大数据时代的市场博弈论文

2024-10-11

大数据时代的市场博弈论文（共8篇）

大数据时代的市场博弈论文篇1

所谓大数据就是规模大、种类多但不容易挖掘的数据, 其特征在于快速化、密度低, 现代社会是一个信息数据泛滥的时代, 信息通信技术越来越成熟, 这对保险市场的生存与发展带来了极大的影响。因此保险市场要想更好的服务于大众, 就必须科学运用数据, 不断增强品牌宣传和服务的质量, 加强内部管理, 降低风险发生的可能性。

一、大数据时代对我国保险市场的影响

在大数据时代的影响之下, 保险市场行业中的管理者能够加深对管理风险、管理业务、销售方式等环节的理解, 同时还能极大的增强管理的整体水平及效率, 不断优化销售的形式。

(一) 对构建大数据分析平台的影响

在大数据时代的影响之下, 数据实现了碎片化, 数据的类型变得更加丰富, 打破了传统的固定的状态, 在对数据进行分析处理时也更加方便。其主要原因在于通过数据建立了大数据分析平台, 该平台把客户作为核心, 实现了保险流程的完善, 能够把客户的接触点进行整理, 这对我国保险市场的管理、能力、经营等方面都带来了非常重要的影响。

(二) 对风险管理的影响

对于我国保险市场来讲, 最为重要的一个环节就是对风险的管理工作, 随着销售方式的多元化、媒体之间的交互化, 这些都为保险市场的安全性与稳定性带来了很大的挑战。通过大数据分析能够使保险市场更深入的掌握客户信息, 对客户的行为进行分析, 了解客户的信用度以及负债情况, 进而制定科学的风险管理体系, 尽早的把风险和隐患扼杀在摇篮中。

(三) 对培养大数据分析人才的影响

通过大数据分析使我国保险市场实现了支持类数据分析, 建立了新的数据模型, 打破了传统数据分析不能规划出保险市场经营视图的漏洞。与此同时, 受到大数据时代的影响, 数据的规模和种类也不断的变化, 这就必须要由具有专业技能的人才来进行管理, 数据分析人才一方面要具备娴熟的技能, 具备较强的建模、挖掘数据的能力, 另一方面还要具备较强的专业素质。由于通过大数据平台能够把各种数据快速的转变成可供决策的数据, 保险市场就能够根据这些数据及时掌握市场情况并作出相应的对策, 以此增强保险市场的竞争能力。因此培养数据分析人才是当前一项迫在眉睫的工作, 要把大数据平台作为基础, 加强对数据分析人才的培养力度, 打造专业、高效的数据分析团队。

(四) 对科技创新能力的影响

创新是提高企业竞争力的一项重要因素, 同时也是我国保险市场实现差异化发展的重要动力之一。随着物联网等新型技术的应用, 人们的消费行为也发生了极大的改变, 但由于受到环境的限制, 保险市场在管理、经营等环节上还存在很多问题, 对于数据还不能灵活的掌控, 因此保险市场必须要把创新科技重视起来, 不断优化保险市场的商业模式, 以高质量的服务来为客户提供需求, 这些都是必须以大数据作为基础的, 在大数据的时代背景之下, 保险业务获得极大的发展, 产业模式也在不断的创新。

二、大数据时代我国保险市场的特征

(一) 品牌宣传模式的改变

在大数据时代到来之前, 保险产品的主要宣传方式是电视、广告、杂志等, 这些宣传方式存在很多不足之处, 缺乏及时性和针对性, 而且在宣传的过程中还会出现负面影响, 有些客户还会存在厌烦的心理。从社会步入到大数据时代之后, 保险产品的宣传方式进行了很大的改变, 例如充分的利用了移动终端, 使人们经历了对产品的相识、了解、接纳的过程, 在循序渐进中走入每个人的心里, 更加主动的接受保险产品, 这样在购买的过程中也会具有很高的效率。

(二) 决策准确度及盈利的改变

在大数据时代的背景之下, 数据为保险管理人员提供了更加全面的信息, 通过利用大数据的分析能力, 加强了对市场情况的了解, 这对增强保险企业决策的准确度起到了至关重要的价值和意义, 大数据时代还能促进资金的运转。另外在工作中为了减少客户的流失, 就必须通过数据库来对客户进行划分, 这样企业一方面能够增强经济利润, 另一方面还能促进客户的增长, 使企业处于一个良性循环中, 同时也为新市场的开拓打下了坚实的基础。

(三) 销售渠道和方式的改变

大数据时代的到来使保险的销售渠道和方式也发生了极大的改变, 例如某人想买保险可以在互联网中提出自己的想法, 进而实现保险信息的推送, 这些在步入大数据时代之前是不能实现的, 这样做不仅能够提高产品的销售业绩, 对公司的发展也起到了非常重要的价值。另外代理人手中的客户质量同其业绩相挂钩, 这对于增强保险人员的个人素质是非常有价值的, 对塑造保险业的形象也有着积极的作用。

(四) 服务水平的改变

过去保险公司的理赔工作需要经历很多程序, 人力、物力以及时间都损耗很多, 但是在大数据时代, 保险企业能够非常及时的获得客户的出险信息, 增强了服务的整体水平。通过对客户进行指导, 选择最优的方案, 为客户尽最大的可能避免风险的发生;另外对于客户提出的意见也要立即处理, 提高服务的水平, 可以把客户对服务人员的评价同员工的薪水挂钩, 推动企业更好的发展下去。总之, 要想赢得未来市场就必须掌握市场的发展形式, 了解人们的心理, 为保险企业的发展提供保障。

三、大数据时代我国保险市场的风险研究

首先, 在当前这个完全步入大数据的时代中, 数据统计和保险方面的人才是市场大量需要的, 但由于我国的保险行业发展较晚, 相关的人才比较欠缺, 关于人才的培养方面也存在很多需要完善的地方, 这些都是当前需要解决的迫在眉睫的工作。其次, 关于个体客户的费率标准问题, 目前数据量越来越多, 保险市场所面临的的一个重要问题就是设置多大的数据库, 另外对于保险公司来讲, , 数据属于最为重要的资产, 怎样提高数据的利用价值和使用率, 使数据不流失也是当前一项非常重要的挑战。最后, 关于数据的安全问题。大数据时代的一大特点就是数据的公开性, 数据的公开有优点但也存在弊端, 其优点在于公开数据能够实现数据的多方位预测, 为相关的工作提供更多的价值, 其弊端在于人们的隐私不能完全保障。现如今行业之间的竞争越来越激烈, 信息的泄露问题也越来越严重, 客户所有较为隐私的信息都能轻松的获取, 因此如何保障客户的个人信息安全也是非常重要的。

现如今我们能够清楚的看到, 大数据营销并不是一朝一夕就能看到效果的策略, 对客户的培养都是需要不断累积的, 虽然在短时间内并不能极大的增强企业的业绩和收益, 但是大数据营销策略必须要纳入长期的营销规划中。在当前市场竞争越来越激烈的形式之下, 大数据对于保险行业来讲是机遇和挑战并存的, 在面对风险时我们要加强对大数据时代保险行业因素的研究, 增强对运用数据技术的能力, 找出信息时代的发展规律, 制定与之相适应的商业模式。另外作为一种服务型的行业, 保险行业必须要加强对数据技术的应用, 重视专业技能人才的培养工作, 把大数据在各个方面的优势充分的体现出来, 推动保险市场的发展紧跟时代的脚步, 与国际接轨。

四、总结

通过上述分析能够看出, 在大数据时代的影响之下, 我国保险市场的业务发展及创新迎来了更多的机遇, 所以保险市场要想更好的发展下去必须要积极利用大数据, 不断扩大发展渠道, 顺应大数据时代的潮流, 推动保险行业向着更高的台阶迈进, 为金融业的发展创造一个和谐良好的氛围。

摘要：现如今我国已经充分步入信息时代, 各行各业也都在信息技术中飞快的发展, 在当前形势下, 我国保险市场也呈现出很多新的特征、新的风险, 为未来的发展带来了非常巨大的影响。本文首先简单介绍了大数据时代的概念, 然后分析了大数据时代对我国保险市场的影响及当前我国保险市场的特征, 最后阐述了大数据时代我国保险市场的风险, 希望能对我国保险市场的发展提供一定的指导价值。

关键词：大数据时代,保险市场,特征,风险

参考文献

[1]韦雪琼, 杨哗, 史超.大数据发展下的金融市场新生态[J].时代金融 (下旬刊) , 2012, (7) .

[2]姜奇平.大数据时代到来[J].互联网周刊, 2012, (1) .20.

[3]何天慈.浅析大数据时代的中国保险市场特征及风险[J].湖北科技学院学报, 2014, (11) :5-6.

[4]尹会岩.论大数据对中国保险业的影响[J].保险职业学院学报, 2015, (01) :43-46.

[5]闫泽滢.大数据时代下保险公司之变[J].上海保险, 2013, (04) :43-44.

大数据时代的市场博弈论文篇2

管理由科技引发的变革

科技对当今市场变革的推动是前所未有的。工业革命为现代制造业技术打下了基础，然而真正引领今天市场变革的却是数字化、计算机、海量存储能力和互联网即时通信。凭借强大的置换和扩展数据的能力，信息通信技术已经成为全球商业的主要影响因素。特别是被越来越多的人称为“大数据”的技术，它大大影响了营销组织所需的技能。大数据实际上是一个非常宽泛的概念，从世界各地的每台电脑上发送的消息、每台零售终端系统提供的服务到每位消费者的搜索过程等，都是大数据。我们在获得了捕捉和分析所有这些数据的能力后可以大有作为。

世界被淹没在了数据中，我们必须理解数据。事实上，我们并不缺乏数据，也不缺乏操作和分析数据的工具和方法。我们欠缺的是经理人具备足够的经验和技能，尤其是负责市场营销的经理人，他们不善于思考、适应、采纳和使用现有信息，让消费者真正受益。很多时候，经理人必须放弃固有的行事风格，例如如何看待消费者、如何制订传播方案、如何衡量和评估市场回报等。为了应对大数据的挑战，营销组织必须在组织内部培养员工的分析能力，并与外部数据提供商密切配合，从可供使用的数据中获得最大价值。

管理由消费者引发的变革

在短短几年的时间里，消费者已经完全发生了变化，世界各地都是如此，但这种现象在中国最为明显。中国农村人口向中心城市的大迁徙是人类历史上规模最大的人口迁移活动之一。农村的生活方式是自给自足，而城市的生活方式中却充斥着手机、购物中心、办公场所和富足的产品，要实现由农村向城市的过渡，他们必须学会如何成为“消费者”。然而，日常生活中形形色色的新产品、新方法、新工具、新通信技术却令人眼花缭乱，想成为“消费者”并不容易。

如今的消费者与过去的消费者最主要的不同在于，他们掌握了丰富的市场资源。他们与移动设备形影不离，可以随时接触到新产品、新零售设施、新技术、新时尚、新潮流，随时获取价格、选择、供货情况、选项等市场信息，因此，营销组织必须采用全新的方法来对待消费者。

经理人一定要理解新工具和新技术赋予消费者的能力，这种能力是他们从未有过的，他们甚至不知该如何对其加以有效利用。营销组织必须要学会了解消费者，了解他们与市场互动的所有方式，这比挖掘大量数据更加重要。只有先了解他们的需求，才能采取行之有效的方式与他们进行沟通，这就是营销组织必不可少的消费者洞察力。

管理由内部文化引发的变革

长期以来，大多数营销组织一直采用由内而外的管理模式。在这种模式中，高管层一般以上一年的业绩为基础，设定本年度的营业收入和利润目标。然后，区域或部门经理再相应地确定各自的目标，包括生产目标、销售配额、资本支出和营业预算等。要达到各项目标，企业可能会推出新产品、发展新的分销方式、开拓新市场或开展新的广告活动。营销组织负责拓展市场，将新概念和新方法推向市场。接着，消费者从众多新概念、新产品或新方法中进行挑选，评估营销组织提供的产品或服务，最后做出购买决策。消费者很少或完全没有参与拓展市场的过程。如果营销组织足够了解消费者，营销方案可能会取得成功；如果不了解消费者，它们的新产品和新传播方案就可能以失败告终，这种情况十分常见。

今天，尽管营销组织已掌握了大量先进的技术手段，但新产品的失败率仍然很高。很多时候，营销组织抱着很高的期望进入零售市场，但其产品却得不到消费者的认同。这些新产品之所以失败，在很大程度上不是因为设计或质量方面有问题，而是因为消费者认为他们不需要。营销组织推出的产品可能符合它们的生产计划和盈利目标，但无法解决消费者面临的实际问题。它们的失败是因为缺乏消费者洞察力，还是过于自负，抑或两者兼而有之？

大数据时代的市场博弈论文篇3

大数据是互联网发展到现今阶段的一种产物, 但是到目前为止, 都没有人或机构对其做出一个权威的定义。根据研究机构Gartner对大数据的定义, 大数据是需要新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。还有这样的定义, 大数据, 又称巨量资料, 指的是所涉及的数据资料量规模巨大到无法通过人脑甚至主流软件工具, 在一定的时间内达到撷取、管理、处理并整理成为帮助企业经营决策更积极目的的资讯。2011年, 麦肯锡在研究报告《海量数据:创新、竞争和提高生成率的下一个新领域》中指出, 数据已经渗透到每一个行业和业务职能领域, 逐渐成为重要的生产因素;而人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来[1]。国际数据咨询公司IDC指出大数据有4个特征, 并将其总结为4V, 即Variety (种量多) 、Velocity (流量大) 、Volume (容量大) 、Value (价值高) [2]。想要大数据更好地为人类服务, 就必须找出其内在规律, 从而更好地将其应用到市场营销及各行各业中去。

2 大数据时代下市场营销的机遇与挑战

2.1 大数据时代下市场营销的机遇

利用大数据, 结合网络营销 (目前主要的网络营销理论有整合营销、直复营销、软营销和关系营销) , 依托数据库及数据挖掘 (指从大量的数据库中抽取出此前还没有发现的有效、实用的信息, 并且此后使用此信息来帮助制订关键的商业决策的过程) , 企业可以获取消费者对产品的喜爱程度、分布区域、基本特征等数据信息, 从而更有针对性地改善产品及制订出相应的市场营销策略。

2.1.1 大数据背景下的精准营销, 为客户提供个性化服务

所谓精准营销, 是指在精准定位的基础上, 依托现代信息技术手段建立个性化的顾客沟通服务体系, 实现企业可度量的低成本扩张之路。精准营销的核心理论为4C理论, 即顾客 (customer) 、成本 (cost) 、方便 (convenient) 、沟通 (communicacation) 。它贯彻了消费者导向的基本原则, 倡导企业的全部行为都要以消费者需求和欲望为基本导向;它由于销售渠道短, 可减少流转环节, 降低营销成本, 从而降低顾客的满足成本;它可向顾客提供大量的商品和服务信息, 使顾客足不出户就可以购买到自己想要的产品, 提高了顾客购物的便利性;最重要的是, 它可以实现与顾客的双向沟通。大数据已经为精准营销提供了必要的基础条件, 基于归纳整理后的可流转数据以及透明可见的客户个体行为和偏好数据, 使得企业可以实现“一对一”的营销, 在大数据背景下, 企业的产品设计充分考虑了消费者需求的个性特征, 增强了产品价值的适应性, 从而为顾客创造了更大的产品价值。

2.1.2 通过对销售数据的分析, 实现产品的交叉销售

交叉销售是指在同一个客户身上挖掘、开拓更多的顾客需求, 而不是只满足于客户某次的购买需求, 横向开拓市场。

以大型超市为例, 不可否认, 超市每天都会有大量的销售数据, 如果能够应用数据挖掘技术对这些销售数据进行深层次地挖掘分析, 从而了解消费者的购买特点及习惯, 再针对这些特点及习惯对产品进行优化组合, 可以达到提高销售额的目的, 美国沃尔玛超市就是一个成功的案例。在美国, 照顾婴孩的母亲一般会让下班的父亲顺便去超市购买小孩用的纸尿裤, 商家通过对一年多的原始交易数据进行挖掘分析, 在沃尔玛超市推出了纸尿裤和啤酒摆放在一起的新组合, 果然, 爸爸们在买完纸尿裤后会顺手为自己买爱喝的啤酒, 这样, 产品的销售额大大提高。

网上商店也是通过储存消费者在一定时期内的消费交易数据, 然后对这些数据进行分析处理, 从而得出消费者的消费行为模式。以笔者自己为例, 笔者曾经在天猫上的罗曼风情旗舰店购买了两双价位相差不大的新款靴子, 拿到后感觉很满意, 并且给了商家好评。今年刚一入冬, 罗曼风情旗舰店就给我发来短信说有新款女靴上市, 还发链接给我, 我当时就随便点进去看了一下, 发现还蛮漂亮的, 而且价位也跟我去年买的两双差不多, 那时真心感觉到大数据时代的方便, 都不用自己找商品, 商品自己就找上门。

2.1.3 基于客户关系管理, 与客户建立长期友好的关系

客户关系管理是指企业为提高核心竞争力, 利用相应的信息技术以及互联网技术来协调企业与顾客间在销售、营销和服务上的交互, 从而提升其管理方式, 向客户提供创新式的个性化的客户交互和服务的过程, 其最终目标是吸引新客户、留住老客户以及将已有客户转为忠实客户, 增加市场份额。

随着经济全球化和大数据时代的到来, 产品同质化已经演变为市场营销中的一个难题。企业要想销售更多的产品, 必须提高顾客满意度, 与客户建立长期友好的关系。客户关系管理坚持以客户为中心、为客户创造价值, 它可以帮助企业甄别不同价值的客户, 实现企业与客户之间的“双赢”, 并且可以提高顾客的满意度, 增强客户的忠诚度。

客户关系管理的核心是客户价值管理, 它通过对客户的信息进行归类分析与收集, 进而对客户进行“一对一”营销, 为客户提供个性化需求, 从而提高客户的满意度与忠诚度, 与客户建立长期友好的关系。客户关系管理系统在市场营销过程中, 能够帮助市场人员分析目标客户群体, 从而获知目标客户的相关信息, 进而对这些客户进行分类处理, 以此来增加销售额并降低销售成本。

2.2 大数据时代下市场营销的挑战

随着大数据时代的到来, 信息的传递越来越便捷, 与此同时, 企业除了要加强信息处理的技术, 更要加强信息甄别的能力。大数据带来了大量数据, 也加大了数据的混乱程度, 数据中包含了很多的实用信息, 同时也掺杂了虚假信息, 如何选择并保证数据的完整性与客观性、保证基于数据预测的正确性, 是大数据时代急需解决的问题。

2.2.1 垃圾信息泛滥, 消费者产生疲劳与抵抗

在大数据背景下, 商业环境越来越复杂, 由于缺少用户特征数据支撑及详细准确的分析, 过去名义上的精准营销并不怎么精准, 这导致了信息爆炸的同时也带来了垃圾信息的泛滥。这样一来, 消费者对这些铺天盖地的不可靠信息产生疲劳与抵抗, 最终将不利于市场营销的进行。

2.2.2 市场人员需要投入大量成本重新去适应与学习新技术

在大数据时代, 传统的出门拜访客户、电话沟通等方式越来越不受重视, 市场人员需要利用数据挖掘分析出消费者的购买特点以及消费行为模式, 从而展开“一对一”营销。当然, 前提是市场人员必须要掌握处理数据及分析数据的能力, 这就要求他们为适应市场的变化需花费大量的时间、精力、金钱成本重新去学习一门新的技能。与此同时, 企业也将花费更大的成本去跟进相关硬件设施及培养相关人才。

2.2.3 信息传输过程中的安全问题

随着计算机技术、网络技术以及其他高科技的发展, 使得社会中传统的犯罪及不道德行为更加隐秘和难以控制。一些不法分子很可能截获网络传输过程中的信息, 或通过对信息流量和流向、通信频度和长度等参数的分析, 推断出有用信息, 并对这些信息加以利用。有了这样的前例, 消费者可能会拒绝透露自己的相关信息, 这样使得营销人员很难获取消费者的真实信息, 无法分析出消费者的特征及行为模式, 将不利于正常营销活动的开展。

3 结语

大数据时代已经到来, 它实现了市场营销过程中对客户的数据进行分析与处理, 使市场营销人员更了解他们的客户, 从而为其提供个性化的需求服务, 加大客户的满意度与忠诚度。同时, 消费者获得信息的渠道和方式也大大增加了, 并且信息爆炸式的传播速度也让消费者迷失其中, 这就在一定程度上加大了营销的难度。

总之, 在大数据时代, 市场营销既迎来了新的机遇, 也无法避免新的挑战。企业必须合理利用大数据, 进行正确的数据挖掘及分析, 使得精准营销成为可能、客户关系管理更有针对性, 并实现交叉销售、降低渠道成本, 这样才能完胜前端的市场营销工作。

参考文献

[1]王玉莲.大数据背景下关于市场营销教学的思考[J].黑龙江教育, 2014 (11) .

大数据时代的市场博弈论文篇4

对于“大数据”这一概念, 目前还没有统一的概念与定义。维基百科将大数据定义为“无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合”。研究机构Gartner给出了这样的定义:“‘大数据’是需要新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。”虽然说法不尽相同, 但都向我们传递了这样一个信息:“大数据”时代的数据无论是从数据量和数据形式上都与过去有了极大的不同。如何使培养出具备能够对这样大量的数字化数据进行准确的分析并对市场未来发展进行正确预测的能力的优秀人才, 成为摆在高职院校面前的一个新课题。

在高职院校中《市场调查与预测》课程就是专门培养学生市场调查能力和分析预测能力的一门课程, 是市场营销专业的核心课程, 多在财经管理类学校开设, 后由于它的应用性很强, 能为企业在作重大决策时提供强有力的依据, 所以很多工科类院校和农业类院校也开设了这门课程。黑龙江省作为一个农业大省, 农业类高职院校在“大数据”时代, 该门课程人才培养方案的更新与改革就具有非常重要的意义。

一、农业高职院校财经类专业市场调查与预测人才培养现状分析

第一, 我省农业高职院校的财经类专业属于比较“年轻”的专业, 并且受我省经济结构和经济发展的影响, 使得这些专业的教学理念和教学思想仍处在学习和借鉴的阶段, 教学思想陈旧, 人才培养方案大多借鉴市场营销专业或商务管理专业而设计。教学思想上仍旧以“教、学”作为主导, 这样的教学理念和教学思想让学生缺乏学习主动性与学习热情。没有热情的学生无法与老师进行有效的课堂互动, 即使采用了新的教学方法, 也难以达到预期的教学效果。因此, 要想提高课堂教学效果和教学质量, 改变陈旧的教学思想就是第一步。

第二, 市场调查与预测专业所学习的是一门应用性很强的课程, 注重技能的掌握, 在教学中需要侧重理论知识的实际应用。学生通过课堂的学习能够具备目标市场调查能力、调查结果分析能力并对市场或行业发展进行有根据的预测能力。但是现在该课程的教学方法相对传统, 长期以来, 中国高职院校市场调查与预测相关课程的教学及人才培养形成了一个固定的模式。在授课方法上, 教师大多按照教材从市场调查的概念、方法开始讲起, 仅仅依靠一支粉笔和一张嘴进行讲授式的教学, 大部分的教师都不会去管学生完成课程学习后究竟能否成功地去组织和进行市场调研。在人才培养上, 高职教学并不仅仅是以传播知识为目的, 同时还应注重学习者个人能力的培养, 包括学习者个人对知识的再思考、再运用。讲授概念、掌握方法的老一套教学方法已经不能培养出具有创新精神和实践能力的高级专门人才, 无法适应现代教育。

第三, “大数据”时代的信息量庞大, 传统的数据收集方法、统计方法已经无法对如此大量的数据进行分析和整理。网络时代的数据流量极大, 传统的统计方法已经无法满足企业处理数据的需求, 因此在市场调查与预测相关课程的教学与人才培养过程中, 必须引入新的统计方法与统计工具来满足数据处理需求。

第四, 企业要求市场调查结果更加详细具体, 预测结果更加准确。近年来市场中企业之间的竞争不断激化, 企业迫切地希望对自身市场进行深入而又详尽的了解, 因此企业对于市场调查更加的重视。但是目前的市场调查预测相关课程教学中由于授课教师与学生没有足够的条件了解企业现状, 所以导致课程中所采用的调查课题选择不科学, 超出了教师与学生的驾驭能力, 使得课程中的调查仅仅留存于表面, 并未对问题核心进行探索。尤其面对大量的数据, 教师与学生就更加无所适从, 对企业现状或企业存在的问题的分析也是流于表面, 没有能力与时间深入下去。这种教学是无法培养出符合企业需求的员工的。

二、“大数据”时代市场调查与预测相关课程教学及人才培养方案改革的几点建议

首先, 市场调查与预测各相关课程都是应用性极强的课程, 在教学中必须注意学生理论知识与社会实践活动结合能力的培养, 通过课堂教学让学生对基础理论知识全面而逐步深入地理解并且熟练掌握预测方法与技巧, 通过实训教学锻炼学生能够正确地运用知识、创造性地解决具体实践问题。也就是说, 市场调查与预测相关各门课程的教学模式必须注重开发学生解决实际问题的能力, 提高学生知识应用水平, 培养学生逻辑性思维和创造性思维方式。从这一点出发, 在教学过程和教学设计中要注重原理方法的讲授必须结合现实案例来进行, 多采用案例教学法、模拟实训法等实践操作性较强的教学方法, 将理论与实践紧密的整合在一起。在学生了解市场调研的知识体系前提下, 注重解决实际市场调研问题方法的培养和锻炼。

第二, “大数据”时代的数据拥有“数量大、数字化”的特点, 在这个前提下, 传统的统计分析方法已经无法对目前的数据进行完全的分析与判断, 必须借助现代化的分析工具。能够让学生在课堂教学过程中熟练的掌握这些工具的应用, 就成为现在市场调查与预测相关课程的教学重点。在教学过程中可以利用现代化、信息化的教学手段和教学工具———例如使用SPSS软件代替功能简单的Excel软件。当数据如潮水般大量涌来时, 传统的Excel软件已经无法满足学生们的需求, 而使用功能更加强大的统计软件能够有效地提高学生对数据的处理能力。预测工具升级的同时, 不仅极大地缩短了数据处理的时间, 并且会大大提高预测的准确性。

第三, 加强企业兼职教师队伍的建设, 拉近校企双方的距离, 深入了解企业在市场调查与预测方面的需求, 针对企业需求设计教学内容。企业兼职教师并不是为了专任教师数量不足而聘请的, 要充分发挥企业兼职教师的作用。这些教师来自于企业, 最为了解企业需求, 能够准确地指导学生根据企业需求对某一具体问题或某一具体细分市场进行调查与预测。能够帮助学生从大量数据中找到有用的、有价值的、对企业有帮助的数据, 并利用这些数据来分析企业存在的问题, 进而帮助企业解决问题, 而以上这恰恰是校内专职教师无法做到的。该课程有了企业兼职教师的积极参与才能真正地实现教学目标, 培养出具有较强市场调查与预测能力的学生。

“大数据”时代, 是一个充满机会与挑战的时代, 企业想要在这样一个时代中生存与发展就必须对市场有深入的认识, 并且能够对市场发展进行准确的预测, 这是这个特殊的时代对企业的要求, 也是对学生能力的要求, 更是对市场调查与预测相关课程改革的要求。作为职业院校必须通过与时俱进的改革与创新来培养出符合时代要求、满足企业需求的优秀人才。

参考文献

[1]冯芷艳, 郭迅华, 曾大军, 陈煜波, 陈国青.大数据背景下商务管理研究若干前沿课题[J].管理科学学报, 2013, (1) :1-9.

[2]http://baike.baidu.com/link?url=jA_wZeVx2s2-yzL8jaPzR7CQlQ03inlYGhwWbKtfUKWDjv1evSgBhT2Ej_p4rZ7vgYW_9zYDzgijw0YiA9h0Bk.

[3]曹扬.市场调查与预测课程教学的研究与实践[J].现代教育科学, 2004, (3) :66-68.

大数据时代的市场博弈论文篇5

强势推进者:互联网搜索提供商

在无线搜索领域的跑马圈地运动中, Google、百度等传统互联网搜索公司表现出了非常强势的姿态。这些企业在互联网搜索领域已经运行了成功的商业模式, 资本的积累使其在无线搜索领域的探索更加从容。

作为全球最大的中文搜索引擎公司, 百度于2006年3月与诺基亚合作, 在中文市场的手机中植入百度搜索服务;2007年, 百度在内容丰富程度及用户体验上采取积极措施, WAP站点的访问量从2006年12月的1963万次迅速增长到2007年12月的26641万次;同年, 百度与中国联通合作研发无线搜索产品;2008年7月, 与诺基亚联手开发维信“百度精灵”;2008年10月, 百度与日本通信公司Wilcom联合推出针对赴日中国人的语音搜索服务, 将无线搜索的触角伸到了国际市场。

而作为国外老牌搜索厂商, Google在美国和西欧无线搜索市场上占据着统治地位。近两年, Google在无线搜索领域更是动作频频:2007年年底, Google推出了Android操作系统;2008年9月, 台湾手机厂商HTC与德国T-Mobile合作发布首款Google手机——G1;今年2月, HTC又与沃达丰联合发布旗下第二款Google手机——HTC Magic;今年2月, Google发布了面向Android平台的语音搜索, 紧接着又发布了“手机搜索Adsense”服务。相比而言, Google在中国市场的发展相对滞后。2007年年初, Google与中国移动结成战略合作伙伴, 发出进军中国无线搜索市场的信号;2009年, Google中国将无线搜索列为其三大核心战略之一, 开始发力抢占中国市场。

此外, 雅虎、微软MSN等多家互联网搜索厂商都在积极推进面向移动互联网的搜索服务。

积极探索者:无线搜索提供商

国内无线搜索市场并没有像传统互联网搜索市场那样, 由百度和Google一统天下, 更多本土的无线搜索品牌因为切入时间早、个性化强以及对中国市场需求的了解, 并不完全落后于这些互联网搜索巨头。事实上, 在Google、百度之前, 易查就于2004年7月推出面向移动互联网的手机搜索引擎;同年12月, Cgogo推出“Cgogo互联网搜索”产品, 并于2005年5月在中国联通、中国移动上线;宜搜也于2005年7月推出无线搜索引擎;之后悠悠村、儒豹、K搜等纷纷推出各自的搜索产品, 争先恐后地加入无线搜索领域的“圈地运动”。

与Google、百度不同的是, 国内专业无线搜索公司, 最初就是针对移动互联网提供搜索服务。它们更加积极地对无线搜索用户的需求进行深入、细致的研究, 并据此推动业务创新, 提高搜索服务的用户体验。例如, 针对手机用户搜索内容娱乐性较强的特点, 易查、宜搜等无线搜索门户提供手机铃音、图片、主题、游戏、视频、小说等搜索功能;对于移动互联网用户较为关心的生活信息, 易查设置了专门的“便民服务”栏目, 提供包括天气预报、招聘、旅游、餐饮、证券等在内的多种信息;宜搜也提供了机票、火车票、彩票、股票、餐饮等多项查询服务。

专业无线搜索公司并不像百度、Google那样在互联网搜索领域盈利, 因此它们纷纷利用自身优势资源探索多元化的商业模式。2006年, 悠悠村推出了基于无线搜索引擎的“优告联盟”, 通过在联盟成员WAP站点上提供搜索功能并在上面发布广告获得收入;宜搜则基于自身SP的背景资源, 通过固定排名、滚动排名、移动顶告等方式, 吸引中小企业的广告投放, 在处于商业模式探索期的无线搜索市场实现盈利。核心主导者:电信运营商移动互联网相对于传统互联网来说是一个半封闭的环境, 电信运营商拥有绝对的话语权, 占据着核心地位。运营商有足够的能力对无线搜索进行控制。首先, 它们可以通过流量或者用户访问优先排序对通道加以控制。其次, 它们对用户有强大的影响力, 其对无线搜索的态度和推广力度会直接影响到无线搜索行业的发展。最后, 无线搜索对移动终端有一定的要求, 运营商可以通过手机定制对移动终端加以控制。事实上, 它们已经在利用这一点, 其终端定制的比例和总量一直都在增加。运营商对无线搜索产业链的强大控制力, 决定了它们的市场主导地位。

大数据时代的市场博弈论文篇6

大数据的概念目前没有统一的界定。维基百科对大数据定义如下:大数据由巨型数据集构成, 这些数据所占空间大小是现在使用软件在可接受时间下难以合理处理的。Floridi指出, 大数据是指由工具、传感器、网络处理器、电子邮件、视频、点击流产生的大量、多样、复杂、分布的数据集或者由其他现在或将来能获取的数字化资源构成的。大数据是有相对性的, 是针对目前计算机处理的能力而言的。IDC (International Data Corporation) 界定了大数据具有的“4V”特征:Variety、Volume、Velocity和Vitality, 即多样性、大容量、高速度及时效性。目前, 由于网络发展迅速、范围更加深入, 使得各种数据拥有了更大范围、更低消费的集散场所。只需用很低的成本, 这些自动生成的数据即可做到存储与传送。可以说, 基础的资料和技术已经准备就绪, 大数据商业情报的时代已经到来。

2 新时代的情报变化

在大数据时代已经到来的时代背景下, 通过成熟的网络条件, 合作伙伴能够在闭合供应链企业间实现快速分享有利信息, 但是另一方面, 无处不在的智能设备却将周围环境中的情报有意或无意地上传、发布到开放的网际空间中。这之中可能存在大量的企业成员独自的私有情报, 他人能够通过大数据手段十分轻易地拥有这些之前难以或不可能获取的私有情报。这就说明, 在当代的商业活动中, 情报泄密、流失已经成为了不可避免的现实。因此, 闭环供应链中企业为提高自身利润, 不得不使用大量的智能设备进行监控以防止私有情报泄露。与此同时, 闭环供应链中这个成员企业也可以借助大数据分析手段收集、获取、分析其他企业的私有情报以获得私利, 原有的闭环供应链间契约平衡关系就被破坏了, 旧的情报网络体系将不复存在, 更新的竞合关系由此而生。这说明, 这种商业的合作是非常矛盾的, 但是迫于形势又必须要合作。

在大数据时代背景下, 情报信息组成成分也与之前变得与众不同, 其中对情报内容的语义单一、内容零碎、互相联系也迫使情报的组织方式亟待更新。在情报构成时, 数据挖掘、关联计算及做出可视图的情形日益普遍, 情报学已经从以往的收集后计算演变为更加科学可靠的计算机数学处理。通过大数据手段而诞生的新型情报组织内容有判断、储存、定义规范及其保安措施。因为情报学涵盖了各类与众不同的信息, 而大数据的揭示与组织的方法能够有效对零散的、看似无关的信息进行分析处理, 通过计算实现信息集成为一条一条完整有价值的情报。因此, 大数据技术可以有效迅速的帮助情报获取。

对于商业情报, 以前一家独占的场景几乎不可能再现。因为当前海量的数据已经不是个体能够消化的, 而且在当今各种智能设备的应用也使得保密难上加难所以, 为了情报的充分使用, 必须要进行合作, 而这个合作关系一旦形成, 便不再允许发生任何变动, 于是就形成了闭环供应链。闭环供应链中需求方不用知道这些繁重的数据是如何进入这条链中的, 只需要完成自己一环得到的任务——通知这个供应链自己需要什么, 剩下的事情交给这条供应链的管理者即可。假如有的企业成员不怀好意, 泄露了链中的关键情报, 系统也能够及时检查并发现。这样闭环供应链中的企业成员既拥有了自己已经就有的私有情报, 又从合作伙伴的情报分析中得到有用信息, 可谓一举两得。系统既保证成员个体情报的安全, 又使企业提高了生产效率, 而且供应链成员得到自身利益后更加乐意去合作, 整个闭环供应链得到良性循环发展。

3 闭环供应链的作用

闭环供应链整体情报系统在大数据中获得供应链中的制造商、消费者有用信息, 分析得到一件商品的工艺流程和用户偏好情况。将这些信息整合后交给制造商, 制造商只管“埋头苦干”即可。因为有反竞争情报系统, 生产者与代理商得到的只是用户和物流公司的供需信息, 所以限制了零售商与物流方面在运输、销售等方面偷取供应链中其他成员的应得利益。处于供应链中的负责销售的企业得到足够的用户需求后, 做到有的放矢。这样, 各个企业无需再为没有足够的情报资源而苦恼, 之后像过去那般进行情报战。不仅减少了企业之间的内耗, 而且成员企业可以更放心的把全部精力用于各司其职, 对整个经济发展是有很大好处的。

利用大数据的技术力量, 提供整条供应链都需要的信息进行获取和分析, 不断生成更加符合当前环境的情报体系, 将供应链变得更加强壮。同时, 一条一条闭环供应链的稳定发展又带来了再制造企业的崛起, 从而带动整个经济的发展。

4 结语

面对新的情报形式, 我们需要对此有清醒的认识:机遇与挑战并存。虽然时代变革, 情报获取的方式与情报拥有者早已与近代大相径庭。我们应该把握时代趋势, 具体情况具体分析, 这样才能做到保护我们的请保安全, 让自身更具有竞争力。

参考文献

[1]曾建勋, 魏来.大数据时代的情报学变革[J].情报学报, 2015 (1) .

[2]全小珍.论情报机构如何开展企业信息情报服务[J].企业科技与发展, 2012 (10) :1674-0688.

[3]程刚.可制造闭环供应链经济性分析及价值补偿机制研究[D].天津:天津大学, 2011.

大数据时代的档案数据整合研究篇7

随着网络技术和计算机软件技术的快速发展, 越来越多的行业引入了云概念, 将传统的单一独立系统变成可以数据集成共享的统一系统, 在云计算系统中, 云计算成为当前研究的热点, 其通过海量的信息将数据的量变转换为系统的质变, 从而解决日常生产运营的各类问题, 相关文献将其成为“ 大数据”。随着大数据时代的到来, 商业、工业以及其他国民经济领域将逐渐依赖于大数据的分析和决策。大数据时代的档案数据的整合也成为档案管理部门研究的热点和关键点。档案数据的整合包括数据的存储、数据的挖掘以及数据的保护。档案管理将通过档案数据整合实现大数据的处理。本文将结合实际工作经验, 对大数据时代的档案数据整合进行分析和研究。

二、大数据时代的档案数据整合

( 一) 相关概念及技术应用

当前大数据渗透到人们生活的各个方面, 而在档案管理方面其甚至突破了原来的简单衔接实现的资源共享和工作协同, 而是将现有的大数据视角下的所有与档案相关的数据信息资源进行整合, 通过大数据、档案信息以及整合进行集成方面的剖析。在大数据时代的档案数据整合通过对网络技术、计算机技术以及数学算法运算等技术手段, 借助社会组织单元之间的协同合作, 将分布零散在不同的领域, 不同的行业的大数据资源通过一定的规则进行联接, 实现了一个具有程序化、一体化和科学合理化的管理整体。因此, 大数据时代的档案数据整合应用的技术主要包括: 系统集成技术; 计算机网络信息安全技术; 数据分类、检索和索引技术; 数据存储与数据压缩技术。

( 二) 大数据时代的档案数据整合实务

我国自引入档案大数据整合以来, 各地对档案信息化进行了颇有成果的探索, 构建了一定规模的技术设备和管理系统, 而当前由于体制方面的、管理方面的不够成熟还存在着各自开发、各自成系统的情况, 这导致数据接口不一、数据共享难, 对于大数据时代来说, 单一的共享原则上不算共享。而如上所述, 由于技术应用环境的不同, 当前多数信息系统处于一个无统一管理、无全共享的环境。后台数据库更是由于开发者的独立开发和数据接口设计的不一导致数据库的数据结构等技术方面共享出现难题。实际工作中, 我们更愿意将其联接成一个可以简单、快捷的数据库群, 实现大数据的自由、高效的流动与交互, 从而实现系统的有序化和统一化。从这一点上来讲, 大数据时代的档案数据整合必须实现技术上的信息整合。

与技术整合相对应的是管理方面的整合, 这也是档案数据整合的核心部分。大数据时代的档案数据整合工程是一个复杂的管理工程, 不仅需要档案资源整合技术的支持也需要科学管理方面的整合, 营造与其相匹配的管理环境。因此实践中必须有统一的管理协调单位对整个整合工作进行统一调配和管理, 并与此同时实现整个数据整合工程的监督管理体系的监理, 对工程的实施进行监督。最后树立合理的数据整合观念意识, 实现对数据整合工作的智力支持, 与此同时, 制定相应的规章制度, 促进相关组织单元的互相交流和学习。

最后, 面对当前越来越严峻的网络安全隐患, 档案数据的整合在大数据时代也有其自我的要求。此处的网络数据安全方面的考虑也可以称为安全整合。安全整合在于对档案馆 ( 室) 内部所已整合的、待整合的、正整合的大数据进行有效的保护, 使其不容易从外部进行非法的篡改、破坏和泄露, 确保相应数据的完整性、机密性和真实性。另一方面必须确保档案信息的完整性, 对身份认证、信息加密以及访问控制等软件信息完整性进行有效整合, 确保档案数据的资源不被篡改和盗窃。

( 三) 大数据时代的档案数据整合模式

按照当前大数据的具体需要和相关规范标准, 当前大数据时代的档案数据整合必须解决三个主要问题, 分别是数据采集与处理、数据基础技术问题和数据分析应用问题。因此, 大数据时代的档案数据整合模式可以通过设计相应的三个层次进行实践设计, 一是数据融合处理; 二是平台融合; 三是服务融合。数据融合通过统一的数据接口标准对当前存在的档案信息系统及其相关的信息系统进行异构异地数据的存取和开放。因此, 数据的接口标准及相关开放规范是数据资源融合的基础和关键。这个过程是一个较为统一的管理过程, 相关管理部门在权衡数据资源利益与开放资源收益方面必须有较好的处理方式, 相关文献指出解决大数据利用带来的价值分配问题需要法律及相关的行业标准和制度依据。再之, 数据融合归根到底必须构建一个能够统一管理、具有层次化的数据中心管理平台, 对来自包括档案信息系统在内的各个数据主体和行业数据进行统一管理和价值分配。

其次, 对于平台融合而言, 基础设施是上述大数据管理的基础, 也是数据融合的重要手段。大数据时代的档案数据融合也是一种信息技术问题, 其必须在实际工作中解决包括数据采集、数据处理、数据分析、数据安全以及数据存储共享等多个现代信息技术关键问题。因此平台融合讲到底还是技术融合, 如何利用现有的网络技术、计算机技术、数据库技术、数据挖掘技术、机器学习技术、云技术等多种新技术进行数字资源平台的搭建是平台融合的关键问题, 也是大数据时代档案数据整合的核心所在。

最后, 大数据的利用和开发目的在于为决策者、管理者以及其他服务享受者提供一站式综合服务, 因此服务融合的主要目标在于如何对现有大数据的分析和利用。实践中, 服务融合更多指的是以大数据和平台为实现基础, 进行数据采集、分析和共享等, 为特定的用户提供特定的服务, 实现最终数字资源融合。

三、结束语

档案数据作为采集具有历史价值和实现现有价值的数据信息, 其为社会经济发展提供了较好的基础数据和生产要素支持。大数据时代下的信息化建设也是我国当前信息化建设的一个重要组成部分, 因此, 大数据时代下的档案数据整合是具有较强实践意义的一个工程, 既是大数据时代信息化的实质要求也是当前档案信息化建设的重要内容。因此, 我们必须利用当前的关键技术, 在大数据时代的环境下抓住机遇, 挖掘大数据背景下的数据资源, 对档案信息进行整合, 使档案数据能够安全、便捷面向大众, 促进自我价值的提升和行业的进步。

参考文献

[1]孙玉玲.大数据时代数字出版产业的发展趋势[J].出版发行研究, 2013.

[2]马建光, 姜巍.大数据的概念, 特征及其应用[J].国防科技, 2013.

大数据时代下信息数据安全的探讨篇8

根据IDC (互联网数据中心) , 预计在2017年将达到530亿美元, 同时Google趋势反映出大数据的关注度, 表明我们已经进入到大数据时代, 所以各国在大数据方面提出了自己的发展部署。2012年3月, 白宫网站发布《大数据研究和发展计划》, 提出将通过收集庞大并且复杂的数字资料, 获得知识和洞见以提升能力, 并协助加速在科学上发现的步伐, 强化美国国土安全。欧盟启动了“未来投资计划”, 总投资3500亿欧元推动大数据等尖端技术领域创新。2013年9月中央政治局以实施创新驱动发展战略为题举行第九次集体学习, 主题之一就是大数据的发展情况。

1 什么是大数据

1.1 大数据的概念

顾名思义, 可将翻译为大规模数据或海量数据, 因为这些数据结构较为单一, 人们还能用传统的技术和方法进行分析和处理, 所以它并不能完全概括大数据的本质内涵。实际上大数据至今没有一个权威性的定义。麦肯锡称:”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。人们对于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”。亚马逊网络服务有一个简单的定义:“大数据就是任何超过了一台计算机处理能力的庞大数据量”。大数据在维基百科中定义为:”所涉及的数据量规模巨大到无法通过当前主流软件工具, 在合理时间内达到管理、截取、处理、并整理成为帮助企业经营决策更积极目的的信息”。综上意见, “大数据”被IDC定义为:为了更经济更有效地从大容量、高频率、不同类型和结构的数据中获取价值而设计的新一代架构和技术, 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。

1.2 大数据的特点

目前, 较为统一认识的是大数据具有四个基本特点:第一, 数据量大。从TB级别跃升到PB或EB级别。第二, 数据类型多。比如视频、博客、图片、音频信息等。第三, 价值密度低。比如在连续不间断监控视频中, 有价值的可能就是一两秒。第四, 处理速度快。有些数据的实时性非常强, 需要很快的速度来处理。

1.2.1 数据量大 (Volume)

这是大数据的基本属性。根据IDC估计, 到2020年, 全球数据使用量预计将达到35.2ZB。使数据规模增加的原因有很多, 首先是迅速发展和应用的互联网, 比如, 社交网络、搜索引擎等网站、传感器及移动网络等都在不停的产生数据, 促使当前数据增长比以往任何一个时期都要快。其次是随着不同传感器获取数据能力的不断提高, 获取的数据也越接近于事物本身, 描述事物的数据量也会增加。最后是采样的样本不断变大, 以前是用少的数据量描述大事物, 这样得出结论可能不准确, 随着技术的发展, 样本数目逐渐接近原始的总体数据, 高数据量带来高的精确性, 可以从更多的细节来了解事物属性, 同时所需的数据量也会显著增多。

1.2.2 数据类型多样 (Variety)

这是大数据的重要特性。当前的数据存储、处理、查询都是基于数据格式统一、事先定义好的结构化数据。但随着互联网快速发展, 涌现出大量的非结构化数据, 由于非结构化数据没有统一的结构属性, 所以在存储时, 不但要存储数据还要存储结构, 这样增加了数据存储、处理的难度。目前人们上网不但要浏览新闻、网上购物, 还要发送微博、视频聊天及上传下载文件等, 那么这些数据大部分是非结构化数据。综上所述, 即将处于主流地位的非结构化数据量已占到总数据量的75%以上, 且增长速度比结构化数据快, 那么数据的分析和处理将面临挑战。

1.2.3 数据处理速度快 (Velocity)

大数据分析区分于传统数据挖掘的显著特征。随着微信、移动网络等信息传播、获取技术的不断发展, 数据的产生也更快速和方便, 产生数据的量也越大, 即呈新摩尔定律式的快速增长, 不断产生的数据也要求有相应的处理速度来匹配, 才能使得大数据发挥有效的作用, 否则快速增长的数据不能给解决问题带来优势, 反而变成一种负担。同时, 网络中的数据是不断变化的, 通常这种数据的价值会随着时间的变化而降低, 如果数据在规定的时间节点内没有得到有效快速的处理, 那么这些大量的数据就失去了其存在的价值。此外, 在许多环境中要求能够实时处理新增的数据, 比如在京东, 亚马逊、淘宝等电子商务网站中, 就具有很强的时效性, 大数据以数据流的形式产生、消失, 且数据量的产生表现形式不是一条直线形式, 而是呈现为波浪式, 这就要求对大数据的处理要快速、实时、持续。

1.2.4 数据价值密度低 (Value)

这是大数据的重要特性。从统计学角度看, 可以对传统的结构化数据进行采样, 然后进行抽象、分析和归纳等处理, 那么在进行采样时, 样本越大, 所得到的统计结果也就越接近于事物本身。但是对于大数据通常是直接采用全部数据, 由于省去了归纳和采样, 就包含了所有的数据信息, 保障了分析结果的可靠性, 但同时也带来了许多无用的信息, 所以大数据关注的非结构化数据的价值密度偏低。如果能将它们“提纯”并迅速处理为有价值的信息, 就相当于掌握了一把能够开启宝藏大门的钥匙。目前, 如何通过强大的机器算法更迅速地完成数据的价值“提纯”, 是大数据时代亟待解决的难题。

2 国内外开展的相关工作

美国政府由于意识到大数据技术的重要性, 所以将大数据看作“未来的新石油”, 把其作为战略性技术进行大力的推动, 于是, 在2012年3月宣布投资2亿美元资金启动“大数据研究和发展计划”, 大力改善和推动与大数据有关的政策, 组织和分析工具和技术, 以提升美国利用收集的庞大且复杂的数字资料, 提炼真相的能力, 协助工程领域创新步伐、加速科学, 转变教育和学习模式, 强化美国国土安全。

国内对大数据的应用主要集中在能源/制造、公共事业、金融等三大领域。2011年12月工信部发布了物联网“十二五”规划, 把信息处理技术作为4项关键技术创新工程之一被提出来, 其中包括了海量数据存储、数据挖掘、图像视频智能分析, 这都是大数据的重要组成部分。2013年11月国家发改委正式批复同意, 国家超级计算天津中心建设“面向新兴产业的大数据处理技术研发与应用”国家地方联合工程实验室。这也是目前国家发展改革委在大数据领域批准的第一家工程实验室。这些都说明了大数据得到了国家层面的充分重视。

3 大数据技术

大数据的核心思想是对数据采集、处理、加工、挖掘、分析等, 把数据资源转化为有价值的信息, 为政府部门、企事业单位和个人创造经济价值和社会价值。

3.1 大数据采集

随着互联网、云计算和物联网的迅猛发展, 传感器、RFID射频、移动设备及社交网络等方式所产生的各种类型的非结构化、结构化的海量数据, 要获取这些数据, 必须要解决针对大数据源的感知、识别、适配、传输、接入等技术。主要是提供大数据服务平台所需的虚拟服务器, 物联网资源和非结构化、半结构化和结构化数据的数据库等基础支撑环境, 重点要攻克分布式虚拟存储技术, 大数据获取、挖掘、分析等操作的可视化接口技术, 大数据的压缩技术、网络传输与大数据隐私保护技术等。

3.2 大数据存储

从海量数据时代开始, 大量数据的长期存储、数据迁移一直都是研究的主题。目前主要存储方式有:存储局域网络 (SAN) 、网络附加存储 (NAS) 、直接外挂存储 (DAS) 和IP SAN等。这几种存储方式虽然是不同时期的产物, 但是各有特色, 数据中心往往是根据要处理的数据对象和自身的服务器数量进行选择。此外, 最近这云端存储非常流行, 其实就是一种虚拟化的存储。所谓虚拟化, 就是将原有的服务器中的硬盘空间划分为若干个独立的小空间, 这样在一台服务器上就可以提供多种存储服务, 既节约存储成本, 又提高了存储效率, 也是异构数据平台的最好选择。

3.3 大数据挖掘

数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中, 提取隐含在其中的、人们事先不知道的、又是潜在有用的信息和知识的过程。海量数据挖掘一直是热点和难点, 也是一种决策支持过程, 它主要基于人工智能、数据库、模式识别、机器学习、统计学、可视化技术等, 高度自动化地分析大量数据, 做出归纳性的推理, 从中挖掘出先前未知的并有潜在价值的信息, 帮助决策者调整市场策略, 减少风险, 做出正确的决策。

当前非结构化的数据是按TB级别增长, 以至于达到PB、EB级别, 因此无法使用常规的工具或技术来处理。由于大数据的规模是不断在扩大的, 所以在数据挖掘过程中要考虑其增长带来的影响, 因此, 大数据的挖掘需要采用云计算技术和分布式挖掘, 目前较流行的且适用于各种类型的大数据挖掘工具是Hadoop, 这个工具具有高效、高扩展、高可靠性和高容错率等特点。

3.4 大数据分析

众所周知, 在全部大数据中, 大约有80%是非结构化和半结构化数据, 而被利用的数据很少, 大部分的非结构化数据尚未得到开发利用, 所以最重要的是对大数据进行分析, 只有通过分析才能获取很多有价值的信息。那么越来越多的应用涉及到大数据, 而这些大数据的属性, 包括速度, 数量, 多样性等都是呈现了大数据不断增长的复杂性, 所以大数据的分析方法在大数据领域就显得尤为重要, 大数据分析普遍采用统计方法来进行。统计与分析主要利用分布式数据库, 或者分布式计算集群来对存储于其内的海量数据进行的分类汇总和分析等, 以满足常见的分析需求。

4 大数据面临的机遇和挑战

由于大数据会给企业和组织带来有价值的信息, 所以会形成以大数据为中心的一个完整的产业链, 在这个链上的每个节点即会产生相应的价值。但由于大数据是个新兴的产业, 所以在技术不成熟, 人才稀少及安全方面都会有一定的挑战。

4.1 机遇

大数据打破了传统信息体系架构, 将数据仓库转化为具有信息共享和连接、流动的数据池。大数据技术使人们可以利用非结构化的数据类型, 分析出有价值的信息, 从而使企业组织更加高效和智能。

(1) 大数据的应用和挖掘成为核心, 将从多个方面创造价值。大数据从采集、传输、存储, 一直到数据的挖掘和应用, 在这一系列的过程中, 会产生出多个方面价值, 这将会影响企业未来的运营模式。

(2) 在大数据使用中, 安全尤为重要, 这为企业带来发展契机。随着移动互联网、物联网等新兴IT技术迅速发展, 有价值的数据无处不在, 这对信息安全提出了更高要求。同时, 基于大数据领域出现的产品与技术将为安全分析提供新的可能性, 信息安全贯穿于大数据产业链的各个环节, 这将推动信息安全产业的大发展。

4.2 挑战

大数据发展在面临重大机遇的同时, 也面临一些挑战。

4.2.1 信息安全问题

目前, 人们生活越来越多地与互联网发生关联, 每天产生大量的数据, 如何防止非法用户对数据被篡改或窃取, 这不是一个防火墙就能满足安全要求的, 而目前中国相关法律法规还存在许多空白, 互联网监管还存在一些漏洞, 所以必须采取专门针对大数据的安全保护措施, 以满足大数据应用带来的新的安全需求。

4.2.2 人才和技术问题

设计和实施大数据解决方案, 需要专业化技术和工具, 包括建模、统计学、自然语言处理和可视化技术。目前, 我国数据产业发展仍然存在一些短板, 如核心技术缺失, 相关工具软件少, 复合型人才匮乏, 政府数据开放程度低等。大数据产业的发展, 不能光靠炒概念, 而是要遵循市场规律, 努力的把短板补上。

4.2.3 数据存储的问题

目前, 所产生的数据量正呈新摩尔定律增长, 但就数据的保存和管理来说, 目前的技术改进并不大, 而数据的易失性风险却在增加。大数据的存储将会是一个非常严重而现实的问题, 但最后还是要依赖于硬件进行处理和计算的, 所以硬件的更新换代将是大数据发展的基础。

5 结束语

随着人们对大数据的认识不断提高, 数据也将被越多的企业当作一种无形的资产, 那么与大数据相关工具的研发也将受到企业的重视, 处在大数据产业链中各个结点也将受益, 也将逐步提高自身的素质及服务水平。

摘要：随着移动互联网、便携设备和云计算技术的发展, 人类社会进入了“大数据”时代。人类产生、获取、处理和存储的数据量正以指数级别增长, 这样改变人类的生活、工作和思维方式。伴随着机遇和挑战的同时, 也有大数据本身安全问题, 如何解决这些问题, 并挖掘出有价值的信息是具有十分重要的意义。

关键词：大数据,数据挖掘,关键技术,信息安全