大数据分析战略范文
时间：2024-02-05 17:51:36
导语：如何才能写好一篇大数据分析战略，这就需要搜集整理更多的资料和文献，欢迎阅读由公文云整理的十篇范文，供你借鉴。
篇1
一、引言
大数据时代的全面来临，凭借大数据分析、预测功能，为电子商务发展创造了良好契机。依托大数据分析，商品推荐产生了个性化、精准化的商业模式，电商企业运营方式不断推陈出新[1]。然而，大数据时代电商企业同样面临着掌握大数据、驾驭大数据、数据安全防护等方面的挑战。由此可见，对基于大数据分析的电子商务发展策略开展研究，有着十分重要的现实意义。
二、大数据下的电子商务
全球权威科学期刊《自然》于 2008 年推出将大数据作为封面的专刊，着重关注数据给各个行业领域带来的影响。2012 年，联合国大数据政务白皮书《大数据下的机遇与挑战》，提出了大数据时代已全面到来，大数据对于各国而言既带来了机遇也带来了挑战。2014 年，我国政府工作报告中首次提到了大数据一词，并将大数据界定为一种基础性战略资源，可为预防、调查、决策等事务提供有力依据。在大数据时代下，依托可靠的大数据采集、分析，可进一步推动电子商务价值创造朝精准化方向发展。不管是电商平台、移动终端还是相关第三方服务平台，只要期间电商企业与消费者产生了交集，便会形成一系列电子商务数据，而这些庞大的信息数据是传统处理分析手段所难以有效处理利用的[2]。同时，电子商务数据还具备高度多样化的特征，其中不仅包含了消费者的个人信息，还包括了消费者的评论、反馈意见等等，数不胜数。以电商企业网络为例，消费者消费行为意向收入大数据，当电商企业对采集的大数据开展分析，并获取消费者消费行为意见相关影响因素时，电商企业便可进一步为消费者提供有针对性的服务，使消费者选择电商企业的产品。大数据时代，过去被认为是无过多价值的信息数据极可能经由大数据分析，为电商企业提供尤为准确、及时的消费者信息，进一步为电商企业营销活动开展提供有力支撑。
三、大数据为电子商务发展带来的机遇和挑战
(一)大数据为电子商务发展带来的机遇
1.大数据使商品推荐趋向于个性化、精准化，进一步推进商业模式创新。通过对庞大的消费者行为数据开展分析，研究个性化、精准化地开展广告推送、推广服务，建立相较于当前广告、产品推广形式性价比更突出的新型商业模式，向消费者推荐他们切实需求的产品，进一步有效提升电商企业销售量。
2.大数据为电商企业整合优质产品信息。以淘宝、天猫电子商务平台为例，基于对平台数据信息的整合，结合商品购买情况及浏览数据筛选出时下热门或优质的产品，形成有力的电商企业与消费者的产业链信息，形成强有力的数据处理能力，为消费者产品检索提供有效便利。
3.大数据为电商企业提供细化服务。电商企业通过对大数据开展采集、分析，推进供应链上下游有效协调，以达成信息资源的优化共享，进一步促进电商企业在市场管理、产品营销、技术研发等全面环节的转型升级，打造全新的覆盖面广的营销平台，以吸引更多的消费者，增强企业市场竞争力。
(二)大数据为电子商务发展带来的挑战
1.电商企业面临掌握大数据的挑战。大数据时代下，电商企业要想实现进一步发展，离不开大数据的有力支持。对于电商企业来说，很大程度上谁先掌握了大数据便意味着谁先拥有了核心竞争力的有力武器，便意味着谁先拥有了致胜的法宝。
2.电商企业面临驾驭大数据的挑战。电商企业要对各式各样大数据开展分析，不可仅凭直接开展经营决策制定，应尽可能对所有与消费者关联的业务数据开展分析，以达成对消费群体的有效维护，并吸引他们买入更多产品，如此以来，很大程度为电商企业开展全新信息化投资、建设带来了挑战。
3.电商企业面临数据安全防护的挑战。各式各样数据的汇集，包含电商企业的运营数据，消费者个人信息等等，这些数据均被电商企业收集于企业数据库中，由此对电子商务如何开展好对该部分数据的安全防护工作带来了挑战。
四、大数据时代下电子商务发展策略
(一)利用大数据，打造电子商务数据信息平台
在市场经济逐步深入背景下，电商企业要想在日趋白热化的市场竞争中脱颖而出，利用好大数据至关重要。近年来，各式各样应用软件推陈出新，很大程度上推进了移动电子商务的发展，大数据库中收录了更多更精准的用户信息、用户定位。电商企业通过对大数据的科学合理利用，打造电子商务数据信息平台，旨在增强电商企业对大数据时代的适应性。鉴于此，电商企业应当强化对云计算技术的引入，并于短时间内对海量数据信息开展实时动态筛选、分析、处理，从而将数据信息切实转化成企业自身有效资产。与此同时，电商企业应强化对数据的分析、整合，达成对大数据的有效利用，通过对消费者消费行为习惯偏好的有效掌握，进一步为电商企业制定运营策略、确立目标消费群体、提升市场占有率、改善经济收益等提供有力支撑[3]。
(二)利用大数据，推动电子商务精准营销
精准营销指的是电商企业对消费者个性化需求予以满足，借助网站推荐系统自动向消费者推荐商品，同时开展个性化商品筛选的过程。基于精准营销支撑，可为消费者提供更便捷、更人性化的消费体验。现阶段，大部分电商企业还尚未构建有企业自身个性化的推荐系统，抑或企业采用的推荐系统尚不十分成熟，更未与大数据开展有效结合。如此一来，最终使推荐效率、推荐精准度均不尽如人意。以电商企业网络广告为例，大数据时代，网络广告在网络营销中可起到至关重要的作用。现如今，电商企业面对的消费者数据不断增多，电商企业应当基于现有营销数据平台，建立更为科学完备的个性化推荐系统，推进实时动态对广告受众开展分析，依托大数据分析，充分结合消费者个性兴趣偏好制作广告开展精准营销，为消费者提供更高质量的服务，与消费者构建和谐融洽的关系，增强消费者忠诚度。于此方面，阿里巴巴、淘宝、天猫中的“找相似”、“找同款”、“看了又看”等广告营销便为广大电商企业提供了很好的示范。
(三)利用大数据，推进商业模式创新
伴随互联网在商业领域的广泛推广及大数据时代的到来，商业模式不断推陈出新，较具代表性的商业模式有O2O、O2P 等。其中，O2O(Online To Offline)，指的是将线下机会与线上电子商务进行结合，使线上电子商务转变成线下交易平台的一种商业模式。O2P(Online To Partners)指的是借助移动互联网技术手段，达到具备本地化、社交化特征的线上线下互动电商平台，以实现渠道朝社区化、乡镇网点全覆盖，不同品牌类型的同时运作。通过建立多方参与多方共赢的格局，构筑具备核心竞争力的互联网生态圈，转变成相关标准定义者与游戏规则制定者。不管是哪一种新型商业模式，均应当紧紧围绕消费者，并对一系列端口数据开展优化整合，实现数据信息的实时推送。
(四)开展好数据处理工作，确保数据隐私的安全
近年来个人隐私遭受窃取、重要信息被不法篡改等现象屡见不鲜。倘若数据信息难以得到切实安全防护，大数据便会转变成广大消费者的恶梦，对消费者日常生活造成极大的负面影响。鉴于此，电商企业应当提高对数据安全防护的重视度，依托大数据技术对数据安全状况开展实时监控，结合各种风险实际情况有针对性的采取科学的安全防护及精准化的预防措施，一方面要防范数据信息泄漏给电商企业带来的法律上不利影响，另一方面要防止过度开发或者越界营销可能引发的侵犯消费者隐私的一系列纠纷。此外，电商企业还应当强化对大数据中涉及的消费者个人隐私的安全防护，防止出现信息泄漏、信息倒卖等情况；最后，要及时了解国家关于个人信息保护的法律、政策规定，迅速开展经营策略优化调整[4]。
五、结束语
大数据分析并非偶然形成的，而是当今世界信息技术与网络技术迅猛发展的产物，对不同行业领域可起到至关重要的影响，电子商务亦不例外。鉴于此，相关人员务必要不断钻研研究、总结经验，清楚认识大数据以及电子商务的特征内涵，全面分析大数据为电子商务发展带来的机遇和挑战，结合电子商务发展实际情况，“利用大数据，打造电子商务数据信息平台”、“利用大数据，推动电子商务精准营销”、“利用大数据，推进商业模式创新”、“开展好数据处理工作，确保数据隐私的安全”等，积极促进大数据时代下电子商务有序健康发展。
[参考文献]
[1]飞，张攀.大数据背景下电子商务与快递业联动发展策略研究[J].物流科技，2014，37(6)：25- 28.
[2]魏斐翡.ECLHadoop：基于 Hadoop 的有效电子商务物流大数据处理策略 [J]. 计算机工程与科学，2013，35(10)：65- 71.
[3]郑旸，于立.大数据环境下的电子商务发展的 PESTEL模型分析[J].农村经济与科技，2016，27(8)：131- 132.
篇2
移动化、云计算、大数据和全球化，正改变着企业的运营管理决策方式。由于数据处理分析和管理等相关技术的不断成熟，企业内部的管理运作数据、业务运作数据，企业与客户的关系及互动数据，客户或潜在客户在企业经营业务之外的生活方式、活动、情感、社交等大数据，正为企业所采集和分析。
二、大数据分析的必要性
数据分析专业有句行话：巧妇难为无米之炊，可见数据原材料的丰富多样性和质量对数据分析在企业中所发挥的价值起到关键的制约作用。对于电信企业来说，可拓展的大数据源有哪些，可拓展大数据源与企业原有传统数据源之间存在什么差别和联系，下文将详细介绍。
（一）目前电信企业大数据分析的可拓展方向
（1）社交网络分析模型。大数据伴随社交网络的风行而发展。对于电信企业来说，客户的社交网络分析（SNA）即一个重要的大数据分析方向。
（2）客户体验分析（CEA）模型。近年，电信企业一直倡导客户体验管理。客户体验管理以提高客户整体体验为出发点。
（3）客户价值分析（CVA）模型。客户管理的基本原则是：企业根据客户的不同价值，提供不同营销方案及销售和服务等级，所以客户管理的核心依据在于客户价值的测算。传统数据时代，电信企业一般先计算出客户使用电信产品的消费额，再从中减去有关网络、营销、结算等成本，测算客户带给企业的利润，依此判断客户价值。
（二）目前电信企业可拓展的大数据源
前文提到，电信企业从传统数据时代走向大数据时代需遵循的原则为：围绕分析需求，结合大数据可获得的条件，规划所需大数据的采集、存储、处理和分析各阶段的运营管理步骤，是拓展大数据源较以往传统数据尤需谨慎的问题。因此，围绕大数据时代目前电信企业可拓展的社交网络分析、客户体验分析和客户价值模型完善等分析方向。
（1）CDR、RFID、Wi-Fi等社交网络信息。以往电信企业采集的CDR、RFID和Wi-Fi数据通常用作业务统计和用户行为分析，随着社交网络分析模型的逐渐成熟，以移动用户为对象，以发展和完善电信客户社交网络分析。
（2）地理位置信息和移动终端上的各项应用信息。智能移动终端正在改变着人们的生活。移动终端已经成为指导人们生活并记录人们生活轨迹及人际关系的大数据库，电信运营企业若想洞察客户，当然不能忽略移动终端这个数据库中详实且非常细致的数据。
（3）各类企业网站（尤其是社交网站）数据。作为企业新的销售和服务渠道，企业自身网站，如网上营业厅之类的各类电子渠道、企业微博之类的社交网站页面，甚至实时为用户推荐个性化产品或信息浏览服务。
三、企业应用大数据分析的必要性
第一，实时大数据分析支撑的营销运营管理应用。第二，客户体验管理应用的真正落实。第三，大数据分析促进智能管道运营应用的落实。
四、大数据对企业IT系统支撑的更高要求
大数据时代是企业IT系统运营管理完善和优化的时代，因为大数据涉及的所有技术几乎都属于IT范畴，技术的进步和业务部门对IT系统支撑的更高要求，必然推动企业相关运营管理的进步。
（一）对IT系统支撑提出的更高需求
（1）大数据采集范围更广。前面讲述的大数据，采集范围不再限于以往B域业务系统的客户订购、行为、服务销售互动以及账务、竞争等结构化数据，采集到社交网络、互联网以及手机应用等文字、图像、视频等非结构化数据。
（2）大数据采集处理分析时限要求更高甚至实时。前面讲到的3个应用方向――实时大数据分析支撑的营销运营管理应用、客户体验管理应用的真正落实和大数据分析促进的智能管道运营应用。
（二）IT系统对大数据支撑的体系规划和趋势
（1）梳理并整合业务部门对大数据的需求，立足分析需求，做好大数据IT体系架构的3步规划。大数据相关技术条件的成熟、大数据分析能力以及分析应用经验的积累等多方面因素，都是制约企业建设大数据IT系统的条件，要充分抓住大数据带来的机会并避免“心急吃不得热豆腐，反被热豆腐伤害”的问题。
（2）以职能部门提供整体IT支撑方式向嵌入业务流程实时数据的分散能力支撑方式转变。这种转变趋势又称IT支撑“消费化”趋势。所以，大数据时代，大数据要真正改变企业运营管理决策方式，使企业上下形成以数据驱动的企业文化为标志性特征，每个人都要做好与数据打交道的能力和心理准备，而IT系统运营管理部门也将不得不面临大数据从数据采集、清洗、存储、处理到分析、提供和管理的过程，在各业务运营管理流程、各部门、各类用户间如何高效运行、高效交互、高效支撑的更复杂的IT系统支撑问题。
五、结论
篇3
技术创新和数字设备的普及，使得大量的数据从各种各样的数据源头通过不同渠道定期产生，海量数据增长逐步衍生出一个新概念——大数据。大数据不仅强调数据巨量，更强调从海量数据中快速获得有价值信息和知识的能力。当前，大数据所蕴含的战略价值已经引起多数发达国家政府重视，相继出台大数据战略规划和配套法规促进大数据应用与发展。在政府大数据战略部署和政策推动下，发达国家的政府部门、企业、高校及研究机构都开始积极探索大数据应用。据悉，美国大数据战略后，12个联邦部门启动开展了82个大数据相关项目[1]，涵盖了国防、能源、医疗卫生、人文社会科学等众多领域。企业借助于大数据政策的东风，强化大数据的技术研发和创新应用。Gartner公司的调查结果表明，全球64%的企业已经开始向大数据项目注资，或者打算在2015年6月之前将计划付诸实践。[2]
完善的政策是当前大数据先行国家推广应用大数据的重要保障，目前，我国国家层面还没有专门针对大数据出台相关政策。研究国外大数据相关政策，对我国制订大数据政策具有十分重要的意义。
一、政府大数据政策比较研究框架
为更好研究大数据政策，建立如下政策比较框架，从战略规划、技术能力提升、应用与管理三个方面比较分析各国政策着力点(见图1)。
“战略规划”层旨在通过分析国家级大数据战略或规划，探析西方国家发展大数据的目标定位、主要内容、重点发展的大数据应用领域，以及相应的管理体制等，总结各国大数据战略规划特色及要点。战略规划的制定为大数据技术能力储备、大数据推广应用与项目实施提供宏观指导与执行依据。
“技术能力提升”层探讨各国政府在大数据技术储备方面的相关政策措施，包括基础研究部署、核心技术研发、为相关产业和研究机构提供的技术创新扶持、人才培养以及技术研发资金保障等。技术能力提升为战略规划的落地提供技术方面的支撑。
“应用与管理”层从推进政策和项目实施两个角度，研究为确保大数据推广应用与项目实施而制定的各项政策，包括数据开放政策、数据共享政策、数据安全与隐私保护政策，以及政府和商业领域的试点项目规划等。应用与管理为战略规划的落地提供制度支撑和实施保障。
二、大数据战略规划比较分析
(一)美国大数据战略规划
2011年总统科技顾问委员会提出建议，认为大数据具有重要战略意义，但联邦政府在大数据相关技术方面的投入不足。作为回应，美国白宫科学和技术政策办公室(OSTP)建立了大数据高级监督组以协调和扩大政府对该领域的投资，并牵头编制了《大数据研究与发展计划》(以下简称《计划》)。2012年3月29日，《计划》正式对外，标志着美国率先将大数据上升为国家战略。
《计划》旨在大力提升美国从海量复杂的数据集合中获取知识和洞见的能力。具体实现三个目标[3]：(1)开发能对大量数据进行收集、存储、维护、管理、分析和共享的最先进的核心技术;(2)利用这些技术加快科学和工程学领域探索发现的步伐，加强国家安全，转变现有的教学方式;(3)扩大从事大数据技术开发和应用的人员数量。
第一波纳入《计划》的联邦政府部门主要有：国家科学基金会、国家卫生研究院、能源部、国防部、国防部高级研究计划局、地质勘探局等，投资两亿多美元，推动大数据技术研发。大数据发展不能仅靠政府，因此《计划》还鼓励产业、大学和研究机构、非盈利机构与政府一起努力，共享大数据提供的机遇。
(二)澳大利亚大数据战略规划
2012年10月，澳大利亚政府《澳大利亚公共服务信息与通信技术战略2012-2015》，强调应增强政府机构的数据分析能力从而实现更好的服务传递和更科学的决策，并将制定一份大数据战略作为战略执行计划之一。2013年2月，澳大利亚政府信息管理办公室(AGIMO)成立了跨部门工作组——“大数据工作组”，启动了《公共服务大数据战略》(以下简称《战略》)制定工作，并于2013年8月正式对外。
《战略》以六条“大数据原则”为指导，旨在推动公共部门利用大数据分析进行服务改革，制定更好的公共政策，保护公民隐私。这六条大数据原则分别为：数据是一种国家资产，应被用于人民福祉;数据共享和大数据项目开发过程中严保用户隐私;数据完整和过程透明;政府部门间以及政府与产业间应共享技术、资源和能力;与产业和学术界广泛合作;加强政府数据开放。《战略》还决定成立数据分析卓越中心(DACOE)，该中心将通过构建一个通用的能力框架帮助政府部门获得数据分析能力，并促成政府与第三方机构合作以培养分析技术专家。《战略》列举了2014年7月前需完成的6项大数据行动计划，分别为：制定信息资产登记簿;跟踪大数据分析的技术发展;制定大数据最佳实践指南;总结明确大数据分析面临的各种障碍;强化大数据分析的相关技术和经验;制定数据分析指南。具体工作由大数据工作组与数据分析卓越中心协作完成。
(三)英国大数据战略
2013年10月31日，英国《把握数据带来的机遇：英国数据能力战略》。[4]该战略由英国商业、创新与技术部牵头编制。战略旨在促进英国在数据挖掘和价值萃取中的世界领先地位，为英国公民、企业、学术机构和公共部门在信息经济条件下创造更多收益。为实现上述目标，该战略从提升数据分析技术、加强国家基础设施建设、推动研究与产业合作、确保数据被安全存取和共享等几个方面做出了部署，并作出11项行动承诺，确保战略目标得以落地。
(四)法国大数据战略
为抓住大数据发展机遇，促进本国大数据领域的发展，以便在经济社会发展中占据主动权，2013年2月，法国政府了《数字化路线图》[5]，宣布将投入1.5亿欧元大力支持5项战略性高新技术，而“大数据”就是其中一项。2013年7月，法国中小企业、创新和数字经济部了《法国政府大数据五项支持计划》，包括引进数据科学家教育项目;设立一个技术中心给予新兴企业各类数据库和网络文档存取权;通过为大数据设立原始扶持资金，促进创新;在交通、医疗卫生等纵向行业领域设立大数据旗舰项目;为大数据应用建立良好的生态环境，如在法国和欧盟层面建立用于交流的各类社会网络等。[6]
(五)各国战略规划比较
按照政府大数据政策比较研究框架，从战略规划层面，主要从战略目标、战略内容、发展领域和管理体制四个方面对各国的大数据战略规划进行比较分析(如表1)，通过比较发现它们之间既有共同点又存在明显差异。
1.共同点
一是战略目标基本相同，均旨在通过国家性战略规划推动本国大数据技术研发、产业发展和相关行业的推广应用，确保领先地位。
二是战略规划均具有明确的行动计划和重点扶持项目。例如，美国大数据战略明确阐明了政府拟重点发展和扶持的领域和相关项目。法国为本国的大数据发展制定了五步骤的支持项目。澳大利亚列举了一年内的大数据行动计划和具体时间节点。英国规定了11项政府将采取的行动承诺。
三是战略规划指定了管理机构和执行机构。美国由白宫科学和技术政策办公室牵头建立了大数据高级监督组，通过协调和扩大政府对大数据的投资，提供合作机遇，促进核心技术研发和劳动力发展等工作促进大数据战略目标的实现。澳大利亚设立跨部门大数据工作组负责战略落地，同时配备专门的支撑机构从技术、研究等角度确保对大数据工作组支撑。英国战略分别针对技术能力、基础设施和软硬件建设、推进合作、数据开放与共享等指定具体的负责机构，同时，由信息经济委员会负责根据战略进一步制定具体战略实施路径。
2.差异点
一是战略规划的推动路径略有差异。美国重在“以点带面”，通过公布重要部门的大数据项目规划，扶持重要领域的大数据技术研发，带动其他部门和社会各界对大数据技术的研发投入和推广应用。澳大利亚重在“方法指导”，通过设定大数据原则指导各部门应用大数据，同时注重技术跟踪、指南制定。英国和法国强调政府“铺路打基础”的作用，阐明政府在人才培养、基础设施建设、资金扶持、项目规划、合作环境搭建中的基础保障作用。
二是战略制定机构不同。战略规划推动路径的差异与政策制定机构有关。美国、澳大利亚的战略制定机构主要是科学技术相关部门。美国白宫科学和技术政策办公室是美国的高级科技咨询机构，该办公室主任被任命为总统科技顾问。澳大利亚政府信息管理办公室职责是就信息与通信技术(ICT)投资管理、工程实施、ICT政策执行为澳洲政府及其机构提供建议，指导政府应用信息技术为公众提供更好服务、提升自身运作效率。而英国和法国的战略制定机构则是与经济发展相关的部门，制定大数据战略旨在充分挖掘大数据对生产、经济发展的重要作用。
三、大数据技术能力提升政策比较分析
(一)基础研究与关键技术研发
在大数据应用的技术需求牵引下，数据科学研究显得越发重要。美国大数据战略确立了国家科学基金会在基础研究中的核心地位。为促进基础研究，国家科学基金会采取相关政策措施包括：将向美国加州大学伯克利分校资助一千万美元，帮助他们研究如何整合机器学习、云计算、众包(crowd sourcing)三大技术用于将数据转变为信息;提供对地球研究、生物研究等基础性研究项目的拨款等。在关键技术研发方面，联邦部门大数据项目列表[1]详细部署了国防、民生、社会科学等领域的核心关键技术研发。英国大数据研究扶持与技术研发政策包含在《英国数据能力战略》中，重在体现对高校、研究机构的资金扶持和合作平台搭建。
(二)人才培养
人才培养已被各国政府纳入推进大数据发展的重要议程中。Gartner预测，到2015年，全球大数据人才需求将达到440万人，届时仅有三分之一的需求能够得到满足。[7]美国《大数据研究与发展计划》的一个重要目标是“扩大从事大数据技术开发和应用的人员数量”。通过国家科学基金会，鼓励研究性大学设立跨学科的学位项目，为培养下一代数据科学家和工程师做准备，并设立培训基金支持对大学生进行相关技术培训，召集各个学科的研究人员共同探讨大数据如何改变教育和学习等。英国《英国数据能力战略》对人才的培养做出专项部署，包括在初、中等教育中加强数据和计算机课程学习;全面评估当前大学各学科所教授的数据分析技能是否需要进一步完善并实现跨学科交流;通过奖学金、项目资助的形式支持高校培养满足当前和未来数据分析需求的人才;政府与相关专业机构一起强化数据科学这门学科，勾画数据分析行业不同的发展道路。澳大利亚《公共服务大数据战略》强化政府部门与大专院校合作培养分析技术专家，同时计划将各类大数据分析技术纳入现行教育课程中，强化人才储备。法国《政府大数据五项支持计划》中第一步计划便是引进数据科学家(datascientist)教育项目。
(三)产业扶持
大数据对经济社会真正做出价值贡献，离不开对大数据相关产业的扶持。在产业扶持方面，《英国数据能力战略》指出英国政府将通过多种途径为大数据产业提供扶持，在资金支持方面，英国政府将为本国公司及有关组织提供更多机遇和便利，以获取欧盟研究与创新资金——展望2020(Horizon 2020)展望2020是即将于2014至2020年推出的欧盟研究与创新计划，拥有超过700亿预算，旨在提升欧洲科学水平。的资金支持，同时将各类大数据分析中心纳入“英国资本投资战略框架”中，促进大数据分析技术的研发与产业应用。在产学研结合方面，英国还通过建立研究成果展现门户、搭建多种合作交流平台等方式，促进产业与各类研究、学术机构之间的合作和成果转化。
(四)资金保障
明确具体资金保障是国外大数据政策的一大亮点。继美国宣布投资两亿多美元促进大数据研发后，英国、法国也相继宣布政府对大数据的投资。2013年1月，英国财政部明确将投入1.89亿英镑用于大数据和节能计算技术的研发，旨在提升地球观测和医学等领域的大数据集分析能力。同年4月，英国经济和社会研究委员会又宣布将新增6400万英镑用于大数据研发，其中3400万英镑将用来建立“行政数据研究网络”，用于汇聚政府部门和机构所收集的行政数据，促进发挥政府数据对科学研究、政策制定和执行的作用。法国政府宣布将在2013年投入1150万欧元，用于7个大数据市场研发项目，旨在通过试点探索，促进法国大数据发展。这些国家对大数据的投资，体现出一定的共性特征：一是投资领域均是关乎国家竞争力和全民生活福祉的重要领域，这些领域仅凭市场资本无法推动;二是强化投资的核心目的是提高关键领域的大数据技术能力，它是市场化应用的前提。
(五)各国技术能力储备政策比较
在大数据技术能力储备方面，各国的政策和计划均有侧重点。如下表2所示。
从纵向政策要点来看，注重人才培养、产业扶持、资金保障是多数国家的共识，这三方面正是政府为产业发展构建良性生态环境的政策落脚点。从横向国家来看，美国、英国国家层面配套技术能力储备政策较为完善，这也是两国引领大数据前沿的主要原因之一。法国和澳大利亚的配套政策还有待进一步完善。
四、大数据应用与管理政策比较分析
促进大数据发展，除了搭建技术能力储备政策外，还从应用实施的角度，制定配套推进政策、规划试点示范项目，推动战略规划的具体实施。
(一)应用推进政策比较
1.数据开放与共享
大数据应用的基础是数据足量全面。为加强各部门所掌握的海量数据资产开放与共享，促进社会应用创新，美、英、澳、法等国政府均制定政府数据开放共享政策。具体统计如表3所示。
表中所述国家在政府数据开放政策上具备两个共性特征：一是数据开放政策均建立在开放政府行动之下，使得数据开放有了更高的战略支撑;二是建立数据开放门户成为普遍趋势，有力保证政策得以落地。
美国是政府数据开放与共享的领头者。从其政策制定脉络来看，数据开放共享分为两大维度：一是对公众和社会，大力推动政府数据开放，制定一系列确保公众平等获取数据、开发利用数据的政策法规，二是对政府自身业务管理，积极制定信息共享战略法规，特别是在国家安全等方面，要确保在正确的时间将正确的信息分享给正确的人。英国政府数据开放强调政策的执行力度。《开放政府白皮书》明确要求各政府部门每隔2-3年就要制定详细的数据开放策略，阐述他们将要对外开放的数据内容、首次开放时间、数据更新频率，以及促进市场使用这些数据的政策、原则，并定期进行数据开放总结汇报。
2.隐私与数据安全保护
大数据所带来的一个全新挑战就是对个人隐私与数据安全的威胁。因此，需要通过法规政策强化大数据应用过程中对个人隐私与数据安全的保障。当前大数据应用所适用的隐私与数据安全保护法规政策大多沿用多年前的法规文件。个别国家已经开始针对大数据特点制定专门的隐私与数据安全政策。在个人隐私保护方面，英国《开放数据白皮书》明确将在公共部门透明度委员会(监督各部门数据开放的核心机构)中设立一名隐私保护专家，确保数据开放过程中及时掌握和普及最新的隐私保护措施，同时还将为各个部门配备隐私专家;二是内阁办公室强制要求所有政府部门在处理涉及到个人数据时都要执行个人隐私影响评估工作(Privacy Impact Assessments)，为此还专门制定了非常详细的《个人隐私影响评估手册》，三是各政府部门开放数据策略中均明确将开放数据划分为大数据(big data)和个人数据(my data)，大数据是政府日常业务过程中收集到的数据，可以对所有人开放，而个人数据仅仅对某条数据所涉及到的个人自己开放。在数据安全方面，澳大利亚政府于2012年7月了《信息安全管理指导方针：整合性信息的管理》为海量数据整合中所涉及到的安全风险提供了最佳管理实践指导。
(二)项目实施规划比较
试点示范项目的规划是推动应用实施的重要政策手段之一，通过规划政府领域的大数据试点项目，有效带动政府社会管理和公共服务中的大数据技术应用;通过规划商业领域的大数据试点项目，充分鼓励应用模式创新，促进技术研发，推动产业发展。
在国外政府大数据试点项目规划方面，美国政府最为明确，其特色主要是“聚焦政府领域应用，落实具体部门”。美国《大数据研究与发展计划》以及与计划同时的更为详细的联邦部门大数据项目列表，均是涉及国家战略发展、不便市场化的核心领域大数据项目，这些项目落实到具体部门和机构来实施。美国商业领域的大数据应用已经广泛开展，因此政策引导重在推动政府领域的项目实施。
五、结语
总体来看，国外政府大数据政策措施体现出如下明显特征：一是颁布战略规划进行整体布局。为抢占大数据先机，增强国家在大数据领域的国际领先地位，大数据先行国家均将发展大数据提升为国家战略予以支持;二是注重构建配套政策，包括人才培养、产业扶持、资金保障、数据开放共享等，为本国大数据发展构筑良好的生态环境。
随着数据的与日俱增及其背后所蕴藏的巨大价值，大数据正在成为信息时展的新潮流，谋划制订大数据发展规划及相关政策就显得非常必要。由于各国大数据技术基础、市场基础、数据文化氛围不同，各国的政策侧重点存在一定差异。对我国而言，大数据市场刚刚起步，配套规划与政策还存在较多缺口，为加快推进我国大数据技术应用与产业发展，在政策环境构建方面：一是要加快研究制定大数据发展国家战略。战略应进一步阐明大数据的有利发展机遇，规划重点领域的大数据研究计划，布局关键技术研发方向，强化大数据基础设施建设和人才培养，加强对大数据产业的扶持，做好体制机制、资金、法规标准等方面的保障等，真正将促进大数据发展提升为一种国家行动，为后期专项政策制定、项目规划等提供依据。二是借鉴国外政府大数据政策，勾画符合我国实际的大数据配套政策制定路线图，注重从战略技术能力储备和战略应用实施两个角度，落实相关部门职责，为大数据产业孵化、技术研发、推广应用营造完善的政策环境。（文/张勇进 国家信息中心信息化研究部电子政务研究室副处 编选：中国电子商务研究中心）
[参考文献]
[1] Executive Office of the President.Big Data Across the Federal Government.whitehouse.gov/sites/default/files/microsites/ostp/big_data_fact_sheet_final_1.pdf，2013-09-10.
[2] Gartner. Gartner Survey Reveals That 64 Percent of Organizations Have Invested or Plan to Invest in Big Data in 2013.gartner.com/newsroom/id/2593815， 2013-10-11.
[3] Big Data Research and Development Initiative. whitehouse.gov/sites/default/files/microsites/ostp/big_data_press_release_final_2.pdf，2013-9-11.
[4] Seizing the data opportunity: A strategy for UK data capability. gov.uk/government/uploads/system/uploads/attachment_data/file/254136/bis-13-1250-strategy-for-uk-data-capability-v4.pdf， 2013-11-01.
[5] Feuille de route du Gouvernement sur le numérique. gouvernement.fr/sites/default/files/fichiers_joints/feuille_de_route_du_gouvernement
_sur_le_numerique.pdf， 2013-10-09.
篇4
关键词：大数据营销；市场营销战略；展览市场营销
基金项目：本文系2014年重庆文理学院学生科研项目资助（项目号：XSKY2014098）
一、问题提出
随着展览业的不断发展，传统的营销战略决策方式已或多或少露出一些弊端。如在营销战略选择上盲目跟风，见利就上，导致某一地区或某一产业领域超负荷举办同类展览项目。或不计成本，不明目标地在某一营销手段上狂轰滥炸。如何高效运用营销资源，在竞争激烈的展览市场独树一帜，成为展览业规范化潮流中的中流砥柱，已经成为亟需解决的问题。
二、大数据在展览市场营销决策中的意义
（一）明确展览营销对象
大数据通过对展览相关数据进行聚类分析、关联规则、回归和分类推测等高级分析理论与方法的处理，精准锁定展览营销的地理区位，明确目标客户定位及分类。依据展览组织者自身定位，划分出适合自己的市场范围、目标客户类型及分布。为营销战略的制定，设立起清晰的标靶。
（二）提升展览营销效果
在有明确营销对象的前提下，展览组织者可以将各个营销渠道、营销方式的反馈信息进行数据处理，选择出最直接、最有效的渠道、方式或渠道组合、方式组合，使得品牌信息、产品信息等传达到特定目标客户的手中，提升营销效果。
（三）树立展览业高端、专业新形象
通过社交网站、行业协会、电信信息以及其他盈利、非盈利信息转手机构获得相关数据信息，经过回归和分类预测，锁定本展会的专业观众及意愿参展商。如此，既可以避免对公众媒体狂轰滥炸而造成的资源浪费，也可以使展览会的社会形象变得更高端、更专业。
三、大数据在展览市场营销战略决策中的应用
大数据在展览市场营销决策中的应用，主要包括三个方面的内容，即目标市场战略、市场竞争战略、市场推广战略。
（一）目标市场战略
1.市场细分
对展览市场来说，消费者和企业是两个重要组成部分。通过数据分析，可以得出本展览消费群和产业群的区位分布。如，本展览是珠宝、汽车等消费展，组展商可以收集全国各大城市近几年人均GDP、恩格尔系数、基尼系数、CPI系数等数据，运用数据高等分析中的聚类分析，得出本展会在各大城市的市场消费总额、群体分布结构以及消费欲望值。
如此种种，便可将全国相关市场分为若干部分，并能在数据可视化后，将这些部分评为A、B、C......等若干等级。各等级市场需配有相应的市场战略。主要战略可根据市场发展矩阵分为：市场渗透战略、市场开发战略、产品开发战略、多元化发展战略。至此，市场细分也就完成了。
2.目标市场选择
经过市场细分，确定意向市场，下一步就是结合企业本身的资金、资源、最大限度的承接能力等选择目标市场。如何使现有的资源得到有效整合，自然离不开数据分析。数据来源既可以是历史数据，如：历届同类型展会的盈亏平衡分析，也可以是计量经济学的数据建模，得出估计数值及边际回报率。由此得出各个细分市场盈利空间，选择最佳目标市场。
再者，大数据并不仅仅包含数值数据。政府对某一方面的某种支持也是数据的一种。如上海自由贸易试验区的挂牌运营对金融、航运、会议、展览等行业都有相当大的支持力度。明确自身不足，有效利用外部资源也是大数据应用于展览市场营销中的目标市场选择战略的方式之一。
3.市场定位
目标市场锁定后，就要对参展商、专业观众、赞助商的目标定位。
①参展商定位。对参展商而言，其目的主要有：了解市场行情、巩固现有市场、开拓新市场、与同行进行交流等。组展商可以通过：跟展，信息购买，行业协会，电信，邮局，网络、展会APP数据反馈等，其中尤以网络途径为佳。美国西雅图的专业搜索引擎营销咨询公司Global Strategies Inc （GSI）在网络定为客户方面做得相当出众。
②专业观众/消费者定位。对于消费型的展会，消费者的定位却需要系统数据分析。需要商场的消费记录、内部数据库、外部数据库、数字网络和参展商定位所提及的途径等提供数据。得到数据之后，针对其购物习惯及喜好，选择其最常接触到的媒介传播展会信息。
③赞助商定位。展会赞助商，一般选择与自己企业产品有联系的展会进行赞助，有了参展商的信息，赞助商不难找到，但要考虑到赞助商企业的财务计划及预算，自然也需要经行数据分析。
（二）市场竞争战略
当今展览市场并非一家独大的垄断市场，而是群雄逐鹿的完全竞争市场。大数据在展览市场营销战略决策中的应用，竞争战略分析是相当重要的。
1.竞争者分析
企业需要估计目标市场中竞争者的优势及劣势，了解竞争者执行各种既定战略的情报，以及其是否达到了预期目标。为此，企业需要搜集近几年有关竞争者的相关数据，如展位价格、市场占有率、利润率、现金流量、发展战略等。得到这些数据并非易事，主要是间接方式，如第二手资料、别人的介绍和对服务供应商、参展商及其他相关利益者进行调查。问卷调查在数据分析中是个不错的选择，可以让上述群体对竞争者的某些方面进行打分。然后运用关联原则，倒推出想了解的信息，并把竞争者进行分类，分成市场领导者、市场挑战者、市场跟随者等级别以便后面的竞争战略决策。
2.基本竞争战略
市场占有率与投资收益率是成正比的，所以组展者要不断提高自身的市场占有率，但首先要对其他竞争者进行试探性的攻击。同时，要把竞争者的反应数据系统地记录下来，包括反应的时间、反应的规模、反应的激烈程度。将数据进行比较分析，对竞争者进一步分类：从容不迫型竞争者、选择型竞争者、强劲型竞争者、随机型竞争者。组展商可以自己跟各类竞争者进行基本数据比较，找到自己的市场地位，结合竞争者反应程度选择竞争战略。
3.优化竞争战略
利用大数据提升自己的竞争力，优胜劣汰，优化竞争环境。作为大数据在展会中的具象――展览通，该服务系统具备三个条件：第一是云计算，满足数据扩张的需要；第二是运用互动二维码技术，强化展会现场的互动性；第三就是移动通信。展览通作为升级版，可以为每一个观众提供一个电子档案，记录其在展会现场的访问路径；参展商可以拿到观众的信息清单，并可以直接下载到手机目录；还可为展会组织方提供一个详细的展后报告。根据展后报告，展会组织方可以清楚看到现场参展商按被关注程度而行成的排名。这将为组织方提供可参考的数据，如摊位设计、布局情况，以方便下一届展会现场的规划。
（三）市场推广战略
目标市场已经找到，竞争战略已经制定，如何运用媒介将展会信息及时传到展会所需的参展商、专业观众/消费者、赞助商，大数据分析仍是最有效的方法。
1.展会前期推广
展会前期推广的形式主要有：开展推介活动、广告、举办新闻会、海外推广、网站推广、项目招展、项目招商、专业观众组织、贵宾邀请、赠票计划、配套服务等。大数据营销战略中相关利益者推广基本遵循差异化、精确化，如同参展商与专业观众定位，不必多说。在此重点阐述媒体推广的数据分析应用。
现今社会通行的媒体主要有：电视、广播、网络、报刊、邮件、电话短信、各种流动媒体、各种街头媒体和新兴的自媒体等。各有所长，各有所短。数据分析所需的资料有：投放收益率、信息失真率、媒体信息接收率等。结合本展会信息的具体受众，采用最有效的媒体营销组合。经济学中有“2/8定律”，在考虑资金有限的情况下，可以选择少数几个最有效和效益一般的媒体，果断放弃其余效益最差的媒体。
2.展会当期推广
展会当期推广强调及时性、准确性。包括展会APP信息传播推广、现场接待和服务和资料分送。
展会APP是展会现场推广的重要方式之一。其简单、快捷，可以实现智能手机全覆盖。此外利用APP还可以收集使用APP客户的信息，便于以后组展商建立数据库及进行数据分析。如会展通、展会通两款APP就是两个很好的例子。
现场接待和服务。现场是展览会营销的重要窗口，组展商除了要有真挚的服务态度外，还要有精确地数据化管理。如安排办卡、报到、入场、金融、邮政、翻译、安保、保洁、快餐、茶点等，都可以借助数据化进行管理。
资料分送。要把下一届展会宣传资料同时送出，还要防止滥竽充数的参观者随意领取又随手丢弃。这就需要根据参观者的参展记录来区分，因前期已经做了充足的数据准备，此问题不难解决。
3.展会后期推广
一是展后宣传。 展后宣传是将展会的全部新闻稿提供给合作媒体，新闻稿包括的统计数据有：参观人数、平均参观时间、展位布局、成交额、展商和观众的反馈意见、下届展会信息等。将这些信息数据可视化后，直观的呈现在公众面前。
二是展后关系维系和发展。 因前期数据准备，组展商可以清晰地了解每个参展商及专业观众的参展信息，有能力对其进行世上独一份的致谢，并把这些信息入库，更新客户信息，为下届展会打下坚实基础。
四、结语
大数据在展览市场营销战略决策中的应用前景广阔，作用巨大。但因多种因素的限制及不完善，导致展览市场营销战略决策时仍缺乏大数据分析能力，运用不够成熟，同时也有一些忌惮，如个人隐私问题。现今，整个数据分析行业已达成一致的共识：尽可能确保收集到的数据是安全的。隐私安全问题解决后，更充分地、更具创造性地将数据分析运用到展会营销市场战略决策中，提高战略决策科学性，迎来展览行业大数据时代！
参考文献：
[1]王华. 会展概论[M]. 广州：暨南大学出版社，2010
[2]郭国庆.市场营销学通论[M]. 北京：中国人民大学出版社，2009
篇5
【关键词】大数据分析；市场营销；影响
现阶段信息技术已经和我们的生活生产密切相关，能够进一步改善我们的生活质量，还能够满足我们对于物质的实际需求。在互联网不断发展过程中，大数据已经成为信息主要载体，在大数据分析时代，过去的市场营销模式受到了不小挑战，企业发展面临重重阻碍，如何通过良好的营销活动让企业具备更高的综合实力，这也是相关工作人员需要解决的问题。
1大数据与市场营销的定义与特点
1.1大数据的定义与特点
大数据指的就是海量数据的集合，不能通过一般数据处理软件在特定的时间和空间范围内对数据进行处理、存储和管理，只有通过更为先进的处理方式才可以应用大数据。现阶段在应用和理解大数据时往往徘徊于概念层面，并没有提出更能满足实际需求的应用方案。大数据的特点包括快速增长，数据多且繁杂，而且需要靠特殊手段去甄别信息，在海量的信息中还包括大量垃圾信息，在对大数据进行分析时，一般是通过这些手段去筛选海量信息中的有用信息，剔除垃圾信息，这样才能使数据全部结合，并通过数据信息表象得到定论，才能为之后的工作制定重要战略基础。
1.2市场营销的定义与特点
市场营销指的就是企业在进行与生产、销售相关的经营活动，而且分析数据、市场调查以及设计产品等也包括在市场营销范围内，前期工作和后期工作都是帮市场做事，目的就是让企业生产的产品能够满足市场需求，让企业营销战略能够与时展相适应，为消费者带来更加满意的产品。市场营销特点包括可调性、指导性、全局性、整体性等，需要考虑微观层面和宏观层面，还要按照时间的推移让企业能够适当调整营销策略，满足市场发展需求，通过市场营销能够让企业在内部实现明确分工，并帮助企业和市场以及社会接轨。
2大数据分析时代下市场营销方式的转变
2.1精准化营销
在大数据分析，时代企业营销管理人员能够借助浏览消费者的网页记录，以及对于不同种类产品搜索以及购买频率能够对消费者实际消费水平进行科学分析，这样能够真正明确消费者的实际消费习惯，可以充分掌握他们的消费喜好，并在此基础上对现有的营销方案进行完善，能够制定更有针对性的营销计划。不仅如此数据分析人员能够在精准化营销中采集到更多商机，并且为消费者制定更有针对性的服务，可以满足消费者多方面需求，使顾客对企业产品服务更加满意，让企业在社会上树立良好形象。
2.2预测消费行为
在应用大数据分析技术的过程中，能够让企业营销管理人员对消费者可能做出的消费行为进行分析，并且在内部系统与外部系统中可以对消费者可能转变的消费方向进行预测。在内部系统中记录着消费者的交易信息，而外部系统则是网页搜索平台，要想让市场营销活动开展的更加顺利，就离不开内部、外部系统的支持。
2.3产品交叉销售
现阶段数据挖掘技术得到了大范围应用，能够对海量数据进行有机整合，并且可以找到消费者最经常购买的商品，按照消费者特点为他们制定有针对性的营销策略，可以对现有的商品营销进行调整，与促销方式进行结合，通过交叉销售能够让企业在市场中获得更多收益。
2.4处理客户关系
通过大数据技术能够在多种客户关系中找到核心客户，并且对客户消费数据进行深度挖掘，这样能够为那些具有价值的客户带来更为满意的营销服务，可以让客户对营销方式更加认可，能够帮助企业在市场中拓宽商品营销范围，让顾客对商品以及企业有更高的忠诚度和信任度。
3大数据分析时代对市场营销的影响研究
3.1产品营销策略
不同的消费者对于消费需求也有所区别，因此企业在营销方式方面也要做出一定调整。在大数据分析时代，消费者会通过网络平台浏览产品信息来实现购买行为，对于那些更加青睐的信息会以数据形式展示给企业营销管理人员，这些工作人员可以对消费者的浏览信息进行深入研究，并且按照消费者日常消费倾向可以为他们提供更能满足实际需求的产品，这种产品营销方式才是最精准的营销，能够真正实现个性化销售。
3.2价格调整策略
在不同阶段、不同时期，企业在进行产品定价时也会有所差异，而且成本会对产品定价产生直接影响，更与市场营销方向息息相关。通过大数据分析技术，可以让消费者对企业产品有更为全面、深入的了解，可以将消费者对于产品购买信息进行收集，并且通过调整价格来让消费者对现有的价格更加满意，能够对消费者理想价格进行预估，并制定最佳定价方案，不但能够让企业在产品投资回报率上有所提高，还能够防止由于不合理定价导致客户流失。
3.3模式更新策略
随着互联网技术不断发展，给市场营销模式带来更多可能。之前的B2B、C2C模式已经不能满足企业对于未来发展的全部需求，因此在这样的的背景下急需020消费模式来取代之前的内容，这样能够使企业实现双线营销活动。在大数据分析时代中，根据双线营销模式来明确企业需要实现扇平化发展，对顾客进行精准营销，这样才能规避营销风险。
篇6
关键词：大数据；供应链管理；研究展望
一、 引言
随着新兴信息技术以及应用模式的涌现，全球的数据量也呈爆发增长趋势。在数据管理中，存在三个维度的挑战，即数据量大（Volume）、数据类型繁多（Variety）以及数据增长快（Velocity）。另一些学者在3V的基础上发展了4V，但对第4个V却有不同的理解。国际数据公司（International Data Corporation，IDC，2011）认为，大数据应该具有价值性（Value），即指数据价值密度相对较低，这也就意味着如果数据增长但隐藏在数据背后的有用价值却没有呈比例增长，就会增加我们挖掘数据价值的难度。IBM则认为大数据还具有真实性（Veracity），也就意味着数据分析应建立在准确的数据之上，避免人为篡改或在传输中失真。虽然大数据成了近年来实践和理论研究的热点话题，但以往对于大数据的研究和预测性分析功能大多聚焦在对消费者数据分析、偏好预测分析等，而“大数据”在供应链中应用的研究却相对缺乏。如今供应链变得越来越复杂，企业要想保持自己的竞争优势，必须重视对于“大数据”的应用，工业研究咨询机构（Industry ARC）进行的研究指出，2018年全球供应链大数据市场将从2012年的大约4.3亿美元增长到37亿美元左右，2013年～2018年的年度复合增长率约为31.4%。Waller和Fawcett（2013）也指出，数据科学、预测性分析和大数据将会改变供应链的设计和管理方式，从不同的数据库获取信息来对供应链进行分析能够帮助供应链管理经理提高供应链的运营绩效，并且大数据还能促进企业间的信息协同，是企业的一种战略性资源。
二、 大数据在供应链运用中的影响因素
要在供应链运营和决策中有效的运用大数据，首先需要建立良好的大数据库，具备分析、整合大数据的能力。从研究的主要维度看，有关的研究和探索的问题主要围绕大数据的数据类型、数据质量、大数据分析技术以及大数据分析的人力资源等几个方面展开。
1. 大数据的数据类型。数据类型涉及到大数据的数据形态和获取的途径和方法，供应链中的大数据主要包括以下四种类型：（1）结构数据；（2）非结构数据；（3）传感器数据；（4）新类型数据。
结构数据指那些在电子表格或是关系型数据库中储存的数据，这一类型的数据只占数据总量的5%左右（Cukier，2010），主要包括交易数据和时间段数据。现在的大数据分析大多以这一类数据为主，其中重要的结构数据包括ERP数据，因为ERP系统中存储的数据是企业运转多年的系统积累的大量的行业数据，这些数据对于企业的经营决策和预测来说意义非常重大。
非Y构数据主要包括库存数据、社会化数据、渠道数据以及客户服务数据。尽管现在有大量的研究和报告在探讨数据和分析能力对供应链管理的重要性，但对于非结构数据，例如社会化数据对供应链的影响和作用的研究却相对缺乏。Natoli在2013年进行的行业调查中发现，尽管物流供应商、生产者以及零售商们都在借力于传统的供应链数据进行供应链的管理，但是参与调查的企业中，只有1%的企业参考了社交媒体数据。然而，社会媒体数据对于供应链运营管理的作用是十分重要的，如何利用社交媒体数据来指导企业进行供应链活动的规划（包括新产品的开发、利益相关者的参与、供应链风险管理以及市场探查等）以及社交媒体数据对供应链绩效产生影响的具体机制是我们下一步需要深入探讨的。而要想从内容丰富的非结构化数据中挖掘出商业智慧，就需要使用不同的研究方法和度量方式，包括描述性分析、内容分析以及网络分析等。
除了上述两种主要的大数据类型外，还有传感器数据和新类型数据。传感数据主要包括RFID数据、温度数据、QR码以及位置数据，这类数据增长很快，并能为供应链金融带来巨大商机；新类型数据主要有地图数据、视频数据、影像数据以及声音数据等，这类数据多用于可视化领域，并能够帮助提高数据质量，使数据的实时性更强、提高了数据分析的精准度。
2. 供应链大数据的质量。Dey和Kumar（2010）指出企业在进行大数据分析时，需要考虑数据的质量问题。低质量的数据不仅会影响企业的决策，甚至还可能导致企业产生损失。事实上，数据的有用性取决于数据质量，随着大数据重要性的跃升，对高质量数据的需求也增加了。
虽然现在对于数据质量评价还没有统一标准，但是大家一致赞同数据质量评价应包含多个维度指标。Lee等（2002）指出数据质量的评价应包括数据内在（Intrinsic）要求和情境（Contextual）要求。内在要求指数据本身所具有的客观属性，包括数据的准确性、及时性、一致性和完整性。情境指数据的质量依赖于数据被观察和使用的情境，包括关联性（Relevancy）、价值增值性（Value-added）、总量（Quantity）、可信度（Believability）、可及性（Accessibility）、数据声誉（Reputation of the Data）。
3. 供应链中的大数据分析技术。
（1）分析学。分析学是大数据分析的基础，它能帮助企业更好的基于事实做出决策，Davenport和Harris（2007）就指出，定量技术、预测模型等能提高企业的盈利能力。另外，大数据分析不仅能帮助我们获得新的见解，还有助于提高我们预测的准确性，但上述益处都是建立在数据挖掘和统计分析基础上。甚至可以说，大数据如果没有分析学对数据进行解析，数据也就仅是一堆“数据”，毫无价值。大数据需要分析学，但是要想让分析学崭露头角，拥有数据却是不够的，还得借助于分析工具。当然，分析学如果没有大数据作为研究对象，其也只是数学和统计的工具和应用方法罢了，无法发挥其对于企业的价值。
对于供应链风险的管理，主要包括事前、事中以及事后的管理，而大数据在这三方面都能发挥巨大作用。首先，大数据技术能使事前风险预判结果更加准确，因为大数据来源不仅包括企业本身产生的数据，还包括企业互联网或是移动平台获取的各种外部数据，而不同数据结合进行综合分析，结果更加可靠。其次，大数据技术能使企业的事中控制更加动态高效，因为大数据分析对于各类数据的整合有助于企业更好地掌握自身的行为模式，还便于其发现运营状态的变化规律，从而按照规律设置风险控制点以实现事中风险的动态管理。另一方面，大数据分析还能帮助企业识别异常情况，因为对于实时数据反复的迭代分析能够对于数据的模式产生一定的预期，而一旦某些数据出现异常，就能很快识别并采取一定应对措施。最后，大数据技术能为事后风险处置决策提供更好的支持，即使单个事件的发生具有偶然性，大数据有助于企业找出偶然性背后的必然性，由此企业便掌握了主动权，能够制定更加客观的风险处置决策。
四、 结论
本文对供应链管理中大数据的运用进行了梳理，认为如今学术界对于大数据在供应链中的应用研究相对稀少，落后于实践的发展，对于大数据对于供应链管理影响的具体机制以及大数据于供应链能力之间的交互作用缺乏深入理解。另外，目前的研究大多是描述性的，并且缺乏理论的支撑。本文认为未来对于大数据与供应链的研究应该沿着大数据运用的影响因素、大数据对供应链运营以及发展的影响这一研究路径继续。另外，实践问题应该和管理理论进行结合以深度挖掘问题中存在的本质，因此，未来的研究也需要强调与管理理论结合进行分析，将资源基础观、交易成本管、系统论等理论引入对大数据供应链的分析中，这定能椭加深对大数据在供应链管理中的价值的理解。
参考文献：
[1] Schoenherr T， Speier-Pero Cheri.Data Scie- nce， Predictive Analytics， and Big Data in Supply Chain Management： Current State and Future Potential[J].Journal of Business Logistics，2015，36（1）：120-132.
[2] Wu Y， Cegielski C G， Hazen B T， et al. Cloud Computing in Support of Supply Chain Information System Infrastructure： Understa- nding When to go to the Cloud[J].Journal of Supply Chain Management，2013，49（3）：25-41.
[3] 叶斌，黄文富，余真翰.大数据在物流企业中的应用研究[J].物流技术，2014，（8）：22-24.
[4] 闫俊.大数据对速递行业发展的影响研究[J].物流技术：装备版，2013，（12）：104-108.
[5] 相婷婷.电子供应链金融的技术支撑[J].电子测试，2013，（14）：245-246.
[6] 薛锦辉.供应链金融应该如何运用大数据[J].中国外汇，2014，（18）：36-37.
[7] 曹凌.大数据创新：欧盟开放数据战略研究[J].情报理论与实践，2013，36（4）：118-122.
[8] 韩蕊.淘金大数据业务创新才能赢[J].互联网周刊，2013，（21）：18-19.
[9] 李逸群，龙剑.大数据时代下战略性新兴产业的创新路径研究[J].消费电子，2013，（14）：173-174.
[10] 宋华.中国供应链[M].北京：中国人民大学出版社，2015.
[11] Schlegel G L.Utilizing big data and pre- dictive analytics to manage supply chain risk[J].The Journal of Business Forecas- ting，2014，33（4）：11-33.
基金项目：国家自然科学基金项目“产业供应链服务化条件下的服务外包决策与风险管理”（项目号：71272155）。
篇7
家电企业聚焦大数据
作为李白出生地、中国科技城的绵阳，是四川省第二大城市及经济高地，拥有西南科技、商贸、教育、交通之优势，是全国“智慧城市”试点、国家“数字家庭应用示范基地”之一。《绵阳市战略性新兴产业发展规划（2012-2015）》前瞻性的提出，将“新一代信息技术产业”等7大产业列为绵阳发展的战略性新兴产业，并将“智慧绵阳”等列为绵阳战略性新兴产业的重点工程。
绵阳市人民政府副市长郑蕾表示，绵阳的智慧城市建设目标是把绵阳建设成为一个基础设施先进、信息网络通畅、科技应用普及、生产生活便捷、城市管理高效、公共服务完备、生态环境优美、惠及全体市民的智慧城市。在实施智慧绵阳工程中，绵阳将加快宽带光纤接入网络建设，推进第三代（3G）移动通信网络、中国地面广播（CTTB）、中国移动多媒体广播（CMMB）全面覆盖，开展第四代（4G）移动通信技术（TD—LTE）规模商用示范；全面实施广电有线电视网络数字化、双向化升级改造，深度推进“三网融合”试点工作；实施以平安家庭、健康家庭为代表的“智慧家庭”端到端系统关键技术研发和产业链建设；组织新型网络设备、智能终端的研发及产业化，打造“三网融合”产业链核心产业单元；培育云计算服务、电子商务服务等新兴服务业态，促进信息系统集成服务向产业链前后端延伸。
在规划基础之上，数字家庭、智能交通、城市一卡通、智能停车场、应急联动等一批具体项目的实施，都将对绵阳市大数据分析能力提出更高要求。
同时，随着移动互联网、物联网以及三网融合的迅猛发展，“终端+平台+内容+服务”商业模式创新孕育着巨大的商业机会。尤其是布局大数据产业链，已成为包括制造业在内的诸多行业智能生态环境下竞争制胜的重要一环。
作为最具影响的消费电子企业之一，总部位于绵阳市的长虹集团多年来一直十分关注大数据行业领域发展，期望借助建设大数据中心平台挖掘自身大数据业务价值、实现智能战略转型，并利用政府的优势资源和政策支持，规避行业壁垒，进一步对外拓展大数据行业市场。而围绕大数据商业模式创新，长虹已积极展开多项相关技术合作开发，包括与中科院软件所进行大数据的数据挖掘项目合作，与中科大进行数据存储、图像识别、算法、云服务平台关键技术等方面的合作，与西安交大共同研发人脸识别、手势识别等技术。
因此，绵阳市政府、长虹集团携手IBM公司和文思海辉共同建立了“绵阳大数据分析竞争力中心”。该中心一方面将对“智慧绵阳”各个主题的数据进行深度分析和利用，助力绵阳市进行智慧城市的顶层设计；另一方面，该中心将以大数据分析和科学管理推动长虹集团智能战略实施和自身转型发展，从而有效实践数字家庭、智慧社区，帮助实现绵阳智慧城市的落地。
从数据挖掘到智慧城市
智慧城市建设离不开政府的支持与决策，近年来我国各个城市都在集中发力智慧城市建设，云计算、物联网技术为市民提供便利的同时也带来了大量的数据，面对海量数据，如何用、怎么用成为智慧城市建设的新问题。
而在绵阳市，长虹集团在家电业务的基础上，正在利用互联网平台做技术牵引进行转型，以找到更好的商业模式和商业机会。通过“绵阳大数据分析竞争力中心”提供的核心解决方案，长虹集团一方面将实现海量用户数据分析，形成决策数据用于改进生产工艺、提高用户体验；另一方面可以对内部生产环节、管理环节、销售环节及产品效益数据进行分析形成价值信息，用以指导企业内部生产环境改善、管理流程变革，成功实现公司战略转型，并以此促进绵阳市产业链转型及升级，以切实行动推进智慧绵阳的深层次发展。
四川长虹电器股份有限公司总经理助理、四川长虹电子集团有限公司服务产业集团董事长莫文伟表示：“长虹集团作为我国消费电子领头羊，将深化智能战略转型发展，已将数字家庭、智慧社区、智慧城市为代表的系统解决方案列为重点发展的业务，计划通过大数据分析技术，以绵阳为建设起点，以智慧家庭数字家庭、智慧教育、智慧社区为突破口，并利用长虹传统行业影响力积极向周边扩展智慧公交站、一卡通等相关业务，向系统解决方案提供商转型”。
由于长虹拥有行业内非常全面的黑、白智能家电产业线，不仅带来了长虹商业应用开发大数据的可能，而且也将推动长虹加快建立统一黑、白电云服务和大数据服务平台的步伐。
篇8
[关键词]大数据 大学生 个性化就业指导
[作者简介]张家明（1976- ），男，湖北武汉人，武汉理工大学信息工程学院，副教授，硕士，研究方向为高教管理和大学生思想政治教育。（湖北 武汉 430070）
[中图分类号]G647 [文献标识码]A [文章编号]1004-3985（2014）24-0098-02
20世纪60年代初，美国麻省理工学院的气象学家爱德华・洛仑兹在研究时发现，当系统产生随机行为时，系统的初始条件取值稍有变化，所求的结果随时间的推移，前后两者就会相差越来越大，即产生随机行为的系统具有对系统初始条件的敏感依赖性。这就是“西双版纳的蝴蝶扇扇翅膀，日本就可能刮起飓风”。
西双版纳与日本相距万里，但仅仅是蝴蝶展翅这样微小的动作，也能够造成日本飓风这样巨大的影响。它所表达的理念是，耗散结构的运作，对于起始状态极为敏感，绝不能等闲视之。这就是“蝴蝶效应”，即初始条件的细微变化导致系统未来长期行为巨大差异的系统特征。因此，没有任何东西能够比蝴蝶效应更完美地表达出信息时代的“大数据资产”的高校教育管理战略思想，所有重大的变化，都只不过是一系列数据积累的结果，而这一系列数据最原始的出发点，就是蝴蝶效应中蝴蝶摆动的那几次小小的动作。
一、大数据技术应用于大学生个性化就业指导的重要性
随着因特网、物联网、云计算、移动互联网、手机、平板电脑等数据来源和数据承载方式的飞速发展，全球数据量出现爆炸式增长，大数据带来的信息风暴正在变革我们的生活、工作和思维，大数据时代已经来临，2013年也被称为中国的大数据元年。高等学校作为人才最密集、思维最活跃、网络技术知识运用广泛的前沿阵地，高校的教育、管理和服务模式以及师生的思维方式、行为观念、学习习惯等必将受到大数据浪潮的深刻影响。
据统计2013年高校毕业生总数达699万人，目前国内整体就业形势仍然不容乐观。如何做到查明毕业生情况、了解就业市场趋势，是高校开展大学生就业服务工作的难点之一。本文以大数据时代为背景，通过大数据分析技术创新高校大学生就业工作，实现就业指导从共到个性化服务，从粗放服务到精准服务的转变。
当前，学校就业管理部门通过历年就业白皮书掌握毕业生资源基本信息、用人单位与招聘需求信息、毕业生流向、毕业生求职意向和择业行为调查、毕业生对就业工作意见等海量数据；另外，高校学工部、教务处、校园一卡通中心、相关学院部门等具有完备的学生基本信息、成绩、校园卡消费、图书馆借阅以及学生日常表现、性格特点、兴趣爱好、奖惩情况、与家长沟通等个性信息。此外，互联网上的微博、微信、QQ空间、QQ群、人人网、飞信以及校内外各类BBS贴吧和搜索引擎也蕴含着学生大量的思想状况、情绪波动、交友择业等动态信息。本文在分析上述大学生海量数据基础上，完善针对大学生个性化就业指导的大数据模型及相应分析算法，为大学生个性化就业指导提供更加客观、科学、准确的数据、算法和模型支撑。通过大数据技术预测学生的就业行为趋势，对其提供更有针对性的就业指导服务。
二、高校大学生个性化就业指导大数据分析
1.多样数据的定义和获取。多样数据应首先包含传统就业数据，即就业形势分析、就业政策、求职技巧、就业推荐信息、就业讲座信息、招聘单位、招聘会信息等；其次，个性化就业指导是根据学生的个性化信息进行“靶向”指导，需要了解学生的基本信息，包括主修专业、学习成绩、兴趣爱好、培训经历、就业意向等尽可能全面的个人信息；再次，多样数据应包括已毕业、就业学生的个人基本信息、就业去向、当前发展以及就业行业、岗位数据，囊括岗位性质、基本要求、素质要求、发展前景、成长路径等信息；最后，多样数据应包含获取的网络海量，此类信息将作为数据分析参照，为学生个性化就业提供相关性参考。
大数据的基础是海量信息数据，要进一步拓展多样数据的采集途径，并且使采集来的存储数据易于提取，能够被按照一定的条件搜索出来。另外整合学校不同部门的资源信息，同时将收集网络海量信息以期达到最大效果。
2.面向大学生个性化就业指导的大数据模型及分析方法。获取大量个性化就业指导多样数据后，便可以开始进行就业指导“大数据”分析操作，即建立分析模型、构造数据算法进行数据分析。面向就业指导的大数据分析模型应具有全面性，尽可能掌握限定范围内的“全样”而非“抽样”；分析模型更加注重效率，注重分析结果的时效性和动态变化而非精确性；对学生进行个性化就业指导更注重相关性而非确定指向性或因果性。
3.大数据分析原型系统的设计开发。通过原型系统的大数据分析，指出当前大学生的就业需求和趋向，分析学生就业单位的普遍水准和质量，为就业管理部门协调组织用人单位来校招聘提供重要参考；同时对学生个性化信息的分析，可以帮助就业指导人员实施个性化就业指导，增强就业指导的针对性和有效性。原型系统设计和测试初期以电子信息类大学生为例，“全样”采集电子信息类在校学生和毕业两年内学生的基本信息，收集学生的个性信息及相关网络数据，整理历年来电子信息类用人单位信息，进行大数据分析实测。
4.加强就业指导中的思想政治教育工作。当前就业单位对大学毕业生的就业能力和职业素养要求越来越高，大学生思想观念不断变化，大学生就业指导工作已由单纯的就业指导转为世界观、价值观、人生观和职业道德的思想政治教育。个性化就业指导首先是对学生择业观念的教育引导，帮助大学生树立正确就业观念，避免盲目跟风、随波逐流、人云亦云的就业思想，同时提高对数据信息的敏感性，主动收集、整理并认真分析。
三、大学生个性化就业指导大数据分析应注意的问题及建议
1.大数据分析应防止“三脱钩”问题。首先，防止大数据与大学生个体脱钩。随着互联网的发展，大数据时代的到来，谁掌握了大数据分析，谁就掌握了主动权，将大数据分析应用到大学生就业指导，就是掌握了信息化时代对大学生就业指导的主动权，实现更高效、更准确、更个性的就业指导。但是，面对大数据的浪潮，我们应该保持冷静，大数据的载体是大学生，不能只见数据而不见人，防止变大数据分析这一手段为目的，本末倒置。明确认识到大数据的背后是大学生的思想行为，涉及的是大学生的思维方式、行为习惯。大数据分析的最终目的不是数据的积累和模型的建立，核心价值在于引导大学生树立正确的世界观、人生观和价值观，促进大学生健康成长、成才。
其次，防止大数据与真实性脱钩。大数据时代，大学生获取信息量大、速度快，但是信息的价值密度低，大学生自身的价值体系并没完全成熟，无法准确理性判断信息的真伪，这直接影响大学生在互联网上各种平台如微博、QQ、人人网等即兴发表的言论的真实性。海量信息必然影响信息的质量，当我们将大数据分析应用于大学生个性化服务和指导时，也应注意分析搜集到的大学生信息的准确性，如果大数据本身存在偏差，必然使大数据分析的价值效应大大降低。
最后，防止大数据分析与社会实际脱钩。大数据分析的价值在于现实应用，即通过大学生全方位信息的掌握，全面认识大学生个体的优势与劣势，了解社会发展趋势及就业市场人才需求，更加科学地指导大学生实现适合自身特点的和谐性就业，实现学生、学校和社会的多方共赢。我们应该注意，大数据分析不能脱离社会实际，尤其是高校的大数据分析不能忽视学生个体的特殊性和本校、本地以及就业市场的现实条件，在避免抹杀大学生个性的同时，要更加注重防止大学生的成长成才与社会需求脱钩。
2.大学生个性化就业指导的大数据分析要努力增强科学性。高校中的大数据分析应用无疑能引发高校的“蝴蝶效应”，产生一系列翻天覆地的变革，变革意味着创新，而在创新过程中，由于新事物自身还不完善，对新事物的了解不透彻，容易迷失在信息的海洋，出现如上所述各种问题。鉴于此，大数据分析在大学生个性化就业指导中的应用如下：
首先，应该增强大数据分析的针对性。增强现实针对性，就是要将大数据分析及各种系统与模型的建立与大学生的需要结合起来。大数据分析是将高校的大学生就业指导与大学生需求紧密联系起来的桥梁，是为大学生成长成才服务的，我们不能一味追求大数据的“大”，而应该根据大数据分析和模型，了解大学生的现状，满足大学生的需求，实现学校与大学生的良性互动，指导大学生树立正确的就业观和成才观，从而使大学生走出校门后，能与社会所需人才岗位无缝对接，并在工作中体现自身的人生价值。
其次，要增强大数据分析的准确性。信息化时代，大学生思想活跃，对大学生的指导和教育难度必然加大，应组织各类别专业力量找准入口，拓宽渠道，搜集、甄选数据。充分利用辅导员长期在一线获得的大量实际信息以及学工部、教务处等记录的学生信息，通过与网络信息对比结合，准确提炼，分析加工各种信息，筛选出有价值的数据，提高大数据分析的准确性和客观性。此外，还需要培养一支专业队伍，为大学生个性化就业指导提供专业的数据分析和智力支持。
最后，要增强大数据分析的系统性。当前大学生就业难成为社会一大难题，这一问题使得高校就业指导必须进行调整，大数据分析的应用无疑为就业指导提供了新的技术和方法。但大数据分析尚处于初步发展阶段，我们应该建立一套有序、动态、系统的运行管理机制，随时根据大学生和外界的变化，对数据系统进行合理调整。大数据分析的应用还要设立一套严格的标准，这样才能保证大数据的分析应用不脱离客观现实，提高大数据分析对大学生个性化就业指导的科学化水平。数据分析模型建立后，还要注意与社会各类系统的信息共享，建立完善反馈机制，不断为数据分析模型增添新鲜血液，保持数据分析模型的持续生命力。
四、结束语
“大数据的核心就是预测。”大数据的主要功能就是通过数据算法分析海量数据，预测出事情发生的可能性，但目前大数据应用于大学生个性化就业指导方面还存在一些问题，笔者下一步加强和改进的计划包括：拓展多样数据采集途径和完善大数据分析模型及算法，结合大数据技术建立主动学习的“就业云课堂”，为大学生个性化就业指导提供更加客观、科学、准确的数据、算法和模型支撑，最终预测学生就业行为趋势，实现大学生的个性化服务就业指导服务。
[参考文献]
[1]胡逸.运用大数据技术促进大学生就业[N].中国组织人事报，2013-09-04.
[2]梁家峰.适应与创新：大数据时代的高校思想政治教育工作[J].思想教育研究，2013（6）.
[3]桑庆兵.大数据在高校的应用与思考[J].南通纺织职业技术学院学报，2013（2）.
篇9
电子商务的本质是运用现代计算机通信技术，尤其是网络技术进行的一种社会生产经营形态。其根本目的是提高企业生产效率、降低经营成本、优化资源配置，从而实现社会财富的最大化。电子商务要求的是整个生产经营方式价值链的改变，是利用信息技术实现商业模式的创新与变革。作为电子商务企业，其与生俱来的特点就是大数据，而信息时代最大的财富也正是海量数据，因此电子商务企业实现数据化运营也显得尤为迫切和必要。数据化运营的核心是“以企业级海量数据的存储和分析挖掘应用为核心支持的，企业全员参与的，以精准、细分和精细化为特点的企业运营制度和战略。”数据化运营是在诸多先进技术的直接推动下快速发展起来的，如数据挖掘技术、数据存储技术、数据压缩技术等。在当前的大数据时代，数据技术的飞速发展推动了大数据的存储及其分析挖掘，从而推动了现代企业，特别是电子商务企业，对海量数据的分析、挖掘、提炼和运用，并将其运用于整个流程当中，给予电子商务企业数据化运营以充分发挥的平台。电子商务企业的数据化运营战略将大数据作为企业经营的战略资源予以运作，以信息为经济要素，构建数据价值链，以数据资源带动其他资源的使用效率的提高。在电子商务企业的数据化运营活动中，管理会计应该充分发挥会计的信息效应。
二、管理会计数据化运营对电子商务企业的支持作用
在21世纪这个信息化的时代，新兴信息技术与应用模式不断地涌现，全球数据量呈现出前所未有的爆发式增长态势。数据量越来越大、数据类型越来越复杂、数据变化频率越来越快，但是数据的价值密度却相对较低。如何沙里淘金，有效地利用这些大数据创造价值，如何将其作为企业的战略性资源予以运营，一部分先知先觉的企业已经行动起来。对于电子商务企业来说，数据化运营作为一种战略性经营模式，是促进企业从粗放化经营向精细化经营发展的必然选择。成功的企业数据化运营必须有四个方面的基本保证，即企业级海量数据存储、精细化运营需求、数据分析与数据挖掘技术支持以及企业各层次、各岗位的员工的参与。电子商务企业数据化运营中，管理会计日常反映的不只是实际发生的经济活动，更主要的是配合数据化运营活动，系统反映企业所具备的优势、劣势的动态变化，以及企业外部随时可能出现的机会与威胁，从而对电子商务企业正在或即将进行的各种活动发出警示、进行指导。管理会计的信息服务对象侧重，不仅重视结果更注重过程的观念取向，以及满足企业经营决策与业绩管理的业务处理基准，都决定了其在企业数据资源价值创造中的关键性作用。管理会计数据资源价值创造的主导的发挥，决定了管理会计在电子商务企业数据化运营中的关键支持作用。电子商务企业的数据化运营战略将大数据作为企业经营的战略资源予以运作，以信息为经济要素，构建数据价值链，以数据资源带动其他资源的使用效益的提高。在企业的数据化运营活动中，管理会计应该充分发挥会计的信息效应。管理会计的实践不仅要通过提供信息来影响管理者的判断和决策，而且要通过影响具有大数据特征的信息的搜寻和处理，通过影响组织和环境的描述和判断，支持数据化运营中的全员参与和配合，而这正是大数据时代企业保持核心竞争力的必要手段。
三、支持电子商务企业的管理会计数据化运营方式
数据化运营是一种“开发合作式”的运营，要更好地发挥管理会计在电子商务企业数据化运营中的功能，首先应该要数据化运营的整体性与合作性特征，打破业务界限以及业务与财务部门之间的数据区隔，形成虚拟管理会计团队。进一步要将管理会计重点完全转移到战略管理轨道上，将战略管理会计以“价值创造”为核心的理念，以“竞争优势形成”为目标的思想有机地融入数据化运营的实务。利用数据分析、数据挖掘技术处理会计大数据，利用虚拟组织或团队的灵活、快速反应，通过以战略为导向的管理会计工具的组合运用，实现管理会计信息系统的整合及管理会计范式的创新。作为企业经营管理工具的管理会计，其基本职责就是提供信息数据，以支持企业的经营决策、控制与评价，支持企业的战略管理。要发挥管理会计在电子商务企业数据化运营中的主导作用，就要利用大数据的数据分析、挖掘等技术改造管理会计的信息处理与提供方式，建立支持电子商务企业数据化运营实施的平衡计分卡，集成性应用管理会计方法，从战略视角促进管理会计功能的有效实施。
1.变革信息处理方式
电子商务企业进行数据化运营的结果是企业获得了更先进数据处理技术、更充分的数据资源和更快的数据处理速度，但这并不是企业数据化运营中的真正需求，能够让信息在业务运营中创造价值才是企业的真正需求。在大数据时代，如何从会计大数据中提炼出有价值的信息是管理会计所要解决的关键问题。为适应大数据环境下电子商务企业数据资源价值增值的需要，管理会计的信息处理手段必须进行相应的变革。适应大数据环境下电子商务企业数据运营的需要，从时间上管理会计信息处理要从事后的定时分批的数据收集、处理，转向事中实时的数据收集、处理；从空间上管理会计信息处理要从部门集中的数据收集、处理转向异地分布式的数据收集、处理。管理会计的信息处理应从以货币为主的计量手段向多种计量手段综合运用，定量与定性并用的数据处理方式过渡。借助新型的信息技术，扩展管理会计信息系统的范围，保证其信息处理的及时性，甚至是实时性。同时管理会计数据处理又必须确保会计大数据的质量，保证会计大数据的准确性、完整性、一致性、时效性、可信性和可解释性等。
2.整合管理会计工具
在企业数据化运营中管理会计要体现其核心地位，要发挥数据资源运营的主导功能，就必须突破原有的实践体系，创新原有的功能性方法及其运用方式，通过管理会计工具的整合运用，集成性地发挥管理会计的功能，从而提升企业数据化运营的效益。根据企业数据化运营的管理需求，将管理会计工具分别整合成为面向运营战略分析与规划的工具包，面向运营过程成本计量与控制的工具包，以及面向员工激励、由可供员工在数据分析中使用的方法的工具包。基于战略的视角，借助大数据技术变革的管理会计信息处理方式，实现财务信息和非财务信息等多种类型数据的融合，通过管理会计工具的组合，描述、分析、评判企业的经营态势，确定企业经营成功的关键因素，发现和创造信息资源价值，实现管理会计的数据化运营功能。
3.建立数据化运营战略平衡计分卡
平衡计分卡是将战略转化为行动的目标与措施体系，是战略绩效评价的重要工具。电子商务企业数据化运营战略的实施也同样需要建立平衡计分卡体系，需要将数据化运营的目标与措施分别纳入平衡计分卡的财务、客户、内部经营流程及学习与成长维度，从当前与长远、内部与外部、财务与非财务、过程与结果多角度地进行数据化运营的对策设计和过程控制。平衡计分卡的财务维度反映数据化运营的直接与间接财务成果；客户维度则需要反映数据化运营中满足企业外部客户的产品与服务需求方式与程度，以及满足企业内部各部门的数据分析与数据挖掘需求的方式与程度；内部经营流程维度要体现管理会计对数据化运营过程各环节的成本与风险的度量与分析，帮助实现进行整个运营过程的反馈控制；学习与成长维度要对数据化运营的精细化管理制度、员工的数据意识培养以及企业运用数据分析、数据挖掘技术的能力等予以规划与体现。
四、结论
篇10
关键词：节能潜力；大数据分析；Hadoop
中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2017）03-0016-03
Design and Implementation of Energy Saving Potential Data Analysis System for Iron and Steel Enterprises Based on Hadoop
WANG Cheng-hui， WANG Jian， DAI Yi-ru
（CIMS Research Center，Tongji University， Shanghai 201804， China）
Abstract： In order to improve the level of energy consumption of iron and steel enterprises， put forward a kind of energy saving potential of big data analysis based on Hadoop system construction method， and application of the system， an example proves that the method analysis in the energy saving potential of the iron and steel enterprise， has the characteristics of convenient operation and easy popularization.
Key words： energy saving potential； big data analysis； Hadoop
我国做为能耗大国，能源消耗量十分巨大，然而，能源利用率却远远低于发达国家，这个问题严重制约了国家可持续发展战略的落实。钢铁企业作为国民经济的支柱产业，提高钢铁企业的能耗水平，对我国建设“资源节约型”国家战略部署具有重大意义。然而，我国钢铁企业的能耗水平与发达国家相比，仍然存在着十分巨大的差距。面向我国钢铁工业节能减排发展目标，针对其生产过程中的高能耗、高排放的运行特点，不断挖掘自身的节能潜力，在保证钢铁生产质量和产量的前提下减少能源的消耗量，提高企I的能耗水平。加热炉是钢铁企业重点能耗设备，是轧钢生产的主要耗能设备，其能耗占轧钢工序能耗的60%―70%，因此，提高加热炉的能耗水平对钢铁企业节能起到至关重要的作用。本文通过分析钢铁企业加热炉生产过程产生的海量能耗数据，利用本体建模技术构建钢铁企业加热炉本体模型，并将本体模型与加热炉能耗数据进行数据映射，利用比较流行的大数据分析技术，构建加热炉生产能耗模型，从中挖掘出加热炉能耗规律，进而分析出加热炉的节能潜力所在，并给出加热炉生产过程中的最佳工况参数去填补这部分的节能潜力。
1 系统构建
系统设计思路可以概括为：首先进行系统数据准备，然后将原始数据进行数据预处理，接着对处理后的高品质数据进行数据分析，最后挖掘出数据背后隐藏的价值找出节能潜力所在，并找出最佳工况参数弥补这部分节能潜力所在。具体由以下六部分组成。
图1 系统总体架构
1.1 数据准备
数据采集负责将数据从业务系统采集到大数据分析系统。数据采集工作本身不在Hadoop分析平台中，但是在整个分析系统中起着重要的作用，起着桥梁作用，连接业务系统和分析系统，将业务系统与分析系统实现了解耦。企业由于生产管理的需要对于有些数据甚至只有纸质记录，因此第一步需要将这些生产数据进行整合，将这些纸质数据进行电子化。数据准备是为分析系统提供数据支撑，是整个系统的基础模块。
1.2 分布式存储
分布式文件系统（The Hadoop Distributed File System，HDFS）是一个运行在普通的组件集群上的分布式文件系统，它是HADOOP框架主要的存储系统。由于HADOOP具有高数据吞吐量、高度容错的特性，因此使得其具有很高的效能。HDFS还为数据存储提供了包括API以及各种操作命令等多种访问接口。使用HDFS，我们可以为海量的原始数据集提供存储空间，对临时文件进行存储，为数据预处理、数据分析提供输入数据，同时也可以将分析输出的数据存入到HDFS中。HDFS采用master/slave架构。通常情况下，一个名称节点NameNodes和若干个数据节点DataNodes便可构成一个HDFS数据集群。Namenode是一个中心服务器，负责管理文件系统的名字空间（namespace）以及客户端对文件的访问。在HDFS集群中，每一个文件都会被划分为一个或几个数据块（blocks）分别保存在不同的数据节点DataNode中。集群中的Datanode主要负责管理它所在节点上的存储。HDFS将文件系统的名字空间暴露给用户，用户可以以文件的形式在上面存储数据。
1.3 数据预处理
大数据分析本身就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，分析出隐藏在数据背后的规律和价值。因此，需要对这些有噪声的、不一致的数据源，进行数据预处理操作。数据预处理主要是为分析系统提供高品质的数据。数据抽取主要是从原始数据中选出与分析目标有关联的数据源。如果不能排除无关的数据属性，既会增加数据分析的复杂度，也会提高数据分析的时间，同时会降低数据分析的准确性。数据清洗主要是解决数据的空缺值、错误数据、孤立数据点、数据噪声问题。其中对数据空缺值和错误数据是进行处理是数据清洗的重点，而后两者因为有可能在其中发现某些特殊的数据规律，因此可以暂时不需要进行数据处理。
1.4 本体模型构建
本体是概念化的明确的规范说明。能够描述类、实例以及它们的属性是如何定义、描述和关联的，是对领域中的概念及概念之间联系的显式描述。详细来说，就是要描述一个领域需要哪些概念，概念由哪些属性标识，属性又具有什么约束，概念对应于哪些实例。并将本体模型与具体数据属性进行映射，为数据分析提供数据源。
1.5 分布式计算框架
分布式计算框架是大数据分析系统的核心功能，分布式计算可以使用多台服务器同时进行数据计算，可以很大程度提高数据分析的效率。基于Hadoop的大数据分析系统主要采用的是MapReduce分布式编程模型。该模型简单易用，对于程序员来说在没有了解其底层实现细节的情况下仍能够写出处理海量数据的程序。MapReduce首先通过Map程序将海量数据分割成多个小区块，将其分配给大量服务器进行处理；然后将处理结果交给Reduce，最后Reduce将处理结果汇总后输出到客户端。
1.6 分析结果展示
分析结果可视化，主要是给用户提供一个友好的、直观的方式查看分析系统进行大数据分析以后得到的分析结果。
2 系统应用
加热炉是钢铁企业重点能耗设备，是轧钢生产的主要耗能设备，因此提高加热炉的能耗水平对钢铁行业节能具有重要意义。现以某大型钢铁企业步进式加热炉为例进行系统构建应用。在轧钢生产中，必须将钢坯加热到一定的温度，才能对钢坯进行轧制。对钢坯进行加热的设备就是加热炉。步进式加热炉是依靠步进梁的顺序、往复运动使得加热炉钢坯从炉尾移动到出料口，中间经过预热段、加热段、均热段。最终使得钢坯达到规定的温度后出炉。加热炉在生产过程中产生海量的数据，利用HDFS实现海量的能耗数据的分布式存储，通过本体建模技术实现加热炉本体模型构建与数据属性映射，为大数据分析提供数据源；系统的分析主要是通过在MapReduce分布式分析模型上运用线性回归、遗传算法等对Hadoop平台筛选出来的数据进行分析，从而挖掘海量数据背后隐藏的能耗模型，挖掘加热炉的节能潜力，分析加热炉的最佳工况运行参数，提高加热炉的能耗水平，构建加热炉大数据节能潜力分析系统。系统主要模块如下：
1）大数据管理：本体模型、大数据管理；
2）工艺参数模型：工艺参数模型；
3）工艺参数模型管理：工艺参数模型管理；
4）工艺优化：工艺模型⑹配置、工艺优化。
2.1 大数据管理
大数据管理主要实现对加热炉生产能耗数据提供统一的接入接口，并对加热炉实现本体建模与数据映射，为数据分析提供数据源。
2.2 工艺参数模型
工艺参数模型主要是运用大数据管理模块提供的一致性的多源数据，运用大数据处理的智能分析能力，通过运用神经网络算法对海量的数据进行深度挖掘，提取出数据背后潜在的工艺能耗模型，为面向节能减排的工艺分析与参数优化提供能耗模型。
2.3 工艺参数模型管理
工艺参数模型管理主要是对已经构建完成的模型实现直观的管理与展示工作。用户可以根据需要对已经存在的模型进行在线编辑，而且模型编辑完成进行保存导数据库以后可以为工艺参数优化提供优化模型。
2.4 工艺优化
实现对模型参数进行配置，利用工艺模型参数配置的参数范围与工艺能耗模型模块构建的模型最为输入，通过使用遗传算法对加热炉运行工况参数进行模型寻优，从而找出加热炉面向节能减排的最佳工况运行参数。
3 结束语
本系统在Hadoop平台下可以方便地实现数据的分布式存储、管理和查看，为企业历史生产能耗数据的管理和分析提供方便，利用MapReduce分布式计算模型，运用线性回归、遗传算法通过对生产能耗数据进行分析、优化，从而找出数据背后隐藏的价值与节能潜力所在，输出最佳工况参数，弥补这部分节能潜力。因此，所述方法对于挖掘钢铁行业节能潜力并实现节能降耗有着重要的现实意义和应用价值，具有方便操作、易于推广的特点。
参考文献：
[1] 高洪， 杨庆平， 黄震江. 基于Hadoop平台的大数据分析关键技术标准化探讨[J]. 信息技术与标准化， 2013（5）： 27-30.
[2] 菅志刚， 金旭. 数据挖掘中数据预处理的研究与实现[J]. 计算机应用研究， 2004（7）： 117-118，157.
[3] 杨军， 徐铁军. 钢铁企业节能潜力分析[C]// 中国金属学会， 冶金循环经济发展论坛论文集. 中国金属学会， 2008： 4.
[4] 唐杰， 梁邦勇， 李涓子， 等. 语义Web中的本体自动映射[J]. 计算机学报， 2006（11）： 1956-1976.
