数据处理模式（通用12篇）
数据处理模式 篇1
1. 引言
人类社会正处于信息科技时代, 无论是日常生活或办公作业都离不开计算机, 这也充分说明了计算机应用技术的重要性。数据处理性能优越是计算机的最大特点, 而数据库作为支撑计算机数据处理的核心平台, 其本身也要经过一系列的升级改造。总结数据库实际应用的具体功能, 对数据库智能化建设具有指导作用, 这些都是数据智能化处理的要点。
2. 数据库应用功能
随着计算机软硬件设备的升级改造, 数据库结构也在朝着更高级别发展, 如图1, 数据库应用功能集中表现于几个结构层。例如, 物理数据层用于存储最原始的数据信息, 当用户需要对数据进行加工时, 借助物理层可实现数据的快速调用;概念数据库表达了数据库的逻辑顺序, 指导计算机对数据执行正确的处理方式;逻辑数据层是智能化的基础应用, 由人工逻辑对计算机完成统一调度。
3. 智能数据库建设特点
计算机推广初期, 用户对数据库功能已经表示了诸多认可, 其强大的数据库处理为企业或个人办公提供了帮助。但是, 随着信息网络的飞速发展, 用户不再局限于单一的数据库应用功能, 而是要求计算机系统提供更高级别的服务模式。智能数据库是计算机功能升级的第一步, 其具有灵活性、高效性、安全性等特点。
3.1 灵活性。
智能数据库大大减少了人工操作环节, 大部分数据处理由计算机自行完成, 为用户创造了更加灵活的作业环境。例如, 数据录入环节由智能识别参与处理, 无需人工干预条件下进行操作, 改变了原始数据处理的复杂流程。
3.2 高效性。
计算机取代人工操作, 在很大程度上提升了数据库的运行效率, 大量复杂信息交由服务器完成操作。对于企业用户来说, 智能数据库是十分实用的, 短时间内处理完不同的数据资料, 显著提高了办公自动化水平。
3.3 安全性。
新型数据库的安全特点:一是安全控制, 防止数据丢失、错误更新和越权使用;二是完整控制, 保证数据的正确性、有效性和相容性;三是并发控制, 使在同一时间周期内, 允许对数据实现多路存取, 又能防止用户之间的不正常交互作用。
4. 基于智能数据库模式的处理操作
对于计算机而言, 我们可以把数据库看成一个“数据仓库”, 专门用于存储各类数据信息的空间, 为用户提供了良好的数据应用平台。在智能数据库条件下, 数据处理操作流程更加完善, 如图2, 主要包括:数据库共享、智能筛选、多项运行、集中控制等。
4.1 数据共享。
数据共享包含所有用户可同时存取数据库中的数据, 也包括用户可以用各种方式通过接口使用数据库。智能数据库根据用户要求, 自动选择有价值的数据信息, 同时能够为用户提供数据共享。
4.2 智能筛选。
同文件系统相比, 由于数据库实现了数据共享, 从而避免了用户各自建立应用文件。减少了大量重复数据, 减少了数据冗余, 维护了数据的一致性。智能筛选具有很强的针对性, 由办公软件执行相关程序, 加快了数据处理的流程。
4.3 多项运行。
数据的独立性包括逻辑独立性和物理独立性。前者是, 数据库中数据库的逻辑结构和应用程序相互独立;后者是数据物理结构的变化不影响数据的逻辑结构。若用户有功能操作需求, 可设定多项运行条件, 执行数据双向操作流程, 避免数据传输或使用时发生冲突。
4.4 集中控制。
文件管理方式中, 数据处于一种分散的状态, 不同的用户或同一用户在不同处理中其文件之间毫无关系。利用数据库可对数据进行集中控制和管理, 并通过数据模型表示各种数据的组织以及数据间的联系。集中控制适用于超大量数据的处理, 按照编制好的程序完成操作, 实现了数据的高效率操作。
5. 结语
计算机应用技术是信息科技的主要支撑, 借助计算机数据库可以完成大量复杂的数据操作, 解决了传统数据库运行存在的不足。智能数据处理是计算机应用科技的重点, 借助这一平台促进了新信息时代的变革发展, 保障了数据库资源的优化配置。
摘要：智能化是数据库运行的必然趋势, 智能办公过程要充分发挥智能模式的功能作用。本文总结了数据库实际应用功能, 分析智能数据库建设的特点, 提出数据库智能处理操作的流程方案。
关键词：计算机,数据库,智能化,处理流程
参考文献
[1]隽军利, 李天燕, 王小龙.浅析计算机数据库系统在信息管理中的应用[J].科技创新导报, 2008 (12) .
[2]于永强.计算机数据库系统在信息管理中的应用研究[J].黑龙江科技信息, 2011 (03) .
[3]黄娜娜.浅谈计算机数据库系统在信息管理中的应用[J].今日科苑, 2010 (18) .
[4]李旭军.计算机数据库技术在信息管理中的应用[J].赤峰学院学报 (自然科学版) , 2011 (10) .
数据处理模式 篇2
摘要：随着城市化进程加快,生活垃圾产生量逐年增加,生活垃圾处理问题已成为社会关注的焦点.在总结辽宁省生活垃圾处理现状的基础上,对辽宁生活垃圾处理模式的选择和发展进行了探讨.作 者：高魁 武伟男 方晓牧 作者单位：高魁(辽宁省核安全局,辽宁沈阳,110033)
武伟男,方晓牧(辽宁省固体废物管理中心,辽宁沈阳,110033)
垃圾处理的创意模式 篇3
中国高速的城市化进程带来了大量的城市垃圾，其数量已经开始挑战许多城市的垃圾处理能力。以北京为例，各种生活垃圾以每年8%的速度增加，2008年日产垃圾1.84万吨，预计2012年全市垃圾生产量将达日均2.5万吨，2015年突破日均3万吨，届时，北京现有的垃圾填埋场将全部满负荷运转。显然，垃圾填埋等传统的处理方法已经无法应对急剧增加的城市垃圾，并且垃圾填埋本身也面临着环境污染、经济效益低下等问题。然而，事实上，垃圾并非“有百害而无一利”，只要善加利用，垃圾处理中也蕴藏着巨大的商机。美国的“再生银行”和“酷地毯”，以及中国的嘉博文，均以垃圾为载体，构建起多方获益的商业模式，变废为宝，不仅解决了垃圾过剩对环境的威胁，同时也为各自找到了一条独特的生财之道。
“再生银行”:变垃圾为积分
“再生银行”（Recycle Bank）是美国一家垃圾回收公司，它构建了一个全新的商业模式，让居民、商家、政府等利益相关方和企业身处同一个利益链条，实现共赢。从2003年回收美国费城的垃圾开始，“再生银行”的业务迅速扩张，促使美国21个州的城市垃圾回收率翻了一番，同时还把这项计划推广到了英国；而在每个实施该计划的城市，市民的参与率也从最初的个位数增长到目前的超过90%。据其官方网站披露，垃圾回收的计划每年为各地政府节约了数千万美元的垃圾填埋费用，拯救了400多万棵树木，并节约了数百万加仑的汽油。而“再生银行”的环保性质，使投资其中的企业或机构不仅能获得可观的经济收益，同时还能树立正面的企业形象，这使它在融资上具有相当大的优势。迄今，“再生银行”除了获得三轮总额超过7000万美元的注资以外，还吸引了可口可乐的加入。
“再生银行”的模式并不复杂，首先向参与该项目的居民提供垃圾桶，其中一个专供类似树枝等绿色垃圾，另外一个则用来投递混合垃圾。最核心的部分在于，每个垃圾桶的底部都装有电子标签RFID，而垃圾回收车的卡车尾部则装有一个RFID检测装置，当垃圾箱被清空时，就能自动获取居民的ID信息。与此同时，当卡车将垃圾箱提起时，吊杆上配备的“再生银行标尺”则会为回收的垃圾称重，并记录和存储相关数据，最后再带回回收工厂分类整理。而每户居民的垃圾重量则会由“再生银行”的系统转化成积分，居民投递的可回收垃圾越多，能获得的积分也就越多。而这些“回收”来的积分如今可以在包括可口可乐、卡夫食品和家得宝（Home Depot）等在内的400家合作商户的超过2400家零售店使用。此外，回收手机等电子废品、使用太阳能或风能等清洁能源以及选乘公共交通等环保行为也能获得相应的积分。
以费城为例，在没有与“再生银行”合作以前，居民每年产生75万吨垃圾，政府处理这些垃圾的开支高达4000万美元。“再生银行”的创始人罗恩·高南（Ron Gonen）2003年说服费城市长同意由“再生银行”处理全市的垃圾，此后政府每年只需补助1200万美元。而且，“再生银行”进驻社区以后，政府对填埋场的支出也大大降低。以人口仅8万人的威尔明顿为例， “再生银行”回收计划实施后，送往填埋场的垃圾减少了40%，政府每年因此节约的80万美元与“再生银行”五五分账。另外，“再生银行”还与回收公司合作，为他们提供原材料，由此获得的收入同样与政府平分。
分析人士指出，“再生银行”巨大的垃圾回收量将为其增加新的收入来源。借助芯片记录和账户资料，其可以掌握用户的年龄、性别、收入和消费水平等信息，进而一窥整个区域商业的业态，从而为向商户打包销售目标客户群的资料提供了可能。
英特飞“酷地毯”:
垃圾填埋场里的低碳产品
传统的垃圾填埋场在释放一些恼人异味的同时，也会排放一些肉眼看不到的温室气体，如沼气等。这些由垃圾发酵而产生的沼气，如果不及时排除不仅容易发生燃烧，甚至引起爆炸，而且大气层中甲烷所产生的温室效应是二氧化碳的20倍以上，因此对环境形成了二次污染。全球最大的方块地毯制造商英特飞（InterfaceFlor）就从这些沼气中找到了独特的商机。
英特飞与政府达成合作协议，由政府出资收集沼气，然后提供给英特飞，而英特飞则出资5万美元将两个锅炉改成了沼气锅炉，以沼气取代天然气。从政府的角度来看，填埋场的沼气被及时抽掉，不仅排除了安全隐患，同时也延长了填埋场的使用寿命，更大大改善了填埋场的周边环境，使居民对当地政府的支持度有了很大的提升。
另一方面，按照双方的协议价格，每单位沼气比天然气便宜30%，有效降低了英特飞的生产成本。更重要的是，英特飞的营销部门将这种低碳的产品命名为“酷地毯”（Cool Carpet），一举成名。从1996年至今，英特飞共减少了88%的温室气体排放及45%的能源消耗，对环境的总体负面影响降低了50%，并且核心产品的用水量也下降了80%，工厂的建筑垃圾减少了70%。但同期，其全球销量却上升了50%，税前总收入增加了95%。美国西南航空在新展出的“碳平衡”飞机模型上就采用了可以100%回收利用的英特飞地毯。
嘉博文:打通厨余产业链
地沟油、泔水猪肉等黑色产业链屡禁不止的背后是国内一线城市年产5000万吨的厨余市场，即使在二线城市，每天也有数百万吨的生成量。如果仅以填埋、堆肥、焚烧等传统方式处理厨余，不仅容易给环境造成二次污染，而且处理成本也较高。但如果完全无害化处理，则每吨垃圾的投入高达300元左右。在瑞士，一家名为Kompogas的公司通过发酵厨余而生成沼气，生物发酵后剩余的垃圾残渣则成为高质量的堆肥，在超市出售，将看似无用的厨余转变为再生产品，实现经济和社会效益的双丰收。而来自北京的嘉博文则利用这些厨余，基于循环经济打造了资源循环系统（BGB），并打通了城乡之间有机质循环的产业链。
餐厨垃圾处理费、有机农业生产资料收入和有机农产品的收入，是嘉博文的三大收入来源。首先，由其环卫部门负责收取的厨余统一运送至处理站，由此获得垃圾处理收入。其次，将分选出非有机质的厨余放入其特有的BGB生化处理机，生成生物饲料和微生物肥料的原材料，供应给饲料商。这些原料经过特殊加工变成生物饲料原料、微生物肥料菌剂，可以应用在有机种植和生态养殖业，实现资源循环再利用，不仅有利于提高农产品的产量和质量，也提高了土地的使用率。另一个优势在于，由于原材料没有成本，与传统具有同类功效的肥料相比，BGB的微生物肥具有明显的价格优势。而在产业链的最下游，嘉博文也自己生产农产品，这种带有生态概念的农产品有望获得比普通农产品更高的价格。
大数据模式的数据挖掘研究 篇4
1 大数据环境下O2O电商用户数据分析
O2O电子商务模式是近年来兴起的新商业模式,以电商平台为纽带,将实体经济与线上资源相结合,构建经济延伸渠道,利用线上服务挖掘吸引客源,利用线下平台完成积极交流活动,目前以淘宝、天猫、京东、苏宁等多家电商平台为众人所熟知。O2O电商模式在2006年最先由沃尔玛公司启用,发展到现在,已经与社交网络、移动终端(手机、平板电脑等)紧密结合,以团购等形式出现,配合移动优惠、线上个性服务、增值服务等形成了新的商业形态,国内外从事电商的企业更是数以千计,比如淘宝网、腾讯网、拉手网、推特、百度等,诸多业界巨头迅速跟进,尤其是2013年淘宝天猫日交易量超过300亿元更是占据交易量榜首。电商发展到现在,已经成为拥有众多用户数据的强大平台,数据的暴增与社会化逐渐模糊了电商企业的数据边界。海量的用户数据超越了目前人力处理范畴,诸如数据冗余、数据过载、数据捕获情况快速增长,面对此种情况,应用大数据模式做数据挖掘已经成为必然,是解决电商大数据压力的首要手段。当前电商发展已经进入大数据时代,用户数据以每年平均60%的速度快速增长,企业平均利用率不到5%,用户数据作为宝贵资源并未发挥出自身价值,所以进行数据挖掘具有重要意义[2]。
2 大数据环境下O2O电商用户数据挖掘研究
2.1 O2O电商用户数据挖掘框架
电商用户数据的大数据特征意味着传统数据分析技术无法高效的挖掘利用其潜在价值,同样是提取有效未知信息,数据挖掘是将其增值的过程,且数据挖掘优越性主要表现在以下三个方面:一是数据挖掘处理处理规模以PB级别甚至更大量级别论处,二是数据挖掘不仅可处理静态结构化数据,其在处理非结构化、半结构化及实时数据方面更具优势,三是数据挖掘在分析手段和方法上更加多元化复杂化,包括机器学习、人工智能算法等等,可更好地服务于数据潜力未知知识的挖掘。传统数据分析方法如平滑、滤波、傅里叶变换、极限与峰值等在大数据环境下发挥作用有限,对数据分析师及分析过程极为依赖,且只能处理结构化数据,分析速率慢,缺乏实时性,数据价值不高,对比数据挖掘方法而言,弊端众多[3]。
结合电商大数据特殊性来看,应用数据挖掘法才可以从以PB和EB级计的数据中及时挖掘高价值未知信息,服务电商企业发展与竞争。所以,当前大数据挖掘模式已经成为电商竞争的重要领域,从数据海洋中寻找规律成为必然。就目前而言,结合电商大数据特点,数据挖掘框架结构设计如下,利用此结构可获得价值更高、更为精准的数据信息,实现实时响应。
2.2 电商用户数据挖掘流程
传统数据分析流程比起大数据挖掘分析利用要简单许多,利用分类算法与预测算法对抽样选择的元数据进行连续取值和离散类别。大数据挖掘与其相比,更类似于知识被自动发现的过程,在无目标无限制条件下从多个庞大数据源获取数据,并对其进行预处理,利用人工智能算法与机器学习处理挖掘数据,获得价值较高的潜在信息。在电商数据挖掘中,需要注意一个要点,电商用户数据具有群体性特征,可根据不同群体用户特征挖掘用户个人特点,获得价值含量较高的信息,服务电商经营发展与管理。电商用户的数据挖掘流程,首先要从电商平台、社交网络、O2O平台获取数据,进行解析、清洗与重构,经过数据过滤与映射之后,进行数据抽取和关联数据融合,应用数据模型进行挖掘,并最终将挖掘到的高价值信息进行应用,服务于电商平台个性化功能的打造与升级,简单来说,数据挖掘流程可简化为收集——准备——转化——抽取——挖掘——应用六大步骤。
2.3 电商用户数据挖掘方法
大数据挖掘应用关联规则、聚类与分类方法等可有效预测未来发展趋势,作出高价值有效决策,服务电商用户数据的挖掘应用。关联规则分析包括因果、时序、简单关联三类,在数据挖掘中通过分析找出关联关系,从而提炼出影响用户需求及行为的关键因素,为电商经营运行提供风险评估、风险预测、经营决策支持等。聚类与分类分析中,聚类分析用于市场细分,研究不同客户群行为特征,方便用户背景与兴趣归类和购买预测等,分类分析则是根据对象共同特点挖掘分类并建立相关模型,映射到特定类型,可用于用户满意度、用户群体特征与属性、购买趋势预测分析。社会网络分析主要针对不同社会单位如个人、群体或社会等分析其关系结构和属性,专注用户间关系,通过研究描述这种关系流动情况来获得各类信息及资源等。变化与偏差分析主要针对用户异常数据的发现、识别与流失预警等,对于不满足规则的特例、预测模型偏差与量值变化等潜在知识进行挖掘。
2.4 电商用户数据的挖掘应用
大数据模式的数据挖掘在O2O电商用户数据中的应用,可有效挖掘用户潜在心理与行为特征,分析兴趣焦点所在,对于摸清其消费习惯更好的调整经营战略有重要意义,便于电商平台制定更加高效精准的市场发展对策,及时掌握市场变化与用户需求变化,从而在电商平台上提供更加及时且个性化的服务,提升经济效益,将用户潜在信息价值转化为支持电商企业决策的潜力。大数据模式下的用户数据挖掘应用可更好的细化市场,挖掘用户行为需求与准则,让电商平台争取到更多的商家资源,吸引大量消费者,提升信赖度与依赖度,便于电商的精准营销。数据挖掘的应用有利于进一步优化电商平台网络,提供更好的用户服务,有利于稳定客户关系,进一步锁定潜在用户,还可大力发展电商增值服务,防范该平台上的用户欺诈等行为,做好风险管理,保护数据信息与用户合法权益。
综上所述,随着大数据、云计算、物联网等技术潮流来袭,基于大数据模式的数据挖掘可更好的挖掘其潜在高价值信息,推动社会发展与技术升级,实现到数据为王的转变,尤其是O2O电商平台,将在大数据模式下的数据挖掘中迎来更好的发展,创造巨大的商业价值,因此必须加快数据挖掘与应用的研究、探索与实践。
参考文献
[1]刘大有,陈慧灵,齐红,杨博.时空数据挖掘研究进展[J].计算机研究与发展,2013(2).
[2]李晋,杜庆东,穆宝良.基于SOA的数据挖掘服务整合研究与设计[J].沈阳师范大学学报:自然科学版,2010(2).
数据处理模式 篇5
在大数据成为趋势，成为国家战略的今天，如何最大限度发挥大数据的价值成为人们思考的问题。无论是对于互联网企业、电信运营商还是数量众多的初创企业而言，大数据的变现显得尤为重要。谁最先一步找到密码，谁就能够抢占市场，赢得发展。在探索大数据商业模式的同时，大数据正加速在各行各业的应用，大数据不仅为人们的购物、出行、交友提供了帮助，甚至还在高考这样重要的事件中发挥作用。
大数据产业具有无污染、生态友好、低投入高附加值特点，对于我国转变过去资源因素型经济增长方式、推进“互联网+”行动计划、实现国家制造业30年发展目标有战略意义。前几年，国内大数据产业讨论较多、落地较少，商业模式处于初探期，行业处于两种极端：一种是过热的浮躁带来了一定的泡沫和产业风险；一种是怀疑大数据只是炒作，依然坚持传统管理理念、经营模式。但是进入2015年之后，大数据产业告别了泡沫，进入更务实的发展阶段，从产业萌芽期进入了成长期。当前，如何将大数据变现成为业界探索的重要方向。
B2B大数据交易所
国内外均有企业在推动大数据交易。目前，我国正在探索“国家队”性质的B2B大数据交易所模式。
2014年2月20日，国内首个面向数据交易的产业组织—中关村大数据交易产业联盟成立，同日，中关村数海大数据交易平台启动，定位大数据的交易服务平台。2015年4月15日，贵阳大数据交易所正式挂牌运营并完成首批大数据交易。贵阳大数据交易所完成的首批数据交易卖方为深圳市腾讯计算机系统有限公司、广东省数字广东研究院，买方为京东云平台、中金数据系统有限公司。2015年5月26日，在2015贵阳国际大数据产业博览会暨全球大数据时代贵阳峰会上，贵阳大数据交易所推出《2015年中国大数据交易白皮书》和《贵阳大数据交易所702公约》，为大数据交易所的性质、目的、交易标的、信息隐私保护等指明了方向，奠定了大数据金矿变现的产业基础。
咨询研究报告
国内咨询报告的数据大多来源于国家统计局等各部委的统计数据，由专业的研究员对数据加以分析、挖掘，找出各行业的定量特点进而得出定性结论，常见于“市场调研分析及发展咨询报告”，如“2015～2020年中国通信设备行业市场调研分析及发展咨询报告”、“2015～2020年中国手机行业销售状况分析及发展策略”、“2015年光纤市场分析报告”等，这些咨询报告面向社会销售，其实就是O2O的大数据交易模式。
各行各业的分析报告为行业内的大量企业提供了智力成果、企业运营和市场营销的数据参考，有利于市场优化供应链，避免产能过剩，维持市场稳定。这些都是以统计部门的结构化数据和非结构化数据为基础的专业研究，这就是传统的一对多的行业大数据商业模式。
数据挖掘云计算软件
云计算的出现为中小企业分析海量数据提供了廉价的解决方案，SaaS模式是云计算的最大魅力所在。云计算服务中SaaS软件可以提供数据挖掘、数据清洗的第三方软件和插件。
业内曾有专家指出，大数据=海量数据+分析软件+挖掘过程，通过强大的各有千秋的分析软件来提供多样性的数据挖掘服务就是其盈利模式。国内已经有大数据公司开发了这些架构在云端的大数据分析软件：它集统计分析、数据挖掘和商务智能于一体，用户只需要将数据导入该平台，就可以利用该平台提供的丰富算法和模型，进行数据处理、基础统计、高级统计、数据挖掘、数据制图和结果输出等。数据由系统统一进行管理，能够区分私有和公有数据，可以保证私有数据只供持有者使用，同时支持多样数据源接入，适合分析各行各业的数据，易学好用、操作界面简易直观，普通用户稍做了解即可使用，同时也适合高端用户自己建模进行二次开发。
大数据咨询分析服务
机构及企业规模越大其拥有的数据量就越大，但是很少有企业像大型互联网公司那样有自己的大数据分析团队，因此必然存在一些专业型的大数据咨询公司，这些公司提供基于管理咨询的大数据建模、大数据分析、商业模式转型、市场营销策划等，有了大数据作为依据，咨询公司的结论和咨询成果更加有说服力，这也是传统咨询公司的转型方向。比如某国外大型IT研究与顾问咨询公司的副总裁在公开场合曾表示，大数据能使贵州农业节省60%的投入，同时增加80%的产出。该公司能做出这样的论断当然是基于其对贵州农业、天气、土壤等数据的日积月累以及其建模分析能力。
政府决策咨询智库
党的十八届三中全会通过的《中共中央关于全面深化改革若干重大问题的决定》明确提出，加强中国特色新型智库建设，建立健全决策咨询制度。这是中共中央文件首次提出“智库”概念。
近几年，一批以建设现代化智库为导向、以服务国家发展战略为目标的智库迅速成立，中国智库数量从2008年的全球第12位跃居当前第2位。大数据是智库的核心，没有了数据，智库的预测和分析将为无源之水。在海量信息甚至泛滥的情况下，智库要提升梳理、整合信息的能力必然需要依靠大数据分析。
研究认为，93%的行为是可以预测的，如果将事件数字化、公式化、模型化，其实多么复杂的事件都是有其可以预知的规律可循，事态的发展走向是极易被预测的。可见，大数据的应用将不断提高政府的决策效率和决策科学性。
自有平台大数据分析
随着大数据的价值被各行各业逐渐认可，拥有广大客户群的大中型企业也开始开发、建设自有平台来分析大数据，并嵌入到企业内部的ERP系统信息流，由数据来引导企业内部决策、运营、现金流管理、市场开拓等，起到了企业内部价值链增值的作用。
在分析1.0时代，数据仓库被视作分析的基础。2.0时代，公司主要依靠Hadoop集群和NoSQL数据库。3.0时代的新型“敏捷”分析方法和机器学习技术正在以更快的速度来提供分析结果。更多的企业将在其战略部门设置首席分析官，组织跨部门、跨学科、知识结构丰富、营销经验丰富的人员进行各种类型数据的混合分析。
大数据投资工具
证券市场行为、各类指数与投资者的分析、判断以及情绪都有很大关系。2002年诺贝尔经济学奖授予了行为经济学家卡尼曼和实验经济学家史密斯，行为经济学开始被主流经济学所接受，行为金融理论将心理学尤其是行为科学理论融入金融中。现实生活中拥有大量用户数据的互联网公司将其论坛、博客、新闻报道、文章、网民用户情绪、投资行为与股票行情对接，研究的是互联网的行为数据，关注热点及市场情绪，动态调整投资组合，开发出大数据投资工具，比如大数据类基金等。这些投资工具直接将大数据转化为投资理财产品。
定向采购线上交易平台
数据分析结果很多时候是其他行业的业务基础，国内目前对实体经济的电子商务化已经做到了B2C、C2C、B2B等，甚至目前O2O也越来越流行，但是对于数据这种虚拟商品而言，目前还没有具体的线上交易平台。比如服装制造企业针对某个省份的市场，需要该市场客户的身高、体重的中位数和平均数数据，那么医院体检部门、专业体检机构就是这些数据的供给方。通过获取这些数据，服装企业将可以开展精细化生产，以更低的成本生产出贴合市场需求的服装。假想一下，如果有这样一个“大数据定向采购平台”，就像淘宝购物一样，可以发起买方需求，也可以推出卖方产品，通过这样的模式，外加第三方支付平台，“数据分析结论”这种商品就会悄然而生，这种商品不占用物流资源、不污染环境、快速响应，但是却有“供”和“需”双方巨大的市场。而且通过这种平台可以保障基础数据安全，大数据定向采购服务平台交易的不是底层的基础数据，而是通过清洗建模出来的数据结果。所有卖方、买方都要实名认证，建立诚信档案机制并与国家信用体系打通。
非营利性数据征信评价机构
在国家将公民信息保护纳入刑法范围之前，公民个人信息经常被明码标价公开出售,并且形成了一个“灰色产业”。为此，2009年2月28日通过的刑法修正案
（七）中新增了出售、非法提供公民个人信息罪，非法获取公民个人信息罪。该法条中特指国家机关或者金融、电信、交通、教育、医疗等单位的工作人员，不得将公民个人信息出售或非法提供给他人。而公民的信息在各种考试中介机构、房产中介、钓鱼网站、网站论坛依然在出售，诈骗电话、骚扰电话、推销电话在增加运营商话务量的同时也在破坏整个社会的信用体系和公民的安全感。
虽然数据交易之前是交易所规定的经过数据清洗的数据，但是交易所员工从本质上是无法监控全国海量的数据的。数据清洗只是对不符合格式要求的数据进行清洗，主要有不完整的数据、错误的数据、重复的数据三大类。因此，建立非营利性数据征信评价机构是非常有必要的，将数据征信纳入企业及个人征信系统，作为全国征信系统的一部分，避免黑市交易变成市场的正常行为。
除了征信评价机构之外，未来国家公共安全部门也许会成立数据安全局，纳入网络警察范畴，重点打击将侵犯企业商业秘密、公民隐私的基础数据进行数据贩卖的行为。
结语：
大数据已经从论坛串场、浮躁的观点逐步走向国家治理体系建设、营销管理、生产管理、证券市场等方面，其商业模式也多种多样。市场经验表明，存在买卖就存在商品经济，具体哪种商业模式占主流将由市场决定。而最终的事实将证明，大数据交易商品经济必然成为“互联网+”的重要组成部分。
固废处理的“南海模式” 篇6
地处南海中心城区；毗邻南海大学城，有五所高校，三万多名学生；周边环绕着16个自然村，拥有近4000人；厂区附近有多家高科技软件工业企业……佛山瀚蓝环境股份有限公司打造的南海固废处理环保产业园（以下简称“产业园”），就坐落在这样一个敏感区域。令人称奇的是，这样一个集垃圾焚烧发电、污泥处理、餐厨垃圾处理于一体的敏感产业园，竟然与周边社区居民和谐相处，产业规模不断壮大，这其中的秘诀何在？
垃圾焚烧发电没那么可怕
公园式垃圾焚烧发电厂，富有艺术感的烟囱，蓝、白、橙相间的现代建筑，繁花锦簇、绿树成荫，各项污染物排放情况实时展示在“产业园”门口……走在“产业园”之中，让人有种置身于现代艺术馆的感觉。
“垃圾焚烧发电是我们的核心业务，但是目前垃圾焚烧几乎成了‘过街老鼠’，为了改变群众的恐惧心理，我们首先在外观建设上就花了很多的心思。”负责“产业园”运营工作的南海绿电再生能源有限公司（以下简称“南海绿电”）综合部的朱伟业表示，这种个性化的设计一改市民对垃圾焚烧发电项目的刻板印象。
光是做好表面功夫当然是不行的，园区在环保工作上也是层层把关、严防死守。与其他垃圾焚烧发电项目不同，“产业园”并不单单只是停留在焚烧发电环节，而是延伸到了垃圾的收集转运等前端工作，构建覆盖全过程的环保产业链。
据朱伟业介绍，以前南海的垃圾收集转运系统相对比较落后，很多垃圾转运点都是露天堆放，好一点的也就搭个棚子，环境十分恶劣。运输车辆比较简陋，没有封闭，抛洒滴漏问题时有发生，对周边的环境造成较大负面影响，居民意见非常大。位于广佛交界的黄岐垃圾中转点，曾经是周边居民的投诉大户，一度引起了社会各界的广泛关注。
接手南海的垃圾处理工作之后，“南海绿电”于2010年8月开始，斥资3.3亿元对全区垃圾中转站进行改造，先后建成了10个新型先进的中转站系统，覆盖了南海所有镇街。新的垃圾中转站在外观上犹如图书馆或者小别墅，改变了人们对垃圾中转站的传统印象。中转站内采用日本先进技术，配套抽风机、臭气净化塔，并且不时喷洒植物天然除臭剂，减少了粉尘和臭气的外泄。垃圾压缩产生的污水全部收集，用槽罐车运到产业园统一处理。
“如果不是亲眼看到，我真不相信垃圾站也可以这么干净。”改造后的黄岐垃圾中转站邀请周边市民进行了参观，在这个先进的中转站里，居民不时发出感慨，对垃圾中转站的抵触心理逐渐瓦解。不仅如此，垃圾转运车更显得“高大上”，不仅全部密封，杜绝了抛洒滴漏问题，而且车上都装有GPS定位系统，车辆一旦偏离运输路线或者出现异常，系统就会报警，有效防止二次污染事件发生。
运到园区的垃圾压滤之后送到焚烧炉进行焚烧发电。压滤产生的污水以及中转站运来的污水分别进入净化厂净化处理，经过一道道工序之后，乌黑浓稠的废水变成清亮干净的工业用水，可以用于工业冷却及园林灌溉，变废为宝、节约资源。“目前很多垃圾焚烧发电厂，对污水只是简单处理，然后排到市政管网。而我们通过这种处理，基本实现了废水‘零排放’。”
在发电厂的垃圾堆放点，有四个巨大的抽风口，垃圾产生的废气被抽送到焚烧炉当中作为空气助燃剂，消除了臭味。在发电厂的中控室，记者发现，焚烧炉的温度都在900度以上，“研究发现，炉温在850度以上，二恶英就会自动分解，所以我们的炉温都是保持在900度以上，甚至是1000度。”而数据也显示，“产业园”垃圾焚烧发电产生的烟气二恶英排放在0.01纳克/立方米，只是欧盟标准0.1纳克/立方米的十分之一。
之所以有这么好的成效，与焚烧厂的尾气处理也密切相关。据了解，焚烧产生的尾气要经过高速雾化的石灰、活性炭等进行吸附处理，然后经过布袋除尘，最大限度削减污染物浓度。
目前，垃圾焚烧厂每年能够发电60～65万度，10%的电量用于“产业园”的生产，剩下的90%并网外送，可以满足16万户家庭的用电。项目不仅有效解决了南海区垃圾围城的问题，而且带来了客观的经济效益，可谓一举两得。
固废协同处理好处多多
“原以为是把几个项目简单地堆在一起，只是物理上的聚集，看了后才发现，竟然是发生了化学变化的聚集。”原国家住建部部长姜伟新在考察了园区之后表示，“产业园”以垃圾焚烧为核心，嫁接了污泥处置、餐厨垃圾处理产业，多种垃圾之间实现变废为宝、循环利用，是固体废物处理的一个成功样板。
目前，随着我国生活污水处理率的不断提升，污水净化过程中产生的大量污泥，成为令人头疼的问题。为了破解这个难题，南海绿电开创性地将污泥处理与垃圾焚烧嫁接起来。
“污泥的处理，很大程度上受限于其含水率太高，从而导致资源化利用难以实现。”业内专家表示，污泥处理首先必须解决脱水问题。而这恰恰是“产业园”的优势，因为垃圾焚烧发电时会产生大量的余热，可以对污泥进行烘干。
“烘干是一个非常好的手段，然而很多地方由于热能不够，不是难以实行就是成本太高。在我们这里，这个问题根本不存在。”朱伟业提到，“产业园”垃圾焚烧发电产生的余热完全足够满足污泥的干化需求，南海绿电通过建设封闭的运输管道，将这些热能引入污泥脱水环节，含水率达80%的污泥经过这一环节的烘干处理，含水量会锐减至30%。含水量30%的污泥就可以成为很好的燃料，可以掺入到垃圾中一起焚烧，从而解决污泥的处理难题。
在脱水过程中，污泥含水量从80%降低至30%，会产生50%的污水。这些污水全部进入垃圾焚烧厂的污水处理系统，净化后用作工业用水。处理过程中产生的臭气，通过管道重新抽回到垃圾焚烧系统中进行焚烧处理。
餐厨垃圾是嫁接在垃圾焚烧上的另一个项目。“目前南海区600多个餐饮点的餐厨垃圾，全部都收运到我们这里来进行妥善处理，减少地沟油等问题的出现。”朱伟业介绍说，收运来的餐厨垃圾首先要进行破碎，“因为我们的餐厨垃圾时常会掺有一些塑料瓶、塑料袋等其他垃圾，这部分必须挑拣出来。”破碎好的餐厨垃圾变成液态形式，挑拣掉塑料等垃圾之后就进行油水分离。分解出来的油用于制作生物柴油，其他含水的垃圾进入三个储存罐里，通过厌氧消化生产沼气，沼气用于焚烧发电，沼渣进入焚烧炉烧掉，污水则进入焚烧厂污水净化厂净化。
“如果污泥处理、垃圾焚烧、餐厨处理等都是各自为政，那么每一个处理环节都会产生大量的副产品。”业内人士表示，这些固废处理设施遍布城市，会让城市的多个角落和很多市民受到影响。但是，按照南海绿电的资源循环和综合利用模式，不仅选址在一处，对市民的影响范围最小化。同时，各个固废处理的副产品之间可以实现循环利用，使得一种固废污染物能够成为另外一种固废污染物处理的资源，从而使得污染总量大大降低。
运营透明市民不再担心受怕
尽管“产业园”的垃圾焚烧发电技术已经达到欧盟标准，各项排放指标都达到甚至低于国家排放标准，属于行业顶尖水平，但是在市民固有的理念里，垃圾焚烧发电依然是一个令人不舒服的存在。如何转变市民的认识，打破市民的刻板偏见，南海绿电选择了最为实在的做法——打开大门迎接八方来客，并且主动邀请周边群众及各界朋友，为人们揭开垃圾焚烧发电的神秘面纱。
“无论是个人还是团体，我们都欢迎大家前来预约参观。在这里，你可以直观看到垃圾从运输到分类再到焚烧的全过程，你会发现，其实垃圾焚烧发电跟你想象中的完全不一样，并不需要恐慌。”朱伟业表示，在“产业园”里，市民可以近距离看到垃圾焚烧及其他固废处理的全过程，每个处理环节都毫无保留地展示在人们面前。
事实上，“产业园”也是佛山工业旅游路线之一，每年都有成千上万的市民通过这里了解到垃圾焚烧的真实情况，许多人因此对垃圾焚烧发电项目逐渐有了理性的认识。“垃圾焚烧发电如果都能够做到这样，我们也不反对。”来自广州萝岗的市民，参观“产业园”之后，为园区的严密管理和先进技术所折服，不由得发出感慨。
“在垃圾焚烧发电被推上风口浪尖的今天，南海绿电无疑做了一个积极示范，为市民科学认识垃圾焚烧发电提供了宝贵经验。”环保人士表示，随着垃圾焚烧发电技术日臻完善，焚烧将成为未来垃圾处理的大势所趋，而这项工作的推动，无疑需要给公众更多的正确引导，让大家科学、正确地认识垃圾焚烧发电这项技术，南海绿电迈出了可贵的一步。
除了预约参观，身处南海大学城的南海绿电还聘请了周边院校学生成为环保监督员，监督员凭证可随时进园进行“突击”检查监督。此外，南海绿电还在全国领先引入第三方监管机构，由其代表政府常年驻园进行监督，确保企业合规运营。
大数据背景下的数据治理模式 篇7
在当前信息时代, 随着互联网技术与物联网的不断普及与发展, 人们获取、收集信息的渠道越来越多样化。各种搜索引擎、社交网站、通讯工具等的普及应用, 使得数据呈爆炸式增长的趋势, 因此, 当今时代也被称为大数据时代。大数据在现阶段已不是一个新颖的话题了, 但就目前而言, 大数据的有效管理与使用却一直是各个行业致力于研究的问题, 也就是所谓的数据治理。
在20世纪90年代, IBM就开始了对数据治理的研究与探索, 经过不断实践与完善, 如今在企业中已形成了一套较为成熟完善的数据治理模式。虽然数据治理的实践开始较早, 但在理论研究上, 学术界对数据治理还没有给出一个精准的定义, 各界学者对于数据治理的理解与定义各有不同。国外学者对于数据治理的理解也有几种不同的观点, 有人认为数据治理指的是, 将企业的各种数据信息作为企业的重要资产, 对其进行规范的管理、开发、维护等, 并制定与之相关的标准、流程、决策权、制度、技术等。还有人认为数据治理指的是, 企业内部的员工及信息系统, 为完成与信息相关的流程, 而涉及到的组织结构、规则、决策权以及责任, 也认为数据治理的实际意义就是为组织使用数而设立相应的管理规则。在国内, 多数的学者主要集中于数据治理内容的研究, 包括数据质量管理、元数据管理、数据标准管理、主数据管理、数据安全管理、数据生命周期管理以及数据应用等方面的内容。
在当今的大数据时代, 人们对数据治理的研究热度只增不减, 索雷斯在其著作《大数据治理》一书中, 提及大数据治理的概念, 并将之作为广义数据治理的一部分, 将其定义为制定与大数据有关的数据优化、隐私保护与数据变现的政策。该书详细阐述大数据治理的准则、不同类型数据的治理以及不同行业中的应用场景等, 提出了一系列具体的操作建议。
2 当前企业数据治理的现状
随着信息技术的不断发展及普及, 各个行业都逐渐的意识到数据治理的重要性。尤其在企业中, 数据治理已经成为当前业务应用集中建设、整合分析数据信息、辅助管理决策的一个重要手段。在企业中, 数据被当作是一项重要的企业资产, 企业通过数据治理完成对数据的优化、管理、利用等决策, 并对组织内部的员工、工作流程以及策略等进行合理的调整, 以发挥企业数据的最大价值。
企业通过建立良好的数据治理体系, 可以在与企业战略保持一致的前提下, 在数据应用方面进一步的增强跨业务的综合决策能力, 为企业管理决策层提供更好的辅助支持, 在数据管理方面优化为更合理的企业级数据架构, 使系统间的数据交换在一个统一标准的环境下进行, 并且建立常态化数据管控机制, 以应对更广泛的数据应用需求, 以保障企业数据标准、数据质量及数据的安全, 支撑顶层智能决策等应用。
使用数据治理手段辅助企业管理经营已经是大势所趋, 但由于数据治理的应用在我国起步较晚, 发展还不成熟, 在当前企业的数据治理过程中, 仍然存在着一些问题与不足。以下是几点当前企业数据治理过程中存在的问题与不足。
(1) 虽然企业中已开展了数据治理的相关工作, 但由于对数据资料的认识度不够, 在实际的应用中数据治理很容易流于形式, 不能发挥出真正的价值。
(2) 目前大多数的企业在数据治理工作中仍然偏重于技术, 不太注重数据质量的问题, 也没有建立起完善健全的数据体系。
(3) 企业各部门之间缺乏通用的业务规则。各个部门都有各自的业务标准, 经常造成部门之间标准的混淆与矛盾。
总的来说, 数据治理并不仅仅指技术层面的工作, 还要使企业的业务部门与信息部门之间达成共识, 形成及数据、应用、技术、组织四位一体的数据治理体系, 有效的提企业的信息化管理水平与数据应用水平。
3 大数据背景下改进数据治理模式的对策
数据治理参与企业的管理运营过程是大势所趋, 针对当前企业数据治理过程中存在的问题与困境, 以下提出几点改进的建议与对策。
3.1 健全数据治理体系
企业要将数据治理作为一项专门的业务来对待并管理, 根据企业的实际情况制定相应的数据治理目标, 成立专业的数据治理组织, 健全保障机制, 构建一个全方位、高效率的数据治理体系。该数据治理体系需要企业各个部门、组织、技术等方面的全面参与和与配合。
首先, 要建立相应的数据治理组织机构。可以在企业顶层建立数据治理委员会, 由高层管理人员、信息管理部门以及业务部门主要负责人共同组成。在中间层设立由各业务部门业务专家、数据库管理专家、信息部门技术专家、培训专家等共同组成的数据治理工作组。在基层则设立由信息系统项目组成员共同组成的数据治理工作组。
其次, 建立相应的标准规范。从整个企业的角度出发, 建立统一的数据标准, 结合数据治理工作, 成立技术标准工作组, 制定工作计划, 组织完成各类标准制定, 主要包括技术标准、业务标准、管理标准、数据质量标准等内容。
最后, 在数据治理过程中, 离不开数据技术的支撑, 企业需要利用数据技术来完成对企业信息数据的管控与支撑, 将元数据采集、管理和应用作为核心, 加之规范的数据标准、较高的数据质量, 充分利用企业已建设的元数据管理平台、主数据管理平台以及数据分析技术、数据质量整治技术, 实现健全的数据治理体系。
3.2 提升数据质量管理水平
根据企业的实际情况, 改进当前的额数据质量管理现状, 健全数据质量管理体系。选择与企业密切相关的指标为切入点, 分析数据成熟度, 进行集中抽取。以实现标准、编码、模型和数据的统一管理, 避免数据多头管理和冲突, 消除数据冗余, 达到数据共享、数据集中管理的目的。逐步实现事前防范、事中监控、事后治理的闭环管理, 并建立企业级数据质量管理制度、规范, 来识别高价值数据属性, 确保能获得高质量的数据来支撑业务运营与经营分析。
3.3 全方位数据应用
企业的数据应用指的是对整合后的数据进行较深层次的分析, 并利用各种方法进行数据挖掘分析、多维分析、即时查询等方面的数据应用。利用数据治理手段, 借助数据中心, 对业务源数据作深入分析, 挖掘出数据之间、指标之间的关系。并通过决策指标、跨业务主题等形式, 展示数据中心历史数据的积累程度、数据的质量、数据应用范围的真实情况, 实现智能决策分析应用, 体现本单位数据治理的最大成效。
4 结语
企业结合自身的实际情况, 通过建立完善的数据治理组织机构, 设立相关的标准规范, 提升数据质量管理水平, 全方位实现数据应用等方式, 可以极大的提升企业的数据治理与应用水平, 提升企业的信息化建设水平, 增强企业的核心竞争力。
摘要：在当前的大数据背景下, 数据治理通常被应用于各个领域, 其中应用最为广泛的就是政府、企业。在当前的大数据时代, 数据治理已逐渐成为企业进行智能化决策的重要手段, 帮助企业在竞争激烈的市场中, 快速有效地分析处理大量数据信息, 占据有利地位。基于此, 主要以企业数据治理为研究内容, 描述当前企业数据治理的现状及出现的问题, 并详细分析了当前大数据背景下企业的数据治理模式。
关键词：大数据,企业,数据治理
参考文献
[1]巨克真, 魏珍珍.电力企业级数据治理体系的研究[J].电力信息与通信技术, 2014 (1) .
[2]陈慧玲, 贾德红, 王春辉.供电企业财务业务数据治理探析——三个“实时”构建精益高效的财务业务数据治理体系[J].安徽电气工程职业技术学院学报, 2015 (4) .
[3]李明.管理信息系统中提高数据质量方法技术[J].电脑知识与技术, 2013 (4) .
数据处理模式 篇8
随着旅游行业市场的发展,由于现阶段我国的投诉机制不成熟,投诉数量的不断增长,各地在旅游投诉处理过程中存在很多明显的问题和缺陷。①国际国内游客进行跨区域旅游投诉时增加了相关部门跨区域投诉处理的难度;②相关投诉受理情况以及评价并未及时在网上公布供大众媒体监督评审,处理过程不透明;③旅游产品作为综合性产品,涉及交通运输部门、文化部门、公安部门等各个部门,部门间权责、职能边界模糊,部门之间缺乏协调,严重降低了市场监管的效率;④监管体制及相关法律不完善,对于投诉的受理相互推诿、滥用权力等腐败现象。随着旅游业的发展,监管部门投诉管理的难度不断增大,传统的旅游投诉监管模式已经不能适应旅游业的发展,一个新型的及时高效、公开透明的综合网络监督新模式急需产生。大数据使旅游行业监管走向综合治理的新模式,利用大数据创建一个开放、多元、无边界的综合监管一体化平台是解决目前传统投诉管理中诸多问题的创新性新思路、新机制。
2 大数据综合处理平台创新旅游投诉新机制
目前学术界对大数据尚没有形成统一的概念,全球最大的战略咨询公司麦肯锡定义大数据是一种数据集合,维基百科认为大数据是无法在合理时间内通过常规软件对海量数据进行抓取、管理和处理的数据集,Gartner研究机构则认为大数据是一种具有很强的决策力、流程优化能力和洞察发现力的信息资产。目前学术界对大数据的特征总结为四点:Volume(数据量巨大)、Velocity(处理速度极快)、Variety(数据类型多样)、Value(价值密度低)。大数据平台可以从旅游投诉受理、处理、反馈以下三个流程建立起统一指挥、便捷高效、功能齐备的综合管理大数据平台,成立各部门间联合执法机制,共同处理旅游投诉问题可以实现旅游监管部门的传统投诉处理模式向现代管理模式的转变。
2.1 信息技术推进平台发展
技术方面,Hadoop作为分布式系统基础架构,由于其可伸缩性、计算性能、可靠性和成本优势已经成为当前主流的互联网大数据分析平台。Hadoop核心部分分为HDFS(Hadoop Distributed File System)和Map Reduce,HDFS作为分布式文件系统,为海量数据的存储功能,而Map Reduce则主要为海量数据提供计算功能。此外还包括并行计算机框架、NOSQL、非结构化处理技术、软件及服务(Saa S)应用模式、智能分析技术、模式识别以及实时流数据处理等相关技术的支持。面向旅游投诉处理的大数据平台将以高速网络和智能数据中心为基础设施,将大数据的存储、处理、挖掘以及可视化分析等关键信息技术作为支撑,通过移动智能终端对数据进行存储、管理和分析服务。
2.2 资源共享为大数据平台提供数据基础
大数据平台可以从三个方面获取信息资源:①将各个部门分散的信息化基础设施逐渐整合在一个大数据平台上,对分散在各部门间的数据建立数据互换和共享机制,将海量数据进行抽取、索引,最终存储在提供存储、查询、分析的云端大数据平台,变信息资源共享传统型模式为部门与大数据平台的模式;②以携程网、去哪儿网、途牛网、百度、谷歌、蚂蜂窝等在线网站,以及易到用车、Uber、滴滴打车、快的打车等打车软件;③以国家旅游局和地方行政管理部门旅游政务网站官方微博、微信公众账号数据,以及一些大型门户网站推出的旅游投诉相关的频道,将旅游活动过程中旅游管理部门、旅游企业、投诉网站等产生的结构化和非结构化数据进行挖掘整合,制定统一的数据标准规范,使数据源具备统一的技术结构、数据描述、对外务接口,顺利完成与异构平台的对接和系统平台的扩展。
3 大数据开启旅游投诉综合处理新模式实施建议
把握机遇勇于接受挑战,建立大数据旅游投诉综合处理平台将促进旅游投诉监督管理的创新性变革,对提高旅游投诉处理的服务水平、提升旅游业整体形象和管理水平具有重要意义,笔者从以下几个方面对大数据旅游投诉综合处理平台实施提供一些建议和意见。
3.1 转变思维观念,增强大数据意识
大数据最重要的是数据、技术、思维这三点,必须充分认识到旅游信息化发展的趋势,需要培养相关人员大数据思维和意识,不仅把大数据技术看成是一种技术手段,还要把大数据建设、综合处理平台的建立作为一项长期的革命性信息化建设目标。各企业、部门要建立长期深入合作关系,摒弃传统的保守思维,积极互动,投身旅游投诉信息化建设中来。
3.2 抓紧核心技术的突破创新
我国大数据技术的发展与国外相比还有很大的差距,创新和应用能力的还有很大进步空间。通过产学研相结合,与高校、科研机构等建立长期合作关系,加大对大数据关键技术研发和技术升级的财政支持,推动数据的存储管理、可视化、数据安全以及非结构化数据处理等各项技术创新发展,将技术创新引入平台建设,促进平台信息化建设和服务水平。
3.3 增强信息安全保障建设
我国目前网络信息安全的相关法律法规还不够完善,缺少相关信息安全保护措施。因此妥善处理创新发展和安全管理之间的关系,在大数据平台建设过程中把数据安全战略放在重要的位置。制定涉及个人隐私、国家信息安全等相关政策和法律法规,开放共享以及应用的国家规范标准,并实时监控大数据平台存储和运行数据。
3.4 加强专业信息化人才的培养
目前我国大数据相关技术人才还是比较匮乏,尚不能够满足目前迅速发展行业要求。需要引进信息化专业的复合型人才以及建立相应的配套人才管理制度。通过高校、企业、科研机构等多种途径加大人才培养力度和资金投入,注重人才素质的培养,建立有效的考核评价机制以及管理服务保障体系,营造良好的人才发展环境。
摘要：旅游投诉是影响旅游质量和满意度的重要因素,本文通过对我国近几年的旅游行业发展情况以及旅游投诉情况进行总结,发现随着我国旅游行业的蓬勃发展,旅游投诉处理存在诸多问题和缺陷。创新性提出利用大数据平台的信息共享机制,将大数据技术与旅游投诉处理相结合的新思路企业及各个部门共同建立旅游投诉监管的大数据平台,开启旅游投诉新模式。
构建电费账务自动处理模式 篇9
1 电费账务自动处理的操作要点
1.1 生成银行对账文件
通过银电直联接口, 实现银行数据与收费数据的实时交互, 并生成银行对账文件, 为电费账务核对提供重要的依据。
1.2 为每笔解款资金生成唯一编号
在营销系统中为每笔解款资金生成唯一编号 (批次号) , 资金提交银行时需打印带有批次号的支票、现金进账单, 银行根据进账单上的信息在银行对账文件中加入“批次号”字段, 营销系统即可实施“批次号+金额”的到账信息与解款信息的自动核对。
1.3 完成后续电费核算流程
核对一致后在财务管控系统中完成后续电费核算流程, 实现电费收入凭证自动生成、收入报表自动生成, 确保财务与营销应收、实收、核算信息的一致。
2 电费账务自动处理的具体实施
2.1 进行电费账号清理合并
撤销地市公司级单位分中心所有电费账户和电费账套, 电费收入全面集中至地市公司客户服务中心电费核算班集中管理, 由电费核算班统一核算。客户服务中心负责公司电费账户管理及资金归集, 进行电费账务处理, 完成电费报表及营销专业报告的编制。
2.2 执行统一电费收费解缴标准
由省公司统一电费收费解缴标准, 各分中心及县公司严格执行电费收费解缴处理的统一标准, 规范人员操作。
2.3 与各合作银行签订电费收缴和自动对账协议
在协议中明确各合作银行自动对账业务处理流程, 要求各银行处理电费收缴业务时必须符合供电企业的业务处理要求。
2.4 营销系统与开户银行开发银电直联接口
通过银电直联接口, 实现银行到账资金信息实时与电力营销系统交互, 客户服务中心按日进行资金到账确认。推行银行受理扫描录入生成的带有对应批次号的银行对账文件, 同时引入FTP管理程序, 将银行对账文件通过FTP导入电力营销系统, 实现电费资金实时交互。在营销系统中开发自动对账功能, 利用“批次号+金额”的到账信息与解款信息的自动核对, 完成系统自动对账。
2.5 及时处理电费账务自动核对异常问题
地市公司客户服务中心每月收集历史数据资料, 总结各分中心及县公司已解款电费账务无法自动处理的原因, 列出明细数据, 下发各分中心及县公司尽快解决。同时与协办银行积极磋商, 要求各行严格执行电费收缴协议, 协同解决无法自动对账问题。
3 实现电费账务自动处理的优势
3.1 提高电费资金自动核对率
电费账务自动处理模式可以对实收电费解款生成唯一批次号, 银行通过扫描生成带有批次号的银行对账文件, 再应用FTP达到营销系统与银行资金系统的实时互动, 营销系统自动将批次号与金额双重比对, 实现自动核对, 降低人工核对比率, 提高核对准确率。
3.2 为营财一体化管理体系奠定基础
通过银电直联接口实现银行数据与收费数据的实时交互, 按日核对, 实现电费、电费违约金、违约使用电费等收入及时准确收取到电费账户, 确保资金流与业务流的实时一致, 有效防范电费收取环节的风险;通过营财直联接口实现电费发行数据、收费数据、预收转实收等数据与核算数据的动态一致, 实现收入、基金及附加、税金的自动核算, 收入报表自动生成;每日由营销部门业务人员发起对账, 提供应实收日报作为业务数据核对依据, 实现电费业务日清月结;确保营销数据与财务账务数据的准确一致。
3.3 实现电费资金归集提速
电费账务处理自动化、营财一体化, 有效地实现电费资金归集提速, 是提高企业经济效益的有效手段。电力销售作为公司主营业务是企业发展的核心, 只有电费资金及时、足额地回收, 才能保证公司的正常运作。电费资金归集提速正是公司核心业务管理水平的综合体现, 标志着公司企业化运营水平的提升。
4 结束语
数据处理模式 篇10
1.1 现状
从2008年开始, 我市建立了重庆市主城范围内集中统一管理的城镇地籍数据库, 实现了城镇土地登记系统和数据的大集中, 中心数据库采用ORACLE数据库平台。
按照我市土地和房屋合一登记的管理模式的要求, 从2010年开始, 我市各房屋登记中心在全市集中的城镇地籍数据库的基础上, 结合原有的房屋登记系统, 以宗地为线索开展了房屋登记数据的清理工作, 建立了全市集中统一的城镇地房籍数据库和应用系统。
1.2 需求
由于我市实行的是大集中的数据管理模式, 中心生产数据库在出现故障的情况下如不能得到及时恢复, 将导致全市土地和房屋登记业务停顿, 因此必须在中心机房建立与生产数据库实时同步的数据库, 确保在生产数据库出现较长时间不能恢复的故障的情况下, 启用备用数据库, 保证业务的连续。
同时, 由于数据在市局统一存放, 各单位无数据库。而各单位由于对数据使用的需求千差万别, 无法在市局统一的数据库上满足其个性化的需求。因此需将市局集中的数据同步到各区, 既可实现数据的异地备份, 同时各区可利用改回备数据进行各类统计分析和专题利用。
2. 技术比较
目前基于Oracle数据库的数据同步技术大体上可分为两类:Oracle自带的数据同步技术和第三方厂商提供的数据同步技术。Oracle自带的同步技术主要有DataGuard, Streams, GoldenGate三种技术。第三方厂商的数据同步技术有Quest公司的SharePlex和DSG的RealSync。
本文重点就ORACLE本身提供的Data Guard, Streams, GoldenGate三种同步技术进行比较。
2.1 DataGuard技术
DataGuard是Oracle数据库自带的数据同步功能, 基本原理是将日志文件从原数据库传输到目标数据库, 然后在目标数据库上应用 (Apply) 这些日志文件, 从而使目标数据库与源数据库保持同步。
DataGuard为源数据库提供了两种日志传输方式, ARCH传输方式和LGWR传输方式, 其中, LGWR传输方式可实现同步和异步的传输。在这些日志传输的方式上, 可提供三种数据
保护模式, 即最大性能 (Maximum Performance Mode) 、最大保护 (Maximum Protection Mode) 和最大可用 (Maximum Availability Mode) 。
根据目标数据库对日志应用方式 (Log Apply) 的不同, 该技术可分为Physical Standby (Redo Apply) 和Logical Standby (SQL Apply) 两种方式。物理同步是指目标库通过介质恢复的方式保持与源数据库同步。逻辑同步是指目标数据库通过LogMiner挖掘从源数据库传输过来的日志, 构造成SQL语句, 然后在目标库上执行这些SQL, 使之与源数据库保持同步。
2.2 Streams技术
Streams技术是指利用挖掘日志文件生成变更的逻辑记录, 然后将这些变更应用到目标数据库上, 从而实现数据库之间或一个数据库内部的数据同步。
其实现步骤为利用Capture进程分析日志, 生成逻辑记录 (LCR) , 将其放入一个队列。Propagation进程将生成的逻辑记录发送到目标数据库中。目标数据库利用Apply进程将LCR应用到数据库中, 实现与源数据库的同步。
Capture进程一般位于源数据库, Capture进程将日志分析后生成的LCR, 然后再传输到目标数据库中进行应用。也可将Capture进程配置在目标数据库中, 源数据库直接将日志文件传输到目标数据库, 然后再利用配置在目标数据库的Capture进程进行分析, 生成逻辑记录再利用Apply进程进行应用。
2.3 GoldenGate技术
GoldenGate数据同步的基本原理是由Extract进程读取源数据库的事物日志 (Oracle中是redo log) , 将其中的变更操作 (insert、update、delete等) 按事务执行的顺序组合在一起, 直接将其发送到目标服务其上, 或者存放到Trails文件中, 然后由Data Pump进程将Trails文件传输到目标服务其上, 在目标服务器上Collector进程接收从源服务器传送过来的Trails文件, 最后由Replicat进程将Trails文件中的数据装载到目标数据库中。GoldenGate通过网络传输的数据量通常是日志量的1/4或更少。
以下为三者的优劣比较:
3. 技术选择
3.1 中心数据库与本地数据库同步技术选择
为避免中心数据库在出现长时间不能恢复故障引起业务的长时间停顿, 我们利用2004年购置的IBM P650小机建立了中心数据库的镜像数据库。考虑到中心数据库和镜像数据库均使用UNIX操作系统, 而且都在一个局域网内, 为方便配置, 我们通过DATA GUARD实现中心数据库与镜像数据库的数据同步。同时, 为确保数据数据的零丢失, 日志传输采用最大保护模式。
3.2 中心数据库与区 (县) 数据库异地同步的技术选择
由于我市市级集中的中心数据库安装在UNIX操作系统上, 而各区只能提供普通的PC服务器均安装的为WINDOWS操作系统进行数据回备, 而且单位数量有三十多个, 由于DATA GUARD只支持同平台的数据库之间的数据同步, 而且只支持最多9个的STANDBY数据库。同时考虑到中心数据库之间与其他单位的数据库分别处于不同地方, 之间用6M的网络相连, 正常工作时间还需通过网络传输大量的业务数据, 而通过STREAM的数据同步技术需占用大量的网络带宽。
由于中心数据库与区 (县) 数据库平台操作系统平台异构, 同时要实现一个中心数据库与30多个数据库的同步, 尽量减少因同步数据对网络带宽的占用, 考虑到GOLDEN GATE在这些方面都具有明显优点, 因此中心数据库与区 (县) 数据库的同步采用GOLDEN GATE的技术实现。
摘要：为确保在大集中数据管理模式下数据的安全, 本文就目前流行的ORACLE数据同步技术DATA GUARD、STREAM、GOLDEN GATE技术进行比较, 分析其优劣, 并结合业务需求, 就如何建立同地和异地的数据同步机制进行探讨。
关键词：数据库,ORACLE,数据同步,安全
参考文献
[1]郭伟华浅谈ORACLE数据同步技术《科技资讯》2010.2
国产数据库复制“高铁”模式 篇11
2014年10月，IBM将开放Informix数据库源码给国产数据库厂商天津南大通用数据技术股份有限公司（以下简称“南大通用”）的消息引起了业界的广泛关注，根据协议，南大通用可以基于IBM Informix推出自有的数据库。如今该数据库正式对外亮相，这就是GBase 8t（t表示这是一款交易型数据库），它与南大通用原有的分析型数据库GBase 8a、安全数据库GBase 8s、内存数据库GBase 8m等共同构成了南大通用未来参与数据库市场竞争的产品组合。
“GBase 8t是南大通用基于IBM的Informix自主构造的面向国内关键行业应用需求的交易型数据库，它具有与Oracle、DB2等国际一流数据库产品一样的高稳定性、高性能和高可用性。”南大通用CTO武新在GBase 8t的产品发布会上表示。
GBase 8t的推出意味着我国有了一款具有自主可控能力的高端数据库产品，有了可以和这些一流数据库同台竞技的机会。据介绍，GBase 8t可胜任大并发量核心事务处理，具有完备的高可用集群解决方案；容易维护，可通过零宕机实现计划内数据库软件的升级和维护；具有完备的自我配置、自我管理、自我恢复的能力；支持云部署，完全可以部署于要求极为严苛的数据库应用环境，将为中国的数据库用户带来新的选择。
众所周知，我国的IT产业长期处于缺“芯”（CPU）少“魂”（基础软件）的尴尬局面。作为基础支撑软件的数据库就属于这里所说的“魂”之列。和操作系统一样，数据库的核心技术长久以来被Oracle、IBM等少数厂商把持，虽然国家从政策和资金等方面给予国产数据库厂商支持，然而，一直没有根本性的改变。其根本原因在于，一直以来各种国内自主可控的产品缺乏市场历练，难以获得行业核心项目的信任。很多时候不是产品的技术不行，而是根本没有机会。
而GBase 8t选择了一条不同的路，在引进、消化、吸收再创新的基础上，推出了一套自主创新、能自主可控的高端数据库产品。武新称之为复制“高铁模式”：中国高铁正是通过引进、消化、吸收、再创新走出了一条属于自己的发展之路。
“Informix是一款可以与Oracle、DB2比肩的非常成熟的产品，出道30多年来拥有庞大的用户群，赢得了用户的信任。这要比从头来开发一个自己的数据库更容易为市场所接受。”武新告诉计算机世界记者。
显然，武新的预言不虚，中国市场对GBase 8t给予高度肯定。在新闻发布会上还举行了与合作伙伴的签约仪式，这些合伙伙伴包括浪潮、华为、中标软件、东软、东方通、启明星辰等，它们将与南大通用一起共同推出整合了GBase 8t的各种应用解决方案。而在此之前，南大通用已经与这些厂商进行了紧密合作，针对这些合作的软硬平台对GBase 8t进行产品优化和适配。
为了打开市场，在发布会上，南大通用还宣布启动“GBase高校行”计划，将向一些高校免费赠送GBase 8t等软件，并提供技术指导，其用意也在于为国产数据库建立起一支人才队伍，进而打造一个更好的应用环境。
数据处理模式 篇12
关键词：大数据,商业模式,财务模式
商业模式随着电子商务的发展, B2B、“阿里贷”、“余额宝”等的出现, 以及近年来, 资本市场、互联网巨头与实体商业纷纷加速布局, O2O产业如雨后春笋般在全国各地兴起, 传统的运营模式正在接受互联网的挑战。中国互联网络信息中心 (CNNIC) 发布《第35次中国互联网络发展状况统计报告》中显示, 截至2014年12月, 全国使用计算机办公的企业比例为90.4%。截至2014年12月, 全国开展在线销售的企业比例为24.7%。特别是O2O商业模式实现高速发展, 使得实体企业尤其是本地生活服务业和商业服务业与互联网紧密结合, 线下企业已经成为互联网消费经济中的重要一环。2015年3月12日, 国务院印发《关于同意设立中国 (杭州) 跨境电子商务综合试验区的批复》成为电子商务商业运营模式新的里程碑。
互联网已成为企业日常经济活动的一部分、大数据环境对传统商业模式的影响和改革程度进一步扩大, 传统企业与互联网企业的分界将越来越模糊, 商业模式在面临挑战的同时只有不断创新才能跟上时代的步伐。
1 商业模式的创新
商业模式是描述企业为达到价值最大化而如何运营的机制, 这种经营机制为了持续盈利, 它因企业各种商业元素变化而在筹资、生产、销售、创造价值等方面不断动态改变。互联网下的商业模式已经颠覆了传统的实体买卖, 线上实体、非实体的贸易服务等形式不断更新, 大数据环境促使商业模式不断变革来适应社会商品信息服务的交换、实现与以往不同的从支付到流量数据、技术再到物流的盈利系统。
首先, 在大数据环境下, 企业所提供的主要产品和服务发生了改变, 原来传统的实体产品是看得见、摸得着的, 现在线上交易出现了一些无形的信息流和不同于以往的产品服务。其次, 交易全球化和虚拟化, 纸质数据变电子数据, 企业内部和外部的协调铸就了商业模式的整体集合性, 使企业的商业模式在市场中实现利润的价值方式也发生了变化。借鉴目前互联网环境中较成功的阿里巴巴、京东等企业的商业模式的创新主要体现在三条业务价值链上。第一条是建立在大数据环境下互联网交易基础的电商平台价值链, 电商是互联网促成的交易创新第一步, 从最初的B2B到淘宝、C2C、天猫、B2C等在商业模式上构建了盈利的价值链基石。第二条是由电商平台派生而来的, 以大数据为运行技术核心的系列金融理财产品服务的金融价值链。如消费者在支付宝的巨额资金沉淀下产生了余额宝的理财产品, 还有基于B2B平台和B2C支付宝用户群的“支付宝”、“阿里贷”和“余额宝”等。第三条为完成上述交换的配套物流辅助价值链, 如阿里物流和汇通快递、京东物流等随着线上交易的日益频繁, 辅助物流产生的盈利也是企业的新业务价值增长点。
商业模式不仅在上述三条业务价值链上不断创新, 而且在市场定位、关键资源能力、现金流结构、业务系统盈利模式和企业价值等多方面共同构成一个相互影响的有机整体。大数据环境下更利于企业了解市场, 进行市场定位, 确定企业的业务类型, 分析目标客户群体和目标客户群特定的产品和服务, 扩大拥有有形无形等关键资源的能力, 通过高效运行的业务系统活动, 有效安排企业筹资投资经营活动现金流, 实现企业的价值并盈利。
2 创新对财务模式的影响
财务模式是指存在于企业集团整体框架内, 为实现总体目标设计的各项财务管理体制、管理机构及组织分工等各项要素的有机结合, 包括融资决策、投资决策、资金管理、资产处置、收益分配等方面。在商业模式的创新影响下, 大数据环境下的财务模式总的来说具有网络性和动态性的特点, 具体体现在以下四个方面。
2.1 转变财务模式的新目标为双赢模式
企业财务管理的目标, 是企业一切财务活动的本原, 处理财务关系的准绳。传统企业全面考虑企业利益相关者影响, 达到股东财富最大化或企业价值最大化为财务管理目标。但在大数据环境下, 利益相关者也在变化, 传统财务模式是建立在物资资本基础上的, 一切以产品为核心, 同质的产品对不同需求的客户吸引力在降低, 要赢得顾客的忠诚, 不仅要有保质保量的产品服务保障, 随着人力资本和智力资本投入的增大, 知识经济占主导的时代, 企业还要在信息技术的支撑下, 及时准确动态掌握客户需求信息, 提供多元化、个性化服务, 不断改进产品和销售, 以市场占有规模效益获得公司整体利润的提升。所以作为相关利益者的客户通过市场占有等方式也支配着一部分的经济利益。这种以客户为导向, 促进人与人之间信息交流的理念贯穿整个企业管理, 也在财务管理目标中占一席之地。实现企业与客户的双赢, 实现企业与社会价值的融合成为财务模式的新目标。网络只是扩展了市场的范围, 但只有从客户的角度出发, 以客户为向导开发设计思考产品, 才能获得消费者的认同, 占有更大的市场份额。实现与客户的双赢, 改变了传统以股东利益为价值目标, 在投资决策时更着眼于中短期的利益, 而改变企业和客户双赢为财务目标指明了企业长远发展的方向。
2.2 转变为动态财务新模式
网络财务时代的财务模式更具有动态性, 为支持信息反映交流的动态及时, 在具体的财务处理环节, 从下单、付款、物流, 每个环节因为结合了网络, 一方面原始数据更实时和精确, 另一方面也因此使数据流和资金流、物流的结合更为紧密。相比传统的静态处理方式, 原来的财务模式更容易造成信息的脱节, 即便是实现了会计电算化, 也只是实现了对于手工会计业务的自动化, 还是属于事后的财务核算和反映。传统的会计核算和反映职能是对已经发生的和已经完成的经济业务的处理, 然而在大数据环境下业务流和信息流的同步自然而然地对此项功能从时效上提出了更新的要求。迫切需要完善、加强、拓展一种动态的财务新模式。信息需要者不再定期定内容被动接受事后的信息, 而可以根据自己的实际设置内容项目等要求从资源、业务流程、信息采集和处理等方面寻找自身需要的内容特制而且时效强的信息。动态财务模式的出现强调了业务与财务的协同, 使事中的动态会计核算与在线的财务管理更紧密地融入企业的各部门各环节。
2.3 重建财务会计业务流程, 加强风险控制
大数据是超越了可接受的时间空间范围, 用常规软件工具进行捕捉处理的数据集合。它不仅依靠传统的局域网和我们熟知的Internet网络等信息, 而且以云计算技术、社交网络、移动支付技术等各种现代科学技术为推动力, 在掌握庞大的数据信息的前提下, 通过对这些有含义的数据进行专业加工处理, 实现数据的增值。财务模式因为数据来源于内部和外部, 又要适应高速资金流监管、动态物流的监控, 还有跨期账单的处理, 实现最大程度地压缩成本, 达到资源有效配置, 实现双赢。不但原先事后核算业务流程模式不适应数据处理, 而且原先的内部控制模式也要随之改变。比如财务会计业务流程中, 在每个业务前端, 即会计凭证前要加强审计为内部控制的关键点, 于业务发生之际及时发现和修正漏洞, 降低风险。另外, 因为业务和财务的同步, 在安全技术方面, 如果没有进行充分的实验测试, 容易在网上操作时, 造成电子商务、第三方移动支付、网上银行等使用金融业务平台过程中出现漏洞, 引发安全隐患, 造成不可估量的损失。大数据下的风险控制不仅在于企业内部控制, 也在于外部的数据采集和交流控制。
2.4 实现业务和财务的协同模式, 建立全过程的财务监督管控体系
大数据下的企业, 比如电商企业一般拥有较低的价格、较完善便捷的物流体系、较好的口碑和信誉度, 并以此为业务控制核心。在企业资源规划中, 以供应链SCM (Supply C h a i n M a n a g e m e n t) 与客户关系管理C R M (C u s t o m e r Relationship Management) 为运用端口, 以大数据下的企业资源规划ERP为运营基础, 三者的协同实现经营业务的顺利开展, 因此在资金、物资、信息优化配置后, 要求财务模式更为高速强效, 才能在市场上站稳, 拥有更强大的竞争力。财务模式作为与前三者息息相关的一部分, 要与SCM、CRP、ER P协同有效实现企业对物流、资金流、信息流的统一调配, 动态控制, 实现大数据环境下的有效财务监督, 使财务模式具有全程有效的财务管控和监督特点。比如以电商平台为基础的假日销售高峰, 如果没有高峰来临前对数据流量、物流能力、仓储供应等的预算为保障, 是完不成“双11”的辉煌的, 电商企业要实现高速发展, 需结合自身物流、价格、资金等运营特点, 实现业务的优化组合, 与财务协同, 才能合理控制采购、仓储的存货成本、物流运输成本、运营成本, 开展与更多金融机构的合作, 深化金融平台创新, 扩充经营资金流, 增大运营可操作性, 在运营价值链上发挥其功能, 获得更可观的收益。
大数据下财务模式随着商业模式的创新也在不断变化着, 只有不断扩展财务时间和空间范围, 实现企业业务与财务的协同, 才能适应大数据下的网络节奏, 提高企业财务效率, 由此带来自身和社会的共同发展。
参考文献
[1]魏炜, 朱武祥, 林桂平.基于利益相关者交易结构的商业模式理论[J].管理世界, 2012 (12) .
[2]孟岩, 周航, 刘沓.大数据时代环境管理会计发展探究[J].财会通讯, 2015 (1) .