大数据运用方向精选(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运用方向主题范文，仅供参考，欢迎阅读并收藏。

第1篇：大数据运用方向范文

关键词：大数据时代；营销；创新方向

一、大数据时代营销创新研究的价值

1.1优化营销活动效果预测的准确性

随着我国市场经济逐步深入发展，市场的竞争也越来越激烈，企业的营销活动要想获得成功，必须要准确的定位顾客的价值，但是由于顾客需求的多元化、竞争方式的随机化以及科技更迭速度不断加快，企业想要进行有效的预测愈发的困难。但大数据给准确预测带来了可能，所谓“大”，不光是数据量的多，更意味着多样化的数据处理模式，通过大数据，可以在最大程度上综合数据，用多重数据方法来建模并进行分析，深层次的挖掘数据之间的相关性，以此来实现对未来事件的预测。

1.2提升营销管理的科学性

大数据时代营销创新的研究成果可以帮助到企业各个方面的营销活动，它使得营销活动的决策直到最终的实施环节都能做到严密而精确，使营销管理真正的成为建立在科学基础上的一种艺术。

1.3满足我国营销理论研究的前瞻性

由于大数据在全世界范围内都属于刚刚兴起的一种科学技术趋势，各国的研究程度差距不大，这实际上给我国的营销理论研究提供了一次飞速发展的机会，有可能帮助我国从模仿者一跃成为引领人。大数据目前已经在社会经济生活等许多方面发挥作用，许多企业正在利用大数据来推动营销管理的实践创新与变革。而通过大数据，我们又能将其中优秀的，有成果的实践活动理论，抽象化，从而建立起具有普适性的新的营销体系，这反过来又能够帮助大数据更好的运用于各行各业的营销实践。可以说，这是建立具有中国特色的具有前瞻性的营销理论的绝佳机会。

二、大数据时代营销创新研究的价值

到目前为止，理论界还并没有形成对大数据真正概念的共识。有人认为它是无法在一定的时间里通过传统的数据库软件来进行生成、管理以及处理的数据集合，但也有人从商业管理的角度看，认为它应该是一种“分析”，通过它来从数据中得到有效的信息，并通过这些信息获得商业优势的一种智能化的管理活动。大数据的具体定义尚未有定论，但无论从哪个角度看，人们普通认为其具备以下的几个特征：一是规模性，数据的绝对数量是首要保障；二是高速性，它包含数据生成与利用过程的高速以及分析处理数据上的高速这两个方面；三是多样性，大数据所包含的数据类型多种多样，包括以各种形式存在的结构化数据与非结构化数据；四是价值性，这些数据应当有助于社会经济领域各类管理实践效率的提高以及有助于管理模式的有效创新。

三、大数据时代营销创新研究的方向

3.1探索大数据的营销应用价值

由于目前人们对于大数据的具体概念与特征仍然存疑，并且大数据又不仅仅是一种技术手段，它应当是社会中不断增长的数据所催生的一种经济与技术现象，这也就意味着大数据只有“工具特征”，缺乏“专业属性”。如何将其所具备的各种特征与营销管理进行有效的结合并真正促进企业的营销创新是我们应当着重考虑的问题。所以，从大数据的共性特征着手，结合其在营销领域的具体特性，进一步探索大数据的营销应用价值是大数据时代营销创新研究的一个重要方向。

3.2探索大数据时代营销创新的内在机理

目前我们对于营销创新的具体研究往往都停留在对其性质特征的分析上，对其内在机理的研究却鲜有人提。大数据的出现，使得深化研究成为了可能。大数据所带来的数据透明化与共享大大增加了全球数据资源的可获得性以及可运用性。大数据在营销管理实践上的运用，是实现对营销创新目的的一个重要工具。

3.3探索大数据时代营销创新的支撑体系

在大数据背景下，营销创新不能仅仅依靠营销职能部门的努力，它必须依靠多方面力量的支持。由于数据的分析实践本身就是一种跨职能与跨层级的组织行为，并且大数据要想实现在企业中的良好运用也必须依靠外部力量的支持。因此，一个综合战略，制度，政策多方面的支撑体系是推动大数据时代营销创新的重要保障。如何从企业战略，顾客的根本需求以及产业政策等多方面着手，建立起这样一个良好的支撑体系，也成为了大数据时代营销创新研究的另一个重要方向。

四、结语

随着云计算、物联网技术的发展，我们已经步入“第三次工业革命”时代，大数据的兴起正是一个重要标准，现代企业之间的竞争开始转化为数据之间的竞争，与以往相比，企业的数据越来越丰富，给企业带来了巨大的参考价值。

参考文献：

[1]冯芷艳，郭迅华，曾大军，陈煜波，陈国青.大数据背景下商务管理研究若干前沿课题[J]. 管理科学学报. 2013（01）

第2篇：大数据运用方向范文

引言

进入21世纪以来，科学技术尤其是互联网和计算机技术的迅猛发展，促使大数据时代快速到来，大数据是堪比黄金石油的致富新思路，会给社会方方面面带来很深远的影响和变化，在生活中，农业工业等很多领域都会运用到统计学，统计学之于现代社会有着较为重要的意义，因此，在这种情况下，对大数据时代背景下统计学重构进行研究是非常必要也是非常重要的。

一、大数据时代统计学重构的价值与意义

1.是前沿科研领域

伴随着科学技术的发展，大数据时代科研的进步会带来很多领域的发展和超多超复杂的数据，面对这样的挑战，我们应该不断增强自身获取信息的能力，就统计学而言，这门学科应该具有分析这些庞大数据的能力，并且通过分析能够研发出合理的分析工具以及相应的分析研究理论，来通过科学的理论解决一些更为前沿、复杂的现实问题[1]。显而易见，当前很多造诣深厚的学者都将研究领域转向了数据分析上来。

2.是交叉科研领域

统计学是一个与众多学科都有交叉的一个学科，比如与数学有交叉关系，与经验科学如天文学中假设估计参数有关系。在现代社会，统计学的使用已经不止局限在政府或者国家事务中使用，而将应用领域延伸到了商业、社会科学以及自然科学中来，由于统计学具有广泛的应用性和深厚的历史，因此，它不只是与数学有亲密的关系，更是与数学本身的哲学有着亲密的联系。伴随着领域的增多和数据的复杂程度的加重，统计学家一直进行着跨领域、跨学科的研究，随着研究数据的不断增多，所研究的领域也在不断拓宽，统计学家面临着越来越多的机遇，统计学的发展也面临着越来越多的机遇，同时，统计学的发展也推动着很多前沿科学的发展。

3.具有非常重大的意义

我们可以在进行统计学研究时形成一套完整的统计学研究理论和方法，推动大数据时代多元复杂数据分析朝着国际化方向发展；可以将数据化研究理论成果运用到经济和社会发展中去，比如可以运用在金融风险管理与控制上；还有很多金融领域的人运用大数据分析可以挖掘出市场信息，据此判断市场走势，会获得高收益，这些都是大数据时代中统计学在发挥作用[2]。

4.抢占制高点

国外很多研究表明，大数据时代统计学工程需要从各个领域挖掘有用的信息，并将这些信息融合，提取出有用的因素，发展相应的研究理论。目前，已经有很多研究结果表明，现如今的大数据研究方法和理论已经相对成熟，我们应该牢牢把握住这次机会，不畏挑战，迎难而上，尽快研究出具有独立知识产权、具有创新性的数据分析理论和软件，为我国的数据分析发展提供动力。

二、大数据时代统计学重构的热点问题研究

1.大数据统计学的理论和方法

过去的统计主要将重心放在概率分布的指数族方面，在上世纪70年代以来，指数族分布研究及其在高维贝叶斯和像图模型的应用中的研究居多，我们知道，由于指数族包括了所有已知概率的分布，因此，指数组的应用十分广泛，它是统计学的核心，并且在概率论方面的作用也在不断加强。这一研究方向旨在运用指数族来对庞大的数据进行初步的简化，利用Bootstrap方法对大多数统计和概率方面的贝叶斯数据进行应用[3]。

2.大数据数据建模

随着大数据的不断变化和发展，线上算法被研究出来，大数据的形式多种多样，因为多样化的应用、庞大的数据和针对大数据所开发的技术，这项研究会产生深远广泛的影响。该研究的方向是将数据建模相应的领域进行推广，将这些数据能够统一运用在大数据中，运用理论和公式对实际应用进行辅助。

3.并行迭代蒙特卡罗方法

日常生活和科学研究与计算机技术的结合让大数据的收集不再是幻想，要想分析这些数据，要运用并行和分布结构。并行和分布结构是拥有存储和处理大数据功能的，但是目前的技术还不能将现代的统计算法应用到大数据中去，并且在日益增多的数据中，我??需要更加复杂的结构和模型来进行解释。尽管迭代蒙特卡罗方法已经被相关研究证明是非常强大的，但是它仍然不能够用于大数据的分析，该研究旨在将迭代蒙特卡罗方法融入到一个通用理论中去发展，另其适应大数据的发展环境，并且让其也能够适用并行和分布结构，即从并列的样本中算出蒙特卡罗值，一这个数值来近似最初需要的数据量，这个理论能够有效避免在算法迭代中的重复扫描数据问题，与此同时，这一算法的应用也可以另数据研究中的问题得出具有统计学意义的解[4]。

第3篇：大数据运用方向范文

关键词：大数据；高校；学生管理；转型

现阶段，大数据的应用领域越来越广泛，无论是开展政府工作、商业活动等，还是在医疗卫生等行业都有极大运用，尤其是在电子商务领域，如亚马逊、淘宝、天猫以及京东等B2C平台，借助大数据的相关技术，将用户的大部分行为进行详细记录，从而进一步分析客户个体的购买喜好，为大众有针对性地推送商品，借此产生巨大的经济效益。大数据时代下的高校学生管理工作，也需要在认真了解大数据特点的基础上，研究在大数据思维的视域下高校学生管理工作的具体转型方向和方式。

一、大数据的基本含义

大数据（Big Data）也称为巨量资料，其定义主要包括面对增长速率更快、形式多样的海量信息资源，需要有判断力更强、决策更及时、处理过程更为优化的新型处理模式。维克托・迈尔・舍恩伯格以及肯尼斯・库克耶在《大数据时代》一书中，最早提出“大数据”的概念，作者认为，大数据即指对事件的分析不需要采用随机分析法，而是利用大部分的数据开展分析，从而达到处理目的。

“大数据”有四个基本特征，也叫作“4V特点”：数据量大（Volume），现代社会的数据量极大，达到PB甚至ZB级，而且数据增长量翻倍的时间越来越短；多样性（Variety），大数据的数据类型多种多样，包括网络日常记录、音视频信息、图片信息以及地理位置数据等，有结构化、半结构以及非结构性的数据类型；价值性（Value），大数据的价值性特点，指在海量的数据中，适合需求的价值数据与其相比，其存在比例极小；高速性（Velocyy），大数据时代要求对海量数据的处理有较快的速度，以满足需求。

二、大数据思维对高校学生管理工作的重构

高校各级管理层针对学生开展管理工作时，可以利用网络资源信息、多类型信息平台，如社交平台、学校学生信息管理平台等，得到有关学生学习生活的多种信息资源，但获取学生海量数据的方式不只是通过互联网，互联网在大稻菔贝中的作用，更多的是扮演为大数据架构桥梁提供动力的角色。除此之外，物联网技术的快速发展，使得高校学生管理工作的内容与学生的课堂活动、实践经历以及生活痕迹等有机结合，共同组成提升高校学生管理水平的大数据资源，为高校学生的管理方式提供转型动力和依据。

1.对高校学生管理工作的研究形式的重新定义

现阶段对高校学生开展管理研究的基本方式，就是开展定性以及定量研究。依托大数据时代下更为准确快速的样本，为研究者脱离小样本研究提供了便利，使得研究对象的范围不断扩大，在杜绝社会期许现象的同时，也使得研究结果的客观性和全面性得到保障。传统形式的定量研究，其研究过程所受干扰因素较多，尤其是对高校学生管理工作的研究，受到学生思想变化的频繁性、隐藏性以及复杂程度高等因素的干扰。大数据时代背景下的高校学生管理工作，将研究事项数据化，使得学生的心理情绪、思维方式、行为决策方向等抽象的研究具象成数据，在高密度、高频率的记录下，使高校学生管理工作的研究测量更为精确和具体。

2.对高校学生管理工作的预测形式的重新定义

高校学生在大数据时代，其学校生活活动形成的数据集，对个人的学习方式以及生活习惯有较为详细的记录，可准确概括学生个人的行为特征以及思想和爱好等。高校掌握较多的校园数据以及学生信息，但这些信息的分布散乱，价值性较高的有用信息也较少，无法发挥出在学生显以及隐方面的数据优势。如果通过大数据技术的介入，对学生的学习情况、图书馆信息、寝室信息等显资料和社交情况、课外交流方向、论坛表达等隐资料开展充分的挖掘和分析，更全面地展示学生的行为习惯，能将未来的预测方式由假设方式和经验预测方式逐渐转为实证数据分析预测。

3.对高校学生管理工作的决策方式的重新定义

传统的高校学生管理工作的决策环节更多的是依靠长期工作积累的经验以及管理者的直觉判断。大数据时代下的高校学生管理工作在决策环节更多依靠数据和客观事实来决策。通过将采集所获得的数据进行研究，探索多方面之间的联系，对多种类型的数据如网络方面、学生行为方面以及教学资料方面的数据进行有机整合，并在此基础上开展数据平台创建，帮助管理层尽快了解学生的共性特点以及个性需求，通过不断对数据进行挖掘和量化分析，找到决策方向。大数据时代的技术分析，为高校学生的管理工作提供了便利，全面展示了学生实时的各种问题，使得学校在管理工作的决策环节上更能依据实际情况进行合理制定，使得决策的反馈评估环节更具合理性。

例如，遇到校园突发紧急事件时，可以针对参与学生以及具体的事件过程，在利用传感器的基础上，进行识别并通过手机等移动终端，上传相关数据至数据平台，汇总成翔实的信息表。高校管理层在开展时间分析的同时，可以根据数据对事件的后续发展以及衍生情况做一定预测，并在此基础上，完成预案的制定和决策的下达；此外，遇到事件发展与预期目标存在偏差现象时，也可以对决策的执行规划及时加以改正，使得决策的作用更有效。

4.对高校学生管理的思想政治教育模式的重新定义

现阶段高校学生管理工作所采用的思想政治教育模式，更多以“一对多”教学为主，教师针对多个学生开展灌输式教学，使得教学的主客体混乱，交流方式僵化，无法体现学生的主观能动性，也无法针对学生个性开展个性化教学。个性化教学的内涵是指为学生制订符合其自身特点的教学目标、计划以及培训方向，同时以计划为指导并良好执行；除此之外，根据专业人员为学生创设的学习策略以及知识梳理方式，对教学资源进行高效整合，使学生能最大限度提升自身综合素质，实现自我人生价值。

高校管理层可以借助大数据书籍的优势，利用数据的开放性、多样化、双向互动以及可选择等多方面的特点，创设学生可以自由筛选学习方式的个性化“云课堂”思想政治教育课堂。在个性化思想政治教育课堂中，需要对老师以及学生的基本信息进行采集，包括具体的教育经历、教学优势以及研究领域成绩等数据以及学生的基本家庭信息、教育环境、成绩和兴趣爱好等信息。“云课堂”强调老师与学生之间地位平等的基本原则，学生可以综合考量自身特点和需求，并实地了解老师的基本情况，并可以较为灵活的挑选开展教学的时间以及地点等。在教育教学过程中，“云课堂”将学生的实时思想动态、政治水平提升程度等数据进行收集，在及时更新和分析挖掘的基础上，使得高校管理层能有针对性地开展思想政治教育教学。

“云课堂”为高校管理层、教师以及学生提供了多方面的便利。管理层可以直接有效地与教师或学生搭建沟通交流的桥梁，及时对学生的实时学习动态开展分析，为教师熟悉新型教学模式提供更好的支持。与此同时，通过“云课堂”的翔实数据记录，对教学质量效果做综合评价，教师在了解评价结果的基础上，经过充分的数据分析，制订更具有针对性的个性化教学方案。学生在“云课堂”中，可以根据数据库的个性化推荐，在教师针对性指导的基础上，展开自我学习。

三、大数据思维视域下高校学生管理工作转型原则

1.大数据时代要求高校管理层的工作能力更全面，提升管理能力以及思想政治教育能力与数据分析的融合程度

大数据时代的数据呈现出几何爆炸式增长，数据价值参差不齐，错误、垃圾等信息与价值信息更为复杂，这也要求高校管理层在海量的数据资源中，寻求价值度高的数据，明确数据的基本作用。高校管理层的人员在拥有较强的专业技能的同时，更要有筛选有益信息的能力和分析诠释的能力，这也是高校管理层开展管理工作时所必须掌握的一项技能。

高校管理层在开展科学有效的管理活动时，需要更可靠的数据资源，因此在查找、获取数据信息的基础上，必须对数据信息与学生的适配程度与可利用性进行分析。这就要求管理层需要在不断增强专业技能的同时，提高分析及诠释数据有效性的能力，提升分析数据信息的结果真实性以及处理能力，使得开展学生管理工作时所用数据具有较高价值。加强高校管理层认知以及获取数据信息的能力，提升管理层的数据理解和强化运用能力，这是大数据思维视域下有效开展高校学生管理工作的基本保障途径。

2.丰富高校学生管理工作形式，由扁平性塑造向立体个性化转变

一般情况下，学生只要在校园开展活动，学校便可以通过大数据的数据收集和技术分析，对学生的学习活动情况，包括课上学习活动、课堂表现和生活经历等数据进行探索分析。通过长时间的数据分析，可以进一步为学生个体创建行为或体验模型，以达到及时把控和调整学生所开展日常活动的目的。

高校管理层可以对学生在课堂上的行为表达、宿舍行为表现、网络社交语言表达以及家庭相处模式等具体行为数据进行收集，进一步创造针对学生个人的行为模型，通过模型的建立，分析学生的学习效果与学生多方面行为表现之间的联系，完善学生模型塑造，从而为相关方提供足够的数据支持，分析推测学生后续发生休学、辍学以及退学等情况的可能性。

在塑造学生的体验模型方面，高校管理层可以通过学生的教育经历、生活体验和生活满意度等方面的调查，完成学生个体体验模型的塑造。通过对学生体验模型的塑造，可以进一步评估教师与家长在教学方式的合理性以及教学效果的有效性提升方面发挥的作用，并及时呈现反馈结果。

通过学生行为模型以及体验模型的塑造，可以达成建立学生个体档案的目标，进一步分析学生的知识体系存储、行为习惯、成长轨迹等，从而总结出当前学生的学习和思想状态，预测行为发展，共性聚合、个性分组，通过开展不同形式的管理活动，提升高校学生管理的有效性。

3.改变高校思想政治课教育教学管理评价模式，实现评价模式的多元化

魍骋庖迳系慕萄效果评价，主要评价项包括课堂表现、学生个人成绩等，来完成对讲课老师的教学质量评估；对学生的评价则单靠成绩、考勤等。考核项和考核形式较为单一，没有将参与教学群体的态度行为和背景的隐性因素作为考核项。

大数据思维视域下的教学质量评估则更为多元化。高校在开展学生管理工作过程中，运用大数据技术可以使得学生的思想状态、情绪变化和兴趣爱好特点等无法具体量化的内在表现具象呈现出来，使思想政治教育教学评价的参考更为精确全面。例如，在对“知识掌握程度”这一单项进行分析评价时，其考虑方面也具有多元性，可以从记忆程度、逻辑思考方式、学习方法技巧等多方面进行分析。大数据技术的介入，使得学生的特点能全面展示，从细致分析其学习过程的优劣势。

此外，大数据技术的运用能将教学评价的阶段式量化转为过程细节量化。大数据一方面可以对学生在图书馆所借阅书籍类型、电子书的阅览情况做统计，分析学生当前的学习状态以及学习进程；另一方面还可以对学生在电子图书某一区域的阅览停留时间进行分析，寻找学生学习过程中的重难点，通过过程细节量化，对教材以及教学方式进行及时的调整和修正，在全方位实时跟进过程中，实现教育教学评价方式的多元化。

四、结束语

大数据时代的来临，为高校学生的管理工作提供了更广阔的空间，管理层在大数据思维视域下，需要对所管理对象的研究方向、管理的预测体制、管理的决策方式以及思想政治教育教学课堂模式进行重新定义，以提升管理层融合数据分析与专业技能的能力，塑造学生个体的行为模型以及体验模型，在多元化的教育教学模式下，提升高校学生管理水平。值得注意的是，在开展基于大数据分析的管理研究时，管理层需要注重对学生个人隐私加以保护，不过分依赖数据，在原有高校管理理论的基础上，更好地结合大数据来开展相关工作。

参考文献：

[1]杜大鹏.大数据时代高校学生管理工作的挑战与对策分析[J].科技展望，2016（16）.

[2]潘 婷.大数据时代背景下的高校学生管理工作探究[J].中国成人教育，2016（6）：62-65.

[3]王鑫家.大数据思维在高校学生信息化管理中的支撑作用[J].黑龙江高教研究，2016（7）.

[4]高亚文.大数据在高校学生管理应用中的困境、趋向及细节把握[J].湖北科技学院学报，2016（S1）.

[5]薛 蓓，孟婉婷.大数据对高校学生管理工作推进的促进作用分析[J].科教导刊，2016（27）.

[6]白锦龙，李 欣.基于大数据背景下的高校学生管理工作的问题研究[J].中外交流，2016（16）：98.

第4篇：大数据运用方向范文

“尤其是在电信行业，当全球电信运营商均逐渐面临发展瓶颈，大数据是第三条曲线发展的重要方向。”中国信息通信研究院高级工程师韩涵在日前召开的2016大数据产业峰会上表示。统计数据显示，2014-2015年，电信业务总量放缓增长的同时，收入增长率从3%下降到0.8%。预计到2018年，全球运营商的收入开始下滑，业务量和收入剪刀差逐渐加大。

国外运营商已经开始了大数据曲线的探索。在国内，三大运营商的各级公司也已经将大数据作为其在移动互联网时代企业转型的战略性工作，并开始试点了大数据系统的建设与应用，以充分挖掘数据资产价值，创造新的利润点。

其中，中国联通基于原有资源，将“聚焦”战略作为未来最关键、最重要的战略举措，包括聚焦在4G移动业务宽带业务，聚焦在重点区域、创新业务，以及聚焦平台内的产品与产业互联网。“在这些聚焦的背后，大数据都成为其重要支撑，正在给我们以及整个行业带来转型的机会。”中国联通集团公司信息化事业部副总经理、总架构师（CTO）范济安表示。

中国联通的大数据到底是怎样的？范济安表示，中国联通的大数据发展主要基于两大类的应用，即在保障对内应用支撑业务转型发展的同时，不断尝试开发对外应用和大数据变现。

对内：支撑业务转型

具体来看，中国联通大数据对内应用的主要目标就是帮助市场发展转型。“从市场发展转型为存量经营，从线下业务转型为线上业务，从产品性管理转型为以客户为中心的管理，以避免欠费为目的的信用控制为以客户感知为主导的信用控制，这是中国联通大数据对内应用的几个大的发展方向。”范济安表示。

而相应的，大数据对内应用的领域则主要聚焦在存量经营、线上业务、以客户为导向的管理、以客户感知为基础的信用控制等重点方面。

例如在存量经营方面，中国联通存量经营建立了三级运营体系，通过将总部一级平台、省二级平台和地市三级平台打通，来梳理客户的专属需求并匹配产品，进而将任务分解到各个渠道，包括线上与线下渠道、社会渠道与自有渠道。范济安介绍，通过这一体系的建立，中国联通实现了存量用户保有率提升4.4%，存量收入提升1.2%。

对外：运营数据“外向型”应用

在对外方面，中国联通把主要的资源投入在建设大数据平台以及数据集中采集上。在此基础上，着力打造“外向型”的大数据业务运用。面对激烈的市场竞争，通过构建开放的数据平台，来拓展对外的新应用是提升运营商核心竞争力的重要手段，这也正是现在运营商发力的重点所在。

范济安介绍：“从运营通信业务转型为运营数据业务，从运营流量转型到运营数据，这是中国联通对外创新应用的两大发展方向。”例如在征信领域，中国联通利用已有的全面信息大数据资产，在保障用户隐私安全的情况下，为金融机构、银行、第三方支付机构、第三方个人征信机构等提供征信服务，并为专业化研究机构提供信用信息的共享服务。

在平台构建方面，基础平台架构由生产平台和外向能力平台构成。围绕生产平台，集中采集各类数据，包括业务数据、网络数据等，这一平台主要支撑对内应用。范济安表示：“对于中国联通来说这一部分属于已建平台，目前面临的是平台扩容的挑战。”另一部分外向能力开放平台，它的使用对象包括中国联通内部及合作伙伴研发团队，主要以开发“外向型”数据产品为导向。

扩大独有优势

大数据的挖掘深化了信息技术的应用，催生新的运营模式、应用和新的业态出现，运营商目前对于大数据的应用提升了管理和决策的智能化水平。但是，要真正利用自身海量的数据资源优势，探索基于大数据的新产品与应用，将数据分析运用到实际运营中，才能进一步提升业务模式、利润及用户体验。

相比互联网企业对于大数据平台的建设起步早、发展快的节奏，电信运营商坐拥社会化的信息传输管道，是数据的共享和交换的天然平台和中心。电信大数据领域数据资源是非常丰富的，包括动态位置数据，网络信令数据、网管数据，消息数据，因此运营商拥有任何移动互联网公司都无法比拟的海量数据资源。

但是韩涵表示，由于各种因素的制约，这些先天优势并没有得到充分地利用，在当前情况下电信运营商掌握的数据价值仍然是高于互联网企业，但是相比于互联网企业，运营商的数据优势在逐渐地减弱。面对激烈的市场竞争，充分调动所拥有的数据资源支撑电信运营商的发展是主要任务。对于电信运营商来说，在大数据领域领先互联网窗口时间已经非常紧张，在3-5年的时间内，如果大数据发展没有真正达到预期，可能被互联网企业反超。

在这方面，中国联通认识到要充分利用自身数据优势推动跨行业应用的发展。

谈到中国联通数据资产的价值，范济安认为，这些优势是运营商共有的，也是特有的。包括数据的集中性、数据的活跃性以及用户基础信息行为数据的真实性等。另外，也是最重要的一点，运营商的数据是合法的、是直接从业务数据和生产系统中产生的，而不是通过第三方途径，因此这样的数据是高质量的、有保证的数据。

第5篇：大数据运用方向范文

关键词：大数据时代；地方应用型高校；软件工程专业；课程体系

0引言

大数据作为继云计算、物联网之后IT行业又一颠覆性的技术，备受人们的关注，大数据技术正从概念转向实际的应用，涌现出越来越多的大数据技术应用成功案例，大数据的价值也在迅速增长。2015年，中国大数据市场规模达到115．9亿元人民币，增速达38％，预计2016～2018年中国大数据市场规模将维持40％左右的高速增长［1］。大数据时代的到来，使得软件行业对人才的应用能力和综合素质提出了更高的要求。咸阳师范学院作为咸阳市地方应用型高校以服务咸阳地区经济社会发展为己任，肩负着培养满足咸阳地方社会需求软件人才的使命，需要把培养面向大数据时代的软件工程专业人才作为战略任务来抓。而课程体系的建设是软件工程专业人才培养体系最重要的一个方面。本文通过分析我院传统软件工程专业课程体系，以及大数据时代下企业对软件工程专业人才要求，找出大数据时代下软件工程专业应用型人才中课程体系存在的问题，探索出我院面向大数据环境的应用型软件工程人才中课程体系的建设。

1我院软件工程专业传统的课程体系

自我院计算机系成立以来，软件工程专业一直是我院重点建设专业。2013年，“‘3＋1’校企合作软件人才培养模式创新实验区”被确定为省级人才培养模式创新实验区。一直以来，该专业以培养“厚基础、强能力、高素质”应用型人才的为培养目标，以企业、市场需求为导向，重视实践、技能和应用能力的培养，与尚观科技、中软国际、华清远见、蓝鸥科技等西安多家企业联合，采取3＋1嵌入式校企联合教育培养模式，将课程教学、工程实践、行业理念进行无缝结合。课程体系是一个专业所设置的课程相互间的分工与配合［2］，主要反映在基础课与专业课，理论课与实践课，必修课与选修课之间的比例关系上［3］。地方应用型本科院校的课程体系设计既要体现基础知识的传授，也要体现实践能力的培养，同时还要考虑学生的职业能力规划发展问题。我院2013－2015级软件工程专业课程体系结构图如图1所示。图12013－2015级软件工程专业课程体系结构图从图1可以看出通识教育必修课程的教学阶段共3个半学年，主要涉及思想政治基础知识、体育、人文历史、外语应用能力等；相关学科基础类课程主要包括高数、线性代数、数字逻辑等数学类课程；本学科基础类课程主要涉及程序设计语言、计算机网络、操作系统、数据结构、计算机组成原理等；专业技能教学阶段强调对学生工程性、实用性、技术性和复合型能力的培养，主要安排专业必修课程和专业选修课程。专业必修课程包括面向对象程序设计、软件工程、数据库原理与应用、软件设计与体系结构、算法分析与设计等，专业选修课程包括Web软件开发、Linux系统应用程序开发、移动终端开发等。根据教育部专业教学指导委员会软件工程行业规范［4］，本着“轻理论，重实践”的原则，我院在一定程度上压缩理论课课时，增加实践课课时，优化专业课程体系结构。我院2015级软件工程专业的人才培养计划中，各类课程学分设置与所占比例。

2大数据时代企业对软件工程专业人才的要求

大数据时代所需要的人才是一定拥有数据处理、分析技术的，也就是对数据有敏锐的直觉和本质的认知、能够运用统计分析、机器学习、分布式处理等技术，从海量、复杂的数据中挖掘出有用的信息，以清晰易懂的形式传达给决策者，并创造出丰富有价值的专业人士［5］。在大数据时代下，对软件专业人才培养，应具备以下四个方面的技能。（1）具有厚实的数学、统计和计算机学科的相关知识，能够根据具体案例大数据分析任务的要求，运用大数据处理、分析平台，收集整理海量数据并加以分析，挖掘出有价值的信息。（2）掌握大数据处理技术及可视化工具，能根据具体任务的需求，对数据进行选择、转换、加工等处理操作，采用有效方法和模型对数据进行分析并形成数据分析报告，用易于用户理解的方式，提供科学的决策依据。（3）熟悉行业知识、专门业务及流程，将大数据技术和企业文化相结合，充分利用大数据分析处理的结果，挖掘出海量数据中隐藏的价值并应用于企业市场领域。（4）团队合作精神，大量数据的收集整理、存储、分析和处理，一个人是很难完成的，需要一个由团队成员合理分工、共同协作完成。

3大数据时代我院软件工程专业传统的课程体系存在的问题

地方高校一直以来受传统的“学术型”、“研究型”人才培养模式的影响较大，形成了适合于“精英教育”为培养研究型人才的课程体系，无法适应以工程实践能力、创新创业意识、新技术新方向为目标的人才培养，课程体系中理论教学占主导地位，实践教学往往处于次要地位［6］。而目前处于大数据时代，信息技术的不断创新、企业需求不断变化、综合型人才需求巨大等因素的影响下，传统的培养研究型人才的课程体系，无法适应大数据时代以工程实践能力、创新创业意识、新技术新方向为目标的人才培养。通过了解大数据环境企业对软件工程人才的要求，分析我院2013－2015级软件工程专业人才培养课程体系结构，发现存在以下问题：（1）缺少大数据技术方面的课程。传统的课程体系中主要包括软件工程专业一些传统的课程，如数据结构、软件工程、软件体系结构等，而且课程内容较陈旧，所开设的一些应用软件的学习不能紧密贴合行业和技术发展，软件工程专业教育必须适应互联网时展和大数据技术的需求，关注企业发展及大数据系统的建设问题，以满足企业对应用型人才的需要。（2）实践类课程学时所占比例较少。我院2015级软件工程专业实践类课程占总学时的10．8％，是因为传统的课程体系注重知识传授，而忽略了学生解决问题、动手能力的提高。地方高校在人才培养中重视理论内容、计算机编程能力，而忽略学生探索能力的培养，这些都不利于学生对新技术、新方向发展的把握，学生难以应对各种层出不穷、错综复杂的海量数据，很难挖掘出隐藏的数据价值并有效利用。（3）课程体系结构设置方面，一是存在通识教育类课程教学阶段持续时间长，一直到第7个学期，这就影响了后面专业类课程的学习；二是专业基础类分为专业必修和选修，没有从课程教学阶段不同来划分，不能体现课程先后的衔接关系。

4大数据时代我院软件工程专业课程体系建设改革

在大数据时代，软件工程专业教育必须适应企业发展和大数据行业的需求。教学内容的设置应与行业需求接轨，根据我院学生特点调整2016级软件工程专业课程体系。具体做了以下几点的调整。（1）课程体系结构更合理。一是通识教育类课程的调整。一方面将教学阶段全部调整到第1、2学年完成，这样在第3学年学生就可以重点学习专业类技能课程；另一方面此部分增加了大学生心理健康和创新创业教育课程，主要可以加强学生团队合作精神的培养。二是专业类课程结构的调整。将专业类课程分为专业（学科）基础课程和专业技能课程两大类，专业（学科）基础课程主要包括数学类课程、计算机导论、程序设计语言、数据结构、操作系统、软件工程、运筹学、数据分析与处理。专业技能课程又分为专业核心课程和专业方向课，专业核心课程包括面向对象程序语言类、软件设计模式、算法分析与设计、软件测试等软件工程专业要求的核心课程，而专业方向课分为3个方向：大数据分析、Web技术应用、移动终端开发，鼓励学生在学好专业基础和核心课程的同时，发现自己专业类的兴趣，选择一个自己感兴趣的方向集中学习，大数据分析方向是重点向学生推荐。在教学阶段安排上，一般专业（学科）基础课程要优先于专业技能课程，这样可以让学生在掌握了学科、专业基础上，充分了解软件工程专业技能的训练。（2）增加了大数据技术方面的课程。在新调整的课程体系中，专业（学科）基础课程和专业技能课程都增加了大数据相关内容。基础课设置增添运筹学、数据分析与处理等，使学生了解大数据行业基础知识，激发学生对大数据行业发展及大数据应用前景的兴趣；专业技能课设置了数据仓库与数据挖掘、大数据统计分析与应用、数据挖掘算法与应用等前沿科学技术相关课程以满足大数据系统建设与应用的需要，培养更多企业需要的大数据管理分析软件专业人才。院级选修课鼓励研究大数据方向的教师积极申请大数据案例分析、大数据安全与隐私保护、HadoopMap／Reduce技术原理与应用等实用性强的课程，以补充对大数据方向特别感兴趣学生的学习内容。（3）增加实践类课程所占比例。相比较2015级，以培养地方应用型人才为总目标，实践类课程课时由19课时增加到28课时，所占总课时比例提高了约50％。实践类课程包括校内（课程设计和实训）和校外（见习、实习、实训、毕业论文），种类多样化，使得学生多方面提升自己解决问题和动手操作能力。针对校内实验我院教师结合大数据教学实验平台，根据课程内容设计实验项目，从初级到高级，安排合理的阶梯式学习，实验内容持续更新，加入最新、主流的分析建模工具和挖掘算法，学生在免费、开放的平台环境下进行大数据构建、存储、分析统计等实验内容，使学生熟练掌握Ha－doop、HBase、Spark等关键技术，提高大数据理论分析及技术应用的能力。做好校内实践的同时，校外实践更是尤为重要，首先在实习、实训企业的选择上，尽量选择“口碑好、技术强、理念先进”的单位，目前我院已与邻近城市西安与尚观科技、中软国际、华清远见、蓝鸥科技等西安多家企业联合，第四学年分批组织学生到合作企业的实训基地参加真实的实训项目，体验IT企业真实的工作环境、工作流程和企业文化，了解互联网大数据、零售大数据、金融大数据等领域知识，学习海量数据搜集、分析、存储技术，引导学生按照项目的需求、总体设计、详细设计、编码、测试等流程完成实践内容，规范化文档和代码的编写，培养学生的行业、职业素养。

5应用效果

目前应用此方案有2016和2017级两级学生，虽然这两级学生都还没有就业，但在创新应用能力方面都较2015级之前学生有显著提升。近两年有10余组学生团队获得国家级、省级、校级“大学生科研训练项目”立项资助，有8名同学获得“蓝桥杯”程序设计大赛国家级二等奖、三等奖，省级一等奖2项，二等奖、三等奖多项。2016年有两队学生获得陕西省高校“互联网＋”创新创业大赛三等奖，一队学生获得咸阳市青年创业大赛二等奖。数十名学生在核心期刊上公开发表学术论文。从目前取得的成绩来看，课程体系结构的调整，使得学生不仅获得扎实的理论知识，而且具备了过硬的实践和创新能力，我院软件工程专业毕业生一定会深受用人单位喜欢。

6总结

针对大数据时代下地方本科院校软件专业人才培养中课程体系存在的一些问题，笔者分析了大数据环境对软件工程专业人才的要求，以地方本科院校咸阳师范学院为例，改革调整了课程体系，主要在在理论教学和实践教学中增加大数据相关理论及技术内容，通过近年来的探索与实践，此课程体系结构有效提高了学生的创新应用能力，为大数据时代企业发展培养了高水平、高素质的大数据分析人才，新的课程体系适应了大数据环境下软件工程人才的培养。

参考文献

［1］孙琳．大数据应用的创新路径［N］．人民政协报，2016－05－17．

［2］潘正高．地方应用型高校软件工程专业课程体系的研究［J］．西昌学院学报，2017，31（3）：94－97．

［3］潘怡．应用型本科院校软件工程专业课程体系设置探讨［J］．长沙大学学报，2008，22（5）：98－100．

［4］教育部专业教学指导委员会．高等学校软件工程专业规范［M］．北京：高等教育出版社，2011．

第6篇：大数据运用方向范文

关键词：大数据时代网络思想政治教育价值维度实现方式

大数据使人们对信息数据的收集与分析工作变得愈发频繁，高校可以利用信息数据所分析出的结果来了解学生在网络上的思想现状，进而制定出具有针对性的思政教育方案，以有效的提高高校学生的网络思想道德水平。

1大数据时代高校网络思想政治教育的价值维度

1.1安全网络意识需求下的政治维度

在大数据时代背景下，人们的价值观念正在朝着多元的方向发展，传统的普世价值观受到了强烈的冲击。在此环境中高校学生的思想意识形态也在发生着巨大的变化，因此高校的思政教育必须要以帮助学生确立正确的网络意识形态为教学目标。学校运用的辩证意识形态去教导学生辨别各种网络信息，使学生学会取其精华、去其糟粕，这体现了高校网络思政教育的政治维度，进而促进符合社会主义核心价值观的网络体系的建立。

1.2教育目标体现的社会维度

由于高校学生必然是未来社会发展的推动者也是社会建设的主力军，因此在社会价值维度的引导下，高校网络思政教育的目标应该是将学生培养成为一名合格的社会主义接班人。这要求高校网络思政教育要深入分析在大数据时代中学生思想观念的变化与发展，并利用顺应时展要求的教育方法提高学生的思想道德素养。学校要创新教育方法，开展具有针对性的教育活动，推进高校思政教育的建设进程。

1.3自我成长展现的个人维度

大数据时代下高校网络思政教育的内容不能局限于思想政治教育的理论知识方面，还要更加注重学生素养的全面发展，在新观念、新意识不断出现的网络时代，为了使学生保持正确的观念来判断和接收各类信息，需要高校在网络思政教育的过程中满足学生的个人教育需求来进行教学方式的创新，以有效的提升学生的网络素养，这体现了高校网络思政教育的个人价值维度。

2大数据时代高校网络思想政治教育的实现方式

2.1利用数据思维创新教育理念

为了实现网络思政教育的目标，需要高校运用数据思维来创新教育理念[1]。首先高校要意识到运用数据思维进行思政教育的重要性。在大数据时代下，人们认知世界的方式正在发生着巨大的改变，也是认知方式获得进步的一个鲜明标志，因此高校网络思政教育者应该结合当前大数据时展的特点与要求来不断提升自己的网络素养并创新教育方式。利用数据思维进行教育活动，需要高校认真做好对学生思想观念等意识行为的数据收集，将收集到的数据进行深入分析，了解学生的思想动态，并根据数据预测学生思想变化的方向，利用这些分析得出的数据指导教育内容的制定，使高校网络思政教育工作具有针对性和科学性。

2.2利用各大网络平台开展思政教育活动

大数据时代下的高校网络思政教育需要拓宽教育途径来开展教育活动[2]。高校思政教育的平台要体现多维性的特点，以达到全方位对学生进行思想教育的目的。高校拓宽教育途径主要可以从以下两个方面入手：一是要加强高校网络思政教育平台的建设。例如建设并推广易班，为了充分发挥易班的作用，需要高校制定易班使用的培训课程，并大力宣传易班的教育优势，使易班具有引领和指导的作用。同时为了使易班更好的服务于高校师生，高校要积极结合学生的实际成长情况与新型网络技术来进行教学资源的共享，以实现师生共同搭建网络思政教育平台的目标。二是高校要积极利用新媒体平台来进行思政教育活动。例如利用微信、微博、QQ等平台深入了解学生的思想动态，实时的根据网络环境的变化与学生的教育需求来调整思政教育的内容、改变思政教育的形式，有效的增强高校思政教育的传播力与影响力。

2.3完善高校网络思政教育制度

为了保障高校网络思政教育活动可以顺利开展、确保教育质量与效率，需要高校重视机制保障性建设，进而完善高校网络思政教育制度。由于大数据时代下，数据呈现海量、庞大的特点，因此为了能够从海量数据中分析得出数据信息的真实价值、发挥数据潜能，需要强化保障机制。完善教育管理制度首先要将高校传统的思政教育体系进行分析，剔除不符合现代教育需求的内容，安排专门的网络思政教育工作的监督部门，以确保各项思政教育活动得以顺利的开展与落实；其次要细化教育活动的管理条例，明确各个教育岗位的职责与教育目标，使高校网络思政教育朝着更加系统化与专业化的方向发展。

2.4提升高校网络思政教育队伍的综合素质

高校思政教育队伍的质量直接影响着教育活动的质量。因此为了落实好网络思政教育活动需要不断提高高校思政教育队伍的综合素养。在大数据时代下，高校教师不仅需要掌握丰富的思想政治的专业知识，还需要拥有分析大数据的能力。因此学校要定期组织教师参加有关大数据理念的培训，树立应用数据思维进行教育活动的意识，同时要学习使用新媒体平台开展教育活动的技能，熟练的应用微博、微信等平台增加与学生之间的交流，及时了解学生的思想动态。在掌握理论知识之后要加强实践的训练，使教育工作者真正的提高应用大数据技术进行教学的能力。最后要在学生队伍中培养网络骨干，积极发挥优秀学生的榜样作用，有利于推进高校思政教育工作的进程。

第7篇：大数据运用方向范文

大数据为医保档案的信息化建设提供了新机遇与新发展空间，大数据时代的到来也开启了医保档案的数字化应用时代。本文首先从医保档案信息化与大数据融合的前提谈起，重点分析大数据给医保档案信息化建设带来的变革，最后指出利用大数据促进医保档案信息化建设的有效措施。

关键词：

医保档案；信息化建设；大数据；融合

一、医保档案信息化建设与大数据融合的前提

现代医疗体系针对的是患者个人进行的个性化治疗，每个病人从诊断到治疗、用药、护理都有较大的独特性，从而使个体的医保档案成为一个巨大复杂的数据集合。医保档案的信息化管理与大数据有效的结合，应当按照大数据的要求，对所有医保档案进行标准的信息化处理，从而实现医保档案的大数据特征。

（一）首先必须建立医保档案数据库。实现医保档案的大数据管理，必须依托强有力的医保档案数据库的建设。有效完成医保数据库的建设，可以使个人医保档案中碎片化的数据发挥出重要的指导作用。例如，通过实现医保开具药品的数据库建设，就可以对医院、药店开具医保药品的清单进行分析，从而指导当地的药品源库与药品基准库进行更加有效的药品管理和药品资源调配。还可以通过对药品数据的监控和分析，实现对药品的同药同价、统一编码和分类管理的功能。

（二）实现医保档案的电子化。医保档案电子化是开展医保档案大数据监控和分析的基础，参保患者的所有医疗信息都应当以电子档案信息方式录入到电子医保档案系统中，要在医保电子档案中开发统一的数据传输接口，要尝试关键字段的有效读取，从而使患者缴费记录、就医记录、手术用药记录全部进行标准化操作和存储，通过对医保档案的数字化监测，可以达到为大数据分析提供操作内容的作用。

（三）有效维护医保档案数据。加强医保档案数据的质量管理，需要通过基础数据库的操作与维护，这样可以从源头上保证医保档案数据的真实性和准确性，切实减少无意识错误对大数据分析的影响。首先，建立必要的医保电子档案审核制度，对于错误录入的数据和编码要及时地予以纠正。其次，通过医保电子档案的统筹数据分析系统，查找医保电子档案的类别性错误，从而使医保档案与患者的真实情况有效结合，为进一步进行大数据分析提供基本素材。

二、大数据给医保档案信息化带来的变革

大数据因为存储的数据海量，具有运算速度快、储存数据类型多样、有较高的分析和应用价值成为现代信息技术的代表。随着医保参保人数的增加，医保档案数据越来越复杂、医保档案维护越来越费时费力，使用大数据的管理方法，可以使医保档案信息化向着更加快捷精准高效的方向发展。

（一）医保档案数字化方向发展。医保档案的信息化的最大特征是使纸制档案可以存储为电子数据形式的档案，从而延长了医保档案的保存期限和保存内容，有效地节省了时间和空间，降低了医保档案管理的成本。随着大数据时代的到来，医保电子档案正在向着数字化的方向发展，这就意味着“死”的数据正在向“活”的信息方向转变，通过对这些电子医保档案数据的运算，可以得到新的信息，可以使医保部门通过对医保档案的数据分析，更有效地开展医保管理工作。

（二）可以实现医保监管手段的信息化。将医保档案纳入大数据的管理范畴，可以使医保电子档案充分的实现共享，可以使医保档案不再狭隘地限制在医疗服务的领域，医保档案还可以为利用医保档案信息进行智能化的检索，从而有效的指导定点医保机构、药店的具体工作，使他们更好地满足参保者的诊疗需求。医疗监管部门也可以通过对医保档案的监控，有效筛查出违规的医疗机构和药店，从而有效围护参保者的保洁权益，使医疗行业更加阳光和规范。

三、大数据环境下做好医保档案信息化管理的措施

在大数据的环境下，加强对医保档案的信息化管理工作，应当建立医保档案系统性，使医保档案信息在科学的规划中，逐步实现医保档案信息的可传输和运算功能，从而使“沉睡”的医保档案释放出新的活力与作用。

（一）利用大数据做好档案信息化建设。利用大数据实现医保档案的信息化建设，就是要按照大数据的标准和要求，实现医保档案的标准化管理，使医保档案信息资源得以有效整合，达到医保档案可以共享和有效运算的目的。随着大数据可视化、数据分析、数据预测功能在医保领域的实现，相关部门更要按照具体操作规范，对各种医保数据进行分析，合理预测未来医保档案的数据结构，实现医保档案的信息化建设目标。

（二）利用大数据做好档案系统建设。医保档案管理系统对提高医保档案的处理速度与质量有重要的作用，集中体现了医保档案信息化建设的效益和服务效果。好的医保档案信息管理系统应当具有安全性高、功能完备、便于数据存储、利于数据检索等功能。充分应用大数据技术，可以使医保档案信息管理系统逐步具备以上功能，会充分实现医保档案信息管理系统的兼容性和稳定性，从而使医保档案数据的出错率不断减小，使档案信息资源在更保密的状态下运行。

（三）利用大数据做好数据医保档案馆建设。大数据为数字医保档案馆的建设提供了良好的契机，首先，可以为医保档案的信息化建设做出科学合理的规划，其次，可以加快地区性医保档案馆的数字化特征。第三，可以实现医保档案数据信息的充分共享，从而使医保档案可以有效提供给相关部门，可以借助大数据实现医保档案数据的操作，便于医保档案信息有效整合，最终实现医保档案信息的共享目的。

四、结论

大数据为医保档案的信息化发展带来了巨大变革，大数据着实推动了医保档案的信息化进程，有利于医保档案的海量存储和充分有效的运用，医保档案的信息化建设与大数据的有效整合，是医保档案发展的主要方向和趋势。

参考文献：

[1]林建华.浅析档案管理信息化[J].海峡科学,2016(03).

第8篇：大数据运用方向范文

一、大数据背景下档案服务面临的挑战

在大数据时代背景下，档案管理已由纸质档案发展到数字化阶段，档案室作为保存档案、提供档案、为企业服务的机构，必然贮存大量的信息量，档案信息资源阶梯式增长，现有的档案工具手段已不能满足数字化档案管理，计算机数据库的应用顺势发展起来，与传统档案室藏资源或者其它应用相比，大数据时代下数字档案室藏量具有媒体形式多、数据量大的特点，这些特点给档案利用服务带来了新的挑战：

（一）怎样查询到所需要的档案信息

与过去信息贫乏的时代不同，在电子文件广泛利用和互联网高度发达的今天，信息泛滥同样给利用带来了困难。随着档案信息化建设的不断推进以及数据量的进一步增大，在进行档案查询时，往往需要的信息会被埋没在大量的不需要的数据中，并且检索性能急剧下降，甚至无法响应。因此，如何在大量的档案中快速而准确地找到所需的信息，是档案服务要解决的首要问题。

（二）怎样抽取和挖掘有用的信息和知识

知识管理是档案管理发展的趋势和方向，档案用户已不满足于仅限于数据或文件的利用，更希望能够获得数据背后的信息以及信息蕴藏的知识。因此，档案利用服务也应由提供数据、信息转变为提供知识。然而，知识不是自然生成的，知识也不是简单地存在于信息集合中，特别是蕴含在档案中的知识，需要经过抽取和挖掘才能展示出来。

（三）怎样对大数据进行充分的开发利用

档案的保存和管理是为了利用，这就需要通过对档案信息资源进行二次开发，制作多种形式的编研产品，并主动提供给查档者。在大数据时代下，档案数量急剧增加、档案类型多种多样以及非结构化数据的大量存在，给档案信息资源的二次开发带来了困难。一是如何在海量数据中选择有价值的信息并找出它们之间的关联，二是如何编研开发非结构化的档案信息，三是如何减轻档案开发人员的工作量。

二、大数据技术给档案管理系统的可扩展性带来了机遇

随着档案数据的不断增多，传统的档案管理系统由于无法动态扩展，会出现“小马拉大车”的情况。大数据技术可以对计算资源、存储资源进行动态扩展、按需分配，满足服务器的快速扩容及数据量的快速增长，同时大幅降低系统投资及维护成本。

三、如何在大数据背景下创新档案服务工作

（一）创新服务观念

为了应对大数据环境对电子文件管理与数字档案资源带来的挑战，首先要创新服务观念。由收、藏、借用这种一般，向挖掘、编辑、研究高层次服务转变，由疲于应付日常业务，向开动脑筋、搞好超前服务转变，实现档案工作服务由被动向主动服务转变，由单一服务向全方位服务转变，由一般服务向深层次服务转变；使利用从被动服务转向咨询服务，由闭门等待服务转向超前服务，从被动查找利用到主动提供利用，从预约服务转向跟踪服务，从提供纸质档案资料转向电子载体和纸质并用服务，从检索工具式服务转向编研成果是服务，真正体现服务的主动性、前瞻性、开放性、广泛性和针对性。

（二）运用大数据技术，创新服务手段

开展档案远程服务。档案远程服务是指档案利用者利用互联网技术，在任何时间、地点都可以通过档案远程服务平台，实现异地获取信息证明服务。具体做法是建立档案室网页，开展网上利用服务。实施信息的网上检索，为用户提供更好的服务，在网站实现电子文件的实时管理与利用。

（三）创新服务机制管理模式

调研和完善创新调研机制。深入实际，调查研究，坚持科学预见，提高工作的原则性、系统性、前瞻性和创造性。围绕调研数据，统计分析查档者的类别和次数多寡，以此来掌握规律，发展需求的重点、难点和盲点，不但创新了利用服务，以此也掌握了现阶段和今后工作的侧重点、缓急点，清晰看到查档者的现实需求和潜在需求，我们也就可以紧紧围绕重点、难点和盲点来增加档案工作的主动性和活力。

大数据时代已然是信息社会发展的必然结果，作为档案工作者，要努力抓住新时代的机遇，严肃对待挑战，不断学习和创新，围绕企业的经营工作对档案管理方式和手段进行深入思考。充分运用新技术，在时代浪潮地推动下，更好地开发和利用档案信息资源中蕴藏的巨大知识宝藏，使档案工作创造出更大的价值。

参考文献：

[1]麦肯锡.你准备好迎接“大数据”时代了吗？

第9篇：大数据运用方向范文

【关键词】大数据；数据解析；运用范围；现状；展望

1、引言

在互联网时代，几乎每个人都与互联网有着千丝万缕的关系，而每个人都产生了很多的互联网数据，这些数据中包含着很多有用的信息，对这些数据进行分析，可以得到一些不容易获取的隐藏信息，为人们提供更多的新的机会，但是庞大的数据需要有效的管理，也有很多问题需要我们解决。

2、大数据的现状

2.1大数据的含义

对于现代社会的发展、人们生活的便利性而言，大数据的作用都得到了各行各业的认可，大数据本身并不是一个具体的东西，在不同的行业，大数据起到的作用也是不一样的，因此，在不同的行业背景下，对于大数据的定义也不相同。对于大数据的定义，也不是一蹴而就的，随着时代的发展，对于其定义也一直在补充完善，对于我们普通大众而言，大数据就是我们要采用一定的信息手段和信息处理工具，来对信息进行摘取、操控、办理的集中。

2.2大数据的解析方法

大数据的数据量十分的庞大，并且随着时间的推移，其数据量还在不断的增加，如何从这些庞杂的数据中提取出有用的信息，并且利用这些信息来创造更多的价值，是很多行业都在深入思考的一个问题。

目前，对于大数据的解析方法大概有这些：

（1）布隆过滤器。这种方法并不对数据本身进行解析，而是对储存的数据的函数值进行处理，将这些信息中对于储存压缩不利的位置或者图案进行引导，这种方法有一些缺陷，就是识别的正确性不高，并且整体上删除能力不强。

（2）分列解析法。这种方法也叫函数法，对于一个固定的数值，将其长度变短或者进行引导，利用这种方式来管理数据。

（3）引导解析法。这种方式与第一种相比，有较高的删除能力，并且对于改变搜索的能力较高，对于部分开销可以减小，但其他部分相应的就变高，同时还需要经常性的更新。

（4）字典树解析法。在迅速的检查搜索中，采用这种方法有较高的效率。

2.3大数据的解析方式

大数据在不同的应用领域，都有不同的方式来进行解析，这也反应了大数据应用的范围比较广的特点，并且数据的种类比较多，针对不同领域，采取对应的解析方式来进行处理。

在金融行业，数据信息的变化十分的迅速，需要经常性的更新，在对数据进行解析时，就需要数据的解析十分的及时，这往往需要在很短的时间内，对数据完成解析，并且回到解析的结尾处。及时解析的方式主要利用内部储存计算平台来完成。还有一种是离线解析，这种方式利用在对数据处理时间要求不高的场合，利用数据搜集器，将数据引进平台来进行解析工作。对于数据解析的范围不同，也可以将数据解析分为几种类型，比如效率比较高的内存级解析，这种解析时间快，对于需要及时解析的行业可以得到应用。此外，还有大量级解析等。在实际应用当中，很多情况下，解析的过程会不断的变化，采用的方式也是有差别的。

3、大数据运用

3.1运用演变

大数据从二十世纪90年代就开始使用了，在社交网络、移动数据以及多媒体等行业，产生了很大的作用，最开始对于大数据的使用仅仅限于邮件收发等简单的形式，目前大数据已经有很多的数据模型，比如图形、视频等，对于数据的应用，也使很多的行业受益，比如军事、商业等。

3.2大数据机械的重要范围

大数据的重要技术范围可以通过架构不同以及产生模式的不一样列分为六种。架构数据、网络数据、多媒体数据、交互网络数据、移动数据以及文本数据。架构数据主要操控工具，是传统数据解析的关键。网络数据技术最高程度重组了提取和互换信息数据的模式。多媒体数据被迅速传出使用。交互网络数据影响了现代社会的活动特点。移动数据能够根据信息数据定位来源位置信息。文本数据是最熟知的非架构化数据，是储存文字、信息的互送的模式。

4、总结

大数据发展到今天，覆盖的范围越来越大，在各行各业产生的影响也越来越大，发展的速度在不断地加快，但是，从整体上来看，目前大数据的发展还是处于初期阶段，对于大数据的研究还要不断的进行深入，从基础理论上要进行深入，一些重要的技术上，进行深入，如何运用大数据上也要进行深入。目前来看，很多新的数据形式正在产生，从一定程度上，也可以看出未来大数据发展的趋势，从大数据的解析方式和处理上，对现代社会的发展，对人们生活的影响，都在产生着积极的作用，并且这种变化正在向更好的方向发展。本文首先介绍了大数据的基本含义，然后从运用方面进行阐述，分析了几种经典的运用，并且介绍了几种解析方式，从几个角度来看大数据的影响，并对大数据以后的发展作出了分析。

参考文献