大数据时代的优缺点范文
前言：我们精心挑选了数篇优质大数据时代的优缺点文章，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
关键词：云计算 数据模型 云数据库 NoSQL数据库
0 引言
从2006年Google提出“云计算”的概念至今，云计算正以史无前例的速度发展，国内外各大IT企业都在开署各自的云计算平台，云计算的应用更趋多样化，目前在互联网上我们看到的很多应用都可以看到“云”的身影，诸如“云存储”、“云安全”、“云物联”、“云邮件”、“云输入法”等等。总的来说云计算包括三个层次的服务：基础设施即服务（IaaS），平台即服务（PaaS）和软件即服务（SaaS）。云服务模式实现了资源集中配置和管理，实现按需采购、配置，避免资源浪费，能够更好满足用户不断变化的需求。同时降低管理维护成本，随着云计算技术的不断发展，系统的可靠性、扩展性、稳定性也会更好，云计算将影响传统数据库的发展趋势，云服务模式将逐步得到市场认可，反过来讲，传统数据库必须能更好适应云计算环境的需求。传统的关系型数据库由于其天生的限制，已经越来越无法满足目前时代的要求，云计算时代对数据库技术提出了新的需求，主要表现在海量数据处理，大规模集群管理，低延迟读写速度，建设及运营成本。虽然它在数据存储方面占据了不可动摇的地位，但对数据扩展、读写速度、支撑容量以及建设和运营成本的要求方面，就稍显逊色。下面我们来探讨适应于云计算的数据库所支持的数据模型。
1 云数据模型的类型
无论是关系型数据库还是非关系型数据库，都是某种数据模型的实现，不同的数据模型可以满足不同的应用需求。数据模型会影响客户端通过API对数据的操作，决定了客户端如何对数据进行编码存储。云数据库的设计可以采用不同的数据模型，目前适应于云计算平台的数据模型有以下几类：
1.1 基于云计算的关系模型。关系型云数据库的数据模型涉及行组和表组等相关概念。此模型的数据结构为一个表是一个逻辑关系，它包含一个分区键，用来对表进行分区。具有相同分区键的多个表的集合称为表组。在表组中，具有相同分区键值的多个行的集合称为行组。一个行组中包含的行总是被分配到同一个数据节点上。每个表组会包含多个行组，这些行组会被分配到不同的数据节点上。一个数据分区包含了多个行组。因此，每个数据节点都存储了位于某个分区键值区间内的所有行。微软的SQL Azure云数据库就是基于此模型的。
1.2 NoSQL数据库数据模型。由于在设计上和传统的关系型数据库相比有很大的不同，故称此类数据库为“NoSQL（Not only SQL）”系列数据库，即非关系型的数据库。与关系型数据库相比，此类数据库非常关注对数据高并发读写和海量数据的存储，在架构和数据模型方面做了简化，而在扩展和并发等方面做了增强。此类数据库种类繁多，且各有优缺点，其数据模型有如下四类：①键值（key-value）存储模型。使用一个哈希表，这个表中有一个特定的键和一个指针指向特定的数据。其数据模型为一系列的键值对。它能提供非常快的查询速度、大的数据存放量和高并发操作，非常适合通过主键对数据进行查询和修改等操作，缺点是存储的数据缺少结构化，不支持复杂的操作。运用此模型的数据库有BigTable、Tokyo cabinet/Tyrant、Redis、Voldmort、Berkeley DB等。②列式存储模型。列式存储和关系模型相似，与关系模型存储记录不同，列式存储以流的方式在列中存储所有的数据。其数据模型为以列簇式存储，将同一列数据存放在一起。属于同一列的数据会尽可能地存储在硬盘同一个页中，而不是将属于同一个行的数据存放在一起。使用列式数据库，将会节省大量I/O，并且大多数列式数据库都支持Column Family这个特性，能将多个列并为一个小组。总体而言，这种数据模型的优点是查找速度快，可扩展性强，更容易进行分布式扩展，缺点是功能相对局限。运用此模型的数据库有Cassandra、HBase、Riak等。③文档模型。在数据结构上，文档型和键值型很相似，也是一个key对应一个value，但是这个Value主要以JSON或者XML等格式的文档来进行存储，是有语义的，并且文档数据库一般可以对Value来创建Secondary Index来方便上层的应用，而这点是普通键值数据库所无法支持的。这种数据模型的优点是对数据结构要求不严格，缺点是对查询性能不高，而且缺乏统一的查询语法。运用此类模型的数据库有MongoDB、CouchDB等。④图形模型。图形结构的数据库同其他行列以及刚性结构的SQL数据库不同，它是使用灵活的图形模型，并且能够扩展到多个服务器上。其数据模型为图结构，其优点是可以很方便地利用图的相关算法，缺点是需要对整个图做计算才能得出结果，不容易做分布式的集群方案。运用此类模型的数据库有Neo4J、InfoGrid、Infinite Graph等。数据模型有着各自的优缺点，它们适用于不同的领域。不管选择关系模型，还是非关系模型，都要根据实际应用的场景做出选择。有时候单一的数据模型并不能满足我们的需求，对于许多大型的应用可能需要集成多种数据模型。
第2篇
【关键词】大数据时代；新闻传播；核心竞争力
在大数据时代，人们的生活方式、行为方式、思维层面都在发生着变化；而新闻传播同样受到了影响，在传播方式上出现了转变。传统新闻传播方式，是依靠电视传播或者是纸质媒体（如：报纸）进行传播。如今，新闻是依靠大众媒体以及新兴媒体进行传播，新闻内容变得更加的丰富和多样，以趣味性来吸引受众群体。互联网的普及拓展了大众的视野，大众对新闻的要求也越来越高，人们希望传播的新闻能够更加的细致、深入，提高新闻的互动性和可视性。
一、大数据传播新闻的优缺点
（一）大数据传播新闻的优点不同的人有着不同的要求，过去的新闻传播存在一定局限性，不能够很好的满足大众的要求。而大数据具有海量性和丰富性的特点，能够让新闻的传播方式更加的多样化，更能够满足人们的不同要求。在大数据时代，新闻机构可以充分的利用大数据的技术优势对新闻进行传播；可以对每一位用户进行全面的记录，对所有的数据进行整合和分析，了解每一位受众的喜好，根据他们的喜好提供对应的新闻内容。如此，受众对新闻更加的感兴趣，从而有效的提高大众对新闻的关注度。由于现在的媒体数量越来越多，媒体之间的竞争更加的激烈。为了能够让媒体在竞争市场中脱颖而出，就需要合理的利用大数据技术，让所的新闻的指向性更强。大数据技术能够在丰富繁杂的信息中快速的搜集到有价值的信息，让所传播的新闻对受众的吸引力更强。
（二）大数据传播新闻的缺点其一，新闻内容质量较低。在大数据时代，大部分的媒体将关注的重点放在新闻的时效性和流量。为了追求时效性和流量，有多数的新闻内容并没有经过严谨的整理和审核，直接在网上，使得网络上的新闻的真实性较低，文章的质量也不高。其二，在大数据时代，每一个人都可以在网络上发表新闻，这样的新闻没有经过严格的审核，因此，不能够保证新闻的真实性。
二、提升新闻传播的核心竞争力的优势
（一）表现方式更加多样化从传统电视或者是报纸的传播方式可以看出，虽然在一定程度上扩大了新闻传播的范围，但是新闻传播的表现形式依旧比较的单一。如今，在大数据时代，可以将新闻传播的表现形式进行融合，多样化的表现形式能够让新闻传播的更快、更广。
（二）新闻的互动性更强大数据时代，人们可以自主选择新闻，可以自己搜集新闻获取所需要的信息。除此之外，大众在看到新闻之后，可以表达自己的感受，比如：面对喜欢的新闻，可以对其进行点赞或者转发，当遇见不喜欢的新闻时，也可以在新闻下面的评论区表达自己的观点。提高新闻的互动性，让新闻与大众之间的距离也会缩短。新闻不再“远在天边”，而是“近在眼前”。
（三）新闻传播更加个性化大数据时代，各大媒体争相抢夺的大众的注意力。为了能够增加大众的关注度，媒体就需要转换思维，转换成大数据思维，并要合理的应用大数据技术。媒体需要对大众进行详细的分析，从多方面的了解大众的需求。然后，根据大众的喜好传播相应的新闻内容。新闻机构需要在海量的数据中找寻所需要的内容、有价值的信息，然后采用传播速度相对较快的传播途径将新闻传播出去。
三、提高大数据时代新闻传播的核心竞争力的措施
（一）增强数据意识首先，在互联网普及的背景下，每一个人都能够提供一定的数据，数据的种类也多种多样。将每一个的“小”数据整合在一起，就形成了“大”数据。这些数据主要包括的就是人们的个人信息及其周围发生的事情。新闻工作者在使用大数据中的信息时，要对信息有清晰的认知，明白每一条数据背后的价值和意义。其次，在搜集信息的时候，可以从多个途径获得信息，比如：QQ、微信、微博等等，将所有与新闻相关的信息都整合在一起。还有，随着经济的不断发展，人们的生活节奏也逐渐的加快，大众对新闻传播的速度的要求越来越高，新闻者要尽可能的缩短新闻的传播时间，在新闻发生之后，就要立刻撰写新闻，并通过微博等媒体将新闻快速的传播出去，这就需要增加新的新闻传播途径。可以创建微信公众号，大众在公众号中阅读完新闻之后，就可以在新闻下方的评论区进行互动。微信公众号既能够在第一时间将新闻出去，又能够增加群众的互动性。
（二）整合媒体平台在我国，数据庞大且复杂，信息分布在各个媒体平台上。媒体平台在一般情况下都是处在相对独立的状态，各个平台的数据不能够很好的整合在一起，这样就会有很多信息被重复的利用，加大了数据的使用成本。所以，为了能够降低数据信息的使用成本，可以将各个平台的数据信息整合在一起，从整体对数据进行分析，这样，能够获得相较整合之前更好的参考信息，然后将信息提供给新闻传播，大众获得的信息更加的有价值。在对大数据进行整合的过程中，OverTheTop发挥十分重要的作用，它能够利用互联网技术，以用户为对象，为其提供第三方的服务。例如：在过年的时候，春晚所选取的内容就是根据大众的兴趣进行选择的。通过与百度建立合作的关系，对百度上的搜索记录进行大数据分析，从而了解大众的兴趣点。
（三）传播个性化的新闻内容传播新闻，最重要的为了带给民众一定的影响。所以，想要新闻内容打动群众，就要了解大众所需要的。大数据通过对民众的需求进行分析，针对受众特点，提供对应的感兴趣的东西，这样才能够吸引大众的注意力。过去媒体在获取数据的时候，都是进行实际的调查，然后耗费人力物力财力获得所需要的信息。如此，既增加了调查的成本，又不能够得到良好的数据。利用大数据技术，能够迅速的了解大众的需要，然后新闻机构制作相关的新闻内容，这样的新闻很容易吸引大众。除此之外，可以出台一些个性化的APP，用户可以在APP上对自己感兴趣的内容进行关注，APP再根据用户感兴趣的内容推送新闻，从而尽可能的满足人们的需求。还有就是，几乎每个人都有手机，通过网络应用推送新闻，用户可以随时随地的查阅新闻，方便用户的阅读。
（四）智能推算大数据虽然能够方便人们的日常生活，但是由于有的数据在传播的过程中没有得到审核，有许多的信息都是低俗的，这对受众的价值观造成一定的影响。人们对信息越来越依赖，各种网络信息充斥人们的生活，因此，要加强对数据的处理。但是，数据的制造和传播速度都非常快，如果是人为的去筛选，这将是一个非常大的工作量。而使用大数据技术，就可以对信息进行快速的筛选。让网络上不良的数据信息尽可能快速的被处理掉。
（五）传播方式的可视化使用大数据技术，对大量的数据进行处理，筛选出其中的关键信息，对所得到的信息进行整理和分析，同时，相关的信息监管部门还要对信息进行监督，然后再传递信息内容。每一条新闻都是带有一定的影响力，相关的监管部门可以对这些影响力进行合理有效的利用，发挥信息的最大价值。比如：之前的奥巴马的就职典礼，有一张高清的带有众多群众的照片张贴在华盛顿邮报官方网。观众从新闻上能够看到自己，这样能够大大的提高人们的参与感。
（六）服务型的信息传播在现代化的网络社会中，众多网民在网络上一些吸人眼球的信息，吸引很多的网民阅读信息，获得他们的关注。网络信息传播的速度非常快，一条信息在短时间内能够迅速的被许多人看到。若是带有积极性的信息，可以激发出民众的正义感，获得网民的关注，还能在一定程度上引发积极的社会舆论；带有消极内容的信息，会让阅读信息的网民感受到恐惧和紧张。两种类型的新闻信息都会引起一定的舆论，都会在社会上产生一定的影响。所以，作为传媒机构，要尽可能地保证网民所获得的信息是积极向上的，要对信息进行筛选，减少消极的信息，尽可能的避免出现社会恐慌、民众感到紧张的情况。为了能够提高信息传播的服务性，就需要提高相关工作者的能力水平。可以引进高素质的人才，也要不断的提高他们自身的服务意识和服务水平，让他们明白他们的工作的重要性。要不断的提高相关工作者的职业操守，加强对数据的筛选和整合，提升大数据时代新媒体文化传媒的影响力。
第3篇
[关键词]大数据时代；医院财务档案；档案管理
doi：10.3969/j.issn.1673 - 0194.2017.04.109
[中图分类号]R197.322 [文献标识码]A [文章编号]1673-0194（2017）04-0-02
0 引 言
大数据时代的到来，为经济发展带来了机遇，大数据的广泛应用能够为工作和生活带来变革性的发展。大数据的发展应用，对医院各项工作也带来了变化，特别是对医院财务档案管理发展的影响更为突出。如何在大数据时代，进一步加强对医院财务档案的管理是本文研究的重要内容。
1 大数据时代和医院财务管理档案的相关概述
1.1 大数据时代
大数据时代是指数据更加全面且复杂的时代，其具有数据海量化、类型众多、价值密度低、速度快、时效高等特点。
1.2 医院档案
医院档案是指医院在正常运营的过程中，从事各项活动所产生的，具有一定价值的原始记录，包括管理、医疗、科研、基建、财务和统计等活动中产生的文件。
1.3 医院财务档案管理
医院财务档案管理是指将医院运营过程中，各个活动事项所产生的各类财务档案进行搜集管理，这一搜集管理要达到统一、集中、规范的要求。医院财务档案管理是要建立分类编号、输入电脑存储以便查询，是一个功能完善的管理系统。
2 大数据时代医院财务档案管理的优缺点
2.1 大数据时代对医院财务档案管理发展的优势
大数据时代的来临，医院利用大数据的优势，可以充分进行信息整合，保证达到医院财务档案信息共享的目的。随着医院的不断发展，需要对医院财务档案做到有效记录和快速查阅，传统的纸质管理和现有的信息化管理还满足不了医院对财务档案管理的需求。借助大数据的医院财务档案管理能够充分发挥大数据、云计算等技术优势，实现高效化和自动化的发展需要。借助大数据的医院财务档案管理可以优化医院的财政管理和档案管理，且对提升人力资源管理也有重要作用，对医院各部门协同，整体凝聚力以及整体工作效率都有提升作用。大数据时代的到来，医院充分利用大数据的优势可以明显提高医院财务档案的使用频率，提高医院财务档案管理的效率。当前的医院财务档案管理的信息化程度还较低，不能满足医院对财务档案信息化管理的要求，大数据时代的来临，可以实现细化财务记录的快速查询和下载保存及分享，彻底抛弃了传统的复制打印，甚至手工抄写，可以保证医院财务档案信息的完整和准确，大大提高了医院财务档案的管理效率，进一步实现了整个医院的快速发展。大数据时代可以显著提升医院财务档案管理的安全性，财务档案记录着医院各个事项的动态，特别是资金的相关情况，安全性是医院财务档案的重要工作，大数据的利用可以有效的保证财务档案信息的安全性，避免了当前信息化程度低或者传统财务档案管理带来的风险，充分发挥了大数据时代财务档案管理的数字技术优势。
2.2 大数据时代对医院财务档案管理发展的不足
大数据时代的到来，给医院财务档案管理带来众多好处的同时，也有一定的不足之处。大数据的应用，不能完全保证医院财务档案信息的真实性，医院各项活动a生财务信息的原始凭证也没有办法保证原始性。医院财务档案信息查询是通过网络进行的，使用人员并没有见到真实的原始财务凭证，只能看到网上上传的信息，这些信息是医院财务档案管理人员通过手工输入电脑实现的，对后期使用者信息识别及纠正都会带来极大的不便，医院财务档案管理人员甚至会因为牟利而对财务档案信息进行篡改，为医院财务带来损失，这与大数据的应用初衷是背道而驰的。大数据的应用对医院财务档案信息不能完全保证其安全性和保密性，所有的信息都通过网络进行计算、查询、使用，在黑客冲击的时代，大数据技术也存在漏洞，在医院财务档案共享和使用的过程中，可能会出现安全性问题，这会给医院带来不必要的损失。
3 大数据时代医院财务档案管理发展面临的问题
3.1 传统的财务档案管理观念
医院财务档案信息化管理已经进行了一段时间，但是，医院财务档案管理的信息化并没有改变医院财务档案管理的观念传统性，这首先表现在医院领导的不重视，医院领导的观念没有随着大数据的到来而改变，仍然沿用传统的方式对医院财务档案进行管理，同时，医院的财务档案管理人员也没有意识到大数据给他们工作带来的影响，没有持续地接受新观念、新技术，导致医院财务档案管理效率不高，财务信息利用率不高，最终导致整个医院的工作效率没有提升。
3.2 管理不规范
医院财务档案管理存在不规范的问题，这种不规范体现在没有一个切实可行的财务档案管理制度，制定的制度也没有切实的贯彻执行，对医院财务档案的保存依然不规范，虽然信息化可以不用经常翻阅原始或者纸质的档案，但是对日常的财务档案信息输入网络后仍然需要保留很长一段时间的原始凭证，这些凭证的保存并没有实现信息化，且保存也没有进行科学的分类和进行必要的防水、防火、防虫、防潮、防盗、防光和防尘等处理，财务档案保管不规范，没有专门的保管场地。
3.3 缺少专业管理人员
档案管理需要有专门专业的人员进行管理，这样才能保证档案得到充分的利用，医院财务档案管理是医院档案管理的重要部分，但却没有专业的财务档案管理人员进行管理，甚至并不是档案管理方面的人员进行的管理，是其他行政内勤人员兼管，没有财务基础的知识和计算机方面的知识，这会对财务档案管理应用大数据起到阻碍作用。
4 大数据时代医院财务档案管理发展的对策
4.1 转变观念
大数据时代的到来，无论是医院的领导还是医院财务档案管理人员，都需要对新时代的技术应用进行观念的更新，合理的、具有针对性的将大数据应用到医院财务档案管理上，可以更好地实现医院财务档案管理的信息化、自动化，实现财务档案管理的高效率。
4.2 扩充专业人员
在医院不断发展的过程中，医院财务档案管理工作也将随之变得复杂，特别是大数据时代的到来，其需要有专业的人员参与到医院财务档案的管理。专业管理医院财务档案的人员需要具备一定的财务知识，以更好、更精准地对医院财务档案进行查询使用，还需要具备一定的计算机网络知识，以更快捷地提取医院财务档案信息，实现快速共享的目的。同时，还要有档案管理的专业技能，保证医院财务档案管理科学有序。
4.3 增强软硬件设施
软件和硬件设施虽是辅助财务档案管理的工具，但是，大数据时代的到来，医院需要加强对软件和硬件设施的升级，特别是软件设施的升级改造。通过大数据的使用，医院不仅可以有效预测和观测医院财务动态，还能提升已发生的财务活动的利用效率。硬件设施体现在原始凭证的科学分类保管，保证在需要查询医院财务原始凭证时能及时提取相关资料。
4.4 大数据应用安全
大数据应用具有众多优势，但是也有其安全性和保密性的问题，这需要有专业的人员对大数据应用环境下医院财务档案管理的安全性作出保障，专业人员可以使用先进的加密技术和使用权限设置，保证医院财务档案的安全，同时也减少了因漏洞导致的泄密风险。
4.5 大稻菰擞玫绞导使ぷ
大数据应用是要切实运用到医院的财务档案管理中，真正实现技术服务工作，提升服务效率，而不是因为不懂或者一味地追求高端技术，导致设备的浪费或影响正常的财务档案管理工作。
5 结 语
大数据时代的到来，改变了传统的医院财务档案管理方式，加速推进了医院财务档案管理的信息化程度。大数据应用于医院财务档案管理可迅速提升医院财务档案的管理效率，从而提升整个医院的管理效率。
主要参考文献
[1]于雅娟.大数据对医院档案管理发展的影响[J].档案管理，2016（2）.
[2]吴青霞.论大数据背景下档案管理“价值链”的生成[J].档案，2016（6）.
第4篇
[关键字] 大数据特点；大数据平台；比较研究
[中图分类号] TP202 [文献标识码] A [文章编号] 1002-8129（2017）01-0103-04
一、大数据的特点与处理平台概述
1.大数据的特点。
目前，大数据还没有一个标准的定义，但是把握大数据的特征，有助于加深对大数据内涵的理解。数据具有的3V特征，即规模大（Volume）、种类多（Variety）、速度快（Velocity），在业内已经基本成为统一认识。规模大，意味着数据量不断扩张，数据量级将从现在的GB、TB增长到PB、EB甚至达到ZB级。种类多，是指数据类型有结构化、半结构化和非结构化，其中文字、图片、音频、视频等非结构化数据占更大比例。速度快，表示大数据有强时效性，数据通常快速地产生，又需要及时地进行处理分析，才能有效地实现大数据的经济价值。
“大数据的处理过程可以分为：数据抽取与集成、数据分析以及数据解释”[1]。巨量的数据往往也意味着噪音的增多，这给预处理数据时数据的清洗工作造成了困难。传统的关系型数据库处理对象单位通常为MB，并且适合存储结构化数据，面向大数据的数据库技术应该能够解决海量非结构数据的存储问题。传统的数据分析方法以算法的准确率作为最重要的衡量指标，而大数据的高速性要求算法必须牺牲一部分准确性以达到更高效地处理数据。大数据的分析结果往往也是大量的，故小数据量时可以选择的数据解释方法基本不再适用，引入可视化技术来将大数据的分析结果以友好的形式展现。
2.大数据处理平台发展概述。
为了应对大数据处理上的挑战，“从规模巨大、种类繁多、生成快速的数据集中挖掘价值”[2]，专门针对大数据的技术和方法应运而生。GFS、NoSQL、ITHbase、MapReduce等云计算技术的发展，使得大数据的有效存储、管理和分析成为可能。但是从众多复杂的大数据技术中进行选择，并搭建完备的大数据处理框架难度很高，不利于挖掘大数据中的经济价值。大数据平台和产品的出现，可以使用户在不了解架构底层细节的情况下，开发大数据应用程序。全球领先的科技巨头都纷纷在制定大数据战略时提出了建设与应用大数据处理平台：IBM公司推出了云端版InfoSphere BigInsights[3]；HP推出了HP Vertica6.1分析平台[4]；Google提出的GFS、MapReduce等云计算技术催生了大数据处理平台的事实标准Hadoop，目前，Google使用的是自己开发的Caffeine[2]；Facebook结合自身的使用需求实现了Corona、Prism。一个完备、高效的大数据处理平台为实施大数据应用提供一站式的基础服务，支持应用系统从清洗、集成、分析到结果可视化展现的大数据处理全过程建设，降低了用户技术门槛[5]。因此，比较和选择有大数据特征的处理平台，有助于大数据技术研发和产业落地，实现大数据的巨大价值。
二、常用大数据处理平台比较
1.Hadoop
Hadoop是由Apache开发的开源云计算平台，实现在大量计算机组成的集群中进行分布式存储和计算。Hadoop框架最核心的技术是HDFS和MapReduce。HDFS是可以部署在廉价机器上的分布式文件系统，采用主/从结构，将大文件分割后形成大小相等的block复制三份，分别存储在不同的节点上，实现了海量数据的存储。MapReduce编程模型实现大数据处理，它的核心是“分而治之”[1]。Map任务区将输入数据源分块后，分散给不同的节点，通过用户自定义的Map函数，得到中间key/Value集合，存储到HDFS上。Reduce任务区从硬盘上读取中间结果，把相同K值的数据组织在一起，再经过用户自定义的Reduce函荡理，得到并输出最终结果。将对巨量资料的处理并行地运行在集群上，从而实现了对大数据的有效处理。从Hadoop的核心处理过程我们可以总结出它具有如下优点[6-9]：
高扩展性。Hadoop的横向扩展性能很好，使海量数据能横跨几百甚至上千台服务器，而用户使用时好像只是面对一个。大量计算机并行工作，使对大数据的处理能在合理的时间内完成并得以应用，这是在传统单机模式下无法实现的。
高容错性。从HDFS的设计中可以看出，它通过提供数据冗余的方式提供高可靠性。当某个数据块损坏或丢失，NameNode就会将其他DataNode上的副本进行复制，保证每块都有三份。所以，在数据处理过程中，当集群中机器出现故障，计算并不会停止。
节约成本。首先，Hadoop本身是开源软件，完全免费；其次，它可以部署在廉价的PC机上；“把计算推送给数据”的设计理念，节省了数据传输中的通信开销。显然，若使用传统的关系型数据库将所有数据存储起来成本高昂，这不利于大数据产业的发展。
高效性。Hadoop以简单直观的方式解决了大数据处理中的基本问题，即大数据储存和大数据分析。并且数据规模越大，相较于单机处理Hadoop的集群并行处理优势越明显。
基础性。对于技术优势的企业，可以根据基础的Hadoop结合应用场景进行二次开发，使其更适合实际工作环境。比如，Facebook从自身应用需要出发，构建了实时Hadoop系统。
Hadoop系统的局限性 [10-11]：
不适合迭代运算。MapReduce要求每个运算结果都输出到HDFS，每次初始化都要从HDFS读入数据。在迭代运算中，每次运算的中间结果都要写入磁盘，Hadoop在执行每一次功能相同的迭代任务时，都有反复的I/O操作，计算代价很大。而对于现在常见的图计算和数据挖掘等领域，迭代计算是必要的。
实时性差。Hadoop平台由于频繁的磁盘I/O操作，大大地增加了时间延迟，对于快速处理任务不能胜任。
易用性差。Hadoop只是一个基础框架，精细程度有所欠缺，如果想用它来实现具体的业务，还需要更进一步的开发。MapReduce特定的编程模型，增加了Hadoop的技术复杂性。
虽然Hadoop本身有一些缺点，但是由于其支撑技术（MapReduce等）成熟较早，并且实现了海量数据分布式的存储和批量处理，所以被广泛使用，已成为大数据处理平台的事实标准。为了提高Hadoop的性能，各种工具应运而生，已经发展成为包括Hive、Pig、HBase、Cassandra、YARN等在内的完整生态系统。HBase新型NoSQL数据库便于数据管理，Hive提供类似SQL的操作方式进行数据分析，Pig是用来处理大规模数据的高级脚本语言……这些功能模块在一定程度上弥补了Hadoop的不足，降低了用户使用难度。MapReduce的设计理念决定了Hadoop适用于对庞大数据集加以控制、数据密集型计算和离线分析的场景。
2.Spark
Spark的整个生态系统称为BDAS（伯克利数据分析栈），包括Tachyon、Spark Streaming、Spark Core、MLlib等。其核心框架Spark，是为了实现大数据的快速处理而出现的，可以用来构建低延迟的应用。Spark以RDD（弹性分布数据集）为基础，实现了基于内存的大数据计算。RDD是对数据的基本抽象，实现了对分布式内存的抽象使用。由于RDD能缓存到内存中，可以将每次运算的中间结果都存放到内存中，避免过多的磁盘I/O操作，大大降低了时延。Tachyon是分布式内存文件系统，类似于内存中的HDFS，基于它可以实现RDD或文件在计算机集群中可靠的共享。Spark没有自己的文件系统，通过支持Hadoop HDFS、HBase等M行数据的存储，Spark更专注于计算性能。可以总结出如下特点[11-13]：
高速性。Spark主要通过基于内存计算减少磁盘I/O开销，极大地缩小了时间延迟。这使得它擅长处理Hadoop无法应对的迭代运算，在进行图计算等工作时表现更好。并且高速数据处理能力使得Spark更能满足大数据分析中对实时分析的要求。
灵活性。较之仅支持map函数和reduce函数的Hadoop，Spark支持map、reduce、filter、join、count等近80多种操作类型。Spark的交互模式使用户在进行操作时能及时获得反馈，这是Hadoop所没有的。Spark SQL提供用户直接用标准SQL语句在Spark上进行大数据查询，简单易学。尽管在Hadoop中，有了Hive，可以不用Java来写复杂的MapReduce程序，但是Hive在MapReduce上运行速度却达不到期望程度。
Spark以其近乎实时的性能和相对易用灵活而受到欢迎，它同Hadoop一样都是Apache旗下的开源集群系统，是目前发展最快的大数据处理平台之一。Spark主要适用于支持迭代计算，交互式查询，实时分析的场景。比如，淘宝使用Spark来实现基于用户的图计算应用[11]。由RDD特点决定，它不适合异步细粒度更新状态的应用[1]，比如，增量的Web抓取和索引。RDD的特点之一是“不可变”，即只读不可写，如果要对RDD中的数据进行更新的话，就要遍历整个RDD并生成一个新RDD，这使得对细粒度内容的频繁更新代价很大。
Hadoop与Spark并不是互相排斥的关系，Hadoop解决了如何将大数据储存起来的问题，Spark在这基础之上考虑更快速、易用地实现大数据分析，这点从Spark仍采用HDFS作为文件系统就可以看出。它们适用于不同的场景，有时协同工作会达到更理想的效果，在Spark和Hadoop的许多发行版中，它们都已经互相支持实现。
3.Hadoop发行版
包括传统IT企业和新兴互联网企业在内的众多厂家，通过对开源平台Hadoop进行改进，纷纷推出了自己的商业发行版。用户能更容易地对大数据进行处理，并易于搭建、监管复杂集群系统。
（1）CDH
Cloudera推出的CDH，基于稳定版Apache Hadoop并应用最新的BUG修复系统和管理监控平台，在安全性、兼容性和稳定性方面有所增强。Cloudera公司业务开发负责人Ed Albanese表示[14]：在CDH上运行的应用已超过其它Hadoop产品上运行的应用。
（2）MapR
提供了完整的Hadoop组件体系，并且100%和Apache Hadoop API兼容。新增的Direct Access NFS技术支持文件随机读写，大大地扩展了MapR Hadoop的应用范围。还支持了Snapshot（快照）、Mirro（镜像）等企业应用功能。
（3）InfoSphere BigInsights[15]
是IBM推出的以Hadoop为基础的云端大数据分析平台，企业版在30分钟内可以启动运行。客户即使没有Hadoop技能，也可以捕捉和分析任意数据，使组织内任何人都获得了大数据处理的能力。
由于开源Hadoop存在的许多先天不足，直接使用尚达不到普及的程度。为了推进大数据的企业级应用，大数据平台产品旨在提供优越性能的同时，简化客户搭建、管理和监控复杂集群的过程，优化和扩展开源方案，降低使用难度以普及应用，使大数据作为企业的基础资源能有效被利用。
三、结语
介绍大数据的3v特点及在此特点下数据处理上与传统数据处理的不同，有助于认识传统处理方式在大数据环境下的局限性。通过分析常用的大数据处理平台，并分析Hadoop和Spark的核心技术，对其优缺点进行了归纳。Hadoop实现了对海量异构数据在人们可以接受的时间和成本内进行可靠地存储和处理，虽然它在处理速度和易用性方面存在缺陷，但由于它的基础性，企业可以根据自身应用特点进行改进，目前已被广泛应用。虽然Spark不适合异步细粒度更新状态的应用，但在处理性能和易用程度上较于Hadoop有显著优势，发展十分迅速。文章指出它们各自的适用场景，平台的选择应根据企业的应用需要。通过比较两者的优缺点，可以发现它们在功能上有较强的互补性，有时它们对资源的协同使用可以带来效益优化，目前Spark和很多Hadoop发行版都已经支持互相实现。最后介绍了几种目前常用的商业Hadoop发行版，相较于开源框架它们都进行了不同程度的优化，并且更易于企业级实现。综上，以期对大数据平台或产品的选择、利用和研发有所启发。
[参考文献]
[1]孟小峰.大数据管理：概念、技术与挑战[J].算机研究与发展，2013，（01）.
[2]张 引.大数据应用的现状与展望[J].计算机研究与发展，2013，（S2）.
[3]IBM：积极推进“大数据”时代革新[J].硅谷，2011，（22）.
[4]于 翔.HP Vertica 6.1快速连接H-
adoop[N].网络世界，2013-02-04.
[5]王 强.大数据分析平台建设与应用综述[J].集成技术，2016，（02）.
[6]黄素萍.Hadoop平台在大数据处理中的应用研究[J].现代计算机，2013，（29）.
[7]任 仁.Hadoop在大数据处理中的应用优势分析[J].电子技术与软件工程，2014，（15）.
[8]戴中华.基于Hadoop平台的大数据分析与处理[J].通讯世界，2015，（06）.
[9]张 臻.大数据处理平台分析[J].电信快报，2014，（06）.
[10]张岩峰.云环境下大数据迭代计算研究[D].东北：东北大学，2012.
[11]何海林.大数据处理平台比较与分析[J].微型机与应用，2015，（11）.
[12]李 曼.Spark生态系统走向成熟和应用[J].世界电信，2015，（07）.
[13]范炜玮.大数据处理平台Spark及其生物医学应用[J].中国中医药图书情报杂志，2015，39（02）.
第5篇
[关键词]颜色、评审方法、大数据、权重系数
中图分类号：U466 文献标识码：A 文章编号：1009-914X（2016）18-0049-02
Studying on the evaluation methed of automobile painting color
JIANG Chao-Fu，QIN Xiao-qiang，WEI Zheng-xi，XU Zhong-qiong，XIAO-yu，YAN Xu-hui，YANG Yi-cheng
（CHANGAN AUTOMOBILE CO.，LTD.，400023）
[Abstract]With the gradual improvement of people’s aesthetic level，the color of cars has become an important factor affecting customers to choose and buy a car. So developing the evaluation methed of automobile painting color highlights the important position. Currently ，there are a variety of methods can be used for assessment of the color，but they have their own shortcomings and imperfect. This article is mainly to research a kind of comprehensive integral analysis method，which can be effective，real and objective to reflect the result of color evaluation.
[Key words]color； evaluation methed；big data；the coefficients of weght
0 引言
近年来，随着人们物质生活的日益提高、精神文化的逐步充实，人们的审美观念和文化品位得到极大的提高。在购买汽车时，对汽车颜色的关注度也越来越高，因此在汽车涂装颜色开发过程中评审颜色给人带来的视觉感的过程也越来越苛刻，特别是在全球化、大数据化时代背景下，需要利用大量的、真实的数据作为评论选择颜色的依据。因此，寻找一种科学的、有效的颜色评审方法，成为了一个新的研究课题。
1、 传统的颜色评审方法
目前，汽车行业常用的评审方法有三种模式：A、举手表决法；B、计数法；C、积分统计法；三种方法均各有优点，但是各方法的缺点也很突出，比如举手表决法的最大缺点就是容易导致评审跟风，导致人云亦云，使数据不能真实的、有效的反映客观事实。具体的优缺点说明如图1所示（本文中凡是参与评审的颜色均是根据颜色流行趋势、与造型搭配等方法设计的，评审的目的是进行上量生产的最终选择）。
现在需要将各评审各种方法的优点综合到一起，也就是通常所说的聚百家之长于一身。根据上述优点，寻找一种科学的、有效的颜色评审方法的主要方向为：操作简单、能够实现对颜色客观排序、能够对后续颜色开发有指导意义、需要评审人员综合评定、能够横向比较、能够反映评审人员在领域的权重。为实现这个目标，让评审方法更能有效、真实的反映颜色的视觉感和趋势化，我们创新性的建立了综合积分分析法。
2、 创新的颜色评审方法―综合积分分析法
综合积分分析法结合了举手表决法、计数法、积分统计法的优点，将大数据化、权重系数等优点有机的结合到一起。综合积分分析法有以下创新点：
A、评价原则及方法统一、需要评审人员综合评价：不管备选颜色有多少种，评审人员只对自己满意的前三名进行排名，其中第一名记5分，第二名记3分，第三名记1分；评审时，需专家团队与非专家团队同时进行评审，使颜色评价意见体现出各种人群对颜色的想法。
B、可以实现横向比较：由于评价原则及方法统一，每次评审的积分可以展开横向比较，对后续颜色开发有非常重要的指导意义；
C、建立了评价系数原则：能够利用权重系数，对经验丰富的颜色专家可以适当增加评价系数权重，能够得出更加准确的颜色信息，从而进行更加科学、系统的分析；
D、大数据化：让大量的人员参加评审，增大颜色评审样本量，进行大数据分析，使得评审结论更科学，更真实，更符合市场需求规律；
E、应用广泛：可以横向推广应用，其他评审也可以参考选择该方法进行评审。
下面以某公司某次颜色评审案例来说明：某一公司策划选择5种颜色作为该上市车型的量产颜色，颜色设计人员根据市场趋势设计出符合市场的10种颜色，并完成涂料及涂装工艺相关开发。将以上10种颜色实车喷涂后进行颜色评审，需从10种颜色选出5种进行上市。具体操作如下：
（1）、将喷涂不同颜色的10辆车进行依次编号，分别记录为：1、2、……10；依据评审原则邀请了15名专家与15名非专业人员进行评审。颜色评审开始后，由评审人员对所有车辆进行观察、欣赏、判断后（一般设定每个车观察时间不得低于2分钟）按表格要求选出自己喜欢的前3名，由分析人员进行数据收集、整理、统计计分，并对评审结果进行汇总，如图2（某公司评审颜色记录表）：
（2）、将所有颜色评审记录结果进行统计，分析其综合积分的分布情况，得出所有颜色的综合排名，如图3
由上述统计表格可以发现：通过综合积分分析法不仅可以很直观的选出所需要的颜色，还可以充分反映专家团队与非专家团队对颜色认知的区别。
3、 总结：
第6篇
当前金融环境迎来了大数据时代，数据挖掘技术在各领域的应用方兴未艾，产生了很多卓越的成果。内部审计领域虽然早已开始使用非现场审计技术，积累了技术工具和审计方法，产生了大批实用的审计模型，效果突出，但与大数据时代的要求还存在很大差距。加上互联网金融对传统银行业的挑战，逼迫传统银行必须做出全新的变革才能有生存之地。为此，银行原有的产品和流程将会做出大的变革和调整，内部审计要增加组织价值，也面临新的冲击。在此背景下，如何提升内部审计价值将成为目前商业银行内部审计面临的重要课题。
一、大数据时代对银行内部审计的影响
一是审计抽样让位于大数据分析。大数据时代的数据挖掘是建立在全部数据的基础上，所以“样本=总体”，抽样的作用将退居其次。
二是审计计划更有针对性。由于数据量化以及各类预测模型的使用，银行经营中的可能出现的问题将更容易以数据的形式获取，因此，审计计划将更灵活、更具针对性。目前实行的年度制定审计计划的方式将可能被“年度计划+实时调整”的审计计划方式取代。
三是审计职业判断逐渐让位于数据量化。审计是一门实践学科，经验与直觉起到很大作用，审计职业判断能力是最审计人员最重要的能力。但是，随着大数据时代到来，一切皆以量化为基础，审计职业判断将会更多以数据量化为基础，经验与直觉将退居其次。
四是审计队伍将不再是单一的审计人员，而是由IT技术人员、统计人员、数据分析人员、审计人员的组合。审计人员的知识结构将由单一的知识结构变更为更具广度的复合型知识结构。
五是深化审计职能。由于大数据挖掘技术的主要目的在于预测，因此审计建设职能将得到进一步拓展，内部审计将更多地参与到银行决策过程中。
六是影响审计独立性。大数据挖掘除用于审计模型编制外，还可以用于审计发挥建设职能，提供增值服务，即通过挖掘大数据的相关关系用于预测未来。为此，内部审计将与银行业务流程，特别是决策环节结合得更加紧密，这不可避免地会对内部审计的独立性产生影响。如何既能发挥内部审计在数据挖掘分析方面的优势，又能保持独立性，是值得研究的课题。
七是对硬件设备的要求更高。大数据时代开启后，数据量成倍增长，所以对存储、运算等方面的能力都提出了更高的要求。目前非现场审计系统运算时间长，速度慢，远远不能满足大数据运算的要求。
二、银行内部审计数据挖掘应用的现状
目前银行内部审计中非现场审计技术主要构建在数据挖掘与分析的基础之上，其核心是审计模型的编制。按用途与特性，审计模型主要可划分为四大类，一是统计类模型，用于对审计所需数据进行统计；二是抽样类模型，用于对审计机构或某个审计事项进行抽样；三是账务特征类模型，通过分析某类问题或舞弊行为在账务上的特殊表现痕迹找出问题疑点，为现场审计提供方向，如某个不该出现贷方余额的账户出现了贷方余额，某账户日终应该结平却有余额等；四是行为特征类模型，通过分析作案手法的特征来寻找疑点，如多次小额转账到某个固定账户。
前两类模型用于审计管理，后两类模型用于查找问题疑点。虽然审计模型是以数据分析为基础，但与大数据要求有很大的不同。目前的问题查找审计模型建立在因果关系的基础之上，通过发现问题在账务或行为上表现出的痕迹从而发现可能的线索。
因此，目前的内部审计虽然运用了数据挖掘分析的技术手段，但只是开启了大数据时代的序幕，还没有真正进入大数据时代。表现在以下几个方面，一是虽然目前银行数据量已经非常大，但主要还是来源于各类交易系统产生的业务数据，以及管理系统产生的数据，都是一种结构化的数据，与大数据时代海量和非结构性数据要求相比，无论是总量还是结构都还远远不够；内部审计非现场数据挖掘加载的数据还不是银行的全量数据，仅涉及主要业务系统数据，因此仍然是“小数据”。二是非现场数据挖掘建立在因果关系基础之上，与大数据建立在相关关系基础之上有很大不同。三是非现场审计模型建立的目的是发现已经发生的各类舞弊行为、风险事件、违规操作，大数据挖掘技术应用的主要目的是进行预测。
虽然内部审计部门在银行大数据挖掘中已占有先发优势，掌握了大量历史数据的存储、加载以及非现场数据挖掘技术，积累了较多的经验，但在通过大数据时代的路上还存在较大的困难。
一是审计队伍的能力还达不能新的要求，目前审计队伍仍以审计业务人员为主体，缺少专业数据分析人员、IT技术人员、统计分析人员等；二是审计技术工具还达不到新的要求，一般审计人员仅对通用审计软件、SAS统计分析软件比较熟悉，对其它数据挖掘工具了解非常少；三是思维方式还达不到要求，审计人员对大数据的特征了解不多，思维方式停留在因果关系，对于相关关系在大数据中的应用缺乏理解。
三、大数据背景下提升内部审计价值的方式及路径
提升内部审计价值可以采用以下几种方式：一是拓展数据源。大数据时代，数据本身就具有巨大价值。目前内部审计使用的数据只是银行全量数据的一部分，还有很大部分未能加载使用；同时，银行业务办理过程中也还有很多环节未能量化，未能形成数据源，而这些非结构化的数据对于大数据挖掘至关重要。因此，内部审计应大力拓展数据源，研究将未量化的信息进行量化收集、存储。二是拓展审计模型。转换思维方式，从目前研究因果关系寻找问题疑点，拓展为研究相关关系寻找问题疑点。三是拓展审计建设职能，通过大数据分析预测风险建立内部审计预警系统，为决策提供参考。
因此，在银行内部审计应用大数据挖掘技术时可以采用以下几种途径：一是外包，二是引进大数据挖掘技术，三是联合进行数据挖掘，四是由内部审计部门等进行自主数据利用。四种途径各有优缺点。外包能迅速产生效果，但会在技术上长期受制于人，不能提高自身的核心能力，也不利于银行数据的保密。自主利用方式有利于提高自身核心能力和保密，但能力提高是一个长期过程，不容易迅速产生成果。引进技术有利于提高自身能力，能较快产生成果，但投入较大。联合开展数据挖掘也存在保密的问题。因此，银行内部审计应用大数据挖掘技术仍应坚持以我为主，初期可以就一些非核心数据和保密级别要求不太高的数据开展联合挖掘或外包，并积极引进技术，引进和培训人才，通过这些手段来提高审计能力，更多更好地为组织创造价值。（作者单位：中国建设银行成都审计分部）
参考文献：
第7篇
一、就业形势分析
现阶段，高校学生就业率与就业质量正逐渐成为衡量各高校办学水平及教学质量的重要指标，已经引起了各高校的强烈关注并为此出台了各种帮助学生就业的计划。根据教育部官网毕业生数据统计，预计2021年高校毕业生人数将达到909万人，各高校毕业生依旧呈快速上升趋势，同时，部分行业高校人才需求逐渐饱和、高校人才培养跟不上行业结构性调整需要和企业招聘时效性低的情况仍然存在，极大影响了高校毕业生的高质量就业。目前，大数据技术早已加入国家发展战略计划中，社会就业情况也加入政府工作报告中，大数据技术在高校学生就业方面的运用更是为高校提升学生就业与人才培养质量提供了新的机遇与方向，为高校精准就业服务提供了更加科学的技术指导。近年来，部分高校已经开始运用大数据技术分析社会行业发展状况，完善人才培养方案与实现学生和企业精准对接以提高学生就业质量。运用互联网、云计算和大数据等技术，搭建学生与企业线上“智能配对”线下“精准就业”的高校智能就业平台，探索培养更符合行业所需的个性化高校人才培养方案与适应新时代行业发展的精准就业服务新模式，为各高校学子提供更高质量的就业信息，已成为新时代各高校学生就业服务的目标。对此，高校应该基于大数据技术精准把握行业发展状况，以大学生高质量就业为目标，进行高校人才培养战略的制定。因此，高校智能就业服务平台的出现，不仅可以解决社会上企业招不到所需人才和学生所学知识已被淘汰的问题，而且对提升高校人才培养质量与办学水平具有显著作用。
二、大数据在高校就业工作中的定位
现如今，人工智能、大数据和区块链技术正在教育领域引发一场全新的革命浪潮，为提升高校培养人才质量和办学水平，使学生更加快乐、高效、智能地学习知识提供了重要的技术支撑。大数据作为互联网时代“万物互联”阶段的推动力也推动着教育的发展，其数据科学思维和技术促进了教育决策的科学化、高校发展的智能化、人才培养的个性化。大数据技术将重新定义高校就业生态系统，高校知识将更加满足行业需求，学生在校就能接触行业发展的最新消息，学生都将找到最适合自己的工作。大数据技术在高校就业中的应用，将突破传统高校就业推荐方式的次元壁，为高校大学生高质量的就业带来新的机遇。
三、大数据在高校就业工作中的应用
将大数据应用于高校就业的实际问题，将突破传统的就业方式，为广大学生和用人单位提供便利，最终实现既定的双赢目标。在以往的就业模式中，对于应届大学生的就业，通常是由学校建立关系，然后由用人单位和学生本人进行双向选择，最后签订三方协议。但这种就业模式也存在“学生所学”与“企业所需”不匹配的问题。为更好地服务社会，协调好学生、高校和企业的关系，应全面实现高校学生培养至企业人才供给的流程化信息服务，从而满足大学生对行业就业信息了解和个性化咨询服务的需求，提高学生就业教育的精准性，从根本上解决师资匮乏、与行业把握不精准的问题。同时，利用大数据技术对社会上海量就业创业信息数据进行挖掘和分析，获取精准、有效的信息，并根据学生个性化需求完善高校人才培养方案，提升学生就业能力，从而解决人才培养与市场就业需求不匹配的结构性矛盾。为了满足上述业务需求，建立采用分层结构的智能就业平台，其通过不同的主题库，以满足学生不同的业务需求。
（一）为学生检测学习服务
大学生首次注册登录时，平台将收集他们的兴趣、专业、特长、爱好等基本信息，为每个用户进行个性化定制职业生涯规划，然后帮助用户设定学习目标，包括短期目标和长期目标。目标的内容主要来源于企业招聘服务信息库中的招聘需求，从而实现学生的学习目标，学会应用，学以致用。同时，学生的学习情况也会随时更新，根据自己的学习能力来提升目前适合企业的能力。
（二）为企业招聘服务
企业用户通过企业账号登录，不定期向智能平台企业对人才的需求。后台通过企业需求分析，将其招聘需求更新为学生私人定制的学习目标，相当于企业直接培养他们所需要的人才。同时，将学生的学习数据通过后台大数据推送到企业分析行业，供企业选择，从而减少招聘过程中人力资源效率低下的问题。
（三）为高校教育理念提升服务
高校可以根据自己的账号登录，关注本校学生和留学生的学习能力，以及企业招聘的需求信息，使高校能够根据企业的需求和本校学生的学习情况进行准确地教育学生。同时，学校还可以分析自身的优缺点，提高竞争力、知名度、就业率。
四、大数据时代大学生就业趋势展望
第8篇
【关键词】大数据 电子商务 创新
一、人类社会已经进入大数据时代
随着网络相关技术的不断发展，移动互联网和物联网以及大量网络接入设备和信息采集设备被人们所使用，全球的数据量在飞速增加。据IDC 《数字宇宙》（Digital Universe）的研究报告表明，2020 年全球新建和复制的信息量将超过 40ZB，是2012年的12倍，而中国的数据量则会在2020年超过8ZB，比2012年增长22倍。数据量的飞速增长带来了大数据技术和服务市场的繁荣发展。IDC亚太区（不含日本）最新关于大数据和分析（BDA）领域的市场研究表明，大数据技术和服务市场规模将会增加到2017年的23.8亿美元。
大数据（big data，mega data），或称巨量资料，指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。它具有4V的特征：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。大数据的意义是由人类日益普及的网络行为所伴生的，受到相关部门、企业采集的，蕴含数据生产者真实意图、喜好的，非传统结构和意义的数据。大数据的核心在于为客户挖掘数据中蕴藏的价值，而不是软硬件的堆砌。从海量数据中提取出有用的信息，这对网络架构和数据处理能力而言也是巨大的挑战。2012年3月22日，奥巴马政府宣布将“大数据战略”上升为国家战略并当即投资2亿美元拉动大数据相关产业发展。奥巴马政府甚至将大数据定义为“未来的新石油”。大数据成为了像石油一样最有价值和战略意义的资源。
二、大数据对电子商务的影响
电子商务能够利用电子、信息和通讯领域的技术优势取代或改造传统的商务活动方式，重组业务流程，降低交易成本，加速流通过程，全面提高企业的市场竞争力和综合国力。电子商务已成为现今商务和贸易活动的重要形态以及企业竞争的主要手段之一。大数据时代的到来为电子商务带来新的服务模式与盈利手段，能够为企业挖掘潜在客户群，发现蓝海。
大数据使得企业运营能与数据的实际应用融合在一起。因为大数据能够搜集庞大的消费数据进行分析并针对消费者的喜好与消费特征提供相应的服务。电商企业可以通过大数据应用对顾客进行更精确的智能化广告推送，革新服务模式； 同时，电商企业也可以通过大数应用寻找更多更好地方法有效降低电商企业的运营成本、增加用户忠诚度、研发新产品推出新服务从而不断地创新。
三、大数据背景下电子商务服务模式创新
现在，互联网浪潮已经席卷全世界，用户每天都面对海量的信息。为了引导顾客方便快捷地找到想购买的商品，个性化导购服务便成为众多电子商务企业提供的一种新的服务模式。电子商务的个性化导购服务是通过对顾客搜索、收藏及购买的历史数据进行提取和分析，进而推荐给客户相关商品。电商企业可以对顾客近期搜索过的感兴趣的商品进行热销商品推荐，或告知消费者从哪里可以获得想要的商品。他们也可以直接根据电商促销方案将其主打产品推送给顾客。例如把商家的新品、特价酬宾等直接推送给顾客。
我们可以归纳出基于大数据挖掘的主要两种个性化导购方式： 首先是个性化的广告。在浏览网页的过程中人们会看到某一个公司或某一个商品的广告，而且广告内容正是自己近期有意向购买的。其实支持这一现象背后的技术就是大数据应用，通过分析用户的网页浏览行为，从而给用户推荐适合的广告。如Google的Adsense业务之所以能提高广告的成功率，是因为它对顾客的搜索过程及其对各网站的关注度进行数据挖掘，并在其加盟的网站中追踪顾客的浏览去向，精准化地在联盟网站上推出和顾客潜在兴趣相匹配的广告。其次就是个性化的推荐。目前各大电子商务平台网站如淘宝网、天猫、京东、当当，琳琅满目的产品让人眼花缭乱，消费者经常需要多次对比同类产品的优缺点和买家的评论来决定自己的选择，但是这对消费者来说是很耗费时间和精力的，如果电商平台能够对海量的消费者行为数据进行快速分析，推荐出消费者当时最需要、最适合的产品，将能极大地促进平台上电商的销售量增长。现在已经推出了比价服务和商品历史价格曲线图，这能让消费者节约不少金钱和精力。
如果觉得种推荐效果并不是很好，许多顾客把这些当垃圾广告处理的话，可以试试推荐系统。推荐系统是一种基于顾客的消费倾向、爱好、基本资料及交易历史为顾客提供消费建议的软件系统。个性化推荐系统的兴起能够很好地解决传统推荐系统所带来的问题，它基于顾客个性化特征和需求，依托协同过滤、内容过滤、知识发现、交互式推荐等技术，在合适的场景、合适的时机通过合适的渠道，把合适的内容，推荐给合适的用户，为顾客提供个性化的购物体验。在个性化推荐服务系统中，消费者不再是被动的信息或网页浏览者，而是主动参与者。目前商务网站的个性化推荐服务模式有个性化定购推荐、关联挖掘推荐、基于主体或关键词的排序推荐等。
四、结论与展望
从1990年电子商务诞生到2014年的全民电商时代，电子商务作为新兴行业快速发展至成熟稳定期。纵观将近30年的中国电子商务发展历程，从行业起步到快速发展这一段时间周期内，电子商务大致每隔3年左右就会出现一个阶段的“流行趋势”，现在已经进入了数据为王的时代。相信电子商务在国家“互联网+”及“大众创业、万众创新”的政策指引下，电子商务必将成为扩大消费的新亮点、带动就业的新载体、促进经济转型升级的新引擎、推动经济增长的新动力。
参考文献：
[1]王茜，钱力.大数据环境下电子商务个性化推荐服务发展动向探析[J].商业研究，2014，8.
第9篇
关键词：大数据；数据中心；物理接口；电子配线架
随着移动互联网技术的不断发展，移动互联网用户发送和上传的数据量达到1.3exabytes，相当于10的18次方。Big Data“大数据”是继云计算、物联网之后IT产业又一次颠覆性的技术变革。当今信息时代所产生的数据量已经大到无法用传统的工具进行采集、存储、管理与分析。全球产生的数据量，仅在2011就达到1.8ZB，且根据预测，未来十年全球数据存储量将增长50倍。大数据不是云计算，是云计算的灵魂和升级方向。
1 大数据时代网络挑战
全世界联网主机数中轴标是上升趋势，2007年全世界人均只有0.1个设备是联到网上的，到2013年人均7个。到2016年将每3分钟传送360万小时视频，相当于全球已生产的全部电影。2010年在全球互联网流量中，美国是6337PB/月，占全球31%，中国占全球63%。1998年一个网民一个月消耗1兆流量，2003年数字到100兆，2008年一个月到1G的流量，到2014年一个网民一个月可能要到10G。
另外、物联网在越来越多的行业中得到了应用，“万物互联”是物联网的终极目标，这部分是数据流量绝对增长量。物联网的时代将是传感器自动不间断地上传大量数据并通过网络存储在数据中心内，对网络与数据中心的存储量起到了推动型作用。
大数据与网络基础设施的发展是相互影响、制约或促进的，所有数据量的上升需要更大规模的数据中心与其相适应，布线系统作为数据中心内部连接与管理的基础设施是所有数据流通的基础，对于数据中心运行对大数据流的支持起了关键作用。布线系统作为搭建数据中心的基础物理平台之一。
2 标准化发展应对大数据
根据2012版本的《数据中心电信基础设施标准》TIA 942A对于虚拟化的网络架构基本没有涉及。基于当前网络技术日新月异的变化状况，云计算虚拟化的网络发展将是大型数据中心网格架构的重要发展趋势，采用无阻塞的交换矩阵的网络结构是从网络层面应对大数据时代的技术手段之一。为应对大数据的挑战，云计算虚拟化网络技术的应用是技术发展必然的趋势。
面临海量的数据存储用于数据处理，数据中心为了提高资源利用效率与数据分析计算能力，将大量采用虚拟化云计算的技术，包括服务器虚拟化技术等。网络架构总体的趋势将采用大二层虚拟化的网络，核心层采用40G/100G，接入层采用10G的方式基本已经成为网络升级的方向。虚拟矩阵的数据中心主干网络中，更多地将从10G网络升级到40G/100G。IEEE803.3ba于2010年已经正式颁布采用40G/100G的网络技术标准，数据中心主干链路88%以上小于100m的距离，多模光纤OM3/OM4采用MTP与QSFP接口多通道并行传输的方式，基于其良好的性价比，被业界认为是数据中心主干链路应用的首选方案。
3 支持大数据网络物理层接口技术分析
当网络主干走向40G/100G的高速网络时，数据中心接入层设备与服务器网络接口从1000M走向10G是必然趋势。过去接入层的网络速率在1000M及以下，采用铜缆RJ45的接口模式在整体市场中处于主导地位。而当网络上升到10G时，将有多种接口模型可供选择，当前10G接口类型较多，技术要求的差异较大。从10G接口类型中，基于功耗、端口密度、支持距离等方面思考，笔者认为从长远来看CX4铜缆方案并不占有太大的优势。而其余四种类型，SFP+DAC的10G无源铜缆、SFP+AOC的10G有源光缆、SFP+10GBaseE-SR的光缆、RJ45 Base-T的铜缆的解决方案，各有优缺点，这里不详细阐述。各种10G接口技术都在进步，不同时期的优势点也有变化，至于何种技术在市场上能得到更多应用，仍需拭目以待。
4 传输介质的技术应用分析
数据中心跟传统大楼的布线不太一样，对于光纤来讲，其实已不单单满足于10M、40G、100G，标准IEEE802.3ba已经正式颁布，40G用到8芯光纤来传输数据，而100G则用到20芯的光纤。IEEE工作组的步伐也并没有就此停住，在完成了802.3ba后，正在做一个向下兼容的、从10G到100G的光纤标准。
数据中心的光纤应用，采用集中式和分布式的方法进行配线管理。在未来几年里，机构的调整和应用的调整可能需要将服务器从这个机柜搬到了另外一个机柜，有一种方法，就是集中式管理。在设计水平线路的时候，不再连到列头柜，而是把所有线路连到一个集中管理配线区，在这个区域通过跳线连接完成从MDA到HAD，从HAD到EDA，甚至从MDA直接跳到EDA，或EDA直接到EDA。所有这些工作都在集中地配线去完成，而不需要跑到下面搬服务器或者重新敷设线路，这样对于一些经常变更的应用来讲有更大的吸引力。目前对于10G以下的应用，可以采用适配器加上跳线方式完成线路之间的连接，未来要升级到40G/100G也很简单，把这个适配器换成MTP或者MPO面板就可以。
基于当前数据中心内主干网络主要由光纤作为传输介质的背景，TIA标准化组织已经在研发基于电阻100Ω，平衡双绞线铜缆支持40GBase-T的网络，草案标准已经发行，预计标准将于2014年正式实施，该标准将铜缆双绞线带宽扩展至2000MHz。将继续采用RJ45作为接口标准。定义铜缆级别为Cat.8，可以支持40GBase-T网络传输距离达到30m，基本满足数据中心40G链路55%的距离。铜缆支持40G的应用是对40G标准的一个重要补充，虽然距离比较短，在规模较大的数据中心主干内无法成为主流。但预期铜缆方案的成本优势将对大量规模较小的数据中心建设来说，是一种较显优势的方案，有助于促使数据中更快及更大范围推进40G网络的应用。
5 电子配线架的比较分析
目前，智能配线系统没有统一的国际标准，所以各公司产品的设计理念也不尽相同，从硬件角度来说大致可分为端口检测技术和链路检测技术两种，我们从性能上来做一个简单的分析。
端口检测技术是在端口内置了微型感应器，采用标准8芯跳线插入任一端端口即有感应，连接跳线需要按顺序建立连接关系。端口技术的特点是采用普通跳线，易于部署和维护，能够自动发现使用端口，因为使用标准跳线大大节省了维护成本。端口技术可以很方便地将普通非智能的配线架升级为智能的配线架，如果已经部署了普通配线架并已经在使用中，跳线已经插满，业务正在运行，即使如此也可以在线升级布线系统。
链路技术的特点是使用特殊跳线，可自动发现特有的跳线，允许跳线两端不按次序连接。
链路技术需要较多上层设备构建特有网络组，形成管理网络，来扫描电子配线架，从而建立数据库。如果要扩展，只增加电子配线架是不够的，必须增加多个层管理和扫描设备，用户必须对自己的网络和管理点数有效准确的评估，以配备足够多的设备。如果采用特殊跳线的链路方式，尽管可以实现一些功能，但需要许多复杂的上层设备扩展和扫描，不利于扩展和部署。
总体来说，两种技术都各有优缺点，这两种技术的共同点是采用带外的管理模式，不采用双绞线中1到8针对的传输介质，而是在端口或旁侧增加感应能力来判断跳线的位置。当然，智能布线也有其他技术，比如传输线路载波技术，还比如将链路技术改良融入一些端口技术的有点，相信智能布线技术在硬件上还会进一步发展。
[参考文献]
第10篇
关键词：“互联网+”；大数据；高校学生；党建
一、“互联网+”时代和大数据思维的基本概念
2015年的政府工作报告中提出：政府将制定“互联网+”行动。“互联网+”，不是简单的互联网相加传统行业，而是互联网与传统行业创新融合，指的是互联网借助于其信息透明化、低成本、深化分工和提升效率等功能特点，推动各行各业转型升级。“互联网+”时代将互联网与社会各领域建立有效连接，叠加云计算、物联网和大数据等信息技术，打破信息的不对称，将各个领域的数据信息、科学资源整合优化，并结合各自优势，实现融合发展，改变了人的工作、生活和思维方式。随着“互联网+”时代大数据技术的发展，我国教育数据不断丰富，现代教育信息技术不断发展，使得教育领域的大数据应用成为可能。
大数据是由多种数据类型组成，体量巨大，并以高速巨量的特点增加的具有潜在价值的信息资产。大数据时代的主要特点：一是数据量十分庞大，传统的计算机一般无法进行有效的深度处理，并呈几何指数增长。二是数据类型多种多样，除传统的数字、文字、符号等结构化数据外，音频、视频、图片、邮件、GPS数据及各种传感器产生的非结构化数据增长速度十分惊人。《大数据时代》作者维克托・迈尔-舍恩伯格认为：大数据是一种价值观、方法论，我们面临的大数据不是随机样本，而是全体数据；不是精确性，而是混杂性；不是因果关系，而是相关关系。从中可以得到启示，大数据时代需要树立全局性思维、个性化思维、相关性思维和智能化思维。
二、“互联网+”时代高校学生党建领域的大数据思维
（一）传统互联网与高校学生党建结合的缺点和不足
高校党建管理部门在传统的互联网与高校学生党建相结合曾做了一些尝试与努力，如建立党员信息管理库、建立红色阵地专题网站、开设党校培训学习园地等形式，在一段时期内一定程度上激发了学生的热情，但还有不少缺点和不足。传统的互联网与高校学生党建的简单结合存在功能单一，吸引力不足，宣传内容偏教条化，可读性不强等情况。近年来，虽有利用博客、微博、微信公众号与高校学生党建相结合的尝试，也存在用户持久关注不够，活跃度不够，互动交流少，传播力、影响力不足等现象，与传统的党建工作存在同质化趋向，出现内容与形式单调、功能单一等问题，没有充分考虑到大学生党员在价值实现、社交、情绪表达等方面的需求，亦没有考虑到大学生党员的多样化和个性化需求。
（二）“互联网+”时代大数据思维在高校学生党建领域的应用
“互联网+”时代，随着大数据技术和思维的不断发展，通过数据挖掘技术，人们可以获得与分析高校学生党建领域更多的数据，甚至是与之相关的所有数据，从而可以带来更全面的认识，可以及时发现高校学生党建领域所包含样本无法揭示的细节信息，相应的，思维方式也可由样本思维转向全局性思维。大数据时代，人们可以通过大数据技术挖掘出高校学生党建各子领域存在的相关关系，运用这些认知与洞见就可以帮助人们直观现在和预测未来，而建立在相关关系分析基础上的预测正是大数据的核心议题，思维方式应向个性化教育思维和相关性思维转变。大数据时代也将不断提升系统的社会计算能力和智能化水平，从而获得具有洞察力和新价值的东西，甚至类似于人类的“智慧”，这将推进思维方式由自然思维转向智能化思维。
1.高校学生党建须关注全体学生的全体数据，树立全局性思维
“互联网+”时代，高校学生党建须关注全体学生样本的全部数据信息，而不是一个学生的单一数据信息。在“互联网+”时代，采用大数据分析方法，了解学生最自然、最真实状态下相对准确的全部思想动态和行为走向将成为可能，高校学生党建工作者需要树立全局性思维。高校学生党建载体需要多元并进，建立多层次全方位的综合平台，在做好党员信息管理库、建立红色阵地专题网站、开设党校培训学习园地的同时，开通课程微信公众号平台、微博平台、QQ群、APP应用平台，利用互联网资源，尝试开发慕课教程，为学生提供多种选择，并允许多环节使用手机或便携式笔记本作为工具参与学习，跟踪了解全体学生的学习与思想动态，保留全体学生的相关平台数据，通过大数据技术对这些数据进行分析，发现相应问题，并进行改革和更新。大数据技术使得高校学生党建数据来源覆盖范围更加广泛，可以获取学生参与过程中所有数据，大数据发展到一定程度后，甚至复杂的非结构化数据如连学生在应用端访问的停留时间、鼠标或指头滑行轨迹、是否有效地学习规定内容等数据信息都将可能获得，数据覆盖面可以非常广，数据源更宽泛，数据层次更丰富，只要产生数据活动的记录都可被获取，并进行数据挖掘和分析，得出有效结果。
2.高校学生党建须关注的内容可从混杂的数据中提取潜在价值，树立个性化教育思维
“互联网+”时代，采用大数据技术获取大学生的所有数据时，会得到一些混杂的数据。但纷繁复杂的数据并非一无是处，而是有其潜在的可挖掘的价值。尤其是新时代大学生个性鲜明，想法各异，从混杂的数据中提取有潜在价值的信息，能更有针对性地开展好党建育人工作。因此，高校学生党建工作者应树立个性化教育思维。由于党建工作对象的个人经历、知识储备各异，为了使高校学生党建工作更具针对性，应该为党建工作对象提供个性化的“自助式”选择菜单。高校学生党建网站、微博、微信、QQ群、APP应用等新平台可根据工作对象的不同情况开设“自助式”菜单，学生可根据自身实际情况、优缺点、兴趣爱好等选择自己需要的内容。高校学生党建通过大数据挖掘技术和信息反馈，在资源推送时把学生的个性需求摆在首位，将内容有针对性地传递给每位学生，促进学生均衡发展。
3.高校学生党建的内容具有数据相关关系，须树立相关性思维和智能化思维
在“互联网+”和大数据时代，了解数据之间的相关关系可以促进我们更好地开展教育工作。学生思想动态出现大的变化不会是瞬间的，通过收集分析学生的所有数据我们可以预先捕捉到学生的相关信号，预测可能发生的事件，早发现、早化解、早处理。大数据时代提升智能化水平后，使得获得具有洞察力和新价值的东西更为容易，这就需要高校学生党建工作者将推进思维方式由注重因果关系转向相关性思维，由自然思维转向智能化思维。传统的高校学生党建模式主要是关注和分析学生的历史信息，数据少，时效性差。而在“互联网+”时代，借助大数据技术，高校学生党建可积极关注数据的相关性，实现数据之间实时互动，收集整理海量数据。大数据的真正价值在于将海量数据和全样本数据进行相关性分析，通过精准分析后能够更准确地将结果进行量化，从数据中获取价值，实现智能化结果，得到的结果也将更全面、更准确。高校学生党建领域通过把握数据相关关系实现智能化的分析、预测和判断在今后一段时间里将成为可能。
三、“互联网+”时代大数据思维在高校学生党建领域应用面临的主要问题
（一）高校学生党建参与者运用“互联网+”和大数据思维的观念淡薄
一些高校学生党建参与者对运用互联网和大数据技术开展党建工作的必要性和紧迫性认识不足，往往担心互联网和大数据等新形式的应用会给党建工作带来问题和不便，对运用网络和大数据技术开展党建工作持十分谨慎的态度。更有甚者，有些高校学生党建工作者对网络信息和模式等新形式采取回避态度，忽略了互联网和大数据技术对人们生活方式产生的重要影响。另一方面，目前高校学生党建领域信息化建设还停留“+互联网”模式上，“互联网+”平台的融合创新基本没有涉及，大数据技术的建设还未启动或者提及。传统管理模式还占主导地位，凭经验和感觉办事占比较高，高校学生党建参与者缺乏“互联网+”的融合应用意识和大数据思维，觉得大数据复杂，不注重数据采集和储存，不会数据分析和处理，也不愿意学习或者培养专门人才。
（二）高校学生党建参与者对“互联网+”和大数据思维的运用存在较大的难度
高校学生党建参与者虽然也使用了一些互联网形式，如建立专用的党建网站，但实际功能发挥不足，吸引力不强，在线平台或反馈平台通常处于休眠状态，信息化建设水平相对低下，更难提“互联网+”各领域各平台的大数据技术应用。高校学生党建使用大数据技术的统一平台尚难以创建，缺乏统一规范，各系统和平台之间的兼容存在问题，数据存储、挖掘和分析技术水平较低，大数据信息的内在关联隐蔽，有用数据的挖掘存在困难，大数据建设发展受限。另一方面，高校学生党建领域缺乏专业从事大数据分析专门人才，数据信息使用、收集、存储没有统一标准，影响大数据技术的精准性；面对海量信息资源，缺乏有效筛选、挖掘、分析和处理的能力。
（三）高校学生党建参与部门各自为战，数据信息共享存在壁垒
在“互联网+”时代，高校学生党建的数据和信息需要通过云计算、大数据技术在云端进行充分融合，但因与高校学生党建存在密切关联的部门多，信息分布广，数据信息共享尚存在壁垒，更难提云端共享。党建工作过程中产生的大量数据，各领域各部门应用平台不一，数据信息存储和管理模式不一，数据规模不等，格式各异，对数据采集的重视程度不一，没有共享平台，各部门各自为战，难以实现互联互通，数据共享难度大。再加上受目前的体制机制影响，各领域各部门之间的信息壁垒难以根除，相互之间非但存在数据共享的困难，甚至还互相抵触，造成数据质和量的不均衡，严重制约高校学生党建领域大数据技术的发展。
（四）高校学生党建网络信息泄密隐患大，安全防范力量不强
目前，高校虽然在信息技术和管理上得到了一定的加强，但在信息安全领域还存在极大的安全挑战。因缺乏信息安全专业技术人才，再加上信息安全核心技术受制于人，通常依赖外界厂商提供，给信息安全埋下隐患。同时，现阶段亦缺乏有针对性的信息安全保护制度，比如党建工作云端信息和各领域各部门信息归属谁管辖，谁有权限收集和使用大数据，大数据销毁的时限和准则，大数据信息的转让和共享范围等没有清晰和明确的规范制度和法律。如近几年社会上频频出现因信息泄露造成的电信诈骗问题，尚难以处理和解决。
四、“互联网+”时代大数据思维在高校学生党建领域应用的对策与建议
（一）加强高校学生党建育人模式改革，做好“互联网+”时代基于大数据思维的高校学生党建模式顶层设计
“互联网+”时代基于大数据思维的高校学生党建模式创新重在数据化上，量化一切信息是数据化的核心，包括文字、方位、社交信息等的数据化，提高大数据意识，主动学习新媒体和大数据思维。以苏州大学为例，可以建立以党委组织部、党校和党委办公室作为联合牵头单位，从战略上将“互联网+”与大数据思维纳入高校学生党建工作，总体谋划，整体推进。同时，学校党建育人相关单位将作为支撑单位，研究和部署大数据的数据化管理机制，各学院（部）及辅导员具体落实的一套运行机制。让“互联网+”时代大数据决策成为一种新的决策方式，依据大数据进行决策，让数据主导决策。大数据时代的高校学生党建需要各部门、各组织、党建工作队伍之间相互协同才能完成，在树立数据意识的基础上做出科学决策。通过顶层设计，建立通用标准，明确职责划分，打破部门限制，使得“互联网+”时代基于大数据思维的高校学生党建能以科学、高效的模式运行。
（二）加强“互联网+”和大数据领域专业技术人才培养，提高大数据思维素养
大数据建设的每个环节都需要依靠专业人员完成，高校学生党建需要加紧制定大数据相关人才培养计划和方案，把培养数据骨干力量作为重中之重建设来抓，努力培养和造就一支懂管理的大数据建设专业队伍。数据是“互联网+”时代高校学生党建工作创新的基础，高校内部要进行数据资源整合，搭建校级大数据基础平台。高校也要积极走出校外，寻求与相关教育部门和网络媒体合作，获取数据充实到大数据库中。同时，高校学生党建育人也要顺应“互联网+”时代的发展需要，充分利用内部资源，拓宽人才培养渠道，培养一批具有较强数据抓取、数据筛选、数据分析、数据综合等能力的党建工作队伍，打造一支复合型的专业化团队。
（三）着手建立数据共享平台，整合“互联网+”时代高校学生党建数据资源
“互联网+”和大数据技术是高校学生党建未来的发展方向，需要整合发展过程中的分散资源，建立统一应用平台和应用系统，在各专用数据库建设的基础上，实现各级各类信息系统的数据交换和数据共享。在建设过程中，建立信息共享交换机制，打破部门壁垒，统一高校学生党建相关的数据标准和数据格式，消除部门间的信息“孤岛”，提升各领域各部门的数据整合能力。将可以公开的数据统一共享到专用云平台，避免数据割据，做到数据互通，使得各领域各部门的数据在统一的云平台内交换畅通。
（四）加强信息安全管理，增强高校学生党建信息的风险防御能力
大数据技术在高校学生党建领域的应用是一把双刃剑，管理不善可能带来不良后果。高校学生党建参与者在实施大数据技术过程中一定要树立安全观念，制定安全规范规章制度，防止数据泄露，明确大数据使用渠道和范围，提高网络安全防范能力，保障“互联网+”时代大数据思维在高校学生党建领域应用的有序发展。“互联网+”时代在数据收集时亦可能会侵犯学生的隐私权，这就对数据使用者提出了更高的要求，在数据使用时需要保障学生的合法权益。高校学生党建管理部门也要提高风险预判能力，通过大数据技术来加强应用平台的风险防控水平，建立风险控制机制，严格监管，维护信息安全。另外，大数据也可能没有那么可靠，数据的质量可能很差，数据分析可能存在错误或者具有误导性，需要制定详细、缜密的数据质量管理制度。
参考文献：
[1]陈丽珊.“互联网+大数据”与创新营销[J].通信企业管理，2015，06：18-19.
[2]俞立平.大数据与大数据经济学[J].中国软科学，2013，07：177-183.
[3]张岩.“互联网+教育”理念及模式探析[J].中国高教研究，2016，02：70-73.
作者简介：
第11篇
关键词：大数据；英语教学；基础英语；特征优势；优化策略
引言：
信息科技的不断进步引领了大数据时代的到来，大数据技术以超高速计算、海量数据存储以及移动互联网技术等为依托，席卷了全球，带来了生产、科技、教育和生活等方方面面的革新。在教育领域，迄今为止，大多数院校仍采用以工业化批量输出为特点的传统教育模式，在强调个性化的今天，荼毒着学生们的个性化发展，亟待创新，大数据技术的海量数据分析技术为教育的革新提供了可能，在英语教学方面，将大数据技术与高校的公共英语网络课程教学进行有效结合，主张因材施教是未来教育的一大发展趋势，对其接触并深入探讨有利于增加实践经验，以不断完善其进程。
一、大数据时代特征
以2013年为界，大数据思维成为我们解决问题的又一新思路，海量数据分析处理技术是大数据时代的主要特征，依托以海量数据存储为特点的云技术，使得我们在分析问题时能够摆脱抽样分析法，而能够通过对所有存储着的真实数据的分析，得到一些更加有意义的信息。大数据时代的特征主要包括五点，简称5V，分别是存储海量----Volume，运算高速----Velocicy，类型多样----Variety，数据真实----Veracity以及分析有价值----Value。大数据分析技术的广泛应用给各行各业带来了前所未有的革新，不断地改变着人们的生活和工作方式。现在，在社会的各行各业，每天都会产生海量的数据，特别是移动互联网的普及，将每个人类个体与互联网联系在一起，通过互联网数据的跟踪和分析，能够了解每个人的生活、学习方式以及性格等等。特别是在教育领域，慕课、视频课程的出现改变了W生们的学习方式，使得学生们能够根据自己的个人意愿去发展自己的个性化教育，不再受制于地域、时间以及资源有限性等，并且以大数据分析技术为工具，能够掌握学生们的学习情况，从而给予教育工作者更多有价值的反馈，以提高教育质量。
二、大数据技术与高校公共英语网络课程教学结合的优势
在大数据时代的技术背景下，将大数据技术与高校的公共英语网络课程教学进行巧妙融合是提高学成果的一大有效手段。高校的公共英语教学属于基础型科目，面向的是全体同学，以大班教学为主，即使是网络课程的多样性，也无法实现每个同学的个性化教育，从很大程度上限制了个体的发展，而大数据分析技术的引入则很好地解决了这一问题，通过对海量数据的分析，能够得到一些对教育有价值的信息，从而能够有效指导教育的下一步进展。
大数据技术与高校公共英语网络课程教学结合的优势主要表现在三方面，一是学生个体，二是教师教学，三则是网络教学平台建设。学生是该项目的直接受益人，通过建立英语网络教学平台，在该平台上一系列相关的教学资源，能够使得学生随时随地进行学习，完美地突破了时间和空间的限制，学生可以在英语网络教学平台上通过观看教学视频的方式习得所需知识，还可根据自己的知识理解能力和时间安排自行安排学习进度和视频回放，极大地增加了教育的普及度，学生们还可以通过在线互动的方式来和老师同学交流，有效地解决了答疑的问题，另外，学生们的在线学习记录均会被记录存储在数据库中，教学视频的者和教学平台的管理者均可以通过对单个学生学习轨迹数据的分析处理，掌握该学生的学习习惯和学习思维，从而方便高校制定针对个性化的教学方案。该项目的实施有利于提升教师们的教学能力，网络在线课程的数据收集，通过大数据技术的处理能够很容易地指导某个知识点同学们的理解程度，例如对于某一部分教学视频，学生们的浏览量数据明显很高，或是对于某一知识点的测验题，学生答错的概率明显高，这就说明该知识点是学生们的难点，下一定的教学资料准备就要进一步解决这一知识点；数据的关联性分析是大数据处理技术的又一大能力，它能够通过对众多看似毫无关联的数据进行分析处理，运用高效的数据分析技术取得一些关联信息，来指导教师们的教育教学活动进展。大数据技术还能够指导英语网络教学平台的建设，教学平台建设之初，因为缺乏实际经验，一定会存在很多不足之处，完善其建设的措施除了调查问卷等这些被动式的方式之外，还可以主动进行浏览量、学习时间分布、学习停留时间，知识点视频点击率等数据分析，以合理规划教学内容、资源上传时间、资源关联内容等，来完善英语网络教学平台的建设。
三、大数据与高校公共英语网络课程教学结合的优化策略
鉴于大数据分析技术对教育教学的显著优势，将大数据分析技术与高校的公共英语网络课程教学结合起来是教学模式改革的一个好思路。但是在大多数院校的实际施行中，由于经验欠缺，使得这一项目成效虽有提升，然却差强人意。分析其症结，主要是在改革方式、教师培训以及教学管理上存在问题，要完善该项目，必须合理选择英语教学模式、加强教师队伍的建设和加强教学管理，下面具体展开论述。
1、合理选择英语教学模式
新时代英语教学模式主要分为三种，一是反转课堂，二是微创新课堂与小微课，三是慕课。每种模式均对应着不同的教学方法，反转课堂是将传统的授课模式完全反转，即知识点内容学习由学生课下在教学平台上完成，课堂不再用于知识点的讲授，而作为小组讨论和知识点答疑的场所，这种教学模式完全颠覆了传统的填鸭式授课模式，主张以学生为主体，充分发挥学生们学习的主观能动性，在英语教学中，还能提高学生们的口语交际能力，是一种高效的英语教学方式，适合校园网建设完善、硬件设备齐全的绝大部分高校，但是对学生们的自主学习能力要求较高。微创新课堂是介于反转课堂模式和传统教学模式之间的教学方法，它综合两种教学模式的优点，未完全摒弃传统课堂讲授知识点的教学模式，而是将课堂的课时分为了两部分，一般是以6：4的比例将课堂分为讲授和互动环节，并且还包括教学平台上的小微课，这种教学方式适用于个性化教学，规避了学生们不同自学能力的差异。慕课是大规模上课程的简称，是一种完全的网络在线教学模式，教师们将教学视频、教学课件、测验题、课程作业等完全到教学平台上，并设置作业提交期限、成绩提交期限以及课程截止日期，由学生们自主安排时间，这种教学模式脱离了实体的课堂，完全突破了空间的限制，适合于通识教育教学。三种教学模式各有优缺点，各大高校要依据自己学校教师、学生以及学校设施的齐全程度，因地制宜，合理选择教学改革的模式，切忌盲目跟风、不顾实际。
2、加强教师队伍建设
教师是教学活动的支持者，决定着教学活动的进程和质量，教学改革的实施与教师的能力密切相关，新时代教学模式的改革要求教师有着相当熟练的信息技术操作能力以及与时俱进的知识信息更新能力，因此对各大高校来说，积极引进新一代优秀教学人才以及加强对老教师的教学能力培训显得十分重要。积极引进人才，更换新鲜血液，加强能力培训是提升教师队伍整体专业素质的主要手段，只有建立高质量的教师队伍，才能保证教学改革的不断创新以及新思路的提出。
3、加强教学管理
教学管理工作是完善教学质量的重要保障，加强教学管理工作主要从以下几个方面展开。一是要基于经验总结和大数据分析为教师们的教学安排提供建议和指导，例如要能够依据网络大数据分析技术合理划分学生们的英语能力等级，并根据不同的等级区间实行分级教学；要能蛞谰荽笫据分析技术得出最高效的视频授课时长，并根据学生们的不同等级设置视频倍速调节按钮；要能够基于大数据处理技术给授课教师提出具体建议，以提高学生们的学习兴趣和自学能力，以发展学生们的个性化学习。二是针对新的教学模式，首先实行教学试点，然后根据教学成果验收不断改进该模式，直到形成比较完善的体系，再进行全校范围推广。三是加强对教师的监督，合理量化教学劳动成果，保证新型网络教学模式能够有效实施。
结语：
高校公共英语的网络课程教学是一种新的教学模式，它依托于网络技术的普及，而大数据时代的到来，则为海量网络数据的处理分析提供了可能，由此能够为依托数据的教学活动提供关联性分析，以此指导高校的英语教学，从而能够为学生制定个性化学习方案、提升教师的教学能力以及完善网络教学平台的建设。但是，目前大多数高校的英语教学网络课程建设在教学方式的选择、教师队伍的建设以及教学管理上还存在着一些问题需要解决。但无论怎样，大数据与高校公共英语网络课程教学的有效融合是大势所趋，因此各高校仍要积极探索，不断完善教育的革新。
参考文献：
[1]张燕南.大数据时代思维方式对教育的启示[J].教育发展研究，2013，45（21）：14-15
[2]宓秀梅.大数据时代的英语教学及教师角色定位研究[J].中国信息技术教育，2015，66（18）：71―72.
[3]杨永林. 从“慕课”到“小微课”：看大数据在教学中的应用[J].现代教育技术，2014，24（12）：45-46
第12篇
关键词: Python;智能化运维;程序语言;
在大数据时代背景之下，信息化系统的运维需求发生了很大的变化，人力资源已经没有办法满足越来越多的服务器数量以及越来越复杂的网络环境，因此，其必须要适用自动化即智能化的运维方式来替代传统的人工运维方式，以此来提升运维的效率与质量。
1 关于Python的简要介绍
1.1 什么是Python
Python是当前世界上应用范围非常广泛的一种程序语言，Python最开始出现于上个世纪的九十年代，其主要被应用在处理系统管理任务以及Web当中。近些年，Python的使用频率呈现出逐年递增的良好发展趋势，未来Python在相关领域的影响力也将越来越大。Python凭借自身的特色与优势被应用到诸多行业以及领域当中，特别是在企业信息系自动化运维方面发挥着至关重要的作用。
1.2 Python的优缺点
1.2.1 Python的优点
关于Python的优点，其主要体现在三大方面：
(1)Python拥有着非常强的可拓展性，而且运行速度非常之快。诸如在实际操作过程中，运维人员可以适用C或者C++来编写代码，由此这一部分代码便可以实现更快的运行速度或者隐藏算法。
(2)Python这一程序语言学习难度并不算大，而且相对其他程序语言要简便很多。从Python的说明文档便可以看出，它的学习和适用非常简单，运维人员只需要按照说明的内容来进行操作和管理，便可以有效完成相关运维管理工作。
(3)Python的库很多，而且功能性也比较强。Python程序当中有着海量的标准库，运维人员只需要按照标准库的内容来进行操作便可以在很大程度上满足系统运维的基础要求，其中使用频率比较高的库有数据库、密码系统、电子邮件等等，有了这些库的辅助，运维人员的工作效率可以得到很大提升。
1.2.2 Python的缺点
目前Python这一程序语言存在着一个比较显着的缺点，集中在命令行和单行语句的输出问题上面，这一问题导致的结果就是运维人员在编写代码时不能让编写代码练成一行，这就在一定程度上增加了运维人员的编程难度。
1.3 目前Python的应用领域
1.3.1 Web
在Web的开发当中，Python有着至关重要的应用价值。虽然Python目前还不能算是Web的主流语言，但是Python在Web开发领域的价值却有着显着提升，有了Python的助力，Web开发人员可以更具针对性地进行Web程序的开发和管理，而且在Python的应用过程中，Web开发框架也变得更加成熟。其中，基于Python基础建立的Python+Django架构，在实际应用中便呈现出理想的应用效果，应用范围得到了很大拓展，对搭建可用的WEB服务提供了很大帮助。
1.3.2 网络编程
就目前而言，Python对于完善各种网络协议有着很大的支持与帮助作用，现在的服务器软件编写以及网络爬虫等都充分应用到了Python,Python为其提供了非常重要的模块支持ocket编程。
1.3.3 运维自动化
当前，运维工程师最钟爱的编程语言便是Python,Python在运维自动化中有着非常强大的影响力，Python已经成为诸多操作系统当中的必要系统苏建，比如NetBSD、OpenBSD、Linux发行版等都集成使用了Python，运维人员均可以在终端下直接运行Python。除此之外，Python标准库中包含的各种库也是增强其在运维自动化中应用效果的一大助力，Python包含着非常多可用来调节操作系统功能的库，比如，我们可以使用IronPython来对.Net Framework直接调用，也可以通过pywin32软件包来访问Windows的COM服务以及其他Windows AP。
1.3.4 人工智能领域
无论是现在还是未来，人工智能将会是非常重要的一个研究领域，人工智能领域对Python的应用程度也在逐步提升，在人工智能领域当中的机器学习、神经网络、深度学习当中都会看到Python的身影，Python是其中的主流编程语言。
1.3.5 网络爬虫
网络爬虫是现今大数据领域获取数据的一大核心工具，正是有了网络爬虫不间断的自动爬取数据的行为，与大数据相关的公司才可以获取如此海量的数据资源和信息内容。Python程序语言来编写爬虫已经有很长一段时间了，其从一开始被应用到现在，Python早已经成为网络爬虫的一大主流语言。目前，诸如urllib、Selenium和BeautifulSoup都是比较常用的网络爬虫编写工具，而且目前有着广泛应用的网络爬虫框架Scrapy也是建立在Python程序语言基础之上的。
1.3.6 游戏开发
纵观目前市面上比较流行的游戏类型，其中有很大一部分游戏都选用的是Python来进行游戏逻辑的编写，Python和其他程序语言相比，优势主要集中体现在其可以更好地满足多元数据类型的需求并给予多元特性更好的支持。
2 Python在国内外市场中的广泛应用
2.1 Python在国内的应用情况
2.1.1 豆瓣
大众对豆瓣的熟悉程度是非常高的，豆瓣网成功集电影、读书、音乐于一身，在现代人的工作和生活中发挥着至关重要的作用，其已经逐步发展成为现代人不可或缺的一个重要工具。Python在豆瓣中的应用是其一开始就是使用Python作为Web开发的基础语言，豆瓣网所涵盖的几乎全部业务都是通过Python实现的。
2.1.2 知乎
知乎，众所周知，其是国内最大的问答社区，是现代人了解和收集专业知识和信息最常使用的一个社区平台，Python在知乎中的应用是：知乎的整个架构都是基于Python开发的。
2.1.3 百度
如果说阿里巴巴主要是用Java语言，京东主要是用Linux和Objective-C，华为主要是用C、Unix或Linux，那么百度主要使用的就是Python和PHP。
2.1.4 春雨医生
春雨医生，即国内知名在线医疗网站，春雨医生便是用Python开发实现的。
2.2 Python在国外的应用情况
2.2.1 谷歌（Google)
全球最大的搜索引擎公司谷歌，在Google App Engine、code.google.com、Google eaty、谷歌爬虫、Google广告等项目的开发中都大量的使用到了Python。
2.2.2 Facebook
Facebook中大量的基础库都是通过Python来完成的。
2.2.3 YouTube
世界上最大的视频网站YouTube就是用Python开发而成。
2.2.4 CIA
美国中情局，美国中情局网站就是用Python开发而成。
2.2.5 NASA
美国航天局，自1997年，NASA就大量使用Python进行各种复杂的数据分析和运算。
3 Python在智能化运维中的运用——以企业信息自动化运维为例
在传统信息化运维系统当中，最核心的组成部分主要包括系统运行监控、呼叫中心、运维团队等等，在过去这些核心组成部分是可以有效地完成信息系统的监控与维护需求的，可是在科学技术飞速创新与升级的影响之下，信息量的增长形成了井喷之势，呈几何倍数的增加，企业每天都在成倍增长任务量，如果继续运用传统的信息化运维系统，其不仅仅会徒增运维人员的工作压力，而且企业信息系统的稳定性与安全性也会受到影响，传统的信息化运维系统已经不能在很好地满足信息系统现代化的发展需求，所以，企业必须要想办法降低运维成本，提高运维效率，而最本质也是最根源、最有效的方式就是创新和升级信息自动化运维模式，将Python应用到企业信息自动化运维当中是必然趋势。下面是关于企业信息自动化运维中Python的具体应用情况分析。
3.1 Python在企业信息自动化运维系统安全保护中的应用
在一个企业发展过程中，信息的安全性是至关重要的要素，如果企业的信息被泄露，那么对于企业而言，其所遭受的影响将会是致命性和灾难性的。因此，柒亿贰必须要注重信息安全保护，要让信息得到更强有力的保护。通常企业的信息安全主要包括三个部分，分别是系统安全、人员安全以及设备安全，而Python在企业信息安全中的应用主要集中在系统安全这一部分当中，将Python和企业第三方安全软件结合在一起进行使用，共同完成系统的病毒扫描以及端口安全扫描等等，进而为系统的安全提供更全方位的保证。而在人员安全以及设备安全当中，其主要是借助自动化监控系统来完成好安全保护任务，随时监控人员以及设备的情况，一旦发现问题便可以在第一时间受到警报，运维人员也可以及时采取维护措施。
3.2 Python在数据报表中的应用
在以网络信息技术为代表的科学技术的飞速发展之下，信息量呈现出了非常迅猛的增长态势，企业也因为面临着越来越强的信息运维工作难度。就目前Python在企业信息自动化运维工作中的实际应用情况来看，Python实现可对数据信息的快速整理与分析，并且在很大程度上提升了运维工作的效率和质量。举例说明：Python程序提供的RRDtool数据表以及Excel表格可以对企业信息自动化运维工作中产生的运行数据、报警数据和监控数据等进行快速的分析和整理，而且应用效果也呈现出比较理想的结果。
4 Python在数据信息提取中的应用
众所周知，大数据时代的来临让大数据成为了社会发展的重要标签，企业在运营过程中每时每刻都需要进行数据的收集和分析，企业当前最需要完成的任务之一便是实现对企业有益数据信息的快速提取，如果企业能够在更短的时间内收集到对企业有益的数据信息，那么便能够更快地对这些数据信息进行加工和利用，企业便可以争取到更多的发展优势和更加正确的参考依据。目前，在企业数据信息提取工作当中，Python的应用主要体现在：诸多企业在提出数据信息时会应用到Hadoop平台，其中会使用到MapReduce作为计算模型，而Python的作用便是编程，其与Hadoop、MapReduce建立起了配合关系，为企业提取数据信息提供了更加便利的条件。
5 Python在自动化运维中的应用
市场经济的快速发展，企业之间竞争愈演愈烈，企业要想保证自己的市场地位，提升自身的核心竞争力，就必须要持续拓展业务范围，增加业务量，全面提高自身的经济效益。企业在拓展业务的过程中会使用到越来越多的信息数据量，而且业务信息结构也会变得越来越多元化和复杂化，其已经不能再单独依靠人力或者设备的投入来巩固和维护自身的发展，而是要想尽一切办法来加快自身信息系统自动化的运维发展速度，及时发现和修复信息系统存在的问题。Python在自动化运维中最显着的应用价值集中在Python丰富的库上面，有了Python库的加持和辅助，企业信息自动化运维模式实现了更加安全和高效的应用，与此同时，也在很大程度上提高了运维人员的工作质量和效率，减轻了运维人员的工作压力。
6 结束语
综上所述，Python在当今社会中拥有着非常广泛的应用领域，而且伴随着Python的不断创新与成熟，其在相关领域中的地位和价值还会得到进一步的提升。在智能化运维当中，当前社会上各类企业对Python的依赖性越来越强，Python更是在其中发挥着不可替代的重要作用，未来企业发展需要Python的支持与帮助。
参考文献
[1]杨迎，李慧颖Python在网络运维中的应用[J]现代信息科技,2020,004(004):P.122-124.
[2]覃进学基于AloT+AIOps的数据中心智能化运维实现探讨[J]数字通信世界,2020,No. 182(02):115-115.
第13篇
关键词:MOOC;大数据;高等教育;教学模式
在大型开放网络课程之风的推动下，美国陆续出现了多种大规模开放网络课程学习平台，如美国三大在线课程提供商Coursera、Udacity和edX的兴起，为全球范围内的学习者们提供了世界著名高校的优质课程资源，引起了教育、科技、商业等领域的关注，推动了全球开放教育运动的新发展，被认为是2012年教育领域的标志性事件。Coursera、Udacity及edX被誉为MOOC领域的“三驾马车”。对于大数据这一概念，目前还没有公认的定义，其中比较有代表性的是3V定义，即认为大数据的构成需要满足三方面的特点:规模性(Volume)、多样性(Variety)、高速性(Velocity)。大数据的出现，颠覆了传统的数据管理模式，使对数据的处理从数据库(Database，DB)转变到大数据(BigData，BD)，从而使数据规模、数据类型及数据处理工具更加多样化，强调将数据作为一种资源，运用数据处理工具进行分析后，得出数据潜在意义及价值。MOOC与传统远程教育相比，更加具有大数据时代的特征。首先，多样性主要针对学习群体中学习者个体而言，每门课程面向成千上万不同地区、不同背景的学习者，每个学习者已有的学习能力、知识水平各不相同。MOOC平台恰恰能够包容海量学习者的个体差异，实现学习者自主适应的主动式学习。其次，高速性体现在MOOC教学模式的互动性与实时性。围绕课程视频和在线作业所开展的实时互动对MOOC学习至关重要，面对学习者产生的各种疑问，教师可以依赖网络互动模式解惑答疑，同时教师发现在知识教授过程中所存在的问题，有利于实现互助式学习。学习者在平台上的所有学习行为数据，也将实时地以网页点击浏览的方式被记录下来，如学习者从注册到所添加的各知识点的学习周期及耗时长短、课堂互动交流的内容和次数、作业完成情况及知识掌握程度等等，为以后进一步分析学习者学习兴趣、课程选择提供依据。再次，规模性更多地体现了数据规模之大，数以万计学习者的实时学习数据都被MOOC平台及时记录、分析和评价，帮助教师了解学习者当前所掌握的知识概念、课程学习轨迹和学习兴趣等特征，通过评价学习的整体效果和存在的问题，进而改进教学方法、教学设计。
MOOC教学模式分为基于关联主义学习理论的cMOOC和基于行为主义学习理论的xMOOC这两种模式，其在课程模式上各有不同的侧重点。cMOOC的课程模式强调教师不应是课程的主导，而是课程发起人和协作者，学习者拥有更多的自主性。教师提供资源作为知识研究的出发点，学习者需要在课前了解课程内容，储备必要的基础知识，课堂上参与大量的讨论，与其他学习者共享资源并从中提取知识，课下同样可以方便地利用多媒体社交工具自发交流，从而完善知识体系。此种模式侧重于学习者自主地进行知识构建与创造，强调知识资源共享与交互式学习。cMOOC与传统教学模式有着较大区别，对学习者有较高的要求，学习的最终结果很大程度上依赖学习者的自我调控能力。而xMOOC教学模式，更接近于传统教学过程与理念，其更侧重于系统知识的复制和传播，通常采用在线视频、随堂测试和课后作业等方式高效地进行教学，其最大特点在于关注学习者的学习兴趣，有利于保护学习者的求知欲望，课程传授的知识均围绕学习者的学习动机及兴趣特点设计教学活动。因此，xMOOC也是目前Coursera、Udacity和edX等平台普遍采用的课程模式。作为迅猛发展的新事物，MOOC同样也有其自身的优点及缺点。MOOC的优点主要有以下几点:第一，学生的选择更加多元化，且没有选择成本;第二，终身学习，兴趣学习;第三，老师获得的反馈更多，竞争更强;第四，注重理解与思考，而不是记忆。其缺点也有如下几点:网络问题对课程的学习限制大;语言问题;传统授课中的许多环节是MOOC教学所不具备的;MOOC的质量监控与结果认证尚没有达成一致。基于前文为MOOC的教学模式及其优缺点分析，作者设计了“MOOC—课堂”相结合的翻转课堂模式。这种课堂模式的优点在于:把知识传授放在课外，使学生能够选择更适合自己的方式接受新知识，赋予学生更多自由;把知识内化的过程放在教室内，便于同学之间，同学和老师之间更多的沟通和交流。一定程度上弥补了MOOC与传统教学两种教学模式的缺点与不足之处，或能取得双赢的结果。接下来我们便以实际案例来分析一下“MOOC—课堂”教学模式的优势所在。浙江省在2013年“高校课堂教学改革”项目的支持下已经开展了一年该教学模式的研究和实践。
在实践过程中，我们设置了一个试点班和一个对照班:其中试点班选择了包装工程，全班50人;对照班为化工工程，全班64人。两个班级均属12级的工科专业，高考入校平均分相当，两个班级从人数来看均属中等班，课程均采用了相同大纲、相同课时、同样要求的公共数学科目之一《线性代数》，两班都由相同的教师来执教。其中试点班按照“MOOC—课堂”模式进行教学，而对照班则按照传统的课堂教学模式进行教学。经过一学期的学习，从期末考试卷面成绩可以反映出一下教学效果:1．“MOOC—课堂”的翻转课堂模式对于提高学习成绩的效果是非常明显的;2．这种教学模式对于处于中间阶段的学生学习有相当大的促进作用。此外，通过对试点班的无记名问卷调查发现:73.9%学生认为该上课模式提高了自己的自学能力;72%学生认为提升了自己的表达能力;50%学生认为提高了自己的语言表达能力和小组协作能力。在教育思想方面，“以学习者为中心”，使“学”与“教”的关系重构，鼓励学习者自主调控自己的学习行为，并且学习者与教师之间通过各种平台进行互动式学习，对传统的“以教师为中心”的教学理念产生了很大冲击，但同时也为传统教学模式的变革提供了借鉴。在教育方式方面，MOOC教师讲授风格多样，授课氛围轻松愉快，突出师生平等地位。在课程视频中还有设计与学习者之间的互动。反对“灌输式”的教学方法。在教学管理方面，MOOC的教育对象在数量和规模上都是巨大的，它的教育管理是“自上而下”和“自下而上”相结合的模式。在强调大众化的同时突出个性。同时，MOOC改变了课内和课外的关系，可以帮助我们实现翻转课堂的教学模式。在教学评价方面，MOOC教学所产生的大量数据为教学法的定量研究提供了新的机遇。我们可以利用大数据的处理工具进行分析与评价，从而为检测新的教学方法、教学设计和教学评估提供更可靠的信息支撑。在教学内容方面，传统的高等教育体系中，教学内容主要以教材为中心，而很多教材的更新往往是滞后的。同时，在通识教育的时代，对于那些偏理工或者偏文科的院校来说，学校的课程设置可能不能满足学生的需求。MOOC将大量丰富优秀的课程资源搬到网络平台上来，变革了传统的教学内容。MOOC对我国高等教育领域已经产生了巨大的影响，但是作者相信，MOOC不会终结传统大学，相反，若是能合理利用MOOC资源，根据每门课程自身特点设计出更为先进的教学模式，反而能够提高大学的教学质量，使学生能够得到更好的教学资源并最终取得更好的教学效果。
参考文献:
［1］樊文强．给予关联主义的大规模网络开放课程(MOOC)及其学习支持［J］．远程教育杂志，2012，(3):31—36．
［2］王文礼．MOOC的发展及其对高等教育的影响［J］．江苏高教，2013，(2)．
［3］魏麒，方国娟，涂黎晖，王聚丰．MOOC平台和课堂相结合的教学模式探索［J］，中国教育信息化，2014，(3)．
第14篇
[关键词]大数据；高三物理；复习课
当前，大数据技术伴随国家信息技术的发展而越发成熟，被人们广泛运用于各个领域中，同时被各个学科教师应用于日常教学中，并取得一定成效。大数据的运用能够将信息进行整合和归纳，进而得到更加精准的信息和数据。目前伴随大数据应用技术越发成熟，教育行业将其进行有机结合并应用于教学中，为教师和学生提供很多便捷条件，已然成为辅助教师进行有效教学的重要途径。根据教材中的内容以及学生的掌握情况进行分析，能够有效判断出学生的学习状况，通过大数据还可以快速判断出学生的作业情况，将学生易错题型进行整理，教师在此基础上有针对性的展开物理复习教学工作，能够提升高中物理复习课程的效率。因此，高中物理教师需要重视将大数据技术合理进行利用，对学生的学习知识的掌握情况以及作业情况进行分析，为学生提升物理高考成绩提供有效保障。
一、利用大数据技术进行高中物理复习教学的特点
大数据技术就是指在信息技术发展下衍生的新型技术，用来采集数据，大量数据和信息进行处理，归纳出一些有效数据，最后将这些信息和数据储存起来[1]。在新时代背景下开展教育教学活动，应该将大数据技术合理应用于日常教学中，辅助教师进行更加有效的进行教学。在高三物理复习阶段应用大数据技术能够促进教师提升教学质量和教学效率，将学生的学习状况进行统计和分析，有助于教师根据学生对物理知识的薄弱点进行有针对性的实施复习，同时还能帮助教师进一步掌握各个学生的优缺点以及学生之间的个体差异，进而促进实现学生的个性化发展，有效帮助每一名学生在自身原有物理知识水平上有所收获，进而储备丰富的物理知识以应对高考。在传统教学中，通常认为学生学习成绩相同，掌握的知识以及学习能力就相同，但是通过运用大数据技术进行分析和比对，就会了解即使学生的学习成绩相同，但是掌握的知识以及学习能力也有一定差异。因此，教师应该重视利用大数据技术的优势和作用，在课堂上积极运用大数据技术对学生的学习情况进一步分析，帮助教师掌握学生的学习情况以及学生之间的差异，进而提升高三物理复习教学的效率。在高三物理复习课上运用大数据技术能够帮助学生巩固复杂以及没有掌握的物理知识，保证高三物理复习课堂的高效性。
二、现阶段高三物理复习可存在的问题
高三阶段对于高中生来说是至关重要的时期，迫于高考和繁重学习任务的压力，高三学生往往拥有过重的心理负担[2]。此外，高中物理学科中包含很多复杂且难以理解的知识点，为学生的学习带来很大难度。一直以来，学校和教师都非常关注高三学生的复习教学成效，但是在实际实施复习教学中仍然存在一些问题有待解决，使得高三物理复习课程效率和质量无法得到很好的提升[3]。首先，由于高三复习课的内容都是已经学习过，在实施复习教学过程中教师通常为了帮助学生掌握知识而循环重现一些极为复杂的知识点，并大量做一些相关题型，长此以往，学生因为缺少新鲜感而感到复习课程十分枯燥。其次，教师实施高三物理复习教学过程中通常运用单一的教学形式，不重视对物理复习教学方式的创新，有的教师往往在复习过程中只是为学生留大量作业让学生完成，然后在进行讲解，为高三学生增加很多作业压力。再次，很多物理教师在高三复习教学中通常从高一的课程开始重复讲解，没有深入了解学生的实际学习情况，复习效率得不到较好地提升。最后，有很多高中物理教师在高三复习阶段没有实施分层教学，所有学生都按照整齐划一的方式进行重复性的做题，没有根据学生的掌握情况进行有针对性的查漏补缺，高三物理复习课的质量往往达不到预期效果。
三、在高三复习教学中运用大数据技术的重要意义
在高中物理复习教学中还存在一些问题有待解决，而大数据的运用能够帮助教师有效开展物理复习教学，且具有一定意义[4]。
（一）为教师提供有效数据，促进实现精准教学
在高中物理复习课程中运用大数据技术，教师可以利用相关教育平台搜寻内容比较好的课程和教学资源，在进行复习过程中，发现学生哪一方面较为薄弱可通过将教学资源平台分享给学生，学生通过反复观看和学习，能够深入了解物理知识内容，进而有效掌握物理知识[5]。此外，在大数据一体化教育平台中还包含对数据的分析和教学管理内容，根据考试大纲重点来辩词而出教学内容的优缺点，教师通过数据可以实现精准复习教学。
（二）有针对性的为不同学习层次的学生提供练习题
在复习过程中，物理教师可以运用大数据一体化教育平台中的习题库为学生提供练习题，还可以利用大数据技术有效判断学生答题的对错，根据学生对物理知识掌握情况以及答题情况来布置合理的练习题，有针对性地控制习题的难易程度，通过练习题的布置实现分层教学，帮助学生在原有知识水平上提升学习成绩，进而有效练习和巩固物理知识[6]。
（三）进一步帮助教师实现精准辅导
大数据一体化教育平台能够将学生的学习情况以及学习进行进行有效分析，使得高中物理教师能够准确了解每一名学生的学习程度，进而实现有针对性的对不同学习程度的学生开展复习教学，进而有效提升整体复习效率和复习质量[7]。
四、大数据背景下开展高三物理复习教学的具体策略
（一）利用大数据技术进行物理复习课前准备
高中物理教学内容中含有大量知识点且知识结构难以理解，为学生的学习增添很多难度。在以往的高中物理复习课教学中，学生通常在课堂上掌握了物理教学知识点，而下课以后遗忘的现象时有发生[8]。基于大数据背景下开展高三物理复习课，教师可以利用大数据技术对学生的学习情况进行统计，在复习课上实现精准教学。首先，在进行复习教学之前，教师要利用大数据技术采集学生的学习情况，并将采集的数据进行整理。其次，利用大数据一体化教育平台为学生布置课前任务，完成作业后平台会自动整理出相关数据，以便于教师掌握学生的认知水平和学习情况。最后，教师通过学生完成课前预习作业情况来制定教学内容以及教学计划，为实现精准复习课教学提供有力保障。例如：在进行《自由落体》复习课程之前，教师可在课前对学生进行测评，让学生操作习题：甲、乙两物体所受的重力之比为1:2，甲、乙两物体所在的位置高度之比为2:3，它们各自做自由落体运动，则（）？A、落地时的速度之比是2:1；B、落地时的速度之比是1:1；C、下落过程中的加速度之比是1:2羽扇纶巾；D、下落过程中加速度之比是1:2。表1为X班学生作业完成扫描的统计情况如下:通过对学生完成结果的统计发现有75%的学生做对了，25%的学生回答错误，通过对学生的课前预习能够有效了解全班学生对自由落体教学内容掌握的情况，进行在开展教学中针对不同学习情况的学生进行有效指导。
（二）利用大数据技术进行高中物理复习的课上讲评和归纳
在对学生的课前预习有了大致了解以后，教师在课堂上开展高三物理复习教学过程中，可以将课前作业完成情况中的问题为学生呈现出来，并让学生进行问题的纠正[9-10]。在此之前，教师可以将学生按照学习情况以及对知识掌握情况合理分成小组，通过小组合作探索的方式针对问题进行讨论和分析，最后让学生进行对错误的问题进行改正。此外，教师还可以利用大数据技术整合经常碰到的题目，让学生做好标记，以防止遇到类似题目出现同样的错误。例如：在复习《曲线运动》时教师可以让学生掌握速度和外力方向与曲线湾区情况之间的关系，为学生总结出位移的相关问题的计算方法，以及速度的合成与分解问题的解决方法，让学生深入理解曲线运用相关的知识内容。在《曲线运动》复习中，教师组织学生通过小组合作学习的方式讨论什么是曲线运动，合运动与分运动分别是什么，以及曲线运动的条件。此外，教师可以利用大数据平台搜寻往年高考中《曲线运动》的习题，让学生完成相关题目，然后随机抽取学生对错题进行纠正并探讨其错误的原因，最后让学生探讨高校答题的方法。通过大数据技术实施多远化复习教学方法，学生能够在复习教学中有更多思考的机会，通过探索问题和分析问题以及解决问题的过程提升学生的学习积极性，促进教师与学生和学生与学生之间的进一步沟通和交流，突出以学生为主体的教育理念，使得学生对高中物理复习教学产生极大的兴趣和求知欲。
（三）利用大数据技术进行高中物理复习教学课后的巩固
利用大数据技术能够帮助教师突破以往的复习教学方式，有效落实精准备课，并为提升复习效率提供有力保障，还可以利用大数据技术掌握学生对教学知识的掌握情况，进而有针对性的对学习能力不同的学生进行有效指导。首先，大数据一体化教育平台能够针对学生的答题情况进行分析和统计，并精准的找到错题原因[11]。其次，教师可以运用大数据一体化平台根据学生对物理知识的掌握情况和学习情况而布置合理的练习题，学生完成作业以后可以清晰看查到学生是否掌握物理知识，在复习教学中，教师可以根据学生易错的题目进行深入讲解，进而帮助学生提升学习效率。
结语
高三阶段对于高中生来说是十分重要的时期，往往有大量的知识内容需要反复练习，学生很容易产生厌烦的心理，然而，很多物理教师在开展高三复习课程时通常采用极为单一的方式，不重视学生对物理学习兴趣的培养，使得学生无法产生学习兴趣和动力。在大数据背景下开展高三物理复习课程，教师应该积极运用现代化电子设备对学生掌握知识的情况进行分析，以及快速判断学生的物理作业情况，并将学生易错题型进行整理，进而有效开展教学，提升物理学科复习课程的效率。
参考文献：
[1]章强,戴加成,卞望来.基于教育大数据的高中物理学历案的设计——以“牛顿运动定律”单元复习课为例[J].物理教师,2020,41(5):3.
[2]杨清源.基于核心素养的高三复习课的教学设计与分析——记“物理中的类比”课例的思考与设计[J].物理教学探讨,2019,37(02):34-38.
[3]王广昌.基于慧教育理念下构建物理知识框架复习策略实施的研究——以《磁场》高三备考为例[J].试题与研究：教学论坛,2019(11):1.
[4]章强,戴加成,卞望来.基于教育大数据的高中物理学历案的设计——以“牛顿运动定律”单元复习课为例[J].2021(2020-5):19-21.
[5]徐飞雷,徐倩.基于大数据的初中数学复习课教学——以初中数学“函数专题复习课”为例[J].初中生世界：初中教学研究,2019(5):3.
[6]秦付平,沈强.基于发展科学思维高三实验复习课有效教学策略——以“验证机械能守恒定律”为例[J].中学物理,2021,39(11):4.
[7]杨清源.基于核心素养的高三复习课的教学设计与分析——记“物理中的类比”课例的思考与设计[J].物理教学探讨,2019,37(2):5.
[8]张聪,姜连国.发展性评价观下的高三物理复习教学设计与实施——以“功能关系”教学设计为例[J].中学物理,2021,39(11):5.
[9]黎国胜,徐平川.教学评一致性在高三物理复习课教学设计中的应用——以“动能定理”复习第一课时为例[J].教学月刊：中学版（教学参考）,2020(7):4.
[10]褚祝文.基于新高考的高三复习课深度学习教学策略——以“牛顿运动定律的应用:板块模型”为例[J].中学物理,2021,39(9):4.
第15篇
关键字：便携设备；信息安全；云计算
中图分类号：TP391；TN911.73 文献标识码：A 文章编号：2095-2163（2015）03-
When the Portable Device is Connected to the Cloud Computing
Yan Xuehu， Wang Shen， NIU Xiamu
（School of Computer Science and Technology， Harbin Institute of Technology， Harbin 150080， China）
Abstract：Portable devices and cloud computing have its own advantages and disadvantages， but if and when a portable device is connected to the cloud computing， what will happen？ This paper analyzes the advantages and disadvantages of cloud computing， portable devices， and then discusses the convenience when they are connected. Finally issues brought by the connection are discussed.
Keywords：Portable Devices； Information Security； Cloud Computing
0引 言
移动手持终端设备，已经成为人们日常生活中不可或缺的一部分，其主要优点是：轻量化、易于携带，尤其是随身携带。便携设备包括手机、平板电脑等。目前各种各样的便携设备越来越多，已经广泛用于通信、医疗、游戏、预警等多个与生活相关的领域和行业，给人们的生活带来了重大的改变。但毋庸讳言，便携设备也存在着一定欠缺，具体表现为由于是轻量化计算设备，存储和计算能力有限，在某种程度上也限制了其自身的拓展与应用。
云计算（Cloud Computing）[1-3]是基于互联网的相关服务的增加、使用和交付模式，多是涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。因此，云计算甚至可以带来每秒10万亿次的运算能力体验，而拥有这么强大的计算能力则可完成核爆炸、预测气候变化和市场发展趋势的全盘模拟。用户将会通过电脑、笔记本、手机等方式接入数据中心，并按自己的需求进行运算。“云”中的资源对于用户来说是可以无限扩展的，且可随时获取、按需使用，云计算为用户存储和管理数据提供了几乎无限多的空间，更为用户完成各类应用提供了几乎无限强大的计算能力，同时通过网络还可提供用户所需的计算力、存储空间、软件功能和信息服务等。但是云计算的局限性却表现在，就是需要通过有线或者无线的方式来进行连接才能够获得计算资源，因而必然会存在一定的时延。
综上可知，便携设备和云计算各有优点与缺点，但是如果当便携设备连接到云计算时，该问题亦需专门研究。本文首先分析了便携设备和云计算的优缺点，然后讨论了两者连接时带来的便利条件，最后就两者连接时可能带来的问题进行了全面论述。
1便携设备和云计算的优缺点
便携设备的主要优点是轻便，可随身携带，可根据用户需要随时进行定制，使用方便快捷。而其主要缺点则是存储能力有限，计算能力一般，自我恢复和备份能力较差，不具备大型软件应用能力，而且也不具备异地使用性。
云计算的主要优点是存储和计算能力较强，具有大型软硬件服务能力，而且能够做到随时连接随时使用。云计算的主要缺点是不能随身携带，需要连接后方可使用，需求定制周期较长，相关服务不是实时，即具有一定的延时，同时还存在一定的存储和传输安问题[4-6]。
2 便携设备连接到云计算
便携设备连接到云计算示意图如图1所示[7]，用户通过便携设备，向云平台发送服务需求；云平台将相关服务成果通过网络反馈到用户的手持便携设备上。
图1便携设备连接到云计算示意图
Fig.1 The concept when the portable device is connected to the cloud computing
通过上述对于两者的优缺点分析可以发现，当便携设备连接到云计算时，两者可以在一定程度上实现优势互补，将会改变人们的生活方式，可以做到所有的资源均能随身携带，比如常时的办公室就可以做到随身携带，还可以根据应用需求随时申请移动终端不能够完成的大型软硬件计算，以及相应的检索以及大数据分析应用，同时更可以随时提供大数据的交互与分享。
即便如此，也并不意味着便携设备已经具备了无限的计算能力，而是仍需要根据具体的应用来进行具体分析。现实情况是，当便携设备连接到云计算时，相关的服务是具有一定的时延的，能够接受这些时延的应用即可拥有高端的计算能力，例如多媒体的存储和上传下载观看使用等；但在另外一些场景下，如果不能够接受云计算带来的时延，就需要考虑便携设备自身的计算能力，比如盲人过马路时的红绿灯信号识别，儿童和老人的实时监控等，此时就需要兼顾便携设备的计算能力，旨在提高其计算效率和快速反应的能力，以满足对于具体应用的需求。
其次，两者共同存在的不足都是安全问题，尤其是云计算的安全问题受到越来越多的关注，成为其大规模增长应用的瓶颈问题，媒体所承载的服务信息将在云端提交/交付、并在多个云滴上计算与存储。这种云方式引发的众多安全性问题正日渐突显，调查显示，50%以上的企业均在考虑使用云计算服务，其中12%看重的是云计算服务的成本效益。然而，安全问题却成为这些企业选择云计算的主要隐忧与现实阻力。在IDC的一次关于“您认为云计算模式的挑战和问题是什么”的调查中，安全以74.6%的比率位居榜首，可见安全问题是人们对云计算的头等质疑。同样，美国国防部也不建议起用云计算，因为媒体信息计算以及存储模式的未知使其丧失了基本的安全感。 因此，在这种云计算服务的过程中，安全问题即已成为不容忽视的重点研究课题。
3便携设备与云计算连接安全问题的解决方法
便携设备与云计算连接安全问题可能的解决方法有，同态加密以及轻量化的加解密算法，只是目前的加解密在移动计算时代的算法理论也仍有待加强。基于移动计算的计算能力并不强大，因此密钥传输的安全性以及恢复计算简单的加解密方法也即随之成为一个新兴的研究方向。
不论云的规模与覆盖范围如何，保障云计算服务的载体、即媒体的安全，具体来说就是保障媒体数据的可追溯、保密性、真实性、外加可保护。
3.1媒体内容数据安全的同态思想
在为用户提供服务的过程中，先对用户数据明文进行同态加密形成密文，然后再提交给云计算，云计算将直接对密文进行计算。计算后的密文直接交付给用户，用户解密后就可得到经过云计算的数据明文，这一过程在保证安全性的同时，亦减少了额外的操作（云计算前后的解密加密）。例如，用户需要借助云计算来管理个人银行账号数据，为了防止别人窃取，就以密文形式存储账号信息；而用户若进一步需要云计算提供多个账号余额总数查询服务，云计算即可对多个银行账号密文执行相加操作，由此得到一个加和密文交付用户，用户将其求解再解出就可以得到总的余额。
3.2云计算平台（系统）环境安全
一般的方法是面向特定的边界有限的系统，而云计算的边界却是无限的、分布的、且无固定端口的，因此针对系统环境的角度传统的方法即已失去效用。目前，绝大部分云平台的安全设计仍是基于传统的系统安全方面的成规模式，这也就是迄今为止可行、可靠的云计算安全解决方案依旧空缺的实质性原因。
一个可能的思路，是借鉴中医的经络理论，通过提取云环境的特征，寻求一个平衡点来保证云计算（云环境特征）的整体正常运作。但是，如何正确、完备地定义和提取安全的云特征，仍是一个未获解决的科研难题。
4 结束语
便携设备和云计算各有鲜明的优点和缺点，因而需要在实际应用当中，基于应用的具体需求来进行结合才能够更好地进行优势互补，从而更安全、高效地提升人们的生活品质。
参考文献：
[1] SUBASHINI S， KAVITHA V. A survey on security issues in service delivery models of Cloud Computing[J]. Journal of Network and Computer Applications， 2011， 34（1）：1C11.
[2] POPOVIC K， HOCENSKI Z. Cloud computing security issues and challenges[C]//MIPRO， 2010 Proceedings of the 33rd International Convention. Opati-ja， Croatia： IEEE， 2010：344C349.
[3] JENSEN M， SCHWENK J， GRUSCHKA N， et al. On technical security issues in Cloud Computing[C]//IEEE International Conference on Cloud Computing， 2009. Ban-galore， India： IEEE， 2009：109C116.
[4] GROBAUER B， WALLOSHEK T， STOCKER E. Understanding Cloud Computing vulnerabilities[J]. Security & Privacy， IEEE， 2011， 9（2）：50C57.
[5] ALMORSY M， GRUNDY J， M¨ULLER I. An analysis of the Cloud Computing security problem[C]//Proceedings of the 2010 Asia Pacific Cloud Workshop， Colocated with APSEC2010. Sydney， Australia： Citeseer， 2010：1C6.
