大数据教育管理

大数据教育管理（共8篇）

1.大数据教育管理 篇一

贵州省大数据发展专项资金

管理暂行办法

第一章 总则

第一条 为规范贵州省大数据发展专项资金的管理和使用，提高资金使用效益。根据《预算法》、《贵州省大数据发展应用促进条例》、《中共贵州省委 贵州省人民政府关于实施大数据战略行动建设国家大数据综合试验区的意见》(黔党发〔2016〕14号)精神，以及财政预算管理的有关规定，制定本办法。

第二条 贵州省大数据发展专项资金(以下简称“专项资金”)，是由省人民政府批准设立，省级财政预算安排用于改善我省大数据产业发展环境，推动大数据战略，促进数字经济成长，重点支持引领性、应用性、支撑性大数据项目发展的资金。

第三条 专项资金的使用和管理遵循公开透明、突出重点、统筹管理、创新方式、市场机制、引入竞争、强化绩效、加强监督的原则，充分发挥财政资金的引导和促进作用。

第四条 专项资金建立部门联动、专家评审、项目公示、追踪问效的全过程协作管理机制，加强绩效评价及结果运用，实现资金分配的激励和约束。第五条 专项资金由贵州省大数据发展管理局(以下简称“省大数据局”)会同贵州省财政厅(以下简称“省财政厅”)按照职责分工共同管理。

省财政厅会同省大数据局负责专项资金的预算管理、资金分配及资金拨付，对资金的使用等情况进行监督检查。

省大数据局负责确定专项资金的年度支持重点，开展项目管理工作，组织项目申报和评审，并对项目实施情况进行跟踪服务、绩效评价及监督检查。

第六条 省大数据局建立“贵州省大数据发展专项资金管理系统”，按照“数据铁笼”要求管理项目，进行分级授权和分类管理。

第二章 资金支持范围及方式

第七条 根据省委、省政府明确的大数据发展目标和任务，专项资金支持范围主要包括：

(一)支持大数据产业发展壮大，改善大数据企业发展环境，支持三次产业与大数据深度融合。

(二)支持信息基础设施建设，提升关键信息基础设施优化及运维保障能力。

(三)支持标准规范制定及应用研究，支持大数据安全体系和保障能力提升建设。(四)推进政府数据共享开放及应用创新。

(五)支持大数据基金设立，探索支持大数据企业发展的新型融资方式，引导社会资本投资大数据发展应用。

(六)支持和培育各类数字经济试点示范建设。(七)支持申请到的国家级大数据重大项目。

(八)支持大数据领域有关重大活动、相关课题研究、人才引进和培育及专项业务经费等。

(九)经省政府批准的其他事项。

第八条 专项资金采取事中事后的以奖代补、贷款贴息、产业基金、融资风险补偿、购买服务等方式安排。原则上一个项目只能申报一种支持方式。

(一)以奖代补。运用无偿资助方式支持大数据的应用创新项目;对大数据企业按发展目标完成情况给予奖励;根据大数据服务平台提供的服务质量和实际完成量，对社会效益明显的平台建设项目给予补助。

(二)贷款贴息。对已获得银行贷款的项目采取贴息支持方式。贷款贴息额度根据项目贷款利息总额并参照银行同期贷款基准利率确定。(三)产业基金。支持设立大数据产业基金，引导社会资本进入大数据投资领域，采取阶段参股、投资保障等方式，扶持初创期、成长期大数据中小企业发展。视具体情况采用股权投资、股权后激励等方式实施。

(四)融资风险补偿。建立大数据中小企业融资风险补偿机制，对积极支持大数据企业发展的金融机构发生的风险损失进行一定比例的补偿;对担保机构承担大数据中小企业贷款担保业务产生的代偿损失按一定比例给予补偿。

(五)购买服务。省大数据局按照《国务院办公厅关于政府向社会力量购买服务的指导意见》(国办发〔2013〕96号)、财政部《政府购买服务管理办法(暂行)》(财综〔2014〕96号)等规定，购买相关公益性、公共性服务。

(六)其它。涉及大数据产业发展与应用的其它事项及投入，按照省政府的批准执行。

第三章 申报条件和申报资料

第九条 项目单位须具备下列资格条件：(一)具有独立的法人资格;

(二)项目单位注册地在我省辖区内;(三)财务管理制度健全，会计信息完整;(四)纳税信用和银行信用良好，遵法守信，无违法失信记录;(五)生产经营情况良好，财务状况或发展前景良好;

(六)申报项目符合国家产业政策，符合大数据发展规划，符合专项资金使用范围;

(七)以前年度获得专项资金支持过的项目单位，其所获支持项目到期的应按期通过验收，并取得良好效益。

第十条 项目单位应提供下列申报资料：

(一)各市(州)、贵安新区大数据管理部门会商财政部门的申报文件，或中央在黔企业和省属企业项目主管部门的申报文件，或省级部门申报文件;

(二)项目单位资金申请报告;

(三)专项资金项目申报指南要求提供的材料。第四章 项目组织和审核

第十一条 省大数据局商省财政厅在每年1月底前下发资金申报指南，明确专项资金支持重点、支持方式、申报条件、所需材料等事项。各市(州)大数据管理部门会商财政部门负责地方项目的组织申报、初审，提出审查意见后报省大数据局。省属企事业单位项目由主管部门提出初审意见后报省大数据局。省级政府部门、直属机构、事业单位和中央在黔企业可直接向省大数据局申报。

第十二条 项目单位应通过“贵州省大数据发展专项资金管理系统”提交相关申报材料。省大数据局建立专家评审制度，组织专家对申请项目进行线上和线下评审论证。

第十三条 省大数据局建立健全专家库管理，确保入库专家与评审专家在数量上保持合理比例。“贵州省大数据发展专项资金管理系统”实行专家随机抽取制度和回避制度，加强对入库专家能力、职业道德等素质的前置审核工作。在评审过程中建立专家交叉评审、集中评审等相互监督机制，研究建立评审专家责任追究机制。

第十四条 根据专家评审意见，按程序确定支持项目由省大数据局向社会公示，公示期不少于7个工作日。

第十五条 对项目公示期内提出异议的项目，省大数据局及时组织调查核实。公示期结束后，在公示期内没有异议的项目和经调查核实没有问题的项目列为拟支持的项目。

第十六条 项目主管部门负责对项目申报资料真实性予以审核，督促项目实施，并对项目责任事故依法承担责任。

第五章 资金管理和拨付 第十七条 原则上6月底专项资金预算执行率应达到年初预算指标的50%，9月底达到调整预算指标的90%。确定支持的立项项目，由省财政厅会同省大数据局按照预算管理、国库管理的规定联合下达项目资金计划。

第十八条 各级财政部门、大数据管理部门及项目主管部门要密切配合，及时下达和拨付项目资金，任何部门不得截留、滞留、挪用。

第十九条 项目承担单位收到的专项资金，应根据《企业财务通则》、《企业会计准则》等财务会计制度的有关规定进行账务处理，并按项目单独核算、单独管理。按规定需要进行招投标的，严格执行《中华人民共和国招标投标法》、《贵州省招标投标条例》等相关法律法规的规定。项目承担单位应在“贵州省大数据发展专项资金管理系统”中及时反馈专项资金使用情况。

第六章 绩效评价

第二十条 建立专项资金绩效评价制度，明确评价原则、组织实施、评价依据、评价内容、指标体系、分值权重、评分标准等内容。省大数据局会同省财政厅通过自评、第三方评价等方式，对专项资金分配使用、项目实施及效果等实施评价。评价结果作为以后年度安排专项资金支持的重要依据。

第二十一条 省大数据局根据绩效评价结果，及时完善资金使用、项目组织等管理制度，不断改进专项资金管理机制。第七章 监督管理

第二十二条 各市(州)、贵安新区大数据管理部门应于每年年底前向省大数据局报告本地区项目实施情况。项目完工后，项目承担单位应提交项目验收申请，中央在黔企业、省属企业项目以及各地重大项目由省大数据局、项目主管部门会同省财政厅组织验收;其它项目可由省大数据局委托各市(州)、贵安新区大数据管理部门会同同级财政部门组织验收，验收结果报省大数据局备案。

第二十三条 省大数据局对专项资金使用情况进行监督检查，必要时可委托社会中介机构进行审计或评估。各级大数据管理部门对项目实施情况进行监督检查。

第二十四条 专项资金应当用于规定的支持方向和重点。对使用不当、或者达不到申报规定的项目单位，省大数据局、省财政厅根据具体情况有权作出整改、收回等分类处理措施。对违反规定使用、骗取资金的行为，该项目单位三年内不得申请专项资金扶持。根据项目单位失信情况，省大数据局按有关规定向省公共信用信息服务平台提供不良信用记录。

第二十五条 各级有关部门及财政部门工作人员在资金分配、审批、复核工作中存在违规分配资金的，以及其他滥用职权、玩忽职守、徇私舞弊等违法违纪行为的，按照《预算法》、《公务员法》、《行政监察法》、《财政违法行为处罚处分条例》等国家有关规定追究相应责任;涉嫌犯罪的，移送司法机关处理。

第八章 附则

第二十六条 本办法由省财政厅、省大数据局按职责分工负责解释。第二十七条 本办法自 2017年5月1日起施行，并按《贵州省省级财政专项资金管理办法》实施预算管理。

2.大数据教育管理 篇二

人类正在经历一场时代的变革, 即从工业时代步入大数据时代。教育作为基础性、全局性和先导性的系统工程, 也要发生相应的变革, 由工业时代的教育跃迁到大数据时代的教育。

研讨大数据时代的教育, 首先需要换一种新的思想方法, 如同进微机室需要换双鞋子一样。正像美国科学哲学家和科学史家库恩所说, 开展一场“范式的革命”。

科学思想经历了“从牛到爱, 从爱到霍”的两次变革, 也可以说是哲学范式的变革。牛顿代表的是机械唯物论, 时空永恒, 其思想归宿是“上帝的第一次推动”。爱因斯坦相对论否定了牛顿的机械论及时空观, 但代表的是必然性, 其思想困惑是无法否定上帝的存在。而霍金代表的是纯粹偶然性, 其思想结论是宇宙形成的时候, 上帝没有位置, 上帝在休息, 并且说“哲学死了”, 即宣告上帝存在的唯心史观的破灭。霍金和爱因斯坦的分歧在哪?用各自确立的名言证明, 爱因斯坦说:“上帝不会掷骰子” (宇宙的形成是确定的) ;霍金说:“上帝确实掷骰子” (宇宙的形成是一种偶然, 霍金打比方说, 宇宙的形成就像沸腾的水泡, 无数的水泡破裂了, 唯有一个得到足够膨胀而形成宇宙) 。在宇宙形成问题上, 爱是从1到∞, 霍是从0到∞。

二、大数据时代的教育界定

要理解大数据时代的教育, 要搞清大数据时代的概念, 先要搞清大数据的概念。

(一) 何谓大数据?

通常所说的大数据, 实际上是“大量数据”, 而真正的“大数据”是相对论和量子力学结合带来的。量子理论认为, 只有波函数才包含客体的全部信息, 而宇观数字与微观数字有惊人的共性之处。霍金的一大创举, 是将量子力学与宇宙学整合, 于是有了从量子的无穷小到宇宙无穷大的数据链:→0到∞

而无穷小和无穷大统称大数据。大数据早在佛陀文化中就已出现, 如大数有“不可思议”, 小数有“涅槃寂静”。中国元代朱世杰《算学启蒙》首度记载不可思议是10128。佛教涅槃寂静是10—24。10—24物质呈现量子态。

量子思维的产生是对传统思维的巨大突破。假设一艘太空船以最快的速度在宇宙中笔直穿行, 根据传统思维, 答案是飞向无限的远方。而根据量子思维, 答案是回到出发点。

物质的根本属性是运动。人的思维是量子运动, 简称为量子思维。互联网也是量子运动, 二者通过“云计算”相吻接, 可谓“大脑连云”。霍金出于量子思维颠覆了思维的本质。霍金称, 人类大脑的工作方式类似于计算机程序, 因此理论上可以将大脑复制到计算机上。

(二) 何谓大数据时代?

互联网, 发展为云计算, 形成涵盖大气圈、岩石圈、水圈和生命圈的地球第五圈层——大数据圈。大数据对地球的全覆盖, 真正使人类思维着的精神成为“地球上最美的花朵”, 欣欣向荣, 进而将人类社会推向大数据时代。大数据时代就是知识时代、生态时代。

(三) 何谓大数据时代的教育?

人与 “ 云” 构成了迄今最先进的教育生态。“云”生境建设展现出世界各国教育激烈竞争的主战场。它昭示 (1) 哪所学校的教育数字化, 即哪所学校互联网技术进入教育的“最后一公里”建设得好, 这所学校将独占云教育之鳌头自动装置; (2) 就学习者而言, 谁能驾驭拿云技术, 遨游知识的霄汉, 形成思维系统在教育信息环境下的自适应能力, 不断地解构——重构, 涌现新知识, 谁就是时代的佼佼者。学校与学习者, 可以用李白的两句诗概括:“直挂云帆济沧海”, “长风破浪会有时。”前者是学校承担着互联网“最后一公里”建设的使命, 后者是学习者直冲云天的福祉。

传统教育是“没有人的教育”, 大数据时代的教育变成“在场”的、适切的、实时的、个性化教育。2006 年12 月25 日, 美国 《时代》 杂志封面登出电脑荧屏上显示的一个英文单词“YOU”, 它昭示大数据时代是属于“你”的时代, 即属于每一个人的时代。“YOU”成为大数据时代的主人, 而首先是学习及教育的主人。

云计算引发持续的学习变革与教育创新。“云”教育平台使学习由过去的刚性变成柔性, 由过去其直接针对工业社会学校批量生产模式:固定学制、班级授课制、秧田式的课桌椅、统一的教材、按课表编排的教学进程、铃声、教师评语、考试选择 (淘汰) 制, 传统教育势将同古代烽火台一样成为历史的遗迹。

在大数据时代, 教育如何做出新贡献呢?主要体现在6个方面。

——最广泛地开发云教育资源, 不断地为泛化学习开辟道路, 满足学习需求成为人生最重要的组成部分。

——教育培训机构或学习者本人通晓云计算条件下创造性学习的原理, 为在学习过程中思维创新与知识生成展开培训和自我培训。

——学习由“去我”变成“此在”, 学习者感受学习的愉悦与幸福, 他组织为自组织服务, 培养新时代建设的生力军。

——教育管理者消除科学主义的极端思潮, 建构新人文主义思想, 为学习者创造更大的幸福服务;对云计算教育资源开发与管理进行顶层设计, 有效运用翻转课堂、微课教学和混合学习诸种方式, 实现学校教育与慕课的优化组合, 取得最佳的教育成效。

——学习者和教育者在教育实践中持续创新。

——为人的自由创造进行相应的知识积累和智能、智慧培养。

三、大数据时代的教学

大数据时代的教学与传统数据相比, 具有非结构化、分布式、数据分析由专家完成变为由学习者完成、普遍采用可视化展现方法等特点。这将决定教育的人性化和个性化, 按需学习, 不以年龄划线, 实时教学, 学有所长, 思维创新与知识生成在即。于是, 学校的形态势将发生质变:越来越少的课堂, 越来越多的云资源;越来越少的讲授, 越来越多的交互;越来越少的编制, 越来越多的合作;越来越少的办公室, 越来越多的实验室, 如此等等。

脸谱网站创始人扎克·伯格指出:“历史上我们从未有过如此巨大的机会, 一个人, 一间屋, 创造一种服务, 可以让上亿人, 甚至数十亿人受益, 这令人诧异。在此前 (人类) 不曾有过创造这类业务的能力。现在有很多人在做这样的事。这是一个激发创造、专注爱好的最好时代。”

过去, 如果你想学习, 可以采取各种方式, 如请教他人、进图书馆、买本书自己摸索、到某个学校进修等。而云教育与云学习完全颠覆了传统的学习方式。学习者不受时空的限制, 可以自主地选择学习地点和学习时间。云学习是师生、生生理想的交互环境。翻转课堂、微课教学、混合学习, 特别是慕课打开了教学的崭新格局, 学习者的智能 (智力) 将获得解放, 智慧如同寒武纪生命大爆发一样涌现。

(一) 翻转课堂

翻转课堂, 简单地说, 就是将“教学”变成“学教”。现行教育体系是在两个世纪以前建立的, 其目的是满足工业时代的需要。如美国教育专员威廉·哈里斯在1899年时曾大力推崇美国学校的“机械训练模式”。但如今它已荡然无存。

在传统教学过程中, 知识的习得通常通过“讲授——内化——外化”来完成, 传授在课堂完成, 内化和外化则是学生通过课后作业完成。而翻转课堂在课前首先通过个性化主动学习。教育者对每一个学习者予以启发、排疑解难, 师生、生生之间进行自由平等的交流探究, 而在课后实践深化。

翻转课堂改变了传统教学“授——受”的旧模式, 师生的角色都发生了质的变化。教育者的责任是理解和关心学生, 引导学习者问题解决。

在美国科罗拉多州落基山脉一个山区镇的林地公园高中, 许多学生由于花费在上下学路上的时间过多, 导致缺课, 学习跟不上。直到有一天情况发生了变化。在2007年春天, 学校化学教师乔纳森·伯尔曼和亚伦·萨姆斯开始使用屏幕捕捉软件录制PPT演示文稿的播放和讲解。他们把结合实时讲解和PPT演示的视频上传到“云”, 以此帮助缺课的学生补课。更具开创性的是, 他们逐渐以学生在家看视频、听讲解为基础, 开辟出课堂时间来为完成作业或做实验过程中有困难的学生提供帮助。不久, 这些在线教学视频被更多的学生接受并广泛传播开来。乔纳森·伯尔曼 (Jon Bergmann) 、亚伦·萨姆斯的共同体会是:“翻转课堂已经改变我们的教学实践。我们再也不会在学生面前, 给他们一节课讲解30—60分钟。我们可能永远不会重拾传统的方式教学了。”

当美国佛罗里达大学新生妮科尔·尼西姆被三角几何学困住时, 她没有去请教老师或同学, 而是在You Tube网站上找了一段“可汗老师”讲解三角几何学的视频, 她反复看了几遍, 问题就迎刃而解了。整个过程既方便又快捷, 而且没花她一分钱。这个可汗老师就是“可汗学院”的开创者萨尔曼·可汗。

(二) 微课

斯坦福教育学教授乔尔·沃斯说:“教育的根本问题就是它从未被设计为学习。如果你不能控制自己的学习, 你就不能学得好。”

学习与教学永远是问题解决的过程。当且仅当问题关涉到“云”并通过“云计算”得到解决的时候, 便构成疑云。学习是以问题的疑云出现的, 所以, 需要拨“云”而成“雨”。整个过程可用下图表示。

白云苍狗, 变换无穷。用来解释学习, 就是变构学习, 即通过对解构, 重构, 形成新知。大数据条件下的教学, 宛如云的聚集和舒散, 别具一番风格。

(三) 混合学习

混合学习是在线学习与面对面学习相结合的一种学习方式。混合学习包含多种元素, 如训前测评、在线课件、训后考核、“云”资源、图书导读、案例、线上讨论、当面讨论、实践实习、指导引导、点对点交流 (一对一辅导) 等。混合学习有循环、弹性、自混合、增强虚拟等模式。

(四) 慕课

所谓慕课 (Massive Open Online Course, MOOC或MOOCs) 中文是大规模在线开放课程。慕课“打破在人们头脑中挥之不去的教师效能与学生成果评价的教学神话, 而代之以基于证据的、现代的、数据驱动的教育方法论, 这种变化会带来教育的根本性变革” (塞巴斯蒂安·特龙) 。

慕课是生成式课程, 课程初始仅提供少量预先准备好的学习材料, 而学习者更主要的是通过对某一领域的话题讨论、组织活动、思考和交流进行思维创新, 生成知识。

“慕课”规模将进一步扩大, 新型慕课将走向独立, 教师教育理念与方法将产生巨变, 质量监控、课程认证和学分认可, 运行与管理。

四、大数据时代的教育需要关注的几个问题

人活在问题解决的生涯中, 大数据时代的教育首先需要完成做的, 至少包括如下几个方面。

(一) 建构学习者“云”人格

自觉遵守“云”的伦理是大数据时代的公义。所以, 树立仁爱的伦理思想, 树立社会主义核心价值观, 建立平等的对话机制是学习者的“游戏规则”。

(二) 学会删除

大数据条件下离不开记忆, 但更重要的是删除。托起“云”的是数据、技术与思维。云变成雨, 云就自然消失了。意义建构是大数据时代学习的唯一理由。世界正在演练一场“互联网遗忘”的删除运动, 数字化记忆仿佛是一个诅咒, 人类对它愈发强烈的依赖阻碍了我们从中学习、成长和发展的能力;没有删除就没有记忆。所以, 掌控大数据时代的取舍之道, 唯一念念不忘的是“遗忘的权利”。

(三) 消除对“数”的崇拜

大数据是人的思维创新的雄厚的生态资源。但学习者在大数据面前如同过蜀道, 虽是风光无限, 却也处在危险的边缘。实时警惕的就是数的崇拜。

古希腊客观唯心主义哲学家毕达哥拉斯将“数”作为本原的误导, 在大数据时代大有卷土重来之势。数字魔笛在现实生活中使不少人沉迷于虚拟世界, 将“数”作为生活的替代品。要自觉地避开虚对象误区、感官验证误区、心理感受误区、置信多数无害误区、景仰权威误区、历史合法性误区、外域印证误区 (洋骗术) 、玄妙崇拜误区、反背景知识误区。实时坚持“实事求是”的思想路线, 弘扬求实精神和批判精神。

(四) 克服“云”云亦云

人工模拟是哲学早已讨论的问题, 只有到大数据时代, “云计算”对意识活动的模拟才成为现实。而缺少自觉性的儿童少年人在囧途, “假作真时真亦假, 无为有处有还无”。而传统的单纯知性教学难逃其昝。大数据时代的教育的重要思想是实践的教育:实践是感性基础上确立的理性之指导下的感性活动;实践是数据的来源, 实践是数据发展的动力, 实践是检验数据真伪的唯一标准, 实践是数据得以生存的最终目的;实践具有肉体性、历史性、语言性和自由性的特性, 要做到践履与拨“云”的统一, 促进认识的深化。

此外, 还有解除传统教育管理的弊端和实行关心教学等等。

3.大数据驱动管理变革 篇三

不可忽视的大数据

据赛迪顾问统计，2012年中国各行业大数据IT投资已经超过4.5亿元，年增长率达78.9%，在未来三到五年总投资规模有望超过百亿。在未来3到5年，我们将会看到那些真正理解大数据并能充分利用的企业和其他企业之间的差距。我认为，真正能够利用好大数据、并将其价值转化成生产力的企业必将具备强有力的竞争优势，从而成为行业的领导者。

在零售业，对大数据的分析可以使零售商实时掌握市场动态并迅速做出反应。由于零售行业同类产品的差异小，可替代性强，销售收入的提高离不开出色的购物体验和客户服务，也离不开高效的商品流转率，需要实现精准营销和快速营销。沃尔玛已经开始利用各个连锁店不断产生的海量销售数据，并结合天气数据、经济学、人口统计学进行分析，从而在特定的连锁店中选择合适的上架产品，并判定商品减价的时机。农夫山泉通过大数据分析技术使销售额提升了大约30%，并使库存周转从5天缩短到3天，同时其数据中心的能耗降低了约80%。

在制造业，对大数据的管理与分析可以帮助生产商准确把握市场需求变动、提高产品设计与生产效率、提高供应链的敏捷性和准确性。随着制造业信息化的日臻成熟，ERP、PLM等系统的广泛采用，制造业的整个价值链和产品的整个生命周期都涉及到诸多数据，包括产品数据、运营数据、价值链数据等等。以产品质量数据为例，生产商在生产过程中会通过大量传感器来获取各种海量数据。将这些数据整合在一起，再结合维修、售后服务等方面的数据，可以从不同角度分析与产品质量数据间的关系。最终将这些数据集成在一起，在可视化的环境下，工程师可以在一个集成视图上看到整体情况，从而对产品质量的管理和完善做出更加精准的决策。

在互联网行业，对大数据的分析可以为商家制定更加精准有效的营销策略提供决策支持。互联网行业主要特征之一是各种类型的信息和数据都呈现爆炸式增长，同时用户行为和网络中的社会群体变得更加多样化、复杂化。Facebook通过对海量社交网络数据与在线交易数据进行分析和挖掘，从而提供点对点的个性化广告投放策略，实现了广告份额翻番（2009年到2010年）、2010年到2011年增长95%，比Google的增速快了近3倍。百度通过搜集整理网络玩家搜索需求与热点，将用户人群细分，并对网络游戏的搜索行为数据提炼组织，建立用户行为数据库销售给网络游戏运营商，创造了以数据销售为主，广告服务为辅的双轨模式。

在金融行业，对大数据的分析可以为金融机构实现快速科学决策与服务创新提供支撑。金融行业的信息化程度高，数据量非常庞大，并且数据管理集中化，为大数据的分析与利用提供了良好的基础。中信银行信用卡中心通过部署大数据分析系统，实现了近似实时的商业智能（BI）和秒级营销，运营效率得到全面提升，每次营销活动配置平均时间从2周缩短到2-3天，交易量增加65%，不良贷款比率同比减少了0.76%。

在电信行业，对大数据的分析可以使营销策略和产品设计更加精准，帮助运营商从数据流量中获益、向智能管道转型。近些年由于无线上网和智能手机的推广，导致电信行业数据量呈现爆炸性增长。同时电信业面临着市场饱和度高、产品服务同质化明显、从快速增长的数据流量业务中获利有限的业务挑战，迫切需要通过新的技术手段突破现状。中国联通通过部署大数据组织与管理系统，使得用户记录10分钟内可查询，并使在几千亿条记录当中检索的时间缩短到一秒钟内，提高了对客户投诉的反馈效率和质量，增强了客户服务满意度。

数据资产化+决策智能化

大数据将从数据资产化和决策智能化两个方面推动企业管理变革。

数据资产化。信息部门将从“成本中心”转向“利润中心”。在大数据时代，数据渗透各个行业，渐渐成为企业战略资产。有些公司的数据相对于其他公司更多，使其拥有更多获取数据潜在价值的可能，例如互联网领域与金融领域。拥有数据的规模、活性，以及收集、运用数据的能力，将决定企业的核心竞争力。掌控数据就可以深入洞察市场，从而做出快速而精准的应对策略。这意味着巨大的投资回报，因此企业的IT部门将从“成本中心”转变为“利润中心”，而数据将成为企业的核心资产。

决策智能化。企业战略将从“业务驱动”转向“数据驱动”。智能化决策是企业未来发展方向。过去很多企业对自身经营发展的分析只停留在数据和信息的简单汇总层面，缺乏对客户、业务、营销、竞争等方面的深入分析。如果决策者只凭主观与经验对市场进行评估而制定决策，将导致战略定位不准，存在很大风险。在大数据时代，企业通过收集、分析大量内部和外部的数据，获取有价值的信息。通过挖掘这些信息，企业可以预测市场需求，进行智能化决策分析，从而制定更加行之有效的战略。

如何制定大数据战略

企业应当如何制定大数据应对策略以充分利用其蕴含的商业价值？赛迪顾问提出以下两方面建议：

一方面，应当通过云平台实现数据大集中，形成企业数据资产。对于大型集团企业用户，其各级子公司和分公司的ERP系统中每天都在生成大量的交易数据和业务数据。分散在各个业务系统中的数据无法形成集中的资源池，不能互联互通，将严重影响对大数据的统一管理与价值挖掘。因此首先要通过云平台实现集团数据大集中，从而形成企业的数据资产。这是集团企业利用大数据资源的重要基础。只有把集团的信息化架构向云平台迁移，才能促使集团数据的大集中与统一管理，从而在此之上对数据资源的价值进行挖掘，促进企业数据的资产化。

nlc202309031319

另一方面，应当深度挖掘大数据的价值，推动企业智能决策。之前企业对数据的关注主要是存储和传输，通常利用的不足其获得的5%，在数据每年增长约60%的背景下，企业平均只获取了25%-30%的数据，作为企业战略资源的数据还远远未被挖掘。因此，企业应当重视对大数据价值的深入分析与挖掘，推动企业决策机制从“业务驱动”向“数据驱动”转变。可以说，数据将成为企业的利润之源，掌握了数据也就掌握了竞争力，企业必须更加注重数据的收集、整理、提取与分析。

形成数据资产、实现智能决策的关键步骤

第一步，明确业务需求。来自业务的需求永远是采用新技术的第一驱动力。也只有与业务需求紧密结合的新技术战略才能够真正发挥作用。企业在考虑采用大数据相关分析处理技术推动管理变革、提高效率、降低成本的时候，不能为了大数据而大数据。必须首先对自身业务流程进行梳理，找出瓶颈所在，不仅分析需要进行哪些决策智能化变革，还应分析按照什么业务顺序进行部署。从而确保大数据实施的成功率和实施效果。

第二步，确保数据质量。如果进入信息系统的数据是错误的，经过系统加工处理后的结果就不可能正确。只有保证数据的高质量、真实性、可靠性，基于大数据分析的商业智能才能提供正确的决策支持并真正发挥作用。因此，企业要通过从意识、管理和技术等几个方面，多管齐下来保证数据质量：首先，树立全面的数据质量意识，使每一个操作使用信息系统的员工意识到“数据是系统的生命，保障数据真实准确就是对自己工作的负责和对企业发展的支持”；第二，颁布并严格执行数据管理规定，在制度上规范数据的管理；第三，通过引入主数据管理平台等技术手段保障数据质量，集中管理主数据，加强系统对错误业务数据的检查校验功能，把错误数据堵在源头。

第三步，选择合适的大数据服务或架构。一方面，不一定所有的企业都适合在企业内部构建完整的大数据架构（从IT基础设施到数据管理工具，再到数据分析软件），这必然带来巨大的IT投入。在大数据时代，数据租售业务、分析预测服务、决策外包服务、数据分析平台等大数据服务模式正逐渐兴起。企业可以考虑外包采购数据分析服务或租用数据分析平台。另一方面，对于决定自己构建大数据系统的企业而言，面对不同IT厂商提出的各种大数据解决方案、以及IBM的Pure System，Oracle的Exadata等IT厂商力推的大数据一体机、SAP HANA等内存计算平台，企业应当审慎选择，从适合自身业务需求与兼容既有IT架构等方面进行考虑。

第四步，评估大数据实施效果。企业在采购任何IT服务或部署任何IT系统时，都应当及时对IT新技术的应用进行科学合理的成效评估，从而及时总结经验教训，以调整完善IT战略，确保企业IT对企业管理决策的支撑效果。大数据的实施将影响到企业管理决策模式的根本性变革，因此，应当更加注重对实施效果的评估。

4.大数据与信息管理论文 篇四

大数据有四个层面的特点：第一，数据体量大。从TB级到PB级;第二，数据类型多，包括视频、图片、位置等;第三，价值密度低。比如长时间的监控，有用的数据可能仅仅只有一两秒;第四，处理速度快。这也是与传统数据挖掘技术有着本质不同的一点。业界将上述归纳为4个“V”———Volume，Variety，Value，Velocity。如今已是一个爆炸性的大数据时代，推动社会发展，已从“动力驱动”转为“数据驱动”。越来越多的国家和企业意识到了大数据的重要。1月，“大数据，大影响”作为重要议题在世界经济论坛年会中被提出。203月22日，美国又启动“大数据研究和发展计划”，目的是提高从海量数据中提取知识的能力，加速其在科学与工程领域的研究。年5月，联合国相继发布了《大数据开发：机遇和挑战》报告，明确指出大数据对各国发展都将是一个巨大的机遇。大数据风靡全球的同时，我国政府也加快了对大数据相关技术的攻关，在工信部发布的《物联网十二五规划》里，提出信息处理技术是关键技术创新工程。广东省在2012年12月发布了《广东省实施大数据战略工作方案》，率先在国内启动大数据战略，首先是采用行政收集、网络搜取、群众提供和有偿购买等方式拓宽数据来源渠道，建立政务数据中心，接着在政府各部门设立数据开放试点，并利用网站向社会提供下载和分析使用的数据，依此进一步推进政务公开。

二、大数据与交通信息管理的联系

(一)在交通信息管理中的应用

随着社会经济的发展，机动车辆数量大幅增加，与此同时交通管理的复杂性也逐渐增大。而大数据技术可将其虚拟性、集成性、智能型和预测性四个方面的优势运用到交通信息管理之中。首先虚拟性有利于跨区域的信息管理，只需多方共同遵守信息共享原则，就可以在已有的行政区域内解决跨域管理问题;第二，信息集成性有助于建立综合立体的交通信息体系，通过收集不同范围、区域和领域的“数据仓库”，发挥整体性交通功能;而其智能分析处理，可以辅助交通管理制订出较好的统筹与协调方案，减少人力和物力的使用，合理利用道路交通资源;除此之外，准确分析并提炼各部门数据，模拟出相应的交通预测模型，这将可以有效地推测未来交通运行状态，并验证技术方案的可行性。

(二)存在的问题

1.信息的孤立。不同部门的交通信息系统导致很多数据在物理上彼此隔绝，缺少信息互通。

2.缺乏多样性。由于缺乏处理大数据的技术和能力，分析对象通常是统计学中的抽样样本，将导致分析结果的不全面和不精确。

3.缺乏有效的信息提取与处理。实时动态交通数据包含大量信息，但通常不需要使用全部原始信息。如何对数据信息进行快速提取，是交通数据管理面临的又一难题。

4.海量数据困于长期存储。现代交通数据具有来源丰富、数量庞大、分秒增长的特点，因此需要大容量的存储空间和长期保存的功能，以保障其记录历史和推测未来的功能。

5.多类型数据难以统一管理。多类型交通数据即指传统的数字信息，多元化的空间定位和先进的遥感图像等数据。将其进行统一有效的管理，是交通数据管理需要重点研究的方向。

三、对交通信息管理教学的需求

(一)各高校教学现状

将大连海事大学、上海交通大学、北京交通大学、东南大学、西南交通大学和武汉理工大学六所高校的课程进行对比。从六所高校对交通运输专业的开设的基础课程上看，与信息管理模块有关的课程还是偏少，有些学校甚至没有开设相关课程。

(二)传统教学存在的问题

1.主干课程安排不合理。部分高校所设置的主干课程不能满足交通信息管理模块所需的基础知识，因此难以实现高效、系统、完整的人才培养体系。

2.缺少专业选修课的引导。对于一个涉及面较广的专业，多数高校的教学模式仍偏向专业必修，而忽视专业选修课。

3.教材更新缓慢。已有的教材存在片面性和过时性的问题，从而无法满足学生对前沿知识全面而准确的了解。

4.形式单一。传统教学主要为理论教学，对大数据技术背景的认识不够充分，不能将学生的工程实践能力和科技创新意识相结合。

5.缺乏实践。传统教学侧重于对理论教学的解释、验证和简单延伸，没能及时将知识消化。

6.实习多流于形式。高校虽然有相关实践和实习的要求，但这些都大多流于形式。有些企业担心没有经验的实习生会影响正常的生产秩序，因而不愿接受实习生，这样使得实习通常是走马观花。

(三)新教学模式提出的要求

1.分层次的培养模式。大数据时代的交通信息管理人才不仅需要有扎实的专业基础，同时还应满足不同层次的需求。例如本科毕业生将会面临两条出路，一部分走向社会生产，一部分会继续深造，所以不同的毕业去向对于学生的能力要求也必然不同。因此，面对不同类型人才的能力培养需求，高校应当制订分层次的培养方案，这样在满足不同企事业单位对就业学生工作能力的要求的同时，也能培养继续深造的学生的科研能力和素养。实现分层次的培养方案，必然需要利用自主选课模式，加大社会需求类相关的选修课比重可以使学生在教学方案之内、教学计划之外选择适合自己的选修课，促使学生的专业知识结构从简单型向复杂性转变。

2.启发式教学方法。教学方法上，要积极开展创新型教学研究，探索灵活多变、立体化的教学手段。启发式教学的基本精神是根据辩证唯物主义的认识论，引导学生积极探索、发现问题、分析原因和找到解决方案，将知识转化为能力和实力。在传授基本知识的同时，力求将最新的科研成果纳入到课堂之中，让学生的知识与创新意识都能与时俱进。此外，教材也应及时更新，让学生及时接触到前沿信息。

3.提升教师的实践教学水平。要改变学生实践能力，必须从提高教师的实践能力方面着手。加强师资队伍多元化建设，实现双导师制。双导师型教师是指既具有高校教师任职资格，又具有较强专业实践能力的教师。提高实践能力方面可从以下两方面入手：①优化科研环境，鼓励教师积极参与横向课题研究。这样，青年教师不仅能深入了解本学科的前沿知识及工程实践的应用，而且可以使基础理论、专业知识与工程实践紧密结合，从而培养和提高分析、解决工程问题的能力。②校企挂钩，教师的工程实践经验和能力主要通过工程实践锻炼而获得。高校和企业合作，不仅为青年专业教师工程实践创造条件，同时还能为企业提供理论支持。

4.重视实践能力的考核。构建客观的、可操作性强的学生实践能力评价体系。要求评价考核的标准和方法能够将学生成绩分解为一定的量化指标，从而客观科学地评定其实践能力。

四、总结

5.大数据在教育领域的运用 篇五

（贵阳护理职业学院 550081）

摘 要：近些年来大数据被多次提起，2016年2月，贵州获批国内首个大数据综合试验区。省委市委高度重视大数据发展，把大数据作为弯道取直的重要机会。目前大数据已经在诸多领域实现了很多成功应用，但在教育中的应用仍处于探索阶段。本文对大数据发展、数据可靠性、学生管理的痛点、教育大数据的应用进行了梳理。以期在一定程度上带来一些新的思考。最后，本文也指出利用教育大数据的机遇与挑战。

关键词：教育大数据；数据可靠性；大数据运用

（一）什么是大数据

2012年3月，美国奥巴马政府宣布投资 2 亿美元启动 “大数据研究和发展计划”，将“大数据研究”上升为国家意志。同年，联合国全球脉动（UN Global Pulse）组织发布《大数据促发展：机遇与挑战》一文，指出大数据时代已经来临【1】。说到大数据，首先要探讨数据从哪里来，大数据解决了什么？大数据科学的兴起是信息时代的产物。计算机的出现和逐步的普及，信息对整个社会的影响逐步提高到一种绝对重要的地位。信息量，信息传播的速度，信息处理的速度以及应用信息的程度等都以几何级数的方式在增长。这些数据的增长带来了大数据的基础。那么信息时代的成功又靠什么呢？是解决信息的不对称。比如说，马云解决了商家和买家之间的不对称，他让信息变得透明，我们购买到便宜又好的商品，并且还不用跑商场，摸摸手机屏幕就能解决问题。美团、饿了么，同样解决我们?c商家的信息不对称，然而这些都是通过信息技术为载体的，在这些过程中就产生了数据。大数据解决了什么呢？大数据解决了政府数据的不对称，政府握着大量的数据，林林总总包罗万象，里面蕴含着巨大的价值，把各个领域单一并且封闭的条数据整合成一个物理空间或行政区域形成涉及人，物事的各类数据总和的块数据【2】首先可以提高政府的办事效率，其次经过整合的块数据进行分析提炼的数据可以对任意一个行业有指导性的作用。这就是大数据可以解决的事情。

（二）什么样的数据才可靠

上面是大数据的概念，那么我们怎么提取到有用的数据呢？电子科技大学互联网科学中心主任周涛博士向我们提供了如何提取有用数据的方法方式。周涛博士提到，数据分为两种，一种为可控数据，（controllable data）和另外一种行为数据（behavior data）。而可控的数据都是不靠的，因为有人为因素夹杂在里面，真正可靠的是人们的行为数据，行为数据是关于机体的行为和行为发生时环境的观察报告。最早成功的使用行为数据的例子之一是亚马逊，怎么理解行为数据？亚马逊是怎么使用这些数据的呢？简单地说，就是用户在网站上发生的所有行为，如搜索、浏览、打分、点评、加入购物筐、取出购物筐、加入期待列表（Wish List）、购买、使用减价券和退货等。亚马逊通过对这些行为信息的分析和理解，制定对客户的贴心服务及个性化推荐。这就是行为数据所带来价值。并且行为数据不会骗人，通过对行为数据大量采集，并分析，政府可以更好的制定政策来宏观调控市场。不止只在商业方面，行为数据在各个领域都有着很多有价值的方式等着去开发和利用。

（三）教育大数据

教育界说的大数据，多属名词滥用。收集的数据，往往不能和政府人口统计数据那样，涉及成千上万人和多个采集维度。更准确地说，学习数据属分析数据，或者说是“小数据”甚至是数量不大，范围狭窄的“微数据”数据是“大”还是“小”，其实关系不大，关键是我们要用大数据的思维方式去处理这些所获得到的数据，把我们自己手头拿到的微小的条数据整合为可以使用的块数据，通过这些块数据来给学生带来帮助。在教育管理过程中，高校出于自身管理方便和成本的节约而忽视学生正当权益的事情时有发生；部分教职员工的服务意识淡薄，服务能力和水平较低，把较多的精力和时间投入到科研中，对学生缺乏应有的关爱和引导；再者由于学生教育管工作面广量大，与学生利益相关的管理部门众多，因此在解决学生实际问题过程中，出于部门利益的考虑，部门之间经常相互推诿，管理效率低下。因此，高校应积极构建和完善大学生成长成才的服务机制，完善与学生利益的相关政策规章的制定和实施程序，明确和提高教育管理组织的服务职能，培养和提高广大教职员工的服务意识，帮助解决学生在个体发展阶段必然或者可能面临的实际困难，为学生的成长成才创造条件和平台【3】。

例如：大数据思维方式可以预警学生失学风险。高风险学生，是指濒临辍学，转学，退学风险的学生。首先我们要掌握一些信息来判断哪些学生是高风险的学生，具体的信息包括：

1.学生学习情况：如成绩滑坡、出勤、作业、考试、焦虑、学习压力过大等；

2.身体状况，如疾病、缺少睡眠、遭遇虐待或无法完成相关任务；

3.精神问题、如有自杀倾向、情绪低落、失恋、抑郁、压力、焦虑等；

4.生活问题，如家里出现了危机、家人去世朋友去世、经济困难等；

5.专业和职业选择问题，如无法确定专业不适合目前专业等；

6.行为问题，如行为不当、行为对他人造成干扰、语言骚扰、肢体骚扰；

7.退学风险、如考虑转学、因为经济困难无法继续；

想要得到切实可靠的准确信息往往非常的困难，传统的方式往往是发放问卷或者主动询问，首先学生不会认真的去填写，经常避重就轻，人是群居性的生物，往往不会承认自己是异类，所以都会选择看起是“正常人”的选项和回答，这是典型的不可靠的可控数据。其次，拿到的数据还要花时间进行分析，得到结果需要一定的时间，我们无法知道哪些学生是有可能的高危学生。往往不能做到防范于未然，并不能有效的解决问题。所以我们必须通过行为数据来分析问题，然而有些信息我们是可以通过大数据的方法方式来获取的。比如分析刷饭卡的行为数据这一项就可以分析出很多的信息，例如每月饭卡的消费金额，可以判断学生目前经济是否相对宽裕。分析一个时间段的消费次数，可以判断该学生是否有帮他/她的好朋友刷卡，可以作为该学生是否孤独的一个参考项。还有刷卡的成群出现，通常好朋友们都会相约去食堂，所以饭卡号在系统中都是成组，成群出现的。如果总是一个人去吃饭，该学生的饭卡号不出现在任何的好友小组中，基本证明他是孤独的。这样的学生就是高危学生。然而这只是个条数据的基本应用。通过收集这些可靠的数据，建立健全贫困生资助信息数据库，并对数据库中的各项信息不断更新完善，以便动态管理贫困生，实现按需资助【4】。

（五）总结

大数据技术的应用，使得高校可以对其数据资源采取完全数据筛选的方式来分析、挖掘隐藏在数据背后的规律，从而能够让我们更真实、更全面地了解学生，促进学生的发展。然而，由于当前人们对大数据的认识尚处于探索阶段，大数据在教育领域的研究才刚刚开始，而且大数据提供的也只是参考答案而非最终答案。因此，要真正的将大数据完美地应用于教育，造福于教育，仍然有很长的路要走，但是只要我们能够开放心态、锐意创新、实事求是，就一定能抓住历史机遇，更好地为打造中国经济升级、全面建成小康社会提供坚强有力的人才支撑和智力支持。

参考文献：

[1]PULSE U G.Big data for development： Challenges & opportunities[M/OL].New York： UN Global Pulse，2012[2016-11-22].http：//

[3]蒋远喜，等.新媒体环境下高校学生教育管理的应对机制研究[J].吉林教育学院学报，2011，（9）

6.大数据时代管理会计发展探究 篇六

【摘要】随着大数据时代的到来，在实践中加强对当前时代背景下管理会计的系统性分析，将有着重大的意义和深远的影响。管理会计在日常工作中的作用与日俱增，但是随着大数据时代的到来，管理会计在发展中出现了企业重视不够、存储空间不足、安全机制缺乏、数据分析手段落后、专业人才缺乏等现象，这将严重阻碍管理会计的发展。企业只有真正认识到大数据在管理会计中的重要性，认真研究管理会计建设，不断完善信息安全保障机制，建立云会计管理信息系统，培养能够掌握大数据知识的管理会计人才，才能更好的实现对管理会计工作的整改和创新发展，更好的为管理会计工作的不断发展奠定坚实的基础。

【关键词】大数据；管理会计；会计信息系统；发展；策略

随着当前信息技术的不断向前发展，尤其是相关物联网技术的不断提升，现实生活中产生的数据规模也在不断的增加，特别是进入到了当前大数据时代的背景下。在当前的发展过程中，在海量数据的包围中，企业无时不刻的不在密切的关注相关数据动态和数据发展的方向。在当前的时代背景下，通过使用一些新型的工具和新的技术，对数据进行深层次的挖掘和分析，加强对数据的研究，将会使管理会计的建设进入到一个崭新的阶段当中。所以，今后还应当加强对大数据时代背景下管理会计的深入分析，更好的应对当前工作的巨大挑战，促进管理会计迈向新的阶段。

一、大数据时代下管理会计作用日趋明显

在当前大数据时代背景下，加强对管理会计的深入分析，不仅可以向广大的管理者提供充足的数据和依据，同时还可以为相关会计工作的顺利开展奠定坚实的信息基础，帮助企业更好的进行决策和经营。从具体的角度进行分析，其基本的职能包含有：准确预测企业今后的财务状况以及经营情况；帮助企业管理者更好的控制现金的流量；通过全过程控制，对大数据时代背景下管理会计工作进行全面的完善和改进；通过全流程的工作控制管理，可以使得管理会计中数据的管理更加科学和健全；为更好的评价企业的业绩奠定坚实基础。这些对于促进企业的建设和发展有着巨大的意义。

（一）提升企业预测能力，抢先占领市场

2000年前后，人们开始接触手机，15年过去了，手机已经成为生活中的必备品，不论男女老幼，几乎都在使用手机。15年间，手机已经由简单的通信功能转变为网络功能。QQ、微信、易信成了大家日常沟通和获取信息的主要渠道。人们除了使用这些软件的聊天功能之外，更多的人开始利用它发布信息、做广告，当然商家也不例外。前一段时间，一个眼镜销售商搞了一项活动，只要将该商家的微信号和广告词发送给自己的朋友圈，然后截图发给该商家，该商家就免费赠送一款眼镜。结果，该商家的微信好友迅速增长，该商家的店铺也被许多人关注。商家利用这些平台可以推广自己的产品，也可以通过这些平台获取对方商家的动态，通过对方的一些信息，利用管理会计的一些方法加以研究预测，制定下一步计划，预先占领市场。

（二）提升企业决策能力，增加企业竞争力

传统营销模式下，企业与客户很难直接接触，企业得不到客户需求的一手资料，也不能随着客户需求的变化及时改变经营决策。大数据的到来，使得这种现象得以改变。通过网络，企业可以获取各类客户浏览商品的信息，也可以统计出成交商品的信息。企业可以利用管理会计的方法和手段，对数据进行汇总分析，判断市场需求趋势和购买力，帮助企业做出决策，及时调整企业战略方针，增加企业的竞争力。

（三）加强规划与控制，提高运营管理效率

加强对大数据时代管理会计的规划与控制，可以使得数据的管理和分析更加科学到位，提高运营管理效率水准。由于大数据时代管理会计之间，部分信息数据资源具有共享性，当企业内部某个部门及其相关系统发展时，不能只追求某种产品的利润最大化，也不能只考虑企业总体的利润最大化，应当考虑企业价值最大化。正因如此，企业在日常的管理会计中，要进行有目标、有安排、有行动的改进措施，明确企业管理会计的规划与控制的优势，在当前的时代背景下加强对数据的收集与分析，加强对数据的研究，同时对今后的建设方向以及发展的基本原则等进行综合性的研究，以此为基础更好的实现对管理会计工作的整改和创新发展，更好的为后续工作的不断改革奠定坚实基础。使管理会计活动进入一个崭新阶段，对企业的后续运营必将提供充分的保障和充实的数据支持。

（四）加强考核与管理，提高绩效管理水平

绩效考核一直都是企业管理的一大难题，以往企业只能通过考勤和业绩来评判一个员工的绩效。但事实上，这种考核方法很不全面。例如，客户购买企业的产品，有一部分因素是因为负责接待的员工介绍的好、服务的周到，但更多的原因是因为企业自身的品牌效应，而这些品牌效应是通过企业无数员工长年累月积攒起来的，现在把这个成交业绩算给某个员工，无形当中是对企业其他员工的不公平。随着大数据的到来，绩效评价问题将变得易于操作。企业可以通过本企业的相关系统掌握员工的交易量，通过微博、微信等社交软件掌握员工的推广量，通过物联网数据掌握相关的感知数据。通过对这三种数据的收集和分析，企业可以了解本企业员工的绩效，也可以得知整个行业的绩效水平，从而更好的制定绩效管理办法，更科学的管理企业绩效。

二、大数据时代管理会计发展中遇到的问题

（一）企业对大数据在管理会计中的应用没有足够的认识

虽然很多企业都认识到了大数据时代的到来，但是一些中小企业认为大数据是一些知名的大企业应该研究掌握的，中小企业缺乏资金和技术，在日常的管理会计中也用不到，所以没有必要引进相关的人才，也不需要投入资金进行研究应用。另外，不是所有的人都真正理解大数据的概念。虽然很多人都在关注大数据的发展，但真正理解大数据的人却很少。据相关机构调查，仅有一半企业关注大数据的发展，有三分之一的人不清楚大数据到底是什么。这些因素都会影响大数据在管理会计中的应用。

（二）管理会计缺乏足够的信息存储空间

电子数据虽然比纸质数据节省空间，但电子数据的产生速度远远超过纸质数据。大数据时代每天会产生大量的数据，企业要全面的收集这些数据，短时间还可以，一旦持续收集，现有的设备和存储空间根本无法满足。企业要想通过分析数据得出一些规律，必须长时间的完整的收集并存储数据，同时利用相关的机器设备，通过管理会计的一些方法，分析总结相关数据。但是这些都需要企业进行大量的资金和人力投入。

（三）管理会计缺乏信息安全保障机制

每个企业和个人每时每刻都会产生大量的数据，这些数据通通会被收集整理。在这些数据中，一些是公用数据，一些会涉及到企业或个人的隐私信息。一旦这些数据被泄露，将会通过互联网迅速传播，将会给企业带来巨大损失，给个人带来许多麻烦。大数据时代如何做好数据安全，如何防止数据被盗，已经成为企业的一个难题，这也给管理会计提出了挑战。

（四）管理会计缺乏完善的信息分析技术

大数据时代会产生大量的数据，要想真正利用这些数据必须通过专业的技术进行分析。但是，这些数据中有绝大部分都是非结构化的数据，现有的分析技术只能分析结构化的数据。要想将非结构化的数据转化为结构化的数据，除了需要一定的时间之外，在转化过程中还会损失很多有价值的信息，这样得出来的信息在时效性和应用性方面都将大打折扣。所以，企业必须尽快研制出能够分析非结构化数据的技术，这样可以确保信息的及时完整。

（五）管理会计缺乏专业的人才

大数据时代不缺的就是数据，但是各种各样的数据不会自动成为信息，它需要经过专门的人才使用专门的软件才能成为企业有用的信息。但是目前懂得数据整理分析的人才很少。专业人才的缺乏必然影响管理会计的发展，也影响大数据的使用价值。但是相关专业的人才培养需要一定的时间，除了教育机构之外，各企业也可以考虑自己培养人才。

三、大数据时代管理会计发展的对策

（一）充分认识大数据在管理会计中应用的重要性

首先，对于广大企业的管理者来讲，应当深刻的认识到大数据应用到管理会计中的重要性以及重大价值，在工作中不断增强管理会计工作的认识程度，增强管理会计思想观念，并且注重将管理会计落实到日常工作中。加大管理会计的投入的同时，还应当切实结合当前市场的基本状况，制定出科学合理的管理目标，制定出健全的工作方案，着重增强企业工作的连续性、长期性以及指导性，不断强化监督和控制管理方式，加强工作规划性的建设，避免出现相关问题。其次，管理者还应当结合当前财务管理以及管理会计的基本趋势，结合大数据时代发展的方向和信息技术的建设原则，不断完善管理会计的相关改良方案，加强指标体系健全的建设。通过企业财务会计与管理会计的方案结合，创新思维、统筹设计，对方案进行全面的规划和安排，力争将风险系数降到最低，使企业财务管理工作稳步发展，企业经济效益稳步提高。另外，企业财务会计与管理会计结合有一定的超前性，在具体规划过程中要加大对不确定因素的研究，在财务会计正常核算的前提下，选择最稳妥、最有效的方式，为整个企业的发展和完善打下坚实的基础。在当前时代背景下，加强对数据的收集与分析，加强对数据的研究，将使得管理会计活动进入到一个崭新阶段当中。通过制度化以及模式化的工作，引导相关项目不断的迈入规范化的层面之中，进而真正意义上实现管理会计工作的增强以及工作水准的提高。

（二）加强大数据下管理会计建设的分析

大数据时代下，管理会计建设是企业发展的基本趋势，同时也是企业管理过程中的核心内容。由于相关企业的管理自身有着一定的特殊性，所以加强对大数据时代下管理会计建设的分析，不仅可以使得数据的管理和分析更加科学到位，而且还可以为相关经济活动提供充分的支持，帮助企业更好的应对当前时代建设和发展的趋势，对于企业的财务控制以及相关风险的控制也将起到深远的作用。总的来讲，加强对大数据时代管理会计建设的分析，对企业的后续运营必将提供充分的保障和充实的数据支持，所以在工作中还应当加强对相关大数据时代管理会计建设工作重要性的研究。根据相关调查分析和研究，在当前企业财务会计与管理会计结合过程中，在许多方面还存在缺陷，应该有针对性的整改。通过整改，进一步提高企业管理会计水准，使人们从理念上可以接受，制度上可以有所创新，整个企业的发展可以得到全面提高。

（三）完善管理会计信息安全保障机制

在当前工作制度下，管理会计已经成为一项日常性工作。管理会计制度的不断健全，会计机密信息保护制度的不断完善，有效的增强了企业资金的利用效率，进一步强化了财务的监督职能，有效的控制了隐私舞弊等现象的出现，使得企业可以健康生存并且取得长远发展。今后，在开展会计信息化系统工作中，要充分考虑企业当前的实际状况，制定完善的会计信息系统监管体系，对体系和制度建设过程中的难点性问题进行有针对性的分析，以真正意义上实现工作的整改，对于企业的财务控制以及相关风险的控制也将起到深远的作用。最后还应当全面的遵循会计信息系统的工作原则，完善会计机密信息保护制度。在企业运营过程中加强成本的控制和管理，提高员工参与各个工作环节的积极性，真正使员工理念和工作制度得到同步更新。在当前财务工作的引导下，在当前大数据时代背景下，还应当及时总结管理会计的发展现状和发展趋势，进一步对管理会计工作进行归纳和分析，不断探索如何在现有财务工作的基础上完善管理会计的方案，加强相关信息和数据保密安全制度的建设，完善传统的工作体系。

（四）构建基于云计算的管理会计信息系统

在当前大数据时代背景下，加强管理会计的建设，还应当保证相关存储数据的工具可以有着良好的应用，有着巨大的容量，以更好的满足时代建设和相关事业发展的切实需求。在工作中应当对相关数据进行重点的分析，更好的增强决策和访问的速度，在今后随着互联网技术和传统电子计算机技术的不断向前发展，还应当加强对相关资源的建设，全面的建设出以云计算为基础的管理会计系统，更好的保证数据的结构化处理和协调化的应用，更好的满足当前管理会计中结构化信息数据分析的切实需求。在实践过程中，通过云计算管理会计系统的建设，不单单可以加强信息的收集整理和数据的有效分析，还可以让企业的存储容量大大的提升，帮助企业的管理者对相关重点数据信息进行深层次的挖掘和分析，使得信息和相关数据的价值得到充分的展现。在很大程度上解决当前大数据存储问题和分析难点，更好的促进管理会计工作的建设和工作质量的增强。

（五）加大管理会计专业人才培养

最近几年，我国管理会计建设呈现出迅猛的发展趋势。在当前的工作背景下管理会计的工作重点逐步在转变，相对应的，在当前的经济环境和社会背景下管理会计方向也在迅速的变化。为了更好的满足相关单位管理工作的需求，满足各单位对会计核算工作质量的要求，加强每个单位的财务控制，以不断的健全和完善管理会计工作重点为核心环节，注重掌握大数据知识的管理会计人才的培养。对现有会计政策进行深入研究，发觉其精髓，为完善管理会计工作奠定基础。根据管理工作现在的发展趋势，制定适合现有工作环境的方案，健全人才培养措施和环境，真正意义上促进管理会计建设迈向现代化的发展局面。随着科学技术的不断向前发展，全球的企业逐步进入到了一个网络化以及信息化的时代中。建立起健全的人才培养以及交流制度，加强信息技术手段和系统性工程的建设，将为我国的管理会计工作提供广阔的发展前景。对于广大企业的领导者来讲，还应当紧紧的跟随时代发展的步伐，在实践工作中构建出完善的信息化网络控制体系，注重掌握大数据知识的管理会计人才的培养。在当前系统工程、电子计算机技术、信息科学技术支持下，加强对工作的归纳和分析，各级工作人员还应当加强自身技术的提升，建设出科学化的数据库信息系统，将企业在各个不同时间段之内的财务状况以及管理会计的基本形势等纳入其中，进而使得企业的管理者可以更好的明确企业的发展趋势，为企业的生存和长久性的发展奠定坚实基础。

四、结束语

综上所述，通过对当前大数据背景下管理会计发展的主要现状和面临的主要问题等进行系统性分析，对管理会计今后的发展方向和建设原则进行详细的研究，多角度的对今后工作的基本思路和建设方向做了分析，旨在更好的实现对相关企事业单位管理会计的创新和整改，促进管理会计建设迈向一个崭新的阶段。

参考文献：

7.大数据应用与高校后勤管理 篇七

这是华东师范大学的家庭经济困难学生预警系统,这也是困难生资助工作在信息化管理中的首次尝试,华东师范大学通过数据库有效整合学生基本家庭情况、所获奖学金及助勤贷款等资助信息、餐饮信息,全面了解学生的经济状况。通过该预警系统,学校可以从学生中发现不愿让老师和同学知晓的家庭经济困难学生,有利于调整帮困资源,使之发挥更大效益。比如:在餐饮预警中,通过观察学生餐饮消费数据,了解学生的经济状况。除了餐饮预警,该预警系统还会关注学生的勤工俭学信息,如果某学生突然增加了勤工助学的工作量,学校也会前往了解。

远程教学、用pad进行随堂考试、MOOC(大型开放式网络课程)等,一直以来,信息化在教育领域的应用越来越多,也越来越精彩。而信息化在高校后勤管理中发挥的作用却并不显著,随着云计算、大数据等信息技术的应用范围逐步扩大。信息化在高校后勤管理中能够起到的作用越来越超乎我们的想象。本文尝试就云计算、大数据等信息技术在高校后勤管理中所能衍生出的新应用做一些探讨。

一、大数据丰富校园生活

每年9月都是高校迎新的日子,随着信息化手段的进一步发展,目前的高校迎新开始呈现出电子化等特点,不少学校不仅拥有专门的迎新网站,还将微信、A P P等移动互联技术应用到迎新当中,过去繁琐的报到流程已经简化为扫一扫条形码,一切全搞定,有些高校甚至实现了网上选宿舍、手机一卡通等服务,这些电子化应用极大方便了新生报到及融入校园。

例如北京邮电大学今年首次尝试用微信进行迎新,学生通过添加北京邮电大学官方微信账号,即可享受到校指引地图、校车查询、迎新办理等服务。北邮官方微信账号专门有一个“校园迎新”栏目,该栏目中有迎新办理、新生指南、全景引导等多种校园讯息。

此外,通过大数据和云计算等手段,还可以实现对人流量的控制。如在浴室、游泳馆、自习室等地安装人流监控设备,出入的人数以及等待的人数都可以在网上或者微信上实时查询,学生可以根据这些数据来决定是否去洗澡、游泳,以及该去哪个自习室上自习。

二、手机投票提升服务质量

信息系统不仅能够满足标准化和精细化管理需求,还可以帮助后勤员工提升服务意识。随着我国经济发展和人民生活水平提高,加之大学生群体中独生子女比率提升,高校后勤服务对象消费观念更新,对后勤管理的服务质量标准不断提高,不仅要求吃得饱,还要满足吃得好;不仅要求住得宽敞,还要满足住得舒适。

因此,不断提升后勤服务质量成为高校后勤管理的新需求。

在传统模式下,每学期可以请学生为后勤人员进行打分。在信息化条件下,可以采用网上投票等手段。如今,在云计算和大数据的帮助下,还可以利用微博、微信等社交手段提升高校后勤管理服务质量。现在很多服务业都利用微信平台对用户进行服务,高校后勤管理部门也可以借鉴这种手段,或者开发相应的手机软件,使学生可以对后勤服务进行实时投票、投诉、反馈。例如可以每周对各个食堂的菜谱进行投票,食堂可以根据学生的投票结果进行调整。

三、以考促学提高人员素质

目前,高校后勤管理人员素质普遍偏低。由于高校后勤员工结构复杂,且多数没有接受正规教育,高等教育更无从谈起,造成人员素质低下、层次偏低、管理不到位、责任心不强等一系列问题。

对此,可以利用信息化手段对后勤员工进行培训。随着各种社交软件在人们中的普及,可以利用手机等终端对后勤员工进行每周一考,或者每月一考,将后勤管理规范条例等考题以短信、手机软件、甚至是社交工具的形式发送到后勤员工的手机上。考试并不是目的,而是一种手段。如果员工回答正确,可以有相应的奖励。如果回答错误,则将正确答案发送到员工的手机上,使其加深印象,达到以考促学的目的。

四、餐饮管理提升食堂精细化水平

食堂管理是学校后勤管理的一个重要组成部分,是学校教学、科研、师生生活的重要保障,而且学校食堂是非盈利部门,既不能牟利,还要搞好伙食,不仅吃好,还得健康。然而,在实际食堂管理中存在着很多问题,如食堂管理体制不完善,由于成本原因导致菜品单一、员工素质较低等,这些都制约着食堂的良好发展。

信息化能够帮助企业构建标准化的流程和提升精细化管理水平,同样信息系统也可以帮助学校食堂实现标准化和精细化管理。以物流配送为例,利用系统进行原材料的配送、出库、入库登记、结算,可以加强采购组与各餐厅之间的信息沟通,提高了成本核算和存货控制的工作效率和准确性。通过引进餐饮管理系统,可以实现菜谱的标准化、采购流程的标准化、成本核算精细化,从而完善了成本控制、提高了沟通效率、加强了内部管理。

同时,方便快捷的数据传输和统计功能还可以为领导层做管理决策提供及时、准确的数字依据。

此外,把信息管理系统引进食堂管理中,不仅可以提高食堂的效益,结合市场合理制定食堂的饭、菜价格,而且还可以更好地进行协调,统一管理,不断优化食堂管理。

最后,高校后勤信息化建设并无标准模式可循,由于各个高校的规模、实力、发展水平不同,加上地区差异,使得我国高校后勤信息化建设的发展程度参差不齐。部分高校的后勤信息化建设还停滞在比较传统、原始的管理和服务状态,这种情况多出现于学生数量较少、资金保障不足的高校中。而少数高校的后勤服务管理,已走在信息化的最前沿,将后勤管理和业务集成到统一平台上,实现了高效的管理和优质的服务;而大部分高校仅停留在局部信息化的层面上,开发或引进如资产管理、公寓管理、采购管理等热门管理软件,满足其最迫切的管理需求。如公寓管理在信息化建设相对起步较快,较多学校应用了公寓管理系统,实现了学生公寓的床位、人员、公寓设备、服务等的动态管理。

对此,各个高校可以根据自身需求,找到不同的切入点,为后勤管理引入信息化管理手段。

同时,还有两点需要注意。首先,在思想上,高校后勤管理服务也要顺应大势,树立移动互联网思维、创新性思维、人本化思维、精细化思维、简约化思维、透明化思维、物联网思维、大数据思维。例如,移动后勤将是高校后勤现代化工作方式的体现。就目前来看,智能手机后勤APP软件平台还大有潜力可挖。

8.大数据的管理喻意 篇八

近年来，“大数据”这一概念迅速流行，在业界和学界得到高度关注。事实上，“大数据”并不是从天而降的，而是时代演化的产物。当信息技术发展到云计算、大数据时代，人们的生活渐渐发生了全面的变化。从基础研究方法到各个学科，人们普遍感受了大数据的迫近，但我们要看到大数据之“热”背后的东西，以及企业需要构建哪些关键能力。

计算范式进化

回顾信息技术革命对社会生活的影响，可以分为几个时代：主机（Mainframe）时代，个人电脑（PC）时代，Web 1.0时代，Web 2.0时代，以及物联网/云计算/大数据时代。主机时代主要是指以大型机为主导的1960-1970年代。人们若有计算需求，就要去计算中心，把程序交给专门的工作人员负责试运行。这完全是集中式的数据管理，个人想做计算非常不方便，而且很贵。1980年代可以称作个人电脑时代。此时，大型计算机的一部分功能转移到了台式个人电脑上，人们可以在个人电脑上运行一些简单的计算功能，开始了简单的文本处理，计算开始从集中走向分散。20世纪90年代Web 1.0 兴起了，互联网帮助人们把全世界的信息联系在一起了。但此时的互联网是单向的，我们仅仅能够查询和获取信息，只能通过这个窗口向外看。到2000年前后，以互动和参与为主要特征的Web 2.0出现了。原来人们只是互联网信息的被动接受者，但此时，网民可以自己写作博客，参与维基百科的编辑，联系社会网络等等。电脑的计算功能越来越强，越来越融合在人们的生活之中。人们之间的信息沟通越来越密，社会中的信息点也越来越分散。直到近年来，出现了以物联网、云计算和大数据为标志的新时代。此时，不是单个软件或单个机器的革新，而是整个计算范式（Paradigm of Computing）的变革。这是一种新型的集中式计算：无处不在的探测感应装置、计算机网络、移动终端、云服务、社会化媒体、数字化生活使得数字世界和计算能力处于物理上高度分散和分布式状态；另一方面，物联网、云计算和大数据应用又强调信息整合、数据中心平台以及全局视图。所以，与传统集中式不同，此时呈现出物理上分散、逻辑上集中的新特点。

技术的发展与应用有一个刺激响应螺旋：当某个技术突破产生时，个人和组织不管主动还是被动都免不了要面对这项技术，思考诸如“要不要应用这项技术，如何应用”等问题；技术的发展又会受到这些应用要求的影响，一直互动和循环下去。一项新技术是一个刺激，个人和企业会响应并产生新需求，进而这些新需求又成为新的刺激，使得技术再做出创新响应。技术和应用需求就在这种刺激与响应中螺旋上升。在当前新型计算范式背景下，特别是从大数据的视角来审视我们面临的机遇和挑战，思考对未来的管理可能产生哪些影响，具有重要理论和实践意义。

大数据改变生活

现在关于大数据的说法比较多。一些提法也在涌现，如认为大数据只注重关联不注重因果、只注重总体不注重抽样等。这些观点反映了特定场景和应用的某些特点，但是作为大数据的一般属性的话，目前还缺乏足够的共识。简单说来，具有相对广泛共识的大数据特征是所谓的4V（Volume， Variety， Value， Velocity）。第一，大数据意味着超常规模数据（Volume）。与之前的大规模数据不同的地方在于，大数据对企业来讲意味着数据规模超越了企业本身的内部数据，而是延伸到了企业外部，成为一种社会化的企业数据。每个人作为终端使用者，既是信息的使用者，又是信息的创造者。全社会的人都与数据发生关联，在社会活动的各个环节，而不仅仅局限于之前的某些企业、某些部门职能环节；这是质的变化。第二，大数据意味着多样性（Variety）。富媒体（Rich Media）大大扩展了人们的数字化生活体验，全球数据和数字流量中70%～80%都是视频、语音、图像，而不是过去以二维的、规范化的、非常简单数据形式为主的结构化数据。多样性成为大数据的显著特征。第三，我们处在数据的海洋之中，但与我们企业或个人相关的数据相对说来是很少的，所以是低价值密度的（Value）。即，数据量的分母太大，对企业或个人决策有价值的信息占总量的比例就很小。所以这里有一个重要的含义，即如何从低价值密度的数据海洋中挖掘出有用信息，成为企业数据分析的关键。第四，大数据的实时性强（Velocity）。信息就像开着的水龙头一样，源源不断地出来。人们打开手机看新闻，支付账单，都需要得到及时响应，而不是等到晚上再看新闻，要排个队才能支付账单。信息是连续的，实时的，流涌的。这种流信息是时时刻刻（Real-Time）的，构成了大数据之“大”和无时不在。

大数据的这四个特征会给人们的科学研究方法带来挑战，当然也会影响商业和管理。

比如说对统计理论的挑战。在传统概率统计学中，因为做不到对总体进行采集，所以设计了许多抽样方法，要用到测度（如均值、方差）这些概念。在大数据背景下，很多基础的假设都需要重新检验和审视：哪些被颠覆了，哪些可能还可以用。在所有管理学理论中，统计是最基础的方法之一，所以这种审视很重要。

再者，比如对信息处理的挑战。传统的信息处理技术要应对具有4V特征的大数据是极有挑战性的，一方面是测度、信息处理的基本方法，另一方面是搜索、推荐等应用方法。大量的信息处理方法都只能处理结构化的数据，而无法处理富媒体数据，因而需要重新审视。譬如，30和31不相等，两个数字易于比较；而两篇博文可能只是相似，意义相接近，等等；视频和图像的比较，更需要判断其相似性而非“等于”。此时，数学上的“等于”就变成特殊的个例了，多种情况下是“约等于”，或者说相似关系。但是，已有的大量算法并不是基于“相似性”，需要重新检验。例如，数据挖掘方法中有一种关联规则算法叫做Apriori算法。这个算法是基于结构化记录的经典算法，是许多应用方法的基础。啤酒尿布问题就是关联规则算法的经典案例。然而，如果现在要处理的不是一条条的记录，而是视频、音乐，经典算法能否处理新问题就需要重新审视。第一要审视算法是否可用，第二要审视算法是否足够有效率。再如，现在我们搜索一个关键字可以很快得到结果，但搜索图片时体验还是很差的，如果要搜索一段语音、音乐，那么，搜索的响应时间、质量和精度都还远达不到人们的要求，是计算机学界需要解决的问题。考虑到处理大数据需求的是流算法，对实时性要求高，没有效率的算法势必会被抛弃。其它的挑战还涉及数据传输与存储技术、社会分析与计算技术、模式识别与语义分析技术等诸多领域。

nlc202309022310

当数据完全渗透到人们生活之中，大数据带来的挑战就涉及人们生活的各个方面，除了上述基础方法、信息处理方面的挑战，在很多方面我们都可以观察到大数据时代的不同。比如，智能手机和平板电脑作为一类功能强大的移动终端，通过丰富多样的客户端应用（如apps等）支持人们的各种需要（如：开展业务、网上购物、信息搜索、聊天交友、休闲娱乐等等）。这极大地扩展了企业和个人的计算触角，深化了社会化商务和移动商务，丰富了数字化的社会生活。

对管理趋势的影响

大数据时代的管理喻意可以从两个方面来概括，即：“三个融合”和“三新”。“三个融合”指IT融合、内外融合和价值融合。而“三新”则指大数据时代催生的新模式、新业态和新人群。这两个方面反映了大数据时代管理理论和实践的变化特征，其中前者主要体现管理领域和视角上的变化，后者则主要体现管理主体和方式上的变化。

信息技术融合 信息技术融合（IT融合）是指，技术与人们生活和企业运作的密不可分性。信息技术融合有很多实例和问题，概而言之，这对管理有两方面的意义：第一，越来越多的传统企业管理问题已经变成或正在变成数据管理或信息管理的问题；第二，越来越多的企业决策已经变成或正在变成基于数据分析的决策。在企业原先的运营框架中，IT支持、营销、会计、战略管理、创新可能是不同的职能，但当企业的活动和事件越来越多地用数据体现时，企业决策就要基于数据决策。

内外融合 内外融合强调企业外部数据的重要性。通常，企业关心内部的信息化，如ERP关注内部资源的整合，CRM系统也只是与客户建立联系，但现在，评论、口碑、商誉、流言等各类信息都是企业外部数据，而企业还必须关注，否则很可能会出现企业声誉危机。所以，企业要关注内部数据与外部数据的融合，基于内外数据的交互来做决策。用户生成内容（User Generated Content，UGC）、公共生成内容（Public Generated Content，PGC）正在发挥越来越大的作用，影响消费者的购买决策、商业舆情和企业形象，企业必须对此做出反应。

价值融合 价值融合是指，企业因生产产品和提供服务而产生价值，消费者在使用产品的过程中产生价值。譬如，手机制造商或者电信运营商面临着这种情况：你生产和销售手机或提供流量，会获得一些收入；但大量的价值增值并不在手机本身，而在于顾客如何使用手机。也就是说，生产有形的产品是一种价值，在此基础上的无形产品（如服务、内容）可能会带来更大的价值增值。所以，企业不但要关注有形产品，还要关心附加价值，强调服务、内容等等。

新模式 很多企业在探讨大数据背景下如何转型升级的问题，为了适应大数据的挑战会产生许多新模式，比如O2O（online to offline，线上线下结合的商业模式）。像线下实体电器卖场，为了适应变化要做线上电子商务平台、进行了线上线下同价、线上定购线下提货的尝试等。而线上商城为了保证时令产品及时到达顾客手中，就会租线下仓库、打通物流的上下游等。这并不意味着某些公司会消失，只是企业模式会发生改变。因为大数据情景强调企业外部知识，用户体验更重要也更丰富，比如虚拟体验、实体体验和线上线下融合的体验。企业内部也要有新模式。因为数据管理和基于数据分析的决策对企业越来越重要，企业要重点增强的一个核心能力就是深度业务分析（Business Analytics， BA）能力，而这个能力的很多方面来自商务智能和数据挖掘技术。这种分析是有深度的、严谨的，可以辅助企业在变化的环境中做出更好的决策。

新业态 赛博空间（Cyberspace）和众包（Crowdsourcing）、数据产业等都是相关的新业态。以前我们可能在休息的时候玩一会儿游戏，但现在有很多人生活在赛博空间的虚拟现实中。对有些人来讲，赛博空间是他们的“第二生活（Second Life）”，而对另一些人来讲甚至是“第一生活”空间。他们长期生活在其中，心理、行为可能会发生变化，也会产生一些商业机会。很多企业的主要业务就是满足这类虚拟需求的，比如说卖秘籍的，卖虚拟装备的，卖虚拟币的。虽然人们在观念认同上可能存在差异，但在这种新业态上确实产生了年销售额非常可观的企业。众包是企业外部的大众为企业出创意、做设计等工作，这种新型生产组织形式还未得到企业的足够重视，其潜力不应被低估。此外，云计算和大数据应用需要新型数据平台和资源虚拟整合优化，所以数据中心产业会兴起，这会涉及很具体的产业政策、宏观环境等整个生态系统。

新人群 很多中老年人从1970年代开始学习信息处理，应该算是信息社会的“移民”，但是现在两三岁的儿童都能对iPad上瘾，是信息社会的“原住民”。虽然从年龄上来看，在岁数上差一代两代，但在技术进化来看，可能跨了很多代，中间隔着处于各种技术代的人群。如果企业的员工、客户都是这些信息社会的新生代或原住民了，那么组织行为、绩效管理、KPI、企业文化、客户关系管理都要发生改变。举例来说，和这些人沟通，除了面谈、聚会之外，微信、QQ成了更重要的沟通方式；而与老客户老员工沟通，可能还是要采取传统套路。

BA将成企业关键能力

面向大数据机遇和挑战的应对策略是进行长期部署和短期规划，一步一步走。从长期来看，大数据的影响是深刻的。但眼下对企业而言，应对大数据的第一步是构建BA能力。

BA能力是企业具有的进行数据运作和深度业务分析的能力。以移动通讯行业为例，一方面面临语音应用饱和、传统业务单位效益下降等压力；另一方面也面临着移动互联网、内容经营和信息消费的替代性和多元化服务等压力。升级和转型成为一种必然。根据数据密集型业务的特点，升级需要更精细化的管理，更好地了解客户（如：客户特征和细分、客户行为和粘性、客户喜好和新需求等）、更好地了解业务（如：业务活动轨迹、 产品体验与口碑、业务关联与因果分析等）、更好地了解对手和伙伴（如：行业动态与趋势、对手优势特征等）。而转型需要更创新性的思路，如通过内容服务和新业务平台（双边市场、LBS服务、长尾经营（如：手机阅读、音乐平台）、营销平台等），进行必要的模式创新和业务重组。其中，不管是在内部运作和管理还是外向扩展和创新方面，BA能力发挥着关键作用。此外，银行业也是数据密集型行业。在我国也不乏运用BA技术构建竞争优势的例子（如：通过分析客户行为和业务的关系，获取新的客户群，设计新产品和竞争策略）。在电子商务和信息消费领域，BA能力作为重要的业务要素和竞争能力，在产品推荐、消费者行为分析、创新设计、社会化媒体应用、企业舆情预警、信息搜索服务、潜在模式辨识等方面的作用更是举足轻重。

最后，值得一提的是，BA能力建设仍然是一个较为长期的任务，又是需要及时着手布局和长远规划的任务。这涉及到业务理念、战略思维、团队建设和知识储备。此外， 在大数据“热度”下，企业的敏捷感测和应对响应是必要的。同时，又需要了解其概念内涵及其管理喻意，认识到大数据只是这种“数据商务”（数据运作和基于数据分析的管理决策）发展趋势中的一个时代节点。随着这种趋势走向的深化，概念内涵和管理喻意也会以不同时代形态和节点特征丰富和发展，而BA能力的重要性将日趋体现。 （本文根据采访整理，经作者确认）