大數據時代的主要特征大全11篇

緒論：寫作既是個人情感的抒發，也是對學術真理的探索，歡迎閱讀由發表云整理的11篇大數據時代的主要特征范文，希望它們能為您的寫作提供參考和啟發。

篇（1）

在信息技術中，大數據技術作為重要的變革內容，在社會各領域中都得到了廣泛的應用。在信息化社會，全球一體化發展的速度越來越快，英語教學成為高校教育的主要內容。所以在大數據的時代背景之下，高校的英語教學必須要通過有效的教育變革和教學改進，提升教學效率，促進學生的全面發展。

一、大數據時代的特征

在目前的信息技術領域中，大數據是重要的組成部分。由于互聯網技術得到了快速的發展，其已經覆蓋了人們工作生活的方方面面。學生在其學習過程中，也會已經離不開網絡。在此背景之下，產生了大數據這一新興的理念，而大數據也就是巨量資料，而大數據時代的主要特征就是海量信息的快速傳播，各個信息平臺上有數量巨大的、內容豐富的數據，但僅僅是巨大的數據量還不能稱之為大數據時代，其本身具有的意義才更加的重要。當人們將數據平臺上將信息進行挖掘應用，才能夠將其真正的作用發揮出來。

二、高校英語教學中大數據的應用現狀

隨著大數據在各領域中的應用，社會的大數據利用率也比較高。而高校是學生學習生活的主要場所，因此也擁有大量的信息。而在大數據畢竟之下，高校的英語教學只有利用大數據技術，才能提升教學效率、質量和水平。但在目前的高校中，雖然大數據時代的到來，給予了高校教育新的生機，但也存在較多的問題和阻礙，也還將迎更多的挑戰。通過對高校英語教學調查發現，其主要存在以下幾個問題，首先表現為信息化程度不足，沒有能夠對現代技術進行良好的應用。雖然這些問題隨著大數據在教學中的應用得到了一定程度的改善，但是總體來說，高校英語教學過程中，還沒有能夠正確的認識到大數據的重要性，必須及時的進行教育改革和教學改進，才能使其更加適應大數據時代的發展變化。

三、大數據時代的高校英語教育變革與教學改進

1.轉變傳統的教學理念。想要對高校英語教學進行變革和改進，首先就需要將傳統的教學理念進行改變。將學生作為教育的中心，承認學生的主體地位。而英語教師應該作為學習的引導者出現，利用自己的專業知識和教學技巧，為學生建構起知識，激發學生的學習興趣，使其具有學習的主動性和積極性。并且要在英語教學過程中，對學生的實際情況和真實需求進行了解，從而調整教學措施。同時，還需要在教學過程中利用現代化、信息化的教學技術，利用大數據技術平臺，使學生更加適應現代社會的快速發展，并且能夠更好的接受碎片化的知識。教師則可以通過合理的堂活動的設計，進行分組學習，使學生能夠利用課外的時間，使用互聯網資源開展課外課堂的活動，使學生能夠更加積極主動的參與到課堂中。

2.通過大數據營造良好的教學環境。在信息時代，越來越多的信息技術，例如大數據、云計算以及移動互聯網都成為了英語教學的教學方法，學生就能夠通過這些技術長期的處于英語信息環境中，學生學習便利的同時，教師的教學也更加的便利。而且對于教育決策者來說，也有大量數據支持，使其更好的進行決策。這就需要將互聯網大數據和具體的教學環境進行有效的結合，對具有時效性的教學進行計劃，提升高校英語教學效果。對于我國的學生來說，英語屬于第二語言，因此可以利用實踐教學法，加強學生的實踐能力，提升其口語水平，在此過程之中，也能夠利用大數據技術通過網絡技術進行真實的實踐互動體驗。

3.對高校英語教學內容進行改進。學習其他的語言，是為了能夠更好的進溝通，在全球化的背景之下學習一門外語，也是社會對于學生的要求。所以，在進行英語教學時，必須要能夠與學生的生活有密切的關系。這就需要在教學過程中，對傳統的教學內容進行轉變，避免過于的強調英語知識、書面語言的W習。傳統的情況是中國學生對語法知識十分的熟悉和了解，考試成績也往往是卷子的得分居高不下，但是沒有良好的聽說能力差，進行英語對話或溝通時，就出現了啞巴英語現象，知識雖然良好的掌握，但沒有與之適應的語言應用能力。因此，在英語教學中，比需要進行有關生活的真實語言資料的教學內容，讓英語在學生的生活中時刻出現，提升學生的學習興趣。

四、總結

綜上所述，目前社會的主要特征就是信息化、大數據。因此，在高校英語教學中通過大數據技術就能夠有效的提升英語教學的精準性，不僅能夠更好的開展英語教學工作，還能夠提升學生的綜合素質，使其更加符合社會對于人才的需求。想要高校英語教學水平，還需要了解大數據時代的本質特征和發展方向，加快英語教育改革和教學改進。

參考文獻：

篇（2）

第二，精準營銷信息推送支撐。過去多少年了，精準營銷總在被許多公司提及，但是真正做到的少之又少，反而是垃圾信息泛濫。究其原因，主要就是過去名義上的精準營銷并不怎么精準，因為其缺少用戶特征數據支撐及詳細準確的分析。相對而言，現在的RTB廣告等應用則向我們展示了比以前更好的精準性，而其背后靠的即是大數據支撐。

第三，引導產品及營銷活動投用戶所好。如果能在產品生產之前了解潛在用戶的主要特征，以及他們對產品的期待，那么你的產品生產即可投其所好。例如，Netflix在近投拍《紙牌屋》之前，即通過大數據分析知道了潛在觀眾最喜歡的導演與演員，結果果然捕獲了觀眾的心。又比如，《小時代》在預告片投放后，即從微博上通過大數據分析得知其電影的主要觀眾群為90后女性，因此后續的營銷活動則主要針對這些人群展開。

第四，競爭對手監測與品牌傳播。競爭對手在干什么是許多企業想了解的，即使對方不會告訴你，但你卻可以通過大數據監測分析得知。品牌傳播的有效性亦可通過大數據分析找準方向。例如，可以進行傳播趨勢分析、內容特征分析、互動用戶分析、正負情緒分類、口碑品類分析、產品屬性分布等，可以通過監測掌握競爭對手傳播態勢，并可以參考行業標桿用戶策劃，根據用戶聲音策劃內容，甚至可以評估微博矩陣運營效果。

第五，品牌危機監測及管理支持。新媒體時代，品牌危機使許多企業談虎色變，然而大數據可以讓企業提前有所洞悉。在危機爆發過程中，最需要的是跟蹤危機傳播趨勢，識別重要參與人員，方便快速應對。大數據可以采集負面定義內容，及時啟動危機跟蹤和報警，按照人群社會屬性分析，聚類事件過程中的觀點，識別關鍵人物及傳播路徑，進而可以保護企業、產品的聲譽，抓住源頭和關鍵節點，快速有效地處理危機。

第六，企業重點客戶篩選。許多企業家糾結的事是：在企業的用戶、好友與粉絲中，哪些是最有價值的用戶?有了大數據，或許這一切都可以更加有事實支撐。從用戶訪問的各種網站可判斷其最近關心的東西是否與你的企業相關;從用戶在社會化媒體上所的各類內容及與他人互動的內容中，可以找出千絲萬縷的信息，利用某種規則關聯及綜合起來，就可以幫助企業篩選重點的目標用戶。

第七，大數據用于改善用戶體驗。要改善用戶體驗，關鍵在于真正了解用戶及他們所使用的你的產品的狀況，做最適時的提醒。例如，在大數據時代或許你正駕駛的汽車可提前救你一命。只要通過遍布全車的傳感器收集車輛運行信息，在你的汽車關鍵部件發生問題之前，就會提前向你或4S店預警，這決不僅僅是節省金錢，而且對保護生命大有裨益。事實上，美國的UPS快遞公司早在2000年就利用這種基于大數據的預測性分析系統來檢測全美60000輛車輛的實時車況，以便及時地進行防御性修理。

篇（3）

1 大數據的特征和大數據涉及的相關內容

1.1 大數據的主要特征分析

處在大數據時展背景下，大數據的特征體現也比較鮮明，首先在海量信息數據的特征方面就比較顯著。在計算機的硬盤容量已經進行了升級，在容量上也大大的擴大了，在數據的規模上也不可同日而語。這就對信息技術的進一步發展有著重要的促進作用，這也是大數據時代的一個重要標志。再者是大數據的數據信息種類的多樣化，多樣化類型的傳感器以及終端設備都是大數據信息數據的源頭[1]。這樣就形成了數據類型的多樣化。

1.2 大數據涉及的相關內容分析

大數據發展下涉及到的內容是比較多的，在網絡的安全問題上是大數據發展下的重要問題內容。大數據的發展為網絡犯罪也提供了很大的便利，使得范圍的模式發生了變化，并且在犯罪的水平上也比較高，這就對信息安全帶來了很大的威脅。再有是涉及到的云數據，在云計算的應用下，也是面臨著一些問題，使得在對數據的處理過程中會有著諸多不可測的風險。另外在個人設備管理的問題上，移動設備的應用廣泛化，使得數據的存儲和訪問等都變得比較簡單化，這也存在著信息安全的問題[2]。最后在涉及到的數據保密的內容層面也是需要急迫解決的。對于這些內容都要能夠充分的重視。

2 大數據時代下信息安全問題和解決策略探究

2.1 大數據時代下信息安全問題分析

大數據時代背景下的信息安全問題也比較突出，主要體現在人們對大數據環境下的信息安全的意識沒有得到強化，對信息的安全防范意識不足。網絡的安全性問題在當前的社會發展中愈來愈嚴重，在一些社交平臺或公共購物平臺等，都可能對個人的信息造成泄漏，由于網絡的開放性特征，也使得個人的信息安全得不到有效的保障。而當下的公眾在信息安全的防范意識上還不是很強，這就使得信息安全問題發生的可能性就增大了。

再者，大數據環境下的信息已經成為高級可持續攻擊載體。大數據自身的價值密度低的特征下，使得外界的環境影響比較敏感，容易受到黑客的攻擊。而這些攻擊的代碼是處在大數據當中的，所以進行安全服務鑒別中就存在著很大的難度。這樣就使得大數據信息成為了可持續攻擊的一個載體，在這一方面的問題要能充分的重視，結合實際進行應對。

另外，大數據環境中的信息安全問題還體現在智能終端的威脅。移動智能終端在我國的使用數量不斷的增長，這就使得智能終端的信息也比較多，在信息的安全性方面就存在著很大的隱患。智能終端一旦被破壞，就會使得信息丟失，而受到病毒的控制也會造成信息的安全性得不到有效保證[3]。

2.2 大數據時代下信息安全問題的解決策略

對于大數據時代背景下的信息安全問題的解決，要能從多方面進行考慮。首先在數據的結構優化措施的實施上要重視，這對信息安全保護有著重要作用發揮。由于大數據時代的數據信息比較復雜，在數量上也比較大，通過數據結構的優化和加密管理，就比較方便處理。能夠在數據結構化基礎上對入侵的數據就能實現智能化的辨別，在信息的安全系數上就得到了有效提升。

再者，大數據時代對信息安全的防范要進一步加強敏感數據的監管力度。大數據的海量信息的特征，使得在管理上存在著諸多難度，這就為黑客信息掃描檢測漏洞提供了可能。故此政府方面要在大數據的監管力度上進行加強，在管理制度上結合實際進行有效完善，并要能夠對移動設備的安全使用進行保障。從大數據的使用流程以及方法層面嚴格執行，這樣才能保證對信息安全的保證。對大數據時代背景下的信息安全問題的解決，還要能從大數據平臺建立方面得到加強。

另外，強化大數據信息安全技術的應用，不斷的將安全保障技術進行優化。信息的安全性保障離不開技術的支持，要定期的對網絡中的潛在漏洞實施掃描，在信息的安全防御層面進行有效加強。在大數據的技術研發方面要進行加強，將數據加密技術以及安全訪問控制技術等得到有效應用，從整體上將信息安全的防范能力進行加強[4]。要能通過相關技術的應用，從數據信息的泄漏重點領域加以強化，通過對設備的訪問權限設置，以及通過SSL技術的應用等，全面加強數據信息的安全保護作用。

例如：應用沙箱（Application Sandboxing）是一項借鑒于 Trusted BSD的技術。通過這一功能，可以對特定資源進行定義，對應用的訪問權限作出限制，包括網絡資源、內存及部分文件系統等。Gatekeeper是一項能讓Mac電腦免遭惡意軟件入侵的技術。有了Gatekeeper，你可以讓那些被允許在Mac電腦上運行的應用，只能通過Mac App Store獲取并簽名，或成為由合法開發者簽名的應用。

不僅如此，對大數據信息安全的保護還要從法律層面進行加強，完善網絡信息的法律法規的保障措施。對個人隱私信息以及公共信息的安全保護進行加強，從法律層面來建設安全信息的保障體系，將信息安全的法律化要制定細化可操作的制度加以防范。

3 結語

總而言之，大數據背景下的信息安全防范愈來愈重要，要不斷的將信息安全保護措施合理化的加以實施，從根本上保障個人以及企業的信息安全性，只有如此才能真正的對信息安全起到保障作用。此次主要從大數據環境下的信息安全問題和保障的措施實施進行了重點分析，希望有助于實際的信息安全保護。

參考文獻：

[1]張茂月.大數據時代個人信息數據安全的新威脅及其保護[J].中國科技論壇，2015（07）.

篇（4）

隨著大數據時代的到來，各企業采用了新的策略，獲得了更多的利潤。對于統計專業來說，改變發展策略，使培養出來的專業人才能夠適應大數據背景的需求是其主要任務。目前，高校統計學專業逐漸認識到大數據時代綜合性人才培養的重要性，并對專業建設進行了相關改革。

一、大數據時代對統計學的影響

大數據時代的到來對現代統計專業的發展造成了新的沖擊，要確保培養出來的人才能夠起到應有的作用，首先要了解大數據時代對統計專業所造成的影響。

（一）大數據時代使數據結構和數據性質發生變化

網絡技術以及基于網絡技術的電子商務等新的數據記錄模式標志著大數據時代的到來。大數據時代，不再依賴于抽樣調查的記錄模式，網站瀏覽、視頻監控都將形成大量數據。傳統的數據結構甚至是數據性質發生了變化。大量的數據信息對于需求者來說，如何甄別其可用價值成為關鍵。傳統的數據可以二維表格顯示和整理。但大數據時代所產生的數據具有多樣化和復雜化特征，往往包含了大量的音頻、視頻、HTML等。這要求大數據的收集具有較強的目的性，才能實現其價值。

（二）大數據時代要求統計分析方法和統計思維更新

大數據時代的主要特征為數據多且復雜，數據分析要求分析者對總體進行分析。在這一背景下，參數統計不再具有意義，假設檢驗法也隨著總體分析而失去價值。數據的復雜化對傳統大數據統計思維造成了巨大的沖擊，要求統計者具有活躍的思維。只有對傳統數據的改變進行分析，并且樹立新的統計方法。

二、大數據時代下的統計學發展新策略

為適應大數據時代的需求，統計學專業的發展勢必要對傳統模式進行改革。目前，多數高校統計學專業已經認識到大數據對于其發展帶來的沖擊。為此，本文提出了以下策略，以及能夠幫助統計學取得更好發展。

（一）加強統計應用性教學

根據大數據時代數據的總體分析特征，數據分析人員應掌握全面的分析方法。在人才培養過程中，應致力于培養實踐分析能力，提高數據和資料收集能力，并且培養其強烈的數據價值觀，使其能夠從眾多數據中找到所需的。另外，對傳統模式進行改革，增加大數據統計內容，以適應時代的需求。基于大數據的結構特點，實施資料透視化教學，提高分析者對復雜數據的分析能力。

（二）培養大數據統計思維

在人才培養過程中，新的統計思維的培養具有重要意義，即強調數據分析實踐能力的提高。統計思維的培養有助于數據分析者對復雜的數據進行區分，從而整理有效信息。在大數據時代，不僅要以傳統的平均思維、動態思維和變異思維為基礎，還要注重基于整體分析的大數據思維。另外，還要培養數據分者的復雜性思維，以應對復雜的數據庫。總之，大數據時代需要數據分析者具有全面的、創新性的思維。

（三）強化基礎性統計知識

統計學自身具有復雜性，其改變多且抽象。基礎的統計知識是進一步掌握大數據分析思維的基礎，可見學習基礎性統計知識的重要性是不言而喻的。為此，應該采取深入淺出的方法，利用多媒體等方式使復雜的數據統計清晰化、簡單化。結合具體的案例使數據分析者正確認識統計概念、掌握統計原理和方法。此外大數據分析不再是一種專業，而是更傾向于一種技術，這要求我們將大數據分析與統計學以外的相關知識相互聯系。注重真實相關與偽相關的講解，強調商務智能的開發和分析。只有具有堅實的基礎，才能確保數據分析者大數據分析思維的養成，適應現代社會的需求。

（四）加強復合型人才培養

為適應大數據時代的需求，復合型人才的培養是關鍵。所謂復合型人才，是指其不但要具有專業的數據分析能力，還要相應的具備管理以及其從事專業的技術。大數據時代，高校應建立全面的人才培養模式，注重培養人才的數據分析能力、編程能力等，使其真正了解大數據，懂得如何利用大數據對其所處的行業起到積極作用才是關鍵。總之，大數據時代對綜合性人才具有更高的需求，大數據時代不僅培養的是一種能力，而且是一種思維，是對全新模式下的數據的分析和利用。高校作為人才培養的重要基地，其教學模式的改革、對大數據時代所需教學模式的認識是高校的主要任務。

三、總結

統計學是經濟學的基礎課程，傳統的統計人才培養具有定向性。而隨著大數據時代的到來，數據產生的形式多樣，且具有復雜性。大數據分析不僅是作為一種專業存在，而是應以一項必備的技術而存在。大數據時代，傳統的統計思維和統計方法發生了改變，統計人才培養方式的改革也就勢在必行。（作者單位：海南師范大學）

參考文獻：

[1] 朱懷慶.大數據時代對本科經管類統計學教學的影響及對策[J].高等教育研究，2014（3）.

[2] 姚壽福.經濟管理類本科專業統計學課程教學改革思考[J].高等教育研究，2012（3）.

篇（5）

隨著信息化時代的到來，大數據的分析已經深入了各行各業，作為醫療的前沿，醫院在信息化建設方面相對于其他行業相對薄弱。醫院信息化薄弱問題一方面來自管理層對醫院信息化建設的不重視問題；另一方面，醫院信息化建設需要巨大的財力、物力和人力，醫院將精力投入在醫療設備的改進和醫療水平的提高方面，在信息化建設上就難以投入過多的精力。

1.2信息化統計內容單一

在大數據時代，醫院信息統計工作內容越來越豐富，然而一些醫院并沒有意識到信息統計數據的重要性，信息統計內容還只局限于對病人的病例進行統計。由于統計內容的單一，難以形成有效的分析數據，對于醫院的管理和醫療水平的提高不能發揮出統計數據實際的價值。

1.3信息化統計專業性差

信息化在醫院管理中的應用缺乏統計的專業性，目前，醫院所采用的信息化系統主要包括HIS醫院管理系統和CIS臨床信息系統，這兩套系統主要功能是降低勞動化強度輔助醫院進行人和物的管理，而對于統計數據適用性并不強。所以醫院信息化急需具有專業性的統計系統，充分利用數據的價值，幫助醫院進行管理和醫療能力的提高。

2發展對策

2.1提高統計信息質量

在大數據時代，大量的信息集中在醫院的信息科，如何快速將這些信息進行分類和提取是信息科所要面臨的重要課題。信息的準確性是信息統計工作必須嚴格管控的內容，在現代化醫療體系建設中，把握信息的質量的關鍵在于建立信息內容評價標準和信息應用規范，信息數據的應用具有3個主要特征，一是準確性，二是適用性，三是及時性。統計信息的評價標準和應用規范主要圍繞信息數據這3個主要特征進行確立。

（1）信息的準確性

信息的準確性對于來自方方面面的信息真偽進行判斷，只有準確的信息才能夠成為有效信息，在醫院中如果誤用了錯誤信息數據則會造成嚴重的問題。提高信息的準確性首先要明確信息的來源，其次要對信息的真偽進行辨別，最后對信息的價值進行評價。

（2）信息的適用性

在醫院的信息管理中，如何從大量的信息內容中獲取對信息應用目標有用的數據是信息管理的內容之一。信息的適用性選擇需要建立統一的標準，避免“張冠李戴”造成信息錯用的問題。信息的適用性原則主要從醫院自身的信息采集為標準，因為不同的醫院在信息產生上都不相同，只有利用自身的信息才能確保信息的適用性。

（3）信息的及時性

信息具有時效性，相同的事情在不同的階段所產生的信息不一定完全相同，因此，在信息采集和統計時，必須要以最新數據為價值參考，加快信息刷新的頻率，降低失效信息勿誤的可能性。信息統計的及時性主要表現在醫院建立信息及時交流的基礎上，只有增強科室之間、部門之間、人員之間的信息溝通機制才能保證信息及時被利用。

2.2科學化管理

利用大量的數據統計促進醫院科學化管理是醫院信息統計工作的核心內容。醫院信息統計科學化管理主要實現以下幾方面工作目標：

（1）信息統計的評測

信息統計的評測功能可以對醫院的人員、設備、耗材等進行統計，還可以對近段時間的醫患病因進行統計，通過對醫院各項數據的統計與近期醫患病因的統計可以分析出在某段時間醫院需要加強某方面醫療的能力。利用信息統計的評測功能還可以對醫院某一專項的醫療水平進行評測，統計醫療過程中的不足，幫助醫生及時調整醫療方案。

（2）信息統計的決策

我國醫療體制改革不斷完善進行中，對于來自各個層面的數據進行統計分析，能夠為醫院的管理者提供準確的決策依據，幫助決策者正確判斷醫院經營方向。并且通過對本院的統計信息可以快速找到醫院系統中的薄弱環節，依靠準確的數據為管理者提供醫院改革的參考。

（3）信息化統計的監督

醫院醫療和服務的質量是醫院水平的重要表現，醫院信息統計可以對醫院的各個科室、每一位醫生及護士的工作能力和工作狀態進行一個時期的統計，通過數據可以客觀地、真實地反映出不同科室的醫療質量和個人的服務水平。信息化統計的監督功能是保障醫患關系融洽的重要手段，通過建立獎懲制度提高醫生和護士的工作認真性，而信息化的統計數據則是衡量和監督醫生和護士工作積極性的重要參考。

篇（6）

在某些方面，當前的市場營銷行業也存在著前所未有的潛力，這便是大數據時代市場營銷專業就業方向的新趨勢。很多人表示，將傳統的市場營銷智慧與大數據的巨大威力相結合，可能會在定性分析和定量分析方面產生巨大的優勢。但是要做到這一點，首先還有很多工作要做。沃頓商學院運營與信息管理學教授桑德拉·希爾(shawndra hill)表示：“這是一個非常激動人心的時代。有大量的數據可挖掘，以深入了解客戶，了解他們的態度和他們在想什么。此外，數據挖掘在過去的十年已經取得了長足的進步，但我們還有很長的路要走……也就是要弄清楚人們說話背后的真正含義。”

許多人感覺到大數據時代正在到來，但往往只是一種朦朧的感覺，對于其真正對營銷帶來的威力可以用一個時髦的詞來形容--不明覺厲。實際上，還是應盡量弄明白，才會明白其厲害之處。對于多數企業而言，大數據營銷的主要價值源于以下幾個方面。

第一，用戶行為與特征分析。

顯然，只要積累足夠的用戶數據，就能分析出用戶的喜好與購買習慣，甚至做到“比用戶更了解用戶自己”。有了這一點，才是許多大數據營銷的前提與出發點。無論如何，那些過去將“一切以客戶為中心”作為口號的企業可以想想，過去你們真的能及時全面地了解客戶的需求與所想嗎?或許只有大數據時代這個問題的答案才更明確。

第二，精準營銷信息推送支撐。

過去多少年了，精準營銷總在被許多公司提及，但是真正做到的少之又少，反而是垃圾信息泛濫。究其原因，主要就是過去名義上的精準營銷并不怎么精準，因為其缺少用戶特征數據支撐及詳細準確的分析。相對而言，現在的RTB廣告等應用則向我們展示了比以前更好的精準性，而其背后靠的即是大數據支撐。

第三，引導產品及營銷活動投用戶所好。

如果能在產品生產之前了解潛在用戶的主要特征，以及他們對產品的期待，那么你的產品生產即可投其所好。例如，Netflix在近投拍《紙牌屋》之前，即通過大數據分析知道了潛在觀眾最喜歡的導演與演員，結果果然捕獲了觀眾的心。又比如，《小時代》在預告片投放后，即從微博上通過大數據分析得知其電影的主要觀眾群為90后女性，因此后續的營銷活動則主要針對這些人群展開。

第四，競爭對手監測與品牌傳播。

競爭對手在干什么是許多企業想了解的，即使對方不會告訴你，但你卻可以通過大數據監測分析得知。品牌傳播的有效性亦可通過大數據分析找準方向。例如，可以進行傳播趨勢分析、內容特征分析、互動用戶分析、正負情緒分類、口碑品類分析、產品屬性分布等，可以通過監測掌握競爭對手傳播態勢，并可以參考行業標桿用戶策劃，根據用戶聲音策劃內容，甚至可以評估微博矩陣運營效果。

第五，品牌危機監測及管理支持。

新媒體時代，品牌危機使許多企業談虎色變，然而大數據可以讓企業提前有所洞悉。在危機爆發過程中，最需要的是跟蹤危機傳播趨勢，識別重要參與人員，方便快速應對。大數據可以采集負面定義內容，及時啟動危機跟蹤和報警，按照人群社會屬性分析，聚類事件過程中的觀點，識別關鍵人物及傳播路徑，進而可以保護企業、產品的聲譽，抓住源頭和關鍵節點，快速有效地處理危機。

第六，企業重點客戶篩選。

許多企業家糾結的事是：在企業的用戶、好友與粉絲中，哪些是最有價值的用戶?有了大數據，或許這一切都可以更加有事實支撐。從用戶訪問的各種網站可判斷其最近關心的東西是否與你的企業相關;從用戶在社會化媒體上所的各類內容及與他人互動的內容中，可以找出千絲萬縷的信息，利用某種規則關聯及綜合起來，就可以幫助企業篩選重點的目標用戶。

第七，大數據用于改善用戶體驗。

要改善用戶體驗，關鍵在于真正了解用戶及他們所使用的你的產品的狀況，做最適時的提醒。例如，在大數據時代或許你正駕駛的汽車可提前救你一命。只要通過遍布全車的傳感器收集車輛運行信息，在你的汽車關鍵部件發生問題之前，就會提前向你或4S店預警，這決不僅僅是節省金錢，而且對保護生命大有裨益。事實上，美國的UPS快遞公司早在2000年就利用這種基于大數據的預測性分析系統來檢測全美60000輛車輛的實時車況，以便及時地進行防御性修理

第八，SCRM中的客戶分級管理支持。

面對日新月異的新媒體，許多企業想通過對粉絲的公開內容和互動記錄分析，將粉絲轉化為潛在用戶，激活社會化資產價值，并對潛在用戶進行多個維度的畫像。大數據應用可以分析活躍粉絲的互動內容，設定消費者畫像各種規則，關聯潛在用戶與會員數據，關聯潛在用戶與客服數據，篩選目標群體做精準營銷，進而可以使傳統客戶關系管理結合社會化數據，豐富用戶不同維度的標簽，并可動態更新消費者生命周期數據，保持信息新鮮有效。

第九，發現新市場與新趨勢。

基于大數據的分析與預測，對于企業家提供洞察新市場與把握經濟走向都是極大的支持。例如，阿里巴巴從大量交易數據中更早地發現了國際金融危機的到來。又如，在2012年美國總統選舉中，微軟研究院的David Rothschild就曾使用大數據模型，準確預測了美國50個州和哥倫比亞特區共計51個選區中50個地區的選舉結果，準確性高于98%。之后，他又通過大數據分析，對第85屆屆奧斯卡各獎項的歸屬進行了預測，除最佳導演外，其它各項獎預測全部命中。

篇（7）

目前大數據算法大致可以分為兩類。一個是基于行為，一個是基于內容。基于行為的分析，顧名思義，即對用戶在互聯網、移動互聯網留下的“痕跡”，即瀏覽、點擊、收藏、購買、二次購買的分析，得出未來會選擇購買的預測和推薦結果。基于行為的分析，屬于群體智慧，綜合利用群體用戶的行為偏好。用戶之間會相互影響，更加符合現實世界中的用戶行為。基于內容的分析， 包括對文字、圖片、音頻、視頻等信息的分析，得出預測和推薦的結論。內容的分析只針對個人，與用戶之間關系無關。

目前發展重點是基于人工智能下的大數據，它基于你的歷史行為，判斷出你可能的喜好，乃至需求，將最佳結果，推薦給你。大數據當然也不是萬能的，導致這種現象最主要的問題有兩個，一個是由于數據本身的質量或者數量不夠；另一個是算法不合適。不要以為是海量數據就一定會有價值，在過往的研究中，人們發現來自甲方的數據源有80-90%的數據都是無用的。只有10%-20%的數據才會產生一定的價值。

雖然越來越多的人們感覺到大數據時代正在到來，但對于經營者而言，大數據下商業管理的價值創新究竟如何體現，可能是一個值得深入研究的問題。我們認為至少以下幾個方面值得關注。

一是通過大數據對用戶行為與特征分析。顯然，只要積累足夠的用戶數據，才能分析出用戶的喜好與購買習慣，甚至做到“比用戶更了解用戶自己”。這是大數據營銷的前提與出發點。過去雖也有“一切以客戶為中心”作為口號的企業經營思想，可以想想真的能及時全面地了解客戶的需求與所想嗎，或許只有大數據時代這個問題的答案才能更加明確。

二是通過大數據支撐精準營銷信息推送。過去多少年了，精準營銷總在被許多公司提及，但是真正做到的少之又少，反而是垃圾信息泛濫。究其原因，主要是過去名義上的精準營銷并不怎么精準，因為其缺少用戶特征數據支撐及詳細準確的分析。現在的RTB廣告的應用則向人們展示了比以前更好的精準性，而其背后靠的是大數據支撐。

三是通過大數據讓營銷活動更能投用戶所好。如果能在產品生產之前了解潛在用戶的主要特征，以及他們對產品的期待，那么你的產品即可投其所好。例如，Netflix在近投拍《紙牌屋》之前，即通過大數據分析知道了潛在觀眾最喜歡的導演與演員，結果果然捕獲了觀眾的心。又比如，《小時代》在預告片投放后，即從微博上通過大數據分析得知其電影的主要觀眾群為90后女性，因此后續的營銷活動則主要針對這些人群展開。

四是通過大數據幫助企業篩選重點客戶。許多企業家糾結的事是：在企業的用戶、好友與粉絲中，哪些是最有價值的用戶？有了大數據，或許這一切都可以更加有事實支撐。從用戶訪問的各種網站可判斷其最近關心的東西是否與你的企業相關；從用戶在社會化媒體上所的各類內容及與他人互動的內容中，可以找出千絲萬縷的信息，利用某種規則關聯及綜合起來，就可以幫助企業篩選重點的目標用戶。

五是通過大數據分析更加清晰你的產品消費者的特點。面對日新月異的新媒體，許多企業想通過對粉絲的公開內容和互動記錄分析，將粉絲轉化為潛在用戶，激活社會化資產價值，并對潛在用戶進行多個維度的畫像，其目的就是更加精準地分析你的產品消費者特點。大數據可以分析活躍粉絲的互動內容，設定消費者畫像各種規則，關聯潛在用戶與會員數據，關聯潛在用戶與客服數據，篩選目標群體做精準營銷，進而可以使傳統客戶關系管理結合社會化數據，豐富用戶不同維度的標簽，并可動態更新消費者生命周期數據，保持信息新鮮有效。

大數據營銷管理讓一切營銷行為和消費行為數據化，大數據使得營銷行動目標明確、可追蹤、可衡量、可優化，從而造就了以數據為核心的營銷閉環，即消費—數據—營銷—效果—消費。畢竟數據是海量的，如何運營有限、有效的高質量數據為企業更好的創造價值比大海撈針的粗放式方法要實際的多。

大數據營銷是基于多平臺的大量數據，依托大數據技術的基礎上，應用于互聯網廣告行業的營銷方式。大數據營銷衍生于互聯網行業，又作用于互聯網行業。依托多平臺的大數據采集，以及大數據技術的分析與預測能力，能夠使廣告更加精準有效，給品牌企業帶來更高的投資回報率。大數據技術的發展給了大數據營銷發展的土壤。大數據分析產品如大數據魔鏡等，為大數據營銷帶來了更多可能性。然而數字時代，商業管理不僅僅在收集數據，同時也在制造和影響數據，如何塑造和運營更加有利于企業和品牌營銷發展的數據流，必然成為今后商業管理必須面對的重要課題。

篇（8）

大數據的發展趨勢。第一，數據的種類越來越多，數據的來源也隨著科學技術的提升更加豐富，隨著互聯網和物聯網和計算機技術的不斷發展，大數據時代的建設需要不斷增加數據來源，數據庫中的很多數據已經覆蓋了人們生活和工作的全部，生活中的所有數據都是不同種類的數據信息。第二，數據的存儲和分析計算發展朝向更快速的方向，由于超級計算機的發展為大數據的處理提升了設備支撐，保證大數據的正常存儲和使用，開放式的數據存儲能力和平臺分析能力也為大數據的工業運行提供保障，減少阻礙。第三，數據分析的重要性不斷凸顯，大數據時代的數據豐富性特點是人們追求的，相信利用科學技術的支撐，能夠完成數據的合理分析，增加有用的信息。第四，大數據的相關政策和有關法律法規還沒有完善，基于數據庫的良好發展和完善，很多大數據的建設開始受到政府部門的高度關注，國際層面的大數據建設計劃也在不斷推出。

大數據發展與多媒體展示技術的結合

多媒體展示技術分析。在目前的多媒體展示中，主要使用了以下幾種技術：

多媒體觸控展示技術。它為了實現多點觸控功能，把多重觸控屏與單點觸摸屏都使用了完全不一樣的結構。從內部看：每個觸控都是通過獨立的引線連接到外部電路，所有觸控單元在板子上呈矩陣排列。從外部看：單點觸摸屏只有很少幾根信號線（一般為4Pin或者5Pin），而多重觸控屏有很多引線；這樣，當人們用手指去觸摸屏幕時，會出現相應的內容。

互動投影技術。它的原理比較復雜，簡單來說就是通過紅外感應的方式實現互動效果，它并非是一種接觸式互動，參觀者只需要通過肢體語言便體驗互動投影帶來的高科技互動效果，互動投影包括互動桌面、互動墻面等多種形式，它帶給觀眾的視覺沖擊更加強烈，多媒體互動投影的展示手段在多媒體展廳設計中的應用是比較廣泛的。

數字沙盤展示技術。數字沙盤是經過聲、光、電、圖像、三維動畫與計算機程控技術，使用數字投影來進行。數字沙盤具有區位的特征，能夠給我們一種生動形象、變化多端的動態視覺效果。

幻影成像技術。幻影成像技術能夠把幾種信息和現實的生活場景相結合，當前在博物館中使用的比較多。這項技術主要使用了光學錯覺理念，把電影當中使用馬斯克攝影技術所錄制的影像和布景箱中的主體模型景觀結合。按照劇本的故事內容，生動形象，立體的結合聲音、光亮、電等特別的效果，成像立體，有著較強的真實性，結合半景式的場景設計，常常能夠建設出一種超越時空的感受，讓我們印象深刻。

篇（9）

在信息發達的現代社會，“云服務”帶給我們非常好的數據存儲平臺。我們可以將自己的信息放到云端，以便于隨時隨地的應用。將云服務的主要特征劃分為以下幾個方面：一，方便快捷。“云服務”的普及，使得使用者具有了一個內存大且不易丟失的存儲工具，人們只要將數據信息傳到上面，就可以放心的查看，使用，大大的節省了時間，給人們的生活帶來便捷。二，高性能，高可靠性。“云服務”的各個單元相互獨立，不會互相影響，它們有各自的軟件及硬件資源，提供了高性能的服務。同時，在云端，提供各種數據的存儲以及備份，還可以在工作失誤的情況下，提供恢復的服務，大大的提高了使用的可靠性。三，隱私問題的保護和安全性有待提高。每件事情都有兩面性，“云服務”也有。如何保證用戶的數據不被非法的查看、盜竊、修改，是現在技術方面要著重考慮的問題。

2“云服務”信息安全隱患產生原因

2.1前期開發階段安全性不高

軟件在開發過程中，設計者沒有考慮到來自互聯網方面的各種危害，沒有對軟件本身的安全度加固。還有就是監管不到位，使用者沒有注意到軟件的防護與定期監管，就會使得各種惡意軟件有了入侵的機會。

2.2使用者安全意識淡薄

使用者在注冊登錄的時候設置的密碼過于簡單，大大的降低了安全度。此外，沒有做好安全加固和內部訪問設限等都是潛在的安全隱患。

2.3黑客對信息的竊取

因為“云服務”的大范圍使用，用戶會將很多重要信息傳到云端，這樣就吸引大部分的競爭者。他們想要竊取并修改對方的信息，以造成對方的巨大損失，這樣就產生了很多侵入別人信息內部的黑客。黑客是“云服務”信息安全的重大隱患。

2.4相關使用法律不規范

“云服務”的相關法律法規存在不規范之處，其對于使用者缺乏有效的監管與約束，從而造成了大量的使用者肆意妄為的現象頻頻發生。

3大數據時代“云服務”信息安全保護的重要性

因為“云服務”使用的范圍廣泛，大到國家，軍隊的相關信息，小到企業，個人的相關信息都與“云服務”密切相關。一個信息的泄露有可能影響到全局的發展，所以提高安全性是必要的。信息是一種資源，而信息安全主要包括信息的完整性、可用性、保密性和可靠性。完整性是指確保信息完整，不能丟失。當用戶將數據傳輸到云端，要確保數據永久存在，這樣才可以讓廣大的使用者產生信任，吸引更多的使用者。可用性是指數據傳輸成功后，當用戶再次使用，應確保數據仍舊可以被使用。保密性是指信息不能被泄露和修改。最后一個可靠性是指這個平臺無論是本身存儲方面，還是后期的管理方面，都要確保萬無一失。這樣才能使“云服務”更加廣泛、放心地被使用。

4“云服務”信息安全保護措施

4.1加強技術保護

技術能力的提高是信息安全保護的直接方式。在網絡普及的現代，侵權者的手段在不斷的提高，過去保護的方法已經被破解，為了信息的安全存儲，技術方面的提高迫在眉睫。在各方面迅速發展的情況下，研究新型的技術，培養高技術人才是網絡信息安全保護的重大任務。4.2加強監管能力這里的監管包括軟件自身的監管，行政監管和本身使用規范的監管三方面。軟件自身的監管就是要增強軟件自身防惡意侵襲和對軟件時刻監管的能力，只有這個能力增強了，軟件自身的可靠性也就大大的提高了。行政監管就是網絡安全部門要制定相關的制度，必須明確使用者權限以及越權的相關懲罰。本身使用的監管就是使用者本身要有自我約束能力。

4.3增強加密系統

設置加密系統，首先要設定用戶權限。具體表現為；為不同用戶設置不同的使用權限，當非本人操作時，就會發出報警和自動加鎖。其次要對數據進行加密，當用戶申請訪問數據時，就會有相應的解密，如果解密成功，就可以訪問。反之，就會發出報警。當然，針對時間長久遺忘了相關加密信息的使用者，也應該有相關的驗證，然后重新獲取。

4.4增加相關保護法則

近年來，國家越來越致力于大數據的應用，那么越來越多的重要信息被傳入到“云服務”。這些數據都是至關重要的，應該添加重要的法則加以約束。

5結語

大數據和“云服務”的時代已經到來，各行各業得到了迅速的發展，這給我們帶來眾多益處的同時也帶來了更多的機遇和挑戰。我們應該積極的面對，不斷地發展，提高使用的安全性，讓使用者更加放心的使用，讓時代快速發展。

篇（10）

中文圖書分類號：F204 文獻標識碼：A 文章編號：

一、引言

當前全球已經全面進入信息時代，云計算、物聯網等新興IT技術的廣泛應用，全球數據正以前所未有的速度在劇增，數據類型也變得越來越復雜。數據的深度分析和利用將對推動經濟持續增長、提升企業的競爭力起到重要的作用。 大數據產業是基礎產業，是國民經濟和社會發展信息化的基礎，對國家治理現代化、對企業創新決策、組織和業務流程、對個人生活方式都將產生巨大的影響。大數據積累拓展了科技創新的內容、豐富了科技創新的手段、深化了科技創新的應用。

二、大數據的提出與發展

（一）大數據的提出

早在1980年，著名未來學家阿爾文?托夫勒便在《第三次浪潮》一書中，稱大數據為“第三次浪潮的華彩樂章”。大數據時代來臨首先由數據豐富度決定的，社交網絡興起，大量的UGC（用戶生成內容）內容、音頻、文本信息、視頻、圖片等非結構化數據出現了。另外，物聯網的數據量更大，加上移動互聯網能更準確、更快地收集用戶信息，比如位置、生活信息等數據。2012年，英國人維克托?邁爾?舍恩伯格在其著作《大數據時代：生活、工作與思維的大變革》中首次對大數據進行全面詳細的闡述，他指出大數據帶來的信息風暴正在變革我們的生活、工作和思維，大數據開啟了一次重大的時代轉型，將為人類的生活創造前所未有的可量化的維度，大數據已經成為了新發明和新服務的源泉，而更多的改變正蓄勢待發。對于大數據的內涵，著名研究機構Gartner對于“大數據”給出的定義是：“大數據”是需要新處理技術與模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

（二）大數據對經濟社會發展和技術創新影響

2012年7月，聯合國了名為《大數據促發展：挑戰與機遇》的大數據政務白皮書，指出大數據對于聯合國和各國政府來說是一個歷史性的機遇，可以使用極為豐富的數據資源，對社會經濟進行前所未有的實時分析，幫助政府更好地響應社會和經濟運行。對企業而言，一方面大數據時代網民和消費者的界限正在消失，企業邊界趨于模糊，數據成為核心資產，并將深刻影響企業的業務模式，甚至重構其文化和組織。另一方面，大數據成為許多公司競爭力的來源，未來可能整個行業的結構會發生改變，小企業最有可能成為贏家。如今的核心競爭力在于快速而廉價地進行大量的數據存儲和處理。麥肯錫在一份名為《大數據，是下一輪創新、競爭和生產力的前沿》的專題研究報告中提出：“對于企業來說，海量數據的運用將成為未來競爭和增長的基礎。”

（三）世界范圍內大數據技術創新與發展情況

1. 主要國家積極推動大數據技術創新和產業發展

2012年3月，美國聯邦政府就在全球率先推出《大數據研究和發展計劃》，奧巴馬政府宣布投資2億美元拉動大數據相關產業發展，并將“大數據戰略”上升為國家戰略。奧巴馬政府將數據定義為“未來的新石油”，并表示一個國家擁有數據的規模、活性及解釋運用的能力將成為綜合國力的重要組成部分。英國將大數據列為戰略性技術，推出一系列支持大數據發展舉措。首先是給予研發資金支持。2013年1月，英國政府向航天、醫藥等8類高新技術領域注資6億英鎊研發，其中大數據技術獲得1.89 億英鎊的資金，是獲得資金最多的領域。日本政府把大數據作為提升日本競爭力的關鍵。日本在新一輪IT 振興計劃中把發展大數據作為國家戰略的重要內容，新的ICT戰略重點關注大數據應用技術。日本總務省2012 年7月推出了新的綜合戰略“活力ICT日本”，將重點關注大數據應用，并將其作為2013年六個主要任務之一，聚焦大數據應用所需的、社會化媒體等智能技術開發，以及在新醫療技術開發、緩解交通擁堵等公共領域的應用。中國大數據產業緊跟世界發展趨勢，提前布局謀劃。2011年12月，工信部《物聯網“十二五”規劃》，把信息處理技術作為4項關鍵技術創新工程之一，其中包括了海量數據存儲、數據挖掘、圖像視頻智能分析，都屬于大數據的重要組成部分。2012 年以來，科技部、發改委、工信部等部委在科技和產業化專項陸續支持了一批大數據相關項目。2013年2月5日，國務院出臺了《推進物聯網有序健康發展的指導意見》，從政策層面正式把大數據納入到物聯網產業領域。2014年《政府工作報告》明確提出，“以創新支撐和引領經濟結構優化升級，設立新興產業創業創新平臺，在新一代移動通信、集成電路、大數據等方面趕超先進，引領未來產業發展。”

2. 數據科學研究不斷深入

在大數據應用的技術需求牽引下，數據科學研究和人才培養引起各國重視。在“大數據行動計劃”支持下，美國加州大學伯克利分校開發了完整的大數據開源軟件平臺“伯克利數據分析軟件棧（Berkeley Data Analytics Stack），其中的內存計算軟件Spark的性能比Hadoop 提高近百倍，對產業界大數據技術走向產生巨大影響。美國哥倫比亞大學和紐約大學、澳大利亞悉尼科技大學、日本名古屋大學、韓國釜山國立大學等紛紛成立數據科學研究機構；美國加州大學伯克利分校和伊利諾伊大學香檳分校、英國鄧迪大學、中國香港中文大學等一大批高校開設了數據科學課程。

3. 技術創新出現新的特征

大數據時代，技術創新出現了一些新的特征。一是技術創新模式更加開放。大數據時代，科技創新不再是“閉門造車”，開放式創新是大數據時代下科技創新活動的顯著特征，是實現以市場為主導的技術創新的重要途徑。創新的“逆向反饋機制”逐步形成，以蘋果公司為代表的高新技術產品外觀設計和軟件開發更加注重消費需求，研發部門設計理念基于龐大消費群體體驗數據分析，因而獲得更大的市場空間。二是技術創新領域進一步拓展。數據技術從早期在單機上處理單一類型數據，發展到當前在計算機集群上處理多類型數據，實現時間寬松的數據分析應用。隨著數據量發展到PB、EB級甚至更大，并且要求更快的處理分析時間，大數據專用計算機、異地分布式計算機集群、多類型多來源數據的處理和分析、數據網絡等復雜結構數據的分析、秒級時間分析等通用技術以及各種面向領域的應用技術是大數據技術的發展趨勢。

三、大數據技術創新體系和內容

（一）大數據技術創新體系架構

大數據需要特殊的技術，以有效地處理大量的容忍經過時間內的數據。當前，國際上大數據技術創新方面形成了獨特的“信息原創――開源擴散――IT 廠商產品化――其他企業使用”特點。正是大數據的技術創新和應用推動相關制造業和軟件產業發展。大數據時代下技術創新體系架構如下圖：

（二）大數據技術創新內容

根據工業和信息化部電信研究院的《大數據白皮書（2014）》，大數據技術創新內容主要包括技術存儲、計算和分析等技術。

1. 大數據存儲管理技術

數據的海量化和高速增長特征是大數據對存儲技術提出的首要挑戰。這要求底層硬件架構和文件系統在性價比上要大大高于傳統技術，并能夠彈性擴展存儲容量。大數據對存儲技術提出的另一個挑戰是多種數據格式的適應能力。格式多樣化是大數據的主要特征之一，這就要求大數據存儲管理系統能夠適應對各種非結構化數據進行高效管理的需求，在不同應用環境下，將數據以合理、安全、有效的方式保存到存儲介質上并實現有效訪問，滿足用戶對數據保存在高性能、高可靠性和高擴展性等方面的需求。

2. 大數據并行計算技術

大數據的分析挖掘是數據密集型計算，需要強大的計算能力。與傳統“數據簡單、算法復雜”的高性能計算不同，大數據的計算是數據密集型計算，對計算單元和存儲單元間的數據吞吐率要求極高，對性價比和擴展性的要求也非常高。傳統依賴大型機和小型機的并行計算系統不僅成本高，數據吞吐量也難以滿足大數據要求，同時靠提升計算機CPU 性能、增加內存、擴展磁盤等實現性能提升的縱向擴展的方式也難以支撐平滑擴容。

3. 大數據分析技術

在人類社會發展全部數字化數據中，僅有非常小的一部分數值型數據得到了深入分析和挖掘（如回歸、聚類），大型互聯網企業對網頁索引、社交數據等半結構化數據進行了淺層分析。占總量近60%的語音、圖片、視頻等非結構化數據還難以進行有效的分析。

（三）大數據技術創新的挑戰

1. 數據存儲挑戰

隨著大數據應用的爆發性增長，它已經衍生出了自己獨特的架構，而且也直接推動了存儲、網絡以及計算技術的發展。硬件的發展最終還是由軟件需求推動的，當前大數據分析應用需求正在影響著數據存儲基礎設施的發展。從另一方面看，這一變化對存儲廠商和其他IT基礎設施廠商都是潛在的市場機會。隨著結構化數據和非結構化數據量的持續增長，以及分析數據來源的多樣化，此前存儲系統的設計已經無法滿足大數據應用的需要。存儲廠商已經意識到這一點，開始修改基于塊和文件的存儲系統的架構設計以適應這些新的要求。

2. 數據收集的挑戰

隨著物聯網的廣泛應用，信息感知無處不在，信息海量，但價值密度較低，如何通過強大的機器算法更迅速地完成數據的價值“提純”，是大數據時代亟待解決的難題。從海量數據中“提純”出有用的信息，這對網絡架構和數據處理能力而言也是巨大的挑戰。大數據將遠遠超越現有企業IT架構和基礎設施的承載能力，實時性要求也將大大超越現有的計算能力。如何將數據信息與產品和人相結合，達到產品設計或服務優化是大數據商業模式延展上的挑戰之一。

參考文獻：

[1]工業和信息化部電信研究院.大數據白皮書（2014）[R]. 2014年5月.

篇（11）

隨著物聯網、網絡、移動通信等的快速發展，特別是互聯網的普及使得信息傳播的規模和速度呈現幾何增長，人們獲取信息的途徑和方式開始變得異常豐富，人們事實上已經進入了“信息大爆炸”時代。與此同時信息傳播的大容量、高效性和準確性也對現有的數據處理體系提出了更高要求。根據大數據摩爾定律，人類世界的數據產生量將按照每兩年一倍的速率增長，預計2020年世界數據量將超過35億GB，“大數據”時代迫在眉睫。“大數據”具有離散型、隨機性、發散性、爆發性等特點。近年來，隨著云技術的興起全面革新了傳統的數據技術，大容量、多樣化、快速處理、信息價值性和準確性為了云技術背景下大數據處理的五大主要特征。如何利用云計算技術對大數據進行高效處理已經成為了信息技術發展亟待解決的關鍵問題。

1 大數據和云計算的關系

云計算技術是指利用集中式遠程計算資源池，通過按需分配的方式，為終端用戶提供強大而廉價的計算服務技術。云計算技術作為一種數據處理方式，其技術特點包括：一是資源池在物理上是對終端用戶完全透明的；二是能夠為任何行業提供規模化計算服務，其服務能力可看做是“無限”的；三是其應用部署快速便捷，服務能力和方式是可以完全按照終端客戶要求定制的，具有極強的彈性伸縮能力；四是云端數據獲取方便，能夠資源共享，用戶使用成本低廉。

云計算技術是目前最強大的數據存儲、傳輸和處理平臺，它是大數據處理的最優選擇。云計算能夠為大數據提供幾乎“無限”的存儲空間和處理能力，滿足其超大容量存儲和超級復雜的處理需求，也是傳統存儲方式無法實現的。云計算側重數據的計算處理，而大數據需要強大數據處理能力，因而它是云計算的處理對象。此外大數據所產生的業務需求也為云計算的實現提供了更多的形式。

2 基于云計算的大數據處理技術

2.1 大數據的采集技術

目前數據采集方式主要分為集中式和分布式兩大類。其中分布式的靈活性較強，而集中式的全局性較好。實際上大數據采集的對象通常包括組織內部和相互獨立組織間的各類數據，而云計算恰好具有并行處理的優勢，因而可采取混合式采集方式能夠更加有效地完成數據采集任務。即在各個組織內部采用集中式數據采集方式，通過在組織內配置中心服務器，作為集中式數據注冊機構，用于存儲和共享內部的數據。在相互獨立組織間，采用云計算的集群技術、虛擬化技術等在各獨立組織中心服務器間采用分布式采集方式實現數據采集、組織間對接和共享。大數據結構類型包括結構化、半結構和非結構化數據，因而在應用云計算技術進行分布式采集時，可依托其超強的擴展性和容錯力，將數據池內數據進行同構化，從而實現數據進行分類存儲。

2.2 大數據的存儲技術

由于超大體量、離散、復雜的數據特點，傳統數據存儲模式已經難以滿足大數據存儲要求。一方面單結點的數據倉庫在容量上難以滿足呈幾何增長的數據量，在運行效率上也難以滿足大數據的分析處理需求。另一方面傳統數據倉庫按行存儲模式，雖然可以實現大容量索引和視圖，但實際操作中其時間和空間過高。而云計算主要采取列式存儲模式，即區分數據不同屬性，不同屬性列都單獨存放。云計算中列式存儲的優勢在于在投影數據時只需查詢其屬性列，系統處理量和處理效率顯著提升。此外按數據屬性進行列式存儲，數據倉庫中相鄰列數據的相似性更高，因而能夠得到更高的數據壓縮率，進一步減少存儲所需空間。

2.3 大數據的挖掘技術

聯機分析能夠完成數據的復雜處理，得到直觀結果，實現決策性分析。云計算并行模式下聯機分析能夠基于數據全局，建立多維分析模型對數據進行多維度分析，從而盡可能獲得全面的分析結構。由此可見多維度分析是聯機分析的重要特征，而云計算技術下數據倉庫正好是通過多維數據組織的。

聯機分析對數據的處理僅僅只是表面的，其獲取的信息價值并不高，難以得到數據深層次的含義與內在關聯。而數據挖掘正是在聯機分析的基礎上，從超大體量的數據倉庫中提取數據所蘊含的隱性信息，并將這些信息用規律、概念或是模型等表現出來。基于云計算的數據挖掘主要采用分布式并行挖掘技術。與其他串行方式相比，云計算技術下并行數據挖掘能夠利用機器集群拆分分布式系統中的并行任務，并將拆分后的各個任務分別交由不同的機器去處理，從而實現大規模數據處理，其時間成本也大大降低。

2.4 大數據的可視化技術

上文所述數據挖掘可實現大數據的深層次、多維度分析，獲取更多有用信息。而云計算平臺下可視化技術則能夠將上述信息具體化，從而使數據及其有關結構的相關信息能夠更直觀地表現出來，更容易被發覺和理解。可視化技術是指在存儲空間中，將數據庫及其中數據以圖像（圖形）的形式表示出來，并在其中再采用其他的分析手段獲取圖像中所蘊含的未知信息。而原有的數據處理僅僅只能夠從數據本身入手，分析和觀察數據中的內在信息。云計算下的可視化技術不但能夠實現非空間數據的多維度圖像顯示，而且能夠實現檢索過程的直觀圖形顯示，從而幫助人們更好地挖掘和理解信息，信息檢索效率也大大提升。

3 結語

在數據爆炸時代，云計算的出現為大數據的存儲和處理提供了可能，也為數據處理系統的功能擴展提供了重要保障。以往的數據管理將收集和存儲作為重點，而在云計算模式下，大數據管理將更多地側重數據分析、挖掘及管理模式的創新。目前數據采集和統計技術已經較為成熟，利用云計算進一步豐富大數據的存儲和處理方式，實現更高層次的數據挖掘和可視化將是今后需要解決的問題之一。

參考文獻

[1]孟小峰，慈祥.大數據管理：概念，技術與挑戰[J].計算機研究與發展，2013，50（1）：146+169.

[2]吳雪琴，基于云計算的大數據信息檢索技術研究[J].電腦知識與技術，2014，10（10）：38-41.