引論：我們為您整理了13篇大數據論文范文，供您借鑒以豐富您的創作。它們是您寫作時的寶貴資源，期望它們能夠激發您的創作靈感，讓您的文章更具深度。
篇1
循證醫學，簡之就是“遵循證據的醫學”，又被稱為實證醫學。循證醫學重視醫生的臨床經驗，即傳統意義上的經驗醫學，同時又強調診斷、治療等決策應在臨床證據最為符合病癥的基礎上作出[1]。在循證醫學的創立、發展與傳播方面，英國的科克倫(ArchiebaldL.Cochrane)、美國的費恩斯坦（AlvanR.Feinstein）以及薩克特（DavidL.Sackett）做出了重大貢獻，成為循證醫學的奠基人?？瓶藗悘娬{大規模隨機臨床試驗的重要性。他認為只有在大規模臨床試驗中使用隨機分組策略，才能避免因樣本分組而產生的選擇性偏差，保持對照組和試驗組樣本的背景因素平衡，從而才能做出最終正確的比較與評價。他建議及時將切實醫學證據傳播給使用者，接受專家評估并對可信度進行適當分級，以使醫學證據能被及時整理、歸納與更新。費恩斯坦奠定了現代流行病學的數理統計與邏輯基礎。從1970年到1981年，他在美國《臨床藥理學與治療學》雜志（ClinicalPharmacologyandTherapeutics）上，以“臨床生物統計學”（ClinicalBiostatistics）為題連續發表了57篇論文，將數理統計學和邏輯學導入到臨床流行病學，科學系統地建立了臨床流行病學的有關理論體系。薩科特則為循證醫學的傳播與發展做出了巨大貢獻。他發起并主編了與循證醫學有關的兩本著名雜志：《美國內科醫師學會雜志俱樂部》和《循證醫學》。
1997年，他還主編出版了《循證醫學》一書，該書被譯為多種文字并在世界上廣為傳播。正是在《美國內科醫師學會雜志俱樂部》上，加拿大蓋亞特(rdonH.Guyatt)于1991年首次提出了循證醫學一詞[3]。從循證醫學與數理統計和邏輯學的淵源，便可以看出循證醫學注重證據的內涵。它是一門非常強調證據制作的學科，同時又非常重視醫學證據的傳播和評估，這正是它區別于以往醫學的特點。通過評估產生可信證據，通過傳播發揮證據價值。醫生在診斷與治療過程中，不僅基于經驗直觀判斷，而且結合證據科學決策，更加客觀地進行診斷與治療。短短十多年的時間，在世界各國醫學研究與臨床實踐中，循證醫學得到了廣泛深入的應用?？瓶藗愖畛鮿摻ǖ氖澜缪C醫學協作網已經包括約50個專業協作小組，所收集的醫療證據幾乎覆蓋所有臨床醫學領域。1996年，我國華西醫科大學建立了中國循證醫學中心，并于1999年正式加入世界循證醫學協作網；2001年，中國循證醫學中心創辦了《循證醫學》雜志，發表在各類雜志的循證研究論文達45842篇。但是，循證醫學也有其面臨的問題，如對證據進行科學評價等問題。臨床證據目前還沒有完整、科學的定義，證據評價標準及推薦級別尚未完全統一，不同國家不同疾病的證據質量分級不盡相同。而且，隨著人類對疾病認識的加深以及診療手段的革新，評價標準還會隨這些因素的變化而變化。
循證醫學的基礎是數理統計學，要求RCT的實驗樣本及環境一致，以便排除個體差異及環境干擾，但這在現有條件下近乎不可能實現。號稱大規模隨機對照實驗的樣本偏少，對照組和試驗組難有條件一致的個體，環境隨時間空間變化造成實驗對照控制困難。目前，大規模的醫學樣本采集困難，幾百個樣本已經算是比較大的樣本了；而根據統計理論如要達到90%的敏感度，至少需要約1300個的數據樣本。為了克服RCT樣本不足的問題，Meta分析方法得到了廣泛應用：通過綜合已有研究多個樣本集的結果，可以推得大規模樣本集的綜合結果。Meta分析取得了很多有價值的研究成果，但是，Meta分析的基礎也是數理統計學，其運用的前提是樣本及實驗環境一致，正是在這一點上它備受質疑。首先，不同樣本集的權重控制難于完全公正，因為其實驗環境難于恰當評價和把控，實驗結果難免有過度包裝和偏頗之嫌。Meta分析存在的另一個問題是：它所依賴的數據往往不是最新的即時案例，制作的證據可能因環境與氣候的變化而失去應用價值?？傊C醫學所面臨的問題包括：證據的稀缺性、偏倚性、可靠性、及時性、公正性，以及環境的一致性等方面的問題。由于證據的一致性和及時性存在問題，基于歷史數據進行Meta分析備受質疑。2014年，《英國醫學雜志》在名為《循證醫學瀕臨破產》的文章中指出[5]：循證醫學的證據屬于間接證據，基礎建立在已經發表的研究文獻上，利益沖突容易影響證據的公正性，證據環境與臨床決策環境存在距離；循證醫學助長了過度診斷、過度治療，并可能存在淪落為利益集團代言人的危險。
2大數據對循證醫學的影響
大數據（Bigdata）又稱巨量或海量數據，是指數據規模巨大以至在合理時間內，無法通過當前主流軟件工具，獲取、處理、分析以便決策的結構復雜的數據[6]。大數據如下具有4V特點：Volume（巨量）、Velocity（瞬速）、Variety（多樣）、Value（價值）。巨量是指已經不能再用GB（即1024MB）和TB（即1024GB）為單位，來衡量大數據的存儲容量或規模，而要以PB（即1024TB）、EB（即1024PB）乃至ZB（即1024EB）為單位來計量數據容量。在巨量的醫療大數據中，各種條件的樣本都會存在，因此，證據的稀缺已經不是問題。瞬速是指兼具方向的快速變化，即數據隨時間和空間快速變化。大數據中的樣本通常是全空間的、多維度的、全時間的及瞬時變化的。由于大數據地域環境廣，數據樣本量巨大、正反樣本齊全，證據的“制作”已不再必要，而是隨時隨地客觀地存在。瞬速性通過可佩戴健康監測設備體現，這為及時獲取病患信息提供了極大便利。多樣是指數據的種類繁多、結構復雜、因果并存、甚至同一數據表現出不同形式。數據的多樣性對數據的理解和分析是一個巨大挑戰，但同時也為樣本分析結果的驗證帶來便利。因此，在醫療大數據環境下，不僅隨時可以采集樣本進行分析處理，還能對分析得到的結果馬上進行驗證，從而能夠保證醫學證據的可靠與可信。
價值是指相比小規模、歷史數據而言，大數據具有更高的研究和使用價值。由于任意時刻任意地點都有大量樣本，樣本的稀缺性和及時性已經不是問題，這為醫學研究掃清了采樣障礙；同時由于樣本豐富冗余多樣，也為研究結果的驗證提供了便利；大數據除具有巨量歷史數據外，還有不同地域環境的巨量即時數據，這使循證決策更具應用價值和時效性。大數據將首先改變醫學數據的采集方式。大數據的形成往往依靠自動采集技術，隨著可佩戴監測設備如iWatch等的出現，醫學數據的采集及積累速度將出現爆炸性的增長。以往的數據同大數據相比，如同滄海之一粟。且以往的數據往往靠手工采集完成，普遍存在稀缺、偏倚、可靠、及時、公正等問題，這樣采集的證據必然會影響醫學研究的結論。基于手工證據進行決策，其結論未必準確及時公正可靠。醫療大數據不間斷地在不同地點同時采集，不僅包含歷史數據以及即時數據，甚至還可能包含未來需求信息，例如，ogle就是通過人們對感冒藥品的搜索來預測流感的。大數據的出現將改變醫學數據的管理方式。在網絡數字化高度發達的今天，盡管已經出現了電子病歷，但紙張病歷在數據管理中仍然重要。然而，紙張病歷有其固有缺陷，如容易破損或丟失、整理歸檔的周期過長、借閱的時間成本極高、研究采樣的工作量巨大等等。伴隨大數據出現的數據融合技術能將不同醫院的電子病歷整合在一起，并同可佩戴健康監測設備的數據及時集成，大大減少了電子病歷的整理、借閱和數據采集時間，這不僅對病人的疾病診斷和預警監控更加有利，同時也對醫生的臨床及醫學研究更有幫助。通過語音和可視眼鏡等現代化的數據瀏覽設備，醫生在查房間隙就能獲知下一病人既往病情，從而能大大減少醫生的勞動強度，使醫生有更多時間治療病人，有更多的時間進行醫學研究。
大數據的出現將改變醫學數據的分析方式。以往在收集樣本數據以后，通常使用SAS或SPSS等軟件，對采集的數據進行統計分析，發現相關病因或建立決策模型。這些軟件受計算能力及內存容量的限制，只能處理樣本量不大的數據，并且處理的數據維數有限，例如，SPSS不能超過40維，而醫療大數據的維數成千上萬。通過手工或統計軟件的計算方法，將無法滿足醫療大數據的分析需要。
當維數超過30個致病因素時，可能要考慮230種因素組合，普通統計軟件已無法計算和處理，必須依靠內存及速度“無限”的云計算。必須研究與開發基于大數據和云計算的分析與挖掘技術如深度學習技術，使其能夠自動完成高維病因數據的分析與主要病因的提取?？傊?，醫療大數據的采集、整合、分析、處理、研究完全靠人工完成已極其困難，沒有利用云計算的統計分析軟件也難于完成醫療大數據的分析和處理。在大數據時代，必須借助深度學習等技術完成醫療大數據的分析和挖掘。雖然醫療大數據能夠彌補數據樣本的不足和不公，但只有借助更為先進的分析工具和軟件，才能為循證醫學帶來進一步的變革和發展。
3大數據對循證醫學的變革
證據制作是循證醫學的核心，證據能為醫生的診治提供參照，因此，循證醫學得到了快速發展。但是，矛盾、偏頗、過時的證據也使循證醫學備受質疑。首先是證據及其結論存在大量的矛盾，使人們對循證醫治的結果產生懷疑；其次是證據偏頗使其成為利益代言人的工具；其三是證據時過境遷使醫治達不到預期效果。而醫療大數據的出現恰好能夠彌補以往證據采集與制作的不足。首先，醫療大數據使證據的稀缺問題得到解決；其次，隨大數據廣泛匯集的醫生及病人評價，可有效避免證據成為利益代言人的工具；其三，可穿戴等自動采集設備可保證證據的時效性。這將有助于循證醫學同中醫的結合。中醫的治療過程通常比西醫長，其證據采集及療效評估存在很大問題，而隨著可穿戴健康監測設備等技術的發展，長期持續采集治療證據及療效將不再困難，從而有助于循證醫學在中醫等領域發展壯大。此外，隨大數據興起的先進數據分析與挖掘技術，將對循證醫學起到巨大的推進作用。臨床決策分析評價是確定循證治療方案的關鍵步驟，現有的決策分析評價模型包括決策樹、Markov過程等一系列模型，這些模型在面臨高維大數據時力不從心，難于繼續提供較高的決策精度，使醫生對醫治方案是否有效失去信心。隨著大數據深度學習技術的出現，病因的分析和提取已完全自動化，且大大降低了建立決策分析模型的工作量，提高了治療方案的決策精度。對于任何疾病診治方案，考慮的疾病致病因素越多，即證據或特征維數越多，得到的參考信息就越多，診治的準確性就會相應提高。但是，醫生在遇到大量高維的證據數據時，往往面臨從中選擇少數有效證據的難題。例如，假定要考慮30個致病因素或檢驗指標，建立決策模型就要考慮230種因素組合，從中篩選一個最優因素組合作為模型輸入的工作量是巨大的。因此，要得到由若干最優證據構建的最佳決策分析模型，醫生們所投入的研究精力可想而知。
篩選最優因素組合是醫生們最費精力的工作，目前這項工作可以被深度學習自動完成了。深度學習最早由Hinton等人在2006年提出，它是一種無監督的特征學習和提取技術，它通過低層特征的組合構建更加抽象的高層特征。2012年，Lecun等人利用卷積神經網絡真正實現了高效的多層深度學習。傳統的神經網絡學習只有單向認知過程，通常只包含一個隱含層，因層數較少而被稱為淺層學習。深度學習則包含認知和生成兩個過程，并且每個過程都包含多個隱含層，其模型的總體框架如圖1的虛框部分所示。如圖1所示，深度學習的“輸入層”可以理解為各種致病因素以及各種檢查化驗結果，例如遺傳環境因素以及肝功全套指標等；自底向上的箭頭表示認知過程，自頂向下的箭頭表示生成過程，即深度學習由兩個互逆的過程構成；認知權重向量WnT和生成權重向量Wn表示深度模型的知識。原始“輸入層”經“隱含層H0”認知得到輸出，輸出又經“隱含層h0”生成得到新“輸入層”，如果原始“輸入層”和生成的“輸入層”完全一致，則說明認知產生的輸出是完全正確的。根據信息論的有關理論，學是會產生損失，新舊輸入不可能完全一致。因此，只要兩者近乎一致就可以了。認知和生成權重同隱含層的每個輸出相關聯，wake-sleep深度學習算法用于雙向調節權重：(1)利用下層輸入和認知權重向量WiT產生輸出表示，然后使用梯度下降法調節生成權重向量Wi；（2）利用輸出表示和生成權重向量Wi產生輸入表示，然后使用梯度下降法調節認知權重向量WiT。通過逐層學習最終得到頂層的認知和生成權重向量WnT、Wn。在深度學習完成后，如果要建立決策分析模型，只需將頂層輸出即自動提取的特征，作為分類模型如支持向量機的輸入，并用類別標記如肝硬化分級訓練支持向量機，就可以得到用于決策分析的精確分類模型，分類模型如圖1的虛框外部所示。2014年，香港中文大學湯曉鷗教授領導計算機視覺研究組(mmlab.ie.cuhk.edu.hk)，開發了一個名為DeepID的深度學習模型，在LFW數據庫上識別5749個人臉的準確率已達99.15%，其精細和準確程度已經超過了人眼和大腦。醫療大數據及深度學習必將為循證醫學帶來一場新的革命。不僅數據缺失、偏頗以及過時等問題會被迎刃而解，而且證據收集、制作以及診治方案的決策都將會自動化，這將擴大循證醫學在所有領域包括中醫等領域的應用范圍，大大降低醫生在證據制作、治療方案決策與療效評估等方面所付出的精力，推動循證醫學向更深更廣更加現代化的方向發展。
4總結
醫療大數據帶來的變革將是全方位的，它不僅為醫學研究和證據制作帶來便利，同時也將促進中醫等替代和補充醫學的發展。作為大數據采集的一項關鍵技術——便攜式/可佩戴健康數據自動采集技術，將大大提高醫療數據采集以及證據制作的效率，解決中醫等療效數據需要長期采集觀測的難題，彌補循證醫學存在的證據偏頗、不公、過時等缺陷，促進循證醫學更加客觀、公正、可靠地在臨床治療中應用。在循證醫學的證據評估以及利用方面，伴隨大數據出現的云計算能夠提高證據分析與處理的效率，大大節省醫生臨床應用和醫學研究所需要花費的時間；面向大數據的深度學習能夠從浩瀚的高維醫療數據中，自動完成疾病致病因素及環境因素等的篩選與提取工作，并能建立精度遠遠超過人腦的決策分析模型，從而大大提升醫生建立和應用循證治療方案的信心，有助于循證醫學被各科醫生更加廣泛地接受和應用。盡管深度模型包含更多的隱含層，其學習時間要遠遠長于淺層學習，但兩種模型的決策時間相差不大，因此，這并不妨害深度模型的有效應用。特別值得一提的是，深度學習將證據提取與決策分析兩個過程合二為一，大大降低了醫生在臨床及醫學研究中應用循證醫學的勞動強度?；诖髷祿?、云計算和深度學習的循證醫學，由于能夠降低勞動強度、提升工作效率、提高決策精度，因而將具有更加廣闊的應用前景和發展方向。
篇2
利用各種數據信息的交叉檢索，有助于樓盤項目尋找目標客戶，并精準化信息。傳統精準傳播方式包括短信和DM直郵，但在大數據時代下，利用微信和網站等各種自媒體渠道工具，可以發送更多直觀互動的信息。尤其在企業已實現酒店、百貨、地產、消費品零售等跨行業規模化運作的時候，數據的綜合利用顯得尤為重要。通過將企業各業務模塊的數據進行搜集和綜合處理，可以確?？蛻糍Y源的共享，更有利于企業品牌的傳遞，使客戶在未到訪樓盤項目售樓處之前，就已經對企業的實力建立信心。
(二)大數據有助于客戶篩選
跟進傳統的樓盤項目客戶登記方式為紙質的上門客戶登記本，大部分項目均未實現上門客戶信息的電子化。借助明源軟件、金鵬軟件等銷售軟件及身份證識別器工具，可以推動客戶信息電子化的錄入，并提升客戶信息的準確度。對客戶的來源、性別、職業、置業需求等各類基礎數據的匯總和交叉分析，能提升客戶的精準跟蹤，并結合客戶的銷售抗性進行有針對性的溝通，促進項目銷售。
(三)利用數據化工具維護
成交業主滿意度大部分樓盤項目在客戶成交后，缺乏有效維護。在房地產行業圈層口碑效應不可忽視的背景下，客戶成交往往意味著新的生意的起點。利用數據化的工具對成交客戶進行跟蹤維護，有利于持續跟進客戶對樓盤項目的各種反饋，促進老帶新的口碑傳播、推薦以及重復購買，亦可持續提升客戶的滿意度。
(四)利用大數據進行業主需求
維護隨著建筑科技與智能化的不斷發展，居住環境也在不斷升級。以往的開發商客戶關系維護，僅到業主入伙截止。事實上，業主入伙居住后，對業主居住需求的跟蹤和維護也是非常重要的。物業公司可以配合開發商，通過組織各類業主活動，獲知客戶的需求，例如：搬遷至另一個城市工作——產生異地置業的需求；對目前的居住環境產生升級換代的需求——產生新的高檔次項目的購買需求等；這些種種需求，都是客戶購買同一品牌樓盤項目的機會，通過對客戶關系的維系，產生客戶品牌忠誠，對于規模化開發的大企業尤為重要。
篇3
1.1、會計信息披露具有偏向性，導致信息不對稱
傳統的會計信息系統會誘使企業選擇特定的會計方法而造成企業管理人員利用自身是信息提供者這一優勢，不斷地美化會計報表，這對于外部使用者而言是非常不公平的.
1.2、內部自我約束能力弱，導致數據不真實
在傳統會計信息系統下，一些企業為了眼前經濟指標的提升或者任務的完成，常常通過人為調整會計報表來應付各機構的檢查，自我約束能力弱，數據失真.還有很多企業對現有的政策法規鉆空子、打球的現象屢禁不止.聘請的第三方審計機構也本著“企業利益最大化”的審計目標，對企業不真實的數據進行舞弊，以點蓋面.
1.3、核算量大，導致信息披露不完全
傳統的會計信息系統下，會計的信息系統發展越來越不能適應高速發展的經濟業務，很容易造成信息披露不完全.信息經濟時代下，應該更多的提供企業未來價值的知識資源，而不是沉浸在企業過去的財務數據中.
1.4、企業信息數據單一，導致信息缺少指導性
傳統的會計信息系統主要是對企業財務信息的反映，往往忽視了非財務信息.企業自身變化的社會經濟形勢要求我們不能只依靠過去的財務數據對未來發展做出預測.對企業未來的發展預測用某些非財務信息可能會更加合理.如企業的環境成本、社會責任等信息都需要非財務信息的提供.
1.5、信息傳遞滯后，導致會計信息缺乏時效性
傳統的會計信息系統采用先發生交易事項后進行記錄的程序，無法滿足當代企業對信息時效性的要求.企業以及社會各機構、投資者越來越需要了解隨時發生的財務信息，對其進行更好的決策，這就要求企業不定期的提供會計信息，對于會計期間的定義也不再以年為單位了.因此，現有的會計信息滯后的時效性嚴重影響使用者的需求和投資者的決策.綜上可知，傳統的會計信息系統逐漸出現了不適應當今經濟發展的事態，高效、全面的信息化系統變得越來越重要.在大數據時代下會計信息的不斷創新，快速發展勢在必行.
2大數據對企業會計信息化的促進作用
大數據時代下，對會計信息化的促進作用主要表現在：信息結構更加客觀，既強調了會計信息的精準性，又不失相關性；財務會計信息管理的程序化；會計人員工作轉向宏觀信息管理；多元化的計量單位.在大數據時代下非結構化數據成為主導，在會計信息中可以更好的融合結構化和非結構化數據，更好的提高數據的相關性，并且不會人為的進行舞弊.程序化的會計信息管理也將出現，財務部門逐漸將不再作為一個部門，而是作為一個類似于“企業”的獨立個體，數據的獲取可以不通過部門的上報來實現，而是通過財務部門設定的獨立軟件獲取，這也提升了財務本身的獨立性，同時也可以為其他部門提供共享服務；財務部門不需要對數據進行處理，而是轉變成為數據的使用和管理者.在大數據時代下，多元化的計量單位將會出現，會計計量單位會出現相關的時間、數量單位等.
3大數據時代下會計信息化面臨的挑戰
大數據時代下，企業會計信息化系統是通過互聯網來實現與客戶、供應商、銀行、稅務等機構互通的，其提高企業財務管理效率的作用是顯而易見的.但目前因為大數據的發展尚未成熟，這就為會計信息化的快速發展帶來了較大的挑戰.
3.1數據的來源以及處理方式
大數據時代下最令人關注的問題就是數據從何而來，以及數據的處理方式.①美國數據科學家維克托•邁爾•舍恩伯格在《大數據時代》一書中提出，“以前一旦完成了收集數據的目的之后，數據就會被認為已經沒有用處了.比如，在飛機降落之后，票價數據就沒有用了；一個網絡檢索命令完成之后，這項指令也已進入過去時.但如今，數據已經成為一種商業資本，可以創造新的經濟利益.”大數據時代下，數據的來源無孔不入，互聯網平臺上的任何一種資源都可以成為其來源方式.網絡平臺對用戶使用的信息一覽無余，一個簡單的第三方軟件就可以知道我們需要什么，需要何種服務，經濟狀況如何，經常偏愛哪種東西等等.企業在云端儲存的數據對于云端后臺的信息維護人員來說，獲取變的輕而易舉.防止惡意程序以及提高用戶的安全系統，保護數據的隱私是很難解決的問題.在通過各種方式獲取了用戶的數據信息之后，要用這些數據干什么以及如何使用就成了關鍵性問題.大數據時代下的信息處理是通過特定的程序來完成的，這樣的結論更加客觀，同時結論的得出也具有局限性.大數據理論過于依賴數據的匯集，那么一旦數據本身有問題，就很可能出現滿盤皆輸的局面，因為數據的問題，做出的錯誤預測和決策，導致一個數據有問題，由此相關的數據而產生的信息本身都是問題所在.這對于數據來源的要求是非常高的，一旦有提供者造假，大數據帶來的危害是不可忽視的.
3.2傳統用戶對云計算、云會計的排斥
對于不知道云計算如何使用、互聯網軟件能帶來什么效益的用戶來說，這項工作還是很難完成的，大數據的推廣受到了很大的阻礙.對于云會計更廣泛的應用，改變傳統的用戶觀念以及現有的會計信息系統，使網絡平臺更容易被用戶所接受是一個非常艱難的過程.
3.3超滿負荷的網絡傳輸問題
大數據時代下，會計信息化系統必須依賴于網絡，這就要求企業應具備一個良好的網絡傳輸環境.就目前而言，網絡的堵塞和數據的延時都是大量的數據存儲和數據交換造成的，超滿負荷的數據傳輸成為會計信息化中的一個瓶頸，網絡技術的發展目前還不能完全滿足包括網絡自我恢復、故障檢測、問題警告等功能的實現.
二大數據時代下會計信息化所面臨問題的解決建議
大數據對會計信息化的影響是一個漸進的過程，在這個過程中，財務工作者應該積極把握大數據時代給我們帶來的機遇和挑戰.針對大數據時代下會計信息化面臨的問題提出如下建議：
1建立并掌控企業的核心數據
提供可靠的云會計服務平臺.大數據會計的服務數據是基于云儲存平臺上的，雖然數據安全機制都很高，但對于企業的會計與經濟信息的完全控制并不能保證.因此，企業在選擇使用云會計模塊時應當根據自己的實際情況判斷其可行性，對于重要程度高的信息應合理判斷是否應該交由數據服務商管理.對于企業會計信息化的實施安全性而言，數據服務提供商的選擇是至關重要的，要在對提供商的綜合評價之后再進行決定.為保證云會計服務的安全穩定，企業可根據自身業務需求靈活地進行模塊組裝以及完善的技術支持，企業的云會計應該適合自己的特色.除此之外，為了防止會計信息的濫用，對于每一個可接觸信息的人都要進行身份驗證，并且對安全級別進行評估.
2進行高效的企業機構設置變更
由于傳統會計的深入人心，企業云會計的推廣還是非常困難的.解決這一問題可以考慮當云會計引入之后，對機構設置進行變更，讓每一個財務人員都能感受到這一改變帶來的高效性.企業應結合自身的實際情況，設置最適合企業云會計應用的高效組織機構.
篇4
1.2速度快（Velocity）。大數據往往表現為高速實時數據流，時效性非常高。因此對處理工具的要求很苛刻，軟件工程、人工智能、機器學習等都應引入。這是區別于傳統數據最顯著的特征。
1.3多樣化（Variety）。數據種類繁多，形式多樣。包括各種信息及其網頁、圖片、音頻、視頻、圖像與位置等存在方式。
1.4價值高（Value）。大數據數量越龐大，價值越高，真實性、可靠性越強。但同時無效信息也越多，需要通過強大的機器算法對數據迅速地“去粗取精”，否則也只能望洋興嘆。
2大數據對科技咨詢業發展的影響
2.1拓展業務空間大數據信息對應的是高速實時數據流。這些數據流往往能產生難以想象的作用，其能量也將被層層放大，還有可能在另一個看起來毫不相關的領域得到應用。大數據環境下的科技咨詢就將具有全球性、戰略性意義，業務范圍和服務空間都將得到迅速拓展?？萍甲稍兏飨嚓P要素，如科技資源、科技人才、創新需求、創新環境、創新成果等的疆界，將受到大數據浪潮的沖擊。同時，落后地區和難以涉獵領域的業務也將在其帶動下快速提升。
2.2規范咨詢決策大數據將改變科技咨詢決策方式，使其進入“數據驅動型”決策模式。因為面對大數據的潛在價值，決策者不僅要使用新的技術，還要改變目前的決策過程，政府也將更有效率、更加開放、更加負責。因為引導政府決策的是基于實證的事實，而不是意識形態，也不是利益集團在政府決策過程中施加的影響。
3大數據環境下科技咨詢業發展道路
從上面的分析不難看出，大數據將給科技咨詢業帶來無限的生機和活力?？萍甲稍儤I應搶抓機遇，跨越發展，走規?；⑿畔⒒?、科學化、現代化的可持續發展道路。
3.1挖掘大數據，促進規?；l展我國科技咨詢業規模較小，究其原因，一是咨詢市場還沒有完全放開，市場主導地位沒有顯現，資本缺乏信心。二是科技咨詢價值沒有得到廣泛認同，潛在需求得不到釋放。三是現有機構沒有形成專業分工和自主品牌，無法帶來規模效應。然而，在大數據時代，最重要的生產資料———數據將自由地流動起來，推動知識經濟和網絡經濟的發展，傳統經濟體制機制對科技咨詢業的束縛將大大減輕，“得數據者得天下”將成為共識，市場將發揮主導作用，吸引大量資本進入，促使機構快速升級。同時，隨著競爭的加劇，咨詢質量、咨詢價值必將得到提高和認同，潛在的需求必將迸發。
3.2利用大數據，加快信息化進程目前我國科技咨詢信息化建設大致經歷了計算機初步應用、管理信息系統應用和互聯網技術應用三個階段。隨著時代的發展，大數據將掀起新一輪信息化革命。科技咨詢業必須充分利用大數據技術，在政府引導下，進一步完善信息化工程，建立基于大數據的科技咨詢信息平臺，實現在虛擬空間中不同信息資源的快速整合與對接，提高咨詢要素使用效率和運行主體工作效率。
3.3憑借大數據，提高科學化水平大數據的客觀實在性和真實可靠性并存。對大數據進行深度挖掘，可以提高科技咨詢科學化水平。首先，基于大數據，科技咨詢信息的真實性有了更大的保障。其次，依據大數據特征，可幫助制定更為科學的咨詢戰略、方案和計劃，同時降低過時咨詢、無效咨詢的風險。再次，基于大數據，科技咨詢具有更強的針對性。咨詢師可以深度分析、挖掘最高管理者的知識結構、創業經歷、行為習慣等信息，準確把握其管理理念。最后，通過對大數據的分析、挖掘與利用，可最大程度地減少因數據不全而帶來的負面作用。
3.4依托大數據，實現現代化轉型隨著時代的發展，傳統的咨詢工具、內容、形式、速度、效率等越來越不能滿足現代社會發展的需求。依托大數據，可以實現科技咨詢向現代化轉型。首先，大數據環境促使科技咨詢必須運用現代化咨詢工具。如，大數據的超大量級迫切要求科技咨詢設備現代化、信息數字化。其次，大數據促使科技咨詢內容、形式現代化。現代社會工作、生活節奏很快，簡潔實用、形式新穎是對科技咨詢工作的新要求。形式多樣的大數據正好為科技咨詢提供了便利。再次，快速、高效是現代化的重要特征，而高速實時的大數據則要求科技咨詢處理工具快速演進、高效運行。最后，大數據的基本特征決定了科技咨詢必須進行全方位的改革創新，緊跟現代化發展步伐。大、多、真、快、稍縱即逝的大數據要求科技咨詢必須借助移動互聯、云計算、軟件工程、人工智能、機器學習等手段，優化資源配置，建立高智能科技咨詢協作平臺，向科技咨詢現代化邁進。
篇5
2.大數據時代第三方物流企業CRM面臨的挑戰
在了解了大數據的特征之后，我們便對大數據有了一個清晰的認識。那么在這個以數據為中心的大時代背景下，對第三方物流企業，對現在逐步將客戶升級為企業核心競爭力、強調以客戶為中心的第三方物流企業CRM帶來了什么樣的機遇與挑戰，值得我們深思。CRM既是一種管理理念，也是一種應用軟件，更是一種管理模式?？蛻粢恢倍际瞧髽I非常重視的資源，而且對客戶的重視早已從交易進行中擴展為注重潛在客戶（即交易尚未發生時）、重視售后管理（即交易發生后），即在整個過程中都強調客戶的地位和重要性。當今充滿信息的時代，人們更加重視客戶的管理，由此可以看出，客戶的概念已經發生很大的變化。客戶概念的泛化，無疑使客戶需求變得具有多樣性、多重性和差異性。在這個數據高速增長、信息高度發達的年代，無疑數據是驅動物流企業發展的動力。那么面對海量數據，低密度的價值數據，物流企業的數據“短板”，與客戶信息、客戶需求之間的矛盾與差距，使得物流企業在大數據時代進行客戶關系管理時面臨嚴峻的挑戰，主要體現在以下幾個方面：（1）數據不足與客戶流失控制與預測不足之間的矛盾?？蛻袅魇б恢币詠砭褪瞧髽I面臨的重大考驗，而如何能夠有效的控制與預測客戶的流失也一直是長期討論的熱點。針對客戶流失的控制與預測，傳統的方法是建立在收集客戶信息、資料的基礎上，對客戶的滿意度進行分析。而往往這些數據是非常具有局限性的，僅僅是來自第三方物流企業自身積累的客戶服務信息，而且在分析時并沒有突出分析客戶的忠誠度。而現如今客戶的需求多種多樣，且時時變化，客戶的很多信息大多體現在社交網站或商務網站，而且信息的價值密度又比較低，造成物流企業不能很好的去收集、分析客戶的信息，去有針對性的滿足客戶需要，去提高客戶的忠誠度。因此，只能用相對少且相對固定的數據制定客戶流失控制策略，或進行客戶需求預測及市場預測，這些做法往往效果不理想。（2）數據更新不足與客戶聚類以及個性化服務不足的矛盾。對客戶數據進行聚類分析，是第三方物流企業進行客戶關系管理很重要的一個應用方面。第三方物流企業的市場管理、銷售服務等都與客戶關系管理密切相關，都是強調以客戶為中心。而根據數據對不同的客戶群體進行聚類分析能夠做到有針對性的進行管理，在降低客戶關系管理成本的同時，也能夠有效的制定實施營銷策略。而對于物流行業這樣一個數據驅動型的物流企業，數據的更新可以說是至關重要，要求及時將新的信息反饋給管理部門。而普遍的結構化數據，或已有的數據庫數據信息相對陳舊，脫離客戶不斷變化的需求，這必然導致據此制定的各項CRM策略缺少有效性，甚至是營銷策略的失誤。（3）數據類型單一與關聯性分析不足的矛盾。大量單一的客戶結構化數據對已有客戶的需求分析具有一定作用，然后對潛在客戶或提高客戶忠誠度上的作用不是很大。當前信息時代，除了傳統的結構化數據，可以通過各項技術獲得更多的半結構化的如網頁、文本等數據，及一些非機構化數據，這些數據往往和客戶的已有信息相關聯，這些數據的收集與分析，能夠為發展潛在客戶提供基礎。當前第三方物流企業大部分依舊依賴于結構化數據，數據類型比較單一，不能及時了解客戶的進一步需求或與當前需求相關的產品或服務，造成對潛在市場的忽略。（4）客戶需求變化與CRM模式滯后之間的矛盾。許多第三方物流企業對CRM的認識還停留在傳統的與客戶互動及管理方式上，雖然認識到了客戶的重要性，但是在具體客戶關系實施管理上，還存在很多問題，與信息時代的要求嚴重脫節。同時，在海量數據到來之時，又顯得力不從心，無法挖掘出有效的價值信息。這種“遲鈍”導致客戶需求得不到最大滿足，對第三方物流企業而言，面對殘酷的市場競爭，時刻把握客戶的需求，更好地為客戶服務顯得尤為重要。反之，則會導致被潛在客戶所忽視，被老客戶所拋棄，被客戶拋棄意味著企業被市場淘汰。
二、大數據在第三方物流企業CRM中的應用
1.大數據下第三方物流企業CRM框架設計
在將大數據技術應用在第三方物流企業CRM的過程中，在整個CRM框架設計中都要明確體現出整個CRM的工作都是圍繞客戶進行的。各種商業目標定義的來源是客戶，數據挖掘與分析的數據來源也是客戶，最后具體的商業應用也是作用于客戶。同時，數據的正確獲取，數據的有效預處理，數據的合理存儲，采用優秀的數據處理技術進行數據處理，以及優秀數據挖掘方法和技術的選擇與應用，這些工作都離不開信息技術。包括大規模并行處理數據庫、數據挖掘、互聯網技術、分布式文件系統和可擴展的存儲系統等。該模型以客戶信息為主線，將第三方物流企業的客戶關系管理分為三個層次：客戶信息收集層、客戶信息分析層、信息輸出———客戶服務與支持層，在整個過程中都離不開網絡技術、數據挖掘等技術層面的支持。具體說，在將大數據應用于第三方物流企業CRM中時，第一步需要通過大數據獲取技術得到足夠多的各種類型的數據，主要包括從客戶和市場等企業的外部環境，以及公司銷售記錄等內部渠道，收集各種客戶信息和市場信息，形成大數據集；第二步需要應用包括數據倉庫、數據挖掘和商業智能等技術手段對獲取的大數據集進行計算、匯總，通過“聚類分析”、“關聯分析”、“數據融合”，實現對客戶的個性化分析、競爭情報分析、市場需要變動和產品擴展分析及共性分析，得到應用型數據，這樣做的目的主要解決傳統CRM中個性化服務不足、市場拓展、市場趨勢預測不足的問題；第三步針對第二步的客戶分析，圍繞這個“中心”，把這些信息輸出給客戶或企業內部用來制定各種決策及提供服務支持，形成可行性報告，應用于服務管理、市場管理、銷售管理及物流企業管理。通過整個CRM系統，不僅成功的對客戶信息進行收集、分析、輸出，同時將客戶各種背景數據和動態數據收集整合在一起，同時將運營數據和外來市場數據經過整合、變換載進數據倉庫。不僅重視怎樣從技術上實現對大數據應用的過程，并且著重強調的是解決傳統CRM的弊端，將大數據時代物流企業CRM所面臨的問題在整個流程中進行解決。
篇6
要解決云會計中的數據標準困境，必須厘清數據標準的制定原則和制定思路，才能推動云會計的健康發展。
（一）數據標準的制定原則
云會計的最大特點是數據海量、數據互通、數據復雜等不同于以往會計信息系統中的結構化數據格式，是一種大數據的表現形式。標準化的云會計數據不但有助于解決“信息孤島”問題，更可以大大降低數據的使用成本、軟件的兼容成本等。在制定標準化數據過程中，要樹立高效性、可用性、經濟性三者互相協調的觀念，既要反對簡單沿用他國標準的做法，也要摒棄完全定制化的觀念，要堅持可持續、可協同的標準化思路。高效性是指云會計的數據標準要使得產出投入比最大化，如系統方面的投入與系統運算能力是否協調，存儲空間的效率是否高效，數據中心的能源消耗是否最小化，設備的維護成本是否最低等；云會計的高效性直接影響到云會計服務商與企業用戶的可持續發展，否則許多投入成本可能會演化為沉沒成本?？捎眯允侵冈茣嫷臄祿藴什粌H使云會計服務商能夠滿足用戶當前的需求，而且能夠不斷升級，滿足用戶的未來需求?？捎眯栽胶?，那么在發生業務變動時，系統的遷移性越好，即使在發生系統故障時，恢復時間也能最短化。經濟性要考慮全周期的成本，如標準建設的成本、標準應用的成本等，另外一個值得注意的是用戶的學習成本，雖然它不一定直接與用戶的經濟成本掛鉤，但會影響到用戶使用系統的積極性，一個難以掌握、難以使用的標準終究會遭到用戶的拋棄，沒有長久的生命力。
（二）數據標準的制定思路
鑒于以上所闡述的數據標準的制定原則，建議按照“官方引導，協同制定，繼承擴展”的思路來制定數據標準。云會計的數據標準不僅是個別企業的標準，而且關系到所有企業能否相互交換、相互溝通的基礎性工作。單純由官方（協會或政府）統一進行設計，再把標準無償地開放給社會使用，其優點是工作效率高、設計成本低，但標準并非直接來源于會計工作的實際情況，標準的客觀性略差，可行性較低。單純由民間設計，企業按照實際會計工作需要自主制定，再以某種收費或免費的方式向其他企業開放，其優點是標準相對客觀，可行性較高，但整體的社會成本較高，推進速度慢、公信力差。這兩種方式均難以克服固有的缺點，因此最好的方式是將官方的公信力和民間的積極性相結合，協調各方資源，協同制定數據標準，以公共產品的形式免費供給各企業使用。為了推動我國會計信息化的蓬勃發展，我國早在2004年就制定并了《信息技術會計核算軟件數據接口》（GB/T19581－2004）國家標準。于2010年6月又了更新版的《財經信息技術會計核算軟件數據接口》（GB/T24589-2010）系列國家標準。隨著國際上以XBRL（可擴展商業報告語言，eXtensibleBusinessReportingLanguage）為基礎的會計數據標準的誕生，我國于2010年10月了《可擴展商業報告語言（XBRL）技術規范》（GB/T25500.1-2010）系列國家標準和《企業會計準則通用分類標準》。由此可見，我國在會計數據標準的制定和應用方面始終走在國際的前沿，尤其是GB/T24589-2010系列標準，不僅包括了會計科目、會計賬簿、記賬憑證、會計報表，還涵蓋了應收應付、固定資產等內容，填補了國內標準化方面的空白，即使在國際上也處于領先的地位。因此此類標準既具有社會意義，也具有經濟意義；既推動國內會計事業的發展，也能助力國際會計事業的發展。因此，建議對該標準的實際應用情況進行跟蹤研究，確切了解標準的應用效果和應用質量等，收集企業的反饋意見，發展并完善，結合云會計的特點，制定新版的標準，在國內推廣的同時，也將其貢獻給世界標準化組織，為其他國家或世界性組織提供參考。
（三）制定數據標準的具體建議
大數據環境下，為了使云會計真正高效、廉價地為企業服務，使云會計的有關應用早日落到實處，本文嘗試提出制定數據標準的若干建議。基礎性標準。基礎性標準是原則性的、指導性的，為整體的標準體系提供總則規范、專用術語及參考架構等，目的是為建立龐大的標準體系打下基礎，起到統一、規范的作用，并為將來的標準建設提出原則性指導意見。數據的處理標準。數據的處理包含了數據整理、數據分析和數據訪問三個部分，相應地就要制定數據整理標準、數據分析標準、數據訪問標準。數據整理標準是指在數據采集匯聚后，初步的處理方式和方法，細分后又包含數據表示、數據注冊和數據清理三類標準。數據分析標準主要針對大數據環境下數據分析的性能、功能等提出具體指標，并進行規范。數據訪問標準則要求制定標準化的接口及共享方式，最大化地擴大數據的應用范圍。數據的質量標準。數據的質量標準針對數據質量提出具體的管理要求和指標要求，確保數據的質量，使其在產生、存儲、交換和使用等各個環節中保持一致，并對數據全生命周期進行規范化管理，一般應該包括元數據質量標準、質量評價標準和數據溯源標準三類。應用及服務標準。應用及服務標準主要是針對大數據提供的應用和服務，在技術、功能、開發、維護和管理等方面進行規范，主要包括開放數據集和數據服務平臺兩類標準。其中開放數據集標準是為了向第三方開放數據而制定的規范標準，數據服務平臺標準是對大數據服務平臺所提出的功能性、維護性和管理性標準。
三、安全困境的解決方法
云會計的應用使得用戶與會計信息的物理存儲位置產生空間上的分離，在通過互聯網傳輸、儲存和使用數據、信息的過程中，安全問題成為企業關注的一個重點，云會計服務商必須構建完善的安全管理機制，并隨著技術的發展不斷改善，才能保證企業獲得安全的云會計服務。云會計的安全問題首先體現在會計信息的傳輸階段。在企業內部傳輸時，在適當的物理措施和制度保證基礎上，通過簡單的加密就可以保證信息的安全。但會計信息一旦要傳輸至云中時，那么會計信息的安全性就受制于云會計服務商。由于云會計的信息傳輸載體是互聯網，傳輸過程中信息可能被非法截留，甚至被篡改。第二個問題體現在會計信息的存儲方面。云會計的應用可以使企業便捷地獲得并處理會計信息，但云會計采用了虛擬化的分布式方法，用戶并不清楚會計信息的存儲位置，不法分子可能會對云端的會計信息發起攻擊，盜取或篡改其中的信息。第三個問題體現在會計信息的使用階段。作為商業機密，會計信息的使用對象一般是與財務密切相關的工作人員或企業管理人員，在日常工作中，保密不周、人機分離、密碼過于簡單、角色劃分錯亂、權限錯配等都會使會計信息泄露出去。建議從以下包含技術手段及管理手段的七個方面展開工作，解決云會計的安全問題。
（一）研發云會計的大數據水印技術
以往為了加強對多媒體數據的版權保護，數字水印曾經是一種主要的加密手段，在不影響使用的前提下，將標識信息以隱蔽的方式插入到多媒體數據載體的內部。但云會計中的大數據具有無序性、動態性等特點，在其中插入水印要非常謹慎，其前提是會計大數據中存在冗余信息?？梢詫⑸倭克⌒畔⑶度氲綍嫶髷祿娜哂嘈畔⑽恢蒙希瓤梢宰R別出大數據的所有者及使用對象，也有利于追蹤分布式環境下的泄密者。
（二）研發會計大數據的溯源技術
由于云會計數據的來源繁雜多樣，有必要記錄這些數據的來源以及傳播和計算過程，可以采用數據庫領域的數據溯源技術，通過標記法對數據進行標記，記錄數據在云端的查詢與傳播歷史。數據溯源技術應用于云會計中還需要解決以下兩個問題：（1）數據溯源是否危及隱私保護。數據溯源要分析會計大數據的來源，而數據來源本身就是非常敏感的隱私數據，這樣的溯源可能無法獲得用戶的諒解。（2）數據溯源的自身安全保護，當前大多數大數據溯源技術并未充分考慮安全問題，如標記本身是否正確、標記與數據之間是否綁定等，而大數據的高速性、大規模、多樣性等特點使之更難解決。
（三）加強用戶身份及會計云身份的認證
在云會計的應用中，除了對用戶身份的認證外，還必須設置對會計云的身份認證，只有這種雙向認證得到有效落實，云中的數據才能被安全地合法訪問。首先，會計云是一個海量的分布式系統，擁有龐大的用戶群體，具有動態性和跨區域的特點，很難對違法數據進行跟蹤和管制。如果云會計服務商不能對用戶進行嚴格的認證，就會給惡意攻擊者留下可乘之機。因此無論用戶在何處登錄，云會計服務商和應用程序都要驗證用戶的合法身份。其次，為達到欺詐目的而在互聯網上駐留的“黑會計云”也將不斷涌現，用戶可能遭到惡意軟件的攻擊，也可能會被網絡釣魚。因此用戶在使用會計云之前，必須對會計云的身份進行驗證。為了達到用戶與會計云的雙向認證，必須建立跨云認證模型，實現用戶與會計云之間安全且高效的互相認證，確保雙方的數據安全。
（四）制定用戶可驗證的數據存儲方案
用戶把自身的數據存儲在云中，就必須依賴云會計服務商確保數據的安全性，但在外包服務的商業模式下，云會計服務商的可信度難以評估，很難讓用戶相信自己的數據被云會計服務商正確地存儲、處理，為此云會計服務商必須制定用戶可驗證的數據存儲方案。云會計服務商可以建立一種動態化更新及開放式驗證的數據完整性核查方案，確保數據的完整性及可恢復性，使用戶隨時可以知曉存儲在云中的數據的正確性，即使在數據遭到一定程度的損壞時，也能從會計云中取回全部數據。在此基礎上，擬訂數據泄露的問責方案，使用戶在懷疑數據遭到泄露時，可以核查甚至追究云會計服務商的相應責任。
（五）設置動態數據的安全保護機制
在功能日益復雜的情況下，云會計的應用程序也不斷大型化，云會計服務商的安全保護經驗和技術水平也參差不齊，為用戶提供的應用程序肯定會存在各種安全漏洞。在云會計為多個用戶提供服務的環境下，一個相同的服務進程要處理多個用戶的數據，如果應用程序存在安全漏洞，那么個別的惡意用戶就有機會盜用其他用戶的權限，竊取數據和商業機密，所以應該設置防止非法用戶惡意操作的動態化數據安全保護機制。可以對數據流進行分散控制，一方面對數據進行細粒度標記；另一方面基于數據流策略對數據的流向進行約束，從而實現在相同的服務進程中對不同的用戶數據進行隔離，達到保護數據的目的。
（六）建設可信的會計云計算平臺
在云會計環境下，用戶將數據及計算全部托管到云端，不僅無法對自身的數據進行控制，更無法對云會計服務商的計算過程進行監督，為了達到用戶對云會計信任的目的，云會計服務商必須通過一整套安全技術手段，建設用戶可以遠程監督的云會計計算平臺，從而提高用戶的信任度?？梢酝ㄟ^建設虛擬的可信云會計計算平臺，為數據存儲及會計核算中的所有數據提供可信的運行環境。
（七）建設管理、心理、法律三個安全軟屏障
除了上述各種技術手段保障云會計的安全外，還應該從管理、心理、法律三個方面建設安全軟屏障，從而達到“軟硬結合”的境界，全方位保障云會計的健康運行。
1.管理軟屏障。
作為高端的會計信息化系統，云會計的安全保障離不開“三分技術，七分管理”，對物理設備和從業人員進行嚴格管理。對物理設備既要做好隔離工作，也要在移動和更換過程中嚴格控制。對從業人員建立嚴格的身份控制和權限劃分，不同級別的從業人員只能訪問權限內的數據。經常更換用戶名和密碼，對數據訪問行為進行嚴格記錄。云會計服務商不能獲取用戶的會計數據，只能操作工作權限內的數據。
2.心理軟屏障。
利用各種宣傳手段對用戶和管理人員進行軟約束，使其了解云會計的安全特點和自身應該嚴守的工作規范，避免由于誤操作和惡意操作給云會計帶來各種威脅。
篇7
互聯網打造了全新的社會形態和生活方式，人們的工作、生活已離不開網絡，通過網絡消費者可實現交友，衣、食、住、行各種所需。謝文認為，未來通過網絡有望實現三方面創新，個人數據集成、公共服務數據集成及物質生產集成。如收集消費者在網絡上的言談舉止和生活中所有活動產生的數據，建立“數據人”模型，為線下的制造業提供人的需求數據；集成線上的公共服務數據為國家、政府和組織提供服務支持；集成物質生產數據實現制造業的數據化生存。對工業設計而言，網絡連接消費者、社會和物質產品組成的三維空間，融合各種大數據，可支持制造業的轉型與社會進步。這正是新形勢下工業設計的發展方向，即通過設計具體的服務產品，為消費者創造感性價值，實現消費者情感上對個性、品位和身份的追求。這些服務化產品在提供高品質服務的同時，以技術推動組織和社會創新，實現人、組織、社會和環境的可持續發展。此時的工業設計從“提供功能，方便使用”的問題解決方案，轉向“講述故事，創造意義”的“造意”階段，“造意”正成為當下產品設計新的關注點。借助網絡獲取用戶數據，讓產品滿足基本功能的同時，更多地向消費者講述故事，引起消費者的回憶和聯想，成為當下產品設計成功的關鍵。
篇8
要提高優質教育資源共享的效率，促進我國高中教育的不斷發展，就必須重視優質教育資源共享的運行系統建設，要使共享的優質教育資源能夠滿足我國高中教育教學的需要，從而使優質教育資源的利用效率得到提高。
1.優質教育資源共享的建設系統
優質教育資源共享運行系統的第一個環節就是建設系統，進行優質教育資源的匯集和開發工作。建設系統要將教育資源分為非數字化教育資源和數字化教育資源兩種，對于數字化教育資源主要是直接匯集和開發，對于非數字化教育資源還要進行數字化加工和制作，使其符合媒體文件的載體和格式。建設系統還要將已有的教育資源進行匯集和整合，使其匯聚起來，能夠進行推廣、評估和歸類。
2.優質教育資源的傳送系統
傳送系統主要負責傳輸和配送優質的教育資料。例如，可以向特定的目標區域進行優質教育資源的配送，包括少數民族地區、貧困地區等等。也可以通過對口幫扶的形式，使優質教育資源的供需雙方結成對子。在大數據時代，要充分利用先進的社會計算、4G技術、三網融合、寬帶網絡等技術，提升優質教育資源的投入產出比。
3.優質教育資源的使用系統
使用系統要具備相應的硬件設備條件，使資源需方能夠順利獲取教育資源。使用系統還應該具備指導、培訓、高級檢索等功能模塊，使資源需方能夠按照自己的具體需求獲取和檢索優質教育資源。需方也可以對優質教育資源進行再加工，例如，高中學校可以對先進的教育教學理念進行二次加工，使之能夠與自身的教材版本、學情相符合。
篇9
會計信息化是我國“十二五”期間會計改革與發展的重要內容之一，也是很多企業提高會計系統效率的有效途徑.會計信息化是信息社會的產物，是將計算機、網絡通訊等先進的信息技術引入會計學科，促進企業會計系統網絡化發展的過程.大數據的興起、云計算的增速和以云計算為基礎的云會計的應用為會計信息化的發展提供了技術支持和平臺.企業會計信息化的深度發展對于大數據的需要與日俱增.
2.1企業會計信息化的現狀
1、會計信息披露具有偏向性，導致信息不對稱.傳統的會計信息系統會誘使企業選擇特定的會計方法而造成企業管理人員利用自身是信息提供者這一優勢，不斷地美化會計報表，這對于外部使用者而言是非常不公平的.2、內部自我約束能力弱，導致數據不真實.在傳統會計信息系統下，一些企業為了眼前經濟指標的提升或者任務的完成，常常通過人為調整會計報表來應付各機構的檢查，自我約束能力弱，數據失真.還有很多企業對現有的政策法規鉆空子、打球的現象屢禁不止.聘請的第三方審計機構也本著“企業利益最大化”的審計目標，對企業不真實的數據進行舞弊，以點蓋面.3、核算量大，導致信息披露不完全.傳統的會計信息系統下，會計的信息系統發展越來越不能適應高速發展的經濟業務，很容易造成信息披露不完全.信息經濟時代下，應該更多的提供企業未來價值的知識資源，而不是沉浸在企業過去的財務數據中.4、企業信息數據單一，導致信息缺少指導性.傳統的會計信息系統主要是對企業財務信息的反映，往往忽視了非財務信息.企業自身變化的社會經濟形勢要求我們不能只依靠過去的財務數據對未來發展做出預測.對企業未來的發展預測用某些非財務信息可能會更加合理.如企業的環境成本、社會責任等信息都需要非財務信息的提供.5、信息傳遞滯后，導致會計信息缺乏時效性.傳統的會計信息系統采用先發生交易事項后進行記錄的程序，無法滿足當代企業對信息時效性的要求.企業以及社會各機構、投資者越來越需要了解隨時發生的財務信息，對其進行更好的決策，這就要求企業不定期的提供會計信息，對于會計期間的定義也不再以年為單位了.因此，現有的會計信息滯后的時效性嚴重影響使用者的需求和投資者的決策.綜上可知，傳統的會計信息系統逐漸出現了不適應當今經濟發展的事態，高效、全面的信息化系統變得越來越重要.在大數據時代下會計信息的不斷創新，快速發展勢在必行.
2.2大數據對企業會計信息化的促進作用
大數據時代下，對會計信息化的促進作用主要表現在：信息結構更加客觀，既強調了會計信息的精準性，又不失相關性；財務會計信息管理的程序化；會計人員工作轉向宏觀信息管理；多元化的計量單位.在大數據時代下非結構化數據成為主導，在會計信息中可以更好的融合結構化和非結構化數據，更好的提高數據的相關性，并且不會人為的進行舞弊.程序化的會計信息管理也將出現，財務部門逐漸將不再作為一個部門，而是作為一個類似于“企業”的獨立個體，數據的獲取可以不通過部門的上報來實現，而是通過財務部門設定的獨立軟件獲取，這也提升了財務本身的獨立性，同時也可以為其他部門提供共享服務；財務部門不需要對數據進行處理，而是轉變成為數據的使用和管理者.在大數據時代下，多元化的計量單位將會出現，會計計量單位會出現相關的時間、數量單位等.
2.3大數據時代下會計信息化面臨的挑戰
篇10
在大數據環境中圖書館提升服務質量，做到創新服務到位并非一件容易的事情。如何借助正在到來的數據技術去從事真正的知識服務是圖書情報行業人士正在思考和實踐應用的問題。王世偉認為:大數據為圖書館數據庫的重組再造以及相應的數據應用和讀者咨詢提出了新的挑戰和新的發展機遇，成為圖書館庫庫相聯的重點。復雜數據的產生與保存、分析等將對圖書館的服務、圖書館館員以及大學生信息素養教育等等也面臨著新的挑戰和影響，如何利用大數據技術去挖掘、識別、組織和分析在服務過程中所遇到的用戶行為中的結構化數據、半結構化數據與非結構化數據等信息，這對拓寬圖書館服務、創新圖書館服務都是必不可少的重要內容。由于大數據時代的到來對圖書館創新服務提出了更高的要求，隨之而來用戶要求也在提高，這必將對信息傳播者的素質要求也越來越高。因此，在大數據環境中對民族地區高校大學生信息素養教育也提出了更高的要求。但從實際情況看，大數據概念及基礎理論知識信息在民族地區高校還是顯得較為陌生，因此，充分發揮圖書館的教育職能，重視提高大學生讀者的信息素養，加強對當今信息的獲取、信息的安全、信息的利用認識和教育迫在眉睫。
三、大數據環境中民族地區高校信息素養教育的幾點思考
(一)加強對民族地區高校大學生對大數據環境諸多信息知識的認識在大數據環境中，“圖書館的傳統業務將向數據分析、數據挖掘方向轉移，對大量數據的分析與處理將成為圖書館的主要業務”［8］120－122，同時，“大數據給圖書館知識咨詢服務帶來機遇，知識咨詢服務是大數據時代圖書館知識服務的主要方式與手段，是一種有別于傳統咨詢服務的創新型服務”。圖書館知識咨詢服務也應當包括信息素養教育的內容。大數據時代圖書館對龐大的各類數據的挖掘與提高數據分析能力是圖書館發展戰略的關鍵，大數據的管理與應用涵蓋了圖書館創新服務模式、讀者借閱習慣、信息捕捉能力、數據挖掘與分析以及加強讀者信息素養提高有效利用信息等，因此，圖書館通過信息知識教育、文獻檢索課教學講座、提供多媒體課件等多種方法對大學生進行大數據概念等基礎理論的認識，如認識大數據概念及4V特征、結構化數據、半結構化數據與非結構化數據;哪些是結構化數據?哪些是半結構化數據和非結構化數據?大數據是如何進行高速獲取和應用等等信息知識，這些較為陌生的信息知識是圖書館館員以及大學生都需要學習和了解的。
(二)加強高校大學生的信息安全教育美國高等教育信息素養能力五大標準其中一條就有:“具有信息素養能力的學生懂得有關信息技術的使用所產生的經濟、法律和社會問題，并能在獲取和使用信息中遵守公德和法律”。它要求圖書館在網絡信息資源的開發與利用的服務過程中，怎樣建立一個符合信息時代的信息倫理機制，使傳播者和用戶懂得如何自由獲取信息的權利，尊重信息知識產權、保護信息隱私、防止信息垃圾及信息污染，不傳播不良信息等，這表明對傳播者也必須有一個統一的行為規范［11］。大數據環境中面臨著讀者隱私安全和隱私保護的問題較為突出，如何維護用戶的個人隱私權是面臨的一個新的要求。圖書館在利用大數據分析用戶過程中，將會遇到用戶隱私保護或泄露等問題，因此，在對讀者個人數據的采集、管理、挖掘、分析提供個性化服務的同時，也要注重用戶個人隱私的維護。要加強高校大學生信息安全教育，引導大學生在獲取和利用信息中遵紀守法。
篇11
1.2“大數據”技術
“大數據”的價值不只在于其數據量之大，更大的意義在于通過數據采集、處理、分析、挖掘等技術對“大數據”的屬性，包括數量、速度、多樣性等等進行分析，能獲取很多智能的、深入的、有價值的信息。而這些信息提取過程可大致分為以下三個階段。
1.2.1數據輸入
將分布的、異構數據源中的關系數據、平面數據等數據進行采集抽取，然后對其進行清洗、轉換、集成等，最后將數據加載到數據倉中，進而為數據聯機分析、挖掘等處理奠定基礎。其特點主要表現為并發數高，因為成千上萬的用戶有可能同時訪問、操作數據，比較典型的就是火車票售票網站、淘寶等，在峰值時，它們并發的訪問量能達到上百萬，在這種情況下，在采集端需要部署大量數據庫。
1.2.2數據處理
“大數據”技術核心就是數據挖掘算法，基于不同的數據類型和格式的各種數據挖掘的算法深入數據內部，快速地挖掘出公認的價值，科學地呈現出數據本身具備的特點。并根據用戶的統計需求，對存儲于其內的海量數據利用分布式數據庫或分布式計算集群進行普通的分析和分類匯總等。其特點主要表現為用于挖掘的算法比較復雜，并且計算涉及的數據量和計算量都很大，常用數據挖掘算法都以單線程為主。
1.2.3數據輸出
從“大數據”中挖掘出特點，科學的建立模型，通過導入數據，以得到用戶需要的結果。這已在能源、醫療、通信、零售等行業有了廣泛應用。
2“大數據”安全隱患
“大數據”時代，數據量是非線性增長的，隨著數據價值的不斷提高，黑客對于數據的覬覦已經由原來的破壞轉變成竊取和利用，病毒或黑客繞過傳統的防火墻、殺毒軟件、預警系統等防護設備直接進入數據層，一些高級持續性攻擊已經難以用傳統安全防御措施檢測防護。“大數據”的安全風險主要可以分為以下兩個方面。
2.1從基礎技術角度看
NoSQL（非關系型數據庫）是“大數據”依托的基礎技術。當前，應用較為廣泛的SQL（關系型數據庫）技術，經過長期的改進和完善，通過設置嚴格的訪問控制和隱私管理工具，進一步維護數據安全。在NoSQL技術中，沒有這樣的要求。而且，對于“大數據”來說，無論是來源，還是承載方式都比較豐富，例如物聯網、移動互聯網、車聯網，以及遍布各個角落的傳感器等，通常情況下，數據都是處于分散存在的狀態，難以對這些數據進行定位，同時難以對所有的機密信息進行保護。
2.2從核心價值角度來看
“大數據”技術關鍵在于數據分析和利用，但數據分析技術的發展，對用戶隱私產生極大的威脅。在“大數據”時代，已經無法保證個人信息不被其他組織挖掘利用。目前，各網站均不同程度地開放其用戶所產生的實時數據，一些監測數據的市場分析機構可通過人們在社交網站中寫入的信息、智能手機顯示的位置信息等多種數據組合，高精度鎖定個人，挖掘出個人信息體系，用戶隱私安全問題堪憂。
3“大數據”安全防范
由于“大數據”的安全機制是一個非常龐大而復雜的課題，幾乎沒有機構能一手包攬所有細節，因此業界也缺乏一個統一的思路來指導安全建設。在傳統安全防御技術的基礎上，通過對“大數據”攻擊事件模式、時間空間特征等進行提煉和總結，從網絡安全、數據安全、應用安全、終端安全等各個管理角度加強防范，建設適應“大數據”時代的安全防御方案，可以從一定程度上提高“大數據”環境的可靠度。
3.1網絡安全
網絡是輸送“大數據”資源的主要途徑，強化網絡基礎設施安全保障，一是通過訪問控制，以用戶身份認證為前提，實施各種策略來控制和規范用戶在系統中的行為，從而達到維護系統安全和保護網絡資源的目的；二是通過鏈路加密，建立虛擬專用網絡，隔離公用網絡上的其他數據，防止數據被截取；三是通過隔離技術，對數據中心內、外網絡區域之間的數據流量進行分析、檢測、管理和控制，從而保護目標數據源免受外部非法用戶的侵入訪問；四是通過網絡審計，監聽捕獲并分析網絡數據包，準確記錄網絡訪問的關鍵信息；通過統一的策略設置的規則，智能地判斷出網絡異常行為，并對異常行為進行記錄、報警和阻斷，保護業務的正常運行。
3.2虛擬化安全
虛擬機技術是大數據概念的一個基礎組成部分，它加強了基礎設施、軟件平臺、業務系統的擴展能力，同時也使得傳統物理安全邊界逐漸缺失。加強虛擬環境中的安全機制與傳統物理環境中的安全措施，才能更好地保障在其之上提供的各類應用和服務。一是在虛擬化軟件層面建立必要的安全控制措施，限制對虛擬化軟件的物理和邏輯訪問控制；二是在虛擬化硬件方面建立基于虛擬主機的專業的防火墻系統、殺毒軟件、日志系統和恢復系統，同時對于每臺虛擬化服務器設置獨立的硬盤分區，用以系統和日常數據的備份。
3.3數據安全
基于數據層的保護最直接的安全技術，數據安全防護技術包括：一是數據加密，深入數據層保護數據安全，針對不同的數據采用不同的加密算法，實施不同等級的加密控制策略，有效地杜絕機密信息泄漏和竊取事件；二是數據備份，將系統中的數據進行復制，當數據存儲系統由于系統崩潰、黑客人侵以及管理員的誤操作等導致數據丟失和損壞時，能夠方便且及時地恢復系統中的有效數據，以保證系統正常運行。
3.4應用安全
由于大數據環境的靈活性、開放性以及公眾可用性等特性，部署應用程序時應提高安全意識，充分考慮可能引發的安全風險。加強各類程序接口在功能設計、開發、測試、上線等覆蓋生命周期過程的安全實踐，廣泛采用更加全面的安全測試用例。在處理敏感數據的應用程序與服務器之間通信時采用加密技術，以確保其機密性。
3.5終端安全
隨著云計算、移動互聯網等技術的發展，用戶終端種類不斷增加，很多應用程序被攻擊者利用收集隱私和重要數據。用戶終端上應部署安全軟件，包括反惡意軟件、防病毒、個人防火墻以及IPS類型的軟件，并及時完成應用安全更新。同時注重自身賬號密碼的安全保護，盡量不在陌生的計算機終端上使用公共服務。同時還應采用屏蔽、抗干擾等技術為防止電磁泄漏，可從一定程度上降低數據失竊的風險。
4“大數據”安全展望
“大數據”時代的信息安全已經成為不可阻擋的趨勢，如何采用更加主動的安全防御手段，更好地保護“大數據”資源將是一個廣泛而持久的研究課題。
4.1重視“大數據”及建設信息安全體系
在對“大數據”發展進行規劃的同時，在“大數據”發展過程中，需要明確信息安全的重要性，對“大數據”安全形式加大宣傳的力度，對“大數據”的重點保障對象進行明確，對敏感、重要數據加大監管力度，研究開發面向“大數據”的信息安全技術，引進“大數據”安全的人才，建立“大數據”信息安全體系。
4.2對重點領域重要數據加強監管
海量數據的匯集在一定程度上可能會暴露隱私信息，廣泛使用“大數據”增加了信息泄露的風險。政府層面，需要對重點領域數據范圍進行明確，制定完善的管理制度和操作制度，對重點領域數據庫加大日常監管力度。用戶層面，加強內部管理，建立和完善使用規程，對“大數據”的使用流程和使用權限等進行規范化處理。
篇12
流量是當今數字世界運轉的基礎。“客觀屬性”是對“流量”這一認識客體固有屬性的客觀描述，不因經營主體和經營方式而異。流量屬性包括以下方面：1)流量的規模性，指流量可用同一量綱進行規模比較，比如聯通單用戶流量規模要高于移動，百度流量規模要高于google中國，基于中國移動網絡發生的流量規模要高于基于百度服務發生的流量規模；2)流量的層次性，指流量與用戶真實行為(主體)的接近程度。流量蘊含著反映主體行為的信息，但程度有所不同。比如淘寶網所承載的流量直接反應用戶的網購行為，而電信網所承載的流量只是經過IP協議封裝的比特流，前者顯然更接近用戶真實行為因而被稱為表層流量，后者則被稱為底層流量；3)流量的異質性，指流量對用戶消費目的(客體)的涵蓋范圍。流量蘊含著反映客觀世界的信息，但范圍有所不同。比如文本、話音、圖片、音樂、視頻等不同類型之間，垂直應用與平臺式應用等不同類型之間，社交類、娛樂類與生產類應用等不同業務類型之間，其流量映射客觀世界的能力就各有差異和側重；4)流量的不可分性，雖然底層流量和表層流量在概念上區分了，但在實體上是緊密依賴的，是同一事物在不同經營層面上的不同投影。比如，淘寶的表層流量離不開運營商底層流量的依托，運營商底層流量也離不開淘寶等表層流量的呈現，同時，淘寶可推知用戶使用了多少底層流量，運營商也可部分解析出用戶的購物行為。
可見，流量是一個充滿想象空間的市場，而電信運營商似乎占據有利地位。綜合流量的層次性和異質性，流量被賦予了主體行為和客體存在在信息層面上統一投影的屬性，是信息社會不斷流動的血液，具備極大的社會價值和經濟價值。從流量的不可分割性來看，上層服務提供商與基礎運營商之間的相互依賴、相互制約將是長期的基本格局。從流量的規模性來看，至少在本地市場，由于基礎設施市場集中度高，電信運營商很容易就可獲得超過任何單一玩家(如apple和facebook)的規模優勢。
但現實情況中，流量規模的暴漲對電信運營商是一把雙刃劍，情況不容樂觀。流量在呈現客觀屬性的同時，在特定的經營主體及經營方式下，還會表現出影響甚至決定經營績效的經營特征。本文認為，固然客觀屬性有利于電信運營商開展新一輪價值創造，但在當前經營模式下，流量應有的價值并未得到充分挖掘，無法支撐電信運營商的可持續發展。
當前的流量經營模式是，通過提供同質化的、以M為價值衡量單位的流量產品來滿足用戶的接入需求，然后通過向用戶收取按照使用量計算的費用來補償網絡成本、運維成本和營銷成本。在這種模式體現出三大屬性：一是面向手段性需求。用戶向運營商購買流量不是為了流量本身，而是為了流量所承載的個性化互聯網應用。流量僅僅是服務于互聯網消費的手段，因此，與面向目的性需求的互聯網服務提供商爭奪用戶界面時，電信運營商天然地處于劣勢；二是無直接網絡效應，電信運營商無法將網絡效應內化從而無法實現業務的邊際效應遞增。流量用戶之間并未像話音用戶之間和短信用戶之間那樣構成彼此連接的網絡，用戶之間的網絡是通過業務構成的，而業務網卻控制在OTT手中。換言之，網絡效應主要存在于OTT業務層，而非管道層。因此，隨著使用OTT業務的用戶越來越多，以及用戶使用OTT的業務次數越來越多，OTT業務的邊際效用遞增，但電信運營商流量的邊際效用基本持平；三是邊際成本下降有限，面對指數級增長的流量需求，運營商不斷追加投資擴容、升級只能勉強跟上。上期投資剛進入邊際成本下降階段新的投資又追加進來，下降趨勢被中止。在投資壓力下，設備商又勾畫了美妙的技術前景，許諾平均成本將極大地降低，勾引運營商全面投資新技術。這樣多次循環和疊加，在相當長一段時間內，運營商都處于初始成本投資階段，流量邊際成本下降的周期被壓縮到很短。反觀OTT，一旦業務上線，在運營成本增長與業務量增長相比可忽略不計的前提下，業務邊際成本很快就會下降到接近于0。某種程度上，信息產品邊際成本為0規則的成立，是建立在電信運營商的犧牲之上的。
圖OTT業務與電信運營商流量業務的邊際效用/成本對比
電信業本是新經濟的鼻祖，網絡效應理論就是70年代從對話音網絡的研究中發展起來的。然而，在當前經營模式下，運營商的流量業務失去了網絡效應、邊際成本趨于0、邊際效用遞增等信息產品的新經濟特征，用工業經濟時代的經營模式去與新經濟時代的經營模式爭奪價值，注定是落于新型競爭對手的。這是僅在流量規模上做文章，沒有深入挖掘流量價值形成的后果，運營商由此陷入流量價值困境。
(三)大數據經營破解價值困境
大數據的定義眾說紛紜，從技術特征上它通常具備數據量大(volume)、數據類型多(variety)和數據處理和響應速度快(velocity)的特征，麥肯錫將大數據定義為超過了常規數據庫軟件所能搜集/存儲/管理和分析的規模的數據集。大數據概念具有深刻的IT烙印，正如“流量”概念具有深刻的電信烙印。通信與計算是信息的不同處理環節，在ICT端到端融合的背景下，流量和大數據完全可以統一在“信息”概念下，是信息全生命周期不同階段的稱謂。流量有表層底層之分，數據也有信息、知識、智慧之謂，流量經營和大數據經營均可理解為信息經營。
然而，僅僅揭示大數據本身的屬性是遠遠不夠的，如果脫離了正確的經營模式，一切價值都是虛妄。在這方面，電子科技大學周濤教授的觀點很有價值。他認為，大數據1.0是利用內部數據解決內部問題，大數據2.0是利用內部數據去解決外部問題，或利用外部數據解決內部問題，大數據3.0意味著大數據進入了一個以共享交易為特征的時代，出現了大數據公共平臺運營商(以下簡稱大數據運營商)。從1.0到3.0，大數據的工具屬性逐步減弱，目的屬性逐步增強，直至“大數據”像貨幣一樣在全社會范圍被收集、交換、處理、傳輸和應用，使得大數據可以真正成為時代的標簽。在這個意義上，大數據之“大”，就是不斷增強數據的透明性、不斷擴大數據的共享范圍、不斷提升數據的流動性，在更大范圍內解決信息不對稱以創造更大的價值。否則，無論數據多豐富，技術多先進，都較過去無本質突破，大數據之“大”盛名難副。這個過程，是大數據經營環境不斷完善和經營模式不斷演進的過程。
大數據經營模式嚴格來說是指大數據運營商的經營模式。大數據運營商采取雙邊平臺模式，一方面向消費者提供普遍服務，另一方面向企業客戶提供以大數據為中心的服務?？梢孕蜗蟮貙⑦@種經營模式比喻為“數據銀行”。1)大數據運營商自身掌握獨特而雄厚的數據資產，這往往是一個通過提供消費者服務集腋成裘的過程，正如銀行通過吸納個人存款掌握雄厚的現金等資產；2)這些數據的使用權和支配權歸大數據運營商但所有權屬于消費者，正如銀行可以自行決定吸納的存款如何使用，但儲戶擁有隨時要求提現的權力；3)大數據運營商以免費或部分免費提供服務為代價，換取消費者在使用該服務時產生大數據的支配權，正如銀行承諾利息收益換取現金存入或委托理財，并默認獲得資金支配權；4)這些大數據被用到千百萬家企業的生產服務流程中，為大數據運營商的企業客戶創造價值，為大數據運營商賺取收益，正如銀行吸納的存款被貸給各行各業的企業，融入經濟生活的角角落落。為了進一步理解該模式，下面描述一些細節：
細節一：場景舉例。風險控制是保險公司商業模式的核心環節，如果能夠更準確地獲知投?？蛻舻娘L險系數，保險公司就可能設計更有競爭力的保險險種和更豐厚的收益。比如車險，如果能對某潛在客戶的出行和駕駛行為數據如車速、車程、違規記錄等進行分析，保險公司就能更精確地推知該用戶在投保期內出現安全事故的概率，從而制定更為有利的保費和理賠政策，比如避免對高危客戶(通過各種指標定義)保費過低或保額過高，而對“安全系數”較高的客戶則可以在常規保費基礎上打折以提升產品的吸引力。同樣，對于疾病險，如果能夠對潛在客戶每天身體健康指標如血壓、心跳、卡路里消耗、睡眠時間等，保險公司就能識別優質客戶并針對性地設計相關疾病險種。在這個簡單的例子里，大數據產生于用戶使用的車聯網、移動健康等服務，大數據運營商需要向用戶提供這些服務，并承諾他們的個人數據不會被濫用。對于保險公司或其他中小型企業客戶，大數據運營商提供的核心產品是數據，但更可提供大數據基礎設施租用、承擔大數據分析任務甚至基于分析結果的營銷執行等附加服務。
細節二：如何規避隱私爭議。個人數據的隱私問題是大數據商業價值受到質疑的主因。實際上，這個問題可以從理念上和模式上給予回答。理念上，隱私問題自人類社會形成之初就存在，用戶心中總是存在一架權衡隱私顧慮和業務價值的天平。當前的隱私爭議不在于隱私被使用了，而在于被濫用了，沒為用戶帶來便利/效率/等正面價值甚至反而帶來負面價值。因隱私顧慮而扼殺業務創新只會在競爭中被淘汰，將注意力集中到利用個人數據創造更智能的業務，使用戶心中的天平偏向業務價值，這才是解決之道。模式上，大數據運營商扮演的是銀行角色，受消費者委托管理數據，基于數據所有者與數據使用者之間的契約關系執行數據開放動作，具體由雙邊平臺的雙方自愿談判商定。比如，保險公司若需要使用個人數據可向個人提供保費折扣，達成協議后大數據運營商則執行這一契約，按照協議開放指定數據，并全程監督數據使用。上述過程并不涉及隱私侵犯。對于那些無需識別個人身份的大數據應用，交易成本可以更低，正如銀行沒有必要向每個儲戶說明他/她的存款被用于哪一筆放貸或投資，而只需履行利息承諾即可。
細節三：如何獲得網絡效應。在上述經營模式下，大數據運營商將獲得網絡效應，這種效應源于該平臺上各行各業的企業。與話音業務類似，企業使用該平臺提供的數據的同時，也在為該平臺增加更多的數據資產。比如，“用戶A在facebook上的Like行為記錄”這一數據，若被WSJ網站使用，除了為WSJ產生“內容精準推薦”的價值外，用戶A對該內容的瀏覽行為和評論(如果有)也會被平臺記錄，從而提升原數據質量(如置信度評價)、豐富了關于用戶A的數據，其他企業將可從該平臺獲取更多價值。這樣，企業圍繞平臺構成了大數據共享網絡。大數據平臺成為網絡效應的受益者。于此同時，企業客戶在使用大數據產品時也具有邊際效用遞增的特征，數據用得越多，數據的價值就越大。可見，大數據經營完全符合新經濟規則。數據不因使用而損耗，且隨著使用次數增多價值反而變大，邊際成本趨于0，邊際效用遞增，大數據的價值與數據節點及數據使用者節點的平方成正比。
細節四：如何將流量轉化為大數據資產。針對流量業務，一方面優化現有面向消費客戶的經營模式，另一方面從流量中提取大數據資產，作為構建面向企業客戶大數據經營模式的基礎，兩者交叉補貼，平攤成本。用戶在消耗流量的同時，也在為大數據經營添磚加瓦。一個基礎設施，兩個經營模式，這是成本收益困境的基本解題思路。對流量經營而言，智能管道存在的價值是調控和配置管道資源，但智能調控和配置的前提是對調控對象的深度識別和解析，而這正好就是從流量提取大數據的過程。因此，智能管道將成為電信運營商獲取大數據的重要來源。大數據的另外兩個重要來源是BSS和各種信息類業務的后臺數據。不同域數據之間的混搭會取得1+1》2的效果。
(四)大數據平臺運營商的演化
在未來實體世界與數字世界無縫整合的世界，高速流動的信息將充當不可或缺的紐帶。誰能掌控兩個世界相互耦合的界面，誰就將成為下一輪破壞性創新周期中最大的贏家，而大數據平臺就是這樣的關鍵環節。當前雖然總體上處于大數據1.0階段，但基于數據重要性被不斷認知、傳統企業擁抱數字化商業模式熱情高漲等事實，大數據領域正孕育著一個前景廣闊、異彩紛呈的大市場。
未來的大數據運營商絕不僅僅包括現在的電信運營商，互聯網巨頭如facebook、google和阿里巴巴等也將沿著這一方向演進。阿里巴巴提出的“電商、金融、數據”三步戰略就是明證。阿里巴巴和新浪微博、高德地圖等之間的資本聯姻，也是走在數據布局的路上。平臺會擴張，生態會成長，當時代被烙上大數據的印記，圍繞大數據公共平臺運營商成長起來的大生態注定會成為信息文明的基石。從平臺演進的角度，本文認為大數據經營的成熟將經歷消費平臺、垂直平臺和公用平臺三個階段，簡要描述如下：
第一階段，競爭者們借助消費平臺海量用戶數據的原始積累取得了大數據平臺之爭的入場券。比如阿里巴巴的淘寶、騰訊的微信、facebook以及電信運營商的流量，都是典型的消費平臺。各類消費平臺有層次和領域的區別，滲透爭奪十分激烈，但就數據儲備而言都具備了進階的資格。同時，OTT玩家普遍發育了后向廣告模式，與電信運營商的流量前向收費模式相比，收入規模小但利潤率高。
第二階段，基于用戶積累向垂直行業擴張或者某個特定的環節延展。這個階段，消費平臺依然非常重要，但隨著數字世界與實體世界的整合，固守數字世界很快遇到增長極限，因而越來越多的資源將投入面向線下傳統行業的拓展。垂直行業方面，包括金融業(互聯網金融、移動支付等)、健康業(移動健康、移動醫療等)、汽車業(智能汽車、車聯網等)。特定環節方面，包括營銷(廣告)，CRM(如微信公眾賬號、淘寶賣家服務、FacebookConnect等)、產品設計(如天貓和華為定制手機合作等)。毫不意外，擴張的行業B2C特征較明顯，延展的環節則以營銷環節為出發點，而電信運營商通常以行業擴張為主，OTT以環節延展為主?？傮w而言，這些面向各垂直行業和特定環節的服務都以相對獨立的小平臺形式存在，每個垂直平臺的經營模式各不相同，大數據資產進一步積累，但以信息為中心的經營模式仍未確立。從進階第三階段的角度考慮，衡量第二階段經營成敗的標準有兩個：其一是是否與政府和傳統企業建立了全面的信任關系；其二是是否掌握了大部分行業都需要的20%的關鍵信息。
第三階段，面向全體社會成員的大數據公共平臺出現。大數據在企業生產和消費者生活各環節的價值被充分認識，垂直行業內部的信息鏈在第二階段被打通之后，進入跨行業信息共享階段，大數據時代來臨。在前文提到車聯網信息、個人健康信息和保險公司的共享是這一階段的典型案例，而車聯網、移動健康領域的數據布局和與保險公司信任合作關系的建立，則已在第二階段完成。值得強調的是，消費者的作用非常重要，因為各行業間打破信息隔閡唯一動力就來自于它們具有共同的用戶。這一階段，數據透明/共享/流動的范圍、網絡效應的范圍、創造價值的范圍達到了新的高峰。
上述三個階段所描述的經營模式是疊加而非替代關系。從大數據的角度看，第一階段著眼于積累原始資本，第二階段注重數據的垂直投資布局和精耕細作，第三階段注重跨行業數據的共享運營。但從經營視角來看，最終大數據運營商將具有三種核心業務、三種盈利來源，比如阿里巴巴的三步走戰略，并不是金融代替了電商，數據代替了金融，而是按照這個路徑最終形成三足鼎立的多元共生業務組合。
(五)對電信運營商的建議
既不甘于管道的低利潤率，又無法適應OTT基于速度和創意的競爭規則，電信運營商一直在尋找位于管道業務和OTT業務之間的黃金地帶。本文給出的答案就是大數據經營。大數據經營與傳統通信經營在業務屬性和經營模式上具有內在延續性。傳統通信業務通過將個人連成通信網絡解決個人與個人之間的信息不對稱，大數據經營通過將企業連成大數據網絡解決行業與行業之間的信息不對稱，這個方向符合信息社會的演進脈絡。通過選擇正確的模式，大數據經營完全可以和傳統通信業務一樣具備網絡效應等新經濟特征，從而帶領運營商走出當前流量經營模式的價值困境。
對電信運營商而言，大數據的戰略地位應從內部運營工具提升到“新大陸”，移動互聯網業務則從“新大陸”降低到撬動新大陸的“杠桿”。如果目標和OTT一樣都是大數據，而獲取大數據的手段并非僅自身運營OTT業務一途，電信運營商何必一定要吊死在這棵樹上呢？調整心態后再參與OTT競爭，也許更從容不迫。因此，電信運營商無需過于糾結為何不具備互聯網基因，而應立即與那些OTT站在同一起跑線上一道發力培養大數據基因，構建大數據經營模式。大數據目前還處于非常早期的階段，大數據競爭最終將是資源密集型的，電信運營商在這個戰場上的位勢要比在OTT戰場上好得多，至少暫時如此。比如，騰訊有微信和QQ，阿里有淘寶和支付寶，電信運營商有流量。關于下一步的布局，有如下幾點建議：
篇13
既然大數據時代已經到來，而且其功能作用對部隊檔案管理工作有著較為深遠的影響，運用得當，大數據將給我軍檔案管理工作帶來前所未有的成功，那么如何將大數據的理念較好地運用到檔案管理工作中來呢？
2.1建立檔案資源管理中心
大數據技術支持龐大數據的存儲和處理，使檔案資源的統一管理成為可能。為了維護檔案的安全及對檔案資源的綜合掌控，檔案需要備份，目前檔案館采用的是檔案的電子備份，檔案部門是否可以在全軍范圍內建立一個區域或者檔案備份中心，并且各部隊檔案部門能夠做到資源共享呢？只要通過嚴密驗證和科學規劃，這一措施是完全可行的。若全軍的檔案數據資源能集中起來，那么利用大數據進行檔案資源的管理、開發和利用將指日可待。
2.2培養大數據分析的專業人才
外界企業通過尋求和專門的大數據開發公司合作，較好的運用了大數據技術。而檔案管理牽扯到部隊保密工作，若想引入大數據，又要有效防止信息數據的泄露，就必須加緊健全信息化檔案管理人才隊伍，花大力氣培養大數據分析的部隊專業技術人才，方能有效避免擁有大量數據卻不懂數據分析的尷尬。
2.3開發大數據分析工具
部隊檔案管理區別于地方，存在特殊性和敏感性。這就要求我們必須結合部隊實際及檔案建設的特點，開發出一套符合我們自己的大數據分析工具。
