大数据时代的应用研究

大数据时代的应用研究（精选12篇）

大数据时代的应用研究 篇1

引言

如今, 电网企业的系统在工作中会大量产生关于电网输变电设备运行检修以及经营管理方面的数据等。面对如此繁杂的数据, 如何运用所掌握的技术水平, 从中对数据的潜藏价值进行充分地发掘, 从而能够为电力企业的管理水平改进、降低成本、提高效益等各项工作提供科学依据, 这在电力系统的运用中已经广泛地受到了关注。所以, 在如今大数据的环境下, 如何挖掘数据的潜藏价值在电力企业中就显得非常的重要。

1 简述大数据时代

1.1 大数据含义

作为一种数量庞大、形式多种多样、增长速度非常快的信息资源, 大数据只有通过一种全新的使用模式才能发挥其优化作用、决策辅助作用和洞察作用。大数据从整体上来说具备价值性、多样性、高速性、大量性等特点。

1.2 电力企业在大数据时代下面临的挑战

通过分析当前电力企业发展实际, 可以发现其在日常的经营和管理中产生了非常多的数据。对于电网企业而言, 业务数据主要包括生产数据、运营数据、电网企业管理数据。电网企业的大部分数据往往只是经过少量的应用, 其后就被囤积起来了, 无法对其进行进一步的分析利用, 造成尽管电网企业的数据存储量很大, 却缺乏有用的信息;在电力的使用方面, 电网、电力用户的信息等都会产生大量数据[1]。

因为我国属于发展中国家, 电力企业在具体的发展中需要不断地适应社会经济发展对电力的需求。电力企业在日常的生产经营中会产生大量的数据, 大部分企业的数据库往往都只具备简单的数据储存、统计的作用, 不能够对大数据作用进行充分地利用。因此, 要把握大数据背后的价值, 这对一个电力企业的发展显得非常的重要。电力企业数据收集和统计具有较大的复杂性, 因为所要收集的数据涉及面很广, 还需要删除无用的数据, 保证数据的真实性。

2 大数据时代下电力企业如何利用数据挖掘技术

数据的挖掘总体来说就是对大量的数据进行建模, 通过理论的模型科学合理的分析和处理企业中产生的大量数据, 其能够从大量数据中搜索出企业所需要或者对企业有用的信息, 并且能够帮助企业详细的掌握各个客户以及各个市场的划分。

(1) 存储数据必须具备高质量、有效的特点, 这是数据挖掘技术挖掘有价值的信息的基础。因此, 电力企业如果要解决数据质量的问题, 应该为其开设一个工作部门进行专项数据管理工作, 从而为确保数据挖掘能挖掘到有价值的信息, 为电力企业做决策提供相应的依据。在大数据时代下, 因为数据量比较大, 使数据发掘是一种知识的自我发现过程。当目标不清晰时, 需要多选择几个渠道从中获得数据再进行处理。

(2) 基于Deepweb的数据集成技术能够实现对数据的自动化管理和处理。该技术主要分成五个部分。 (1) 数据来源部分, 通过对自动记录数据的系统、移动终端和互联网的利用, 该部分能够对影响企业经营管理的各种市场数据和企业中产生的各种事务性数据进行存储。 (2) 数据整理部分, 内同交叉属于大数据时代中数据来源的一个重要特征, 因此, 在对数据进行分类的时候必须将其互动性作为重要的依据。由于现有的数据中不可避免的存在各种问题, 因此必须要采用合理的方式分析和整理数据, 从而能够使数据质量获得保障。通常可以将数据划分为以下三中:a.非结构化数据;b.半结构化数据;c结构化数据。要合理的筛选其中的结构化数据, 删除其中的无效数据。依据相关标准和规范对半结构或非结构数据进行处理, 将其转换成为符合规范的机器语言。 (3) 数据管理部分。在数据库中存储经过筛选和转化的数据。可以按照各种主题为依据对数据仓库的属性集进行设计, 有效的控制处理数据的工作量。通过粗糙集属性归约法针对各种数据库进行处理, 将其中的无用数据删除掉, 并且在归则知识库中存储分类规则知识, 从而能够处理相应的新数据。 (4) 数据分析部分:将电力企业数据区分为两种:a.实时数据;b.非实时数据[2]。可以通过内存计算机技术对实时数据进行分析处理, 并且进行内存运算;可以通过分布式文件系统、云计算等工具处理非实时数据。 (5) 数据展示部分:通过电力系统能够可视化处理相应的数据, 利用图形的方式将发掘信息的成果展示出来, 可以运用到企业规划当中, 使员工能清楚的认识到企业的发展前景, 并且评价决策的可行与否。

3 结语

在大数据时代下, 数据挖掘的潜力是不可限量的。伴随着电网制度的改革, 大数据将会落实到每一个电力企业及其相关部门中。在电力企业中充分地应用数据挖掘技术, 将价值更高、信息更多的数据挖掘出来, 能够有效地推动我国电力企业的发展。

摘要：首先, 阐述了大数据的概念, 论了电力企业在大数据时代将会受到巨大的挑战;再以此为基础指出, 通过数据的挖掘对电力企业产生了巨大的影响;通过讲述如何挖掘数据的一系列步骤, 指出在大数据时代下, 如何实现数据挖掘在电力企业中的运用。

关键词：大数据,电力企业,数据发掘

参考文献

[1]许慧, 李宝琴, 周莹, 所玛.大数据背景下高校图书馆数字化资源共享研究[J].中国中医药图书情报杂志, 2015 (06) .

[2]易正磊, 顾军, 张兴.基于大数据的业务并发度分析[J].中兴通讯技术, 2015 (05) .

大数据时代的应用研究 篇2

数据库管理形式是大数据管理不断发展的重要成果，也是到目前为止最后的一个阶段。在计算机技术不断发展的过程中，计算机内部的容量得到了很大程度的提高，并且大数据的管理和维护成本也相应的有所下降。同时，在大数据管理形式不断发展的过程中，对其系统管理内存不足等现象，进行了全面的提高，有效的实现了资源共享，也在最大程度上保证了大数据的安全、稳定等性能。另外，在大数据时代的大数据库管理的过程中，不在近几年只是固定在某一个计算技术应用体系，而是面向整个管理体系，以此在最大程度上提高了大数据共享的性能，使大数据与大数据形成一个独立的个体，对其大数据进行了全面、有效的、统一的管理，为我国信息技术的发展提供了重要方向。

3G应用引爆大数据时代 篇3

然而，在此背后，大家却或多或少地带有一丝顾虑：“我的上网流量超了没有？”“月底了，不敢再用了！”我们有时甚至能够听到这样的投诉：“我就发发微博聊聊天，扣了我这么多钱！”在智能手机走进千家万户，3G网络普及，流量飞速增长的今天，对于流量、上网记录的投诉也同时以不可控制的速度递增，甚至运营商也曾被消费者以“欺诈”等名义起诉，类似于“您的智能手机可能进行了系统或软件的更新”等含糊的解答再也应对不了消费者的质疑。就在业务爆炸性增长的同时，信誉的危机也悄然来到了电信运营商的面前。一个便捷、透明的上网记录查询系统成为了唯一的出路。

为客户提供上网记录查询并非我们想象的这么简单。这个查询系统需要提供海量级的数据应用。今年上半年，我国移动互联网用户已达3.88亿，同期国内某电信运营商月移动上网记录也增至上万亿条之多，而且每半年时间其上网记录数量都会成倍递增。在这样的情况下，传统的关系数据库根本无法应对上网记录的存储、管理和处理重任，有运营商已进行过测试：当传统关系型数据库承载百亿条数据的时候，就已开始有心无力，一个查询请求有可能几个小时都不能返回结果。

还好，这个困局随着“大数据”逐渐成为IT产业的关注热点，也迎来了转机。此前曾让电信运营商束手无策的移动上网记录，就拥有高容量、数据类型多样化、持续不断增长刷新以及能够从中挖掘出有价值的信息这四个基本特征，算是典型的“大数据”，所以，针对大数据的一系列管理和处理技术也就成为了运营商构建高效透明查询系统，树立诚信服务的关键技术。

这一切都引发了人们对大数据解决方案的渴求。某3G服务的运营商近期采用的一套大数据解决方案在一定程度上化解了这个难题。这套解决方案的核心硬件和软件平台分别是基于英特尔至强处理器的服务器，以及英特尔Hadoop发行版，前者不仅性能在主流服务器处于领先地位，而且还在可扩展性上拥有独到的优势。后者则可以直接利用这一优势，为大数据提供分布式、横向可扩展的数据组织与管理功能，并将应用负载分散到硬件系统的每个节点上。而且，与开源版本和其他发行版的Hadoop相比，它对于英特尔硬件平台的优化也更为充分，能够让其性能充分释放，使应用效率更高、计算存储分布更均衡。

海量数据电信解决方案

最终，通过配备高存储容量至强服务器，以及英特尔Hadoop 发行版在软件层面的支持，该运营商成功构建了移动用户上网记录查询与分析支持系统。该系统使得相关记录检索速度达到了秒级，即输入任何一个城市的号码，它的详细上网记录会在1-2秒种被检索出来。在用户界面中输入号码后，瞬间就可以得到每天的流量记录，详细的网站地址，在什么位置上的网，用的是什么网络以及起始时间等等，用户再有任何质疑，运营商的客服人员都可以通过清晰明确地答复，消除他的疑虑。

“因为有了大数据，有了现在的这些技术支持，以前需要3-6各月才能查询的记录我们现在只需要几分钟，甚至更快。“该运营商负责人在谈到这个系统时兴奋地表示：“基于英特尔架构的大数据软硬件技术，给电信行业带来了很大机遇，这些数据的挖掘分析还会为最终客户的使用体验展现出更高的价值，为未来移动互联网的发展奠定了良好的基础。”

SUSE Manager简化Linux管理

近日，SUSE公司在美国SUSECon用户大会上宣布推出其最新版用于企业Linux环境的系统管理解决方案SUSE Manager 1.7。SUSE Manager通过单一集中化的解决方案帮助企业全面综合管理SUSE Linux Enterprise Server和Red Hat Enterprise Linux服务器。1.7版本中包括增强的灵活性与合规，可帮助客户发展Linux部署，并减轻管理工作。

SUSE Manager 1.7帮助降低拥有总成本和管理Linux系统的复杂度，同时也帮助改进公司政策与外部规章的合规工作。拥有多种Linux环境的客户（如德国光学零售商Apollo-Optik有限公司）可利用该升级解决方案提高整体效率，在分配更多任务时减少错误。

大数据时代的应用研究 篇4

1 大数据与新媒体平台的关系分析

当前信息领域对大数据的基本定义是 :现有软件工具无法直接提取,储存,搜索,分析,分析,处理,或者共享的数据集合,具有海量、复杂的特点。业界总结大数据的基本特点有四个方面 :第一是数据体量非常大,第二是数据类型繁杂众多,第三是价值密度较低,第四是数据处理速度快。

大数据可以说是信息时代发展过程中的必然趋势与方向之一。现代信息社会中丰富多样的信息类型以及信息格式带动着现代社会进入大数据时代。而在这一时代背景之下,为了能够掌握时代发展的脉搏,占据更加稳定的社会地位,就需要实现对大数据的分析研究,乃至利用。

新媒体主要是指传统媒体以外的媒体平台,即不同于户外广播、报刊、以及杂志的第五类媒体。新媒体的主要特征有五个方面,分别是网络性,数字性,互动性,虚拟性,以及超文本性。在大数据时代背景之下,新媒体的发展可以说是非常令人瞩目的。甚至其已经逐步发展成为大众获取新闻信息与资源的最直接途径。从以上分析上来看,将新媒体平台与大数据相互融合,是信息社会发展的必然需求,也是主流方向。

2 云计算对推动新媒体平台发展的意义

在大数据时代背景之下,将云计算应用于新媒体平台的过程中可采取的操作思路是 :对新媒体信息资源进行云化处理,从而使大数据时代下分布于不同地域的数据库以及系统平台中所包含的数据信息进行集中处理,通过统一化以及虚拟化改造的方式,实现业务高效的集成服务,确保新媒体平台中的信息资源能够以一种合理、自由、并且安全的方式实现流动及共享。这种应用思路可以说为新媒体信息管理低成本、高效率价值的实现提供了全新的实现途径。总的来说,在云计算背景之下,新媒体平台的应用模式可以通过如下几种方式实现 :

第一,通过应用云储存技术的方式,对数据信息读写操作进行分散处理,使网络I/O接口与储存器I/O接口能够均衡读写,同时通过云储存的方式为系统扩展提供发展空间 ;

第二,在新媒体平台中,通过应用云并行计算的方式,实现新媒体平台中编码的实时性操作,同时促进数据压缩处理能力的提高与优化 ;

第三,引入虚拟IDC工作业务,在新媒体平台中对各类信息资源进行更加高效的利用,更快的进行整个新媒体平台系统的灵活部署 ;

第四,在云计算背景之下,有关新媒体发展业务平台的建设可以参考云计算体系架构的基本模型进行。例如,引入Iaa S模式,构建新媒体发展业务基础平台,集中构建业务系统,根据实际需求合理应用,通过云管理平台实现对数据资源的集中管理与调度。在引入该模式的背景之下,能够使新媒体平台中底层Paa S层服务以及Iaa S层服务能力相互融合,形成与独立开发者或合作伙伴共同参与的创新媒体平台,实现用户服务的聚焦发展。

3 云计算应用于新媒体平台的发展前景

结合本文以上分析认为,云计算技术的应用为新媒体业务的发展更新提供了非常有利的支撑。当前,新闻集团专门针对IPAD平板服务段所创建的数字报纸《The Daily》月均下载量已经突破亿次单位,同时,兰登书屋作为全球范围内相当知名的出版单位之一,也已经加入苹果公司期间的IBOOK store数字图书上电。而从国内云计算发展的角度上来说,中国管理型Saa S市场月均收入已经突破亿元大关。以上事例充分反应了 :在云计算技术的支持下,新媒体平台的发展速度是相当可观与惊人的。在这一背景之下,新媒体平台中已经形成并积累了非常丰富的数据资源,在数据处理方面存在的压力亟待通过利用云计算的功能以及成熟的云计算模式来缓解,使新媒体平台日益增长的业务需求能够得到最大限度的满足,为云计算进入深度应用阶段提供推动作用力。

4 结束语

大数据时代的应用研究 篇5

（阜阳师范学院计算机与信息工程学院安徽阜阳 236037）

摘要：大数据时代带来了数据在存储、组织、管理等理论与方法方面的巨大变化，同时也给传统的数据库课程带来新的挑战，促使其进行改革。本文通?^对大数据时代给数据库课程带来的影响进行深入分析，从高校数据库课程所面临的问题入手，提出适应大数据时代发展需求的新的数据库课程教学模式、教学方法、教学内容。

关键词：大数据；数据库；教学改革

0 引言

目前，对于大数据（Big data）的定义在业界尚未有统一的定义，但通常用大数据一词来表示大量非结构化数据和半结构化数据。这些数据在用传统的关系型数据库分析时会花费较多的时间和金钱[1]。但是，目前国内大多数高校的数据库课程仍然是都是以产生于上世纪80年代的关系型数据库为主，研究的是结构化数据的存储、处理、数据共享等内容。按照“80-20”规则，世界上20%的结构化数据主要是事务数据，产生80%的价值，而80%的数据为非结构化数据，这些非结构化数据大多是一些新型用户产生的数据，它们无法存储到关系数据库中[2]。但是随着数据采集、存储技术和云计算的迅速发展，大量非结构化数据的存储和处理已成为可能，也越来越受到关注。这些现象的出现也对现有的数据库课程产生较大的冲击。现如今，在国内几乎所有的本科院校计算机相关专业都已开设了数据库类课程，该课程的开设初衷是为了解决计算机信息处理过程中大量数据有效组织和存储的问题，同时也是为培养学生进行信息管理、分析、设计、开发和应用等诸方面的能力[3-4]。但存在问题是现有的数据库课程知识体系很难应对由云计算、大数据等技术的兴起而产生的海量数据爆发式增长的局面，已经出现不能满足实际应用对数据库专业人才的需求的局面。因此，本文通过分析大数据时代的特点及社会对数据库专业人才需求，提出适应大数据发展需要的数据库课程内容、教学模式及教学方法。设计面向大数据背景下的教学模式

大数据环境下，以“慕课”、“翻转课堂”等为典型代表的新教学方式正在冲击现有的课堂教学。这些新的教学方式多以个性化、自主性、互动式作为显著特征，它在知识传递上比传统的实体课堂更加符合学习科学的规律与要求，也促使越来越多的师生利用“慕课”等平台寻找和利用教育资源，而且传统教师主导课堂的形式将逐步退出教学历史的舞台。但是，就现阶段的教学环境和教学设施等方面来说，“慕课”等新型教学方式还不能完全取代课堂教学，但可以作为课堂教学的有益补充。因此，在大数据环境下，教师必须实现角色的转换，必须摒弃传统的“灌输式”传授知识方法，树立“学生为本”的课程教学观，根据数据库课程的教学目标、教学内容、学生特点、教学条件等，灵活选择教学方法，形成以学生独立自主学习为主，教师引导启发为辅的教学模式。同时，应充分利用诸如“互联网+”大学生创新创业大赛、大学生软件设计大赛、ACM程序设计大赛等竞赛来锻炼和培养学生的综合素质和创新能力，通过参加各类专业竞赛来扩大学生的专业视野，在锻炼学生实践能力的同时，也能够培养学生的团队合作精神。通过赛前的培训，赛后的总结等环节也能够起到对课堂教学的延伸扩展的作用，同样也能使学生在实践过程中更进一步的体会专业知识技能的学习和实践的乐趣。完善大数据背景下数据库课程体系的教学内容

在传统的数据库类课程中重点讲授关系数据模型、E-R模型和数据库逻辑设计、查询优化和数据库物理设计以及事务管理；详细介绍了关系代数、函数依赖和规范化的基本思想和理念；简单介绍SQL、视图、快照、存储过程和触发的基本思想。为适应大数据时代产生的海量数据的管理、存储、分析和处理。一方面，应在课程内容上增加NoSQL数据管理技术和编程模型。NoSQL数据管理技术是关系型数据管理技术的有益补充，它包括针对异构海量数据的存储、查询和分析技术，是以Web搜索、电子商务、个性化信息服务、社交网络等为典型代表的新型应用的支撑技术，也是大数据时代数据分析的主要支撑技术，是目前信息检索、数据挖掘、机器学习等领域的重要关键技术。另一方面，为应对大数据时代数据管理的新挑战，应增加HBase和Hive为代表的海量数据管理平台、面向OLTP 提供NoSQL 扩展性的NewSQL 代表技术C-Store关系数据库系统、以及针对经典数据挖掘算法的海量数据挖掘与分析算法等方面的内容。

3.研发实验平台、改革实验教学方法

企业在开发、测试、部署实际项目时需要有特定的软件环境。在实践教学过程中，不但要让学生熟悉这些环境，还要特别注意在实际工作中容易出现的各种问题和错误，找到相应的解决方法。为此，教师应该在校内搭建真实的实验环境，采用企业项目案例进行实践教学。真正的大数据课程需要有分布式的实验环境支撑，基于Hadoop 搭建大数据实验平台，给学生提供大数据分析、储存、管理的实验环境，让学生掌握Hadoop 中HBase、Hive、Zookeeper 等关键技术并熟练掌握数据交换、大数据查询、大数据项目实践等核心内容，在此基础上再结合真实的电商企业数据，培养学生分析问题和解决问题的能力。大数据环境下，传统的实验室无法满足教学需要，需要构建云环境下的虚拟实验室，结合云计算和虚拟技术，打破时空限制，为学生提供开放的实验平台，让教师和学生随时随地都能访问和使用实验资源。结语

本文所提出的是基于数据库课程在大数据时代背景下的教学模式、教学内容、实验平台等的改革研究，目的是为适应大数据带来的变革对数据库课程的要求，通过补充和完善传统数据库的教学内容、实验平台、改善教学模式和教学方法，期望学生通过学习能够满足企业的对大数据设计和管理的需求。在以后的研究中可以可以探索将数据库方面的专业认证环节融入到教学体系中，以增强学生学习的兴趣、目的性、实践性。

参考文献：

[1] 朱建平，李秋雅.大数据对大学教学的影响[J].中国大学教学 2014，（9）：41-44

大数据时代的应用研究 篇6

【關键词】数据可视化;大数据;商业智能;数据挖掘

1.时代背景

自21世纪以来，数据爆炸已是人类的重大挑战，人们淹没在数据海洋中，却对信息，知识极其缺乏，人类分析数据的能力与获取数据的能力相差甚远。同时，数据的多态、高维、获取的动态性、数据关系的异构更增加了数据使用的难度。在传统企业占据主流地位的关系型数据库有越来越多无法进行管理的数据。这类数据的量巨大，具有多样性，如各类文本、图像、视频、传感器信息，且数据产生和更新的频率上升到一个新层次。总结下即为海量化（Volume），多样化（Variety），快速化（Velocity），这三点为大数据的主要特征。人们要从海量非结构化数据中挖掘有用信息的这种推力，使大数据技术正逐步代替传统信息管理技术。伴随着推力巨大的互联网，大数据时代的大幕正逐步拉起。而在这发展过程中，能有效呈现多元化数据， 便于决策的数据可视化便越来越引起关注。

2.数据可视化的作用

在信息科学与知识管理中，DIKW（Data，Information，Knowledge，Wisdom）体系作为最基础的模型，在数据处理流程中完成从数据到智慧的转化。人们急切的需要能展示演绎数据的工具，并且能够传达数据身后真正的知识与智慧的工具。在整个转化过程中，可视化于沟通，传递，表达方面表现出明显的优势。

数据可视化运用计算机图形学，图像处理等技术，并以其在视觉感知与人脑认知上的优势使美学因素融合在数据分析中。优秀的数据信息图甚至可以达到艺术的层面，令人赏心悦目。其在数据处理流程中持续的优势，使数据可视化交互工具市场逐步做大。

数据就是石油，传统的各类领域中不被重视的数据重新归纳总结会释放出巨大潜力。新闻中的数据信息可以归纳为信息图表，再与其他新闻进行分析整合，人们往往可以从中有收获。政府机关的数据通过有效整理并进行可视化，可以增加其透明度，民众可以更容易获取有效信息。企业数据可视化，可以对整个企业运营流程有很好的掌控，便于管理与盈利。网络数据及公共资源的潜在价值也极大，各类社交网站开放的API可以供开发研究人员挖掘人们生活消费习惯，甚至可以通过文本分析并进行可视化发现流行病的爆发趋势，购物网站对用户已购货物记录进行地域偏好分析，也可获得有价值的情报。

3.主要应用

3.1 文本可视化

将文本信息提取技术与可视化相结合的文本可视化可以辅助用户将文本中的信息简洁地呈现出来。原始文本经过文本信息挖掘，视图绘制和人机交互，这便是基本的可视化流程。在诸多网站上，文本可视化的标签云技术已越来越常见，其为基于关键词的最简单的文本可视化技术，用颜色和字体的大小体现关键词于文本中的分布差异，衍生的Wordle技术改进了空间布局，提升了美学效果。在进行信息检索时，也可以使用TileBar，Sparkler等可视化方法来提升检索效果。除此之外，文本信息中还包含了大量的人类主观信息，可以在RSS新闻内容，社交平台中挖掘用户情感倾向信息，帮助调查者从宏观角度进行分析并为决策提供依据。

3.2 多媒体数据可视化

大数据时代，人们早已对半结构化数据及非结构化数据充满了好奇。图像，视频，音频中的数据价值推动了多媒体数据的可视化。比如社交照片中群体成员之间的关联多使用了海赛图方法;视频的可视化则经常使用将图像堆叠成立方的方法，为抽取视频中的运动信息提供方便;音乐的可视化如今也多是媒体播放工具的一个功能。

3.3 商业智能的数据可视化

如今的大量在线商业数据具有强烈的跨媒体特征与丰富的时空地理属性，用户的消费日志包含了大量个人信息，这些都催生了该领域的可视化发展。当前商业智能的数据分析大多借助于OLAP的多维分析模式实现，采用可视化技术进行数据探索。从最早的柱状图、饼图、网状图等简单图表，发展到呈现公司状态与商业环境的仪表盘、子弹图，新成长的技术能有效地传达数据背后的知识和思想。同时随着Tableau，Spotfire等软件的推广，可视化极大推动商业智能的大众化，降低了普通人进行数据分析的门槛。

3.4 Web端可视化

Web端的可视化是通过HTML，CSS，Javas-cript技术，在网页上实现可交互的可视化作品及时全面显示信息。Web端的可视化可以提升用户效率，使选择操作更加方便，感官更加舒服。D3.js就是一套面向Web的数据可视化的Javascript库，具有极大的设计灵活性和可移植性。国内开发的DataV.js同样出色，可以便捷的调用且兼容各类浏览器。

4.数据可视化的注意点

可视化虽然是非常好的了解数据的方式，不过也很容易以错误的方式执行从而背离了其价值所在。为充分展示信息而不顾图表的整体协调，想要包含更多的信息效果却适得其反，这样做很容易使图表缺乏美感。有限的仪表盘空间要包含的是重要的且值得优先考虑的数据，且当图表显示过多的信息时，过于紧密的布局很容易显示出错误的信息。而另一种错误则是为了追求画面的美观，却使数据内容的表达不佳。所以在可视化的过程中，目标的确立是最为基本的，专注于自己的目标有助于更好地传递表达数据，同时与图表的美观之间也能达到一种平衡。

真实的数据往往需要占用大量时间进行规范化，特征选择，维归约等预处理操作，数据集的清洗与规范化或许是实践中占最多时间的部分，此点不容忽视。同时，数据可视化是一种辅助分析的工具，非分析工具，正常的处理流程还要借助传统的统计手段及其他专业的知识。总而言之，数据可视化作为一种对数据信息进行专业化处理的优秀工具，其理论与技术将在未来获得逐步提升，最终一定会对商业社会及科研领域的发展作出重大贡献。

参考文献

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

[2]陈为，沈则潜，陶煜波.数据可视化[M].北京：电子工业出版社，2013.

大数据时代的应用研究 篇7

1 大数据时代下互联网广告的发展

互联网作为一种颇具潜力的新媒体曾被视作传统媒介 (电视、报纸、广播等) 的“补充型”媒体。而互联网广告也常常被企业作为整合营销广告销售部分的补充型投放媒介。然而, 随着网络技术的不断发达以及Web2.0时代网络受众的个性化变迁, 互联网凭借其高速的发展, 强大的优势渐渐从“补充型”媒体跃居为传播中心媒体。在艾瑞数据2014-2015年上半年各媒介广告同比增长的统计图表中 (见图1) 可以看出, 互联网广告在其他传统广告媒介增长率放缓或负增长的情况下, 依然保持着相当高的增长率。

目前, 中国已经是全球范围内互联网广告发展最迅猛的国家, 已经超越了日本, 成为全球第二大互联网广告市场。中国媒体行业预测:“2015年的中国广告花费将达到4 295亿元人民币, 较2014年增长了10.7%, 其中互联网广告花费增幅将达到36%。到2016年将继续以34%的速度持续增长。相较于传统广告市场, 互联网广告的市场规模持续扩大, 保持稳步上升。这些数据体现了互联网广告良好的发展现状和无限的发展空间。

伴随着大数据概念的深入, 结合智慧家庭、光网城市、移动4G带动的高带宽、多应用的管道接入服务和内容填充, 越来越多的互联网访问行为被记录, 并由专业的公司进行整合管理以转化为互联网广告产业链中所必须且至关重要的环节。这种对大数据的管理和应用的直接效果是极大提高了互联网广告投放的准确性, 使在线广告能够有的放矢匹配投放对象。这极大地提升了互联网广告的内涵, 也形成了更为新颖的互联网广告营销模式。

面对全新的网络广告营销, 如何在这些庞大的数据里找到有价值的数据并加以利用是大数据背景下互联网广告营销要解决的根本问题。在大数据营销过程中, 如果能抓住大数据中有价值的“小数据”, 才能让大数据营销做到精准可行。这些小数据是对客户需求有针对性的高度概括, 它的价值之大可想而知, 配合着大数据的使用就能充分发挥大数据营销的价值。而利用“小数据”, 就直接体现了计算广告技术的深厚功力。

2 计算广告的在互联网广告中的应用形式

2.1 计算广告概念

所谓的计算广告就是在提升广告收益的基础上形成的一种新型的广告形式, 在实际应用过程中, 主要从用户的需求出发, 实现用户和广告的匹配。在计算广告中, 涉及到的内容比较复杂, 除了进行语言处理和竞价营销之外, 研究人员还应该加强对数据的挖掘和创意等方面的重视。用户应用计算广告主要的途径就是商务搜索, 浏览页面以及通过社区人群。

2.2 计算广告的应用形式

2.2.1 基于文本分析的计算广告

随着计算广告的不断应用, 文本分析形式的计算广告逐渐成为研究人员研究的重点。在具体实践工作中, 研究人员将不同类型的文本分析形式应用到互联网广告中, 其中包括网页分析、文本倾向性、相似性分析以及机器翻译等。其中, 比较典型的广告类型就是百度竞价, 谷歌推广以及双击上下文广告等。这些广告形式都是以文本形式为主, 能够得以应用的重要前提就是用户具有喜好为自身需求量身定做的广告类型。以上三种广告类型在实际应用过程中, 工作原理不同。第一, 百度竞价排名在应用过程中, 用户可以通过搜索关键词或者关键字来获取相关类型的信息, 这种文本搜索形式在某种程度上会出现误导用户的情况。第二, 谷歌搜索在应用过程中, 主要是为了提升结果的公平性和准确性, 在搜索界面投放相似的广告形式。第三, 双击上下文广告在应用过程中, 主要对用户经常浏览的页面进行分析, 从海量的广告库中找寻和浏览页面主题相符或者相似的广告类型插入其中, 实现广告的匹配。

2.2.2 基于用户分析的计算广告

从这种计算广告类型上看, 广告的投放主要是以用户为主要分析对象, 积极地实现用户和广告之间的高度匹配。在对用户信息进行了解的过程中, 主要针对用户的IP地址, 相关的注册资料以及各类办公日志和浏览器应用等方面。计算广告的类型多样, 其中多以商务广告形式为主。在计算广告不断发展过程中, 个性化推荐广告越来越充斥着人们的眼球, 这是一种智能化的改进形式。主要根据用户的兴趣爱好来推荐和用户相匹配的广告内容。在用户登陆到某一页面时, 相关平台可以通过对用户的资料信息进行识别, 然后投放与之相符合的广告类型。

2.2.3 基于用户参与的计算广告

虽然基于文本和用户分析的广告在某种程度上丰富了计算广告的内容, 但是一些视频或者图像类的广告投放时机和投放效果的分析还是相对较为复杂, 需要在人工帮助下进行。其中, 比较常见的形式就是广告主、站长以及用户之间通过某一平台来实现相互之间的联系。在这种用户参与广告类型出现之前, 研究人员和相关的专家学者已经进行了深入分析。视频广告在插播过程中, 只有在用户达到一定广告兴趣点时才会出现广告, 这样一来, 广告在投放过程中, 不仅不会影响用户的观看, 还有助于用户放松。

2.2.4 基于互联网广告的流量变现、数据变现

所有技术应用的最终目的是变现, 使之成为企业的利润来源。在互联网广告中, 所谓的变现, 就是指通过引入付费方 (sponsor) 指定的内容, 为媒体带来收入的一种广告方法。其产生的主要效果是单位流量的收益 (PRM) 。在互联网广告中, 变现主要分为两种形式, 分别为流量变现和数据变现。其中流量变现主要是利用站内流量RPM水平的不断提升来实现变现, 其较为典型的产品主要有:搜索广告、导航广告、门户品牌广告及社交网站信息流广告等。而数据变现则是通过获取站外流量, 通过对用户行为的理解, 提升其RPM水平, 从而获得差价。数据变现是流量变现的护城河, 是不断吸引广告主的关键。其典型的产品主要有以下几种: (1) 广告网络 (网盟, Ad Network) , 其主要是承接媒体剩余流量, 同时接入长尾广告主, 在流量与媒体之间撮合变现的产品, 如百度联盟、阿里妈妈、Adsense等; (2) 自助交易终端 (Auto Trading Desk) , 其主要服务于广告主, 在各种不同类型的广告网络和媒体上一站式采买流量的产品; (3) 广告交易市场 (Ad Exchange) , 其主要是承接媒体剩余流量, 并以实时竞价的方式进行广告交易的产品。如淘宝Tanx、Google Adx、百度BES等; (4) 需求方平台 (Demand Side Platform, DSP) , 其主要是代表广告主, 按照灵活的人群划分, 以实时竞价的方式从Ad Exchange里采买流量的产品, 如Media V聚效、Invitemedia、好耶Winmax及品友等; (5) 网站分析 (Web Analytics, WA) , 其是帮助网站主分析站内流量来源和效果的工具, 如GA、百度统计、量子统计及聚合分析等; (6) 数据管理平台 (Data Management Platform, DMP) , 其主要是收集广告主或媒体端数据, 在确保用户隐私的前提下加工成标签, 在广告市场上售卖, 可以认为是WA产品的自然延伸。

3 互联网广告的未来及计算广告技术的应用前景

3.1 当前几种互联网广告的形式对比

目前, 互联网广告主要以搜索、广告、推荐为主, 其各自的功能比较如表1所示。可见, 显示广告和推荐是效果较好的互联网广告形式。而要做到有效的广告推荐, 就必须运用计算广告技术, 以实现广告的精准化、个性化投放。

互联网广告的技术特点主要可以体现在以下三点:第一, 技术和计算导向, 数字媒体的特点使在线广告可以按人群投放, 广告决策和交易朝着计算驱动的方向发展。第二, 可衡量性, 广告的点击是效果的直接收集途径。例如, 从1998年至今, Banner点击率从10%降至0.1%。第三, 标准化, 技术投放和精准定向促进了在线广告标准化。

3.2 互联网广告是传统运营商转型的最好切入点

传统运营商由于传统业务市场的饱和, 加之面临着传统业务公益化的趋势 (宽带、流量降价) , 且自身又被赋予了推动移动互联网发展的严峻使命, 亟需寻求转型和新的利润来源。而互联网广告产业链成了其最有可能的切入点。运营商具备自身客户数据的优势, 有着流量和数据变现的迫切需求, 更有着和互联网息息相关的管道数据。通过对外合作, 在确保用户隐私安全的前提下, 作为产业链中的数据管理平台, 形成自身在互联网广告产业链中的清晰定位是一项可行的转型举措。越来越多的运营商意识到了这点, 中国电信在国内最早开启了RTB广告合作, 以开放的姿态面对合作并形成了自己的DMP数据管理平台。对于运营商而言, 其实能做的还有很多。利用计算广告技术能够在自有网厅上搭建一套在线广告系统, 形成强而有力的数据入口。也可以不断尝试通过各类模型实现有价值的差异化KEY-VALUE的DMP服务等。一切都预示着在计算广告技术应用中, 参与互联网广告将是最适合运营商的转型。

3.3 计算广告在互联网广告变革中面临的挑战

3.3.1 数据挖掘技术与开发人才的匮乏

在大数据不断发展的时代中, 广告是人们生产和生活中不可缺少的内容之一, 在广告应用过程中, 应用到的技术类型就相当于生产力, 尤其是网路广告, 只有技术达标的广告形式才能在激烈的竞争中占据优势位置。但是, 从现如今广告发展的过程中可以看出, 不仅数据挖掘技术还需要进一步改进和完善, 专业人才的匮乏也是一种普遍问题。虽然不同形式的仿真技术和通信技术已经应用到计算广告中, 但是人才培养是一个长远问题, 也是互联网广告发展中的主要挑战。

3.3.2 大数据运用与受众隐私的安全性

大数据时代在发展过程中, 用户个人的隐私会出现某种程度的泄露, 这一问题逐渐成为主要的安全隐患。同时, 也是相关研究人员研究的重点。计算广告也不例外。从计算广告的一种应用形式和呈现形式中可以看出, 用户的信息已经不再是秘密。但是, 互联网计算广告发展的同时, 相关的法律和法规还不是十分完善, 如何在用户允许的情况下进行计算广告的投放成为广告研究人员面临的严峻挑战, 也是摆在广告商面前的主要问题。

3.3.3 计算广告形式本土化进程缓慢

近年来, 我国的广告业呈现出不断增长的趋势, 甚至直追发达的欧美国家。但是在大数据时代背景下, 计算广告的本土化形式受到严重抑制。出现这一现象主要基于以下几个方面的原因。第一, 网络技术的发达程度还不够, 流量直接影响到广告的传播速度。第二, 大数据广告的普及程度还明显不够, 计算广告仅仅出现在电商和网游等方面。因此, 对于本土广告的形式产生了一定的抑制作用。以上这些问题都是互联网广告中计算广告面临的主要挑战。在大数据发展的时代, 广告商应该对广告的发展前景加强认识, 不断拓展广告的发展空间, 积极推进计算广告形式本土化进程。

3.3.4 在移动客户端的互联网广告发展方面存在阻力

虽然国家和企业都在呼吁移动互联网, 但是客观承认目前互联网广告及计算广告技术在移动互联网环境下仍然处于探索期, 其和PC界面的宽带互联网环境下的应用相差甚远。在移动社交网络上, 每个人都是一个微型媒体, 个人虽然影响规模有限, 却能够非常有效和精准地影响周围的人。因此, 将广告作为广告主发出的自媒体信息来运营和传播, 广告技术从瞄准个人, 到激发社会关系带来放大效应, 可以形成营销的“温度”。但目前的移动社交广告还缺乏温度感。另外, 在移动客户端的互联网广告发展方面存在的阻力还包括:App生态体系造成了行为数据的割裂, 许多PC时代广告主移动化不够, 无法消化流量, PC广告的产品形式在移动设备上体验较差, 媒体参与让广告多了自由度, 运营难度增大;大量分行业、结构化广告信息的建立需要时间;展现的界面不被用户接受等。可以说, 移动广告的产品形态需要一次革命来促进其更好地发展。

4 结语

计算广告在大数据时代背景下, 应用范围在不断提升, 在人们的生活和生产中占据着重要位置。广告研究人员和广告商应该对计算广告的内容以及应用形式加强重视, 才能够在发展过程中充分地应用这一广告类型, 促进广告行业的高速发展。本文中, 笔者分析的计算广告在发展过程中所面临的挑战以及发展趋势等都具有一定的借鉴意义。

参考文献

[1]施水才.大数据的思考和媒体实践[J].中国传媒科技, 2013 (15) .

[2]郭志明.RTB广告的营销价值[J].声屏世界·广告人, 2013 (7) .

[3]邬贺铨.大数据时代的机遇与挑战[J].求是, 2013 (4) .

[4]陈园园.网络广告新趋势——2012网络广告与新媒体营销高峰论坛后续报道[J].互联网周刊, 2013 (1) .

大数据时代的IT治理应用 篇8

IT治理是组织治理的重要组成部分,源于业务发展和监管合规的要求。通过IT治理,使信息技术战略与组织战略一致、信息技术目标与业务目标一致、信息技术资源得以统一管理和优化、风险得到有效控制。随着各行业、各领域信息化的迅速发展,尤其是互联网的广泛应用,信息技术已成为大部分组织的基本业务工具,成为促进业务发展和规划的重要因素。IT治理不仅关注信息技术本身,以及相关财务、进度和质量等,还关注整个业务环境,以支撑组织的价值创造、收益提升和风险控制。互联网的普及和信息产业的高速发展,使数据呈现几何级数的增长,由云计算、社交计算和移动计算三大趋势推动的大数据正在重塑业务流程、基础设施以及数据的获取、分发、存储管理、分析挖掘和使用方式。数据已经渗透到每个行业和业务职能领域,成为一个重要的生产因素、未来竞争和增长的基础,人类社会已经从IT时代进入DT时代。因此,如何结合大数据时代IT治理的需求,研究分析IT治理的标准及其应用,是当前大数据时代研究和应用的热点。

本文主要介绍IT治理及其标准化进展,重点研究和分析了大数据时代下IT治理三大趋势以及治理思路,并结合IT治理在地铁、互联网金融领域的实际案例做了进一步论述。

2 大数据时代下IT治理标准化新趋势

在大数据时代,数据治理与IT治理相辅相成,数据和业务的融合发展促进了IT治理及其标准化的新趋势和发展。

(1)数据治理大大丰富IT治理的内涵,支撑IT治理标准化的落地

传统的信息化发展过程中,IT是业务的重要支撑,数据是IT系统的输出和结果。随着信息技术迅猛发展,数据通过IT和业务融合,其关系也在不断演变。数据由信息系统产生、管理和存储,成为信息系统的核心组成部分,成为组织宝贵的资源和财富,数据治理应运而生,成为IT治理考虑的重要内容和关注的重点,成为IT治理标准化中重要的组成部分,大大丰富了IT治理标准化的内涵,通过开展数据治理,由数据驱动产生价值,成为IT治理价值实现的重要手段,支撑了IT治理标准化的落地。

(2)IT治理与业务的融合发展,促进了IT治理标准化的价值实现

在传统的信息技术时代,IT支撑业务发展,组织的价值由业务收入实现,业务是实现组织价值的最大驱动力。在大数据时代,数据价值越来越被重视,IT对数据的生产、采集、分析挖掘等提供技术支撑,引领业务创新发展,组织的价值实现不仅仅取决于业务,而是由IT和业务共同实现,IT作用愈发重要,IT治理价值愈显突出。IT治理价值的实现过程则是IT价值的实现过程。IT治理标准化通过以标准指导IT治理的实施,明确IT战略和方针,建立评估、指导、监督的治理过程,实现IT治理价值。IT治理与业务融合发展,增强了企业竞争力的同时,也促进了IT治理标准化的价值实现。

(3)基于大数据视角的标准化体系,创新了IT治理标准化发展思路和途径

在大数据时代,基于大数据视角的标准化体系建设,为企业的战略、组织和架构带来了新的发展思路。从数据治理的视角,去考虑企业的IT治理战略、组织和实施方式,与传统的IT治理存在较大的不同。一方面,信息化推动了业务的数据化,另一方面,大数据促进了数据的业务化。从数据中发现问题到解决问题、从业务支撑到业务创新、从商业智能到决策指引,数据与业务相伴相生,数据带来的机遇与风险共存。数据治理的框架、治理域、促成因素和内外部环境、治理任务和过程的规范和明确,为数据生命周期中风险可控、运营合规和价值实现奠定了基础,从而创新了IT治理标准化发展的思路和途径。

3 大数据时代下IT治理应用

在大数据时代开展IT治理,首先应明确组织的信息技术现状,并结合企业信息化战略、组织和架构,应用IT治理原则,明确治理框架,从而确定治理的目标和任务。在实施过程中根据实际情况,以审计为导向,采用自上而下的方式分解治理任务和要求,为企业信息化建立完善的绩效指标体系,并通过评估、指导、监督,确保信息技术治理目标实现。在大数据时代,以价值为导向的治理是治理实施的重点,本节将结合IT治理在轨道交通和互联网金融领域的应用,分析大数据时代IT治理价值的实现过程。

3.1 在轨道交通领域的应用

某地铁公司经过多年信息化的建设信息系统初具规模,有效促进了业务的发展。另一方面,如何高效、有效地对信息化进行管控,促进IT和业务的融合,实现信息资源共享、保障业务运营安全,是其面临的最重要的挑战。为进一步提高其轨道交通的运营管理水平,增强安全管理效能,为乘客提供更多人性化的优质服务,该地铁公司开展了IT治理工作,取得了显著效果,其IT治理的实施思路如图1所示。

由图1可知,该地铁公司在开展IT治理中,以信息化与标准化相结合为实施原则,在信息系统建设、实施和运营的基础上,完善信息技术管理体系,提升了信息系统的效率;并通过有效的数据治理,提升数据的应用水平,实现信息资源共享,保障业务运营安全。信息技术规划通过IT治理有效的落地,促进了地铁业务的运营服务能力,优化了组织架构、促进了IT和业务的融合,实现IT的价值。

3.2 在互联网金融领域的应用

某金融机构在业务开拓的过程中,利用互联网技术和大数据技术,打造金融服务平台,实现资金融通、支付、投资等新型金融业务模式。随着业务的发展,如何在业务开展过程中创新服务模式、控制业务风险,成为其关注的重点内容。该机构结合IT治理工作,聚焦数据治理及其价值的实现,取得了显著效果,其实施思路如图2所示。

由图2可知,针对互联网金融产生的大量数据信息,IT治理从IT资源、管理系统以及顶层设计三个方面着手,聚焦业务模式创新、应用模式创新以及服务模式创新,以数据应用为核心点,重点关注技术架构平台、数据汇聚、新型数据库管理、数据安全以及数据挖掘分析等环节,提升数据应用水平,以数据驱动价值,创新驱动发展,形成具有突破性的互联网金融产品和模式,为大数据时代互联网金融领域IT治理实施提供思路和方法。

4 结语

在大数据时代,随着IT治理内涵的丰富,治理方法和手段的创新,IT治理朝着支撑业务、融合业务和创新业务的方向发展,数据治理成为了IT治理的重要内容和有效抓手,大数据视角下IT治理标准化体系将为组织的战略提供有效的支撑,为IT价值的实现提供有力保障。

参考文献

[1]张绍华,潘蓉,宗宇伟.大数据治理与服务[M].上海:上海科学技术出版社,2016.

[2]维克托·迈尔·舍恩伯格.大数据时代——生活、工作与思维的大变革[M].盛杨燕,周涛,译.杭州:浙江人民出版社,2012.

[3]程广明.大数据治理模型与治理成熟度评估研究[J].科技与创新,2016(09):6-7.

大数据时代的媒体云互动电视应用 篇9

随着云时代的来临, 大数据 (Big data) 也吸引了越来越多的关注。大数据技术的战略意义不在于掌握庞大的数据信息, 而在于对这些含有意义的数据进行专业化处理。换言之, 如果把大数据比作一种产业, 那么这种产业实现盈利的关键, 在于提高对数据的“加工能力”, 通过“加工”实现数据的“增值”。其爆发式增长被公认为是新的自然资源。大数据具备4个V的特点:体量 (Volume) ——非结构化数据的超大规模增长, 数据体量是传统结构化数据库的10倍到50倍, 数据从TB级跃升为PB级。多样性 (Vairety) ——数据的内容多样, 可以是文本、图像、视频或者机器数据以及其他类型的数据等。价值密度 (Value) ——价值密度低, 商业价值高。以视频为例, 连续不间断监控过程中, 可能有用的数据仅仅有一两秒。速度 (Velocity) ——数据分析要求以最高的速度实时产生, 而非传统数据挖掘技术的事后分析。

目前, 行业对于采用云计算技术支撑广电互动电视应用已经形成了共识, 通过“媒体云”平台, 传统的广播电视可以具备点播、时移、回看等功能, 进而向用户提供统一高效的互动电视业务体验。然而, 如何进一步经营好互动电视服务, 为用户提供具有差异化、个性化的高品质服务成为了提升交互电视运营价值的一个课题, 大数据技术的应用为这一诉求带来了完美的解决方案。

广电业务云平台通过引入大数据技术, 可以从以下几个层次收集数据并进行实时分析, 进而获得相应的信息。

用户收视数据——通过对于用户在不同时间收看不同电视频道, 进而了解用户关注的电视频道乃至电视节目内容、类型等信息。

用户点播数据——通过收集分析用户对于VOD的使用情况进而了解用户的收视习惯以及对于点播节目的喜好信息。

机顶盒终端使用数据——通过对于终端设备运营情况数据的收集与分析进而了解用户的使用习惯以及网络的运行状况。

通过对于以上数据的收集分析, 可以为用户提供全新的互动电视服务形式, 可以有效地提升业务到达率和用户活跃度, 进而提高用户的ARPU值。这些全新的典型应用包括:

个性化的EPG

在双向网络条件下, 借助于云平台和大数据技术, 用户的EPG不再是千篇一律, 系统可以依照用户的喜好以及收视习惯, 在用户的终端EPG上有针对性的推荐内容, 从而实现EPG的个性化。进一步的, 可以通过社交化能力的导入, 在EPG中实现了解用户的好友、邻居等其他用户的收视热点, 大大增强用户的活跃度。

智能节目推荐

通过云计算平台和大数据技术对于用户收视行为的分析, 以及对于播出节目内容和后台系统的分析, 可以在用户观看电视节目的时候有针对性的向用户推荐相关联的节目, 这一推荐类型存在以下形式。

开路频道导视

通过对于EPG数据的挖掘, 可以将传统的基于时间线的频道资源碎片化, 进而切分成基于内容的分块的频道资源。系统可以通过先验知识的自动化分析, 进而可以了解到每个电视频道在不同时间段播出的节目类型, 进而可以根据节目类型将频道进行聚类。这改变了过去以频道编号或者频道类型进行分类的频道方式, 进而可以依照当前频道播出的节目类型对于所有频道进行动态分类。采用这样的方式, 可以大大方便用户选择收看的电视频道, 变被动的扫描频道为主动的选择感兴趣的电视频道进行收看。 (见图1、2)

点播推荐点播

通过对于点播数据媒资内容的分析, 可以实现对于点播节目内容的关联, 进而可以在用户点播观看VOD节目时对用户推荐其他类似主题、类似导演、类似演员的节目。进而, 通过对于用户行为的分析, 可以向用户推荐其他用户观看的热门节目等, 增强用户使用VOD服务的活跃度。

直播推荐点播

用户当前正在观看某电视台播出的某部电视剧的第6集, 传统情况下在其播完后用户只能在次日才能收看到该电视剧的下一集, 然而如果VOD系统中恰好也有这部电视剧, 那么就可以在该电视剧的第6集播出时提示用户通过VOD点播观看该电视剧的第7集, 进而可以有效地提升互动电视的使用率。 (见图3)

智能广告投放

数字电视机顶盒的UI与交互界面为在系统中开展广告运营提供了很好的空间。传统的数字电视广告包括EPG广告、音量条广告、换台广告、贴片广告等。通过媒体云平台与大数据技术的应用, 广告的投放可以更加智能。一方面系统通过前文所属的对于电视频道当前播放节目内容类型的分析, 进而为该时段该频道的相关广告位投放相关联的广告。例如会将啤酒的广告自动投放在与体育、娱乐等相关联的节目频道与时段, 而将日用品的广告自动投放在与生活、女性相关联的节目频道与时段。另一方面, 系统可以对于用户收视习惯与行为喜好进行实时分析, 进而为时常收看体育节目的用户投放体育用品广告, 为时常收看娱乐节目的用户投放时尚用品的广告。 (见图4)

实时收视率分析与导视

借助媒体云平台与大数据技术, 收视率的统计不再是一个难题。系统可以通过双向网络实时收集每一个终端的收视情况, 借助于对用户所在区域的了解, 实时分析不同时段每个电视频道的收视率情况, 乃至不同电视频道播出的不同电视节目的收视情况 (见图5) 。此外, 借助于收视率分析数据, 系统可以对用户的收视行为进行实时引导, 例如将需要推广的电视频道的栏目通过推送广告的方式下发到用户终端, 从而对用户收视情况进行实时引导, 实时影响不同频道的收视率。

实时网络运行状况报告

在双向网络的情况下, 用户的机顶盒终端的运行情况不再是一个无法探测的黑盒子, 而是可以通过自动向平台报告终端运行状态, 进而可以了解终端和网络的运行情况, 有助于运营商分析统计提升数字电视网络的运营质量。例如, 借助于业界通用的TR069终端网管协议, 云平台可以实时了解网络中每一个终端的观看节目、信号质量、网络时延、终端CPU内存等的使用情况等。这样在网络发生故障造成信号中断或者终端个体原因发生故障时, 系统可以第一时间了解到故障的发生, 进而在用户投诉之前掌握到问题, 主动优先为用户提供更好的保障服务。 (见图6)

大数据时代事项会计的应用与发展 篇10

关键词：大数据,云计算,事项会计,应用与发展

一、事项会计

事项会计理论是由美国学者George·H·Sorter在上世纪60年代率先提出的。自这一理论被提起之后,学者们进行了后续相关研究。尽管这一概念已在相关的文献经常出现,但至今尚未形成统一概念[1]。1970年,Johson将事项会计理论定义为,为了更好地让利益相关者了解并预测各组织机构的未来,企业需要将与企业相关的内部的、环境的和交易的事项以及相关属性或特征进行定期发布,且保证客观和公允。与事项会计理论相对应的是传统会计理论,即以价值法为基础的会计理论。价值法会计理论主要以记录影响资产负债表、利润表等相关报表内要素的变动为主,并且只反映可以用货币化来计量的这一方面属性的变化,是对过去历史情况的反应和记录,是履行受托责任的表现[2]。与传统的价值法会计相比,事项会计的具备的特点如下:

(一)主张多维度反应事项的信息而不仅仅只包括货币信息

传统的价值法会计主要以历史成本计量属性为主,记录的主要是各要素可以以用货币计量变化的这一子集,而事项会计,强调对同一个事项可以有多个计量属性,不同的属性恰好可以反应事项各个维度的特征。另外,事项会计对事项的反映也不只拘泥于用货币计量的方式,还包括那些非货币计量的属性,从各个属性来反映事项的真实情况。

(二)强调提供的信息是未经加工的原始信息

价值法会计下提供的会计信息,是会计人员经过一系列账务处理程序最后列报出来的结果,是按照会计准则的相关要求,对原始数据进行深加工后呈现出来的结果,其处理过程不可避免的受到了会计人员价值观念、个人偏好甚至管理层意识的影响,从而不是企业最原始情况的列示。而事项会计,要求提供的信息是反应事项多维度的原始的数据,是未经过任何加工的信息列示,信息使用者可以根据自己的目的,再对企业提供的原始数据进行加工,满足自己决策的需求。

(三)信息的提供与决策的独立性

对于传统会计而言,企业提供的信息是按照相关会计准则和制度,结合职业判断所处理的结果。信息的使用者只能根据企业提供的相关信息,进行相应的决策。此时,我们是假定企业提供的信息与企业决策之间是密切相关的。而对于事项会计,他们只提供相关经济活动的多维度的原始信息,并不对原始信息进行进一步加工。信息使用者需要根据自身决策的需求,对信息进行加工,从而得到结论。二者之间是相互独立的。

(四)事项法是会计目标受托责任观与决策有用观二者的统一

对于现代财务会计的目标,国内外学者的观点主要分成了两派,一个是受托责任观,另一个是决策有用观。传统的以价值法为基础的会计重点强调的是货币计量和报表披露,反应的是企业的财务状况、经营成果和现金流量等信息,其他的对决策有用的信息并无法纳入到会计报表体系当中。所以,传统会计只能履行受托责任观,其缺点也就显现出来。而事项会计除了能够反应受托责任外,还强调提供信息对决策的帮助,即决策有用性。这也要求了事项会计需要提供事项的多角度信息,使用者再根据自身的需求对信息进行加工辅助使用者做出正确的决策,从而实现受托责任和决策有用二者的统一。

事项会计提出后,国外学者也进行了后续的研究,但总体来看,事项会计的影响力还很有限,处于非主流的尴尬境地。而事项会计首次在中国介绍是在2000年,与首次提出间隔长达30年,提出后国内学者对于事项会计的研究也只停留在理论的简单介绍和比较,并没有做更深入的研究。究其根本原因来看,缺乏事项会计运行的物质基础以及技术支持是导致事项会计研究发展举步维艰的根源所在。而当前,在大数据时代背景下其所能提供的基础数据,与事项会计发展所需要的基础数据,二者之间存在天然的契合性,这就为事项会计的发展提供了物质上的支持,也为事项会计的继续深入研究提供了新的可能。

二、大数据时代为事项会计提供基础数据支持

(一)大数据时代的产生

随着信息技术特别是信息通讯技术的发展,互联网、社交网络、移动互联网、云计算、智能终端、手机应用商店等相继进入人们的日常工作和生活中,信息呈现出爆炸式增长。每分每秒都不停地有数据产生,而且数据会进一步被收集和加工,成为经济要素的重要组成部分。数据逐渐演变成与企业的原材料、固定资产、人力资源等相同的生产要素。所有的这一切昭示着我们已经进入大数据时代[3]。

(二)大数据环境为事项会计提供基础数据支持

事项会计的基本要求是需要大量的原始数据,多维度原始数据是事项会计运行的起点,大数据时代则很好地顺应了这一要求并能够提供基础的数据支持。

1. 大数据时代为事项会计提供多维度的基础数据

传统的数据库背景下,提供的信息类型主要是以结构化的数据为主,而且在数量上和规模上均有限。在大数据背景下,产生的原始数据则不只局限于结构化的数据,还包括半结构化、非结构化的数据,而且结构化数据的所占比重越来越小,半结构化和非结构化比重越来越大,数据的数量和规模与传统的相比也有巨大的增长。所有产生的这些数据都是事项会计运行的起点,是对事项的反映,可以从各个维度反映事项的基本情况,满足事项会计对多元化和个性化信息的需求。

2. 大数据时代为事项会计提供多种渠道的基础数据

大数据时代的产生与信息技术的发展,以及互联网、云计算技术、智能终端等逐渐进入用户日常生活中是密切相关的。用户通过智能手机、电脑、应用商店、GPRS等接入互联网的行为都会留下足迹,而这些终端也都是企业获取信息的渠道。而传统的信息的获取渠道主要依赖于企业内部信息系统产生的结构化的数据,获取信息的渠道有限,二者相比较,大数据时代可从多个渠道搜集事项会计运行所需的数据。

3. 大数据时代大大降低了数据的获取成本

在大数据时代背景下,只要与互联网相连接,企业即可获得大量的信息。企业既不需要投入专门的人力和物力,也不需要借助第三方力量的帮助,通过互联网或者移动互联网,企业就可以轻松搜集到大量的所需的信息,大大降低了信息的搜寻成本。而成本的降低,为事项会计的发展提供了经济上的可能。

三、云计算技术为事项会计的运行提供技术支撑

(一)云计算技术支撑事项会计运行中大量的数据,并且大大提高了数据的运行效率

传统的数据处理主要依赖于企业内部硬件的部署情况,其运行数据的数量和效率都受到主机等硬件设施的局限,要支持海量数据的运算并且保证其运算效率,则只能通过增加投资,购买新的硬件设备来实现,不可避免地增加企业成本。而云计算技术,依托于网格技术,能够实现合理地分配和调度资源,并且实现计算资源的动态化、虚拟化和可伸缩性,从而保证对海量数据的运算效率,且不需要额外的硬件投入。可以说,云计算技术的出现,不仅能够支持海量海量数据的运行,而且还能保证数据的处理效率[4]。事项会计的运行需要大量的数据作为基础,云计算技术的出现为事项会计的运行奠定相应的技术基础。

(二)云计算技术解决了事项会计运行中数据存储的问题并降低了信息储存成本

会计信息的存储经历了一下几个发展阶段。最开始的会计信息是以纸质的形式存储的,通过原始凭证、记账凭证、账簿和报表等载体而储存的。这种储存方式具有效率低、不易保存、成本低等特点。随着电算化的发展,企业的会计信息则逐渐储存于企业自己搭建的信息存储平台,信息存储的质量和效率大大地提高。但是,自建的信息存储平台,往往是独立的信息孤岛,很难实现信息的集成和共享。而目前,进入大数据时代后,企业的信息存储则可以转移到自身搭建的私有云平台或者租用公共云平台。将会计信息存储于云端,一方面可以大大提高信息的质量和存储效率,同时还能打破信息孤岛,实现信息集成和共享。此外,企业是根据所使用空间大小,按需付费,动态变化的,灵活性大大增加;而且,由于将信息存储与云端,大大降低了企业在IT设备,如存储硬盘和处理器等硬件上的投入,降低了企业固定资产投入,从而节约了整个信息的储存成本。

四、大数据时代确保事项会计应用与发展需要注意的问题

(一)确保获取信息的质量

大数据时代下,企业可以轻松地获取与事项相关的各个维度的原始数据,但是获取这些数据的质量可能存在良萎不齐的情况,质量无法保证。原始数据是整个事项会计运行的起点,因此,确保搜集信息质量的可靠性以及高水平性,才能确保事项会计呈现出来信息的高水平,才能切实为信息使用者的决策服务。

(二)健全网络安全体系,确保会计数据的安全性

避免数据的外泄,确保数据的安全性一直是互联网时代需要解决的重点问题。如果涉及到与企业商业秘密相关的信息泄露,肯定会造成巨大的经济损失,进一步影响到用户对网络安全的信任。因此,在互联网时代,尤其像当今这样的大数据时代,如何构建与新环境相适应的网络安全体系,切实保证与企业利益密切相关的数据安全性问题,已成为企业和业界学者急需解决的重要问题。

(三)权衡好信息成本与收益问题

推行事项会计后,尤其在大数据背景下,会涉及到海量数据的搜集、存储与处理,尽管云计算技术大大降低了其成本,但根据“按需使用,按需付费”的模式,总成本还是会数据处理数量的增大而增大,因此,应当衡量好成本与收益间的矛盾,做好信息成本的控制。另外,尽管事项会计要求提供的是反应事项各个维度的原始数据,是未经加工的,但在成本收益原则指导下,在不破坏信息质量的基础上,可以考虑对原始数据的进一步加工和挖掘,以最大化实现信息的价值。

(四)建立健全相应的法律法规和会计准则体系

无论是大数据时代,云计算技术、还是事项会计都是作为新兴事物出现的,所有的理论研究还处于起步阶段,甚至是空白阶段。因此,应加强相关理论问题的研究,优先解决重点和难点问题。尤其事项会计作为对传统会计的彻底颠覆,要保证事项会计的顺利推行,还需要加强相关理论研究,重建原有的会计准则体系,这将是一项工程巨大又富有挑战的工作。只有建立健全相应的法律法规体系和会计准则体系,才能为事项会计的发展提供制度保障。

五、结论

大数据时代的背景客观上促使了云计算技术的产生和发展,而云计算技术的发展与成熟也进一步助推大数据时代的发展。大数据时代背景下,事项会计运行中所需的反应事项情况的多维度数据可轻松获得。同时,云计算技术的发展与成熟,很好地解决了信息处理的效率以及信息存储的问题,既从技术上支持了事项会计的运行,又降低企业的运行成本。因此,在大数据时代背景下,在云计算技术的支持下,事项会计的应用与发展也将迎来它的春天。

参考文献

[1]胡玉明.事项会计:受托责任观与决策有用观的统一——兼论网络时代的会计发展方向[J].外国经济与管理,2002(4):36-42

[2]钟黄聪.防治会计信息失真新途径:实施事项会计[J].财会月刊,2012(22):12-15

[3]翟伟栋.事项会计、数据库会计与REA会计之比较[J].财会月刊,2015(19):98-103

大数据时代，学术研究的变革 篇11

所谓“大数据时代”，是对因网络信息技术飞速发展而带来的人类生产生活方式变革的一种特征性和概括性表述。最早提出这一概念的全球知名咨询公司麦肯锡公司称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”现在，对大数据问题的分析已经大大超越麦肯锡报告所定义的内容。大数据不仅对当今社会的经济生产领域产生深刻影响，同时也对知识、文化的生产、组织、传播产生深刻影响。就学术研究领域而言，大数据所带来的变革有哪些？新的挑战是什么？

一、学术研究的基本手段和工具变革

在传统的学术研究，尤其是人文基础研究中，学术资料的搜集和占有是基础和前提，优秀的人文基础研究成果往往是在占有大量学术资料的基础上完成的。像钱钟书、侯外庐、范文澜等知名学者，无一不是博览群书、博闻强记的学术大家，钱钟书先生更是以记录“学术卡片”而闻名。在“前数据时代”，资料和数据是稀缺物，学术研究带有一定的封闭性、个体性，谁占有的资料多，谁就占领了学术研究的制高点。当今时代，特别是大数据时代的来临，为学术研究提供了更加便捷的工具和手段，通过互联网和数据分析，学者们对学术资料的查询、搜集几乎达到随心所欲的程度，通过大数据平台，每个学者在掌握资料方面几乎可以超越钱钟书、范文澜。举个例子，我们通过信息查询，几秒钟就可以把整个二十五史中的“国家”“君臣”等词条项全部搜索出来，在此基础上的学术研究就非常方便了。再博闻强记如钱老，再多的学术卡片，也不可能掌握如此全面的史料。网络化、平台化和公开化是这个时代学术研究的一个显著特征。但也要看到，进入大数据时代后，新的问题出现了，海量的数据需要筛选、辨别、整合和创新，需要相应的敏锐性和鉴别力。在大数据时代，数据资料的丰富并不能代替扎扎实实锲而不舍的研究态度和钻研精神，这些学术研究的基本功，是不会因为大数据时代的到来而发生变革的。

二、学术产品信息反馈机制的变革

对比前数据时代，大数据时代的学术研究具有更加鲜明的指向性、及时性、功能性特征。如果把学术研究机构视为精神产品的生产者，那么谁是产品的使用者呢？总体来说，无外乎三个主要对象：一是政府决策部门，二是学界同行，三是社会公众。不同的对象群体，对学术产品的需求是不同的，赋予学术研究不同的功能。比如决策咨询功能、学术传播功能、社会导向功能，这些功能对学术产品的生产提出了差异性的要求。搞学术研究，首先要确定主题、方向，明确是否值得做、需要做以及具体做什么。向学术机构以及研究者反馈学术产品的需求信息的反馈、评价机制，在很大程度上会影响产品的生产。即使在前数据时代，学术产品的生产也不是盲目的，这样的信息沟通反馈机制也一直存在并发挥着作用，“两耳不闻窗外事，关起门来做学问”的方式，是非常特殊的。但在大数据时代，这样的机制更加显性化。通过数据平台，学术产品生产者和使用者的信息沟通更加畅通，反馈更加及时，由此导致研究主题更加丰富，学术研究的差别化更大了。比如，一些网络热点议题，往往伴随着学术界的回应和参与；一些网络议题可能被设置为新的学术研究课题，甚至成为新的学科或研究领域的发端。

三、学术组织机构和方式的变革

科研组织部门是直接服务于科研生产的专门的组织管理部门，其职责是为研究机构、学者、团队提供更好的数据信息服务，为他们提供更好的科研组织平台，为他们建立更好的学术评价机制。虽然个体化、单兵式研究在大数据时代也必不可少，也有许多便利条件，但诸多重大研究课题，往往需要团队研究、集体攻关，科研组织的功能更加强化了。在专门科研组织部门功能不断强化的同时，更多的具备相似功能的平台也出现了。比如，很多学术出版机构就建立了一个很完整的“产品链条”，在设立课题、组织研究、推出成果、开展评价方面，做了很多工作，体现出很强的政策敏锐性、学术敏锐性和市场敏锐性。与单位性质的科研机构不同的是，现在的学术出版机构平台更加广阔，它可以面向全国乃至全球组织最优秀、最合适的人员开展专题研究，比如社会科学文献出版社做的皮书系列、列国志系列、西南工程研究系列项目，中国社会科学出版社的学科前沿报告、学术年鉴项目等，他们搭载的平台远远超过了现有学术研究机构的框架。另外，学术出版机构建立的学术评价机制因具有第三方评估的性质，发挥了很好的学术导向效果，如社会科学文献出版社的皮书评价指标体系就比较成熟，为推动这一领域的学术研究起到很好的作用。从这个角度讲，许多学术期刊、学会、中心、社团同样可以发挥这样的学术组织功能。

大数据时代的应用研究 篇12

一、学习分析技术的内涵及发展现状

首届“学习分析和知识国际会议”上与会者一直认为:学习分析技术是测量、收集、分析和报告有关学生及其学习环境的数据, 用以理解和优化学习及其产生的环境的技术[2]。《2012NMC地平线报告 (高教版) 》对学习分析技术给出如下定义:学习分析技术是对学生生成的海量数据的解释, 以评估学生的学术进展, 预测未来的表现, 并发现潜在的问题[3]。简单地说, 学习分析技术旨在应用数据分析为教育系统的各级决策提供参考, 关键内容就是应用于教育领域的大数据分析。

学习分析技术综合了数据挖掘、数据解释等方法的优势, 可测量分析学习过程中积累的大量数据, 对改善教与学的理解, 为学生提供个性化的教育服务, 进而改善和提升教学的质量与效能都具有重要意义。学习分析技术目前在国外取得了一定成效, 但在国内还处于初步发展阶段。

二、学习分析技术应用的方法

学习分析技术在使用传统数据分析方法的基础上, 充分吸收了其他研究领域的关键技术, 例如社会网络分析法、话语分析法和内容分析法等, 实现对学习过程数据的充分研究。

社会网络分析法 (Social Network Analysis) 是一种对社会网络关系结构及属性加以研究的一套规范性方法。其一, 可以将学习者个体作为研究对象, 通过网络分析的方法来判断学习者个体在学习过程中发生的各种情况, 如向同伴寻求帮助, 何时产生认知困难等。其二, 可将整个学习过程作为研究对象, 关注学习过程中的信息产生及流动情况。

话语分析法 (Discourse Analysis) 是对学习中的交流过程进行研究的方法。分析的对象包括实体课堂中的谈话内容、网络在线课程内容、会议产生的文本信息、使用多媒体社交工具开展的同步及异步交流内容等, 此方法的运用有助于研究者对学习发生过程进行深入了解。

内容分析法 (Content Analysis) 是一种对教学内容进行定量与定性分析的研究方法。运用该种方法不仅可以对学习者的学习过程数据进行定量分析, 从而发现学习者的学习行为模式, 还可以对学习过程数据进行定性分析, 凭借之前积累的教学经验为学习者提供个性化的学习指导。

三、学习分析技术的应用

目前, 学习分析技术已经在教学与科研领域开展了应用性探索, 主要体现在以下几个方面:

(一) 教师角度

教师利用学习分析技术可获得有关学生学习成绩、学习过程与学习状态等方面的信息, 为改进教学提供帮助。例如, 利用学习技术系统, 教师可以获得学习者的各种学习数据, 包括系统登陆时间、观看课程视频的次数、课程学习消耗的时长和课程作业的完成效果等, 通过分析这些数据, 教师可以对学生的学习兴趣、学习态度、学习进度有深入了解, 从而为制定满足学生学习需求的教学方案提供依据。

(二) 学生角度

学生利用学习分析技术得到的学习分析报告可以帮助其开展自我评价, 使学生成为利用数据发展自我的主动学习者, 从而实现认识自我、发展自我、规划自我的目标。同时, 学习分析技术也是学生开展自我导向学习的有效引导工具。通过此方法学生可以分析自己产生的学习过程数据, 利用可视化方法对先前的学习时间、时长、内容和进度进行回顾, 并在与同伴的比较中了解自己所处的位置。学习分析技术还可以对高危学习者提出危机预警提醒, 降低学生的辍学率。

(三) 教育研究者角度

利用学习分析技术对学习者学习过程的数据进行深入分析, 发现每个学习者学习数据背后隐藏的学习偏好与学习模式, 通过对单个学习者的学习模式及学习路径的了解, 进而获得群体学习特征及规律, 为差异化的学习服务提供可供参考资料。同时学习分析技术也是研究网络学习过程和效用的工具。长期以来, 教育研究者一直无法准确判断多年来投入到学习过程中的技术是否实现了应有的目的, 而学习分析技术恰好弥补了这一研究的缺失, 通过分析教育数据来判断技术应用真实效果。

总结

学习分析技术在教学、科研及管理等方面的均具有较大的发展潜力。随着教育信息化进程的进一步推进, 特别面对在线网络教育和数字化校园建设过程中产生海量教育数据, 充分利用学习分析技术强有力的数据分析能力, 实现学习过程数据的潜在价值。

未来学习技术方面的研究还可以从以下三个方面开展: (1) 有待于进一步归纳整理学习分析技术所涉及到的多种方法的适用场合。 (2) 总结归纳学习分析技术适用的典型任务, 构建学习分析模型。 (3) 进一步拓展学习分析技术的应用领域, 发挥其更大价值。

参考文献

[1]2013 horizon report[EB/OL].http://www.nmc.org/publica tions/2013-horizon-report-higher-ed.2013-4-23.

[2]魏顺平.学习分析技术:挖掘大数据时代下教育数据的价值[J].现代教育技术, 2013, (2) .