数据平台分析意见表

数据平台分析意见表（精选8篇）

1.数据平台分析意见表 篇一

电力系统故障数据分析平台的研究

黄细勇

佛山三水供电局

摘要：分析电力系统中故障数据分析系统的功能、现状和特点，提出故障数据分析平台的概念并对其进行研究。介绍平台的主要特点，给出平台设计的整体架构，并说明各组成模块的功能划分，还对模块间的关系等相关问题进行了阐述。

关键词：电力系统 故障分析 支撑平台

一、前言

电力工业是为国民经济和社会发展提供能源的重要基础产业，也是关系国计民生的公用事业。但日益复杂的电力系统，发生故障的几率也在不断增加，某些扰动可能导致大面积停电和稳定性问题尖锐化，严重时系统可能失去稳定。

目前电力系统中的常用的故障分析系统有故障录波系统、输电线路行波测距系统、小电流接地选线系统和电能质量监测系统等，这些系统为分析电网故障、确定电力系统在特定情况下的运行状况提供了强有力的支持。这一类应用的共同点是都要对某些模拟量数据进行记录、分析和计算，从而实现不同故障分析系统的功能。但目前处理录波数据的系统一般只针对具体的应用而开发，相互之间尽管在数据处理方面有许多共性，却是由不同公司各自开发的，系统的开放性差，只适用于某一种特定的应用，缺少平台化的设计思想。这样就形成了所谓的“自动化孤岛”现象。

二、故障数据分析平台的功能分析

目前电力系统中常用的故障数据分析系统有以下几种：

（一）故障录波分析系统

故障录波系统是电力系统发生故障及振荡时能自动记录的一种系统,它可以记录因短路故障、系统振荡、频率崩溃、电压崩溃等大扰动引起的系统电流、电压及其导出量,如有功、无功及系统频率的全过程变化现象。主要用于检测继电保护与安全自动装置的动作行为,了解系统暂态过程中系统各电参量的变化规律,校核电力系统计算程序及模型参数的正确性，故障录波已成为分析系统故障的重要依据。

系统主要由电流(电压)智能监视模块、通信链路、监视微机和分析软件四部分组成,该系统将多个智能监视模块统一编址，通过通信网与分析主机相连，组成故障录波系统。每一个智能监视模块相当于一个独立的微型故障录波器，在线监视一条线路的运行状况，连续采集数据。当该线路发生异常时，相应模块连续采集一段设定时间段的线路运行数据，然后，将异常出现时刻前后各一段设定时间的数据作为故障录波信息保存，并上传给分析主机；分析主机将模块上传的数据加以保存、远传和处理，并可将异常波形显示并打印出来。

（二）输电线路行波测距系统

当输电线路发生故障后，必须通过寻线找出故障点，并根据故障造成的损坏程度判断线路能否继续运行还是须停电检修。行波测距是目前应用广泛的故障测距方法，其基本原理是：在电力系统发生故障后,在故障点将产生向两端运行的暂态行波,暂态行波在传播过程中遇到不均匀介质时,将发生折射和反射,因此在故障点和母线检测处暂态行波会发生反射和透射,这样就可以利用两个波头之间的时间差来完成故障定位。

行波采集与处理系统安装在厂站端，采用集中组屏式结构，一般包括行波采集装置、T－GPS电力系统同步时钟以及当地处理机三部分。行波采集装置主要负责暂态电流信号的采集、缓存以及暂态启动，并生成启动报告；T－GPS负责提供精确同步脉冲信号及全球统一时间信息；当地处理机由一台工控机构成，负责接收、存储来自装置的暂态启动报告，并与安装在线路对端所在变电所内的行波采集与处理系统交换启动数据，从而自动给出双端行波故障测距结果。

（三）小电流接地选线系统

电力系统配电网故障中绝大部分是单相接地故障。由于故障电流小，系统可带故障继续运行一定时间，小电流接地方式可显著提高供电可靠性，同时也具有提高对设备和人身安全性、降低对通讯系统电磁干扰等优点。但长时间带故障运行，特别是间歇性弧光接地故障时，过电压容易使电力设备出现新的接地点使事故扩大；同时故障电流可能使故障点永久烧坏，最终引短路故障。因此故障后快速选择故障线路就显得十分重要，在发生故障时须准确选出故障线路,以便及时切除故障。

由以上分析可以得出故障处理系统的共性：首先进行数据的采集和存储，再由数据处理模块进行数据的分析、计算及各种特征的提取等操作，最后对所得结果进行保存、显示和打印等。但目前不同的故障处理系统只针对具体应用开发，缺少通用平台的概念。

三、平台的主要功能模块与工作流程

参数设置模块可以对平台运行的参数进行设置，使平台在合适的状态下运行。前置机通过规约处理模块与站端装置进行通信，接收不同监测装置上传的各种录波数据，包括对不同通信规约传输数据的打包与解规约。数据通讯模块负责与后台机交换信息，若从装置收到的录波数据格式不符合Comtrade标准则先调用数据格式转换模块然后再将转换后的数据交给数据通讯模块。

故障处理模块负责把接收到的数据进行分析处理，将数据分析后通过数据库管理模块送入数据库服务器中，故障处理模块还提供与高级应用程序的接口。报表管理模块从数据库中取得数据生成各种报表，装置参数整定模块在后台机上发送参数整定命令，通过前置机发到装置以调整装置的运行状态。装置运行监控模块实现监测与控制装置运行状况的功能，告警模块处理装置上报或是系统操作所产生的各种告警信息。

当用户要查看录波数据曲线时调用录波查询模块查找到满足要求的数据，再通过录波曲线显示模块对要分析的数据进行查看。用户权限设置模块设定用户的使用权限，以提高平台的安全性。

四、结束语

本文提出的电力系统故障数据分析平台，遵循标准化、模块化、分布式、分层次的设计原则，具有良好的通用性和可扩展性，为开发故障录波系统、行波测距、小电流接地故障监测和电能质量监测等以处理录波数据为主的信息管理系统提供全面的底层支持。平台的使用可以提高软件的重复利用率，避免重复开发，减少电力企业的投资，有利于提高电网的运行和管理自动化水平。参考文献：

[1]刘念 谢驰 滕福生 电力系统安全稳定问题研究[J] 四川电力技术2004（1）1－6

[2]王洪涛 王剑 朱诚 电力系统信息管理自动化的研究[J] 电力自动化设备 2001 21（2）

[3]骆健 丁网林 唐涛 国内外故障录波器的比较[J] 电力自动化设备 2001 21(7)27－30

[4]李友军 王俊生 郑玉平周文 几种行波测距算法的比较[J] 电力系统自动化 2001（14）

2.数据平台分析意见表 篇二

1 Android数据平台

Android是一种基于Linux的自由及开放源代码的操作系统,主要使用于移动设备。随着Android数据智能化模式快速发展,必须建立更加高效率的Android数据操控平台,为Android提供更加多样式的数据处理中心。集群控制技术是计算机的先进模式,解决了传统计算机系统诸多的功能缺陷,符合未来计算机综合化控制的新要求。

2 Android系统架构开发

计算机技术是信息化时代产物,具备强大的数据处理功能特点,满足了不同用户操控数据的使用需求。Android数据控制是计算机系统的核心部分,可用作各类数据传输与操控处理,实现了数据资源的智能化控制。Android数据平台开发项目中,要先拟定数据库系统主要构成部分,为后期开发提供科学的指导依据。主要包括:

2.1 应用程序

Android数据控制是CPU和I/O设备之间交换信息的中转点,计算机Android数据控制出现问题则会大大影响数据处理效率。Android会同一系列核心应用程序包一起发布,例如:括客户端、SMS短消息程序、日历、地图和浏览器等,这些功能都依赖于应用程序运行,才能进一步提高数据系统的可操控性。

2.2 应用程序框架

计算机运行速度关系着数据处理效率,若服务器操控平台运转达不到预定要求,用户处理数据时必然会出现多种问题,约束了Android数据控制层次的应用型。开发人员也可以完全访问核心应用程序所使用的API框架,任何一个应用程序都可以发布它的功能块,实际操作具有明显的灵活性特点。

2.3 系统运行库

计算机接口时序错乱,一方面与用户数据操作流程有关,未按照标准计算机流程处理,数据处理时序无法与控制电路保持同步。Android包含一些C/C++ 库,这些库能被Android系统中不同的组件使用,它们通过Android应用程序框架为开发者提供服务。

2.4 Linux内核层

传统系统构建功能不足,Android数据控制运转速度不达标,用户实时收录数据的准确性也不足。Android的Linux kernel控制包括安全、存储器管理、程序管理、网络堆栈和驱动程序模型等。面对诸多数据库安全问题,设置内核层实现了数据功能的一体化建设,减小了用户实际操控难度。

3 数据库项目功能应用分析

考虑到用户数据操作处理要求越来越高,必须要对Android数据控制功能进行优化改造,强化原始数据结构运行的总体效率。由于计算机用户人数越来越多,计算机数据处理中心承受的风险系数更高,小容量数据库无法满足大量数据同步处理要求。完成Android数据平台开发之后,应正确使用数据库项目结构功能,体现出新技术在数据开发中的应用优势。

3.1 视图管理器

计算机Android数据控制总线分布不均衡,数据控制环境出现各种异常信号,数据传输与控制流程不符合标准,增加了计算机工作的失误率。丰富而又可扩展的视图,可以用来构建应用程序,它包括列表、网格、文本框和按钮,甚至可嵌入的web浏览器。

3.2 资源管理器

资源管理器使应用程序可以访问另一个应用程序的数据或共享它们自己的数据。智能化控制是为了更好地操控Android数据,这需要用户根据个人操作要求设定控制方案,进而满足不同区域的功能控制要求。用户在线操作时,可利用Android筛选所需资源内容,节约了计算机运行时间,提高了数据库调用操作效率。

3.3 存储管理器

针对用户使用过的数据资源,Android数据库具有自动存储功能,定期收录相关的数据信息。例如,资源管理器提供非代码资源的访问,如本地字符串、图形和布局文件;通知管理器使得应用程序可以在状态栏中显示自定义的提示信息;活动管理器用来管理应用程序生命周期并提供常用的导航回退功能。

4 结论

Android是计算机操控平台先进技术,利用Android构建数据平台实现了多功能转变。数据平台开发过程中,研发人员要事先掌握用户实际操控需求,按照软件功能编排准则完成设计与开发目标。其中,应用程序、系统框架和数据库等是项目开发重点,这些要素直接关系着整个数据平台功能的优越性,技术研发人员需视情况而定。

参考文献

[1]周海洋,肖新,李保生,等.基于Android的多传感器信息融合技术应用[J].单片机与嵌入式系统应用,2011(12).

[2]李高尚,沈巍.一种应用于移动健康医疗的Android客户端的研究[J].电子测试,2012(2).

[3]周秋月,胥布工,郭国坤.基于Android的摩托车监测客户端设计与实现[J].计算机应用与软件,2013(5).

[4]吴昊,何鹏,杨曼.基于Android的温室大棚监控管理信息系统研究[J].农机化研究,2013(11).

[5]陈磊,高红杰.基于蓝牙与Android设备的控制系统设计[J].电子制作,2014(7).

[6]李琴,陈立定,任志刚.基于Android智能手机远程视频监控系统的设计[J].电视技术,2012(7).

3.高校数据平台集成方案的分析研究 篇三

【关键词】数据平台；集成；ETL技术

我校从2000年开始信息化建设，早期缺乏统一的规划和信息标准，各部门根据自己的业务需要，建立了各自的管理信息系统和数据库系统。各应用系统建设时期不同，采用的技术架构不同，运行管理维护各自独立，当对信息的处理涉及多个系统之间的协调时，处理诸如跨操作系统平台、跨数据库、跨开发平台等多方面的工作，容易形成混乱，给开发、管理、维护工作带来大量的工作量和难度。为解决这些问题，需要建立一个统一的数据平台，对各类应用和数据进行整合，消除“信息孤岛”，形成统一的数据服务，提高管理效率，降低管理成本。

1.总体设计

数据平台的建设并不是一件简单的事情，有一些集成需求是面向数据的，还有一些集成项目是基于事件驱动的体系架构或者面向服务的体系架构，把整个高校基于各种不同平台、用不同方案建立的异构应用和数据整合是一个复杂的任务，甚至是涉及到学校的体制、各部门责任和利益的复杂的系统工程。数据平台的总体设计采用三层数据模式，分别为表示层、应用服务层和数据层。表示层对全校学生和教职工提供应用平台的访问服务，以B/S方式体现；应用服务层涵盖学校所有现有的应用软件系统，包括综合信息系统、办公自动化系统、校园一卡通、教务管理系统、科研管理系统、人事管理系统、财务管理系统、学工管理系统、网络教学系统、图书管理系统、档案管理系统等，这些子系统有机的组成一个整体，提供基于统一身份认证的信息集成，提供信息化系统服务，并且提供应用软件与数据库接口，有效地对学校进行全方位的管理；数据层是共享数据平台，提供数据交换和共享功能，数据要高度集中，并且安全可靠，为数字化校园的建设提供可共享的数据支持。

2.技术实现

选择技术体系结构时要考虑整个系统的跨平台性、安全性、可靠性、稳定性及可管理性，并且应该有好的可扩展能力。我们的原始数据来自多个不同的数据源，有数据库中的模式固定化数据，也有来自异构源的异构数据，将这些分散异构的数据集成到一个统一标准的数据库中并且统一所有的应用很难实现，所以我们采用数据交换技术，将现有数据资源以原有格式存储于分布式数据服务器上，实现分散异构的数据资源共享管理和流通，在共享數据平台上搭载现有业务应用和开发新的业务应用系统。

3.数据集成

数据集成技术涉及元数据模型管理、数据抽取转换加载技术和数据联邦技术等。对于异构数据的集成，常见的有集成模式和复制模式。集成模式对应的是联邦数据库模式，提供统一的访问视图，实现逻辑上的数据集成来满足应用数据的集成需求；复制模式对应的是数据仓库建设，由ETL（Extract-Transform-Load的缩写，即数据抽取、转换、装载的过程）完成数据从数据源向目标数据仓库转化的过程，目前大多采用这种模式，把数据从物理上不同的数据源中抽取，进行数据转换和加载，得到统一完备的数据仓库，原来分散的应用仍可以独立运作。ETL规则设计和实施在整个数据集成项目中占有60%-80%的工作量，在数据处理上几个重要流程：

3.1元数据管理

元数据就是描述数据的数据，即对数据库、表、列、列属性（类型、格式、约束等）以及主键/外部键关联等等的描述，在地理空间信息资源共享过程中起着关键作用。在数据仓库系统中，元数据机制定义了数据源的位置及数据源的属性，确定源数据到目标数据的对应规则，确定相关的业务逻辑、记录根据业务事件发生而随之进行的数据抽取工作时间安排，记录检测系统数据一致性的要求和执行情况，衡量数据质量，合理的元数据会有效的描述信息的关联性。所有的ETL过程必须参照元数据，才能快速实现。

3.2数据抽取

数据抽取是从数据源中抽取数据的过程，包括模式数据和实例数据抽取。在实施整个ETL过程的时候，首先要对抽取进行分析，确定什么数据需要被抽取，确定数据源信息、有效性、数据格式等，用相关算法得到实例数据的抽取策略，进行数据抽取。

3.3数据转换和加工

定义数据源和目标库的映射关系，根据定义好的转换模型，对抽取出的数据进行转换和加工。数据的转换和加工可以在ETL引擎中进行，也可以在数据抽取过程中利用关系数据库的特性同时进行。相比在ETL引擎中，直接在SQL语句中进行转换加工更加简单清晰，性能更高。

3.4数据加载

将转换和加工后的数据装载到目标数据库中，这是ETL过程的最后步骤。数据加载的方法有多种，对于数据量较小的数据可以通过SQL插入、更新等基本语句完成，对于海量数据可以采用批量装载的方式。

3.5目的数据存储

提供数据与原数据的存储场所，一般为数据仓库。为了考虑整个系统的功能实现，须配备强大的辅助管理工具，以进行作业调度、日志管理、系统监控、数据维护等辅助系统的操作，同时要为应用软件提供接口，实现更好的交互性和可扩展性。

4.结束语

4.数据平台分析意见表 篇四

题号 A

论文题目： 电子商务平台销售数据分析与预测

作者

电子商务平台销售数据分析与预测

摘要：

对电子商务平台销售数据分析与预测要建立在数据的基础上，但世界工厂分析认为，现在不是缺数据，而是数据太多。据统计，在今天的互联网上，每秒会产生几百万次的搜索、网络上会有几十万次的内容。稍大的电子商务公司，都会采集一些行为数据，这些数据中包含了大量对市场分析，预测有用的潜在信息,对这些信息进行深度分析,企业可以改进电子商务网站的质量并且可以提高电子商务的经营效率。论文以购买历史数据为预测客户行为的基础数据,采用神经网络，马尔可夫链方法为建模工具,对电子商务的客户访问行为、商品销售预测等问题进行了研究。本论文的主要工作如下: 1.分析每个店铺的销售特点（包括价格，服务态度，售后服务，产品质量，优惠，日常管理等店铺政策）和其销售量的关系，可用雷达图法进行分析，建立最大利润函数模型。2.利用效用函数对所搜集到商品信息进行数学模型，但仅仅按照两种商品进行建立，需要进一步的扩展。3.利用MATLAB统计中的命令regress求解。将回归系数的估计值带入模型中，即可预测未来两年的销售总额。

正文：

问题一：搜集同一款手机(三星note3)销量前20位的店铺相关信息，把这些信息与销售量进行相关性分析，并据此对店铺如何提高销售量提出建议。分别到京东商城，国美，苏宁，亚马逊，淘宝等相关网站了解相关的店铺的信息得到销售量前20位的店铺。

分析每个店铺的销售特点（包括价格，服务态度，售后服务，产品质量，优惠，日常管理等店铺政策）和其销售量的关系。

分析用户的购买情况同等重要。(此雷达图摘自百度文库)

利用条形图进行不同的店铺之间的对比，饼状图同店铺不同要素之间的影响进行对比分析。

对每一个影响因素建立最大利润函数模型f(x)=ax2+bx+c,每一种因素分别对应x1,x2........。得到图形，利用图形对店铺进行销售建议。

问题二：针对某一种类的商品（比如女式凉鞋），搜集50组店铺对应的商品信息（至少涵盖销量、价格、用户评价、品牌、样式、材质等信息），并据此建立数学模型分析用户的消费习惯。

为简答起见，假定只有甲乙两种商品供消费者购买，下面建立的模型可以推广到任意多种商品的情况。

效用函数：

当消费者购得数量分别为x1,x2的甲乙两种商品，给消费者带来的效用可以用一个数值来度量，它是x1,x2的函数，记作u(x1,x2)利用等高线的概念在x1,x2平面上画出效用函数u(x1,x2)的等效用线。等效用线u(x1,x2)=c是一族单调减、下凸、互不相交的曲线，随着效用值c的增加曲线向右上方移动，曲线的具体形状由甲乙两种商品对消费者带来的效用，或消费者对甲乙两种商品的偏爱程度决定。

效用最大化模型: 设甲乙两种商品的单价分别为p1,p2，消费者准备付出的钱为y，则他购得的甲乙两种商品的数量x1,x2，满足 P1x1+p2x2=y 效用函数的构造：

u(x1,x2)=(a/x1+b/x2)-1,a,b>0 即按照效用最大化购买两种商品所用钱的比例，与商品价格比的平方根成正比，比例系数是参数a与b之比的平方根，其中a与b分别度量甲乙两种商品对消费者的效用或者消费者对甲乙两种商品的偏爱。

问题三：搜集一个电商交易平台年销售总额的历史数据，并预测未来两年的销售总额。

5.数据平台分析意见表 篇五

大数据技术作为一种新兴的海量数据分析工具越来越受到各行各业的重视.互联网企业Google及Facebook之所以取得令人瞩目的成绩，其核心的本质就是其公司记录和分析了用户的行为大数据，从而精确掌握用户行为并形成预判.

由此可见，大数据技术对于海量、高速发展的数据具有很好的分析和管理能力，它被用来研究图书馆用户行为的“大数据”是最佳选择，研究成果可以为高校图书馆服务决策提供客观的依据，具有重要理论研究意义和实际应用价值.

1大数据技术

大数据技术是一系列收集、存储、管理、处理、分析、共享和可视化技术的集合.大数据的关键技术有很多，如借鉴生物界的进化规律演化的随机化搜索方法已被人们广泛应用于组合优化、机器学习、信号处理、自适应控制等领域;再如分布式技术包含分布式文件系统、分布式数据库、分布式计算框架等，其已经全面运用于各类大数据应用中.大数据价值的完整体现则需要多种技术的协同，总的来说可以归纳为以下几种：

(1)分布式技术.最典型的是Apache基金会的Hadoop大数据分布式处理软件框架，主要延续了Google分布式文件系统GFS的开源思想、分布式计算框架MapReduce和分布式数据库BigTable的实现机理，开发了自有的产品--HDFS分布式文件系统、MapReduce分布式编程框架和HBase分布式数据库.

(2)大数据预处理技术.大数据的一个重要特点是多样性，这就意味着数据来源极其广泛、数据类型极为繁杂，这种复杂的数据环境给大数据处理带来了极大的挑战.所以在分析大数据前，首先必须对海量数据源进行预处理，以保证数据质量及可信性.

大数据挖掘技术.数据挖掘是整个大数据处理流程的核心，因为大数据的价值产生于挖掘过程.数据挖掘就是从大量的、不完全的、有噪声的、模糊的、P逭机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程.大数据挖掘的算法众多，其中(1)以分类算法、聚类挖掘算法、关联挖掘算法、序列挖掘算法最为主流.

2围书馆大数据分析面临的问题及数据构成

2.1图书馆大数据分析面临的问题

大数据时代的图书馆读者行为大数据具有数据海量、类型复杂、处理速度快和价值密度低的特点，要对这些大数据进行统一的存储与分析，对图书馆来说有着极大的挑战性.以下是3个亟待解决问题：⑴数据的存储能九学生在图书馆的所有行为活动都将产生数据，数据量已由TB级升至PB级，而且还在源源不断地增加，数据量的增长速度已远远大于存储能力的增长速度.(2)数据类型复杂繁多.学生对图书馆的利用行为数据不仅仅是简单的二维表格式存储的结构化数据，还有以文本、图片、XML文档、JSON文档、日志文件和音频/视频等半结构化和非结构化数据，关系型数据库已经无法有效管理这些数据.(3)数据处理的实时性.大数据时代强调的是数据处理的及时有效，图书馆要求大数据分析平台可以快速地获取、存储和分析学生的行为数据，为图书馆提供快速的决策支持.

面对上述问题，传统数据分析工具已不再适合，而Hadoop大数据分布式存储与计算框架能很好地解决了这些问题，因此基于Hadoop建立统一的图书馆大数据存储和分析平台变得尤为迫切.

2.2图书馆大数据的构成分析

针对目前宁波大学在校的本科学生，将其对图书馆利用行为和学业成效相关数据(?)作为此次实验的数据源.经过分析，确定数据源由学生个人信息、学生学业相关数据及图书馆利用行为数据三部分组成，数据类型包括结构化的二维表数据和非结构化的日志数据，数据总量共计6108万条记录.其中，学生学业相关完整数据有120万条记录;图书馆利用行为数据包括从图书馆门禁系统(357万)、阅览室座位管理系统(320万)、图书借阅系统(247万)、数字资源访问日志(5064万)等途径获取学生的图书馆服务数据共计5988万条记录，为图书馆服务对学生学业成效贡献研究提供基础的大数据参考样本.

从上述统计来看，实验涉及到的数据量级已在十亿字节以上，而且还在随着时间的推移成线性增长，因此定期将相关系统中每天生成的数据导入Hadoop大数据平台成为必然的选择.目前此次实验数据的收集整理工作已经基本完成，初步拟定大数据主题分析的内容见表1.

高校大学生学业成效主要由学业成绩、奖励情况和科研能力三部分组成.学业成绩主要是学生的在校的各类专业课和选修课的考试成绩积点分，奖励情况是在校期间参加社团活动、校级活动等获得的奖励或荣誉称号，科研能力是指参与科研项目或发表论文等.

图书馆利用行为此内容，并综合已有的相关研究关注的内容，再结合宁波大学的实际情况，考虑选取以下几方面：(1)X寸纸质馆藏的利用，包括入馆记录(室内阅读情况)和借阅记录等;(2)对阅览室的利用，包括入室记录和在馆时间(座位管理系统记录情况)等;(3)数字资源的利用，包括数据库检索次数和全文下载次数等;(4)其他，如对网络的利用等.

6.关于商户对电商平台的意见和看法 篇六

通过走访几家优质商户，得到关于对电商平台的意见和看法如下：

一、加入平台问题

部分商户对于开店的流程和资格有一定的疑问，主要集中在以下几个问题：一个身份可以开几个店？是否需要营业执照？开店时是否需要商品种类齐全？还有的询问联系方式是否需要公开，有的商户牵涉到代理分级的问题，不愿意公布联系方式。此外，关于店面的信誉问题，部分商家提出疑问，是否和淘宝一样有信誉评级系统，对于差评怎么处理等。

二、培训需求问题 店面形象问题

如今对于商户来说，阿里巴巴和淘宝已经成为大多商户的首要选择。但是，阿里巴巴主要侧重批发业务，对商家关于在店面的装饰、美工等需求关注不够；而淘宝主要侧重零售业务，商家的店面装饰和商品的描述等就在吸引客户流量方面就很重要，但是部分商家由于资源有限，或对电子商务不熟悉，而在店面形象方面上就能力不足。因此，商家希望我们的电商平台可以提供如商品模特、店面装修培训等相关资源。店面管理问题

部分商户的营销方式大多局限于传统营销方式，而对于电子商务的了解比较少，即使一些商户在淘宝、阿里巴巴等开了自己的店面，但是对电子商务的运营管理等也有一定的困难，比如如何在网上与客户进行有效地沟通，如何利用平台管理商品。网上推广问题

如何在网上有效推广、营销自己的商品在竞争日益激烈的电子商务领域是众多商户面临的难题。一些商户局限于传统营销推广方式，而对电子商务的规则不甚熟悉，对自己的产品和服务无法准确定位，对买家在网上消费的心理无法准确把握，进而对在网上推广的手段和渠道知之甚少，从而陷入困境。因此，商户希望可以有相关的培训可以帮助他们提高营销能力，拓宽营销渠道。

三、培训形式问题

商户在网络营销方面有极大的培训需求，但就培训形式有一定的疑问。一些商户反应，不仅自己有培训的需求，自己的下游代理商也有极大的需求。由于下游代理商数量比较多，都是直接在这里提货，如果也能对这些代理商提供培训，那样最终也有助于商户自身和电商平台的发展。因此，希望公司可以提供这方面的服务，而由于代理商自身集中培训的可能性比较低，希望可以成立专门的办公室来处理这些培训事宜。此外，还有商户希望我们的培训可以尽早开始，现在处于淡季，业务方面不是很繁忙，正好有时间可以参加培训，而到十一黄金周可能就无法抽出时间参加培训。

四、电商平台的命名问题

公司目前的电商平台名称为“汉口北电子商务平台”，有商户反映这个名称过于笼统，不够明确，不知道这个平台具体采用什么模式。而像淘宝那样，名字的意思就是自己淘宝贝，阿里巴巴则现在都知道是做批发。因此，希望平台的名称可以亲善一点，让人一目了然，定位准确。

五、电商平台的模式问题

我电商平台目前的模式定位为批发和零售兼作，批发可以议价，有商户反映这样容易混乱，同一件商品零售价和批发价同时放在网上，其中间的价格差会给销售制造困难，因此建议批发和零售分开来做。批发方面，有自己的店面，可以网上议价，而零售方面，可以开自己的形象店，各经销商的价格统一，主打自己品牌。

六、对电商平台的信心问题

我电商平台由于还没正式成立，目前仍旧处于搭建平台阶段，一些商家信心不足。多数商家对阿里巴巴和淘宝这样的成熟平台情有独钟，其加盟我平台本身有我平台的资源优势以及自身扩宽销售渠道的等原因在内，目前主要对在我平台能否得到实惠比较关注。一些商户由于过于依赖传统营销，对客户源要求较高，而在电子商务平台上由于客户源稳定性难以确保，信心不是很足。因此，怎样让商家从我平台上看到希望，增强加入的信心也是一个重要问题。

七、结算周期问题

我电商平台目前对结算周期的定位是半个月结算一次，部门商户对此有所异议。对一些资金链短缺的商户来说，资金的及时回流重要性不言而喻，一些商户觉得半个月结算时间太长，资金无法即使回流对于日后的进货等资金使用有较大影响，部分商户建议我们要做成淘宝那样的结算模式，此外，对于资金结算方式也有一定疑问，采用什么方式支付，确认收货时间期限为为几天以及关于退换货的费用支付问题等。

7.数据平台分析意见表 篇七

1大数据知识服务平台的设计目标及技术支撑

1.1设计目标

运用大数据知识服务平台的总体目标是,提高管理水平和经济效益,但是要了解它的总体目标。先需要知道该系统的设计目标,其设计目标主要有以下几个。

1.1.1信息高度集成和共享

该平台将企业采购、加工、生产、经营、销售、财务、管理等各个环节集合在一起,使这些业务流程形成较大的系统,大大简化日常事务和管理工作,同时这些信息之间的相互交流比较方便,共享程度高。

1.1.2数据交换能力强

该平台与互联网结合,使企业的各部门之间,人员之间进行数据交换十分方便。

1.1.3操作简单

该平台的界面清晰,使用起来相当方便,操作简单。

1.1.4信息反馈能力强

该平台能及时将企业各项信息反馈到管理层来,为企业决策作出依据,也在一定程度上减少企业不必要的损失。

2.2技术支撑

大数据知识服务平台的运用是信息技术发展的结果,没有互联网和信息技术就没有大数据知识服务平台。具体来讲,平台的技术支撑主要包括以下几种。

(1)数据库集成技术,支持多种硬件平台的运行,具有良好的开放性和可移植性;

(2)图形用户界面,可以方便用户使用;

(3)先进的服务器结构,该结构由数据服务器、应用服务器和客户机组成,这种结构具有十分明显的优点,资源共享变得方便、技术升级,软件更新变得方便和容易,节省成本,提高系统性能。

(4)面向对象技术和第四代编程语言和开发工具,如ABAP/4开发工具以及C++、JAVA语言等。第五、其他的电子商务技术、电子数据交换技术、数据仓库技术等。

2大数据知识服务平台的特征

2.1模块化

大数据知识服务平台由若干不同功能模块所组成,它通过模块来处理业务,以实现企业管理的各项功能。并且,它的功能覆盖企业采购、生产、经营、财务、管理等各环节。实际运用中,可以根据现实需要来选择模块,进行整合,促进各个模块相互协调和合作。

2.2开放性

大数据知识服务平台具有开放性特点,主要表现在两个方面。一方面,管理系统与现有系统软件和硬件兼容,在多种硬件平台可以运用,并提供第三方应用程序接口,在异构系统并存环境下,也可以相互利用数据。另一方面,由于企业需要不断适应市场的变化,其管理模式和管理水平也要相应提升,因而,平台要能适应变化的需要,可以不断扩展功能。

2.3灵活性

灵活性主要表现在平台可以灵活适应管理工作需求,满足管理工作不断升级和变化的需求。客户、服务器技术能使系统通过开放式数据库连接来访问各种后台数据库。

2.4全面性

全面性的特点主要表现在平台能支持不同行业、不同经营方式、不同生产类型的各种企业,对各种企业都能适用,能满足各种不同类型企业的管理工作要求。同时,全面性还表现在该系统能支持跨企业信息集成,适应跨国企业经营需要,适应多语种、多地区、多企业、多币种的要求。

3大数据知识服务平台的主要功能

3.1提高企业的管理水平

可以对企业的生产、销售、人力、物力等各个方面进行集成化管理,使各环节信息交换加快。同时还能协调企业与客户的业务往来,使企业的物流、资金、信息等实现高度的统一,这就提高管理水平。

3.2使企业在竞争中发挥更好的优势

管理方式和管理水平是决定企业竞争力的关键因素,平台采用科学的管理方法,实现对企业的各环节的有效管理。并根据不断变化的市场情况作出决策,使企业在竞争中发挥更好的优势。

3.3提高企业经济社会效益

科学合理的管理能促进企业各项资源得到最大功能发挥,降低成本,减少浪费,提高企业经济社会效益。

4大数据知识服务平台的应用

4.1企业管理

将大数据知识服务平台运用到管理中,可以对企业运行中大量的数据和信息分析,掌握企业运行状态和市场行情,能对企业生产经营活动中的各项活动及时有效反馈,达到合理利用资源、增强应对市场变化的能力、提高市场竞争力和经济效益。不仅如此,将该平台运用到企业管理中,还可以促进企业管理方式转变,使企业管理向科学化迈进,提高企业管理水平。

4.2质量管理

平台可以通过信息跟踪和反馈来实现对质量的管理。例如,计划管理模式可以对原材料、半成品、产品以及产品售后的信息统计分析,然后将这些信息反馈到管理人员中,让管理人员较为全面的了解产品存在的不足。并针对产品存在的问题及时采取措施,提高产品质量。此外,为进一步保障产品质量,平台还提供多种方法,实现对产品质量问题的预防。不仅如此,一旦产品出现质量问题,该模式还可以快速地找到问题的根源,为管理人员作出决策提供依据。

4.3工作流管理

传统模式不能实现对工作流程的管理,而大数据知识服务平台可以克服这一弱点与缺陷,能对企业业务流程进行控制和管理,使业务流程顺利完成。大数据知识服务平台不仅能对各项业务流程,如采购审批、合同审批、销售审批、生产计划审批等进行有效的管理。同时还允许管理人员根据工作的实际需要自定义业务流程,以适应企业管理工作的实际情况,提高管理效率和管理水平。

5结束语

通过大数据知识服务平台的应用,能为各方提供便捷的服务。并且有利于规范管理,降低成本,提高效益。进而促进人们管理观念转变,也为人们获取数据和信息资源创造便利,将来在实际工作中,值得推广和应用。

参考文献

[1]秦晓珠,李晨晖.大数据知识服务的内涵、典型特征及概念模型[J].情报资料工作,2013(02):18-22.

[2]官思发.大数据知识服务关键要素与实现模型研究[J].数字技术,2015(06):87-93.

8.数据平台分析意见表 篇八

关键词个性化服务需求大数据分析平台决策支持数据质量控制

分类号G250.76

Construction of the Big Data Analysis Platform for the Library based on the Personal Services Requirements

Ma Xiaoting

AbstractCurrently, big data is the best way to make well-informed decisions for personal services in library. This paper firstly describes the analysis requirements about demand of library customer based on the big data. And then, according to the personal services requirements analysis of customer based on the big data, it constructs the big data analysis platform for the library, which can help librarians to make scientific analysis and decisions.

KeywordsPersonal services requirements. Big data analysis platform. Dicision support. Data quality control.

据美国麦肯锡全球研究院2011年6月发布的《大数据：下一个创新、竞争和生产力的前沿》研究报告分析，“大数据已成为与物质资产和人力资本相提并论的重要生产要素，大数据的使用将成为未来提高竞争力的关键要素”。随着大数据时代的到来，图书馆用户服务保障能力建设重点已从以提高数据中心基础设施结构科学性和运营效率为中心，向以满足读者需求为核心的用户个性化服务转变。图书馆有效采集、存储和管理数据中心的系统运营与监控数据，用户服务与业务管理数据，图书馆与客户关系数据，以及读者的个性化服务需求、阅读模式、阅读活动和情感、阅读社会关系等数据，并对海量数据进行科学的分析、评价和决策，是关系图书馆全面、系统和深入了解用户需求，并将运营与服务决策方式由传统的管理层主观经验式决策，向依靠大数据的科学、定量化决策方式转变的重要保证。图书馆只有坚持以用户需求为中心构建大数据分析平台，并采用科学的分析与管理策略，才能保证图书馆管理与用户服务决策内容全面、准确、连续和可评估[1]。

1图书馆大数据的环境特征、存在问题与分析需求

1.1大数据时代图书馆数据结构的特征分类

大数据时代，图书馆数据主要由结构化数据、半结构化数据和非结构化数据组成。结构化数据主要是指关系模型数据，即以关系型数据库表形式管理的数据，主要由图书馆数据中心系统管理数据、监控数据和部分符合关系模型数据特征的服务数据组成。半结构化数据主要指那些非关系模型的、有基本固定结构模式的数据，包括图书馆应用日志文件、XML文档、JSON文档和电子邮件等。非结构化数据主要指除去结构化和半结构化数据以外的数据。此类数据没有固定的结构模式，主要由WORD、PDF、PPT、EXL文档及各种格式的图片和视频等服务、监控数据组成。在图书馆的大数据资源中，非结构化数据约占据数据总量的80%以上，并以成倍的速度快速增长，大幅度增加了大数据系统的结构复杂度，以及数据采集、存储、处理、分析过程的难度与成本，严重影响了图书馆对用户个性化服务进行大数据分析与决策的科学性、准确性、可用性和可控性[2]。

1.2图书馆的大数据分析环境十分复杂

大数据时代，图书馆通过数据中心系统监测设备、阅读传感器信息接收、射频ID数据采集、移动阅读终端识别、用户阅读行为和数据流监控等方式，获取关于用户服务过程和读者阅读行为的数据。

首先，图书馆数据中心的运营数据和庞大读者群阅读行为数据，具有海量、复杂、随机、低价值密度和不可预测的特性，大幅度增加了数据的采集、存储和标准化难度。其次，图书馆的大数据资源通常从多个用户对象和数据源采集，数据类型包括图像、文本、声音、视频等多种格式。同时，数据内容涉及读者的阅读模式、阅读关系、阅读爱好、地理位置和时间等信息，具有多源异构的特性。第三，图书馆所采集的数据中心系统和读者行为数据，具有即时、海量的特点。要求大数据分析系统可通过在线实时分析过程，为用户个性化服务提供快速的决策支持，满足用户个性化阅读活动的实时性需求。第四，对杂乱无章的大数据资源进行深度挖掘和价值提取，并准确发现关系，是提高图书馆服务有效性和用户满意度的深层次知识，是建设智慧图书馆和为读者提供智慧服务的关键。

1.3大数据分析的个性化服务需求

图书馆通过对系统管理与运营、用户服务和读者行为数据的分析，才能获取大量有深度和有价值的信息。此外，利用大数据的支持可提高图书馆服务系统的管理和运营效率，保证读者个性化阅读服务过程安全、高效、满意。

首先，图书馆在管理、运营和服务过程中，不同的应用项目对大数据分析过程的数据处理性能、数据量、运算速度、精确性、实时性和多样性要求不同。因此，在大数据分析过程中应结合不同分析对象、过程的特点，采用恰当的大数据分析方法与系统资源分配策略。其次，大数据分析过程应紧密结合读者个性化服务需求，在对读者个性化阅读需求和阅读行为分析深度价值挖掘的前提下，根据服务场景特点实现精确、即时的个性化服务推荐。第三，大数据分析结果应根据分析对象特点实现可视化的表现。图书馆可以交互的方式管理和分析数据，分析结果须反映用户个性化阅读活动和服务的多个属性与变量，并以多种方式直观、可视化地表现。

1.4大数据分析的数据质量保证需求

图书馆大数据环境具有数据海量、类型复杂、处理速度高和价值密度低的特点，因此，在大数据采集、存储、处理和分析过程中，如果不根据分析需求采取有效的质量控制策略，则可能导致数据分析过程成本投入过高和分析效率下降现象发生。

首先，图书馆应制定科学、可控的大数据分析管理策略，提高数据采集、处理与分析过程的效率与管理有效性，实现数据对象、分析技术与决策结果应用三者的统一。其次，大数据主要由海量数据采集、存储、管理、分析与挖掘、可视化表示和决策等技术组成，应根据图书馆数据分析对象和质量要求，选择正确的大数据技术标准和大数据处理平台，实现大数据分析资源、策略和平台的最优化结合。第三，大数据分析过程应重点加强对数据可视化分析、数据挖掘与分析算法、预测性分析能力、数据采集质量和分析过程科学性的管理，最终实现大数据分析过程的质量可控[3]。

1.5大数据分析的目标定位

传统IT环境下，图书馆在对读者阅读需求分析和服务模式定位时，通常会以自身工作经验、感性认识和知识积累为依据，而不是依靠大数据分析结果为基础获得科学、理性的实证分析，因此分析过程和知识获取具有较强的盲目性和局限性。随着大数据技术在图书馆应用的不断深入，图书馆应通过科学采集和分析大数据资源提升自身的运营效率、服务质量和竞争优势。

图书馆大数据分析的目标首先应是对读者阅读需求、大数据服务环境、读者阅读行为和阅读模式变革、个性化服务风险的精确定位和预测，为读者个性化阅读服务内容、方法与模式的变革提供可靠的数据支持。其次，可通过大数据挖掘来发现、优化图书馆服务资源的配置，不断提高服务管理质量、决策水平、系统运营效率和用户满意度。第三，大数据分析应准确定位用户服务的风险和市场竞争环境，及时分析、发现和预测用户个性化服务过程中存在的安全威胁与不稳定因素，提高读者个性化服务的安全性和可靠性。

1.6大数据分析的风险可控需求

大数据时代，图书馆大数据资源主要由传感器设备采集数据、网络监控和读者服务调查数据、移动服务商共享数据、阅读终端反馈数据、射频ID数据等组成。首先，图书馆大数据资源呈现数据总量快速激增、分散存储和异构数据协同整合的趋势，导致数据管理、存储、传输与分析难度增大。其次，随着数据源的不断扩展和结构复杂性增强，大数据资源呈现多样性、低价值密度、价值挖掘难度大、错误或无用数据占数据总量比例上升现象。第三，数据分析师的专业素质、大数据平台结构科学性、预测与分析软件的可用性、分析结果对图书馆服务与读者满意度提升有效性等因素，也是关系图书馆大数据分析效率和风险可控的重要因素[4]。

2图书馆大数据分析流程与数据分析平台构建策略

2.1图书馆大数据平台数据分析的流程

图书馆大数据平台信息分析流程图主要由数据源、数据采集与存储、数据过滤与价值提取、知识发现、预测分析与决策五部分组成，如图1所示：

图1图书馆大数据平台信息分析流程图

图书馆大数据资源主要由系统监控器、视频监控、射频信号识别、阅读终端设备、网络监控器和阅读传感器等数据源组成。数据采集与存储平台利用云计算、数据集成等技术，对数据源进行数据的采集与存储，为上层提供高效的数据存储与管理服务。数据过滤与价值提取层，可对底层采集的海量数据进行数据过滤和价值提取，并在减少所采集大数据资源总量和提高价值密度的前提下，降低大数据挖掘与分析系统的负荷。知识发现层可对下层传输的信息进行深度挖掘，并从信息中发现知识，实现读者需求、阅读行为、系统管理和读者群关系的精确发现。预测分析与决策层是分析流程的最高层，可对用户需求、未来阅读模式发展趋势、服务系统运行、安全隐患和市场环境变化进行智慧分析和预测，并对图书馆个性化智慧服务的模式、策略、内容和安全防范措施进行决策与评估[5]。

2.2图书馆大数据分析平台的构建策略

2.2.1增强图书馆对大数据资源的智慧分析能力

增强对大数据资源的智慧分析能力，是图书馆树立以“智慧分析和决策”为核心的大数据战略思想，以及高效整合大数据平台价值体系和科学分配、调度系统资源，利用大数据支持提高图书馆读者个性化服务风险预测、分析与决策、读者阅读体验、系统运营整体效率和市场竞争力的重要内容。

首先，图书馆应依靠大数据资源的支持，提高对读者阅读需求、内容、方法和模式的预测和判断能力，明确读者未来个性化阅读活动的时间、地点、对象、方法和内容，并在提高个性化服务针对性和质量的前提下，降低用户服务的成本投入。其次，增强图书馆大数据的智慧分析能力，就是要将以大数据资源为核心的图书馆服务能力建设，转变为以大数据资源采集、处理、建模、分析和系统反馈、优化全过程为核心的综合保障，确保大数据智慧分析过程安全、高效、可用和可控。第三，图书馆应根据大数据分析的对象、内容和质量要求，选择科学、高效、快速和经济的分析算法，确保对大数据资源有较高的质量和知识提取效率，并且分析平台可自动、智能地从数据中提取高价值密度的信息。第四，图书馆大数据的智慧分析平台应具备实时分析和可视化分析能力，可将分析结果准确、快速、友好和多模式地表示，确保读者个性化阅读服务过程具有较强的前瞻性、即时性和可控性[6]。

2.2.2大数据分析应以读者个性化服务需求为中心

大数据时代，图书馆应以读者个性化需求与服务为中心，逐步建立依据用户需求、业务优先等级和服务收益为标准的大数据战略目标，才能有效提高大数据采集、处理、整合、分析和决策的效率。

首先，图书馆应通过对用户阅读反馈与服务系统运营大数据信息的监测、分析，提高大数据平台对用户个性化服务安全隐患、突发事件、服务质量潜在风险的预测、判断和评估能力，为安全防范策略的制定与实施提供科学的数据支持。同时，还应通过对用户阅读需求、阅读内容和阅读环境的准确预测，提高读者个性化阅读满意度并降低客户流失率。其次，大数据分析过程应以绝大多数读者的海量阅读行为数据为基础，不能为了降低数据采集、存储、处理和分析成本而采取用户抽样的方法，避免因所采集的个别读者最小量行为样本数据的片面、局限性，而影响分析结果的全面性和准确性。第三，大数据分析应以读者阅读时限需求为依据，对于用户多媒体阅读需求预测、用户行为即时分析、安全风险监控与评估等大数据应用，应采用海量数据实时分析的方法，确保大数据服务过程具有较高的安全性、质量保证和可靠性。而对于离线统计分析、机器学习、服务策略评估与优化等实时性要求不高的大数据分析，则可采用离线数据分析的方法，在保证满足系统管理和服务需求的前提下大幅度降低大数据分析成本[7]。

2.2.3构建科学、高效和经济的大数据分析中心

图书馆构建科学、高效和经济的大数据分析中心，重点应加强大数据分析中心架构科学性、数据存储效率和数据分析能力建设三部分内容。

首先，图书馆大数据信息具有数据源多样性、数据海量、数据传输时效性要求高和处理速度快的特点。因此，大数据分析中心架构必须科学、开放、异构、透明、跨平台和具备智能化管理的功能，并拥有较高的IT架构智慧管理、智能计算和低碳运营能力，可通过智慧管理实现数据采集存储、计算、分析、决策的精细化管理与资源最优化配置。其次，随着图书馆大数据资源总量和存储标准的增长，图书馆应依据大数据源位置、数据分析流程和数据流传输时延，构建高性能的光纤通道存储区域网络，满足大数据平台实时分析过程对数据高速即时传输的需求。同时，数据存储应采用虚拟化和分布式多节点存储方法，将大数据资源存储在位于不同地理位置的图书馆子数据中心里，在保证大数据资源准确、可控和可快速更新的前提下，确保大数据资源存储管理安全、高效、快捷和经济。第三，图书馆大数据分析能力的提升，是一个关系数据中心IT基础设施架构科学性、数据分析算法有效性、数据中心系统整体优化、数据分析过程可视的综合问题。因此，图书馆应重点解决好大数据平台计算资源管理与分配、分析算法科学性与可扩展性、分析系统安全性与稳定性、数据传输网络效率、数据分析平台的能耗与低碳等问题。此外，还应加强大数据分析平台的智能化与机器自我学习能力，保证分析系统可根据分析对象和内容的变化，对分析算法和过程进行智能的调整与优化[8]。

2.2.4确保大数据资源具有较高的安全、可用性

大数据环境下，只有保证大数据资源具有较高的安全、可用性，才能保证图书馆大数据分析过程安全、高效、可控和经济，才能保证分析结果全面、准确、可用和可对系统管理与用户服务进行实践指导。

首先，图书馆在用户行为与阅读社会关系数据采集过程中，应将读者的个人隐私保护放在首要位置。读者必须拥有对自身数据采集、存储、分析和共享的知情权与决定权，图书馆不能随意监测、采集、使用和泄露用户隐私数据。其次，图书馆应建立科学的大数据资源采集、存储和分析流程，不断提高存储架构科学性和分析过程可行性。同时，应通过对大数据资源的过滤和价值挖掘，不断降低大数据资源总量并提高数据的价值密度，最终建立与读者个性化服务相匹配的数据分析流程。此外，还应防止大数据分析过程出现经验主义和长官意志现象。第三，大数据资源的安全与可用性保障内容，应重点放在提高数据准确性、存储适用性、可搜索与查询性、数据集可扩展性与稳定性四个方面，这样才能确保数据采集、抽取、清理、分类管理、转换和加载过程规范、标准化[9]。

3结语

大数据时代，读者对图书馆个性化服务的内容、模式和服务质量有了更高的要求。同时，大数据环境数据量与数据结构复杂度的快速增长，也给图书馆大数据的准确、高效、快速和深度分析带来了挑战。图书馆在大数据平台数据分析能力建设中，应坚持以用户需求和服务质量保障为中心，重点加强在大数据资源采集、存储、处理、分析和决策过程中的数据管理科学性与效率。同时，在大幅度降低大数据资源总量和数据分析平台系统负荷的前提下，不断提高大数据分析平台的系统结构科学性、分析系统运行效率、分析算法可用性和大数据资源的价值密度，确保大数据分析过程安全、高效、快速和经济，为读者个性化服务和图书馆智慧管理提供科学、全面、即时和可靠的大数据分析与决策支持[10]。

参考文献：

[ 1 ][英]维克托·迈尔-舍恩伯格，肯尼思·库克耶.大数据时代：生活、工作与思维的大变革[M].盛杨燕，周涛，译.杭州:浙江人民出版社，2013：1-15.

[ 2 ]李晨晖，崔建明，陈超泉.大数据知识服务平台构建关键技术研究[J].情报资料工作，2013（2）：29-34.

[ 3 ]张延松，焦敏，王占伟，等．海量数据分析的One-size-fits-all OLAP技术[J].计算机学报，2011，34（10）：1936－1946.

[ 4 ]覃雄派，王会举，杜小勇，等.大数据分析：RDBMS与MapReduce的竞争与共生[J].软件学报，2012，23（1）：32-45.

[ 5 ]漆晨曦.电信企业大数据分析、应用及管理发展策略[J].电信科学，2013（3）：12-16.

[ 6 ]沈来信，王伟.基于Tree－Lib的大数据实时分析研究[J].计算机科学，2013，40（6）：192-196.

[ 7 ]Russom P. Big Data Analytics[R].Tdwi Best Practices Report. Fourth Quarter，2011：15-21.

[ 8 ]王柯柯，崔贯勋，倪伟，等．基于单元的快速的大数据集离群数据挖掘算法[J].重庆邮电大学学报：自然科学版，2010，22（5）：673-677.

[ 9 ]唐杰，杨洋.移动社交网络中的用户行为预测模型[J].中国计算机学会通讯，2012，8（5）：21-25.

[10]王珊，王会举，覃雄派，等.架构大数据：挑战、现状与展望[J].计算机学报，2011，34（10）：1741-1752.

马晓亭兰州商学院信息工程学院副教授。甘肃兰州，730020。