大数据时代数据的重要性精选(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时代数据的重要性主题范文，仅供参考，欢迎阅读并收藏。
第1篇：大数据时代数据的重要性范文
关键词：大数据；数据分析；数理统计
基金项目：华北理工大学研究生教育教学改革项目资助（项目编号：K1503）
基金项目：华北理工大学教育教学改革研究与实践重点项目资助（项目编号：Z1514-05；J 1509-09）
G643；O21-4
谷歌公司的经济学家兼加州大学的教授哈尔・范里安先生过去说过统计学家将会成为像电脑工程师一样受欢迎的工作。在未来10年里，人们获得数据、处理数据、分析数据、判断数据、提取信息的能力将变得非常重要，不仅仅在教育领域，各行各业都需要数据专家，“大数据”时代的到来使得数据处理与分析技术日新月异，深刻的影响着各个行业、领域及学科的发展，尤其是与数据关系密切的行业及学科，而作为工科各专业硕士研究生重要的公共基础课数理统计学是天生与数据打交道的学科。
怎样在“大数据”时代背景下培养出适应面向企业自主创新需求的数据分析人员或掌握现代数据处理技术的工程师，如何把当下流行的“大数据”处理技术与相关数理统计学课程教学有机的结合，以激发学生对数据处理与分析技术发展的兴趣，这些都是我们在与数理统计学相关的课程教学中不得不思考的问题。然而，当前高校工科各专业硕士研究生数理统计教学的现状却与其重要程度相去甚远，整个教学过程的诸多环节都存在较大的不足，主要表现为：1.教学内容偏重理论，学生学习兴趣不高；2. 轻统计实验；忽略对统计相关软件的教学；3.没有注重数理统计的学习与研究生专业相结合，实用性强调不够。4. 轻能力培养；轻案例分析等。
这些现象导致的直接后果就是学生动手能力上的缺陷和创新能力的缺乏， 不能够自觉利用数理统计知识解决实际问题， 尤其缺乏对统计数据的分析能力。因此，需要数理统计学随着环境的变化不断创新新的数理统计思维和教学内容。避免教学内容与大数据时代脱节。为此笔者在该课程的教学过程中，有意识地进行了一些教学改革尝试。提出了几点工科研究生数理统计教学的改革措施。
（1）调整教学内容，将与数理统计相关的大数据处理案例引进课堂。有很多有普遍性的应用统计实际案例，可以在本课程的教学过程中有选择的引入介绍给学生，让学生们了解利用所学统计方法进行实际数据分析的操作过程和得出结论的思维方法。以期解决工科研究生对确定性思维到随机性思维方式的转变的不适应性。
（2）适应大数据时代数理统计学课程的教学环境。实现教学方式的多样性。大数据时代背景下，互联网十分发达，学生根据自己的兴趣去收集、整理和分析数据，既可以改变他们对统计方法的进一步认识，也可以增加他们的学习兴趣。甚至可以以专业QQ群，邮件的方式和同学、老师之间相互交流，交流者处于相互平等的地位，可以畅所欲言，随时随地都可以交流，起到事半功倍的效果。这种交流使得教师不再是知识的权威，而是把教师上课作为一种更好自主学习的引导，这种交流使得他们的思想变得更加成熟。同时参与各种网络论坛，贴吧回答问题等使得他们更能体现自己的价值，这种交流也使得学生的学习热情和学习精神得到更好的激发。
（3）引导工科研究生开展与本专业相结合的课题研究，强调实用性，注重统计思维能力培养。适应大数据时代数理统计学课程教学环境，实现教学方式的多样性。以期弥补学生缺少数据分析实例的训练，解决学以致用的不足。在目前的数理统计教学安排下，受学时所限，如果相当一部分时间用来学习公式、定理的推导及证明，势必没有时间进行实际的数据分析练习。在大数据时代背景下，随着海量数据、复杂形式数据的出现，使得统计方法的发展和以前有了很大的不同，没有实际的数据分析训练，学生们就无法对统计的广泛应用性及重要性有深刻的体会，也不利于保持和提高他们的学习兴趣。这要求具体工作者提出新的统计思想和方法，加深对已有统计思想的理解，以解决实际问题。
（4）改革成绩评定方式。现有的考试模式为通过有限的一到两个小时的期末考试，进行概念的辨析和理论及方法的推导计算，由此来判断研究生关于数理统计课程的学习情况有很大的不足，特别是对可以利用软件进行的某些实际数据分析的考察没有办法实现。因此，有必要通过日常课堂“论文选题―提交―讨论”与期末理论考试相结合的形式对学生数理统计学习进行考核。加大对学生平时考察的力度，相应地减少期末考试成绩的比重。让学生选择一些与自己专业有关的数据进行尝试性的数据分析、一些统计科普著作的读书报告等并写成论文的形式提交，做为对学生成绩的评定方式，更能综合、客观地评价学生的学习情况。
数据分析在现代生活中发挥的作用越来越大，而道硗臣品椒可以与数据分析有机的结合，从而在提高数据分析效率的同时，保持分析结果的有效性，为生产和实践活动提供准确的参考。以上的思考和建议仅是我们在教学研究和教学过程中的一点体会，还有许多工作亟待深入，比如适合工科研究生数理统计课程的大数据案例选取，与课程内容的有效衔接；案例教学法如何实施；教学方式多样化问题；课堂教学与网络交流结合；理论介绍与软件应用训练结合问题等。教学改革与实践是一项艰巨的任务，以培养学生的实际运用能力和正确解释数据分析结果的能力为目的，强调统计思想和方法应用的培养，让学生们了解利用所学统计方法进行实际数据分析的操作过程和得出结论的思维方法将是一项长期的工作。
参考文献
[1].游士兵，张 佩，姚雪梅.大数据对统计学的挑战和机遇[J].珞珈管理评论， 2013， （ 02）： 165-171.
第2篇：大数据时代数据的重要性范文
本文简要介绍了大数据与大数据思维以及大数据的发展趋势，分析了在金融学研究中运用大数据思维的重要性，详细介绍了大数据思维在金融学研究中的应用，并以此为基础深入介绍了在金融学研究中运用大数据思维的主要方法和具体方式。
关键词：
金融学；大数据；大数据思维；金融研究
1.大数据与大数据思维概述
1.1大数据与大数据思维大数据是近些年来才热门起来的一个名词，其也引起了包括互联网公司以及国家决策部门的高度重视。虽然大数据一词已经广泛普及，但是当期学界对于大数据却仍然没有一个非常统一和明确定义。通常人们将一些无法运用常规的软件工具在短时间内对数据进行捕获、处理与分析的数据集称为大数据。大数据，顾名思义，其具有数据量大、数据真实性高、高速、数据多样性好的特点。计算机技术的快速发展是大数据能够盛行的基础，大数据是需要采用新的数据处理才能具有更强的参考性、真实性以及可行性的海量、高增长率和全面性的信息资产。大数据思维是伴随着大数据发展而来的时代产物，在大数据时代人们只有善于利大数据本身的价值，彻底摆脱传统的思维方式，立足于数据去分析问题，才能提高决策的合理性和科学性。
1.2大数据的发展趋势（1）数据种类越来越全面，数据来源不断增加。伴随着互联网、物联网、计算机以及手机的不断发展，大数据建设过程中的数据来源日益增多，数据库中的数据已经涵盖了人们日常生活中出现的各种种类的数据。（2）数据存储、分析计算朝着高速性方向快速发展。超级计算机的发展为大数据的处理以及储存提供强力的保障，开放的数据存储与分析平台也为大数据的工业运用扫清了障碍。（3）数据分析重要性日益突出。大数据时代数据的丰富性是前所未有的，只有通过科学合理的数据分析才能提炼出更多有用的信息。（4）大数据方面的政策以及法律法规不断得到完善。在数据库不断发展与完善的大背景下，大数据的建设工作也得到了政府部门的高度重视，国家层面的大数据建设规划也相继推出。
2.在金融学研究中运用大数据思维的重要性分析
在金融学研究中数据是最基础的依据，只有准确的数据基础，决策者才能做出正确的判断。在大数据盛行的当下，数据的丰富性和海量性增大了金融学研究的难度，但与此同时也有效降低了金融研究中判断失误带来的风险。在金融学研究中运用大数据思维的重要性主要体现在以下几个方面：（1）大数据思维能够对金融界的兴衰成败产生巨大的影响。大数据时代，任何金融分析都离不开数据，谁拥有更多、更全面的数据，谁就有更多的主动权，这也是诸如阿里巴巴、京东等传统金融界的“门外汉”能够在大数据时代迅速发展自己的金融业务的主要原因之一。（2）大数据思维有助于扩宽金融市场。随着大数据时代的到来，金融市场的竞争变得愈加激烈，只有在金融学研究的过程中充分的运用大数据思维，发挥大数据的优点，为客户提供更加优质的服务，金融企业才能立于不败之地。
3.大数据思维在金融学研究中的具体运用
3.1完善数据平台建设数据是大数据发展的基础，在完善数据平台的建设过程中，扩宽数据来源渠道是首要任务。在传统的金融数据平台建设过程中数据主要是来源于银行的各个网点，而如今人们日常浏览的门户网站、手机APP、网上银行等互联网产品都是数据的来源。数据平台的建设主要目的是为了开发更多的客户满意的产品，从而更好地为客户服务。在数据平台的建设过程中，需要运用大数据的思维来完成数据的获取、存储以及分析等工作，能够极大的弥补传统的数据挖掘方法在数据丰富性、全面性等方面存在的不足，也能够最大限度地提高数据平台的科学性和合理性。
3.2运用大数据思维提高风险管控能力众所周知大部分金融产品或多或少的都存在一定程度的风险，任何金融决策失误都可能带来巨大的财产损失。因此在金融学研究的过程中，应该通过大数据分析的方式来提高金融决策的准确性，将风险控制在可控的范围之内。例如银行对中小企业进行放贷时，便可运用大数据分析的手段对借贷企业的销售、资金、社会认可度等信息进行评估，最终再根据评估的结果来拟定企业的最大借贷额度。海量的数据分析可以提高数据分析结果的准确性，其能够有效地避免传统的取样数据在全面性方面存在的不足，因此在金融学研究的过程中运用大数据思维将有助于提高金融企业的风险管控能力。
3.3促进互联网金融的发展互联网金融是大时代背景下金融行业的典型产物，其充分的结合了大数据与金融业的特点，通过互联网这个快速发展的平台，彻底地改变了传统的金融企业的经营模式。拥有大数据技术的互联网公司自行发展金融业务或者是与传统的金融企业合作是当下互联网金融发展的主要形式，但是无论是何种形式的互联网金融，其基础都是大数据，大数据金融模式是推动互联网金融产品改革的主要因素，其也是互联网金融能够快速发展的主要原因。
3.4大数据分析扩展了现代金融学的研究思路在金融学研究中运用大数据思维，有助于研究者获得更大样本的信息量，去进行实证研究和数据分析，这能够在一定程度上突破传统的数据分析存在的局限，扩展现代金融学的研究思路。大数据分析可以扩展现代金融学的研究思路具体体现在以下方面：（1）大量的数据能够提高数据的准确性，可以有效地避免取样数据所存在的随机性和偶然性，从而能够有效地提高所得结论的说服力。（2）海量的数据能够金融学的研究内容变得更加丰富。大数据的“大”不仅仅是体现在数目上，其还包括数据种类的“多”，如今的数据早已不仅仅传统认为的单一的结构化数据，其还包括各种各样的非结构化数据，这也是图片、视频等音频信息越来越被金融企业重视的主要原因之一。
4.金融界学数据思维的方式
大数据思维的重要性毋庸置疑，但是当前金融界中大数据思维意识不足仍然是普遍存在的问题，加强大数据思维的学习刻不容缓。金融界学数据思维，应该从以下几个方面入手：（1）成立专门进行大数据研究的部门。金融企业应该根据企业自身的实际情况设立负责大数据工作的岗位，例如大中型企业成立数据研究部，负责收集数据、分析数据并出台参考方案，小企业设立数据收集员，主要是通过互联网、电视等途径收集相关数据。（2）与专门从事大数据研究的企业建立合作伙伴关系。虽然说大数据的入门门槛较低，但是由于硬件设备、资金以及其他方面因素的限制大部分金融企业自己建立的数据库都难以与专门从事大数据研究的企业相比，因此与大数据机构开展合作也是一种不错的方式。（3）在运用的过程中不断普及大数据思维。在日常的金融研究过程中通过讲座与培训的方式，培养金融研究人员的大数据思维，从而让其能够做到学以致用。
5.在金融研究中运用大数据思维的主要方法
5.1挖掘自身以及相关领域大数据金融研究涉及的内容众多，因此在实际的运用过程中必须学会用大数据思维去挖掘自身以及相关领域的数据，只有如此才能提高金融工作的工作效率。并且通过挖掘数据的方式，还能够为金融研究者提供更多的思想依据，让其开发出更加适合客户的个性化服务。此外通过对自身领域的数据进行深入的分析，还有助于企业及时发现自身存在的问题，能够使企业做到防患于未然。只有在日常的金融研究工作中常用大数据思维，大数据智慧才能得到释放，其优点才会变得更加明显突出。
5.2参与大数据交易或者互换资源大数据时代，数据的丰富程度是前所未有的，没有哪一个企业敢说其能够掌握所有的数据，因此数据的交易或者互换将是未来发展的一个主要方向。在金融研究的过程中，同样需要互利共赢的意识，只有通过企业将的合作，加强信息之间的共享，才能提高信息的利用率，才能使得整个行业更加快速的发展。为了更好地发挥大数据的优势，大数据交易中心应运而生，企业可以通过大数据交易中心这个平台来获取自身需要的数据信息，企业的通力合作最终才能实现“1+1>2”的效果。在大数据的冲击下，各自为营孤军奋战的金融企业经营模式已经不能满足时代的需求，数据的交易与互换将是为来的主要发展方向
5.3使用大数据为自身发展服务在金融学研究学数据思维的主要目的便是促进金融企业的快速发展，其得其能够更好地满足用户的需求。通过大数据所带来的各种信息，金融企业可以对自身的运营模式进行评估，及时发现企业运作中存在的问题，也能够为企业去优化自身结构指明方向。此外通过大数据，金融企业还能够去自己的管理模式进行改进，能够帮助金融企业早日完成智慧化改革，不断降低金融风险，在为客户提供更加优质的服务的同时，也能为国民经济的发展提供更加有力的保障。
6.结语
大数据是当今时代的一个主要发展方向，金融学研究同样离不开大数据的支持。金融研究者只有更好的应用大数据思维，才能最大限度地发挥大数据带来的优势，为客户提供更加优质的服务。
参考文献：
[1]唐方杰.大数据金融渐行渐近[J]银行家.2014（03）
第3篇：大数据时代数据的重要性范文
关键词：大数据；信息安全；防护；技术；管理
信息技术的飞速发展推动着时代的变革，各行各业进入信息数据新时代，大数据系统的运用有利有弊，对于电力行业来说，提高了其生产经营效率，提升了供电服务水平，为电力企业创造了巨大的经济效益。然而，大数据的深入应用也带来了诸多风险，信息安全问题成为时代关注的问题，掌握先进的数据安全防护技术，加强数据安全管理势在必行。
1 电力大数据给企业带来的好处
电力大数据属于一项综合型数据信息，涵盖了企业的生产、运营、销售与服务等多个方面。大数据在电力企业的应用，有效提高了企业工作效率，并科学判断企业运营状况和未来发展方向，从而制定并调整科学的营销政策与方针，促进电力企业朝着正确的轨道运营与发展。正是因为高效率的决策、运营与服务，降低了企业经营成本。通过大数据的分析、监测功能，企业建立起同客户间的紧密联系，实现了对客户的在线服务，全面提升了客户服务水平，从而赢得了更广阔的市场空间，为企业发展创造了预期的经济效益。
2 电力大数据给信息安全带来的风险
大数据背景下，信息数据的运行主要依赖于计算机网络系统，多方数据参与各方共享统一的互联网，势必会带来信息安全问题，这主要体现在：
2.1 数据运行风险
大数据系统时刻需要承担数据存储、分析与处理等工作，需要管理者适时更新技术，缓解数据处理的负担。若技术更新不及时，就可能导致数据运行风险，如：数据丢失、信息失真等。其他的运行故障，如：软硬件兼容性差、系统异构及管理人员操作失误、设备更新不及时等也可能引发数据失真风险[1]。
2.2 黑客攻击风险
黑客攻击问题成为大数据时代信息安全的大问题，黑客攻击通常是专业性较强、有组织、有预谋的攻击，通过窃取大数据、非法获得信息等来进行非法交易，其破坏性较大，甚至可能造成整个大数据系统的瘫痪，为电力企业带来不可估量的经济损失。
2.3 电力企业隐私的泄露
电力企业引入大数据系统的同时，需要将企业信息、员工信息以及其他方面的相关信息到网络数据平台中，信息一旦进入互联网就可能面临着泄密的危险，这些数据若得不到有效管控，很容易造成信息的泄露，从而引发多方面的风险，如：非法分子利用电力企业信息、个人隐私信息等从事非法交易、谋取暴利等，无疑会为企业的发展与运营带来风险。
3 信息安全防护技术措施与管理方法
3.1 信息安全防护技术措施
面对大数据给电力信息安全带来的风险，电力部门必须加大风险管控力度，采用先进的技术积极规避信息安全问题，其中隐私保护技术成为一项关键技术，它包括：加密与密钥管理技术、数字签名技术、身份认证技术等，不同的隐私保护技术发挥着不同的安全保护功能，并形成了一个有机的架构系统，如图1所示。
3.1.1 数据扰乱技术。数据扰乱技术是一项重要的隐私保护技术，它主要是通过扰乱、替换、添加随机变量等来混淆视线，替代重要的数据信息，并对应生成不确定的信息数据，再开展相关的计算操作。
3.1.2 加密与密匙技术。众多的数据信息安全保护技术中，加密与密匙技术成为被认可的标准数据保护技术，此技术依托于科学的加密算法与密钥安全，能够有效确保电力数据信息的安全。
3.1.3 安全多方计算技术。该技术的运行原理为：在各个参与方之间进行协作计算函数，参与方的输入信息保密，不向彼此公开。遇到需要解决的问题时，设计一个函数，相互配合计算此函数，再引入安全多方计算模块来解决问题。此技术能够发挥对数据信息的安全保护功能，防止信息泄露，其隐私保护也有级别划分[2]。
3.1.4 数字签名技术。数字签名技术，就是只有信息的发送者才能产生的别人无法伪造的一段数字串，这段数字串同时也是对信息的发送者发送信息真实性的一个有效证明，该技术可以确保信息传输的完整性。
3.1.5 秘密共享技术。秘密共享，是将秘密分割存储的密码技术，目的是阻止秘密过于集中，以达到分散风险和容忍入侵的目的，该技术是信息安全和数据保密中的重要手段。
3.1.6 身份认证与访问控制技术。所谓身份认证技术，就是对用户的身份信息进行验证与识别的过程，以防范非法用户的非法登录行为。最常见的身份认证技术主要包括：口令核对、识别用户生理特征等。认证成功后，再参照用户具体的身份信息、职能信息等来限制数据的访问范围。通过对各类访问的控制，最终实现对信息的安全保护目标。
3.2 信息安全防护管理方法
大数据时代数据的安全防护不仅要依赖于技术，更重要的是要加强管理，具体应从风险管理系统建设、防护技术的运用和监管等做起。
首先，创建并完善大数据信息安全管理系统。电力企业应认识到大数据安全管理工作的重要性，创建安全管理系统，培养信息技术人才，打造一支先进的信息安全管理工作队伍，及时更新大数据技术，加大平台建设力度，做好风险评估等多方面工作，打造一个标准的安全防护管理系统，发挥对信息数据的保护功能[3]。其次，重视安全防护技术的研发。电力企业为了维护自身的信息安全，必须与时俱进，积极研发信息安全防护技术，加大在信息安全防护方面的投入，鼓励信息技术人员深入研究新技术，时刻保持自身信息防护技术的先进性，发挥技术措施的保护作用。最后，健全完善信息安全法律法规。解决数据安全的问题，需要政府加大对信息安全的重视程度，制定并实施信息安全方面的法律法规，利用法律法规来约束、控制一些不法行为，从而达到对信息安全的保护作用。
4 结束语
大数据技术的深入发展与广泛运用，极大地推动着时代的发展与进步，电力行业作为关系国计民生的重要行业，需要信任并利用大数据技术，然而，也应该加强数据信息安全管理，提高信息防护水平，进而从整体上支持并促进电力企业的发展与进步。
参考文献
[1]邹捷.大数据对信息安全的新挑战[J].计算机光盘软件与应用，2014（13）：163-164.
[2]王继业.电力行业的大数据安全防护[J].中国信息安全，2013（9）：85-86.
第4篇：大数据时代数据的重要性范文
换言之，大数据一词已经无处不在，其被用于承载所有类型的概念，包括海量数据、实时数据、社交媒体分析、下一代数据管理能力等。对于企业来说，对大数据的理解不应仅仅局限于技术领域，而应成为一项业务上需要优先考虑的任务，因为它能够带来全球整合经济时代商业模式的巨大变革。
目前，业界已经从对大数据重要性的认识阶段，发展到实践大数据必要性的战略实施阶段。中国市场在大数据概念产生的初期便已经步入大数据认知和探索阶段，并逐步成为全球市场最具行动力的市场之一。据IDC预测，2013年中国大数据市场将达到1.8亿美元。而赛迪顾问数据显示，到2016年，中国有望成为世界最大的大数据市场，市场份额达到8.03亿美元（约50亿人民币）。
数据改变世界
在感知化、物联化和智能化的交会下，世界的面貌即将改变。
2013年7月11日，IBM 2013技术峰会（IBM Tech Summit 2013）在京举行。牛津大学教授、大数据权威专家、《大数据时代》作者维克托·迈尔-舍恩伯格博士在会上表示：“大数据开启了一次重大的时代转型，正在变革我们的生活、工作和思维。中国是世界上最复杂的大数据国家，面临着充满变化的局面和无限的可能性，但是她同时也拥有最大的发展机会。因为在大数据环境下，充分的数据样本能够帮助企业揭示规律，更好的洞察和预测未来；另外，中国人凭借在数学和统计方面的优势，成为全球瞩目的大数据人才据点。我很高兴看到，在IBM和牛津大学年初的大数据调研中，中国市场有四分之一的企业已经步入大数据实践阶段。这表明中国不仅快速把握了创新的趋势，更有可能成为全球大数据领域的先驱。”
在大数据和分析领域，IBM已充分展现了在该市场的领先优势。近期，IBM被IT分析机构capioIT评为2013年亚太区商业智能和分析解决方案供应商行业第一名 。作为目前业界唯一能够集咨询、服务、软硬件综合实力，提供端到端全面整合解决方案的厂商，IBM相关产品和服务覆盖了“大数据”相关领域的各个阶段和各个领域。
IBM软件集团大中华区战略及市场总监吴立东认为：在大数据时代，企业既可以基于数据更好地做到以客户为中心，也可以利用大数据帮助企业整合后端业务，从而更好地为客户服务。
同时，IBM在全球的大数据实践已经深入到包括中国在内的全球市场的各个行业。包括电信、金融、医疗、零售、制造等全球30000家客户已在IBM大数据平台及大数据分析等技术和理念支持下获得收益。
前不久，IBM更是推出了大数据方面的多款产品和技术，大力提升了其分析产品的加速性能，简化了开发和运营，并推出了企业级别的开源Hadoop系统，同时推出了企业移动业务解决方案MessageSight，以及升级DB2 10.5等系列产品。在认知计算领域，更推出第一款面向消费者的Waston应用。其中，业内首创的分析加速技术BLU Acceleration，延续了传统的内存管理系统功能，能够帮助用户更快速地抓取关键信息，并将数据分析速度提高25倍。全新的“大数据专家”PureData for Hadoop系统能够大幅提升企业部署Hadoop的速度，同时降低部署难度。新版本企业级Hadoop产品InfoSphere BigInsights可以利用现有的SQL技术，更便捷地开发应用组件。
技术维新助力再现代化
随着IT技术的进一步发展，技术正在彰显着前所未有的特殊作用，人们对技术的追求也越来越迫切。
IBM全球副总裁兼大中华区软件集团总经理胡世忠表示：“最新的IBM全球CEO调研显示全球企业领导者将技术列为最重要的外部力量，而‘科技是第一生产力’一直被广大中国的企业家和技术人们奉为至理名言。IBM认为，在由新一代技术组成的智慧计算时代，中国的企业家们需要更为战略地思考信息科技的定位，将其运用到自身的变革转型之中。作为智慧地球的推进者，IBM正在引领商业和科技的创新，通过业务前线化实现以客户为中心的业务转型，通过企业内部全面整合大幅优化流程和运营，充分发挥最新的科技能力，携手合作伙伴帮助中国企业、组织和政府共同打造‘再现代化’发展的全新方式。”
IBM大中华区软件中间件集团总经理李红焰也表示，“人们已经逐渐意识到技术的复杂性和可消费性，技术的可消费性决定了技术的价值，如何让数据为我所用，成为IT发展的目的。”
第5篇：大数据时代数据的重要性范文
关键词：数据审计；审计风险；控制方法
中图分类号：F239 文献标识码：A
原标题：数据审计时代审计风险控制的探究
收录日期：2017年1月20日
一、审计变革：数据审计时代
在大数据时代的背景下，对于“大数据”（Big data）研究机构Gartner给出了这样的定义：“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。强调了公司企业的商业成功模式从数据拥有量的大小向公司对于数据的解读、处理能力大小转变。对于很多行业而言，传统的商业竞争更多地表现为“数据的战争”。大数据拥有以下特点（5V）：第一，数据容量巨大（Volume），数据的吞吐量从过去的GB、TB为单位跃升至ZB甚至更大的PB；第二，处理速度快（Velocity），即资料输入、输出的速度快，要求在以秒为单位的时间内进行数据处理，否则数据就失去价值了，这一点对数据的挖掘技术有了更高的要求；第三，数据种类多（Variety），数据呈现出更多种类的表现形式，数据的来源形式也呈现出复杂的多样性，数据的多样性给数据带来了更强的生命力；第四，商业价值高（Value）。集聚的数据具有更高的商业价值，数据不再单独分割，更多地表现为一个数据的云层；第五，真实性（Veracity），处理数据时，对数据的真实性有了更高的要求，只有真实的高质量的数据才能真正起到支持决策的作用。
近年来，云计算、物联网和移动互联网的不断演进与发展使大数据资产的价值愈加重要，技术的互相融合势必放大和强化大数据对各行各业的影响。这对于审计行业而言，面临的是一种数据审计思维模式。在根植于大数据的“数据审计”时代下，企业的人、财、物有了更为深度的融合，被审计企业的生产经营情况、被审计企业的各部门间的财务活动痕迹产生了大量多样性的数据，这些数据包括被审计单位营运信息系统数据、管理层等各方的网络数据、智能化设备的监控数据。审计从业人员需要思考，如何通过这些产生的大量数据来构建治理审计模式、提升风险评估的数据化支撑能力、摆脱传统风险导向审计模式的局限、转变数据处理治理审计模式，要求具备更高的数据识别、处理、挖掘能力，在海量数据中识别出对有助于改进审计工作质量、降低审计风险的信息，支持相关决策者和信息使用者作出相关决策，实现审计全覆盖。
二、数据审计时代审计风险分析
传统的审计风险模型是由美国注册会计师协会（AICPA）于1983年提出的，它用数学模型表示为：AR=IR×CR×DR。其中：AR指审计风险（Audit Risk），IR指固有风险（Inherent Risk），CR指控制风险（Control Risk），DR指检查风险（Detection Risk）。在数据审计背景下，审计的风险表现形式有了更丰富的表现形式，突出表现在固定风险和检查风险。数据的安全性风险对原有的固有风险组成产生了影响，数据的运用与以及分析的难度上升也将导致审计检查风险的提升。随着大数据时代的发展，传统的风险导向审计模型的缺陷日益凸显。因此，新准则制定了新的审计风险模型：审计风险=重大错报风险×检查风险，其中，重大错报风险包括两个层次：一是会计报表整体层次；二是交易类别、账户余额、披露和相关陈述层次，会计报表整体层次的重大错报风险是指同会计报表整体关系紧密的重大错报风险或对许多认定都有潜在影的重大错报风险。所以，在数据审计背景下，实施数据风险评估程序，基于审计人员职业判断的基础上，更应该专注于获取数据本身所产生的风险。同时，审计人员应注重利用大数据信息对被审计单位的控制环境进行分析，识别出存在的数据风险点，形成数据审计模式。
随着世界迈入大数据DT时代，被审计单位所处的内外市场环境愈发复杂，相比IT时代被审计单位将面临更大的风险压力，审计主体也将面临比之前更大的出现重大错报风险的可能性。审计人员审计后发表不恰当审计意见的可能性也将加大。而在传统的风险导向审计模式中，仍然采用的是抽样审计的模式。抽样审计的模式是依赖对审计对象总体筛选一些样本进行测试，并根据样本情况推断总体情况。但在数据审计时代下，审计抽样的工作变得更加复杂，抽取具有代表性的风险样本同样无法避免固有的风险误差，无法准确地反映出总体的情况，加之，各类被审计单位的内源性和外源性数据高度粘合，增加了数据抽样工作产生的数据误差，这些数据误差增加了审计人员发表不恰当审计意见的可能性，从而导致数据审计风险的增加。
在数据审计时代，审计单位和被审计单位的信息博弈日趋激烈。根据信息不对称理论可以研断，信息博弈双方之中掌握数据信息优势的被审计单位在博弈中占据有利地位，而会计师事务所则处于信息劣势。而处于信息优势的被审计单位会利用其自身的信息作出对另一方不利的决策，从而出现逆向选择的现象。根据委托-理论，处于人一方的审计单位往往是处于信息劣势的一方，作为委托方的被审计单位往往利用其信息的优势，产生隐瞒真实的财务数据、编制虚假财务报告、进行财务舞弊的风险，尤其是对处于亏损经营性企业而言，企业舞弊的可能性更大。而作为审计单位而言，鉴于自身生存压力，为了抢夺客户，为了迎合客户需求，往往将审计程序简化，减少审计成本，很多审计程序往往都流于形式，这都增加了审计人员发表不恰当审计意见的风险。
在此基础之上，作为财务报表信息使用者的利益相关者对方的审计单位具有很高的审计期望，尤其在大量数据中需要找出前瞻性数据的投资决策者而言，他们对审计质量的期望容易与实际的审计工作质量产生差距，一方面财务信息使用者希望审计人员能够客观工正地开展审计工作，保证相关财务报表能披露单位真实的财务信息和经营状况；另一方面审计单位收取了委托企业的审计费用，应该站在被审计单位的立场上开展审计工作。这就使得审计单位处于一个矛盾的地位，使得审计人员苦恼于应站在哪一方的立场上出具审计意见，无形中产生了一定的数据审计风险。
三、数据审计时代审计风险控制措施
数据审计时代的到来，对于独立审计行业带来的影响，更大程度上是基于云计算、物联网和移动互联网技术层面引起的一种科研范式的变革，如何对被审计单位的海量信息进行整合，进而进行数据分析和数据预测，以降低审计风险和提高审计工作效率提出如下控制措施。
（一）采用总体抽样法替代原有的抽样审计方法。在数据审计时代，审计工作的测试程序不再依赖抽样分析，而可以采集和处理事物整体的全部数据。被审计单位的数据更为透明化，而且更为详实，审计人员只需要通过云端技术连接被审计单位内部信息系统获取全部相关信息。过去的抽样审计工作模式是基于成本效益的原则，无法对每一笔业务进行详细地审查，从而产生了抽样审计。抽样审计尽管抽取的样本具有代表性，但无法完全消除其固有风险。但在数据审计时代下，审计人员通过云计算技术可以完全实现对被审计单位信息的全样本抽样，并且对审计证据等信息获取的成本也大大降低，通过对总体抽样方法的实现，更新了审计检查技术，对全样本的分析，大大减少了审计人员出现检查失误的风险，从而减少了审计人员出具错误审计意见的可能性，加强对数据审计风险的防范。
（二）加强审计人员信息运用、挖掘、预测能力的培养。审计人员的工作能力、职业素养的高低一直是审计风险产生的主体原因。在风险导向审计工作模式下，要求审计工作人员具备识别被审计单位重大错报风险的能力，分析被审计单位所处的行业风险、企业战略层面上的风险能力。这些能力一般来源于审计人员的专业判断，它来自于审计人员综合素质和丰富的实践经验，以及行业知识的丰富程度。在数据审计时代下，一方面对审计人员专业胜任能力提出了更高的要求。具体表现在：要求审计人员具备一定的计算机、互联网以及相关数据分析软件的技术运用能力，在大数据环境下开展数据审计工作，通过获取被审计单位内外部相关的财务数据、行业数据、供应链运行数据、控制环境数据等，对数据进行深度地挖掘、分析，预测出未来被审计单位的相关能力高低、现金流量大小、行业变化情况等，对高价值高质量的信息进行有效整合，以支撑审计人员出具正确客观的审计意见，降低审计风险；另一方面审计人员应该利用大数据给人们带来的获取数据更为便利这一优势，加强相关经验交流学习，建立多行业的经验交流平台，借助互联网平台实时关注相关行业的内外部环境变化，进行信息交互，提升自身的工作能力与实践经验，以达到数据审计时代下对审计工作效率提升的这一要求。提高对被审计单位的信息获取和处置能力，有助于审计人员与被审计单位在信息博弈中取得优势地位，掌握更多的有效信息，有助于识别被审计单位的舞弊动机，降低审计风险。
（三）建立完善被审计单位数据库。数据审计环境下要求被审计单位必须建立起一个完善的中心数据库，被审计单位的各类信息都将储存在此数据库内，涵盖了各项相关经济活动的信息、实物资产、人力资源等，并且通过互联网存储在云端。审计人员可以通过互联网与中心数据库进行连接，直接获取被审计单位的相关信息和财务数据，对被审计单位的各项经济活动进行有效的监控，对各项实物资产进行实时的盘点，提高审计工作效率的同时，能够对重大错报风险进行有效的防范。诸如獐子岛事件再一次强调了存货监盘的重要性，在数据审计环境下，此类事件完全可以避免，通过连接被审计单位的中心数据库实施对被审计单位的存货实施实时的监盘，同时在互联网同时获取气象、水文等数据进行分析，有效地预见“冷水团”对生物性资产的影响，识别出存货存在的相关风险。同时，被审计单位要及时升级相关的软件和硬件，以防范潜在的信息安全风险，数据审计时代面临着数据量的爆发性冲击，要适时地对相关财务软件进行升级，定期维护。审计人员应进行相关数据的维护，确保有关信息的保密性，做好数据采集、数据集成、数据清洗等工作，防范错误信息对审计工作的影响。可以加强以下两个环节的控制：一是防止APT攻击。借助大数据处理技术，针对APT安全攻击能力隐蔽、潜伏长、攻击方式和方法不确定等特征，设计具备实时检测能力与事后回溯能力的全流程审计方案，预防并阻止运行隐藏有病毒的应用软件、程序；二是用户访问限制。可以根据数据的秘级程度和审计查询需求设定不同的权限等级，并严格控制用户访问权限。
（四）被审计单位塑造有控制观念的企业文化。完善的内部控制制度是实现控制目标的重要保证，也是降低审计风险的重要手段。在数据审计时代，需要进一步完善被审计单位的内部信息系统，利用信息技术手段，对被审计单位相关的经营活动进行有效的监督，以保证其活动合法合规，确保财务报告及相关信息真实完整，审计人员通过被审计单位的内部信息系统的运行情况，评价内部控制制度的有效性，监督其是否得到有效的实行。被审计单位应利用大数据时代数据的开放性、透明性，通过互联网进行内部控制制度设计的交流实习，学习其他企业的内部控制制度的可取之处。
有效的内部控制制度设计可以有效地防范管理层舞弊，而有效的内部控制仰赖企业成员的控制意识，企业文化是内部控制要素的组成部分。在大数据时代下塑造控制观念的企业文化，培养员工的控制意识，凸显出其重要性。从东芝公司审计失败事件看出，有效的内部控制制度以及先进的企业文化建设关乎一个公司的存亡。历史达百年之久的制造业巨头日本东芝公司因公司财务舞弊导致公司信誉瞬间崩塌，其根源在于其家族式的企业文化致使管理层可以凌驾于内部控制之上，高管一言堂，内部审计失效，管理层可以任意操纵利润，大规模参与会计造假，审计人员发生道德风险及缺乏谨慎性使其过分依赖东芝内部审计机构，未能有效对东芝内部控制系统、重要性水平及审计风险进行恰当性评估致使最终审计失败。
主要参考文献：
[1]张云.大数据背景下的图书馆发展问题与策略[J].信息技术与信息化，2014.5.
[2]龙子午，王云鹏.大数据时代对CPA审计风险与审计质量的影响探究[J].会计之友，2016.8.
[3]沈红波.风险导向审计的新发展[J].财会月刊（理论版），2006.4.
第6篇：大数据时代数据的重要性范文
统计学论文2000字(一)：影响民族院校统计学专业回归分析成绩因素的研究论文
摘要：学习成绩是评价学生素质的重要方面，也是教师检验教学能力、反思教学成果的重要标准。利用大连民族大学统计学专业本科生有关数据（专业基础课成绩、平时成绩和回归分析期末成绩），建立多元線性回归模型，对影响回归分析期末成绩的因素进行深入研究，其结果对今后的教学方法改进和教学质量提高具有十分重要的指导意义。
关键词：多元线性回归；专业基础课成绩；平时成绩；期末成绩
为了实现教学目标，提高教学质量，有效提高学生学习成绩是很有必要的。我们知道专业基础课成绩必定影响专业课成绩，而且平时成绩也会影响专业课成绩，这两类成绩与专业课成绩基本上是呈正相关的，但它们之间的关系密切程度有多大？它们之间又存在怎样的内在联系呢？就这些问题，本文主要选取了2016级统计专业50名学生的四门专业基础课成绩以及回归分析的平时成绩和期末成绩，运用SPSS统计软件进行分析研究，寻求回归分析期末成绩影响因素的变化规律，拟合出关系式，从而为强化学生的后续学习和提高老师的教学质量提供了有利依据。
一、数据选取
回归分析是统计专业必修课，也是统计学中的一个非常重要的分支，它在自然科学、管理科学和社会、经济等领域应用十分广泛。因此研究影响统计学专业回归分析成绩的相关性是十分重要的。
选取了统计专业50名学生的专业基础课成绩（包括数学分析、高等代数、解析几何和概率论）、回归分析的平时成绩和期末成绩，结合多元线性回归的基础理论知识[1-2]，建立多元回归方程，进行深入研究，可以直观、高效、科学地分析各种因素对回归分析期末成绩造成的影响。
二、建立多元线性回归模型1及数据分析
运用SPSS统计软件对回归分析期末成绩的影响因素进行研究，可以得到准确、科学合理的数据结果，全面分析评价学生考试成绩，对教师以后的教学工作和学生的学习会有较大帮助。自变量x1表示数学分析成绩，x2表示高等代数成绩，x3表示解析几何成绩，x4表示概率论成绩，x5表示平时成绩；因变量y1表示回归分析期末成绩，根据经验可知因变量y1和自变量xi，i=1，2，3，4，5之间大致成线性关系，可建立线性回归模型：
（1）
线性回归模型通常满足以下几个基本假设，
1.随机误差项具有零均值和等方差，即
（2）
这个假定通常称为高斯-马尔柯夫条件。
2.正态分布假定条件
由多元正态分布的性质和上述假定可知，随机变量y1服从n维正态分布。
从表1描述性统计表中可看到各变量的平均值1=79.68，2=74.66，3=77.22，4=78.10，5=81.04，1=75.48；xi的标准差分别为10.847，11.531，8.929，9.018，9.221，y1的标准差为8.141；有效样本量n=50。
回归分析期末成绩y1的多元回归模型1为：
y1=-5.254+0.221x1-0.4x2+0.154x3
+0.334x4+0.347x5
从表2中可以看到各变量的|t|值，在给定显著水平？琢=0.05的情况下，通过t分布表可以查出，自由度为44的临界值t？琢/2（44）=2.015，由于高等代数x2的|t|值为0.651小于t？琢/2（44），因此x2对y1的影响不显著，其他自变量对y1都是线性显著的。下面利用后退法[3]剔除自变量x2。
三、后退法建立多元线性回归模型2及数据分析
从模型1中剔除了x2变量，多元回归模型2为：
y1=-5.459+0.204x1+0.149x3+0.377x4+0.293x5（5）
在表4中，F统计量为90.326，在给定显著水平？琢=0.05的情况下，查F分布表可得，自由度為p=4和n-p-1=45的临界值F0.05（4，45）=2.579，所以F>F0.05（4，45），在表5中，所有自变量的|t|值都大于t？琢/2（45）=2.014，因此，多元回归模型2的线性关系是显著的。
四、结束语
通过对上述模型进行分析，即各个自变量对因变量的边际影响，可以得到以下结论：在保持其他条件不变的情况下，当数学分析成绩提高一分，则回归分析成绩可提高0.242分[4-5]；同理，当解析几何成绩、概率论成绩和平时成绩每提高一分，则回归分析成绩分别提高0.149分、0.377分和0.293分。
通过对学生专业基础课成绩、平时成绩与回归分析期末成绩之间相关关系的研究，一方面有利于教师把控回归分析教学课堂，提高教师意识，注重专业基础课教学的重要性，同时，当学生平时成绩不好时，随时调整教学进度提高学生平时学习能力；另一方面使学生认识到，为了更好地掌握回归分析知识，应加强专业基础课的学习，提高平时学习的积极性。因此，通过对回归分析期末成绩影响因素的研究能有效的解决教师教学和学生学习中的许多问题。
统计学毕业论文范文模板(二)：大数据背景下统计学专业“数据挖掘”课程的教学探讨论文
摘要：互联网技术、物联网技术、云计算技术的蓬勃发展，造就了一个崭新的大数据时代，这些变化对统计学专业人才培养模式的变革起到了助推器的作用，而数据挖掘作为拓展和提升大数据分析方法与思路的应用型课程，被广泛纳入统计学本科专业人才培养方案。本文基于数据挖掘课程的特点，结合实际教学经验，对统计学本科专业开设数据挖掘课程进行教学探讨，以期达到更好的教学效果。
关键词：统计学专业；数据挖掘；大数据；教学
一、引言
通常人们总结大数据有“4V”的特點：Volume（体量大），Variety（多样性），Velocity（速度快）和Value（价值密度低）。从这样大量、多样化的数据中挖掘和发现内在的价值，是这个时代带给我们的机遇与挑战，同时对数据分析技术的要求也相应提高。传统教学模式并不能适应和满足学生了解数据处理和分析最新技术与方法的迫切需要。对于常常和数据打交道的统计学专业的学生来说，更是如此。
二、课程教学探讨
针对统计学本科专业的学生而言，“数据挖掘”课程一般在他们三年级或者四年级所开设，他们在前期已经学习完统计学、应用回归分析、多元统计分析、时间序列分析等课程，所以在“数据挖掘”课程的教学内容选择上要有所取舍，同时把握好难度。不能把“数据挖掘”课程涵盖了的所有内容不加选择地要求学生全部掌握，对学生来说是不太现实的，需要为统计学专业本科生“个性化定制”教学内容。
（1）“数据挖掘”课程的教学应该偏重于应用，更注重培养学生解决问题的能力。因此，教学目标应该是：使学生树立数据挖掘的思维体系，掌握数据挖掘的基本方法，提高学生的实际动手能力，为在大数据时代，进一步学习各种数据处理和定量分析工具打下必要的基础。按照这个目标，教学内容应以数据挖掘技术的基本原理讲解为主，让学生了解和掌握各种技术和方法的来龙去脉、功能及优缺点；以算法讲解为辅，由于有R语言、python等软件，学生了解典型的算法，能用软件把算法实现，对软件的计算结果熟练解读，对各种算法的改进和深入研究则不作要求，有兴趣的同学可以自行课下探讨。
（2）对于已经学过的内容不再详细讲解，而是侧重介绍它们在数据挖掘中的功能及综合应用。在新知识的讲解过程中，注意和已学过知识的融汇贯通，既复习巩固了原来学过的知识，同时也无形中降低了新知识的难度。比如，在数据挖掘模型评估中，把混淆矩阵、ROC曲线、误差平方和等知识点就能和之前学过的内容有机联系起来。
（3）结合现实数据，让学生由“被动接收”式的学习变为“主动探究”型的学习。在讲解每种方法和技术之后，增加一个或几个案例，以加强学生对知识的理解。除了充分利用已有的国内外数据资源，还可以鼓励学生去搜集自己感兴趣的或者国家及社会大众关注的问题进行研究，提升学生学习的成就感。
（4）充分考虑前述提到的三点，课程内容计划安排见表1。
（5）课程的考核方式既要一定的理论性，又不能失掉实践应用性，所以需要结合平时课堂表现、平时实验项目完成情况和期末考试来综合评定成绩。采取期末闭卷理论考试占50%，平时实验项目完成占40%，课堂表现占10%，这样可以全方位的评价学生的表现。
三、教学效果评估
经过几轮的教学实践后，取得了如下的教学效果：
（1）学生对课程的兴趣度在提升，课下也会不停地去思考数据挖掘有关的方法和技巧，发现问题后会一起交流与讨论。
（2）在大学生创新创业项目或者数据分析的有关竞赛中，选用数据挖掘方法的人数也越来越多，部分同学的成果还能在期刊上正式发表，有的同学还能在竞赛中取得优秀的成绩。
（3）统计学专业本科生毕业论文的选题中利用数据挖掘有关方法来完成的论文越来越多，论文的完成质量也在不断提高。
（4）本科毕业生的就业岗位中从事数据挖掘工作的人数有所提高，说明满足企业需求技能的人数在增加。继续深造的毕业生选择数据挖掘研究方向的人数也在逐渐增多，表明学生的学习兴趣得以激发。
教学实践结果表明，通过数据挖掘课程的学习，可以让学生在掌握理论知识的基础上，进一步提升分析问题和解决实际问题的能力。
第7篇：大数据时代数据的重要性范文
大数据时代的到来，让数据成为人们关注的焦点，各个行业的研究人员纷纷挖掘数据的潜力，发现其价值。但现在，大数据的信息收集、整理存在很大的安全风险，安全问题突出，即信息安全已经成为限制大数据发展的主要因素。对此，文章给出了相应的应对策略，有效解决了大数据信息的安全问题。
关键词：
大数据；信息安全；风险框架
1大数据时代的特点与信息发展方式的变革
1.1大数据时代特点
1.1.1海量性
大数据时代，存储与网络技术快速发展，很多移动设备无时无刻都在产生大量的信息，数据规模不断扩大，也变得越加完整，向海量化的趋势发展。
1.1.2多样性
现在，每个设备既相对独立又是整个网络的一部分，任意一个人都是信息的接受者与传递者，数据量呈现出大量增长的趋势，数据具有多样性，它主要体现于文本、音频、视频等，并根据各个信息之间的关联性，重新加工、分析，把它们变成可以使用的信息[1]。
1.1.3高速性
移动互联网应用规模的扩大，使人们对数据的需求逐渐增加，需快速处理大量的数据，帮助决策。以云计算为基础的Hadoop数据框架，其使用集群的力量，用较短的时间处理信息并存储，加快信息的传输速度，使数据信息带来更多的利益。
1.1.4价值性
人们善于从数据中发现信息，为自己提供服务，这是大数据信息应用的目的。但如何找到有价值的信息，需从海量的信息中提取，这表明了大数据信息的价值有待提高。
1.2信息发展方式的变革
1.2.1传播方式
传播方式的改变主要体现在3方面，打破了原有的规则。（1）话语权发生了转移，即进入大数据时代后，各传媒开始开辟网络平台，让传统媒体的话语权逐渐转向网络。（2）传播渠道的改变。网络环境下，微博、微信成为主要的数据、信息传递的平台，具有即时性与共享性。（3）有较强的传播主动性与精确性。很多企业会根据用户的浏览习惯，为其提供大量信息。
1.2.2生产方式
根据受众对数据的需求，生产信息，提供定制服务。以数据分析为基础，构建新的数据生产方式，主要用于取悦大众。
2大数据时代下的安全风险
大数据的安全包含两点：（1）内部系统的不足；（2）外部系统的漏洞。前者是因为组织自身管理不足出现的问题，后者是社会大环境的变化引发的安全问题。
2.1系统内部的漏洞
2.1.1基础设施
从基础设施的角度分析是，由于基础设施老旧、损坏等原因，出现的数据安全风险，它分为两方面，分别是自然灾害与网络硬件。（1）自然灾害属于不可抗力因素，像是地震、台风、火灾等，而数据收集是通过线路把信息传送到服务器，自然灾害发生后，破坏服务器，造成大量数据丢失。同时，除自然灾害外，也存在不可控的因素，比如停电等，数据传输被迫中断[2]。（2）数据量快速增长，但因为硬件设施落后，达不到数据处理、存储的要求，并且，硬件老化也会减缓数据的传输。所以，如果数据传输的功能性降低或老化，都会让系统崩溃，丢失传输的数据，影响数据传输的安全。
2.1.2数据隐私
数据隐私是指处理、分析数据时，可能出现信息泄露的问题。可从两点论述：（1）数据组合是把不同的数据组合在一起，但这种组合方式是从多个组合池内搜集，在原有风险的基础上进一步增加了风险，使用户身份的特征更加明显。（2）对数据的分析，是挖掘数据深层次的信息与价值，同时，可能会给用户的信息安全构成威胁，发现用户隐私[3]。
2.1.3数据管理
数据信息管理不善导致的数据暴露，其原因可能是操作失误、信息泄露等。（1）数据管理较为复杂，操作失误会影响系统的正常运行。（2）信息泄露有两种情况，有恶意和非恶意的区分，前者是人为操作，后者是工作缺少规范性，没有完善的安全保护制度。
2.1.4技术问题
技术问题是操作存在漏洞，其可从安全防护与实施监测角度分析。对于安全防护，使数据大量增加，需提高安全防护的技术水平，及时更新，减少防护的漏洞。而实时监测具有滞后性，检测的频率高，周期较长，有很多潜在的安全漏洞没有检测出来。
2.2系统外部的漏洞
2.2.1法律法规
数据保护法的建立以明确数据收集为目的，不可把某个目的数据收集用于其他目的，告诉用户其信息正在使用，用户信息的使用需得到认可，私人数据保持准确，数据有保存的期限。
2.2.2行业自律
很多企业会以自身经营情况为参考，制定信息安全政策，有的为了得到更多的利益，会篡改政策信息，没有约束自己的行为，缺少良好的行业自律。
2.2.3个人信息安全
现在的技术可以实时跟踪一个人，其会利用网络跟踪、频率识别等方式，确定个人所在的坐标，进行视频监控，同时得到其财务数据，让个人隐私全部暴露出来，同时，有的企业会把已知的电话信息卖给其他人，但无法采取任何打击措施。这些都导致了用户的信息安全受到影响，个人隐私得不到保证。
2.2.4黑客入侵
黑客的入侵，进一步加剧了信息安全风险。其原因是，大数据有很高的价值，有一定的诱惑力，吸引其攻击，同时，整个网络环境中，数据更加明显，也更容易受到对方的攻击，黑客会利用网络系统中的漏洞，找到并进攻目标，增加风险。
3大数据时代下风险的应用策略
3.1及时更新设备，加大维护力度
优化基础设施包括以下两方面：（1）及时检查设备的运行情况，发现设备运行存在的问题，及时解决，如果设备老化，需及时更换，同时，也要检查网络线路是否完整，并及时更新计算机使用的软件，以及降低设备运行故障导致数据丢失的概率。（2）制定应急预案，人们可根据已经出现的运行故障，制定应对方案，一旦出现突发事故可以马上应对，使基础设施高效运转，确保数据的安全[4]。
3.2使用技术规避风险
这是确保数据安全的方式之一，要提高安全防护的水平，真正做到实时监测。安全防护给数据提供安全保护，有一层无形的保护网，以免数据受到攻击，比如防火墙。而实时监测是对数据进行检测，及时发现系统的漏洞，马上修补，不会给病毒、木马、黑客的入侵提供机会，但现在应用的技术存在一定的不足，需要不断改进，确保数据安全。同时，也可以加入保护用户信息的技术，比如匿名保护技术，不会泄露用户隐私[5]。
3.3保证数据的真实
大数据的价值是其可以分析出有价值的信息，预测未来的发展方向，为决策提供理论支持，但这些必须以真实、有效作为前提。如果数据的真实性有待考证，则可信度必然会降低。所以，各企业、组织收集数据时，需考察数据的真实性，确定数据的来源渠道，从众多信息系统中找出虚假不实的信息并排除。同时，数据的选择具有主观性，即会受到人为因素的影响，因此，要尽量减少人为因素对数据收集工作的影响，找到最新的数据版本，保证数据传输中真实性不会受损。
3.4提升行业的自律性
企业或组织是数据的持有者，其义务是保证数据的安全，约束自己的行为，使自己有自律性。其要做到以下两点：（1）制定信息安全保护制度，有明确的保护措施。即从组织的角度分析，数据的访问要设置访问权限，根据数据的重要程度，设定访问人数，这种方式可有效控制数据传播的范围，以免泄漏。一旦出现数据泄露，需追究相关人员的责任，找到信息泄露的根本原因与源头。对于合作者，其要按照组织制定的政策信息操作，遵守操作规范，不会因为操作失误导致信息泄露，或是为了得到利益把数据交给竞争对手或其他人。（2）规范信息处理的程序，组织处理收集数据时，必须保护用户的隐私，不会让其他人分析出用户的身份，对此，可删除与用户有关的敏感信息，并用聚合的方式归拢信息，把有典型特点的数据淡化，降低用户被识别的风险。
3.5强化人们的信息安全意识
现在生活中，社交网络中信息的大量传播，渐渐淡化了人们的安全意识，安全意识匮乏，同时，要明确的一点是，用户隐私的泄露，除了有黑客攻击、商家倒卖等，也和个人不保护有关。所以，对数据信息安全的保护，必须强化个人的安全意识，即加大宣传力度，让其认识到信息安全的重要性，不会主动向他人透漏信息。对于需要实名注册的活动，严格甄别，再三考虑后确定是否参与。若发现自己私人信息被窃取，马上向有关部门举报，或提出诉讼，维护自己的权益。
4结语
大数据时代的到来，虽然会给社会发展提供数据能源，但同时也带来很多风险，如何规避风险，提高数据传输的安全性，需要人们主动思考。对此，其可以从内部与外部两方面讨论，以提高数据的真实性与可信度，规范行业的自律性，强化个人的信息安全意识，及时更新设备，加大维护力度，有效规避风险，积极应对，优化对数据的管理与监测。
[参考文献]
[1]郑自立.大数据时代的文化安全风险与应对策略[J].改革与开放，2015（9）：17-21.
[2]胡江涛.大数据时代数据安全风险及应对策略[J].郧阳师范高等专科学校学报，2015（3）：44-46.
[3]黄国彬，郑琳.大数据信息安全风险框架及应对策略研究[J].图书馆学研究，2015（13）：24-29.
[4]刘召华.大数据时代个人信息安全危机及应对策略[J].科技经济市场，2016（8）：192-193.
第8篇：大数据时代数据的重要性范文
关键词：医疗保险；档案；信息化；对策
档案资料是社会经济发展必不可少的宝贵信息资源，随着技术的发展与进步，档案由最初的纸质存档发展成现在的电子存档，与之相应的是对档案信息化的需求进一步增强。而如今迅猛发展和广泛应用的信息技术，更是为档案的信息化建设创造了前所未有的契机。作为我国五大保障险种之一的医疗保险，其系统涉及到群众根本利益，其档案管理工作就显得尤为重要，在“大数据”和“互联网+”背景下，档案管理的信息化是利国利民的，也是势在必行的。
一、医疗保险档案信息化建设的重要性
杨公之主编的《档案信息化建设导论》中定义档案信息化建设为：“在国家档案行政管理部门的统一规划和组织下，在档案管理活动中全面应用现代信息技术，对档案信息资源进行处置、管理和提供利用服务。”医疗保险档案信息化建设作为医疗保障系统档案信息化建设的一个重要组成部分，尤其是在当前快速发展的信息社会中，信息技术变革了医疗保险传统的信息管理模式，使得以计算机及档案管理软件应用为主，利用计算机、扫描仪等对档案进行搜索、存储和管理，成为了医疗保险档案管理方式发展的必然趋势，也是医疗保险实现信息共享、实现与医疗保险系统联网，保障人民群众效益的重要手段。
二、全面完成医疗保险档案信息化建设的主要任务
1.完善医疗保险档案管理基础设施
医疗保险档案的管理需配置足够面积的医疗保险档案室，档案室内要配备足够的档案管理设备，例如档案柜，杀虫剂，干燥剂等，与此同时，电子档案储存应用还需服务器智能设施、制冷设备、干燥设备、防火设备、自动温控设备等软硬件设施。由于数据服务器为档案管理人员提供了极大的便捷，档案管理人员可以通过计算机等数据服务器进行医疗保险档案的收文、查询、借阅、返还等档案的归档利用和管理工作。同时由于医疗保险工作面对的社会群体具有广泛性及医疗保险处本身具有的社会公益性等特点，医疗保险电子档案信息更加复杂繁多，对于数据服务器基础配置也有着更高的要求，因此提高医疗保险档案管理部门的数据库服务器硬件配置和网络拓扑率，是进行医疗保险档案信息化建设的必要条件。另外，随着医疗保障制度的进一步完善，医疗保险涉及人员范围的进一步扩大，建立和完善医疗保险档案信息系统局域网，使档案管理的各项工作趋于网络化，在一定范围内实现医疗保险档案信息的共享，是现阶段人民群众对加强医疗保险电子档案信息利用的迫切要求。
2.制定严格的医疗保险电子档案归档及管理规范
档案信息电子化主要是通过计算机、扫描仪等现代数据录入设备将档案资料整理输入数据库服务器，使之转变成数据资料再加以储存和应用。其一，根据相关法律法规，因地制宜地制定医疗保险档案管理规范，并定期组织医疗保险档案管理人员学习最新的档案管理办法，根据新法规及时修正档案文件管理规范。其次，建立健全医疗保险档案目录数据库，建立健全医疗保险档案电子数据的索引机制，对医疗保险档案实现数据化管理，规范医疗保险档案电子数据的归档与管理，保证电子档案信息的科学保管和有效利用。再次，注重特殊病号、特殊报销比例的医疗保险电子档案的管理，方便医疗保险档案管理人员及时查阅。
3.培养与发展高素质医疗保险档案管理人才
（1）医疗保险档案管理人员需要具备较高的政治修养与责任心，这就要求医疗保险档案管理人员要熟悉档案管理政策，具备良好的职业道德和强烈的责任感，有扎根医疗保险档案基础工作的信心和决心。
（2）医疗保险档案管理人员需要具备电子档案专业技能。针对新形势对档案工作的要求，医疗保险档案管理人员面对信息时代“打铁还需自身硬”，需要加强信息技术的学习，加强信息技术的实践，熟练掌握现代数据挖掘技术、大数据分析技术等新兴信息技术，使医疗保险档案管理跟的上信息时展的步伐。
（3）医疗保险档案人员需要是具备综合素质的复合型人。
新形势下，医疗保险档案需要管理方法、纸质档案、数据库服务器三位一体的复合型人才，综合运用管理理念、计算机知识、信息技术知识、档案专业知识等，从而对档案工作进行有效的管理。同时也需要用现代网络技术整合医疗保险传统档案管理模式，为医疗保险档案信息化建设提供有力的网络梳理与网络保障。
4.注重医疗保险档案信息数据安全
由于电子信息应用会受到来自病毒和黑客等问题的影响，因此保管医疗保险档案数据的服务器各种防病毒措施及设备要完善，针对部分需要提供网络共享的医疗保险电子档案信息资源，必须提供有效的网络安全保障；在档案信息化的同时，更不可忽视纸质档案的保存，要“两条腿走路”“两套账并存”，要实现电子档案与纸质档案并存。
医疗保险档案信息化建设是一项长期、全面而又具体的工作，它需要完善的基础设施、先进的管理规范、优秀的档案管理人员、严谨的安全措施等各方面的综合配合，实现医疗保险档案信息化建设是医疗保险现代化管理的重要组成部分。信息化是当今世界和社会发展的大趋势，只有积极推动医疗保险档案信息化建设进程，才能适应社会和时展的需要，更好地服务社会。尤其是医疗保障险种的社会公益性决定了其服务团体的广泛性，而其自身档案信息化建设历程又是社会档案信息化建设历程的直接体现，因此，加强医疗保险档案信息化建设不只是医疗事业可持续发展的需要，更是整个社会可持续发展的必然要求。
参考文献：
[1]张荣蓉.浅谈企业档案信息化建设[J].科技信息，2012.
第9篇：大数据时代数据的重要性范文
2012年8月3日，“巅峰汇，展望未来──2012戴尔高层客户峰会”在丽江举行。在会上戴尔公司与北京大学计算机科学技术研究所共同签署了虚拟集成系统（VIS）联合实验室项目合作备忘录，并宣布戴尔为北京大学设计、建造的基于戴尔虚拟集成系统（VIS）解决方案的联合实验室正式落成。
会后，北京大学计算机科学技术研究所副所长郭宗明及戴尔（中国）有限公司公共事业部教育行业总经理王珊围绕数据中心的建设解答了记者的疑问。
郭宗明副所长介绍说，目前研究所设置了九个研究方向，随着研究工作的不断深入和研究成果的不断积累，仅以视频为例，就需要大量的存储空间，同时为了保证研究工作的方便展开，对于资源的分类及读取都提出了更高的要求。而实际情况是，由于缺乏全面的系统化的技术及服务支持，教师们各自为政，花费了很多精力建设自己的教学平台，但各个平台之间不能实时共享，容易造成资源浪费，也容易阻碍信息的流通。当然，其他的一些问题，如机房的空间、电源的供应等问题也日益凸显。他表示，研究所现在用的是戴尔为其量身打造的一套私有云平台来提供PaaS服务，戴尔提供了很完美的定制化方案，最大限度地帮助研究所解决了自身的问题。这类定制化方案的实施，在未来的系统升级时，也能带来灵活的可扩展性和可配置性。他表示，此次合作将延续和巩固与戴尔的战略协作伙伴关系，将为新一代数据中心新功能的开发提供更多的创新理念。
王珊总经理就该中心的建设方案做了详细的阐释，指出该数据中心主要采用戴尔虚拟集成系统（VIS）解决方案和“互联校园”教育信息化技术。戴尔VIS能帮助用户扫清采用虚拟化的障碍，能有效的提高数据中心效率。其开放式体系结构意味着用户可以随时做出改变，并选择适合自己组织的技术和采用进度。PowerEdge C 6100服务器的超密集型2U基础架构，支持多达四个服务器节点，节省了空间，电源和冷却功耗更低。AIM管理器可以创建动态的基础架构，适应不断变化的客户需求，可以轻松管理虚拟和物理服务器构架，推进虚拟化部署，减少服务器数量。深度定制化是戴尔解决方案的一个特点。同时，她还从基础教育、职业教育、高等教育三方面谈了戴尔产品及服务在教育领域的应用情况。
大数据时代的到来，使得越来越多的教育领域客户认识到存储数据、保护数据、整合数据的重要性和迫切性，同时，运维的任务日益繁重也让教师们不堪重负，不能把更多的精力投入到教学或研究中去。戴尔与北京大学计算机科学技术研究所的此次合作，必将有利于推动教育管理信息化的发展。
