引论：我们为您整理了1篇数据时代论文范文，供您借鉴以丰富您的创作。它们是您写作时的宝贵资源，期望它们能够激发您的创作灵感，让您的文章更具深度。
数据时代论文:大数据时代下医院信息管理论文
1概述
1.1简介
（1）对于医院的管理者来说
信息统计对于医院未来的发展方向和医院出现的各种问题都能够通过数据进行判断，提高了管理者掌握正确方向的能力。
（2）信息统计工作
有利于对医院医疗的质量控制进行监管。目前，医院的发展趋向于专业化，一家医院的医疗质量和专业化程度是衡量医院医疗水平的重要标准。所以信息统计工作，一方面对本院的医疗水平进行统计，通过数据客观的衡量医院医疗水平；另一方面，通过对医疗病例进行统计可以对一个时期的患者患病率和患病原因进行统计分析，有利于医院具有针对性地建立医疗救治方案。
1.2管理模型医院信息统计管理模型可以分为两大主要内容。
（1）针对病患进行统计，统计内容包括病患性别、年龄、患病原因、病状、住院时间、诊治措施等。
（2）对医院的管理内容进行统计，统计各个部门间的人员流动、工作表现、部门效能等。
1.3对医院管理发挥的作用
医院信息统计工作对于医院的管理发挥着不可替代的作用，其主要表现包括以下几个方面：
（1）有利于医院质量管理的考核和评价
通过医院信息统计客观统计的数据可以对医院质量管理进行考核和评价。对医院各个科室的管理水平、医疗能力进行考核可以发现在科室活动中存在的问题，便于及时做出调整。对于医院员工的考核可以统计出员工的工作能力和工作表现，有利于约束员工行为，提高医生和护士的服务水平，提高医患关系的融洽度。
（2）有利于医院管理决策的正确性
医院的经营市场化形式趋于明显，在面对市场竞争中，医院的管理者每一项决定都关系着医院未来的发展。通过医院统计信息，医院的管理者可以地掌握自身的经营能力，同时通过对市场的统计分析可以判断出医院未来的发展方向，并能够通过统计数据加强自身的竞争力。
（3）有利于医院资源的整合
医院是集人力和物力为一体的综合性企业。在对医院资源的信息统计中，可以将人力资源和物力资源进行统计，便于医院进行管理。对于医院人力资源的统计主要是统计医生的专业能力和护士的服务水平。通过客观的数据可以了解医生在某一医疗领域的计数水平和护士的服务水平，一方面能够为医院针对某一科室进行人员加强配置，另一方面可以对人员的奖惩制度进行完善。对于医院物力资源的统计可以确保医院设备正常工作和耗材的储备充足。同时还可以避免资源的重复，给医院的经济造成损失。
（4）有利于医疗体系的建设
通过统计数据可以发现医院在某一方面的不足，通过具有针对性的建设，可以帮助医院建立较为完善的医疗体系，更好地服务与百姓。医院医疗体系的建设是医院立足的根本，在现代化医疗体系建设中，数据的分析是医疗体系完善的基础，只有客观地评价医疗体系的结构和性能，才能够保障医院稳定发展。
2面临的问题
2.1信息化薄弱
随着信息化时代的到来，大数据的分析已经深入了各行各业，作为医疗的前沿，医院在信息化建设方面相对于其他行业相对薄弱。医院信息化薄弱问题一方面来自管理层对医院信息化建设的不重视问题；另一方面，医院信息化建设需要巨大的财力、物力和人力，医院将精力投入在医疗设备的改进和医疗水平的提高方面，在信息化建设上就难以投入过多的精力。
2.2信息化统计内容单一
在大数据时代，医院信息统计工作内容越来越丰富，然而一些医院并没有意识到信息统计数据的重要性，信息统计内容还只局限于对病人的病例进行统计。由于统计内容的单一，难以形成有效的分析数据，对于医院的管理和医疗水平的提高不能发挥出统计数据实际的价值。
2.3信息化统计专业性差信息化
在医院管理中的应用缺乏统计的专业性，目前，医院所采用的信息化系统主要包括HIS医院管理系统和CIS临床信息系统，这两套系统主要功能是降低劳动化强度辅助医院进行人和物的管理，而对于统计数据适用性并不强。所以医院信息化急需具有专业性的统计系统，充分利用数据的价值，帮助医院进行管理和医疗能力的提高。
3发展对策
3.1提高统计信息质量在大数据时代
大量的信息集中在医院的信息科，如何快速将这些信息进行分类和提取是信息科所要面临的重要课题。信息的性是信息统计工作必须严格管控的内容，在现代化医疗体系建设中，把握信息的质量的关键在于建立信息内容评价标准和信息应用规范，信息数据的应用具有3个主要特征，一是性，二是适用性，三是及时性。统计信息的评价标准和应用规范主要围绕信息数据这3个主要特征进行确立。
（1）信息的性信息的性
对于来自方方面面的信息真伪进行判断，只有的信息才能够成为有效信息，在医院中如果误用了错误信息数据则会造成严重的问题。提高信息的性首先要明确信息的来源，其次要对信息的真伪进行辨别，对信息的价值进行评价。
（2）信息的适用性
在医院的信息管理中，如何从大量的信息内容中获取对信息应用目标有用的数据是信息管理的内容之一。信息的适用性选择需要建立统一的标准，避免“张冠李戴”造成信息错用的问题。信息的适用性原则主要从医院自身的信息采集为标准，因为不同的医院在信息产生上都不相同，只有利用自身的信息才能确保信息的适用性。
（3）信息的及时性信息具有时效性
相同的事情在不同的阶段所产生的信息不一定相同，因此，在信息采集和统计时，必须要以近期数据为价值参考，加快信息刷新的频率，降低失效信息勿误的可能性。信息统计的及时性主要表现在医院建立信息及时交流的基础上，只有增强科室之间、部门之间、人员之间的信息沟通机制才能保障信息及时被利用。
3.2科学化管理利用大量的数据统计促进医院科学化
管理是医院信息统计工作的核心内容。医院信息统计科学化管理主要实现以下几方面工作目标：
（1）信息统计的评测信息统计的评测功能
可以对医院的人员、设备、耗材等进行统计，还可以对近段时间的医患病因进行统计，通过对医院各项数据的统计与近期医患病因的统计可以分析出在某段时间医院需要加强某方面医疗的能力。利用信息统计的评测功能还可以对医院某一专项的医疗水平进行评测，统计医疗过程中的不足，帮助医生及时调整医疗方案。
（2）信息统计的决策
我国医疗体制改革不断完善进行中，对于来自各个层面的数据进行统计分析，能够为医院的管理者提供的决策依据，帮助决策者正确判断医院经营方向。并且通过对本院的统计信息可以快速找到医院系统中的薄弱环节，依靠的数据为管理者提供医院改革的参考。
（3）信息化统计的监督
医院医疗和服务的质量是医院水平的重要表现，医院信息统计可以对医院的各个科室、每一位医生及护士的工作能力和工作状态进行一个时期的统计，通过数据可以客观地、真实地反映出不同科室的医疗质量和个人的服务水平。信息化统计的监督功能是保障医患关系融洽的重要手段，通过建立奖惩制度提高医生和护士的工作认真性，而信息化的统计数据则是衡量和监督医生和护士工作积极性的重要参考。
4结语
在大数据时代背景下，我国的医疗水平不断的提高，利用信息资源整合医疗资源已经成为现代化医院发展的方向。医院统计信息管理是所收集到的医疗信息、医院信息进行统计，以客观的数据为医院的管理者提供医院发展方向论证，同时为医院的医疗水平提高提供参考。
作者：韩辉单位：江苏省沛县人民医院
数据时代论文:大数据时代信息思想政治教育论文
一、思想政治教育主体受到大数据信息的包围
1.思想政治教育是主流社会的政治社会化教育，是培养有社会责任、敢于担当、守护底线的教化活动，主体理念必然会在其中得以彰显。作为主体性教育的思想政治教育也应该遵从这一原则，它应该有助于学生主体性的实现和发展，是学生主体性苏醒的标志和政治社会化的体现。当前，伴随着改革开放的浪潮，中国社会向信息化社会日益迈进，我们生活的世界的样态和思想观念的形态都发生了极大的变化，整个社会生活的多样性、人类文明的多样性、世界的丰富多彩都通过大数据的形态走进了千家万户，深深包围了人们的生活、工作和娱乐。如果我们注意到世界的多样性，注意到各个国家历史文化差异，社会制度选择不同，社会发展模式各异，我们就能理解世界各民族有不同的意识观点，不同的文化内涵，对不同问题有着不同的见解。在大数据广泛渗入的今天，我们应当以宽广的视野，包容互鉴，取长补短。但是，随着大数据时代的降临，人们对信息的把握不得不以一种开放式、反思性的方式存在。西方社会思潮随着大数据载体不断涌入，整个中国社会思维主体呈现出个性化、多元化的趋势，主要体现为价值观的多样多元，价值取向的异质开放，主流价值观与其他价值形态共生，个体生活对数据的依赖增强，此时，人们思想活跃，文化行为多样，社会生活开放，行动场景多元以及对进行多元化解读。传统的认知框架不断被消解和边缘，新的认知模式正在形成。当前，过度的冗余信息对我国社会的主流价值观和核心思想体系产生了解构效应，对社会中的人们的信仰产生冲击。任何敏感事件都伴随着海量的大数据信息，或真或假，或左或右，或虚或实，或有或无，使得人们无所适从。人们的立场观点也由此产生角度多元、难以统一、复杂多变的特征，进而出现信仰危机、认知错乱、道德滑坡等问题。
2.思想政治教育客体受到大数据信息的冲击传统的思想政治教育是通过对主体对客体的“灌输”，把统治阶级的意识形态传递给被统治阶级，进而整合社会观念，引领社会思潮，占领意识形态的观念高地。但是，随着大数据时代的降临，作为受教育的客体和作为教育者的主体在逻辑上可以持有几乎等量的信息，这使得传统的思想政治教育面临着巨大的挑战。也就是说，受教育者面对的教育者已经不是单一的“灌输”主体。此时，各种利益主体的代言人都在利用大数据平台发出自己的声音，甚至是截然不同的声音。他们都有自身的逻辑演绎以及或虚或实的信息来源。受教育者在这种真假难辨的信息环境中，往往采取一种工具理性的思维。工具理性的膨胀将导致对价值理性的蒙蔽，因此，作为受教育者的客体必须在思想政治教育者的指导下，形成自身的筛选机制，进而能够透过大数据现象，看到大数据背后的本质。同时，大数据技术的不完善也会带来风险。随着大数据技术的不断发展，因特网随之不断普及。人们在对非结构化数据超越结构化数据、结构化数据量激增和对结构化与非结构化数据进行的分析中，前两个问题的解决是第三个问题能够得以实现的基础和前提。也就是说，没有良好的数据存储、保护、迁移和梳理，想要对数据进行分析无异于天方夜谭。然而，道德缺失现象仍然存在于大数据超文本链接中，受教育者看到的正面信息容易遭受境外势力的歪曲、删除或攻击。大数据技术使用过程中，若有不当操作，就会导致泄密，对国家安全造成影响。
3.思想政治教育过程受到大数据信息传播的干扰思想政治教育是政治社会化过程，是主流价值对人们思维和思想的引领。思想政治教育的任务就是用社会主义核心价值观引领整个社会思潮，引导人们树立和践行社会主义核心价值观。需要指出的是，人的思维无疑是一个复杂的巨系统，人们所思所想的原材料来源于大数据的建构。大数据的多样性使得人们思维认知产生种种调适，是在对不确定的消融中产生出自身的逻辑体系。当高速度、时交性和数据异构性的数据充斥到整个思想政治教育过程中时，一旦缺乏理论梳理和指导，就容易对整个教育活动产生干扰。同时，思想政治教育还是信息传播和衍射的过程，整个思想政治教育过程就是一个信息交汇、碰撞和衍生的过程，实质就是为了消除受教育者（收信人）对主流思想的认同的不确定性。但是在大数据模式下，大量信息的出现和高速流动增加了信息的不确定性，尤其是冗余信息的不断增多，导致信息流动悖论的出现。在思想政治教育过程中的信息流动模式同样可以参考信息流动的一般模式
二、新要求思政教育的大数据应对总之
1.大数据已经对思想政治教育提出新的挑战，思想政治教育特征也发生了相应的变化。马克思在《〈黑格尔法哲学批判〉导言》中曾经指出：“批判的武器当然不能代替武器的批判，物质力量只能用物质力量来摧毁，但是理论一经掌握群众，也会变成物质力量。理论只要说服人，就能掌握群众；而理论只要彻底，就能说服人。所谓彻底，就是抓住事物的根本，但人的根本就是人本身。”我们必须高度重视大数据发展对思想政治教育和意识形态安全带来的挑战，要积极防范西方敌对势力利用网络和大数据手段进行渗透、颠覆。因此，从信息化社会的新形势新情况出发，思想政治教育一定要认真研判大数据时代的要求，积极应对大数据带来的种种挑战，科学把握思想政治教育的大数据机遇。
2.要牢固树立起大数据时代的思想政治教育观念伴随着新型智能化信息技术的日新月异，人们的生活理念和思想观念都发生了颠覆式的变化，网络和信息已经成为人们生活中不可分割的一部分，传统的主客体二分法的灌输式教育已经不能适应新形势的需要。如果从不同渠道获得的信息是矛盾的，人们将无所适从，难以建立共识。”但是，大数据时代的意识形态是一种现实的力量，更是社会历史中的一个客观领域，是人们的一种现实的生存体验。因此，要回应数字化媒体化时代信息的要求，思想政治教育就要树立起大数据的观念，配备高性能的软硬件系统和经验丰富的技术人员，实现对海量信息的提取、抽样、分析，利用大数据进行舆论监测。同时，积极研判大数据给思想政治教育带来的影响，时刻关注大数据带来的社会变革，更新思想观念，重视数据、尊重数据、“让数据发声”，使大数据成为在信息化条件下开展思想政治教育工作的有力抓手。
3.要深入挖掘大数据时代的思想政治教育资源随着现代社会进入网络时代，互联网已经成为当今社会最繁忙、具活力、最富有挑战性的教育工具。人们的各种社会生活已经深深地与网络连接在一起。尤其是在丰富的现代信息技术背景下成长起来的“95后”青年大学生对于移动互联网等新媒体的依赖性正在不断增强，他们生存在日益网络化、数字化的环境中。在网络空间，大数据信息的流动往往是以“对话”的方式展开的。福柯指出：“人类的一切知识都是通过话语获得的，任何脱离话语的事物都不存在，人与世界的关系是一种话语关系。”大数据的话语权力和网络思潮的分散式传播已经重构了意识形态的话语权。针对大数据的特点，我们应当清醒地认识到，强制性的力量已经无法实现主导意识对主流意识的转变，现在要增强思想政治教育的实效性、针对性和操作性，必须拒绝居高临下的高姿态，拒绝冷眼旁观的清高，而是积极地参与大数据的话语空间，在收集信息的基础上，将大数据信息进行汇总、整理、归类和分析，利用必要的技术手段过滤信息垃圾，达成对教育对象的认识和把握。
4.要科学运用大数据时代的思想政治教育方法要多学科、多种研究工具地利用大数据来分析思想政治教育的内在机理；顺应量化研究的新崛起，创新网络思想教育的研究范式；实现宏观覆盖与微观深化相结合。在宏观层面，要注重群体性特征，把握群体性思想，寻找群体性事件的内部联系和运行规律。从微观上看，用大数据思维来整理和梳理个体的行为特征和思想状况，用事件和行为来透视其思维状态，进而有针对性地进行教导和教化。面对大数据信息价值观念的多元化、碎片化，为了维护大数据价值的秩序，就要整合各种资源为我所用。正如指出的那样：“创新是一个民族进步的灵魂，是一个国家兴旺发达的不竭动力，也是一个政党永葆生机的源泉。”创新就是要破除不合时宜的旧的观念、旧的范式，建立适应时代要求的新的范式，因此，要不断创新，整合多种资源，科学地找准网络思想政治教育的着力点，运用大数据的相关关系分析法，探索网络思想政治教育的预测功能。
5.要理性把握大数据时代的思想政治教育环境布迪厄认为：“从分析的角度来看，一个场域可以被定义为在各种位置之间存在的客观关系的一个网络，或一个构型。”在大数据的环境下，社会大众拥有获得信息资源和表达思想观点的更大空间。在这个空间中，受众的不同倾向性意见的相互作用构成了一个大数据的意见“场域”，转接信息形成议题。如前所述，这是客观存在的复杂大数据意识形态现象。伊格尔顿指出：“意识形态远不只是一些自觉的政治信念和阶级观点，而是构成个人生活经验的内心图画中变化着的表象，是与体验中的生活不可分离的审美的、宗教的、法律的意识过程。”大数据作为现实社会的反映，依然是人的生存空间，人们会在这开放空间中表达一个真实的自我。但是，在网络中我们时刻都可以闻到一种意识形态的味道，不仅这些大数据符号充满了意识形态的深刻底蕴，就连大数据技术本身也难免沦为一种深刻的意识形态。在这里，同时也许在那里，人们的独立见解不仅不会消融在意识形态的硫酸池中，而且恰恰通过意识形态表现出来。在复杂的大数据信息中，人们仿佛听到了卢梭的声音：“人是生而自由的，但却无处不在枷锁中。自以为是其他一切主人的人，反而比其他一切更是奴隶。”大数据技术在为人们提供便利的同时，也影响了人们的思想形成。针对大数据时代的这一观念，教育者可以依托大数据平台的信息，对数据及其来源进行有效鉴别，形成良好的“信息资源观”和“信息价值观”，并善于选用适当的数据计量方法或应用程序软件等对数据进行统计分析，挖掘大数据潜在的思想政治教育价值，找出事件之间的关联性，并对事件的发展走向及趋势进行预测，最终提升思想政治教育的效果，使得思想政治教育成为无缝对接的“合力型”教育，促进教育内容获得“内化于心、外化于言，实化为行”的实效性。
三、结语
正如维克托·迈尔·舍恩伯格在《大数据时代》一书中前瞻性地指出的那样，大数据开启了一次重大的时代转型，数据带来的信息风暴正在变革我们的生活、工作和思维。数据，已经渗透到当今每一个行业，重构着我们的生态环境，同时也使思想政治教育面临更加复杂和严峻的局面。我们需要以崭新的姿态来迎接形势的变化，而“怎么做”以及“如何做得更好”，正是每一个思想政治教育工作研究者亟待思考和解决的重大问题。
作者：赵宇馨单位：西南石油大学马克思主义学院
数据时代论文:大数据时代文学研究论文
一、大数据时代
对于新媒体文学意味着什么大数据让新媒体文学回到“去作者化”的共在混融状态:在传统声音媒介时代，读者与作者共同创作、修改诗歌;到了纸质媒介时代，作者的地位上升;在新媒体文学时代，读者可以对作家进行积极主动的反馈，但这种反馈呈现出信息零碎化、评价随性化以及无法把握所有地域、身份、族裔的不完整状态;到了大数据时代，新媒体文学借鉴《纸牌屋》的数据挖掘模式，可以对读者信息进行全数据收集整理，以较大的吸引力呈现一个文本(其中包括一种可能性，即同一个故事开头，针对不同人群有不同的故事演进和情节，乃至人物设置)。舍恩伯格认为，“大数据是指不用随机分析法这样的捷径，而采用所有数据的方法”，因此，我们分析的大数据其实应该被称为“全数据”。在网络新媒体时代，人类所有的网络行为都可以被数据化，而这些数据又能被收集、存储、交换和分析。人们在不经意之间产生的数据总量大到我们难以想象的程度。“据有关研究报告，2013年中国产生的数据总量超过0．8ZB，相当于2009年全球的数据总量。预计到2020年，中国产生的数据总量将超过8．5ZB，是2013年的10倍，一个大规模生产、分享和应用数据的崭新时代正在到来。”新媒体文学在发展过程之中当然也生产了大规模的数据，这些数据对新媒体文学意味着什么呢?及时，以PC和移动终端为主要载体的新媒体文学产生巨大的相关信息数据库，比如新媒体小说阅读量排行榜、新媒体作家数据库、读者阅读时间和习惯、哪些文学章节被反复阅读等等。与此同时，因为网络媒介的公开性和“无门槛”标准，新媒体文学的阅读者和创作者数量达到了文学史上前所未有的奇迹。2014年，中国网络文学的读者已突破5亿人，保守估计整体收入突破65亿元。这样大规模的用户群保障了巨大的数据量，也使文学网站拥有所有与网络文学相关的数据。网络文学带来的巨大经济效益成为对网络文学进行大数据分析的资本基础和动力。作为迄今为止最为强大的分析技术，大数据的重要价值在于预测趋势，即“正在发生的未来”。通过对这些大数据的分析，内容生产者可以有针对性地将作品推送给受众，而这种经过精心设计的文学作品恰好就是受众所需要的。这是因为大数据分析可以采用理想状态的全数据分析(目前还不能达到)，而全数据分析由于分析的数据量巨大，单个数据的误差可以在分母巨大无比的全数据海洋之中被忽略。相反，在数据量有限的时代，我们就只能追求单个数据的精准。“因为收集信息的有限意味着细微的错误会被放大，甚至有可能影响整个结果的性。”当数据量持续积累增加时，对单个数据的精准性追求不是全数据的方式，放弃精准性、适度接受不精准性，仍然不会影响其结果。这类似于医用手术无影灯，从各个角度照射对象，永远不会存在盲区。盛大文学董事长邱文友认为，事实上国内文学网站在10年前就在运用大数据思维了:文学网站上有200多万名作家，700多万部作品，怎么在茫茫作家海中找出下一个唐家三少?靠数据分析。此外，在网络连载过程中，作家跟读者之间有互动，这些讯息也是数据。“比如作家本想让甲娶乙，可是绝大部分读者希望甲娶丙，这时候作家可以选择，是按原来思路，还是按小说可能延伸的商业价值去改写结局?所有决策的因素、动机跟方式，也是数据分析。”瑏瑡但是受网络技术发展的限制，当时新媒体文学的数据挖掘不可能像现在这样彻底和。第二，大数据时代新媒体文学批评走向多元化。当前的新媒体批评既包括传统精英式的学院派批评，也包括点赞、跟帖式的草根批评;学院派批评以黄鸣奋、欧阳友权为代表，草根批评以崔宰溶为代表。“黄鸣奋和欧阳友权以从西方新媒体技术层面发展出来的超文本理论作为理论生发点，对网络文学进行后现代性的学理探讨。”瑏瑢而崔宰溶认为，对中国网络文学的研究需要从原著理论(vernaculartheory)和网络性理论入手，才能真实地对新媒体文学进行研究。新媒体文学的接受者并不会以文化精英式的方式来俯视作品，他们对新媒体文学的批评是纯感受性的、本能直观的和零散局部的。这种自下而上的反叛式文学批评，迥异于传统精英式的学院批评。对中国新媒体文学的研究必须从网络的“原著居民”(网络文学读者)出发，由于他们大部分时间栖居于网络之中，因而对新媒体文学具有不受传统文学理论影响的本性感受力和知识系统。瑏瑣笔者认为，无论是西方网络文学理论还是原著理论，在大数据时代，它们都会被作为大数据库中的一个组成部分，再结合“总点击量”“总推荐”“月排名”等进行分析，从而寻找出读者最有可能喜欢的作品。无论如何，大数据时代给新媒体文学研究带来一种新实证研究路径。米埃尔(Miall)认为，文学的实证研究像灰姑娘一样总是被人们忽视或反对，早晚会有24小时，实证研究将统领整个文化研究领域。人们会通过实证来研究理论观念，反思文学的本质和文化地位。瑏瑤网络技术的发达与新媒体文学的繁荣促成了大数据分析对于新媒体文学的数据实证性研究。
二、大数据思维给新媒体文学带来的理论思考新媒体文学的大数据分析
从学理上带来三组思考:一是大数据推动了新媒体文学的发展，然而新媒体文学能被彻底数据化吗?如果不能，那在什么样的层面上可以被数据化?新媒体文学与大数据思维融合的真正重要意义在何处?二是新媒体文学遭遇大数据思维之后，是否意味着对于新媒体文学的研究可以转换为数据式的实证研究?如果不能，对新媒体文学的研究还有哪些方面是大数据不可能涉及和完成的?三是当我们将文学接受者的大数据作为文学创作的和较高标准之后，新媒体文学在题材选取、形式美学和叙事节奏等方面是否走向迎合读者的趋势?如果是的话，新媒体文学作家的意义何在?他们又应该采取迎合还是引领的姿态呢?
及时，新媒体文学活动都发生在网络之上，因而可以被充分数据化。大数据自产生之日起，就迅速与人类已有的知识和学科产生了极强的关联，比如医疗健康、交通规划、公共管理、教育培养等领域都在你看不见的地方悄悄运作着大数据分析。“大数据时代的经济学、政治学、社会学和许多科学门类都会发生巨大甚至本质的变化和发展，进而影响人类的价值系统、知识体系和生活方式。哲学史上争论不休的世界可知论和不可知论都将转变为实证科学中的具体问题。”瑏瑥大数据的此种趋势根源于它能将所有网络行为数据化的能力，比如在新媒体文学活动之中，我们可以轻松采集到作家和读者的数量、年龄层、分布地域、经济状况、教育程度、阅读习惯、题材喜好，等等。除此之外，大数据可以分析:哪种题材的文学受众最多?同一种题材之中，什么样的文学桥段让读者喜欢?幽默、推理、悬疑还是浪漫?文学作品之中什么样风格的语言会更受哪种人的喜爱?什么样的故事情节发展路线和结局是最受人欢迎的?等等。这些方面都可以通过读者的评论和阅读数据反馈到内容提供商和文学作家那里，从而对作品进行实时调整。但是，我们不能因为大数据有这样的效果，就认为新媒体文学可以被大数据化。其实，作为技术和艺术合一的新媒体文学在多个维度上是不能被量化的，比如作家的灵魂高度、文学思想的深邃性、文学的意境、文学的美感、文学的终极关怀和文学对人性的探测等都不能被量化，而这些维度恰恰是文学之为文学最核心的内容。不管大数据技术怎么发达，它所追求的客观性其实在数据产生之初就不存在。数据无论在表面上看起来多么客观地再现对象情况，它本身其实是在一种具有倾向性和差异性价值观基础上被建构的。因而，大数据的生成和分析永远不可能摆脱自己天生就具有的价值主观性。我们能看到的数据是研究者有能力或者热切希望看到的数据，若非如此，即便大量数据生成了，也不能被数据识别系统发现。这就好比雷达效应，你的关注点除了对象之外别无他物，但是“他物们”却客观大量地存在于你的意识之外，只不过你无意或不能去抓取它们。所以，大数据不管看起来多么科学客观，背后其实与主观价值判断是分不开的。“大数据”并不等同于“大智慧”，即使占有大量的数据，还必须有对数据具有专业化分析能力的人。Netflix的CEO里德•哈斯廷斯利用数据分析的方法也是受他前期从事碟片租赁服务的启发。他一方面熟悉在网络上怎么通过数据分析为别人推荐自己喜欢的电影和电视剧，另一方面他在无数的观影之中对影片具有极强的审美鉴赏能力。科技和人文的结合让他具有对《纸牌屋》数据进行采集和分析的能力，这才是Netflix进军艺术界成功的原因。所以，同样的大数据在不同主体那里得出的结论或者采取的应用是相距甚远的。就好比同样是医学CT扫描，仪器是相同的，照出的片也是相同的，为什么大家愿意去医院检查呢?问题的根源在于对CT成像进行分析的医生水平，同样的CT成像，在拥有不同经验的医生那里得出的结论很可能有天壤之别。大数据作为一种技术在教育、电影、艺术等人文领域广泛运用已是不争的事实，除了让人文领域的成果与经济效益直接产生关联之外，它的最重要意义其实是在哲学思维层面。大数据分析使我们抛弃传统哲学一直追求的现象背后的原因，而转向为关注事物和事物之间的关系性，即从因果关系转变为相关关系。瑏瑦这种思维方式转变是顺应时代的实用需求而产生的。一方面，大数据思维不去深究因果关系，而是绕开因果关系，退到因果关系的上层———相关关系(包含因果和非因果关系)。这种搁置因果的选择更是由于因果关系和相关关系之间复杂的关系:“(1)两个事物间有因果关系时，这两个事物间往往会有相关关系;(2)两个事物间不存在因果关系时，这两个事物间也可能会有相关关系(虚伪相关关系);(3)两个事物间有因果关系时，这两个事物间也有出现零度相关关系的可能(虚伪零度相关关系)。”瑏瑧当略过这些复杂关系，只关注“相关关系———结果预测”，就会省去无数不必要的麻烦，而直接得出需要的答案。“相关关系的核心是量化两个数据值之间的数理关系。相关关系强是指当一个数据值增加时，其他数据值很有可能也会随之增加。”瑏瑨2004年，沃尔玛公司分析顾客消费时的各种数据时，意外察觉到数据和数据之间的相关性:飓风来之前，手电筒和蛋挞都销量增加，因而超市毫不犹豫地将它们放在飓风用品附近。这个例子就表明在大数据时代，深究原因并不一定能找到答案，而对数据进行相关性分析才是其核心。另一方面，大数据带来的相关性分析由于技术的成熟变得比因果分析更容易。丹尼尔•卡尼曼(DanielKahneman)甚至认为，人类之所以一直热衷于因果关系思维，是因为在信息不发达的社会采用因果思维可以快速地作出决定。相反，在那个时代如果采用相关思维会特别费力且不可能有任何结论。大数据由于技术的支撑可以支持相关性思维，但我们在现实之中会发现传统因果思维得出的结论被置于大数据时代后是有问题的。
第二，新媒体文学的学术研究与新媒体文学的大数据研究不能混为一谈，二者采用的研究方法不同，而这两种方法也只有被局限在一定范围之内才能发挥出自己的长处。19世纪，类似大数据思维的实证主义就已经僭越过文学的领地。当时实证主义提出，表象本身才是具有研究确定性的对象，对象背后所谓的本质是并不存在的。实证主义“反对追求的知识，它停止去探求宇宙的起源和目的，拒绝认识诸现象的原因，只专心致志地去发现这些现象的规律，换言之，去发现各种现象的承续与类似的关系”瑏瑩。实证主义的“只研究怎么样(how)，而不研究为什么(why)”瑐瑠主张与大数据思维追求相关关系而悬置因果关系的方式极为相似。文学虽然作为语言的艺术具有强烈的主观情感色彩，但是对文学的研究在很大程度上可以采用实证主义的方法，比如对文学流派、文学史、作家时代背景、作品传播状况的研究等。实证主义既要有“实”，又要有“证”:从研究对象入手得到大量材料，在此基础上，还需要进行分析论证的过程，否则材料只是死物。反过来，我们认为实证主义精神只能限定在以上研究领域才是对文学研究有益的。如果实证精神进入文学意义范围，文学的灵魂、精神和审美只能被理性实证逻辑消解磨灭，成为他者的“嫁衣”。从传统的实证主义对文学的研究经验可知，任何一种研究方法是不可能包打天下的，对文学研究不同的维度只能用不同的方法。针对新媒体文学的实证主义(大数据思维)，只能研究新媒体文学的外围，即对新媒体文学的传播效果进行分析，预测新媒体文学会怎么样，提供什么样的文学作品其传播力更强等。然而，对新媒体文学研究本身就不能是技术式的，而应该是美学式的。在具体研究方法上，新媒体文学与传统文学走的是不同的理论路线。但就其艺术品格来说，文学应该研究的依然逃不脱深层的价值审视:从感官刺激的表层能否将读者引向一般生活状况，如生死、战争、世俗、宗教等，进而感受人类的终极意义和终极关怀。即使新媒体文学从表征上带有后现代的去中心、平面化和反经典的倾向，但我们还是坚信好的文学与人性追求是同一的，狂欢式的浅薄带来的是“娱乐至死”的悲哀。
第三，大数据思维带来的新媒体文学审美形态是不是对大众的迎合呢?纯粹的迎合带来的是否只是新媒体文学短时期虚假的繁荣?众多网络之中是否有一批逆潮流而上的引领美学品味的真正意义上的作家呢?如果只是一味迎合大众趣味，以大数据的反馈作为依据，新媒体文学到一定阶段可以通过技术手段调整写作的内容和风格，这样作家就成了读者们意见的平衡机制，这样的新媒体文学家没有太大的存在必要。我们可以设想一种状况:一部小说，作家只需要给一个开头，后来的情节发展通过数据汇聚网民的意见和倾向进行延伸，，小说成为读者们合力形成的整体，这样的小说(姑且称其为小说)就是的文学作品吗?真正伟大的作家并不迎合当下的恶俗状况，而是写出深刻的作品，慢慢培养读者的审美趣味，让我们真正感受文学的意义、领悟存在的价值、思考人生的真谛。就像史蒂夫•乔布斯做苹果手机一样，他坚持认为不用考虑消费者的兴趣，你需要做的是培养和引领审美。两种不同的文学态度使得对文学具有深入思考的作家陷入两难境地:迎合还是引领读者和市场?迎合读者型的新媒体文学只需要通过大数据分析带给读者们娱乐风格的作品，这种作品只需要考虑文字故事如何带来感官的愉快，读者怎么舒服怎么写。引领型的新媒体文学有一个共同特征———“反浅薄”，文学作品需要读者理解力的参与和感受力的调动，从作品之中读到的除了“文之悦”之外，还有深邃的心灵和精神层面的内容。新媒体文学植根于众生喧哗的网络媒介之中，但是我们不能据此将新媒体文学必然地视为通俗艺术。新媒体文学不一定必须提供短暂的、不能激发任何智性思考和审美挑战的作品。在新媒体之中不可能存在可以吸引所有读者的文学作品，因为这就是新媒体的性质:作家创作风格的多元存在和读者审美兴趣的散点式分布。也就是说，新媒体文学的审美情趣和属性不是由它所寓居的媒介来决定的，而是由作家自己的选择决定的。网络媒介带给人表达的自由和平等，从而带来大众极大的参与兴趣和阅读快乐，其中不乏并未获得话语权的精英作家。所以，新媒体文学应该生长在一个包容性极强的场域之中，否则，引领文学潮流的作家就不可能拥有宽松的成长环境。但是，如果我们单纯用技术方式来衡量艺术，艺术将会走向媚俗的商业逻辑道路，而的艺术因其表征具有长期性会被戴着大众文化眼镜的数据技术过滤掉，剩下的只是众生喧哗的靡靡之音。
作者：徐杰单位：西南民族大学文学与新闻传播学院讲师
数据时代论文:大数据时代信息管理论文
一、大数据与交通信息管理的联系
（一）在交通信息管理中的应用
随着社会经济的发展，机动车辆数量大幅增加，与此同时交通管理的复杂性也逐渐增大。而大数据技术可将其虚拟性、集成性、智能型和预测性四个方面的优势运用到交通信息管理之中。首先虚拟性有利于跨区域的信息管理，只需多方共同遵守信息共享原则，就可以在已有的行政区域内解决跨域管理问题；第二，信息集成性有助于建立综合立体的交通信息体系，通过收集不同范围、区域和领域的“数据仓库”，发挥整体性交通功能；而其智能分析处理，可以辅助交通管理制订出较好的统筹与协调方案，减少人力和物力的使用，合理利用道路交通资源；除此之外，分析并提炼各部门数据，模拟出相应的交通预测模型，这将可以有效地推测未来交通运行状态，并验证技术方案的可行性。
（二）存在的问题
1.信息的孤立。不同部门的交通信息系统导致很多数据在物理上彼此隔绝，缺少信息互通。
2.缺乏多样性。由于缺乏处理大数据的技术和能力，分析对象通常是统计学中的抽样样本，将导致分析结果的不和不。
3.缺乏有效的信息提取与处理。实时动态交通数据包含大量信息，但通常不需要使用全部原始信息。如何对数据信息进行快速提取，是交通数据管理面临的又一难题。
4.海量数据困于长期存储。现代交通数据具有来源丰富、数量庞大、分秒增长的特点，因此需要大容量的存储空间和长期保存的功能，以保障其记录历史和推测未来的功能。
5.多类型数据难以统一管理。多类型交通数据即指传统的数字信息，多元化的空间定位和先进的遥感图像等数据。将其进行统一有效的管理，是交通数据管理需要重点研究的方向。
二、对交通信息管理教学的需求
（一）各高校教学现状
将大连海事大学、上海交通大学、北京交通大学、东南大学、西南交通大学和武汉理工大学六所高校的课程进行对比。从六所高校对交通运输专业的开设的基础课程上看，与信息管理模块有关的课程还是偏少，有些学校甚至没有开设相关课程。
（二）传统教学存在的问题
1.主干课程安排不合理。部分高校所设置的主干课程不能满足交通信息管理模块所需的基础知识，因此难以实现高效、系统、完整的人才培养体系。
2.缺少专业选修课的引导。对于一个涉及面较广的专业，多数高校的教学模式仍偏向专业必修，而忽视专业选修课。
3.教材更新缓慢。已有的教材存在片面性和过时性的问题，从而无法满足学生对前沿知识而的了解。
4.形式单一。传统教学主要为理论教学，对大数据技术背景的认识不够充分，不能将学生的工程实践能力和科技创新意识相结合。
5.缺乏实践。传统教学侧重于对理论教学的解释、验证和简单延伸，没能及时将知识消化。
6.实习多流于形式。高校虽然有相关实践和实习的要求，但这些都大多流于形式。有些企业担心没有经验的实习生会影响正常的生产秩序，因而不愿接受实习生，这样使得实习通常是走马观花。
（三）新教学模式提出的要求
1.分层次的培养模式
大数据时代的交通信息管理人才不仅需要有扎实的专业基础，同时还应满足不同层次的需求。例如本科毕业生将会面临两条出路，一部分走向社会生产，一部分会继续深造，所以不同的毕业去向对于学生的能力要求也必然不同。因此，面对不同类型人才的能力培养需求，高校应当制订分层次的培养方案，这样在满足不同企事业单位对就业学生工作能力的要求的同时，也能培养继续深造的学生的科研能力和素养。实现分层次的培养方案，必然需要利用自主选课模式，加大社会需求类相关的选修课比重可以使学生在教学方案之内、教学计划之外选择适合自己的选修课，促使学生的专业知识结构从简单型向复杂性转变。
2.启发式教学方法
教学方法上，要积极开展创新型教学研究，探索灵活多变、立体化的教学手段。启发式教学的基本精神是根据辩证唯物主义的认识论，引导学生积极探索、发现问题、分析原因和找到解决方案，将知识转化为能力和实力。在传授基本知识的同时，力求将近期的科研成果纳入到课堂之中，让学生的知识与创新意识都能与时俱进。此外，教材也应及时更新，让学生及时接触到前沿信息。
3.提升教师的实践教学水平
要改变学生实践能力，必须从提高教师的实践能力方面着手。加强师资队伍多元化建设，实现双导师制。双导师型教师是指既具有高校教师任职资格，又具有较强专业实践能力的教师。提高实践能力方面可从以下两方面入手：①优化科研环境，鼓励教师积极参与横向课题研究。这样，青年教师不仅能深入了解本学科的前沿知识及工程实践的应用，而且可以使基础理论、专业知识与工程实践紧密结合，从而培养和提高分析、解决工程问题的能力。②校企挂钩，教师的工程实践经验和能力主要通过工程实践锻炼而获得。高校和企业合作，不仅为青年专业教师工程实践创造条件，同时还能为企业提供理论支持。
4.重视实践能力的考核
构建客观的、可操作性强的学生实践能力评价体系。要求评价考核的标准和方法能够将学生成绩分解为一定的量化指标，从而客观科学地评定其实践能力。
三、总结
大数据时代给交通信息管理带来了巨大的改变，这意味着高校教学不仅仅是培养工程师，更是培养紧随时代、精用技术、勇于创新、善于解决问题的信息管理人才。只有积极改进教学模式，切实转变教育观念，重视培养实践能力，构建先进完善的交通信息管理教学体系，才能培养一批批符合大数据时代要求的先进人才。
作者：王林张辰李翔新单位：武汉理工大学
数据时代论文:大数据时代会计论文
一、大数据时代云会计对库存管理的影响
（一）云会计使库存管理的成本更低
廉库存管理的目标之一是在保障生产或销售经营需要的前提下较大限度地降低库存成本，即对库存合理布局，减少调拨次数。存货不足不能及时满足生产和销售的需要会给企业带来损失，而存货过多将导致储存成本增加，进而影响企业利益。如何对库存管理的成本进行控制对企业的生产经营至关重要。以物联网技术为前端、大数据分析中心为后端的云会计平台，能够在时空分离的环境下预测或获取企业不同区域的仓储信息和客户订货信息，以减少企业的库存管理成本。基于云会计平台，企业能够搜集、分析货物的实时信息，动态了解各仓库的实时库存情况。仓储管理部门在获得大数据分析中心提供的库存数据与客户偏好数据的基础上，能够做到对各仓库库存合理布局，减少调拨次数，节约库存管理成本。
（二）云会计使存货控制系统更
为提高企业整体运作效率，很多企业对存货管理采用了ABC控制系统或即时制库存控制系统（JIT）。在ABC控制系统中，如何区分ABC三类存货并进行分类控制是企业需要解决的重要问题。JIT管理强调只在使用存货之前才要求供应商送货，从而将存货数量减到最小，实现物资供应、生产、销售连续同步运动。这种方式在提高生产效率、减少储存成本的同时需要考虑到与供应商协同接洽的问题。大数据、云会计技术的应用，能够提高企业ABC控制系统或即时制控制系统的运行效果。在企业的云会计平台上，通过对自身以往所有各种类型存货数据的大数据分析，以及参考同行业、相关行业的历史数据，可以对ABC三类存货进行更为科学合理的区分，使ABC控制系统更加。面对JIT即时制更加严格的要求，企业需要考虑到存货的计划需求、与供应商关系、准备成本、电子数据等方面，一旦存货预警就会产生生产线、销售线告急的情况，将为企业带来巨大损失。物联网与大数据技术的发展为解决JIT控制面临的问题提供了解决方案。由供应商提供的存货都带有的产品电子代码（EPC），企业和供应商可以通过物联网同时获得存货的使用情况，在数据显示该批存货需要补充时，物联网得到传感信息的反馈及时提醒企业补给，通知供应商做好供货准备，并给出下一订货批量的预计时间及数量要求。这样就加强了企业与供应商的信息沟通与交流，使JIT控制系统得到更好的实施。
（三）云会计使库存管理更智能
由于各个地区消费者的需求偏好往往存在差异，使得企业在全国布局的仓库库存往往在商品的类型、数量等方面不尽相同。基于云会计平台，通过前端的物联网，企业可以获取各个区域仓库的存货情况。针对库存调拨，通过后端的数据中心进行大数据分析，可以选择在的仓库之间进行商品的调配，并根据对调拨结果的分析就以后的商品库存分配进行优化。消费者在网上购买商品时，云会计平台会自动选择就近且有货的库存点进行智能化发货。在存货的运输与存储过程中会涉及到安全问题，尤其是对于高价值的存货，其一旦损失将会对企业造成严重影响。云会计平台下物联网技术的运用，可以做到存货信息流和物流的统一、对存货流向形成监控，具有极强的监测功能。存货信息能够实时反映在云会计平台上，即便出现货物丢失情况，企业也能够即时采取措施应对，确保企业存货的安全性。
二、大数据时代基于云会计的库存管理
框架模型构建库存管理及时地反映各种物资的仓储、流向情况，可以为企业的生产管理和成本控制提供依据。通过对货物的各种信息进行即时的采集、分析、处理，可以使企业实时动态的库存管理成为现实。在云会计平台上，前端的物联网技术能够实时采集数据，后端的大数据分析中心对数据进行分析与处理，为企业的库存管理决策提供支持。在分析大数据时代云会计对企业库存管理在成本、控制、管理水平等方面影响的基础上，结合大数据、云会计和物联网的技术特征，考虑企业当前主要的库存管理需求，本文建立了由云会计平台、大数据分析中心、库存管理等核心模块组成的大数据时代基于云会计的企业库存管理框架模型。企业库存管理决策所需的库房信息，如仓库信息、货位信息、物料信息、出入库信息等，可以通过物联网技术借助云会计平台进行实时搜集；决策所需的其他大数据源，可以通过互联网、移动互联网、社会化网络等多种媒介，借助云会计平台从企业内部、交易所、事务所、外部市场、银行等获取。同时，经由大数据处理技术和方法（Hadoop、Storm、PentahoBI等）规范所获取数据，并通过ODS、DW/DM、OLAP等数据挖掘与数据分析技术提取企业进行库存管理决策所需的财务与非财务数据。大数据分析中心对企业库存管理的入库信息、调拨信息、出库信息进行分析，以此来支撑库存管理模块，为采购入库、库房调拨、销售出库阶段实时、的决策提供了依据。
（一）采购入库在采购入库阶段
由大数据分析中心结合企业生产情况、外部环境等因素对采购计划、采购数量、采购时间、物流过程等相关采购流程的影响，就公司所接订单、产品或服务的生产周期以及交货的时间等进行分析，并针对企业历史数据的分析以及对供应商信用程度、产品质量、产品价格等的综合分析，制定出《合格供应商名册》向企业推荐供应商。采购部门则根据分析结果按照企业需求制定出科学的采购计划与选择适合并满意的供应商。完成供应商选择之后要进行签订采购合同、发出订购单，供应商确认订购单、根据订单交货等步骤，这一过程需注意明确合同内容，明晰产品信息与双方责任。在一个部分即进料检验及入库阶段，由射频识别技术（RFID）识别出产品的品牌、规格、型号以及供应商的检验合格标识（在物联网技术下，产品都带有电子标签）之后方可入库，若有检验不合格者，根据标签自带的生产信息退回至供应商处，并根据采购合同的条款或退换货物或进行赔付，退换后的货物同样要进行这一系列的检验过程，直到合格后入库。
（二）库房调拨在库房调拨阶段
模型采用共享策略，即某仓库库存水平一旦无法满足当前订单，而采用调拨方式可满足时，可从其他点调拨，要求调拨点的当前库存能满足需求点的订单需求量。由于云会计前端的物联网可以得到企业各仓库的库存信息，这样在任何仓库发生存货预警时，都可以向后端的大数据分析中心实时反馈请求调拨信息。对请求调拨信息进行分析之后，按照最小费用策略确定存货的调拨点与调拨量，并向该仓库调拨信息，以此在各仓库间完成存货的相互补给。在各仓库不能满足库存需要或者调拨成本过高时，库存信息将直接向总部反馈，由总部完成存货的分配。将调拨结果经由大数据分析中心向仓储管理部门进行汇报。基于云会计的库存调拨模块将企业的分布式库存连成了一个有机整体，不再是单独的仓库管理，可满足大中型企业库存实时性的问题，便于整体优化及一体化管理。大数据分析中心为各仓库的信息共享提供了技术支撑，物联网技术的运用为掌握各仓库的实时信息提供了有力保障，可为企业节省时间与成本。
（三）销售出库针对企业的销售出库
销售部门根据经由大数据分析中心分析之后的客户订单向指定的仓库下达发货指令，当指定仓库接收到发货指令之后带有RFID的货物将发往指定地点，同时，货物的地理位置信息与其他信息等由带RFID技术的物联网通过大数据分析中心向仓储管理部门实时反馈，以确保货物的安全以及了解物流信息。在货物到达指定地点后，将会再次向大数据分析中心反馈信息，并向仓储管理部门与销售部门发送货物安全送达的信息，从而完成整个出库过程。
三、结语
大数据已成为企业新型的战略资产和企业核心竞争力的重要基础，可为企业的经营决策提供重要的支持。大数据、云会计和物联网技术能为企业搜集、分析、处理前端数据，并获取到同行业与相关行业的数据信息，这必然会对企业传统的库存管理方式产生较大的影响。本文构建了大数据时代基于云会计的企业库存管理框架模型，并阐述了入库、调拨、出库在模型中的具体运作方式，期望本文的研究能够为库存管理研究和企业应用提供新的思路。
作者：程平徐云云单位：重庆理工大学会计学院重庆理工大学云会计研究所
数据时代论文:大数据时电企业财务论文
1大数据的特征及其对发电企业财务职能的影响
1.1大数据的主要特征根据在维克托•迈尔-舍恩伯格及肯尼斯•库克耶在《大数据时代》著作中的论述和业界的共识，大数据具有4V特点，即：Volume（大量），数据体量巨大；Velocity（高速），处理速度快；Variety（多样），数据类型繁多；Value（价值），价值密度低，商业价值高。基于上述特征可以判断，本质上看数据本身并无太多价值，而基于大数据的处理和分析才能为企业带来巨大的增值价值。大数据将是一场革命，庞大的数据资源使得各个领域都会开始进入量化进程，无论学术界还是企业界，所有领域都将开始这种进程。
1.2大数据对发电企业财务职能的影响大数据对发电企业财务职能的影响主要体现在财务管理的理念和模式、财务人员职能与定位、数据分析与应用、决策支持的及时性与有效性、财务内部控制与风险管理的针对性与有效性等方面。在大数据时代，包括发电企业在内的社会经济组织在各领域的决策将更加依赖数据和分析，而非是以往的主要靠经验和直觉。财务数据作为发电企业的核心数据，反应和支撑着发电企业资金及业务的正常运转，通过对财务数据的处理和信息的充分挖掘和分析，能够有效帮助发电企业改进财务管理，提升应对各种财务风险的能力，为管理者提供决策依据，进而为企业创造价值。可以说，发电企业从各种各样类型的财务数据中快速获得有价值信息的能力，将直接决定企业在未来愈发激烈的市场竞争中的生存能力。
2大数据时电企业财务职能面临的主要变革
2.1财务管理的理念将向保障战略目标的实现变革毫不夸张的说，数据决定成败，数据将成为保障发电企业战略目标实现的决定性手段，缺乏财务数据支持的企业战略终将是空中楼阁、镜中之月。传统财务管理的理念主要立足于核算和监督，随着发电企业在管理上不断追求和不断通过信息技术来提升管理效能，发电企业积累和掌握数据空前庞大，而这些庞大数据的核心价值在于数据的深化应用。这就要求发电企业在财务管理的理念上进行深刻变革，通过借助大数据时代先进的管理手段和工具，深入加强财务管理的分析、控制、预测等职能的发挥，充分发挥财务在战略决策和价值创造方面的作用，使财务数据成为企业通过配置资源来保障战略目标实现的指挥棒和主要的衡量标准，使战略目标立足扎实、战略管理行为科学、战略保障坚强有力。
2.2财务决策支持的重心将向深、向宽变革随着发电企业在推进财务决策支持职能发挥方面的不断努力，财务决策支持在总体财务职能方面的比重正在逐渐上升，如国内较为的国华电力提出要在未来将财务决策支持占财务职能的比重由以往的10%提升到50%。以往，财务人员主要基于财务报表的数据，通过对数据的分析为管理者提供决策支持，但财务报表的数据毕竟是有限的，反应的信息面相对狭窄，只能为管理者提供有限的信息。大数据时代，发电企业面对的数据范围越来越宽、数据精细化程度越来越高、数据之间的关系链也更为完整，这就为财务决策支持提供了海量的数据信息，使财务分析能够深入到最基础的业务单元，从而使企业效益和成本的驱动因素更为明确，驱动因素对效益和成本的影响程度也更为。以存货周转率为例，通过报表分析手段，只能反馈存货周转率与基期对比的偏离程度，但通过大数据手段，可以明确找到存货周转率偏低的直接驱动因素，到底是哪些存货存在偏差，偏差程度到底有多大。再如通过数据积累和分析，可以预测各种驱动因素的变化对发电负荷率的影响程度、对煤耗的影响程度。这样就能帮助决策者的决策行为更加科学、更加有效。
2.3财务职能发挥方式将向统筹协调变革国家会计学院秦荣生教授形象地指出，要“修身、齐家、管公司、治国、平天下”。传统财务职能仅需依靠财务部门自身便可发挥作用，做好“修身”即可。随着ERP等信息手段的应用，财务管理职能的发挥逐步与人力资源、供应链管理、生产管理等企业各类信息系统深度整合，协同发挥效力。在这种新的形势下，财务部门仅仅依靠发挥自身本位职能，是远远无法满足现代社会对财务职能发挥的要求。这就使财务职能的发挥开始朝着统筹协调企业整体资源配置进行变革，不仅要做好“修身”，更要“齐家、管公司”，通过发挥财务的统筹协调职能，帮助企业规范管理、优化资源配置、有效管控风险、提升经营绩效。
2.4财务管理手段将向精益管理变革精益管理丰田公司制胜的法宝，其核心是以最小资源投入，包括人力、设备、资金、材料、时间和空间，创造出尽可能多的价值，为顾客提供新产品和及时的服务。而大数据管理的特征集中体现在更细、更多、更快和更优四个层面，可以促进精益管理向着效率更高、效益更佳的方向迈进。在国内外经济形势处于低谷的宏观背景下，发电企业面临日益复杂和残酷的市场竞争，这样的宏观经济形势与大数据时代叠加，催生发电企业财务管理的手段必须朝着精益管理变革。如有了大数据的基础，通过精益财务分析可将大数据的信息加工，形成针对性强、可操作性强的管理建议；通过精益对标，发电企业不仅可以实现与同行业先进绩效的对标，也可以实现对不同行业指标标准的对标；通过精益预算管控，实现企业资源的配置；通过集约化财务共享平台的搭建，实现财务职能的精益管理。
2.5财务人员的职能定位将向价值创造变革在大数据时代，财务人员所面对的数据规模日趋庞大、数据类型日益复杂，而企业管理者对高价值财务信息时效性的要求越来越高。这就要求大数据时代的财务人员，除了必须具备扎实的财务处理能力以外，还必须进行职能定位的变革，通过熟练运用大数据带来的信息为企业创造价值能力。对于财务总监来说，大数据的运用将使其由目前的企业理财幕僚变革为战略制定者，由价值管理者变革为价值创造者；对于财务人员来说，对财务数据的处理能力将成为其价值体现、绩效衡量的主要标准。
2.6财务风险管理将向实时管控变革以往财务风险管控的基本模式为事前评估，事中控制，事后分析，往往依赖财务人员的经验和判断，管控效果难以保障。而现在，大数据为财务风险管控提供了非常宝贵的管理载体和平台，通过大数据的收集、分析和整理，可以做到在财务信息系统预定义各种风险控制规则，触发规则定义的预警条件，即可将预警信息传达到发电企业总部。如发电企业可以明确界定职工福利费的列支范围并设置预警条件，当财务系统录入不符合规定列支范围的福利支出时，系统将自动预警并暂停交易，待发电企业总部核查后再行处理。
3发电企业如何迎接大数据的机遇和挑战
大数据以其固有的特征影响着时代的变迁，也将为发电企业财务管理职能带来巨大的变革，这种变革对发电企业来讲，不仅意味着机遇，也将是一种挑战。发电企业要积极行动起来，在迎接大数据带来的重要机遇的同时有效应对其带来的挑战。主要是要做到：
3.1明确设定财务大数据管理的目标发电企业面对大数据管理的趋势，首先要设定清晰而又明确的财务大数据管理目标，就是要通过财务大数据管理和应用，为企业财务管理职能的平台跨越奠定基础，从而形成高附加值的企业战略保障能力，促进企业价值较大化。
3.2建立健全财务大数据管理和应用能力大数据管理能力的关键衡量因素体现在高质量的数据、先进的工具、精通数据的员工以及支持分析决策的流程和机制。发电企业对此要有深刻的认识和理解，并在企业运营和管理过程中建立相对应的管理机制，通过优化财务数据管理流程、提升财务人员运用大数据能力、建立健全决策支持模型等手段，来不断提升企业财务大数据管理和应用能力。
3.3不断优化财务管控架构财务管控架构是财务大数据管理的前提和基础。发电企业要通过财务共享平台建设，在横向职能架构上加强与企业营销、生产、运营和管理平台的横向集成，在纵向职能架构上实现集团层面与下属单位的财务管理职能一体化，保障财务大数据管理的宽度和深度。
3.4加强信息安全管理保障数据安全财务大数据在为企业带来极大便利和良好效益的同时，也将面临着数据安全等方面的风险。这就要求发电企业通过在制度层面、管理层面、契约层面和技术层面加强管理，保障企业自身的财务信息安全。
4发电企业如何应对大数据带来的风险
凡事有利必有弊。发电企业在充分受益大数据带来的各种便利时，也要高度重视并有效管控大数据带来的各种风险，特别是核心财务数据的管理和应用值得高度重视。
4.1财务数据管理风险如前所述，大数据时代，数据产生的增值效益日益突出，由此为数据管理提出来更高的要求。发电企业财务数据管理风险主要表现在因数据管理不到位造成的各种不良后果，表现在：财务系统因病毒、网络攻击、火灾及自然灾害等情况造成的无法正常使用；因管理不善造成的财务数据丢失、数据遭篡改，造成数据不能正常使用。这就要求发电企业在财务数据管理方面，一是要加强制度建设，建立异地备份等管理机制，特别是要考虑当前发电企业集团化运转条件下信息系统一体化的数据安全问题；二是要加强信息安全管理，通过的杀毒系统、系统防火墙建立的信息安全屏障；三是要明确数据管理人员的职责，建立数据管理牵制机制。
4.2财务数据质量风险由于数据的爆发性增长，在大数据时代财务数据的质量直接关系着，甚至是决定了数据应用的效率和效果。发电企业财务数据质量风险主要表现在由于财务数据不造成错误的分析结果，误导管理层；因财务数据不完整造成决策支持效果不佳。这就要求发电企业在数据采集、处理和应用的过程中必须确保财务数据的质量。而在衡量数据的质量时，要充分考虑数据的性、完整性、一致性、可信性、可解释性等一系列的衡量标准。
4.3财务数据应用风险传统数据管理的重心侧重于数据收集，而在大数据时代，数据应用成为整个数据管理的核心环节，数据应用者比数据所有者和拥有者更加清楚数据的价值所在。发电企业数据应用风险主要表现在由于对于高质量数据的不当应用，如使用了错误的财务分析模型，甚至是人为滥用造成偏离数据应用目标的情况；财务数据在应用过程中因数据管理不到位或人为因素造成企业商业机密泄露。这就要求发电企业高度重视大数据的应用管理，首先是要明确数据应用管理的目标，并建立高效的数据应用管理机制，以确保数据的应用效果；其次是要通过明确数据应用者的管理职责，加强数据应用过程中的核心信息管理，确保企业核心商业机密的安全性。
4.4财务数据过期风险传统数据管理强调“存在性”，即只要能获取数据即可满足企业的要求，财务数据的分析和应用的基准数据更多的是以往年度。而在大数据时代，发电企业对数据时效性的要求空前提高。发电企业财务数据过期风险，主要表现在对于数据的时效性管理不到位，财务数据反馈不及时造成决策不及时，贻误商业机会等情况。这就要求发电企业要从战略导向出发，高度重视数据应用的时效性管理，一方面在财务数据获取环节要充分考虑时间的及时性和性，另一方面要在数据应用环节注意对数据的甄选，确保财务数据必须更多地立足当前，面向未来，只有这样，才能帮助企业在瞬息万变的市场环境中充分发挥作用。
5结束语
思路决定出路，观念决定未来。在大数据时代，发电企业要顺应时代潮流，及时变革财务职能，通过财务大数据的多方位管理，较大程度上从各种财务数据中获取最及时、最有效、最有价值的信息，并有效管理大数据时代的各项风险，来提升企业决策的科学性、有效性和及时性，从而为企业战略目标的实现和在激烈的竞争中立于不败之地提供的财务保障。
作者：刘博单位：中国神华能源股份有限公司国华电力分公司
数据时代论文:大数据时代企业管理论文
1研究背景
近几年随着社会的发展，信息技术和计算机在迅猛发展，在各个领域都需要大量的数据，这有利于企业了解市场，而这个时代的数据大爆炸已经不能被现代化的计算机所消化了。在信息化社会，到2020年，全球以电子形式存储的数据量预计将达到35ZB，而这其中，企业数据正在以55%的速度逐年增长。IDC预测，大数据技术与服务市场将在2015年达到169亿美元，年增长率甚至达到40%，这是大数据时代到来的趋势。我们将这些数据称为“海量数据”，这个概念其实在2008年时就已经被提出来了，最早提出是在谷歌成立10周年的庆祝典礼上，被称为“BigData”，后来也曾在杂志上讨论，我们应该如何面对现在的数据大爆炸时代，这不仅是机遇，也是一种挑战。可以这么说，大数据时代是信息社会的变革，是信息化和科技发展的产物，它具有很强的紧迫性，对我们这个时代也有重要意义，如何将数据整理、分析、归纳和共享成为全世界都在关注的事情。大数据时代的到来对于企业来说是更大地挑战，如何在这样的一个时代加强自己的竞争力，把握住每一个客户的资料和数据，成为企业提高国际竞争力的关键。数据流的广泛应用使企业不断审视自己的IT管理模式，逐渐形成规模化、多样化和高速化的企业管理模式，可以说大数据时代的到来对于企业既是机遇又是挑战。
2相关概念
在信息化时代“，数据”成为一个热门词汇，如今数据已经深入到每一个行业和领域，并成为促进生产的重要因素。而“大数据”这样的概念是在数据的基础上逐渐流行起来的，这最早源于美国“。大数据”指的是运用更先进软件和科技对数据进行管理和分析，将数据流整合，将海量的数据进行处理，也就是说，传统的数据管理技术已经不能适应现在的大量数据了，我们要进行新技术的开发，迎接大数据时代的到来。大数据(Bigdata)一般指的是软件工具难以捕捉、管理和分析的大容量数据，其单位通常是“TB”。大数据是一个企业在创造了大量非结构化和半结构化数据后，组成一个数据集，其具有4V特性：(1)容量大(Volume)。非结构化数据的超大规模和增长；占总数据量的80%～90%；比结构化数据增长快10到50倍，是传统数据仓库的10～50倍。(2)格式多(Variety)。异构和多样性；很多不同的形式，如文本、图像、视频、机器数据等；没有模式或者模式不明显；不连贯的语法或句义。(3)价值高(Value)。大量的不相关信息的提纯；对未来趋势与模式的可预测分析；深度复杂分析(机器学习、人工智能VS传统商务智能咨询、报告等)。(4)速度快(Velocity)。实时分析而非批量式分析数据输入、处理与丢弃，立竿见影而非事后见效。数据之间的跨应用和跨系统的结构化和非结构化数据体现着数据与数据的复杂关系，这些数据相互之间关联却又相对独立，大量的数据通过储存和分享进行交换和联系。通过对大量数据进行分析、整合和交换，不断创造新的价值，加快生产，发现新领域和新知识，将数据流较大价值化和较大应用化，这是大数据的实质与内涵，简单来说，就是将大数据内部信息进行关联和挖掘。
3大数据给公司带来的挑战
新疆新捷股份有限公司成立于1995年8月，是专业从事天然气终端销售及综合利用的企业。公司秉承中国石油“奉献能源、创造和谐”企业宗旨，坚持昆仑能源“低碳经济、绿色发展”理念，努力将公司建设成为国内的天然气终端销售企业。从企业战略着眼，信息就是财富，企业如果对这些大数据管理得当，就可以发掘出更为强大的决策信息。目前大数据时代给企业管理者带来的挑战有如下几个方面。
3.1如何获取大数据现在很多企业所能获取的数据信息有限，仅仅是冰山一角，大约为总数据的15%以下，并且对数据整合程度不够，存在很多非结构化数据和半结构化数据。无法获取足够的数据成为企业发展的障碍，这些对于现代企业来说是一个很大的难题，传统的商业智能系统对大量信息数据的标准化和结构化整合已经不能适应，海量数据的产生需要企业运用先进的手段获取更多，并对信息数据加以整合，这样才能通过大量的数据分析市场需求，增加客户，提高企业的服务质量，不断提升企业的国际竞争力。因此，如何获取大数据成为新疆新捷股份有限公司的一个挑战。
3.2对管理团队的挑战新疆新捷股份有限公司的传统管理模式是高层决策者凭借自己的经验和决策能力下决定，其他管理人员负责完善决策和执行。在大数据时代来临前数据量较小，信息有限且获取信息的成本较高，因此这种传统的管理模式还可以适应企业发展。但随着信息化社会的发展和大数据时代的到来，这种传统的管理模式已经不能适应海量的数据，这更多的是需要新疆新捷股份有限公司通过大量的数据进行分析，结合企业自身的特点，组成管理团队进行决策，这样才能不断适应社会的发展，增强企业的竞争力。决策者在决策过程中的直觉主义已经不能适应大数据时代，这是企业在管理上遇到的一个挑战。
3.3对企业管理流程的挑战多数企业的管理流程是逆向思维方式，也就是说通过在经营过程中出现的问题进行分析，通过一个管理团队的讨论和协商，制定出一套解决方案，这样的管理流程有一定的好处，但也会因为有一些管理问题还没有出现，导致管理上的疏漏，而新疆新捷股份有限公司就曾是这样的管理流程。对于现在海量数据的产生，新疆新捷股份有限公司不能再按照逆向思维模式进行管理了，其应该尽量运用正向思维的管理方式，根据现在大数据时代的特点，进行数据收集，找出数据之间潜在的关系，对客户信息进行整理分析，充分了解客户的需求，进而提出优化方案，这样更有利于企业发现自身的问题，并走在其他企业前面，提高竞争力。
4大数据时代企业管理变革
随着信息流动、网络新生代的成长和数据量的增加，过去传统企业可能通过强大的体制控制力，或者信息不对称的优势地位进行封闭企业管理的模式，在今天已经越来越行不通了。面对海量数据，我们要以数据体现的内容为先决条件，不断适应大数据时代的变革，同时，对企业的管理进行改进和变革，大数据时代下企业管理需要做出变革几点如下。
4.1获取数据在大数据时代，企业最重要的是进行数据的获取，收集一定的数据才能更好地对企业进行管理和实施决策。大数据需要有一个平台，需要进行一个数据的抓取，它有传输、分析、建模、优化等作用，产生认知，这些都是在大数据这个平台上所必须具备的一些特性。这些特性使得企业间可以通过大数据平台进行跨行业交流。大数据平台会把全世界的数据进行共享，使得全世界在物理空间的活动都得以体现在大数据平台上，这是一个很重要的概念。对于企业来说，要不断融入这个平台，通过共享数据和收集数据，开发潜在客户。
4.2管理团队的挑战大数据时代的到来对于企业的管理既是机遇又是挑战，对于企业的管理者来说，这有利于数据的收集和分析，我们在面对大数据的挑战时，首先要将数据量化，量化的数据有利于管理效率的提升，管理者通过大量的数据信息掌握公司的业务和客户，对公司内部和外部客户进行管理，提升管理和决策的质量。我们可以通过以下三个方面面对挑战。
4.2.1转变管理模式企业在管理上要与时俱进，要在大数据时代充分了解数据是什么，并通过数据进行有利于自己企业发展的分析，要根据大数据转变管理模式。海量数据是管理的主线，我们应该通过数据说话，利用数据进行潜在客户的挖掘。以往的管理模式都是由高层人员根据自己的经验进行决策和管理，而在大数据时代，我们应该建立一个管理团队，对海量数据进行管理和收集，通过分析数据得出结论，再通过研究讨论，最终确立决策方案。这种管理方式可以给企业带来巨大的商业价值，实现企业对客户进行增值服务的附加值，以数据为主的管理模式更合理，更科学，也更符合大数据时代的特点，此外，还有利于企业增强竞争力，提高管理和决策的效率。
4.2.2转变思维模式面对大数据时代，企业管理者需要对大数据进行量化分析，这和传统的思维模式并不相同，因此需要转变管理者的思维模式。在面对重大决策和企业管理时，要先进行数据查找和数据分析，从数据上得出结论，分析结果，再进行决策和管理，这种方式不但会提高管理者的效率，也会提高其他工作人员的积极性和业务执行能力。另外，我们要允许数据做主，也就是说提高数据分析的力度，将来自一线的数据进行分析，通过数据判断决策是否正确，大数据的整理和分析是需要较长的时间来完成的，这对企业来说也是一种挑战。
4.2.3培养人才资源在大数据时代人才资源是一个企业发展的重要因素。如今的高级管理人才越来越稀缺，拥有综合能力的管理人才不多，因此企业应该进行管理人才的培养，只有将人才、科技、管理、决策进行融合和调整，才能使企业清晰自己的发展目标，制定适合自己的发展战略。企业可以在管理人才的选择上挑选一些经验丰富、学历较高的人才，再进行岗前培训和在职培训，提高他们的管理能力和应对大数据时代的能力。企业通过培养视觉化、系统化人才，将企业的海量数据进行快速、高效的整理和分析，从而提高企业竞争力，使企业能充分迎接大数据时代带来的挑战，更好地把握大数据时代出现的机遇。
5结语
在计算机和信息化时代的发展过程中，海量数据已经不断地出现。大数据时代已经来临，海量数据和信息不断进行交换，使企业面临更大地挑战，要不断将数据库进行整理分析，通过数据做决策才能更好地把握企业管理脉络。企业面对这样的挑战，需要将大量的数据进行搜集和分析，通过数据分析的结果进行企业的管理和决策，加强人才培养，转变管理模式和思维，这样才能提升企业的竞争力。
作者：刘冬单位：(昆仑能源)新疆新捷股份有限公司
数据时代论文:大数据时代网络教育论文
一、大数据特征
大数据的特征常用4V来表示，具体是指大数据的四个显著的特征：及时是数据体量，主要指的是巨大的数据量与数据的完整性。第二是数据类型，指数据的种类非常的多而且复杂，大数据技术就是要在这些复杂的数据类型之间寻找其关联性。第三是处理速度，爆炸式增长的数据量要求快速化的处理速度，才能使得数据的有效利用。第四是价值，大数据的最终目标是将庞大数据中找到数据时间的价值关系，通过找到低密度的数据价值对决策做支持。当前大数据技术不仅产生于特定领域中，而且还产生于我们每天的日常生活中，Facebook、微博、微信等社交媒体上的数据就是好的例子。大数据发展为社会各领域带来的机遇和挑战，网络思想政治教育作为信息时代育人的新载体自然无法回避这个新的环境变化。分析大数据对网络思想政治教育带来的巨大机遇与严峻挑战，探讨如何在大数据时代创新网络思想政治教育的具体措施，进而为下一步发展提供有益的指导已然成为热点研究问题。
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。是充分的确立数据意识，意识到数据是现代社会具价值的资源，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。
三、总结
通过以上的分析，可以看出，大数据时代网络思想政治教育必须在继承传统中实现新发展。坚持不动摇的是网络思想政治教育的基本结构、功能以及原则。创新发展的是符合大数据时代的教育内容与内涵，进而找准变化点，更新网络思想政治教育的研究方法，将网络思想政治教育带入新的发展阶段。
作者：方世敏 单位：南京政治学院
数据时代论文:大数据时代我国经济增长论文
一、大数据时代经济增长的大变革
由于互联网的发展产生了大量的数据，对这些数据应用计算机技术、数学模型、统计分析等进行处理，就有可能成为有价值的、可销售的数据产品，这种基于数字技术下的创新性信息使用方法，提高了决策者的决策效率及可信度，能够引起整个服务业和制造业本质性的改变。因此大数据蕴含着极高的经济和商业价值。对于大数据的概念，企业和学术界目前尚未形成统一的定义。研究机构Gartner将大数据定义为需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。美国国家科学基金会(NSF)将大数据定义为“由科学仪器、传感设备、互联网交易、电子邮件、音视频软件、网站点击流等多种数据源生成的大规模、多元化、复杂的、长期的分布式数据集”。麦肯锡认为大数据是指无法在一定时间内用传统数据库软件工具对其内容进行采集、存储、管理和分析的数据集合。当前对于大数据的特点主要存在两种观点:Dumbill采用IBM公司的观点，认为大数据具有“3V”特点，即数据量大(Volume)、数据类型复杂(Variety)、产生速度快(Velocity)。还有部分学者认为大数据具备“4V”特点，在3V的基础上增加了价值性(Value)。
(1)数据量大(Volume):目前数据的计量单位用太字节、泽字节和尧字节计算。IDC《数字宇宙膨胀:到2020年全球信息增长预测》显示，数字信息每年按照几何级数态势递增，到2020年数字量将达到40ZB。
(2)数据类型复杂(Varie-ty):相对于传统的便于存储的结构化数据，大数据下非结构化数据越来越多，比如网络浏览轨迹、视频、音频、图片、地理位置信息等。数据类型的多样性对数据的处理能力提出了更高的要求。
(3)产生速度快(Velocity):数据的产生和更新频率快，每秒都在即时增加，因此大数据的存储以及实时处理和分析能力是大数据背景下技术创新的关键要求。
(4)价值密度低(Value):存储的数据量大，但是蕴含的价值低。比如一段监控视频时间长达2个小时，但是有用的数据可能只有1～2分钟。数字技术是指对产生于人机交互、物联网等以结构、半结构、非结构形式存储于数据库中的数据，进行提取和集成，以模式识别、数据挖掘、可视化以及统计分析等技术手段，通过数字技术生成模块化的专用数字技术处理软件包，进一步通过模块集成实现决策支持、智能生产、智能服务、预测等技术创新，实现大数据的价值化。根据大数据的特点可知大数据和传统数据的差别主要体现在数据处理技术上，大数据下的数字技术包括传统基本数据处理技术如模式识别、数据挖掘、可视化、统计分析，和高级数据处理技术如移动计算、社会化媒体、物联网、云计算、分析和预测五种技术，这五种数字技术融合后方能产生巨大的技术创新。移动计算指的是计算的实时性、动态性，即人和计算机的实时交互，机器和周围环境的实时交互，通过移动计算，增加了数据使用技术在地点和时间上的灵活性，数据的实时处理是大数据的最核心技术。社会化媒体是指人们可以在社会化媒体平台信息、分享内容、互动交流。社会化媒体平台的使用数据具有“流”的特性，大数据流的特性改变了人们收集和评价信息的方式，也改变了技术创新方式。物联网描述的是物理对象间的连接，这种交互作用发生在机器与机器之间，对象与对象之间。物联网的形成开启了服务创新、生产创新和增值过程的新维度，是新的增值模式和商业模式的基础。云计算指的是一种基于互联网的计算方式，主要解决数据的结构问题和管理问题，共享的软硬件资源和信息按需提供给不同的使用者，通过云计算加快对信息的发现、组织和协调并为技术创新提供服务。分析和预测是对大数据进行关联、趋势性等知识发现技术，由于大数据的海量性、动态性、类型多样性和价值低密度性，有价值的信息隐藏于碎片化的数据关联中，而且随时间的流逝不断减少，因此传统的优化算法、抽样学习的数据挖掘技术、统计分析方法已不适用，基于知识发现的分析和预测技术是大数据的关键技术。针对大数据下的这些数字技术融合就有可能产生技术创新，就可能实现服务智能化、生产智能化、决策智能化等等。大数据时代给经济增长带来了大的变革，这种变革体现在:一是信息化与工业化的融合，大数据时代的本质是互联网基础上的信息技术在经济增长和工业化中的广泛应用，其核心在于信息化与工业化的融合。大数据并不能生产出新的物质产品，也不能创造出新的市场需求，大数据的价值，不仅是大数据技术本身，更是应用创新产生的经济社会价值，能够让生产效率大幅提升，从而使工业制造的生产效率得到大规模提升，并进一步促进经济发展。二是促进产业融合。大数据时代信息化和智能化的广泛使用，使得不同产业或同一产业不同行业相互渗透、相互交叉，最终融合为一体，逐步形成新的产业。在技术融合、数字融合基础上所产生的产业边界模糊化，产业由分立走向融合，产业融合能够通过建立与实现产业、企业组织之间新的联系而改变竞争范围，经济增长效率大幅度提高。三是技术创新发生变化。在大数据背景下科技创新与产业结合程度加强，而且由于信息化的广泛使用，信息化和工业化的深度融合，技术创新的协同性和共享性加强，科技创新与产业结合对经济增长的作用加强。
二、大数据下数字技术创新的新特点
大数据下的技术创新与传统渐进性技术创新有本质的不同，主要体现在创新方法、创新模式、创新管理、创新过程和创新结果五个方面。大数据背景下数字技术基础上的技术创新具有一些新特点:
1．数字技术下的技术创新方法具有组合性传统的技术创新方法基于专业理论、专业技术和市场目标的共同作用，而大数据环境下的数字技术创新方法更多地来源于对不同技术的组合式创新。创新不仅是一种基于理论背景下的基础性创新，而更可能是利用现有的数据技术手段和已有信息进行重新组合，技术创新方法的组合性主要体现在对数字的敏感性洞察以及创意路径实现的组合。对于客户消费行为的数据技术分析可以开发出BI系统。对于共众通信数据分析可以开发舆情系统，KevinSystrom和MikeKrieger将Facebook受欢迎的照片共享思想植入到智能手机中，开发出了能够改变照片样式的软件。这些说明了数字技术提供了一种组合式技术创新的可能性。
2．数字技术下的技术创新模式具有开放性传统的技术创新模式强调独立创新、合作创新和引进创新模式，这些创新模式聚集对要解决的问题相关领域精通的专业性人才来提供技术创新方案。专业人才具备高精尖科技知识，能够从更加专业的角度提出建议，而大数据下的技术创新能够突破对专业人员和研究领域的限制。数字技术提供了一个开放式的创新环境，每个人都能够在开放平台上对要解决的问题进行新思想的交流与技术创新的实现。纳特•特纳和扎克•温伯格是沃顿商学院学习经济学和创业学的学生，二人虽然没有学过医学知识，但他们创办的公司flatironhealth正在试图用大数据分析技术找到治疗癌症的方法。这种群体力量参与和数字技术爆发出来的无限的智慧正是大数据下技术创新的模式。
3．数字技术下的技术创新管理具有突破性突破性技术创新是基于不同科学原理和技术方法之上的创新，能够使产品具有新的性能和较低成本，且具有毁灭性，能开拓新的市场和潜在的应用，如石英钟的出现给机械表以致命冲击。数字技术下的融和式技术创新是突破性技术创新，单个领域的技术有可能只服务于特定背景下的产品或者服务，而不同领域技术的有效融合则可能衍生出更多的相关性技术创新。在技术进步的过程中，渐进式创新是阶段性的、变革性的，而突破性技术创新是永恒的、革命性的。传统的技术创新需要高成本的投入，大量的人才培养及储备、基础设施的建设、先进设备的研发及引入，通常这些投入需要经历一定的时间才有可能获得创新成果。基于数字技术平台，每个企业、机构甚至个人都成为了创新的主体，创新也不再局限于某一技术领域，而是以多种方式存在。如云端存储服务及数据分析业务就为企业提供了一种成本相对较低的创新思路，从而使得技术创新具有更低成本。
4．数字技术下的技术创新过程具有非线性线性创新和非线性创新是基于创新过程的一种区分。线性创新过程是一个“基础科学－应用科学－设计试制－制造－销售”的单向的、逐次渐进的过程，创新起源于基础研究。非线性创新过程突出了创新的多层次、多环节和多主体参与，在非线性创新过程中创新绝不是从研究到应用的线性链条，从小众到大众的传播过程。数字技术下的技术创新突破了线性技术创新的思维，从创新的方式、主体、阶段等方面进行非线性交互创新，是企业内外各种与技术创新有关因素相互作用的结果，突出了创新的多层次、多环节和多主体参与。在大数据时代，技术创新被认为是各创新主体、创新要素交互复杂作用下的一种复杂涌现现象，是创新生态下技术进步与应用创新共同演进的产物。
5．数字技术下的技术创新结果具有通用性通用性指能够在多行业使用的创新技术，通用技术创新具有普遍性，能够随着时间推移催生大量的创新，数字技术下的技术创新具有这些特点。数字技术下通用性创新主要是由于创新的方法是组合式创新，对于已有发明或者技术创新，经过组合后有可能产生新的创新。这种创新方法表明，每一次的技术创新会成为未来创新的一块积木，在不断的积累过程中，就产生了持续技术进步。数字处理技术使得所有领域都能够获得海量的数据，并无限制地被复制和重复使用。因此，具有潜在价值的数字化积木式技术创新以前所未有的速度成倍增长，并且还在持续地提供未来组合式技术创新的可能性。
三、大数据时代我国新常态经济增长中数字技术引领技术创新的路径转型
当前中国经济步入以中高速增长为标志的“新常态”，新常态不仅意味着经济增速的放缓，更意味着经济增长动力的转换和经济增长方式的转变，在新常态背景下，中国经济的增长需要实现创新驱动战略的支撑。在新常态的创新驱动中，我国面对大数据下技术创新带来的机遇和挑战，面对传统技术创新的路径依赖和数字技术下技术创新的特点，要发挥我国自身资源优势，实现数字技术引领技术创新，推动我国经济增长潜力开发，就要加快推进数字技术引领技术创新路径转变。
1．实施“政府组织+国企研发”的数字技术创新计划技术创新正在成为大数据时代的发展关键词，而且大数据下的技术创新具有开放性，特别是在数字化工厂方面，实现过程中有大量需要进行标准化的内容，欧美国家在这一方面起步早，已制定出系统集成、安全保障、数字化工厂、能耗等技术标准，因此要积极引进和参与国际化标准工作，同时实施举国体制，发挥政府作用，组织开展我国的技术标准化研究，争夺制造业竞争的话语权。另外，在产品市场规模巨大、产品集成复杂的重大技术创新领域，借鉴“高铁”技术创新模式，由政府牵头，发挥国企研发力量，重点突破某一领域的技术难题。在实施“政府组织+国企研发”的数字技术创新计划中，重点要持续推进大数据平台建设，构建信息共享机制。大数据环境下的技术创新是基于数据库基础上的，因此要持续推进数据库、知识库、云计算库、数据分析库的基础平台建设，大数据下人人都是技术创新者，要构建基于服务的、集成智能分析、快速决策分析的大数据处理支持系统接口，建立促进群体成员之间信息沟通、共享和促进群体技术创新的交互平台，建立开放的大数据技术创新体系、协同创新模式和评估机制，以推动新常态下数字技术对技术创新的引领。
2．建立技术创新的市场机制，引导企业自主创新随着我国经济体制改革的深化和对外贸易的开放，市场化进程不断加深，我国逐渐成为全球较大的产品市场，市场化需求确定了技术创新方向，技术创新中的市场杠杆作用越来越显著，因此要完善大数据下技术创新的市场机制，引导企业根据自身优势及市场需求，发现创新机遇并且进行自主创新。在引导企业自主创新的过程中要强化知识产权保护，制定税收减免政策，激励企业技术创新。企业作为技术创新的主体，在研发新技术、发现新知识过程中形成的无形资产如果无法得到法律的保护，企业就缺乏技术创新的动力。知识产权的清晰界定以及产权保护有助于企业开展自主创新，从技术创新中获得高额收益，从而促进更加长远的技术创新。我国目前对于知识产权界定、保护以及知识使用的制度及法律还不完善，因此，政府应该加大对于知识产权的保护力度，制定相关的制度政策及法律法规保护企业的自主创新成果，鼓励技术创新。此外，要通过税收减免政策激励企业加大技术创新的投入强度。
3．加强数字技术人才培养，实施全球人才引进计划大数据时代的到来使新常态下的中国企业面临新的机遇和挑战，企业应用和行业动态呈现出新趋势和特征:社会网络与社会计算、云计算、协同化软件与技术、新型电子市场与新型电子商务将转变企业运作和组织架构。大数据时代企业的关注点将从传统的决策支持系统、智能系统、数据库建模与设计、信息系统规划、开发方法等方面逐渐转移到以新概念、新技术实行的决策分析、信息安全和风险管理等领域上。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理，大数据环境下技术创新的实施，需要一大批对于大数据的搜集、处理、分析、决策支持等方面的高层次人才。因此在大数据背景下中国新常态的经济中，要加强数字技术人才培养，实施全球人才引进计划:一方面通过加强我国高校计算机、电子专业建设，调整培养方案，优化教学环境，创新创业项目实施，以培养掌握数字技术基础型人才，加强人才队伍建设，搭建人才创业平台，营造人才创业环境，引导大数据人才创造;另一方面我国需要制定全球数字技术人才引进计划，特别是了解核心技术的专业人才和数据分析师的引进，并为人才的流入做好政策支撑。
4．加大企业数字技术的研发投入力度，优化政府投资结构科研资金投入是保障技术创新的必要条件之一，投资的主体主要是政府和企业，我国政府的研发支出仅次于美国，但是作为技术创新主体的企业投入相对低。根据管理咨询公司思略特的《全球创新1000强》报告，2014年全球企业研发投入达到6470亿美元，这一数字占全球创新总投资的40%，美资企业的研发投入规模位居全球及时，达到2569亿美元，其次是欧资企业达到1938亿美元，然后是位居第三的日资企业达到1167亿美元，中国企业仅有300亿美元。排名前十的企业分别是大众汽车公司、三星公司、英特尔、微软、谷歌、默克公司、丰田公司，还有三家医药企业，其中研发投入分别达到135亿美元和134亿美元，而我国较大投资的公司排在第62位。从投资去向看这些资金主要投资于医疗保健和计算机这两个行业，占据了全球研发总支出的一半，其次为汽车和软件。从企业投入资金数量上看出我国企业投入力度极低，同时与美国投资主要集中于医疗保健、数据信息为代表的新兴技术产业相比，我国投资结构呈现分散局面，因此在新常态的经济增长中要制定针对我国企业的相关政策和考核办法，以加大企业研发投入力度，并汇聚政府的投资于数字技术为核心的战略新兴产业的研发。
作者：茹少峰 李祥丽 杜建丽
数据时代论文:大数据时代大学教育论文
一、大数据时代的大学教育
1、对大学教育的影响
大学教育是第二次产业革命时为了适应工业所需的大量的技术人员的产物。当今，学生知识的来源不再局限于课堂，不再拘泥于某一个专业，他们可通过互联网、微信、微博等信息平台来获取文本的、图像的甚至是视频的各种知识。学生的知识面将比以往的任何朝代更加宽范，对校园以外世界的了解将更加深入。比如现在的在线教育平台edX和Mooc，上面有世界著名学府的各种课程，包括我国清华和北大的课程。学生只要通过互联网，就可以接受到名校的教育，在学习过程中，通过鼠标点击的记录，可以研究学习者的活动轨迹，发现不同的人对不同的知识点有何不同的反应，用了多少时间，哪些知识点需要重复或强调，哪种陈述方式或学习工具最有效。通过分析这种秩序和规律，在线学习平台也在逐渐弥补没有老师面对面交流指导的不足。同时现在的教育平台还能通过虚拟现实进行实践辅导。以麻省理工开放的电子电路课程为例，注册这一门课的人比整个麻省理工所有在世校友总数还多。由此可见，许多学生已经把注意力放到了课堂之外。
2、如何积极应对
对于学校：在学生从课堂走到互联网时，未来的学校存在的意义在哪儿，是学校更应该关注与关心的。学生可以在宿舍甚至在家就完成了各种课程的学习和同学之间的交流，那么对学生的考核和效果的评定也不再局限于某一个固定场所来进行。学校更应该重视图书馆电子资源的建设和开放，更应该重视实践实验室的建设，提供更多方便学生来进行实习和实践训练的场所和项目。对于教师：在大数据时代，教师的教与授又该体现在哪儿呢？我们更应该深刻思考，改变传统的课堂教学的思维模式。我们可以将教的过程放在网络平台上，放在课前来进行，课堂中以学生做作业、教师指导和答疑为目的。这只是改变了传统的教学模式，对于教师自身我们又该如何作呢？在面对丰繁复杂庞大的数据时，我们应积极跟进发展自我，重新进行定位。一类应加强自己的实践操作能力，专业从事实践辅导和教学；另外一类专业从事研究；另外一类抓住大数据所给予的机遇，发展自己，跟上时代步伐，成为专业化极强的教师，对专业进行解惑和学习方向的指导。对于学生：知识和信息量极大丰富，我们如何从中甄别出有利于自己的知识，对自己进行特色化的教育，需要自己的判断力和教师、家长的指导。我们要关于利用已有的学习平台和学习媒介，不断提高自己的自学能力，发展自己的创造性和创新性的能力。
二、小结
大数据和大数据时代，数据量的指数级的增长，给我们带来了无限的机遇，同时信息的和真实性也是需要我们不断地发掘方法和技术进行改进的。高等学校的教师和学生如何应对这个新的时代，跟上时代的步伐是我们每一个都应该深思的问题。
作者：胡艳慧 王文晶 单位：山西大学商务学院
数据时代论文:大数据时代下网络安全论文
1大数据时代下网络安全的现状
随着时代经济的飞速发展，当前互联网以及物联网、云技术等更新进程不断加快，数据的增长速度也在加快，大数据时代下网络的安全问题逐渐成为人们关注的焦点。同时伴随着互联网技术以及计算机技术的蓬勃发展，网络在人们的日常生活中扮演着越来越重要的角色，同时在2011年全球著名咨询公司及时次将大数据的概念提出，并分析总结出所谓的大数据并不是对数据量大小的一种描述，在某种程度上主要是面对种类和数量较多数据之间的一种整合、交换和分析，并在海量的信息中对新的知识价值进行发现和创造，进而带来极大的财富。在社会经济逐渐增长的同时，大数据时代下网络安全问题逐渐受到人们的关注，在当前众多行业中，关于大数据处理面临的问题越来越多，虽然面对大数据网络安全问题作了不同程度上的努力，但是依然有越来越多的国家以及网站受到黑客的供给，进而使得网站处于一种瘫痪的现象，用户账号以及密码的盗窃，难以从根本上保障大数据时代下网络的安全进行，以至于当前的大数据时代下网络安全问题不容乐观。因此，在当前的大数据时代下，网络安全问题较多，严重影响着当前经济社会的高速发展，同时也难以保障人们隐私的保护，不利于当前和谐社会的构建。
2大数据时代下网络安全的基本内涵
大数据时代下网络问题逐渐受到重视，但是在对网络安全确保的同时，就要正确的认识网络的安全。就其实质性而言，大数据时代下网络安全就要做好物理安全的综合分析，和信息内容安全的分析。保障网络安全的物理安全，就要在当前的网络工程中，对网络的设计和网络的规划进行充分的考虑，并做好对各种电源故障以及电脑硬件配置的考虑。综合分析信息内容安全时，主要是保障信息的保护，并避免信息泄露和破坏的产生，并禁止非法用户在没有一定的授权，进而对目标系统中的数据进行窃取和破译，进而为用户带来一定的隐患。而信息破坏的过程中，就要做好系统故障的维护，对非法行为进行抑制。对于信息传播安全和管理安全分析时，就要在当前的网络环境中，做好数据信息的有效传输，并避免网络的攻击以及病毒的入侵，并做好对整个网络系统的维护工作。而管理安全性分析时，就要对软件的可操作性进行综合性的分析，做好实时监控和相关的应对措施准备，并做好对数据的综合保护。总而言之，大数据时代下网络安全更要做好网络硬件的维护和常规管理，同时也要做好信息传播安全以及管理安全的综合性分析，进而对大数据时代下网络安全加以保障。
3关于大数据时代下网络安全问题控制的几点思考
大数据时代下网络安全问题控制过程中，就要综合分析网络系统本身上的漏洞，并做好系统漏洞和威胁的分析评估，并结合当前的新技术手段，进而做好网络的安全的极大保障。
3.1做好对访问的控制
对于大数据时代下网络安全问题控制，就要对安全的防御技术加以采取，并做好黑客攻击以及病毒传播等的控制，将对访问的控制有效加强，对网络资源的合法访问和使用加以确保，并合理的认证以及控制用户对网络资源权限的访问，避免非法目的用户的不法访问。将身份认证和相关口令加以添加，做好对规范用户的基础控制，有效维护系统，并对网络资源进行高效性的保护。
3.2做好对数据的加密控制
做好对数据加密控制，就要采取加密算法以及密钥的方法，对明文数据进行转化，将其转化成为一种密文，并保障加密后的信息，在实际的传播过程中，有着一定的保护作用，一旦信息窃取，对于信息的内容无法查看。同时在对数据存储安全性以及稳定性进行确保时，就要依据于数据的相关特点和基本类型，对机密信息的安全性加以确保，实现网络信息数据的安全传输。
3.3做好对网络的隔离控制
将网络的隔离控制加强，主要是当前防火墙技术常见的一种网络隔离技术，通过对防火墙部署在数据存储系统上加以采用，尽可能的将网络分为外部和内部，并对数据通道进行授权处理，对网络访问权进行一定的隔离和限制，并对网络的安全进行合理的控制。
3.4做好对入侵的检测控制
一般而言，入侵检测，主要是借助于主机系统和互联网，综合性的分析预设的关键信息，并对非法入侵进行检测，在入侵检测控制中，就要借助于监测网络将内外攻击以及相关的操作进行及时的监测，并采取主动性和实时性的特点，对信息的安全结构进行保障，进而做好入侵的检测控制，对网络信息安全进行较大上的保障。
3.5及时的防治病毒
当前大数据环境中，保障网络安全，就要做好病毒的有效防治，在计算机上对杀毒软件安装，并定期的对文件进行扫描和杀毒，对于不能识别的网络病毒，就要对漏洞补丁进行及时的更新和修补。同时也要对良好的网络安全意识习惯培养，不点击不明的链接以及相关的网站，对正规正版的软件下载，并综合提升病毒防治的成效，做好计算机的日常安全维护基础工作。
3.6做好安全审计工作
做好网络安全审计工作，就要综合提升网络信息安全性能和网络信息的稳定性，在实际的工作过程中，借助于网络对原始数据包进行合理的监控和分析，并借助于审计的手段，还原原始信息，的记录访问网络的关键性信息，对网络方位、上网时间控制以及邮件的访问等行为进行极好的记录，尽可能的保障业务正常有序的进行[5]。
3.7提高安全防范意识
提高安全防范意识，同样也是大数据时代下网络安全控制的有效方法之一，将网络安全增强，并提升网络安全性能，对相关的管理制度进行建立，将软件的操作和管理加强，对用户的安全保护意识进行加强，并对稳定的网路环境进行创造。
4总结
虽然近些年数据加密技术、防火墙技术及PKI技术等逐渐在计算机互联网安全防护中得到广泛应用，但计算机网络安全问题依旧对人们形成很大困扰。计算机网络安全并非静止孤立的一个概念，是动态的、多因素、多层面综合的过程，该动态工程具有极为复杂的特性，必须有效部署内部网络各个环节，对网络内部威胁进行集中收集，分析计算机网络风险，对计算机安全管理策略进行适当灵活调整，并兼顾计算机网络使用环境，确保网络工作人员与管理人员综合素质得以提升，有效结合安全技术与网络工作者，由此才能构建安全、搞笑的互联网系统，最终营造一个有序、安全的计算机互联网工作环境。
作者：袁永波 胡元蓉 单位：重庆市荣昌县职业教育中心
数据时代论文:大数据时代商业银行信用风险论文
一、大数据时代商业银行信用风险管理SWOT分析
（一）定性分析
1.优势分析。商业银行在多年发展中，拥有广大的客户群体，积累了客户基本资料、客户交易、客户存贷款等大量数据。在大数据时代，商业银行凭借其雄厚的资本，可以建立大数据服务器等设备，将这些传统数据与其他来源数据进行整合，数据分析人员通过云计算等技术手段挖掘出有价值的信息，从各个角度分析客户需求以及识别信贷风险，从而有助于商业银行更加科学地评价经营业绩、评估业务风险、配置全行资源，引导银行业务科学健康发展。
2.劣势分析。在现有的银行交易系统中，客户的身份证、交易流水等大量信息已被银行掌握，但缺少如客户的家庭情况、收入状况、消费习惯、兴趣爱好等其他方面的信息。另外，目前小微企业客户信息以及商业银行的产业链客户信息也比较缺乏，直接影响着银行对这些客户提供金融服务的水平。再者，大数据时代下，需要金融专业人才和数据分析人才相互配合，才能充分挖掘数据价值，但数据分析人员较为匮乏也将成为商业银行的软肋。
3.机会分析。刚刚进入大数据时代，商业银行应率先构架大数据战略体系，制定大数据发展战略，突破同质性，实施差异化业务发展战略，从而赢得先机。如果大数据获得成功应用，将为银行创造先发竞争优势，使银行决策从“经验依赖”向“数据依据”转化，打造不可复制的核心竞争力。“数据—信息—商业智能”将逐步成为银行定量化、精细化管理的发展路线，数据分析也将成为其风险防控的法宝。
4.威胁分析。大数据在给商业银行带来前所未有的机遇的同时，也给其带来了诸多威胁，例如大数据存在的风险、网络安全、数据失真等。在大数据开发利用过程中，云计算技术将会得到广泛应用。但是云计算将数据存入云端，而云端往往是由第三方服务器实现存取的，如果第三方将数据泄露，将会给银行带来极大的风险。另外，互联网金融正在颠覆着传统的金融模式，网商具有活跃的交易记录和巨大的金融需求，但商业银行很难开发到这些客户，将给银行带来挑战。
（二）定量分析
除了对大数据时代商业银行信用风险管理面临的内外部环境进行定性分析外，还可以进行定量分析。具体思路为：
①确定包括优势与劣势、机会和威胁等多于10个的内外部环境因素；
②利用主观赋权法、客观赋权法、层次分析法（AHP法）等任一方法确定各因素的权重；
③给各个因素打分，分值范围为1到5分，评分越高说明因素越重要；
④将各个因素的权重与得分相乘，从而最终计算出各个因素的加权分数；
⑤各个因素加权分数计算代数和得出公司的总加权分数，然后根据分数进行判断。某商业银行内外环境分析如附表所示。由附表可以看出，该银行外部机会大于外部威胁，内部优势大于内部劣势，应抓住大数据带来的机遇，充分利用信息技术，更加科学地评估业务风险、配置全行资源，引导银行业务科学健康发展。
二、基于大数据的商业银行征信系统构建
目前，我们已经进入了大数据时代，由于大数据包含的信息量大而且非常复杂，传统的系统已不能满足银行新的分析需求，有必要建立一个统一的数据环境，构建大数据的商业银行征信系统，采取新分析算法，搭建大数据跨业务的统一应用平台，从而满足银行精细化管理、差异化服务、提升风险分析能力的需求。
（一）大数据时代商业银行征信系统概述
在金融交易安全日益突出的今天，如何迅速、有效地发现各类欺诈行为，对保障商业银行的正常运作和国家人民财产安全都显得十分重要。商业银行征信系统要针对信贷风险防控工作的实际特点，通过客户交易信息以及客户其他信息收集来加强客户信用风险监测。系统总体见附图。附表某商业银行内外环境分析内部环境评分权重加权分外部环境评分权重加权分⑴整体竞争优势明显；30.100.30⑴云计算的快速发展；50.150.75⑵良好的客户群体；50.150.75⑵数据来源多样化；50.251.25⑶资本雄厚，有能力建立大数据库；40.050.20⑶科技发展为数据应用提供支持；40.200.80⑷拥有专业客户人才；30.200.60⑷精准评估业务风险；40.251.00⑸良好的内控环境；50.251.20⑸先入为主的机会；40.150.60优势⑹丰富的风险防控经验；50.251.25机会⑹精细化管理的趋势。40.100.40小计1.004.30小计1.004.80⑴缺乏个人客户基本信息；-30.25-0.75⑴网商的竞争；-50.3-1.50⑵缺乏小微企业基本信息；-30.20-0.60⑵大数据安全风险；-50.25-1.25⑶缺少产业链客户的信息；-40.20-0.80⑶网络安临挑战；-30.2-0.60⑷缺乏专业的数据分析人才；-30.10-0.30⑷外部风险事件的影响；-30.15-0.45⑸缺乏非结构化数据收集能力；-50.15-0.75⑸外部风险来源多样化。-30.1-0.30劣势⑹商业运营模式面临变革。-30.10-0.30威胁小计1.00-3.50小计1.00-4.10优势劣势合计0.80机会威胁合计0.70系统将从海量数据中提取出有关联的数据信息，以发现潜在或已知的风险，系统将数据仓库、模型库、知识推理、人机交互四者有机地结合起来，充分发挥数据挖掘的作用，通过建立风险评估模型较好地处理数据资源中存在的模糊性和随机性，在成熟的模式识别技术和智能分析技术的辅助下，对银行业务的多方位、多角度的性分析和风险评估，有助于商业银行实施风险管理体系，从而进一步提高融资、贷款、授信等方面的风险评估、监控水平。
（二）大数据时代商业银行征信系统工作原理
1.数据原料。数据原料是商业银行风险防控中的关键一环，它直接影响到数据挖掘的效率、精准度以及所得模式的有效性。目前，商业银行针对客户资料和消费记录都建立了功能庞大的消费市场数据库系统，在以大数据引领、以智能化为核心的产业变革时代，银行要真正将数据作为风险控制的源点，有效整合来自银行网点、PC、移动终端设备、社交网络、征信机构等传来的结构化和非结构化的海量数据，既要获取常规渠道的数据，又要收集社会化媒体数据，真正将数据作为战略性资产，实现从管控风险向经营风险方向的转型。
2.数据工厂。数据工厂是利用数据挖掘理论与技术将数据中潜在的、有用的模式搜索出来，是整个征信系统最为关键的一步，也是技术难点。在数据工厂中，系统通过数据抽取工具、数据集成工具、数据过滤工具、数据挖掘工具以及模式评估工具等，从海量数据原料中提取辅助决策的关键性数据，并经过归纳总结、推理、分析数据，利用数据挖掘中分类、聚类、偏差检测、概念分析、异类分析、关联分析、时序演变分析和元数据挖掘等功能，完成对银行信用风险控制、银行市场风险评估和银行操作风险评估，从而帮助决策者对信息预测和决策起作用。
3.数据产品。数据工厂最终的结果是数据产品，把所有最终经挖掘发现的知识直观地通过可视化技术展示给商业银行，以帮助其理解和解释数据挖掘的结果，控制信贷风险。这些数据结果既包括传统的诸如违约率、违约损失率、违约暴露和违约期限等客户信用信息，也包括客户的其它方面的信用记录、客户的信用评级以及对市场风险的评估。当然，整个数据挖掘过程是一个不断反馈、循环往复的过程，信用评级结果也是动态变化的。
4.数据应用。经过数据挖掘得出的风险评估结果为商业银行评估信贷业务的风险和收益情况提供了量化工具，改变了单纯被动信用风险管理模式。在此背景下，商业银行应规范贷款审批标准和审批程序，优化金融信用监控机制，完善组织架构和规章制度，实施风险动态防控，使信贷风险管理体系健康运行。
三、大数据时代商业银行信用风险管理应注意的问题
在“大数据”时代，商业银行面临着信用风险防控的新形势，要积极做好如下应对工作。
（一）风险意识要思维开放
商业银行在进行风险预测时，需要考量政策、人为的操作风险、市场环境等等众多因素，但现有的技术水平难以支撑挖掘大数据的商业价值。因此，商业银行需要具备一种像互联网一样的开放式思维，建立分析数据的习惯，重视“大数据”开发利用，关注与风险预测高度相关的大数据信息，如客户的基础信息（如客户开立账户时留存的住址、年龄、从事行业、性别等等）、客户交易信息（如客户在ATM机上的存取款情况、使用银行卡、购买理财、使用其他业务的记录等等）、外部的信息（从互联网、电信运营商、证券交易所等处挖掘来的有关信息）等，用数据说话，从而提高不确定风险的预测水平。
（二）数据整合要注重质量
大数据很多时候是从一种非传统的角度去分析、挖掘、利用数据价值的思路。由于数据来源庞杂广泛，需要不断利用技术创新去挖掘利用大数据的价值，再加上数据之间的关联性很强，商业银行应建立自己的数据地图，整合银行内部数据和大数据链上的其它外部数据，坚持做到数据要依照标准化采集，确保数据来源真实，杜绝以假乱真；同时构建专门的数据分析方法和使用体系，对数据进行规范化处理，并严格按照国家法律法规进行使用，从而确保数据质量，提高数据应用性。
（三）系统建设要高屋建瓴
大数据具有一般数据所不具备的特殊性，传统的处理工具和解决方案难以满足针对大数据的处理和分析需要，因此需要采用新的处理模式，才能发挥大数据的效能。商业银行需要投入大量资源加快完善高度集中、完备、综合、专业的数据仓库系统，建设完善数据仓库项目，从而适应“大数据”技术的需要。在系统建设中要高屋建瓴，要把对于非结构化数据分析的技术与现有的、基于结构化数据的分析工具相结合，预装一些成熟的数据挖掘算法和文字文本的算法，完善数据挖掘工具的扩展性，便于数据分析人员能够快速地进行大数据分析。同时，对资源的投入一定要有相当的前瞻性，并兼顾当前实际，尽可能地实现资源利用较大化。
作者：谷增军
数据时代论文:大数据时代计算机信息论文
1计算机信息处理技术存在不足之处
大数据时代的到来，计算机信息处理技术也存在着很大风险，其中最突出的问题是计算机病毒以及恶意盗版软件等，给用户使用计算机产生了极大的消极影响。这些还是一些比较基础的问题，随着计算机技术的发展，还出现篡改数据、冒名顶替等问题，影响计算机技术服务质量，计算机信息处理技术受到了前所未有的考验。另外，大数据时代的到来，还出现了许多新型网络技术，针对一些繁琐的问题能够有效解决，提高了人们的工作效率，然而，这也在一定程度上降低了网络的真实性，特别是在网络交流和沟通日益紧密的前提下，导致网络信息真假难分，不仅增加了信息搜索难度，而且致使人们无法快速获得真实信息。因此，提高计算机信息处理技术至关重要。
2大数据时代计算机信息处理技术
2.1信息采集、加工方面
计算机信息处理技术要进行工作，首先，要采集数据信息，计算机技术都是建立在数据采集基础之上的，数据采集主要是针对目标信息源进行实时的信息监督和控制，并将才觉得数据储存在计算机数据库中，为各个软件提供信息支持，确保下一项工作顺利进行；其次，对数据信息进行加工，按照用户的要求，对数据信息进行加工；，将加工好的数据信系进行分类，最终传送到用户手中，实现数据采集、加工以及传送目标。
2.2存储方面
计算机存储技术是将采集的信息储存到计算机数据库之中，在用户需要某一项信息过程中，可以通过数据库直接将数据调取出来，计算机以其储存量大、速度快等优势，受到人们越来越多的关注，另外，计算机技术还能够实现长时间储存。
2.3信息安全方面
大数据时代的到来，让人们感受技术带来的便捷的同时，也让人们意识到数据信息安全对人们的重要性。因此，为了能够提高数据信息的安全、性，可以通过以下几个方面进行：首先，建立计算机信息安全体系，加大专业技术人才的培养力度，投入资金，为构建计算机安全体系奠定坚实的基础；其次，加大研究力度，开发信息安全技术产品。传统信息安全技已经无法满足大数据时代数据安全需求，为了能够尽快改善数据安全问题，应加大研究力度，寻求更好的解决方案，有效避免数据信息受到威胁；，重视对重要数据的检测，大数据时代的突出特点是数据量大，无法实现对每一个数据的检测。因此，为了提高数据安全系数，应加强对重点数据信息的检测，从而确保数据信息安全。
2.4信息处理技术的发展
计算机硬件具有一定局限性，在一定程度上阻碍了计算机网络的发展，而云计算网络能够突破这一弊端。因此，推广和应用云计算机网络成为未来大数据时代计算机信息处理的主要发展趋势。传统计算机网络是将硬件与网络有机结合，抑制了计算机信息处理技术的发展，将二者分离开，促使云计算主筋形成云计算网络，从而构建大数据信息网络系统，推动我国社会不断发展。
3结论
根据上文所述，大数据时代的到来，计算机信息处理技术不断渗透到社会各个领域，对人们的生活产生了巨大影响。因此，作为一种重要技术，应加大对其关注力度，深入研究，逐步完善计算机信息处理技术，为人们提供更加安全、地技术，促进社会健康发展。
作者：何骞 曾川 张金榜 单位：武警警官学院
数据时代论文:大数据时代高校计算机教学论文
一、大数据给计算机教学带来的变化
大数据必将给教育带来巨大的改变，曾经依靠经验和灵感的授课过程，将被以数据分析为主的决策分析所代替。而计算机教学既是大数据技术的传播载体，更是最应率先应用大数据技术的课程。无论如何，大数据已经就在我们眼前，已经悄然改变着教学过程，也必将深度改变学校的计算机教育模式。
（一）计算机教学内容的变化
随着大数据技术的发展和大数据分析的成熟，大数据技术及应用必然会成为各高校重要课程。现在，美国的学校已经开设相关课程，比如，大数据分析统计基础、大数据分布式计算、大数据挖掘与机器学习等。国内一些高校也正在尝试开设大数据课程，帮助学生了解大数据，学数据分析。下一步，大数据基础、大数据分析、大数据处理的核心技术等等，必将成为计算机专业的必学内容，也会成为高校重要的基础课程。另外，计算机智能教学系统和教育测评软件将更多地使用在教学中，以记录学生的学习轨迹。而计算机专业的教师也必须熟练掌握大数据技术和分析方法。
（二）计算机教学思维的变化
原来的计算机教学基本是灌输式教学，老师教授的是计算机基础知识、C语言编程的模式、数据库的基本架构，等等。大数据和互联网的发展必然会改变这种授课方式，使知识的接受方式呈现多元化倾向。随着移动互联的发展，学生可以随时随地通过互联网更便捷的获取学习内容。而课堂上单纯的照本宣科、按部就班将不能吸引学生的注意力。因此，教师必须转变教学思维，以更多的案例和互动式教学，引导学生去寻找解决问题的办法，寻找“芝麻开门”的钥匙，只有如此才能让学生有兴趣待在课堂。同时，大数据带来的将是对海量教学案例的数据分析，让教师对计算机教学的难点及教授方法优劣有了更加清晰的认识，不必依靠教学经验去判断教学效果，可以驾轻就熟地进行互动教学，启发学生寻找解决方案，将是大数据时代下计算机教学的突出特点，这是对计算机专业教学思维带来的革命性变化。
（三）计算机教学模式的变化
目前，计算机教学主要模式是备课—教授—上机—测试，教师主要的精力放在了课前备课。而大数据技术的应用，将会让教师把更多的精力放在课后分析上，形成“备课—教授—上机—测试—数据分析—改进”的模式。在这个模式中，课后的数据分析将是整个教学过程的关键环节。通过大数据分析，可以对一个班的学生进行整体学习行为评价，可以对学生上机测试情况进行细化分析，可以对每个学生的学习习惯进行学习评估，分析学生的学习中偏好、难点以及共同点等，从而得出学习过程中的规律，改进教学方式，提高教学质量。
（四）个性化教学的深入开展
大数据技术的发展，使建立覆盖学生学习全过程、全要素的信息库成为可能，学生大量的试卷、课堂表现留存，学生的学习经历及成长轨迹，学生的家庭情况等等，都将被涵盖在大数据分析中。另外，前述的计算机智能教学系统和教育测评软件，将详细记录学生每次答题的背景、过程和结果。这些信息让教学分析变得更加容易，教师可以利用数据挖掘的关联分析和演变分析等功能，依靠学生的某些学习特征，比如答题持续时间，具体回答步骤和内容（可以细化到每次击键和每个笔划），答对的要素和答错的要素等等，在学生管理数据库中挖掘有价值的数据，并分析学生的日常行为，研究各种行为的内在联系，来据此形成针对学生个性化的教学策略，以帮助学生在学习方面取得更大的突破。
二、小结
大数据时代，让我们比以往任何时候都更接近发掘学生的潜力，比以往任何时候更依靠于理性分析。其实，教学活动传授的不应仅是知识，更需要关照学生的灵魂。大数据让教学活动离学生心灵很近，让老师离自由发挥很近。未来，包括计算机教学在内的学校教育将会有更少的课堂与更多的实验室，有更多的互动与更少的灌输，有更个性化的服务和更灵活的学制。学校将不仅是课堂，更是舞台。
作者：隆岩 单位：济南职业学院
数据时代论文:大数据时代图书馆与数据素养教育论文
1大数据时代背景下，图书馆职能的转变
图书馆的主要职能就是为人们提供服务，图书馆也是通过为人们提供服务来体现其存在的价值，图书馆能够对人类的知识进行有效的储备、加工、分析和汇总，再通过利用的方式实现知识的传播，图书馆的这种教育职能为全民素质的提升奠定了良好的基础。由于图书馆所具有的教育职能，使得其被人们称为第二课堂，然而在时代的发展进程中，人们对于文明需求的提升，对图书馆造成了极其严重的冲击，面对这种冲击，图书馆只有不断的转变自身的服务方式与服务内容，才能够更好的发挥出教育职能，将人类的知识广泛的传播。服务方式以及服务内容的转变，使得图书馆能够全天候的为人们提供服务，同时先进的信息技术的应用，也使得图书馆的服务领域更加的宽广，这有效的满足了人们的文化需求，使得图书馆的服务质量得以提升。图书馆的服务质量在提升的同时，图书馆的职能也发生了一定的改变，其所承担的社会责任也在加重。而随着大数据时代的到来，图书馆职能的转变表现将更加的突出。就大数据时代背景下图书馆的职能来说，其转变的表现主要为：①图书馆将成为社会数据中心；②图书馆将成为社会继续教育、素养培养中心机构。
2大数据时代的图书馆数据素养教育内容
现阶段，虽然有部分的图书馆将数据素质教育融入到图书馆的服务内容当中，但是由于经验的不足，使得数据素质教育的融合并不完善，而就大数据时代的图书馆数据素养教育的内容来看，其主要包括以下几个方面：
2.1数据素养的意识教育
虽然在大数据时代背景下，人们对于数据素养的认识可能会加深，但是这种认识也只是流于表面，并不深入。要想使得人们可以的接受数据素养，则就还需要一定的时间。因此，在大数据时代对民众进行数据素养的教育需要先从意识教育方面入手，提升民众对数据素养教育的认识程度，使得民众可以在意识程度上了解到大数据的内涵、作用以及产生过程，从而可以为数据素养的融合奠定良好的基础。
2.2数据素养的技能教育
要想提升大数据的应用能力，就需要对民众的应用水平进行有效的提升，而应用水平的提升，则需要对民众展开数据素养技能教育，在数据管理、分析上进行培养，从而保障数据素养教育的有效开展。针对数据素养中所包含的内容，在对民众进行教育、培养的过程中，需要花费部分的时间进行相关理论的学习，同时也需要花费部分的时间来进行相关技能的培训。
2.3数据素养的应用教育
在大数据时代，要想能够灵活的应用大数据，就需要对人们的数据素养进行培养和提升，只有人们的数据素养得到了有效的提升，图书馆数据素养才能够真正的得到提升。为了能够有效的保障图书馆数据素养培养工作的顺利开展，就需要依据对数据意识、数据分析以及数据管理等各个方面技能培养的基础上，充分的发挥出图书馆工作人员的管理职能，图书馆工作人员要能够清楚的了解到用户的真正需求，从而可以为用户建立其所真正需要的数据，利用这些数据为用户提供更好的服务，这样可以有效的提升用户对数据素养的认识使得用户可以积极的参与到数据素养培养中。
3大数据时代图书馆数据素养教育的措施与方法
在大数据时代背景下，图书馆数据素养教育会受到来自用户群体、服务环境以及社会发展进程等各个方面因素的影响，而使得图书馆数据素养教育的开展受到阻碍。因此，在开展图书馆数据素养教育之前，需要制定相关的教育计划，对可能影响到数据素养教育开展的因素进行有效的防治，这样就可以保障教育计划制定的科学性和系统性。而大数据时代图书馆数据素养教育的措施与方法主要有以下几种：
3.1区分用户群体，制定贴近用户需求的培训计划
众所周知，不同系统、机构、地域的图书馆面对的用户群体在知识需求、信息素养等方面表现出显著的差异性，因而在实施数据素养教育时需从数据素养水平、关心领域等方面区分不同的用户，最终达到教育既能从不同的用户实际素养水平出发，也考虑到了他们个性的内在需要，解决了他们关心的问题，让他们接受图书馆，走近图书馆，喜欢图书馆，进而在更大可能的程度上去接受图书馆的数据素养教育。
3.2将数据素养教育嵌入到服务与相关课程之中
实施数据素养教育需要一定的方法、过程，也需要一定的载体，而服务无疑是图书馆实施数据素养教育的实施载体，如可将数据素养教育嵌入到图书馆的知识咨询工作之中，图书馆在向用户提供资源数据的检索、管理、分析服务时，教会用户这些基本的数据操作技能。对于高校图书馆来说，课堂也是可以应用的实施载体。如：图书馆在开展《信息检索课》等课程时，可潜移默化的灌输数据意识，让听众知道大数据可能发挥的价值与应用进展；在学科服务时注重大数据应用的技能展示、效果分析，让项目成员在学习、科研工作中提高数据素养技能。
3.3开展数据素养教育活动
兴趣是好的导师，也是开展数据教育好的兴奋剂。图书馆大量的服务活动也让我们看到了其不仅吸引了用户的兴趣，也在活动中增强了服务的效果，因此在数据教育中可安排一定的活动，如技能竞赛、应用案例展示等。这是因为图书馆具有开展活动的物理、虚拟环境，并在信息社会开展了大量的阅读推广、信息素养等活动，因而对于开展数据素养教育活动将有着先天的优势与成功的经验，如果图书馆结合开展的服务活动进行数据素养教育，就一定能取得较好的效果。
4结语
总之，在大数据时代下，图书馆必须要不但的提升自身的信息化水平，加强图书馆的数据素养教育。图书馆对用户进行数据素养教育的最终目的是为了提升用户获取、分析、管理、使用、交流复杂、海量、异构数据的能力，以提升在工作、生活中的数据应用水平。
作者：赵鑫 单位：陕西国际商贸学院
