大数据时代数据分析范文

导语：如何才能写好一篇大数据时代数据分析，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；数据分析；统计学

大数据在如今社会已经成为热点词汇，不仅在计算机领域，在其他各个行业都能够得到运用，为各个行业提供便捷，为了让大数据能够得到充分利用，下文将对大数据分析相关方面进行讨论。

一、大数据与大数据时代

（一）大数据大数据是在当今科技飞速发展的情况下，一种新兴的信息数据处理技术。随着社会科技的进步，各行各业对于数据的应用也越来越广泛，传统的数据处理技术耗时较长且精准度较为低下，已经不能满足现代科技对数据应用的要求。新时代的大数据系统具有超大的数据容量，同时兼容半结构化与结构化的数据，远远超出传统数据库管理系统的管理能力。因此新的大数据技术就此诞生。大数据在发展过程中，具有比为鲜明的特点。与传统数据处理技术相比，大数据具有数量庞大、多样化、速率快、价值高的特点。在信息处理的速度不断加快的当今社会，这样的特点为大数据的广泛应用打下了坚实基础。由于数据的数量较为庞大，且各种数据近年来的增长趋势呈指数型，其数据的种类和形式也各有不同。其次，合理利用大数据技术，能够在一定程度上降低成本，提高效率，因此，大数据处理各项关键技术的进一步的开发与利用已成为了提高自身效率，实现核心竞争力的重中之重。

（二）大数据时代大数据时代是指在物联网技术、计算机技术、数据信息处理技术的基础上，通过互联网途径，大量收集并处理分析数据资源，而形成一种新型的信息时代。大数据时代的主要核心内容是对庞大的数据体系进行处理以发挥价值，从而提升数据分析效率以及数据应用价值。大数据时代是由多种信息技术共同组成，可以有效地避免数据处理中不同步、使用不方便的情况发生，具有高效可靠的数据处理、整合、分析及汇总的功能。因此，大数据时代的新型数据处理技术可最大程度的对数据进行分析与挖掘，极大提高处理数据的效率。

二、大数据时代与统计学

（一）大数据时代与统计学的关系统计工作是集数据的搜集、整理、分析和解释为一体的系统的过程。大数据与统计二者互相依存，通过统计的方法和原理对数据进行整理和分析，提高数据的精确度和适用度，以此来实现数据的价值和利用率。由此看来，大数据与统计学的联系既紧密，又存在区别。大数据与统计学的关系甚为密切，它们都是关于数字的学科。统计学为大数据提供了了施展方向，而大数据将统计学引领至更深更广的空间。共性之一就是社会与数据。几乎所有的行业与大数据都有着密切联系，这些联系或直接或间接，而人们正是通过获取数据并进行分析，从而才能得到商业知识和社会服务等能力。大数据与统计学的区别。首先，信息规模不同。大数据的分析对象是与某事物有关联的所有数据，要求数据量庞大。统计学则是用样本来分析和推断总体的数量特征。在大数据时代，则可以通过各种方法和渠道获得全面而又完整的的信息资料，从而完成更多从前无法完成的事情。其次，动静标准不同。数据经过了搜集、整理、分析的过程就很有可能因为精确性不足而被认为失去了用处。而大数据时代，则不必再担心这个问题，数据的精确性和原始性不在被过分重视，人们可以接受复杂数据。第三，数据搜集形式不同。在以往数据搜集形式主要是抽样调查，方法局限。而在大数据时代，特点是信息爆炸和互联网飞速发展，这一情况得到改观。最后，思维方式不同。大数据时代人们的思维发生转变，人们开始更多的关注事物的相关关联。

（二）大数据对统计学研究工作的影响首先，大数据丰富了统计学的研究对象。在大数据时代，我们既可以以结构化数据作为测量单位对文本、图像和视频等进行分析，还可以对非结构化数据实行分析。其次，大数据影响了统计学的工作进程。统计数据需求丰富，原有的统计抽样分析不能在适应时代的发展，而现代科技方法如透过传感器自动收集数据等方法取代了传统方法，更加便捷有效。

三、大数据数据分析理念

（一）统计学的应用随着现代科技的发展，传统的大数据已经不能满足人们对数据处理的要求。传统的抽样数据调查不能满足大数据的数据处理以及知识发现。因此，新技术及思维的引进就显得尤为重要。新的统计学思维以及知识的应用能够很大程度的提高大数据分析的效率。摒弃对传统的小数据样本的依赖，不在用传统的统计工具对数据进行全部分析。而是对数据进行针对性的分析，使数据分析更加精准，并且能够更加全面的体现数据的价值。我们利用统计计算工具对数据进行分析从而判断数据的变化趋势。统计学的应用可以，为数据分析提供科学的参考依据。

篇2

关键词：安全生产；信息；过程控制；闭环式；分析

中图分类号： G252 文献标识码： A 文章编号： 1673-1069（2017）05-177-2

0 引言

现在社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，大数据就是这个高科技时代的产物，而大数据时代数据已经成为最重要的资源。安全是人与生俱来的追求，“安全第一”是对人最基本的道德情感关怀，是对人生存权利的尊重，体现了生命至上的道德法则。在铁路各项管理工作中，安全一直是核心问题。随着铁路技术不断更新、新设备的引进，安全理念在铁路生产这一方面的影响越来越重要。那么如何利用大数据的分析研究为铁路安全运输生产服务也必将成为一个值得思考的话题。笔者以唐山机务段研究开发安全生产信息追踪处置分析系统为例，简要说明大数据在指导安全生产方面的实际应用。

1 绪论

为完善安全信息采集、分析、处置办法及流程，实现各类安全信息总结分析规范化、数据化、信息化，特研究安全生产信息追踪处置分析系统。该系统基于唐山机务段内安全生产各类信息数据化、信息化管理，对于追踪信息按照录入分批、督办、签收、反馈、销号的顺序依次处理分析，实现各类安全生产信息的闭环式处理。在一时期内，通过对相关类别信息的梳理分析，找出安全规律，从而对其他相关部门和人员提出预警，敲响警钟，对指导单位内安全生产工作、不断加强安全信息分析、修订完善安全信息管理机制、提升管理规范化、作业标准化具有很重要的指导意义。

2 系统平台的搭建

目前，互联网中有大量的Web开发框架，每个框架都可以为Web应用程序提供功能扩展。为缩短开发时间，节约开发成本，该系统选用jQuery EasyUI组件进行开发。它是一组基于jQuery的UI插件集合体，其目标就是帮助Web开发者更轻松的打造出功能丰富并且美观的UI界面，为一些当前用于交互的JS应用提供必要的功能，使用简单，功能强大，开发产品时可节省时间和资源，同时该框架支持扩展，可根据自己的需求扩展控件。开发者不需要编写复杂的JavaScript，也不需要对CSS样式有深入的了解，开发者需要了解的只有一些简单的html标签。jQuery EasyUI提供了大多数UI控件的使用，如accordion，validatebox，datagrid，window，tree等。

为实现信息统计汇总从而生成饼状图或柱状图，该系统利用ichartjs插件。ichartjs是一款基于HTML5的图形库，使用纯JavaScript语言，基于Apache License 2.0协议的开源项目，利用HTML5的canvas标签绘制各式图形。ichartjs能提供简单、直观、可交互的体验级图表组件，因而是该系统图表展示方面的最佳解决方案。

该系统以C#语言在.Net平台下的一般处理程序为后台，在目前主流浏览器中以jQuery EasyUI平台制作前台界面，开发应用Web服务器系统，后台采用SQLServer数据库对数据进行记录，实现各类信息的维护和统计分析功能。

3 系统具体设计

系统主要对唐山机务段内安全生产方面的各类信息进行数据化、信息化管理。信息主要来源于应急值守电话接受信息、在线防控系统预报警信息、各种监控设备分析信息以及各种发现问题，通过对各种信息的简单分析和梳理，按照录入分批、督办、签收、反馈、销号的顺序，由督办部门督办签收和指定责任部门、填写督办指导意见；责任部门责任人签收；待问题处理完毕，责任签收人负责反馈信息，上传反馈附件，督办审核并签署销号意见；信息完成销号。以此实现追踪信息的闭环式处理。在一时期内，通过对相关类别信息的梳理分析，找出安全规律。对发生问题的责任部门进行重点帮教，对其他部门提出预警。

3.1 信息维护

系统信息维护人员得到安全生产相关信息后，需要对该信息进行梳理、分类，按照对应类别信息进行添加。对于各类信息，根据系统要求数据字段录入相关数据。信息录入以方便操作为前提，各种信息字段采用下拉列表式、以操作者直接选择为主。对于一般类信息只需要做简单记录，以便后期进行汇总分析；对于追踪信息，要求选择督办部门和反馈时限，便于将信息第一时间传达到相关部门和相关人员，并按照要求进行问题整改和反馈整改信息。同时系统实现对各个信息的增加、删除、修改、查询功能。

3.2 信息操作

①各类追踪信息后，系统直观显示出问题整改状态，依次显示为“新发-审核中-办理中-待审核-销号”。②追踪信息录入后，信息状态显示新发，督办部门负责人登录时根据工作提示点击信息状态栏按钮，打开界面后，为该问题指定责任部门，点击【督办】按钮，状态变为“审核中”，相关责任及时点击【签收】，部门签收后信息状态变为“办理中”，信息处理完毕，责任部门在反馈内容栏内填写分析意见，或上传附件后，点击【反馈】按钮，信息状态由“办理中”变成“待复核”。督办部门打开待销号状态信息，审核后，如分析合格，点击【销号】，信息入库存档。如分析不合格，点击【退回】，系统将及时通知相关负责部门重新分析处理问题反馈信息。③系统界面内采用列表显示各类信息，但是考虑到实用性和界面效果，只能显示部分信息内容。每条信息之后设置“详情”选项，点击“详情”弹出提示框显示该信息的、督办、反馈、销号等签收时间、签收人和签收意见等具w内容。如果在销号时限内未完成销号，则该信息显示为红色，表示逾期未销号。④系统用户登录后，系统页面自动提示需要办理信息数目，以提示用户所在部门和个人需要签收、反馈、督办、销号信息数目，用户可根据提示及时处理相关信息。

3.3 信息查询

系统设置信息查询功能，可供用户查询各类安全生产信息。系统提供各类信息查询功能菜单，可以根据信息相关内容进行查询，如发生时间、销号时间、问题类别、责任部门等信息字段。系统同样以列表形式展现所有符合条件的信息，并且分页显示以利于查看。查询的信息列表可以根据用户要求按照指定相关字段导出Excel列表和Word报表。

4 系统数据分析

系统实现以信息类别、时间段等信息字段，对一段时间内的信息进行统计归类，并以百分比饼图显示。设定信息起止时间与信息分类筛选的预设条件（信息类别分为三级，可以按照级别进行筛选）后，界面上将显示选定时间段内的全部信息百分比饼图，根据预设条件的不同，百分比饼图产生不同的变化，可以供用户查询各类安全生产信息的统计汇总情况并生成汇总结果图表。通过系统生成的汇总结果图表，重点解决了以下问题：①快速检索出一段时期内发生的关键性、倾向性问题，确定重复发生问题，并对该类问题进行重点提示；②梳理相关类别信息，寻找安全生产规律；③根据信息汇总，自动提示安全生产问题发生的时间段，以利于今后安全生产组织；④根据问题信息汇总提示，提出安全生产预警。

5 总结与展望

5.1 总体工作总结

本论文是基于大数据背景下，利用记录数据分析结论指导安全生产方面的一次简单探索。系统实现了对于安全生产方面信息的增、删、改、查功能，并且对于需要追踪处置的信息，按照相关规则进行信息处理闭环控制。在后期的数据分析统计中，按照一定条件规则，生成相应汇总图表，以直观形式分析问题的倾向性、关键性、重复性，并且对安全生产提示预警信息，基本实现设计目标。

5.2 后期工作展望

本课题的前期研究达到了预期目的，但由于设计时间和设计经费有限等原因，还有很多不完善的地方，需要在今后做进一步的深入开发和设计。比如，对数据库中的各种数据的约束及数据库安全性、改善人机交互输入的智能化界面等等工作，都要做进一步深入研究。

参 考 文 献

[1] 陈龙，程开明.大数据时代的决策：数据分析抑或直觉经验[J].中国统计，2014（09）.

[2] 吴利军.利用SOA技术构建铁路信息系统的研究[D].北京交通大学，2007.

[3] 郑阿奇.主编.SQL Server 2008应用实践教程[M].电子工业出版社，2010.

[4] 贺成彦.铁路运输站调管理信息系统的实现[J].科技创新与应用，2015（33）.

篇3

摘要：随着大数据时代的来临，企业的财务分析活动也出现了一系列变化。而财务数据分析作为企业财务分析的重要组成部分之一，其分析结果的准确度直接影响着财务管理水平。在大数据时代，财务分析等同于大数据分析。本文主要研究了财务分析与大数据时代的关系，并阐述了财务分析未来的发展方向。

关键词 ：大数据财务数据财务分析资产

1 概述

财务分析最早起源于二十世纪，至今已有一百多年的发展历史，并初步形成了相应的分析管理体制。财务分析具有很强的时效性，其分析内容应随着经济环境的发展变化而及时改变。随着知识经济时代的到来，大数据被广泛地应用至各个领域，如保险、医疗、信息、航空航天等行业，并取得了良好成效。在财务分析中，大数据技术以其大量化、多样化、快速化优势受到了财务管理人员的一致好评，一方面它极大地提升了财务数据分析和处理的能力；另一方面还提高了财务管理的质量和水平。

2 财务分析与大数据时代

在西方，财务分析已经产生发展了近一百年的时间。但在我国，财务分析只有近十年的历史，各方面还有待进一步改进和完善。自我国改革开放以来，财务分析已受到越来越多企业利益相关者的重视，许多会计专业的相关学科也都增加了财务分析的模块。

所谓财务分析，就是指按照一定的专业方法对会计核算资料和报表资料等进行分析，从而准确评价和考察其经营活动、投资活动、分配活动、盈利能力、偿债能力等的财务活动。财务分析可以为企业的投资和经营发展提供良好依据，使其投资人、经理人、债权人等更好地了解企业的发展历史，并预测其未来发展方向，从而做出科学的决策。

会计技术是制定财务报表的基础和前提，财务报表则是财务分析的基础。管理者可以通过财务分析了解和掌握企业的运营状况，进而制定行之有效的管理制度和政策。财务分析的最终目标是使财务管理人员了解过去的经营业绩和当前的财务管理水平，从而进行科学决策，推动其财务管理的可持续发展。因此，会计技术的发展影响和决定着财务分析的产生与发展。这是一个信息化的时代，云平台如火如荼的进行，大数据概念又横空出世。与云类似，大数据起始于信息化，繁兴于物联网以及社交网络等，因此也带有很浓的互联网口味的技术“迷失在太空”的经历。互联网时代，企业注定是要遭遇一场“数据大爆炸”，尤其是大型公司和互联网公司在经营过程中产生大量的、各种各样的数据，数据量越来越大、数据类型越来越复杂、数据增长速度越来越快。概括来说，大数据除了具有庞大的特点以外，数据变化速度快，种类繁多，较高的准确性也是其主要特征。伴随微博、微信等网络媒体的快速发展，及媒体时代的来临，互联网中无时不刻都在产生大量数据，大数据时代来临已经成为了不可逆转的趋势。这给传统的数据仓库数据处理和分析技术都提出了巨大挑战。

最早提出“大数据”时代到来的是全球著名咨询公司麦肯锡。究出其本质，大数据与其说是一门技术，不如说是新环境下海量数据价值发挥的方法之一。传统企业的财务分析可利用这种方法，去进一步发挥作用。大数据，或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、整理成为帮助企业经营决策更积极目的的资讯。在《大数据时代》中大数据指不用随机分析法这样的捷径，而采用所有数据进行分析处理。大数据的4V 特点：大量、高速、多样、价值。

“大数据”在物理学、生物学等领域以及金融、通讯等行业存在已有时日，却因为近年来互联网和信息行业的发展而引起人们关注。大数据作为云计算之后IT 行业又一大颠覆性的技术革命。云计算主要为数据资产提供了保管、访问的场所和渠道，而数据才是最终有价值的资产。一个文化系统可以分为制度、技术和观念三个层面。文化系统的发展经历了制度主导和技术主导两个时期，如今世界正在走向观念主导的新时期发展，各民族文化通过互联网正在不断融合，从文字、服饰到生活方式，民族之间的区别正在逐步变小，在大街上，坐在饭馆里，已经不能很快分辨出不同的民族。大数据时代，需要继续保持传统文化的独立性，就是要让我们的社会和数据打上文化的烙印，要建立属于我们的数据体系系统。

目前，大数据的应用已经渗透至我们生活的方方面面。例如每天，阿里巴巴网站上都会进行大量交易，并产生大量数据。而阿里巴巴可以通过分析商户近100 天内的交易数据和管理信息就可以判断出商户是否存在资金和管理问题，并分析其交易风险系数。一旦做出科学判断，阿里巴巴就会正式启动其贷款平台模式，并积极与可能会有贷款需求的商户进行交流与沟通，并向其介绍阿里巴巴的具体贷款产品，综合分析其贷款倾向。又如，随着微信的兴起和发展，人们的学习生活方式也发生了相应的改变。据统计，每天都有超过几亿人使用微信进行交流互动，通过其记录心情和生活。每天人们都会在微信平台上分享图片、文字、声音、视频等，这就使得平台上充斥着大量的大数据。再如某综合类网站的编辑每天都要考核网站的访问量，并密切关注热点新闻。受此影响，在日常生活中该网站编辑逐渐养成了搜索新闻和风云榜的习惯，并找出一些新颖的新闻内容进行编辑整理并及时至网站上，以提高其点击率。常见的搜索引擎，如百度、谷搜狗等每天都会录入海量词汇，并进行对比分析，选出一部分网民可能感兴趣的词汇进行整理，以更好地满足网民的搜索需要。

以上都是当下大数据的应用，随着大数据的发展和进步，它会在不久的将来得到应用。

一项针对大型跨国公司高管进行的调查结果显示，目前企业中约有超过三分之二的管理人员肯定数据的价值和作用，并将其视作企业发展的无形资产，要求企业妥善利用。这就显示了，在大数据时代企业越来越认识到数据本身价值和从数据中得到价值二者之间的差异，要求进一步深化财务管理体制改革，积极运用各项信息化手段进行财务管理，不断提升其数据分析和处理能力，以更好地适应信息时代的企业财务管理需求，从而有效地增加其竞争优势。数据的分析和利用受各方面因素的影响较大，其分析难度较大，且过程较为复杂。因此，企业必须充分利用手头现有资源加强财务数据管理，不断提升其数据处理和分析能力，保证数据价值的充分发挥，实现其决策的科学化和信息化。

举个例子，保险公司的汽车险，员工可以通过搜罗数据，得到车主的驾车习惯是否良好，驾车时间和路段是否安全，停车的车库的环境等数据，进而降低驾车风险低的车主的保险费用，提高风险高的车主的保险费用，这样便从一定程度上增加了保险公司的收益，保证保险公司的利益。销售公司可以从客户的家庭水电费，煤气燃气费的消费情况，使用的手机，电脑，车子的型号，以及经常出没的餐厅，娱乐场所等信息收集，从而更加了解客户的生活水平，以便日后推广什么水平程度的产品。

要想更好地提升企业的财务管理能力，企业就必须进一步明确财务分析和大数据的关系，统筹兼顾，实现资源的优化配置。众所周知，财务数据是企业最基本的数据之一，其积累量较大，其分析结果直接影响着企业财务管理的最终质量。因此，企业在进行决策分析时，必须坚持客观公正原则，以财务数据为基础，制定明确的分析指标和依据，以保证企业财务管理的平稳推进和运行。

在进行财务分析时，财务管理人员首先应该查找和翻阅当期的管理费用明细，并将其与前一阶段的数据进行对比，找出二者的主要差异，从而找出管理费用的变化规律，最终得出变化原因。在进行原因分析时，财务管理人员可以建立一个多维度的核算项目模型，并在模型中做好变化标记。在整个分析过程中，财务人员往往要花费大量时间用于管理费用核算与验证，同时查找相关资料。在财务软件中，上述系列动作要切换不同的界面。而如果利用大数据技术，只要通过鼠标的拖拽，就可以在短短几秒钟内分析出所有管理费用明细发生在每个部门的情况。

对于企业的决策者而言，通过对财务信息的加工、搜集和深度分析，可以获得有价值信息，促使决策更加科学合理。

3 小结

随着我国社会主义市场经济体制的不断发展完善，大数据技术改善财务管理前景广阔。纵观目前的大数据提供商，主流商务软件厂商都在通过自主研发或收购的方式进入大数据的领域。数据属性的标签是人类经验判断的数据，是数据后的数据。例如，你要为一件物品打标签时，其实就已动用了你的经验数据分析，并进行了归纳总结，结合现下的环境给出了判断。若没有考虑环境影响及准确性的评估，这种经验和直觉的判断是不稳定又难以解释的。但从数据收集的角度去看，数据属性标签又是一个潜力很大的数据。在数据属性管理上，对于用户来说，每个人身上贴的标签是多种多样的，但对于企业来说，如何用一个点去将之串联，如何将这些标签归一，又如何把这些点连接起来去描述这个用户，才是核心问题。

参考文献：

[1]陈友邦，张先治.财务分析[M].东北财经大学出版社，2007.

篇4

关键词：财经类高校；数据分析课程；课程建设

中图分类号：G64 文献标识码：A 文章编号：1673-9132（2016）34-0040-03

DOI：10.16657/ki.issn1673-9132.2016.34.020

一、引言

随着大数据时代的到来，数据分析在各行业的重要性日益凸显出来。大数据时代要求人才具有极强的“数据视野”、“数据意识”和“数据能力”，即对所处行业数据的形式种类详尽把握，对数据的作用深刻理解，对数据分析方法和分析软件熟练运用。其中“数据能力”是前两者的基础，是实现大数据所有思想和理念的根本保证，是现代经济管理人才的重要基本素养和技能。

我国的财经类院校肩负着为社会培养经济管理类高级专业人才的重任，在大数据时代，社会对于经济管理类高级人才在数据分析方面的要求极大增加，现代经济管理理论的发展趋势也体现出越来越重视数据分析的特点。这要求人才既有深厚的经济管理理论功底，又能够熟练使用数据分析工具对业务数据进行分析，并得到结论。特别是在研究生教育层面，对数据分析能力培养更加重要。

然而，目前在研究生数据分析能力的培养方面各财经类院校均存在着较多的不足。首先是覆盖面小，除各院校的统计学院（或类似学科的学院和专业）外，强调这方面能力的培养的学院和专业较少，导致研究生对数据的运用和分析能力不足；其次是形式单一，主要以课堂教学为主，完全忽视了数据分析的实践性，教学效果不好；再次是教学所用软件平台薄弱，多数使用SPSS，极少数专业学习SAS，对于在学术界和业界非常流行R语言、python等平台则少有涉及。因此，合理设计数据分析类型课程，提高经济管理类研究生在数据分析方面的理论水平与实践能力，是广大财经类高校不得不面对的迫切问题。本文讲就财经类高校数据分析类课程的特点、建设思路和建设方案，结合笔者在教学实践中的一些心得谈一谈自己的看法。

二、财经类高校数据分析课程的特征

数据分析的目的就是从数据中提取有价值的信息，进而形成知识。因此在绝大多数专业领域均有大量的数据分析需求，对人才的数据分析能力均有较高的需求。从财经类高校的专业分布看，可以把对数据分析能力的需求分成三个不同的类型。

第一类是以统计学院、信息学院（或类似学科的学院和专业）。这两类专业的教学主要突出理论性、基础性和方法性，立足于对学生的“数据视野”、“数据意识”和“数据能力”进行全面训练，使学生能够在毕业后在任意领域迅速承担起高级数据分析的任务。

第二类是经济学门类的相关学科。这类学科对于数据分析教学的要求偏重应用，即学生的“数据视野”、“数据意识”，但由于部分专业（如数量经济学）对数据分析能力要求较高，因此对于“数据能力”的培养也需要兼顾。

第三类是管理学门类的相关学科。当前的管理学实践离不开数据，对数据分析教学主要是应用层面的。要求学生具有良好的学生的“数据视野”和“数据意识”，而对于学生的“数据能力”的培养则并没有太高要求。

三、财经类高校数据分析课程建设的思路

基于上述分析，研究生数据分析课程建设应当采取分层设课的原则，基于不同的教学需求，设置不同的课程群。

对于上述第一类专业，需要在专业核心课程群的基础上，重点建设大数据相关课程。如分布式计算、非结构化数据分析、R语言、python语言等。在教学中，案例化教学和上机实操应当成为教学的主要形式，尤其软件类课程应当在机房进行，保证学生有足够时间熟悉操作并能随时与教师互动。

对于上述第二类专业，需要以一门基础课程为先导（如统计学导论），在配合若干专业课与软件课的组合，如计量经济学、时间序列分析、纵向数据分析与Eviews、SAS和R语言的配合。在教学时，理论与实操并重，在实操方面突出学生的软件使用能力训练，SPSS类型的软件不应当成为此类专业的主要数据分析平台（学生应当在学习专业课程时自主学习使用）。

对于上述第三类专业，可以考虑以一门数据分析课程为基础，配合合适的软件平台，同时在其他专业课程教学中突出各个课程的数据分析教学内容和实践环节，既可以基本达到教学目的。这类课程教学的重点在于对数据分析方法模型的理解，切忌死记硬背，同时辅以一定的案例和上机实操。在软件平台使用上，以SPSS这类拥有完善的GUI环境，所见即所得的平台为主，也可以使用R语言强大的图形能力作为演示工具，在演示的同时潜移默化地使学生了解R系统，进而为其进一步学习建立基层。

四、财经类高校数据分析课程建设方案――以R语言课程为例

在上述三类专业的数据分析课程建设中，R语言均扮演了重要角色。因此本部分将以R语言课程为例介绍建设方案。

（一）R语言的优势

R语言作为功能全面地数据分析平台，在国际学术界和业界得到了广泛的认同，是应用最普遍的数据分析软件之一。与其他统计分析平台（如SAS、SPSS、S-PLUS等）相比，R语言具有若干明显的优势：

第一，完全免费，完全开源。与SAS多达几十万元的价格相比，R语言是一个完全免费的平台，且功能同样强大。

第二，安装简便，更新迅速，功能完善。R语言的安装对于硬件的需求很低，且拥有Windows、Mac、Linux等多个平台的版本。并且R通过其大量的程序包实现了功能的扩展，用户总是能通过下载功能包获得最新的分析模块。

第三，R语言是被国际学术界广泛认可，绝大多数国际知名高校都将R作为基本的教学和科研工具。

第四，R语言既是编程语言，又是高度功能化的数据分析平台，同时具有编程语言的灵活性和功能化数据分析软件的易用性。

（二）开展研究生R语言教学的必要性

首先，作为一种编程语言，R语言的教学可以训练学生抽象思维、逻辑思维能力，同时作为一种数据分析平台，R语言可以训练学生数据分析模型的应用能力和实际操作能力，这一功能是其他非语言类软件系统无法实现的。

其次，在研究生教学中开设R语言课程，可以极大提升学生在求职就业、考博和出国深造方面的竞争力。由于R语言在国内外学术界和业界有着巨大的影响，因此熟练掌握R语言无疑会使我们的研究生更加具备竞争力。

（三）研究生R语言教学的现状及改革的迫切性

从当前的教学现状来看，R语言仅仅是少数专业才有的课程。但是基于本人这几年的教学和指导研究生的经验来看，当前我国财经类高校研究生的动手能力较弱。其根本原因之一是缺少数据分析能力的训练。若要在不过分增加研究生课程量的前提下迅速提高研究生这方面能力，R语言这种将抽象思维、逻辑思维、数据分析模型和数据分析实操紧密集合的平台是最好的选择。

（四）R语言教学的内容划分

R语言集合了计算机语言与数据分析系统的特点，既能像SPSS那样通过简单操作即得到结果，又能够项C语言那样进行新功能的开发，尤其是其强大的图形能力，更为数据分析人员提供了强大的数据可视化平台。为了能够为学生全面地讲授上述内容，需要对课时进行合理分配，辅以合理的教学模式和考核模式。下面本文将以48学时的研究生课程为例，介绍R语言课程的基本内容和结构。

1.教学内容和学时分配

第一部分，R语言简介（2学时），介绍R语言的历史、基本操作环境、相关网站、系统本身和软件包的安装方法以及参考书籍等。

第二部分，R语言的数据结构（12学时），介绍向量、因子、索引、数组和矩阵、数据框、列表等概念和相关算法。这部分是后面教学的基础，同时也是R语言区别于其他编程语言的重要方面，在教学时要突出对因子、索引（以及利用索引实现筛选等功能）、数据框等数据结构与数据分析的关系的介绍。

第三部分，R语言的编程结构（12学时），介绍成组、选择和循环三种结构。在这部分教学中，重点在不能按照传统程序设计语言的模式进行教学，要突出数据分析的特征，可以考虑使用R语言自己编制景点统计方法的代码，如最小二乘法、距离判别、快速聚类等。

第四部分，R语言的绘图功能（12学时），介绍高级绘图语句、低级绘图语句、交互绘图语句以及ggplot2软件包等。绘图是R语言的优势，允许使用者自由的定义图形，尤其是ggplot2软件包的出现，更是将R的绘图功能推上了新的高度。这部分不但是上述第一类、第二类专业研究生所需要掌握的内容，也是第三类专业研究生应当了解的内容。

第五部分，R语言的基本统计功能（10学时），经过前述四个部分的教学，学生已经对R语言具有了较为深入的了解，并应该具有独立编制代码的能力。在此基础上，可以进行本部分的教学，即对于使用R语言实现诸如回归分析、多元统计分析、时间序列分析的方法进行介绍。由于这一部分功能均有对应的软件包和函数，因此在软件操作方面非常简单，如果跳过前面几个步骤直接进行这部分的教学会使学生对R语言一知半解，缺少对R语言核心知识的理解。

2.教学及考核方式

由于R语言是一个操作性非常强的语言平台，传统的课堂教学+上机的教学模式会使得理论与实践脱节。因此建议该课程全程在机房进行，这种教学方法的优势有三个方面：

第一，教师讲解更到位。编程类课程重要的是思考过程而不是结果，因此传统的课堂上听讲，上机课练习的模式会使得思考过程与结果脱节。而在机房上课则可以使学生跟随教师的讲解随时练习和实验，使得教学效果更好。

第二，师生互动更容易。学习编程的过程就是不断试错的过程，学生需要不断地从发现错误――解决错误的过程中提高能力，而在这个过程中教师与学生的互动非常重要。

第三，课堂练习更直接。课堂练习在学习编程过程中具有非常高的重要性，传统授课模式下，无法做到当天的学习内容当天联系，是知识技能的掌握不牢，效率低下。

在考核方面，建议采取开卷上机考核的方式。由于R语言的教学具有极大的实践性，因此“会用”才是最终的目的。同时，由于R语言极强的可扩充性，因此单纯地考查学生对于R语言中一些功能代码的记忆没有任何意义，采取开卷的方式，重点考查学生解决数据分析问题的能力的上级考试才能够实现对学生R语言学习水平的测度目的。

五、结论

当今社会已进入大数据时代，任何财经类专业人才的培养脱离了数据分析类教学内容都是不能适应社会需求的。而数据分析课程的理论与实践并重的特点，要求在教学过程中既重视数据分析理论模型的讲解，又重视数据分析平台的训练。只有这样，才能使得财经类人才的培养跟上市场对于人才需求内容的转变，培养出符合市场需要的人才。

参考文献：

篇5

1 传媒行业进入大数据时代

大数据是一种时代现象，目前主要是商业概念。还未形成严谨的学术定义。过去，大数据通常用来形容一个公司创造或手机的大量非机构化和半结构化的数据，如网络日志、社会关系网络上的用户活动数据、互联网搜索引擎上的详细搜索记录等等。对于传媒行业，大数据指跨媒体或全媒体数据，如电视机顶盒的回路数据、电脑或移动终端收看视频的数据、社交媒体上对于收看节目的相关评论等。

当下我们提及大数据，还指一种解决问题的方法，即通过手机、整理生活中的方方面面的海量数据，并对其进行分析挖掘，从中获得有价值的信息，这种对大数据的应用与实践已经演化出一种新的商业模式，即公司的核心竞争力在于其拥有的数据规模以及它运用这些数据解决问题的能力。这种解决问题的方法在于对各领域情况进行量化分析：信息准确描述，使我们认知不清晰的方面变得清晰，帮助我们去判断现状和趋势、确定未来战略，在记录、表述、分析、重组后让它带来效益。

传媒业本身就是生产和传播信息的产业，大数据时代，传媒业大有可为：信息源更加丰富，传媒机构可利用数据资源，量化分析，更好地把握信息；对受众需求的把握更加准确，传媒机构可根据受众需求确定传播内容和传播策略，实现精准传播；传播效果的反馈对于不断调整内容和策略，赢得受众，提示品牌形象有很大帮助。首先数字化，让电脑处理这些数据即建立数据库；在数字化基础上进行数据化，变成软件可以识别的数据化文本：智慧地使用已有的理论和方法，让这些数据发挥价值——内容提取、分享、互动，让它们更好地服务于使用者，挖掘其中的商业性创新价值。然而大数据在中国传统媒体中的影响目前并未实现，虽然中国少数传统媒体已经实践或正在实践中，对于互联网媒体，这个领域的实践已经走在了传统媒体的前面。

2 借力大数据进行电视受众分析

2.1 过去的受众分析方法

其一，过去的人员测量仪，一种可以记录受众收看或收听时间的专门仪器，可以定时反馈给数据中心。其二，日记卡，由受访者填写特定格式的表格，记录自己的收视行为。其三，面访，通过上门或拦问了解受众的收视行为。其四，电话访问，由访员向目标受众打电话了解受众的收视行为。首先，记录受众观看行为的仪器是抽样的形式安装到用户家中的，这种仪器的安装行为本身对受众观看心理有一定影响，从而导致记录仪器的不准确。其次，观众观看行为的复杂性，这些信息资料庞大，不是简单的受众回访、记录就能得到准备的数据，需要更高的技术来测量。由此可见，这种简单的受众行为分析显然不能适应当下受众复杂的行为变化趋势，也不能够为电视媒体提供精准可靠的分析数据，我们需要借助大数据进行信息分析。

2.2 利用大数据分析电视受众行为

首先，海量电视收视样本监测。利用海量数据收集技术，获得传统的电视收视信息、数字电视、智能电视受众收视行为。目前大部分用户使用数字机顶盒，通过数字机顶盒可以实现信息的传送和反馈，而且这些数据包括内容丰富，有电视直播频道、网络视频资源库、付费点播频道、特色频道等等。数字电视的推广使受众点播回看、增值业务等行为纳入受众观看行为内，这是传统的收视监测难以监测到的。例如在北京市场，北京卫视（高清）、CHC动作频道等都是传统收视率监测很难监测到的频道，而在海量样本监测中均属于常规可监测频道。其次，整合网络视频、移动终端视频观看行为，量化分析受众观看行为。虽然新媒体时代下，互联网声称取代传统的电视媒体，但调查分析，互联网视频观看内容大部分还是传统的电视媒体提供的。媒体受众的行为变迁、跨媒体使用行为的增长，也要求对媒介受众行为监测更加精细化和综合化——如何在新媒体环境下更好地把握受众行为偏好，拓展电视媒体的经营空间，成功实现节目创新和经营创新？成为新时期电视媒体发展的关键议题。这就需要借助网络视频网站、移动终端视频观看数据，精准分析受众的观看行为。具体实施方面，需要电视媒体与网络视频网站合作，在为其提供视频资源的同时，电视媒体需要借助网络视频网站受众观看数据，加上从数字机顶盒获取的量化信息，进行深入分析，精准把握受众对节目内容的关注焦点、对节目发展的心理期待、对节目环节的个性意见、对节目品牌的情感归属等一系列重要问题，对电视节目的生产编排以及成长发展提供有力支持。再者，利用数据收集加工处理平台，挖掘受众喜好，为电视生产制作提供量化信息。大数据之大，重点并不是它的容量大，而在与其强大的数据收集加工处理能力，深入数据分析提取有效信息的能力，这才是大数据的真正价值，谁做到了这一点，就能在市场中获胜。

目前做电视媒体受众详细数据收集与分析的公司是基本上由尼尔森垄断的，中国并没有监管收视率调查的行政机构，做电视媒体受众分析的都是市场调查公司。目前尼尔森、央视索福瑞等调查数据较为权威，虽然价格不菲，但是大多数电视行业数据分析都是这几家做的。尼尔森根据客户的具体需求来定制调查方案，对于一般性的调查需求，尼尔森拥有一套在全球范围内得到认可的专有调查产品和方法，为客户提供最有力的可比性标准化数据。有少量传媒集团着手于专业调查机构合作，深入开发大数据的潜在功能，如2012年2月广东佛山传媒集团与尼尔森公司合作，寄希望于记住尼尔森大数据分析的平台，通过对数据的整合、分析、管理，为他们的转型发展提供战略性的策略依据。

对于电视媒体的受众调查分析，尼尔森采用第四代收视测量海量样本回路数据收视研究，这是全球最新的收视率测量解决方案：受众观看行为通过机顶盒的升级，使得机顶盒能够对观众开关机顶盒时间、转换频道、使用增值业务等具体操作行为进行精确到秒的准确记录，被机顶盒记录的数据通过有线数字电视网络，在一个高度安全的封闭通路中，传输至监测服务器进行多层加密，再通过互联网回传至数据处理中心，整个过程遮蔽了认为干扰的可能性，最大限度报纸了数据采集和传输的安全性，在理论上达到全样本测量。因为这些数据量大几乎达到全样本测量，需要进行量化分析，这就是大数据的应用。

广电行业目前处于三网融合的大环境 中，在这个过程中不可避免地相互渗透和交叉，经营上互相合作、互相竞争，内容上出现了融合，内容的融合意味着数据的融合。目前电视媒体对受众调查分析的意识开始增强，但在实践中电视媒体并没有全面应用数据融合带来的海量受众数据信息。而IT、家电等外行将利用技术进入广电领域对电视媒体有一定的警示意义，但是对于拥有优质精心制作的媒资的电视媒体，若能抓住受众行为在大数据时代下的变化，将是大赢家。

参考文献：

[1] 王建磊.互联网电视机顶盒发展现状及趋势[J].

篇6

一、何谓大数据

“大数据”这个术语最早期的引用可追溯到apache org的开源项目Notch。当时，大数据用来描述为更新网络搜索索引需要同时进行批量处理或分析的大量数据集。随着谷歌Map Reduce和Google File System （GFS）的，大数据不再仅用来描述大量的数据，还涵盖了处理数据的速度[1]。

大数据（big data），或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。（在维克托?迈尔-舍恩伯格及肯尼斯?库克耶编写的《大数据时代》中[大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据的方法）大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）[2]。

二、大数据时代下石油化工企业信息化现状

1.认识不足

大数据时代是一个较为新鲜的事物，因而来说，较多的企业还不能够有效的把握大数据时代的特性，以顺应大数据时代的发展。就现代企业信息化现状而言，较多的企业都存在对于大数据时代特点的忽视，缺乏对于信息化技术以及策略的开发，对于信息数据的处理仍然停留在传统的基础阶段，只是简单的对于企业内部办公以及财务数据进行统计分析；这对于现代企业的市场竞争以及自身的发展而言是极为不利的。大数据时代强调的是对于整体性数据的收集、统计以及分析，而现在较多的企业都只是对于部分数据分析处理，因而来说只有提升认识才能进一步的改善企业信息化现状。

2.投入不足

对于大数据时代而言，企业如果想要从分化的把握数据以及透过数据获取价值性的信息，必须通过科学的技术以及充分的人力作为保障，而对于我国企业的现状获知得出，很多的企业都缺乏足够的投入，无论是技术手段还是人力资源的配备，企业的重心投入已经停留在传统的部门，对于信息化部分的投入缺乏力度。此中所说的投入不足主要展现为高级技术人才的缺乏以及技术研发以及购买资金的投入，这对于我国企业的未来发展是极为不利的。

3.缺乏系统规划

关于大数据时代下的企业信息化建设，众多企业都存在一个较大的误区，企业信息化建设以及运作并不是一个单独的个体，而是一个系统化的整体，其不仅需要科学化的制度以及技术作为基础，同时还需要集合企业的数据以及战略等多方面因素结合，进而成为一个贯穿企业整体结构的系统化工程。就我国企业的信息化建设规划上，笔者看到的更多的是信息化建设过程中，企业管理者并没有进行全局的把握以及规划，往往是独立进行，这样信息化系统不仅不能获取较为具有价值的信息，同时还容易在今后的企业发展中由于价值的不明确体现而受到忽视。

4.相关制度不健全

对于我国大多数的企业而言，都已经开始着手对于企业内部的信息化建设，但与国外企业相比，我国企业的信息化建设程度便展现出巨大的劣势。其主要原因在于，首先就政府层面上来说，政府缺乏有效的政策进行引导，不仅引导不足，现阶段我国政府对于企业的信息化建设保障政策也极为缺乏。其次对于企业内部的层面而言，企业信息化建设过程中必须依照严格的制度化准则作为杠杆进行，据笔者的了解，很多企业在进行信息化建设的过程中往往将制度化的建设放置与最后，这是不对的，应当与信息化的建设并行，确保信息化建设的目标实现[3]。

三、企业信息化构建原则

在企业进行信息化构建的过程中，坚持怎样的构建原则也就决定了未来说建立的信息化系统所能产生的效能。因而来说，对于信息化系统的构建而言，科学化的构建原则是尤为必要的。笔者认为，在对于企业信息化构建的过程中，应当主要坚持以下方面的原则进行：

1.以人为本原则

现代社会任何企业在竞争的过程中，其主要决定性资源都是人，企业信息化构建在未来推出的过程中，需要以人为主体进行操控，因而来说坚持以人为本的原则对于信息化系统的构建，能够最大限度的提升信息化系统的科学性以及可操作性，同时也能够最大限度调动信息化系统在推出的过程中员工使用以及学习的积极性。

2.协调性原则

熟悉石油化工企业的都会知道，石油化工企业其产业链较大，因而来说，在对于石油化工企业进行信息化系统构建的过程中，一定要坚持协调性的原则进行构建，其中不仅需要协调部门之间的信息化板块建设，同时还需要对于产业链上下游系统的协调性建设。强化企业内部信息化系统的协调性是为了保障，企业信息化系统在推出的过程中，能够更好的推动各个环节之间的衔接，发挥最大效应。

3.需求为先原则

任何企业在经营的过程中都不能孤立的存在，其都需要依赖上下游企业的支持，同时其也必须以市场需求为导向而进行。因而来说对于石油化工企业来说，在进行企业信息化构建的过程中，满足以需求为先的原则进行构建，能够有效的保障在未来的发展过程中，信息化系统能够与市场需求的变化形成良好的切合点。

四、大数据时代石油化工企业信息化构建策略

1.强化重视度提升

思想对于行为具有指导性，思想的转变才能进而影响人主观行为的转变，因而来说，只有强化思想的转变，提升对于信息化系统建设的重视度，才能在大数据的时代之下，构建自身的核心竞争力，强化对外竞争。强化对于重视度的提升，不仅展现为领导层的重视度提升，其需要全方面的员工意识形态上的重视度提升。全方位的意识形态转变，重视度提升，为石油化工企业在今后的信息化构建过程中提供了强有力的保障。

2.加大投入力度

石油化工行业是一个高科技密集型行业，信息化实施的程度和实施的成效，在很大程度上影响着石油化工行业的竞争能力。石油化工行业上中下游的各个业务领域投资巨大、人员众多，各产业价值链的关联度较高，某一业务的发展会对其他环节业务造成重大影响，所以，大型石油企业更需要实现上中下游产业的一体化协同发展。因而来说，石油化工企业为了有效的迎合大数据时代的需求，以提升自身的对外竞争力，其不仅需要强化自身在进行信息化系统构建过程中的资金投入，同时还需要一定的科技投入，这样才能够保障未来石油化工企业的信息化系统具有较高的实用性以及价值。

3.科学规划信息化系统

专家认为，未来石油化工企业将以集中集成、智能应用为原则，运用物联网、云计算等信息技术，以生产运行智能化、资产管理智能化和企业管理信息化为切入点，开展数据中心和智能工厂建设，实现资源“高利用、低排放、减量化、低污染”，进一步构建资源节约、环境友好的生产方式，增强公司可持续发展能力，提高生态文明。科学规划信息化系统建设，能够保障系统之内的各个环节都有实际的意义，同时其在实际的使用过程中能够相互进行补充以及保障，提升资源的最大化利用度。

篇7

关键词：大数据时代；服务型政府；应对

“大数据”的概念最早是在美国提出的，近年来信息技术得到快速的进步与普及，在各领域中的数据量也在无限的增长，大数据时代已经降临了。大数据成为人们创造新数据、获得新认知的主要源泉，同时不断推进政府与社会的转型。2013年是中国的大数据元年，在很多省市开展了大数据的试水战略，缩短了中国与世界的距离。对于怎样把握住时代赋予我们的机遇，如何引领大数据时代的发展潮流，打造出服务型的政府，我们可以带着这些问题进入下面的讨论。

1 不断夯实大数据时代的网络基础

1.1 联网化

大数据如果得不到联网很容易会成为信息孤岛，其作用也得不到有效的发挥。我们应该对移动互联网进行审计，加快建设网络信息环境的步伐，助推数据的集聚与互通。一方面政府应该加快建设4G网络试点的步伐，为未来移动互联网模式的升级探索路径，另一方面，应该加快对3G网络应用的普及，与相关统计数据相结合，扩大移动通信服务的使用规模，为数据的集聚和采集提供更加便捷的途径。

1.2 移动化

一直到2013年3月底，我国接入移动互联网的用户已经超过了8.1739亿，占我国总人口的60.6%，这一数据同时也证明了有将近40%的人口尚未接入到移动互联网中，所以，政府应该大力推行“数据救济”，对廉价的智能手机进行充分的研发，可以免费将其发放给弱势群体和低收入人群，促进全民手机化的真正实现，实现移动互联网的全面覆盖，将“数据鸿沟”彻底消除。在未来的世界中，手机将会是最重要的数据来源，同时也是数据采集点全覆盖得到实现的一种重要手段。

1.3 免费化

政府应该对人们分享数据的行为进行充分的肯定与鼓励，使获取成本的成本得到相应的降低，通过更加直接的方法提供免费的网络。中国应充分借鉴国外的先进经验，推进试点4G网络的免费服务，在此基础上与网络服务供应商联合设计出适于在全国推行的免费服务方案。如果这项举措能够得到实行，必然会推动大数据的迅速发展。

2 搭建大数据时代的应用平台

2.1 信息化

现在社会中之所以存在这么多的矛盾，在其背后的一个主要原因就是，工业时代旧秩序与信息时代新秩序时间存在一种“失同步”现象。而大数据时代的到来正好为政府的发展提供给了有利的契机，通过对全新标准的使用推动政府审计政府组织系统。首先，我们应该将旧数据挖掘工作做好。放弃原有的数据结构，将原有物理空间存在的局限性打破，用标签化的元数据取代原有的目录信息，推进网络结构数据系统的建立。这项工作需要很多科学家的共同参与，使数据的信息化发展得到加速。其次，应该加快对原有政府结构的额信息化改造。站在服务型政府的高度，促进政府公众服务的转型，合理定位政府中各机构职能，对原有机构进行再设计等等。最后，建立组织保障机制。对现有的工作领导机制进行积极的调整，充分结合外国的先进经验，在政府中设置首席信息官，使政府工作变得更加透明、法治、开放，进而使这次政府改革得到推动。政府中的首席信息官应该由专人任职，对不同部门进行协调。同时在执行机构的设置上，大数据和信息化战略的实行都要由专人操办，在工信部门中划分出来。

2.2 服务化

聚焦政府大数据的主要目的是分析与一个用，主要的出发点和落脚点都是为人民服务。在大数据时代中，数据与信息是非常重要的资源，如果数据和资源是开放和自由的，就意味着每个公民在数据与信息面前都是平等的。政府可以为公民打造一站式的服务型政府，从而赢得公众对服务型政府的信任，努力将其打造成为大数据时代中的重要网络节点。同时，政府应该加快研发为公众提供数据服务的手机应用软件，通过收集将数据进行公开与，不仅仅是为了社会监督的加强，同时也是为了吸引更多的人民参加到社会协作中来，在这一过程中的采集主要来源于公众数据的采集。

2.3 共享化

在大数据时代中，政府应该对信息工具进行有效的利用，对市场与社会的力量进行充分的利用，通过公私合作的方式将政府打造成为一喝大数据公共平台，政府应该充分发挥带头作用，进行数据的共享，将各种数据接口开放，使任何组织与个人都能够充分发挥自身的智慧与优势，对便民公共服务应用进行有针对性的开发和应用。与此同时，该公共平台还应该与社会组织以及企业联合，将数据平台打通，通过法律手段推动数据接口的开放与对接。

3 结语

“大数据”时代的到来促进了人们对新认知的获得以及政府转型的积极转变，在大数据时代中，整个世界将会朝着无数据时代、小数据时代以及大数据时代的划分方向发展，人类社会的数据积累将会发生量变与质变的双重变化。这场重要的数据变革必将使中国与世界的距离逐渐拉近，中国政府应该紧紧抓住这次机遇，引领大时代的发展潮流，打造一个新理念、新技术、新规则的服务型政府。

篇8

大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。未来学家阿尔文•托夫勒将大数据热情地赞颂为“第三次浪潮的华彩乐章”。另外业界将还将大数据定义为：在新处理模式下才能展现出更强的洞察发现力、流程优化能力、决策能力的高增长率、海量，以及多样化的信息资产。用最为通俗的方式表达就是，大数据是一种数据资产；利用相应的处理方式能够指导我们做出更接近于实际情况的最优决策。

二、大数据时代企业所面临的挑战

1．数据来源与容量的挑战。在大数据时代运用大数据的基础就是数据的本身，对于企业而言，与自身经营管理相关的数据收集变得尤为重要。在大数据时代以前，数据信息的时效性有时候就决定了经营管理决策的成败；而大数据时代的数据获取途径则成为了企业核心竞争力的重要组成部分，遗憾的是并非所有企业都已经意识到这一点。其次大数据时代的数据存储也成为了企业的重大挑战，传统的归档以及数据的管理模式已经完全不适应大数据时代的数据处理方式了。如果不能解决这两点最为基础的挑战，就根本无法和大数据的应用进行接轨。2．算法与“云端”设备的新要求。在选择大数据运营商的时候，其算法是否适应自己所处行业的客观情况尤为重要。再者，该运营商是否同时是企业自身所处行业中其他企业的首要选择对象也很重要。只有在同行业、同质化的数据大背景下，运营商的大数据服务才更具客观现实性。“云端”设备对于目前大多数企业来说迫在眉睫，目前各行业中只有互联网企业普遍完成了“云端”设备的架构。实际上，有效利用“互联网＋”把“云端”的大数据处理应用到经营管理上，相对弱小者实现弯道超车的有效途径。3．在线业务安全性的挑战。在大数据时代，线上业务量、交易额以及沟通量的扩大，线上数据的上传下载、存储、处理的不断扩大，给企业的数据管理带来了安全性的挑战。常见的应用攻击包括恶意蠕虫、病毒、缓冲溢出代码、后门木马等，最典型的应用攻击莫过于“蠕虫”。蠕虫是指“通过计算机网络进行自我复制的恶意程序，泛滥时可以导致网络阻塞和瘫痪”。企业稍有不慎就面临巨大的经济损失，因此解决安全性势在必行。4．大数据的运用与传统的决策冲突。在运用大数据进行决策以后，企业的管理已经不再是少数决策层的工作了。大数据让更多非决策层的人进入到了企业的决策里，直接挑战了企业原有的运行体制，而且这种决策的分散将渗透到企业的一切日常事物中去。在推进大数据运用的同时，也会不自觉的改变企业文化，让其也从目标导向逐渐变为应对导向。

三、企业在大数据时代经营管理的对策

1．用共享模式降低数据成本解决容量的不足。我们在此以共享单车行业为例，通过极为低廉的价格解决大多数人出行的“最后一公里”；其费用收益并不是该行业企业的最终目的，而是通过移动客户端的广泛推广，积累大量的用户信息以及资源才是这个行业所诉求的最大价值所在。可以说服务只是手段，获得能够产生价值的大数据才是目的。面对数据的压力，企业开放一定资源进行共享势在必行，就连积极推进人工智能的BAT（百度、阿里、腾讯）也都以共享算法的方式获取数据。只要打开共享这道门，自然也就解决了自身数据储存的问题，租用云端服务器是解决容量最经济的手段。可以说共享模式是打开用户对于个人数据隐私保护的万能钥匙，也是增加用户忠诚度的有效途径。2．建立内外两套数据处理体系。大数据时代企业经营管理数据的分析处理严重依赖数据与算法两大块，在解决数据问题以后，面对目前相对比较公开的算法体系是否就高枕无忧呢？BAT的算法公开看似是对各个中小企业的福利，但是也存在陷进，毕竟容易让很多中小企业在经营管理的决策上依赖于这些巨头。在处理本企业数据的同时，积极利用行业对手的数据进行逆向策略分析也是企业大数据应用的重要补充手段。这时利用运营商获取对手的各项数据（如产品的种类、价格、销售额、市场占有率等），通过运营商的分析结果再启动企业内部的数据对比系统将对手数据与自身数据进行比较，是修正企业经营管理手段的重要依据。3．建立应急系统应对安全挑战。在企业层面建立两套相互独立的数据库，两套数据库的内容同时更新，将其中一个数据库日常使用，另一个数据库作为备份。当数据安全层面受到网络黑客的入侵时，可以在不伤害企业利益的前提下销毁一个被入侵的数据库来维护企业自身的数据安全。尽量简化数据库安全效验与应急程序的流程，让安全检测人员的检测结果直接对接决策层，是最快完成应急手段的有效途径。在企业财务允许的情况下，也可以使用运营商提供的安全解决方案，这可以简化企业的管理。4．转变管理模式来适应大数据时代。大数据时代映射到企业经营管理最重要的就是决策体系的转变，即由少数人决策变为多数人合作完成。全员参与决策的模式使更多的知识和信息能相互沟通、构建一个大数据下的资源平台或知识储备库，是企业未来决策的基础，也是未来信息化时代的必然要求。

四、结语

大数据时代对于企业经营管理的冲击已远远的超过了以往任何一次技术上的变革。因此作为企业，要善于发现大数据中蕴含的知识，并将其运用到日常的管理当中，以提升决策能力，进一步提升企业的竞争力。

作者:朱先明 单位:山东省烟花爆竹协会

参考文献：

篇9

关键词：大数据时代 税收管理 挑战 建议

一、大数据时代背景下我国税收管理面临的挑战

（一）海量涉税信息的整合工作不到位

随着我国网络技术的不断发展，在税收管理中应用互联网技术已经成为了未来税收管理的发展趋势。目前，我国的税收信息化建设取得了一定的成果，但是，与互联网技术的发展相比，依然存在很大的差距。主要表现为以下几点：第一，对税收系统内部存在的各种信息进行整合的力度不足。我国针对税收管理，建立了多个系统，有综合征管系统、出口退税系统以及行政办公系统等。这些系统中存储的信息较为分散，我国对这些系统中存储的信息进行整合的力度不足，严重影响了税收管理工作的工作效率；第二，对智能化的管理信息系统了解不足。在企业管理中应用信息化技术，已经是当今企业管理的主流。很多企业使用高度智能化的信息系统存储企业的信息，税务部门的管理人员对这些系统不了解，不能在这些系统中取得相关的数据，只能要求企业提供数据。税务管理人员不能掌握第一手的企业信息，也不能通过查看企业存储的数据发现问题，对税收管理工作的发展有着不利的影响。

（二）无法及时监控并应对涉税舆情事件

随着网络技术的快速发展，计算机在人们的生活中被广泛的应用。人们可以通过计算机，查看身边发生的每一件事情，网络已经成为了各类信息的收集地和舆论的放大器。目前，我国人们越来越关注税务问题，尤其是有关国有企业的税务问题，更是人们关注的焦点。网络具有快速传播的功能，与政府有关的信息，尤其是税务信息，传播的速度更快，面对这样的情况，税务部门必须提高处理涉税事件以及化解舆情危机的能力。

二、对大时代背景下实行税收管理的建议

（一）树立大数据思维

在大数据时代背景下实行税收管理，不仅需要使用数据技术进行税务的管理工作，更要树立大数据思维，以大数据的观念去认识税收管理工作，这样才能推动税收管理工作的现代化发展。树立大数据思维，可以从以下三个方面入手：第一，要全体，但不要抽样；第二是要效率，但不要百分百的精确；第三，要相关，但不要因果。在大数据时代下，数据信息多种多样，因此，对任意数据信息进行全面详细的分析，是很难实现的。在这样的情况下，需要做到以下三点：第一，全面的接受信息，第二，对信息进行快速的分析，第三，根据分析的结果提出最佳的解决方案。这才是大数据时代背景下税收管理应对挑战的方法。

（二）做好大数据的分析工作

在大数据时代下，数据信息数不胜数，在众多的信息中挑选出有用的信息，是一项很艰难的工作。面对这样的情况，税收管理部门可以根据大数据的特点，在税收管理中应用信息化的手段，对大数据进行有效的分析。对大数据进行分析，可以从两个方面入手：第一，对数据进行全面的整合。在传统的税务管理中，数据信息的收集是工作的重点，但随着大数据时代的来临，数据信息的收集工作远比数据分析工作简单，因此，税务管理部门应该将工作的重点转移到数据的分析工作上，通过对数据的详细分析，促进税收工作的发展；第二，对数据进行深度的分析。在数量庞大的涉税信息中，很多数据之间有着千丝万缕的联系，但是，这些数据信息之间的联系并不是轻易就可以获得的，需要税收管理人员对数据信息进行深度的分析，才能找到数据之间的联系。

（三）对税收管理部门的业务模式进行创新

传统的税务管理模式，已经不适应当今社会的发展需求，对税收管理部门的业务模式进行创新，是势在必行的。在税收管理中，可以将大数据技术作为税收管理的手段。在传统的税务管理中，审计抽样是常用的税收管理手段，但随着大数据时代的来临，这种手段已经落伍。新型的税收管理手段是利用大数据技术开展审计工作，运用大数据技术，对企业中的涉税信息进行全面的收集，然后对其进行深入的分析，这种新型的业务模式，可以提高税务审计工作的效率，促进税收管理工作的发展。

三、结束语

综上所述，在大数据时代背景下开展税收管理工作，会遇到海量涉税信息的整合工作不到位等问题，这些问题的存在阻碍了税收管理工作的发展，但只要解决了这些问题，就能够提高我国税收管理的质量以及工作的效率，从而推动我国税收管理快速实现现代化的目标。

参考文献：

[1]彭骥鸣，曹永旭，韩晓琴等.大数据时代税源专业化管理面临的机遇与挑战[J].税收经济研究，2013（6）：21-24

[2]彭骥鸣，陈爱明，韩晓琴等.大数据时代强化税收风险管理的思考[J].税收经济研究，2014（5）：28-35

篇10

通常我们所说的财务分析就是指通过一定的专业方法对会计核算的数据资料进行全面的分析，这样一来也就使得工作人员可以更加科学合理的对企业的经营、投资和分配等能力予以考察的一系列活动，财务分析可以为企业的投资和经营活动具备更加科学合理的依据，使得企业经营中的各方都能对企业有一个更加全面的了解，同时在这一过程中也可以更好的推断出企业日后的发展方向，推动企业的科学决策。会计技术是制定财务报表的重要前提，财务报表为财务分析提供了众多的基础性数据。而管理人员可以在这一过程中借助财务分析对企业运营的基本情况予以了解和掌握，从而也就更好的制定出了一个更加科学有效的管理制度。财务分析实际上是让企业的财务人员对企业的历史和当今的经营状况有一个全面客观的了解，从而也就使得企业的财务管理工作更加的科学和完善。当前是一个信息化高速发展的大数据时代，所以这也给企业的财务分析工作带来了重大的转变。大数据是从信息化开始的，它在应用的过程中也必须要依赖于计算机网络技术，在发展的过程中，数据数量越来越多，种类也越来越繁杂，数据处理的速度也有了非常明显的提升。大数据从总体上来说是存在着一些固定特征的，它变化速度快，种类多，准确性也比较高。而且随着网络技术的不断改进和完善，大数据时代的发展已经成为历史的必然，这也给传统的数据处理和分析技术带来了非常大的挑战。

大数据在物理学和其他社会学科当中都有了非常广泛的应用，但是却一直都没有受到人们的关注，直到近几年，我国的互联网和信息技术得到了长足的发展才受到了人们的关注和重视。大数据是云计算之后在IT行业当中非常重要的一次技术变革，云计算通常是可以对数据内容进行保管，在这一过程中，数据才是最为有价值的内容。任何一个文化系统当中都可以分为三个层次，一个是制度，一个是技术，一个是观念。文化系统在发展的过程中也是逐步演变的，在初期阶段是以制度为主的，随着其不断的发展又出现了以技术为主的趋势。而在当前的发展中主要是观念上的转变。当前世界已经联系成一个整体，各国的文化都可以借助互联网进行有效的融合和交流，民族之间的差异性在逐渐减弱。而在大数据时代当中，我们需要做的就是要不断的弘扬自身优秀的文化传统，保持民族文化的独立性，根据自身的发展情况和未来的变革趋势去建立属于自己的数据系统。要想更好地提升企业的财务管理能力，企业就必须进一步明确财务分析和大数据的关系，统筹兼顾，实现资源的优化配置。众所周知，财务数据是企业最基本的数据之一，其积累量较大，其分析结果直接影响着企业财务管理的最终质量。因此，企业在进行决策分析时，必须坚持客观公正原则，以财务数据为基础，制定明确的分析指标和依据，以保证企业财务管理的平稳推进和运行。在开展财务分析工作的时候，财务管理人员一方面应该对当其的管理费用细则进行详细的了解和分析，同时还要在工作中将其与前一段的数据进行详细的分析和对比，从中总结出主要的不同点，这样也就可以更加科学合理的总结费用变化的规律，同时还能从这些规律当中找到出现这种变化的根本原因，在开展原因分析的时候应该建立一个多维度的模型，在这个模型当中，要对产生变化的要素做好标记工作。在数据分析的过程中，财务人员需要将非常大的一部分精力都放在管理和核算费用的审核上，此外在这一过程中还要查找资料。但是如果要使用大数据技术的话，这些流程只要在短短的几秒钟之内就可以全部完成，这样一来也就大大的提升了工作的效率。

2、结语