大数据未来的发展趋势

大数据未来的发展趋势（精选6篇）

大数据未来的发展趋势 第1篇

大数据在交通行业中的未来发展趋势

近些年，随着互联网的迅速发展，大数据已经应用于各行各业中，由于云计算的出现又一次推动了大数据的发展，现如今，我国已经将大数据应用于交通行业，借助大数据使交通更加智能化，也有利于更好的管理交通秩序，实现高效运作。1.大数据的概述

随着社会的发展，产生了海量的信息，由此大数据一词走进了我们的生活，目前普遍对大数据的理解是4个V（海量Volume，多样Variety，价值Value，速度 Velocity）：第一，数据体量巨大，从TB级别跃升到 PB级至EB级。第二，数据类型繁多，包括文字、视频、图片、地理位置信息、传感器数据等。第三，价值密度低，应用价值高，以视频为例，连续不间断监控过程中可能有用的数据仅仅有一两秒。第四，Velocity 处理速度快，1秒定律。2.大数据在交通行业现状

随着科技的发展，信息技术的更新，各种传感器、软件，应用而生，为数据的采集提供了可靠的物理保障，使得交通行业积累了大量的数据信息，大型存储设备的出现也为海量数据存储提供了可能，云计算的出现使数据的计算更加高效，交通行业的数据特征基本符合大数据4V特点。2.1信息采集

目前，我国交通行业信息采集主要是通过人工与自动和半自动化设备记录。人工方面主要是人工填写的各种报表，由于人工在操作过程中有可能导致错，所以信息的可靠度不高，并且人工采集的信息量具有一定限制；自动与半自动设备方面信息的来源主要有基于互联网的公众出行服务数据，如大运输联网、网上售票、城市公交刷卡、公众在线交通路线查询、网购物流数据、银行数据、生活消费数据等；基于行业运营企业生产监管数据，如货运源头称重数据，货运、危险品运输电子运单数据，客运进出站报班及例检数据，营运车辆维修检测数据，邮政包裹数据等；基于物联网、车联网的终端设备传感器采集数据，包括车辆相关动态数据：GPS位置信息、车辆能耗、车辆技术状况信息，路网监控信息：卡口视频监测、基于传感器的路况监测、路上动态称重设备、桥梁监测GPS等。2.2数据挖掘分析

大数据目前在挖掘分析方面应用到的技术有数据库技术，也就是利用数据库管理系统对数据进行查找，搜索；SQL ON Hadoop技术是直接建立在Hadoop上的SQL查询，这种技术能将信息管理能有结构化数据延伸到非结构化的数据；传统数据仓库与联机分析处理技术，数据仓库是将不同数据源的数据进行ETL处理，形成统一的数据仓库，并基于数据仓库进行查询，联机分析处理等。也可以应用一些计算工具或第三方平台对数据进行分析，汇总，形成有用的数据，来为决策提供数据支持。

2.3大数据在交通行业的应用

针对公共服务方面，如武汉元光科技有限公司开发的一款公交车实时定位软件《车来了》，通过《车来了》这款手机软件能够实时查询公交信息，车来了不仅能提供公交车的到站距离、预计到站时间，还能显示整条公交线路的通行状况，让用户不再盲目等待，有效缓解用户候车的不安全感；Lathia N 等通过统计地铁系统中流动性的刷卡数据来判断地铁里面人群在不同站点的通行时间，从而指导乘客选择出行时间、购票方式，最小化乘客的花在公共交通上的时间和精力；Ceapa I 等根据出行数据估计了单个地铁站里面的拥挤状况，从而优化乘客的出行。对于智慧出行方面，如实时交通数据采集商 INRIX-Traffic可以通过实时获取用户的出行数据，然后进行数据分析，最后给用户提供最佳线路，能够让用户躲避拥堵；，Yuan J等设计的T— Drive系统利用出租车的GPS轨迹数据来分析交通流量，并且为驾驶者设计最快行驶路线。关于货运交通，学术界也利用物联网大数据对货物运输进行实时监控、路线优化。例如，高连周基于物联网采集到的运输车辆的数据，提出了一种远程智能监控系统，实时控制危险物品和车辆；陈丰照基于物联网实现快速采集数据、实时传输并运用改进的 Dijkstra算法对配送路线进行优化。

虽然大数据在交通行业已有所应用，但是这只是大数据的冰山一角，有更多的应用方面有待我们去挖掘与开发，在大数据这个领域我们只是前行者，我们要认识到这点，然后脚踏实地的去探索大数据的奥秘。3.大数据在交通行业存在的问题 3.1数据信息分散化

在我国，由于政府管理体制为“条块结合”，也就是区域化比较严重，大量的数据主要存储在基层，各级政府部门对数据不能及时共享。由于我国管理制度主要是中央统一领导，区域有一定的自治权，各省都在大力的发展自己的经济，组建自己的交通信息网络，导致各个地区交通信息不能共享。信息化建设方面，有国家专项支持，一般由交通管理部门规划发展交通发展方向和项目，地方单位申请项目并承建，然后按着上级单位的要求进行交通信息化的建设，但是在不同的地区由于经济发展的不均衡和在信息化道路交通方面发展没有创新，导致资金不能更有效的利用，同时，一些欠发达的地区，由于资金的限制和创新思维的缺乏，在交通发展方面不能与地方特色很好的结合，只是一味的按照上级规划路线发展，导致信息化建设项目同质化严重，阻碍了当地信息化建设的发展。在信息采集方面，由于各地方规定不同，导致信息采集的标准不一，造成信息分析加深难度。3.2信息存储困难和成本提高

在信息技术快速发展的今天，虽然大数据已经渗透各行各业，我们用大数据也做了不少的事，但是随着信息技术的不断发展，信息的数量不断的增多，就会需要硬件设施不断更新，数据存储技术也在不断发展，从业人员就要不断地学习新的技能，对于交通管理部门就要投入大量的资金和技术来维持现有设备的更新与维护。地方政府交通管理部门，对于自建的信息中心维护难度也越来越难，投入会越来越多，就会感觉入不敷出，不愿有更多的投入，导致现有的信息资源浪费。4.大数据在交通行业的未来发展趋势 4.1商业化模式 4.1.1服务精准化

大数据在商业领域的应用已经有所体现，如武汉元光科技有限公司开发的一款公交车实时定位软件《车来了》，通过车来了这款手机软件能够实时查询公交信息，车来了不仅能提供公交车的到站距离、预计到站时间，还能显示整条公交线路的通行状况，让用户不再盲目等待，有效缓解用户候车的不安全感。尽管大数据在交通行业已有所应用，但是，目前大数据在交通行业的应用只是处于低层次的应用，我认为以后大数据在交通行业的应用更能体现在精准服务方面。什么是精准服务？，精准服务就是运用大数据能够为每一个人的出行提供精准服务，可以精准到你去哪里，几点几分能到哪里，运用什么交通工具更适合你的出行等等一系列的精准服务模式。如何做到精准服务？对于精准服务，可以通过对人们出行的数据进行记录，然后对记录的大数据进行精确的分析，利用现有的资源和技术，以及后期有可能出现的新的技术进行合理的应用，分析出大数据中能够为交通出行提供决策的信息，然后其他方面的情况进行对比，结合各方面的资源，最终推算出有利于个体出行的计划。

大数据在交通行业精准服务在未来的发展，将会给服务提供者，带来无限的商机，就如，服务商可以根据大数据分析结果，然后根据特定的消费者的出行计划，然后在消费者可以出现的地方投掷面对个体消费者的广告，还可以通过数据分析，得出消费着的消费习惯为消费者选择喜欢的交通工具，还可以根据消费者到达什么目的地，然后根据大数据分析，对消费者接下来要做的事情提供参考方案。4.1.2个性化出行

个性化，顾名思义，就是非一般大众化的东西。在大众化的基础上增加独特、另类、拥有自己特质的需要，独具一格，别开生面的一种说法。打造一种与众不同的效果。而对于个性化出行，可以利用大数据，对出行者日常的出行习惯，购物习惯，生活习惯等一系列要素进行分析。如可以利用大数据分析出行者在什么心情下愿意乘坐什么类型的车，针对这种情况可以为出行者提供特制的服务，还可以根据出行者的人物个性，身体状况，所处的环境进行数据分析，然后为出行者提供独特的出行方式以及出行工具。所以随着科学技术的发展，人们生活中的行为习惯，性格特征等数据都有可能被记录下来，然后利用这些数据进行精确的分析，然后为出行者提供具有与众不同的出行方式及其生活体验。在现在快速的生活方式中如果能有特制的服务方式，不仅能够为出行者提供了不同的出行体验换可以降低出行成本以及在出行时间上得到高效的利用。4.2非商业化模式

4.2.1形成高效统一的管理系统

大数据最终的目的是使使用者能够根据大数据实现高效的决策。对于交通而言，交通具有很强的流动性，由于参与要素的不同，会将信息分散在很多地方，存储在不同的行政单位，例如存储在交通局中的，存储在公安局中，还有各种航运公司等这些信息之间的共享性不是很高，大数据有助于在各级行政单位将会把信息共享，信息统一性，实现高效的管理，而将地理区域和行业区域化分成不同的块，这种划分将会有利于，地区和行业的发展，可以利用大数据进行有效的决策。这样一种系统将会有很多优点，比如提高信息的集成率，还可以提供多样化信息，在面对道路交通中拥堵问题可以其前进行分析，然后将分析结果发送给司机，让司机选择最短并有利于自己的通行方案，这样就能够缓解交通拥堵问题，换可以改善交通质量，让出行者切身体会到公共交通的便捷性，也能提高公共交通的服务体验，让出行者有种享受的感觉。4.2.2促进全面的交通智能化改革

大数据的特点主要有4V特点:Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)。大量性足可以体现出需要获取海量的数据，目前获取数据的通道有城市交通卡、网上购票、货运公司、淘宝购物数据、银行数据、医疗消费数据等，而在交通行业中大数据的获取主要是城市交通卡、网上售票、购物物流、货运公司记录、出租车记录、道路监管网、道路收费信息等通过这些方面获取的信息可以说还不够全面，有一定的制约性，因为目前在技术方面还具有很大的不成熟性，硬件方面也不能支持整个系统，所以这就需要物联网技术通过各种传感设备及系统在这一方面进行布局，建设公路，航空，市场等基础设施，借助这些手段与方法可以在交通行业实现全面交通智能化，为数据的采集提供更多方式，也能够利用这种变革可以使数据具有多样性，经过分析数据，为决策者提供决策依据，也有利于交通智能化与大数据互相促进，实现有利的结合。最终会使交通智能化。4.2.3提供交通安全性预测

中国每一分钟就有一人因车祸伤残，每五分钟有一人因车祸死亡，每天平均死亡288人，每年平均死亡105120人，汽车数量占世界1.9%，车祸死亡人数占世界15%，且每年增加4.5%，所以针对交通安全严峻形势，要完成全年事故起数、死亡人数、万车死亡率三下降和特大交通事故起数同比减少的工作目标，全国公安机关交通管理部门将继续深入贯彻4·17会议精神，深化“五整顿”“三加强”工作措施，全面推进“平安畅通县区”活动，继续开展专项整治。对于交通安全国家投入了大量的人力物力，但是效果甚微，不过随着大数据的发展，交通管理部门可以根据交通大数据进行分析，在容易出现交通的路段安装相应设施，做到提前预防，也可以通过对道路运行车辆进行实时数据分析，进行相应的安全指数提醒，和相应的措施阻止交通安全隐患的发生，及时帮助司机排除隐患，构建安全体系。大数据的发现和相应技术的出现，可以说是一种福音，要借助大数据的优点，利用好大数据为交通安全提供一种参考，让大数据发挥相应的作用，而大数据的实时性和可预测性保证了交通系统对事故的主动预警，以便提前预测事故发生的可能性或在事故时及时采取应急处理措施，利用大数据技术不仅提高交通运输安全，改善人们出行体验满意度，同时也可以帮助物流配送过程提高稳定性与安全性，这将是未来发展的一个趋势。5．结语

大数据的出现，可以对我们的生活产生深远的影响，但是这种影响将是有利于我们的，在交通行业中，已经产生了大量的数据，虽然现在有些企业已经利用这些数据，也将这些数据应用到我们的生活中，但是这只是对大数据微不足道的应用，而大数据里面存在的信息与价值将成为交通行业管理者和研究者的关注点，大数据时代的到来将带来破解难题的重大机遇，大数据必将在今后会对交通产生巨大的改革。伴随着大数据在交通行业的应用，将会在交通信息统一管理，共享，交通智能化改革，交通安全方面成为未来发展的趋势。

（作者：马有贵）

参考文献

[1] 王雅琼，杨云鹏，樊重俊.智慧交通中的大数据应用研究[J].物流技术,2015,37:1-2 [2]Ceapa I，Cepra C S L．Avoiding the Crowds：Understanding Tube Station Congestion Patterns from Trip Data[c].UrbComp，Beijing，2012．

[3]Yuan J，Zheng Y，Zhang C，et a1．T—Drive：Drying Directions Based on Taxi Trajectories[c]．SIGSPATIAI，GIS，San Jose，2010．

[4]高连周．基于物联网技术的道路危险货物运输智能监控系统的研究[J]．物流工程与管理，2013，03:80—82+68．

[5] 马英杰.交通大数据的发展现状与思路[J].道路交通与安全,2014,14:56-59 [6]梁景原.“互联网+”和大数据时代下智慧交通的发展思考[J].信息及系统应用，2016,10:64-65 [7] 刁仁群，莉莉.大数据背景下智能交通的发展趋势[J].江苏交通科技，2016,03：28-30 [8]海川.大数据时代的智能交通[J].新经济导刊，2016,07:11-16 [9] 李建国.大数据在智能交通中的应用与发展[J].信息技术2016（73）[10] 陈德铭.基于大数据的智能交通体系架构[J].信息技术2016,81:280-282

大数据未来的发展趋势 第2篇

2014-12-01 中国氯碱网

大数据是当下高温热词，它凭借规模超乎想象的海量资讯数据，通过收集、分析、存储的一些新方法，正深刻地改变着人们生产生活的方方面面。大数据在石油化工领域会有哪些应用？对生产、经营会有何促进或者改变？为此，记者进行了深入调查。

大数据分析是行业趋势其实，大数据离我们并不遥远。2013年诺贝尔化学奖得主就是将看似不相干的大数据信息化处理方法比较完美地运用于化学研究之中，从而摘取了化学科学研究的王冠。其开发的多尺度复杂化学系统模型，翻开了化学史的“新篇章”，让传统的化学实验走上了信息化的快车道。如今，反映真实情况的计算机模型已经成为现在化学界大多数新进展的关键，通过模拟，化学家能更快获得比传统实验更精准的预测结果。

大数据具有体量大、种类多、价值密度低、速度快等一系列特点。其数据体量巨大，从TB级别，跃升到PB级别；数据类型繁多，如视频、图片、地理位置信息等，多类型的数据对数据的处理能力提出了更高的要求；价值密度低，以视频为例，连续不间断监控过程中，可能有用的数据仅仅只有一两秒；处理速度快，时效性要求高，这也是大数据区分于传统数据最显著的特征。事实上石油化工企业对数据早已应用多年，比如对生产运行指标，销售产品的品种，以图表的形式，由点到线，由线至面，分析、研判，为企业决策做参考，只不过应用的数据没有积累、挖掘到一定的量级，因此大数据很难用现有的数据库管理工具或传统的数据处理应用来处理。北京北大方正电子有限公司大数据业务部总经理于林认为，石油石化行业具有数据量大、类型多样、存储格式复杂及数据分散等特点，尽管大数据在石油石化行业的应用前景非常广泛，但应用程度并不高。面对节能的挑战、新能源的发展、两化融合等多项问题，必须通过大数据的创新与应用，帮助石油化工行业应对挑战，通过语义分析技术和元搜索引擎，完成相关信息采集，并对数据进行存储、检索和智能分析，从数据深度关联、可视化查询、数据报告等多个方向，为石油石化企业实现企业决策、生产管理的智能化提供数据支持。

例如英国石油公司在某采油厂安装无线感应器，通过全网式的数据采集，发现有些种类的原油比其他种类更有腐蚀性，这个发现可以在设备和管线的使用上加强防范，使生产更安全。虽然只是一个局部的应用案例，但是已经能够说明大数据分析的应用对石油化工行业有着重要的作用和意义。

大数据未来的发展趋势 第3篇

2 0 1 2年 , 联合国在 大数据白 皮书 “Big Data for Development: Challenges &Opportunities”中指出,大数据时代已经到来,其出现将会对社会各个领域产生深刻影响[1]。特别是与我们生活相关的服务行业,如去哪儿网、阿里巴巴、京东等,但在教育领域,大数据时代才刚刚开始。在阅读过维克托·迈尔-舍恩伯格和肯尼思·库克耶所著《与大数据同行—学习和教育的未来》之后,本文提出一些需要被探讨的问题:大数据对教育意味着什么?大数据何以帮助教学?大数据的应用前景如何?

一、大数据对教育意味着什么

大数据时代将是一个不断学习、不断完善我们对世界认知的时代[2]。那大数据对教育意味着什么?它主要体现在重塑学习的三个主要特征,即反馈、个性化和概率预测上。

1. 教育信息的多向度反馈

在传统的学校中,一提到反馈,人们往往想到的是评价,而且是单向度的评价, 评价对象是学生,评价内容是出勤情况、 家庭作业、课堂参与和学业测验等。显而易见的是,这一教育反馈系统存在诸多方面的不足。首先,所收集的信息数量远远不够。其次,这些数据并未获得正确使用。 再次,单向度反馈,仅从教师和学校指向学生。这在其他领域看来,极不合理。没有一个制造商或销售商会只对客户开展评价。他们想要获得的反馈,在很大程度上是关于自身产品和服务的,而其目的是使自身的产品与服务得到改进[3]。

大数据时代,这种单向度反馈将得以改变。例如,学生和教师在使用电子教科书时,数据采集会随之开始:学生是否在特定章节做了笔记?为什么要做笔记?在教学中,教师为什么舍去这部分内容?图书出版机构和作者可以从电子教科书的相关平台上获得上述综合数据,更清楚地认识师生是如何使用教材的,教材的哪些内容受欢迎或干扰学生学习或晦涩难懂等, 可针对这些反馈进行大数据分析,对教材给予完善。由此,我们可以看出,在过去, 信息的流动是单向的,即从图书出版机构和作者到师生,但在大数据时代,信息传递变成双向或者多向度的,会将相关信息反馈给出版机构和作者。

2. 学习私人定制变为现实

基于大数据的教育,可以实现个性化学习。个性化学习,令人印象最深刻的特征是动态性,学习内容可随数据收集、分析和反馈加以改变与调整。如果学生对 “平行线”这一概念的理解还存在困难,那这部分的内容就会被纳入习题集,让学生有充足的练习机会。

我们可以截取、混合最喜爱的音乐, 并将之刻录到i Pod播放器中,那为什么不能对学习进行同样的操作呢?创建个人 “播放列表”,这显然更有意义。在未来, 学习绝不会按照给定的教科书或课程,以同样的顺序和步调进行,将会有数千种的组合方式。教师不再需要凭借主观判断, 选择最合适教学的书籍,大数据分析将指引他们选出最有效的支持进一步完善和私人定制的教材。当然,同一组学生仍会使用同一内容的教材,毕竟他们需要通过相同的测验,但教材可以进行个性化处理[4]。

基于大数据的支持,针对学生的教学, 不仅可以体现教材选择或自学内容模块组合的人性化,还能够在进度安排、辅导要点和辅导方式等教学环节设计更适合学生特点的教学方案。

3. 教育大数据的有效预测与预警

通过大数据,教师可以更好地理解和预测学生的个人学习行为、程度和态度, 基于高度的可能性,对个体为提高学业成绩需要实施的行为做出预测。例如,选择最有效的教材、教法以及反馈机制,对其效果进行预测。但这仅是概率预测。显然, 相对于过去传统、同质化的教育,这是一种进步,但在预测时也应意识到这些预测有一定的局限性,并非百分之百正确。亚马逊、淘宝、优酷等基于大数据分析的概率预测,其推送信息可以被接受,因为即使预测有误,其造成的后果并不严重。然而,一旦涉及教育决策,概率预测将会成为潜在的巨大威胁,因为这将会对人们未来是否成功造成极大的影响。

二、大数据何以有助于教学和学习

1. 新的分工:教育数据分析师和学习 导师

目前,学校教师主要分为教育管理人员和教学一线教师。在大数据时代,教学管理人员和教师依然会存在,但这两部分人员可能会出现新的分工。例如,在教学管理人员中可能会出现数据管理分析人员, 熟知网络和数据存储的工作人员会成为学校网络安全的专家。教师也可能会出现新的分工,理想的状况是基础课程由特别优秀的教师来教授,而不是随便由谁来教[5]。 此外,对于那些实践性强的工艺性和艺术性课程,可以借助网络媒体构造虚拟的实践环境,增加学生参与实践的机会,根据学生特点调整实践环节的复杂程度。这种动手操作的经验,不是理论性课程可以传授的。具备在现实或虚拟环境中操作经验的教师,也将发挥越来越重要的职能。与此同时,也可培养出其他的新型教师,其工作重点在于根据所获得的反馈数据和信息,指导学生选择最适合的学习途径,例如,所修课程、所用教材、最适当的学习顺序等。

这跟医生角色的转变有相似之处,医生从单一的诊断病情和告知患者病情逐步向人性关怀转变。教师和学生之间的互动也会遵循这一方式,他们在学习过程中扮演的角色更像合作者。

2. 新的分析方法:相关关系

目前,对教育质量信息的分析,大致可分为两种类型:状态分析和因果分析。 前者是对质量现有状态的初步分析和判断, 带有描述性质;后者是对影响质量的原因进行分析,带有推断性质[6]。然而,大数据时代信息分析的特征是相关关系,而非我们所熟知的因果关系。它不会告诉我们事情为什么发生,而会向我们说明正在发生什么。通过非因果分析,把目标定位在理解“是什么”,而不是“为什么”。

在大多数的情况下,相关关系足以帮我们做出决策。但这并不意味着对因果关系的探索是错误的。也许,我们应该更加谦虚,而不是自以为能够理解周围的世界。 数据静静地待在需要被发掘的地方,当前各类学校也早已有了这些资料,但教育者缺少的是正确、有效挖掘资料的方法和措施,而相关关系会在教育质量信息分析领域发挥更大的作用。

3. 新的教育决策方式:基于数据和 实证

现在,教育主要依靠教师的个人教学经验对学生学习行为进行判断,并制定教学政策。经济合作与发展组织(OECD) PISA项目的一个主要负责人提出,基于数据的教育决策更具说服力和公信力[7]。

教育领域中大数据的应用,主要包括教育数据挖掘和学习分析两个方向。教育数据挖掘通过数据建模,发现学习者学习结果与学习内容、学习资源和教学行为等变量的相关关系,预测学习者的学习趋势。 学习分析是通过利用已知模型和方法解释影响学习者学习的重大问题,评估他们学习行为,提供人为的适应性反馈[8]。随着科技的发展,两者有进一步融合的可能。

在学习环境下,大规模个性化的实现需要更丰富的反馈数据流向教师和管理人员,了解学习中的有效因素和无效因素, 细分到背景和组群,甚至小到个人水平。 系统将吸收反馈结果,动态地调整教材和环境,更好地理解学生个性化学习过程, 让每位学生处于最佳教学状态。基于数据和实证,让每位学生处于最佳的学习状态。

三、对教育和学习的启示

如今,学生使用互联网搜索资料的速度远超过教师和家长,获得资料和信息更超越书本以及课堂上所能提供的范围。在这种情况下,他们很容易将课堂学习视为可有可无。但事实上,在快速和信息过量的环境下,学生尤其需要有效处理信息的能力。虽然他们习惯于同时处理多项任务, 随时存取,但如何理解不同类型的信息, 尤其当信息表达的观点含混不清或自相矛盾时,如何深思熟虑进行批判性思考,如何整合各种信息建构知识系统?这都是网络科技无法教会他们的。

第一,“互联网 +”时代,学校的社会化功能更为凸显。课堂上思辨和讨论的过程,在这一背景下显得尤为重要,可以加强学生分析、管理、综合和评价信息的能力,帮助他们在网络学习的搜索和选取上更得心应手。此外,通过课堂的小组讨论和协作,能帮助学生形成良好的情绪管理能力,建立良好的人际关系。而在线课程只能辅助学校教室中的正规教学活动,而非取而代之。因此,我们要明确,教育目标不仅是传输知识和培养技能,还应塑造学生的人格和文化品质,其需要在现实的人际交往中实现。学校的社会化功能是技术手段所不能替代的。

第二,重视师生分析数据的能力。获取大量的数据重要,但拥有资料或数据并非我们的目的。要想真正运用大数据带给教育的好处,必须掌握分析数据的能力。 对学生来说,面对数据时,应关注所有权人及制作者,分析数据提供者的目的与意图,关注媒体技术与传播表达,搜寻信息与批判性思维,最后做出相应的决策。对教师和管理者来说,其自身要成为“数据脱盲者”,知道如何通过阅读图表追踪学生的进步,分析概率预测,使自己能够解释这对学生意味着什么,并鼓励学生更有效地学习[9]。

第三,有效管理和谨慎使用数据。首先,教师应不断收集和分析关于“如何学习”的资料,而不仅是偶尔一次的正式考试。其次,这些资料不仅会反馈给教师, 也会反馈给学生、家长和教育行政部门的官员。再次,各种教材经过演算,能够实现个性化定制,针对学生的不同需求,用不同的上课顺序和步调,实现最有效的学习。而且,教材本身也要不断改进。最后, 提高反馈数据分析结果的时效性、可视性和可读性[10]。

大数据产业发展现状和未来趋势 第4篇

在大数据时代，数据量呈几何级增长，数据类型多样化以及用户对于数据访问、分析与应用的苛刻需求，让传统的数据存储与管理难以应对。大数据时代的到来对国内客户的存储技术升级与革新提出了更高的要求。

一、中国大数据产业市场规模

随着各行业对海量数据存储和应用的需求日益迫切，信息科技特别是大数据应用技术在加速发展。中国政府已经颁布了面向未来十年的国家信息化发展战略纲要，立足于全面打造国际先进、安全可控的核心技术体系，带动集成电路、基础软件、核心元器件等薄弱环节实现根本性突破，着力构筑移动互联网、云计算、大数据、物联网等领域发展优势。

“互联网+”时代下，人类所产生的数据量呈爆炸性增长，大约每两年就翻一番。据中国产业信息网发布的报告显示，从2011年至2015年，中国大数据市场规模以30.1%的复合增长率高速增长。预计未来3年，中国大数据市场规模仍将以36%以上的速度增长（见图1）。其中，在大数据市场中，增长率最高的是存储市场，将以50%以上的速度增长，远远高于其他非大数据产品相关的市场。

二、中国大数据市场发展趋势

中国在大数据领域具有巨大的市场潜力，越来越多的IT供应商将中国大数据业务作为发展的热点。总的来看，未来大数据市场将呈现以下发展趋势：

一是开源软件为大数据市场带来更多机会。大数据市场开源软件的盛行不会抑制市场的商业机会，相反将会给基础架构硬件、应用程序开发工具、应用、服务等各个方面的相关领域带来更多的机会。

二是大数据推动软件公司间的并购。大数据概念覆盖范围非常广，包括非结构化数据从存储、处理到应用的各个环节，与大数据相关的软件厂商也非常多，但是又没有哪一家厂商可以覆盖大数据的各个方面，因此大型IT厂商将为了完善自己的大数据产品线进行并购。

三是针对大数据的一体化设备市场迅速增长。自云计算和大数据概念被提出后，针对该市场推出的软硬件一体化设备就层出不穷。我们认为，在未来几年里，数据仓库一体机、NoSQL一体机以及其他一些将多种技术结合的一体化设备将进一步快速发展。

四是出现打包的大数据行业分析应用。随着大数据逐渐走向各个行业，基于行业的大数据分析应用需求也日益增长。未来几年中针对特定行业和业务流程的分析应用将会以预打包的形式出现，这将为大数据技术供应商打开新的市场。

五是大数据推动基础架构横向拓展。为了支持大数据非结构化、不断刷新的特点，大数据的基础架构层面也会在未来发生变化。大数据的基础架构支撑已经不仅限于高性能计算层面，而且需要硬件产品更好的支持虚拟化和分布式架构的软件。同时，基于固态存储的分层存储解决方案、智能化的负载均衡网络结构也都会得到更多应用。

六是中国成为全球最重要的大数据市场之一。中国的互联网用户和移动互联网用户数量全球最多，这些终端设备每时每刻都在互联网上创造数据。同时，近年来中国企业级存储的出货量也达到全球第二位。庞大的数据容量不但令众多国际厂商重视中国市场，也使得中国的大数据应用具备了不同于国外的特点，我们有理由期待中国的大数据市场将会出现本土化的创新型解决方案。

三、大数据发展面临的挑战

中桥国际调研咨询针对中国455家企业所做的一项研究表明，当前企业在大数据存储方面面临诸多挑战。首先，巨大的数据量将给企业的存储容量带来压力，现有存储容量往往不能满足需求。其次，传统存储资源配置不合理和传统IT分层管理的方式，导致系统IT资源配置和管理的复杂性较高。购买新存储虽然可以满足海量数据和应用多元化对存储容量和性能的需求，但造成了企业存储采购和运营成本高的问题。企业在实现应用多元化的同时还要保证业务处理速度，因而对系统的并行处理能力也提出了更高要求。此外，大数据数据类型的多样化和复杂性，增加了企业非结构化数据分析的难度（见图2）。

四、大数据相关企业案例分析

2016年9月8日，紫光集团旗下紫光股份与美国西部数据举行紫光西部数据有限公司成立庆典活动。紫光西部数据有限公司（以下简称紫光西部数据），是由紫光股份持股比例为51%，西部数据持股比例为49%共同成立，其总部及研发中心位于南京，市场及销售总部位于北京。紫光西部数据将通过本地研发团队，结合西部数据和紫光集团在技术研发、设计生产、市场推广等方面的领先优势，为各行业客户提供更加符合中国市场需求的大数据存储解决方案及服务。

紫光西部数据的价值观

一个企业的价值观是决定一个企业能否长期生存的关键因素。紫光西部数据首席执行官缪刚先生表示，紫光西部数据的价值观在于，注重自主研发，在遵循标准化的基础上，致力于对行业进行深化创新和优化，提供真正适合于中国本土情况的全面的数据解决方案。

紫光西部数据未来发展方向

软件定义一切的最明显的特征就是硬件的标准化，同时高可移植性。缪刚先生表示，紫光西部数据未来将从封闭架构转向开放架构，拥抱先进技术。在未来的路线图上承诺将无厂家限制，希望通过这样的方式还给市场一个自由的未来。具体来说，紫光西部数据将从以下四个方向深入着手：

一是行业优化。由于每个行业都有自己的特点，以互联网为例，互联网今天的发展已经脱离了最早的美国模式，而迅速地进入了一个自主创新的新商业模式，所以深入理解行业的应用，针对具体行业进行开发、推广的应用方案是其未来的发展方向。

二是加强数据安全。相当一部分中国客户的数据是具有商业敏感性的，甚至一些客户的数据具有国家机密性，对这些数据使用基本的存储功能和服务是远远不够的，紫光西部数据将立足于本土，致力于为客户提供安全、可控的加密技术，真正做到让客户的数据自主、安全、可控。

三是提升数据质量。由于大数据数量巨大、来源多样化、处理要求及时（基本上30%客户的数据被用于实时处理），这要求整个IT技术架构由堆站式向扁平和融合方向发展，这样才能更好的对大数据进行存储、分析。紫光西部数据将在此基础上提供进一步的融合，从而提高数据的质量。

四是协同合作。展望未来，为更好的服务好本土市场，紫光西部数据将秉持一种开放的态度，以更加灵活、更加长远的策略，在技术研发、市场推广、客户服务等方面和各类合作伙伴一起合作，共同打造双赢的局面。

紫光西部数据未来发展举措

对于紫光西部数据未来发展举措，紫光西部数据董事长章雷先生、紫光西部数据首席执行官缪刚先生、紫光集团联席总裁齐联先生、西部数据全球高级副总裁Dave Tang给出以下答案。

一是打造集合所有知识产权的优秀平台。首先，紫光西部数据和秦淮区签署了在南京成立数据和存储研发中心的协议，这是一项重要举措。其次，加强与大学的合作。南京有很多优秀的大学，紫光西部数据将充分加强和大学的合作，希望将更多的优秀技术转化成产品。此外，加强中美合作是另一项重要举措。紫光西部数据有计划在硅谷设立分支机构，把世界的先进技术通过这个平台引进到中国。

二是协同发展。紫光股份拥有国内很好的各类客户关系，和遍布全国的分销系统网络，这个系统将对紫光西部数据的产品、服务的推广和应用都有很好的促进和帮助作用。紫光股份对紫光西部数据的支持作用，实际上体现在协同效应上，这是一个最大的支持。而西部数据在存储领域的优秀能力，提升了紫光的整体竞争能力，这对紫光西部数据又是一个最有利的支持。未来，紫光西部数据、紫光股份、西部数据三者将协同发展，共创辉煌。

三是实现创新。紫光西部数据将使用西部数据的系统，针对中国市场做一些定制和增强。中国市场有很多软件开发的工作和机会，比如在媒体和娱乐业，对于这些视频播出公司、电视台，他们需要有更多的资源来管理他们的数字媒体、素材，它们的核心是由西部数据来设计的。这其中需要很多的软件来过渡，而且非常复杂，这正是紫光西部数据的机遇所在。因为中国的解决方案和世界上其他地方还是非常不一样的。此外，在数据安全方面，要给中国客户提供数据保护，需要很强的软件开发能力，这也是紫光西部数据需要创新的领域。

大数据未来发展的相关文献 第5篇

2015年,国务院印发《促进大数据发展行动纲要》,明确系统部署了大数据发展工作。

2015年,国务院办公厅出台《关于运用大数据加强对市场主体服务和监管的若干意见》要求“充分运用大数据先进理念、技术和资源,加强对市场主体的服务和监管,推进简政放权和政府职能转变,提高政府治理能力”。

2016年,国家“十三五”规划纲要明确指出,实施国家大数据战略,把大数据作为基础性战略资源,全面实施大数据发展行动,加快推动数据资源共享开放和开发应用,助力产业转型升级和社会治理创新。

2016年,住房和城乡建设部发布的《2016~2020年建筑业信息化发展纲要》指出,全面提高建筑业信息化水平,增强大数据应用能力。

大数据未来的发展趋势 第6篇

(2012-03-27 14:01:49)赵国栋

应约写一篇介绍大数据的文章，发表在某公司的内刊上。阅读对象多为非IT行业的咨询顾问和投资人。因此，必须做到深入浅出，言之有物。IT本身枯燥，大数据这个概念又过于时髦，业界亦是众说纷纭。不用技术词汇说明白这件事情，还是蛮有挑战的，因此写成博文，先请方家、网友们批驳。

1993年《纽约客》刊登了一副漫画：标题是：“互联网上，没有人知道你是一条狗”。据说作者彼得·施泰纳因为此漫画的重印而赚取了超过5万美元。彼时关注互联网社会学的一些专家，甚至担忧“计算机异性扮装”而引发的社会问题。譬如同性恋和恋童癖，可能会借助互联网而大行其道。

20年后互联网发生的巨大的变化，移动互联、社交网络、电子商务大大拓展了互联网的疆界和应用领域。我们在享受便利的同时，也无偿贡献了自己的“行踪”。现在互联网不但知道对面是一只狗，还知道这只狗喜欢什么食物、几点出去遛弯，几点回窝睡觉。我们不得不接受这个现实，每个人在互联网进入到大数据时代，都将是透明性存在。在物理世界中，许多行为是“人似秋鸿有来信，事如春梦了无痕”。但在互联网上却是“处处行迹处处痕”。任何行为，皆有前兆。要买商品，必先浏览，对比，询价；要搞活动，必先征集、讨论、策划；互联网上恰恰保留了大量的前兆性的数据，通过对这些数据的收集和分析，互联网企业具备了预判物理世界中，人类未来行为的能力。收集分析海量的各种类型的数据，并快速获取影响未来的信息的能力，这就是大数据技术的魅力。事实上大数据的来源非常广泛，天上的卫星、地上汽车、埋在土壤里面的各类传感器，无时无刻不在生成大量的数据。这些数据如果综合利用，产生的社会价值和经济价值将是难以估量的。

第一篇报告——《大数据时代即将到来》，之所以用时代这个词作为标题，是因为大数据是历史上首个可以预测人类短期行为的技术。未来的不确定性，是人类产生恐惧的根源之

一，也是各类组织最为头痛的问题。大数据技术技术让我们看到解决未来预测问题的一丝曙光。

“08年初,阿里巴巴平台上整个买家询盘数急剧下滑，欧美对中国采购在下滑。海关是卖了货,出去以后再获得数据；而我们提前半年时间从询盘上推断出世界贸易发生变化了。”通常而言，买家在采购商品前，会比较多家供应商的产品，反映到阿里巴巴网站统计数据中，就是查询点击的数量和购买点击的数量会保持一个相对的数值。统计历史上所有买家、卖家的询价和成交的数据，可以形成询盘指数和成交指数。这两个指数是强相关的。询盘指数是前兆性的，前期询盘指数活跃，就会保证后期一定的成交量。所以当马云观察到询盘指数异乎寻常的下降，自然就可以推测未来成交量的萎缩。这种统计和分析，如果缺少大数据技术的支持，是难以完成的。这次事件，马云提前呼吁、帮助成千上万的中小制造商准备过冬粮，从而赢得了崇高的声誉。

推动大数据技术在各行业普及的原动力，来自于企业改善自身经营水平、提升经营效率的需要。长期以来，困扰企业最大的难题就是“如何更加了解他的客户”。索尼公司的创始人出井伸之解释索尼衰落的根本原因时，说了一段发人深省的话：“新一代基于互联网DNA企业的核心能力在于利用新模式和新技术更加贴近消费者、深刻理解需求、高效分析信息并做出预判，所有传统的产品公司都只能沦为这种新型用户平台级公司的附庸，其衰落不是管理能扭转的。互联网的魅力就是‘the power of low end’”。

这句话有两层含义。第一，传统企业衰落的根本原因在于难以贴近消费者，难以了解消费者的真正的需求。第二，互联网公司强项恰恰是天然的贴近消费者，了解消费者。传统企业必然嫁接互联网企业的DNA，否则必将沦为互联网企业的附庸。

这一轮的变革，事关绝大多数企业的命运。可以看到，用大数据这个视角，可以察企业的兴衰。第一，对大数据不关心，不了解。必步索尼的后尘；第二，拥有大量的数据，并善加运用的公司，必将赢得未来。时代变了，判断企业价值的标准、判断软件价值的标准也变了。

我们判断软件价值的标准是它所协助管理的数据的规模和活性。

我们判断公司价值的标准是其拥有数据的规模、活性，以及收集、运用数据的能力。围绕数据和最终用户，我们观察到计算机行业的发展有三大趋势：第一应用软件一定会泛互联网化。第二，行业会垂直整合。越靠近终端用户的公司，在产业链上将拥有更大的发言权。第三，数据将成为资产。泛互联网化是收集数据的重要渠道，没有泛互联网化的应用软件，公司就难以获得用户的行为数据；行业垂直整合趋势在数据运用层面，通过搜集大量的用户数据，更贴近用户，更理解用户，为其提供更适当的服务；数据成为资产更强调数据的战略意义。三大趋势的提出，拓展大数据主题的研究范围，开辟了新的视角和逻辑来观察软件公司成长路径和投资价值。成为我们分析研究TMT公司的顶层逻辑的要素之一。

在详细说明三大发展趋势之前，我先强调一下，大数据对传统企业影响。第一，文化的颠覆和组织的重构。传统的金字塔式的组织结构一定是过时的，必须全面转向以客户和消费者为中心，重新梳理公司的战略、文化、组织。期间有大量的咨询业务机会。第二，对信息系统的冲击。传统架构的信息系统无法应对海量数据，首先存不了，其次也无法在多种数据间建立联系，也就无从分析，更谈不上快速有效。我原来给运营商做商业智能的项目，运行一天出结果，就不错了。但大数据要求是1秒有答案。这种差别是巨大的。所以信息系统面临升级换代的要求。第三，企业管理经营必须和信息系统完美对接。管理要标准化、标准要流程化、流程要信息化、信息要智能化。而且我们还观察到一些咨询公司收购软件企业，为客户提供包括战略咨询到信息化建设的完整服务。

首先来看看第一大趋势，应用软件泛互联网化。所谓泛互联网化，就是指应用软件都会和互联网联通，成为用户接入互联网，享用网络服务的媒介。一般而言，大家用浏览器上网。现在几乎所有的应用软件都具备联网的功能。比如我现在打字用的输入法，它不断的把我的常用词传到到网上；再如360安全卫士，不断的会收集电脑上的一些隐患，也会传到网上。泛互联网化解决两大难题，第一，猖獗的盗版。盗版软件接入网络无异于自投罗网；第二，促使盈利模式从卖软件拷贝，走向多元化。可以卖服务、可以卖流量、可以卖广告。多元化了。

泛互联网化有三个显著的特征。第一，跨平台，不管是PC、平板还是手机，给客户的体验应是相近和相互关联的；第二，门户化，用户无需启用其他软件即可完成绝大多数的工作和沟通需求。对于个性化的用户需求，可以直接调用第三方应用或者插件完成；譬如从新浪微博的发展轨迹从，可以清晰的观察到，门户的特点。某个软件一旦具备了门户的特征，那他就基本走在赢者通吃的路上，甚至给第二名都留不下多少机会。第三，碎片化。把原来大型臃肿的软件，拆分成多个独立的功能组件，用户可以按需下载使用。最典型的例子就是苹果的APP store

。每个“碎片”完成一个小功能，聚合起来，就可以满足人们方方面面的需要。到今年3月份，苹果应用商店的下载量已经超过250亿次。碎片化衍生出微支付，用户可以花几元钱买到很好玩的东西。如果一些大型应用软件，通过碎片化方式提供，还可以显著降低用户的总体拥有成本。这个话题还有很多方面可以讲，限于篇幅，就此打住。

一旦我发现在企业市场运用泛互联网化思想的软件，我就非常兴奋，意味着这家公司的具备爆发式增长的基本条件。用友的几款软件就是这样。不过他们的步子需要再加快一点。慢慢腾腾的可不行。我看到有些给企业服务在线小应用，如人力资源测评等，完全可以再延伸一步，采取泛互联网化的模式。

第二大趋势是行业应用的垂直整合。了解这个趋势，可以解释非常多的公司成长逻辑。真真是三十年河东，三十年河西。在这个趋势下，越靠近终端用户公司，在产业链中拥有越大的发言权。微软的股价十年横盘，IBM却受到巴菲特的青睐，两大巨头之间的恩恩怨怨、此起彼伏是这个趋势最好的注脚。

过去大家买电脑，关注的是CPU主频、内存、操作系统等，现在入手IPAD，直观感受是酷不酷。没有人问IPAD的CPU是几核的。这标志消费者的关注重点已经迁移到电脑能否满足我的个性化需求。在企业级市场也一样有相同的趋势，客户更多会问，你们能不能满足我业务的需要？不要讲你的数据库、主机又出了什么新功能。这个趋势的出现有两大原因，第一，通用的平台型软件逐渐同质化；第二，用户对自身业务关注，超过对计算能力的追求。

软件同质化其实很多人都没有意识到，前两天有人在微博上大肆贬低用友、金蝶等软件公司的商业模式和功能。其实，在大多数客户眼里，这些软件没有本质的区别。另外，我们观察到，几乎每个大型的商业软件，都有对应的开源软件，而且这些开源软件的功能和性能，也已经可以满足大量客户的需求。在我们正式的报告中列了一张开源软件和商用软件的对比表，和开源软件的统计数据。这里就不说了。需要提醒的是，Goolge、Facebook这种世界级的平台，其核心技术架构都是开源软件唱主角。开源软件的兴起和繁荣客观上也加剧了软件的同质化。在这个趋势下，拥有大量的客户，了解客户业务需求的公司，将会迎来一波大的发展机遇。

第三大趋势是数据将成为资产。最近神州数码的董事长郭为在政协提案，呼吁立法保护个人信息，部分原因就在于此。未来企业的竞争，将是拥有数据规模和活性的竞争，将是对数据解释和运用的竞争。在这个领域，将产生下一个千亿级别的大公司，幸运的是，我们发现了两个千亿级公司的胚子。围绕数据，可以演绎出六种新的商业模式。租售数据模式、租售信息模式、数字媒体模式、数据使能模式、数据空间运营模式、大数据技术提供商。最后一类是提供大数据的处理技术。对这些模式的详细描述，是第三篇大数据报告的重点内容。这里简单描述每种商业模式要点，略去上市公司的名称。

租售数据模式：简单来说，就是卖广泛收集、精心过滤、时效性强的数据。这也是数据就是资产的最经典的诠释。

租售信息模式：一般聚焦某个行业，广泛收集相关数据、深度整合萃取信息，以庞大的数据中心加上专用传播渠道，也可成一方霸主。顺便说一下，数字、数据、信息这三个词在本文中，未加区分，为了行文方便而交叉使用。但在这里，信息指的是经过加工处理，承载一定行业特征数据集合。

数字媒体模式：这个模式最性感，因为全球广告市场空间是5000亿美元。具备培育千亿级公司的土壤和成长空间。这类公司的核心资源是获得实时、海量、有效的数据，立身之本是大数据分析技术，盈利来源是精准营销。

数据使能模式：这类业务令人着迷之处在于，如果没有大量的数据，缺乏有效的数据分析技术，这些公司的业务其实难以开展。譬如阿里金融为代表的小额信贷公司。通过在线分析小微企业的交易数据、财务数据，甚至可以计算出应提供多少贷款，多长时间可以收回等关键问题。把坏账风险降到最低。

数据空间运营模式：从历史上，传统的IDC就是这种模式，互联网巨头都在提供此类服务。但近期网盘势头强劲，从大数据角度来看，各家纷纷嗅到大数据商机，开始抢占个人、企业的数据资源。海外的Dropbox，国内微盘都是此类公司的代表。这类公司的想象空间在于可以成长为数据聚合平台，盈利模式将趋于多元化。

大数据技术提供商：从数据量上来看，非结构化数据是结构化数据的5倍以上，任何一个种类的非结构化数据处理，都可以重现现有结构化数据的辉煌。语音数据处理领域、视频数据处理领域、语义识别领域、图像数据处理领域都可能出现大型的、高速成长的公司。