大数据战略意义范文

前言：我们精心挑选了数篇优质大数据战略意义文章，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 医院 ERP 财务管理

一、大数据时代对医院的影响

近年来，随着IT技术的不断进步，以及“互联网+医疗”新业态的推进，医疗行业数据量呈现井喷式发展。以北京市的三甲医院为例，每天上万的门诊量，患者基本信息、就诊情况、健康数据、影像信息等以几何式倍增，为医院数据存储、集成和分析带来巨大的挑战。医疗行业的大数据时代早已到来，“互联网+医疗”改变了传统的就医方式和诊疗模式，通过对数据的分析，发掘潜在市场，为医院提供增加经济价值的机会，还可以为个人卫生保健、临床决策、科研教学等方面提供信息支持。

除了医疗领域的变革外，大数据对医院财务管理也带来深刻的影响。首先，为提高医院的信息化水平，大数据推动医院积极进行ERP建设，ERP使财务与业务结合更加紧密，改变了传统会计依靠手工输入凭证的方式；其次，ERP使医院信息系统产生了大量的财务及业务数据，面对数据，财务管理者常感到束手无策，急需培养懂得信息、业务和财务的复合型财务人才；再次，医院传统财务部门从事的工作以会计核算为主，管理会计的发展要求财务人员必须跳出封闭的思维圈，站在更高的层次，从事风险管理、数据分析、预测、决策支持等价值增值更显著的工作，在医疗卫生体制改革中发挥引领作用。

二、大数据时代医院财务管理中存在的问题

数据作为一种重要的生产资料，发达国家将有效利用大数据作为新一轮竞争制高点的重要手段。我国目前进行的医疗卫生体制改革，也将大数据提高到了前所未有的战略高度，大数据将为医院财务管理带来颠覆性变化，进而影响医院的战略布局。具体来讲，我国医院目前财务管理中存在以下问题亟待解决。

（一）财务管理缺乏与战略的融合

众所周知，财务战略是企业战略的重要组成部分。我国大型三甲医院一般都有明确的发展战略，但是制定财务战略的单位却并不多见。由于医疗科室是核心生产力，是创造收入的重要来源，因此长期以来，医院一直存在“重医疗，轻管理”的问题，财务管理受重视程度远远不够。取消药品加成以后，医院运营将面临巨大的挑战，资金是财务管理的核心，能否掌握医院真实运营数据以及通过对资金合理筹划创造价值，是决定医院发展战略能否实现的关键。大数据时代，如果没有信息技术的支撑，没有制定科学的财务战略，医院发展战略目标将成为“纸上谈兵”。

（二）财务管理与业务分离

传统医院的财务管理属于被动核算型，财务部门主要负责日常报销、凭证录入、账表核对、报表出具等基础性工作，财务人员不需要了解医疗相关业务的运行规律就能实现核算职能，而大数据时代医疗行业会产生大量的财务和业务数据，如何对数据进行分析利用并创造价值，成为对财务工作者更高的要求。此外，传统观念导致医院财务部门与业务部门一直处于对立面，很多医院在信息化建设过程中，缺乏顶层设计机制，业务、物流部门不与财务部门沟通，业务数据导入财务系统以后，不能满足财务制度规定的问题屡见不鲜。目前，我国宏观经济政策提出了供给侧结构改革的指导思想，会计作为微观经济的基础，财务与业务必须一体化管理，才能适应宏观环境和微观市场主体的变化。

（三）缺乏对核心业务的风险管控

大数据时代促使医院财务与业务结合更加紧密，由于业务流程的变化，医院在进行会计核算、财务管理的同时会涉及众多物流模块以及核心业务数据，但是财务处却无权对业务活动展开风险管控。这是因为从组织架构的角度，财务处作为医院的一个职能部门，与其他职能科室处于平行的位置，财务处长不属于医院领导班子成员，无法参加院领导的决策会议，业务风险管控超出了财务处长的职责范围。为改善医院经营管理，提升财务管理水平，财政部、卫生部明确要求三级医院必须设立总会计师，但是仍有很多公立医院甚至是部署管医院都没有设立总会计师，即使在已经设置总会计师的公立医院中，又出现总会计师进不了“班子”、进了“班子”但不分管财务等怪象。因医院设立总会计缺乏顶层设计，财务部门仍然无法对核心业务进行风险管控，该问题应引起国家有关部门的重视。

三、大数据时代医院推行ERP的战略意义

ERP即企业资源计划，是建立在信息技术基础上，对物流、资金流和信息流全面集成的系统，近年来在医疗行业得到广泛应用。作为一种网络化的管理平台，ERP中会产生大量的数据，整合、集成和共享是其主要特征。

（一）ERP实现财务与业务的一体化

“比大数据还可怕的是没有数据”，在没有信息化建设以前，医院各个系统之间是相互独立的，数据统计口径和兼容性不一致，导致财务系统与各个系统数据传递存在困难，甚至存在账表不一致的情况，ERP建设打破了医院门诊、住院、药品、耗材、设备以及日常办公子系统之间的壁垒，医院所有系统构成了一个庞大的信息网络，数据的产生成为必然。ERP实现了的财务与业务信息一体化管理，很多业务不再由会计人员确定会计科目，而在业务发生的源头由采购人员直接确定，传统会计工作前移，由事后被动录入会计凭证变为早期业务审核，因此财务人员必须了解业务运行流程，才能发现问题并提出改进建议。此外，ERP带来高效率的信息传递，财务系统能直接提取各临床科室的业务数据，提高了财务核算的精确度，为科室全成本核算和成本管控奠定了数据基础。

（二）ERP推动财务管理职能转变，辅助战略决策

会计的目标是提供决策有用的信息。在ERP环境下，财务信息不再是一些简单的数字符号，它提供了业务部门物流价值产生和流转过程，为财务管理职能的转变和价值管理提供了数据基础。会计核算职能固然重要，但是数据的分析和管理能力才是决定一个单位财务管理水平高低的关键。运用大数据思维，财务人员通过对数据多角度、深层次的挖掘，及时监控临床科室运行基本情况（例如，各科室、医生开药情况，手术室占用、科室物耗等情况），通过对比分析，发现业务部门管理中存在的问题，优化流程，向管理要效益，为医院战略目标实现和辅助战略决策提供支持。因此，大数据时代，医院通过推行ERP实现财务管理信息化和智能化，是财务职能转变和提高综合竞争力的重要手段。

（三）ERP整合医院内外部价值链，适应医改形势

为深化医药卫生体制改革，破除“以药养医”的机制，取消药品加成政策成为公立医院改革的一个重要方向。该政策打破了医疗行业上中下游的价值链，公立医院运行面临极大的挑战。从内部价值链角度，ERP帮助医院优化业务流程，减少非增值作业，通过精细化管理提高运行效率，对内部控制关键风险点（例如：对患者的退费）由“人为控制”变更为“机器控制”，减少舞弊风险等。从外部价值链角度，以患者为中心，通过优化诊疗流程，缩短诊间等待时间，提高患者满意度等。建立供应商字典库，优化与供应商的关系，采购与供应管理全面信息化，高值耗材采用寄售库模式实现供销存一体化管理，大大节约了医院的周转资金等。总之，ERP通过流程重塑和作业优化，打通了医院上中下游的价值链，丰富了财务管理的内涵和外延。

四、结语

医疗卫生体制改革，倒逼医院必须开源节流，重视财务管理，加强成本管控，跟管理要效益。未来的财务管理是以大数据的处理方法为主要手段，财务数据与业务数据高度结合的管理信息系统。因此医院推行ERP，不应是为了信息化而去信息化，管理深层功能目标（流程优化，作业优化等）的实现，需要信息系统为其提供决策支持。ERP助力医院确立以战略为导向的运营体系，提高核心竞争力，成为院长的智能决策支持系统。

参考文献：

[1]袁俊.浅议大数据时代下的医院财务管理[J].财经界，2015，（12）：225-226.

[2]张永红.大数据时代管理会计的发展思考[J]，中国总会计师，2015，（6）：34-35.

[3]宋铁妹.大数据视角下我国医院财务管理创新[J].会计之友，2015，（24）：97-100.

[4]关注医院设立总会计师[N]，中国会计报，2013-11-22.

第2篇

第一站：中国发展优势得天独厚

今年11月，党的十八届五中全会公报提出要实施“国家大数据战略”，这是大数据第一次写入党的全会决议，标志着大数据战略正式上升为国家战略。五中全会，开启了大数据建设的新篇章。

事实上，在2015年，“大数据”议题是国务院常务会议的座上客，“大数据”战略早露端倪。

1月14日，部署加快发展服务贸易，以结构优化拓展发展空间，提出要创新模式，利用大数据、物联网等新技术打造服务贸易新型网络平台;2月6日，确定运用互联网和大数据技术，加快建设投资项目在线审批监管平台，横向联通发展改革，城乡规划，国土资源，环境保护等部门，纵向贯通各级政府，推进网上受理、办理、监管“一条龙”服务，做到全透明，可核查，让信息多跑路，群众少跑腿;7月，国务院办公厅印发的《关于运用大数据加强对市场主体服务和监管的若干意见》提出，要提高对市场主体服务水平;加强和改进市场监管;推进政府和社会信息资源开放共享;提高政府运用大数据的能力;积极培育和发展社会化征信服务;9月国务院印发《促进大数据发展行动纲要》，系统部署大数据发展工作，要求加强顶层设计和统筹协调，大力推动政府信息系统和公共数据互联开放共享，加快政府信息平台整合，消除信息孤岛，推进数据资源向社会开放，增强政府公信力，引导社会发展，服务公众企业。

值得注意的是，中国大数据发展优势独天独厚。中国信息消费市场规模量级巨大，增长迅速。在网络能力的提升、居民消费升级和四化加快融合发展的背景下，新技术、新产品、新内容、新服务、新业态不断激发新的消费需求，而作为提升信息消费体验的重要手段，大数据将在行业领域获得广泛应用。

第二站：韩国从基础设施起步踏实推进

笔者对韩国大数据产业发展的有着较深影响的是2014年7月，韩国政府宣布了一项新的战略—未来增长引擎执行计划，列出了13个韩国未来增长引擎的领域，其中就包括大数据。

韩国计划通过项目推动，达到扩大国内大数据市场规模和扩展国际市场占有率目标，到2020年，使大数据的国内和国际市场规模均超过10亿美元。

同时还有在2011年首尔提出的“智慧首尔2015”计划，目标是到2015年成为世界上最方便使用智能技术的城市，建立与市民沟通的智能行政服务，建成适应未来生活的基础设施和成为有创造力的智慧经济都市。

“智慧首尔2015”计划指出，公共数据已成为具有社会和经济价值的重要国家资产，首尔市将努力打造“首尔开放数据广场”，以促进信息技术和公共服务产业的进步和发展。

如今，韩国大数据发展也是非常地迅速。2015年韩国大数据行业市场规模已达13万亿韩元(约合人民币722亿元)。自2012年市场规模突破12万亿韩元后，韩国大数据行业以9%的年平均增长率不断发展壮大。

目前，韩国大数据行业仍以提供数据的数据服务及数据库构建服务为主，数据咨询及大数据解决方案市场规模呈增长态势。根据韩国数据化振兴院的《2015韩国数据行业白皮书》，数据服务市场规模占总行业市场规模的47%，位列第一;数据库构建服务以41.8%的占有率紧随其后。

韩国大数据行业不断发展，企业对大数据的依赖度不断增加，数据专业人才需求也越来越大。

韩国数据化振兴院的数据显示，目前韩国数据产业从业人员达30万人，但其中与数据直接相关的从业人员仅为7万人，人才缺口依然较大。根据《2015韩国数据行业白皮书》的统计数据显示，目前能够利用数据赋予产业附加价值的“数据科学家”人才最为紧俏，此外数据挖掘及分析相关的高级人才也颇受雇主欢迎。

第三站：美国形成全体动员格局

美国是率先将大数据从商业概念上升到国家战略的国家。2012年3月，美国政府公布了2亿美元的《大数据研究发展计划》，提出通过提高美国从大型复杂数据中提取知识和观点的能力，加快科学与工程研究步伐，加强国家安全。同年11月公布的具体研发计划涉及各级政府、私企及科研机构的多个大数据研究项目。

作为大数据的策源地和创新引领者，美国大数据发展一直走在全球最前面。2014年5月美国《大数据：把握机遇，守护价值》白皮书，对美国大数据应用与管理的现状、政策框架和改进建议进行了集中阐述。该白皮书表示，在大数据发挥正面价值的同时，应该警惕大数据应用对隐私、公平等长远价值带来的负面影响。

从《白皮书》所代表的价值判断来看，美国政府更为看重大数据为经济社会发展所带来的创新动力，对于可能与隐私权产生的冲突，则以解决问题的态度来处理。报告最后提出六点建议：推进消费者隐私法案;通过全国数据泄露立法;将隐私保护对象扩展到非美国公民;对在校学生的数据采集仅应用于教育目的;在反歧视方面投入更多专家资源;修订电子通信隐私法案。

如今，大数据发展战略在美国已经形成了全体动员的格局，大数据已成为美国国家创新战略、国家安全战略、国家ICT产业发展战略以及国家网络安全战略的跨界领域，美国实际上已经确立了基于大数据的信息网络安全战略，目的在于解决当前的大数据核心技术挑战，全面强化未来的信息网络安全战略优势。

第四站：英国大数据的积极拥抱者

可以说，英国是大数据的积极拥抱者。无论是政府、研究机构，还是企业，都已经开始行动，抢占“数据革命”先机。早在2011年11月，英国政府就了对公开数据进行研究的战略政策。英国将大数据列为战略性技术，给予高度关注。英国政府紧随美国之后，推出一系列支持大数据发展举措。

首先是给予研发资金支持。英国政府通过利用和挖掘公开数据的商业潜力，为英国公共部门、学术机构等方面的创新发展提供“孵化环境”，同时为国家可持续发展政策提供进一步的帮助。2013年1月，英国政府向航天、医药等8类高新技术领域注资6亿英镑研发，其中大数据技术获得1.89亿英镑的资金，是获得资金最多的领域。

其次是促进政府和公共领域的大数据应用。为了便于公众理解和判断，英国政府专门建立了“数据英国”网站，将公众关心的政府开支、财务报告等数据整理汇总并在互联网上，并对其中的热点议题和重要开支进行进一步阐释，并对公众意见进行反馈。其效果也是明显的。

据测算，通过合理、高效使用大数据技术，英国政府每年可节省约330亿英镑，相当于英国每人每年节省约500英镑。

第五站：澳大利亚理念与行动同时践行

在南半球的澳大利亚自2009年开始积极应用开放数据的理念和行动践行开放政府的愿景和目标。Data.gov.au是政府信息目录的开放数据平台，用户可以在该网站上简便地搜索、浏览和利用澳政府国家、地区政府的公共数据，政府鼓励所有用户通过更新工具和应用从信息中得到实惠。

澳大利亚政府数据开放通过5个阶段将数据开放流程化，这5个阶段依次是：发现数据——过程处理——授权许可——数据——数据完善。

2010年，澳大利亚联邦政府通过了超级国家宽带网工程，该工程的目标是将光纤电缆通向各家各户，让每个家庭享受每秒钟1G的速度。部分海外测试显示，全国宽带网络将覆盖全澳93%的用户，剩余的7%可使用速度相对较慢的无线和卫星网络。这项计划在2013年底结束。

2013年8月澳大利亚政府信息管理办公室了《公共服务大数据战略》，旨在推动公共行业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，使澳大利亚在该领域跻身全球领先水平。

结语

大数据释放出的巨大价值，几乎给每个行业都带来了颠覆：大数据很忠诚，它真实记录人们的每个足迹，深藏功与名;大数据很任性，它的分析有根有据，拒绝流言蜚语;大数据很友好，它提供各种权威参考，它创造绿色经济，让我们的生活更美好。世界已经进入由数据主导的“大时代”。

第3篇

【关键词】大数据 移动阅读 数据整合 智能搜索 个性体验

doi：10.3969/j.issn.1006-1010.2015.22.018 中图分类号：TP311 文献标识码：A 文章编号：1006-1010（2015）22-0088-04

引用格式：宋玉珊，仇剑书，杨子文，等. 大数据时代移动阅读发展策略探讨[J]. 移动通信， 2015，39（22）： 88-91.

[Abstract] Starting from mobile reading， the tendency of big data in mobile reading was analyzed. Combined practical solutions and systems， the development strategy of mobile reading was discussed according to data resource integration， intelligent search engine and personalized user experience. It can be concluded that mobile reading can be developed faster and better combined with advantages of big data technology.

[Key words]big data mobile reading data integration intelligent search personalized experience

1 引言

随着物联网、移动互联网、云计算等技术的迅猛发展以及智能终端的大范围普及，全球数据呈现出井喷式增长趋势，每日新增加数据以PB[1]为单位计量。据IDC预测，至2020年全球以电子形式存储的数据量将达到32ZB（1021字节）[2]。如果将这些数据刻录到DVD光碟上，再将碟片堆叠起来，足以从地球到月球垒上几个来回，大数据时代已经来临[3]！

所谓大数据，其实是一个比较具有抽象性的概念，尽管维基百科、数据科学家[4]以及相关数据研究机构等都曾提出过大数据的概念，但它并没有一个严格、统一的定义。尽管如此，大数据的4V（Volume――容量，Value――价值，Velocity――快速，Variety――多样）特点以及主流的处理技术已经基本得到认可[5]，并且业界普遍认为大数据的关键在于如何从规模庞大的数据中快速准确地提取有用信息。

2 大数据时代的移动阅读

2.1 移动阅读

所谓移动阅读，是指通过Wi-Fi或者移动数据连接的方式，从数据库中获取电子形式出版的文字、图片、音频、视频等多种电子资源，呈现在用户的移动阅读载体上，从而实现便携、移动式的阅读。

目前用户的移动阅读载体多带有移动通信功能[6]，可以从网络上下载电子资源或者直接在线阅读网上资源；具体的硬件形式可以是智能手机、平板电脑等通用设备，也可以是Kindle、汉王等专用阅读设备；阅读方式可以是通过阅读软件阅读（如熊猫看书、掌上书院等），也可以是直接在网页上阅读。

作为一种创新型的阅读方式，移动阅读依靠电子产品的大容量、强大搜索功能加之直接连接大数据库的优势，可以为用户提供全面的阅读产品展示、方便快捷的搜索功能，甚至于根据用户的习惯提供阅读产品推荐[7]。

2.2 移动阅读的大数据化趋势

在大数据时代，移动阅读整体呈大数据化趋势，主要体现如下：

（1）数据规模大：随着移动互联网、3G/4G等技术的迅猛发展，在改变人们沟通方式的同时也颠覆了人们的阅读方式。从以书、本等纸介材料为阅读媒介到各种电子媒介，从报纸杂志上较为单一的文本内容到各种多媒体电子资源，移动阅读正在成为一种时尚，用户规模、产业规模、参与厂商数量、资本市场投入产生爆发式增长的同时，产业链上每一个环节每时每刻都在产生大量的数据，特别是内容数据呈“碎片化”发展以来，大段的数据被打散成碎片，在方便用户检索、有针对性阅读的同时，进一步加快了数据的增长速率。

（2）数据类型多样化：移动阅读除了结构化的文本数据以外，网页、图片（如漫画）、音频（如听书）、视频、位置信息等半结构化、非结构化的数据也在逐渐增多，而且这些数据在格式、编码方式等方面往往存在差异，数据类型、数据结构整体呈多样化发展趋势。

（3）数据时效性高：大数据时代，用户几乎都选择在“碎片时间”阅读[8]。在工作、学习以及各种生活琐事之余的闲暇时间，随时随地阅读，整个阅读过程经常会发生暂停、阅读内容游移等，这就要求移动阅读必须在用户有限的阅读时间内快速、高效地进行用户数据的分析、处理和响应，阅读呈现的数据内容需要随着用户需求的转变而快速变化。

3 大数据时代移动阅读发展策略

3.1 数据资源整合

移动阅读在大数据化趋势下，数据规模、数据类型不断增加，而数据资源越多、数据结构越复杂，对数据资源的加工、分类、整理积累等工作就愈发重要，这些工作的完成程度决定着数据资源的使用价值。大数据移动阅读的一个重要技术是将内容资源被“碎片化”，即内容数据从原先的种、册、件、篇存储，过渡到章、节甚至更小片段存储，数据资源根据所述内容按照一定规则、以一定的颗粒程度被存储到数据平台，这些碎片化的内容片段需要进行恰当的加工、分类、被标签化，形成各种逻辑内容库，如文章库、音频库、图片库、视频库等，这样在需求时，碎片化的数据资源能够被快速检索、有效组织输出。

3.2 搜索引擎智能化

移动阅读用户获取内容数据一般通过两种途径：一种是通过内容提供者在展示页面上的内容链接；另一种是通过用户的主动检索。受限于移动阅读设备有限的屏幕尺寸、与PC机相比相对不便的操作方式和联网时需要考虑的流量因素，用户在一次检索后，对获取的内容有着更高精准性、更高集聚性的期待，而在这个数据飞涨的时代，如何让用户从海量数据中检索到想要阅读的内容，除了内容本身需要有贴切的标签、分类以外，一个智能的搜索引擎必不可少。

整个检索过程是典型的大数据问题，涉及到分析海量日志（Log）数据、用户上网Cookie数据、用户的行为特征等[9]，通过大数据分析，搜索引擎可以及时并尽可能地获取到用户的真实意图，从而获取到数据资源的贴切标签，并通过两者的比对，按照关联性将搜索结果由高到低合理地排序呈现给用户，尽量让移动阅读用户通过一次搜索就能从数据库的海量内容数据资源中检索到较为贴切的结果，尽可能地提高查询效率、方便用户阅读。

3.3 阅读体验个性化

移动阅读用户每时每刻产生数据，主要包括：用户的阅读终端数据、用户的阅读行为数据、用户的个人信息数据、用户的社会关系数据、论坛与博客等社交流动产生的数据、APP应用产生的数据、个人云应用产生的数据、物联网产生的数据等[10]。利用这些数据并结合大数据技术，移动阅读完全可以将用户画像、分类，根据用户的关注点进行个性化推送。另外，还可以根据用户终端为用户呈现不同版式的阅读内容，实现用户的个性化体验。

4 方案研究

笔者参与的基金项目设计并开发了一套移动阅读系统，体现了上述基于大数据的发展策略。系统框图如图1所示。

该系统主要由内容生产、内容管理、用户服务这3个子系统构成，具体如下：

（1）内容生产子系统主要包括各个出版社的碎片化内容生产平台，多个生产平台的内容将汇聚到内容管理平台，统一向用户提供服务。

（2）内容管理是服务系统的后台支持子系统，主要包括内容汇聚平台、搜索引擎、内容重组平台和数据仓库。内容汇聚平台接入多个内容源，同时负责向服务子系统提供内容分类检索；搜索引擎是大数据移动阅读的核心之一，提供智能搜索并对搜索结果进行二次分析，形成更有价值的结果；内容重组平台是实现个性化阅读的关键环节，利用原始内容，同时结合用户参数、用户终端参数等，智能生成最适合当前用户阅读的内容提供给用户；数据仓库分为多个子模块，存储着内容数据、用户画像数据、历史数据、终端数据等。

（3）用户服务子系统直接面对用户，包括计费、用户管理、门户、阅读客户端等功能实体。

在数据资源整合方面，各出版社的碎片化内容生产平成对各自版权内容数据的收录、标准复合文档格式转换、碎片化处理（包括将内容按照章节/图片等进行分割、分割后的语义化标注、碎片存储等）、各碎片间关联信息管理、元数据生成等，经过内容生产平台的加工，内容数据被分解为各类碎片，这些碎片被内容汇聚平台汇聚、存储（其中描述了碎片基本信息的元数据被存储到汇聚平台，其他内容碎片则被存储到数据仓库），这样当用户请求检索时，汇聚平台根据元数据向数据仓库请求相应内容碎片输出到内容重组平台进行动态组合、有针对性地输出结果。

在智能检索中，当用户键入搜索关键词后，搜索引擎将关键词和该用户的查询历史、使用习惯、查询上下文联系以及其他用户对这些关键词的历史查询记录等信息进行关联分析，为关键词补充上一些可能表示用户真实意图的标签，然后将新生成的关联关键词和内容汇聚平台存储的元数据进行匹配，并将匹配结果在数据仓库中检索，得到相应内容数据且最终通过阅读门户进行呈现。若用户并未在一次检索中得到预期结果，通过反复的查询构建，用户的最后一次检索结果可以认为其表达了用户在初始时的真实意图，从第一次查询到最后的结果，这整个过程中产生的行为数据可以存储到数据仓库的历史数据子模块，为下一次的检索提供支持。这样用户在受益于大数据分析、在有限的屏幕尺寸上较为迅速地检索到需求数据的同时，用户产生的数据又能够进一步服务于大数据分析。

用户体验个性化主要体现在以下方面：

（1）内容推送：根据数据仓库存储的用户画像数据，内容管理子系统可以通过内容重组平台主动向用户推送与用户兴趣模型类似的阅读资源、与用户同一分类的其他用户感兴趣的阅读资源、与用户感兴趣内容存在内在关联性的阅读资源等，从而让用户得到更多的个性化服务体验。

（2）终端识别适配内容：数据仓库的终端数据子模块中存储着一些终端静态信息，包括终端品牌、型号、屏幕分辨率、屏幕尺寸、支持的图片格式和声音格式等，当用户首次登陆时，通过获取用户终端信息（包括终端品牌、型号、浏览器信息等），内容管理子系统可以将这些信息和终端数据模块所存储的信息进行匹配关联，在用户阅读时向用户输出适配内容，如根据屏幕尺寸适配展示字体大小、根据支持格式适配输出音视频内容格式等。

5 结束语

本文分析了移动阅读的大数据化趋势，并结合实际解决方案和系统，从数据资源整合、搜索引擎智能化和用户体验个性化几方面探讨了移动阅读的发展策略。大数据时代的到来推动了移动阅读的发展，移动阅读在得益于大数据技术、提升用户体验的同时，也不能忽略大数据带来的信息安全隐患。

移动阅读在采集用户数据、提升用户体验的同时还需要注重用户的隐私安全保护。一方面，移动阅读在对用户隐私数据采集时应保证用户享有知情权和对自身数据使用的决定权，整个采集过程要符合国家的相关法律规定，采集结果应该被合理应用；另一方面，应加强移动阅读设备自身、数据访问传输过程以及整个大数据平台的安全管理，提高整个系统的安全保障级别。只有结合大数据的环境特点和移动阅读的用户需求，才能让移动阅读在数据获取、维护、搜索和呈现的过程中可管、可控、可用，从而推动移动阅读产业更快、更好地发展。

参考文献：

[1] 童晓渝，张云勇，房秉毅，等. 大数据时代电信运营商的机遇[J]. 信息通信技术， 2013（1）： 5-9.

[2] 陈如明. 大数据时代的挑战、价值与应对策略[J]. 移动通信， 2012（17）： 14-15.

[3] 孟小峰，慈祥. 大数据管理：概念、技术与挑战[J]. 计算机研究与发展， 2013（1）： 146-169.

[4] 顾芳，刘旭峰，左超. 大数据背景下运营商移动互联网发展策略研究[J]. 邮电设计技术， 2012（8）： 21-24.

[5] 黄勇军，冯明，丁圣勇，等. 电信运营商大数据发展策略探讨[J]. 电信科学， 2013（3）： 6-11.

[6] 周伟华. 基于个性化推荐的移动阅读服务系统的研究与设计[D]. 北京： 北京邮电大学， 2011.

[7] 何希. 移动阅读及其用户行为研究[D]. 重庆： 重庆大学， 2014.

[8] 王骏，袁曦临. 后数字时代数字化期刊阅读习惯实验调查及解决策略再思考――基于《第九次全国国民阅读调查》[J]. 图书馆建设， 2013（3）： 43-48.

第4篇

“大数据”技术在浙江烟草新时期的应用 作者：周亮

来源：《硅谷》2013年第19期

摘 要 “大数据”的来临，为新时期浙烟的转型提升提供了创新的发展思路和强大的技术支撑。文章将浙烟发展置于“大数据时代”这个背景下，对“大数据”如何应用于烟草各条线的业务进行了大胆的预测，并就浙烟如何打造和利用“大数据”提出了基于现状的合理建议。 关键词 烟草；大数据；数据中心；一体化

中图分类号：TP3 文献标识码：A 文章编号：1671-7597（2013）19-0128-03

1 何谓”大数据”

“大数据（Big Data）”是继“云计算”、“物联网”后，当下最火热的IT 词汇之一。“大数据”开启了人类生产生活的又一次重大时代转型，也是又一次颠覆性的技术变革。

2011年，麦肯锡的《大数据：下一个竞争、创新和生产力的前沿》研究报告，正是宣布“大数据”时代已经到来。麦肯锡在研究报告中指出，数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素；而人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。

那么到底什么是“大数据”呢？引用维基百科的定义：“大数据”指的是所涉及的数据量规模巨大到无法通过目前主流软件工具，在合理时间内达到截取、管理、处理、并整理成为帮助企业经营决策更积极目的的信息。当然，大数据规模的标准是持续变化的，当前泛指单一数据集的大小在几十个TB （万亿字节）和几个PB （千万亿字节）之间。

美国互联网数据中心指出，互联网上的数据每年将增长50%，每两年便将翻一番，而目前世界上90%以上的数据是最近几年才产生的。据统计，一天之中，百度大约要处理60亿次搜索请求，达几十PB ；淘宝交易达数千万笔，数据量超20TB ；联通用户上网记录可达到10TB 。

第5篇

关键词：电力企业；大数据时代；营销管理；管理创新；营销手段 文献标识码：A

中图分类号：F426 文章编号：1009-2374（2016）32-0169-02 DOI：10.13535/ki.11-4406/n.2016.32.083

随着互联网信息技术的飞速发展，大数据是高科技时代的产物。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。时至今日，大数据已经渗透到我们工作、生活等各个领域，电力企业也不例外，推动我国实现由工业化社会向信息化社会的过渡。电力企业在市场经济发展环境下，竞争压力日趋加大，要想实现长远、健康发展，创新电力市场营销管理策略是重要突破口。并且我们必须承认我国电力企业营销管理存在着较大的问题，这就有必要就电力企业的创新营销管理手段做出探究。大数据环境为我国的电力企业发展提供了机遇，也提出了新的挑战，电力企业在大数据环境下对营销管理进行创新更是工作的重中之重。

1 大数据与电力营销管理理论

1.1 大数据理论

大数据是高科技时代的产物。自从“大数据”术语出现以来，便被应用到各个领域。为此，大数据获得了诸如以下的美称：“大数据是新的石油”“大数据是新时期的引擎”等。对于“大数据”（Big data），研究机构Gartner给出了这样的定义：“大数据”是需要嫁接在新处理模式之上来与海量、高增长率和多样化的信息资产相辅相成，维持其较强的决策力、洞察发现力和流程优化能力。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。在大数据时代的背景下，大数据理论渗透到了各行各业，并且发挥着其独特的优势，电力大数据就是在此背景下应运而生的。电力大数据具备与大数据相似的特征，笔者简要概括为“3V”，具备类型多、体量大以及速度快的特征。将电力大数据应用到电力企业市场营销中去，能够提升电力企业的业务发展和管理水平。

1.2 电力营销管理理论

电力营销是电力企业对外主营的业务之一，电力营销实质上是指电力企业以客户为销售主体，实现一种高质量、长时间的供用关系。企业电力市场营销的目的，不仅是为了给客户提供安全、稳定以及经济的电力产品以及相关服务，更为了提升电力企业运营的效率，承担起社会责任，凭借优质的服务树立起良好的社会形象，实现良好的经济效益以及社会效益。电力营销不同于一般的市场营销，其具备以下特点：电力行业的基础性、支柱性地位决定其服务性要极强，否则满足不了广大客户的用电需求；发电厂、输电线路、变电、配电、用电是电力网的整个环节，缺一不可，因此决定了电力营销要具备整体性；电力网的复杂性以及电力技术的专业性决定了其需具备较强的技术性。

1.3 大数据背景下电力营销发展趋势

大数据时代，不仅为电力企业营销带来了机遇，同时也带来了挑战。大数据为电力企业深化改革、提升服务层次、强化企业管控提供了新的创新途径。大数据时代下，对于电力大数据的智能化管理、操作以及运行等提出了更高的要求。对数据的收集和储存不再仅仅是电力大数据的主要任务，而是致力于挖掘更加有效的信息。在大数据背景下，电力营销具备以下发展趋势：一是多专业数据融合。电力大数据主要是指在电力生产、服务等各个环节实现数据的融合与提炼，并且实现与其他部门以及业务的数据共享。实现电力企业数据系统的信息化管理；二是数据可视化。电力大数据借助可视化的图形，将数据的细节清晰地展示出来，且能根据企业自身的运行状况做出调节，及时、全方位、准确地反映各类数据的状态。

2 大数据背景下电力企业营销管理创新的实现

2.1 故障抢修可视化管理

建立基于电力生产抢修平台的标准化运行抢修体系是实现故障抢修可视化管理的首要前提。配电网是连接客户以及电网之间的纽带，对于实现电网以及用户之间的供用关系发挥着巨大的作用。配电网在电力生产中极其容易出现故障，因此，对于电力网的抢修是电力生产中工作的重点。在对配电网进行维修时，难免要与客人碰面，而且抢修人员还要克服周边环境以及时间因素的限制，加上我国配电网抢修工作正处于初步建设时期，抢修技术尚且不够成熟。这就要求对于配电网的抢修，要严格遵循以下流程：首先，供电公司会接到相关的报告电话，并迅速给当地配网运行抢修指挥中心下达工作任务，抢修指挥平台根据客户描述的故障性质，判断故障原因；其次，再下设第一梯队，第一梯队达到故障发生现场后，如果确定是简单故障，可以直接开展故障处理，再向上级汇报抢修记录，但是如果故障情况较为复杂，就迅速指示第二梯队达到现场，做出故障处理，并做好汇报抢修记录。

第6篇

[摘 要] 大数据的发展，已成为当今社会驱动经济发展的新引擎，其应用范围和服务水平将加速我国经济结构调整、改变我们的生产生活方式。随着我国经济发展进入新常态，要以“五大发展”理念为引领，保持经济中高速增长、促进供给侧结构性改革，大数据都将起到越来越重要的作用，在经济社会发展中的战略性、先导性、基础性地位也将越来越突出。本文对新疆大数据业务发展现状和发展过程中一些须关注的事项进行探讨。

[关键词] 大数据；发展；现状；建议

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 05. 103

[中D分类号] TP39 [文献标识码] A [文章编号] 1673 - 0194（2017）05- 0190- 03

1 相关概念及其意义

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。根据维基百科的定义，大数据是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。

随着智慧时代的来临，大数据也吸引了越来越多的关注。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。时下兴起的物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的终端，无一不是数据来源或者承载的方式。如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”、“挖潜”实现数据的“增值”。

正是由于大数据时代的到来，国务院于2015年9月印发《促进大数据发展行动纲要》（以下简称《纲要》），系统部署大数据发展工作。《纲要》明确，推动大数据发展和应用，在未来5至10年打造精准治理、多方协作的社会治理新模式，建立运行平稳、安全高效的经济运行新机制，构建以人为本、惠及全民的民生服务新体系，开启大众创业、万众创新的创新驱动新格局，培育高端智能、新兴繁荣的产业发展新生态。

根据前瞻产业研究院的《2014-2018年中国大数据产业发展前景与投资战略规划分析报告》分析，目前，在对数据的价值的态度上，除了6.9%的企业认为数据没有价值以外，绝大多数企业都认为数据具有或可能具有很高的价值，可见大数据的价值已经在企业中获得了广泛的认可。未来随着越来越多的大数据分析平台和工具的开始广泛应用，大数据的价值将会被进一步释放并获得企业认可。

2 大数据在新疆发展现状

据了解，从2013年乌鲁木齐市入选国家住建部公布的国家智慧城市试点名单以来，“智慧城市”、“智慧园区”以及“大数据服务”等理念得到迅速发展和应用。

在业务应用领域，新疆与阿里巴巴的战略合作，尤其大数据和互联网金融更值得关注。在基础设施方面，中国移动（新疆）数据中心落户克拉玛依。该项目将带动电信增值服务企业、软件开发企业等产业链相关企业的迅猛发展和快速聚集，2015年6月26日，兵团云数据中心将落户石河子。石河子市与阿里云计算有限公司、兵团云信息技术有限公司三方将合力打造立足新疆、辐射西北地区、面向全国的区域综合性云计算大数据服务中心即兵团云数据中心，为兵团各级政府部门、新疆及周边地区的企事业单位提供涉及电子政务、电子商务、物联网、数据挖掘、软件服务及互联网服务等领域的云计算大数据服务。

为进一步发挥桥梁纽带作用，给区域经济注入活力，自治区经济和信息化委员会、乌鲁木齐市人民政府共同指导下，2015“新疆‘大数据与智慧城市’高峰论坛”在乌鲁木齐成功举办。国内著名专家、中科院院士徐宗本及华为、三星、太极等国内外著名企业专家前来建言献策。“新疆‘大数据与智慧城市’高峰论坛”以“数据、互联、智慧、价值”为主题。主要围绕着大数据、智慧城市、“互联网+”、大数据推动中国制造、智慧医疗、多语种大数据分析等方面进行交流。

目前新疆已有奎屯、乌鲁木齐、克拉玛依、伊宁、库尔勒、昌吉、石河子、五家渠、富蕴县九个市县入选国家智慧城市试点。目前，自治区重要信息系统灾难备份中心，中国移动、曙光、中兴、华为、广电网络等一批超大型云计算数据中心已建设或投用，乌鲁木齐、克拉玛依、昌吉云计算产业园建设正大步向前，大数据产业发展方兴未艾。

3 新疆大数据发展建议

3.1 顶层设计科学合理

大数据时代的到来，对区域经济发展等战略意义深远。政府自身要高瞻远瞩，在“五大发展”理念的指引下，找准自身发展定位，明确发展方向，量身打造出既科学合理，又可持续发展的战略规划和顶层设计。一方面为大数据发展提供可靠的制度保障，避免大数据建设体系不完善或支持政策断层的出现；另一方面，积极动员社会力量，解决发展资金和民众支持等问题。同时，由于建设周期、投资效益等因素影响，政府也要加大对企业组织和社会群众进行宣传和引导，为大数据发展营造良好环境。

3.2 抢抓机遇发挥优势

在国家“一带一路”战略部属中，新疆是丝绸之路经济带核心区，有着极其明显的区位优势。新疆不断发挥自身具备的资源优势，目前正在打造丝绸之路经济带重要的区域交通枢纽中心、商贸物流中心、金融中心、文化科教中心、医疗服务中心，以及国家大型油气生产加工和储备基地、大型煤炭煤电煤化工基地、大型风电和光伏发电基地，国家能源、交通、通信等综合大通道。这些机遇的把握，优势的发挥都是大数据产业发展最为直接的催化剂。与此同时相关产业的蓬勃发展更是大数据产业发展的有效载体。因此，如何把握机遇和优势转化，既是大数据产业发展海量的数据交换的需求市场打造，也是大数据有效供给的基础和保障。

3.3 避免信息孤岛

目前，政府开放数据运动在全球逐步兴起。各地方政府部门的数据资源是大数据产业发展的重要宝藏，但条块分割的部门割据却让数据失去了流动性和实际价值。要推动大数据产业快速发展，一是必须突破各级政府部门之间的信息孤岛，避免数据信息无法共享、重复建设、重复采集等问题。二是建立各地各部门规范标准，促进数据的有效整合，形成互联互通，提高数据使用的效率，提升数据价值空间。三是打破地域和产业上下游的局限，尤其是优势产业要借助大数据走出地域限制，龙头企业要借助大数据带动上下游企业共同发展。

3.4 相关人才储备

“大数据时代已经到来”。人类的生活、工作和思维方式正因席卷而来的大数据信息风暴而发生前所未有的变革，这意味着一场全新的、重大的商业变革、思维变革和管理变革正在悄然进行。在大数据时代，数据已成为重要的生产要素，渗透到每一个行业和业务领域，大数据和人力资源一样成为了提高竞争力的关键要素。而这一重要生产要素的形成、加工和价值发挥等等环节，都必须依靠具备相关技术和相当素质的人才才能一气呵成的。例如在技术人才方面，知名咨询公司麦肯锡此前的一项报告预测，市场上的数据分析师将会出现严重的缺口。到2018年，美将会缺少150万名懂得如何利用大数据来帮助公司做出有效决定的专业人员，在精通数据分析的人才方面，美国也将会面临14万到19万人的缺口。同时，随着大数据产业迅速发展，对各大数据平台进行组织管理的中高层管理人才也将成为持续发展的考验。因此，大数据发展的成功与否，长远与否，相关人才储备必须未雨绸缪。

大数据的发展越来越受到国家的重视，“第十三个五年规划纲要”中明确提出将大数据作为基础性战略资源。《最新国务院关于印发“十三五”国家战略性新兴产业发展规划的通知》中也指出国家将实施大数据战略，落实大数据发展行动纲要，全面推进重点领域大数据高效采集、有效整合、公开共享和应用拓展。因此，新疆应更加积极主动地发展大数据，更好地为长治久安这一总目标的实现而谱写出辉煌篇章。

主要参考文献

[1]王枫云，陈亚楠.大数据时代的智慧城市建设与发展困局化解[J].上海城市管理，2016（2）：30-35.

第7篇

实施“一带一路”战略，意味着要把战略视野放宽到更多非欧美国家，要深入到以往关注不多、了解不深的国度和区域，需要我们“入其俗，行其令”，要“入境问禁，入乡问俗，入门问讳”，去深入地了解那里的历史渊源、社会制度和人文现状，实现“民心相通”。历史的智慧告诉我们，持续的经贸关系依赖心灵的交通，政治上的友谊更是如此。友善的人文交流，应该是一个优先于经贸合作的战略性和基础性命题。

人文交流旨在心灵沟通，这方面的工作还相当艰巨，从经贸关系和经济战略角度看也是如此。在“一带一路”建设中，越来越多的中国企业“走出去”，参与国际合作和竞争，进行海外投资，这都需要人与人的交流作为基础支撑。根据对我国海外直接投资风险的权威评估，文化沟通类风险属于各类风险之首，覆盖率高达71.3%，高于类风险（46.9%）。可以说，实现“一带一路”战略，我们缺的不是政治智慧，不是钱，不是物，缺的是语言技术性沟通。深层次看，缺的是“心灵相通”，是与“一带一路”沿线各民族、国家之间和人与人的心灵“相通”。这是需要迫切关注和解决的，是实施“一带一路”战略的首要内容之一。

心灵沟通的核心问题则是语言，“言为心声”。语言不仅仅是说话、传话的工具，其本身就在传递知识信息，表达和交流感情，是心灵的使者。主席在2014年3月会见德国汉学家、孔子学院教师代表和学习汉语的学生代表时指出，沟通交流的重要工具就是语言。掌握一种语言就是掌握了通往一国文化的钥匙。没有语言这把钥匙，人际、民族、国家之间的“心灵之锁”就难以打开，“一带一路”战略的大门就难以真正开启。从这个意义上讲，语言是实现“一带一路”战略的首要基础，外语教育具有战略意义。“一带一路”战略是新时期的重大战略布局，前所未有，要求我们从更高的角度去全面规划推进外语能力建设。

语言是了解对象国的基础工具，也是一面了解他者、了解自己的镜子，具有知己知彼的深层意义；对外传播本族语言，即推进汉语对外传播，则是主动沟通、获得共识和认同、建立情感互动的主干通道；大数据时代，语言是获得和积累信息数据的核心载体，语言和知识数据密不可分。一个国家掌握他族、他国语言的力量和对外传播本族语言的能力，构成了整体的、广义的外语实力，这是一个国家综合国力的晴雨表，是国家的战略资源。我国外语教育家王季愚曾提出“外语水平是一个国家、一个民族文化水平的标志之一”，著名外语教育家许国璋教授也一再强调，外语是“事关国家利益的大事”。在国家层面上，外语无大小之分，外语教育不是小事，是国家战略的组成部分。

当前，我们仍主要从学科和专业角度规划外语教育，这已不足以涵盖国家外语能力建设的全部战略意义，外语教育在数量和质量上还有很大改进空间。应从国家对内、对外整体战略的角度，紧密结合区域、国别的特殊意义和要求来规划布局外语教育，密切配合国家“一带一路”战略，着眼于外语本体知识与相关知识体系的关联，改变外语是单一学科的片面理念，统筹外语资源布局和外语智力的开发、积累形式，完善外语人才的培养目标和培养方式，提高外语教育整体和战略效益。（作者系上海外国语大学党委书记）

第8篇

关键词：大数据；高职院校；教学评价

1.问题的界定

《教育评价辞典》对教学评价是这样定义的：“教学评价是指以教学研究为评价对象，进行价值判断的过程。”

大数据时代的一个显要特征，表现在从数据中寻找答案，用数据说话，它的战略意义不在于掌握庞大的数据信息，而在于对含有意义的数据进行专业化处理， 挖掘出大数据的潜在价值。

2.运用大数据模式解决传统教学评价的弊端

（1）统计信息量过大，处理速度慢。采用纸质打分的方式回收打分表后进行统计分析，首先要处理掉无效打分表，其次要对逐条信息进行统计，最后采用数理方法对信息数据进行结果处理。该方式统计信息量过大，而基于大数据的集成化系统，可帮助管理人员减少处理大量数据的操作，简化评价的基础统计分析工作，提高效率。

（2）数据规范程度低，为统计分析带来难度。由于受认知障碍、评价者情绪、填写习惯、人为干扰等因素的限制，现实的打分数据往往数据不规范。而基于规范信息标准的大数据系统的信息，录入过程中会自动筛选剔除不规范数据的填写，全部数据都在规定的标准和技术限定范围内，为统计分析带来了便利。

（3）颖臼量过小，导致统计结果不一定真实。传统媒介下的纸质单据录入由于数据处理技术限制，评价组委会往往通过减少评价者数量的方式以方便操作。这样一来，抽样样本量较低，便很难反映教学评价对象的真实表现和教学效果。

3.构建数字化高职院校教学评价监控概念模型

基于大数据分析方法的数字化高职院校教学评价监控模式并不能直接进行教学评价和管理，却可以有效地为教学质量的管理提供信息支撑。概念模型中的联机分析处理（OLAP）可以对基层数据进行多维分析操作，为决策者提供一种直观易懂的形式从而将查询结果提供给决策者；数据挖掘（DM）则对数据进行高度自动化的分析、推理，从海量数据中挖掘出正确的、有用的以及用户感兴趣的知识。

通过应用大数据理念及技术来对高职院校教学评价体系的各个环节进行业务流程再造，可以使原本封闭的监控环节变成开放模式，使传统的静态数据流变成动态数据流。将大数据理念及技术应用到教学评价之中，可在区域范围内实现可持续发展的示范和引领作用，值得应用推广。

参考文献：

第9篇

>> 浅析企业数字化科技图书馆建立和发展 论社区图书馆发展战略 国家科技图书文献中心美国Syracuse大学联合举办“第四期中美数字图书馆高级研讨班” 发达国家宽带发展战略分析及启示 论中小型科技图书馆读者服务管理工作 现代信息技术对科技图书馆的作用 大学图书馆生存之道:基于图书馆再造理念的发展战略转型 基于信息环境下的公共图书馆馆藏发展战略简述 大数据环境下数字图书馆建设的发展战略研究 关于党校图书馆发展战略的几点思考 浅谈图书馆的科学定位与发展战略 论高校转型发展战略中图书馆资源建设的重要作用 大数据环境探讨数字图书馆建设的发展战略 德国国家图书馆的前世与今生 国外国家图书馆网站建设现状研究及启示 国家科技发展战略体系化演进述评 德国露天图书馆 试论南疆少数民族地区图书馆可持续发展战略 发达国家大数据发展战略的启示 全民图书馆：面向发展中国家的数字图书馆 常见问题解答 当前所在位置：.

[5] 顾立平. 首届中国数据馆员培训班在京顺利举办[EB/OL]. [2015-10-05]. .

[27] Visinfo.[EB/OL]. [2015-08-29]. .

[29] 王军， 卜书庆. 网络环境下知识组织规范研究与设计[J]. 中国图书馆学报， 2012， 38（4）： 39-45.

[30] 王海花， 黄金霞， 刘雪梅. ORCID在机构知识库建设中的应用研究[J]. 图书情报工作， 2015， 59（17）： 134-140.

[31] 经管之家[EB/OL]. [2015-10-05]. http：//.

[32] 小木虫论坛[EB/OL]. [2015-10-04]. http：///bbs/.

[33] 徐红玉， 李爱国. 中国科学院系统与高等学校机构知识库建设比较研究[J]. 图书情报工作， 2014， 58（12）： 78-83.

[34] 韦成府， 聂华， 崔海媛. 多馆协作开发的机构知识库建设――以CALIS机构知识库项目为例[J]. 大学图书馆学报， 2014（3）： 69-73.

[35] 赵乃u， 王海燕. Drupal平台嵌入图书馆网站中的功能拓展研究[J]. 图书馆学研究， 2013（11）： 26-29.

[36] 王悦辰. 国内四大中文知识发现系统比较分析[J]. 图书馆工作与研究， 2015， 1（9）： 42-45.

[37] 百度学术[EB/OL]. [2015-10-04].http：//.

[38] 吴新年. 学术图书馆的科研数据管理服务[J]. 情报资料工作， 2014， 35（5）： 74-78.

[39] Project overview[EB/OL]. [2015-09-05]. https：//tib.eu/en/research-development/project-overview/.

作者贡献说明：

孔 媛：撰写论文原稿，调研案例，修订论文；

顾立平：确定选题方向，拟定论文框架，指导写作。

The Observation and Consideration of the Implementation of the German National Library of Science and Technology（TIB）’s Strategic Plan

――The Possibilities of the Product-Driven Strategy

Kong Yuan1，2 Ku Liping1，2

1National Science Library， Chinese Academy of Sciences， Beijing 100190

2School of Economics and Management， University of Chinese Academy of Sciences， Beijing 100049

第10篇

[关键词]大数据时代；网络信息资源；利用

随着信息技术的不断发展与应用，新的信息数据不断涌现，渐渐形成了一个时刻变化的巨大数据流，这标志着大数据时代的到来。大数据背景下，政治、商业、医疗等各个领域都面临着快速理解、利用大数据，进而组建有效的大数据时代信息利用模式的挑战。面临这一现状，大数据背景下的网络信息资源利用要构建一个科学而有效的框架，发挥其实践价值，已经成为一个迫切的问题。

一、大数据的概念和特征

对于“大数据”研究机构Gartner给出了这样的定义。“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。大数据的战略意义不在于掌握了庞大数据信息本身，而在于对这些有潜在意义的数据进行专业化处理。目前通常大数据有下述四个特征：第一，数据体量巨大。第二，数据类型繁多。第三，价值密度低，商业价值高。第四，处理速度快，处理工具演进快。

二、大数据时代网络信息资源特征

1）开放性与互动性融合

大数据背景下，用户可以随时在开放的平台上对资源进行访问和共享，大数据时代允许用户向互联网上传信息或通过电子邮件、BBs、blog和rss等和共享形式，使整个网络信息变成一个互动的过程。

2）更新与传播速度快

在大数据环境下，每天海量信息产生，同时大量的信息被覆盖，信息资源淘汰更新周期短，变化快，网络信息资源定期和实时更新，时效性高.网络信息的流动非常迅速，任何人任何时间的信息只需很短的时间就能传送到世界各个终端。

3）资源类型多种多样

大数据不单是数据量的爆炸性增长，还带来数据类型的巨大改变，结构化数据占比减少，非结构化数据在大量增加。大数据时代下的信息资源类型丰富，不仅有文字、图像、视频、音频等形式，还有软件、数据库，是多媒体、多语种、多类型信息的混合形式。

三、大数据时代网络信息资源利用原则

1）针对性原则

利用网络信息资源的根本目的是为了合理使用信息资源。网络信息资源的利用应该具有针对性，利用前必须对信息用户的类型、特点、信息需求特征及其发展等情况作深入了解和分析，力求开发出针对性强的、适合用户需求的信息，满足用户的各类需要，避免开发利用中的盲目性。

2）预测性原则

大数据背景下，网络信息分布具有无序性、不均衡性，不稳定性等特点，没有形成完善的体系和结构，对网络信息资源的利用应将空间跨度小而时间跨度大的相关信息进行整合，运用定量分析和定性分析相结合的方法，掌握出事物的脉络，预测出事物发展趋势和未来实际需求。Netflix拥有3000万北美用户，它通过分析观看视频时留下的数据信息，预测出《纸牌屋》将会风靡一时。

3）共享性原则

网络信息资源在共享中能够实现资源增值。大数据时代下，网络信息资源的利用应坚持共享性原则，突破“信息孤岛”，实现资源的高效融合共享。各个信息平台资源的共享有利于提供综合的信息服务、跨领域跨部门的交互式服务和专向定制服务。

四、大数据时代网络信息资源的利用

大数据赋予现代网络信息资源的更多意义，研究如何利用网络信息资源有利于提高资源的利用效果。

1）大数据改变传统教育

大数据时代下，教育信息化改革不断突破，中国传统“赶鸭上架”式教育模式将发生根本性转变。目前重庆石堰镇中心学校，采用了一种“一对一 数字化学习”的模式推动传统教育的变革。每个学生可以和自己的学习终端进行交互性学习，学习终端里还有相应课程标准和学习评价系统，会根据学生的学习进度、不同学科兴趣、知识关联上的差异地给出个性化教学指导和建议。

未来的学习将是大数据新的驱动因素。未来学习分析系统以学生为中心点，学生、教师、家长、机构四类用户群被有机整合在学习管理系统里，使课堂教学、家庭辅导和自主学习集于个性化的一体。

2）政府信息资源网络公开化

未来的政府信息资源共享度将达到新高，不同的部门、数据类型界限将被打破，新型信息平台将这些不同数据进行多维分析和利用。政府如果将拥有的这些的宝贵信息资源共享给政府内部和社会利用，将会创造更多的价值。比如，大数据时代下全市建成了政府信息资源中心，经济普查只要上门核对已掌握数据，工作效率大大提高；政府可以公布某地区所有艺术培训机构的名录、地址等信息，想做行业相关事业的人，就可以创造更多价值。

政府将合适的信息资源公开于网络，不仅有望打破政府内部协同的“鸿沟”，降低政府运行成本，还有利于当地技术的进步和经济的发展。这也将是未来信息资源开放是未来的发展趋势。

3）个性化定制商业模式

未来大数据的商业模式主要有三种：圈定用户和针对性营销、用户的关联性分析、完全个性化的定制。大数据时代，营销将会更多地依赖数据，从而更精准地找到用户。根据不同平台的搜集的数据进行挖掘和分析，找到这些数据对应的群体，从而展开个性化的营销服务。大数据时代下的网络信息技术能将用户搜索的内容进行关联系分析从而给用户推送用户有可能需要的内容，以促进新交易的达成。大数据技术的核心是预测，在这个背景下，企业可以基于庞大的数据库中分析出商品乃至行业发展一个趋势和方向，为经营决策提供参考。国内著名电子商务公司阿里巴巴淘宝数据魔方就是利用淘宝上的大数据，分析出商品的行业宏观情况、销售情况、市场份额情况等，并为其提供经营决策依据。商业领域“大数据”的价值不是数据本身，而在于从庞杂的数据中发现新的知识，对数据的进行深度描述，创造新的价值，从而为用户提供个性化的服务。

五、结语

今天，在大数据成为趋势，成为国家战略的背景下，数据有可能取代“技术”取代“人才”成为当代社会最重要的生产力，而网络信息资源的背后就是数据，只有科学有效地利用网络信息资源才能在瞬息万变的网络环境中获得优势，占据主动地位。才能适应时代的要求，在激烈竞争的信息社会中获得更大的生存与发展空间。

参考文献

[1]维克托・迈尔-舍恩伯格，肯尼思・库克耶.大数据时代：生活，工作与思维的大变革，2012

[2]李新华.浅谈大数据时代的机遇和挑战[J].通讯世界，2013（08）

第11篇

（一）大数据的定义。

理论界对“大数据”概念有两种比较权威的说法：一是旅美学者涂子沛在其所著的《大数据》一书中将其定义为：“大数据是指那些大小已经超出了传统意义上的尺度，一般的软件工具难以捕捉、存储、管理和分析的数据”。而英国牛津大学教授维克托・迈尔・舍恩伯格则在其《大数据时代》一书中提出“大数据是人们获得新认知、创造新价值的源泉，是改变市场、组织机构以及政府与公民关系的方法”。大数据被誉为“21世纪的新石油”，现在全球每年产生的数据信息量年增40%，数据信息总量每两年就可以翻一番，而且有90%的数据信息内容属于非结构化内容（视频、图片等）。根据国际互联网数据中心预测，至2020年全球以电子形式存储的数据量将达到32ZB。

“大数据”之“大”，不仅仅在于其“容量之大”，更多意义在于人类通过对大容量数据的交换、整合、分析，可以发现新知识，创造新价值，从而带来“大科学”、“大知识”和“大发展”。大数据时代最大的转变就是人们放弃对因果关系的探求，取而代之注重数据之间的相关性，不需要知道“为什么”，而只需要知道“是什么”。也就是说，所谓大数据就是要在海量、无序的数据中洞察规律、发现价值。数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素，而人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。世界上许多国家都已经认识到了大数据所蕴含的重要战略意义，纷纷开始在国家层面进行战略部署，以迎接大数据技术革命正在带来的新机遇和新挑战。

（二）大数据时代的特点。

大数据技术的核心是大数据存储和处理技术、数据仓库技术等，其战略意义在于掌握和处理庞大的数据信息。大数据应用的核心是实时数据处理、实时决策支持，其战略意义在于快速分析出数据的价值，让价值发生作用，通过内嵌到业务流程中实现的数据价值的体现。

与传统数据时代相比，大数据时代具有更为明显的特征。一是数据体量巨大。从江西省核心征管系统数据情况来看，仅为TB级，是典型计算机硬盘的容量，而一些大企业的数据量已经达到EB量级。二是数据类型繁多。从税务部门来看，大数据时代，不仅应包含征纳信息、第三方信息等结构化信息，还应包括网络、图片等非结构化信息，不断满足税收征管的需要。三是数据要求较低。税务机关通过大数据平台，对全体数据的分析，可以进行纳税人行为跟踪、分析，进而获取纳税人的纳税习惯、风险偏好等。因此，大数据时代数据量巨大，不完全依赖单一数据的利用价值，通过分析，既可以解决宏观、中观层面数据分析问题，还可以解决随机抽样解决不了的细节问题。四是数据处理速度很快。

二、大数据时代下，税收征管面临的挑战与机遇

（一）大数据时代税收征管面临的挑战。

1.难以有效整合利用海量涉税信息。

在大数据时代，信息资源日益成为重要的生产要素、无形资产和社会财富。近年来，税收信息化建设取得了显著成就，但是与日新月异的科技进步相比，与蓬勃发展的信息化浪潮相比，税务机关面对海量涉税信息常常显得思路不宽、办法不多、成效不大，甚至守着金山银山般的信息也未能充分开发利用，运用信息管理税收的能力明显不足。

一是税务系统内部各种信息整合不足。各种信息分散在核心征管业务系统、两业管理系统、个人所得税管理系统、行政办公系统等各种系统中，缺乏有效整合。且各省之间、国地税之间的系统都不相同，目前已在全国部分省市试点运行的金税三期系统，将逐步实现全国税收数据大集中，构建覆盖各级国地税、所有税种、所有工作环节的全国性信息系统。该系统将于2016年3月在我省双轨运行，要真正发挥大数据的作用尚需时日。

二是征纳双方信息不对称日益凸显。20世纪，美国三位经济学家通过论证“柠檬模型”，得出了信息不对称理论。按照这一学说，涉税信息是征管的基础和出发点，税收征管中的信息不完整和信息不对称会导致道德风险和逆向选择的发生，进而导致税款流失。由于相关制度的不完善及某些私人信息存在的必然性，税务机关不可能掌握纳税人的所有真实涉税信息。纳税人隐瞒收入甚至进行虚假的纳税申报的情况还在一定程度上存在，而税务机关即使知道纳税人的申报不真实，但缺乏相关的举证资料而陷入困境。

三是海量的第三方涉税信息利用不够。一方面，部门与部门之间数据和信息相互分割，形成信息孤岛，财政、发改委、工商、房产管理、银监会、证监会、保监会等相关部门和单位的各类涉税数据不能有效共享互换；另一方面，对于互联网上各类披露信息、媒体报道等缺乏系统的搜集、整合和分析，面对公开渠道的涉税线索反应迟钝。

2.传统的征管方式不适应大数据时代的变化。

现行税收制度和传统征管模式难以应对企业生产经营的发展变化。一方面，工业经济时代制定的税收法律法规难以适应如今的数字经济时代，跨国企业税基侵蚀和利润转移（BEPS）问题日益严重。如目前多数高科技公司的主要收入已非实体产品销售，更多的是专利授权等无形资产销售。国内知名的互联网BAT三巨头（百度、阿里巴巴、腾讯），其大量利润并不是来自于实体商品，而是来自互联网增值服务、知识产权特许权使用费等。这些公司的产品本身就是数字化的。与实体经济相比，高科技公司更容易将利润转移到低税率国家或地区。在美国，属于标准普尔500指数成份股的71家高科技公司在全球范围内缴纳税收的比例平均比非高科技公司低1/3；另一方面，现有的管理手段与现代化、电子化、数字化时代特征不相适应。当前，由于社会信息化程度不统一，信息口径不完整，既有结构性数据，又有非结构性数据，而税务机关较为重视结构性数据，忽视非结构性数据，增大了税收管理的难度。比如，网络、微信、支付宝等电商信息还游离于税务部门征管信息之外，税务部门发票管理还难以包含项目、品名、规格、单价等字段，纳税评估、税务稽查还更多的是依赖纳税人的纸质账簿，许多地方纳税评估主要依靠经验开展、流于形式。纳税服务还停留在较浅的层次，对纳税人的宣传、咨询、辅导，还处于单独的、零散的状态。但同时，由于信息来源、信息口径不同，设备和信息的利用率极低，对信息只录入、忽视分析整理和利用，造成信息严重堆积，共享性、开放性不足，管理效率较低，无法增值，成为死信息。

（二）大数据时代税收征管面临的机遇。

大数据时代背景下税收征管面临的机遇在于：随着整个社会大数据时代的来临，税务部门的信息化水平和纳税人的信息化水平越来越高，纳税人网上申报与电子化申报的覆盖率在逐步扩大，这为税务机关在大数据时代背景下采集与利用纳税人数据提供了基础，也为税务机关信息管税与征管模式创新提供了支撑。

1.运用大数据技术形成更为丰富的涉税情报。

如果说信息欠发达是征管信息不完整和不对称的主要原因，那么大数据有助于税务机关全面掌握各类涉税信息，进行税源监控，实现税收征管的目标。在大数据条件下，如果存在完备的涉税信息获取法律保障体系，税务机关就可以对交易双方、涉税第三方乃至第四方的信息进行全面掌握分析，彻底解决信息不对称问题。党的十八届三中全会提出要建立全社会房产、信用等基础数据统一平台，推进部门信息共享，这也为税务部门获取第三方数据提供了有利条件。

2.大数据帮助税务机关实现管理的转型升级。

数据价值在于它的使用，而不是占有本身。数据的价值也并非单纯源于它的基本用途，而更多源于它的二次利用，其价值需要通过创新性的分析来释放。税务部门传统数据模式下，由于数据处理速度慢，税收数据分析具有滞后性和被动性，税源监控和风险管理无法在事先和预前解决，往往事后进行惩处和补救，难以适应社会和纳税人的变化。而大数据时代，数据处理速度快，能够较好地解决及时性问题，并且可以提前发现问题，及时向纳税人预警，防范税收风险。税收遵从度的高低，既与纳税人自身的税收认知度有关，也与涉税信息透明程度、税收法治水平、社会氛围等一系列问题密切相关。运用大数据构建的现代税收征管体系应当是一个涉税信息、数据没有“死角”的征管体系。税务机关可以对涉税信息进行深度分析、对比、挖掘，从而有效提示风险、纠正偏差，使征纳双方间合作互信关系的建立成为可能。

三、大数据时代强化税收风险管理的思考

大数据能够为税收风险管理提供详尽的数据和技术支持，税务机关运用大数据技术对涉税信息进行过滤、分析、对比、甄别，避免税款流失。此外，基于大数据应用实现风险管理智能化，通过纳税人“行为指纹”，可以对纳税人遵从行为进行预测，对纳税人遵从风险进行专业的分析识别，并提出及时的应对策略建议。因此，税务机关要把握大数据时代的特点和机遇，推动税收风险管理向纵深发展。

（一）将大数据理念融入税收征管体系之中。

大数据不仅是信息技术的革新，更预示着税收工作理念的转变，必将对税收征管工作产生深刻而广泛的影响。为构建新的税收征管体系，我们亟需树立大数据的理念，将大数据理念贯穿于税收征管改革和体系建设中。目前，各级税务机关和税务干部对大数据在税收征管中意义的认知仍然有限，总体认识水平有待于进一步提高，需加强宣传和引导，提升税务机关和税务干部对大数据战略与相关技术的重视程度，从更深层次认知大数据。

大数据的应用能够使税务机关透过繁杂的征纳现象甄别出深层次的税收风险，有助于从整体上提高税收征管质效。现代化的税收风险管理必须以丰富的数据情报和先进的信息技术作支撑。庞大的涉税数据是风险管理的基础，涉税信息越丰富，风险识别和风险评估的准确度就越高；功能强大、安全性高、操作性强的税收征管信息系统是便捷化、智能化税收风险管理的重要保障。从这一角度而言，税收风险管理就是运用先进的信息技术系统从庞大的涉税数据库中找出存有疑点和风险的数据进行排除和应对，以防止税收流失，提高纳税遵从度的过程。

（二）为大数据时代的税收征管提供制度保障。

要发挥大数据优势还需要完善征管法与相关针对涉税信息的法律制度，为税务机关获取第三方信息提供法律支撑。《中华人民共和国税收征收管理法》第六条对税务机关获取相关信息做了原则性规定：纳税人、扣缴义务人和其他有关单位应当按照国家有关规定如实向税务机关提供与纳税和代扣代缴、代收代缴税款有关的信息。但实际工作中，一些职能部门往往以保密为由，不给税务部门及时提供第三方信息。当前必须以《税收征管法》修订为契机，在《税收征管法》中对政府及社会职能部门向税务机关提供的信息名录进行细化，明确其范围、内容、程序、方式、标准和时限，明确他们向税务机关及时准确提供涉税信息的法律义务和责任，为税务部门获取第三方信息提供法律保障，以便税务机关充分地掌握纳税人生产经营情况，消除信息的不对称，加强数据分析，强化税收管理。

此外，为将电子商务有效纳入大数据时代的税收管理体系，还应适当补充电子商务方面的条款，明确电子商务模式中的税制构成要素，厘清电子商务活动中征纳各方的权责关系。

（三）大数据涉税情报的实践运用。

由于政府部门在占有数据上具有天然优势，大数据技术受到各国政府的普遍重视和积极研究。不少发达国家已经在运用大数据，通过多渠道的数据采集和快速综合的数据处理，增强治理社会的能力，实现技术创新、管理创新和服务创新。在美国，奥巴马在入主白宫第一天就签署了《透明和开放的政府》法案，之后又《大数据研究和发展计划》，成立大数据高级指导小组，将大数据提高到国家战略层面，投入超过2亿美元资金用于研发“从海量数据信息中获取知识所必需的工具和技能”。通过对各国政府部门大数据实践的研究表明，大数据应用可以从5个方面提高公共管理水平：一是实现信息透明和共享，产生积极的经济社会综合效益；二是通过评估公共部门的绩效，增强内部竞争、激励工作表现，提升行政服务质量；三是增强公共服务针对性，提高工作效率和公众满意度，降低政府管理成本；四是用政务智能替代或辅助人工决策，提高行政决策效率，降低出错成本；五是引导公共部门内外部创新，创造新的公共管理和服务价值。目前，绝大多数经济合作与发展组织（OECD）成员国均将大数据的手段和方法引入税收管理领域，作为其实现税收管理现代化的有效途径。在美国，超过80%的联邦税收收入通过计算机系统实现电子申报和缴纳。美国国内收入局（IRS）的分析师运用数据分析系统（DAS），可以同时选取并分析数百万甚至上亿个申报数据。通过观察数据走势、模拟环境和优化数据模型等方式选取审计案例，以往需要几周或几个月时间的审计选案工作，现在只需几小时即可确定。在英国，皇家税务与海关总署（HMRC）的分析师使用高端软件程序Connect来识别和显示风险。该软件使用23个资源系统和81种文件格式，存储着8亿多个记录。其数据收集和分析功能能够排除地方差异的影响，揭示出全国性的趋势和规律，使分析师轻松进行风险识别和排序，极大提高了选案成功率和单个案件产出率。澳大利亚国家税务局（ATO）的税源监控平台与银行、保险、海关等部门可自动进行信息交换、实现交叉稽核，并自动使用风险过滤器对所有大企业进行一年两次的筛选。一旦风险过滤器筛选出风险目标，这些潜在高风险纳税人就会进入选案程序，由高级技术专家进行分析，运用他们的专业知识来预测潜在风险发生的可能性以及产生的后果。

2013年全国税务机关利用外部涉税信息通过评估查补等手段增加的税收收入为1 048.12亿元。其中，利用房地产业信息获取税收收入356.46亿元，占34.01%；利用公共管理和社会组织信息获取税收收入352.71亿元，占33.65%；利用金融业信息获取税收收入96.86亿元，占9.24%；利用建筑业信息获取税收收入52.84亿元，占5.04%；利用采矿业信息获取税收收入51.91亿元，占4.95%。

（四）构建大数据平台，实现对各类数据的综合管理和应用。

数据分析界古老的“拇指法则”指出，数据分析工作至少有70%～80%的工作量花在搜集和准备数据上，仅有20%～30%的工作量花在分析本身上。因此要花大力气加强基础信息资源库建设，全面搜集并整合纳税人基础信息财务核算数据、生产经营数据、纳税申报数据、税务管理数据和第三方涉税数据，建立基于Hadoop等分布式基础架构的数据仓库，发展云计算技术等高速数据处理技术。具体包括以下工作：

1.非税务部门、非传统渠道（主要是网络分布数据）的数据收集、清洗。大数据时代税收管理与政策分析的需求不仅仅限于税务管理部门已有的信息系统获得的征管和财务数据，而是需要整合更多来源的信息，包括其他政府部门等第三方提供的结构化数据和其他来源的数据，尤其是动态发展中的来自于信息网络互动中的涉税信息，以实现大数据时代所谓“数据”互联的要求。

2.非结构化数据的结构化转换。根据税收政策和税收管理的需要，按照工作中不同的数据粒度要求，对非结构化数据进行结构化转换。

3.不同来源纳税人数据的匹配。不同来源的数据，必然存在着不匹配问题。数据匹配问题类似于经济研究中数据的弥补和插值问题，以解释不同来源数据的拼接，形成相对完整的数据信息全图，并将最终形成大数据模式下的微观纳税人税收信息数据库。

大数据时代需要对不同来源渠道的数据信息进行有效的采集、存储、分析和应用，如果仅依靠手工导入和人工比对，势必费时费力，而且对数据的采集、存储、处理、分析和应用能力也存在不足，不能最大限度地发挥数据的作用。因此，需要搭建强大的信息处理平台，对数据进行批量导入、集中存储、自动关联和分类应用，这样可以实现第三方涉税信息与税收风险管理系统的有机融合，大大提高第三方信息的应用效率。这方面可以借鉴美国纳税人账户数据引擎的做法，充分运用大数据的理念和思维，在金税三期工程中搭建一个功能强大的数据处理平台，实现全国税收征管数据大集中。

（五）创新数据挖掘分析方法，打造智能税务。

对海量涉税数据进行深度分析和挖掘，揭示数据当中隐藏的历史规律和未来的发展趋势，为税收管理和决策提供参考。一般而言，常用统计分析方法分为关联分析、序列模式分析、分类分析和聚类分析4种，这4种分析方法在税收管理中都能发挥重要作用。例如，可通过关联分析将财务核算系统与物流管理等生产经营系统进行群体比对，发现人为调节财务数据的问题；通过序列模式分析对纳税人历年纳税数据进行线性回归分析，预测下一年度的税收收入，及时发现纳税人年度税收收入异常情况；通过分类分析建立纳税人税法遵从评价系统，结合纳税情况、生产经营状况等信息对纳税人遵从度进行建模和识别，针对纳税人不同遵从状况采取不同的风险应对策略；通过聚类分析将纳税人根据业务或者板块设置分类型的数据参数进行数据分析，对税收风险点进行分类管理。

第12篇

大数据既是一类数据，也是一项技术。作为数据，它呈现容量大、增长速度快、类别多、价值密度低等特征；作为新一代信息系统架构和技术，它能够对数量巨大、来源分散、格式多样的数据进行采集、存储，并进行关联性分析。大数据通过数据整合分析和深度挖掘，发现规律、创造价值，进而建立起从物理世界到数字世界和网络世界的无缝链接。大数据时代，线上与线下、虚拟与现实、软件与硬件重叠交错、跨界融合，将重塑我们的认知和实践模式，开启一场新的产业突破与经济转型。

我们正处于大数据变革的时代。移动互联网、智能终端、新型传感器快速渗透到地球的每一个角落，人人有终端、物物可传感、处处可上网、时时在链接，数据增长速度用几何式增长甚至爆发式增长都很难形容得贴切。有机构预计，到2020年全球数据使用量将达到约44ZB（1ZB=10万亿亿字节），将涵盖经济社会发展各个领域。由此产生的革命性影响将重塑生产力发展模式，重构生产关系组织结构，提升产业效率和管理水平，提高政府治理的精准性、高效性和预见性。毋庸置疑，大数据将创造下一代互联网生态、下一代创新体系、下一代制造业形态以及下一代社会治理结构。

大数据还将改变国家间的竞争模式。世界各国对数据的依赖快速上升，国际竞争焦点将从对资本、土地、资源的争夺转向对大数据的争夺，重点体现为一国拥有数据的规模、活跃程度以及解析、处置、运用数据的能力，数字将成为继边防、海防、空防之后又一个大国博弈领域。各主要国家已认识到大数据对于国家的战略意义，谁掌握数据的主动权和主导权，谁就能赢得未来。新一轮大国竞争，在很大程度上是通过大数据增强对世界局势的影响力和主导权。

经过多年努力，我国已拥有全球最多的互联网用户和移动互联网用户、全球最大的电子信息产品生产基地、全球最具成长性的信息消费市场，培育了一批具有国际竞争力的企业。庞大的用户群体和完整的经济体系积累了丰富的数据资源，而工业互联网将进一步激发大数据发展的潜力，不断拓展信息产业新蓝海。

当前和今后一个时期，创新、变革、融合成为产业发展主旋律，蕴藏巨大发展机遇。随着我国经济发展进入新常态，无论保持经济中高速增长、促进产业迈向中高端水平，还是营造大众创业、万众创新的发展环境，大数据都将充当越来越重要的角色，在经济社会发展中的基础性、战略性、先导性地位也将越来越突出。

第13篇

分析贾跃亭的新浪微博不难看出，为了打动消费者，乐视“超级汽车”有三个公开的定位：第一个定位是打“智能牌”。乐视“超级汽车”将是一款互联网智能汽车；第二个定位是打“民族牌”。乐视的雄心是使中国汽车业“弯道颠覆欧美日韩传统巨头”；第三个定位是打“环保牌”。乐视声称这款电力驱动的汽车将可以“有效解决城市雾霾及交通拥堵，让人人都能驾驶超级汽车呼吸纯净空气”。毫无疑问，这三个公开的定位都指向了当下中国人的痒点与痛点，具有消费者洞察基础。

乐视网“超级汽车”背后的大数据战略解析

理解乐视“超级汽车”战略，需要先从理解乐视“超级电视”的“垂直整合模式”开始。

“垂直整合模式”实际上是一个平台、内容与硬件整合的价值链闭环系统。与优酷土豆、爱奇艺这些网络视频运营商不同，乐视不仅提供视频内容，还卖电视。乐视“超级电视”不仅仅是为消费者提供了一个电视设备，更是通过引进这个硬件，引入了一个“人机交互”平台。与传统电视媒介平台不同的是，在这个“超级电视”平台上，除了播放视频内容之外，还可以嵌入诸如游戏、学习甚至电商等其他应用。在“超级电视”的开机画面中，乐视会告诉你“我不是一台电视，我是一个完整的互联网生态系统”。鲜为人知的是，在这个互联网生态系统下，理论上用户在使用乐视电视的同时，他们的所有使用行为（包括播放视频与其他应用使用）数据都将被乐视获得，并以基于个体层面的形式被保存下来。而我们知道，代表互联网时代营销趋势的“精准营销”和“客户关系管理”等营销模式，都必须基于个体层面数据进行分析决策。因此，乐视电视“垂直整合模式”的战略意义在中短期内是通过引入硬件来增强乐视在网络视频播放市场的地位，而长期的意义则有可能通过获得并整合用户在视频及其他应用上的使用数据，开辟乐视未来商业图景的多种可能性。

可是，为什么乐视的下一步选择汽车？

传播学者麦克卢汉在《理解媒介：论人的延伸》一书中认为“媒介即人的延伸”，是人类器官延伸的一切工具和技术。从这个意义上说，汽车与电视一样，也是一种媒介。未来智能汽车的发展趋势，使得汽车不仅仅是人的“脚”的延伸，更是人的视觉、听觉和触觉能力的综合延伸。因此，未来的智能汽车将不仅仅是一个媒介，更是一个媒介平台。从贾跃亭在新浪微博中放出的“超级汽车”概念图中可以看到，“超级汽车”布满实现人车交互的屏幕，通过搭配LeOS系统平台，用户不仅可以实现自动泊车、智能导航、精准定位等功能，也可以通过安装使用其他的应用实现人与环境的交流。与此同时，乐视可以掌握用户的用车情况、行车路线、消费地点、消费类型等数据，并使之与乐视用户注册信息、乐视用户电视平台数据整合，形成完整的基于个人的信息链。

由于互联网时代普遍存在的隐私权顾虑问题，如果说乐视“超级汽车”三个公开的定位是“阳谋”，那么基于“超级汽车”平台掌握并整合用户大数据就是一个乐视无法言说的“阴谋”。乐视大数据战略分为“体验层”与“数据层”两个层次。“体验层”为用户所感知体验，通过“硬件-平台-内容”的整合为用户提供更好的互联网生活体验。其盈利模式是通过硬件带动流量增长，进而带动其他应用在乐视平台上的使用，形成如凯文・凯利在《失控》一书中提到的“共同进化”一般的“生态型”发展。在这个过程中，用户体验是成功的关键，将决定乐视的成败。然而，乐视的战略核心应该在“数据层”。“数据层”的目的是整合乐视在不同媒介平台上的用户体验数据，实现新商业模式的探索和突破。在“数据层”中，数据的云端存储能力及数据分析能力是关键。拥有多平台整合的数据资源和数据分析能力，将为乐视长期的发展开辟巨大的想象空间。

笔者相信，乐视的“超级汽车”战略就是大数据战略的一个构成部分。并且，在不远的将来，乐视进人手机领域也会是顺理成章的事情，因为电视、手机、汽车事实上就是互联网时代最完美的三个媒介平台。借助这三个媒介平台，乐视将可以获得并整合个人与家庭在移动与室内场合的所有产品体验数据，这些体验数据将形成完整的描述用户生活形态的数据链条。通过对这些数据的整合分析，乐视也将开启“数据获取”与“体验提升”之间的良性互动循环，从而为整个乐视生态群的长期竞争力提供保证。

启示

以大数据的视角看乐视的“超级汽车”战略，可以感受到乐视对于未来商业图景的远见与魄力。从中我们可以得到几点启示：

1.互联网发展的趋势是“物联网”，而“物联网”的核心是大数据整合。2014年中国互联网的一大现象就是互联网软硬件厂商的相互投资与联盟，无论是乐视的“超级汽车”计划，还是阿里巴巴入股魅族手机、小米联手美的电器、奇虎360投资酷派手机等等，这些看似分散的投资决策其实都指向了同样的目标，就是获取并整合用户数据。手机、电视与个人汽车是互联网时代三个最重要的媒介交互平台，可以预见未来几年这三个平台的用户争夺将会非常激烈。

第14篇

关键词：大数据；网络大数据；大数据感知；存储管理；大数据挖掘

DOIDOI：10.11907/rjdk.162277

中图分类号：TP3-0

文献标识码：A 文章编号文章编号：16727800（2016）011020802

0 引言

近年来，互联网技术、物联网技术、云计算的迅猛发展，加上人、机、物在网络空间的高度融合，引发了数据的爆炸式增长，给许多行业带来了新的挑战和机遇，人类已经进入大数据时代。大数据正在改变着人们的生活工作方式，改变着企业的运行模式，并正在引起科学研究方式的变革。

大数据指无法在可容忍的时间内使用常规工具和软硬件环境对其进行感知、获取、管理、处理和服务的数据集合[1]。网络大数据指人、机、物三元世界在网络空间中相互交互融合产生的可以通过互联网获取的大数据[2]。与传统的数据规模相比，大数据特别是网络大数据具有3V特征：①大量化（Volume）：网络空间中数据的规模不断扩大，计数单位从GB、TB到PB，甚至已经增长到EB和ZB，具有空前的规模性。IDC的研究报告称，未来十年，大数据数量还将增加50倍，而管理数据存储的服务器数量将增加10倍以便满足大数据50倍的增长；②多样化（Variety）：网络大数据类型繁多，包括结构化数据、非结构化数据和半结构化数据。非结构化数据在互联网世界中呈现大幅增长的趋势，目前，非结构化数据占互联网数据总量的比例已达75%以上；③快速化（Velocity）：数据产生速度快，要求极高的处理能力。Facebook每天有超过1 000万张照片上传，YouTube平均1秒就有一个时间长度1小时以上的视频在上传。数据是快速动态演化的，具有很强的时效性，因此处理效率就是企业的生命，只有在有效时间内对数据流进行处理，才能很好地利用这些数据。

1 网络大数据研究意义

当前全球已经全面进入信息时代，互联网、物联网、云计算以及网络空间中层出不穷的各种应用，使网络数据以前所未有的速度激增，数据类型越来越复杂，对网络数据的深度挖掘和利用可以帮人们很好地感知现在、预测未来。对网络大数据研究的意义主要体现在以下3个方面：

（1）大数据资源是一个国家继海、陆、空、天之后另一个博弈的空间，是数字的象征。一个国家在数据资源方面的落后，意味着其在产业战略制高点的失守，意味着国家安全在网络空间可能会出现漏洞，大数据直接影响着国家安全、社会稳定。2012年3月，美国政府制定了《大数据研究和发展计划》，投资2亿美元用于改进和提高从海量数据中获取知识的能力，这是美国继1993年制定“信息高速公路”计划后又一重大科技战略部署。同年5月，英国建立了世界上第一个大数据研究所。西方国家正在通过国家顶层推动对大数据的研究，加强对大数据的研究及应用对提高国家竞争力具有战略意义。

（2）网络大数据的研究利用已经成为产业升级和新产业产生的重要推动力。通过挖掘网络大数据，从中发现其蕴含的信息、知识甚至智慧。网络大数据已不仅仅是产业所产生的副产品，而是联系产业生产各环节的关键。2011年“双十一”，淘宝网站当天的销售总额达到191亿元人民币，淘宝之所以能够创造如此巨大交易量的商业神话，得益于其对用户消费习惯、浏览习惯和搜索习惯等大数据的分析挖掘。网络大数据正在成为信息产业持续高速增长的新引擎，成为提高企业竞争力的新动力。

（3）大数据引起科学界重新审视科学研究方法论，引发了一种新的科学研究模式。科学研究最初是实验科学，后来出现理论科学，研究各种定理定律。但是在许多问题上，理论研究方法太复杂而难以解决问题。而大数据的出现使科研人员可以直接从数据中挖掘所需的信息、知识和智慧，而无需直接接触需要研究的对象。2007年，已故图灵奖得主吉姆格雷将数据密集型科学从计算科学中分离出来，描绘了数据密集型科学研究的“第四范式”[3]，他认为要解决某些全球最棘手的挑战，第四范式可能是具有系统性的唯一方法。PB级数据使人们没有假设和模型，就可以通过分析挖掘发现过去科学方法发现不了的新知识和新规律。

2 网络大数据应用

网络大数据特别是来自社交网络的数据蕴含着丰富的信息，是对真实社会的网络映射。分析挖掘网络大数据发现其蕴含的线索和规律，可以帮助人们更好地感知现在，并预测未来事物发展趋势。一个很好的例子是2009年H1N1流感病毒传播的预测。美国卫生部官员使用传统跟踪方式跟不上流感的传播，但是谷歌工程师们使用网络搜索主题成功预测了流感传播区域，这为卫生系统提供了相当有价值的实时数据。

通过分析海量网络大数据可以帮助人们作出更好的决策。奥巴马的竞选团队通过对网络大数据的挖掘成功帮助奥巴马在竞选总统中获得连任。奥巴马团队在竞选前两年，通过收集、存储海量数据，利用数字化策略寻找和锁定倾向自己的选民，并拉拢中立派选民，这帮助奥巴马在某些地区获得更多的选票，数据分析团队在奥巴马竞选中发挥了至关重要的作用。华尔街一家证券公司通过分析3.4亿微博用户的留言，判断民众的情绪，根据人们高兴时买股票，焦虑时抛售股票的规律，决定买卖股票的时机，从而为公司取得了巨大利润。

3 网络大数据面临的挑战

3.1 网络大数据感知与表示

一方面，根据网络空间中数据隐藏的深度，可以将数据分为表层数据和深层数据[4]。表层数据是指可以通过传统网页爬虫直接爬取的数据，而深层数据由网页在线访问的数据库组成，只有通过提交页面的查询接口才能获取。与表层数据相比，深层数据蕴含的信息更丰富，同时更具规模化、实时动态化和异构化等特点，传统方法无法对深层数据进行采样。为了有效利用网络数据，针对异构、实时动态数据，需要研究有效的方法通过数据获取、数据抽取、数据整合3个环节将数据转化为结构统一的高质量数据。

另一方面，网络大数据的建模和表达还面临着许多新挑战，传统方法不一定能直接表达大数据本身的意义。在大数据表示方面，需要解决数据稀疏性所带来的问题，对快速动态演化的大数据进行建模，需要对图片和多媒体数据进行建模和表示等。研究简单有效的数据表示方法是处理网络大数据的首要难题。

3.2 网络大数据存储与管理

网络大数据的规模已经从TB级增长到PB级、EB级，网络大数据的存储管理不仅影响其分析处理效率，也影响其存储成本。因此，如何提高存储效率降低存储成本成为有效利用网络大数据面临的又一个难题。针对网络大数据的存储，谷歌公司提出了分布式数据处理技术，但是其仍然存在局限性，面临着数据总量规模超大、处理速度要求高、数据类型繁多等多个难题。需要研究优化分布式数据存储结构，以提高网络大数据的存储效率、节约成本，从而实现高效、高可用的数据存储系统。

3.3 网络大数据挖掘和社会计算

利用计算技术分析挖掘网络大数据，发现其蕴含的知识，是实现网络大数据深层价值和实现行为可计算的主要途径。随着社会媒体的涌现，用户规模和数据复杂性都呈现出指数式增长，传统的数据挖掘方法在性能和效率上已经无法满足需求。目前，网络大数据挖掘的主要研究热点是基于内容信息的数据挖掘和基于结构信息的社会计算方法。

4 结语

互联网、物联网、云计算的快速发展以及层出不穷的网络应用，引发了网络数据规模的爆炸式增长，从而产生了网络大数据。网络大数据的研究主要是通过分析挖掘历史数据，发现新的模式，再结合源源不断的流数据，感知现在，并预测未来。网络大数据的研究是经济发展和国家安全的战略需要，网络大数据的涌现为人们提供了前所未有的机遇，但也对人们提出了重大挑战。网络大数据的研究尚处于初级阶段，还有很多问题亟待解决。

参考文献：

[1] 李国杰，程学旗.大数据研究：未来科技及经济社会发展的重要战略领域[J].中国科学院院刊，2012，27（6）：647657.

[2] 王元卓，靳小龙，程学旗.网络大数据：现状与挑战[J].计算机学报，2013，36（6）：115.

第15篇

【关键词】大数据 场景 烟草

1 引言

2014年11月份，家局下发了《烟草行业信息化发展规划（2014―2020年）》，明确指出“大数据应用应着力于分析场景（业务场景）的设计和分析模型的建立……”，作为地市级烟草公司，首先应明确企业信息化现状，深入了解大数据相关概念和行业规划，根据自身实际情况确定大数据应用场景，为今后大数据规划和应用做好理论准备。

2 大数据概念与典型场景

2.1 “大数据”（Big data）

对于“大数据”，有几种不同的概念：

研究机构Gartner给出了这样的定义：“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。

麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。

大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

2.2 大数据应用典型应用场景

理论上，大数据有以下七个方面的典型应用场景：

2.2.1 客户管理方面

构建客户360°立体画像，在传统客户360°视图基础上，引入大数据，整合客户重大事件、社交关系等信息，实现了客户画像。

2.2.2 营销管理方面

执行个性化的智慧营销，根据客户当前需求或生命周期重大事件，实现个性化的智慧营销。

2.2.3 风险管理方面

实现高效准确的风险控制，通过引入大数据及大数据技术，使得基于长期历史数据业务压力测试、准确的征信报告、实时的欺诈检测成为可能。

2.2.4 欺诈管理方面

侦测交易过程中的欺诈行为，利用大数据技术进行模式识别，构建判断规则；利用快数据技术对交易进行实时捕捉、实时监控。

2.2.5 挖掘预测方面

通过沙盘演练挖掘数据价值，对客户即将的行为进行预测，进行精准应对。

2.2.6 归档管理方面

实现历史数据归档查询与分析，尤其是对流程性数据进行深度分析。

2.2.7 舆情分析方面

分析用户舆论评价，利用大数据技术，搜集门户、微博、微信、搜索引擎上关于品牌、产品、服务、质量的评价，以及竞争对手的商业信息等。

3 大数据现状

3.1 大数据国家战略

经总理签批，2015年9月，国务院印发《促进大数据发展行动纲要》（以下简称《纲要》），系统部署大数据发展工作。

《纲要》明确，推动大数据发展和应用，在未来5至10年打造精准治理、多方协作的社会治理新模式，建立运行平稳、安全高效的经济运行新机制，构建以人为本、惠及全民的民生服务新体系，开启大众创业、万众创新的创新驱动新格局，培育高端智能、新兴繁荣的产业发展新生态。

《纲要》部署三方面主要任务。一要加快政府数据开放共享，推动资源整合，提升治理能力。大力推动政府部门数据共享，稳步推动公共数据资源开放，统筹规划大数据基础设施建设，支持宏观调控科学化，推动政府治理精准化，推进商事服务便捷化，促进安全保障高效化，加快民生服务普惠化。二要推动产业创新发展，培育新兴业态，助力经济转型。发展大数据在工业、新兴产业、农业农村等行业领域应用，推动大数据发展与科研创新有机结合，推进基础研究和核心技术攻关，形成大数据产品体系，完善大数据产业链。三要强化安全保障，提高管理水平，促进健康发展。健全大数据安全保障体系，强化安全支撑。

3.2 行业大数据应用现状

2014年11月份，国家局下发了《烟草行业信息化发展规划（2014―2020年）》，要求各单位要深刻领会规划精神，准确把握以“一号工程”为基础，以“三流合一”为目标，以“一个平台、五大应用、五大保障”为基本框架，整合兼容、互联互通、先进实用、改造升级，推进一体化数字烟草建设的总体发展思路。

在数据中心规划的数据利用部分，明确指出：“积极引入大数据技术，满足行业快速处理日益增长的结构化和非结构化数据的需求。大数据应用应着力于分析场景（业务场景）的设计和分析模型的建立，综合考虑行业运维与技术条件，采用主流、发展前景好的架构与技术，紧密结合零售终端信息化建设，采集零售户信息、消费者信息及移动应用产生信息等各种类型的海量信息，挖掘其中隐藏的业务规则、知识财富和商业价值。”

在新技术应用要求部分，明确指出：“推进大数据技术应用。应基于对数量大、类型多、变化快等大数据基本特征的认识，明确应用场景，突破数据建模，有效发挥大数据分析的能力，增强商务洞察、业务运作与风险防范能力。”