大数据时代的数据分析范文

前言：我们精心挑选了数篇优质大数据时代的数据分析文章，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：大数据；数据分析；数据挖掘；体系建设

引言

进入21世纪以来，随着高新科技的迅猛发展和经济全球化发展的趋势，我国国民经济迅速增长，各行业、领域的发展也颇为迅猛，人们生活水平与日俱增，在物质生活得到极大满足的前提下，更加追求精神层面以及视觉上的享受，这就涉及到数据信息方面的内容。在经济全球化、科技一体化、文化多元化的时代，数据信息的作用和地位是不可小觑的，处理和归类数据信息是达到信息传递的基础条件，是发展各学科科技交融的前提。

然而，世界上的一切事物都包含着两个方面，这两个方面既相互对立，又相互统一。矛盾即对立统一。矛盾具有斗争性和同一性两种基本属性，我们必须用一分为二的观点、全面的观点看问题。同时要积极创造条件，促进矛盾双方的相互转变。数据信息在带给人们生产生活极大便利的同时，还会被诸多社会数据信息所困扰。为了使广大人民群众的日常生活更加便捷，需要其客观、正确地使用、处理数据信息，完善和健全数据分析技术和数据挖掘手段，通过各种切实可行的数据分析方法科学合理地分析大数据时代下的数据，做好数据挖掘技术工作。

1 实施数据分析的方法

在经济社会快速发展的背景下，我国在科学信息技术领域取得长足进步。科技信息的发展在极大程度上促进了各行各业的繁荣发展和长久进步，使其发展更加全面化、科学化、专业化，切实提升了我国经济的迅猛发展，从而形成了一个最佳的良性循环，我国也由此进入了大数据时代。对于大数据时代而言，数据分析环节是必不可少的组成部分，只有科学准确地对信息量极大的数据进行处理、筛选，才能使其更好地服务于社会，服务于广大人民群众。正确处理数据进行分析过程是大数据时代下数据分析的至关重要的环节。众所周知，大数据具有明显的优势，在信息处理的过程中，需要对大容量数据、分析速率，以及多格式的数据三大问题进行详细的分析和掌握。

1.1 Hadoop HDFS

HDFS，即分布式文件系统，主要由客户端模块、元数据管理模块、数据存储服务模块等模块组成，其优势是储存容量较大的文件，通常情况下被用于商业化硬件的群体中。相比于低端的硬件群体，商业化的硬件群体发生问题的几率较低，在储存大容量数据方面备受欢迎和推崇。Hadoop，即是分布式计算，是一个用于运行应用程序在大型集群的廉价硬件设备上的框架，为应用程序的透明化的提供了一组具有稳定性以及可靠性的接口和数据运动，可以不用在价格较高、可信度较高的硬件上应用。一般情况下，面对出现问题概率较高的群体，分布式文件系统是处理问题的首选，它采用继续运用的手法进行处理，而且还不会使用户产生明显的运用间断问题，这是分布式计算的优势所在，而且还在一定程度上减少了机器设备的维修和维护费用，特别是针对于机器设备量庞大的用户来说，不仅降低了运行成本，而且还有效提高了经济效益。

1.2 Hadoop的优点与不足

随着移动通信系统发展速度的不断加快，信息安全是人们关注的重点问题。因此，为了切实有效地解决信息数据安全问题，就需要对大量的数据进行数据分析，不断优化数据信息，使数据信息更加准确，安全。在进行数据信息的过程中，Hadoop是最常用的解决问题的软件构架之一，它可以对众多数据实行分布型模式解决，在处理的过程中，主要依据一条具有可信性、有效性、可伸缩性的途径进行数据信息处理，这是Hadoop特有的优势。但是世界上一切事物都处在永不停息地变化发展之中，都有其产生、发展和灭亡的历史，发展的实质是事物的前进和上升，是新事物的产生和旧事物的灭亡，因此，要用科学发展的眼光看待问题。Hadoop同其他数据信息处理软件一样，也具有一定的缺点和不足。主要表现在以下几个方面。

首先，就现阶段而言，在企业内部和外部的信息维护以及保护效用方面还存在一定的不足和匮乏，在处理这种数据信息的过程中，需要相关工作人员以手动的方式设置数据，这是Hadoop所具有的明显缺陷。因为在数据设置的过程中，相关数据信息的准确性完全是依靠工作人员而实现的，而这种方式的在无形中会浪费大量的时间，并且在设置的过程中出现失误的几率也会大大增加。一旦在数据信息处理过程中的某一环节出现失误，就会导致整个数据信息处理过程失效，浪费了大量的人力、物力，以及财力。

其次，Hadoop需求社会具备投资构建的且专用的计算集群，在构建的过程中，会出现很多难题，比如形成单个储存、计算数据信息和储存，或者中央处理器应用的难题。不仅如此，即使将这种储存形式应用于其他项目的上，也会出现兼容性难的问题。

2 实施数据挖掘的方法

随着科学技术的不断发展以及我国社会经济体系的不断完善，数据信息处理逐渐成为相关部门和人们重视的内容，并且越来越受到社会各界的广泛关注和重视，并使数据信息分析和挖掘成为热点话题。在现阶段的大数据时代下，实施数据挖掘项目的方法有很多，且不同的方法适用的挖掘方向不同。基于此，在实际进行数据挖掘的过程中，需要根据数据挖掘项目的具体情况选择相应的数据挖掘方法。数据挖掘方法有分类法、回归分析法、Web数据挖掘法，以及关系规则法等等。文章主要介绍了分类法、回归分析法、Web数据挖掘法对数据挖掘过程进行分析。

2.1 分类法

随着通信行业快速发展，基站建设加快，网络覆盖多元化，数据信息对人们的生产生活影响越来越显著。计算机技术等应用与发展在很大程度上促进了经济的进步，提高了人们的生活水平，推动了人类文明的历史进程。在此背景下，数据分析与挖掘成为保障信息安全的基础和前提。为了使得数据挖掘过程更好地进行，需要不断探索科学合理的方法进行分析，以此确保大数据时代的数据挖掘进程更具准确性和可靠性。分类法是数据挖掘中常使用的方法之一，主要用于在数据规模较大的数据库中寻找特质相同的数据，并将大量的数据依照不同的划分形式区分种类。对数据库中的数据进行分类的主要目的是将数据项目放置在特定的、规定的类型中，这样做可以在极大程度上为用户减轻工作量，使其工作内容更加清晰，便于后续时间的内容查找。另外，数据挖掘的分类还可以为用户提高经济效益。

2.2 回归分析法

除了分类法之外，回顾分析法也是数据挖掘经常采用的方法。不同于分类法中对相同特质的数据进行分类，回归分析法主要是对数据库中具有独特性质的数据进行展现，并通过利用函数关系来展现数据之间的联系和区别，进而分析相关数据信息特质的依赖程度。就目前而言，回归分析法通常被用于数据序列的预计和测量，以及探索数据之间存在的联系。特别是在市场营销方面，实施回归分析法可以在营销的每一个环节中都有所体现，能够很好地进行数据信息的挖掘，进而为市场营销的可行性奠定数据基础。

2.3 Web数据挖掘法

通讯网络极度发达的现今时代，大大地丰富了人们的日常生活，使人们的生活更具科技性和便捷性，这是通过大规模的数据信息传输和处理而实现的。为了将庞大的数据信息有目的性地进行分析和挖掘，就需要通过合适的数据挖掘方法进行处理。Web数据挖掘法主要是针对网络式数据的综合性科技，到目前为止，在全球范围内较为常用的Web数据挖掘算法的种类主要有三种，且这三种算法涉及的用户都较为笼统，并没有明显的界限可以对用户进行明确、严谨的划分。随着高新科技的迅猛发展，也给Web数据挖掘法带来了一定的挑战和困难，尤其是在用户分类层面、网站公布内容的有效层面，以及用户停留页面时间长短的层面。因此，在大力推广和宣传Web技术的大数据时代，数据分析技术人员要不断完善Web数据挖掘法的内容，不断创新数据挖掘方法，以期更好地利用Web数据挖掘法服务于社会，服务于人们。

3 大数据分析挖掘体系建设的原则

随着改革开放进程的加快，我国社会经济得到明显提升，人们物质生活和精神文化生活大大满足，特别是二十一世纪以来，科学信息技术的发展，更是提升了人们的生活水平，改善了生活质量，计算机、手机等先进的通讯设备比比皆是，传统的生产关系式和生活方式已经落伍，并逐渐被淘汰，新的产业生态和生产方式喷薄而出，人们开始进入了大数据时代。因此，为了更好地收集、分析、利用数据信息，并从庞大的数据信息中精准、合理地选择正确的数据信息，进而更加迅速地为有需要的人们传递信息，就需要建设大数据分析与挖掘体系，并在建设过程中始终遵循以下几个原则。

3.1 平台建设与探索实践相互促进

经济全球化在对全球经济发展产生巨大推力的同时，还使得全球技术竞争更加激烈。为了实现大数据分析挖掘体系良好建设的目的，需要满足平台建设与探索实践相互促进，根据体系建设实际逐渐摸索分析数据挖掘的完整流程，不断积累经验，积极引进人才，打造一支具有专业数据分析与挖掘水准的队伍，在实际的体系建设过程中吸取失败经验，并适当借鉴发达国家的先进数据平台建设经验，取其精华，促进平台建设，以此构建并不断完善数据分析挖掘体系。

3.2 技术创新与价值创造深度结合

从宏观意义上讲，创新是民族进步的灵魂，是国家兴旺发达的不竭动力。而对于数据分析挖掘体系建设而言，创新同样具有重要意义和作用。创新是大数据的灵魂，在建设大数据分析挖掘体系过程中，要将技术创新与价值创造深度结合，并将价值创造作为目标，辅以技术创新手段，只有这样，才能达到大数据分析挖掘体系建设社会效益与经济效益的双重目的。

3.3 人才培养与能力提升良性循环

意识对物质具有反作用，正确反映客观事物及其发展规律的意识，能够指导人们有效地开展实践活动，促进客观事物的发展。歪曲反映客观事物及其发展规律的意识，则会把人的活动引向歧途，阻碍客观事物的发展。由此可以看出意识正确与否对于大数据分析挖掘体系平台建设的重要意义。基于此，要培养具有大数据技术能力和创新能力的数据分析人才，并定期组织教育学习培训，不断提高他们的数据分析能力，不断进行交流和沟通，培养数据分析意识，提高数据挖掘能力，实现科学的数据挖掘流程与高效的数据挖掘执行，从而提升数据分析挖掘体系平台建设的良性循环。

4 结束语

通过文章的综合论述可知，在经济全球化趋势迅速普及的同时，科学技术不断创新与完善，人们的生活水平和品质都有了质的提升，先进的计算机软件等设备迅速得到应用和推广。人们实现信息传递的过程是通过对大规模的数据信息进行处理和计算形成的，而信息传输和处理等过程均离不开数据信息的分析与挖掘。可以说，我国由此进入了大数据时代。然而，就我国目前数据信息处理技术来看，相关数据技术还处于发展阶段，与发达国家的先进数据分析技术还存在一定的差距和不足。所以，相关数据分析人员要根据我国的基本国情和标准需求对数据分析技术进行完善，提高思想意识，不断提出切实可行的方案进行数据分析技术的创新，加大建设大数据分析挖掘体系的建设，搭建可供进行数据信息处理、划分的平台，为大数据时代的数据分析和挖掘提供更加科学、专业的技术，从而为提高我国的科技信息能力提供基本的保障和前提。

参考文献

[1]唐东波.基于神经网络集成的电信客户流失预测建模及应用[J].大众商务，2010（06）.

[2]刘蓉，陈晓红.基于数据挖掘的移动通信客户消费行为分析[J].计算机应用与软件，2006（02）.

[3]魏娟，梁静国.基于数据挖掘技术的企业客户关系管理（CRM）[J].商业研究，2005（07）.

[4]田苗苗.数据挖掘之决策树方法概述[J].长春大学学报，2004（06）.

[5]王晓佳，杨善林，陈志强.大数据时代下的情报分析与挖掘技术研究――电信客户流失情况分析[J].情报学报，2013.

[6]刘京臣.大数据时代的古典文学研究――以数据分析、数据挖掘与图像检索为中心[J].文学遗产，2015.

第2篇

关键词：大数据时代 数据分析 理念 辨析

中图分类号：C8 文献标识码：A 文章编号：1674-098X（2017）01（c）-0136-02

近年来，对大数据的研究和应用已经受到我国各界人士的广泛关注，国家统计局已经把信息处理技术列为关键性的创新技术工程之一。随着我国大型计算机的迅速发展，处理大规模的复杂数据的能力逐渐提升，从这些大数据中提取有效信息的能力也逐步加强，毫无疑问，我国进入大数据时代的脚步将会进一步加快，人们将会感受到大数据时代下给其带来的生活、工作上的便利。

1 大数据和大数据时代简介

1.1 大数据

大数据是指远大于一般数据的巨量资料，需要人们通过全新的处理模式才能获取其中有价值的数据信息。“大数据”这一概念最早由维克托在《大数据时代》一书中引用得来，最开始对其定义为：不通过传统的随机分析方法直接对所有数据进行分析处理，主要有大量、高速、多样和价值4个特征。

大数据可以分为大数据技术、大数据工程、大数据科学和大数据应用等领域。目前受到最多应用的是大数据技术和大数据应用。人们通过收集数据，提取有效信息就可以为企业发展或者社会活动提供最有效的实施途径。因此，可以这样说，在大数据的王国里，最成功的企业就是那些善于运用机遇的公司。

1.2 大数据时代

大数据时代是建立在信息时代的基础上，通过互联网、物联网等渠道广泛搜集海量数据资源并对其进行存储、提取和展示。在大数据时代，几乎所有人都能够享受从任一数据中获得所需要的信息，大数据时代也具有社会性、广泛性、公开性和动态性4个特征。大数据时代的发展将会引领社会众多领域和行业的变革，对人类的生产、生活方式产生深远影响。

在大数据时代下，传统的数据分析思想已经不再适用，应该做出改变。首先，应该转变抽样思想，大数据时代下的样本即总体，已经不再依靠少量样本分析事物的相关规律；其次，要转变数据精确测量的思想，大数据时代要学会接受繁冗复杂的多样性数据；最后要转变探究事物的因果关系思想，转为研究事物的相关规律。以上思想的转变，均与统计学有关，因此，下面将分析大数据对统计学带来的具体影响。

2 大数据对统计学研究工作的影响

2.1 大稻莘岣涣送臣蒲У难芯慷韵

大数据影响的领域范围非常广泛，在大数据时代，不仅能够对以结构数据为度量单位的客观主体，还可以对不能用数据衡量关系的文本、图片、音像等非结构数据进行分析，大大扩展了传统统计学的研究范畴。

2.2 大数据影响统计学的工作进程

统计学是对所搜集的数据进行整理和归纳的方法论学科。大数据时代的资料十分丰富，分析数据已经不再需要抽取样本了，因为数据总体即是样本。此时，传统的统计学抽取样本分析的工作方法已经不再适用，而是被现代化通过传感器自动采集数据的方法所取代。

3 大数据时代下数据分析理念辨析

3.1 数据分析理念

传统的数据分析是指用统计学方法将收集的数据资料进行系列分析，以便最大化地开发数据中的功能，从中提取有价值的数据，再和未经处理的数据进行对比，发挥数据的作用。大数据时代下的数据分析，由于数据量非常大，数据本身的动态特性使人们要研究的数据难度加大，因此，大数据时代的数据分析一般利用统计学的理念，采用更广泛的方法统计和分析数据，以此摆脱对数据样本的依赖，也可以避免数据的流动性给分析结果带来的不确定性。大数据时代更加注重数据的增值分析工作，研究数据的未来走向，使其中有价值的数据可以增值，将有效数据有机整合，能够及时发现问题和解决问题。

3.2 数据分析的主要程序

3.2.1 数据整理

统计数据的整理主要分为4个步骤：审核统计资料、对资料进行分组、汇总和编制统计表格或图表、保管和公布。当统计对象为数据资料庞大、类型复杂、要求处理速度快的大数据时，这些步骤就显得繁冗了，尤其是图表的绘制是没办法实现的，因此，只需要对资料进行审核和存储。大数据的审核和存储不同于传统意义上的数据审核和保存，大数据时代利用先进的现代化工具进行数据的审核和保存。

3.2.2 数据的开发

传统数据的样本量较小，目的主要着眼于解决问题，数据的时效性较强，数据的使用价值会随时间流逝而降低。而大数据的流动性很强，随着时间的推移会越来越壮大，而且具有推陈出新、价值重塑的可能，因此，在大数据时代，数据是会不断增值的，开发大数据，是一项有重要意义的工作。

3.2.3 数据的应用

其中分别对教育、运输、消费品、电力、石油与天然气、医疗护理、消费金融等进行分析和预测。根据这些行业的特点，可以总结出大数据挖掘商业价值的基本方法为：客户群体细分，为每个群体量定特别的服务；模拟现实环境，发掘新的需求的同时提高投资的回报率；降低部门联系，提高整条管理链条和产业链条的效率；降低服务成本，发现隐藏线索产品和服务的创新。从图1中可以看出，大数据的应用群体十分广泛，能否对获取的数据及时、迅速处理，对该行业的发展具有重要意义。

4 结语

该文主要对大数据时代下数据分析理念进行了相关的分析和研究。首先对大数据及大数据时代的概念做了简要阐述，接着分析了大数据对统计学的两点影响，最后分析了大数据时代下的数据分析理念。总而言之，在现代社会，大数据的应用已经成为时代新的特征，能否从海量数据中提取有价值的信息做出相应的预测，对于企业或者个人的发展具有重要意义。

参考文献

第3篇

关键词：大数据时代；大数据；统计学；数据分析

引言：

目前阶段，在计算机处理技术不断发展的背景下，在对规模较大并且较为复杂的数据进行处理过程中，人们已经逐渐掌握了方法与技能，并且能够在大规模的数据中找出具有一定价值的信息，所以，大数据时代已经来临。在数据时代中，在人文社科与人类自然科学技术等方面都会有较大的发展，同时也会一定程度上改变人们的生活与工作方式。除此之外，大数据时代也同样为统计学提供了良好的发展机会，但也存在一定的挑战。

一、大数据时代的概念

大数据时代的提出者是麦肯锡，他认为数据已经逐渐进入到各个行业与各业务职能的领域中，并且逐渐成为了主要的生产因素[1]。因此，人们在对大规模数据进行挖掘与应用的过程，也就意味着新的生产率增长的来临。虽然“大数据”在众多行业被广泛应用，但是，特别是在信息与互联网的领域中应用突出。

二、怎样理解大数据

（一）大数据概念界定与构成

大数据，即由于日常产生的数据量快速增长，使得数据库无法利用相应的管理工具对其进行管理与收集，最终导致在进行搜索、分析、存取、共享数据时具有较大的困难。

大数据的构成包括四部分，并将其总结为4V，即Volume，Variety，Value，Velocity[2]。第一部分是价值密度低，将视频作为具体实例来说，实现连续并且不间断的监控，其中有价值的数据信息只有一两秒。第二部分是数据体量极大，已经从TB实现了PB的跃升。第三部分是数据类型众多，主要包括视频、图片、网络日志以及地理信息等。第四部分是处理的速度超快，可以用一秒定律来解释。

（二）海量数据带来哪些挑战

第一，数据存储。由于大数据的数据规模是PB级别，所以，存储的系统也需要进行等级的拓展，并且可以通过磁盘柜或者是增加模块实现容量的增加。然而，目前阶段，数据的增长速度惊人，所以系统资源的消耗也不断增加，导致系统的运行效率有所下降[3]。因为对海量数据始终停留在分布式的存储阶段，所以，对于爆炸式的数据增长，原有的存储方案已经无法满足现有的数据变化需求。

第二，处理技术。由于海量数据的分布性与数据量与以往存在较大的差异，所以，原有的数据管理技术已经处于落后状态。

第三，数据安全。在互联网规模逐渐扩大的情况下，数据的应用已经出现指数级别的增长，所以，对于数据安全的保护与监控来说具有一定的难度。

（三）大数据相关应用与实践

第一，体育赛事应用。以2014年的世界杯为例，在充分发挥记者与编辑敏锐度的基础上，腾讯也利用对大数据的分析以及云计算等方式来为为其提供移动与社交的数据。与此同时，腾讯与IBM进行合作，并通过文化、赛事与球迷三方面来对世界杯球迷的关注重点进行信息的挖掘，进而实现新栏目的创作，并且在短时间内赢得了广大球迷的认可与关注。

第二，产品推荐应用。产品推荐的应用比较广泛，可以对客户信息、交易历史、购买过程等数据进行全面的分析，并进行有价值信息的挖掘。同时，针对同一产品的不同客户访问信息也可以进行挖掘。最终，通过对客户行为的分析，来确定消费者的共，这样就可以更好的为客户推荐产品。

除此之外，在产品推荐中，可以在对客户社交行为进行信息挖掘与分析的基础上来进行社区的营销。对客户微信微博以及社区活动中的偏好数据进行分析，并为其提供符合客户兴趣爱好的产品。

图一

三、如何分析大数据

（一）如何挖掘数据中价值

以匹配广告为具体事例进行分析，主要有两种数据。第一种是广告库，其中包括广告库以及广告的客户信息[4]。但是这种数据信息比较适合在传统数据库中应用。第二种是用户在观看广告后的行为。可以把以上两种数据进行有效的结合，并通过相应的算法来体现价值。在实践应用过程中，可以充分体会到第二种信息的重要作用。可以为用户提供其所需的信息，并通过群体智能以及群体行为对之前用户使用的效果进行分析，最终通过具体的反馈机制，将最优质的信息提供给用户，还可以进行搜索或者是查询信息。

（二）如何做处理与分析

第一，更新抽样调查的工作理念。由于大数据时代的数据样本是以往资料综合，所以，可以对相关事务的数据信息进行分析，进一步对总体进行了解，还可以更好的了解局部。同时需要解决以下问题：抽样框架不稳定，调查目的设定不合理、样本量受限[5]。第二，积极改变对于数据精确度的标准。在大数据时代的背景下，数据的来源比较广泛，并且对数据进行处理的技术也有所提高，所以，可以允许数据存在不准确的情况。大数据时代需要吸收多种数据，但并需要一味的要求数据精准。第三，合理转变数据关系的分析重点。由于大数据时代的数据规模比较大，而且结构也十分复杂，变量的关系也比较繁杂。所以，在对数据进行分析的过程中，不应该对因果关系进行仔细的分析，而重要的是对事物相关的关系进行分析。需要转换思路，对事物关系的形式与目的进行详细的分析。

四、 大数据对统计学科和统计研究工作的影响

（一） 拓展统计学研究领域

因为大数据时代的到来，所以会对各个领域产生一定的影响，同样给统计学带来影响。在统计学中，其主要的研究对象就是其所要认识的客体，是客观存在事物自身的数量特征与关系。其中，统计学研究对象最主要的特点就是数量性。然而，在传统的统计学当中，数据主要是试验与调查的数值。在大数据时代中，统计研究的对象不仅包括以结构数据度量的数量，此外，还可以包括一些无法用数量关系进行衡量的半结构与非结构数据，其中可以包括动画、图片、声音、文本等等[6]。所以，可以说，在大数据时代背景下，统计学的研究对象领域有所扩大。

（二） 对统计计算规范产生影响

在传统的统计学当中，一般是使用方差、平均数以及相对数等数据计算规范来真实反映事物量特征的，同时还可以反映事物量的关系与界限，能够通过数据计算规范来计算出具体的数值。但是，半结构与非结构的数据是无法通过传统数据计算规范进行计算的[7]。所以，在大数据时代的背景下，传统的数据计算规范也同样遇到了难题。

（三） 对统计研究工作的过程产生影响

1. 数据整理和分析

第一，数据审核。原有的数据审核主要的目的就是对数据准确性和完整性进行严格的检查。但是，在大数据的时代中，对数据的审核就必须要确保数据处理的速度以及预测的准确程度，同时还需要对数处理的规模进行准确的确定，也就是数据量级别的确定。除此之外，因为大数据自身具有不稳定性，并且十分混乱。但是，即使是这样，大数据也能够挖掘出信息内部存在的隐蔽关系以及有价值的知识。所以，大数据所反映的研究对象存在准确与不准确两种，但是，任何一种的数据都具有一定的价值，通常情况下是不需要进行替换或者是删除的[8]。

第二，数据存储。在以往的数据存储中，审核、汇总以及编制的图表等资料是重点资料，并且需要进行保存起来的。然而，大数据保存最主要的目的就是对存储的成本进行有效的控制，同时需要根据相应的法规计划来确定数据存储的规模。

2. 数据积累、开发与应用

第一，数据积累。传统统计工作主要是根据所制定的研究目的来对数据进行汇总与分类，并进行保存，这样可以更好的为后期数据的分析与查询提供有利的条件。但是，在大数据的积累中，具有价值的信息需要对大数据进行处理后才可以发现。不容置疑，大数据具有一定的复杂性，所以，在积累的过程中，不可以进行简单的处理。因为大数据的规模大，结构也比较复杂，无法实现简单的分类，而且，在对大数据进行简单整理时非常容易使其混乱，对其真实性产生影响，可能会丢失具有价值的信息。

第二，数据开发。大数据时代下的数据流动性极强，所以，其自身的价值有再生性。因此，大数据时代的数据不会贬值，反而会增值。为了能够对所研究的对象进行更深入的了解，就需要对其整合。

第三，数据应用。对数据的传统应用主要是为了对现象进行解释与预测。但是，在大数据时代，数据应用的核心就是在相关关系前提下的预测。

结语

综上所述，现阶段我国社会正处于大数据时代，并且对于社会未来的发展具有重要的意义。文章对大数据时代的概念与定义以及构成进行了阐述与分析，同时，对大数据的实际应用与实践进行了探讨。针对大数据价值的挖掘与分析处理进行了研究，最后列举了大数据对统计学科以及统计研究工作的影响，进而对今后大数据的数据分析工作提供了有价值的理论依据，并积极的推动了大数据时代的发展，进一步促进了社会的进步。（作者单位：中国人民大学）

参考文献：

[1]朱建平，章贵军，刘晓葳等.大数据时代下数据分析理念的辨析[J].统计研究，2014，31（2）：10-19.

[2]张学敏.大数据时代的数据分析[J].电子世界，2014（16）：5-5，6.

[3]李祥歌，王奇奇，郭轶博等.基于大数据时代的数据挖掘及分析[J].电子制作，2015（3）：81-81.

[4]刘江娜.大数据时代：为什么数据分析能让你的企业脱颖而出[J].环球市场信息导报，2014（36）：92-93.

[5]郭华庚，向礼花.大数据时代网络信息归档的元数据分析[J].贵州师范学院学报，2015，31（3）：24-28.

[6]高书国.大数据时代的数据困惑――教育研究的数据困境[J].教育科学研究，2015（1）：24-30.

第4篇

关键词：大数据时代；信息处理技术

前言

在“大数据”的背景时代下，信息处理方面不断的创造了奇迹，这也会对未来计算机技术发展提供了有利的条件，在面对新时代的来临，需要不断的发展自身才能够跟上时代的步伐，信息处理技术也应该用于挑战面临的机遇，为大力发展计算机技术做好前期准备。

1.信息处理技术的概念

在企业的管理数据处理中，信息处理技术占据了重要地位。通过信息处理技术，使信息数据的输送、获取和检测、处理等技术有机结合在一起。信息处理技术将计算机技术、通信技术、网络技术、传感技术、微电子技术等科学技术融合在一起，在现代社会中用途很广泛。在现代化办公中，使用信息处理技术之后，不仅能够提高办公效率，还能有效利用高科技的办公设备，实现“人机结合”。信息处理技术的出现改变了传统的办公模式，对于办公模式的影响是极大的。

2.大数据时代的新机遇

2.1云计算受到热捧

在大数据时代中，云计算得以广泛普及，随着云服务的到来，这种趋势是很明显的。云计算整合了传递过来的数据，它拟定云平台，互通电子数据。借助于云平台即可上传信息、下载必要信息。在新的环境之下，云计算拓展了常规的范畴，提升服务性能，助推了更长久的自身进展。依循自主创新，云计算提升了日常流程的性能，增添了创新性。

2.2物联网的诞生

当今社会中的物联网将新路径的信息传递、计算机新技术、通信必备的新颖体系有机结合在一起。这是一项新型的产业，将信息处理应用于成熟的网络体系之中。物联网的外延有很多，比如地铁磁卡、医疗卡、电子钱包等。现在，传统的红包逐渐被电子红包取代了，人与人之间的沟通更加密切，这些都是物联网的优势所在。

2.3新颖的数据挖掘

在数据挖掘的过程中，人们收集大量的数据，分析数据并探寻数据的内在规律。从整体上来看，数据挖掘包括初始预备阶段、探求潜在规律、表达这三个阶段。数据挖掘添加了决策流程内的更多便利。遇有海量数据，同时缺失信息，即可求助于这样的数据挖掘。这是因为，很多企业配有的数据库仅仅可以录入数值、查验并且统计。但是，一般情况下，在搜集得出的数值之中，找到必备的提炼信息的难度是很大的，更不用说发现查找规律。在这种情形之下，就很难明晰深层的某一规律，无法表达规律。如果可以准确地分辨出信息之中的侧重点，那么就可以得到潜藏着的必备信息，这样更有利于企业做出正确的决策。

2.4方便企业拟定正确的决定

通过物联网，大规模的数据分析充分展开。通过解析流程，方便各个阶段的决定的拟定。举例而言，针对企业中的目标群体，分析员工习性、爱好兴趣。通过专门的解析，从而做出准确的决策。

3.大数据时代常见的信息处理技术

3.1信息收集、加工和传播技术

在信息处理的过程中，第一个步骤就是信息的收集。仅仅只有当信息被收集之后，才可进行大量数据进行存储、计算以及传播。在对目标数据源监控之后，把数据采集存放到结构化的数据库之中，以便信息服务系统提供输入，接下来是信息加工。信息加工的目的是对信息进行分类和加工处理。最后，信息进行传播，在信息传播的过程中，信息被收集和处理，并通过社会传播，最后提升了信息的价值。

3.2信息存储技术

信息存储技术是在需要调用相关数据时，可以直接调出使用的一种技术。该技术借助网络和介质实现数据的收集和存储。在大数据时代，数据的特征是容量大、变化迅速。只有在信息存储技术可以快捷的、长时间的、稳定地对相关数据进行存储的情况下，才可节省大量的人力、物力和财力。

3.3信息安全技g

大数据时代信息系统的特征是互联性较高。大数据时代的信息安全技术不再是对孤立的数据信息的处理，而是在基于信息系统整体进行的。信息安全技术为计算机网络带来了重要的发展机遇。与此同时，他也给计算机网络带来了巨大的威胁。所以，怎样提升信息安全？本人认为，可从下面三个角度出发来考虑。第一：打造更加可靠的信息安全体系。在这个过程中，要提高相关人员的技术水平。第二：增强大数据安全技术的研发力度。在大数据时代，以往的信息安全技术可能不再适应现代信息安全的情况。所以，应当加快大数据安全技术的研发，增加人力和物力、财力的投入。第三：对于重点信息加强监测。在大数据时代的大量的信息中，系统数据泄露随时可能发生。因此，有必要重视数据的安全性，加强重要数据信息的监测。毋庸置疑，大数据时代的信息技术的创造价值极大。在信息技术发展的未来，世界将会迎来越来越多的改变。

第5篇

【关键词】大数据；大数据营销；京东

一、数据分析时代演变历程

（一）数据1.0时代

数据分析出现在新的计算技术实现以后，分析1.0时代又称为商业智能时代。它通过客观分析和深入理解商业现象，取缔在决策中仅凭直觉和过时的市场调研报告，帮助管理者理性化和最大化依据事实作出决策。首次在计算机的帮助下将生产、客户交互、市场等数据录入数据库并且整合分析。但是由于发展的局限性对数据的使用更多的是准备数据，很少时间用在分析数据上。

（二）数据2.0时代

2.0时代开始于2005年，与分析1.0要求的公司能力不同，新时达要求数量分析师具备超强的分析数据能力，数据也不是只来源于公司内部，更多的来自公司外部、互联网、传感器和各种公开的数据。比如领英公司，充分运用数据分析抢占先机，开发出令人印象深刻的数据服务。

（三）数据3.0时代

又称为富化数据的产品时代。分析3.0时代来临的标准是各行业大公司纷纷介入。公司可以很好的分析数据，指导合适的商业决策。但是必须承认，随着数据的越来越大，更新速度越来越快，在带来发展机遇的同时，也带来诸多挑战。如何商业化地利用这次变革是亟待面对的课题。

二、大数据营销的本质

随着顾客主导逻辑时代的到来以及互联网电商等多渠道购物方式的出现，顾客角色和需求发生了转变，世界正在被感知化、互联化和智能化。大数据时代的到来，个人的行为不仅能够被量化搜集、预测，而且顾客的个人观点很可能改变商业世界和社会的运行。由此，一个个性化顾客主导商业需求的时代已然到来，大数据冲击下，市场营销引领的企业变革初见端倪。

（一）大数据时代消费者成为市场营销的主宰者

传统的市场营销过程是通过市场调研，采集目前市场的信息帮助企业研发、生产、营销和推广。但是在大数据以及社会化媒体盛行的今天，这种营销模式便黯然失色。今天的消费者已然成为了市场营销的主宰者，他们会主动搜寻商品信息，货比三家，严格筛选。他们由之前的注重使用价值到更加注重消费整个过程中的体验价值和情境价值。甚至企业品牌形象的塑造也不再是企业单一宣传，虚拟社区以及购物网站等的口碑开始影响消费者的购买行为。更有甚者，消费者通过在社交媒体等渠道表达个人的需求已经成为影响企业产品设计、研发、生产和销售的重要因素。

（二）大数据时代企业精准营销成为可能

在大数据时代下，技术的发展大大超过了企业的想象。搜集非结构化的信息已经成为一种可能，大数据不单单仅能了解细分市场的可能，更通过真正个性化洞察精确到每个顾客。通过数据的挖掘和深入分析，企业可以掌握有价值的信息帮助企业发现顾客思维模式、消费行为模式。尤其在今天顾客为了彰显个性，有着独特的消费倾向。相对于忠诚于某个品牌，顾客更忠诚与给自己的定位。如果企业的品牌不能最大化地实现客户价值，那么即使是再惠顾也难以保证顾客的持续性。并且，企业不能奢望对顾客进行归类，因为每个顾客的需求都有差别。正是如此，大数据分析才能更好地把握顾客的消费行为和偏好，为企业精准营销出谋划策。

（三）大数据时代企业营销理念———“充分以顾客为中心创造价值”

传统的营销和战略的观点认为，大规模生产意味着标准化生产方式，无个性化可言。定制化生产意味着个性化生产，但是只是小规模定制。说到底，大规模生产与定制化无法结合。但是在今天，大数据分析的营销和销售解决的是大规模生产和顾客个性化需求之间的矛盾。使大企业拥有传统小便利店的一对一顾客关系管理，以即时工具和个性化推荐使得大企业实现与顾客的实时沟通等。

三、基于数据营销案例研究

———京东京东是最大的自营式电商企业。其中的京东商城，涵盖服装、化妆品、日用品、生鲜、电脑数码等多个品类。在整个手机零售商行业里，京东无论是在销售额还是销售量都占到市场份额一半的规模。之所以占据这样的优势地位，得益于大数据的应用，即京东的JDPhone的计划。JDPhone计划是依据京东的大数据和综合服务的能力，以用户为中心整合产业链的优质资源并联合厂商打造用户期待的产品和服务体验。京东在销售的过程中，通过对大数据的分析，内部研究出一种称为产品画像的模型。这个模型通过综合在京东网站购物消费者的信息，例如：年龄、性别、喜好等类别的信息，然后进行深入分析。根据分析结果结合不同的消费者便有诸如线上的程序化购买、精准的点击等营销手段，有效的帮助京东实现精准的营销推送。不仅如此，通过对于后续用户购物完成的售后数据分析，精确的分析商品的不足之处或者消费者的直接需求。数据3.0时代的一个特征便是企业不在单纯的在企业内部分析数据，而是共享实现价值共创。所以，京东把这些数据用于与上游供应商进行定期的交流，间接促进生产厂商与消费者沟通，了解市场的需求，指导下一次产品的市场定位。总的来说，这个计划是通过京东销售和售后环节的大数据分析，一方面指导自身精准营销，另一方面，影响供应商产品定位和企业规划，最终为消费者提供满足他们需求的个性化产品。

四、大数据营销的策略分析

（一）数据分析要树立以人为本的思维

“以人为本”体现在两个方面，一方面是数据分析以客户为本，切实分析客户的需求，用数据分析指导下一次的产品设计、生产和市场营销。另一方面，以人为本体现在对用户数据的保密性和合理化应用。切实维护好大数据和互联网背景下隐私保护的问题，使得信息技术良性发展。

（二）正确处理海量数据与核心数据的矛盾

大数据具有数据量大、类型繁多、价值密度低和速度快时效高的特点。所以在众多海量的数据中，只有反映消费者行为和市场需求的信息才是企业所需要的。不必要的数据分析只会影响企业做出时代Time2017年第04期中旬刊（总第657期）正确的决策。鉴于此，首先企业需要明确核心数据的标准；其次企业要及时进行核心数据的归档；最后要有专业的数据分析专业队数据进行分析，得出科学合理的结果以指导实践。

（三）整合价值链以共享数据的方式实现价值创造

第6篇

关键词：大数据；图书馆；分析

近几年来，由于信息化技术的引领，大数据时代全面降临在全球范围内。数据是一种可利用资源，在各行各业中都存在有巨大的作用。因此，在大数据时代的背景下，关于如何高效地开发出数据的价值，是我国各领域中都应思考的问题。

1 针对大数据应用在图书馆中可能存在的问题的几点思考

1.1作为新兴技术，大数据技术还需经历时间的考验

微软企业中有位优秀的工程师曾说过，大数据时代还需经过10年以上的研究，人们才能熟练运用大数据技术获得真正的知识。而也有一位优秀的分析师指出，大数据技术的应用前景可能在2020年才会基本清晰，人们到那时就可以利用大数据技术做出最理想的决策。然而大数据技术的问题与其可靠性、隐性成本、易用性等有着直接关系。大数据的诞生是通过信息技术发展下而催化的产物。因此，大数据对信息技术依赖性非常强，若信息技术得不到充分的应用和发展，大数据也会受到严重的限制。

1.2无法正确掌握认识以及推广大数据的技术、概念、工具等的尺度

图书馆是一种公益型行业，是由国家政府主导的，所以在推动发展过程中，可能会遇到动力不足等问题，同时根据实际调查，国际化等级越高的行业受大数据技术的影响的程度越高，获得的绩效增长速度越快。然而除了国家图书馆外，还有以服务本地民众的单个图书馆，对此，在应用这一技术时，需要考虑大数据在单个图书馆中应用效果。同时民营性质的企业可能会为了求得长足的进步，而盲目地应用大数据技术，在投入大量的资源如设备、人员、后却收效甚微，没有获得显著成果。因此，在应用大数据技术时，应从自身条件出发，尽量做好引进、研发、调试等工作。

1.3继续开发与应用大数据技术和工具是否会拉大各区域的信息化差距

集中在国内经济发达地区的高等学校图书馆内率先应用大数据技术，必定能够提高图书馆的知识传递速度和用户的满意度，因此在服务水平上拉近与其它发达国家图书馆的差距的同时也拉大了与国内其它地区、类型图书馆的差距。因此，在加强与国际间图书馆的交流同时，还应做好大数据技术在D书馆的应用宣传和普及工作，与国内同行结合起来共同解决发展道路上可能遇到的问题。

1.4大数据时代人才稀少

大数据作为新兴的信息技术，其跨越的学科众多，操作难度非常大，对于人才的要求极为严苛，也因此导致大数据人才极为缺乏，这也是各国需要首要考虑的问题。我国图书馆应多与国际接轨，学习其它发达国家同行和其它行业的先进知识，积极培养国内的大数据人才，并加强大数据的普及和宣传，以引起国内同行的重视。同时图书馆界也应加大数据收集力度，开展数据监护活动的探索，努力分析用户的要求和使用规律，为数据监护人员开展工作提供基础信息。

2图书馆应用大数据技术后的数据处理与服务

2.1图书馆具备大数据的特征

由于用户需求的多样化以及图书馆建设信息资源平台的进度加快，图书馆存储的数字资源具备了“大数据”的一定特征。首先，图书馆内的数据资源种类有很多种，在光盘资源、网络资源、数据库资源中就具有音频、视频、图像、文字；服务系统中的日常读者信息和服务信息等；另外还有图书馆建设体系的数据等，一所普通图书馆所具有的数据量非常庞大以至于无法完全统一它们的编码方式、数据格式以及应用特征，形成了大量的异构数据。其次，图书馆的储存数据日益增加，资源总量庞大，通过实际统计，2009年底，国家图书馆的数字资源达到了190TB，到了2012年底，国家图书馆的数字资源总量已突破800TB。再次，随着编辑服务越来越个性化、学科服务专业化，用户的需求也在不断地多样化。因此，必须挖掘大数据的潜在价值，改进服务方法，才能提高用户满意度。最后，虽然图书馆的自动化水平已进入到新的发展阶段，且拥有大量的数据库记载和统计用户的信息和资源信息，但还需处理一些未进入数据库的异构数据，也许能发现新的服务方式。

2.2图书馆应用大数据技术后的数据处理方式

目前数字时代图书馆数据处理方式是将各种资源实现数字化、网络化以及语义化，通过建设数据库及语义化、创新服务方式等，最大程度的满足用户的需求和利用。然而大数据时代图书馆的数据处理方式出现根本性变化，如处理范围、对象、方式、目的等，通过分析提取服务数据进行分析和总结，了解用户的需求和使用规律，进而发现新的数据应用模式构建新的服务方法。同时大数据时代图书馆逐渐完成传统业务向数据分析、挖掘等新业务的发展，不再是仅依靠数据共享、丰富资源、增加时间等方式来提高服务水平，它还可以通过分析大量的数据，从中挖掘潜在的价值，以此提高高效、创新的图书馆服务。

2.3大数据时代图书馆的服务体系

随着技术的进步，以及用户的新要求，都在促使图书馆的服务体系发生变化，如服务模式、服务范围等都有了全新的改变。图书馆的服务模式是通过分析、组织、捕获大量的数据而总结出来的，因此，大数据时代图书馆的服务体系可能会跟着服务模式的调整而调整。随着调整如信息咨询、学科服务等图书馆服务模式，图书馆的服务范围必然会得到进一步的提高与扩大。未来，为国家机构、社会企业等提供数据分析、挖掘服务必然会是大数据时代图书馆的寻常服务内容。

3结语

随着信息技术的不断进步，大数据技术也进入到图书馆应用领域。大数据时代下，图书馆在大数据技术的支撑下，其服务方式、数据处理方式都有了根本性的改变，通过挖掘分析数据的潜在价值，以获得新的服务方式，进而最大程度的满足用户的需求。然而大数据技术应用过程中，可能产生的一些问题，都需要慎重考虑。在此，笔者建议在发展大数据时代图书馆的同时还应加强宣传和普及，并多参与国际、馆际间交流，共同努力合作解决大数据技术在图书馆应用中出现的问题，推动图书馆发展创新型服务。

参考文献：

[1]杨海燕.大数据时代的图书馆服务浅析[J].图书与情报，2012，04：120-122.

第7篇

经济社会不断发展，助推了现代信息技术的革新，大数据逐渐成为时展的先声，成为社会进步的见证。大数据是若干数据的集合，汇总了海量数据信息，成为巨大的资源库。为了快速处理数据，提取有效信息，大数据技术应运而生[1]。大数据含括的内容非常广泛，除了传统数据之外，还包括一些视频数据、音频数据等等。大数据的处理方式复杂，对技术提出要求，云计算满足了数据需要，开发了大数据的信息价值，应用范围正在不断扩大。

大数据对社会发展产生重要影响，对企业的辐射作用非常大。以营销为例，大数据汇总了用户的需求信息，企业依靠大数据技术，能够对用户需求进行分类，并根据用户需求提供相应服务，提高内部的营销水平。大数据为企业营销指引了正确的方向，企业可以根据大数据制定营销管理目标，预测市场的发展方向，获得更多的发展机遇。当然，大数据也给企业带来了挑战：在大数据时代，市场处于时时变化之中，企业必须构建现代化的营销体系，加大产品创新力度。同时，企业需要不断更新营销理念，顺应市场的发展变迁，创造更多的经济效益。鉴于大数据有利有弊，企业必须采用高效营销策略，不断提升自身的营销竞争力。

二、大数据时代企业的营销策略

（一）开展数据营销

在大数据时代背景下，企业营销出现了新变化，传统营销方式逐渐落后于时展的潮流，企业需要把握机遇，充分认识大数据特征，并依靠大数据进行营销。与传统营销相比，大数据营销更具挑战性，其可能获得的收益也更多。大数据以互联网作为依托，企业可以调用互联网中的数据信息，把握用户的最新需要，并根据用户需求优化设计产品等。我国推行市场经济，全球化加速了国内市场和国外市场的整合，企业所处的市场环境更加复杂。大数据对国内外市场数据进行了汇总和分类，企业可以根据市场数据制定营销策略，在第一时间了解市场的变化信息。营销部门根据数据设定营销策略，能够创造更多的经济效益，并抢先在竞争对手之前推出新产品。为了提高数据营销效率，企业需要做到以下几点：第一，企业应该获得更多市场数据。部分企业眼光狭隘，仅仅对月份市场数据进行了调研，以偏概全对市场认知不足，难免在市场竞争中陷入不利位置。针对这一情况，需要放长眼光，获得更多数据，并对数据发展趋势进行分析，从中洞察用户的个人需求等，理解消费者的消费情感。同时，企业要对市场发展方向进行预测，以便快速调整营销策略，提高营销质量。第二，企业应该引导客户参与。企业需要秉持消费者优先的原则，让消费者投入营销工作之中，为营销部门提供可行性意见，增进彼此之间的联系，深化消费者对企业的情感体验。第三，企业应该开展精准营销。不同消费者群体有着不同的消费需求，企业需要获取不同消费者群体的消费记录数据，进行一对一的产品信息推送[2]。

（二）构建数据平台

在大数据时代背景下，企业之间的各部门需要建立互通联系，各部门需要共享客户数据库内的信息，并依据客户数据库开展各项工作。在传统营销过程中，客户数据受到了忽视，客户需求并没有得到充分满足，企业与客户并未建立对话关系，其推出的产品营销范围有限。针对这一情况，企业需要改进营销行为，打造专业化的营销数据平台，并将客户数据作为重要资源。一方面，企业应该引入更多的技术资金，引进大数据技术，形成完善的客户数据库，并要求各部门共享信息，根据数据捕捉客户的消费动态，记录客户的消费行为，分析客户的消费习惯等，对客户的消费倾向进行有效预测。另一方面，企业应该制定市场调研表，对竞争对手的产品信息进行获取，关注竞争对手的最新动态，并制定相应的营销方案，在竞争中占据有利位置。为了避免数据泄露，企业应该采用数据加密技术等，对数据平台进行定期更新和维护。

（三）培养新型人才

传统营销人才并未充分认识到大数据技术的重要作用，对大数据内涵不甚了解，针对这一情况，企业应该加快人才培养的步伐，打造专业化的数据营销人才团队。首先，企业应该加大宣传力度，明确大数据的重要作用，并定期开展培训教育工作，对营销部门进行培训。其次，企业应该将培训考核和营销人才的薪资待遇联系在一起，以培训考核结果分配薪资，增强营销人才的警惕意识。再次，企业应该邀请技术人员开展讲座等，为营销人才介绍数据收集、数据管理的方法等，不断增强营销人才的数据分析能力。

第8篇

关键词：大数据时代；高校财务管理；基础数据分析

大数据时代下，高校财务管理在数据分析上获得了有效的支持。从目前高校财务管理实际来看，基础数据的分析是关键。但是受到高校财务数据多，财务管理流程复杂等因素的限制，高校在财务管理中无法对基础数据进行快速有效的分析，导致了高校财务管理工作在实效性上有所欠缺，不利于高校财务管理工作的开展。大数据技术的出现，给了高校财务管理工作以新的手段支持，不但解决了高校财务管理中基础数据分析的困难，还提高了财务基础数据分析质量，对高校财务管理工作具有重要意义。

一、大数据时代下高校财务管理，应建立基础数据库

大数据时代的特点是能够对数据进行集中的处理和分析，在进行数据分析处理之前，通常会建立完善的数据库，实现数据的有效收集。基于高校财务管理的特点，以及高校财务管理中基础数据繁杂的现状，大数据时代下高校财务管理只有建立基础数据库，才能满足后续分析需要。为此，高校财务管理应从三方面入手：

首先，高校财务管理应做好基础数据的收集。由于高校财务管理中涉及到得数据较多，做好基础数据的收集不但可以为下一步的数据分析提供有力支持，同时也是建立数据库不可缺少的手段之一。

其次，高校财务管理应建立基础数据库。做好了基础数据收集之后，应根据基础数据的完善程度，建立相应的是基础数据库，重点做好基础数据的管理工作。 再次，高校财务管理应将基础数据纳入到数据库管理中。为了保证高校财务管理基础数据库能够有效运转，应将财务管理过程中的所有基础数据都纳入到数据库管理中。

二、大数据时代下高校财务管理，应对基础数据进行统计分类

大数据时代下，大数据技术的优势在于可以通过对复杂数据的分析，找出数据的特征，并将数据背后所反映出的内在规律予以展示，为数据分析与管理提供有力的支持。基于这一认识，高校财务管理在大数据时代，不但要学会有效利用大数据分析手段，还要在基础数据管理中，全面应用大数据分析技术。

结合高校财务管理实际以及大数据分析的现实要求，对基础数据进行统计分类是重要措施。通过对基础数据进行统计分类，不但可以提高基础数据管理质量，同时还能解决基础数据的归类问题。所以，做好基础数据的统计分类，并按照财务管理信息类别对基础数据进行统计分类是十分必要的。

同时，对基础数据进行分类之后，要对每一类数据进行必要的统计，总结基础数据特点，把握基础数据处理原则，确保基础数据的统计在准确性上能够达到预期目标，提高基础数据的处理质量。从这一点来看，大数据数代对数据的处理速度更快，处理难度也越来越低，只有做好数据的分类统计，才能为大数据技术的应用奠定良好的基础。

三、大数据时代下高校财务管理，应分析基础数据的整体特点

对于高校财务管理而言，考虑到财务管理工作的专业性和特殊性，对数据处理的准确性和处理速度有着严格的要求，做好数据处理不但有利于提高数据分析质量，还可以为高校财务管理工作提供有价值的参考依据，使高校财务管理工作能够找准数据流向特点，为下一步的数据分析提供有力的保障。

除此之外，对基础数据的整体特点进行分析，是高校财务管理的重要内容，考虑到数据复杂性等特点，传统数据分析手段已经难以满足实际需要。大数据技术出现之后，利用大数据的分析优势和归类优势，可以对高校财务管理中涉及的基础数据进行必要的统计分析，从中找出数据流的特点，为高校财务管理工作提供一定的管理依据。

所以，大数据数代下高校财务管理工作，应对基础数据的整体特点进行分析，做到总结基础数据规律，并根据基础数据的规律判断出基础数据信息流背后所包含的特点。因此，正确应用大数据手段进行必要的数据分析，是解决高校财务管理工作问题的重要手段。

第9篇

关键词：大数据时代 税收管理 挑战 建议

一、大数据时代背景下我国税收管理面临的挑战

（一）海量涉税信息的整合工作不到位

随着我国网络技术的不断发展，在税收管理中应用互联网技术已经成为了未来税收管理的发展趋势。目前，我国的税收信息化建设取得了一定的成果，但是，与互联网技术的发展相比，依然存在很大的差距。主要表现为以下几点：第一，对税收系统内部存在的各种信息进行整合的力度不足。我国针对税收管理，建立了多个系统，有综合征管系统、出口退税系统以及行政办公系统等。这些系统中存储的信息较为分散，我国对这些系统中存储的信息进行整合的力度不足，严重影响了税收管理工作的工作效率；第二，对智能化的管理信息系统了解不足。在企业管理中应用信息化技术，已经是当今企业管理的主流。很多企业使用高度智能化的信息系统存储企业的信息，税务部门的管理人员对这些系统不了解，不能在这些系统中取得相关的数据，只能要求企业提供数据。税务管理人员不能掌握第一手的企业信息，也不能通过查看企业存储的数据发现问题，对税收管理工作的发展有着不利的影响。

（二）无法及时监控并应对涉税舆情事件

随着网络技术的快速发展，计算机在人们的生活中被广泛的应用。人们可以通过计算机，查看身边发生的每一件事情，网络已经成为了各类信息的收集地和舆论的放大器。目前，我国人们越来越关注税务问题，尤其是有关国有企业的税务问题，更是人们关注的焦点。网络具有快速传播的功能，与政府有关的信息，尤其是税务信息，传播的速度更快，面对这样的情况，税务部门必须提高处理涉税事件以及化解舆情危机的能力。

二、对大时代背景下实行税收管理的建议

（一）树立大数据思维

在大数据时代背景下实行税收管理，不仅需要使用数据技术进行税务的管理工作，更要树立大数据思维，以大数据的观念去认识税收管理工作，这样才能推动税收管理工作的现代化发展。树立大数据思维，可以从以下三个方面入手：第一，要全体，但不要抽样；第二是要效率，但不要百分百的精确；第三，要相关，但不要因果。在大数据时代下，数据信息多种多样，因此，对任意数据信息进行全面详细的分析，是很难实现的。在这样的情况下，需要做到以下三点：第一，全面的接受信息，第二，对信息进行快速的分析，第三，根据分析的结果提出最佳的解决方案。这才是大数据时代背景下税收管理应对挑战的方法。

（二）做好大数据的分析工作

在大数据时代下，数据信息数不胜数，在众多的信息中挑选出有用的信息，是一项很艰难的工作。面对这样的情况，税收管理部门可以根据大数据的特点，在税收管理中应用信息化的手段，对大数据进行有效的分析。对大数据进行分析，可以从两个方面入手：第一，对数据进行全面的整合。在传统的税务管理中，数据信息的收集是工作的重点，但随着大数据时代的来临，数据信息的收集工作远比数据分析工作简单，因此，税务管理部门应该将工作的重点转移到数据的分析工作上，通过对数据的详细分析，促进税收工作的发展；第二，对数据进行深度的分析。在数量庞大的涉税信息中，很多数据之间有着千丝万缕的联系，但是，这些数据信息之间的联系并不是轻易就可以获得的，需要税收管理人员对数据信息进行深度的分析，才能找到数据之间的联系。

（三）对税收管理部门的业务模式进行创新

传统的税务管理模式，已经不适应当今社会的发展需求，对税收管理部门的业务模式进行创新，是势在必行的。在税收管理中，可以将大数据技术作为税收管理的手段。在传统的税务管理中，审计抽样是常用的税收管理手段，但随着大数据时代的来临，这种手段已经落伍。新型的税收管理手段是利用大数据技术开展审计工作，运用大数据技术，对企业中的涉税信息进行全面的收集，然后对其进行深入的分析，这种新型的业务模式，可以提高税务审计工作的效率，促进税收管理工作的发展。

三、结束语

综上所述，在大数据时代背景下开展税收管理工作，会遇到海量涉税信息的整合工作不到位等问题，这些问题的存在阻碍了税收管理工作的发展，但只要解决了这些问题，就能够提高我国税收管理的质量以及工作的效率，从而推动我国税收管理快速实现现代化的目标。

参考文献：

[1]彭骥鸣，曹永旭，韩晓琴等.大数据时代税源专业化管理面临的机遇与挑战[J].税收经济研究，2013（6）：21-24

[2]彭骥鸣，陈爱明，韩晓琴等.大数据时代强化税收风险管理的思考[J].税收经济研究，2014（5）：28-35

第10篇

（一）数据1.0时代

数据分析出现在新的计算技术实现以后，分析1.0时代又称为商业智能时代。它通过客观分析和深入理解商业现象，取缔在决策中仅凭直觉和过时的市场调研报告，帮助管理者理性化和最大化依据事实作出决策。首次在计算机的帮助下将生产、客户交互、市场等数据录入数据库并且整合分析。但是由于发展的局限性对数据的使用更多的是准备数据，很少时间用在分析数据上。

（二）数据2.0时代

2.0时代开始于2005年，与分析1.0要求的公司能力不同，新时达要求数量分析师具备超强的分析数据能力，数据也不是只来源于公司内部，更多的来自公司外部、互联网、传感器和各种公开的数据。比如领英公司，充分运用数据分析抢占先机，开发出令人印象深刻的数据服务。

（三）数据3.0时代

又称为富化数据的产品时代。分析3.0时代来临的标准是各行业大公司纷纷介入。公司可以很好的分析数据，指导合适的商业决策。但是必须承认，随着数据的越来越大，更新速度越来越快，在带来发展机遇的同时，也带来诸多挑战。如何商业化地利用这次变革是亟待面对的课题。

二、大数据营销的本质

随着顾客主导逻辑时代的到来以及互联网电商等多渠道购物方式的出现，顾客角色和需求发生了转变，世界正在被感知化、互联化和智能化。大数据时代的到来，个人的行为不仅能够被量化搜集、预测，而且顾客的个人观点很可能改变商业世界和社会的运行。由此，一个个性化顾客主导商业需求的时代已然到来，大数据冲击下，市场营销引领的企业变革初见端倪。

（一）大数据时代消费者成为市场营销的主宰者

传统的市场营销过程是通过市场调研，采集目前市场的信息帮助企业研发、生产、营销和推广。但是在大数据以及社会化媒体盛行的今天，这种营销模式便黯然失色。今天的消费者已然成为了市场营销的主宰者，他们会主动搜寻商品信息，货比三家，严格筛选。他们由之前的注重使用价值到更加注重消费整个过程中的体验价值和情境价值。甚至企业品牌形象的塑造也不再是企业单一宣传，虚拟社区以及购物网站等的口碑开始影响消费者的购买行为。更有甚者，消费者通过在社交媒体等渠道表达个人的需求已经成为影响企业产品设计、研发、生产和销售的重要因素。

（二）大数据时代企业精准营销成为可能

在大数据时代下，技术的发展大大超过了企业的想象。搜集非结构化的信息已经成为一种可能，大数据不单单仅能了解细分市场的可能，更通过真正个性化洞察精确到每个顾客。通过数据的挖掘和深入分析，企业可以掌握有价值的信息帮助企业发现顾客思维模式、消费行为模式。尤其在今天顾客为了彰显个性，有着独特的消费倾向。相对于忠诚于某个品牌，顾客更忠诚与给自己的定位。如果企业的品牌不能最大化地实现客户价值，那么即使是再惠顾也难以保证顾客的持续性。并且，企业不能奢望对顾客进行归类，因为每个顾客的需求都有差别。正是如此，大数据分析才能更好地把握顾客的消费行为和偏好，为企业精准营销出谋划策。

（三）大数据时代企业营销理念――“充分以顾客为中心创造价值”

传统的营销和战略的观点认为，大规模生产意味着标准化生产方式，无个性化可言。定制化生产意味着个性化生产，但是只是小规模定制。说到底，大规模生产与定制化无法结合。但是在今天，大数据分析的营销和销售解决的是大规模生产和顾客个性化需求之间的矛盾。使大企业拥有传统小便利店的一对一顾客关系管理，以即时工具和个性化推荐使得大企业实现与顾客的实时沟通等。

三、基于数据营销案例研究――京东

京东是最大的自营式电商企业。其中的京东商城，涵盖服装、化妆品、日用品、生鲜、电脑数码等多个品类。在整个手机零售商行业里，京东无论是在销售额还是销售量都占到市场份额一半的规模。之所以占据这样的优势地位，得益于大数据的应用，即京东的JD Phone的计划。

JD Phone计划是依据京东的大数据和综合服务的能力，以用户为中心整合产业链的优质资源并联合厂商打造用户期待的产品和服务体验。京东在销售的过程中，通过对大数据的分析，内部研究出一种称为产品画像的模型。这个模型通过综合在京东网站购物消费者的信息，例如：年龄、性别、喜好等类别的信息，然后进行深入分析。根据分析结果结合不同的消费者便有诸如线上的程序化购买、精准的点击等营销手段，有效的帮助京东实现精准的营销推送。不仅如此，通过对于后续用户购物完成的售后数据分析，精确的分析商品的不足之处或者消费者的直接需求。数据3.0时代的一个特征便是企业不在单纯的在企业内部分析数据，而是共享实现价值共创。所以，京东把这些数据用于与上游供应商进行定期的交流，间接促进生产厂商与消费者沟通，了解市场的需求，指导下一次产品的市场定位。总的来说，这个计划是通过京东销售和售后环节的大数据分析，一方面指导自身精准营销，另一方面，影响供应商产品定位和企业规划，最终为消费者提供满足他们需求的个性化产品。

四、大数据营销的策略分析

（一）数据分析要树立以人为本的思维

“以人为本”体现在两个方面，一方面是数据分析以客户为本，切实分析客户的需求，用数据分析指导下一次的产品设计、生产和市场营销。另一方面，以人为本体现在对用户数据的保密性和合理化应用。切实维护好大数据和互联网背景下隐私保护的问题，使得信息技术良性发展。

（二）正确处理海量数据与核心数据的矛盾

大数据具有数据量大、类型繁多、价值密度低和速度快时效高的特点。所以在众多海量的数据中，只有反映消费者行为和市场需求的信息才是企业所需要的。不必要的数据分析只会影响企业做出正确的决策。鉴于此，首先企业需要明确核心数据的标准；其次企业要及时进行核心数据的归档；最后要有专业的数据分析专业队数据进行分析，得出科学合理的结果以指导实践。

第11篇

为什么“粉丝经济”概念在电商平台开花结果、取得成功？阿里副总裁靖捷接受记者采访时给出了明确的答案：阿里利用旗下的零售平台、媒体矩阵、供应链平台及云计算、大数据等资源，为品牌了解消费者行为与市场趋势提供支持。更通俗地说，阿里帮助品牌让粉丝们从“看看就罢了”到“看看就爱上、就买到、就用上”，将明星、IP等对粉丝的吸引力转化成购买力。

粉丝本身是个热闹的话题，但如果不能运营和管理，对品牌而言是无意义的。粉丝，无非是想买的和已经买了的人；粉丝经济的本质，是品牌和消费者之间的关系。对于品牌来说，运用粉丝经济进行营销，是把潜在消费者转换成真实消费者的过程。

全矩阵打通精准消费者画像

在阿里矩阵中，品牌有各种可能去和消费者建立联系。“今年3月，我们在做一件事情，就是做一个“UNIFIED ID”，这个统一账号是将所有的账号打通了。”靖捷告诉记者。一见钟情只是最美好的想象，但不是常态。“感兴趣”之后，如何让这些兴趣进行关联？包括淘宝、天猫、优酷土豆、微博、UC、高德、虾米等在内的阿里矩阵，就是将所有品牌与粉丝进行链接，将真正的目标人群关联在粉丝趴。

过去，品牌仅知道有这样一个潜在人群对自己的明星、IP或产品感兴趣，但并不真正知道谁在购买自己的产品。数字化互动营销获得的通常仅是用户的手机号码——一个消费者可以有2个甚至更多个手机号，却只有一个支付宝(淘宝、天猫)账户。全线打通的账号体系，通过大数据帮助品牌触达阿里矩阵6.3亿消费者，与消费者展开深度互动。强账号体系带来的，是最为真实的用户画像，对于粉丝的购买行为、浏览行为、出行行为、社交行为等能有精准的画像，这就可以帮助品牌根据消费者的真实行为来不断加深共鸣。找到用户画像之后，阿里将通过一系列的工具来帮助品牌实现内容的产生和，与消费者建立链接。

边看边买直播打破时空区隔

直播就是系列工具之一，原本消费者通过电视或杂志看到的明星内容与自身是无关联的，是时间和空间割裂的，但通过天猫直播这种方式，消费者和品牌以及品牌的明星在同一个时间和空间，能够产生共鸣与互动。

同时，通过边看边买等形式，天猫直播也让品牌原有资产，或明星、IP投入带来更好的转化率和投入产出比。美宝莲携代言人Angelababy首次直播会与粉丝互动，创造2小时卖出1万支唇膏新品的纪录。此后，美妆品牌从中学习成功经验，在戛纳电影节营销中也取得了斐然的成绩。

未来，打破时空区隔的将不只是直播，品牌越来越重视将原本仅在线下店铺渠道才能获取的产品和体验，逐步像线上转移，“搬入”品牌官方旗舰店，包括专业高效的客服、个性化的“天猫定制”，以及一票难求、一物难求的稀缺商品，一些品牌已经取得了成功的初探。

整合碎片化流量与关注度

1.0时代的数字化营销，传播和销售是完全割裂开来的“两个世界”，从“兴趣”到“购买”的临门一脚很难实现，链路无法闭合。而如今，天猫密令、二维码等各种工具，让所有品牌对外的传播都可获得有效整合，可以将与粉丝所产生的碎片化关联落实在天猫的粉丝趴，或者品牌官方旗舰店中，进行更为全面的整合营销传播。士力架以微博为主阵地，基于阿里大数据分析进行粉丝定向营销，多数粉丝打开天猫或淘宝App主动搜索并进入旗舰店直接购买产品，取得了高于明星店铺平均水平约20倍的投资回报率。

这将把所有品牌与粉丝的销售渠道打通，“原本你在网上看到一个产品，你可能会去搜索、比较，但不一定会去购买；但现在，阿里通过全渠道的整合，可以迅速为粉丝推荐最符合其需求的信息。”靖捷说，“比如在天猫上迅速指引消费者去最近的门店去查看、去体验，并在线上更快的实现购买。”

第12篇

去年12月，亚马逊获得了一项名为“预测式发货”的新专利，可以通过对用户数据的分析，在他们还没有下单购物前，提前发出包裹。“亚马逊似乎在充分利用他们庞大的数据。”美国市场研究公司Forrester Research分析师苏查里塔·穆尔普鲁(SucharitaMulpuru)说，“根据他们对用户的种种了解，他们便可依据多种因素来预测需求。”

没错，这就是大数据的贡献。如今，在互联网时代，随着电子商务的高速发展，大数据在其领域的重要性越发凸显，也可以说，大数据的存在，让电商变得更加智慧。《互联网周刊》记者与中酒网副总裁兼COO王泽旭，YOHO！有货CEO钮丛笑进行了互动，深入了解电商与大数据背后的故事。

大数据让消费更加个性化

在电商领域中，用户行为的信息量十分庞大，根据专注于电商行业用户行为分析的公司的不完全统计，一个用户在选择一个产品之前，平均要浏览5个网站、36个页面，在社会化媒体和搜索引擎上的交互行为也多达数十次。不经过大数据分析，如何将如此庞杂的数据归纳总结，进行统计分析简直是难以想象。

与此同时，大数据也让电商更具个性化。钮丛笑说道：“大数据的本质，从营销层面理解是实现产品的一对一营销，这也是营销的最高境界——专门为一个人定制的产品。此前，我们是一个产品对应一类人，千人千面，随着大数据的不断发展，最理想的状态将是一个产品只对应一个人。”他举了一个例子，在营销过程中，电商企业经常纠结一个事情，例如北方已经到了冬季，南方还在穿着短袖，那么网站页面到底该推什么商品？最好的解决方案就是一边出现冬季页面，一边出现夏季页面。“大数据的核心本质最终就是要解决一对一营销，纯研究数据并没有太大的意义。”

王泽旭则谈到，电商网站每日都会收集大量的数据，由于有了大数据的协助，让中酒的线下经营业更具有特点，例如在门店商品的选择上，酒品有2000多个种类，门店是无法放下的，经过大数据的分析，每个门店的商品陈列、陈列主次、销售结构都是不一样的，这样的经营方式大大提高了商品的转化率。另外，根据网络销售得出的区域用户行为节奏分布，对店面的选址也有帮助，可以知道选址周围人们的喜好分布，得出的促销侧重点也不同。

网络用户的“用户行为信息”(User Behavior Information)是指用户在网站上发生的所有行为，如搜索、浏览、打分、点评、加入购物筐、取出购物筐、加入期待列表(Wish List)、购买、使用减价券和退货等；甚至包括在第三方网站上的相关行为，如比价、看相关评测、参与讨论、社交媒体上的交流、与好友互动等。而个性化的推荐则会提高用户的购买率，降低无用信息的推荐，避免了无用广告的滥用骚扰，无形中就提高了用户体验。

大数据让营销更精准

互联网时代更多的是以用户为中心，大数据的存在则让这种以用户为中心的服务有了更为准确的依据。

钮丛笑谈到，不管什么行业，都会有一个标签，都需要精细化整理自己顾客的属性标签以及商品属性标签，而且在大数据到来之后，这些标签必须能够细化到单个顾客和单个商品。

在电商、零售等行业，成本控制是将利益最大化的关键因素，大数据则为成本控制和精准营销提供了依据。

钮丛笑提到了一个词：计划经济。他谈到，有货上面的销售量都是计划好的，虽然计划经济不如市场经济的调节作用好，但是为了避免销量溢出过度浪费，就可以进行宏观调控。而在大数据帮助下的数据调控也变得更有依据。

去年7月底，有货在上海举办了YO’HOOD潮流新品C2B预售会。新品预售会仅两天，线上线下预购金额就超过了2000万元。“不仅对上新有极高要求的潮流电商需要避免库存风险而尝试C2B模式，其他定位于大众平台的电商有更加迫切的供应链变革要求。”钮丛笑表示，“根据消费者的预购情况，按需生产、限量，可以让品牌商直接与消费需求对接，一方面可以有效控制库存周转；另一方面，可以预先抢占下一季度的市场。”

C2B模式虽然能够很好的将需求与企业的供应有机的结合起来，极大的节约成本，但若无数据支持，将造成供应链的极大供给短缺，大数据很好的解决了这个问题。

王泽旭在谈话中也表露了类似的观点，他表示，从IT角度讲，根据对数据的细分可以做到区域经营碎片化，让各地区经营策略不一样，价格选品，都不一样。例如搜索淘宝指数时，会有性别、年龄、星座等等区分的指数，而有意思的是，处女座的消费特征确实有所区别。王泽旭还介绍，中酒网的内部大数据叫做中酒云，每个人都可以在上面检索，其中包括四十多个维度，并且对不同维度进行组合来满足经营需要：比如大学附近销售德国啤酒，老年人比较多的地区销售黄金酒之类。

体验是用户忠诚度保持的关键

在众多电商快速崛起的今天，如何保持用户黏性，增加重复购买率成为了关键。

“我们做的不是一锤子买卖。用打价格战的方式拉拢客户，这样的客户可能会购买一次商品，但是未必会买第二次。”钮丛笑明确表示不会盲目跟风低价，“对于分众电商而言，最重要的不是要卖什么，而是知道不能卖什么。”比如有货虽然出售阿迪达斯品牌商品，但仅限于个别潮流产品线。这就是大数据告诉了企业，应该向什么方向发展，应该做什么样的决策，大数据也让电商更具智慧。

第13篇

关键词：“大数据”时代 计算机信息处理技术 分析

中图分类号：TP274 文献标识码：A 文章编号：1007-9416（2016）06-0237-01

在“大数据”时代的背景下，数以亿计的计算机和移动设备正在持续不断的创造出数量惊人的信息。而未来的世界将是一个信息的世界。面对“大数据”时代的来临，计算机信息技术的更新换代迫在眉睫，如何把握机遇，勇于迎接挑战，是现在摆在信息学家、计算机专家以及企业家面前的一个关键课题。

1 “大数据”时代的机遇

“大数据”时代的来临带动了对于数据的深度挖掘和综合应用，从而为多个产业的发展创造了价值。此外，“大数据”时代弥补了传统数据存储技术的安全系数低的缺憾，开发了云技术和物联网的新形势。由于“大数据”时代对于信息安全的要去较高，因而很大程度上带动了信息安全的发展和进步。

2 “大数据”时代的计算机信息处理技术

2.1 信息采集、加工技术

“大数据”时代下的计算机信息处理技术的首要任务就是收集和整合数据信息。只有完整的收集信息数据，才能开展接下来的计算机信息处理技术。第一步要明确数据信息的目标源，然后针对目标数据采取进一步的跟踪和监督，控制信息数据的流向，将采集的完整数据信息如数录入到计算机数据库中。下一步就是针对采集的信息数据的加工和处理，一切加工处理工作的宗旨就是用户的要求和指令。最后一步就是将按照客户要求处理的信息数据传输到用户的手中，保证信息传送过程中的完整不被泄露，完成整个采集、处理和传送过程。

2.2 存储技术

将收集来的数据信息进行存储，是”大数据”时代下计算机信息处理技术中的关键环节。是否可以更加合理有序的存储大量的数据信息，是”大数据”时代下衡量计算机信息处理技术优劣的关键之处。良好的储存技术可以保证客户第一时间内快速的从庞大的数据库中调取所需的数据信息，无一遗漏。随着技术的不断进步，计算机信息处理技术的长时间存储数据的功能也越来越受到广泛关注。

2.3 信息安全方面的技术

“大数据”时代的来临，在很大程度上提高了用户体验的同时，也给信息数据的安全带来了很大的挑战。现今的世界是一个信息的世界，信息的安全和隐私是世界范围内关注的焦点。计算机安全体系的建立需要大量的资金投入，引入大量专业技术人才，加大对信息安全体系的研究和分析力度，将计算机信息处理技术关注的热点致力于开发信息安全的技术产品，为信息安全体系提供坚实基础。此外，为了满足如今对于信息安全的高标准的要求，要不断研发新的技术和项目，重视对重要数据的跟踪检测，尽量做到在庞杂的数据库面前，可以提高每一个数据的安全系数。

2.4 信息处理技术的发展

“大数据”时代的特征就是庞大数据信息量，这样想要完成对如此大规模数据的研究和分析，就会受到计算进硬件设备的限制，因为在这种情况下，云技术的发展应运而生。云技术可以破除计算机硬件对信息网络技术发展的阻碍，处理比传统计算机数据量提高上百倍的数据信息，这是未来“大数据”时代下计算机信息处理技术的发展趋势，具有无限的发展潜能。云技术可以将传统的计算机硬件与网络分割开来，各自运行，既保证了计算机硬件的正常稳定运作，又能形成庞大的云计算网络，构建起一个“大数据”信息网络系统，来解决数据量巨大的问题。

3 “大数据”时代下计算机信息处理技术的方向

3.1 计算机网络朝着云计算网络发展

传统的数据处理技术已经不能适应现今庞大的数据计算量，因而云技术的发展是必然趋势。云技术网络可以破除计算机硬件系统处理数据有限的弊病，信息构架不再依附于计算机的硬件系统，利用最新的数据中心技术，将云计算技术向更高的层面和更广的领域发展。

3.2 计算机技术朝着开放式网络传输技术发展

这里的开放式是指将计算机网络与计算机硬件分隔开来，让网络计算不再受限于传统的有限的计算机硬件设备，定义我全新的网络构架，避免计算机硬件对于信息数据的数量的限制和阻碍。

3.3 计算机技术与计算机网络相互融合

计算机技术和计算机网络相互融合，成为一体，是未来大数据时代下计算机信息处理技术发展的一大方向。传统的计算机技术需要计算机硬件的配合，才能完成对数据信息的处理工作，未来计算机技术的发展趋势就是摆脱计算机硬件的束缚和牵制，单独依靠计算机网络完成对于庞大的数据信息的甄别和处理工作。也就是说，将来的计算机技术可以通过连接网络完成“大数据“时代下的计算机信息处理的技术工作，基于网络平台的帮助，满足”大数据“时代下的最新数据信息的处理要求。

4 结语

随着科技的进步，经济的发达带来了信息技术的日新月异。科技进步带来数据量的激增，引起新一轮信息技术的变革，诱发了“大数据”时代的来临。综上所述，“大数据“时代的来临给计算机信息处理技术带了机遇和挑战，传统的计算机信息处理技术已经不能满足数据量激增的现状，因而云计算技术应运而生。

参考文献

[1]刘小霞，陈秋月.大数据时代的网络搜索与个人信息保护[J].现代传播，2014，36（5）：125-128.

第14篇

【关键词】商业银行 大数据 SWOT分析 战略探讨

2012年以来，“大数据”成为了新的关键词。2012年12月，英国作家维克托·迈尔-舍恩伯格和肯尼斯·库克耶所著的《大数据时代》向读者揭示了大数据时代的到来，在这个信息爆炸、数据为王的新时代，传统的商业模式正在被颠覆，商业银行将面对各种各样新的挑战。在大数据时代，商业银行有必要针对“大数据”制定新的发展战略，以应对未来大数据时代带来的各种变革。

一、大数据时代概述

较早提出“大数据（Big Data）时代”的是全球知名咨询公司麦肯锡，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”然而，对于“大数据”一词，IT界并没有准确的定义。美国研究机构Gartner给出了这样的解释：“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

国际数据公司（IDC）的研究结果表明，2011年全球产生的数据量高达1.82ZB（（ 1ZB=1024EB；1EB=1024PB；1PB=1024TB；1TB=1024GB；1GB=1024MB），相当于全球每人产生200GB以上的数据。对于商业银行，客户数据和交易数据已经成为其核心资产之一，随着业务的发展，客户数据将由简单的个人资料转变成全面的个人资产结构、个人消费结构等信息，而这种信息将对银行的数据积累和处理能力带来极大的挑战。因此，未来的商业银行之间的竞争也可以看作是银行间大数据战略的比拼。

二、商业银行大数据时代的SWOT分析

（一）优势分析

1.商业银行拥有广大的客户群体

商业银行在多年发展中，积累了大量的客户数据，包括客户个人资料、客户存贷款信息等。大数据时代下，商业银行的客户资料将成为商业银行的重要信息资产之一，通过云计算等技术手段，将加快客户信息的验证和调用速度，提高业务办理效率。

2.商业银行资本雄厚，有能力建立大数据库

商业银行具有雄厚的资本，盈利能力较强，为其建立大数据服务器提供资金保障。由于建立数据库、云计算服务器等设备需要大量的资金支持，一般中小企业难以承受，商业银行凭借其较强的资本实力可以轻易构架起数据设备，以应对未来数以ZB计的数据量。

3.商业银行拥有专业的客户服务人才

商业银行发展过程中，培养了许多专业的客户服务人才。这些客户服务人才在大数据时代下，可以利用更加详细的客户信息，更加丰富的客户行为，从各个角度分析客户需求，为客户提供全面的金融服务方案。

（二）劣势分析

1.客户信息不全面

（1）缺乏个人客户基本信息

商业银行虽然拥有大量的客户信息，但是对于单个客户的资料仅限于身份证信息和银行卡流水信息，对于客户其他方面的信息知之甚少。如客户的家庭情况、生活习惯、性格特征、兴趣爱好等。这些信息在大数据时代显得尤为重要，依据这些信息，客户经理可以为客户量体裁衣，提供满足客户各种需求的服务。

（2）缺少小微企业客户信息

小微企业不仅数量众多，金融需求总量也十分巨大。尽管商业银行一直在开拓小微企业金融业务，但非常缺乏小微企业的相关数据，一方面小微企业不愿透漏更多的信息，另一方面，为小微企业搭建贸易平台的电商企业掌握着众多的小微企业信息，而这些信息作为其核心资产，银行很难获得。

（3）缺少产业链客户的信息

很多商业银行的产业链金融业务由于涉及信息较多，收集和维护产业链相关企业数据较为不易。大数据时代下，银行可以观察核心企业的资金流水和交易记录，找到核心企业的供销商，更加高效便捷的发展产业链金融。

2.缺乏专业的数据分析人才

尽管银行拥有丰富的金融专业人才，但其数据分析人员较为匮乏。数据分析人才是指能够针对客户信息（如客户消费习惯、客户社交特点）等数据做出分析的人才。大数据时代下，需要金融专业人才和数据分析人才相互配合，才能为客户指定更加具体的、深入的金融服务方案。

（三）机会分析

1.先入为主的机会

刚刚进入大数据时代，各种软硬件设施还未健全，商业银行应当把握住这个机会，率先构架大数据战略体系，赢得先机。

2.降低成本、提高效率

短期来看，商业银行需要一定资金投入来架构大数据服务器，但长期看来，商业银行可以利用云计算实现公有云共享客户信息（云计算公认的一种分类方法，包括公有云、私有云、混合云。公有云通常指第三方提供商为用户提供的能够使用的云，公有云一般可通过Internet使用，可能是免费或成本低廉的。私有云是为一个客户单独使用而构建的，因而提供对数据、安全性和服务质量的最有效控制。混合云可视为两种云的结合），节约了时间成本和人力成本。另一方面，这些数据可以实现高效的交换和运转，将提高商业银行的办公效率。

（四）威胁分析

1.网商的竞争

马云曾说，“如果银行不改变阿里，阿里将改变银行”，互联网金融正在颠覆着传统的商业银行。2012年11月11日，天猫加淘宝销售额达到191亿元，超过1亿笔订单完成支付。其中，支付宝交易笔数占到所有交易的45.8%，支付宝提前充值带来的余额支付占31%，而传统网银支付，所有银行渠道相加只占到23.2%。面对来自互联网金融（如阿里金融、人人贷等）、移动互联网金融（如拉卡拉、手机钱包等）的竞争，商业银行将更加重视大数据战略。

此外，网商还拥有众多未获得营业执照的网店经营者，他们具有活跃的交易记录和巨大的金融需求，但商业银行很难开发到这些客户。

2.大数据存在的风险

未来，银行在架构存储数据终端时，将会广泛使用云计算技术，这种技术将实现共享数据资源的同时，也伴随着一定的风险。因为，云计算将数据存入云端，云端往往是由第三方服务器实现存取的，如果第三方将数据泄露，将会对银行交易记录、客户信息造成极大威胁。

三、商业银行大数据时代的战略选择探讨

表1 商业银行大数据时代的SWOT分析

优势（S）：

1.广大的客户群体

2.雄厚的资本

3.专业的客服人才 劣势（W）：

1.客户信息不全面

2.缺乏专业的数据分析人才

机会（O）：

1.抢占市场先机

2.降低成本、提高效率 利用资本优势、人才优势建立大数据库；构架云计算服务器；提高运行效率 完善客户信息，各银行间建立公有云共享信息；培养数据分析人才

威胁（T）：

1.网商的竞争

2.大数据存在风险 与网商合作，共享客户信息，分享利润；建立大数据的风险防范制度和体系；建立私有云 进一步调查研究大数据时代的各种风险，谨慎介入

如表1所示，结合商业银行大数据时代的优势、劣势、机会及威胁，得出了以上几种战略选择。建议商业银行围绕（WO）和（ST）制定战略。首先，从目前形势来看，虽然大数据时代刚刚到来，但银行在获得客户数据的进度上已经落后于电商企业。客户数据是电商企业的核心资产，银行不易获得，需要银行与电商企业合作的方式扩充客户资源。其次，银行间可以利用云计算技术建立公有云共享一部分客户信息（如客户基础资料、客户信用评级信息），建立私有云保护自己的核心客户资料和隐私记录，以及建立混合云开展银行和电商企业的合作。最后，商业银行需要培养大量的数据分析人才，将结构化和非结构化的数据加以分析，通过丰富客户体验，更好地满足客户的各种金融需求。

参考文献

[1]李开复.云计算[J].中国教育网络，2008（06）.

[2]张建文，汪鑫.云计算技术在银行中的应用初探[J].华南金融电脑，2009（06）.

[3]阿里研究中心.大数据时代[Z].2012（03）.

[4]方方.“大数据”趋势下商业银行应对策略研究[J].新金融，2012（12）.

第15篇

关键词：大数据时代;数字文化馆;建设;途径;

中图分类号：G242 文献标识码：A 文章编号：1674-3520（2015）-10-00-01

引言

所谓数字文化馆，即是以Internet为依托建设网络文化活动中心，目的是通过文化网站开展文化服务。在大数据时代下建设数字文化馆，可以利用地区自身的文化信息资源优势和文化信息资源特色，向不同地域的用户提供一般的文化信息，以及关于某一领域内较为专业和全面的文化信息资源的查询，还可以提供一些网络文化活动，以方便快捷的方式丰富用户的文化生活。

一、数字文化馆建设现状

目前，随着大数据的影响力逐渐扩大，网络数字化也逐渐得到普及，全国大中城市的市级甚至区级文化馆大多都建有自己的网站，但是通过浏览这些网站可以发现，现有的数字文化馆网站，主要是基于web1.0技术，以编辑为特征，网站提供给用户的内容是文化馆工作人员进行编辑处理后提供的，用户只能单向阅读网站内容，其核心只是信息，这其实并没有完全发挥数字文化馆的服务效能。而针对互联网数字化的发展趋势不难发现，现在更多的网站数字化建设已经开始向web2.0，甚至更高层次的技术倾斜，web2.0的交互性优势逐渐凸显。

为了能够符合国家公共文化示范区的建设要求，同时也为扩大现代公共文化服务体系的受众群，现有的数字文化馆平台建设的升级迫在眉睫。文化馆作为一个群众性公益文化服务机构，理应不断地阅读广大群众的文化诉求，与群众互动，融入到群众中去。要做到这一点，就需要我们在文化馆数字化建设中不断提升自己的标准，而新的理论和新的技术，如大数据、云计算的出现，就可以为我们带来更好地访问体验，同时这也给文化馆数字化平台的升级指明了一个新的方向。新技术的运用，将使用户在参与使用过程中不再仅仅只作为一个单纯的浏览者，而将同时成为互联网这张大网的编织者、信息的传递者。

二、大数据时代下数字文化馆的服务模式

（一）均等性和个性化的服务

在大数据时代下，数字文化馆的建设的最终目的是打破馆际壁垒，实行全城一馆制。通过加大资源整合利用、降低服务成本，创新多通道、终端化的服务模式，为群众提供丰富、便利、全覆盖的公共文化服务。数字文化馆以其先进的网络模式，对受众体点对点的终端服务，达到公共文化服务全区域的有效覆盖。其服务模式将突破文化馆传统网站单一电脑终端信息服务，利用强大的数字网络平台，实施多通道的信息，实现广泛而非资讯式的终端化服务。通过有效的覆盖提供广泛的基本性文化服务，从而促使文化馆阵地服务创新为体验式及地域特色的个性文化服务。

（二）服务范围和内容更加广泛

在大数据时代，数字文化馆在网络时代能够以其全新的服务模式和丰富多彩、喜闻乐见的文化产品，给人们带来更先进、更广泛、更便捷、更均等的公共文化服务。开展数字文化馆服务，使得服务成本得到有效控制，资源也得到更广泛的整合与利用，受益群体得到有效扩展，市民充分享受公共文化服务的权益将得到真正兑现。

（三）文化服务路径多样化

在大数据时代，数字文化馆完成数字课件、交流信息的编制，就如同走下流水线的产品，而良好的营销策略及出色的市场推广将决定产品的成功销售。所以，数字文化馆信息平台的构建、不同服务终端通道的选择、服务终端形式的设定，将直接影响数字文化馆服务的成效。在大数据时代，可通过移动数字化平台、有线电视、电信等网络通道的传输，达到全区域的有效覆盖，实现文化服务路径的多样化。

三、大数据时代下数字文化馆建设途径

（一）拓展用户服务体验

数字化产品的生命力，其核心在于它的体验度。市场规律证明，一旦一款产品体验感下降，那它很快就会被淘汰，变的无人问津。数字文化馆也不例外，怎样增强普通群众的数字文化体验感，值得我们思索。在当今时代，大数据和云计算是密不可分的，在这样的环境下，数字文化馆服务应在信息传递、资源服务的基础上进一步朝“以用户为中心”的服务方向转移。及时地认识用户的特点和合理需求，加强用户数据分析，通过用户分析促进信息服务层次的加深和服务质量的提升，这是大数据和云计算下数字文化馆服务的前提。借助云计算交互服务，数字文化馆通过用户的基本数据、用户的资源使用记录、用户爱好等进行用户信息挖掘，准确实地分析和定位用户特点，掌握用户需求。

（二）以移动终端为重点，研发特色应用

如果文化馆网站是数字文化馆标准配置的话，那么针对移动终端的特色应用开发，则应成为数字文化馆的个性化配置，这既是网站向移动用户的一种服务延伸，也是凸显文化馆特色产品的便捷途径。搜索平台的大数据显示，当前用户更倾向于利用手机搜索各类文化优惠信息，购买优惠门票、赢取免费参与资格等新鲜的文化体验。因此，在着力应用好官方微博、微信公众号的信息功能外，还可重点研发适用于特色应用开发的专业艺术项目。

（三）加强文化馆网站资源建设

文化资源数字化包括两个重要环节：首先，是基于数字化技术的文化资源素材化。为了针对性的推出文化服务及产品，可以充分利用大数据的分析和汇总，开发针对性的服务和内容。其次，是基于标准化技术的文化资源数字化，今后文化馆的网站首先是真实、全面、及时地本地的文化新闻资讯，建立起包含活动、事件、项目、品牌、人物、作品等在内的一套地方文化记忆存储资源库。然后，是互动板块增加点评功能。既可以增强观众和作者的交流，还能够及时督促场馆等信息的更新与修正。

参考文献：

[1]蒋君卉.大数据时代下数字化文化馆建设漫谈[J].大众文艺，2014，（23）：12-13.DOI：10.3969/j.issn.1007-5828.2014.23.012.

[2]曹晶.浅谈云计算环境下的数字文化馆建设[J].艺术科技，2015，（2）：93-94.