大数据时代的国际关系研究论文

大数据时代的国际关系研究论文（精选9篇）

大数据时代的国际关系研究论文 篇1

当前阶段，大数据已经成为了人们经常谈论的课题，它不仅仅在计算机领域中占领着主导地位，也深入渗透进了各行各业、不同领域，国际关系也随着大数据时代的到来产生了很大变化。尤其近年来一系列的国际僵持事件把国际关系研究中对大数据的研究推上重要位置，大数据也因此成为国际关系研究中的一个必要课题。

一、大数据时代的诞生与内含

（一）大数据时代的诞生

大数据时代的诞生有着特殊的时代环境和技术背景。

從时代环境方面来看，在大数据诞生和发展的这些年间，社会环境在各方面都是处在高速发展中的，说是日新月异也不为过，在这种环境下做出的每一个决定都对自身有着至关重要的影响，因此，做出决定前就要广泛的参考各种各样的信息数据来保证决定的准确性，对数据的依赖随之加深。

从技术背景方面来看，早在上世纪初，电话、电报等新型信息流通方式的出现就大规模的改变了人们的生活方式，促生出了大量的数据，随着时间的更迭，移动信息设备广泛普及，数据存储变得日常和廉价，云计算技术也得到了发展，大数据时代来临的各种必要技术条件都已备齐，大数据时代也就应势到来了。

（二）大数据的内含

大数据的具体内含至今并没有统一的规定，但是大数据首先是一种数据，一种独特的信息资产，它不仅仅是以枯燥的数字形态出现，还包括着文字、图片、视频等多种形态的信息。“大”是其区别于其他信息的重要特点，这个“大”有着多重含义，首先，也是最浅显的一层含义，就是其数据储存量大、数据种类多、数据计算量也大；其次，从深层含义上来理解，大数据所代表的如此庞大的数据信息并不是杂乱无章的，而是相互关联存在的，数据之间有着独特的“关系网”，利用这些密切的关系网，我们可以从数据中分析出想要得到的信息，这也就是所说的大数据处理，大数据处理是大数据时代一种重要的能力，也是发掘数据背后价值的至关重要的一个步骤。

二、大数据对于国际关系研究的意义

（一）国家数据主权方面

国际关系多种多样，总归来说离不开竞争与合作，国家的实力是国际竞争与合作所要考虑重要条件。在如今大数据时代背景下，国家的竞争力往往与这个国家拥有的数据量及数据的来源途径的多少和处理数据的能力的大小密切相关，因此，国家的数据主权必须要予以重视和维护。事实上，在如今的大国竞争中，大数据的博弈已经白热化。

我们可以从三个方面来理解大数据对于国家数据主权的意义。首先，大数据承载着信息，是数据主权的基础，利用大数据可以分析出一个国家和地区最新的经济、军事、社会动态，是维护国家主权必不可少的功课；其次，大数据作为一种信息权利在主权国家的国际关系维护和发展中发挥着重要作用。主权国家的社会权利的重要来源之一就是承载着信息的各种数据，大数据发展实力强劲的国家可以利用各种信息平台将自国的信息数据扩散出去，增强本国的影响力，从而在国际关系中保有更大的权利；最后，只有做好了大数据控制才能合法维护国家的主权，控制才能了解，了解才有权威，有权威才能进行引导，大数据控制是了解国内外各种信息的不二渠道，了解是维持权威性的重要手段，因此，大数据是国家维护其主权合法性的重要支柱。

（二）国家安全维护方面

维护国家安全是社会和每个国民的责任，在大数据时代，利用数据信息来维护国家安全是一种强有力的手段，新时期，利用大数据对国家安全维护进行创新发展必将使国家的综合实力上升到一个新高度。

首先，对于本国的数据信息进行加密处理能够大幅度提升我国数据的安全程度，利用相关技术对大数据进行处理可以找到隐藏在信息网中不利于国家安全的部分并予以剔除，达到安全预警的效果，除此之外，还可以利用数据挖掘的方式获取其他国家的相关数据，对他国的社会、政治、经济等情况进行了解，知己知彼才能百战不殆；

其次，利用大数据还可以对未来国内外各种领域的走势进行预测，通过现有的以及可获得的数据信息来推敲出本国或者他国未来一段时间内的社会动态、军事变化、科技发展情况、经济走势等情况，就可以为国家争取到更多的时间来安排应对措施，为国家的安全增添了新的保障。

（三）经济实力提升方面

在提升国家经济实力方面，大数据的优势主要体现在它的商业价值方面。在当今大数据时代背景下，商业交易已经不仅仅局限于实体商品与财产的交换，更多的是有关的数据信息等虚拟商品的交易，这种交易使数据的经济效益增加，商业价值变大。在过去，已经用过的企业的相关产业信息成为了废弃物品，不仅保存不便，还占用空间，十分浪费，但是在大数据新时期，这些数据信息可以重新成为商品，直接变现，为企业的发展添砖加瓦。

除此之外，大数据对经济的贡献还体现在催生除新的商业模式和促进社会经济的发展方面，通过大数据处理和云计算技术，企业可以快速找到降低成本、增加利润的方法，用一种新的商业模式使自身得到更好的发展。社会经济也会因大数据而发生较大改变，所幸，它会以一种全新的方式来推动社会经济的发展。

三、大数据时代国际关系面临的挑战

（一）国际关系平等难以维持

在国际关系的不断改变中，人们始终期盼的是维持平等的关系，但是，大数据时代在一切得到发展的同时却催生出更多的“不平等”。数据鸿沟的出现使得这些不平等的情况明朗化，对于数字鸿沟，我们可以从三个方面来看待它。首先，在数据获得方面，数据并不是凭空产生的，而是通过各种各样的人类活动的整合分析得出的，因此，并不是所有主体都能够得到这些数据，在国际中，比较强的国家并加以利用，强者更强，差距更大；其次，在数据的分析利用方面，数据处理是一种能力，不是每个人都有这种能力的，有些人得到数据可以准确快速地对其进行分析处理，利用该数据获得发展，而没有能力处理数据的人即使得到了数据也无法利用，之能够白白浪费；最后，数字鸿沟还体现在学习机会的获得方面，对于强国来说，公民有着各种各样的机会学习大数据处理的相关知识，然而对于大数据技术本来就弱的国家来说，却难以得到比较好的学习机会。总而言之，大数据时代下，难以跨越的数据鸿沟严重阻碍了国际关系的平等发展。

（二）新型数据霸权的出现

說道霸权主义大家都不陌生，我们一直致力于建设民主的国际关系，但是霸权主义一直阻碍着国际关系民主性的发展，在大数据发展的新时期，霸权主义也不仅仅是我们以往了解的形式，而是更多的以数据霸权的形式出现。二战以来，美国与西欧等发达国家的科技一直走在世界前沿，且美国作为世界龙头一直推行着霸权主义，阻碍他国的发展，大数据处理也是美国首先推行的，之后，美国开始大力发展大数据事业，除强硬的技术支持外，还通过政策手段把大数据的发展上升到了国家战略的高度，试图迅速在大数据技术方面扩大与他国差距，占据世界主导地位。美国的表现就是典型的数据霸权主义，上文中的数据鸿沟是因为客观原因拉大了强者与弱者的差距，那么数据霸权就是主观意图的拉大差距，来维护自己的利益，破坏国际关系的民主性。

（三）国际合作的安全威胁增大

竞争与合作是国际关系的主要模式，上文提到的两种挑战主要是出现在国际竞争中的，但实际上大数据时代，国际合作也面临着诸多挑战，安全威胁的增大是最常见的。对于大数据来说，数据的量越大，涉及到范围越广，数据分析处理的水平越高，那么这些数据能够发挥出的价值就越大，因此，在大数据方面，两个或多个国家进行合作能将大数据带来的效益发挥到最大，也能在一定程度上抵御数据鸿沟和数据霸权。然而，由于不同国家的政策不同且合作中的国家都想成为最大的利益获得者，使得国际合作的安全威胁增大。

在大数据方面进行国际合作就离不开对数据的存储和运输，在数据存储和运输过程中都存在着安全威胁，更重要的是，不同国家对于数据管理的法律和观念不同，数据在合作国家间传输时，就会受到不同的法律管理，风险是非常大的。

四、我国如何应对大数据时代国际关系变化

（一）政府给予重视、出台相关政策

随着大数据时代的诞生，我国已经意识到了大数据给国际关系带来的变化，在未来，政府要更加重视大数据的发展，利用各种政策条件推动我国大数据发展进程。目前，我国政府还没有出台关于发展大数据的相关政策，但是已经在部分规划中对加快发展信息处理技术做出了明确规定，随着大数据发展的愈演愈烈，我国一定要抓住这个机遇，政府要大力培养人才，利用政策制定出最适宜的发展战略，站在巨人的肩膀上加以创新，走向大数据发展的前沿。

（二）建设数据平台、重视数据的整合与利用

随着大数据发展的推进，数据的总量会越来越大，数据的分类处理也会越来越复杂，为了避免不必要的麻烦，更好的发展大数据，应对大数据带来的国际关系的调整，我国应该建设数据平台，对数据进行整合，使数据利用更加方便。为了迎接国际关系中的大数据变革，我们要努力超越其他国家，走在大数据发展前列，在全球大力发展大数据技术的背景下，想要超越他国，建设平台，整合资源，有序发展是不二法门。

（三）结合社会实际情况应用大数据

不同的国家有着不同的社会发展状态，在应用大数据技术谋求发展和精进大数据技术时，我们不能脱离社会实际去把发展模式过度理想化，结合自身社会的实际情况来发展，稳扎稳打，才能发挥出大数据的实际效果。国际关系是纷繁复杂的利用大数据处理国际关系时，对不同的国家、不同的国际关系、不同的涉及领域，要结合实际情况灵活运用大数据，切忌千篇一律。

五、结语

在全新的大数据时代，国际关系风起云涌，产生着新的变化，大数据在特殊的时代环境和技术背景下诞生，有着其独特的内含，对国际关系也有着重要的意义，为了维护我国的数据主权、国家安全，提升我国经济实力，解决大数据时代面临的难以维持国际关系平等、数据霸权主义出现、国际合作安全受到威胁等挑战，我国要从利用政策、建设平台、结合实际来大力发展大数据。

【参考文献】

[1]试论科技进步对当代国际关系的影响[J].王逸舟.欧洲.1994（01）

[2]中国互联网“时势造英雄”[J].田溯宁.互联网天地.2011（08）

[3]大数据时代的数据主权和国家数据战略[J].沈国麟.南京社会科学.2014（06）

大数据时代的国际关系研究论文 篇2

企业要想实现利润的最大化, 就必须对客户的行为有充分的把握, 根据客户的不同类型采取相应的策略:即必须拥有忠诚度较高的长期客户。这就要求企业将本身的经营模式逐步由“以产品为中心”向“以客户为中心”转换, 因此“以客户为中心”的经营理念开始广泛流行起来。CRM (Customer Relationship Management) 的概念是由美国计算机技术咨询集团Gartner Group于1997年第一次提出, CRM的出现使得“以客户为中心”的经营理念由空洞的口号转变为有一套实际理论支撑的可操作体系。2000年左右, CRM概念传入国内并成为国内企业应用领域的热点研究方向之一。

由于近年计算机、通讯技术和网络应用技术的飞速发展, CRM在实现方面获得了强大的技术支撑, 相关的技术知识如:数据库和数据仓库、数据挖掘、客户机/服务器体系、知识发现、图形用户界面、决策支持、Internet和电子商务技术、面向对象技术、呼叫中心等等, 很多理想中的CRM功能由此能够被实现成为新产品。现在, 经过十多年的发展, 客户关系管理已经融合了现代市场营销和现场服务的理念, 并集成了CTI (计算机电话集成技术) 和Internet (互联网技术) 等相关技术, 开始进入它的成长、壮大和快速发展时期。

1 大数据环境下客户关系管理特征分析

客户关系管理最早是由Gartner Group形成完整的概念, 其核心思想是通过建立一套系统, 使企业能够在市场竞争、客户服务、销售及支持等方面形成一个彼此协调合作的全新关系实体, 企业因此在竞争方面具有更长久的优势。

尽管CRM的思想产生已久, 直到近几年来由于信息技术的发展取得较大的成果, 其实现才出现了较快的进展。软硬件、培训和专业服务是CRM用于企业解决的方案内容, 通过使用硬件、培训设计和购买专业服务能够将全面实时的数据提供给公司员工, 从而使他们对每个客户的购买历史和具体需求有清楚的认识, 因此他们能在对客户充分理解的前提下为之提供优质的服务。通过CRM应用系统, 公司可以收集到有关每次企业与客户之间交流、每次企业销售活动、每次企业产品升级和客户支持等问题的详细信息, 并分析利用这些信息来逐步提高产品的服务和质量, 最终使客户成为忠诚度较高并且有利可图的终身客户。

尽管CRM的方法很吸引人, 但直到时间进入20世纪90年代后期, 客户关系管理的概念才开始逐渐深入到一些大型公司的决策管理层。IBM的相关调查结果显示, 大多数的企业, 特别是许多中小规模的企业, 仅仅是初步了解了一些客户关系管理的应用, 对于客户关系管理特定的解决方案则知之甚少。虽然许多公司都对客户数据进行了收集, 但这些数据通常分布在公司的各个部门中, 并没有很好地实现在整个公司范围内进行有效的连接和整合。

由于信息技术的迅速发展特别是互联网技术的不断更新CRM在近些年得到了大力推广, 如果缺少了信息技术的核心互联网技术不断进步的推动, CRM的实施过程一定不会像现在这般顺利。互联网可以被形容成是CRM前进的助推器, 具体的IT技术应用包括:数据挖掘、数据库、数据仓库、呼叫中心和网络浏览器中的个性化客户服务系统等等, 这些技术与CRM的应用同步取得了发展和前进。

2 大数据环境下数据挖掘技术分析

数据挖掘 (DM, Data Mining) 是指从数据库的大量数据中提取隐含的、先前未知的并有潜在价值的信息和知识的过程。下面给出的数据挖掘的定义主要分为技术层面和商业层面[2]。

数据挖掘的技术定义。从技术的角度来看, 数据挖掘是从海量的、不完整的、有噪音的、模糊的、随机的实际数据中, 提取隐含在其中的、事先无法获知的、但又有潜在价值的信息和知识的过程。因此数据被看作是知识的源泉, 数据挖掘的过程就好像是在许多的金矿石中千挑万选淘出金子一样。发现的知识可以用来对信息进行管理, 也可以用于查询优化, 决策时提供支持以及对过程进行控制等。数据挖掘由此成为一门交叉多种理论的学科, 人们应用数据的能力从低层次的简单数据检索, 提升到利用数据挖掘技术从数据库中发现知识, 并为决策提供支持。

数据挖掘的商业性质的定义。从商业应用的方面来看, 数据挖掘是一种全新的对商业活动中收集的客户的资料进行处理的技术。数据挖掘是利用机器学习和统计学的相关技术, 希望建立一种模式可以用来模拟客户与市场的行为。目前, 数据挖掘通过与企业商业数据仓库的紧密结合已经可以实现自动化挖掘, 并且将挖掘的结果以方便快捷的形式向企业管理决策层展示。在数据挖掘应用中不单要解决选择优秀算法来建立最佳模型的问题, 而且更关键的是要解决企业复杂多变的信息采集与收集环境与数据挖掘技术如何结合的问题。其次, 因为数据挖掘技术也有自身的缺陷, 它无法拥有或模拟人类的直觉和经验, 所以对于挖掘得到的模式还需要靠数据挖掘分析人员来鉴别出它们的现实意义。因此, 在数据挖掘过程中分析人员也必须参与进来[2]。

3 大数据环境下数据挖掘技术在客户关系管理中的应用

信息技术迅速发展过程中的数据库技术和计算机网络技术的广泛应用导致企业所采集和存储的数据量急速膨胀。企业商业运作中的利弊得失实际都蕴藏在所采集的海量数据与信息之中。为了帮助企业更好地进行商业运营决策, 就必须迅速有效而且深入地分析和处理这种海量数据与信息, 从中发现一些模式和规律, 获取所需要的知识。在这种市场需求的背景中数据挖掘技术及其产品得到逐渐的发展并成熟, 企业在数据挖掘中的投资也获得了较高的回报。在客户生命周期的每个管理阶段, 企业都可以使用到数据挖掘产品。客户的特点在数据挖掘中可以被有效地确定, 从而帮助企业有针对性的为客户提供服务。通过研究发现, 在CRM中的数据挖掘应用主要有以下几个典型方面。

3.1 客户分类分析

企业为了同客户建立起持久的关系, 在每一次与客户接触的过程中都要对每一个客户进行充分的了解, 这就是“一对一营销”策略, 这是营销理论的重要观点。将所有可以细分的群体从一个大的消费群体中划分出来的过程就是客户分类的过程。比如不同需求和交易习惯的客户群体可以根据客户的性别、收入和交易行为特征等属性进行细分, 具有相似属性的客户被划分在同一个类里, 而属性差异比较大的客户被划分在不同类之中, 同时, 在推测某个消费群体的消费行为的时侯可以参考关于这个群体的兴趣、消费倾向和产品需要等方面的描述。针对有价值的客户群体, 企业可以开展更具针对性的促销活动, 提供个性化的服务, 从而使企业获得更大的投资回报。

企业在客户分类中, 可以利用对现有的客户进行聚类的结果按客户的不同价值进行分类标识客户 (普通客户、最具增长型客户、高价值客户、负价值客户) , 在描述客户的特征时则可以使用决策树算法来建立分类模型。独立的客户细分群可视为决策树的一个叶节点。客户的某些特定特征用来定义每个叶节点, 发生一些预测当遇到与这些特征相吻合的客户时。

3.2 客户行为分析

客户的满意度、忠诚度、响应度、客户流失预测, 交叉销售等多方面的分析可以由分析客户行为的模块来完成, 客户关系建立的基础在于客户满意程度、忠诚度的长期保持, 而这将对企业的持续发展盈利能力的提高起到有效的帮助。为降低销售方面的成本, 改善企业销售和促销方面的行为, 就需要对客户的响应度进行分析, 这可以有效的提高促销的目标性。对可能流失的客户进行预测分析可以帮助企业采取有效措施挽留客户避免客户的流失, 而发现交叉销售的机会则需要通过对现有客户购买产品行为数据的关联分析, 企业为客户提供更加周到的服务, 可以获得更大的收益。

客户满意度分析:客户满意度分析是一种已经有自己的分类标准的数据挖掘分类任务, 是对企业提供的某种产品或者是某项服务的消费情况的总体评价, 使用公式和自己设定的度量标准, 并结合时间和另外的参数, 对客户购买产品、意见反馈、维修及投诉电话等信息进行分析, 发现导致客户满意度降低的缘由, 从而针对性的提高客户的满意度。

客户忠诚度分析:客户的忠诚度是指企业的现有用户倾向于继续购本企业产品或服务的程度。企业对客户的忠诚度开始进行分析, 并客户忠诚度的变化情况进行关注, 对现有的客户数据通过客户购买倾向的度量来进行分类, 从而实现对当前客户的保持。

客户盈利能力分析:客户盈利能力分析是采用数据挖掘系统来分析并预测客户的盈利能力在不同市场活动情况下的变化情况, 从而帮助企业及时调整自身的市场策略。首先为了确定客户的价值需要通过制定公式来计算客户的盈利能力, 企业为给下一步的数据挖掘应用指出明确的方向, 可以根据计算公式来设定一些优化的目标, 然后, 再使用挖掘工具对客户进行分析以及分类, 将客户划分为真正创造利润的、无利润的和存在潜在利润的客户等, 企业的营销策略可以按它的指向发生变化, 实现保留有价值客户同时对潜在客户进行再次开发, 将成本的花费控制在最低。

客户生命周期价值分析:客户生命周期价值分析是对企业现有客户或潜在客户在某一段时期内的价值进行预期。主要表现在通过收入、成本以及风险来计算客户在不同时期的收入、成本、风险, 然, 找出服务属性、客户属性和客户消费属性与最终客户流失状态之间的关系, 建立预测模型来分析并预测当前客户是否存在流失的可能性。只有拥有稳定的老客户和不断获得新增客户才能保持企业的不断成长和发展壮大, 通过使用数据挖掘你可以识别企业是否存在潜在的客户群体, 从而避免流失有价值的客户, 并对市场的活动做出积极的响应。

3.3 市场分析

企业要想在市场中生存下来, 关键要把握住市场的动态, 对市场发展趋势做出积极响应, 这样才能在市场激烈的竞争中立于不败之地。分析市场的走势主要考虑以下因素:商品销售区域信息、商品日/月销售数据、商品类别、竞争对手产品发展情况、商品新技术的影响等。对基于时间序列的销售数据采用时序分析的方法进行趋势分析, 分析并预测出市场的趋势变化、季节性变化、循环变化和非规则或随机变化。客户关系管理使用数据挖掘技术所建立的系统, 其管理的核心应该是以客户为中心的, 以客户数据为核心的, 集成客户、人员关系管理系统和数据挖掘技术为一体的综合性互动应用系统。CRM通过对企业和客户的互动进行管理来减少销售环节, 降低销售成本, 及时发现市场和渠道, 从而提高客户价值、客户满意度、客户利润和忠诚度

4 结束语

目前国内很多企业的信息化和网络化的程度都已经达到较高的水平, 基本上都进入了信息化的基础阶段。实现CRM的前提条件便是要提高企业管理水平、信息化水平、办公自动化程度和员工计算机应用能力。由于CRM最基础的项目是客户信息, 因此企业需要依靠商业智能、数据仓库和数据挖掘等技术的发展来提高对客户信息进行收集、整理、加工和利用的能力[4]。未来国内企业在通讯方面的花费预期会得到较大的降低, 而这将是电话和互联网发展的直接推动力, 进而会使呼叫中心的发展得到较大的推进。企业可以使用电话与网络相结合的统一平台与客户进行交流。

参考文献

[1]栗粟.数据挖掘在电信行业CRM中的应用[D].长春:长春理工大学, 2008.

[2]王力.数据挖掘在客户关系管理中的应用研究[D].淮南:安徽理工大学, 2009.

[3]崔海莉.基于CRM的数据挖掘技术研究及应用[D].合肥:合肥工业大学, 2006.

大数据时代的国际关系研究论文 篇3

关键词：大数据;中小企业;客户关系管理

1 大数据时代的来临

由于交通和通信技术的发展，现代社会已经成为一个地球村。特别是信息技术的进步与发达，人们之间的交流越来越密切，生活也越来越方便。

这其中最有代表性的就是物联网（Internet of things）。物联网，顾名思义就是物与物信息相联的互联网，她的基础与核心还是互联网，实际上就是在互联网的基础上进行的扩展与延伸。

因此物联网与其说是网络，还不如说是业务和应用。物联网通过智能感知、识别技术与普适计算（Pervasive Computing or Ubiquitous Computing）等网络融合技术，使得互联网的用户端由线上虚拟网络延伸和扩展到了线下的实体网络，各种物品之间进行各种信息通信与交换，实现物与物之间的无缝联络与信息交流。故物联网以应用创新为发展核心，而以用户体验为发展灵魂。

大数据就是这个物联网时代的产物，物联网产生用传统方法没有办法处理的庞大的信息和数据。大数据无非就是，以云计算（Cloud Computing）为代表的创新技术，把这些以前没有物联网而很难收集和使用之数据利用起来而已。大数据就是互联网发展到现今物联网阶段的一种表象或特征而已，故没有必要去神化甚至敬畏它。

故大数据的第一个特征是数据量前所未有的大[1]：至少是P（1000个T）以上的数量级;其次的特征是数据种类繁多：有地理位置信息、视频、图片、网络日志和音频等等，这要求人们有更高的数据处理能力;再次的特征为数据价值含量比较低：由于物联网的广泛应用，信息数据感知无孔不入，形成海量的信息数据，这自然其价值的密度相对较低;最后的特征是大数据的时效性很高：这是大数据挖掘最突出的特征和表现。

由此可见，大数据时代的来临，对人们对数据的驾驭能力提出了更高的要求与全新的挑战，也为人类获得更加全面与深刻的洞察力提供了从未有过的空间与潜力[2]。大数据的处理可以比喻为煤矿的挖掘。煤矿的挖掘收益有很大的区别：煤炭根据煤化程度，可分为无烟煤、烟煤和褐煤三大类，又可再细分为无烟煤、贫煤、贫瘦煤、瘦煤、焦煤、肥煤等诸多小类;而这些煤矿的挖掘成本又大为不一样：按埋藏种类可分为露天开采、地下开采、海底开采三类。故与此类似，大数据的利用也是一种挖掘过程，其处理过程在于“有用”而不是在于“大”， 挖掘成本与价值含量因素比数量的庞大更为重要。

可以毫不夸张地说，如何利用这些大规模数据成为绝大多数行业赢得竞争的关键。如面临互联网压力之下的传统企业，需要与时俱进充分利用大数据之时机实现转型;又如大众消费的企业利用大数据平台进行客户的精准营销;再如做小而美的中小型企业运用大数据平台进行服务转型，等等。

2 中小企业客户关系管理的压力

现在全国的企业公司之中，中小企业占据绝大部分，是中国经济建设中举足轻重的力量，因此对中小企业管理的研究具有重要的意义。一般而言，中小企业不重视客户关系管理，因为客户关系管理从一出现就发生在跨国大公司。客户关系管理（CRM： Customer Relationship Management）， 是以“客户为中心”的跨部门统一业务管理平台，核心是有机地整合企业公司的市场营销、销售与客户服务等业务流程。

而对于中小企业而言，由于成本的原因，管理人员往往身兼数职，数量不可能太多，而企业公司的负责人一般对客户关系管理项目是不够重视的，因为主要的精力要放在对外业务和内部财务上;而对于运作的基层，绝大多数的销售人员往往只考虑怎样促成交易， 不会也不可能对售后服务有较多的关注， 这样的结果就使得客户没有忠诚感，产生大量的客户逃离;再加上中小企业用人环境一般吸引力不强， 人员尤其销售流失率非常的高，这样就经常出现一名前台销售人员的流失同时带走一大批熟客的现象， 给企业发展造成重大中断和挫折。

由于大数据时代的到来，信息渠道越加开放，导致技术手段与营销手段差别的日益缩小，甚至出现服务与产品日益同质化的趋势。这样，当前市场的竞争必然由“以产品为中心的竞争”过渡到“以客户为中心的竞争”，竞争的层面也从产品质量和价格向服务演变，良好的客户关系管理事实上已经成为增强企业核心竞争力的关键。

这对于中小企业而言， 无疑是一威胁但同时也是一机遇。假若中小企业能够建立良好的客户关系管理，达至快速地获取市场信息，实现自动化的工作流程以及个性客户服务，从而建立与客户长久、和谐、忠诚的共生共容关系，那么就可以顺应社会信息化的发展，以实现企业的长期稳定发展。

3 大数据成为中小企业客户关系管理的发展大平台

客户关系管理从诞生开始就是为大型跨国公司服务的，所以与之配套的CRM软件，十有八九是大而全的系统，包含销售、营销和服务等等各种业务。这些CRM系统必然需要较高计算机应用水平的信息操作人员，在不同时段进行实时业务跟踪，并及时把信息输入到系统中去，这样系统才能实现平稳的自动化流程，精准的个性化分析和服务，从而实现准确的客户挖掘和客户跟踪。对于中小型企业就显得系统庞大与功能繁杂，造成功能的浪费与闲置。

与大型企业相比，中小型企业技术、人才等缺乏，加上中小企业本身的运营资金相对不多，又要实现快速发展，因而资金需要多方分配，那些动辄数十万甚至数几百万元的CRM系统，对中小企业来讲就只能是望梅止渴式的奢望。

这个难题到当前有了解决的可能，因为大数据时代有一个根本的特点，那就是开放性。即以前原本很难收集和使用的数据，在创新的信息技术面前变得随手可得。这就使得傻瓜化的中小企业CRM成为可能，实现实用、易用，不神秘、不复杂，以及维护方便，功能尽可能简单。

比如当前兴起的“软件即服务”（SaaS： Software-as-a-Service）应用模式，其实是一种通过互联网提供软件，流行的如云计算、QQ、微信等。

对于一般的中小企业，要实现这种CRM分析功能其实很简单，如组建一个工作QQ群，把所有员工的手机变成移动的工作终端。通过QQ群的历史纪录，对客户信息进行合并与分析，可以帮助企业记住任何一个客户之相关资讯。这样简单的操作，就可以把客户每一次的信息加以整合，从而实现企业在为客户服务时表现得非常的人性化：在客户生日时，记事本会提醒企业不要忘了给客户寄张生日贺卡，又或者手机日程会提醒办事人员，这是一个极其重要的客户。

又如通过QQ群安排工作日程，之前发生了什么问题，用什么措施去解决的，进行到了哪一步，QQ日程里的顾客资料库记得一清二楚。每当后续的维护人员在接手的时候，这样就不会有顾客抱怨，对之前发生了什么都要从头说起。这样可帮助后续维护人员熟悉工作情况，尽快地解决客户的问题，也使得公司的服务业务在维护人员变动的情况下，能够保持长久流畅的连续性。

还可以在企业网站设立VIP系统，客户在购买第一件产品的时候，就拥有一个长期的VIP账号。第二次只需登录系统，就可以实时选购该企业的产品或者相应的服务，企业也可以根据用户情况，为用户提出更合理化的建议，并且针对性地为客户开发相关产品和增值服务。这样就可以使得客户能一站式购买全部产品，自然不会再考虑其它厂商，对企业的忠诚自然就形成。

4 结束语

大数据时代是一个开放的社会，这为中小企业获得更为深刻而又全面的洞察分析能力提供了前所未有的空間与潜能。这样，中小企业也可以像跨国大公司一样，真正做到以客户为中心， 使自己的客户关系管理系统善解人意，为客户提供称心如意的服务， 进而提升企业的服务软实力。

参考文献：

[1][英]维克托·迈尔·舍恩伯格.大数据时代[M].浙江人民出版社，2013年1月.

[2][美]林那夫&贝里.数据挖掘技术：应用于市场营销、销售与客户关系管理（第3版）[M].清华大学出版社，2013年3月.

作者简介：

大数据时代的国际关系研究论文 篇4

数据挖掘的过程实际就是对数据进行分析和处理，所以其基础就在于数据的分析方法。要想确保分析方法的科学性，就必须确保所采用算法的科学性和可靠性，获取数据潜在规律，并采取多元化的分析方法促进问题的解决和优化。以下就几种常见的数据分析教学方法做出简要的说明。一是归类法，主要是将没有指向和不确定且抽象的数据信息予以集中，并对集中后的数据实施分类整理和编辑处理，从而确保所形成的数据源具有特征一致、表现相同的特点，从而为加强对其的研究提供便利。所以这一分析方法能有效的满足各种数据信息处理。二是关联法，由于不同数据间存在的关联性较为隐蔽，采取人力往往难以找出其信息特征，所以需要预先结合信息关联的表现，对数据关联管理方案进行制定，从而完成基于某种目的的前提下对信息进行处理，所以其主要是在一些信息处理要求高和任务较为复杂的信息处理工作之中。三是特征法，由于数据资源的应用范围较广，所以需要对其特征进行挖掘。也就是采用某一种技术，将具有相同特征的数据进行集中。例如采用人工神经网络技术时，主要是对大批量复杂的数据分析，对非常复杂的模式进行抽取或者对其趋势进行分析。而采取遗传算法，则主要是对其他评估算法的适合度进行评估，并结合生物进化的原理，对信息数据的成长过程进行虚拟和假设，从而组建出半虚拟、半真实的信息资源。再如可视化技术则是为数据挖掘提供辅助，采取多种方式对数据的挖掘进行指导和表达[1]。

大数据时代的国际关系研究论文 篇5

在大数据时代的背景下，物联网、云计算等新一代信息技术的飞速发展，对“智慧图书馆”的构建产生了深远的影响。本文具体详细地分析了当下的前沿信息技术以及它们在“智慧图书馆”中的应用。基于“智慧图书馆”“以人为本”的本质理念，探讨“智慧图书馆”的现状与所面临的问题，并给出相关的对策与建议。随着科技的进步，人工智能在“智慧图书馆”中的应用会带动图书馆向更加智能的方向发展，人性化的水平也会不断提高。

研究背景及意义

研究背景

基于大数据的时代背景，信息的爆炸式增长，导致用户无法从海量的数据中及时获取有用信息，使信息的实际利用率降低，出现数据过载但信息匮乏的局面。而“智慧图书馆”的本质理念强调“以人为本”，所以围绕服务于人的核心，满足读者多样化的新需求，帮助读者迅速、高效、准确地找到理想的图书信息资源，是实现智慧化服务的关键。李婴巧妙地用人的神经系统与大脑之间的关系来阐述物联网、云计算、大数据、移动互联网与智慧图书馆的关系。所以，利用新一代信息技术完善智慧图书馆系统，满足用户多样性需求，顺应大数据时代的发展趋势，是一项重大的时代课题。

研究意义

图书馆的服务模式伴随着大数据时代的到来正在经历一场深刻的变革，资源形态由纸质书籍向数字资源转变，借阅方式由传统借阅向智慧服务转变、服务方式由“人找信息”向“信息找人”转变，核心竞争力由文献资源的竞争向多源数据的采集、融合与挖掘转变，逐渐体现出智慧图书馆“以人为本”、“以服务为宗旨”的本质理念。

在信息资源日益丰富的条件下，信息服务主要面临着，信息爆炸式增长与用户学习能力之间的矛盾。如何化解这一矛盾，是当下探讨智慧服务首先要解决的问题。首先，信息的爆炸式增长导致元数据的散佚和混淆，这就要求图书馆加大对元数据的收集、整理。顾立平提出可以从数据获取、数据共享、数据重用和数据加值这四个角度来开展数据治理工作。其次，我们要通过数据挖掘、信息过滤、资源检索、数据分析等多种手段锁定读者需求，为用户提供有针对性的个性化服务。最后，物联网、云计算的蓬勃发展也为“智慧图书馆”的构建注入新的活力，探讨基于大数据时代下的“智慧图书馆”服务模式具有现实意义。

物联网与智慧图书馆

物联网技术。物联网指利用最新传感技术把任何物体与互联网连接起来，实现人类社会与物理系统的整合，提高社会的智能化水平。

将物联网技术用于智慧图书馆的构建中，旨在以用户体验为核心，将读者、图书馆员、信息资源、环境与设备有机互联，人员流、信息流及设备流有机融合，挖掘主体内部的相关关系，以此满足读者需求。

物联网在“智慧图书馆”中的应用。第一，物联网技术被应用于实时监测图书馆内部环境变化。图书馆的照明系统，可以根据光线的传感信息对灯光进行自动调节；安防系统可以自动识别火情传感信息并采取相应的措施予以应对，实现控制节点对各个终端传感节点的控制。第二，物联网中RFID、传感器等技术地广泛应用，可以全面感知文献书籍的动态信息。将馆内文献贴上电子标识，既方便读者的快速查找又可以减少图书馆员文献编目与整理的工作量，大大节约读者的时间成本。李静从智能查找、分拣系统等多个子系统的角度，阐述物联网RFID技术在图书馆中的应用。第三，利用物联网技术能够为读者提供个性化服务。比如，根据读者日常所浏览的该网页频率，确定用户的感兴趣主题及价值取向，从而为读者推送相关书籍。根据近期搜集的所有读者借阅量的有关数据，为读者提供处在借阅排行榜前几位的图书，拓宽读者的知识面。

云计算与智慧图书馆

云计算的含义。自“云计算”的概念首次被提出以来，“云计算”便迅速席卷全球。[云计算最重要的两个特征是大存储和快计算。云端提供虚拟、超大的数据存储空间，可作为数据备份的途径；云计算融合分布式计算等多种计算方式，具有超强的信息处理能力。

云计算在“智慧图书馆”中的应用研究。基于云计算超强的存储能力与计算能力，可以对通过传感器所采集的感知信息进行快速处理，比如，当读者无法准确地表述想要检索的内容时，系统可以自动地根据相关表述提供自动信息检索代理服务等。此外，每一个用户都可以申请到属于自己的云存储空间，解决用户内存不足的问题。比如，若手机内存有限，可以将下载的电子书资源传到虚拟云端进行存储。

智慧图书馆建设存在的问题

第一，推荐服务智慧化程度低。以高校“智慧图书馆”为例，其提供的推荐服务的核心是书籍而不是读者，对读者的需求没有精准定位。

第二，信息安全问题突出。邱庆东指出，智慧图书馆内部运行数据、用户资料的泄露等会使网络安全问题更加突出。

第三，技术难度加大。“智慧图书馆”的构建需要依托强有力的技术手段，随着智能化水平的不断提高，人工智能技术也将逐渐地融入到智慧图书馆的构建中，所需要攻克的技术难关也会越来越多。赵继海所提到的运用VR技术可以为为读者带来全新的阅读感受与体验。文中所提到的AI及机器学习等智能技术无疑是未来图书馆领域的发展趋势。

第四，图书馆员专业化水平良莠不齐。目前图书馆员主动服务的意识比较缺乏，运用信息技术的能力还有待提高。勾丹指出，尚未建立图书馆员准入制度，馆员的学历整体偏低，且对馆员的考核制度有待完善。

智慧图书馆构建的相关建议

第一，健全信息安全的法律机制。大数据时代信息爆炸式增长的同时，个人信息的泄露屡见不鲜，国家应完善网络安全的立法工作，使信息安全有法可依。同时，智能图书馆系统需要不断提高防范信息安全的技术水平，保护用户的个人信息免被窃取。

第二，积极推进智慧平台建设。利用物联网技术收集感知信息，加强馆内环境建设，为读者提供舒适的阅读环境。利用数据挖掘技术，对用户行为需求及兴趣进行深度挖掘和分析，从而给用户提供符合兴趣爱好的相关推荐。

第三，社交媒体助力“智慧图书馆”的建设。微博、微信等社交网络的快速发展推动着“智慧图书馆”向更加快速、便捷的方向发展。比如，各大图书馆可以利用微信服务平台为读者提供实时的服务，包括图书馆座位查询、书籍查询等。基于智慧图书馆，还需要提供更加“智慧”的推荐服务，更精准地定位读者需求，提供差异化推荐。此外，提供在线信息咨询服务、回复微信用户留言的服务，增强与读者的互动与交流。

第四，不断完善移动图书馆的建设。以“超星”移动图书馆为例，可以实现电子资源一站式检索、纸质馆藏文献的移动检索等功能。但是检索功能仍处于初级阶段，需要不断完善检索的功能，提供更加复杂的查询，另外，学术资源需要各大图书馆之间进行合作与共享，从而使用户更容易获取所需的电子资源。

第五，提高智慧馆员专业化程度。储节旺提出，智慧馆员应该树立智慧意识，培养创新能力，定期给予相关的培训，提高运用信息技术的能力。李凯旋从人文的角度阐述人对图书馆建设的重要作用，不断丰富“智慧图书馆”的内涵。

大数据时代的国际关系研究论文 篇6

一、大数据时代给档案管理信息化建设带来的机遇

在当前的时代，大数据技术的出现以及广泛应用，让社会的各个领域发生了显著的变化。对于档案管理工作来说，通过对大数据技术的重视和应用，将让传统的档案管理工作得到系统的优化，进而让档案信息资源的利用价值得到显著的提高，具体表现为：(1)借助对大数据技术的引入和应用，能够确保档案管理工作实现高效运行，当网络技术以及各类新型档案管理软件被应用到档案管理工作领域之后，将让以往依赖于人工处理的归档、建档工作实现升级，进而带来全方位的工作效率提高，这样也确保了档案管理工作的效率以及质量。(2)大数据时代推动了传统档案管理工作的精准性，档案管理工作涉及到对海量档案信息资源的保管、应用与开发，人工处理的模式极易导致在这一过程之中产生舛误，而借助大数据技术的应用，将提升工作精度，使得档案信息资源的检索、利用以及开发等工作内容得到了信度层面的保障。(3)大数据时代为档案的保存和传播的带来了革命性的影响。传统的纸质档案的保存寿命不长久，大数据时代实现了信息和载体的分离，利用人类先进的计算机存储系统、芯片、云存储等，可以极大的提高存储的容量，而且，档案的复制极为方便，同一份档案可以进行多次复制存储，防止了档案资源的流失，可以实现永久存储，促进了人类智慧的长久保存于与传播。总之，大数据时代的到来，给档案管理带来了极大的机遇和便利，应积极促进档案管理的信息化建设。

二、大数据时代档案信息化建设的实施

在大数据时代，档案信息化建设工作需要打造信息化档案管理工作理念，创设信息化档案管理数字平台，注重基础设施建设工作，提升档案管理人员素质水平，科学设定岗位责任。

1.打造信息化档案管理工作理念

档案管理机构的负责人不得对大数据时代对档案管理工作的影响熟视无睹，而是应当积极进行管理理念的创新，看到大数据技术对传统档案管理工作的革新意义所在;档案管理工作人员应当意识到大数据时代到来对自身工作模式所带来的一系列改变，进而在日常工作中有意识地提升自身的信息技术手段应用水平，主动去接触和了解大数据技术的内涵，以便能够通过对自身信息技术应用水平的提高，真正为档案管理工作的信息化建设进程贡献出个体的一份力量。

2.创设信息化档案管理数字平台

为了将大数据技术所具备的技术优势真正地应用和体现于档案管理工作领域，这便要求档案管理机构要积极致力于对信息化档案管理数字平台的创设，如此将实现对档案信息资源的网络平台化综合管理，而且亦能够让档案管理工作获得良好的信息化建设氛围。不过在搭建平台过程之中，档案管理机构不能盲目地贪大求全，而是应当立足于自身的工作实际需要以及自身所掌握的`资源，从而以此为根基，循序渐进地实现对平台的搭建和完善。在平台搭建完成之后，应当创设档案信息资源查询链接，如此将让档案信息资源的查找与利用工作更为高效、便捷，也能够让档案信息资源同其它信息资源的类型得到有效地区分。

3.注重基础设施建设工作

为了真正能够实现档案信息资源的信息化建设，这便要求档案管理机构应当注重基础设施的投入，具体应当做到下述几点：第一，要通过调研工作，了解到市场上哪些设备对于档案管理工作是必需的，由此将之加入到自身的硬件采购计划之中，以便能够确保信息化建设工作得到充足的硬件条件保障;第二，档案管理机构应当为工作人员提供信息化水平培训与进修机会，并将之纳入到部门绩效考核范畴之中，以此来促进工作人员能够主动实现对自身信息化应用水平的提高。

4.提升档案管理人员素质水平

大数据时代，档案管理面临着巨大的变革，要想落实信息化建设，必须要不断提升档案管理人员的素质水平。具体而言，首先需要加强外部优秀人才的引进，信息化建设需要的专业的信息技术人才，应当加强这方面人才的引进于培养工作。其次需要加强在岗人员专业技能培训，对老员工加强信息技术培训工作，对新员工加强档案技能培训工作。最后，需要加强对档案从业人员的爱岗敬业意识教育，要鼓励他们调整心态、更新观念，创新档案管理模式，加强自身潜力开发，让档案管理工作更好地服务于单位发展。

5.科学设定岗位责任

考虑到网络技术给社会公众带来生活便利的同时，亦会因系统漏洞以及骇客等问题造成信息资源的破坏。因此，档案管理机构在践行信息化建设工作的同时，必须科学地设定岗位责任，以便让工作人员能够在日常工作中获得明确的工作职责指引，同时，要明确规定日常网络管理安全细则，以便能够让工作人员能够严格按照规范的流程进行操作，避免因工作人员疏忽大意而造成档案信息资源受到破坏。

三、结语

以上，我们对大数据时代档案管理信息化的方式展开了研究。在新的历史发展时期，档案工作人员必须要紧跟时代发展步伐，关注科技创新，积极完成档案管理信息化技术的创新，从而带动档案管理水平的提升，实现档案管理的新突破，为档案管理事业贡献力量。

参考文献：

[1]夏燕玲.档案信息化建设与档案管理的几点思考[J].云南档案，，26(3)：29-31.

[2]俞志华，王军宁.数字化时代高校档案管理信息化建设[J].合肥工业大学学报(社会科学版)，，21(2)：78-81.

[3]李海军.档案管理信息化之理念探讨——以高校档案管理信息化建设为背景[J].北京档案，2007(2)：17-19.

[4]赵群.解析档案信息化建设与档案管理的几点思考[J].办公室业务，(23)：150-151.

[5]徐海燕.事业单位档案管理信息化建设存在的问题与解决措施[J].文存阅刊，(9).

大数据时代的国际关系研究论文 篇7

小微企业是小型企业、微型企业、家庭作坊式企业、以及个体工商户的统称, 其特点是产权和经营权高度统一、产品或服务种类单一、市场占有率很低或只在小范围有较高市场份额、规模组织较小。银行在开展小微贷款业务时, 一般将贷款500万元以下的划为小企业, 100万元以下的划为微企业。小微企业数量占企业总数的90%以上, 在增加就业、促进经济增长、科技创新与社会和谐稳定等方面都起着不可替代的作用。

融资难一直是困扰小微企业的一个问题。据统计, 有近六成的小微企业因资金紧张而有借款需求, 但其中只有10%的企业借到部分所需资金。而大中型企业获得了银行近70%的贷款, 小微贷款在全部企业贷款中的比重不足30%。

近年来, 电子商务得到迅速的发展, 小微企业纷纷“上网”, 同时催生了更多的小微企业。电子商务中海量数据的沉淀为互联网金融创新提供了条件, 同时也为解决小微企业的贷款难问题提供了新的思路。

二、小微信贷面临的困难

小微企业信贷需求具有规模小、频率高、时间急和风险高的特点, 但这种需求常常难以得到满足, 这既有小微企业自身的原因, 也有银行以及相关体系不健全的原因。

小微企业缺乏足够的抵押担保。小微企业一般缺少土地使用权、门面房、商业用房、工业用房等银行普遍愿意接受抵押的财产, 同时存在固定资产少、流动资产变化快、无形资产难以量化等问题导致难以获得担保。据调查, 我国小微企业因无法落实担保而拒贷的比例为23.8%, 因无法落实抵押而拒贷的比例为32.3%, 合计总拒贷率为56.1%。

缺乏信用评价机制, 信用标准与信用评价制度滞后。小微企业的技术创新能力较弱, 缺乏竞争力, 市场风险高, 管理水平落后, 经营风险大, 信用观念差, 财务制度不健全, 信息不透明, 使得金融机构不能把握中小企业的贷款风险, 不敢向其发放贷款。

信用担保体系不完善。目前为中小企业提供贷款担保的机构少, 并且担保基金的种类和数量远远不能满足需求。民营担保机构受到所有制歧视, 只能独自承担担保贷款风险, 而无法与协作银行形成共担机制。由于担保的风险分散与损失分担及补偿制度尚未形成, 使得担保资金的放大功能和担保机构的信用能力受到较大制约。

银行交易管理成本高。由于小微企业贷款“额小、面广、期短、工作量大”, 与大额贷款相比费用高, 同时也没有成熟规范的财务制度, 银行需要花费不少的财力、物力去调查客户信息的办理业务, 不能很好地形成规模经济。

缺乏合适的信贷产品。针对小微企业信贷需求的特点, 缺乏与之相适应的信贷产品。即使小微企业成功获得贷款, 由于手续过于繁琐且申请周期长, 也会影响企业资金周转。

贷后管理问题。由于小微企业财务制度不健全, 信息不透明, 对于已经发放的贷款, 存在贷后管理困难、贷款不良率较高的问题。

三、大数据给小微信贷带来的改变

近年来电子商务发展迅速, 2012年中国电子商务市场交易规模达8.1万亿元, 阿里巴巴旗下的电商平台淘宝和天猫的销售总额突破了1万亿元。根据《商务部“十二五”电子商务发展指导意见》, 到2015年, 我国规模以上企业应用电子商务比率达80%以上;应用电子商务完成进出口贸易额占我国当年进出口贸易总额的10%以上;网络零售额相当于社会消费品零售总额的9%以上。

与此同时, 由于电子商务公开、透明及数据可记载的特点, 在各种电商平台 (B2B, B2C, C2C) 和第三方支付平台上积累了大量的数据, 这些数据包括了企业的资金流、物流、经营信息数据。这些数据具有“大数据”的四个特点:数据体量大, 数据种类多, 价值密度低, 处理速度快。大数据以及云计算技术的发展, 为解决小微企业的融资问题提供了新的可能。依托于开展电子商务所积累的数据, 一些电商平台如阿里巴巴已经开展了小微信贷服务, 为小微信贷的开展带来了新的改变:

1. 建立依赖于大数据的信用评价机制。

根据电商企业的经营数据和第三方认证数据可以辨析企业经营状况, 反应企业偿债能力, 从而解决了传统金融行业针对个人及小企业贷款存在的信息不对称、流程复杂等问题。以阿里金融为例, 阿里金融与阿里巴巴、天猫、淘宝网、支付宝底层数据完全打通, 小微企业在阿里巴巴、天猫, 淘宝店主在淘宝网上经营的信用记录、发生交易的状况、投诉纠纷情况、每年的经营状况和业绩等百余项指标信息都在评估系统中通过计算分析, 最终作为贷款的评价标准。对小微企业而言, 重视数据, 而不是依赖担保或者抵押, 不仅降低了融资的门槛, 也让小微企业在电商平台上所积累信用的价值得以呈现。

2. 通过建立“小微信贷流水线”降低管理成本。

由于商户的信用记录收集起来比较便利, 通过网络获取信息的同质化和标准化程度较高;有了大数据和云计算技术的支持, 小微信贷服务可以设计成像普通商品一样, 成为工厂流水线上的批量化产品。与银行通过信贷员一家一户跑小微信贷相比, 这不仅降低了运营成本, 也简化了融资的环节, 还可以为小微企业提供365×24的全天候金融服务。

3. 开发与网上信贷相适应的贷款产品。

网上小微信贷业务的开展, 需要有与之特点相适应的贷款产品。例如阿里金融结合电子商务的特点, 为淘宝和天猫上的商户量身定制了定单贷款、信用贷款、天猫供应链贷款、天猫运营服务商贷款以及聚划算保证金贷, 较好地适应了电商贷款规模小、频率高、时间急的特点。

4. 贷后管理。

电商平台拥有的庞大的客户资源和数据, 设计的贷款产品能够实现贷前、贷中及贷后的环环相扣, 通过对客户信息的交易状况和现金流进行分析、挖掘, 可以监控企业经营动态和行为, 实现对企业的还款能力及还款意愿的准确、实时把控, 对可能影响正常履约行为进行预警;贷后监控和网络店铺的关停机制, 可以提高客户违约成本, 有效控制贷款风险。数据证明, 这种贷后管理的方式是有效的, 与银行小微贷款2.4%的不良率相比, 阿里金融在全部都是信用贷款的情况下不良率仅为0.9%。

四、网络小微贷款面临的问题

网络小微贷款的发展, 需要电商平台、银行等各方面的合作才能得到较好的发展。但在实际操作上, 会碰到各种相关的问题:

1. 相关方的利益分配问题。

开展小微贷款, 需要较好地平衡参与各方的利益。早在2007年, 阿里巴巴就和建设银行、工商银行等银行在贷款业务方面开展合作。如阿里巴巴和建设银行合作开展了“网络联保贷款”, 由3家或3家以上阿里巴巴平台上的诚信通会员或中国供应商会员企业组成一个联合体, 共同向银行申请贷款, 同时共担风险。但后来由于数据所有权和利益分享等原因合作中止, 阿里巴巴自己成立了小贷公司开展小微贷款业务, 而建设银行也自行开办了包含了个人商城和企业商城“善融商务”电商平台。

2. 电商系小微贷款业务的规模受到限制。

电商开展的小微信贷现在多依托于其成立的小贷公司, 但小贷公司存在如下缺陷, 导致其在地域、规模等方面的发展都受到限制:

(1) 资本金不足:目前小额贷款公司的主要资金来源为股东缴纳的资本金、捐赠资金, 以及来自不超过两个银行业金融机构的融入资金, 而且小额贷款公司的融资规模仅限定注册资本净额的50%, 从而导致杠杆比例较小, 融资能力差, 规模难以做大。

(2) 税收政策:小额贷款公司的不按金融机构利差来征收, 而是按普通的工商企业来缴纳, 小额贷款公司还要支付25%的所得税以及营业税及附加等。

(3) 经营地域限制:由于小贷公司的审批和监管都是当地金融办, 无法跨省监督, 导致小贷公司不能跨省经营。

3. 银行系电商平台在开展信贷业务方面约束较少, 但起步晚、规模还比较小。

以“善融商务”为例, 截止2012年底上线半年, 累计注册会员50万户, 已认证上线企业客户数量近万户, 实现交易金额30亿元;与同期阿里巴巴850万商户、7770万注册用户, 淘宝5亿注册用户, 阿里巴巴和淘宝2012年合计1万亿的交易额相比, 差距还相当大。

五、解决网络小微信贷问题的对策

要解决电商小微企业的贷款难问题, 需要实现银行的资金优势和电商平台的用户和数据优势的强强合作, 可以从如下方面进行努力:

1. 创造条件实现对电商信用的认可。在之前银行与电商平台的合作中, 小微企业在电商平台上所积累的信用不能获得银行的充分认可, 仍然需要担保、抵押或者联保等形式, 导致大量被电商平台转介到的银行的贷款得不到批准, 这显然对满足电商小微企业的融资不利。为此, 需要建立和完善对大数据基础上对电商信用进行评估的信贷模型和服务, 并获得相关各方的认可。

2. 确定适当的利益分配机制。电商平台依托相关数据提供的服务不可避免地会要求收取相关的费用, 以从贷款业务中分得一杯羹。从银行角度, 可能会相对减少收益, 并且客户的信息的获得依赖于第三方, 对银行不利。为实现小微信贷的发展, 各方价值, 包括电商平台所提供所据服务的价值应得到认可, 并实现相应的利益分配。

3. 建立与网络贷款相适应的业务模式。各方在网贷业务中分工合作, 电商平台为银行提供电商的信用评估、贷后跟踪等服务, 银行也应该认同电商平台数据的价值, 从而实现电商平台与银行的风险共担、利益共享。此外, 根据贷款金额的大小, 还可以由电商平台的小贷公司和银行为客户提供分层服务, 小额的贷款由小贷公司受理, 较大额的则转介到银行。

4. 开发与业务模式相适应的网贷产品, 使之能满足小微企业的需求, 又能使业务流程的各个环节环环相扣, 形成贷前、贷中、贷后的闭环管理, 有效控制风险。

5. 开展依赖于大数据的担保服务。银行对小微企业发放贷款时, 需要让小微企业提供可靠的经济担保来保证贷款本息按期收回。在小微企业缺乏财产担保的情况下, 第三方法人提供的担保是解决担保问题的重要途径。在这方面, 电子商务平台公司具有天然的优势, 由于他们掌握了企业的经营和信用信息, 对企业的信用情况比较了解, 可以通过成立担保公司来为小微企业提供担保服务。

大数据以及相应的云计算技术的发展, 为开展高效、低风险的小微信贷创造了条件, 但还需要各方的共同努力才能使之为促进小微企业的发展发挥更大的作用。

参考文献

[1]彭凯、向宇.我国银行开展小微企业贷款的困难和对策[J].西南金融, 2010 (06) .

[2]田志鹏、张欢.美国富国银行小微企业贷款经验及对我国的启示[J].甘肃金融, 2012 (03) .

大数据时代的国际关系研究论文 篇8

关键词：大数据；医学研究；数据挖掘

中图分类号：R-05

随着信息技术的快速发展，海量数据的产生推出了“大数据”的新名词。“大数据”指通过对收集和存储的海量信息数据进行分析、处理和可视化，从而挖掘出对我们有价值的信息的过程。大数据时代已经到来，并且渗透到了人类社会各个方面，不仅影响着人们的生活，而且触动社会经济发展的各个行业。在上述大的环境背景下，医学研究也已经进入数据时代，移动通信技术，传感器，基因组测试以及分析软件的进步，现在有可能捕捉到关于人类个体组成和周围环境的信息。此信息数据的总和可以改变医学研究，从对一般患者的治疗转向对个体患者的治疗，从而打破医学研究传统的实验科学。

1 大数据对医学研究的影响

大数据为医学研究和分析提供了一种全新的技术手段。大数据的到来标志着医学研究从传统的实验科学向以数据驱动为主，实验为辅的理论科学转变。传统的医学研究将研究员或医生圈定的实验室或手术室中，通过亲自做大量实验以获取经验。采用大数据技术，可以借助互联网通过共享大数据资源进行分析，以获取经验值。例如：我们可以将病例数据和信用卡消费数据结合，发现日常的生活习惯与健康的相关关系，直到人们养成良好的生活习惯。假若再加上手机和GPS数据，还能随时检测对人们进行体检，用以指导健身以减少疾病的发生，帮助医生诊断疾病。应用大数据可以设想的应用不计其数。

大数据有利于培养和发展医学研究，大数据技术的应用将形成自然和人文社会的历史长河，它不但能用于探索当代科学问题，还可以将数据转换为知识的使命，为医学研究留下现实的历史资源。

大数据技术的应用不仅为医学研究带来了新的技术手段，还具有大规模降低医疗费用的潜在效益。例如在医疗保健方面，根据麦肯锡全球研究院报告表明，如果美国医疗保健行业对大数据进行有效利用，就能将成本降低8%左右，从而每年创造出超过3000亿美元的产值。现在采用大数据的应用，可以从医生办公室、到药房、再到化验室收集数据，用以提醒医生潜在的药物不良反应和其他处方问题的状况。采用相应措施避免这一问题，不但可以改善患者的健康状况，并且可节省不必要的急诊和其他治疗费用。

2 国内外医学大数据发展现状

2.1 国外医学大数据大战现状

从国际情况来看，美国、日本、欧洲、英国大数据发展方面很快，这些发达国家采用大数据在医学研究方面已经走在了世界的前列。大数据科学与产业具有较强的领域相关性，医学大数据已经成为欧美等国家重要的发展战略，也是美国大数据计划的重要组成部分。

在临床诊断方面，临床数据采集、存储、管理信息技术的快速发展，不少医疗机构正逐步适应这一潮流。美国德州大学安德森肿瘤中心目前所支持的数据以TB级以上计算，它包括了肿瘤的病理学研究、流行病学研究，对于病因的经准确预测和模型研究等。

医学研究信息传播渠道便捷。医学研究大数据时代的到来，还源于健康管理、移动医疗应用的日益广泛。例如，微软公司早在2007年发布的HealthVault目标用于实现个人和家庭的健康管理，其数据则可以从便捷设备、第三方机构等倒入，通过提供开放的接口等技术支持应用集成。

医学研究大数据技术先进，大数据应用在医学研究带来了商业机会，过去几年在这个领域的投资出现急剧增加。这些商业机会已经驱使欧美的很多知名大公司投资数亿美元到手机应用程序数据采集系统分析软件，如苹果、高通和国际商用机器公司。

2.2 国内医学研究大数据发展现状

大数据时代的来临，加上转型医学的兴起，在我国形成了历史性的契机，可望使中国医学研究实现历史性的跨越。

首都医科大学附属北京安贞医院心脏内科中心主任马长生正承担“北京市心血管疾病防控大数据平台建设”工作，在他的研究中，包括采用大数据手段研究环境和心血管疾病之间的关系。“用大数据的手段，每日收集不同站点PM2.5浓度与心血管疾病的关系，甚至股票波动与心血管疾病的关系，都可以得到预测。”

近幾年，大数据在医学研究方面的应用也受到了国家的高度重视，在国家“863”计划2015年度项目申报指南中，在医学研究技术领域已经部署了医学大数据开发与利用关键技术研究。涉及的内容包括了医学大数据标准化和集成、融合技术、医学大数据表述搜索与存储访问技术，组成大数据中心和知识库构建及服务技术等。

然而，就目前来看，大数据对于医学研究而言，仍然是处于机遇与挑战并存阶段，只有做到医学研究与信息技术紧密结合，才能更充分的利用好大数据，从而解决复杂疾病等人类所面临的共同挑战。

3 医学大数据发展存在的问题及对策

3.1 加强医学研究大数据的整合与共享

目前由于医院对患者的信息具有保密性，各医院间也没有建立起紧密的合作关系，这从而阻碍了数据的共享，在我国医疗数据几乎不能共享，转化利用率低下。要想实现大数据在医学研究的发展，必须实现社区、医院、区域的医疗数据共享系统。

3.2 加强信息技术与医学研究的融合

从理论上来看，大数据在医学上的应用至少需要云计算技术实现数据的传输

分析、共享及关联等，需要异构源数据整合和互操作技术，需要可视化工具才能便于人们理解复杂的数据。只有这样才能真正实现基础数据、研发数据、诊疗数据的无缝连接。目前也迫切需要研究机构能开展这方面的研究，开发出更好的大数据分析平台。

3.3 加强医学研究大数据的标准

除了技术的挑战外，另一个挑战就是数据标准的缺乏，这往往使得研究者无从切入。例如，不同类型生物样本库的存在，以及搜集样本的类型和保存方式的不同，其所承担的功能和架构、工作流程、基础设施建设和设备配备等情况也会不同，使得数据标准很难建立。

即使在信息技术及医学研究都极为发达的国家，不同系统、机构之间的数据共享和分析也面临着障碍。美国劳伦斯薄利国家实验室科学部主人鲁宾曾指出“理想状态的目标是建立统一的电子病例系统，系统中的这些信息应有同意的标准，但实现这一标准并非简单，各个医院存储的数据标准不同而且不同系统存储信息也不一样”。为此，在“奥巴马医改（Obamacare）”的政策中，就包括把问诊、处方以及治疗电子化，使所有的医院全部实现电子录入——即便如此，对于标准化而言，也仍然只是刚刚开始。

3.4 营造良好的医学大数据发展环境

研究制定促进医学研究大数据发展的政策措施，理顺医学数据资源的管理体制。积极争取国家财政资金支持，引导国家设立专项资金向医学研究大数据项目倾斜。加强专业人才培养，应在医学领域加强计算机科学、数据库专业人员的培养。

参考文献：

[1]涂子沛.大数据：正在到来的数据革命[M].桂林：广西师范大学出版社，2012.

[2]孙志伟.大数据时代中小企业的应对策略[J].未来与发展，2013（10）：46-49.

[3]吴忠，丁绪武.大数据时代下的管理模式创新[J].企业管理，2013（10）：35-37.

[4]艾伯特.拉斯洛.巴拉巴西著，马慧译.爆发：大数据时代遇见未来的新思维[M].北京：中国人民大学出版社，2012：13.

作者简介：李惠先（1983-），女，河北保定人，教师，硕士研究生，研究方向：虚拟现实。

大数据时代的国际关系研究论文 篇9

各个高校应该依照当地市场需求进行培养目标的制定，确保人尽其才，保证高校能够和企业实现最佳的衔接。当前时期，社会中可以对复杂数据类型与大量数据的专业型人才，诸如数据架构人才、可视化人才、监管人员以及科研人员等。数据科学家作为大数据的领导人员，多数是企业的.高级管理人员;数据架构师能够非结构化数据实现有效的处理，并且能够对统计软件能够实现熟练运用;数据管理人员可以根据数据生命周期实现数据的分析与管理，同时拥有着极高的专业技能与沟通能力。人们已经进入大数据时代，这对信息专业人员而言有着越来越高的要求。所有，高校一定能够要对培养目标加以重新的定位，为学生发展奠定良好的基础。各级院校以及教育部门要及时对课程体系与培养方案进行完善，并努力地提高师资力量，确保学生得到良好的发展[7]。

2)制定科学的培养方案

大数据时代既然要保证学生具有较好的实践能力、综合分析水平、敏捷反应能力以及敏锐的洞察力，因此，高校在进行培养方案制定过程中，尽可能和市场需求相符合，灵活的对人才培养方案进行制定，不但对理论知识方面充分的重视，也要对学生实践能力实现有效的培养，努力为学生创造出更多的实践机会。信息管理与信息系统专业要重视和企业与科研机构的合作交流，实现产、学、研一体化的目标。为了能够给学生提供大量的实践机会，高校要和企业实现充分沟通，有学校教师带领学生进行项目的开发，并且有企业人员对学生作出相应的指导。通过上面的措施不仅能对学生实践能力实现充分的培养，而且对学生创新能力与科研能力实现有效的培养。

3)课程体系建设

信息管理与信息系统专业在进行课程体系建设过程中应该将管理学、计算机学、经济学、统计学等内容作为主要学科，并对电子商务、人工智能、程序设计、数据挖掘、数据仓库等相关内容作为次级学科[8]。通过全方位的课程设置，才能保证学生在对大数据时代进行新型数据处理技术学习的基础上，并对智能化决策与数据分析等相关能力进行培养。在学习理论知识的前提下，设置一定数量的实践课程，诸如IM应用实践、软件实习以及工程实训等。这样才能培养出综合性的人才，符合社会发展的需求。

4结语

信息管理与信息系统专业作为近年来新兴的专业，其中包含有大量学科知识，诸如经济学、网络技术、管理学、数理统计学、计算机以及社会学等，而且该专业发展速度非常的快速。随着大数据时代快速的发展，对于信息管理与信息系统专业而言，既有着非常好的发展机遇，也带来了极大的挑战，采取科学有效的人才培养模式，培养学生的创新精神与意识，在对自身经验不断积累过程中实现能力的提高，使学生能够用发展的眼光来看待大数据时代。

参考文献：

[1] 陶皖，杨磊.大数据时代对高校人才培养模式的影响——以信息系统专业为例[J].电脑知识与技术，，9(28)：6340-6342+6347.

[2] 吴青，李婧.分析“大数据”时代信息系统与信息管理专业建设的影响[J].电脑知识与技术，，9(28)：14-15+21.

[3] 赵彩霞，吴杜，雷国琼.大数据时代会计信息管理专业人才培养思考与对策[J].中国管理信息化，，5(5)：34-36.

[4] 查先进，杨海娟.大数据背景下信息管理专业人才培养模式改革创新影响因素研究——以湖北高校为例[J].图书情报知识，2016，2(2)：21-29.

[5] 王宇翔.大数据时代计算机信息管理专业人才培养模式分析[J].江苏科技信息，2016(19)：20-21.

[6] 張新香.能力结构模型驱动的信息管理与信息系统专业人才培养模式研究——基于10余所高校的调研分析[J].图书馆学研究，，6(6)：6-11.

[7] 钱洁，宋萍萍.信息管理与信息系统专业面向实践的人才培养模式探索[J].中国管理信息化，，7(7)：106-109.

[8] 李海军.信息管理与信息系统专业人才培养模式创建研究——以德州学院信息管理与信息系统专业为例[J].计算机时代，，9(9)：51-54.