大数据的若干思考

大数据的若干思考（精选12篇）

大数据的若干思考 篇1

摘要：文章论述了我国公立高校财务信息披露在大数据时代面临的环境、质量保证困境, 认为要树立财务信息披露法治思维并建立纠偏机制, 并对披露领域以及政府会计体系变革视野下的高校财务信息需求、借鉴与变革之路进行了阐释, 以作引玉之砖。同时呼吁, 在大数据时代应借鉴企业和国际经验, 尽快搭建高端意见平台, 以开启全新视野、探寻高校财务信息披露的行业标杆。

关键词：财务信息,披露,大数据,思考

一、高校财务信息披露要直面大数据时代

尽管财务与会计是两个不同的范畴, 然而, 它们既相互联系, 又相互区别。做好财务信息披露工作要从基础会计信息输入的把控入手, 否则“输入的是垃圾”, 那么, 以此为基础的财务信息质量也无从谈起。当下, 以可扩展商业报告语言 (XBRL) 的应用推广为先导, 我国会计信息化建设与发展迎来了新的机遇期。XBRL不仅可以在企业外部报告领域发挥作用, 而且可以基于跨平台的特点, 实现企业业务系统将的数据交换, 从而打通“信息孤岛”和“信息烟囱”, 提高企业信息整合能力, 为各项决策提供快捷的信息支持。可以说, 海量数据带来了会计的大变革, 开启了会计数据应用的新时代。起于信息化、兴于物联网、移动互联网以及社交网络等, 并带有浓厚互联网技术色彩的大数据时代已经来临。

随着2010年到2011年, 国家标准化委员会相继发布了GB/T24589《财经信息技术会计核算软件数据接口》第1部分企业和第2部分行政事业、第3部分总预算会计、第4部分商业银行等标准, 为会计大数据的形成打破了壁垒。而XBRL标准的应用和推广, 亦为大数据的获取提供了可能。通过抽取、转换、加载创建会计数据仓库, 进而通过云计算模式进行知识发现或叫作数据挖掘, 建立“数据集市”以便分析具体领域。此外, 网页集成式可扩展商业报告语言 (Inline XBRL) 的技术规范目前正在国际上形成。这一新技术可以让互联网浏览器打开并以人类可读的形式展现XBRL财务报告, 让普通公众方便地接触并使用XBRL财务报告, 是一种有利于普及推广XBRL的工具。建议国家财政部保持着对这一技术项目的跟踪, 并适时将其引入我国XBRL技术规范国家标准体系。

笔者以为, 大数据的意义不在于掌握庞大的数据信息, 而在于对这些有含义的数据进行专业化能处理, 在于通过“加工”实现数据的“增值”。

以上是当前高校财务信息披露面临的大环境。高校会计E化建设必将助推高校财务信息披露的理论与实践的跃升。笔者以为, 作为高校财务信息披露这一“宏大工程”, 标准体系的顶层设计是基础, 各部门合力推动是保障, 基层单位的主体性发挥是根本。

二、内控对财务信息披露质量保证遭遇的新困境

完善的内部控制是财务信息真实可靠的有力保障。《萨班斯——奥克斯利法案》 (the sarbans!oxley act) 404款要求公司管理层对其财务报告内部控制进行评估, 并由独立审计机构提供签证报告。我国财政部于2010年发布的《企业内部控制配套指引》也要求企业对其内部控制有效性进行自我评价, 同时聘请会计师事务所对其财务报告内部控制有效性进行审计, 出具审计报告审计。笔者在此特别需要指出的是, 对签证人的监管也须提上议事日程, 换言之, 如何来监督监督者?

《中国会计报》 (第234期) 2013年6月7日第四版发表题为“为何内控机制对高级审计人员几乎失效?”的文章, 披露了前毕马威合伙人London泄露客户信息事件。这为美国监管机构强化对会计师事务所的监管提供了新契机。众所周知, 2002年安然公司会计造假丑闻导致安达信倒闭, 此后, 其他事务所汲取教训后, 审机质量已经足以满足公众、市场以及监管者的要求。但是, “London事件”的爆发, 却向公众显示了另一种令人担忧的可能性, 即审计人员一旦滥用自己的职权便利, 甚至有可能比渎职罪更加难以监管。在我国, 加强对诸如审计师等监督者的泄露客户信息乃至利用内幕信息牟利等违规行为的监管, 亦显得更加迫切。笔者以为, 唯有清明的监督机制, 财务信息披露的质量才能得以保证。

三、树立财务信息披露法治思维并建立纠偏机制

在高校财务信息披露的设计和执行全过程, 都须树立法治思维。这是治国理政的新思维, 认识到法律是准绳而非工具、是权利保护的公器而非权力之下或政策之外的产物。当然, 法治作用不是万能的, 除了构建对于法律的信仰之外, 还要培育起内心崇高的道德信念和核心价值观念, 这是实现中国梦的法治思维。当然, 在技术层面, 作为补救措施, 高校财务信息披露要蕴含财务报表重述思想。一般说来, 财务报表重述 (financail statement restatements) 是指更正上市公司发现的已公布的财务报告中存在差错并对以前年度的财务报告进行重新表述的行为。由于我国资本市场起步较晚, 有关财务报表重述相关问题尚处于研究阶段, 缺乏制度支撑, 为上市公司利用财务报表重述进行利润操纵提供了温床。但笔者认为作为一种纠偏机制, 还是值得认真考量的。高校财务信息披露理应在规范的纠偏机制下, 才能更好的渐近的推进并切实担当其应有的托付、发挥其应有的功用。

四、高校财务信息披露的基本领域

公共受托责任理论和高校财务可持续发展理论是研究高校财务透明度的理论基础。加强信息披露对提高财务透明度至为关键。高校财务信息披露基本领域也是社会舆论关注或关切的焦点。主要体现在以下方面:党和国家高等院校教育科研工作的方针镇测和决策部署的贯彻执行;关注高校发展过程中影响高等教育事业体制机制性问题;推进高校事业发展中财政资金的使用情况和使用效益;科研项目的管理使用和资金效益;关注基本建设项目管理与高校负债情况;关注学校资产管理和处置、对外投资、校办产业风险防范;合作办学等创收行为;关注高校收费情况。

在具体操作层面, 基于需求度而言, 笔者认为, 以下问题值得深入研究和尽快规范运行:基于回应社会对“三公经费”的关切的视野下高校财务公开如何实质推进?内部成本中心核算机制如何构建以迎合高校绩效评价?规范整顿政府债务视野下的高校债务风险预警如何揭示?高校预、决算报表体系的公开范例与社会需求的差异化如何回应?诸如此类等等。上述各方面问题的解决都要在遵循“服务导向、E化导向”下布局谋篇。

除此以外, 亦应注重非财务信息的适当披露, 如现代大学治理结构描述、师生规模、教学科研定性业绩、学科专业和平台团队建设情况、招生与就业情况, 学校愿景与规划等, 以有助于信息使用者决策。

五、高校财务信息需求、借鉴与变革之路

高校所涉及的利益相关者极其广泛, 至少应该包括立法机关和政府审计机关、公民、媒体、服务接受者、经济和非经济主体、纳税人、债权人、供应商、项目管理者、雇员、政府和高校组织自身, 以及其他政府和国际性机构等。各利益相关者对财务信息的需求各有侧重, 它们会针对其所关注的方面, 通过对相关信息的分析, 对组织的活动进行评价和预测, 并作为他们做出有关评价或决策的基础之一。高校财务信息使用者使用财务信息的主要目的不是为了做出经济决策, 而是评价高校履行受托责任的情况。披露财务信息是与财务信息使用者沟通的一种方式。为保证这种沟通有效, 信息必须具有可理解性、可靠性、相关性、及时性、一致性和可比性。

由于高校的资源必须按照预算、法律规章、行政法令以及合同协议限定的用途或目的使用, 那么其受托责任就具体化为对具有专门用途的资源进行保管, 并使用于特定的目的或活动, 以产生一定的效率或效果。鉴于公立高校具有的运营目的的非获利性、受托责任的多层次性、资金来源的无偿性、资金运用的限定性、业绩评价的模糊性。所以, 对于大部分使用者来说, 他们需要财务信息更多的是为了对高校管理当局的受托责任及受托业绩做出合理的考核和分析评价, 在此基础上做出相关决策。

目前, 西方国家政府会计改革方兴未艾。美国财务会计准则委员会 (FASB) 在1980年发布的第4号财务会计概念公告《非营利组织编制财务报告的目标》中指出, 非营利组织资源的提供者对其持续提供服务的能力表示共同的关心;非营利组织由于不以营利为目的, 其业绩就不像企业那样要直接接受市场竞争的考验, 也不能用利润指标衡量, 所以通常需要衡量业绩的其他指标。无疑, 这对我国行政、事业单位财务会计改革具有借鉴意义。更基于上述原因, FASB提出了非营利组织财务报告应“向资源提供者及其他信息使用者, 提供有助于其合理做出分配资源给非营利组织决策的信息”, 具体包括以下五个方面: (1) 向使用者提供资源配置决策有用的信息。 (2) 向使用者提供评价服务及持续提供服务能力的信息。 (3) 向使用者提供评价管理当局业绩和受托责任有用的信息。 (4) 向使用者提供有关经济资源、债务、净资产及其变动方面的信息, 包括: (1) 提供经济资源、债务及净资产方面的信息; (2) 提供组织业绩方面的信息, 包括资源流人、流出的性质及关系; (3) 提供影响资源流动性方面的信息。 (5) 向使用者提供管理人员的说明和解释等。

从上述分析不难得出结论, 信息需求者需要衡量高校业绩, 为此, 也为大数据时代我国的政府会计体系 (当然包括高校财务会计制度) 变革之路找到了突破口。

由于当前预算会计体体制和会计基础也无法提供相对完整的资产、负债和收入、费用等信息, 而这些信息对评估财政的可持续性至关重要, 特别在当前我国地方政府性债务风险集聚期更有现实意义。因为, 成本计量和绩效评估是政府绩效管理的两大支柱。鉴于政府产出无法货币计量 (至少应按照经济、政治、文化、社会和生态“五位一体”的建设纬度计量, 但这已经突破了政府会计的范畴) , 因此只能计量政府的投入, 而投入的计量是支出法 (现金制) 和成本法 (应计制) , 而成本法是通过有关应计、折旧、摊销等权责发生制会计程序把当期的全部资源消耗 (总成本) , 运用成本归集分配等成本会计技术, 对象化到各项产出, 进而计算有关项目消耗 (单位成本) 。从这个意义上说, 政府成本核算必将助推我国的绩效预算改革, 进而对高校财务信息的披露产生深远影响。令人欣慰的是, 新修订的《高等学校财务制度》第六十二条第一款规定“高等学校应当根据实际需要, 逐步细化成本核算, 开展学校、院系和专业的教育总成本和生均成本等核算工作。科研活动成本的核算应当细化到科研项目”。

从高校财务信息披露与信息需求相匹配考虑, 在目前我国预算会计“三分天下”的格局下, 财政总预算会计、行政单位会计和事业单位会计的有效融合并引入合适的会计记账基础, 进而进行我国政府会计体系再造成为迫切的需求。近年来, 财政部网站公布了“三公经费”年度预算执行和预算安排的情况, 背受关注和“草根”阶层热议的背后, 折射出公众对政府会计信息披露的基本诉求。需要指出的是, 由于没有形成公认的披露模式和机制, 特别是披露之后的效果有待检验, 只能说是政府财政管理改革的局部创新, 还不是真正意义的政府会计信息披露, 因为信息披露本身不是目的。笔者判断, 在政府会计改革上, 我国可能会借鉴企业的做法, 出台一个基本准则和一系列具体准则。但是, 作为顶层设计, 只有对政府会计的目标、主体、财务报告体系论证清楚后, 才能符合逻辑地进行下一步改革。

六、小结与前瞻

大数据时代提升了会计信息服务经济社会的能力。以可扩展商业报告语言 (XBRL) 为核心的会计信息化建设, 对提升宏观经济管理的科学化、精细化水平具有重要的基础作用。在市场经济条件下, 会计信息作为资源配置的引导员、资本市场的风向标和经济信息的主载体, 一方面, 标准化的电子会计信息有利于单位进行更为精准的投资分析和决策;另一方面, 实施通用分类标准、编制标准化的电子会计信息, 对于单位内部管理也提出了更高要求。因此, 会计信息化对单位整合信息资源、加强目标管理、延伸管理触角、防范舞弊风险、作出科学决策都具有重要的意义。会计信息“数出一门、资源共享”, 就一定能实现企业、政府和监管部门信息的互通互联, 形成全社会共享会计信息资源的良好格局。会计信息作为财务信息披露的基础信息源, 促使着财务信息披露的变革是不言而喻的。

高校财务信息披露的大幕已经开启。现在要做的是, 搭建一个洞悉趋势、设立标杆、引导方向的高端意见平台, 集聚业界高端智慧, 从多维度多视角来理清宏观脉络, 开启全新视野, 探索披露新路, 找寻高校财务信息披露的行业标杆。

参考文献

[1]乔春华.《事业单位会计准则》与《事业单位财务规则》——以高等学校为例[M].南京:南京大学出版社, 2010.184-186

[2]常丽, 何东平.《政府与非营利组织会计 (第二版) 》[M].大连:东北财经大学出版社, 2012.22-23

[3]关于印发《高等学校财务制度》的通知 (财教[2012]488号)

大数据的若干思考 篇2

来源：《中国组织人事报》 作者：刘永 2013-09-25 15:19:

32随着信息技术的迅猛发展，数据正成为与物质资产和人力资源相提并论的重要生产要素。特别是近年来，“大数据”一词持续升温，其带来的信息风暴正逐步变革着我们的思维、工作和生活。作为基层人才工作者，应对大数据时代给人才工作带来的挑战与机遇成为当前必须面对和思考的课题。

靠“数据”指引提高引才实效。对于县（区）而言，人才工作的重点在企业。坚持企业为主体，突出高层次人才和高技能人才的引领带动，统筹推进各类人才队伍建设，要精准分析产业发展与人才需求，特别是要动态掌握全县哪些产业有哪些企业，哪些企业有哪些人才需求。同时，区域位置、行业隶属、产业基础、企业规划和人才需求也各不相同，传统的信息采集较为烦琐且不够准确。以往这些大都是靠粗略估算或走访调查获得，而进入大数据时代之后，通过数据搜集和联机分析，就能动态地形成点（企业）、线（产业链）、面（地区）的完整分析，再运用动态的数据报告，有针对性地编制人才招引的长远规划和阶段计划，组织各类招才引智活动，切实提高引才工作实效。

凭“数据”倒逼促进作用发挥。人才引进并非最终目的，人才引领社会经济发展才是题中之义。随着人才项目数量的增多，其项目绩效如何，既是社会各界关注拷问的热点，也是人才部门需要冷静思考的难点。人才作用发挥情况的衡量离不开绩效的评估，而绩效评估离不开数据的说明。人才主管部门可以根据人才项目实际，科学设置数据指标，如“人才项目总产值及人均产值”、“人才项目销售利税及人均销售利税”、“产业节点对产业链形成的贡献”、“专利申请及授权量”等，通过量化测评、专项审计、现场评审等多种形式，采取类比法、定性评价法、加分项等不同方法，以动态的绩效评估推进人才项目在经济社会发展中的作用发挥。

让“数据”促进服务环境优化。从粗放式管理向精细化管理转变，大数据理念在人才服务领域同样也可以发挥事半功倍的作用。当前，各地都普遍认识到人才服务的重要性，但准确把握把握人才需求，有针对性地优化服务环境的方法手段还不多。通过信息手段利用已有的数据，就可以很轻松地梳理出人才的内在需求。例如，现在许多地方推出了类似“市民卡”的“人才绿卡”，为人才在创业创新、就医保健、子女入学、研修培训、社会保障方面等提供便捷服务。如果通过计算机对人才使用这些公共服务的类别、次数、频率等数据的梳理分析，就可以很准确地找出人才最需要和最常用的服务有哪些，然后根据这些数据调整服务布局、改进服务举措，这样人才服务环境可以得到进一步优化。

大数据下的空间数据挖掘思考 篇3

关键词：大数据时代；空间数据挖掘；发展趋势

中图分类号：TP311.13

随空间信息的概念进入公众视野、成为研究人员的探讨议题后，部分专家便预测了空间数据挖掘的必然出现，由于大数据时代对于数据的特殊要求及属性定位，势必会带动一股对于数据整合手段的讨论热潮，而空间数据挖掘技术随之应运而生。从简单的同类事件各类型数据的对比提炼，到各类型事件多样化数据的收集、整合，空间数据挖掘技术较数据挖掘技术的提升空间巨大。

1 论文议题概念与意义

随各类型资料、信息的聚集量逐渐扩大，信息整合技术手段层出不穷，可以说，我们当下生活的环境已进入大数据时代。各类型事件、各类型组织、各类型研究议题均无法脱离大数据时代的长远影响。大数据时代已经开启便注定其今后的主导地位。而空间数据挖掘则是大数据时代的主要代表思想，从其概念看，空间数据挖掘指的是将存在于空间领域、表面看毫无规律、内在联系不明显的隐含数据信息运用相关特征及模型建立手段进行提炼的过程。其操作过程包含数据的准备过程、选择过程、预处理过程、缩减过程、变换过程、配套研发过程等多个环节，每一环节都紧密相扣。就已有空间数据挖掘研究现状看，较成熟的空间数据挖掘手段包括概率论、空间分析、统计分析、归纳学习、空间关联、聚类分析、神经网络、决策树、粗集、趋势探测、云理论、遗传算法、可视化处理等等类型。大数据时代的空间数据挖掘技术研究所经历的发展历程呈现初步提升、类型多元化变换的良性趋势。

对于空间数据挖掘技术，人们由最初的简单数据提取逐步演化为如今对技术手段的不断优化，可以说，大数据时代的社会轮廓愈发清晰明朗。大数据时代的空间挖掘技术也逐渐从专业领域研究人员所用手段逐步变为日常生活中经常出现的行为模式。从政府执政参考、学校教学手段提升、专业领域研究、到社会现象规律探究，各行各业随处可见大数据空间数据挖掘思想的影子。或许人们在操作过程中并不确定其手段的数据挖掘属性，然而大数据时代的空间数据挖掘思想就这样的逐步渗透到我们的生活中。

本文议题设定原则在于协助人们明确自身所处社会时代的大数据特性，以前人思想分析为基础，明晰空间数据挖掘思想对人们日常生活的重大影响及其优势。

2 空间数据挖掘的特点及应用范围

信息时代必然的结果是巨大数量级的各样信息的逐渐积累，无章可循的大量信息无法给人提供有效信息及功能，那么我们可以称之为垃圾信息。倘若没有空间数据挖掘作用，那么我们周围的所有信息将以杂乱无章的混乱形式充填，加之空间信息的增长速度极快，根据领域个性化要求进行的空间数据挖掘技术的出现十分必要。

2.1 空间数据挖掘的特点归纳。空间数据由于其区别于普通数据的多样性及复杂性，注定了空间数据挖掘手段具备一定特殊属性。在查阅相关资料后笔者发现空间数据挖掘的特点可以从其本身特性及应用特性两方面予以概括。

（1）数据来源多样且丰富、数据数量级庞大、数据类型众多、数据呈现形式表面看非常复杂；（2）所依托手段水平较高，常常借助空间搜索引擎使用机制对復杂空间数据予以组织。由于空间数据挖掘技术的定位较此前大数据环境下的简单数据整合、聚类而言有很大提升，所涉及的相关技术手段的水平自然而然随之提升；（3）空间数据挖掘手段类别多样，对于不同领域要求有不同属性表现。由于应用范围多样且复杂，空间数据挖掘手段的类型也随之发生不同变化，每一类空间数据挖掘技术都依据所负责的领域研究内容而在侧重点上有所不同；（4）空间数据挖掘原则为多尺度、多维度并行分析。面对现代社会日趋多元化、复杂化、空间化的数据信息整合需求，空间数据挖掘手段虽然各自存在不同，但其发展趋势方向为多领域并行分析。原因在于各类型领域的共同性注定了今后信息整合的归一性。

2.2 空间数据挖掘的技术支撑。目前国际上公认的具有代表性的空间数据挖掘技术支持系统包括Descartes、GeoMiner、ArcViewGIS的S_plus接口数据库系统。这三种SDM系统在不断的实践应用过程中均表现出令人满意的可视化地图与DM之间的结合能力。可以提供根据用户数据需求的多样聚类、数据信息分类等挖掘形式。Descartes作为专门的空间数据可视化技术，其工作原则为与DM工具Kepler两者联合在一起。而GeoMiner系统相对庞大，在实际运用过程中会对空间数据信息平台的资源配置要求过高，也可能会造成一定程度的资源浪费。而较为常用的GIS系统在应用过程中同样存在一定缺陷，虽然其技术本质为解释性语言的一种，但其功能性上较C语言而言较慢，也就是说，GIS系统较难实现对相对量多的数据库的挖掘。

以GIS中数据挖掘的过程，帮助理解空间数据挖掘的技术方案。首先，根据一定的主题要求及背景知识，从现有的空间数据中提取数据进行分析、处理。其次，选择合适的算法，确定参数。得出挖掘数据后对其进行评价，再以用户能够全面理解的方式呈现给用户。

2.3 空间数据挖掘的应用领域。正如前文所说，空间数据挖掘的涉及领域范围极广，对人们工作、生活、学者研究乃至国家政策都有潜移默化的影响，其优势已被国际认可。就目前空间数据挖掘的发展现状看，其应用领域包括国家国防建设及安全筹划、人们日常生活及身体健康、气候变化及天气预测、地质勘探及环境调研、地震预防及突发性事件应对规律等。近几年来被热议的智慧城市、智慧地球等新兴理念也同样受到空间数据挖掘的影响。

天文学、地质学、灾害学等领域需要依托以往经验、规律进行有效预测、算法设置、要点归纳，而大数据时代下的空间数据挖掘思想恰恰迎合了这种需求，值得注意的是，空间数据挖掘技术在危机管理及危机预警行业的应用频繁、效用显著。由此可以推测，今后空间数据挖掘技术在经验探究、规律总结类研究领域的应用比重将会更大。

3 空间数据挖掘的应用趋势及发展预测

分析大数据下的空间数据挖掘现状笔者发现，就目前社会市场环境下的应用需要，空间数据的所有特征并未被人们完整地注意到，某些待开发领域特征的存在注定了空间数据挖掘技术的深入研发远景。比如，对于多来源的空间数据的预处理技术水平尚不能完全满足各行业、各类型组织的应用需求，对于空间数据的种类划分及对应技术方法的研讨仍在进行。

而今互联网的迅猛发展也为空间数据挖掘技术的前行助力，空间上必然存在的信息属性不确定性逼迫着空间数据挖掘者们持续进步。在分析空间数据挖掘思想的特征、目标、现状的基础上，笔者认为，空间数据挖掘今后的发展方向必然是各类型、领域、行业的专业化空间数据整合技术的研发，其目标在于协助人类更直观、多角度、完整地认知世界、环境及社会，帮助人们提升自身面对知识的有效提取能力。可以说，大数据时代下的空间数据挖掘技术的核心发展目标在于更好的服务于人类社会的发展。

4 结束语

虽然已有空间数据挖掘技术水平基本满足现有信息结构化处理需求，但随各领域研发进度的深入、多样化，已有的空间数据挖掘技术的不断强化、提升成为大数据时代下的空间数据挖掘技术的必然发展趋势。从技术及理论方法两方面，完成实践与理论的双向完善，成为各领域专家、研究人员今后的工作重点。

参考文献：

[1]蒋良孝.空间数据挖掘的回顾与展望[J].计算机工程与应用，2003（06）.

[2]李德仁.论空间数据挖掘和知识发现[J].武汉大学学报，2011（06）.

[3]段晓君.可视化数据挖掘技术及其应用[J].计算机应用，2000（01）.

大数据的若干思考 篇4

关键词：档案,档案数据,数据积累,存储资源

国家档案局局长杨冬权同志,在2009年12月18日全国档案局长馆长会议上的讲话中要求:“各地档案部门要以服务民生为重点,加快探索和推进区域内档案信息远程共享工程,首先在国家档案馆之间实现民生档案信息数据库共建共享,利用者所需档案信息只要保存在其中某个档案馆内,即可在首访的档案馆查阅并可异地开具档案证明,无需往返奔波。”[1]要实现这一目标,必须要积累足够丰富的档案数据资源,而随着这些档案数据的快速积累,对存贮资源的需求也必然水涨船高,随之而来的就是档案数据积累与存储资源需求的矛盾。如何处理档案数据积累与存储资源节约两者间的关系,对档案信息化的可持续发展,有着紧迫的现实意义与重要的长远意义。

一、数据积累重在基层单位的积累

说到数据积累,大家往往认为,只要按照电子文件归档管理规定要求去做就万事大吉,高枕无忧了。其实不然,要做到档案数据的全部积累,还必须注重在基层单位工作中的文件与档案数据的积累,特别是要做发以下几个环节的工作。

1、随时保存文件与档案数据

做为基层档案工作者必须清楚在电子办公时代,数据积累来自于每一位工作者时刻保存数据的习惯。电子文件的特性决定了其易被修改与覆盖,因此,“随时保存”是要让所有涉及产生与使用电子(档案)文件信息的工作人员,都须养成随时保存文件与档案数据的习惯。唯有当“随时保存”从制度要求,变为自觉行为,直至成为习惯动作,才有可能实现文件与档案数据的有效积累。

2、特别留意移动存储介质中的文件与档案数据

在养成随时保存文件与档案数据习惯的同时,还要清楚数文件与档案据的存贮情况。这里所说的存贮情况是指你是否了解自己文件与档案数据存放的地点,并确定对文件与档案数据管理有效。一般情况下工作人员都会将自己常用的文件与档案数据管理得很好,但是当这些文件与档案数据一旦进入了可移动存储介质,就变得不易控制。移动存储介质中有很多没有归档管理的文件与档案数据,做好对移动存储介质中文件与档案信息数据的备份和归档管理至关重要。因此,要实现文件与档案数据的完整积累,就必须随时保存所有文件与档案数据,特别是存贮在移动存储介质中的文件与档案数据。

3、系统升级后及时清理的“硬盘”

硬件升级是档案信息化过程中最平常与最频繁的事情,也是文件与档案信息积累过程中特别应该关注的。我们对升级后的硬件处理一般在两种方式:卖丢或放在机架上作为备份硬件以防万一。这样旧的硬件上通常还存有一定数量的文件与档案数据。这些数据可能已经归档,但也可能没有归档。因此,在硬件升级时,必须对其硬盘上的文件与档案数据进行及时清理——或补充归档,或彻底清除。

4、谨慎备份与销毁文件和档案数据

备份与销毁对于文件与档案数据积累同样重要。随着文件与档案数据量的不断膨胀,文件与档案数据备份与销毁工作会越来越频繁。首先备份与销毁的内容应该包括工作、系统和事件记录、查档记录、利用服务记录、查档申请、电子邮件、会议记录、其他业务记录。在备份与销毁中特别要注意标识更改与存贮介质的重复使用时,容易造成数据重复与覆盖问题。销毁与备份都十分重要,都是保证档案信息处理工作规律性和一贯性的重要步骤。因此,在备份与销毁档案数据时要特别谨慎与仔细,通过严格的备份与销毁流程,确保每个工作人员都能够按照有关文件与档案信息管理规范,将需要备份的文件与档案数据备份好,将需要销毁的文件与档案数据销毁掉。

二、关注节约存储资源

在认真履行电子文件收集整理规范,并做好上述四个方面工作之后,可以有效地帮助我们提高档案数据的积累。但同时我们还需关注存储资源的节约,尽可能避免保存那些不必要的文件与档案数据,从而避免存储资源的浪费。这几年,随着电子文件管理规范的不断完善,要求保存各种文件与档案数据的法律、法规、规章、规定也越来越多,对文件与档案数据保存也提出了更为严格的要求,这使大家在文件与档案数据的保存方面变得更为小心谨慎,为了避免出现不必要的问题,信息化部门有时甚至采取全部保存的策略。造成这种局面的原因是多方面的,其中档案信息化部门对相关法律、法规、规章、规定的理解不准是主要原因之一。要避免这种问题的发生,就必须处理好下面几个问题。

1、无需保存全部的数据

在文件与档案数据需求与文件与档案数据安全的压力下,单位信息化部门为安全采取保存全部数据的策略,在没有认真阅读法律、法规、规章、规定的情况下,笼统的认为法律、法规、规章、规定要求的就是保存全部数据。事实是,到目前为止还没有哪个法律、法规、规章、规定要求所有文件与档案信息都必须保留。档案部门确实有责任保留那些与本单位主要业务有关的数据以及政府部门有明确规定需要保留的文件与档案数据。可事实上,大多数单位保留的文件与档案数据远远超过了这些规定的要求。很多时候,许多单位会把生产经营过程中的所有文件与档案信息,从电子表单到电子邮件都保存起来。因为他们没有与档案部门进行有效的沟通,以明确哪些文件与档案数据必须保存而哪些不用保存。档案部门应该主动与法律部门、信息化部门、业务部门进行沟通,制定出科学的档案数据保存流程,这样就有可能防止文件与档案数据的全部保存。

2、档案数据的存储成本不低

我们常常以为文件与档案数据存储成本就是硬件供应商所说的每GB多少钱,并且随着硬件的发展会越来越便宜。事实上文件与档案存储数据的实际成本并不低。硬件供应商所说的每GB多少钱只是存储介质本身的费用。实际上,“保存全部数据”既增加了管理成本,还增加了以后文件与档案数据搜索的成本。这样就会降低文件与档案管理系统的效率,进而增加了我们的服务成本;同时,当以后如果按要求需要和规定对这些文件与档案数据进行批量转换、迁移处理时,就会相应地增加工作量,从而增加我们的管理成本。特别是我们档案部门,必须管理几代文件与档案数据以及各种类型的文件与档案数据,这些都可能对我们的档案信息化带来负面影响。

3、科学区别数据的有用性

我们之所以要对档案数据进行保存和管理,一是这些数据有价值,对单位生产经营活动有帮助或者是管理工作的必需;另一个是法律、法规、规章、规定要求必须保存。因此,只要能够全部了解档案数据的业务价值与流程,并和法律、法规、规章、规定方面的相关要求结合起来,就可以做到科学区别数据的有用性。简单地说,只要把法律、法规、规章、规定和档案数据的业务价值结合起来,我们就可以比较准确地判断出档案数据的价值,进而设计出一个科学合理的数据管理理流程。

处理好文件与档案数据积累与存储资源节约两者的关系,不能等问题严重了才开始去做,必须从现在起就给予足够的关注。档案部门需要与各个单位的主要业务部门、信息化部门一起研究每一个单位的业务流程与文件档案数据形成规律,为每一个单位制定出具有适合自身业务特点的系统方案,既要保证法律、法规、规章、规定要求保存的文件与档案数据必须保存下来,又尽可能减少存贮资源的浪费,处理好文件与档案数据积累与存储资源节约两者的关系,以保障档案信息化的可持续发展。

参考文献

[1]杨冬权.在全国档案局长馆长会议上的讲话[EB/OL]. http://www.saac.gov.cn/articleaction.do? method=view&id=ff80808124c7e0f50125afb8a90a0016

[2]刘东斌.数字档案馆的档案法律问题[J].档案管理,2003, (5).

[3]吴雁平.不积跬步无以至千里——数据积累与办公自动化[J].办公室业务,2001,(4).

[4]刘东斌.数字档案馆建设面临的难题[J].档案管理,2003, (4).

[5]吴雁平,.办公自动化条件下电子文件管理的非技术措施[J].办公自动化,2000,(3).

大数据的若干思考 篇5

摘要：大数据是在互联网普及之下新形成的生产要素，其对区域经济发展有着尤为重要的作用。当今我国各区域在应用大数据发展经济时仍面临着许多问题，其中主要包括应用意识不强、技术有限、共享障碍等。本文阐述了大数据的具体内涵，探讨了其对贵州区域经济发展的重要意义，并提出了在区域经济发展中充分发挥大数据作用的关键措施。

关键词：大数据;贵州;经济发展;作用探讨

如今，互联网技术在各行各业中得到了广泛应用，其大幅加快了向信息化社会转变的进程。除了资本、自然以及人力资源之外，大数据正是这一背景下产生的第四种生产要素。它不仅成为了各区域促进经济发展、完善产业结构的重要途径，同时也大大促进了全国社会经济改革。纵观贵州的区域经济，其呈现出经济发展速度较慢、产业结构有待完善、资金投入力度相对不足、过于依赖资源优势等局面。因此，大数据的出现和应用对贵州区域的经济发展有着非常重要的作用。它不仅有利于改变贵州经济水平低、产业形式过于单一等现状，更能促进其经济转型，加快创新型经济的发展。

一、大数据的具体内涵

大数据这一概念的提出并不是空穴来风、毫无依据的。在计算机技术革命伊始，阿尔文托勒夫就曾预言说大数据的出现将会为信息技术的革新注入新的生命力。但直至今日，学业界尚未明确定义大数据的内涵。每一学科领域因其看待问题的专业角度不同，所以它们对大数据的定义也大相径庭。有学者认为，大数据就是无法用常规的数据处理软件加工、分析的一组数据集合。当然，这只是一个较为宽泛的定义，并没有统一的标准规定大数据的具体规模。因为在时代不断进步和数据软件重复更新的同时，大数据的规模也在不断扩充。另外也有学者认为，大数据的概念不仅仅限定于一种数据集合，更是数据对象和技术应用的有机结合体。值得一提的是，大数据虽然是一种数据集合，但它不是表面上的大规模数据，更不是简单的数据总和，而是在这些现有的数据之间建立一种内在的联系。总之，大数据的真正内涵是将数据对象与技术以及应用有效结合，并将其充分运用到区域经济发展中去。

二、大数据对区域经济发展的影响

1.创造新的产业形态

大数据的有效应用能够推动产业升级，促进产业结构的完善。我国一直将追赶发达国家的经济水平作为长久的战略目标，现在在新兴产业中深化信息改革、推广大数据的应用成为实现这一目标不可或缺的途径。大数据涉猎的范围较为广泛，其中包括教育就业、医疗卫生、旅游交通等。正是由于其涉及到的领域较多，所以大数据具有很大的.发展空间和潜力。同时，大数据的应用能够完善产业形态、带动产业发展。贵州的经济发展现状存在一个令人堪忧的问题就是产业结构不甚合理。其第二产业的发展相对落后，并且缺乏统一完整的布局。由于第三产业的发展是在第二产业的基础上进行的，所以这就导致贵州的第三产业也较为滞后。倘若贵州的经济发展中能够充分融合大数据的理念，例如将大数据与物联网或者云计算相结合，那么这将推动计算机设备、智能终端等一系列高端产品的开发，同时又能创造一批增值业务。这些都能有效改变贵州经济发展模式单一、水平低下的现状，促进其产业结构的逐步完善，推动信息产业的稳步发展。

2.增加社会经济效益

贵州整体的经济水平处于较为低平的状态，家庭人均收入较低，但其物价水平较高。同时，贵州地区在资源利用方面存在很大的局限性，导致其在全国经济发展中没有很明显的竞争优势。实践证明，大数据的应用能够为社会创造很大的经济效益。例如，欧洲发达国家将大数据融入到政府的行政管理中，在提升政府部门工作效率的同时也大大节省了额外开支。倘若在工业、农业等多行业中应用到大数据，那么这在满足产业发展需求的同时，更能推动产业向创新型转变，同时在很大程度上降低生产成本，提高经济效益。另外，企业可以通过大数据及时掌握客户的心理动态、消费理念等，在了解客户需求的基础上进行产品的研发，这样更能开发出适应客户心理的产品，从而带动消费，提升市场利润。

三、贵州区域经济发展中应用大数据的具体措施

1.提倡产业协同创新

产业协同创新，即将产业资源与生产要素有效整合时进行一定创新。在产业生产中，将大数据应用作为其指导方向，促进各行业之间的高效合作、协同发展。例如，可以将大数据应用到新能源的开发、新医药的研发以及电子信息的传播中去，这不仅能够促进产业同步发展，更能使得产业结构形式多样化、产业链更为完整。同时，在提倡产业外部的合作交流之外，大数据也能挖掘出产业内部自身的社会与经济价值，从而创造出新的经济增长热点。另外，对于贵州经济发展更为重要的一点就是通过大数据的应用改变其产业模式单一的现状。大数据能够有效转变传统产业的方向，通过与现代产业的合作融合，带动其向创新型发展。

2.创造大数据良好的发展环境

利用大数据带动社会经济发展的前提是其处于良好的环境中。而优化大数据的发展环境需要政府和企业的协调支持。贵州当地政府要在财政上放宽对大数据的政策，加大资金投入，大力支持企业开发的大数据项目。同时，政府对大数据的研发技术给予适当的补贴或奖励，以提升企业的研发积极性。在大数据的资金引入方面，不仅要面向民间投资，也要大力引导外资对大数据技术研发的投入。另外，政府也要注重人才培养，特别是大数据分析与研发方面的高素质人才。贵州教育部门可以将与大数据相关的课程列入到教学目标中去，从大学就开始培养学生的数据库观念。这样不仅能够为大数据的发展创造良好的环境，更能为其长期、稳定发展打下坚实的基础。

四、总结

大数据的涉猎范围之广，其已成为各行各业产业创新的热点。贵州由于其经济发展水平较低、经济增长速度较慢等特点，所以在产业生产与技术研发中应用大数据对其有着非常重要的意义。大数据的应用能够创新产业形态，带动经济增长。政府应在把握大数据优势的同时，加大资金投入，鼓励技术研发，为大数据的发展提供良好的环境，从而通过其推动社会经济的发展。

参考文献：

[1]李娜.对应用大数据推动经济社会发展创新的思考[J].价格月刊,,03:77-82.

[2]任保平,辛伟.大数据时代中国新常态经济增长路径与政策的转型[J].人文杂志,2015,04:29-35.

大数据热背后的冷思考 篇6

大数据真的那么必须？

通常所说的大数据是具有3种特性的数据，即大数据量（Volume）、高生成速度（Velocity）和多数据类型（Variety）。大数据量指的是数据海量，如今有许多企业已经面临单日数据量以数十、数百TB的速度增加，而总数据量也达到了PB（Petabyte）等级，这样的数据量已让传统的数据库难以处理；高生成速度是指企业数据增加的速度越来越快，诸如移动化、社交网络的广泛应用，使得数据增加的速度比传统的企业应用程序要快很多，一旦数据增生速度加快，数据处理、分析的速度也得跟上；多数据类型是指数据的多样性，时下人们上互联网不只是看看资讯，同时也在不断地产出数据：上传照片、上传视频、发微博；另一方面，IT深入工作生活中的各个角落，各种各样的传感器、监控器也时刻不断产生各种数据，数据的形式已日趋复杂、多样了。这就催生了大数据技术的强烈需求。

虽然如何解决日渐紧迫的大数据处理已成了企业管理信息化、现代化的必然需求，但国内的大数据领域到底有多活跃？大数据真的如一些厂商所描绘的那么强大、好用，成为每个企业所必需的吗？

在一片叫好声中，部分专家和业内人士显得小心谨慎，甚至不乏非议。一些专家认为，除了大量的研讨会和各类公司宣称进军大数据领域的雄心之外，其实际进展至今难见成效。许多企业CIO认为，国内能利用大数据背后的价值的行业主要集中在金融、电信、能源、证券、烟草等超大型、垄断型企业，其他行业谈大数据为时尚早，大数据在企业的应用并不是说只要开放了数据、应用一些技术就可以轻易地发现“金矿”。目前国内大数据应用似乎正在呈现这样的状态：投资人活跃，技术和服务供应商热心，媒体高调，而大量应用企业迷惑。

有人更是批评“大数据是在既有的方案上包装了一下，实质是新瓶装旧酒，只不过更时髦”，海量数据时代的数据应用并没有给多少企业带来革命性的变化，在 MapReduce（Hadoop中采用的编程模型，用于大规模数据集的并行运算）出现之前，也有企业能够轻松地对数据进行大规模并行计算了，而 NoSQL 的出现也只是为处理数据的方式带来了更多选择罢了，并没有革命性、实质性的飞跃。比如，某厂商说，利用其大数据技术，电子商务网站就能知道“什么地方的人买东西最疯狂”或是“什么型号手机最好卖”，这就是大数据分析的结果。对此有专家反驳“难道同样基于数据仓库系统的BI分析出来的结果和基于这个大数据出来的结果会有不同？”

的确，从某些大数据应用中能挖掘出新的价值，但这个价值只是附加价值，没有理由去夸大它，更没有理由去无端地想象。大数据是机会，但现阶段还只是少数人的机会，更多的是巨头们的商业谋略。”厦门一位电子公司CIO也认为，“一些企业所需要的数据挖掘，传统列式数据就能很好地处理。与其参加各种口沫横飞的会议，还不如和工程师聊聊可以运用什么更实用的工具来解决具体问题。”

大数据当立，BI当下？

让大数据取代BI也是当下热议的话题。实际上，大数据与BI之间的确存在着天然联系，但并不是互相替代、排斥的关系。大数据与BI一个主要区别在于：与传统基于事务的数据仓库系统相比较，其能在BI的基础上进行更大容量数据和非结构化数据处理，大数据分析不仅关注结构化的历史数据，它们更倾向于去对Web、社交网络、RFID传感器等非结构化海量数据进行更好地分析。整体相比BI而言，大数据更宽泛。

以EMC公司的 Greenplum核心产品线为例，它分为Greenplum Database（数据仓库）、Greenplum HD（Hadoop分析）和Greenplum DCA（数据计算设备），后者还是基于高性价比的工业标准x86服务器的MPP（大规模并行处理）分布式可扩展架构。这三个产品归于一个产品线也可以看出传统BI和大数据之间的内在联系。

诚然，海量增长的非结构化、半结构化数据中确实有值得深入挖掘的价值，但这并不等于人们就要采用全新的方法、工具来处理它们。正如需求是渐进式的增长一样，业务的变革也要以渐进式为主。

笔者认为，大数据的创新性、先进性与前瞻性，不容否定，值得肯定，但当有人提出“大数据当立，BI当下”之论，就显得过分武断。在如今细分制胜的时代，功能并不是越多越好，功能过多反而显得累赘，增加无谓费用。Gartner研究公司BI分析师RitaSallam曾表示，“大数据让BI更有价值和更有利于业务发展。我们总是会需要看看过去的数据，当你拥有大数据时，你更应该这样做。BI并不会被大数据取代消失，它的作用通过大数据被放大了。至少在相当长的时期内，大数据还难于取代传统BI。”

大数据的若干思考 篇7

一、现有数据处理方法综述

对外贸易价格指数的获取途径较多。国内外很多机构 (组织) 和部门根据各自的研究需要编制并公开发布各类对外贸易价格指数的相关数据。然而就其发布的价格指数在编算过程中涉及的数据处理问题, 除WTO、中国商务部和海关总署外, 其他机构或部门均未在发布价格指数时做出相关说明。

1. WTO对数据处理问题的说明

WTO在ITS的统计说明中指出, 除有关贸易来源地的数据取自UN的COMTRADE数据库外, 包括全球货物进出口总体价格指数和各国贸易价格指数在内的其他大部分数据均直接来源于IMF的国际金融统计数据库。

但对于同时发布的部分农产品全球总体对外贸易指数, ITS对该指数的编算程序作了解释。根据统计说明, 全球农产品总体对外贸易指数的编算分两步完成:首先由秘书处做出估计, 将各国的缺失数据补齐;然后将各国数据加总得到全球总体指数。显见, 除了对缺失数据进行补齐外, WTO并未对指数编算过程中涉及的诸如国别数据来源及具体处理方法等数据处理问题做出详细说明。

2. 商务部对数据处理问题的解释

从2002年1月起, 中国商务部开始在农产品进出口月度报告中公开发布农产品月度出口 (单向) 价格指数和物量指数, 2005年2月开始同时发布进、出口双向价格和物量指数。就价格指数编算面临的大量数据问题, 除了在报告中注明其发布的指数为全样本指数外, 商务部也未就指数编算中相关的数据处理问题给出明确解释。

3. 海关总署对数据处理程序的阐述

海关总署从1994年开始试编中国对外贸易指数, 是国内指数编制方面的最早尝试。2000年海关总署对贸易指数的编制系统做了修订, 并于2003年正式启用编制指数的新方案。2005年起海关总署正式编制出版《中国对外贸易指数》月刊, 并在季末和年末编制季度和年度增刊。其公开发布的《中国对外贸易指数编制说明》也是目前能见的对外贸易指数编制说明中最为详细的一个。

《编制说明》指出, 根据最详细的海关进、出口记录计算出同种产品的价格变异系数, 海关总署从中选择部分HS的8位目产品作为计算样本, 样本数据占全部贸易品的70%以上。获得样本数据后, 在HS的8位目数据上计算单位价格指数, 然后利用费氏公式测算得到6位目上的价格指数, 进而向4位目、2位目和全部贸易产品汇总, 最后得到中国对外贸易价格指数。

二、对现有数据处理方法的评析

回顾现有的指数编制说明作者发现, 多数机构和部门在发布对外贸易价格指数时对指数编算过程中涉及的数据处理问题或未能做出说明, 或说明不完善。相比而言, 海关总署对具体的数据处理程序解释较为细致, 对改进现有的数据处理方法具有现实的借鉴意义。

海关总署的数据处理方法有其显见的优势, 同时存在难以避免的不足。优势和不足均来源于直接将8位目数据用于指数测算的处理思路。8位目数据上得到的指数结果能够最大限度地避免混频价格指数的产生。这种从低税目层次上开始的数据处理方法对于价格指数编算, 特别是多样化特征显著的产品 (如农产品) 的价格指数编算具有显见的合理性。

与此同时, 8位目数据不可避免的表现出变异程度高的特点, 限制了指数公式的应用。为此, 海关总署在全部数据中人为剔除了某些税号, 保留70%的产品作为数据样本。这种根据变异系数人为剔除数据的做法忽视了贸易产品结构变动对价格指数的影响, 导致编算结果无法客观反映贸易价格的真正变动规律。

三、对外贸易价格指数编算的数据处理

对外贸易价格指数编算涉及的数据问题包括以下三个方面:一是编算使用的原始数据;二是对原始数据的评价及处理思路;三是具体的数据处理方法。

1. 中国对外贸易数据来源

中国对外贸易的原始数据来源于《中国海关统计年鉴》, 是HS的8位目上的进、出口量、值年度数据。

海关统计年鉴中的数据来源于《中华人民共和国海关进口货物报关单》, 《中华人民共和国海关出口货物报关单》或经海关核发的其他申报单证。海关年鉴统计范围的进出口货物依据《中国海关统计商品目录》归类, 1992年后的统计数据使用海关合作理事会制定的HS统计标准。其中, HS的前6位编码由联合国制定, 在各国之间一致;后2位编码由各国海关自行制定。中国海关统计年鉴中HS的8位编码由财政部关税税则委员会调整编制, 是根据中国关税、统计和贸易管理方面的需要增设的本国子目。

2. 原始数据评价及处理思路

HS的8位目数据并不适用于对外贸易价格指数的实际编算。首先, 8位目数据的变异程度较高, 相当一部分数据不具备数量特征, 贸易量、值数据在很多年份的记录为零。数量结构的较大波动导致数据跳跃 (包括记录为零) 限制了指数公式在8位目上的应用。

另外, 8位目上编算价格指数的实际意义不大。HS的前6位编码由联合国制定, 在各国之间一致, 具有国际间的可比性;后2位编码由各国海关自行制定, 在各国甚至同一国家的不同年度之间出现差异。

基于上述两点, 同时考虑到HS的4位目数据虽然变异程度小、有利于指数公式应用, 但该税目层次上得到的价格指数的混频程度必然高于6位目上的结果, 作者提出建立在HS的6位目层次上的数据处理思路。

3. 数据处理方法

6位目上仍有相当一部分贸易数据存在问题, 使指数公式应用受限。为得到全样本指数, 作者对存在问题的贸易数据做了分析。结果发现, 这部分数据可分为三类, 作者针对其出现的不同原因提出了相应的处理建议。

类别1:税目裂解或调整所致的连续年份贸易数据为零

税则变化使得贸易统计出现调整, 有些税目从某个年份开始出现裂解。造成原税目在裂解年份之前有数据, 该年份之后出现连续的零记录;裂解后的新税目在裂解年份之后有数据, 该年之前的记录为零。如腰果在1996年之前使用1个6位目, 080130;1996年后裂解为2个6位目, 080131 (未去壳腰果) 和080132 (去壳腰果) 。对于此类数据, 本文建议采取合并还原的方法, 将存在裂解情况的税目的数据加总还原到裂解之前的税号项下, 并将加总后的数据作为原税目上的数据用于指数编算。

税则的调整还会带来这样的情况, 同一产品的贸易数据在不同的统计年度中不仅8位目上的编码不同, 6位目上的编码也不一致。如山梨醇的统计数据同时出现在290544 (山梨醇) , 382360 (山梨醇) 和382460 (2003及以后子目290544以外的山梨醇) 3个6位目项下。作者依产品名称为准将8位目基础上的统计数据加总, 并将加总后的数据作为1个6位目用于指数编算。

类别2:偶然因素所致的基年贸易数据为零

由于某些偶然因素, 部分税目的贸易数据在基年出现零记录, 导致指数编算无法进行。此类税目出现的频率不高, 作者认为应对基年数据的零记录进行调整。

数据调整是数据处理过程中经常遇到的问题。进行调整时通常假定数据变化遵循一定规律, 因此能够在该变动规律上对有关数据做出调整。鉴于假定价格的相对波动较小总是合理的, 且贸易量作为权重进入价格指数计算, 本文建议使用取平均的方法对基年的零记录进行调整。具体的, 对基年数据出现零记录的税目, 计算其在整个考察期内的单位价格和贸易量的算术平均值, 得到基年数据的调整值。这样基年出现两组数据, 实际值和调整值。由于基年实际数据不变, 调整值仅仅辅助完成指数编算过程, 并不会对最终的指数结果造成影响。

特别的, 当基年数据出现异常变动时, 使用取平均的方法还能降低由于数据存在异动给价格指数编算结果带来的不利影响。

类别3:贸易频率低或量纲调整所致的多数年份贸易数据为零

考虑到贸易频率较低时仍假定贸易数据变化具有某种规律并不合理, 作者不再对此类数据的零记录做调整。对于贸易频率低的税目, 作者认为可将相关税目的数据向临近的同属性或同名产品税目归并, 将归并后的贸易数据用于指数编算。如020421 (鲜、冷整头及半头绵羊肉) 的数据在多数年份为零, 本文将该税目的数据并入020441 (冻整头及半头绵羊肉) 项下参与指数编算。

注意到, 这类税目中还存在个别特殊情况:151911 (硬脂酸) 、151912 (油酸) 、151913 (妥尔油脂肪酸) 、151919 (未列名工业用单脂肪酸、精炼所得的酸性油) 和151920 (工业用油脂肪醇) 等。税则的调整使得上述税目在1995年后不再出现, 导致这些6位目的数据无法参与指数编算。考虑到这些税目涉及的贸易额较小, 剔出后不会对指数编算结果造成显著影响, 故作者选择将它们从数据样本中剔除。

税则变动也会导致量纲的变化。如未列名种用苗木在1996年之前的8位目是06029910, 贸易量的单位是吨;1996年后的8位目变为06029091, 贸易量的单位同时发生变化, 为千 (个, 条, 头, 张, 只, 株) 。量纲的变化使得上述2个8位目项下的数据无法做加总归并处理。鉴于06029910项下的贸易额较小, 剔出后不会对指数编算结果造成显著影响, 故作者将该税目从数据样本中剔除。

摘要：价格指数编算涉及大量的数据处理问题。本文对现有对外贸易价格指数编算中的数据处理方法做了全面回顾和评述, 进而提出建立在HS的6位目基础上的数据处理思路。特别的, 对于因存在问题使指数公式应用受限的数据, 作者针对其出现的不同原因提出了相应的处理建议。

关键词：对外贸易价格指数,价格指数编算,数据处理

参考文献

[1]海关总署:中国对外贸易指数编制说明[EB/OL].http://www.chinacustomsstat.com

[2]商务部:农产品进出口月度报告[EB/OL].http://wms.mofcom.gov.cn

[3]中国海关统计年鉴 (历年) .中国海关总署[M].北京:中国海关出版社

[4]UNCTAD:Handbook of Statistics[EB/OL].http://www.unctad.org

[5]World Bank:Statistical Manual[EB/OL].http://web.worldbank.org

“大数据时代”现代林业的思考 篇8

关键词：大数据时代,现代林业,智慧林业

1 林业生态化

生态红线是我国继“1.2亿hm2耕地红线”后, 另一条被提升到国家层面的“生命线”, 体现了党和国家加强自然生态系统保护的坚定意志和决心。我国虽然有庞统的生态系统资源, 但是其可视化程度低, 普通公民并不能对生态红线直观地感受, 随着我国经济社会快速发展, 破坏自然资源、侵占生态用地时有发生。“数字林业”产生的大量数据没有得到有效分析, “大数据时代”具有可视化分析的特点, 对于林权登记、一类、二类资源调查相关数据等大数据特点, 可以通过图、表, 甚至是检索简介就可知道此地块的地类、特点、性质等基本信息, 如同看图说话一样简单明了。

2 林业的产业化

大数据时代的到来, 让深居山区的农民了解了市场的需求, 使林业产业化为山区、农村提供更广阔的就业和致富空间。而拥有市场关键在产品竞争力。因此产品规范生产和技术要求至关重要, 这同时又激发一些从事林业生产的企业研究林农学科学、用科学的热情, 促进生产技能和整体素质不断提高。林业产业化以其特有的兼容性, 促进生产、加工、销售各环节的融合, 国家、集体、个体等各种经济成分的融合, 以及跨行业、跨地区的融合, 使各种资源在更大范围内, 按市场规律进行配置, 扩展林业及林业经济舞台和空间, 优化了经济结构, 深化和扩大资源利用, 有效地提高林业综合生产能力、林农收入水平和林业整体经济实力。

3 林业社会化

林业社会化服务体系仍不健全, 总体服务水平较低, 服务内容比较单一, 服务管理不够规范。特别是林业技术、信息、金融和保险服务缺乏, 不能适应现代林业生产发展的需要。所以建立新型林业社会化服务体系, 为农民据时代全方位的生产经营服务势在必行。通过大数据的联合, 把千家万户的分散生产经营变为千家万户相互联结, 共同行动的合作生产、联合经营, 实现小规模经营与大市场的有效对接, 大幅度降低市场风险和自然风险, 政府职能部门合理设置基层林业公共服务机构, 建立新型林业合作经济体系, 对林农的生产提供相应的指导。利用大数据平台的共享性, 使农户能及时掌握各种信息, 促进林业向现代化方向发展提供的产前、产中和产后服务的总和, 其建设包括林业专业合作组织、科技推广体系、融资体系和风险管理体系的构建。

4 林业旅游化

大自然的美是生态给予我们的回报, 这也践行了可持续发展为理念, 以保护生态环境为前提, 以统筹人与自然和谐为准则, 并依托良好的自然生态环境和独特的人文生态系统, 采取生态友好方式, 开展的生态体验、生态教育、生态认知并获得身心愉悦的旅游方式。“大数据时代”的到来, 打破了传统旅游行业的格式化和框架。通过相关平台的融合, 为一些小众群体的生态林业旅游提供便利。如桃花盛开的季节, 相约去赏花;葡萄成熟的日子相约去采摘, 炎热的夏季相约去林中避暑等, 从周边的农家乐到私人定制的路线, 总能在千千万万的人群中找到大数据的一线牵。大自然的鬼斧神工使各地生态旅游都独具特色, 这也就为林业旅游的多样性提供便利, 为林业发展旅游化成为一种新的经济增长点。

5 林业的科技化

为加快林业科技化进程, 应实施科技兴林人才战略。大数据时代下智慧林业建设, 全面应用云计算、物联网、移动互联等新一代信息技术, 使林业实现智慧感知、智慧管理、智慧服务。建立和完善林业科技培训网络信息流量大、交换速度快的优势, 根据季节农时做好经常性的信息收集发布工作, 通过多种形式, 为社会提供及时准确权威的信息服务, 建立和完善林业科技培训制度和培训网络, 大规模开展科技培训, 要紧紧围绕林业重点工程建设, 加强林业新技术推广培训和继续教育, 加快知识更新, 全面提升林业工作者的业务水平和工作能力。

大数据时代个人信息保护的思考 篇9

一、个人信息保护与信息自由产生的冲突

个人信息受保护是人格尊严受尊重的体现, 是公民个人隐私权的表现。但是在如今的信息时代, 信息意味着数据、数据意味着经济;企业需要利用收集到的信息做一定的加工、处理和分析, 以产生更大的价值, 当然这一利用需要限定范围、用途和方式, 以合理的不伤害信息权属人为限发挥个人信息的另一价值维度。

人们在发表政治观点、学术言论或者接受商业资讯以便从事经济活动中, 人们不仅被收集个人信息, 同时也需要直接或者间接利用他人的个人信息。这就是大数据的魅力和价值所在。如联合国在1946年通过59号决议设立了与人格尊严权同属于基本人权的信息自由权;之后学界与实务界也不断对这一权利的内容进行阐释。信息自由也在欧美得到普遍接受, 例如欧盟的《数据保护指令》第1条规定, 各成员国在维护个人信息本人人格尊严的同时, 不得禁止信息在成员国之间自由流动;而法国2004年的“数据处理、数据文件及个人自由法”第1条要求执法者在保护个人信息本人人格利益同时, 也要保障公众获取信息的自由。

因此人格尊严的保护与信息自由是信息时代的两种基本诉求。当我们在立法与司法的过程中不仅要考虑信息权属人隐私的保护也要考虑到对信息的合理利用, 以平衡两者之价值。在具体实践当中, 这一冲突直接体现在个人信息权属人与信息使用者之间的利益对抗与博弈。大多从事互联网相关业务的网站会在后台记录每个用户的个人信息, 成为他们的大数据中的海量元素之一, 并对每个人的信息进行批量分析与加工, 进行有针对性的投放工作, 不仅如此一些社会个体如快递员也会经常擅自收集与利用他人的个人信息或者披露隐私以牟利。根据中国互联网络信息中心的调查, 因此而导致的结果是, 超过90%以上的网民对其隐私利益的保护所面临的潜在危险表示出担忧。

二、基于大数据时代个人信息保护的构想

如今互联网在我国发展迅速, 各种互联网公司、网络服务层出不穷, 很多时候我们并没有意识到在什么网站注册了什么信息, 每一个局部的信息可能并不重要, 但是每个局部的信息的链接会拼成一个完整的“自己”。如何解决大数据时代下个人信息安全隐私问题应当是大数据后续发展的重要一环, 忽视只会对大数据的“扩张”带来阻碍。而现有的个人信息保护机制难以适用, 为此, 需要设立一个新的个人信息保护机制。

(一) 设立信息级别

新的数据保护机制应当以限制数据收集与使用者的行为、配置责任为重心。数据拥有者 (收集者) 可以根据使用的个人信息的危险程度, 对个人信息的用途加以区分, 分为安全使用、轻危险使用、危险使用三个级别。若该使用行为属于安全使用, 可以直接使用。则不需要对个人信息进行处理, 若该行为属于轻危险使用, 则需要对个人信息采取适当的保护, 如对敏感信息部分做加密或模糊处理;若该行为属于危险使用, 则应该对该使用行为进行危险系数评估, 同时采取规避危险或者减轻潜在危险的措施。

(二) 立法与发挥行业自律并行

欧盟1995年功过了《个人数据保护指令》, 其中规定了成员国公民拥有: (1) 访问权; (2) 拒绝权; (3) 自主决定权。数据控制者则应真遵守以下义务。 (1) 保证数据质量的义务; (2) 数据处理合法义务; (3) 敏感信息禁止处理的要求, 应当禁止泄露种族背景、政治观点、宗教或哲学信仰、工会成员资格以及有关健康或性生活的个人数据处理。 (4) 通知的义务。欧盟的列举行规定很详细、很全面也一目了然, 但是这一规定过于严苛, 并不利于大数据相关产业的使用与发展。与此不同, 美国在其联邦层面的个人信息保护模式则主张以市场主体自律为主, 即主要通过行业性的自律规范对个人信息进行保护。我国在立法时从我国特殊国情出发, 同时应当兼顾人人尊严和信息自由。我国互联网、大数据属于朝阳产业, 个人信息保护立法可以适当偏重保护互联网产业发展, 以赶超发达国家信息产业的发展, 同时也应当在个人信息泄露的重要环节严格加以监控与管理。

同时各行各业应当根据自身的行业规则与标准制定一些自律性规范作为国家制定的个人信息保护法律的补充, 给本行业从业者在处理个人信息时提供明确的指导。行业自律规范制定程序相对与立法程序比较简洁, 时间短, 灵活性高, 能够更好的提高个人信息的合理流通与利用的效率。同时因为企业追求利益而导致的行业自律不可回避的缺陷, 行业即是制定者也是使用者, 容易导致权力的腐败。当然对于行业自律性的规范也要进行外部监督。原则上, 主管部门应当监督行业自律性规范制定的过程, 同时对报备上来的行业自律性规范进行合法性与完备性方面的审查, 例如是否规定了从业者的对个人信息的保护义务、违反责任、惩罚性条款以及出现信息泄露的补正措施、追查措施。

(三) 提高网络安全技术水平

诈骗术花样百出, 网络漏洞越来越多, 对网络信息安全技术水平提出很高的要求。不断研发出新的网络防御措施是大数据时代下实现个人信息保护的重要保证重中之重。网络技术水平的提高离不开人才的培养、资金的投入及政策的扶持。一方面要注重对网络信息安全技术方面专业人才的引进和培养, 鼓励更多的人投入到对网络漏洞、隐私加密技术方面的研发和创新, 使个人信息安全在技术层面得到保障。另一方面, 要加大对网络信息安全技术研发的资金投入, 保证网络信息安全技术的的研发能够顺利进行, 从而实现网络信息安全技术的不断发展。最后, 政府的政策应该重视网络安全, 在全社会加强网络安全教育意识, 同时加大对网络安全作出贡献的人才与单位的奖励。用高科技武装公安侦查水平, 必要时成立网络技术诈骗专案部门, 培训专业人员。这样因被骗学费而自杀的惨剧也能不在上演!

综上所述, 我们国家在个人信息保护方面做得还远远不够, 不管是立法还是执法、侦查方面都存在很多缺陷, 个人信息保护范围过于笼统, 各主体权利义务不明, 将来的一段时期内, 对于个人信息保护, 在政策、限度、技术方面将处于不断探索中。基于大数据时代网络搜索的新环境, 个人信息保护应在确保公众基本的隐私权利、人身权利、财产权利不受非法侵害的基础上, 实现个人信息数据的合法、合理利用。

参考文献

[1][德]考夫曼.法律哲学[M].北京:法律出版社, 2004.

[2][英]维克托·迈尔-舍恩伯格, 肯尼思·库克耶.大数据时代 (第一版) [M].盛杨燕, 周涛译.杭州:浙江人民出版社, 2013.

[3]张文显.法理学[M].北京:高等教育出版社, 2005.

[4]齐爱民.拯救信息社会中的人格———个人信息保护法总论[M].北京:北京大学出版社, 2009.

[5]蒋志培.网络与电子商务法[M].北京:法律出版社, 2001.

[6]刘德良.论个人信息的财产权保护[M].北京:人民法院出版社, 2008.

[7]吕艳滨.日本的个人信息保护法制.个人信息保护前沿问题研究[M].北京:法律出版社, 2008.

大数据的若干思考 篇10

“大数据”一词, 最早是全球知名咨询公司麦肯锡提出来的, “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利浪潮的到来。”, “在美国具备高度分析技能的人才 (大学及研究生院中学习统计和机器学习专业的学生) 供给量, 2008年为15万, 预计到2018年将翻一番, 达到30万。然而, 预计届时对这类人才的需求将超过供给, 达到44万~49万人的规模。这意味着将产生14万~19万的人才缺口。仅仅四五年前, 对于数据科学家的需求仅限于google、Amazon等互联网企业中, 在最近重视数据分析的企业, 无论是哪个行业, 都在积极招募数据科学家, 这也会令人手不足的状况雪上加霜。”__摘自麦肯锡2011年5月全球研究院的报告 (大数据:未来创新、竞争、生产力的指向标) [1]。

2 数据分析行业一则最新的人才招聘广告

我们从2014年11月15日51job.com网上发布了1643条数据分析人才招聘职位中选取其中一则数据分析人才招聘[2]:

广州迅蒙龙贸易有限公司, 招聘岗位:淘宝数据分析师

职位描述: (1) 负责淘宝、天猫、京东店铺销售数据统计; (2) 针对推广方案, 进行数据分析、挖掘, 为推广方案达到最佳效果提供数据支撑; (3) 负责数据监测, 数据分析, 数据挖掘, 撰写分析报告;结合实际业务需求, 进行深度的数据分析; (4) 建立客户、产品的分析模型, 提出产品、业务改善建议;用相关工具进行数据提取, 分析顾客及市场特征, 提供相应的运营建议, 增强用户的黏性; (5) 建立运营数据分析模型, 针对流量、用户行为等进行监控和统计, 提供流量、转化率、流失率等; (6) 为网店制定相关数据标准, 根据数据决定网店页面布局及宝贝关联, 改进进店导流关键流程, 提升付费转化率, 减少各环节的订单流失; (7) 以数据为依托制定精准营销流程规范, 对线上营销 (包括钻展、直通车、淘宝客) 进行数据分析和评估, 提供数据报表和改善建议, 提升营销效果; (8) 对竞争对手的产品及同类新产品进行定期数据监控, 并形成对产品改进的有效建议; (9) 定期进行数据分析报告撰写及数据汇报工作。

岗位要求: (1) 心理学、统计学、电子商务、数据挖掘、数学、市场营销、计算机等相关专业大专以上学历; (2) 能熟练操作Excel、Access、Powerpoint等办公软件, 运用SAS、SPSS或R等专业统计分析工具; (3) 熟悉数据库营销的推广手段, 有相关工作经验优先; (4) 优秀的数据分析能力和业务学习能力, 善于从海量数据中总结规律;敏锐的观察力, 及时根据数据发现问题; (5) 具备良好沟通协调能力、性格开朗, 做事认真踏实, 工作态度好, 应变能力强, 善于团队协作; (6) 熟悉淘宝相关的数据产品, 精通淘宝递阶转化率相关指标及提升方法。

3 大数据时代数据分析人才的素质要求

从上面的数据分析招聘可以看出, 大数据分析是数学、统计学、计算机科学 (机器学习) 等交叉学科, 目前国内最主要运用在银行、电信、证券基金公司、网站分析等, 核心是关注和研究客户, 网站分析是大数据分析的典型应用, 也是目前需求量最大的人才缺口。目前国内专业划分过于单一, 而网站分析是综合技能很强的岗位, 专业技能上这类人才必须要精通计算机的数据库技术, 用于提取、管理和分析数据;要熟悉一门脚本语言, 用于编写程序;要具有较好的数据建模能力, 精通统计知识和统计分析软件, 特别是适合大数据分析的R软件或SAS软件, 用于挖掘数据关系;要具备有营销知识和心理学知识, 能很好的分析和解释客户行为;要具备些基础的经济学知识。通识素质上要善于从海量数据中总结规律;敏锐的观察力, 及时根据数据发现问题;必须具备良好沟通协调能力、性格开朗, 做事认真踏实, 工作态度好, 应变能力强, 善于团队协作。

4 我校数据分析人才培养的思考及对策

我校是较早开展大数据分析人才培养的高校, 从2010年开始, 我校信息与计算科学专业正式开设了数据分析方向, 当时我们查阅了全国所有高校, 都没有数据分析本科专业, 只有中国人民大学统计学院的数据分析方向应用统计硕士。当时该方向计算机方面开设的必修课程有C语言、面向对象C++、数据结构、数据库系统、网络数据库, 数据仓库与数据挖掘等, 并且C++、数据结构、数据库均设置了课程设计, 以加强实践环节的训练, 数学方面开设的必修课程有数学分析、高等代数、解析几何、概率论与数理统计、常微分方程、运筹学、数学建模等, 还开设了计算智能专业选修, 并且数学建模开设了课程设计, 要求学生参加全国大学生数学建模竞赛, 以检验数学建模课设的实效;统计方面的必修课程主要有多元统计分分析、抽样技术、应用时间序列分析、非参数统计分析、应用随机过程、市场调研与预测、面板数据分析等, 学习的软件有SPSS、SAS、E-VIEWS、MATLAB、STATES等, 统计选修课有统计软件数据挖掘等;开设的经济学课程有微观经济学、宏观经济学、计量经济学、财务管理专业必选课, 还有金融学、投资学等专业选修课;开设的营销课程有市场营销、消费者行为学、网络营销等。

从今天的情况看, 我们数据分析方向的课程设置是科学合理的。当然随着大数据的飞速发展, 我们也有需要加以改进和调整的地方, 如应开设一个脚本语言课程, 如Python, 需要开设“网站分析”之类的非常实用的专业选修课, 需要加强R软件的学习等[3,4], 其次有些课程虽然开设了, 但实效大打折扣, 不少学生觉得学校学的实际中都用上, 学习积极性不高, 因此理论知识水平和实践操作水平都不如我们的初衷。

通过大量查阅大量新近的数据分析岗位要求, 我们提出如下对策:第一适当调整课程, 增加“Python”必选课, 增加“网站分析”等专业选修课;第二转变教师教学思想观念, 变教理论为教能力, 提高教师大数据分析实战水平, 加强与企业、公司合作, 积极开展大数据分析应用研究, 给学生提供丰富的实战实例和场所, 极大地提高学生学习热情和积极性, 只有学生由被动学习转到了主动学习, 理论学习自然会如饥似渴, 刻苦钻研;第三, 加强与我校计算机学院物联网专业之间的沟通与联系, 开展互联网、物联网大数据分析的基础研究, 互相促进, 共同发展, 广泛开展教师间、师生间大数据分析技术交流, 争取多出高水平的科研成果;第四, 积极开展对外交流和联系, 扩大我校大数据分析的知名度。

摘要：在认真分析了新近一则数据分析人才招聘信息的基础上, 提出了大数据分析时代数据分析人才的必须具备的素质要求, 结合我校信息与计算科学专业数据分析方向人才培养的实际情况, 提出了几点需要改进的意见, 并给出了对策。

关键词：大数据分析,数据分析师,人才培养

参考文献

[1]黄林, 王正林.数据挖掘与R实战[M].北京:电子工业出版社, 2014, 6.

[2]http:/www.51job.com.

[3]李明.R语言与网站分析[M].北京:机械工业出版社, 2014, 4.

大数据的若干思考 篇11

关键词：大数据 兵团 人才

新疆生产建设兵团（以下简称兵团）是集党、政、军、企于一体的特殊的社会经济组织，14个师176个团场分布于新疆各地。兵团作为新疆稳定与繁荣的基石，承担着屯垦戍边特殊历史使命，担负着处理“三大关系”（屯垦和戍边、特殊管理体制和市场机制、兵团和地方）和发挥建设大军、中流砥柱和铜墙铁壁“三大作用”的使命。兵团经过近60年的建设和发展，社会生产力水平大幅度提高，2013年兵团生产总值达到1480亿元人民币，职工生活水平得到改善，各项社会事业蓬勃发展。但受地理环境、开发历史短、经济不发达、教育相对落后等因素的制约，兵团人才严重匮乏。在互联网飞速发展的今天，如何利用大数据加强兵团人才队伍建设，展现兵团“稳定器、大熔炉、示范区”的功能，更好地履行屯垦戍边使命是我们需要思考的问题。

1 大数据的定义

大数据，被誉为“未来的新石油”，已经和物质资源、人力资源一样成为国家的重要战略资源，影响着国家和社会的安全、稳定与发展。大数据具有大量、高速、多样和精确的特点，是海量、高增长率和多样化的信息资产，更加关注事物之间的相关关系而非仅仅因果关系，通过新的处理模式促成更强的决策力、洞察力和优化处理能力。

2 兵团人才队伍现状及存在的问题

2.1 人口数量缺乏，人才配置结构不尽合理。人才是未来经济增长的发动机和决定性因素。截至2013年底，兵团从业人员122万人，与2008年底的102.39万人相比增加了19.61万人，但五年来兵团生产总值增加了956.7亿元，兵团人口从总量上还不能与经济和社会的发展相匹配。人口数量特别是科技人才数量需要大幅度提高。2013年兵团的三产结构为29：42：29，当前兵团人员的产业布局是第一产业人员过剩；第二产业人员减少，缺乏工业升级所需要的高级技术人才和管理人才；第三产业人员大量集中在传统行业，新兴行业人员少。这样的人员产业布局很难实现兵团产业结构的调整。

2.2 人才地域分布不均。兵团人才市场发育比较迟缓，行政分割更为典型。兵团各垦区人才市场各自为政，未形成统一的资源共享的人才大市场。兵团80%的专业技术人员集中在团部以上部门，高层次、高职称人才大多分布在第一师阿拉尔市和第八师石河子市等经济发展相对较好的地区以及兵团直属机关，边远贫困地区和基层一线人才严重短缺。

2.3 兵团人才管理观念落后，机制不完善。一是兵团在人才认定及统计标准上主要沿用的还是“学历、职称”型的认定标准，能力和业绩未能体现在人才认定标准中。二是兵团远离内地，部分地区环境恶劣，经济发展水平相对滞后，存在配套措施差，软硬件投入不足，对继续教育重视不够，对人才的教育培训脱节等现象。

3 利用大数据找到需要的人，促使兵团人才队伍建设高效、精准

凭借日益增强的数据分析能力，大数据让人类有机会用数据围绕一个东西形成完整的描述，从而实现对未来的预测。在大数据技术的支持下，人力资源的选、育、用、留都可以纳入到量化范畴，使人才管理更加高效、更加精准并更有话语权。

3.1 利用大数据提升农业水平，增强经济实力，营造吸引、激励、造就人才的良好生产生活环境，壮大兵团队伍。农业是兵团经济的基础和优势产业，经过近六十年的发展，兵团传统的农业生产方式不断得到改革和创新。大部分团场具有较高的科学种田水平、农业单产水平、农业机械化水平和应对市场的能力。2013年兵团农作物播种面积1174.12千公顷，其中测土配方施肥面积682.33千公顷。兵团已有产业化龙头企业410个，建成1个全国农业产业化示范基地，2个全国现代农业示范区。大数据时代，兵团农业管理部门可充分利用现有的水、土、光、热、气候资源数据、对各类作物育种、种植、施肥、植保、收获、加工、存储等各环节多类型复杂数据进行采集、挖掘、处理、分析，做到对农业生产的科学管理，有效监控各种农业政策的实施情况，及时纠正农业生产中的偏差和失误。其次，兵团在农业政策层面，将整个农业行业内外，包括生产、加工、物流、营销的各种数据进行数字化的记录、分析和整理，为农工管理生产提供依据。这种“大数据驱动的”智慧农业，使农工的生产活动变得更有效率、更开放、更精细。第三，基于大数据的分析，有利于兵团发挥本地优势，提高葡萄、红枣、香梨等特色林果农产品生产的精细化管理，打造绿色无公害的产品特色，提高兵团农产品的知名度和市场竞争力，增强兵团的经济实力，为吸引人才奠定基础。

3.2 汇聚英才、构筑人才高地，为实现兵团大熔炉作用奠定基础。兵团的建市设镇工作将在2018年全部完成，实现一师一市，所有团场均实现团镇合一的目标，也就是说未来兵团有14个市100多个镇，这需要大量的各类人才。一是运用大数据收集兵团优秀人才的特长、工作经历、获得的技能、工作绩效、参与的项目等等，通过分析建立起个人的性格图谱、兴趣图谱以及关系图谱，深入了解个人的性格特点、兴趣方向和社交圈子，以业绩或绩效为区隔，通过对数据的分析判断，筛选出成功特质，并进行总结，按成功特质及优秀人才的朋友圈吸引更多优秀人才投身到兵团城镇化建设中。二是要为有能人士搭建创业平台，平台是人才落地、成长、壮大的助推器，是聚才、引才用才的“梧桐树”，通过项目建设、科技咨询和引进智力等方式，引进科研开发、经营管理、现代营销和重化工等行业急缺人才。三是坚持“不求所有，但求所用”原则，推进高层次人才的柔性流动，与高等院校、科研院所建立产学研关系，采取聘用、兼职、“假日博士”等形式引进人才。endprint

3.3 开放式培训挖掘人才潜能，提升人才队伍整体素质，强化发挥特殊作用的组织保证。高素质人才队伍是兵团发挥特殊作用的根本保证，培训可提高现有兵团人才队伍的能力、知识、态度，可通过教授新的流程和知识提升人的素质。开放式培养是通过现代远程教育和网络教学，加快培养造就一流的科技尖子人才和科技领军人物的有效途径。一是利用网络实现利用碎片时间学习的微培训，通过自主学习提高人才的能力。网络信息改变了以往报刊、广播、电视信息单向传播的局限，把信息传播变成及时互动交流，为人们的获取知识、提高判断和选择能力提供了可能。二是加强同国内高等院校、科研院所的精英之才通过主题考察、项目牵引、基地共建等开展合作，有效利用国内科技资源，积极吸收人类创造的一切文明成果；三是善于利用国外人才资源，兵团有58个边境团场，与俄罗斯、哈萨克斯坦、吉尔吉斯斯坦和蒙古国接壤，具有很强的边境区位优势，十分便于与周边国家开展区域合作。通过与周边国家的项目合作，引进技术人才或外派专业人才，在项目合作中提升人才素质。四是坚持自力更生培养人才，充分利用兵团5所普通高等学校、2所成人高等学校，建立多渠道、多形式的人才培训开发机制，建立人才梯队。

3.4 建立灵活的人才管理机制，为人才在兵团发挥作用创造条件。人才作为特殊资源，具有较强的环境选择性。兵团要树立人才一盘棋的思路，研究制定不同层次党政人才的素质能力标准，以创新成果和创新能力作为重要的指标和要素，建立以人才价值实现为导向的分配激励机制，科学考核评价实现动态管理，要保持人才年龄结构、知识结构、专业结构的良性运作，成为一个相辅相成的格局。对人才要思想上正确引导，政治上关心、待遇上倾斜、生活上体贴入微、工作上关心照顾，用其所长、人岗相适，让人才在创新思维最活跃、精力最旺盛的黄金时期及时得到使用，切实让各类人才感受到社会尊重的荣誉感。

大数据可实现将人的管理从“模糊管理”向“数据管理”转变，在新时期，兵团承担着推进改革发展、促进社会进步的建设大军作用，增进民族团结、确保社会稳定的中流砥柱作用，巩固西北边防、维护祖国统一的铜墙铁壁作用。要实现真正承担好三大作用，更好地履行好党中央赋予兵团的屯垦戍边历史使命，必须吸引更多的人才、提高人才队伍的素质、充分调动兵团职工的积极性。

参考文献：

[1]徐子沛.大数据[M].广西：广西师范大学出版社，2012.

[2]兵团统计局政务网.新疆生产建设兵团2013年国民经济和社会发展统计公报.http：//www.xjbt.gov.cn/gk/tjxx/gmjj/255173.htm，

2014-03-18.

[3]严霄凤，张德馨.大数据研究[J].计算机技术与发展，2013（04）.

对“大数据”应用的一点思考 篇12

其实行业在数据上的利用和开发由来已久, 只不过侧重点都集中在能源管理方面。以笔者所在企业为例, 自项目接管伊始, 能源消耗统计、设备设施运行、维修、保养记录、测温记录等等一系列设备设施的运行管理数据均详细存档备案, 并建立动态数据监管机制, 定期进行能耗和设备故障统计分析。事实证明, 经过深入研究和分析的“设备数据”, 为我们在日后管理中的降低能耗、节能改造、故障维修等方面提供了非常可靠的支持。但这仅仅是局限在量化管理的数据分析, 我们还应该关注一些非量化、并不直观的数据, 比如满意度调查的数据分析和应用。

目前, 包括第三方公司在内的客户满意度统计调查, 个人觉得对数据的应用和开发都不够彻底。第三方公司对于行业的了解以及调查内容与企业的战略发展需求契合程度都存在着一定的不足。首先企业在数据采集阶段的样本量, 样本代表性和典型性需要甄别和确定, 这是影响后续调查工作和分析结果准确度的关键前提。其次数据分析不能仅仅停留在满意与否、满意度指数升降, 影响满意度指标的原因方面。我们还可以试着通过数据开展如下研究, 比如:

■对某一项指标满意或不满意的客户群体特征是什么?

■项目之间的差异性对满意度测评结果影响有多大?

■哪些指标的不满意程度与物业费的收缴关联度较高?

■项目物业管理费的收费标准与客户满意度之间是否有必然联系?

■不同项目之间的满意度指数与项目人员薪酬之间的关系?

……

这是一个非常复杂的研究, 准确度与样本量有很大关系, 相比银行业的大数据, 一般物业服务企业所掌握的客户数据也只能算是小数据, 但其价值不容忽视。也许不久之后, 就会有机构研究建立起物业服务满意与经营效益的数学关系模型, 当然这需要极为专业的现代信息技术和统计科学为依托。

作为普通从业者, 我们可以从简单的数据分析开始。比如统计所有欠费业主的信息包括原因、客户知识、行业背景等, 并与客户满意度调查的结果对比, 试着找出哪些是影响客户体验和评价的关键因素, 进而有针对性的改善和提升。同时尝试着总结出影响客户判断的敏感指标, 找出指标背后的主要决定因素是人还是技术, 为企业的成本控制和管理模式升级提供参考依据。