大数据企业论文

大数据企业论文（共8篇）

大数据企业论文 篇1

“大数据时代”来临，企业数据管理面临挑战

IDC研究表明，到2020年，全球以电子形式存储的数据量将达到35ZB，是2009年全球存储量的40倍。这其中企业数据正在以55%的速度逐年增长。人们不禁感叹随着信息化的逐步推进，我们迎来了大数据时代。

何谓“大数据”？哈佛大学社会学教授加里·金谈到大数据时曾说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”通过上述的话我们可以概括出大数据主要的三个特征：量大(PB级别的数据)、实时性(更短的时间处理数据)、多样性(非结构的文档数据为主)。

以金融行业为例，当前金融行业面临的一个非常大的问题就是海量数据的存储以及对海量数据的查询优化。传统的数据存储方案已经不能满足大多数金融企业的需求，例如目前很多企业正在建设的数据中心，典型的特点是海量级（千万及以上）数据量，随着数据量的进一步增大，查询性能急剧下降，甚至无法响应，严重影响了业务的连续性，为企业的高效运营带来了挑战。Hyperstor作为兴宇中科提供的一个操作简单的、综合的、性价比高的数据管理安全解决方案。它能够实现真正的CDP数据持续保护及实时恢复。从根本上保证了企业业务的连续性，满足了企业高效运营的需求，是理想的企业级数据安全解决方案。

正是因为大数据的这些特点，给现代企业带来了如何通过数据中心变革解决企业数据管理的问题？这一问题逐渐成为了现代企业发展所面临的关键问题，其在电信、金融等“数据就是业务本身”的行业身上表现的尤为突出，并且已经让很多相信数据之力量的企业正在或者正准备做出改变。

Hyperstor作为针对企业级数据管理存储备份的一体化数据保护解决方案已经在电信，教育等行业得到广泛应用，它能够解决金融，电信等行业多年以来在系统集成、数据管理、业务整合、新业务拓展、面向客户服务以及在成本控制和核算上的系列难题，相信该解决方案将给国内多个行业发展带来一个全新的面貌。

随着信息技术的不断发展和大数据时代的来临，企业未来的数据中心，将是高可靠、高安全、易扩展、易管理、绿色高效、资源共享的智慧云数据中心。能够灵活支撑业务发展，实现监控可视化、控制自动化、管理流程化，并最终帮助企业实现基于优化的基础架构的管理。

因此，企业必须通过优化自身IT设施，实现存储容量和可用性的最大化，实施灵活性设计以支持不断变化的业务需求等相关措施来迎接大数据时代带来的机遇和挑战。

大数据企业论文 篇2

对大数据合理地进行确认和计量；正确地进行会计处理；公允地体现在会计报表上，这是大数据作为一项新型企业资产研究的课题。站在大数据逐步产业化的层面，立足于雨后春笋般诞生的众多大数据企业和大数据研究机构的角度，让大数据资产走进大数据企业会计报表具有现实意义和深远的影响。

一、大数据资产的确认

1. 大数据资产确认的操作方法。

数字不是数据，数据也不是大量数字，大量数据也尚不能界定为大数据。当企业针对某个领域、某个事项、某种目标进行前期调查、调研、抽样、统计等研究时，或者针对基础资料进行筛选、整理、分类、分析等后期系统加工处理开发时；再或者企业支付对价购买取得数据基础资料时，将归集的对象化了的成本费用确认为“研发成本”，非对象化的确认为期间费用。

在“研发成本”的基础之上，能够使大数据以研究报告等现实产品形式对外提供给大数据使用者时；或者能够使大数据在虚拟空间里供大数据使用者随时使用时，将“研发成本”确认为“无形资产”。

2. 大数据资产确认的背景培育。

尽管独立的数字、零散的数据尚不能界定为大数据，但是它们却是形成大数据产品的基础原料。原料的价格相对于产品而言自然是低廉一些，特别是对于大数据产品这样的无形资产，其原料更是低廉得可怜。比如几千元钱购买了一个城市的企业注册信息；再比如几百元钱、甚至是几个电话或者几句好话就能换取无数个各类样本。

的确有些样本取得是简单且价格低廉的，但有些基础原料却是前期花费高额成本的。比如人口普查、经济调查等等前期都花费了大量的人力、物力、财力。只是目前这些基础样本的持有者没有法律的约束；没有或者法律意识淡薄忽视了这些基础样本的价值所在。伴随着人们“数据资料信息本身是有价值”意识的增强，就会逐渐形成一个市场，形成一个数据原材料、大数据设备、大数据人才、大数据产品市场。这些都将逐渐形成大数据确认的背景培育土壤。

二、大数据资产的计量

1. 大数据资产计量的操作方法。

大数据资产一旦作为企业的一项新型资产，自然也要遵循货币计量的假设和历史成本的原则。企业在大数据资产研究阶段和大数据资产开发阶段，以其实际发生的工资薪金、设备折旧、购买大数据资产支付的对价、投资者投入的大数据资产公允价在内等各项成本费用额度，分别将归集的对象化了的成本费用计入“研发成本—研究费”和“研发成本—开发费”，非对象化地计入期间费用。

在“研发成本”的基础之上，能够使大数据以研究报告等现实产品形式对外提供给大数据使用者时；或者能够使大数据在虚拟空间里供大数据使用者随时使用时，将“研发成本”的账面价值结转到“无形资产”。

2. 大数据资产计量的技术支持。

关于大数据资产的计量，从理论上来讲并不复杂。但是实际操作过程中，需要太多的技术支持，或者说需要太多账务处理的合法依据。购买大数据资产支付的价格是否合理，这不能停留在供求双方的合同、协议上，不管是由供方提供发票，还是由需方到税务机关代开发票，其发票的金额应当在对应合同协议的基础上，税务机关应该制定最低计税标准，或者借助大数据资产评估机构的评估值。还有投资者投入的大数据资产是否公允价，也存在类似的问题。

发票可以是增值税普通发票，也可以是增值税专用发票。但是只有开具发票税务机关才能掌控大数据资产的交易流转税；供方企业或自然人才能从源头上缴纳增值税及其附加；需方企业才能获得合法的企业所得税税前扣除依据。

对于评估而言，首先，是完善大数据资产的资产评估准则、细则、操作指南；其次，是培养大数据资产评估专业人才和培养、提高资产评估师的大数据资产评估技能；再者，是有胜任能力的评估师事务所增加大数据资产评估业务范围，同时建立大数据资产登记确权、价值评估、交易服务公共平台。不仅让大数据资产走进企业的会计报表提供合理合法的可能，也为企业将来的大数据资产抵押贷款、资产证券化的等价支付、有序流动，最终形成大数据产业和产业链奠定基础。

对于税务机关而言，首先是应该将大数据资产交易列入增值税细目，确定大数据企业的征收率和税率；其次是制定大数据资产的最低摊销年限；再者是壮大针对日益繁荣大数据企业稽查队伍或者人员。

三、大数据资产的会计处理

1. 大数据资产的会计处理方法。

大数据资产将以存货的形式或无形资产的形式，存在于“研发成本”或“无形资产”账户。因此，大数据资产的会计处理关键工作就是摊销。其摊销的流向应该是和大数据企业“主营业务收入”对应的“主营业务成本”。也就是说摊销时，借记“主营业务成本”，贷记“累计摊销”。

针对大数据资产的特性，其不适应一般无形资产五五摊销和分次摊销的直线平均法。应当采用收益百分比法或者年数总和加速摊销法。目前大数据资产的计量标准尚待完善，收益百分比法的实施还有一定难度。当前可以将固定资产计提折旧的年数总和法引入大数据资产的摊销。具体的使用年限可以参考最低使用年限。

对于大数据资产取得的会计处理，在前面确认和计量环节已经涉及。大数据资产的期末计量，在上述税务机关制定的最低摊销年限指导下也就变得非常简单。在此不再赘述。

2. 大数据资产的会计报表列示。

大数据资产在资产负债表上的列示位置，依据对会计准则理解因该是存货项目或无形资产项目。针对大数据资产的特性，对于账面价值需要研究两个问题：第一，大数据是轻资产类型的资产，所以不能仅仅从资产额度上判定大数据企业是小企业或中企业，那么能不能采用高价卖出，平价买入，并交纳交易环节税费的形式抬高资产额度；能不能评估增值补交税费入账。第二，大数据资产列示在无形资产项下，无疑是一种长期资产，这在某种程度上会影响大数据企业的流动比率实质。因此可否考虑将一年内摊销完成的部分价值，列示在一年到期的其他流动资产。

企业大数据与大数据企业 篇3

大数据因其体量之“大”而得名，然而体量并非大数据的唯一特征，甚至也不是大数据最为重要的特征。巨大的体量凸显的是技术需求。而对于管理者而言，刻意追求巨大体量的数据并不具有多少现实意义，大数据更重要的特征在于其多样化的来源和形态、持续快速的产生和演变，以及对深度分析能力的高度依赖。因此，企业对大数据的驾驭和掌控，其核心并不在于拥有多大规模的数据，而在于是否能够对来自于企业内外部多样化信息源的涌流数据进行敏捷持续的捕捉和整合，并通过深度分析开发其商务价值。

一家中等规模的百货商场，通过视频监控记录下商场各个区域的客流人数，从而评估每天各个时段客流的在店时长，进而结合销售记录数据估算出客流中带有明确购买目标的“搜索型”顾客和无明确购买目标的“浏览型”顾客的比例，从而为之设计针对性的营销手段和服务措施。这一实践中所涉及的数据量，从技术视角上看并不算庞大，但该商场对多源数据的整合和开发，不失为基于大数据管理的一种典型体现。

从这个意义上来说，在管理视角上，大数据既不是一种技术，也不是一种应用系统，而更应该是一种立足于企业内外部数据融合以提升管理效率、开拓价值创造模式的管理思维。建立这种面向大数据的管理思维，其基础是业务流程信息资源的高度集成化，以及信息创造和传播形式的高度社会化。

所以，企业大数据的一个重要焦点，在于业务流程信息与社会化媒体信息的全方位融合。以ERP为代表的企业系统应用推动业务流程信息资源从分割走向集成，日渐兴起的企业内外部社交媒体则推动信息的创造和传播形式从通道式/平台式走向社交式，二者的融合将成为企业大数据的核心特征。由此看来，未来的“大数据企业”，则代表着建立在这种融合基础上的新型组织形态和价值创造模式。

驾驭企业内部大数据

企业内部数据包括两个主要维度：一是与业务功能及流程紧密相关的数据，如库存信息、物料需求信息、生产计划信息、采购信息等，可统称为业务流程信息；二是企业内员工及各种管理系统在其日常工作及活动中所创造、记录、交换和积累的信息，例如员工间的交流记录、工作心得、经验分享、活动新闻等，可统称为知识及沟通信息，知识及沟通信息高度松散且非结构化，但可能蕴藏着企业的重大潜在价值。

这两个数据维度的发展和融合，催生出了企业内部大数据。如图1所示，在传统的企业组织中，业务流程信息分散地存在于一个个孤立的业务系统中。在过去二十余年的企业信息化进程之中，一个主要的方向是业务流程信息从分割走向集成。从库存管理系统、物料需求计划 （MRP） 发展到企业资源计划 （ERP），分散的业务信息被集成于企业系统之中，从而实现面向业务流程的信息共享和沟通，并在此基础上借助跨部门的协同实现业务流程的优化和决策能力的提升。

另一方面，近年来逐步兴起的企业内社交媒体应用，推动着企业内部数据环境在知识及沟通信息维度上的重大变革。在传统企业组织中，知识及沟通信息借助于通道式或平台式的媒体产生和传播。在通道式的媒体上（例如email），所有的人都可以发信息，但信息的发送对象是明确的、有限的；在平台式的媒体上（例如企业内的新闻网站），信息是开放的，但只有专门的人员才能发布信息。在企业内社交媒体中，这两种形式被整合在了一起：所有人都可以发布和分享信息，而且这些信息是开放的、可定制、可再分享的。在这样的应用环境中，跨部门、跨层级的社交联系成为可能，并使得企业能够更为敏锐地应对变化的环境，以即兴式的团队组织来捕捉发展机遇。这种转变带来了三方面的价值：企业知识的有效共享和管理；企业文化建设，增强员工的归属感；对企业内协同创新的有效支持和促进。

进一步而言，当集成化的业务信息与社交化的知识沟通信息相融合，便带来了企业内部大数据。在集成化企业系统、内部社交媒体以及深度数据分析技术的共同支撑下，杰克·韦尔奇所畅想的“无边界组织”在新兴环境下成为可能，并被赋予了新的内涵。部门边界、层级边界被紧密的业务联系和广泛的社交联系所弱化，结构化的业务流程信息与非结构化的知识及管理活动信息被多维度融合的深度数据分析能力连接在一起，从而使企业真正具有驾驭内部大数据的能力。

从另一种角度上看来，业务资源整合使得企业信息资源的管理从分散走向集中，社交媒体的发展使得企业内的信息创造和传播从集中走向分散，二者相辅相成，使得优化控制与灵活创新的并存成为可能（见图2）。基于业务流程与社交媒体的融合而展开的深度数据分析，将为企业的决策优化、协同创新以及灵活应变开辟广阔的空间。

驾驭企业外部大数据

在企业外部的视角上，数据资源也包括两个维度：一是与上下游交易直接相关的供应链信息，如交易报价信息、订单信息、上下游企业库存及生产能力信息等；二是市场及社会环境信息，如原材料价格走势、市场需求及消费者偏好信息、顾客服务及满意度信息等。

企业外部大数据的基本特征，也正是在这两个维度的发展之中呈现出来的。如图 3所示，在传统的商务活动形式下，上下游企业的业务系统相互独立，交易伙伴借助电话、传真、电子邮件等手段以实现上下游信息交换，企业通过市场调研等方式了解消费者，获取市场及社会环境信息。组织间信息系统的发展带来了供应链信息的集成。通过将合作伙伴的信息系统进行对接，或是借助于电子市场平台实现企业信息系统的相互连接，上下游企业的业务信息能够通过标准化的接口自动交换，从而使得企业能够在较为充分地掌握上下游信息的基础上进行业务决策，实现交易伙伴之间的协同优化。

nlc202309041552

在市场及社会环境信息的维度上，信息的创造和传播形态同样经历了从通道式/平台式媒体向社交媒体的转变。公众社交媒体的巨大影响力为社会化商务注入了强大的生命力。初期的社会化商务包括作为对外沟通渠道的企业邮箱、博客、微博或即时通讯等，其主要目的在于提升企业形象、提供客户服务。随之发展而来的社会化营销，则注重在社交网络中通过与顾客及其他商务伙伴的沟通和互动，进而通过实时化、精确化的市场洞察以获取商业机会、开拓市场、把握创新机遇。此外，基于社交媒体的众包、众筹与众创，也日益成为社会化商务的重要组成部分。

供应链信息集成与社会化商务信息的融合，构成企业外部大数据的核心特征。来自于社交媒体信息源的市场环境信息与来自于组织间信息系统的供应链信息相结合，借助于深度数据分析技术实现面向企业商务网络的预测与优化，并支撑起实时化、精确化、个性化的消费者洞察与敏捷响应，在此基础上为基于网络协同及社会化商务的模式创新提供了丰富的可能性。从而，对外部大数据的管理和驾驭，也将成为现代企业在网络化的商务生态系统中占据主导地位并获取经营优势的关键途径。

成为“大数据企业”

基于以上分析，企业内部大数据的焦点，在于业务流程信息与知识及沟通信息的融合；企业外部大数据的焦点，在于供应链信息与市场及社会环境信息的融合。进而，大数据时代企业组织的基本内涵，在于内部大数据与外部大数据的全方位融合。如图 4所示，大数据企业立足于内外部业务与社交媒体数据的集成交汇。

业务流程数据主要来源于以ERP为代表的企业系统，涵盖了产品、物料、采购、生产、销售、财务等与企业生产及服务提供过程紧密相关的数据；商务交易数据来源于以供应链管理系统 （SCM）、客户关系管理系统 （CRM）、电子化交易系统为代表的组织间信息系统，涵盖了供应商、客户、订单、物流等与外部交易活动紧密相关的信息；内部社交媒体数据包括了企业员工在内部博客、微博、Wiki、内容分享平台、群体化即时通讯工具等应用中创造和传播的信息，以及企业在办公自动化系统等交流协作平台上所记录积累的数据，涵盖并反映了员工的知识、建言、创意、心态、氛围等形式多样、内容广泛的信息；外部社交媒体数据主要来源于公众社交媒体，包括企业博客、企业微博/微信服务号、品牌社区等各种形式，所涵盖的信息内容包括市场环境、需求信号、全生命周期顾客行为、个性化偏好、营销互动记录等。

在这四大类型的数据之间，致力于大数据管理的企业可以有两种不同的发展策略。其一是以社交媒体与业务数据的融合为主导，以期通过敏捷响应快速发现并应对内外部环境中的变化和机遇。在这种策略下，面向高速数据流的实时数据采集和分析方法，将成为大数据管理的主要支撑手段。

第二种策略是以内外部数据融合为主导，以期通过全面汇集内外部信息，对中长期发展趋势作出准确的预判，从而实现高度优化的业务决策，并通过对信息环境的掌控，获取企业网络生态系统中的领导地位。在这种策略下，大规模多源异构数据的采集、清洗和整合方法，将成为大数据管理的核心支撑。

如何挖掘企业大数据的价值

企业大数据的价值开发高度依赖于深度数据分析能力。从内外部融合的视角上看来，企业大数据分析包括三个基本维度，即内容、关系和时空。

内容维度指的是数据本身所承载的信息内容。例如，G公司是一家大型电信服务商，其内部建设实施了一套“班组博客”系统。在这个内部社交媒体平台上，公司中的3000多个工作团队都开设了自己的博客，用于发布和交流工作经验、生活体验等方面的内容。经过数年的发展，整个博客系统中积累了博文700多万篇，评论超过1500万条，并保持着每月15万篇以上的博文发表数量，年阅读量超过1000万篇次。对于这一平台所积累的大量数据的价值开发，首先体现在对其信息内容的提炼上。平台上与工作相关的博文内容，如客服案例、经验分享等，经自动筛选分类、主题识别、关键词索引之后，被构建成企业知识库，为业务及管理工作提供快速有效的知识支撑，同时成为员工培训和自学的有力工具。而大量与工作无关的博文和评论内容，包括生活常识、娱乐信息、心情表达、心灵鸡汤等，在智能化的分类整理之后，也成为了该公司的一个独特的文化情景，支撑着企业中活跃的氛围，强化了员工的文化认同。

关系维度指的是数据及其所指代的对象之间的联系。在G公司的班组博客中，员工的发表、阅读、评论、回复、关注等行为详尽地反映了其相互之间密集而持续的联系，而这些联系毫无遗漏地被记录在平台的数据库之中。通过对这些关系结构的深度分析和挖掘，G公司获得了对员工及团队的影响力、凝聚力、创造力的更为准确而深入的评估手段。进一步而言，博客平台的行为记录数据与业务系统中的事务处理记录数据，以及员工及团队的绩效表现数据，也能够被有效地关联起来，从而使得管理者拥有强有力的工具，帮助其发现和理解员工的行为特质、工作表现、业务能力之间的潜在关联，进而实现良性优化的人员配置和人才培养。

时空维度指的是数据生成及传播的位置以及数据随时间演变的模式。对G公司而言，其数以千计的业务场所分散在众多城市的不同地点，因此，数据中的位置信息对于虚拟化的团队协同而言具有直接的意义。此外，位置信息也包括了数据在组织功能结构和层级结构中所处的位置。同时，在G公司的班组博客中，对特点话题时间演变规律的分析，也为管理者提供了有效的参考。其中对企业重要活动、运营理念相关信息在班组博客中的传播演变模式的跟踪，有效地揭示了员工对管理理念的认知、态度和接受过程。

更深入的价值开发来自于上述三个维度的交叉综合。例如，内容维度与关系维度的结合，使得G公司能够识别员工的兴趣偏好、社交特质、工作性质以及工作表现之间的匹配关系，也能够更为准确地发现那些分散在不同的员工手中、但具有重要潜在影响力的经验、创意以及机遇信号。内容维度、关系维度与时空维度的结合，使得企业能够更为深入地理解不同的员工特质、知识技能、团队特性、热点偏好在整个组织中的分布，以及这些结构随时间演变的过程和趋势，从而更为有效地调度和配置这些资源。

nlc202309041552

这些维度上的分析需求，主要需要三方面的数据分析技术予以支撑。第一类是全局视图技术。对于管理者而言，对大数据内容全局状况的把握，往往是开发大数据价值的一个基本需求。然而大数据的体量和结构复杂性往往远远超出人类认知的信息承载能力。因此，有效的技术应当能够在大量数据中提取出一个足够小的集合以呈现给管理者，并使得这个小集合能够充分地代表数据全局。例如，在G公司的博客平台上，一种“代表性博文提取”技术能够在每天所出现的数以千计的博文中自动选择出10篇。这10篇博文在很大程度上全面代表了当天所出现的数千篇文章，既充分反映热点，也不能忽略冷门信号，从而使得管理者能够通过阅读这些文章来了解全局。第二类支撑技术是关联发现技术，其目标在于敏锐识别数据间的联系。例如，当G公司试图整合博客平台、业务系统、人力资源系统中的数据以全方位分析员工、团队特质以及绩效信息时，大量的数据属性之间所构成的复杂潜在关联网络，就需要强有力的关联发现技术来加以处理。第三类支撑技术是动态跟踪技术，即实时化的流数据分析处理、快速增量数据分析。三方面技术都处于快速发展之中，但尚未全面成熟，有待于学界和业界的持续努力和探索。

结束语

从一定意义上说来，业务资源集成与社交媒体相融合的过程，是一个“信息去中心化”的过程。信息资源的创造和管理，从以往以经营和运作为核心的中心化模式，转化为以分散创造、自由传播、灵活汇聚为特征的众创模式。另一方面，内外部数据融合的过程，是一个“信息去边界化”的过程。企业部门之间的信息交换、企业之间的信息交换以及企业与市场环境的信息，以日益多样化、实时化的方式实现。

这样的转变对于企业组织及其员工而言，其影响将会是多方面的。正面的影响可能包括创新意识与创新行为的出现、员工能力和技能的发展、沟通满意度的提升、员工关系资本的建立和积累、员工对组织的认同和归属感的增加；而负面的影响则可能包括员工注意力分散、过度争论，以及负面情绪的传播等。所以，建设“大数据企业”的过程，也将会是一个伴随着困难与风险的过程。在此过程中，需要管理者有效地把握创新发展的长期收益与短期业绩之间的平衡，在推进大数据融合的同时防范和控制其中的组织风险，并审慎地思考和重新定义组织内外部边界。

换言之，对企业而言，大数据实质上是一种管理思维，其支点在于业务信息资源与社交媒体的融合，以及内外部数据的融合，在这样的支点上反思企业的组织形态、运作范式和价值创造模式，是“大数据企业”的真正内涵所在。

郭迅华：清华大学经济管理学院副教授

大数据企业论文 篇4

摘要：近年来，随着大数据、互联网技术和实体经济的融合发展，各种新产业、新业态和新模式如雨后春笋般涌现出来，社会经济环境也随之发生了极大的变化。能够看到，大数据等数字技术的更新与进步促进了产业的发展，但同时也给企业组织的健康发展带来了极大的挑战。而作为企业所有管理机制基础的内部控制也因为大数据的出现迎来了一场新的变革[1]。基于此，本文选取大数据背景下企业内部控制的现状进行分析，结合实际情况就现存问题展开探究，并提出了一系列改进措施和优化建议，以期能够提高大数据在企业内部控制中的效率，进而促进企业的健康长远发展。

关键词：大数据；内部控制；风险管理

大数据时代的到来，各种新兴技术的迅速发展对企业管理产生了巨大的影响，同时也给企业传统的内部控制带来了巨大的冲击，使得企业的经营理念与管理模式也出现了较大的转变。这就要求企业能够积极适应大数据时展的需要，将大数据等数字技术融入内控管理的过程中，有效地发挥内控的职能，从而促进企业的规范运作和健康发展。

一、大数据背景下企业内部控制的意义

作为企业管理中的重要组成部分，内控的加强对于企业而言，除了能够使企业经营管理效率得到提升外，也能减少企业将会应对的各种风险[2]，使企业的市场竞争力增强。随着市场竞争力的逐渐增加，社会环境也在不断发生变化，一个企业想要长久地经营发展，内部控制管理质量的提升十分重要，这就离不开各种先进技术和理念的使用。企业的内部控制与日常经营活动环环相扣，无论是企业的业务活动还是企业中的员工都属于内部控制的一部分，这也使得企业内部控制具有较大难度。在大数据快速发展的今天，大数据技术与企业的内部控制的相互融合是大势所趋，通过对数据信息的充分挖掘和利用能够使企业传统的管理方式和理念得到有效改变，增强企业的核心竞争力。通过处理、分析和汇总高效比对大量数据，能够对企业的内外部风险进行准确识别，从而进一步提高公司内部管控的信息化水平，保证企业内部控制的先进性。公司管理层可以借助专门的平台，来对内部管理的内容和对象进行统一归类，通过增强部门间的联系来往，内部控制效率得到逐步提升，大数据的运用不仅能使数据分析更加准确和科学，同时也能进一步提升控制质量，有效适应企业发展需求。

二、大数据环境对企业内部控制的影响

（一）内部控制资料电子化

随着信息技术在企业中的广泛推广和实施，很多企业都不再单单是利用传统的纸质媒介[3]，而是逐渐开始建立起信息化系统的数据库，以互联网技术为载体，通过整合企业内部经营活动所产生的一系列信息数据，改变传统纸质资料的存储方式，采用电子数据进行存储，可以大幅度减少低效率、低价值的工作，实现信息资源共享。

（二）内部控制方法智能化

随着大数据技术的快速发展，内部控制的方法也得到不断更新，在企业的日常业务管理活动中改变传统内部控制的方式，将企业经营活动与管理活动进行融合，从而使内部控制效率得到提升。通过深入分析和挖掘行业市场信息数据，企业能够更好地对自身优缺点进行分析，从而使内部控制的管理水平和效率得到提升。

（三）内部控制技术创新化

企业风险防控制度体系的完善程度是检验其防范内外部风险效果的主要依据。凭借大数据信息传播快、受众面广的特征[4]，通过深入挖掘和分析企业日常经营的数据，企业管理层能够对数据所反映出的隐藏信息详细了解，并在之后的决策管理中加以运用，能够有效防止由于信息及时性和准确度低而引发的决策不科学问题。

（四）内部控制的范围广泛化

大数据的运用使得企业内部发生了巨大变化，内部控制所涉及的内容也越来越多样化，特别是在财务方面增加了更多的内控内容，严格控制和有效预防内部风险，是原有内控体系工作的主要目的，而现在内部控制已经逐渐拓展到对经营管理风险控制的新领域。通过大数据的利用企业改变了传统的管理经营方式，进而也进一步扩大了内控的使用范围。

三、大数据时代企业内部控制存在的问题

（一）企业内部控制环境不完善

如今，国内诸多企业都存在着内部权力过于集中、组织结构过于复杂的问题，最高管理者难以监管，政企难以分开，治理结构过于单一，不是形同虚设，就是权责分配不够明显，内部控制管理系统仍然以管理水平和人员控制为中心，而不重视信息管理机构在公司治理中的地位，信息管理部门仍为空壳，在当今大数据背景下，类似这样缺乏科学性和合理性的治理结构自然难以适应，各部门对自身的职责了解不够深入，公司一线职工对工作目标掌握不透彻，无法真正确保工作的全部落实，就会造成公司发生一系列问题。此外，公司发展中的最核心要素——人才的质量，在一定程度上决定了公司创造力水平的高低，在大数据已经深入我们生活的今天，财务信息化的要求难度也在进一步提升，对于财务工作者的要求不再仅是会用专业软件，更应和其他知识进一步融合，从而帮助企业能够利用数据来对具体经营活动开展评估。如果企业员工无法熟练应用信息处理系统，就无法满足时代需求，造成公司管理者接收信息的速度比同类公司要慢一些，这样就会让自己在市场竞争中大幅落后于同类公司。然而，由于我国财会体系相对固化，大多数企业的管理者文化水平不高，不少财会人员在从业后自我学习的意识薄弱，自身的信息分析能力不高，这就造成了公司在新的环境下，各种方案的实施不够深入，不能给公司带来更高层次的发展。此外，我国企业内部控制活动中人员的职务与职责难以明确，一人身兼数职，企业内部没有明确的管理机构，而且各个部门之间区别比较大。一般情况下，学习大数据技术的人大多不愿意再学习企业内控机制的内容，这就造成一些企业缺少能够胜任此类工作的关键性人才，也使得企业内部控制活动在大数据时代背景下的开展受到抑制。

（二）信息化管理存在较大缺陷

企业信息化管理存在缺陷是影响企业经营活动有序开展的最直接原因。随着现代信息技术的发展，大数据技术也在逐渐得到各个领域的肯定，它可以高效地对数据信息进行挖掘分析和处理，提高数据的使用效率，从而促使企业健康发展。然而，企业内部控制在如今的大数据环境下也出现了更多的新问题，内控风险系数也在渐增。企业管理者受传统思想观念的束缚，在产品生产时对客户的需求考虑欠佳，造成企业忽视了大数据在内控方面的作用。在信息技术快速发展的今天，除了人与人之间的交流越来越受到约束外，利用高科技手段进行犯罪的现象也层出不穷。很多公司仍受小农意识的影响，对大数据技术的效果有许多质疑，在行规不健全、要求不严格的情况下，这些小型公司很少会专门安排信息管理机构，也不会聘请专业人员。有的公司即使设置了专门的机构，也是形同虚设，根本没有发挥应有的作用。这种由于管理层意识方面的差距，会给公司带来很多方面的问题，由于公司内部的信息管理不规范进而造成核心数据的反复泄露、丢失，甚至会出现被人恶意修改，这些都可能造成公司的决策者做出错误的决策。此外，将企业内部控制信息实现由纸质化转为电子化，这使得人们能够选择利用微信、电子邮箱或是QQ来完成以前需要亲自到现场进行信息比对的工作，尽管效率得到了提升，但同样也对网络有了更强的依赖性，使得信息数据的不安全性提高，无法避免信息出现被篡改或删除的现象，加大了风险的控制要求，使得内部控制在企业发展中的地位受到影响。

（三）内部监督机制不健全，稽核难度大

在当今的信息时代中，各种信息层出不穷，使得计算机系统进一步复杂化，加上当前大数据技术严重依赖现代化网络，这要求公司在原有的信息监督基础上，还要积极加强对网络漏洞及其他潜在风险的防范，公司必须聘请有信息管理经验的人才来进行内部数据的处理和稽核，以免出现操作失误或者遭受恶意的攻击等情况，这在一定程度上加大了工作的难度。此外，在进行核心的业务处理时，由于大量信息会通过计算机系统进行整合，一些信息会被记录，比如需要把很多原始凭证（如合同等）扫描成附件上传到审批流程中去，但对于这些原始凭证的信息无法通过信息进行归集、分类、统计、加工等，就有可能出现记账凭证流转与财务信息有差异的情况。换句话说，在公司内部的财务管理方面，由于实物运转速度和计算机信息更新速度有一定的差距，会在一定程度上出现系统信息已经更新但原始凭证还没到位的情况，如果这个问题大量存在，企业财务的监督工作也就不能进一步开展，这也可能造成相关部门提出错误决策而给企业带来更高风险，使企业经济效益受到影响。

四、完善大数据时代企业内部控制问题的对策

（一）优化企业内部控制环境

在信息化发展的今天，内控环境的建立是企业能够在内控目标引导下顺利开展经营活动的必备条件。企业应当首先健全治理结构，充分发挥监事会和董事会的监督作用，通过设立信息管理部门，使其在与内审监督部门的配合之下，加强企业各部门之间的联系。信息管理机构在企业中地位的提升，能够让企业员工真正做到加以重视，充分发挥信息管理部门作用。另外，企业要进一步明确分工，建立公开的信息平台，借助大数据技术来进一步分析相关数据，使合理科学的职权分离治理机构得以建立，通过聘请专业人才进行管理，合理设置意见箱，并在大数据信息化平台上进行公示，处理从公司基层反馈的意见，杜绝权力的过于集中，做到政企分开。其次，企业内部控制人员要进行职责分离，对关键岗位和部门实行轮岗制，同时进一步提高内控工作人员的专业水平和思想认识，引进急需的现代化发展人才，提升内控人员的法制观念、责任心以及思想觉悟和业务素质，通过系统培训的方式进一步提高信息工作者的业务能力，树立强烈的信息安全意识，促进员工大数据思维的形成。最后，公司可以利用平台来对晋升信息以及各级人员薪酬构成进行公示，在平台中建立起相互制约、监督的治理机构，形成具有团体凝聚力和透明公开的企业文化，实现企业经营效率及价值的提升。

（二）建立信息化安全管理制度，减小内部控制风险

内部风控工作效果，在一定程度上影响着企业发展的质量和效率，进一步降低企业的内部风险是最大限度保证内控体系正常运行的关键条件，而进一步健全现代化的信息化安全管理体系，是全方位降低风险的最佳途径。首先，我们要对企业可能发生的所有风险进行全方位的评估，不要只从管理者的角度进行评估，也可从恶意入侵者的层面进行评估，只有全方位分析评估，才能更详细地了解企业可能遭遇的信息风险，有针对性地进一步提高管理水平。其次，企业可以充分利用大数据的优势，将内控信息与会计的工作思想进一步融合，通过对企业KPI进行不同程度的风险评估，对影响工作目标实现的各因素进行系统的归类，进一步探索建立管控方、主体方与工作目标间科学的关系，并按管理需要进一步设定现代化的标准。企业通过对网络环境进行全方位分析来发现系统中仍需健全的地方，并对包括肆意授权、篡改数据等在内的突发性事件采取应对机制，使其在发生风险时，能够采取有效的方案进行解决，保证防患于未然。此外，企业应有针对性地制定多项防控措施，尽力将网络风险降低至最佳水平。利用防火墙来避免信息被篡改，通过数据修复程序的设立来避免发生数据消失或系统瘫痪等情况。最后，企业可以建立数据管理部门，负责企业中的所有数据，从而可以运用大数据技术来对企业的信息数据进行挖掘整理和分析，发挥先进技术对企业经营活动的促进作用，合理开展企业的预算编制工作，确保大数据能够在企业中发挥其应有的效能，实现企业资金的合理配置，不断提高企业日常工作的质量和效率。

（三）完善企业内部监督机制

随着时代的快速发展，数据的搜索和获取也在如今的大数据时代背景下有了更多样的方式。借助大数据技术，公司可进一步实现相关信息的可视化，从而可以对公司实行日常的动态化监督管理，使决策层可及时了解公司运行的实际情况和其中突出的问题。然而，随着现代化技术的进一步发展，各类信息不断涌入，繁杂海量的信息进一步降低了使用者的选择效果。结合大数据时代特征以及企业的发展现状，内控监督模式也应该进行相应的改进。首先，企业可以积极利用信息化手段建立监督系统，全面收集公司各部门和内外部的信息，并充分重视信息的来源和传播途径，建立统一的管理标准，强化大数据下企业的监督职能，让决策层能够高效监督目标进度和具体情况，在传统模式的基础上不断改进。公司方面应科学分析和深入研究各信息，保障信息的准确性，科学合理的使用大数据技术，对公司的业务开展情况进行分析和控制，进一步建成现代化的监管体系，实行全方位管理。企业也可以通过向外部审计机构进行委托来帮助公司完成内部审计的工作，利用出示的审计报告来对内部控制方面的问题进行查缺补漏。企业在信息沟通和监督方面也可以充分利用大数据智能化网络平台的特点，通过信息共享模式的建立，来使企业拥有通畅的内部网络，形成客观的程序化体系，从而使企业的内部控制能够得到不断提升。

结语

综上，我国企业的内部控制在如今的大数据时代背景下正面临一场前所未有的信息化改革，但我国企业目前在内部控制方面仍存在诸多阻碍企业生产经营的问题，企业对于这些问题也应当予以重视。企业通过利用新的方法和技术来评估判别新兴技术产生的影响，通过合理措施的采用来使企业问题得到有效解决。在如今，对于大数据的准确把握是企业能否在内部控制体系中，充分运用大数据技术来帮助企业提高风险应对能力的关键[5]。本研究基于时代环境下，进一步分析公司内控体系中存在的突出问题，目的在于强化企业的内部控制管理，为公司在内部控制管理中的发展提供参考，通过发现企业内部控制改革在大数据背景下的新形态，从而为提升企业发展和管理水平奠定重要基础。

参考文献

大数据企业论文 篇5

一、引言

人类已经逐渐步入到大数据时代。大数据是用来描述数据规模巨大、数据类型复杂的数据集。每个人所说的“大数据”含义不尽相同，但其中存在基本共识：第一，如果不依赖某些可视化软件的帮助，人类不可能理解如此大的数据量，用散点图寻找规律或异常情况的传统办法，在这里毫无作用；第二，数据从产生到被利用往往只有很短的时间，至少对一些人如此，比如手机运营商能够实时获悉你手机所在位置；第三，数据可实现高度互联。理论上，谷歌可掌握所有用户的电子邮箱和安卓手机位置信息，知道你在谷歌社交网络上有哪些好友，并了解你的搜索记录；第四，数据是杂乱无章的，它包括各种类型，比如你储存在手机上的视频属于“大数据”，但它与整齐有序的分类数据库（按照生日、就业、性别、收入等分类）还相去甚远。

大数据给各行各业都带来了翻天覆地的影响和变化，当然给银行带来的影响也不可小觑：一是大数据不仅分散了人们的注意力，甚至是“危险”的，因为海量数据意味着决策制定将更加“集权化”，而科学本身是应当以人为本，包含深刻的自主自在性的，它完全按照程序既定的“规则”办事，可以过滤掉我们通常所说的“非理性”成分，例如：一名客户在银行申请贷款，一开始他与银行客户经理面对面聊天，对方认为他完全符合贷款条件，可当把他的所有信息输入电脑之后，电脑却拒绝了他的贷款申请，而他至今不知道自己为什么被拒。二是大数据与银行员工自身的智慧发挥产生了矛盾：大数据往往意味着人们将不必急于运用自己的智慧去试图解决那些“应该”解决的问题。三是如何利用大数据造福客户，一名银行高管称：我们并非反对数据，只是反对大而无当的数据，数据本身当然非常重要，但其前提条件是获得恰当的应用。人类已经产生并将继续产生日益庞大的数据，或许不论我们接受与否，大数据时代都已到来。在这个背景下，如何利用它造福客户，就成为银行业最为关键的问题。

伴随着传统的商业智能系统向纵深应用的拓展，银行决策已经越来越依赖于客观数据而非直觉经验。然而，传统的数据仓库对于数据分析通常是建立在关系模型的基础之上，面向结构化数据处理，各分析主体之间的关系在系统内已经被创立，而且用以分析的数据也大都是自身信息系统中产生的运营数据，这些数据大都是标准化、结构化的。

事实上，这些数据仅仅占到了银行所能获取的数据中的15％。所以，采集、存储并应用数量快速激增的数据已成为银行业面对的一个必然趋势。而该趋势仍在不断深化：社交媒体、网络和员工都提供着丰富的新数据源。非结构化数据在数据中的所占比例极高，因此银行必须迅速转向使用非结构化数据分析技术，进而据此获得新的竞争优势。大数据技术支持银行的探索提高效率、降低总体拥有成本的策略，持续激增的数据也将迫使银行寻求新的方法来采集、整理、管理和分析数据。

非结构化的数据对众多银行来说仍是一项有待有效开发的重要资源，可帮助银行获得更深入的客户和运营洞察力，并最终形成竞争优势。然而，传统的关系型数据库和商务智能工具针对结构化数据而设计，难以适应非结构化数据管理需求。

可见，大数据时代的到来对于构建银行战略和企业文化都非常重要。大数据时代如何建立新的银行企业文化可能会成为一个十分重要的课题。强大的企业文化是银行的优势所在，可以帮助银行创造并维持一流的业绩。尽管所有银行的领导人都对此心知肚明而且反复讨论，也有不少领导人竭尽全力想要创建高绩效的企业文化，但成功的案例寥寥可数。本文基于前人研究，试图探讨大数据时代商业银行企业文化面临的新挑战，并据此提出一些对策建议。

二、文献综述

古今中外的一些伟人和学者在探索文化对金融乃至整个经济建设的重要性方面都提出过许多著名的理论和观点：

关于文化的重要性，毛泽东指出：如果文化建设取得伟大的成就, 那我们就又学会了一项很大的本领。有关文化的视野，毛泽东更是指出：狭隘世界,不能打开自己的眼界,不知还有别的新天地,这叫做夜郎自大。关于文化的与时俱进，毛泽东也指出：当前的运动特点是什么，它有什么规律性？如何指导这个运动？这些都是实际的问题。运动在发展中，又有新的东西在前头，新的东西是层出不穷的。关于文化的发展进步，习近平更是提出：面对浩浩荡荡的时代潮流，面对人民群众过上更好生活的殷切期待，我们不能有丝毫自满，不能有丝毫懈怠，必须再接再厉、一往无前。有关文化的意义，习近平认为: 任何经济的发展又离不开文化的支撑：文化赋予经济发展以深厚的人文价值，使人的经济活动与动物的谋生行为有质的区别；文化赋予经济发展以极高的组织效能，能促进社会主体间的相互沟通和社会凝聚力的形成；文化赋予经济发展以更强的竞争力，先进文化与生产力中最活跃的人的因素一旦结合，劳动力素质会得到极大的提高，劳动对象的深度和广度会得到极大的拓展。文化的力量，或者我们称之为构成综合竞争力的文化软实力，总是“润物细无声”地融入经济力量、政治力量、社会力量之中，成为经济发展的“助推器”、政治文明的“导航灯”、社会和谐的“黏合剂”。关于培育优秀金融文化的要求, 唐双宁认为: 大力培育优秀金融文化，是增强金融软实力，在世界范围内树立中国金融业形象，体现中国金融业价值，有效防范金融风险、提升国际竞争力的客观要求，也是实现由金融大国向金融强国转变的必然选择。关于文化的地位，唐双宁提出: 如果把金融比喻为一棵大树，那么，业务是叶，管理是枝，体制是干，文化是根，而经济社会环境，则是它的土壤。关于金融文化在实现金融强国中的作用, 唐双宁提出：金融硬实力的平面扩张是金融大国的标志，金融软实力的立体提升是金融强国的标志，为了实现由金融硬实力平面扩张的金融大国向金融软实力立体提升的金融强国转变，需要加强金融文化建设。关于文化的形象概括, 唐双宁提出:改革、发展、安全、管理、诚信、法治、服务、效率、和谐及幸福,这应该是今天中国金融文化的“主题词”。关于中国金融文化的特殊性表现形式，唐双宁认为:中国金融文化的问题既蕴含着国际金融文化问题的一般性，又有自己的特殊性，表现形式有重技轻道、重法轻德、重物轻人、重利轻义、重快轻度。关于文化与经济金融的关系,唐双宁提出: “文化”与经济金融的关系，是灵魂和躯体的关系。经济是一个国家的躯体，文化是一个国家的灵魂。先有躯体，后有灵魂。既不能”魂不附体”，又要“体内生魂”。关于文化与技术的关系，唐双宁认为:金融企业家是搞实际工作的，但越是搞实际工作越要学习理论，越要善于运用“理论思维”，哈耶克说过，现在“真正的陷阱是掉进过度专业化与技术化的陷阱”作为操盘手，“掉进过度专业化与技术化的陷阱”不必苛责；作为金融企业家，“掉进过度专业化与技术化的陷阱”则应该警惕。关于金融文化的不足, 唐双宁指出:在内修文化方面，内心浮躁、盲目攀比、急功近利、恶性竞争等等。关于文化隐性特点，唐双宁认为:市场是看不见的手，文化则是另一只看不见的手。关于金融文化建设与金融家的需求，唐双宁认为:文化建设也需要一批对社会负责、勇于担当的具有真正政治家素养的“金融家”。关于文化、政治及经济的比较概括，唐双宁提出：政治是暂时的，经济是长远的，文化是永恒的。

三、大数据过程中银行企业文化面临的问题和挑战

1、软弱的企业文化会使大数据流于形式

企业文化的重建必须动真格。一家银行要成为伟大的银行，它的价值观决不能只是一句漂亮的口号。事实上，软文化和硬数据一样重要。如果不想让企业文化流于形式，就必须公开惩戒那些胆敢破坏企业文化的员工。银行的每个管理者都应深知自己的关键职责是捍卫银行的价值观。事实上，多数银行的所作所为都给其员工发出了一个强烈的信号：我们银行的价值观纯粹就是一句空话。众所周知，所有的管理学课程都说，一家公司手中最有效的竞争武器是强大的企业文化，但问题在于执行的细节，如果执行环节出了问题，就必须付出惨重的代价。

2、稳定及持久的惯性文化理念成为大数据变革的绊脚石

银行的战略变革是一个永无止境的过程，变革就是战略与文化如何协同发展的问题。无形资源胜于有形资源，企业文化就是企业最宝贵的无形资源之一，企业文化不单能凝聚公司内的员工，更能助企业有弹性地面对不断变化的市场。战略变革的压力势必会带来巨大的不确定性甚至风险性，尽管战略变革前组织必需做好各种资源的评估，但由于组织文化的存在，不同个体对战略变革的结果接纳性及风险意识不同，对战略变革的态度也就自然不同，有些战略变革甚至会激起反抗，从而导致战略变革的失败。这些压力可能来源于股东、领导层、员工、客户、政府、监管方等各个方面，这些都可能是组织的既得利益者，他们抵制变革的原因很多，主要原因是心态的焦虑，例如担心变革后地位或权力的丧失；悲观主义，认为变革的结果不可能轻易达成目标；愤怒，因为变革意味着原有规则的缺陷；不同的个人野心，希望变革失败从而可以获取既得利益。在战略变革不可避免时，及时创建一种支持战略变革的组织文化，是变革能否最终获胜的重要因素。变革关系到银行的生存问题。失败是常态，也是一种心态。既然失败是我们生存的基本状态，我们还有什么理由因为现在自己所处困境而怨天尤人、自暴自弃；既然生存的意义就是挑战失败，那么，我们还有什么理由不去为着更大目标去克服更大、更多的失败？因此，战略变革是一个痛苦的选择，来自各方的利益人群由于不同的目的都将对变革产生不同的反应，所以，战略变革的倡导者能否持一种积极的心态来应对，是决定变革能否持续的最为重要的先决条件。文化本身具备的相对稳定及持久的惯性使得变革充满阻力，这种特定的文化理念也正是战略变革的绊脚石，因此在战略变革之前必须进行既有价值观的创新，使其适应新的组织战略。实际上，大数据是把双刃剑，多数的银行由于文化企业本身的正能量缺失，放大了大数据的缺点及不足。

3、没有建立一种数据导向型的文化

大多数的银行还没有建立一种以数据为导向的文化。通过对卓越绩效企业使用数据分析的方法进行细致观察，我们发现迅速行动是高效数据分析文化的一项显著特征，它们不会只是简单地将数据收集在一起，而是利用分析结果，进行更为迅速、明智的对策。未来那些最擅于利用数据分析来引导决策的银行将获得许多新的竞争优势，对于这一点已经没什么人会表示怀疑。但仅仅拥有数据是不够的。我们对银行400名员工进行的调查结果显示，只有35%的员工称得上是“消息灵通的怀疑主义者”，他们依赖数据，但并不盲从，既不害怕置疑数据分析的结果，也敢于从他人那里索要反馈；42%的员工对数据坚信不疑；然而还有23%的员工很少相信数据分析，他们喜欢凭直觉做事，至今不相信数据分析是银行未来成功的关键，要说服这些员工也是个不小的挑战。

4、企业文化与大数据战略的冲突

数据虽重要，分析数据的人也一样重要。计算机已经强大到可以收集、汇总数以兆兆字节计的信息来回答各种问题，从如何安排员工的薪酬待遇，到某笔抵押贷款债券的风险系数，无所不包。虽然数据不会说谎，但人们使用数据的方式却极为主观。殷鉴不远：量化分析在2007年的金融危机中起到了推波助澜的作用，但是如果银行只是简单地认为，光靠一屋子摆弄数据的分析师就可以解决问题，那么结果不仅会对他们的资产损益造成损害，同时也会损害他们的企业文化。

企业文化当然应该与企业战略协调一致，然而一些银行的文化并没有跟上大数据的战略。如果一名员工全身心地朝着错误的方向前进——尽管该员工热情洋溢，但却与银行的战略意图背道而驰，那么肯定会对银行整体业绩带来不利影响。只有当员工热情洋溢且全身心地朝着正确的方向前进才能帮助银行提升业绩，并积极推动组织实现战略目标。确实，银行战略与文化的恰当结合才是银行成功的一剂良方。银行在动态的市场环境下利用大数据追求创新战略，只有创造一个员工可以突破枷锁、管理层鼓励新思路和建设性的冒险行为的合理环境方能获得成功。同样，银行追求高容量低成本流程，只有员工在高效且可重复的环境下工作并且秉承持续改善成本的想法这样一种纪律严明的文化氛围才能取得成功。很多战略与文化的组合具有明显的直觉性。然而当企业文化无法与战略协调一致时就会出现“文化鸿沟”，结果导致绩效风险的发生。鉴于市场的不断变化，战略也需要对此作出相应调整，因此保持企业文化与战略的一致性确实是企业面临的一大挑战。

5、大数据技术部门需要加强与其他业务部门的分工与合作

在大数据时代，企业进行数据分析的背景也发生了变化：要涵盖数据规模；要能真实精确地挖掘商业价值，快速分析响应；要面向丰富多样的数据类型，包括结构化和非结构化的数据。要破除孤立，孤立式方法是数据分析文化的一个快速杀手。这使得传统解决方案在新的需求面前束手无策。为了帮助银行实现经营目标，面对这些问题，大数据技术部们尤其需要加强与其他业务部门的合作。在以银行客户为中心的模式下，大数据技术部门之间孤立无援、单打独斗的做法肯定是徒劳的。

6、风险管理的适应力

大数据的应用，有助于减轻信息不对称，提高交易效率，但也改变了风险的特征，需要新的风险管理手段。面对这些变化，银行需要更好地把握金融创新和金融稳定的界限，使新的金融组织体系稳健高效运行，更好地服务当前的经济发展转型。大数据时代，传统银行风险管理的理念与方法面临被颠覆的尴尬境况，新的风险文化必将得以重塑。

四、对策

1、既有价值观的解冻、创新、深化

创新价值观并非能在短期内奏效，这需要一个经过既有价值观解冻、创新、深化的过程。配合战略变革过程的逐步推进，可以分三个阶段：首先是解冻阶段，可以组织专门人员对银行的原有价值观进行分析，按大数据变革的思路，确定需要变革的对象，在审核评估的基础上扬弃既有的价值观体系；第二是大数据变革需要有新的价值体系来支撑它，不然就会像空中楼阁一样，失去了牢固的地基。如果大数据变革是告诉人们怎么改变的方法，那价值体系的创新则是告诉人们为什么要改变的理由；第三是深化，没有一劳永逸的价值观，必须与时俱进地深化，价值观也需要“深挖洞、广积粮”。

2、创建适当的企业文化支撑大数据变革

建立合适的企业文化对于任何银行而言都意义重大，因此，许多银行都不惜加大投资构建自己的企业文化并希望借此激励员工的行为，但是究竟有多少银行能够真正从这一投资中获得最大价值呢？银行在制定并传达企业愿景与价值观时花费的人力物力是否能真正规范员工的行为呢？或者说，是否有隐藏的、强大的原因导致该项投资无效呢？如果文化建设投资确实带来了某些改变，那么是促进了提高业绩与落实了战略，还是不慎刺激了破坏性的行为？建设企业文化，特别是塑造企业竞争优势的企业文化，需要充分了解企业文化的形成，包括员工的态度和观点在企业文化建设过程中所起的重要作用。银行如果花时间去了解企业文化建设流程并培养高度敬业的员工，就能实现大幅的绩效提升。银行如果培育了与其战略一致的企业文化则能获得更大回报：全体员工齐心协力朝着共同的企业战略目标前进。大数据年代银行必须建立富有创造力的文化，如果身处一种没人愿意出风头的集体文化中，就很难提出引人深思的问题。大数据时代，传统的银行企业文化处在扬弃的拐点，银行只有推陈出新才会立于不败之地。

3、提高驾驭大数据方面的领导力

最为重要的一个步骤就是在各个层级中提升重视数据分析的领导者。高管人员必须认真评估现有数据分析文化的可利用程度，而后再尝试将其转型。

4、发展、激励并保留数据分析人才

通过培训等方式提升银行员工队伍的数据分析能力正在迅速成为企业与时俱进的必要因素。培训员工的IT技能一直是企业培训部门的重要工作；而未来的20年，培训部门将致力于在日常工作中融入数据分析。大数据时代，没有文化的员工队伍肯定是一只愚蠢的队伍，而高素质的数据分析人才是长期培训的结果，冰冻三次非一日支寒，任何急功近利的做法只能误读大数据。

5、银行高级管理人员的以身作则

企业文化的冲突不是小问题，这方面摩擦和碰撞的结果：轻者会产生阻力，加大发展成本，影响业务健康发展，重者会影响到一家银行的生存。围绕银行业务战略，相关人员都要转变观念、提高认识、统一思想。涉及文化上的本质内容，银行上下要真学、真懂、真信，最后才会真用，四者缺一不可。有的银行管理者素有单边强力推行企业文化的名声，往往会强迫下属推行企业文化，忽视了调动下属积极性的环节，似是而非的部署让下属总是感到似懂非懂、莫明其妙，下属当然无法集中精力、全力以赴地去贯彻。银行管理者只有不厌其烦地反复抓，从而达成共识，才能形成真正意义上的企业文化。在这个问题上，银行高级管理人员必须起带头作用，从CEO开始自上而下地推广。如果CEO身体力行，其他员工也很可能参与进来。否则，任何的做法都是徒劳的，因为大数据时代，员工比传统时代更加关注银行CEO是否言行一致，并且做出迅速准确的判断。

6、建立员工快乐工作氛围

银行正处于快速变革的阶段，先进的文化可以减少或消除业务上的摩擦与碰撞，使员工可以集中精力一心一意地抓业务，因此，要求银行管理层做战略上正确的事：顺势而行——为员工创造快乐的工作条件；顺向选择——让员工看到希望。首先让员工快乐，其次让员工的快乐感染客户从而让客户快乐。我们的研究结果显示，快乐地工作可以提高绩效40% 以上，快乐地工作也是当代商业银行基于企业文化先进和专业技能卓越的高尚境界。大数据时代，银行高管可以适时知晓员工的快乐情况，尤其是存在于客户界面的快乐情况，并且与时俱进地做出相应的优化。

五、小结

大数据企业论文 篇6

企业大数据管理部门缺失以及不够完善等问题，是现在直接影响企业运行的主要原因，很多企业对于内部控制管理不够重视，内部控制意识薄弱。大数据的价值和优势已经逐步得到各个领域和行业认可，可以将企业内存在的大量信息进行整合和分析，使其可以在不同行业中发挥自身的价值，促进企业实现可持续发展。由于企业一直延续传统的思想和意识，在生产产品的过程中很少考虑客户的需求，导致企业在内部控制上忽略了大数据的价值和作用。同时，很多企业建立的信息部门都是一种摆设，内部建设不够规范和科学。

1.2 安全意識薄弱

在大数据时代，很多企业也开始重视应用大数据，不过在大数据使用过程中也出现了很多问题和风险。但是，很多企业的内部管理和控制不够合理，在大数据管理上缺少服务器，没有合理的数据信息备份，以及企业内部人员缺少对数据系统的维修和管理，企业经常出现信息盗取和病毒入侵现象，导致信息不够健全，进而会严重影响整个企业的发展和运行，经济持续下降，最终会出现更严重的问题。

1.3 管理机制缺失预算出现问题

预算机制缺失，是现在很多企业需要解决的问题，传统预算一般都是从上到下形式的，对于整个企业发展和运行具有严重阻碍作用，无法实现和大数据平台之间进行共享，导致预算和实际情况差异较大。同时，由于内部缺少专业技能和理论知识指导，整体工作形式比较复杂，导致大数据内的信息无法被合理利用，对于企业预算、投资以及个人发展都具有一定的影响，进而会影响企业的经济效益。

2 大数据下企业内部控制管理策略

企业内部控制对于企业健康发展具有一定的价值，在大数据时代，对于企业的影响更加深远，因此有必要针对上述企业内部控制中存在的问题进行分析和研究，提出更有效的策略，使企业可以正常运行，在市场竞争中立于不败之地，不断获取更多的经济效益，确保经济能够实现可持续发展。

2.1 控制信息渠道和质量，建立大数据管理部门

大数据可以将非结构数据全部纳入实际报表中，将企业规划为定性指标量化设计，能够在大数据下实现，使得数据交流更加密切。为使得非结构数据在企业中展现得更加系统，因受企业内部要构建良好的信息管理制度影响，该制度的确立会严重影响整个企业的运作和发展。比如：企业可以借助流程化管理制度对内部控制进行严格管理，财务信息内容的收集、支出、核算和报表等所有工作都要借助大数据进行合理统计和分析，在不断优化流程的基础上提升数据应用的质量和效果。

2.2 财产保全为主，合理控制风险

财产保全就是确保企业物资完整和健全，与风险控制之间一定要相互配合和协调，相互促进，对企业内部的财产进行合理控制和分析，对企业内固定资产和流动资产进行分析和研究，借助财产对风险进行合理控制，从而可以实现企业资产的有效保全和增值等。要想长久保全企业财产，就要做到以下几方面工作。第一，明确企业内部资产保管责任和机制等，整个过程一定要依据实际情况进行分析和研究，制定符合企业发展的资产机制，在一般情况下要依据企业资产管理需求，制定符合企业运行和发展的资产管理对策等。第二，盘点内部财产，财务人员一定要做好企业内部财产管理工作，对企业财产进行合理统计和分析，将企业内部拥有的固定资产、流动资产、人力以及其他内容等进行综合分析和研究，此方法是不断优化和提升企业财务统计的基本性工作内容。第三，做好保险，为保证企业实际资产在大数据下的安全性，企业要对投资过程中存在的风险进行分析和研究，不断降低企业财产经济损失，使得企业可以在大数据下赢取更多经济效益。要保全资产内容，对资产保值增值等内容上进行，使企业内部资产管理更加合理，提升风险管理水平，使固定资产可以在企业中有效保全，对于固定资产内容有效分析，在存续和投保等阶段进行合理管理，采用分级形式对其进行阶段性管理，进而可以对企业资产进行合理管理，使企业保值和增值更有效果，通过内部合理控制减少企业风险。

2.3 建立数据部门，科学有效管理

在大数据时代，数据属于企业发展中的资产内容，要想不断提升企业经济效益，就要设置专业人士负责企业内部的.数据开发和维修等。例如，可以在企业内建立管理数据部门，将企业内所有数据全部纳入部门管理，进而可以对企业数据信息进行合理挖掘和分析，使数据可以企业中发挥出自身价值和作用。企业除了要在大数据时代建立大数据部门，还要和其他企业之间建立联系，对企业未来市场发展和机遇等做出规划和分析，确定企业发展战略性目标，对财务信息内出现的风险和优势进行分析，对于企业出现的违规现象进行分析和研究，针对产品合理设计和营销等情况进行预算。大数据部门在对企业信息分析过程中，要及时和其他部门之间建立互动机制，针对大数据机制进行详细分析和研究，将企业内部的信息全部挖掘出来，结合时代变化对大数据进展方向和应用对策进行调整和完善。大数据部门还要随时随地记录员工工作的具体时间和内容，将所有工作都完成，不断提升企业整工作的整体质量和效率;可以通过大数据引入一些图片、视频和音频等内容，制定一定标准对企业人员进行衡量和考核。审计委员要建立大数据对员工行为等进行分析和研究，对评估人员的违规和合规行为进行分析，并且还可以对预测员出现的舞弊现象进行分析，是大数据部门应该具有的基本功能。大数据是企业发展中最主要的部门，因此一定要选择适合的人员对其进行合理监督和管理，引领企业大数据部门朝着正确方向发展，并且大数据专业人员还要选择专业人员对企业内部信息和各种内容进行合理管理。在建立大数据部门时，委员会人员应该是董事会人员，并且在整个工作中具有一定的监督权和查阅权。 2.4 发挥监督作用，提升内部控制质量

在大数据时代，信息更容易被接受，获取信息的途径和渠道更加丰富，需要的数据查找更加便利，借助数据仪表盘等实现数据的可视化工作，对企业内部进行动态管理和监督。企业管理者要及时掌握内部基本信息，及时掌握企业运营实际情况，以及出现的问题等，不过随着大数据理念的深入和发展规模不断扩大，企业需要面临大量无用的信息和数据内容，导致企业质量不断下降。在大数据背景下，非结构化数据的比例不断提升，使得会计信息不断发生变化，信息结构也在不断变化。企业会计信息中存在的非结构化数据可以最直接展现出企业实际情况和状态，将企业内部文化和工作人员的积极性等全部展现出来。因此在大数据时代，企业要对内部的所有信息进行合理分析和研究，并且要注重信息的准确性和真实性，确保所有信息都对企业发展有价值和意义，尽可能减少非系统化的错误。这也对企业大数据建设提出了全新的考验，随着时代变化，信息不断丰富和增多，结构不断优化，信息种类也不断演变，会计监督工作中的所有标准将不在适合时期的发展要求，需要对会计信息提出全新的标准和需求，使大数据可以充分发挥自身的作用。此外，企业在发展中要注重信息来源和途径等，建立统一标准進行管理，促进企业实现可持续发展。

3 结 语

大数据企业论文 篇7

大数据时代最突出的特征就是数据产生信息或者成为信息本身, 而信息则作为最终决策的重要依据。通常我们所称的“大数据”中“大”的含义是指在信息处理过程中, 数据来源广、数据数量巨大、存储时需要耗费巨大的储存媒介、处理时需要占据较多的时间, 且在数据的处理上涉及到模型及编程等较为复杂的工作。在大数据时代, 原有的传统的数据管理工具和处理方式都已经无法满足要求, 难以对数据进行有效的处理。我们认为随着大数据时代的不断深入, 数据主要表现出以下三个主要的特征。

1、所获得的数据来源十分广泛, 且往往容量巨大

以具体的指标来衡量的话, 大数据往往指的是容量在10T以上的数据集合。数据来源的广泛性主要是得利于目前人们可以越来越多地在日常生活和工作中接触并使用到现代化仪器, 这些现代化仪器帮助人们可以更加方便地随时随地进行数据记录与采集, 使得人们能够更加完整、及时地感知事物, 获得更加广泛的数据来源渠道。数据的容量巨大是大数据的最主要特征。通信工具的大范围使用, 加上集成电路的成本越来越低, 人们可以随时在日常生活中进行数据的交流与交换, 使得数据量得到成倍的增长, 且由于储存媒介的容量越来越大, 使得最后智能、社交设备上产生并储存的数据十分的巨大, 甚至超过了互联网上的数据流量。可见大数据时代数据的容量必然会越来越巨大, 呈现爆发性的增长。

2、所获得的数据种类繁多, 且价值量巨大

在以前, 数据的来源主要是结构化数据, 随着获得数据渠道的不断多样化, 数据的主要来源已经变更为半结构化数据和非结构化数据。通常所指的结构化数据是那些直接可以在关系数据库中发现并采集的数据, 但是随着目前信息技术领域社交网络快速发展, 再加上智能设备的不断普及, 大大增加了来自云邮件、视频、音频、网页、社交平台等的半结构化数据和非结构化数据量, 且这些数据逐渐开始成为大数据时代主要的数据来源。正是因为来自原网页、社交平台等的数据是半结构化或非结构化的数据, 其往往未经过事先的加工, 也未发生折损, 所以有着更为巨大的价值。如果说结构化数据是将生产经营情况进行了更为详尽的记录, 那么半结构化、非结构化数据则包含了更多决策有用的关键性真实信息, 可以避免数据失真带来的毁灭性的影响。当然数据的庞大, 也对数据处理技术提出了更高的要求。

3、个性化的数据需求越来越普遍

前文提到的大数据时代中占主导地位的半结构化、非结构化数据内含更多的真实、原始的信息, 所以人们也逐渐意识到对于数据进行价值挖掘的重要性。随着数据的容量呈现爆炸式的增长, 人们对于数据的需求也在迅速膨胀。由于现在信息的获取越来越容易, 所以人们重在的是寻找对自己有价值的、能够满足个性化需求的信息。可见在这种趋势之下, 原有的采用统一模板来向不同的群体提供同样数据的形式已经无法无法满足大数据时代信息需求者们对数据的个性化需求。

二、大数据时代对会计数据及会计工作的影响

会计数据作为企业数据的核心, 顺应大数据时代潮流, 会计数据已由原来简单的核算记录工具转变为影响企业经营决策的重要因素, 是企业在日常经营过程中重点关注的战略资源。前文提到的大数据时代的数据具有容量巨大、种类繁多以及个性化需求强的特点, 这些都催生了“大数据”采集、加工、处理、储存、输出等方面的改革。会计数据在大数据时代下, 也在数据的来源、价值、形式等方面呈现出了重要的新特征, 并且会计数据的新特征对企业的会计工作带来了新的要求。

1、大数据时代会计数据的新特征

(1) 会计数据的来源从以“结构化”数据为主导变更为以“非结构化”数据为主导。此前的“结构化数据”主要采集来源是非关系型数据库, 这种数据库相比而言对于数据格式的约束没有那么强, 并且随着互联网在企业的广泛应用, 这些“结构化”的会计数据源源不断渗入到企业的经营管理活动中, 企业管理运行的方方面面都离不开会计数据。会计人员在处理结构化数据时, 但是随着信息技术的不断发展, 前文提到的半结构化、非结构化数据的来源与价值都在变得越来越丰富, 它们对结构化数据的取代不仅从数据数量上体现出来, 更从提供的价值量上体现出来。随着会计云计算得到越来越广泛的运用, 同一套软件要满足大量不同企业的需求, 此时若还采取严格统一结构化存储字段的措施, 必然将大大削弱云计算系统的灵活性, 所以目前大所属会计软件的开发商们更倾向于采集非结构化数据。对于企业会计而言, 要把握新型数据中的巨大价值, 进行深入挖掘, 挖掘的越多就越有竞争优势。

(2) 会计数据的价值从简单的“数据仓库”转变为“深度学习对象”。传统的会计数据, 更多地被企业看成是一种“数据仓库”, 是数据的简单汇总与集合, 通过从数据仓库里提取的数据来编制企业财务报表, 满足监管的需要。但是随着大数据时代中非机构化数据的大量涌入, 原有的从“数据仓库”中简单提取数据已经无法最大限度实现数据的价值, 数据成为使用者深入学习的对象, 其价值得到更好的体现。对数据的深入学习要求使用者必须要对数据进行文本分析、自然语言处理、深入挖掘内容等, 才能够最大限度地获得数据的内在价值。人们通过对获得的会计数据进行详细的解读和定向的分析, 甚至在会计数据的基础上加入对人们行为趋势的预判, 使得会计数据具有预测未来趋势的能力。根据已有数据显示, 通过对会计数据的深入学习, 不仅能够促进企业业务能力的创新、提高其盈利能力, 还能够定量评价企业的市场营销策略和产品定价机制, 在大数据的深入分析上, 知己知彼, 在竞争中获得优势。

(3) 会计数据具有实时更新的新特征, 更多时候体现为一种动态的“流数据”形式。

大数据时代的会计数据具有实时更新的特点, 这就要求企业在处理会计数据时形成“流处理”的思想, 目前比较广泛的运用于实时在线销售、实时售后服务、实时信息反馈等领域。在会计数据的“流处理”中, 要借助于计算模型、人工智能等, 这其实是前文“深入学习”的补充, 只不过“流处理”中体现的是机器自动对会计数据进行“深入学习”。

2、会计数据新特征给会计工作带来的新要求。

前文我们已经分析了大数据时代会计的主要新特征体现在数据来源、数据价值、数据“流”三个方面, 针对这三个特征, 我们认为将从以下几个方面给企业的会计工作带来新的要求。

(1) 企业会计应该注重对多种结构、多种来源的会计数据的搜集和储存。从前文分析中我们已经看到大数据时代中数据的价值不可小觑, 且作为主导的非结构化数据蕴含着更为有价值的信息, 企业之间的竞争已经有很大一部分体现在对有效数据资源的争夺上。可见尽可能地多渠道、多来源地获取多种结构的会计数据, 并运用先进的数据处理系统来进行有效处理和分析, 克服信息不对称, 尽可能地全面反映企业经济业务的现状, 为决策的准确制定提供尽可能详尽的信息依据, 这都将极大地提高企业的竞争能力。

(2) 要注重对获得的会计数据的深入学习, 满足信息使用者个性化需求。随着会计数据从“数据仓库”的简单角色中转变出来, 企业会计工作人员应当意识到其在处理会计数据中已经有被动使用的地位转换为主动挖掘价值的地位。深入学习会计数据意味着企业会计要具备一定的学习能力, 此时加强员工培训是一个不错的方案, 在对员工的数据处理技术能力进行培训的同时加大对重要信息识别的能力, 并且使最后通过深入学习会计数据得到的处理结果能够满足信息使用者的个性化需求。

(3) 完善企业会计制度, 提高数据处理的效率。正是由于大数据时代背景下企业的会计数据“流”特征体现明显, 所以数据采取和分析必须要及时、快速, 时间的拖延可能会使原本极具价值的信息变得一文不值。尤其是在目前企业竞争异常激烈的市场环境中, 任何一个失误都有可能造成不可弥补的损失。企业会计制度的完善可以从根本上来提高会计数据处理的效率, 通过制定详尽的、恰当的制度, 正确引导员工的工作, 避免出现职责不分明, 有些工作重复做, 有些工作没人做的低效工作状态。

参考文献

[1]冯芷艳.大数据背景下商务管理研究若干前沿课题.管理科学学报.2014 (1)

[2]谢国忠.大数据正在改造企业.企业管理.2013 (7)

企业2.0与大数据 篇8

Web 2.0给企业带来的变化是人们有目共睹的。举例来说，花旗银行是拥有200多年历史的老牌金融巨头，但其市值已经远远不及谷歌公司。谷歌是一家只有十多年历史的企业，其财富创造能力、影响力要比百年老店还要大得多，而且差别还在不断增加。在美国，很多互联网公司都是这样的模式；中国的百度、搜狐也是如此。传统理论并不能很好地解释这些企业的商务模式。企业2.0并不完善，但可以解释新现象。

2012年12月，麻省理工大学举办了首届大数据国际研讨会，而安德鲁·麦卡菲就是会议共同主席之一。他认为，企业2.0理论的实际体现及应用方向就是大数据。麻省理工大学Richard Y. Wang 教授和同事在20多年前就成立了科学与数据质量中心，因为他们意识到，在未来，数据是很重要的资产。传统观点认为，对组织来说，人力资源、资本是最重要的资源。然而，企业2.0可能会对这一观点带来冲击：信息的流通和教育普及将使得普通人力资源不再稀缺；但是如果企业的数据库被破坏了，其损失将不可估量。这种趋势在知识型经济中尤其明显。

也有一种预言认为，大数据相关新兴产业是第二次工业革命的催化剂。人们通常认为，第一次工业革命是蒸汽机的普及。我们倾向于把革命理解为人类生活、或者商业发展竞争要求的根本性变化。所以说，第一次工业革命是动力的革命，是看得见的；而第二次工业革命是关于知识或智慧的革命，具体表现就是大数据。

人们最早看到第一次工业革命，是蒸汽机在英国纺织业的应用。而整个过程又是缓慢的，花了一百多年的时间，欧洲其他国家相继学习及采用蒸汽机技术，从而逐渐产生了发达国家与发展中国家的差别。假设第二次工业革命真的会到来，那么，大数据应该会在最先进的行业、最先进的国度得到应用。目前，人们都比较认可的是，美国在科技方面是比较领先的。美国经济90%的部分是由第三产业支撑，而制造业、第二产业等只在10%以内。能推动第三产业发展的，就是由基于数据和由数据驱动的知识和智慧。大数据的革命，正是推动第三产业、引领第二次工业革命的动力。现在美国麦肯锡公司在与中国有关政府和大学合作（包括与西安交大管理学院协作），推广城市中国计划，也是由基于大数据和由大数据驱动的知识和智慧来发展现代城市。这可以看作大数据驱动第二次工业革命的一个尝试，但是，就像第一次工业革命花了一百多年才完成改变世界的历史任务，第二次工业革命不可能五年或者十年就能实现，可能是几十年。

人类现在所有知识与智慧的源数据都存于大数据的数据库里，而这些数据有90%以上都是非结构性的。举例来说，酒店或马路上摄像头的纪录、人们的上网纪录等数据，都是非结构化数据。这些数据就像一个巨大的金矿，但是如何从金矿里把金子淘出来，则需要高超的淘金术和正确的方法论指导。一些研究者已经看到了金子，可以通过数据科学技术获得知识与智慧。如果我们要研究一个总经理，跟踪他拨打了哪些电话，看了什么电邮，甚至不需要面试他，只要一些软件进行大数据分析就可以了解他的行为规律。如果要研究消费者，你完全可以获得他几点起床、上网喜欢看什么、网购喜欢买什么等信息；这样一来，营销就不再是件难事。这就是智慧。

我们的技术已经可以实现这种跟踪式的研究。开发那些含金量高的数据库已经不是问题，但是要挖掘普通的金矿，从成本收益比来看，就不合算了。云计算是存储和分析大数据的技术手段之一。如果我们要从西安到北京，我们可以开车、乘高铁或者飞机，那么云计算可能相当于乘坐飞机， 相对而言更加高效。

大数据产业有巨大的潜能，我国目前仍在探索阶段，在诸多方面面临着巨大的挑战，如政府的政策与法规、技术研发、管理模式、人才培养等。中国应当在国家层面尽快制定大数据产业发展战略引导大数据产业的发展；并在全国建立一批研究中心和基地，进行深入的大数据产业研究和发展；此外，建立大数据产业研究中心和基地的示范，供其他省市参考，或许可以助其快速发展大数据产业。