大数据时代信息的特征范文

引言：寻求写作上的突破？我们特意为您精选了12篇大数据时代信息的特征范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2015 . 17. 017

[中图分类号] F232 [文献标识码] A [文章编号] 1673 - 0194（2015）17- 0036- 02

1 大数据的含义及其特征

随着信息时代的到来，“大数据”这个概念也被广为传播。美国奥巴马政府也高调制定了其大数据研究和开发计划，大数据已经开始进入到人们的生活中。对于大数据这一概念，目前暂无确切的定义，通常是通过数据产生的过程和数据形成的两个过程进行描述，本文从大数据产生和大数据的特征两个维度进行定义。大数据具有规模大、类型多、处理速度快、价值密度低4个基本特征。

（1）大数据的基本特征是数据规模大，大不仅体现在数量上，还体现在范围上。随着数理统计技术的发展以及数据处理能力的提高，用传统的少量的样本特征来推断整体的习惯已经被摒弃，人们通过搜集和整理更大量、更大范围的数据，进行更精准的决策。

（2）大数据所包含的数据类型繁多、复杂多变。大数据时代数据来源范围更广阔，比如电子商务、手机信息、行车信息、购物会员信息等多渠道，同时数据的格式也不尽相同。因此，数据的多样性具有来源多样性以及格式多样性等特点。

（3）大数据的另一个显著特征就是处理速度快。面对巨大数量的数据，同时数据形式多样化，只有加快数据处理的速度才能让数据的时效性和有效性得到充分发挥。在巨量数据的情况下，数据还具有流动性，随着时间的推移其价值也会降低甚至失去其自身的意义，因此，在大数据时代下，数据处理越来越强调其时效性，对其处理速度也提出了更高的要求。

（4）大数据下大量数据的聚集导致数据的价值密度低。大数据所包含的巨量数据信息中包含了所有数据和全部字段细节，对于要解决一些特定的问题和决策来说，有大量不相关信息包含其中，造成了相对有效数据的密度低。面对这个特征，为了提升决策的效率以及效益，需要提炼有效数据。大数据为了保证信息的完整性以及能够满足所有应用，这就要求数据数量的激增，而有效信息的比例相对减少，也就是我们所说的价值密度低的特征。

2 大数据时代管理会计面临的挑战

2.1 会计工作者对大数据的应用认识不足

大数据时代的到来对很多行业来说既是机遇也是挑战，会计从业者对大数据的正确认识是迎接机遇和挑战的必要条件。目前很多企业并没用充分认识到这一点，对大数据的认识不足，主要表现为：首先，认为大数据技术比较遥远，而且仅仅是存在于如谷歌、微软等高精尖技术公司，不愿意为大数据技术投入人力、物力、财力，甚至有意避开大数据这一领域的有效应用；其次，对于大数据的认知度不足，调查显示，在中小企业中，对大数据有过关注和了解的人不足50%，另一半则仅仅听过这个名词而已，并没有真正关注和了解。再这样的情况下，大数据在会计工作者中的应用与推广必将受到影响。

2.2 会计的信息存储空间不足

我们强调了大数据时代其特征中数据量的巨大，并且要求所存储数据的全面性以及持续性，这些都需要巨大的存储空间，而目前对于处理这些TB级别的数据有很大困难。

2.3 会计信息的安全无保障

大数据时代基础数据搜集中，包含着大量的私密信息，这些信息的安全关系到员工及客户的自身安全；同时大数据也涉及到企业核心信息。这些数据一旦泄露，都将对客户或者企业造成威胁，给企业带来不可弥补的损失。因此，面对大数据的应用，对于信息安全的要求是一个不可回避的重要课题。

2.4 针对大数据的会计分析技术不足

大数据的特点之一就是数据价值密度低，也就是说面对众多数据，对其有效的分析和充分的利用是实现大数据有效应用的途径之一。目前，对于大数据的有效应用少之又少，一方面是因为数据量过大，另一面则是因为传统的分析方法不能很好地适用于非结构化数据的分析。

2.5 大数据时代下会计人才缺失

目前，全世界都面临着大数据专业人才的缺口，面对大数据的特点，必须有专业数据分析技能的会计工作者才能胜任，才能将众多数据转化为有效的深度挖掘和分析决策报告。专业知识的短缺必将阻碍会计工作者在大数据时代下的发展，因此，对于数据处理及数据挖掘等相关方面的培训是会计工作者提升自身技能的必备条件。

3 如何应对大数据给会计工作带来的挑战

大数据时代的到来是一个渐进的过程，在这个过程中，对会计工作的能力要求也是一个渐变和逐步提升的过程，会计人员必须积极应对这些变革，迎接大数据带来的挑战。

3.1 提升自身对数据挖掘的应用能力

大数据的有效应用就是考验会计工作从海量信息中找到有价值信息的过程，只有找到了有价值的信息才能为生产经营提供正确的发展方向。这些都需要依赖于数据仓库以及数据挖掘技术。

3.2 提升会计信息化的安全性

前面提到了目前会计信息安全性的问题，如何防止他人恶意非法访问以及窃取相关数据是目前急需解决的问题。目前比较有效的防护办法为：企业启用用户身份安全认证以及访问控制机制，同时增加会计信息安全评估机制，在企业内部建立和健全一个会计信息管理系统。

3.3 加大对大数据知识的会计人才的培养

随着大数据的逐步应用，为应对大数据知识及技能人才缺失的现状，企业一方面可以加大招聘力度，另一方面可以通过对现有会计人员进行培训或者交流学习等方式，提升会计工作人员的大数据挖掘分析的能力。

4 结 语

随着大数据时代的到来，对会计工作的需求也上升到了一个新的高度，在技术上说，要求会计人员了解大数据的特点，并且能从中挖掘和整理出有效的信息，能为公司解读有效数据并提供决策依据；从职业操守上来看，需要会计工作者严保数据库中的敏感信息，不可泄露客户及公司的信息。因此，需要不断提升会计工作的技能和职业操守来应对大数据时代的到来，更好地利用大数据来更加出色地完成会计工作。

主要参考文献

[1]袁振兴，张青娜，张晓琳，等.大数据对会计的挑战及其应对[J].会计之友，2014（32）.

[2]许金玲，赵爽.大数据时代管理会计工作变革研究[J].现代经济信息，2014（23）.

篇2

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 03. 068

[中图分类号] TN918.08 [文献标识码] A [文章编号] 1673 - 0194（2017）03- 0127- 02

1 大数据的特征和大数据涉及的相关内容

1.1 大数据的主要特征分析

处在大数据时展背景下，大数据的特征体现也比较鲜明，首先在海量信息数据的特征方面就比较显著。在计算机的硬盘容量上已经进行了升级，容量上也大大的扩大了，其数据的规模上也不可同日而语。这就对信息技术的进一步发展有着重要的促进作用，这也是大数据时代的一个重要标志。再者是大数据的数据信息种类的多样化，多样化类型的传感器以及终端设备都是大数据信息数据的源头。这样就形成了数据类型的多样化。

1.2 大数据涉及的相关内容分析

大数据发展下涉及到的内容比较多，网络的安全问题是大数据发展下的重要问题内容。大数据的发展为网络犯罪提供了很大的便利，使得范围的模式发生了变化，并且在犯罪的水平上也比较高，这就对信息安全带来了很大的威胁。再有是涉及到的云数据，在云计算的应用下，也是面临着一些问题，使得在对数据的处理过程中会着诸多不可测的风险。另外在个人设备管理的问题上，移动设备的应用广泛化，使得数据的存储和访问等都变得简单化，这也存在着信息安全的问题。

最后在涉及到的数据保密的内容层面也是需要急迫解决的。对于这些内容都要充分的重视。

2 大数据时代信息安全问题和解决策略探究

2.1 大数据时代下信息安全问题分析

大数据时代背景下的信息安全问题比较突出，主要体现在人们对大数据环境下的信息安全的意识没有得到强化，对信息的安全防范意识不足。网络的安全性问题在当前的社会发展中越来越严重，由于网络的开放性特征，也使得个人的信息安全得不到有效的保障。在一些社交平台或公共购物平台等，都可能对个人的信息造成泄露。而当下的公众在信息安全的防范意识上还不是很强，这就使得信息安全问题发生的可能性就增大了。再者，大数据环境下的信息已经成为高级可持续攻击载体。在大数据自身的价值密度低的特征下，使得外界的环境影响比较敏感，容易受到黑客的攻击。而这些攻击的代码是处在大数据当中的，所以进行安全服务鉴别中就存在着很大的难度。从而使得大数据信息成为了可持续攻击的一个载体，在这一方面的问题要能充分的重视，结合实际进行应对。另外，大数据环境中的信息安全问题还体现在智能终端的威胁。移动智能终端在我国的使用数量不断的增长，这就使得智能终端的信息也比较多，在信息的安全性方面就存在着很大的隐患。智能终端一旦被破坏，就会使得信息丢失，而受到病毒的控制也会造成信息的安全性得不到有效保证。

2.2 大数据时代下信息安全问题的解决策略

对于大数据时代背景下的信息安全问题的解决，要能从多方面进行考虑。首先在数据的结构优化措施的实施上要重视，这对信息安全保护有着重要作用。由于大数据时代的数据信息比较复杂，在数量上也比较大，通过数据结构的优化和加密管理，就比较方便处理。能够在数据结构化基础上对入侵的数据实现智能化的辨别，在信息的安全系数上得到了有效提升。

再者，大数据时代对信息安全的防范要进一步加强敏感数据的监管力度。大数据的海量信息的特征，使得在管理上存在着诸多难度，这就为黑客信息扫描检测漏洞提供了可能。故此政府方面要在大数据的监管力度上进行加强，在管理制度上结合实际进行有效完善，并要能够对移动设备的安全使用进行保障。从大数据的使用流程以及方法层面严格执行，这样才能保证对信息安全的保证。对大数据时代背景下的信息安全问题的解决，还要能从大数据平台建立方面得到加强。

另外，强化大数据信息安全技术的应用，不断的将安全保障技术进行优化。信息的安全性保障离不开技术的支持，要定期的ν络中的潜在漏洞实施扫描，在信息的安全防御层面进行有效加强。在大数据的技术研发方面要进行加强，将数据加密技术以及安全访问控制技术等得到有效应用，从整体上将信息安全的防范能力进行加强。要能通过相关技术的应用，从数据信息的泄漏重点领域加以强化，通过对设备的访问权限设置，以及通过SSL技术的应用等，全面加强数据信息的安全保护作用。

篇3

1.1何为大数据时代

大数据时代是当前信息技术领域中的一个热词，随着互联网的迅速发展，人们在生活、工作、学习过程中对网络的依赖程度越来越大，我国的网民数量还在不断增加。大数据就是在这样的背景下产生的一个概念，大数据也叫做巨量资料，可以将大数据时解成为一个海量信息的时代，从字面意义来讲是指有大量丰富的数据存在，但是数据量的规模并不是大数据存在的真正意义，大数据存在的真正意义就是在于应用，是要将这些信息挖掘出来，发挥其真正的作用。

1.2大数据时代背景下高校的管理现状

随着大数据的不断应用，当前各个领域对大数据的使用频率也比较高，高校是学生学习的重要场所，同时也是科研聚集的地方，很多教授、教研人员都在积极加强科学研究，在各个领域中随时都有新信息的出现。作为教育的场所，其本身就蕴含了丰富的信息，加强对高校信息的挖掘，可以有效地将高校的信息呈现出来。在大数据环境下，高校管理变得更加快捷、方便，大数据是以互联网为基础的，可以借助互联网实现快速的信息挖掘以及传播目的。在高校的发展过程中，数字高校成为一个重要的趋势，数字高校为高校管理过程中利用大数据提供了有力的条件。学生在学习生活以及工作过程中对电脑、网络的依赖程度更高，数字化管理也成为高校管理过程中的一个重要趋势，而且各种电子资源也可以通过新媒体平台实现广泛的传播，促进各种资源的共享，对于高校的管理水平的提升有很大的帮助。尽管大数据时代为高校的创新发展提供了机遇，但纵观传统高校管理可以发现，高校在创新发展的过程中依旧面临许多挑战，最明显的就是信息化程度不够，对各种现代技术的应用不足，这些信息滞后问题在大数据不断应用的过程中得到了一些解决，比如很多高校当前都已经开始加强高校网络的建立，并且借助大数据挖掘技术，对高校的信息进行深入挖掘和分析，比如对高校的历年就业情况的汇总和分析、对高校各个专业领域的人才发展情况的汇总和分析等，都是在大数据时代创新高校管理的一个实践，从而为高校的学生以及社会机构推送更多有效的资源，促进高校的信息资源得到有效的利用。但需要注意的是，大数据技术在高校中的使用状况并不乐观。

2大数据时代高校创新管理的策略

2.1转变传统的高校管理观念

加强高校管理模式创新，是在大数据时代背景下对高校发展提出的一个全新的要求，也是提高高校管理水平的重要途径。信息化时代，承载信息、知识传递功能的高校，必须要对传统的管理理念进行改革。当前很多高校的工作人员对高校的管理的理念还比较传统，使得高校的发展不能适应信息化时代。对此，高校应该要结合大数据时代对高校提出的全新的要求，采取各种手段对高校管理体系进行全新的设计，对高校管理人员的管理理念进行改革，从而在高校内部实现信息化、数字化管理，加强对各种大数据技术的应用。

2.2基于学生需求实现个性化管理

大数据时代最大的一个特征就是信息泛滥，面对如此巨大的信息量，很多学生都会考虑如何才能找到自己想要的信息。在高校的图书馆中，有很多丰富的信息，比如学术资料、文学资料等，在大数据时代应该要加强对高校图书馆的利用，但是在这个过程中，高校需要在研究学生的基础上，借助大数据技术来分析学生在使用高校检索功能时产生的一些访问记录，从而对学生的阅读需求进行有效地掌握，根据这些信息挖掘出学生的行为方式和兴趣爱好，给学生推送更多感兴趣的信息，比如有的学生通过高校的图书馆系统搜索古典文学的比例较大，因此当学生在搜索资料的时候，应该要为学生推送更多与古典文学相关的材料，从而使得学生可以接受到更多的信息。通过大数据分析，高校在推送消息的时候是一种个性化管理，这种推送方式有较强的针对性和指向性，被学生接受的成功率更高，也能帮助高校更好地实现管理。

2.3利用新兴媒体实现高校管理过程中的信息传递与反馈

篇4

科技的发展，互联网的普及，都为大数据的发展提供便捷条件，也一定程度上与新闻媒体之间发生越来越密切的联系，特别是信息传播处理阶段，大数据可以及时收集整理有效信息，帮助更多新闻传播实现可视化，这在一定程度上给传统新闻传播媒体带来巨大的冲击，给传统媒体带来前所未有的挑战，也倒逼新闻行业不得不面对新形势更新和完善发展策略。因此大数据对新闻传播带来很多实质性和现实性的意义。

一、大数据的简要概述

随着云时代的来临，大数据（Bigdata）也吸引了越来越多的关注。大数据中的“大”，大众普遍认为仅仅是指数据规模之大,其实并不是这样的，大数据有四个显著的特征：第一，数据的规模非常巨大。第二，数据的类型涉猎十分宽广。第三，数据的处理速度非常之快，仅仅需要一秒。第四，数据的价值密度偏低。互联网和信息技术的蓬勃发展，加之经济全球化，整个社会都被推向大数据时代。海量的数据处理技术成为大数据时代的显著特征。巨大的数据规模如果采取过去传统的人工提取方式显然已经无法实现，也不能在合理的时间范围内得出结论，因此这样的环境下需要运用大数据，采用一定的电子软件工具来完成数据的收集、处理、筛选等工作，将统计上来的巨大数据信息处理成人类能读懂的信息。大数据不仅可以处理数据信息等表明内容，还可以针对图片、视频等多元化的数据信息进行筛选处理。这项技术便是能够迅速、高效地获取相关的数据信息，特别是针对有利用价值的复杂信息处理方面优势显著，针对庞大杂糅的新闻能够快速提纯，以供使用。因此，针对大数据的具体特征我们不难发现，对于规模较大数据来说，往往存在形式多样的情况，且在数据传播过程中要求相对较高的速度，且大量数据的价值密度不高，针对这样的数据特征，很多行业开始涉足大数据，例如广告、IT、金融、电子商务以及新闻传播行业，这也是大数据时代到来的大势所趋。在新闻传播领域中，信息传播的高效便捷传播离不开大数据的传播特征，利用大数据可以有效截取到有价值的信息，从而摒除不良信息，让新闻传播的信息源更加清晰、明了。

二、大数据对新闻传播的影响

1、大数据是获取信息的重要渠道

自上世纪八十年代起，关于挖掘数据的相关技术便已经提出，很多概念被引入数据库中。在整个社会历史进程中，新闻可谓是见证时代变迁的有效参与者。百度、谷歌等多家新闻频道已经通过互联网的技术手段实现收集整合新闻资源的目的。在互联网时代面前，大量的新闻信息呈现碎片式的传播状态，要想使新的新闻传播状态被更多受众接受，需要将这些信息进行整合，从中提取出有用的新闻线索，满足特定受众群体对信息的需求，缩短新闻挖掘的时间长度，将针对性更强的新闻信息报道出来。

2、大数据改变新闻传播的方式

过去传统的新闻传播方式主要是集中在图片或文字等的单一报道方式，并且与受众之间的互动较少。大数据时代之后，很多媒介开始重视起受众参与的重要性，不断融合媒介传播方式，整合报道方式，将更多新闻报道方式与大数据时代相符，通过大数据对新闻信息的整合处理，将更多更具有可视化的技术应用到新闻报道中来，实现新闻信息传播的互动共享。

3、大数据影响新闻舆论的导向

舆论导向是新闻传播的主要功能之一。在大数据时代面前，不少受众会通过多种信息平台反映自身对新闻事件的观点，此时新闻传播的舆论导向需要有更多媒介进行正面引导，通过数据技术将受众的观点进一步分析和筛选，从数据分析的角度通过制定相应的政策引导舆论发展方向，不仅要考虑大多数受众的信息反馈，更要兼顾个体的信息反馈，不断强化新闻宣传报道的真实性、准确性。

4、大数据改变新闻传播的内容

大数据时代的到来与科技的进步、互联网技术的革新息息相关，无论是新闻报道的传播渠道还是新闻报道的具体内容，都离不开大数据时代给新闻传播带来的变化。新闻传播的基础是客观真实性，它要求新闻报道内容应当在真实的基础上寻求高品质。就现阶段的情况来看，在大数据技术面前，新闻报道的服务性更加突出，报道内容与受众的需求更加贴近，并且随着社会进步的脚步，新闻报道越趋向于为受众提供优质服务，这是促进新闻媒介健康发展的基础。由此可见，新闻传播的内容受大数据技术的影响是显而易见的，这也是未来新闻传播发展的大势所趋。

三、结语

对新闻传播而言，大数据时代的到来，无疑是一种一种挑战，对新闻传播的影响是顺应时代的需求，特别是传统媒体，众多弊端逐渐被暴露出来，不同类型的新闻媒介应当有机结合，通过大数据的相关技术整合、分析和利用信息源，从中选取更具新闻价值、更有时效性的新闻信息，为我国的新闻传播事业做出贡献。在了解大数据时代新闻传播特点的前提下，才能更好的适应大环境，新闻工作者才能对自己专业素质的提高有了准确的目标。

参考文献

[1]刘春城.…理论与实务:大数据对新闻传播领域带来的新转向[J].…视听,2014,06:79-81.

[2]吴林锡.…现代信息技术大数据对新闻传播的影响分析[J].…新闻研究导刊,2015,12:118-119.

[3]沈咬兴.…大数据对新闻特性的影响[J].…新闻战线,2015,08:38-39.

篇5

中图分类号：G250.76 文献标识码：A

当前，大数据表现出爆发增长的趋势，在此过程中的大数据也渗透了人们的生产以及生活。面对新的技术背景，数字图书馆也有必要改进不适当的馆藏建设和服务模式，转而引入大数据的新模式[1]。这是由于，大数据时代能够为数字图书馆提供全方位的优质信息资源，有助于图书馆获得实时性的信息和数据。由此可见，大数据时代在根本上代表着新时期的图书馆建设趋势，因此也影响着读者的阅读方式和习惯[2]。在设计和建设数字图书馆的过程中，相关人员需要因地制宜，探求最适合大数据时代背景的建设思路。

一、大数据的时代背景

从现状来看，网络技术已经逐步渗入各个生活环节，各行业的日常生产也与网络紧密相关。在这种基础上，社会进入了大数据时代。大数据时代最基本的技术特性就是整合并且处理实时性的信息资源；经过全方位的信息处理，就可以在日常生产中运用信息资源。由此可见，大数据本身具有特殊的技术背景，大数据的诞生也代表了全新数字时代的来到。在新的背景下，信息资源不断扩展容量，因此表现出显著的上升趋势。大数据针对繁杂的信息资源，并非关注各个阶段的信息总量，而是运用现有的资源来分析某些重点信息，进而创造更多的生产效益。大数据与云技术具有密切的内在联系，由此也构成了特殊的网络分布结构[3]。

受到大数据的影响，社会中的各行业都承载了丰富且多样的数据信息。最近几年，网络应用的规模正在迅速扩展，大数据与各个行业也具有了更紧密的联系。在很大程度上，大数据确保了实时性的信息共享，因此保证了信息传送中的便利性。在网络社会中，人们需要获取更多的实时性信息，因此大数据也创造了多样的信息获取形式，例如音频、图片或者文件等。信息资源具有较复杂的类型，数目也在迅速增多。

大数据除了能够容纳海量信息之外，还具备复杂的自身结构。在信息化时代中，大数据具有迅速变化的特征，数据的类型十分繁琐。从目前来看，网络平台正在逐步扩展，与之相应的数据需求也将会变得更高。在本质上，大数据都能够被保存为半结构化甚至非结构化的信息，这种状况也增加了大数据本身的容量。数字图书馆符合了大数据的特定背景，因此适合采用大数据的基本原理来建设新型的数字图书馆[4]。

二、数字图书馆现存的问题

大数据时代已经到来，然而多数地区建设的数字图书馆仍处在起步中，并没有达到完善。在建设图书馆的过程中，相关人员如果没有把握好大数据最基本的特性和内容，那么很难顺应现今的时代趋势，甚至造成边缘化的状态[5]。由此可见，大数据时代建设数字图书馆的进程仍缺乏完善性，具体而言包含了如下的缺陷和弊病：

首先，现今的数字资源表现出同质化的倾向，因此欠缺合理的数字资源结构。近些年来，网络通信已经覆盖了各个行业，因此也产生了数字化的新型信息资源。在数字化馆藏中，读者如果要检索特定的信息，那么应当运用新型的信息手段来获得相关的馆藏信息。然而截至目前，馆藏资源表现出较严重的同质化状态，因此也很难避免建设过程中的重复。从用户角度来讲，重复性和同质化的信息图书资源无法符合读者最基本的借阅需求。在观念层面上，相关人员仍持有相对保守的认识，没能做到大胆创新。

其次，数字图书馆欠缺深度的服务，这种状况不利于共享开放式的图书资源。建设数字图书馆，最根本的目标就在于确保实时信息的共享。在任何地点和时间段，读者都应当可以共享信息。然而实际上，数字图书馆并没有设置最大化的图书服务平台，无法确保平台的延伸。目前很多数字图书馆都具有移动式的特性，然而从本质上看，这类图书馆仍没有从根本上更新功能，因而也很难为读者日常的借阅活动提供便利。此外，某些读者群体本身就很难迅速接受新型的数字化馆藏，因而读者范围也受到了局限。相比于传统类型的实体图书馆，数字图书馆表现出较强的虚拟特征，这种封闭式的狭窄服务体系无法做到共享实时信息，因此也背离了最基本的创新宗旨。

再次，数字图书馆并没有设置合理的投资结构，这种现状导致了偏高的日常运营成本。从社会投资的角度来看，数字图书馆在短时期内也很难吸纳更广的投资资源。在很多地区，建设数字化图书馆通常是依赖于有关部门给予的补贴，图书馆本身并没有发动更广的社会力量来共同筹资。面对大数据的特殊背景，如果要建成优质的数字图书馆那么还会耗费更高额的资金。相比于实体性的传统图书馆，数字化图书馆在各个环节的设计和建设中都会消耗更多成本，因而也面临了市场中剧烈的竞争压力。此外，图书馆内部的某些硬件并没有配备专门的维护，因而很难确保长期有序的运转。这种状况下，数字图书馆通常就会承受较重的成本负担。

篇6

二、大数据时代下的网络思想政治教育的新发展方向

（一）树立大数据时代的网络思想政治教育的数据意识网络思想政治教育必须顺应科技与时代的发展。大数据时代教育工作者需要树立网络思想政治教育的数据意识，这是发展大数据环境的网络思想政治教育的首要前提。针对大数据发展网络思想政治教育可以分为如下三个方面。首先是要全面了解和分析大数据本身，理解大数据是什么、大数据的变革力量何在、大数据的未来发展趋势等等；其次是在理解大数据的基础上，系统地分析大数据时代对网络思想政治教育可能产生的影响，带来的机遇和挑战。最后是充分的确立数据意识，意识到数据是现代社会最具价值的资源，是发展与决策的源泉。用数据意识驱动网络思想政治教育工作创新发展，例如在一定的数据分析基础上将灌输式集中教育变为交流式个别教育。

（二）借助大数据技术对网络思想政治教育进行量化研究

定性研究与定量研究相结合是网络思想政治教育的重要研究方法。定量分析法是对社会现象的数量特征、数量关系与数量变化进行分析的方法。定量分析使用数学模块对研究对象可量化数据进行的分析，通过分析对目标给予评价并做出判断。定量分析方法始终受到教育工作研究人员的关注，因为网络思想政治教育中存在极大的不确定性和动态性的因素，定量分析方法可以帮助我们对网络思想政治教育进行科学评价。但与此同时定量分析方法具有很大的复杂性，受很多技术因素的限制，一直不能很好的发挥作用。大数据技术的出现为定量研究提供了一种新的技术手段，成为科学研究新的范式。定量研究可以运用大数据技术进行理论假设、建立数据模型以及数据分析验证。由此可见，大数据时代网络思想政治教育的研究，需要与数据资源丰富的机构单位合作，借助这些数据载体的平台、资源以及高精尖的技术，进行合理合法的挖掘教育对象的信息，从而精确的开展网络思想政治教育活动。另外，要建设一支过硬的网络思想政治教育队伍，不但要具备思想政治教育的专业知识，而且还要具备创新的网络教育观念、精通大数据等新技术手段。

（三）促进大数据时代网络思想政治教育信息资源建设

发挥大数据技术的优势，分析网民的接受习惯，增强教育内容的实效性、趣味性，以服务成长成才为核心有针对性地加强功能开发，提高网络思想政治教育信息资源的受关注度。此外在信息资源建设过程中要注意好以下几点：首先要把握信息资源内容的方向性，弘扬主旋律、传递正能量。其次信息资源的形式要多样，通过文字、声音、图像等形式，经由微博、微信等新兴传播手段，提高教育的实效性。再次，信息资源来源要丰富，可以从各大媒体引进、从理论学习资料借鉴、从大型活动中总结、从日常工作中提炼，确保信息资源及时更新。

篇7

一、引言

随着大数据时代的到来，大数据的数据特征及挖掘潜力为各行各业的发展带来新的机遇，庞大的数据体量，高速运行及实时更新的海量数据包含许多碎片化信息，对房地产信息服务而言大数据时代的到来给传统信息服务带来新的发展视角，而对数据信息共享的研究将推动房地产信息服务的发展。

大数据的核心要义在于预测，通过数据的处理与挖掘对所掌握信息进行有效预测的前瞻对每个行业都具有不可小觑的作用。面对大数据时代带来的机遇与挑战房地产行业面领着转型，李战怀等人提出基于大数据的特征从建立大数据库的视角实现大数据的运用，比较系统的提出理论构架，董迎选从房地产市场调控着手对房地产信息进行统计分析。本文基于大数据数据特征对房地产信息共享展开研究。

二、创新房地产信息服务模式

信息服务的依托由“样本”扩大到“总体”，舍恩伯格在大数据时代中阐述对大数据思维变革 第一部分就提到“不是随机样本，而是所有数据”，这便是样本的扩大，要求“更多”。在大数据背景下房地产信息服务只有打破传统的信息不对称局面才能推进房地产行业的转型与变革，面对庞大的数据资源新型房地产信息服务模式下应实现数据的公开化、透明化，将数据信息共享达到数据资源最优化配置，同时在此过程中政府应参与到房地产信息服务的建设中，积极发挥政府信息调控作用开放相应的信息，建立完善的公共信息机制同时构建信息监督机制，形成制约，促进市场健康发展。数据范围的扩大及公开化一定程度上减少了信息获取成本同时避免了由于信息外露造成的信息获取成本不公平问题，促进市场公平，通过信息的相互交换不同角色各取所需将数据资源利用最大化，合理优化数据资源，但在对信息数据的挖掘与应用方面则体现专业素养的差距，大数据体量庞杂，看似毫无关联的数据却隐含着大量的市场信息，通过数据处理分析提取出的市场信息对决策有着重要影响，这便要求分析者有敏锐的市场捕捉能力去寻找所需要的数据，同时也促进市场公平竞争机制。

三、科学的房地产研究方法

2009年谷歌研究人员Ginsberg等发表关于流感趋势论文，自此之后大数据受到广泛关注，近年来各个领域学者、企业也在不断研究大数据，各个行业都在积极与大数据接轨，房地产行业也站在大数据的浪尖上寻找转型出路。对数据分析、市场分析得出大数据的重要性，分析大数据特点对行业未来发展趋势进行展望，但并未提出如何将大数据真正的运用到房地产行业，并未提出系统的研究方法及运用技术改变现状。对房地产大数据的研究过程中，可通过构建数据模型将看似无关的数据进行整合得出相关性，实现“不是因果关系，而是相关关系”思维模式的转变，不局限于传统的因果关系的研究而注重其内在关联，挖掘深入的市场信息。

四、建立合理的数据共享交易机制和定价模型

这是大数据理论的创新，为大数据资产的实现有重要的意义，这部分问题的研究将解决如何将大数据真正的应用到房地产行业中，真正实现与房地产行业相结合促进行业的发展与改革。大数据库的建立可由政府机构建立并开放相关公共信息，完善公共信息资源体系的建立，大数据库的使用分为政府部门账号、企业账号及个人账号三种类型，分别实现政府部门数据、企业数据及个人数据之间的共享，涉及内部核心数据共享则可通过系统平台根据数据重要性程度进行交易定价，同时参考专业人士对数据的重要性判断。在信息共享过程中还应建立监督机制，对所共享数据进行监督管理，避免恶意共享虚假信息扰乱市场机制。在此过程中政府应发挥积极作用，在提供相关数据共享的同时发挥引导角色，制定相关法律法规规范数据使用对数据共享进行法律层面的严格把控，同时企业应秉持公平诚信的态度保障共享数据信息的真实性，促进数据交易市场的良好氛围，降低企业信息成本达成共赢。

五、结语

本文通过大数据时代下的数据信息，结合大数据特征对房地产信息共享问题进行研究，从大数据视角出发对数据共享问题进行简单探讨并提出若干观点，文章虽有不足之处仍希望可供相关人员进行参考学习。

参考文献

[1]李国杰，程学旗.大数据研究：未来科技及经济社会发展的重大战略领域――大数据的研究现状与科学思考[J].中国科学院院刊，2012，27（6）：647-57.

[2]李战怀，王国仁，周傲英.从数据库视角解读大数据的研究进展与趋势[J].计算机工程与科学，2013，35（10）：1-11.

[3]，吕欣.以大数据辅助房地产宏观决策[J].宏观经济管理，2014，8（34-6）.

[4]董迎选.简析房地产市场调控中的房地产信息统计[J].时代金融，2014，4（213-4）.

[5]舍恩伯格 维 迈.大数据时代[M].浙江人民出版社，2012.

篇8

二、大数据时代下的网络思想政治教育的新发展方向

（一）树立大数据时代的网络思想政治教育的数据意识

网络思想政治教育必须顺应科技与时代的发展。大数据时代教育工作者需要树立网络思想政治教育的数据意识，这是发展大数据环境的网络思想政治教育的首要前提。针对大数据发展网络思想政治教育可以分为如下三个方面。首先是要全面了解和分析大数据本身，理解大数据是什么、大数据的变革力量何在、大数据的未来发展趋势等等；其次是在理解大数据的基础上，系统地分析大数据时代对网络思想政治教育可能产生的影响，带来的机遇和挑战。最后是充分的确立数据意识，意识到数据是现代社会最具价值的资源，是发展与决策的源泉。用数据意识驱动网络思想政治教育工作创新发展，例如在一定的数据分析基础上将灌输式集中教育变为交流式个别教育。

（二）借助大数据技术对网络思想政治教育进行量化研究

定性研究与定量研究相结合是网络思想政治教育的重要研究方法。定量分析法是对社会现象的数量特征、数量关系与数量变化进行分析的方法。定量分析使用数学模块对研究对象可量化数据进行的分析，通过分析对目标给予评价并做出判断。定量分析方法始终受到教育工作研究人员的关注，因为网络思想政治教育中存在极大的不确定性和动态性的因素，定量分析方法可以帮助我们对网络思想政治教育进行科学评价。但与此同时定量分析方法具有很大的复杂性，受很多技术因素的限制，一直不能很好的发挥作用。大数据技术的出现为定量研究提供了一种新的技术手段，成为科学研究新的范式。定量研究可以运用大数据技术进行理论假设、建立数据模型以及数据分析验证。由此可见，大数据时代网络思想政治教育的研究，需要与数据资源丰富的机构单位合作，借助这些数据载体的平台、资源以及高精尖的技术，进行合理合法的挖掘教育对象的信息，从而精确的开展网络思想政治教育活动。另外，要建设一支过硬的网络思想政治教育队伍，不但要具备思想政治教育的专业知识，而且还要具备创新的网络教育观念、精通大数据等新技术手段。

篇9

中图分类号：F27

文献标识码：A

doi：10.19311/ki.1672-3198.2017.08.026

1 大数据的概念与特征

1.1 大数据的概念释义

对于大数据，维基百科给出了这样的定义：大数据是指利用常用软件工具捕获、管理和处理数据所耗时间超过可容忍时间的数据集。由于对大数据的研究处于初步阶段，人们目前尚没有得到一个公认的定义，对于大数据的定义有许多，但它们都有一个共同特征，即根据大数据的特征来进行阐释与归纳。

1.2 大数据的基本特征

大数据特征可以总结为4个V，即Volume（规模巨大）、Variety（模态多样）、Velocity（生成飞速）、Value（价值无限但密度也低）。

首先大数据以计量单位P，甚至E或Z来计数。据IDC的一份研究报告显示，自2012年以来10年里全球大数据将增加50倍。其次，大数据种类繁多，包含着结构化、半结构化及非结构化数据，而且近年半结构化和非结构化数据大幅度增长，占据了整个数据量的绝大部分。再次，人、机、物的高度融合使得数据爆炸式增长，日常生活是大数据飙升的主要来源。例如截止2014年淘宝网会员数量已超过5亿，在线商品数达到10亿件，淘宝网和天猫的交易总额超过1.5万亿。最后，数据复杂相关而又频繁交互，从海量的数据中剥离出有用的信息就好比深海里淘金，稀疏而又珍贵，价值的密度很低也是大数据的一个重要特征。

2 大数据的社会价值挖掘

2.1 大数据为政府管理和科学决策提供数据信息支撑

在“全面深化改革，推进国家治理体系和治理能力现代化”的时代背景与要求下，大数据在政府管理中扮演着重要的角色，对于实现数据治国具有重要的现实意义。

河北省目前正面临着京津冀协同发展的重要战略机遇，2016年11月在河北大学管理学院召开的“2016年京津冀信息资源管理高峰论坛”就是一次在大数据背景下，将大数据、信息资源建设运用于政府治理的研究论坛，是大数据与政府管理结合的大讨论、大结合。这可以充分证明大数据对于政府治理和信息建设的重要性和现实意义。对它的研究可以有效提升科学决策水平，能够有效地整合来自政治、经济、文化、法律，生态等各个领域的信息资源，为国家治理提供重要决策依据。

2.2 大数据与新媒体的融合推动社会智能化

大数据与微信、微博等新兴媒体的多元世界高度融合，可以突破时空的限制，促进政府与民众之间良性互动，形成公众参与政府管理的新格局，增强国家治理能力。另外，大数据在云计算的配合下，加快了智能医疗、智能教育、智能交通、智能物流发展的步伐，加速了我国的城镇化、工业化、信息化、生态化建设进程，有效提高了社会服务效能，促进社会的智能化和信息化。

2.3 大数据应用广泛性推动信息社会化

大数据在越来越多的行业中发挥着越来越大的作用，其应用广泛性已经彰显在方方面面，影响着人们生活和社会发展的各领域，逐步让信息走向社会化。

从经济领域来看大数据的应用可以为经济发展提供较为准确的预测功能。在2008年的金融危机中，阿里平台通过海量交易记录预测出经济指数的下滑，提醒广大的中小制造商提前做好准备，预防经济危机。大数据分析也成为了市场营销的重要手段，不再需要抽取部分数据，而是基于海量几近完整的数据做出高度准确的预测，进行精准营销。

正如亚马逊的最终期望那样：“最成功的书籍推荐应该只有一本书，就是用户要买的下一本书”。在体育竞技中运动健儿甚至可以运用数据取得成功，利用数据建模定量分析不同队员特点，合理调整，科学组队。2016年里约奥运会中，中国女排再次夺得世界冠军，这成功离不开总教练郎平的正确指导，也离不开袁灵犀的数据分析。赛中每个回合他都利用代码将有价值的细节录入系统，实时提供技术分析数据，帮助郎平做到知己知彼，及时调整队员布局。

3 大数据时代带来的挑战

大数据在造福人类社会的同时，也给人们带来安诸多方面的挑战。从理论研究视阈来看，大数据时代的到来对于社会进步尤其是科技发展产生巨大的支撑与推动作用，但从实际应用研究的角度来说其根本挑战在于其安全保密性、不确定性和预测涌现性对社会行为产生的威胁和隐患，这也影响着大数据的发展趋势研究进展和应用前景。大数据的研究需要一套全新的理论和方法来进行方向性的指导，需要一个完备的新的理论体系来指导该学科的发展和研究。

3.1 大数据的安全性存在信息泄露隐患

“棱镜门”事件更加剧了人们对大数据安全的恐慌。即使经过匿名处理，个人隐私仍会有泄露的风险。租赁商Netflix曾为提高电影推荐系统的准确度，公布了约50万用户的信息，这些信息与其它数据源结合时，部分用户竟被识别出来。大数据带来的新的安全问题也终将由大数据来解决，而今天对于大数据安全与隐私保护的相关研究处于初级阶段，技术手段与法律法规相结合才是解决问题的根本之道。

3.2 大数据的预测涌现性引起隐私恐慌

大数据在没有全局控制和预先定义的情况下，通过对来自大量自发个体的语义进行互相融合和连接而形成语义，整个过程随着数据的变化而持续演进，从而形成大数据的涌现语义，也可以称之为预测涌现。大数据这种预测涌现性对人们行为进行预测也构成了所面临的威胁。一个较为典型的案例即是北美Target数据营销事件，销售商通过分析历史记录，捕捉用户怀孕的事实，并向其推荐婴幼儿优惠券，引起了《大数据功力：比父亲更了解女儿冲进大卖场》的深刻反思。

3.3 大数据的不确定性影响社会稳定

原始数据的不准确以及数据采集处理粒度、应用需求与数据集成与展示等因素使得数据在不用维度、不同尺度上都有不同程度的不确定性。也就是说，这些本身带有不确定性的数据并非可以说明事实，因为可能数据本身就是虚假的。存在需要核实、考证与分析，不确定性的数据一旦进入公众社圈就会引发一系列社会问题，危害社会稳定。诸如在点评网站中的虚假评论有目的地诱导民众接受并传播某种思想或服务的例子不胜枚举。

4 关于大数据未来发展的展望与对策设计

4.1 完善大数据的顶层设计，建立良性大数据生态系统

国家应在宏观层面上做出全面系统的长期规划和短期目标。国家应在大数据人才培养，平台构建以及行业应用方面提供人财物多方面深层次的资源支持，同时给予积极的政策引导，鼓励创新，同社会各界建立起良性的大数据生态系统。2015年8月国务院出台了《促进大数据发展行动纲要》，契合当下，放眼未来，内容全面涉及范围广，而要保证其贯彻落实，更要及时跟进，制定配套制度予以配合，做到及时反馈、及时纠正；同时在新的国际背景下也应注重信息基础设施建设，提升信息作鹉芰Γ加强国家信息安全，赢得新科技竞争中的战略制高点。

4.2 加强政企合作，搭建准确高效的大数据合作平台

大数据企业应积极主动加强与政府之间的战略合作。大数据的数据源以企业为主，政府利用企业数据可以完善补充统计数据，提高统计信息质量，为社会治理谋求最大利益；企业则可以根据更为准确的大数据把握市场信息，占据市场份额，赢得发展机遇，政企合作是当代在大数据背景下一个必然选择。2013年国家统计局与阿里、百度等11家企业一同启动国家统计局大数据合作平台便是政企合作的一个缩影。

4.3 深化大数据基础理论研究，提升数据收集与分析能力

注重大数据基础理论研究，提高数据收集与分析能力，是解决大数据信息安全的关键途径。数据是分析的基础，只有全面而真实的数据才会产生价值，片面的数据分析出的结果往往有较大的偏差；深度发展大数据分析能力，包括：大数据认证技术、威胁发现技术、水印技术、网络匿名保护技术等等，这些技术在部分领域已有所应用，但同时存在反应速度慢、缺乏安全性、用户负担重等某些方面的不足，只有克服相关技术的不足，才能更好的解决大数据信息安全问题。

5 结语

大数据既是时代快速发展的产物，也是推动时代飞速发展的强大驱动力。它给社会发展带来了机遇，也带来了前所未有的挑战。迎接这项挑战不只是政府，企业或其他组织的责任，而是时代赋予我们整个社会每位公民的责任。大数据没有那么神秘，真正拥有力量的也不是数据本身，而是拥有数据掌握技术的我们。今后应不断加强大数据理论研究，完善学科发展方向和体系，为大数据学科建设与发展提供理论支撑和技术支持，持续切实加强政企合作，搭建大数据合作平台，建立良性大数据生态系统，使大数据真正推动科技繁荣、社会发展、人类进步。

参考文献

[1]李国杰.大数据研究的科学价值[J].中国计算机学会通讯，2012，8（9）：8-15.

[2]BigData.Nature[Z].2008，455（7209）：1-136.

[3]Big Data. ERCIM News[Z].2012，（89）.

[4]宗威，吴锋.大数据时代下数据质量的挑战[J].西安交通大学学报，2013，（09）.

[5]孟小峰，慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展，2013，50（1）：146-169.

[6]李国杰，程学旗.大数据研究：未来科技及经济社会发展的重大战略领域[J].中国科学院院刊，2012，27（6）：647-657.

[7]冯鹏志.对象、主题与特色―关于我国“科学、技术与社会”（STS）学科发展的几点思考[J].学术界，2002，（6）.

[8]覃雄派，王会举，杜小勇.大数据分析―RDBMS与MapReduce的竞争与共生[J].软件学报，2012，23（1）：32-45.

[9]樊伟红，李晨晖，张兴旺.图书馆需要怎样的大数据？[J].图书馆杂志，2012，（11）：63-68，77.

篇10

前言

大数据对于电子商务行业提出了更高的要求，不仅要加强对于信息资源的有效利用，同时还要做到产品信息服务上的巨大改变，只有这样，才能在大数据时展模式中占有较大的市场优势。

一、基于大数据时代下的电子商务特征

大数据时代是随着信息技术的不断发展出现的时代性产物，不仅在数据的传播以及数据的种类较以往有了较大的改变，对于信息的价值利用同样有着较高标准的要求，通常由于没有系统结构对于数据的有效整理和分析，使得企业难以适应大数据时展，造成企业资本的流失。尤其针对于电子商务行业，对于数据的利用是企业生存发展之本，因此，我认为基于大数据时代下的电子商务应当具备以下三方面特征：

（一）数据化运营

电子商务企业必须将传统的运营模式转变为数据驱动运营模式，因为数据的利用在电子商务企业的每个运营环节都有渗透，不仅是在对生产经营材料的准备工作上，还是在电子商务企业的营销过程中，甚至在电子商务企业的内部会计核算中对于数据的利用和处理都是工作的重心，因此，电子商务企业必须加强对于数据的管理和分析，才能有效的提高生产销售各个环节的效率，保证生产销售各个环节的质量，才能准确的预测市场的行情以及消费者的认可度，对于提升电子商务企业的市场竞争力，增加企业的经济收益以及在规避市场风险等方面都有着重要积极的作用。

（二）行业应用垂直整合

大数据时代最大的特征就是对于信息的整合能力较从前更强，这也要求了电子商务行业必须加快对于信息采集、分析、管理的力度，同时要注重对上下游行业之间的紧密联系，保证产业链上资源信息的有效流通与共享，根据市场规则，只有越离消费者距离近的行业，行业的整体的风险也就越低，具体来说就是只有保证了消费者的权益，让消费者明确行业的价值所在，行业才能具备良好的发展前景，对于电子商务行业来说，大数据时代的到来，为电子商务行业提供了应用垂直整合的最佳契机，只有保证了企业内部生产销售的有序进行，建立科学合理的发展部门，同时建立相应的反馈机制，为消费者提供最完善的售后服务以及咨询服务，逐渐提升起企业的文化，只有这样才能使得电子商务行业稳定发展。

（三）数据资产化

随着大数据时代的到来，企业的竞争已经不再仅限于传统运营模式下对于产品品质上的竞争、市场份额的竞争上，大数据时代对企业生存发展提出了更高的要求，那就是数据的有效管理以及数据的灵活运用，数据带来的经济收益占企业总收益的份额越来越大，使得电子商务企业开始重视对数据的管理和运用，由此也产生了许多附属业务，如数据分析业务等。随着大数据时代的不断推进，未来数据必定会发展为一个新兴行业，必定会渗透于每一个行业之中，企业必须适应大数据时代的特征，不仅要对数据进行有效分析，同时要利用数据扩大企业的经济效益，将对数据的利用转变为企业无形的资产，进一步提升企业的经济实力。

二、基于大数据时代下电子商务服务模式研究

（一）个性化导购服务

根据大数据时代的发展特点，结合基于大数据时代下电子商务行业的特征，采用个性化导购服务是电子商务服务模式转变中最为有效直接的内容。我认为，个性化导购服务应该包含两方面内容：一方面是个性化的广告。随着信息技术的不断发展，通过网络选取适合自己的产品已经成为了当前主流的消费模式，利用大数据的特点，可以直接分析出消费者的购买意向，从而为其推送适合的产品，不仅能够提升企业的知名度，同时也能够扩宽销售渠道，增加消费者的购买力，缩短了消费行为所花费的时间，不仅降低了企业的成本费用，还增加了广告的利用率；另一方面是个性化的推送服务，根据消费者的消费行为，为其推送产品周边的产品及信息，以人性化为基本原则，同时带动电子商务行业上下游的行业，对于促进产业链的升级与发展有着重要的作用。

（二）垂直细分领域服务

大数据时代要求了电子商务服务模式必须做到专业化，目前我国的电子商务行业，呈现出多头垄断的模式，各大电子商务平台占据了较高的市场份额，这给中小型电子商务企业的发展带来了困难，尤其在物流以及营销环节存在巨大的市场风险，使得企业的发展受到了局限。因此，企业必须提高对于产品服务的质量要求，以更加专业化的精神来得到市场的认可，基于数据时代的发展规律，良好的发展态势必定能带来更大的发展空间。

（三）数据产品服务

数据产品服务是将基础服务与数据分析相结合的产物，尤其是对发展规模较大的电子商务企业来说，可以利用旗下的电子商务平台，将对数据产品的包装以及服务营销给发展规模较小、不具备电子商务数据整合能力的企业，开发出一条数据产品服务链，不仅能够保证了数据产品的质量，同时也能够扩大经济效益，实现行业的规范发展。

三、结语

综上所述，增加个性化导购服务、注重垂直细分领域服务、同时开发数据产品服务是电子商务企业应对大数据时展服务模式转变的有效途径，同时也是电子商务企业扩大经济收益、增加市场竞争力的有效手段之一。

参考文献：

篇11

【分类号】：TP393.08

0引言

大数据（big data），或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。2013年，大数据应用带来了令人瞩目的成绩。作为新的重要资源，世界各国都在加快大数据的战略布局，制定战略规划。美国奥巴马政府发起了《大数据研究和发展倡议》，斥资2亿美元用于大数据研究；英国政府预计在大数据和节能计算研究上投资1.89亿英镑；法国政府宣布投入1150万欧元，用于7个大数据市场研发项目；日本在新一轮IT振兴计划中，将发展大数据作为国家战略层面提出，重点关注大数据应用技术，如社会化媒体、新医疗、交通拥堵治理等公共领域的应用。中国的“基础研究大数据服务平台应用示范项目”正在启动，有关部门正在积极研究相关发展目标、发展原则、关键技术等方面的顶层设计。毋庸置疑，大数据时代已经到来。但是，大数据的发展将进一步扩大信息的开放程度，随之而来的隐私数据或敏感信息的泄露事件时有发生。面对大数据发展的新特点、新挑战，如何保障数据安全是我们需要研究的课题。

1 大数据下实验室数据的4个“V”特征

大数据（big data）一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据。大数据通常被认为是一种数据量很大、数据形式多样化的非结构化数据。虽然很多企业可能并没有意识到数据爆炸性增长带来问题的隐患，但是随着时间的推移，人们将越来越多的意识到数据对企业的重要性。哈佛大学社会学教授加里・金说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”[1]其主要特点有以下几点：

1.1 Volume――数据量大

第一个特征是数据量大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）。据估计，2012年全球产生的数据量将达到2.7ZB，2015年将超过8ZB[2]。由此可见大数据下实验室数据也必然包含更多、更全、信息量更大的数据。

1.2Variety――类型多样

大数据下实验室数据第二个特征是数据类型繁多。包括企业信息、法人、产品图片、地理位置信息等等。但随着标准的更新、技术的快速发展和普及，大数据下的实验数据信息必然也向多元化发展。

1.3Velocity――运算高效

大数据下实验室数据的第三个特征是处理速度快，时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。基于云计算的大数据框架，利用集群的威力高速运算和存储，实现了一个分布式运行系统，以流的形式提供高传输率来访问数据，适应了大数据的应用程序。而且，数据挖掘、语义引擎、可视化分析等技术的发展，可从海量的数据中深度解析，提取信息，掌控数据增值的“加速器”。

1.4 Value――产生价值

大数据下实验室数据的第四个特征是数据价值。如随着物联网的广泛应用，信息感知无处不在，信息海量，所以大数据本身是一个“金矿产”，可以从大数据的融合中获得意想不到的有价值的信息。特别是激烈竞争的商业领域，数据正成为企业的新型资产，追求数据最大价值化。同时，大数据价值也存在密度低的特性，需要对海量的数据进行挖掘分析才能得到真正有用的信息，形成用户价值。

2 实验室大数据面临的安全分析

与数年以前相比，数据的存取已经渐渐从传统的台式计算机开始向移动终端设备转移，当我们看到越来越多人掏出手机浏览相关的信息，意味着数据的存取从以往相对固定的时间地点向现在随时随地可能发生的情况演变。随着社交软件的逐渐开放，自媒体的日益增长，每一个移动终端设备的使用者都可以无止境的将各种资料上传以便随时调用，这正是大数据时代来临的具体表现。根据目前人口的基数以及移动终端设备的普及，不难想象大数据之大，以及大数据安全问题可能造成的深远影响。安全最为数据的最基本保障，在大数据时代，不管是公开服务的资料还是企业运营的数据，一旦开放存取，总会引起广大用户的敏感思考。正如Gartner所说：“大数据安全是一场必要的斗争”[3]。在大数据时代，无处不在的智能终端、互动频繁的社交网络和超大容量的数字化存储，不得不承认大数据已经渗透到各个行业领域，逐渐成为一种生产要素发挥着重要作用，成为未来竞争的至高点。然而，大数据掀起新一轮生产率提高和消费者盈余浪潮的同时，随着而来的是信息安全的挑战。

网络化社会使大数据易成为攻击目标

网络化社会的形成，为大数据在各个行业领域实现资源共享和数据互通搭建平台和通道。进入互联网时代以来，对于数据的窃取与攻击百分之九十都来自于网络，网络是恶意行为的媒介，也是大数据时代的根本。而且，网络访问便捷化和数据流的形成，为实现资源的快速弹性推送和个性化服务提供基础。正因为平台的暴露，使得蕴含着海量数据和潜在价值的大数据更容易吸引黑客的攻击。也就是说，在开放的网络化社会，大数据的数据量大且相互关联，对于攻击者而言，相对低的成本可以获得“滚雪球”的收益。近年来在互联网上发生的用户帐号的信息失窃等连锁反应可以看出，大数据更容易吸引黑客，而且一旦遭受攻击，失窃的数据量也是巨大的。如：美国的棱镜门事件，就是美国情报机构一直通过美国互联网公司中进行数据挖掘工作，从音频、视频、图片、邮件、文档以及连接信息中分析个人的联系方式与行动，从而达到挖掘数据、收集情报。

3 大数据下实验室数据安全的应对分析

当然，大数据也为数据安全的发展提供了新机遇。大数据正在为安全分析提供新的可能性，对海量数据的分析有助于更好地跟踪网络异常行为，对实时安全和应用数据结合在一起的数据进行预防性分析，可防止诈骗和黑客入侵。网络攻击行为总会留下蛛丝马迹，这些痕迹都以数据的形式隐藏在大数据中，从大数据的存储、应用和管理等方面层层把关，可以有针对性地应对数据安全威胁。

3.1大数据存储安全分析

在日常工作中，实验室系统已经做到了内外网分离，但是以U盘、移动硬盘为代表的移动存储介质在内外网中混用滥用现象则较为普遍，因此其使用管理与安全防护十分重要。有的单位索性对USB等物理端口进行封堵，甚至拆卸。这种被动的办法一定程度上解决了移动存储介质使用管理过程中出现的问题，但计算机无法使用USB接口，无法通过移动存储介质进行合法的数据交换，对实际工作也造成了极大不变。如何在不影响正常工作的前提下，管理好数据成为当前信息安全工作的首要问题之一。目前，大数据的安全存储采用虚拟化海量存储技术来存储数据资源，涉及数据传输、隔离、恢复等的问题。解决大数据的安全存储，一是数据加密。在大数据安全服务的设计中，大数据可以按照数据安全存储的需求，被存储在数据集的任何存储空间，通过SSL（安全套接层）加密，实现数据集的节点和应用程序之间移动保护大数据。二是分离密钥和加密数据。使用加密把数据使用与数据保管分离，把密钥与要保护的数据隔离开[4]。三是使用过滤器。通过过滤器的监控，一旦发现数据离开了用户的网络，就自动阻止数据的再次传输。四是数据备份。通过系统集中管控和数据管理等产品，实现端对端的数据保护，确保大数据损坏情况下有备无患和安全管控。

4 结束语

大数据时代已经到来，大数据是信息化时代的“财富”。大数据转化为信息和知识的速度与能力将成为这个时代的核心竞争力之一，这对于所有从业人士来说都是一个展示自己才华的舞台，更是一次挑战。

参考文献

[1]大数据时代的中国机遇 .文摘365 [引用日期2013-05-30].

篇12

中图分类号：TP311.13 文献标识码：A 文章编号：1674-7712 （2014） 12-0000-01

近些年大数据（big data）一词被提及的频率越来越高。原本只是用来形容海量信息的含义，在信息时代又赋予了它新的含义-新信息时代的风向标。

如今是信息爆炸的时代，数据正在迅速膨胀变大，原本传统电信金融行业是信息产生的大户，随着互联网行业的异军突起，立刻成为了大数据军团中的绝对主力。互联网公司在日常运营中生成、累积的用户网络行为数据。这些数据的规模是如此庞大，以至于不能用G或T来衡量。

随着越来越多的行业对数据越来越重视，带来了BI的巨大市场商机和快速发展。随着大数据的兴起，IBM、Oracle、SAP、微软等厂商像是寻到了新的金矿，开始极力推崇大数据理念。于是众厂商蜂拥而至，抢夺大数据市场，以SAP的HANA和ORACLE的Exalytitcs为代表。也有部分推BI的厂商还达不到大数据的层次，固守在报表分析的阵地上。

大数据具有4个特征（4V）：

（一）数据量大（Volume）

第一个特征是数据量大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）。

（二）类型繁多（Variety）

第二个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求。

（三）价值密度低（Value）

第三个特征是数据价值密度相对较低。如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。

（四）速度快时效高（Velocity）

第四个特征是处理速度快，时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。

基于大数据以上特性，对于传统BI来说是一个重大的挑战和冲击。

以RTB（实时竞价广告）模式为例，这种面向网民的广告实时推送方式需呀以毫秒级的速度分析海量数据，进而实现互联网广告的精准推送。RTB模式主要需解决“人的认知”和“价值几何”，前者需要对每个用户实施消费行为进行分析，意味着需要解读万亿量级的数据；后者则需依托复杂算法计算ROI（投资回报率），告诉决策并显现交易结果，而每笔竞价只有50毫秒乃至更少的决策时间。收纳并瞬间解构如此庞大的数据，也只有大数据工具才能做到。

传统BI采集的数据主要来自于ERP、CRM等，具有格式化的数据，而大数据采集的数据种类则多种多样，既有结构化的数据，更多的是非结构化的数据。这就要求数据处理技术在分析、算法上相对传统BI来说有极大的改变，已经无法依赖传统的BI工具。类似RTB这类新兴商业模式不断涌现，对于营销反应速度提出极高的要求，传统BI能支持小时级的决策已经很了不起了，无法应对如此几乎是实时决策分析的要求，处理如此海量的数据分析及计算。数量和速度就是大数据带给传统BI的挑战。

大数据和BI都需要构建数据仓库、分析系统，再进行数据挖掘、实现数据呈现，运用机理和技术结构其实是一致的。与BI不同，大数据处理的数据是杂乱的、非结构化的数据，因此大数据有它独特的数据分析工具，其建模也要比BI复杂得多，数据呈现方式也不仅仅是报表方式。从这方面来看大数据能力要比传统BI强大得多。几年前还只有大型网络公司应用大数据技术，而如今，零售业、银行业、公共事业、智能社区等领域，几乎所有拥有海量数据的企业都在使用或开始尝试使用大数据技术，这些技术在部分项目中也起到了关键的作用，这些将挤压传统BI工具的生存空间。

大数据的出现对BI行业来说是一个挑战也是巨大的商机。也正是大数据的出现促进了BI加速发展，不断升级。

大数据分析缺乏成熟的实践经验，其方式方法与传统的数据仓库与BI系统有着一定的区别。在实施大数据分析项目之前，企业不仅应该知道使用何种技术，还应该知道在什么时候、什么地方使用。各数据之间有哪些关联性？哪个数据是可信的？如何从海量的数据中挖掘出有价值的、易用的客户信息？

要回答这些问题，企业需要一个单一、完整、可信的客户数据视图，而创建一个单一、完整、可信的客户数据视图，数据集成是关键。没有集成的数据，其商业价值为零。数据集成让组织机构能够将传统的交易数据与全新的交互数据组合起来，从而获得在其他情况下无法达成的洞察力和价值。

在大数据概念面世之前，商业智能（BI）几乎是我们进入‘智慧世界’的不二选择，然而，价格不菲的数据库、数据仓库、ETL等工具共同构筑的高门槛挡住了很多企业一探究竟的脚步，而数据规模爆炸式的增长更是加高了这个门槛，让很多企业对于获取‘智慧’的投入成本望而怯步。

尽管随着技术不断进步，商业智能日益平民化，如今基于EXCL表也能在一定程度上实现传统商业智能的部分功能。但是商业智能最经典的架构还是基于数据仓库为基础，利用ETL工具进行数据抽取、转化、建模，然后通过报表等形式展现结果。整个过程每个环节都投资不菲且耗时，因此很长时间以来，商业智能被认为大企业的专有。相对而言，大数据主要用于互联网企业，采用通用硬件设备加上开源软件实现，成本相对低廉得多。入门门槛低，也是大数据能够迅速兴起的重要原因。

随着互联网技术的发展，未来的大数据时代，一定是各种信息呈现规模快速增长的状态，如何更快获取有用的信息是关键，智能分析工具会变得越来越重要，可以凌驾于多个管理系统、数据库之上，如何通过更灵活、可控的BI工具，真正挖掘出大数据时代的价值，是大数据和BI面临的共同挑战。