大数据时代数据的价值范文
时间：2023-12-28 17:49:12
导语：如何才能写好一篇大数据时代数据的价值，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
2012年岁末，教育部职业与成人教育司司长葛道凯教授、国家开放大学党委副书记张少刚研究员、国家开放大学现代远程教育研究所魏顺平博士合著的《教育数据挖掘：方法与应用》一书由教育科学出版社出版。该书基于大数据时代背景，指出致力于从大量数据中提取或“挖掘”知识的数据挖掘将有助于发挥教育数据的价值，数据以及数据挖掘可以作为审慎决策的依据。该书是国内率先结合大数据时代背景讨论如何挖掘教育数据价值的专著，以“教育数据挖掘”为主题，围绕教育数据挖掘的方法和应用两大方面展开论述，根据实际任务情境构建了若干数据挖掘模式，并结合远程开放教育领域研究和实践中的实际问题展开了大量实证研究，检验了教育数据挖掘的重要价值。
教育数据挖掘是一个将来自各种教育系统的原始数据转换为有用信息的过程，这些有用信息可为教师、学生、家长、教育研究人员以及教育软件系统开发人员所利用。教学、管理、科研是教育机构的基本活动，根据数据挖掘在这三个业务领域的具体应用，可以将教育数据挖掘进一步细分为E-Learning数据挖掘、E-Management数据挖掘和E-Research数据挖掘等。
该书通过E-Learning数据挖掘、E-Management数据挖掘和E-Research数据挖掘等三大领域数据挖掘的7项实证研究，对于远程开放教育领域可获得的数据种类、可采用的数据挖掘方法和工具以及可挖掘得到的知识模式有了一个较为完整的认识，得出了以下基本结论：①恰当运用数据挖掘技术能为优化教育规划和管理、提高教育教学质量、改进教育软件设计与开发提供有益帮助；②对于多数教育机构来说，在教育教学过程中适时应用数据挖掘技术不仅是必要的，也是可能的；③研究人员借助数据挖掘方法，基于各种专业数据库，一定程度上可更全面、快速、准确地了解某一研究领域的现状，并预测未来发展方向；④注重教育教学过程、管理过程及研究过程中相关信息的采集和存储是有价值的。
篇2
关键词 大数据 今日头条 新闻生产 价值实现
一、“今日头条”：大数据时代的宠儿
今天我们所生活的时代，已经被称为“大数据”时代。《大数据时代》的作者维克托·迈尔·舍恩伯格在该书中说，最初这个概念是指需要处理的信息量过大，已超出一般电脑处理数据时使用的内存量，因此需要改进处理数据的工具。①所以，“大数据”首先指信息或数据量的巨大。但大数据并不等同于“海量数据”。“大数据”之中还存在着相联的关系，因此“大数据”还指需要通过新的信息处理方式来挖掘、存储、分析、处理，并具有预测性、决策力的海量、高增长率的相关资讯。②关于大数据的特征，业界目前比较认可的是IBM 公司提出的四个“V”：数量（Volume）、多样性（Variety）、速度（Velocity）、真实性（Veracity）。而大数据的价值，研究者认为，大数据虽然通过挖掘加工可以产生巨大价值，但其本身价值密度低，仍然需要在大量数据中发现有价值的数据或将低价值的微小数据集聚成有价值的大数据。③因此，在新闻传播领域中，不管是传统媒体、社交媒体还是移动新媒体，谁能掌握大数据技术并开发大数据带来的社会价值和商业价值，谁就可以在时代浪潮中获得新生。而“今日头条”先做到了。“今日头条”是北京字节跳动科技有限公司推出的一款移动新闻客户端，2012 年8 月上线，累计用户1 亿，包含了新闻、图片以及各类短文。它目前已完成1 亿美元融资，估值超过5 亿美元。相较于门户网站、社交媒体和其他手机新闻客户端，“今日头条”的与众不同正在于它充分利用大数据技术进行信息挖掘、分析、聚合，“你的头条不见得是别人感兴趣的，我们要做的是定制专属你的产品，”其创始人张一鸣说。因而“今日头条”的独特之处还在于通过对社交大数据的挖掘，向用户推送个性化信息。
二、从“今日头条”看大数据技术对新闻生产的影响
在全球范围内，大数据技术对新闻生产领域的影响开始于“计算机辅助报道”，而如今大数据技术已逐渐渗透到新闻生产的核心领域。从新闻的选题到新闻采写、整合，都可看见大数据的踪影，甚至还出现了数据新闻、趋势预测性新闻和数据驱动型深度报道，但这些目前在国外还处于个案探索阶段。在我国，“大数据”在学界和业界都成为了最时髦前沿的词汇，至今学界对大数据的研究还停留在理论梳理层面，而深入到新闻生产核心环节的大数据业界实践还未真正成形。但是，“今日头条”利用大数据技术对新闻生产领域的全新探索可以给予其他媒体启示。
1、数据为主：重视数据的挖掘、收集、整合和呈现
“大数据”时代下数据成为“富矿”。而“今日头条”就将海量的新闻信息和用户信息视为“富矿”，它们宣称：“我们不生产新闻，我们是新闻的搬运工”。而“搬运”方法就是利用大数据技术对数据进行挖掘、收集、整合和呈现。它们不做传统媒体擅长的事情——不参与原始新闻内容的生产，但内容供应方是众多的传统媒体、网络媒体以及自媒体；它们不做传统编辑的工作——没有编辑对信息内容进行整合编排，其团队里大部分为产品技术人员。
它通过对用户绑定的登录账号的社交信息：微博账号的关注好友、粉丝群、各种评论和转发，收藏、签到位置，使用微博时间等进行原始数据分析计算。在数据挖掘收集分析的基础上得出用户感兴趣的新闻进而推送给用户，整个过程不需要用户有任何操作，简化了用户过滤无关信息的过程和时间。同时，在用户使用过程中，还会根据用户对某一内容的阅读和评论及收藏、对某条新闻的停留时间来分析用户的兴趣点从而调整对用户的新闻推送，甚至还有基于用户位置的内容推荐：包括推送所处位置的相关信息，或根据用户手机所处不同位置的时长来判断用户对某地信息的需求量。随着搜索、阅读时长的增加，算法不断演进，数据分析更加到位，推荐精确度也大大提高，就能更好满足用户需求。④在信息爆炸的快节奏社会，“今日头条”以“大数据”的思维和技术手段，将自身定位于智能移动信息推荐引擎，让众多新闻在极短时间内抵达受众面前，提供渠道和平台帮助内容生产者实现新闻价值，重视并提升了数据技术在新闻生产领域的地位。
因此，传统媒体应该尽快树立起数据为主的理念。“今日头条”利用大数据技术仅在信息分发渠道已获得巨大收益和发展前景，而拥有良好背景资源和专业人才优势的传统媒体获取新闻数据的渠道更广泛、成本更低廉并且成果会更精良，因此可以将“大数据”参与到新闻的的选取、制作、传播、反馈等过程中，同时，在舆情记录分析和受众反馈调查方面“大数据”也能发挥出重要作用。
2、服务为王：利用数据对用户进行精准分析和独家定制
在互联网时代，媒体提倡“内容为王”，认为凭借高质量的信息内容就能赢得受众。而这种情况已经在大数据时代被“服务为王”所取代：新闻媒体不仅要满足受众对新闻内容的需求，还要满足各种服务要求，比如：传播时间、渠道，新闻表现形式、类别，反馈方式和社交属性等。“今日头条”就是其“服务为王”理念的先行者。首先，它是一款面向移动新媒体用户的移动新闻客户端，本身就是一种亲民、具有良好用户体验的信息传播载体。每当用户打开“今日头条”APP，映入眼帘便是其宗旨：“你关心的，才是头条”，它的“秒懂”形式设计得很贴心。除此之外，它还设置了涵盖各领域的信息频道供用户自由选择，用户在阅读过程中可以删除不感兴趣的新闻，可以离线下载感兴趣的新闻，还能在动态页面中查看、评论各好友分享的最新新闻等。所以，每个人看到的今日头条都是独家定制的，这无疑是一种绝佳的用户体验，也是“今日头条”区别于其他门户类新闻客户端和传统媒体新闻客户端的最大亮点。
“今日头条”所运用的大数据分析技术不同于一些技术公司对于用户整体行为的分析从而寻找影响他们内容消费行为的相关因素，而是注重对于每一位用户的个性化需求分析。所以，传统媒体也要学习“服务为王，用户至上”的理念。引入大数据分析技术深度理解用户需求，有针对性地生产特色信息产品，打造精准传播，提升用户体验。与“今日头条”定位理念不同的“澎湃新闻”客户端，在打造优质新闻内容的同时也要学习如何利用大数据技术主动吸引更多用户。
三、从“今日头条”观大数据时代价值实现的理念创新
“今日头条”在获得受众好评和投资者青睐以及同行羡慕的同时，也陷入了涉嫌侵犯内容版权的漩涡之中。如果从法律角度看，“今日头条”的版权问题并不复杂。在法理层面之外，我们需要以大数据时代的视野，结合“今日头条”的实践来思考当今传媒业价值变现的问题。喻国明提出，纸媒表现出的集体“愤怒”，其实质是传统媒体在失去渠道垄断之后的焦虑。纸媒的原创优质内容，应该如何创新“变现”渠道，获得增值和利润，这实质上是当前传统传媒转型的关键之所在。⑤张一鸣也认为，“只要谁能让‘变现’这个环节也变得容易，媒体才能真正的变革。终极的状态是，你只要专心创造内容，内容的变现自动完成，并且转化效率很高。”
1、价值实现全过程：内容生产者和渠道提供者缺一不可
我们不能只看到大数据时代引发的技术变革，还应该重视在新闻媒体环境中的理念变革。在传统的媒体观点中，作为新闻内容生产者的传统媒体，是新闻信息价值的唯一创造者。所以也是内容产品价值实现的唯一收益者。但如今这样的想法要与时更新了：当众多优质新闻内容同时出现并淹没在海量信息中，谁能脱颖而出得到受众的认可和分享传播，靠的是渠道和平台的推动力量。如果传统媒体固步自封，即使内容再优质但无法抵达合适的受众面前，仍然只能“顾影自怜”。“今日头条”凭借独特的信息挖掘、抓取技术，打造了个性化信息分发平台，使受众获得了他们想要的信息，使内容生产者获得了他们期待的受众。因此，在大数据时代，信息内容产品从价值创造到价值实现的全过程是内容生产者和渠道提供者多方作用的结果，只有彼此依赖的每一方完成好本环节的接力工作，才能使信息内容产品增值并且有可能实现新闻价值，并非任何一方“一手遮天”就能取胜。
2、内容生产传播全过程：各用所长，协同合作
在大数据时代，媒介市场竞争异常激烈。曾经称霸互联网的几大门户巨头，在抢夺完社交媒体市场后又开始瓜分移动客户端市场。“强者更强”在传媒领域似乎也是通行的定律。但是，没有资本优势和受众根基的“今日头条”却在高手如林的客户端战场上杀出重围，靠的是在利用他人优势的基础上发挥自身所长。因为它并没有专业的新闻生产团队，在内容生产上无法与传统媒体和门户网站抗衡。所以“今日头条”主攻自己擅长并且其他媒体还不重视的数据挖掘分析技术，为其他媒体搭建信息分发平台。而长期以高品质新闻内容引以为傲的美国《纽约时报》，近些年投入了大量成本开发新媒体技术应用，先有“付费墙”后有“付费门”，再到“付费门2. 0”，但始终不能挽回纸媒日渐下滑的颓势。因此，我们可从“今日头条”和《纽约时报》的不同实践中看出，在大数据时代的传媒产业竞争中，任何一家媒体都很难真正做到“一家独大”或“全盘通吃”，必须要树立专业化分工的合作意识，明确自身优势领域和薄弱之处，做到知己知彼，擅长内容生产的媒体和擅长技术挖掘和用户分析的媒体应该强强联合而不是相互厮杀。只有真正协同合作才能实现双赢和多赢，共享大数据时代带给传媒业的机遇和挑战。
维克托·迈尔·舍恩伯格在《大数据时代》中认为：“大数据己经撼动了世界的方方面面。”他还表示“尽管我们仍处于大数据时代来临的前夕，但我们的日常生活已经离不开它了。”正如互联网诞生之初的情形一样，国内外的研究者对大数据时代和大数据技术，充满了赞扬之情和美好期盼。
然而，我们不要忘记的是，再先进的科技始终是一把双刃剑。一方面大数据能够促进社会变革和进步，而另一方面也带来了许多亟待解决的问题：第一，数据爆炸式增长，给数据存储和分析增加了很大难度；第二、大数据的高速发展，其准确性、真实性等都将使人类面临挑战；第三，结合新闻传播领域，当媒体为追求新闻真实与可读而尽可能挖掘数据时，难免会触犯个人隐私，甚至可能还会触犯社会道德底线。而依靠大数据技术而新生的数据新闻，其人文关怀和社会性可能偏弱，不符合我国新闻媒体为人民服务和追求舆论导向作用的宗旨。另外对受众的个性化分析计算是否侵犯受众隐私权、媒体对大量数据的引用所牵涉的版权纠纷等问题，都是需要我们在欢呼之后冷静思考的。
参考文献
①维克托·迈尔·舍恩伯格，肯尼思·库克耶：《大数据时代：生活、工作与思维的大变革》[M].浙江人民出版社，2013
②王国鹏，《大数据时代媒介生产方式和传播机制的变革研究》[D].山东大学，2014
③彭兰，《“大数据”时代：新闻业面临的新震荡》[J]《. 编辑之友》，2013（1）
④王静超、储靖农，《“今日头条”的创新对传统媒体的启示》[J].《青年记者》，2014（8）
⑤喻国明《, 集成经济：业务模式的创新需要盈利模式的创新来保障——对“今日头条”引发的版权之争的一点看法》[J].《新闻与写作》，2014（8）
篇3
自大数据进入了人们的视线之后，它便逐渐成为人们普遍关注的焦点。大数据讲的是PB时代的科学，本质上大数据的挑战是PB时代的对科学的挑战，更是对包括数据挖掘在内的认知科学的挑战。那么，大数据时代怎么做数据挖掘呢？
在现今时代人们通常所说的大数据主要包括三个来源：第一是自然界大数据，也就是地球上的自然环境，很大很大。第二是生命大数据。第三也是最重要的，则是人们关心的社交大数据。这些数据普遍存在于人们的手机、电脑等设备中。今天一个报告在3分钟之内就可能被全世界的人们所知道。
奥巴马就职的社交场所，这么多面孔，每一个面孔下都有一个故事，每一个人后面都有大数据的支撑。人脸是数据安全的很重要的识别器，怎么把人脸识别清楚呢？人们想了很多办法。现在北京市有80万个摄像头，我们每天都在摄像头的监督下开车、购物。我们可以利用摄像头做身份认证、年龄识别、情感计算、亲缘发现、心理识别、地区识别、民族识别。这种流媒体主要的形态是非结构化的，特征之间的关联关系、设备算法的准确率等等，都严重地制约着大数据人脸挖掘的进度。如何能从这些海量数据中利用识别算法提取出所需要的特征属性，并理清特征之间的关系都是现在所面临的问题。
技术推动计算机发展
1936年天才数学家图灵提出图灵模型，后来有计算机把图灵模型转化为物理计算机，这其中有三大块：CPU、操作系统、内存和外存，还有输入和输出。在计算机发展的头30年里，我们投入最多的是CPU、操作系统、软件、中间件以及应用软件。当时人们侧重于计算性能的提高，我们把这个时代叫做计算时代。
计算对软件付出了很大的努力，尤其是高性能计算机。我们认为计算在前20年中起到了主导作用，它的标志速度就是摩尔速度。在这样一个计算领先的时代当中，我们主要做的是结构化数据的挖掘。关系数据库之父埃德加在1970年提出一个关系模型，以关系代数为核心运算，用二维表形式表示实体和实体间的联系。三四十年来，各行各业的数据库和数据仓库技术，以及从数据库发现知识的数据挖掘成为巨大的信息产业。
关系代数是关系数据库的形式化理论和约束，先有顶层设计和数据结构，后填入清洗后的数据。数据围绕结构转，数据围绕程序转。用户无需关心数据的获取、存储、分析以及提取过程。通过数据挖掘，可以从数据库中发现分类知识、关联知识、时序知识、异常知识等等。
随着数据库产业的膨大，人们对数据库已经不太满足了，于是把Databases说成大数据，这便遇到了两个不可回避的挑战，第一个挑战是由于关系代数的形式化约束过于苛刻，无法表示现实数据；第二个挑战是随着数据量的增大，关系代数运算性能急剧下降。在这个时候，我们的存储技术得到了迅猛发展，人类进入了搜索时代。搜索因为存储便宜了，存储的速度大概每9个月翻一番，所以存储带动了技术的脚步，这种搜索时代经过了20多年的发展，带领我们进入了一个半结构化数据挖掘时代。这个时代的代表人物就是万维网之父家蒂姆・伯纳斯―李，他提出了超文本思想，开发了世界上第一个Web服务器，于是我们可以从一台服务器上检索另一台服务器的内容，服务器在软件的支持下可包括文本、表格、图片、音视频的碎片化超媒体信息。
因此，客户端服务器结构和云计算结构蓬勃产生，这时已经没有了关于代数那样严格的形式化约束，依靠的主要是规范、标准，所有媒体均以实体形式存在，甚至是软件，实体通过超链接产生联系。
形式化理论比关系代数宽松了许多，创建了灵活多样的实体，这时候数据开始围绕实体转，实体围绕链接转。在云计算背景下，数据挖掘也可以看作是云计算环境下的搜索与个性化服务，不存在固定的查询方式，也不会出现唯一、100%准确的查询结果。
网络化的大数据挖掘
随着互联网带宽6个月翻一番的速度，人类进入了交互时代，交互带动着计算和存储的发展。
移动互联网时代的大数据挖掘主要是网络化环境下的非结构化数据挖掘，这些数据形态反映的是鲜活的、碎片化的、异构的、有情感的原生态数据。
非结构化数据的特点是，它常常是低价值、强噪声、异构、冗余冰冷的数据，有很多数据放在存储器里就没再用过。数据的形式化约束越来越宽松，越来越接近互联网文化、窗口文化和社区文化。
关注的对象也发生很大改变，挖掘关注的首先是小众，只有满足小众挖掘需求，才谈得上满足更多小众组成的大众的需求，因此一个重要思想就是由下而上胜过由上而下的顶层设计，强调挖掘数据的真实性、及时性，要发现关联、发现异常、发现趋势，总之要发现价值。
当前，深度学习也是一种数据自适应简约。如果我们在百度上用深度学习搜索一个人脸象素搜索，这么多人脸谁是谁？数据量急剧增加，各种媒体形态可随意碎片化，组织结构和挖掘程序要围着数据转，程序要碎片化，并可以随时虚拟重组，挖掘常常是人机交互环境下不同社区的发现以及社区中形成的群体智能，在非结构化数据挖掘中，会自然进行数据清洗，自然形成半结构化数据和结构化数据，以提高数据使用效率。
群体智能是一个最近说得很多的词，我们曾经在计算机上做一个图灵测试，让计算机区分哪些码是人产生的，哪些是机器产生的，这是卡内基美隆大学提出来的，在网络购物、登录网站、申请网站时都会碰到适配码被使用。在此要提到第三个代表人物――路易斯，他提出用这个适配码应用方式。
如果云计算支撑大数据挖掘要发现价值，那么我们认为云计算本来就是基于互联网的大众参与计算模式，其计算资源是动态的，可收缩的，被虚拟化的，而且以服务的方式提供。 产生摆脱了传统的配置带来的系统升级，更加简洁、灵活多样、个性化，手机、游戏机、数码相机、电视机差别细微，出现了更多iCloud产品，界面人性化、个性化，都可成为大数据挖掘的终端。
挖掘员支撑各种各样的大数据应用，如果我们有数据收集中心、存储中心、计算中心、服务中心，一定要有数据挖掘中心，这样一来，就可以实现支撑大数据的及时应用和价值的及时发现。
篇4
关键词：企业管理 大数据 应用 价值 探究
中图分类号：F270.7 文献标识码：A
文章编号：1004-4914（2016）10-274-02
一、前言
企业想要在激烈的市场竞争之中获取良好的经济效益和社会效益，需要不断加强企业管理的相关工作，提升自身内部管理的水平和质量。当前互联网和移动通信技术在不断地创新和进步当中，这对于人们的生活方式、交流方式、兴趣爱好等产生了较为直接的影响，主要体现在人们生活逐渐走上网络化和数据化的道路。数据信息的爆炸式发展，促使现如今的世界步入大数据时代。在这种时代背景之下，企业的决策和经营活动，都会受到数据的影响，数据已经逐渐成为了当前企业可持续发展的重要战略资源。只有对大数据的积极作用进行有效发挥，才能够逐渐增强企业的核心竞争力。
二、大数据的内涵
大数据在当前实践领域和学术领域中受到了越来越高的重视，对大数据进行全面有效的研究和分析，能够为社会进步和发展提供良好的前提条件，人们在这一点上已经逐步达成了共识。大数据主要是指数据信息十分庞大繁杂，需要使用云计算等数据挖掘技术才能够对数据信息进行深度的挖掘，由此获取到具有高潜在价值的巨量资料。大数据具有较高的潜藏价值，并且数据量本身就较为庞大，具有一定的复杂性，这就需要企业在进行数据信息的处理过程中，需要有更高的能力进行挖掘和分析。
三、大数据时代下企业管理的特点
（一）企业用于分析的数据量十分庞大
数据分析是当前企业管理过程中不容忽视的重要支撑点，企业需要有完整、真实、有效的数据进行支撑，企业需要使用大量的数据，才能够对未来行业的发展趋势进行有效的预测，从而采取积极的应对措施，制定良好的战略。以往情况下，对于数据的收集、存储以及分析都存在着一定的局限性，企业在分析和处理相关信息问题的时候，都是从能够获取到的少量信息中，最大限度的挖掘和分析自身所需要的信息，这在无形之中增加了企业的工作量，同时信息的不完整性、滞后性等问题将会直接影响到企业的全面发展。在大数据时代来临之后，现代企业可以采用更加积极有效的方式，对市场信息、客户情况以及行业间的发展情况进行全面充分的了解和掌握，这就减少了主观性判断的缺陷，为企业不断提升自身的核心竞争力，扩大产业规模提供了良好的前提基础。大数据时代中的一个鲜明特点就是样本即为总体，它对于全体数据进行追求，但并不会只依赖于随机样本，既扩大了数据的获取范围，又提升了解决问题的精确性。
（二）数据的精确性要求有所降低
在小数据时代之中，企业需要建立自身专门的数据库，对自身收集到的各项数据进行存储、整理，不断提高和优化数据的准确性，主要是因为如果数据之中出现了一定偏差，将会给企业的正确战略决策造成负面影响，小数据时代中数据的疏忽造成的后果会被放大。而处在大数据时代下的企业管理并不需要面临这个困扰。大数据时代中，企业能够获取到的数据信息越来越全面、完整、真实，这样就能够因为数据量的增加，减少数据的错误率。企业管理过程中针对某一个错误问题，都能够及时的进行调整，增强了企业自身的纠错能力，企业应用大数据，并不单纯是为了数据的准确性，更多的是从数据之中挖掘潜在的价值信息。
（三）对事物之间的相关性进行寻找
大数据时代和以往的区别还体现在一个重要方面，那就是对于事物之间的因果关系不再进行重点研究，而是将研究的重心逐渐放在事物之间的相关性方面。大数据时代，逐渐摒弃了提出假设――分析数据――处理数据――验证假设的方式，而是从低价值密度的数据中，对具有潜在价值的信息数据进行充分挖掘，从而对事物之间的关联进行全面探索。
四、企业管理中对大数据的应用价值
当前企业对数据管理的重视程度越来越高，积极挖掘和发挥大数据在行业发展中的价值和作用，这样能为企业管理者制定相关的决策提供良好的信息、数据支撑，有效提高决策的正确性。企业管理中对大数据进行充分应用，具有良好的价值。
（一）企业管理中对大数据进行应用能够促进精准营销
现代科学技术的不断创新和进步，有效促进了社交网络的兴起和移动通信技术的良好应用，这样就促使人们的日常生活中随处可见网络的身影。人们在日常的网络交流之中，因为社交聊天、网络购物、兴起爱好以及行为方式等等，都会通过图片、文字和视频等多种形式在网络上留下相关的数据，这样就能逐渐形成实施动态网络化的大数据。企业在经营发展的过程中，需要对消费者的购物习惯、市场的饱和程度、市场的需求情况等各方面进行全面的了解和掌握，这样才能够有效促进决策的正确性。因而企业在进行管理的时候，需要积极应用云计算的手段，对消费者的网络化行为数据进行深入分析，这样能够对市场进行细化，同时还能够根据消费者的购物目标，有目的性的开展精准营销活动。现代社会的用户，他们在网络上的各种实时动态数据，将会为企业进行精准性的营销提供良好的数据和信息支持，从而促进企业营销工作的顺利进行，还会在极大程度上提高现代企业的营销水平。大数据时代下运用的信息技术，能够对消费者的相关情况进行有效的观察，并进行记录，这就为提高企业管理精准营销的效率发挥了重要作用。
（二）企业管理中对大数据进行应用能够有效推动产品实现创新
企业在对消费者的消费需求进行分析的时候，积极使用大数据技术，能够对产品、服务的不断创新创造良好的条件。消费者在进行购物之后，能够将自身对于产品、服务的评价和感受通过社交网络平台、购物平台进行反映，现代企业可以通过对消费者的这些信息进行收集，作为自身产品、服务的反馈信息，从而根据顾客提出的一些问题、建议等，对自身产品和服务进行不断的改进和完善，这对于提高企业产品和服务的总体质量和效果具有积极的作用和意义。同时根据多不同产品和服务的评价信息，现代企业能够积极吸取相关优秀经验，从而丰富自身的产品风格，根据消费者的创意性反馈信息，生产相应的新产品。现代企业通过对消费者的信息进行分析和改进，能够逐渐提升自身的服务意识和创新能力。产品和服务的不断创新，在企业的全面发展中占据十分重要的地位和作用，能够影响到企业的经营能力和发展成果，在对企业进行全面管理的过程中，需要对企业中的大数据进行全面有效的应用，这样能够让企业永远保持新鲜的活力，积极应对市场的变化。
（三）企业管理中对大数据进行应用能够对产品流程的优化进行加强
科学技术的不断发展，用机器代替人工进行生产，已经逐渐成为了当前企业生产的重要方式和手段，这对于提高工作生产效率具有良好的作用，实现了信息化和智能化、数据化的生产运作。尤其是网络技术不断发展下，物联网和云计算这些技术的有效应用，为企业对产品的生产、制造进行全面控制和管理，提供了重要的技术支持。当前在对产品进行制造的过程中，产品的生命周期能逐渐实现数据化，这对于保证产品的质量，提高其使用的性能具有良好效果。应用大数据云计算技术和大数据技术，能够对产品的设计研发、生产制造以及运营管理等方面的各项数据进行全面有效的智能分析，这对优化产品的生产制造流程具有十分积极的促进意义。通过大数据技术，企业在进行管理的过程中，可以将自身的各项数据进行整合，从而形成完整的数据规模，在进行相关决策的时候，可以对这些数据进行分析和应用，从而寻找到适合决策的信息。同时企业还能够通过大数据技术，对各项数据进行深度的挖掘，针对数据所包含的高潜在价值进行充分的应用，这样能够建构起完整的数据模型，在进行产品流程优化的时候，能够做好相关的支持工作。加强产品的流程优化，能够为提高产品的生产效率和质量效果起到良好的促进作用。
五、结束语
大数据时代下企业管理的特点主要包括企业用于分析的数据量十分庞大，数据的精确性要求有所降低，对事物之间的相关性进行寻找。因而企业管理在使用大数据技术的过程中，需要对这些特点进行重点关注，结合企业自身发展的现实情况，采用积极有效的手段进行。企业管理积极应用大数据，能够起到良好的效果和作用，主要表现在不仅能够促进精准营销，还能够对产品和服务的创新能力进行提升，这对于企业的长久发展具有重要意义；同时，使用大数据还能够加强企业对产品流程的优化，从而增强产品的生产效果，保证产品和服务的质量。
参考文献：
[1] 吴雅轩，刘建基.企业管理视角下大数据应用价值的探究[J].商场现代化，2014（22）：110-110
[2] 方献梅，刘亮龙，高晓波.大数据时代数据挖掘在证券公司客户关系管理中的应用研究[J].信息与电脑：理论版，2015（15）：64-65
[3] 孟强.大数据时代知识管理在电商企业中的应用研究[J].经营管理者，2015（24）：278-279
[4] 张志兵.大数据分析在中小型企业管理中的应用探讨[J].价值工程，2016，35（8）：213-214
[5] 杨宏宇，朱信颖，颜玮玮.大数据在电网中应用的价值研究[J].数字技术与应用，2014（9）：90-90
篇5
【关键词】大数据 特征 挑战 应对策略
一、引言
我们的社会是一个高速发展的社会，技术发达、信息通畅，大家的交流越来越密切，生活也越来越便利，正是大数据才促成了这一发展趋势。当前大数据已经发展成为一个新兴产业，同时与其他各产业相互交叉融合，在社会生活中发挥了巨大的作用。但是它对我们传统的生活生产方式也提出了巨大的挑战，我们需要积极应对。处于这样的一种情况下，有必要对大数据特征进行分析，及时发现我们面对的挑战，并提出切实的可行性措施，更好的应对当前的时代环境。
二、定义与特征
虽然大数据一词早已活跃于我们的视听，但是想必很多人对此并没有深入的了解，在此，首先给出了大数据的定义和特征，给出大家一个相对客观的描述。
大数据（Big Data）定义：指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
大数据的特征： Volume（大量）：数据量很庞大，基于大数据的出现，数据存储单位从PB发展到ZB、DB；Velocity（高速）：不仅获取信息的速度非常快，而且处理数据速度也快；Variety（多样）：信息类型的多样，从文字到图片再到视频，种类繁多；Value（低价值密度）：指虽然数据量多，但是有价值的信息却并不多，用低成本创造高价值；Veracity（真实性）：数据质量真实可信。
三、大数据时代带来的挑战与问题
（一）数据存储与管理挑战
大数据背景下，全世界的数据量呈爆炸式增长，这对于传统的数据存储技术来说是个巨大的挑战。当前数据类型多样化，有结构化数据，也有非结构化数据，继续运用传统数据的存储方式，可能导致数据出现混乱。信息时代下，社会主体担心数据被窃取，因而各自都是独立存储数据，造成了数据之间的独立，这对于当前环境下各个主体的发展是极不利的。
（二）信息挖掘能力的挑战
当前数据类型繁多，不仅是数据存储和管理面临挑战，对数据挖掘获得有利信息也是一大挑战。传统的数据挖掘算法已经不能适应新出现的多种数据类型，这成为了数据挖掘的一大瓶颈。如果我们获得了越来越多的数据，而不能对此进行系统分析处理来获取有价值的信息，那么已获得的数据对我们来说就如同白纸，毫无价值。
（三）数据安全与隐私问题
信息时代下，各种活动大都要通过网络来完成，使得大量数据在不同的网络之间传播，数据足迹的累积性和相关性增加了数据的被泄露的风险。传统的保护措施与方法已经不能再适应大数据的需要，而且黑客越来越活跃在网络世界，严重威胁信息安全。另外隐私保护成为更具挑战的一项问题，无论是政府、集体还是个人，都有数据公开与隐私保护的矛盾性。
（四）大数据下缺乏技术型人才
社会要发展，人才是关键，在大数据的背景下，更需要高级技术人才。如果人才资源不足就会严重阻碍大数据的发展，社会就会停止进步。大数据产业是一个融合性比较高的产业，覆盖范围很大，所以需要的技术人才必须具备综合的能力。这样才能更好的了解各个行业，了解各个技术层面，以较综合的视角提供解决问题的可行方案。
四、应对策略
（一）升级数据处理技术
目前在数据存储、管理与分析方面面临挑战，改革创新数据处理技术被提上日程。大数据时代数据量非常庞大，对此可将收集到的数据进行分类，梳理数据脉络，确定有价值的数据。在数据存储方面需要改革之前数据的孤立状态，建立数据集中存储系统，最关键的是数据的压缩技术和冗余数据删除技术。在此基础之上，就可以实现有效率的数据分析，最大程度的挖掘数据隐含价值。
（二）加强数据安全保护措施
小到个人隐私，大到商业机密甚至是国家数据安全，都受到来自大数据时代的挑战。对此，在数据安全方面，要对数据的存储和传输进行加密处理，并且要实时追踪监测，加强对数据的监管能力。这也有必要对国家相关工作部门进行提出相应的工作要求，严控网络信息安全，打击黑客犯罪，维护网络治安。
（三）培养高级数据处理人才
大数据产业在2015年就已经被提高到国家战略层面，国务院印发的《纲要》中指出要加大人才培养力度。目前，在大数据行业打拼的从业者大部分都是半路出家，鲜有人接受过系统化的培养和教育。人才是关键，在大数据这一新兴产业中，尤其突出。政府、高校及培训机构应该大力提倡数据处理人才的培养，抓住机遇，提升竞争力。
五、结语
随着大数据的飞速发展、互联网的高度普及，我们的生活节奏大大加快，生活方式也有了很大的变化，一方面这是大数据给我们带来的好处，另一方面我们也应该认识到大数据带来的问题。目前，大数据的发展还处于简单应用阶段，要达到成熟还有一些问题需要解决，仍有很长的路要走。本文只是对大数据的相关问题做了简要论述，希望能给大家带来借鉴价值。
参考文献：
[1]如明.大数据时代的挑战价值与应对策略[J].移动通信，2012.
[2]王孝周等.大数据时代的挑战价值与应对策略研究[J].信息通信，2015.
[3]王i.大数据时代的挑战与商机[J].现代经济信息，2014.
篇6
11月5日，Informatica公司在北京举办了“数据引领未来――2015数据管理高峰论坛”。这是Informatica宣布私有化后在中国举办的第一个大规模的市场活动。来自国内各行业的用户、合作伙伴和新闻媒体都想见识一下，私有化后的Informatica会哪些新作为。
创新的融合时代
从IT基础架构的融合到数据的融合，再到管理的融合，这是一个崭新的融合时代。“在这样一个融合的时代，数据的范畴早已超越了数据库应用和云服务产生的交易数据，覆盖了社交媒体、移动应用和物联网中的互动数据。同时，数据使用目的和传输数据的技术也在不断变化。数据不再是被动的记录，而是驱动企业业务发展的推动力。”Informatica亚太和日本区资深副总裁Murray Sargant谈到数据管理遇到的挑战时这样说。
在今天这个数据驱动的时代，企业也要因需而动，转型为一个数据驱动型企业。在企业转型的过程中，Informatica始终如一，关注数据的变革和创新，致力于通过清洁、安全、互联互通等手段，帮助企业更好地认清数据价值，更迅速地做出明智决策，同时优化企业运作。
Informatica全球主数据管理研发副总裁Steve Qian介绍说：“Informatica智能数据平台（IDP）是能满足融合时代客户需要的数据管理解决方案之一。它重新定义了传输大数据业务的数据架构，涵盖了数据智能、数据基础设施、Informatica Vibe虚拟数据机等核心技术和功能，通过铺设一条虚拟数据高速通道，将人员、位置与事物以更加智能的方式紧密相连，为企业的应用程序、设备和人员提供支持。”
现代数据管理新标杆
现在，许多提供基础架构管理和数据管理软件的厂商都倾向于为客户提供软件套件，其中包含丰富的功能模块，VMware如此，Informatica也如此。软件套件不仅软件功能齐全，而且便于购买、部署和使用，还可以为用户节省成本。
在本次数据管理高峰论坛上，Informatica正式推出数据管理平台的最新版本Informatica v10。Steve Qian介绍说：“Informatica v10可以帮助行业客户打造简便易用的现代化企业数据架构。它的突出优势表现在，将数据生成速度提高了50倍，将数据注入和清洗速度提高了5倍，同时全面提升了混合数据架构的灵活性和敏捷性。”
Steve Qian反复强调，Informatica v10是特别为现代数据架构打造的行业领先的数据管理平台。那么，何为现代数据架构？这要从应用和数据管理的变化谈起。
第一，未来，企业的IT基础架构会是一种混合型的融合架构。本地数据中心与云数据中心相互呼应，私有云与公有云直接联通，数据和应用可以自由地跨越不同的数据中心、不同的云实现安全的迁移。
第二，数据的类型越来越复杂，数据量持续增加，这给企业的数据处理、分析和管理带来了极大的压力。企业需要一个高效、统一的管理平台对不同来源、类型的数据进行处理和调度。
第三，面对一些新兴的应用，包括云计算、大数据、移动应用，以及现代数据仓库等，企业需要新的具有更强数据监管能力、更灵活、更全面的数据管理工具，利用它端到端的数据集成能力和敏捷性，打造一个现代化的IT环境。
一直专注于数据治理与集成的Informatica公司对用户数据管理需求的变化了如指掌。Informatica v10的推出就是为了更好地管理混合IT环境中的数据，既支持企业内部IT环境，也支持云环境。
Informatica v10包含三个核心组件：Informatica PowerCenter、Informatica Data Quality、Informatica Data Integration Hub，不仅在性能、可用性和灵活性等方面能够满足企业级用户的需求，而且大幅提升了数据的监管能力和工作效率。
具体来看，Informatica PowerCenter加速了端到端敏捷数据的集成。Informatica PowerCenter可将Oracle Exadata、Oracle SuperCluster、SAP Hana和HP Vertica的数据注入速度提升5倍；与Informatica Metadata Manager 9.6相比，Informatica PowerCenter的数据生成速度提升了50倍，可以洞察复杂数据环境中的数据流动情况，进一步提高数据的监管能力。
Informatica Data Quality提升了数据监管的水平。它可以通过独特的服务、方法和工具，将IT架构与业务战略联系起来。其中，Informatica Vibe可以一次性定义数据质量规则，并根据业务需要在企业内部或云中的任意位置进行部署。Informatica Data Quality还进一步增强了数据配置文件的变更可见性。
Informatica Data Integration Hub可以为大数据、云和传统系统提供混合式的、订阅模型。比如，它能利用Hadoop为“数据湖”提供自动化的PB级数据存储，通过向导和基于Web的管理控制台管理大数据、云和部署在企业内部的PowerCenter工作流，还可以充分利用Informatica Cloud和PowerCenter中的数据管道、工作流和可见性。
市场分析机构Bloor Research的研究数据显示，与传统人工编码相比，Informatica的产品可以让数据集成开发人员的工作效率提升40%。Informatica v10进一步提升了企业端到端数据管理的效率，为数据集成和治理树立了新的标杆。
专注数据处理
近两年，企业私有化成了一股潮流。戴尔私有化为众多IT企业的私有化开了个“好头”。之后，一批在美国上市的中概股纷纷私有化，而一些有技术特色、在细分市场上占据领先地位的国际厂商，如Riverbed、Informatica等也加入了私有化的大军。
随着大数据的兴起，Informatica专注的数据集成和治理成了大数据前处理必不可少的一个环节。处于大数据“前哨”的Informatica的私有化自然引起了业界的广泛关注。微软、与私募股权投资公司一起参与了Informatica的私有化。
企业私有化后，可以不再围着华尔街的金融分析师打转，也从关注公司的短期收益转变为关注公司的长远、持久发展。企业在研发、客户拓展等方面也拥有更高的自由度。Murray Sargant表示：“私有化后，公司在战略投资方面拥有更高的灵活性，新产品上市的速度也会加快。另外，公司私有化也有利于本地化发展。比如，我们可以更方便地在中国成立合资公司或进行并购，制定灵活的产品OEM策略。”
“公司私有化的最大好处是可以摆脱上市公司的一些束缚。”Informatica大中国区总经理王晨杰补充说，“大数据是一个非常庞大的市场，而且市场变化速度非常快。我们需要更加灵活的策略来应对大数据市场的挑战。”
私有化揭开了Informatica发展的新篇章。毫无疑问，未来，Informatica投资的一个重点将是大数据。大数据价值的展现要经历5个阶段：数据准备阶段、数据存储阶段、数据管理和分析阶段、数据展现阶段和业务创新阶段。Informatica的职责是帮助客户做好大数据的准备工作，比如数据的集成、清洗和整理等，为大数据的处理和分析提供精确、完整的数据。
在今年举行的Informatica用户大会上，Informatica了四大技术方向和五大创新解决方案，目的是为用户提供一套非常简便的方法，以实现数据的整合、管理，展现数据的价值。“通过这些创新的解决方案，我们可以帮助客户更好地理解其现有的业务数据，进一步挖掘数据的价值。”Murray Sargant介绍说，“我们有几项核心支撑技术，比如提取转换加载（ETL）、Hadoop大数据平台、主数据管理和产品信息管理、云技术等。这些技术可以更好地保证数据的质量。”
篇7
关键词:大数据数据挖掘管理会计职能
一、数据挖掘技术的含义
数据挖掘技术是一项新兴的技术科学，它是随着网络数据应用的普及而不断发展起来的，它的使用范围并不仅仅局限于商业领域，它能够适用于各种各样的没有规则的、没有任何程序可言的、非常复杂的数据信息的环境。运用数据挖掘技术的根本目的是想要通过这种技术手段把重要的信息从复杂的数据环境中分离出来，被人们合理的利用。
二、大数据时代数据挖掘对管理会计职能的影响
(一)数据挖掘技术能够有效的提高管理会计的成本控制职能
企业中管理会计的核心职能就是要对成本进行有效控制，在企业的经营活动，每个环节都与成本控制息息相关，企业在编制执行计划或者年度预算也都是为了能够对企业的成本实现有效控制。然而，在大数据时代，仅仅通过计划或者预算来控制成本已经不能够满足企业对成本控制的要求了，企业需要利用数据挖掘技术，通过对大量数据进行分析，从而得出更加实际的结论，从结论中吸取经验教训，从而更好的进行成本控制。首先，企业可以通过数据挖掘技术对外部信息进行有效分析，从而更好的了解企业竞争对手的相关信息以及行业供应链和供应商的相关信息，企业还能够通过数据挖掘技术了解购买商之间的竞争以及合作的相关信息。其次，企业可以利用云计算的筛选功能找到最合适的数据对成本控制中每个部门的相关成本进行管理，从而能够及时的分析出产品成本投入的稳定性，发现在产品实际生产的成本与预算的差距有多大，为企业更好的控制企业的发展战略提供准确的数据依据。
(二)数据挖掘技术能够变革管理会计职能对数据利用方式
数据挖掘技术能够快速的对大量数据进行整合，从而得出最准确的数据信息，这就让数据挖掘技术的使用者节省了大量的时间与精力，省去了对数据进行进一步加工的环节，能够让数据挖掘技术的使用者快速提炼和利用数据信息。同时，数据挖掘技术还能够对会计数据进行实时处理，让企业管理者更好的利用会计数据，这就彻底的改变了管理会计对于数据的利用方式，很大程度上加快了信息的传输速度，比如说在企业的存货管理中，保管员可以通过以往存货数量和市场需求进行分析，利用数据挖掘技术分析出来的结果，大概确定企业的最为恰当的存货数量，从而能够减少库存挤压给企业带来的经济损失，还能够减少库存不足给企业带来的经济利益的损失。这是数据时代对于企业管理会计职能的最新要求，企业想要发展，在激烈的市场竞争中占据一席之地，就必须紧跟时代的发展方向，科学合理的利用数据挖掘技术提高管理会计职能的水平。
(三)数据挖掘技术能够提高管理会计职能的工作效率与质量
管理会计是服务于企业的经营管理的。企业进行经营管理，其主要目的是想通过管理人员对企业的经营活动进行科学的计划与领导。管理会计是通过一系列的分析管理能够为企业的管理者提供决策的可靠依据，让企业管理者能够为企业做出更好的决策，从而有利于企业的发展。企业的管理会计一般都是通过内部控制对企业的经营活动进行有效的管理，分析内部数据，根据内部数据的变化调整企业的经营管理方式，从而能够以不变应万变，让企业的经营活动顺利进行。然而，随着数据挖掘技术在企业的管理会计中的不断应用，管理会计的职能得到了很大的改变，管理会计从加强内部控制的管理方式逐步的向多种管理方式并存，全方位的提高企业的经营管理水平上来，因为只有这样才能适应大数据时代企业发展的需要。数据挖掘技术不仅能够有效分析企业的内部数据信息，还能够全面整合企业外部环境中的各种信息，包括供应商、销售商以及竞争对手的相关信息。这些外部信息都是随时变化的同时也不受企业的控制，数据挖掘技术能够快速、准确的把外部信息生成有价值的信息，从而帮助企业管理者进行正确的经营决策。
(四)数据挖掘技术能够变革管理会计职能的工作内容
利用数据挖掘技术进行管理会计工作，会随之产生很多和大数据有关的管理会计工作的新内容，数据挖掘技术能很好的满足管理会计在技术方法创新方面的需要，管理会计其自身是一门与多种学科交叉在一起的边缘学科，它的发展是通过不断吸收与之相关的学科的技术方法和相关内容来不断的丰富起来的一项技术。数据挖掘技术在处理海量的数据信息方面和数据的深加工方面以及对隐含信息的发掘方面都有非常特殊的优势，因此在管理会计中应用数据挖掘技术是非常必要的。随着数据挖掘技术在管理会计中的应用，其管理会计职能的范围能够进一步的提高，其工作内容将会更加的丰富。这也要求企业中从事管理会计工作的人员必须要不断提高自身的专业素质，不断适应新时代企业的新需要，了解更多关于数据挖掘技术的相关内容，不断充实自身的专业水平，从而更好的为企业服务。
三、结束语
综上所述，在大数据时代，想要充分的发挥管理会计的职能就必须要更加合理的运用数据挖掘技术，同时要充分的提高数据挖掘技术的利用水平，不能盲目的使用，更不能错误的运用这种技术，不断提高数据挖掘技术的准确性，让数据挖掘技术最大限度的服务于企业管理。企业的会计人员也要加强学习，不断提高自身的专业素质，熟练掌握数据挖掘技术的关键要领，深入理解大数据技术的精髓，能够真正的运用大数据技术来分析企业数据从而更好的服务于企业，为企业更好的发展贡献一份力量。
参考文献:
[1]李平荣.大数据时代的数据挖掘技术与应用[N].重庆三峡学院学报，2014，10（103）:145-147
[2]汤昌盛.大数据大财务[J].中国总会计师,2014,1:54
篇8
［关键词］大数据；企业；管理决策
正确的决策是企业公共竞争优势的源泉，一项良好的决策能帮助企业产生更优的组织绩效，其效果积累也会为企业造就更强的竞争优势。伴随云计算、移动计算等新兴技术的兴起，数据模式的高度复杂化和数据规模的爆炸式增长标志着全球已进入网络化大数据时代。数据成为最重要的决策依据和基础，能够帮助企业进行更高效、更及时的管理决策，从而尽快创造新的商业机会和契机，转变企业以往僵硬的商业模式。当前我国对大数据方面的研究多基于或限定于技术层面，鲜有从管理学角度、大数据角度来分析企业管理决策的研究。管理决策和大数据应如何定义？大数据是如何发挥影响企业管理决策效应的？诸如此类的问题尚需要系统研究。
1大数据的定义
维基百科对大数据所作出的定义是：难以在一定时间内，通过常规软件工具来对其内容进行采集、管理、处理等工作的数据集合。此外，麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。就笔者而言，以上均是基于大数据特征方面来对其进行定义的。国内很多学者也对大数据的定义作出了探索。以李国杰先生为代表的学者们将大数据定义为：不能在一定时间内通过传统软硬件工具和IT技术对其进行获取、管理等的数据集合。而以冯芷艳为代表的学者们则认为大数据与大规模数据以及海量数据的概念相似，但相异之处是大数据在数据复杂性、产生速度等方面远超现有的技能处理能力，且产生了巨大的产业创新契机。而以刘玉枫先生为代表的学者们认为大数据是指所涉及的资料量超过现有主流软件和工具的承载能力，通过合理时间内采集、管理、整理等为企业经营决策提供更为积极的一种资讯。作为一种基础性资源，大数据的商业价值绝不是只来自于数据本身，其更多源于企业采集、存储、使用大数据的能力。如果对学者们的观念进行整理归纳可以发现，这些基于大数据特征的定义多数强调大数据规模巨大到现有技术手段的处理能力难以承载。而那些基于其价值的定义也更多是对其价值实现的关注。当然，目前也有学者认为大数据的价值并不局限在数据本身，其只有上升到能力高度，其价值才能充分挖掘出来。
2大数据对企业管理决策产生的影响
决策贯穿于企业管理的全过程，管理决策过程可分为情报收集、计划选定等阶段。企业的管理决策应涵盖战略决策以及在战略决策过程中的各项具体决策，此类决策注重对组织未来和组织环境的预测，也注重组织内部资源配置和协调的实现。作为一项高度动态性和复杂性的管理行为，决策面对着信息收集、筛选、模糊性及各类冲突。大数据技术的逐渐成熟、数据的飞跃式碰撞，这些都对当前企业的管理决策产生重要影响。这方面的影响既涵盖了决策主体和思维模式，也涵盖了决策文化和组织模式等方面。
2.1大数据对管理决策主体方面的影响
一项有效的决策需具备相应的决策程序、文化、组织等，但究其核心还是决策的制定者，即决策主体。企业决策主体一般分为两类，一是企业高层管理者，高层管理者的职位权限能让其在重大决策中发挥关键作用。二是基层员工或一般管理者。对一般管理者和基层员工来说，他们创造的产品、服务和价值等更贴近社会大众的需求，这为其正确决策提供了便利。在此过程中，普通员工可以主动引导用户参与到产品的设计、推广、客户关系管理等环节中去，并依据用户的反馈，对产品、服务等加以改进，从而帮助企业实现快速发展。可见，普通员工也是企业获取决策信息的重要来源。在互联网经济时代，不同产业间的界限性越发模糊，而社会化决策也应用而生。在大数据背景下决策主体发生了转变，从决策权归属来看，一些表现出色的员工开始参与决策，决策主体并不再局限于管理层；从企业决策信息来源分析，因信息技术快速爆炸和普及，普通民众也可以成为大数据时代中的主角，均能通过数据利用参与或作出决策，这也意味着决策主体开始呈现多元化，正从企业精英向普通民众扩展，决策者之间的特征也越发复杂化。
2.2大数据对管理决策权配置方面的影响
大数据除影响决策主体外，也对企业管理决策权的配置方面产生着影响。笔者认为决策权配置主要包涵3个层面：①组织之间的决策权配置；②组织和外部环境间的决策权配置；③组织内部人员和部门、团队之间的决策权配置。此外，决策权配置分权程度也决定企业的决策权配置模式究竟是集中式还是分散式。集中式决策权主要指在组织系统中，决策权被较高程度地予以集中，其意味着企业较高、甚至最高的管理层掌握着企业组织的大多数决策。而分散式决策主要指决策权在较低管理层次上的分散，让各部门的管理者具备一定程度的自。在大数据背景下，企业所能获取的信息越来越多，决策组织也开始扁平化发展。信息技术能让中低层管理者基于全局视野制定更好的决策，以金字塔型为标志的传统组织结构逐渐被具备企业管理网络化等特征的扁平式组织结构所取代。企业决策权的配置也应遵循此变化，分散式决策注定要成为大数据背景下主流决策模式，普通员工也将拥有决策权限。随着大数据时代的到来，企业决策需更多人参与其中，因此，扁平化组织结构模式的优势更为明显。
2.3大数据对管理决策思维方面的影响
作为决策中的重要构成因素，决策主体思维的不同表现也决定在制定决策时，所依据的信息、方式等必然不同，且在决策制定的过程中也会予以表现。决策思维分为理性和感性，在大数据时代背景下，企业要尽量系统、全面、准确地收集信息，并通过数学方法来对其进行建模分析，从而挖掘出背后关系。传统管理决策模式对管理者经验和直觉判断非常依赖，而新的管理决策模式将会改变此种现象，即由“依靠直觉进行的决策思维模式”，向“依靠数据进行的理性决策模式”转变。
2.4大数据对管理决策文化方面的影响
在不同文化作用下，企业管理决策的选择方面必然存在差异。决策主体在目标确定、方案设计和决策完成的过程中，其文化价值观均在这些方面发挥着作用。传统管理决策多数取决于管理者对企业内外部环境的评估，主观性显著，企业更多关注管理者的思维情感，且管理者制定决策的决策文化也充斥着各种潜在的决策风险和事务。大数据时代来临后，也为规避这些风险和失误提供了契机。日渐成熟的分析技术及爆炸式的数据增长，都为企业更精准的预判提供了更多可能性。企业数据资源的获取渠道越丰富，决策者作出正确决策的概率性就越高。随着大数据时代的到来，企业要提升预判准确性须确立通过真实数据来确定企业决策的文化机制。有学者指出，管理者应注重相关关系，而非对因果关系分外关注，意思是企业应将关注的重点放在如何充分利用自身现有数据来发挥最大价值上，而不是只关注企业管理者脑中思考什么。
3大数据和企业管理决策管理影响因素分析
大数据时代的到来既为企业带来了大量商业机遇和契机，也产生了许多亟待解决的问题。同时，管理数据和大数据之间的关系也受到了多方面因素的影响，为此，笔者对影响大数据和管理决策关系因素予以充分关注，并在前人研究的基础上，通过宏观层面和微观层面展开分析，对大数据中的数据政策、行业结构、政府支持、技术发展及人才配置等进行探究。
3.1数据政策
数据在大数据时代中具有无与伦比的价值，其也成为新型商业模式和经济投入的基础因素。伴随着数据规模扩展及数据价值被日益注重，大数据时代数据趋于跨组织便捷化和数字化，因此，在宏观大数据背景下，数据政策是影响管理决策的最重要因素，此种数据决策一般包涵数据安全和责任、知识产权、隐私保护等方面的政策。数据本身存在可复制、可反复利用、泄密性高等特性，企业因此在为作决策而收集数据时经常要面对知识产权、隐私保护等方面的问题，为制定正确决策，获取充分数据，企业必须攻克数据获取障碍的难题。
3.2行业结构
麦肯锡研究报告指出，大数据价值获取难度很多时候会取决于行业结构和行业差异性。基于数据存储角度，行业总体的大数据增长趋势都很明显，各个行业在数据存储量上存在差异，产生和存储的类型也各有不同。企业的数据强度高，进行决策时则更为有利。
3.3政府支持
大数据不仅能为企业发挥卓越功效，在提高国家创新能力方面也起到重要作用。为此，大数据也被上升到了国家层面。政府扮演着政策制定者的重要角色。大数据可从信息通信技术基础设施建立、数据安全保护和信息机制共享的建设等方面为管理决策提供帮助。
3.4技术发展
相当比例的数据价值不是直接呈现给使用者的，其需要使用者对其进行创新性释放分析。大数据技术是作为基础对大数据和管理决策发挥着重要影响作用。容量大和速率较快的大数据工具也是大数据战略中不可分割的组成部分。对决策来说，大数据技术是不可或缺的因素，企业应保持其技术和技能方面的不断创新，从而有效应对数据洪流暴涨对其产生的新挑战。
3.5人才配置
随着数据越来越廉价，数据处理和提取能力的价值便越发凸显，而这期间，数据科学家和其他相关的信息专业处理人员地位尤为重要。数据分析和挖掘方面的人才匮乏，会严重制约企业数据分析挖掘能力的提升，也必然会对企业管理决策的质量和速率产生影响。为此，人才方面也是大数据影响管理决策的因素之一。
4结语
大数据引发了企业管理决策多方面的变化，也为管理决策创新提供了更多的机遇和思考方向。此外，大数据支持下的科学管理决策对企业商业模式和服务等的创新都极有裨益，因此，在大数据时代背景下，只有不断提高决策速率和决策准确性，企业的效益才能实现长久、良性增长。
主要参考文献
［1］何建华.大数据对企业战略决策的影响分析［J］.当代经济管理,2014(10).
篇9
关键词：大数据；企业管理模式；创新
一、大数据的概念和特征
1.大数据的概述
大数据是利用网络或者社交手段对信息进行获取和处理，并结合企业经营和管理模式，从中筛选出符合企业发展需求的信息资料，为企业发展所用。在信息转化过程中，需要具有较强的决策能力和洞察力，这样才能在庞大的数据中选出更多有价值的内容，满足企业发展需求，实现发展目标。
2.大数据的特征
大数据时代的到来，打破了传统信息数据的单一性，满足了各行业发展的实际要求。具体来说，大数据的特征主要有：（1）信息储量大大数据时代下，信息数据的增长量已经不能按照倍数计算了，其由原来的TB升级到了PB，且是以每年为单位快速递增的。（2）种类繁多大数据下，信息数据不再是单一针对某一行业而存在的，其具有综合性和系统性，可以应用在多个领域内。再加上图像、视频、音频等形式的出现，极大的满足了使用者的需求。（3）价值密度低、处理速度快数据的增多使得企业在数据处理上，如果仍沿用传统处理方式，很容易降低信息利用率，因此需要大数据技术作为辅助，提升信息处理效率，减少时间浪费，增强信息准确性。
二、大数据时代下企业传统管理模式存在的弊端
1.管理人员对大数据的缺乏正确认知
大数据虽然为企业的发展带来的更多机遇，但是由于管理人员对大数据的认知缺乏正确性和合理性，使得大数据的应用受到了一定制约，阻碍了企业发展目标的实现。另外，管理人员虽然意识到大数据对企业发展所带来的作用和价值，但是并未对其进行深入的研究和探索，只是掌握表面的信息处理方式，认为只要具备足够的信息资源即可以实现企业的目标，这使得企业在管理中存在较多的漏洞，反而制约了企业发展目标的实现。
2.企业对大数据分析技术的掌握能力较差
大数据时代下面临着海量信息数据的收集、分析和整理工作，企业除了要对原有的结构化数据进行处理外，还要对图片等非结构性的数据予以处理，这样才能在海量的信息资源中找出更多有价值的内容，提高企业的竞争力。不过在数据整合和处理上，企业如不能有效掌握大数据分析技术的应用，就使得信息处理存在很多问题，降低了信息数据处理效率，影响了管理工作效用的发挥。
3.专业数据分析人才缺失严重
对数据信息进行分析和运算能够帮助企业更好的实行风险管控，保证企业决策的合理性、科学性。而要想实现数据的准确分析，则需要加大对专业人才的培训力度，不过很多企业并未意识到专业人才培养的重要性，仍在沿用传统老旧的处理模式，而降低了信息数据利用率。另外，在数据分析人才培养过程中，受到人力资源等方面因素的限制，使得企业专业人才缺乏现象越来越严重。
三、大数据时代下企业管理的创新思维
数据作为企业管理中的核心内容，对于企业管理工作的开展有着重要意义。在大数据时代背景的影响下，现有的数据分析技术和管理思维理念已经无法适应快速变化环境的需求，需要结合时展特征，对企业管理模式进行创新，以推动企业的进一步发展，提高竞争实力。
1.全数据分析
由于受到科技水平的影响，在小数据环境下，其所产生的数据资源也具有一定的局限性，一般在数据分析时，都是采用抽样方法，随机抽取少量的数据样品进行分析，为企业所用，这种方式虽然为企业发展带来的一定的数据支持，但是却很难保证数据的实效性。而在大数据环境下，信息量相对较大，信息获取途径也较为方便，所以在数据分析过程中会采用全数据分析方法，不仅保证了数据提取的有效性和实用性，也加强了信息处理效率，为企业提供更加全面的数据支持。
2.精确性和混杂性
随着信息数据的不断增多，其内部存在的问题信息数量也在增加，这使得信息数据分析存在一定的不稳定和不准确性。该情况对于小数据时代来说，细微的误差产生都会导致信息数据分析准确率出现问题，进而影响企业管理的质量，造成问题的产生；但是对于大数据环境来说，细小误差的产生则不会带来较大影响，再加上容错率的存在，在数据分析处理上，不仅不会带来问题，还会增加数据深入挖掘的力度，并从中获取更多有价值的内容，为企业发展提供助力。数据中有9成以上的数据都属于非机构化的，要想增大对这些数据的利用率，就必须接收其混杂性。
3.追求确定关系而不是因果关系
在小数据时代下，数据分析主要为了追求因果关系，但是在大数据时代数据的分析主要是为了确定两者之间的关系，并通过数据分析来预测未来的发展趋势。通过这样的分析法能够更好的找出其中的价值信息，为企业发展提供帮助。
四、大数据时代企业管理的创新模型
企业管理模式的创新离不开大数据的应用，而通过对大数据的分析则是解决大数据问题的主要手段。可以说，两者之间是存在着某种耦合关系的。所以在大数据时代下，企业应该围绕数据问题构建完善的管理创新模式，实现大数据与企业管理之间的有效融合，提高企业经营实力。
1.数据平台的形成
数据平台的建立对于大数据下企业的管理和发展有着重要作用。利用数据平台可以实现企业所需信息数据的收集、分析、处理和传输工作，及时找出管理中存在的问题，帮助企业各项活动的开展，实现企业创新管理目标。
2.动态数据和创新方案的实施
创新方案的实施不仅是对数据进行实时监控和分析，同时也是绩效数据积累的过程，通过对这些数据的整合，一方面为数据共享平台的完善提供了帮助，另一方面也为创新方案落实中存在的问题进行了实时的监督和优化。
五、大数据时代下创新企业管理模式的有效策略
从企业发展角度而言，大量的数据以及用户信息具有较高的商业价值。为了更好地顺应大数据发展需求，企业需要对原有的管理模式和理念进行革新和优化，寻求创新之道，以推动企业的稳定前行。
1.提升管理人员的认知水平，明确大数据对企业管理的重要性
在大数据时代背景的影响下，管理人员应树立正确的认知态度，明确信息数据对于企业管理的重要性，并以此为基础，合理规划大数据计划内容，提升企业运行中数据信息的收集和处理效率，充分发挥数据自身的实用价值。管理者应该定期对大数据知识进行学习，这样才能在开展工作时，与时俱进，适应大数据时代背景的不断变化。
2.合理利用大数据，提高决策准确性
通过大数据的分析和运算能够帮助企业更好的规避运营中存在的风险项，提高决策的准确性，保证企业运营的安全和稳定。另外，在对大数据进行分析研究的过程中，还有助于管理人员准确地了解企业现今的财务情况和生产状况，从而制定合理的调整措施，保证经济效益的最大化。对于企业外部来说，有助于企业了解同一行业领域的发展情况，有助于企业及时地对相关决策做出正确的调整，从而树立起全新的管理模式。
3.利用大数据创造效益
原有的企业管理中，侧重点在结构性数据上，而在大数据时代下，管理人员有必要加大对非结构数据的重视力度，并将其融入到管理工作中来，以完善信息数据库的建立。另外，应将收集到的信息数据通过不同渠道进行展示和宣传，让员工了解数据的作用，明确企业发展目标，调动工作积极性。再者，加强市场趋势分析，为企业创新提供帮助。大数据有效地提高了企业的经济效益，大数据时代，海量的数据为企业提供了海量的客户。为此，企业要充分的利用这一点，仔细的筛选数据，挖掘更多的潜在客户。
4.加大数据分析和人才培养的力度
大数据时代下，企业对于专业人才的需求也在不断增加，因此在人才招募上，应尽可能以复合型人才为主，以确保大数据在企业管理中作用的发挥。另外，企业要加大对自身现有人员的培训力度，以提高员工的数据意识和专业技能水平，通过讲座等培训活动的开展，扩充人才的储备量，为企业发展创造条件。
六、结束语
在大数据时代下，企业需要结合自身需求以及时展特征，创新和优化传统管理模式，适应市场发展要求，以此提高市场竞争力，促进企业的稳步前行。
参考文献
[1]高晓辰.基于大数据环境下的物流企业管理创新分析[J].中国商论，2018，（20）：22-23.
[2]许海燕.大数据时代下中小企业管理模式研究[J].财经界（学术版），2018，（13）：32-33.
[3]肖文泽.基于大数据时代下企业管理模式创新的思考[J].财经界（学术版），2018，（13）：27-28.
[4]宋森.试论基于大数据时代下的企业管理模式[J].知识经济，2018，（14）：115-116.
篇10
论文关键词 大数据 大数据时代 社会生活 管理重构
一、大数据与大数据时代
随着科学技术的迅猛发展，特别是信息网络技术的普及，使大数据的应用日益广泛，全世界数据总量增长迅猛，就最近两年产生的数据总量来说，已经相当于人类此前的数据量总和。大数据的发展预示着人类社会生活的各个面面都将发生本质的转变，世界能够通过数字和数字得到解释，大数据不同于数字化时代，不仅量上，而且在质上也不同，大数字时代可以对一切进行数据化，是一个“镜像化”世界，人们可以用数据化数据来模拟真实生存，拟真世界。
数据体量巨大（Volume）；动态的数据体系和快速的数据流转（Velocity）；数据的类型繁多（Variety）；精确性或数据价值（Veracity Or Value）等是大数据的特点。传统数据通常相对静止，类型固定，数据来源是相对可靠的；而大数据背景下的数据是动态产生的，类型多种多样，数据来源不可信，数据具有不确定性。大数据其实不仅可以作为一种工具，更是一种战略、世界观和文化，它与钱学森老先生倡导的“大成智慧学”的要义很相近，强调“必集大成，才能得智慧”。也就是，有了数据和信息并不等于有智慧，出智慧的关键在“集”，其中的逻辑是：数据——信息——知识——智慧。大数据的价值密度低，大数据量大而杂，由不同来源数据交叉形成，不容易发现数据之间的逻辑，需要人们去挖掘其中的巨大价值，这也就需要新的思维方式。
二、大数据时代社会生活的管理特征
随着大数据时代来临，社会生活的各领域发生了重大变化，面对大数据爆炸性的增长速度，数据对生活产生巨大影响，并成为一种重要手段，这已经不仅仅是技术问题，并逐步成为人们生活的课题，随着一切被符码化，人们开始进入了符码时代，大数据时代社会生活的诸多变化也将给人们社会生活的管理活动带来新的课题。
（一） 不确定性与非线性因果观
大数据时代，数据来源具有不可信和不确定性，与拥有更少、更标准的小数据时代相比，虽然我们能够使用的数据大大增加了，但同时，由于大数据内容丰富，使得我们今天所处的时代是一个动态的，时刻处于变化的环境，数据的高复杂性和不完备性导致不确定性，同时打破了以往的线性因果关系，可计算和不确定性的存在打破了管理的机械性。大数据时代的非因果的关联对传统管理所依靠的因果关系提出了调战，使得人们社会生活的管理活动不能仅仅依靠对以往的科学原则和方法的极度崇拜。大数据时代下允许对真理进行怀疑和理性考察，认识论并不是永远合理的，科学的秩序不需要真理来提供，社会普遍的创新精神需要得到张扬，社会生活的管理实践也逐渐呈现出尽可能少的受到必然性干扰的趋势。
（二）多元价值与差异性
大数据背景下的数据类型多种多样，从大量的数据来源中挖掘出的信息具有很大的差异性，可以说，大数据时代对普世主义造成了冲击，人们的个性被极大的凸显。传统社会生活组织系统中的人在管理活动中被要求时刻保持“价值中立”，排除情感等因素，作为理性的“工具人”而存在，这就满足了“机械性”管理的要求。大数据时代丰富多彩的数据网络系统使得人们的差异性和独立性日益被强化，这要求社会生活管理活动要抛弃以往对人的束缚。大数据时代下人们的个人自由和主体性的自我意识不断被强化，对个性解放的追求的结果就是人的差异性以及需求的多样化，由于组织中人的这种价值多元化和差异性的日益凸显，为社会生活的管理带来了新的课题。
（三） 管理活动承载实体的动态性
传统数据相对静止，大数据时代背景下的数据是动态产生的，2000年全球企业新产生的数据量为1EB到2EB，到2010年全球企业新产生的数据量就超过了7EB，面对这个时代数据的高速可变性，组织中的个体的任务、职能或功能也具有可变性，同时使得组织中的人具有主观能动性。大数据时代，组织是朝着有序方向演化的一种过程性的动态系统，其事物沿着空间、时间或功能的组织结构方向演化，在这个演化过程中，外界以特定的方式作用于这个组织体系，其结构和功能也是外界不断加给组织系统的。大数据时代下，组织是一个不断与外部环境发生作用的动态系统，组织的管理活动会受到来自外部的特定干预，组织环境的不稳定性和高速变化性必然带来组织管理活动承载实体的动态性。
三、 大数据时代社会生活管理重构的路径分析
大数据时代为我们带来了崭新的社会结构，这需要有新的管理模式与之相适应，新的制度结构必须是支持网络社会结构的制度模式，它需要充分重视每一个人作为网络数据结构中的独立节点的价值。
（一）构建非线性因果的思维方式
大数据时代的人们认为一切社会问题及其解决方案都可以通过数据而得到认识和发现。正如法兰克福学派的思想家们所指出的那样，科学活动中所包含着的那种相信必然性，相信规律的信念是属于意识形态范畴的东西。“它可以被认为是科学为之奋斗的一种理想，但是，它即不能被认为是肯定正确的，也不能被认为是肯定错误的，除非是根据某个先验的理由这么说”在小数据那种复杂性较低的社会中，这种理想是必要的，它反映了低度复杂条件下的挑战性和现实性的统一，可以说，仅在复杂性较低的情况下，这种理想可以反映出本身的价值。
大数据时代的高复杂性以及各要素之间非线性、非重复性的反馈系统，决定了管理在以追求效率为目标之一而一味地追求统一性的同时，也要关注非预测性的存在，要尊重多元性，给管理中差异性留有席位。由于大数据时代环境的偶然性与不确定性的存在，社会生活的管理活动必须把关注点更多地集中在具体实践对象的特殊性上，尽可能少的受到必然性、普遍性的干扰。社会发展是一种自然的演化过程，而不是现代科学依照机械因果关系进行理性建构的过程，大数据时代社会生活的管理不能只依靠传统机械的线性因果律来指导管理实践，也要有辩证的因果观，构建一种非线性因果的思维方式，注重对偶然性和不确定性的关注，否则，局限于“合理性的狭隘形式”，可能将社会生活的管理引入歧途。
（二）重塑多元价值的介入和伦理考量
大数据时代来临后，环境的复杂性和不确定性使人们的信仰、情绪变得异常不稳定，盲目而不确定性的凸显，加之，管理者本身固有的某些思想渊源、文化背景和价值观念对于管理实践活动的影响不容忽视，管理活动不可能也很难做到“价值无涉”。因此，重塑多元的价值观，发现被管理实践活动祛除的伦理、信念等价值因素是大数据时代社会生活管理的基本诉求。
大数据时代，社会的多元色彩变得越来越浓重了，“社会同质性及其统一性、稳定的文化系统解体了，其中只有极少一部分得到承认或被认为是理所当然的，”面对多元化的价值观念，社会生活的管理仅仅作出科学的把握是不够的，在探索管理领域科学建构的同时，还应该对其进行伦理考量。大数据时代，社会生活的管理面对的是复杂巨系统，这种特殊的复杂巨系统的内在异质性显著，会产生一些虽然属于局部细节、但影响全局的异常现象，大数据浪潮这种对形式合理性造成的冲击，更加要求多元价值因素介入到管理领域中。总之，规模庞大，异质性，非线性，不确定性，开放性，动态性，复杂巨系统的这些特征反映到科学描述的数据基础中，造就了数据的规模巨大和混杂性明显两大特征，这一切要求多元的价值介入与伦理考量将成为社会活动管理实践不可缺少的部分。
（三）构造新型的组织范式
大数据时代下，无论是泰勒和韦伯的被人们喻为机器式的组织，还是人际关系学派的网络组织，或者社会系统学派的被喻为有机体的组织形式都已经不合时宜，这些组织实现效率的同时都不可避免牺牲组织中人的个性，原有组织所面临的环境不确定性增强，组织模式开始耗尽其能量，组织结构的缺陷充分暴露出来，这都对社会管理活动承载的实体——组织——提出新的构造形式的要求。大数据时代，组织是具有复杂性、非线性、不可预测性和动态性的系统结构，管理是要求事务通过自行创生、自我组织、自发演化而走向有序化或组织化的过程，这将对传统的组织范式带来新的挑战。
大数据时代下的信息网络以及其特性要求构造新型的组织范式，其主要特点是组织层级少，组织内部的个体更自治、自律，这样更容易适应随时变化的环境。大数据时代的前提是能过微电子设备作出的可能选择，因此大数据时代的工作是非差别性、无界线、多技术的， 雇用关系更复杂， 表现出碎片式的形式，这就要求要构造具有无边界、复杂性、动态性、反应性、敏捷性、适应性的新型组织。大数据时代组织信息的共享性可以使员工的决策能力得以加强，员工是相对独立的、自由的个体，同时由于围绕业务工作的需要来展开工作，新型的组织不强调专业化分工， 重视员工的技能多样化，组织的员工应是自律的， 不是分等级的、惩罚性的， 人们接受选择和培训成自主行动、自我激励和自我管理的组织成员。
（四）超越整体主义与个体主义的制度设计
