大数据经济分析范文
时间：2023-11-03 17:53:18
导语：如何才能写好一篇大数据经济分析，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
篇1
关键词：大数据时代；宏观经济；机遇；挑战；对策
一、前言
基于互联网经济时代背景下，计算机技术的广泛运用促使数据信息能够得到有效的收集与处理，但随着计算机网络体系的逐步完善，面对海量信息数据，如何实现对数据的高效快捷处理，以实现对信息资源的充分利用，成为各行业领域所面临的一大挑战。在此背景下，大数据技术的应运而生，为实现对这一问题的有效解决提供了出路，对于宏观经济分析而言，同样离不开大数据的支撑，因此，这就需要针对宏观经济分析之需，实现对大数据的完善运用。
二、在宏观经济分析中大数据所呈现出的价值
主要表现在如下两方面：第一，提供更加全面的数据信息。对于宏观经济分析而言，因所分析的内容多且广，加上会受到诸多因素的影响，进而使得在实际开展这一工作的过程中，因数据信息的不全面、获取信息的时效性低等，使得宏观经济分析的结果缺乏科学性。而将大数据进行运用，则能够借助计算机网络技术的支撑，实现对数据实时动态获取，并以丰富数据的获取来支撑该项分析工作得以实现高质高效落实。第二，丰富了分析方法。在传统宏观经济分析中，主要财通的方法为统计分析模型，借助抽样分析法来获得样本数据，并以此来作为整体，进而使分析结果难以与事实相符；而借助大数据技术的运用，则能够借助海量数据信息的获取，以计算机为支撑来实现对数据信息的自动分析，进而以总体分析法来提升分析结果的可靠性。第三，分析技术水平得以提高。在实施大数据分析的过程中，离不开计算机技术的支撑，借助结算及技术的运用则能够以多种分析模型的搭建与多种识别技术的融入，来取代大部分人工分析工作，以技术的全面支撑来提高分析的准确性与效率性。
三、基于大数据时代下宏观经济分析所迎来的机遇与面临的挑战
1.机遇
在大数据时代下，大数据技术的融入使得该项分析工作的开展能够获得丰富数据支撑，并以相应分析方法与分析技术的创新，为提升宏观经济分析的效率与质量奠定了基础。从所迎来的机遇角度看，对于宏观经济分析而言，借助大数据的融入，能够实现对海量信息的实施动态化获取，进而提升了信息获取能力，同时，借助智能化获取与分析的实现，能够为实现准确的预测分析奠定基础，同时，也在降低分析人员工作压力与难度的基础上，提升了分析的效率，为充分实现宏观经济分析的作用与价值提供了保障。
2.所面临的挑战
机遇与挑战并存，对于宏观经济分析工作的实际开展而言，同样面临着巨大的挑战，具体而言：第一，在互联网时代下，信息的传播打破了时间与空间的束缚，面对海量信息数据，对于该项分析工作的实际开展而言，要想能够从中选取中有价值的信息，且能够充分服务于该项工作的实际开展之需，难度极大；第二，在运用计算机网络技术的过程中，需要确保数据信息的安全，但是，从数据安全保障工作开展的实际状况看，相应能力还有待进一步提升；第三，在运用大数据来开展宏观经济分析工作，需要确保具备完善的专业人才队伍，进而才能够为充分发挥出大数据的作用与价值提供保障，但目前现有行业专业人才匮乏，难以满足该项工作的实际开展之需，进而使得大数据的价值与作用无法得到充分实现。
四、充分发挥大数据在宏观经济分析中价值与作用的对策
大数据技术为当前宏观经济分析工作得以实现顺利且高效开展提供了技术支撑，但是，从目前运用大数据的实际状况看，一系列挑战的存在，使得大数据难以实现作用的充分发挥，因此，这就需要结合实际所存在的问题，落实针对性的解决措施：
1.营造良好的发展环境
要想促使大数据能够在该项工作中得到充分且完善运用，首先就需要从大数据运用的宏观环境着手，因此，这就需要充分发挥出政府的作用。在实际践行的过程中，政府要充分发挥出自身的主导作用，以大数据收集体系的完善打造为基础，并针对经济发展的重点领域，实现相应数据收集工作的有计划落实，进而才能够为宏观经济分析工作实现顺利开展提供基础性前提。具体而言：一方面，政府相关部门要进一步提升对大数据的重视程度，针对大数据给该项工作的开展所带来的优势作用进行全面分析，在此基础上，从政策、资金等多方面加大对实施大数据的支撑力度，进而为实现大数据网络环境的打造奠定基础。另一方面，要加大对相关科研领域的重视程度，加大投入力度，确保相应研究机构能够为实现大数据的进一步发展提供支撑。此外，对于政府而言，为了能够促使大数据在宏观经济分析领域中实现充分运用，可鼓励企业积极践行信息化该该，进而以企业全面信息化管理的实现，为大数据的应用与发展创造良好发展空间与环境。
2.加大对数据采集与管理的力度
对于宏观经济分析工作的实际开展而言，需要以大数据的完善采集为支撑，并加强对数据信息的管理力度，进而才能够为实现大数据价值的充分发挥奠定基础，因此，在实际践行的过程中，需要以完大数据采集与管理体系的搭建为支撑。从实际该项工作工作开展的现状看，由于人员能力素质不足、技术水平偏低以及管理漏洞的存在等，使得难以充分发挥出大数据的优势作用，而要想实现对这些问题的解决，则就需要针对大数据采集流程，以完善采集体系的制定为支撑，促使在开展宏观经济分析工作的过程中，能够具备全面数据信息；同时，要加大对相应企业与个人，加大管理力度，制定完善的监管体系，针对不配合行为加大惩处力度，进而为实现数据信息采集工作的顺利开展奠定基础，此外，加大对相关人员的培训力度，促使其能够具备与之相适应的技能水平，以实现对大数据技术的规范且合理运用。
3.加大专业人才的培养力度
在借助大数据来开展宏观经济分析工作的过程中，由于行业专业人才匮乏，进而给该项工作的开展带来了极大的阻力，因此，这就需要加大对行业人才的培养力度。在实际践行的过程中，对于政府相关部门而言，需要以专项人才培养政策的制定与实施为基础，促使全社会能够提高对该领域人才培养工作的重视程度。同时，高校作为培养专业人才的主要阵地，应结合当前该行业领域对人才所提出的实际要求与需求，以相关专业的开设为基础，实现专业课程体系的完善打造，进而来满足社会对人才的实际需求。此外，对于企业而言，要针对大数据管理人员，加大培训教育力度，以提升其专业能力与信息化技能素养，为该项工作得以顺利开展提供有效支撑。
五、总结
综上，基于大数据时代背景下，对于宏观经济分析工作的实际开展而言，需要在明确大数据在该项工作中所呈现出的价值与作用的基础上，明确大数据所带来的优势，并针对在运用大数据于该项工作中所存在的问题，实现有针对性解决对策的落实。具体而言，要针对大数据的运用营造良好的环境，并在加大对大数据采集与管理力度的基础上，加强对专业人才的培养力度，进而为充分实现大数据运用于宏观经济分析中的价值并提升该项工作的效率与质量提供保障。
参考文献：
[1]徐寅.论大数据时代背景下宏观调控决策的法治化[J].学术探索，2014，11：51-55.
[2]申红艳，吴晨生，铁梅，滕飞.大数据时代宏观经济分析面临的机遇与挑战[J].经济研究参考，2014，63：19-25.
[3]刘涛雄，徐晓飞.大数据与宏观经济分析研究综述[J].国外理论动态，2015，01：57-64.
篇2
关键词：大数据统计分析；经济管理领域；运用
统计应用作为数学的重要领域，在大多数情况下，数据被收集并且通过一定方法在系统中存储，重要策略被记录，并应用于其他领域。随着数据恢复方法和统计分析方法的逐步集成，大数据的统计数据分析方法在财务管理中变得越来越重要。面对当今全球化的压力和经济市场的激烈竞争，使用财务管理的统计整合是提高有效管理效率，优化资源分配和科学行为的有效步骤。通过市场经济的发展和经济水平的不断提高，数据集成和财务管理水平运用了大数据的统计分析。在建立大规模数据的经济增长政策时，技术在宏观经济研究中起着重要作用。大数据统计分析的作用正在增加，其在管理中的用途正在进一步扩大。显然，加强对经济发展大数据统计分析技术的使用对促进经济增长和提高管理效率非常重要。
一、大数据统计分析方法在经济管理领域运用的意义
为响应市场环境和公司治理内容的变化而促进使用公司治理统计数据的需求主要体现在两个方面：
（一）宏观经济方面发展有若干规律。为了寻找有关经济发展的规律，强大的数据分析技术在宏观经济学中的应用非常重要。一方面，大数据分析统计数据用于从宏观经济发展行业收集数据，对相关行业信息进行实证分析，并调查行业发展和行业问题。使用SPS，Stata和其他数据分析软件，中国拥有最重要的发展法；同时，发现工业发展规律，规范工业发展，开辟新的经济发展方式也很重要[1]。
（二）企业经营管理方面1.提升企业竞争力的必然要求当前，业务发展的竞争越来越激烈。竞争压力主要归因于国内市场经济带来的经济化以及国内市场竞争激烈加入的外国公司的影响。公司必须面对激烈的市场竞争。大众市场信息的统计分析将调整生产和管理策略，并为业务发展的战略调整作出有效的决策。2.提升企业管理水平的必然要求一方面，诸如运营管理、财务管理、风险管理和企业资源管理等相关任务变得越来越复杂。需要统计分析方法来对丰富的业务操作信息进行分类和汇总，为业务管理决策提供有效的信息。同时，企业需要不断满足产品和服务生产方向的政治要求。由于需要与相关部门合作，例如运营财务管理、规避财务风险，因此需要建立相关部门的统计数据，以提高决策效率[2]。
二、大数据统计分析方法在经济管理领域的运用
利用大数据的统计数据分析技术研究宏观经济发展政策，对促进行业发展至关重要。另一方面，如何获取有关复杂数据管理的重要信息，在业务流程和管理方面为公司制定有效的决策是重中之重。关键在于掌握财务管理的大数据分析方法，并使用大数据统计分析技术来分类和提供业务流程管理，隐藏的规则以及来自异常数据点的大量信息。为了应对突况，管理人员需要制订正确的决策计划。本文主要讨论宏观经济应用管理领域的统计数据分析方法，以及业务管理、财务管理、风险管理和管理的六个方面。如：
（一）宏观经济方面关于宏观经济产业的运作和发展有若干规律。为了找到宏观经济发展方法，统计分析技术对于稳定经济增长和调查潜在的经济危机很重要。当前，不仅学者，业务经理也开始了解计算机技术的使用，并开始通过统计分析来发现工业发展中的若干问题，学习工业发展的原理。为了找出答案，我们选择了相关的影响因素并采取了相应的行动，采取措施提高工业发展效率。
（二）企业运营管理方面通常，在日常工作程序和工作相关领域中存在某些特定的业务管理和操作规则。另一方面，通过将统计信息应用于业务的运营和管理，公司可以通过分析大数据的统计信息来获得规律。这将帮助公司节省一些资源，避免重复的任务并节省公司的业务资源。如果该政策是从科学的统计评估阶段得出的，则情况与正常情况不同的企业高管应仔细考虑潜在的风险。
（三）企业营销管理方面企业需要建立大型数据管理系统来收集有关企业提供的产品或服务的市场交易信息。因此，消费者的热点必须与受管理的信息系统对齐，以使其隐藏在协同交易信息中。确定消费者对需求的偏好并确定消费者需求。公司的主要产品和服务根据消费者的喜好运作，可以满足消费者的需求，替代市场上的非反应性产品和服务。同时，开发新产品和服务企业领导者可以提供有效的决策信息，并为消费者创建新的热点[3]。
（四）企业财务管理方面应用管理统计信息。它通过审查有关生产过程和运营的统计数据（尤其是财务数据），进行定性和定量分析，帮助评估相关活动，例如商业投资。财务管理是开展业务必不可少的部分，这对于减轻公司的财务风险和提高公司资源分配的效率至关重要。通过统计分析对商业经济数据进行分类和分析，可以为高管、投资者和其他相关利益相关者提供有效的决策信息。
（五）企业人力资源管理方面将统计应用于公司的人力资源管理，并使用统计分析技术结合公司业务管理部门的特征，选择适当的方法来提高效率。人力资源管理很重要，人才基本上是企业的无形资产，在部门保留相关的人力资源是业务发展的关键。回归站评估法用于预测企业发展的人力资源需求，动态分析法用于根据状态预测人力资源的变化。将这两个方面结合起来可以大大提高业务资源的效率。
（六）企业风险管理方面使用统计分析技术对业务流程中的大量业务信息进行分类和分析，发现隐藏的规则和数据差异。重要的是，业务主管需要进行预测，做出正确的决定，解决事件并发现潜在危险。意思是如果统计数据分析有些奇怪，则需要找出业务流程中具有的某些规则，因此业务主管需要寻找更多异常条件，尤其是财务管理，要注意关注状态的变化。另一方面，对公司财务信息进行统计分析是公司规避财务风险的有效手段之一。
三、完善大数据统计分析方法在经济
管理领域运用的措施在本文中，我们将了解如何从六个方面分析大数据的统计数据：宏观经济活动、业务管理、风险管理、财务管理、资源管理和财务管理人员。这被认为是财务管理数据大规模统计方法的一种改进。必须在三个方面进行现场应用：
（一）社会宏观经济层面尽管存在宏观经济法则，但根据过去的经验，由于缺乏安全可靠的数据和分析方法，宏观经济法则的分析则一直被认为是伪科学。大数据分析技术提供了探索宏观经济法则的机会，大数据技术使用数据创建系统，而使用许多信息技术的科学分析是宏观经济法研究中的重要一步。特别是，某些行业使用行业信息和对经济趋势预测的全面分析来帮助识别和克服复杂的工业发展挑战，可以提高宏观经济发展效率。
（二）企业经营管理层面在公司上载和数据受限的情况下，企业很难优化管理功能以提高性能[2]。由于业务经理的管理理念和管理水平受到限制，因此很难断定业务开发操作和管理流程是否存在问题。统计分析技术可用于计算和评估每个关键决策或业务战略适合性的有效性。如果由于大数据分析技术而导致预期的数据销量存在矛盾，该公司可以调整其总体战略并进行业务变更以优化管理理念。
（三）行业与行业之间存在着一定的鸿沟无论是快速消费品行业、食品行业还是大型公司，其经营理念和经济结构在公司治理方面都存在根本差异。统计数据分析技术使公司能够了解整个行业的消费者需求的性质，分析社会经济状况，能够了解共同的业务条件和业务发展情况，并优化或区分劣质产品。在某些情况下，此更改是提高产品价格的高级更改，如果消耗量和消耗品减少，则可以降低产品价格。产品必须能够升级以满足顾客需求。产品行业、食品行业或大型行业具有不同的经营理念和财务结构，还在进行公司管理。但是，各个行业的业务方向取决于消费者的需求。换句话说，公司开发了产品的功能并使产品的功能适应消费者的需求。对于公司而言，通过优化生产结构并提供更多定价和功能来说服更多消费者也很重要。
（四）企业财务管理层面财务管理贯穿公司治理的整个过程。公司财务管理非常有效，但是存在诸如财务管理的巨大风险之类的问题。对公司财务信息进行统计分析是防范财务风险的有效手段之一。公司需要管理其日常收入和支出，并进行大规模会计处理。企业可以使用大数据分析技术来监测财务管理功能并确保标准化业务的财务安全。利用统计分析技术和大数据，公司可以预测潜在的市场和行业风险，以提供最佳解决方案，还可以提供分析大数据的方法，可以跟踪异常并快速发现异常。
四、结语
本文首先从宏观经济方面、企业经营管理方面等两个方面对大数据统计分析方法在经济管理领域运用的意义进行了分析，然后从宏观经济方面、企业运营管理方面、企业营销管理方面、企业财务管理方面、企业人力资源管理方面以及企业风险管理方面等方面对大数据统计分析方法在经济管理领域的运用进行了分析，最后从社会宏观经济层面、企业经营管理层面、行业与行业之间存在着一定的鸿沟以及企业财务管理层面等方面提出了完善大数据统计分析方法在经济管理领域运用的措施。大数据分析技术被广泛用于宏观经济预测、业务管理和公司风险管理，它在优化公司治理和运营结构，有效改善公司治理以及提高公司统一性和核心竞争力等方面发挥着重要作用，可以使公司在激烈的市场竞争中有一席之地。
【参考文献】
[1]张琳.大数据统计分析方法在经济管理领域中的运用浅析[J].营销界,2019(38):291-292.
[2]杜珉.大数据统计分析方法在经济管理领域中的运用探析[J].山西农经,2019(12):27.
[3]陈雪琴.大数据统计分析方法在经济管理领域中的应用[J].山西农经,2019(5):37.
[4]陈文怡.大数据挖掘电力系统项目管理中理论的应用[C]//2018年6月建筑科技与管理学术交流会.
篇3
基本的大数据的处理流程可以分成数据采集、数据处理与集成、数据分析和数据解释4个阶段。首先获取数据源的数据，因为在数据源端的数据包含各种各样的结构，需要使用某种方法将其进行预处理，使数据成为某种可以用一种算法分析的统一数据格式，接着需要找到这种数据分析的算法，将预处理过的数据进行算法特定的分析，并将分析的结果用可视化等手段呈现至用户端。
1.1数据采集
大数据的采集是整个流程的基础，随着互联网技术和应用的发展以及各种终端设备的普及，使得数据的生产者范围越来越大，数据的产量也越来越多，数据之间的关联也越来越复杂，这也是大数据中“大”的体现，所以需要提高数据采集速度和精度要求。
1.2数据处理与集成
数据的处理与集成主要是对前一步采集到的大量数据进行适当的预处理，包括格式化、去噪以及进一步集成存储。因为数据采集步骤采集到的数据各种各样，其数据结构也并不统一，不利于之后的数据分析，而且，一些数据属于无效数据，需要去除，否则会影响数据分析的精度和可靠性，所以，需要将数据统一格式并且去除无效数据。通常会设计一些过滤器来完成这一任务。
1.3数据分析
在完成了数据的采集和处理后，需要对数据进行分析，因为在进行数据分析后才能体现所有大数据的重要价值。数据分析的对象是上一步数据的处理与集成后的统一格式数据，需要根据所需数据的应用需求和价值体现方向对这些原始样本数据进一步地处理和分析。现有的数据分析通常指采用数据仓库和数据挖掘工具对集中存储的数据进行分析，数据分析服务与传统数据分析的差别在于其面向的对象不是数据，而是数据服务。
1.4数据解释
数据解释是对大数据分析结果的解释与展现，在数据处理流程中，数据结果的解释步骤是大数据分析的用户直接面对成果的步骤，传统的数据显示方式是用文本形式体现的，但是，随着数据量的加大，其分析结果也更复杂，传统的数据显示方法已经不足以满足数据分析结果输出的需求，因此，数据分析企业会引入“数据可视化技术”作为数据解释方式。通过可视化结果分析，可以形象地向用户展示数据分析结果。
2云计算与大数据分析的关系
云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源，是一种按使用量付费的模式。这种模式提供可用的、便捷的、按需的网络访问，进入可配置的计算资源共享池（资源包括网络、服务器、存储、应用软件、服务），这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。目前，国内外已经有不少成熟的云计算的应用服务。数据分析是整个大数据处理流程里最核心的部分。数据分析是以数据的价值分析为目的的活动，而基于大数据的数据分析通常表现为对已获取的海量数据的分析，其数据来源可能是企业数据也可能是企业数据与互联网数据的融合。从目前的趋势来看，云计算是大数据的IT基础，是大数据分析的支撑平台，不断增长的数据量需要性能更高的数据分析平台承载。所以，云计算技术的不断发展可以为大数据分析提供更为灵活、迅速的部署方案，使得大数据分析的结果更加精确。另一方面，云计算的出现为大数据分析提供了扩展性更强，使用成本更低的存储资源和计算资源，使得中小企业也可以通过云计算来实现属于自己的大数据分析产品。大数据技术本身也是云计算技术的一种延伸。大数据技术涵盖了从数据的海量存储、处理到应用多方面的技术，包括海量分布式文件系统、并行计算框架、数据库、实时流数据处理以及智能分析技术，如模式识别、自然语言理解、应用知识库等等。但是，大数据分析要走向云计算还要赖于数据通信带宽的提高和云资源的建设，需要确保原始数据能迁移到云环境以及资源池可以随需弹性扩展。
3基于云计算环境的Hadoop
为了给大数据处理分析提供一个性能更高、可靠性更好的平台，研究者基于MapReduce开发了一个基于云计算环境的开源平台Hadoop。Hadoop是一个以MapReduce算法为分布式计算框架，包括分布式文件系统（HDFS）、分布式数据库（Hbase、Cassandra）等功能模块在内的完整生态系统，已经成为当前最流行的大数据处理平台，并被广泛认可和开发应用。基于Hadoop，用户可编写处理海量数据的分布式并行程序，并将其运行于由成百上千个节点组成的大规模计算机集群上。
4实例分析
本节以电信运营商为例，说明在云计算环境中基于Hadoop的大数据分析给大数据用户带来的价值。当前传统语音和短信业务量下滑，智能终端快速增长，移动互联网业务发展迅速，大数据分析可以为运营商带来新的机会，帮助运营商更好地转型。本文数据分析样本来自于某运营商的个人语音和数据业务清单，通过Hadoop2.6.0在Ubuntu12.04系统中模拟了一个大数据分析平台来处理获得的样本。希望通过对样本数据的分析与挖掘，掌握样本本身的一些信息。以上分析只是一些很基本的简单分析，实际上样本数据中所蕴含的价值要远远大于本文体现的。以上举例意在说明基于云计算的大数据分析可以在数据分析上体现出良好的性能，为企业带来更丰富更有效率的信息提取、分类，并从中获益。
5结束语
篇4
【关键词】大数据 信息技术 大数据 发展现状
“大数据不是忽悠，它确实是一个真事，是产业大的变革。对it产业、经济都是一次重要的机遇。”2012年4月2日，微软全球资深副总裁张亚勤在博鳌亚洲论坛“大数据、移动、社交媒体：改变商业的创新力量”上如此表示。就其主要言论而言，主要是：第一，大数据需要大量的数据、软件、应用，把它简化放在云，其实质是一中简化；第二，大数据最重要是应用软件；第三，大数据的发展是一个长期的过程；第四，大数据不是忽悠，它是产业大的变革，对it产业、经济都是一次重要的机遇。
从这一段资料分析可以看出，大数据计算机信息处理技术是在不断发展的计算机技术中脱颖而出的能够处理大量数据、计算大量数据的超级计算技术。这种技术必须要有完善的硬件与软件资源作为支撑，需要虚拟化的调度完成各项数据服务功能。各it企业已经注意到了大数据商业价值，基于大数据的各项数据服务已经不断应用于各个行业的创新领域。
1 大数据的概念
目前，it界对大数据的定义不下于20种，但就其本质和应用领域来看，其实是一种基于大数据应用而新兴的商业计算模式。相较于传统计算，大数据具有虚拟化、超大规模、按需服务、资源利用率高、低成本等特点。
从用户角度来看，大数据能为多个大数据用户（企业或个人等）提供似乎是无限的互联网计算资源，便于用户虚拟拥有和按需使用共享在“云”上的网络计算技术资源服务，大数据用户可以对自己所需的服务只需付费就可以直接得到，不需要到处跑去跑来去买、去找、去打听。实际上它所提供的是一种超大规模的网络资源共享。另外，简单的说，“云”就是资料存储以及应用服务的中心，把你想要的都放进“云”里，当你想要的时候，基于互联网，你可以随时随地拿到，当用户不需要这些数据资源时，就可以删除、释放这些资源，从而提高了使用资源上的多样性。
2 大数据下的信息处理关键技术
大数据的应用核心是按用户需求进行网络大数据资源分配。在解决好资源分配之前，最主要的是解决好超级资源云系统的构建和存储，以及自动化资源部署分配等问题。所以，大数据除了需要仔细研究其体系结构外，还应该在其虚拟化技术、高性能云存储技术、高速的云处理技术、以及相关的对数据安全技术上进行突破。
2.1 虚拟化技术
所谓虚拟化技术是通过利用虚拟的网络设置、资源配置进行数据的存储与管理。而虚拟化技术是大数据计算机信息处理技术的基础，虚拟化技术构建的大数据信息处理技术一方面可以搜集与整合各项有利资源，对必要的信息资源进行存储；另一方面可以通过这种技术对大数据处理任务进行资源优化、灵活调度来提高对大量数据的运算、处理能力与效率。可见，虚拟化处理技术也是大数据下的信息处理的关键技术。
2.2 云存储技术
云存储实际上是由多个存储设备组成，通过集群功能、分布式文件系统或类似网格计算等功能联合起来协同工作，共同对外提供数据存储和业务访问功能的一个系统。所以实质上，云存储就是大数据存储的核心技术，为大量数据的保存提供了关键性的作用。
其中，因为大数据系统需要同时满足大量用户的需求服务，并要为对大数据集进行处理、分析向用户提供高效的服务。这样云存储技术必须具有高吞吐率和高传输率的特点，数据管理技术也必须能够高效的管理大数据集。因此，云存储技术对于大数据信息处理的顺利展开起到了关键性的作用。首先，为了保障大数据处理任务的顺利完成，云存储技术要对大数据系统内的海量数据进行管理与分析，在利用云存储技术进行大数据管理时读操作要远远多于数据更新操作，云存储技术实际是对大数据系统中数据的读优化处理。其次，分布式的数据存储方式在云计算中起到高效计算的
作用，云存储技术中对于数据库采用了高效的列存储模式，这也为海量数据中查询到某一数据带来了方便，查询效率非常高。可见，云存储技术对于提高大数据运算效率必不可缺。
2.3 大数据自动化资源调度
大数据在服务过程中，将虚拟云资源中的信息数据进行划分、安装和调度成可以为用户提供各种服务和应用的过程。大数据信息处理技术还离不开自动化资源调度技术，所谓资源调度就是将所有的大数据信息资源进行合理的配置与整合，以更好的为服务程序提供便捷。这些资源除了重要的数据库信息资源以外，还包括大数据系统涉及到的各类软件资源、硬件资源以及网络资源等等。
2.4 云安全技术
海量数据的管理与运行需要安全可靠的安全防范技术作为保障，云安全技术就是在这种背景下产生的专门为大数据信息处理保驾护航的安全保障技术。云安全技术可以对外来网络干扰信息进行识别，对黑客的刻意侵犯做出防范，对网络信息中存在的病毒进行查杀。近年来，行业内也逐渐在完善和出台相应的网络安全政策，云安全技术在良好的政策扶持下，对于大数据信息网络安全的构建更加游刃有余。由此可知，云安全技术对于大数据信息处理的安全有重要作用。
3 大数据的应用发展现状
3.1 大数据应用产品形式
当前大数据开发应用产品有很多，it行业及其他行业对于大数据都有着各自的理解，因此当前对大数据的产品形式仍然存在较大的差异，但是最基本的应用服务主要有一下三个层次构成：基础设施作为服务交付（infrastructure as a service，简称iaas）、平台即服务（platform as a service，简称paas）及软件即服务（software as a service，简称saas）。
将开发和计算环境通过大数据的软件平台提供给用户的模式被称为大数据平台服务模式，这种模式需要web支持。例如azure、force.com、google app等都是比较实用的大数据软件平台。还有比较知名的elastic compute cloud平台也是通过web对数据与软、硬件资源进行优化与管理的大数据平台模式。
3.2 大数据的应用发展现状及趋势
现今社会已经步入了信息化快速与高度发展的崭新时代，无论是医疗、交通、教育、军事等等方面都涉及大量信息数据的录入、存储与计算，海量数据的管理需要有基础技术、高效技术与安全技术作为支撑。目前it行业中应用的例如360“安全云计划”、 “蓝云”计划等都是大数据信息技术的典型应用。
未来的大数据信息技术对于信息处理必然会更加高效、快捷，大数据系统的应用也会越来越普遍。例如美国最新体术的disc数据密集型的超级计算、谷歌即将推行的大数据服务academic cloud computing initiative，都意味着大数据高效信息时代很快就能到来。
4 结语
总之，大数据为我们的云用户、企业、以及网络服务提供商都带来了好处，并且也成为一个新兴的产业模式。但就目前的大数据发展状况来看，我国的大数据还处于刚起步阶段，在未来，随着各种技术的不断纵向发展，人类社会在迎来高度信息化同时，相应的大数据带来的一些弊端也会凸显，只有在实践中不断的完善和加以改进，真正的让大数据显示出优势，发挥其作用，才能使得大数据惠及普通个体用户、企业、乃至国家的发展。
参考文献
[1]王秀苏.计算机信息处理技术在办公自动化上的应用[j].科技经济市场，2010（03）.
[2]张连杰.企业管理中计算机技术的应用[j].电脑知识与技术，2011（26）.
[3]陈静.浅谈计算机处理技术[j].科技与企业，2012（11）.
作者简介
李春辉（1973-），男，山东省德州市人。硕士学位，副教授。主要研究方向计算机应用技术、计算机网络、物联网。
篇5
[关键词]大数据；计算机；网络信息安全
doi：10.3969/j.issn.1673-0194.2020.14.080
[中图分类号]TP393.08；TP311.13[文献标识码]A[文章编号]1673-0194（2020）14-0-02
0引言
在大数据技术迅速发展的背景下，计算机网络技术已广泛应用于各行各业，而在使用过程中，信息安全问题引起了人们的广泛关注。要想更好地运用这种前沿的科学技术，必须在保证信息安全的基础上，不断加强信息保护、安全防范等措施，以满足使用者的使用需求。
1大数据与网络安全概况
1.1大数据的主要内容
大数据主要指一种具有海量特點的数据，包含较大的信息量，且这些信息趋于多元化，在更新速度上相对较快，具有明显的非结构化特点。大数据不仅具有庞大的数据体量，同时也具有非常多的类型，处理速度较快。随着社会不断发展，有关大数据的研究不断增多，并逐渐成为企业发展、人需分析等内容的战略布局参考依据。目前，大数据中的信息安全问题逐渐显现出来，在很大程度上给人们的生活、企业的发展、社会的安全带来严重的危害，影响当下网络安全性。
1.2大数据背景下网络安全的主要内涵
在大数据发展背景下，网络安全问题引起了人们的关注。在探讨网络安全保护之前，需要正确全面地分析网络安全。网络安全需要从物理安全和信息内容安全两方面进行分析。想要保证计算机网络的物理安全，则需要在网络工程中，针对网络进行设计和规划，并考虑计算机网络中的硬件、软件设施。在对信息内容安全进行综合分析时，要保护信息安全，避免信息泄露或被非法截取的情况，确保使用者的信息安全。
2大数据背景下计算机网络信息安全的主要影响因素
2.1计算机使用不规范
计算机已成为人们生活、工作中不可或缺的重要工具，但是在操作过程中依旧会出现使用不规范问题，且大多数使用者由于缺乏网络安全意识，在使用过程中无意识地或者被迷惑诱导输入一些具有隐私性的信息内容（例如：身份证号码、手机验证码、银行卡密码、银行卡号等），而这种无意识暴露的信息内容，则会给网络不法分子提供可乘之机，他们通过网络技术窃取相关数据，给用户带来损失。除此之外，还有一些使用者在使用计算机时操作不当，导致电脑、死机，便前期所做的工作前功尽弃，出现数据丢失且难以恢复的问题。
2.2病毒侵袭
在计算机使用过程中，病毒是影响计算机网络安全最重要的因素之一。病毒是一种程序，可能被一些不法分子利用，严重损害使用者的个人利益，影响计算机网络中的通信安全。病毒对计算机具有非常大的危害，特别是病毒中的“特洛伊木马病毒”，这一病毒可以轻松获取计算机使用者的密码等信息，通过不法手段侵入计算机中，给企业带来巨大的损失。因此，计算机的使用者必须在使用过程中规避和防范计算机病毒带来的危害，只有这样，才能进一步保证计算机的安全性。
2.3计算机黑客入侵
计算机网络系统非常复杂，存在安全漏洞，而这些漏洞无疑成为黑客入侵的重要突破口。黑客之所以出现，主要是因为许多计算机黑客能够通过网络漏洞获取使用者的个人信息或者企业的机密信息。黑客在计算机中植入木马程序，非法盗取重要的信息，达到获利的目的。特别是盗取一些机密信息，给计算机用户造成很大的损失。可以说，黑客攻击往往比病毒侵袭更具有杀伤力，影响计算机网络安全，导致计算机应用程序和整个操作系统都存在严重的安全隐患。
2.4计算机数据管理系统中存在安全隐患
随着计算机技术的快速发展，计算机系统中的数据管理系统在运行中也出现一些问题，这些问题导致整个数据系统与分级管理理念脱离。使用者在运用计算机的过程中，信息会自动存储在计算机的数据管理系统中，同时也会自动保存原本存在的一些重要信息。这样一来，如果这些存储的信息发生泄露，就会导致计算机用户遭受巨大损失。随着信息技术环境以及计算机网络发展环境的快速更新，使用者对计算机数据管理系统提出了全新的要求，但目前计算机数据库安全措施还不完善，不能完全满足使用者的要求。
3大数据背景下加强计算机网络信息安全防范的重要措施
3.1规范计算机的使用方法，重视对个人账户信息的保护
计算机网络安全意识是每一位计算机使用者必须具有的意识，在使用过程中要制定完善的计算机网络安全防护措施，增强安全防范意识。其次，个人账户作为使用者最基本的要素，可以分为用户名和密码两个部分，必须重视保护其安全，一旦个人账户在使用中被不法分子截取，将给个人带来巨大的损失。除此之外，在使用计算机的过程中，还需要加大对以下内容的重视力度。例如：邮箱的账户和密码、通信软件的账号和密码、网银账号和密码等。在设置密码的过程中，尽可能地增加密码的复杂性，并经常更换密码，进而降低计算机使用过程中的风险。一旦发现自己的账号出现异常，需要引起重视并立即更换密码，以更好地保护个人账户信息。
3.2使用防火墙进行防护
防火墙技术主要是针对网络接入进行防护，这种防护措施与其他方式相比，是一种具有内部特点的防护技术，能够有效隔断外部用户通过非法手段侵入使用者的计算机网络系统中，进而保护计算机内部系统。良好的网络防火墙技术可以不断增强计算机网络的稳定性，还可以在确保网络交互的基础上检查相关数据，设定相应的程序允许或者阻断数据传输。目前，防火墙的类型较多，依据不同的技术差异性，可以将其划分为检测型和型等，能够为计算机网络运行提供良好的保障。
3.3通过网络检测与监控阻碍病毒入侵
近年来，计算机病毒入侵的现象频繁出现，这不得不引起人们的关注。而通过入侵检测技术，能够不断提升计算机网络系统的检测水平，在病毒将要入侵时，果断進行阻碍或者切断输送路径，形成预警机制，避免不安全的外界因素对计算机系统带来的不良影响，提升计算机网络信息系统的安全性。入侵检测技术是计算机网络系统安全防范中最常见的技术，主要可以划分为两方面内容，即统计分析法和签名分析法。其中，签名分析法是针对网络安全防范中入侵系统的攻击弱点设计的内容；而统计分析法则主要运用统计学相关原理，分析计算机网络系统运行是否安全、稳定，从外部防止病毒入侵。
3.4强化计算机网络数据系统的安全管理工作
在大数据发展背景下，计算机网络数据系统的安全管理工作非常重要。由于计算机网络数据系统具有虚拟性、开放性等特点，加上许多使用者在操作过程中往往不重视计算机信息安全，很容易导致一些重要的信息损坏或者丢失。因此，为了进一步提升计算机网络数据系统的安全性，必须不断完善计算机网络安全管理机制，建立系统的、完善的、可行的管理制度，并定期对计算机网络数据系统的安全性进行维护和升级，降低计算机网络安全问题的产生概率。除此之外，在具体操作过程中，还要养成良好的习惯，尽可能不要打开一些带有安全隐患的链接，提高计算机网络信息的安全性。
篇6
业内普遍认为，这一纲要的意味着智慧医疗时代正大跨步赶来。易观国际的预测数据显示，2014年仅我国移动医疗市场规模已达到30.1亿元，同年增长52%，预计2017年，移动医疗市场规模将突破200亿元，市场进入高速发展期。
大数据支撑医疗健康
“互联网+与医疗健康产业的结合，大数据在其中起到决定性作用。”亚信数据电信解决方案&行业创新中心总经理李捷表示，体外诊断是一个新领域，在这个领域里面有很多新兴技术，包括皮下的持续监测血糖、心电的实际监测、基因测序等，让人的健康护理、健康管理在科学上取得很大的进步。
众所周知，亚信是专注运营商行业的企业，那么为什么亚信会选择深耕医疗健康领域呢?
李捷解释说：“运营商正面临着转型，而其庞大的客户群不仅仅有通讯需求，还有更多的自身生活健康相关的诉求。运营商本身也是一个管道提供商，在管道上承载的各种专项服务，对运营商而言都是有价值的。”亚信数据方面认为，产业跨界联合，一方面是对新兴领域的探索，另一方面则是希望通过领域拓宽，给运营商的原有市场和老客户群体带来新的价值。
互联网+医疗健康有诸多价值可以挖掘，随着人们收入的增加，对生活质量的需求也在不断提升，从简单的衣食住行到关注自身健康养生，这也推动了智能可穿戴设备的快速发展，目前已然形成一个完整的生态闭环。从设备的数据采集，数据传输，到数据的挖掘跟管理，再到健康师的分析，最后给出合理的理疗建议。亚信数据在这一过程中扮演的就是生态中最为重要的一个角色——数据分析。
精准化服务
大数据分析的价值在于以此为依据提供定向的专业化服务，李捷表示，亚信数据的准确率高达85%以上，亚信开放云平台有着五年的非结构化数据处理经验，包括对各个APP和互联网语料库的识别能力，行业涉及政府、餐饮、医疗健康、公共媒体等。合作伙伴遍布产学研各个领域，合作模式不仅仅局限于数据支撑，也包括联合运营。
移动互联网时代，很多的企业都在探索如何依托大数据技术实现企业转型，亚信的互联网运营经验得以显现。李捷认为，亚信数据最大的优势在于其与运营商的多年合作，积累了大量的用户上网行为分析经验，同时拥有庞大的运营商用户作为支持，其数据更加多元、精准。用户在管道里面搜索的信息，挖掘的信息，也是由运营商第一时间捕获，其实运营商比互联网公司能够更早的捕获这些信息，这也是运营商数据价值所在。
通过大数据分析，对人群进行分类，可以更好地帮助定向人群找到最适合的解决方案。同时给传统的医学机构、营业机构提供精准的市场分析报告。同时李捷认为，在技术上，目前国内的几家技术领先企业各有千秋、不分伯仲，而亚信数据对于行业的理解是超前的。数据整合之后，需要做深度的行业理解跟模型转换，比如医疗健康行业，数据涉及很多的健康指数，用户日常行为等，这些数据之间有着潜在的关联关系，而对关联关系的解读需要相当的行业沉淀，亚信数据有着专业的咨询顾问团队做后台支撑，不只是医疗健康行业，亚信数据在各个涉及的行业均组建了相应的咨询顾问团队，提供最专业的行业分析。
大数据的流动性价值
与大数据、互联网相关的产业，竞争无处不在。对此，李捷说：“因为现在已经是跨界竞争的状态，我们会遇到很多原来在通信行业里不会遇到的竞争对手，比如说阿里、百度，他们同样在做跨界的渗透。”面对资本雄厚的竞争对手，亚信数据认为，目前其行业经验的积累使其与强大的竞争对手处在同一竞争水平。加之亚信一直与运营商合作比较紧密，行业基础牢固，李捷透露，下一步亚信计划联合运营商在移动端展开战略布局。
篇7
关键词：信息素养；研究生；数据；北京交通大学
中图分类号：G643 文献标志码：A 文章编号：1673-291X（2012）18-0245-03
信息素养是指人们在解决问题时利用信息的技术和技能。这个概念是1974年由美国信息产业协会主席保罗·泽尔斯基首次提出后又经该协会定义的。随着计算机等现代技术的发展，信息量以几何级数的方式递增。一方面，准确完整的信息是做好决策的基础，另一方面，如何进行有效的检索，是利用信息从而解决问题的关键，这两者均取决于人的信息素养。
研究生教育担负着为国家建设发展培养高素养、创造型人才的重任。现代管理学之父德鲁克曾经说过：“知识工作者的生产率是21世纪管理的最大挑战。”
在北京交通大学，早在2004年，便把信息素养的教育列入了研究生学期教育的内容，为了全面掌握研究生信息素养情况，使信息素养教育更具有针对性，我们于2011年9月对北京交通大学的博士研究生和学术型硕士研究生进行了抽样调查，并结合访谈的形式对于相关重点问题进行了确认。
一、样本与调查维度说明
调查根据各院系学术型研究生数量的相对比例，共随机抽取360位研究生进行调查。经检查核对，最后共获得有效问卷343份，有效问卷回收率为95.27%，样本总量占6 847名学术型研究生总量的5.3%。有效样本在各学院的分布情况为：电子信息工程学院50人，计算机学院29人，经济管理学院97人，交通运输学院29人，土木建筑工程学院39人，机械与电子控制工程学院20人，电气工程学院20人，理学院21人，人文社会科学学院11人，软件学院17人，建筑艺术系5人，语言与传播学院5人。在全部被调查者中，硕士研究生为主体，占84.54%，其余为博士研究生；从年级分布看，一年级占45.18%，二年级研究生占43.73，三年级研究生只占11.07%；从性别构成看，男性占57.73%，女性占42.27%，与我校男女生总体比例58.4∶41.6持平。
调查的维度包括研究生信息素养教育基础、获取并利用专业信息的途径、对提高自身信息素养的途径选择与期望三个大的方面，共包含22个问题。
二、调查结果
1.研究生信息素养教育基本情况。调查表明：近四成研究生在本科阶段没有受过正规的信息素养教育。有34.74%的被访者在本科阶段没有学习过科技信息检索或类似的课程；有40.12%的被访者没有学过学术论文和学位论文写作的课程或听过相关讲座。
2.获取并利用专业信息的途径。在使用各种信息资源方面，以图书馆资源配合网络搜索引擎为主；将近1/3的学生经常使用纸本书和期刊，并通过专业相关论坛学习；还有一小部分学生利用免费的（见表1）。
在对既有资源的深入使用方面，对我校图书馆的使用情况的调查表明：有80.62%的学生使用过借还书服务；61.67%的学生做过电子数据库检索；44.49%的学生进行过书刊阅览；只有36.12%的学生使用过学术资源门户；26.43%的学生做过信息咨询；17.62%的学生使用过馆际互借；甚至有20%未使用过借还书服务（见表2）。
计算机技术发展到今天，涌现出很多面向公众的免费软件，这些开源软件除了在社交网络方面，在各专业领域里也层出不穷，熟练运用这些免费软件将是对我们当前有限资源的一个有效补充。但使用情况并不普遍。有15.42%的学生没有用过任何一款开源软件（见表3）。
研究生对本专业领域内优秀文献及前沿信息的掌握情况在一定程度上决定其创新力。研究生对其专业核心期刊及网站信息的掌握途径如下：60.79%的学生请教导师或同学，46.26%的学生利用期刊导航系统，28.63%的学生利用CSSCI或CSCD获知，11.45%的同学咨询图书馆员，其他途径为4.41%（见表4）。
从外文数据库的使用情况来看，有3.08%的学生从不使用本专业外文数据库；有43.17%的学生不熟悉外文数据库但常用Google找英文文献阅读；只有29.52%的学生经常使用本专业的外文数据库。由此可见，我校的专业外语和外文数据库的培训亟须加强（见表5）。
学术数据库的便捷和及时已成为研究生学习、研究过程中不可或缺的工具。随之而来的大量电子文档如果得不到系统的管理，会浪费掉很多时间和精力。与国外学校情况相比，我校研究生对参考文献管理工具的认识和使用情况令人担忧。以三种最广泛使用的管理工具为调查对象，使用过endnote、noteexpress或 refwork这三种管理软件的学生分别占16.74%、12.33%和8.81%，竟有近63.88%的学生没有使用过任何参考文献管理软件（见下页表6）。
3.提高研究生信息素养的方向与途径选择。调查显示：31.42%的被访者不太能对所浏览的网站的权威性作出判断，2.65%的被访者完全不能判断出所浏览网站的权威性；有40.27%的被访者回答能够判断网站的权威性，但根据的是模糊的经验；只有25.66%的被访者因为听过有关讲座，从而能够准确判断所浏览网站的权威性。
信息搜索能力提高途径方面，43%的同学希望采取听主题讲座的方式；22%的同学选择上选修课；20%的同学选择自学；15%的同学愿意请教导师和同学。
三、分析与建议
1.需强调信息技术教育与信息素养教育的结合。近四成研究生在入学之前没受过正规的信息素养教育，这样的数据映射了中国对于信息素养教育的认识严重不足。国外对信息素养问题的研究可谓由来已久。20世纪60年代至今，相关的研究已相当深入。通过Elsevier、Infotrieve等检索系统都可以检索到众多的研究文献。而通过“google”进行网络检索则返回了1 180 000条记录。这些记录中包含大量的信息素养研究组织、论坛、专门研究网站和资源网站，可以找到数量丰富的研究报告、论文、会议文献及有关的项目和计划等资料。资料还反映出信息素养概念的内涵逐渐由最初单纯的信息技能掌握到人的整体素养层面的演进以及信息素养重要性被广泛认可的过程。
相对而言，国内信息素养理论研究比发达国家滞后得多。1984年，教育部《关于在高等学校开设〈文献检索与利用课〉的意见》，奠定了《文献检索与利用课》作为中国高校大学生用户教育主要形式的地位。此后，受国外影响，中国图书情报界对用户教育活动的理论思考逐渐演变上升为信息素养层面的研究。就发文量而言，中国对信息素养问题的真正研究始于20世纪中期。1995年首次在研究文献中出现了“信息素质”和“信息素养”的概念，但之后发文数量一直非常有限，到2011年一共682篇。反映出中国对信息素养问题的研究多年来一直徘徊在较低的水平。
在对被调查者的访谈中，他们接受的信息教育要么就是计算机教育（简称为“计算机课”、“电脑课”）和在此基础上有所发展的信息技术教育，并以掌握计算机、网络等信息技术的知识和技能为最终目的；要么就是信息化教育，即将计算机、投影仪等设备用于辅助教育。从2000年开始，信息素养概念已进入一部分信息技术教育研究人士的视野，在国家信息技术教育相关政策中也出现了“信息素养”的提法，但基本上是将信息素养的培养局限于信息技术教育之中。而图书情报界则主要是从原有的用户教育、尤其是文献检索课的视角来看待信息素养。
因而，针对于研究生的信息素养教育，应该强调信息技术与人的学习、生活和工作的联系，强调信息和信息技术在各个层次上的学习与应用，特别强调信息素养在终身学习与自主学习中的作用，强调信息素养与个人发展的关系。
2.有待建立统一的信息素养标准，涵盖教育的全过程。信息素养标准是信息素养评估的依据，也是信息素养教育的课程目标。因此，各国积极建立适合本国国情的信息素养标准。在这一方面，美国、英国、澳大利亚制定的信息素养标准都对其他国家产生了一定的影响。美国最具有影响力的信息素养标准分别制定于1998年和2000年。1998年美国学校图书馆协会与教育交流技术协会制定了《学生学习的九大信息素养标准》，并且涵盖了教育的全过程，是从中小学基础教育到高等教育的一个重要主题。
中国的信息素养教育研究起步比较晚，目前还没有制定出一套全国通用的信息素养评估体系。《北京地区高校信息素养能力指标体系》是中国第一个正式的并且比较有权威的信息素养评价标准体系。该指标体系参照了美国、英国和澳大利亚高校的信息素养评价标准，共分为7个一级指标、19个二级指标、61个三级指标。
信息素养教育和其他任何一种教育领域一样，素养的提高是多个相互联系的因素持续作用、形成合力的结果，局部的强化难以实现。且研究生中的绝大多数毕业后便要走向职场，与其他层次的教育相比，除了传统意义上的学习的压力，还有面临从学生到职场人的转变的压力。如果单纯从研究生阶段加强信息素养教育，即使体系完备，也难以避免学生现学现用，不成系统的弊端。
3.信息素养教育亟待与学科课程整合。最新的研究文献数量表明：国外的信息素养教育的重点已经转向培养学生的终身学习能力和评判性思维能力，探讨促进图书馆、学生、教师及管理层的密切合作、谋求多学科的信息素养教学已经是研究重点之一。
篇8
伴随着信息科技的迅猛发展，基础层的云计算、大数据等因素的成熟带来了人工智能的进步，近年来人工智能概念发展十分迅速，深度学习带来的技术突破使得复杂任务处理准确率得到大幅提升，人工智能步入其发展黄金期。“十三五?划”提出了“重点突破新兴领域人工智能技术”，国家层面和地方层面也都相继出台了其他各项政策对发展人工智能和大数据进行有力支持。发展人工智能有望成为经济发展的新动力。国内外互联网巨头凭借其先天用户数据丰富、资源配置高效等方面的优势，以各种形式在加速布局人工智能领域。在大数据处理能效显著提升与人工智能快速渗透的时代背景下，金融决策平台搭载人工智能技术，使金融数据的分析越来越科技化、多样化与普适化，虽然在我国金融数据的挖掘和应用尚在起步阶段，但金融数据作为大数据中最具含金量的数据源，也逐渐受到越来越多的重视。
二、技术理论基础与金融决策
传统的数据服务软件提供给客户的主要是行情展示、行情推送等基础的服务，而互联网技术和互联网金融企业的蓬勃发展，共同促进了金融机构的建设，人工智能的正在从专用型（特定于某一场景）转变为通用型，将基于数据、算法和计算的互联网技术群与实际场景相互联系起来，协同发展。正是由于人工智能突破传统局限的范畴，才能使其真正将技术拓展至泛智能的应用，更具普适型的Applications随之产生。基于对金融参与者全方位的大数据分析、以及不断机器模拟学习和推进人工智能技术，提供精准内容服务和数据辅助处理服务更为高效；帮助个人或者机构作出适合其风险偏好、收益要求、投资年限等的金融决策平台不断产生。
在以人工智能技术融合进金融决策系统分析的过程中，仍旧以基础金融理论为指导，以马科维茨理论的均值方差模型为基础，在所构建的投资组合中，以最低的风险水平上赚取最高的收益率为目标。在按照一定算法筛选出满足一定收益风险指标的投资策略组合，保证其组合符合投资人的风险收益偏好。基于人工智能技术的更高级的算法和技术操作，可以在金融决策过程中进行更为广泛的量化投资策略，包含诸如行业轮动策略、量化择时策略、多因子Alpha体系以及其他各类事件驱动策略决策。在人工智能技术的前提下，由学习系统、决策系统、智能执行构成的智能，通过数据监测和模块分析对外界实时金融数据的处理结果进行相应操作。
无论是自筹数据、公共数据还是产业数据协同，数据的挖掘过程繁复，容易造成数据失真，人工的方式失误程度更高，同时数据级别都是海量单位，大量数据存在方式为非结构化的形式，金融大数据的处理工作面临挑战。但融合人工智能技术的数据挖掘真实性、完整性更为可靠，并且在风险管理与交易这种复杂数据的处理方面，人工智能的应用将大幅降低人力成本并提升金融风控及业务处理能力。金融决策系统搭载人工智能技术的应用可以说是金融机构与客户的交互入口，传统的数据服务以人工服务的模式展开，客服面临的80%的问题是简单、重复的问题，但却消耗大量的人力和时间成本；同时，客服的服务内容大都来自企业自由知识体系，受整体外部金融环境的影响较少，这使得企业智能化应用相对容易，并且针对不同需求的客户提供不同专业的智能服务也变得不再是遥不可及。人工智能技术在既有技术的基础上，将出现显著的突破，其应用价值也将显著提升。人工智能技术在促进商业模式智能化的融合上也发挥着举足轻重的作用。
阿里巴巴旗下蚂蚁金服2016年公布的数据中，网上银行的花呗与微贷业务上，使用机器学习将虚假交易率降低了十倍，机器人问答准确率超过80%，人工智能在于客户沟通及数据挖掘中发挥了重要作用。交通银行推出的网点智能机器人，足以分担大量大堂经理的工作，分流客户，节省客户时间。平安集团下设人工智能实验室大规模研发人工智能金融应用，人机结合有效解决了客户问题，并能实现个性化服务。为客户金融决策行为提供得力辅助。
三、研究意义
金融数据大多是以时间序列的形式展示出来，而金融时间序列中包含了诸多金融知识和规律，在大数据和人工智能背景下的金融数据挖掘和分析是从指定金融网页上的金融模块中采集相关数据，运用智能科技手段进行分析、处理相关金融数据并指导相关金融决策的过程，研究智能技术在金融数据分析中的应用可以为金融决策系统提供新的理论基础。
金融数据存在的范围极广泛，经济活动和商业活动中都存在大量金融数据，但用户对于数据的需求与使用情况多元化，金融数据决策系统可以根据用户的实际需求进行调整，跨区域、低成本、全透明、全数字地持续跟踪市场变化，充分发挥互联网技术的作用，大大降低投资理财费用，并且能够精确、快速匹配投资需求，同时保持实时数据披露和高流动性，使得客户可以以最低的信息成本获取更高的信息收入。在用户的数据分析过程中，有效性越高，信息不对称的成本越低，便越有利于对决策的客观性和稳定性，以及越有利于金融市场的稳定性与规范性。
篇9
关键词：大数据 经营管理 挑战 对策
当前，是一个信息爆炸的时代，是一个每日都千变万化的时代，是一个充满着挑战的时代。人们的生活由不同方面的动态数据覆盖着，人们的工作离不开不断更新的数据。通过使用新技术、新功能，将当前人们生产、生活中的数据汇集起来，为人们未来的发展提供有效、可靠的数据，形成当前大数据时代的基础。大数据时代的到来为人们的生活带来了各种各样的便利，与之相对的，技术的发展与信息的更迭也为企业的经营管理带来了挑战，在大数据时代中如何提高数据的收集、分析能力，使大数据时代服务于企业的经营管理是企业亟需考虑的重要问题。
一、大数据时代的特点
（一）数据作用多样化
在大数据时代下，数据具有多样化的功能，包括记录功能、表现功能、预测功能等。其中，最为关键的就是其记录功能。随着信息时代的到来，数据每分每秒都进行着更新换代，为了使得数据能更好地为企业的经营管理提供有效的基础，首当其中地就是发挥其记录功能。通过对数据有效、有规律的记录，能实现对数据的有效管理。
其次，数据的反馈功能。在进行决策时，决策者往往对现有的信息进行分析与整理，通过对现状的了解进行决策。决策后，通过信息可以及时地得到反馈，了解决策的实施情况及反应，有利于决策者更好地进行下一步计划的制定。
（二）为企业的发展提供有效的数据基础
当前，不仅仅是人才竞争的时代，更是数据竞争的时代，可以说，谁掌握了更多的数据，谁对于未来的发展就掌握了更多的先机。从数据的挖掘、采集、分析到最终进行决策；从产品的设计、开发、调研到市场的营销，都离不开数据资源。
企业要实现更好的经营管理，必须充分利用其掌握的数据资源，通过数据为其决策奠定更好的基础。
二、大数据时代下企业经营管理面临的挑战
（一）数据处理能力
大数据时代是一个信息爆炸的时代，每一秒数据都成指数增长，企业经营管理过程中数据数量、数据类型、数据模式都在发生的变化，传统的数据收集、整理、分析能力在大数据时代面前显得较为薄弱，数据整体处理能力不强，数据处理效果差强人意。
当前，数据的增多使得企业数据处理能力降低，导致数据价值难以彰显，不利于企业的未来发展。提高数据处理能力，充分利用大数据时代的契机，为企业的发展制定正确的策略，是企业实现更好的发展的必经道路。
（二）经营管理方式的转变
当前，我国中小企业占企业的大部分，在中小企业中，传统企业又占了较大的比重。这些传统企业对于当前的信息技术并不是十分了解，对于企业的经营管理仍然采用较为落后的管理方式，未利用互联网技术。然而，网络技术的欠缺使得企业在进行经营管理时不能迅速地把握当前的经济动态，形成良好的风险规避能力，打破传统企业经营管理时间与空间的限制，在进行企业发展目标的制定及战略制定中处于不利的地位。
（三）管理者正确决策
诚然，大数据时代已悄然到来，许多企业都意识到了大数据时代给企业的经营管理带来的机会及挑战，然而，受到当前技术的限制，许多企业在进行数据分析时，仍然是停留在较为浅显的数据管理阶段，不能做到深层次的数据分析与整理。如对于企业来说十分重要的客户信息、竞争者的相关信息等，许多企业仅仅是对这些信息进行了掌握，没有利用这些信息挖掘更深的内容，如利用客户信息巩固现有客户，挖掘现有客户的人际圈，将其人际圈中的潜在客户列入企业客户名单等。
企业的管理层在进行决策时，若不能根据数据所反映的市场客观情况来进行判断，仅通过现有简单的数据汇总凭借个人思维经验，则容易导致企业经营管理决策发生错误，影响决策的科学性及有效性，导致企业整体的发展不能按照经营规划或经营目标进行。
（四）信息保护
企业在生产经营的过程中，会产生许多的数据，不仅包括企业自身内部的，还包括企业与外界交流所产生的数据。每个企业都是市场环境的一个主体，不能离开其他的市场主体，企业在与外界进行交流时，其信息可能面临着泄露的危险，尤其是企业的重要信息、商业信息等，一旦被竞争对手获取，企业可能面临着十分严峻的问题。因此，在大数据时代中，企业如何实现信息保护，也是当前面临的一个重大挑战。
三、应对大数据时代的挑战，企业如何实现更好地经营管理
（一）提高数据处理能力
数据即是商机，数据的处理能力体现了一个企业的把握商机的能力。纽约大学商学院教授罗伯特先生曾指出，大数据是一个超越了人们想象力的事物，是一个对企业进行全方面观察的重要方法。
企业必须更新其信息技术，引进高新技术，提高其数据处理能力，使得其收集的数据能实时反映企业的全方位的信息。如大数据时代的到来，使得消费者的消费内容、消费习惯、消费爱好都能被统计出来，企业收集到这些数据后，应当充分对其进行分析，寻找到适合更多消费者的产品，或对市场进行细分，实现品牌战略的升级。
（二）转变传统的经营管理方式
政府应当开通相应的数据平台，使得企业能及时地把握政府政策的动态，了解当前市场发展的趋势。与此同时，企业也应当进行开发，建设自身的网络平台。企业的自身开发不是产品的开发，而是企业对大数据技术的开发，只有拥有了先进的大数据技术，才能确保企业能及时掌握足够多的数据。
近些年来，网络平台的建设使得企业的发展进入了一个新的平台，如阿里巴巴的发展，成为了举世瞩目的成功模式。企业应当结合自身发展的特点，建设网络平台，利用发达的互联网降低自身的生产成本，提高效率，实现企业生产经营目标的完成。
（三）充分发挥数据的价值
在大数据时代的冲击下，传统的单一的发展模式必将不利于企业的发展，未来的世界是进行个性化的经营管理的时代。而大数据的魅力就在于通过层出不穷的数据为企业经营管理的决策提供了可能。
企业应利用大数据技术对其收集的数据进行精确的分析，甚至可以精确到个位上，如对每一个消费者的特性进行评估与预测，并针对其个体制定个性化的产品或服务。只有充分挖掘数据的价值，使得数据真正地发挥作用，才能为管理者做出决策提供有效科学的依据，保证其决策的正确性。
（四）加强信息保护
信息保护是大数据时代一个不可不谈的重要内容，随着数据重要性的增加，如何实现信息保护是每个企业都应该关注的问题。
在进行传统的信息保护的基础上，企业应当将信息保护列入经营管理的内容中，将信息保护融入到企业生产经营的每一个环节，任何一个环节出现了差错，都可能给企业带来毁灭性的灾害。利用先进的技术进行信息保护，建立健全信息保护系统与信息管理平台，是企业实现信息保护的手段，更是企业经营管理中不可忽视的重要内容。
四、结束语
大数据时代是时展的必然结果，企业为了实现经营管理方式的转变，实现企业经营目标，必须抓住大数据时代的特点，积极应对挑战，通过提高数据处理能力、转变传统的经营管理方式、充分发挥数据的价值及加强信息保护等手段提高其综合竞争力，创造更多的经济效益。
参考文献：
[1]郝霞.大数据时代企业经营管理的挑战与对策[J].重庆与世界，2013
篇10
关键词：注塑成型；翘曲变形；CAE；工艺参数
0 前言
在汽车行业，用塑料代替金属来制造汽车保险杠已成为一个重要发展趋势， 塑料保险杠制作可通过注塑模具批量完成，因汽车保险杠结构复杂，尺寸大，所以其相应注塑模具结构也比较复杂，且模具外形尺寸大、体积重，注射时还常常会遇到成型困难和工艺范围狭窄等问题，为解决类似问题，传统的大型汽车保险杠在模具设计时，其浇注系统常采用热流道，同时增加浇口数目，其结果浇注过程中产生模具型腔充填很难均衡现象，且产品熔接痕数目增多，严重影响制品的外观、质量、力学性能等一系列问题。气辅注射成型技术作为一种创新的注射成型工艺，突破了传统注射成型的局限性，它可以在注塑件内部注入高压气体代替熔体进行注射保压，从而降低了注射压力和锁模力，用小型注射机成型较大塑件，降低能耗，有效消除塑件表面缩痕，减小制品翘曲变形、提高表面质量、缩短生产周期等等，且其材料适用性好，产品轻量化、质量高。再加上运用先进的注塑CAE模拟分析技术，可将热流道的数量和进浇口的位置等通过分析进行合理优化，确定合理的热流道点数，有效控制和减少产品表面熔接痕位置和数量，实现产品重要外观不出现熔接线，满足塑件产品外观质量要求，提高产品合格率。
本课题是校企合作研发的HWQ-B50大型精密汽车保险杠模具设计课题，研发中创新运用气辅注塑及CAE模拟分析技术，并结合CAD/ CAM/ CAE 等模具数字化设计与制造新技术，实现了大型精密汽车保险杠模具数字化设计、制造的研发，并实现了其产业化，为企业获得了很大的经济效益。
1 HWQ-B50大型精密汽车保险杠模具设计
1.1 HWQ-B50 汽车保险杠结构分析
HWQ-B50 汽车保险杠塑件如图1 所示， 最大外形尺寸为1786mm×558mm×531mm，平均料厚4 mm。且要求表面光洁、线条清晰。该塑件大，且结构复杂，用于生产其塑件的注塑模具抽芯机构多， 类似为一个中等程度的工作母机；模具浇注系统采用热流道，需要通过电加热；型腔、型芯及冷却系统复杂，型腔与浇注系统的热流道相互矛盾；制品顶出系统复杂，需用液压和机械联合顶出。
从如图1所示的塑件A - A局部截面看，此产品模具设计宜采用内分型 ，以减少分型线对产品外观的影响，产品脱模，整体弯曲3.0 mm，并且动作要求开模和顶出同步。内部结构采用导轨运动，抽出型芯，通常分模线应在大面表面上， 但为确保车身外饰件要求表面光洁、线条美观、流畅的目的， 确定在底侧部进行分模， 确保塑件表面无分模痕迹。
图1 HWQ-B50 汽车保险杠塑件
1.2 应用Moldflow 软件对塑件进行气辅CAE模拟分析，确定浇口、气口位置与数量
通过Moldflow 软件在计算机上完成HWQ-B50汽车保险杠注塑模具气辅注塑仿真过程及各种模拟分析，根据分析结果，调整熔体浇口、气口位置、流道尺寸和气道尺寸的优化以及气道的合理布置。
1）进行网格划分
应用UG软件建立stl 格式的HWQ-B50汽车保险杠三维数字化模型， 导入Moldflow 软件， 对其进行网格划分和修补，确保制品模型的单元网格匹配率、连通区域数值、网格交叉和完全重叠网格数值、未配向单元数值以及匹配度和最大纵横比完全满足Moldflow的分析要求。
2）设定成型分析工艺参数
由塑件材料：PP + EPDM+ T20 改性材料，设定相关成型分析工艺参数为：最大注射压力为55MPa，气体注射压力为20MPa，模温50℃，熔体温度为230℃，延迟时间为25s，气道的等效直径为9.6mm，冷却时间为22s。
3） 确定浇口、气口位置及数量
通过Moldflow 软件首先对制件进行最佳浇口、气口位置分析，了解塑件浇口选取的位置，如图2中深兰色部分所示 ， 确保塑件成型均匀、完整、无缺陷等。为了进一步确定浇口、气口位置与数量。根据塑件结构分析， 模具结构的初步设计以及多次成型流动分析， 采用对称6点同一侧面浇口的方案， 如图3 所示。
4） 塑件气辅CAE模拟分析，进一步优化浇注系统的设计
应用Moldflow 软件对塑件初步设计方案进行气辅CAE模拟分析，模拟熔体填充、保压、冷却情况，分析制品注塑中的应力分布、分子和纤维取向分布、制品的收缩和翘曲变形等情况， 为避免注射熔体量不足、气体压力过大、气穴、吹穿、表面凹陷等的发生。根据分析结果，调整熔体浇口、气口位置、流道尺寸和气道尺寸的优化以及气道的合理布置。如图2所示，最终模具的浇注系统设计采用5点侧浇口热流道方式，合理满足模具结构条件， 特别是拉料杆的位置空间得到了保证， 减少分流道流程， 避免了与其他机构相干涉。
图2 最佳浇口位置
图3 初步浇口位置和进胶顺序设计
1.3 塑件结构的二次设计
通过对塑件进行翘曲变形、注射压力等等CAE模拟分析。必须对塑件进行进一步的设计优化，在严格保证塑件功能、外饰件要求的条件下，充分满足模具结构要求和模具制造工艺。由于塑件上表面两侧处存在大斜面，内侧有倒钩， 为了简化模具结构， 必须把塑件沿Y轴旋转3°， 旋转后上表面两侧大斜面就能顺利脱模， 避免内抽芯过大。塑件两侧缺口处的型芯外面做抽芯，同时内面可避免再做斜顶机构，并在塑件安装位转动90°，直接在滑块上生成。另外， Y轴方向两侧预留变形重新成型，实现塑件二次关键设计。
1.4 模具结构设计
模具结构设计是整副模具成败的关键，本课题汽车保险杠模具外形尺寸大、体积重达40余吨，且结构复杂，类似一个中等程度的工作母机，模具浇注系统采用热流道，需要电加热；型腔、型芯及冷却系统复杂，模具分型抽芯机构、模温控制装置、制品顶出系统结构复杂等等。
1） 塑件材料收缩率的确定：塑件材料为PP + EPDM+ T20 改性材料， 综合材料的注射工艺和塑件的形状以及材料的变形等特性，同时考虑预留变形因素所造成的差异， 塑件材料收缩率在X、Y、Z三轴方向分别采用1.1 % 、 1.0 %和 1.0 %三种不同的收缩率。
2） 脱模方式确定：塑件在脱模时， 首先开模和第一次顶出同步一段距离，内部抽芯先抽出产品变形空间，防止产品变形，确保产品脱离倒扣，留在型芯；然后，继续开模，同时停止顶出，当开模距离到达一定大时，停止开模；再进行第二次顶出，完成内部抽芯；，继续第三次顶出，此次顶出采用顶块顶出，同时由机械手取出产品，最后油缸复位。
3） 导轨抽芯装置设计：保险杠内抽芯结构如图4所示，为了保证斜顶与1型芯帽运动畅通，采用自滑压条，油缸顶出1型芯帽，2导轨带动14斜顶往上运动，因固定在3斜顶中的两个导向杆运动限制，使得1斜顶沿着5导向杆方向向上斜线运动，完成斜顶抽芯动作，同时3斜顶带动其余在斜顶中的抽芯块如4抽芯块，这样可以完成产品内部和产品两侧抽芯，此结构可靠、运动稳定。
1-型芯帽 2-驱动导轨 3-斜顶 4-抽芯块 5-导向杆
图4 汽车保险杠模具导轨抽芯装置
4） 冷却系统设计：为使塑件在模腔内迅速冷凝定型，确保成型周期，本项目模具型芯和型腔设置冷却系统管道 15mm的斜孔和直孔，每条冷却回路与热流道隔开，长度控制在5M以内， 充分发挥其冷却作用。
5） 排气槽设计：根据CAE 分析，首先在相关困气部位开设排气槽， 其次，在内抽芯滑块上开排气槽，以解决合模状态下 内抽芯存在真空，确保本模具先内抽芯再开模的设计。
6） 模具材料选用及热处理： 为减少内应力，增加模具强度、硬度，可对模具主要部件进行热处理。
①模具型腔选用20Cr合金渗碳钢， 为运用粗加工后进行渗碳回火的加工工序， 一方面，提高表面硬度（28～32 HRC）和耐磨性，另一方面减少热处理变形，确保模具制造精度，使模具使用寿命得以提高。
②模具型芯滑块选用718 钢（3CrNiMo）材料，原因是该滑块要求高，体积比较大，且存在双向运动；同时为减少因摩擦而引起的热变形，可使用油，增加滚动装置，确保模具型芯滑块的制造精度。
1.5 模具结构及其工作原理
模具结构如图5所示。
模具开模时，首先油缸7得到设备信号进油，通过连杆26，推动横梁5和型芯帽3向前顶出运动，横梁5通过导柱16拉动斜顶14沿导轨13运动。其次，固定在型芯帽地侧的导板4，确保型芯帽3在顶出过程中保持水平运动，不会因为型芯帽3的自重和导柱9与导套10 之间的间隙而下坠。然后，固定在型芯帽3上的型芯镶件17通过导柱18带动滑块19沿导向杆20运动，型芯镶件26固定在型芯固定板6上静止不动，让出滑块19的运动空间。最后，斜顶14开始运动时，导板的T型槽是水平的，顶块23保持与型芯帽3同步，运动到一定距离后，顶杆24的T型导轨接触到导板25的T型槽的倾斜段，顶块23相对型芯帽3开始顶出动作，释放产品上的深筋的留模力，油缸行程到位后，用机械手取件。
2 结束语
通过基于气辅成型及CAE模拟分析技术的大型精密汽车保险杠注塑模具设计，突破了传统的汽车保险杠塑件设计、制造的理念与方法，通过计算机以全新的数字化设计与制造手段，实现了大型精密汽车保险杠注塑模具设计最优化的工艺设计方案，降低了传统模具设计制造反复试、修模的成本，缩短了开发周期，提高了制品质量和生产率.对企业进行大型精密汽车保险杠系列注塑模具设计和高效注塑生产具有较高的实际指导意义。
参考文献：
[1]Agrawal D， Vasudevan P， Knowledge Based Systems Development of Injection Molding， Advanced Application Technology， 1998， 10（5）： 419-428.
[2]张珑，塑料成型CAE——moldflow应用基础，电子工业出版社，北京，2010.6， 207.
[3]Torsten Kruse， Injection Mold Process Simulation A Productivity Tool for processor ANTEC'2000，SPE conference，2000， 732.
