大数据论文范文

前言：我们精心挑选了数篇优质大数据论文文章，供您阅读参考。期待这些文章能为您带来启发，助您在写作的道路上更上一层楼。

第1篇

1、对大学教育的影响

大学教育是第二次产业革命时为了适应工业所需的大量的技术人员的产物。当今，学生知识的来源不再局限于课堂，不再拘泥于某一个专业，他们可通过互联网、微信、微博等信息平台来获取文本的、图像的甚至是视频的各种知识。学生的知识面将比以往的任何朝代更加宽范，对校园以外世界的了解将更加深入。比如现在的在线教育平台edX和Mooc，上面有世界著名学府的各种课程，包括我国清华和北大的优秀课程。学生只要通过互联网，就可以接受到名校的教育，在学习过程中，通过鼠标点击的记录，可以研究学习者的活动轨迹，发现不同的人对不同的知识点有何不同的反应，用了多少时间，哪些知识点需要重复或强调，哪种陈述方式或学习工具最有效。通过分析这种秩序和规律，在线学习平台也在逐渐弥补没有老师面对面交流指导的不足。同时现在的教育平台还能通过虚拟现实进行实践辅导。以麻省理工开放的电子电路课程为例，注册这一门课的人比整个麻省理工所有在世校友总数还多。由此可见，许多学生已经把注意力放到了课堂之外。

2、如何积极应对

对于学校：在学生从课堂走到互联网时，未来的学校存在的意义在哪儿，是学校更应该关注与关心的。学生可以在宿舍甚至在家就完成了各种课程的学习和同学之间的交流，那么对学生的考核和效果的评定也不再局限于某一个固定场所来进行。学校更应该重视图书馆电子资源的建设和开放，更应该重视实践实验室的建设，提供更多方便学生来进行实习和实践训练的场所和项目。对于教师：在大数据时代，教师的教与授又该体现在哪儿呢？我们更应该深刻思考，改变传统的课堂教学的思维模式。我们可以将教的过程放在网络平台上，放在课前来进行，课堂中以学生做作业、教师指导和答疑为目的。这只是改变了传统的教学模式，对于教师自身我们又该如何作呢？在面对丰繁复杂庞大的数据时，我们应积极跟进发展自我，重新进行定位。一类应加强自己的实践操作能力，专业从事实践辅导和教学；另外一类专业从事研究；另外一类抓住大数据所给予的机遇，发展自己，跟上时代步伐，成为专业化极强的教师，对专业进行解惑和学习方向的指导。对于学生：知识和信息量极大丰富，我们如何从中甄别出有利于自己的知识，对自己进行特色化的教育，需要自己的判断力和教师、家长的指导。我们要关于利用已有的学习平台和学习媒介，不断提高自己的自学能力，发展自己的创造性和创新性的能力。

二、小结

第2篇

移动互联网的“长尾”理论和“病毒式营销”方式不仅仅可以解释网络参与者的数量增加和参与深度加深，同时也与新文化经济模式的出现和发展有着紧密的联系。基于移动互联网的文化传播现象多种多样，如何准确认识其本质并把握其发展方向，需要研究其形成的外部推动力---技术上的创新，更需要依据其内在的变化，理清新的文化产品发展的脉络。对文化大数据的分析和研究，能够大大加深对文化产品传播模式的理解，从而对其今后的发展做出准确的预测和相应的准备。

二、文化大数据的传播

同时随着社会的信息化、网络化程度不断不加深，移动互联网产生了海量的文化大数据。这些文化大数据无法在常规的时间内用传统的软件工具和技术标准对其内容进行各种处理，如抓取、传输、存储和处理。从文化产品传播方面看，大数据可以成为文化产品传播行为的显微镜，拥有文化产品的人的传播行为和社会状态被广泛记录，并通过进一步提取、整合与分析，形成可视化的数据，产生巨大的价值[4]。文化大数据的社会意义在于人类将进入智能时代，计算机和网络更加智能，人与人之间有关的文化产品的合作，任务之间的对接会更精确，文化产品的创作和传播的社会成本和经济成本会更低。在传统的文化产品传播工作中，数据采集方式不仅需要科学地确定调查对象，还需要通过标准化的报表进行数据采集、汇总和分析。[5]然而随着信息化、网络化时代的到来，尤其是移动互联时代，每一个文化产品的购买者、欣赏者、传播者都可以通过手持平台多渠道、多角度的通过评论、传播等行为产生文化大数据，如对某一著名的电影作品，往往通过微信中朋友圈的传播和评论，可以很快的影响其众多潜在观影者对于电影的态度，买票看电影还是等待看影视的光盘，甚至由于不良的评价，取消对电影的欣赏态度。对这些正在源源不断地产生海量的、即时的电子化大数据。四、文化大数据的分析文化大数据发展趋势中所增加的大部分数据都是在自然环境下产生的非结构型数据，如网络言论、图片、视频等不受控的东西，从纷杂的信息中提炼有价值的信息，这也是统计信息的收集、加工整理所面临的挑战。在统计的基础上，通过对外部、不完整数据集的探索与发现，形成观点与交互，实现宏观预测，这正是大数据应用的体现[6]。而研究如何能够从非结构型的文化大数据中抽象出有效地信息，或者说智能的融合大数据，使其能够最大限度的发掘出有价值的信息。

三、结束语

第3篇

计算机技术的发展和互联网时代的到来，使人们越来越熟悉如电子商务和网络营销等字眼与服务，而随着人们在互联网上花费时间的增多，一些遗留在互联网上的数据通过计算被追踪与处理，并成为了企业营销中的主要分析数据，而随着海量数据的出现，大数据这一概念的出现也逐渐被国内外企业所接受和运用。大数据的主要特征在于“4V”，即数据量大、类型复杂、价值密度低和实效高四种。企业合理手机消费者行为数据并将其归纳为大数据进行分析，能够更为快速的了解消费者的生活方式与消费状态，同时也有助于企业更快的研发出更为贴合消费者心理的营销策略。大数据在市场营销中已然成为了主要的方式。此外，客户数据的海量性和有效性能够帮助企业更好的寻找产品发展新方向。大数据的出现对于企业，尤其是电力营销战略的制定将会具有极其重要的促进意义。

二、大数据在电力营销中的应用策略

大数据时代正在逐渐崭露头角，企业要想顺应时代的变化获得新的发展，就必须对营销体系进行重构，若能够通过大数据资源开展电力营销，必然会产生极大的市场价值。

1通过消费者视角，分析潜在需求行为大数据的特征表现在海量化的数据上，企业要想获得更为精确的信息，就需要通过大数据的分析来寻找顾客的潜在需求。因此，电力营销企业要想做好营销体系的构建，扩大企业经济市场，就要制定好多种方案，在大数据中寻找潜在的客户需求，学会通过客户的视角，对客户的消费行为进行行为与特征分析，从而进一步提高客户满意度，最大化的打开企业知名度。

2精准定位消费群体，开展个性化营销大数据能够为电力营销提供海量的数据信息，让企业能够在追求精准化的同时准确定位自身营销方式，从而划分出消费群体，打造个性化营销。随着社会经济的发展，电力营销企业开始越来越重视营销的精准化，而大数据的出现在一定程度上改变了产品的质量，导致消费者市场也出现变化。消费者市场的划分需要通过大数据进行主要原因自傲与企业所面临的是个体消费者，而不是群体消费，这样一来，个性化的营销必然会成为电力企业的营销主体。

3拓展营销新市场，制定产品新战略大数据是营销策略制定的基础和依据，这对于市场和业务的开拓也具有重要的意义。如腾讯游戏的研发，往往是通过大数据来进行精确地分析，从而使其能够领先于其他手游行业，牢固自己的经济市场地位。运用大数据分析数据，开拓新市场、新业务也是当今时代电力企业营销发展的必然趋势。要想做到领先同行企业，牢固自身市场地位，就需要在产品研发前期深入分析和研发大数据，制定更为符合客户个性化需求的产品战略，并进一步确定产品营销渠道，拓宽产品领域。

4依靠互联网技术，合作开展大数据营销随着互联网营销的兴起，互联网行业将绝大部分的精力都放在了大数据的应用上，大数据的应用也逐渐成为了营销的主要手段。大数据从狭义来看是人们通过互联网的使用而产生的数据，互联网行业拥有者手握最大的数据源，如阿里巴巴、百度和微博等等，其搜索引起联合线下进行，已经覆盖了人们绝大部分的生活。而电力营销要想得到进一步的发展，就要挤入互联网行业中，进行大数据营销。除了在自身领域建立数据资源优势以外，还可以通过业务延伸来实现多元化的发展。

三、结语

第4篇

英国NFI项目每年均对上个财政年度的数据分析和对比情况出具审计报告，不仅横向对比各行业数据欺诈的件数和金额，还纵向对比近年来的变化情况。一方面勾勒出欺诈问题出现的高风险重点行业和重点领域，为审计项目的选择锁定重点；另一方面动态反映数据欺诈问题的变化趋势，不仅发现问题，还有针对性地跟踪某类欺诈问题是否得到了遏制，已经发现的问题是否得到了有效整改。我国审计始终强调全面审计、突出重点，但是如何发现和突出重点却一直是审计实践面临的难题。不但可以通过大数据的汇总、统计功能对被审计单位的情况进行总体把握，还可以通过横向、纵向对比，聚类、关联分析，发现存在虚报冒领、挤占挪用、重复申报、截留套取等违法违规问题的高发行业、领域、环节、单位和部门，为审计延伸提供精确制导的坐标，为审计项目计划提供确切实在的依据。

二、大数据分析是绩效审计的利器

英国NFI通过大数据分析，不仅发现个案问题，还对同类问题的产生原因进行分析，促使相关部门和单位完善制度，堵塞漏洞，提高公共资金的使用效率和效益。近年来，随着我国财经制度的不断完善和加强，违反财经纪律、违法违规的问题得到了很大遏制，国家审计在继续查处违法违规性问题的同时，也十分注重对公共财政资金使用绩效进行审计。通过大数据集中分析平台的关联分析查询，能够从整体层面高效、便捷地发现诸如公共财政资金滞留的具体环节、时间；发现公共财政资金投向不符合产业政策导向；发现财政专项资金分配在地区和部门间存在的不均衡、不合理；发现财政投入的建设项目存在的进度滞后、效益与预期不符等问题。大数据提供的证据与审计抽查相比，能够更加全面、客观地反映某项公共财政资金产生的整体效果和存在问题。在此基础上提出的审计意见和建议，更加充分、准确和有针对性，更能促使相关部门和单位完善制度、落实责任、加强管理，更好地实现公共财政资金的价值。

三、如何构建审计大数据平台

1.通过立法为建立审计大数据集中分析平台奠定基石。英国NFI的数据收集和分析工作是依据2008年7月21日修订的数据配比法案进行的，法律授权使英国审计委员会将数据收集、整理、分析等工作成为常态，这是审计开展大数据分析的基石。目前，我国审计法授予了审计机关在审计期间获取被审计单位数据的权力，但是审计项目是单个开展的，各被审计单位之间的数据不能完全地相互关联，形成了一个个数据孤岛；并且，审计项目一结束，被审计单位就不愿意继续向审计机关提供数据，难以对被审计单位进行持续的审计监督。借鉴英国的经验，我国应当从法律层面明确属于国家审计范围的政府部门、企事业单位、公共机构，以及使用公共财政资金的企业、单位等应当定期向审计机关提供电子数据，为国家审计进行大数据分析创造条件，从根本上解决目前存在的数据收集难、不完整、时效性差等问题，将一个个数据“孤岛”连接起来，在此基础上进行深入的关联、对比和分析，真正发挥信息时代大数据的强大作用。

2.建立统一的数据格式标准。英国NFI项目的数据涉及相关政府部门、医院、学校、养老金管理机构、房屋管理机构、银行、部分私营企业等，提供的数据包括单位财务数据、单位业务数据、部分员工个人数据等，所有提供的数据均按照NFI项目指定的数据格式范围。NFI收到各单位上传的数据后，只需经过少量的数据清理，就可以整合到数据集中分析平台中，对不同部门、机构、单位的数据进行对比分析。在信息化高度发展的今天，我国应当由审计部门牵头，工信部、协会、高校等合作，建立统一的数据共享接口，在现有的审计署财务数据接口的基础上，扩充和整合管理数据、业务数据等信息，实现大数据兼容匹配。

第5篇

技术创新和数字设备的普及，使得大量的数据从各种各样的数据源头通过不同渠道定期产生，海量数据增长逐步衍生出一个新概念——大数据。大数据不仅强调数据巨量，更强调从海量数据中快速获得有价值信息和知识的能力。当前，大数据所蕴含的战略价值已经引起多数发达国家政府重视，相继出台大数据战略规划和配套法规促进大数据应用与发展。在政府大数据战略部署和政策推动下，发达国家的政府部门、企业、高校及研究机构都开始积极探索大数据应用。据悉，美国大数据战略后，12个联邦部门启动开展了82个大数据相关项目[1]，涵盖了国防、能源、医疗卫生、人文社会科学等众多领域。企业借助于大数据政策的东风，强化大数据的技术研发和创新应用。Gartner公司的调查结果表明，全球64%的企业已经开始向大数据项目注资，或者打算在2015年6月之前将计划付诸实践。[2]

完善的政策是当前大数据先行国家推广应用大数据的重要保障，目前，我国国家层面还没有专门针对大数据出台相关政策。研究国外大数据相关政策，对我国制订大数据政策具有十分重要的意义。

一、政府大数据政策比较研究框架

为更好研究大数据政策，建立如下政策比较框架，从战略规划、技术能力提升、应用与管理三个方面比较分析各国政策着力点(见图1)。

“战略规划”层旨在通过分析国家级大数据战略或规划，探析西方国家发展大数据的目标定位、主要内容、重点发展的大数据应用领域，以及相应的管理体制等，总结各国大数据战略规划特色及要点。战略规划的制定为大数据技术能力储备、大数据推广应用与项目实施提供宏观指导与执行依据。

“技术能力提升”层探讨各国政府在大数据技术储备方面的相关政策措施，包括基础研究部署、核心技术研发、为相关产业和研究机构提供的技术创新扶持、人才培养以及技术研发资金保障等。技术能力提升为战略规划的落地提供技术方面的支撑。

“应用与管理”层从推进政策和项目实施两个角度，研究为确保大数据推广应用与项目实施而制定的各项政策，包括数据开放政策、数据共享政策、数据安全与隐私保护政策，以及政府和商业领域的试点项目规划等。应用与管理为战略规划的落地提供制度支撑和实施保障。

二、大数据战略规划比较分析

(一)美国大数据战略规划

2011年总统科技顾问委员会提出建议，认为大数据具有重要战略意义，但联邦政府在大数据相关技术方面的投入不足。作为回应，美国白宫科学和技术政策办公室(OSTP)建立了大数据高级监督组以协调和扩大政府对该领域的投资，并牵头编制了《大数据研究与发展计划》(以下简称《计划》)。2012年3月29日，《计划》正式对外，标志着美国率先将大数据上升为国家战略。

《计划》旨在大力提升美国从海量复杂的数据集合中获取知识和洞见的能力。具体实现三个目标[3]：(1)开发能对大量数据进行收集、存储、维护、管理、分析和共享的最先进的核心技术;(2)利用这些技术加快科学和工程学领域探索发现的步伐，加强国家安全，转变现有的教学方式;(3)扩大从事大数据技术开发和应用的人员数量。

第一波纳入《计划》的联邦政府部门主要有：国家科学基金会、国家卫生研究院、能源部、国防部、国防部高级研究计划局、地质勘探局等，投资两亿多美元，推动大数据技术研发。大数据发展不能仅靠政府，因此《计划》还鼓励产业、大学和研究机构、非盈利机构与政府一起努力，共享大数据提供的机遇。

(二)澳大利亚大数据战略规划

2012年10月，澳大利亚政府《澳大利亚公共服务信息与通信技术战略2012-2015》，强调应增强政府机构的数据分析能力从而实现更好的服务传递和更科学的决策，并将制定一份大数据战略作为战略执行计划之一。2013年2月，澳大利亚政府信息管理办公室(AGIMO)成立了跨部门工作组——“大数据工作组”，启动了《公共服务大数据战略》(以下简称《战略》)制定工作，并于2013年8月正式对外。

《战略》以六条“大数据原则”为指导，旨在推动公共部门利用大数据分析进行服务改革，制定更好的公共政策，保护公民隐私。这六条大数据原则分别为：数据是一种国家资产，应被用于人民福祉;数据共享和大数据项目开发过程中严保用户隐私;数据完整和过程透明;政府部门间以及政府与产业间应共享技术、资源和能力;与产业和学术界广泛合作;加强政府数据开放。《战略》还决定成立数据分析卓越中心(DACOE)，该中心将通过构建一个通用的能力框架帮助政府部门获得数据分析能力，并促成政府与第三方机构合作以培养分析技术专家。《战略》列举了2014年7月前需完成的6项大数据行动计划，分别为：制定信息资产登记簿;跟踪大数据分析的技术发展;制定大数据最佳实践指南;总结明确大数据分析面临的各种障碍;强化大数据分析的相关技术和经验;制定数据分析指南。具体工作由大数据工作组与数据分析卓越中心协作完成。

(三)英国大数据战略

2013年10月31日，英国《把握数据带来的机遇：英国数据能力战略》。[4]该战略由英国商业、创新与技术部牵头编制。战略旨在促进英国在数据挖掘和价值萃取中的世界领先地位，为英国公民、企业、学术机构和公共部门在信息经济条件下创造更多收益。为实现上述目标，该战略从提升数据分析技术、加强国家基础设施建设、推动研究与产业合作、确保数据被安全存取和共享等几个方面做出了部署，并作出11项行动承诺，确保战略目标得以落地。

(四)法国大数据战略

为抓住大数据发展机遇，促进本国大数据领域的发展，以便在经济社会发展中占据主动权，2013年2月，法国政府了《数字化路线图》[5]，宣布将投入1.5亿欧元大力支持5项战略性高新技术，而“大数据”就是其中一项。2013年7月，法国中小企业、创新和数字经济部了《法国政府大数据五项支持计划》，包括引进数据科学家教育项目;设立一个技术中心给予新兴企业各类数据库和网络文档存取权;通过为大数据设立原始扶持资金，促进创新;在交通、医疗卫生等纵向行业领域设立大数据旗舰项目;为大数据应用建立良好的生态环境，如在法国和欧盟层面建立用于交流的各类社会网络等。[6]

(五)各国战略规划比较

按照政府大数据政策比较研究框架，从战略规划层面，主要从战略目标、战略内容、发展领域和管理体制四个方面对各国的大数据战略规划进行比较分析(如表1)，通过比较发现它们之间既有共同点又存在明显差异。

1.共同点

一是战略目标基本相同，均旨在通过国家性战略规划推动本国大数据技术研发、产业发展和相关行业的推广应用，确保领先地位。

二是战略规划均具有明确的行动计划和重点扶持项目。例如，美国大数据战略明确阐明了政府拟重点发展和扶持的领域和相关项目。法国为本国的大数据发展制定了五步骤的支持项目。澳大利亚列举了一年内的大数据行动计划和具体时间节点。英国规定了11项政府将采取的行动承诺。

三是战略规划指定了管理机构和执行机构。美国由白宫科学和技术政策办公室牵头建立了大数据高级监督组，通过协调和扩大政府对大数据的投资，提供合作机遇，促进核心技术研发和劳动力发展等工作促进大数据战略目标的实现。澳大利亚设立跨部门大数据工作组负责战略落地，同时配备专门的支撑机构从技术、研究等角度确保对大数据工作组支撑。英国战略分别针对技术能力、基础设施和软硬件建设、推进合作、数据开放与共享等指定具体的负责机构，同时，由信息经济委员会负责根据战略进一步制定具体战略实施路径。

2.差异点

一是战略规划的推动路径略有差异。美国重在“以点带面”，通过公布重要部门的大数据项目规划，扶持重要领域的大数据技术研发，带动其他部门和社会各界对大数据技术的研发投入和推广应用。澳大利亚重在“方法指导”，通过设定大数据原则指导各部门应用大数据，同时注重技术跟踪、指南制定。英国和法国强调政府“铺路打基础”的作用，阐明政府在人才培养、基础设施建设、资金扶持、项目规划、合作环境搭建中的基础保障作用。

二是战略制定机构不同。战略规划推动路径的差异与政策制定机构有关。美国、澳大利亚的战略制定机构主要是科学技术相关部门。美国白宫科学和技术政策办公室是美国的高级科技咨询机构，该办公室主任被任命为总统科技顾问。澳大利亚政府信息管理办公室职责是就信息与通信技术(ICT)投资管理、工程实施、ICT政策执行为澳洲政府及其机构提供建议，指导政府应用信息技术为公众提供更好服务、提升自身运作效率。而英国和法国的战略制定机构则是与经济发展相关的部门，制定大数据战略旨在充分挖掘大数据对生产、经济发展的重要作用。

三、大数据技术能力提升政策比较分析

(一)基础研究与关键技术研发

在大数据应用的技术需求牵引下，数据科学研究显得越发重要。美国大数据战略确立了国家科学基金会在基础研究中的核心地位。为促进基础研究，国家科学基金会采取相关政策措施包括：将向美国加州大学伯克利分校资助一千万美元，帮助他们研究如何整合机器学习、云计算、众包(crowd sourcing)三大技术用于将数据转变为信息;提供对地球研究、生物研究等基础性研究项目的拨款等。在关键技术研发方面，联邦部门大数据项目列表[1]详细部署了国防、民生、社会科学等领域的核心关键技术研发。英国大数据研究扶持与技术研发政策包含在《英国数据能力战略》中，重在体现对高校、研究机构的资金扶持和合作平台搭建。

(二)人才培养

人才培养已被各国政府纳入推进大数据发展的重要议程中。Gartner预测，到2015年，全球大数据人才需求将达到440万人，届时仅有三分之一的需求能够得到满足。[7]美国《大数据研究与发展计划》的一个重要目标是“扩大从事大数据技术开发和应用的人员数量”。通过国家科学基金会，鼓励研究性大学设立跨学科的学位项目，为培养下一代数据科学家和工程师做准备，并设立培训基金支持对大学生进行相关技术培训，召集各个学科的研究人员共同探讨大数据如何改变教育和学习等。英国《英国数据能力战略》对人才的培养做出专项部署，包括在初、中等教育中加强数据和计算机课程学习;全面评估当前大学各学科所教授的数据分析技能是否需要进一步完善并实现跨学科交流;通过奖学金、项目资助的形式支持高校培养满足当前和未来数据分析需求的人才;政府与相关专业机构一起强化数据科学这门学科，勾画数据分析行业不同的发展道路。澳大利亚《公共服务大数据战略》强化政府部门与大专院校合作培养分析技术专家，同时计划将各类大数据分析技术纳入现行教育课程中，强化人才储备。法国《政府大数据五项支持计划》中第一步计划便是引进数据科学家(datascientist)教育项目。

(三)产业扶持

大数据对经济社会真正做出价值贡献，离不开对大数据相关产业的扶持。在产业扶持方面，《英国数据能力战略》指出英国政府将通过多种途径为大数据产业提供扶持，在资金支持方面，英国政府将为本国公司及有关组织提供更多机遇和便利，以获取欧盟研究与创新资金——展望2020(Horizon 2020)展望2020是即将于2014至2020年推出的欧盟研究与创新计划，拥有超过700亿预算，旨在提升欧洲科学水平。的资金支持，同时将各类大数据分析中心纳入“英国资本投资战略框架”中，促进大数据分析技术的研发与产业应用。在产学研结合方面，英国还通过建立研究成果展现门户、搭建多种合作交流平台等方式，促进产业与各类研究、学术机构之间的合作和成果转化。

(四)资金保障

明确具体资金保障是国外大数据政策的一大亮点。继美国宣布投资两亿多美元促进大数据研发后，英国、法国也相继宣布政府对大数据的投资。2013年1月，英国财政部明确将投入1.89亿英镑用于大数据和节能计算技术的研发，旨在提升地球观测和医学等领域的大数据集分析能力。同年4月，英国经济和社会研究委员会又宣布将新增6400万英镑用于大数据研发，其中3400万英镑将用来建立“行政数据研究网络”，用于汇聚政府部门和机构所收集的行政数据，促进发挥政府数据对科学研究、政策制定和执行的作用。法国政府宣布将在2013年投入1150万欧元，用于7个大数据市场研发项目，旨在通过试点探索，促进法国大数据发展。这些国家对大数据的投资，体现出一定的共性特征：一是投资领域均是关乎国家竞争力和全民生活福祉的重要领域，这些领域仅凭市场资本无法推动;二是强化投资的核心目的是提高关键领域的大数据技术能力，它是市场化应用的前提。

(五)各国技术能力储备政策比较

在大数据技术能力储备方面，各国的政策和计划均有侧重点。如下表2所示。

从纵向政策要点来看，注重人才培养、产业扶持、资金保障是多数国家的共识，这三方面正是政府为产业发展构建良性生态环境的政策落脚点。从横向国家来看，美国、英国国家层面配套技术能力储备政策较为完善，这也是两国引领大数据前沿的主要原因之一。法国和澳大利亚的配套政策还有待进一步完善。

四、大数据应用与管理政策比较分析

促进大数据发展，除了搭建技术能力储备政策外，还从应用实施的角度，制定配套推进政策、规划试点示范项目，推动战略规划的具体实施。

(一)应用推进政策比较

1.数据开放与共享

大数据应用的基础是数据足量全面。为加强各部门所掌握的海量数据资产开放与共享，促进社会应用创新，美、英、澳、法等国政府均制定政府数据开放共享政策。具体统计如表3所示。

表中所述国家在政府数据开放政策上具备两个共性特征：一是数据开放政策均建立在开放政府行动之下，使得数据开放有了更高的战略支撑;二是建立数据开放门户成为普遍趋势，有力保证政策得以落地。

美国是政府数据开放与共享的领头者。从其政策制定脉络来看，数据开放共享分为两大维度：一是对公众和社会，大力推动政府数据开放，制定一系列确保公众平等获取数据、开发利用数据的政策法规，二是对政府自身业务管理，积极制定信息共享战略法规，特别是在国家安全等方面，要确保在正确的时间将正确的信息分享给正确的人。英国政府数据开放强调政策的执行力度。《开放政府白皮书》明确要求各政府部门每隔2-3年就要制定详细的数据开放策略，阐述他们将要对外开放的数据内容、首次开放时间、数据更新频率，以及促进市场使用这些数据的政策、原则，并定期进行数据开放总结汇报。

2.隐私与数据安全保护

大数据所带来的一个全新挑战就是对个人隐私与数据安全的威胁。因此，需要通过法规政策强化大数据应用过程中对个人隐私与数据安全的保障。当前大数据应用所适用的隐私与数据安全保护法规政策大多沿用多年前的法规文件。个别国家已经开始针对大数据特点制定专门的隐私与数据安全政策。在个人隐私保护方面，英国《开放数据白皮书》明确将在公共部门透明度委员会(监督各部门数据开放的核心机构)中设立一名隐私保护专家，确保数据开放过程中及时掌握和普及最新的隐私保护措施，同时还将为各个部门配备隐私专家;二是内阁办公室强制要求所有政府部门在处理涉及到个人数据时都要执行个人隐私影响评估工作(Privacy Impact Assessments)，为此还专门制定了非常详细的《个人隐私影响评估手册》，三是各政府部门开放数据策略中均明确将开放数据划分为大数据(big data)和个人数据(my data)，大数据是政府日常业务过程中收集到的数据，可以对所有人开放，而个人数据仅仅对某条数据所涉及到的个人自己开放。在数据安全方面，澳大利亚政府于2012年7月了《信息安全管理指导方针：整合性信息的管理》为海量数据整合中所涉及到的安全风险提供了最佳管理实践指导。

(二)项目实施规划比较

试点示范项目的规划是推动应用实施的重要政策手段之一，通过规划政府领域的大数据试点项目，有效带动政府社会管理和公共服务中的大数据技术应用;通过规划商业领域的大数据试点项目，充分鼓励应用模式创新，促进技术研发，推动产业发展。

在国外政府大数据试点项目规划方面，美国政府最为明确，其特色主要是“聚焦政府领域应用，落实具体部门”。美国《大数据研究与发展计划》以及与计划同时的更为详细的联邦部门大数据项目列表，均是涉及国家战略发展、不便市场化的核心领域大数据项目，这些项目落实到具体部门和机构来实施。美国商业领域的大数据应用已经广泛开展，因此政策引导重在推动政府领域的项目实施。

五、结语

总体来看，国外政府大数据政策措施体现出如下明显特征：一是颁布战略规划进行整体布局。为抢占大数据先机，增强国家在大数据领域的国际领先地位，大数据先行国家均将发展大数据提升为国家战略予以支持;二是注重构建配套政策，包括人才培养、产业扶持、资金保障、数据开放共享等，为本国大数据发展构筑良好的生态环境。

随着数据的与日俱增及其背后所蕴藏的巨大价值，大数据正在成为信息时展的新潮流，谋划制订大数据发展规划及相关政策就显得非常必要。由于各国大数据技术基础、市场基础、数据文化氛围不同，各国的政策侧重点存在一定差异。对我国而言，大数据市场刚刚起步，配套规划与政策还存在较多缺口，为加快推进我国大数据技术应用与产业发展，在政策环境构建方面：一是要加快研究制定大数据发展国家战略。战略应进一步阐明大数据的有利发展机遇，规划重点领域的大数据研究计划，布局关键技术研发方向，强化大数据基础设施建设和人才培养，加强对大数据产业的扶持，做好体制机制、资金、法规标准等方面的保障等，真正将促进大数据发展提升为一种国家行动，为后期专项政策制定、项目规划等提供依据。二是借鉴国外政府大数据政策，勾画符合我国实际的大数据配套政策制定路线图，注重从战略技术能力储备和战略应用实施两个角度，落实相关部门职责，为大数据产业孵化、技术研发、推广应用营造完善的政策环境。（文/张勇进 国家信息中心信息化研究部电子政务研究室副处 编选：中国电子商务研究中心）

[参考文献]

[1] Executive Office of the President.Big Data Across the Federal Government.whitehouse.gov/sites/default/files/microsites/ostp/big_data_fact_sheet_final_1.pdf，2013-09-10.

[2] Gartner. Gartner Survey Reveals That 64 Percent of Organizations Have Invested or Plan to Invest in Big Data in 2013.gartner.com/newsroom/id/2593815， 2013-10-11.

[3] Big Data Research and Development Initiative. whitehouse.gov/sites/default/files/microsites/ostp/big_data_press_release_final_2.pdf，2013-9-11.

[4] Seizing the data opportunity: A strategy for UK data capability. gov.uk/government/uploads/system/uploads/attachment_data/file/254136/bis-13-1250-strategy-for-uk-data-capability-v4.pdf， 2013-11-01.

[5] Feuille de route du Gouvernement sur le numérique. gouvernement.fr/sites/default/files/fichiers_joints/feuille_de_route_du_gouvernement

_sur_le_numerique.pdf， 2013-10-09.

第6篇

信息管理论文2600字(一)：“大数据”时代下医院病案信息管理论文

医院病案记载着各个时间段的患者诊疗状况以及疾病演变状况，其中关键的病案信息包含患者家族史、患者本身的病史、医院诊疗过程、病情检查与病情诊断得出的报告等。

由此可见，医院病案信息牵涉各项日常的医院业务，有关部门对此有必要予以全方位的信息审核、信息收集以及档案存储。但从现状来看，当前仍有某些医院并没能全面关注综合性的病案信息管理，而与之有关的病案管理措施也没能真正实现健全。在此前提下，医院应当尝试在现阶段的病案管理中全面使用大数据模式，以此来全面保障病案信息管理的成效性。

医院对于病案信息管理运用大数据手段的重要意义

第一是提升医院当前利用各类病案信息的整体水准。大数据手段在客观上有助于实现多层次的数据与信息整合，从而显著提升了利用医院病案的水准。医院在全面集成当前现有的病案信息基础上，应当能够妥善划分各项相应的患者信息，确保将其分成收费信息、患者检查信息、患者诊疗信息、门诊信息、报告与检验信息等。在划分上述各类信息以后，运用大数据手段还能创建针对各个患者的识别身份编码，以便于实现多层次的信息关联集成。

第二是全面支撑医疗决策。医院由于具备了大数据手段作为管理病案信息的必要辅助，因此针对实时性的病案信息都能着眼于精确进行搜集。在决策系统的全面支撑下，有关科室就能全面明晰现阶段的患者病情种类、院内患者分布与其他相关要素。相比于传统模式，大数据手段更加有助于汇总信息以及统计信息，对于某些潜在误差也能予以彻底杜绝。除此以外，医院针对当前入院的各科室危重患者应当予以侧重关注，以便于提供日常各项医疗决策必需的信息支撑。

第三是拉近护患关系并且突显以患者为本的宗旨。在集成病案信息的基础上，医护人员针对当前阶段的各项患者信息都能予以全方位的精确掌握，上述措施有助于增强现有的患者满意度，拉近护患关系。例如近些年来，患者已经能够凭借电脑或者手机等工具来随时查找个人诊疗信息，对于实时性的自身健康状态也能全面加以了解。在某些情形下，患者一旦表现为某些危重病情，临床医师对其就要及时进行处理，全面保障患者健康并且提升患者生活水准。

医院当前病案信息管理现状

目前各地已有较多医院正在尝试引进病案信息的大数据管理模式，并且逐步将大数据手段渗透于管理医院病案信息的各个流程中。但是不应忽视，各地医院在现阶段仍然表现为相对较低的病案管理综合水准。探究其中根源，就在于医院及其有关部门针对病案管理仍然欠缺必要的关注度，同时也没能着眼于引进大数据手段作为其中必要的辅助与支撑。

此外，多數医院并没能设置独立性的病案管理专门科室，医院现存的病案管理部门体现为较强的附属性特征。作为管理医院病案信息的专门人员来讲，上述人员本身应当具备优良的病案管理水准。与此同时，上述人员也要掌握涉及到大数据的有关常识，并且将其灵活适用于当前的医院病案管理。但是截至目前，负责管理医院病案信息的专门人员仍然表现为滞后性的专业素养，甚至没能熟悉日常性的病案信息汇总、信息分析以及信息处理操作。除此以外，医院部门针对此类管理人员也没能给予专门性的管理技能培训，甚至聘用某些兼职人员代替专职性的病案管理人员。

探求改进举措

增设专门的病案信息管理机构

医院如果要着眼于优化病案管理的综合效果，那么关键在于设置专门的病案管理部门，有关领导对此也要引发更多的关注。近些年以来，各地医院都在致力于建成病案管理的专门委员会，在此前提下助推信息化的医院建设。与此同时，医院还需结合自身的真实状况来增设病案信息的新科室，确保该科室在整个医院体系内占据独立的位置并且拥有独立职能。

通过运用上述的改进举措，病案管理机构就能全面突显其具备的价值与意义，确保该科室能够覆盖于医院临床管理、制定病案管理规划以及收集病案信息等领域。每隔相应的时间段，管理委员会针对当前的医院病案信息要予以全方位的归纳汇总，此举措有助于保障病案管理能够达到的综合水准。

运用信息化手段来辅助管理

在目前阶段中，各地医院已经能够凭借信息化技术来显著增强病案管理的实效性，在这其中包含自动式的条码识别、微缩光盘技术、数字化的病案管理与其他相关技术。医院通过灵活使用上述大数据手段，就能够着眼于挖掘深层次的患者病案信息，确保现有的病案信息符合准确性与真实性的基本要求。近些年各地医院都在致力于创建资源共享的病案管理网络，在此前提下诞生了新型的电子病案。此外，医院在存储各类患者病案时，也能够借助大数据手段予以完成。这是由于运用电子化存储的方式有助于在线查询各项病案信息，从而服务于现阶段的临床治疗优化与完善。针对出院后的患者来讲，运用大数据手段就能打印并且查询患者现有的各项病历信息。数字化管理应当能够覆盖于医院当前的各项日常管理工作，此项举措在根本上保障了病案信息共享，同时也便于利用与存储病案信息。

全面提升人员素养

从目前现状来看，各地医院针对自身保存的患者病案都给予了更多关注，同时也认识到了病案具备的价值。在此基础上，作为管理医院病案的专门人员而言，应当全面提升自身具备的综合素养，针对医学统计学、外语、计算机与其他学科的有关知识都要予以相应的掌握。

因此可见，病案管理人员是否拥有优良的专业素养，在根本上关乎病案信息管理的整体效果。病案信息管理牵涉多领域以及多层次的学科与专业，因此作为管理人员而言，上述人员应当能够精确检索各项信息，以便于实现全方位的信息获取。在此前提下，医院针对各类临床信息应当予以全方位的传递，确保病案信息能够体现其应有的临床价值、科研教学价值以及其他价值。在目前阶段中，医院针对原有的病案管理思路应当予以相应转变，确保将病案管理的侧重点全面落实于分析收集以及汇总各类病案信息。

结束语

医院病案信息在医院现有的管理系统中占据了重要位置，这是由于病案信息记载着全过程的医疗信息。与此同时，医院如果要给出相应的医疗决策，那么也必须凭借病案信息予以完成。

截至目前，医院及其有关部门正在逐步意识到医院病案管理与大数据手段相互融合的必要性，对于医院当前的各项管理举措也能够予以相应的优化。因此在病案信息管理的有关实践中，医院针对信息化手段有必要着眼于灵活加以运用，在此前提下服务于病案信息管理实效性的提升。

信息管理毕业论文范文模板(二)：信息管理到知识管理过程中档案价值重新发现论文

【摘要】基于信息与知识、信息管理与知识管理之间的关系，分析在知识管理过程中档案价值的新特征。档案价值的实现主要是通过将其主体与客体之间的关系显现化，通过知识管理对档案信息进一步挖掘使档案更好地实现其应有的价值。

【关键词】信息管理；知识管理；价值特征

一、信息管理到知识管理

对于知识管理与信息管理之间的关系，我们可以从信息与知识之间的关系入手。有关知识与信息之间的关系有很多种观点。一种观点持有者们认为，信息存在于自然环境、人类社交活动以及人们思维之中，而知识的存在局限在人们的社交活动范围之中，因而信息包涵了知识。另一种观点持有者认为，信息是可编码化的知识或显性可视的知识，而知识除了显性之外，还包涵隐性知识，即存在于人类大脑之中、不可编码化的知识，因而知识包涵了信息。对于以上两方观点，有学者认为，从本质上来说，信息是一种具有物质属性并以物质存在的方式反映呈现给大众，这种物象化及其存在方式可以广泛地包含人类活动及其成果。而知识是人们对这种反映的一种主观性的认识结果，是一种智力成果。因而，就信息与知识两者之间的关系而言，信息是具有知识属性的，并以知识成果作为其具体的表现形式。知识管理这一概念最早是在企业管理中被提出来的，知识管理的概念可能会因为其所涉及的学科领域的差异而存在各种不同的版本，但是知识管理的目标大抵是相同的，即知识管理想要实现的是在最恰当的时间将信息传递给最需要的人，以便于此人可以利用这一信息做出最恰当的决策并付诸实践活动。然而档案又是如何与知识管理存在联系的呢？档案根据其定义我们可以了解到，其最明显的特征为原始记录性。档案的这种原始记录性的特征奠定了档案不可动摇的地位，也是将档案区别于图书、信息等的重要凭证。因此档案凭借其固有的原始记录性的根本属性无可厚非的可称其是信息的最根本来源。知识是我们依靠自身主观能动性对信息进行筛选的结果，故档案也可以称为是知识的源头。

二、知识管理的档案价值

当今由于知识管理层次的不断深入，档案的使用价值呈现出来了新特征，因此对于知识管理中档案价值的重新发现，笔者认为是必要的。知识可以分为显性知识与隐性知识。档案是一种直接呈现在人们眼前的显性知识，是知识的来源，因此档案也是知识管理的核心部分。

（一）从理论基础角度分析。理論基础角度主要可以从档案后保管范式与档案双元价值理论两个方面。档案后保管范式包括新来源观、宏观价值鉴定论、知识服务三个方面。1.新来源观。新来源观就是对于文件的来源问题进行一种全新的认识，传统意义上，我们是在文件转化为档案之后才开始对档案进行管理，而新来源观理论则强调对于文件的管理工作应该从文件形成之初就着手开始进行，从开始形成时就开始对其管理，即强调的是一种“前端控制”“全过程管理”，通过这种管理方式可以方便人们从文件形成之初的背景，文件形成过程的结构层次以及文件未来可能会涉及的研究发展的方向进行全面系统的管理。2.宏观价值鉴定论。宏观价值鉴定论强调的是对于档案价值的鉴定我们不能仅仅局限于对其本身形成部门、机关所产生的价值作用上来判断是否对其进行保存，而应将价值的鉴定提升到对整个社会层级上来。使更广大的人群可以受益，进而实现档案的第二价值，这也正是谢伦伯格所强调的档案双元价值理论中的第二价值。3.知识服务。知识服务顾名思义主，要是将档案信息上升为知识层次对其进行管理，这一理论主要表现在传统档案保管员身份的变化上，可以说档案保管员的工作并非只局限于对档案的排列、档案、上架等一些基础性的工作。在知识服务中档案保管员的工作主要是将档案中的文字信息加工、提炼出有价值的部分，对这些有价值的部分进行整理，使有价值的信息可以提供给人们利用，即提高了档案信息的质量，也节省了档案利用者筛选档案的时间。以上就是档案后保管范式中所包括的三个方面的基本内容，档案后保管范式是在电子文件不断产生的背景下提出来的，将档案价值鉴定工作与知识服务有机结合起来，从而肯定了档案价值在知识管理中的地位。4.档案双元价值理论主要指档案的工具价值与档案的信息价值。工具价值所指的就是档案产生之初所赋予的价值。正如一个事物的产生是有其原因的，并能在其产生的基础上发挥其应有的价值，为社会提供利用服务。信息价值主要是依据信息接收者，即知识主题与知识客体之间的关系而形成的一种价值关系。这种价值的实现是需要一定的载体对信息进行传递实现的。知识主体的不同对知识的需求自然就会不尽相同。主体带着目的和需求查询接受信息，并且由于每个人的知识素养，知识储备的不同，对同一信息的理解也是大相径庭的。正如每个人读研究生的目的是不同，每个人的人生经历也是不同的，所以对待同样的问题我们会有自己的想法，我们会根据自身的经验分析理解所获取的信息。

（二）从实际理论角度分析。实践基础主要表现在公共档案管提供利用的层面上，主要包括知识获取、知识管理与知识服务三个方面。1.知识获取是实践的前提保障工作。正所谓没有原材料我们就无法进行生产加工一样。所以要想使公共档案真正体现价值，首先我们需要获取到一定的知识。知识管理权主要指的不再是对纸质文件的有序化整理过程，而是对文件上所反映出来的知识内容进行整理加工，对文件上面的信息进行分析，挖掘出更有价值的部分，对其进行管理。2.知识服务体现在政府信息公开这一层面上，档案馆作为政府信息公开查询的场所，具有提供知识服务的合法地位，同时主动提供信息查询等方面的服务也是其应当履行的义务，满足公众的需求是其应当做的。同样也是公共档案管发展的动力所在。在知识服务提供利用方面，公共档案馆可以借鉴公共图书馆的成功措施，如举办展览，提供远程服务，提供电子化检索平台等等。公共档案馆通过提供新的利用服务方式可以吸引更多的公众，进而实现其公共服务的价值。

三、知识管理中档案价值实现的特征

传统档案管理活动中只有有价值的文件才可以转换成档案进行管理、保存。而在知识管理活动过程中，档案的价值与使用价值时同等重要的。档案的价值主要体现在隐性知识层面，档案的使用价值主要体现在显性知识层面。因此对于知识管理中档案的这种价值与实用价值并重的条件下，档案价值也呈现出了新的特征。

（一）集成化与灵活性。传统的档案价值体现在主题对客体的需要，对主体需要的档案进行归档保存以实现其价值。而知识管理中更加注重的则是知识，并且这一管理从文件形成之初就需要开始着手进行了，体现在外在内在结合的全过程中，在整个过程中因可能涉及的不同人提出的不同要求，故灵活性也是必不可少的。

（二）多元化与共享性。公众对于档案的利用可能是间接的，而公众对于知识的获取则不同，这是一种主动性的活动。正如约翰奈斯比特曾经提到的“我们淹没在信心之中，但我们仍处于知识的饥渴中”。作为知识个体的人因其自身处于不断发展中，所以人作为知识个体是渴望获得知识的。知识管理的过程中则强调的是，将档案中的知识以一种共享的方式传播开来，呈现在公众面前，以便于公众根据自身的需要获取知识。这种共享性是多元化的，可以是一对一、一对多、多对一、多对多的方式。正如我们需要完成一项工作可能一份文件就包括了我们所需要获取的全部信息，也有可能我们需要通过搜集不同文件中的部分信息，进行整合后的信息才是我们真正需要的。个体的需求可能是单一的也可以是多元化的。

（三）显性化与增值型。知识管理需要的是主体通过交流的方式将隐形的知识显性化，知识管理中侧重于人力资源管理、成本投入管理、技术管理三个方面，这三点主要是依据企业知识管理所提出的。而当前就档案而言为了实现档案的价值应更加趋于主动性。主动性主要指主动提供服务，知识管理重视的是个体之间，个体与组织之间的知识共享过程，进一步促进知识创新以实现档案信息的增值型。

四、档案价值在知识链中的体现

（一）知识获取。知识获取包括信息采集與信息创造两个方面。采集的过程我们强调的是对于信息的获取要注重其完整性与信息的可靠性。创造则更加侧重于，将隐形信息显性化的过程。档案室信息是一种外在存在形式，因此可以说档案室信息的承载体，也就是知识获取的主要来源，对于有价值的信息获取应该对其加以记录以便日后更多人利用。

（二）知识开发。知识开发的过程是对信息进行分析，加工，处理，存储整合的过程。使信息有序化、体系化。这种信息开发的过程要遵守信息本身的客观性原则，知识开发者不可以根据个人的主观意识对信息进行任意的更改，要保持信息的原貌。知识开发就是档案工具价值和信息价值转换的过程。

（三）知识利用。知识获取与知识开发的过程都是为了知识最终能被有效地利用，利用过程中的个人与组织之间的信息传播、信心交流、信息之间的转移，到最后的信息共享过程都是档案价值实现的体现。

（四）知识评估。知识评估就是对知识的有用性进行评估。同样也是对于档案价值重新进行鉴定的过程。评估的标准主要是以下三种：对无用的知识进行删除，对有用的知识加以保护，对可用的知识进行创新，其中重点在于知识的创新。在利用过程中将知识显性化，并通过人们之间的交流共享实现知识创新，知识创新实现了价值链的进一步循环。

第7篇

在大数据时代，优质教育资源共享的主体包括共享的双方，也就是资源需方和资源供方。随着时代的发展，优质教育资源的供方不仅包括各级各类学校、教育职能部门、公益组织和科研机构等非营利机构，也可以囊括教育资源提供商，甚至个体也可以成为优质教育资源的供方。要促进优质资源的共享，就要充分发挥互联网的共享性、平等性、开放性特点，全面拓展优质教育资源供方的来源。优质教育资源的供需双方并非一成不变的，在大数据时代，要积极促进优质教育资源供需双方的相互转化，尽量做到各取所需、各尽其能，使优质教育资源的供需双方能够互相交叉和重叠。

二、大数据时代优质教育资源共享的运行系统

要提高优质教育资源共享的效率，促进我国高中教育的不断发展，就必须重视优质教育资源共享的运行系统建设，要使共享的优质教育资源能够满足我国高中教育教学的需要，从而使优质教育资源的利用效率得到提高。

1.优质教育资源共享的建设系统

优质教育资源共享运行系统的第一个环节就是建设系统，进行优质教育资源的汇集和开发工作。建设系统要将教育资源分为非数字化教育资源和数字化教育资源两种，对于数字化教育资源主要是直接汇集和开发，对于非数字化教育资源还要进行数字化加工和制作，使其符合媒体文件的载体和格式。建设系统还要将已有的教育资源进行汇集和整合，使其汇聚起来，能够进行推广、评估和归类。

2.优质教育资源的传送系统

传送系统主要负责传输和配送优质的教育资料。例如，可以向特定的目标区域进行优质教育资源的配送，包括少数民族地区、贫困地区等等。也可以通过对口帮扶的形式，使优质教育资源的供需双方结成对子。在大数据时代，要充分利用先进的社会计算、4G技术、三网融合、宽带网络等技术，提升优质教育资源的投入产出比。

3.优质教育资源的使用系统

使用系统要具备相应的硬件设备条件，使资源需方能够顺利获取教育资源。使用系统还应该具备指导、培训、高级检索等功能模块，使资源需方能够按照自己的具体需求获取和检索优质教育资源。需方也可以对优质教育资源进行再加工，例如，高中学校可以对先进的教育教学理念进行二次加工，使之能够与自身的教材版本、学情相符合。

4.优质教育资源的评估系统

第8篇

1.互联网融资平台的技术优势。首先，传统信用评级使用的数据，主要是来自于企业在各类生产运营活动结束后汇总、记录的运营数据，这些数据多以文件或电子文档的形式存在。比如从企业财务报表可以获得财务数据，从季报、年报等可以获得销售数据，从仓库台账可以获得存货数据等。而利用大数据技术，则不局限于生产运营结束后，从运营前的准备过程、运营中的操作过程都可以收集到数据进行信用分析，数据的形式从文本扩展到音频、图片、视频等多媒体形式，收集的范围也从企业文件扩展到各种存储媒质、互联网网页上、电商网站的后台数据库中，甚至社交软件的聊天记录里，从运营大数据扩展到交易大数据、交互大数据，因此包含的内容也更加丰富，不仅包含传统评级必需的“硬信息”，也包含丰富的“软信息”，从而形成实现对企业的全面、实时、动态性信用评级的基础。其次，在获取到这些信息后，需要在云计算下利用大数据机器学习技术进行数据挖掘和知识发现，这需要有软件和硬件良好的结合与支持。互联网平台能够为云计算和大数据机器学习提供这种对接通道。由此可见，利用人力资源进行信用评级的传统做法在信用大数据下就不再适用，而必须在一个组织规范的互联网平台上才能进行，因此通过互联网平台进行信用评级是技术上的必然要求。

2.互联网融资平台的规模经济优势。进一步，通过互联网平台进行信用评级，较之传统信用评级方式能实现规模经济优势。由于传统的信用评级方式需要贷前调查，贷中跟踪，贷后审计，存在较高的成本，如果融资额度不够大，会使贷款利润较低。而互联网平台在设计、运营和管理等方面的投入具有固定成本的性质，总成本不随评级企业的数目变化而发生显著变化，单个企业分摊的成本却越来越小，从而实现信用评级的规模效应。此外，通过互联网技术能对企业进行实时监测，一旦企业出现危险的信号和行为，会即时预警，提升信用评级的预判性，能够增加信用评级的深度。同时，将经营成熟的互联网融资平台的数据库在监管机构的管理下实现联网，进而建立起面向全社会的信用体系，能够增加信用评级的广度。由于依托互联网融资平台进行大数据信用评级，可以实现传统信用评级下不能或不愿提供的融资业务，从而使其成为互联网金融的基本运作方式。

二、基于大数据建立互联网融资平台的信用评级模式

1.互联网融资平台的运作模式。对于互联网融资平台的运作模式，从不同的角度可以进行不同的划分。比如，从运营形态上，可以分为：（1）电商平台模式，如阿里小贷、京东京宝贝；（2）网上超市模式，如陆金所、各家商业银行的网上银行；（3）P2P模式，如人人贷、拍拍贷；（4）众筹模式，如众筹之家。从资金的来源上，可以分为：（1）平台提供资金，如阿里小贷、京宝贝；（2）平台担保，银行提供资金，如京东的供应链金融；（3）平台利用吸收的资金提供贷款，如各家商业银行的网上银行；（4）平台做信用评级，撮合投资者和资金需求方进行融资交易，如各家P2P。尽管这些互联网融资平台的运作方式不同，但都需要对客户的融资需求进行信用评级，因此是否具有成熟可靠的信用评级技术，有效控制信用风险，成为互联网融资平台的核心竞争力。

2.互联网融资平台信用评级的模式。当前互联网融资平台的信用评级模式按评级信息的来源划分，主要可以分为三种模式：（1）基于运营大数据的信用评级。该模式多用于各商业银行的网上银行，以及P2P网贷平台、众筹平台上，其中尤以P2P最为活跃，面对的客户为个人及小微企业这一类低信用水平群体，融资金额从几千元到上百万，很大程度上弥补了信息不对称情况下传统金融机构不愿意对该类群体提供融资服务的空白，因此处于快速发展阶段。（2）基于交易大数据的信用评级。该模式多用于成熟的电商平台提供的融资服务中，如阿里小贷、京东的京宝贝等。这一类融资平台最近几年随电商市场的发展也保持着良好的发展态势，市场份额上升的很快。（3）基于交互大数据的信用评级。该模式目前多用于一些提供个人贷款服务的互联网平台上，知名的企业有ZestFinance和WeCash闪银。这类融资平台目前还处于萌芽阶段，但可预见，未来基于交互大数据的信用评级会逐渐成为信用评级的主要方式信贷，会逐渐从个人及小微企业贷款发展到对大企业贷款。由于不同信用信息的来源、属性不同，导致各类融资平台评级时在指标设计、数据收集、数据分析、数据运用过程中采取的方法都不尽相同。但信用评级的基本流程是相同的，只是在一些步骤的实施过程中，受信息属性的决定而使用不同的评级技术。

三、基于大数据互联网融资平台信用评级的实施策略

1.信用评级的流程设计。大数据信用评级的流程可以用图1表示。由图1可见，实施大数据评级，第一步是对待评项目的理解。首先要掌握项目运营方式、客户特点、市场状况、风险构成等项目内容；其次根据对项目内容的理解设计项目计划，包括安排项目可行的技术路线，制定项目的进度等；再次，待项目计划安排好之后就要确定大数据的来源，因为大数据来源虽然众多，但会受到各种限制，如有的可能过于昂贵，有的则不开放，必须选择那些技术上与经济上均可行的作为数据源。因此，需要基于对项目的理解做好这些在项目正式实施前的准备事项。第二步是准备数据。所做工作是：根据数据的来源，确定数据的类型，采取可行的数据收集技术，获取大数据；很多数据存在不完整、重复、错误等缺陷，要对数据进行预处理；预处理后的数据如果属于非结构化或半结构化数据，需要进行格式化，转化为结构型数据，为实施下一步骤做好准备。第三步就是进行机器学习。首先是选择合理的数据挖掘技术对数据进行分析，从中寻找关联关系，其次是解读和评估数据挖掘的结果，找到最合理或最有说服力的，实现知识发现；最后就是根据知识发现的内容，建立适用的信用评级模型。第四步就是实施评级。根据知识发现的模型，开展对被评级对象的信用评级，生成评级报告，并对结论进行分析，帮助客户理解评级结果。最后对整个项目的运行做全面总结。在以上各个步骤中，技术上的重点和难点在于数据准备过程中的大数据转化与机器学习过程中的大数据挖掘。大数据转化的困难在于需要把各种各样的非结构化半结构化数据转化为可以被机器处理和学习的结构化数据，大数据挖掘则在于需要对数据进行理解，选择最合适的数据挖掘技术实现知识发现。

2.信用评级的实施路径。信用评级的实施路径可以分为内容计算和流计算。首先是内容计算。内容计算多采取主动方式获取数据，方法是设置好信用信息源和信息采集时间段，针对信息源的原始信息格式，设计支持多协议的上站机，每隔一段时间对特定的信息源进行查询，遇到新内容则马上采集过来，再用于下一步的数据转化和挖掘。其次是流计算。流计算多采取被动方式，一般用于处理融资平台上的流数据，具体做法是，后台流程设计中在不同的数据流入环节设置不同类型的数据接入接口，及对接的流计算平台，流计算平台负责设置相应的处理规则，根据预设规则将流入的各类数据转化成可以直接分析的结构化数据，从而实现实时的业务分析与判断。

四、基于大数据互联网融资平台信用评级风险管理策略

互联网融资平台在进行信用评级及提供资金时，处于风险管理重心的是对信息技术风险的控制。由于大数据自身的“4V”特性，且数据中包含的又是大量的用户隐私信息，这使得信息技术风险主要产生在两方面：一方面是大数据存储的安全性风险，另一方面是大数据的收集和使用过程中对公民隐私权的侵犯风险，因此如何确保大数据的存储安全及在使用时的隐私保护是一个挑战，前者涉及到技术安全层面，后者涉及到制度安全层面。在技术安全策略层面，可以采取的措施有：首先，应依托大数据加密技术对使用的数据实施加密管理，制定出完整的加密保护方案，包括数据密级的设定、加密技术的选择、对密码安全性的攻击测试等；其次，严格网关管理，可以对不同类型的用户制定不同的权限级别，严格控制访问权限；最后，建立面向全平台的数据实时监测引擎，第一时间对各类非法操作发出警告。在制度安全策略方面，在当前尚无明确立法规范的环境下，要积极进行宣传和游说，获得政府主管部门和社会舆论的重视和支持，争取早日出台规范的数据获取及共享标准，互联网融资平台的设计、管理和风控标准，从而把可能出现的信息技术风险限制在可控范围内。

五、结论和展望

第9篇

大数据时代下网络完全问题逐渐受到重视，但是在对网络安全确保的同时，就要正确全面的认识网络的安全。就其实质性而言，大数据时代下网络安全就要做好物理安全的综合分析，和信息内容安全的全面分析。保证网络安全的物理安全，就要在当前的网络工程中，对网络的设计和网络的规划进行充分的考虑，并做好对各种电源故障以及电脑硬件配置的全面考虑。综合分析信息内容安全时，主要是保证信息的保护，并避免信息泄露和破坏的产生，并禁止非法用户在没有一定的授权，进而对目标系统中的数据进行窃取和破译，进而为用户带来一定的隐患。而信息破坏的过程中，就要做好系统故障的维护，对非法行为进行抑制。对于信息传播安全和管理安全分析时，就要在当前的网络环境中，做好数据信息的有效传输，并避免网络的攻击以及病毒的入侵，并做好对整个网络系统的维护工作。而管理安全性分析时，就要对软件的可操作性进行综合性的分析，做好实时监控和相关的应对措施准备，并做好对数据的综合保护。总而言之，大数据时代下网络安全更要做好网络硬件的维护和常规管理，同时也要做好信息传播安全以及管理安全的综合性分析，进而对大数据时代下网络安全加以保障。

2关于大数据时代下网络安全问题控制的几点思考

2.1做好对访问的控制

对于大数据时代下网络安全问题控制，就要对安全的防御技术加以采取，并做好黑客攻击以及病毒传播等的控制，将对访问的控制有效加强，对网络资源的合法访问和使用加以确保，并合理的认证以及控制用户对网络资源权限的访问，避免非法目的用户的不法访问。将身份认证和相关口令加以添加，做好对规范用户的基础控制，有效维护系统，并对网络资源进行高效性的保护。

2.2做好对数据的加密控制

做好对数据加密控制，就要采取加密算法以及密钥的方法，对明文数据进行转化，将其转化成为一种密文，并保证加密后的信息，在实际的传播过程中，有着一定的保护作用，一旦信息窃取，对于信息的内容无法查看。同时在对数据存储安全性以及稳定性进行确保时，就要依据于数据的相关特点和基本类型，对机密信息的安全性加以确保，实现网络信息数据的安全传输。

2.3做好对网络的隔离控制

将网络的隔离控制加强，主要是当前防火墙技术常见的一种网络隔离技术，通过对防火墙部署在数据存储系统上加以采用，尽可能的将网络分为外部和内部，并对数据通道进行授权处理，对网络访问权进行一定的隔离和限制，并对网络的安全进行合理的控制。

2.4做好对入侵的检测控制

一般而言，入侵检测，主要是借助于主机系统和互联网，综合性的分析预设的关键信息，并对非法入侵进行检测，在入侵检测控制中，就要借助于监测网络将内外攻击以及相关的操作进行及时的监测，并采取主动性和实时性的特点，对信息的安全结构进行保证，进而做好入侵的检测控制，对网络信息安全进行最大上的保障。

2.5及时防治病毒

当前大数据环境中，保证网络安全，就要做好病毒的有效防治，在计算机上安装杀毒软件，并定期对文件进行扫描和杀毒，对于不能识别的网络病毒，就要对漏洞补丁进行及时的更新和修补。同时良好的网络安全意识培养，不点击不明的链接以及相关的网站，对正规正版的软件下载，并综合提升病毒防治的成效，做好计算机的日常安全维护基础工作。

2.6做好安全审计工作

做好网络安全审计工作，就要综合提升网络信息安全性能和网络信息的稳定性，在实际的工作过程中，借助于网络对原始数据包进行合理的监控和分析，并借助于审计的手段，还原原始信息，准确的记录访问网络的关键性信息，对网络方位、上网时间控制以及邮件的访问等行为进行极好的记录，尽可能的保证业务正常有序的进行。

2.7提高安全防范意识

提高安全防范意识，同样也是大数据时代下网络安全控制的有效方法之一，将网络安全增强，并提升网络安全性能，对相关的管理制度进行建立，将软件的操作和管理加强，对用户的安全保护意识进行加强，并对完全稳定的网路环境进行创造。

3结语

第10篇

1.1大数据的主要特征根据在维克托•迈尔-舍恩伯格及肯尼斯•库克耶在《大数据时代》著作中的论述和业界的共识，大数据具有4V特点，即：Volume（大量），数据体量巨大；Velocity（高速），处理速度快；Variety（多样），数据类型繁多；Value（价值），价值密度低，商业价值高。基于上述特征可以判断，本质上看数据本身并无太多价值，而基于大数据的处理和分析才能为企业带来巨大的增值价值。大数据将是一场革命，庞大的数据资源使得各个领域都会开始进入量化进程，无论学术界还是企业界，所有领域都将开始这种进程。

1.2大数据对发电企业财务职能的影响大数据对发电企业财务职能的影响主要体现在财务管理的理念和模式、财务人员职能与定位、数据分析与应用、决策支持的及时性与有效性、财务内部控制与风险管理的针对性与有效性等方面。在大数据时代，包括发电企业在内的社会经济组织在各领域的决策将更加依赖数据和分析，而非是以往的主要靠经验和直觉。财务数据作为发电企业的核心数据，反应和支撑着发电企业资金及业务的正常运转，通过对财务数据的处理和信息的充分挖掘和分析，能够有效帮助发电企业改进财务管理，提升应对各种财务风险的能力，为管理者提供决策依据，进而为企业创造价值。可以说，发电企业从各种各样类型的财务数据中快速获得有价值信息的能力，将直接决定企业在未来愈发激烈的市场竞争中的生存能力。

2大数据时电企业财务职能面临的主要变革

2.1财务管理的理念将向保障战略目标的实现变革毫不夸张的说，数据决定成败，数据将成为保障发电企业战略目标实现的决定性手段，缺乏财务数据支持的企业战略终将是空中楼阁、镜中之月。传统财务管理的理念主要立足于核算和监督，随着优秀发电企业在管理上不断追求卓越和不断通过信息技术来提升管理效能，发电企业积累和掌握数据空前庞大，而这些庞大数据的核心价值在于数据的深化应用。这就要求发电企业在财务管理的理念上进行深刻变革，通过借助大数据时代先进的管理手段和工具，深入加强财务管理的分析、控制、预测等职能的发挥，充分发挥财务在战略决策和价值创造方面的作用，使财务数据成为企业通过配置资源来保障战略目标实现的指挥棒和主要的衡量标准，使战略目标立足扎实、战略管理行为科学、战略保障坚强有力。

2.2财务决策支持的重心将向深、向宽变革随着发电企业在推进财务决策支持职能发挥方面的不断努力，财务决策支持在总体财务职能方面的比重正在逐渐上升，如国内较为优秀的国华电力提出要在未来将财务决策支持占财务职能的比重由以往的10%提升到50%。以往，财务人员主要基于财务报表的数据，通过对数据的分析为管理者提供决策支持，但财务报表的数据毕竟是有限的，反应的信息面相对狭窄，只能为管理者提供有限的信息。大数据时代，发电企业面对的数据范围越来越宽、数据精细化程度越来越高、数据之间的关系链也更为完整，这就为财务决策支持提供了海量的数据信息，使财务分析能够深入到最基础的业务单元，从而使企业效益和成本的驱动因素更为明确，驱动因素对效益和成本的影响程度也更为精确。以存货周转率为例，通过报表分析手段，只能反馈存货周转率与基期对比的偏离程度，但通过大数据手段，可以明确找到存货周转率偏低的直接驱动因素，到底是哪些存货存在偏差，偏差程度到底有多大。再如通过数据积累和分析，可以精确预测各种驱动因素的变化对发电负荷率的影响程度、对煤耗的影响程度。这样就能帮助决策者的决策行为更加科学、更加有效。

2.3财务职能发挥方式将向统筹协调变革国家会计学院秦荣生教授形象地指出，要“修身、齐家、管公司、治国、平天下”。传统财务职能仅需依靠财务部门自身便可发挥作用，做好“修身”即可。随着ERP等信息手段的应用，财务管理职能的发挥逐步与人力资源、供应链管理、生产管理等企业各类信息系统深度整合，协同发挥效力。在这种新的形势下，财务部门仅仅依靠发挥自身本位职能，是远远无法满足现代社会对财务职能发挥的要求。这就使财务职能的发挥开始朝着统筹协调企业整体资源配置进行变革，不仅要做好“修身”，更要“齐家、管公司”，通过发挥财务的统筹协调职能，帮助企业规范管理、优化资源配置、有效管控风险、提升经营绩效。

2.4财务管理手段将向精益管理变革精益管理丰田公司制胜的法宝，其核心是以最小资源投入，包括人力、设备、资金、材料、时间和空间，创造出尽可能多的价值，为顾客提供新产品和及时的服务。而大数据管理的特征集中体现在更细、更多、更快和更优四个层面，可以促进精益管理向着效率更高、效益更佳的方向迈进。在国内外经济形势处于低谷的宏观背景下，发电企业面临日益复杂和残酷的市场竞争，这样的宏观经济形势与大数据时代叠加，催生发电企业财务管理的手段必须朝着精益管理变革。如有了大数据的基础，通过精益财务分析可将大数据的信息精确加工，形成针对性强、可操作性强的管理建议；通过精益对标，发电企业不仅可以实现与同行业先进绩效的对标，也可以实现对不同行业最佳指标标准的对标；通过精益预算管控，实现企业资源的最优配置；通过集约化财务共享平台的搭建，实现财务职能的精益管理。

2.5财务人员的职能定位将向价值创造变革在大数据时代，财务人员所面对的数据规模日趋庞大、数据类型日益复杂，而企业管理者对高价值财务信息时效性的要求越来越高。这就要求大数据时代的财务人员，除了必须具备扎实的财务处理能力以外，还必须进行职能定位的变革，通过熟练运用大数据带来的信息为企业创造价值能力。对于财务总监来说，大数据的运用将使其由目前的企业理财幕僚变革为战略制定者，由价值管理者变革为价值创造者；对于财务人员来说，对财务数据的处理能力将成为其价值体现、绩效衡量的主要标准。

2.6财务风险管理将向实时管控变革以往财务风险管控的基本模式为事前评估，事中控制，事后分析，往往依赖财务人员的经验和判断，管控效果难以保证。而现在，大数据为财务风险管控提供了非常宝贵的管理载体和平台，通过大数据的收集、分析和整理，完全可以做到在财务信息系统预定义各种风险控制规则，触发规则定义的预警条件，即可将预警信息传达到发电企业总部。如发电企业可以明确界定职工福利费的列支范围并设置预警条件，当财务系统录入不符合规定列支范围的福利支出时，系统将自动预警并暂停交易，待发电企业总部核查后再行处理。

3发电企业如何迎接大数据的机遇和挑战

大数据以其固有的特征影响着时代的变迁，也将为发电企业财务管理职能带来巨大的变革，这种变革对发电企业来讲，不仅意味着机遇，也将是一种挑战。发电企业要积极行动起来，在迎接大数据带来的重要机遇的同时有效应对其带来的挑战。主要是要做到：

3.1明确设定财务大数据管理的目标发电企业面对大数据管理的趋势，首先要设定清晰而又明确的财务大数据管理目标，就是要通过财务大数据管理和应用，为企业财务管理职能的平台跨越奠定基础，从而形成高附加值的企业战略保障能力，促进企业价值最大化。

3.2建立健全财务大数据管理和应用能力大数据管理能力的关键衡量因素体现在高质量的数据、先进的工具、精通数据的员工以及支持分析决策的流程和机制。发电企业对此要有深刻的认识和理解，并在企业运营和管理过程中建立相对应的管理机制，通过优化财务数据管理流程、提升财务人员运用大数据能力、建立健全决策支持模型等手段，来不断提升企业财务大数据管理和应用能力。

3.3不断优化财务管控架构财务管控架构是财务大数据管理的前提和基础。发电企业要通过财务共享平台建设，在横向职能架构上加强与企业营销、生产、运营和管理平台的横向集成，在纵向职能架构上实现集团层面与下属单位的财务管理职能一体化，保障财务大数据管理的宽度和深度。

3.4加强信息安全管理保障数据安全财务大数据在为企业带来极大便利和良好效益的同时，也将面临着数据安全等方面的风险。这就要求发电企业通过在制度层面、管理层面、契约层面和技术层面加强管理，保障企业自身的财务信息安全。

4发电企业如何应对大数据带来的风险

凡事有利必有弊。发电企业在充分受益大数据带来的各种便利时，也要高度重视并有效管控大数据带来的各种风险，特别是核心财务数据的管理和应用值得高度重视。

4.1财务数据管理风险如前所述，大数据时代，数据产生的增值效益日益突出，由此为数据管理提出来更高的要求。发电企业财务数据管理风险主要表现在因数据管理不到位造成的各种不良后果，表现在：财务系统因病毒、网络攻击、火灾及自然灾害等情况造成的无法正常使用；因管理不善造成的财务数据丢失、数据遭篡改，造成数据不能正常使用。这就要求发电企业在财务数据管理方面，一是要加强制度建设，建立异地备份等管理机制，特别是要考虑当前发电企业集团化运转条件下信息系统一体化的数据安全问题；二是要加强信息安全管理，通过可靠的杀毒系统、系统防火墙建立可靠的信息安全屏障；三是要明确数据管理人员的职责，建立数据管理牵制机制。

4.2财务数据质量风险由于数据的爆发性增长，在大数据时代财务数据的质量直接关系着，甚至是决定了数据应用的效率和效果。发电企业财务数据质量风险主要表现在由于财务数据不准确造成错误的分析结果，误导管理层；因财务数据不完整造成决策支持效果不佳。这就要求发电企业在数据采集、处理和应用的过程中必须确保财务数据的质量。而在衡量数据的质量时，要充分考虑数据的准确性、完整性、一致性、可信性、可解释性等一系列的衡量标准。

4.3财务数据应用风险传统数据管理的重心侧重于数据收集，而在大数据时代，数据应用成为整个数据管理的核心环节，数据应用者比数据所有者和拥有者更加清楚数据的价值所在。发电企业数据应用风险主要表现在由于对于高质量数据的不当应用，如使用了错误的财务分析模型，甚至是人为滥用造成偏离数据应用目标的情况；财务数据在应用过程中因数据管理不到位或人为因素造成企业商业机密泄露。这就要求发电企业高度重视大数据的应用管理，首先是要明确数据应用管理的目标，并建立高效的数据应用管理机制，以确保数据的应用效果；其次是要通过明确数据应用者的管理职责，加强数据应用过程中的核心信息管理，确保企业核心商业机密的安全性。

4.4财务数据过期风险传统数据管理强调“存在性”，即只要能获取数据即可满足企业的要求，财务数据的分析和应用的基准数据更多的是以往年度。而在大数据时代，发电企业对数据时效性的要求空前提高。发电企业财务数据过期风险，主要表现在对于数据的时效性管理不到位，财务数据反馈不及时造成决策不及时，贻误商业机会等情况。这就要求发电企业要从战略导向出发，高度重视数据应用的时效性管理，一方面在财务数据获取环节要充分考虑时间的及时性和可靠性，另一方面要在数据应用环节注意对数据的甄选，确保财务数据必须更多地立足当前，面向未来，只有这样，才能帮助企业在瞬息万变的市场环境中充分发挥作用。

5结束语

第11篇

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

第12篇

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。

第13篇

云计算是一种根据使用量确定付费的模式，这种模式主要是提供便捷的、可用的网络访问，并进入计算资源共享池，这些资源能够被迅速的提供，只需要投入较少的工作，或者与服务供应商进行很少的交流。目前，高能力的计算发展和应用水平已成为一个地区科研实力甚至一个国家综合实力的重要体现。云计算很大程度上提高了资源的服务水平和利用率，而且避免了跨结点划分应用程序所带来的低效性和复杂性。

二、大数据与云计算对会计信息化的推进

(一)大数据拓展了会计信息化的资源利用范围。

随着数字化、软件和处理能力的发展，对可利用的数据的范围进行了进一步的扩大，企业必须敏感地认识到不同类型的信息通过深加工后能给企业带来怎样的财富，更要掌握哪些信息可以通过信息化技术和软件的进步来实现。大数据时代，会计信息化不再只针对会计作业上产生的数据进行分析，而且云计算是世界各大搜索引擎及浏览器数据收集、处理的核心计算方式，因此可以通过云计算将零散的数据整合在一起，提炼其有价值的信息，再将这些信息与传统的会计信息融合，挖掘被忽视的重要信息，提高会计管理决策能力和企业管理水平，这样就能从行业中脱颖而出。

(二)促进了会计信息化成本降低。

传统的会计信息化需要企业自身投入大量的基础设施建设，同时还要考虑硬件与软件的升级和维护，这方面是阻碍会计信息化发展的重要原因，特别是对中小企业的发展。而大数据与云计算融合后，用户可以根据自己的利用资源的多少和时间的长短付费，不再需要前期大量的工作和资金投入。这样，企业也能将重点放在自身的发展上，增强竞争优势。

(三)提高了会计信息化的效率。

传统的会计信息化受到时间和地域等条件的限制，这样信息交流不及时，可能错过稍纵即逝的机会，尤其是竞争激烈的大环境下，信息获取的及时性更加重要的。在大数据时代的背景下，提供云计算的会计信息化系统只需通过互联网就能随时随地的实现与客户的沟通，及时地掌握所需的信息。同时，云计算强大的计算能力，可以更快地形成所需的各项指标，管理者能更快的了解企业的经营状况并识别潜在的风险。

三、大数据和云计算对会计信息化的挑战

(一)会计信息化共享平台发展滞后。

目前，企业信息化逐步在向社会信息化发展，各企业在加工处理自己的会计信息时会形成这个行业整体的信息流。通过会计信息化共享平台，各企业可以随时知道自己的企业在整个行业或地区的地区和影响力，了解自己的强势和弱势，不断强化自己的优势并弥补自己的不足，实现动态地对公司的持续改善管理。这一平台需要在云计算的基础上发挥作用，而云计算供应商要求能够满足不同用户、不同地域和不同业务规则的需求，所以对其适应性、扩展性以及灵活性要求比较高。我国在这方面起步比较晚，国内的云计算平台建设滞后，使云会计这种新型会计信息化发展面临很大的阻碍。

(二)会计信息化共享平台的数据安全性挑战。

第14篇

1.定义

大数据作为新的经济资产类别，与土地、石油、黄金、货币等并列成为经济运行的根本资源，关于其概念定义不是最近出现的，只是在信息化时代的驱动下，重新进入人们的视野，甚至被称为第三次浪潮的华彩乐章。而关于“大数据”的定义，顾名思义就是指数量很大的数据，包含了数量大、结构复杂、类型众多的多种数据，因此又被成为海量资料，是一个大型的数据集合。美国早在2012年就正式启动了大数据研究与开发计划，投资2亿美元提升收集、分析、萃取数据信息的能力。由此可见，大数据时代的到来，使得数据成为各个国家以及各大企业竞争的核心，更可能取代人才成为最具价值的重要载体，利于进一步优化运营企业发展。

2.特点

根据大数据的定义可以明显看出其具有数据量大、形式多样、运算高效、产生价值等4个特点，业界更多使用4V来概括，即Volume、Variety、Velocity、Value。其中数据量大是大数据的显著特点，也是计算机网络存储技术发展必然结果，在计算机相当普及的今天，计算机网络渗透人们的生活、工作、休闲，不但的产生新的数据，此外传感器、探测器等也在产生数据，致使开始使用PB、EB甚至ZB等计数单位。同时，大数据又是多种多样不同类型的数据构成，如：字符、日期、声音、视频、数值、动画等，加速数据量增长的同时，提升了大数据的利用价值。由于大数据数量的巨大以及形式的多种多样，因此在进行数据处理时，更多的要求实时与高效，便于及时根据数据结果决策。当然，大数据的大量使用及推广，不仅仅是因为其具有大量的数据，更重要的是通过对数据的深度采集、分析、处理、挖掘，可以对大数据的数量、多样性、速度进行分析，萃取更多深入的职能的有价值的真正有用信息，最终产生价值。而对大数据进行信息萃取的过程包括数据输入、数据处理与数据输出三阶段。

二、“大数据”时代背景下信息安全存在的主要问题

大数据时代的到来，对全球经济发展来说既是机遇又是挑战，在推进国家与企业发展的基础上，也潜藏着信息安全风险。

1.缺乏对大数据时代的全面正确认识

计算机信息网络的大规模普及推广，是促使大数据时代到来的主要推力，无论是人们在生活工作中的邮件传递，还是网购、下载视频音乐等都会产生新的数据，也存在着个人信息泄露的可能性。进入大数据时代后，信息泄露事件层出不穷，甚至导致个人数据的权利边界都更加模糊，在这样的环境下，人们对大数据时代的认识还不够全面。通过对大数据时代人们最关注的调查分析，发现74.91%选择了个人隐私被侵犯，9.97%选择了经济损失，8.93%选择了浪费时间与精力，5.84%选择了危害个人声誉，0.34%选择了没有损失。根据这一调查可见，人们对于个人隐私被侵犯的选择率最高，最为关注，相对其他的还认识不足。大数据时代的到来，对各方面的信息安全都造成了一定的威胁。

2.集中的大数据库存在安全威胁

全球互联网用户高达3亿，移动上网终端有20亿，联网设备更是多达500亿个，每天产生的数据信息近1EB。如：每天使用谷歌搜索次数近100亿次，淘宝网产生3000万笔交易，2500万张照片共享，加上电话、短信等消息软件产生的数据，更是不可估计。根据相关数据统计，2012年我国在各类媒体上花费的时间较多，其中互联网、手机等占绝大部分。大数据时代信息多集中在几大互联网巨头手中，而互联网的开放性特点又决定了其数据存在一定的泄露风险。目前大数据集群应用数据库并没有采用“围墙花园”模式，并没有对内部数据库进行隐藏，避免其他程序随意访问，因此大数据的架构极其容易暴露。这样集中的大数据库，使得客户端在进行程序操作间，可以同不同节点进行通信，避免验证客户是否具有访问权，加大了信息泄露的可能。

3.大数据技术自身存在风险

当前，大数据技术还不太成熟，自身平台较为脆弱，大数据存储处理技术多采用分布式与大规模结合处理，增大了被攻击的范围。同时，在进行数据分布式处理时，节点处的存储数据多为碎片，难以进行集中统一的安全机制部署。当然在大数据技术中，普遍缺乏一定的内生性安全保障机制设计，多通过外部保障技术来确保信息的安全性，这样的大数据技术在实际应用过程中多缺省配置，失去了对信息的基本安全防护。

4.加大了黑客攻击的可能性

大数据自身的4V特点，增大了黑客攻击的吸引力，刺激黑客全面实施非法攻击。黑客多是有组织有目的的对确定的数据进行攻击，在大数据海量数据信息存储的环境下，黑客更容易通过攻击，获取更多有价值的信息内容，给受攻击方带来名誉、财产等不可预估的损失。如：Android系统使用用户越来越多，产生的数据信息也是海量的，成为黑客攻击的重要对象，当移动设备感染木马被黑客攻击后，当用户使用APP提供的服务后，就会泄露相关的数据信息和访问权限。甚至有的黑客行为主要是针对国家的，给国家社会带来不可估量的后果，因此必须采取措施积极预防黑客的攻击。

三、提升信息安全的途径分析

1.提高公众的安全意识

大数据是一种新兴的宝贵资源，在法律法规的约束下要充分尊重数据所有者权利，这才能充分显示出大数据时代的真正魅力所在。而公众无论在什么情况下，只要将信息到网络上，就会成为大数据的一部分，也就存在信息泄露，被盗用的可能。为了更好的防止大数据信息泄露，确保信息安全，就必须提高公众的安全意识。在进行个人信息公布时格外小心，注意保护与个人信息相关的大数据，避免成为黑客攻击的对象，导致信息泄露造成不要的损失，尽量做到防患于未然。

2.建立异构数据中心安全体系

传统的数据存储通常都会建立完善的防护措施，但大数据的架构较为复杂，多采用虚拟化海量存储技术来进行数据信息资源的存储，用服务的形式提供数据信息操作存储，更需要进一步完善数据的隔离与调用。同时，大数据利用云计算存储数据，为了方便所有者对数据进行存储、分析、挖掘、控制，可以构建一个异构数据中心安全体系，从管理上来增强对大数据信息安全的防护。尤其是，集中的大数据库，更需要格外主要防护，降低出现“棱镜门”事件。

3.加强大数据安全技术的研发

经过无数实践证明，传统的信息安全技术无法适应大数据时代，尤其是大数据时的到来，加速了云计算、物联网以及移动互联网等多种新技术的发展，反而加大了大数据收集、存储、分析、处理的难度。为了进一步从技术上加强对大数据信息安全的防护，应当加大大数据技术研发资金投入，提高相关技术产品，包括信息访问控制、数据加密、数据备份等技术手段的发展，促进大数据安全技术的研发，才能真正有效的推动国家社会的高速发展。

4.完善大数据信息安全体系建立

大数据作为新兴的数据类别，需要相关政策措施进行维护，在“十二五”计划上，工业信息化部将信息处理技术作为新工程提上日程，包含了大数据中的数据存储、分析，以及图像视频分析挖掘等方面。因此，为了防止黑客的攻击，造成信息泄露，必须进一步完善大数据信息安全体系的建立，以实现对大数据信息安全防护的目的。同时，要进一步加快大数据安全防护技术的研发，可以通过在网络设备或是节点上设置访问权限，或是使用SSL技术对登录传输数据实现加密保护。当然，针对重要的大数据信息，还应当实现端对端的数据保护，及时备份相关数据，避免因为系统出现故障造成数据损害、泄露等情况。

四、结语

第15篇

（一）类型繁多（Variety）

数据通常被分为结构化数据、半结构化数据和非结构化数据。相对于传统的以文本为主的结构化数据，网络日志、音频、视频、图片、地理位置信息等半结构化、非结构化数据越来越多。同时，近几年出现的微博、微信等可通过移动互联设备使用的电子交往形式使数据量和数据种类更加复杂化。

（二）价值不高（Value）

价值密度的高低与数据总量的大小成反比。以社会中常见的监控录像为例，一天的监控记录，有用数据可能仅有一二秒。如何将已有的结构化数据、半结构化数据及非结构化数据进行整合、分析，挖掘出更多有价值的信息，并通过强大的计算能力迅速地完成数据的价值“提纯”成为目前大数据背景下亟待解决的难题。

（三）要求高速处理（Velocity）

这是大数据区分于传统数据挖掘的最显著特征。根据IDC的“数字宇宙”的报告，预计到2020年，全球数据使用量将达到35．2ZB。在如此海量的数据面前，处理数据的效率就是生命。

二、图书馆大数据的主要来源分析

根据大数据的基本特征，经笔者分析，图书馆知识服务领域的未来大数据的来源主要有RFID射频数据、传感器数据、社交网络和移动互联数据等几个方面。随着图书馆数字技术的不断提高，RFID将不断推广，这将是未来图书馆大数据的主要来源之一；由图书馆中的传感器感知生成的数据，长时间积累后也将产生巨大的数据量；社交网络已广泛应用于社会各个方面，逐步成为人们交往的主要形式，其所产生的数据量远超以往任何一个信息传播媒介，由其生成的数据量是不可估量的；移动互联网及移动互联技术的不断完善，使得图书馆可以灵活获取移动电子设备、人员、资源、用户行为和需求等信息，并对这些信息进行实时分析，从而帮助我们开展有效的智能辅助决策。

三、大数据对图书馆管理的影响和挑战

（一）海量数据处理考验图书馆计算能力

大数据时代背景下，各类数据量迅速增长，数据产生的方式、范围发生前所未有的变化，人们在社会中的各类行为都产生了大量的信息数据，信息数据的组成结构、格式类型、存在形态等都更加复杂。图书馆要对上述复杂的数据进行应用、存储，将具有很强的挑战性，不仅仅涉及云计算、大数量级数据存储等技术问题，还可能促发图书馆服务模式、资源建设模式、管理模式与发展模式的转变。

（二）数据分析方式转变带来的挑战

随着图书馆信息化程度的提高，以互联网信息搜索、查询为基础的知识服务逐渐被更多的图书馆所采用。但不管是简单的信息服务，还是结合了信息检索、组织、分析等高级业务服务，都可归纳为就数据而进行的服务。大数据时代背景下要求图书馆不仅需要通过结构化数据了解客户需求，也需要大量的非结构化数据、半结构化数据去挖掘、预测和分析当前和未来的用户需求，社会大众的需求也将随着不断变化的个性化的高满意度服务出现而对图书馆的服务呈现出明确和迫切的需求。满足用户的需求，提供复杂数据的处理也将成为大数据时代图书馆的发展方向，如何处理好数据分析，将直接影响图书馆的生存与发展。

（三）大数据对图书馆基础设施提出更高的要求

半结构化及非结构化数据的迅速增加，导致数据存储、计算规模越来越大，其成本急剧上升。很多知识服务机构出于成本的考虑将应用由高端服务器转向中低端硬件构成的大规模计算机集群，从而对支持非结构化数据存储及分析的基础设施提出了很高的要求。

四、大数据时代图书馆管理发展方向

（一）探索利用数据分析技术与工具

对图书馆来说，在大数据时代要想在激烈的市场份额竞争中争得一席之地，避免边缘化，开展必要的大数据分析服务显得必不可少。图书馆开展的大数据分析服务业务，主要可以有以下几种：首先是图书馆自身建设所需的大数据分析。这类分析一般以图书馆的现有数据为对象进行分析，如读者的借阅方式、行为爱好等，是一种对现有资源的分析与挖掘；其次是客户即读者所需的大数据分析。这类分析业务类似于当今图书馆为企业等客户群体所做的信息情报参考、竞争情报分析，但也有着很大的区别，如对于分析对象数据的不同、分析手段的不同、分析目的不同等，这类分析业务所依靠的大量数据可能并非图书馆所拥有，从而成为限制该项业务发展的瓶颈，如何解决此类服务的数据问题是突破该瓶颈的关键。麦肯锡的《大数据：创新、竞争和生产力的下一个前沿领域》报告中首次提出了“大数据”的概念，对大数据的分析技术与工具进行了列举，如目前已为广大图书情报研究者所熟知的聚类分析、数据挖掘、网络分析、可视化分析、数据融合与数据集成等，特别是聚类分析、可视化分析与数据挖掘技术。但这些现有的研究目前仅仅只是针对结构化数据和有限数量的关键词进行聚类分析、共现分析等，并不能真正挖掘大量负责数据的存在与表现形态，更不能通过这些分析去预测未来的可能发展趋势。当然，大量网络社交等信息行为产生的大量非结构化数据、半结构化数据也让许多学者开始思考去采集和利用这些信息，如苏玉照等人就认为如果能够采集到Web日志的数据，就能很好地满足发现关联规则、内容分类和用户聚类的需求，从而能提高个性化推荐的精度，进而对定制Web日志的数据模型、过程及方法进行探索。

（二）重视基础设施建设

大数据时代，图书馆的核心竞争力不再仅是文献数据信息的竞争，各类形式的海量数据以及对海量数据的分析、挖掘才是今后图书馆之间竞争的核心因素。因此，要跟上大数据的脚步，必须完善信息收集的基础设施建设，加强各类信息资源的收集将成为图书馆资源建设的大方向。图书馆首先要明白“数据即生命”，解决数据存储问题。大数据时代对于图书馆的数据存储量要求极高。早在2007年，沃尔玛就通过对消费者的购物行为等非结构化数据进行分析，创造了“啤酒与尿布”的经典商业案例。这样的经典案例是通过对海量的多类型数据收集和分析得到的。因此，图书馆要掌握读者用户、馆员乃至社会服务群体等的信息，既要有当前通用的数据记录中的个人身份、借阅记录等结构化数据，还要有存储信息行为、搜索方式、行为痕迹等非传统数据，这些都需要通过基础设施的建设来支持。除此之外，图书馆还必须解决数据计算和数据分析问题。要积极利用“云计算”技术，搭建图书馆的云计算平台，解决图书馆自身海量数据的存储及运算能力与大数据对存储能力的高要求之间的矛盾。

（三）提高图书馆服务的智能化程度