大数据时代的全新挑战

大数据时代的全新挑战（共7篇）

大数据时代的全新挑战 篇1

大数据时代的来临, 带给我们众多的冲击, 每个人都应当与时俱进、不断提升, 放弃残缺的守旧思想, 大胆接受新的挑战。牛津大学维克多教授曾说过, 新时代的到来, 将引爆一场“哥白尼式的革命”, 对大数据技术的成功运用, 将会改变我们的日常生活、企业决策, 乃至政治治理的形态、结构, 带来惊人的政治、经济、社会和文化效益。

“大数据时代”的降临对社会造成的影响是全方位的, 具体可分为三种变化:第一, 人们处理的数据从样本数据变成全部数据;第二, 由于是全样本数据, 人们不得不接受数据的混杂性, 而放弃对精确性的追求;第三, 人类通过对大数据的处理, 放弃对因果关系的渴求, 转而关注相互联系。这一切都代表着人类告别了总是试图了解世界运转方式背后深层原因的态度, 从而走向了仅需要弄清现象之间的联系, 以及利用这些信息来解决问题的阶段。

那么, 大数据时代的巨大变革, 又将会为我们带来哪些全新的挑战?

第一, 大数据将成为各类机构和组织, 乃至国家层面重要的战略资源。在未来一段时间内, 大数据将成为提升机构和公司竞争力的有力武器。从某一层面来讲, 企业与企业的竞争已经演变为数据的竞争, 工业时代引以自豪的厂房与流水线, 变成信息时代的服务器。重视数据资源的搜集、挖掘、分享与利用, 成为当务之急。

第二, 大数据的公开与分享成为大势所趋, 政府部门必须身先士卒。正如李克强总理所强调的, 社会信用体系建设包括政务诚信、商务诚信、社会诚信的建设, 而政务诚信是“三大诚信”体系建设的核心, 政府言而有信, 才能为企业经营作出良好示范。作为市场监督和管理者, 政府应首当其冲推进政务公开, 建设诚信政府。

第三, 机构组织的变革与全球治理成为必然的选择。在工业时代, 以高度的专业分工形成的韦伯式官僚制组织形态, 确实具有较高的效率。然而, 这种专业化分工一旦走向极致, 就容易出现分工过细、庞大臃肿、条块分割等弊端, 无法有效应对新的挑战。而大数据技术则提供了一种解困之道:在管理的流程中, 管理对象和事务产生的数据流只遵循数据本身性质和管理的要求, 而不考虑专业分工上的区隔, 顺应了全球治理的需要。

目前, 以互联网为主的技术服务能力对大数据的处理和挖掘尚处于起步阶段;未来, 随着技术的成熟, 会有更多有价值的数据从海量的大数据里发掘出来, 进而创造出更大的价值。

大数据时代的机遇与挑战 篇2

在2012年7月《大数据》出版以前, 英国经济学家维克托·迈尔·舍恩伯格出版了《大数据时代》, 该书畅销全球。

最早提出“大数据”的是全球知名咨询公司麦肯锡。该公司认为:“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与运用, 预示着新一波生产率增长和消费者盈余浪潮的到来”。其实, “大数据”早已存在, 但由于互联网与信息技术的进步而凸现出来。

由于大数据的巨大影响力, 对数据的采集和整合能力, 对数据的分析与决策能力以及精确、快速反应能力与行动能力成为一个国家、一个企业的综合实力与核心竞争力。联合国2012年发布了大数据政务白皮书, 美国投入2亿美元拉动大数据相关产业发展, 将“大数据战略”上升为国家意志, 认定大数据是“未来的新石油”, “是陆权、海权、空权之外的另一种国家核心资产”。麦肯锡认为“大数据是下一轮创新、竞争和生产力的前沿”, “对于企业来说, 海量电子数据的应用将成为未来竞争和增长的基础”。IBM认为“数据将成为一个行业当中决定胜负的根本因素, 最终数据将成为人类至关重要的自然资源。”

涂子沛写的《大数据》, 通过讲述美国半个多世纪信息开放、技术创新的历史, 特别是奥巴马总统上任以来所进行的以大数据为核心进行的一系列创新, 给美国政治、经济、社会变革的一系列挑战与变革。对照中国的现实, 差距在哪里, 要补什么, 路该如何选择。读了给人以无比巨大的压力, 又给人以无比巨大的动力。涂子沛引用了胡适与董仁宇两位名人的话, 胡适讲, 中国人习惯于做“差不多先生”, 凡事马马虎虎, 不求精确, 董仁宇认为, 中国不懂得用数字来管理国家。从总体讲, 这一观点我非常同意, 但其实中国的文明史也是一个精确的数据史, 但拥有数据不一定会用数据, 不一定成为财富。我们常讲, 中国人不认识中国, 就是缺“大数据”这一软实力。在我们的日常工作中, 常常是数据不是真实的, 数据的采集不是全面的, 数据的分析不是科学的, 数据的预测是有水分的, 决策很大程度是拍脑袋的, 所以不能不出问题。毛泽东讲, 没有调查就没有发言权, 现在要讲, 没有数据就没有发言权。干部要学会用数据说话, 以理服人, 以数据服人。

我在2013年5月《商业价值》刊登的一篇文章, 讲到林彪的一个故事, 1948年10月14日, 东北野战军攻克锦州后, 又挥师北上, 与从沈阳出来增援的廖耀湘兵团20余万人迎头撞上, 混战在一起, 战局瞬息万变。一天深夜, 值班参谋正读着一份遭遇战的战报, 林彪听着听着, 突然叫“停”。他问周围的人:“刚才念的在胡家窝棚那个战斗的缴获你们听到了吗?”周围的人满脸都是睡意和茫然, 因为像这样的战斗每天都有几十起, 只是枯燥的数字稍有不同。林彪见无人回答, 便接连提出3个问题:“为什么那儿缴获的短枪与长枪的比例比其他的战场略高?为什么那儿缴获和击毁的小车与大车的比例比其他的战场略高?为什么那儿俘获和击毙的军官与士兵的比例比一般歼敌略高?”人们还没来得及思索, 林彪已指着军用地图说:“我猜想……不, 我断定!敌人的野战指挥所就在这儿!”随后, 林彪命令全力追击从胡家窝棚逃走的那股敌人。廖耀湘刚刚还在庆幸自己在意外的遭遇战中幸免于难, 很快就发现被漫山遍野的解放军团团围住, 还不断有人高呼“矮胖子, 白净脸, 金丝眼镜湖南腔, 不要放走廖耀湘”的顺口溜。压力如此之大, 只好举手投降, 辽沈战役就此尘埃落地。这是数据分析的一个典型案例。

大数据时代大学教育的机遇与挑战 篇3

早在2011 年5 月,麦肯锡公司[1]发布的《大数据: 下一个创新、竞争和生产力的前沿》报告中指出: 大数据的规模以及其存储容量正在迅速增长,大数据已经渗透到各个行业中,成为重要的生产因素,成为可以与物质资料和人力资本并论的生产要素。正如马克思[2]所说“各种经济时代的区别,不在于生产什么,而在于怎样生产,用什么劳动资料生产。劳动资料不仅是人类劳动力发展的测量器,而且是劳动借以进行的社会关系的指示器。”大数据的演进与生产力的提高将产生直接的关系,大数据将成为重要的生产资料。同时,用于大数据分析的关键技术包括云计算、数据仓库、Big Table等日趋成熟,使大数据的整合、处理、管理、分析成为可能。2013年,被称为“大数据时代元年”,标志着大数据时代的正式开始。进入2013 年,“大数据”走入了我们的生活,对各行各业产生了深刻的影响,每个行业的经营模式、生产模式、管理模式等正产生翻天覆地的变化,也为各行业带来了改革的契机。维克托·迈尔·舍恩伯格[3]在《大数据时代》中指出: “大数据开启了一次重大的时代转型。大数据正在改变我们的生活以及理解世界的方式,成为新发明和新服务的源泉,而更多的改变正蓄势待发……”大数据时代不仅仅包含着各种类型数量众多的数据,更重要的是代表了快速取得并有效利用有价值资料的能力。在大数据时代到来之前,由于定量研究是建立在假设和有限的抽样数据的基础上,使得定量研究复杂而缺乏准确性,大数据时代将彻底改变这一状况,它可以让纷繁复杂、单调枯燥的数据变成可以说话的信息,它的实质不仅在于大量的占有数据,更多的是提供了预测性和前瞻性的信息和知识。淘宝、京东等众多购物网站可以根据顾客的浏览历史数据判断出顾客的喜好和最近的需求; 沃尔玛等跨国连锁超市可以实现从啤酒、尿布、日用品等全系产品销售数据的分析,以此实现准确的物资仓储储备; 美国洛杉矶警局利用各类案件的大数据的分析来合理安排巡逻车和布置警力。这些无疑不是大数据预测性的体现。大数据的预测性帮助我们在特定的背景下提炼出数据潜在的规律,从而指导实践,提高效率。

2 大数据时代给大学教育带来的深刻影响

麦肯锡公司发布的《大数据: 下一个创新、竞争和生产力的前沿》报告中指出: 大数据的有效应用可以创造出巨大的潜在价值。运用在教育领域也势必通过多种方式创造价值,第一,在大学教育中,让原本互相分离的部门之间更加容易的获得相关的数据就可以使教学方案、教学计划、教育回馈等实现并行,大大提高教学效率; 第二,随着大学创造并储存更多数字形式的教育数据,应能够通过对比实验,提供更具有学习效果的教学方法; 第三,利用大数据对学生进行具体的细分,可以精确的制定更具有个性化的教学方案; 第四,在大学教育中利用大数据可以提供算法研究进而形成成熟的分析方法,可以改善教育决策的科学性,实现教育决策的风险最小化。大数据在大学校园里是无处不在的,网络、计算机及智能手机的普及让大学生的社交活动、在线学习,日常的信息管理等都成为大数据的主要来源。这些大数据在技术支持下将为教学本身提供数据驱动的检测,同时也给大学教育带来了深刻影响。首先,大数据时代的大学教育,学生的学习、老师的教学都发生在数字的环境中。大学教育所依赖的教学工具,电子教科书、数字化讲坛、甚至是大学本身都将是大数据获取的平台。在这个数字平台中,大学将收集以往无法收集或即使收集起来也没有反馈的数据,如大学生在线课堂的反馈、网络课程的中途退出、电子教科书上的标注、图书馆的借书记录等等都将被记录并进行处理。在这一过程中,大数据有能力将数据的生成、处理分析、利用分隔开来分类利用。其次,大数据时代大学教育可以实现符合每名学生的个体需求,而不是为一组类似的学生定制的个性化学习。传统的大学教育系统是基于平均水平的设计的教学方案,那么一定会同时伤害位于正态分布曲线两侧的学生。大数据时代学生将在各自的多媒体学习平台进行学习、互动,老师给的教学回馈也将是具有针对性,真正实现维克托. 迈克. 舍恩伯格所说的: 实际上是“一个尺寸适合一个人”的方式。最后,通过对大数据的分析,通过概率预测优化学习内容,学习方式和学习时间等具体内容。在大学教育这个数字平台,将更全面的发挥“预测”这个大数据最重要的功能,帮助我们更加准确对学习内容、学习的方式和时间进行精准的安排设置,提高整体效率。

3大数据时代大学教育面临的发展机遇

( 1) 单向度反馈向多向度反馈的变革。在传统大学教育中,反馈随处可见,课后作业、课堂参与、出勤率、论文及考试成绩等分数,都是学校及老师给学生及家长的反馈,但这种反馈几乎都是单向度的,即由教师和学校指向学生和家长。这些分数代表着学生在学校的学业表现,同时社会及用人单位也依赖这些分数作为衡量学生的学习行为的指标。现行的教育反馈只是对学生的学习表现进行打分,然而校方却很少评价自身,更不会全面和系统的对自身的教学进行评估,也不会对采用的教科书、测验和课堂讲解等教学内容和手段是否对学习有益进行衡量。大数据时代的到来正在彻底改变这一现状,大学将能够收集到过去无法获取的学习数据,并用于学习过程的处理。大数据还能使用新的方式组合数据,并充分发挥其作用以提高学习理解和学业表现,同时将分享给教师和学校管理者以改善教育系统,完成校方与学生的双向反馈。在传统大学教育中,学生在阅读教科书过程中,有的段落和篇章进行了反复阅读,那么是因为其讲述的内容丰富有趣,还是晦涩难懂,都无从可知。学生是否在特定的段落进行了标注及笔记,为什么这么做? 学生是否在中途就已经放弃了阅读? 如果是,放弃的位置是在哪里?这些问题传统方法无法给出准确答案。直到大数据时代的到来,才找到可行方案。当教科书出现在电脑上,上述的信息不仅可以采集还有可以进行处理,可是实现学生、教师、出版商之间的反馈。在传统大学教育中,也有专门的审核委员会对大量教材进行审核,但委员会的评估工作往往存在局限性,他们可以对内容的精确程度进行检验,并与公认的教学标准进行比较,但是缺少了解教材是否对学生有效的实证方法。在大数据时代,教科书出版商通过分析电子书平台上的综合数据分析,清楚地分析教科书中的有效内容和无效内容,以此作为完善写作的基础。在过去,教科书信息的反馈是单向的,即从出版商到学校,在大数据时代,信息的反馈是多项进行的,实现与校方、学生、教师、出版商的多项反馈。

( 2) 大学教育组织结构的变革。大数据时代大学的教学环节必然与大数据技术紧密相连,传统教育机构的组织管理机构势必作出调整与适应。

第一,大学教育将出现新的职业分工,大学数据的分析、处理和在教学中应用必须有专门的技术人员来完成。由一位对冲基金分析师创建的可汗学院,大数据成为了该学院运作的核心。截止2013 年年底,这个非盈利组织共有50 名员工,其中有10 人专门从事数据分析并取得了骄人的成绩。因此,专业的数据管理人员,数据分析人员,数据开发应用技术人员必将成大学教育中的新成员。

第二,大学组织管理机构的重组。数据之所以在大学教育中可以发挥巨大的作用,其中最重要的原因就是大数据能够迅速反映知识在各个环节传递中所遇到的问题和发生的状况,具有数据价值的时效性。校方的政策执行过程中的数据、老师教授过程的数据、学生学习过程中的数据都会第一时间被收集、分析、挖掘。

分析的结果也会实时呈现出来,如果还是通过传统的直线型或智能型的组织结构模式,很难在有效的时间内将数据分析结果快递下去。为了适应大数据时代信心的快速响应及传播的要求,扁平化的大学组织管理机构将成为大数据时代发展的趋势。

( 3) 提供个性化的教学方案。至今为止,大学的教学方式虽然进行了很大的改变,学生可以进行诸如小组讨论等多种方式的学习,但从本质上看并没有什么不同。学生们接受相同内容的课程学习,使用同样的教材,做着同样的习题。大数据时代的来临将给大学教育注入新的活力,大数据时代的预测性和前瞻性,为大学教育的个性化教学提供了可行前提。在大学校园,能够借助大数据对学生的学习情况进行记录及分析。学生普遍使用的QQ、微信、微博等社交网站、图书馆、网络课程、在线教育平台等可以记录并分析学生的每个学生的思想动态、家庭背景、考试成绩、学习过程等等。这些数据不仅可以帮助学校完成学生各自的思想教育,还能有针对性的进行专业知识的学习,从而形成系统的,有针对性的教学方案。大数据能够实现学习知识的扁平化,不需要把学科的知识按照专业、科目、年级进行严格划分,而是构建学科知识库,通过大数据来分析和预测学生的学习态度、学习习惯、对知识的掌握程度、进而向每名学生提供合适的课程内容,恰当的课程进度,适宜的辅导教师及准确的课程形式。正如维克托·迈尔·舍恩伯格在《大数据同行》一书中举的案例[4]: 在可汗学院,教师通过控制面板取得学生的学习进度,学生也在系统中发挥积极作用。学生每一次与系统的交互都被记录下来,这些是数据用于分析,并向教师、学生及家长提供学习情况的反馈。

( 4) 科学的教育决策方法。教育决策方法一定会紧跟大数据时代发展,利用大数据的科学方法分析决策活动,改变以往的依靠经验进行判断,采用大数据的新技术和方法进行决定,保证决策的精准性和可靠性。第一,大数据时代使决策信息的获取与处理更加科学。现代决策理论创始人伯特. 西蒙认为在决策的过程中至关重要的因素就是信息,信息是合理决策的生命线。大数据的信息平台为信息的收集提供了基础,大数据的数据处理技术让信息变得更加有效。决策者可以根据收集和处理过的信息,及时掌握问题的本质,做出科学的决策,同时在其后的反馈中发现决策方案的偏差,做出调整,保证教育决策的有效性和科学性。第二,定量分析与定性分析相结合的科学决策方法。以往的教育决策往往是按照决策人的经历和主观判断做出的,而忽视问题的复杂性、环境的多样性进行分析,特别是在大数据时代,教育决策呈现出很多新特点和新问题,传统的定性分析已经不能满足实际需求,定量分析则可以弥补定性分析在微观上的弱点,对备选方案进行定性和定量分析相结合的基础上,可以提升备选方案的可比性,做出科学的判断。

4 大数据时代大学教育的面临的挑战

( 1) 大数据技术层面的挑战。大数据技术层面的挑战既包括计算机等硬件条件的制约,同时也包括大数据人才缺乏的挑战。2012 年10 月,美国教育部发布的《通过教育数据挖掘和学习分析促进教与学》的报告中指出[5]大数据在教育应用的技术挑战主要有3 个方面: 第一,大数据的应用基础是首先拥有大量的数据样本,那就会涉及到对海量数据的采集、分析、储存和整理的问题,包括计算机的数据处理能力、云计算的技术挑战; 第二,大数据在大学教育中应用,对采集到的数据进行分析,最终得出解决问题的方法是大数据的核心环节,那必然要面对数据分析技术的挑战; 第三,数据兼容性的挑战,大学教育中的数据是以多种形式存在的,不同数据在不同的存储系统中有着各自的编码和格式,造成不同系统间的数据可能无法共享问题。人才短缺的挑战也不容忽视,麦肯锡公司预测美国到2018 年将缺乏数据分析人才14 万~ 19 万人,这些人才不仅需要具备固有的数学能力和专业知识,还要经过长时间的培训。面对中国大学教育大数据的挖掘及使用较晚,能够驾驭大学教育大数据的数据工程师也必将成为稀缺人才,从而制约着大数据在大学教育中的应用。

( 2) 大学生个人隐私及信息的挑战。在大学教育中,我们一方面享受大数据时代带给我们的便捷和具有个性化的教学方案,同时我们也在大数据的采集中为此付出了代价。每名学生在数字化的校园已经变得完成透明,课程内容、学习的进展,甚至于晚饭吃的什么都被一一记录下来,每个人似乎没有隐私可谈。虽然有一些国家和法律对已经颁布了一些隐私保护法,来防止对个人信息的全面采集和长期储存。这些法律通常都会要求数据的使用者公布数据采集的对象及用途,并且必须征得本人同意后才可以使用。大数据的价值在于数据可以重复利用,但在搜集数据的初期通常不会考虑数据的下次利用。个人的教育信息是特别敏感的,它深入到每名学生的成长历程中,在教育中,可以允许通过个人数据改进学习资料、学习工具,学习方法等,但如果要使用这些数据来预测学生未来的能来,必须有更加严格的监督管理机制。那么如何保护好每名学生的个人信息,让数据的使用机构为自己的滥用行为承担责任。在这个道路中还有很长的路要走,还要清除很多的障碍,面临着巨大的挑战。

( 3) 理性对待概率预测。在大学教育中,大数据的预测将无处不在,它会以所有人为对象进行教育数据的全面收集,用于对未来的学习进行预测。比如斯坦福大学的吴恩达教授发现在一门机器学习的课程中,有超过一半的同学做错了“计算成本”的线性回归,但经统计分析在浏览过编号为830 的论坛文章的学生中,则有64% 不会再犯同样的错误。如有学生再犯这个错误时,就不需要学生的自行判断而是依靠大数据的预测为驱动手段,系统将自动推送这篇文章帮助学生解决问题,提高学习效果。在大数据时代诸如此类的概率预测比比皆是,那这些概率的预测是否会限制学生学习的自由选择,并最终影响到学习的效率的提高。就如上面的例子,如果没有大数据的预测和驱动,有些学生可能只需要将相关知识遗忘的部分进行简单的温习,而不是需要花费大量时间进行大篇幅的阅读。如何利用旧的个人数据进行预测,预测的结果也必须理性的看待。大学生作为每个个体,都要不断的成长、发展和变化,而收集到的数据却始终保持不变,这些数据只能显示在数据收集的那个时期学生一些学习状况,那么未来的预测是否也要加入这些数据的影响呢。也就要求数据分析人员积极谨慎地对待这些数据,客观的判断这些数据信息与现在的学生是否存在着关联的关系。正如维克托·迈尔·舍恩伯格在《大数据同行》一书中讲到: “全面教育数据带来的首个重大威胁,并不是信息发布的不当,而是束缚我们的过去,否定我们进步、成长和改变的能力。”

大数据时代大学教育面临以上3 个方面的挑战,还要面临一些其他挑战,其一,在大学教育中大数据意识及大数据观念淡薄,缺乏一些数据公开和数据共享方面的政策和制度,导致虽然产生了大量的数据但对数据的保存、利用不够。其二,如何确定数据的可信性,在大学校园数据无处不在,社会的数据、通过传感器收集的数据和网络空间的数据,但这些数据并不都是可信数据。大数据在大学教育中面临的挑战是多种多样的,有些涉及技术层面,有些涉及政策层面,还有些涉及大数据本身,面对这些挑战,教育者只有前瞻性地思考应对大数据时代大学教育的策略,才可以利用好大数据的潜在价值,推动大学教育的变革。

摘要：随着大数据元年的到来,大数据已经开始冲击着各行各业,并影响着大学教育的方方面面。大数据时代将改善学习的核心要素,给大学教育带来深刻的影响。在大数据时代大学教育由单向度反馈转向多向度反馈,为实现个性化的教学方案提供必要的前提。同时大数据在大学教育中的应用还将面临技术层面、学生个人隐私及预测结果的正确运用等多方面的挑战。

关键词：大数据时代,大学教育,机遇,挑战

参考文献

[1]麦肯锡公司.大数据:下一个创新、竞争和生产力的前沿[M].赛迪译丛,2012:3.

[2]马克思.马克思恩格斯全集[M].北京:人民出版社,2002:210.

[3]维克多·迈尔·舍恩伯格,肯尼思·库克耶.大数据时代[M].盛杨燕,周涛,译.杭州:浙江人民出版社,2013:270.

[4]维克多·迈尔·舍恩伯格,肯尼思·库克耶.与大数据同行[M].赵中建.张燕南,译.上海:华东师范大学出版社,2015:121.

大数据时代广电系统的机遇与挑战 篇4

大数据时代的到来是广电系统必须面对的事情。从某种程度上可以说,大数据的处理以及挖掘工作将是赢得未来市场的关键。新兴的互联网企业正在以惊人的速度和规模颠覆传统行业,而大数据正是互联网思维支持其跨界竞争的基础。贴近用户,改进体验,提升用户黏性,大数据正在成为互联网企业创新的新“武器”。直面挑战,传统的广电系统也需要重视并利用这一“武器”,在竞争中求发展。

1 广电系统的转变需要大数据支撑

广电行业的传统经营模式正在面临巨大的转变,数字化之后频道资源最大化和业务种类多元化带来了更多挑战。有线电视音视频内容将从以播出中央和地方电视节目为主的公共电视频道转变为基于双向互动的VOD视频点播和打包付费电视服务。将内容作为商品的理念转化是新时代广电系统需要面对的新课题,培养受众为电视内容付费的习惯,实现在付费电视市场的真正获利是未来发展的方向。

2 大数据可以成为广电营销新模式的基础

传统的广告与营销一直试图通过大众媒体的低成本传播,改变受众来把握其需求,做出市场预判,最终实现生产与需求匹配。随着用户可以接触的物质体验极大丰富,这种单向、前置化的营销行为带给生产者的风险越来越大。而基于大数据发掘的广电营销新模式能够大量将数据信息为核心点回馈给企业,作为其决策支撑,将单向的营销决策过程转变为闭环的回馈过程,实现营销从“经验”到“科学”的转变。

严格意义上这种回馈过程对广电系统并非全新的题目,但也正是这种惯性产生了某种误区,即将原有的收视率等抽样调查机制结合在营销模式上并加以创新,可以实现更深层次的消费洞察体系。这种依托传统的融入过程虽然更温和迅速,但却并不能适应碎片化的现实。碎片化的趋势随着受众心理的不断成熟、互联网技术的不断发展而愈演愈烈,让原本的消费者研究方式不能继续捕获受众的真实需求与欲望而失去了应有的真实性。社会结构的改变让抽样调查体系在面临抉择时更无所适从:原有的抽样设计已经无法控制误差,但盲目扩大样本数量会导致成本抬升而难以为继。

作为营销者,广电系统需要从根本上转变思维方式。在互联互通的网络支撑下,任何媒体接触都会留下痕迹,营销者可以利用数据和信息愈加透明的优势更清晰勾画目标消费者的轮廓。另外,网络化的媒体效应带来了受众的重聚。通过各种媒体互动平台,他们正在因兴趣和需求重聚,成为全新营销体系的基石。消费者的各种信息数据暴露在网络之上,他们的需求可以洞察。这些数据都与该群体的消费模式息息相关,所有的数据也都来自于个体的集合,这是互联网环境下的真实反馈,也是大数据时代广电系统营销重构的基础。

3 大数据是广电网络运行的催化剂

广电行业中有线网络运营商一直进行着数据应用系统的建设,成熟的数据库应用系统一直贯穿在广电网络运营业务中。业务支撑系统、呼叫中心话务系统甚至财务系统在日常运营中会产生大量数据。将这些数据进行整合,针对自身市场发展、决策分析挖掘出真正有价值的信息,才是利用这些资源的最佳方式。

在互联网思维的大背景下,视频、音频各方面的竞争将全面展开。当前情况下,广电网络运营商依旧享有视频方面的优势,几乎每个家庭都是广电网络的客户。对这些客户进行分析,了解其潜在需求、消费能力、消费习惯,利用决策树、聚类等统计技术对不同客户开展不同的关怀和优惠促销活动。数据发掘模型可以通过对受优惠政策影响的相关数据进行分析,多角度观察优惠政策的推出是否达到了预期效果。同时,根据已有数据,发掘受众属性、受众消费情况、服务属性等数据与受众流失概率的相关性,建立数学模型并给出流失概率计算公式,从而增大边际利益,在竞争中保持和发扬优势。

4 结语

尽管大数据在广电系统的普遍适用还面临着软硬件升级、技术标准提升等问题,大数据发掘本身也存在侵犯用户隐私、分析处理深度不统一等争论,但这都不能成为忽视甚至抗拒大数据作为广电行业发展趋势与颠覆性力量的借口。大数据体系对各个行业的基础架构将产生深远影响,广电系统应抓住这一机遇,领先转变思维,在可以预期的竞争中立于不败之地。

摘要：在互联网技术发展的时代大数据引领了全新的技术体系,通过采集海量级的数据及后期的存储、管理、分析、挖掘与运用服务于各行各业。基于此,分析了大数据体系对广电行业竞争格局的影响,并对发展战略进行了简要分析。

关键词：大数据时代,广电系统,广告营销,运营商

参考文献

[1]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].人力资源管理,2012.

大数据时代对财务审计带来的挑战 篇5

大数据不是指数据范围的大小, 而是一种能够更好的解决问题的方法。大数据是一种通过对大量复杂的数据进行收集和整理, 从中提取能够为企业所用的各种信息资料的技术手段。目前, 随着网络的不断发展, 各种网络购物平台也越来越多, 网络数据的总量不断的扩大, 企业可以通过网络采集到各种相关数据, 这就为大数据技术的应用创造了非常便利的条件, 加快了各个行业对大数据的进一步应用。

二、大数据时代给财务审计带来的挑战

(一) 提高了对财务审计人员保密性职业道德的要求

大数据时代的到来对于审计数据的安全性形成了一定的威胁。大数据时代数据处理、传播的速度非常快, 数据传播的手段也非常的隐蔽, 被审计单位及相关的部门很难发现审计人员是否遵循了保密性的职业道德要求。大数据技术能够把单一的、价值量不高的信息有效的整合, 使其价值成倍的扩大, 审计人员自身根本就没有意识到一些信息的利用价值, 无意中就泄露出去了, 不法分子利用微小的信息量, 把这一信息和其它的数据信息进行整合, 就形成了非常有价值的信息, 影响了被审计单位的经济利益, 违反了审计人员保密性的职业道德要求。尤其是财务审计业务开展的过程中, 对审计人员保密性的要求更高。

(二) 缺乏简单易行的数据库平台

大数据是一个新兴领域, 它涉及到的专业知识非常的多, 想要充分的利用大数据技术为审计行业服务, 就必须不断的降低大数据技术的运用难度, 让每一个普通的审计人员都能得心应手的运用大数据技术为审计工作服务。目前, 大数据技术在我国发展尚处于初级阶段, 大数据技术发展的并不是非常的成熟, 大数据技术的运用对审计人员各方面的素质都具有较高的要求, 很少有审计人员能够达到其要求, 审计人员一般都专攻自身的专业素质, 对于其他专业的知识缺乏时间与精力进行进一步的学习, 这就影响了大数据技术在审计中的应用。另一方面, 大数据的运行缺乏一个简单易行的数据库平台, 想要大数据真正的应用于审计就必须建立一个能够让任何一个普通的审计人员都能操作和使用的数据库平台, 只有这样才能进一步扩大大数据在审计中的应用范围。

(三) 对大数据技术的利用能力不足

大数据技术虽然对财务审计工作的开展非常有利, 但是由于目前大数据技术仍然处于初级阶段, 审计人员对于大数据技术能够为审计工作带来的作用的认识还很不到位, 很多的审计专家都没有意识到大数据技术将会给审计行业带来怎样的改变。财务审计人员意识上的不足阻碍了大数据技术在财务审计中的进一步应用, 审计人员不重视对大数据的应用。大数据技术属于现代社会中的一项新兴技术, 很少有人能真正的熟练的运用这项技术, 在审计行业中也很少有人能充分的利用大数据技术开展审计工作。

三、强化大数据时代财务审计应用的建议

(一) 建立健全的与审计相关的法律法规

大数据技术是现代社会的新兴技术, 我国的法律对大数据技术的应用缺乏健全的法律规范, 仅仅依靠职业道德很难对审计人员的具体行为起到限制作用。因此, 我国政府应该加大对大数据时代审计行为的法律法规的建设, 严格规范审计人员的行为, 保护财务及其它被审计单位的合法权益不受损害。尤其对于审计人员的保密性要进行严格要求, 杜绝审计人员通过任何方式对财务及其它被审计单位的相关数据信息进行泄密。通过法律的形式提升审计人员的保密性, 不允许审计人员以任何一种形式泄露审计单位的信息, 有效防止审计人员泄露一些他们认为不重要的却被一些不法分子利用的信息, 损害财务及其它被审计单位的经济利益。

(二) 加强对财务审计分析模型与审计软件的开发

普通的审计人员不能把大数据技术熟练的应用到审计工作中来, 这使得大数据技术不能充分的发挥其自身的作用。因此, 我们应该根据不同行业的需求不断的加大对大数据分析模型的开发与应用。对于财务来说, 应该加强对分析模型的的开发与应用, 研发简单易操作的审计软件, 让每个审计人员都能利用大数据技术来有效的提高审计人员的工作效率和审计结果的准确性。我们可以把审计数据的分析分为多种类型, 比如:查询型分析、挖掘型分析和多维分析等等。建立与之配套的审计软件, 建立简单易行的操作平台, 让审计人员在利用大数据进行审计的过程中更加的方便、快捷。利用大数进行审计所涉及的内容非常广泛, 在解决审计问题时, 需要多种类型的高端人才, 普通审计人员很难达到这种水平, 审计模型和审计软件的开发和利用能够让大数据时代的审计工作的可操作性更强, 利用审计模型和审计软件普通的审计人员都能充分的利用大数据技术开展审计工作, 提供审计工作的准确性和审计的工作效率。

(三) 提高对大数据认识与利用的能力

大数据时代运维管理面临的挑战 篇6

我们知道, 服务器集群环境不但提供了服务器的高可用性, 还延长了应用系统的运行时间。在内存不足、CPU负载偏高或者虚拟机遇到较高I/O压力时, 运维人员可以主动采取风险回避, 将VM从一个主机迁移到另外一个主机。如果是一个单机, 就面临着业务受阻的风险, 而在虚拟机集群环境中, 则可以通过迁移到其他主机直到问题解决。不只如此, 服务器集群还具有反应性容错的优点, 集群中的主机监控着所有VM的活动, 当一个节点失效时, 失效节点的负载就会被指派到另外一个替代的主机上。如果需要较长时间解决失效主机的故障, 只要替代它的健康主机有足够的资源, VM就会正常工作。

服务器集群的这些优点与它配置的复杂性是密不可分的。IT运维管理需要顺应虚拟机的灵活性, 虚拟机的迁移和扩容增加了配置管理的难度。配置的复杂性可能是集群最大的弱点, 建立集群框架、管理主机间的连通性、配置共享存储都不是简单的任务, 涉及到组织内部多个团队。运维人员也许不担心其复杂度的增加, 但这些在很大程度上都是技术性的工作, 复杂度的增加可能会导致遗漏某些东西而影响系统的稳定性。

二、虚拟化技术带来的不适应性

过去任何一台服务器上运行的数据库一目了然, 服务器连接的交换机和存储阵列一清二楚, 但自从动态数据中心采用虚拟化技术之后, 这种关系随之改变。业务系统可以位于服务器集群中的任何计算机节点上, 也可以利用任何存储设备的存储空间, 这造成了IT运维管理无的放矢。配置管理和性能监控是IT运维管理的重要内容, 只有知道IT环境里有什么, 才能做好控制、维护和提高运行效率。IT运维管理需随着技术架构的调整而改变。管理人员需要对虚拟网络、数据存储、虚拟机、ESX/ESXi主机数量、集群对象提供一种与之配套的运维管理工具, 通过管理工具, 实现对集群、虚拟机等状态的监控。这些监控关系到集群的健康运行, 以及对潜在问题的及时发现与干预。另外, 集群状态的监控和统计, 为我们合理管理调优集群提供了数据参考, 更大限度地提升整体利用率, 防范出现虚拟机密度过大或者利用率不足的问题。

三、硬件与应用的故障

硬件故障和应用故障同样是运维管理所面临的问题。服务器死机、硬盘损坏、电源、内存、交换机都有可能使服务停止, 糟糕的设计还有可能造成一台服务器的死机, 导致大面积服务停止的局面, 直接对用户拒绝响应。管理人员需要提供冗余机制来规避这种风险, 给系统工程师提供足够宽裕的时间。

四、训练有素的运作团队

大数据时代的全新挑战 篇7

1.1 大数据概念

大数据指那些数据量特别大、数据类别特别复杂的数据集, 指无法用现有的软件工具提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合。从数据的类别上看, 大数据指无法使用传统流程或工具处理或分析的信息, 定义了那些超出正常处理范围和大小、迫使用户采用非传统处理方法的数据集。

1.2 大数据的发展历程

大数据不是最近才有的, 数据一直存在, 只是分析数据的技术近几年有了革命性的突破。从20世纪60年代的数据处理, 到70、80年代的信息应用, 再到90年代的决策支持模型, 进入2000年后的数据存储和挖掘, 到现在的大数据。大部分与大数据相关的技术和分析应用是从2010年左右出现的, 故大数据时代正处于发展初期。

1.3 大数据技术

大数据技术指从各种各样类型的数据中, 快速获得有价值信息的能力。适用于大数据的技术包括大规模并行处理数据库、数据挖掘电网、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。

大数据中的数据量巨大, 不仅包括结构化数据 (如数字、符号等) , 还包括非结构化数据 (如文本、图像、声音、视频等) 。使大数据的存储、管理和处理很难利用传统的关系型数据库完成。在大数据之中, 有价值的信息往往深藏其中。需要对大数据的处理速度非常快, 才能在短时间内从大量复杂的数据中获取到有价值的信息。

1.4 大数据挖掘

大数据只是一个简称, 没经过挖掘的大数据只是没有利用的资源。大数据不是指一般意义上的数据挖掘, 由于不仅是数据量太大, 而且往往包括数据的维度也很多, 人无法处理, 必须用电脑自动处理, 以挖掘数据中的规律。电脑根据简单而巧妙的算法, 进行数据统计, 找出规律。只需要对大量历史数据进行统计, 搜集很多的数据, 就能够找出其未来的走势。

1.5 大数据基本特性

大数据主要是进行预测, 预测未来将会出现什么样的结果。不是只分析出过去的走势和现状, 因为数据量非常大, 统计出来的结果更接近于现实, 也比较正确。

大数据重要的是新用途和新见解, 而非数据本身。大数据不是随机样本, 而是全体数据;不是精确性, 而是混杂性;不是因果关系, 而是相关关系。其基本特性为:数据体量巨大、类型繁多、价值密度低、处理速度快。

2 大数据适用于消防工作

2.1 大数据已应用于国内外政府部门

大数据有多个来源, 包括互联网、企业、政府部门等。企业、政府和研究机构都能够从他们搜集的海量大数据中获取价值, 大数据应用领先的国家已实施大数据应用项目, 以提高国家运行效率、透明度、民众福利和公共事务参与度, 确保经济增长和国家安全。

政府部门可与企业一样, 将大数据应用于公共服务部门, 政府能通过大数据完成目标、任务、决策制定过程、决策者、组织架构和战略。部分国家如澳大利亚、日本、新加坡、韩国、英国和美国等已开始应用大数据。

2.2 纽约消防利用大数据预测火灾地点

纽约大概有100万栋建筑, 每年其中3 000栋可能会起火。纽约消防部门认为可以通过数据挖掘, 分析各部门所储存的文件, 列出那些容易发生火灾的高危建筑物来达到预防火灾的目的。纽约消防部门采用了大约60个不同的要素做了一个算法, 该算法为城里的33万可检查的建筑物均算了一个危险系数, 其中包括区域居民平均收入、建筑物年龄、是否存在电气性能问题等。从这些数据里计算出火灾危险概率, 并依此由高到低进行安全性排查, 当消防人员进行每周的例行检查时, 电脑就会根据分析结果给出一个列表, 提醒他们应优先注意哪些建筑物。通过这一方式, 有效提高了消防员的工作效率。

2.3 智慧消防需要利用大数据

2013年, 受各地智慧城市建设热潮影响, 我国智慧城市投资增长率达到20.2%, 比2012年上升了5.3%。大数据作为构建智慧城市必不可少的技术在其中发挥着重要作用。在这一背景下, 消防部门应把大数据打造成提升消防工作的手段, 把大数据作为改进工作方式、指挥模式和管理方式的强大推动力。

2.4 大数据适用于火灾控制与防御

消防工作利用大数据能更有效地防范火灾。大数据虽然不能给出正确答案, 但在很多时候能去除错误答案, 可使消防工作更具效率。大数据的全面性对消防工作非常有帮助, 可以避免传统方法中抽样的局限性, 使消防工作全面利用有效数据。利用大数据对火灾预防和扑救行为进行积极主动的判断不同于传统方法, 通过大数据分析预测火灾、防止火灾发生将成为发展趋势。

3 大数据时代消防工作的机遇和挑战

3.1 消防信息化建设为大数据的应用提供了基础

近年来, 消防信息化建设快速发展, 消防计算机网络基本延伸至中队级, 大部分消防业务均实现了计算机管理, 如119接处警、重点单位消防管理、消防审核验收、社会单位消防监督检查、警力装备管理、灭火救援指挥等均已实现了计算机管理。这些业务系统的应用, 对提高消防工作效率和业务管理水平发挥了很大的作用。

3.2 大数据时代消防工作面临的问题

(1) 多年来, 各地消防部门建立了大量的业务系统, 积累了丰富的基础数据源, 但由于建设时期不同, 以及建设过程中受当时技术和认识的局限, 数据分布极为分散, 造成了过量的数据冗余和数据不一致, 使数据资源难以访问、管理并获得有效的决策支持。消防部队的信息通常是综合性的, 并且与业务需要紧密结合, 当前业务系统只提供了技术的基础保障, 数据只是存储在数据库中, 并没有建立起不同角度的分析主题。

(2) 目前, 已有的消防业务系统大都分散独立, 互联性差、信息管理分散, 数据的完整性、准确性、及时性等方面存在较大差距, 形成了许多信息孤岛, 缺乏共享的、网络化的信息资源。而且, 大量数据分别存放在不同的业务处理系统中, 无法及时获取并有效综合分析信息。

(3) 近年来, 各地消防部队三级网络建设工作已基本完成, 大部分单位都已将光纤接入网络, 但现有网络信息资源的利用不够, 简单应用多, 交叉重复也多, 大多数的建设停留在对现有业务的模仿和简单计算机化, 能支持管理和决策的应用少。

(4) 数据统计偏低, 数据利用落后, 数据的后期利用不足, 挖掘数据所蕴涵的各类深层次信息不足。如对火灾形势与地区自然条件、经济发展状况、城市化水平、行业分布特点等方面的关系缺乏深入研究与把握, 无法为消防工作决策提供有价值的分析信息。

(5) 统计人员素质良莠不齐。消防部队火灾数据的统计是通过基层大、中队采集而来, 但各基层大、中队火灾数据采集、审核人员缺乏专业的培训, 且流动频繁, 数据采集、审核人员的素质始终得不到质的提高, 经常导致统计数据混乱, 格式不能统一, 统计管理水平受到影响。

3.3 消防工作如何用好大数据

数据本身不产生价值, 如何分析和利用大数据对工作提供帮助才是关键。要充分发挥大数据技术在消防领域的作用, 必须摒弃业务部门自建自用的传统方法, 以适用于新时期消防工作需要。

(1) 广泛收集数据。消防工作中在应用大数据时, 不仅要处理多个来源、不同格式数据集成等一般问题, 而且还面临一些特殊挑战, 最大的挑战就是数据收集。因为消防工作中搜集的数据不仅来自多种渠道, 而且有不同的来源, 甚至涉及在不同的政府部门和机构之间分享数据, 需要通过多种方式采集或接收外部的资源数据。

(2) 充分用好数据。通过安全、稳定、跨系统、跨地区等的消防信息综合应用系统, 实现各子系统统一, 达到整个消防信息资源共享的效果, 奠定数据综合应用基础。通过大数据技术, 为消防各级领导决策和相关业务部门提供消防综合信息查询、分析。

(3) 有效利用沉睡的数据。应唤醒沉睡在消防部队、研究机构、检验机构、认证机构中的数据, 更好地为消防服务。现在很多数据都是孤岛, 将这些数据联系起来, 能使消防工作决策和判断更加准确。

(4) 发展和应用新技术。大数据能改进消防工作效率, 我们必须发展新的能力, 并采用新技术, 通过数据采集和分析, 将大数据转变为有用的信息, 为实时决策提供帮助和支持。

(5) 数据共享。消防数据资源不但要服务于消防本身, 还必须为整个社会提供及时有效的信息服务, 与其他政法部门、政府机关、社会单位实现安全、有效的信息共享。如综合利用数据库同步技术, 实现消防信息网数据库与共享平台数据库之间的双向数据同步。

3.4 大数据在消防工作中的应用前景

(1) 火灾统计分析方面。火灾统计是消防工作的基础, 准确真实的火灾数据是分析掌握火灾发生规律、反映火灾危害程度、辅助消防工作决策的主要依据。科学有效地对火灾数据进行统计, 对于研判火灾形势、准确把握火灾规律, 做好火灾预防、过程控制、火灾处置工作, 有效预防和遏止重特大火灾事故的发生具有重要的指导意义。利用大数据进行火灾数据统计和分析, 对提高消防决策能力、推进消防事业快速发展, 创造安全、和谐的社会环境有着十分重要的现实意义。

(2) 防火监督方面。利用大数据技术, 在防火监督工作中进行数据采集、分析处理, 能最大限度地利用各类数据资源, 延伸防火监督的触角, 提升防火管理的能力, 提高防火监督工作的效率。可以有效地做到全面、实时掌握各类场所的防火安全动态, 构建全面、实时的防火监督管理体系。

(3) 灭火救援方面。在建立健全火灾危险源、灭火救援预案、人员装备等基础信息库的前提下, 通过大数据的运用, 可有效整合各类数据资源, 提升灭火应急救援指挥体系决策能力和效率。

(4) 科学决策方面。利用大数据进行大规模的数据储存和管理, 全面的信息收集和分析处理, 使各级部门能及时、全面地了解各项业务的进展情况, 为人员管理、业务管理、后勤保障等提供科学决策的支持。

4 大数据时代消防工作需要解决的问题

(1) 注重数据保护, 保护数据安全, 为大数据时代的消防工作提供可靠网络环境, 降低数据存储的安全风险。构建全方位、纵深化、专业化的安全体系, 包括安全基础设施平台、安全应用支撑平台和安全网络防护平台, 用大数据分析的方法去发现一些潜在的威胁, 通过需求分析、风险评估、风险处理、策略评估等各种技术手段建立信息安全管理体系, 建立更高的安全防范。

(2) 培养数据意识和数据素养, 为大数据时代的消防工作提供思想保障。随着信息技术的飞速发展, 具备良好数据意识和数据素养, 建立用数据决策的理念, 是消防部门做好大数据时代消防工作的关键。要把大数据专业知识列入教育培训, 普及大数据知识, 宣传相关知识。

(3) 加强数据整合, 实现数据互联互通和充分共享, 为大数据时代的消防工作提供技术平台。应对大数据时代消防工作的需要, 进行部门间数据统筹规划, 建立应用系统之间的统一的技术和数据标准, 建立数据自动传递、有效的关联和共享, 消除数据孤岛, 建设统一技术平台。

(4) 加强人才队伍建设, 为大数据时代的消防工作提供优质智力支撑。大数据是一个综合性课题, 需要不同层级的人才, 开发和培养一支大数据人才队伍, 不断提高采集、挖掘、分析大数据的能力和水平。

摘要：对大数据背景及大数据挖掘, 大数据对消防工作的适用性, 大数据时代消防工作面临的机遇和挑战、需要解决的问题等进行了阐述。探讨通过借鉴其他领域的成功经验, 盘活各级消防部门、研究机构、检验机构、认证机构等部门的数据, 利用大数据发展我国的消防安全事业。

关键词：消防,大数据,消防安全

参考文献

[1]维克托-迈尔.舍恩伯格.大数据时代[M].杭州:浙江人民出版社, 2012.