導語：如何才能寫好一篇大數據時代分析，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

【關鍵詞】大數據 數據分析 數據分析師

近年來，業(yè)界、學術界興起了大數據討論，一夜間大數據時代到來了。大數據給學術界帶來了新的思潮，大數據正在顛覆著很多傳統(tǒng)行業(yè)的模式，帶來變革。有人預測，大數據必將成為商業(yè)、政府、科研、教育、醫(yī)療等各行業(yè)面臨的一個挑戰(zhàn)。在大數據時代，數據分析、數據挖掘工作面臨著機遇與挑戰(zhàn)，本文從數據分析的角度，結合國內外相關研究，試圖回答大數據是什么，如何應對大數據的問題。

一、認識大數據

（一）大數據的宗旨：經過分析的數據才有價值

大數據要發(fā)揮作用必須經過分析，這是由大數據的4V特性（數據量大、數據類型多、要求處理速度快、低密度）決定的。也就是說，數據都是高維、低密度的，從單個數據中難以看出規(guī)律。因此，必須經過分析，針對高維進行降維，提煉大量低密度信息中的價值，才能發(fā)揮作用。否則，大數據背景下，反而更容易使得“活”信息混跡在大量“死”數據中被淹沒。面向大數據的分析要“簡單、迅速、規(guī)?；薄?/p>

（二）大數據的目標：實現基于數據的決策與資源配置

大數據最終要實現科學決策，基于信息對稱的有效資源配置。隨著大數據分析技術的發(fā)展，可利用數據來源從線下封閉的數據庫、數據倉庫擴展到開放性的O2O（Online To Offline）融合數據，可分析數據結構從原來以數值為主的結構化數據發(fā)展到涵蓋文本、視頻、音頻等多媒體數據。從而，大數據將逐步改變我們的決策目標和社會資源配置方式。基于數據的科學決策是一貫追求的目標。然而，信息不對稱是常態(tài)，因此傳統(tǒng)決策目標是建立相對滿意而非最優(yōu)（決策科學家Simon提出），資源配置效率基于市場優(yōu)于基于計劃。大數據背景下，迅速獲取分析更多輔助決策信息成為可能，因此決策目標可實現向最優(yōu)的無限逼近，實現基于數據的“計劃”資源配置將更有效率。

（三）大數據的角度：個性化服務+中觀指數+宏觀連結

目前發(fā)展大數據，主要有基于數據為客戶提供個性化營銷服務、預測中觀行業(yè)或區(qū)域趨勢指數、基于連結的宏觀資源配置方案等角度。這不僅僅體現在阿里小微融資的個性化風控決策、高端品牌在線特賣品牌和定價動態(tài)決策（基于阿里巴巴網商活躍度指數和零售商品價格指數）、Discern group企業(yè)發(fā)展戰(zhàn)略咨詢報告上，還體現在阿里巴巴商務智能指數（預測經濟發(fā)展態(tài)勢）和基于公共氣象數據的各行業(yè)資源配置優(yōu)化服務上。

互聯(lián)網金融是大數據發(fā)展各角度的前沿陣地。在金融領域，要實現從金融互聯(lián)網向互聯(lián)網金融的快速轉型。傳統(tǒng)模式下的金融企業(yè)開展網上業(yè)務，如：網上銀行、網上理財，并不是真正的互聯(lián)網金融?；ヂ?lián)網金融是指通過互聯(lián)網新技術為客戶實現搜索或風控等服務增值，比較有代表性的是，消除供求雙方結構不對稱的P2P貸款，提高存取效率的保值理財產品余額寶。

（四）大數據的關鍵點：保證數據質量

要發(fā)展大數據分析，首先要保證數據質量。錯誤的輸入必然導致錯誤的輸出。沒有數據質量，一切都是浮云。數據質量沒有保證，是不敢用的。數據質量是一項耗時、費力的基礎工作。

保證數據質量要求數據采集與清洗過程中秉持兩大原則：相關性和低噪聲。第一，大數據，數據并非越“大”越好，而是相關數據越“大”越好。特別是，在數據采集中，要以采集盡可能多的“相關”數據為目標，而非不加篩選越多越好。第二，大數據，首先數據獲取時要保證不存在誘導傾向的干擾因素，同時進行去噪處理。

保證數據質量要建立數據的數據。針對數據質量建立數據標簽，才有進步。有了對數據質量的數據，數據才能被決策者更為安全科學有效地使用。

（五）大數據競爭的核心：分析人才的競爭

大數據時代，作為一種資源，數據不再是稀缺資源。互聯(lián)網、門戶網站、社交網站、微博、微信等新媒體積累了大量數據，缺乏的是對這些數據的分析人員。缺乏專業(yè)的分析人才，即使守著數據的“金山”，也只能望“山”興嘆。因此，美國Turbo Financial Group采用最新的大數據分析技術聚焦被FICO遺忘的15%人群建模，阿里提出建立大數據分析的開放式平臺，希望能夠集結更多專家智慧，同時培養(yǎng)阿里分析人才，挖掘阿里數據“金礦”。

二、把握大數據

大數據對社會生活帶來方方面面的影響，我們如何把握大數據時代的機遇，需要慎重對待大數據帶來的挑戰(zhàn)?？偨Y起來，主要有三個方面：

（一）大數據時代，數據整理和清洗工作

（1）數據整理和清洗工作是數據分析的基礎。大數據專家根據經驗，普遍認為該工作是一項基礎性工作，耗時多且簡單，占到數據分析工作量的60%以上，是數據分析前提和基礎。在此基上，數據分析工作需要對數據進行標識，進行深度分析，撰寫專題報告，確保結果可以執(zhí)行，最終落實到決策和實施。

（2）大數據時代，需要充分借助IT技術管理數據質量工作。在大數據時代，人工逐筆發(fā)現、解決數據質量問題的方式成本高、效率低，不可持續(xù)。要盡量規(guī)范化、系統(tǒng)化、自動化管理數據質量工作，將節(jié)省下的人力資源投入到新問題的研究中。

（二）大數據時代，數據分析的特點

（1）采用倒金字塔模式分配“思考、工作、分享”的時間比重。數據分析工作包括三部分：“思考”，分析實際問題，將實際問題轉化成數學模型，提出解決方案的過程；“工作”，將解決方案程序化，得出結果的過程；“分享”，將分析的結果，轉化為決策，付諸實施的過程。在時間分配上，金字塔結構或柱形結構的分布形式不是最佳結構，倒金字塔結構比較合理。即，思考的過程花得時間長些，可以減少后期工作量，少走彎路。

（2）通過數據分析進行科學決策。很多人存在誤區(qū)，認為數據分析就是做報表、寫報告。在大數據時代，數據分析不僅僅停留在此，需要進行深度分析，建立數據化決策的流程。要尊重數據、認識數據，但不迷信數據。在尊重數據、尊重事實的前提下，減少主觀因素的干擾，快速做出數據化決策，這是一種能力。

（3）大數據時代，數據分析的要義是――簡單、迅速、規(guī)模化。數據分析的結果要簡潔、易懂；數據分析的時間要短，盡可能的自動化地出結果，要快速的滿足客戶的需求；數據分析的方法能夠實現大批量規(guī)模化。優(yōu)秀的數據分析師應具有全局的預見性，一有問題可以馬上把該問題打成很碎、很多的問題，甚至把一個問題克隆出很多問題，從而與業(yè)務人員建立信任，降低工作量。

（4）從“死”信息中，分離出“活”的信息。大數據有數據量大的問題――產生大量的“死”數據。錯誤數據是指數據與實際情況不一致，異常數據是指數據正確但數據遠離群體的大多數，這類數據情況的處理手段比較成熟。而大數據時代，大量數據是不活躍主體，即“死”數據。因此，需要從高維低密度數據中，提取“活”的信息，發(fā)現規(guī)律。防止由于“死”信息的存在，導致分析結果不能正確反映“活”的群體特征。

（三）大數據時代，數據分析師的培養(yǎng)

（1）培養(yǎng)核心技術人才，確保長期競爭力。美國在建立全國醫(yī)療系統(tǒng)時，將系統(tǒng)外包給了加拿大的一家公司，系統(tǒng)運行的第一天就出現了崩潰。美國政府為此對該模式進行了反思，概括起來有三點：①外包公司設計時只顧滿足甲方的眼前利益，不會為甲方的長遠利益考慮；②項目外包造成美國技術骨干人員斷層，導致出現問題后自身無法解決；③采用該模式導致美國沒有了核心技術。

因此，在采用項目外包模式的同時，需要掌握其核心技術。在大數據時代，從數據分析、信息管理、IT技術三個方面保持核心競爭力。需要培養(yǎng)和保持業(yè)務、產品設計、數據分析、數據架構等方面的骨干隊伍。

（2）建立專業(yè)化的大數據分析團隊。大數據分析的核心是數學建模，基礎是實際業(yè)務，結果是自動化程序。在實際工作中需要正確、合理的使用數學建模的思維，構建以數學模型做為基礎的數據分析，建立量化管理風險的理念。深刻認識并正確駕馭大數據分析，大數據分析的方法是處于不斷發(fā)展過程中的，需要根據實際問題，結合實際數據，靈活構建模型。

參考文獻：

[1]朱建平，章貴軍，劉曉葳.大數據時代下數據分析理念的辨析[J].統(tǒng)計研究，2014，（2）.

篇2

【關鍵詞】大數據時代 數據分析 信息安全防護

隨著我國網絡信息技術不斷的發(fā)展，當下時代已經成為大數據時代。以往大數據的概念主要存在于物理學領域、生物學領域、生態(tài)環(huán)境學領域、軍事領域、金融領域、通訊領域等，而當下網絡和信息業(yè)的空前發(fā)展使大數據引起了人們的關注。數據信息已經滲透到社會的各行各業(yè)，人們通過相關數據信息的發(fā)現和利用，可達到增加生產率和市場消費率的效果。但大數據技術收集信息軟件給網絡用戶的隱私帶來了問題，網絡私人信息的安全防護遭到威脅。因此本文對大數據時代的數據分析與信息安全防護做出相關研究，研究內容如下。

1 大數據概述

大數據主要是指使用常規(guī)軟件工具無法在規(guī)定的時間內對網絡往來信息進行捕捉和管理以及處理。大數據時代的主要特點為5V，即數據總量大（Volume）、類型繁多（Variety）、價值密度低（Value）、速度快、時效高（Velocity）。大數據的初始計量單位為P（P=1000T）、E（E=100000T）、Z（Z=10000000T），數據量龐大，其種類包括網絡文字信息、音頻信息、視頻信息、圖片信息以及地理位置等，數據種類豐富對數據的處理能力也提出了較高的要求。在大數據中，雖然信息量大，但可利用的信息是有限的，因此，大數據價值密度較低。大數據相對于傳統(tǒng)數據而言，需要人們更強的處理信息的能力和速度，對人們的數據駕馭力量提出了挑戰(zhàn)。大數據在影響著人們生活方式的同時，還影響著各個行業(yè)的發(fā)展，大數據的出現也使信息安全面臨著一些問題。

2 大數據時代數據分析概述

2.1 抽樣量化

在大數據時代，樣本就是總體本身，因此在分析某事物的過程中，不需依靠少量的數據樣本，而是得到全部的數據。傳統(tǒng)的抽樣有樣本缺乏穩(wěn)定和隨機抽樣困難的情況，且在事先設定好了調查目的往往會使調查內容和范圍受到人為限制，調查過程中的側重點也導致抽樣數據無法反映總體情況。另外樣本量的有限也使抽樣結果缺乏精確性，致使錯誤率的增加，同時傳統(tǒng)抽樣時間效率和生產率低。

2.2 數據模糊計算

在大數據的影響下，人們接受數據較為繁雜，數據精確性減弱。有數據規(guī)模龐大，因此對數據追求精確性的可能性較小，測量數據和調查數據都會因為一些不可控的因素或認為因素致使數據精確性欠缺。大數據時代獲得的數據量多，但不精確的數據也在其中，因此對待大數據應該看到其有利方面。數據的不精確也有利于對事物總體的了解，樣本的增加使信息更為真實。大數據的不精確是不經意產生的，因此，在需要精確數據的領域還是需要避免不精確性的發(fā)生。

2.3 利用數據關系

關注事物的相關性，而不是只追求因果。傳統(tǒng)抽樣中會預先假定因果，但在大數據時代，數據的復雜和龐大，會導致因果關系復雜化和分析因果復雜化。因此，大數據不不利于追求因果關系，而利于事物相關關系的追求。大數據對數據的分析思路為分析數據相關性，事物關系之間的形式多樣化，關系和目的也是根據數據的變化而變化，沒有相對較為固定的因果和親疏關系。

大數據所提供的價值可以讓人們預判自己所想知道的事情，比如華爾街利用網絡民眾的情緒變化進行拋售股票；基金公司根據對購物網站顧客的評論來分析產品銷售情況；銀行根據網絡求職的崗位情況判斷就業(yè)；投資機構從大數據中查找企業(yè)破產的前兆；美國總統(tǒng)團隊根據社交軟件分析選民喜好。以此可以看出在大數據時代，可利用的數據信息對利用者而言十分重要。

3 大數據時代面臨的信息安全問題

3.1 信息安全風險

由于大數據的特點之一為存儲信息較為廣泛，對信息安全性有一定的影響。大數據信息海量存儲技術的成熟降低了信息存儲的成本，因此大數據信息處理量顯著增加，處理中心分析信息也變得更加容易。大數據信息中心可以根據終端網絡用戶的行為信息進行分析，然后將結果提供給信息利用者，分析搜索的商品后向你推薦所感興趣的商品。在移動互聯(lián)網，終端用戶信息被隨時采集和存儲，造成了信息安全風險。

3.2 個人隱私泄露

有一些網絡企業(yè)會對網絡終端用戶的隱私進行搜集。為了贏得市場競爭優(yōu)勢，用戶信息成為了企業(yè)的發(fā)展根據。比如一些智能手機軟件會在用戶不知情的情況下，對用戶使用軟件的時間、地點和位置進行信息記錄，發(fā)送到軟件服務器，暴露用戶的個人隱私泄露信息。

3.3 安全防護難度

大數據時代由于非結構化的數據類型多、價值密度低，信息量龐大，因此對安全防護技術要求較高，目前我國防護技術還未能夠處理大量和多類型的數據，因此數據防護難度系數較高。

4 數據時代面臨的信息安全問題的應對措施

4.1 安全技術研發(fā)

目前大數據需要能夠處理大量和多類型的數據分析技術，以主動發(fā)現大數據中潛藏的威脅，比如利用信息豐富開發(fā)認證系統(tǒng)技術或建設數據真實分析系統(tǒng)，將惡意信息和無用信息排除在外。

4.2 制定個人隱私泄露保護法律法規(guī)

由于大數據是新生事物，因此相關的法律法規(guī)存在空白。網絡上違法的數據信息行為需要有強制和高效的規(guī)則對其進行規(guī)范，以保護個人信息的合理利用性。

4.3 提高民眾信息安全認知

大數據來源于民眾，因此提高民眾的信息安全意識，可有效防范數據信息面臨的信息安全問題，從而起到維護個人隱私泄露、避免負面影響的作用。

5 結語

綜上所述，大數據時代數據分析與信息安全防護具有重要意義，當下網絡和信息業(yè)的空前發(fā)展使大數據引起了人們的關注，數據信息已經滲透到社會的各行各業(yè)，數據分析使人們受益匪淺。但大數據技術收集信息軟件給網絡用戶的信息安全帶來了問題。比如信息安全風險、個人隱私泄露、安全防護有難度等，本研究作者經過多方面思考提出提高安全技術研發(fā)程度、制定個人隱私保護法律法規(guī)以及提高民眾信息安全認知的解決意見，以促進大數據時代信息安全性的增加。

參考文獻

[1]田秀霞，王曉玲，高明等.數據庫服務――安全與隱私保護[J].軟件學報，2010，21（5）：991-1006.

[2]劉小龍，鄭滔.一種針對非控制數據攻擊的改進防御方法[J].計算機應用研究，2013，30（12）：3762-3766.

[3]李峰，李虎成，於益軍等.基于并行計算和數據復用的快速靜態(tài)安全校核技術[J].電力系統(tǒng)自動化，2013，37（14）：75-80.

篇3

目前，在此大環(huán)境的影響下，企業(yè)的財務管理工作得到了更大的拓展和延伸。而財務分析工作作為財務管理中的一個必須高度重視的環(huán)節(jié)，在極大程度上影響著企業(yè)的穩(wěn)定性、可持續(xù)性，直接影響企業(yè)的發(fā)展。由此可見，企業(yè)要想提高自己的綜合實力與核心競爭力，就必須要做好財務分析研究。抓住機遇，將互聯(lián)網等一些新興技術推向更新的高度?？朔魬?zhàn)，在基礎上充分落實財務分析工作，預估大數據下可能存在的風險。充分發(fā)揮大數據對企業(yè)的未來發(fā)展產生巨大的影響，為企業(yè)的發(fā)展提供更為廣闊的空間。

二、大數據時代下財務分析的機遇與挑戰(zhàn)

這一章節(jié)主要探討兩方面內容，一方面是大數據時代下財務分析工作迎來的機遇，另一方面是大數據時代下財務分析工作面臨的挑戰(zhàn)，通過對這兩方面內容的明確，從而為后續(xù)的探討而奠定基礎。

(一)大數據時代下財務分析迎來的機遇

對企業(yè)財務分析工作而言，大數據時代的來臨會給工作帶來諸多方面有利的影響，促使財務分析工作朝著更好的方向發(fā)展。

1.有利于提高財務數據信息的精準度

以往傳統(tǒng)的財務中采用的是“漏斗式”記賬方式，將原始憑證的結構化信息轉記到記賬憑證中。由于過濾了諸多非結構化的信息，這類信息會受到技術限制的影響，在很大程度上使財務管理數據引起偏差，使數據整合的難度大大增加。最終可能會影響管理者決策。但是在大數據時代之下，能夠為財務分析提供經濟數據上的大力支持，實現財務管理向共享式服務模式的順利過渡。

2.有利于增強預算管理的真實性

預算管理是企業(yè)財務管理重要組成部分，傳統(tǒng)的預算管理在數據處理的過程中處理的速度過于緩慢，處理的效率低，不利于企業(yè)的發(fā)展。且在內容制定的過程中，沒有，明確的管理理論進行基礎支撐。通過大數據的手段進行使用，可以更好的使預算的真實性增強，在一定程度上改善現階段的問題。

3.構建企業(yè)型數據庫，避免財務風險

大數據時代的來臨，意味著科技因素的發(fā)展已經達到一定的水平。這就意味著企業(yè)可以從大量的數據中提取關鍵信息，構建相對應的數據庫，以建立數據庫形式來處理海量的數據信息，有效挖掘對自身企業(yè)發(fā)展有用的相關數據信息。以此為基礎，可在多維度預測企業(yè)風險，提高防范意識，盡可能的避免財務風險，從而為實現企業(yè)的經營戰(zhàn)略目標而奠定扎實的基礎。

4.提高數據處理效率，降低財務成本

傳統(tǒng)的數據管理，方法陳舊、內容繁瑣，導致工作效率低下，大大增加企業(yè)的財務管理成本。并且在實際執(zhí)行過程中，因程序較多，在一定程度上增加了財務人員的工作處理量。二者最后可能會導致工作量雖然上升但工作效率反而會有所下降。這不但會使企業(yè)發(fā)展緩慢，還會削減員工工作中的積極性，不利于企業(yè)發(fā)展。利用大數據來建立模型篩查相關有效信息，可以更快捷的處理數據信息，減輕財務人員的工作量，在提高效率的同時，調動員工在工作中的積極性。

(二)大數據時代下財務分析面臨的挑戰(zhàn)

大數據時代在對企業(yè)財務分析工作帶來有利影響的同時，也使財務分析工作出現了更大的挑戰(zhàn)，因此，分析大數據時代下企業(yè)財務分析中存在的不足之處，有利于我們積極應對挑戰(zhàn)：

1.依賴財務報表，不注重其他信息

傳統(tǒng)的財務分析工作過于注重財務報表，而忽視非財務信息分析。具體來講的話，一是企業(yè)固定資產折舊、對外投資核算等內容會結合企業(yè)自身情況而選擇不同的會計處理方法，導致數據的處理結果可比性存在嚴重偏失；二是固定資產折舊年限和壞賬準備金比例等方面摻雜了財務人員的主觀意識，是以估算得來的數據為主，導致數據的處理結果可比性存在嚴重偏失。這嚴重影響著財務分析工作的正確性，同時大數據下企業(yè)對非財務信息分析未給予重視，在一定程度上難以獲取最科學準確的結果。

2.大數據使安全性降低

大數據時代促使數據在趨于更加便利化，但同時其安全性也大大降低。因為技術的發(fā)展，讓企業(yè)財務分析所得到數據信息的竊取變得簡單化，信息在任何環(huán)節(jié)上都有被不法分子竊取的可能，造成失竊、泄密等損失。這在很大程度上使企業(yè)滋生風險。如何規(guī)避這些風險，在現階段的企業(yè)財務管理中雖采取一定手段，但在泄密事件發(fā)生之前，并未高度重視。由此引發(fā)的泄密事件影響了企業(yè)財務分析工作的有效開展。

3.財務數據與業(yè)務信息整合度低，“去邊界化”速度緩慢

在目前的大數據背景下，企業(yè)在信息獲取時速度會提升，運作的成本也會降低。但是財務數據需分別由財務部門與業(yè)務部門同時提供。財務部門人員與業(yè)務部門人員的主要需求與側重點不同，因此提供的數據與信息存在不同程度的差異。尤其是存在許多合資公司與分公司的大型企業(yè)，經過長時間獨立自主的經營，可能會出現各個區(qū)域間信息“邊界化”。以上情況會造成企業(yè)財務管理效率降低，同時造成管理者在查看信息及決策時的不便。

4.對人員要求增高

大數據時代下對參與財務分析工作的人員也提出了更高的要求。但在實際發(fā)展中，工作人員還存在工作能力不強、素質不高等方面的問題。另外存在老員工無法適應大數據時代而無法很好的勝任工作，進而影響企業(yè)整體的發(fā)展。

三、大數據時代下做好財務分析工作的措施研究

對于處于大數據時代下的財務分析工作而言，及時抓住機遇并且克服其中的挑戰(zhàn)，才能得到更進一步的發(fā)展，那么如何采取有效的措施呢？這一章節(jié)圍繞于此而提出以下對策，希望可以為實際活動的開展而提供一些幫助作用，從而提高財務分析工作效率。

(一)重視非財務數據信息，做好實時分析工作

在大數據時代之下落實財務分析工作，企業(yè)可以采取的第一個措施就是重視非財務數據信息，做好實時分析工作。財務分析工作中采用的分析方法不能過于看重報表數據，而是要引入非財務數據分析方法。因此，在現階段的財務報表中，企業(yè)人力資源、通貨膨脹等因素還沒有在報表中予以充分展現。為此，在制作財務報表中要關注這些影響因素，增加報表附注，在此基礎上形成全新的財務分析方法，以此來為財務分析工作的落實而奠定基礎。除此之外，大數據時代的來臨，數據信息在增加的同時也加快了數據流轉。為了應對這一情況，需要構建相應的數據模型，加強計算機技術的應用，在做好數據歸類整理工作的基礎上落實數據的實施分析工作。與此同時，企業(yè)還需要制定出一套信息收集與整理系統(tǒng)，在系統(tǒng)的帶動下構建智能化的財務分析體系，及時、有效的挖掘數據信息，從而更好的服務于財務分析工作。

(二)樹立財務風險理念，提高財務信息安全性

在大數據時代之下落實財務分析工作，企業(yè)可以采取的第二個措施就是樹立財務風險理念，提高財務信息安全性?？萍季腿缫话央p刃劍，在給予人們生活便利的時候，也帶來著一些不穩(wěn)定和不利于企業(yè)發(fā)展的因素和影響。相對應的對于處于大數據時代下財務分析工作而言，數據在變得便利、高效之后，在大數據的廣泛普及的時候，信息相對比較公開并利用多種途徑進行信息的傳播，稍有不慎信息很容易發(fā)生泄漏或者惡意篡改的情況，進而造成商業(yè)風險的產生，因此，為了提高財務信息安全性，首先是需要在意識領域樹立財務風險理念，通過意識領域對這一方面重視程度的提高，在行為的落實處采取合理的措施予以應對；其次，財務工作人員必須注重數據的保密工作，利用新先進的科學高端技術手段，確保財務數據的安全性和保密性，可以更好地避免財務風險的產生。一方面，企業(yè)可以引進一些高新技術的科學型人才，對企業(yè)的數據運作進行管制，讓企業(yè)在健康安全的網絡環(huán)境中工作。另一方面，企業(yè)應該加大設備設施的投入資金，確保硬件配備能夠跟上當前的發(fā)展需求，并結合一些安全軟件進行管理，進一步保證財務數據的真實性和可靠性，促進企業(yè)的整體進步與發(fā)展。

(三)加強財務數據與業(yè)務信息整合度

企業(yè)要優(yōu)化整合財務系統(tǒng)與業(yè)務系統(tǒng)，做好一體化建設，將數據進行有效整合，整合信息系統(tǒng)等一些關鍵業(yè)務信息，增強各個維度數據的準確性，提高財務數據與業(yè)務信息的可用性。利用網絡發(fā)展與實現資源共享，打破地域間的封閉性與時間差異性，實現資源的實時性與共享性。在第一時間為企業(yè)提供財務數據支持，更好的對企業(yè)進行管理，更深層次的挖掘企業(yè)的價值。

(四)提高財務人員數據分析能力，提升財務人員綜合素養(yǎng)

隨著大數據時代的到來，財務人員必須具備較強的綜合素養(yǎng)和能力，對大數據進行分析以及優(yōu)化，才能更好地投入發(fā)教學工作中。當掌握數據分析能力的時候，財務人員才能更好地為企業(yè)的變化趨勢和實際情況，進行調整并找到解決的方法。財務人員要樹立學習理念，學習適合的財務分析方法，立志于不斷提升自身財務大數據的處理和分析能力，促使財務分析工作得到更好的開展。其次，還要善于利用企業(yè)的信息技術ERP系統(tǒng)進行數據整合分析，通過對數據的查閱思考，對企業(yè)的情況進行預測和控制，為企業(yè)的戰(zhàn)略發(fā)展進行分解和規(guī)劃，促進企業(yè)的可持續(xù)發(fā)展。同時財務人員要樹立學習理念，學習適合的財務分析方法，立志于不斷提升自身財務大數據的處理和分析能力，促使財務分析工作得到更好的開展。因此，無論是內部還是外部都需要營造良好的環(huán)境，以此來吸引優(yōu)秀的財會人員加入到企業(yè)的財務管理活動之中，更好的為企業(yè)提供優(yōu)質服務。

篇4

關鍵詞：大數據；軟件工程；軟件服務工程；第四范式

自上個世紀90年代初，信息高速公路在美國提出以來，歷經近30年的發(fā)展演進，信息技術發(fā)展突飛猛進，信息化領域的新技術、新詞語層出不窮，諸如IT技術、互聯(lián)網技術、大數據技術、區(qū)塊鏈技術、人工智能等。并且對人們的生產、生活方式產生了深刻的影響，認為現在進入了大數據時代、萬物互聯(lián)時代、智能化時代等。筆者認為，一直以來，其中除了硬件的發(fā)展，還有兩個關鍵因素同樣值得關注，一是數據，其是基礎和目的；二是軟件，其是方法和工具。唯如此，才能實現在軟件生命周期即設計、開發(fā)、運行、優(yōu)化，實現與大數據生命周期即獲取、清洗、集成、分析、呈現等的互動。[1]換言之，現在來說，就是大數據和軟件工程，二者助推了信息技術的發(fā)展，同時也是信息化的產物，在大數據時代背景下，研究軟件工程技術的應用，對于經濟社會的發(fā)展有著十分重要的意義。

1大數據和軟件工程簡述

1.1大數據簡述

沃爾瑪的“啤酒與尿布”是眾所周知的大數據經典案例，大數據已經是當今信息社會炙手可熱、耳熟能詳的詞匯，而且已形成共識，即人類已經進入大數據時代。上個世紀80年代初，《第三次浪潮》一書風行全世界。該書作者美國社會思想家阿爾文托夫勒就在文中將人類社會發(fā)展劃分為三次浪潮，即以“農業(yè)文明”為主導的第一次浪潮，以“工業(yè)文明”為主導的第二次浪潮，以“信息化”為主導第三次浪潮。[2]其中首次提出了“大數據”（BigData）一詞，并且，以“第三次浪潮的華彩樂章”這樣的用詞對其進行熱情的謳歌。[3]全球著名咨詢公司麥肯錫于2011年5月了《大數據：創(chuàng)新、競爭和生產力的下一個前沿》報告，公認此報告宣告了大數據時代的到來。由于大數據概念的提出源于不斷的發(fā)展實踐，其本身并沒有嚴格、權威的定義。通常認為，大數據的大即大數據集的規(guī)模一般應達到10TB左右，現在已經達到了PB級的數據量。維基百科稱“大數據”是這樣一個術語，即其是用以描述用傳統(tǒng)的數據處理應用軟件無法完好處理的龐大的或者復雜的數據集。但“大數據”這一概念并不僅僅指數據規(guī)模的龐大，還包括對這些數據對象的處理以及應用活動。IBM提出大數據通常具有“5V”特征：Volume（數據體量大）、Variety（數據類別多樣）、Velocity（處理速度快）、Veracity（數據真實性高）、Volume（數據價值高）。[4]大數據技術分類并分平行關系，而是呈縱向、層級狀結構，詳見圖1所示。

1.2軟件工程簡述

軟件工程本身并沒有嚴格、權威的定義。并且，也是直到20世紀60年代初才出現了“軟件”一詞，于此之前，更多的是程序的概念，后來人們認識到與程序相關的文檔也有著相當重要的作用，才有了“軟件”一詞的出現。軟件發(fā)展至今天，已經遠遠不是程序個體或者程序員合作的方式能夠完成的，即使能夠完成，也會是效率低下、程序運行可靠性差，或者說根本就無法完成。于是，在1968年召開的大西洋公約學術會議上提出了軟件工程的概念,簡單理解，就是以工程的方法來進行軟件系統(tǒng)設計、開發(fā)、運行、維護、優(yōu)化等技術的總和，進一步言之，就是用“計算機科學、數學管理科學等原理，以工程化方法制作軟件的工程”，屬于一門交叉學科。[5]通常認為其包含有四個要素：（1）軟件工程目標；（2）軟件工程范型；（3）軟件工程過程；（4）軟件工程原則。

2大數據與軟件工程的結合方式

宏觀上講，軟件工程是比大數據更為寬泛的概念，大數據的技術與應用被軟件工程所涵攝。如圖1所示意，雖然大數據的各項技術與應用屬于垂直領域，而軟件工程牽涉的是橫向領域，更加關注軟件產品及軟件系統(tǒng)工程上的實現及其管理。但是，大數據無論是其產品還是其系統(tǒng)的完成與落地，都離不開軟件工程方法論的支持。換言之，軟件工程的方法與技術貫穿于大數據的開發(fā)與應用，大數據也只是在軟件工程發(fā)展過程中出現的概念。軟件工程開發(fā)具有綜合性，其應用滲透于各個學科和領域，大數據的技術與應用當然是軟件工程所關注和研究的對象，或者說大數據技術的每一環(huán)節(jié)都離不開軟件工程的支持。大數據應用的基礎是要依賴數據鏈條的完整性，采用相應的算法于海量的數據中進行規(guī)律分析，算法要依據相應的實際環(huán)境進行相應的升級，遵循開發(fā)的基本原理，充分調整數據分布，從而在研究過程中將大數據技術與軟件工程方法結合起來。并在開放的環(huán)境中通過網絡與通信技術實現數據的共享，在此過程中，軟件技術和水平亦能得到進一步的提高。在二者相互作用滲透的過程，軟件效率得到提高，軟件效益得以提升，從而實現客戶需求的最大化。在軟件開發(fā)過程中，還需要有必備的硬件和軟件的支撐，來支持相應的數據流，隨著數據流的增長，對于硬件和軟件就會有更高的要求。工程技術人員在對數據流進行分析研究的同時，專家學者還會對在線服務進行研究。但是，數據流是重點，包括對數據流的使用方法的研究，對支撐數據流的軟件和硬件的研究。另外，從軟件工程開發(fā)角度看，無論是在服務端還是在用戶端，軟件的運行當然會產生大量的數據流，都將產生大量的數據信息，這些數據流對于軟硬件的使用壽命有著決定性的影響。因此，在軟件工程的開發(fā)中，對于海量數據產生的環(huán)境下，更有必要做好數據流的管理，要高度重視數據流的分析研究，并且對于原始數據進行深入的研究也應該引起重視，以期延長軟件的使用周期。[6]

3大數據時代的軟件服務工程

軟件服務工程即所謂的面向服務的軟件工程，強調的是其相對于傳統(tǒng)軟件工程的擴展。近些年來得到了很快的發(fā)展，已經成為當今時代的主流社會需求之一，服務功能已經是軟件開發(fā)的基本原則。另一方面，也可以將其直觀理解為“軟件（Software）+服務（Service）+工程（Engineering）”三個方面的交叉融合，或者軟件工程與服務工程兩者的融合等。其內涵可以理解為研究面向服務的軟件工程原則、軟件工程方法以及軟件工程技術，同時利用相應的軟件服務設施和平臺，開發(fā)較高水平的軟件服務系統(tǒng)。[7]軟件開發(fā)者根據需求變化，在社會實際實用中，以面向服務作為主要建設目標。在開發(fā)的初期就要首先搭建好軟件的框架，充分利用編程語言、構思好編程思路，確保開發(fā)軟件能夠提供可靠的服務應用，保障軟件運行時的穩(wěn)定與可靠。在實際的服務過程中，要求開發(fā)者運用分布式應用程序，以虛擬操作的方式提供用戶相應的服務。在應用中，融合大數據技術，能夠實現對數據進行編程，達到軟件互操作的效果，并提高對數據的主動協(xié)調。軟件工程開發(fā)工程師可以對數據信息共享，實現各種學習交流，對軟件進行協(xié)同開發(fā)，并結合用戶的反饋，對軟件系統(tǒng)進行優(yōu)化處理，提高軟件的性價比。近年來，開源軟件是較為成功的軟件習作模式，但是，其采用常規(guī)的研究方法，應用價值還不是很高。與開源軟件相比，群體軟件工程屬于一種分布式軟件開發(fā)模型，能夠依靠網絡進行任務分配，并能實現創(chuàng)造性的查詢，通過眾包形式的開發(fā)，解決開發(fā)過程中的難題。并且，在整個開發(fā)過程中，眾包開發(fā)可以貫穿其全過程。所謂眾包，一如其字面含義，是一種分布式的生產開發(fā)模式和問題解決方案。通過該種方式，開源軟件和商業(yè)軟件均可通過網絡進行任務和責任分配。[8]隨著我國計算機科學技術的不斷發(fā)展進步，軟件工程技術也取得了長足發(fā)展，軟件服務工程也支持得到拓展和延伸。在大數據時代背景下，我們應當加快大數據技術和軟件工程技術的融合與創(chuàng)新，提升對海量網絡數據進行編程處理的能力，提高軟件的安全和效能，增強其穩(wěn)定性和可操作性，進一步整合軟件工程系統(tǒng)的集成度。

4數據密集型科研第四范式

圖靈獎獲得者、關系數據庫研究專家詹姆士格雷(JamesGray)曾經從科學哲學的層面將人類科學研究模式總結劃分為最初的實驗科學階段，之后的理論科學階段，到通過模擬的方法進行的計算科學三個階段，相對應地稱之為科學研究的第一范式、第二范式、第三范式。但是伴隨著模擬連同實驗所產生的海量的數據，需要由軟件處理這些由各種儀器或者模擬實驗產生的海量數據，并將處理得到的信息和知識存儲于計算機中。之后，科研人員只需要對這些存儲于計算機中的少量數據進行分析研究，不再是直接通過儀器或者模擬進行研究。因而基于數據密集型科學研究獨特的技術以及其顯著的不同于以往研究的特點，詹姆士格雷在2007于其科研報告中提出了將這種數據密集型的科學研究模式從計算機科學類型中單獨區(qū)分出來的思想，隨之產生了一種被稱之為第四范式的新的科研模式。該報告整理后題名“吉姆格雷論e-Science:一種科研模式的變革”，成為微軟于2009的年首次全面對數據密集型數據進行描述的論文集《e-Science：科學研究的第四種范式》的開篇文章。[9]當前，相當多的計算機領域的專家學者對數據密集型科研第四范式予以了關注，并進行了相應的研究，探索出了相應的方式方法，第四范式的研究被認為是大數據時代背景下軟件工程技術研發(fā)的關鍵。信息化的發(fā)展與滲透，導致一切的事物都在隨之發(fā)生著變化。包括實驗、理論分析和計算科學均在數據泛濫的影響下與之前大不相同，軟件工程技術既要適應科研第四范式，又在其中扮演著更加重要的作用。傳統(tǒng)范式下的目的與探索之間不能夠很好地銜接，數據信息的應用效率難以保障，難以滿足項目管理目標的實現。數據密集型科研第四范式下的技術以及理論相關內容，與大數據技術特別是其中的存儲技術有著緊密的關聯(lián)性，其待探索的空間和應用價值相當廣闊，其數據信息研發(fā)急需相應的理論支撐，該范式下的軟件工程技術應用模塊，亦能夠對其他范式下的數據信息進行分析，對于更好地實現數據的存儲與處理，提升處理效率，有著重要的研究價值。在第四范式模式下，對集成密集型數據的軟件服務價值進行評估是首要的，需要摒棄以往的數據統(tǒng)計方法，構建新的針對大數據進行信息統(tǒng)計和分析的方法，這對軟件工程技術的發(fā)展起著重要的作用。在軟件工程技術的研究中，應當更新傳統(tǒng)理念，重視其對大數據的處理和分析能力，使軟件產業(yè)呈現全新的面貌，從而亦能促進其對大數據的數據分析能力。在第四范式的基礎上，亦能夠更好地支持第三范式，甚至于第一范式。該范式研究在我國軟件工程開發(fā)中還處于初級階段，軟件工程開發(fā)人員需在強化已有數據模型研究基礎上，加速由第三范式向第四范式的轉變，盡快實現其應用層面的服務價值。

篇5

為了更有效地檢測和預警地質災害，分析了地質災害的新特點，闡述了大數據時代的信息獲取和地質監(jiān)測工作的內容，以及利用網絡做好地質災害預警的內容。在大數據時代，有效利用網絡可以更好地獲取信息獲取，做好地質監(jiān)測和預警。

關鍵詞:

大數據;地質災害;監(jiān)測;預警

滑坡是斜坡上部分巖土整體地向下方滑動［1］?；碌瘸Ｒ姷牡刭|災害，破壞工程設施，造成大量人員傷亡，可能發(fā)生滑坡的區(qū)域，道路和建筑等隨時受到巨大威脅［2－4］，很多城市都面臨著滑坡等地質災害的威脅。由于互聯(lián)網、物聯(lián)網、三網融合等等通信技術，云計算等IT技術的發(fā)展，社會已經進入了大數據時代［5］。網絡等工具的利用，使得人們獲取信息資源更加方便，也使得更好地進行地質災害的監(jiān)測和預警成為可能。

1地質災害新特點

1.1原因新特點隨著城市建設規(guī)模的日益擴大，施工因素和人為因素造成的地質災害也越來越多。比如2015年12月20日，深圳光明新區(qū)發(fā)生滑坡，垮塌體就是堆積量過大、堆積坡度過陡的人工堆土，失穩(wěn)垮塌后造成多棟樓房倒塌，原有山體并沒有滑動。人工開挖邊坡，在坡體上部加載(如丟棄礦渣和建筑垃圾等)，破壞自然斜坡的穩(wěn)定性，更容易導致滑坡發(fā)生［6］。因此地質災害不僅限于自然災害。深圳滑坡的人工堆土垮塌的地點就屬于堆放渣土和建筑垃圾的受納場。為此，深圳公安已依法對企業(yè)負責人、滑坡事故相關責任人，共12人采取了強制措施。

1.2地點新特點地質災害越來越多的發(fā)生在城市內部和城市周邊。因此更值得注意，這種離人口稠密區(qū)更近的地質災害，容易造成更大的人員傷亡和財產損失。

2大數據時代的監(jiān)測工作

2.1信息獲取大數據影響了人們的生活與工作方式、改變了企業(yè)的運作模式，也導致科研模式發(fā)生了根本改變［5］。大數據時代的突出特點是數據的共享和高效利用。一旦把調查數據輸入系統(tǒng)，就可以輸入任一調查點的模糊名稱，檢索該調查點的滑坡、崩塌、泥石流等地質災害和不穩(wěn)定斜坡坡等潛在的地質災害的信息［7］。大數據思維從海量信息到便于人們理解的分析結論，用于地質災害監(jiān)測系統(tǒng)中海量數據的分析，可以大幅度提高地質災害監(jiān)測的準確度和實效性。在大數據時代，人們通過網絡等途徑可以獲得更加全面、更加專業(yè)、更加及時的信息。比如香港大學著名教授岳中琦，在科學網連續(xù)博客，第一時間深入而詳細地解析了12•20深圳滑坡，不但提供了科學嚴謹的分析，還提供了大量清晰準確的現場圖片。無論是“看門道”的專業(yè)人士，還是“看熱鬧”的公眾，都可以在其博客中獲得大量的有效信息，岳教授為科研及科普工作都做出了卓有成效的貢獻。

2.2利用多方面資源做好地質災害監(jiān)測傳統(tǒng)的資料管理手段和人工作業(yè)方式，在現時性、準確性、科學性和高效率等方面已經無法適應當前地質災害防治，尤其是災害應急工作的需要，更加無法滿足將來的需求［8］。利用網絡可以更好地做好地質災害的檢測工作。比如12•20深圳滑坡，衛(wèi)星地圖能揭示事發(fā)地點十年變遷:2010年之前，事發(fā)地點是個礦場，地貌是山谷和深坑;2013－2014年因積水深坑變成了湖泊;2015年，因為填埋建筑垃圾湖泊逐漸消失，而山谷開口始終正對著滑坡體沖擊的工業(yè)園區(qū)，由于與水相比，建筑垃圾的密度更大，直接導致了滑坡的發(fā)生。還可以利用網友公布在論壇等媒體的無人機照片衛(wèi)星地圖，研究地貌變化，對地質災害的實時、動態(tài)監(jiān)測做出貢獻。尤其是在山區(qū)發(fā)生地震后，坡體植被的破壞，為泥石流和滑坡等地質災害的發(fā)生提供了條件。及時的公開和分析航拍照片，對專家和公眾共同做好地質災害預測工作有著積極意義。

3利用網絡做好地質災害預警

地質災害的預警比報道更加有積極意義。由于專業(yè)的地質人士數量有限，監(jiān)控不可能全覆蓋。而通過網絡獲得地質災害的征兆和苗頭，通知有關部門，可以及時采取治理措施，把地質災害控制在萌芽狀態(tài)，減少人員傷亡和財產損失。比如成都理工大學黃潤秋教授等人獲取信息后，及時采取有效措施，通過打入錨桿等工程措施，消除了威脅丹巴縣城的滑坡風險，保住了丹巴縣城。同時，通過微博和微信等工具公布信息，可以及時疏散群眾，減少人員傷亡。2012年8月17日18時至18日凌晨，四川省彭州市銀廠溝景區(qū)12小時內降雨量達247mm，為50年來最大的暴雨，引發(fā)多處泥石流和滑坡，中斷了交通、通訊、電力、供水，嚴重威脅群眾和游客安全。彭州市準確預警、在災害發(fā)生前及時公布信息，6小時內組織群眾兩次主動避險，緊急疏散轉移了15000余人，成功避免了1200人因災傷亡。

4結語

針對人為因素造成地質災害的新特點，大數據時代的信息獲取更加方便，也有著大量地質災害的監(jiān)測和預警成功的案例。因此，利用網絡和社交軟件等工具，可以更好地做好地質災害監(jiān)測和預警。

參考文獻:

［1］張先清，王澤，田榮燕，等．青藏高原東緣某滑坡治理案例分析［J］．山西建筑，2015，41(5):62－63．

［2］王文奇，劉?？h，李麗，等．中國西部山區(qū)交通設施震害分析［J］．四川理工學院學報，2015，28(1):41－45．

［3］李艷梅，王文奇，王澤，等．中國西部山區(qū)交通設施地震震害及其對策［J］．成都紡織高等?？茖W院學報，2015，32(1):26－28，46．

［4］Harris，MarkAnglin．FragilityofadarkgrayshaleinnortheasternJamaica:effectsandimplicationsoflandslipexposure［J］．Envi-ronmentalEarthSciences，2010，61(2):369－377．

［5］王元卓，靳小龍，程學旗．網絡大數據:現狀與展望［J］．計算機學報，2013，36(6):1126－1138．

［6］王文奇，李麗，王澤，等．地震次生災害對西部山區(qū)交通設施的破壞及其對策［J］．成都紡織高等?？茖W院學報，2015，32(2):57－60．

［7］余必勝，陳源．西南地形急變帶地質災害數據庫及信息系統(tǒng)開發(fā)與實現［J］．軟件導刊，2015，14(11):90－92．

篇6

一時間，“海爾成為首家放棄雜志硬廣，轉向新媒體廣告的傳統(tǒng)家電企業(yè)”等各種解讀奔涌而出。海爾對此回應稱，有所誤讀，如此另類宣傳海爾集團并不樂見，但是作為最大體量的家電企業(yè)，其舉動恰逢“擁抱互聯(lián)網”大潮，立刻被符號化。在集體大轉型時代，對營銷思路變遷的思考是企業(yè)與媒體共同面對的課題。

海爾：被誤讀，今后營銷重交互

這封郵件被外界和張瑞敏反思互聯(lián)網相關聯(lián)。張瑞敏在年會上稱，在未來的海爾，無用戶全流程最佳體驗的產品都不應生產；無價值交互平臺的交易都不應存在。外界猜測，正是由于上述原因，海爾才改變廣告投放策略。

“外界誤讀了，海爾并非不在雜志上進行投放，而是更改了形式?！焙杻炔咳耸肯蚰隙加浾弑硎荆]件也說得比較清楚，繼續(xù)投放雜志內文植入廣告和新媒體廣告。南都記者在采訪中了解到，海爾之所以停止對于雜志硬廣的投放，原因在于對交互的強調，這的確與年會張瑞敏的講話契合?！耙郧拔覀冊O計好廣告投放出去，效果如何并不知道。盡管雜志的閱讀率很高，但是無法了解廣告對于品牌的影響。所以我們今后會強調交互，強調線上線下配合”。

據南都記者了解，這一封郵件是海爾員工“擅自”發(fā)出的，并沒有經過海爾集團的宣傳部門批準。海爾負責人稱，“落款沒有看到海爾公章吧，集團內部對此也進行了討論，郵件沒有完整的表明海爾的戰(zhàn)略考慮，容易讓人斷章取義?！?/p>

不管是否被誤讀，此舉被外界看成海爾的互聯(lián)網轉型的一個表現或者符號。這不僅是海爾自己的問題，郁亮去年帶隊萬科先后去了阿里、騰訊，今年1月18日，拜訪了“用移動互聯(lián)網思維改造自己”的海爾，萬科CEO郁亮還約了小米雷軍。這些傳統(tǒng)企業(yè)都希望用新的思維改造自己，平臺化，重交互。這一思路當然延續(xù)至營銷，海爾此次郵件事件，僅是變化中的小小一角。

大數據提供精準營銷基礎

“用最低成本將產品信息推送到最可能達成交易的用戶，是企業(yè)營銷在廣告方面的根本訴求?！北本┐髮W國家發(fā)展研究院副院長、國家發(fā)展研究院BiMBA院長，營銷管理學教授張黎表示，在產品營銷效果日益不理想的情況下，越來越多的人轉向網上社區(qū)、智能終端找出路，新媒體對于傳統(tǒng)媒體產生了擠壓，特別是基于大數據挖掘分析之上的產品信息精準推送成為營銷利器。據悉，較早如亞馬遜，基于網上圖書搜尋、瀏覽和交易數據，向讀者推送其所喜愛的書籍。大數據分析的特點之一是尋找關聯(lián)性，這樣就可以基于數據分析達成有的放矢營銷，進行廣告的精準推送。

為了迎接新變化，企業(yè)、媒體在集體學習互聯(lián)網。“互聯(lián)網思維”這個詞火了，亦是訴求的直觀反映。一食品巨頭營銷總監(jiān)表示，媒體在細分，根本問題還是研究消費者習慣，針對性地尋求性價比高、顧客喜愛的方式。長虹是家電中另一個非常高調宣布全面互聯(lián)網轉型的企業(yè)。長虹新聞發(fā)言人劉海中表示，這是營銷策略問題，并非互聯(lián)網轉型的標志，外界過于敏感與夸大。長虹對于雜志、戶外、電視、網絡、報紙等都不會排斥，關鍵看想影響哪些受眾。

形式更迭營銷本質不改

“一刀切不是科學的做法?！北贝髧野l(fā)展研究院EMBA、睿符品牌傳播總裁孫雷表示，從營銷上看，硬廣和軟廣的界限模糊，有創(chuàng)意的硬廣對于品牌和產品有出其不意的效果。兩者在本質上沒有區(qū)別，都可以吸引消費者并與其互動。問題在于如何追求內容創(chuàng)新，與媒體內容深度整合。“企業(yè)思維很現實，在既定預算下，實現投入產出比最大化。企業(yè)不是媒體，不需要太前瞻。海爾的產品線還沒有激進到應該完全拋棄雜志的一步?！?/p>

“替代的發(fā)生會越來越快，微信力壓微博，再往前，電視出現了，有人說電臺要消亡，網絡興起了，有人說電視要被替代，但是如今看來，各類型媒體總有優(yōu)秀者以其魅力長期存在，完全替代并不可能?！鼻笆鍪称肪揞^營銷總監(jiān)表示，載體多樣，營銷的本質不會改變。

孫雷表示，媒體也需要變革，除了內容，經營能力、品牌打造，包括對于用戶習慣，新技術的掌握引入，都是未來生存的關鍵。媒體本質沒有變化，仍然是內容的創(chuàng)造和發(fā)行者，變化是網絡化?！爸袊襟w的問題在于，大多數缺乏真正價值。這也意味著機會，良幣驅逐劣幣?！?/p>

專家觀點

張黎：大數據時代打造內外兩個生態(tài)

當今市場競爭某種意義上是對智能終端擁有的競爭，無論是計算機、手機、家電以及可穿戴設備，都可以成為智能終端終端，通過這一端口，企業(yè)與人建立了聯(lián)系。企業(yè)通過終端收集到了用戶的行為數據，這些數據經過分析，為企業(yè)新產品與服務的提供作出指引。

“要想養(yǎng)好魚，關鍵在于先養(yǎng)好水”，微信的價值關鍵在于其龐大的頻繁用戶這池水，在這個池子中再養(yǎng)什么魚、開創(chuàng)什么增值業(yè)務就是順其自然的事情了。只有通過千萬條終端使這條“線“深入到用戶的生活中去，形成龐大的用戶社區(qū)，進而了解用戶，進行互動才能產生價值。

篇7

共享服務中心（shared service center，SSC）是一種新的管理模式，是指將企業(yè)部分零散、重復性的業(yè)務、職能進行合并和整合，并集中到一個新的半自主式的業(yè)務中心進行統(tǒng)一處理。業(yè)務中心具有專門的管理機構，能夠獨立為企業(yè)集團或多個企業(yè)提供相關職能服務。共享服務中心能夠將企業(yè)從瑣碎零散的業(yè)務活動中解放出來，專注于企業(yè)的核心業(yè)務管理與增長，精簡成本，整合內部資源，提高企業(yè)的戰(zhàn)略競爭優(yōu)勢。共享中心的業(yè)務是企業(yè)內部重復性較高、規(guī)范性較強的業(yè)務單元，而且越容易標準化和流程化的業(yè)務，越容易納入共享中心。

財務共享即依托信息技術，通過將不同企業(yè)（或其內部獨立會計單元）、不同地點的財務業(yè)務（如人員、技術和流程等）進行有效整合和共享，將企業(yè)從紛繁、瑣碎、重復的財務業(yè)務中剝離出來，以期實現財務業(yè)務標準化和流程化的一種管理手段。福特公司在20世紀80年代建立了世界公認最早的財務共享服務中心，整合企業(yè)財務資源，實現集中核算與管理，并取得了巨大成效。隨后財務共享服務中心模式在歐美等國家開始推廣，并于20世紀90年代傳入我國。而隨著我國企業(yè)的快速發(fā)展和規(guī)模擴張，以及信息化技術的普及，許多國內大型企業(yè)集團已經組建了自己的財務共享服務中心，如海爾集團、中國電信等。一項來自英國注冊會計師協(xié)會的調查顯示，超過50%的財富500強企業(yè)和超過80%的財富100強企業(yè)已經建立了財務共享服務中心。

（英）舍恩伯格在《大數據時代》一書中指出，“數據已經成為一種商業(yè)資本，一項重要的經濟投入，可以創(chuàng)造新的經濟利益。事實上，一旦思維轉變過來，數據就能被巧妙地用來激發(fā)新產品和新型服務。數據的奧秘只為謙遜、愿意聆聽且掌握了聆聽手段的人所知。”全球經濟正進入一個數據爆炸式增長的新時期，正如美國官員所說，“過去3年里產生的數據量比以往4萬年產生的數據量還多”。據一項調查報告顯示，當前企業(yè)每天的信息存儲量高達2.2ZB，而大型企業(yè)集團單體產生的數據量已達到10萬TB級，并仍呈高速增長態(tài)勢。據IDC預測，到2020年全球的數據規(guī)模將較現在擴大50倍。全球企業(yè)已經邁入大數據時代。

財務數據作為企業(yè)最重要、最龐大的數據信息來源，在企業(yè)財務活動日益復雜、集團規(guī)模日益龐大的今天，財務數據處理的效率、安全等問題考驗和制約著企業(yè)集團的更高一層發(fā)展。而伴隨著以云計算為標志的新時代的財務共享模式，能夠為大數據時代下企業(yè)集團再造財務管理流程、提高財務處理效率提供助益。財務共享模式能夠為企業(yè)帶來規(guī)模效應、知識集中效應、擴展效應和聚焦效應，實現企業(yè)會計核算處理的集中化運作，整合企業(yè)內部的知識資源，提高企業(yè)財務模式的擴展和復制能力，將企業(yè)財務管理人員從瑣碎的財務數據處理中解放出來，專注于企業(yè)的核心業(yè)務。另外，財務共享模式的集約式管理能夠提高數據處理的屏蔽性和安全性，控制企業(yè)財務風險，降低生產管理成本，提高經營效率，提升企業(yè)財務決策支持能力，優(yōu)化企業(yè)的財務管理模式。

二、大數據時代財務共享中心構建

（一）財務共享服務中心的先期評估

首先，應組建相應的管理機構。企業(yè)集團在決定建設財務共享服務中心后，應及時組建相應的管理機構。管理機構應將企業(yè)決策層領導納入其中，并下設項目團隊，具體建設業(yè)務由項目團隊負責推進和監(jiān)督。項目團隊應吸納財務人員、IS專業(yè)人員等，也可邀請第三方咨詢人員，制定評估計劃、范圍。其次，做好數據搜集工作。財務共享服務中心涉及企業(yè)多個職能部門和業(yè)務流程，應做好多方面數據信息的采集和整理，主要有人事數據、財務數據和業(yè)務數據等，如當前財務人員的基本信息、企業(yè)資產信息、財務業(yè)務流程信息、業(yè)務量等。最后，準確定位財務共享中心。項目團隊將搜集整理的信息進行篩選匯總，并形成分析報告，上報管理機構，由企業(yè)決策層依據評估信息及企業(yè)發(fā)展戰(zhàn)略，對財務共享服務中心作出準確合理定位。

（二）財務共享服務中心的規(guī)劃設計

首先，共享中心的科學選址。財務共享服務中心選址應綜合考慮諸如成本收益、基建設施、地方政策、人力資源等多種因素。項目團隊應制定多維評判指標體系，對候選城市進行綜合評估分析。其次，確定共享中心服務規(guī)模和共享范圍。在規(guī)劃設計階段，共享中心組建團隊應依據企業(yè)集團規(guī)模和結構，集團所處行業(yè)，集團運營模式及業(yè)務流程共享范圍等，從建筑配置和IS配置等方面合理框定共享服務中心的建設規(guī)模，滿足基礎設施保障需求。最后，就項目建設進行投資收益分析，制定財務共享中心建設規(guī)劃。在規(guī)劃設計階段，項目團隊應就共享服務中心建設的資源需求和經濟效益進行投資收益分析，科學反映財務共享服務中心能夠為企業(yè)集團發(fā)展帶來的效益產出，用資料和數據打動企業(yè)決策層和股東，推動項目順利進行。投資收益分析應全面羅列財務服務中心的各種直接、間接效益產出及所需資源，權衡比較確立最終建設規(guī)劃。

（三）財務共享服務中心的建設實施

首先，規(guī)劃財務共享服務中心流程及架構。項目團隊應在前期基礎數據的整理和分析的基礎上，按照科學方法合理規(guī)劃財務共享服務中心的流程及架構，詳細制定KPI考核指標。企業(yè)集團應對原有的財務框架進行優(yōu)化重組，依據會計政策和規(guī)范將財務流程標準化、規(guī)范化，集中串聯(lián)可重復性的財務職能。其次，實施建設財務共享服務中心。財務共享服務中心的建設實施可采取多種途徑，如內部自行組建、“交鑰匙”工程外包、聯(lián)合組建等。在采取工程外包模式過程中，項目團隊應承擔起建立職責，協(xié)調內部資源配合建設。最后，做好過渡期的相關工作及人員轉移。過渡期工作轉移包含原財務人員、服務、業(yè)務、場地及設備等的轉移，以及依據實際運行情況對前期流程及KPI的再修訂，并據此確定最終SLA協(xié)議。工作轉移應充分考慮人員的穩(wěn)定性和業(yè)務的對口性，對于因上馬財務共享服務中心而出現的冗員，應予以合理安置，難以安置的應協(xié)商解除勞動合同，協(xié)商過程中注重遵守法律法規(guī)政策，以人為本。同時，對留用的業(yè)務人員和新招募的財務人員進行上崗培訓，加強系統(tǒng)操作演練和實踐。

（四）財務共享服務中心的運營管理

財務共享服務 中心建設工作完成以后，開始進入正式運營階段。此時，前期的項目團隊應逐漸淡出管理，讓位于中心自身的管理團隊。企業(yè)集團可以在吸納前期項目團隊的基礎上，組建中心正式的管理團隊，縮短磨合期。管理團隊應認真執(zhí)行之前的業(yè)務設計流程及SLA協(xié)議，確保中心運營穩(wěn)定。財務共享服務中心在集團正式上線運營后，企業(yè)集團內部的財務資源將迅速向中心靠攏，實現同原各部門、子（分）公司的快速剝離，提高集團經營效率，降低集團運營成本。首先，運營管理期間，企業(yè)集團及中心管理團隊應從保障共享中心正常運轉的角度，從人力資源、風險控制、績效考核、內部稽查等多個角度加強對共享中心的管理和控制。共享中心運營團隊應及時搜集服務中心運營中的問題，并及時上報研究解決。其次，對財務服務共享中心進行后期完善。后期的完善主要包括對運行期間問題的集中搜集與解決，硬件設施的維護、管理與更新，新技術的應用與推廣以及人員的招募與培訓等。運營團隊應定期就共享中心運營情況進行評估和稽查，依據企業(yè)戰(zhàn)略調整和經營變動等情況及時作出流程優(yōu)化和調整。

三、大數據時代財務共享中心面臨的風險

（一）系統(tǒng)自身風險

首先，財務共享服務中心建設投資成本較高，存在一定的財務風險。財務共享服務中心前期需要巨大的人力、財力等資源投入，包括人員差旅費用、工程建設費用、人員設備轉移費用等，同時伴隨有因財務服務中心選址而衍生的地區(qū)差異費用及場地建設費用等。即使到了后期也仍然面臨設備維護、信息系統(tǒng)更新等費用，成本投入較大，卻不一定能帶來預期效益甚至將企業(yè)集團拖入債務危機。其次，實行財務共享集中管理后，財務人員由業(yè)務前端轉為后端，業(yè)務敏感性和緊迫性下降，容易滋生官僚作風，中心與子公司等交互模式客觀上造成了業(yè)務遲滯，而信息高度集成化也存在管理漏洞。最后，共享服務中心運營后，信息處理的高度集成化加大了責任認定和追究的難度。一旦出現問題，企業(yè)需要通過來回查閱資料，調閱影像，ERP問詢等才能確定責任人。

（二）人員管理風險

首先，由于財務共享服務中心實行財務集中化管理，財務人員離開一線前端，將逐漸與子（分）公司、其他部門之間的具體業(yè)務脫離聯(lián)系，難以掌握具體的業(yè)務情況，僅能從數字上去研究和判別，一線業(yè)務能力逐漸萎縮。其次，財務共享中心實行的是標準化管理，其業(yè)務流程猶如車間生產的流水線，財務人員每天將疲于應付各種索然無味的財務數據、憑證、報表等，業(yè)務量大，機械化程度較高，工作內容枯燥，財務人員容易失去耐心和激情，產生厭煩心理。最后，財務共享中心的人員流動比率較大，財務人員跳槽另謀出路的比比皆是。這樣容易導致業(yè)務處理中斷或產生新的磨合期，如發(fā)票不能及時入賬或新人需要重新熟悉業(yè)務等，影響企業(yè)集團財務穩(wěn)定。

（三）法律政策風險

企業(yè)集團規(guī)模擴張到一定階段，其子（分）公司必然分布于全國各地，而各地政策在實際規(guī)則和操作過程中卻千差萬別，存在地區(qū)政策差異。而共享中心的財務人員很可能因為對財務活動發(fā)生所在地的財務政策認識不夠，導致在財務處理過程中加劇了信息流通和處理的難度。財務人員由于長期居于共享服務中心所在地，缺乏前線業(yè)務經驗，同時也與各地地稅部門稽核人員缺乏溝通和聯(lián)系，在處理稅務問題上產生偏差，易引發(fā)法律風險。

（四）信息安全風險

大數據時代企業(yè)的數據信息量激增，信息訪問、交換、處理、分析的業(yè)務吞吐量較以往呈幾何級數增長。企業(yè)集團建成財務服務共享中心，將集團財務業(yè)務集中處理，更是加劇了企業(yè)信息的傳輸與處理流量，這容易導致信息量過大引發(fā)信息通路的擁堵。同時，也會由于信息量過大引發(fā)傳輸、處理的延遲。由于財務共享服務中心面臨10萬TB級別數據的處理量，其數據過濾、篩選和分析功能將顯得更為重要。而目前信息數據過濾、篩選和分析仍處于半智能化狀態(tài)，僅能適應簡單的信息過濾、篩選與分析需求，無法應對復雜信息處理與交換需求。信息時代由于信息網絡的開放性與不穩(wěn)定性，容易發(fā)生信息泄露和病毒入侵事件，一旦造成信息泄露或病毒入侵使得系統(tǒng)癱瘓，將對企業(yè)集團的運營管理造成不可估量的損失。

四、大數據時代財務共享中心建設與管理

（一）建立風險評估制度，完善管理機制

首先，企業(yè)集團應建立風險評估和績效評價制度。財務共享服務中心的投入、建設和運營是一項復雜巨大的系統(tǒng)工程，需要企業(yè)集團全體上下的通力配合和不菲的資源消耗，企業(yè)集團應謹慎對共享服務中心進行風險和效益評估，科學決策。共享中心建成運營后，應及時開展績效評價，明確投資收益。其次，科學制定共享中心的管理制度，建立穩(wěn)定運營的保障機制。共享中心建成運營后，由于涉及中心人員與前端業(yè)務人員之間的權責及業(yè)務往來，往往存在利益糾葛及推諉現象。企業(yè)集團應統(tǒng)一協(xié)調各方關系，科學制定管理制度，明確業(yè)務前端與中心之間的業(yè)務處理流程、權責關系，如會計憑證影像處理的要求、責任人等。最后，應加強部門之間的聯(lián)系溝通。暢通溝通渠道，加強業(yè)務前端與中心人員之間的聯(lián)系，減少溝通不暢引起的業(yè)務故障。

（二）推進使命文化建設，加強人員管理

首先，企業(yè)應定期組織中心人員進行培訓，培訓內容包括中心流程規(guī)范及前端業(yè)務介紹，在提高中心人員規(guī)范操作意識的同時，加強其對前端業(yè)務的熟悉和認識。其次，企業(yè)集團應積極推進企業(yè)文化建設，加強中心人員的使命感和光榮感。中心管理人員應及時關注工作人員的思想動態(tài)，定期組織開展文化教育和活動，在流程化管理之中融入人性化的思想，減少員工的挫折感和迷茫感。最后，應完善中心人員的績效考核制度，健全目標激勵機制。企業(yè)集團應根據崗位特點設置合理的目標任務，并制定詳細的獎勵措施，通過物質刺激和精神獎勵多途徑提高中心人員的積極性。

（三）強化流程標準管理，優(yōu)化ERP系統(tǒng)

首先，建立集團內部統(tǒng)一的會計標準，實現會計數據接口的標準化。企業(yè)集團應在對內部會計數據、財務工作認真調研的基礎上，按照方便、快捷、準確、全面的原則設計會計數據標準接口，規(guī)范會計數據信息傳遞。其次，共享中心聯(lián)合其他業(yè)務部門加強對流程標準化的改進和完善。共享中心是需要不斷優(yōu)化和更新的系統(tǒng)，尤其是業(yè)務標準化流程，需要 集團內部各部門尤其是前端業(yè)務部門的配合。共享中心應統(tǒng)籌協(xié)調各部門依據實際擬定標準化流程，再依據實際完善部署實施。最后，加強對業(yè)務覆蓋地法律法規(guī)的遵守。共享中心必須認真研究業(yè)務覆蓋地的法律法規(guī)，在進行業(yè)務處理時應注意各地法律的差異，及時與前端業(yè)務部門及地方稅務部門溝通聯(lián)系，業(yè)務憑證保存?zhèn)洳椤?/p>

（四）提高信息處理能力，防范信息風險

首先，加強平臺建設，提高系統(tǒng)的應用可靠能力。企業(yè)集團應加大對財務共享中心平臺的投入和建設力度，加強巡檢和維護，定期進行更新和完善。合理配置科技資源，構建適應大數據環(huán)境的信息系統(tǒng)。其次，創(chuàng)新數據挖掘方式，構建智能化共享中心。大數據時代的共享中心，數據挖掘處理能力是關鍵。企業(yè)集團應積極引入先進的數據過濾、挖掘分析技術，建設數據倉庫，按照業(yè)務需求應用數據分析技術，實現共享中心的智能化管理。最后，加強信息安全管理，建立風險防范體系。按照數據傳遞原則進行歸口負責管理，明確安全責任人。同時，積極構建網絡防御體系，應用數字簽名認證等安全技術。同時積極建立備用系統(tǒng)和應急預案，定期做好數據備份和管理，防范網絡災害。

五、結論

大數據時代，財務共享對于企業(yè)集團的長遠發(fā)展顯得更為迫切和必要。然而財務共享的實施過程并非一帆風順，企業(yè)集團應持客觀心態(tài)，內外并舉、上下齊心，審慎緩步推進共享中心建設，確保共享中心運營穩(wěn)定有效，達到提高企業(yè)集團管理水平目的。

參考文獻：

[1] 陳剛.對中石化構建財務共享服務中心的分析[J].財務與會計（理財版），2013（4）.

篇8

關鍵詞：學習分析;數據挖掘;大數據

隨著信息化技術的飛速發(fā)展，傳統(tǒng)的教育方式也發(fā)生了翻天覆地的變化。MOOCs、云課堂等大量的在線教育模式的出現，使得教育信息化程度不斷深入。各類在線學習系統(tǒng)已經獲取和存儲了海量的學生信息以及與學習過程相關的數據。如何獲取、挖掘、理解、處理和利用在教育領域中產生的海量數據已成當務之急，學習分析應時而生。

一、學習分析的定義

2011年，在第一屆學習分析與知識國際會議上，將學習分析定義為測量、收集、分析和報告關于學習者及其學習情景的數據，以期了解和優(yōu)化學習和學習發(fā)生的情境。美國新媒體聯(lián)盟（New Media Consortium）對學習分析也有類似的定義，認為學習分析是利用松散耦合的數據收集工具和分析技術，研究分析學習者學習參與、學習表現和學習過程的相關數據，進而對課程、教學和評價進行實時修正。

可以這樣理解，學習分析所研究的數據是整個教育活動所產生的海量數據和學習分析過程中所產生的中間數據。這些數據包括集中式學習環(huán)境下，學生上傳下載的學習資料、登錄次數、每次學習時間、考試成績等學習活動日志，以及分布式學習環(huán)境下，學生們通過郵件、短信、社交網絡開展的學習討論等。

隨著可穿戴設備的不斷推廣和普及，可穿戴設備所捕獲到的心率等各項身體活動數據，也將成為研究的數據來源。在此基礎上，評估或預測學生的學習活動，并從中發(fā)現潛在的問題，為教育活動相關者提供決策支持，并進一步優(yōu)化學習過程，設計更適合的學習情境。

例如，學習分析可以及時發(fā)現學生存在的問題，缺少前驅知識、某個知識技能掌握不達要求等等。這時，教師們就可以針對不同情況合理干預學生的學習活動，修改教學內容、改善教學方式等。當時，這只是一方面，學習分析所能做的遠不止于此。

二、學習分析的研究內容及應用

學習分析在對學習者知識、學習者行為以及學習者本身建模的基礎上發(fā)現潛在問題，通過解決問題優(yōu)化教學資源和教學策略，預測未來學習趨勢和結果等。能從學習分析中受益的包括教育系統(tǒng)相關的各個參與者，如學生、教師、研究人員、教育管理者和政策制定者等。

研究者通過學習者在線學習過程中，應答的正確率、回答問題時間、重復修改次數等抽取學習者與在線系統(tǒng)之間所產生的交互數據，以此來建立學習者知識模型。從模型中可以清楚地了解學習者所學習的知識和技能的掌握情況。這樣，系統(tǒng)就可以在學習者需要時推送合適的學習內容。

學習行為建模是從在線交互數據中提取知識的學習順序、每個知識點的點擊次數、完成學習所花費的時間、線上和線下考試成績、學習行為的變化情況等建立學習行為與學習結果之間的對應關系，以此來研究什么樣的學習行為可以取得更好的學習成績，哪些學習存在學習失敗的可能性。

對學習者本身建模，是為了構建個人學習特性，例如學習的風格、偏好、目標，完成情況等，這樣做的目的是對有同樣學習特性的人進行分組和聚類。通過研究該模型，可以有針對性的提供個性化的學習環(huán)境，從而提高學習效率。

學習分析可以應用于優(yōu)化教學資源和教學策略。它可以幫助教師實時監(jiān)控網絡教學情況，評估課程設計的效果，從而為教師在教學實踐中做出合理決策。通過對大量的相關數據的采集和分析，能夠發(fā)現隱藏在每個學習者背后的學習偏好和學習模式，為學習者提供真正適合個人的個性化學習環(huán)境和學習建議，有效提高學習效果。

云計算、數據挖掘、社會網絡分析、物聯(lián)網等技術使學習分析成為可能。但學習分析目前仍處于發(fā)展初期，還面臨著多方面的挑戰(zhàn)。數據來源多樣、分布存儲等使得數據預處理過程復雜繁瑣，如何從海量數據中獲取適合開展學習分析的有效數據占了大部分工作量。另外，學生隱私和檔案的道德問題也是我們要格外關注的重點。隨著學習分析的不斷深入研究，它也將得到更加廣泛的應用，為每一個學生提供更適合自己的個性化教育資源，不斷深化教育信息化的發(fā)展。

參考文獻：

[1]SIEMENS G， LONG P. Penetrating the fog： Analytics in learning and education[J]. Educause Review， 2011， 46（5）： 30-32.

篇9

大數據的5V特點（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。未來學家阿爾文•托夫勒將大數據熱情地贊頌為“第三次浪潮的華彩樂章”。另外業(yè)界將還將大數據定義為：在新處理模式下才能展現出更強的洞察發(fā)現力、流程優(yōu)化能力、決策能力的高增長率、海量，以及多樣化的信息資產。用最為通俗的方式表達就是，大數據是一種數據資產；利用相應的處理方式能夠指導我們做出更接近于實際情況的最優(yōu)決策。

二、大數據時代企業(yè)所面臨的挑戰(zhàn)

1．數據來源與容量的挑戰(zhàn)。在大數據時代運用大數據的基礎就是數據的本身，對于企業(yè)而言，與自身經營管理相關的數據收集變得尤為重要。在大數據時代以前，數據信息的時效性有時候就決定了經營管理決策的成??；而大數據時代的數據獲取途徑則成為了企業(yè)核心競爭力的重要組成部分，遺憾的是并非所有企業(yè)都已經意識到這一點。其次大數據時代的數據存儲也成為了企業(yè)的重大挑戰(zhàn)，傳統(tǒng)的歸檔以及數據的管理模式已經完全不適應大數據時代的數據處理方式了。如果不能解決這兩點最為基礎的挑戰(zhàn)，就根本無法和大數據的應用進行接軌。2．算法與“云端”設備的新要求。在選擇大數據運營商的時候，其算法是否適應自己所處行業(yè)的客觀情況尤為重要。再者，該運營商是否同時是企業(yè)自身所處行業(yè)中其他企業(yè)的首要選擇對象也很重要。只有在同行業(yè)、同質化的數據大背景下，運營商的大數據服務才更具客觀現實性?！霸贫恕痹O備對于目前大多數企業(yè)來說迫在眉睫，目前各行業(yè)中只有互聯(lián)網企業(yè)普遍完成了“云端”設備的架構。實際上，有效利用“互聯(lián)網＋”把“云端”的大數據處理應用到經營管理上，相對弱小者實現彎道超車的有效途徑。3．在線業(yè)務安全性的挑戰(zhàn)。在大數據時代，線上業(yè)務量、交易額以及溝通量的擴大，線上數據的上傳下載、存儲、處理的不斷擴大，給企業(yè)的數據管理帶來了安全性的挑戰(zhàn)。常見的應用攻擊包括惡意蠕蟲、病毒、緩沖溢出代碼、后門木馬等，最典型的應用攻擊莫過于“蠕蟲”。蠕蟲是指“通過計算機網絡進行自我復制的惡意程序，泛濫時可以導致網絡阻塞和癱瘓”。企業(yè)稍有不慎就面臨巨大的經濟損失，因此解決安全性勢在必行。4．大數據的運用與傳統(tǒng)的決策沖突。在運用大數據進行決策以后，企業(yè)的管理已經不再是少數決策層的工作了。大數據讓更多非決策層的人進入到了企業(yè)的決策里，直接挑戰(zhàn)了企業(yè)原有的運行體制，而且這種決策的分散將滲透到企業(yè)的一切日常事物中去。在推進大數據運用的同時，也會不自覺的改變企業(yè)文化，讓其也從目標導向逐漸變?yōu)閼獙颉?/p>

三、企業(yè)在大數據時代經營管理的對策

1．用共享模式降低數據成本解決容量的不足。我們在此以共享單車行業(yè)為例，通過極為低廉的價格解決大多數人出行的“最后一公里”；其費用收益并不是該行業(yè)企業(yè)的最終目的，而是通過移動客戶端的廣泛推廣，積累大量的用戶信息以及資源才是這個行業(yè)所訴求的最大價值所在?？梢哉f服務只是手段，獲得能夠產生價值的大數據才是目的。面對數據的壓力，企業(yè)開放一定資源進行共享勢在必行，就連積極推進人工智能的BAT（百度、阿里、騰訊）也都以共享算法的方式獲取數據。只要打開共享這道門，自然也就解決了自身數據儲存的問題，租用云端服務器是解決容量最經濟的手段?？梢哉f共享模式是打開用戶對于個人數據隱私保護的萬能鑰匙，也是增加用戶忠誠度的有效途徑。2．建立內外兩套數據處理體系。大數據時代企業(yè)經營管理數據的分析處理嚴重依賴數據與算法兩大塊，在解決數據問題以后，面對目前相對比較公開的算法體系是否就高枕無憂呢？BAT的算法公開看似是對各個中小企業(yè)的福利，但是也存在陷進，畢竟容易讓很多中小企業(yè)在經營管理的決策上依賴于這些巨頭。在處理本企業(yè)數據的同時，積極利用行業(yè)對手的數據進行逆向策略分析也是企業(yè)大數據應用的重要補充手段。這時利用運營商獲取對手的各項數據（如產品的種類、價格、銷售額、市場占有率等），通過運營商的分析結果再啟動企業(yè)內部的數據對比系統(tǒng)將對手數據與自身數據進行比較，是修正企業(yè)經營管理手段的重要依據。3．建立應急系統(tǒng)應對安全挑戰(zhàn)。在企業(yè)層面建立兩套相互獨立的數據庫，兩套數據庫的內容同時更新，將其中一個數據庫日常使用，另一個數據庫作為備份。當數據安全層面受到網絡黑客的入侵時，可以在不傷害企業(yè)利益的前提下銷毀一個被入侵的數據庫來維護企業(yè)自身的數據安全。盡量簡化數據庫安全效驗與應急程序的流程，讓安全檢測人員的檢測結果直接對接決策層，是最快完成應急手段的有效途徑。在企業(yè)財務允許的情況下，也可以使用運營商提供的安全解決方案，這可以簡化企業(yè)的管理。4．轉變管理模式來適應大數據時代。大數據時代映射到企業(yè)經營管理最重要的就是決策體系的轉變，即由少數人決策變?yōu)槎鄶等撕献魍瓿伞Ｈ珕T參與決策的模式使更多的知識和信息能相互溝通、構建一個大數據下的資源平臺或知識儲備庫，是企業(yè)未來決策的基礎，也是未來信息化時代的必然要求。

四、結語

大數據時代對于企業(yè)經營管理的沖擊已遠遠的超過了以往任何一次技術上的變革。因此作為企業(yè)，要善于發(fā)現大數據中蘊含的知識，并將其運用到日常的管理當中，以提升決策能力，進一步提升企業(yè)的競爭力。

作者:朱先明 單位:山東省煙花爆竹協(xié)會

參考文獻：

篇10

關鍵詞：“大數據”時代 計算機信息處理技術 分析

中圖分類號：TP274 文獻標識碼：A 文章編號：1007-9416（2016）06-0237-01

在“大數據”時代的背景下，數以億計的計算機和移動設備正在持續(xù)不斷的創(chuàng)造出數量驚人的信息。而未來的世界將是一個信息的世界。面對“大數據”時代的來臨，計算機信息技術的更新?lián)Q代迫在眉睫，如何把握機遇，勇于迎接挑戰(zhàn)，是現在擺在信息學家、計算機專家以及企業(yè)家面前的一個關鍵課題。

1 “大數據”時代的機遇

“大數據”時代的來臨帶動了對于數據的深度挖掘和綜合應用，從而為多個產業(yè)的發(fā)展創(chuàng)造了價值。此外，“大數據”時代彌補了傳統(tǒng)數據存儲技術的安全系數低的缺憾，開發(fā)了云技術和物聯(lián)網的新形勢。由于“大數據”時代對于信息安全的要去較高，因而很大程度上帶動了信息安全的發(fā)展和進步。

2 “大數據”時代的計算機信息處理技術

2.1 信息采集、加工技術

“大數據”時代下的計算機信息處理技術的首要任務就是收集和整合數據信息。只有完整的收集信息數據，才能開展接下來的計算機信息處理技術。第一步要明確數據信息的目標源，然后針對目標數據采取進一步的跟蹤和監(jiān)督，控制信息數據的流向，將采集的完整數據信息如數錄入到計算機數據庫中。下一步就是針對采集的信息數據的加工和處理，一切加工處理工作的宗旨就是用戶的要求和指令。最后一步就是將按照客戶要求處理的信息數據傳輸到用戶的手中，保證信息傳送過程中的完整不被泄露，完成整個采集、處理和傳送過程。

2.2 存儲技術

將收集來的數據信息進行存儲，是”大數據”時代下計算機信息處理技術中的關鍵環(huán)節(jié)。是否可以更加合理有序的存儲大量的數據信息，是”大數據”時代下衡量計算機信息處理技術優(yōu)劣的關鍵之處。良好的儲存技術可以保證客戶第一時間內快速的從龐大的數據庫中調取所需的數據信息，無一遺漏。隨著技術的不斷進步，計算機信息處理技術的長時間存儲數據的功能也越來越受到廣泛關注。

2.3 信息安全方面的技術

“大數據”時代的來臨，在很大程度上提高了用戶體驗的同時，也給信息數據的安全帶來了很大的挑戰(zhàn)。現今的世界是一個信息的世界，信息的安全和隱私是世界范圍內關注的焦點。計算機安全體系的建立需要大量的資金投入，引入大量專業(yè)技術人才，加大對信息安全體系的研究和分析力度，將計算機信息處理技術關注的熱點致力于開發(fā)信息安全的技術產品，為信息安全體系提供堅實基礎。此外，為了滿足如今對于信息安全的高標準的要求，要不斷研發(fā)新的技術和項目，重視對重要數據的跟蹤檢測，盡量做到在龐雜的數據庫面前，可以提高每一個數據的安全系數。

2.4 信息處理技術的發(fā)展

“大數據”時代的特征就是龐大數據信息量，這樣想要完成對如此大規(guī)模數據的研究和分析，就會受到計算進硬件設備的限制，因為在這種情況下，云技術的發(fā)展應運而生。云技術可以破除計算機硬件對信息網絡技術發(fā)展的阻礙，處理比傳統(tǒng)計算機數據量提高上百倍的數據信息，這是未來“大數據”時代下計算機信息處理技術的發(fā)展趨勢，具有無限的發(fā)展?jié)撃?。云技術可以將傳統(tǒng)的計算機硬件與網絡分割開來，各自運行，既保證了計算機硬件的正常穩(wěn)定運作，又能形成龐大的云計算網絡，構建起一個“大數據”信息網絡系統(tǒng)，來解決數據量巨大的問題。

3 “大數據”時代下計算機信息處理技術的方向

3.1 計算機網絡朝著云計算網絡發(fā)展

傳統(tǒng)的數據處理技術已經不能適應現今龐大的數據計算量，因而云技術的發(fā)展是必然趨勢。云技術網絡可以破除計算機硬件系統(tǒng)處理數據有限的弊病，信息構架不再依附于計算機的硬件系統(tǒng)，利用最新的數據中心技術，將云計算技術向更高的層面和更廣的領域發(fā)展。

3.2 計算機技術朝著開放式網絡傳輸技術發(fā)展

這里的開放式是指將計算機網絡與計算機硬件分隔開來，讓網絡計算不再受限于傳統(tǒng)的有限的計算機硬件設備，定義我全新的網絡構架，避免計算機硬件對于信息數據的數量的限制和阻礙。

3.3 計算機技術與計算機網絡相互融合

計算機技術和計算機網絡相互融合，成為一體，是未來大數據時代下計算機信息處理技術發(fā)展的一大方向。傳統(tǒng)的計算機技術需要計算機硬件的配合，才能完成對數據信息的處理工作，未來計算機技術的發(fā)展趨勢就是擺脫計算機硬件的束縛和牽制，單獨依靠計算機網絡完成對于龐大的數據信息的甄別和處理工作。也就是說，將來的計算機技術可以通過連接網絡完成“大數據“時代下的計算機信息處理的技術工作，基于網絡平臺的幫助，滿足”大數據“時代下的最新數據信息的處理要求。

4 結語

隨著科技的進步，經濟的發(fā)達帶來了信息技術的日新月異?？萍歼M步帶來數據量的激增，引起新一輪信息技術的變革，誘發(fā)了“大數據”時代的來臨。綜上所述，“大數據“時代的來臨給計算機信息處理技術帶了機遇和挑戰(zhàn)，傳統(tǒng)的計算機信息處理技術已經不能滿足數據量激增的現狀，因而云計算技術應運而生。

參考文獻

[1]劉小霞，陳秋月.大數據時代的網絡搜索與個人信息保護[J].現代傳播，2014，36（5）：125-128.