大数据论文范文

大数据论文范文第1篇

〔关键词〕大数据；共词分析法；聚类分析；多维尺度分析；可视化

DOI：10.3969/j.issn.1008-0821.2013.09.026

〔中图分类号〕TP391；G250.252〔文献标识码〕A〔文章编号〕1008-0821（2013）09-0129-06

2011年5月，麦肯锡全球研究院（McKinsey Global Institute）了研究报告《大数据：创新、竞争和生产力的下一个前沿领域》（Big data，The next frontier for innovation，competition，and productivity）[1]。2012年1月在瑞士达沃斯举行的世界经济论坛上，“大数据”是讨论的主题之一，论坛上的题为《大数据，大影响》（Big Data，Big Impact）的报告中提出，“数据已经成为一种新的经济资产类别，就像货币或黄金一样。[2]”2012年3月29日，美国政府在白宫网站上了《大数据研究和发展倡议》（Big Data Research and Development Initiative），该倡议涉及联邦政府的6个部门，这些部门承诺将投资超过两亿美元，来大力推动和改善大数据的提取、存储、分析、共享和可视化。

无论是美国政府的倡议，麦肯锡的研究报告，还是世界经济论坛的议题，都预示着人们，大数据时代已经到来。大数据正在撬动全世界的神经，大到一个国家、企业，小到每一个独立存在的个人，都将成为大数据时代的贡献者和受益者。那么，大数据究竟是什么？维基百科将大数据解释为“是指无法在一定时间内用通常的软件工具进行捕获、管理的数据集合”[3]。关于数据量究竟要达到多少才可以被称之为大数据，目前尚无统一说法。一般认为，大数据的数量级应该是“太字节”，即240。大数据之“大”，并不仅仅在于其“容量之大”，更多的意义在于，人们可以“分析和使用”的数据在大量增加，通过这些数据的交换、整合和分析，人类可以发现新的知识，创造新的价值，带来“大知识”、“大科技”、“大利润”和“大发展”[4]。

目前国内学者中，杨绎以国内文献为研究基础，以关键词分析为主要方法，对目前国内期刊和报纸上有关“大数据”的文献进行了研究[5]。韩芳芳等以CNKI为数据源，从文献、作者、关键词3个角度分析我国大数据领域的相关文献。笔者认为很有必要对国际大数据领域文的献进行分析，从而把握国际大数据领域的研究现状与热点，以供国内学者参考借鉴。

1数据来源与研究方法

Web of Science（简称WOS）是美国汤姆森集团开发的产品，是大型综合性、多学科期刊引文索引数据库。WOS收录了世界上经过同行专家评审的有影响力的文献，选用WOS作为数据源进行研究可以保证研究资料的权威性。本文选取WOS数据库下3个子库Science Citation Index Expanded（SCI-EXPANDED，科学引文索引扩展版）、Social Sciences Citation Index（SSCI，社会科学引文索引）、Arts & Humanities Citation Index（A&HCI，人文艺术科学引文索引），检索年限为“所有年份”，数据库更新日期为2013年4月5日，以“big data”为检索词进行“主题”检索，共检得171篇大数据领域的相关文献（检索日期：2013年4月10日）。

本文借助SPSS 190软件，采用共词分析法对国际大数据的研究热点进行分析。共词分析法（Co-term Analysis）最早是在20世纪70年代中后期由法国文献计量学家提出的，其思想来源于文献计量学中的引文耦合与共被引的概念。共词分析法的基本原理是，统计一组词（关键词或者主题词）两两在同一篇文献中出现的次数，以此作为基础进行聚类分析，从而得出这些词语之前的亲疏远近的关系，进而分析出这些词语所代表的学科或者主题的结构变化情况[7]。共词分析法研究的是某一学科领域中当前的学术文献所集中关注的主题，很适合于分析某一学科的研究热点和知识结构[8]。

2013年9月1第33卷第9期1现？代？情？报1Journal of Modern Information1Sep，20131Vol.33No92013年9月1第33卷第9期1国际大数据研究论文的计量分析1Sep，20131Vol.33No92文献计量分析

2.1年代分析

通过对文献发表时间的分析，可以勾勒出国际大数据研究领域的发展轨迹，揭示其发展的总体趋势。将在数据库中检索得到的论文按照年度进行归类，如表1所示。

大数据论文范文第2篇

1、对大学教育的影响

大学教育是第二次产业革命时为了适应工业所需的大量的技术人员的产物。当今，学生知识的来源不再局限于课堂，不再拘泥于某一个专业，他们可通过互联网、微信、微博等信息平台来获取文本的、图像的甚至是视频的各种知识。学生的知识面将比以往的任何朝代更加宽范，对校园以外世界的了解将更加深入。比如现在的在线教育平台edX和Mooc，上面有世界著名学府的各种课程，包括我国清华和北大的优秀课程。学生只要通过互联网，就可以接受到名校的教育，在学习过程中，通过鼠标点击的记录，可以研究学习者的活动轨迹，发现不同的人对不同的知识点有何不同的反应，用了多少时间，哪些知识点需要重复或强调，哪种陈述方式或学习工具最有效。通过分析这种秩序和规律，在线学习平台也在逐渐弥补没有老师面对面交流指导的不足。同时现在的教育平台还能通过虚拟现实进行实践辅导。以麻省理工开放的电子电路课程为例，注册这一门课的人比整个麻省理工所有在世校友总数还多。由此可见，许多学生已经把注意力放到了课堂之外。

2、如何积极应对

对于学校：在学生从课堂走到互联网时，未来的学校存在的意义在哪儿，是学校更应该关注与关心的。学生可以在宿舍甚至在家就完成了各种课程的学习和同学之间的交流，那么对学生的考核和效果的评定也不再局限于某一个固定场所来进行。学校更应该重视图书馆电子资源的建设和开放，更应该重视实践实验室的建设，提供更多方便学生来进行实习和实践训练的场所和项目。对于教师：在大数据时代，教师的教与授又该体现在哪儿呢？我们更应该深刻思考，改变传统的课堂教学的思维模式。我们可以将教的过程放在网络平台上，放在课前来进行，课堂中以学生做作业、教师指导和答疑为目的。这只是改变了传统的教学模式，对于教师自身我们又该如何作呢？在面对丰繁复杂庞大的数据时，我们应积极跟进发展自我，重新进行定位。一类应加强自己的实践操作能力，专业从事实践辅导和教学；另外一类专业从事研究；另外一类抓住大数据所给予的机遇，发展自己，跟上时代步伐，成为专业化极强的教师，对专业进行解惑和学习方向的指导。对于学生：知识和信息量极大丰富，我们如何从中甄别出有利于自己的知识，对自己进行特色化的教育，需要自己的判断力和教师、家长的指导。我们要关于利用已有的学习平台和学习媒介，不断提高自己的自学能力，发展自己的创造性和创新性的能力。

二、小结

大数据和大数据时代，数据量的指数级的增长，给我们带来了无限的机遇，同时信息的准确和真实性也是需要我们不断地发掘方法和技术进行改进的。高等学校的教师和学生如何应对这个新的时代，跟上时代的步伐是我们每一个都应该深思的问题。

大数据论文范文第3篇

1.1大数据等于大机遇与大问题

数据的数量随着现代企业的发展以指数级的速度与日俱增，从这些数据中提取有商业价值的信息的期望也随之增加。越来越多的企业领导人明白，近乎实时的大量数据收集分析可以帮助他们应对市场趋势，在日益严酷的经营环境中占据一个独特的竞争优势。随着大数据主动获取越来越多的数据，为企业领导人提供了增强的商业价值同时，企业在存储数据方面将面临着巨大的风险和威胁。

1.2大数据等于大安全威胁

公司刚开始体验到大数据的优越，像任何新的恋情一样忽视对方的缺陷。然而，了解这些海量数据存储包含大量的“有毒”的数据对用户来说是很必要的。有毒数据是指脱离控制后会造成损害的数据。通常情况下，有毒数据包括监护信息如信用卡号码，个人可识别信息（PII）如身份证号码，和个人的健康信息（PHI）和敏感的知识产权，包括商业计划和产品设计。如今，网络黑客和一些商正在偷这类有毒的数据。安保不全和缺乏控制的大数据环境可能会使这些恶意行为更容易。随着大数据热度的消退，公司必须意识到大数据环境问题，并适当控制和保护他们的大数据环境。

1.3大数据等于大安全挑战

像任何技术创新一样，应用大数据带来的好处已使企业下意识的忽略了其潜在的负面影响。当安全专家指出其潜在后果时，业务和IT领导人会认为专家是为了商业利益故意将弊端夸大化，现有的安全技术被直接应用上去，而不考虑实际。我们都知道，直接覆盖或者套用的方式是无效的并且会引起很多安全方面的问题和挑战。现在是时候承认大数据的安全风险，并开始计划进行适当的控制了。

1.4大数据等于大责任

除了存储相关的知识产权问题，大数据环境还包括公司可以控制但不能拥有的数据。这通常包括客户数据和业务合作伙伴数据。由于大数据是整个组织的数据集中，安全和风险管理专业人士必须努力消除现存的数据存储上的权责问题。例如，法律团队和负责数据泄漏防护（DLP）的安全小组来一起从事分散数据发现和项目分类，这样的组合可以提高效率，降低成本，提高可操作性。在应用安全控制之前（如加密，标记，和权限管理等），可以用一个统一的方法来提取和分类归档数据，便于存储和删除如此大量的数据。法律、安全团队还需要一起研究了解大数据相关的监管问题。例如，也许你的企业要发展从客户大约24000000000微博中挖掘和分析市场情报的能力，这听起来是个好主意，但它在一些个人隐私法比较严格的欧洲国家也可能触犯法律，如德国、西班牙和意大利等，你的大数据事业甚至在开始之前就突然死亡了。然而，如果安全人员参与了项目的早期建设，企业能有更好的机会来利用更多的或更有前途的替代技术，如在大数据初始化处理上使用标记技术来代替PII技术。

2安全发展的驱动

如果我们把信息安全行业作为一个整体来看，除了快速发展的的威胁形势外还有什么能推动创新？回顾过去，有两大创新驱动力：一个是内在力，即顺应发展要求。它看起来跟创新没关系，但实际上它在某些领域确实推动创新，像加密和标记等。解决这些问题涉及实际的经济利益。第二个驱动力是外在力，即环境威胁，主要是攻击，特别是高频率高质量的攻击。这两个驱动因素今天依然存在。个人设备的广泛应用，和公共云服务的快速发展也必将推动安全性的创新。但现在，还有另外一个驱动力，它很有趣，而且对于安全来说相当新鲜，那就是隐私。最近隐私问题一直出现在聚焦排行榜前列，绝对是推动建立创新解决方案的驱动。关于这方面有一个很具古义的创新app：阅后即焚，一种邮件自毁程序，即邮件或聊天内容存在一定时间后即删除。这对于安全来说就是个很新鲜的尝试。IT安全的最重要的问题之一就是缺乏良好的指标。很多时候，我们不得不基于先例来处理问题，在某些情况下，甚至是基于使我们更安全或更不安全的迷信。大数据和数据分析提供了一种进行安全实衡量的可能，它或许可以给我们一套可落地的实用标准，这将不只是影响尝鲜的大企业，也会给中小型企业带来非常具可操作性的想法。

3大数据的影响

大数据改变了信息安全领域的本质。在过去的几年里，看似不可能的大量消费者和行业数据（又名大数据）的概念频频出现在新闻中，由于它引起了人们对公共，私人消费，政府信息安全和隐私问题和业务水平。发现，收集和保存敏感数据（如消费者的IP地址，企业的预算，购物习惯或信用卡信息）的做法，不仅挑战了数字时代的隐私概念，同时也为黑客、网络窃贼和网络创造了新的难以抗拒的目标。其结果是，就算是信息安全专家都需要了解如何调整自己的工作，以有效的方式来管理大数据现象。

3.1在健康医疗上的影响在健康保险方面，在过去的二十年中，医疗费用以惊人的速度增加，目前估计为GDP的17.6％。医疗专家在提高治疗过程效果的同时也在寻求如何降低费用，大数据的出现给了转变医疗卫生及保险行业一个合理的解决方案。麦肯锡全球研究院估计，如果发挥大数据战略杠杆的最大潜能，每年估计能有十亿利润增加。举例来说，利用大数据分析和基因组研究与病人实时记录，可以让医生对治疗做出更加有效的决定。此外，大数据将迫使保险公司重新评估其预测模型。随着医疗服务的成本上升和医疗保险费的上升，将有必要进行积极的医疗管理和健康管理。这种转变从被动到主动的医疗保健和保险可能导致护理质量的提高，降低医疗费用，并最终导致经济增长。在过去的十年里，在医疗IT中的安全漏洞呈现稳定增长。在2013年，KaiserPermanente的（美国最大的非营利性医疗保健机构）通知其49000例患者，他们的健康信息被泄露，因含有患者记录未加密的USB盘被盗窃。此外，对病人的隐私和数据安全的一项研究表明，医疗及保险商94％的客户在过去的两年中至少有一个安全漏洞。在大多数情况下，这些攻击是来自内部人士，而不是外部。随着不断变化的风险环境和新出现的威胁和脆弱性，安全方面的违例将层出不穷，电子病历及保单的安全性必须予以高度重视，以确保客户的安全。现在患者的信息以不同的安全级别被存储在数据中心，并且大多数的医疗数据中心有安全认证，但认证并不保证病历的安全性，更侧重于确保安全策略和程序而不是执行它们，而通过在健康医疗及保险上应用大数据将显著提高安全性和病人的隐私关注度。

3.2大数据在商务的影响数字数据和信息安全的管理几十年一直是一个热门的商业问题。自互联网在上世纪80年代成为主要通信设备开始，人们就不得不开始为保护公共和私有数据而和黑客的攻击作斗争。但是，大数据的出现，彻底改变了信息安全领域。虽然大数据的概念可能使隐私问题受到过分关注按，单从商业营销策略和产品开发的角度看它一直是一个宝库。通过分析从城市，省，国家或全球客户收集数据点，公司能够分析特定的购买趋势和区域影响力。事实上，这些数据库已经变得如此有价值，以致它们通常被认为是一个企业的资产清单的一部分。然而，大数据已成为网络威胁，它已经成为黑客或企业间谍活动的主要目标。在过去的五年里，已经出现了跨多种行业的众多的对大数据的攻击。几年前，TJX公司经历了一个信用卡信息安全漏洞事件，影响了数以百万计的全球客户。除了丢失的数据是保密的或有价值的外，另一个主要后果是消费者对企业信心和信任的丧失。这就是为什么大数据的安全性已经成为核心业务战略的一部分，精明的企业都在寻找合格的专业人才，以保护自己对敏感信息的大量投资。

3.3大数据在信息安全方面的影响企业聘请技术专家来管理网络安全和信息技术的时代已经一去不返了，因为大数据需要信息安全产业利用所有领域的专家来提供对重大漏洞的安全防护。作为其主要的业务资产之一，许多企业正在推动扩大他们的数据基础设施系统以保护大数据。一个有趣的结果是，扩大或升级技术基础设施也成为一个公司的价值增加的重要方式。安全信息基础设施，包括服务器，网络，防火墙，工作站和入侵检测系统是不可或缺的安全，因为他们支持复杂算法的快速处理，并提供对大数据威胁防御的第一道防线。在大数据世界里大家都开始变得不同了。大数据需要在许多方面都有研究的信息安全专业人士，而不是跟以前一样专注于该领域。

4结语

“大数据”时代已经迎来了大量的发展机会：推进科学，完善的医疗，促进经济增长，改革教育体制，并建立社会交往和娱乐的新形式。然而，这些机会也带来了安全性和隐私性的挑战。这些挑战包括：缺乏有效的工具和方法用于安全地管理大规模分布式数据集;第三方数据共享;漏洞不断扩大的公共数据库……数据是强大的，而且数据也是危险的，错误的数据落入错误的人之手可能带来毁灭性的后果。同时还必须关注众多法规和隐私法，违反这些职责和法律可能导致显著的财务和品牌声誉的损失。是时候启动大数据安全规划了，越早建设大数据安全措施将越有利于降低成本、风险和发展期阵痛。

大数据论文范文第4篇

客户关系管理是基于对客户数据的充分分析而进行的，作为客户关系管理的重要分支，数据处理与分析对客户生命周期管理的重要意义不言而喻。大数据时代下，随着数据处理工具与软件的飞速提升，对客户生命周期管理产生了新的革命。各类微信、网站等自媒体工具的发展更是为客户生命周期管理注入新的生机。

(一)大数据促进精准化传播沟通

利用各种数据信息的交叉检索，有助于楼盘项目寻找目标客户，并精准化信息。传统精准传播方式包括短信和DM直邮，但在大数据时代下，利用微信和网站等各种自媒体渠道工具，可以发送更多直观互动的信息。尤其在企业已实现酒店、百货、地产、消费品零售等跨行业规模化运作的时候，数据的综合利用显得尤为重要。通过将企业各业务模块的数据进行搜集和综合处理，可以确保客户资源的共享，更有利于企业品牌的传递，使客户在未到访楼盘项目售楼处之前，就已经对企业的实力建立信心。

(二)大数据有助于客户筛选

跟进传统的楼盘项目客户登记方式为纸质的上门客户登记本，大部分项目均未实现上门客户信息的电子化。借助明源软件、金鹏软件等销售软件及身份证识别器工具，可以推动客户信息电子化的录入，并提升客户信息的准确度。对客户的来源、性别、职业、置业需求等各类基础数据的汇总和交叉分析，能提升客户的精准跟踪，并结合客户的销售抗性进行有针对性的沟通，促进项目销售。

(三)利用数据化工具维护

成交业主满意度大部分楼盘项目在客户成交后，缺乏有效维护。在房地产行业圈层口碑效应不可忽视的背景下，客户成交往往意味着新的生意的起点。利用数据化的工具对成交客户进行跟踪维护，有利于持续跟进客户对楼盘项目的各种反馈，促进老带新的口碑传播、推荐以及重复购买，亦可持续提升客户的满意度。

(四)利用大数据进行业主需求

维护随着建筑科技与智能化的不断发展，居住环境也在不断升级。以往的开发商客户关系维护，仅到业主入伙截止。事实上，业主入伙居住后，对业主居住需求的跟踪和维护也是非常重要的。物业公司可以配合开发商，通过组织各类业主活动，获知客户的需求，例如：搬迁至另一个城市工作——产生异地置业的需求；对目前的居住环境产生升级换代的需求——产生新的高档次项目的购买需求等；这些种种需求，都是客户购买同一品牌楼盘项目的机会，通过对客户关系的维系，产生客户品牌忠诚，对于规模化开发的大企业尤为重要。

二、结束语

房地产在中国经历了近30年的发展，已经成为支柱产业，但由于行业发展历程不长，行业正处于从粗放式到精细化开发管理的转型时期。客户关系管理尤其是全周期的客户生命周期管理，一直是房地产行业的薄弱环节。在大数据时代的科技浪潮下，如何抓住技术发展变革的机遇，将房地产行业的客户生命周期管理推向新的台阶，将成为关注的热点。

大数据论文范文第5篇

物流行业的大数据，可以从多个维度进行解构：结构化数据、半结构化数据、非结构化数据（刘禹，2013；ElenaGeaninaUlaruetal.,2012）。物流行业的大数据既包括存储在数据库里的结构化数据，也包括日志文件、XML文档、JSON文档和电子邮件等半结构化数据，而更多的数据类型是办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等非结构化数据，半机构化、非结构化数据约占大数据总量75%-85%。内部数据与外部数据。物流企业的大数据既有来自企业经营的内部交易数据、CRM数据，也有来自其他数据源的外部数据。物流企业的大数据兼具公共、私密二重属性。外部数据的公共性特征比较明显，而内部数据由于和行业标准和商业机密密切相关，因而具有私密性。与数据结构的多维特征相对应，物流企业大数据的格式也是多样的。除了传统的纸质文件、档案、报表、表格、记录、信函等之外，更多的是以数字数据存在的Web文本、视频、短信、音频、视频、邮件，存储信息、配置文件、符号、图片、档案等。数据格式的多样性和互不兼容、数据访问的随机性，为数据的采集、存储、分析、应用带来了困难。

二、物流行业大数据的应用特征

（一）大数据的应用潜力巨大

在大数据概念兴起之前，企业主要借助内部数据、结构化数据进行决策。商业智能（BI）技术的应用似乎将企业带入了“智慧世界”，但BI仍然对外部数据、非结构化数据无能为力，没有“走完最后一公里”，无法有效满足决策需求。在大数据时代，企业的外部数据权重急剧上升，决策价值越来越突出，这意味着仅仅依据占数据总量15%左右的结构化数据进行决策越来越失之偏颇（T.K.Dasetal.,2013），物流企业决策者驾驭业务的战情数位仪表盘其实是残缺的。事实上，一些沿袭原来的IT解决方案的物流企业，普遍遇到数据处理系统扩展困难、处理时间长、传输效率低、成本过高的问题（ElenaGeaninaUlaruetal.,2012）。大数据应用技术就是能够妥善解决这些问题的性价比比较高的数据计算与存储方式。据ICT权威研究机构CCWRE-SEARCH的研究结论（2012年），无论是从信息技术应用的契合度还是从短期内投资大数据的可能性进行测度，物流行业都具有大数据应用技术推广的优越条件。但他们同时还指出，虽然物流行业对“大数据”概念的知晓率为91.8%，但究其应用而言，总体上还处于“认知”阶段，这意味着大数据在物流行业应有较大的应用潜力。

（二）大数据的供应链特征明显

物流行业大数据的应用正越来越呈现出供应链特征。这个“数据供应链”，存在着数据收集、数据处理、数据分析、数据价值提取、数据价值消费等多个环节（HsinchunChenetal.,2012），参与者包括原始数据提供者、数据收集者、数据平台商、数据应用技术开发者、数据服务提供者、数据产业投资者，数据价值消费者等多个主体。就物流企业而言，在这个数据供应链中，可以承担多重角色：既可以是原始数据供应者（主要是内部数据、结构化数据），也可以是数据产业投资者、数据价值消费者。实力雄厚者甚至可以向其他角色拓展，具有优秀的数据供应链整合能力的企业将会赢得较大竞争优势。图1给出了物流行业数据供应链的简化模型，并借用MichaelPorter的五力分析模型对数据供应链各个环节的竞争态势进行了分析。

三、大数据应用对物流企业竞争力的影响

（一）大数据应用影响物流企业竞争力的机制

图2给出物流企业竞争力影响因素的分析框架（王海燕，2012；静涛，2010）。物流企业的竞争力影响因素涵盖环境、资源、能力三个方面，其中环境要素可以进一步细化为：行业经济发展水平、宏观调控、社会人文、物流技术等；资源要素可进一步细化为物质资源和无形资源等；能力要素可细化为战略决策能力、运营管理能力、市场营销能力、品牌管理能力、创新发展能力等（张莉，2012）。这里以前文论述为基础，分析大数据应用对物流企业竞争力提升的影响机制，如图3所示：大数据通过影响物流企业竞争力的环境、资源、能力三个要素，提升其竞争力，而物流企业竞争力的提升则表现为快速反应、稳定可靠、灵活性和弹性提升，顾客满意度提升，经济效益提高等等（ElenaGeaninaUlaruetal.,2012）。

（二）大数据应用提升物流企业竞争力分析

在物流企业竞争力三个影响因素中，环境因素是外部、不可控要素，资源和能力属于内部要素、可控要素，因此，这里重点分析大数据在物流企业的应用对两个要素的影响及其表现。1.对资源要素的影响。大数据时代，数据被许多权威人士比作“新型石油”，日渐成为一种战略性资源和企业的核心资产。大数据及其所承载的知识和信息作为一种极具战略价值的经济资源，通过参与企业的经济活动和营运过程，正在充分地发挥其独特的整合效应，促进物流企业提高组织效率、降低成本、创新服务、维系良好的品牌形象和客户关系、增进经济效益等。其作用机制如下：第一，盘活物流企业的人力资本。在大数据日益进行着渗透性应用的背景下，将推动人力资源决策由“经验+感觉”模式向“事实+数据”模式转型，人才测评和任职匹配将更高效、更精准；处于休眠状态的企业内部营运数据将被唤醒，培训需求的甄别将更便利。过程数据和结果数据的空前丰富使得“过程+结果”的绩效考核方式将更容易导入，对绩效辅导和绩效提升更有利。第二，直接增加物流企业的结构资本。大数据应用技术将推动物流企业的组织结构的进一步优化，与战略的匹配度更高，组织内外信息流动更顺畅，协调机制更完善，内部沟通更“智慧”，资源管控和利用率水平更高，对市场机会和环境变化的动态适应能力更强。不仅如此，对物流企业信息技术的升级应用、知识产权的保护、品牌推广和商誉提升也将产生巨大影响。这些都会直接增加企业的结构资本。第三，为企业赢得更多关系资本。在企业内部沟通更舒畅、更外向的情况下，面向客户的、创新型的共有价值观更容易形成和维护，员工所期望的个性化关怀更容易实现，这将推动物流企业的文化建设。同时，大数据的应用还将推动物流企业创新业务模式，主动采用整合传播，提升品牌美誉度，更好地开展公共关系。物流企业在推行个性化定制化服务、高效的商业伙伴和顾客关系管理会更主动，这些都会为物流企业赢得关系资本。2.对能力要素的影响。第一，提升物流企业的战略管理、战略决策能力。大数据的应用有利于企业推行数据驱动的敏捷决策，从长远来看，还会推动企业组织架构和业务流程的全面变革，企业决策权力的配置将更合理，决策的制度化、流程化程度更高，决策更公开、透明、精准、有效、可追溯。基于数据的决策有助于消弭主观偏见和思维定势的消极影响，提升企业的战略洞察力，把握行业发展的新趋势，抓住战略性投资机会。在物流企业竞争力的变现越来越取决于供应链的整体效能的背景之下，物流企业还可以在确保顾客隐私和商业机密的前提下，通过与供应链上各合作伙伴的数据共享、交换或者交易，动态检测行业趋势、聚焦优先目标、优化服务组合、避免无端浪费、探索全新的业务模式等。第二，增强物流企业的运作管理能力。大数据的应用可以提升企业业务营运的可视化程度，推动知识和信息在组织内部的共享；精确掌控企业各项资源的运行情况，比如人员的作业状况，设备运作状况，车辆的位置、时间、速度、性能等，有利于企业高效调度各项资源，提升运作效率。以快递企业为例，大数据的应用可以为企业满足个性化订单、开展定制化服务、实施弹性配送等提供技术支撑。它们可以在业务营运的特殊时期，比如“双11”到来之前，基于大数据的分析，适时调配物流资源，实现业务营运的主动性、前置性，提升配送运作效率和顾客满意度。第三，拓展物流企业的市场营销能力。大数据应用技术有助于提升市场研究的效率，有关顾客偏好、情绪、消费体验等真实信息将更容易取得，有利于对目标客户的精确细分、重点客户和高价值客户高效筛选（徐艺欣，2013）。大数据所承载的有关资源、成本、服务、定价等即时性关键信息，有助于企业动态监测市场动态，有效率开展竞争，更好地赢得客户，增加市场份额。在物流服务营销方面，可以实施针对高价值的顾客的精准营销、广告的精准投放、广告或者促销效果的精准测定等（胡玉萍，2011）。大数据应用技术还有利于物流企业摆脱繁杂的中间环节、传统的营销模块式营销组织的依赖，极大地降低营销成本。第四，提升物流企业的品牌管理能力。物流企业可以有效利用大数据技术进行舆情监控、品牌健康度动态监测、品牌声誉管理，高效监控可能有损品牌形象和企业声誉的负面信息，有效应对恶意炒作或商业欺诈、从容地进行危机管理（ChrisSnijdersetal.,2012）。另一方面，可以通过口碑营销在较低成本的投入情况下扩大品牌影响力。第五，增强物流企业顾客管理和客户关系维护能力。企业可以根据大数据所承载的信息与顾客进行深度沟通，改善顾客体验，取得他们对本企业、竞争对手物流服务的真实评价，有效应对竞争压力，提高快速响应能力，培育顾客粘性和忠诚度，通过建立稳定的忠实客户群，实现客户价值的链式反应增值，支撑企业长期、稳定、高速、可预期的发展。第六，增进企业创新发展能力。大数据应用有助于企业建立广泛的外部合作伙伴网络，推进整体创新战略，将问题的“搜索者”和“创意者”、“解决者”结合在一起，为合作创新机制的建立提供了动力源泉（MerjaMahrtetal.,2013）。大数据的最大价值在于从海量数据中发现新知识，创造新价值，其中的重要体现就在于有助于推动业务模式的创新，比如物流企业在条件成熟时就可以通过数据交易、数据应用辅导等业务获取经济利益、提升竞争优势。

四、物流企业推动大数据应用的思路

物流企业应抓住大数据所带来的机遇，主动借力大数据提升企业竞争力（闫成印，2012）。本文推出涵盖战略（Strategy）、领导（Leadership）、流程（Process）、技能（Skill）、人员（Personnel）的（SLPSP）模式。战略（S）：建立数据资产管理战略，作为物流企业总体战略的一部分，围绕“资源管控”和“服务优化”两个基本命题，在企业整体战略中要有大数据应用的总体方案。这一方案既要着眼企业的实际情况，又要有长远的规划，在软件和硬件投入方面都要有指导性的日程表安排。在保障机制方面，还要通过有效的“顶层设计”打破组织壁垒，促进数据资产的沟通、融合。领导（L）：大数据的应用是“一把手”工程，领导的重视是成败的关键。企业领导层应主动变革思维模式，进行实质性的资源投入支持大数据技术的深入应用。摒弃那种仅仅用数据来粉饰决策、支撑既有观点的做法，从战略高度对数据资产的价值进行再思考、再认识，把大数据的应用、云计算等作为战略实施的有力推手，而不仅仅是将其视为传统IT管理的一个方面。流程（P）：优化数据资产管理和大数据应用的流程。在数据的收集和处理方面，要做好整合，认真发掘组织内部的“休眠数据”并认真评估其价值，同时要高度重视外部数据对企业的战略价值，推动企业内部的数据处理系统与合作伙伴的相关系统的集成，实现顺畅的数据交换和信息交流。在数据的存储与处理方面，优化企业的IT的服务器、存储设备和网络设备，引入能与硬件设施设备无缝对接、合乎大数据应用需求的数据管理和分析软件，必要时要借力基于开发架构的、具有灵活的扩展能力、性能卓越的第三方平台（姚尧，2013）。不断深化大数据的应用，实现人、机、系统等要素的有机化。技能（S）：促进大数据应用技术在组织内的扩散，并内化为组织整体技能。推动员工熟悉数据驱动决策下的业务运作，将数据应用视为业务营运的工具和助手。采取措施推动员工数据应用技能的持续进步，促进企业决策者、管理者、业务人员和数据工程师基于数据分析和数据应用的沟通、共享、协同，消除“数据孤岛”现象。人员（P）：有计划地培养大数据应用的专业人员。这些专业人士应成为“数据工程师”，兼具数学知识、IT技能、业务知识，并能够作为大数据应用的“先锋”，引领企业跨越“数据鸿沟”，并能提供专业的数据应用技术服务。

大数据论文范文第6篇

(一)反馈信息电子化物流信息化、电子化是电子商务物流的基本要求，是以电子计算机为主、以各种电子设备为辅助工具的物流信息形成、传递、储存的管理方式，不同于计算机诞生之前物流信息反馈主要通过书面、口头形式进行传递和储存。物流信息作为企业信息化的重要组成部分，物流信息电子化减少了企业组织的差旅费用、提高了工作效率、降低了劳动强度、减少了污染和拥挤等等。但是，电子化的信息出现了泛滥、甄别困难等问题，同时计算设备的损坏可能导致大量信息的损失等。在电子商务时代，要提供最佳的服务，物流系统必须要有良好的信息处理和传输系统。

(二)反馈内容全面化云计算的出现，为处理大量不规则的“非结构数据”提供了技术方法。以云计算为基础的物流技术，可以便宜而有效地将物流活动中大量、全面、多变的数据内容存储下来，并随时进行分析和计算。这些技术主要有数据采集技术、数据存储技术、数据交换技术、数据处理技术等。采集技术有传感器、扫描仪等，在物流中移动数据采集器(MDE)经常用于对仓库库存的盘点或者货架上预订数据采集，该技术在运输部门或者外部服务也有重要的价值。另外，电子数据载体如芯片、程序化数据载体(PDP)、移动数据存储器(MDS)及卫星接收发送装置，可以超越数米的距离进行读取、编辑和存储;电子数据交换(EDI)可以节省时间、提高质量和降低成本。物流信息技术是物流现代化的重要标志。

(三)反馈速度迅捷化电商物流服务业不同于传统物流服务业，快速反应是电商物流企业的核心竞争力。电子商务物流重在提供及时的服务、信息和决策反馈。目前，在大型的配送公司里，ECR和JIT系统使得顾客化服务得以快速响应。ECR即有效客户信息反馈，据此可做到客户要什么就生产什么，而不是生产出东西等顾客来买。物流企业快速反应的影响因素主要有信息系统、顾客服务、时间管理、成本控制、物流硬件、协调控制和物流人才等。

(四)反馈信息社会化在我国，企业甚至是上市公司信息披露不足，而数据、信息共享是电商时代的趋势和必然。因此，如何建立信息处理系统，及时获得必要的信息，对电子商务物流企业来讲，是个时代的考验，更是个难题。在将来的物流系统中，“24小时送达”成为物流配送的极致追求，搭建社会化物流平台成为电商企业共同的事业。阿里巴巴从2011年开始规划的天网地网，就是要做一个信息平台，向物流合作伙伴开放相关信息接口以分享数据。数据服务是阿里巴巴物流战略核心，更是未来大物流系统的支撑。未来物流系统的输出内容———信息，可以当作独立的商品或者作为商品成分进行出售。

二、电子商务物流服务业的反馈机理

反馈是大数据时代物流组织受社会需求推动，为了满足企业和消费者的个性化需求，运用收集、存储和融合信息的技术方法，引发的以数据化为核心的物流管理变革。随着互联网在经济与社会活动中的广泛渗透，将电子商务物流产业发展推向新的高度，其发展日益受到政府、企业、消费者和环保主义者的广泛关注。企业和消费者的满意度，取决于快速响应的物流管理系统。

(一)电子商务物流服务流程电子商务物流服务流程，可以用图直观表示，通过流程图可以窥见电子商务物流的反馈流程和反馈形式。图1融合了B2B、B2C、C2C交易的物流服务流程，不同的电子商务模式交易特点不同，但都具备总物流量大、服务范围广的特点，服务内容和服务特点基本相同，物流服务一般都采用第三方物流。B2B和B2C电子商务物流关键在远程运输，而C2C的关注点在末端配送。

(二)电子商务物流反馈内容电子商务物流服务内容涵盖了订单管理和数据分析、仓储与分拣、运输配送与交付、逆向物流服务、回收物流服务和客户服务。可以讲，电子商务物流服务内容有多广，物流系统反馈的信息内容就有多丰富。物流系统会对顾客提交的订单相关数据进行分析，透过分析报告可以帮助制造商以及经销商及时了解市场，便于随时调整市场推广方法;电子商务物流系统可以对仓储和分拣中心进行监测，提供有效的库存管理信息，使制造商或者经销商保持合理的库存;电子商务物流系统通过网络将供应链节点信息进行集成、整合，将实物库存信息化作为虚拟库存;运输配送与交付环节，通过融合多种终端技术采集物流信息并进行综合处理，增强了物流企业对物流配送过程的可控性，消费者则通过互联网对配送企业和商品“宝贝”信息流动实时状态了如指掌;电子商务的逆向物流反馈服务关键在提高顾客满意度。当然，随着环境保护的加强，废弃物处置问题不断受到关注，物流系统必须提供回收服务物流服务，这有利于提高物流企业在电子商务市场上的低碳竞争力。追求客户满意，挖掘潜在需求是电子商务物流企业不断创新的动力。

(三)电子商务物流反馈技术物流技术指物流活动中所采用的自然科学与社会科学方面的理论、方法，以及设施、设备装置与工艺的综合。而电子商务物流反馈技术，主要指物流服务流程中物资信息的收集、存储和融合方法。先进的信息融合技术提高了物流系统的信息处理与控制能力，使物流配送信息的交互和处理跨越时空限制，通过终端物流信息反馈与融合，实现信息到实际操作的高速转换，为物流企业决策层提供信息支持，从而不断提高物流企业的服务能力。常用的物流信息反馈设备有:各种传感器、GPS定位设备、射频识别设备、扫描器等;信息融合方法有:嵌入约束法、证据组合法、人工神经网络法等;信息传输交换技术有:计算机网络技术、电子数据交换技术等。

三、对大数据时代电子商务物流行业发展的建议

大数据作为信息革命的第二个高潮，为电子商务物流行业的发展提供了广阔的空间。电子商务物流行业必须树立并强化数据优化行业的理念，以大数据的眼光，加强大数据研究，为客户提供更先进、增值性的服务。

(一)树立并强化大数据理念现代物流的发展趋势是全球化、信息化、系统化、标准化和多功能化，而数据化则是现代物流的核心。当前电子商务物流体系虽然在业务经营中加强了对数据的分析和应用，但缺乏对大数据应用的战略性思考和主动挖掘意识。信息采集较多，但深度加工挖掘较少，导致大量的数据信息成为“睡眠数据”而不能发挥其应有的价值。客户细分不够精准，没有在业务营销和客户关系管理活动中运用科学模型，缺乏对客户服务需求的偏好判断和消费行为习惯的细分。在大数据时代电子商务物流的发展必须要有效整合大量的数据，通过各种分析模型，将数据转化为信息资源，只有这样才能将大数据作为战略性资产，为行业管理和决策提供强有力依据。

(二)开拓新的数据服务市场目前，电商业、物流业的发展呈现跨界竞争，电子商务企业进军物流行业，物流企业开发电子商务，行业间呈现交叉融合发展。当大家的目光还停留在究竟是做电商赚钱还是搞物流赚钱时，我们可将大数据看成一个大市场，联合电商业、物流业、银行业乃至通讯业合作，通过各大行业间的数据存储、加工、分析、融合，形成大数据产品，提供大数据服务，开辟数据服务市场。

(三)构建大数据物流体系构建大数据物流体系，就是电子商务企业和物流行业都要树立数据观念，从经营管理理念上重视大数据，在人才队伍建设上吸纳数据分析人才，从供应链条上强化数据信息的收集、存储和处理技术，对物流、商流、信息流、资金流进行计划和控制，也就是采用信息数据处理和融合技术对电子商务物流服务进行优化整合，打造准确及时精细的高端物流服务体系。

大数据论文范文第7篇

在桥梁工程中，数据按时间上的划分可以分为两类，静态数据与动态数据。静态数据主要指桥梁的相关信息资料库与科学实验产生的数据。信息资料库是一种相对静态数据，因为这些数据资源每过一段时间将更新一次。各国家和各地方政府部门基本建立了桥梁工程资料库及相关系统，列举出主要国家和地方政府的桥梁管理系统，包括建成时间、系统功能、与建设部门等。除国家政府部门外，各科研单位也在完善各自的桥梁统计分析系统，系统中主要包括桥梁的桥型、跨径、材料、建成时间等基本信息，还包括桥梁的病害、桥梁状况评定等相关内容。桥梁的科学试验数据主要来源于各大高校和科研单位科学研究中的模型试验、振动台试验、风动实验、桥梁的荷载试验等产生的数据。这类数据的有效分析处理形成各类科学研究成果，但是此类数据的开放程度低，造成数据资源的极大浪费。桥梁的动态数据主要来自于桥梁的施工监控和成桥运营阶段健康监测系统，此类数据由安装在桥梁上的实时监测传感器获得，包括位移传感器、速度传感器、加速度传感器、应变计、温度计、风速仪、GPS等。统计了国内部分桥梁健康监测系统的传感器数量以及安装时间。各类传感器配以相关的采集系统来获得数据信息，再通过相关软件分析、处理，从而掌握桥梁的实时健康状况，对桥梁的状态进行评估与预测。整个桥梁健康监测体系。

2开发桥梁工程领域大数据资源意义

利用桥梁的静态数据库，可以了解桥梁的基本信息，为全国的桥梁统计、普查与管理提供信息资源。科研数据的开放有助于学术界的交流、创新，取得更为丰富的科研成果。桥梁动态数据包括施工监控数据与成桥运营阶段的监测数据，充分利用与挖掘大数据资源，可以提高桥梁的施工质量、加快施工进度，提前预测和解决施工过程中可能出现的问题，减少质量事故和经济损失。成桥运营阶段的监测数据主要为桥梁的健康状况评估提供依据，掌握桥梁所处的状态，分析、处理数据资源，提高预测、分析、解决问题的能力。可为同类桥梁的施工管理与养护等，提供宝贵经验。同时大数据资源的开放、共享，有助于节约国家资金和社会资源。

3存在问题及解决方法

（1）最先遇到的也是最棘手的问题是数据的去冗、去噪，从海量数据中挖掘大数据资源价值。目前，所列一座特大桥上各类传感器每天采集的数据达到几个GB到几十GB，甚至上百GB，如此海量的数据如何去处理，有效剔除无用的信息，找寻剩余有用的信息，从而产生新的价值、新的资源。这也是在大数据时代有效利用大数据资源要解决的首要问题。解决这一问题的主要途径是编译相关的去冗、去噪的智能分析软件，同时可以利用云计算、云分析、云管理等方法来提高解决这一问题的效率，使大数据变为有用数据，做到真正智能化分析。

（2）现在各政府部门和科研单位，都在做自己的桥梁信息库以及监测研发数据库等，而且大多数数据库都是相类似、重复的。这样造成资源的极大浪费，包括劳动力、资金等。解决这一问题的有效途径是加强政府部门、科研单位内部以及之间的相互合作，开放和共享数据资源，这也是大数据时代的必然趋势。各部门和科研单位可以有步骤、分阶段地开放共享各自所拥有的数据资源，不论是采用付费或免费的方式。

（3）由于大数据具有“4V”等特点，在大数据研究的初期阶段，大数据的价值还未充分体现时，要储存、分析、利用大数据资源，需有软件、硬件等基础设施的投入，国家和科研单位应提供专项资金的支持，同时国家可制定相关鼓励支持政策。

（4）在大数据时代成熟以后，应建立相关法规，规范和保护数据的开发利用，制订相关统一标准，提高数据的使用效率。

4结语

本文首次在桥梁工程领域引入大数据概念，提倡用大数据的观察事物的方法和思维方式来分析、处理、挖掘早已在桥梁工程中应用的大数据资源。文章首先介绍大数据的概念及特点，和在桥梁工程领域产生的静态与动态数据的来源。其次、说明充分开发桥梁工程领域大数据资源的重要意义。最后，就目前在桥梁工程应用中存在的问题提出相关解决途径。

大数据论文范文第8篇

对于新媒体文学意味着什么大数据让新媒体文学回到“去作者化”的共在混融状态:在传统声音媒介时代，读者与作者共同创作、修改诗歌;到了纸质媒介时代，作者的地位上升;在新媒体文学时代，读者可以对作家进行积极主动的反馈，但这种反馈呈现出信息零碎化、评价随性化以及无法把握所有地域、身份、族裔的不完整状态;到了大数据时代，新媒体文学借鉴《纸牌屋》的数据挖掘模式，可以对读者信息进行全数据收集整理，以最大的吸引力呈现一个文本(其中包括一种可能性，即同一个故事开头，针对不同人群有不同的故事演进和情节，乃至人物设置)。舍恩伯格认为，“大数据是指不用随机分析法这样的捷径，而采用所有数据的方法”，因此，我们分析的大数据其实应该被称为“全数据”。在网络新媒体时代，人类所有的网络行为都可以被数据化，而这些数据又能完全被收集、存储、交换和分析。人们在不经意之间产生的数据总量大到我们难以想象的程度。“据有关研究报告，2013年中国产生的数据总量超过0．8ZB，相当于2009年全球的数据总量。预计到2020年，中国产生的数据总量将超过8．5ZB，是2013年的10倍，一个大规模生产、分享和应用数据的崭新时代正在到来。”新媒体文学在发展过程之中当然也生产了大规模的数据，这些数据对新媒体文学意味着什么呢?第一，以PC和移动终端为主要载体的新媒体文学产生巨大的相关信息数据库，比如新媒体小说阅读量排行榜、新媒体作家数据库、读者阅读时间和习惯、哪些文学章节被反复阅读等等。与此同时，因为网络媒介的公开性和“无门槛”标准，新媒体文学的阅读者和创作者数量达到了文学史上前所未有的奇迹。2014年，中国网络文学的读者已突破5亿人，保守估计整体收入突破65亿元。这样大规模的用户群保证了巨大的数据量，也使文学网站拥有所有与网络文学相关的数据。网络文学带来的巨大经济效益成为对网络文学进行大数据分析的资本基础和动力。作为迄今为止最为强大的分析技术，大数据的重要价值在于预测趋势，即“正在发生的未来”。通过对这些大数据的分析，内容生产者可以有针对性地将作品推送给受众，而这种经过精心设计的文学作品恰好就是受众所需要的。这是因为大数据分析可以采用理想状态的全数据分析(目前还不能完全达到)，而全数据分析由于分析的数据量巨大，单个数据的误差可以在分母巨大无比的全数据海洋之中被忽略。相反，在数据量有限的时代，我们就只能追求单个数据的精准。“因为收集信息的有限意味着细微的错误会被放大，甚至有可能影响整个结果的准确性。”当数据量持续积累增加时，对单个数据的精准性追求不是全数据的方式，放弃精准性、适度接受不精准性，仍然不会影响其结果。这类似于医用手术无影灯，从各个角度照射对象，永远不会存在盲区。盛大文学董事长邱文友认为，事实上国内文学网站在10年前就在运用大数据思维了:文学网站上有200多万名作家，700多万部作品，怎么在茫茫作家海中找出下一个唐家三少?靠数据分析。此外，在网络连载过程中，作家跟读者之间有互动，这些讯息也是数据。“比如作家本想让甲娶乙，可是绝大部分读者希望甲娶丙，这时候作家可以选择，是按原来思路，还是按小说可能延伸的商业价值去改写结局?所有决策的因素、动机跟方式，也是数据分析。”瑏瑡但是受网络技术发展的限制，当时新媒体文学的数据挖掘不可能像现在这样彻底和全面。第二，大数据时代新媒体文学批评走向多元化。当前的新媒体批评既包括传统精英式的学院派批评，也包括点赞、跟帖式的草根批评;学院派批评以黄鸣奋、欧阳友权为代表，草根批评以崔宰溶为代表。“黄鸣奋和欧阳友权以从西方新媒体技术层面发展出来的超文本理论作为理论生发点，对网络文学进行后现代性的学理探讨。”瑏瑢而崔宰溶认为，对中国网络文学的研究需要从原著理论(vernaculartheory)和网络性理论入手，才能真实地对新媒体文学进行研究。新媒体文学的接受者并不会以文化精英式的方式来俯视作品，他们对新媒体文学的批评是纯感受性的、本能直观的和零散局部的。这种自下而上的反叛式文学批评，迥异于传统精英式的学院批评。对中国新媒体文学的研究必须从网络的“原著居民”(网络文学读者)出发，由于他们大部分时间栖居于网络之中，因而对新媒体文学具有不受传统文学理论影响的本性感受力和知识系统。瑏瑣笔者认为，无论是西方网络文学理论还是原著理论，在大数据时代，它们都会被作为大数据库中的一个组成部分，再结合“总点击量”“总推荐”“月排名”等进行分析，从而寻找出读者最有可能喜欢的作品。无论如何，大数据时代给新媒体文学研究带来一种新实证研究路径。米埃尔(Miall)认为，文学的实证研究像灰姑娘一样总是被人们忽视或反对，早晚会有一天，实证研究将统领整个文化研究领域。人们会通过实证来研究理论观念，反思文学的本质和文化地位。瑏瑤网络技术的发达与新媒体文学的繁荣促成了大数据分析对于新媒体文学的数据实证性研究。

二、大数据思维给新媒体文学带来的理论思考新媒体文学的大数据分析

从学理上带来三组思考:一是大数据推动了新媒体文学的发展，然而新媒体文学能被彻底数据化吗?如果不能，那在什么样的层面上可以被数据化?新媒体文学与大数据思维融合的真正重要意义在何处?二是新媒体文学遭遇大数据思维之后，是否意味着对于新媒体文学的研究可以完全转换为数据式的实证研究?如果不能，对新媒体文学的研究还有哪些方面是大数据不可能涉及和完成的?三是当我们将文学接受者的大数据作为文学创作的唯一和最高标准之后，新媒体文学在题材选取、形式美学和叙事节奏等方面是否走向绝对迎合读者的趋势?如果是的话，新媒体文学作家的意义何在?他们又应该采取迎合还是引领的姿态呢?

第一，新媒体文学活动都发生在网络之上，因而可以被充分数据化。大数据自产生之日起，就迅速与人类已有的知识和学科产生了极强的关联，比如医疗健康、交通规划、公共管理、教育培养等领域都在你看不见的地方悄悄运作着大数据分析。“大数据时代的经济学、政治学、社会学和许多科学门类都会发生巨大甚至本质的变化和发展，进而影响人类的价值系统、知识体系和生活方式。哲学史上争论不休的世界可知论和不可知论都将转变为实证科学中的具体问题。”瑏瑥大数据的此种趋势根源于它能将所有网络行为数据化的能力，比如在新媒体文学活动之中，我们可以轻松采集到作家和读者的数量、年龄层、分布地域、经济状况、教育程度、阅读习惯、题材喜好，等等。除此之外，大数据可以分析:哪种题材的文学受众最多?同一种题材之中，什么样的文学桥段让读者喜欢?幽默、推理、悬疑还是浪漫?文学作品之中什么样风格的语言会更受哪种人的喜爱?什么样的故事情节发展路线和结局是最受人欢迎的?等等。这些方面都可以通过读者的评论和阅读数据反馈到内容提供商和文学作家那里，从而对作品进行实时调整。但是，我们不能因为大数据有这样的效果，就认为新媒体文学可以被完全大数据化。其实，作为技术和艺术合一的新媒体文学在多个维度上是不能被量化的，比如作家的灵魂高度、文学思想的深邃性、文学的意境、文学的美感、文学的终极关怀和文学对人性的探测等都不能被量化，而这些维度恰恰是文学之为文学最核心的内容。不管大数据技术怎么发达，它所追求的绝对客观性其实在数据产生之初就不存在。数据无论在表面上看起来多么客观地再现对象情况，它本身其实是在一种具有倾向性和差异性价值观基础上被建构的。因而，大数据的生成和分析永远不可能摆脱自己天生就具有的价值主观性。我们能看到的数据是研究者有能力或者热切希望看到的数据，若非如此，即便大量数据生成了，也不能被数据识别系统发现。这就好比雷达效应，你的关注点除了对象之外别无他物，但是“他物们”却客观大量地存在于你的意识之外，只不过你无意或不能去抓取它们。所以，大数据不管看起来多么科学客观，背后其实与主观价值判断是分不开的。“大数据”并不等同于“大智慧”，即使占有大量的数据，还必须有对数据具有专业化分析能力的人。Netflix的CEO里德•哈斯廷斯利用数据分析的方法也是受他前期从事碟片租赁服务的启发。他一方面熟悉在网络上怎么通过数据分析为别人推荐自己喜欢的电影和电视剧，另一方面他在无数的观影之中对影片具有极强的审美鉴赏能力。科技和人文的结合让他具有对《纸牌屋》数据进行采集和分析的能力，这才是Netflix进军艺术界成功的原因。所以，同样的大数据在不同主体那里得出的结论或者采取的应用是相距甚远的。就好比同样是医学CT扫描，仪器是相同的，照出的片也是相同的，为什么大家愿意去权威医院检查呢?问题的根源在于对CT成像进行分析的医生水平，同样的CT成像，在拥有不同经验的医生那里得出的结论很可能有天壤之别。大数据作为一种技术在教育、电影、艺术等人文领域广泛运用已是不争的事实，除了让人文领域的成果与经济效益直接产生关联之外，它的最重要意义其实是在哲学思维层面。大数据分析使我们抛弃传统哲学一直追求的现象背后的原因，而转向为关注事物和事物之间的关系性，即从因果关系转变为相关关系。瑏瑦这种思维方式转变是顺应时代的实用需求而产生的。一方面，大数据思维不去深究因果关系，而是绕开因果关系，退到因果关系的上层———相关关系(包含因果和非因果关系)。这种搁置因果的选择更是由于因果关系和相关关系之间复杂的关系:“(1)两个事物间有因果关系时，这两个事物间往往会有相关关系;(2)两个事物间不存在因果关系时，这两个事物间也可能会有相关关系(虚伪相关关系);(3)两个事物间有因果关系时，这两个事物间也有出现零度相关关系的可能(虚伪零度相关关系)。”瑏瑧当略过这些复杂关系，只关注“相关关系———结果预测”，就会省去无数不必要的麻烦，而直接得出需要的答案。“相关关系的核心是量化两个数据值之间的数理关系。相关关系强是指当一个数据值增加时，其他数据值很有可能也会随之增加。”瑏瑨2004年，沃尔玛公司分析顾客消费时的各种数据时，意外察觉到数据和数据之间的相关性:飓风来之前，手电筒和蛋挞都销量增加，因而超市毫不犹豫地将它们放在飓风用品附近。这个例子就表明在大数据时代，深究原因并不一定能找到答案，而对数据进行相关性分析才是其核心。另一方面，大数据带来的相关性分析由于技术的成熟变得比因果分析更容易。丹尼尔•卡尼曼(DanielKahneman)甚至认为，人类之所以一直热衷于因果关系思维，是因为在信息不发达的社会采用因果思维可以快速地作出决定。相反，在那个时代如果采用相关思维会特别费力且不可能有任何结论。大数据由于技术的支撑完全可以支持相关性思维，但我们在现实之中会发现传统因果思维得出的结论被置于大数据时代后是有问题的。

第二，新媒体文学的学术研究与新媒体文学的大数据研究不能混为一谈，二者采用的研究方法不同，而这两种方法也只有被局限在一定范围之内才能发挥出自己的长处。19世纪，类似大数据思维的实证主义就已经僭越过文学的领地。当时实证主义提出，表象本身才是具有研究确定性的对象，对象背后所谓的本质是并不存在的。实证主义“反对追求绝对的知识，它停止去探求宇宙的起源和目的，拒绝认识诸现象的原因，只专心致志地去发现这些现象的规律，换言之，去发现各种现象的承续与类似的关系”瑏瑩。实证主义的“只研究怎么样(how)，而不研究为什么(why)”瑐瑠主张与大数据思维追求相关关系而悬置因果关系的方式极为相似。文学虽然作为语言的艺术具有强烈的主观情感色彩，但是对文学的研究在很大程度上可以采用实证主义的方法，比如对文学流派、文学史、作家时代背景、作品传播状况的研究等。实证主义既要有“实”，又要有“证”:从研究对象入手得到大量材料，在此基础上，还需要进行分析论证的过程，否则材料只是死物。反过来，我们认为实证主义精神只能限定在以上研究领域才是对文学研究有益的。如果实证精神进入文学意义范围，文学的灵魂、精神和审美只能被理性实证逻辑消解磨灭，最后成为他者的“嫁衣”。从传统的实证主义对文学的研究经验可知，任何一种研究方法是不可能包打天下的，对文学研究不同的维度只能用不同的方法。针对新媒体文学的实证主义(大数据思维)，只能研究新媒体文学的，即对新媒体文学的传播效果进行分析，预测新媒体文学会怎么样，提供什么样的文学作品其传播力更强等。然而，对新媒体文学研究本身就不能是技术式的，而应该是美学式的。在具体研究方法上，新媒体文学与传统文学走的是不同的理论路线。但就其艺术品格来说，文学应该研究的依然逃不脱深层的价值审视:从感官刺激的表层能否将读者引向一般生活状况，如生死、战争、世俗、宗教等，进而感受人类的终极意义和终极关怀。即使新媒体文学从表征上带有后现代的去中心、平面化和反经典的倾向，但我们还是坚信好的文学与人性追求是同一的，狂欢式的浅薄带来的是“娱乐至死”的悲哀。

第三，大数据思维带来的新媒体文学审美形态是不是对大众的迎合呢?纯粹的迎合带来的是否只是新媒体文学短时期虚假的繁荣?众多网络之中是否有一批逆潮流而上的引领美学品味的真正意义上的作家呢?如果只是一味迎合大众趣味，以大数据的反馈作为依据，新媒体文学到一定阶段完全可以通过技术手段调整写作的内容和风格，这样作家就成了读者们意见的平衡机制，这样的新媒体文学家没有太大的存在必要。我们可以设想一种状况:一部小说，作家只需要给一个开头，后来的情节发展完全通过数据汇聚网民的意见和倾向进行延伸，最后，小说成为读者们合力形成的整体，这样的小说(姑且称其为小说)就是优秀的文学作品吗?真正伟大的作家并不迎合当下的恶俗状况，而是写出深刻的作品，慢慢培养读者的审美趣味，让我们真正感受文学的意义、领悟存在的价值、思考人生的真谛。就像史蒂夫•乔布斯做苹果手机一样，他坚持认为不用考虑消费者的兴趣，你需要做的是培养和引领审美。两种不同的文学态度使得对文学具有深入思考的作家陷入两难境地:迎合还是引领读者和市场?迎合读者型的新媒体文学只需要通过大数据分析带给读者们娱乐风格的作品，这种作品只需要考虑文字故事如何带来感官的愉快，读者怎么舒服怎么写。引领型的新媒体文学有一个共同特征———“反浅薄”，文学作品需要读者理解力的参与和感受力的调动，从作品之中读到的除了“文之悦”之外，还有深邃的心灵和精神层面的内容。新媒体文学植根于众生喧哗的网络媒介之中，但是我们不能据此将新媒体文学必然地视为通俗艺术。新媒体文学不一定必须提供短暂的、不能激发任何智性思考和审美挑战的作品。在新媒体之中不可能存在可以吸引所有读者的文学作品，因为这就是新媒体的性质:作家创作风格的多元存在和读者审美兴趣的散点式分布。也就是说，新媒体文学的审美情趣和属性不是由它所寓居的媒介来决定的，而是由作家自己的选择决定的。网络媒介带给人表达的自由和平等，从而带来大众极大的参与兴趣和阅读快乐，其中不乏并未获得话语权的精英作家。所以，新媒体文学应该生长在一个包容性极强的场域之中，否则，引领文流的作家就不可能拥有宽松的成长环境。但是，如果我们单纯用技术方式来衡量艺术，艺术将会走向媚俗的商业逻辑道路，而优秀的艺术因其表征具有长期性会被戴着大众文化眼镜的数据技术过滤掉，剩下的只是众生喧哗的靡靡之音。

大数据论文范文第9篇

大数据时代设计创新主要体现以互联网为平台的网络终端创新，如智能手机、平板电脑、导航产品和电子支付等生活类产品及服务的创新设计，以及与此相关的后台基础设施创新，如云计算、通讯、软件工程等技术领域。知名IT评论家谢文认为，目前网络业创新过程中，对大数据的获取可分为三种战略：前台、和后台为主的模式。苹果、Facebook和亚马逊分别是这三类模式成功的典范。苹果通过设计、销售各种互联网终端产品，通过Ios系统下的Itune网上商店将产品和服务集成来汇集数据，形成自成体系的规范数据标准平台，这种商业模式让苹果获得了巨大成功，表明工业设计有效利用大数据可实现产品和商业的成功。Facebook则抓住目前颇具人气的网络社交需求，依托Web2.0系统平台的构建和运营来获取各种标准化、结构化的用户数据，形成开放、庞大的共享数据流。亚马逊则通过建立强大的网络营销后台获取网络用户的各种需求数据，再结合电商形成开放平台，为用户提供量身定制的各类个性化服务，为电商提供行业所需的大数据。在口碑营销成为王道的电商时代，借助互联网提供的营销数据，掌握消费者的需求，企业能够及时调整设计、生产和制造策略，并通过3D打印快速实现消费者的个性化定制需求。这就需要通过网络获取用户数据，同时用科学方法分析这些数据所体现的用户消费心理、行为，最终转换为有用的设计语言。传统的产品设计、制造是一种线下行为，远离互联网，与消费者之间的沟通和交流存在时间差，获取的消费者数据十分低效。“3D打印”技术的出现让物质产品的设计、生产实现了数据化，传统制造业和互联网行业的高度融合，不但拓展了网络行业的产业边界，也为制造业的定制化服务提供了巨大空间。针对用户的产品定制，借助强大的物联网可实现低成本营销，真正实现个性化设计和按需生产，这让传统制造业进入到大规模、打破时空界限的全新发展阶段。这种借助互联网、物联网形成的新型产业链和商业模式改变了传统制造业，让企业从产业链上游及战略规划阶段就可集成物质化产品设计、制造和流通过程所需的各类数据，这要求制造业企业必须具备互联网思维，要求工业设计必须依靠网络集成各种数据，及时获取消费者需求。

二、大数据时代的工业设计

互联网打造了全新的社会形态和生活方式，人们的工作、生活已离不开网络，通过网络消费者可实现交友，衣、食、住、行各种所需。谢文认为，未来通过网络有望实现三方面创新，个人数据集成、公共服务数据集成及物质生产集成。如收集消费者在网络上的言谈举止和生活中所有活动产生的数据，建立“数据人”模型，为线下的制造业提供人的需求数据；集成线上的公共服务数据为国家、政府和组织提供服务支持；集成物质生产数据实现制造业的数据化生存。对工业设计而言，网络连接消费者、社会和物质产品组成的三维空间，融合各种大数据，可支持制造业的转型与社会进步。这正是新形势下工业设计的发展方向，即通过设计具体的服务产品，为消费者创造感性价值，实现消费者情感上对个性、品位和身份的追求。这些服务化产品在提供高品质服务的同时，以技术推动组织和社会创新，实现人、组织、社会和环境的可持续发展。此时的工业设计从“提供功能，方便使用”的问题解决方案，转向“讲述故事，创造意义”的“造意”阶段，“造意”正成为当下产品设计新的关注点。借助网络获取用户数据，让产品满足基本功能的同时，更多地向消费者讲述故事，引起消费者的回忆和联想，成为当下产品设计成功的关键。

三、结语

互联网、3D打印塑造了以大数据为特征的这个时代，大数据是平台（移动互联网），造意是手段（感性价值创造），用户体验是目的（价值实现），构成了新时代工业设计的基本构架。大数据时代，一切皆可量化，对设计教育而言，“研究驱动设计，设计驱动创新”将是工业设计改革的方向，这要求在学科层面成立设计研究学会，基于对各种用户数据量化的科学研究为制造业服务。2014年初，中国工业设计协会成立了设计研究专业委员会，这是一个可喜的进步，标志着中国工业设计教育由基础实践型向科学研究型发展迈出了开拓性的一步，但未来依旧任重道远。

大数据论文范文第10篇

紧跟大数据时代的步伐，农业银行积极推进大数据平台建设及大数据的价值应用，确立了“大数据体系建设必须以应用为核心，数据平台开发与业务应用统筹考虑，要做好内部的数据治理，逐步拓展数据来源范围，充分利用内外部数据资源，不断提升对全行经营管理的支撑水平。”的总体战略思想，即：数据是基础，应用是目标，平台是支撑，治理是保障。

1.强化数据治行理念大数据革命必将颠覆银行传统观念和经营模式。通过营造“数据治行”的文化，建立分析数据的习惯，落实全行的数据标准和数据治理，切实提升“大数据”开发利用的综合能力，将现有数据转化为信息资源，让决策更加有的放矢，让发展更加贴近市场需求。

2.建设大数据平台构建处理能力强、扩展性好、开放度及共享度高的大数据存储加工平台，整合行内外、各种形态、跨历史周期的海量数据，并构建统一、全面、稳定的企业级数据模型，为大数据的分析利用提供基础的数据、环境、模型及配套工具等全方位立体式支撑。

3.打造数据分析应用体系构建适应大数据分析的多功能、跨渠道、多粒度的分析挖掘模型和应用体系，为服务质量改善、经营效率提升、金融模式创新提供支持。通过对海量数据的深度分析，全方位调整产品结构、营销模式，从根本上提高风险管理、成本绩效管理、资产负债管理和客户关系管理水平。

4.实现智慧银行的目标智慧银行是指，通过大数据技术不断优化业务办理流程，高效配置金融资源，敏锐洞察并引领客户需求的高度智能化的金融商业形态。智慧银行可提供“银行始终在客户身边”的全场景金融服务，为客户创造最佳服务体验。

二、农业银行大数据平台概述

经过多年的努力探索，农业银行在大数据平台建设的道路上锐意开拓，大胆创新，逐步形成了以四大基础平台、五类数据服务为核心的大数据平台。

1.四大基础平台（1）企业级数据仓库随着银行业数据利用能力的逐步提升，业务分析呈现跨领域分析、高度整合分析、长周期历史分析等特点，企业级数据仓库通过对行内跨领域海量数据的高度整合和模型化，形成对客户、账务、产品等的统一视图，使大数据分析成为可能。农业银行企业级数据仓库以存储和处理结构化数据为主要目标，全面涵盖了农业银行存、贷、中间业务等行内业务条线的核心类数据，实现PB级数据的高效存储，可以满足全行在各个领域数据分析和价值发现的各类需求，并为全行数据治理提供有力的支撑。如通过网点的多维度、全方位、长历史周期数据挖掘给出网点资源配置建议，提升运营效率，优化业务流程。（2）信息共享平台信息共享平台以存储和处理行内非结化数据为主，辅以来自行外的社会数据。基于非结构化数据的分析和深度挖掘，在客户关系管理、中小企业信贷、风险管理、品牌建设等众多领域发挥了重要的作用。如基于对社交网络各类非结构化数据的综合分析可以获取行外目标客户；通过机器学习、语音识别、情绪识别等技术，对客服语音记录进行深度挖掘，发现客户的需求。（3）实时流计算平台传统数据计算平台多以批量计算为主，数据处理能力较强，但时效性较差。农业银行的实时流计算平台采用业界最先进的流计算框架，实现数据的快速采集、交换、处理和应用，主要用于实时营销、实时客户服务、欺诈监控、大额动账监控、系统运营监控等各类对时效性要求比较高的业务场景。如结合持卡人的行为偏好为客户实时推荐精准的营销信息、优惠信息和特惠商户信息，并为特定客户群体提供实时的有针对性的服务提示。（4）高性能数据处理平台海量数据的分析挖掘亟须一个高性能环境的支撑，农业银行高性能数据处理平台采用大内存处理、分布式、闪存等新技术，以高性能计算为主要特点，实现对海量结构化数据、非结构数据等进行综合处理、全面分析和深度挖掘。如通过大数据语义分析和情绪分析追踪海量网络信息蕴藏的经济金融“微信号”，借此判断未来的市场走势，为前瞻性风险管理提供参考。

2.五类数据服务农业银行基于四大基础平台的优势，大力发展应用系统建设，形成了五大类数据服务形式有机结合的数据服务体系。（1）指标检索服务通过构建全行统一的指标库，为各个业务条线提供常用指标的检索服务，在此基础上提供各类经营管理、监管报送等指标采集、加工及报送服务。（2）即席查询服务采用特定的工具，构建功能强大的查询支持库，满足各类灵活查询、临时查询及特殊复杂查询需求。如果说报表是经营管理的瞭望塔，那么灵活的即席查询就是执行经营决策的指南针。以客户营销为例，即席查询服务可以为全行的客户经理提供多角度的客户信息查询，针对当前市场热点，提供具体的业务指导。（3）定制化信息服务通过iReport智能资源视窗对信息进行统一管理、分层检索、灵活配置和个性展示，并针对用户的不同需求、不同层次及不同偏好，提供定制化、个性化的信息订阅，联动邮件、短信、微信等渠道提供主动信息推送服务。（4）多维分析服务多维分析可以帮助业务人员实现多维度、多视图、多层次的分析，并可以通过下钻、上钻、切片、旋转等操作，提供更加动态、智能的数据分析，发现数据背后的规律。如从机构、时间、客户、产品类型、渠道、营销活动等多个维度对产品盈利情况进行综合分析，进而有效推动产品优化和创新。（5）深度数据挖掘服务海量数据中蕴含的规律和价值通常不直观，大数据的显著特点之一就是海量数据的知识发现和数据挖掘。农业银行基于大数据平台构建了多个特定领域或主题的数据挖掘实验室，包括客户洞察及精准营销、信用评价及风险评估、舆情分析与客户情感管理等，紧跟市场发展动态，直面业务热点、难点，充分挖掘大数据的巨大价值，为业务发展和经营决策提供更加深入的洞察和更加有力的支撑

三、农行大数据应用实践

农业银行在构建大数据体系时坚持以应用为核心，统筹部署数据平台开发与业务应用，加强业务创新与数据利用的良性迭代，实现传统业务和新型业态的融合发展，充分发挥了数据对全行业务发展和经营管理的支撑作用。借助大数据这把利剑，实现了“营销更精准、服务更贴心、管理更精细、监管更透明、风险更可控、决策更智能”，有效促进了全行经营理念、业务运营、组织流程的不断创新，为全行业务发展和经营管理提供了有力的科技引擎。以下三类应用案例可充分说明情况。

1.精准营销基于大数据的客户营销“三步曲”：获取客户、客户画像、精准营销（如图1所示）。通过大数据强大的信息获取和处理能力，充分挖掘行内外的潜在客户；通过大数据实现对客户的360°立体画像，在掌控客户行为、洞察客户情感的基础上，准确地预测客户需求，从而实现精准营销及交叉营销。以贵宾客户信用卡精准营销为例，农业银行通过综合行内外数据，应用聚类分析、关联规则发现、决策树等数据挖掘算法，构建了完整的精准交叉营销模型库和应用体系，动态实现目标客户识别、客群划分、优先级划分、产品推荐、渠道推荐等功能。在合适的时间，以合适的渠道，通过合适的方式，为合适的客户推介甚至定制合适的产品，实现差异化、个性化的精准营销。2.热点分析农业银行基于大数据平台构建了热点问题专题分析模型库，对当前的热点事件进行定期跟进、深度分析和动态监测，为策略制定、产品创新及运营模

式优化等提供有力支持。以互联网理财客户分析为例，该项分析旨在揭示个人客户购买互联网理财产品与农业银行资金流失的关系。首先采集研究机构等第三方数据，融合内部数据，对整体购买规模进行分析；挖掘购买互联网理财客户的特点，对这一特定客户群体进行综合画像。从而知道“正在发生什么。”然后，采用神经网络、回归等方法，对即将流失的客户进行智能识别，针对不同的客户特点制定不同的客户挽留措施，知道“即将发生什么。”最后，通过对客户和资产流失的深度分析，提出产品层面的创新策略，并给出具体建议；产品优化和创新后，再次综合分析新产品的市场效果，并对产品进行持续优化，实现数据挖掘和产品创新的迭代。

3.客户关系管理通过对数据的深度挖掘，农业银行构建了全新的、智能的、动态的客户管理及分析应用体系，实现对客户全生命周期的客户关系管理，切实提高对客户的洞察能力和服务水平，实现“以客户为中心”。具体包括以下几方面。新客户获取：通过对行外和行内数据的深度分析和挖掘，找到潜在客户的特征，并进行客户营销。客户价值提升：深度分析客户综合价值，并通过具体的、有针对性的营销策略提升潜力客户的价值。客户发展：动态识别客户日常生活中的重要事件，进行事件营销、社交网络营销和同理心营销，提高客户的粘性和忠诚度。客户成熟：准确洞察忠诚客户的金融需求，并及时感知变化，从而进行差异化服务，真正实现“伴您成长”。客户衰退：通过持续的数据分析和监测，对衰退客户进行及时的营销干预，激发其活力，发现其新的业务需求。客户流失预测及挽留：智能识别即将流失的客户，并深度分析其特点，找到客户的痛点，进行有针对性的精准挽留。在当前这个不断创造奇迹的大数据时代，农业银行将大力推进大数据平台及数据分析应用体系的建设和完善，将数据的价值切实应用到业务发展和经营管理的每一个环节，在大数据时代走出更加坚定、卓有成效、有农业银行特色的金融创新发展之路。