大数据读书心得范文第1篇
关键词：大数据 大数据资产 大数据企业 会计报表
大数据是经过系统整理，储存在现实或虚拟空间里，能够提供一定价值的信息资源。即大数据企业或大数据研究机构首先通过过去交易或事项合法取得，其次能够拥有或控制，再者可以带来经济利益的资产。
对大数据合理地进行确认和计量;正确地进行会计处理;公允地体现在会计报表上，这是大数据作为一项新型企业资产研究的课题。站在大数据逐步产业化的层面，立足于雨后春笋般诞生的众多大数据企业和大数据研究机构的角度，让大数据资产走进大数据企业会计报表具有现实意义和深远的影响。
一、大数据资产的确认
1.大数据资产确认的操作方法。数字不是数据，数据也不是大量数字，大量数据也尚不能界定为大数据。当企业针对某个领域、某个事项、某种目标进行前期调查、调研、抽样、统计等研究时，或者针对基础资料进行筛选、整理、分类、分析等后期系统加工处理开发时;再或者企业支付对价购买取得数据基础资料时，将归集的对象化了的成本费用确认为“研发成本”，非对象化的确认为期间费用。
在“研发成本”的基础之上，能够使大数据以研究报告等现实产品形式对外提供给大数据使用者时;或者能够使大数据在虚拟空间里供大数据使用者随时使用时，将“研发成本”确认为“无形资产”。
2.大数据资产确认的背景培育。尽管独立的数字、零散的数据尚不能界定为大数据，但是它们却是形成大数据产品的基础原料。原料的价格相对于产品而言自然是低廉一些，特别是对于大数据产品这样的无形资产，其原料更是低廉得可怜。比如几千元钱购买了一个城市的企业注册信息;再比如几百元钱、甚至是几个电话或者几句好话就能换取无数个各类样本。
的确有些样本取得是简单且价格低廉的，但有些基础原料却是前期花费高额成本的。比如人口普查、经济调查等等前期都花费了大量的人力、物力、财力。只是目前这些基础样本的持有者没有法律的约束;没有或者法律意识淡薄忽视了这些基础样本的价值所在。伴随着人们“数据资料信息本身是有价值”意识的增强，就会逐渐形成一个市场，形成一个数据原材料、大数据设备、大数据人才、大数据产品市场。这些都将逐渐形成大数据确认的背景培育土壤。
二、大数据资产的计量
1.大数据资产计量的操作方法。大数据资产一旦作为企业的一项新型资产，自然也要遵循货币计量的假设和历史成本的原则。企业在大数据资产研究阶段和大数据资产开发阶段，以其实际发生的工资薪金、设备折旧、购买大数据资产支付的对价、投资者投入的大数据资产公允价在内等各项成本费用额度，分别将归集的对象化了的成本费用计入“研发成本—研究费”和“研发成本—开发费”，非对象化地计入期间费用。
在“研发成本”的基础之上，能够使大数据以研究报告等现实产品形式对外提供给大数据使用者时;或者能够使大数据在虚拟空间里供大数据使用者随时使用时，将“研发成本”的账面价值结转到“无形资产”。
2.大数据资产计量的技术支持。关于大数据资产的计量，从理论上来讲并不复杂。但是实际操作过程中，需要太多的技术支持，或者说需要太多账务处理的合法依据。购买大数据资产支付的价格是否合理，这不能停留在供求双方的合同、协议上，不管是由供方提供发票，还是由需方到税务机关代开发票，其发票的金额应当在对应合同协议的基础上，税务机关应该制定最低计税标准，或者借助大数据资产评估机构的评估值。还有投资者投入的大数据资产是否公允价，也存在类似的问题。
发票可以是增值税普通发票，也可以是增值税专用发票。但是只有开具发票税务机关才能掌控大数据资产的交易流转税;供方企业或自然人才能从源头上缴纳增值税及其附加;需方企业才能获得合法的企业所得稅税前扣除依据。
对于评估而言，首先，是完善大数据资产的资产评估准则、细则、操作指南;其次，是培养大数据资产评估专业人才和培养、提高资产评估师的大数据资产评估技能;再者，是有胜任能力的评估师事务所增加大数据资产评估业务范围，同时建立大数据资产登记确权、价值评估、交易服务公共平台。不仅让大数据资产走进企业的会计报表提供合理合法的可能，也为企业将来的大数据资产抵押贷款、资产证券化的等价支付、有序流动，最终形成大数据产业和产业链奠定基础。
对于税务机关而言，首先是应该将大数据资产交易列入增值税细目，确定大数据企业的征收率和税率;其次是制定大数据资产的最低摊销年限;再者是壮大针对日益繁荣大数据企业稽查队伍或者人员。
三、大数据资产的会计处理
1.大数据资产的会计处理方法。大数据资产将以存货的形式或无形资产的形式，存在于“研发成本”或“无形资产”账户。因此，大数据资产的会计处理关键工作就是摊销。其摊销的流向应该是和大数据企业“主营业务收入”对应的“主营业务成本”。也就是说摊销时，借记“主营业务成本”，贷记“累计摊销”。
针对大数据资产的特性，其不适应一般无形资产五五摊销和分次摊销的直线平均法。应当采用收益百分比法或者年数总和加速摊销法。目前大数据资产的计量标准尚待完善，收益百分比法的实施还有一定难度。当前可以将固定资产计提折旧的年数总和法引入大数据资产的摊销。具体的使用年限可以参考最低使用年限。
对于大数据资产取得的会计处理，在前面确认和计量环节已经涉及。大数据资产的期末计量，在上述税务机关制定的最低摊销年限指导下也就变得非常简单。在此不再赘述。
2.大数据资产的会计报表列示。大数据资产在资产负债表上的列示位置，依据对会计准则理解因该是存货项目或无形资产项目。针对大数据资产的特性，对于账面价值需要研究两个问题：第一，大数据是轻资产类型的资产，所以不能仅仅从资产额度上判定大数据企业是小企业或中企业，那么能不能采用高价卖出，平价买入，并交纳交易环节税费的形式抬高资产额度;能不能评估增值补交税费入账。第二，大数据资产列示在无形资产项下，无疑是一种长期资产，这在某种程度上会影响大数据企业的流动比率实质。因此可否考虑将一年内摊销完成的部分价值，列示在一年到期的其他流动资产。
总之，如何对大数据资产进行确认、计量、记录、报告还有待相关政策、法规的完善。目前仅仅是对大数据会计的初探，但大数据企业已经是存在的企业类型，大数据资产也无疑要计入企业的会计报表，这对大数据企业本身和整个社会的大数据产业都具有现实意义和深远的影响。
(作者单位：青岛明达尔管理咨询有限公司 青岛蓝海股权交易中心有限公司 山东青岛 266000)
(责编：若佳)
大数据读书心得范文第2篇
一、经济数据的知识性解读 所谓知识性解读，指的是教师在教学时，能够从纵横两个视角引导学生对《经济生活》中的数据进行解读，让学生获取相关的经济学知识，以达成思想政治课的知识目标。 1.基于纵向视角的知识性解读。从纵向视角对经济数据进行知识性解读，强调的是对一定的经济数据进行历史性考察，并据此解读出相应的经济学知识。如对教科书第10页“2010年4月8日人民币对美元的汇率中间价为682. 59，2013年4月8日人民币对美元的汇率中间价为626.5”这一数据，我们的历史性考察分两步：首先是选择四个典型的历史时期来考察汇率情况。一是1953年到1972年，国家实行计划经济，实行严格管制和固定不变的汇率政策，使人民币对美元的汇率基准价长期稳定在246.1上。二是1981年至1993年，国家实行对外开放，发展社会主义市场经济，为扶持出口，增加外汇收入，人民币对美元的汇率基准价控制在149和195.8之间。其中1985年至1993年国家为平衡国际收支，实行官方牌价与外汇调剂价格并存的政策，使人民币对美元的汇率基准价由293.6逐渐上升到576.2。三是1994年至2005年，为进一步完善发展社会主义市场经济体制，国家逐步形成了以市场供求为基础的、单一的、有管理的浮动汇率制。人民币对美元的汇率基准价保持在835与819间浮动。四是2005年7月21日起至今，实行以市场供求为基础的、参考一蓝子货币进行调节、有管理的浮动汇率制度。人民币对美元的汇率基准价水平由797上升到619，并呈稳中有升的特点。其次，在上述四个时期考察的基础上，我们可引导学生解读出这样一些基本的经济学知识：一是我国的汇率政策是为适应并促进不同时期经济社会发展的需要而制定的，期间经历一个由严格管制向市场逐渐过渡的历史过程，并呈日趋市场化开放化的发展趋势。二是汇率是以另一国货币来表示的本国货币的价格，其高低最终由外汇市场决定，但同时也会受到国家政策等因素的影响;三是一国汇率数据的变动会对该国经济发展和居民生活带来一定的影响。我国人民币汇率总体呈上升趋势，这对我国经济发展和人民生活既有利也有弊，需要我国防范汇率风险等。 2.基于横向视角的知识性解读。从横向视角对经济数据进行知识性解读，强调的是对经济数据横向间的各类关系进行分析，并解读出其中所蕴涵的经济学知识。如对教材第66页“财政收入”这一数据，我们的知识性解读也分两步进行：首先将教材上“2012年财政收入”来源项目细化，并选择典型项目进行横向分析。一是分析财政收入、税收收入、非税收收入的数量及关系：2012年财政收入117210亿元(不含债务收入)，税收收入100601亿元，非税收收入16639. 24亿元，分别占全部财政收入的85. 83%和14. 20%。二是分析税收中几个主要税种的数量及关系：国内增值税26415.5亿元、国内消费税7875. 58亿元、营业税15747. 64亿元、企业所得税19654亿元、个人所得税5820. 28亿元、关税103.5亿元等，其中国内增值税已成为我国目前税收的主要来源，企业所得税次之，营业税居第三，然后是国内消费税和个人所得税，关税数量较少。三是分析非税收收入中主要项目数量及关系：行政事业性收费4579. 54亿元、国有企业利润1154. 02亿元、罚没1559. 81亿元等，其中行政事业性收费最多位居第一，而国有企业上交利润相对比较少，低于各类罚没收入。四是几类主要国有企业利润数量及关系：烟草企业252. 64亿元、石油化工企业308.
45、电力企业76. 74亿元、煤炭企业106. 54亿元、电信企业106. 90亿元、电子企业1. 65亿元、金融企业0.33亿元、转制科研企业1.88亿元等，其中石油化工、煤炭、电力等资源类国有企业利润占总利润的42. 61%，而科技为主的国有企业利润只占总利润的9.5%。其次在上述分析的基础上，我们可引导学生解读出这样一些基本经济学知识：一是税收是依法取得财政收入的基本形式，是财政收入的主要来源。二是增值税、营业税、企业所得税等是国家收入的主要来源，但也直接影响企业的生存和发展。当前的税收改革特别是“营改增”，对国家税收总量及企业发展与竞争力影响甚大。三是非税收收入中行政事业性收费太多，而国有企业上交利润偏低，与国有经济的性质、地位及作用不匹配。四是国有企业利润结构不合理，其中资源类国有企业的利润占利润总量过高而科技类国有企业利润偏低，这表明我国仍需要大力推进经济发展方式的转型升级。
二、经济数据的能力性解读 所谓能力性解读，指的是教师在教学时，能够引导学生运用比较、综合两种方法对《经济生活》中的经济数据进行解读，提升学生分析数据和概括数据的能力，以达成思想政治课的能力目标。 1.基于比较方法的能力性解读。运用比较方法对经济数据进行能力性解读，强调的是对不同的经济数据，依据一定的标准进行相应的比较，以培养和提升学生分析数据的能力。如对教材第82页虚线框中的“农村居民人均纯收入”和“城镇居民人均可支配收入”数据的能力性解读，可分下述两种情况：首先，对同一经济主体在不同时间点上的数据进行纵向比较性解读，以培养学生纵向分析数据的能力。如可将教材82页上“农村居民”和“城镇居民”两类经济主体的经济数据，分别补充上2013年和2014年的最新数据，形成下述比较表格： 依据上述表格数据，引导学生分别分析从2009年至2014年农村居民人均纯收入和城镇居民人均可支配收入数据变动的特点：城乡居民人均收入逐年增加，但农村居民收入增长速度快于城镇等。其次，对同一时间点上不同经济主体的数据进行横向比较性解读，以培养学生横向分析数据的能力。我们同样可依据上述表格，引导学生分析我国在2009年至2014年期间，每年农村居民和城镇居民人均收入数据的差异情形：城镇居民收入高于农村居民，绝对差距数据在拉大等。 2.基于综合方法的能力性解读。运用综合方法对经济数据进行解读，强调的是在一定的范围内对不同经济主体的经济数据进行相应的综合，以培养学生的数据概括能力。一般我们可选择两种主要范围展开综合性解读：首先就同一教学单元中的经济数据进行综合性解读，以培养学生从单元经济数据中概括出相应结论的能力。如对第二单元“生产、劳动与经营”中的主要数据，我们按照因果联系的逻辑原则，将“我国主要产品产量居世界位次”、“城乡居民储蓄存款余额”、“储蓄存款利息和股票价格”、“投资理财的分配数额”、“保险理赔数额”等数据进行综合，形成下述数据体系：依据上述体系，引导学生对①②③④四组原因结果关系进行概括，可得到这样的结论：随着我国我国经济不断发展、经济实力不断增强，居民储蓄余额不断增加，同时由于国家经济的发展和居民储蓄余额的增加，会引起居民投资理财途径的多样，而这会进一步提高了居民的储蓄余额和国家经济的发展，由此在居民投资与国家经济发展间形成了相互促进的良性互动。总之，一国经济的发展与投资间存在着密切的关系，需要我们正确地处理。其次对教材中不同单元中经济数据进行综合性解读，以培养学生从不同单元经济数据中概括出相应结论的能力。如对第二单元“生产、劳动与经营”和第三单元“收入与分配”中的众多数据，我们同样可依照因果联系的逻辑原则，进行综合，形成下述综合体系： 依据上述体系，引导学生对①②③④⑤⑥六组原因结果关系进行概括，可得到这样的结论：第一，随着我国经济的发展，不仅带来居民投资增多和日趋多样，而且还促使国家财政收入、企业收入和居民收入不断提升及财政支出数量的增加。第二，我国居民投资和财政投资的增加，必然促进我国经济的发展。第三，国家财政收入的增加、企业利润、居民收入的不断提升，也必将推动我国经济的发展。第四，在国家财富一定情况下，投资的增加会引起收入的减少，而收入的增加会引起投资的减少，两者存在此消彼长的关系。第五，国家、企业和个人之间收入分配结构的变化会影响国家经济的发展，同样国家投资结构和居民投资变动也会影响国家经济的发展。总之，一国经济的发展既需要投资的作用，也需要消费的作用，因此必须协调好投资与消费的关系，实现经济的转型与持续发展。
大数据读书心得范文第3篇
显然，您所掌握的人员情况、工资表和客户记录对于企业的运转至关重要，但是其他数据也拥有转化为价值的力量。一段记录人们如何在您的商店浏览购物的视频、人们在购买您的服务前后的所作所为、如何通过社交网络联系您的客户、是什么吸引合作伙伴加盟、客户如何付款以及供应商喜欢的收款方式……所有这些场景都提供了很多指向，将它们抽丝剥茧，透过特殊的棱镜观察，将其与其他数据集对照，或者以与众不同的方式分析解剖，就能让您的行事方式发生天翻地覆的转变。
大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法通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”这个术语最早期的引用可追溯到apache org的开源项目Nutch。当时，大数据用来描述为更新网络搜索索引需要同时进行批量处理或分析的大量数据集。随着谷歌MapReduce和Google File System (GFS)的发布，大数据不再仅用来描述大量的数据，还涵盖了处理数据的速度。
早在1980年，著名未来学家阿尔文·托夫勒便在《第三次浪潮》一书中，将大数据热情地赞颂为“第三次浪 潮的华彩乐章”。不过，大约从2009年开始，“163大数据”才成为互联网信息技术行业的流行词汇。美国互联网数据中心指出，互联网上的数据每年将增长50%，每两年便将翻一番，而目前世界上90%以上的数据是最近几年才产生的。此外，数据又并非单纯指人们在互联网上发布的信息，全世界的工业设备、汽车、电表上有着无数的数码传感器，随时测量和传递着有关位置、运动、震动、温度、湿度乃至空气中化学物质的变化，也产生了海量的数据信息。
大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。
大数据读书心得范文第4篇
2、工程教育认证背景下光电信息科学与工程专业的毕业要求与课程体系设置
3、本刊理事单位最亲书目
4、大数据时代的信息文化研究
5、基于产教融合的农业院校环境专业应用型拔尖人才培养模式的探讨
6、基于拟态计算的高效能大数据应用平台构建研究
7、北美士族研究传统的演变
8、域外法学方法论论著我国大陆传播考略
9、海洋渔业科学与技术卓越农林人才培养方案优化改革探索
10、地方应用型本科院校人才培养质量保障体系的构建
11、中国科学技术大学新生“科学与社会”研讨课的实践与探索
12、《生命科学与健康》课程教学效果的调查与研究
13、“学科大类—专业方向—综合提升”海洋科学专业课程体系研究
14、以专业规范为指导,科学构建计算机专业人才培养体系
15、基于CDIO的云计算与大数据课程教学体系构建
16、材料科学与工程专业导论课的定位与教学体系构建
17、MOOCs背景下我国高等教育教学模式的变革与创新
18、论社会科学的价值选择与价值中立规范
19、给排水科学与工程专业适应黑臭水体技术发展的课程改革设想
20、面向非计算机专业的人工智能导论课程建设与探索
21、环境专业《自然保护概论》课程存在的问题与对策探讨
22、浅谈小学英语教学的生活化
23、关于大学课程建设与改革的理论探讨
24、基于校企地三方合作的大数据人才培养模式研究
25、地域认同度与大学生人际交往的关系
26、面向国际化的数据科学与大数据专业课程体系建设
27、我国犯罪学本土发展的整体性
28、基于校企协同育人模式的数据科学与大数据技术专业人才培养研究
29、再论我国心理学的分化现象
30、PISA科学素养测试对生物学学科核心素养测评的启示
31、通识教育背景下数据科学课程建设路径探析
32、“互联网+”背景下大学教学文化探析
33、大数据工程教育的探索
34、高校公共艺术教育现状与对策研究
35、新形势下给排水科学与工程特色专业建设探讨
36、基于“通专融合”的通识课程教学改革研究
37、大数据创新人才培养模式的探索与思考
38、会计理论课程教学内容的结构分析与分层设计
39、新文科背景下大数据管理与应用专业培养特征的内容分析
40、用面向科学思维的教学方法改进计算机图形学课程教学
41、基于大工程教育理念的电气信息类专业课程探讨
42、数据科学与大数据专业和统计学专业的比较研究
43、计算机专业大数据方向课程群建设研究
44、信管专业的现状与改革
45、构筑激发学生科研兴趣的桥梁
46、《墨经》绝学研究的科学方法论
47、大数据时代数据科学课程建设与人才培养的探索
48、内容驱动的高校专业课程思政教学
49、仪器科学与技术学科研究生培养模式改革研究
大数据读书心得范文第5篇
摘 要：近年来，我国的社会经济和交通事业在不断快速发展，交通压力也变得越来越大，又随着时间的不断推移，目前存在诸多已建成完工的桥梁各方面性能也在不断下降，使得桥梁当初设计的承载力已经无法满足目前的需求，严重威胁到桥梁结构安全以及行车安全。为避免桥梁在使用期间出现安全问题，有必要对桥梁进行健康监测，并对监测数据进行分析研究，实时掌握桥梁运营情况，建立预警机制。
关键词：大数据;桥梁工程;智能监测;研究应用
桥梁作为现代公路交通系统中的关键节点，其健康情况会对公路的安全运营和服务水平等造成直接影响。如何对桥梁存在的病害隐患进行方便快捷的监测并进行科学的处理是桥梁检测与维护工作人员目前面临的一个重要难题。
一、大数据统计关联分析
在统计工作过程中取得，并能够对社会现象和国民经济进行真实反映的数字资料或是其他有关联性的资料就叫做数据统计。数据统计应用在桥梁领域内，需要科学合理的分类并汇总工程检测数据，从而得到在相同分类中的数据规律，比如对同一时期建成的桥梁中出现问题最多的部位进行统计。关联性分析也可被叫做关联挖掘，指的是在关系数据、交易数据等的载体当中，找寻存在于项目集合或对象集合之间的频繁模式、相关性或因果结构，这种分析技术比较简单，而且实用，主要目的是对大量数据之间的相关性进行挖掘，用来对同一个事物中部分属性在相同时间出现的规律进行描述[1]。比如利用大数据中的Apriori算法对桥梁工程监测数据进行分析，可以分为三步：（1）按照结构样式以及建设时间对系统里的所有桥梁数据进行分类。（2）在完成各种不同桥梁的监测数据分类后，再根据桥梁各个不同部件的所有病害类型进行统计分类处理。（3）关联和统计不同桥梁中相同部件的所有病害类型，并进行分析，从而发现部件的常见病害类型以及病害出现的频率。如图1，桥梁智能监测系统结构。
二、桥梁工程智能监测大数据中心的内容
1、智能监测系统自身产生的大量数据
健康监测系统对大桥关键结构的信息采集工作，是通过安装在桥梁上面传感器来完成，收集到大量数据后再进行数据的存储、传送及分析工作，同时将此类数据传输到数据中心，海量的实时数据最终得以产生。在目前的大数据环境中，实现数据的实时采集是进行数据分析处理的前提，将PB级别的数据处理时间缩短到秒是当前数据处理的目标，这也要求相应的数据处理工具和设备必须具备较高的性能及可扩展特性。
2、桥梁的各种资料数据信息
桥梁数据的重要组成部分主要包括桥梁的设计、定期检测、施工监控等资料，这部分数据信息可以储存在常规数据库中，可以归类为结构化数据。当前有比较多的数据分析工具和手段，属于传统数据分析，但也需要大数据分析软件来对其进行分析和对比。
3、社会数据信息
社会数据主要包括一些桥梁的设计、施工和运营等方面资料的出版书籍，这些书籍主要是由新闻报道工作者和桥梁科技专业人员来书写完成的，这些书籍中的相关有用信息可以被检索出来用于桥梁安全和健康情况的辅助判断[2]。半结构化数据和非结构化数据在社会数据中占比较大，要对这部分数据进行利用有很大的难度，也是当前研究人员关注的重点。数据挖掘算法和语义搜索引擎是大数据中对社会数据进行提取和搜索的两个主要工具。
三、大数据在桥梁工程智能监测中的作用
将大数据运用到传统信息资料库中，可以全面、高效的对桥梁建设的基本信息进行了解和掌握，为桥梁工程建设提供可靠的数据资料支持。对与桥梁建设相关的研究数据信息进行公开，也可以促进学术界之间的交流，推动建筑行业的发展和创新。在大数据库中包含着桥梁工程的重要监控数据，可以利用技术优势对其中的价值进行挖掘，有利于提升桥梁建设的施工品质，加快施工进度，施工工期缩短可以为企业节省部分成本。在大数据思维模式技术的支持下，还能对桥梁将来可能出现的问题进行准确预测，并及时采取应对措施。因此，大数据微算法应用在未来桥梁工程智能监测工作已成为必然趋势。
四、大数据微算法在桥梁工程智能监测中的应用
1、应用于系统误差处理工作中
在采集数据的过程中，系统误差是对同一个对象进行重复测量时，得出数据的误差值大小和符号均无发生变化，或者是跟随条件的变化而有规律发生改变的误差。通过对观测值的正态分布特征性进行分析，可以看出比较大的偏差出现的可能性较低。如果观测值数量比较少，误差依据小概率原理分析，正常情况下出现的可能性较小，一旦出现则说明异常值一定存在。在桥梁工程智能监测数据当中，数据既不能通过试验再现也不具备重复性，因此只能对数据从理论方面进行推导，即使用数据分析方法来对系统误差进行分析。数据分析法主要包扩残余误差观察法、秩和检验法以及计算数据比较法等，系统是否存在误差可通过此类方法来进行判别[3]。如果系统误差确实存在，可对周围环境和监测仪器进行检查，并对其他干扰因素进行排除。
2、应用于噪音消除工作中
由于外界多种因素的干扰，采集到的数据会出现一定程度失真的情况，要想接收准确有效的数据信息则必须对采集的数据进行滤波处理。为确保数据信息的真实性，可以利用数据平滑滤波法来以此消除噪声，低通滤波、中值滤波、移动平均滤波等都是比较常用到的方法[4]。其中每一种滤波方法对噪声都具有一定程度上的消除作用，在实际的应用过程中需根据工程的不同情况进行科学的选择。
3、应用于数据分析工作中
在对数据完成处理后，接下来的桥梁评判工作方可对数据进行应用。数据的相关性分析、关联分析以及趋势分析工作可以从数据挖掘的角度来进行。相关分析是进行监测数据之间存在的某种联系的分析工作，在目前的技术条件下，我们能够明确它们之间存在一定联系性就已具有很大意义，但很难做到了解和定义它们之间的关系;桥梁各种参数之间的内在联系就是关联分析，目前我国通过对监测的数据进行大量分析研究工作，得知了桥梁数据中的裂缝宽度、温度、支座变形程度以及伸缩缝位移等因素之间存在一定程度上的关联;趋势分析是在海量数据信息的基础上，通过不断的整理数据从而发现趋势线，对桥梁健康状况的发展趋势就可以通过发现的趋势线来进行分析和估计。
結语
我国的桥梁工程智能监测系统起步较晚，目前还是属于一种新的技术，通过它产生的海量数据暂无一个完全科学有效的处理方法。此外，大数据分析技术也是近年来发展起来的新型技术，对于大数据在桥梁工程智能监测中的应用前景非常广阔。大数据分析技术能够实现海量数据的有效利用，并对数据之间的关联性进行挖掘，为桥梁的养护维修工作提供了依据，有利于提高我国的桥梁监测水平和效率。
参考文献
[1] 李莉，刘昱含.大数据算法与分析技术国家工程实验室：推进人工智能与大数据的实质应用[J].科学新闻，2018，554（12）：34-36.
大数据读书心得范文第6篇
摘要：随着国际形势的发展，云计算、人工智能成为引领世界前进的动力，而大数据在其中发挥的作用不容小觑。本文基于大数据的发展，深入探讨其在金融行业中的应用范围、应用模式、应用场景等。研究显示，在大数据时代，大数据技术扩宽了数据来源渠道，完善了数据分析方式，以多种模式应用在传统金融和新金融业态中，在金融资源配置、精准营销、风险管控和创新方面有重要的应用意义。但数据安全度低、技术人才缺乏、技术创新难度大、数据开放度不足、产业环境差等成为制约大数据产业发展的重大问题。本文建议加强人才培养，建立数据监管机构和共享平台，扩大资金支持和技术创新，完善大数据产业环境以保障大数据持续、稳定发展，更高效、安全地为金融行业提供服务。
关键词：大数据 金融 应用
一、引言
近年来，随着大数据的提出及我国对大数据产业的重视，大数据发展已取得一定成果，并且参与到数据密集行业的分析研究与决策中。据中商产业研究院发布的《2018-2023年中国大数据产业市场前景及投资机会研究报告》的数据显示，2017年我国大数据产业规模达到4700亿元，重要软硬件企业已陆续推出大数据相关产品[1]。这些产品通过多种渠道海量收集政府和行业商业类数据，利用特定数据分析技术，得出的结果对管理决策产业发展的辅助作用已越来越显现。
金融作为数据密集型行业，利用大数据进行分析研究是金融行业发展的未来趋势。在大数据与金融的相关研究中，韦雨声（2017）[2]以应用范围为研究对象，认为大数据已经融入银行、保险、证券和金融监管机构。万昊戈（2018）[3]认为大数据在风险评估、精准营销、优化运营等方面起着不可估量的作用。庄旭东（2019）[4]认为大数据可以实现金融风险管控，也可以应用在金融创新和监管方面。兰虹（2019）[5]、李薇（2019）[6]以互联网金融为研究对象，认为大数据技术使第三方支付、P2P等不断国际化和合规化，并从大数据的角度对互联网金融发展存在的问题提出解决办法。唐彬（2017）[7]认为数据安全是实施大数据战略的重要保障，建议建设安全制度，加强安全防护意识，全力提高数据安全。
随着我国金融的深入发展，有众多金融模式如供应链金融、消费金融、网络借贷等逐渐出现在大家的生活中。而现有研究文献仅针对传统金融或某种新金融模式展开研究，缺乏对金融行业系统、全面的应用研究;其次，多以海量数据为基础进行研究，缺乏技术层面的深入探索。所以，本文从应用范围、应用模式、应用场景等不同方面探索大数据在金融行业中的应用，从中挖掘潜在问题，并提出对策建议以更好的应用于金融行业。
二、大数据产业发展背景
大数据是指数据的容量、数据的获取速度或者数据的表示限制了使用传统关系方法对数据的分析处理能力，需要使用水平扩展的机制以提高处理效率[5]。根据国际知名咨询公司麦肯锡的报告显示：在大数据应用综合价值潜力方面，信息技术、金融保险、政府及批发贸易四大领域潜力最高。虽然金融行业，尤其是证券行业发展起步较晚，但不少银行及证券公司开始尝试通过大数据平台驱动业务运营，如英国对冲基金Derwent Capital Markets通过分析Twitter的数据内容指导投资决策并实现盈利等，大数据在金融行业的应用成果有目共睹。
大数据于2013年真正开始在我国发展。由于互联网和信息行业的发展及国际趋势，人们逐渐意识到数据的重要性并开始构建大数据平台。2016年，“大数据”上升为国家战略，全国各省市政府相继出台大数据研究及发展行动计划，并制定相关政策，推进大数据平台建设。2017年，大数据渗透到各行各业。
金融业作为数据密集型行業，利用大数据进行分析研究是大数据产业发展的趋势。目前，银行、保险、证券及互联网金融都积极利用大数据进行业务拓展，广州、武汉、南京、重庆等地已规划建设金融大数据云平台，河南建成信用大数据金融服务平台并开始上线运营。金融企业利用大数据，通过用户分析、风险信贷评估、交易欺诈识别等方法能实现精准营销、提高风险管控能力等，对金融业发展起着不可估量的作用。
三、大数据在金融行业的应用现状
在传统数据时代，金融行业的数据主要通过机构内部和政府相关部门渠道进行收集。由于无法对样本进行实时跟踪，仅利用静态数据进行分析研究与现实存在一定的偏差。随着大数据时代的来临，这一问题逐渐开始缓解。目前，金融行业除了利用传统收集渠道之外，还可以使用Linux、Docker等技术通过云计算、大数据基础设施或产品、App等收集互联网数据，可以实时洞察用户变化。海量、实时数据不仅可以全面反映金融行业内部发展，还可以完善具体分析方法，全面应用于传统金融与新金融模式中，增强风险管控，实现金融创新。
（一）应用广泛，传统与新金融齐头并进
大数据在金融行业中应用广泛，传统金融与新金融齐头并进。在传统金融中，大数据不仅可以根据其不同的数据类型为银行、保险业提供精准营销服务、完善股票的分析方法，还能有效增强金融风险的管控能力。构建金融大数据平台，从机构内部、政府部门等多渠道收集用户数据，根据画像特征及基础标签形成用户画像，为用户提供精准的银行产品及保险服务;根据征信数据建立信贷模型、反欺诈模型等，实时跟踪用户的还款能力及行为模式，提高银行的信贷风险管控能力;根据股票数据及市场数据，通过聚类分析等方法完善股票的基本面分析。
同时，大数据也应用在供应链金融、消费金融等新金融模式中，其典型实例是京东金融、芝麻信用。京东作为我国最大的自营式电商企业，拥有完整的产业链条，依托对上下游企业的交易数据、企业数据等庞大的数据库资源而建立金融大数据平台——京东金融，可以为其上下游企业提供融资需求。芝麻信用通过对金融系统、政府、支付宝等海量信息数据综合处理得到用户的信用评估，为消费金融公司提供信用服务。
（二）模式多样，平台与供应链相结合
以大数据在金融行业的应用模式看，现有的应用模式有平台模式和供应链模式。平台模式是指平台企业利用自身掌握的大数据，通过互联网、云计算等信息处理方式对数据进行专业挖掘，再与传统金融服务相结合，为平台企业提供资金的融通、结算等服务[8]，如阿里小贷。阿里小贷是基于电商平台的交易数据、消费者的购物习惯等大数据通过分析处理形成信用数据，利用信用评级及风险模型等向阿里巴巴商户发放订单贷款或信用贷款。供应链模式是指供应链条中的核心企业依托自己的产业优势地位，通过对上下游企业的现金流、订单、购销流水等大数据的掌控，利用自有资金或者与金融机构合作，对上下游企业提供金融服务[8]。其典型案例是京东金融。
（三）全面提升资源配置效率
较传统数据时代而言，大数据技术从数据的采集、处理、分析等不同环节提高了对数据的应用能力及速度，使得风险预警平台能够及时防范信贷风险并发出预警信号、扶贫大数据平台能够实现精准扶贫，提升金融资源的配置效率。
在数据采集方面，ETL技术、mysql、爬虫技术等采集日志数据，有效拓宽数据来源渠道;在数据处理方面，Hadoop、SparkStreaming在实现高效、可伸缩处理时，可以有效处理半结构化数据和非结构化数据;在数据存储方面，具备hbase、hive、Spark技术的云存储具有较高的存储分析能力;在数据分析方面，图像识别、机器学习等方法完善了信用指数、偏好分析、SPSS、Eviews等传统分析方式。进一步，根据不同数据选取不同的分析方法，不仅能够快速并精准分析和预测客户行为及信用，还能实现动态监管市场风险和企业风险，使金融资源安全有序的流动。
为防范金融风险，维护金融生态环境，苏州市于2018年建立金融风险大数据预警平台并开始上线运营，对全市1.9万余家投资理财类企业实现系统化监测，当企业风险分值出现异常时，平台将其列为重点监测对象并采取一定措施严厉打击非法集资，防范金融风险。2018年，卢氏县推出金融扶贫大数据平台，实现了金融扶贫的精准对接，使得金融资源物尽其用。
（四）量化用户，实现精准营销服务
将行为数据与营销服务有效结合，通过用户偏好分析可实现精准营销服务。首先，在机构内部收集客户的信用卡还款记录、转账记录、风险偏好、对金融产品的购买及浏览记录等行为数据;其次，使用特定技术系统清洗、划分与识别数据，使用专业方法，如聚类分析、差异化行为分析和客户需求预测等，形成用户画像;最后，对不同的客户需求进行精确的市场细分与定位，采取不同的市场营销手段，通过微博、微信等多渠道进行定向信息推送，将合适的金融产品在适当的时间通过适当的营销手段销售给有需求的客户群体，实现精准营销。
目前，掌众金融、网易金融、花旗等都依据各自商业模式利用大数据推出精准服务。网易、掌众金融等企业依托内部数据开发中心深度加工用户数据，并制定画像特征和标签体系，以此对用户进行全方位量化并形成用户画像，为合作平台提供精准用户推荐，也可以为场景化用户研发和搭建定制化的互联网金融产品提供可靠的数据支撑。花旗与联通合作，为花旗用户量身定制全球化的金融资产配置计划，在花旗银行大数据分析的基础上，利用上海联通大数据机器学习建模能力、人工智能分析能力，为用户提供精准的全球资产配置、境外理财、金融保险等金融服务。
（五）建立模型和系统，增强风险管控能力
在企业内部成立专业的金融大数据风控团队，建立信用管理系统及风控平台，通过收集用户征信数据，建立企业信用指数、风险指数、反欺诈模型等量化企业及个人的信用额度及风险水平，根据计算结果实时监测企业行为模式，从贷前、贷中、贷后全方位防范风险，增強金融风险的管控能力。
众多金融公司根据自身业务特点开发自己的数据体系，并利用大数据打造风控平台。掌众金融、京东金融、网易金融等依据自己的数据库建立反欺诈模型、交易行为风险模型等多种模型，构建大数据风控体系和平台，对平台企业进行智能风控和贷后管理，以解决信贷欺诈。
同时，各地方政府也积极建立大数据金融风控平台。贵阳、苏州、广东等地联合市金融办、联通、电信等建立金融风险监测预警平台，包括用户信用画像、平台业务管理、融资担保管理、小额信贷管理和平台综合管理等多种系统，实现对相关企业的分级监管和预警处理，对加强地区金融风险防控有积极意义。
（六）多方面实现金融创新
基于以上分析，金融行业可以利用大数据实现精准营销、增强风险管控和监管能力，以此提高资源配置效率。事实上，精准营销和风险管控等本身就是金融创新，其次，利用客户需求、风险数据及精准营销分析报告也可实现金融产品、业务创新。各金融机构利用客户需求、风险数据制定客户需求报告，结合自身经营特点及年度营销趋势分析，不仅能为客户推出合适的金融产品服务，还能提高客户粘性，实现金融机构的差异化竞争。
为实现多方面金融创新，上海联合高校、企业及政府相关部门于2017年建成大数据金融创新中心，致力于实现金融工具、业务及技术的创新。为建成小康社会，卢氏县将大数据运用到精准扶贫中，利用金融扶贫大数据平台实现金融扶贫的精准对接，在解决精准扶贫的信息共享问题上取得了重大突破。
四、大数据在金融行业应用中存在的问题
（一）大数据人才储备不足
由于大数据与云计算、人工智能等深度融合发展可以释放巨大能量，成为引领经济发展的强劲动力。人才在发展大数据产业中扮演着越来越重要的角色，但我国大数据人才储备明显不足，甚至出现缺口。2017年11月发布的《中国经济的数字化转型：人才与就业》报告显示，我国目前大数据领域人才出现缺口，达到150万，预计2025年将达到200万。我国大数据人才储备仅46万，若近几年内不制定人才培养方案，不加大人才培养，将严重影响未来大数据产业发展。
（二）数据信息安全度低
在大数据时代，社会、政府、黑客及互联网发展等多方面因素使数据信息处于危险状态。首先，数据信息的敏感性使得黑客对数据“虎视眈眈”;其次，互联网的快速传播及大数据随时可被应用到黑客攻击中，这更加快了黑客攻击的速度;最后，群众对数据信息安全认识不高、政府保障数据安全措施乏力等综合因素使数据安全问题形势严峻。数据造假、数据泄露、数据买卖、数据欺诈等现象屡屡发生。2017年，京东员工与黑客勾结，为黑客提供用户交易信息和个人身份信息等50亿条;2018年，多家外卖平台的用户信息发生泄露，对受害者的日常生活造成诸多不良影响。
如果数据安全问题不能有效解决，不仅会制约大数据产业本身发展，严重影响其应用领域，还会造成诸多社会问题。所以，保障数据安全是实现产业持续健康发展、保持社会稳定的重要前提。
（三）大数据共享与开放度不足
造成大数据信息不流通，开放度低的原因有两个：一个是大数据来源渠道多，各渠道掌握的数据信息不尽相同，且保存在不同部门，各金融机构、政府及平台内部利用自身数据获取及分析优势建立并使用自己的数据库，将数据信息视为“自己”的数据并获取利益，导致政府、企业等不愿意共享数据;另一个原因是数据安全度低，若直接将大数据暴露在社会公众中，会对用户自身安全造成极其严重的后果。所以，诸多原因导致掌握数据的部门不愿公开、不能公开和不敢公开数据。实现数据共享不仅能够节省数据储存空间，使企业、政府专注于研发数据分析技术，突破大数据产业现有难题，还有助于形成良好的数据使用氛围，充分发挥数据资源整合的优质效应。
（四）技术创新难度大
大数据产业发展要有足够充分的数据挖掘和数据分析技术，加之大数据在金融领域风控、监管、创新的应用，未来对大数据技术的要求不仅仅在数据安全、共享等技术层面，更多的是跨领域的综合技术。然而，金融机构原有的数据系统较复杂，涉及平台及供应商较多，技术改造及创新难度较大。目前，大数据在金融行业中的应用仍处于起步阶段，在众多应用模式中仍需要经过大量的调研与试错方可进入使用阶段，所以，金融与大数据复杂的发展背景一定程度上制约了大数据在金融行业发展的进度，可能影响企业对未来发展的积极性。
（五）基础环境不健全
据2018年发布的《中国大数据产业发展评估报告》显示，在行业大数据基础环境评估指数中，金融的评估结果为8.04，在十大行业中排名第五。作为大数据应用的领军行业，其发展环境并不理想，具体表现为缺乏行业政策及基础设施。在我国目前的法律体系下，金融大数据在保障信息安全方面有较多的法律法规，但在大数据融合发展推动产业升级之际，中西部地区缺乏完整的技术、投融资、人才培养与引进等政策体系，缺乏大数据产业基地等设施，致使我国金融大数据的发展环境不够健全。
五、对策建议
（一）加强大数据人才培养
各地区建立完善的大数据人才培养计划及系统，整合高校、企业和社会资源，在5-10年内为国家大数据产业发展提供强有力的人才和技术支撑。在各地高校设立大数据专业，通过政策吸引或高薪聘请大数据专业人才开设相关技术课程，成立大数据研究实验室，并培训一批专业团队到各地高校进行招生演讲，以扩大大数据人才培养规模。同时，高校主动与大数据企业和政府合作建立大数据人才培养基地，充分利用社会和政府资源为大数据人才提供实践机会，提高技术能力并实现创新。
（二）建立第三方数据监管机构
为防止大数据平台和企业进行内部非法交易发生数据安全事故，建立第三方数据监管机构，将所有大数据平台及平台企业纳入监管对象，并建立监管机制全面保障数据安全。监管机构聘请专家团队选定考核指标并赋予权重，如领导重视情况、数据交易情况、用户安全满意度调查、特色加分项等，建立全面、系统的考核指标体系，以季度或半年为周期制定定期检查机制，对大数据平台及平台企业交易情况严格考核。第三方监管机构将考核结果不及格的大数据平台处以警告并纳入重点监管对象，一旦发现数据非法交易现象则立马报警。同时，第三方监管机构建立健全激励机制，对连续三年考核结果特别优秀的大数据平台进行表彰、嘉奖，以提高大数据平台内部搞好数据安全工作的积极性。
（三）加大资金支持力度
在大力发展大数据产业的各个环节中，如研发大数据技术、培养大数据人才、建立数据监管机构等都离不开资金支持，足够的资金支持是确保大数据产业各环节稳定有序发展的重要条件。在大数据人才培养过程中，全力支持高校购买技术设备，聘请专家开展大数据专题讲座等;在大数据研发过程中，政府出台大数据政策，在为大数据初创企业提供融资条件的同时，对大数据企业所承担的重大项目和高校培养的优秀人才，根据发挥的作用给予团队和教师一定程度的奖励，以此提高大数據企业与教师的积极性。
（四）建立数据共享平台
各地方政府出台数据共享政策，聘请专家或相关机构完善数据共享平台的具体建设方案，以平台形式保障数据共享的安全性和有效性。该平台整合政府、金融机构及企业数据资源，设置应用层及服务层，有数据及服务需求的用户需完善身份信息并同意数据保密协议，方可进入平台购买和使用相关数据。同时，该平台需完善项目标准建设，如管理制度、数据标准、规范索引和安全保障等，要求数据双方严格遵守平台规则，一旦出现信息泄露、违法交易等现象，经查明后禁止该用户使用数据共享平台，从而全方位保障数据共享平台安全有效地运营。
（五）完善大数据产业环境
依据国家发布的金融大数据发展规划等相关政策，各地区结合自身发展优势，推出金融大数据具体规划及系统整合共享实施方案，尤其是人才培养与引进、技术创新、投融资、数据安全、共享、监管资金支持等方案。同时，结合大数据企业建立金融大数据产业基地，打造金融大数据中心，积极贯彻落实相关政策，整合周边资源，整治产业环境，提高产业基地的吸引力及承载力，为本地金融大数据发展提供良好的产业环境，并进一步培养龙头企业发挥带动引领作用。
（六）加大技术创新
各地方政府针对目前大数据在金融行业应用中面临的技术难题，加大投资力度，建设龙头企业，突破技术瓶颈，努力实现技术创新。大数据企业根据大数据产业发展规划，重点发展跨学科、跨领域等交叉融合技术，全力突破大数据关键技术，发表大数据核心技术专利，提高企业的技术含量，努力建设龙头企业。进一步，政府与龙头企业密切配合，针对金融行业突破技术瓶颈，加强金融行业先进技术、前沿技术的跟踪、引进和研究，提升地区大数据产业及企业核心竞争力，实现大数据技术改造及创新。
六、总结
本文介绍了大数据的概念及发展情况，着重研究大数据在金融行业的应用现状，并针对问题提出对策建议。研究发现，大数据以平台及供应链模式广泛应用在传统金融及新金融中，在金融资源配置效率、精准营销、风险管控和创新等方面具有重要的应用意义。但是，数据安全度低、数据人才储备不足、数据开放度不足、技术创新难度大、产业环境差成为制约大数据发展的重要因素，通过整合政府、高校及社会资源，加强大数据人才培养、加大资金支持力度和技術创新、建立第三方数据监管机构和共享平台、完善大数据产业环境等措施使大数据产业健康稳定发展，从而提升大数据在金融领域中的应用效率和质量。
参考文献：
[1]茶洪旺，郑婷婷.中国大数据产业发展研究[J].中州学刊，2018，No.256（04）：25-31.
[2]韦雨声.大数据在金融行业的应用和发展[J].现代经济信息，2017（24）：320.
[3]万昊戈.大数据在金融领域中的应用现状[J].通讯世界，2018，25（12）：61-62.
[4]庄旭东.大数据在金融领域的应用及影响[J].金融科技时代，2019（02）：29-32.
[5]兰虹，熊雪朋，胡颖洁.大数据背景下互联网金融发展问题及创新监管研究[J].西南金融，2019（03）：809.
[6]李薇.大数据时代互联网金融创新及风险防控[J].人民论坛，2019（05）：76-77.
[7]唐彬，吴晓光.金融业大数据安全问题[J].中国金融，2017（23）：77-78.
[8]何平平，车云月编著.大数据金融与征信[M].清华大学出版社.
（张晓露为成都信息工程大学应用经济学硕士研究生;马先仙为成都信息工程大学统计学院教授，博士）