大數據時代數據的特征精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的大數據時代數據的特征主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：大數據時代數據的特征范文
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，難以安置的應協商解除勞動合同，協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）.
第2篇：大數據時代數據的特征范文
在大數據時代，從數據中心的基礎架構到運營服務，從數據的分析到數據治理，大數據積聚了多少新的需求，數據中心又將經歷怎樣一場轟轟烈烈的變革呢？
云計算數據中心、云基地、超級計算機中心……這些與云沾邊的數據中心的新稱謂讓用戶難以區(qū)分清楚。其實，云只是一個定語，它所修飾的后面的名詞（某項具體的業(yè)務或應用）才是用戶真正應該關心的。比如云基地，它就是希望通過云計算技術為園區(qū)內的企業(yè)提供一種共享的服務?！捌髽I(yè)無論要建設什么類型、具備何種功能的數據中心，都必須從業(yè)務和應用的需求出發(fā)，明確建立數據中心的目的。”中國惠普有限公司技術服務事業(yè)部IT規(guī)劃與咨詢、云計算服務總經理衛(wèi)東表示。
大數據的三維視圖
有市場分析機構預測， 未來12~18個月內，全球產生的數據量是現有數據量的總和。數據量的迅猛增長給企業(yè)的數據存儲、管理和分析帶來了巨大的壓力。另一方面，有統(tǒng)計表明，企業(yè)能夠有效利用的數據量只占數據總量的5%。這些就是大數據（Big Data）帶來的難題。
大數據包含了不同來源的所有結構化和非結構化的數據。大數據在數據量的大小以及復雜性方面已經遠遠超出了用戶現有的能力范圍。這也意味著在合理的成本范圍和時間區(qū)間內，人們已經無法使用通用的數據處理技術來收集、管理和分析大數據。衛(wèi)東表示，用戶可以通過三維視圖來理解什么是大數據：從數量級來看，交易數據量以幾何級數倍增；從數據的多樣化來看，除了結構化數據以外，還有大量非結構化數據需要進行處理，比如社交網絡媒體資料、視頻、音頻、郵件、圖像等；從數據處理的角度來看，人們希望以更快的速度來處理大量的數據。
“很多中國用戶在新建數據中心時明確提出，數據中心的建設要為大數據服務，因為大數據與企業(yè)的業(yè)務應用密切相關。數據中心架構的融合、變革和轉型是當務之急?！毙l(wèi)東表示。
那么，傳統(tǒng)數據中心與大數據時代的數據中心或者說新一代數據中心到底有什么區(qū)別呢？
通常來說，傳統(tǒng)的數據中心包括與風、火、水、電相關的數據中心基礎設施以及IT硬件設備。新一代數據中心除了包含上述基礎設施以外，更重要的是應用一些新技術讓數據中心的架構變得更加靈活和高效，比如采用新的數據處理架構以及一些節(jié)能減排的新技術等?！皞鹘y(tǒng)數據中心是堆棧式的，而新一代數據中心是模塊化的，其動態(tài)架構的好處可以在日后數據中心的運營過程中得以充分展現，比如降低運維成本，管理更簡單等?！毙l(wèi)東表示，“用戶在建設數據中心時，除了要關注數據中心的土建以外，更要考慮數據中心內設備的擺放。惠普現在能為用戶提供包括數據中心基礎架構、云計算、能源管理服務等在內的全套數據中心解決方案?！?/p>
大數據帶來的三大改變
大數據的出現將給數據中心基礎架構、數據中心的應用和運維帶來什么樣的挑戰(zhàn)呢？
衛(wèi)東表示，總體來看，由于數據量的增加，企業(yè)首先需要靈活、可擴展的存儲解決方案；其次，企業(yè)需要相應的商務智能處理軟件、算法模型來訪問并分析大量結構化和非結構化的數據；最后，隨著需要大數據分析的企業(yè)、部門、人員逐漸增多，勢必需要整個數據中心的計算能力、網絡速度以及整體業(yè)務反應能力得到進一步提升，這將促使數據中心整體架構加速向以適應性數據服務（Adaptive Data services）為特征的新一代數據中心架構轉變，集中化的數據中心、云計算中心和超級計算機中心將成為用戶努力的目標。
從數據中心架構的角度分析，在大數據時代，數據中心呈現出數據密集的特征，存儲、計算、網絡傳輸的需求呈指數增長，高并發(fā)、低延遲的環(huán)境要求數據中心架構具備更強的橫向擴展能力。由于數據增長具有不確定性，“數據洪流”發(fā)生的時間、流向、支流發(fā)展也無法確定。因此，用戶對數據中心架構的靈活性要求更高。未來的數據中心將更多地采用分布式的數據庫和文件系統(tǒng)，比如Hadoop架構可以存儲和訪問大數據，同時滿足數據中心架構對靈活性的要求。
從應用的角度分析，數據倉庫、數據挖掘和商業(yè)智能等應用領域會發(fā)生重大變革，對半結構化、非結構化數據的支持，尤其是基于非結構化數據的搜索應用將大量涌現。應用對大量數據的實時處理能力要求更高，并且希望利用更小的內存/磁盤空間處理更多的數據，同時借助數據壓縮、網絡優(yōu)化等技術提升存儲、網絡等資源的使用效率。大數據分析要求企業(yè)擁有充足的IT資源。因此，并非所有的企業(yè)都需要自備完整的大數據分析能力，數據分析云服務可滿足中小規(guī)模企業(yè)的分析需求。
從數據中心運維的角度分析，隨著數據存儲量急速增加以及應用模式的轉變，用戶在數據中心的運維方面將更關注如何提高性能和降低成本。用戶可以借助精簡配置（Thin Provisioning）等技術，提升IT設備的使用率，同時降低成本。此外，數據的分級存儲變得更為重要。借助分級存儲技術，用戶可以根據數據的活躍程度、訪問頻度等分配不同級別的存儲設備和網絡區(qū)域。由于深度挖掘的分析結果的價值不同，與之相匹配的IT資源也不同。
惠普亞太區(qū)存儲策略師Paul Haverfield指出，存儲管理者面臨著五大挑戰(zhàn)：第一，如何以更低地成本訪問數據；第二，如何讓數據的組織、查找和處理過程更加高效；第三，如何更好地備份和保護數據；第四，如何刪除不想要的數據；第五，如何提高數據中心的能效，節(jié)省空間。
避免陷入誤區(qū)
許多用戶在新建云計算數據中心時喜歡追時髦，而對于云數據中心到底能發(fā)揮什么樣的作用，如何去運維缺乏清晰的認知。
“始于基建，止于基建是許多中國用戶易犯的通病?！毙l(wèi)東表示，“由于數據中心的建設與使用分屬基建和科技兩個部門，基建部門建好數據中心就算交差，根本不會考慮數據中心內部IT設備應如何擺放。這就很容易造成數據中心在日后的運營過程中出現種種問題?！边€有一些用戶并沒有真正理解新一代數據中心的內涵，單純地以為新一代數據中心就是綠色、節(jié)能的數據中心，并且認為僅憑PUE值等幾個簡單的指標就能全面描述數據中心的狀況。
衛(wèi)東表示：“用戶在新建數據中心前，一定要想好數據中心能為業(yè)務的發(fā)展提供什么樣的支撐。新一代數據中心的建設要與業(yè)務運營相結合，要考慮與大數據之間的關系，只有這樣才能縮短數據中心的建設周期，節(jié)省成本，避免風險。”
有些人認為，數據中心就是一幢房子，是固定資產。其實，數據中心是企業(yè)的戰(zhàn)略性資產，是運營的基礎。在建設數據中心的過程中，企業(yè)要把技術、管理和人的因素全都考慮進去?；萜漳軌驗槠髽I(yè)提供轉向新型數據中心的全面服務。
針對企業(yè)在構建新型數據中心架構時可能遇到的問題，衛(wèi)東提出了以下建議。
第一，在數據中心的自建、合建、租賃模式之間做出選擇。企業(yè)可以根據自身的需求、資金實力等來判斷。如果數據都是企業(yè)專有的并且企業(yè)擁有足夠的資金，那么企業(yè)可以選擇自建數據中心。
第二，制定戰(zhàn)略目標。企業(yè)有了清晰的戰(zhàn)略目標，才能更清楚自己需要什么以及如何實現目標和先后步驟等。
第3篇：大數據時代數據的特征范文
關鍵詞：人力資源；大數據時代；機遇挑戰(zhàn)
經過多年的發(fā)展，人力資源管理的理論基礎依舊為工業(yè)時期中的管理經驗，隨著移動互聯網的出現，人力資源新的管理思想正在發(fā)生著深刻的變化，但當下我國人力資源管理的方式以及理論均未出現對應的創(chuàng)新。在人力資源傳統(tǒng)模式的管理中，企業(yè)人力資源部門由于對業(yè)務的認識缺乏深刻性，未對部門經理以及員工提供出及時直接性的支持，且其制定出的相關政策也缺乏靈活性與針對性，在實際推行中無法與其需求相互契合；同時，人力資源的管理者對事務型工作過于關注，無法提供業(yè)務需要的解決方案，因而人力資源部長期以來均被視為企業(yè)成本中心。
一、大數據的特征與類型
通常來說，大數據背景下的特征主要體現在三個方面，即多樣性、迅速化以及信息量大。其中多樣性主要體現在大數據形式的地理位置信息、手機GPS信號、傳感器文本、視頻、圖片以及文字等方面；迅速化：在多數狀況中，數據創(chuàng)建速度的重要性高于數量，接近實時或者實時的信息能夠使企業(yè)的運作與競爭對手相比更加靈活；信息量大：當下影視娛樂、電子商務、地理信息以及醫(yī)療衛(wèi)生等領域每日均產生出大量的數據，經國際數據企業(yè)監(jiān)測統(tǒng)計，截止到2011年，世界數據總量已高至1.8ZB，且每間隔一年均呈現出增長翻倍的趨勢。除上述三種特征外，有學者認為，大數據還應具備一個全新的特點，但對于這個新特點，各界的看法又各不相同，國際數據公司認為主要是大數據的價值性，即從海量的信息中可發(fā)掘出價值性極高的數據；而IBM公司則指出大數據理應具備真實性，例如社交網絡中的言論會帶有情緒化的內容，不一定準確真實。
二、大數據時代背景下人力資源管理面臨的機遇
（一）加強人力資源管理的業(yè)務支撐力與專業(yè)性
大數據的到來使HR的管理從經驗主義管理轉化為規(guī)范化與科學化的管理，且在其技術支持下，職員、崗位、培訓、薪酬、績效以及激勵等均能夠以數據化的形式體現，并歸納為量化的范疇中，使HR的管理更具專業(yè)化與高效性。在傳統(tǒng)管理中，對于數據的分析常為生成數據后的總結，管理具有滯后性；但大數據對于數據的分析則著重強調預測性，管理中要體現前瞻性，如傳統(tǒng)的管理對員工的績效水平是利用績效管理來實現；大數據的思路則在于挖掘數據尋找高績效職員的要素特征，并將其作為模型使每位職員均可持續(xù)性產生高績效。對于HR數據的分析，傳統(tǒng)方式會根據離職率進行；但大數據則是將所有的職員依照穩(wěn)定的情況分為多個樣本，通過挖掘數據尋找出與其穩(wěn)定性有關的特征，構建出可對候選人穩(wěn)定性進行識別的數學模型，進而通過分析應聘者的簡歷評估其穩(wěn)定性，為保留環(huán)節(jié)與后續(xù)招聘提供相關參考。
（二）將大數據作為決策的工具，提高人力資源管理的效果
因HR管理的主要對象為人，其能夠定量的程度與由資產、產品、流程以及制度等構成的物相比要低得多，與管理中其他的模塊相比，HR管理中的可量化性較低，這便加大了人力資源管理的難度，主要表現在無法客觀性評估資源管理的價值，充分認同其專業(yè)性。在大數據時代下，可使人才的供給與業(yè)務戰(zhàn)略匹配，提高投資回報率、定量化與直觀化管理人才，對人力資源管理來說，必須實時掌握信息動態(tài)情況，趨勢性分析未來的發(fā)展。大數據技術可利用人事信息資源的匯聚，全面關聯性分析其中的人員、組織、崗位以及業(yè)務等，對于人才的決策也有數據加以考量；同時，在人才的挑選、培育、應用以及保留等工作中，將大數據技術作為依托，能夠有效實現科學管理中所規(guī)定的可分析、可記錄、可測量以及可優(yōu)化，進而使管理決策的有效性得以大幅度提升。且在大數據的有力支持下，管理人力資源的部門在甄選人才、培訓提升以及鼓勵激勵等當中所發(fā)揮的影響與作用將越來越突出。
（三）加強人力資源管理對職員的影響
大數據背景下，人力資源管理將會向普通的職員靠近，通過與職員進行互動來建立數據接口，使大量的交互性數據得以產生，各部門職員也能夠積極參與到人事管理組織的工作中去，拉近職員與人力資源之間的距離，并加強了對職員的影響作用。大數據的利用，不管是員工的生活還是工作，云平臺均會自動收集與處理產生的各種數據，例如企業(yè)職員的出勤時間、加班時長、交流溝通的頻率、培訓需求、工作業(yè)績，甚至是職員常登陸的微博與論壇等，此類數據均將職員社會關系、工作狀態(tài)、能力情況、交往對象、發(fā)展?jié)摿σ约叭粘酆玫热娣从吵觥６肆Y源部門可對此類完整全面的信息進行有效掌握，提高對職員的綜合評價與需求的了解，確保人崗配置的精準性。
結語
在大數據時代下，人力資源管理者正處于對自身處境進行改變的良好機遇下，集團化方式、跨行業(yè)運營等均要求HR工作者積極創(chuàng)新，突破傳統(tǒng)思維的屏障，勇于“跨界”工作。人力資源部門對大數據技術的利用，還可有效分析能夠對職員產生較大激勵作用的互動模式、行為方式、態(tài)度以及物質等等，同時HR還能夠利用移動互聯終端實現對職員績效的激勵與認可，從而使企業(yè)員工能夠獲得最大化的成就感與幸福感，達到員工價值同組織價值之間的平衡互動。
參考文獻；
[1]李越恒.企業(yè)人力資源管理基于大數據的“挖掘”[J].人力資源管理，2015，24（2）：8-10.
[2]鄭薇薇.大數據時代企業(yè)管理的機遇和挑戰(zhàn)[J].時代金融（下旬），2016，23（1）：99-100.
第4篇：大數據時代數據的特征范文
>> 對數據新聞“熱”的冷思考 新媒體 熱追逐下的冷思考 新媒體時代下電視批評報道的冷思考 新媒體時代數據新聞的信息可視化應用 政務新媒體應用熱的冷思考 新媒體時代信息洪流中的冷思考 “新聞評論熱”的冷思考 DV新聞熱的冷思考 社會新聞熱的冷思考 民生新聞熱的“冷思考” 大數據熱背后的冷思考 政務大數據熱的冷思考 新農?！盁帷钡睦渌伎?冷思考：數據新聞的局限 對瑜伽熱的冷思考（下） “減負”熱下的冷思考 房產熱下的建筑冷思考 熱互聯下的冷思考 “微課熱”下的冷思考 熱錢攪動下的冷思考 常見問題解答 當前所在位置：中國 > 藝術 > 新媒體時代數據新聞熱下的冷思考 新媒體時代數據新聞熱下的冷思考 雜志之家、寫作服務和雜志訂閱支持對公帳戶付款！安全又可靠！ document.write("作者： 趙國寧")
申明:本網站內容僅用于學術交流，如有侵犯您的權益，請及時告知我們，本站將立即刪除有關內容。 摘 要：新媒體時代數據新聞火爆。無論是專業(yè)媒體還是新型的自媒體，都在用數據新聞進行新聞信息產品的生產。筆者通過數據新聞溯源，發(fā)現數據新聞是傳統(tǒng)精確新聞在互聯網時代下的發(fā)展與進化，在這種條件下，數據新聞以其同時滿足專業(yè)媒體重掌輿論引導權以及滿足受眾參與、對新鮮形式的新聞產品的需要迅速發(fā)展起來。但于此同時，也應當看到，由于技術原因的限制，數據新聞目前在有溫度的關乎人情、人性的新聞生產方面還存在一定缺陷，并且關于數據獲取與開發(fā)上在法律層面也存在爭議。因此一面要注意對數據新聞的正確定位，一面也要注意數據新聞中對數據開發(fā)的合理化和合法化。 關鍵詞：數據新聞;發(fā)展演變;原因探析;問題思考 中圖分類號：G206 文獻標識碼：A 文章編號：1672-8122（2015）08-0127-02
數據新聞的出現和發(fā)展正在悄悄改變著媒體的新聞生產格局，那么數據新聞到底是怎么產生的呢？其發(fā)展過程又是什么樣的？目前數據新聞如此火熱背后的原因是什么？以及數據新聞存在的潛在問題有哪些？本文對這些問題進行思考，并進行了初步的探索。
一、數據新聞的本質與發(fā)展演變
數據新聞，又稱數據驅動新聞，是大數據時代興起的一種跨學科的新聞生產方式[1]。是一種新型的數據生產方式，其基礎就是數據的抓取、數據挖掘、數據分析以及數據的可視化呈現。
數據新聞的前身是精確新聞。精確新聞指的是記者在進行采訪新聞的過程中，運用多種社會科學研究方法，如調查、實驗和內容分析等，來進行資料收集和事實查證，進而報道新聞的一種新聞生產方式。精確新聞的特點就是“精確”二字，它用精確的數據和概念等來分析新聞事件，盡量避免一些主觀和人為的錯誤，讓新聞報道更加符合客觀性原則和公正性原則，從而更加令人信服。20世紀50年代，美國就有媒體記者利用大型計算機對政府提供的數據庫中的信息進行分析，以發(fā)現和調查新聞事實[2]。并且在20世紀70、80年代就掀起了一場“精確新聞”運動。
當下火熱的數據新聞其實就是精確新聞在網絡時代的發(fā)展。在精確新聞時代，數據庫有限以及數據處理存在較大局限等原因，使得其發(fā)展一直受到制約，雖然在新聞報道中出現了“精確新聞”這一類別，但是卻一直未能大放異彩。隨著網絡時代的到來，限制精確新聞發(fā)展的門檻逐一被打破，使得其有了充分發(fā)展空間。并且還在這個數據極為豐富的時代和數據處理較為方便、高效率的時展成為了數據新聞。
網絡時代的到來為數據新聞的發(fā)展至少提供了以下三方面的有利條件：首先就是數據庫在網絡平臺的共享。所謂數據新聞，首先要有數據才能在此基礎上進行新聞的開發(fā)和挖掘。在互聯網時代到來之前，數據存儲就是其發(fā)展一大瓶頸，因為所謂的大數據指的就是超出常規(guī)的數據庫工具獲取、存儲、管理和分析能力的數據集。但互聯網技術卻解決了這些問題，給了以大量的數據作為支撐為特征的數據新聞樣式充分的發(fā)展空間。另外，在目前，很多數據庫資源的組織和個人都在積極尋求合作，希望共享資源，充分開發(fā)數據庫，數據庫的開放也為數據新聞的發(fā)展提供了堅實的基礎;其次就是數據處理技術的發(fā)展。20世紀90年代中期以后，計算機輔助報道就逐漸興起，發(fā)展至今日，數據處理軟件逐漸完善，功能也日趨強大，這就大大提高了數據分析的效率，使得數據新聞處理起來能有更高的效率。并且，數據處理軟件還可以生成形象化的圖表，使得數據形象化;最后就是互聯網技術的發(fā)展給數據新聞表達形式的多樣化提供了便利。數據新聞時代數據的表達形式更加多元化，最初數據新聞的表達形式只是新聞圖表，到互聯網時代，計算機技術更加發(fā)達，H5動態(tài)圖、動新聞等形式相繼出現，使得數據新聞的表達更具有形象性。并且，新媒體這種新型媒體的出現也大大方便了這種新表達方式的傳播，短小而精悍的內容非常適合新媒體時代的快速閱讀、淺閱讀和短閱讀。
二、當下數據新聞“熱”的原因探析
首先，就是新媒體的“即時新聞”給專業(yè)媒體帶來巨大沖擊迫使專業(yè)媒體另辟報道重點。新媒體環(huán)境下，以往憑借“時效性”競爭的媒體已經完全喪失了優(yōu)勢，在事件發(fā)生現場的公眾成為了第一新聞者，尤其是有關突發(fā)事件的新聞信息的，一般其第一平臺都是在社交媒體網站，之后才是捕捉到相關消息的專業(yè)媒體相關新聞信息。隨著web2.0和web3.0的出現，公民新聞對專業(yè)媒體新聞的沖擊日益凸顯。在這種背景下，專業(yè)媒體不能與公民新聞爭奪時效性，就需要轉變報道思路，將重點轉向其他的報道方向。在互聯網時代大數據活躍的環(huán)境下，專業(yè)媒體人自然的將目光轉向“數據新聞”，希望以較為專業(yè)的、與時俱進且報道角度和方式都較為新穎的數據新聞來在新聞報道中重新找到自我位置，找回自我在新聞報道以及輿論引導領域的主導權。正如彭蘭教授所言，如若媒體能夠利用互聯網時代出現的大數據技術，把報道重點和更多的注意力轉向對未來趨勢的預測上面，那么，就很有可能在即時性“公民新聞”難以達到的一個高度上實現媒體價值的重新塑造[3]。
其次是新媒體環(huán)境下受眾地位的改變與受眾對數據新聞的需要?！盎ヂ摼W+”的時代，各行各業(yè)的發(fā)展都以“用戶本位”的方式思考，傳媒行業(yè)也不例外。以往壟斷的灌輸式的新聞生產方式和報道方式已經完全不適用當代的傳媒規(guī)律，當下強調的“用戶主導”、“以用戶為中心”就是受眾地位提升的體現。既然強調受眾本位，那么了解受眾就成為了專業(yè)媒體做新聞的當務之急，以大數據對受眾喜好、習慣進行分析，找到新聞產品的市場，有針對的對新聞信息產品進行改良，使其符合受眾的需要，這才是專業(yè)媒體的繼續(xù)發(fā)展與再度繁榮之路。
而受眾對于數據新聞的需要主要則基于以下兩點：一方面是受眾對形象化與新穎的新聞表達的需要。數據新聞的特色就是形象化、可視化和新穎性，新媒體時代是快速閱讀的時代，快速閱讀留給人思考的時間相對來說就比較短，形象、量化、簡潔且有一定深度的新聞信息就成為符合當代讀者需要的新聞內容，這樣的新聞信息也比較受當代讀者的歡迎。數據新聞無疑就是最符合上述特點的新聞形式，即基于數據的分析檢索，通過詞頻檢索、相關詞組合等提煉出紛繁數據資料以及文字等資料中的核心內容，通過漫畫圖表新聞、動新聞等進行可視可聽的表達，滿足了受眾需求;另一方面則是受眾參與性的需要。傳統(tǒng)媒體時代新聞信息傳受不平衡，一般以傳統(tǒng)媒體為核心，受眾的反饋則處于末位。而新媒體時代，受眾地位則迅速提升，伴隨其地位提升的同時，其要求參與的愿望越來越強烈。恰好數據新聞的制作過程就可以融入讀者參與的環(huán)節(jié)，比如眾包選題，比如素材征集，再比如最后的評判等。于此同時，受眾參與情況、側重方面等的數據又可以反饋給專業(yè)媒體保存為數據庫資料，掌握受眾信息，再次促進新聞信息生產的改良，使其更符合受眾、讀者的口味。
因此，無論是專業(yè)媒體還是受眾，都能在數據新聞上被滿足需要，這也就是當下數據新聞火熱的一個重要原因所在。
三、數據新聞潛在問題思考
通過以上對數據新聞起源以及其火熱原因的分析，其前途看似光明，但是也存在不少潛在的問題。以下主要從兩個角度來論述。
（一）數據新聞與有溫度的新聞之間的矛盾沖突
從某種意義上講，數據新聞是對復雜龐大資料的有序化、簡潔化處理，這個處理是以關鍵詞以及關鍵詞間的組合頻率為基礎的。對一些時政硬新聞、經濟硬新聞來講是沒有什么問題的，借助大數據和數據處理軟件的技術從龐大的資料庫中提取核心事實框架，并以形象化、趣味性的表達方式進行新聞信息的傳播，使得受眾也能夠在最短的時間內獲取最有價值的信息，提高新聞信息的傳播與閱讀效率。它既滿足了專業(yè)媒體良好傳播效果的需要，也滿足了受眾高效率獲得新聞信息的需要。
但是，除此之外還應該注意到，新聞是為人服務的，要體現“以人為本”。因此，除了對那些硬新聞核心實時的報道之外，新聞還應該有溫度，體現對人的關懷。尤其是在關乎人物的報道中，人情、人性與心理的展現才能讓新聞有溫度，新聞稿件從字里行間傳遞出情感，讓新聞打動人、感染人、激勵人。而有情感語言的表達不一定是情感詞語的直接表達，還有可能通過句子、詞語的特定組合與結構方式來傳達，這就是所謂的話外音。這就給數據檢索帶來困難，目前還沒有軟件能解讀這樣的文字數據。因此，雖然數據新聞在新媒體時代具有強大的吸引力，但是也不能陷入“唯數據論”的極端之中，讓新聞極化為只是冰冷數字的排列組合。應該將其作為一種新聞生產的輔助工具或一種新形式的生產方式，不能過分夸大其作用和地位。
（二）數據新聞與隱私之間的矛盾沖突
第5篇：大數據時代數據的特征范文
【關鍵詞】 大數據 數據中心 海量 價值
智能電網在發(fā)電、輸電、變電、配電和用電各個環(huán)節(jié)產生了海量的數據，電網數據類型復雜，并且數據體量已極具規(guī)模，傳統(tǒng)數據中心已無法滿足海量復雜數據的處理和分析要求。目前，電力企業(yè)數據中心已初步完成了結構化數據庫、實時數據庫、非結構化數據庫、地理信息數據庫的建設，但是各數據庫分別獨立部署，數據共享和關聯性不高，傳統(tǒng)數據中心平臺難以快速處理海量復雜數據、無法滿足大數據時代下的數據挖掘需求，無法支撐不同類型數據的關聯分析應用。因此，電力企業(yè)需要積極思考傳統(tǒng)數據中心需要如何應對大數據的挑戰(zhàn)。
一、大數據的特征
目前大數據（Big Data）在業(yè)界尚無形成統(tǒng)一的定義，引用麥肯錫全球研究院在《大數據：下一個創(chuàng)新、競爭和生產力的前沿》報告中的描述，即：大數據是指無法在一定時間內用傳統(tǒng)數據庫軟件工具對其內容進行抓取、管理和處理的數據集合。雖然大數據的定義還未統(tǒng)一，但大數據的特征卻是明確和公認的。
數據體量巨大（Volume）。企業(yè)的各種終端設備和傳感器產生了大量的數據，PB級的數據集規(guī)?？芍^是常態(tài)。
數據類型繁多（Variety）。大數據時代，非結構化數據越來越多，包括網絡日志、音頻、視頻、圖片、地理位置信息等，這些不同類型的數據對數據的處理能力提出了更高要求。
處理速度快（Velocity）。這是大數據區(qū)分于傳統(tǒng)數據中心的最顯著特征，在海量的復雜數據面前，數據的處理效率就是企業(yè)的生命，并且受數據時效性的制約，大數據要求處理速度更快、實時性更高。
價值密度低（Value）。價值密度的高低與數據總量的大小成反比，一段1小時的視頻，在連續(xù)不間斷的監(jiān)控中，有用數據可能僅有一二秒。如何在海量的復雜數據中快速完成數據價值的“去噪”和“提純”成為目前大數據背景下亟待解決的難題。
二、大數據對傳統(tǒng)數據中心的影響
目前，多數企業(yè)已建成一體化企業(yè)級數據中心平臺，能夠滿足日常業(yè)務的需求，但大數據時代對傳統(tǒng)數據中心的數據存儲能力、數據處理能力、數據交換能力、數據展現能力以及數據挖掘能力都提出了更高的要求，大數據對傳統(tǒng)數據中心提出了新的挑戰(zhàn)。
2.1 非結構化數據的重要性越來越大
傳統(tǒng)數據中心的數據一般來源于用戶通過個人電腦、移動終端、POS機等常規(guī)渠道生成的結構化數據。而大數據時代數據類型多樣化，半結構化數據和非結構化數據呈現爆發(fā)式增長，且增長速度遠遠超過結構化數據。這些通過傳感器、監(jiān)測儀、機讀儀器等機器設備產生的天氣、位置、音頻、文本等海量復雜數據越來越多，企業(yè)開始使用這些數據來改進產品、提高效率、尋找缺陷，其數據的重要性將會越來越大。
2.2 數據的時效性要求越來越高
傳統(tǒng)數據中心的數據更新周期基本為日、周、月，輔以少量的實時數據更新，商務智能也基本以日、周、月、季度和年為時間維度的靜態(tài)數據分析。大數據時代，對數據的處理速度和數據的時效性提出了更高要求，而當今社會日益加劇的商業(yè)競爭讓每個企業(yè)都希望能通過實時分析報表和結果數據來隨時掌握企業(yè)運營狀況，并迅速作出決策和判斷。以電力電量平衡測算為例，需要實時采集電網數據、實時分析、實時計算，快速測算結果，并反饋至電力調度部門進行有序用電執(zhí)行預案的實時決策，如果相關數據獲取不及時則會大大影響調度部門對有序用電的分析和決策。
2.3 大數據改變數據分析模式
傳統(tǒng)數據分析以結構化數據分析為主，業(yè)務分析更是以被動式信息接受為主。大數據時代下，隨著數據的累積和增加，可做的分析和對比也越來越多。通過對大量的數據進行分析，從而揭示數據之間隱藏的關系、模式和趨勢；通過結構化數據、半結構化數據、非結構化數據的融合關聯分析，實現文本分析、數據挖掘、圖形分析、空間分析等數據分析模式，為決策者提供不同角度不同形式的分析判斷依據。
2.4 大數據影響信息基礎架構
目前電力企業(yè)數據中心主要以Unix為代表的操作系統(tǒng)服務器硬件平臺、以Oracle關系型數據庫為代表的企業(yè)級數據存儲平臺和以BW（數據倉庫，Business Warehouse）、BO（業(yè)務對象，Business Object）為代表的企業(yè)級商務智能分析平臺組成。隨著智能電網的發(fā)展，半結構化和非結構化數據呈現出快速增長的勢頭，大量部署的傳感器、監(jiān)視器、智能交互終端等設備都可以成為數據來源，并且其數據量大大超過了結構化數據。大數據時代下，分布式處理的軟件框架使得x86服務器開始大行其道，列存儲、內存數據庫、NOSQL存儲、流計算等技術將成為數據存儲和處理的主流技術。
傳統(tǒng)數據中心商務智能專注單一數據集的分析處理，這造成了不同類型數據之間的割裂。而大數據分析聚合多個數據集，注重不同類型數據的融合集成與關聯分析，是一種綜合關聯性分析。因此，傳統(tǒng)數據中心分析處理架構已無法適應大數據時代的分析要求。
三、大數據時代下傳統(tǒng)數據中心發(fā)展的思考
大數據的核心價值在于從海量的復雜數據中挖掘出有價值的信息，通過大數據技術進行更快地分析、更準確地預測，發(fā)掘出新的業(yè)務模式，創(chuàng)造新的商業(yè)發(fā)展機會。因此，大數據時代下，企業(yè)迫切需要思考如何應用大數據技術改造完善已有數據中心平臺，提升企業(yè)的數據處理能力，提高數據分析水平，將大數據融入企業(yè)的整體數據方案。
3.1 部署大數據分布式處理框架
分布式處理框架是大數據時代下數據中心架構的基本特征，包括分布式存儲和分布式計算。分布式存儲采用了可擴展的系統(tǒng)架構，利用多臺存儲服務器分擔存儲負荷，它不但提高系統(tǒng)的可靠性、可用性和存取效率，還易于擴展。分布式計算將大量的分析計算任務分解為若干小任務，然后將分解后的任務分配到不同的處理節(jié)點，最后將計算結果綜合起來得到最終的結果。分布式計算具有更強的并行計算能力和擴展性，且適合多類型數據的混合處理，因此，電網企業(yè)需要在原有數據中心架構基礎上，構建分布式處理框架，提升數據存儲和處理能力。
3.2 研究構建大數據分析處理架構
梳理電網企業(yè)數據中心現有的技術架構，研究大數據關鍵技術，結合目前行業(yè)主流的大數據處理架構，重點研究基于大數據平臺的數據中心信息基礎架構，在保護企業(yè)現有信息化投資的基礎上，探索適合自身的大數據解決方案，將大數據融入企業(yè)整體數據方案。利用大數據技術改造完善數據中心分析處理架構，研究融合結構化數據、實時數據、位置數據和非結構化數據的大數據信息基礎架構，構建企業(yè)級大數據分析與挖掘平臺，實現不同類型數據的融合集成與關聯分析，支撐大數據分析應用，提升數據分析和挖掘能力。
3.3 利用大數據分析創(chuàng)造價值
數據的核心是發(fā)現價值，駕馭數據的核心是分析。如何駕馭大數據，如何在海量數據中挖掘有價值的信息是重中之重，因此企業(yè)更應專注于數據中隱藏的價值，通過應用大數據技術分析，充分挖掘數據的核心價值，不斷優(yōu)化業(yè)務流程，降低管理成本，輔助企業(yè)做出科學的決策，為企業(yè)的持續(xù)創(chuàng)新與發(fā)展積蓄力量。
信息的影響力取決于數據關聯的能力，聚合多個大數據集所獲得的新的洞察力要遠遠超出單一大數據集所獲得的洞察力。例如種子公司與農作物保護提供商和氣象部門合作就綜合利用了多個大數據集，包括天氣數據、土壤濕度數據、土壤類型數據、種子數據和其他數據，對這些數據進行交叉關聯分析，可以幫助種植戶收獲更高的產量。而在電力企業(yè)，將來自配電、用電、客戶、天氣等不同數據源的數據經過轉換、整合，將會產生新的業(yè)務價值。對電力交易數據、氣候數據與客戶家庭年齡結構、生活習慣等因素融合分析，了解客戶用電行為，滿足客戶的差異化需求，并通過探尋深層需求開辟新的增值業(yè)務空間。
3.4 如何讓數據驅動業(yè)務
如何讓數據驅動業(yè)務，這是大數據時代下數據中心必須思考的關鍵問題。傳統(tǒng)數據中心疲于應付業(yè)務部門的需求，而大數據時代下，數據的復雜性決定了數據中心需要更加快速地應對業(yè)務需求的變化和不確定性，因此數據中心必須由數據的保管者和服務者轉變?yōu)閿祿墓芾碚吆蜎Q策者，從被動的響應業(yè)務部門的要求轉變?yōu)橹鲃酉驑I(yè)務部門提供數據服務。
數據驅動業(yè)務是指數據作為一種生產力將數據分析挖掘的信息實時、主動地反饋給業(yè)務決策者并影響、反哺企業(yè)業(yè)務的過程。大數據時代下，可以對企業(yè)業(yè)務進行全過程分析、全方位監(jiān)控、模擬預測，實時進行反饋，并及時調整決策改善業(yè)務發(fā)展方向，使得業(yè)務可以從數據上立即得以感知，業(yè)務可以用數據評價并由數據決策。
第6篇：大數據時代數據的特征范文
[關鍵詞]大數據；企業(yè)；管理決策
doi：10.3969/j.issn.1673 - 0194.2016.06.038
[中圖分類號]F272 [文獻標識碼]A [文章編號]1673-0194（2016）06-00-02
正確的決策是企業(yè)公共競爭優(yōu)勢的源泉，一項良好的決策能幫助企業(yè)產生更優(yōu)的組織績效，其效果積累也會為企業(yè)造就更強的競爭優(yōu)勢。伴隨云計算、移動計算等新興技術的興起，數據模式的高度復雜化和數據規(guī)模的爆炸式增長標志著全球已進入網絡化大數據時代。數據成為最重要的決策依據和基礎，能夠幫助企業(yè)進行更高效、更及時的管理決策，從而盡快創(chuàng)造新的商業(yè)機會和契機，轉變企業(yè)以往僵硬的商業(yè)模式。當前我國對大數據方面的研究多基于或限定于技術層面，鮮有從管理學角度、大數據角度來分析企業(yè)管理決策的研究。管理決策和大數據應如何定義？大數據是如何發(fā)揮影響企業(yè)管理決策效應的？諸如此類的問題尚需要系統(tǒng)研究。
1 大數據的定義
維基百科對大數據所作出的定義是：難以在一定時間內，通過常規(guī)軟件工具來對其內容進行采集、管理、處理等工作的數據集合。此外，麥肯錫全球研究所給出的定義是：一種規(guī)模大到在獲取、存儲、管理、分析方面大大超出了傳統(tǒng)數據庫軟件工具能力范圍的數據集合，具有海量的數據規(guī)模、快速的數據流轉、多樣的數據類型和價值密度低四大特征。就筆者而言，以上均是基于大數據特征方面來對其進行定義的。國內很多學者也對大數據的定義作出了探索。以李國杰先生為代表的學者們將大數據定義為：不能在一定時間內通過傳統(tǒng)軟硬件工具和IT技術對其進行獲取、管理等的數據集合。而以馮芷艷為代表的學者們則認為大數據與大規(guī)模數據以及海量數據的概念相似，但相異之處是大數據在數據復雜性、產生速度等方面遠超現有的技能處理能力，且產生了巨大的產業(yè)創(chuàng)新契機。而以劉玉楓先生為代表的學者們認為大數據是指所涉及的資料量超過現有主流軟件和工具的承載能力，通過合理時間內采集、管理、整理等為企業(yè)經營決策提供更為積極的一種資訊。
作為一種基礎性資源，大數據的商業(yè)價值絕不是只來自于數據本身，其更多源于企業(yè)采集、存儲、使用大數據的能力。如果對學者們的觀念進行整理歸納可以發(fā)現，這些基于大數據特征的定義多數強調大數據規(guī)模巨大到現有技術手段的處理能力難以承載。而那些基于其價值的定義也更多是對其價值實現的關注。當然，目前也有學者認為大數據的價值并不局限在數據本身，其只有上升到能力高度，其價值才能充分挖掘出來。
2 大數據對企業(yè)管理決策產生的影響
決策貫穿于企業(yè)管理的全過程，管理決策過程可分為情報收集、計劃選定等階段。企業(yè)的管理決策應涵蓋戰(zhàn)略決策以及在戰(zhàn)略決策過程中的各項具體決策，此類決策注重對組織未來和組織環(huán)境的預測，也注重組織內部資源配置和協調的實現。作為一項高度動態(tài)性和復雜性的管理行為，決策面對著信息收集、篩選、模糊性及各類沖突。大數據技術的逐漸成熟、數據的飛躍式碰撞，這些都對當前企業(yè)的管理決策產生重要影響。這方面的影響既涵蓋了決策主體和思維模式，也涵蓋了決策文化和組織模式等方面。
2.1 大數據對管理決策主體方面的影響
一項有效的決策需具備相應的決策程序、文化、組織等，但究其核心還是決策的制定者，即決策主體。企業(yè)決策主體一般分為兩類，一是企業(yè)高層管理者，高層管理者的職位權限能讓其在重大決策中發(fā)揮關鍵作用。二是基層員工或一般管理者。對一般管理者和基層員工來說，他們創(chuàng)造的產品、服務和價值等更貼近社會大眾的需求，這為其正確決策提供了便利。在此過程中，普通員工可以主動引導用戶參與到產品的設計、推廣、客戶關系管理等環(huán)節(jié)中去，并依據用戶的反饋，對產品、服務等加以改進，從而幫助企業(yè)實現快速發(fā)展?？梢?，普通員工也是企業(yè)獲取決策信息的重要來源。
在互聯網經濟時代，不同產業(yè)間的界限性越發(fā)模糊，而社會化決策也應用而生。在大數據背景下決策主體發(fā)生了轉變，從決策權歸屬來看，一些表現出色的員工開始參與決策，決策主體并不再局限于管理層；從企業(yè)決策信息來源分析，因信息技術快速爆炸和普及，普通民眾也可以成為大數據時代中的主角，均能通過數據利用參與或作出決策，這也意味著決策主體開始呈現多元化，正從企業(yè)精英向普通民眾擴展，決策者之間的特征也越發(fā)復雜化。
2.2 大數據對管理決策權配置方面的影響
大數據除影響決策主體外，也對企業(yè)管理決策權的配置方面產生著影響。筆者認為決策權配置主要包涵3個層面：①組織之間的決策權配置；②組織和外部環(huán)境間的決策權配置；③組織內部人員和部門、團隊之間的決策權配置。此外，決策權配置分權程度也決定企業(yè)的決策權配置模式究竟是集中式還是分散式。集中式決策權主要指在組織系統(tǒng)中，決策權被較高程度地予以集中，其意味著企業(yè)較高、甚至最高的管理層掌握著企業(yè)組織的大多數決策。而分散式決策主要指決策權在較低管理層次上的分散，讓各部門的管理者具備一定程度的自。
在大數據背景下，企業(yè)所能獲取的信息越來越多，決策組織也開始扁平化發(fā)展。信息技術能讓中低層管理者基于全局視野制定更好的決策，以金字塔型為標志的傳統(tǒng)組織結構逐漸被具備企業(yè)管理網絡化等特征的扁平式組織結構所取代。企業(yè)決策權的配置也應遵循此變化，分散式決策注定要成為大數據背景下主流決策模式，普通員工也將擁有決策權限。隨著大數據時代的到來，企業(yè)決策需更多人參與其中，因此，扁平化組織結構模式的優(yōu)勢更為明顯。
2.3 大數據對管理決策思維方面的影響
作為決策中的重要構成因素，決策主體思維的不同表現也決定在制定決策時，所依據的信息、方式等必然不同，且在決策制定的過程中也會予以表現。決策思維分為理性和感性，在大數據時代背景下，企業(yè)要盡量系統(tǒng)、全面、準確地收集信息，并通過數學方法來對其進行建模分析，從而挖掘出背后關系。傳統(tǒng)管理決策模式對管理者經驗和直覺判斷非常依賴，而新的管理決策模式將會改變此種現象，即由“依靠直覺進行的決策思維模式”，向“依靠數據進行的理性決策模式”轉變。
2.4 大數據對管理決策文化方面的影響
在不同文化作用下，企業(yè)管理決策的選擇方面必然存在差異。決策主體在目標確定、方案設計和決策完成的過程中，其文化價值觀均在這些方面發(fā)揮著作用。傳統(tǒng)管理決策多數取決于管理者對企業(yè)內外部環(huán)境的評估，主觀性顯著，企業(yè)更多關注管理者的思維情感，且管理者制定決策的決策文化也充斥著各種潛在的決策風險和事務。大數據時代來臨后，也為規(guī)避這些風險和失誤提供了契機。日漸成熟的分析技術及爆炸式的數據增長，都為企業(yè)更精準的預判提供了更多可能性。企業(yè)數據資源的獲取渠道越豐富，決策者作出正確決策的概率性就越高。隨著大數據時代的到來，企業(yè)要提升預判準確性須確立通過真實數據來確定企業(yè)決策的文化機制。有學者指出，管理者應注重相關關系，而非對因果關系分外關注，意思是企業(yè)應將關注的重點放在如何充分利用自身現有數據來發(fā)揮最大價值上，而不是只關注企業(yè)管理者腦中思考什么。
3 大數據和企業(yè)管理決策管理影響因素分析
大數據時代的到來既為企業(yè)帶來了大量商業(yè)機遇和契機，也產生了許多亟待解決的問題。同時，管理數據和大數據之間的關系也受到了多方面因素的影響，為此，筆者對影響大數據和管理決策關系因素予以充分關注，并在前人研究的基礎上，通過宏觀層面和微觀層面展開分析，對大數據中的數據政策、行業(yè)結構、政府支持、技術發(fā)展及人才配置等進行探究。
3.1 數據政策
數據在大數據時代中具有無與倫比的價值，其也成為新型商業(yè)模式和經濟投入的基礎因素。伴隨著數據規(guī)模擴展及數據價值被日益注重，大數據時代數據趨于跨組織便捷化和數字化，因此，在宏觀大數據背景下，數據政策是影響管理決策的最重要因素，此種數據決策一般包涵數據安全和責任、知識產權、隱私保護等方面的政策。數據本身存在可復制、可反復利用、泄密性高等特性，企業(yè)因此在為作決策而收集數據時經常要面對知識產權、隱私保護等方面的問題，為制定正確決策，獲取充分數據，企業(yè)必須攻克數據獲取障礙的難題。
3.2 行業(yè)結構
麥肯錫研究報告指出，大數據價值獲取難度很多時候會取決于行業(yè)結構和行業(yè)差異性。基于數據存儲角度，行業(yè)總體的大數據增長趨勢都很明顯，各個行業(yè)在數據存儲量上存在差異，產生和存儲的類型也各有不同。企業(yè)的數據強度高，進行決策時則更為有利。
3.3 政府支持
大數據不僅能為企業(yè)發(fā)揮卓越功效，在提高國家創(chuàng)新能力方面也起到重要作用。為此，大數據也被上升到了國家層面。政府扮演著政策制定者的重要角色。大數據可從信息通信技術基礎設施建立、數據安全保護和信息機制共享的建設等方面為管理決策提供幫助。
3.4 技術發(fā)展
相當比例的數據價值不是直接呈現給使用者的，其需要使用者對其進行創(chuàng)新性釋放分析。大數據技術是作為基礎對大數據和管理決策發(fā)揮著重要影響作用。容量大和速率較快的大數據工具也是大數據戰(zhàn)略中不可分割的組成部分。對決策來說，大數據技術是不可或缺的因素，企業(yè)應保持其技術和技能方面的不斷創(chuàng)新，從而有效應對數據洪流暴漲對其產生的新挑戰(zhàn)。
3.5 人才配置
隨著數據越來越廉價，數據處理和提取能力的價值便越發(fā)凸顯，而這期間，數據科學家和其他相關的信息專業(yè)處理人員地位尤為重要。數據分析和挖掘方面的人才匱乏，會嚴重制約企業(yè)數據分析挖掘能力的提升，也必然會對企業(yè)管理決策的質量和速率產生影響。為此，人才方面也是大數據影響管理決策的因素之一。
4 結 語
大數據引發(fā)了企業(yè)管理決策多方面的變化，也為管理決策創(chuàng)新提供了更多的機遇和思考方向。此外，大數據支持下的科學管理決策對企業(yè)商業(yè)模式和服務等的創(chuàng)新都極有裨益，因此，在大數據時代背景下，只有不斷提高決策速率和決策準確性，企業(yè)的效益才能實現長久、良性增長。
主要參考文獻
第7篇：大數據時代數據的特征范文
隨著物聯網和云計算等信息技術的發(fā)展，數據呈爆炸式的增長，大數據時代已經到來。大數據時代的到來對數字圖書館的信息服務方式造成了巨大的沖擊。本文開展了大數據技術在圖書館的應用研究，重點分析了如何將大數據技術融入數字圖書館信息服務中。
【關鍵詞】大數據 數字圖書館 信息服務方式
1 引言
從2012年開始，大數據（Big Data）的概念被炒得火熱，漸漸比物聯網、云計算還要火熱，種種跡象表明大數據時代即將到來。所謂大數據，其泛指海量的數據集合，人們無法利用原有的技術實現對數據集的高效處理，都可稱之為大數據。如何從大數據中高效的挖掘出有價值的信息是研究的重點。在大數據時代如何將大數據技術應用于數據圖書館中，為用戶提供更滿意的服務，已經成為圖書館面臨的首要問題。本文研究如何將大數據技術融入數字圖書館信息服務中，從而為用戶提供更滿意的個性化信息服務。
2 數字圖書館信息服務體系
2.1 數字圖書館信息服務的概述
何為數字圖書館信息服務？數字圖書館信息服務就是通過對信息和資源的搜索，采集，組織，查詢，傳播，得出各種需要的信息，制作出數據庫，因特網，以及電子版等各種多媒體資料，它是一種對信息的采集整合活動，用戶可以從中得到二次或者全部文獻。
2.2 數字圖書館信息服務的模式
數字圖書館主要是將圖書館內的圖書轉換為電子數據，并提供圖書檢索服務?，F如今，每個圖書館都可以構建圖書館，不同地區(qū)不同國家的圖書館也可以聯合構建圖書館，這兩種方式其本質都是通過數據集的信息共享來實現圖書資源的共享。針對于以上兩種不同的數字圖書館構建方式和信息服務方式，可以從宏觀上將數字圖書管的服務模式分為單一數字圖書館服務模式和多個數字圖書館聯合服務模式。
2.2.1 單一數字圖書館服務模式
單一數字圖書館服務模式，從字面上理解，其就是針對于單個圖書館所構建的數字圖書館。單一數字圖書館服務模式所針對的數據集是由單一圖書館所提供的，并不涉及到圖書館之間的數據集交互。其主要針對于單個圖書館進行研究，并發(fā)揮該圖書館的特色，針對其特色為用戶提供針對性的信息服務。在互聯網發(fā)達的現在，數字圖書館的一個主要服務模式是通過互聯網進行的，而數字圖書管的網絡服務模式又可分為主動服務和被動服務兩種。
其中主動服務是針對與用的需要來提供信息服務，其是以用戶未中心的，根據用戶需要提供個性化信息服務，用戶對圖書館服務的滿意度取決于數字圖書館能否為提供用戶滿意的信息服務，主動式的信息服務模式主要通過分析用戶需求和提供信息檢索內容來提高用戶滿意度。主動服務模式的服務流程如圖2-1所示。
被動式的信息服務模式，其是以圖書館的管理人員為中心的信息服務模式，其服務的目標是圖書館管理人員，并不考慮用戶的實際需求，用戶的信息獲取方式是被動的，需要用戶去適應數字圖書館，信息的接收方式也是被動的。這種信息服務模式從本質上來說提高了圖書館的內部管理和檢索效率，但是并沒有考慮對用戶的服務質量，作為一個為用戶提供服務的管理信息系統(tǒng)，該模式通常不能為用戶提供滿意的服務。被動服務模式的服務流程圖如圖2-2所示。
2.2.2 多個數字圖書館聯合的信息服務
數字圖書館可以被全世界各個國家和地區(qū)廣泛參與和應用，并且實現信息交流，由世界各國各地的多個圖書館構建起來的數字圖書館，對數據信息化的方式也有很多種，得到的內容也能用許多方式展現出來。因此，數字圖書館對信息的共享和流通有很大的作用，能最大化的滿足用戶之間的資源共享。要實現多個數字圖書館的聯合服務可以通過以下幾個模式：數字圖書館聯盟、聯邦檢索服務和制定規(guī)范化的標準。
3 基于大數據的數字圖書館信息服務內容
3.1 基于大數據的數字圖書館資源發(fā)現
資源發(fā)現對圖書館信息服務來說至關重要。信息服務的基礎就是資源發(fā)現。就大的數據環(huán)境來看，數字圖書館的信息資源具有復雜的結構，豐富，廣泛的分布等特點，在這些廣泛分布的資源信息中發(fā)現并找出他們的聯系是一個至關重要的點。就目前來看，這些數字資源被儲藏在不同的數字圖書館之中，面對各種不同的數據結構，還需要一定的工具和技術供數字圖書館利用，以便更好的發(fā)現尋找整合信息資源。
資源發(fā)現的目標是，發(fā)現更多的符合用戶需要的數字化信息資源。在大數據環(huán)境下，就是通過大量的技術，從海量的數字資源中，提供用戶滿意的數字信息資源。
資源發(fā)現的內容是，數字化的館藏信息資源和用戶信息資源。在大數據環(huán)境下，數字圖書館不僅僅能夠提供單一的館藏信息資源（包括文獻數字資源，圖書數字資源以及聲像數字資源），還應該能夠提供用戶信息資源的發(fā)現（包括用戶行為信息資源和用戶需求信息資源）。
資源發(fā)現的方式根據不同的發(fā)現內容，其方式也各有不同。用戶行為發(fā)現和用戶信息需求是信息資源發(fā)現的兩個主要方面。發(fā)現的內容不同倒是結果不同。當然，發(fā)現的模式也不盡相同。用戶的行為發(fā)現有通過在各個網站上的注冊信息，雨用戶的實時交流，以及各種網絡問卷調查這三種模式。用戶信息需求的調查包括基于元數據倉儲資源發(fā)現模式、基于用戶數據挖掘和分析的數字資源發(fā)現和基于大數據決策的信息資源發(fā)現。這些都是發(fā)現用戶信息的模式，都被廣泛利用。
3.2 基于大數據的數字圖書館信息存儲
在大數據時代，數字化信息的容量呈現爆炸式的增加，存儲的信息不再是簡單的文獻題目等基本信息，還有文獻內部內容的部分信息，數據量從MB幾何倍增至TB甚至是PB級別。針對于數字圖書館如此龐大的數據量，如果從其中高效準確的獲取所需的數據資源，是大數據時代數字圖書館必須解決的問題。目前已有的文件存儲系統(tǒng)的文件存儲方式和檢索方式已經不能適應如此龐大的數據管理需求。同時在大數據時代，數字圖書館除了要存儲圖書館館藏資源信息外，還需要存儲大量的用戶個人行為信息以便滿足用戶的特定需求，在此又涉及到數據結構的問題，在大數據時代數據結構呈現出多維化的趨勢，針對結構的不同可以劃分為結構化數據、半結構化數據和非結構化數據。如果解決不同結構數據的合理存儲、融合、分析和處理是大數據時代圖書館迫切需要解決的問題?，F在已有相關技術來解決以上的問題，包括Map Reduce技術、Hadoop技術、No SQL以及云計算。
3.3 基于大數據的數字圖書館信息資源組織
數字圖書館作為一個可復用提供檢索服務的龐大信息管理系統(tǒng)，它是大規(guī)模、分布式、有組織的和具有資源共享的數據庫和知識庫的集合體。對于用戶而言，其并不關心數字圖書館中數字資源的具體存在形式，其只關心獲取的信息是否滿足自己的檢索需要。為了實現用戶需求和檢索結果匹配的精確性，就需要兩者之間具有某種“默契”。一致性匹配方式是在數字圖書館中，為了更好的為用戶提供信息服務，就需要首先針對數字圖書館的館藏資源進行科學準確合理的描述和組織，進而形成一致的、充分的、有效的、有序的和準確的組織信息，并且為用戶提供可檢索和可操作的交互接口，最終實現對數字圖書館數字資源充分利用的效果。同時在大數據環(huán)境下，數字圖書館的信息資源表現為數量大、結構形式多樣化和數據存儲分布化的特點，在這種環(huán)境下，對數字圖書館的數字資源進行一致化資源組織就尤為重要，大數據信息資源的組織流程圖如圖3-1所示。
3.4 基于大數據的數字圖書館的信息檢索
隨著大數據的出現，數字圖書館主要為用戶提供圖書的檢索服務，同時在大數據時代，數據的更新速度越來越快，如果對這些變化的數據進行快速處理，并為用戶提供最新的檢索信息是基于大數據的數字圖書館信息檢索的難點和重點。
在大數據環(huán)境下，數字圖書館的服務核心是用戶，需要針對與用戶需要為用戶提供個性化的信息檢索服務。在大數據環(huán)境下，數字圖書館的檢索特征主要呈現以下特征。
3.4.1 個性化搜索
數字圖書館信息檢索是建立在對用戶信息的收集的基礎上進行分析，其中用戶信息不僅包括用戶的個人信息，還包括用戶以往的行為信息。通過對用戶信息的數據挖掘，可以準確的定位用戶的實際信息需要，并且借助已有的信息推送技術，為用戶推送所需的信息。同時數字圖書館的搜索引擎應該具有一定的智能化，根據用戶輸入的檢索關鍵詞，通過智能化分析，為用戶提供按照相關度高低排列的檢索結果，在保證信息檢索準確率的前提下提高信息的查準率。
3.4.2 實時優(yōu)化需求
在大數據環(huán)境下，數據呈現多維化、海量化等特點，而數字圖書館必須提供較高的檢索速率，而數字圖書館中大量的數據呈現結構多樣化包括結構化的數據、半結構化的數據和非結構化數據，到如今，非結構化的數據在數字圖書館中所占的比例越來越多，大大提高了數據的更新速度。針對以上的情況，圖書館應該根據用戶檢索需求變化和數據環(huán)境變化，對搜索引擎進行實時優(yōu)化。
3.4.3 移動性需求
隨著信息技術的發(fā)展，用戶獲取信息的方式也呈現多元化的趨勢，用戶期望數據的獲取不受時間、空間和方式的限制。為了滿足用戶的實際需要，同時針對于移動智能終端的特性，數字圖書館應該能夠提供移動終端的數據檢索服務。
3.4.4 智能化需求
在大數據時代，要求數字圖書館的數據檢索服務能夠精確的定位的實際信息檢索需求，并且能夠快速的選擇信息檢索策略，并將信息檢索結果快速的反饋給用戶，這都要求大數據時代的圖書館搜索引擎具有智能化。第一，數字圖書館的搜索引擎應該具有“機器學習”的智能化功能;其次，搜索引擎應該能夠通過“機器學習”過程，為用戶提供多元化的數據檢索服務;最后搜索引擎應具備實時更新功能。
4 結束語
近年來，隨著信息化技術的飛速發(fā)展，數字圖書館的數據量呈飛速增長趨勢，數據的存儲成本和處理成本大大降低，并且隨著數據挖掘技術的飛速發(fā)展。面對這一現實狀況，如何正確的面對信息時代的“熱門話題”，對其不能簡單的推崇，而是需要“冷靜思考”，準確的分析其利弊。大數據帶來不僅僅是一個大機遇，更可能是一個巨大的挑戰(zhàn)?？梢赃@樣說，大數據時代大大提高了人們對數據的駕馭能力，同時為人們對海量數據的處理提供了新的方法和策略。到如今，大數據已經充斥在人們的日常生活中。針對于這一現實情況圖書館如何正確合理的使用大數據技術改變圖書館的原有的信息服務方式，為用戶提供更好的信息檢索服務是圖書館未來的主要研究方向。
參考文獻
[1]李廣建，楊林.大數據視角下的情報研究與情報研究技術[J].圖書與情報，2012（06）：1-8.
[2]韓翠峰.大數據帶給圖書館的影響與挑戰(zhàn)[J].圖書與情報，2012（05）：37-40.
[3]楊海燕.大數據時代的圖書館服務淺析[J].圖書與情報，2012（04）：120-122.
[4]王捷.大數據時代下圖書館開展信息服務的對策[J].現代情報，2013，（3）：81-83.
[5]劉明，李娜.大數據趨勢與專業(yè)圖書館[J]圖書館工作與研究，2013（04）：1-6.
第8篇：大數據時代數據的特征范文
關鍵詞：煤礦；大數據；安全管理
0引言
安全工作是煤礦所有工作中的重中之重，它滲透于煤礦生產、加工、銷售等各個環(huán)節(jié)，如何有效增強煤礦的安全管理，是提升煤礦綜合管理水平，促進煤礦長遠發(fā)展的重要保證。信息時代的到來對煤礦生產管理帶來了許多機遇與挑戰(zhàn)，不少煤礦已經投入信息化建設之中，并未安全管理積累了海量的數據，如監(jiān)測數據等。由于分析工具的不完善，這些數據并沒有得到充分地開發(fā)利用，因而其價值也并未完全實現。大數據的出現對解決此一問題提供了很好的契機，筆者從此出發(fā)，就大數據助力煤礦安全管理做了相應的研究。
1大數據的概述
大數據是信息技術發(fā)展到一個新階段的產物，它最早由美國數據科學家提出，后經由麥肯錫研究院發(fā)表的研究報告而盛行全球。大數據，顧名思義，以“大”為特征，它強調數據的海量性，數據規(guī)模甚至了超過了傳統(tǒng)數據庫軟件的工作能力范圍，不得不依托于云計算來處理。總而言之，大數據有以下五個重要表征：體量大、類別多、速度快、真實性高以及價值密度低[1]。大數據是大數據時代的信息處理技術，它以云計算為基礎，將大量結構化、半結構化乃至非結構化的數據分布到不同計算機構成的信息資源池中，從而獲得分析與預測的結果。大數據相比于傳統(tǒng)的信息處理技術而言，它有著多重價值。首先，大數據以海量的數據為基礎，這符合當前信息時代數據爆炸的現狀，是應對時展的必然產物；其次，大數據強調速度與價值，它能在最短的時間內對數據進行分析處理，從而在無數的數據中挑選出最有價值的部分，也就是說大數據的洞察力是其存在的客觀依據；最后，大數據與云計算是不可分割的整體，隨著信息時代的深入發(fā)展，它們已在全球范圍內引發(fā)了一場商業(yè)與技術的雙重變革，大數據正是大數據時代不可或缺的重要工具。
2大數據應用于煤礦安全管理中的策略研究
安全問題長期以來是制約我國煤礦發(fā)展的老大難問題，盡管2014年我國的煤炭百萬噸死亡人數比率已經下降到0.255，但相比于其他產煤大國如美國、澳大利亞等，仍然有不小的差距[2]。大數據的出現為煤礦加強安全管理提供了一個窗口和契機，并且煤礦數據本身也存在著體量大、變化快、價值密度低等大數據的特點，因而，將大數據應用于煤礦安全管理之中是必然之舉。
2.1強化技術認知，轉變管理思維
信息化建設是煤礦為應對時展而采取的改革舉措，經過多年的努力，已取得初步成效，并誕生了大量的數據，諸如礦山地質數據、礦圖數據、環(huán)境監(jiān)測數、視頻監(jiān)控數據等，這些數據分結構化數據與非結構化數據兩種，其中非結構數據占絕對主體。管理者必須轉變過往的管理思維，由抽樣分析轉變?yōu)槿珮颖緮祿治?。大數據以分析煤礦結構化以及非結構化的全體數據為工作內容，它相比于抽樣分析而言，盡管在數據的精確性上有所不如，但全面性大為增強，不僅如此，大數據還能發(fā)掘不同數據之間的關聯性，并有效地捕捉傳統(tǒng)分析工具中容易忽視的細節(jié)，從而逐步降低煤礦安全管理中的人為性錯誤。
2.2落實重點管理，做到實時監(jiān)測
煤礦安全管理是一個系統(tǒng)性的工程，它包含很多層面的內容，如安全作業(yè)制定的制定、礦工安全作業(yè)的培訓等等。面對如此復雜的管理內容，管理者要善于把握重點，如此才能做到高效管理，提升煤礦的安全水平。目前，隨著煤炭事業(yè)的不斷發(fā)展與轉型，煤礦機械化與自動化程度與日俱增，甚至可以說，礦山設備能否安全運行對煤礦的安全生產起到了決定性的作用。在傳統(tǒng)的管理模式中，通常是在設備出了問題之后再進行檢修，這不僅耽誤了煤炭的生產，還會給煤礦工人帶來安全風險。大數據則為化解此一難題提供了很好的契機，管理者可以在重點礦山設備如礦井通風機上安裝遙感器，記錄并收集諸如風速、振幅等數據信息，通過大數據對所有數據進行分析和對比，及時將異?，F象呈現出來，從而盡早安排工作人員在故障發(fā)生之前就進行相應的檢修，降低設備損失，提升安全性能。
2.3強化事故分析，做好預先防范
安全事故是煤礦開采中難以避免的現象，同時也是煤礦安全管理過程中所極力防范的現象。盡管，我國每年由于煤礦事故而死亡的人數已由2002年的7000余人將至2014年的931人，但我國仍然是礦難死亡人數的主要國家之一，采礦事業(yè)仍然未脫去高危行業(yè)的帽子。事故分析是安全管理的重要內容，它能夠通過事故發(fā)生原因的追溯、相關責任人的懲辦來起到安全教育的作用。但這種分析仍然是浮于表面的，它對安全管理的效用也十分有限。大數據的出現為事故分析提供了一個新的視角，它能夠從數據分析的角度來重新找尋事故發(fā)生的規(guī)律、模式，從而為煤礦采取針對性的防范措施提供可靠的建議。就以瓦斯事故爆炸而言，傳統(tǒng)的事故原因分析大都從火源、甲烷濃度以及設備、管理等要素入手，缺乏全面性與細致性，有時候得出的結論也缺乏說服力。大數據則會全面收集瓦斯爆炸區(qū)域的所有數據，包括空氣參數、抽采參數等等，進而分析與推測，并形成相應的結論。這種事故分析方式更具科學性，對未來的安全管理工作也更具指導性，是煤礦做好事故預先防范的基礎。
3結語
大數據時代的到來為各行各業(yè)的安全管理帶來了不小的機遇，煤礦事業(yè)也不例外。大數據在數據的收集、處理、分析上更具全面性，對于煤礦的安全管理也更為有效。因此，煤礦管理層應該從將大數據應用于煤礦的日常管理之中，從管理思維、管理重點以及事故分析三個層次做好相應的工作。
參考文獻：
[1]方巍,鄭玉,徐江.大數據:概念、技術及應用研究綜述[J].南京信息工程大學學報,2014(05):405-419.
第9篇：大數據時代數據的特征范文
大數據，作為一種數據管理的理念和方式，其之所以出現，是云計算和物聯網等信息技術的發(fā)展，與人類社會所積累的數據高速增長并海量積累相結合的結果。無論是如何定義，從本質上，大數據是信息管理者在當今的信息技術條件下，為解決新的海量信息處理需求，所提出的解決策略。而作為典型的信息管理活動之一的檔案事業(yè)，勢必會受到大數據理念的影響。
大數據并不是一個嚴謹而完整的學術概念，其所包含的內容相對比較抽象，從字面意義上進行理解，大數據所指的是數據規(guī)模的龐大。但從這一意義上來看，顯然無法與傳統(tǒng)的以往一系列概念進行區(qū)別，如“海量數據”（Massive Data）、“超大規(guī)模數據”（Very Large Data）。在學術界，對于大數據的定義尚未形成統(tǒng)一的觀點，但綜合各種說法，主流的思路是從大數據的特征出發(fā)，通過歸納的方式，通過對特征的描述進行定義。其中最有代表性的是3V定義[1]，即認為大數據需滿足3個特點：規(guī)模性（Volume）、多樣性（Variety）和高速性（Velocity）。此外在實踐層面，普遍認為大數據具有全數據規(guī)模、多數據類型、低價值密度、高處理速度的特點。
在數據管理理念層面，大數據的特點在于全數據規(guī)模、豐富的數據類型（可能包含半結構化數據）、全數據處理對象、多數據處理工具；在數據處理技術層面，大數據體現為對云計算和新一代數據庫的應用；在操作方式層面，大數據體現為對零散信息價值的重視及對數據之間相關而非因果關系的分析。
二、大數據對檔案工作帶來的機遇
（一）解決信息化背景下檔案的“脹庫”問題
近年來，隨著電子文件的理念逐步得到認可，以及檔案的單位管理成本的降低，加之人們對于歸檔保存的重要性的認識的提升，我國的檔案總量步入了一個高速增長的時期[2]，但與此同時，信息化背景下的檔案數據庫脹庫問題也隨之到來了，其中較為明顯的表現為“新增數據失敗”等[3]，脹庫問題帶來的，不僅僅對新增檔案管理上的難題，同樣重要的是，由于脹庫現象的出現，檔案的服務利用的效率將大打折扣，其原因在于案卷在出現脹庫的過程中，無法及時有效地歸檔并建立索引以提供服務，破壞了檔案案卷之間的連續(xù)性和關聯性，降低了檔案中所提供的信息的價值。信息化背景下檔案的“脹庫”問題，本質上在于存儲和計算資源分配的不夠合理，傳統(tǒng)的數據庫架構在處理新的海量數據的過程中，靈活性遠遠不夠。解決這一問題，需要求助于大數據技術框架中的云計算技術[4]，利用云計算技術強大的調配計算資源的能力，根據數據處理規(guī)模的需要，配置數字化檔案管理所需要的存儲和計算資源，保證檔案的服務利用效率。
（二）有利于推動社會檔案觀的普及
大數據的核心在于從海量的數據中挖掘價值[5]，這為檔案價值的進一步發(fā)現和提升，提供了一個新的思路。傳統(tǒng)的檔案服務利用概念中，檔案的服務利用對象是特定并且相對單一的，原因在于檔案通過卷宗的形式，將一個相對完整的信息“包裹”存留，這部分相對完整的信息最終成為了檔案卷宗的主題。而在服務利用的過程中，“主題匹配”成為了最為常見的檔案定位方式，而主要來自于政府機關、企事業(yè)單位的日常運行信息形成的檔案，其主題自然會牢牢地與其形成機關的業(yè)務活動相對應，而檔案卷宗中所包含的零散的信息價值，相對容易被忽略，如今被公眾廣泛利用的檔案，多數是民生檔案[6]，而其他類型檔案中的零散信息價值，缺乏有效的挖掘服務利用手段，這是社會檔案觀在普及過程中必須解決的問題之一，即如何幫助公眾挖掘他們所關心的分散于海量檔案中的信息價值。大數據為檔案的服務利用提供了新的價值挖掘工具，使得分散在海量數據中的零散價值成為可能，這就意味借助大數據的信息分析工具，公眾將能夠從主題上看上去并不相關的眾多檔案中，發(fā)掘其自身所需要的信息，獲取相應的信息價值，將推動公眾逐漸意識到檔案作為當今社會最重要的信息價值載體之一的重要意義，而一旦這樣的意識逐步成型，檔案社會觀將得到普遍的認可。
（三）有利于處理多載體類型的檔案
信息技術的發(fā)展對于檔案管理工作的重要影響之一，就是提供了多樣化的信息載體形式，豐富了檔案的類型，從最原始的紙質載體的文書檔案，發(fā)展到如今的音像檔案、圖片等等。而隨著電子文件概念不斷獲得認可，新的信息載體形式層出不窮，從理論上講，每當出現一種新的信息載體形式，就會相對應地出現該載體形式的檔案。這就意味著未來檔案的管理工作必將是基于多載體的，其載體的豐富程度可能會遠遠超過我們的預期，而為最大程度保證原始證據價值，在技術條件允許的前提下，未來的檔案管理工作將會嘗試接受半結構化的數據作為檔案，以最大程度地保留證據價值[7]。這使得未來的檔案載體形式將呈現數量多、增長快的特點，這就要求針對具體檔案類型的管理工具，或者抽象為一類特定的數據處理工具，是無法實現“One size fit all”的，即不再存在能夠完美處理所有的檔案載體類型的管理工具。這一點上與大數據對處理多數據類型過程中所提出的數據工具組合的理念，是相一致的。未來的檔案服務利用活動，由于其面向的檔案對象的載體是多樣的，對其進行利用的工具也將是多樣的，甚至為處理一些半結構化的數據的過程中，可能會需要多種數據處理工具的組合。
（四）有利于電子文件的管理
大數據將從真實性、有效性、及時性三個方面提升電子文件的管理水平。首先從真實性角度考慮，由于電子文件驚人的增長速度，其真實性鑒定工作一直是困擾檔案工作者的難題之一，傳統(tǒng)的“直接鑒定法”在實際操作的過程中所消耗的人力物力成本過于巨大[8]，因此鑒定文件的真實性需要求助于大數據技術處理海量數據并分析復雜數據的能力；第二，從有效性角度考慮，電子文件的結構化特征并不明顯，大量的電子文件都是半結構化甚至是非結構化的，在這種數據類型情況并不穩(wěn)定的前提下，處理數據對象單一的傳統(tǒng)檔案管理數據庫結構是難于駕馭的，而大數據技術框架下對于多數據結構的兼容性，能夠較好地解決這一問題，提升對電子文件進行管理的有效性；第三，從及時性的角度考慮，電子文件的指數增長，使得及時地對新增檔案進行管理成為了檔案工作者所面臨的一大難題，這樣的海量數據的實時處理，是檔案管理過程中前所未有的，這需要利用大數據技術框架中通過云計算的方式提升數據處理的及時性，才能保證電子文件管理的及時性。
三、大數據背景下檔案工作的發(fā)展趨勢
（一）從數字化到數據化
為應對信息時代對于檔案工作新要求，檔案數字化的工作已經進行了多年，并在一定程度上解決了傳統(tǒng)檔案利用信息技術進行管理及共享的問題[9]，收到了相當的成效。但在大數據時代背景下，數字化僅僅是解決了載體形式或者說是信息技術的應用問題，可以理解為檔案工作對信息技術的適應性應用，對于深入的數據挖掘與利用是遠遠不夠的。在大數據的時代背景下，信息管理者已經不再滿足于更易管理和共享的信息形式，應更為關注信息所能帶來的價值，這就要求對于檔案的管理工作框架，需要實現從數字化到數據化的轉變，即不僅僅能夠實現對檔案案卷的數字化管理，更能夠根據海量數據挖掘利用的需要，對檔案的管理深入到數據層面，這將更為適合大數據技術架構下對數據的“流處理”模式。
（二）從信息共享到信息價值共享
隨著大數據時代的到來，數據挖掘技術的應用進入了一個全新的階段，所有的信息管理者都面臨著同樣一個問題：將簡單而直接的信息共享活動轉換為更為高級的信息價值的共享，即需要對自身所掌握的信息的價值有清晰的掌握和準確的理解，對應到檔案工作者的現狀上，即檔案工作者僅僅了解自己在管理哪些檔案并提供服務利用，已經無法適應大數據時代對檔案服務利用的要求了，而需要能夠了解自己所掌握的檔案能做什么，所提供的檔案利用服務所實現的是什么功能，也就是要明確所掌握的檔案的價值。這需要對檔案利用服務的認識有更加深入的認識，在大數據時代的背景下，由于對信息價值提取效率的提升，對于信息價值的共享將成為所有信息服務利用的主流趨勢，這對檔案服務利用工作將是全新的挑戰(zhàn)，這不僅僅要求能夠靈活地運用大數據技術在整合檔案數據的基礎上挖掘其中蘊含的價值，更加需要檔案工作者對于信息價值有著更為敏感的“嗅覺”。
四、大數據對檔案工作帶來的挑戰(zhàn)
（一）如何嵌入數據挖掘環(huán)節(jié)
傳統(tǒng)的檔案管理活動，最為通行的說法是包含收集、整理、保管、鑒定、統(tǒng)計和提供利用六個主要環(huán)節(jié)，這六個環(huán)節(jié)組成了基本的檔案管理活動，并組成了一次完整的信息從收集到提供利用的過程。在大數據的時代背景下，對于檔案管理活動提出了新的要求，即主動地挖掘其中的價值并提供利用服務，這就涉及到一個流程嵌入的問題，即數據挖掘環(huán)節(jié)應該通過什么樣的方式嵌入到檔案管理活動中來，是作為一個單獨的環(huán)節(jié)嵌入到檔案的管理流程之中，還是在傳統(tǒng)的檔案管理活動的某一環(huán)節(jié)中實現數據挖掘的功能，直接關系到檔案管理活動流程的合理性。數據挖掘的嵌入問題，當檔案事業(yè)逐步步入電子文件時代之后，必須要解決的問題。
（二）如何保障檔案信息的安全性
大數據對于檔案信息的共享程度提出了更高的要求，只有在檔案資源高度共享的情況下，大數據技術框架下的云計算平臺才能發(fā)揮作用，真正實現檔案信息價值的利用。但隨之而來，就是檔案信息的安全性問題，如何解決在多類型、多結構、高共享程度狀態(tài)下的數據安全問題，已經顯得十分棘手。工作人員操作失誤、設備及網絡故障、計算機病毒、網絡黑客攻擊等對檔案信息安全構成威脅的因素，在大數據的技術框架下，所造成的威脅可能會被相應地放大。大數據時代的檔案信息的保密工作，其重心很有可能不再是保密體制的設計，而更有可能是信息安全技術的有效應用。
