時間：2024-03-20 10:58:54
導語：在大數據時代的特性的撰寫旅程中，學習并吸收他人佳作的精髓是一條寶貴的路徑，好期刊匯集了九篇優秀范文，愿這些內容能夠啟發您的創作靈感，引領您探索更多的創作可能。
〔關鍵詞〕大數據；企業；競爭情報系統；系統評價；指標體系
DOI：10.3969/j.issn.1008-0821.2016.02.001
〔中圖分類號〕G250.25〔文獻標識碼〕A〔文章編號〕1008-0821（2016）02-0003-05
〔Abstract〕In view of the fact that methods of competitive intelligence system evaluation do not reflect characteristics of big data，characteristics of competitive intelligence system based on big data are summed up according to three changes of thinking pattern made by big data.Then，the train of evaluation thought of competitive intelligence system based on big data is put forward according to the constitution of the competitive intelligence system.Furthermore，the evaluation index system of the competitive intelligence system based on big data，including function index，technique index and the user index，is established from the views of the strategic security，operation status and user experience.Finally，methods to measure the quantitative and qualitative index are discussed briefly.The proposed evaluation index system has characteristics of multi-level and multi perspective，which can provide references for the construction of competitive intelligence system based on big data.
〔Key words〕big data；enterprise；competitive intelligence system；system evaluation；index system
大數據正在改變我們的生活以及理解世界的方式，也在改變著商業組織和社會組織的運行模式。充分理解數據的價值，知道如何利用大數據為企業經營決策提供依據，目前已逐漸成為大數據時代商業組織應具備的最基本思維。在這種數據驅動決策的思維模式下，不少情報學研究者從對大數據競爭情報系統的模型、體系結構、運行機制等多方面進行了探討。如2013年，中山大學黃曉斌教授率先提出了基于大數據的企業競爭情報系統模型，并分析了該模型的結構和作用[1]。同時，越來越多的企業，如IBM、亞馬遜、谷歌、微軟、沃爾瑪等，開始重視大數據競爭情報軟件系統的開發與建設的嘗試，并且取得一定的成果。
然而，由于大數據的復雜性以及對大數據研究尚屬于啟動階段，為確保大數據競爭情報系統的實用性和安全性，有必要建立一套面向大數據的競爭情報系統評價指標體系，引導企業在大數據時代建設競爭情報系統，提高競爭情報服務質量。本文根據競爭情報系統的構成，圍繞大數據帶來的思維變化和當前競爭情報系統面臨的問題與挑戰，研究大數據競爭情報系統的評價框架，戰略、技術和人3個方面相結合，構建體現大數據思維的競爭情報系統評價指標體系，從功能覆蓋、運行狀態和用戶體驗等多角度出發，綜合考察競爭情報系統，提升競爭情報系統的準確性和有效性。
1競爭情報系統評價研究現狀
隨著競爭情報在企業戰略管理中扮演的角色越來越重要，人們對于競爭情報系統及其帶來的效益展開了多角度多層次的評價。從文獻調查結果來看，國外對于競爭情報系統評價方面的研究成果主要集中在信息系統質量評價，提出了不少評價模型。如McCall模型[2]、Boehm模型[3]、Perry模型[4]和Gillies模型[5]，以及由國際標準化組織提出的一系列軟件質量模型，如ISO/IEC9126、ISO/IEC25010模型等。而對于大數據系統的評價研究正在進行之中，其中影響較大的是圍繞CAP理論展開的研究。2000年和2012年，Brewer提出并完善了CAP理論，認為分布式系統應具備3個特性：一致性（Consistency）、可用性（Availability）和分區容錯性（Partition Tolerance），并且論述了這3個特性之間的關系和取舍[6]。此后圍繞CAP理論展開了激烈的討論。如Abadi提出在大數據時代，分布式系統除了有C.A.P特性之外，還應該考慮到系統的響應時間[7]。
國內對于競爭情報系統評價的研究成果主要集中在以下3個方面：（1）績效評價。張翠英，張靜等根據競爭情報系統績效的影響因素選擇相應的技術指標體系，構建企業競爭情報系統灰色模糊評價模型[8]；邱均平等基于預期效用理論構建了競爭情報系統績效評價指標和評價模型[9]。（2）軟件系統評價。如侯麗從決策與情報系統的互動角度出發，探討了情報系統三大子系統的評價方式，并構建了相應的競爭情報系統指標體系[10]；胡桓構建了競爭情報系統軟件可用性測評體系，并針對國內三大競爭情報系統軟件進行了實際測評并使用層次分析法對測評數據進行分析[11]；（3）成果評價。如張志千，趙繼倫在分析企業競爭情報成果的類型及特點的基礎上，從內容性、可用性、應用效果、用戶滿意度4個方面構建包含11個二級指標的評價體系，對企業競爭情報成果進行模糊綜合評價[12]。
總的來說，國外研究成果比較多，但是這些評價模型總是想要以單個的模型廣泛地應用于所有軟件和信息系統的開發，顯然難以直接應用于業務性很強的競爭情報系統評價中。國內的研究比較具有針對性，但是從文獻調查的結果來看，目前大數據競爭情報系統的評價研究欠缺。而大數據無疑會給競爭情報系統帶來巨大的沖擊，因此，如何針對大數據競爭情報系統建立合適的評價指標體系和評價模型依然是一個開放的課題。
2大數據對競爭情報系統性能提出的新要求
維克托?舍恩伯格在《大數據時代：生活、工作與思維的大變革》中明確指出，大數據時代人們對待數據的思維方式發生了3個方面的變化：全數據而不是樣本數據、接受混雜性而放棄精確性、關注相關性而放棄追究因果關系[13]。這些思維變化給競爭情報系統提出了新的挑戰，突出表現在以下幾個方面：
2.1高性能
大數據帶來思維的第一個變化是全局思維：對全數據進行考察，發現趨勢和主流，而不是深入樣本數據進行局部探索。這對競爭情報系統性能提出了挑戰：一方面，要有足夠的容量來存儲和處理全數據；另一方面，流程整合、信息挖掘和實時工作等新應用系統對競爭情報系統的帶寬、響應時間、吞吐量等提出了更高的要求。高性能是競爭情報系統在大數據環境中生存的基礎，既需要大數據競爭情報系統升級硬件產品，在系統容量上實現提升，也需要采取更符合大數據處理應用的數據計算邏輯，增強系統的彈性，提高資源的利用率。
2.2容錯性
大數據帶來思維的第二個變化是容錯思維：忽略數據不一致帶來的分析結果不精確性，快速獲得研究對象的發展趨勢比精確度更重要。這要求競爭情報系統有足夠的容錯性來應對數據處理過程中因磁盤故障、網絡故障、服務器故障等帶來的數據不一致性，容許一定程度的錯誤與混雜，用概率看問題，站在更高的層面來觀察和分析數據，獲得支持決策的知識和洞察力。
2.3智能性
大數據帶來思維的另一個重大變革相關思維：關注相關性而不是追究因果關系。這意味著更多的創新，跳出原有的思維定式，從關聯事物中找到突破口，孕育新的事物。這使得競爭情報系統也要跳出線性思維的運作模式，提高系統的智能性，采用云計算、機器學習、數據挖掘等智能技術，對海量的數據進行統計性的搜索、比較、分析、歸納，并對事物發展趨勢和前景進行主動、立體、邏輯地分析，幫助人們提前發現事物的規律，預測事物進展的趨勢，早人一步提出創新性的決策。
2.4安全性
大數據作為企業最寶貴的核心資產，它的安全需要強有力的保障，避免病毒、攻擊、非授權的訪問與泄密。目前對大數據安全的也受到人們越來越多的關注，如2013年澳大利亞政府明確提出了將個人隱私保護和安全性作為衡量大數據處理系統的一個重要標準。作為企業決策支持系統，大數據競爭情報系統必須做到對企業敏感數據的安全監管，包括企業交易數據、合同信息等隱私或者敏感數據，有能力保護企業的敏感數據不被有意或無意的泄露出去。
3面向大數據的競爭情報系統評價指標體系
競爭情報系統是一個應用性很強的綜合系統，除了上述對大數據思維的考慮之外，還需要考慮競爭情報系統實際運行情況、情報保障能力以及使用者的感受考慮進去。下文先從競爭情報系統的構成出發，探討競爭情報系統的評價思路，然后將大數據的特性考慮進去，在綜合其他文獻提出的指標的基礎上，設計出大數據競爭情報系統的評價指標體系。
3.1大數據競爭情報系統的評價思路
企業競爭情報系統是以人的智能為主導、以信息網絡為手段、以增強企業競爭力為目標的人機結合的企業競爭戰略決策支持與咨詢系統[14]。由此可見，競爭情報系統由戰略、技術和人3個方面組成：①競爭情報系統要服務于企業戰略，要滿足或者超越企業決策支持的期望和需求。②競爭情報系統是建立在信息技術基礎上的軟件系統，要有足夠的技術支持才能勝任競爭情報任務，尤其是在大數據時代。③競爭情報系統的服務對象是人，包括開發者、管理者和使用者。
建設競爭情報系統的目的是以人為本，采用適當的信息技術，構建功能強大的軟件信息系統，為滿足和超越企業戰略需求提供足夠的情報支持。因此，我們不能僅從系統的技術性能表現來判斷系統好壞，而要從多個角度來綜合衡量：
（1）戰略保障角度。主要考察競爭情報系統是否能夠根據企業戰略的具體要求，搭建競爭情報系統的功能構架，提供足夠的競爭情報能力，滿足或者超越企業決策支持的期望和需求。
（2）運行狀態角度。主要考察競爭情報系統的技術性能狀態。技術是競爭情報系統運行的基本保障，尤其是在大數據時代，必須要有足夠的性能表現才能應對海量的復雜數據。在評價時，要深入到技術層面，考察各個功能模塊的性能表現，從細節上衡量競爭情報系統的好壞。
（3）用戶體驗角度。主要考察管理者和用戶對競爭情報系統的使用感受。競爭情報系統是一個人機結合的智能系統，人的感受是決定其效用的一個重要方面，同樣也是進行系統評價時必不可少的一個方面。
根據上述描述，我們對競爭情報系統的評價思路進行了歸結，如圖1所示：
從評價過程來看，采用由表及里、主觀評判與客觀測量的評價策略。先評價靜態的東西，考察競爭情報系統的功能構成，然后深入到每個功能模塊，測量其性能表現，再從用戶的角度，根據用戶感受對系統進行補充評價。評價的主要目的是要改善和提高競爭情報系統的質量，因此，在評價過程中有內反饋、外反饋和跨域反饋，如圖中虛線所示。其中，內反饋是指前向的直接反饋，如功能評價后，發現問題，反饋到情報規劃層，修改或補充系統功能；外反饋是指從評價結果到大數據情報系統的反饋；而跨域則是不同的領域之間的相互反饋，如根據用戶評價的結果，調整系統的技術指標等。
根據圖1可知，該評價思路中有3個評價過程：
（1）功能評價。評價紙面上的東西，即評價競爭情報系統所具備的功能、數據處理類型、提供的文檔、制定的流程和安全管理的規范等。
（2）性能評價。性能評價是對競爭情報系統的運行情況進行評價，該過程需要統計系統日常運行的記錄數據，包括網絡流量、響應時間、故障恢復時間等。這些因素是系統在運行過程中表現出來的特質，是系統性能狀態的數據表征，較為客觀地反映了系統的真實質量。相對來說，技術性能視角的評價更為科學、客觀和顆粒度更細。
（3）用戶評價。用戶評價主要是從情報系統的使用者和管理者的視角來考查系統的質量問題，由管理者和使用者根據系統在競爭情報業務流程中發揮的功能效用的使用體驗，對大數據競爭情報系統的質量進行評價。
3.2大數據競爭情報系統的評價指標體系
由上節提出的評價視角和評價過程分析，我們將競爭情報系統的評價指標劃分為3類：功能性指標、性能指標、用戶指標。在這3類指標中，我們力圖突出大數據的特性，提出符合大數據思維的競爭情報系統評價指標體系，如表1所示。
3.3評價指標的度量
從上述對評價思路、評價視角的分析來看，大數據競爭情報系統的評價與一般的軟件系統評價有很大的區別：
3.3.1評價指標多層次多視角
大數據競爭情報系統的評價涉及到多個階段，從總體到細節，由外至里，劃分為3個不同的評價過程。每個評價過程涉及的因素眾多，指標體系呈現多視角、多層次結構。
3.3.2主客觀評價相結合
除了技術性能中部分指標之外，其他指標為定性指標，有一部分指標需要依靠主觀評價得出，如用戶體驗視角的評價指標。
對于客觀指標，主要的手段為專項測試，針對大數據競爭情報系統的某個屬性，采用專業技術進行單項測試，檢驗系統在某個功能上的性能表征。如系統的TB 可以通過測量系統的平均等待時間內響應次數，然后除以測量次數，即可得到客觀的數據值。表2是部分三級指標的度量方法。
對于主觀指標，主要手段有兩種：專家打分和問卷調查。專家打分邀請競爭情報方面的專家和有豐富經驗的競爭情報工作者對系統的功能、設計進行評分，然后采用層次分析法、灰色評價法或神經網絡法進行綜合評判；問卷調查則是將設計好的問卷發送給競爭情報從業人員，讓其回答問題，根據回答問題的結果進行評分。專家打分表部分如表3所示。
4結束語
本文從戰略保障、運行狀態和用戶體驗3個角度出發，結合大數據思維對競爭情報系統的影響，在宏觀、中觀和微觀層面建立了大數據競爭情報軟件系統的評價指標體系。本文提出的評價指標體系將業務、技術和人對競爭情報系統的要求相結合，提取出不同的評價指標，能夠較為全面地反映系統質量的特點。由于大數據本身的復雜性，評價指標體系對于大數據的特性體現得仍然不足。在今后的工作中，將繼續深入探究大數據的特性，進一步完善評價指標體系，增強量化評價的可操作性，同時，統籌兼顧各指標間的內在聯系和相互制約，研究建立綜合量化的大數據競爭情報系統評估方法。
參考文獻
[1]黃曉斌，鐘輝新.基于大數據的企業競爭情報系統模型構建[J].情報雜志，2013，（3）：37-43.
[2]J McCall，P Richards，G Walters.Factors in Software Quality[R].Technical Report CDRL A003，US Rome Air Development Centre，1977，（1）：1106-1113.
[3]B W Boehm，J Brown，H Kaspar，et al.Characteristics of Software Quality[A].TRW Serious of Software Technology Vol 1[M].New York：North-Holland，1978.
[4]W E Perry.Quality Assurance for Information Systems：Methods，Tools and Techniques[M].New York：John Wiley & Sons，1991.
[5]A Gillies.Modelling Software Quality in The Commercial Envi-ronment[J].Software Quality Journal，1992，（1）：175-191.
[6]Eric A.Brewer.Toward robust distributed systems[C].Proceedings of the Annual ACM Symposium on Principles of Distributed Computing，Portland，July，2000，（19）：7-10.
[7]D.J.Abadi.Consistency Tradeoffs in Modern Distributed Database System Design：CAP is only part of the story[J].Computer，2012，45（2）：37-42.
[8]張翠英，張靜.灰色模糊評價法在競爭情報系統績效評價中的應用[J].情報科學，2010，（1）：81-85.
[9]邱均平，謝輝，李進華.競爭情報系統績效綜合評價研究[J].情報科學，2011，（4）：481-486.
[10]侯麗.基于決策的情報系統評價指標體系構建[J].情報理論與實踐，2009，（1）：105-108，104.
[11]胡桓.基于層次分析法的競爭情報軟件可用性評價[J].情報科學，2010，（3）：434-437.
[12]張志千，趙繼倫.企業競爭情報成果模糊綜合評價研究[J].圖書情報工作，2014，（4）：53-58.
近幾年隨著社會的發展，信息技術和計算機在迅猛發展，在各個領域都需要大量的數據，這有利于企業了解市場，而這個時代的數據大爆炸已經不能被現代化的計算機所消化了。在信息化社會，到2020年，全球以電子形式存儲的數據量預計將達到35ZB，而這其中，企業數據正在以55%的速度逐年增長。IDC預測，大數據技術與服務市場將在2015年達到169億美元，年增長率甚至達到40%，這是大數據時代到來的趨勢。我們將這些數據稱為“海量數據”，這個概念其實在2008年時就已經被提出來了，最早提出是在谷歌成立10周年的慶祝典禮上，被稱為“BigData”，后來也曾在雜志上討論，我們應該如何面對現在的數據大爆炸時代，這不僅是機遇，也是一種挑戰?？梢赃@么說，大數據時代是信息社會的變革，是信息化和科技發展的產物，它具有很強的緊迫性，對我們這個時代也有重要意義，如何將數據整理、分析、歸納和共享成為全世界都在關注的事情。大數據時代的到來對于企業來說是更大地挑戰，如何在這樣的一個時代加強自己的競爭力，把握住每一個客戶的資料和數據，成為企業提高國際競爭力的關鍵。數據流的廣泛應用使企業不斷審視自己的IT管理模式，逐漸形成規?；?、多樣化和高速化的企業管理模式，可以說大數據時代的到來對于企業既是機遇又是挑戰。
2相關概念
在信息化時代“，數據”成為一個熱門詞匯，如今數據已經深入到每一個行業和領域，并成為促進生產的重要因素。而“大數據”這樣的概念是在數據的基礎上逐漸流行起來的，這最早源于美國“。大數據”指的是運用更先進軟件和科技對數據進行管理和分析，將數據流整合，將海量的數據進行處理，也就是說，傳統的數據管理技術已經不能適應現在的大量數據了，我們要進行新技術的開發，迎接大數據時代的到來。大數據(Bigdata)一般指的是軟件工具難以捕捉、管理和分析的大容量數據，其單位通常是“TB”。大數據是一個企業在創造了大量非結構化和半結構化數據后，組成一個數據集，其具有4V特性：(1)容量大(Volume)。非結構化數據的超大規模和增長；占總數據量的80%～90%；比結構化數據增長快10到50倍，是傳統數據倉庫的10～50倍。(2)格式多(Variety)。異構和多樣性；很多不同的形式，如文本、圖像、視頻、機器數據等；沒有模式或者模式不明顯；不連貫的語法或句義。(3)價值高(Value)。大量的不相關信息的提純；對未來趨勢與模式的可預測分析；深度復雜分析(機器學習、人工智能VS傳統商務智能咨詢、報告等)。(4)速度快(Velocity)。實時分析而非批量式分析數據輸入、處理與丟棄，立竿見影而非事后見效。數據之間的跨應用和跨系統的結構化和非結構化數據體現著數據與數據的復雜關系，這些數據相互之間關聯卻又相對獨立，大量的數據通過儲存和分享進行交換和聯系。通過對大量數據進行分析、整合和交換，不斷創造新的價值，加快生產，發現新領域和新知識，將數據流最大價值化和最大應用化，這是大數據的實質與內涵，簡單來說，就是將大數據內部信息進行關聯和挖掘。
3大數據給公司帶來的挑戰
新疆新捷股份有限公司成立于1995年8月，是專業從事天然氣終端銷售及綜合利用的企業。公司秉承中國石油“奉獻能源、創造和諧”企業宗旨，堅持昆侖能源“低碳經濟、綠色發展”理念，努力將公司建設成為國內一流的天然氣終端銷售企業。從企業戰略著眼，信息就是財富，企業如果對這些大數據管理得當，就可以發掘出更為強大可靠的決策信息。目前大數據時代給企業管理者帶來的挑戰有如下幾個方面。
3.1如何獲取大數據現在很多企業所能獲取的數據信息有限，僅僅是冰山一角，大約為總數據的15%以下，并且對數據整合程度不夠，存在很多非結構化數據和半結構化數據。無法獲取足夠的數據成為企業發展的障礙，這些對于現代企業來說是一個很大的難題，傳統的商業智能系統對大量信息數據的標準化和結構化整合已經不能適應，海量數據的產生需要企業運用先進的手段獲取更多，并對信息數據加以整合，這樣才能通過大量的數據分析市場需求，增加客戶，提高企業的服務質量，不斷提升企業的國際競爭力。因此，如何獲取大數據成為新疆新捷股份有限公司的一個挑戰。
3.2對管理團隊的挑戰新疆新捷股份有限公司的傳統管理模式是高層決策者憑借自己的經驗和決策能力下決定，其他管理人員負責完善決策和執行。在大數據時代來臨前數據量較小，信息有限且獲取信息的成本較高，因此這種傳統的管理模式還可以適應企業發展。但隨著信息化社會的發展和大數據時代的到來，這種傳統的管理模式已經不能適應海量的數據，這更多的是需要新疆新捷股份有限公司通過大量的數據進行分析，結合企業自身的特點，組成管理團隊進行決策，這樣才能不斷適應社會的發展，增強企業的競爭力。決策者在決策過程中的直覺主義已經不能適應大數據時代，這是企業在管理上遇到的一個挑戰。
3.3對企業管理流程的挑戰多數企業的管理流程是逆向思維方式，也就是說通過在經營過程中出現的問題進行分析，通過一個管理團隊的討論和協商，制定出一套解決方案，這樣的管理流程有一定的好處，但也會因為有一些管理問題還沒有出現，導致管理上的疏漏，而新疆新捷股份有限公司就曾是這樣的管理流程。對于現在海量數據的產生，新疆新捷股份有限公司不能再按照逆向思維模式進行管理了，其應該盡量運用正向思維的管理方式，根據現在大數據時代的特點，進行數據收集，找出數據之間潛在的關系，對客戶信息進行整理分析，充分了解客戶的需求，進而提出優化方案，這樣更有利于企業發現自身的問題，并走在其他企業前面，提高競爭力。
4大數據時代企業管理變革
隨著信息流動、網絡新生代的成長和數據量的增加，過去傳統企業可能通過強大的體制控制力，或者信息不對稱的優勢地位進行封閉企業管理的模式，在今天已經越來越行不通了。面對海量數據，我們要以數據體現的內容為先決條件，不斷適應大數據時代的變革，同時，對企業的管理進行改進和變革，大數據時代下企業管理需要做出變革幾點如下。
4.1獲取數據在大數據時代，企業最重要的是進行數據的獲取，收集一定的數據才能更好地對企業進行管理和實施決策。大數據需要有一個平臺，需要進行一個數據的抓取，它有傳輸、分析、建模、優化等作用，最后產生認知，這些都是在大數據這個平臺上所必須具備的一些特性。這些特性使得企業間可以通過大數據平臺進行跨行業交流。大數據平臺會把全世界的數據進行共享，使得全世界在物理空間的活動都得以體現在大數據平臺上，這是一個很重要的概念。對于企業來說，要不斷融入這個平臺，通過共享數據和收集數據，開發潛在客戶。
4.2管理團隊的挑戰大數據時代的到來對于企業的管理既是機遇又是挑戰，對于企業的管理者來說，這有利于數據的收集和分析，我們在面對大數據的挑戰時，首先要將數據量化，量化的數據有利于管理效率的提升，管理者通過大量的數據信息掌握公司的業務和客戶，對公司內部和外部客戶進行管理，提升管理和決策的質量。我們可以通過以下三個方面面對挑戰。
4.2.1轉變管理模式企業在管理上要與時俱進，要在大數據時代充分了解數據是什么，并通過數據進行有利于自己企業發展的分析，要根據大數據轉變管理模式。海量數據是管理的主線，我們應該通過數據說話，利用數據進行潛在客戶的挖掘。以往的管理模式都是由高層人員根據自己的經驗進行決策和管理，而在大數據時代，我們應該建立一個管理團隊，對海量數據進行管理和收集，通過分析數據得出結論，再通過研究討論，最終確立決策方案。這種管理方式可以給企業帶來巨大的商業價值，實現企業對客戶進行增值服務的附加值，以數據為主的管理模式更合理，更科學，也更符合大數據時代的特點，此外，還有利于企業增強競爭力，提高管理和決策的效率。
4.2.2轉變思維模式面對大數據時代，企業管理者需要對大數據進行量化分析，這和傳統的思維模式并不相同，因此需要轉變管理者的思維模式。在面對重大決策和企業管理時，要先進行數據查找和數據分析，從數據上得出結論，分析結果，最后再進行決策和管理，這種方式不但會提高管理者的效率，也會提高其他工作人員的積極性和業務執行能力。另外，我們要允許數據做主，也就是說提高數據分析的力度，將來自一線的數據進行分析，通過數據判斷決策是否正確，大數據的整理和分析是需要較長的時間來完成的，這對企業來說也是一種挑戰。
4.2.3培養人才資源在大數據時代人才資源是一個企業發展的重要因素。如今的高級管理人才越來越稀缺，擁有綜合能力的管理人才不多，因此企業應該進行管理人才的培養，只有將人才、科技、管理、決策進行融合和調整，才能使企業清晰自己的發展目標，制定適合自己的發展戰略。企業可以在管理人才的選擇上挑選一些經驗豐富、學歷較高的人才，再進行崗前培訓和在職培訓，提高他們的管理能力和應對大數據時代的能力。企業通過培養視覺化、系統化人才，將企業的海量數據進行快速、高效的整理和分析，從而提高企業競爭力，使企業能充分迎接大數據時代帶來的挑戰，更好地把握大數據時代出現的機遇。
5結語
[關鍵詞]大數據；統計數據；準確性；評估方法；適用性
[DOI]1013939/jcnkizgsc201529041
1大數據的出現與應對
1.1大數據的概念特征
大數據的概念從字面上可以理解為龐大的數據集合，當然，如今的數據早已不局限于單一的數值變化，而是在數字網絡概念中彼此交疊冪次增長的非結構化信息統籌。根據IDC報告，我們可知全球數據量的驚人變化，2009年80萬PB，2010年增幅達50%，達到了120萬PB，至2011年躍至190萬PB，激增的數據量印證著大數據時代的到來，見下圖。
2009―2011年的數據量變化柱狀圖
雖然對于大數據還沒有約定熟成的理論定義，但是在本文中我們不妨直觀地將其理解為涵蓋數值數據和非結構化數據，并對其進行分析整合的海量數據集。
大數據的幾項具有辨識度的特征，首先是數據集在體量上應超越TB數量級，其次是數據信息應多樣化，有數值數據，也有像是圖片、視頻、音頻等非結構化數據，再次是數據的產生、采集和處理應快速及時，最后是數據集整合的數據信息應具有全面性和有效性。
1.2大數據對統計研究的挑戰
大數據的龐大數據體量，快速增長處理需求，多樣化全面性數據整合等現實情況都讓統計研究面臨著巨大挑戰。傳統的單一維度的樣本抽查的研究分析模式已經不足以保證統計數據的準確性。因此，我們不僅要擴大研究分析的樣本量保證統計結果的客觀性和真實性，還要通過增加反饋信息的呈現路徑，激發目標群體的新型互動模式，將文字、圖片、視頻、音頻等都納入數據庫，從而增加數據維度，獲取高品質海量數據，實現統計研究新變革。
2大數據時代背景下統計數據質量的界定
2.1統計數據質量的含義
統計數據質量的核心在于其準確性，在大數據時代背景下，統計數據質量還需考量統計目的，即滿足統計目的的具有準確性的統計數據呈現。
2.2統計數據質量的特征
根據上述統計數據質量的含義，我們可以提煉出有關大數據時代背景下統計數據質量的兩點特征。第一，是針對數據內容，應在客戶接受范圍內控制誤差，保證數據采集處理的快速及時，并符合統計目的。第二，是針對數據呈現，要有規范性的闡述，保證統計數據的口徑計算等采用相對一致的方式，表達完整，直觀易懂，盡量避免歧義冗長。
3各類統計數據質量的評估方法及適用性分析
3.1邏輯規則檢驗
邏輯規則檢驗法，是宏觀的針對總量數據的一種評估方法，即根據統計數據中各個指標之間相互作用，彼此粘連的內在邏輯關系，來衡量測試數據的真實性和可信度。
由于這種邏輯規則檢驗法是基于傳統的統計理論，且可操作性強，易被客戶理解接受，所以在實際統計數據評估中應用廣泛，常被用于政府統計部門的統計工作。但是，這種方法存在明顯漏洞，因為其檢驗規則過于單一，只要不出現重大邏輯沖突則推論出數據可信，加上即使出現了邏輯矛盾，僅通過比較無法獲知問題所在，無法確定問題數據的準確范圍無法規避結果的多重性，使得結果相對粗略草率。
根據以上分析判斷邏輯規則檢驗法的適用性，我們可以將其作為初步評估統計數據的方法，在宏觀經濟統計數據中以它為基礎，結合其他方法，進行復式檢驗，能夠更好地得出統計結論，獲得民眾理解和認可。
3.2核算數據重估
核算數據重估法，是一種對于邏輯規則檢驗法延伸拓展的評估方法，即基于待評估數據的核算體系重新設定的統計指標，從而重新估算統計數據，然后對比現實數據，實現對統計數據質量的評估。這種評估方法的基本思路是一種在重新計量中的重復調查，擴充針對性的資料，將理想數據與實際數據對比分析，找出問題所在。
這種重估統計指標的評估方法與邏輯規則檢驗一樣是在假設基礎核算構成準確性的前提下進行的，而重設的統計指標與現實統計的指標方式仍具有差異性，因此其對比評估的結果只能作為一種參考性依據，能找到問題數據的大致方向但無法呈現具體錯誤情況。它尤其適用于判斷GDP的增速準確性。
3.3計量模型分析
計量模型分析法，也是一種針對總量數據的評估方法，即在難以確定統計數據確切邏輯關系的情況下，建立模型評估，檢查是否出現差異情況。這種方法的關鍵是建立模型，尋找異常點，在操作過程中需要先根據統計理論和統計目的建立相應的計量模型，再將樣本數據進行相應估算檢查，反復調整，多次代入評估，最終得出結論。
3.4統計分布驗證
統計分布驗證法，是針對分類數據的一種評估方法，即在掌握了個體數據和分類匯總數據之后，基于已知的分布特性，驗證理論性分布情況與實際統計數據分布情況是否相悖，進而得出評估結果。
這種評估方法的檢驗過程首先是通過理論分析和調查研究確定統計分布的特性，找到個體數據與匯總數據的分布形態，然后對比理論數據與待評估數據的分布是否一致，若是發現異常點則需要進一步驗證分析其具體誤差值情況，從而判斷統計數據質量。這種評估方法的缺陷在于確定統計數據的分布特性，這是評估的前提，但也是在實際操作中最難攻克的關鍵。
3.5調查偏差評估
調查偏差評估法，是一種事后調查分析的方法，即通過對統計數據中調查偏差的評估，約束調查條件進行重復調查，以期獲得最真實的統計數據。這種方法的開展是在預設存在可得的真實統計數據前提下，那么這個關鍵點就成為了該評估方法最大的痛點和爭議點，因為是否存在理想調查條件下可得的真實統計數據是未知的，換言之就是假想的，沒有科學依據的。加之在實際操作中，要進行有效的調查條件控制涉及誤差參數的確定，計量模型的構建，同時在區域范圍內實現多次重復調查的難度也很大，因此，調查偏差評估的實際應用有限，當下僅適用于像人口普查這類的地區性普查統計數據的分析。
3.6多維評估延伸
由于大數據時代統計數據內容的多樣性，多維化，評估方法的多維延伸也成為必然。所謂多維評估法目前涉及四種的評估路徑，即多級量度、指標檢測、用戶需求，以及統籌綜合。雖然由于長期以來對數值統計分析的側重，多維評估還在發展階段，尚不成熟，但是隨著統計數據的非結構化特性日益彰顯和人們對于統計數據質量要求的日益提升，多維化評估將逐漸受到重視，得到完善應用。
4結論
本文分析了包括邏輯規則檢驗、核算數據重估、計量模型分析、統計分布驗證、調查偏差評估、多維評估延伸在內的六種評估方法的概念特征，以及適用性。其中前三種都是針對統計總量的評估方式，而后幾種則是針對分類數據的評估方法，涉及充分的信息采集，分布特性的確定，初始調查條件的確定，以及多維度的延伸。這些假定的前提與實際數據始終存在偏差，因此在獲得真實數據上還是屬于理想化推測，始終存在爭議點，而且在實際操作中具有執行困難。
通過分析，我們不難發現目前各個對于統計數據質量的評估方法仍存在較大的缺陷，這直接影響到我國統計事業的發展和與之密切相關的經濟社會的總體發展。因此，我們需要加強對統計數據質量評估方法的研究力度，進一步完善評估體系，適應大數據時代的發展需求，用多維度復合型的研究成果保證統計結果的客觀性和真實性，還要通過增加反饋信息的呈現路徑，激發目標群體的新型互動模式，實現中國統計研究的新變革。
參考文獻：
[1]王華，金勇進統計數據準確性評估：方法分類及適用性分析[J].統計研究，2009（1）
[2]許滌龍，葉少波統計數據質量評估方法研究述評[J].統計與信息論壇，2011（7）
[3]程開明，莊燕杰大數據背景下的統計[J].統計研究，2014（11）
[4]崔路云基于大數據時代背景對統計學教育的幾點思考[D].北京：首都經濟貿易大學，2013.
[5]劉春燕論大數據時代的統計制度與方法改革[J].蕪湖職業技術學院學報，2013（11）
電子商務的發展離不開大數據，企業通過大數據對各種數據進行整理得出一定的規律來探尋近期的消費趨向、消費特征，以此來制定一系列的相應營銷策略，這樣大大縮小了市場調查與決策分析的時間，使企業獲得更多的經濟效益，實現了一個良性的市場循環使各個環節都實現高效運作。大數據與電子商務的結合是必然的，它將帶我們步入一個新的創新局面。
一、大數據概述
大數據不僅僅只是單獨意義上的擁有海量的數據信息量，而在于它更深層次的意義，對數據進行專業化的處理及分析，大數據是指所涉及的海量數據無法通過一些技術或者工具來進行整理和收集，而大數據時代的到來卻解決了這一問題，使海量數據變成了企業最寶貴的財富，給企業和人們的生活帶來了無法想象的巨大影響。
大數據和傳統的數據倉庫相比，具有很多的優勢和創新點。大數據具有四方面的特點：
1、數據量巨大。它擁有各類的海量的數據，涉及面更廣、種類更加齊全，還包括了需求分析、用戶細分等不同的數據分類，能夠滿足人們不同的需求。
2、數據種類繁多。大數據的容量比傳統的數據倉庫更大，其容納的信息量也必然繁多，信息種類也更加廣泛，有用戶的反饋信息、消費記錄、消費特點等非結構化的數據。
3、價值密度低，商業價值高。大數據需要從海量的數據當中提取出來對人們有用的資料，技術的難度增加了，數據的價值密度與其數據量不成正比，因此數據的價值密度低而商業價值高。
4、數據處理速度快。大數據通過對海量的數據進行處理，在巨大的數據庫中進行查詢，找出有價值的資料，只有通過不斷的提高其運行速度才能降低成本獲得經濟利益。
從某種程度來說，大數據是信息時代的一種創新技術，它將海量的信息數據量進行統計分析，從中獲取有價值的數據，它的這種獲取有用信息的能力就是大數據。企業通過這一技術能夠提高決策效率，降低生產成本從而獲得經濟效益。
二、大數據處理與電子商務
（一）電子商務的大數據時代
大數據的特點為電子商務帶來了許多的技術創新和思想觀念的改變，電子商務的發展主要依賴于消費者，掌握了消費信息的數據，就能夠以此來制定合理化的經營策略，能夠提前預測市場的發展方向，提前規劃和調整商品的類型及數量，依據消費者的消費特性來生產不會造成資源的浪費，還提高了生產效率，降低了成本。使企業擁有了更多的時間來開發新的商品，來增加消費者的數量，提高市場占有率。
（二）大數據時代的電子商務
步入大數據時代的原因：
1、個性化需求的增加。社會的發展使人們的生活水平不段的提高，人們的消費心理也在不斷地發生著變化，都希望自己是獨特的，是與眾不同的，企業通過大數據來進行數據分析，來為人們制定不同的需求方案和個性化產品。
2、信息技術的發展。隨著互聯網的發展我們進入了信息時代，海量的數據信息的出現讓數據的收集更加的便利，通過網絡數據被廣泛的使用，提高了其利用價值，還能夠被反復地使用，實現循環利用超出了其自身的價值。
3、用戶產生數據。大量的數據是來源于用戶，用戶通過網購、查詢資料、瀏覽網頁等都能產生大量的數據，通過對數據的收集、分析就能夠為用戶制定出不同的需求方案，這種信息的種類是廣泛的，成本是低廉的。
4、數據的可獲得性。網店與傳統的零售商相比不同的就是數據的獲取方式不同，網店通過用戶的訪問就能得到用戶的相關信息，瀏覽記錄和消費行為，得到用戶更多的相關信息，而傳統的零售商只能知道用戶此時的需求和購買意向，無法獲得更全面的信息和更有價值的資料，電子商務使數據的可獲得性更加便利。
5、決策分析方法的智能化。大數據通過對數據的分析整理使企業的經營決策更加精準與便利，智能化的應用節省了企業大量的時間，提高了其效率，也為未來的發展提供了經營方向，同時也推動了各種分析工具的發展。
三、大數據為電子商務帶來的影響
（一）加強信息的安全服務
數據是一個企業的核心資源，也是企業具有競爭力的關鍵，加強信息的安全與保護對企業的持續經營至關重要?；ヂ摼W本身就具有很大的安全隱患，存在著漏洞，容易被黑客和不法分子攻擊、利用，如果對信息不加以嚴密保護將會造成很嚴重的后果，許多辛苦研發出來的成果也將會丟失造成不必要的麻煩，加強信息安全是企業必須進行的一道程序。
（二）提供準確的數據分析 ，創新營銷模式
大數據通過提供準確的數據分析，得到人們廣泛的重視，使企業能更加便捷的制定出合理的營銷策略，提高生產效率，降低成本，實現精準營銷。為創新商務的發展提供了突破口，有力的推動了電子商務的發展，構建了新型的商務模式，并且創新了營銷模式，為用戶提供了個性化的服務，凸顯不同消費者的特性，增加了企業的經營業績，使其進入到了一個新的發展階段。
（三）及時的應急處理能力
大數據能夠對海量的數據資源進行信息查詢、數據分析、能夠快速的處理各種的數據，企業不需要任何的硬件安裝，就能通過云平臺來進行存儲數據，同時云技術能夠存儲海量的數據，為大數據的發展提供了便利，能夠不占任何企業的空間來發展企業，為企業存儲信息、分析數據提供了便利，加快了企業的運營速度，促進了企業的發展。
（四）實現產業技術創新，推動差異化競爭
創新使一個企業具備新的活力源泉，創新為企業增添了向前發展的動力，使其具有更廣闊的發展前景和發展空間， 阿里巴巴集團通過對其旗下的平臺業務資源發展創新不斷整合，使其擁有了獨特的數據處理與分析的能力。提高了企業的競爭力，使企業上升了一個層次，通過技術創新使企業獲得發展，用低成本獲得高收益。
【關鍵詞】大數據時代；計算科學與技術；專業綜合改革；人才培養
引 言
大數據是一次信息技術的大變革，已經慢慢成為商業、科技甚至教育領域的焦點，它的數據信息量龐大，其龐大的程度是沒有辦法在人工的有限時間內管理和分析，并且從中提取到能為人們所利用的信息的。大數據通常有四種特性：數據的信息量巨大；數據的類型多種多樣，包含常見的視頻、圖片、音頻、文本和它們的聚合體等；數據處理的速度極快，能從各種數據中快速獲取有價值的信息并能給出決策。大數據技術高速發展，行業應用的需求也越來越大，所以目前市場上的掌握大數據的人才很緊缺，因此，對大數據人才的培養是目前教育行業的重點。大數據的時代使現當代的大學生有了新的機遇去創業和創新，同樣的也為當代的高校信息與計算科學專業課程的改革提供了方向，其人才的培養模式和課程研究顯得尤為重要。
一、什么是大數據
大數據就是海量的數據，并從中獲得有很大價值的信息或見解的當今社會特有的一種新的能力。大數據通常有四種特性：數據的信息量巨大；數據的類型多種多樣，包含常見的視頻、圖片、聲音、文本以及它們的聚合體等；數據處理的速度極快，能從各種數據中快速獲取有價值的信息并能給出決策；具有很高的商業價值。
二、大數據時代對人才的需求與培養
在大數據的背景下，對信息與計算科學專業的學生的教育與培養目標主要是：
（1）增強對于數據的分析能力
面對數據龐大的大數據，分析能力顯得及其重要，在合理的時間內進行管理和處理對幫助公司經營和決策具有積極的作用。
（2）增強本專業的知識，計算科學專業的知識對于數據的分析并了解其中的結構很重要
（3）要增強對數據的應用能力
在對數據的分析能力的前提下增強對數據分析的應用能力，從而實現數據的最終應用。
這三種能力的培養使得學生既具有對大數據的分析能力，又符合當代社會對該專業的知識的需求，從而更好地適應社會，培養出一批能夠掌握能對大數據地收集，儲存，分析，處理并應用地人才。
三、提高大學生的創業創新能力
要提高大學生的創業創新能力，在大數據的時代不斷進步的社會環境下，要增加對實踐能力的培養，多在社會中磨練，增強自主意識，增加創業實踐的機會，讓學生的創新能力在一次次的親身體會中得以增強。因此對計算科學專業課程的結構進行改變并優化，使得其具有創業創新效果的變革顯得極其重要。應當對課堂教學內容和課后的實踐教學，并且對于考核的方式和方法要有實質性的改變。
專業知識教學和實踐教學之間要完美結合起來，在實踐中鞏固理論知識，要培養學生的獨立工作能力，增強計算科學專業的學生的競爭能力，要處理好這個教學環節，就要增加實踐的次數，要充分利用實踐活動，要求全員參加，不得被其它課程取締或占用。
四、要編寫好新型的適合大數據時代的教材并提升相關地硬件設施
目前的教材需求是要增加計算機信息技術、數據處理和分析的相關知識，例如：大數據的分析，數據的探索，大數據網絡的建設等課程。對于一些不太重要的內容可以適當的削減或取消，相關的一些及其復雜的理論可以適當的略講，而要把重點放在實踐和應用上，從而加強學生的應用計算能力。增強學生對概念的理解能力，將一些實用性很強的專業比如C++語言和Matlab語言的應用等課程提前開設，讓學生可以在之后的學習中對實際的問題進行求解，為了實踐課程的學習鋪墊基礎。同時加強對實踐實驗室的建設，對硬件的升級，全面改善學生的實踐環境，讓實踐教學能更好地進行，讓學生在理論學習后能很快地動手實踐，并在實踐后能又很快地去學習，實現理論學習和實踐活動地完美結合。
五、考核方式要變革
改變現有的考試和平時相結合的模式，要重點加強對學生的實踐成果和實踐能力的檢測。好的考核方法會更利于教學的進行。要以能力為核心全面考核學生的學習、實踐和創新能力。要對實驗實訓進行全面評價，以利于接下來的實訓的工作的進行。
結束語
逐漸完成教育制度，規范教學模式，提高教學質量。全面提高人才的培養水平，讓國家的人才能為國家的建設增磚添瓦，而計算科學專業體系的建設仍然有更大的空間去開發，時代在進步，科學在不斷地發展，要把傳授知識和培養能力并提高學生的素質完美地融合起來，而這還需要很長的路要走，這就需要相關人員的共同努力奮斗，不斷變革，創新，讓我國的人才們能更出色，從而推動社會的發展，讓我國的教育實力越來越強，在邁向世界強國的路上能走的更快，提升我國的綜合國力。
作者簡介：吳娜（1995.9-），女，籍貫：湖南岳陽，研究方向：計算機。
參考文獻：
[1]劉淳安.大數據時代信息與計算科學專業課程體系優化改革c實踐――高教學刊，2016.
關鍵詞：互聯網時代；大數據營銷
0.引言
隨著新時代互聯網技術的不斷不發展，人們的衣食住行已完全離不開現代信息技術，企業在發展運營過程中對信息技術的要求越來越高，應用也越來越廣，企業需要依靠現代信息技術將收集到的數據經過匯總分析，總結出客戶的喜好，市場的走向，以便根據市場的變化，隨時做出相應的調整。現代企業的競爭越來越激烈，好的營銷策略是企業在市場競爭中占據一席之地的重要力量，想要企業在如此激烈的競爭中脫穎而出，就必須依靠大數據時代的先進的技術手段找到最簡單有效的營銷策略。大數據的普遍應用對傳統的營銷模式產生了巨大的沖擊，消費者對生活品質的個性化追求日益提高，大數據分析技術下的營銷模式逐漸成為各行業企業取得市場優勢、贏得消費者喜歡的突破口。各行各業根植于本行業特性，在原有成熟營銷體系下加入大數據分析技術，提升營銷策略的準確性，實現營銷手段經濟價值最大化變現。目前，針對大數據技術營銷的發展還處于萌芽期，企業對用戶消費網絡行為等數據的采集、追蹤、智能畫像、定向輸出等高新網絡技術的整合系統還不完善，還未挖掘出大數據技術營銷的潛力，沒有體現出其巨大的商業價值。因此，跳出現有的行業營銷模式和營銷思維，輔以大數據技術特點及已取得突破的大數據營銷模式最新研究成果，全面地分析大數據營銷模式落地實施方式，探索在大數據時代背景下企業營銷的發展目標和方向，從長遠來看有利于企業創造出順應時代潮流的營銷模式，加入大數據技術手段的創新性營銷能夠極大地刺激消費人群，最直接地提高企業對消費市場的占有份額，實現營銷經濟投入與產出的價值最大化。
1.互聯網時展下企業大數據營銷存在的問題
1.1數據質量較差
大數據營銷的基礎是通過大數據技術收集、分析用戶的消費網絡行為的作出定向輸出內容，基礎數據的準確性是大數據行銷的根本。而亟需營銷創新的大部分中小企業由于技術和設備跟不上，專業的技術人員缺乏，導致大數據獲取渠道有限，并且未能對所獲取的大數據進行專業精確地分析。由此當大部分中小企業面對企業經營過程中用戶產生的海量消費數據，也無法提取出有價值的信息，剔除無效信息，導致企業的大數據分析成本極高而轉化率無法滿足企業的要求，無法發揮其高效的營銷效果。同時，大數據技術營銷的各種成功案例促使著機構和相關企業利用大數據炒作、造假和詐騙現象屢見不鮮，辨別數據真實性的專業技術手段也成了企業利用大數據營銷時所面對的難題之一。企業獲取的不準確數據容易造成企業營銷決策的方向性錯誤，導致企業在市場競爭中掉隊，甚至經營困難面臨倒閉的危機。企業必須通過正規的渠道獲取大數據以保證數據來源的可靠性和準確性。只有在所獲取數據真實準確的前提下，才能真正地發揮出大數據的優勢。同時企業也需要配備大數據相應的技術人員，引導企業營銷人員分析企業的大數據，并將獲取到的有效信息運用到實際營銷中。另一方面，有些企業在人員、技術和設備等方面都能夠投入足夠的資源，但是仍然存在著較大的問題。是因為在大數據營銷實踐過程中，片面地關注于大數據的數據量上，卻忽視了數據本身只是為營銷行為所服務的，需要對數據根據不同產品、不同部門進行分類同時全盤統籌，避免不同營銷人員和部門各自為政。數據的分割是企業面臨的一個嚴重問題，不同產品和部門的數據收集儲存在不同地方，聯通性差難以對用戶全面有效地數據匯總分析。而且企業的營銷人員的能力限制，導致無法把收集的數據轉化為有針對的營銷方法，大大降低了大數據營銷的使用效果和轉化成果。
1.2營銷效果不理想
當今社會發展中傳統營銷方面，廣告媒介比較豐富，除了傳統電視報紙等媒體之外，還有門戶網站、商業LED屏、手機APP客戶端、交通宣傳等多種方式，想要達到宣傳效果，就需要統籌媒介渠道，這種營銷手段的營銷成本十分高昂。另外，一般的綜藝冠名和活動贊助費用動輒過億，明星代言更是花費巨大，所以企業采用傳統的營銷費用是顯而易見的。但是即便在高企的營銷費用基礎上，企業也承擔著較大的風險，企業產品與代言的明星相關性太強，一旦明星發生任何負面新聞，對于企業也是有著不小的影響。即便企業在產品設計、市場定價、渠道銷售等方面考慮得面面俱到，例如產品市場定位，先打入中高端市場建立人氣和口碑，再擴展自己的產品線發展極具性價比的低端產品；在銷售渠道方面，參與各大節日促銷和網絡平臺促銷。但是往往企業忽視了產品營銷的根本點，比如對于日常出行類而言，客戶所關心的問題是質量、安全、性價比，這三項特性有一項不足，再完美的營銷策略也達不到預期的效果。
1.3缺乏專業的大數據營銷人才
在這個大數據時代，數據的量多且繁雜，要想從龐大的數據庫中提取出高價值的信息，就需要專業的數據處理團隊。數據的收集、整理、篩選等工作，都不是簡單的數學計算或依靠電腦軟件就能夠獲得的，目前很多企業都缺乏處理海量數據的專業人才。專業的數據分析員成為了各大企業爭相得到的人才，而既能對本公司的運營操作了如指掌又能熟練地掌握龐大的數據信息的人才更是少之又少，大部分的企業在大數據營銷人才方面還是很匱乏的。很多企業雖然有專業的市場營銷團隊，甚至不惜花大價錢聘請專業的營銷管理者，但是，大數據營銷人才和大數據技術型人才仍是他們稀缺的人才資源。
2.互聯網時展下的企業大數據營銷策略分析
2.1拓寬數據來源
在互聯網時代背景下，企業可以根據需要多方位的獲取有效數據：（1）政府機構如銀行等數據；（2）交易數據；（3）移動通信數據；（4）移動通信數據；（5）機器和傳感器數據；（6）企業信息系統。大數據可以作為企業對營銷決策的輔助手段，不能跳躍企業決策人直接下達指令。在大數據技術運用過程中，企業應結合傳統的調研手段構建企業創新型大數據營銷體系。
2.2提升營銷效率
為了進一步提升企業營銷工作效率，企業可以選擇第三方技術團隊幫助自己搭建大數據系統，通過大數據系統源源不斷地獲取數據，并進行高效地數據提取和分析，然后智能化輸出與企業商品、服務及用戶群體相關聯的信息鏈，在系統中將這些信息鏈優化處理并不斷累積，逐漸形成企業自有的龐大用戶信息數據系統，以供營銷人員作為營銷方案的原始數據。企業在經營過程和營銷活動中利用大數據平臺的作用，積累大量的市場信息與客戶數據，依靠大數據系統數據作為基礎，對每一位實際消費者和潛在消費者進行智能畫像，透析其個人喜好與需求，精準地向其輸出商品信息。大數據營銷關鍵在于企業應建立對市場定位及用戶信息數據的信心，從零到有加大資源投入，做到比用戶更了解自己替用戶做出選擇。例如，企業在運營過程中可以利用移動端應用、移動通訊、免費WiFi點等服務獲取本地位置信息類大數據，還可以通過各大電商、搜索、短視頻平臺獲取用戶近期瀏覽、搜索、關注的內容信息并智能化分析，了解其的消費需求信息，整合不同企業的商品及服務內容，采取精準定向投放內容包括商品折扣活動、廣告信息、銷售鏈接渠道等多種信息，具有個性化的營銷活動能更加貼近消費者，提高企業營銷投入的轉化成功率。大數據系統的建立和運營需要企業投入足夠的設備及軟件系統、專業技術人員、信息渠道等資源，收集企業所提供的商品、服務、技術解決方案相關的經營數據、市場定位、競品信息、客戶及潛在客戶等一系列數據，在大數據系統中將這些信息有效的聯系整合，然后通過分析建立企業的用戶消費數據庫。
2.3加強專業人才的培養
在大數據系統運營中需要有專業的技術人員提供維護、升級、更新、數據轉化等服務，可以將企業原有的營銷部門人員配合專業的大數據分析工程師組成工作小組，根據企業商品和服務的特點以及現有營銷活動，制定出大數據背景下的個性化營銷方案，而原有營銷部門人員也可以發揮工作特長，調研前期市場需求和定位，后續跟進商品口碑及改進建議，分析其市場占有率及相關競品數據等信息。通過調研信息調整企業新業務戰略發展方向，打造符合市場潮流的爆款新品，爭取更多的市場占用率。新產品運營部有利于公司大數據資源的成果轉化，利用大數據系統預測用戶潛在消費力和消費想法，提前布局搶占商機。同時在企業管理方面，可以將該部門并入業務團隊，確定以數據流量、用戶粘度、消費額作為考核要點。將營銷部門和大數據工作部門作為兄弟部門，提供良好的溝通協作環境，提升工作效率。企業也可組建單獨的大數據部門，發揮大數據技術的強大分析能力。加強對大數據分析人才的重視和培養，推進大數據營銷復合型人才的崗位定崗定薪工作，快速推進企業大數據營銷的發展。
或許會讓你感到驚訝，但它確實是全新英特爾至強E7 v2處理器帶來的變化。E7 v2是否就是那把打開大數據應用之門的鑰匙？、
“IDC報告顯示，到2020年，中國產生的數據量將達到9ZB?！叭绻麑⑦@些數據印刷裝訂成冊，形成的書將厚得超過在冥王星和地球之間往返30次的距離。”2月25日，在英特爾至強處理器 E7 v2 產品家族的會上，英特爾（中國）有限公司產品平臺事業部總經理Brent Young所形容的這個數據世界，離我們還有不到6年。但今天，大多數人一定依然覺得它十分遙遠。
不要著急，我們與數據親密接觸的時間，或許能伴隨英特爾至強處理器 E7 v2 產品家族的面世而大幅縮短。作為通往大數據未來的關鍵，這個全新的計算平臺或許會驅動整個產業鏈向大數據快步進發。
內存計算的突破
正如Brent Young所說，對計算平臺而言，大數據是一種“新負載”，它所對應的將是對內存計算、內存分析和大規模虛擬化的需求。英特爾至強E7 v2正是為這種“新負載”而設計的。擁有最多15個處理內核，每插槽1.5TB內存容量，平均性能為上一代產品的兩倍，最高可支持32路的服務器平臺……這些改變，讓英特爾至強E7 v2相比上一代產品有了本質上的變化。
人們對大數據的最初設想，是具備對數據的實時分析能力，而支撐實時分析能力的恰恰是內存計算。過去幾年，應用層的眾多需求都指向內存計算，這個訴求雖然一直驅動著計算的發展，但質的變化遠沒有E7 V2顯著。從以往計算平臺的演進來看，多核、并行的發展趨勢，并不能有效解決大數據實時分析的需求。在浪潮集團副總裁胡雷鈞看來，E7 V2與上一代產品相比，內存的可擴展能力提升了3倍，是最令人感到興奮的地方。原先必須放到硬盤上的數據現在可以放到內存中，意味著未來80%以上的數據庫都可以放在內存中運行，連續的數據處理能力將大幅提升，其意義將是劃時代的。
“基于Hadoop架構的大數據分析，對處理器和內存之間的帶寬要求同樣很高。光有大內存并不一定會讓內存計算發揮其應有的效力。E7 v2不僅有足夠大的內存容量，還有足夠強大的內存帶寬的擴展能力，才能讓軟件體現出足夠好的性能?！焙租x強調，這些新特性將讓未來的大數據應用有更大的發揮空間。
大數據是技術推動的結果，扼制住大數據的恰恰也是技術本身的局限性。長久以來，內存計算的變革主要依賴系統上的優化，“胡雷鈞們”要突破眾多技術難關僅能獲得“一小步”改善。而基于計算平臺的突破性變革，才是讓內存計算跨出“一大步”的關鍵。
從分析到實時分析
數據宇宙中的東西對人們似乎很重要，但當前的大數據分析、大數據應用，還遠遠沒有達到人們的預期。人們已經看到了那個將由大數據改變一切的未來，但卻觸不可及；人們努力嘗試著各種大數據應用，但代價卻是長時間的等待或高昂的成本?；趥鹘y的計算平臺，大數據的價值根本沒有被挖掘出來。
在會現場，戴爾的工程師展示了一個真實的大數據應用案例。這是一個基于HANA和BU平臺的智能交通應用，主要是對一個城市的交通狀況進行實時分析，數據量約為100億條、40TB。按照戴爾大中華區企業級解決方案部市場總監彭宇恒的話說，這個演示如果運行在以前的平臺至少需要幾個小時，有時甚至還“跑”不出來。但在E7 V2平臺上，不管是基于投入、成本比或勞動強度進行的運價補貼可選性分析，還是通過基于空間熱點的地理位置分析實現的車輛調度、駕駛路徑優化，抑或是基于一定區域對空車空載率的行駛速度和負重車行駛速度的分析判斷城市道路擁堵狀況，出分析結果的時間均為秒級。
“比如我們選擇一周的數據，一般是100GB左右。再選擇管理駕駛艙，再選擇一個時間段，系統就會立即對這個時間段的數據進行回歸分析，得出數據分布圖，還能細化到每小時、每天、每輛車的數據展示，參數可以隨時調整?！迸碛詈愕恼麄€演示過程就像在玩游戲，無需等待，所有的分析結果都是實時按照他的操作顯示成圖表。對于這樣驚人的分析速度，彭宇恒給出的解釋是，因為這是“內存計算”。所有的數據都在內存中，可以被實時讀取，所以數據分析的圖形可以實時動態變化。
這次演示帶給觀者的最強烈感受是，一直在阻礙人們接近大數據應用時代的東西似乎已被移除。如果說這是計算平臺的又一次進步，那么這次進步正在改變的正是人們對數據分析、數據應用的感官認知。更關鍵的是，它帶來了成本效益上的巨大變化，而這才是大數據被廣泛應用的前提。
2018年，內存計算技術市場規模將達到132.3億美元，是2013年的6倍之多。內存計算會在系統內存中放置整個大型數據集進行分析，而非在傳統硬盤上進行。這意味著企業可以“實時”完成復雜的數據分析，為用戶提供之前無法想象的全新體驗和服務。面對海量數據的實時分析，企業束手無策，很難高效、實時地分析數據，并用其進行高效的商業決策、改善用戶體驗、完成精準的廣告營銷等的局面將宣告結束。
服務器產業再度進入創新期
E7 v2的價值還不僅僅是在大數據分析領域發酵。胡雷鈞認為，在關鍵業務領域，E7 v2對于大幅提升系統穩定性又提供了更多的可能。“幾年前，在底層硬件平臺還沒有像今天這么完善的情況下，我們一直在上層尋求突破。但實際上，如果從系統的角度去做更多保障CPU穩定性的設計，不僅困難大，耗費的精力也會很多，而且還可能費力不討好。一個處理器的生命周期一般只有兩年或兩年多一點，但這種優化就要花上幾個月甚至半年時間?！彼嬖V記者，現在很多問題都已經被英特爾在處理器端解決，上層的軟件可以做更多創造性工作。例如，過去如果處理器周邊的電路上落有灰塵，在電磁環境不好的時候，隨時可能因為靜電短路發生錯誤，而這些意外錯誤積累到一定程度隨時可能會發生突變。如果可以利用軟件查看到這些問題，就可以立即解決，而以前這些問題是沒有辦法解決的?，F在我們通過CPU提供的一些特性就可以用軟件隨時凍結或關閉CPU，而不影響業務運行。因為處理器有了這樣的特性，服務器廠商才能在系統平臺上進行相應的設計，處理器特性的豐富也會給浪潮的設計帶來更大的想象空間。
“從計算的角度看，E7 v2將會帶來強勁的創新加速效應?！痹诤租x眼中，服務器廠商等待已久的創新機會即將因為E7 v2而到來。
通過E7 v2，英特爾已經把高性能計算領域的很多關鍵技術移植到了商業應用領域，商用服務器產品的潛能將由此被激發，而在大數據分析領域，它又提供了解決核心問題的突破性方法。當初，E5的推出曾被服務器市場認為是恰逢“云”時，而今天E7 v2的面世在大數據領域似乎也產生了類似的效果。英特爾如果能贏得整個產業鏈的響應，很可能會讓國內的大數據應用在明年出現全新局面。
一、大數據的概念和發展
大數據指的是以多元化形式，根據眾多來源搜集信息，并將其匯總成一個巨大的數據庫。一般情況下，大數據具有實時特性，這些數據來源于社交網絡、電子商務網站或者顧客的來訪紀錄等等，而這并不是企業公司與消費者關系管理數據庫中的常態數據。在大數據庫中，不僅蘊藏著數據生產者的喜好、目的、真實意圖等非傳統結構上的數據信息，有效處理這些數據信息對網絡架構及數據處理能力也帶來了更多挑戰。同樣，從酒店管理的未來發展走向來看，隨著大數據時代的不斷推進，酒店領域的大數據化也正處于發展階段，這就需要酒店企業正視大數據時代的發展優勢，緊緊抓住發展機遇，切實提高酒店管理工作的效率和質量。
二、大數據應用于酒店管理工作的現狀
（一）對大數據的認識不全面
在不同時代，酒店行業的發展會遇到不同的機遇和挑戰，伴隨大數據時代的不斷發展，酒店行業也得到了更為廣泛的發展平臺。所謂大數據，就是將客戶的資料信息進行綜合歸納和整理，以便作為酒店企業在進行布置布局的重要數據基礎，從而促進酒店行業的快速發展。在采集客戶數據的過程中，仍然存在很多紕漏和不足，而且由于很多企業對大數據的認識不夠全面，導致數據庫往往失去其原本作用，徒有形式而沒有實際作用。
（二）應用程度較低
經過調查與分析，發現很多酒店在進行客戶數據整理與利用方面都存在或多或少的缺陷，其中多數酒店僅僅將大數據應用于銷售營業報表以及盈利預算方面，疏于對這些數據的進一步開發與分析，導致數據信息的浪費，沒有真正發揮在酒店市場營運方面應有的作用。由此可見，在現代酒店管理工作中，很多酒店企業對大數據的應用程度極低，在很大程度上影響了酒店行業的后續發展。
（三）酒店基本服務設施不配套
對一個優秀的酒店企業而言，其服務質量和水平不僅體現在為客人提供的優質餐飲方面，更體現在酒店客房別具一格的設計上。然而，很多酒店企業的基本服務設施不配套，也影響了消費者對酒店服務的滿意程度。因此，為了解決這一問題，各大酒店企業必須要充分考慮到消費者的隱私問題，采取智能門禁、智能取電開關、智能電腦網絡等等先進設備，提升消費者的滿意度。
三、酒店管理工作中大數據的具體應用
（一）應用標準化酒店管理，簡化數據管理
在酒店管理工作中，為了保證其科學化與自動化，就必須要采取良性循環發展的管理模式，應用標準化酒店管理，簡化客戶信息數據管理。另外，酒店也要根據技術與市場的不斷發展做出相應的調適，充分運用大數據，達到推動酒店行業快速發展的終極目的。
（二）確保大數據運用的安全性
目前，由于大數據技術系統仍然存在漏洞，在酒店管理服務工作中常發生客戶信息泄露等問題，而這也嚴重威脅著酒店行業的經營與發展。因此，酒店大數據管理系統必須要及時更新，并通過設計具體管理部門，對客戶信息加密，保證酒店信息的正常流動。由此可見，確保大數據運用的安全性，能夠有效提升消費者的滿意程度，從而增加酒店的收入。
（三）加強酒店信息系統的開發
面對大數據時代的發展與推動，酒店行業必須要積極應對挑戰，及時加強對酒店信息系統的進一步開發，充分發揮在線旅游平臺的優勢，從而建立獨立的數據收集與整理的平臺，通過對信息的歸納與分析，幫助酒店企業更好地了解消費者的實際需求。
關鍵詞：大數據；信息；大數據安全
中圖分類號：TP311.13
麥肯錫公司在2011年的報告（Bigdata：the Next FrontierforInnovation）中，對這種密集型數據爆炸的現象稱為“大數據”時代的到來。大數據領域出現的許多新技術，是大數據采集、存儲、處理和呈現的有力武器。
1 大數據概念
大數據概念的前身是海量數據，但兩者有很大的區別。海量數據主要強調了數據量的規模，對其特性并沒有特別關注。而大數據對傳播速率、體積、特征等數據的各種特性進行了描述。目前對大數據最廣泛的定義是：大數據是無法在一定時間內用通常的軟件工具進行收集、分析、管理的大量數據的集合。大數據的特點一般用“4V”概括，即：Volume：數據量大，目前大數據的最小單位一般被認為是10～20TB的量級；Variety：數據類型多，包括了結構化、非結構化和半結構化數據；value：數據的價值密度很低；velocity：數據產生和處理的速度非?？?。
2 大數據相關技術
2.1 大數據處理通用技術架構。大數據的基本處理流程與傳統數據處理流程的主要區別在于：由于大數據要處理大量、非結構化的數據，所以在各個處理環節中都可以采用并行處理。目前，Map Reduce等分布式處理方式已經成為大數據處理各環節的通用處理方法。
Map Reduce分布式方法最先由谷歌設計并實現，包括分布式文件系統GFS、Map Reduce分布式編程環境以及分布式大規模數據庫管理系統Bigrable。Map Reduce是一套軟件框架，包括Map和Reduce兩個階段，可以進行海量數據分割、任務分解與結果匯總，從而完成海量數據的并行處理。Map Reduce的工作原理是先分后合的數據處理方式。Map即“分解”，把海量數據分割成若干部分，分給多臺處理器并行處理；Reduce即“合并”，把各臺處理器處理后的結果進行匯總操作，以得到最終結果。用戶只需要提供自己的Map函數以及Reduce函數就可以在集群上進行大規模的分布式數據處理。Map Reduce將處理任務分配到不同的處理節點，因此具有更強的并行處理能力。
2.2 大數據采集。大數據的采集是指利用數據庫等方式接收發自客戶端（Web、App或者傳感器形式等）的數據。大數據采集的主要特點是并發訪問量大，因為同時有可能會有成千上萬的用戶來進行訪問和操作，比如火車票售票網站的并發訪問量在峰值時達到上百萬，這時傳統的數據采集工具很容易失效。大數據采集方法主要包括：系統日志采集、網絡數據采集、數據庫采集、其他數據采集等四種。
2.3 大數據分享。目前數據分享主要通過數據集市和開放數據平臺等方法實現。開放數據平臺可以提供涵蓋本地服務、娛樂、教育和醫療等方方面面的數據集合，用戶不但可以通過API訪問，還可以很方便地通過SDK集成到移動應用當中。在線數據集市除了提供下載數據的功能外，還為用戶提供上傳和交流數據的場所。數據平臺和數據集市不但吸引有數據需求用戶，還能夠吸引很多數據開發者在平臺上進行開發。
2.4 大數據預處理。數據預處理就是對采集的數據進行清洗、填補、平滑、合并、規格化以及檢查一致性等處理，并對數據的多種屬性進行初步組織，從而為數據的存儲、分析和挖掘做好準備。通常數據預處理包含三個部分：數據清理、數據集成和變換和數據規約。
2.5 大數據存儲及管理。大數據需要行之有效的存儲和管理，否則人們不能處理和利用數據，更不能從數據中得到有用的信息。目前，大數據的存儲和管理技術主要分三類：分布式文件系統、數據倉庫和非關系型數據庫（NoSOL）。
2.6 大數據分析及挖掘。大數據的分析和挖掘是一種決策支持過程，它主要基于人工智能、機器學習、模式識別、數據挖掘、統計學、數據庫等技術，高度自動化地分析大數據，做出歸納性的推理，從中挖掘出潛在的模式，從而在大數據中提取有用信息。大數據的分析和挖掘與傳統的數據挖掘比較有兩個特點：一是通常采用并行處理的方式；二是大數據分析對實時處理的要求很高，流處理等實時處理技術受到人們歡迎。常用的方法有：機器學習、數據挖掘、模式識別、統計分析、并行處理。
2.7 大數據檢索。（1）數據庫實時檢索：在數據倉庫或者NoSOL等大數據存儲平臺上，或者多個不同結構的數據存儲平臺之間快速、實時地查詢和檢索不同結構的數據。（2）實時搜索引擎：對互聯網上的大量數據和信息進行即時、快速搜索，實現即搜即得的效果。目前各大搜索引擎都在致力于實時搜索的實現。
2.8 大數據可視化?？梢蕴峁└鼮榍逦庇^的數據感官，將錯綜復雜的數據和數據之間的關系，通過圖片、映射關系或表格，以簡單、友好、易用的圖形化、智能化的形式呈現給用戶供其分析使用，可通過數據訪問接口或商業智能門戶實現，通過直觀的方式表達出來?？梢暬c可視分析通過交互可視界面來進行分析、推理和決策；從海量、動態、不確定甚至相互沖突的數據中整合信息，獲取對復雜情景的更深層的理解；可供人們檢驗已有預測，探索未知信息，同時提供快速、可檢驗、易理解.的評估和更有效的交流手段。可視化是人們理解復雜現象，診釋復雜數據的重要手段和途徑。