大数据论文大全11篇

大数据论文篇（1）

2开发桥梁工程领域大数据资源意义

利用桥梁的静态数据库，可以了解桥梁的基本信息，为全国的桥梁统计、普查与管理提供信息资源。科研数据的开放有助于学术界的交流、创新，取得更为丰富的科研成果。桥梁动态数据包括施工监控数据与成桥运营阶段的监测数据，充分利用与挖掘大数据资源，可以提高桥梁的施工质量、加快施工进度，提前预测和解决施工过程中可能出现的问题，减少质量事故和经济损失。成桥运营阶段的监测数据主要为桥梁的健康状况评估提供依据，掌握桥梁所处的状态，分析、处理数据资源，提高预测、分析、解决问题的能力。可为同类桥梁的施工管理与养护等，提供宝贵经验。同时大数据资源的开放、共享，有助于节约国家资金和社会资源。

3存在问题及解决方法

（1）最先遇到的也是最棘手的问题是数据的去冗、去噪，从海量数据中挖掘大数据资源价值。目前，所列一座特大桥上各类传感器每天采集的数据达到几个GB到几十GB，甚至上百GB，如此海量的数据如何去处理，有效剔除无用的信息，找寻剩余有用的信息，从而产生新的价值、新的资源。这也是在大数据时代有效利用大数据资源要解决的首要问题。解决这一问题的主要途径是编译相关的去冗、去噪的智能分析软件，同时可以利用云计算、云分析、云管理等方法来提高解决这一问题的效率，使大数据变为有用数据，做到真正智能化分析。

（2）现在各政府部门和科研单位，都在做自己的桥梁信息库以及监测研发数据库等，而且大多数数据库都是相类似、重复的。这样造成资源的极大浪费，包括劳动力、资金等。解决这一问题的有效途径是加强政府部门、科研单位内部以及之间的相互合作，开放和共享数据资源，这也是大数据时代的必然趋势。各部门和科研单位可以有步骤、分阶段地开放共享各自所拥有的数据资源，不论是采用付费或免费的方式。

（3）由于大数据具有“4V”等特点，在大数据研究的初期阶段，大数据的价值还未充分体现时，要储存、分析、利用大数据资源，需有软件、硬件等基础设施的投入，国家和科研单位应提供专项资金的支持，同时国家可制定相关鼓励支持政策。

（4）在大数据时代成熟以后，应建立相关法规，规范和保护数据的开发利用，制订相关统一标准，提高数据的使用效率。

大数据论文篇（2）

2.针对消费者个性需要推出产品个性化贯穿于整个信息化过程中，大数据能够将数据推向一个个性化方向，“这种个性化是基于系统通过分析读者阅读行为、喜好，从而获得对用户需求的感知。每个读者获得专属于自己的书，就是这种个性化服务的一种典型体现。在技术意义上，这种模式是能够成为现实的。”针对消费者的个性化需求推出产品，消费者肯定会购买，当消费者对满足个性化的产品满意时，数字出版的内容也能实现其价值，整个企业能获得一定的进步。消费者接触各种营销推广信息时，消费者的情感态度、认知行为会发生一定的变化，对于这种变化，传统的小规模范围内的问卷调查无法获得准确的信息，根本做不到监测全部，大数据背景下的网络平台将发挥出巨大的作用。淘宝每天会遇到几亿用户，每个用户具有不同的爱好与特征，淘宝将消费者的信息搜集起来，进行大数据分析，根据消费者的个人需要再去投放最合适的个性化产品广告，从而达到淘宝销售传播的效果最大化。建设个性化的数字出版平台能够把消费者和出版的企业联系起来，这点在当今大数据时代具有很重要的意义：数字出版的个性化平台要和各种终端（手机、IPad）、社交媒体（微信、微博、论坛）进行无缝连接，促使消费者得到快捷的阅读和便利的分享体验。数字出版内容的个性化定制购买与在线支付紧密联系在一起，这样，消费者就能轻而易举地购买产品。个性化数字平台和数据分析商进行链接，实现消费者的体验需求。例如，对于收费电子书，可以提供部分章节让读者进行阅读，这些电子书能够在被阅读时随时评论和分享。当读者在阅读时，平台能够及时收集到数据，关注到读者的静态与动态，读者的年龄、性别、收入、学历、地点、工作、读完免费部分会不会购买后继章节、读者一般在一页上停留的时间长短等信息全部被搜集起来，通过综合信息来分析和判断用户的经验。对于具有语音交互功能的数字出版App，数字出版商可以联合智能手机、IPad等阅读端的触摸屏、麦克风来监测用户的使用时间和场景，利用监测数据来评定这个App的质量。

3.优化研发生产整体平台在现代数字出版企业管理过程中，数字出版产品自开始研发阶段，就由RDM（ResearchDevelop-mentManagement研发管理系统）进行管理，生产过程一般由ERP（EnterpriseResourcePlanning企业资源计划系统）和数字化制作工具管理，供应链由SCM（Supplychainmanagement供应链管理）进行管理。如果使用系统对整个产品研发生产整体流程进行分析，就类似于将整个研发生产的整体流程进行扩大分析，并抽取精华进行观察，这对优化整体流程，提高产品的质量与生产效率具有很大的意义。产品研发过程中，可以实时利用大数据一起来建设协同编纂平台，在这个平台当中，作者、生产商、编辑、校对、平台商等相关工作人员可以一起进行协同编纂，并进行协同，形成新的BPP（BusinessProcessPlatform企业业务流程平台）。在这个协同编纂平台中，作者、生产商、编辑、校对、平台商等相关工作人员在工作过程中产生大量的非结构化数据。利用大数据对这些非结构化数据进行分析，往往能发现文本中的常见错误、制作中的瓶颈、工作人员能力的欠缺等，相关工作人员从而可以在后继的工作过程中拾遗补缺，调整工作方法，采取措施进行应对。当今诸多消费者不愿付费阅读的问题也可能会被较好地解决。鉴于协同编纂的兴起，数字出版企业就能根据目标消费者阅读需求来开发数字产品，注意产品的设计者、生产商、编辑、校对、平台商等每个环节工作人员与消费者之间的互动情感，对消费者的反馈信息进行开发，反思协同编纂中哪些工作环节导致消费者付费意愿不高，促使开发消费者付费心理的问题在根本上得到重视，这样，消费者就会拥有付费的意愿。

4.国有数字出版媒体利用大数据做出表率我国的国有数字出版单位属于“事业性质，企业管理”，同样也受到大数据的影响。国有数字出版单位生产力的未来提升，必然和大数据的获取、释放紧密相关。西方的媒体、政府、公民三者实行“媒体-政府-公民”三足鼎力趋势，三者之间保持相对独立，媒体得不到政府的资金或数据支持。我国的国有数字出版单位来源于国有传统媒体，充当着党和政府的喉舌，比其他商业媒体容易获得大数据。国有数字出版单位在不违背保密原则的前提下，应该尽可能和政府保持沟通，获得一个议题的全部数据，分析相关性，并最后释放到产品生产，这样就能在和他国媒体、其他商业媒体的竞争中保持自身的优势。国有数字出版单位对数据的获取和释放有着一定的依赖度：国有数字出版单位依赖政府收集数据的程度，国有数字出版单位依赖政府释放大数据的程度。大数据时代，国有数字出版单位的力量想壮大，数据权限的获取和释放程度是很重要的方面，国有数字出版单位在优先利用大数据将自身产品做大做强时，也就为其他商业媒体做出了表率，提示了一定的经营路径。

二、未来大数据技术在数字出版中存在的缺陷与挑战

1.部以XML格式输出———该问题成为当前大数据技术中的重要难题。依托大数据，从庞大的非结构化数据中来揭示新的意义和关系，并实现精准生产和精准营销是当下数字出版面临大数据而努力的方向。只有完善的XML格式输出技术，未来的数字出版才能做到聚类分析、聚类融合、网络分析、数据集成、可视化分析等。

2.收集渠道闭塞搜集各种信息来完成大数据采集是数字出版未来的趋势，但目前的数字出版信息搜集仍存在一些缺点：数字出版产品在整个研发、生产、销售过程中还没有彻底完成信息化经营，整体搜集难度显得较大；数字出版的云存储平台根本不具备海量存储功能；数字出版中的内容商、平台商还没有完全转换成数据提供商，因此，他们无法及时获取数据；当前的数字出版产品无法记录消费者使用过程中的痕迹，因此即使数字出版中的内容商、平台商变成数据提供商，也无法记录数据。

大数据论文篇（3）

1.1大数据时代对大学生的数据驾驭能力提出了新的挑战

在大数据时代，大学生若想获得好的就业机会需要有较强的数据驾驭能力，即数据素养，在科学数据的采集、组织和管理、处理和分析、共享与协同创新利用等方面的能力，以及研究者在数据的生产、管理和过程中的道德与行为规范。而大学生们鲜有接触大量数据并从中剔除糟粕找寻有用数据的经历，顶多是进行过几次较浅显的问卷调查工作，对数据技术、数据分析方法及相关软件、国际数据化发展进程等知之甚少，在数据素养方面可以说是零基础。

1.2大数据时代对大学生理性思维能力提出了新的挑战

在大数据时代，人们对于过往经验的依赖程度降低，而对数据分析得来的实时结果信任度大大提升，因此赢得就业竞争需要大学生具备理性、逻辑性强的思维方式，从而能冷静、不带感彩地处理和分析数据，得出客观的结论。而大多数中国学生的理性、批判性思考的能力偏弱，缺乏个人的独立思考，且文科专业尤其是语言类专业的课程设置对培养大学生理性思维能力的作用较小，大学生的理性思维能力亟待提高。

1.3大数据时代对大学生精确、快速、实时行动的能力提出了新的挑战

大数据时代信息瞬息万变，因此数据也是具有时效性的，要获取实时数据反馈就必须有精确快速的反应能力和行动能力。一部分平常对于生活中的信息疏于收集的大学生可能会缺乏对信息的敏锐度，从而导致其较慢的反应力和行动能力，若其这方面的素质没有得到提高，则可能会在工作中产生在数据分析工作完成后却发现得出的结论已不具时效性的情况，导致丧失最佳的工作机遇，降低了自身的职业发展竞争力。

2如何在大数据时代提高大学生就业竞争力

大数据时代带给了大学生数据分析能力、思维方式、科学精神、行动力等方面的就业挑战，因此政府、各高校及大学生自身都应积极应对挑战，从不同层面克服困难，共同提高大学生在大数据时代的就业竞争力。

2.1高校、政府应建立大学生就业大数据分析机制，做好大学毕业生的就业、创业服务工作

大学生就业大数据分析离不开大数据的支持，而大数据的建设是一项科学、有序、动态且可持续发展的系统性工程。政府需要从建立运行机制、规范建设标准、建设共享平台、提供专业队伍等多方面进行支持，且通过建立各高校就业数据库，分析各校历年就业率与其获国家资源倾斜度的关系，也能调节教育支持的力度，更好地帮扶教育产业。除此之外，将就业数据库数据与就业市场相关数据相比，还能帮助人力资源供需双方形成更理性的预期，减少就业矛盾，实现人力资源市场的多赢。而学校通过广泛收集历年大学生就业期望、就业去向等信息，并将其数据化，收入数据库，能有效预测毕业生就业率、就业去向。

2.2高校应推行大数据战略，让大数据走进课堂教学，培养大学生大数据意识

各高校应结合大数据时代特征进行教学改革，推行信息化管理与信息化教学。学校的管理与教学活动都存在着固定性与周期性，如对教师的考核、学生测试成绩分析、就业情况分析等，可以利用计算机分析这些数据并推荐合适的解决方案；课堂上，教师也应顺应信息化教育，突破传统的教学方式，通过“微学“”微课”等方式提高学生的学习兴趣，从而提高学习的效果。同时，知识点也可以通过数据化与测试题建立联系，计算机可以通过分析错题数、做题时间等数据为老师提供不同学生对于不同知识点的掌握情况。只有在校园中营造一种大数据氛围，培养学生们利用数据分析找寻有用信息的习惯，才能让他们具备大数据意识，做好走进大数据时代职场的准备。

2.3大学生要提高数据驾驭能力，透过数据看本质

大学生可以多对社会热点问题进行实践调研，通过访谈、问卷调查等方式获取大量真实数据，然后通过整理分析这些数据锻炼自己的数据驾驭能力。在整理实践调研的数据时，掌握图表分析、数据模型及数据分析软件的使用方法，如Hadoop、MapReduce等，提高数据分析的工作效率和准确性。除了加强数据分析技术的学习外，也需要补充来自统计学、数据挖掘等学科的理论知识，为数据分析提供理论支持。同时，勤思考、多动手、多总结的做法也能帮助大学生透过数据看本质。海量数据中不乏有虚假、消极、错误的数据信息，因此大学生必须具备良好的数据分析能力。数据分析就是一个不断假设、验证的过程，耐心、肯钻研的科学精神能够帮助大学生在一次次的假设验证后找到本质的规律。通过不断地实践练习，提高对数据的敏感度、分析能力，为日后职场中更好地开展数据分析工作打下基础。

2.4大学生应养成独立思考的习惯，培养逻辑思维和理性思维方式

大数据时代是鼓励个性化的时代，鼓励通过数据挖掘发现隐藏于数据下的种种规律，要做到这点，大学生必须要有独立思考、不受常规想法束缚的能力。美国计算机专家埃齐奥尼尔购买机票后却发现周围比他买票晚的乘客票价居然比他的便宜，本来是再普通不过的生活现象，但这却引发了这位专家的思考。他分析到若获得美国每一条航线上每一架飞机内的每一个座位一年内的综合票价的数据库，就可以预测飞机票的涨跌势，为消费者提供参考。这样的思考促使他最终创立了Farecast票价预测工具，顾客平均每张机票可节省50美元。独立思考不是漫无目的地想，而是有逻辑地思考。大学生要注意在日常生活中就养成逻辑推理的习惯，在问“是什么”后还要问“为什么”，尝试通过自己的推理找到答案，这是大数据时代对人才的要求。

大数据论文篇（4）

（二）大数据横空出世，源于个人全球化、记忆数字化、社会网络资本化的全力驱动，是IT业发展演进的历史使然。大数据不是突然产生的，是IT技术发展的必然产物。大数据浪潮主要源于三大驱动力推动。一是互联网、移动互联网及物联网等新一代信息技术，实现了信息、知识和社会关系网络乃至“个人”全球化，为大数据提供了广泛的数据来源。二是数据开放运动和数据民主化，实现了数据的分布式共享和全球性覆盖，云计算等廉价、高效的存储提取方式，让数据成为“共享的社会记忆”，客观上开启了大数据时代大门。三是挖掘复杂社会网络资本价值，加速了大数据技术的深度应用，构成了大数据的经济驱动力。全球化、数字化和社会网络资本化齐力推动了大数据大发展。

二、大数据：国家审计改革发展新动力

正在发生和演变的趋势表明，大数据时代无论对于社会、组织还是个人，都是一次革命，一个巨大的挑战，一个重大的转型机遇和飞跃的契机。国家审计无疑也是如此。1.飞速发展的经济社会新实践，必将推进国家审计理论与时创新。当前，人工智能、社交网站、RFID、语义网、云计算等技术或理念风驰电掣一般闯入我们的工作生活，数据开放、软件开源、普适计算、智慧地球等新思想令人眼花缭乱，新的技术和观念层出不穷。在信息技术环境下，丰富多彩的经济社会实践，通过信息交换、权能传递和功效联动等方式，将先进的信息技术、网络技术、网络时空观、数据挖掘、系统集成以及多媒体等多种学科理论和技术思想深层次地植根于审计理论，刺激审计理论的变革和创新。同时，国外一些先进管理理念，如企业再造工程、虚拟组织、穆尔法则(Mooreslaw)、基尔德法则(Gilderslaw)和麦特卡夫法则(Metcalfeslaw)等，与传统审计理论进行分化、碰撞、对接与融合，必将从广度和深度上推进审计理论不断繁衍与创新，审计理论将呈现多样性、交融性和虚拟性。2.审计客体内涵和外延的扩张，必将呼唤国家审计权力边界顺势突围。近年来，经济社会实践活动中，计算机、数据库、网络等现代信息技术得到了广泛运用，实物流、资金流表现向无纸化、数字化和信息流的转变，业务处理和财务管理逐步实现自动化和网络化，国家审计的审计内容、审计对象、审计资料、审计证据线索等都呈现出普遍电子化、数字化的特点。从而摆脱了传统帐套、传统财务信息、纸质的业务轨迹，从被审计单位的财务收支及有关的经营管理活动，会计资料和其他相关资料，扩展到电子数据、系统内部控制和信息系统自身；从财务数据延伸到业务数据；从内部数据关联到外部数据，审计客体外延和内涵的扩张，突破了以财政财务收支、纸质载体为主的审计权限范围。必然要求法律赋予审计部门数据采集、技术侦查、行政强制、诉讼等更多权力，以应对大数据时代的高科技舞弊，确保审计职能的充分发挥。3.新型大数据技术的广泛应用，必将推动国家审计作业流程优化再造。联机分析、数据挖掘、WEB2.0互联网审计、云技术等大数据技术普遍运用，将所有的审计内容、审计技术、审计方法纳入大数据审计之中。传统的现场审计作业流程必将改造优化为：了解调查，获取信息；采集数据，整理数据；进行数据转换、清理和验证；创建审计中间表；进行数据分析，找出审计重点；构建审计分析模型，分析数据；延伸落实，审计取证。数据分析成为审计作业的核心。信息技术还可以优化审计项目管理，如利用信息技术为审计项目管理内置一个标准的、符合质量要求的审计作业流程，用以规范审计人员的审计作业行为，使不同背景、不同水平的审计人员能够执行相同的审计动作。通过虚拟组织形态和数据集成智能化管理，实行远程控制审计项目，包括审计方案的控制、分工控制和授权控制，为质量控制和风险预防搭建一个良好的、高效的管控平台。4.国家审计供需矛盾更为激烈，必将要求国家审计主体能力自我革命。审计作为综合性经济监督部门，覆盖领域之广，涉及的经济社会活动之多，所产生和集聚的数据规模不可谓不大。大数据价值的发现和挖掘，必定给审计创造了更多需求，打开了更广阔的市场，对审计供给能力提出了新挑战。而决定审计供给能力的关隘就是国家审计主体能力。大数据时代，IT审计师将主导国家审计舞台。而目前，大部分审计人员主要精通财会知识，计算机知识和技能比较欠缺，知识结构还不能满足大数据技术的要求，数据分析与管理高端人才紧缺。审计人员除了要有专业的审计、会计知识外，必须精通信息技术，掌握网络、数据库、电子商务、信息系统的开发与管理和计算机辅助审计技术。优化审计人员能力结构，增强审计干部信息化审计基础能力、数据采集处理和分析能力、监测指标和模型的构建和分析能力、信息系统内部控制测评能力，尤为紧迫。

三、大数据背景下国家审计发展路径

无论是组织结构，还是国家文明，只有充分发挥大数据时代的价值、迎接好大数据面临的挑战并积极应对，才会处于不败之地。因此，国家审计应放眼未来，以大数据审计为目标，加快改革创新步伐，抢占审计发展的突破点和制高点，迎接新时代挑战。

（一）加快理论创新，为大数据审计落地提供实践指南。要坚持实践上的“摸着石头过河”与理论上的“顶层设计”相结合，加强审计理论和实务的研究，在理论上对大数据审计的性质以及由此决定的审计职能与任务等基本问题进行深入研究，构筑起适应大数据时展的、可用于解释和预测多种审计现象的审计理论。加强与国家信息化咨询委员会、公安部、发改委、工信部、财政部和国家信息中心等相关部门的合作研讨，多角度、更准确地把握客观现实及政策约束；组建由学术界专家、审计研究人员和实务骨干组成的团队，承担把握前沿热点、规划审计思路等工作，为加快大数据审计实践提供操作指南。要制定大数据审计发展的长远规划，坚持把大数据审计作为国家审计发展的核心战略，从数据、制度、人才和技术等方面逐步积累基础资源，有计划、有步骤、长期不懈地坚持推进。要加大宣传，营造数据审计文化氛围，革新思想观念，树立正确数据观，建立基于全数据模式、从整体到局部的审计思维模式，用大数据时代精神武装头脑。

（二）加快制度创新，健全完善大数据审计相关法规建设。目前，我国电子商务、网络经济和计算机应用相关法律法规制定相对滞后于经济社会实践活动，有些甚至还是盲区，导致大数据审计的法律地位和权限虚置。要加强电子商务、网络经济等相关立法，把电子合同、电子凭证、电子证据、电子签名的法律效力和保管要求，数据认证机构的管理，电子信息与网络安全等相关问题，以法律法规的形式明确固化下来，为大数据审计提供法律依据。要强化审计权威，扩大审计权限，赋予审计审查审计对象计算机信息系统的功能与安全措施，利用网络和审计软件进行审计，接入、采集、存储、提炼审计对象所有数据等的权力。要坚持本土自创与模仿移植相结合，建立健全与大数据时代相适应的审计标准和准则，如制定大数据审计评价准则、技术标准，数据挖掘分析指南，信息系统输入—处理—输出的符合性和实质性测试的准则，云计算以及网络审计准则等，确保大数据审计有法可依、有章可循。

（三）加快机制创新，积极构造政府主导、审计主推、IT企业参与的大数据审计联动机制。大数据技术在国家审计领域中的推广应用是技术进步的必然要求，但根据国家审计行业自身的特点，其无法自发地独自实现，必须积极构造政府主导、审计主推、IT企业参与的多点支撑联动机制，形成聚合效应。对政府而言，要积极把握大数据战略机遇，制定积极的政策法规，提供高质量的网络基础设施，营造适度宽松的大数据发展环境，鼓励企业、审计部门进行大数据相关的技术研发与应用创新，从标准、法律和意识形态层面大力引导大数据审计发展。对审计部门而言，要制定战略数据储备计划，加快与被审计单位数据实时互联互通，消除“信息孤岛”，为大数据审计提供数据载体；要逐步建立完善中央和地方的审计数据中心，构建审计管理、审计业务、审计方法和评价信息资源库，加快推进国家电子审计信息资源目录体系和交换体系建设，实现数据大集中。对IT企业而言，要深刻洞察大数据审计的需求，提供从硬件到软件、从产品到服务的一体化解决方案；要专注细分领域创新，提供具有审计行业特色的大数据审计专家级方案。

大数据论文篇（5）

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

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

医院对于病案信息管理运用大数据手段的重要意义

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

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

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

医院当前病案信息管理现状

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

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

探求改进举措

增设专门的病案信息管理机构

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

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

运用信息化手段来辅助管理

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

全面提升人员素养

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

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

结束语

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

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

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

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

【关键词】信息管理；知识管理；价值特征

一、信息管理到知识管理

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

二、知识管理的档案价值

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

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

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

三、知识管理中档案价值实现的特征

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

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

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

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

四、档案价值在知识链中的体现

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

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

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

大数据论文篇（6）

2大数据背景下国内网络信息资源管理现状

与网络信息资源管理和利用水平先进的国家相比，由于我国互联网起步较晚，网络信息资源管理研究内容还不够系统，一般是从理论上研究网络信息资源的特点、网络信息资源管理体系结构、网络信息资源的利用中存在的问题及对策等内容。信息资源作为信息时代的战略资源，发达国家对于大数据的研究极为重视。2012年，美国政府五大部门耗资2亿美元，开始了“大数据研究和发展计划”的项目，用来提升美国的教育、科研以及国家安全能力，并大力发展与大数据相关的数据采集、整合、储存、分析和利用等技术研究，从中可以看出美国已经把大数据作为国家发展战略。从大数据时代的现状来看，我国也不屈居于后，是顺应时展潮流的，邬贺铨院士就曾表示：“我国将产生全球最大量的数据，要重视大数据的开发利用和管理。”工信部于2012年2月的物联网“十二五”规划上也指出，在此期间，中国将以加快转变经济发展方式为主线，更加注重经济质量和人民生活水平的提高，亟须采用包括物联网在内的新一代信息技术改造升级传统产业，提升传统产业的发展质量和效益，提高社会管理、公共服务和家居生活智能化水平。作为4项关键技术创新工程之一的信息处理技术被提了出来，涵盖了海量数据存储、图像视频智能分析、数据挖掘等信息处理技术都是大数据技术的重要组成部分。我国对于网络信息资源的管理利用一直沿用其他国家的方法和技术，自主创新度不高。我国在大数据背景下所面临的挑战也非常多，尤其是大数据安全管理能力、大数据存储及处理能力、大数据应用能力等方面。技术上，我国目前主要围绕数据仓库、数据挖掘等高水准方面研究，包括搜索引擎技术、元数据、专业指引库技术。但现今，我国很难提出符合系统要求的切实可行的网络信息资源管理建设方案，许多研究成果的理论性较强，但实践可操作性不足。

3大数据背景下国内网络信息资源管理内容

作为人类历史上第三次革命的信息革命对人类社会发展影响是十分巨大的，大数据背景下，无论是政治、商业或是其他各个领域，都面临着怎样迅速理解、如何运用大数据，进而研究、组建有效的大数据时代信息管理模式的挑战。面临这一现状，大数据背景下的网络信息资源管理必须依靠强大的信息储存、数据分析和数据挖掘能力，尤其是要构建一个科学、合理、有效的框架，才能合理利用数据，获取有价值的信息，发挥其实践价值。网络信息资源管理应用于各行各业，与信息技术发展紧密相关。学界对其管理方法和技术应用进行了研究，网络信息资源管理的方法有技术手段、经济手段、法律手段和行政手段四大类，按其管理范围，网络信息资源管理的方法分为网络信息资源的宏观管理方法和微观管理方法。未来网络信息资源管理的发展，应以网格技术为基础平台，围绕知识发现和信息开发利用等目标，进一步解决信息整序、数据挖掘、隐性知识的显性化和信息资源的知识管理等问题。网格技术有信息集成功能，能将各种资源联结起来，可把全球信息资源有机结合以实现个性化、专门化服务。信息网格可应用在信息资源整合方面，是传统的信息资源管理技术和理念在网格时代的具体呈现方式，进而达到推陈出新和迅速提高网络信息资源管理水平的效果。

3.1网络信息资源的采集

我国作为世界第一人口大国，产生的数据量理应非常庞大。但是据调查，截止到2010年，产生的新数据量为250PB，相对于发达国家而言只有日本的60％，美国的7％。当前我国网络信息资源收集主要任务就是通过多渠道、多方法来尽可能收集更多的数据。瑞士达沃斯论坛在2012年的《大数据大影响》报告指出，数据就像货币或黄金一样，已成为一种新的经济资产类别。鉴于网络信息资源的分布特点，以万维网形式存在的网络信息资源检索工具已经被广泛地普及。比如搜索引擎和各种数字图书馆，除此之外，有偿的网络信息服务平台和电子商务信息网站也逐渐为网民所认知和接受，从而能够实现大数据时代原始数据量的积累，进而完成从量变到质变的这一过程。

3.2网络信息资源的整合

网络信息资源整合首先要面对用户提出的有关各载体、各渠道的网络信息资源的查询与使用的问题，要充分了解各类信息资源的情况、查询技巧，努力掌握对用户提供参考咨询服务的各种技巧。其次，网络信息资源整合并不是简单地累加网络信息资源，而是需要经过专业技术的再加工，通过对网络信息的分类、鉴别后优化重组而成，因此对工作者的信息素养有很高的要求。

3.3网络信息资源的储存

在网络信息资源管理活动中，数据库技术具有非常广泛的应用领域。它是实现资源共享、节省开支和提高系统反应能力、工作质量以及服务水平的重要手段和技术保证。近年来我国自主研发的数据库包括：重庆维普公司出版的“中文科技期刊数据库”、万方数据集团公司建成的“万方数据库”以及中国学术期刊（光盘版）。电子杂志社推出的“中国学术期刊光盘数据库”等标志着我国的网络信息资源开发工作迈向了新阶段。但从全球范围看，我国数据库的数量只是全球数据库总量的1/10，容量约是世界总量的1/100，产值只有世界总量的1/1000。除此之外，在开发数据库时，应该按照特定学科、用户以及专题的要求，确定开发的重点，开发对象应该是具有实用价值的资源，最后建成满足目标用户需求的序列化网络信息系统、专题信息产品全文、题录型或文摘型数据库。

3.4网络信息资源的共享

信息孤岛效应是我国城市发展的一个瓶颈，各级政府与部门间不愿公开、分享信息，这就造成信息与信息之间的孤岛，无法实现信息资源的价值。关于这一现状，有些政府部门也有明确的认识，开始积极寻找解决方案。在美国的引领下，全世界目前已有30多个国家在互联网上开放共享本国的公共信息。我国也会随着信息开放这个趋势，由政府带头，面向全社会开放公共信息，逐渐消除各部门、各领域广泛存在的“信息孤岛”现象，促进信息的公开与自由流动。例如，原来一些政府部门不愿公开自己的数据，但现在开始寻找数据交换伙伴，因为他们逐渐意识到消除数据孤岛已经成为一种发展潮流，无论是对自身还是对其他共享者而言，都是有利的。同时，随着各方面政策的引导，打破数据壁垒对大数据的共享是有力的支持。

大数据论文篇（7）

（一）必要性

根据IDC在2011年6月的《数字宇宙》（DigitalUniverse）研究报告，2011年全球新建和复制的信息量超过1.9ZB（1.8万亿GB），五年时间增加了近九倍。随着数据量的指数级增长、数据源种类（包括结构化数据源和非结构化数据源，如社交媒体、富媒体文件以及地理空间信息）的飞速增加，以及数据产生速度的加快（如实时传感器数据），传统的数据库和架构无法处理、管理和分析如此庞大的数据集。政府、金融、电信、互联网等大数据应用的行业先锋目前均面临大数据的问题。不仅如此，随着物联网、云计算、移动互联网、车联网、智能手机、平板电脑的飞速发展，大数据技术拥有了更为广泛的数据资源。因此，IT产业界及行业用户都亟需针对大数据设计和优化大数据存储、管理和查询平台，来替代传统关系型数据库平台。在技术发展的前沿阶段进行实验平台建设对我学院师生具有重要意义。该实验平台能够为学生提供一个了解最前沿技术的机会，不仅能够提高学生学习兴趣、自学能力，还为学生就业、更好地规划未来的职业发展提供了机会。大数据技术的机遇与挑战带来了很大的人才缺口，目前大数据技术平台开发、方案实施人才紧缺；由于云存储、大数据技术带来的信息安全问题，也亟需大量信息安全领域的人才；由于大数据技术在物联网、电子商务、移动互联方面的应用，对了解大数据技术的电子商务专业人才也更青睐。通过本实验平台的培养，感兴趣的优秀学生还可以尝试考取与大数据技术密切相关的Hadoop专业认证———ClouderaCertifiedDeveloper/AdministratorforApacheHadoop，为学校、学院在该领域带来正面影响，增加更多合作和就业的机会。该实验平台能够为信息系统专业试点班培养计划的很多核心课程（包括管理统计学中的业务报表与分析、商务智能方法与应用、商务智能实践、数据挖掘和BA综合实训等）形成较好的前后衔接关系，能够丰富实践教学环节，深化教学大纲的内容，从建设更合理的课程建设体系来说具有很大的必要性。近几年学生就业压力越来越大，迫切需要对教学内容和实践环节不断突破创新，才能具备持续发展能力。因此在原有课程体系和实践教学环境的基础上增设本实验平台非常必要。

（二）可行性

教学计划中的相关程序设计课程为学生学习云存储技术、熟悉大数据开发平台、了解最新大数据技术的发展、进行大数据平台基础上的开发、实现对大数据的分析、可视化演示打好了基础。英特尔ApacheHadoop平台是目前大多数大数据处理的技术基础，目前该技术已经发展成熟，并随之产生很多基于该平台的大数据处理工具，可供实验室建设实验平台使用。

二、建立大数据实验平台的基本构想

（一）实验平台人员

实验平台人员负责实验平台的建设、维护，实验设计与指导人员由在大数据相关领域、课程建设以及实践教学方面都有着丰富的经验的教师与实验室工作人员构成，同时与大数据企业进行合作，获得其核心技术人员的支持、培训和大力配合，可以共同组成一个经验丰富、精炼实干的建设团队。

（二）软件调研

大数据的特点为4个“V”：第一，“Volume”，指的数据量大，包括大的数据块，或数据总量巨大，从TB跃升到PB；第二，“Variety”，指的是数据种类繁多，包含大量非结构化数据，例如网络日志、音频、视频、地理信息等；第三，“Value”，价值稀疏性，大量数据中有价值数据很少；第四，“Velocity”，指的是处理速度快，这与传统数据挖掘有很大区别。选择有数据分析基础、在业内发展领先的企业进行调研并选择适合高校规模的合作企业是建立实验平台的重要工作。很多公司给出了可供使用的大数据平台：IBM誖InfoSphere誖BigInsightsTMBasicEdition是一款基于开放源码ApacheHadoop的分析平台，用于分析大量本机格式的非常规数据，支持结构化、半结构化和非结构化内容，以实现最大程度的灵活性；IBM誖InfoSphere誖Streams是一个高级计算平台，帮助用户开发的应用程序快速摄取、分析和关联来自数千个实时源的信息；惠普公司Vertica分析平台6.1，能够通过Hadoop分布式文件系统连接器来优化大数据；ClearStoryData大数据分析新创公司，通过Clearstory，公司客户可以将自身的数据与行业的公共数据融合，寻找统计上的新视角，目标是取代目前市场上的主流数据可视化工具，包括QlikView和Tableau等老牌工具；Informatica9.1提供首款Hadoop编译器Hparse，这是一种针对Hadoop而优化的数据转换环境，该软件支持灵活高效地处理Hadoop里面的任何文件格式，为Hadoop开发人员提供了即开即用的解析功能，以便处理复杂而多样的数据源；Datameer：Hadoop海量数据分析平台允许用户在缺乏技术知识的情况下能够分析大量数据；Infochimps平台以其完备的基础设施和专业知识，为客户提供端到端的大数据解决方案，Infochimps是一家位于美国德克萨斯州奥斯丁的创业公司，2012年2月从数据市场转型为大数据平台提供商后获得谷歌投资；甲骨文大数据机———OracleBigDataAppliance集成系统融入了Cloudera的DistributionIncludingApacheHadoop、ClouderaManager和一个开源R；微软SQLServer新增PDW功能，可以帮助客户扩展部属数百TB级别数据的分析解决方案；亚马逊将MapReduce作为一项服务，其弹性MapReduce编程是一项能够迅速扩展的Web服务，运行在aws的亚马逊弹性计算云和亚马逊简单存储服务上；Teradata是企业级数据仓库（EDW）的领导者，在结构化数据、半结构化数据和大部分非结构化数据领域几乎没有很大成果，因此收购了AsterDa-ta———一家提供SQL-MapReduce框架的公司。AsterData是高级分析和管理各种非结构化数据领域的市场领导者和开拓者，为Teradata带来了大数据分析市场商机。

（三）方案实施

实验平台的设计同时立足于大数据技术的发展的前沿性与本学院学生专业特点，与学生前序的理论、实践课程均有良好的衔接，符合人才培养计划，深化了教学大纲的内容，并针对不同专业学生设计实践学时、内容和难度。本实验平台可以同大数据行业中的公司科研部门共同合作建设，双方确定在人才培养、师资培训、共建实验室和实训基地、推动大学生校外实习和社会实践活动的开展等方面开展全面、广泛、长期、深入的合作。该实验室建设将丰富实践教学体系，也可推动学院科研项目立项、新课题研究、专项基金申请和联合开展商用项目开发等；该实验室使师生能接触高新大数据开发平台，了解最新大数据技术的发展，进行大数据平台的开发，实现对大数据的分析、可视化演示，增强学生的动手能力并提升就业质量；与此同时，提升了教师的项目管理能力和教学能力。

大数据论文篇（8）

2相关概念

在信息化时代“，数据”成为一个热门词汇，如今数据已经深入到每一个行业和领域，并成为促进生产的重要因素。而“大数据”这样的概念是在数据的基础上逐渐流行起来的，这最早源于美国“。大数据”指的是运用更先进软件和科技对数据进行管理和分析，将数据流整合，将海量的数据进行处理，也就是说，传统的数据管理技术已经不能适应现在的大量数据了，我们要进行新技术的开发，迎接大数据时代的到来。大数据(Bigdata)一般指的是软件工具难以捕捉、管理和分析的大容量数据，其单位通常是“TB”。大数据是一个企业在创造了大量非结构化和半结构化数据后，组成一个数据集，其具有4V特性：(1)容量大(Volume)。非结构化数据的超大规模和增长；占总数据量的80%～90%；比结构化数据增长快10到50倍，是传统数据仓库的10～50倍。(2)格式多(Variety)。异构和多样性；很多不同的形式，如文本、图像、视频、机器数据等；没有模式或者模式不明显；不连贯的语法或句义。(3)价值高(Value)。大量的不相关信息的提纯；对未来趋势与模式的可预测分析；深度复杂分析(机器学习、人工智能VS传统商务智能咨询、报告等)。(4)速度快(Velocity)。实时分析而非批量式分析数据输入、处理与丢弃，立竿见影而非事后见效。数据之间的跨应用和跨系统的结构化和非结构化数据体现着数据与数据的复杂关系，这些数据相互之间关联却又相对独立，大量的数据通过储存和分享进行交换和联系。通过对大量数据进行分析、整合和交换，不断创造新的价值，加快生产，发现新领域和新知识，将数据流最大价值化和最大应用化，这是大数据的实质与内涵，简单来说，就是将大数据内部信息进行关联和挖掘。

3大数据给公司带来的挑战

新疆新捷股份有限公司成立于1995年8月，是专业从事天然气终端销售及综合利用的企业。公司秉承中国石油“奉献能源、创造和谐”企业宗旨，坚持昆仑能源“低碳经济、绿色发展”理念，努力将公司建设成为国内一流的天然气终端销售企业。从企业战略着眼，信息就是财富，企业如果对这些大数据管理得当，就可以发掘出更为强大可靠的决策信息。目前大数据时代给企业管理者带来的挑战有如下几个方面。

3.1如何获取大数据现在很多企业所能获取的数据信息有限，仅仅是冰山一角，大约为总数据的15%以下，并且对数据整合程度不够，存在很多非结构化数据和半结构化数据。无法获取足够的数据成为企业发展的障碍，这些对于现代企业来说是一个很大的难题，传统的商业智能系统对大量信息数据的标准化和结构化整合已经不能适应，海量数据的产生需要企业运用先进的手段获取更多，并对信息数据加以整合，这样才能通过大量的数据分析市场需求，增加客户，提高企业的服务质量，不断提升企业的国际竞争力。因此，如何获取大数据成为新疆新捷股份有限公司的一个挑战。

3.2对管理团队的挑战新疆新捷股份有限公司的传统管理模式是高层决策者凭借自己的经验和决策能力下决定，其他管理人员负责完善决策和执行。在大数据时代来临前数据量较小，信息有限且获取信息的成本较高，因此这种传统的管理模式还可以适应企业发展。但随着信息化社会的发展和大数据时代的到来，这种传统的管理模式已经不能适应海量的数据，这更多的是需要新疆新捷股份有限公司通过大量的数据进行分析，结合企业自身的特点，组成管理团队进行决策，这样才能不断适应社会的发展，增强企业的竞争力。决策者在决策过程中的直觉主义已经不能适应大数据时代，这是企业在管理上遇到的一个挑战。

3.3对企业管理流程的挑战多数企业的管理流程是逆向思维方式，也就是说通过在经营过程中出现的问题进行分析，通过一个管理团队的讨论和协商，制定出一套解决方案，这样的管理流程有一定的好处，但也会因为有一些管理问题还没有出现，导致管理上的疏漏，而新疆新捷股份有限公司就曾是这样的管理流程。对于现在海量数据的产生，新疆新捷股份有限公司不能再按照逆向思维模式进行管理了，其应该尽量运用正向思维的管理方式，根据现在大数据时代的特点，进行数据收集，找出数据之间潜在的关系，对客户信息进行整理分析，充分了解客户的需求，进而提出优化方案，这样更有利于企业发现自身的问题，并走在其他企业前面，提高竞争力。

4大数据时代企业管理变革

随着信息流动、网络新生代的成长和数据量的增加，过去传统企业可能通过强大的体制控制力，或者信息不对称的优势地位进行封闭企业管理的模式，在今天已经越来越行不通了。面对海量数据，我们要以数据体现的内容为先决条件，不断适应大数据时代的变革，同时，对企业的管理进行改进和变革，大数据时代下企业管理需要做出变革几点如下。

4.1获取数据在大数据时代，企业最重要的是进行数据的获取，收集一定的数据才能更好地对企业进行管理和实施决策。大数据需要有一个平台，需要进行一个数据的抓取，它有传输、分析、建模、优化等作用，最后产生认知，这些都是在大数据这个平台上所必须具备的一些特性。这些特性使得企业间可以通过大数据平台进行跨行业交流。大数据平台会把全世界的数据进行共享，使得全世界在物理空间的活动都得以体现在大数据平台上，这是一个很重要的概念。对于企业来说，要不断融入这个平台，通过共享数据和收集数据，开发潜在客户。

4.2管理团队的挑战大数据时代的到来对于企业的管理既是机遇又是挑战，对于企业的管理者来说，这有利于数据的收集和分析，我们在面对大数据的挑战时，首先要将数据量化，量化的数据有利于管理效率的提升，管理者通过大量的数据信息掌握公司的业务和客户，对公司内部和外部客户进行管理，提升管理和决策的质量。我们可以通过以下三个方面面对挑战。

4.2.1转变管理模式企业在管理上要与时俱进，要在大数据时代充分了解数据是什么，并通过数据进行有利于自己企业发展的分析，要根据大数据转变管理模式。海量数据是管理的主线，我们应该通过数据说话，利用数据进行潜在客户的挖掘。以往的管理模式都是由高层人员根据自己的经验进行决策和管理，而在大数据时代，我们应该建立一个管理团队，对海量数据进行管理和收集，通过分析数据得出结论，再通过研究讨论，最终确立决策方案。这种管理方式可以给企业带来巨大的商业价值，实现企业对客户进行增值服务的附加值，以数据为主的管理模式更合理，更科学，也更符合大数据时代的特点，此外，还有利于企业增强竞争力，提高管理和决策的效率。

4.2.2转变思维模式面对大数据时代，企业管理者需要对大数据进行量化分析，这和传统的思维模式并不相同，因此需要转变管理者的思维模式。在面对重大决策和企业管理时，要先进行数据查找和数据分析，从数据上得出结论，分析结果，最后再进行决策和管理，这种方式不但会提高管理者的效率，也会提高其他工作人员的积极性和业务执行能力。另外，我们要允许数据做主，也就是说提高数据分析的力度，将来自一线的数据进行分析，通过数据判断决策是否正确，大数据的整理和分析是需要较长的时间来完成的，这对企业来说也是一种挑战。

4.2.3培养人才资源在大数据时代人才资源是一个企业发展的重要因素。如今的高级管理人才越来越稀缺，拥有综合能力的管理人才不多，因此企业应该进行管理人才的培养，只有将人才、科技、管理、决策进行融合和调整，才能使企业清晰自己的发展目标，制定适合自己的发展战略。企业可以在管理人才的选择上挑选一些经验丰富、学历较高的人才，再进行岗前培训和在职培训，提高他们的管理能力和应对大数据时代的能力。企业通过培养视觉化、系统化人才，将企业的海量数据进行快速、高效的整理和分析，从而提高企业竞争力，使企业能充分迎接大数据时代带来的挑战，更好地把握大数据时代出现的机遇。

大数据论文篇（9）

什么是数据教育？目前尚无定论。笔者认为，在整合用户资源的基础上，数据教育可以通过数据分析与管理实现拉长数据产业价值链，改善网络教育的结构和模式，是以大数据为核心整合网络教育资源所进行的信息、产品与服务的交易活动。大数据正在重构很多传统行业。麦当劳、肯德基以及苹果公司等旗舰专卖店的位置都是收集、整理生活中大量的相关数据对其进行分析挖掘，从中获得有价值的数据信息而演化出更有使用价值的新的商业模式。规模经济和范围经济是行业战略扩张的本质动因。网络教育向数据教育发展，本质是依托规模经济和范围经济来强化网络教育的影响力、延展网络教育经济规模、降低生产成本、提高社会效益和经济效益。数据教育的主要对象的是网络教育的使用者，具体为学习者和教学者。利用数据教育使用者在学习中产生的大量数据，建构数据分析模型来发现社会关系和有价值的数据信息，进而预测学习者的学习情况并提供个性化建议。因此，数据教育的范式中首先应测量、收集、分析和报告有关网络教育使用者及其学习环境的数据，然后进行理解和优化产生的学习环境。网络教育教育平台的使用会产生积累大量系统化、结构化的学习结果和学习行为数据。网络教育将这些数据提取出有意义的信息，并利用这些信息为教育者、学习者、管理者、教育软件开发者和教育研究者等提供服务是大数据时代网络教育的必然趋势。

1．2数据教育的发展理路

网络教育与数据的融合是网络教育扩张的战略选择。目前网络教育的融合转型中没有成功先例，原因是大家都把科技对网络教育的作用看成是渐进使用过程，而没有看到它实际上对整个教学内容从生产一直到传播、到效应的发生，全都是一种革命性的改变。若能认识到这一点，就可以在全世界的网络教育发展过程当中占领、占用这样一个产业的制高点。用互联网的思维、用互联网所代表的最好的技术、最好的文化形态，再加上相应的政策支持，就能够全面开启数据教育。由于数据教育本质上归属于信息传播与网络教育融合的服务产业，因此，它们之间具有众多邻接点，网络教育的传播力、公信力和影响力等无形资产以及信息生产、传播途径等资源和能力便于转移到数据教育过程中，从而形成独特的数据教育运营模式。以物联网、云计算等综合技术的成熟为基础，在用户在线学习的数据库中挖掘出有价值的深数据，然后进行过程性和综合性的考量，找到学习者的学习行为、学习习惯以及学习兴趣等之间的内在联系，考量背后的逻辑关系，并作出恰当的教学决策，是数据教育的发展理路。作为网络教育的高级应用和发展路径，数据教育可以分析学习者的一些静态数据和动态数据，静态数据如过去的成绩和学习行为，动态数据如在线登陆方式，讨论发帖量之类，通过分析这些数据追踪分析学习者的类型，把学习者进行分类，诸如高成就、比较危险、社会型学习者等不同的类型。在分类的基础上对不同的学习者进行实时干预，对高成就类型可以提供具有挑战性和具有一定难度的学习任务，对处于危险状态的学生，给予特别关注和一些学习上的帮助，对社会型的学生，给予社交上的一些支持。在学习开始时做一个学习能力测验对于期末考试成绩预测最可靠的方法。设计更复杂的数据驱动预测模型，则必须在此基础上进行改善，这一改善需要进一步的数据分析。数据分析的目的是确定能够准确预测哪些变量。目前，Purdue大学的CourseSignalsoftware已经部分实现了这一技术。Sig－nals在学生的学习过程设置了红色、黄色、绿色等信号，这些不同的信号可以帮助使用者了解目前的学习状态。CourseSignalsoftware的评估报告显示，参与CourseSignal项目可以使学生获得更高的平均分，并快速地寻找所需要的资源。

2数据教育的理念分析

通过数据教育的内涵和发展理路的分析和梳理，数据教育包涵以下几种核心理念，即用户为中心、巧用慢数据、借力数据思维和构建数据产业链。

2．1数据教育的核心理念仍是用户为中心

新的科技出现之后，网络教育用户的需求不但是量的增加，还是层次的增加，过去人们对共性的东西有需求，现在对个性的东西也有需求，过去对理性的东西有需求，现在对涉及到人们的情感、情绪等过去在主流网络教育中所占比重很少的东西也有很大需求。如用户对网络教育的游戏化，反转式的趋向，数据教育让这些趋向变成了现实。网络教育的竞争是各种教学法的精细化准确化，并且在呈现给学习者的用户前端界面上进行优化，增强前端界面与学习者之间的黏合度，如整个网络教育教学的链条才会不断下移，才会更加符合学习者个体的特点。数据教育是一个更加了解并最大化满足用户需求的方式，借助多样化的科技实现了用户之间差异化学习与学习模式的无缝对接。数据教育能够检测数据中的模式，因为这一教育模式是建立在数据分析和人工智能方法的基础之上的。类似技术可用于智能教学系统，以动态的方式对学生进行有针对性的分类而不是进行诸如人口统计的简单分类，也可以利用协同过滤技术对特定的资源建立模型。如隐含的人与人在论坛上的互动和外显的人与人、朋友或者关注对象之间的关系，这些分析用于数据教育的学习分析中来探索网络集群、影响力网络、参与及不参与状况。数据教育可以用来对所提供的数据进行意义建构，数据教育的价值在于对大量数据进行分析和处理，进而形成教育模式为网络教育提供帮助。相比传统的网络教育，数据教育能够提供更加细致和有效的反馈，如学习者掌握熟悉和了解概念到何种程度，根据数据自动呈现以后的学习内容或者不呈现影响学习者掌握后来学习内容的材料。

2．2数据教育要巧用慢数据

2014年5月29日，第九届百度联盟峰会上百度董事长兼CEO李彦宏预测了未来5年有非常大发展的两大产业机会，这两大产业是百度、阿里巴巴、腾讯三者都不大可能涉足的领域：第一是新型企业级软件，这些软件可以解决企业从内部到外部链接的问题；第二就是挖掘新的有价值的慢数据，发掘具有个性化针对性的预测信息，为用户寻找真正有价值且能产生效率的慢数据。李彦宏的这一分析和预测不但权威而且有说服力。目前，互联网企业在网络用户规模不断扩大、流量激增的情况下，面临着新的尴尬，即搜集到的数据真正有价值的很少，无价值的增多。很多的数据根本没法分析更谈不上运用。因此，李彦宏建议搜集慢数据来获取真正有价值的数据，找准并挖掘能真正帮助用户解决问题的新数据。另一个与之印证的观点是，阿里巴巴集团执行副总裁曾鸣分析说，大数据最重要的特征不在大小，而在死活。数据的死活决定一切，从数据的管理到数据的运用，数据必须能活起来，开始跑通迭代，才能产生持续价值。网络教育和其它领域一样，在利用大数据方面基本处在同一起跑线上。数据教育的特点在于能够为网络教育平台提供实时数据，通过利用这些实时数据，达到为网络教育者提供帮助的目的。数据教育可以通过分析学生的诸如课程材料等学习资源来追踪学生的学习轨迹，通过设计和优化教学模式和统计方法来实现教学效果最优化的目标。对数据教育来说，抓住机遇去挖掘应用好慢数据和活数据，让大数据成为网络教育改革的一大新的增长点，是网络教育工作者亟需解决的问题，通过数据共享、交叉复用后获取最大的数据价值是数据教育对待大数据应有的态度。

2．3数据教育需借力数据思维

好的数据教育需要有好的教学内容点、技术支撑以及用户洞察。目前的网络教育都没有占齐这三点。互联网不但对这个社会重新组织、重新结构与自己革命性改变的声音，而且已经成为教育领域的中枢操作系统和底层的操作架构，数据教育必须要和它的规则去接轨对接，在这种及ID那个规则的框架中来决定资源配置和运作方式。在这个层面上讲，大数据时代数据教育的核心竞争力就在于互联网数据思维的竞争。没有可循环利用的数据，就无法提供数据教育的开发。用好数据思维，首先要注重数据积累的长期性和动态性，避免数据库的短期化行为；其次要注重数据的完整性和统一性。完整性即数据的精确性和可靠性，统一性即一致性，是数据之间的逻辑关系是否正确和完整。统一性保障了完整性。数据的缺失和不精确，将会带来分析的偏移，因此在这种分析上进行的一系列开发也没有针对性甚至是徒劳。因此，在采集和管理数据的时候要设计和完善多种数据维度，有助于数据仓库中设置更多更有效的细分标签。保证收集到的数据精确、可靠，用以分析的数据形式统一，才能确保通过大量数据分析得出的用户行为习惯是有效的。最后要注重数据挖掘和利用。用户数据的积累和挖掘是一个长期、动态、循环的过程，如果把数据枢纽中心比喻成一个大型的水利枢纽工程，那么数据教育要利用枢纽对水进行过滤和引导，让它长期保持动态和循环使用，在这个数据的枢纽中心，要不停地激活用户数据，积累用户的消费行为和消费习惯，让大数据在这个枢纽型中转站得到动态的循环。

2．4数据教育应建构数据产业链

从价值链和传统网络教育的角度分析，网络教育即使在用户数据的采集、处理、储存、分析等各方面完全数字化后，即使数据量再大也不可能去做基于数据本身的公司。因为与很多互联网入口企业相比、与真正生成大数据的公司相比，这些数据量的量仍旧是非常单薄远远不够大的。因此，相对理性和可行的选择是数据教育的运用着力点应放在以下三个方面。

（1）借力数据资产中介。

在互联网上，任何主动收集庞大数据的行为，其成本都难以想象。目前我国已有不少学校开始了数据挖掘的探索。如东华大学的智能实验室项目、浙江大学的资产数据项目、复旦大学的学生数据分析和清华大学一些学生成长类的数据分析。总体来看，开始进行数据挖掘的高校共同特点是信息化做得好且规模较大并拥有有充足的数据量。建立网络教育数据的资产中介，专门进行数据的挖掘使用和分析，是数据教育的可行之道。对不具备大规模数据资源的机构来说，数据资产中介是有效的可行之道。

（2）进行数据资产管理，实现学习内容深加工、学习行为分析和监测，是网络教育应用大数据重点挖掘的项目。

全球复杂网络研究权威艾伯特•拉斯洛•巴拉巴西曾指出，在大数据背景下，人类的很多行为都是可被预测的。但海量的数据沉淀在网上，没有精准而靠谱的分析和应用，就没有价值。用户期待网络教育提供的，不是大而全的教学资源，而是满足自己需求的教学内容范围更广的信息类产品。数据教育不是单纯的资源集大成者，而要从数据库中深度发掘有用信息，进行趋势分析。数据教育显然是大数据时代网络教育一展身手的方向。通过使用各种集合的综合技术，平台上可以自动留存用户关于学习行为的各种数据，如学习一个知识点花多长时间、学习的顺序是否有断点、是否会反复重新学习等等，但需要注意的是，仅仅是远程教育和在线课程，这些信息只能称之为数字并不是数据。在媒体领域，我国媒体拟与甲骨文公司展开了多样化的数据库营销合作，并且建立有效的数据库体系，目的是实现数据库营销方面的收入拓展。数据教育可以借鉴这一模式对海量数据进行挖掘，以及数据的分析。

（3）做好数据驱动的解决方案，量身打造个性化资讯内容，私人定制、精准推送内容。

传统网络教育把所有网络教育的内容向所有人传播，缺乏针对性、精确度，这是粗放型的教育模式。目前网络教育之间的同质化非常严重。数据教育在充分利用大数据和关系链，为用户筛选、推荐最适合的内容并提供私人订制的教育内容的同时，还应使他们体验网络学习的新感受。大数据时代，基于用户兴趣生产和传播是重要趋势，根据用户上网的习惯、浏览的痕迹、参与的话题以及讨论的内容，对其较长时间的浏览数据进行分析，便可得知其上网习惯以及浏览喜好等的数据。根据这些数据，选取合适的时间应用恰当的方式向用户提供其需要并且感兴趣的学习内容和信息，在此基础上就可以定制学习内容。理论上网络上的每一个用户都有自己的一幅网络肖像以及一个属于自己的UID（UserIdentification用户识别）号。个人的兴趣图谱就是数据教育的基础。基于用户识别特征和兴趣图谱建构的数据教育不但目标明确，可以强化与用户的黏度，而且有利于整合网络教学资源，甚至达到自动生成匹配高效精准教学模式的效果。要做到这一点，就必须借助大数据技术和相关分析软件，建立可挖掘、可分析的用户资源数据库，通过对数据的整合和分析，针对不同的用户需求，推出满足用户个性化和专业化需求的各类内容产品。

大数据论文篇（10）

2大数据时代计算机信息处理技术

2.1信息采集、加工方面

计算机信息处理技术要进行工作，首先，要采集数据信息，计算机技术都是建立在数据采集基础之上的，数据采集主要是针对目标信息源进行实时的信息监督和控制，并将才觉得数据储存在计算机数据库中，为各个软件提供信息支持，确保下一项工作顺利进行；其次，对数据信息进行加工，按照用户的要求，对数据信息进行加工；最后，将加工好的数据信系进行分类，最终传送到用户手中，实现数据采集、加工以及传送目标。

2.2存储方面

计算机存储技术是将采集的信息储存到计算机数据库之中，在用户需要某一项信息过程中，可以通过数据库直接将数据调取出来，计算机以其储存量大、速度快等优势，受到人们越来越多的关注，另外，计算机技术还能够实现长时间储存。

2.3信息安全方面

大数据时代的到来，让人们感受技术带来的便捷的同时，也让人们意识到数据信息安全对人们的重要性。因此，为了能够提高数据信息的安全、可靠性，可以通过以下几个方面进行：首先，建立计算机信息安全体系，加大专业技术人才的培养力度，投入资金，为构建计算机安全体系奠定坚实的基础；其次，加大研究力度，开发信息安全技术产品。传统信息安全技已经无法满足大数据时代数据安全需求，为了能够尽快改善数据安全问题，应加大研究力度，寻求更好的解决方案，有效避免数据信息受到威胁；最后，重视对重要数据的检测，大数据时代的突出特点是数据量大，无法实现对每一个数据的检测。因此，为了提高数据安全系数，应加强对重点数据信息的检测，从而确保数据信息安全。

2.4信息处理技术的发展

计算机硬件具有一定局限性，在一定程度上阻碍了计算机网络的发展，而云计算网络能够突破这一弊端。因此，推广和应用云计算机网络成为未来大数据时代计算机信息处理的主要发展趋势。传统计算机网络是将硬件与网络有机结合，抑制了计算机信息处理技术的发展，将二者分离开，促使云计算主筋形成云计算网络，从而构建大数据信息网络系统，推动我国社会不断发展。

大数据论文篇（11）

(二)当前流量经营的价值困境

流量是当今数字世界运转的基础。“客观属性”是对“流量”这一认识客体固有属性的客观描述，不因经营主体和经营方式而异。流量属性包括以下方面：1)流量的规模性，指流量可用同一量纲进行规模比较，比如联通单用户流量规模要高于移动，百度流量规模要高于google中国，基于中国移动网络发生的流量规模要高于基于百度服务发生的流量规模；2)流量的层次性，指流量与用户真实行为(主体)的接近程度。流量蕴含着反映主体行为的信息，但程度有所不同。比如淘宝网所承载的流量直接反应用户的网购行为，而电信网所承载的流量只是经过IP协议封装的比特流，前者显然更接近用户真实行为因而被称为表层流量，后者则被称为底层流量；3)流量的异质性，指流量对用户消费目的(客体)的涵盖范围。流量蕴含着反映客观世界的信息，但范围有所不同。比如文本、话音、图片、音乐、视频等不同类型之间，垂直应用与平台式应用等不同类型之间，社交类、娱乐类与生产类应用等不同业务类型之间，其流量映射客观世界的能力就各有差异和侧重；4)流量的不可分性，虽然底层流量和表层流量在概念上区分了，但在实体上是紧密依赖的，是同一事物在不同经营层面上的不同投影。比如，淘宝的表层流量离不开运营商底层流量的依托，运营商底层流量也离不开淘宝等表层流量的呈现，同时，淘宝可推知用户使用了多少底层流量，运营商也可部分解析出用户的购物行为。

可见，流量是一个充满想象空间的市场，而电信运营商似乎占据有利地位。综合流量的层次性和异质性，流量被赋予了主体行为和客体存在在信息层面上统一投影的属性，是信息社会不断流动的血液，具备极大的社会价值和经济价值。从流量的不可分割性来看，上层服务提供商与基础运营商之间的相互依赖、相互制约将是长期的基本格局。从流量的规模性来看，至少在本地市场，由于基础设施市场集中度高，电信运营商很容易就可获得超过任何单一玩家(如apple和facebook)的规模优势。

但现实情况中，流量规模的暴涨对电信运营商是一把双刃剑，情况不容乐观。流量在呈现客观属性的同时，在特定的经营主体及经营方式下，还会表现出影响甚至决定经营绩效的经营特征。本文认为，固然客观属性有利于电信运营商开展新一轮价值创造，但在当前经营模式下，流量应有的价值并未得到充分挖掘，无法支撑电信运营商的可持续发展。

当前的流量经营模式是，通过提供同质化的、以M为价值衡量单位的流量产品来满足用户的接入需求，然后通过向用户收取按照使用量计算的费用来补偿网络成本、运维成本和营销成本。在这种模式体现出三大属性：一是面向手段性需求。用户向运营商购买流量不是为了流量本身，而是为了流量所承载的个性化互联网应用。流量仅仅是服务于互联网消费的手段，因此，与面向目的性需求的互联网服务提供商争夺用户界面时，电信运营商天然地处于劣势；二是无直接网络效应，电信运营商无法将网络效应内化从而无法实现业务的边际效应递增。流量用户之间并未像话音用户之间和短信用户之间那样构成彼此连接的网络，用户之间的网络是通过业务构成的，而业务网却控制在OTT手中。换言之，网络效应主要存在于OTT业务层，而非管道层。因此，随着使用OTT业务的用户越来越多，以及用户使用OTT的业务次数越来越多，OTT业务的边际效用递增，但电信运营商流量的边际效用基本持平；三是边际成本下降有限，面对指数级增长的流量需求，运营商不断追加投资扩容、升级只能勉强跟上。上期投资刚进入边际成本下降阶段新的投资又追加进来，下降趋势被中止。在投资压力下，设备商又勾画了美妙的技术前景，许诺平均成本将极大地降低，勾引运营商全面投资新技术。这样多次循环和叠加，在相当长一段时间内，运营商都处于初始成本投资阶段，流量边际成本下降的周期被压缩到很短。反观OTT，一旦业务上线，在运营成本增长与业务量增长相比可忽略不计的前提下，业务边际成本很快就会下降到接近于0。某种程度上，信息产品边际成本为0规则的成立，是建立在电信运营商的牺牲之上的。

图OTT业务与电信运营商流量业务的边际效用/成本对比

电信业本是新经济的鼻祖，网络效应理论就是70年代从对话音网络的研究中发展起来的。然而，在当前经营模式下，运营商的流量业务失去了网络效应、边际成本趋于0、边际效用递增等信息产品的新经济特征，用工业经济时代的经营模式去与新经济时代的经营模式争夺价值，注定是落于新型竞争对手的。这是仅在流量规模上做文章，没有深入挖掘流量价值形成的后果，运营商由此陷入流量价值困境。

(三)大数据经营破解价值困境

大数据的定义众说纷纭，从技术特征上它通常具备数据量大(volume)、数据类型多(variety)和数据处理和响应速度快(velocity)的特征，麦肯锡将大数据定义为超过了常规数据库软件所能搜集/存储/管理和分析的规模的数据集。大数据概念具有深刻的IT烙印，正如“流量”概念具有深刻的电信烙印。通信与计算是信息的不同处理环节，在ICT端到端融合的背景下，流量和大数据完全可以统一在“信息”概念下，是信息全生命周期不同阶段的称谓。流量有表层底层之分，数据也有信息、知识、智慧之谓，流量经营和大数据经营均可理解为信息经营。

然而，仅仅揭示大数据本身的属性是远远不够的，如果脱离了正确的经营模式，一切价值都是虚妄。在这方面，电子科技大学周涛教授的观点很有价值。他认为，大数据1.0是利用内部数据解决内部问题，大数据2.0是利用内部数据去解决外部问题，或利用外部数据解决内部问题，大数据3.0意味着大数据进入了一个以共享交易为特征的时代，出现了大数据公共平台运营商(以下简称大数据运营商)。从1.0到3.0，大数据的工具属性逐步减弱，目的属性逐步增强，直至“大数据”像货币一样在全社会范围被收集、交换、处理、传输和应用，使得大数据可以真正成为时代的标签。在这个意义上，大数据之“大”，就是不断增强数据的透明性、不断扩大数据的共享范围、不断提升数据的流动性，在更大范围内解决信息不对称以创造更大的价值。否则，无论数据多丰富，技术多先进，都较过去无本质突破，大数据之“大”盛名难副。这个过程，是大数据经营环境不断完善和经营模式不断演进的过程。

大数据经营模式严格来说是指大数据运营商的经营模式。大数据运营商采取双边平台模式，一方面向消费者提供普遍服务，另一方面向企业客户提供以大数据为中心的服务。可以形象地将这种经营模式比喻为“数据银行”。1)大数据运营商自身掌握独特而雄厚的数据资产，这往往是一个通过提供消费者服务集腋成裘的过程，正如银行通过吸纳个人存款掌握雄厚的现金等资产；2)这些数据的使用权和支配权归大数据运营商但所有权属于消费者，正如银行可以自行决定吸纳的存款如何使用，但储户拥有随时要求提现的权力；3)大数据运营商以免费或部分免费提供服务为代价，换取消费者在使用该服务时产生大数据的支配权，正如银行承诺利息收益换取现金存入或委托理财，并默认获得资金支配权；4)这些大数据被用到千百万家企业的生产服务流程中，为大数据运营商的企业客户创造价值，为大数据运营商赚取收益，正如银行吸纳的存款被贷给各行各业的企业，融入经济生活的角角落落。为了进一步理解该模式，下面描述一些细节：

细节一：场景举例。风险控制是保险公司商业模式的核心环节，如果能够更准确地获知投保客户的风险系数，保险公司就可能设计更有竞争力的保险险种和更丰厚的收益。比如车险，如果能对某潜在客户的出行和驾驶行为数据如车速、车程、违规记录等进行分析，保险公司就能更精确地推知该用户在投保期内出现安全事故的概率，从而制定更为有利的保费和理赔政策，比如避免对高危客户(通过各种指标定义)保费过低或保额过高，而对“安全系数”较高的客户则可以在常规保费基础上打折以提升产品的吸引力。同样，对于疾病险，如果能够对潜在客户每天身体健康指标如血压、心跳、卡路里消耗、睡眠时间等，保险公司就能识别优质客户并针对性地设计相关疾病险种。在这个简单的例子里，大数据产生于用户使用的车联网、移动健康等服务，大数据运营商需要向用户提供这些服务，并承诺他们的个人数据不会被滥用。对于保险公司或其他中小型企业客户，大数据运营商提供的核心产品是数据，但更可提供大数据基础设施租用、承担大数据分析任务甚至基于分析结果的营销执行等附加服务。

细节二：如何规避隐私争议。个人数据的隐私问题是大数据商业价值受到质疑的主因。实际上，这个问题可以从理念上和模式上给予回答。理念上，隐私问题自人类社会形成之初就存在，用户心中总是存在一架权衡隐私顾虑和业务价值的天平。当前的隐私争议不在于隐私被使用了，而在于被滥用了，没为用户带来便利/效率/等正面价值甚至反而带来负面价值。因隐私顾虑而扼杀业务创新只会在竞争中被淘汰，将注意力集中到利用个人数据创造更智能的业务，使用户心中的天平偏向业务价值，这才是解决之道。模式上，大数据运营商扮演的是银行角色，受消费者委托管理数据，基于数据所有者与数据使用者之间的契约关系执行数据开放动作，具体由双边平台的双方自愿谈判商定。比如，保险公司若需要使用个人数据可向个人提供保费折扣，达成协议后大数据运营商则执行这一契约，按照协议开放指定数据，并全程监督数据使用。上述过程并不涉及隐私侵犯。对于那些无需识别个人身份的大数据应用，交易成本可以更低，正如银行没有必要向每个储户说明他/她的存款被用于哪一笔放贷或投资，而只需履行利息承诺即可。

细节三：如何获得网络效应。在上述经营模式下，大数据运营商将获得网络效应，这种效应源于该平台上各行各业的企业。与话音业务类似，企业使用该平台提供的数据的同时，也在为该平台增加更多的数据资产。比如，“用户A在facebook上的Like行为记录”这一数据，若被WSJ网站使用，除了为WSJ产生“内容精准推荐”的价值外，用户A对该内容的浏览行为和评论(如果有)也会被平台记录，从而提升原数据质量(如置信度评价)、丰富了关于用户A的数据，其他企业将可从该平台获取更多价值。这样，企业围绕平台构成了大数据共享网络。大数据平台成为网络效应的受益者。于此同时，企业客户在使用大数据产品时也具有边际效用递增的特征，数据用得越多，数据的价值就越大。可见，大数据经营完全符合新经济规则。数据不因使用而损耗，且随着使用次数增多价值反而变大，边际成本趋于0，边际效用递增，大数据的价值与数据节点及数据使用者节点的平方成正比。

细节四：如何将流量转化为大数据资产。针对流量业务，一方面优化现有面向消费客户的经营模式，另一方面从流量中提取大数据资产，作为构建面向企业客户大数据经营模式的基础，两者交叉补贴，平摊成本。用户在消耗流量的同时，也在为大数据经营添砖加瓦。一个基础设施，两个经营模式，这是成本收益困境的基本解题思路。对流量经营而言，智能管道存在的价值是调控和配置管道资源，但智能调控和配置的前提是对调控对象的深度识别和解析，而这正好就是从流量提取大数据的过程。因此，智能管道将成为电信运营商获取大数据的重要来源。大数据的另外两个重要来源是BSS和各种信息类业务的后台数据。不同域数据之间的混搭会取得1+1》2的效果。

(四)大数据平台运营商的演化

在未来实体世界与数字世界无缝整合的世界，高速流动的信息将充当不可或缺的纽带。谁能掌控两个世界相互耦合的界面，谁就将成为下一轮破坏性创新周期中最大的赢家，而大数据平台就是这样的关键环节。当前虽然总体上处于大数据1.0阶段，但基于数据重要性被不断认知、传统企业拥抱数字化商业模式热情高涨等事实，大数据领域正孕育着一个前景广阔、异彩纷呈的大市场。

未来的大数据运营商绝不仅仅包括现在的电信运营商，互联网巨头如facebook、google和阿里巴巴等也将沿着这一方向演进。阿里巴巴提出的“电商、金融、数据”三步战略就是明证。阿里巴巴和新浪微博、高德地图等之间的资本联姻，也是走在数据布局的路上。平台会扩张，生态会成长，当时代被烙上大数据的印记，围绕大数据公共平台运营商成长起来的大生态注定会成为信息文明的基石。从平台演进的角度，本文认为大数据经营的成熟将经历消费平台、垂直平台和公用平台三个阶段，简要描述如下：

第一阶段，竞争者们借助消费平台海量用户数据的原始积累取得了大数据平台之争的入场券。比如阿里巴巴的淘宝、腾讯的微信、facebook以及电信运营商的流量，都是典型的消费平台。各类消费平台有层次和领域的区别，渗透争夺十分激烈，但就数据储备而言都具备了进阶的资格。同时，OTT玩家普遍发育了后向广告模式，与电信运营商的流量前向收费模式相比，收入规模小但利润率高。

第二阶段，基于用户积累向垂直行业扩张或者某个特定的环节延展。这个阶段，消费平台依然非常重要，但随着数字世界与实体世界的整合，固守数字世界很快遇到增长极限，因而越来越多的资源将投入面向线下传统行业的拓展。垂直行业方面，包括金融业(互联网金融、移动支付等)、健康业(移动健康、移动医疗等)、汽车业(智能汽车、车联网等)。特定环节方面，包括营销(广告)，CRM(如微信公众账号、淘宝卖家服务、FacebookConnect等)、产品设计(如天猫和华为定制手机合作等)。毫不意外，扩张的行业B2C特征较明显，延展的环节则以营销环节为出发点，而电信运营商通常以行业扩张为主，OTT以环节延展为主。总体而言，这些面向各垂直行业和特定环节的服务都以相对独立的小平台形式存在，每个垂直平台的经营模式各不相同，大数据资产进一步积累，但以信息为中心的经营模式仍未确立。从进阶第三阶段的角度考虑，衡量第二阶段经营成败的标准有两个：其一是是否与政府和传统企业建立了全面的信任关系；其二是是否掌握了大部分行业都需要的20%的关键信息。

第三阶段，面向全体社会成员的大数据公共平台出现。大数据在企业生产和消费者生活各环节的价值被充分认识，垂直行业内部的信息链在第二阶段被打通之后，进入跨行业信息共享阶段，大数据时代来临。在前文提到车联网信息、个人健康信息和保险公司的共享是这一阶段的典型案例，而车联网、移动健康领域的数据布局和与保险公司信任合作关系的建立，则已在第二阶段完成。值得强调的是，消费者的作用非常重要，因为各行业间打破信息隔阂唯一动力就来自于它们具有共同的用户。这一阶段，数据透明/共享/流动的范围、网络效应的范围、创造价值的范围达到了新的高峰。

上述三个阶段所描述的经营模式是叠加而非替代关系。从大数据的角度看，第一阶段着眼于积累原始资本，第二阶段注重数据的垂直投资布局和精耕细作，第三阶段注重跨行业数据的共享运营。但从经营视角来看，最终大数据运营商将具有三种核心业务、三种盈利来源，比如阿里巴巴的三步走战略，并不是金融代替了电商，数据代替了金融，而是按照这个路径最终形成三足鼎立的多元共生业务组合。

(五)对电信运营商的建议

既不甘于管道的低利润率，又无法适应OTT基于速度和创意的竞争规则，电信运营商一直在寻找位于管道业务和OTT业务之间的黄金地带。本文给出的答案就是大数据经营。大数据经营与传统通信经营在业务属性和经营模式上具有内在延续性。传统通信业务通过将个人连成通信网络解决个人与个人之间的信息不对称，大数据经营通过将企业连成大数据网络解决行业与行业之间的信息不对称，这个方向符合信息社会的演进脉络。通过选择正确的模式，大数据经营完全可以和传统通信业务一样具备网络效应等新经济特征，从而带领运营商走出当前流量经营模式的价值困境。

对电信运营商而言，大数据的战略地位应从内部运营工具提升到“新大陆”，移动互联网业务则从“新大陆”降低到撬动新大陆的“杠杆”。如果目标和OTT一样都是大数据，而获取大数据的手段并非仅自身运营OTT业务一途，电信运营商何必一定要吊死在这棵树上呢？调整心态后再参与OTT竞争，也许更从容不迫。因此，电信运营商无需过于纠结为何不具备互联网基因，而应立即与那些OTT站在同一起跑线上一道发力培养大数据基因，构建大数据经营模式。大数据目前还处于非常早期的阶段，大数据竞争最终将是资源密集型的，电信运营商在这个战场上的位势要比在OTT战场上好得多，至少暂时如此。比如，腾讯有微信和QQ，阿里有淘宝和支付宝，电信运营商有流量。关于下一步的布局，有如下几点建议：