大数据与科技管理(精选12篇)
大数据与科技管理 篇1
当今世界, 云计算、物联网、三网融合风起云涌, 我们已经进入了大数据时代。传统数据库技术已无法满足海量数据的充分利用, 大数据的管理和使用成为突出问题。大数据处理使实现精准化和精细化管理成为现实。大数据被认为是继理论、实验和计算之后科学研究的“第四范式”。
1 大数据的概念
大数据是指在业务过程中产生的数据集合, 尤指非结构化数据和半结构化数据。关于大数据, Gartner给出了这样的定义:需要新的处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
大数据具有“4V”特性, 即巨量 (Volume) 、繁多 (Variety) 、高价 (Value) 和快速 (Velocity) 。
巨量:数据量巨大。大数据的体量已从TB (万亿字节) 级上升到PB (千万亿字节) 级。
繁多:数据类型繁多。大数据包含了大量的文本、视频、音频、图片、日志、空间位置等信息。
高价:高价值。大数据潜藏着大量的有价值信息, 需要去深度挖掘。
快速:处理速度快。大数据基于云计算技术, 处理结果为秒级———“一秒定律”。
大数据的源头从互联网、数字设备、移动设备等各源头产生。
“大数据”之“大”, 不仅仅是指容量之大, 更在于通过对海量数据的交换、整合和分析, 发现新的知识, 创造新的价值, 带来“大知识”、“大科技”、“大利润”和“大发展”[1]。
大数据并不等于大集中。相反, 大数据往往与云计算联系在一起, 因为实时的大型数据集分析需要分布式计算和并行计算模式 (如MapReduce) , 把计算任务分配到分散的计算机上。如果说2012年是云计算应用元年, 那么2013年就是中国的大数据元年。大数据与云计算是问题的两面:一个是问题, 一个是解决问题的方法。云计算进行大数据分析、预测会使决策更为精准, 释放出数据的隐藏价值[2]。
2 迎接大数据时代
计算机技术经历了大型主机、小型计算机、微型计算机、分布式计算几个时代, 目前已进入以云计算、大数据为代表的第五次浪潮。大数据浪潮的一个表现是信息技术 (IT) 市场从“以计算为中心”向“以数据为中心”转变[3]。随着人类对数据的依赖程度不断提高, 数据的生命周期也在不断延伸, 而非结构化数据的增长远快于结构化数据的增长。
全球数据总量每18个月翻一番。天上的云计算还没飘过, 我们迎来了大数据的爆炸性增长时代。据麦肯锡调查报告, 美国15个主要行业中每家公司过去一年所产生的数据量, 就超过了同期美国国会图书馆所存储的数据量。自从人类发明印刷术以来, 以往一千多年来所有印刷材料相当于200PB (1PB=1015B) , 而2011年全球数据量就达到了1.8ZB (1ZB=1021B) 。据IDC发布的2012年数字宇宙研究报告中预测, 到2020年数字宇宙的规模为35ZB。
仅仅是从互联网, 我们就可获得信息内容接触信息 (浏览/点击的内容、时长等) 、搜索/需求信息 (经常搜索的词、搜索行为的转换、需求什么类型的信息等) 、信息偏好 (喜欢的信息、反感的信息等) 、信息消费行为 (消费时间、消费类别、消费金额、消费次数等) 、人口统计信息 (性别、年龄、职业、教育程度、婚姻状况等) 、收发信息的设备和区域等信息 (智能设备种类、系统、所在城市、网络接入情况等) [4]。在大数据、移动互联网的支撑下, BYOD (Bring Your Own Device, 自带设备办公) 正在迅速得到普及。
2010年7月, 联合国发布了《大数据促发展:挑战与机遇》白皮书, 指出大数据对于全世界是一个历史性的机遇。2012年3月, 美国总统奥巴马宣布美国政府拨款两亿美元启动“大数据研究和发展计划”, 把大数据提升到国家战略位置。2012年10月, 时任广东省委书记汪洋向公众推荐涂子沛先生所著《大数据:正在到来的数据革命》一书, 在我省掀起了一股大数据热潮。
拥有处理大数据的能力和有效分析大数据的工具, 正成为一种必需的竞争优势[5]。大数据厂商早就注意到大数据市场的兴起, IBM、HP、Oracle、微软、SAP等IT巨头都是大数据市场的积极推动者, 各自推出了自己的Hadoop版本。IBM在迎接大数据挑战的战略中, 制定了“3A5步”的路线图, 即掌控信息 (Align) 、获取洞察 (Anticipate) 、采取行动 (Act) 、学习 (Learn) 和转型 (Transform) [6]。其在2011年推出了Netezza数据仓库一体机, 随后又推出了应对非结构化数据需求的Info Sphere Big Insights和实时分析需求的Info Sphere Streams产品。同时, Oracle公司推出了配有CDH (Cloudera Distribution Including Apache Hadoop) 和OBDC (Oracle Big Data Connectors) 的大数据机以及专门针对海量数据管理的分布式key-value数据库Oracle No SQL。微软公司则推出了SQL Azure Hadoop产品。中国移动的“信令分析系统”项目和中国电信的“新一代数据库”产品已经采用大数据技术进行用户行为分析, 实现精准营销。
大数据潜隐着巨大的价值, 能够降低社会管理成本和交易摩擦成本, 能够提高客户满意度。据麦肯锡测算, 大数据技术的应用将给欧洲公共部门创造1500-3300亿欧元的潜在价值。
3 大数据解决方案
大数据处理需要新的数据库技术。EMC数据计算事业部大中国区总经理刘伟光指出:“新型数据库应该具备如下特点:首先, 应该采用支持大规模并行处理的分布式架构;其次, 应该使用基于符合工业标准的开放硬件和系统平台, 保证成本可控;第三, 随着开源技术不断成熟, 创新速度快, 新型数据库平台应该易于与新的开源技术进行融合;第四, 新的数据库平台应该可以实现与Hadoop平台的无缝集成, 实现跨结构化、半结构化、非结构化海量数据的混合分析能力。”
大数据环境下, 必须能对数据进行快速的捕获、管理、存储和分析。目前, 大数据解决方案主要有Hadoop和No SQL。
3.1 Hadoop
Hadoop是一个能够大数据进行分布式处理的开源的软件框架, 具有高可靠性、高扩展性、高效性和高容错性的特点。
Hadoop主要由两部分组成:底部是HDFS (Hadoop Distributed File System) , 它存储Hadoop集群中所有存储节点上的文件;上部是MapReduce引擎, 它负责对大数据集的并行处理。
HDFS支持以流的形式访问写入的大型文件, 由Name Node和Data Node节点构建。Name Node节点只有一个, 在HDFS内部提供元数据服务;Data Node节点可有多个, 为HDFS提供存储块。HDFS内部的所有通信都基于标准的TCP/IP协议。Hadoop的编程语言主要是Java, 也可以是C++。
MapReduce是一种简化的分布式编程模式, 其设计思想是将要执行的问题拆解成“映射” (Map) 和“化简” (Reduce) 的方式, 先通过Map程序将数据切割成不相关的区块, 分配给大量计算机处理达到分布运算的效果, 再通过Reduce程序将结果汇整, 输出开发者需要的结果。
3.2 No SQL
No SQL (Not Only SQL) 是针对关系型数据库的瓶颈而提出来的革命性理念, 实际上是一个分布式数据管理系统, 具有大数据量、易扩展、数据模型灵活、高性能、高可用等特点。典型的No SQL如key-value存储、列存储、文档数据库、图数据库、XML数据库和全文检索, 最常用的当为key-value存储, 其以键值对存储, 每个元组可以根据需要增加键值对, 减少了时间和空间的开销。“简化” (Simplifying) 和“自动拆分” (Automating Sharding) 可能是No SQL数据库面临的最大挑战[7]。
No SQL具备的三要素:一致性 (Capsistency) 、可用性 (Availability) 、分区容忍性 (Partition tolerance) 。三要素最多只能同时实现两点, 这就是NoSQL的CAP原理。分区容忍性是No SQL的基本要求。
No SQL的核心理论基础是Google Big Table模型和Amazon Dynamo模型。Big Table是一个稀疏的、分布式的、持久化存储的多维度排序Map, Map的索引是行关键字、列关键字以及时间戳, Map中的每个value都是一个未经解析的byte数组。Dynamo采用P2P (peer to peer) 架构, 数据定位使用一致性哈希, 允许数据的多个备份存在多个版本以提高写操作的可用性, Gossip-based Membership Protocol通讯协议实现了节点间的直接通信[8]。此外, 市场上的No SQL数据库还有Couch DB、Redis、Mongo DB、Riak、Membase、Neo4j、Apache Cassandra、Apache HBase、Simple DB等。
虽然大数据是目前IT最热的话题, 但还存在一些有待进一步探讨和解决的问题:一是数据的真实性, 二是标准和法规遵从, 三是应用系统 (平台) 之间的兼容和整合, 四是从事数据挖掘的专业人才匮乏, 五是数据应用能力弱。
4 大数据提升科技管理
大数据是计算机科学、统计学、管理学、社会学等学科交叉渗透的产物, 涉及互联网、经济、物力、天文、医学等领域。中国工程院院士李国杰指出:“科技界应高度关注大数据研究这一新的发展方向, 从大数据应用中发现挑战性的科学问题, 推动以大数据为基础的第四科学范式, 促进形成新型交叉学科:网络数据科学。”
随着科学技术日新月异的发展, 科技管理被赋予了新的内涵:人力、物力、财力资源通过运用管理科学手段, 最终以数据的形式得以存储、整合、利用和分析, 大数据在现代科技管理中愈显重要。
现代科技管理中, 除了存在大量的结构化数据 (标准数据库) 以外, 还存在与之相关的信息量更庞大的半结构化和非结构化数据, 流媒体、图片如此, 知识产权、科技文献、空间信息也如此。
在科技管理中, 大数据从管理层次来看, 可分为数据层、处理层和应用层, 其层次体系结构如图1所示。
存储层:对资源进行数字化处理后得到相应的结构化、半结构化和非结构化数据, 存储 (分发) 在指定的载体中。
处理层:对存储层的数据进行采集、融合、分发等处理, 通常使用ETL (Extraction-Transformation-Loading) 工具进行管理。
应用层:对数据进行综合利用和挖掘分析, 提供决策支持智能服务。
在这个三层结构中, 数字化是基础, 集成是手段, 挖掘分析是目的。
例如, 在科技文献管理中, 既要对科技文献进行归档建库形成结构化数据, 还要对文献进行扫描、文字识别、实物拍照等数字化处理形成非结构化数据, 再对其进行全文检索等综合利用。这其中, 非结构化数据的存储容量就占了总数据量的95%以上。
又如, 在信息检索中, 除对站内信息进行挖掘外, 也要通过互联网对网页、微博、传感器、多媒体等信息进行智能挖掘, 所需处理的数据量浩如烟海。
再如, 在大型仪器共享方面, 我们可以通过物联网实时捕捉仪器设备的运作情况, 把仪器设备的空闲资源充分利用起来。
在科技决策中, 从数据库、网站、流媒体、短信、微博、社交论坛、移动终端等大数据中, 我们可以进行准确地分析历史、提供个性化服务和预测未来。
科技平台是科技管理的重要内容, 包括重大科研基地、科技条件平台和科技公共服务平台等。利用SWOT方法 (见图2) , 我们可以探知大数据技术在科技平台中的机遇与挑战。
5 结束语
数据被称为21世纪的“石油”, 它已经变成生产资料, 站到与硬资产和人力资源同等重要的位置[9]。大数据能使我们更全面地认识世界, 更准确地预测未来。大数据将引发全球范围内的社会和商业变革。知识时代, 我们只相信数据。
参考文献
[1]涂子沛.大数据:正在到来的数据革命[M].广西:广西师范大学出版社, 2012
[2]叶成辉.云计算、大数据变革浪潮继续高涨[J].计算机世界, 2013 (1) :24-28
[3]田溯宁.2013, 大数据元年的创新[J].计算机世界, 2013 (1) :22-24
[4]周艳, 龙思薇.大数据时代的到来与思考[J].广告大观:媒介版, 2012 (9) :24-30
[5]胡素青.大数据:“铁三角”牢不可破[J].金融科技时代, 2012 (9) :22-24
[6]“3A5步”迎战大数据[J].软件和信息服务, 2012 (6) :77-80
[7]ORACLE.Hadoop and NoSQL Technologies and the Oracle Database[R/OL].http://wenku.baidu.com/view/9823c494daef5ef7ba0d3cd2.html, 2011
[8]MENGXIANGL.NoSQL综述[R/OL].http://wenku.baidu.com/view/4089d43731126edb6f1a1083.html, 2012
[9]胡素青.大数据, 向巅峰出发[J].金融科技时代, 2012 (9) :20-24
大数据与科技管理 篇2
何为“大数据”?人们用它来描述和定义信息爆炸时代产生的海量数据,并命名与之相关的技术发展与创新。(注:释义来自百度百科)
大数据时代意味着数据正在迅速地膨胀并变大,它决定着企业未来的发展,对企业至关重要。同时,大数据时代也对人类的驾驭能力提出了新的挑战,为人们获得更为深刻、全面的洞察力提供前所未有的空间与潜力。
一、如此来势汹汹的大数据时代将带给我们的组织什么样的变革呢?
第1点,大数据时代将带给传统组织结构变革。大数据时代下企业每天面临巨大的信息量,因此我们需要专业的人才来为我们的企业管理、分析、统计这些大量的信息,并从其中准确提取企业所需。这也就需要组织成立专门部门进行数据管理与处理,与其他部门区分,分工明确,权责分明;
第2点,大数据时代将改变组织的用人需求,由曾经的重视员工经验改变为重视员工数据处理能力。这样的时代背景下,要求我们的企业中每个员工都需具备一定数据处理能力。大数据时代需要我们进行理性的分析与判断,而不是倚重于经验的判断。
第3点,庞大的数据资源使得企业生产经营管理开始了量化进程,这使得企业的管理更加专业化、规范化。
二、大数据时代下人力资源经理由传统人力资源经理角色会有何变化?
1、由经验主义转变为更加科学规范管理。人力资源经理工作将更加基于数据和分析。大数据时代背景之下,传统人力资源管理方法已明显落后,人力资源经理将依托先进的技术平台集中、规范化、及时处理和管理人才信息,科学地进行薪酬管理等。并不像传统人力资源经理一样,主要依靠自己丰富的经验进行管理与决策。传统管理方法比较缺少科学的辅助,可能会造成方法的效果不显著。
2、实现更为高效化管理。大数据时代背景下,人力资源经理可以借助新兴电子信息技术,提升人力资源管理的效率,实现高效化管理。人力资源经理相较于传统人力资源经理工作上更具有高效率。
3、由参与者转变为决策者。我个人认为,大数据时代下,人力资源管理工作更多借助于先进的技术平台获取数据并进行数据分析,工作更加规范化,有具体的工作流程规则可循,则需要人力资源经理参与进行工作的情况会减少。相较于传统人力资源经理,则较少参与到实际设计工作中,更多是担任决策、审核任务。
以上是我个人的观点,部分内容参考了《易才李浩:HR迎来“智慧”时代》这篇文章。以下是我在做作业过程中产生的一个疑问,希望老师可以为我解答。
大数据管理与高等学校教学 篇3
关键词:大数据;高等学校;教育理念;教学方式
中图分类号:G642.4文献标志码:A 文章编号:1673-8454(2014)09-0019-03
一、引言
随着智慧校园建设的深入,我国高校的信息化建设正处在蓬勃发展期。然而随着高校信息化建设的全面展开,资金缺口问题已成为制约信息化建设发展的突出问题。高校信息化建设在基础设施、信息化应用、信息化服务运维、信息化管理和信息化人员培训等各个构成要素的经费投入都还不够,大部分高校在信息化建设上投入的资金还不能满足高校信息化持续发展的需求,使得高校信息化发展水平和服务质量等方面远远不能满足高校教育科研的需求。[1]
为解决高校信息化建设的投融资问题,国内许多高校通过多种方式,在信息化建设融资方面进行了创新探讨,形成了投资主体多元化、融资渠道多样化和投融资活动市场化的融资新格局,促进了高校教育事业的改革发展。
二、融资模式
高校利用自有资金进行信息化建设,可以根据学校实际情况进行系统的规划设计,完全主导建设,项目建设内容可以密切贴近学校的特点,满足师生的个性化需要。但是,由于高校办学资金主要投入到学科建设、科学研究、人才培养和基本建设方面,而信息化建设资金投入比例较低,且不稳定,高校单纯依靠自有资金进行信息化建设的压力较大,因此高校也在积极开辟资金筹资渠道,在借鉴其他行业融资方式的基础上,结合自身特点,一般采用以下几种融资模式:
1.银行融资
目前国内高校进行的信息化建设为银行与高校的深入合作提供了契机。银行愿意通过直接投资的方式参与高校的信息化建设,建设项目一般采取银行投资,集成商建设,学校运营的模式。
银行投资高校信息化建设主要是由于看重高校几万人规模的资金总量和收益预期。一所高校的员工工资、科研费用、办公资金、学生学费、货款、补助、后勤资金、基建资金等资金规模相当可观。银行通过投资高校信息化建设一方面可以超越对手,获得竞争优势;另一方面可以开拓市场,拓展银行各项新增业务,培养自己的长期目标客户群体。同时,高校信息化建设中的银校转账、电子支付等功能,需要与银行系统后台进行安全对接来实现,所以系统建设与银行也是密不可分的。[2]
2.通讯运营商融资
高校与通讯运营商合作开展信息化建设,即通讯运营商独立投资模式。高校是通讯运营商争夺的重要市场,从传统的固定电话、宿舍宽带、校园网接入宽带,到师生的手机通信及数据业务、校园无线网等[3]。建设项目一般采用运营商投资,运营商自主建设或委托集成商建设,学校自主运营或学校授权运营商运营,学校收取管理费的模式。
通讯运营商主要对高校信息化建设中“校园一卡通”和“校园无线网”系统投资建设感兴趣。一卡通建设方面,目前通过技术可以实现“手机”直接刷卡,完成一卡通普通卡的所有功能,运营商可以通过校园卡和手机卡的集成可以锁定高校大量的消费客户,提高通讯运营商企业自身的竞争力[4]。校园无线网建设方面,运营商一方面通过无线网接入服务收取固定的费用,同时也可以锁定大量的消费用户。通讯运营商进入校园后,通常以赠送手机等形式,来推销自己网络品牌,提高入网率,控制学校用户资源,同时通过与高校签订各种条款阻挡其他竞争者进入高校,独占通讯市场份额。[5]
3.租赁公司融资
目前业内已有融资租赁公司与信息化系统供应商结成合作伙伴,这样既能减轻学校的项目启动资金(支付第一期租金即可使用设备),又可以扩大项目,加快校园信息化建设的速度(支付第一期租金即可启动项目,总项目投资可在2~3年内分期支付完毕);既可缓解资金压力,又不占用银行信用额度(可用银行贷款投入非IT项目,合理规划现金)。同时高校通过收费获得的经济回报也有可能在几年内收回投资。社会融资机构的介入缓解了高校建设信息化建设的资金压力,可以说是一种新的投资运营模式。
4.社会捐赠融资
企业和个人对高等教育的捐赠是未来国家筹措教育经费的重要渠道。在吸引社会捐赠方面,以建筑物、设备或者奖学金居多,用于捐赠信息化建设的少之又少。一些高校通过将信息化建设内容打包成项目,也获得了一些社会捐赠。但由于国家关于企业和个人捐赠、免税、退税等激励政策还不完善,因此高校通过捐赠形式获得的信息化建设资金整体份额较少。
三、投资者的收益
当前大多数高校信息化建设融资主要以“校园一卡通”和“校园无线网”建设为平台,采取与银行、通讯运营商合作的方式完成建设。银行或者通讯运营商投入建设资金,他们一定关注投资带来的收益,具体为:直接经济收益、间接经济收益、间接非经济收益。
1.直接经济收益
银行对高校的投资,加强了高校与银行之间的合作。存储关系是高校与银行合作的基础关系。虽然高校不能像企业那样产生效益,但是高校是信誉最好的用户之一,随着教育产业的发展,科研经费、各种贷款也在不断增加,高校大规模的存款更是十分难得的资源,银行对于学校的投资可直接换来大量存款,意味着投资带来的巨大直接经济收益[6]。
通讯运营商对高校的投资,可以通过提供网络运营服务、线路服务、无线网服务、固定电话服务等直接收取服务费或者运营费,获得收益。同时,通讯运营商也可以通过与高校合作,垄断高校的固话、手机用户市场,大量的用户带来了直接的收益。
2.间接经济收益
学校是新生事物接受最快的地方,银行或通讯运营商对学校的投资,培养了大批稳定的学生用户群体,这些学生毕业后一般也会成为银行或者通讯运营商的稳定用户,增加该银行业务或该通讯运营商的市场占有率,可以使银行或通讯运营商的业务得到长远的发展。
银行可以获得更多的直接或潜在的信用卡、金融IC卡、新业务(投资理财、电子银行、手机银行等)用户,通讯运营商可以获得更多的通讯增值服务客户,这些大量的稳定用户带来的间接经济收益更是一笔不可估量资产。
3.间接非经济收益
银行或通讯运营商参与高校信息化建设不仅是服务民生领域、回馈社会的事情,更是展示企业形象和综合服务实力的机会。对于校园信息化的投资,通过学校的宣传,势必会增加该企业的校园知名度、曝光率,从而提高该企业的公共形象。
四、高校接受融资的利弊分析
高校通过融资开展信息化建设,很大程度的解决了学校资金紧张的难题,是目前高校信息化建设资金的主要来源。那么高校融资存在哪些利弊呢?
高校招生规模的不断扩张促使教育经费支出规模迅速膨胀,信息化建设的资金缺口巨大,仅靠学校资金无法解决这一问题,学校接受企业投资可以解决建设资金的瓶颈,快速推进学校信息化建设,使师生充分体验智慧校园的建设成果。
同时,高校通过融资方式进行信息化建设也存在一定弊端,主要体现在信息化项目建设的垄断、主导权和违约等方面的问题。
企业投入信息化建设资金,必然要排斥同行竞争者与学校合作的机会,完全垄断学校的相关业务,失去了竞争,有可能使企业的服务质量下降,造成师生员工的不便;企业通过对高校信息化项目建设的资金控制,使学校失去了建设的主导权,不能完全按照学校的规划、师生的需求开展建设,而是基于企业的利益和业务拓展来建设;企业自身经营风险等原因也可能使企业有违约、失信等问题,减少或终止投入,给高校的信息化建设持续发展带来风险。
endprint
五、合作过程需要注意的问题
高校和投资方的合作涉及很多具体问题,需要在合作前给予充分的重视和准备,以免在合作过程中产生误会,甚至导致合作失败。
1.充分掌握合作主导权
通过融资方式开展信息化项目建设,高校要保证足够的主导权。合作双方在公平互信和充分沟通的基础上,信息化项目建设内容、建设方式、技术方案等方面都应该以学校为主导,按照学校的实际需求来开展建设。学校方在合作中不能被投资方所左右,投资方不能因资金的投入而强迫学校方签订一些强制性的协议,如强制消费、强制服务、强制技术方案等。
2.洽谈合作要有足够的时间提前量
作为企业,无论是银行还是通讯运营商,其对高校的投入都受到各级部门的严格监管和审计,而且企业内部也有严格的制度约束,企业内沟通、协调的周期一般都很长,企业资金真正投入到位的时间通常比较滞后,因此高校至少在信息化项目建设前一年就开始与企业洽谈合作,明确资金到位方式、到位时间,避免信息化项目建设后因企业资金不到位引发的合同纠纷、付款纠纷等问题。
3.保持足够的合作耐心
企业投入资金,必然要获得相应的收益。企业在合作中会根据自身的业务和利益需求对学校信息化项目建设内容、技术方案等会提出很多不尽合理的要求,甚至以管理或技术原因阻碍项目建设;同时,企业内部各个部门侧重业务不同,关注点不同,各项工作的流转周期偏长,容易导致项目建设一拖再拖。因此,在合作前期,应把建设内容、技术方案等等问题先行讨论清楚,并充分理解企业的需求和内部管理,对合作保持足够的耐心。
4.尽量避免与多家企业同时合作
高校通过融资方式开展信息化项目建设,需要与投资方进行大量的沟通协调工作。如果选择多个合作方,势必会增加很多协调工作,而且合作方之间也需要沟通和协调,也容易出现推诿扯皮的问题。因此,尽量减少合作方,可以大幅提高项目建设效率。
六、结束语
当前形势下,国内高校在面对信息化发展的刚性需求与资金来源渠道短缺这一矛盾时,要结合自身特点,采取合适的融资模式,完善和拓宽资金来源渠道,实现校企合作共赢。同时,要增强风险防范意识,明确合作责任,加强内部财务管理和项目可行性评估,提高融资资金的使用效率,使得在校师生切实体验到智慧校园建设带来的巨大便利。
参考文献:
[1]程果,盛娟.民办高校与通讯运营商合作建设“数字化校园”模式的探讨[J].科技创新与应用,2012(34).
[2]赵颜成.校园一卡通对高校财务管理影响的浅析[J].中国经济论坛,2007(2).
[3]万维新,涂伟.手机一卡通项目风险控制策略[J].中国教育网络,2012(11).
[4]孙中国.关于高校“校园一卡通”系统建设的思考[J].中国管理信息化,2010(13).
[5]校园一卡通投资模式转向多元化[J].教育信息化,2008(3).
[6]余红柳.对构建高校与银行合作关系的几点思考[J].科技信息(科学教研),2007(11).
(编辑:王晓明)
大数据与应急管理 篇4
大数据的内涵及应用架构
首先, 按照麦肯锡全球研究所 (Mc Kinsey Global Institute) 对大数据的内涵定义, 大数据指的是超出常规数据库软件工具所能捕获、存储、管理和分析的超大规模数据集。从数据集的特点入手, 可以界定大数据的4个主要特点, 即规模性 (Volume) 、多样性 (Variety) 、高速性 (Velocity) , 以及低密度价值 (Value) 。大数据是人们获得新认知和创造新价值的源泉, 并已成为改变市场、组织机构, 以及政府与公民关系的新方法。
其次, 大数据在不同领域内有不同的含义, 可从现实和技术两方面加以阐释:第一层意义上的大数据指的是数据的巨量化和多样化。从现实层面来讲, 指的是海量数据;而从技术层面来讲, 指的是海量数据存储。第二层意义上的大数据指的是大数据技术。从现实层面来讲, 指的是对已有或新获取的大量数据进行分析和利用;而从技术层面来讲, 是指云存储和云计算。第三层意义上的大数据指的是大数据思维或者大数据方法。从现实层面来讲, 指的是把目标全体作为样本的研究方式、模糊化的思维方式, 以及侧重相关性的思考方式等理念;而从技术层面来讲, 是指利用海量数据进行分析、处理, 并用以辅助决策, 或者直接进行机器决策、半机器决策的全过程大数据方法。这种对大数据的认知方式涉及到“大数据项目”或“大数据技术应用”认知, 并由此可以延伸出大数据视角下的应急管理方式。而大数据在应急管理中的应用主要有大数据技术和大数据思维两种方式。在应急管理的事前准备、事中响应和事后救援与恢复的每一阶段都可以引入大数据的应用, 每个阶段对大数据的应用程度会因需要的不同, 其应对内容也会有所差别。大数据在应急管理中的应用, 有助于提高应急管理效率, 以及节省成本和减少损失。
最后, 大数据在应急管理中的应用方式分为两部分:大数据管理技术和大数据分析与思维。大数据管理技术既包括诸如数据仓库、数据集市和数据可视化等, 也涵盖了云存储、云计算和云安全等;大数据分析与思维则是从海量数据中发现问题, 用全样本的思维来思考问题, 形成了模糊化、相关性和整体化的分析研究和思维方式。大数据的管理技术与分析思维相互融合和作用, 共同形成了大数据的应用, 其应用通常包含4个特征:快速的收集、分析、决策, 以及迅速准确的反应。这些特征在应急处理中具有实用意义, 在事件或人的行为预测方面, 具有更及时的预见性和更高的准确度。
不同阶段的大数据应用
按照突发事件发生的时间顺序, 其应急管理大致可分为事前、事中和事后3个阶段, 具体包括预防准备、监测预警、应急处置、善后恢复等多个环节。当前, 大数据在应急管理中按照事前、事中和事后应用的基本框架加以设计。但由于应急管理针对的事件类型不同, 并非所有的应急管理都会涉及3阶段应用, 可能有时候只涉及其中1个或2个阶段, 而关键就是其管理模式和思维的变化。所以, 大数据在应急管理中的应用, 一定不能单纯技术导向。
事前准备阶段需要为大数据的应用进行相应的管理和设施准备。管理准备指的是与大数据管理、大数据方法相匹配的人事准备和管理提升。设施准备指的是大数据应用所需要的硬件和软件设施。硬件设施主要涉及新技术背景下的数据采集, 软件设施不但涉及到新数据的采集, 也可针对旧的数据进行分析和挖掘。其中, 特别容易忽视的是人员的教育培训, 包括:一是对中上层管理人员的培训和管理;二是对基层管理人员的培训和管理。目前尤其需要强调的是各级人员的大数据意识和数据累积叠加效应, 以及对大数据的分析方法与分析结果的识别培训。
事中响应阶段大数据的应用能为政府、第三方组织或个人开展应急响应提供很大便利。对于政府而言, 大数据化的应急管理意味着技术支撑基础上的融合与协作, 其不但为协作带来很大便利, 也平衡了日常业务的连续性和应急处置的及时性;对第三方组织或个人来说, 大数据可为应急管理提供更加便捷灵活的手段。例如, 应用大数据可以在宏观和微观等多个层面实现多元应急合作。在宏观层面, 整个应急响应可以分为决策指挥、现场应对和外界援助等, 这之间以海量数据信息、高效计算能力和数据传输能力为基础, 实现信息的有效沟通和机器预测预判, 以帮助指挥部门协调各方进行现场处置和救援, 并与外界通过信息沟通寻求援助, 实现多元化协作的应急处置;在微观层面, 应对部门需要在应急处置和业务连续性之间保持平衡, 而以大数据为基础的决策支持系统将成为强大的信息管理系统, 能够做到实时报告且操作简易, 并能同时集合多项关键指标的高效指挥决策辅助系统。通过集成不同部门提供的信息, 将其统一纳入到大数据支撑的决策支持系统, 在其支撑下, 有助于推进各部门的及时沟通, 为突发事件的处置提供有效的应急处置和充足的物力资源, 以及及时的导航信息和必要的建筑图纸等, 以有效调配可用资源, 提高响应速度。
另外, 大数据的应用能更好地发挥出第三方组织或个人的作用。例如, 在美国的南加利福尼亚州森林大火中, 民众就是以网民绘制的火情地图为指导进行逃生和避险的, 这种应对方式常常比政府的信息方便快捷, 其成本远比政府漏报的成本低。在整个事中响应阶段, 大数据的应用核心环节之一是实时高效的数据信息收集, 以及信息数据的迅速传递。实践证明, 根据应急管理主导者的不同, 数据收集有两种发展趋势:政府主导的专业应急管理团队信息收集逐渐专业化和高效化;以大众和媒体为依托的第三方应急管理力量, 则将信息收集方式发展为简单化和大众化。
事后的救援与恢复重建大数据在应急管理事后的应用主要是救援与恢复重建。目前, 在应急管理的应用上已开始探索社交网络平台和移动互联网, 以及使用“分众”方式加以实现。“分众”是由大众通过网络分散完成工作任务, 并通过整合后在网络上提供服务的一种方式。使用“分众”方法是依托社交网络平台和众多参与者, 利用互联网特别是移动互联网, 汇聚大众力量进行事后恢复与救援, 实现了及时捕获信息, 大众甄别信息, 以及机器分析和迅速响应。经过社交平台众多参与者的共同努力和云服务平台高强度计算分析能力所获的信息, 并根据计算机给出的建议, 协助应急处置人员设计救援路线及配置救援装备, 以最快速度抵达救援地点。比如, 在2010年海地地震救援中, 以“目击者”为代表的非营利网站, 就利用“分众”方法起到了重要作用。
大数据的应用创新
当前, 要高度重视大数据应用的基础设施和基础环境的准备工作, 其包含整个应急管理的价值链和产业链。例如, 要高度重视传感器的研发、生产、应用和部署, 随着技术的不断更新, “传感器”将成为大数据应用中的重要一环。20世纪60年代以来, 美国为预防风暴和海浪袭击建立了海浪检测系统。2005年, 国家数据浮标中心在其原有设备的基础上架设了大量新型海洋地理传感器, 包括海浪流向传感器等, 传感器会实时产生大量数据, 用以实时监测海浪情况。该项目在全部联网完成后, 已产生极大社会价值。当然, 更重要的是要做好大数据的应用准备及所需要的软件支撑, 包括分析方法和数据处理方法的改进, 以及多源数据的融合分析和可视化技术等, 这些技术是充分挖掘原有数据并使之产生价值的关键所在。
此外, 欧美一些国家已开始把大数据运用到应急管理中, 并取得一定成效。我国虽然开始关注大数据的应用, 但相关研究还比较缺乏, 亟待进一步研究大数据在应急管理中的应用方式和基本框架, 以及借鉴国外在此方面的实践案例。近年来, 大数据在我国应急管理领域也得以积极应用, 其中之一就是在旅游领域。为了应对旅游中意外事件发生, 一些地区和单位正在探索结合云计算、大数据和移动通信基础能力, 开发动态人员流量大数据分析平台应用服务。尝试利用该平台介入旅游景点, 为景区旅游管理单位提供游客流量统计、游客客源分析、景区热点排名等数据分析服务, 协助旅游管理单位进行精准的宣传推广和景点导览规划。例如, 在2014年浙江省乌镇举行的首届世界互联网大会上, 动态人员流量大数据分析平台登台亮相, 实时分析会场区域的人员及行为数据, 发布参会的客源国籍、终端类型、热点应用、内容关注度等数据, 并分析发布了会场嘉宾年龄、性别比例, 以及流量使用偏好和消费能力等信息, 这些都展示了移动大数据的综合分析能力, 为其应急处理提供决策保障和信息支撑。
尽管大数据技术已在我国的社会应急管理体系中初步得到应用, 但与发达国家相比, 还需要进一步加快推进应急管理体系的科技创新, 主要有以下3点:
一是要充分利用大数据技术来提升应急管理的辅助决策能力, 包括加大对大数据技术研发的投入, 鼓励和扶持企业对大数据应急管理的应用, 加大高科技应急管理人才梯队培养, 以及加强对前沿技术的应用能力, 把围绕大数据技术的应用和管理模式创新, 作为我国应急管理体制下一步改革的新方向。
二是加强应急协作和数据共享, 提升社会应急管理成效。通过“物联化”来收集数据, 建立“数据共享机制”和“有偿共享服务”机制, 加大数据开放, 使广大公民和企业可以便捷地享受优质的公共服务;进一步提升国家应急支撑平台的信息化协作能力, 以借助大数据工具的深化分析, 优化应急管理流程和应急预案, 使各种突发事件可以被迅速有效地应对、解决, 保证城市各个系统高效顺畅地运转, 以及可持续发展。
大数据与科技管理 篇5
一、引言
当今时代金融市场开放程度不断提高,我国商业银行间的竞争随着一些外资银行的发展而日趋激烈。银行赖以生存的基础就是客户,优质的客户资源就成了商业银行经营发展中最主要的争取对象,因此习惯于传统商业模式里信息卖方市场的商业银行越来越发觉到客户关系管理的困难。
与此同时,随着计算机互联网、电子商务的快速发展和广泛使用,学术界和企业界里越来越多的有识之士认为人类已经进入了“大数据”时代,采用大数据可以快速有效地解决信息不对称等难题。目前,大数据的研究主要聚焦在对大数据概念的剖析、对一些代表性案例和行业的应用进行阐述。针对商业银行这类企业里运用大数据进行优质客户的价值挖掘和维持的研究较少,因此,商业银行仍需思考如何将大数据领域里的原理和成果,合理、高效地用于客户关系管理的策略规划方面。
二、大数据的概念和特点
1978年的时候Esther surdden提出了“大数据”这个关键词,但在国内,由于信息技术发展的滞后和使用的局限性,大数据并没有唯一确切的定义。维基百科对“大数据”定义是“一个大而复杂、难以用现有数据库管理工具处理的数据集”.在大数据时代,学习、掌握和使用数据将成为企业发展的新动力。
大数据具有以下特点:第一,信息量巨大。互联网的发展和推广使得每个人每天每时都在产生数据,大数据会将所有的数据都进行处理。第二,多样性。数据涉及的范围很广,包括音频、视频、传感数据等。第三,复杂性,数据存在于人们生活的方方面面,不同的数据与数据之间可能存在着或大或小的关联和影响。第四,速度快。由于可以通过互联网收集、筛选和分析数据,大量的数据不会像以前那样搜集困难,处理缓慢。在高速的条件下,企业可以较好的提高数据的时效性,动态的分析结果。
三、商业银行客户关系管理现状
客户关系管理(Customer Relationship Management,简称CRM)是由美国的战略公司Gartner Group于上世纪90年代最早提出的,它遵循的是以“客户为中心”的管理理念,在明确业务发展目标的基础上,通过合理动员与协调内部资源,科学制定业务流程,依赖IT系统和健全的内部营销组织,细分客户以培育、保持和拓展客户群体,从而形成独特的竞争优势,使企业在经营中获得核心竞争力的一套管理体系[1].这样“客户就是上帝”、“客户的利益高于一切”成为越来越多的企业的中心思想。对于商业银行来说,最重要的是要在银行的日常业务中,将“客户为中心”的观点合理地融入进去,最大程度地增加客户满意度和客户忠诚度,以便给企业带去更大的价值和财富。
因此,商业银行客户关系管理出现了不够重视市场调研和客户需求分析、缺乏差异化营销、难以满足客户需求等问题。在大数据时代下,加强对大数据时代我国商业银行发展问题的研究,对于探索大数据背景下的银行精细管理、服务创新,提高银行竞争力,促进我国商业银行的健康、持续发展,具有重要的理论和现实意义。
四、大数据对商业银行客户关系管理的好处和潜在问题
人们普遍认为CRM的内涵包括客户价值、关系价值和信息技术这三个层面。其中,关系价值的维护和培育是CRM的关键和重心。大数据对商业银行与客户之间关系价值的提升有着重要的作用,这也是大数据的商业价值的部分体现。
(一)大数据对商业银行客户关系管理的好处
大数据可以为商业银行提供可靠的、客观的决策依据:1.将结构化和非结构化的数据进行整合和处理,对现有和潜在客户的价值进行有效细分;2.提高数据转化为商业成果的机会,促使业务知识和市场规律在集团机构和部门的共享与应用;3.让商业银行可以客观地评价产品的生命周期,使得预期与客户端实际需求的距离缩短,提高银行多渠道推送金融产品或服务的能力。因此,商业银行必须紧随大数据时代的脚步,正确审视大数据的商业价值,将大数据运用到战略管理方面,改进客户关系管理,真正的做到围绕客户“银行、做业务”.
(二)大数据对商业银行客户关系管理的潜在问题
1.数据缺乏真实性。商业银行获取客户信息的真实性不高,可能会给实际客户关系管理中带去不便。例如,由于业务管理的程度不同,信贷类的客户的信息真实性在80%左右,而存款类的`客户的真实性仅在50%左右,甚至会更低。
2.数据具有分散性。数据的多样化必然会带来数据管理和数据分散的问题,一些部门可能不情愿分享本部门的业务数据或加以解释,而其他部门就不能详细了解或正确解释这些数据的业务含义,以至于产生“盲人摸象”的不利结果。
3.数据存在泄露风险。在未来,商业银行利用大数据技术分析处理客户信息时,有可能广泛采用云计算技术、由第三方服务器实现存取,或是与专业数据分析公司进行战略合作,由其负责加工处理。如果外部机构将数据泄露,这必然会给银行的客户信息带去很大威胁。
五、基于大数据的商业银行客户关系管理策略建议
(一)建立统一的客户信息平台
《美国银行家》的调查结果显示,有30%以上的美国商业银行能够准确说出哪些客户创利最多,20%的银行可以在10分钟之内调出重要客户对银行产品的使用情况,这些银行的比较优势均来自准确可靠、高效先进的客户数据库[3].因此,我国的商业银行可以借鉴国外银行的经验,在银行内部建立一个完善的客户调查分析体系。通过日常与客户沟通、深入交流,了解并收集客户的真实需求。在对客户提供本银行的金融产品和服务后,依然要定期进行服务跟踪,向客户询问其对产品和服务的满意程度,并利用客户关系管理软件和技术建立客户资源动态数据仓库。
(二)重视客户的数据分析,创新对数据的技术防御
商业银行应充分利用现代系统的商业智能和数据挖掘的功能,对客户数据进行分析、处理,同时要打破现有系统数据按照业务范围进行储存的原则,从全局角度来审视客户情况[4].例如,不仅要对客户本身进行了解,还要看到客户与其他客户之间的关系,看到其所属的集团客户、相关子公司的情况。另一方面,商业银行对客户的大量数据进行分析处理时,会给其管理带来更大的难度,必须对数据防御技术进行创新,做到防泄露、防病毒、防入侵、防损坏,合理确定大数据的整个生命周期,确保安全。同时,还可以建立规范化的应急预案、处置流程和外部风险监控机制,防止外部风险的传播。
(三)在营销上,实施差异化营销政策
大数据时代下数据挖掘等先进技术的广泛应用,使基于交易记录的客户需求偏好分析成为可能,在此基础上,商业银行应立即改变“做了再算”的营销模式,对产品进行投放测试。从客户关系管理角度分析,商业银行如果在竞争中取胜的话,就要准确判断出在客户需求中哪些是基本需求,哪些是特殊需求,并适时采取相应的政策。如今,每一家商业银行基本上都能为客户的基本需求提供无差异服务,在客户选择产品或服务时,它们都不存在绝对优势。因此满足客户的特殊需求才是决胜的关键。这需要对不同年龄、偏好、职业、受教育程度的客户进行细分,提供适合他们的金融产品和服务,做到“量身定做”,进行差异化营销。
(四)在服务上,利用大数据技术实现客户全流程服务
对于客户来讲,银行提供给他们怎样的服务和感受是至关重要的。倘若缺乏情感的联系,客户很难获得满意而达到忠诚。而推行大数据技术应用,对客户全流程的服务和管理便可能实现,可以提供给客户随时、随地、随心的服务体验。例如,在产品设计时,可以对大量客户的行为数据进行建模分析,为客户设计出差异化的产品和服务;在贷款申请时,根据客户的收入、学历、家庭资产等特征,对客户的信用变动进行预测,支持客户贷款无纸化申请和在线审批的发放;在贷后预警时,可以处理和分析银行现有的交易记录和非直接交易数据,构建客户档案,分析寻找相关行为趋势特征,预测风险发生。
六、结束语
在大数据时代和银行业竞争日益激烈的环境下,商业银行需及时、合理地分析内外部环境,认识到客户关系管理的重要性。本文具体分析了大数据时代下商业银行客户关系管理现状,并对商业银行客户关系管理的实施采取了策略建议,希望未来商业银行能合理地使用大数据技术抓住机遇,提高核心竞争力。
参考文献:
[1]陈侃,嵇祎。新形势下商业银行客户管理探究[J].中国商贸,2014(23)。
[2]吴飞虹,吕荣福。大数据时代下商业银行应对思考[J].国际商务财会,2014(12)。
[3]邢新影。我国商业银行客户关系管理策略探析[J].学理论,2010(34)。
大数据与科技管理 篇6
【关键词】大数据时代;档案管理模式;转换;创新
一、大数据的兴起
1.大数据带来的挑战。2012年以来,“大数据”一词越来越多地被提及,人们通常用它来命名与之相关的技术发展与创新,并定义和描述信息爆炸时代产生的海量数据。档案本
身是一种具有原始性物证的载体,更是一种特殊的信息资源,在大数据时代被赋予了新的内涵,是大数据极为重要的组成部分。如何抓住大数据初现的历史机遇,实现档案管理方法、理念及模式的转换与创新,以适应新时代信息收集、传播、利用的新趋势是档案部门面临的一项新课题。与此同时,传统档案管理利用模式也受到大数据高度关注可用性特点的挑战。
2.大数据的基本特征。一般认为,大数据(bigdata,mega data),或称巨量信息、巨量资料,是收集和分析大量信息的能力,目的在于从复杂的数据里找到过去不容易昭示的规律。通常认为,大数据具有4个“V”字开头的特征,即体量大、多样性、价值密度低、速度快。相比“数据”而言,“大数据”的显著特征是:第一,数据的属性是包括结构化、非结构化和半结构化数据。第二,数据之间频繁产生交互,大规模进行数据分析,并实时与业务结合进行数据挖掘。
二、档案管理工作大数据特征
大数据是继云计算、云存储、移动互联网和物联网等新技术新应用之后IT产业又一次颠覆性的技术变革。它影响着科技、商业、企业、政府和个人等各个领域,整个世界步入了大数据时代。档案界也不例外,滚滚来袭的大数据浪潮也必将使传统的档案工作发生变革。档案管理的思维,档案资源的组织、收集、存储、利用方式都在发生新的改变,呈现新的特点。
1.档案数据资源种类繁多。目前,档案数据主要来源于两个方面:1.各业务部门通过业务系统产生的业务数据转为档案数据。2.档案部门通过人工填写、录入、搜集归类后转为档案数据。前者具有及时、广泛、数据量大、内容繁杂的特点;后者最常见的是将馆藏的实体档案通过数字化技术转为档案数据,如扫描、拍照等。可见,随着全面开展按照“存量数字化”和“增量电子化”要求,档案数据资源的数量必将呈几何级增长,形成真正意义上的档案大数据。档案管理的信息资源呈现多元化:有档案内容、档案管理、档案实体、档案应用和档案馆楼宇管理信息资源。
2.档案数据资源价值密度低。在传统档案管理工作中,一直存在“重藏轻用、重资源轻管理”的现象,人们既要尽力避免档案实体涨库,避免档案信息存储空间限制,又要防止有效档案资源被淹没海量档案中间降低利用价值;而在利用环节,人们追求档案如何在需要时应有尽有,同时要能被快速、准确地检索出来。因此,从这个意义上来说,档案价值的实现更多地体现在“用”上,而档案的“用”要做到全智能服务。应用大数据技术,可以通过主动调查业务部门的需求,建立各种数据模型,对海量数据进行聚类、分类、数据挖掘与分析,实现有针对性、个体化的服务,将数据进行系统地收集、分析、发现和预测,从而建立起更切合用户需求的档案信息服务模式。
三、大数据时代下档案管理面临的挑战
1.技术瓶颈有待解决。在实际档案管理工作中,大数据技术的应用将面临新的挑战。譬如:库房资源成为档案管理存储的瓶颈;如何将大数据解决方案与传统的档案信息资源、数据存储和应用技术进行融合衔接?可见,设计最合理的分层、分级存储架构已成为数据管理及服务的关键技术,当然还要有稳定的信息整合、迁移和归档技术。
2.档案部门的职能义务。如今的档案部门不但要承担。收集和保存好档案资料的社会责任,还要承担档案信息资源有效利用和产出良好社会效益的重任。结合大数据带来的挑战和机遇,档案部门已经开始朝着知识管理、信息服务的方向发展,运用大数据理念,在保障国家安全、商业秘密、知识产权、个人隐私的前提下,全面整合开放并管理公共数据信息资源,以满足全社会对信息资源的利用需求,发挥档案部门的数据主体地位和职能作用,是值得深入思考的问题。
3.法律规范需完备。在新形势下,各个加入大数据应用的档案馆可以通过有关的协议共享彼此的信息资源,这样数据的处理和传输将会在一个虚拟的空间内进行。同时也会带来访问和隐私的安全性、稳定性和可靠性等一系列问题。
四、大数据时代档案管理变革策略分析
大数据应用与高校后勤管理 篇7
这是华东师范大学的家庭经济困难学生预警系统,这也是困难生资助工作在信息化管理中的首次尝试,华东师范大学通过数据库有效整合学生基本家庭情况、所获奖学金及助勤贷款等资助信息、餐饮信息,全面了解学生的经济状况。通过该预警系统,学校可以从学生中发现不愿让老师和同学知晓的家庭经济困难学生,有利于调整帮困资源,使之发挥更大效益。比如:在餐饮预警中,通过观察学生餐饮消费数据,了解学生的经济状况。除了餐饮预警,该预警系统还会关注学生的勤工俭学信息,如果某学生突然增加了勤工助学的工作量,学校也会前往了解。
远程教学、用pad进行随堂考试、MOOC(大型开放式网络课程)等,一直以来,信息化在教育领域的应用越来越多,也越来越精彩。而信息化在高校后勤管理中发挥的作用却并不显著,随着云计算、大数据等信息技术的应用范围逐步扩大。信息化在高校后勤管理中能够起到的作用越来越超乎我们的想象。本文尝试就云计算、大数据等信息技术在高校后勤管理中所能衍生出的新应用做一些探讨。
一、大数据丰富校园生活
每年9月都是高校迎新的日子,随着信息化手段的进一步发展,目前的高校迎新开始呈现出电子化等特点,不少学校不仅拥有专门的迎新网站,还将微信、A P P等移动互联技术应用到迎新当中,过去繁琐的报到流程已经简化为扫一扫条形码,一切全搞定,有些高校甚至实现了网上选宿舍、手机一卡通等服务,这些电子化应用极大方便了新生报到及融入校园。
例如北京邮电大学今年首次尝试用微信进行迎新,学生通过添加北京邮电大学官方微信账号,即可享受到校指引地图、校车查询、迎新办理等服务。北邮官方微信账号专门有一个“校园迎新”栏目,该栏目中有迎新办理、新生指南、全景引导等多种校园讯息。
此外,通过大数据和云计算等手段,还可以实现对人流量的控制。如在浴室、游泳馆、自习室等地安装人流监控设备,出入的人数以及等待的人数都可以在网上或者微信上实时查询,学生可以根据这些数据来决定是否去洗澡、游泳,以及该去哪个自习室上自习。
二、手机投票提升服务质量
信息系统不仅能够满足标准化和精细化管理需求,还可以帮助后勤员工提升服务意识。随着我国经济发展和人民生活水平提高,加之大学生群体中独生子女比率提升,高校后勤服务对象消费观念更新,对后勤管理的服务质量标准不断提高,不仅要求吃得饱,还要满足吃得好;不仅要求住得宽敞,还要满足住得舒适。
因此,不断提升后勤服务质量成为高校后勤管理的新需求。
在传统模式下,每学期可以请学生为后勤人员进行打分。在信息化条件下,可以采用网上投票等手段。如今,在云计算和大数据的帮助下,还可以利用微博、微信等社交手段提升高校后勤管理服务质量。现在很多服务业都利用微信平台对用户进行服务,高校后勤管理部门也可以借鉴这种手段,或者开发相应的手机软件,使学生可以对后勤服务进行实时投票、投诉、反馈。例如可以每周对各个食堂的菜谱进行投票,食堂可以根据学生的投票结果进行调整。
三、以考促学提高人员素质
目前,高校后勤管理人员素质普遍偏低。由于高校后勤员工结构复杂,且多数没有接受正规教育,高等教育更无从谈起,造成人员素质低下、层次偏低、管理不到位、责任心不强等一系列问题。
对此,可以利用信息化手段对后勤员工进行培训。随着各种社交软件在人们中的普及,可以利用手机等终端对后勤员工进行每周一考,或者每月一考,将后勤管理规范条例等考题以短信、手机软件、甚至是社交工具的形式发送到后勤员工的手机上。考试并不是目的,而是一种手段。如果员工回答正确,可以有相应的奖励。如果回答错误,则将正确答案发送到员工的手机上,使其加深印象,达到以考促学的目的。
四、餐饮管理提升食堂精细化水平
食堂管理是学校后勤管理的一个重要组成部分,是学校教学、科研、师生生活的重要保障,而且学校食堂是非盈利部门,既不能牟利,还要搞好伙食,不仅吃好,还得健康。然而,在实际食堂管理中存在着很多问题,如食堂管理体制不完善,由于成本原因导致菜品单一、员工素质较低等,这些都制约着食堂的良好发展。
信息化能够帮助企业构建标准化的流程和提升精细化管理水平,同样信息系统也可以帮助学校食堂实现标准化和精细化管理。以物流配送为例,利用系统进行原材料的配送、出库、入库登记、结算,可以加强采购组与各餐厅之间的信息沟通,提高了成本核算和存货控制的工作效率和准确性。通过引进餐饮管理系统,可以实现菜谱的标准化、采购流程的标准化、成本核算精细化,从而完善了成本控制、提高了沟通效率、加强了内部管理。
同时,方便快捷的数据传输和统计功能还可以为领导层做管理决策提供及时、准确的数字依据。
此外,把信息管理系统引进食堂管理中,不仅可以提高食堂的效益,结合市场合理制定食堂的饭、菜价格,而且还可以更好地进行协调,统一管理,不断优化食堂管理。
最后,高校后勤信息化建设并无标准模式可循,由于各个高校的规模、实力、发展水平不同,加上地区差异,使得我国高校后勤信息化建设的发展程度参差不齐。部分高校的后勤信息化建设还停滞在比较传统、原始的管理和服务状态,这种情况多出现于学生数量较少、资金保障不足的高校中。而少数高校的后勤服务管理,已走在信息化的最前沿,将后勤管理和业务集成到统一平台上,实现了高效的管理和优质的服务;而大部分高校仅停留在局部信息化的层面上,开发或引进如资产管理、公寓管理、采购管理等热门管理软件,满足其最迫切的管理需求。如公寓管理在信息化建设相对起步较快,较多学校应用了公寓管理系统,实现了学生公寓的床位、人员、公寓设备、服务等的动态管理。
对此,各个高校可以根据自身需求,找到不同的切入点,为后勤管理引入信息化管理手段。
同时,还有两点需要注意。首先,在思想上,高校后勤管理服务也要顺应大势,树立移动互联网思维、创新性思维、人本化思维、精细化思维、简约化思维、透明化思维、物联网思维、大数据思维。例如,移动后勤将是高校后勤现代化工作方式的体现。就目前来看,智能手机后勤APP软件平台还大有潜力可挖。
刍议银行大数据挖掘与管理 篇8
随着我国国民经济的稳步增长, 信息时代的脚步愈近。在这个风起云涌的时代中, 最令人瞩目的是大数据的广泛应用。大数据中包含着海量的信息, 如果能对这部分信息加以有效的利用必定可以使政府和金融机构以及企业相关工作效率得到大幅度的提升, 获取可观的经济效益。不能对大数据所包含的内容进行有效整合则会造成更大的困扰。这篇论文对银行使用大数据挖掘技术进行了一定的探讨, 阐明了银行引入大数据挖掘技术的关键作用和迫切性。
2 明确大数据所具有的独特之处
拥有比之以往更丰富的数据信息资源量是大数据最鲜明特征。这些数据信息丰富巨大的程度让目前主流的处理软件对它无能为力。巨量资料是业界对大数据的另外一个称呼, 它的英文全称为Big Data。在金融机构, 特别是银行经营和管理工作中利用大数据挖掘技术主要是体现两个“V”。
大数据所包含的信息类型浩如烟海, 图片信息、网络视频和一些地理位置信息都属于大数据包含的内容。目前流行的网络留言板和日志同样归属于大数据中, 这就是所谓的“Variety”特征。
大数据由于其巨量的信息基数, 降低了所包含的价值密度。例如银行柜员机每日每夜不停地对存款、取款过程进行录像, 这些视频信息在银行业务出现问题时有参考价值的可能只是几分钟时间的录像。这是大数据所具有的“Value”特征。
3 现阶段我国政府和企事业单位对大数据技术应用的情况
3.1 大数据技术在政府工作中发挥的作用
大数据技术包含的海量信息可以很好的处理政府工作中庞杂的公民个人身份信息相关内容。比如公安系统的私家车信息、政府税务部门的公司法人信息以及各项税务记录可以应用到大数据挖掘技术。
3.2 大数据挖掘技术在电信行业的应用
国内手机用户服务涉及的一切信息都在大数据挖掘技术处理的范围之内。中国移动和联通以及中国电信中国铁通等公司的用户都可以享受到大数据挖掘技术给自己工作和生活带来的便利。
3.3 大数据挖掘技术在金融行业的应用
金融机构中对于大数据挖掘技术有迫切需求的是银行和保险公司以及证券公司。这些金融机构要处理资产法人的各类信息, 将交易记录准确严谨的保留下来。保险事故发生后, 客户缴纳保险的信息和理赔程序也必须有详细的记录。民众和企业组织购买期货时登记的各项信息是顺利完成期货交易的关键。
3.4 大数据挖掘技术在银行业中的应用方式
在网络信息科技迅猛发展的基础上, 大数据挖掘技术应运而生, 这无疑是一种新技术, 它给全球各大金融行业, 特别是银行业的经营和管理方式带来了革命性的改变。整合金融机构的商业数据库, 抽取和转换其中可用的业务数据对其建立模型展开分析, 从分析的结果中获取对金融机构经营决策有参考意义的信息, 这就是大数据挖掘技术应用的原理。
4 大数据挖掘技术包含的各项功能
4.1 大数据挖掘技术中的分类功能
银行机构在处理客户分类信息时可以应用到大数据挖掘技术中的分类功能, 这项功能首先对银行客户信息进行属性和特征的统计, 相似属性和特征的信息归为一类, 对其建立模型, 总体上说进行了将数据库信息影射到某一特定类别的操作。
4.2 大数据挖掘技术中的特征分析功能
在银行各项服务工作的进行中, 收集整理长期合作客户以及流失客户的特征信息很重要, 大数据挖掘技术中的特征分析功能可以胜任这项工作, 在巨大数据信息库中搜索, 整合集中某一组数据, 通过分析得出这些的共同特征, 银行营销人员以这部分特征信息为基础, 可以在售卖银行服务的过程中少走弯路。
4.3 大数据挖掘技术中的Web挖掘功能
网络时代的到来使得金融机构经营改变了一定的形势。获取行业市场信息的渠道从传统的纸张媒体转向了网络媒体, 大数据挖掘技术中的Web挖掘功能可以为银行从包罗万象的网络媒体中筛选获取有用的信息。
5 银行应用大数据挖掘技术时应注意的问题
由于大数据挖掘技术的应用必然包含对海量数据的集中处理。银行在通过数据信息分析整合获取利益的同时也必然提升了工作的难度, 维持信息的私密性和可靠性, 保证信息的有效性是应用大数据挖掘技术的前提。
5.1 保持信息的私密性
与以往传统银行经营数据信息分类繁多, 单个种类数据量较小的情况不同, 应用大数据挖掘系统必然面临一个整体的、容量巨大的信息库。因此一旦泄露, 后果更加严重。在保密工作上需要花费更多的力量。对于内部, 坚持知必所需的内控理念, 防止信息内部任意传播;对于外部, 防止信息泄露和扩散。涉及使用大数据挖掘系统信息库的第三方必须签订保密合同。
5.2 杜绝计算机病毒的侵害
银行机构的信息系统必须保持高效运行杜绝病毒的入侵, 不轻易向外网开放。在大数据挖掘技术的应用中必须做好防病毒的全覆盖, 避免交叉感染, 做好病毒码的及时升级, 避免因升级不及时造成病毒的漏杀和错杀。
5.3 杜绝计算机黑客的入侵
由于银行机构的数据信息具有很大的经济价值, 近几年来国外屡屡发生黑客入侵银行系统盗取和篡改银行信息的事件, 因此在我国银行大数据挖掘技术应用的过程中, 必须加强对于计算机黑客入侵的预防手段。必须在网络、应用等各个层面进行物理和逻辑的隔离, 切断伸向大数据的黑手。
5.4 避免不规范的操作对数据信息造成的损坏
大数据挖掘技术对银行人员有较高的职业技术要求, 在整理其数据库信息中涉及的存储和提取步骤时, 应该严格遵循操作规程。在数据挖掘和处理的阶段, 更要十分用心, 以谨慎认真的态度来完成工作。将数据信息转存至光盘和硬盘等介质时应该注重镜像容错和灾备预防机制, 一旦数据损坏, 可以进行快速恢复, 避免信息的遗失。
5.5 对于大数据的生命周期有明确的认识
银行机构的经营活动中, 客户个人信息和交易记录更新速度极快。基于这个事实, 在应用大数据挖掘系统的时候应该关注其数据生命周期, 将关键信息放在容易调用的部分, 对于使用价值几乎流失殆尽的信息应该适时进行数据清理, 避免资源的浪费。
参考文献
[1]聂勇.基于DEA的新型农村金融与县域经济增长的实证研究—来源于2009—2011年广西村镇银行的数据[J].广西财经学院学报, 2012, (2) :84-88.
大数据推动图书馆建设与管理革新 篇9
在“互联网+”时代下,以下一代通信网络、物联网/传感网、三网融合、大数据和云计算为代表的新一代信息技术正使图书管理工作逐渐向网络化和智能化方向发展。图书管理系统主要功能是对图书的采购、编目、检索、统计和流通等环节进行控制管理。图书管理的关键问题是图书的分类标识和存放位置的确定。在新一代信息技术发展的推动下,图书馆的管理工作必将从网络化信息化模式向着智能化和精细化的角度发展,推动图书管理工作的创新。图书馆的数据必将成为海量般的增长,如何高效应用这些数据来图书管理和建设服务,是当今一个重要的思考问题。
海量图书数据的来源很多,物联网/传感网采集数据、日常工作数据和采用大数据挖掘技术经过数据挖掘和逻辑推理后形成的数据。物联网/传感网不仅能自动感知获取馆藏图书信息,还能对图书、人员进行定位,实时了解图书方位信息,同时还可以对图书环境进行监测。图书馆作为海量信息存储的载体,可运用大数据技术服务,增强收集、分析和提炼海量数据的能力,提升图书资源的智能化管理创新。大数据技术往往与云计算相结合,云计算在图书资源管理建设中存在着加快信息资源的整合与共享、提高信息资源的存储能力、提高服务器运行的可靠性、降低相关成本投入和提高图书馆信息资源的利用率等优势。
本文探讨在物联网/传感网和和云计算技术为代表的新一代信息技术推动发展的背景下,大数据技术助推图书管理工作逐渐向网络化和智能化方向发展。介绍了物联网/传感网和和云计算技术催生海量数据前提下,大数据技术概念、特征和应用等,提出了大数据推动图书馆建设与管理革新。在“互联网+”时代,在图书馆或校园内建立图书馆智能感知系统,为打造结合互联网、大数据和智能智能终端的大系统奠定基础,具有学术意义和参考价值。
2.大数据技术与图书馆管理
2.1大数据技术
大数据技术就是对产生的或存储的大量数据,记性分析和逻辑推理,从海量的数据中找到对用户有价值有意思的数据。图书馆本身就是大数据的存储载体,面临广大的学生、教师和社会用户,如何在海量数据中快速有效地寻求到用户感兴趣的资源正是图书馆大数据技术关心的问题所在。通过大数据技术处理日益增长的数据,更更有效提高图书资源的管理,提高服务质量,具有非常重要的意义。
2.2图书大数据来源
2.2.1物联网/传感网所获取数据
嵌入在每本图书里面的电子标签RFID里面保存有每本图书的元数据。若安装有无线传感器网络节点或物联网终端节点,嵌入在图书资料、图书存放室或图书馆任何一个角落,都在时时采集数据,将时空相关联的数据时时存储在本地或经过简单处理后发送到服务器再进行处理。这是图书大数据一个重要的来源,这包括如下几种类型的数据:图书的元数据、图书定位位置信息、环境检测信息和信息服务数据。这包括大量的原始数据和经过处理后的数据。
2.2.2管理系统工作数据
数据来源的一个很重要的地方是图书管理系统的工作数据。这是图书管理工作所产生的工作数据,既包含新产生的数据,也包含对原始数据处理后的数据。这数据都是数字图书馆管理需要产生的数据。这类数据的特点就是数据规范、统一和整洁,由数字系统产生,直接为系统所用,可以不经处理直接存放到服务器的数据仓库里面。
2.2.3管理服务数据或推理数据
管理服务数据包括从原来感知的原始数据或数字系统产生的规范数据,这类数据经过数据推理或关联后就衍生成了为用户所用的数据,这类数据一般为大数据推理数据,主要关于主动推送服务质量的提高。这类数据更多是在原始数据或在原始数据经过清洗后,或是在日常工作数据的基础上,经过逻辑推理或大数据挖掘等提炼出对用户有用的信息,这个信息就表现在用户感兴趣的、与之相关联的数据。
2.3大数据与图书管理
图书馆存储有的大量可利用数字资源。如何从海量数据中找出用户感兴趣的资源或数据,从提供服务的时效性和质量等方面,对构建现代智慧图书馆提出了较高要求。因此基于大数据的信息检索、逻辑推理、数据挖掘、垂直搜索、语义检索、文本挖掘和智能化处理等功能,等技术能很好地提高数据存储、传输与检索质量。从而能提升图书管理智能化管理工作。
3.大数据技术的提高图书管理质量
3.1大数据技术推动图书管理智能化
大数据技术能推动图书精细化管理水平的提高,主要体现在:提高与用户兴趣相关联的精细化服务质量;提高主动推送式服务质量;提高图书馆管理效益等几个方面:
3.1.1提高与用户兴趣相关联的精细化服务质量。切实体现到以用户为中心,提高服务用户的质量,提高服务内容与用户兴趣的相关度。这是以大数据技术为依托,根据用户的行为数据以及日常图书借阅、浏览和关注的内容,推理挖掘出用户当前关注或以后需要关注的内容,直接通过移动终端将挖掘或推理结果及时直接呈现给用户,体现主动推送式服务和服务质量的实时性。
3.1.2提高主动推送式服务质量。除了上述谈到的主动推送式服务,体现推送的实时性外,更加注重服务的质量。通过大数据技术,切实挖掘出背后深层次的用户需求和兴趣所在。提供与之高度相关联的服务内容,供用户参考决策。
3.1.3提高图书馆管理效益。运用物联网和传感网技术所产生的原始数据,提供了图书和管理者的方位信息,管理者可以将图书放在任意位置,用户通过数据库查找图书,便能获取图书位置信息直接获取,且随时提供在用户所在位置的相关内容。同时可以时时查看管理者的方位信息,了解管理的工作情况,以便更加精准地评价图书管理绩效和工作质量等。
3.2大数据带来图书数据大共享
大数据,必然带来数据的管理和共享的问题。数字系统网络化必然要求图书馆各系统数据之间能共享和访问。图书数据的共享需要体现在图书管理各子系统之间的数据共享、图书系统与校园网络其他系统数据共享,以及与校外图书及相关数据的共享几个方面:
3.2.1图书管理各子系统之间的数据共享。图书采编系统、借阅子系统等系统之间的数据应能共享,系统之间能透明访问,使之每个系统都能再关联其它系统的数据,再结合大数据技术进行逻辑推理和数据挖掘。因为只采用本系统的数据有时候不足以挖掘出高质量的数据来服务用户。
3.2.2图书系统与校园网络其他系统数据共享。图书系统作为校园网系统中的一个部分,应该与校园网其它系统,诸如教务系统、学生管理系统和财务系统等,结合这些数据,能够挖掘出学生更广泛的兴趣和最需要的图书资料所代表的知识。这才能体现出大数据技术的特征。
3.2.3校外图书及相关数据能够相互访问和共享,所体现的基于大数据技术的特征与上述一致。
3.3大数据让图书管理变得简单和规范
可在图书大数据技术基础上进行二次开发,更好满足本单位的具有特色的信息服务。
3.3.1根据大数据技术二次开发的功能要求,增加相应的智能终端设备和云计算信息化设备,从硬件建设角度跟上大数据技术开发要求。
3.3.2根据图书管理要求和任务开展大数据的功能拓展,开发相应的具有大数据处理技术的智能化信息技术模块,将服务范围和领域在时空范围内进行扩大,且提高服务的质量。
总结
大数据技术能提高图书管理质量和效益,拓展图书管理服务的空时范围和具体应用的领域,推动着图书馆的管理向智能化方向建设和发展。本文介绍了大数据技术背景下图书管理工作改进和管理服务质量提升的必要性和紧迫性,介绍了大数据技术概念、特征和应用,重点分析了大数据技术会场下的图书管理创新方式、模式以及内容。提出基于大数据技术的图书智能管理与应用创新。
摘要:传统的图书管理模式已经不能适用当前人们对信息快速获取的需求,新一代信息技术的发展和海量图书数据的增长,促使使用大数据技术来进行图书建设和管理革新。介绍了大数据技术概念和特征,阐述了图书大数据的来源以及如何运用大数据技术提供管理效益和服务质量。大数据技术推动图书管理与创新,使图书管理工作逐渐向网络化和智能化方向发展,具有重要意义。
大数据虚拟化系统的实施与管理 篇10
虚拟化就是将原来运行在真实环境上的计算机系统运行在虚拟的环境中。通过虚拟化可以用与访问抽象前资源一致的方法访问抽象后的资源。这种资源的抽象方法并不受实现、地理位置或底层资源的物理配置的限制。近年来随着技术的发展, 目前虚拟化技术已经深入到各行各业, 逐步被企业所接受, 成为大数据处理的关键技术之一, 这种技术能够将设计的程序应用到不同的层次, 以不同的形式展示给用户, 使用者、设计人员、维护人员都能够根据自己的需要使用这个系统, 管理系统的程序。虚拟化包括了软件虚拟化和硬件虚拟化。
2.1 硬件虚拟化
软件虚拟化包括应用层虚拟化、业务逻辑层虚拟化、数据层虚拟化。
2.1.1 应用层虚拟化
在用户使用应用软件的时候, 不用挂载操作系统, 直接将软件压缩放在可执行文件夹中运行, 不需要使用驱动设备或者文件系统与用户对接, 能够减少应用程序带来的风险。
2.1.2 业务逻辑层虚拟化
在用户发送数据请求后, 虚拟化系统根据请求的内容给出执行的方案和流程, 然后在确定了数据访问方式之后对整个流程进行优化, 提高数据处理的效果。
2.1.3 数据层虚拟化
数据层需要进行数据视图或者虚拟表的定义, 并对访问的用户进行认证和授权, 在得到数据访问的请求后, 将虚拟化后的数据发送给用户。
2.2 软件虚拟化
硬件虚拟化包括存储虚拟化、网络虚拟化、服务器虚拟化。
(1) 存储虚拟化是针对服务器文件的操作进行虚拟化的技术, 通过对文件进行复制和快速扫描的方式能够提高数据文件的处理效率;
(2) 网络虚拟化。对于局域网内的公司用户, 可以将网络进行划分, 利用虚拟局域网和专用网络的方式减少区域的用户数量, 提高网络访问效率;
(3) 服务器虚拟化。将服务器的物理资源进行转化, 转化成为多台逻辑资源, 这样系统的运行就不再局限于服务器的硬件设施, 可以提高系统资源的利用率, 简化目前的管理系统。
3 大数据的虚拟化系统应用研究
目前的数据中心是虚拟化使用较多的地方, 由于经常大规模处理数据, 所以对于数据中心而言必须搭建虚拟化的应用系统。应用系统实施以后需要进行管理工作, 才能保证虚拟化系统中运行的大数据处于正常状态。
3.1 大数据的虚拟化系统实施
企业可以按照大数据的虚拟化结构搭建网络图, 搭建完成以后需要安装虚拟群集管理软件VMware, 该软件属于虚拟化常用的软件, 能够帮助系统进行虚拟化的设置, 设置完成以后可以使得服务器具有虚拟化的高级功能, 通过进一步安装虚拟化软件VMware ES-XI, 同时对网络和设备进行配置, 然后设置数据中心, 将数据服务器连接到数据中心, 对所有的虚拟服务器进行统一的管理。在管理的过程中可以将部分占用资源小且独立使用一台服务器的应用进行迁移, 迁移到一个服务器中, 并给予单独的存储环境。
3.2 大数据的虚拟化系统管理与分析
在企业实施了大数据的虚拟化环境搭建后, 需要对系统进行管理, 管理主要包括以下几个方面:
3.2.1 系统的转移
在实际运行过程中会占用多台服务器, 一台服务器出现故障以后, 在该设备运行的虚拟服务器就迅速将数据转移到其他的服务器中, 避免了数据的丢失。
3.2.2 数据的转换
虚拟机由于经常处理大规模的数据, 负荷较大, 需要随时对数据进行转换, 转换的目的是提高服务器的工作效率, 可以将物理服务器转换为虚拟服务器, 也可以将虚拟服务器转换为虚拟服务器, 由于虚拟机工作的连续性, 即使在转换的过程中, 虚拟机也可以正常运行和工作。
3.2.3 系统的调试
针对大数据的虚拟化系统需要定期的完善和升级, 因此可以采用快照技术, 当虚拟化系统在处理数据的时候, 对这个状态进行快照处理, 将这个状态的数据保存下来, 在升级和维护以后重新将状态维护。
3.2.4 大数据的保存
大数据的数据量非常大, 可以利用虚拟化系统建立一个系统还原点, 在系统出现故障导致不能运行的时候, 将系统恢复到还原点, 此时运行的状态和数据都能够得到恢复。
4 大数据的虚拟化特点
4.1 大数据的虚拟化优点
大数据的虚拟化实施以后, 对于企业来说具有许多优点:
(1) 通过虚拟化可以提升服务器的利用效率, 整理服务器的资源, 使得系统能够达到最高的效率。
(2) 对于企业使用的中小型服务器来说, 利用虚拟化的技术可以节约资源、更加经济, 扩展也有更大的优势。
(3) 数据虚拟化在大数据的环境下承担着重要的基础工作, 没有虚拟化的技术, 云计算的弹性和多用户使用就很难落实。
(4) 大数据混合使用共享存储和本地存储, 进而提高运行的性能, 而虚拟化能够满足用户的需求, 并且可以根据用户的需要进行扩展。
(5) 大数据环境下的虚拟化非常有利于整合其它的数据应用, 将这些应用统一在一个虚拟化的平台上, 可以降低IT架构的复杂程度和运行维护的成本。
4.2 大数据的虚拟化存在问题
虽然虚拟化在大数据中可以很好地应用, 而且无论从性能或者功能方面来说都有很大的优势, 但是在企业选择虚拟化的应用之前, 也需要关注以下问题:
(1) 传统的服务器、存储器、网络构成了系统运行的核心, 虽然效率不高, 但是比较稳定。在大数据的环境下, 采用虚拟化的整合后, 数据运算量非常大, 一旦服务器出现故障, 那么大批虚拟机应用都不能正常使用;
(2) 性能受到影响。由于应用安装在虚拟机上, 一旦高负载的应用大面积使用, 对于虚拟平台来说是一种挑战;
(3) 安全性问题。用户的所有数据都存储在虚拟化平台上, 一旦平台的安全性得不到保障, 容易出现数据泄露的问题。
5 总结
在大数据的时代, 随着技术的发展, 尤其是服务器及信息化的发展, 各行各业对于数据处理和集成化的要求也越来越高, 数据处理已经成为制约技术发展的一个瓶颈。利用虚拟化的技术可以提高数据处理的效率, 简化服务器群管理的复杂性, 对于信息技术发展来说具有战略意义, 同时能够降低维护成本以及提高信息安全的水平, 在未来虚拟化技术的前景中具有更加广泛的应用。
参考文献
[1]沈来信, 王伟.基于Tree-lib的大数据实时分析研究[J].计算机科学, 2013 (06) :23-25.
[2]米沃奇.云计算数据中心综合布线的七大发展趋势[J].电脑知识与技术 (经验技巧) , 2016 (06) :45-49.
[3]王元卓, 靳小龙, 程学旗.网络大数据:现状与展望[J].计算机学报, 2013 (06) :50-54.
[4]刘智慧, 张泉灵.大数据技术研究综述[J].浙江大学学报 (工学版) , 2014 (06) :38-42.
大数据与科技管理 篇11
【关键词】大数据;财务管理
一、大数据技术对企业财务管理的影响和变革
1.企业经营预算编制的更加准确
企业预算编制的准确性直接影响企业对于未来一年的生产经营的预算控制活动,同时也保证了企业经营利润目标的顺利实现。财务管理活动利用大数据技术充分深入地对财务数据进行收集、分析和整理,拓宽了传统财务分析工作限于会计账面数据为基础的数据分析工作范围,多维度、多角度的数据分析处理让企业财务分析和预算编制更加准确、更加接近市场发展趋势,更具有实践指导意义。
2.完善了财务信息化建设,财务管理更加细致科学
信息化技术的发展,数据处理能力的提升,使得财务信息化建设获得了长足发展。财务信息化已经不是会计电算化时代的简单的核算业务的电算化处理那么简单,而是将财务信息管理系统同企业内部控制建设与业务部门的数据管理相结合,通过搭建一个综合企业信息管理平台,重置再造了企业管理流程,协调了不同业务和资金流程的和内部管理部门之间的各种关系,使得企业管理更加的细致科学。
3.大数据提供了更多的风险信息,提高财务管理的风险管控能力
大数据环境给企业发展带来了巨大的信息资源,扩大了企业的信息来源渠道,降低了信息不对称的影响程度。当今企业经营环境下,风险变化速度快,风险类型转变快以及风险影响量级高等风险特点给企业的经营管理带来不小的影响。财务管理活动通过借助大数据技术能够及时获取市场风险变化的信息,通过深层次的数据分析,结合企业当下与未来的经营趋势,提出具有一定风险前瞻性的财务意见,提高了企业经营决策的有用性,进而提高了财务管理的风险管控能力。
4.提高非数字化信息的应用程度
大数据环境下的数据信息不仅包括数字信息,也包括图片、文字、人们的思维方式和行为特点等非数字化信息资料,大数据技术可以将所有的信息资料进行综合分析处理,分离出有用的信息,进而分析出市场变化规律和趋势帮助企业做出正确的经营决策。有利于企业的市场开拓,产品开发以及经营管理方式方法等活动的创新性变革,使得企业发展更有活力、更有创造力。
二、迎接大数据环境下的挑战,提高企业的财务管理水平
1.利用大数据技术,降低信息不对称的不利影响,拓宽筹资渠道,降低筹资成本
大数据环境下的信息优势是更加广泛的数据共享性,大量的数据信息进一步减少了信息不对称的风险影响,提供了更加丰富的决策选择机会,提高了资本市场的活跃性。企业财务管理就是要有效利用信息共享性的优势,改变过分依赖借贷资金进行筹资的较为单一的筹资模式,丰富筹资渠道。利用资本市场的数据信息平台,收集资本市场的信息,采用企业重组合并、债转股等多种形式拓宽筹资渠道,降低筹资成本,提高企业的经营效益。
2.综合市场信息,提升投资回报率,增加投资收益
企业发展壮大,一方面通过自身的不断发展扩大企业的经营规模;另一方面利用投资机会来增加企业的经营收益。大数据时代的信息技术给企业财务管理活动提供了更多的投资决策信息支持。财务管理活动不再单纯依赖被投资主体的财务信息进行财务判断,可以利用大数据技术对被投资主体所在行业以及相关企业的经营和财务数据进行比较分析,综合判断投资的财务可行性,从而帮助企业管理者提高投资决策的准确性,提升企业的投资回报率。
3.紧跟市场变化,及时调整内部控制制度,提高财务管理水平
大数据技术提供给企业更多的数据分析能力,对于深挖企业经营漏洞和缺陷发挥了重要作用。财务管理者通过对经营财务数据的分析,找出变化差异与异常情况,从而分析差异的原因,判断是否有重大漏洞和重大控制缺陷的存在。再利用技术创新和管理流程再造等手段,调整企业内部控制制度,完善内部经营活动的控制方法和手段,提升财务的内部控制管理效果和水平。
4.加快人才培养,培养出适应大数据环境的高素质财务人员
数据技术的发展,要求企业具有一支能够适应大数据应用环境的财务管理队伍。目前企业在财务人才培养方面相对滞后,还不能满足当前财务信息化管理的需要。因此,企业应该有意识的培养复合型的高素质财务人员,培养具有“跨界”管理能力的专业人员,打破管理界限的束缚,发挥新时代财务人员的管理优势。同时,企业也要加快大数据信息环境的配套设备更新工作,给予财务人员更加宽松的管理环境和建议渠道,有效的发挥财务管理的数据分析和建议作用。
三、结束语
大数据环境下企业的生存遇到了巨大的挑战和机遇,企业财务管理工作要逐步适应大数据时代的要求,从人才培养和技术应用等角度创新管理手段和方法,将“事务型”财务管理模式逐步升级为“经营管理参与型”的财务管理新模式,最大限度的发挥财务管理工作对企业发展的推动作用。
参考文献:
[1]张利.探究完善企业ERP财务管理体系的若干建议[J].财经界(学术版),2013(06).
大数据与图书馆管理创新策略探讨 篇12
1 大数据的概念
大数据是指在云计算基础上发展起来的, 其拥有一定的信息收集能力, 带有更加准确的定位功能, 通过收集数据为客户服务的一种载体。网络收集数据的方式有传统和现代两种, 也可以分为是非结构化和半结构化两种。大数据最为突出的功能就是大量的收集数据, 然后进行整理。目前大数据在科学技术和数据及设备的统一上有十分突出的作用。大数据时代是计算机信息发展的一种必然现象, 人们的工作和生活因此变得更加快捷。图书馆建设在大数据时代也进入了创新探索的时期。
2 大数据推动图书馆的创新发展
2.1 图书馆的变革需要大数据的支持
大数据时代的来临给图书馆也带来了前所未有的挑战, 但也是发展的机遇。图书馆可以利用大数据来建设自己的风险评估模型, 对用户的进入和流失做进一步的统计, 并且预测出信息价值所在, 还能对图书馆资源的故障进行预测, 重新组合各种资源, 智能帮助图书馆解决各种信息问题, 同时最大限度的扩大储存能力、分析能力和计算能力。大数据可以在服务上完善图书馆的职能, 建立起隐私保护系统, 拓展公共服务意识。大数据的出现, 改变了传统图书馆的管理模式, 这是一种创新的展示, 也表现了现代图书馆更为公开的想象力。
2.2 大数据时代图书馆创新建设的对策
2.2.1 成本低廉的信息使图书馆信息获取效率大大提升
图书馆是信息量非常庞大的场所, 大量的数据一直积攒, 但是信息成本的下降也引起了资源的大量浪费。例如, 在图书馆中会存有一些声音资料、视频资料等各种文献。这种积攒和浪费会对数据采集造成一定的影响, 并且对优化系统资源也十分不利。大数据时代的来临解决了这些问题, 它能够把不同的复杂性的信息数据进行处理, 改变以往获取信息和处理信息效率低下的现状, 因此图书馆的建设运行成本会大大降低, 从而提升图书馆的信息储存量。
2.2.2 云计算使图书馆更加注意人文建设和人性化服务
云计算的出现使原有的图书馆资源建设得到改变, 在不同程度上促进了图书馆的人文建设和人性化服务。目前阶段, 图书馆的服务面向更加多样化的移动终端, 例如微信、微博、人人、QQ等等这些社交软件的服务功能可以被图书馆进行参考利用。在大数据时代, 图书馆需要更加了解读者的需求, 才能展开人性化服务。那么图书馆可以建立起属于读者的交流平台, 用大量的数据和信息来探索读者的阅读习惯及对图书馆的意见和建议, 这样就可以促进图书馆在大数据的支持下日臻完善, 提升服务质量, 加快服务进程。
2.2.3 图书馆知识服务在大数据时代的创新
大数据时代需要新的知识结构对读者进行服务, 这种模式也被叫做是大数据的知识服务模式。它把图书馆为读者的知识服务转向更加智慧化和绿色化的境地。知识结构的创新是现代科学技术的融合, 也是人们对新知识的渴求的展现, 在大数据背景下, 图书馆知识结构创新平台所能够涉及到的技术有大数据管理技术和处理技术, 它能够更加智能的识别和准确的定位读者的需要, 因此图书馆利用大数据手段将各种资源进行整合, 从而产生新的知识结构, 为信息的推送创造机会, 也为知识的价值实现创造机会。
2.2.4 大数据使图书馆更加智能化
在大数据背景下, 图书馆的变革对技术有了新的要求。对于图书馆本身来说, 可以使用更先进的技术进行复杂信息数据的处理, 这样不仅节省了大量的人力物力, 还提升了工作效率, 完成以往人工不可能完成的工作量。例如, 大数据下的关键技术可以对关键词等进行搜索, 改变以往人工找寻图书的程序。图书馆的服务对象是读者, 大数据来临可以建立起读者智能平台, 在这里拥有他们所需要的文件、视频、影音资料等等, 使个体信息更加全面, 为读者带去的参考价值也更高。智能化平台使一些隐性知识变成了显性知识, 更加有利于读者的发现与获取。
3 结语
综上所述, 本文对大数据时代背景下, 图书馆的建设和创新进行了分析, 并且提出了创新的策略以及大数据时代图书馆发展的优势。希望在今后的发展过程中, 先进的科学技术能够更进一步推动图书馆建设。
摘要:随着国家经济与科学技术的迅猛发展, 大数据时代已经到来。各行各业的发展都需要信息数据的支持, 图书馆也不例外, 在图书馆的发展过程中加入信息数据能够极大的提升图书馆的服务性能, 这样图书馆也顺应了时代发展的潮流更加适应人们的生活与工作需要。基于此, 对大数据与图书馆的管理创新策略进行研究和分析。
关键词:大数据,图书馆,管理创新
参考文献
[1]陈臣.基于小数据决策支持的图书馆个性化服务[J].图书与情报, 2015 (1) :82-86.
[2]彭羽佳, 潘杏仙.大数据时代图书馆生态危机研究[J].图书馆工作与研究, 2015 (4) :9-12.
【大数据与科技管理】推荐阅读:
大数据与智慧酒店管理08-10
大数据与数据挖掘10-15
大数据与电力企业10-27
大数据时代与经济新闻07-21
大数据与出版业06-20
大数据安全与隐私保护08-31
大数据与图书馆发展09-19
大数据与语料库建设07-22
大数据与云计算论文09-08
大数据管理演讲08-29