大数据时代公共管理

大数据时代公共管理（精选12篇）

大数据时代公共管理 篇1

随着信息技术的不断发展和各种新媒体的不断涌现,人类社会迈入了ZB级数据量的“大数据”时代。大容量的数据及其蕴含的无限价值,不但会改变我们的思维,也实时影响着我们的工作和生活,甚至对国家经济和社会发展产生重要影响。作为科技创新与应用前言的高等学校,应用大数据这一新理念、新技术开展学生管理服务工作,将有效提升新时期学生管理的实效性。

一、高校学生管理大数据的内涵

(一)大数据的内涵

全球最具权威的IT研究与顾问咨询公司高德纳将大数据定义为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(2001)。麦肯锡环球研究院在其《大数据:创新、竞争和生产力的下一个前沿》报告中指出,“大数据”是指其大小超出了典型数据库软件的采集、储存、管理和分析等能力的数据集(2011)。而《大数据时代》的作者维克托迈尔·舍恩伯格(2012)认为,大数据是人们获得新认知、创造新价值的源泉;大数据还是改变市场、组织机构,以及政府与公民关系的方法。

(二)高校学生管理大数据的内涵

信息技术的其普及与广泛应用,不仅推动了高等教育信息化的发展,同时也带来了学生学习、交流与生活方面的各种结构化的或碎片数据,大量数据的产生无疑将高校学生教育管理带入了大数据时代。高校学生管理大数据就是要整合校园信息资源,主动收集学生学习、生活和网络使用数据,充分利用大数据及其技术,分析和研究数据中蕴含的价值,进而促进高校学生教育管理工作创新。从这个观点出发,发展高校学生管理大数据,从揭示大学生学习、行为规律和高校学生教育管理规律,对推动高校学生教育管理工作创新与发展、丰富教育大数据理论研究具有重要意义。

二、高校学生管理大数据主要组成

目前,我国教育信息化从基础设施、数字资源、人才培训、关键技术及标准等方面都有了长足的发展。大部分高校在数字化校园建设的基础上,建设完成了完备的应用系统。信息技术的发展及其普及与广泛应用,不仅推动了高等教育信息化的发展,同时也带来了大学生学习、交流与生活方面的各种结构化的或者碎片数据,大量数据的产生无疑将高校学生教育管理带入了大数据时代,为高校学生管理大数据建设打下了坚实基础。

当前,大多数高校通过数字校园建设,形成了诸如学生行为管理系统、教务管理系统、图书借阅系统、校园财务系统、学生自主选学系统、精品课程平台、学生上网认证系统、校园门禁系统、学生校园消费查询系统等应用系统,在高校人才培养和学生健康成长方面发挥了重要作用。经过多年的运行,这些系统产生了大量数据,构成了高校学生教育管理大数据的主体。同时,学生在互联网和微信、微博等新媒体上产生的数据,也是高校学生教育管理大数据不可忽视的组成部分。根据笔者对这些数据的分析和研究,从数据的归属角度,把其初步分为下面几个方面:

(一)基础数据

这些数据主要涉及大量与学生相关的基本情况,诸如学生的基本信息、兴趣爱好、政治面貌、家庭情况、所属院系专业、入校成绩、是否外宿等数据。这些数据,往往反映了学生的学习基础、家庭背景等信息,掌握这些信息,将有利于针对性地开展学生教育管理和帮扶工作。

(二)学习数据

学校教务管理系统、精品课程学习平台等系统包括了学生选课数据、学生自主选学数据、学生课堂考勤数据、考试成绩、教师上课评价数据、学生参与讲座和学术报告的情况等有效信息,是学生学习行为的全面反映。图书借阅系统储存了学生所有借书信息,学生实践平台则记录了学生参与课外实践的数据。这部分学习数据蕴含了学生的学习兴趣和学习状态,可以成为学习推荐服务的重要参考。

(三)行为数据

高校学生管理系统是高校开展学生教育管理的主要信息化平台,其中蕴含了学生奖励信息、学生违纪信息等数据资源,这些结构化数据中蕴含了大量学生行为特征信息,可以作为学生行为分析的重要数据来源。

(四)资助数据

学生资助管理系统能够充分反映学生在校期间受资助的情况,学校财务系统则能够反映学生的缴费情况、勤工助学酬劳等信息,学生校园消费查询系统则能基本反映出学生在一定时期的就餐和其他消费情况,是分析学生家庭经济困难状况的很好参考。

(五)健康数据

校园网认证系统包含了学生经过学校校园网出口访问的所有网页信息,分析学生上网的目标网页内容,不仅能够反映出学生的兴趣爱好,同时也能够发现一些人格方面的缺陷。而学生心理健康管理系统等能够直接反映学生心理健康状况,为制定心理健康服务计划,帮助学生健康成长具有重要价值。

(六)社交数据

随着信息技术的普及,学生对使用网络和新媒体开展社交产生了浓厚兴趣。每天在QQ、微信、微博、传统的BBS等平台产生大量数据,这些数据不仅包含了学生交流的信息,也能够充分反映校园舆情,对掌握学生思想、心理等具有很重要的价值。

三、高校学生管理大数据建设思路

目前,对高校学生管理大数据建设的研究还很少,更多地是就高校大数据集成和典型应用方面的探讨。笔者认为,大数据时代运用大数据支持管理服务决策毋庸置疑。高校学生教育管理工作必须紧跟形势,运用好信息化技术和大数据这个方法论,全面更新理念,进一步树立数据意识,从顶层设计着手,认真组建专业挖掘团队,全面整合校内外数据资源,在健全安全机制的基础上,积极发展学生管理大数据,合理运用大数据的分析结果为工作决策提供数据支持。

从技术的角度讲,高校校园网中各个应用系统往往各自独立运行,加上互联网和微信、微博等数据的碎片化特征,要形成真正的大数据,还需要进一步制定政策,运用技术手段开展数据整合工作,通过全面整合,打通数据之间的壁垒,使沉睡的数据被重新激活,形成更大的价值。目前互联网技术已经非常成熟,加上近年来日益发展的云计算、云存储、NoS ql以及网络爬虫技术的发展,为高校大数据整合提供了技术基础。

从人才的角度,这些技术的应用,必须要有专门的团队支持。目前高校学生教育管理队伍难以满足数据驱动需求。因此要及时成立高校教育管理大数据工作领导小组,组建专门的数据收集团队和分析挖掘团队。运用计算机技术开展数据采集和数据融合,运用数学、统计学的原理开展数据挖掘与建模,形成预测和决策的数据可视化成果。把这些成果应用到高校人才培养中,实现个性化推荐学习资源、为学生量身定制学业计划、及时分析校园舆情影响、实时预测学生思想动态,将会有效提升高校学生教育管理的有效性。

从安全的角度讲,大数据时代如果不能确保数据安全,将会造成“大数据就是大风险”的可怕后果。高校教育大数据不仅整合了高校师生信息,也包括大量学生学习、生活和社交以及校园舆情方面的数据,将这些海量数据集中存储,虽然方便了数据分析和挖掘,但如果由于安全管理不到位造成数据丢失和损坏,则将引发毁灭性的灾难。同时黑客攻击或不当层面的数据公开,将会导致师生信息的泄露,给师生人身安全和校园声誉带来不良影响。因此,高校要在发展教育管理大数据的同时,切实加强制度建设,形成数据规范化管理,要明确数据管理的职能部门,制定严格的工作方案和预案,对什么数据可以公开,什么数据在一定层面公开,什么数据必须保密做出规定。同时也要对可能出现的风险建立防控预案,保障数据安全的同时,维护好师生和高校利益。

四、高校学生管理大数据的应用建议

笔者在总结现有研究的基础上,认为高校学生管理大数据主要在以下方面具有重要应用。一是建立教学资源推荐系统。通过整合学生基础数据和自主选学平台、图书借阅系统等数据,可以深入分析学生兴趣爱好与教学资源的关联关系,主动开展推送服务,不仅可以满足学生的学习需求,同时可以有效提升教学资源的利用率。二是建立学生行为预警系统。通过整合学生管理系统和教务管理系统,可以深入挖掘学生行为和学业之间的关联关系,建立相应的预测模型,对学生学业和行为进行预警,可以在问题发生之前采取相应措施,确保学生健康成长,顺利完成学业。三是建立学生心理健康预警与服务系统。通过整合学生基本数据和健康数据,可以及时筛查问题学生,主动开展心理健康疏导服务,把心理健康教育做到无形。四是构建资助认定与服务系统。通过整合学生基础数据、资助数据、行为数据等方面的信息,通过数据分析支持学生家庭经济困难认定,及时挖掘学生消费等信息,为学生资助服务提供数据支撑。五是建立校园舆情监测系统。通过整合学生社交数据,及时分析校园舆情影响、实时预测学生思想动态,将会有效提升高校学生教育管理的有效性。

参考文献

[1]维克托·迈尔-舍恩伯格.大数据时代[M].浙江人民出版社,2013

[2]邱启照,孙鹏.大数据时代高校思想政治教育的机遇和挑战[J].教育理论与实践,2016(9)

[3]梁家峰,亓振华.适应与创新:大数据时代的高校思想政治教育工作[J].思想教育研究,2013(6)

[4]“信息社会发展研究”课题组,张新红.中国信息社会发展报告2015[J].电子政务,2015(6)

[5]李怀杰,夏虎.大数据时代高校思想政治教育模式创新探究[J].思想教育研究,2015(5)

[6]胡晶君.大数据时代高校学生工作创新探究[J].太原大学教育学院学报,2015(4)

[7]桑庆兵.大数据在高校的应用与思考[J].南通纺织职业技术学院学报,2013(2)

[8]胡树祥,谢玉进.大数据时代的网络思想政治教育[J].思想教育研究,2013(6)

[9]张燕南,胡继岳.关于大数据应用于教育的思考[J].中国电力教育,2013(32)

[10]李彪.大数据视域下社会舆情研究的新境界[J].编辑之友,2013(6)

大数据时代公共管理 篇2

根据数据分析对管理的重要性，在《孙子兵法》中已有深刻的认识：“央未战而算胜者，得算多也。”，数据始终贯穿在监狱管理的预案、组织、实施、控制和创新中。在进入大数据时代后，如何更好的利用信息爆炸时代产生的海量数据为监管服务和利用数据创新监管模式是不可回避的命题。监狱管理决策日益基于数据和分析作出，而并非基于经验和直觉，对监狱正确的制度发展计划与合理安排警力资源有重要意义。其中预测在监狱中有重要的意义，在大数据时代，预测的准确度或许能够更上一个台阶，将促进监狱监管更加安全。

一、大数据时代的特点：

从古至今，从未有一个时代出现过如此大规模的数据爆增。信息技术的发展，互联网的普及，随之而产生的数据也呈现出爆发性的增长。① 到2012年为止，人类的所有印刷材料的数据是200PB，全人类历史上说过的所有话的数据量大约是5EB，而过去两年产生的数据占人类历史数据总量的90%。② 到2006年，全世界的电子数据存储量为18万拍字节，如今这个数据已达到180万拍字节，短短时间内已经增长了一个数量级。根据预测，2015年这个数字甚至会达到800万拍字节的规模。

大数据时代的典型特点是预测变得更为精确，艾伯特—拉斯洛·巴拉巴西提出：人类93%的行为是可以预测的。目前人类的数据处理能力在庞大的数据量面前还是太渺小，当数据处理能力的提示足以克服这一切后，混沌理论是否会黯然失色呢？一切都将变得清晰起来，偶然性也将因为盖然性变得不那么模糊？或许人类处理能力提升的速度远远都无法赶上数据的增长速度，混沌理论也将一直伴随着人类的发展。但不可否认的是，即使是现在的处理能力，大数据也能极大的提升预测的精准度。

二、大数据指教下的预测

预测对监狱的各项职能活动包括狱政管理、刑罚执行、习艺劳动、生活卫生等需要依据狱情进行调整的活动有重要意义。预测是整个监管系统的重要依据，具体地将，其重要性可以从以下几个方面来考虑：

① 对于狱政部门而言，预测可以提供决策的依据； ② 对习艺劳动部门而言，预测是监狱编制习艺计划的基础，是生产产值编制的主要输入；

③ 对生活卫生部门而言，为补充生活物资提供依据；

④ 对狱侦部门而言，预测是消灭狱内违纪，违法事件的参考； „„

其中，概率论在预测中不可代替的作用，当中的泊松公布P（入）是在概率论中常用的一种离散型概率分布，由于其适于描述单位时间（或空间）内随机时间发生的次数，因此泊松分布在管理科学，学以及自然科学的某些问题中都占有重要的地位。例如，在单位战略制定以及物资需求分析等方面有极大的应用空间。

但在大数据时代，泊松分布对人类社会的预测有极大的提升空间。

但在大数据时代，泊松分布对人类社会的预测有极大的提升空间。在数据不够充分的情况下，泊松分布在预测人类社会的事件时，事件的预测性与偶然性是等同视之。人具有主观能动性，从表面上看增大了预测的难度，但是在大数据的视角下，人的活动其实有极大的可

预测空间，偶然性对人类活动的影响是相对来说小得多的影响因素。我们不能忽视的一点是：每个人都是习惯的奴隶。大数据的意义在于经过整理大量数据后，那些本难以察觉的现象规律可以被发现，使它从一个变量成为常量。偏离了随机性通常意味着某种基本规律有待人类发现，因为预测时，将各种无法一时明了的因素都作为随机变量，而结果的不准确性也恰恰说明了其中的一些“变量”自有其韵律。大数据的典型特点就是区分可预测性与偶然性的时间，提升预测与管理水平。

合理而充分地运用大数据来提升预测水平，监管水平是在进入大数据时代后所必须面对的。信息时代的监管，不是警力谁加的监管，而是知识谁加的监管。数据是信息的载体，是知识的源泉。基于知识的监管，将集中表现为基于数据的监管，而这种数据的监管将成为监管发展的必然。这种监管要求监狱制主流线型的监管过程，各个过程之间必须无缝隙、无摩擦地对接，保证每一个管理决策明智，正确，在管理的过程中不犯错误。监狱要做到这些，必须广泛的推行以事实为基础的决策方法。在战略层面，大量使用数据分析来预测制定监狱发展计划；在监管层面，通过数据分析来优化监狱的各个环节，激发每位民警潜在的价值，从而节约警力保证监狱安全。

三、大数据与制度趋同

现在，各种分析模型以及深入到单位的制度制定中，包括：战略框架、基准化分析法、价值导向模型等等，随着各种模型不断的被应用，虽然这些看似差异的模型，却都指向合理地制度计划，这不可避免的出现了一个现象：制度趋同。产生的原因不外这些：

其一，表现为领导人的“从众”心态和追求“平安”的心理。在监区监管安全时期，制度趋同自然无可非议——谁能抵挡安全的诱惑呢？而在监管不稳定时期战略受挫也很好找到理由——我们都错了。

其二，参与和影响制度制定的领头雁同行体系、思维模式的同一化。我们现在的管理理论正日益成为一种要协执法的体系，而在形式差异化的外衣下该体系的核心正在不断被接受。

最后，安全性和确定性更加恶劣的监管环境也是促成战略趋同的因素之一。监区领导者的目标很简单，就是确保安全，实现产值增长。

在种种关键的情节下，不论是先进监区还是不那么先进监区谁能快速响应狱情和承揽加工情况谁才能从中胜出，此时此刻他每一个决策都直接影响监区的发展：作为先进集体，稍有迟钝，优势将不复存在，并将为此付出代价；作为不那么先进集中，能够敏捷地发现新的契机将实现管区的大发展。两者是利益相互对立的双方，高度复杂的狱情和承揽加工情况，两者的竞争将更加激烈。

但大数据时代是两面的，加剧竞争的同时，透过大数据也使决策更加精确，能以从前无法想象的速度快速响应情况变化。利用大数据，先进集体的决策能够极大地接近实际，在第一时间就做出符合情况变化的决策。不那么先进进体在这样的环境拥有极大的优势，充分利用变化能快速发现机会，凭借大数据能在极短的时间内作出正确判断。

在对大环境进行的分析和判断以确定制度制定时，有效的狱情分析和预测是前提，监区制度制定所需要的主要外部信息包括：单个罪犯、入监评估值、接见情况、身体健康情况、习艺完成情况、管区犯群年龄分布情况、余刑分布情况、困难户情况等等。管区定制必须要做调研，但调研也好、统计数据也好、都有人为因素。只有大数据，加上分析技术，才可能是接近狱情真实信息。大数据和调研相互印证，更能提高定制度的正确概率。

四、大数据在监狱管理中的具体应用

1、真正实时的了解罪犯 在过去，监狱普遍通过积分系统找出听话罪犯和违纪次数找出不听话罪犯，对罪犯的好与坏的判断，往往是经验主义的指挥，而利用大数据，这种状况将不再发生，大数据能够帮助监狱完全勾勒出罪犯的实时状态，充分了解罪犯是有效的与改造罪犯的关键。当然，监狱

要确保罪犯的权利不受威胁，大数据可以为罪犯提供针对个体罪犯的十分个性化的改造措施。使用各类数据分析，监狱可以充分了解每一名罪犯，实时的知道罪犯想要什么，以及何时想要。

2、监狱制定，改进和创新改造措施

大数据分析可以帮助监狱更好地了解犯群的情况。通过狱政，狱侦等科室收集数据，特别是当这些信息是实时收集时，监狱可以立即有针对性的对可能存在的问题做出改进。这样不仅可以很好的评估现有改造措施，同时还能够收集到警群与犯群对该项措施的评价。

3、确定监狱面临的风险有多大

确定监狱所面临的风险是今天监狱管理的一个重要方面。为了确定一个潜在的罪犯的风险，需要对罪犯进行归类，每名罪犯都有自己的风险水平。更多的时候，如果罪犯被归类到一个错误的类被，无疑将导致错误的风险。利用大数据可以针对每名罪犯过去和现在的实时数据有针对性的确定风险类别。

4、更有效地组织监狱以节省资金

大数据时代的员工敬业度管理 篇3

越来越多的企业关注员工敬业度对经营业绩的影响，研究表明，具有高敬业度的员工队伍的公司的财务回报数倍于平均水平，同时令人沮丧的事实是，大多数国家的职业人敬业度并不高，2013年盖洛普一份调研显示，全世界仅有13%的员工具有高敬业度，中国员工这个指标仅占6%。“敬业度”是指员工在工作环境中的情绪状态以及行为反应。情绪状态包括员工对手头任务的专注、激励和热情；而行为反应通常表现在员工对公司的正面评价、愿意持续为公司服务以及付出超越平凡的努力。

传统测量员工敬业度的方法是通过问卷调研，根据设定的敬业度模型，对敬业度各影响因素设计相关问题，根据员工对问题的回答来进行分析敬业度要素。大数据分析的特点一是实时、动态，二是通过挖掘数据的相关性，实现面向未来的预测，与传统的相对静态、预设模型的敬业度分析方法相比，是一个全新的思路。从与员工、业务相关的各种数据中，采用大数据分析为发现敬业度风险，挖掘敬业度问题根因，评估敬业度提升措施效果等提供了可行性。

运用大数据管理员工敬业度的一个可行方式类似于网络舆情分析、品牌口碑监控的应用。企业可以从不同数据源中，例如员工的社交媒体网页、企业内网沟通信息、电子邮件等，提取并过滤出对敬业度有影响的信息，利用文本语义的情感分析模型，理解数据集合的积极或消极的语义，通过定制分析模型对不同维度的敬业度要素进行监控；通过文本聚类分析、不同维度之间的关联分析、趋势分析，发掘数据中隐含的信息，找到敬业度与管理措施、业务结果之间的因果关系，预测敬业度发展趋势。例如，组织调整、流程再造、战略转型、兼并收购等企业变革通常会直接员工敬业度。在变革过程中，影响敬业度的因素一是控制，即员工感知到自我参与决策过程，与高层领导双向沟通，二是能力，即员工自我能力能够适应并胜任新环境，三是发展，即员工感知到职业生涯将不受变革影响，甚至在新环境中能发现新机会；有数据研究发现，高敬业度员工受变革的影响度较低，而中低敬业度员工则会因企业变革，敬业度水平进一步恶化，这种职业现象也正应了“世间本无事，庸人自扰之”的人性本质。运用文本分析技术监控员工情感、情绪，已经进入国内外一些企业的人力资源管理实践。

另一个运用大数据管理员工敬业度的可行方式是通过对活动的实时监控，发现业务活动和敬业度趋势之间的关联，相应采取改进措施。既可以监控前导性的因素，例如某个员工在一段时间内持续的加班，或者外派工作时间超过一定的限度，可能会影响他的敬业度；也可以是结果性因素，例如业务信息显示某个员工或某一组员工在某段时间内出现显著的劳动效率下降，产品质量下降，客户投诉增多，出现职业安全风险，这些都可能与敬业度有关。活动数据也可以来自人员之间的互动或者员工的行为，例如通过分析电子邮件系统的记录，发现一个员工在很长的一段时间内没有和直接经理发生一定频度的电子邮件沟通，或者培训系统显示员工经常拖延公司规定的在线培训完成时间，这些都可能是该员工敬业度下降的信号；此外，人际关系与敬业度也有关，经理的敬业度下降可能会导致下属敬业度下降，特定员工敬业度下降可能会导致与他有良好私交的同事的敬业度下降。如果运用大数据手段，将前述的各种敬业度要素相关的活动信息整合起来，则能对员工群体或个人的敬业度产生更为实时的判断。企业高管积极倾听员工声音，提高员工对公司决策的参与感，明确职业发展和绩效反馈，提升雇主品牌价值等措施对敬业度的反馈也可以得到更准确的关联。

大数据时代的企业绩效管理 篇4

大数据的特点与企业人力资源管理中的大数据

1.大数据的特点

大数据是一个较抽象的概念, 目前学术界并没有一个统一的定论。维基百科认为:大数据或称巨量资料, 是指无法在允许的时间里用常规的软件工具对内容进行抓取、管理和处理的数据集合。麦肯锡定义是:大数据是大小超出常规的数据库工具获取、存储、管理和分析能力的数据集。尽管这些定义有所不同, 但是背后所体现的大数据特点是大同小异的, 即4“V”特征:

(1) 数据体量巨大 (Volumes) , 目前已从GB发展到了ZB。

(2) 数据类型多样性 (Variety) 。通常数据类型分为结构化和非结构化两种:结构化数据以便于存储的文本数据为主;非结构化数据是指非文本形式的数据, 包括视频、音频、网络日志、图片、地理位置信息等。在大数据时代下, 非结构化和半结构化数据呈爆炸式增长。

(3) 价值密度低, 商业价值高 (Value) 。通常海量数据下只含有少量有价值的数据, 但是该数据往往还可同时作为一种资源获得相当高的商业价值。

(4) 数据处理高速性 (Velocity) , 即一秒定律。

2.企业人力资源管理中的大数据

(1) 原始数据, 是指员工的基本信息, 包括年龄、学历、专业水平、工作经验、职务情况等。

(2) 能力数据, 是指员工当前实践能力的量化数据, 包括员工培训经历、接受培训时长、培训考核情况、奖惩情况等。

(3) 效率数据, 是指员工所展现的工作效果的数据, 包括工作任务完成效率、单项任务完成时间, 甚至是坏件率、故障率等。

(4) 潜能数据, 是指体现员工发展潜能的数据, 包括工作效率提升率、收入提升水平、职业提升幅度、业绩提升率等。

大数据对企业绩效管理的影响

1.职位多元化

大数据时代可能促进新职位的产生, 如首席数据官、数据科学家、数据分析师等, 他们的主要职责是管理企业拥有的及其他的数据资源, 挖掘、分析和利用这些数据为企业创造价值。因此, 面对企业复杂多样的绩效管理数据, 人力资源部门无需进行分析和解读, 只需进行简单地收集和提取, 这样他们将从以往重复且低效的绩效管理任务中跳脱出来, 从而大大提高管理效率。当然, 对这些新职位的绩效管理应如何进行, 值得我们进一步思考。

2.考核指标合理化

在传统人力资源部门注重绩效考核而不是绩效管理的思维模式下, 绩效指标体系往往偏离企业战略和实际。另外, 虽然大部分企业偏向于大量且细致的考核指标, 但是过多的指标往往使员工抓不住工作重心。基于“大数据”背景下的考核指标将从全局出发, 企业通过数据收集分析确定企业战略目标, 然后进行层层分解, 甚至可为每位成员设置具体的衡量指标, 而考核指标不再是面面俱到, 而是突出工作重点、凸显员工个性, 更具合理性。

3.管理工具高效化

传统人力资源管理部门对绩效相关信息的处理效率低, 同时处理手段过于主观粗糙, 很难对员工的绩效、素质等内容做出客观公正的评价。大数据时代下, 绩效管理工具将变得更加多元且高效, 如绩效仪表盘、基于“云计算”技术下的“共同体GTT企业云管理平台”等。其中具有代表性的是绩效仪表盘———一种建立在企业信息和数据整合架构上的多层次应用程序, 能够实现企业绩效度量、测量、管理的适时化和便利化。

4.考核目的多元化

大数据时代下考核结果不仅是薪酬奖金、职务晋升的可靠依据, 更是成为员工职业发展的指导标杆。一方面, 通过对绩效数据的收集处理, 测试员工和岗位的匹配度, 帮助企业了解员工并将其调整到更适合的位置;另一方面, 员工可通过考核反馈了解自己的兴趣, 并且充分利用企业中的发展机会。

5.管理风险

随着互联网的高速发展, 尤其是社交网络的出现, 使得员工暴露的信息越来越多, 而很多情况下这些暴露的数据是员工无法预知和控制的。因此, 当企业通过获取信息来对员工进行绩效管理时, 如获取个人社交数据时, 一旦运用不当就极有可能侵犯员工的个人隐私, 给员工造成巨大损失。

大数据促进企业绩效管理变革与创新

1.绩效计划

绩效管理的第一环节是绩效计划, 它是绩效管理过程的起点。在这个环节, 企业与员工一起确定绩效目标、发展目标、行动计划。

(1) 企业战略和绩效目标的确定。该环节中企业战略目标的确定是关键, 同时绩效目标的制定是否合理也影响着整个绩效管理过程是否能够顺利实施。传统人力资源部门对企业战略目标确定仍以结构化数据以及先验性思维为主, 所以很难对企业战略进行准确的定位, 更不用说站在企业战略的高度上, 将战略合理分解为具体的任务或目标, 然后再落实到各个部门以及员工个人。通过挖掘“大数据”价值, 将在很大程度上避免这种绩效管理方向性的失策和失误。一是人力资源部门可利用大数据资源洞悉企业所面临的风险和挑战, 同时对竞争对手的战略进行预测和分析, 再结合企业实际, 最终制定出合理的战略目标。这是一个动态的过程, 企业可利用绩效仪表盘等技术进行动态的战略调整。二是人力资源部门可使用改革的绩效管理工具对企业的战略目标层层分解到个人, 从而使目标更具合理性。如基于“云计算”的HRMS技术, 是通过对组织内部流程的输入端和输出端的关键参数进行设置、取样、计算、分析, 将企业的战略目标分解为可操作的工作目标, 然后将绩效标准分解到每个员工身上, 最终明确个人的各项绩效考核指标。

(2) 加强员工理解和员工参与。大数据思维模式下, 企业将收集的数据、分析过程和解释在网络平台公示, 不仅加强了员工对企业战略目标、部门目标、个人目标的理解, 而且促进了员工共同参与的积极性, 从而提高管理效率。

2.绩效实施

在这一环节, 管理者要对被管理者的工作进行监督指导, 对发现的问题及时予以解决。整个绩效期间内, 双方持续的沟通是很重要的。

(1) 加强后台监督。对那些工作给领导看的员工来说, 传统的绩效监督实际上收效甚微。但是大数据时代下, 由于协同工具的大量采用, 如E-Mail、即时通信等办公软件, 使得管理者对员工的工作行为进行全面监控成为一种可能。其中获取的数据包括:一是协同软件中的操作行为, 如登录次数、登录频率、页面访问量、访问深度等。二是协同事件的响应行为, 如发起协同数量、参与协同数量、协同响应速度等。三是其他操作行为, 如文档修改、文件分享等。除了协同软件外, 企业也可利用电脑和智能手机上的大数据痕迹, 建立一个个“员工数据点”, 通过这些数据点对员工行为模式进行分析, 这些行为模式包括员工与上级领导互动的频率等。另外, 企业还可获取大量的图片、音频、视频等半结构化或非结构化的数据, 深度挖掘还原员工的实际工作状态。因此, 企业通过深度挖掘“大数据”价值, 将实现对员工高效的监督, 提高管理者绩效管理水平。

(2) 提高绩效指导水平。在绩效实施阶段, 管理者需要对员工进行工作指导, 该环节对管理者的辅导水平和及时性提出了一定的要求。随着大数据技术的发展, 一方面管理者可通过网络平台进行辅导改进, 打破时间和空间的界限, 做到及时有效;另一方面, 员工可进入企业共享平台或以大数据为媒介的虚拟学习中心, 实现自我辅导和改进。

3.绩效考核

(1) 关键绩效指标的确定。关键绩效指标是用于沟通和评估被评价者绩效的定量化或行为化的标准体系, 如何选择合理的考核指标成为决定绩效管理成效的大前提。在传统思维模式下, 人力资源部门所确定的考核指标并不能准确评估员工业绩, 也无法起到很好的激励作用。随着大数据思维模式的转变, 绩效考核指标的确定主要以数据来说话, 更具客观合理性, 如“顾客满意度”、“及时率”、“废品率”等指标。目前, 一些大型企业如goole、亚马逊、沃尔玛, 通过聚合KPI、海量财务和运营数据的数据仓库应用, 进行深入的分析和确定, 取得了良好的效果。

(2) 绩效考核流程优化。利用大数据技术对绩效结果进行考核, 客观公平且节约成本。如HRMS技术在绩效考核阶段, 将员工的绩效结果与KPI进行比对, 自动匹配后快速得出考核结果。因此, 基于大数据技术的绩效考核流程将更加标准化和系统化, 考核结果客观公平, 大大降低企业的绩效管理成本。

(3) 考核工具的灵活选择与应用。大数据时代下, “云计算”技术应运而生。基于云计算技术的绩效管理系统, 可实现员工特性与绩效考评工具的特点自动匹配;同时根据被考评者的职位特点, 对考评工具进行灵活选择。比如, 360度绩效考评法从多角度进行综合评价, 注重员工的发展和潜能。关键业绩指标考核是一套自上而下的体系, 突出不同部门的KPI指标不同的特点和重点。关键事件法通常作为其他绩效考评工具的辅助工具。因此, 云计算技术帮助绩效考评的实施者准确和灵活地选择考核工具, 从而提高绩效管理水平。

(4) 考核方法的创新与应用。360度反馈评估法是一种全面评估员工的考核方法, 评价者包括上级主管、同事、下属、客户, 还包括员工的自评等。大数据时代下, 利用互联网进行360度评估是一种新型的、有效的反馈模式。特别是对研发人员和服务人员来说, 满意度调查是考核的一项重要的指标。基于网络平台对顾客进行满意度调查, 一方面可使考核结果趋于客观合理;另一方面, 企业可通过对大数据的收集分析, 把握市场动态。

(5) 考核平台的创新与应用。企业通过配备大数据化的系统管理软件对员工进行在线考核, 一是人力资源部门可通过系统实时收录员工的工作情况和相关资料, 保障数据及时有效。二是员工可通过系统进行工作流程汇报, 这些汇报数据也可作为考核的部分依据, 打破传统绩效考核的单向性。

4.绩效反馈与应用

(1) 绩效反馈。在绩效反馈阶段, 管理者就员工绩效结果、存在的问题和指导意见进行面谈。但是员工往往处于被动层面, 同时员工对管理者的绩效反馈得不到重视。大数据时代通过建立企业网络申诉平台很好地解决了这一问题:一是员工可通过平台就绩效反馈意见提出请求。二是员工可通过该平台对管理者的绩效工作进行反馈, 从而提高管理者绩效管理水平, 同时加强员工在下一阶段的绩效实施。

(2) 绩效结果应用。传统人力资源管理部门认为绩效管理就是绩效考核, 重视考核结果在薪酬、职位晋升方面的依据作用, 忽视其在员工个人发展上的引导作用。挖掘大数据背后的潜在价值, 将促进企业从绩效考核到绩效管理的变革:一是通过大数据技术, 挖掘绩效数据背后的规律, 同时对员工未来的工作业绩进行预测和指引, 使员工了解实际技能、职业发展所需的知识和技能, 从而达到员工能力提升和工作需要之间的动态平衡。二是绩效考核数据档案化, 将员工绩效、培训、奖励、违规等情况进行汇总, 利用大数据生成员工成长曲线图, 利用大数据对其特性、工作倾向、工作态度等内容进行分析, 使员工了解自我, 理性地进行职业定位和选择, 促进员工个人发展。

大数据已成为时代的标志。网络信息技术渗透到人力资源管理领域的各个环节, 既给绩效管理带来了机遇, 也带来了挑战。企业人力资源管理者从传统的思维模式转向大数据思维模式, 已成为一种必然要求。人力资源管理者既要注重大数据背后的资源价值和大数据“技术”的应用, 也要加强对大数据的风险管理, 使“大数据”价值充分融入绩效管理的各个环节中, 促进企业绩效管理模式的创新和发展, 最终促进人力资源管理模式的创新和发展。

摘要：大数据时代刮起了一阵变革和创新的风潮, 企业人力资源管理也不例外, 从人力资源规划、招聘与配置、培训与开发、绩效管理、薪酬福利管理到劳动关系管理, 无一不在“大数据”的冲击下不同程度地进行着变革与创新。

关键词：大数据,人力资源管理,绩效管理,变革与创新

参考文献

[1]熊怡.“大数据”时代的人力资源管理创新[J].中国电力教育 (上) , 2014 (5) :24-27.

[2]孟小峰, 慈祥.大数据管理:概念、技术与挑战[J].计算机研究与发展, 2013 (1) :146-169.

[3]周光华.基于“大数据”价值对人力资源管理的思考[J].科技广场, 2013 (12) :104-107.

[4]曹毅.论未来人力资源发展新趋势[J].中国市场, 2015 (14) :37-38.

[5]李琳.大数据时代人力资源的创新管理[J].领导科学, 2014 (10Z) :56-57.

[6]吴绍棠, 龙玎, 夏天.绩效管理的变革与创新研究[J].湖北经济学院学报, 2014 (1) :83-88.

[7]王燕.云计算技术在人力资源管理系统中的应用[J].电子测试, 2013 (14) :271-272.

[8]李红卫, 徐时红.绩效考核的方法及关键绩效指标的确定[J].经济师, 2002 (5) :152-153.

大数据时代舆情管理的三大变革 篇5

要点：随着互联网的迅速发展，大数据带来的信息风暴正在改变我们的生活、工作和思维。无论政府和企业，对网络舆情的分析研判应对，正面临着大数据的挑战。

大数据，正由技术热词变成一股社会浪潮乃至国家战略。

随着互联网的迅速发展，大数据带来的信息风暴正在改变我们的生活、工作和思维。无论政府和企业，对网络舆情的分析研判应对，正面临着大数据的挑战。在大数据时代，对网络舆情管理必将在管理思维、工作模式、技术方法等领域发生重大变革。

一、大数据时代的舆情管理工作变革

（一）社会治理与舆情管理

2011年全球被创建和复制的数据总量为1.8ZB(10的21次方)，其中75%来自于个人，远远超过人类有史以来所有印刷材料的数据总量(200PB)。过去几年全世界产生的数据量甚至超过了历史上2万年来产生的数据量的总和。我们的世界正在被数据化，一切皆可“量化”，数据“取之不尽，用之不竭”。这带来了更大的管理问题，信息爆炸与信息对称。比如，环保部门投入巨资监测环境数据，构建环境物联网，尽力还原真实环境治理现状的实时的基础数据库，以辅助决策治理。但是公众常常通过手机拍摄雾霾天气或是污染现场，并且在网络上快速传播。环境监测公示数据与网民环境感受，一旦不能形成对应，势必产生负面情绪。

（二）从重视到行动

新形势下，网络舆情管理，亟需新的工作体系与之匹配。通过成立本单位网络舆情管理小组、制定相关制度，培养专业人才，结合第三方专家顾问，建立健全网络舆情管理工作体系。从而，以维护群众的权利来树立政府的权威，倾听民意进行科学决策。

我们看到，有一些政府机构已经逐步摸索形成了这样的舆情管理的责任机构，网络舆情管理小组，值得借鉴。单位主要领导担任小组组长，单位下属各部门确定专人为小组成员，并分别组成监测，分析，应对等职能部门。制定舆情管理工作制度，做到网络舆情工作有章可循，完善网络舆情的联动应急机制。加强信息公开和第三方顾问，善用互联网思维模式，通过新媒体多种形式和手段，信息公开，倾听民意，疏导舆情。

二、大数据时代的舆情管理思维变革

（一）认识与转变

在10年前，我们将互联网称为“虚拟世界”。在今天，网络“虚拟世界”正在向“镜像世界”转化。虚拟世界的匿名性、非对称性、非真实性，正在转变为镜像世界的对称性、真实性(真实的画面、真实的情感等)、即时性。在全球范围内，大到国家社会治理，小到企业经营个人形象，都受到了网络舆情的影响和改变。在这种情况下，对网络舆情的管理思维必然发生改变，这种改变可能会带来政府舆情管理相关行政职能的改变，面对网络舆情的行政流程的改变，政府信息

公开速度和透明度的改变，信息发布的效率和方式的转变。这种改变应上升为社会治理体系的一个重要组成部分。

（二）创新管理，融入网络

舆情管理从流程上看包括是监测、发现、研判、应对。但是，在网络舆情面前，是不是拥有这样的流程就能够从容应对呢?问题还是大量存在的。这和我们大多数政府企业的管理模式相关，我们看到，很多单位的舆情工作只是一个或几个工作人员负责，或者一个部门负责，发现问题的处理办法是层层上报，由领导批复处理。实际上，这样的模式与网络舆情管理是不吻合的，难以做到全面分析，准确研判，及时应对。那么，如何创新舆情管理的模式呢。舆情管理，应自上而下，形成一整套全新的工作体系。一把手总负责，全员转变思维模式。充分借助大数据技术分析力量，和第三方专家顾问力量。敢于接受网络曝光和检验，融入网络，充分在网络空间展示形象。这样才能消减物理与文化空间的矛盾和区隔。

三、大数据时代的舆情分析技术变革

（一）移动互联网将再次改变舆情格局

据最新数据，我国手机上网网民突破5亿，80%的手机网民使用手机看新闻。各大互联网门户网站，纷纷在移动新闻客户端上发力，大有形成第四大互联网入口的趋势。随着4G网络的普及，视频类应用将迎来新的爆发，视频的真实感将更大的拉近网络空间的距离感。移动互联网的每个信息发布节点，将是每一个网民，全民麦克风的时代即将爆发。在这个背景下，网络舆情将会演变为何种格局，大数据

分析技术在哪些方面还能拥有用武之地?这一领域，势必会迎来新的技术突破与应用。

（二）用大数据预判舆情趋势

大数据时代对档案管理的影响 篇6

[关键词]大数据；档案管理；信息化；智能化；预测

首先，何为大数据？“大数据”是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。大数据，首先是指数据体量（volumes）大，指代大型数据集，一般在10TB规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量；其次是指数据类别（variety）大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。接着是数据处理速度（Velocity）快，在数据量非常庞大的情况下，也能够做到数据的实时处理。最后一个特点是指数据真实性（Veracity）高，随着档案数据、档案记录内容、交易与应用数据等新数据源的兴趣，传统数据源的局限被打破。

国家对大数据的愿景：对信息资源的开发利用能力已经成为国际竞争以及国家整体实力的重要方面，当全球范围内数据成为国家资产、创新前沿，要成为“数据时代先驱者”，我们需要学习，借鉴、消化和创新，例如美国、欧洲数据开放战略，韩国、新加坡的基础设施建设，日本智慧城市、医疗和农业等方面的创新等。在国家层面建立大数据国家战略，强化对于基础设施的投入，推动政府数据公开，建立数据流通平台，加强法律环境建设，通过产业推进和详细规划，引导和推动各部委、各行业对大数据的研究与利用，推动各领域大数据落地，营造良好的大数据产业生态环境，养成大数据时代的管理创新思维。

大数据对婚姻档案管理的影响，未来将运用大数据等信息化的技术手段，进一步完善婚姻数据库档案，将其与教育信息平台、公安部平台等实现信息共享，加大对婚姻教育的信息化和打击拐卖妇女等不平等的婚姻做出数据依据。

目前婚姻档案数据库建设正在逐步实现部门共享，向公检法等职能部门公开。作为推动政府职能转变，加强事中事后监管的重要措施，有利于培育更加和谐完美的中国婚姻，打造中国梦。

民政档案，全国各地由大大小小的省，市，县等部门组成。大数据的目标就是要形成涵盖省市县四级。如婚姻数据业务的信用信息采集链条，在全国范围内实现互联互通。婚姻信用档案建档对象为家庭，采集的婚姻信息包括以家庭为单位的基本信息，强制性婚姻状况记录等许可的信息，以及政府奖励等良好行为记录，同时也有因为拐卖妇女等不合格以及执法中发现的违法违规的不良婚姻行为记录。

电子化檔案是一种能被传输、传达的信息，它是以文件、图像等载体体现出来的信息。在现代社会，我国的网络技术水平也在不断提高，档案管理的数字化要依靠科学技术的发展来实现，这已经成为我国档案管理现阶段的必然趋势。在这种趋势下，很多档案信息都可以从档案的实体中分离出来，实现资料的及时共享，为人们获取信息带了方便。

档案管理理论的挑战。正如信息化时代挑战了纸质时代的来源原则、文件生命周期理论、档案价值鉴定理论，催生了基础理论的新变革，产生新来源观、文件连续体理论、宏观鉴定理论等等革新的理论。在大数据时代，新来源观、文件连续体理论、宏观鉴定理论都将受到不同程度的挑战，档案学基础理论将进一步发展。

挑战与机遇并存。大数据时代给档案管理工作带来挑战的同时也带来了新的机遇：大数据的理念给海量档案信息资源管理带来了机遇。传统纸质档案以“卷”“件”“份”为单位，在大数据时代，档案更多以“字段”“数据库”为管理对象。在档案统计方面，从原来的以“页”“米”为统计单位改为以“GB”（千兆字节）为统计单位。大数据的应用给档案数据挖掘带来了机遇。传统的档案管理以文档管理为主，档案基本处于被动利用，沉淀的档案没有人去分析利用，也没有技术工具去支撑挖掘、分析。在大数据时代，档案系统中除了大量的文档之外，还有海量结构化数据，并且数据利用的效果要大于文档利用效果。档案部门在收集大数据之后，通过主动调查利用者的需求，建立各种数据模型，对海量数据进行聚类、分类、相关性分析，找到数据之间的关系，提高档案价值，将原来的“死档案”变成“活信息”，为高层决策提供参考。

大数据时代化档案管理相较于以前的档案管理拥有以下的优势：

1.信息互联管理数字化。在大数据时代，数据是大而全的。档案管理人员在管理时可以采用现在高科技的网络技术，和大数据互联技术，完成数字化的管理。通过分布式，一体化的操作来提高档案管理的安全性、一致性、时效性等优点，互联网的可视性、专业性可以为管理人员提供及时的查询和浏览功能，从而解决资源的匮乏。

2.资源管理虚拟一致化。通过大数据一致化，互联网和档案馆相互对档案进行及时的管理，可以达到档案管理的稳定性和时效性，避免在档案借阅中的不及时和漏记等现象，从而达到对档案信息资源的便捷性，准确性的管理。

3.管理信息档案数字化管理具有智能性。档案管理人员可以利用大数据先进的软件和系统对信息的智能化搜索分析。搜索的速度要比普通的查阅快好几倍，这样不仅可以提高搜索的效率，还可以扩展搜索的范围，查阅到有有用的信息和资料，还可以对资料进行加密安全的管理，保证档案的安全性。这种数字化不仅提高了档案的保存年限，更对比较珍贵的资料进行了智能化的管理，方便使用者查阅，而且可以智能的用大数据分析出当下国民喜欢看的书籍和年龄段分层的数据，使得档案数据更加合理的提供给使用人员。

4.用户使用方便化。用户可以在不同的时间、不同的地点使用互联网进行信息的查阅，不受地域和时间的限制，这样可以帮助用户取得更及时、准确的信息，节省了用户的时间和精力，提高工作效率。检索速度快只需要几秒钟，而且还提高了信息的保存年限，而且还有智能的检索排行榜，对用户决策提供帮助。信息的真实性也有了一定的保证，在一定的时间内不会受到人为或者自然的损害，导致信息的失真。所以实现档案管理的数字化可以令使用者在世界的有网络信号的位置可以查询到想知道的准确信息。

5.具有统计性和预测性。通过大数据系统技术的统计特性，可以得出规律统计，比如统计婚姻档案，得出不同地方的婚姻档案记录和预测未来的一个婚姻趋势。这就是大数据的档案管理魅力。

参考文献

大数据时代政府网络舆情管理研究 篇7

随着世界全方位的数据化、电子化,海量信息的涌现催生了新的大数据时代。大数据与传统意义上的数据具有本质区别,具有高密度、多样性、可重用、动态性、半结构化、强调速度、重视关联等特性[1]。由于移动新闻客户端的发力,公众的信息渠道日益便捷,接受的信息量逐步增加。在保证网络舆情管理及时性、准确性的前提下,必须在管理思维、工作模式、技术方法等领域进行重大变革[2]。这对政府网络舆情管理及分析研判应对工作,提出了新的要求。

本文将从大数据研究的价值、网络舆情管理系统的技术手段及难点和政府网络舆情实践与策略4个层面对国内外相关文献进行分析、评述,并提出策略建议。

1 大数据研究的价值

大数据是开放性的数据互通互联,在技术、政务、商业、媒体等各领域都有相关应用。国内众多学者从不同方面对大数据的应用研究价值进行了表述。

马兵[3]认为,需要从最大数据采集、数据深挖、信息关联、趋势研判、内容边界等方面着手提高大数据研究的价值。

杨海龙[4]认为,大数据技术有助于提高网络舆情数据处理的效率,提高网络舆情分析的准确度和精确度,网络舆情处置能力。

葛仁余[5]认为,金融行业在发展大数据能力方面具有天然优势:在开展业务的过程中积累了海量的高价值数据,其中包括客户信息、交易流水等数据。

梅文慧认为,信息产业迎来了新一轮的产业升级。舆情产业随着信息服务产业的演进正成为一种备受关注的新型业态。在大数据背景下,新闻、出版、电视等传统信息产业部门逐步实现数字化转型,协同探索舆情产业这一新兴信息服务产业领域。

2016年,通过深度学习技术,Google研制的Alpha Go能够在围棋领域击败世界顶级选手。大数据研究在人工智能领域取得的突破发展,为辅助策略应用提供了新的研究方向。

2 舆情管理系统研究的技术手段

舆情管理系统研究需要解决数据的来源问题,数据的分析整理归纳问题及数据的表示问题。这三大问题共同组成了舆情管理系统的基本问题。

目前国内舆情管理系统很多研究成果[6,7,8,9,10,11,12,13,14,15,16,17,18,19,20]是基于信息采集层、业务处理层及结果展示层的分层处理结构。通过采用网络爬虫等直接抓取网络数据解决数据来源问题,利用文本分类及文本情感倾向分类等方法解决数据分析整理归纳问题,采用图形化显示或舆情监控及引导系统解决数据表示问题。

3 大数据时代舆情管理系统研究的难点

随着大数据时代数据量的陡增,在舆情管理领域出现了许多过去很少遇到或处理过的问题。

3.1 信息采集层的难点

在信息采集层,目前存在的主要问题有:大数据处理结构的高密度多样性与数据检索存储工具缺失的矛盾,数据访问权限与公众隐私安全的矛盾等。

不同于特定领域海量数据结构单一可定义的特点,大数据由于结构多样、实效性高,传统的关系数据库模型已经无法动态表征大数据需要的所有数据种类。No-SQL和Hadoop等数据库在统一兼容性和效率等方面无法做到同时最优[21],因而寻找更加合适的大数据处理工具对于舆情管理而言至关重要。但由于大数据获得来源的特殊性,不同媒介平台提供了不同的API(Application Programming Interface,即应用程序编程接口,它是一些预先定义的函数,目的是提供应用程序与开发人员基于某软件或硬件得以访问一组例程的能力,而又无需访问源码,或理解内部工作机制的细节)及不同的访问权限,在保护公众隐私和最大可能收集信息方面很难做到兼容。总之,同时满足大数据完整性及可用性要求的大数据检索存储工具目前还不成熟。

3.2 业务处理层的难点

在业务处理层,主要问题是大数据的分析处理工具不完善。

目前的舆情管理系统多数是利用文本分类方法进行研究的,而事实上图片、视频等数据根本无法用传统文本分类方式进行数据挖掘。例如:计算机无法从海量图片中挖掘出“表叔”杨达才使用的手表真假及数量,并推测出其可能违法犯罪的事实。海量数据的特点又使得人工分析处理这类信息效率低下,时效性极差。

同时,海量数据本身会使得真实数据被淹没在大量无关信息之中,提高了信息挖掘的难度,甚至得出错误的结论。而用于排除无关信息的算法本身就是一个开放性问题,解决开放性问题才是人工智能的真正挑战。例如:当无人驾驶中面对天气、路面突发状况等问题时,计算会变得无比复杂。而另一方面,部分数据重复频率高也并不代表这些数据比其他数据更重要,这对分析判断工作造成极大障碍。

3.3 结果展示层的难点

在结果展示层,大数据存在对使用者的道德水准及使用工具的科技水平过于依赖的问题。如果大数据被使用者滥用,就可能出现国家机密或商业机密泄露的情况。而使用者水平不高或使用工具不佳就可能造成应对不及时、不准确,形成误判。例如:铁道部发言人王勇平在应对媒体时的口误,新闻发布时的作假图片或不实图片,对政府公信力及舆论引导造成很多不良影响。

虽然大数据能够应用于人工智能,并应用于包括无人驾驶的诸多方面,但对自动控制等其他学科也提出了更高的要求。以当前的技术水平而言,想要彻底解决结果展示层的问题,仍然难点重重。

4 政府网络舆情的实践与建议

近年来,政府已经逐步摸索出一套层层上报,由领导批复处理工作的管理模式。通过发言人制度及舆情管理分工责任机构的建立,利用大数据技术手段分析事件关注程度、传播情况、发展趋势、网民情绪变化以致影响程度、影响人群,从而使政府机构能够预测舆情走向,辅助决策和判断。这种转变为分析研判应对工作的及时性与准确性提供了保障,是大数据时代政府网络舆情管理一次成功的尝试。针对大数据舆情管理的不足,卿立新[22]认为,应从管理体制、平台建设、技术支撑、人才队伍4个方面着手解决。

总体而言,是要解决体制、技术、人才3个方面的问题。

在体制创新上,首先要尽快出台国家层面的大数据战略规划,同时应针对媒体内容松散、公众隐私安全无法保证的问题加快数据立法。这有利于加速大数据产业的发展进程,降低大数据技术平台的建设难度。2012年,美国率先提出《大数据研究和发展计划》。我国也在“十二五国家政务信息化建设工程规划”中对信息化积极布局,但在数据立法方向,还有很长的路要走。

在技术发展上,政府应对大数据应用、技术创新企业加大扶持,建设有利于大数据发展的社会环境。企业应加快高新技术应用的速度,将最新的研究成果早日转变为生产力,产生一批类似Google、Facebook的国际知名企业,为大数据、云计算、人工智能等发展提供技术支撑。

在人才建设上,应开设专门的数据科学学科,加强各学科人才的培养交流,提升大数据应用的人才价值,从而打造出一支技术过硬、可靠的人才队伍,为大数据技术的发展、应用提供人才支持。

摘要：网络媒体作为一种新的信息传播形式,已逐渐深入到人们的日常生活。网络舆情对社会稳定和政治生活秩序的影响与日俱增。大数据的应用为政府网络舆情管理带来了机遇与挑战。文章对大数据研究的价值、网络舆情管理的技术手段及难点、舆情实践等方面进行分析评述,并提出策略建议。

大数据时代美国高校管理改革创新 篇8

一、大数据帮助提高高校招生录取收获率

美国高校传统的招生录取模式是通过发布招生信息,审阅学生提交的入学申请材料,按照自己的招生录取标准,在海量的入学申请材料中相互比较之后,筛选出拟录取的名单。这个过程非常耗时、费力、费钱,效率也低。但借助于大数据技术,美国高校现在找到了省时、省力、省钱、高效率的新方式。

许多美国大数据分析师主张高校应该利用好其官方网站上的访客访问信息,以预测哪些访客是潜在的准备上自己学校的学生。事实上,现在许多高校的官方网站都有统计访问量、记录从哪里访问的、多少人访问了某一个网页、下载了哪些表格、申请了哪一个项目等信息。显然,与那些只访问主页的学生相比,那些表现出明显兴趣并交互(如索取表格、申请书、信息、电邮,下载并填写、提交表格和申请书)最多的学生,是最有可能上这所高校的。

而且,现在美国许多高校的招生录取都用大数据评估学生的社交媒体使用因素,以判断入学申请者是否真的想到他们学校上学。这种新的招生录取方式的原理并不复杂。首先,高校使用现有学生和以前学生的高中平均成绩点数(Grade Point Average,GPA)、美国大学入学考试(American College Testing,ACT)或学术能力考试(Scholastic Assessment Test,SAT)的分数,以及人口统计学的数据,创建最有可能入学的申请者的大致个人档案;然后,高校把现在的入学申请者的“脸书”(Facebook)、“推特”(Twitter)、“图片分享”(Instagram)、“快照聊天”(Snapchat)等著名社交媒体[2]的数据整合在一起,通过计算机算法算出这些学生对自己学校的感情分数;最后,大数据分析软件系统用统计分析检查现在的学生和可能入学的学生的社交网络,确定哪些可能是潜在学生的入学申请者。

例如,位于纽约州伊萨卡南山的伊萨卡学院(Ithaca College),2015年录取新生时,就把入学申请者在他们的社交媒体上有多少朋友和照片纳入重要的考虑范围。在此前,该校通过把大数据作为招生录取筛选的一部分,大大增加了大一之后学生继续上学而非退学的人数。从2007年起,伊萨卡学院就开始收集学生的社交媒体信息。当时,它对入学申请者上线了一个像“脸书”的社交网站“伊萨卡学院同辈”(IC PEERS),允许申请者与伊萨卡学院的教师和其他入学申请者互相联系。伊萨卡学院利用国际信息技术巨头美国国际商业机器公司(International Business Machines,IBM)的统计分析程序,研究从“伊萨卡学院同辈”上收集到的数据,判断哪些学生最有可能进入该校。伊萨卡学院这种利用大数据的招生录取新理念是想用这种新方式评估入学申请者对他们学校的真正兴趣到底是怎样的。伊萨卡学院的实践证明,大数据是招生录取的利器。[3]

大数据收集、分析与研究的结果清楚地显示,那些频繁访问某所高校的校园和官方网站,多次联系、咨询高校的招生顾问,以及索要、填写、返回入学表格的申请者,是最有可能最终上这所高校的未来学生,因为他们的这一系列行为都非常充分地展现出他们对这所高校的强烈兴趣。因此,美国许多高校在利用大数据预测哪些学生是其潜在学生的时候,都会重点关注、收集、分析这些方面非常有价值的信息。为了更好、更全面、更及时地收集这些信息,许多美国高校现在都开发出专门的招生录取大数据系统。在招生录取的宣传上,越来越多的美国高校公开宣传,入学申请者对它们的强烈兴趣表现是该校最终录取学生的重要因素,以便让入学申请者能够投其所好,从而提高学校招生录取的最终收获率(美国学生报考多所高校,所以被一所高校录取了的学生不都会上这所学校)。

值得关注的是,大数据研究的结果还显示,入学申请提交的时间也是很有预测价值的重要信息,因为它们也能很好地反映出学生对某所高校的兴趣究竟是怎样的。毫无疑问,那些越早启动申请某所高校的学生就越是对该所高校感兴趣,而且也最愿意最终上这所高校。在招生录取的全程中,这些学生会密切关注和接受高校的招生录取信息甚至活动的邀请,并与校方的奖学金与财政援助等部门保持沟通。而那些越是往后,甚至迟至截止日期前才匆忙提交入学申请的学生恰恰相反,因为他们不但没有把该所高校作为第一选择,甚至没有作为第二或第三选择。至于提交申请时间处于中间位置的学生,他们对这所高校的兴趣则一般。[4]

此外,美国许多高校最近这几年也开始关注著名的“联邦学生援助免费申请”(Free Application for Federal Student Aid,FAFSA)上的相关信息。它们之所以这么做,道理其实很简单———如果一个学生把该申请上的某所高校排在其所选择或填写的第一位,那么这就表明这所高校是其最想入读的学校。所以美国高校在招生录取大数据的收集与分析时,也会将“联邦学生援助免费申请”上这方面的信息作为一个重点对象。[5]

二、大数据帮助提高高校学生保留率和毕业率

(一)学生低保留率和毕业率的危机与应对

公开的统计数据显示,现在美国公立高校学生4年拿到本科学位的只占学生总数的31%,6年拿到的占51%。而且与毕业率密切相关的保留率也非常令人担忧。辍学率很高———许多学生因为学业和财政等问题而退学,有的甚至连第1学年都没有读完。这样的糟糕情况已经遭到学生家长、政治家、媒体和舆论的猛烈批评。这就迫使许多美国高校想方设法提高学生保留率和毕业率。现在,它们把大数据及其技术视为应对这一严峻挑战的良方。

目前,许多美国高校竭尽全力让大一学生至少待到大二,因为一方面有研究显示,大学生最有可能在第1年辍学;另一方面,大一学生的保留率也是美国高校排名的一个要素。更重要的是,没有大学毕业对年轻人的一生将有显著影响。全美国高校每年有40万名学生因各种原因辍学,许多学生还背负沉重的学费贷款,并且很难有挣钱还贷的良好职业前景。延期还贷严重损害他们的信誉,让他们买车,买房困难。与此同时,对高校来说,学生的保留率和毕业率对生源、学费收入以及州政府的拨款和私人资本的投入,都有很大影响。

如今,美国越来越多的州给它们的公立高校的拨款是基于绩效。比如,田纳西州(Tennessee)根据一所高校应届毕业的学生人数的多少,把高等教育财政拨款分成若干小份发放,提高公共财政资金使用的有效性,促使高校提高办学质量。巴拉克·奥巴马(Barack Obama)政府在联邦层面也给高校施加了问责的压力。比如,白宫(The White House)已经先后举行了两次“高校机会高峰会”(Summit on College Opportunity)。[6]美国教育部(U.S.Department of Education)也发布了包括毕业率、工资中位数和贷款还款率等主要信息的“高校得分卡”官方网站,以便学生在填报和最终决定选择上哪所高校时能有更多、更新、更权威的具体、可靠的信息。[7]

随着近年来大数据的兴起和大数据时代的来临,许多美国高校利用大数据技术预测哪些本科生会学业失败,以及如何让他们选择适合他们自己的课程与专业,从而帮助他们沿着获得学位的正确轨道不断迈进。它们纷纷抓住这个难得的竞争机会,有的选择自己行动起来,在校内研发、建立自己的大数据软件系统或平台,有的则选择引入校外基于大数据的教育技术公司的大数据软件系统或平台,为教育教学服务,尽最大可能提高学生的保留率和毕业率,从而在竞争生源、学费和资金等的激烈大战中占得先机。

(二)解决学生低保留率和毕业率的成功案例

目前大数据与美国高校旨在解决学生低保留率和毕业率的方面代表性成功案例,有乔治亚州立大学(Georgia State University)的“主修专业匹配”(Major Matcher)、[8]玛利斯特学院(Marist College)的“早期预警系统”(Early Warning System)、[9]亚利桑那州立大学(Arizona State University)和佛罗里达大学(University of Florida)的“电子顾问”(e Advisor)、[10][11]奥斯汀佩伊州立大学(Austin Peay State University)的“学术指南针”(Degree Compass)、[12]卫奇塔州立大学(Wichita State University)的国际商业机器公司产品、[13]奥斯汀社区学院(Austin Community College)和特雷耶大学(Strayer University)的“希维塔斯学习”(Civitas Learning)产品、[14]鲍尔州立大学(Ball State University)的“校园参与”(campus engagement)、[15]弗吉尼亚州立邦联大学(Virginia Commonwealth University)的“成功制造者”(Success Markers),[16]以及普渡大学(Purdue University)的“课程信号”(Course Signals)。[17]

乔治亚州立大学基于现在的学生已经修过的课程的成绩,以及以前学生的课程成绩等,利用大数据的预测分析技术,建议学生明智地选择学习他们最有可能取得成功的主修专业。其“主修专业匹配”数据库里的数据包含其校过去10年250万份学生课程成绩,从而很好地指导了在校学生选择适合他们自己的主修专业。

玛利斯特学院从学生的提交入学申请到为了一门课程的学习而使用电脑、移动设备、图书馆阅读和其他电子渠道的电子记录,跟踪收集学生的信息。该校把这些信息称之为“学习记录仓库”。通过学术早期预警系统,基于对这些大数据的分析和使用,玛利斯特学院能及时判断与预测出哪些学生需要干预———咨询和援助,从而最大程度地避免了学生学业失败和退学、辍学,帮助他们成功完成学业。

在国际商业机器公司大数据预测分析软件的帮助下,卫奇塔州立大学的工作人员能判定他们学校新一届本科生有多少比例会取得成功,特别是有多少学生会辍学和面临学业挣扎。根据国际商业机器公司的数据,其准确性令人惊奇———该软件确定学生会成功的准确率高达96%,远远高于人工预测的82%。该软件运用了包括学生的论文成绩、学习时间、来自家庭的财力投入在内的大数据。而且卫奇塔州立大学还利用国际商业机器公司大数据分析结果,让学生顾问第一时间联系学生,告诉他们应该转变学习方式或者换专业,帮助其及时作出有效调整,从而促进学业成功,最终提高学生毕业的可能性和整体的毕业率。

鲍尔州立大学更进一步。作为测量学生“校园参与”的更广泛努力的一部分,该校在大数据应用方面走得更远———监测学生是否用他们的校园卡刷卡参加星期六晚上在学生中心举办的校园晚会/聚会。已有的研究发现了社交的好处———那些越是参加校园生活的学生越可能毕业。当学生校园卡刷卡识别机制显示其停止参加俱乐部或其他社交活动时,学生服务专家就会跟进,打电话或发电邮看这名学生在做什么。该校还用校园卡刷卡监测学生去就业中心和参加学生领导力项目的情况。鲍尔州立大学还为2015级有资格申请联邦佩尔奖学金(Pell Grants)的1,200名低收入大一新生设计了手机应用程序。这款程序基于大学检测器获得的学生活动信息给他们积分奖励,这些积分能在校园书店里购买书籍和其他东西。

基于大数据,弗吉尼亚州立邦联大学为每一个专业都建立了“成功制造者”机制,以确认学生在迈向他们的学位获得和毕业之路上应该完成多少学分。比如化学专业学生应该在第1学年结束时,《普通化学》至少得到C级成绩。如果学生没达到这个要求,那么学校的学生顾问看到系统提示后,就会立即联系学生前去接受咨询。而且学生顾问还能使用学校早期预警系统寻找哪些学生的学分不够,必须接受咨询,然后立即联系他们前往接受咨询。在用预测分析改善大学生保留率和毕业率的教育顾问公司“教育咨询委员会”(Education Advisory Board,EAB)指导1学期后,该校学生完成课程的人数增加了16%,学生入学的人数增加了8%。

在著名的普渡大学,校方给教授提供了一个利用大数据的称之为“课程信号”的软件平台,用以观察和跟踪学生的学业进展信息,包括学生已获得的成绩,以及学生登录平台的起止时间和时长总量。教授也能通过该平台给学生发送鼓励或警告的信息。“课程信号”开发商通过研究证实,由授课教师通过软件平台给学生发送信息能激励和促使学生学习,给学生提供学业问题出现前后的早期干预,帮助学生提高学业成绩。一旦学生登录“课程信号”阅读他们的电子作业的时候,电子作业也在阅读他们——作业电脑系统能跟踪并记录他们登录和退出的时间,以及在每一道题上用了多少时间等信息。至于判断它们的对错与给出分数就更不在话下。“课程信号”把这些数据与学生的背景信息合并,自动点亮绿灯、黄灯或红灯,提示学生和教授。教授依据灯的颜色给学生发信息,提醒他们必须全力以赴或鼓励他们保持进步,或给他们祝贺。正因为如此,“课程信号”不但提高了普渡大学本科生的成绩,而且让他们继续在大学多待上1年的比例从使用前的83%提高到了使用后的97%。

由此可见,在大数据时代的今天,美国一些高校充分利用大数据这一技术工具,较好地解决了学生低保留率和毕业率难题。

(三)大数据产品在高校的市场商机巨大

大数据及其科学只有转换成高校管理者、教师、学生顾问和学生能用的实践工具才能发挥作用。这就需要信息技术产品,特别是致力于教育技术的公司提供大数据产品。有需求就有市场供应,致力于大数据产品的教育技术公司自然会出现,而且它们的产品功能越来越丰富、强大、准确。学生用这些产品学习的时候就能生成大量数据。这些大数据被研究者使用,改善学生的学习,帮助老师教学,让大学生有信心继续待在高校并朝着成功不断努力。

“课程信号”只是近年来兴起并不断快速发展的、被称之为“学习分析”(learning analytics)、“教育数据挖掘”(educational data mining)和“自适应学习”(adaptive learning)的大数据教育技术的一个产品而已,以美国新兴公司“希维塔斯学习”和“纽顿”(Knewton)、爱尔兰国际新兴公司CCKF、国际教育出版巨头培生(Pearson)为代表的公司现在正通过大数据技术产品不断拓展它们各自的市场,其中美国高校是它们激烈竞争的热点。

“希维塔斯学习”迄今为止已经与美国25所高校签订了合作协议,包括州系统的高校和全国连锁的高校,给它们提供大数据分析软件、技术、指导和培训。其各种基于“云”(Cloud)的智能手机第三方应用程序(APP)都是用户友好型的,能满足高校的个性化需要。“希维塔斯学习”的产品能测量每名学生在每门课程学习中的各种信息,它充分利用其卓越的大数据技术,为签约高校提供学生即时学习反馈信息,以帮助他们及时调整学习策略。

尽管“希维塔斯学习”利用大数据技术评价教师在美国大学和中小学教师群体中激起了某些争议,但其产品仍然被许多高校使用。这些客户包括肯塔基社区与技术学院系统(Kentucky Community and Technical College System)、许多社区学院、研究型大学亚利桑那大学(University of Arizona)、德克萨斯大学奥斯汀分校(Universityof Texas at Austin)、营利性的连锁大学斯特雷耶大学和德维利大学(De Vry University),以及黑人高校莫尔豪斯学院(Morehouse College)等。

此外,其他一些教育技术公司也提供适用于高校的大数据产品。例如美国的“内部跟踪”(Inside Track)在这一领域活跃了很长时间,外包学生指导和咨询服务。“内部跟踪”现在与阿拉巴马州、蒙大拿州和田纳西州的社区学院合作。社区学院面临越来越大的改善学生保留率和毕业率的压力。在田纳西州和其他一些州,基于绩效的财政拨款政策让社区学院愿意出钱购买“内部跟踪”、“希维塔斯学习”和其他教育技术公司的产品和服务。[14]

值得注意的是,一些美国教育技术投资者主张高校对大数据的挖掘和利用还应该扩大到对著名社交网站“脸书”和学生寻求在线辅导的教育聚焦网站“切格”(Chegg),以及大规模在线开放课程(massive open online courses,MOOC)等商业网站,以进一步收集更多数据。他们断言,只要有了真正的大数据,甚至能在学生需要之前就提供他们所需的服务。一些大数据教育技术公司已经开发出适用于高校课堂教学和课程学习的“适应性”教科书和课程软件。它们用大数据分析给学生提供量身定做的适用于他们自己特点和情况的学习方式的建议。[15]

三、大数据帮助高校提高决策管理质量

大数据的重要作用还体现在决策(decision-making)上。通过大数据、数据挖掘和预测分析,大数据技术能给决策带来许多好处。因此,与助力招生录取和促进教育教学一样,美国高校现在对大数据的应用还包括财政、人事、商业、投资、战略、管理等方面的政策制定和实施。比如,由于大数据技术能让高校全面收集它们自己的财务和政策执行表现方面的信息,并且对这些数据的挖掘和分析有利于高校更好地进行财务运转和政策执行,提高投资的准确性和运行的有效性,进而改善财务管理。

例如,夏威夷太平洋大学(Hawaii Pacific University)的管理者和董事会利用大数据帮助做出战略规划决策;波特兰州立大学(Portland State U-niversity)也如此做。在巴克内尔大学(Bucknell University),校方建立了一流的“学校智慧计划”(institutional intelligence project),从教务主任办公室、招生录取主任办公室、财政援助主任办公室三个部门收集数据,以改善全校范围内的战略决策的制定。除了首先聚焦于诸如学生入学人数总数、学生保留率与毕业率,该校还打算把大数据分析的应用进一步扩展到支持财务和人力资源之类的事务上,让大数据更好地为决策管理服务。

再如,著名的纽约大学(New York University)已经应用大数据驱动的学校运行决策的制定,并且在学术项目的成本与效益分析上取得了显著进展。下一步,该校将把大数据用于学校运行的过程改善。在俄亥俄州迈阿密大学(Miami University of Ohio),校方正在开发一个基于大数据的商业智慧计划,用以支持该校2015年采用的“责任中心的管理”(responsibility-centeredmanagement,RCM)。这一计划主要聚焦于财政预算问题,工作任务包括帮助大学更好地了解每个部分和院系的收益来源,以及学生入学和保留趋势的模式。[10]

四、大数据在高校管理改革创新应用中存在的问题

(一)“老大哥”式的监控

首要的问题是功能强大的大数据技术让人联想到了阴森恐怖的、专制式的严密监控。比如一些人不禁问道:大数据技术是著名英国小说家乔治·奥威尔(George Orwell)1949年出版的著名政治小说《一九八四》(Nineteen Eighty-Four)一书中的“老大哥在看着你似的”(Big Brother style)吗?[21]对此,爱尔兰“都柏林沙龙”(Dublin Salon)2015年4月15日在计算技术学院(College of Computing Technology)专门举行了“大数据:大福利还是老大哥?”(Big Data:Big Boon or Big Brother?)主题研讨会,得出的答案是“也许是”。[22]特别是由于学生在校园里刷校园卡的全部信息(什么时间到哪里和什么时间离开)都会被记录和查看,这就必然让学生感到没有安全感,比如失去了迟到或早退甚至不去上课的自由。

(二)数据的真实性与公正性

大数据的真实性和公正性问题,是大数据在高校管理改革创新应用的第二个重大问题。通过社交网站收集入学申请者的大数据存在两个可能的主要问题:一是有些社交网站的用户注册名并不是申请者本人注册和使用的——可能是同名人,而且也可能是被冒名的;二是有些申请者不能经常使用互联网,或者不经常、不熟练使用社交网站,因此就会造成他们在被录取上处于劣势,被招生录取官员以为他们对该校不感兴趣或者兴趣不大。而且,通过校园卡刷卡记录收集学生的数据信息也存在问题。比如,学生本身并没有去教室、图书馆或者晚会/聚会/俱乐部,而是由同学带着校园卡去刷的卡,那么这样产生的数据显然就是与真实情况完全不符合的。再比如,学生虽然是没有去食堂刷卡吃饭或者去健身俱乐部锻炼身体,但这并不事实上表示学生没有吃饭或者没有健身。

(三)数据安全与隐私保护

大数据的安全,特别是被采集信息者的隐私保护,激起大家对大数据普遍的关心和顾虑。一些学者认为应该特别重视这一问题。比如,斯坦福大学教育研究生院的电子研究与规划主任米切尔·史蒂文斯(Mitchell Stevens)博士就对此表示了担心。[23]有专家指出,我们对大数据伦理的考虑落后于其在高校的应用实践。比如马特·皮斯特里(Matt Pistilli)就此撰写了《伦理、大数据与分析:一个应用模式》(Ethics,Big Data,and Analytics:AModel for Application)一文。[24]

一群忧心忡忡的教育工作者、科学家、法律/伦理学者2014年6月1日~4日聚集在加利福尼亚州太平洋树林镇(Pacific Grove,California)的艾斯罗马会议基地(Asilomar Conference Grounds),研究制定了关于高等教育学习研究中的数据与技术之合适使用的决策框架———《高等教育中的学习研究艾斯罗马国际公约》(The Asilomar Convention for Learning Research in Higher Education)。[25]该国际公约继承了1979年4月18日制定公布、至今仍然适用于关于人类研究的《贝尔蒙报告》(The Belmont Report)[26]的精神。

比如,最主要的基本原则“知情同意”(informed consent)要求必须提前告诉被试实验或试验的目的,而且他们能够选择是否参与。但数据收集是在被试看不见的情况下进行的。另一个问题是,通常情况下,科学家不能或不想事先设置一项实验或试验的具体模式,因为他们只能在收集了大量数据后才能确定具体模式。此外,由于许多新的教育数据的收藏都是专有、不公开的,因此这就引发了新的顾虑和争议。像“培生”、“黑板报”(Blackboard)和“课程时代”(Coursera)、“教育+”(ed X)和“大学城”(Udacity)这些公司各自都有众多学习者的海量信息数据。虽然这不是科学领域中的一个新问题,因为药学和医学研究早就有类似的问题,但这个问题在教育领域却是一个十足的新问题。而且它引起了另一个问题:谁拥有这些数据。学生、学校、公司、或者共有?针对这些问题,《艾斯罗马国际公约》设置了包括公开(openness)、公正(justice)和仁善(beneficence)的一组广泛原则。[27]

信息科学改变世界。大数据现在已经成为大事情。因此,美国联邦和州都高度重视关于学生的大数据的安全。美国现在有许多法律保护学生的权利,包括著名的《家庭教育权利与隐私法》(Family Educational Rights and Privacy Act,FERPA)。奥巴马总统提出的《学生电子隐私法案》(Student Digital Privacy Act)旨在限制幼儿园至12年级(K-12)学校教育中对学生的数据收集、存储和使用,不过它却没有对高等教育中的学生数据收集、存储和使用做出限制。所以,美国高校学生的隐私面临大数据的挑战———有被侵犯隐私的危险。因此,高校在收集和使用学生的数据时,必须尽最大可能确保学生的隐私保护和数据的安全,保证学生的权利不受非法侵犯。只要做好数据安全和隐私保护,在今天这样一个时代,作为数字潮人一代的美国大学生一般都愿意并免费给高校分享他们的信息,无论是社交网站上的、智能手机上的,还是特定网站上的,以便获得对他们有利的服务,特别是那些有利于他们做出更好选择的基于大数据的信息。

一些美国高校在这方面做了积极的工作。比如,为保护学生个人信息,玛利斯特学院在存储数据时将学生的校园卡信息和任何可以辨别其身份的信息都去掉,改用另一个与学生身份信息完全无关的编号存储进去。如果数据显示某一个特定的学生需要学术干预,这个数据库的三个不同授权使用者,包括学生所修课的教授,必须在学生数据解密之前每个人都提供电子安全秘钥。这样做就没有一个人能单独识别出一个学生的信息。而且,玛利斯特学院组织机构审议委员会(Institutional Review Board)还审议学生大数据的收集、分析和使用,从而进一步最大程度上确保了学生数据信息的安全。[28]

值得注意的是,许多美国高校报告说,由于担心触犯有关隐私的联邦法律和其他管理规定,所以它们不得不中止学生信息方面的大数据收集、分析和应用。但加州大学洛杉矶分校(University of California,Los Angeles,UCLA)的首席隐私官与战略信息技术政策主任肯特·和田(Kent Wada)认为,高校可以利用有关隐私的联邦法律和其他管理规定的灰色地带,既保护学生隐私,又进行数据获取、分析和使用。2010年,加州大学系统(University of California System)时任总校长马克·尤多夫(Mark Yudof)就要求管理者、教员和学生组成高层特别工作小组,研究确保个人隐私保护和与允许院校数据获取之间如何合适平衡的办法。[10]

五、结论

随着美国更多在线高等教育的兴起,特别是越来越多的高校正在通过电子平台和渠道———在线、软件、平台、手机、“云”——进行实施教学,美国高校中的大数据越来越大。根据美国加州大学伯克利分校(UC Berkley)信息学院珍妮弗·达彻(Jennifer Dutcher)2015年1月21日发布的《大数据与高等教育(信息图)》(Big Data&Higher Education[Infographic])一文,86.6%的美国高等教育机构提供某种形式的在线教育,[30]这就必然产生越来越多的高等教育大数据。大数据技术———数据挖掘和预测分析———还能让高校收集学生的社交媒体和校园卡电子踪迹等众多电子信息。对这些大数据的全面收集、准确分析、合理利用和严格隐私保护,已成为大数据时代美国高校管理改革创新的一种重要驱动力。

大数据时代医院人事管理创新 篇9

一、大数据时代医院人事管理创新的意义

“大数据”时代为医院人事管理工作开辟了新的出口。大数据是从医院繁杂、多元化的数据中, 迅速提炼有价值信息, 让医院最初的海量的数据得以再次利用, 总结有效的诊疗讯息, 并将之与实践相融合。医院大数据中, 不但包含检查数据、化验数据、药物使用数据、病员数据、门诊挂号数据, 还有病历数据、人事讯息等。

所以, 在医院的人事管理中运用大数据并以云计算信息媒介为依托, 可提升医院的服务质量, 运用数据模型达到数据共享的管理目的, 使医院业务相互连通相互调度, 有助于提升医院的工作效率, 最后成为人民满意、国家放心的医院。以大时代数据为依托, 科学化的管理手段和管理技术可形成医院人事管理的现代化服务。

对医院人事管理数据实施调整, 可以二次运用医院人事管理数据, 使医院人事管理效率和管理的精细度得以提高。运用信息化管理模式, 并以云计算媒介为依托, 可构造成一致度高的访问门户, 并调整医院的人事管理资料, 使医院人事管理水准得以提高。大数据时代为医院人事管理提供卓有成效的管控方法及创新性的管理手段, 使医院面貌一新, 提升诊疗效率和服务质量。

二、医院人事管理现状

(一) 人员配置及编制问题。行政分配、应届生分配为目前医务人员的关键配置方法, 在大多数医院中仍以计划分配模式为主要模式, 导致医生及护士素质低下、医院人才缺乏。部分医院任人唯亲, 出现人员严重超编现象, 人员之间不能够均匀分配工作量, 降低了工作质量, 使医院受到各类元素的阻碍。

(二) 缺乏科学、完善的绩效考核评价体系。目前大多数医院的绩效考评系统的构建模式还不够成熟, 而是应用统一标准对医务人员进行绩效考核, 忽略了医务人员的专业知识水平、专业能力及对医院的贡献。这种统一的绩效评价考核标准, 会让优质的医务人员积极性受挫, 不利于医院的安定团结。

(三) 薪资调配受计划分配制约。长时间以来, 都是国家计划分配体制影响医院的薪酬, 而市场经济的快速发展体现出计划分配制约薪酬分配的不合理性。传统的工资标准和分配体制, 不利于以劳动定报酬策略的实施, 不能体现医务人员的专业水准, 阻碍医院健康、可持续发展。

(四) 人事管理结构单一化。目前, 人事管理结构不科学现象存在于国内多数医院, 并呈现单一化。管理机制还是以考核、晋升、人事档案为主, 并沿用传统的工资结构体系、工资标准, 忽视了医务人员的专业技能。而医院的整体素质往往受医务人员专业技能好坏的直接影响, 若忽视培训医务人员的专业技能, 则不利于提升医院专业技术水准和整体实力。

(五) 医院照顾离退休医务人员使发展受到制约。国内大多数中、大规模医院的发展历史源远流长, 而伴随时间的推移, 离退休职员的增加, 使医院不堪重负。对离退休医务人员来讲, 诊疗消费及房屋福利还未社会化, 均由医院承担, 使医院的再发展费用、发展步伐受到制约和限制。

三、大数据时代医院人事管理创新的对策

大数据时代医院人事管理创新的对策包括:强化人事监管;提升工作人员能力;健全人事管理制度;人事档案管理方法创新;积极推进社会保险等。

(一) 强化人事监管。医院内部人事数据在人事管理中具有保密性, 故应强化监管, 以确保数据的安全。在大数据时代, 准确、实时监控医院人事管理数据, 可提升数据库结构性能, 充分运用、融合医院人事资源, 使人事管理能够体现平均化的特征, 提高人事管理工作效率。通过在医院人事管理运用计算机, 降低了人事管理成本, 使产出收益加大, 减少了人力资源的浪费, 缩短了事物处理时间, 并为医院的可持续发展提供动力。在大数据时代医院人事管理中, 应用计算机节约出的时间可让管理人员对战略性措施进行思考, 为医院的发展提供动力。

(二) 提升工作人员技能。注重医院人事管理内容的信息化, 注重培育业务部门管理人员, 如医生、药剂师、护士等, 加速医院人事管理工作中的电脑以及网络的普及, 为信息化建设打下坚实的基础。在大数据时代下, 对医院人事管理人员定期进行信息化培训, 可提升其专业知识, 并为医院的发展奠定基础。医院人事管理中可利用信息化软件对医务人员进行考评, 为每个职员设立唯一固定代码, 以便浏览医务人员的出勤情况, 并在此前提下进行考勤审查与批复, 将最终明确的薪资交接给管理人员, 结算员工工资。医院人事管理中可根据员工对医院贡献的多少、专业能力的强弱建立合理的激励机制, 实现多劳多得, 以促进医院的建设和发展。应用稳定的人事管理软件, 能够使内部管理模式加强和管理水平提高, 因此, 医院人事管理人员需熟悉各方面工作内容和熟练掌握计算机运用系统, 通过计算机提高工作效率。

(三) 健全人事管理制度。在医院人事管理中, 应提升资源管理环境, 避免隔离管理职能, 重视计算机的利用, 避免计算机边缘化, 医院可就此引入计算机管理专业人才, 监督并管控职员依照管理制度行事, 保证程序的流畅运转及安全性。利用计算机将人事管理系统成功建立起来, 集合信息统计, 加大信息利用率, 并分析各个数据, 使统计任务简化, 提升工作质量和工作效率, 优化决策, 提高管理水平。将计算机应用到医院人事管理中, 能够大容量存储、分析、收集人事信息, 及时准确地查找所需信息, 规范人事管理, 协助构建并完善管理系统与指标系统, 使行政管理水准得以提高。电脑处置人事管理讯息是相当快速的, 对人事管理中的各种需求进行很好地满足, 适应大数据年代的新需求。

(四) 人事档案管理手段创新。实现医院人事管理档案网络化, 应强化对医院互联网基础设备的构建力度, 以促进医院人事管理档案的互联网化。

在医院人事档案管理网络化中, 可对医院局域网部署规划方案实行优化, 使医院的基础设备和网络设备的功能得到发挥。医院应投资网络通讯设施, 采购扫描仪、打印机、计算机, 保证医院档案过渡为电子档案。

在人事档案管理手段创新中, 可完善管控体制, 规整、搜集医院人事档案信息, 充分发挥其桥梁作用, 收发、传达信息, 并精确处理医院汇集的各项信息, 使医院的思想意识高度一致, 从而提升服务质量, 使医院更具亲和力。

(五) 积极推进社会保险。大数据时代的医院应注重对员工社会保险的推行, 社会化管理离退休医务人员。这样可对医院人事管理结构进行精简, 能有足够的精力面向其他医务人员, 提高医疗服务质量, 群策群力, 共谋发展。

四、结束语

综上所述, 基于大数据时代, 在医院人事管理中, 可对管理方法进行创新, 充分利用云计算和信息化网络技术优势, 实现医院人事管理的网络化、信息化, 使医院人事管理现状得到改善, 有效提升管理质量, 满足大数据时代医院人事管理要求。树立以人为本的理念, 用动态的眼光、站在全局的角度对医院人事管理模式进行创新, 有利于提高医院人事管理人员的专业素质和能力, 促进医院的可持续发展。

摘要：随着科技的的不断发展, 我国已经逐渐步入大数据时代, 为使当前医院人事管理制度现状得到改变, 可创新医院人事管理体制。

关键词：大数据时代,医院,人事管理,创新

参考文献

[1]马超燕.大数据时代医院人事管理创新的探讨[J].东方企业文化, 2015, 15 (2) :73-74.

[2]钟世伟.基于JAVA的医院人事管理信息系统的设计与实现[J].信息通信, 2013, 10 (5) :104-105.

[3]李艳萍.Excel在人事管理中的应用实践[J].科技视界, 2013, 09 (32) :366-367.

[4]胡晓捷.基于J2EE的普陀医院人事管理系统的分析与设计[J].网络与信息, 2011, 13 (4) :24-25.

[5]刘雅丽, 林平冬, 陈东璧等.请销假管理系统在医院考勤管理中的应用[J].解放军医院管理杂志, 2013, 20 (4) :390-391.

[6]高红玲.浅谈医院人力资源信息管理[J].管理观察, 2013, 05 (11) :148-148.

[7]邱曼曼.医院人事管理信息化研究应用[J].湖南农机, 2013, 07 (5) :109-110.

[8]张利萍, 张平, 徐晨等.三甲医院骨科人力资源配比与护士工作量关系的研究[J].齐鲁护理杂志, 2014, 16 (2) :4-6.

[9]严丽娟, 姜伟林, 张明等.电子化人力资源系统在某三甲医院人力资源管理中的实现与应用[J].医学与社会, 2012, 25 (4) :46-48.

大数据时代企业管理的创新 篇10

近几年随着社会的发展, 信息技术和计算机在迅猛发展, 在各个领域都需要大量的数据, 这有利于企业了解市场, 而这个时代的数据大爆炸已经不能被现代化的计算机所消化了。在信息化社会, 到2020年, 全球以电子形式存储的数据量预计将达到35ZB, 而这其中, 企业数据正在以55%的速度逐年增长。IDC预测, 大数据技术与服务市场将在2015年达到169亿美元, 年增长率甚至达到40%, 这是大数据时代到来的趋势。我们将这些数据称为“海量数据”, 这个概念其实在2008年时就已经被提出来了, 最早提出是在谷歌成立10周年的庆祝典礼上, 被称为“Big Data”, 后来也曾在杂志上讨论, 我们应该如何面对现在的数据大爆炸时代, 这不仅是机遇, 也是一种挑战。

可以这么说, 大数据时代是信息社会的变革, 是信息化和科技发展的产物, 它具有很强的紧迫性, 对我们这个时代也有重要意义, 如何将数据整理、分析、归纳和共享成为全世界都在关注的事情。大数据时代的到来对于企业来说是更大地挑战, 如何在这样的一个时代加强自己的竞争力, 把握住每一个客户的资料和数据, 成为企业提高国际竞争力的关键。数据流的广泛应用使企业不断审视自己的IT管理模式, 逐渐形成规模化、多样化和高速化的企业管理模式, 可以说大数据时代的到来对于企业既是机遇又是挑战。

2 相关概念

在信息化时代, “数据”成为一个热门词汇, 如今数据已经深入到每一个行业和领域, 并成为促进生产的重要因素。而“大数据”这样的概念是在数据的基础上逐渐流行起来的, 这最早源于美国。“大数据”指的是运用更先进软件和科技对数据进行管理和分析, 将数据流整合, 将海量的数据进行处理, 也就是说, 传统的数据管理技术已经不能适应现在的大量数据了, 我们要进行新技术的开发, 迎接大数据时代的到来。

大数据 (Big data) 一般指的是软件工具难以捕捉、管理和分析的大容量数据, 其单位通常是“TB”。大数据是一个企业在创造了大量非结构化和半结构化数据后, 组成一个数据集, 其具有4V特性:

(1) 容量大 (Volume) 。非结构化数据的超大规模和增长;占总数据量的80%~90%;比结构化数据增长快10到50倍, 是传统数据仓库的10~50倍。

(2) 格式多 (Variety) 。异构和多样性;很多不同的形式, 如文本、图像、视频、机器数据等;没有模式或者模式不明显;不连贯的语法或句义。

(3) 价值高 (Value) 。大量的不相关信息的提纯;对未来趋势与模式的可预测分析;深度复杂分析 (机器学习、人工智能VS传统商务智能咨询、报告等) 。

(4) 速度快 (Velocity) 。实时分析而非批量式分析数据输入、处理与丢弃, 立竿见影而非事后见效。

数据之间的跨应用和跨系统的结构化和非结构化数据体现着数据与数据的复杂关系, 这些数据相互之间关联却又相对独立, 大量的数据通过储存和分享进行交换和联系。通过对大量数据进行分析、整合和交换, 不断创造新的价值, 加快生产, 发现新领域和新知识, 将数据流最大价值化和最大应用化, 这是大数据的实质与内涵, 简单来说, 就是将大数据内部信息进行关联和挖掘。

3 大数据给公司带来的挑战

新疆新捷股份有限公司成立于1995年8月, 是专业从事天然气终端销售及综合利用的企业。公司秉承中国石油“奉献能源、创造和谐”企业宗旨, 坚持昆仑能源“低碳经济、绿色发展”理念, 努力将公司建设成为国内一流的天然气终端销售企业。从企业战略着眼, 信息就是财富, 企业如果对这些大数据管理得当, 就可以发掘出更为强大可靠的决策信息。目前大数据时代给企业管理者带来的挑战有如下几个方面。

3.1 如何获取大数据

现在很多企业所能获取的数据信息有限, 仅仅是冰山一角, 大约为总数据的15%以下, 并且对数据整合程度不够, 存在很多非结构化数据和半结构化数据。无法获取足够的数据成为企业发展的障碍, 这些对于现代企业来说是一个很大的难题, 传统的商业智能系统对大量信息数据的标准化和结构化整合已经不能适应, 海量数据的产生需要企业运用先进的手段获取更多, 并对信息数据加以整合, 这样才能通过大量的数据分析市场需求, 增加客户, 提高企业的服务质量, 不断提升企业的国际竞争力。因此, 如何获取大数据成为新疆新捷股份有限公司的一个挑战。

3.2 对管理团队的挑战

新疆新捷股份有限公司的传统管理模式是高层决策者凭借自己的经验和决策能力下决定, 其他管理人员负责完善决策和执行。在大数据时代来临前数据量较小, 信息有限且获取信息的成本较高, 因此这种传统的管理模式还可以适应企业发展。但随着信息化社会的发展和大数据时代的到来, 这种传统的管理模式已经不能适应海量的数据, 这更多的是需要新疆新捷股份有限公司通过大量的数据进行分析, 结合企业自身的特点, 组成管理团队进行决策, 这样才能不断适应社会的发展, 增强企业的竞争力。决策者在决策过程中的直觉主义已经不能适应大数据时代, 这是企业在管理上遇到的一个挑战。

3.3 对企业管理流程的挑战

多数企业的管理流程是逆向思维方式, 也就是说通过在经营过程中出现的问题进行分析, 通过一个管理团队的讨论和协商, 制定出一套解决方案, 这样的管理流程有一定的好处, 但也会因为有一些管理问题还没有出现, 导致管理上的疏漏, 而新疆新捷股份有限公司就曾是这样的管理流程。对于现在海量数据的产生, 新疆新捷股份有限公司不能再按照逆向思维模式进行管理了, 其应该尽量运用正向思维的管理方式, 根据现在大数据时代的特点, 进行数据收集, 找出数据之间潜在的关系, 对客户信息进行整理分析, 充分了解客户的需求, 进而提出优化方案, 这样更有利于企业发现自身的问题, 并走在其他企业前面, 提高竞争力。

4 大数据时代企业管理变革

随着信息流动、网络新生代的成长和数据量的增加, 过去传统企业可能通过强大的体制控制力, 或者信息不对称的优势地位进行封闭企业管理的模式, 在今天已经越来越行不通了。面对海量数据, 我们要以数据体现的内容为先决条件, 不断适应大数据时代的变革, 同时, 对企业的管理进行改进和变革, 大数据时代下企业管理需要做出变革几点如下。

4.1 获取数据

在大数据时代, 企业最重要的是进行数据的获取, 收集一定的数据才能更好地对企业进行管理和实施决策。大数据需要有一个平台, 需要进行一个数据的抓取, 它有传输、分析、建模、优化等作用, 最后产生认知, 这些都是在大数据这个平台上所必须具备的一些特性。这些特性使得企业间可以通过大数据平台进行跨行业交流。大数据平台会把全世界的数据进行共享, 使得全世界在物理空间的活动都得以体现在大数据平台上, 这是一个很重要的概念。对于企业来说, 要不断融入这个平台, 通过共享数据和收集数据, 开发潜在客户。

4.2 管理团队的挑战

大数据时代的到来对于企业的管理既是机遇又是挑战, 对于企业的管理者来说, 这有利于数据的收集和分析, 我们在面对大数据的挑战时, 首先要将数据量化, 量化的数据有利于管理效率的提升, 管理者通过大量的数据信息掌握公司的业务和客户, 对公司内部和外部客户进行管理, 提升管理和决策的质量。我们可以通过以下三个方面面对挑战。

4.2.1 转变管理模式

企业在管理上要与时俱进, 要在大数据时代充分了解数据是什么, 并通过数据进行有利于自己企业发展的分析, 要根据大数据转变管理模式。海量数据是管理的主线, 我们应该通过数据说话, 利用数据进行潜在客户的挖掘。以往的管理模式都是由高层人员根据自己的经验进行决策和管理, 而在大数据时代, 我们应该建立一个管理团队, 对海量数据进行管理和收集, 通过分析数据得出结论, 再通过研究讨论, 最终确立决策方案。这种管理方式可以给企业带来巨大的商业价值, 实现企业对客户进行增值服务的附加值, 以数据为主的管理模式更合理, 更科学, 也更符合大数据时代的特点, 此外, 还有利于企业增强竞争力, 提高管理和决策的效率。

4.2.2 转变思维模式

面对大数据时代, 企业管理者需要对大数据进行量化分析, 这和传统的思维模式并不相同, 因此需要转变管理者的思维模式。在面对重大决策和企业管理时, 要先进行数据查找和数据分析, 从数据上得出结论, 分析结果, 最后再进行决策和管理, 这种方式不但会提高管理者的效率, 也会提高其他工作人员的积极性和业务执行能力。另外, 我们要允许数据做主, 也就是说提高数据分析的力度, 将来自一线的数据进行分析, 通过数据判断决策是否正确, 大数据的整理和分析是需要较长的时间来完成的, 这对企业来说也是一种挑战。

4.2.3 培养人才资源

在大数据时代人才资源是一个企业发展的重要因素。如今的高级管理人才越来越稀缺, 拥有综合能力的管理人才不多, 因此企业应该进行管理人才的培养, 只有将人才、科技、管理、决策进行融合和调整, 才能使企业清晰自己的发展目标, 制定适合自己的发展战略。企业可以在管理人才的选择上挑选一些经验丰富、学历较高的人才, 再进行岗前培训和在职培训, 提高他们的管理能力和应对大数据时代的能力。企业通过培养视觉化、系统化人才, 将企业的海量数据进行快速、高效的整理和分析, 从而提高企业竞争力, 使企业能充分迎接大数据时代带来的挑战, 更好地把握大数据时代出现的机遇。

5 结语

在计算机和信息化时代的发展过程中, 海量数据已经不断地出现。大数据时代已经来临, 海量数据和信息不断进行交换, 使企业面临更大地挑战, 要不断将数据库进行整理分析, 通过数据做决策才能更好地把握企业管理脉络。企业面对这样的挑战, 需要将大量的数据进行搜集和分析, 通过数据分析的结果进行企业的管理和决策, 加强人才培养, 转变管理模式和思维, 这样才能提升企业的竞争力。

摘要：随着信息化的逐步推进, 我们已经迎来了大数据时代。大数据时代的到来使企业开始进一步思考自己已有的数据管理模式, 数据流、数据结构化和非结构化的广泛应用增加了企业的压力, 数据必将成为企业的核心资产, 可指导企业进行业务流程改造和企业管理, 大数据给传统的企业管理带来了巨大的挑战。本文探讨了大数据的基本概念和特征, 以及新捷公司应如果进行企业管理创新以适应大数据时代。

关键词：大数据,企业管理,创新

参考文献

[1]何平.大数据对企业管理决策影响分析[J].科技进步与对策, 2014 (2) .

[2]吴晓杰.大数据浪潮推动企业管理变革[J].管理纵横, 2014 (4) .

大数据时代公共管理 篇11

【关键词】大数据时代；企业管理模式；信息化技术；企业发展运营

大数据时代的发展使得企业在发展运营中开始从过去传统的运营模式过渡转变到新型的运营模式，这在很大程度上给予了企业很大的挑战，要求企业需要不断探索与大数据时代相匹配的管理模式，促进和推动企业在市场经济中的可持续健康发展。本文将重点探讨的是在这种大数据时代的影响下，企业该如何在管理模式上抓住这种机遇与挑战并存的契机来进行创新性的探索和改变。

一、大数据在企业管理中的应用分析

（一）对产品进行创新，迎合并满足消费者的需求

在这种大数据时代的发展形势下，企业可实现对客户在产品需求上的信息内容的确切把握。其主要方式是通过当前发达的社交媒体平台来知悉了解客户在对产品使用之后所反馈到平台上的评价和感受，这种方式在真实性和便捷性方面更优越于传统问卷调查的形式。当企业通过平台获得这些消息反馈之后可立即对存在的问题进行改善和解决。另外，随着大数据时代在企业中的应用，企业中领导决策的作用和强度开始受到这种信息化时代的弱化，逐渐让传统的企业管理中决策者的绝对权利开始出现分化，而转变为公众作为决策主体，通过社会媒体平台获取公众意见，并形成大数据分析，从而使得企业的管理决策权更加公平和科学准确。而且在大数据时代下，企业能够第一时间对客户群体的数据和信息进行知悉，对客户的基因信息等进行快捷的接收了解，为企业提供针对客户的个性化建议，从而形成企业与客户之间密切的关联性，让客户买到满意产品的同时，也促进了企业经济效益的不断创收。

（二）对企业内部数据的挖掘并把握行业数据信息

企业信息化的发展应用实现了对扩大数据的有效利用。通过企业信息化系统的建立，让各类数据准确而可靠，同时能在最短时间内获得有效的信息数据资料。所以在大数据时代的应用下，企业可通过这种信息化的建立来对企业中的各类数据进行分析和共享，不断对企业的产品和服务进行跟踪关注，从而提升企业在产品和服务上的竞争水平，提高企业的整体发展水平。另外，企业可以通过大数据对客户的需求进行及时的知悉，而且即使在客户使用产品中还没有切实体现到产品价值的同时就能通过大数据来对其潜在的应用进行预测，从而实现对企业产品销售的市场动态的跟踪和应用，让企业产品能够更加具有市场竞争优势地在市场中立足。企业还能利用大数据来对同行业的产品价格进行曲线变化的分析和监测，从而优化自己产品的价格优势。

二、大数据时代给企业带来的风险和挑战

（一）对数据的实时分析

在经济全球化的发展趋势下，企业都在市场经济的发展中取得快速发展的机会，但在这个过程中，同时由于大数据时代的印象，要求以快速高效的方式来对数据进行实时有效的分析，从而实现对企业整体运营效益的把握，并随时根据市场的变化发展来调整企业运营管理的模式。企业的数据无限量在快速增长，这些数据的不断变化有待企业进行更加深入、全面地分析与挖掘。

（二）海量数据的安全保障

企业利用大数据的支持，实现了对企业大量运营发展的公司内部信息以及客户信息的信息化管理，这就需要在大数据的不断发展中，确保企业这些信息能够保证个人隐私、恢复、商业秘密和数据备份等的安全问题，这是当前大数据时代对企业的一种挑战和风险问题。

（三）数据驱动的决策制定

在大数据时代的影响下，其在很大程度上决定着企业决策的把握，通过对数据进行分析、决策，减少了过去通过传统的经验和领导主观上的直觉的决策风险，使得企业决策更加科学合理。很多企业在自身的运营发展过程中，对内部运营的结构和形势主要停留在大框架的信息汇总的掌握，并没有从整体上纵观整个行业与自身企业之间的深层次分析。如果有心的企业领导能够利用大数据来更加科学、全面、客观地对企业的整体运营进行分析和决策，那么就能从很大程度上来对企业运营风险进行有效的把控和降低。但当前通过大数据来对企业进行相关决策还存在一定的难度，因此，如何利用大数据来进行决策是企业面临的重大难题。

（四）整合多种类型的数据

在大数据时代，企业所收集的数据一方面包括了传统渠道所具有的基本结构框架信息；另一方面还包括信息化的社交媒体、电商业务以及互联网应用下的各种非固定结构的数据内容。在当前大部分企业的大数据应用下，企业的数据处理办法还仅仅用于结构化的数据处理，但随着数据化的时代来临，却不能对一些非结构化的数据进行处理。大量的半结构化数据、非结构化数据的处理对企业来说仍是巨大的挑战。

三、大数据时代的企业管理模式的创新策略

（一）企业首席数据官的培养

在大数据时代，信息时代最具核心利用价值的是数据技术人员。而且这个时代要求技术人员具备多种综合信息化数据处理的能力，包括具有市场营销知识、信息技术知识、运营管理知识等综合素质。在这种技术需求下，就产生了首席数据官，并将其岗位定在IT部门，并随着大数据时代的不断发展，这个技术岗位也开始被社会和企业接受。通过发挥这个部门职位的作用，来推进企业与社会的对话，实现对信息系统化的建立和挖掘。首席数据官主要是把企业的运营数据作为核心资产进行负责管理，根据来自网络流量、传感器、社会网络评论等多方面的数据来为公司的产品发展和企业决策做出分析和参考，并从数据的角度分析企业所面临的挑战从而帮助管理者。另外，随着未来信息化建设的不断构建和推广应用，企业要重视丢首席数据官的培养，并从多方渠道吸纳技术人才，为企业未来的发展奠定坚实的数据管理者。

（二）加强基于大数据时代的企业运营与决策管理工作

大数据时代，企业除了具备传统的数据平台之外，还需要建立信息化的非结构数据平台，包括社交媒体、文本、微博、影像等所建立起来的数据平台，从而更加全面地对企业运营和发展决策做出更加客观而科学的探索和挖掘，尤其是在企业产品营销、产品价值应用评价、声誉度分析等方面的数据化构建。企业应通过监控、数据监测来对产品与服务做好跟踪和分析，以此来引导企业不断创新改革和适应市场的发展需求。企业可融合不同类型数据，互相配合进行分析，改变传统企业管理模式的不足，将企业业务拓展出更加创新新颖的阶段。企业应善于通过大数据时代的应用便捷来做好对公司非结构化的数据分析以及关系实体的识别，通过这些内容不断提高企业在产品服务上的质量反馈和评价、品牌打造以及行业市场发展趋势等。另外，可把在社交网络、交互数据以及互联网媒体上的客户数据集中汇总起来，并结合传统数据，给客户提供更加全面的观点和评价，对客户的需求有着更加立体的了解，从而实现企业更加现代化的数据管理。

（三）建立生态化的企业网络系統

企业可以把生态产业链进行资源化、产业化、创新化的转变，并对企业生产运营中的供应商、客户和合作商进行重新整合，同时对企业内部的员工与领导层的关系也在管理模式上进行重新构建，然后协同创新价值链，将产品通过创新革新，提供更加新型的产品和服务，用大数据的功能革新企业管理模式，对整个企业运营管理模式进行了更加深度和现代化的改革创新。这种改革创新是在大数据时代不断在市场经济中的活跃应用所推动形成的一种必然发展趋势，要求企业必须为了适应社会发展所呈现出的信息化格局，来将目光从产品本身开始过渡转变到产品服务上，并上升到产品所创造的价值和企业发展在整个行业中的竞争力水平的层面，不断发展与产业链合作和其他元素。构建这种新型的管理模式必须善于对社交媒体和互联网进行综合有效的利用，才能适应大数据时代所发挥的作用，并对竞争协同进化的企业集团进行有限公司生产的研究，不断形成一种企业网络生态系统的可持续发展状态。

（四）树立以社会公众为决策主体的发展观

传统管理模式中，企业的整体运营把控主要是在中高层管理者的手中，他们决定着公司运营发展的一切事物的方向和发展目标。但大数据时代的来临，让社交网络和社会化媒体逐渐取代了这种传统管理者决策权的绝对性，让决策更加科学而正确。因此企业应逐步建立通过社会公众作为企业决策主体的观念，并不断将企业领导高层的视野拓展到广泛的社会公众，通过社交网络、移动互联网等平台的收集社会公众的建议和意见。

四、结语

综上所述，大数据时代的来临给企业管理模式也带来了全新的改变。企业可以通过大数据更加准确地掌握市场动态，还能够通过大数据来对其内部进行调整和优化，通过内外结合来稳定市场地位与价值。

参考文献

[1]王媛.大数据时代下的企业管理与人力资源管理[J].人力资源管理，2015，（5）.

[2]孙笛.大数据变革企业管理思维的路径研究[J].中小企业管理与科技，2015，（17）.

作者简介：刘艳（1978-），女，湖南岳阳人，中国人民大学在职研究生，研究方向：市场营销。

大数据时代的应急无线电管理 篇12

时下, 大数据技术正受热捧, 国内外专家学者展开了广泛而深入的讨论。面对大数据浪潮, 理应以此为契机深入探讨推进无线电管理信息化。本文拟从以下三个方面探讨大数据时代的应急无线电管理问题, 一是大数据技术的兴起与发展趋势;二是大数据技术与应急无线电管理的关系;三是适应大数据时代发展趋势要求的应急无线电管理。

二、大数据技术兴起与发展趋势

最早提出大数据时代到来的是全球知名咨询公司麦肯锡。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。如今, 一个大规模生产、分享和应用数据的时代正在开启, 大数据技术正在引起一场生活、工作与思维的大变革。通过大数据技术手段, 人们可以预测流感的发生, 飞机票的涨幅, 交通的拥堵状况, 等等。与小数据时代不同的是, 大数据时代下, 我们需要的已经从随即样本变为了全体数据, 数据正成为巨大的经济资产, 成为新世纪的“矿产”与“石油”, 将带来全新的创业方向、商业模式和投资机会。

《大数据时代》的作者维克托说:“大数据的真实价值就像漂浮在海洋中的冰山, 第一眼只能看到冰山一角, 绝大部分都隐藏在表面之下”。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”。也正因为如此, 很多专家称这是数据、技术、思维三足鼎立的时代, 不仅需要海量的数据作为支撑, 还要具备分析数据的专业技能, 要树立创新思维, 通过独特方式, 深度挖据数据的潜在价值。

如今, 数据已经成为一种商业资本, 一项重要的经济投入, 伴之而来的大数据技术也在效能提升、流程优化方面取得了显著的成果, 它的科学价值和社会价值已经触动了世界的方方面面。在这样的机遇下, 将大数据技术科学应用到应急无线电管理工作中, 必然会推动整个应急无线电管理工作在变革中蓬勃发展。

三、大数据技术与应急无线电管理的关系

无论是对于一个企业, 还是对于一个国家, 数据是核心竞争力的重要支撑, 可以说没有数据就谈不上科学管理。在无线电管理领域, 无线电频谱管理、无线电磁场预报、无线电台站管理、无线电监测、无线电设备管理等无不需要对频率数据、台站数据、监测数据、无线电设备检测数据等进行归纳、整理、分析和研究, 这对于提升应急无线电管理的响应效率和实效也将具有重要影响。

大数据的核心功能是预测, 从海量的数据预测事情发生的可能性, 而且它的一个突出特征是可以通过高速捕捉、发现和分析, 在较短的时间内给出较为可靠的预测结果。这一点对于提升应急无线电管理的响应效率和实效有着非常重要的现实意义。将大数据技术应用到应急管理系统, 结合我国无线电管理技术工作现状, 目前要着重考虑以下三方面的问题。

一是应急无线电管理数据体系建设。与传统的随机采样方式不同, 大数据技术需要依赖于足够多的数据, 总体数据构成了计算分析的样本。与之相对应, 应急无线电管理系统必须要有配套的数据存储体系。各级无线电管理机构经过多年工作积累, 拥有了大量频率数据、监测数据、台站数据、轨位数据等, 可以说涵盖了全国无线电管理系统绝大多数数据资源, 实际工作开展中可以利用一体化平台, 和各地无线电管理机构形成数据联动, 进一步丰富存储资源。

另外, 要将应急无线电管理相关信息“数据化”, 拓展存储资源, 例如历年在该区域内发生的应急事件中利用的无线电设备型号, 采取的无线通信手段, 卫星转发器资源使用情况, 甚至一些与无线电相关的逃生手段等都可以数据化, 作为海量存储资源的一部分。

二是应急无线电管理大数据技能。和大数据需要依靠技术技能来挖掘完善数据的价值一样, 应急无线电管理同样需要具备分析大数据的专业技能, 从纷繁复杂的数据存储资源中提炼出针对应急状况的有效解决方案。从实际案例来看, 每当遇到重大突发事件时, 亟待解决的首要问题就是合理调度频谱资源。我们发现, 在近几年的抗震救灾中, 由于参与力量多元, 指挥调度任务繁重, 各类无线电通信设备集中应用, 使得无线电频率复杂交织;还有部分单位乱用频率, 造成了不必要的干扰, 这些都对应急无线电管理工作带来了很大的挑战。可以预见, 将来如果能科学利用大数据策略, 采取一定的技术手段, 进行科学的预判, 我们便可以在最短的时间内分析出有效的频谱资源, 科学分配, 合理调度, 从而建立安全稳定的应急通信系统和指挥平台, 进一步提高抗震救灾应急通信及指挥调度效能。

三是应急无线电管理大数据思维方式。所谓大数据思维, 是指一种意识, 认为一旦处理得当, 公开的数据就能为千百万人急需解决的问题提供答案。应急无线电管理除了要做到合理协调频谱资源, 还要解决应急过程中可能出现的方方面面的状况。无论是在重大活动, 还是灾害事件、群体性事件面前, 无线电应急管理首先都是通信方式的选择, 短波、超短波、卫星, 究竟哪个方式对于当前应急处理最可靠。在通信方式确定的基础上, 进一步选择最匹配的无线电通信设备及转发器等相关事宜, 最终形成一整条完整的无线电应急通信链路。在大数据时代, 思考的最重要的是可能性, 而不仅考虑所谓的可行性。只有在这样的思维模式引导下, 才能解放思路, 进一步丰富大数据思维。我们清晰地看到应急处置工作的紧迫性和复杂性, 也对无线电频谱资源配置的动态性、感知性和智能性等方面提出了更高的要求。在这种要求下, 只要思维足够发散, 就可以充分发挥应急无线电管理的优势。

在重大突发事件面前, 应急无线电通信是最有效而且便捷的通信手段。大数据时代下的应急无线电通信, 通过提前预知或者及时发现灾害、干扰的发生, 自动选择可利用的频段以及有效的无线电通信手段, 更是将其灵活性、高效性、实时性都发挥得淋漓尽致, 不仅大大提高了应急处理能力, 更为重要的是能够在安全防范能力方面发挥巨大作用, 对挽救国家经济损失和人民的生命财产安全意义非凡。

四、适应大数据时代发展趋势要求的应急无线电管理

我们现在看到的大数据主要包括了个人、公共部门、私人部门三种, 对这些数据共享后, 进行数据挖掘和分析, 进而可以对突发事件更快的跟踪和响应, 这同时也对未来的应急无线电管理提出了更多的要求。

(1) 重视大数据制度规范建设。大数据的核心思想是用规模剧增来改变现状, 但也加深了对隐私的威胁。越来越多的信息数据化后, 以不同的方式交叉存储在大数据库中, 挖掘数据的同时也暴露了很多原始信息。应急无线电管理系统中的数据涵盖台站数据、频率数据、轨位数据等, 很多内容都与国家安全密切相关, 在进行数据分析时必须要注意使用的安全性, 避免大数据通过非法途径被二次利用, 威胁到国家的无线电安全。另外, 运用大数据可以实现预测, 如果过分依赖或者崇尚分析结果, 有可能会出现滥用大数据技术的现象。为此, 很有必要建立一套大数据技术使用规范, 避免出现大数据主宰一切的隐忧。

(2) 建立健全联动机制。大数据为我们提供了可供参考的海量资源, 它是信息通信技术发展积累至今, 按照自身技术发展逻辑, 从提高生产效率向更高级智能阶段的自然生长。无处不在的信息感知和采集终端为我们采集了大量的数据, 而以云计算为代表的计算技术的不断进步, 为我们提供了强大的计算能力, 这就围绕个人及组织的行为构建起了一个与物质世界相平行的数字世界。如何掌舵这个新时代的数字世界, 就需要强化对大数据建设工作的组织协调, 相关部门加强联动, 打破地区和部门数据壁垒, 实现数据资源联合共建、广泛共享。建立全社会联动的大数据形成机制, 推动数据资源的开发利用, 为应急无线电管理提供高效能的软环境。

(3) 加强大数据人才队伍建设。谷歌的首席经济学家哈尔·范里安在谈论大数据技术时有个非常著名的说法“数据非常之多而且具有战略重要性, 但真正缺少的是从数据中提取价值的能力”。在应急无线电管理方面很有必要培养一批具备良好统计能力、分析能力以及掌握智能理论的专家人才, 他们能够有效地处理海量数据资源, 在最短的时间内分析出可利用的频谱资源。更重要的是他们还要具备创新思维, 善于从所有“数据化”的信息中发现更多有益于无线电应急通信的方法和思路。

五、结束语

我们正处在迈入大数据时代的时刻, 思维和技术是最有价值的, 但是大部分的价值最终还是必须从数据本身中挖掘。未来, 通过大数据的应用服务将使信息变得更加泛在、使学习、工作和生活变得多维和智能, 我们可以利用数据做更多的事情。