大数据时代数据的价值篇1
在大数据时代中，大数据的应用效能、应用方便度、应用当地覆盖面是未来大数据应用所关注的重点，而目前在大数据应用方面存在许多的问题，这些问题的存在影响了未来大数据的应用，如何解决这些问题，重现在开始从最基础方面开始，解决这些问题是大数据未来应用的重要工作。本文首先列举了目前大数据应用中存在的问题，分析了产生这些问题的原因，针对这种情况提出了基于基础数据结构体系建立的解决方案设想，为未来大数据应用发挥更大效益的解决方法。
【关键词】大数据基础数据结构软件工程数据标准
随着智慧城市建设项目的开展，作为智慧城市建设的重要基础就是围绕大型基础数据平台的建设，在业界定义为大数据时代的来临。围绕大数据的概念，在全国范围内的各领域各行业都在大数据的如何组织、如何应用、如何共享、如何关联召开了各类研讨会。大数据应用的云计算技术、数据仓库技术等成为业内讨论的重要话题。本人认为，在做了这些工作后，应回过头来看一看，无论数据量有多大，都离不开基础数据结构与体系的建设，在此要阐明的一个基本观点就是在大数据时代更应该重视基础数据结果的研究与应用。
1大数据的概念
什么是大数据，iBm最早的定义是：将大数据的特征归纳为4个“V”（量Volume，多样Variety，价值Value，速Velocity），或者说特点有四个层面：第一，数据体量巨大。大数据的起始计量单位至少是p（1000个t）、e（100万个t）或Z（10亿个t）；第二，数据类型繁多。比如，网络日志、视频、图片、地理位置信息等等。第三，价值密度低，商业价值高。第四，处理速度快。最后这一点也是和传统的数据挖掘技术有着本质的不同。
在大数据概念中的第一条是数据量大，这是大数据的特点，而却随着信息系统应用的深入，数量的数量级也在不断的提高，这是毋容置疑的。我们在此要讨论的是第二条数据类型繁多的问题。
2目前大数据应用存在的主要问题
随着信息化系统应用的深入，在社会、自然界、生活中所涉及的数据面越来越广，由此使得数据类型也越来越多，数据类型的数量在不断增加，这些数据类型之间的关系和相互关联性也越来越复杂，大数据量下的数据应用造成了困难。数据结构类型繁多造成问题主要表现在以下几个方面。
2.1数据类型是有限量的认识不清楚
未来大数据情况下，数据类型是有限量的还是无限量的概念模糊，为此首先要么明确一个基本的概念，那就是，数据类型在繁多，但是数据类型的数量是有限量的，只是这个限量的数量级大一些而已。在数据类型是有限量的情况下，对于解决数据类型繁多的方法是完全不同的。
如果数据类型的量是无限量的，那么解决问题的方法是要研究解决数据类型问题的方式是研究规律，拿出解决问题的方式与方法，对于具体数据类型时，按照方式方法理论与技术去解决问题。如果数据类型是有限量的话，那么解决问题的方式就不只是从理论上的解决问题方法，而应该更加切合实际的去针对每一种数据类型直接进行研究，形成数据标准，指导各个系统对每一个具体数据类型的应用。
2.2相同数据在不同系统中的表现类型繁多
由于系统开发方各自的开发经验、所开发系统的规模不同，系统应用方对系统要求不同，系统应用行业的不同，使得在开发过程中，对于数据类型的定义只遵循本系统使用需要进行定义，没有完整的标准，即是有相应的国家或国际标准，也不能完全遵循。
2.3各个行业制定的标准相互矛盾
各个行业在制定相应的标准时，是以满足自身需要为主导，造成了数据类型在其数据定义时不但长度不同，就是数据类型都不相同。这也就造成了各个系统在未来大数据应用中出现了严重的数据应用障碍。
2.4大数据应用的实现效率低
由于不同系统技术数据结构的不统一，使得对于大数据的应用上要对不同系统的数据结构进行分析，构建关联，而后才能进行数据的应用，这项工作的工作量大，技术含量高，降低数据的应用效率。这些都是事后分析数据存在的问题。
2.5数据浪费巨大
由于数据各个系统间数据结构的不同，加上分析手段的局限性，使许多的数据无法进行使用，由此也降低了数据的使用率。并造成数据的大量浪费。
3造成目前对大数据应用存在问题原因
由于以上几方面的问题存在，为了做好大数据的应用，许多相应的技术应运而生，数据仓库技术、网格技术、云计算的数据处理技术等等。这些技术促进了数据应用的发展，提高了数据应用效率，为大数据应用发挥了巨大作用。但是这种做法只能针对具体的大数据应用项目起到作用，不能从根本上解决问题。那么造成这种问题根本是什么呢？
3.1理论基础有偏差
目前所有这些高精尖技术的发展，为大数据应用的发展起到了不可替代的作用，但是这些技术在理论出发点上存在偏差，那就是，这些技术的理论出发点设定的是，数据类型是无限量的，是无穷尽的，所以所有的技术研究都不面对具体的数据项，这样做的结果是促进技术的发展，弊端是不能面对具体的应用，所有的技术应用都要在这就技术下进行二次应用研究。也就是，这些理论是治标不治本的做法。
有限量数据类型与无限量数据类型是两个根本不同的概念，对于技术的发展影响也是完全不同的。为此，目前在无限量数据类型概念下的大数据应用技术与体系将会存在极大的局限性，对未来的大数据应用造成影响。
3.2对大数据认识有偏差
目前在各个系统对大数据的应用中，对大数据的认识是，只要有足够量的数据，就是大数据，而对于数据之间的关系，整体的数据结构体系没有很深的认识，甚至将原有的多个分散的系统中的数据库，做一个小的关联数据库，就认为是数据云计算，就是综合数据平台了，而在这种情况下，对于大数据的应用，因为系统的独立，数据库的独立、数据结构的不统一造成了大数据应用的瓶颈和障碍，在系统应用到一定程度后，数据量是很大，但是无法进行大数据应用，或者说是要进行大数据的应用，需要另外投入很高的成本进行数据整理、数据管理和数据分析。所以应该明确的是，在数据结构混乱的情况下，在大的数据量也不能称为大数据，这个观念上的偏差，是造成目前数据应用困难的原因之一。
3.3数据结构不规范
这些情况的出现，归结的一起，就是数据结构不规范，不统一。在三方面主要原因造成这个局面，一是目前的应用系统的开发，由不同的公司进行，每个开发单位对数据结构的定义有各自的标准，基本都是按照多年开发经验总结出来的，因此各个公司开发的系统在数据结构上相差很远。二是对于同一个公司不同时期开发的系统所涉及的数据结构不统一，到后期，开发单位不愿意在投入成本对前期开发的系统进行重新开发，这就造成了前期开的的系统中的数据结构与后期开发的数据结构不统一。三是对于应用开发单位在开发每一个具体应用项目时，由于是不同的开发小组在进行，为此，在进行数据结构设定时，只为了满足本系统开发的需要，而没有考虑系统未来的发展和系统的整体架构，这也造成了不同应用系统中对相同字段的设定不相同，数据结构不统一。以上这些都是在应用系统开发过程中遗留的问题，而这些问题严重影响了大数据的使用。
3.4有统一的标准不用
在系统开发过程中涉及的数据结构，许多都有相应的标准，主要有以下几个方面，一是国家法律层面的，对于一些重要的数据要求以立法方式进行规范。二是国家标准，制定和规范了国家层面的有关方面的数据要求和限定。三是部颁标准，由各个部委办局制定的相应标准，这些标准有一大部分直接针对信息化系统建设的应用和数据标准。四是行业标准，作为每一个行业内进行行为约束的标准，这种标准虽然不具备强制性，但是在行业内是一个自觉遵守的标准。四是国际相关标准，虽然国际标准没有任何的法律约束性，但是为了走出去，各行各业都在遵循这个标准。
这些标准都是在系统建立时的数据结构依据，但是目前许多系统在进行数据结构设定时，都没有按照这些标准执行，而是根据自己系统的需要进行设定的。这使得许多的系统中的数据不能相互交换使用，由此而影响了大数据的应用。
3.5不同行业对标准的设定不统一
在国家标准体系中，由于标准制定的年代不同，同是一个部门颁布的标准对相同的数据要求也不同，各个部门由于独立制定标准，同样出现相同数据在不同部门制定的标准中规定的不同，这几方面原因也就造成了即使遵照标准，也存在着相同数据在不同应用系统中的数据结构不同的现象。
以上是大数据应用问题出现的主要原因，作为大数据应用的刚刚起步阶段，应针对这些问题进行研究给出相应的解决方案，为未来大数据应用的发展打下一个良好的基础，避免今后的大数据应用走弯路。
4解决大数据应用问题的对策
解决大数据应用存在的问题，应从最基础的数据结构建立开始，从根本上去解决问题，也为未来大数据应用的发展打下一个良好的基本数据结构基础，对此提出以下几方面的对策。
4.1开展和加强对基础数据结构建立的理论研究
从软件工程学的角度出发，以数据结构类型是有限量的概念为依托，围绕具体的数据类型开展数据结构体系的理论研究。依托一个数据结构分类的理论体系来支撑整个数据结构体系的划分，其中包括划分方法、划分层次、划分的软件工程学理论支撑等内容，制定大数据底层数据结构划分的理论体系，形成在大数据下的数据结构构建的理论体系。
4.2开展对具体数据结构的研究
按照建立的数据结构理论体系要求，对每一个具体数据结构进行研究，针对数据项的名称、类型、含义、层次、结构、与其他数据的关系、涉及内容规定等方面制定出具体数据的标准。这项工作可以在有组织的情况下由全社会共同参与，按照指导理论的要求进行研究，这样，随着应用系统的不断深入，所涉及的数据类型项将逐步扩展，最终实现数据的全覆盖，而完成整个架构体系的建立。
4.3制定相应的数据结构标准
对于由各个方面制定的数据结构进行分类、筛选、审核，而后想这些结构形成一个统一的架构体系，制定相应的技术标准，通过这个标准来规范应用系统的开发，形成完整的、规范的、统一的数据结构体系，为大数据应用打下坚实的基础。
4.4成立相应的机构来负责这项工作的完成
对于这项工作的开展，应在软件工程相应的有关组织下，建立一个专门的机构，负责指导这项工作的完成。由这个机构成立专门的实验室，负责整体架构的制定，数据类型项的搜集、分类、筛选，并形成统一的数据库体系，为所有的应用系统的开发提供数据库基础支撑和服务。
综上所述，通过对基础数结构的研究与体系的建立，从根本上解决大数据应用的效率，充分发挥未来大数据的作用，简化大数据应用的方式与过程。
参考文献
[1]严霄凤，张德馨.大数据研究[J].计算机技术与发展，2013（04）.
[2]李学龙，龚海刚.大数据系统综述[J].中国科学：信息科学，2015（01）.
[3]方璐.大数据时代的科学研究方法[J].浙江工业大学，2014.
作者简介
李铧（1962-），男，江苏省无锡市人。学士学位，现为无锡科技职业学院教师、高级工程师。主要研究方向为软件工程学、物联网概论。
大数据时代数据的价值篇2
关键词：大数据；大数据时代；档案价值；数据价值；开发利用
“‘大数据’这个名词并不新鲜，早在1980年代，美国就有人提出了‘大数据’的概念。”[1]进入21世纪以来，世界上许多国家开始关注大数据的发展、应用和研究，“在云计算、物联网等技术的推动下，全球已步入了‘大数据’时代。”[2]目前来看，我国大数据的理论研究和应用研究刚刚起步，学术界、企业界及政府部门对该领域的重视程度前所未有。本文仅就大数据时代的档案价值及其开发利用问题，进行初步探究。
1大数据、大数据时代及其特征
1.1大数据概念及其特征。目前，关于大数据的定义众说纷纭。例如，维基百科给出的定义是：“大数据指的是所涉及的资料规模巨大到无法透过目前主流软件工具在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯”；大数据科学家JohnRauser给出的定义是：“大数据指任何超过了一台计算机处理能力的数据”；美国咨询公司麦肯锡的报告的定义是：“大数据是指无法在一定时间内用传统数据库软件工具对其进行抓取、管理和处理的数据集合”。[3]我们认为，大数据定义之所以众说纷纭，主要是因为大数据所涉及的内容太“大”，大家看它的角度不一样。我们可以把大数据作为研究对象，从数据本身和处理数据的技术两个方面理解大数据，这样理解大数据就有狭义和广义之分。狭义的大数据是指数据的结构形式和规模：就数据的结构形式而言，大数据不仅包含结构化数据，更多的是指半结构化的数据和非结构化数据，指大数据包含的数据形式多样；就数据的规模而言，大数据等同于海量数据，指大数据包含的数据规模巨大。广义的大数据不仅包括数据的结构形式和数据的规模，还包括处理数据的技术。大数据的处理技术是指能够从不断更新增长、有价值信息转瞬即逝的大数据中抓取有价值信息的能力。不管从广义的角度，还是从狭义的角度来看，大数据的核心是数据。因此，从统计学与计算机科学角度而言，大数据指那些超过传统数据系统处理能力、超越经典统计思想研究范围、不借用网络无法用主流软件工具及技术进行单机分析的复杂数据的集合。对于这一数据集合，在一定的条件下和合理的时间内，我们可以通过现代计算机技术和创新统计方法，有目的地进行设计、获取、管理、分析，揭示隐藏在其中的有价值的模式和知识。大数据的基本特征主要体现在以下四个方面：一是大量性。是指大数据的数据量巨大。二是多样性。是指数据类型繁多，不仅包括以文本资料为主的结构化数据，还包括网络日志、音频、视频、图片、地理位置等半结构或非结构化的数据资料。三是价值性。指大数据价值巨大，但价值密度低，可能转瞬即逝。四是高速性。指数据处理时效性高。
1.2大数据时代及其特征。大数据时代是建立在通过互联网、物联网等现代网络渠道广泛大量数据资源收集基础上的数据存储、价值提炼、智能处理和展示的信息时代。在这个时代，人们几乎能够从任何数据中获得可转换为推动人们生活方式变化的有价值的知识。大数据时代的基本特征主要体现在以下几个方面：一是社会性。在大数据时代，从社会角度看，世界范围的计算机联网使越来越多的领域以数据流通取代产品流通，将生产演变成服务，将工业劳动演变成信息劳动。二是广泛性。在大数据时代，随着互联网技术的迅速崛起与普及，计算机技术不仅促进自然科学和人文社会科学各个领域的发展，而且全面融入到人们的社会生活中。人们在不同领域采集到的数据量之大，达到了前所未有的程度。三是公开性。在大数据时代会有越来越多的数据被开放，被置于公共的网络环境之中。这种公开性和公共性的实现取决于若干个网络开放平台或云计算服务以及一系列受到法律支持或社会公认的数据标准和规范。四是动态性。人们借助计算机通过互联网进入大数据时代，充分体现了大数据是基于互联网的及时动态数据，不仅数据资料的收集具有动态性，而且数据存储技术、数据处理技术也随时更新，即处理数据的工具也具有动态性。
2基于大数据时代的档案价值的新变化及其现实意义
2.1档案“数据价值”及其主要特征。传统档案价值理论对档案价值的判断和分析都是基于信息层面的，无论是凭证价值，还是参考价值，都是通过查阅档案满足人们查证查询某一信息的需求而实现的价值，可以统称为档案“信息价值”。用大数据的视角来审视档案的价值，档案不仅具有信息层面的价值，还具有数据层面的价值，即档案“数据价值”。档案“数据价值”是指在大数据背景下档案作为一种重要的数据资源所具有的价值，是一种通过大数据技术处理、挖掘和应用而获得的价值。[4]与档案“信息价值”相比较而言，档案“数据价值”具有隐深性、关联性、动态性和宏观性，是一种隐性价值、关联价值、动态价值、宏观价值。一是隐深性。与可以通过查阅档案直接获取的显性的浅层次的档案“信息价值”不同，档案“数据价值”是隐性的深层价值，从档案中无法直接获取，只通过大数据技术对海量档案数据进行处理挖掘才能使之显现出来。二是关联性。与具有相对独立性的档案“信息价值”不同，档案“数据价值”具有关联性，是通过档案数据共享、交叉复用后获取最大的档案数据价值。三是时效性。与时效性较弱的档案“信息价值”不同，档案“数据价值”时效性要求更强，过时的数据分析结果的应用价值会大打折扣。四是宏观性。与微观层面的档案“信息价值”不同，档案“数据价值”更多体现在宏观层面，是一种总体数据价值，注重的是数据的规模、完整性、多样性而不仅仅是绝对的精准。
2.2档案“数据价值”提出的现实意义。主要体现在三个方面：一是大大丰富了档案价值观，有利于档案界树立新的档案价值观并从档案“数据价值”这个维度去研究档案的价值，更加全面深刻地理解和把握大数据时代的档案价值的内涵，更加准确地认识和把握大数据时代的档案价值的内在规律，从而把档案价值理论研究引向深入。二是大大拓展了档案的外延，使一些原本没有保存价值的不归档文件材料，重新变得有价值了，有了归档的必要性。三是大大创新了档案工作实践。具体表现有四：其一是，随着大数据技术的发展和日渐成熟，电子档案已成为大数据的重要来源，电子文件归档和电子档案管理逐渐成为档案工作主要内容。其二是，推进传统载体档案数据化，采用云存储技术处理挖掘应用档案“数据价值”显得刻不容缓。其三是，“逐份鉴定”的传统做法已不合时宜，以一个项目、活动、事件，甚至一个机构的“全部数据”为基本单位的“宏观鉴定法”将登台亮相。其四是，基于档案“数据价值”的利用服务将发生巨大变化，查准、查全变成了小菜一碟，深入的数据处理将成为档案利用服务的重要内容。
3基于大数据时代的档案价值开发利用
3.1顺应时代要求，树立“三大”理念。一要树立“大开放”理念，加强对馆藏档案“数据价值”的开发挖掘，并通过传统与现代传播技术，主动将相关档案数据信息传送、推送到相应利用者手中，促进馆藏档案数据信息的有效利用。二要树立“大档案”理念，整合档案资源，注重原始档案数据的获取、分析和挖掘开发，并运用数学算法使海量档案数据更加真实、全面、客观地反映本地区政治、经济、文化、社会发展和民风民俗等全貌，从而更好地为社会各方面提供档案数据信息利用服务。三要树立“大服务”理念，以利用者需求为导向，提供“适销对路”的档案数据信息服务产品，为社会各界借鉴、研究、预测、文化、休闲提供更多、更丰富的档案数据信息参考和素材，从而使档案“数据价值”开发利用范围更广、层次更多。
3.2增设机构人员，强化队伍建设。一是各级国家综合档案馆，尤其是市县两级国家综合档案馆，应在现有条件允许的情况下，设立相关的档案“数据价值”开发利用机构，配备相应人员，充实档案“数据价值”开发利用力量，更好地围绕党委、政府工作大局，以人为本，用专门的精力、从专业的角度，做好档案“数据价值”开发利用工作。二是各级国家综合档案馆，尤其是市县两级国家综合档案馆要强化队伍建设，提高队伍素质，做好“选”“育”“留”工作。“选”就是选用优秀的干部，把好入口关，将有能力、有作为、有担当的干部充实到档案“数据价值”开发利用队伍中来；“育”就是抓好干部继续培训教育，培养具有较强的文字功底、敏锐的新闻嗅觉、广阔的视野以及运用新技术能力的档案“数据价值”开发利用新型人才；“留”就是让干部安心本职工作，尊重信赖人才、合理使用人才，依事用人，用人所长，从而使档案“数据价值”开发利用工作收到事半功倍的良好效果。
3.3丰富馆藏内容，优化馆藏结构。一是各级国家综合档案馆，尤其是市县两级国家综合档案馆，要按照国家档案局的《机关文件材料归档范围和文书档案保管期限规定》、《各级各类档案馆收集档案范围的规定》、《企业文件材料归档范围和档案保管期限规定》，加强相关文件材料收集归档和接收进馆的业务指导力度，充实馆藏内容，为馆藏档案“数据价值”开发利用工作打下坚实基础。二是各级国家综合档案馆，尤其是市县两级国家综合档案馆，要按照“以人为本”的原则，以全面、真实保管本地经济和社会发展的历史记录为己任，根据自身馆藏门类情况，注重涉及人民群众切身利益的民生类、声像类、电子类档案数据的接收、储存，为馆藏档案“数据价值”开发利用工作增砖添瓦。
大数据时代数据的价值篇3
一、为大学生社会主义核心价值观培育过程带来了全新思维
大数据时代下如何有效利用大数据，使其成为大学生社会主义核心价值观培育的创新载体，是高校思想政治教育工作者面临的新机遇。传统的价值观培育理念，通过传统课堂教学，将社会主义核心价值观单向式地输送给学生，这在一定程度上提高了课堂效率，保证了课堂的秩序和规范化，但其客观上仍然是忽略了大学生的接受意愿和需求，影响了社会主义核心价值观培育的效果。而大数据为大学生社会主义核心价值观培育过程的思维变革带来了机遇。
当前大学生的思想日益复杂化、多样化、动态化，增加了收集信息的难度，因此我们要树立大数据的整体性思维，利用大数据技术收集信息。大数据技术使社会主义核心价值观培育过程中对于大学生的了解不再依赖于随机采样，而是可以利用大数据技术全面分析数据整体。大学生在娱乐、生活、学习、交往等网络活动留下的数据痕迹都可以通过大数据进行收集计算和分析，通过可视化表现出来，并进而把握大学生的思想动态、价值观认同和具体影响因素，从而依据反馈信息，加强和改进大学生社会主义核心价值观培育。[2]
二、提供了大?w生社会主义核心价值观培育的新主阵地
大学生社会主义核心价值观的培育必须有的放矢，根据大学生的思想动向，认识特点，有针对的开展社会主义核心价值观培育活动。传统核心价值观教育一方面仍是通过课堂教学、开展主题班会、师生谈话以及集体活动等形式了解学生的基本动向，其"单向性"仍饱受诟病，且由于环境制约以及大学生情绪波动，传统教育模式得出的结论代表性与科学性不强；另一方面，大数据时代下，网络游戏、社交软件以及个人门户网站等网络平台在大学生群体中间传播迅速，然而教育者却对大学生思想动态了解不全面、不深入，社会主义核心价值观培育往往缺乏全局性和针对性，而且滞后于事态的发展。
大数据时代下主动占领大数据这一新阵地，综合运用"样本=总体"的数据分析和数据的相关性方法将有效逆转传统思想政治教育方法的缺陷。[3]在微观层面上：一方面，利用大数据整体优化处理技术，联动各种网络游戏、社交软件和门户网站的数据信息，实时采集学生的日常生活信息，而且采集数据是在学生不自知的情况下进行的，避免了学生因信息采集而做出的隐藏行为带来的信息误导，根据最真实和全面的数据信息，满足大学生的个性化需求，使社会主义核心价值观培育工作有的放矢；另一方面，通过大数据技术，能够实时了解大学生的思想动向，对学生的思想动态与行为去向进行预警，进而采取措施，使大学生社会主义核心价值观培育能够未雨绸缪。在宏观层面：大数据平台记录的个体行为的数据似乎是杂乱无章的，但当数据积累到一定程度时，群体的行为就会在大数据平台上呈现出规律和秩序，通过分析这种规律并可视化呈现，研究大学生的行为模式，关注的时事热点，因势利导，增强社会主义核心价值观培育的吸引力，借势悄无声息的按需"灌输"，把握社会主义核心价值观培育的主动权。
三、拓宽了大学生社会主义核心价值观传播的扁平化路径
所谓"扁平化"，指的是通过使组织结构的尽量扁平来提高组织效率。在这里主要指社会主义核心价值观传播环节的减少，提高传播速度，减少中间环节过多导致的信息失真。大数据时代下微博、微信、飞信等新媒介迅速地进入人们的日常生活。"根据中国互联网络信息中心统计，截至2015年12月，中国网民规模达6.88亿，互联网普及率为50.3%；手机网民规模达6.2亿，占比提升至90.1%，无线网络覆盖明显提升，网民wi-Fi使用率达到91.8%。"[4]大数据时代下，信息来源的多元化，信息传播渠道的多样化，社会主义核心价值观的传播也由官方占据主导地位的层级传播逐渐向以个人媒体为代表的扁平化传播过渡。
大数据时代数据的价值篇4
【关键词】大数据；会计数据；碎片式数据；非结构化数据；财务信息
【中图分类号】F232【文献标识码】a【文章编号】1004-5937（2017）07-0130-04
一、大数据会计的数据选择与结构分析
在计算机信息技术空前发展的当下，人力资源、金融资本及大数据被公认为未来信息化社会的三大核心生产要素。生产要素的改变必然改变人类生活的各个方面，财务行业也将受到必不可少的影响。传统财务行业的数据收集处理及分析模式将因大数据而发生积极改变，各种会计信息质量，比如可靠性、可比性、重要性等，都将会受到积极影响。会计从诞生的那一刻起就是为企业价值服务的，编制有效的会计信息的目的不仅仅是为了服务管理层、投资者和潜在的需求者，其最终的目的是为了在真实、准确反映企业有效信息的基础上服务于企业价值的提高。
从此角度来说，凡是能蛱岣咂笠导壑档南喙厥据信息，都是广义的会计信息。大数据时代，传统会计不能融入的各种非结构化甚至碎片化的数据，需要被纳入大数据会计信息系统，以服务于企业的发展，用于提升企业价值。大数据时代，对企业具有价值的各种非系统、碎片式的数据如何有效收集处理纳入会计信息系统并创建新的会计数据信息系统，为企业的管理者或信息的预期使用者提供更有价值，更可靠准确的数据以便于其作出各种经济决策，将是未来会计数据信息系统建设的首要难题。
（一）思维转变将有效补充传统会计定性信息数据的不足
因果导向的思维模式作为传统的思维模式占据人类历史几千年，而在大数据时代此种思维或将面临改变。大数据时代，海量的数据尤其非结构化、非系统性、碎片式数据占据主导，将使得因果性思维陷入英雄无用武之地。大数据的“大量、多样、高速、价值”4V特征给人们传递了新的信息，也带来新的思维模式。该思维涵盖了“平等、动态、多样、关联、开放”等特征，蕴含了集合优于单一、整体优于局部、相关优于因果等思想。正是这种新思维新特征，改变了人们传统的因果性思维，逐渐转变成大数据时代的整体性、相关性思维。
大数据时代单一的各种碎片式或非结构化的信息数据并不能真实准确反映企业的完整经营过程，但是整合大量相关的碎片式数据将能够有效反映相关的企业价值所在。传统会计实务当中以货币作为主要计量单位的定量描述原因有二：其一，货币计量不能用来反映定性描述的数据信息；其二，定性描述的数据信息大多是利用相关关系衍推而来，结果随机性较大且不如因果导向所得结果准确。深入考虑，传统会计选择定量的数据用来核算反映企业相关信息主要是其时代局限性所决定的。大数据时代，碎片式或非结构化的会计数据不再受以前因果分析的局限性，可以利用整体或较大样本的数据进行相关性分析，所得结果准确性往往较传统的因果性分析更为准确、恰当。综合来说，传统会计数据信息仅涵盖货币计量的定量描述性的数据将远远不足，大数据时代各种定性描述的碎片式或非结构化的数据将有效补充传统会计数据的不足。
（二）碎片式或非结构化的数据组成传统会计数据部分的逻辑分析
碎片式或者非结构化的数据主要指不能或不方便用传统二维数据库来计量的数据，比如视频信息、图片信息等。大数据时代，各种碎片式或非结构化的数据虽有效补充了传统会计数据的不足，但只有特定特征的碎片式或非结构化的数据才可以纳入传统会计数据体系，并不意味着所有此类数据均需纳入。
首先，只有具备一定价值和数据密度的特殊碎片式或非结构化数据才可以纳入传统会计数据体系。此类数据在大数据分析时将会有效降低各种噪音与干扰。此类数据需要与真实事件具有高度相关性，真实准确地反映事件或事件影射现象，只有这样的数据纳入才会有效地提高会计信息的质量。其次，此类数据还需要具备中立性。所谓中立性，指碎片式或非结构化的数据需要客观不带主观性地去反映各种真实事件或其影射现象，只有客观中立的碎片式或非结构化数据纳入才能防止人为主观带来的错误。因此，纳入传统会计数据体系的碎片式或非结构化的数据需要具备中立客观且具有价值。
会计信息自始至终为企业管理而服务，故会计数据可以说依附在企业管理之下，那么如何选择会计数据将与企业的本质密不可分。
针对企业本质主流观点如下：（1）制度经济学家科斯认为企业的本质是一种资源配置方式的产物，是价格机制的替代者；（2）契约论者认为企业本质是人与各种要素投入者签订契约而成立的某种契约组织；（3）某些学者认为企业存在的本质是创造并追求利润最大化。对比三种主流企业本质的相关流派，发现他们并不冲突反而相互补充，笔者偏向于三种观点的融会贯通。可以说企业本质是契约人与要素投资人的组合，是企业成立的前提，企业是市场资源配置的均衡产物，而企业最终的目的是为投资人创造价值并与其分享，即企业本质是创造价值并分享、资源配置及契约关系三位一体的综合体。企业本质的资源配置及契约关系可以通过会计核算经营过程中的数据信息来描述，而创造价值与分析则可以通过记录契约关系资源配置的具体信息来衡量。可见，会计数据信息必须能够衡量企业价值，这也是会计对象的基本范畴（会计对象是企业的资金运动或价值运动）。由此，碎片式的也好，非结构化的也好，纳入传统会计数据体系的首要条件是与企业价值相关。
（三）大数据时代会计数据体系结构分析
通过前文阐述可以知晓，独立客观的且与企业价值相关的碎片式或非结构化的数据需被纳入会计数据体系。在此，传统的会计数据与新纳入的碎片式、非结构化数据之间的关系如何，两类数据如何在会计数据体系里定位？
会计数据从真实可靠角度来说，由直接及间接两类数据构成。传统的会计数据基本由直接的结构化数据组成，而现代纳入的碎片式或非结构化的数据则可归类于间接的会计数据。第一，相对于新纳入的碎片式或非结构化的间接数据，传统会计直接数据能够最为真实可靠地反映经济业务（交易或事项）的本质。这是因为传统结构化的数据在确认、计量、报告的过程中都严格按照会计准则等法律法规规定的流程进行操作，比如相关单据的稽核、复核、审核、签字确认等，这些都有效地提高了数据的可靠性，直接揭露了真实可靠的交易或事项。第二，相对于传统会计的直接结构化数据，新纳入的碎片式或非结构化的间接数据由于其与企业价值高度相关且独立客观，大大提高了现代会计数据体系全面准确反映经济业务本质的可靠性，也进一步提高了会计信息质量。无论什么时代，会计数据体系都必须可靠真实，大数据时代会计数据体系也不例外。换句话说，大数据时代的会计数据体系将以传统结构化（货币作为主要计量单位定量描述的）数据为主，而独立客观且与企业价值相关的碎片式或非结构化的数据成为有效补充。两类数据体系的融合，不仅确保会计信息质量而且提高了会计信息与企业价值的高度相关性。
传统直接的会计数据收集处理过程涵盖于企业生产经营过程中可能涉及的每个环节或每个部门，数据收集处理相关的成本已经计入职工薪酬，成本o需企业再额外支出。但是，大数据时代纳入的碎片式或非结构化的数据收集、处理成本不仅需要额外支出且相对高昂。当下，大部分国内企业的信息化程度并不高，搭建大数据平台并成功运营的更少之又少。大多数企业若想把各种碎片式或非结构化的数据纳入新的会计数据体系，几乎都需借助外界平台或专业人士来收集与处理，大大增加了企业的成本。考虑将碎片式的、非结构化的数据纳入现代会计数据体系需要较大的成本，则其推进进程或时间周期将大大延长，也就意味着大数据会计数据体系仍旧在很长一段时间以货币定量描述的直接会计数据占主导。
二、构建企业价值与碎片式或非结构化数据的相关关系
传统会计数据体系当中各种以货币计量可量化的结构化数据，均与企业价值直接相关，能够通过因果导向直接核算（反映）企业的各项经济业务活动（企业价值）。不过，碎片式或非结构化数据属于间接数据，虽然与企业价值相关或者高度相关，但是很难利用传统因果导向来确认其与企业价值的直接关系。正因如此，对于碎片式或非结构化数据与企业价值的关系需要用相关分析方法来确定，而不是传统的因果导向性分析方法。
企业估值理论用未来现金净流量的现值之和来评估企业价值，而企业当前会计核算体现的账面价值仅是历史的现金流量，导致企业价值的评估与企业当前的账面价值并不一致。为更全面、真实、可靠地反映企业价值，则需将企业历史和未来的（间接或潜在的）所有与企业价值相关的现金流量纳入。从构成角度来说，历史（已经产生的）现金流量属于企业财务信息，而未来相关的现金流量大多属于非财务信息，目前的会计准则下尚未将此类信息纳入会计数据体系。未来潜在或间接的现金流量可能以结构化数据展现，也可能是碎片式或非结构化数据的体现。为此，要想客观反映企业价值，需要利用未来各种潜在或间接的现金流量与历史（直接）的现金流之间的联系，将未来现金流量（碎片式或非结构化的，又或结构化的）与企业价值建立一种映射或相关关系。
此处关键问题是如何计算未来这些间接或者潜在的现金流，否则将无法建立碎片式或非结构化数据与企业价值的相关关系。考虑最终需要将这些数据纳入现代会计数据体系，所以相关方法过程简单、易于操作、易于理解是最起码的条件。利用转换方法，可以将未来潜在或间接的现金流转换为企业账面价值，准确适时地反映企业的价值。
综合前面分析可以得到以下两组公式：
企业现时账面价值t=投资活动现金流t+经营活动（生产销售）现金流t+筹资活动现金流t（1）
企业价值t=企业现时账面价值t+企业潜在价值（未来现金流）t（2）
结合上述式（1）、式（2）可以倒推未来潜在或间接的现金流所带来的价值。
账面价值t=企业价值t-1=账面价值t-1+企业潜在价值（未来现金流）t-1×转化效率（3）
该转换效率可以用含有自变量xn的函数U（x1，x2，x3，…，xn）来表示。在现实企业估值当中，影响转换效率的函数可能无限多。此处为便于运用，假设有三个关键影响因素：x1消费特征、x2人群特征、x3评价结果，则转换效率函数可以表示为U（x1，x2，x3）。
企业未来现金流大多可能蕴含在各种碎片式或非结构化的或是结构化的非财务信息当中。为了很好地将潜在的现金流中碎片式或非结构化数据与企业价值管理相结合，需通过一定的方法转换为结构化的数据，与结构化的潜在现金流一并核算处理。转换后潜在的或间接的现金流变成全部结构化的数据，可以分为投资、经营、筹资三类活动产生的现金流，最后利用上述含有三个关键变量的转换效率函数将潜在现金流转换为潜在价值。
各种企业潜在价值当中的碎片式或非结构化数据，主要是人们（企业客户、潜在客户或其他群众）对企业经营活动的评价。企业潜在价值源于评价即意味着两者之间呈正比例关系。不过评价又受到不同群体特征人的不同评价，比如不同消费行为的人对企业价值评价往往有差异。因此，企业潜在价值一会受到评价影响，二会受到不同人群特征的影响。同样，针对人群特征，又可以进一步分类为不同的消费特征，比如高收入人群与低收入人群的购买力将有很大差别，他们的购买行为差异又将对企业潜在价值构成影响。总的来说，可以确定影响企业潜在价值的三个关键因素为人群特征、消费特征以及他们的评价结果。
从相关性角度来说，企业价值相关信息最大的价值是可比性，即不同企业之间的价值比较。无论对管理层还是其他预期信息使用者，只要能够在不同企业之间利用它们的企业价值作出对比然后得出经济决策，那么这些企业价值的评估都是有效的。也就是说，企业价值评估最关键的是不同企业之间的可比性，而不是最为精确无误地核算企业的账面价值和潜在价值。因此，笔者对所有企业都选择上述三个特征作关键变量来衡量企业潜在价值是有实际意义的。
三、大数据给会计带来的挑战
（一）更为全面及可靠的会计信息得以实现
对于传统会计数据体系，财务报告中所涵盖的信息大多数是结构化的数据信息，这样的财务报告随着大数据时代的到来越来越难以满足财报预期使用者的真实需求。为适应大数据时代，企业财报若将各种碎片式或非结构化数据纳入，将能够有效弥补传统财务报告的不足。碎片式或非结构化的各种数据纳入报表将配合传统财务会计报告综合全面反映企业财务状况、经营成果以及企业所处社会环境、产业环境、商业环境等各种有价值的信息。因此，当务之急是需要相关机构及时开发出能将各种碎片式或非结构化数据结构化、量化的工具，从而帮助其纳入传统财务报表。
传统财务报告纳入项目的扩展，使得传统意义上不能量化的非结构化的或者碎片式的数据均进入了会计信息系统，比如企业的环境状况、人力资本等。当然，在现实工作中，会计实务人员还需要对企业的经营模式进行量化，将在会计报表附注中以文字描述的方式转变为量化的方式，使得更多信息使用者获取有用的量化信息，使得会计信息透明度增加[1]。
（二）平台搭建及相关标准构建
在大数据时代，企业以前为财务工作所搭建的会计信息系统平台将逐渐淘汰，所涵盖的内部会计资源和组织协同发展的相关信息都将失去价值。故要适应大数据时代，需建立一个高度信息化的共享平台，该平台包括企业和其产业链上下游的供应商及客户，还包括企业各种相关的合作伙伴（包括税务等在内的政府机构）。该平台由中央政府牵头，组建涵盖上下依次为中央政府、地方政府及企业的三层会计信息系统平台。通过分层可以明确不同分工以及不同边界，这样可以实现协同化效应，实现信息共享，最大程度地满足所有会计信息相关使用者的需求。在信息共享平台建立的同时，需要建立平台信息收集、输入、存储、输出等各种标准。正常情况下，由处在平台最高层的中央政府来统一制定，然后由地方政府及企业执行，实现相关会计信息的标准化。
对于信息平台的构架及标准的制定，考虑其投入的人力物力都相对比较大，一般需要由政府牵头完成。对于该会计信息共享平台，除全面反映各种会计信息之外还要有相关验证和审核信息的功能。考虑目前大数据时代该平台尚处于试验阶段，所以笔者建议相关部门可以试点的方式进行推广。当然，平台建设与标准制定都是一个试错摸索过程，需要时间周期和不断调整[2]。
（三）核算型向价值型财务体系转变
大数据时代下的信息管理需要升级，要求企业相关部门，尤其管理层及会计部门要从提高业绩管理水平和风险管理能力的角度积极改变传统会计信息系统，实现财务信息从传统的核算型向价值型的转变。企业可考虑如下三点展开此项工作：其一，企业运营过程中，需要在扁平化的管理结构中恰当处理财务管理与运营管理两者之间的关系。同样，价值型（价值导向或者价值提升）的财务系统中，相关财务工作者需要将其工作从传统的基础财务工作转变为价值创造，将其定位为企业变革型关键人员。其二，业务销售方面，企业应考虑重组客户资金流程，实现资源最优配置，尽可能地发挥财务协同效应。其三，在战略创新方面对企业财管模式全面创新升级，利用价值管理等先进管理经验为企业战略管理提供帮助，将产业价值链和商业模式等管理知识充分运用到企业整体战略中。
四、结论建议
会计作为对企业价值相关数据进行管理的一项活动，在大数据时代，需要全面改革传统会计数据体系及财务报告体系。为适应大数据时代，会计管理工作要与时俱进，作出各种改变，笔者认为可围绕以下几点展开：
第一，与传统会计数据要求一致，但需要重新制定统一的标准以满足不同企业之间在大数据时代会计工作成果的可比性。类似于现行的企业会计准则，该项标准需要由政府相关权力或行政机关统一制定，全国推行并强制使用。
第二，针对大数据时代的各种碎片式或非结构化数据，其与企业价值之间的关系，笔者在本文稍有抛“砖”，仍需大量“玉”来配合。这项工作或由相关政府部门、学术界融入实务环境中，深入研究，建立标准的分析模型。
第三，财务会计报告的重新变型。大数据时代，需要将各种碎片式或非结构化的数据信息纳入财务会计报告以全面反映企业的财务状况、经营成果以及相关环境信息。为此，大稻莶莆癖ǜ嫘枰适当分层，以传统货币计量的数据为核心，辅助以碎片式或非结构化数据。
第四，中央及地方政府牵头协助信息化较高的规模企业事先建立大数据会计信息共享平台，扶持企业利用大数据信息来创造价值，为供给侧改革提供技术与信息化手段。
【主要参考文献】
大数据时代数据的价值篇5
关键词：互联网大数据；营销模式；创新
1引言
随着互联网大数据时代的到来，消费者与产品（服务）的联系发生深刻的变化：产品（服务）信息的即时更新和对比、购买方式和渠道、消费便利性、个性化需求、潜在需求等方面。这些由消费者和产品（服务）形成的信息数据日渐复杂，加上行业间的竞争也来越激烈，企业亟需在营销模式上大胆创新，以适应时展，提高核心竞争力。
2互联网大数据时代的特征
大数据是指那些大小已经超出了传统意义上的尺度，一般的软件工具难易不抓、存储、管理和分析的数据（黄升民、刘珊等，2012）。互联网大数据时代是信息科技化高度发展的结果，它是一个以大数据平台为技术核心，以挖掘数据价值为服务核心，不断将数据价值转向人工智能应用的庞大生态体系。互联网大数据时代具有如下几特点：①数据量巨大。对数据的存储单位已从过去的GB到tB，甚至是nB、DB级别；②数据呈现形式广泛且结构化不明显。数据来源于具体数值和文字，亦可来源于应用程序、图像、音频等，样式多元结构多样；③数据产生速度快且时效性要求高。数据每时每刻都在产生和更迭，数据的保存和处理、运算对获取数据现时价值提出非常高的要求；④数据潜在价值大。数据的价值在于数据“会说话”。通过大数据分析，能够预测事物的趋势走向、发现某种行为关系、得出某种现象结论等，让数据充分体现其潜在的目标价值。
3互联网大数据时代网络营销对传统营销模式的挑战
在互联网大数据时代，网络营销变得越来越广泛。网络营销指的是在互联网平台上，使用网络信息技术并开发各种应用软件，在商家和客户之间进行产品交换、提供全面服务的系列工作。同时企业可以通过在互联网上的在线活动，对客户进行系统管理，并针对目标客户宣传推广产品服务从而达成某种营销目的的新型营销活动（黄纯芳，2018）。这也是互联网大数据时代最为显著的特点。在互联网大数据时代，网络营销向传统营销发起了挑战：第一，打破分销壁垒，建立企业与消费者直接联系。随着新科技新应用的出现，分销的概念日渐消沉，企业通过官方app、微博、抖音等工具，逐渐建立起与消费者直接联系的渠道，实现真正意义上的BtoC营销（BusinesstoCustomer）。第二，扩大客户诉求层次，狠抓消费者显性和潜在需求。网络营销不仅满足消费者显性需求（即购买自己需要的产品服务），还能借助数据软件收集并分析消费者消费轨迹，结合消费者对事物的关注程度，推送消费者可能需要的产品（服务）服务信息，激发并满足消费者更深层次的潜在诉求。第三，信息公开透明，注重消费者感知体验。网络营销让消费者对产品（服务）服务信息实现“随时随地全方面了解产品（服务）”的功能，产品定位、价格、品质（消费者评价）、产品对比、物流、服务等都能通过软件平台一览无遗，仅从单一的营销手段（如降价促销）已不能形成核心竞争力，让消费者从“营销初始”到“购买享用”全流程得到最佳体验已成为了企业竞争核心。第四，信息传播快且高效，消费交易方式简便。企业通过软件（如微信、微博、快手、抖音、企业官方app等）实现了信息即时传播，通过借助平台流量的优势，将营销变得高效、低成本、多样化。同时，消费者从产品呈现到最终交易，全程线上完成，弹指之间便让产品（服务）达成交易，让线下营销者毫无察觉、默默地被打败。第五，跨业态竞争出现，降维打击明显。网络营销的载体是互联网电子平台，信息手段、软件开发、平台维护、数据分析等内容显得越来越重要，信息技术成为占据网络营销成败的关键，越来越多的互联网企业在逐渐跨业态地走进物流、农业、餐饮、零售等领域，充分利用技术优势对所进入的行业进行降维打击，深刻地改变行业的营销生态。第六，网红增人气，直播促流量。在网络媒介环境的营造下，企业更加侧重关注网民的心理需求，让网民特别关注的红人在网络作用下放大影响力，使其满足网民审美、刺激、品味等需要，大幅度增加企业自身的人气。网红达人通过直播，提供专业、高质量、综合多样的视频、买家秀等服务，吸引高人气高流量的消费群体，让企业的产品处于营销的风口。因此，基于传统4ps营销理论（即产品、价格、分销、促销等）的营销模式在互联网大数据时代显得有点力不从心，网络营销方式的出现和发展，快速且深刻地改变着人们的生活方式和消费感知、消费方式、消费理念，让企业不得不重新思考在营销模式上大胆创新，重新构建营销模式的核心竞争力。
4互联网大数据时代的营销模式创新的方式
面对互联网大数据的快速发展，（张罡，王宗水，赵红，2019）重构营销模式创新逻辑，提出三方面内容：第一，整合营销促进营销模式中价值的创造；第二，差异化营销促进营销模式的价值的增加；第三，精准营销促进营销模式中价值的维护。基于价值创造的视角，企业需要更多地结合内外部资源，充分利用大数据技术实现网络营销竞争组合，让消费者充分享受价值交换过程中实现企业价值。随着信息技术不断发展，营销专家们对营销模式理论进行不断升级。美国营销专家唐舒尔茨（DonSchultz）提出了4i理论，即趣味（interesting），利益（interests），互动（interaction），个性（individuali－ty），赋予网络营销新的理论指导，注重企业与消费者互动交流，引导消费者对产品服务，乃至企业品牌的认同。著名营销理论专家傅明（2015）提出4e理论，即体验（experience）、花费（expense）、电铺（e-shop）、展现（exhibition），这是基于互联网网络营销环境下，针对电商市场提出营销创新模式。为此，企业需要基于互联网大数据时代下的营销逻辑，创新企业营销模式。第一，整合网络营销手段，促进互动交流，优化传递价值。大数据技术在改变消费结构和创造消费需求上发挥着关键性作用，而互联网大数据时代形成了价值网络重塑，企业与消费者之间建立了更加多元、透明、通畅的网络联系渠道，移动网络平台如微信、微博、官网app、抖音视频、快手等积累着大量的消费者群体，这些移动网络平台把人们的家庭、生活、娱乐关联在一起，形成了强关系高活跃度的移动网络交流平台。通过整合若干或者众多网络营销手段，把商业产品和服务以人们喜闻乐见方式植入其中，让营销内容、传播方式、获取渠道吸进移动网络用户，从而产生互动话题和正向交流，让网络营销的趣味（interesting）性潜移默化地体现在用户平台上。这种高强关系的沟通平台能在企业与消费者之间、消费者群体之间的形成有效互动交流（interaction），让网络营销充分优化其传递价值，服务企业营销战略。第二，构建企业大数据平台，实现数据营销，激活潜在价值。企业拥有一定基础的产品服务数据和消费者行为数据，可以在已有基础上打通企业内部数据链条，从产品生产、包装、批次到消费者特征（年龄、性别、收入、需求等）以及消费行为（购买产品组合、频次、消费水平等）进行数据整合。因此，企业通过创建大数据共享和分析的平台，分析相似消费者群体体量，通过微信微博抖音等移动网络平台向已有客户精准营销，满足消费者个性（individuality）化需求；同时向潜在消费者发起营销刺激，激发激活消费者的潜在需求。通过大数据技术来改善网络广告的播出形式和内容，增强推广目标群体的精准性。网络营销不仅要维护现有客户流量，更侧重唤醒潜在消费者和消费者潜意识需求，最大限度地激活消费者的潜在价值。第三，建立数字化电铺，差异化经营模式，增进品牌价值。互联网大数据将新零售进行了新定义，企业需构建数字化电铺（e-shop），包括官网平台和网络交易平台（支付宝、公众号等），也要注重线下场景店的建设，让线上线下互联打通。场景是产品的逻辑，更是互联网时代产品的解决方案，因此，从功能属性的角度而言，线下商店侧重消费场景体验、消费者感知、初次消费；线上平台侧重产品展示（exhibition），包括官网展现（pC官网、移动官网）和关联网络展示（抖音、朋友圈、快手、京东等）对产品服务的介绍、对比、点评、宣传，同时加入消费券、组合营销、拼团、秒杀、分享、点评等功能，让线上和线下形成联动营销效应。同时，网店能通过差异化经营（如网红直播、差异化产品等）形成难易被模仿或难易追赶的竞争优势。在差异化营销过程中，企业的品牌和文化应融入到数字化电铺和实体商铺的营销细节中，让消费者在潜意识中建立企业品牌好感，形成品牌资产和品牌共鸣。第四，打造关联业态共享平台，形成业态链条营销组合，塑造共享价值。企业之间存在竞合关系，对于企业产品互补，供应链处于上下游的企业应该充分利用大数据信息，构建行业内和关联行业的业态共享平台，深层次拓展利益相关企业的大数据容量，组合出消费群体流量更广、产品营销组合效用更大、个性化需求更为显著的业态链条营销组合。企业基于不泄露商业秘密的前提下建立关联业态共享平台，可借助大数据共享和分析，预测人们消费动态需要并提供链条营销组合，打破过去企业仅销售单一产品或者企业内部产品组合的营销模式，形成组合丰富、功能全面、品质最优、成本较低、适当跨业的链条式营销模式，让利益相关企业实现利润共享、价值共享。
大数据时代数据的价值篇6
关键词：数据分析；大数据；经营管理；生产过程
中图分类号：tp39文献识别码：a文章编号：1001-828X（2017）013-0-02
引言
目前人类每年产生的数据量已经从tB（1024GB=1tB）级别跃升到pB（1024tB=1pB）、eB（1024pB=1eB）乃至ZB（1024eB=1ZB）级别，随着数据量的急剧增长，大数据时代已经到来。
随着计算机处理技术和云计算的迅速发展，人们处理大规模复杂数据的能力日益增强，从大规模数据中提取有价值信息的能力日益提高。经营管理、工业生产等数据都可以直接从互联网中提取并存储到服务器中，然后进行数据挖掘和分析，对于提高企业经营管理水平，进行生产过程控制，提高生产效率发挥着巨大的作用。
数据是德国工业4.0五大特色之一。数据是信息化时代重要的生产要素，数据生产信息，信息改善决策，进而提高生产力。可以预测，未来数据积累量、数据分析能力、数据驱动业务的能力将是决定企业价值的最主要因素，是评价企业价值的核心。
一、大数据时代的数据分析
1.大数据
大数据是维克托・迈尔-舍恩伯格在2008年的著作《大数据时代》中提出的概念。维基百科给出的定义是，大数据指所涉及的资料规模巨大，无法通过目前常规软件工具，在合理时间内达到撷取、管理、处理、整理成为有用信息的数据集合。
大数据的主要特征为大量性（Volume）、多样性（Variety）、高速性（Velocity）、价值性（Value）。
（1）大量性。是指大数据的数据量巨大。在大数据时代，个人电脑、手机、平板电脑等网络工具的使用和高度发达的网络技术的普及，数据资料的来源范围在不断拓展，数据的计量单位从pB到eB到ZB，数据量增长发生了质的飞跃。
（2）多样性。是指数据类型繁多。大数据不仅包括传统的以文本资料为主的结构化数据，还包括信息化时代所有的文本、图片、音频、视频等半结构数据和非结构化数据，且以半结构化和非结构化数据为主。
（3）高速性。指大数据处理时效性高。大数据产生速度快，有价值信息存在时间短，时效性强，在海量的数据面前，处理数据的效率关乎数据是否有使用价值，因此，能迅速有效的提取大量复杂数据中的有价值信息显得非常重要。
（4）价值性。指大数据价值巨大，但价值密度低。大数据中存在反映人们生产、生活、商业等各方面极具价值的信息，但由于大数据规模巨大，数据时时刻刻都在更新变化，这些有价值的信息可能转瞬即逝。因此，如何通过强大的机器算法迅速高效地完成数据的价值“提纯”成为大数据时代亟需解决的难题。
2.大数据时代
大数据时代是指在大量数据信息基础上所形成的新型信息时代，是建立在通过互联网、物联网等现代网络渠道广泛大量数据资源收集基础上的数据存储、价值提炼、智能处理和展示，促进数据发挥价值的信息时代。大数据时代，数据分析过程中数据的管理和应用效率得到提高，人们几乎能够从任何数据中获得可转换为推动人们生活方式变化的有价值的知识。大数据时代的发展会促进众多领域和行业进行变革，会对人们未来生活产生深刻的影响。
3.数据分析
数据分析是指用合适的统计方法及与分析对象有关的知识，定量与定性相结合，对收集到的大量数据进行分析的过程，是为了提取有用信息和形成结论而对大量数据进行详细研究和概括总结的过程。数据分析的目的是把隐藏在一大批看似杂乱无章的数据背后的信息挖掘和提炼出来，进而总结出研究对象的内在规律。
数据分析在企业经营管理中具有重要意义。企业通过统计调查、整理获得的统计资料能够对客观对象的数据特征取得一定的认识，但只是停留在表面的初步认识。通过数据分析，挖掘数据背后隐藏的信息，总结隐藏在其中的内在规律，掌握事物的本质及内在的发展规律，将其应用到实际的经营管理中，可以帮助管理者进行合理的决策管理，并且及时调整企业的运营发展策略，使企业的各项管理工作不断改善和提高。
目前常用的数据分析方法有：
老七种工具，即排列图、因果图、分层法、调查表、散步图、直方图、控制图；
新七种工具，即关联图、系统图、矩阵图、KJ法、计划评审技术、pDpC法、矩阵数据图。
4.大数据时代的数据分析
从大数据中挖掘隐藏的有价值信息的关键在于对数据进行正确的数据分析，数据分析是大数据处理流程的核心。大数据的价值产生于分析过程，从规模巨大的数据中挖掘有价值信息所进行的分析过程就是大数据分析。
大数据分析和传统数据分析最重要的区别在于数据量。数据量的急剧增长及大数据的特征，决定了数据的存储、查询以及分析的难度增加，对数据处理技术的要求迅速提高。大数据分析建立在海量原始数据基础上，不需要预先设定研究目的和方法，而要从大量数据中通过数据挖掘技术找到数据之间的关系并建立模型，寻找导致现实情况的根源因素，甚至形成理论和新的认知，在此基础上对未来进行预测和优化，以实现社会运行中各个领域的持续改善与创新。
传统的数据分析是“向后分析”，分析的是已经发生的情况。而在大数据时代，数据分析是“向前分析”，具有预测性。传统的数据分析主要针对结构化数据，具备一整套行之有效且V泛使用的分析体系：利用数据库存储结构化数据构建数据仓库构建数据立方体进行分析。对于从大数据中提炼更深层次更有价值的信息的需要促使数据挖掘技术的产生，并发明了聚类、关联分析、分类、回归分析、估计、预测、描述和可视化等一系列行之有效的方法。同时大数据的到来使得在线数据分析成为可能，如web页挖掘、oLap等。数据挖掘是在没有明确假设的前提下去挖掘信息、发现知识，用于指导以后的行动。
二、大数据分析在企业经营管理中的意义
在企业的经营管理过程中，数据是关键且核心的因素，在关键环节进行科学的数据分析，对于提升企业的经营管理能力具有十分重要的意义与作用。
首先，对企业情况进行完整客观的反映。在收集企业全面数据报表、调查资料的基础上，利用数据分析工具进行严谨的分析，形成科学规范的数据分析报告，能发现数据背后的信息，便于理解、阅读和利用，为企业发展决策提供参考。
其次，对企业运营情况进行有效监督。监督是数据分析在企业经营管理中的一项十分重要的功能。对企业经营管理过程中所产生的数据进行监督具有十分重要的作用。在对企业数据、资料进行收集整理的过程中，能够相对较为全面、如实地知晓行业动态及本企业运行发展状况，能够对企业的相关活动产生的效果进行了解，比如企业方针政策实行与否、经营计划落实情况、经济指标完成情况等，从而进行行业对比和横向、纵向对比分析，以帮助企业良性发展。
第三，参与科学化决策。对收集整理到的数据资料有针对性的进行深层次地研究、分析，挖掘出数据资料潜在的实质涵义，促使企业管理者及相关部门能够更为完整客观地了解企业发展现状及发展方向，从而能够更有针对性地进行企业决策，计划制定，起到数据分析在企业经营管理中的参与科学化决策的作用。数据驱动型决策是大数据时代决策的特点：尽可能全面、完整综合地收集数据，在此基础上使用恰当的统计方法进行建模和分析，挖掘出数据背后的关系，预测事件发生的概率。企业利用大数据和数据分析进行决策时，首先要提高对数据的重视程度，转变思维模式，在遇到重大决策时，先进行数据收集、分析，再进行决策。其次，要重视普通员工日常积累的数据。员工在完成日常工作的同时，积累了大量最基础数据资料，企业将所有日常的数据加以整合分析，可以在决策时起到关键重要的作用。再次是建立数据辅助决策的流程和模板，建立基于决策任务的决策知识的收集、创造、共享、传递和激励机制。
三、大数据分析在工业生产过程中的应用探讨
随着信息化的推进，数据已经成为一种重要的资源。未来大数据和数据分析将在工业生产全过程中进行应用，将大力提升企业内部运营管理效率，提升企业竞争力，同r提升制造过程中的智能化。
信息技术随着信息化与工业化的深度融合，已经渗透到了工业企业产业链的各个环节，eRp、meS等技术在工业企业中得到广泛应用。工业企业中生产线高速运转，工业设备产生大量数据，工业领域所拥有的数据日益丰富。基于大数据分析平台，对这些数据进行分析，总结经验、发现规律、预测趋势、辅助决策，充分释放和利用海量数据资源中蕴藏的巨大价值，优化公司运营结构，精准决策，降低成本，提高效率。
大数据和数据分析的应用将给工业企业带来创新和变革的新时代。信息化和工业化的深入融合，给工业领域带来深刻的变革，通过互联网、物联网等带来的低成本感知、高速移动链接、分布式计算和高级分析，给工业发展带来了更快的速度、更高的效率和更高的洞察力。大数据分析在工业领域的应用主要包括产品创新、生产流程优化、产品质量管理、生产计划制定、产品定价、产品生命周期管理、库存管理、供应商管理等各个方面。
1.产品创新。客户与工业企业之间的交易产生大量的行为动态数据，同时对产品的使用情况跟踪记录，产生产品使用动态数据，对这些数据进行挖掘和分析，将分析结果使用到产品改进设计、创新等活动中，相当于让客户参与到产品的需求分析和产品设计等创新活动中，对产品创新具有不可估量的贡献。
2.生产流程优化。现代化的工业制造生产线安装有数以千计的小型传感器，在生产的全过程中可以探测温度、压力、振动和噪声等。整个生产流程将产生大量数据，对这些数据从不同角度进行挖掘分析、比如设备诊断、能耗分析、工艺分析等。在此基础上，对生产过程建立虚拟模型，仿真并优化改进生产流程，提高设备使用率、降低能耗、减少质量事故发生几率，优化工艺等，从而提高生产效率。
3.进行质量分析，提高质量管理水平。高度自动化的设备在加工产品的同时记录了庞大的检测结果。利用检测结果进行质量分析，可以提高质量管理水平。在产品的整个寿命周期，包括从市场调研到售后服务等的各个过程中适当运用数据分析过程，可以提高质量管理的有效性。例如QC工具在工业企业的应用。QC指质量控制。针对工业生产全过程特定的工作失误或品质不良运用QC工具展开分析讨论，并将结果可视化显示在大家容易看到的地方，提醒大家，防止再次发生同样的问题，同时谁有新的建议可以随时提出，大家一起讨论修订。
六西格玛也是目前企业质量管理中运用比较广泛的工具，它是一种用于改善企业质量流程管理的技术，它以“零缺陷”的完美追求，带动质量成本的大幅度降低。质量分析工具在广泛使用，可以提高产品质量，从而最终实现财务成本的降低，同时实现企业竞争力的突破。
4.产品故障诊断与预测。无处不在的传感器、互联网技术的利用，使得产品故障诊断实时进行，提高了产品故障诊断的及时性。利用数据挖掘与分析技术，对记录的数据进行建模与仿真，可以对产品故障实行动态预测。
5.生产计划的科学制定。生产环节的大数据具有很大的利用价值，对其进行挖掘与分析，对计划制定具有指导意义。通过对计划与完成的对比分析，发现计划与实际完成的偏差，在考虑产能约束、人员技能、物料供应、工装模具等生产资源的基础上，通过智能的优化算法，建立计划制定模型，从而制定更加科学合理的生产计划。
6.进行科学合理的产品定价。产品定价的合理性需要有详细的基础数据和试验数据作为支撑。一方面能够获取更加详细的微观数据信息，使产品成品的分析更加科学精确。另一方面可以研究客户对产品定价的敏感度。通过这些数据分析，为产品定价提供决策参考。
7.实现产品生命周期管理。随着物联网的发展，条形码、二维码、RFiD等能够唯一标示产品，传感器、可穿戴设备、智能感知、视频采集、增强现实等技术能将产品生命周期的信息进行实时采集和分析，这些数据能够帮助企业在供应链的各个环节跟踪产品，收集产品使用信息，从而实现产品生命周期的管理。这些数据还可以用于售后服务，提高售后服务质量，从而提高产品竞争力。
8.库存管理。信息化高度发达，可以获取工业企业各方面的信息。库存信息将完全展现在管理者面前，通过数据分析和挖掘，可以准确知道产品原材料和产成品库存量。根据原材料库存量和生产计划确定原材料需求量，在此基础上进行采购，可以保证产品生产需求，有最大限度地减少了资源浪费。
9.完善供应商管理，实现准时化采购。在对原材料大量数据挖掘和分析的基础上，可以选择最合适的供应商，保证原材料质量和准时供应，产品质量得到有效控制，同时降低库存成本，增加了制造的敏捷性与柔性。
四、结语
数据分析在工业企业中的应用远不止此，经营管理和工业生产过程中的每个环节都有必要进行数据分析。随着数据分析和数据挖掘技术的进一步深化，会有越来越多的应用场景，最大程度发挥大数据应用的价值，从而提升企业效率效益和企业核心竞争力。
参考文献：
[1]朱建平，章贵军，刘晓威.大数据时代下数据分析理念的辨析[J].统计研究，2014（2）.
[2]张学敏.大数据时代的数据分析[J].探索与观察，2014（16）.
[3]唐萍.浅谈数据分析在企业经营管理中的意义与作用[J].商，2015，6：13-14.
大数据时代数据的价值篇7
【关键词】大数据高等教育思想政治教育创新发展
在大数据环境下，社会科学信息技术逐渐更新变化，并且也是现阶段社会经济、政治创新进步改革的关键时机，也是改进创造思维的关键因素。因而，大数据要重视对高校教育的影响，我们国家的高校思想教育要积极主动的跟随大数据时代的发展而进步，那么在大数据环境影响下，各个方面的内容都要积极主动回应，深度运用大数据为高校思想政治教育的创新发展服务。
1、大数据时代的概念以及特征
1.1大数据时代的概念。随着目前我们国家计算机技术和互联网的不断创新，海量信息数据被采集、保存、研究以及运用，我们生活在一个由数据信息围绕的互联网络中，我们日常生活环境中的每一个动作都已经经过数据信息的洗礼，所以这是一个新型的科学信息技术发展时期，也就是大数据时代。因而，人们能够在大范围的信息数据资源背景下做到很多事情，同时很多事情在小规模的信息数据资源背景下是根本不能完成的，这就是大数据。人们可以经过大数据来得到更多的知识以及创造出信息数据改革的社会价值，大数据还可以改变社会各界的关系，大数据社会时代的到来，给人们日常生活的带来了很多有社会科学价值的科学知识。
1.2大数据时代的特征。第一，在大数据环境下，信息数据资源量是人们很难计算的，按照国际文献资料中心估算，全球产生的信息数据量非常大，而且增长速度非常之快。数据信息资源种类不再局限，多种多样的数据形式逐渐体现出来。第二，信息数据资源这会价值总体发展形式，大数据已经融入到社会各行各业中，数据信息资源的社会价值也随之得到体现。因而伴随着大数据环境的不断发展，我们国家人民生活和医疗以及公共服务都朝向智能化发展。
2、在大数据环境下高校思想政治教育的发展
在大数据环境背景下，我们国家传统的思想政治教育形式正在受着大数据环境的影响。因而大数据环境下高校思想教育在各个方面。那么作为一名高校的思想政治教育工作人员来讲，需要做到从实质上接受认可大数据，正确对待大数据对现阶段高校学生的影响以及创新，用积极主动的思想来面对大数据，推动高校思想政治教育不断创新进步。
2.1改善高校思想政治教育教学内容，提高思想政治教育科学性。第一，实施大量的前期数据准备，运用新鲜科学的数据来提升高校教学成果。在传统用理论为依据的教育过程中，依据数据信息资源体现出的教学内容更加具有科学认知性以及说服力度。那么针对高校思想政治教育工作来讲，比方说：人的生命观、幸福观念、消费观念等等各种各样的价值观，利用大数来证实价值观的基本现状以及彼此之间的关系，能够从实践上知道高校大学生自身价值观的内在状况。在我们的日常生活中有很多这样的情况，在这样的情形下，也可以经过大数据措施来研究针对人生价值观念的分析以及所体现出的基本形式与特征，方面进一步实施有目的的教学[1]。
2.2改进高校思想政治教育者的工作实力，提高思想政治教育的实效性。第一，提高思想意识形态认知，高度重视信息资源以及教育工作者自身隐私的维护。提高思想意识形态教育。在西方发达国家运用已经形成的数据信息资源的优点，在互联网应用控制中起着关键作用，运用互联网将西方发达国家的价值观传送到我们国家发展过程中来去。因此，在互联网应用过程中，多元化价值观的应用与传播，造成非常大的信息资源数据朝向外界传播。那么，高校思想政治教育的团队要高度重视增强教学综合素养，进一步促进意识形态的主导地位。第二，提高隐私安全教育。在高校的思想政治教育过程中，需要提高学生的数据信息资源安全保护意识，针对社会沟通网络、网络视频网站以及银行卡等等个人信息需要非常关注。第三，增强数据信息资源运用能力，深度挖掘数据信息资源的社会价值，针对高校思想教育工作要实时总结自己本身的工作，有意识的增强自己本身的敏感度和对数据信息资源的观察研究能力。将高校中负责思想政治教育的负责人分配到不同的相关管理部门，要求完善数据信息资源，防止分散。提高相关部门与高校的合作，挖掘在大环境下高校思想政治教育的内在价值，为了提高高校思想政治教育提供相关根据。
3、在大数据环境下高校思想政治教育工作创新发展策略
开放思维思想，创新发展思想政治教育工作新趋势。在目前大数据环境下，要想推动高校思想政治教育工作，就需要把大数据与之相互结合，把大数据的社会价值充分发挥出来，促进高校思想政治教育工作创新进步。因而在目前大数据环境中，我们国家高校思想政治教育工作迎来了新的发展时期，需要主动积极配合，运用大数据信息资源所拥有的优势进行研究和分析。高校思想政治教育者要提高针对网络平台的运用，运用互联网的优势针对高校思想教育工作实施分析研究。
结束语：在当下，大数据环境下人们的日常生活发生了很大的改革，那么作为教育优秀栋梁人才的重要场所，我们国家高校在大数据环境下主动拓展思想政治教育工作，把大数据自己本身所拥有的一些优点与高效教育相互综合，同时按照大数据时代创新进步的特征，针对我们国家高校思想教育工作给予合理意见，推动我们国家高校思想教育工作可以在大数据环境下顺利发展，由此使我们国家高校随着时代的发展而逐渐进步。
参考文献：
[1]胡树祥，谢玉进.大数据时代的网络思想政治教育[J].思想政治教育研究，2013（6）：60-61，102.
大数据时代数据的价值篇8
随着互联网和移动通信技术的飞速发展，人们的交流方式、行为习惯、兴趣爱好等逐步实现网络化和数据化，寰球数据和信息实现快速增长，呈现爆炸式发展，世界已经步入大数据时代。在大数据时代，数据在企业管理和决策中发挥着越来越重要的作用，是企业实现可持续发展的重要战略资源。真正能够挖掘行业大数据潜在商业价值的企业才能在行业竞争中脱颖而出。本文将从企业管理视角探讨大数据的应用价值。
二、大数据的内涵
目前，大数据已经成为学术领域和实践领域研究的重点，但至今大数据的概念仍未达成共识。笔者认为，大数据是指所涉及数据量庞大到需要借助云计算等数据挖掘技术才能对数据进行深度挖掘，进而获得高潜在价值信息的巨量资料。可见，大数据具有数据量庞大、潜藏高价值的信息、数据复杂等特点，这就意味着对企业数据的处理、挖掘、分析等能力提出了更高的要求。
三、大数据时代特点
1.用于分析的数据量庞大
如今，数据分析已成为企业管理过程中不可或缺的支撑点，企业迫切期望能通过对海量数据分析预测未来行业的发展趋势来提高自身竞争力[1]。小数据时代，由于收集、存储和分析数据的局限性，企业一般依据收集到的样本数据进行分析和处理问题，从少量的数据中最大限度的挖掘所需要的信息。然而，随机抽样存在不少弊端，它的可靠性取决于所选取的样本需要绝对随机，不能带有主观性，但实现绝对随机的可能性相当小。因此，从某种程度来说，这严重制约了分析结果的精准性，从而制约着企业的发展与壮大。随着技术条件的不断提高，大规模收集、处理数据成为可能，大数据时代一个最鲜明的观点就是样本即总体：它追求利用全体数据，而不仅仅依赖随机样本。这不仅能够提高解决问题的精确性，而且还能挖掘出样本数据无法显示的信息。
2.数据的精确性要求降低
在数据规模相当有限的小数据时代，企业能够通过建立专业的数据库，尽可能精确的量化记录以确保数据的质量。因为如果对小规模数据的分析中有一个细微的疏忽，都有可能被放大，从而导致分析结果的偏差。大数据时代的数据量越来越全面，实现绝对精准同样也不能成为大数据时代所追求的目标。随着数据量的不断增加，数据错误率也相应上升，对于大规模数据而言，其中某个数据错误，对最终分析结果来说，不会产生任何影响。企业要做的不是追求数据的精准性，而是从中挖掘潜在价值信息。
3.寻找事物之间的相关性
大数据时代与小数据时代的主要区别还在于事物之间的因果关系不再是研究的焦点，研究的重心向探寻事物之间的相关性倾斜。以往研究事物之间的某种关联时，通常在收集数据之前，先提出假设，然后通过分析、处理收集的样本数据来验证假设。然而，大数据时代摒弃了这种方式，通过从低价值密度的数据中挖掘出潜在信息，探索事物之间的关联[2]。
四、大数据的商业价值
随着大数据的到来，企业越来越重视数据的管理，深入挖掘大数据在行业中的潜在价值和应用，以期为高层管理者制定未来发展决策和推动企业发展提供信息支持和数据支持。大数据在企业管理中发挥着不可替代的作用，主要体现在以下3个方面：
1.促进精准营销
随着移动通信技术的飞速发展和社交网络的兴起，消费者的购物习惯、兴趣爱好、行为方式、关系网络等会以文字、图片、视频等形式体现在网络中，从而形成实时动态网络化的大数据。企业利用云计算等挖掘技术对消费者网络化行为数据进行深入分析，根据顾客的行为特点、爱好取向等进行市场细分，根据细分结果选择企业的目标顾客，从而有目的地进行精准营销。用户的大数据为企业实施精准营销提供了数据支持和信息支持。大数据技术和云存储技术实现了对消费者行为实时观察和记录，大大提高了企业实施精准营销的效率[3]。
2.推动产品创新
企业基于大数据对顾客消费需求进行分析，有利于推动产品或服务的创新。随着社交网络及电子商务的发展，消费者对产品或服务的质量、功能、特点等的评价会及时反映在网络平台（例如微博、空间、售后评价等）上。企业首先需要通过数据搜索技术抓取顾客在网上有关产品或服务的相关评价信息，然后进行根据顾客提出的问题和建议来改善产品或服务，并按照顾客的创意性反馈适时生产新产品，从而提高企业产品创新意识和服务意识。
3.加强产品流程优化
随着科技的发展，企业产品的生产逐步实现以机器代替人工操作，实现智能化、信息化生产运作。特别是云计算、物联网等先进信息技术的应用，企业逐步实现对产品生产制造的全过程监控和管理。产品生产制造全生命周期可以全程实现数据化、信息化、智能化。大数据技术和云计算技术的应用可以对产品生产制造（包括产品的设计研发、生产工艺、运营管理等）数据进行智能分析。大数据技术可以把企业数据进行整合和深入挖掘，通过构建数据模型进行产品流程优化，可以为企业高管进行决策提供数据支持和技术支持。
大数据时代数据的价值篇9
【关键词】大数据大数据信息制造业
制造企业以往是以产品为基础，怎样能够降低生产成本是制造业企业的根本，如今，如果还是以这种观念为基础，制造业企业结果必然是暗淡。后来，越来越多制造业企业关注于客户并对大数据产生了兴趣，明白了要想取得更大发展必须以客户为导向，通过了解客户的喜好和兴趣然后进行信息反馈，将客户喜欢的产品及时交付，这样才能更好的把握住客户的需求，对企业的发展带来了新的希望和生机。怎样才能挖掘出制造业中的大数据，然后从中获取、发掘和分析信息，使得企业在多样化的数据源中获得更大的价值，是值得我们思考的问题。
1大数据的定义和特征
清华大学自动化系统集成研究所所长范玉顺曾经说过：“70年代企业竞争是我有你无，80年代拼的质量，90年代是市场营销，到了这个时候要做的全球的供应链管理，当下制造业的核心竞争力是全球化的服务体系，特别是需要在信息化技术的知识体系下做好全球的资源整合”，这是制造业未来的重要关注方向，“在信息化体系下的资源整合”他说的这句话无疑是在说一个重要的资源那就是数据资源。
大数据是什么？大数据就是利用先进的数据筛选工具，对海量的规律化和非规律化数据融合进行挖掘，来分析出对人们有价值的数据信息。它的发展速度让人无法置信，iDC的报告显示，全球大数据技术以及服务市场复合年增长率达31.7%，2016将达到238亿美元，是增速约为信息通信技术（iCt）市场整体增速的七倍之多。
大数据的特征就是数据的集合以及增长速度之快不能在一定时间进行采集、处理、存储和计算的数据集合。它有六大特征性：
（1）数据量大：数据量大以至于现在计量单位都到pB级别。
（2）数据类型多样化：主要是指数据种类以及来源繁多。
（3）价值密度低：可以利用的价值缺少，怎样挖掘出有价值的数据是值得我们研究的问题。
（4）处理速度快：处理快、时效性高。
（5）数据是时时在线的：数据在线，随时可以调用和计算比较方便。
（6）数据的预测性和潜在性：通过数据信息的分析预测出有效的数据，潜在性是指大数据中都有直接关联的信息，能精确的了解数据之后所发现的其他不同的有价值的信息。
2有效挖掘大数据信息
“大数据”给制造业企业迎来了启发。大数据信息的来源途径包括三个方面：
（1）网络显示的数据信息。
（2）网络传感器中保存的数据信息。
（3）社会层面的数据信息。例如政府部门以及事业部门汇集的数据信息。
对于数据信息，制造业企业要选择自己所需要的数据信息，后经过转换、使用，最后筛选出来有价值的信息。
网络技术发展已经进入大数据、物联网、移动互联网、智慧城市和云计算的时代。大数据所得数据的综合信息大大提高了决策者的正确率，大数据在我国制造业企业中受到广泛的重视，并积极的挖掘数据中的应用价值，在挖掘取得信息的同时按照商家的要求可以及时地发送到电脑、pad、手机中。随着网络通信的发展，大数据将成为新的创新平台带来可观的经济与社会效益。
3制造业如何把握大数据
制造业企业中的企业决策者会第一时间认识到数据的商业价值，从而获取更多价值。但是真正有价值的数据还需要决策者们更好的去挖掘，目前我国制造业企业信息化基础薄弱，而且企业对知识管理带来的价值缺乏正确的认识，把有价值的数据挖掘出来然后转给企业决策者，并能从数据中获得需要的信息。数据挖掘技术主要是用于大量的数据中发现隐藏于其后的规律或数据之间的关系，分析出规律并能很好的与相关业务结合，提升业务并帮助企业做出经营策略。
保证数据的真实性，企业要从意识、管理和技术方面入手：
（1）树立全面的数据质量意识，在使用信息系统的时候要规范操作，意识到数据是系统的生命，保障数据真实准确。
（2）颁布并执行数据管理相关规定，在制度上规范数据的管理
（3）运用技术手段保障数据的质量，引入主数据管理平台，集中管理主数据，加强系统对错误业务数据的z查校验功能，把错误数据堵在源头。
数据的准确性依然是信息化工作最大的挑战，同时也是制造业企业的不懈追求。
4大数据在制造业中的应用
大数据对各行各业带来了需要的生产价值，数据在分析挖掘后产生的有价值的信息达到大数据的应用。
制造业需要的数据信息众多，主要包括非结构化数据和多媒体数据。
4.1产品数据的应用
生产的产品从生产到销售各个生产环节都有数据的应用，高能的数据给工程师们带来帮助使他们在制造过程中计算准确、发挥自由。
4.2运营数据的应用
企业运营数据涉及到很多方面，制造企业也是十分关注运营，维持企业发展运营数据占据重要的位置。
4.3价值链数据的应用
制造业整个价值链包括客户、合同、服务记录等都涉及到诸多的数据。
4.4外部数据的应用
包括经济、政策、行业、竞争对手等的数据。
5结论
本文分析了大数据时代给制造业带来的变化，同时也面临许多挑战，在大数据影响的制造业还需要我们更好的去挖掘、探索和创新。
参考文献
[1]维克托・迈尔D舍恩伯格著，周涛译.大数据时代：生活、工作与思维的大变革[m].浙江：浙江人民出版社，2012（12）.
[2]朱明.数据挖掘（第二版）[m].合肥：中国科学技术大学出版社，2008（11）.
[3]李刚，董火民，姜家轩.制造业企业信息化项目监理策略分析[J].微型机与应用，2007（S1）.
[4]付睿臣，毕克新.我国制造业企业信息化的现状及建设对策[J].科技管理研究，2009（09）.
[5]杨海成，祁国宁.制造业信息化技术的发展趋势[J].中国机械工程，2004（19）.
[6]曾新胜.经济全球化中的中国制造业发展战略[J].国际经济合作，2006（01）.
大数据时代数据的价值篇10
档案界在档案信息化过程中必须保持对信息技术发展的高度敏感，及时追踪新技术趋势，深入研究各种信息技术引入档案工作的可能性、必要性及其可能带来的积极意义和消极意义。大数据技术和思想对档案信息化工作的影响和要求主要体现在以下几点。
1促成档案概念的泛化
档案的概念与本质问题是档案学的基本问题，在档案学界已经讨论了多年。冯惠玲、张辑哲主编的《档案学概论》（第2版）中对档案的定义是“档案是社会组织和个人在社会实践活动中直接形成的具有清晰、确定的原始记录作用的固化信息”，认为“原始记录性”是档案的本质属性。虽然在信息时代，早已出现“电子档案”的概念，但是，在电子文件收集、整理、归档和保管过程中依然沿用纸质档案的分类和鉴定方法。在信息稀缺和保存信息代价巨大的纸质时代，甄选和保存对社会和个人具有明显价值的档案是合理的和必要的。许多信息虽然具有“原始记录性”，但因其单位信息价值有限而不能作为“档案”保存的，比如网络访问日志、鼠标在网页上的轨迹、顾客在购物商场里的行进记录等。
但是，在大数据时代，大规模数字存储系统的应用使数据存储的成本越来越低，许多以前不能存储的信息都可以保存下来。当这些价值密度低的数据汇合成pB级别时，人们便可以从中挖掘出价值。商场可以根据大量顾客在商场的行进路线、滞留时间、关注方向等数据来设计商品的布局；日本先进工业技术研究所的专家可以根据人体对汽车座椅施加压力的数据建立模型进行乘坐者身份识别，从而实现汽车防盗功能；当收集了大量的机械运行时产生的震动、温度、转速等数据后，就可以建立预测模型，在机械故障发生之前消除存在的隐患。这些价值密度低的原始记录在大数据时代整体上便产生了巨大的价值，具有了档案的完全属性。这促使学者重新审视“电子档案”的范围。
学者们一般把“档案”定义为事件结束后经过整理归档的文件，且将档案分割为小的相对独立的信息单元。在信息化时代，记录即是档案，数字化的记录一旦生成便变成了不可删改的档案。广泛应用于社会实践的税务管理系统、户籍管理系统、车辆交通管理系统等实时地将“记录”转化为“档案”，而每一条记录都将变成具有长期保存价值的档案，这些单位价值密度低的记录信息将作为不可分割的整体来发挥档案的价值。在大数据时代，档案概念存在着严重的泛化问题，不能不引起关注。
2有利于破除档案信息化难题
档案工作不管对于国家还是社会组织、企业来说都是一项基础服务性质的工作。档案工作长时间以来都存在着效益滞后的问题，使档案信息化工作陷进投入资金不足、领导重视不够的困境。财政对档案信息化建设的投入，是以获得良好的效益为前提的。传统纸质信息时代对大量的档案信息资源进行分析整合开发需要耗费巨大的人力物力。大数据时代的到来使这一问题迎刃而解。只要拥有良好的数字资源基础，计算机快速处理海量的不同类型信息的能力就能够快速地廉价地挖掘档案信息资源潜在价值，为经营和管理决策服务，从而产生看得见的效益。
长期以来，档案信息化没有明晰的总体规划方案。人们普遍认为，“档案数字化的目的不外乎两个：为保护档案尤其是濒危档案而制作数字化副本；为实现网络环境下的档案信息共享利用而数字化”，这种认识将档案信息化局限于传统档案工作手段的计算机化而对档案信息资源整体价值重视不够，从而难以挖掘档案深层次的价值。帮助人们认识客观世界、辅助决策、产生效益才是档案利用的生命力所在。大数据分析并不是档案人员的专长，但是，为大数据分析提供基础数据则是档案工作在信息时代的价值所在。抓住大数据的机遇，才能避免被边缘化，从而使档案工作摆脱困境。大数据时代要求数据资源的开放，这对我国档案信息化建设也具有导向作用。2008年美国建成了data.gov网站，这是美国联邦政府的公开信息资料库。网站从2009年的47个数据集迅速发展起来，到2012年7月3周年时，数据集已达45万个，涵盖了172个机构，产生了广泛的社会和经济影响，有力地推动了美国社会和经济的发展。档案信息化必须在大数据时代构建社会公开信息资源库中占据一席之地，这也应当成为我国档案信息化的目的之一。
3对电子文件工作产生深刻影响
《电子文件归档与管理规范》（GB/t18894-2002）已经颁布，但是，在档案工作实践中档案工作者大多依然沿用纸质时代的鉴定方法对单份的电子文件进行归档处理。更有甚者，有些档案部门对电子文件界定不清而不愿接收电子化记录从而造成档案信息缺失。维克托·迈尔-舍恩伯格在《大数据时代》一书中指出，在大数据的价值链上有三种类型的公司，即，基于数据本身的公司、基于技能的公司和基于思维的公司。基于数据本身的公司是一些拥有大量数据或者至少可以收集到大量数据的公司，但不一定有从数据中提取价值或者用数据催生创新思想的技能，他们通过将数据授权给其他公司而创造价值。很显然，档案部门应该做大数据的拥有者。档案人员应该重新审视对电子文件的态度。长期以来存在着两种电子文件的保管模式，一种是分散式保管，一种是集中式保管。在大数据时代，数据是最核心的财富，最先考虑对数据的拥有才是明智的。不管是采用集中式还是分散式的管理模式，档案部门应该占据数据链的中心，处于收集数据和挖掘数据价值的黄金位置。
在大数据时代，要求对信息进行“数据化”而不仅仅是“数字化”。数据化是指将现象变成指标分析的量化形式的过程，而不仅是转化成“0”和“1”的数字格式的过程。对电子文件管理来说，即是要求拥有完善的元数据和实现全文检索。目前，电子文件元数据的研究集中在保证电子文件现实的真实性、完整性、可读性、安全性方面，对电子文件未来的可能出现的开发利用重视不够。完善的元数据标准是为大数据分析与应用提供优质数据的基础。基于词频和语义的分析将是大数据分析的重要手段，因此，实现信息的全文录入就有了更重要的意义。当前，很多档案部门重“数字化”而轻“数据化”，对纸质档案进行图片化处理，造成文件格式混乱、元数据收集不全，这都将成为未来大数据开发利用的障碍。有些学者片面强调电子文件的技术安全性而人为地为电子文件设置重重技术保障措施，也将为利用增加障碍。对于电子文件安全性的保障应该更侧重管理制度方面的完善，而不是增加技术复杂度。