大数据产业发展报告范文第1篇
(保山学院数学系,云南保山678000) 影响其空间分布的因素之间的关系;预测型的模 型用来根据给定的一些属性预测某些属性,如分类模 型和回归模型等. 目前,主要在空间数据挖掘的体系结构和挖掘过 程做了大量研究,包括面向对象的空间数据库的数据 挖掘、模糊空间关联规则的挖掘、不确定性挖掘、聚类 挖掘、挖掘空间数据的偏离和演变规则、基于多专题 地图的挖掘、交叉概化、基于时空数据的概化、并行数 据挖掘、统计分析与数据挖掘的协同和遥感影像的挖 掘等,主要采用了基于统计学和概率论、集合论、机器 学习、仿生物学、地球信息学的研究方法. 4.2多媒体数据挖掘
多媒体数据,包括图形、图像、文本、文档、超文 本、声音、视频和音频数据等,数据类型复杂.随着信 息技术的进步,人们所接触的数据形式越来越丰富, 多媒体数据的大量涌现,形成了很多海量的多媒体数 据库[8].这些数据大多是非结构化数据、异构数据, 特征向量通常是数十维甚至数百维,转化为结构数据 和降维成了多媒体数据挖掘的关键技术. 有研究者提出了多媒体数据挖掘的系统原型
MDMP,将多媒体数据的建模表示、存储和检索等多 媒体数据库技术与数据挖掘技术有机地结合在一起, 采用多媒体图像数据的相似性搜索、多维分析、关联 规则挖掘、分类与聚类分析等挖掘方法,广泛地应用 于医学影像诊断分析、卫星图片分析、地下矿藏预测 等各种领域. 4.3时序数据挖掘
时序数据挖掘通过研究信息的时间特性,深入洞
悉事物进化的机制,揭示其内在规律(如波动的周期、 振幅、趋势的种类等),成为获得知识的有效途径.关 键问题是要是寻找一种合适的序列表示方式,基于点 距离和关键点是常用的算法,但都不能完整表示出序 列的动态属性.时序数据挖掘的主要技术有趋势分析 和相似搜索,在宏观的经济预测、市场营销、客流量分 析、太阳黑子数、月降水量、河流流量、股票价格波动 等众多领域得到了应用. 国内对于时序数据的研究比较少,使用的方法和 技术主要有人工神经网络技术,利用它预测和处理混 沌观测时间序列能达到较高的精度[9].此外还有通 过对时序数据进行离散傅立叶变换将其从时域空间 变换到频域空间,将时序数据映射为多维空间的点, 在此基础上,有学者提出一种新的基于距离的离群数 据挖掘算法[10]. 4.4Web数据挖掘
随着Internet/Web技术的快速普及和迅猛发展, 使各种信息可以在网络上获得,但是它是巨大的、分 布广泛的、全球性多样的和动态变化的.面对如此大 量的Web数据,如何在这个全球最大的数据集合中 发现有用信息成为Web数据挖掘研究的热点.当前, Web数据挖掘可分为四类,即Web内容挖掘、Web结 构挖掘、Web使用记录挖掘和Web用户性质挖掘. 4.5不确定数据挖掘
传统的数据挖掘技术处理位置已经被精确给定 的对象,然而在实际应用领域,由于测量仪器的局限 性会造成测量值的不准确,数据的不确定性是不可避 免的.数据的不确定性主要可以分为存在的不确定性 和值的不确定性两大类,存在的不确定性指的是不确 定对象或元组的存在与否,如关系数据库的某个元组 和一个概率相关联表示这个元组存在的可信度,值的 不确定指的是一个元组的存在是确定的,但它的值是 不确定的. 现在对不确定数据挖掘的研究已成为热点,在聚
类分析、关联规则、空间挖掘等方面都有突破,经典的
K-means算法扩展到了UK-means算法,Apriori算 法扩展到了UApriori算法等. 5数据挖掘面临的问题
数据挖掘任务、数据挖掘方法、用户交互、性能和 各种数据类型的多样性,给数据挖掘提出了许多挑战 性的课题.数据挖掘语言的设计,高效而有用的数据 挖掘方法和系统的开发,交互和集成的数据挖掘环境 的建立,以及应用数据挖掘技术解决大型应用问题, 都是目前数据挖掘、系统、研究人员和应用开发人员 所面临的主要问题[11]. 5.1挖掘方法和用户交互问题
这反映所挖掘的知识类型、在多粒度上挖掘知识 的能力、知识的使用、特定的挖掘和知识可视化.如, 数据库中挖掘不同类型的知识;多个抽象层的交互知 识挖掘;结合背景知识;数据挖掘查询语言和特定的 数据挖掘;数据挖掘结果的表示和可视化;处理噪声 和不完全数据;模式评估即兴趣度问题. 5.2性能问题
主要包括数据挖掘算法的有效性、可伸缩性和并 行处理等性能问题.如,数据挖掘算法的有效性和可 伸缩性;并行、分布式和增量挖掘算法. 5.3关于数据库类型的多样性问题
如,关系的和复杂的数据类型的处理;由异种数 47红河学院学报 2009.2/数学 表1 数据挖掘研究的进化历程
进化阶段支持技术产品厂家产品特点 数据搜集
(20世纪60年代)计算机、磁带和磁盘IBM、CDC提供历史性的、静态的数据信息 数据访问
(20年代80世纪) 关系数据库、
结构化查询语言、ODBC Oracle、Sybase、
Informix、IBM、Microsoft 在记录级提供历史 性的、动态的数据信息 数据仓库、决策支持 (20世纪90年代) 联机分析处理、
多维数据库、数据仓库
Pilot、Comshare、Arbor、 Cognos、Microstrategy 在各种层次上提供
回溯的、动态的数据信息 数据挖掘 (正在流行) 高级算法、多处理器计算机、 海量数据库
Pilot、Lockheed、
IBM、SGI、其它初创公司提供预测性的信息 3数据挖掘研究的现状与成果
在国外,数据挖掘技术已被广泛的应用于各个领 域,其中一些典型应用如加州理工学院喷气推进实验 室与天文科学家合作开发的SKICAT系统,能够帮助 天文学家发现遥远的类星体,是人工智能技术在天文 学和空间科学上的第一批成功应用之一;生物学研究 中用数据挖掘技术对DNA进行分析;利用数据挖掘 技术识别顾客的购买行为模式,对客户进行了分析; 对银行或保险公司经常发生的诈骗行为进行预测; IBM公司开发的AS(AdvancedScout)系统针对NBA 的比赛数据,帮助教练优化战术组合等[5]. 在学术研究上,数据库、人工智能、信息处理、知 识工程等领域的国际学术刊物也纷纷开辟了数据挖
掘专题或专刊,如IEEE的KnowledgeandDataEngi- neering会刊领先在1993年出版了数据挖掘技术专 刊,在Internet上还有不少数据挖掘电子出版物,其中
以半月刊KnowledgeDiscoveryNuggets最为权威.另 一份在线周刊为DS*(DS代表决策支持),1997年
10月7日开始出版,可向dstrial@tgc.com提出免费 订阅申请. 与国外相比,国内对数据挖掘的研究稍晚,没有
形成整体力量.1993年国家自然科学基金首次支持 数据挖掘领域的研究项目,目前,国内的许多科研单 位和高等院校竞相开展数据挖掘和知识发现的基础 理论及其应用研究,这些单位包括清华大学、中科院 计算技术研究所、空军第三研究所、海军装备论证中 心等.例如,复旦大学施伯乐教授领导开发了数据挖
掘工具集AMINER;北京大学智能科学系的唐世渭和 杨冬青教授领导开发了基于空间数据挖掘的客户分 析系统模型CASDM.此外,清华大学周立柱教授领导 的数据挖掘研究小组,四川大学唐常杰教授领导的针 对时间序列方面的数据挖掘研究小组,中国科技大学 蔡庆生教授领导的针对关联规则的研究小组,复旦大 学朱扬勇教授领导的数据挖掘工作组,云南大学王丽 珍教授带领的针对不确定数据挖掘的研究小组等,都 取得了许多重要的研究成果.在数据挖掘算法研究方 面,中科院计算所史忠值研究员、清华大学石纯
一、陆 玉昌教授、武汉大学李德仁院士、北京科技大学杨炳 儒教授、复旦大学周傲英教授等都取得了许多重要的 研究成果.国内比较重要的会议有全国数据库学术会
议(NationalDataBaseAcademicConference,简称ND- BC),权威的杂志有《计算机学报》、《软件学报》和 《计算机研究与发展》等[6]. 4数据挖掘研究方向
数据挖掘涉及的学科领域和方法很多,有不同的 分类分支.根据挖掘任务可以分为:分类或预测模型
发现、数据总结与聚类发现、关联规则发现、序列模式 发现、相似模式发现、混沌模式发现、依赖关系或依赖 模型发现、异常和趋势发现等;根据挖掘对象可以分 为:关系型数据库挖掘、面向对象数据库挖掘、空间数 据库挖掘、时态数据库挖掘、文本数据源挖掘、多媒体 数据库挖掘、异质数据挖掘、遗产数据挖掘、Web数据 挖掘等;根据挖掘方法可以分为:机器学习方法、统计 方法、聚类分析方法、神经网络方法、遗传算法方法、 数据库方法、近似推理和不确定性推理方法、基于证 据理论和元模式的方法、现代数学分析方法、粗糙集 方法和集成方法等;根据数据挖掘所发现的知识可以 分为:挖掘广义型知识、挖掘差异型知识、挖掘关联型 知识、挖掘预测型知识、挖掘异常型知识、挖掘不确定 性知识等[7]. 4.1空间数据挖掘
空间数据是从遥感、地理信息系统(GIS)、多媒 体系统、医学和卫星图像等多种应用中收集而来,收 集到的数据远远超过了人脑的分析能力.空间数据挖 掘技术按功能划分可分为三类:描述、解释、预测.描 述性的模型将空间现象的分布特征化,如空间聚类; 解释性的模型用于处理空间关系,如处理一个空间对 46郑继刚王边疆:数据挖掘研究的现状与发展趋势
摘 要:数据挖掘作为提取知识的过程,概述了数据挖掘研究的过去和现状,着重分析了目前数据挖掘的分支方向、面临的
问题,并对数据挖掘技术的发展趋势作了展望. 关键词:数据挖掘;分支;研究;现状;趋势
中图分类号:TP31
1 文献标识码:A
文章编号:1008-9128(2010)02-0045-04
进入信息时代,保存在计算机中的文件和数据库 中的数据量正在以指数速度增长,同时人们期望从数 据中获得更有用的信息.实际上,这些数据中只有一 小部分有用,但人们却渴求获得知识,正面临“数据丰 富而知识贫乏”的问题,所以迫切需要一种新的技术 从海量数据中自动、高效地提取所需的有用知识,这 时,数据挖掘技术由此而生. 数据挖掘(DataMining,简称DM)所要处理的问 题,就是在庞大的数据库中找出有价值的隐藏事件, 并且加以分析,其主要的贡献在于从数据库中获取有 意义的信息以及对数据归纳出有用的结构,作为企业 进行决策的依据.此外,数据挖掘的也是发现数据库 拥有者先前关心却未曾知悉的有价值信息.事实上, 数据挖掘并不只是一种技术或是一套软件,而是一种 结合数种专业技术的应用[1]. 1数据挖掘的定义
数据挖掘又叫做数据库中发现知识(Knowledge
DiscoveryinDatabase,简称KDD),是20世纪90年代 以来发展起来的数据库系统和数据库应用领域一个 欣欣向荣的前沿学科,是从大量的、不完全的、有噪声 的、模糊的、随机的实际应用数据中,提取隐含在其中 的但又是潜在有用的信息和知识的过程[2].它涉及 到对数据库中的大量数据进行抽取、转换、分析以及 模型化处理,从中提取辅助决策的关键性数据.数据 挖掘可以帮助决策者寻找规律,发现被忽略的要素, 预测趋势,进行决策,也是对数据内在和本质的高度 抽象与概括,是对数据从理性认识到感性认识的升 华. 数据挖掘是一门交叉学科,它把人们对数据的应 用从低层次的简单查询,提升到从数据中挖掘知识, 提供决策支持.是建立在数据库、人工智能、机器学 习、神经网络、统计学、模式识别、高性能计算等技术 基础上的一门新兴技术.因此,在这种需求牵引下,汇 聚了不同领域的研究者,吸引了数据库技术、人工智 能技术、数理统计、可视化技术、并行计算等方面的学 者和工程技术人员投身到数据挖掘这一新兴的研究 领域,形成新的技术热点. 2数据挖掘研究的过去
数据库中发现知识一词首次出现于1989年在美 国底特律召开的第十一届国际联合人工智能学术会 议上,到1995年在加拿大蒙特利尔召开的首届KDD
&DataMining国际学术会议,再到以后每年都要召开 一次的KDD&DataMining国际学术会议,经过十多年 的努力,数据挖掘技术的研究已经取得了丰硕的成 果,不少软件公司已研制出数据挖掘软件产品,并在 北美、欧洲等国家得到应用[3]. 数据挖掘可以认为是数据库技术和信息技术自 然演变的结果.在数据库业界,数据挖掘的进化经历 了四个阶段:数据搜集、数据访问、数据仓库和决策支 持(见表1)[4]. 收稿日期:2010-02-26 作者简介:郑继刚(1983-),男,云南保山人,讲师,云南大学在读硕士.研究方向:数据挖掘. 据库和全球信息系统挖掘信息. 6数据挖掘的发展趋势
数据挖掘任务和数据挖掘方法的多样性对数据
挖掘提出了许多挑战性的研究问题,在将来会形成更 大的高潮,研究焦点可能会集中到以下几个方面:研 究专门用于知识发现的数据挖掘语言,走向形式化和 标准化;寻求数据挖掘过程中的可视化方法,使得知 识发现的过程能够被用户理解,也便于在知识发现过 程中的人机交互;研究在网络与分布式环境下的数据
挖掘技术,特别是在Internet上建立数据挖掘服务器, 与数据库服务器配合,实现数据挖掘;加强对各种非 结构化数据的挖掘,如文本数据、图形图像数据、多媒 体数据;探索可伸缩的和可交互的数据挖掘方法,全 面提高挖掘过程的总体效率,尤其是超大规模数据集 中数据挖掘的效率;扩大数据挖掘应用范围,如金融 分析、生物医药研制、犯罪侦查等;开发适应多数据类 型、容噪的挖掘方法,以解决异质数据集的数据挖掘 问题;动态数据和知识的数据挖掘等. 结语
在这个年轻且充满希望的研究领域,商业利益的 强大驱动力将会不停地促进数据挖掘技术的发展,每 年都有新的数据挖掘方法和模型问世,人们对它的研 究正日益广泛和深入.虽然对数据挖掘的研究取得了 一定的成果,但是数据挖掘研究仍然面临着许多问题 和挑战,还存在许多问题等待我们去探索和研究. 参考文献: [1]谢邦昌,李扬.数据挖掘与商业智能的现况及未来发 展[J].统计与信息论坛,2008(5):94-96. [2]JiaweiHan,MichelineKamber.数据挖掘概念与技术 [M].北京:机械工业出版社,2007:25-26. [3]陈娜.数据挖掘技术的研究现状及发展方向[J].电脑 与信息技术,2006(2):46-49. [4]陆建江,张亚非,宋自林.模糊关联规则的研究与应用 [M].北京:科学出版社,2008. [5]李菁菁,邵培基,黄亦潇.数据挖掘在中国的现状和发 展研究[J].管理工程学报,2004(3):10-15. [6]徐雪琪.基于统计视角的数据挖掘研究[D].杭州:浙 江工商大学,2007. [7]毛国君,段立娟,王实等.数据挖掘原理与算法[M]. 北京:清华大学出版社,2005. [8]郑继刚,谢芳.多媒体图像挖掘的关联规则挖掘[J]. 红河学院学报,2009(5):44-47. [9]臧洌.人工神经网络在混沌观测时序数据处理中的应 用[J].数据采集与处理,2001(4):486-489. [10]郑斌祥,杜秀华,席裕庚.一种时序数据的离群数据 挖掘新算法[J].控制与决策,2002(3):324-327. [11]林建勤.数据挖掘主要问题的对策研究[J].贵阳学 院学报,2007(2):1-4. [责任编辑 宋焕斌] CurrentSituationandDevelopmentTrendofDataMining
ZHENGJi-Gang,WANGBian-Jiang
大数据产业发展报告范文第2篇
1.1 法律监管方面存在的问题
大数据同会计结合属于新尝试, 缺乏较为完善的法律法规以及政策监督, 这就使得企业面对会计信息被入侵的问题很难找到适应性法律来进行制裁。由于大数据同信息之间结合缺乏法律保护, 无法正常维护被侵害者的合法权益。由于缺乏全面的监管制度与监督制度, 这就使得企业以更加慎重的态度来使用大数据, 也很少运用大数据平台来处理财务数据。由于法律监管方面漏洞, 这就使得信息化技术与大数据技术在会计金融应用处理方面也存在着非常大的问题, 这就需要相关法律工作部门认识到自身肩负的作用, 制裁侵害正常利益行为, 为会计发展与创新提供支持。
1.2 会计信息安全缺乏保障
根据大数据相关要求, 需要做好信息挖掘工作以及信息处理工作, 这样才能够更加有效获取数据库并且进行有效筛选。互联网支持下, 会计数据安全问题仍然是企业关注的重点问题。虽然互联网防火墙技术逐渐生疏, 但是解密技术以及黑客技术等也不断进步, 专业的互联网公司也曾经遭受过黑客入侵, 诸如, 谷歌、微软等等, 不仅造成了事实上的损失, 还造成了信誉上的巨大损失。会计建设过程中, 数据传递安全性也存在着非常大的隐患。虽然大数据平台维护工作逐渐完善, 但是面对黑客技术也往往存在着无能为力的现象, 若是被外部技术工作人员恶意盗取, 那么可能造成合作上的阻碍。
2 大数据时代会计创新发展对策
2.1 创新会计管理工作
大数据为会计信息收集和会计信息分析提供全面性保证以及多维度保证, 这也为实现会计管理工作提供了重要支撑。从目前时代发展来看, 会计管理信息化已经成为时代发展潮流。在会计管理创新过程中, 不仅需要关注到财务决策方面创新, 还需要对企业生产、企业运转、企业经营、企业资金获取等方面提供建议, 通过这样的方式有利于有效管理资金, 同时逐步扩大会计的管理范围, 同时有利于更加科学的调整会计框架结构, 为清晰化、多元化管理提供科学指导。利用大数据技术来进行信息录入与信息获取, 这样有利于拓展会计信息的管理分为, 同时有利于有效调整会计管理矿框架结构。结合会计管理形式, 采取非正式方式来实现多媒体、可视化表达相结合, 这样能够为会计管理的多元化与清晰化提供支持。
2.2 会计信息分析多维化
大数据技术有利于实现企业内部会计信息以及会计数据分析等实现多维护与广泛化。财务工作部门单一化使得企业其他工作部门很难获取有效财务信息, 也无法科学认识以及评价会计发展情况以及会计处理情况。大数据发展条件下, 可以有效分析会计信息并没有将会计信息内容更加有效应用在各个业务工作部门, 还可以结合会计数据与会计信息来掌握企业整体发展情况以及企业基础贡献能力与基础贡献率, 这样能够有效改进各企业各项工作。从财务数据辅助分析角度分析, 企业其他工作部门需要结合会计数据理解情况以及会计信息理解情况来实现各个工作部门之间的信息共享, 这样能够从多角度来进行会计数据与会计信息分析, 这样能够有效规避企业业务发展认识上单一性以及单维度限制, 信息处理能力以及思维全面性等方面并不符合实际需求。例如, 企业在某项业务方面存在着潜在性风险, 销售工作部门需要了解相关信息, 结合会计信息来给予科学解释以及分析, 调研工作部门需要结合同类企业报价以及企业规模对企业交易情况、财务合作水平等进行科学分析。大数据背景下需要构建企业数据库, 结合实际需求来明确范围, 为信息评价全面性、专业性提供保障, 这样也有利于更加便利获取完整会计信息, 同时有利于减少事件处理偏差。
结束语
信息技术飞速发展促使企业数据信息处理能力逐渐增强, 有利于改善传统财务数据。在经济发展过程中, 财务会计在其中具有非常重要的作用, 特别是信息技术应用范围语法广泛促使信息发展具有超前性, 这就为行业发展带来巨大影响, 会计数据不仅为生活创造便利, 还为会计发展创设更好的条件, 为企业财会工作发展带来了保障。
摘要：科技信息技术飞速发展使得信息技术广泛应用于各行业工作中, 这不仅对会计工作带来巨大的机遇, 同时也带来了巨大的挑战。本文对会计创新方面存在的问题作了分析, 提出了会计创新对策, 为提升会计管理工作效率打下良好的基础。
关键词：会计,创新,问题,对策
参考文献
大数据产业发展报告范文第3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。”
大数据产业发展报告范文第4篇
一、大数据背景下电子商务发展面临的挑战分析
大数据技术颠覆了传统商业经营模式和思维, 准确把握市场信息, 充分尊重客户需求, 将各种服务和供给做到客户前头, 服务到客户心理, 充分发挥大数据资源优势, 实现数据的共享和健康发展。
(一) 把握市场数据成为更多电商企业难题
信息化环境下, 各种数据信息泛滥, 电子商务流量和交易量产生的数据非常庞大, 不仅带来了网络传输负担, 也给更多企业带来了经营负担。很多企业面对如此多的数据, 不知如何分析, 影响他们的分析和决策, 越来看不懂市场。各种数据以文字、图片、视频、交易数据、流量增加等, 每天产生的数据量以TB来量化。这些数据不能有效利用, 将会成为更多企业经营的阻碍, 显得更加迷茫;而对于优势企业以及国家来讲, 将是最为重要的宝贵资源, 对这些大数据进行分析将会从发掘更多的商机, 获得更多宝贵的数据资源, 为企业经营提供更好的指导。大数据技术分析将是未来发展的主要方向, 是更多企业需要面对的问题, 也是着力开掘利用的重要资源。大数据给电商企业带来了挑战, 更带来了无限机遇。需要企业搜集和储存更多的相关数据信息, 也需要充分重视大数据分析, 应用更加可靠的技术, 聘请更多的专业技术人员, 以此来更好地应对和应用大数据。
(二) 充分重视客户需求服务
电商商务将客户与企业联系得更加紧密, 客户和企业不仅简单的消费者和生产者 (服务者) 的关系, 也是长期合作与服务的对象, 更是企业发展的重要资源, 与企业保持全面长久的密切关系, 实现更多层次的互动, 满足客户更多方面的需求, 也推动企业更多的改进和创新, 实现企业的可持续发展。每个电子商务企业需要充分重视与客户的互动关系, 从更多的层面直面客户, 为之提供更多服务。首先, 电子商务一切交易都是在网络上进行, 不仅有商家和客户在交流, 还有更多的网络不法分子在窥伺各种网络交易, 伺机盗取他们的各种信息, 甚至最为重要的资金。电子商务环境下, 各种网络犯罪时刻都在准备着, 各种交易风险一直都没有解除。个人信息、支付宝账号、银行卡信息、资金交易密码等, 都会在网络留有各种记录。电子商务要更大规模的开展交易, 更多的客户放心进行电商洽谈, 前提是交易的绝对安全。客户需求多元化, 市场在不断不断变化, 这些变化由单个行为迅速变成集体行为, 各种数据的汇总能够快速判断需求结构、需求变化等, 电商要保障根据市场需求变化提供各种商品和服务, 做好及时调整和应对。这就要求对这些信息进行更多的搜集和分析, 大数据应用是电商发展需要, 也是数据处理技术发展的应用拓展。
二、大数据促进电子商务发展的对策分析
互联网+时代, 电子商务发展如火如荼, 不仅诞生了阿里巴巴、京东商城这样的大型电商平台, 也让更多的传统商业加速推动线上平台建设, 苏宁电器直接更名为苏宁易购, 打通线下线上双通道, 小米科技更是直接在网上销售自己生产的手机以及生态链产品, 更多企业都纷纷建立起自己的网络电商渠道, 或者搭载上大型电商平台, 努力推动电子商务发展。大数据技术应用越来越广泛, 应用大数据推动电商发展是当务之急。
(一) 大数据让电子商务精准把控市场
电子商务不同于传统的商业模式, 不仅是将其商品放在网上平台, 更为重要的是根据市场需求和变化, 投放适销对路的产品和服务。与客户保持更加全面深入的互动, 随时掌握他们的需求动向, 及时把握市场的变化, 第一时间做出决策, 调整产品供给结构, 转变营销策略, 确保真正适应市场发展变化, 这样才能真正满足市场需求, 更最大限度地提升自身的销量, 获得更好的收益。电子商务能够做到与市场的充分对接, 确保产品适销对路, 实现资源的最大优化, 提升资金的周转效率, 更好地提升企业盈利能力。这背后主要依赖大数据技术, 没有大数据支撑, 电子商务根本无法感知市场, 更不能做到精准对接市场。大数据技术分析和处理, 能够实现对市场的精准把控, 随时根据市场市场发展变化, 做好各种调整。企业生产和市场投放主要依据市场需求, 根据需求安排生产, 依照市场变化投放商品和服务产品, 才能满足市场需求, 才能保障销路, 实现资金转化。进入信息化时代以来, 资本主义国家的经济危机明显减少, 危机之间的时间间隔大幅度拉长, 一个最为重要的原因是资本主义国家的企业充分利用信息技术和大数据分析, 为更多的企业进行市场把控提供了最为可靠的数据支撑, 极大地消除了生产的盲目性, 市场投放的无序性, 使得市场供给趋于科学合理。相反, 一些发展中国家, 因为缺乏大数据技术应用和分析, 则造成产能过剩、产品滞销。电子商务时代, 大数据技术能够确保企业精准把握市场, 既能保障市场供给, 更能保障更多的利润。
(二) 大数据推动电子商务进一步降低运营成本
电子商务作为一种全新的商业模式, 得到更多企业的青睐, 受到更多国家的重视, 对传统商业模式构架极大的冲击和威胁, 原因有很多种, 提高产品的透明度, 增强与客户的直接沟通性, 还有一个最为根本的原因是运营成本相对较低, 市场竞争力强。市场经济环境下, 企业竞争的核心有两个方面, 一个是科技, 一个是价格, 在科技的支持下, 又由价格的加持, 能够极大地提升市场竞争力。大数据促进电子商务发展, 能够进一步降低运营成本, 最大限度地降低产品的营销投入, 并获得更为有效的营销效果, 实现与客户更多层次的互动, 赢得更为广泛的市场。大数据能够分析市场发展变化, 根据市场发展趋势和变化指导电商企业生产、采购和市场投放, 减少经营的盲目性, 最大限度地降低库存, 加大产品的周转频率, 实现资金的快速回笼, 减少各种资金占用, 更破解了产品积压带来的价值减耗难题。大数据技术应用电商, 能够准确分析消费群体, 实现产品营销和广告推广的精准化和高效率, 充分利用互联网和信息技术, 将消费群体进行有效筛选, 并根据日常消费、网络搜索等情况, 准备把握每个网民的消费需求, 精准化网络广告推送, 减少广告宣传的盲目性。大数据实现电商运行的优化, 实现各个环节的成本优化, 确保所有的环节高效率, 低成本, 降低电子商务自身的运行成本。
(三) 大数据技术推动电子商务经营模式创新
信息化时代环境下, 应用大数据技术能够进一步推动电子商务经营模式创新。电子商务已经成为我国社会经济发展转型升级的重要助推力量, 我国涌现出了阿里巴巴这样的大型电商平台, 为更多大中型企业以及中小企业提供了最佳的销售平台, 通过阿里巴巴诚信通平台让更多中小企业实现了企业的对商家的直接对接, 更多商家能够直接通过阿里巴巴网上批发, 实现商品采购的直通服务。淘宝网和天猫平台让更多企业商家直接面向消费者, 实现商家与消费者直通, 不仅提供了大量的就业岗位, 更让广大网民直接通过网络买遍天下, 足不出户实现吃穿住行的直接消费。刚刚结束的2019年618促销, 京东商城共成交2070亿元, 18天的时间里, 一个平台就能实现超过两千亿的销量, 这是电子商务发展的最好诠释, 也是商业模式转型的突出代表, 更是大数据技术推动的结果。苏宁这个传统商业的代表, 已经将实现了线上线下的全面转型, 也加入到了618的年中大促中来, 成为与京东、天猫并列的三大平台, 这既是电商发展的突出表现, 更是大数据技术支持的结果。尤其是6月18日这一天, 是年中大促的高潮, 各个商家使出浑身解数, 竞争最为激烈的手机, 竞争达到了白热化。华为、小米等厂商在这18天里, 不断转变营销策略, 每天的销售榜在不断刷新, 最为重要的就是大数据技术的应用, 通过大数据分析客户的心理和需求, 不断调整价格和营销策略, 更好地提高销量。这是大数据技术应用的最好体现, 也是推动电子商务经营模式创新的最为可靠的依据。
总之, 随着4G网络的应用普及和5G网络的商业化开始, 2019年被称为5g的商用元年, 也被称为我国信息化提速的关键一年, 更是大数据应用最为重要的转折点。以大数据来更好地分析和指导社会经济发展, 促进电子商务事业发展, 成为当前社会经济发展的重要助推力量。无论是企业还是政府部门, 都应充分重视大数据对电子商务的发展。电子商务企业充分充分大数据技术, 对各种数据进行全面分析, 为电子商务的发展提供技术支持, 为电子商务业务的开展提供更加精确的决策指导。
摘要：信息化时代背景下, 大数据应用越来越重要, 大数据成为推动当前社会经济发展最重要的基础, 成为各国争相发展和竞争的主要领域。充分重视大数据技术优势, 研究大数据环境下电子商务。面临的各种挑战, 采取有效措施, 大力推动信息化基础产业发展, 推动电子商务产业扩大和进步, 努力实现我国社会经济和产业结构的优化调整, 以大数据来更好地服务电子商务发展, 以电子商务更好地服务我国社会经济发展方式转变, 推动社会经济健康发展。
关键词：大数据,电子商务,挑战,策略
参考文献
[1] 吴潇宇.大数据引导下的电子商务模式变革分析[J].电子商务, 2018 (09) :17-18.
大数据产业发展报告范文第5篇
作为贵州重要产业之一的茶产业, 是一个增收产业、绿色产业、富民产业, 其作为贵州一大优势产业正有力推进贵州省经济及相关产业的发展。贵州省地处西南地区, 自然气候条件良好, 适合茶叶种植, 茶叶种植种类丰富、类型多样, 是中国优质茶叶产地之一。贵州两个最大的茶产地分别是湄潭和都匀, 以绿茶为主。
(一) 都匀茶产业
围绕都匀毛尖, 除基本的种植销售之外, 还发展除了其他的配套设施, 如茶博园、茶城等, 重点在于提高茶产业的附加值, 形成一套产业链, 充分发掘茶叶的经济价值。因此关注都匀的茶产业, 不仅仅是看种植销售情况, 更重要的是关注茶叶种植如何与其他产业相结合, 形成一套完整的茶产业规划。在发展中主要面临以下困境:技术困境、产业单一困境、企业参与不足困境。
(二) 湄潭茶产业
湄潭茶产业能够取得长久的发展, 依赖于品牌的形成, 品牌是产业发展的核心竞争力。首先湄潭将自身塑造成一种茶叶种植保护着的形象, 有利于证明形象的确立。湄潭县被称为“贵州茶业第一县”, 不同的茶叶品牌为湄潭带来了更多的可能性。湄潭茶产业成功将旅游、大数据等引入茶产业的发展中。
二、大数据在茶产业中的利用
(一) 贵州茶产业生态链
茶产业链通常包含品种的选育到土地的选择, 然后是种植、采茶、制茶、包装、销售等环节。种植时, 各地有自己的品种选育标准;在选地上也有讲究, 要考虑土地的水分、背光度、光照、土地酸碱性等。通常, 茶叶种植由专门的茶农种植后将茶青售给加工厂或是茶叶加工厂有自己的茶园。在采茶环节, 也由专门的采茶工人, 在调研中, 我们发现都匀的茶山上也很多采茶工人, 他们多是流动性的, 工资会根据当日采茶量进行日结, 茶叶生产厂家通常没有固定采茶工人。制茶分为手工制茶与机械制茶, 在都匀, 手工茶居多, 而在遵义, 机械化制茶程度更高, 茶厂通常是流水线加工生产。随着互联网的发展, 当前茶叶的销售模式主要有两种, 一是实体销售, 二是网络销售。
(二) 茶产业与大数据的结合
大数据的发展已经不断融入很多产业, 给产业发展带来了新的机遇, 有利于产业的升级, 茶产业也不例外。大数据可应用在茶园的环境监测与加工车间的监测中, 环境监测系统可实时上传茶园PM2.5、土壤酸碱度及雨量等数据以保证茶叶的生长环境。同时, 可利用大数据平台收集到的销售数据进行分析, 了解茶叶重点销售区域, 有利于实现茶叶销量增收。
在贵州, 比较先进的茶园通常采用机械化制茶, 生产加工一体化, 由机器采茶、分拣、烘干及包装等, 这一现象在遵义已不断普及。调研发现, 当前贵州茶产业与大数据的结合还处于初级阶段, 并未大范围普及;在调研的茶园及加工厂, 茶博园中, 茶叶种植及加工过程中利用大数据仍比较少。应用主要集中在销售数据上, 政府每年会利用大数据统计当地茶叶产量和销售量, 收益及亏损状况等, 利用该数据来观察茶叶发展趋势。
通过资料显示, 在贵州省的石阡县, 大数据与茶产业的结合是一个很好的典范, 大数据平台从生产、加工、销售等环节有力助推了当地茶产业的健康发展, 大数据信息平台为石阡县各茶企实现产品品质的提升及销量的增加, 为企业树立信心, 同时也带动了当地的经济增收。
三、贵州茶产业当前存在的问题及其相关建议
(一) 存在的问题
1. 贵州大多数茶园没有很好利用大数据这个平台发展茶产业。
比如, 在茶叶的种植、培育以及病虫的检测等方面大多数茶园都是采用人工方式或者物理方式, 这在很大程度上降低了茶叶的品质, 浪费了人力资源, 降低了产茶的效率。此外, 在茶叶的对外销售方面, 茶企业利用大数据的情况也仍未全方位普及, 这阻碍了茶企业对茶叶的对外销售情况的了解, 同时也阻碍了贵州茶产业走向全国以及全世界。
2. 贵州山地茶园旅游发展不成熟, 茶产业与旅游业没有很好的有机结合, 茶山旅游模式违背了生态发展理念。
比如都匀一些茶园中会发现, 当地人会开车到茶山进行家庭烧烤, 这严重污染了茶园的环境, 茶叶的生长需要良好的生态环境。
3. 茶产业市场的监管强度有待提升, 监管方式有待创新。
由于茶叶的品质不易判断, 尤其是手工茶和机械茶的区分, 一般人从外表上很难分辨其真伪, 其价格也相差甚远, 因此, 市场上鱼目混珠, 用机械茶代替手工茶欺骗消费者也同样存在。
(二) 利用大数据助推茶产业发展相关建议
1.贵州茶产业应当与大数据的发展紧密结合, 利用大数据平台凸显自身优势, 改善茶叶从种植、加工到销售整个过程中的缺陷。比如在茶园中可安装视频和检测系统, 对茶园进行实时地全面地监控和检测, 从而在节省人力物力的同时大大提高茶叶品质和产量。在茶叶的销售过程中, 利用大数据更好地了解市场, 了解消费者, 更好地改进茶产业以及相关产业的不足。
2.创新茶产业与旅游业的结合形式, 可借助茶产业, 及大数据产业, 更好地推动贵州旅游甚至经济的发展, 可打造集旅游参观、休闲娱乐、康体养生为一体的特色文化产业园外, 合理科学地利用茶园。政府应加强对茶园旅游的监管与治理, 与当地茶企业开展更紧密的合作。
3.有关部门应加强市场监管力度, 保证上市茶叶质量, 严格禁止茶商以机械茶或者劣质茶欺骗消费者, 同时可利用大数据建立监督和举报系统, 从而更有效地控制茶企业和茶商, 使市场规范化。
摘要：贵州省地处云贵高原东部, 高原山地居多, 具有得天独厚的茶叶种植条件, 是茶树的原产地和茶文化的发源地之一;而茶产业也作为贵州的优势产业之一正不断向前迈进, 为贵州经济增收及相关产业推动起到积极促进作用, 且具有巨大发展潜力。在贵州, “茶园旅游”正作为一种新的旅游业态进行重点发展;此外, 随着大数据产业在贵州的大力推广与应用, 省内各类优势产业正不断走向国内外市场。基于贵州省情及该项目小组的实地调研, 本文将探究在大数据背景下贵州茶产业生态发展现状、其与旅游业结合的发展状况及其存在的缺陷。
参考文献
[1] 钱彦凝.都匀茶产业发展的现状及对策[J].时代金融, 2018. (12) .
[2] 陈正芳, 匡模, 廖家鸿.湄潭茶产业现状与发展思路[J].中国果菜, 2016, (11) .
[3] 张海峰.农村茶产业链整合创新的内部影响因素分析[J].福建茶叶, 2018, (9)
大数据产业发展报告范文第6篇
学生姓名： 尹怡 学
号： 1370714 导
师： 庞哈利 专
业： 控制工程 所属课群： 学位课
课程名称： 前沿技术与职业发展 课程负责人： 徐林
课程开设日期： 2014.6.23-2014.12.31
东北大学信息科学与工程学院
2014年
科学技术创新对大数据发展的动力
1.绪 论
随着信息技术的飞速发展，人类社会进入数字信息时代。获取和掌握信息的能力己成为衡量一个国家实力强弱的标志。一切信息伴随需求不同决定其效益不同，而一切有益信息都是从大量数据中分析出来的。海量数据又随时间持续产生、不断流动、进而扩散形成大数据。大数据不仅用来描述数据的量非常巨大，还突出强调处理数据的速度。所以，大数据成为数据分析领域的前沿技术。数据成为当今每个行业和商业领域的重要因素。人们对于数据的海量挖掘和大量运用，不仅标志着产业生产率的增长和消费者的大量盈余，而且也明确地提示着大数据时代已经到来。
数据正成为与物质资产和人力资本同样重要的基础生产要素，大数据的使成为提高企业竞争力的关键要素。数据成为资产、产业垂直整合、泛互联网化是数据时代的三大发展趋势。一个国家拥有的数据规模及运用的能力将成为综合国力的重要组成部分，对数据的占有权和控制权将成为陆权、海权、空权之外的国家核心权力。 大数据与人类息息相关，越来越多的问题可以通过大数据解决。不仅在数据科学与技术层次，而且在商业模式、产业格局、生态价值与教育层面，大数据都能带来新理念和新思维，包括政府宏观部门、不同的产业界与学术界，甚至个人消费者。大数据与互联网一样，是信息技术领域的革命，更加速企业创新，在全球范围引领社会变革并启动透明政府的发展。
大数据正在引发一场思维革命，大数据正在改变人们考察世界的方式方法，以前所未有的速度引起社会、经济、学术、科研、国防、军事等领域的深刻变革。大数据除了将更好的解决商业问题，科技问题，还有各种社会问题，形成以人为本的大数据战略。 大数据这一新概念不仅指数据规模庞大，也包括处理和应用数据，是数据对象、技术与应用三者的统一。大数据既可以是如政府部门或企业掌握的数据库这种有限数据集合，也可以是如微博、微信、社交网络上虚拟的无限数据集合。大数据技术包括数据采集、存储、管理、分析挖掘、可视化等技术及其集成。大数据应用是应用大数据技术对各种类型的大数据集合获得有价值信息的行为。充分实现大数据的价值惟有坚持对象、技术、应用三位一体同 步发展。大数据是信息技术与各行业领域紧密融合的典型领域，有着旺盛需求和广阔前景。把握机遇需要不断跟踪研究大数据并不断提升对大数据的认知和理
解，坚持技术创新与应用创新协同共进同时加快经济社会各领域的大数据开发与利用，推动国家、行业、企业对于数据的应用需求和发展水平进入新的阶段。
在大数据时代数据作为一种独立存在的实体，其资产价值越来越突出，日益引起人们的重视。从具体的个人到形形色色的企业，从各国政府到各种组织都可以合法地去收集数据。不论个人还是企业，以及政府等都可以是数据的拥有者。今后个人隐私与数据归属权可能关系越来越少，欧洲民众要求政府公开信息的诉求极其强烈，民众有权向政府申请信息公开。除了涉及国家安全和个人隐私的公共信息外，大部分政府信息都可以公开。
大数据主要有三个方面对人类经济社会发展影响巨大，归纳起来：一是能够推动实现巨大经济效益，二是能够推动增强社会管理水平，三是能够推动提高安全保障能力。大数据在政府和公共服务领域的应用可有效推动政务工作开展，提高政府部门的服务效率、决策水平和社会管理水平，产生巨大社会价值。总而言之，大数据将为人们提供强有力的新工具，使人们能更加容易地把握事物规律，更准确地认识世界、预测未来和改造世界。
大数据可以分为大数据存储和大数据分析，大数据存储的目的是支撑大数据分析，大数据存储致力于研发数据存储平台，大数据分析关注在最短时间内处理大量不同类型的数据集，大数据分析相比于传统的数据仓库应用数据量大、查询分析复杂，大数据分析平台需要具备并行数据库、Map Reduce 及基于两者的混合架构。
2.社交网络崛起的大爆发
我们已经进入一个复杂科学领域，随着云计算、云存储、物联网、二维码技术和 LBS(基于位置的服务)的互联网技术广泛应用，人类的各种社会互动、沟通设备、社交网络和传感器正在生成海量数据。商业自动化导致海量数据存储，但用于决策的有效信息又隐藏在数据中，如何从数据中发现知识，以数据挖掘为代表的大数据分析技术应运而生。
1、社交网络的公共性
社交网络是大数据的重要来源，大数据的社会应用与社会价值就来自于社交网络，比如
国外影响巨大的 Facebook 和 Twitter，国内近年来风起云涌突然兴起的微博，特别是大家关注度非常高的新浪微博，这种网络交流平台具有媒介属性，日益成为影响不可忽视的的社会化媒体,每分每秒时时刻刻都在产生数以亿级形形色色
的话语文本。人具有与他人交流、分享、传播信息的天生需求，与他人直接交流互动和传播各种信息加大了人的社会交往，基于人际关系的信息传播创造了数量庞大的关系数据，扩大了大数据的社会价值与社会影响，带来商业上的无限想象力和各种企业的商业应用价值，大数据产生的技术背景离不开社交网络，移动互联网和物联网的发展导致大数据越来越大，具有随时收集、即时应用、及时生产 的重要特点。
例如时装产业产生的大数据基本源自无处不在的社交媒体。全世界每天都有 10 亿人以上在社交网络上交流信息发表观点。每一刻都会有上百万人通过社交媒体点赞分享、转发微博、讨论时尚、引导潮流。大数据时代，越来越多的各大品牌知名设计师直接利用社交网络与公众交流，让大众直接参与到设计当中，根本改变了此前这一行业的封闭性，不再只对时尚界的所谓精英开放。越来越多的品牌比如巴宝莉选择在时装秀之前的通过官方微博账号发布了模特们在后台的照片，许多顶级设计师愿意在网上发布自己全新的设计，如奥斯卡・德拉伦塔在Instagram上通过微博发布了最新款式的高级女装成衣系列。顶级买家被流行博客写手取代，网络红人占据了时尚杂志主编的前排座椅，在社交媒体上拥有大批微博粉丝的摄影师对大众的时尚影响力远远超过传统的精英人群。
2、社交网络的价值性
在一定程度上，大数据的社会应用价值越来越多的来自新型的社交媒体，在这些影响巨
大的微媒体社会背景下，大数据参与渗透进入各种各样的商业应用领域，产生巨大的社会影响，微博营销开始成为商家的选择，已成为目前最显著的商业模式，是大数据最直接的商业应用。社会化媒体直接成为企业首选地营销工具，企业通过社会化媒体发布有效信息，直接影响和引导消费者的潮流，主动收集来自消费者的反馈信息，积极进行互动，成为利润来源的重要渠道。社交网络互动传播彻底改变传统大众媒体单向的传播方式，可以针对具体特定不同的各种目标群体，通过信息技术点对点直接传递不同的特定信息，影响舆论，改善声誉，建立美誉度，有助于形成购买决策。很多企业关注从海量采集的关系数据中提取发现真 正有价值的商业信息，建立客户档案，实现精准营销，追踪目标客户，分析客户价值建立商业模型。
企业开始加强了解社会化媒体，其深刻认知和巨大投入将产生新的媒介形态并实现产品营销的新思路。社交大数据不仅仅对个别企业，而且对一些相关行业
都可以带来及其深刻的巨大变革。第一大数据有效改善传统的营销方式，与之相比利用有效精准的大数据营销，可以保持前期的大量曝光，中期的利益转化，到后期的实际购买，所有行为都是可提前预测并且随时监测的。效果可量化评估是采用大数据带来的前所未有的最实质性的根本影响;第二在社交这个环节，会产生越来越多的普通消费者在网络上通过各种社交媒体随时反馈自己在使用过程中对企业突出的产品以及建构的品牌形象发表看法，这个互动的过程会不断产生各种各样许多富有价值的有效信息，甚至还会包括发现一些潜在的意想不到的市场需求。对一个处在发展阶段的企业来说，这些有效信息不仅帮助他们可能采取措施调整原有传统产品，甚至引发并且催生新的不一样的商业模式。洞察消费者需求是大数据追求的核心价值;第三大数据可以变革某些具体行业，比如电影行业大数据可以根据实际数据能够预估票房，在金融行业可以进行前瞻预测提前作出调控措施，企业可以根据采集的大数据建立一些加上模型，预测消费者行为，进行数据分析。就连奥巴马为了赢得美国总统大选，他的团队就采集利用来自各种社交媒体产生的数据进行有效分析，做出民意评估，监测舆情，帮助连任，无疑发挥出来巨大的推动作用。
3、社交网络的应用性
社交媒体可以很短时间产生很大信息量，采取有效方法运用海量数据才是每个企业在市场面临的棘手问题。社会化媒体必须学会处理数据，具体步骤可以分为以下内容，首先进行收集，然后根据数据的不同类型导致具有不同用途，经过判断有些可以用于市场评估，反映市场效果，进一步了解市场，时时监测竞争对手，获得市场情报;还有一些可以通过信息技术采取自然语言处理，比如适当分类，有效聚类，快速获得消费者的需求以及人们对企业产品和所在行业的及时反馈和相关看法，利于企业做出判断，快速做出相应调整。例如电视广告价格很贵，媒体投放成本相对较高，一个企业的销售广告同时有 15 秒和 30 秒两个不同版本，但事先难以确定哪个版本更能吸引消费者，这时可以提前把视频传播至互联网，通过无处不在的社交媒体进行免费传播。应用大数据技术可以把采集消费者的信息，快速收集所有评价加以系统分析，找到有助于传播的元素，分析引起消费者反感的原因，快速提前测试有助决策，为广告主节省大量成本。通过大数据企业与用户间出现新的沟通方式，商业模式正在发生变化，在全世界社交媒体都引起市场变革，表现出企业日益关注消费者，用户重要性正在不断凸显。2012
年9月一家美国调研机构对市场营销人员进行调查，将近2/3的受访客户承认提高在广告营销领域采用数据管理平台的原因出于挖掘大数据的市场需求。
运用社交大数据，关键在于拥有数据。尽管用户数量不迅速增加，但预测用户行为，提出更精准的建议，仍然需要采集更大更多的数据量。如果数据处理能力没有提高，不能结合实际商业场景，就不会形成精细落地方案，既不可持续，也不可获利，导致社交大数据发展面临挑战。只有提高分布式计算、改善存储功能，加快实时计算的能力，才会实现价值。如果没有实际应用，大数据技术就不会产生实际意义。
大数据带来市场变革，挑战已有经验，颠覆已知模式，引领人类走向智能社会，数字化生存成为新的生活方式，社会化媒体随时记录人们的社会生活，感知行为态度、参与交往过程、建立互动关系，数据记录不仅保存而且可以分析，产生新的社会科学研究方法，拥有预知社会的可能性，在社会科学领域产生革命性变革和影响，大数据直接改变社会科学研究的模式和路径。
3.物联网发展的促进作用
随着物联网迅速发展，各种行业、不同地域以及各个领域的物体都被十分密切地关联起来。物联网通过形形色色的传感器将现实世界中产生的各种信息收集为电子数据，并把信号直接传递到计算机中心处理系统，必然造成数字信息膨胀，数据总量极速增长。 2.1、物联网形成产业链
物联信息不仅仅包括物联管理对象信息与物联感知设备信息，更突出物联实时信息。根据物联网数据的来源可以分成传感器感知数据和社交网络数据两种。虽然目前网络上产生的数据多于各种传感器感知到的数据总量，但是随着物联网设备的日益普及和感知技术的进步，传感器产生的数据量将大幅增加，最终将超过网络数据量，这种趋势越来越明显。
物联网改变了人们的社会活动形式，改善了人们的生活方式，变革了商业模式，被称为第三次信息化高潮，继计算机、互联网产生之后对社会的发展产生新的冲击。物联网把对象物和互联网相互连接起来，即时信息交换，智能化识别，实现定位跟踪，监控管理对象，产生大量数据，影响电力、安防、医疗、物流、交通、环保等行业形成新的商业模式。物联网联合大数据，正在迅速创造出巨大的社会价值和商业价值。
中国信息产业商会乐观预测，中国在 2013 年传感器设备将继续保持市场规模，表现快速增长势头，中国物联网 RFID 产业市场达到 320 亿元左右，规模将比 2012 年增长 35%左右。物联网伴随着移动互联网和云计算的迅猛崛起，物联网产业链上的各环节成本减少，相关产品价格迅速下降，进一步带来物联网硬件及其基础设施的大规模普及。同时，工信部联合财政部提供专项资金用以支持物联网发展,2013 年投入的专项资金将超 5 亿元。而在政策支持与市场反馈的协同发展推动下，业内人士大胆预测未来数年物联网会全面推广大规模普及，其产业规模或许比现有互联网大 30 倍。
物联网发展离不开基础建设，需要设备制造企业提供传感设备与网络核心设备，随着存储能力非常巨大的云计算中心的不断建设和投入使用，物联网持续产生的大数据可以随时存储，在线处理，产生价值，成为现实。企业需要思考物联网收集的大数据与其产业发展的融合与转换，将数据转化为利润，开辟市场蓝海，收获真金白银，发明新的商业模式，形成新的商业思维。 2.2物联网产生大数据
物联网大数据成为焦点，引起各大 IT 巨头越来越多的注意，其潜在的巨大价值也正在通过市场逐渐被挖掘出来。微软、IBM、SAP、谷歌等国际知名 IT 企业已经在全球分别部署了大量数据中心，还拿出大笔资金收购擅长数据管理和建构分析方面的优秀软件企业。这些物联网产生的大数据来自于不同种类的终端，比如智能电表、移动通信终端、汽车和各种工业机器等，影响生产生活的各个领域，各个层面，不可小觑。
物联网产业链的核心不是设备和元器件，而是数据以及数据驱动的产业，物联网的核心价值不在感知层和网络层，而是在更广泛的应用层。物联网产生的大数据经过智能化的处理、社会化的分析，将生成各种商业模式，产生各异的多种应用，形成了物联网最重要的商业价值。
处理物联网收集的大数据并不容易，物联网中的大数据不简单等同于互联网数据。物联网大数据不仅包括社交网络数据，更包括传感器感知数据，尽管社交网络数据包含大量可被处理的非结构化数据，比如新闻、微博等，但是物联网传感器收集的许多碎片化数据属于非结构化数据，在目前还不能被处理。
物联网应用于多个行业，而每个行业产生的数据有独特的结构特点，因此就形成很多相异的商业模式。物联网创造商业价值的基础是数据分析，物联网产业
将出现各种类型的数据处理公司，比如数据分析公司，软件应用集成公司和商业运营公司将逐步分化，产业链将逐步完善。
中国物联网刚刚进入应用阶段，刚刚起步，调查物联网产业最前沿的一线参与主体，可以发现主要包括 RFID 标签厂商、传感器厂商、电信运营商和一些系统集成商。目前各地已经建成的大量物联网系统已经开始进入市场，主要应用于远程测量、移动支付、环境监控等方面。另外主要分布在物品追溯系统和企业供应链管理等方面，应用较多的医疗健康、智能电网、汽车通信等服务也已开始出现，积极探索盈利，努力获得用户，占领高端市场。 而在物联网应用的过程中，我们发现电信运营商起到主导作用，扮演起行业龙头，发挥带动的作用，另外中国电信表现突出，也开始宣传自己物联网应用系统用于全球远程监控。而电信运营商之所以分外努力推广应用物联网，不仅仅在于运营商可整合硬件、芯片、应用等各步骤中的许多优秀合作伙伴，在运营方面以外，还在于物联网广泛应用在电信终端，可以有效整合电信互联网产业链的推进。电信运营商的示范不仅积累实战经验，甚至可帮助电信运营商将业务在物联网中拓展为系统方案解决商，介入各种增值业务。 2.3物联网催化大商业
看待电信运营商，可以应用大数据的观点，物联网商业模式将更多的移动终端容纳进来，作为数据采集设备，加以信息化应用，适应市场需求，成为物联网跨界发展的趋势。这种数据如果能得到运营商快速化、规模化、跨领域的广泛应用，那么电信运营商可能获取的商业回报会进一步参与到物联网的各个建设环节中，并且还可能使越来越多的商业信息被运营商掌握。这些信息驱动企业合作，推动参与各方共同寻找一种多方共赢的路径，建立新型商业模式。实现应用物联网数据，特别需要升级商业模式，真正创造多方共赢的有利环境。而要建立多方共赢的理念，就应该推动物联网真正成为市场的中心，变成一种商业的驱动 力，吸引产业链内的所有企业共同参与物联网发展建设。
现在大部分行业的商业信息移动化、社交化，大数据必然会成为最佳捷径，实现用户商业价值的。物联网大数据支撑商业开展，服务商业决策，提供各种行业信息，因此物联网大数据的未来是无限的，富有商业魅力。物联网大数据要获得产业健康有序发展，不能仅在概念上停留，还需要政策支持，市场完善以及产品持续的不断创新。而更为重要的方向是推动不同部门、不同机构、不同行业之间共享物联网大数据的问题。各部门公开数据、分享数据才能利用数据深层价值，
产生数据的附加价值。虽然目前交通、电力、工业等不同行业还没有合为一个物联网，但是共享不同行业的各种数据信息是可行的。而目前政府部门也开始意 识到数据单一难以发挥最大效能，开始寻求数据交换伙伴，部门之间已经开始相互交换数据，必将成为一种发展趋势，而共享不同部门之间不同种类的数据信息有助于发挥物联网更大的价值。
在未来几十年，物联网大数据面临着战略性的时代发展机遇及挑战。物联网握手大数据，不仅延伸更为广泛的应用，更会产生出价值更大的产业链，所以，将物联网发展离不开大数据理念，而大数据的广泛应用进一步加快物联网的前进步伐，在互动发展全过程中，物联网能够促进并带动大数据发展。大数据的采集和感知技术的发展是紧密联系的，提升以传感器技术、RFID 技术、指纹识别技术、坐标定位技术等为基础的感知能力是物联网发展的基石。普及智能手机发展感知技术的高峰期，如广泛的应用地理位置信息、通过对手机呼气直接检测燃烧脂肪量、手机键内嵌指纹传感器、可以监测从空气污染到危险的化学药品的嗅觉传感器、可感知用户当前心情的智能手机技术及通过衣着进行识别人物的技术。还有实时监控口腔活动及饮食状况的牙齿传感器，可追踪眼球读懂情绪的 3D 笔记本摄像头，新型可监控用户心率的纺织材料，引入支付领域的生物测定技术等。世界被数据化的过程就是感知被逐渐捕获的过程，一旦世界被完全数据化了，信息就是世界的本质。
4.云计算提供的技术平台
大数据与云计算的关系密不可分，大数据必须采用分布式计算架构挖掘海量数据，必须依托云计算的分布式数据库、分布式处理、云存储和虚拟化技术。大数据包括大量非结构化和半结构化数据，下载这些数据到关系型数据库用于分析时会消耗大量时间和金钱，因为实时的大型数据集分析需要像MapReduce一样的框架来向许多台电脑分配工作。依靠宽带、物联网的大数据提供了解决办法，具有无数分散决策中心的云计算大系统能够产生接近整体最优的帕累托效应，无数分别思考的决策分中心通过互联网与物联网形成超级决策中心。 互联网中多元动态、并行实时的大数据思维的出现促进重新定义知识的本质特性的认识。大数据时代企业的疆界变得模糊、网民和消费者的界限正在消弭、数据成为核心资产并将深刻影响企业的业务模式，甚至重构其文化和组织。因此大数据改善国家治理模式，影响企业决策、组织和业务流程，改变个人生活方式。如果利用大数据
贴近消费者、深刻理解需求、高效分析信息并作出预判，所有传统的产品公司都只能沦为新型用户平台级公司的附庸。
大数据是继云计算、物联网之后 IT 产业又一次颠覆性的技术变革。云计算主要为数据资产提供了保管、访问的场所和渠道，而数据才是真正有价值的资产。企业内部的经营交信息、互联网世界中的人与人交互信息、物联网世界中的商品物流信息、位置信息等数量远远超越现有企业 IT 架构和基础设施的承载能力，实时性要求也将大大超越现有的计算能力。大数据的核心议题和云计算必然的升级方向是盘活数据资产，使其为国家治理、企业决策乃至个人生活服务。
大数据和云计算这两个词经常被同时提到，很多人误以为大数据和云计算是同时诞生的、具有强绑定关系。其实这两者之间既有关联性，也有区别。云计算指的是一种以互联网方式来提供服务的计算模式，而大数据指的是基于多源异构、跨域关联的海量数据分析所产生的决策流程、商业模式、科学范式、生活方式和关联形态上的颠覆性变化的总和。大数据处理会利用到云计算领域的很多技术，但大数据并非完全依赖于云计算;反过来，云计算之上也并非只有大数据这一种应用。
大数据出现具有深刻的原因。2009 年至 2012 年电子商务在全球全面发展，电子商务是第一个真正实现将纯互联网经济与传统经济融合，嫁接在一起发展的混合经济模式。正是互联网与传统经济的结合才催生出现在社会高度关注的大数据。大数据链接互联网产业与传统产业，而且大数据结合互联网应用于传统产业领域，范围超过纯互联网经济。在电子商务模式出现以前，传统企业的数据数量缓慢增长。传统企业的数据仓库大多数属于交易型数据，而交易行为处于用户消费决策的最后端，电子商务模式使得用户的搜索、浏览、比较等行为企业可以采集到，这就至少提升了企业的数据规模一个数量级。现在日益流行的移动互联网和物联网又必将使企业数据量提高两三个数量级。从这个角度来看，大数据时代必然出现，大有发展。
5.结论
大数据如同大爆炸一样强烈冲击着整个社会，无处不在的社交网络、移动物联产生难以想象的海量数据，已经成为描述整个宇宙一切信息的工具，普适计算、数据开放带领我们迈进穿越时空障碍的信息时代，云计算、大数据金融造就拥有更多权利的智慧地球，开放流动的大数据时代带来更加公平繁荣的大社会!大数据可以预测未来，提供帮助，但未知是永恒的，自由意志永远存在，