大数据时代信息的特征范文
时间：2024-01-02 17:56:03
导语：如何才能写好一篇大数据时代信息的特征，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
1 大数据的特征和大数据涉及的相关内容
1.1 大数据的主要特征分析
处在大数据时展背景下，大数据的特征体现也比较鲜明，首先在海量信息数据的特征方面就比较显著。在计算机的硬盘容量已经进行了升级，在容量上也大大的扩大了，在数据的规模上也不可同日而语。这就对信息技术的进一步发展有着重要的促进作用，这也是大数据时代的一个重要标志。再者是大数据的数据信息种类的多样化，多样化类型的传感器以及终端设备都是大数据信息数据的源头[1]。这样就形成了数据类型的多样化。
1.2 大数据涉及的相关内容分析
大数据发展下涉及到的内容是比较多的，在网络的安全问题上是大数据发展下的重要问题内容。大数据的发展为网络犯罪也提供了很大的便利，使得范围的模式发生了变化，并且在犯罪的水平上也比较高，这就对信息安全带来了很大的威胁。再有是涉及到的云数据，在云计算的应用下，也是面临着一些问题，使得在对数据的处理过程中会有着诸多不可测的风险。另外在个人设备管理的问题上，移动设备的应用广泛化，使得数据的存储和访问等都变得比较简单化，这也存在着信息安全的问题[2]。最后在涉及到的数据保密的内容层面也是需要急迫解决的。对于这些内容都要能够充分的重视。
2 大数据时代下信息安全问题和解决策略探究
2.1 大数据时代下信息安全问题分析
大数据时代背景下的信息安全问题也比较突出，主要体现在人们对大数据环境下的信息安全的意识没有得到强化，对信息的安全防范意识不足。网络的安全性问题在当前的社会发展中愈来愈严重，在一些社交平台或公共购物平台等，都可能对个人的信息造成泄漏，由于网络的开放性特征，也使得个人的信息安全得不到有效的保障。而当下的公众在信息安全的防范意识上还不是很强，这就使得信息安全问题发生的可能性就增大了。
再者，大数据环境下的信息已经成为高级可持续攻击载体。大数据自身的价值密度低的特征下，使得外界的环境影响比较敏感，容易受到黑客的攻击。而这些攻击的代码是处在大数据当中的，所以进行安全服务鉴别中就存在着很大的难度。这样就使得大数据信息成为了可持续攻击的一个载体，在这一方面的问题要能充分的重视，结合实际进行应对。
另外，大数据环境中的信息安全问题还体现在智能终端的威胁。移动智能终端在我国的使用数量不断的增长，这就使得智能终端的信息也比较多，在信息的安全性方面就存在着很大的隐患。智能终端一旦被破坏，就会使得信息丢失，而受到病毒的控制也会造成信息的安全性得不到有效保证[3]。
2.2 大数据时代下信息安全问题的解决策略
对于大数据时代背景下的信息安全问题的解决，要能从多方面进行考虑。首先在数据的结构优化措施的实施上要重视，这对信息安全保护有着重要作用发挥。由于大数据时代的数据信息比较复杂，在数量上也比较大，通过数据结构的优化和加密管理，就比较方便处理。能够在数据结构化基础上对入侵的数据就能实现智能化的辨别，在信息的安全系数上就得到了有效提升。
再者，大数据时代对信息安全的防范要进一步加强敏感数据的监管力度。大数据的海量信息的特征，使得在管理上存在着诸多难度，这就为黑客信息扫描检测漏洞提供了可能。故此政府方面要在大数据的监管力度上进行加强，在管理制度上结合实际进行有效完善，并要能够对移动设备的安全使用进行保障。从大数据的使用流程以及方法层面严格执行，这样才能保证对信息安全的保证。对大数据时代背景下的信息安全问题的解决，还要能从大数据平台建立方面得到加强。
另外，强化大数据信息安全技术的应用，不断的将安全保障技术进行优化。信息的安全性保障离不开技术的支持，要定期的对网络中的潜在漏洞实施扫描，在信息的安全防御层面进行有效加强。在大数据的技术研发方面要进行加强，将数据加密技术以及安全访问控制技术等得到有效应用，从整体上将信息安全的防范能力进行加强[4]。要能通过相关技术的应用，从数据信息的泄漏重点领域加以强化，通过对设备的访问权限设置，以及通过SSL技术的应用等，全面加强数据信息的安全保护作用。
例如：应用沙箱（Application Sandboxing）是一项借鉴于 Trusted BSD的技术。通过这一功能，可以对特定资源进行定义，对应用的访问权限作出限制，包括网络资源、内存及部分文件系统等。Gatekeeper是一项能让Mac电脑免遭恶意软件入侵的技术。有了Gatekeeper，你可以让那些被允许在Mac电脑上运行的应用，只能通过Mac App Store获取并签名，或成为由合法开发者签名的应用。
不仅如此，对大数据信息安全的保护还要从法律层面进行加强，完善网络信息的法律法规的保障措施。对个人隐私信息以及公共信息的安全保护进行加强，从法律层面来建设安全信息的保障体系，将信息安全的法律化要制定细化可操作的制度加以防范。
3 结语
总而言之，大数据背景下的信息安全防范愈来愈重要，要不断的将信息安全保护措施合理化的加以实施，从根本上保障个人以及企业的信息安全性，只有如此才能真正的对信息安全起到保障作用。此次主要从大数据环境下的信息安全问题和保障的措施实施进行了重点分析，希望有助于实际的信息安全保护。
参考文献：
[1]张茂月.大数据时代个人信息数据安全的新威胁及其保护[J].中国科技论坛，2015（07）.
[2]闫利平，申灿，张磊.完善大数据时代地方政府信息公开的思考[J].法制博览，2015（01）.
篇2
关键词：大数据 统计特征 情报关键词 关键词提取 方法
1 大数据的含义及特征
大数据即人们常说的非结构化数据，它借助计算机网络，可以存储大量数据，并保证数据的真实性。体量、速度和多样性是大数据定义中的关键内容。其基本特征主要有：第一，大数据数据总量增长规模非常大。同种类型的数据在传输过程中处于快速增长状态。第二，数据增长的速度非常快，以指数级持续增长模式为主。第三，新的数据来源渠道越来越多，新的数据类型也不断丰富。第四，大数据的价值不断上涨，大数据可以为企业发展带来更多商机，是现代企业发展过程中必不可少的内容。
2 相关研究现状及存在的问题
情报关键词是表述某个文件或者论文中重要内容的词语。本文中介绍的大数据时代基于统计特征的情报关键词是指以网页为主的关键内容，提取关键词的主要目的是分析语义和对核心词语进行统计。网页关键词在自动摘要、信息检索以及自动问答等形式中都存在较多不确定因素，导致大数据时代基于统计特征的情报关键词提取方法问题重重。
3 大数据时代基于统计特征的情报关键词提取方法
3.1 关键词提取方法的分类 关键词提取方法分四类：第一，基于语义的方法。以词典为依据，对词和句子进行分析，对词和句子进行分类标注，满足计算机对多重信息片段的实际需求，通过计算获得情报关键词。第二，基于机器学习的方法。利用机器对训练语料库进行训练，结合各项系数的实际状况，确立相关的参数、建立准确的模型。第三，基于复杂网络的方法。明确候选特征词之间的关系，以既定的规则为出发点，构建一个复杂网络，通过相关数据计算出节点权重系数和介数，最大的综合值即为关键词。第四，基于统计的方法。词语具有相关统计信息，以统计信息为基础，提取相关关键词。
3.2 关键词提取方法的构造
3.2.1 中文词语的特征及自动分词。中文词语通常由两个或者两个以上的汉字组成，句子具有连续性，要求研究人员利用大数据对中文句子进行分析之前，将句子划分为若干小部分。目前已经有自动标注词性的系统，可以自动过滤词和通用词语。
3.2.2 网页文本的结构特征及词语统计特征。MTML是一种标记语言，该标记语言的证书的目的是描述网页文档内容，以成对的标记符号为依据，明确显示网页的各个部分。词语统计的特征主要有：如果某篇文章中某个词语出现的频率比较高，在其他文本中出现的频率偏低，那么，这个词语即可作为候选关键词；同一词语在不同标记符号中对文章内容的反映结果不一样，也就是说词语出现的位置对关键词的选择有至关重要的作用。
3.2.3 词语过滤。文本中通常会存在大量噪声词。噪声词与文章的内容联系不大，噪声词在文本中和文本集合中出现的频率均比较高，噪声词通过词频和文本频率乘积的离散系数自动过滤。不同内容的文本长度不一样，噪声词在文本中出现的频率数受文本长度的影响，离散系数是指某个词语在文本中的波动程度，词语的离散系数与该次在文本中出现的稳定性成正比，也就是说，离散系数越大，该次在文本中的稳定性越差。
3.2.4 中文关键词提取流程图。本文以TfDf指标为依据，采用离散系数的方法将文本中存在的噪声词过滤除去，对候选关键词共现概率分布进行分析。确定TFIDF和候选关键词的位置信息，以TFIDF-SK为计算方法，以函数TFIDF-SK值作为关键词重要性的衡量标准。TFIDF-SK算法系统流程图如图1所示。
■
图1 TFIDF-SK算法系统流程图
TFIDF-SK算法将输入文本集合进行处理，处理工作中必须将文本集合中的噪声词过滤除去，做好词语统计特征；将收集到的信息计入特征计算模块，该模块的主要功能是计算TFIDF值、词语位置信息和偏度；进入关键词重要性衡量模块，计算出TFIDF-SK值；判断关键词重要性度量大小，输出文本中的情报关键词。
4 结束语
目前，国内外对大数据时代基于统计特征的情报关键词的提取方法均有统一评价，在实际发展过程中强化统计特征情报关键词的提取方法显得尤为重要。因此，研究人员必须在了解大数据含义及特征的前提下，针对大数据时代基于情报关键词提取方法存在的问题，对相关方法进行深入研究，保障情报关键词的稳定性。
参考文献：
[1]罗繁明，杨海深.大数据时代基于统计特征的情报关键词提取方法[J].情报资料工作，2013.
篇3
进入2010年以来，大数据（Big Data）一词越来越多地被提及与使用，人们用它来描述和定义信息爆炸时代产生的海量数，它已经出现过在《纽约时报》、《华尔街时报》的专栏封面，进入美国白宫网的新闻，现身在国内一些互联网主题的讲座沙龙中，甚至被嗅觉灵敏的国君证弧⒐泰君安、银河证坏刃唇了投资推荐报告，大数据时代来临据。
有人说21世纪是数据信息时代，移动互联、社交网络、电子商务大大拓展了互联网的疆界和应用领域。我们在享受便利的同时，也无偿贡献了自己的“行踪”。
国务院的《促进大数据发展行动纲要》（以下简称“纲要”）将大数据发展确立为国家战略。党的十八届五中全会明确提出，实施“互联网+”行动计划，发展分享经济，实施国家大数据战略。大力发展工业大数据和新兴产业大数据，利用大数据推动信息化和工业化深度融合，从而推动制造业网络化和智能化，正成为工业领域的发展热点。
二、什么是大数据
大数据（big data，mega data），或称巨量资料，指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。
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，而采用所有数据进行分析处理。大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。
大数据（Big Data）是指那些超过传统数据库系统处理能力的数据。它的数据规模和转输速度要求很高，或者其结构不适合原本的数据库系统。为了获取大数据中的价值，我们必须选择另一种方式来处理它。数据中隐藏着有价值的模式和信息，在以往需要相当的时间和成本才能提取这些信息。如沃尔玛或谷歌这类领先企业都要付高昂的代价才能从大数据中挖掘信息。而当今的各种资源，如硬件、云架构和开源软件使得大数据的处理更为方便和廉价。即使是在车库中创业的公司也可以用较低的价格租用云服务时间了。对于企业组织来讲，大数据的价值体现在两个方面：分析使用和二次开发。对大数据进行分析能揭示隐藏其中的信息。例如零售业中对门店销售、地理和社会信息的分析能提升对客户的理解。对大数据的二次开发则是那些成功的网络公司的长项。例如Facebook通过结合大量用户信息，定制出高度个性化的用户体验，并创造出一种新的广告模式。这种通过大数据创造出新产品和服务的商业行为并非巧合，谷歌、雅虎、亚马逊和Facebook它们都是大数据时代的创新者。”
三、大数据的四个特性
（一）海量性：企业面临着数据量的大规模增长。例如，IDC最近的报告预测称，到2020年，全球数据量将扩大50倍。目前，大数据的规模尚是一个不断变化的指标，单一数据集的规模范围从几十TB到数PB不等。简而言之，存储1PB数据将需要两万台配备50GB硬盘的个人电脑。此外，各种意想不到的来源都能产生数据。
多样性：一个普遍观点认为，人们使用互联网搜索是形成数据多样性的主要原因，这一看法部分正确。然而，数据多样性的增加主要是由于新型多结构数据，以及包括网络日志、社交媒体、互联网搜索、手机通话记录及传感器网络等数据类型造成。其中，部分传感器安装在火车、汽车和飞机上，每个传感器都增加了数据的多样性。
（二）高速性：高速描述的是数据被创建和移动的速度。在高速网络时代，通过基于实现软件性能优化的高速电脑处理器和服务器，创建实时数据流已成为流行趋势。企业不仅需要了解如何快速创建数据，还必须知道如何快速处理、分析并返回给用户，以满足他们的实时需求。根据IMS Research关于数据创建速度的调查，据预测，到2020年全球将拥有220亿部互联网连接设备。
（三）易变性：大数据具有多层结构，这意味着大数据会呈现出多变的形式和类型。相较传统的业务数据，大数据存在不规则和模糊不清的特性，造成很难甚至无法使用传统的应用软件进行分析。传统业务数据随时间演变已拥有标准的格式，能够被标准的商务智能软件识别。目前，企业面临的挑战是处理并从各种形式呈现的复杂数据中挖掘价值
（四）价值型：大数据技术离你我都并不遥远，它已经来到我们身边，渗透进入我们每个人的日常生活消费之中，时时刻刻，事事处处，我们无法逃遁，因为它无微不至：它提供了光怪陆离的全媒体，难以琢磨的云计算，无法抵御的仿真环境。大数据依仗于无处不在的传感器，比如手机、发带，甚至是能够收集司机身体数据的汽车，或是能够监控老人下床和行走速度与压力的“魔毯”（由GE与Intel联合开发），洞察了一切。通过大数据技术，人们能够在医院之外得悉自己的健康情况；而通过收集普通家庭的能耗数据，大数据技术给出人们切实可用的节能提醒；通过对城市交通的数据收集处理，大数据技术能够实现城市交通的优化。
四、大数据的三个特征
除了有四个特性之外，大数据时代的数据还呈现出其他三个特征。
第一个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求。
第二个特征是数据价值密度相对较低。如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。
第三个特征是处理速度快，时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。
五、大数据时代对生活、工作的影响
大数据，其影响除了经济方面的，它同时也能在政治、文化等方面产生深远的影响，大数据可以帮助人们开启循“数”管理的模式，也是我们当下“大社会”的集中体现，三分技术，七分数据，得数据者得天下。
大数据最核心的价值就是在于对于海量数据进行存储和分析。相比起现有的其他技术而言，大数据的“廉价、迅速、优化”这三方面的综合成本是最优的。
正是利用这三个方面的优势，大数据也影响着我们的衣食住行：
（一）自淘宝创立以来，大众的消费方式越发多元化，O2O、B2B等方式越来越丰富人们的日常生活。今类似的网站应用有很多都与数据以及地理信息相关，作为其代表之一，大众点评正是数据与地理信息的相互结合的优质结晶。
篇4
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5
关键词：大数据；信息处理技术；云计算；数据挖掘；安全保障
引言
信息技术以及网络科学技术的持续发展，使得各个领域中的信息和数据呈现出了爆炸式增长的态势。在海量的信息数据中，除了有效信息之外，还充斥着许多垃圾信息。如果不能运用合理有效的信息数据处理技术，对各项信息的种类与内容进行判断，则会影响社会现代化建设的效率。因此，本文对大数据时代下的计算机信息数据处理技术进行研究，具有鲜明的现实意义。
1大数据时代背景下计算机信息技术内容
计算机信息处理技术主要包括了建模、数据信息采集、处理加工以及存储等多个环节，具体流程如图1所示。
1.1建模
建立模型是大数据时代下计算机信息技术的基础环节，通过建立模型的方式可以为后续数据信息的分析和处理创造便利条件。在模型中进行数据分析，更加直观易懂[1]。目前，以大数据为依托的信息模型主要包括了流处理和批处理两种形式，在具体的模型建构中，技术人员要根据信息数据的处理需求，建立适合的模型，以起到提升数据处理效率的效果。
1.2采集
与以往的信息数据处理方式不同，大数据时代下的信息数据面临诸多挑战。多样化、大容量的数据信息特征，要求计算机信息技术能对各项信息进行有效采集和精准筛选。一般来说，技术人员要运用数据挖掘技术实现数据的筛选，以保障计算机信息数据处理的正确性。大数据时代信息数据的处理和加工要保证科学性，符合新时期计算机信息技术对数据处理的实际需求。
1.3存储
因为大数据时代下的信息种类和数量都较多，所以需要借助新的方式实现数据的安全有效存储。目前，云存储空间已经成为了人们首选的新型数据存储模式。这种处理模式具有空间大、速度快和安全性高的优势，符合大数据时代下人们对于信息数据存储的需求。云端的信息数据处理以及存储，为海量信息提供了稳定的存储平台，同时也为后续信息的调取提供了方便。
1.4加工
信息数据的加工是大数据时代下应用计算机信息技术对信息进行处理的重要环节，在此环节中，技术人员要根据时代特征、企业需求以及数据本身的类型，选择合理的计算机信息技术对数据进行加工处理。经过处理之后可以上传到云端空间进行存储，或者直接传出到企业终端进行使用。
2大数据时代背景下计算机信息技术处理面临的问题
2.1信息种类繁多
进入到大数据时代，越来越多的信息和数据进入到企业日常经营和管理工作当中。从一方面讲，虽然这种发展状态为企业的多样化管理提供了丰富的资源支持，但是，从另一个方面进行分析，也能看出企业如何在众多信息当中快速且精准地筛选出有效的信息，成为了企业现代化建设面临的一项重大难题。与之前的信息化时代相比，大数据时代下，计算机信息技术需要从海量信息资源中进行有效信息定位，因此实际的工作量会大大增加。不仅如此，在信息筛选中还会受到网络环境中不稳定因素的影响，其面临的安全威胁也明显增强[2]。由此可以看出，为了从根本上解决信息技术不稳定性因素的影响，相关领域的技术人员要不断地更新计算机信息技术，使其适应大数据时展的需求，为企业和社会的现代化信息建设提供帮助。
2.2新型人才缺失
大数据时代的来临加大了对计算机信息技术本身的挑战，同时也提升了对新型网络技术人才的要求。无论是在以往的信息社会还是在大数据背景下的新型信息化社会，技术人才的作用都十分关键。从企业发展的角度进行分析，以往企业的发展会受到传统观念的影响，因此对于人才的培养以及重视程度要求都较低。这一情况会使在专业化建设方面存在人才不足的问题，进而无法为其后续的发展提供及时、有效和专业性的指导。无论是从企业本身经济效益方面，还是整体社会效益方面，都会产生十分不利的影响。为了彻底解决这一问题，企业在现代建设中，除了要对技术进行优化升级之外，还要重视新型技术人才的培养。提高对人才的重视程度，并为员工打造更适合的培训方式，提升专业能力与综合素养。
3大数据时代背景下计算机信息技术处理问题的应对方法
3.1案例概述
以R搜索引擎模型为例，在原本搜索引擎中，采用的是横向搜索的模式，这种搜索模型并不能有效地结合用户的特征，对信息数据进行结构化与非结构化的处理。进入到大数据时代，搜索引擎模型的设计单位明确认识到了模型中存在的不足之处，因此借助大数据时代下的新型计算机信息技术，对模型进行改进，期望可以提高实际应用有效性[3]。
3.2需求分析
R搜索引擎模型期望将原本的横向搜索模式调整为垂直的搜索模式，并在原本的信息数据处理模块中增加二次处理模块，实现结构化的信息数据处理。二次处理模块要求具备分类、去重的功能，以便提升模块应用后搜索结果的精准性，同时提升信息数据搜索的速度。
3.3改进方法
3.3.1云计算为了使该搜索引擎模型达到预期的设计效果，技术人员运用了大数据时代下的新型计算机信息技术，将云计算功能纳入到了系统模型中。通过将计算机网络和云计算网络紧密地结合起来，发挥出了整合后的双重优势。云计算网络的应用，确保了计算机硬件设备更新之后的优势可以有效发挥，特别是随着高新电子科学技术的不断改革与完善，计算机硬件设备的更迭也要与时俱进，否则最终将会因为难以适应时代的发展和现实需求，而导致计算机网络管理工作失效的情况。云计算的应用促成了开放式网络模式的建立，公众们摆脱了网络中心的局限性，R搜索引擎借助云计算灵活和开放独特性，逐渐发挥出来互联网模式的优势，提升了信息数据的初始处理速率[4-5]。
3.3.2高端人才人才是计算机信息技术应用的保障，人才本身的能力和水平，会影响到计算机信息技术发挥的有效性与合理性。在大数据时代下，计算机信息技术相关专业的高端人才需求量大幅度增长。部分企业虽然在发展的过程中搭建了各种不同的网络媒体平台，但是由于缺乏相应的技术人才，网络平台的后续维护成为了一项难题。对此，R搜索引擎除了积极引进先进的科学技术人才之外，还对内部的人才结构进行了调整。比如，R搜索引擎将搜索引擎功能和视觉信息处理技术相互结合，提出用主动光源而非算法来解决。团队提出的CCA方法可以把可见光图像和近红外图像提取一个共同特征，在CCA的空间来进行，然后用各种各样的局部特征进行处理和滤波，提取一些共同特征。R搜索引擎将发展目光放得更为长远，在发展的过程中，从降低成本、提升竞争力等方面进行了人才的专项培养，将高端科学技术作为依托，为搜索引擎模型和企业的长久发展提供了战略性支持[6]。
3.3.3数据挖掘大数据背景下，各项信息数据的处理技术都得以充分完善，越来越多的信息和数据汇聚到了一起，不同数据之间内在的联系性也得以增强。但是，因为部分数据为冗余数据的范畴，在社会现代化建设中并不能发挥出实际效用，所以如何从这些数据中挖掘出有效信息，成为了R搜索引擎相关领域工作人员实际工作主要目标。数据挖掘技术的优化，除了可以提升数据筛选的效率之外，还可以达到节约信息数据搜索与处理的成本。计算机信息技术中数据挖掘技术能提升技术本身对于数据信息的分析与加工处理能力，最终发现不同数据之间存在的内在联系，筛选出有利于社会建设的有效信息[7-8]。
3.3.4安全保障大数据发展背景下的互联网环境开放性进一步增强，当大众通过互联网进行有效对信息搜索与筛选时，不可避免地会暴露自己的部分信息，如果缺乏合理有效的监管，很有可能被不法分子利用，窃取个人信息，损害个人利益，并且还会对社会的发展造成危害。因此，互联网信息技术的安全性和保障性技术十分重要，特别是在大数据时代下，以往的信息管理系统不能对网络中出现的信息数据进行高效筛选，而经过改进的大数据信息技术，R搜索引擎不仅实现了高效处理，同时也增强了管理工作的科学性和安全性。面对多种不同类型的网络攻击以及计算机病毒侵入，都可以帮助企业和个人保护各自的信息不受到侵害[9-10]。
3.4结果分析
R搜索引擎在大数据时代背景下，对计算机信息处理技术进行了调整，同时引进并培养了现代化的高端技术人才，为产品模型的优化升级提供了强大动力支持。经过一系列改革之后，R搜索引擎最终将服务器的稳定性提升了23.4%，并且网站的更新频率、外链数量以及流量排名等都进入到了前3位，用户综合体验排名第1。
篇6
关键词 大数据；信息安全；隐私保护
中图分类号：TP311 文献标识码：A 文章编号：1671-7597（2014）10-0072-01
在大数据时代，信息与数据的分析、研究都更加复杂、繁琐，并且难以管理。根据相关调查统计，仅过去三年内全球的数据产生量就超过了过去四百年产生的数据总量。随着数据的不断增多，企业对数据安全性和隐私性的要求愈加严格，大数据的安全与隐私问题也日益凸显。如何应对大数据时代下的数据安全性挑战，是全球都应积极思考的问题。
1 大数据综述
1.1 大数据的特性以及来源
一般来说，大数据指的是难以使用现有的数据处理工具、方法处理，且规模庞大、结构复杂的数据集。其特性可以归结为四点，即规模性、多样性、高速性以及价值性。大数据往往需要借助于一些机器才能得以产生，其产生的来源有许多方面，主要有：传感器、网站点击、射频ID以及移动设备等。
1.2 大数据的应用目标
根据大数据的分析现状来看，其被广泛应用于商业领域、科学领域、医药领域等多个领域中。大数据在各个领域中的用途迥异，但应用目标相似，主要有：1）通过对现有数据进行分析、挖掘，可以及时获取有价值的信息。这些信息的挖掘有助于人们透过现象看到事物本质，进而更好、更快地把握住其发展规律，实现对事物发展趋势的预测。2）通过长期的、多角度的对数据进行分析、积累、对比，可以总结出用户的个性化特征。企业能够利用这些个性化特征，掌握用户的行为习惯，对用户进行定位、分类，进而针对不同群体提供个性化的服务。3）通过对数据进行分析，可以及时辨别出数据的真伪性。网络是把双刃剑，它一方面为信息的共享创造了有利的条件，另一方面也使得虚假信息的传播更为迅速。前文中提到，大数据具有多样性、高速性，因而可以利用大数据辨别信息的真伪性，有效实现对海量信息的去粗取精、去伪存真。
2 大数据面临的安全考验
随着科学技术的不断发展，大数据时代已经到来，其带给我们机遇、价值的同时，还带来了新的安全挑战。近年来，大数据的安全与隐私问题广为关注、担忧，而“棱镜门”的曝光更加凸显了这一问题。不同于传统的安全性问题，在大数据时代下，数据面临的安全考验主要有以下几个方面。
2.1 用户隐私保护考验
事实证明，如果大数据没有得到妥善的处理，会为用户的隐私带来极大的威胁。根据受保护对象的不同，可以将隐私保护分为三类，即位置保护、连接关系保护以及标识符保护。在大数据时代，用户隐私所面临的威胁不只是个人的隐私泄露这一方面，还包括大数据对其状态及行为的分析预测。现在很多企业认为只要将信息进行匿名处理，公布不含有用户标识符的信息，就能够实现对用户的隐私进行保护了，然而事实证明，这种做法取得的保护效果并不理想。总的来说，目前对用户的数据进行采集、储存、使用以及管理等工作时，均缺乏相应的标准、规范以及监管，对企业自律性过于自信以及依赖。此外，用户并不会被告知其隐私信息被用于何处。
2.2 大数据的可靠程度
目前人们普遍认为摆在眼前的数据就是事实，其可以充分证明一切。然而，数据是具有一定欺骗性的，如果不能对其进行甄选，很容易被数据的假象欺骗。大数据的这种欺骗性主要反映在两个方面，一方面是伪造的数据，另一方面是失真的数据。为了达到某种效果，可能会有人通过伪造数据来制造假象，进而对数据分析人员进行诱导。由于数据的规模性和多样性，真假信息往往很难被辨别，从而造成错误的结论。此外，由于在数据收集、储存等过程中出现的误差，很容易造成数据失真，会对其分析结果造成一定的影响。
3 大数据安全与隐私保护技术
3.1 数据溯源技术
该技术在大数据概念形成之前便被广泛采纳，其旨在帮助使用者确定数据的来源，进而检验分析结果是否正确，或对数据进行更新。标记法是该技术的基本方法，并且，在实践过程中逐渐演化为Why和Where两种形式，侧重点分别为计算方法和出处。该技术在文件的溯源以及恢复等工作中发挥着巨大的作用，并且可被运用于云存储场景之中。2009年，数据溯源技术被相关报告列为三大确保国家安全的重要技术之一，其在未来数据信息安全领域中仍具有很大的发展空间。
3.2 角色挖掘技术
RBAC（以相关角色为基础进行访问控制）在早期采用自顶向下的管理模式――以企业角色为依据进行角色分工，后期选用了自底向上的管理模式――根据现有角色自动实现角色的优化与提取，后者即为角色挖掘。通常情况下，使用该技术可以根据用户的点击情况，自动对其进行角色生产，不仅能及时完成个性化服务，还可以针对用户的异常行为发现潜在的危险。
3.3 身份认证技术
该技术通过采集并分析用户及其使用设备的行为数据，获取用户及其使用设备的行为特征，进而可以通过利用获取的特征信息对操作者及其使用设备的行为进行验证，以确定其身份。身份认证技术的使用增加了黑客的攻击难度、减轻了用户的负担，并且切实统一了不同系统的认证机制。
4 总结
总而言之，大数据时代的到来不仅为人类社会带来了发展机遇，也带来了前所未有的安全挑战，加强信息安全、保护数据隐私的口号响彻全球。若要真正实现大数据安全与隐私的保护，就应从大数据安全漏洞着手，积极发展、运用数据溯源、角色挖掘、身份认证等保护技术，同时还要建立、健全相关的体制法规，实现一手抓技术、一手抓政策，全面的对大数据安全与隐私进行保护。
参考文献
[1]戈悦迎.大数据时代信息安全与公民个人隐私保护[J].中国信息界，2014（1）.
[2]冯登国，张敏，李昊.大数据安全与隐私保护[J].计算机学报，2014（1）.
[3]谢邦昌，蒋叶飞.大数据时代隐私如何保护[J].中国统计，2013（6）.
篇7
大数据作为互联网、物联网、云计算之后IT产业重大应用技术，正在重新定义社会管理与国家战略、组织决策、企业业务流程等概念。以互联网为代表的新兴信息技术大量运用导致全球范围内的数据信息以几何级数递增，这种爆发式增长态势将改变人们生活的各个方面，同时大数据也会影响企业的行为模式，改变企业的决策方式。
1．1大数据的概念
不同的人对“大数据”有不同的理解。从企业管理的角度上看，笔者认为大数据有以下内涵:①大数据是一个决策支持系统，可以提供海量的数据信息，通过梳理、筛选、分类，大数据能够揭示出各种隐含且有用的信息，帮助决策者在复杂的环境下科学地进行决策，从而克服拍脑门、拍胸膛、拍屁股的“三拍”决策模式。②大数据是一个技术平台，通过这个平台可以为传统产品改造和升级指明方向，从而提升其产品技术含量、降低成本增加其附加值。③大数据是一种定量分析的能力，可以提升企业管理者洞察事物本质的能力、优化生产流程的能力。大数据的意义在于提升数据专业化加工处理能力，大数据能否带来利益在于能否通过数据分析实现企业价值增值。④大数据是一种分析工具，由于社会分工越来越专业，数据挖掘工具越来越多，这就要求企业决策者了解和掌握这些有效的分析工具。大数据要求企业决策者具备学习能力和知识更新能力，要求企业决策者提升定量分析的能力。透过特定的大数据分析工具，可以使企业决策者更好地解析产品和市场中的特定信息，了解产品的竞争地位和客户信息，可以为企业提供更精准优质的服务。⑤大数据提供一个完整的过程分享。互联网时代可以提供此前无法分享的信息，客户现在通过大数据可以了解产品在企业订单、生产、制造和运输过程的全部动态信息。
1．2大数据的特征
一般意义而言，大数据有以下几个特征:①数据种类多(Variety)。从财务数据到社交媒体数据;从文字图表到图像;从音频文件到视频数据等各种类型数据。②数据量大(Volume)。随着互联网和通信技术能力的提升，能够产生超越历史的海量数据信息。③变化速度快(Velocity)。如亚马逊每天产生630万笔订单。有人经过测算，2003年以前人类创造并记录的所有信息量的总和为5TB，而现在产生同样的数据量仅需两天。④蕴藏的商业价值大(Value)。大数据犹如一个巨大的宝藏，蕴含着无尽的财富。这就是大数据的4V特性。
2大数据在企业管理中的作用
2．1宏观作用分析
(1)用于PEST分析。PEST分析方法即大数据用于对政治或政策、经济环境、社会环境和科学科技等几个方面进行的分析。(2)用于市场潜力分析。将大数据用于分析人口规模总量、地区分布、性别与年龄结构、收入与消费结构、常住与流动性等方面;还可以分析行业规模、细分市场增长潜力及行业发展方向，获得更多市场开发信息，减少开发成本和无效的广告支出，提高企业竞争力。(3)用于行业集中度分析。集中度分析又称为行业集中率，是指某行业的前n家最大的企业产销量占市场总额的百分比。集中度有绝对集中度与相对集中度之别，可以分别进行计算。(4)用于发现快速成长的新兴产业。通过大数据，可以了解那些产品和用户增长速度飞快的企业，例如随着信息技术的飞速发展，电子商务获得了快速成长的空间，物流企业如雨后春笋般地增长趋势。大数据可以辅助发现业务增长快或者用户量增长快的企业。
2．2微观作用分析
(1)更高效的供应链管理。例如一家服装小企业，通过大数据平台直接把产品从工厂送达到全球各地的用户手中，使国外市场的销售额比上年同期增加了70%，但交易成本只是过去的1/10。说明这家企业通过大数据缩短了销售路径、节约了销售成本、增加了利润。过去销售环节中要经历国内出口商—国外进口商—批发商—零售商的路径模式，而现在可以直达用户，大大提高了供应链的物流效率。(2)更快捷地获取信息。卡夫食品公司通过采用IBM大数据与分析方案，在10．5亿条博客、论坛和讨论版的内容中抓取了47．9万条关于Vegemite新产品的讨论信息，并进行深层分析，最终高效地完成了产品升级。该案例表明大数据平台使企业能比过去更快捷地获取信息并取得决策优势，从而增强企业的应变力［3］。(3)更有效地提供服务。菲亚特汽车公司通过大数据分析，提前预测哪些人会购买特定型号的菲亚特汽车。通过采用IBM大数据的解决方案，将目标客户的响应率提高了15%～20%，客户忠诚度提高了7%，54%的客户在第二次购车时仍选择了菲亚特。可见，企业通过大数据平台的相关分析，使得客户目标更明确、服务更有效。(4)更精准的广告投放。2012年Facebook公司的广告收入高达43亿美元，是因为Facebook提供了新的广告系统，该系统具有传统广告所没有的新功能。只要广告客户将众多的产品照片上传到其数据库，用户一旦登录Facebook，该广告系统便会根据不同用户的年龄、兴趣、特点，自动生成相关广告，投放的依据是对用户“关系图谱”的数据分析。(5)更强大的风险防范能力。大数据环境下企业面对的经营管理环境存在着许多潜在的未知风险。互联网言论影响效应被放大，企业在发展过程中更易受到外界包括舆论环境的影响。企业在面对这些不可预知的对企业发展有较大影响的因素，应有针对性地利用大数据进行准确分析，找出对企业存在隐蔽性威胁的因素，进而采取相应措施来规避这些威胁因素，防范企业各类风险。根据专业机构调查显示，大多数企业决策者在被问到大数据对企业有哪些作用时，回收统计数据表明:①可以改善客户关系;②可以优化企业运营管理;③可以提高企业风险与财务管理水平;④可以帮助企业开拓新的业务模式;⑤可以提升员工的协作能力。
3大数据时代企业管理的新特征
3．1企业与外界信息互动更加频繁快捷
信息来源更广泛，信息互动更快捷。一些企业为了适应大数据时代的变化，正在构建自己的信息平台。通过信息平台，企业可以实现与外界的即时沟通与对话。例如武汉中商旗下的中商百货连锁公司和中商平价连锁公司都已建立微信公共平台;天虹商场宣布与微信合作;友阿股份与腾讯合作建设微信公众平台。
3．2“数据”成为越来越重要的战略资源
互联网时代，“资源”的概念正发生变化，企业资源不仅指原材料、生产设备、员工、技术专利，还包括大数据信息;不仅指具有实物形态的煤炭、石油、天然气、金属资源和农产品等，还包括看不见摸不着的企业数据信息。互联网时代每分钟都在产生大量的数据，这些庞大的数据资源构成了数据加工企业的原材料，其产品可以帮助企业生产者更好地了解世界、了解市场、了解不同人群的需求方式。大数据日益成为企业生产经营的重要环节，被许多公司视为一种可计算的真实财富。2006年，微软以1．1亿美元的价格购买了大数据公司Forecast。2008年，谷歌则以7亿美元的价格购买了为Forecast提供数据的ITASoftware公司。可见，大数据时代改变了企业现存条件下的资源概念，数据正在成为企业的重要资源。
3．3内部信息更加公开透明
在大数据时代，公众有更多机会参与并监督企业社会责任报告的制定与执行的全过程。密切关注企业履行社会责任的理念、过程、方式，监督企业经营活动对社会、经济、环境等领域造成的直接和间接影响。公众有权要求公司承担更多的社会责任，过去那种不关心社会责任追求股东利润最大化的企业运营方式，带来了许多负面后果，如损害雇员的健康和福利、损害居民环境等问题［6］。随着信息的开发透明，那些不承担社会责任的企业将暴露在大数据的阳光下而无处藏身，会受到公众的舆论指责进而影响企业自身形象。
3．4更便捷的即时服务与过程分享
大数据时代使沟通更加便利和即时，企业可以通过大数据平台与企业内部员工沟通，也可以通过平台与企业外部客户与供应商之间进行沟通与互动。例如社交媒体通过挖掘用户数据制定有针对性的营销策略，用户所发表的评论、图像、视频及对评论的支持与反对，蕴含着用户消费倾向。
3．5数据挖掘工具成为企业决策的重要帮手
数据挖掘是从大量、不完全、有噪声、随机、模糊的数据中提取隐含在其中的、人们事先不明确，但又是潜在有用的信息和知识的过程。数据挖掘是一门交叉学科，它把人们对数据的应用从低层次的简单查询，提升到数据中的知识发现与智慧凝练。数据挖掘需要各种复合技术人才将数据库知识、统计原理、人工智能技术、并行计算方法等内容的知识进行融合创新，正在形成新的技术热点。有条件的公司应当加大情报研究和数据挖掘技术投入，招聘数据分析师，对企业所在的行业、市场前景、竞争状况、发展趋势进行预测和预警，为企业决策提供有效支持。在全球500强企业中，90%以上的重要投资与经营决策都取决于充分的数据分析支持。在欧美等发达地区，数据分析普遍被作为运营决策的前提要素，为社会经济的高速发展发挥了巨大作用。
4大数据时代企业的对策
4．1建立有效的信息平台，防范企业经营风险
信息为客户和顾客提供更好的选择，企业只能做好自身工作才能立于不败之地。通过信息平台，将客户资料进行科学分类，按照不同的分组标志将客户划分为不同的客户群体，研究不同客户的习惯、行为、企业文化、爱好特点;重视对大客户的管理，尽可能满足大客户的需求，优先保障对大客户的供应，听取大客户对产品质量改进方面的要求，邀请大客户参与技术革新和产品升级方案。不忽略中小客户的需求，有差别地定制出符合其不同需要的特色产品，更好地满足中、小客户对产品的需求。
4．2与信息技术的深度融合，加快实现产业升级
有专家指出，大数据将会在未来10年内改变几乎每一个行业的业务功能，促进各行业的业务转型和升级。美国的17个行业中，已经有15个行业大公司拥有大量的数据系统，其平均拥有的数据量已经远远超过了美国国会图书馆所拥有的数据量。在医疗与健康行业，根据麦肯锡预测，大数据将使美国医疗市场每年多获得3000亿美元的新价值，并使全国医疗开支减少1/3。在制造领域企业将采用IT系统，包括电脑辅助设计、工程制造、产品开发管理的数字制造平台PLM，将多种系统的数据集整合在一起，满足多种功能和特色的需求。此外，在智能交通、再生能源、新材料、贸易零售、餐饮服务等行业，正在以大数据为契机，加速其与大数据的融合，形成大批“互联网+”企业。
4．3借助企业外脑，提升企业服务水平
由于行业差异，专业数据信息分析公司能够提供更专业的信息服务。专业数据分析公司通过对数据分析去发现隐含的问题，提出专业诊断，为科学决策提供依据。例如，淘宝作为一种新兴的商业模式平台，以顾客订单需求为导向，发掘大数据进行相关分析，进而能够针对性地为顾客提供个性化服务。
4．4更加重视新技术的推广与应用
新技术的应用是大数据开发的基础和源泉。在不久的将来，也许很多原来单纯依靠人类自身判断力的领域应用，最终都将被计算机系统的数据分析和数据挖掘功能所普遍改变甚至取代。一小片合适的信息，也许会促使创新迈进一大步;一组数据，也可能会超出数据收集人难以想象的应用，甚至可能在另一个看起来毫不相关的领域得到应用。借助这些创新型的大数据应用，数据的能量将会层层被放大。下一代互联网实际上就是一个全球的数据库网，在这个数据库网中，计算机可自动为用户搜寻、检索和集成网上最新技术的信息，加快技术更新和应用的步伐。
4．5更加重视企业的社会责任
大数据时代企业应当将利润与企业社会责任很好地统一起来。让企业的经济发展与其社会价值和环境保护相结合。大数据时代将企业直接置于公众的监视之下，因此企业要取得良好的经济利益必须注重企业的社会责任。全球500强企业中90%以上的重要投资与经营决策都充分依赖大数据分析支持。“只有那些能够尽早发现大数据价值，并及时反映到业务中，从而树立竞争优势地位的数据驱动型企业，才能在如今充斥着多种多样数据的时代中生存下来”。只有充分认识大数据时代企业管理的特征，加速与信息技术的深度融合，提前应对环境变化的企业，才能在未来发展中抓住先机快速发展。
5结论
篇8
一、大数据时代的特点
大数据时代，数据成为企业生存与发展的基石，任何受众在接触媒体时都会留下痕迹，其行为都可以被监测，这些数据都与该媒体的受众息息相关，这些数据也是大数据时代企业获得竞争优势的基础。
维克托・迈尔―舍恩伯格在他的著作《大数据时代》中提到，大数据的精髓在于我们分析信息时的三个转变：第一个转变就是，在大数据时代，我们可以分析更多的数据，有时候甚至可以处理和某个特别现象相关的所有数据，而不再依赖于随机采样。第二个改变就是，研究数据如此之多，以至于我们不再热衷于追求精确度。第三个转变因前两个转变而促成，即我们不再热衷于寻找因果关系，而应该寻找事物之间的相关关系。
大数据时代的上述特征恰好符合决策理论“管理就是决策”的基本思想，本文基于这些特征，对决策理论在企业管理中的应用进行分析，进而提出大数据时代企业管理面临的挑战。
二、决策理论与大数据时代企业管理
1.决策理论。决策是人类的固有行为。有管理，就有决策。现代决策理论在20世纪40年代以后由美国卡内基――梅隆大学的H.A・西蒙和斯坦福大学的J.G・马奇等人倡导并发展起来的。西蒙等人研究了决策思维的信息输入、加工及输出过程，并将这些研究成果扩展到计算机科学的研究范围，用计算机程序来模拟人的决策过程，产生了人工智能的新科学，为现代决策理论奠定了坚实的理论基础。
现代决策理论认为，组织的全部管理活动的中心过程就是决策。决策贯彻于管理的全过程，管理就是决策。西蒙的以“理性有限论”为基础的“满意决策理论”是现代管理学派的典型代表。
影响领导者制定决策的因素是多方面的，有外部的环境、政策、法律等因素，同时也涉及决策者自身的性格特征。Rowe提出了影响决策的四力模型，他认为决策的制订及决策的执行过程中，决策者会受到四种力量的影响，分别为外部环境、内部组织、任务要求及个人需求。
2.决策理论在企业管理中的应用。大数据的核心就是预测，是把数学算法运用到海量的数据上来预测事情发生的可能性。对事情的准确预测是决策的基础。
（1）大数据下的企业外部环境。大数据的主要特点之一是“复杂多变”，“变”已经成为企业面临的一种常态化的环境。数据的多样性（多源、异构、多模态、不连贯语法或语义等） 、低价值密度（大量不相关信息、知识“提纯”难度高）、实时性（数据需实时生成、存储、处理和分析）等复杂特征日益显著。
数据来源极其广泛，数据类型极为繁杂 。这些复杂的数据和社会网络应用的发展使当今的网络环境成为了一个巨大的、精准映射并持续记录人类行为特征的数字世界。这一数字世界所蕴藏并不断积累的大量数据已成为深刻理解人在社会和商务活动中的行为规律的必要依托。企业最常用的是交易数据和交互数据（如社区网络数据、新闻媒体数据、微博数据、微信数据），把交易数据和交互数据糅合起来进行大数据处理，就有机会开展业务创新，促进整个业务的转型。大数据时代，企业处在社会媒体、在线用户群体、上下游企业合作和竞争对手构成的“网络生态系统”中。在这种环境下，企业的运作需要趋于动态化和网络化，与多个方面的利益相关者建立动态的“虚拟社区”或者“企业联盟”。有效实现资源优化和信息共享，形成协同共生机制，以应对激烈的市场竞争。
（2）大数据下的决策者个人需求。长期以来，管理者依靠经验、理论和思想做决策。在大数据时代，直觉判断要让位于精准的数据分析。企业高管需要关注的是发现和提出正确的问题，而不用担心解决问题需要的数据缺失或者无法获取。也就是说，大数据让决策重心重回问题本身。
大数据背景下，产品和服务的提供以及价值创造逐步走向社会化。主动引导用户参与产品的创意、设计、质量保证、市场推广、销售和客户关系管理等环节，根据与用户的互动改进产品和服务，以实现企业的快速发展。在这过程中，一线员工和基层管理者的作用空前重要，他们是企业获得决策所需信息的基础。
（3）大数据下的企业任务要求。任务要求是指企业执行任务所需的不同技能、知识和技术。大数据时代的重要特征是针对全部数据而非样本数据进行分析，寻求相关关系而不是因果关系。因此超大规模的数据分析是大数据应用需要解决的核心问题。云计算是一个管理和处理大数据的有效工具和基础平台，为数据处理、管理和分析提供支撑。云计算主要解决两个问题，一是将大量异构和本质不同数据源结构化；二是对这些数据进行管理、处理和转换，为商业智能（BI）和企业决策服务。另一个重要技术是数据挖掘，数据挖掘是指从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的，但又是潜在有用信息和知识的过程。
（4）大数据下的内部组织。大数据下员工广泛参与导致决策权的重新分配，进而影响企业决策组织结构和决策文化。企业决策组织结构重要的两项因素就是集中决策、分散决策的选择和决策权分配问题。随着信息技术的发展，以“金字塔”型为代表的传统组织结构被企业管理网络化、权力分散化和体现人本管理的扁平化组织结构所替代。大数据时代，企业决策需要全员参与，扁平化组织结构的趋势更加明显，决策权也应该做出相应的调整。
三、大数据时代企业管理面临的挑战
1.大公司数据垄断。大数据时代，数据是企业获取竞争优势的基础。Google、Facebook、亚马逊、阿里巴巴、腾讯和百度等国内外互联网巨头可以很容易获得海量的用户互动数据和交易数据，但是对于广大中小企业而言，获取数据则相对比较困难。互联网巨头可以获得类似于上个世纪能源巨头企业的垄断地位，并且数据是有累积效果的，数据的累积可以让数据的边际价值上升，从而进一步增强大企业的垄断。
2.大数据管理成本的挑战。大数据分析需要企业在软硬件设备上的大量投入。企业面临海量非结构化的数据，快速有效的对数据进行分析，需要一个复杂的数据分析系统，而现阶段数据分析系统价格相当昂贵。这些数据分析系统的运行对硬件的要求近乎苛刻，高配置的硬件设备也价值不菲。这对于广大中小型企业来说是一个很大的负担。
大数据管理能耗成本也不容小觑。在能源价格上涨、数据中心存储规模不断扩大的今天，高能耗已逐渐成为制约大数据快速发展的一个瓶颈，从小型集群到大规模数据中心都面临着降低能耗的问题。针对这个问题，《纽约时报》和麦肯锡经过一年的联合调查，最终在《纽约时报》上发表文章“Power， pollution and the Internet”调查显示Google数据中心年耗电量约为300万瓦，而Facebook则在60万瓦左右。
3.信息安全的挑战。大数据给企业核心信息的保存带来了技术上的难题。交易数据和交互数据的产生和传输都是在互联网中进行。这个过程中存在很多客户终端和节点，给数据安全带来了很大的风险。企业为降低成本通常把企业数据存储在云端，云服务商可以看到企业管理和决策的全部数据，商业秘密泄露的风险非常大。另一方面，企业的数据涉及大量用户的隐私信息，包括客户位置、交易历史、个人偏好等信息。这些信息使用不当或者泄露很可能使企业陷入法律纠纷，为企业带来灾难式的不良影响。
4.大数据人才稀缺的挑战。从大数据中获取价值，至少需要三类关键人才队伍：一是进行大数据分析的资深分析型人才；二是精通如何申请、使用大数据分析的管理者和分析家；三是实现大数据的技术支持人才。但是，目前大数据从业人员面临巨大的缺口。据麦肯锡全球研究所的一项调查预测，美国在未来六年内，拥有扎实分析技能的人才有14万至19万的人员缺口，而懂得使用相应工具分析大数据、作出合理决策的管理和分析人员预计有100万的人员缺口。
篇9
网络舆情是指在一定的社会空间内，通过网络围绕中介性社会事件的发生、发展和变化，民众对公共问题和社会管理者产生和持有的社会政治态度、信念和价值观。关于大数据，当前有多种解释，用的最多是4V，即大数据具备规模性（Volume）、多样性（Variety）、高速性（Velocity）、价值性（Value）四个特征。规模性指数据量巨大；多样性指数据类型繁多；高速性指数据创建、处理和分析的速度在持续加快，大数据的价值往往呈现稀疏性。本文旨在探讨大数据背景下的网络舆情新特点及其管理。
大数据时代网络舆情的特点
第一，体量巨大。据国际数据公司（IDC）研究报告，到2020年，全球数据使用量预计暴增44倍，达到35.2ZB（1ZB相当于13亿中国人每人一台1000G容量的电脑所储存的信息量），至2012年，非结构化数据占有比例将达到互联网整个数据量的75%以上，比结构化数据增长快10到50倍。
第二，类型复杂。在大数据时代，网络信息纷繁复杂，产生的数据形式和来源也多种多样，涵盖了文本、音频、图片、视频等不同类型的数据，使网络舆情信息变得更加复杂。
第三，价值密度低。受到存储和计算成本因素的影响，大数据的价值密度远远低于传统关系型数据库中已有的数据。目前许多数据仍处于“孤岛”状态，单一或少数领域的大数据不仅价值有限，而且还存在片面性风险。大量的不相关信息中，需要沙里淘金。
第四，传播速度快。大数据是一种以实时数据处理、实时结果导向为特征的解决方案，要求网络舆情信息处理更加迅速，包括两个层面：一是数据产生得快。有的数据是爆发式产生，有的数据是涓涓细流式产生，但是由于用户众多，短时间内产生的数据量依然非常庞大。二是数据处理得快。在数据处理方面，有一个著名的“1秒定律”，即要在秒级时间范围内给出分析结果，超出这个时间，数据就失去价值了。
大数据时代网络舆情的新变化
首先，网络舆情信息空前繁荣。人们利用各种新媒体工具在网络发表意见，阐述观点，使很多社会话题在一段时间内成为街谈巷议的焦点。据2015舆情蓝皮书指出，2015年1月1日至2015年10月31日的500件社会热点事件的统计表明，其中44.4%的事件由互联网披露而引发公众关注；可以明确源发于“两微一端”（微博、微信、移动客户端）的有64件，占12.8%。由此可见，互联网对社会舆论的议程设置的影响巨大，已成为思想文化信息的集散地和社会舆论的放大器。
其次，传统媒体的议程设置能力下降。据2015舆情蓝皮书指出，在移动终端平台，微博、微信、客户端的覆盖人群和影响力不断扩大。微信覆盖了90%以上的智能手机，55.2%的微信用户每天打开微信超过10次。“两微一端”成为很多中国人了解新闻时事的第一信息源，特别是拥有月活跃用户6.5亿的微信，成为社会舆论的新引擎；与此同时，报纸、杂志、电视等传统媒体的议程设置能力进一步下降。
第三，突发事件话语体系不可控性增强。突发事件话语体系在以大数据为基础的社会化媒体中呈现出迥异于传统舆论的一些特征，如舆论主体的匿名性与参与渠道的广泛性、传播空间的无界性与意见汇聚的实时性、议题生成的自发性与舆论发展的不确定性等。加之，目前我国正处于突发事件的高发期，多种诱发因素、连环作用，增加了更多的不确定性，因此，突发事件的话语体系较之以往不可控性增强。
大数据时代网络舆情的应对与管理
首先，大数据时代的舆情监测。大数据舆情监测是为适应大数据时代的舆情和服务而发展起来的，其主要专注于通过海量信息采集、智能语义分析、自然语言处理、数据挖掘，以及机器学习等技术，不间断地监控网站、论坛、博客、微博、平面媒体、微信等信息，及时、全面、准确地掌握各种信息和网络动向，从浩瀚的大数据宇宙中发掘事件苗头、归纳舆论观点倾向、掌握公众态度情绪，并结合历史相似和类似事件进行趋势预测和应对建议。面对数亿网民和浩如烟海的网络言论，网络舆情的监测和分析越来越依赖舆情大数据分析技术与平台。
其次，大数据时代的舆情研判。通过分析处理整群数据和人工智能技术，结合人工经验，可以对舆情发展态势和影响进行研判。
1.对趋势做出正确的判断是大数据时代舆情管理的核心。大数据的目标是前瞻与预测，国外研究人员发现，一个地区Google搜索关键词中的“流感症状”等出现的高峰，要比医院急诊室里流感患者增加出现的时间早两三个星期；在经济预测方面，Google房产相关搜索量的增减趋势比地产经济学家的预测更加准确。大数据的蓬勃发展给舆情监控带来挑战，也给舆情管理提出更高的要求，不但要通过大数据技术手段，分析事件的关注程度、传播情况、发展趋势、网民情绪变化，还要深入某个观点的影响程度、影响人群，从而预测舆情走向，并对趋势做出正确的判断。
篇10
关键词信息技术；大数据；新闻传播
当今社会已经进入了大数据时代，大数据对社会生活的影响越来越广泛和深刻。无论是日益火爆的网上购物，还是一款新闻App的发展，都离不开大数据时代的影响。而作为国家上层建筑的新闻传播领域，更需要大数据的分析和作用。
1大数据在我国的发展及特征
“大数据”是指以多元形式，自许多来源搜集而来的庞大数据组，往往具有实时性。近几年，我国也逐渐地进入到了大数据时代，利用大数据进行分析的领域越来越广泛。作为一个新生事物，大数据具有以下几个特征：1）数据庞大：所谓大数据时代，首先就是拥有庞大的数据，所有数据收集在一个数据库中，等待需要时再进行刷选。数据是大数据时代的基础，这里的数据可能来自各个地方，无论是社交媒体上的数据，还是日常生活的数据，都是这个数据库应该收集的东西。大数据时代的到来与互联网的发展密不可分，可以说，正是由于互联网的发展，才使得大数据具有了发展的可能性。通过互联网，大数据收集人员可以获得大部分自己想要获取的信息；而大数据的发展又反过来促进了互联网的发展。2）数据类型多样：大数据时代的第一个特征是数据庞大，而数据庞大也就意味着该数据库里的数据类型具有多样性。在大数据时代，已经不单单只有文字的数据了，而其他一些数据形式，比如，图片、音频、视频等都将会成为大数据时代重要的数据信息。3）数据的平均价值较小：大数据是时代，任何的数据信息都会被收集到数据库中，这就会导致一个问题，即，所收集的信息的价值较小。因为，大数据时代的数据收集是广而大的收集，这里的数据收集主要是以数量庞大为前提的，而不是以密集和所需为前提，所以，必然会导致所收集的数据信息并不一定都具有价值。或许，有的数据信息早已失去了存在的意义。4）处理速度快：上文已经提到，大数据时代的到来离不开互联网的发展，互联网对大数据时代具有引领作用。通过互联网，大数据世代处理信息的速度达到了实时的程度，即1秒定律。在全球范围内，都存在着互联网的信号，只要具有这种联通的信号，任何信息将会进行实时的传播，大大提高了数据传播的速度和效率。
2大数据对新闻传播领域的影响
新闻传播领域作为一个国家的上层建筑领域，对一个国家的发展具有重要的作用。纵观新闻传播发展的历史，我们会发现，新闻缠脖的发展离不开技术的支持。从最初的印刷技术到电子信息技术再到后来的互联网和大数据时代，新闻传播受到技术的影响越来越深刻。技术的发展不仅改变了新闻传播领域的内容，也改变了新闻传播领域的形式。尤其在大数据时代，新闻传播领域受到技术的影响更是深刻，具体表现在以下几个方面：
2.1大数据对新闻传播内容的影响
传统新闻传播时代，新闻内容是通过记者的采访而获得的，而新闻的内容全部是来自记者的采访，并没有太多其他的内容，而在大数据时代，除了一些记者采访的内容，新闻传播的内容还增加了一些其他的内容。比如，通过数据的筛选，找出那些和该事件相似的情况，并对其进行对比，找出两者的相同点和不同点，然后根据这些内容，找出解决事情的办法，让事物朝着更好的方发展。大数据时代对新闻传播内容的影响还表现在：新闻传播的内容多了数据的支撑。我们知道，数据对一件事情具有强烈的说服性，新闻传播的内容里如果加入数据的话，那新闻传播的内容将更具有权威性，这对新闻传播是有很大的优势的。
2.2大数据对新闻传播写作方式的影响
大数据时代，记者外出采访获得新闻信息之外，更多的通过对数据的分析，通过对数据进行对比来进一步获得消息的准确度和丰富性。大数据时代的新闻传播写作方式更加独特性和丰富性，记者的外出采访只是其中的一小部分，而更多的是对数据的分析和获得。在传统的新闻传播时代，记者外出采访到新闻后，需要回到媒体来进行分析写作，而在大数据时代，消息的传送具有了实时的程度，记者可以在外一边采访，消息可以一边地传送到媒体室，通过媒体室的工作人员的编写，可以最快速度地传发出去，大大增加了新闻传播的写作效率。同时，也提升了媒体的核心竞争力。
2.3大数据对新闻传播方式的影响
在传统的新闻传播时代，媒体资源被一些媒体和国家的占有，大众很少能接触到媒体资源。而传统的新闻传播方式更多的是通过传统媒体进行，比如，通过报纸、广播和电视进行传播，传播的速度慢，而且只是单向传播，普通民众几乎无法表达自己的想法和建议。在大数据时代，新闻传播的方式发生了巨大的改变。新闻传播的方式已经不单单依靠传统的媒体，而更多的是依靠一些新兴的媒体。在新兴媒体日益发达的今天，新闻传播更多通过新兴媒体来进行。例如，现在的新闻传播更多的通过手机、电脑的门户网站以及新闻类App来进行。在智能手机日益火爆的今天，通过手机来进行新闻传播将会大大提升传播的速度和效率。
2.4大数据对新闻传播从业人员的影响
在传统媒体时代，新闻传播的从业人员具有明确的分工。记者是负责采编的，编辑是负责新闻编辑的，台长的负责审核和把关的，不同的职位具有不同的分工。在大数据时代，媒体的分工有所改变。工作人员不能只是单独工作的掌握者，而且还需要拥有多项技能，需要是一位全能人员。同时，在大数据时代，需要有专门进行数据分析的人员。大数据时代对新闻传播人员的影响是深刻的，如果无法适应这样的现状，那将会面临被淘汰的可能；如果能适应当今的潮流，那将会成为这个时代的幸运儿。因为，在大数据时代，一切都变化万千，什么东西都变得不那么的确定，如果具有很好的适应能力，将会在这个变化多端的时代生存下去。
3新闻传播领域如何更好地利用大数据
大数据时代对新闻传播具有重要的影响，新闻传播领域可以很好的依靠大数据时代来发展自己。利用好大数据时代，对新闻传播领域的影响是巨大的，不仅对新闻传播领域具有很重要的影响，而且，还对其他方面也具有积极的影响。
3.1提高新闻工作者对大数据信息技术认知程度
在大数据时代，社会上的数据信息越来越丰富且海量，不同的数据信息混杂在一起，其中包括社会各界的信息，有国家政策的，有社会民生的，也有娱乐信息，如何在这些海量信息中进行正确的认知，需要工作人员擦亮自己的眼睛。针对上述情况，需要新闻工作者提高对大数据信息技术的认知程度，积极看待搜集数据的正确性，在各项数据中积极采用相关数据，并灵活运用新兴的新闻传播媒体，例如微博、微信等软件。
3.2加大培养大数据技术相关专业人员力度
在大数据信息技术的汇总、分析、采集工作中，不但需要新闻工作者的参与，还需要相关专业人员，如计算机程序员、数据分析采集师等和新闻工作者之间协调合作，才能将大数据信息技术中烦琐的信息数据转换为可视文字以及各类专业图表，对新闻传播工作起到积极作用，如信息统计表等新闻工作者可以识别的数据。因此，新闻传播行业在面对信息化时代挑战时，应加大培养大数据技术相关专业人员的力度以及储备新技术人才。我国进入大数据时代的时间较晚，相应的技术人员较为短缺，培养这样的技术人员越来越重要。国家需要加大对这类人才的培养力度，加大资金的投入，尽快地培养出这方面的专业人才，来适应这个时代的发展。
