大数据时代下的电商

大数据时代下的电商（精选12篇）

大数据时代下的电商 第1篇

如果电商企业希望不断提升自己的企业竞争力、生产力和创新能力, 希望不断产生更高的消费者盈余, 那么, 如何利用好大数据将成为一个需要重点考虑的因素。一个良好的大数据平台是企业开展大数据电商的起点和基础, 因此, 要在大数据时代进行电商活动, 电商企业需要利用各种方法和渠道做好数据的采集和处理, 形成数据资产, 为后期电商活动的实施打好坚实的基础。

1.1 企业数据的采集

随着大数据的蓬勃发展, 庞大的数据不断积累, 这些数据中蕴藏着宝贵的金矿和强大的力量。传统的电商思路和模式在全新的时代需要重新审视, 对于希望借助大数据为营销决策提供支持, 并实现基于大数据的精准营销的电子商务企业, 首先要进行电商数据的采集和积累。

通过对消费者的相关信息进行分析, 电商企业能够对不同的消费者进行更细致的了解。比如以下各种信息, 都对电商企业非常有用。用户在访问和查看电商网站时所留下的网上行为数据;用户在拨打呼叫中心电话时所留下的与企业之间的互动信息;消费者与电商企业搭建的微博、微信等社交平台上的交互信息和评论等。利用成熟的工具对这些客户信息进行采集和利用, 可以准确分析出每个客户的生活习惯和行为方式, 这些信息都非常有利于电商企业针对不同的客户制定不同的策略。

1.2 选择恰当的数据获取方式

获取数据的方式有很多种, 既可以从企业内部获取, 也可以从企业外部获取。比如, 可以通过电商企业自身的交易系统、电商系统、客户关系管理系统、移动应用系统等渠道, 也可以通过微博、微信、脸谱等网络社交平台, 还可以与那些已经拥有海量数据的商业平台、企业甚至是政府机构开展合作。

另外, 可以从各种电商活动的活动信息中获取。比如通过会议、网络广告、调查问卷等传统电商活动;也可以通过社交化电商手段, 如在微博或微信平台上组织各种互动电商活动;淘宝上的电商可以购买淘宝收集的海量数据中与自身电商活动相关的数据, 而腾讯电商平台的用户可以借助腾讯强大的数据平台进行各种有针对性的电商活动。

总之, 电商企业应该根据自身的特点和现状, 建立高效的营销数据采集系统和采集机制, 并且选择合适的数据获取方式, 从而为后期的数据分析等电商活动提供足够的可用数据。

1.3 数据的处理

在从各个渠道采集到相关数据之后, 企业需要对原始数据进行各种处理。通过对原始的电商数据进行整理和整合, 然后通过数据挖掘和数据分析技术将大数据资源转化为具有参考价值的数据, 能够从电商策略角度为企业提供建议和指导。比如, 帮助企业进行电商策略优化、帮助企业找到目标客户群、降低企业的电商成本、提高企业的运营利润等。

在电商数据处理方面, 可以使用数据仓库、商务智能、统计分析、知识发现和数据挖掘等技术来实现。另外, 也可以借助最新的云计算、Hadoop和大数据一体机等技术来实现。

2 以客户为中心的电子商务模式

从信息流到资金流再到物流, 基于互联网的电子商务企业不断发展和完善着电子商务的各个环节。如今, 淘宝网和京东商城也在面临着新的考验:面对诸多的电子商务企业, 消费者越来越精明。在社交媒体时代, 消费者的判断不再是广告所能打动, 而是亲朋好友或者某个“意见领袖”的推荐。而消费者对企业的不满也会在第一时间于“围脖”上像滚雪球一样被滚大。

电子商务的潮流正在向“以客户为中心”方向变化, 促使传统行业的企业的变革, 甚至推动其转型。近年来, 民航、制造、传统零售等传统行业的企业纷纷试水电子商务, 更在社交媒体的影响下, 将电子商务进一步细化。传统企业正在期待着借助社交媒体的新发力点, 实现自身的后发优势, 实现对互联网电子商务事业的跨越式发展。人们可以看到越来越多的企业正结合自身优势在电子商务领域蓄势待发, 其中有些企业已经在这个领域进行了有效尝试并取得了突破。但是在新市场的进入, 市场环境、运营方式以及技术部署等各个方面, 传统行业的企业仍充满重重挑战。

以制鞋企业为例, 虽然在以淘宝为代表的互联网电子商务平台中可以看到, 服装鞋帽等类型商品在网上的销售状况非常出色, 但是, 传统的制鞋厂商在电子商务方面还无法成功抓住顾客, 很难在这个市场上分一杯羹。相较于新兴的、直接起步于互联网的电子商务企业, 传统制造商们起步较晚, 并缺乏切实有效的灵动力, 对市场反应迟缓, 这无疑留给了前者极大的发展空间。

3 结语

传统企业想要在电商领域迎头赶上, 发挥后发优势;新兴电商企业想要保持竞争优势, 占据市场, 都必须制定精密、完善、可持续性、有竞争力的电子商务战略部署计划, 以企业发展战略、业务布局以及IT基础架构等多个领域为突破口, 进行实质性的变革。

参考文献

[1]甘晓, 李国杰.大数据成为信息科技新关注点[J].硅谷, 2012 (13) .

[2]白云川.迎接大数据时代[J].中国制造业信息化, 2011 (12) .

大数据时代下的电商 第2篇

近年来，大数据分析越来越为各行业人士所热议，被认为是能给企业业务带来革命性转变的技术。电商行业作为网络时代的核心产业，基于互联网的数据能力，更是其核心竞争力，使其在与实体企业的竞争中，能够迅速全面的获取用户行为信息和需求，更快做出反应。现在中国的电子商务正在面临着新一轮竞争与考验，企业对于数据分析的需求与日俱增。在此需求下，第三方数据服务应运而生。作为中国最早专注于电商领域的数据监测分析的服务商, 99click公司已经与超过1000家主流商务网站建立了合作，其独树一帜的数据分析技术为业界所追捧。

致力于成为电子商务数据分析领域的“SAP”

SAP公司，作为世界500强背后的管理大师，是全球最大的企业ERP系统和商务智能解决方案供应商。30年来，SAP持续不断向全球各行业企业提供广泛的业务管理解决方案。同为软件公司，成立9年的99click虽然与SAP领域不同，但是同样立志于帮助企业高效的解决业务问题。99click通过其应用软件、服务与支持，通过提供全面的企业级互联网数据解决方案，帮助各种规模、行业的企业更卓效地运营，致力于成为电子商务数据分析领域的“SAP”。

99click的创业故事与SAP有着惊人的相似

正如SAP敏锐预见ERP将成为推动全球产业发展升级的IT力量一样，99click的创立基于同样的商业洞察和预见：电子商务将成为时代潮流，在企业互联网化的过程中，通过网络获取数据以更快作出反应，将成为企业在竞争中获胜的关键。

于是，早在2005年，凭借着在硅谷多年的技术视野和研发水平，99click率先将领先的技术理念应用于电子商务领域，推出了第一个帮助企业开展互联网业务的全能数据系统（采集、管理、处理、分析）SiteFlow®。

至此开始，99click将与数百家主流电子商务网站并肩工作的经验总结，不断融入SiteFlow®，形成了完整清晰的数据框架与实用的功能构成，以及一整套关于网络商务数据的，出色的分析方法和解决方案。

又如SAP 坚持30年只专注研究一种产品，由此成就了全世界排名第一的ERP软件，99click在业内也以专注著称。其创立9年时间，始终专注于SiteFlow®一个系列产品的研发创新，推出了多项独家专利技术。9年时间内，所有用户一共加起来，累计故障时间还不到2小时。这在世界领域内，都绝对一流。

SiteFlow®从浩瀚的互联网数据中挖掘出了“抓住用户、留住用户”的密码。通过99click出色的数据分析技术，企业可以分析用户从何处进入网站起，到站内搜索、行走路径、浏览页面等各种行为，从而掌握客户的消费习惯；从导航结构、消费流程、页面内容布局的合理性等多方面来优化网站结构和营销方案、最终提高网站转化率、提升用户黏性，促进销售。

99click和SAP一样都相信数据是企业的核心资源和发展动力。SiteFlow®自推出以来，迅速获得了行业认可，成了企业开展电子商务首屈一指的软件品牌和标准配置，连续9年保持市场第一。能在纳斯达克上市的几家中国电商企业，背后都有99click的身影。

当然99click与sap也有着不同之处

1.价格不同

不同于SAP管理软件的天价收费，99click立足于本土市场，提供完全实用、费用合理的解决方案。99click坚持高性价比的产品理念，给用户提供免费的基础服务和升级服务，每年升级次数15次以上，保证所有客户享受最新功能。

2.服务模式不同

“客户需要的是能以最低成本在最短时间内创造出最高价值的解决方案。” 99click一直坚持这样的理念。因此，99click摒弃了软件套装销售的方式，而是采用高度灵活的SAAS模式，企业购买软件后能马上使用，不需要再做硬件的投入，企业的运维成本因此大大降低；同时也降低了软件的应用门槛，用户只需在web上注册登录，即可使用。

3.服务对象不同

只要客户拥有自己的网站，能在网上开展业务，哪怕是简单的网络推广和优化，或者单独的网络广告投放，或者更直接在线销售商品，都可以成为99click服务的对象。99click可以帮助客户采集一切在网络上生成的数据：广告、访客、产品、订单„„。99click的数据是

基于网络的实时更新数据，采用的技术手段也是基于网络；而SAP管理的是历史数据，而且大部分是离线的。”

大数据时代电商品牌的增值加法 第3篇

互联网和信息技术的发展引发了思维方法、生活方式和商业模式的巨大变革。在全球化商业语境下，“大数据时代”标志着营销宏观环境的新挑战，它要求电商品牌运用海量数据处理系统对消费者从信息搜集到购买产品甚至购买后的行为进行跟踪和搜集，针对消费者的需求做出更加实时和精细化的决策。回顾刚刚过去的2012年，中国电商的龙头老大阿里巴巴集团隆重推出了酝酿多时的B2C业务新品牌—“天猫”，希望通过这个品牌吸引原淘宝商城和淘宝C2C平台上对质量/品牌敏感的消费者，创造以品牌商和质量为顾客价值诉求的B2C品牌形象。然而，2012年“双十一”“双十二”的促销策划带来的轰动性效应，却仍然是以价格战作为噱头。

低价策略对电商品牌的伤害

尽管天猫创造了商业的神话，但长期来看，电商品牌建设却不能依赖价格战，因为不仅传统理论对价格战弊端的批判在电商领域依然有效，而且网络购物的交易模式还把传统的价格战的弊端放大了。除了传统的对低价策略的诟病，具体来说，互联网上的低价商战还具有以下特点。

网络购物者的转移成本几乎为零。大数据技术使消费者获得了前所未有的产品信息和比价能力。比价应用工具的普及会把走低价策略的同类产品价格迅速拉扯至最薄。低价促销吸引到的只是对价格敏感的“赶集群众”，这个群体永远追逐网上的价格洼地，有利则纷至沓来，无利则作鸟兽散。连传统零售业中经常使用的“价格诱饵”效应都不显著，更不要说品牌忠诚和黏性了。

电商品牌形象难建易毁。由于是虚拟世界的品牌，不像传统零售商那样有实体店铺可以亲身体验，消费者对电商品牌的联想依赖于几个比较有限的线索，比如第三方背书、口碑、竞争者和价格。原淘宝C2C平台虽然是市场的开拓者，享有先发优势，但是管理的混乱也带来一些“廉价、杂乱、盗版猖獗”的负面联想。把“淘宝商城”更名“天猫”本来可以很有效地剥离这种负面联想，引流和聚集对品牌和质量有需求、对价格不那么敏感的网络购物客，如果频繁地使用低价策略，将不利于强化优质、信誉的品牌联想。此外，整个2012年低价促销战火纷飞，京东、当当、酷巴、苏宁易购以及一些中小电商无不卷入，给消费者留下“电商就是走低价”的印象，再加上操控价格的种种不实手段在网上曝光，已经产生了不小的负面效应，如果一味混战，则不利于品牌差异化。

过低的利润不利于生产商的健康发展。从某种意义上说，电商的价格战不过是把传统渠道中生产与经销商品牌之争的老戏码搬到了网上。天猫挟天子（消费者）以令诸侯（生产商），搭台唱戏名利双收，生产商躬身掏腰包苦不堪言，不似要把生态圈做肥做茂的样子。生产商不可能老不赚钱，为了生存，许多品牌商悄然把电商作为消化滞销商品的渠道，或是故意制造断货、缺货，或是内部价格调整，人为造成价格波动虚标高价再人为造成打折降价。这些后台管理问题在大数据时代下迅速曝光，削弱了品牌对中高端消费者的吸引力。生产商为了自身的利益人为制造虚假的降价，这些手段在信息透明度高的互联网上被曝光和大量传播，不仅对生产商信誉和品牌形象造成不利的影响，也削弱了网络平台提供商品牌（如天猫）对中高端消费者的吸引力。

电商品牌的价值增值策略

必须承认，低价将继续成为电商的一面旗帜。信息的公共性将电子商务平台向买方市场的方向拉扯，强大的搜索引擎和网络比价技术大大提升了网购者的议价能力，同类产品比价不再颇费功夫，最终把同类产品的行业利润摊至最薄。正如克里斯·安德森所描绘的那样，内容、服务和软件在信息时代下都不可避免地趋向免费。电商对于标准化的产品可以并且应当采取低价定位，作为长期吸引顾客的旗帜。在价格优势的基础上，电商品牌必须创造稀缺性的、无法复制的产品和服务来补充和丰满品牌形象，做到人无我有，人有我精，人精我早，信誉为王，打差异化牌才能利用大数据时代的特点和价值真正走出差异化的增值路线。

产品种类人无我有。网络文化观察者凯文·凯利将网络经济时代难以被复制、克隆或再造的价值称为原生性价值。网络品牌增值点必须靠寻找原生性的价值才能实现。一些特定的产品和型号在传统商店找不到或者很难找，只能在网上才能买到，这是很多消费者选择网络购物的原因，这一类消费者价格敏感度低，品牌忠诚度高，是电商品牌的优质顾客资源。

产品定制人有我精。网络平台聚合商应当优化大数据平台的运算速度和处理能力，不断挖掘消费者的特殊性需求，和制造商合作，共同打造深度定制的产品与服务。比如亚马逊优良的用户界面，被描述为“比消费者更了解他们自己”。

产品发布人精我早。对于高科技产品和高附加值的新产品，要赶在信息普及、产品扩散之前将产品和服务交付目标客户，就是利用时间差获得价值增值，才能在早期用户和中高端客户中营造优良的品牌形象。

品牌形象信誉为王。在中国电商的大环境中，稀缺的原生性价值还包括信任。淘宝当年大胜国际电商巨鳄ebay，就在于后者并不了解中国发展落后的商务信任体系，而淘宝则通过支付宝和阿里旺旺这两个服务帮中国消费者解决了后顾之忧，培养起中国第一批网购群体。信任得之不易，需要十分珍惜。而天猫的品牌形象正应当落在网络信誉和消费者信心保障上。

也就是说，在品牌定位方面，电商应当摒弃简单粗放的价格战，以价格为杠杆吸引顾客，并通过数据挖掘和数据分析为网络消费者提供个性化的增值服务，彻底摆脱低价同质的泥沼。具体来说，一方面要为标准化产品定出长期的低价路线，把电商的价格优势固定下来；另一方面要帮助生产商运用新的技术和数据管理方法，将消费者需求精确地转化为定制化生产、精细化管理和个性化服务，进一步增强平台的服务的体验效果，并以这一部分价值增值获取品牌忠诚度和溢价。

在大数据时代，信息只能贬损价格，而信任、定制化生产和优质的服务则千金难买。随着电子银行、第三方支付、物流系统等基础设施的进一步发展和完善，中国电子商务行业的竞争将进一步深化。电商要清楚认识和牢牢抓住网络消费者最根本的价值增值点—低廉的价格、优良的服务和更多的选择。如果时机把握得好，中国的电商业完全有可能走出世界级的品牌。

（作者来自广东外语外贸大学）

（编辑：周春燕 zhoucy@vip.sina.com）

大数据时代下的电商 第4篇

一、受众构成研究

受众研究学者一直认为, 媒介的使用与人们的社会人口统计特征, 尤其:年龄、收入、性别和职业有着密切的关系。[2]即使消费者分散在社会的各个层次, 作为一个集合还是有明显的特征。截至2014年5月12日, 这本书在当当网上的书评已经达到53000余次, 我们从中抽样选取了120个用户的资料 (这些用户的资料包含齐全的性别、年龄、地域、职业四项基本参数) , 这120个用户对《大数据时代》在网络中的人口统计学特征结构做出了分析。

(1) 性别的比例。本次的调查结果显示, 购买《大数据时代》这本书中男性的比例为78%, 女性为22%, 男性购买这本书的比例比女性高56%。根据《经济日报多媒体报刊》今年的一份研究数据表明, 在网络购物上, 男女比例已经基本接近1:1。也就是说出现购买本书性别比例的严重失调并不在于性别的消费习惯差别, 而在于男女对于本书的兴趣程度不同。男性对于大数据的兴趣爱好明显高于女性。

(2) 年龄结构。本次抽取的100个样本年龄分布在18~42岁之间, 如果按出生年代来分, 便是:90后、80后、70后, 调查结果显示:80后即24到34岁的消费者占到60%, 近一半以上的消费者是80后, 70后的消费者也有近四分之一。我国网民以10岁到40岁为主要人群, 20岁到40岁的网民占到二分之一以上。这本书的消费者的年龄分布在24~34岁之间符合我国网民整体年龄层次的分布。

(3) 职业结构。购买《大数据时代》的消费者的职业结构统计如下:学生35%、IT行业26%、编辑类11%、其他行业18%。显而易见, 学生是消费者职业中最大的群体, 另外, 这类学生的年龄大多都在24~26岁之间, 尤其可见, 以研究生为主;上班族群体中, 从事IT, 特别是互联网、传统媒体编辑类职业的消费者较多。当然我国网民的构成也以学生为主。

(4) 地域分布。调查结果显示:网购此书的消费者大部分集中在我国的大中城市, 其中仍然以东中部地区为主, 其中北京、杭州、广州、上海市排名最靠前的四个城市约占总体比例的三分之一;而西部较少, 只占24%, 这24%的比例当中, 四川和重庆还占据了18%。

二、消费者的评价和阅读动机研究

(1) 关于价格:抽样显示, 七成消费者表示价格合理。这本书在当当上的售价是34.3元, 和其他同类大数据书籍比起来, 并没有出现明显的价格上的优势或劣势。我们抽取了34条涉及价格因素的评论, 进行分析研究。结果如下:其中七成消费者表示价格比较合理;两成表示价格稍高, 但仍可以接受;还有一成表示半百的售价定价过高, 性价比比较低。

(2) 关于包装:抽样显示, 大部分消费者表示, 包装不错, 印刷很正。书的包装和印刷的质量如何, 不仅是书籍整体评价标准当中的重要一环, 还是是否能吸引读者购买的第一直观感受。我们抽取了18条涉及到了数的包装的评论进行分析, 其中, 全部人都表示包装不错, 并未出现批评包装的评论。在印刷方面有12条评论提到了, 其中有8人表示印刷精美, 另外一人表示印刷不清晰;剩下三人表示印刷字号太小, 读起来比较费劲。

(3) 读者阅读《大数据时代》的动机。功能主义社会学学者查尔斯.赖特认为:媒介为各种社会需求服务, 反过来, 受众个体同样是为了相关目的—如获取个人指南、休闲、调整、获取知识, 反而认同所使用的媒介。[3]也就是说, 各种需求刺激了受众使用一定的媒介, 那么受众都是出于什么样的需求来购买这本书的呢?这部分调查抽取了100份涉及了有使用需求的评论内容, 将有涉及阅读动机的评论进行归类, 结果如下:职业需求23%、个人兴趣19%、他人推荐18%、课业学习需要26%、其他需求14%。

三、研究结果

经过多次的样本抽取与分析, 本次研究结果如下:1) 男性比女性对于大数据更加感兴趣;知识分子和从事与数据有关行业的人群比其他行业的人群更加对大数据感兴趣;80后成为购买大数据书籍的主力人群;身处发达地区的人群比欠发达地区的人更加关注大数据。造成这些现象的原因一方面是由于从事数据行业的人群大多都由男性组成, 因此由于个人兴趣或职业需要男性消费者明显高于女性;另一方面由于教育资源和网络、交通、物流分配的不均衡, 造成我国东西部地区、发达与欠发达地区对于大数据的热情出现较大差距。2) 《大数据时代》这本书在大部分读者看来包装精美, 印刷清晰, 定价合理, 但也有少部分人认为性价比不高。3) 受众是有某一方面的需求, 才选择阅读这本书。而这当中大部分是出于职业需求或学业需求, 一部分是出于与他人交往的情感共鸣与交往需要, 还有一部分是出于无功利性的兴趣爱好需求。本次研究仍旧有不足的地方, 如选取的电商平台较少、样本分析仍然是抽样样本并没有全样本等不足。但希望给还在撰写或正在出版的作者以及出版社、电商提供一些可供参考的研究资料。

参考文献

[1]比特网.大数据时代的大数据到底有多大[DB/OL].http://www.thebigdata.cn/QiTa/8608.html.

[2]丹尼斯·麦奎尔.受众分析[M].北京.中国人民大学出版社, 2011:70.

大数据时代下的银行业 第5篇

一、前言

2012 年3 月，奥巴马政府宣布投资2 亿美元启动“大数据研究和发展计划”，并且定义为“未来的新石油”，希望增强政府收集、分析和萃取海量数据的能力。这个由世界最强国家政府推动的项目，标志着“大数据”时代的到来。

近年来,移动互联网、物联网等迅速发展,使得新数据源不断出现,全球的数据总量正呈指数增长,过去3年间产生的数据量已超过以往总和。大数据时代的到来已经成为全球共识,数据正成为与物质资产和人力资本相提并论的重要生产.随着信息技术及互联网的快速发展，社会正在走向全面数字化。处于大数据时代的银行业，正面临着一场经营方式的大变革。一方面，互联网和大数据打破了原有银行在渠道和信息上的壁垒，给银行带来更多的竞争对手；另一方面，大数据将推动银行更加科学地经营管理，从而促进银行更健康地发展。

二、大数据时代银行业分析

目前，银行业正处在以客户为中心、以市场为导向的激烈竞争时代，如何应用先进的计算机网络技术跟踪、预测银行客户的发展动向，最大限度地挖掘客户信息的潜在价值，并利用这些信息来改进银行服务，提高竞争能力对银行来说至关重要。

（一）独特优势分析

对银行独特优势或其存在理由的理解有很多角度，基本的一种是将银行看作一个信息处理的机构，它能够获得和处理金融市场所无法获得的信息，并通过贷款决策向市场发送有关借款人信用的信号。

所谓市场无法获得的信息，首先来自于借款人为获得贷款而自愿向银行做出的披露，其次来自于银行家对于借款人进行的近距离的调查和判断。这些信息又可以分为两类，一是能够被编排的、数码化的或结构化的；二是只能意会的。银行贷款决策的做出，固然有赖于对于数码化信息进行分析的技术，但也离不开银行家的职业直觉和判断。

（二）机会分析

1、助推经营转型。以小微贷款发展为例，导致小微企业贷款难的原因很多，包括缺乏足够的抵押担保、缺乏信用评价机制、银行管理成本高等等。而大数据给这个难题带来了新的解决思路，通过大数据可以建立更完善的信用评价机制、风险定价机制、贷款全流程管理机制，并降低人工成本。

2、提升精准营销能力。通过大数据技术，信用卡客户营销可能基于以下的流程：首先对客户的性别、年龄、职业、金融资产、刷卡频度、消费地点、购物种类、营销活动参与情况等数据进行分析，得到客户的贡献度、活跃度和行为偏好等客户特征；然后根据客户特征进行分类差异化营销设计、举办营销活动；最后根据营销结果再进行数据分析，为下次改善提供参考。

3、提高客户满意度。通过分析客服中心的咨询、投诉内容，可以及时发现产品或服务存在不起眼的小缺陷，而改变这些小缺陷，可能会极大地提升客户满意度。通过对大量交易、行为数据、社交网络数据的分析，可以帮助银行找准客户需求，真正做到以客户为中心设计开发产品。

4、创新品牌营销策略。大数据时代，信息传播的方式、渠道和速度都是前所未有的。社交网络将会成为品牌营销的主阵地，客户在社交媒体上快速传播自身体验和感受的影响力将远远超过空洞的形象广告。传统上依赖信息不对称的品牌营销都将无所适从，与其投巨额资金到媒体做广告，不如扎扎实实地搞好自身的产品和服务，通过客户来帮助银行宣传。

三、对我行采取的策略建议

大数据时代是分析时代。大数据分析的实质就是将客户放到更大的社会背景下加以曝光，准确定位环境中客户所处的位置符合怎样一种商业模式；到现在为止没有任何技术能超越人（对我行来说就是客户经理）更能对活生生的客户加以把握分析，客户经理是最好的社会感知装置，同时又肩负将银行预定的熟悉的关系模式导入到现实社会网络，扩大关系。

打好数据基础。“在今天的社会中，最重要的资源，不再是劳力、资产或是土地，而是数据和知识。”我行首先要把行内业务系统的数据用好，这些数据是高价值密度的数据。除了要完整地保存这些数据外，还需要注意数据治理，保证内部数据的可用性。在此基础上，还需要进一步打破传统数据源边界，通过各种渠道和方式获取行外数据。银行可以通过合作、购买、收集等方式获取相关的数据，包括政府公布的各类统计数据、央行征信数据、企业客户的ERP数据、第三方评级机构的数据，以及电商、社交网络的数据等等，用以丰富和完善数据资源。

做好技术支撑和人才培养。当前采用传统的数据库已难以支撑大数据的需求，需要采用开放式的并行计算架构来建设大数据平台。而技术支撑的关键在于人才，既需要熟悉大数据技术的科技人才，也需要具有数据思考能力的业务人才，更需要具有综合素质的数据科学家。

强化数据治行理念。“除了上帝，任何人都要凭数据来说话。”要强化依靠数据说话的理念。首先要改善现有的管理决策文化，真正把数据分析作为决策重要依据；其次要优化数据分析流程，更好地把业务与技术融合在一起。

创新业务发展。大数据应用的深入，将为银行经营模式、业务流程的转变提供依据。我行需要建立新型的创新机制，为基于大数据分析的业务创新提供充分的条件和保障。无论是产品服务创新、风险管理创新、客户营销创新还是运营模式创新，大数据分析都将成为必不可少的途径。

四、结束语

在这个不断创造神奇的大数据时代，银行无法置身度外。若干年后，我们再回看银行的转变，也许会发现改变银行的不是某个人，某个企业，而是大数据。因此，我行有理由自信地拥抱大数据时代，具备作为信息处理机构的传统优势，在大数据时代有无限机遇。

附：基于数据挖掘的银行客户管理信息系统的构建（百度完全摘抄，供参考）

(一)顾客互动模块｡它为整个客户管理信息系统提供具体的客户信息,这些信息包括客户的基本信息､财务会计信息､行为特征信息､信用信息等,把这些数据信息进行预处理存入数据库后,可以为银行的客户工作提供有利的支持,银行可以在此系统的支持下选定最为便利的渠道同客户进行沟通,同时也可以在客户营销管理的进程中直接为这些渠道提供信息｡

(二)公共信息模块｡公共信息模块是存储金融信息和金融行情的模块,它可以为银行提供服务和支持,能使银行便捷地查阅各种金融信息与行情｡同时,这个拥有大量信息的模块系统还可以充分利用资源为客户提供专家服务建议､标准化的流程支持和随时更新的公用信息,使银行和客户都能获得及时宝贵的信息反馈

(三)银行产品信息模块｡银行产品信息包括银行为客户所开发的各种金融传统产品和衍生产品｡随着金融市场的开放与发展,金融衍生产品层出不穷,银行这些产品的出现为拓展客户服务提供了很大的平台,有关信息包括这些产品的特征､价格､适用等｡产品信息模块可以为客户提供有关产品信息的服务和支持并为信息库不断提供新的产品信息｡

(四)数据存储模块｡信息库可以在数据上进行清理和集成,消除信息噪声和不一致数据,使多种数据组合在一起,然后将结果数据存放在分门别类的数据仓库中,再根据使用客户管理信息系统的银行请求,数据仓库可以负责高效地提取相关数据｡同样,存储模块信息也可以进行不断的更新｡

(五)数据分析模块｡数据分析模块一方面通过定制的评价和分析模型对提取的数据进行分析和评价,然后按照银行的业务侧重点把目标客户从中筛选出来;同时,以各种信息为基础,分析出客户的行为特征,这样就可以为银行进行个性化的差别服务提供分析依据｡另一方面,为银行指定客户拓展策略和创新产品提供依据｡

大数据时代下的政府作为 第6篇

——新加坡经济发展局资讯通信与媒体业执行司长吴汭刚

对于自然资源极度匮乏的新加坡而言，把数据当作一种资源是明智之举。新加坡经济发展局资讯通信与媒体业执行司长吴汭刚认为：“对于新加坡，数据就是未来流通的货币，而我们目前所做的就是将新加坡打造成全球数据管理中心，从而有能力与企业合作，将数据的潜在价值转化为可见的商业利润。”时至今日，新加坡已汇集了东南亚超过50%的商业数据托管及中立运营商数据中心。

现在所谈大数据的应用，更多的是在企业，他们将千方百计收集来的海量数据，通过挖掘、分析并加以应用，从而赢得发展优势。大家也都公认大数据正在成为经济繁荣的催化剂。但是，从某种程度上说，企业仅仅是大数据的利用者，而不是大数据的发展者。大数据的发展，政府才是关键角色。新加坡之所以能够确立起全球数据管理枢纽的地位，就是因为政府在其中起到了关键性作用。

大数据基础设施投资毫不吝啬

众所周知，在“全球IT网络化”方面，新加坡是亚洲最好的，在世界排名中也位列第二（仅次于美国），它承载了东南亚地区半数以上的第三方数据中心储存量。这么大存储量的背后，必须要有强大的基础设施建设。新加坡政府在信息和存储方面的基础设施投资上，毫不吝啬。为实现“智慧国”的目标，新加坡政府前期投入了 40 亿新币用于规划项目的初期建设，主要包括建立超高速、广覆盖、智能化、安全可靠的信息基础设施，以满足个人和企业用户对高速带宽、移动性、隐秘性、安全性、可承受价格的要求，为经济增长和社会发展打好基础。在全国范围内铺设下一代全国宽带网络中，新加坡政府拨款10亿新币资助网络建设，自2009年8月推出后，仅三年时间，覆盖率就达到95%，这也进一步确立了新加坡作为信息通信枢纽的地位。此外，让新加坡政府引以为傲的另一个项目是“无线@新加坡”，在新加坡中央商圈、乌节路等市区购物带和中心住宅区等人流密集区域内，任何人都可以接入1Mbps的Wi-Fi网络免费无线上网。

大数据产业链建设步步为“赢”

在数据提供阶段，新加坡政府主动披露政府掌握的数据。新加坡陆路交通管理局通过公共数据开放计划提供新加坡交通数据，鼓励企业甚至是个人开发提升公共交通效率的应用软件；新加坡环境局与多家企业合作，研究如何收取降雨量，并通过掌握不同地区环境的数据，来预测哪个地区接下来会爆发热带地区可能产生的疾病。

在数据挖掘方面，新加坡政府鼓励大学设立数据挖掘和分析平台。如2012年，新加坡管理大学推出的“Livelabs”创新平台，旨在增强新加坡在消费者和社会行为领域的数据分析能力。此外，新加坡政府还鼓励企业设立数据分析中心，如2011年，劳斯莱斯与新加坡科技研究局下设的高性能计算研究院合作成立了计算工程实验室，在智能数据分析领域进行合作研究。

大数据人才培养不遗其力

目前，在众多最紧缺的职业排名中，大数据分析师位列其中。为了成为全球领先的数据分析中心，新加坡政府在大数据方面的人才培养不遗其力。

新加坡政府与企业以及本地高等院校开展合作，确保毕业生获得必备的专业知识和技能。如今，新加坡已在数据分析领域开设了4个硕士课程以及5个本科课程，提供侧重于具体行业应用的多学科研究方法。

在新加坡经济发展局的协助下，亚洲顶尖学府新加坡国立大学和IBM开展合作，共同成立新加坡国立大学商业分析中心。该中心旨在帮助在校学生以及在职人员提升商业分析领域的最新职业技能，为未来数据分析工作打好基础。

大数据技术培育从未缺位

为弥补企业无法承受巨额投资这一不足，新加坡政府在对大数据存储、分析和挖掘技术与产品的巨大投资上勇于担当，从未缺位。

如今，新加坡信息通信研究院与中国搜索引擎巨头百度正在东盟自然语言技术开发领域进行合作。这一技术如被普遍应用，将为企业进军新兴的东盟市场创造空前机遇。新加坡高性能计算研究所是率先开发此项技术的研究所之一。通过对人们第一印象的建模研究，企业可以更好地了解亚洲消费者。

隐私立法及时充分

任何事物都有两面性，大数据也一样。它在带来经济繁荣的同时，也伴随着与个人隐私权的冲突。因此，通过立法明确保护个人隐私权是保障大数据良性发展的关键。新加坡政府早就认识到了这一点，在这方面也做得很充分，它于2012年公布了《个人资料保护法》。

《个人资料保护法》旨在防范对国内数据以及源于境外的个人资料的滥用行为。该法案的出台使公民得以进一步了解个人资料的使用途径；同时，在进行个人信息处理的过程中，也加强了企业与客户之间的信任程度。

大数据时代下的智慧城市 第7篇

一、智慧城市

随着城镇化的迅速发展, 智慧城市成为现代城市发展的目标, 专家学者也从不同角度对智慧城市做了不同的定义。例如, 李德仁院士认为, 智慧城市是城市全面数字化基础之上建立的可视化和可测量的智能化城市管理和运营, 即数字城市+ 物联网+ 云计算= 智慧城市。

二、大数据时代智慧城市的运用领域

(一) 智能交通

大城市的交通拥堵问题影响着居民的生活质量, 加重了大气污染, 降低了城市运行效率, 已经成为阻碍城市发展的 “城市病”。北京每年因交通拥堵和雾霾损失将近1056亿, 相当于北京GDP的7.5%。大城市交通拥堵状况日趋恶化, 这就亟需从技术创新角度来考虑如何解决城市交通拥堵问题。

大数据技术在交通运行监测和拥堵数据采集中的应用有以下优点:

第一, 大数据方法注重交通运行中近乎全体数据的监测, 而不是少数样本的监测。对车辆、交通设施的使用情况、交通服务等方面进行全面监测, 运用电子牌照技术收集全部车辆的运行数据, 并建立交通模型, 采用云计算直接评价道路拥挤情况。

第二, 大数据方法中, 对于车辆运行数据的采集更加倾向于微观和个体。主要体现在移动式的交通信息采集, 包括公交卡、手机的GPS数据等。

第三, 在数据处理上, 大数据时代的交通数据由原来单一的静态数据拓展至静态动态结合的多源数据。

第四, 大数据技术会依据不同的时间段进行数据采集, 生成不同时段的交通数据流。这样能更加清晰地判断高峰期的交通情况, 以便采取相应措施。

第五, 大数据技术有利于提高交通服务的人性化。交通参与者对于交通的需求在时间和心理上是不同的, 这就需要交通系统提供更加人性化的服务。

(二) 政府决策

智慧政府决策的优势:

第一, 决策主体。传统的政府往往掌握着主动权, 企业、组织和个人难以有效进入决策的制定当中。即便参与了决策的制定, 也因地位与利益的悬殊而牺牲企业、组织或者个人的权益。在智慧城市建设的浪潮下, 政府需要重新审视决策主体的构成。智慧城市的发展需要更加高效、便捷的政府, 但单凭政府的力量来全面建设城市是远远不够的。因此, 社会群体与个人的参与显得尤为重要。

第二, 信息获取。在传统的政府职能体系中, 信息需经层层传递。政府机构的纵向管理层次多, 横向智能交叉多。信息的逐级传递不仅导致具体做事的人少, 而且中间增加的传递过程使信息失真, 办事效率低下。智慧城市的建设依托庞大的大数据系统。通过建设新一代的通讯技术工具, 政府实现了电子智能化办公, 提升了应对庞杂城市建设问题的能力, 体现出新一代政府高效、先进的形象。

第三, 决策监督。在传统社会中, 由于技术手段的落后与不完备, 政府的决策过程对外几乎是全封闭式的。现代智慧城市的建设打破了政府在决策上的领导权, 使得决策过程透明化。网络的发展也使政府职能发生了巨大的转变。

三、中国智慧城市建设出现的问题

(一) 信息安全问题

在大数据时代, 大量数据需要透明化、公开化。但很多智慧城市的应用涉及公民的信息安全、财产安全甚至国家安全。 因此, 信息安全成为大数据时代智慧城市建设的一个难题。

(二) 城市基础设施建设薄弱

智慧城市建设不是简单的云计算、物联网技术的提高, 还需要大量资金的投入。作为一个全新的理念, 智慧城市的核心特征是将信息资源作为重要的生产要素, 以推动城市经济转型升级, 创造经济社会发展竞争的新优势。目前, 智慧城市建设还未形成国家层面的战略机制。在国家层面, 有关管理职责混乱, 地方智慧城市建设基础参差不齐, 低水平重复建设, 实用主义严重。这些情况造成投入成本增高、资源利用率低等后果。

(三) 行业标准和规范缺失

智慧城市覆盖的领域异常广泛, 目前缺乏统一的行业标准、建设标准和评估标准来约束和指导。不同行业系统之间难以互联互通, 容易形成“信息孤岛”现象。若按照国际组织的相关标准, 则需支付大额的专利费用, 且风险较大。整体布局和顶层设计的匮乏使智慧城市建设举步维艰。

四、如何建设好智慧城市

(一) 做好整体布局, 规划顶层设计

智慧城市建设对于政府的政策有很强的依赖性, 应从国家层面制定智慧城市的发展规划, 明确我国智慧城市发展的中长期目标和主要任务, 加强总体规划设计, 统筹推进, 指导各部门、企业和社会各方面有序开展智慧城市的建设。

(二) 发挥自身特色, 坚持可持续发展

中国各种城市的经济发展状况、人才储备情况以及对于先进技术的运用程度都大不相同。因此, 在智慧城市的建设过程中, 需要建立一套符合自身实际的方法和策略, 最大化发挥城市特色。

参考文献

[1]郭晓科.大数据[M].北京:清华大学出版社, 2013:35.

[2]李德仁, 邵振锋, 杨小敏.从数字城市到智慧城市的理论与实践[J].地理空间信息, 2011 (9) :13-17.

大数据时代下的电商 第8篇

关键词：大数据,数据安全管理体系,数据泄露

1 引言

随着信息技术快速发展和各种信息系统等广泛应用,也随之产生大量的业务数据,企业日益依赖于信息技术来支撑各类业务系统的稳定运行。业务数据已发展成为企业和各类使用对象的重要资产,也是企业最宝贵的财富。数据已成为组织重要的核心竞争力,数据型组织是必然的发展方向。但频繁有信息安全、敏感信息数据泄漏的问题发生,给企业带来了巨大的利益损失,对于企业来说,能够在信息安全防护中保障数据的安全有着极为重要的地位。

在大数据时代背景下,各类数据给企业和各类使用对象提供了指导和决策的基础,成为企业最重要的资产载体。然而数据在收集、存储、传输和使用过程中缺乏必要技术防护手段,使得大量敏感信息的安全性无法得到有效的保障。数据安全是信息安全的源头,是安全防范的重点,也是难中之难。因此,如何进一步加强数据安全建设成为当务之急。

2 大数据时代数据面临的安全问题分析

随着大数据技术的不断深入应用,大数据时代下的信息安全防护所面临的风险相比以前也发生了根本性的变化。从信息安全的角度考虑和出发,大数据时代下数据安全主要面临多项挑战。例如,数据质量及安全难以保证,尤其是跨系统、跨平台测试数据难以获取并验证,数据质量难以保证;用户因为对业务系统不熟悉而导致在使用过程中进行误操作给业务系统造成难以恢复的损失;外部非授权人员(如黑客)多数据库进行恶意入侵,获取或者删除数据库里的数据;数据具有易复制的特征,所有针对数据的安全事件发生后,无法进行有效的追溯和审计;数据具有易流动的特征,大量数据的汇集不可避免地加大了泄露的风险,在数据传输过程中或多或少会存在主动或意外的数据泄漏;数据具有难管理的特征,大数据技术成为黑客的攻击手段;业务系统用户、维护人员、外部访问用户在访问业务数据时,操作数据库的行为缺乏综合审计。

3 大数据时代数据安全管理体系

3.1 数据安全管理体系建设的必要性

大数据(Big Data)是指“无法用现有的软件工具提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合”。大数据具备数据体量巨大、数据类型繁多、价值密度低和处理速度快的四个典型特征。数据是企业的重要资产组成部分,几乎是企业所有的经营活动所依赖的、不可或缺的信息。数据就犹如企业经营者的眼睛一样,通过数据可以反映出经营的问题,进行相应的正确决策,就犹如舵手依赖导航一样。

大数据作为一种新兴的技术,在目前的环境下针对大数据并没有建立一套比较完整的数据安全管理体系标准,要想从根本上对大数据信息安全进行防护,应当优先考虑从大数据技术的使用、平台建设、运行管理、风险评估等各个方面来完善数据安全管理体系的标准建设,最终实现大数据信息安全可视可控的目标。

3.2 数据安全管理体系的技术架构

数据安全管理体系需要打造一个统一平台,通过分层建设、分级防护,达到平台能力及应用的可成长、可扩充,创造面向数据的安全管理体系系统框架。数据安全管理体系架构自下而上分为:数据分析层、数据防泄露层、数据脱敏层、敏感数据隔离交换层和数据库加固层,从而组成完善的数据标准体系和安全管理体系。如图1所示。

数据分析层是数据安全管理体系的基本条件。数据分析层通过收集和归一各类业务系统产生的海量信息数据,运用实时关联分析技术、智能推理技术和风险管理技术,对各类海量数据事件进行统一加工分析,实现对数据安全风险的统一监控管理和未知风险预警处理。

敏感数据隔离交换层通过数据指纹采集、内容检测和响应处理三个步骤,突破深度内容识别的关键技术,从而解决了困扰用户的既可以网络连通,有保证了数据交换的安全性,同时也极大地提高了工作效率。

数据防泄露层针对数据易流动、易复制、难管理的特征,通过深度内容分析和事务安全关联分析来识别、监视和保护静止的数据、移动的数据以及使用中的数据,达到敏感数据利用的事前、事中、事后完整保护,实现数据的合规使用,同时防止主动或意外的数据泄漏,保障企业数据资产可控、可信、可充分利用。

数据脱敏层通过独特的数据抽取方法使用户能够快速创建小容量子集,对敏感信息进行脱敏、变形,由此提高数据管理人员的工作效率,同时规避信息风险,对客户等资产安全,敏感信息提供完善的保护。

数据库监控与加固层是保护数据安全的最后一道防线,其核心是让数据变得更加牢固。数据库监控与加固层具有数据库状态监控、数据库审计、数据库风险扫描、访问控制等多种引擎,可提供黑白名单和例外策略、用户登录控制、用户访问权限控制,并且具有实时监控数据库访问行为和灵活的告警功能。

3.3 数据安全管理体系平台技术实现

3.3.1 数据安全分析技术

以安全对象管理为基础,以风险管理为核心,以安全事件为主线,运用实时关联分析技术(如Hadoop、Spark、HDFS、Map Reduce等),智能推理技术和风险管理技术,通过对海量信息数据进行深度归一化分析,结合有效的网络监控管理,安全预警响应和工单处理等功能,实现对数据安全信息深度解析,最终帮助企业实现整网安全风险态势的统一分析和管理。

3.3.2 敏感数据隔离交换技术

利用深度内容识别技术,首先对用户定义为敏感、涉密的数据进行特征的提取,可以包括非结构化数据、结构化数据、二进制文件等,形成敏感数据的特征库,当有新的文件需要传输的时候,系统对新文件进行实时的特征比对,敏感数据禁止传输。通过管理中心统一下发策略,可以在存储敏感数据的服务器或者文件夹中利用用户名和口令主动获取数据,对相关的文件数据进行检测,并根据检测结果进行的处置。

3.3.3 数据防泄露技术

数据控制类技术:主要采用软件控制、端口控制等有效手段对计算机的各种端口和应用实施严格的控制和审计,对数据的访问、传输及推理进行严格的控制和管理。通过深度内容识别的关键技术,进行发送人和接收人的身份检测、文件类型检测、文件名检测和文件大小检测,来实现对敏感数据在传输过程中进行有效管控,定时检查、事件安全事后审计,防止未经允许的数据信息被泄露,保障数据资产可控、可信、可充分利用。

数据过滤类技术:在网络出口处部署数据过滤设备,分析网络常见的协议(比如TCP、HTTP、POP3、FTP、即时通讯等),对上述所涉及到的协议内容进行分析、过滤,设置过滤规则和关键字过滤出相关内容,防止敏感数据的泄露。

3.3.4 数据加密技术

为了保证大数据在传输过程中的安全性,需要对信息数据进行相应的加密处理。通过数据加密系统对要上传的数据流进行加密,对要下载的数据同样要经过对应的解密系统才能查看。因此需要在客户端和服务端分别设置一个统一的文件加/解密系统对传输数据进行处理。同时,为了增强其安全性,应该将密钥与加密数据分开存放。借鉴Linux系统中Shadow文件的作用,该文件实现了口令信息和账户信息的分离,在账户信息库中的口令字段只用一个x作为标示,不再存放口令信息。

3.3.5 数据库安全加固技术

数据库安全加固核心技术为数据库状态监控、数据库风险扫描、数据库审计、数据库防火墙和数据库透明加密技术。通过构建数据库安全加固平台,以“第三者”的角度观察和记录网络中对数据库的一切访问行为,从源头保护数据,建立纵深防护体系。

4 总结分析

4.1 大数据背景下的数据安全管理建设的着重点与突破点

通过对大数据背景下数据安全所存在的问题进行深入分析,我们可以从几个方面作为重点和突破口。

首先是进行大数据技术的安全防护技术创新。大数据时代各类数据信息安全威胁不尽相同,只有不断的进行技术创新,提前预防预警安全风险,实现安全可视的目标。

其次是加强立法和监管力度。由于大数据具备的几个典型特征,在海量数据收集、传输、存储和处理过程会比较不集中,可控性差,因此需要在国家相应政策指导通力配合,大力推进对数据使用的安全统一标准体系,完善其管理和监督力度。

最后运用大数据技术结合其他技术提升安全防护能力。比如大数据技术与现今的云安全技术等相结合,统一平台,统一归纳分析,多层次安全防护。

4.2 大数据背景下的数据安全管理面临挑战

4.2.1 信息数据泄露问题

传统网络安全保护,难以匹配信息化的数据转型,数据外泄事件屡有发生,棱镜门、CSDN密码泄漏、如家开房信息泄漏、Sony个人信息泄漏等。这些事件,对组织造成重大的甚至无法弥补的经济损失与声誉损失。现在,组织的数据不仅涉及企业自身,还涉及个人隐私、国家利益等,国家、行业有关数据安全的法律、法规、制度也越来越多,数据防泄漏是要求的重点。大数据具备信息大和易流通的特征,若不加以严格控制使用,其所含的商业信息或私密信息就可能被泄露。

4.2.2 数据存储问题

大数据在存储过程中带来了一系列新的安全问题,数据大集中的后果是复杂多样的数据存储在一起。大数据分析往往需要多类数据相互参考,而在过去并不会有这种数据混合访问的情况,因此大数据应用也催生出一些新的、需要考虑的安全性问题,安全防护手段的更新升级速度无法跟上数据量非线性增长的步伐,就会暴露大数据安全防护的漏洞。

5 结束语

大数据时代已然到来,随之而来的也有一些不可避免的机遇和挑战。根据梳理出的当前大数据安全与隐私保护的相关关键技术,我们可以看出,当前国内外针对大数据安全与隐私保护的相关研究还不充分,也没有相应完整的信息数据安全管理体系。

因此,数据安全防护任重道远,只有通过有效的技术手段和相关政策法规等相完美结合,才能从根本上解决大数据安全与数据泄露的保护问题。当然,安全也不是绝对的,在进攻和防守永不停歇的安全领域,只有不断的进行技术创新,才是有效保障数据安全的重要解决方式。

参考文献

[1]刘银平,穆良知.基于大数据分析的云安全管理系统设计[J].中国信息安全,2015.

[2]吴蓓,刘海光.浅析大数据时代的信息安全[J].计算机光盘软件与应用,2013.

[3]于慧勇.大数据时代的信息安全风险与防护[J].计算机光盘软件与应用,2014.

[4]冯伟.大数据时代信息安全面临的挑战与机遇[J].中国科技投资,2012.

[5]李小平.终端安全风险管理[M].北京:机械工业出版社.

大数据时代下的桥梁检测方法 第9篇

近年来, “大数据”这个词迅速流行起来, 但什么是大数据, 从信息角度来讲, 桥梁的维修与养护是一个采集数据、分析数据、应用数据的过程, 这些数据包括与桥梁有关的一切数据, 数量不仅多, 而且复杂。因此, 应对桥梁产生的海量数据进行分析、筛选, 经过一系列的处理, 确定桥梁损伤的位置及程度, 从而更好的对桥梁进行维修和养护[1]。

1 大数据在桥梁中应用的必要性

我国桥梁数量众多, 据统计, 截止到2013年我国的桥梁数量达到70多万, 其中特大型桥3 000多座, 大部分桥梁是小型桥梁, 其中部分桥梁设计水平有些欠缺, 有些桥梁年久失修, 损伤严重, 比如说, 二十世纪六七十年代, 修建的双曲拱桥, 限于当时的设计水平, 桥梁钢结构用量偏少, 使桥梁的整体性差, 导致双曲拱桥病害较多, 危桥率较高, 但是若拆掉正在发挥作用的危桥, 进行重建, 除了需要投入大量的资金之外, 还得对道路交通的正常运行产生一定的影响, 并且给国家造成经济损失, 所以需要进行桥梁损伤识别、维修、养护。每座桥都会产生大量的维修与养护数据, 这些数据不仅包括文本、图片、数字及视频, 还包括桥梁的类型, 受力情况、跨度、支座类型以及挠度等多维数据。这数量之大, 种类之多, 其潜在价值不言而喻。但是现有的桥梁养护系统与维修系统难以处理如此复杂的大数据, 不能充分对大数据进行分析与挖掘, 造成了资源的浪费, 以至于对桥梁的养护与维修效果不佳。

2 桥梁大数据种类

如同大数据的特点, 桥梁数据亦具有“5v”特点, 即数量大、快速化、种类多、难辨别、密度低等特点。在桥梁工程中, 数据按时间上划分可以分为静态数据和动态数据两类, 静态数据是指桥梁和科学实验的数据信息库, 信息库是一种相对静态的数据, 因为数据资源, 每过一段时间就会有一次更新。

2.1 桥梁健康及环境监测数据

一般包括:1) 工作环境检测所获得荷载、风速、风向、温度等各种数据;2) 结构静态和动态响应监测传感器所得到的内部力响应数据;3) 几何检测传感器所得到的表面形态数据;4) 信号监测传感器所获得信号密度数据[1]。

2.2 桥梁模型计算数据

桥梁模型是从设计、施工、运营各阶段的数据文件, 包括桥梁的图纸、输入参数, 以及桥梁评估风险时所需要的火灾、爆炸、地震、重荷载等相关的数值模型, 以及桥梁评估风险时所需的火灾, 爆炸, 地震和重负荷的相关数值模型, 例如, 利用大型有限元分析软件SAP2000建桥梁模型, 并且施加不同的荷载, 得出桥梁的受力分析图。再模拟出桥梁在地震、爆炸、火灾等各种情况下的承受等级, 以及所能承受的重荷载的等级, 通过桥梁模型的模拟, 可以得到不同载荷或风险下结构的相应数据, 这些数据可以作为实测数据的参考值, 并支持决策分析[2]。桥梁计算数据的操作, 包括桥梁模型的校正数据和桥梁状态监测和数据采集, 对桥梁加固后的设计模型分析数据、桥梁加固的指标分析数据, 以及桥梁加固前后的对比数据。

根据《公路桥梁养护规定》规定, 我国桥梁检查工作分为经常检查、定期检查、特殊检查, 其中特殊检查又分为专门检查和应急检查。根据不同力度的周期检查工作, 产生大量的检查数据, 各类性能数据, 专家可以根据数据对桥梁进行评定。这些保护数据不仅需要分析桥梁生命周期的性能趋势, 并且需进行相同类型的桥梁的横向比较, 包括养护类型, 保护频率比较分析, 目的是确保最佳的桥梁维护效果, 全面掌握桥梁数据对掌握桥梁现状非常重要。

2.3 桥梁加固前后对比数据

定期的对桥梁进行检查, 得出其受力情况、荷载承载情况, 若需要对桥梁进行加固, 就根据桥梁损伤的类型, 选择合适的加固方法, 对桥梁进行维修加固, 再次对桥梁进行检查, 得出数据, 与加固前的数据对比, 看桥梁的损伤情况是否得到了改善。对于桥梁维修与养护, 这部分资料将作为重要资料, 并随着桥梁的运营, 数据不断得到更新[1]。

3 桥梁检测方法

桥梁检测方法可分为三种方法, 分别是静载试验、动载试验和无损检测。其检测的内容主要是对桥梁运营性能相关的重要参数如应变、挠度、频率等进行准确测量。

桥梁的静载试验一般是在指定的位置对车辆荷载进行加载, 观测其在实验荷载作用下的位移、应变、挠度等性能参数, 并对桥梁状况进行检查, 以了解桥梁结构在荷载工况和机械性能下的静载试验情况, 确定桥梁的实际承载能力, 从而判断桥梁结构在负载下的工作性能和承载能力[4]。

桥梁动载试验是利用多种激振方法刺激桥梁结构的振动, 测试桥梁结构的动力性能参数, 这些参数包括频率、阻尼比、振型等, 目的是确定桥梁结构的总体刚度和应用性能[5]。

无损检测的主要含义是指混凝土的一系列性能, 例如强度、均匀性和连续性, 其可以在不影响结构构件的机械性能或者其他功能的情况下通过一些适当的物理量直接测量。无损检测方法主要是检测混凝土的材料性能, 与动静载试验有一定的差异[6]。

4 桥梁基准有限元模型的建立

基准模型的建立主要是为了桥梁后续的健康监测和损伤识别, 以某个桥梁为实际工程案例, 建立这个确定桥梁的基准模型。首先, 先根据设计图纸, 建立桥梁的初识有限元模型, 通过真正的桥负荷动静载试验测试来获得桥的真实特性, 使用优化算法或遗传算法以成桥动态特性的实测结果作为目标, 对这个初始有限元模型校正, 待有限元模型的动态特性和测量值基本一致, 若特性基本相同, 代表这个修正的基准模型可以用作桥梁损伤识别对比模型。

建立基准模型需要考虑很多方面的因素, 不仅应满足桥梁受力情况, 而且还得满足设计图纸和桥梁规范, 此外, 基准模型应能够完全和准确地反映桥梁结构的动态特性, 能够更加真实地符合实际情况[3]。

建立基准模型的思路如下:

1) 首先根据设计图纸, 建立桥梁结构的初始有限元模型。

2) 以成桥动力特性实测结果为目标, 对建立的初始有限元模型进行修正, 使修正后的桥梁动力特性与实测值基本一致。

3) 根据前两步所建立的有限元模型是桥梁运营前未损伤的真实桥梁动力特性。桥梁运营后, 会因为车辆超载、自然灾害 (大雨、狂风、地震等) 、自然环境等作用产生各种各样的损害, 所以我们需要对桥梁进行定期的、不定期的健康监测、损伤识别, 以确定桥梁的损伤位置以及损伤程度, 其目的是更加准确地对桥梁进行管理与维护[7]。

5 桥梁数据的相关性

相关分析是指从统计数据上测试变量间的相关程度及变量间的联系程度, 本文通过选取的运营期间的桥梁实际案例进行分析, 根据设计图纸、约束条件以及相关的各种数据, 利用有限元软件SAP2000建立一个描述桥梁现状的模型, 对这个模型进行计算分析, 得出结构的静动力特性, 包括静力特性:应力、应变、位移等, 动力特性:固有频率、振型、冲击系数等。然后以本文前面建立的基准模型计算分析的结果为基准, 对运营期桥梁实测数据进行对比分析。

进行桥梁基准模型—营运期模型数据信息相关性分析基本思路:

1) 首先得满足“两同原则”, 即:

a.研究基准模型与营运期模型的同一特性时, 测试点应该是同一位置。

b.计算同一特性的数据时, 时间段应该一样。

2) 利用两个模型下的数据进行列表对比分析, 看桥梁的静动力特性是否在允许的限值范围内, 判断营运期的桥梁是否出现损伤, 是否需要对其进行维修与养护[8]。

6 存在的问题及解决的方法

桥梁检测的信息种类繁多, 但并不代表在现如今先进技术的发展前提下, 对每一座桥梁数据信息检测的越多越好。当前, 桥梁的数据种类繁多, 跨度也在逐渐变大, 若不对桥梁进行针对性的检测, 不进行传感器的优化选择与布置, 势必会造成桥梁数据的冗余, 形成数据灾难。在后续评定桥梁结构安全状况中, 分不清主次, 找不到损伤原因所在, 所以我们尽可能充分利用技术上能够提供的, 明确桥梁实测的最终目标, 提高效率, 解决问题, 形成系统的理论与方法[8]。

摘要：论述了大数据应用于桥梁检测中的必要性, 介绍了桥梁大数据的种类, 并阐述了建立桥梁基准有限元模型的思路, 探讨了桥梁基准模型分析结果与运营期损伤桥梁模型的相关性, 有利于准确找到桥梁损伤位置。

关键词：桥梁,大数据,基准模型,相关性

参考文献

[1]陈艾荣, 潘玥.大数据时代的桥梁维护安全[J].华中科技大学, 2013 (5) :77.

[2]郑伟峰, 马如进.上海长江大桥数字化管理[J].上海公路, 2010 (1) :41-45.

[3]彭雪林.基于健康监测的大跨度斜拉桥基准有限元模型[D].福州:福州大学硕士学位论文, 2004.

[4]陆容.静载实验在桥梁检测中的应用研究[J].山西建筑, 2013, 39 (35) :190-191.

[5]吴建奇, 郑晓.公路桥梁工程的动载试验研究[J].铁道建筑, 2011 (3) :99.

[6]裴树军.论桥梁工程中无损检测技术的应用[J].桥梁与隧道工程, 2016 (1) :18-19.

[7]徐文胜.基于监测数据的桥梁安全状况评估研究[D].武汉:华中科技大学博士学位论文, 2013.

大数据时代下的新闻传播探究 第10篇

一、数据新闻

数据新闻的分析和报道在很大程度上都不同于传统新闻报道。除了要具备传统新闻记者的能力, 数据新闻记者还要懂得从数据背后挖掘新闻的价值, 通过分析比对所得数据, 找到受众最感兴趣的点, 将抽象的数据具象化, 最终得出大众一眼能理解的新闻报道。因此, “新闻平台化”策略是要做好数据新闻的必要手段。

媒体不光分享出大数据, 还给大众提供可解码数据的“新闻平台”。民众发掘出数据库后, 媒体再提供在线的注解、画图、编辑和整合功能, 这种将数据分析分享到大众中的方式, 即所谓的“众包”, 这样才能获得关键信息。此外, 开放式的“新闻平台”更可以让媒体找到更有价值的线索。新闻讲究时效性, 只有在开放式的平台下, 新闻才能实现其有用的价值。必须不断更新数据库中的各种数据, 就像每日“腾讯新闻”的时刻更新滚动。移动应用是作为平台的数据新闻发展的大势所趋, 庞大的数据量只要借助移动应用方能查阅, 移动应用可以更快捷地查出受众需要的有用信息, 也可以根据受众的喜好分类新闻, 让受众第一眼就看到自己想看到的信息。

二、大数据思维下的数据新闻

传统的新闻的好坏最依赖记者, 记者不仅要具备极高的新闻敏感性, 还要有准确的新闻直觉。传统媒体时代, 丰富的工作经验和自身具备的知识水平, 以及对新闻的敏感度能让记者抢占挖掘好新闻的先机, 数据新闻却不需如此。大数据的快速发展使得记者只要对各处获得的海量数据进行分析和整合, 即可得到最具普适性的一个总数据样本, 通过该样本, 再得出主要用户的需求, 以便分析出新闻的价值。新时代下的数据新闻记者只要利用数据技术就可以不断地得到新的新闻线索, 这种对数据的分析不仅可以比较出新闻的价值, 还能可视化地将这种价值通过图表有效地呈现出来。有了大数据的帮助, 数据已不再只是新闻报道中的一个可有可无的小要素, 而是贯穿新闻始终的基本。

(1) 海量的数据。正是对海量数据的对比分析和处理, 才能让受众看到有价值的新闻。每一条数据新闻的背后也都隐藏着无数的数据处理, 而这些处理必须通过计算机终端的分析才能很快得出。

(2) 数据新闻的传播效果要远高于传统媒体。数据新闻得益于其可视化的图表和动态的信息, 动态的数据信息更能抓住受众的眼球, 从而达到更好的传播效果。

(3) 用数据说话。过去是文字为王的传统媒体时代, 新时代却是用数据来说话, 通过动态的信息展示和明确的图表, 数据即可完美地被展示出来, 文字最终变成了对数据的解释。

三、数据新闻的应用困境

第一, 要想获取大数据的难度是很大的, 因为大数据只掌握在少数权威部门机构中, 或专业的信息供应商手中, 这对于广大的媒体, 尤其是新兴媒体来说, 是一个很大的阻碍。

第二, 数据新闻所需的数据量非常庞大, 若缺乏专业的人才, 单单只依靠记者和团队都无法在短时间内得到所需数据, 更不要说进行深入的分析和整合。纵使专业的大数据操作团队, 有时也难以充分分析出数据的内涵。

第三, 大数据的优势也带来了其劣势, 海量的数据同时意味着虚假信息、不够精确、价值少等问题, 这和新闻所追求的真实性是相悖的。要想找到有价值的信息, 不仅需要专业人士去伪存真, 也要依赖记者独到的新闻敏感性和直觉, 而不只是对数据的简单总结和对比。

四、大数据方法下的新闻传播创新

首先, 这是一种全新的新闻形态, 不仅信息是可视化的, 内容的嵌入也是人性化的。其次, 它在内容上也是一种创新, 通过挖掘碎片化数据中的有价值的文本, 从而生产出“有针对性”的新闻。

(1) 受众决定新闻方向。移动客户端的出现, 很大程度上改变了新闻的报道模式甚至发展走向。一些焦点事件中, 社交网站用户的高度关注和传播, 会引起主流媒体的注意并有可能引用报道, 从而推进事情的发展。这种用户的集体行为, 就是一种大数据的表现。这些微小数据组成的庞大数据推动了新闻的扩散和事件的发展, 这并不是一种有意识和有目的的行为, 这是大数据时代下的一个新闻传播创新。

(2) 群体自设新闻议程。从各大焦点事件的发生来看, 大数据时代下的新闻传播都会经历一个从热点潜伏到出现再到爆发直至渐渐平息的过程。这一过程我们就称为“群体自设新闻议程”。网络用户通过关注某一事件, 接着分享、转发和评论来继续传播, 使得更多的用户对事件进行分享和传播, 事件的关注度和热度就在这个过程中不断上升直至到达顶峰。这时, 媒体或者官方就会介入, 使事件在社会上得到广泛的关注。由此可见, 大数据时代背景下的新闻传播, 是不受主流媒体控制的, 甚至在一定程度上我们可以说, 主流媒体是看着群体受众对事件的关注程度而考虑是否介入的。

参考文献

[1]毕良宇.大数据背景下数据新闻的研究——理念、生产方式与应用[D].武汉:华中师范大学, 2014.

大数据时代下的企业制度建设 第11篇

关键词：大数据时代；信息化手段；企业制度建设

众所周知，在企业发展的初期，主要关注的是业务，只有业务上来了，才会有收入，才能通过盈利来维持企业生存。当企业解决了生存问题之后，要想越做越大，永续发展，就必须要依靠科学有效的管理，而建立一套完善的管理制度就是确保科学高效管理的基础工作。

管理制度体系的建立主要包括三个阶段，第一个阶段主要解决“有”的问题，也就是说首先要开发、制定一系列用于指导或约束企业人员各种活动的制度和规范，使得企业的各项工作“有法可依”；第二个阶段主要解决“执行”的问题，也就是要保证各项制度和规范能够得以切实执行，发挥作用，使企业高效可控运作，而不是仅仅停在纸面上，成为华而不实的摆设；第三个阶段主要解决“持续改进”的问题，因为世界上决没有完美的制度，也不存在一成不变的制度，在制度的执行过程中，总会发现这样或那样的问题，同时随着企业的发展，很多本来适用的制度和规范也会慢慢地跟不上形势，不但不能起到促进企业良好运作的作用，反而会变成一种束缚，成为企业前进的绊脚石。因此，必需适时的对制度和规范进行修订和调整，使之不断的完善，适合企业当下的经营需要。尤其需要强调的是，“持续改进”是始终伴随的企业的发展而进行的，套用一句当下流行的话语就是“制度的持续改进永远在路上”。

在已经进入大数据时代的当下，在互联网上几乎能找到你所需要的所有信息和资料。对很多企业来说，管理制度的建设似乎成了一件很简单的事情。以往要通过冥思苦想、字斟句酌，一字一句撰写，花费数周甚至数月才能开发完毕一套管理制度的时代已经一去不复返了。现在我们只需打开电脑，连接互联网，轻点鼠标，眨眼之间一整套包罗万象的管理制度就下载到了你的电脑里，人事管理制度、财务管理制度、营销管理制度等等应有尽有，稍加修改整理就能为我所用，管理制度体系建设大功告成！但情况真的有这么简单吗？

事实上，制度有了，并不一定意味着就能执行到位，更谈不上持续改进了。很多企业制度一大堆，但能够落地执行的却寥寥无几，最后导致看上去挺美的制度体系最终成了聋子的耳朵——摆设。那么，问题到底出在哪儿呢？

首先，没有意识到制度的建设应该是一个量体裁衣的过程。通过信息化手段快速获得的那些制度、规范虽然都有“完善”“可行”的注脚，但别忘记了，制度是否有效是有前提条件和环境要求的。在一个企业“完善”“可行”的“好制度”，到了另一个企业很可能就变成了不合理、没有操作性的“坏制度”，因为后者没有前者所具备的制度实施的土壤和条件。因此，在奉行制度建设的“拿来主义”的同时，一定要根据自己的企业文化、业务特点和执行能力来选择合适的自己的制度。比如说，一个企业的制度应该是契合自己的企业文化的，有什么样的企业文化就应该对应什么样的制度，在推崇刚性文化的企业中，制度应该是严厉而强调原则性的，而在奉行柔性文化的企业中，制度则应该灵活而具有人情味。

另外，在制定制度之前，没有弄清楚自己执行制度的能力。执行制度是需要资源的，要确保一个制度能顺利实施，就要进行必要的跟踪、监督、评估，这往往需要投入比制定制度更多的人力物力，对企业的管理能力也有相应的要求。因此，需要对自己是否具备执行制度的能力和条件有清醒的认识，在这个基础之上选择和制定适合自己企业的管理制度，确保制度的可操作性。

大数据时代下的财务信息研究 第12篇

关键词：大数据,财务信息,管理,分类

当前,人类社会正处于大数据时代。随着网络技术的日益更新,云计算、物联网的应用逐渐多样化,大数据的运用和创新给公民、政府、企业带来了种种挑战和变革,企业营销手段及经营策略都在不断改变。而随着工业4.0的到来,传统财务信息已不能满足各企业的管理需求。如何提供及时、有效的财务信息给企业管理者, 确保企业在大数据时代下稳健发展是当前企业发展的主题。

1 大数据时代的特点

2012年,大数据一词越来越多地被提及,人们用其描述和定义信息爆炸时代产生的海量数据。如今各种数据迅速膨胀,其中部分关键性的数据甚至决定企业未来发展。大数据对人类生活的影响日益加深。

大数据的核心是任何事物都可进行有效量化。大数据时代有以下特征,第一,数据量大。数据量已经从TB(1 024 GB=1 TB)级别跃升到PB(1 024 TB=1 PB)、EB(1 024 PB=1 EB)乃至ZB(1 024 EB=1 ZB) 级别; 第二,数据类型繁多,包括经济、体育、军事、时尚、汽车等;第三,数据价值密度相对较低。如随着物联网的广泛应用,信息感知无处不在,信息海量,但价值密度较低;第四,数据更新快、时效性要求高。这是大数据区分于传统数据的显著特征。

2 大数据时代国内企业财务信息管理面临的问题

2.1 财务信息的相关性与及时性

目前,各企业财务人员多是在一个会计期间结束后才会提供具体的财务数据,这些财务数据更多地反映企业前一阶段的具体经营成果。而财务信息数据不能很好地在企业运营阶段的各个环节及时、有效传递,造成财务信息经常变成“事后诸葛亮”。

如今的财务信息提供的是标准版的三大主表、各类财务比率。这些数据对企业使用者来说相关性不大,成本中心关注的是生产成本,销售部门关心的是不同区域、不同产品的销售情况。在大数据日益变动的时代,简单的三大主表及各种财务比率已不能满足内部使用者需求。

2.2 企业财务信息处理难度不断增加

在大数据时代下,企业财务不仅要面对外部带来的信息交换压力,还要处理好内部各类数据信息的交换处理问题。大数据导致信息化面临高度分散和高度非结构化的数据源,对财务信息和业务信息的内部配合提出了新要求。

同时,数据越来越多,要从财务、业务、内部控制、政策等多种多样的数据中提取及时、有效的财务数据,难度更高。

2.3 专业人才队伍较为缺乏

大数据时代下的财务信息要求专业信息技术较强的相关人员在企业内部控制制度的指导下,借助不断升级的网络技术,采集、加工和处理企业内部与外部的各类数据,以得到具有针对性、时效性的财务信息。由此可见,取得更有效、更有针对性的财务信息是一项既需要具备财务专业知识也需要涉猎计算机等其他专业领域知识的综合性工作,对这种专业性强、复杂度高的综合性工作,只有具备相关领域的专业知识和操作技能,才能提供更有价值的财务信息。然而,从实际情况来看,当前很多企业在财务专业人才较为缺乏,且对工作人员的综合素质培养存在一定缺陷。

3 大数据时代提升企业财务信息化的措施

3.1 强化对财务信息的重视程度

大数据时代下的财务信息在一定程度上打破了当前企业的财务运作模式,财务信息将从订单、采购、生产到库存、销售等整个环节提供信息支撑。及时、准确的财务信息将在很大程度上提升企业应对市场变化的适时性和有效性。

对企业决策者来说,应充分认识财务信息工作改变的迫切性, 财务信息带来的改变将是一项影响企业长远发展的战略性改变,只有打破传统财务信息提供模式及数据类型,才能建立适用于自身的大数据时代下的财务信息管理系统,并最终有效作用于企业整体战略目标的实现。

3.2 设立单独的财务信息管理机构

在大数据时代,设立单独的财务信息管理机构十分必要。企业的核心资源不再局限于货币资金、土地和知识产权等,商业数据也具有同等地位,数量巨大、形式多样的商业数据最终会通过各种形式在财务数据中体现。因此,设立单独的财务信息管理机构并配备具有高度综合素养的财务管理人员来处理商业数据等相关信息数据十分必要。将财务信息管理机构从会计部门中独立出来,配备具有丰富经验的从业人员,可以在体制上使财务信息管理人员从繁杂的会计核算中解脱出来。同时,该部门应配备擅长数据分析的专业人员,专门负责数据解读,实现优势互补。

建立科学的管理框架和流程是提高企业财务信息化收集数据、处理数据能力的关键。为使企业财务信息化得到有效贯彻, 企业决策及管理人员要真正理解信息为管理、为经营服务的本质意义,将科学决策、信息支持的工作理念引入经营的各方面。作为企业管理信息化的中心环节,企业财务信息化要和企业基础数据信息化、业务流程信息化、内部控制过程信息化等多种环节交织。财务信息化系统需要实现企业中心数据库与事业部门子系统相互关联,使经营过程中的采购、生产及销售系统中物资流信息与财务信息相关联,从而使企业经营决策具有科学性和实效性。为此,建立科学的管理框架,梳理出科学有效的业务流程就成为确立企业信息化系统如何筛取重要数据的基础。

3.3 建立科学合理的财务信息分类制度

大数据技术可帮助企业建立快速、实时的分析工具,实现产品周期无缝、无差别分析,为企业产品发展提供有效信息支撑。同时,通过大数据技术,财务可为企业发展的各个环节提供不同的且有针对性的财务信息,使财务信息不再是公众化的三大报表及财务比率。

在大数据时代,科学技术不断提升,财务人员可根据具体的产业链环节建立财务模型,针对具体环节提供对应的财务数据。例如,实时提供给成本中心需要的产品成本单价,成本中心根据单价情况及时调整工艺或原材料,确保价格优势;提供给销售部门不同区域、不同产品、不同利润率及回款率,使销售部门作出更及时、更有效地反映,确保企业获得最大利润。

3.4 提高财务信息化人才队伍的能力与素质

日益复杂的财务环境对企业财务管理提出了更高要求,培训是提高员工综合素质的有效手段,企业需结合自身实际情况,聘请经验丰富的专家指导财务管理人员工作,激发其学习积极性,提高其业务能力。财务数据是企业财务管理的基础,大数据时代财务数据更多的是电子数据。因此,财务管理人员应熟练掌握计算机技术, 集中处理数据,提取数据中对企业有利的信息,建立企业需要的新的数据分析模型,合理存储和分配财务资源,进而做出最优的财务决策,及时为企业提供有效财务信息。

参考文献

[1]孟小峰,慈祥.大数据管理:概念、技术与挑战[J].计算机研究与发展,2013(1).

[2]陈如明.大数据时代的挑战、价值与应对策略[J].移动通信,2012(17).

[3]隋玉明.大数据时代集团财务共享问题探讨[J].财会月刊,2014(9).

[4]蒋坎明.大数据时代的财务工作[J].知识经济,2014(2).

[5]张晓蕾,范晓明.浅谈大数据时代下的财务管理[J].商场现代化,2014(2).

[6]林娜.企业财务管理信息化存在的问题及对策[J].科技传播,2011(4).

[7]宁云才,苏士勇.集团财务信息化建设项目的难点与对策[J].财务与会计,2008(20).