可以有效地降低社会发展中面临的不确定性和风险。 在现代社会，政府转变治理思维、提升危机意识、调适治理模式的着眼点在于，危机的产生和演化是公共管理和公共利益实现的巨大挑战。一方面，危机的突发性要求政府不断提升危机响应的效率，不但要具有前瞻性的战略视野，也应当具备强大的信息收集和处理能力。同时，把大数据技术引入危机管理领域，绝不应只将其视作一种技术手段的进步，而应该以大数据技术为基础对整个危机管理的流程进行再造。另一方面，危机的社会性要求政府密切关注社会范围内的所有信息，在日常活动中，防范和化解可能出现的危机。在大数据背景下，人类的大部分行为都受制于规律、模型以及原理法则，而且它们的可重现性和可预测性与自然科学不相上下。因此，对现实的、潜在的公共领域的数据信息进行实时分析，可以提高政府对危机的识别和判断能力，及时发现卫生、环保、灾害、社会管理等领域的危机，为实现科学有效地防范和化解危机管理提供基础。 3.3大数据将极大的影响和改变政府的发展和竞争战略。 事实表明，大数据不仅仅影响的公众个体和企业组织，大数据也可以提升行业、经济体和社会的发展活力。为此，一方面，着眼于大数据时代的环境变迁，政府必须前瞻性地将政策的制定和实施与大数据的发展联系起来，政府必须解决人力资本、隐私保护、知识产权、信息共享、通信和技术开发等领域的一系列问题，以发挥大数据的价值潜能。另一方面，政府必须通过大数据来改造自身，通过政府机构跨部门的整合，通过不断学习和掌握大数据管理技术，挖掘和利用公共行政的海量数据，来改善和提高公共管理与服务水平。此外，大数据管理还将成为推动政务公开和政务监督的有效模式，以此来保障政府运作的合理性和合法性。 作者：王峥嵘 单位：甘肃政法学院 大数据时代论文:大数据时代大学教育论文 1大数据时代概述 1.1大数据时代的思维方式 人类一直以来都在不遗余力地探索事物的本质和追求能够快速、高效地解决问题的方法，传统上，人们在生产、生活和研究中最常用的方法是因果论，利用因果论推导事物的本质，需要用极其严谨的逻辑方法和缜密的思维，所以能够利用因果论做到这一点的从来只是少数人。理论上每一个件事的发生都是事物本质的片段表现，只要能够收集到足够多的相关信息，通过事件之间的相关关系，就能够跳过繁杂的分析过程，直接还原事物的本质，但是在信息技术出现并普及之前，通过传统的市场调查方法，想要收集到足够的相关信息，几乎是不可想象的事情，甚至令人绝望，现在随着信息技术的发展，网络几乎覆盖了整个地球表面，完全可以在有效的时间段内收集到足够多的信息，信息来源的广泛性和即时性完全能够满足运用相关关系求得事物本质的条件。可以说，大数据就是利用事件之间的相关关系的一种方法论。 1.2大数据时代大学教育典型案例 2007年，美国科罗拉多州的WoodlandParkHighSchool的两个化学老师在课堂教学中采用了一种全新的教学方法，将教学内容制作成视频，有学生课前在家观看学习，教师在视频中布置作业，学生在课堂上完成作业，教师在课堂上对学生进行一对一的指导，结果是学生成绩提高，学习兴趣增加，得到了学生和家长的肯定，这种教学方法就是为“翻转课堂”。受“翻转课堂”的启发，2012年，麻省理工学院和哈佛大学联合创办了在线教育平台edX，斯坦福大学创办了Cours-era、Udacity，开创了大数据技术在大学教育领域应用的先河，现在MOOC(MassiveOpenOnlineCourse，大规模开放在线课程)已经成为了席卷全世界大学教育新风尚，斯坦福大学SebastianThrun与PeterNovig教授开设的“人工智能导论”课程，全世界有超过16万人在线注册学习，2.3万人通过了考试，成为大学教育世界化的典范，现在国际上类似的在线课程几乎涵盖了大学教育的各门学科。2013年，上海高校率先成立了中国的MOOC平台，随后，北京大学、清华大学加盟了edX。 2大数据时代大学教育的特点 大学教育会被时代打上烙印，大学教育的产品要满足时展进步的需求，还要承担为时展进步提供人力资源的责任。现在的大学教育是第二次产业革命的产物，其特点就是批量化、快速的培养了大工业生产所需求的劳动力，现在人类社会已经进入了以信息技术和互联网为基础的信息社会，原有的大学教育在功能上已经跟不上时代的发展和进步了，基于云计算和物联网的大数据技术正在改变着传统的大学教育方式，在大数据技术的支持下，传统的流水线式教育正在向着自组织学习改变，学校和课堂由封闭式变为开放式平台，课程周期以微课程为主，学生学习安排更加个性化，学科之间的界限变得越来越模糊，学习内容不限于书本，还有来源于实际的需求，一刀切式的教育方法正在向个性化发展，教师在学生学习的过程中由占主导地位变为引导者和帮助者。极具戏剧性的是，美国著名的未来学家阿尔文•托夫勒在1970年出版的《未来的冲击》中描述的未来教育的图画与大数据技术支持下大学教育能够做到的惊人的一致。 3大数据对现代大学教育创新的积极影响 3.1更开放的校园 在大数据时代，大学校园的围墙只保留了其象征意义，大学教育通过网络的触手延伸到世界的每一个角落，大学更加兼容并蓄，包容性更强，大学不再是知识垄断的殿堂，而是知识交流、思想碰撞的平台。尤其是MOOC和edX已经在全世界高校范围内被广泛认可并使用的情况下，世界其他国家的学生完全不需要到国际名校去听令人向往的著名教授的课程，在网络上就可以实现了，所以高校教育在一定的意义上已经国际化了。 3.2更符合时代需求的教育理念 教育理念是教育的灵魂，在“有教无类”的教育理念指导下，孔子老师培养出了七十二贤人；没有蔡元培先生提出的“思想自由、兼并包容”的教育理念，就没有现在的北京大学。大学的教育理念应该是培养出有组织能力的人、能够独立做出理性判断的人、能够在繁杂的现象中发现规律的人、能够在激烈竞争的环境中生存发展甚至脱颖而出的人，大数据时代的来临给了现代教育工作者实现这一教育理念的绝佳机会。 3.3更具时效性的教学内容 教科书中知识的特点是系统性和全面性，但是教科书中的知识有一定的时滞性，教学内容大多枯燥无味，很难引起学生的兴趣，学生很难从教科书中了解到专业学科的研究现状和国际前沿的研究方向、研究方法、研究成果。另外，学生一般在学校期间又很少有社会实践，绝大所数学生都是从校园直接进入社会，导致学生毕业后很难直接和社会接轨。大数据时代教师完全有可能收集到来自全世界相关学科最新的前沿信息，在课堂上有选择地向学生介绍，甚至学生在掌握学科基础知识之后，可以在教师的指导下，独立或者分组完成信息的收集、整理和分析工作，让学生能够全方位、多角度地学习知识，可以极大地提高学生学习兴趣。 3.4更具合作性的教学过程 大数据时代教学过程的合作性包括三个层面：一是教师和学生之间的合作，大数据方法改变了传统的教师和学生之间教与学的关系，韩愈提出的“师者,所以传道授业解惑也”。观点的基本条件是教师和学生之间存在信息不对称的现象，大数据时代这一现象被打破了，学生甚至可能在某些领域掌握的信息远远超过教师，所以，教师和学生之间角色的界线再也不可能像从前一样泾渭分明了，这一变化给教师带来了极大的压力和挑战。教师的引导功能和组织功能将被放在突出的地位，学生在教师的指导之下将成为知识的探索者和发现者，教师和学生合作共同完成对传统知识的传承和新知识的探索。二是教师与教师之间的合作，传统教学中教师与教师之间也有合作，但是信息交流手段比较网络时代的效率要低得多，大数据时代教师之间交流在深度和广度上要远远地超过以往的任何时代，同时教师之间的交流对教师业务水平的促进作用是最明显的。三是学生和学生之间的合作，大学期间学生之间相处的时间更久，所以学生之间的合作在时间上远比和教师的合作更多，大数据时代为学生之间的合作提供了更广泛的空间，而且学生之间的交流更轻松，也更容易发现自己的不足之处，并取长补短。 3.5更具开放性的教学过程 开放性教学过程的特点就是以学生为中心、尊重学生的学习诉求、强调师生之间互动。大数据时代的教学过程突破了传统教学在时间、空间和地域上的限制，让课堂变得无处不在，为师生之间、教师之间、学生之间提供了极为方便的交流平台。学生掌握了更强的主动性，学生可以更深入地参与到教学的各个环节，可以向教师提出符合自身条件的学习诉求，教师收集到所有来自于学生的学习诉求之后，和教师或学生讨论出合适的教学内容和方法，并将之运用于课堂教学之中。上述的一切过程都可以通过方便的网络平台高效地完成，并运用大数据手段得到最合理的结果，使教学过程的开放性得以实现。 3.6更有生命力的课堂教学模式 传统的课堂教学媒介是黑板，教师的教学工具是一支粉笔、一块黑板加一本讲义或教案，学生的学习工具是一本笔记加一支笔，教师埋头写，学生埋头抄。现在的课堂教学媒介大多都采用多媒体教学系统，但是无论课堂教学采用何种方式，其学生和教师互动的本质却不会改变，不断变化的是师生之间交流的媒介。大数据时代可以采用小班化、多师同堂、家庭课堂、网络课堂、MOOC等方式更灵活、更能激发学生学习热情的教学模式，运用大数据技术的课堂教学模式，把工业时代流水线式的课堂教学模式变为更符合现代市场经济所需求的人才培养模式。大数据时代课堂教学应该是教师对学生学习行为的支持和服务的具体化表现，进一步开发学生的逻辑判断能力和自组织学习能力，解放学生与生俱来的学习能力，而不是传统的教化和规训。 3.7更有效的教学评价体系 传统的课堂教学评价是通过问卷调查式方法得到的，调查时间一般是在学期的期中与期末之间，内容包括知识掌握、教学过程、教学方法、表达能力、情感交流、教学态度等等，最后由学生打一个优良差的评价。这种方法得到的结果在一定程度上能够反映教师课堂教学的优劣，但是局限性也非常明显，首先是客观性程度会受到许多因素的干扰而有所降低，例如学生因为对期末考试的担心而给课堂教学情况并不理想的任课老师一个过得去的评价，或者任课老师能够对学生的辅导员产生一定的影响，或者是任课教师本身就是院系的领导等等；其次是这种方法几乎没有明确体现出学生的诉求，比如学生没有提出教师课堂教学的哪些方面需要进一步改善；三是没有反映出教师对学生的客观评价。而大数据时代的解决方案能够避免这种局限性，通过收集学生和教师平时在微博、博客、网络社区、校园bbs、飞信、qq群等聊天交友平台中的发言或聊天记录建立一个课堂教学评价分析模型，因为学生在和老师交流时往往会显得比较保守而有所保留，以至于老师无法听到学生的心里话，学生之间的交流由于没有利害关系而明显会更加真诚和真实。一方面学校可以根据分析的结果，对每一个教师提出富有针对性的改善课堂教学的建议或培训计划，从而快速提高教师的课堂教学质量。另一方面学校可以通过不同教师对同一个班级学生的评价，掌握这一班级学生的真实状况，包括生活、学习、思想动态等信息，从而在学生培养方面更有针对性。 3.8更高效的社会信息反馈 大学教育是否成功最后还要经过社会实践的考验，传统的高校社会信息反馈系统收集毕业学生就业信息的手段一般采用电话调查，这种方法很难得到学生一段时间的就业信息，根本没有办法掌握毕业学生就业环境的全面信息，大数据技术可以收集学生就业环境的全面信息，并加以分析，掌握社会实际需求的毕业生需要具有什么样的素质和职业技能，并迅速调整人才培养方案，以适应社会实际的需求。 4大数据时代给大学教育带来的挑战 印度教育学家苏伽特•米特拉在印度乡村街头安装连接互联网的电脑，那里的孩子从没见过电脑，也不会英文，几个月后他发现孩子们在没人教的情况下学会了电脑，他还在其他国家做过很多类似的以数学、语言等为内容的实验，实验结果都与上述情况类似，根据实验结果分析，苏伽特•米特拉对教育提出了新的定义：教育是一种自组织行为。据此，在教育过程中大学和大学老师便要重新寻找自己的定位了。据美国新媒体教育联盟（NMC）的研究，人类学习行为需要的媒介或载体都有其对应的技术基础，也就是以新技术为基础的学习方式会被旧方式阻碍。斯坦福大学SebastianThrun和PeterNovig教授全世界的粉丝超过16万，而且还在持续增加，这在过去是不可想象的，同时也为其他大学教师树立了信心，大学将变成一个巨大的训练场，教师就是教练，这个转变过程需要时间，也会有重重困难，对大学和大学教师来说都是一个巨大的挑战，同时也是一种难得的机遇。 5结语 大数据时代的大学教育创新以培养信息时代社会需要的人才为目标，这一阶段的大学教育结合信息时代的新技术将更具智慧，是对学生心智的全面开发，也是信息时展的必然选择。 作者：侯大为 杨江帆 单位：武夷学院 福建农林大学 大数据时代论文:大数据时代思维下的服装设计论文 一、大数据时代思维模式及其在服装设计领域的体现 1.海量信息思维模式 以往人们总是尝试先发现问题，再获取相关信息，探索解决之道。而大数据时代，人们总是先尽可能多的去获取和储存信息，而信息数据价值密度低、数据量大，当遇到问题时再尝试解决问题，其解决的效率和精准度率也有所提升。这种“海量信息”的思维在进行服装流行款式、流行色彩的市场调研时，依然十分适用。 2.新媒体思维模式 信息数据附着在各类新媒体之上，数据格式多种多样，从网页论坛、视频、网络日志、微博微信、甚至地理位置信息等等。新媒体思维正在改变服装市场的营销方式，服装企业传统的营销手段是实体店集中推广、平面广告以及电视媒体宣传，节假期间雇佣大量劳动力街头派发促销传单。而大数据时代，服装企业充分利用互联网的植入式广告、病毒式推广以及低成本营销，打造网络交易平台，全方位收集消费者信息数据，分析消费者潜在消费动机与偏好，从而在推广品牌的同时扩大销售量。 二、大数据时代对高校服装设计教育的启示 1.教学方式的变革 随着笔记本电脑、平板电脑逐步进入课堂，教材、教学活动不断被数字化，教育方法应以更丰富多彩的形式融入课堂。网络教学和讨论方式也是大数字时代课堂经常采用的一种教学方式。以服装设计课程为例，在服装风格与流派章节学习中，鼓励学生利用网络资源，进行相关文献查阅，了解不同历史时期服装风格的含义与表现，以演示文档的形式进行小组讨论，并设计“最受欢迎的大学生潮流服饰搭配”问卷进行市场调研，感受数据的多样性以及数据分析方法。 2.课程知识点的设置 “因材施教”的理念在班级授课制中开展有着相当的难度，在有限的教学时间和教学空间内，教师对学生的“材”无法充分的了解和引导。在大数据时代，教师可以对每个学生学习数据进行分析，将学生的整个学习过程数字化，例如知识点可以被数字化并与测试题建立联系，测试题中每道题的完成时间、错题数等都以数据的方式记录。计算机通过错题分析出每个学生对各章节知识点的掌握程度，从而从根本上落实“因材施教”的教育理念。在服装结构设计类课程中，将知识点与知识点进行组合并设计考核题目，例如人体测量部位与原型版的对照练习，放松量章节的知识点与不同类型板型对应，款式分析与服装风格分析相关联，从而建立知识点与测试题的联系，用相关性思维解决结构类课程中的每一个细节问题。 3.侧重对学习过程的评价 随着笔记本电脑、平板电脑逐步进入课堂，教材、教学活动不断被数字化，学生学习过程也将逐渐数字化，学生的学习过程更加受到关注，而对于这些数据的分析与利用，将使得每位学生的发展都有据可依。例如，在服装工艺类课程中，将更注重实验课程环节的设计与实验过程考核，根据自学能力、创新能力和动手能力来评定学生的综合成绩。鼓励学生海量收集学科咨询，通过自主学习发现问题解决问题，而通过不同考核项目的得分，分析学生的自学能力与学习类型。 三、大数据时代对高校服装人才培养提出的新要求 1.获取有效信息数据的能力 互联网上各类教学视频、教学文库林林总总，各类网络学院、网络公开课、精品课程应接不暇。高校须引导学生自主学习，加深学生对当今社会变革的理解和认知，使学生具有大数据思维能力和判别能力，能够在时间学习中利用资源，使数据为专业学习所用。 2.分析数据的能力 要求学生能根据不同的需求，利用有效的问题解决思想和方法论，最终形成有效的数据，并能够为大多数人使用。利用定量和定型的分析方法，挖掘数据之间的相关性，并形成数据分析报告。该项能力需在服装专业考察、服装创新实践平台等实践环节的课程中，得到充分的训练。 3.团队的建立和管理 在大数据时代，单凭一己之力无法应对海量的数据，需要以团队的形式，在共同目标的引导下齐心协力、分工合作，因此要求学生具有很强的团队意识、良好的沟通能力和完善的团队管理制度。基于以上大数据背景和启示，大数据思维模式正在由商业服务领域向教育领域快速蔓延，大数据时代带给人们主要的思维模式为相关性思维、海量信息思维和新媒体思维，能够与高校服装设计教育理念多角度、多层面融合，从而指导服装设计专业从教学方式、课程知识点设置、考核评分标准等方面做出适应时代的变革。 作者：李霁 单位：江汉大学设计学院 大数据时代论文:大数据时代学校管理论文 一、大数据时代学校管理环境的变化 以前学校用到的数据多是随机样本，随着大数据时代悄然而至，海量的数据源源不断产生，数据不仅更多，而且更为复杂，使学校管理的内外环境发生了质的变化，给学校的管理决策等带来了极大影响。学校管理模式面临挑战。大数据时代，数据成为学校发展的一种重要资源。学校掌握的数据越来越多，越来越活，数据的价值日益凸显。如何采集数据，并从学校办学行为数据中提取具有完整性和可用性的信息，进行科学决策，减少决策行为的盲目性？如何用数据来说话，让“隐秘”的数据回应教育规律和学校文化？如何利用大数据为师生服务，维护师生的隐私，保证各种数据资源的安全？……这些都是每一个学校管理者必须面对的问题。这些变化催生了学校管理模式的变革。教育信息化建设重点的转移。 大数据作为信息技术变革的一次重生，它不仅仅是一门技术，也是一种思维方式的变革。此前，不少学校把教育信息化的重点放在信息化系统和教育装备建设上，忽视数据的挖掘、分析与整合。大数据在教育领域的发展使数据建设成为教育信息化的重头戏。如校园网络系统的运行、教学教务管理支持、面向特定学生的分析等等，都需要面对数据的采集、处理及其分析的集成问题。关注数据建设，开发以数据分析为基础的新一代教育平台，这将对学校的发展与未来的走向产生深远的影响。学校竞争要素的调整。此前，设计教育环境、布置教育实验场景、洞察师意学情、采集教育信息、进行教育决策等等，往往依靠决策者拍脑袋或者办学者凭借经验来决定。随着大数据技术在学校管理中的广泛应用，办学理念再好，办学经验再丰富，也不一定能在教育竞争中获得优势，数据开始决定学校之间竞争的胜负。数据的数量、数据的分析与处理的能力、数据主导的决策，将成为获得学校核心竞争力的关键。以数据为灵魂来主导学校管理成为学校管理的旗帜。 二、大数据时代学校管理的发展趋势 “不会量化就无法管理。”大数据时代的学校管理更加强调数据依赖、数字化管理。大数据为学校管理者提升管理服务的质量和水平创造了良好的条件。学校管理的数据观念大大强化。发展是学校的主旋律，科学管理是学校发展的助推器。大数据没有否定这一原则，而是强化了科学管理的数据观念。数据是学校发展的基石，也是学校决策的基础。数据忠实地记录着学校的办学行为，并通过网络传输到“云”中。学校办学理念的提炼、发展规划的制定、办学模式的形成、教育评价的完善等，都源于各种数据的挖掘、积累与整合，并以数据可视化形式加以体现。数据资源成为提高学校决策科学化、管理精细化的生命基因。如果缺乏对学校管理数据资源的挖掘、掌握和利用，就谈不上实施科学有效的管理，更不用说要赢得未来的竞争。学校管理内容的拓展。 大数据时代，数据化管理首先表现为数据采集。学校拥有大量的教学、科研、管理等数据，为数据分析提供了一定的信息基础。进一步加强学校数据采集工作，是构建完备的信息系统，释放数据应用潜力的保证。其次是数据分析。这是数据管理的关键，其目的在于最大限度开发数据信息的功能，发挥数据信息的作用，实现对数据信息的有效掌控。例如，教师不必囿于主观认知和学养，只需通过数据关注学生的微观表现分析学生的学习行为数据便可掌握学生的学情，实现对学生的个性化评价。再次是数据安全。大数据把学校教学、行政、科研、财务等各个要素整合在一个系统。维护师生员工的隐私，有效存储并安全保护各种数据资源，是大数据时代学校管理的重要内容。学校管理方法的创新。大数据的本质就是教会人们一种解决问题的方法，即面对问题时从数据里面找到问题的根源，进而发现解决问题的办法。过去，不少学校数据的完整性与系统连贯性缺失，数据分析不力，刻板的原则和单纯的主观判断常常左右教育决策。大数据技术和应用不断推陈出新，推动学校向以数据为基础的教育管理模式转型。大数据反映了客观现实，不仅带来学校管理技术和管理理念的革新，还带来管理方法的创新。 大数据时代，学校师生员工几乎“透明”地生存，每个人在数据空间中都会留下痕迹，折射其兴趣爱好、需求意愿、性格特征等内心世界。管理者只需收集和分析相关数据便可以洞悉和预判现实中师生员工的未来行为，准确定位师生的需求，从而实现精细化管理。重塑学校管理职能。大数据时代，不同专业、不同类型的数据都可能被广泛获取，在学校组织内有序传播，被合理解读，学校组织内部的透明度和沟通效率大幅度提升；同时管理层级进一步扁平化。这些特征使学校的管理流程和决策机制乃至管理模式发生了根本性变革，数据成为改善学校管理服务质量的重要工具。学校管理决策将基于众多数据及其分析而得出，而非单一的直觉和经验。学校管理的重心将转移到围绕提高学校核心竞争力，致力于教育数据资源的采集、组织和管理，数据资源价值的挖掘以及核心数据资源、紧密相关的数据资源的利用等职能上来。 三、大数据时代学校管理的对策与建议 大数据的出现是社会进步、技术发展的必然结果。大数据对于学校的发展既是机遇，也是挑战。直面还是逃避？这是学校管理者必须思考的问题。 1.增强大数据意识 大数据承载着师生的需求，反映了师意学情。大数据意味着学校管理的重生，大数据正在颠覆传统的教育发展模式。学校管理者应抢抓这一机遇，树立大数据思维方式，善于透过忠实记录现实教育教学活动的数据，发现背后内在的教育规律，以数据管理推动科学决策，推动学校各项改革与发展。 2.推进大数据发展战略 第一，从学校发展战略上理解大数据的价值，更加注重教育信息化发展规划与建设，重视教育信息技术的创新，重视数据采集环境建设及其数据资源的开发与利用、分析与整合。第二，从数据资源的质量层面看，教育信息化的发展使学校已经具备大数据的基础条件，但是目前普遍存在的问题是数据质量参差不齐、数据整合不深入、数据利用率低等。许多学校的数据分析、利用仍停留在初级水平，数据很难被发掘利用也反映了在系统建设和使用过程中的数据不准确、不精确、不一致等诸多质量问题。因此，改进数据建设质量成为学校发展的当务之急。第三，在数据资源应用上应加强数据信息共享平台建设，使更多的数据可视化，降低数据的复杂性，助推数据资源共享，满足公众对数据的需求，重构并优化学校与公众、学校组织与员工之间的关系，提升学校形象，增进学校的美誉度。 3.创建大数据实现机制，提高从数据到决策的能力 首先，科学的教育决策既需要创新思维，又需要大数据的支撑。加强数据资源库建设，优化、整合现有的学校信息管理系统，是建构大数据实现机制的前提和基础。其次，大数据时代，教育信息资源极其丰富，数据被大量产生、汇集，快速地流动更新、存储。大数据的核心不在于拥有数据，而是拿数据去做什么。为适应这一变化，学校管理者必须掌握数据分析与数据处理的技能，创新数据处理技术，提高数据分析和处理能力，同时充分发挥数据分析专家的作用，建设高效的数据治理机制，充分挖掘大数据带来的新价值。再次，以建设数据开放机制为契机，用数据说话，重塑学校教育质量和办学效益评价体系，以评促建，以数据纠偏，提升学校的办学水平和办学效益。 作者：李忆华 阳小华 单位：湖南南华大学政治与公共管理学院 湖南南华大学校办 大数据时代论文:大数据时代思想政治教育论文 一、大数据催生了思想政治教育传播的新环境 在大数据时代，数字技术条件日趋精密，人们的活动、决定、社会关系都能够被记录，人类的行为不再被视为互不相关、随意偶然的独立事件，而是相互依存、相互串联。例如，亚马逊通过收集用户在网站上搜索、浏览、打分、点评而留下的数据痕迹，就可以勾勒出用户的特征与需求，进而开展精准营销，推荐他们想要的书，捕获用户最佳的购买冲动，提高客户的购买意愿，创造经济价值。再如，医疗机构利用数据实时监测用户的身体健康状况，教育机构更有针对性地制定用户喜欢的教育培训计划，社交网络为网民提供合适的交友对象，这些都是大数据核心价值的体现。总而言之，通过对大数据的深度智能分析和信息整合，能够帮助人们找到事物间的关联性，判断事情发生的概率，从而预见事物发展的方向和趋势，以获得“大知识”和“大价值”。最后，隐性沟通是大数据的实质。对于大数据而言，人是其形成和产生的直接和间接的核心来源，其最终的逻辑指向和服务目标也始终是人。 大数据在本质上而言，是人与人之间的隐性沟通，包含着数据发送者与接收者之间“给”与“受”的过程，是人与人之间的互动行为。但是这种隐性沟通完全不同于传统的语言、肢体等沟通方式。大数据时代下，隐性沟通是以计算机、网络等硬件为基础的，以数据及其运算为依托的，主要通过信息传递、服务宣传等手段，以挖掘用户需求，并迎合用户的心理诉求，最终实现互利双赢效果的新型沟通形式。不论是用户在网络上内容产生的数据，或是用户运用鼠标、键盘在网络上留下的数据痕迹，只要通过分析整合，就可以与用户进行一种隐性的对话，预测用户的需求，并进行推送服务，以不断满足用户的需要。事实上，这其中所蕴含的深层沟通逻辑关系并没有改变，但实现方式却发生了天翻地覆的变化，不仅降低了沟通的成本，而且提高了沟通的效率。总而言之，大数据时代的来临使信息传达的范围、传递的速度与传播的效果都发生了前所未有的变化，正深刻影响着思想政治教育传播形式的变革，已经成为思想政治教育传播无法回避和拒绝的新环境。 二、思想政治教育的微传播化 大数据伴随着新媒体技术的发展进入了思想政治教育学科的视野，特别是微博、微信、微视等新媒介的灵活运用，孕育了思想政治教育传播的变革，产生了思想政治教育传播的微形态。具体而言，思想政治教育的微传播主要有以下几方面的趋势： 1．思想政治教育传播载体的迷你化 大数据的惊人发展导致传播载体更加小巧便捷，易于携带与移动。这与传统的报纸、书刊、电视等宏观传播载体有着明显的区别。例如，一台电视机的显示屏从19到55寸不等，一台笔记本电脑的平均显示屏为13寸，而一部手机的平均尺寸则只有4寸。手机凭借其自主性强、便携性好等特点，已经成为微传播的主要载体。根据《第33次中国互联网络发展状况统计报告》，截至2013年12月，中国手机网民规模达到5亿，年增长率为19.1%，继续保持上网第一大终端的地位。因此，思想政治教育传播者只要在手机或平板电脑上利用微博、微信等软件便可以随时随地查看、、更新思想政治教育消息，设置新的议题，从而拓展思想政治教育传播活动的范围，进一步突破时空的限制，使思想政治教育传播呈现出流动的状态。 2．思想政治教育传播信息的精简化 事实上，传播载体的迷你化也在一定程度上决定了思想政治教育传播信息精简化的特征。因为流动的思想政治教育传播容易将传播时间分割得更加琐碎，造成了人们愿意选择零散的时间来接收信息，而繁杂冗长的信息是难以引起人们兴趣的，有时甚至带来反感。同时，在数据膨胀的时代，信息的高速流动性改变了人们的阅读方式和习惯，大家需要用更快的方式吸收更多的内容，催生了人们对信息快速阅读和传播的需要，短小精练的“微言微语”反而更受青睐。有学者指出：“传播和建筑一样，越简洁越好，你必须把你的信息削尖，好让它们钻进人们的大脑；你必须消除歧义、简化信息，如果想延长它留下的印象，就得简化，再简化。”因此，思想政治教育传播需要契合这种社会信息化、时间碎片化的发展要求，传播内容变得更加简短、新颖、有重点，可以是通过微博、微信传递的一张图片、一句话或一小段话，也可以是微电影播放的一小段视频。这些微内容较之以前的信息更具有即时性、互动性、视觉性，简洁明了，有的放矢，容易获得受众的注意和兴趣。同时，因为信息篇幅较小，呈现出更多的灵活性，在思想政治教育传播过程中容易被更快速地传递出去。 3．思想政治教育传播受众的细分化 大数据时代的一个重要特征就是数据服务变革，即通过数据分析，可以把用户分成不同类型的群体，甚至是不同特征的个体，从而进行精准服务。例如，我们通过数据分析，可以把思想政治教育的对象分成青年、中年和老年等几个层次，或者学生、工人、农民、干部等不同类型，从而进行分层传播。当然这中间会存在一定的重合，但总体来说，一种媒体的受众在性别、年龄、学历、经历上都有其固定的范围。因此，在思想政治教育微传播过程中，一方面，教育对象根据自己的需求选择相关的教育信息和服务，并通过分众化的媒体来传递信息给教育者；另一方面，思想政治教育者借助网站、软件和课程以及网络学习平台收集、分析数据，对教育对象的个性、需求进行判断，从而针对不同教育对象的特点与需求，制定不同的传播策略，有的放矢地解决不同层次、不同类型教育对象的各种思想矛盾与问题，使教育对象更加认可、理解、接受思想政治教育，实现思想政治教育传播的个性化与精准化。 4．思想政治教育传播结构的扁平化 在大数据时代，随着信息传递渠道的多元化、信息传递数量的极大化，思想政治教育传播也逐渐由逻辑清晰、管理严密、分工细致的科层结构过渡到以个人媒体为代表的扁平网络结构，每一个拥有传播载体的对象都是一个传播节点，每个人都在进行自己的二次传播。思想政治教育微传播中，传播者不再局限于专门从事思想政治教育的人，传播的专业门槛大大降低，最普通的对象也可以作为教育信息的制作者与传播者参与到信息的传播过程中来，并且传播者与受众的位置经常互换、重叠并且逐渐变得模糊，他们既是某些教育信息的传播者又是另一些信息的接收者。人人在对话中实现决策参与，成为传播活动的主体，这就使思想政治教育传播活动更加便捷、高效、平民化。 三、思想政治教育微传播的应对之策 大数据时代的到来使思想政治教育微传播呈现出速度快、精准性强、互动性好等诸多特点，但大数据也是一把双刃剑，其负面作用不容小觑。因此，在思想政治教育微传播的过程中，要树立起大数据思维，培养良好的数据处理能力，从而顺应大数据时代的潮流，切实推进思想政治教育的微传播。 1．树立大数据思维，警惕“信息茧房” 大数据时代，信息的碎片化、受众的细分化容易给思想政治教育的微传播带来“信息茧房”效应。所谓“信息茧房”是指受众往往根据个人的需求和兴趣对信息进行片面择取，选择个人偏爱的主题和观点，喜欢与自身兴趣相投的“他者”进行交流，长此以往，就会将自身桎梏于像蚕茧一般的“茧房”中。在这个自我建构的信息脉络中，个人容易因为他人“赞同性”的暗示而逐渐放大自己的偏见，盲目自信，从而错过一些新的或者相反的信息，导致视野狭隘，个人价值观呈现出碎片化，有时甚至会产生极端主义现象。诚如桑斯坦所说：“生活在茧房里，他们就不可能考虑周全，因为他们自己的先入之见将逐渐根深蒂固。”而同时，持不同观点的各个集团间又容易形成话语隔阂，分化明显，认同困难，社会黏性缺失。这些都增添了思想政治教育微传播的困难。因此，要提升微传播的精准度和凝聚力，迫切需要思想政治教育传播者树立起全面性、模糊性、开放性思维，走出自己的固有思维，为思想政治教育的微传播提供强有力的支撑。 首先，形成全面性思维。大数据时代，记录、存储和分析数据的技术已经大为提高，要求收集全面而完整的数据，只有对数据的全面掌控才能真正挖掘数据的潜在价值，进行精准预测与传播。在思想政治教育微传播中，虽然实时快捷，却以屏蔽开阔的信息视野为代价，造成传播内容的片面性和片段化，影响到教育对象接收信息的广度与深度。同时，教育对象思想的复杂性也要求思想政治教育传播者树立起全局性思维，形成系统意识。因此，思想政治教育传播者应自觉掌握教育资源库、视听觉媒体、各类搜索引擎、社会性软件及其他各类数据库的海量数据，并进行系统的分析与整合，努力为不同思想观念、不同价值取向、不同生活习惯的教育对象提供量身定制的教育信息和服务，同时又要涵盖多方面的内容，使之成为多种要素协同作用的有机整体，从而对教育对象的思想特征、认知能力、话语倾向、发展需求等方面进行全面把握和积极引导。因此，“在任何细微的层面，我们都可以用大数据去论证新的假设”，“它让我们能清楚分析微观层面的情况”。 其次，培养模糊性思维。尽管现代信息技术以其高速准确的演算能力以及严格的逻辑证明能力为思想政治教育传播的精准化提供了强有力的物质手段，但也带来了数据的迅猛增加和错误数据的混入，使思想政治教育微传播受到挑战，因此迫切需要树立模糊性的思维。模糊性思维并不意味着思维本身的含混不清、抛开逻辑、舍弃精确，而是当事物由于其本身的复杂性处于亦此亦彼状态时，思维主体利用模糊识别、模糊控制等非逻辑方法把各种相关的精确元素与模糊元素加以整合、匹配，来弥补逻辑推演链条中的不足环节，以越过缺环所造成的障碍，从而促使人们由模糊向精确转化，达到精确性与模糊性的有机统一，实现寓精确于模糊。事实上，在思想政治教育微传播中，教育对象的思想具有不确定性、动态性、隐蔽性，使得传播过程中的诸多数据错综复杂，或明或暗、或微或著地呈现着，既表现出直接或间接的联系，也有稳定或短暂的联系，需要传播者通过抽象、概括、综合和推理，找到事物间的关联，从而准确认识教育对象的思想特点与行为习惯，保证传播的对症下药。因此，“相比依赖于小数据和精确性的时代，大数据因为更强调数据的完整性和混杂性，帮助我们进一步接近事实的真相”。 最后，建立开放性思维。开放性之所以作为思想政治教育微传播的重要思维方式，是由当前大数据环境下数据产生与信息传播的广阔性、多元性、动态性所决定的。“现时代是一个开放的时代，突破了过去自然经济、计划经济条件下人际环境的小天地，结束了长期以来疏于交往的封闭状态。随着信息技术特别是信息网络技术的发展，社会信息化、网络化的特征越来越明显。”这就要求在思想政治教育微传播过程中，人们对传播信息要有特殊的感受力以及价值的判断力，多与不同意见的人交流，有效消除隔阂，形成共同经验，避免因信息割裂带来的“信息茧房”现象。同时，思想政治教育传播过程中产生的错综复杂、日新月异的数据存在着千丝万缕的联系，也需要传播者具有开放性思维。 2．增强数据处理能力，缩小“信息鸿沟” “数据海量、信息缺乏”是思想政治教育微传播过程中面临的尴尬问题。大数据时代，人们利用微博、微信、微视等各种媒介上传图片、语音、视频等表达自己的思想，并通过转发等方式对信息进行高频率的传播。但传播的不只是时事新闻、调查报告、娱乐广告，更有预言、传言和谣言；传播环境也已不再是经过传统媒介“精心配置”的逻辑清晰、主旨明确、规格严整的“营养餐”了，而是丰富多元，但同时又是逻辑混乱、主旨各异、良莠不齐甚至互相抵触的信息“自助餐”。面对如此规模化、高速化、多样性的数据，如果没有良好的数据处理能力，就会被海量数据淹没，最终导致由大数据的拥有和处理能力的差异带来的信息差距，即“信息鸿沟”。因此，如何在“浩瀚”的数据海洋中缩小“信息鸿沟”是当今思想政治教育微传播面临的一项重大挑战。 首先，尽可能搜集全体数据。大数据具有多样性、多源性，既有传统的结构化数据，也包括网站日志数据、社交媒体中的文本数据、图片、视频等诸多半结构化数据和非结构化数据。用以分析的数据越全面，分析的结果才越接近于真实。因此，思想政治教育传播者要与数据资源丰富的部门、媒体和企业建立良好的合作关系，掌握海量的、多方面的数据。 其次，对海量数据进行筛选。面对浩瀚的数据，需要提升思想政治教育传播者的数据识别能力，对海量数据进行取舍。只有在被大数据灌满之前明白自己需要的是什么，才能避免“硬盘和大脑，在数据海啸到来后，成了无用信息的垃圾场”。这就要求思想政治教育者具备良好的信息素养，善于对数据及其来源进行鉴别，形成良好的“信息资源观”和“信息价值观”，并善于选用适当的数据计量方法或应用程序软件等对数据进行统计分析，挖掘大数据潜在的思想政治教育价值。 再次，对得出的分析结果作出合理解释，并进行科学预测。大数据时代，数据分析是关键，而数据分析结果的显示及预测更直接关系到教育对象对分析结果的接受程度，影响思想政治教育微传播的效果。因为，如果正确的分析结果没有得到适当的显示和解释，就难以让教育对象信服，甚至会产生信息误读。因此，在思想政治教育微传播过程中，我们可以引用可视化技术，其在一定程度上能够用更生动形象的方式向教育对象展示分析结果，并采用人机交互技术，使教育对象理解并参与到具体的分析过程中来。同时，我们还要通过正确的数据分析，找出事件之间的关联性，并对事件的发展走向及趋势进行预测，最终提升思想政治教育微传播的效果。 因此，大数据时代，我们不仅需要海量数据，更需要对海量数据进行挖掘、处理与管理。只有不断提升人们对数据的处理分析能力，才能将海量数据不断转化为思想政治教育微传播的重要资源，使微传播过程得到较好的分析、控制和预测。 作者：刘辉 单位：北京大学马克思主义学院 大数据时代论文:大数据时代心理学研究变革 ［摘要］ 随着信息时代的快速发展，大数据逐渐得到各行各业的重视。心理学中有很多研究表明大数据对技术的高效率，如果将其运用到心理学研究领域能带来意想不到的效果和作用。基于此，本文针对大数据时代的心理学研究变革，探讨大数据时代对心理学产生的影响和作用。 ［关键词］ 大数据；心理学研究；变革 和传统的数据库管理相比，大数据具备搜索快速、信息齐全、共享资源等优点，更是很好地解决了数据冗余的问题。随着时代的发展，大数据在很多行业、学科等领域得到了重视。近年来，大数据在心理学研究领域也有很多的作用和效果，心理学能够通过事物的表象反映出事物的内在特性，当然也需要对表象进行大量的研究分析，大数据在其进行研究分析方面起着不可估量的作用。 1大数据 1.1大数据的特点 大数据相对于传统数据，对社会的发展影响力更大，它的特点可以从四个方面进行阐述。第一，数据十分庞大，已从TB级别进阶到PB级别；第二，数据的类型也是非常丰富和复杂的，在图像、文章、视频和定位等一些方面有非常多的有用信息被提供；第三，它处理的速率特别快，可以通过很多途径在数据中快速提取出有用的信息，这是传统数据无法与其相比的；第四，数据提取的准确性，在任何时候数据分析准确性的高低都是关键，公司能因其准确性的高低做出最佳的决策，在现今时代，快速获取有效性信息是决定成败的重要元素之一。也正是因为大数据具备的功能和作用，它被各行各业广泛采用。 1.2大数据的用途 目前，虽然大数据在心理学研究领域并没有得到广泛的普及，但大数据技术上已经是相当普遍了，大数据在心理学方面的研究是大数据科学性的一种体现，它主要是发现和验证大数据的实际应用。同时，其在天文学、基因组学、生物等其他复杂的科研中应用广泛，是不可忽略的。通过研究者的不断改善和革新，大数据将会给各行各业带来不可估量的作用和效果。1.3大数据于心理学研究利用大数据开展心理实验研究已经是水到渠成。2014年一项针对Facebook大量用户的情绪调查研究表明，情绪对心理的影响，利用大数据把研究结果进行分类。令人惊讶的结果出现了，在主要接受积极情绪的人群中，积极向上是人们主要的想法。在接受了较多的消极情绪后，原本积极的人都会慢慢就变得消极。在以前的心理学研究中收集近70万个样本，将耗费巨大的人力与物力，而大数据技术却能够轻易的做到。 2心理学 2.1心理学的特点 人都是通过刺激下丘脑产生各种情绪，不管是何种表现都是表象，内在的情感需要通过心理学研究进行探究，心理的变化和发展是重点考虑的因素。大多数人都很排斥心理学家，认为他们是能轻易地探究人的内心。然而，在真实的心理学界并不存在人们普遍的这种想法，心理学家必须通过人们的行为举止，推测他们的心理，以逐渐推断出人心里真正的想法。心理学对于保持人们思想的积极性有着很大的促进作用，并有助于人们的身心和身体健康。 2.2心理学的研究逻辑 在心理学研究上首先要提出一个假设：在当下飞速发展的数据采集技术，不管结果是支持哪一种推测，都会使人们展开无限遐想。然后再证明研究结果与预想的大规模用户实验，进行全程跟踪记录并证实，否则意味着预想错误。心理学在进行假设检验时的研究逻辑与其他学科不同，它具有先验性，在得出最终结果前先进行推断。另外，和心理学研究的逻辑有所不同的是，大数据得出结论之前必须要经过严密的数据分析，它的研究逻辑具有后验性。心理学研究的先验性实质上是由于传统研究方法在获取数据上的局限性，而大数据可以帮助心理学突破这一局限，使先验变为后验。这有利于推动心理学研究走向科学化、规范化，同时也符合理论与实践辩证统一的哲学理念。假设检验有一个很明显的缺陷是，要想得到正确的推断，必须逐次验证各项假设，这极大地浪费了人力、物力和时间。而大数据不同，其从各项数据中提炼出来的信息就可以引导出最终要证实的结论，这就是“数据驱动”的妙处，它极大地提高了最终推断的正确性和获取合理结果的可能性，提高了工作效率。 2.3心理学传统的研究方法 大数据不仅可以解决数据冗余资源共享等问题，还让心理学研究逻辑不断得到数据采集的改进和完善，带来了全新的契机。在传统的研究方法中，心理学采用系统抽样法，抽取样本进行检验，再把结果统计在一起进行比对。反复地抽取样本才能体现结果的综合性，才能得出最终的结果。大数据时代的到来，让传统的研究方法得到改进，庞大的数据不再是头疼的问题，它能对数据进行快速对比，得出总体的比对结果，不再仅仅依赖于样本的检验。在心理学研究中，调查法占据重要的地位。问卷调查是最常见的调查法之一，把要调查的问题集中在一起，统一打印出来分发给众人填写，之后集中在一起查看大家对问题的看法。除了此之外，访谈法也是调查法中的一种。它一般是用面对面的交谈，了解各方面的信息，从而达到要调查的目的。除了听，看也能很好地对心理学现象进行阐述。人内心的想法都会有相应的肢体语言，对于一些不能用听获取信息的问题，观察法能很好的从侧面获取所需的信息。想得到比较严谨的研究结果，测验法是一个选择，它能把理论和实践结合起来，这在一定程度上完整了实验结果的准确性和实践性，更能说明研究结果。与之相像的是实验法，在大数据时代，实验法仍然是心理学研究中的“宝法”。实践让它在时代的洪流中仍不逊色，心理学研究的突破不仅要靠病例，也需要大量实验的数据证明，变与不变的量是一次次实践得来的，严格的实验条件是实验法的首要条件。 2.4心理学研究的载体 量表和问卷作为心理学研究中的主要载体，需根据自身的情况，回答问题以让别人获取信息，信息的准确度取决于提供信息的人。这受表达者表达方式的限制，而情景式和投射式的量表，可以很自然地避免这种限制。情景模拟可以直观地反应人在这种情况下的行为，这时的行为是由下丘脑直接控制发出的，具有较高的真实性。投射测量会向被研究对象提供一些刺激情景，被研究者自由表达，分析其反应推断其人格特征。这几种工具载体被积极地应用于研究各种心理学问题，同时还有很多专门针对某种研究的载体工具，不同的载体在针对不同问题时，能发挥其独特的作用。近些年来，随着认知精神科学的兴起，记录神经方面的设备和技术也得到了很好的应用和发展。 3大数据时代的心理学研究 3.1大数据时代的网络运行 大数据时代，网络是人人必不可少的联系媒介。网络浏览也是人们最快获取信息的途径，浏览过的网站会留下浏览的痕迹，浏览的痕迹能间接反映一个人的性格和内心。大量的浏览痕迹也能被快速捕捉，这些微小的痕迹在探究用户的心理素质和行为习惯方面有着相当大的作用。数据冗余不再是提取庞大数据需要担心的问题，人们的工作和生活与大数据越来越息息相关，对于在工作和生活中遇到的问题，也能够进行深入的了解和恰当的解决。现如今，越来越多的人用社交网络进行交流，传统的社交是永远不能达到这样的效果和作用的，所以网络社交从根本上创新了人们的交流方式，而通过人们在社交网络中的浏览痕迹，可以分析人们对彼此的心理，会对某些事做出什么样的回应。为什么会有虚拟世界的存在？什么样的虚拟世界可以构成一个虚拟的社会？网络的存在不是构建虚拟世界的主要因素，它只是一个虚拟基础。主要因素是人们在网络中的行为，只有类似于人类现实社会的生活状态，才能被称之为社会。在现实社会中的一切在虚拟世界中都要得到体现，其所表现出来的状态是个体在现实社会与虚拟社会的一致性，构成了人们对虚拟社会和现实社会的理解，对虚拟社会与现实社会已知悉的研究，探究两者之间的不同和一致，对认识虚拟社会、研究有关心理学理论，都具有非常重要的意义。 3.2剖析心理 研究表明人在接受某项服务或者用过什么产品后，一定会在心里产生一个想法，这可以归纳为人的主观心理感受。用户在使用某种产品上会产生海量的使用记录，大数据方法能筛选出一些类似的记录提供给需求者，快速、有效地使研究者得到数据的有效值，有利于加快研究的进度，同时尽量准确地得知用户的想法，尽最大能力满足用户的心理需求。 3.3避免错误 个体或者群体行为数据的逐渐增多，可以通过大数据进行心理行为分析，这能反映出比较大众的认知和感受，群体情绪的好坏能直接影响处理事情的能力，也有利于把握大事件的走向，避免由于数据调查精确性低导致恶性事件的发生。 3.4在线心理干预 心理干预在心理学研究中对人是很有效果的，但是执行人员的不足让心理干预不能同时进行，需要耗费大量的资源。然而运用大数据技术在网络上进行快速有效地信息获取，能提高流程的速度，这样的在线心理干预能大面积进行，也会提高效率。 3.5在线心理测评 目前，心理学界通用的主要测评手段是主观性较强的、来自用户自身的心理报告，这种方式的推广难度较高，且时效性也会受到限制，迫切需要改进。国内外学界对此已经展开了多项研究，试图运用数据技术，建立心理评估模型，借助超级计算机的力量，专家可以运用模型对广大用户实施实时的动态分析。3.6心理学知识体系的构建在大数据背景下，心理学方面的知识体系也将迎来革新。目前，心理学界的知识体系是在分析了大量现实的个体案例后建立起来的，然而大量研究表明，许多人的性格在网络上与现实中差别较大，大数据为相关人员分析人们在虚拟网络世界的人格提供了便利，有助于其了解在不同环境状态下人所能表现出的人格。 4心理学研究的新动力 在信息时代的今天，心理学的研究离不开大数据采集信息的技术，对于人类行为等的预测，是心理学研究的重要目标。而现今的心理学虽然已经有了很多研究成果，但仍然需要继续在研究的路上不断创新和前进，这对人类未来的发展有着很积极的作用。从某方面来说，行为预测这种外部表现是决策的关键。如果人们在研究结果上不过度加以解释的话，大数据方法将能直接通过群体的行为来进行数据分析，这可以对研究起到较大的帮助。心理学在逐渐发展的途中，需要的不仅是列出一大堆的课题研究，更需要考虑使用高效的方法去进行研究。 5结语 随着科技的发展，大数据成为了体现科学技术的重要产物之一。在心理学领域应适当运用这种技术，尤其对于行为这种外在表现的研究分析。目前，在大数据时代的心理学研究方面，很多研究都能依靠大数据取得较为有效的帮助，尤其是在效率和信息价值方面。同时，心理学与其他学科在很多方面也有密切的联系，适当在研究上提取出对其有用的信息也是必要的。对于研究的目标，相关人员需要充分运用高科技技术和设备，将心理学研究与大数据相联系，给传统的心理学研究提供一个新的发展方向，让心理学研究不断得到提升和完善。 作者:张振国 单位:山西农业大学信息学院 大数据时代论文:大数据时代教育管理模式变革路径 摘要:本文针对大数据时代下教育管理模式中存在的问题，探讨如何实现教育管理模式的变革，主要从改变教育工作者思维，建立并充分利用大数据分享平台，以及转变教学模式，开发利用网络教学方式等三个方面进行分析研究。 关键词:大数据;教育管理模式;变革路径 1大数据时代下进行教育管理模式变革的必要性 1．1教育管理模式变革是时代的发展必然 首先，教育管理模式进行改革创新是出于时展的必然。一方面，当下是一个人才很多，但是优质人才比较紧缺的时代，加上随着经济的快速发展，全球化脚步加快，对优质人才的需求越来越旺盛。对于高校来说，他们承担着培养人才的重任，所以必须要对原来的教育管理模式进行改革，适应时代的发展，在大数据时代利用大数据走出一条创造性的发展之路。大数据给人才培养提供的是一条个性化的道路，也就是学校可以利用大数据，获得每个学生的相关信息，比如通过大数据平台，全面掌握学生的学习、生活等信息，然后制定个性化的教学方案，对学生进行针对性的管理，从而实现因材施教，这样就避免了同质化管理和无效管理。另一方面也是出于学校持续性发展和社会发展的必要。对学校来说，想要获得长远的发展，必须要提高其教学的质量，老师还需要提高其教研的能力。在利用大数据以后，学校的各个部门可以及时并且完整地获取想要的资料信息，然后及时地去处理教学教育管理中的问题;而教师在进行教学备课或者进行教学研究的时候，也可以通过大数据准确地获得有关信息，然后进行充分地备课或者有效开展教研工作。对于社会来说，学校是一个向社会输送人才的接口，所以在社会需要高质量人才的时候，学校就有义务为了社会的可持续性发展，在积极适应社会发展的同时，主动去创新教育管理模式，使得新的教育管理模式可以和社会发展接轨，促进社会和国家进一步发展。 1．2大数据时代教育管理模式中存在问题 另外，要进行教育管理模式的变革，主要还是和当今的教育管理模式有关。首先，教育管理工作者在思想上对教育管理的改革创新，对大数据的重要性认识不清。比如有的教育管理者依然沉浸在过去传统的教学思维上，认为教育管理就是根据学校的发展目标去制定管理的措施，然后按照计划实施就行，没有充分考虑到学生的个性化发展，也没有意识到及时发现并预防教学教育问题，系统解决问题的重要性。比如有的老师对科技的发展不关注，不重视，导致对大数据有一定的误解，一直没有认识到大数据的重要意义，更不要说去积极利用大数据了。其次，是在大数据时代，大数据平台没有被充分有效的利用。不可否认的是，当今很多学校也开始引入了大数据应用平台，通过建立数据分享平台去获得相关信息，但是在实际的应用过程中由于相关人员专业知识的欠缺，或者学校部门在建立大数据平台的时候本身就存在技术上的短板，所以平台建立以后很难被有效地利用起来。另外，虽然很多学校也开始在进行教育管理模式的改革，但是改革得不全面，不彻底，大多还是停留在表面，或者只是几个方面的革新，并没有充分考虑教育管理模式的所有方位。 2大数据时代实现教育管理模式变革的路径探析 2．1转变教学管理工作者思维，提高大数据管理素养 在大数据时代，要实现教育管理模式的真正革新，首先要从教育工作者入手，对于教育工作者来说，一方面需要提高他们对于大数据的正确理解，积极主动地投入到教育管理模式变革工作中。比如有的老师必须转变传统的教育管理观念，要意识到时代在发展，新时代社会需要的是全面发展的人才，所以必须要有适应社会发展的管理模式。比如有的老师对大数据没什么了解，就需要主动去补充这方面的知识，要主动关注科学技术的发展，对社会热点有一定的敏感度。另一方面教育管理工作者还要有较高的大数据管理的素养。比如需要有相应的数据意识，有一定的数据采集、分析处理以及反思决策的能力，通过主动收集数据，去挖掘数据背后的相关信息，从而可以提高教育管理工作的预见性、时效性和系统性等。 2．2利用大数据平台，实现教育的个性化管理，提高管理的时效性、协调性等 其次，需要充分有效地利用大数据平台。一方面是要利用大数据平台对所有学生的信息进行分类汇总，针对不同学生的情况制定个性化的培养方面，进行有针对性的管理。比如有的学生学习基础较差，就需要在学习上对其进行更多的指导，而有的学生在心理情感上比较脆弱，就需要和心理咨询平台结合起来，学校心理咨询老师需要充分地利用数据分享平台获得相应的信息，相关部门建立好心理预警机制，然后对学生的心理进行全面跟踪，及时干预心理危机。另一方面通过大数据平台，可以提高教育管理的协调性，并且结合网络教学平台，使得网络教学方式得到推广普及。比如学校的不同部门在数据共享以后，处理教学管理问题的时候就不会出现重复处理，发生管理矛盾等现象了。比如大数据平台优化以后，学校可以根据学生特点安排相应的网络课程，学生可以自主地选择自己喜欢的微课、网络直播课等。 3结语 综上，大数据时代，出于社会发展，学校发展和人才发展的需要，教育管理模式必须要实现变革。虽然目前教育管理模式革新中存在不少的问题，但只要积极主动地利用好大数据，学校、老师和学生积极配合，就可以将变革事业朝着更好的方向推送。 作者:赵春辉 单位:华南农业大学珠江学院

大数据处理论文:D2D通信中大数据处理关键技术分析与展望 【摘 要】 分析了D2D通信中大数据的特征，重点阐述了数据筛选、预处理、建模等大数据处理的关键技术，并对提高大数据无线传输的稳定性、可靠性和高效性进行了探讨和展望。 【关键词】 5G 大数据 D2D 1 引言 在当前移动通信系统中，数据要经过基站、基站控制器、网关和交换机。随着大数据背景下网络流量迅猛增长，基站将不堪重荷。终端直通（D2D，Device-to-Device）通信作为第五代移动通信系统（5G）中的关键技术之一[1-2]，可实现数据不经过基站直接传输（如图1所示），借助提高空间利用率来进一步提高无线频谱利用率，可使移动通信在众多场景下变得更加直接和高效[1-3]。 但面对爆炸式的业务量，仅仅依靠D2D通信技术是远远不够的。提升如何从各种各样的数据（包括结构化、半结构化、非结构化数据等）中快速获取有价值的信息的能力对于大数据分析与处理来说十分关键。业界对大数据的特征进行归纳，主要包括4个“V”[4]，即数据体量巨大（Volumn）、数据类型繁多（Variety）、数据价值密度低（Value）、有很多实时数据要求快速处理（Velocity）。因此，传统的数据表示方法不能适用于大数据的表示。如何对体量巨大、结构繁多的数据进行有效表示？如何通过结合D2D通信的特点，最大程度地压缩数据的冗余度，挖掘出隐藏在数据背后的规律，从而使数据发挥出最大的价值？是D2D通信中大数据处理技术的核心目标。 本文首先从分析D2D通信系统中大数据的典型特征出发，分析大数据处理过程中所面临的挑战；然后具体分析了D2D通信系统中大数据的表示和处理方法；最后对未来研究方向做了展望。 2 D2D通信系统中大数据的典型特征 （1）数据量大 D2D通信为海量多媒体服务提供了一个强大的通信平台，如海量文本、图像、语音、音视频等应用。但是，随着采集设备成本的降低和存储容量的增大，训练样本的数量往往非常巨大，如在很短的时间内所采集到的数据可以轻易地达到几百TB。由于D2D通信中终端计算及存储能力有限，如何有效地表示采集到的大数据集十分关键。由于D2D大数据集中数据的分布复杂多样，因而需要采用具有较高普适性和较大灵活性的模型和方法来对数据的特征属性进行表示和处理[5]。传统的基于参数建立起的模型及其学习算法由于模型的结构固定，因此限定了其可以表示的数据特征。与参数模型相比，采用具有结构可调节的非参数模型及其学习算法在这样的情况下具有更好的效果。 （2）数据的维度高 由于D2D通信中终端的异构性以及用户需求的异构性，高维和超高维的数据不断涌现。很显然，数据维数越高（属性越多），就可以更加全面地刻画所描述的对象以及更好地分辨对象。然而，过高的维数不可避免地对数据的表示与处理提出了严峻的挑战。研究表明，对于大部分观测或采集到的高维数据而言，其主要信息存在于一个低维空间中。换句话说，该低维空间包含了高维数据中的全部或绝大部分的有用信息。因此，如何在低维空间中有效地刻画高维数据的有用信息，也是D2D通信中大数据处理领域一个不容忽视并且极具挑战性的问题。目前已经有一些隐空间模型和方法，如主成分分析、因子分析、独立成分分析等可以用于完成此项任务，找到这样的低维空间并将数据进行高效表示[7]。 （3）模型的复杂度和计算时间 传统的通信系统处理数据时，由于数据量不大，因此可以采用较为复杂的模型来描述数据的特征。而在与D2D通信大数据相关的应用中，终端处理能力受限，如果仍然采用复杂的模型来处理大数据，则计算和时间成本将大大增加；另一方面，如果采用较为简单的模型，可能不能完全表示和挖掘出大数据的关键特性。解决方法是：一方面，尽可能设计简洁的模型及高计算效率的算法，从而降低模型的复杂度和计算时间；另一方面，利用终端的灵活性，可以采用并行计算和分布式计算技术，把原先一个终端上的数据表示和任务处理分摊到多个终端。通过设计相应的算法，实现多个节点的信息共享和协作，从而降低每个终端上模型的复杂度和计算时间[7]。 （4）算法的实时性和可扩展性 在D2D通信系统的大数据处理中，都需要对其中的大数据进行实时性表示与处理，即当新数据到来以及新类型出现时，算法能够根据实际情况进行自适应的调节，以适应数据的变化。而传统的学习算法偏重于离线算法，因此需要设计一些在线学习算法，对描述或表示数据的模型进行在线学习。其中，贝叶斯技术可以很方便地用于在线学习[8]。此外，在设计模型及其学习算法时，也需要考虑其多媒体应用的可扩展性。 3 D2D通信系统中大数据处理方法 基于D2D通信中大数据处理的具体特征，本文拟从用户的感受出发，设计如下方案来高效地表示和处理D2D通信系统中的大数据，提取其中的有效信息，具体如下： 首先，从应用的内容出发，根据具体用户业务需求和应用背景对大数据进行初步筛选。即只需要保存与所需任务相关的数据，去除无关数据，从而提高后续处理的效率。 其次，设计合理的算法，对大数据进行预处理，并且依据用户体验提取特征属性。如前文所述，D2D通信中所采集到的大数据的维度（属性）较大，因此对于大数据有效特征属性的提取十分重要。此处可采用贝叶斯因子混合分析方法，通过该方法，可以找到一个数据有效信息相对集中的低维空间，从而可以将高维数据投影到低维空间中，最大程度地降低数据的冗余，完成数据的降维过程，从而可以在低维空间中完成后续的操作（如图2所示）[9]。此外，该方法的另一个优点在于，由于得到了高维数据的低维有效表示，从而可以在某些条件下实现数据的可视化。 图2 数据冗余度降低过程 最后，设计合适的模型来精确地描述提取出的大数据属性，从而进一步用高效、简约的形式来表示大数据。在现有的工作中，在用模型对大数据进行表示和处理方面已经开展了一些研究，取得了一些研究成果。具体地，选用混合模型来描述建模大数据的分布已成为主流，主要原因有两点： （1）D2D通信中业务种类多、网络数据的分布较为复杂，而混合模型在理论上可以建模和描述任意复杂的数据分布。 （2）混合模型及其学习算法属于生成方式的学习范畴，只要获得准确的模型，则可以用该模型作为大数据的紧凑表示形式，因此，其比判别方式的学习具有更小的存储、更低的传输和处理复杂度，并且有利于在线操作[10]。 此外，根据不同目标场景中的不同类型的数据，需要提出与之相对应的模型和配套学习算法，用其来表示大数据。例如，对于属性较少（数据维度较低）的数据，采用所提出的无限成分t混合模型及其学习算法，估计出模型的参数，在后续的处理任务中只要关注参数就可以准确把握数据的特性。对于属性较多的高维数据，则采用所提出的无限成分t因子混合分析器及其学习算法，对数据进行有效地表示。对于具有时间或空间相关性的数据而言，则可以采用所提出的具有stick-breaking先验分布的t隐马尔可夫模型及其学习算法对数据进行表示[11]。隐马尔可夫模型的最大特点在于结构较为灵活，其可以根据数据的分布自适应确定模型的结构（如混合成分数目、因子维数等），并且对大数据中出现的离群点也具有较强的鲁棒性。由于通过学习算法得到的模型精确描述了数据的分布，较好地完成了后续任务，网络业务流量的识别与预测的正确率有了较大的提升[6]。 进一步考虑到大数据表示和处理中对于模型复杂度和计算时间的需求，需要设计与上述模型相关的分布式算法。通过该类算法，网络中的各个终端只需要采集到部分数据，就可以通过节点间的协作来协同估计出反映整个数据特性的模型参数。需要注意的是，在通信网络中，传输的代价比本地终端计算的代价要高得多。因而在协作过程中，各个终端只需要和在其通信范围内的邻居节点进行通信，并且只传输用于估计最终模型参数的充分统计量，而无需把自己持有的那部分数据传输给邻居终端。这样做的优点在于可以将对大数据的表示和处理分摊到各个终端上，从而最大程度降低了D2D终端的计算量。另一方面，由于充分统计量比原始数据量少很多，因此可以最大程度地降低传输代价，并且减少由于传输中丢包或其他错误、干扰等引起的系统性能的下降。 4 研究展望 对于未来D2D通信中大数据处理技术的研究可以从几个方向开展： （1）进一步地从高维大数据特征中压缩冗余，剔除无关无用属性，提取与应用目标相关的有用特征，将核学习、流形学习方法引入，解决大数据表示问题。 （2）利用半监督学习、迁移学习、集成学习等理论和技术，最大程度地挖掘大数据间的内在关联信息。 （3）在现有模型和方法的基础上，开发设计在线学习算法，实时完成大数据的处理任务。 （4）设计分布式学习以及大数据处理算法，进一步提高网络节点之间协同处理和通信的能力，进一步降低网络节点之前传输的数据量。 （5）针对具体应用，设计结构更加灵活，更具有普适性、鲁棒性的模型，并且开发设计快速、高效的模型参数及结构估计方法，从而获得更简洁的大数据表示形式。 5 结束语 D2D技术被广泛认为是5G的关键技术和解决无线大数据传输的有力工具。本文从D2D通信中大数据特征入手，分析面临的挑战，提出应对策略，展望研究方向，综合探讨了如何提高D2D大数据无线传输的稳定性、可靠性和高效性的问题。 大数据处理论文:大数据时代下的电力自动化系统数据处理 [摘 要]计算机技术与网络通信技术已经开始逐渐广泛应用于电力自动化系统，电力自动化系统的数据处理呈现多样化趋势，更加复杂化。笔者主要是从电力自动化系统数据类型角度考虑，对于电力系统的快速准确处理进行了分析，对电力自动化系统中数据处理的相关问题进行了阐述和分析。同时探讨了作为电力自动化系统发展方向的智能电网，对其拓扑结构和通信系统进行介绍。 [关键词]大数据时代；电力自动化；数据处理 引言 电力系统是一个动态的系统，主要包含发电、变电、输电和配电四个部分。 电力系统的动态性和实时性是由于电能不能存储的特性决定的。 正是电力系统的动态性和实时性使得其在具体的运行过程中，会产生大量的实时数据，为电力系统中调度部门的操作带来了巨大的困难， 电力自动化系统也就应运而生。 电力自动化系统为电力系统运行过程中产生大量实时数据的准确处理创造了条件。“大数据”时代最先被全球知名的咨询公司麦肯锡提出来，其是生产决策的重要依据。 所谓的大数据时代，是指在互联网技术下，企业的生产运营过程中相关数据的积累，其在商业、经济和其他领域越来越突出，对相关决策具有十分重要的作用。 一、电力自动化系统的类型分类 1.基础型数据：主要是与电力自动化系统中的电力设施设备属性相关的数据，如，发电机、变压器等电力设施设备的基础数据。 对于这些数据一般是电力单位根据相关的数据规划各自进行管理， 并通过相关数据服务器对其数据进行数据同步，便于调度中心对这些数据进行集中存储、整理和相关计算。 2.实时数据：大多数是在电力系统运行过程中进行实时采集的数据，其数据量很大，对存储空间的要求比较高。 这些数据是在电力系统运行过程中产生的， 通过对其进行纠错处理后，能够为调度部门或市场运营提供决策参考依据。 目前，我国电力自动化系统在实时数据处理方面比较成熟，对收集到的实时数据不需要进行相关的处理，只需要在数据输入、输出过程中建立一个稳定的接口即可。 3.日常管理的数据：主要是在电力系统运行过程中对各种相关数据进行统计，各部门对在工作中遇到的问题进行相关处理后的数据信息。 一般情况下，这些数据只需要在特定的范围内进行同步和共享即可。 在电力系统运行过程中，建立这一类型数据同步和共享的数据平台是十分必要的。 主要原因表现在以下几个方面： ① 这些日常管理的数据在某种程度上反映电力系统中电力设施设备的运行情况； ② 方便电力系统中各个部门对日常管理数据的获取，以便更好的开展部门工作。 4.市场经济数据：随着市场经济的发展，电力系统的经济效益越来越突出，电力系统运行中的相关数据对电力单位的发展具有重要影响，将其作为经济性数据十分有必要。 市场经济数据对城市建设规划中的电力规划有很重要的决策参考依据。 市场经济数据具有非常大的扩展空间，其数据规划的重点将是实时数据。 二、电力自动化系统中的数据统一性 数据一致性即数据的唯一性。 电力自动化系统在运行过程中，会产生大量的数据信息，这些数据信息大部分都是其子系统中特有的信息， 还有一部分是部分子系统中共有的数据信息，也就是各子系统之间的数据信息交叉现象。 每个子系统中的数据均存储在其数据库系统中，会对整个系统的数据存储造成大量的数据冗余，使得电力系统中数据系统处理数据信息的效率不高，数据信息更新缓慢，甚至会造成数据信息的混乱，很大程度上降低了电力系统中数据系统的使用效率和可信度。在实际电力自动化系统运行过程中，通过对整个系统的数据库系统进行统一管理，能够在很大程度上保证数据信息的一致性。 对于部分离线数据库系统来说，其数据信息的唯一性主要是通过利用离线数据库在数据库系统的服务器上，对数据库系统的服务器进行统一维护。 对实时数据库而言，主要是通过电力自动化系统在运行过程中，由实时数据库系统中的管理系统进行统一、实时的管理，确保数据信息的一致性。 三、电力自动化系统中的数据容灾 通常情况下，需要对电力自动化系统中的重要数据信息进行数据备份，再通过网络通信技术将其传输到异地进行数据信息保存。 当发生灾难后，可以由相关的计算机专业人员根据备份的数据对电力自动化系统中的数据进行程序恢复和数据恢复。 这有利于降低电力单位在数据信息备份方面的成本，操作也相对而言较为简单方便。当电力自动化系统中需要备份的数据量逐渐增加时，就会出现数据信息存储介质不易管理的问题，在发生灾难后，也不 能够及时的将大量的数据信息进行恢复。 四、电力自动化系统数据收集过程 电力自动化系统运行过程中的数据，主要是通过数据信息的采集、集中、整理和转发来实现的。 根据数据类型的不同，采用不同的传输介质进行传输。 数据信息的通信方式主要有两种： ① 有线传输，如，光纤、电缆等多种介质，具有数据信息传输的实时性和可靠性等优点； ② 无线传输，如，微波、无线扩频等通信模式，具有无需铺设通信通道、工作量少等优点。在实际的电力自动化系统运行过程中， 其涉及面十分广、系统种类多，根据不同的部门需求的多个系统组成，能够满足每个部门在数据系统中获取数据信息。 电力自动化系统中的设施设备的采购，可以适当的将一些先进的技术和经济性能的指标进行考虑，再在操作技术上进行优化处理，以最大程度的实现电力单位的经济效益和社会效益。 五、智能电网 1.智能电网中的网络拓扑结构 智能电网中的网络拓扑结构具有坚强、灵活的特点，能够有效的解决电力系统中能源和生产力分布不均匀的问题，满足电力企业大规模生产运输过程中产生大规模数据的处理功能，实现资源的优化配置，减少电能损耗。 同时，智能电网中的网络拓扑结构能够有效的应对一些自然灾害，如雨、雪等。 2.开放、 标准、 集成的通信系统 智能电网能够对电力自动化系统进行及时有效的监控，主要在其具有识别故障早期征兆的预测能力和对故障做出相关的相应的能力。 智能电网是电力自动化企业的发展方向，能够为电网规划、建设和运行管理提供全面的数据信息，有利于大数据时代下电力自动化运行系统的稳定、安全和高效的运行。 六、结语 自动化系统的正常运行，一定要充分考虑到系统运行中数据信息的数量信息，便于数据的维修和存储空间的无限扩展。文章主要是分析了自动化系统的数据类型，并且对其进行了详尽的分析，对于相关问题进行了阐述，给电力自动化系统提供了更加广阔的空间，并探究了智能电网在电力自动化运行系统中运行的优势和未来的发展方向。 大数据处理论文:智能电网大数据处理技术现状和面临的挑战 [摘 要]在当前新时期环境下，智能电网大数据处理技术在获得飞速发展的同时也面临着新的挑战，本文首先对智能电网大数据的特点进行了分析，并且探讨了智能电网大数据处理技术的发展现状，重点分析其在当今新时期环境中面临的挑战。 [关键词]智能电网 大数据处理技术 现状 挑战 随着我国智能电网建设进程的不断推进与深入，电网运行与设备监测过程中也产生了大量的数据信息，逐渐构成了当今信息学姐与研究人员重点关注的发数据，但大数据时代下电网的高效、稳定运行离不开相应的处理与存储技术作为支撑。 1.智能电网大数据的应用特征 电网业务数据可以大致划分为三类：第一是数据监测、设备检测及电网运行；第二是电力企业营销数据，如用电客户、销售量、交易电价等方面的信息数据；第三是电力企业的管理数据。[1]数据信息量十分巨大，并且随着电网数据的不断更新升级，数据类型也变得繁杂多样。电网数据种类众多、分布较广，主要包括多媒体数据、文本数据、实时数据、时间序列变化等半结构化、非结构化以及结构化数据，不同类别的数据在查询、处理方面的性能与频度要求也存在很大差异。智能电网运行时的数据价值密度较低，例如电网监控视频，其在实际监控管理的过程中，总数据中十分有用的信息量是非常少的，多数的数据都是正常数据。 2.智能电网大数据处理技术发展现状分析 2.1 并行数据库 关系数据库主要负责对结构化数据进行存储，从而提供严格依据规则快速处理事务的能力、边界的数据查询与分析能力、数据安全性保障以及多用户并发访问能力。应用强大的数据分析能力以及SQL查询语言以及独特的程序优势获得了广泛的应用。[2]经管随着智能电网建设的不断加快，数据超出了关系型数据库的管理范畴，地理信息图片与音频、图片以及视频等非结构化的数据逐渐成为需要处理与存储的信息的一项重要组成部分。 2.2 云计算技术 随着云计算平台的出现及完善，大数据技术的需求也相继出现，云计算的关键是数据并行处理与海量数据存储技术。而在智能电网中，电力设备状态监测设备的数据量应当是最为庞大的，而状态监测数据不但包含了在线数据，还应当包括缺陷记录、实验记录以及基本信息等，由于数据量极大，其对于实时性要求比企业的数据管理更高。当前，云计算技术在电力行业的发展依然处于初级的阶段，现行的云计算平台能够充分满足职能电网监控软件运行的可扩展性与可靠性要求，但在数据隐私、安全性、一致性以及实时性方面存在缺陷，依然需要进一步优化与完善。 3. 智能电网大数据处理技术面临的挑战分析 3.1 大数据传输与储存技术 随着智能化的不断发展，电力系统在运行过程中的电力设备监测数据与其他数据都会被记录下来，数据量不断增加，这对于电网运行监控以及数据的传输、存储造成巨大的压力，同时在一定程度上影响了电网智能化的发展。在智能电网大数据存储方面，通过分布式文件保存的形式可以进行大数据存储，然而可能对电力系统在数据实时处理方面产生影响。[3]因此，需要对电网大数据进行分门别类后再存储。而重点是将其中非结构化的数据转化为结构化数据，对于智能大数据处理技术来说依然较为困难。 3.2 数据处理时效性技术 对于大数据来说，其数据处理的速度是非常重要的。通常而言，数据的规模越大，需要分析与处理的时间也会越长。以往的数据存储方案针对一定要求的数据量进行设计，其在大数据方面并不适用。[4]而在未来智能电网的大环境下，如何在发电、输变电、用电等环节进行数据实时性处理是一个非常关键的问题。 3.3 异构多数据源处理技术 在未来智能电网要求贯通电网运行的每一个环节之中，时间新信息的高效采集与处理，并且逐渐朝着业务流、信息流以及电力流高度一体化的方向进行发展。所以，首先要做的就是如何整合大规模多源异构信息，为智能电网提供一个资源高度集约化配置的数据处理中心。对于海量的异构数据来说，如何构建出科学的模型进行规范表达以及如何在这个模型的基础上实现数据的存储、融合、查询等是亟待解决的重要问题。 结语 我国智能电网系统的应用广度与深度在不断加强，大数据处理技术逐渐成为维护电网智能安全运行的一项重要手段。然而随着电网智能运行的不断发展，其在大数据处理一致性、隐私性、实时性等方面也面临着相应的挑战，未来智能电网的主要依托依然是大数据处理分析技术，所以必须寻找出妥善应对挑战的策略，最终推动我国电力事业的长久稳定发展。 大数据处理论文:移动互联网的大数据处理关键技术 【摘 要】通过大数据的研究处理将获得的有用信息服务于企业或机构，使其在竞争中取得优势，来为企业提供更好的处理大数据的方法，帮助企业更深刻的理解客户对其的需求和体验，以利于业务的发展，用户也可以更好地体验移动互联网各种资源。本文首先对移动互联网大数据做了概述，然后分析了移动互联网大数据处理中存在的问题，最后详细阐述了移动互联网的大数据处理关键技术。 【关键词】移动互联网；大数据；处理；排重；整合 一、移动互联网大数据概述 移动互联网大数据是指用户使用智能终端在移动网络中产生的数据，主要包括：与网络信令、协议、流量等相关的网络信息数据；与用户信息相关的用户数据；与业务相关的数据。 大数据提供客户经历的各种体验的完整信息，可以详尽到在任何时间、地点，结合移动客户体验方案来分析相关数据，从而帮助运营商更详细掌握客户体验情况，提前预知网络上可能发生的问题，及时做出合理响应，这些信息对运营商的服务提供很大的帮助。大数据分析为整个电信产业带来了前所未有的机遇与挑战，如何高效地发挥这些数据资源的作用，是摆在为运营商面前的关键问题。 二、移动互联网大数据处理中存在的问题 （一）多源数据采集问题 大数据时代的数据存在如下几个特点：多源异构、分布广泛、动态增长、先有数据后有模式。举例来说，一个用户的一条位置信息的价值是很小的，但是很多这样的低价值数据可以完整刻画出用户的运动轨迹，获得本质上的价值提升。然而，在已有的数据采集系统中，数据收集不全面是一个普遍的问题，如何处理来自多源的数据是移动互联网大数据时代面临的新挑战。其中，迫切需要解决如下几个问题： 1.无线移动网络结构复杂，需要在网络中高效地采集数据。 2.多源数据集成和多类型数据集成的技术。 3.兼顾用户的隐私和数据的所有权和使用权等。 （二）移动互联网海量异构数据管理问题 据统计，2003年前人类共创造了5艾字节（Exabytes）的数据，而今天两天的时间就可以创造如此大量的数据。这些数据大部分是异构数据，有些具有用户标注、有些没有；有些是结构化的（比如数值、符号）、有些是非结构化话的（比如图片、声音）；有些时效性强、有些时效性弱；有些价值度高、有些价值度低。移动互联网海量异构数据管理平台包含以下关键研究和技术：海量异构大数据传输控制、大数据存储、大数据质量管理。 （三）移动互联网大数据实时数据挖掘问题 传统意义上的数据分析（Analysis）主要针对结构化数据展开，且已经形成了一整套行之有效的分析体系。首先，利用数据库来存储结构化数据，在此基础上构建数据仓库，根据需要构建数据立方体进行联机分析处理（OLAP，Online Analytical Processing），可以进行多个维度的下钻（Drill-down）或上卷（Roll-up）操作。对于从数据中提炼更深层次的知识的需求促使了数据挖掘技术的产生，并发明了聚类、关联分析等一系列在实践中行之有效的方法。这一整套处理流程在处理相对较少的结构化数据时极为高效。但是，对于移动互联网来说，涉及更多的是多模态数据挖掘，这些数据包括手机上的传感器，包括加速度计、陀螺仪、指南针、GPS、麦克风、摄像头、以及各种无线信号（如GSM、WiFi）和蓝牙等。这些原始数据在不同维度上刻画被感知的对象，需要经过不同层次的加工和提炼才能形成从数据到信息再到知识的飞跃。移动互联网半结构化和非结构化数据量的迅猛增长，给传统的分析技术带来了巨大的冲击和挑战。 三、移动互联网的大数据处理关键技术 （一）数据处理的整体框架 数据处理的整个过程如图1所示，主要包括四个模块：分词（WordsAnalyze）、排重（ContentDeduplicate）、整合（Integrate）和数据。 这四个模块的主要功能如下。 分词：对抓取到的网页内容进行切词处理。 排重：对众多的网页内容进行排重。 整合：对不同来源的数据内容进行格式上的整合。 数据：包含两方面的数据，Spider Data（爬虫从网页中抽取出来的数据）和 Dp Data（在整个数据处理过程中产生的的数据）。 （二）数据处理的基本流程 整个数据处理过程的基本步骤如下： 1.对抓取来的网页内容进行分词。 2.将分词处理的结果写入数据库。 3.对抓取来的网页内容进行排重。 4.将排重处理后的数据写入数据库。 5.根据之前的处理结果，对数据进行整合。 6.将整合后的结果写入数据库。 （三）数据处理的关键技术 1.排重。 排重就是排除掉与主题相重复项的过程，网页排重就是通过两个网页之间的相似度来排除重复项。Simhash算法是一种高效的海量文本排重算法，相比于余弦角、欧式距离、Jaccard相似系数等算法，Simhash避免了对文本两两进行相似度比较的复杂方式，从而大大提高了效率。 采用Simhash算法来进行抓取网页内容的排重，可以容纳更大的数据量，提供更快的数据处理速度，实现大数据的快速处理。 Simhash算法的基本思想描述如下：输入为一个N维向量V，比如文本的特征向量，每个特征具有一定权重。输出是一个C位的二进制签名S。 （1）初始化一个C维向量Q为0，C位的二进制签名S为0。 （2）对向量V中的每一个特征，使用传统的Hash算法计算出一个C位的散列值H。对1 （3）如果Q的第i个元素大于0，则S的第i位为1；否则为0。 （4）返回签名S。 对每篇文档根据SimHash算出签名后，再计算两个签名的海明距离（两个二进制异或后1的个数）即可。根据经验值，对64位的SimHash，海明距离在3以内的可以认为相似度比较高。 2.整合。 整合就是把抓取来的网页内容与各个公司之间建立对应关系。对于每一个公司来说，可以用一组关键词来对该公司进行描述，同样的，经过dp处理之后的网页内容，也可以用一组关键词来进行描述。因此，整合就变成了两组关键词（公司关键词，内容关键词）之间的匹配。 对于网页内容的分词结果来说，存在着两个特点：（1）分词结果的数量很大；（2）大多数的分词对描述该网页内容来说是没有贡献的。因此，对网页的分词结果进行一下简化，使用词频最高的若干个词汇来描述该网页内容。 3.流处理系统。 移动互联网的多源异构数据每时每刻都在大量产生着。数据探测模块根据这些数据处理的不同要求，将数据分别送给实时处理系统和批处理系统。很多互联网公司将根据业务的需求和处理的时间将划分为在线、近线和离线三种方式来处理业务消耗的时间。这其中，在线处理的处理时间通常在毫秒级，一般采用流处理方式；离线处理的处理时间通常以天为单位，一般采用批处理方式。这样会最大程度地利用好输入/输出系统。近线处理对其处理模式没有特别的要求，处理的时间一般在分钟级或小时级，在实际情况中多采用此处理方式，可根据需求灵活选择。 四、结语 综上，随着移动互联网的迅猛发展，客户处理的业务越来越复杂，与其相关的大数据正逐渐增长，大数据分析技术已经成为各方关注的焦点。合理使用大数据将有效的发挥移动互联网大数据的资源作用，使大数据为用户获得前所未有的体验，为企业发展提供完整清晰的指引。 大数据处理论文:大数据时代下管理会计数据处理的新变革 摘要：随着大数据时代的到来，各行各业都受到不同程度的冲击，管理会计也面临着前所未有的挑战，尤其在数据处理方面发生了巨大的变革。这些变革包括管理会计大数据的思维模式，数据的收集、存储、加工、分析等数据处理方面的变革。 关键词：管理会计 大数据时代 云计算 随着互联网时代的开启，大数据概念开始在全球蔓延，我国也于2014年将“大数据战略”上升为国家战略，基于互联网的大数据逐渐正改变着各行各业的传统模式，作为会计重要分支的管理会计工作也遇到了前所未有的挑战。 一、大数据时代的到来 （一）大数据时代的特点 “大数据时代”这一概念最早是由全球知名咨询公司麦肯锡提出的，“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产要素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”业界普遍认为大数据的特点可以由四个“V”概括，即Volume（大量）、Variety（多样）、Velocity（高速）、Value（价值）。大量是指相对于传统的数据产生方式，现在的数据呈现出爆炸式增长的特点；多样是指数据来源多样繁杂，如数字、文字、图片、音频、图像、网页、地理位置信息等五花八门的数据形式；高速是指随着云计算等先进技术的发展使得数据的计算能力突飞猛进，数据库实时更新；价值是指价值密度低，比如一个小时的视频也许只能采集到几秒钟有用的数据。自古以来商业的发展都是基于数据分析作出决策，但从未有一个时代像大数据时代这样出现如此大规模的数据，如今的企业就像是漂浮在数据海洋上的巨轮，而管理会计需要做的就是及时准确地挖掘出有用的数据。 （二）大数据拉启了管理会计新发展的序幕 1、海量数据为管理会计提供了重要的经营管理资源 管理会计职能的有效发挥必须建立在对数据的准确分析上，大数据时代数据呈现出样本数据向全数据转变的趋势，使得管理会计的处理对象更加完整。对于任何企业来说，数据都是商业皇冠上最为耀眼夺目的宝石，在未来的商业竞争中，谁能够占有更及时、更丰富的数据，谁才有可能在瞬息多变的市场中站稳脚跟。管理会计工作者要应势而动，建立数据仓库，做好数据资源的收集、存储、挖掘及整理分析和共享的工作。 2、传统的结构化数据已无法满足管理会计的决策需求 一直以来，结构化数字数据作为管理会计的主要处理对象在企业决策中发挥了重要的作用，但随着数据的爆炸式发展，企业自身信息系统中产生的标准化、结构化数据在企业所能获得的数据中所占的比重越来越小，甚至不足15%，显而易见，结构化数据在企业决策中所发挥的作用已非常有限。据统计资料显示，企业的数据资源中85%属于广泛存在于社交网络、物联网等之中的非结构化或半结构化数据，这些数据被用来优化生产流程，增强客户体验。因此，企业管理者必须重视数据资源的全面性，特别是半结构化数据和非结构化数据的收集，为管理决策提供完整、准确的依据。 3、实时更新的动态数据促进企业数据处理能力的提高 大数据时代下，企业每天需要处理的数据以惊人的速度不断增长，传统的关系型数据库已成为管理会计发展过程中的主要瓶颈，以沃尔玛为例，通过建立数据仓库，其每小时可以处理的交易记录高达一百万次，存储数据规模多达2500TB，这是传统的关系型数据库绝对做不到的。鉴于人脑对数据处理能力的有限性，处理完的数据也需要以可视化的界面呈现出来，这也对管理会计提出了新的要求。 4、数据的价值取决于其及时性和预测性 大数据分析最重要的一点是保证数据的及时性，其次是预测性。以很多企业投入使用的脸谱识别系统为例，从进门的那一刻，人脸就被快速抓拍，通过技术分析可以明确地知道这个人是谁，他将要去哪里，这些曾经看似天方夜谭的事情已经实实在在的发生了，这个世界正在发生改变。数据的及时性和预测性对管理会计提出了更高的要求，构建数据仓库、应用数据挖掘技术已是势在必行。 二、大数据时代引发管理会计数据处理模式的重大变革 （一）管理会计数据搜集方式与内容的变革 传统的会计核算系统中，数据源头是各种纸质原始凭证，随着互联网技术和各种电子设备的广泛应用，原始凭证由纸质慢慢过渡成为电子数据，并且不再由财务人员负责收集，而是广泛分散在采购部门、生产车间、销售部门、后勤部门等各业务部门，甚至是供应商、客户、政府机构、中介机构等外部相关组织中。通过管理信息系统和互联网直接采集信息，节省时间和成本的同时，也提高了数据的准确性。 大数据时代下，相对于传统的结构化数据，半结构化和非结构化数据的运用是越来越广泛。大量的数据出现在社交平台、新闻网页、各种客户端等，并以音频、视频、图片、符号等多种多样的形式呈现出来，这些数据都有别于传统的结构化数据，呈现出非线性的特征，但对于管理决策却发挥着日益重要的作用，管理会计如何处理这些数据已是当务之急。如客户在微信、微博、论坛等社交平台中发表的对产品或服务的评价，如果加以处理和分析，完全可以用于管理决策支持。 （二）管理会计数据存储方式与内容的变革 大数据时代，如何将复杂多样的海量数据加工提炼成有用的信息以供管理者决策之用是所有企业需要解决的首要难题。目前的数据库市场中，传统的关系型数据库仍处于主导地位，这类数据库只能够处理结构化数据，随着数据来源与种类形式的日益多样化，关系型数据库在高并发读写、高吞吐率和海量数据存取、高可用性和高扩展性需求等方面越来越无法适应新的形势，操作复杂、成本高昂，最关键的是数据处理的有限性已成为制约企业发展的瓶颈，如不及时转变思路和更新技术，企业难逃被市场淘汰的命运。大数据仓库是世界各国普遍采用的一种管理系统，包括数据的收集、预处理、存储、整合、分析、数据挖掘和价值再造等多种功能模块，保证数据被充分提炼和处理。企业也可以根据自己的实际需要，将大数据仓库分为不同功能模块，如存货管理模块、生产计划模块、销售管理模块等，明晰的模块分类有利于数据的管理和使用，在这个基础上，企业可以利用数据挖掘技术寻找能为企业创造价值的潜在信息。 （三）管理会计数据加工分析方式的变革 大数据时代下，数据挖掘已经成为一项应对海量数据必不可少的技术。“啤酒和尿不湿”已经成为了数据挖掘中最经典的案例，零售连锁举头沃尔玛公司拥有世界上最大的数据仓库系统之一，在这里集合了其所有门店的详细原始交易数据，在这些原始交易数据的基础上，沃尔玛利用数据挖掘工具对这些数据进行分析和挖掘，最后得出结论：跟尿不湿一起购买最多的商品竟是啤酒。在数据挖掘过程中需要用到回归分析、趋势分析、决策树分析、时间序列分析等算法，而这些对于管理会计工作者来说显得相当陌生。 以企业常见的投资决策为例，传统的投资决策分析方法有内含报酬率法、净现值法等，这些方法通常是依据单一渠道取得的相对准确的历史数据进行分析，通过这种方法分析得出的结论相对滞后、单一，对于管理者决策只能发挥有限的参考作用。大数据时代下，企业投资决策通过搜集线上和线下数据、历史资料和现时的业务数据、技术数据、企业上下游供应链数据、用户数据、竞争对手数据、相关政策法规等一系列相关的完整数据后，再运用先进的数据挖掘技术做出最为可行的选择。 （四）管理会计信息共享模式的变革 数据挖掘技术得以有效使用的前提是“信息孤岛”现象的消失。传统的数据库模式下，不同业务部门之间都有自己独享的数据中心，局部意识严重阻碍了信息共享观念的普及，这种封闭的“信息孤岛”管理模式在大数据时代下逐渐瓦解，在企业价值链甚至企业间价值链上正在逐步实现信息共享。如生产部门可以直接查询库存管理部门原材料的存储情况，并根据生产需要及时通知采购部门，甚至在企业与供应商及客户之间都可以实现信息共享，增强彼此间合作的亲密度，形成稳固的伙伴关系以共同应对瞬息万变的市场竞争，实现共赢的战略合作局面。 三、积极应对大数据时代管理会计面临的挑战 （一）正确认识大数据时代对管理会计造成的冲击 统计资料显示，目前我国企业中约有50%的管理者并未对大数据战略及互联网时代对企业的影响引起重视，而且有38%的被调查者并不清楚大数据的概念，25%的被调查者对于大数据的理解存在偏差，甚至有些管理者认为大数据时代对其所在的企业不会产生任何影响。而对于中小企业来说，大数据战略更是遥不可及，单是人才的培养就需要一笔不菲的投资，完全不符合成本效益原则。因此，大数据时代虽然已大踏步来到，并对很多传统行业造成了巨大的冲击，却并未引起管理者的足够重视，或者因为各种条件的限制而选择了视而不见，这势必会影响到大数据在管理会计中的应用。 （二）构建基于云计算的管理信息系统 大数据时代信息的存储量相当可观，据统计，百度每天新增的数据就有10TB，系统每天需要处理的数据则超过1PB，而完全颠覆传统销售模式的淘宝商城每天需要处理的数据高达50TB。随着物联网、互联网、移动互联网的广泛使用，不同形式的数据铺天盖地，同样需要巨大的存储空间，而现有的数据库几乎无法存储TB级别的数据，分析整理更无从谈起。因此，能否对现有数据存储系统更新换代，建立巨大的TB级的数据仓库，将直接决定企业能否实现对数据的及时、完整的收集、存储、分析、整理，最终决定企业的成败与否。云计算模式应运而生，借助互联网这一平台提供快速、动态、虚拟、规模化的信息资源，满足用户结构化、半结构化乃至非结构化信息的多种分析需求。 （三）完善信息安全技术制度 如何保障信息安全是大数据时代及互联网广泛应用过程中必须要重视的一个问题。企业收集的数据中常常包含着其他企业、组织或者个人的隐私，这些信息一旦泄露，会给当事人、客户、供应商等造成难以挽回的损失。在拉斯维加斯每年夏天举办的全球性的“黑客大会”上，让人眼花缭乱的黑客技术轮番上演，这也为各大企业、组织、政府部门等敲响了警钟，信息安全技术的发展和维护任重而道远，如何保证信息安全成为了摆在每一个人面前的重大课题。 （四）注重适应大数据时代要求的管理人才的培养 目前，世界各国的大数据专业人才都面临巨大的缺口。一项预测显示，在未来六年内，仅美国一国就可能面临14 万至 19 万拥有扎实分析技能的人才缺口，面临的懂得使用相应工具分析大数据、作出合理决策的管理和分析人员的人才缺口更是高达 150 万。人才的短缺势必会阻碍企业开发、利用管理会计信息工作的进程。因此，能否及时培养掌握此类分析所需知识与技术的管理会计人才，对企业的发展至关重要。 大数据处理论文:智能电网大数据处理技术现状与挑战 大数据是人们认知世界的一种新的渠道和新的方法。大数据的应用可以看做是知识在计算机网络上的新呈现，本文详尽阐述了智能电网中大数据的特点，智能电网中大数据处理技术现状和智能电网大数据处理技术面临的挑战等方面进行了深入的探讨。 【关键词】智能电网 大数据 云计算 并行数据库 应用现状 随着智能电网建设的不断深入和推进，电网运行和设备检、监测产生的数据量呈指数级增长，使电力企业进入了大数据时代，对目前的数据存储和处理技术提出了更高的要求。同时也对智能电网大数据的处理效率提出了更加严苛的要求，本文以现阶段智能电网大数据处理的技术应用为出发点，基于大数据处理目前的技术水平，分别从传输性、存储性、时效性、集成性和可视性等方面探讨新技术背景下智能电网大数据处理面临的机遇与挑战。 1 智能电网中大数据的特点 智能电网业务中的基本数据按内容可以划分成三大类。 （1）运行数据、设备检测数据、设备实时状态参数数据。 （2）电力企业营销数据（用电客户、电量报价等）。 （3）电力企业管理数据。 在上述类目可以再次细化为结构化数据和非结构化数据两大类。但无论基于何种分类方式，大数据在智能电网中体现出来的特点是不变的，简单概括为体量大、类型多，具体如下： （1）数据体量大：即数据的数量和体积较为庞大。在智能时代的推动下，电网在数据吞吐量的级别已经从以往的TB级飙升为PB级。 （2）数据类型繁杂：由于电力企业自身存在的特殊性，加之其地理分布情况在区域上的差异性，电网企业涉及到的数据有着极为复杂的类别划分，细分后的子类和子项同样在数量上非常庞大，也正是由于这一特点，不同的数据类别对服务器端硬件设备及用户端的系统平台均有不同程度的配置、性能及处理需求，从而更是增加了电网企业内网及外设双重建设项目的难度。 （3）数据价值密度低：异常数据出现的频率低，同时也是对电网软、硬件设备维修和检测最有价值的。 2 智能电网中大数据处理技术现状 2.1 并行数据库 关系数据库常用于结构化数据的存储、整合及维护，可以实现的具体功能如下： （1）可实现数据查询及逻辑分析的快捷化、灵活性操作。 （2）可提供高标准规则强制下业务事项的高效处理。 （3）可承载一定数量的用户同时发起数据访问的系统压力。 （4）可执行高级别安全机制。 得益于SQL严谨的数据查询语言、高效率的数据分析层级以及脱离对程序依赖的高效率独立化协同运行等绝对优势，关系数据库得到了业界的一致认可和推广。但是智能电网的开发和组建已经今非昔比，其进展的速度早已将关系型数据库的能力范围甩在了身后，仅在非结构化数据存储这一点能力上的局限，就使得目前多种主流数据类型如地理信息、高像素图片以及各种音、视频等格式文件无法满足电力企业在数据存储方面提出的全新的、更高标准的需求。 2.2 云计算技术 云计算平台的诞生使得大数据技术尤为必要，能够存储海量数据并具备数据并行处理功能等核心技术，因此为电力设备实时状态数据提供了强大的技术支持。实时状态数据不仅类目众多，数据量庞大，可靠性和实时性的标准高，使基于云计算技术的海量数据研究仍处在起步阶段，即便能够确保监控程序的延展性和可靠性，但更高标准的性能如安全和数据隐私等并未实现，仍需不断探索。 3 智能电网大数据处理技术面临的挑战 3.1 大数据传输及存储技术 智能时代数据量的日渐增多极大程度影响了电网智能化的发展，并在存储系统、电网运行监控设备以及数据传输方面形成了诸多负担。因此要进行分类存储和分析系统中现有的大数据性能。非结构化数据在智能电网中存有的百分比较大，将此类非结构化数据演变成结构化数据，是当前智能大数据在存储方面处理技术上存在的难题。 3.2 数据处理的时效性技术 大数据重点在于处理速度。一般情况下，处理时间与数据规模成正比，规模大的数据集处理的时间就越长。传统的存储方案仅能够处理能力范围内的一定量的数据，对大数据却难以驾驭。随着智能电网的不断应用，实时数据处理将需贯穿于用电、输变电和发电等各项关键环节中。 3.3 异构多数据源处理技术 未来智能电网能够将贯通发电、调度以及变电、输电、配电等几项环节得以满足，能够将信息的全面采集、高效处理、流畅传输以及业务流、信息流和支撑电力流实现高度的一体化。因此，其主要功能是能够整合出规模较大的多源异构信息，可以由资源集约化配置的数据中心提供给智能电网。目前海量异构数据需首要处理的问题在于，怎样构建出一个能够规范表达的模型，同时何以才能以该模型为基础将数据融合以及查询存储同时高效进行。 3.4 大数据可视化化分析技术 针对难以量化的智能电网数据，在屏幕空间自身局限的显示情况下，面向用户提供一种更为简便直观的方式，是跨越性较大、难度较高的一项工作。在实践中，可视化方法能够分析规模较大的数据，将数据绘制为分辨率和精度较高的图片，同时辅以交互工具，结合人的视觉系统，对算法参数和实时处理做出决定，并通过数据展开定量、定性的分析和观察。 4 结语 智能电网系统在我国的应用日渐广泛，大数据处理技术已然是智能电网安全运行的有利武器。但在电网智能化的发展进程中，实时、隐私等方面的性能需求对大数据技术本身提出了更严峻的挑战，为了向全景实时电网时期迈进，我们必须制定有针对性的解决方案，为电力事业得以持续稳定发展贡献出力量；推动我国社会主义现代化建设的步伐更快的向前迈进。 大数据处理论文:基于云计算的大数据处理技术探讨 信息爆炸时代，大数据超大体量、离散性和非（半）结构化的特点已经远远超出了传统数据管理方式所能够承载的范畴。大数据要求全面革新原有的数据处理架构和有关技术，实现超大体量和复杂数据的存储、高效传输和有用信息提取。围绕大数据，云计算技术营运而生。云计算的出现为大数据的存储和处理提供了可能，也为数据处理系统的功能扩展提供了重要保障。本文主要分析了大数据和云计算之间的关系，以及云计算环境下大数据处理技术。 【关键词】云计算技术 大数据 数据处理 随着物联网、网络、移动通信等的快速发展，特别是互联网的普及使得信息传播的规模和速度呈现几何增长，人们获取信息的途径和方式开始变得异常丰富，人们事实上已经进入了“信息大爆炸”时代。与此同时信息传播的大容量、高效性和准确性也对现有的数据处理体系提出了更高要求。根据大数据摩尔定律，人类世界的数据产生量将按照每两年一倍的速率增长，预计2020年世界数据量将超过35亿GB，“大数据”时代迫在眉睫。“大数据”具有离散型、随机性、发散性、爆发性等特点。近年来，随着云技术的兴起全面革新了传统的数据技术，大容量、多样化、快速处理、信息价值性和准确性为了云技术背景下大数据处理的五大主要特征。如何利用云计算技术对大数据进行高效处理已经成为了信息技术发展亟待解决的关键问题。 1 大数据和云计算的关系 云计算技术是指利用集中式远程计算资源池，通过按需分配的方式，为终端用户提供强大而廉价的计算服务技术。云计算技术作为一种数据处理方式，其技术特点包括：一是资源池在物理上是对终端用户完全透明的；二是能够为任何行业提供规模化计算服务，其服务能力可看做是“无限”的；三是其应用部署快速便捷，服务能力和方式是可以完全按照终端客户要求定制的，具有极强的弹性伸缩能力；四是云端数据获取方便，能够资源共享，用户使用成本低廉。 云计算技术是目前最强大的数据存储、传输和处理平台，它是大数据处理的最优选择。云计算能够为大数据提供几乎“无限”的存储空间和处理能力，满足其超大容量存储和超级复杂的处理需求，也是传统存储方式无法实现的。云计算侧重数据的计算处理，而大数据需要强大数据处理能力，因而它是云计算的处理对象。此外大数据所产生的业务需求也为云计算的实现提供了更多的形式。 2 基于云计算的大数据处理技术 2.1 大数据的采集技术 目前数据采集方式主要分为集中式和分布式两大类。其中分布式的灵活性较强，而集中式的全局性较好。实际上大数据采集的对象通常包括组织内部和相互独立组织间的各类数据，而云计算恰好具有并行处理的优势，因而可采取混合式采集方式能够更加有效地完成数据采集任务。即在各个组织内部采用集中式数据采集方式，通过在组织内配置中心服务器，作为集中式数据注册机构，用于存储和共享内部的数据。在相互独立组织间，采用云计算的集群技术、虚拟化技术等在各独立组织中心服务器间采用分布式采集方式实现数据采集、组织间对接和共享。大数据结构类型包括结构化、半结构和非结构化数据，因而在应用云计算技术进行分布式采集时，可依托其超强的扩展性和容错力，将数据池内数据进行同构化，从而实现数据进行分类存储。 2.2 大数据的存储技术 由于超大体量、离散、复杂的数据特点，传统数据存储模式已经难以满足大数据存储要求。一方面单结点的数据仓库在容量上难以满足呈几何增长的数据量，在运行效率上也难以满足大数据的分析处理需求。另一方面传统数据仓库按行存储模式，虽然可以实现大容量索引和视图，但实际操作中其时间和空间过高。而云计算主要采取列式存储模式，即区分数据不同属性，不同属性列都单独存放。云计算中列式存储的优势在于在投影数据时只需查询其属性列，系统处理量和处理效率显著提升。此外按数据属性进行列式存储，数据仓库中相邻列数据的相似性更高，因而能够得到更高的数据压缩率，进一步减少存储所需空间。 2.3 大数据的挖掘技术 联机分析能够完成数据的复杂处理，得到直观结果，实现决策性分析。云计算并行模式下联机分析能够基于数据全局，建立多维分析模型对数据进行多维度分析，从而尽可能获得全面的分析结构。由此可见多维度分析是联机分析的重要特征，而云计算技术下数据仓库正好是通过多维数据组织的。 联机分析对数据的处理仅仅只是表面的，其获取的信息价值并不高，难以得到数据深层次的含义与内在关联。而数据挖掘正是在联机分析的基础上，从超大体量的数据仓库中提取数据所蕴含的隐性信息，并将这些信息用规律、概念或是模型等表现出来。基于云计算的数据挖掘主要采用分布式并行挖掘技术。与其他串行方式相比，云计算技术下并行数据挖掘能够利用机器集群拆分分布式系统中的并行任务，并将拆分后的各个任务分别交由不同的机器去处理，从而实现大规模数据处理，其时间成本也大大降低。 2.4 大数据的可视化技术 上文所述数据挖掘可实现大数据的深层次、多维度分析，获取更多有用信息。而云计算平台下可视化技术则能够将上述信息具体化，从而使数据及其有关结构的相关信息能够更直观地表现出来，更容易被发觉和理解。可视化技术是指在存储空间中，将数据库及其中数据以图像（图形）的形式表示出来，并在其中再采用其他的分析手段获取图像中所蕴含的未知信息。而原有的数据处理仅仅只能够从数据本身入手，分析和观察数据中的内在信息。云计算下的可视化技术不但能够实现非空间数据的多维度图像显示，而且能够实现检索过程的直观图形显示，从而帮助人们更好地挖掘和理解信息，信息检索效率也大大提升。 3 结语 在数据爆炸时代，云计算的出现为大数据的存储和处理提供了可能，也为数据处理系统的功能扩展提供了重要保障。以往的数据管理将收集和存储作为重点，而在云计算模式下，大数据管理将更多地侧重数据分析、挖掘及管理模式的创新。目前数据采集和统计技术已经较为成熟，利用云计算进一步丰富大数据的存储和处理方式，实现更高层次的数据挖掘和可视化将是今后需要解决的问题之一。 大数据处理论文:投资统计大数据处理关键技术 摘 要 大数据主要包括结构化数据、非结构化数据两部分，目前已具备应用价值大、数据量大、速度快等特点，这些特点对今后投资统计数据处理技术将带来颠覆性变化，为此，本人结合从事多年统计数据处理经验，重点阐述投资统计大数据在数据采集、存储和分析涉及的主要关键技术。 【关键词】投资统计 大数据处理 关键技术 本人从事多年统计工作，对投资统计大数据有着天然的亲近感，投资统计就是搜集、整理、分析、应用数据。目前投资统计改革正在有序开展，我们要抓住改革契机，充分利用投资统计大数据具有海量、实时、多元处理特点，深刻解读数据，创新研究思路，提高投资统计数据处理能力，提供投资统计分析具有数据全、分析深、研究透、成果新、有理有据的可行建议，成为党政府、部门决策的重要参谋。 1 概述 1.1 大数据 投资系统中数据有三种类型分别是项目投资管理数据、联网直报房地产投资数据、规下投资抽样数据。根据投资数据内在结构，可以分为两类，一类是结构化数据，统计系统的企业原始数据可以通过二维表形式反映的数据；另一类是非结构化数据，不能以二维表的形式来反映的数据，如文本、图片、音频、视频等产生的数据。 与传统投资统计不同，投资统计大数据可利用遥感技术和GIS技术进行动态监测，能够获取定期数据，对现有投资统计业务系统进行分析，主要表现在：一是为了能够对投资统计系统运行获取定期数据，要对投资项目进行定位，每个月节点都会产生大量的数据。二是PDA设备对投资统计项目样本点的经常性变化。三是为了能够把握重大项目投资进度，要求对投资统计系统运行中相关信息定期变样采集。四是投资统计数据能够定期与发改、住建、税务等部门数据共享和数据比对。 1.2 特点 投资统计大数据具有以下特点：一是数据量大。随着大数据的发展，投资统计数据TB级逐步上升到PB级。二是类型种类多。现在党政领导对投资统计数据需求越来越准，要进行处理结构化和非结构化投资统计也越来越多，才能够满足需求。三是利用率低。如在定期监测重大投资项目过程中， 大部分监测过程中的数据在正常范围之内，而非常少的监测异常数据是非常有用的，特别是投资项目数据异常值（如极大、极小值），要通过这些数据对比验证，数据是否正确，因此有利用价值的数据占总数据的比例少。四是处理要快。处理投资统计大数据速度要求快，可以利用小型计算机和云技术在非常短时间内能够分析数据，为党政领导决策提供高质量的数据作为依据。 2 关键技术 2.1 采集技术 大数据的采集指利用很多个数据库同时接收，从客户端的传输来的数据，一般用户可以通过这些数据库，在客户端能够达到一般查询和处理过程。 但是在大数据的采集过程中，最大的难点数据并发高，很有可能会同时成千上万的用户来进行访问和操作，采用在采集端部署大量数据库作为支持，能够有效、科学地在投资数据库之间进行负载均衡和分片，是数据采集技术的关键环节。 各类大数据分部不同的部门或项目，给数据的收集带来一定难度，采用关系数据管理模型，运用Google 文件系统GFS 技术，具有纵向扩展功能，应对数据采集并发数高，也是确保实现高效获取大数据的核心。 2.2 传输、存储技术 投资统计系统采用联网直报平台，运行时会实时产生各式各样的原始数据，特别定期用投资遥感监测中数据也会产生更多的数据，经过日月积累海量的数据，会给投资监控设备及数据传输、存储系统造成沉重的负担，并对投资统计系统发展造成很大的影响。 目前投资统计系统数据的传输，为了减轻数据传输量，大部分采用数据压缩的方式，可以应用到投资统计数据传输，大大提速整个系统数据的传输，从而有效降低数据储存的空间。若没有建立有效批处理模型，在压缩、解压过程中仍然占用系统资源较大，浪费也很大，因此更急需建立有效的批处理模型是重要的。现在普遍采用MapReduce批处理模型，能够在平常配置的计算机上实现并行化处理，且能够分割输入数据，在计算机组成的集群上统一调度，确保计算机的集群之间顺畅的通信。 投资统计大数据存储一般采用分布式保存方式，具有性能可靠性，可以解决海量数据的存储问题，可有局限性，如投资统计系统运行时，随时产生实时性数据，处理过程中还是不能够全面应对，最好要根据不同类型的大数据性能先分析，然后再进行实时分类存储。特别是投资遥感监测系统中非结构化数据占大数据比重非常大，需要解决大量非结构化数据转变为结构化数据处理能力，是投资统计系统在大数据处理技术解决的关键问题。采用GFS的分布式文件系统主要对海量大文件而设计，而海量小文件可以用Haystack系统，可以用多个逻辑文件共同使用一个文件，解决小文件存储的问题。 2.3 实时处理技术 解决投资统计大数据处理速度是至关重要，数据处理范围越来越大，数据处理时间就越长，假如数据量处理的范围超过了数据本来的处理能力，缺乏整个系统稳定运行，就会对投资统计系统运行产生不可估量的影响。虽然可以利用云计算系统，能够提供投资统计系统服务，但是对特别联网直报时间高峰期，现在也经常出现堵塞事件，造成企业统计人员无法准时上报数据，也对投资统计系统运行提出更高要求。 大数据产生的过程比较复杂，对有投资统计数据（结构化数据、半结构化数据和非结构化数据）进行基于各种统计算法的计算，必然存在数据的内涵不一致、记录重复、或者感兴趣拟处理的属性指标不完整、或者含有噪声（数据中存在错误和异常值）等各种问题，必须实时进行清洗和预处理，去掉噪声和无关数据，便于后续的分析、分析处理。使用Sector广域网的分布式系统，利用Sphere基本数据处理模型，针对不同的数据，能够统一输入数据流方式，进行实时大规模并行计算，在对数据进行分割，分割后数据转交给SPE（具有处理引擎功能），能够起到负载平衡。 2.4 分析技术 投资大数据分析主要通过分布式数据库或者分布式计算集群，对现有已存储的大量数据库，分步骤能够简单的分类汇总、统计分析等，能够实现普遍常见的分析需求，但是对于一些需要批处理基于半结构化或非结构化数据，利用可视化分析技术、高度集成技术，对图像和投资原始数据及专业的大数据分析工具，进行与部门数据之间统计分析或比对。统计与分析这环节的主要特点涉及的面广、量大，运行系统资源占用也非常高，特别是输入输出资源占用率高。随着大数据的发展，用Bigtable分布式、按列存储、多维表结构的实时分布式数据库，可以对大数据结构化、半结构化和非结构化数据读写操作，使用SQL 语言进行大量数据的统计、查询和分析操作，解决了可视化分析技术的扩展性，能够有效提取重要数据、显示合成图像。用LOD技术采用策略处理大数据量的实时传输与可视化，实现按等级组织分块，平常称为“金字塔”结构。 大数据的分析技术与传统的统计数据汇总分析方法有较大的差别，不能将原来的统计系统数据处理经验简单的移植到大数据的数据处理中去，需要针对不同的大数据对象，部署相应的数据采集环境，建立平值法、平滑法、预测法和频率统计法等统计数据相关模型或算法，对投资统计大数据进行深度和广度的对比分析或核查。 3 结束语 伴随现代信息技术的迅猛发展，传统的投资统计知识、理论、技术、方法等正处于大变革、大跨越、大发展之中，投资统计也面临良好机遇。特别大数据时代的到来，投资统计大数据处理在遥感地理信息系统、全球定位系统等空间信息技术中应用，极大丰富了投资统计的数据来源，使投资统计工作如虎添翼，同时也对投资统计理念、数据来源和数据生产方式提出全新挑战，继续寻求有效的解决办法，更要广泛深入与国际、国内科研机构合作交流，不断创新探索，有助于繁荣投资统计科学，传播先进投资统计理念和方法，提升投资统计能力和水平。 大数据处理论文:对大数据处理技术的分析研究 摘要：随着信息化技术的不断发展，大数据处理技术给人们的生活和工作带来了很多改变，要充分发挥大数据处理技术的作用，就要求深入、全面研究大数据处理技术，摸索出大数据处理技术的改进与完善对策。基于此，本文首先分析大数据的特征，然后探讨大数据处理技术的Hadoop架构和Storm架构，并对比分析两种架构的优缺点。 关键词：大数据处理技术 Hadoop架构 Storm架构 大数据时代的超大数据体量以及占据一定比重的半结构化和非结构化数据的存在，就决定了传统数据库管理难以满足需求。大数据技术将会成为IT领域的新一代技术和架构，会帮助人们存储并管理好大数据，从复杂、庞大的数据里筛选出有价值的数据，加之各种技术以及产品的出现，很可能促使IT行业步入新的黄金时代。因此，分析研究大数据处理技术极具现实意义。 1 大数据特征 大数据具有以下四个特征：一是数据量庞大。大数据计算要存储以及处理的数据量是十分庞大的，而且这些数据都处于不断变化、增长以及更新的状态，所以数据量就会越来越庞大。这就要求承担处理数据任务的硬件设备必须具备很大的存储能力和良好的处理技能。二是数据多样化。在大数据时代需要处理的不单单是各种结构化数据，还有图片、文字、声音等非结构化数据，要识别并处理这些非结构化数据要耗费很大力量，而且识别度也需要进一步提升。三是数据快速型。大数据处理技术的目就是要能处理变化迅速的数据，摸索出其变化规律为决策提供辅助作用，确保数据的时效性以及各项决策的有效性。四是数据准确性。在处理数据的过程中必须要控制数据来源，确保数据准确性，而且要结合现实所需不断更新数据处理技术，确保数据处理结果具备准确性和有效性。 2 大数据处理技术 2.1 Hadoop 架构 Hadoop架构的核心构成部分是HDFS，即Hadoop分布式文件系统，全称Hadoop Distributed File Sytstem，以及Map Reduce分布式计算架构。其中HDFS以Master/Slave体系结构为基础，在集群里任命一个主节点担任Name Node，主要负责管理文件系统元数据，其余子节点担任Datanode，主要负责保存具体的数据块[1]。 Hadoop架构的关键点就是借助大量PC构成一个PC群以实现对数据的处理。在处理数据的时候，先分解数据，然后结合分配的相应电脑处理数据，最后整合数据处理结果。通过Hadoop平台实际操作发现，在Hadoop平台运行的时候，系统初始化需要较长的时间，如果是处理更新速度快的数据这是不容忽视的一个问题。并且，在处理某些小数据的时候，系统初始化时间就更久，对数据处理准确性的影响也就更大。所以，系统不适合处理较小数据。基于Hadoop架构对reduce任务进行处理的时候，各种技术问题就更加突出，在利用相应技术把数据转为存储实施处理的时候，不仅数据处理速度慢，还会占用很多的带宽。所以，Hadoop架构在处理变化速度较快的非离线数据时还存在很多问题。 2.2 Storm架构 和Hadoop主从架构相同，Storm架构也是以Master/Slave体系结构为基础，通过Nimbus与Supervisor两种服务进程实现分布式计算机，其中Nimbus进程在集群主节点运行，主要负责分派与分发任务，Supervisor进程在集群从节点运行，主要负责任务的具体执行。Storm架构利用Spout/Bolt编程模型通过流式方式处理消息。消息流是Storm架构里对数据的基本抽象，一个消息流对应一条输入数据封装，不断输进的消息流通过分布式方式得到处理。Spout组件是消息的生产者，在Storm架构里属于数据输入源头，能从多种异构数据源里获得数据，同时发射消息流。Bolt组件主要负责对Spout组件发射的信息流进行接收，同时完成相应的处理逻辑。如果业务逻辑比较复杂，就可串联多个Bolt组件，并且在每个组件里都编写相应的功能，进而呈现出整体的处理逻辑。 2.3 架构对比 就总体结构而言，Hadoop和Storm是相似的，具体构成部分对比如表1所示。 通过对比，Storm架构具有以下优点：在Storm架构实际运行时，系统不用每次都初始化，数据处理效率较高，在处理较小数据时这一优势更加显著；Storm架构的信息处理模式能确保数据的高效处理，更好地满足人们对UI数据的需求；spout组件能读取不同形式数据里的消息流，并把读取的消息流传递给bolt组件进行处理；结合处理业务量的大小以及业务难度的高低，Storm架构能串联多个bolt组件实现消息流的有效处理，进而实现数据处理的高效性与快速性。 3 结语 在互联网发展迅速的今天，新业务对数据处理的要求不断提升，当传统离线处理架构不能满足需求时，就可以使用大数据处理技术架构。但信息社会的最大特点就是瞬息万变，因此，对大数据处理技术我们也要不断变革与创新，使大数据处理技术得到更好地完善，这样才能更好地服务于社会、服务于人们。 大数据处理论文:智能交通中的大数据处理技术 摘 要：本文主要针对大数据的概念与特点、交通行业大数据发展现状以及大数据在交通行业发展的浅见进行简要分析。 关键词：智能电网；交通运输；大数据处理技术 一、大数据的概念与特点 顾名思义，大数据即一个体量特别大的数据集，大到无法使用传统的数据处理工具、技术对其进行分析、加工、操作。而大数据技术，就是对大数据的处理技术的集合。可以说，大数据兴起并非科技的突变，而是随着人类社会结构化、半结构化、非结构化数据的急速增长应对而生的技术进步。大数据的特色之一是体量成级数增长。由于互联网技术逐渐渗透人类生活的方方面面、以“物联网”为方向的信息采集技术的逐渐普及以及包括“4G”在内的网络传输技术的迅猛发展，在全社会，包括交通运输行业，人类所拥有的数据量及其增速已经远远超过传统信息技术预设的处理极限。限于科技发展的规律与速度，或者是人类智能体量的局限，信息技术专家们提出以“云计算”概念为核心的的一系列数据分布式处理技术作为阶段性替代方案，以适应现阶段的信息爆炸。 大数据技术与传统信息处理技术有如下不同：使用分布式技术实现海量数据的处理。现代社会，“人类存储信息量的增长速度比世界经济的增长速度快4倍”，“大约每三年就能增长一倍”。为了解决这一问题，分布式技术成为信息处理的必然选择。早期的信息处理技术通过固定的数据存储设备、运算服务器实现信息化；随着数据量以及运算需求的增加，发展出部署集中的集群的信息存储与处理方式，一定程度上扩展了使用范围；当数据量进一步增长，受益于网络通信技术的升级换代和互联网的飞速发展，“云计算”技术相应而生，通过将分散于各地的存储、处理设备，实现可与巨型计算机媲美的海量数据处理能力。 大数据技术善于由结果推断模型。不同于传统的智能化技术，需要完善地建立数据模型，通过条件，推导结果。大数据技术着眼结果于海量数据，通过大量的事实总结规律，形成知识。传统的建模实现智能化技术，一旦结果出现异常，就需要反溯，修订模型，重新进行实践。而大数据技术，则只通过对相关性的结果进行比较，便能总结归纳相关原理。大数据技术着眼于动态，而不是静态。传统信息处理技术着眼于当前数据的使用，业务办理、行业监控，数据一旦使用，则降低或失去其实用价值，历史数据需要人工的比对、判断。大数据技术着眼于一段时间或全部时间上的动态发展数据，着眼于动态数据之间的联系与发展规律，大数据技术长于整体的运算效率，而非个体的精确追踪。由于数据处理能力的有限性，传统的信息化技术对于有限的样本进行分析与统计，更关注于奇异数值并加以分析，着力于对个体样本的精确追踪。而当大数据处理成为可能，数据的总体成为一个独立样本，一些奇异值由于发生概率太小，完全可以忽略，数据整体的运算效率成为重要指标。 如同哲学上的量变引起质变，大数据技术正是随着信息化数据的不断增长而产生并从根本上改变人对于数据存储、应用的理解与认识。同时随着数年的演进，大数据技术也正在逐步走向成熟。 2012年7月，美国知名IT咨询顾问公司Gartner《2012年大数据技术成熟度曲线》，对大数据涉及的46种技术进行逐一分析。根据当时报告内容，对比当前发展现状，我们可以看到大数据技术的成熟度已经达到一定的高度。2012年报告中提到的，将在2年内实现主流应用的列式存储数据库、预测分析、社交媒体监测等技术，已经成为近些年IT行业普遍实用的技术；报告中预测的2～5年内成为主流的云计算、内存数据库、社交分析、文本分析等技术，当前在google、百度、facebook、阿里巴巴、新浪微博等处于IT技术前沿的互联网公司，已经分别得到广泛应用；而报高中认为5～10年才会得到普及的内容分析、混合云计算、社交网络分析、地理信息系统等技术，以及认为10年以上才会普遍应用的物联网技术也已经在不同程度上得到应用和推广。 二、交通行业大数据发展现状 交通行业是天然的大数据应用行业。传统的静态数据并非大数据，如路网的基础信息，户、车、人基本信息，这些数据随着产业增长而逐步增长，一直在传统信息处理技术预设的限度之内。但随着互联网与产业结合的不断升级、物联网―――车联网的快速兴起，3G、4G无线网络的普及，行业数据量已经开始成级数增长。目前交通运输行业大数据来源主要在3个方面： 基于互联网的公众出行服务数据，如大运输联网、网上售票、城市公交刷卡、公众在线交通路线查询、网购物流数据等。 如某公交一卡通截至2013年已经发卡超过3200万张，日刷卡量超过1000万人次；百度地图手机应用日访问量1亿次，PC上的搜索量50亿次中20%访问和出行相关，每天约有1000万人使用百度，其中70%和公交相关。 基于行业运营企业生产监管数据，如货运源头称重数据，货运、危险品运输电子运单数据，客运进出站报班及例检数据，营运车辆维修检测数据，邮政包裹数据等。 如国家邮政局的数据显示，2013年中国快递业务量完成92亿件，居世界第二，仅次于美国。业务量同比增长60%，最高日处理量已突破6500万件。 基于物联网、车联网的终端设备传感器采集数据，包括车辆相关动态数据：GPS位置信息、车辆能耗、车辆技术状况信息，路网监控信息：卡口视频监测、基于传感器的路况监测、路上动态称重设备、桥梁监测GPS等。 车辆位置信息采集仅举一市为例，2013年10月，杭州市符合交通运输部“两客一危”定义且经营范围、营运状态、营运证有效期等状态正常的车辆上线数为6329辆。车辆位置信息假设每5s传输一次，则每日位置信息接近1.1亿条。北京市6.67万辆的出租车GPS数据实时接入，日均数据量可以达到6G。 车流量监控数据，笔者曾参与河南省新乡市动态称重系统建设项目，仅一个信息采集点，2013年11月平均每天采集14000辆车左右，包括结构化数据与照片信息，每天产生的数据量是1791MB。 三、大数据实时处理技术 随着大数据时代的来临，各种应对大数据处理的解决方案应时代而生，7 年前，雅虎创建了一个用于管理、存储和分析大量数据的分布式计算平台 Hadoop，它作为一个批处理系统具有吞吐量大、自动容错等优点，目前在海量数据处理方面已得到了广泛应用。但是，Hadoop 本身存在的缺点是不能有效适应实时数据处理需求，为了克服该局限，一些实时处理平台如 S4， Storm 等随之产生了，他们在处理不间断的流式数据方面有较大的优势，下面将介绍和分析目前比较流行的大数据处理平台。 1、Hadoop Hadoop 是一个由 Apache 基金会开发的分布式系统基础架构 [10] ，允许用户在不了解分布式底层细节的情况下，开发分布式应用程序。Hadoop 主要由分布式文件系统（Hadoop Distributed File System，HDFS）和 MapReduce 计算框架两部分组成。 HDFS 结构如图 1 所示，三类节点 Namenode，Datanode，Client 之间的通信都是建立在 TCP/IP 的基础之上的。Client 执行读或写操作时首先在本机临时文件夹中缓存数据，当缓冲数据块达到设定的Block 值（默认 64M） ，Client 通知 Namenode，Namenode 响应 Client 的 RPC 请求，将新文件名插入到分布式文件系统结构层次中，并在 Datanode 中找到存放该数据的 Block，同时将该 Datanode 及对应的数据块信息告诉 Client，Client 便将数据块写入指定的数据节点。HDFS 有着高容错性的特点，可以部署在低廉的（low-cost）硬件上，并且能提供高传输率（high throughput）来访问应用程序的数据。 图 1 HDFS 结构图 MapReduce 是一种并行处理模型，主要有两个处理步骤：map 和 reduce 。 Map 端处理流程如下：计算框架先将要处理的数据进行分片，方便 map 任务处理。分片完毕后，多台机器就可以同时进行 map 工作。map 对每条记录的处理结果以的形式输出中间结果，map 输出的结果会暂且放在一个环形内存缓冲区中，当该缓冲区快要溢出时，会在本地文件系统中创建一个溢出文件，将该缓冲区中的数据写入这个文件。写入磁盘之前，线程根据 reduce 任务个数生成相同数量的分区。当 map 任务输出记录时，会产生溢出文件，这时需将这些文件合并。文件不断排序归并后，最后生成一个已分区且有序的数据文件。最后将相应分区中的数据拷贝给相应的 reduce 任务。 Reduce 端处理流程如下：Reduce 会接收到不同 map 任务传来的数据，如果 reduce 端接受的数据量相当小，则直接存储在内存中，如果数据量超过了该缓冲区大小的一定比例，则对数据合并后溢写到磁盘中。随着溢写文件的增多，后台线程会将它们合并成一个更大的有序的文件，然后交给 reduce 函数处理，reduce 函数安装用户定义的业务逻辑对数据进行处理并输出结果。 Hadoop 在本质上是一个批处理系统。数据被引入 Hadoop 文件系统 （HDFS） 并分发到各个节点进行处理。最后将处理结果汇总，生成的结果文件存放在 HDFS 上。 2、Storm Storm 是 Twitter 开源的分布式实时计算系统 [8] ，Storm 具有高容错性，水平扩展性好，快速，可靠处理消息的优点。Storm 的核心概念是“流（stream）”，流是一个无限的元组序列。Strom 为流转换提供两个基本组件：“Spouts”和“Bolts”。Spout 是一个输入流组件，Spout 将数据传递给另一个组件（Bolt） 。Bolt 执行任务并创建新的流作为下一个 Bolt 的输入流。 整个过程就是一个 “topology”。 Strom 集群有主要有两类节点：主节点和工作节点。主节点上运行一个叫做“Nimbus”的守护进程，它负责在集群分发代码、 分配任务和故障监测。 而每个工作节点运行一个叫做“Supervisor”的守护进程。Supervisor 监听分配给它任务的机器，根据 Nimbus 的委派在必要时启动和关闭工作进程，每个工作进程执行 topology 的一个子集，一个 topology 由很多运行在机器上的工作进程组成。 Nimbus 和 Supervisors 之间所有的协调工作是通过一个 Zookeeper 集群，Nimbus 的守护进程和Supervisors 守护进程的状态维持在 Zookeeper 中或保存在本地磁盘上。这意味着 Nimbus 或 Supervisors进程杀掉，而不需要做备份，这种设计结构使得 Storm 集群具有很高的稳定性。 3、S4 S4（Simple Scalable Streaming System）是 Yahoo 的一个开源流计算平台，它是一个通用的、分布式的、可扩展性良好、具有分区容错能力、支持插件的分布式流计算平台。S4 将流的处理分为多个流事件 Process Element（PE） ，每个 PE 唯一处理一种流事件。S4 将用户定制的 PE 放在名为 Processing Element Container（PEC）的容器中。PEC 加上通信处理模块就形成了逻辑主机 Processing Node（PN） 。PN 负责监听事件，PEC 接收源 event，event 经一系列 PE 处理后，在通信层 Communication Layer的协助下分发事件或输出事件处理结果。在分发事件的过程中，S4 会通过 hash 函数，将事件路由到目标 PN 上，这个 hash 函数作用于事件的所有已知属性值上。通信层有“集群管理”，“故障恢复到备用节点”，“逻辑节点到物理节点映射”的作用。同时通信层还使用一个插件式的架构来选择网络协议，使用 zookeeper 在 S4 集群节点之间做一致性协作。 四、大数据在交通行业拓展的困境 1、行业信息化整体水平较低、数据的采集与整合困难 目前交通运输行业信息化、智能化发展非常不均衡，广大西部地区缺少信息化基础，信息系统应用效果差，数据采集困难。信息化建设较早的省份，由于信息化建设缺乏统一规划与顶层设计，系统建设、使用单位均不相同，交通运输主管机构与各二级单位、信息化主管部门与业务部门分头建设业务系统，系统技术架构差距大，基层单位上级机构多头管理，造成数据来源不统一，信息孤岛现象严重。各省信息化建设与应用水平的差距同样造成部级数据整合困难，无法发挥实际的应用价值。 2、缺乏工作规范与要求，数据应用机制困难 交通运输管理机构人员信息化水平差距较大，系统用户缺乏应有的信息化思想，传统的办公方式与习惯难以改变。政府管理机构没有针对信息化应用与数据的采集应用形成上下联动，奖惩结合的管理机制。信息化应用游离于业务办理之外，信息管理部门与业务部门各管一摊，无法真正将实际业务实现在线办理，真正提高办公效率创造信息价值。行业主管部门缺乏对行业企业生产监管数据进行采集的法律法规，也没有面向企业提供数据服务，既没有通过信息化手段对行业生产状况进行全面掌握，也无法通过信息服务促进产业升级和变革。 3、行业从业人员信息化意识不强，大数据应用思路缺乏 交通运输行业主管部门领导对数据指标价值与数据应用方式缺乏认识，一些信息化规划、项目规划不接地气，系统重建设轻实用，实际应用价值不高，数据采集需求无法得到贯彻。如交通运输部部省联网项目，采集了全国绝大多数省份的户车人基础数据，但是既没有制定政策法规，保证数据的更新与同步，也没有进行数据指标的价值分析，实现真正有价值的应用，造成后期维护困难，数据逐渐陈旧，实用价值迅速流失。此外，全国各省、各地交通运输行业信息化发展不均衡，部分地区信息化基础设施较为落后，整体信息化水平有待加强。 五、大数据在交通行业发展的浅见 1、积极立法，确立数据采集与应用的重要性 通过研究并制定政策法规，面向部、省、市、县各级交通主管部门及相关企业，将数据采集、整合的责任与义务进行明确规定，明确哪些信息化工作该哪级机构做，该哪些部门做，同时明确科技信息化主管部门在信息化建设中的地位并给予相应的监察、评定的权利，对行业企业明确信息化建设与数据采集方面的社会责任。另外，对交通运输行业数据进行全面的梳理，数据保密性与应用价值进行分级，对数据的采集与应用进行立法，明确不同级别的管理机构可以对哪些数据自行进行分析和利用，那些数据可以开放给社会或企业使用，真正实现大数据的应用价值。 2、加快体制改革，设立数据采集与信息化和单位考评相结合的制度 结合国家行政体制改革，进一步改变交通运输行业信息化项目建设传统的上级规划、立项、投资、监管、评审一体化管理模式，实现规划与立项、资金使用与审计、项目监管与后评审的权责分离，让信息化项目建设实际落地，上级单位更注重资金使用的控制与系统应用效果的后评审。尽快制定政策，将指定数据指标的采集和上报纳入行业管理规定；通过体制改革，设立数据上报与信息化应用水平考核制度并实现常态化，同时实现数据上报制度与行业统计工作的全面结合，改变传统的统计人工上报模式，用信息化数据支撑行业统计。考核制度包括3个层面：管理机构对企业考核；单位领导、信息化主管部门对业务部门的考核；上级主管部门对下级单位的考核。 3、加快信息化发展步伐，通过示范指导，引导大数据技术的引入与发展 在交通运输行业信息化规划与设计中，广泛引入云计算等大数据处理技术，选择试点单位，建设应用示范项目，总结大数据在交通运输行业的应用方式方法与使用价值，对具有适用性的项目进行全国推广，引导大数据技术的不断发展。 结束语 大数据时代随着全国交通运输行业各机构、各部门、各企业数据量的迅速增长，以及IT企业交通运输相关数据的迅速增长，逐渐在我们面前显现，发展大数据技术，积极应对、抓住下一次信息化变革、产业浪潮的机遇，是实现交通运输行业产业变革、结构优化、服务社会与公众能力进一步提升的关键。 大数据处理论文:用大数据武装”云”:基于云计算的大数据处理技术 【摘要】 随着互联网、移动互联网和物联网的发展，我们已经迎来了数据大爆炸的时代，数据的快速增长带来了数据存储、处理、分析的巨大压力，而大数据技术（Big data）的引入，不但满足了系统功能和性能的要求，带来良好的可扩展性，降低了IT部署的成本，还拓展了数据智能分析的应用领域。同时，大数据分析与云计算的发展密切相关，云计算是大数据处理的基础，而大数据技术是云计算的延伸，云计算的分布式存储和计算架构为大数据的快速处理和智能分析提供了一种合适的解决方案。本文将探讨建立在云计算基础上的大数据处理技术，包括分布式计算框架、分布式文件系统、大数据管理技术、实时流数据处理、机器学习以及可视化技术等。 【关键词】 云计算 大数据 MapReduce Hadoop 一、大数据 1.1什么是大数据 大数据概念可以从四个维度去解，即三个V和一个C。三个V分别指的是数据量大（Volume）、数据种类多（Variety）和数据增长速度快（Velocity），最后一个C指的是处理、升级或利用大数据的分析手段比处理结构化数据要复杂的多（Complexity）。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像Map-Reduce一样的并行计算框架将复杂的计算任务分配到“云”中成百上千的节点。 1.2大数据与云计算 大数据本身就是一个问题集，云计算技术是目前解决大数据问题集最重要最有效的手段。云计算提供了基础的架构平台，大数据应用在这个平台上运行。目前公认为分析大数据集最有效手段的分布式处理技术，也是云计算思想的一种具体体现。 云计算是分布式处理、并行处理和网格计算的发展，或者说是这些计算机科学概念的商业实现。云计算将网络上分布的计算、存储、服务构件、网络软件等资源集中起来，基于资源虚拟化的方式，为用户提供方便快捷的服务， 实现了资源和计算的分布式共享和并行处理，能够很好地应对当前互联网数据量高速增长的势头。 1.3大数据与Hadoop Hadoop是一个Apache的开源项目，主要面向存储和处理成百上千TB直至PB级别的结构化、半结构化或非结构化的大数据。Hadoop提供的Map-Reduce能将大数据问题分解成多个子问题，并将它们分配到成百上千个处理节点之上，再将结果汇集到一个小数据集当中，从而更容易分析得出最后的结果。 Hadoop项目包括三部分，分别是Hadoop Distributed File System（HDFS）、Map Reduce编程模型，以及Hadoop Common。Hadoop具备低廉的硬件成本、开源的软件体系、较强的灵活性、允许用户自己修改代码等特点，同时能支持海量数据的存储和计算任务。这些特点让Hadoop被公认为是新一代的大数据处理平台。 Hadoop同样具备出色的大数据集处理能力，在获取、存储、管理和分析数据方面远远超越传统的数据库软件工具。Hadoop经常在构建大数据解决方案时被用作基础构架软件。 二、大数据技术综述 大数据处理不仅仅是Hadoop，许多特定的数据应用场景是需要实时分析和互动反馈的，这时候就需要利用包括内存检索、流处理和实时计算等其他技术。而云计算的分布式存储和计算架构开启了大数据技术研究的大门，打造健全的大数据生态环境，所有这些技术结合在一起，才是一个完整的大数据处理系统。 2.1分布式计算框架 MapReduce是Google开发的一种简化的分布式编程模型和高效的任务调度模型，用于大规模数据集（大于1TB）的并行运算，使云计算环境下的编程变得十分简单。 MapReduce将数据处理任务抽象为一系列的Map（映射）和Reduce（化简）操作对。Map主要完成数据的分解操作，Reduce主要完成数据的聚集操作.输入输出数据均以〈key，value〉格式存储.用户在使用该编程模型时，只需按照自己熟悉的语言实现Map函数和Reduce函数即可，MapReduce算法框架会自动对任务进行划分以做到并行执行。 Pregel是Google 提出的迭代处理计算框架，它具有高效、可扩展和容错的特性，并隐藏了分布式相关的细节，展现给人们的仅仅是一个表现力很强、很容易编程的大型图算法处理的计算框架。Pregel的主要应用场景是大型的图计算，例如交通线路、疾病爆发路径、WEB 搜索等相关领域。 2.2分布式文件系统 为保证高可用、高可靠和经济性，基于云计算的大数据处理系统采用分布式存储的方式来保存数据，用冗余存储的方式保证数据的可靠性。目前广泛使用的分布式文件系统是Google的GFS和Hadoop团队开发的GFS的开源实现HDFS。 GFS即Google文件系统，是一个可扩展的分布式文件系统，用于大型的、分布式的、对大量数据进行访问的应用。GFS的设计思想不同于传统的文件系统，是针对大规模数据处理和Google应用特性而设计的，运行成本低廉，并提供容错功能。 HDFS即Hadoop分布式文件系统，受到GFS很大启发，具有高容错性，并且可以被部署在低价的硬件设备之上。HDFS很适合那些有大数据集的应用，并且提供了数据读写的高吞吐率。HDFS是一个master/slave的结构，在master上只运行一个Namenode，而在每一个slave上运行一个Datanode。HDFS支持传统的层次文件组织结构，对文件系统的操作（如建立、删除文件和文件夹）都是通过Namenode来控制，Datanode用来存放数据块。 2.3大数据管理技术 互联网数据已超出关系型数据库的管理范畴，电子邮件、超文本、博客、标签（Tag）以及图片、音视频等各种非结构化数据逐渐成为大数据的重要组成部分，而面向结构化数据存储的关系型数据库已经不能满足数据快速访问、大规模数据分析的需求，随之而来，一系列新型的大数据管理技术和工具应运而生。 2.3.1 非关系型数据库 NoSQL，也有人理解为Not Only SQL，它是一类非关系型数据库的统称。其特点是：没有固定的数据表模式、可以分布式和水平扩展。NoSQL并不是单纯的反对关系型数据库，而是针对其缺点的一种补充和扩展。典型的NoSQL数据存储模型有文档存储、键-值存储、图存储、对象数据、列存储等。而比较流行的，不得不提到Google的Bigtable，它把所有数据都作为对象来处理，形成一个巨大的表格，用来分布存储大规模结构化数据，数据量可达PB级。而HBase是Hadoop团队基于Bigtable的开源实现，使用HDFS作为其文件存储系统。同时，Cassandra（K/V型数据库）、MongoDB（文档数据库）和Redis等一系列优秀的非关系型数据库产品如雨后春笋般问世。 2.3.2 数据查询工具 Hive是Facebook提出的基于Hadoop的大型数据仓库，其目标是简化Hadoop上的数据聚集、即席查询及大数据集的分析等操作，以减轻程序员的负担.它借鉴关系数据库的模式管理、SQL接口等技术，把结构化的数据文件映射为数据库表，提供类似于SQL的描述性语言HiveQL供程序员使用，可自动将HiveQL语句解析成一优化的MapReduce任务执行序列.此外，它也支持用户自定义的MapReduce函数。 PigLatin是Yahoo！提出的类似于Hive的大数据集分析平台.两者的区别主要在于语言接口.Hive提供了类似SQL的接口，PigLatin提供的是一种基于操作符的数据流式的接口.可以说Pig利用操作符来对Hadoop进行封装，Hive利用SQL进行封装。 Google Dremel是个可扩展的、交互式的即时查询系统，用于完成大规模查询结构化数据集（如日志和事件文件）。它支持类SQL语法，区别在于它只能查询，不支持修改或者创建功能，也没有表索引。数据被列式存储，这样有助于提升查询的速度。Google将Dremel作为MapReduce的一种补充，被用于分析MapReduce的结果或者是作为大规模计算的测试。 2.4实时流处理技术 伴随着互联网业务发展的步调，以及业务流程的复杂化，企业的注意力越来越集中在“数据流”而非“数据集”上面，他们需要的是能够处理随时发生的数据流的架构，现有的分布式计算架构并不适合数据流处理。流计算强调的是数据流的形式和实时性。MapReduce系统主要解决的是对静态数据的批量处理，当MapReduce任务启动时，一般数据已经到位了（比如保存到了分布式文件系统上），而流式计算系统在启动时，一般数据并没有完全到位，而是经由外部数据源源不断地流入，重视的是对数据处理的低延迟，希望进入的数据越快处理越好。数据越快被处理，结果就越有价值，这也是实时处理的价值所在。 流计算的数据本身就是数据流，不需要数据准备的时间，有数据流入就开始计算，解决了数据准备和延迟的两个问题。现有的解决方案中，Twitter的Storm和雅虎的S4框架更适合数据流计算的场景。Storm是开源的分布式实时计算系统，可以可靠的处理流式数据并进行实时计算，单机性能可达到百万记录每秒，开发语言为Clojure和Java，并具备容错特性。S4是面向流式数据和实时处理的，所以针对实时性较高的业务，可以很好地对数据做出高效的分析处理，而且系统一旦上线，很少需要人工干预，源源不断的数据流会被自动路由并分析。对于海量数据，它和MapReduce都可以应对，但它能比后者更快地处理数据。 三、思考与展望 以云计算为基础的信息存储、分享和挖掘手段为知识生产提供了工具，通过对大数据分析、预测会使得决策更为精准，这对媒体融合具有重要意义。 新闻媒体的数据库中拥有海量信息存储，这些多媒体数据包括文字，图片，视频和音频等多种格式，符合大数据处理的基本特征，利用大数据技术对这些资源进行存储，计算和分析，了解用户行为，挖掘数据本质和关联，为领导提供决策支持，为终端用户提供更好的服务和新闻定制，增强新闻信息产品的质量和影响力。 如今，在开源社区，围绕Google MapReduce框架，已经成长出了一批优秀的开源项目。这些项目在技术和实现上相互支持和依托，逐渐形成了一个特有的“大数据”生态系统。系统为我们实现优质廉价的大数据分析和管理提供了坚实的技术基础。 新闻媒体可以顺应大数据的技术趋势，加强技术调研，早日选型，搭建大数据处理平台，利用云计算项目资源，将海量数据统筹管理，通过分析和挖掘，实现新闻产品的创新和跨越式发展，以现代化的传播手段向世界展示中国。 大数据处理论文:智能电网大数据处理技术应用现状及困境探讨 摘 要 随着我国社会经济的快速发展，电力事业得到了长足的发展，特别是科技的进步，使得智能电网取得了一定程度的发展。智能电网的建立，有利于将电力系统发电、输电、配电、用电实现全系统管理，随着越来越多的新型技术应用到电力网络中，特别是云计算平台的应用，大量的异构数据积累，大数据处理技术的研究也应运而生。在新的时期，智能电网大数据处理面临着新的机遇与挑战，文章就分析智能电网大数据处理技术应用现状，并探讨在新时期大数据处理技术面临的机遇与挑战。 关键词 智能电网；大数据处理技术；应用现状；困境 在智能电网系统中，系统运行的各个环节都会产生大量的数据，如智能电表安装、电力运行等环节。电力企业在一定时间间隔内对用电客户的用电数据信息进行收集，从而构成电网客户端大数据，根据对这些数据的分析更好的了解用电用户的实际情况，以便科学合理的设置大数据处理系统。 1 智能电网大数据概述 1.1 智能电网系统中的大数据 电网系统中的数据可以分为三种类型，包括电网运行中设备监测数据、电网运营数据以及电网管理数据。 根据电网数据内在结构，可以将其分为结构数据以及非结构数据。其中结构数据包括关系库中储存的数据，随着我国科技的进步，结构数据不断的增长。跟结构数据不同的是，非结构数据不方便用二维逻辑表现，主要包括图形处理数据以及视频监控产生的数据。由于智能化的发展，非结构数据每年以60%的指数上涨，逐渐成为智能电网中重要的组成部分。 与传统电网不同的是，智能电网具有很强的智能化，这就需要能够对电网运行实时数据及时的获取，目前智能电网大数据表现在以下几个方面。 1）为了能够实现对电网运行中实时数据的获取，就必须设置越来越多的采集点，监测设备应用也越来越多，每一秒都会产生大量的数据。 2）设备对电网运行信息采样的频率越来越快。 3）为了掌握电网运行的细节，就需要对电网运行中相关信息的实时变样采集。 1.2 智能电网大数据特点 智能电网中大数据具有以下几个方面的特点。 1）智能电网数据量大。随着智能化的发展，电网数据从TB级逐渐上升至PB级。 2）智能电网数据类型种类繁多。社会对电力需求量越来越多，为了能够满足电量数据要求，电网数据的种类也越来越繁杂，包括文本数据、媒体数据等结构数据，还包括非结构数据，在数据的应用以及处理上也不尽相同。 3）智能电网大数据利用价值密度较低。就以电网监控视频为例，在实时监控的过程中，有用的数据占总数据的比例很少，绝大多数的数据都属于正常数据，而少数的异常数据正是有用的数据，也才是对电网运行检修提供有力依据的数据。 4）数据处理速度快，智能电网大数据处理速度可以用微秒计算，能够在极短时间内分析数据，为电网运行决策的制定提供依据。 2 智能电网大数据处理技术应用面临的挑战 2.1 智能电网大数据传输、存储技术 智能化的发展，电力系统运行过程中各项数据、以及电力设备监测数据被全部记录下来，数据量越来越多，这给电网运行监控设备以及数据的传输、存储系统造成巨大的负担，并对电网智能化发展造成很大的影响。 对于智能电网大数据的传输，采用数据压缩的方式能够提高数据传输的效率，降低数据传输量。所以越来越多的网络数据压缩技术被应用到智能电网数据传输中，通过数据压缩能降低数据储存的空间，但在压缩以及解压过程中也会对系统中心带来一定的资源浪费，需要更为合理的平台支持。 对于智能电网大数据存储方面，采用分布式文件保存的方式能够实现对大量数据的存储，但对电力系统实时性数据处理方面还有一定的局限性。所以需要对系统中大数据性能进行分析并实行分类存储。 智能电网中非结构化数据占据很大的比重，在存储方面需要将这些海量的非结构化数据转换为结构化数据，这正是目前智能大数据处理技术面临的困境。 2.2 大数据实时处理技术 对于智能电网来说，大数据的处理速度至关重要，数据的规模越大，数据处理的时间就越久，如果数据量的规模超过了处理技术承受的能力，难免对电网正常运行造成影响，这就需要确保数据传输、分析、处理的速度。云计算系统能够为智能电网提供快速的服务，但也会造成网络堵塞现象的发生，虽然堵塞的时间较短，也会对电网服务器造成障碍。 2.3 智能化大数据可视化分析技术 智能电网运行中会产生海量的数据，将这些数据及时分析处理，并在有限的屏幕中将其展示给电力用户，这也是目前智能电网运行大数据处理面临重要的挑战。可视化分析技术能够有效的处理大数据，并逐渐应用到实际电网运行中。可视化分析技术，利用高度集成技术、高分辨率图像，以及交互工具，为电力用户提供明朗的数据处理结果。 随着科技水平的提升，可视化分析技术也面临着挑战，包括该技术的扩展性，以及重要数据的提取、显示以及图像合成方面的挑战。 另外，还需要保证智能电网数据网络的质量，对其进行定期检修与维护，如果在数据网络运行中出现故障，需要根据故障的现象，结合网络诊断技术，找出故障发生的原因，从根源上排除故障，使数据网络恢复正常。进行网络故障诊断，不仅需要及时的恢复发生故障的网络，不断的改善调度数据网络的性能，还需要掌握数据网络的运行状态，确保数据网络的通信质量。 3 总结 我国智能化技术在电网系统中应用越来越广泛，大数据处理技术成为了维护智能电网安全运行的主要手段。云计算为智能化数据处理、存储提供有效的平台，也能够保证智能电网大数据能够得到及时的分析与处理，为电网安全运行提供保障。但是随着电网智能化程度逐渐深入，大数据处理技术在实时性、隐私性、一致性等方面也遇到了很大的挑战，必须找出有效的解决方法，这就需要有关人员加大科研力度，不断的探索，相信我国智能电网系统运行会越来越稳定，必将推动我国电力事业的健康发展。 大数据处理论文:试论云计算技术下的大数据处理系统 摘 要 随着云计算技术的不断完善，为了促进大数据处理系统的功能多样化，云计算技术在大数据处理系统上得到了广泛的应用。本文重点研究了在多元因素的影响下的数据模型对大数据处理的影响，并据此提出了一种基于融合思想，采用了混合架构以及分散处理的云计算环境下的大数据处理系统的整体部署策略。 【关键词】云计算 大数据处理 融合处理 1 引言 随着网络技术的发展，以及智能设备的普及，当前的数据增长速度已经呈现爆炸式增长，大数据时代已经来临。目前专家对大数据处理系统方面的研究主要是基于云环境下的分布式部署以及网络架构的融合和动态实时数据处理这三个方面。同时也取得了一定的研究成果，对于当前的云计算环境下的大数据处理系统的发展提供了很多理论和实践基础。 2 基于融合思想的大数据处理方案分析 云计算技术模式下，人机交互和数据处理以及网络逻辑处理技术等都相对交融，处于深度融合状态。因此基于融合思想的大数据处理方案就是以融合思想为核心，将云计算技术模式下的各种分散的网络资源进行协同组织，然后再进行融合，从而充分发挥分散状态下的资源优势，形成一种整体性的比较优势，因此这种融合式的大数据处理方案的应用前景十分广阔。 在云计算技术模式下，大数据处理研究更多的着力点放在了大数据处理系统的构建、分散资源的协同以及相关的辅助技术等。从宏观角度来看，可以氛围内混合处理和混合管理两个方面。其中混合管理的核心就是研究各种无线以及有线的处理机制和数据共享、资源共享机制的管理，同时还包括了分散数据管理机制和协同机制管理等。而混合处理的研究核心则是着力于系统运行模型和相关辅助技术上。 3 大数据处理系统的应用和处理系统分析 3.1 大数据处理系统的应用 大数据处理系统的应用主要包括三个方面： （1）基于融合式架构的应用。这实际上就是一种客户机/服务器架构模式，其中服务器主要负责应用系统的管理和控制以及相关应用的逻辑处理和数据调度等。而客户端则是专门进行人机交互，当用户想要执行数据处理分析人物时，通过客户机向服务器发送请求，然后有服务器完成并返回给客户端。这个融合式架构相对简单，且容易维护，但是服务器功能有着极高的依赖，这也往往成为数据处理系统应用的瓶颈。 （2）分散式架构。这种架构的特点就是协同控制的节点都是平等地位，并且和处理系统有关的控制和管理模块都是分散在各个客户端上。客户端拥有一定的自治属性，因此具有通用性和灵活性和可扩展性等诸多优势。但是由于数据采用分布存储和分布操作，这样在维护方面就变得较为困难，而且节点之间的实时同步和用户动态注册的应用也难以实现。 （3）混合式结构。这种结构拥有前两两种结构有点，通过服务器实现数据信息的统一维护，而客户端一方面实现信息传输功能，同时也能够和用户在某些应用方面进行充分的交互，因此能够有效减轻服务器端的压力，这样也能够消除服务器端的瓶颈。提升系统的鲁棒性和灵活性。 3.2 云计算技术下的大数据处理系统具体分析 3.2.1 系统架构 云计算技术环境下的大数据处理平台的节点主要体现下面几个特点：其一是节点分散性；其二是数据处理动态性；其三是数据来源混构性。 这个处理平台架构采用了融合式的调度执行层和任务融合调度管理，并根据处理规则和不同的参数来调整处理引擎的数据和算法组合以及计算资源。对大数据资源的数据交互和任务分工工作进行了有效融合。同时在管理层，也对业务数据进行分布式存储，提升了容错处理能力。 3.2.2 系统处理流程 系统处理流程主要是对分散状态数据进行处理，其关键就是对分散的数据进行提取，因此首先给其他应用提供数据接口。然后数据管理部分要融合数据资源，并在一定容忍度的基础下，对不同的数据处理机制进行比较，进而优势融合。最后数据处理中心则是对数据进行集中处理，然后统一分配数据资源，从而在数据中心实现数据处理的融合。 3.2.3 处理系统的部署 某信息产业园的大数据处理系统的部署是根据信息企业集群的需求，然后对现有分散数据资源进行挖掘，比如企业内部的ERP和SCM系统中的数据，通过对这些数据进行深度挖掘从而为该企业提供战略发展资源。图1就显示了这个部署图。 从部署图可以看出，在这家企业中，ERP和SCM和CRM是其数据源，然后经过服务器处理之后，分布到n个数据库，然后进行合并进入到大数据管理模块，最终能够实现数据查询和数据决策服务。 4 结语 总而言之，目前采用融合式思想，在云计算技术条件下，对大数据处理系统进行部署的研究相对较少，特别是当前的信息产业，由于其自身的解决方案并不能够实现大数据条件的比较优势，所以本文提出的融合式的大数据处理技术，有效的提升了数据利用深度，拓展了大数据处理系统的应用范围。