大数据在云计算中的应用精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的大数据在云计算中的应用主题范文，仅供参考，欢迎阅读并收藏。

第1篇：大数据在云计算中的应用范文

【关键词】 大数据 云计算平台 应用

一、大数据与云计算平台概述

1、大数据的特征。大数据又被IT业称之为巨量数据集合，具体是指无法在某个特定时间范围内用常规的软件工具进行捕捉、管理和处理的数据集合，是一种海量、多样化、高增长率的信息资产。大数据的特征主要体现在如下几个方面：超大的容量、繁多的种类、获取数据的高速、数据质量真实可靠、数据来源渠道复杂等等。信息时代到来的今天，数据信息在生产生活中的重要性日益凸显，大数据的发展速度也变得越来越快，对信息处理提出了更高的要求，即需要在短时间内对数据库进行有关的操作与处理，为满足这一需求，大数据技术应运而生。

2、云计算平台的优势。云计算是以网络为平台，利用远程连接的计算机获取所需计算服务，该计算机可供给弹性伸缩的计算资源，可提高资源利用效率，节省因重复配置资源增加的成本。云计算的优点：1.计算能力强。云计算可对计算机集群中的CPU进行远程调用，使其具备强大的计算能力，每秒高达10万亿次运算。2.可靠性高。云计算使用数据容错技术和计算节点同构可互换措施，能够保证云计算服务的可靠性。3.使用成本低。云计算采用自动化集中式管理，按需分配使用硬件资源，无需支付数据管理成本。

3、大数据与云计算平台的关系。大数据与云计算的联系紧密，两者均能够为数据资源提供存储、访问和计算的平台。对于云计算而言，其核心技术为数据处理技术，最终目的是为国家、企业和个人提供便捷服务，这与大数据的发展目的一致。大数据拥有丰富的数据资源，能够与云计算平台共同一个平台，进行大数据分析与计算，两者的相似度极高。

二、大数据和云计算平台的应用

大数据和云计算平台的应用现已遍及多个领域，其在各个领域中均具有其它技术不可替代的作用。下面本文重点对其中的关键技术及具体应用进行分析。

2.1 Hadoop技术及其应用

1、Hadoop技术。这是一个开源软件框架，具有海量数据分布式处理的能力，其支持PB级海量数据，并且可扩展性极强。该技术的高效性、可扩展性、可靠性、开源特性，使其获得了快速发展，并在很多平台中得到了应用。

2、具体应用。①在百度中的应用。百度是提供数据搜索服务的重要平台，在海量数据中百度能够通过语义分析精准搜索到关键字以及用户想要的结果。百度的海量数据处理平台基于Hadoop而建立，每天处理的数据量十分庞大，约为20PB，处理的任务数超过120000个。百度数据处理平台主要应用于以下方面：分析挖掘商业数据，如展示与点击广告；存储、分析、搜索日志；分析、爬取网页；用户行为挖掘，如用户关联与推荐。②在腾讯中的应用。腾讯是我国互联网行业先进技术与平台的代表，涵盖电子商务、社交网络、新闻门户、网络游戏、搜索等服务项目，其拥有自主研发的云计算平台，即台风（Typhoon），能够大批量处理在线数据与离线数据。此外，腾讯基于Hadoop建立了海量数据处理平台，用以解决数据挖掘、网页分析等特殊问题。腾讯进一步扩展了Hyphoon平台，使其能够支持Hadoop程序运行，既发挥了Hadoop的优势，又提高了资源利用率。

2.2 Spark技术及其应用

1、Spark技术。这是一款基于内存计算的分布式计算系统，通过它可对大数据进行快速地分析处理。由于该技术是基于内存计算实现，从而使得数据的分析处理速度获得了大幅度提升，对于实时性要求较高的数据分析处理，该技术非常适用。不仅如此，Spark对Hadoop还具有高度的兼容性。

2、具体应用。①在雅虎中的应用。雅虎对Spark技术的应用主要体现在利用该技术实现Audience Expansion 算法，这是一种在广告中寻找目标用户的算法，借助Spark集群，可以实现对目标用户的快速寻找及交互式查询。现阶段，在雅虎上部署的Spark集群有112台节点，内存为9.2TB。②在优酷土豆中的应用。优酷土豆原本使用的是Hadoop集群，在使用中存发现以下几个方面的问题：一是在BI方面，分析师提交相关任务之后，需要较长时间才能收到分析结果；二是在大数据量的计算方面效率不高；三是迭代运算耗费的资源过多且速度较慢。通过Spark技术的应用，可以使上述问题获得有效解决。Spark技术的交互查询响应速度快，其性能要高出Hadoop当叮在模拟广告投放的计算上，效率更高、延迟更小，迭代计算基本不会占用过多的资源，大幅度提升了计算性能。正因如此，使Spark技术在优酷土豆的视频推荐及广告业务中获得了广泛应用。

结论：综上所述，大数据与云计算平台以自身所具备的诸多优越性，在多个重要领域中获得越来越广泛的应用，这对于促进各个领域的发展具有重要的现实意义。在未来一段时期，应当进一步加大对其的研究力度，在现有的基础上使大数据与云计算平台更加完善，为大范围推广应用奠定基础。

参 考 文 献

第2篇：大数据在云计算中的应用范文

在海量数据时代环境下，以往的主流软件工具已经无法满足大规模数据的存储和计算要求，对于医疗行业来讲同样面临着大数据的挑战。云计算和大数据是相辅相成的，云计算技术为海量的、复杂的、多样化的大数据的存储和计算提供了有效平台，该平台下的数据挖掘技术可以在不受其他因素影响的条件下快捷地收集到可靠真实的医疗信息，而且云环境下的数据集存储具有较强的稳定性，进一步优化了数据挖掘模式。

2大数据与云计算

随着医疗信息化的发展，医疗数据规模迅速扩大，数据的种类和数量的变化令人难以置信，不论是病理分析图还是医疗影像都产生了大量的医疗数据。区域医疗数据虽然是医疗大数据的组成各个部分，但其数据来自百家医疗机构和百万人口的区域，一个患者的信息资料要保留50年以上，而且数据量呈不断增长趋势。医疗数据中每个患者的数据不仅包括临床诊断以及用药建议、医疗影像以及分析决策、（非）结构化文档，还包括患者大量的在线实时数据，仅仅一个社区医院就可以生成多个TB级甚至PB级的（非）结构化数据，所以说海量医疗数据名副其实。云计算技术是被称为是21世纪的技术和商业革命，如今已成为IT行业主流技术。云计算技术是在大数据环境下数据存储、数据计算以及数据动态分析要求越来越高的背景下产生的一种基础构架和商业模式，该模式可以为用于提供便捷的、快速的、可用的、足量的计算资源，并且用户按照用量付费，只需要进行少量的管理工作以及与云计算供应商进行必要的互动。云计算技术是在大数据背景下产生的，对于云计算来讲，大数据是一种重要应用环境，而对于大数据来讲，云计算则是其IT基础和驱动力，两者之间是相辅相成的。随着大数据规应用的广泛推广，云计算技术的重要性也越来越突出。在医疗数据规模以几何级形式增长的情况下，数据挖掘平台是医疗数据中病历数据、诊断检验数据、影像数据等内在数据得到有效应用的关键所在，所以基于云计算的医疗数据挖掘平台是医疗信息化的一个重要研究方向。

3云计算在医疗数据挖掘平台中的应用分析

数据挖掘技术的概念可定义为“从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的过程,能够发现隐含在大规模数据中的知识,从而指导决策，主要涉及特征化、区分、关联或相关分析、分类、聚类、演变分析等。”数据挖掘在金融、交通、军事、电子商务、医疗等等领域中得到广泛应用。相同其他领域，医疗领域中数据挖掘技术的应用有很大不同，因为医疗数据包括患者诊疗过程中的所有相关信息资料，例如诊断记录、影像资料、治疗决策、用药方案等等，这些数据除了包括结构化数据之外还包括大量的非结构化数据，因此医疗数据挖掘的应用效益和收获最大。基于医疗数据的复杂性，医疗数据挖掘也存在极大难度，这主要体现在两个方面，一是诊断记录、治疗决策、护理过程等复杂的医疗程序导致了医疗数据的海量性特点；二是医疗数据类型多样化，不仅包括数值型数据，还包括图像、语音、视频等等类型数据。总之，医疗数据的海量性和异构性为医疗数据挖掘带来极大难度，需要具有强大数据处理能力的技术提高数据挖掘的效率和准确性，这就是云计算。

3.1基于云计算的医疗数据挖掘平台架构

云计算是一种基于大数据的商业模式，其强大的数据存储、数据处理以及数据管理能力让大数据丰富的信息积淀不再是镜花水月，云计算在改变计算机运行模式的同时也正在改变这个世界。云计算以及其分布式结构是实现云构架的重要途径，云计算的应用实现了网格计算并行计算、分布式计算等概念，通过互连的计算机来完成计算任务，并根据应用需要获取各种资源和服务。中国电子学会将云计算技术定义为“云计算是一种基于互联网的、大众参与的计算模式,其计算资源(包括计算能力、存储能力、交互能力等)是动态、可伸缩、被虚拟化的,并以服务的方式提供”。云计算环境下的医疗数据挖掘平台的设计结构主要包括云计算环境、数据采集、数据清洗以及并行分析4关键个部分。海量数据挖掘技术对云计算的应用主要是其低成本分布式并行计算环境，云计算的应用不仅极大减少了应用成本，同时也为海量数据挖掘提供更多的解决方案和途径。

3.2云计算环境下的医疗数据挖掘的应用

医疗大数据挖掘技术应用主要表现正在临床决策支持系统、医学图像挖掘、生物信息学研究以及促进公众健康等方面。1）数据挖掘技术在临床决策支持系统的应用：云环境下的数据分析、处理技术得到大幅度提升，这使医疗数据中非结构化数据的分析和处理分析是难题（例如图像分析和识别技术），对临床决策支持系统功能的进一步优化提高系统智能性。可以为医生对患者的诊疗提出有效建议，同时也可以将诊疗医生的大部分工作内容和时间流向护理人员，让医生摆脱繁琐咨询，有利于规范医疗工作流程，提高诊疗效率。2）医学图像挖掘：医学图像时医疗数据的重要组成部分，如今医学图像在医疗领域中的应用价值越来越高，例如CT、MRI、PET等等影像学资料为人体各种疾病或者损伤的诊断和治疗提供了有效手段。3）生物信息学-DNA分析：生物学研究领域开展的基因组计划产生了大量的基因组信息，基因信息的识别以及鉴定是基于工程的重要研究内容，将高效的数据挖掘技术应用于基因工程有利于进行基因信息分析，可挖掘潜在的更高价值的信息，为基因工程的研究提供决策支持。4）促进公众健康：利用医疗大数据分析技术可以对传染疾病进行快速检测，对疫情的发展态势进行实时监测、评估，并在此基础上提出有效应对策略。另外，利用大数据挖掘技术建立可以覆盖全国的患者电子病历数据库并及时准确地提供公众健康咨询，提高健康风险意识，这将有利于改善公众健康监控，降低传染病感染率，创造了极大的社会效益。

4结论

第3篇：大数据在云计算中的应用范文

大数据时代的到来和发展，为云计算的进一步应用提供了数据基础，大数据时代背景下的云计算，是一种动静状态的结合，云计算重在计算，属于动态，而大数据作为计算对象，属于静态。在实际应用过程中，大数据主要强调信息存储的能力，而云计算则注重实际计算能力。大数据对数据处理能力的需求，在某种意义上也是一种计算能力；而云计算需要在数据的基础上进行计算，实际数据是其进行计算的前提。云计算的技术关键在于“云”，通过集中各个终端的非结构性、分散性的网络数据，在云平台中进行统一处理，利用云平台中的超大量服务处理器计算各种数据[2]。云计算技术的规模相对比较大，虚拟性比较强，根据实际需求提供服务，可靠性比较高。大数据与云计算技术，是一种相互作用的关系，在大数据背景下，海量数据的处理，必须依靠云计算的虚拟化、云存储、分布式数据库、分布式数据处理等技术来实现。

2云计算技术

（1）分布式文件系统。云计算中的分布式文件系统，是Google公司根据云计算处理海量数据的过程而设计的一个特定系统。一个分布式文件系统的集群，是由一个主节点与多个从属节点共同组成，用户访问系统的途径主要是通过客户端，利用该系统完成日常的文件处理工作。在云计算中，大量的数据文件被划分为固定大小的多个数据块，在相应的从属节点中进行存储，此外，这些数据块也会在多个节点进行备份存储，避免数据丢失等问题。（2）分布式并行数据库。云计算中的分布式并行数据库的设计，主要是为大规模结构化数据的管理提供服务，这种分布式的存储系统，能够实现PB级数据以及上千台服务器的扩展。在Google的许多项目中，都有分布式并行数据库的应用，而分布式并行数据库在Google项目中的应用，在规模、时延方面的要求也有进一步的提高。分布式并行数据库的应用，为Google产品提供了高性能、灵活、有效的解决方案。（3）分布式计算框架。Google公司于2012年推出了分布式计算框架大数据计算机技术处理框架，通过优化内部数据网络计算方式，实现计算机技术挖掘的革新和计算机设备数据海量处理性能的提高。计算机的工作水平越高，网络环境的可靠性就会越高。而在计算机操作过程中，影响计算机网络处理速度的因素，主要包括软件安全问题和硬件配置水平。光纤网络的铺设情况会对计算机网络的可靠性带来直接影响，通过分布式计算框架大数据软件处理方式的编写，完成复杂计算机函数算法的革新工作。

3大数据时代背景下云计算技术对媒介发展的影响

第4篇：大数据在云计算中的应用范文

三年前，中国电信把大数据确定为战略性的方向，成立了大数据运营中心，把大数据定位成中国电信大数据基础设施的提供者和大数据产品与应用的参与者。如今，中国电信形成了三大产品品牌，覆盖了风险防控、精准营销以及大数据云PaaS平台，提供了15类子产品，为各类产品均可提品开发、数据分析、精准营销和风险防护的能力。

“云计算与大数据息息相关，相辅相成。”中国电信股份有限公司云计算分公司总经理吴湘东在接受《通信产业报》（网）记者采访时表示，“将大数据与云计算深度捆绑，对我们而言多了一个抓手，以云网结合的基础设施为中国电信大数据服务提供支撑。”

与云计算深度捆绑

“大数据对以往的基础设施提出新的要求，全网变得异常重要，突破以往全网计算、存储、网络一体化的目标，大数据所需的敏捷、可编程等特征，让我们更多去考虑网络支持，形成结合大数据时代的网络机制。”吴湘东表示。

具体而言，大数据对基础设施的新要求体现在多个方面。首先，变革中的行业互联网，要求对原有基础设施的升级，实现平滑的迁移和过渡。新兴的IT服务带来的最大的难点就是应用在平台间的迁移，带来成本增加的同时，还不可避免地引入安全问题。其次，应用和数据特征的多样性，不同应用类型对故障的包容程度都是以往无法想象的：要区别数据热度，对热数据和冷数据的处理要采用不同方法；当多种系统集中后，原来某一部分系统要求最严苛的部分，变成了对于整个系统的要求。最后，创意一体化的进程在加速，云计算等技术能够带来成本的降低和效率的提升，进一步带来网络升级的要求。

在2015年9月国际电信联盟批准的由中国电信主导的首个大数据标准ITU Y.3600中，对大数据与云计算的关系提出了这样的定义：大数据需要高性能的数据处理、分布式存储以及各种所需的工具来完成上述所提到的大数据生态系统，而云计算则是起到了大数据技术和服务推动者的作用，工作负载的突发性使得云计算技术更加适合大数据应用，基于云计算的大数据生态系统能够很有效地支持大数据，为大数据应用带来更多的好处。

与之呼应，中国电信云计算公司从2015年起对于云计算与大数据业务的发展做出了重要转变。一方面，规划大数据PaaS服务，向客户按需提供大数据应用所需的计算、存储资源以及数据汇集、处理、展现等专业服务，客户可依据自身大数据应用需要租用大数据PaaS基础能力，亦可进行大数据分析、处理、应用的定制化开发。另一方面，向更多行业开放数据资源，不仅作数据提供商，而是作数据产品的提供商，在天翼大数据品牌下形成了精准营销、风险防控、区域洞察、咨询报告四类数据型产品。

“云+CDN”两大支撑网

前不久，中国电信云计算公司副总经理王兴刚在2016年大数据产业峰会上介绍了中国电信最新的大数据服务能力。中国电信利用现有的云、管、端三类数据进行汇聚，在三年的进展中，已经汇聚了四门七类数据源，形成了每天200TB以上的数据处理能力，覆盖2000台以上的服务节点。

在这样的服务能力的背后，是中国电信云计算资源池的强大支撑。

2015年，为了全面承载“互联网+”和“一带一路”，中国电信改变原来的“4+2”云数据中心布局，升级为覆盖全国的“8+2+X”云资源策略，拥有全国370多个大型的IDC数据中心，在内蒙古、呼和浩特和贵阳建设了全国超大型的数据中心。

“大规模云资源的高端互联已经成为中国电信大数据两大支撑网络的一大重要组成部分，而另一部分则是CDN内容分发网络。”吴湘东表示，“大数据采集等方面的滞后性，使得如何把流量内容最终承接过来到最终回送到用户成为一个大工程。因此中国电信不断构建起来的CDN全网统一的服务能力成为进一步提升大数据产品效率与服务质量的关键保证。”

利用这两大网络，中国电信实现大数据和云能力的组合，为各个专业提供了公有云、行业云、私有云、混合云等各类云服务能力与大数据产品。

全国集约形成“一套体系”

早在2014年，中国电信就把解决数据资源整合汇聚、集团平台建设作为重点战略。

2015年启动的中国电信集团大数据汇聚平台项目，更是被视为中国电信集团实施大数据经营战略所需构建的核心软件平台项目之一。据了解，该项目通过采集和一点汇聚集团数据资源，以实现中国电信集团层面的大数据一点集中，面向内外部应用，提供大数据整合和基础数据加工、处理能力，满足大数据对内、对外数据经营的需求。

第5篇：大数据在云计算中的应用范文

关键词：大数据；云计算；职业教育

中图分类号：G424 文献标识码：A 文章编号：1009-3044（2014）09-1853-01

2012年，联合国大数据政务白皮书，提出了各国政府（包括联合国在内）的一个历史性机遇：利用丰富的大数据对社会经济做出具体的分析，帮助政府更好的运行经济服务社会。同年，奥巴马在美国白宫宣布将“大数据战略”上升为国家意志，将大数据定义为“未来的新石油”并加大投资拉动相关产业。2013年12月5日-5日，由中国计算机学会主办，中国CCF大数据专家委员会承办的主题为“应用驱动的架构与技术”的中国大数据技术大会，这次大会成为大数据技术与应用深度结合的新起点，成为产业界、科技界与政府部门密切合作的新平台，进一步推动我国大数据的产学研。2014年3月1日，在北京举行的贵州・北京大数据产业推介会上，贵州共获投730.2亿元用于大数据产业的发展，这一伟大的壮举将全面推动贵州互联网，网络营销发展进而影响贵州经济发展。百年大计，教育为本，在贵州“后发赶超，跨越发展”的过程中，教育的改善提升成了社会发展步伐是否稳健的重心，随着大数据的到来，贵州的教育正张开腾飞的羽翼迎接新一轮的跨越赶超，贵州在全国率先完成中小学生学习信息管理系统，学生学籍信息入库。为加快推进职业人才培养体系建设，促进经济工作稳定快速发展，省教育厅、人社厅等多家单位携手并进，联合出台了加快职业人才教育培养的实施方案，以贵阳为中心，打造职业教育核心发展区，规划高职办学规模达到25万人，为贵州大数据产业发展提供充足的人才保障，建成具有贵州特色的现代职业教育体系。在大数据背景的前提下，贵州的职业教育发展将踏上更加非凡和精彩的跨越之旅。

1 大数据、云计算简介

麦肯锡公司在2011年了一个前沿领域的研究：大数据。虽然到现在为止没有一个明确的定义，但是，大数据不是海量数据的表面理解，具有数据体量巨大，数据类型繁多，价值密度低，处理速度快等特点。 “云计算是通过网络提供可伸缩的廉价的分布式计算能力”。云计算代表了以虚拟化技术为核心、以低成本为目标的动态可扩展网络应用基础设施，是近几年来最有代表性的网络计算技术与模式。从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式计算架构。它的特色在于对海量数据的挖掘，但它必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术。

2 高职院校大数据条件下云计算的应用

云计算的应用使得高校在信息工具化的时代能够脱离原始的“信息孤岛”现象，集中了原本分散的国内及世界的教育资源，让社会与学校，学校与教师，教师与学生之间有了更深的互动和相互带动，把社会各行各业对教育有利的资源通过计算机与网络终端带动教育的发展。高职教育与传统的本科教育不同，重点是培养学生的实际操作能力，通过资源库的分析和选取并优化应用，可以提高高职教育的目标性。

2.1 依据社会人才需求信息，调整专业设置

目前的社会公开招聘信息都是通过互联网至少在全国范围内进行公开招考的，近几年，百度等各大网站都可以轻易的分析出

招聘的条件和专业。各大中型企业招聘的专业类型等都可以通过数据提取，数据分析得到各专业的需求状况，通过这些计算、分析这些大数据，可以适当迅速的调整专业设置和专业学习计划，以适应信息瞬息万变的时代需求。

2.2 利用数据库优秀教育资源，提高教学效果

近年来，各大高校，职院都在进行重点专业的课改工作，很多优秀的课程教学视频和配套资源等上网，通过相关网站对教育资源的数据进行搜索，在相应的学院，教研室，进行数据的分析和研讨，经过相应的更改后可以直接应用我们的教学和管理中，可以充分吸取网络教育资源的精华，变成自己教学工作进步的工具。

2.3 充分利用电子图书馆，扩展“校企合作”的形式

贵州是教育相对落后的地区，首先，经济基础决定上层建筑，资金配套的硬件措施是制

约学校教学工作前进的桥梁，近几年，国家的西部发展计划和贵州省对教育尤其是职业教育的大力支持，使得，学校的教学环境有了很大的改善，很多学校都配套修建了电子图书馆和电子信息实训室。“校企合作”首先在发达地区开展，在贵州，合作项目近三年才开始试行，以贵州职业技术学院为例，2012年，由政府搭台的“中兴网络学院”项目达成协议，中兴在贵州职院第一次投入一千万元建立实训室并开始招生，除了学校教学计划必须完成的课程外，中兴选派有实战经验的一线老师加强学生实训的教学和指导，让学生更深入的练习自己的职业技能，除了学习学校扎实的基础理论，更吸收了中兴企业信息化的优势。

3 高职教改的新方向

面向大数据的云计算主要是为学院提供基于云架构的知识、信息的存贮，但对于这些数据的科学性分析和研究并不完备，尤其是职业院校需要的不仅仅是可以相对容易验证真理的理论知识，主要是一线的先进生产力和技术的学习和研究资料，所以认真学习和研究大数据的处理方式，将是未来高职在大数据方面的发展新方向，当然事物两面性的原则，大数据的网络环境也为学院的发展带来负面的影响，比如，随处可见的传感器和摄像头等，都可能会泄露学校和学生的私人隐私信息，暴露学校的科研痕迹和学生的行踪轨迹，从而对学生的个人安全等起到威胁作用，所以，隐私信息保护系统也是当下研究的热点问题。

第6篇：大数据在云计算中的应用范文

一、大数据背景下会计数据具有较强的特殊性

首先，会计数据的粘合性、无形性比较突出。会计数据的类型比较复杂，并且都是直接的黏合在相应的业务数据之中，不能独立于业务数据而存在。会计数据收集及处理工作虽然相对简单，但要求其具备较高的准确度，信息量较大而且输出极为频繁，输出的形式也呈现出多样化的特点，这些因素的存在都使得会计数据表现出了较强的黏合性以及无形性的特点。

其次，会计数据面临着严重的安全威胁。由于会计数据的存储需要云环境的支持，因而安全性、完整性难以得到较好的保障。据统计，目前大约有70%的企业都不愿意将会计数据的相关信息存储在云环境之下，担心会泄露企业的会计数据，造成企业的巨大损失。

再次，在大数据的背景下，企业更关注会计数据的分析结果。在小数据的时代之中因为信息比较贫乏，因而对数据准确度的要求更高。而在大数据的影响下，某个会计数据的精准度并不会影响整个会计数据的分析。大数据下进行会计数据的分析所带来的收益明显要比小数据下注重数据精确度带来的获得的收益多。

二、大数据下云会计的主要特征

（一）能够及时获取所需的会计数据

在大数据环境中，企业所需的会计数据借助网络在相应的云计算平台就可以取得，而且比较快捷、简单、方便，能够较好的对会计信息进行移动管理，并实现会计信息的共享。除此以外，实行异地办公的会计人员还可以通过平台随时随地的完成对会计业务的处理，打破空间、时间对其的限制，及时的、有效的做出科学的决策。

（二）空间分离的现象普遍存在

大数据下的会计数据与信息并不是存储在企业归属地的计算机中，而是存储在云储存的平台上或者互联网的相关数据中心，因而导致企业存储的会计数据与企业物理位置的空间分离[2]。在大数据背景下，只需通过网络进入到云会计系统中就可以获得会计信息，并不受空间的限制。在大数据的影响下，会计数据的主要形式发生了巨大的变化，由原先的结构为主的数据转化成了非结构为主的数据，如图像以及文档等。

（三）高度重视会计数据及信息的相关性

大数据下进行会计数据分析的目的是通过对其相关性的分析以对企业经济事项的主要发展趋势进行有效的、合理的预测，并不是分析其经济事项出现的原因。相比之下，小数据下的云会计更注重会计数据对企业经营成效、资金流向以及财务状况的反映，而大数据的云会计则关注对会计数据及信息的结果分析，并与企业产品研发、产品供应与销售、发展规划等紧密联系起来，从而保证企业的综合竞争力得到不断的提高。

三、大数据背景下云会计的有效应用

（一）云会计在企业信息化发展建设中的应用

大数据背景下，云会计在企业信息化发展建设中的应用比较广泛。企业云会计的信息化处理平台中的运算资源主要部署在平台的云端，使得企业全部会计信息分析与处理的需要都可在云会计的计算平台中得到响应。云会计的信息化处理平台通过联网的控制，可以较好的保持与会计准则的一致性，还可以更好更快的实现银行对账、网上交易以及网上报税等会计信息的系统化集成，为大数据背景下企业信息化发展建设外部协同的实现提供可靠保障。此外，云会计还能够对企业的财务核算给予有效的实时控制，促进企业所需财务数据的及时生成，并实现企业财务信息的共享与同步。

（二）云会计在企业财务会计流程重构中的应用

将云会计科学合理的应用到企业财务会计流程的重构中，能够使企业的财务规划得以顺利的、有序的实施。在大数据之下，通过云计算处理系统的支持，企业将会计数据存储到云中，相应的业务流程还可以将合同的生成、业务的记录、产品购销成本等信息存储至云端，并自行进行运算，形成准确的报表及各项数据指标，税务部门或企业管理层等协同部门亦可以共享云计算处理系统中的各类数据，以充分满足自身的需要。对云计算进行科学有效的应用，可以使企业的管理层在重构以上财务会计流程的同时，促使企业的发展战略、财务会计战略得到较好的实现，进而增加企业的市场份额，促进企业的长远发展。

（三）云会计在企业会计成本核算系统中的应用

第7篇：大数据在云计算中的应用范文

关键词：计算机工程，云环境，大数据，信息安全

信息化建设速度不断加快，计算机信息技术的应用也越来越广泛，要能够在保证技术水平提升的同时，还要能够正确的处理数据，扩大计算机处理技术的应用范围。所以，就需要能够合理分析计算机处理技术，以此来满足云环境下发展需求

1大数据和计算机处理技术的特点

大数据技术。在人们生活、生产中所产生的数据较多，利用网络来进行整合和分析，进而推动大数据的出现。以往人们的技术使得数据的，使用率较低，那么随着当前不断发展互联网得到广泛应用，人们的需求也在一定程度上得到满足，知识需求的不断增加，使得对于人们的生活和工作都产生较大的影响[1]。在这种情况下，大数据在各个行业都有很好的体现，在计算机处理技术的帮助下，来更好地提高工作效率，推动自身更好向前发展。计算机处理技术。在人们的生活、工作中计算机得到广泛应用，在硬件上能够给予支持，通过对计算机处理技术的应用，还能够更好的整合各类技术，以此来为人们的生活、工作打下良好基础。与此同时，计算机处理技术的涉及内容也比较多，利用计算机为基础，对各类技术进行综合利用[2]。在当前社会发展中，能够很好地结合人与计算机软硬件系统，推动大数据向前发展，有效地提高人们的工作效率。通过对储存方法的优化，能够及时输入信息保存在计算机中。

2大数据计算机处理技术的状况

在云环境下，大数据计算机处理技术的发展推动社会建设，并且在当前已经成为社会发展的重要技术，不仅能够为其提供充足的信息资源，而且还能够更好的保证国家信息安全，为国家稳定发展打下良好基础[3]。以往在处理信息上都是人工操作的方法，这种方法不仅影响管理，而且还无法保证信息的安全。而在云环境下，计算机处理技术的应用则是能很好地解决这一问题，优化操作，还能够实现数据的共享，从而有针对性地进行搜索和处理，有效提高数据的查询速度，而且还不会受到外界因素的影响。云环境下计算机处理技术的问题。（1）处理层次低。当前大多数计算机处理信息都没有合理应用大数据和云计算技术，而且还会受到不同用户主机的影响，导致数据不能够实现共享[4]。仅仅依靠拷贝、核算的方法，并不能够满足信息处理和储存需求，而且还不能够实现跨区域传播，这样就无法满足用户数据运行和管理需求。（2）服务能力有限。因为计算机中的数据较多，所以在这其中有着一定的无用数据。那么，在积极开展数据采集、传输上，就应该能够先对数据加以处理，去除其中无用数据，并且要能够将数据进行转化，这样才能更好地满足不同用户的实际需求。但在这其中依然还是有着一些问题，数据信息不能够实现服务功能，无法为其提供共享、支持等作用[5]。因此，针对数据的二次加工则成为当前研究的重点，也是处理计算机数据资源的重要问题，要能够积极优化大数据信息处理技术来对其进行管理。（3）传输安全性有待完善。因为互联网信息的开放性特点，所以用户在访问的时候并不会受到限制，这样就可能会面临外部的影响，例如出现数据泄露、丢失等问题。此外，在处理计算机数据过程中，还会留有浏览痕迹，或者是系统自身感染病毒。因此，计算机处理技术的安全性，则是能够更好保证数据处理、传输顺利完成的关进。通过对大数据云计算控制模板的应用，以此来更好地提高数据的处理和加密操作，这样才能有效修复漏洞，保证数据安全。

3云环境与大数据计算机处理技术

（1）信息采集加工。因为数据资源庞大，所以针对需要收集和整理的信息较多，这就需要积极地利用计算机处理技术来对数据进行查找和整理，以此来更好地提高数据的处理速度，实现对计算机信息的有效整合[6]。与此同时，通过对技术的有效处理，还能够改变以往传统处理上的问题，能够利用相应的软件来分析和加工数据，并实现传输数据。在云环境下，大数据计算机处理技术的应用较为多元化，能够将有用数据传输到相应的地方，从而更好地发挥自身的价值。（2）信息存储技术。计算机网络信息中的数据种类多，例如图片、视频等等，那么在完成收集后，针对数据的储存需要加以重视。因此，在云环境下大数据计算机处理技术就能够很好的分析和整理数据，进而来有效的保证数据的安全。为了能够满足储存要求，就需要从计算机自身实际情况出发，积极的分析和运用合理的储存技术，以此来更好的保证信息储存的完整和安全。在这其中云环境下的云技术能够有效提高储存效率，而且还能够实现对信息的整合和收集，在相应服务器的帮助下，实现对数据的处理，有效的解决以往在信息储存上存在的问题，有效提高数据储存效率。（3）云技术。随着当前信息化建设速度的不断加快，将数据有效集中，进而来确保计算机的稳定运行。与此同时，针对人们针对计算机的要求也越来越高，所以就需要能够在这种情况下积极的为其匹配相应的硬件。在云环境下，大数据计算机处理技术也需要积极更新，最终发展成云数据。传统的计算机已经无法满足当前发展需求，通过对云数据的合理应用，则是能够满足数据储存要求，而且能够帮助计算机更加高效的处理信息，为企业发展提供帮助[7-10]。这种技术的储存空间较大，能够很好地提高计算机的工作效率，有效的解决以往效率不高的问题。云计算的发展能够让计算机处理技术更好应用，有效的保证工作效率。（4）信息安全技术。在计算机处理技术中，为了能够更好地保证数据的安全，则是需要能够积极地建立信息安全体系，配备相应资金和人员，以此来为计算机安全体系的发展提供帮助。同时，需要能够积极研究计算机安全技术相关产品，从而找到能够更好为人们服务的产品，还应该积极了解在数据运行中所存在的问题，更好的保证产品的安全。积极审要数据，以此高效、快速地整合和查询数据，针对重点数据要能够深入分析，这样才能够更好地提高大数据处理技术的安全，还能够推动大数据计算机处理技术更好向前发展。

4结语

在云环境下，大数据计算机处理及时必须要积极更新，要能够迎合时展来不断完善，这样才能够更好地推动互联网向前发展，有效的为人们服务，满足人们的不同需求。在这其中必须要能够保证数据的安全，要能够合理地应用信息储存技术，提高信息传输效率，并在采集和加工上能够加以重视，以此来确保信息安全、完整，这样才能够让大数据更好地发挥作用，为各个行业建设和发展提供帮助，推动我国更好向前发展。

参考文献

[1]刘颜颜.大数据时代背景下计算机信息处理技术分析[J].浙江水利水电学院学报,2019,31(05):77-81.

[2]陈张荣.“大数据”时代的计算机信息处理技术研究[J].黑龙江生态工程职业学院学报,2016,29(03):23-25.

[3]毛鹏飞.大数据时代下计算机信息处理技术分析与思考[J].西南科技大学学报,2019,34(02):98-101.

[4]罗田琪.大数据时代背景下计算机信息处理技术的分析[J].电子元器件与信息技术,2021,5(01):64-65.

[5]孙海燕,冶栋玉,曹娟.浅谈“大数据”时代背景下计算机信息处理技术[J].信息系统工程,2016(04):112.

[6]吴恩生,王桂梅.大数据时代计算机信息处理技术分析[J].江苏科技信息,2015(12):63-65.

[7]詹少强.基于“大数据”时代剖析计算机信息处理技术[J].网络安全技术与应用,2014(08):49-50.

[8]陈张荣.“大数据”时代的计算机信息处理技术研究[J].黑龙江生态工程职业学院学报,2016,29(03):23-25.

[9]毛鹏飞.大数据时代下计算机信息处理技术分析与思考[J].西南科技大学学报,2019,34(02):98-101.

第8篇：大数据在云计算中的应用范文

关键词： 大数据; 4V特征; Hadoop; 云计算

中图分类号：TP391 文献标志码：A 文章编号：1006-8228（2015）01-13-02

Overview on big data technology

Yang Jing

（Department of Computer Science， Yunyang Teachers' College， Shiyan， Hubei 442000， China）

Abstract： Big data is a new technical wave after the network of things and cloud computing. To understand big data technology， the definition and 4V characteristics， the key technologies and main application fields are systematically analyzed in the paper. Through the introduction of the basic conception， characteristics， the main application fields with typical cases are summarized. The core technologies， key strategies of cloud computing， hadoop and data backup are analyzed. The potential information safety risks are pointed out. The countermeasures are given to provide some suggestions and references for wider application and study in the future.

Key words： big data; 4V characteristics; Hadoop; cloud computing

0 引言

物联网、云计算等新兴技术的迅速发展开启了大数据时代的帷幕。大数据技术是指从各种各样的海量数据中，快速获取有价值信息的技术，大数据的核心问题就是大数据技术。目前所说的“大数据”不仅指数据本身的规模大，还包括采集数据的工具、平台和数据分析系统复杂程度大。大数据的研发目的是发展大数据技术并将其应用到相关领域，解决实际生产、生活中的各种问题，从而推动信息技术健康地可持续发展。

1 大数据的定义及主要特征

与其他新兴学科一样，目前大数据没有一个统一的标准和定义。一般认为：大数据是由大量异构数据组成的数据集合，可以应用合理的数学算法或工具从中找出有价值的信息，并为人们带来经济及社会效益的一门新兴学科。大数据又被称为海量数据、大资料、巨量数据等，指的是所涉及的数据量规模巨大，以至于无法在合理时间内通过人工攫取、管理、处理并整理成为人类所能解读的信息。这些数据来自方方面面，比如社交网络、传感器采集、安防监控视频、购物交易记录等。尽管尚无统一定义，但这些无比庞大的数据被称为大数据。大数据具有如下4V特性[1]：

⑴ 体量Volume，是指数据存储量大，计算量大;

⑵ 多样Variety，是指大数据的异构和多样性，比如数据来源丰富，数据格式包括多种不同形式，如网络日志、音频、视频、图片、地理位置信息等等;

⑶ 价值Value，是指大数据价值密度相对较低，信息海量，但是要挖掘出真正有价值的数据难度较大，浪里淘沙却又弥足珍贵;

⑷ 速度Velocity，是指数据增长速度快，处理速度要求快。

2 大数据技术的应用领域

通过对海量数据进行采集、分析与处理，挖掘出潜藏在数据海洋里的稀疏但却弥足珍贵的信息，大数据技术正在对经济建设、医疗教育、科学研究等领域产生着革命性的影响，其所带来的巨大使用价值正逐渐被各行各业的人们所感知。

2.1 金融领域

大数据的火热应用突出体现在金融业，各大互联网企业（谷歌、阿里巴巴等）纷纷掘金大数据，开创了新的互联网金融模式。目前阿里巴巴的互联网金融做得如火如荼：基金、小额信贷、余额宝和理财保险产品等等，阿里巴巴之所以能够做火金融服务，其主要原因就在于阿里的大数据，阿里巴巴的电商平台存储了大量微小企业客户及数以亿计的个人用户行为信息、交易记录、身份数据等，拥有最好、最全的数据以及最完整的产业链，做P2P及个人小额信贷，具有最大优势[2]。相反，传统商业银行早期就已推出的小额信贷业务，开展得并不十分顺利。

2.2 市场营销

今天的数字化营销与传统市场营销最大的区别就在于精准定位及个性化。如今企业与客户的交流渠道发生了革命性的变化，从过去的电话及邮件，发展到今天的博客、论坛、社交媒体账户等，从这些五花八门的渠道里跟踪客户，将他们的每一次点击、加好友、收藏、转发、分享等行为纳入到企业的销售漏斗中并转化成一项巨大的潜在价值，就是所谓的360度客户视角。例如谷歌的销售策略主要着眼于在线的免费软件，用户使用这些软件时，无形中就把个人的喜好、消费习惯等重要信息提交给了谷歌，因此谷歌的产品线越丰富，他们对用户的理解就越深入，其广告定位就越精准，广告所攫取的价值就越高，这是正向的循环。

2.3 公众服务

大数据的另一大应用领域是公众服务。如今数据挖掘已经能够预测海啸、地震、疾病暴发，理解交通模型并改善医疗和教育等。例如，可采用神经网络和基于地震时间序列的支持向量机方法来预测地震的大概方位、时间、震级大小等重要信息，为通用地震模拟程序提供关键的数据，从而对地震进行早期预警，以使防震抗灾部门可以提前做好应对措施，避免大量的人员伤亡及财产损失;再如，将各个省市的城镇医疗系统、新农村合作医疗系统等全部整合起来，建立通用的电子病历等基础数据库，实现医院之间对病患信息的共享，提高患者就医效率[3];电力管理系统通过记录人们的用电行为信息（做饭、照明、取暖等），大数据智能电网就能实现优化电的生产、分配及电网安全检测与控制，包括大灾难预警与处理、供电与电力调度决策支持和更准确的用电量预测等，并通过数据挖掘技术找出可行的节能降耗措施，以实现更科学的电力需求分配管理。

2.4 安防领域

安防领域中最重要的就是视频监控系统，从早期看得见到现在看得远、看得清，视频监控是典型的数据依赖型业务，依赖数据说话。尤其是高清、超高清监控时代的到来，会产生巨量的视频数据。这些巨量视频监控数据中，多数是冗余无用的，只有少数是关键数据，如何剔除这些无用数据，一直是人们研究问题的焦点。在大数据技术的支撑下，通过对巨量视频数据的分析与处理，可实现模糊查询、精准定位、快速检索等，能够对高清监控视频画质进行细节分析，智能挖掘出类似行为及特征的数据，从而为业务分析和事件决策判断提供精准依据。

3 大数据处理关键技术

3.1 数据备份技术

在大数据时代，如何做好数据的安全备份至关重要。数据备份是数据容灾的前提，具体是指当出现某种突发状况导致存储系统中的文件、数据、片段丢失或者严重损坏时，系统可准确而快速地将数据进行恢复的技术。数据容灾备份是为防止偶发事件而采取的一种数据保护手段，其核心工作是数据恢复，根本目的是数据资源再利用。

3.2 Hadoop

大数据时代对于数据分析、管理等都提出了更高层次的要求，传统的关系型数据库和数据分析处理技术已经不能满足大数据横向扩展的需求。为了给大数据处理、分析提供一个性能更好、可靠性更高的平台，Apache基金会开发了一个开源平台Hadoop[4]，该平台用Java语言编写，可移植性强，现在Hadoop已经发展为一个包括HDFS（分布式文件系统 ）、HBase（分布式数据库）等功能模块在内的完整生态系统，成为目前主流的大数据应用平台。

3.3 云计算

如果把各种各样的大数据应用比作在公路上行驶的各种汽车，那么支撑这些汽车快速运行的高速公路就是云计算，云计算是大数据分析处理技术的核心。正是由于云计算在海量信息存储、分析及管理方面的技术支持，大数据才有了如此广阔的用武之地。谷歌的各种大数据处理技术和应用平台都是基于云计算，最典型的就是以UFS（UIT云存储系统）、MapReduce（批处理技术）、BigTable（分布式数据库）为代表的大数据处理技术以及在此基础上产生的开源数据处理平台Hadoop[5]。

4 大数据应用带来的信息安全隐患及应对策略

大数据时代，海量数据通常存储在大规模分布式的网络节点中，管理相对分散，而且系统也无法控制用户进行数据交易的场所，因此很难辨别用户的身份（合法及非法用户），容易导致不合法用户篡改或窃取信息;此外，大数据存储系统中包含了海量的个人用户隐私数据及各种行为的记录信息，如何在大数据的挖掘利用中确定一个信息保护和开放的尺度， 是大数据面临的又一难题。为了合理利用大数据并有效规避风险，我们提出以下四点建议：

⑴ 国家出台相关政策，加强顶层设计，保障数据存储安全;

⑵ 增强网络安全防护能力，抵御网络犯罪，确保网络信息安全;

⑶ 提高警惕积极探索，加大个人隐私数据保护力度;

⑷ 深化云计算安全领域研究，保障云端数据安全。

5 结束语

在当今信息知识爆炸的时代，大数据技术已经被广泛应用于商业金融、电力医疗、教育科研等领域。随着数据挖掘技术的不断进步，相关信息行业竞相从规模庞大、结构复杂的大数据海洋中攫取更多有价值的数据信息用于分析、解决现实生活中的各种实际问题，从而实现信息技术的快速健康发展。本文梳理了大数据的基本概念及4V特征，总结归纳了大数据技术的四大热门应用领域及三大核心处理技术，分析了大数据技术带来的诸如信息窃取及篡改、个人隐私数据泄露等信息安全隐患，并提出了相应的解决措施及建议。当然，目前大数据技术的研究尚处在起步阶段，还有许多深层次的问题亟待解决，如大数据的存储管理是通过硬件的简单升级还是通过系统的重新设计来解决，大数据4V特征中起关键作用的是什么，大数据技术的应用前景是什么，等等。就目前来看，未来大数据技术的研究之路还很长，需要我们用更加敏锐的洞察力来分析和研究。

参考文献：

[1] BARWICK H. The "four Vs" of big data. Implementing Information

Infrastructure Symposium[EB/OL]. [2012-10-02]. http：//.au/article/396198/iiis_four_vs_big_data/.

[2] 韦雪琼，杨哗，史超.大数据发展下的金融市场新生态[Jl.时代金融，

2012.7：173-174

[3] 张敬谊，佘盼，肖筱华.基于云计算的区域医疗信息化服务平台的研

究[J].计算机科学，2013.40（10）：360-365

第9篇：大数据在云计算中的应用范文

云技术的迅猛发展和大数据的强势崛起客观上要求区域旅游产业的战略选择必须更新观念，与时俱进，合理运用现代信息技术，创新机制体制，制定合理的旅游战略，以促进旅游产业的持续、快速健康发展。

2007年Google首次提出云计算的概念，在此后的10多年，云计算技术不但改变了信息产业及相关产业的格局，在旅游产业也得到广泛应用。在云计算技术向行业大范围渗透的技术背景下，结合当前智慧旅游建设的最新动态，及时丰富智慧旅游信息现代化建设内容，发挥云计算核心技术在智慧旅游中的优势，是目前提升旅游产业发展的有力切入点。

2012年达沃斯世界经济论坛把大数据作为重要议题之一进行讨论，很快大数据技术就已受到国际社会的普遍关注。大数据的本质是海量数据存储、传输和处理，其本质在于迅速挖掘非结构化数据的内在价值，是云计算技术发展的高级形态。对于智慧旅游而言，引入大数据的理念和技术，可以使资源开发规划、客源市场定位、营销策略创新、旅游产品开发更具前瞻性和科学性，成为旅游产业转型升级的助力。

2011年7月国家旅游局局长邵琪伟提出，争取利用十年时间初步实现智慧旅游。智慧旅游的发展，必须要树立数据思维、强化数据意识，各级旅游管理部门和旅游企业之间应当加强合作机制，整合数据资源，实现数据共享，唤醒处于睡眠状态的数据。因此，江西智慧旅游的战略选择应当积极运用云计算、大数据技术，把大数据理念、技术与江西智慧旅游建设结合起来，制定合理的战略方向。

二、云计算、大数据与智慧旅游的内在联系

云计算的本质就是把计算分散在不同计算机构成的集成系统之上，使各种请求根据所需分配计算能力、传输速度和存储空间，以提高硬件资源的利用效率，与传统的处理技术相比具有以下优势：首先，基于网络技术建立一个服务器集成系统，使多组用户能够共同支配和管理硬件资源；其次，利用分布式数据存储技术在不同服务器和不同层级分散风险，大幅度增强系统的安全性能；再次，使硬件资源和软件系统相互分离，降低软件对基础设备的依赖程度；最后，云用户能够按照自身需求，合理订制处理和应用服务，可以有效降低资金投入。

大数据（Big data）是指需要新型处理模式挖掘其价值的海量、高增长速度和结构多样化的信息资产，通常也指代处理这种数据的相关技术，包括数据的存储、传输和处理技术。目前，大数据受到国际社会的普遍关注。通常认为大数据具有四个特点（大数据的四个V）：首先，规模性（Volume），数据规模超大，从TB跃迁到PB级别。其次，多样性（Variety），数据类型繁多。再次，价值性（Value），价值密度低，商业价值高。最后，高速性（Velocity），处理速度快。2013年被称为大数据元年，标志着大数据技术的应用将深入各个行业各个领域，产生巨大的变革力。

智慧旅游（Smarter Tourism，或称智能旅游）的概念源于智慧地球（Smarter Planet）（IBM，2008）以及正在中国实践的智慧城市（Smarter Cities）（住房和城乡建设部，2012年），是指通过应用新一代信息技术，整合旅游相关信息资源，以促进旅游信息共享和游客服务部门的业务协同，提高旅游服务的效率和质量，实现促进旅游业的健康发展。

大数据是智慧旅游的核心技术之一，为智慧旅游建设提供技术支持，智慧旅游是大数据的重要应用领域，符合大数据未来与产业结合的发展方向。智慧旅游是旅游信息化发展的新阶段，智慧旅游建设在很大程度上是技术层面的问题，属于信息技术范畴。所谓智慧旅游的智慧主要出自对大数据的处理，这才是推进智慧旅游建设的核心问题。智慧来自大数据，利用大数据，才能获得突破性改善，智慧旅游产业只有充分利用大数据，才能发现创新升级的机会点，进而获得先发优势。因此，云计算、大数据与智慧旅游的天然联系体现了技术与产业实践相结合并创造经济价值的客观规律。

三、江西旅游产业的发展现状

江西山奇水秀，文化底蕴深厚，流传千古的《滕王阁序》赞江西“物华天宝、人杰地灵”，赣鄱大地有着得天独厚的自然、人文旅游资源。2014年，江西接待游客突破3亿人次，旅游总收入2650亿元，同比增长25%和39%。在过去10年，江西旅游产业规模稳步增长，但是由于江西整体经济发展水平相对滞后，旅游规划、开发和营销投入不多，各种相关配套服务设施尚不健全，致使江西旅游的发展水平在全国处于落后地位。江西旅游产业的发展存在以下几个方面的问题：

首先，旅游品牌的文化内涵不够深厚。从某种意义上说，旅游经济是一种知名度和美誉度经济，是品牌与内涵经济，如何吸引游客眼球是区域旅游经济发展的决定因素。江西的旅游品牌建设过程中，还存在景点、景区资源开发与当地民俗、文化结合不够紧密，特别是一些传统文化内涵没有被充分释放，出现景区与文化、名胜与佳话合力不强的现象。

其次，旅游宣传力度不足。近几年以来，江西对旅游宣传的重视程度不断提升，提出了江西风景独好的旅游宣传口号，取得了一定成效。但是旅游宣传的力度还有待提升，目前还存在投入不足、宣传对象不够细化，宣传模式单一的问题，旅游宣传尚存很大的提升空间。

最后，旅游服务的信息化建设有待加强。进入二十一世纪，科技文明的不断进步使得信息技术的应用范围不断扩散，已经深入各各个行业各个领域，目前江西旅游服务的信息技术应用方面还存在硬件设施配备不足、数据开发利用率较低和分析手段滞后，难以同步目前信息技术的快速发展等方面的问题，以现代信息技术为基础的智慧旅游系统有待进一步完善。

四、江西智慧旅游的战略选择

立足江西经济转型、体制创新、产业结构升级的社会经济背景，响应省委、省政府旅游强省，绿色崛起的口号，顺应云计算、大数据等信息技术迅猛发展的时代潮流，把握江西智慧旅游发展的最新动态，实现云计算、大数据与智慧旅游的有机融合，江西智慧旅游的战略选择应当注重以下几个方面：

一是丰富品牌内涵。以江西风景独好为中心，强化江西智慧旅游的品牌推广和建设，从江西旅游产品开发、配套服务设施建设、旅游营销宣传等方面入手，不断提升江西旅游品牌的硬实力和软实力。

二是积极创新营销模式。重视新型媒体在营销中的独特优势，不断扩大江西景点、景区及旅游产品的影响力。特别是在以移动互联网为时代特征的今天，创新营销模式，丰富营销手段，在举办有创新、有影响的大型创意营销活动的同时，重视各种小微营销策略，开展全方位的密集推介活动，有效提升江西旅游的品牌知名度和美誉度。

三是积极引用最新的信息化技术。在对信息技术的运用方面，要时刻关注现代信息技术的发展动态，有效运用大数据技术，加强江西智慧旅游的信息化建设，唤醒沉睡的数据，充分释放旅游大数据的经济价值。（作者单位：1.江西应用科技学院；2.江西科技师范大学）