引論：我們為您整理了13篇大數據技術論文范文，供您借鑒以豐富您的創作。它們是您寫作時的寶貴資源，期望它們能夠激發您的創作靈感，讓您的文章更具深度。
篇1
1.2云計算的發展
云計算可以像電力資源一樣提供彈性的按需服務，事實上它是集合了一系列的服務提供給用戶。云計算的核心可分為三個層次，分別為基礎設施層、平臺層、應用層，如圖2所示。云計算將基礎設施、軟件運行環境、應用程序抽象成服務，具有可靠性高、可用性強、規模可伸縮等特點，滿足了不同企業的發展需求，各個云服務提供商根據各自服務對象的差別分別開發了各具特色的云服務。（1）基礎設施即服務層基礎設施即服務（InfrastructureasaService，IaaS）層通過部署硬件基礎設施對外提供服務，用戶可以根據各自的需求購買虛擬或實體的計算、存儲、網絡等資源。用戶可以在購買的空間內部署和運行軟件，包括操作系統和應用程序。消費者不能管理或控制任何云計算基礎設施，但能控制操作系統的選擇、存儲空間、部署的應用，也有可能獲得有限制的網絡組件（如防火墻、負載均衡器等）的控制。云服務提供商為了使硬件資源得到更有效的利用，引入了Xen、KVM、VMware等虛擬化技術，使得云服務商可以提供更個性化的IaaS服務。亞馬遜彈性云計算（AmazonElasticComputeCloud，AmazonEC2）是亞馬遜Web服務產品之一，AmazonEC2利用其全球性的數據中心網絡，為客戶提供虛擬主機服務，讓使用者可以租用云服務運行所需應用的系統。（2）平臺即服務層平臺即服務（PlatformasaService，PaaS）層是指云計算應用程序開發和部署的平臺，包括應用設計、應用開發、應用測試和應用托管，都作為一種服務提供給客戶。開發者只需要上傳代碼和數據就可以使用云服務，而無需關注底層的具體實現方式和管理模式。鑒于PaaS平臺的重要意義，國內外廠商根據各自的戰略提出了相應的PaaS平臺，國外的如GoogleAppEngine（GAE），通過GAE，即使在重載和數據量極大的情況下，也可以輕松構建能安全運行的應用程序。國內也有新浪的SAE（SinaAppEngine）、阿里的ACE（AliyunCloudEnginee）等。（3）軟件即服務層軟件即服務（SoftasaService，SaaS）層是為云計算終端用戶提供基于互聯網軟件應用服務的平臺。隨著Web服務、HTML5、AJAX、Mashup等技術的成熟與標準化，SaaS應用近年來發展迅速，典型的SaaS應用包括GoogleApps、SalesforceCRM等。國外云計算平臺比較成功的應用案例有：亞馬遜電子商務網站根據用戶的購買行為和搜索技術搭建Hadoop集群，構建推薦系統；Twitter社交網站搭建Hadoop分布式系統用于用戶關聯的建立。國內云計算平臺的成功案例有：阿里巴巴目前整個集群達到1700個節點，數據容量達到24.3PB，并且以每天255TB的速率不斷攀升；2013年，華為推出國內首個運營云平臺，目前為止與該平臺簽訂協議的ISV有3000多家。
1.3云計算相關技術
（1）分布式文件系統分布式文件系統（GoogleFileSystem，GFS）[3]是Google公司針對云計算過程處理海量數據而專門設計的。一個GFS集群由一個主節點和多個從節點組成，用戶可以通過客戶端訪問文件系統，進行正常的文件處理工作。在云計算中，海量數據文件被分割成多個固定大小的數據塊，這些數據塊被自動分配到不同的從節點存儲，并會在多個節點進行備份存儲，以免數據丟失。主服務器管理文件系統記錄文件的各種屬性，包括文件名、訪問控制權限、文件存儲塊映射、塊物理信息等數據。正是通過這個表，文件系統可以準確地找到文件存儲的位置，避免數據丟失，保證數據安全。圖3是GFS的體系結構示意，每一個節點都是普通的Linux服務器，GFS的工作就是協調成百上千的服務器為各種應用提供服務。（2）分布式并行數據庫BigTableBigTable[4]是一個為管理大規模結構化數據而設計的分布式存儲系統，可以擴展到PB級數據和上千臺服務器。很多Google的項目使用BigTable存儲數據，這些應用對BigTable提出了不同的挑戰，比如對數據規模的要求、對時延的要求。BigTable能滿足這些多變的要求，為這些產品成功地提供了靈活、高性能的存儲解決方案。BigTable采用的鍵是三維的，分別是行鍵（RowKey）、列鍵（ColumnKey）和時間戳（Timestamp）。行鍵和列鍵都是字節串，時間戳是64位整型；值是一個字節串，可以用（row:string,column:string,time:int64）string來表示一條鍵值對記錄。（3）分布式計算框架MapReduceMapReduce[5]是Google公司提出的大數據技術計算框架，被廣泛應用于數據挖掘、海量數據處理以及機器學習等領域，由于其并行化處理數據的強大能力，越來越多的廠商根據MapReduce思想開發了各自的云計算平臺，其中以Apache公司的Hadoop最為典型。MapReduce由Map和Reduce兩個階段組成。用戶只需要編寫簡單的map()和reduce()函數就可以完成復雜分布式程序設計，而不用了解計算框架的底層實現。MapReduce的數據分析流程如圖4所示。分布在不同服務器節點上的海量數據首先通過split()函數被拆分成Key/Value鍵值對，map()函數以該鍵值對為輸入，將該鍵值對進行函數處理，產生一系列的中間結果并存入磁盤。MapReduce的中間過程shuffle()將所有具有相同Key值的鍵值對傳遞給Reduce環節，Reduce會收集中間結果，并將相同的Value值合并，完成所有工作后將結果輸出給用戶。MapReduce是一個并行的計算框架，主要體現在不同的服務器節點同時啟動相同的工作，并且在每個獨立的服務器節點上又可以啟動多個map()、reduce()并行計算。
2基于云計算的大數據處理
目前大數據處理的基本流程如圖5所示，整個流程經過數據源的采集，用不同的方式進行處理和加工，形成標準的格式，存儲下來；然后用合適的數據計算處理方式將數據推送到數據分析和挖掘平臺，通過有效的數據分析和挖掘手段，找出大數據中有價值的信息；最后通過可視化技術將信息展現給人們。
2.1數據采集存儲
大數據具有不同結構的數據（包括結構、半結構、非結構），針對不同類型的數據，在進行云計算的分布采集時，需要選擇不同的數據采集方式收集數據，這也是大數據處理中最基礎的一步。采集到的數據并不是都適合推送到后面的平臺，需要對其進一步處理，例如來源不同的數據，需要對其進行加載合并；數據存在噪聲或者干擾點的，需要對其進行“清洗”和“去噪”等操作，從而保障數據的有效性；數據的格式或者量綱不統一的，需要對其進行標準化等轉換處理；最后處理生成的數據，通過特定的數據庫，如NoSQL數據（Google的BigTable，Amazon的Dynamo）進行存儲，方便進行下一步的數據讀取。由于傳統的數據倉庫無法適應大數據的存儲要求，目前基于云計算的數據倉庫都是采用列式存儲。列式存儲的數據具有相同的數據類型，可以大大提高數據的壓縮率，例如華為的云存儲服務MOS（MassiveObjectService）的數據持久性高達99.9%，同時提供高效率的端到端保障。
2.2數據計算模式
這一環節需要根據處理的數據類型和既定目標，選擇合適的計算模型處理數據。由于數據量的龐大，會消耗大量的計算資源，因此，傳統的計算技術很難使用大數據的環境條件，取而代之的是分而治之的分布式計算模式，具有代表性的幾種計算模式的特點見表1。采用批處理方式計算的Hadoop平臺，例如，Facebook擁有全球最大規模的Hadoop集群，集群機器目前超過3000臺，CPU核心更是超過30000個，可以存儲的數據量能夠達到驚人的40PB；采用流處理方式計算的Storm平臺分布式計算的時延比Hadoop更小；實時處理方式計算的Spark是一種基于內存的計算模式，例如，Yahoo運用Spark技術在廣告營銷中實時尋找目標用戶，目前在Yahoo部署的Spark集群有112臺節點和9.2TB內存；交互處理方式計算的Dremel在處理PB級別的數據時耗時可以縮短至秒級，并且無需大量的并發。
2.3數據分析挖掘
數據分析挖掘環節是從海量數據中發現隱藏規律和有價值信息的過程，這個環節是大數據處理流程最為有價值和核心的部分，傳統的數據分析方法有機器學習、商業智能等。傳統的數據挖掘十大算法[6]（其中有K-Means、Na觙veBayes、SVM、EM、Apriori等）在云計算環境下都得到了大幅度的并行優化，在大數據的背景下，計算速度得到了很大程度的提升。現在新興的深度學習是原始機器學習的一個新領域，動機是在于建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，這種新的數據分析挖掘技術已經在計算機視覺、語音識別、自然語言處理等領域有了成功的應用。
2.4數據解釋展現
將挖掘出來的復雜信息進行數據解釋和展現是整個大數據處理流程的最后一個環節，數據分析的結果需要向客戶進行恰當的展現。與傳統的數據輸出和文本展示等方式不同，現在絕大部分的企業都通過引進“數據可視化”技術來展示大數據分析的結果信息，這種方式以圖像、動畫等方式，形象地向客戶展現數據處理分析的結果，也容易被客戶理解和接受，更為先進的是，現在逐步形成的“交互式可視化技術”，大大地方便了數據與人之間的“親密交流”。目前面向大數據主流應用的可視化技術見表2。
3大數據和云計算的未來挑戰
大數據需要超大存儲容量的計算能力，云計算作為一種新的計算模式，為大數據的應用研究提供了技術支持，大數據和云計算的完美結合，相得益彰，發揮了各自的最大優勢，為社會創造了巨大的價值。雖然國內大數據和云計算的研究還是處于初步階段，但隨著研究的不斷進行，所面臨的問題也越來越多。在大數據向前不斷邁進的階段里，如何讓我們對大數據的研究朝著有利于全人類的方向發展成為了重中之重。
3.1重要戰略資源
在這個信息社會里，大數據將會成為眾多企業甚至是國家層面的重要戰略資源。國家層面要將大數據上升為國家戰略。奧巴馬在2012年3月將“大數據戰略”上升為最高國策，像陸權、海權、空權一樣，將數據的占有和控制作為重要的國家核心能力。大數據資源也會成為各種機構和企業的重要資產以及提升企業社會競爭力的有力武器。在大數據市場里，客戶的各種數據信息都會為企業創造價值，也會在促進消費水平、提高廣告效應等方面扮演重要的角色。
3.2數據隱私安全
大數據如果運用得當，可以有效地幫助相關領域做出幫助和決策，但若這些數據被泄露和竊取，隨之而來的將是個人信息及財產的安全問題得不到保障。2011年索尼公司遭到黑客攻擊，造成一億份客戶資料泄露，經濟虧損約1.71億美元。為了解決大數據的數據隱私安全問題，Roy等在2010年提出了一種隱私保護系統，將信息流控制和差分隱私保護技術融入到云計算平臺中，防止MapReduce計算過程中的數據泄露問題。在數據更新飛速的情況下，如何維護數據的隱私安全成為大數據時代研究的重點方向。
3.3智慧城市
人口的增長給城市交通、醫療、建筑等各方面帶來了不小的壓力，智慧城市就是依靠大數據和云計算技術，實現城市高效的管理、便捷的民生服務、可持續的產業發展。在剛剛結束的“兩會”的政府工作報告中，總理也特意強調了智慧城市發展的重要性，目前國家智慧城市試點已遍布全國各地，多達409個。智慧安防、智慧交通、智慧醫療等都是智慧城市應用領域。智慧城市的建設也趨使大數據人才的培養。據預測，到2015年，大數據將會出現約100萬的人才缺口，全球將新增440萬個與大數據相關的工作崗位來填補這個空缺。
篇2
（二）云會計使存貨控制系統更精確
為提高企業整體運作效率，很多企業對存貨管理采用了ABC控制系統或即時制庫存控制系統（JIT）。在ABC控制系統中，如何準確區分ABC三類存貨并進行分類控制是企業需要解決的重要問題。JIT管理強調只在使用存貨之前才要求供應商送貨，從而將存貨數量減到最小，實現物資供應、生產、銷售連續同步運動。這種方式在提高生產效率、減少儲存成本的同時需要考慮到與供應商協同接洽的問題。大數據、云會計技術的應用，能夠提高企業ABC控制系統或即時制控制系統的運行效果。在企業的云會計平臺上，通過對自身以往所有各種類型存貨數據的大數據分析，以及參考同行業、相關行業的歷史數據，可以對ABC三類存貨進行更為科學合理的區分，使ABC控制系統更加精確。面對JIT即時制更加嚴格的要求，企業需要考慮到存貨的計劃需求、與供應商關系、準備成本、電子數據等方面，一旦存貨預警就會產生生產線、銷售線告急的情況，將為企業帶來巨大損失。物聯網與大數據技術的發展為解決JIT控制面臨的問題提供了解決方案。由供應商提供的存貨都帶有唯一的產品電子代碼（EPC），企業和供應商可以通過物聯網同時獲得存貨的使用情況，在數據顯示該批存貨需要補充時，物聯網得到傳感信息的反饋及時提醒企業補給，通知供應商做好供貨準備，并給出下一訂貨批量的預計時間及數量要求。這樣就加強了企業與供應商的信息溝通與交流，使JIT控制系統得到更好的實施。
（三）云會計使庫存管理更智能
由于各個地區消費者的需求偏好往往存在差異，使得企業在全國布局的倉庫庫存往往在商品的類型、數量等方面不盡相同。基于云會計平臺，通過前端的物聯網，企業可以獲取各個區域倉庫的存貨情況。針對庫存調撥，通過后端的數據中心進行大數據分析，可以選擇在最優的倉庫之間進行商品的調配，并根據對調撥結果的分析就以后的商品庫存分配進行優化。消費者在網上購買商品時，云會計平臺會自動選擇就近且有貨的庫存點進行智能化發貨。在存貨的運輸與存儲過程中會涉及到安全問題，尤其是對于高價值的存貨，其一旦損失將會對企業造成嚴重影響。云會計平臺下物聯網技術的運用，可以做到存貨信息流和物流的統一、對存貨流向形成監控，具有極強的監測功能。存貨信息能夠實時反映在云會計平臺上，即便出現貨物丟失情況，企業也能夠即時采取措施應對，確保企業存貨的安全性。
二、大數據時代基于云會計的庫存管理
框架模型構建庫存管理及時準確地反映各種物資的倉儲、流向情況，可以為企業的生產管理和成本控制提供依據。通過對貨物的各種信息進行即時的采集、分析、處理，可以使企業實時動態的庫存管理成為現實。在云會計平臺上，前端的物聯網技術能夠實時采集數據，后端的大數據分析中心對數據進行分析與處理，為企業的庫存管理決策提供支持。在分析大數據時代云會計對企業庫存管理在成本、控制、管理水平等方面影響的基礎上，結合大數據、云會計和物聯網的技術特征，考慮企業當前主要的庫存管理需求，本文建立了由云會計平臺、大數據分析中心、庫存管理等核心模塊組成的大數據時代基于云會計的企業庫存管理框架模型。企業庫存管理決策所需的庫房信息，如倉庫信息、貨位信息、物料信息、出入庫信息等，可以通過物聯網技術借助云會計平臺進行實時搜集；決策所需的其他大數據源，可以通過互聯網、移動互聯網、社會化網絡等多種媒介，借助云會計平臺從企業內部、交易所、事務所、外部市場、銀行等獲取。同時，經由大數據處理技術和方法（Hadoop、Storm、PentahoBI等）規范所獲取數據，并通過ODS、DW/DM、OLAP等數據挖掘與數據分析技術提取企業進行庫存管理決策所需的財務與非財務數據。大數據分析中心對企業庫存管理的入庫信息、調撥信息、出庫信息進行分析，以此來支撐庫存管理模塊，為采購入庫、庫房調撥、銷售出庫階段實時、準確的決策提供了依據。
（一）采購入庫在采購入庫階段
由大數據分析中心結合企業生產情況、外部環境等因素對采購計劃、采購數量、采購時間、物流過程等相關采購流程的影響，就公司所接訂單、產品或服務的生產周期以及交貨的時間等進行分析，并針對企業歷史數據的分析以及對供應商信用程度、產品質量、產品價格等的綜合分析，制定出《合格供應商名冊》向企業推薦最優供應商。采購部門則根據分析結果按照企業需求制定出科學的采購計劃與選擇適合并滿意的供應商。完成供應商選擇之后要進行簽訂采購合同、發出訂購單，供應商確認訂購單、根據訂單交貨等步驟，這一過程需注意明確合同內容，明晰產品信息與雙方責任。在最后一個部分即進料檢驗及入庫階段，由射頻識別技術（RFID）識別出產品的品牌、規格、型號以及供應商的檢驗合格標識（在物聯網技術下，產品都帶有唯一電子標簽）之后方可入庫，若有檢驗不合格者，根據標簽自帶的生產信息退回至供應商處，并根據采購合同的條款或退換貨物或進行賠付，退換后的貨物同樣要進行這一系列的檢驗過程，直到合格后入庫。
（二）庫房調撥在庫房調撥階段
模型采用完全共享策略，即某倉庫庫存水平一旦無法滿足當前訂單，而采用調撥方式可滿足時，可從其他點調撥，要求調撥點的當前庫存能滿足需求點的訂單需求量。由于云會計前端的物聯網可以得到企業各倉庫的庫存信息，這樣在任何倉庫發生存貨預警時，都可以向后端的大數據分析中心實時反饋請求調撥信息。對請求調撥信息進行分析之后，按照最小費用策略確定存貨的調撥點與調撥量，并向該倉庫調撥信息，以此在各倉庫間完成存貨的相互補給。在各倉庫不能滿足庫存需要或者調撥成本過高時，庫存信息將直接向總部反饋，由總部完成存貨的分配。最后將調撥結果經由大數據分析中心向倉儲管理部門進行匯報。基于云會計的庫存調撥模塊將企業的分布式庫存連成了一個有機整體，不再是單獨的倉庫管理，可滿足大中型企業庫存實時性的問題，便于整體優化及一體化管理。大數據分析中心為各倉庫的信息共享提供了技術支撐，物聯網技術的運用為掌握各倉庫的實時信息提供了有力保障，可為企業節省時間與成本。
（三）銷售出庫針對企業的銷售出庫
銷售部門根據經由大數據分析中心分析之后的客戶訂單向指定的倉庫下達發貨指令，當指定倉庫接收到發貨指令之后帶有RFID的貨物將發往指定地點，同時，貨物的地理位置信息與其他信息等由帶RFID技術的物聯網通過大數據分析中心向倉儲管理部門實時反饋，以確保貨物的安全以及了解物流信息。在貨物到達指定地點后，將會再次向大數據分析中心反饋信息，并向倉儲管理部門與銷售部門發送貨物安全送達的信息，從而完成整個出庫過程。
篇3
【關鍵詞】大數據；管理會計；發展問題；解決對策
1引言
管理會計最初由成本會計和管理控制兩部分組成，即管理控制功能在成本會計上的疊加。管理會計在會計上比較靈活，運用使用的會計方法比較新穎，并利用統計學、管理科學、經濟學等學科的知識對企業的大量信息進行分析總結。在考慮到會計的及時性和相關性特點的基礎上，為財務會計、科學技術的發展提供了有力的支持。隨著理論和技術的發展，管理會計涵蓋的內容越來越多。其最重要的功能就是能夠為企業的決策提供參考，這也主要受益于數據處理技術的進步。
2大數據時代下管理會計發展存在的問題
2.1對大數據在管理會計的運用認識不充分
提到大數據在會計工作中的應用，大家會很自然地將其歸結為大企業的專利，許多中小企業認為大數據時代的來臨與自身關系不大，沒有對大數據時代的來臨給予足夠的重視，缺乏對大數據的正確認識。目前數據處理技術取得巨大進步，如何將其與管理會計融合，在理論和實踐上還沒有一個統一的認知。很多企業管理者人還認為財務會計為主，管理會計作用可有可無。由于對大數據認知不足，大數據技術在企業中的應用效率較低，在中小企業的現象更加明顯，這些企業無法充分利用大數據達到管理會計與網絡信息技術相結合。以上對于管理會計的忽視和對大數據運用的不充分直接制約了管理會計的發展。
2.2信息儲存空間有限，分析方法欠缺
數據處理技術的發展可以提高企業信息收集加工的能力。在信息海量增長的今天，大量的數據需要存儲和處理。數據是會計工作的重要信息。信息技術分析方面的短板致使企業自身難以保存太多的數據量，讓數據分析變得困難。目前管理會計和數據處理沒有取得很好的融合，或者沒有很好地利用數據技術的強大處理能力，這也是讓管理會計難以發揮幫助企業決策，促進企業發展的作用的原因。想要使信息化取得顯著的進步，需要海量的資源分享平臺作為前提條件。信息技術的發展需要先進的技術作為支撐，其核心云計算剛剛起步，發展距離實際運用還有一定的距離，這必然會限制信息技術的發展。
2.3有關專業技術人才缺乏
作為一種管理技術，管理會計的發展也基于成熟的人才。這就要求管理會計人員必須具備基于傳統技能的數據處理和現代的分析技術能力。只有兩者都具備的復合型人才才能將管理會計帶入快速發展的軌道。目前，我國這類人才很少，培訓需要一定的時間。實際情況是，許多管理和會計職位僅從財務會計轉移到會計或直接兼職。這些人員的專業技能水平不高，導致管理會計的效率低下和績效低下，并且無法履行其應有的職能。還有一類員工，他們的工作時間長，對新知識和新技能的接受程度低，甚至更多會直接抵制新知識。這些因素都限制了管理會計的發展。
2.4管理會計信息管理存在風險
大數據技術一方面合通過網絡搜集海量的信息，并將其分類匯總，這給傳統管理會計帶來巨大的挑戰。但是網絡收集的信息是否真實可靠有待商榷，過度的尋求網絡信息會不會侵犯企業的隱私信息也值得關注。企業的管理會計信息屬于企業的核心秘密，高難度的數據處理、病毒、黑客攻擊等在一定程度上降低了管理會計工作的安全性，導致會計信息的丟失或泄漏。要想確保企業管理會計信息不被竊取，需要面臨的困難重重。首先，企業的信息越來越多，保證所有信息的安全成本巨大；其次，移動智能產品的層出不窮讓企業的信息接入端口和接入設備增加，難以對所有的接入設備進行控制；最后，外部獲取信息的手段在不斷改進。以上三點造成目前的現狀就是企業信息安全性不高。
3大數據時代下解決管理會計發展問題的對策
3.1樹立對大數據的正確認識
隨著技術的進步，單一的傳統財務會計無法滿足業務發展的需求，多樣化的會計管理模式已成為許多業務會計改革的重點。管理會計服務于公司的管理，并集成了數據的收集，處理和分析功能，在公司的決策中起著重要的參考作用。大數據技術為管理會計的轉型提供了機會。一方面，其帶來了思想上的變化，另一方面帶來了管理技術上的創新。大數據與管理會計的結合應該是未來發展的主要方向。如果公司希望在復雜的經濟浪潮中快速發展，則必須實時更新業務管理的概念并增強關注度。因此，經理層需要更新觀念，發展創新觀念，增進對行政會計理論的理解，制定有效的企業管理會計制度和公司章程[1]。
3.2提高信息化建設水平
信息化的發展限制了管理會計的發展，想要實現管理會計的發展就必須提高信息化建設水平。隨著互聯網的快速發展，大量的數據和信息不斷涌現，用科學方法整理數據，從不同角度準確分析和判斷企業管理信息，比以往任何時候都更加迫切。行之有效的方法就是建設具有較強數據共享能力的信息平臺，在這些平臺上把企業經營過程中產生的生產信息、財務數據、人力數據等進行處理和共享[2]。企業需要哪些信息可以隨時從平臺獲取，從而提高數據分析的科學性、完整性和及時性，大大提高工作效率，提高企業的經濟效益和競爭優勢。
3.3對會計人員進行培訓，加速轉型
提高管理人員綜合素質是解決企業管理會計應用問題的關鍵。首先，轉變輕視管理會計作用的意識。如今，許多業務經理專注于在公司任職期間的短期利益，忽略發展管理會計和員工培訓。這將導致公司財務管理混亂，阻礙管理會計的發展，并不可避免地給公司帶來不可控制的風險和損失。其次，進行大數據和信息技術培訓，招募高級人才來培訓公司會計人員，提高會計人員的業務技能和技術水平。這樣隨著其業務技能水平的提高，將為公司帶來先進的管理模型和概念，提出創新的想法，并增進對管理會計和大數據的正確理解。最后，采取有效的方法引進專業人才。通過外部招聘和內部培訓，促進管理會計人才隊伍的建設[3]。
3.4加強會計信息安全管理
會計管理方面的數據是企業發展的關鍵，為有效防范信息安全風險，企業應根據自身需要，建立健全內部控制制度，并嚴格遵循實施[4]。首先，有能力的大中型企業可以開發保護信息安全的技術系統，并引進相關安全技術人員，不具備自身開發信息安全系統的中小企業，可從可靠的供應商購買安全的技術軟件，并運用到信息安全防范中去；其次，企業應提高網絡安全的防范意識，加強網絡的安全監管力度，對管理會計的全過程進行監控，對存在風險的環節及時預警，這樣可以盡早發現會計信息中的安全問題；第三，政府相關職能部門要建立健全關于網絡安全的法律法規，從法律的高度去約束泄漏和盜取企業信息的行為，對違反網絡安全的法律法規的個人或者單位按照法律嚴懲。
大數據時代對社會的經濟活動產生了重大影響，對企業的經營環境、經營理念、經營方式產生了重大影響，傳統的經營理念和經營模式等都受到了挑戰。要積極面對和解決管理會計在大數據時代遇到的問題，轉變觀念，提高對管理會計的重視，保證信息的安全，促進管理會計的高質量發展，以進一步在新時代背景下增強管理會計為企業持續創造價值的能力。
企業管理畢業論文范文模板(二)：淺談如何實現企業政工工作與企業管理的共同發展論文
摘要：思想政治教育是中國精神文明建設的首要內容，是黨的優良傳統。思想政治工作不僅能夠為企業發展提供重要的支持力量，而且還能引領員工思想狀態和價值觀的發展。在社會發展進程中，我們在以人性化和科學化管理的同時，更要密切聯系思想政治教育；所以在企業管理中，政工工作開展是不可或缺的一部分，作為企業管理人員，要充分發揮政工工作的重要性，保障企業管理，為企業營造和諧氛圍。
關鍵詞：政工工作；企業管理；共同發展；研究對策
一、政工工作在企業管理中重要意義
政工工作不僅可以促使企業員工自身的思想道德水平的提升，在獲得教育的前提下，形成正確的價值觀；還可以提升企業凝聚力，更好的發展團隊意識和進取精神，進而推進企業的整體發展。開展政工工作，為了提高企業員工精神的提升以及企業內部文明精神的提升，可以通過發展企業文化建設，系列的文化宣傳和企業活動；加強員工之間在交流以及思想的統一，減少企業管理人員與員工的距離，以達到強化凝聚力，營造良好文化氛圍。開展政工工作，為了提升員工的工作激情以及積極性，挖掘企業的增長潛力，以達到提升競爭力。同時黨員要在政工工作開展中起到模范帶頭作用，通過支委聯系黨員、黨員聯系群眾等形式，了解員工思想動態、幫助員工解決問題，將工作有序的推進。可以說政工工作的有效開展對實現企業長效發展是至關重要。
二、企業政工工作現狀
（一）政工工作理念僵化
政工工作被忽視，政工人員的工作得不到足夠的支持。很多企業由于政工工作的滯后導致員工的積極性沒有得到調動，人力資源沒有得到有效配置，部門之間關系沒有理順，員工缺乏正確的輿論導向，員工與員工之間、員工與領導之間沒有形成健康、和諧的工作關系。員工的工作效率低、主動性差、隨大流的思想，個人發展缺乏有效規劃、動力不足。政工工作的不被重視，與部分企業落后的、僵化的工作理念是緊密聯系在一起的。
（二）政工人員素質不高
大部分企業的政工人員的自身專業素養不高，導致無法提升政工工作的質量，再加上政工人員本來就比較少；另外企業對政工工作的忽視，導致政工人員的培訓力度不夠，政工人員也因為一些客觀的因素，在工作上趨于形式化，創新的力度也不夠，嚴重的形式主義再加上專業知識的退化，導致政工工作在企業的成效顯得微不足道。
（三）政工工作方式缺乏創新
在網絡時代的今天，信息的更新速度非常快，信息互動的方式也越來越媒體化，網絡已改變了多數人閱讀的習慣。而企業沒能很好地利用網絡平臺，仍停留在以學習報刊、紙質文件等為主的宣傳模式來開展工作，導致上令不達的現象時有發生。此外，政工人員到生產現場較少，與員工之間缺少溝通交流，不了解員工真實想法，因此企業的思想政治工作沒有針對性，工作效率低，而且也難以有效激發員工參與的主動性。
（四）政工隊伍建設不重視
企業忽視對員工思想的引導，導致企業內部出現小團體等不和諧的情況，甚至可能還存在一些比較自私的政工人員，對自身的小利益斤斤計較且不顧全大局，由此阻礙了政工工作的開展。另外，由于大部分企業缺乏政工工作的獎懲機制，從而導致政工人員的熱情降低，從而導致政工工作的效率降低。
三、企業政工工作與企業管理共同發展的對策
（一）加強對政工的思想認識
要重視企業的政工管理工作，并對企業員工做到人性化且科學化的管理。在工作的過程中，員工作為企業的一線工作人員，不僅僅決定了企業的運行生產，還會直接影響到一個企業的經濟效益與發展，所以應當對企業員工積極的開展思想政治的教育工作，并且重視政工工作的價值及其作用。企業的管理人員應當起到領頭的作用，積極主動的去接受政工教育，為企業的政工工作做好表率，結合自身的特點，創新工作方式，打造良好的工作氛圍。
（二）轉變企業老舊的管理觀念
管理人員應當尊重員工的個人意愿，并對于員工所提出的建議適當性的進行吸取，從而發揮員工的個人能力，使其能夠更好的投入到企業的運作當中；員工通過參與培訓，從而了解到自身的價值，充分提升了員工的工作積極性，讓員工在充滿熱情的情緒下更加配合企業的管理，使其為企業未來的發展提供有效的動力，并且充分發揮自身的作用。
（三）提升企業凝聚力
很多企業都只注重于業務的發展，從而忽略了政工工作的重要性，所以導致政工工作人員素質都普遍較低。政工工作對企業業務有著積極的因素，不僅促進了企業業務的發展，并且提升了員工的政治覺悟，從而提升了企業的凝聚力，這樣不同部門的合作效率也會隨之也提升。隨著越來越多的政工人員能夠具備高的工作素養，并且對企業內部的業務工作越來越熟悉，使員工能更快的融入到其中，并在企業發展的過程當中可以發揮自身的作用。
（四）發揮先鋒模范作用
在實際開展政工工作的過程當中，應該積極的做好黨員模范的帶頭作用，且企業應當結合自身的發展優勢，營造出一個良好的企業文化氛圍，使得政工工作在良好的企業文化氛圍中更好的開展，保障了政工工作的順利開展。另外，企業還可以通過定期對政工工作積極配合的員工進行評選，針對這些優秀員工進行適當性的獎勵機制，從而提高員工的積極性，并促使其他員工對自身要求的加強。
（五）完善企業政工工作
篇4
高等院校的學生來自全國各地，而不同地區的中小學計算機教育水平參差不齊。單一的課堂教學已無法保證所有的學生學得會、學得好，這給教學帶來了問題。
（2）教學和實驗的學時嚴重不足
目前，各個高校都在減少課時，教師只能在課堂上和實驗中加大講授的知識量，加快教學進度。當一個教師面對幾十個學生時，基礎較差的學生往往得不到教師足夠的指導和練習時間，這給輔導答疑帶來了問題。
（3）學習的結果與過程未被記錄下來
學生可以利用豐富的網絡資源鞏固課堂內容，擴大知識面，加深對知識的理解。在傳統教學中，教師往往忽視了學生的課后學習，沒有記錄學習結果與過程，這給教育過程的改進帶來了問題。
（4）目前的網絡教學系統很少區分學習個體
網絡教學系統能夠提供大量的多媒體教學資源，幫助教師進行課后輔導答疑，卻很少區分學習個體，導致缺乏個體相關的數據，從而難以提供個性化的指導，這給網絡教學系統的智能化帶來了問題。這些問題歸根結底是數據的問題，是數據沒有被有效地規劃和整合的問題。我們把與學習過程相關的大量數據收集起來，對這些數據進行分析，挖掘出有價值的信息，最后傳遞給學習者，這是一種解決計算機基礎教育所面臨問題的可行方法。
2面向計算機基礎教育的大數據
在當前知識大爆炸的時代，人們獲取知識的途徑不僅僅局限于課堂，更多的是網絡資源。當代的大學生接受新生事物更快，更愿意在特定的學習情境下去主動構建知識。因此，大學計算機基礎教育需要改革現有的教育模式，將大數據技術融入到大學計算機基礎教育中，建立與時俱進的大數據驅動的教育模式可以有效解決上述問題。在大數據時代涌現出大量的網絡教學系統，隨著這些網絡教學系統的推廣和普遍應用，使用者數量急劇增加，產生了大量的數據。數據之間可能存在某種聯系，對這些聯系進行分析和挖掘可能會找到有價值的信息。將有價值的信息展現出來，能夠幫助我們做出正確的決策。在人類社會的發展已經由動力驅動轉變為數據驅動的背景下，教育正在發生著一場新的變革，大學計算機基礎教育也面臨著類似的機遇和挑戰。通過網絡教學系統，可以更加方便地獲取和利用大學計算機基礎教育相關的各種數據
。大學計算機基礎教育涉及的數據主要有以下幾種：
（1）課件。課件是文字、聲音、圖像、動畫等素材的集合，幫助教師更加生動地講解課程內容，主要使用PPT和Flash兩種文件。
（2）視頻。視頻是將教師在課堂上的授課內容錄制下來，為學生提供課后學習的方式。學生可以在教學系統中下載或在線學習視頻內容。
（3）題目。題目主要用于測試學習效果，包括判斷題、填空題、選擇題、問答題、程序設計題等各種題型。
（4）問題。學生在學習過程中遇到的問題，通過教學系統提交給教師。這些問題反映了學習的難點，是教師在課堂上需要詳細講解的教學內容。
（5）代碼。代碼是學生做程序設計類題目時所編寫的程序代碼。學生編寫代碼的質量可以由教師評判，也可以由系統自動評判。
（6）行為。行為用來記錄學生的學習活動，如課件下載行為、視頻點播行為、作業瀏覽行為、編程行為等。這些行為能夠反映出學生的學習情況。
（7）缺陷。缺陷是學生提交的作業中包含的各種錯誤，反映了學習過程中存在的問題。對教學系統而言，這些數據是進行個性化推薦學習的參考依據；對教師而言，這些數據能夠提示教學過程中需要特別關注的地方。
（8）過程。過程是指在教學過程中收集到的一些宏觀數據，如課件學習過程、視頻學習過程、測試過程等。這些過程能夠反映出學生學習的個體差異。
3大數據驅動的新模式
在大數據時代，我們可以利用大數據技術在大量與學習相關的數據中挖掘出有價值的信息。這些信息能夠幫助學生更加科學有效地學習，較好地解決當前計算機基礎教育面臨的問題。因此，我們將大數據技術融入到大學計算機基礎教育中，提出一種大數據驅動的計算機基礎教育新模式。它是在有效規劃和整合計算機基礎教育大數據的前提下，為學生提供各種自主學習資源和服務的新模式。學生和教師在使用各種網絡教學系統時，輸入的數據和學習行為都被系統記錄下來。利用大數據技術對記錄下來的數據進行分析，挖掘出與學生學習特征相關的數據。這些數據為學生的后續學習提供個性化的推薦，規劃個性化的學習路線；向教師反饋學生的學習行為和效果，為后續教學提供個性化的推薦，幫助教師改進教學方法。以在線課程系統、在線編程系統和在線答疑系統為代表的各種網絡教學系統目前得到了廣泛的應用，這些系統本質上都是大數據驅動。實踐證明，這些系統的應用將為學生學習和教師教學提供實質性的幫助。
1）在線課程系統是課堂教學的延伸
大型開放式網絡課程MOOC是國際上流行的教學平臺。自2013年5月以來，北京大學、清華大學、復旦大學、上海交通大學等國內一流高校紛紛宣布加入MOOC，向全球提供免費的在線課程。MOOC采用云計算架構，提供大量的視頻學習資源和人機交互功能。學生提交作業后，系統能自動評判作業的質量，以評估學習效果。MOOC的出現給計算機基礎教育帶來巨大影響。MOOC解決了學生計算機應用能力差異大的問題，學生不管基礎如何，都能找到與之相應的學習內容；MOOC彌補了課堂教學學時不足的問題，學生能在課后隨時隨地找到學習資源；MOOC能夠記錄學習的結果與過程以及作業中的錯誤等，這些對于改進教學方式和調整教學重點等都有意義。
2）在線編程系統是實驗環節的補充
隨著SaaS技術(軟件即服務)的不斷成熟，出現了許多功能強大的在線編程系統。這給大學計算機基礎教育中的程序設計類課程的實驗教學
帶來了巨大的幫助。使用在線編程系統進行實驗的好處有以下幾點：
（1）教師不用在實驗室的每臺計算機中安裝軟件，學生通過瀏覽器就可以編寫程序；
（2）學生編寫的代碼都存儲在云端，能上網的地方就能練習編程，并且隨時可以修改代碼，解決了實驗教學學時不足的問題；
（3）在線編程系統主要記錄代碼和代碼編寫的過程，能夠收集實驗過程中與學習相關的數據。國外在線編程系統CodeCademy提供了一種學習編程的新方式。它的用戶群是零基礎的學習者，所以CodeCademy創設趣味性的學習環境，手把手幫助學習者了解編程的過程。它的在線編輯器能讓學習者不用尋找、下載和安裝編程環境就可以在網絡上編程。在線編程系統不僅為實驗教學提供了方便的實驗環境，還能收集大量的程序代碼和學生的編程行為，有助于分析學生的學習特點與習慣，區分學習個體，為制訂個性化學習路線提供有價值的數據。
3）在線答疑系統是課后輔導的平臺
學生在學習過程中常常會遇到很多問題，這些問題如果能及時得到解答，就能促進學生更深入地學習；反之，就會影響學生的學習效果和積極性。目前，互聯網上已經出現了許多人工解答和自動解答的系統。有代表性的是上海交通大學的遠程教育設計中心設計開發的AnswerWeb自動答疑系統，它是一個動態的問題及答案的數據庫。學生輸入關鍵詞后可以在系統已有的問題和答案數據庫中查找相關的材料。如果沒有找到答案，則會自動轉發給教師請求幫助解答。隨后，新的提問和答案將被增加到系統庫中。系統會記錄所有的問題和答案以及學生提問過程中的行為。在線答疑系統應用到大學計算機基礎教育中，解決了教師無法在課后對每位學生進行輔導答疑的問題。同時，利用大數據技術，答疑系統將學生提問和獲得解答的行為記錄下來，自動的分析這些數據，挖掘學習個體特征，為學生的后續學習提供個性化的推薦。
篇5
二、中央數據調度，強化過程管理
（1）信息中心運營監測，率先發現經營問題。管理會計要求對每一個生產過程開展管理，大數據中心將責任中心內部發生的、由管理者直接控制的生產動作和資源消耗過程信息，迅速反饋到責任中心管理者那里，便于責任中心管理者及時作出工作調整。公司運營監測（控）中心建成業務信息資源共享平臺，依據數據治理的要求，對公司經營管理業務“全方位、全流程、全天候”監控，實現各項指標數據“在線監測、在線分析、在線計算”，真實反映公司運營管理現狀，實現快速有效地發現問題，預警并協調，使信息能夠對責任中心管理者產生最大的效用。運營監測（控）中心依據生產、營銷、職能各部門特定工作周期，制定指標數據核查節點及數據整改治理方案，定期（每月、每周、每天、甚至每小時）對外運監報告，責任中心負責人根據監測報告，對報告中提及的工作壞點、差錯進行修正，重點關注有偏差趨勢的數據，遏制不良勢頭的發展。
（2）設備運行全程監控，確保電網穩定可靠。狀態檢修輔助決策系統是以預測評估為主要手段的新型電網資產運維管理模式。模式有機結合了狀態檢修與計算機在線技術，基于設備運行數據分析，顯著提升狀態評價的科學性和評價結果的有效性。系統通過傳感器數據對設備開展狀態評價和風險評估，識別重要設備維修需求，在設備隱患變嚴重或導致更高維修成本前發現問題，自動生成預防性維修任務，減少整體維修成本和停機相關成本。同時幫助確定設備檢修、試驗周期及技改項目，提高檢修的針對性和有效性，避免檢修力量的無差別使用，實現設備動作管理、檢修管理和巡檢管理的自動化。提升人力資源使用效率，設備管理責任制得到更好落實，關鍵設施資產狀況改善，使用期限得以延長。
（3）嚴堵電量滴冒跑漏，全面線損精細管理。技術線損接近理想值、管理線損趨于零是管理者的目標。為了實現目標，把已建成的PMS、GIS和CMS系統實行數據互聯，逐步完善輸電到配電的一體化線損精細管理。技術線損方面，成立專業小組對線損率不合理母線進行分析，通過分時段、分母線段分析手段來定位線損率不合理的母線分段，配合發現潛在的表計故障及參數設置錯誤，根據分析結果指導各專業制定和落實整改舉措，并結合日常運維做好廠站端監測裝置巡檢、消缺工作，提高線損數據比對成功率。管理線損方面，充分利用用電信息采集系統對已安裝關口表的臺區開展線損分析比對，通過內場分析，排除系統錯誤、統計差錯等內部原因后，將須現場檢查的臺區發送至管理班組，由專業班組對電量異常和線損不合理臺區開展現場檢查，落實后續處理，快速止住電網“出血點”。
三、助力戰略布局，深化績效管理
（1）非財務指標數據匯總及分析。短期財務指標無法準確地反映企業長期績效，因此評估和報告大量非財務指標比評估月度或季度利潤顯得更為重要。這些指標以公司戰略為基礎，在評估包括生產、市場營銷和研發等方面，是影響企業成功的關鍵因素。從更重要的意義上講，對運營為基礎的非財務指標評估，是管理會計系統回到原有狀態，發揮最廣泛作用的具體表現。設立全面的評估體系，涵蓋影響企業可持續發展的所有因素，包括考量成本管理水平的成本費用收入比重、每萬元電網資產運行維護成本；考量資產效率的總資產周轉率、單位資產售電量、單位電網投資增售電量；考量資產質量退役設備的平均壽命；考量安全水平的人身輕傷、電網和設備事件數、信息通信安全運行事件數；考量服務質量業擴報裝服務時限達標率、優質服務評價指數；考量安全可靠輸變電系統故障停運平均恢復時間、繼電保護正確動作率；考量創新能力科技進步獲獎指數、管理創新指數。非財務指標評估體系全面評估企業的可持續發展能力，各指標也實現了同業對標的可能，挖掘企業發展潛力，為企業在行業內的不斷成長指明方向。
（2）升級績效管理提升員工價值。人是企業發展的第一要素，員工價值的提升是企業價值提升的必要條件。通常企業難以評估員工價值的提高，然而一些非利潤性指標如：招聘成功率、員工離職率、曠工情況、連續安全生產天數、技能升級和崗位晉升等指標，可以用于評估企業人力資源的發展趨勢，體現公司以提升績效為導向的企業文化，變員工被動成長為主動成長。設立員工績效積分制評估模式，對員工進行量化考評、全方位打分，績效積分與工資薪點掛鉤。評估將定量考核和定性評價相結合，內容包括關鍵業績指標、重點工作任務指標、工作質量指標、人才當量指標、考勤記錄指標及獲獎情況等。全方位反映員工行為規范、生產安全、技能水平、工作績效的綜合水平。標準是以員工一定時期內完成的工作任務數量和質量的量化累計作為評價員工績效的依據，包括以員工完成的本職工作、上級布置的臨時任務和其他事項為內容的“數量積分”和以完成工作任務的及時性、準確性、規范性為內容的“質量積分”。各項指標的信息采集由員工績效指標庫和ERP系統提供，員工可依據評估模式，不斷實現自我成長，獲得更高的積分，企業也可清晰掌控現有人力資源情況。
四、利用數據資源，開拓創新領域
（1）實時電價體系的設計與運用。實時電價就是電能實現實時定價，管理者能夠將不同時間段的不同負荷量與電價掛鉤，增加用戶在電力市場的參與度，從而提升負荷因數，減少電力資產的投資，給消費者提供更多的選擇。智能電網的布局在技術上為實時電價做好了準備，公司可以透過大數據關聯，權衡負荷需求和電量供給，將發電到用電的價格迅速計算，然后使用通信技術，將實時價格給用戶，用戶依據電價完成用電負荷的選擇。
篇6
2.計算機網絡存在的主要安全問題。
目前，計算機已經廣泛應用于各行各業，人們對計算機網絡的認識與利用水平也顯著提升，辦公、社交、生活等方方面面都離不開計算機網絡。計算機網絡在豐富和改變人們生活的同時，其存在的安全問題也不得不讓人們警醒，經過筆者梳理，計算機網絡安全問題主要存在以下幾個方面：
1）網絡病毒所導致的安全問題。
在計算機網絡技術快速發展的過程中，也出現了越來越多、感染力越來越強的新病毒，它們無時無刻地影響著計算機網絡的安全。由于計算機網絡病毒具有復制性，能夠感染其他程序和軟件，因此，一旦計算機中了病毒，其所運行的每一步都將是危險的，都會存在讓病毒也隨之運行并產生破壞行為，然后應用程序被破壞，機密數據被盜用或被破壞，甚至讓整個計算機系統癱瘓。
2）人為操作失誤所導致的安全問題。
在人們進行計算機相關操作過程中，人為操作失誤可能會引起計算機的安全漏洞，或者泄露了某些重要的信息，而這些信息一旦被不發分子所利用，便會造成難以挽回的損失。
3）網絡黑客攻擊所導致的安全問題。
在大數據時代下，網絡黑客對計算機網絡的攻擊具有更隱蔽、破壞性更強的特點。由于在大數據時代下，網絡黑客通過非正常手段竊取到某一重要數據時，一旦其利用這些數據進行非法行為時便會引起巨大的波及。同時，在海量的數據中，難以及時識別網絡黑客的攻擊行為，對于計算機網絡安全而言是一種嚴重的威脅。
4）網絡管理不到位所導致的安全問題。
在網絡安全維護中，網絡安全管理是非常重要的環節，但是目前很多使用計算機的個人乃至企業、政府部門并沒有對網絡安全管理引起足夠的重視，從事使得計算機網絡的安全受到各種威脅，最終導致大量的計算機網絡安全事件頻繁發生。五是，網絡系統自身的漏洞所導致的安全問題。理論上而言，一切計算機網絡系統都存在某些漏洞。同時，在用戶使用各類程序、硬件過程中由于人為疏忽也會形成一些網絡系統漏洞。二者相比，后者的破壞性常常是巨大的，很多不法分子通過非法途徑給用戶造成計算機系統漏洞，進而竊取用戶信息，給用戶造成巨大的損失。
二、大數據時代下的計算機網絡安全防范對策
1.加強病毒治理及防范工作。
在大數據時代，計算機病毒的種類與數量與日俱增，對其進行治理與防范是較為困難的。在對計算機病毒進行治理與防范時，筆者認為最重要的是防范，這種防范是一種主動的、積極的治理，可以通過加強計算機防火墻部署來提高網絡環境的安全性，將那些不穩定的、危險的網絡因素隔離在外，進而實現對網絡環境的安全保護。同時，計算機使用者樹立正確的病毒防范意識，在計算機日常使用中，能夠定期利用殺毒軟件對所使用的計算機網絡環境進行殺毒，并更新病毒樣本庫，進而確保對計算機網絡的掃描能及時識別計算機病毒并進行及時的處理。
2.加強黑客防范工作。
隱藏在大數據背后的網絡黑客一旦實施其不法行為，常常會產生巨大的安全問題，因此，為了防范計算機網絡安全，應當積極整合大數據的海量信息優勢，建立科學的網絡黑客防范攻擊的模型，以此來提升識別網絡黑客的反應速度。通過加強計算機網絡的內外網的割離、加強防火墻配置，能夠有效降低黑客攻擊的可能性。同時，還可以大力推廣數字認證技術，加強對訪問數據的有效控制，并合理認證，有效避免非法目的用戶的非法訪問，進而提升對網絡安全的有效保護。
3.加強網絡安全管理。
使用計算機的個人及機構，需要從思想上高度重視網絡安全管理的重要性，在熟悉大數據的特征與性能的基礎上采取安全的管理措施，時常關注網絡安全管理，從技術上給予網絡安全保障的同時，還需要通過有效的網絡安全管理來實現大數據時代下計算機網絡安全的防范目的。對于機構而言，需要從宏觀上認識到網絡安全管理的重要性，并建立動態的、有序的、系統的管理規章，依托于云計算技術構建一個更加高級的智慧平臺來加強網絡安全的防范，進而確保網絡安全。對于個人而言，需要從主觀上認識到網絡安全的重要行，在進行計算機操作中，要養成規范化的、文明的使用計算機網絡的習慣，尤其是對于一些釣魚網站、非法鏈接，要從主觀上認識到其危害，并做自我做起，將網絡安全問題盡可能消滅，不傳播有安全隱患的信息或鏈接。
篇7
1.2信息化統計內容單一
在大數據時代，醫院信息統計工作內容越來越豐富，然而一些醫院并沒有意識到信息統計數據的重要性，信息統計內容還只局限于對病人的病例進行統計。由于統計內容的單一，難以形成有效的分析數據，對于醫院的管理和醫療水平的提高不能發揮出統計數據實際的價值。
1.3信息化統計專業性差
信息化在醫院管理中的應用缺乏統計的專業性，目前，醫院所采用的信息化系統主要包括HIS醫院管理系統和CIS臨床信息系統，這兩套系統主要功能是降低勞動化強度輔助醫院進行人和物的管理，而對于統計數據適用性并不強。所以醫院信息化急需具有專業性的統計系統，充分利用數據的價值，幫助醫院進行管理和醫療能力的提高。
2發展對策
2.1提高統計信息質量
在大數據時代，大量的信息集中在醫院的信息科，如何快速將這些信息進行分類和提取是信息科所要面臨的重要課題。信息的準確性是信息統計工作必須嚴格管控的內容，在現代化醫療體系建設中，把握信息的質量的關鍵在于建立信息內容評價標準和信息應用規范，信息數據的應用具有3個主要特征，一是準確性，二是適用性，三是及時性。統計信息的評價標準和應用規范主要圍繞信息數據這3個主要特征進行確立。
（1）信息的準確性
信息的準確性對于來自方方面面的信息真偽進行判斷，只有準確的信息才能夠成為有效信息，在醫院中如果誤用了錯誤信息數據則會造成嚴重的問題。提高信息的準確性首先要明確信息的來源，其次要對信息的真偽進行辨別，最后對信息的價值進行評價。
（2）信息的適用性
在醫院的信息管理中，如何從大量的信息內容中獲取對信息應用目標有用的數據是信息管理的內容之一。信息的適用性選擇需要建立統一的標準，避免“張冠李戴”造成信息錯用的問題。信息的適用性原則主要從醫院自身的信息采集為標準，因為不同的醫院在信息產生上都不相同，只有利用自身的信息才能確保信息的適用性。
（3）信息的及時性
信息具有時效性，相同的事情在不同的階段所產生的信息不一定完全相同，因此，在信息采集和統計時，必須要以最新數據為價值參考，加快信息刷新的頻率，降低失效信息勿誤的可能性。信息統計的及時性主要表現在醫院建立信息及時交流的基礎上，只有增強科室之間、部門之間、人員之間的信息溝通機制才能保證信息及時被利用。
2.2科學化管理
利用大量的數據統計促進醫院科學化管理是醫院信息統計工作的核心內容。醫院信息統計科學化管理主要實現以下幾方面工作目標：
（1）信息統計的評測
信息統計的評測功能可以對醫院的人員、設備、耗材等進行統計，還可以對近段時間的醫患病因進行統計，通過對醫院各項數據的統計與近期醫患病因的統計可以分析出在某段時間醫院需要加強某方面醫療的能力。利用信息統計的評測功能還可以對醫院某一專項的醫療水平進行評測，統計醫療過程中的不足，幫助醫生及時調整醫療方案。
（2）信息統計的決策
我國醫療體制改革不斷完善進行中，對于來自各個層面的數據進行統計分析，能夠為醫院的管理者提供準確的決策依據，幫助決策者正確判斷醫院經營方向。并且通過對本院的統計信息可以快速找到醫院系統中的薄弱環節，依靠準確的數據為管理者提供醫院改革的參考。
（3）信息化統計的監督
醫院醫療和服務的質量是醫院水平的重要表現，醫院信息統計可以對醫院的各個科室、每一位醫生及護士的工作能力和工作狀態進行一個時期的統計，通過數據可以客觀地、真實地反映出不同科室的醫療質量和個人的服務水平。信息化統計的監督功能是保障醫患關系融洽的重要手段，通過建立獎懲制度提高醫生和護士的工作認真性，而信息化的統計數據則是衡量和監督醫生和護士工作積極性的重要參考。
篇8
管理會計信息系統是會計信息系統的一個組成部分。長久以來企業在會計信息化的道路上一味的重視會計核算的信息化，忽視了管理會計的信息化，使得管理會計的各項職能沒有在企業發揮出來。隨著企業規模發展壯大，經濟環境紛繁復雜，管理會計越來越受到高層管理人員的重視。在企業中使用管理會計相關分析方法，建立管理會計的信息化系統可以為企業價值提升起到事半功倍的效果。1.為企業發展提供全面數據信息當前經濟形勢風云變幻，紛繁復雜，稍有不慎就可能對企業發展帶來巨大打擊。及時、準確的信息對企業決策至關重要，而建立管理會計信息系統可以對企業提供有效幫助。管理會計信息系統是以海量數據為基礎，運用分析技術優勢，結合管理需要，經營業務和會計要求，靈活運用管理會計的工具方法，為企業經營的各個方面提供服務。通過該系統的建立，搜集經營過程中的結構性數據和非結構性數據，利用專業分析技術，深度挖掘數據內含的信息，向決策者提供使用。2.對生產各環節進行精細化管理該系統的建立，可以通過存貨系統、成本計算系統、質量管理系統、價值鏈分析系統連接企業供應、生產、銷售的各環節。其核心流程涉及成本收入要素處理、成本中心分析與處理、作業類型計劃與處理、內部訂單處理、銷售與利潤計劃、成本核算與結算、成本與作業分配、一般管理費用核算、獲利性分析、全面預算與績效考核等方面。主要的業務對象包括成本要素、作業類型、收入要素、內部定單、控制文檔、成本對象、成本核算估計、獲利性分析維度、業務計劃與預算表以及績效考核等。通過對各環節的嚴格把控，降低庫存、減少成本，提高利潤。3.促進企業完成戰略實施目標管理會計信息系統中績效評價的部分針對企業員工的完成水平進行評價，是該系統的重要組成部分。平衡積分卡績效評價體系是最近幾年流行在國內外的企業績效評價體系。它分四個方面進行：企業財務業績、客戶關系、內部業務流程以及學習和成長，對企業進行評價。在系統中將企業的戰略實施目標按照這四個部分細化成不同的財務或者非財務指標，對照不同的部門逐級細化，進行考核。該績效評價系統將企業戰略與員工考核掛鉤，既可以推動戰略目標的完成又可以激勵員工成長。
篇9
2.新媒體思維模式
信息數據附著在各類新媒體之上，數據格式多種多樣，從網頁論壇、視頻、網絡日志、微博微信、甚至地理位置信息等等。新媒體思維正在改變服裝市場的營銷方式，服裝企業傳統的營銷手段是實體店集中推廣、平面廣告以及電視媒體宣傳，節假期間雇傭大量勞動力街頭派發促銷傳單。而大數據時代，服裝企業充分利用互聯網的植入式廣告、病毒式推廣以及低成本營銷，打造網絡交易平臺，全方位收集消費者信息數據，分析消費者潛在消費動機與偏好，從而在推廣品牌的同時擴大銷售量。
二、大數據時代對高校服裝設計教育的啟示
1.教學方式的變革
隨著筆記本電腦、平板電腦逐步進入課堂，教材、教學活動不斷被數字化，教育方法應以更豐富多彩的形式融入課堂。網絡教學和討論方式也是大數字時代課堂經常采用的一種教學方式。以服裝設計課程為例，在服裝風格與流派章節學習中，鼓勵學生利用網絡資源，進行相關文獻查閱，了解不同歷史時期服裝風格的含義與表現，以演示文檔的形式進行小組討論，并設計“最受歡迎的大學生潮流服飾搭配”問卷進行市場調研，感受數據的多樣性以及數據分析方法。
2.課程知識點的設置
“因材施教”的理念在班級授課制中開展有著相當的難度，在有限的教學時間和教學空間內，教師對學生的“材”無法充分的了解和引導。在大數據時代，教師可以對每個學生學習數據進行分析，將學生的整個學習過程數字化，例如知識點可以被數字化并與測試題建立聯系，測試題中每道題的完成時間、錯題數等都以數據的方式記錄。計算機通過錯題分析出每個學生對各章節知識點的掌握程度，從而從根本上落實“因材施教”的教育理念。在服裝結構設計類課程中，將知識點與知識點進行組合并設計考核題目，例如人體測量部位與原型版的對照練習，放松量章節的知識點與不同類型板型對應，款式分析與服裝風格分析相關聯，從而建立知識點與測試題的聯系，用相關性思維解決結構類課程中的每一個細節問題。
3.側重對學習過程的評價
隨著筆記本電腦、平板電腦逐步進入課堂，教材、教學活動不斷被數字化，學生學習過程也將逐漸數字化，學生的學習過程更加受到關注，而對于這些數據的分析與利用，將使得每位學生的發展都有據可依。例如，在服裝工藝類課程中，將更注重實驗課程環節的設計與實驗過程考核，根據自學能力、創新能力和動手能力來評定學生的綜合成績。鼓勵學生海量收集學科咨詢，通過自主學習發現問題解決問題，而通過不同考核項目的得分，分析學生的自學能力與學習類型。
三、大數據時代對高校服裝人才培養提出的新要求
1.獲取有效信息數據的能力
互聯網上各類教學視頻、教學文庫林林總總，各類網絡學院、網絡公開課、精品課程應接不暇。高校須引導學生自主學習，加深學生對當今社會變革的理解和認知，使學生具有大數據思維能力和判別能力，能夠在時間學習中利用資源，使數據為專業學習所用。
2.分析數據的能力
要求學生能根據不同的需求，利用有效的問題解決思想和方法論，最終形成有效的數據，并能夠為大多數人使用。利用定量和定型的分析方法，挖掘數據之間的相關性，并形成數據分析報告。該項能力需在服裝專業考察、服裝創新實踐平臺等實踐環節的課程中，得到充分的訓練。
篇10
二、活動時間
2008年12月初
三、活動地點
南通大學；
南通航運職業技術學院；
四、活動組織單位：
主辦：南通大學杏林學院團委、社團聯合會策吧網
南通航運職業技術學院社團聯合會
承辦：
南通大學極限俱樂部、
南通大學輪滑社
南通航運職業技術學院KFC輪滑社；
五、活動對象
1、南通大學極限俱樂部社員
2、南通大學輪滑社社員
3、南通航運職業技術學院KFC輪滑社社員
4、南通高校的廣大輪滑愛好者策吧網
六、宣傳方式
1、海報宣傳
2、橫幅宣傳
3、QQ群宣傳
4、通大極限俱樂部的博客網頁
七、活動日程
1、2008年12月6日上午:通大啟秀校區
（上午9：30在啟秀校區主教學樓前集合）
2、2008年12月6日下午:通大鐘秀校區
（下午2：00在鐘秀校區主教學樓西大門集合）
3、2008年12月7日上午:通大主校區
（上午9：00在主校區綜合樓前集合）
4、2008年12月6日下午:南通航院
（下午2：00在航院公共教學樓前集合）
八、活動內容策吧網
1、速滑刷街
各個隊員按順序站立；隊前兩個人引路，其中一個人使用相機來錄像;隊后兩個人押尾,其中一人也使用相機進行全程錄像；隊伍中間每隔一段距離有人保護隊伍的安全速度等
2、專業平花
3、組合表演
4、個人才藝表演
附錄一：比賽規則
一）速滑規則
速滑實行個人計時賽，共評五人，設一、二、三等獎，取最短時間完成者為優勝。賽時按號碼每三人一組進行比賽，遵守比賽管理者的安排，以起跑線開始，以輪滑鞋的前輪撞線結束，比賽過程中嚴格遵照賽道路程進行，不得拉扯其它參加者的衣物、身體等，不得故意磕絆其他參賽者，如違反取消所有比賽資格。如遇時間相同，則再比一次。策吧網
二）速樁規則
三）平花規則
平花實行加減分制，以基礎分20分起。每人在80cm的樁上作一套有來回的組合，一套沒有來回的組合。
減分規則：
1） 平花過程中，每踢到一個樁減一分，卡樁減0.5分
2） 平花動作要回樁，無回樁動作減5分
3） 平花動作沒作完成或作一半減5分
加分規則：
4） 完成所作平花動作且不踢、不卡樁加2
5） 平花動作依美感度、流暢度有評委各加1~5分
6） 平花動作（每個樁上組合動作）依難度由評委各加1~5分
7） 平花結束時有結束動作由評委加1~3分
四）注：
1）比賽過程中如動作未完成，可申請重做機會，如都沒有完成，可按分數最高一次記錄。策吧網
篇11
中圖分類號：F276.3 文獻標志碼：A
學術期刊辦刊水平的高低最終要通過期刊評價予以檢驗，從一定程度上講，期刊評價的標準決定了期刊未來發展的方向和目標，期刊評價標準的合理設立對學術期刊的健康成長至關重要。隨著移動互聯網、云計算、可信計算等一系列新型信息技術的迅猛發展，一個大規模數據生產、儲存、分享、應用的“大數據”時代逐漸開啟。“大數據”時代的到來，對我國學術期刊的未來發展將產生巨大影響，期刊的運營模式、出版流程都將發生根本性變革，如一些學者所預測的，“大數據”時代的到來將造就全新意義上的學術期刊。相應地，“大數據”也將導致學術期刊評價的革命，一方面，大數據時代學術期刊功能定位的變化要求必須確立新的、符合時展要求的評價標準，另一方面，大數據科技的應用也將為期刊評價提供新的技術手段與方法，大大提升期刊評價標準的精確性與全面性。在這一背景下，深刻把握大數據時代學術期刊發展規律，科學探析大數據時代期刊評價標準可能的創新與發展方向，對于我們有效應對大數據挑戰，推動學術期刊的未來發展具有重大意義。本文擬對這一問題進行初步探討，以期對未來期刊評價方面的研究有所啟示。
1我國當前主要學術期刊評價系統及其評價標準
1.1我國當前主要學術評價系統
我國當前的學術評價體系起源于20世紀70年代，經過幾十年的變革與發展，目前形成了既符合國際化評價標準要求又具有我國學術研究特色的學術期刊評價體系。根據學科和專業研究領域的不同，目前已形成了5大期刊評價權威系統并根據其系統要求定期出臺期刊評價報告，這5大系統包括：南京大學研制的《中國人文社會科學引文索引》、北京大學圖書館研制的《中文核心期刊要目總覽》、中國社科院文獻信息中心研制的《中國人文科學引文數據庫》、中國科學院文獻情報中心研制的《中國科學引文數據庫（CSCD）》以及中國科學技術研究所研制的《中國科技論文與引文數據庫》。
1.2五大評價系統的具體評價標準及其特征
這5大評價系統的期刊評價標準主要是根據布拉德福文獻集中定律和加菲爾德文獻集中定律予以制定，其具體評價指標則參考了美國EI、SCI等國際期刊數據庫的評價標準。所謂布拉德福集中定律，是1934年由英國學者S.L.布拉德福提出的，他在對一些特定的學科領域期刊的數量及其刊登的相關論文數量進行統計的時候，發現期刊的內容對于某一個別學科來說呈現出遠近親疏不等的情況，“如果將科學期刊按其登載某個學科論文數量的大小，以漸減順序排列，那么可以把期刊分為專門面向這個學科的核心區和包含著與核心區同等數量論文的幾個區。這時，核心區與相繼各區的期刊數量成1：a：a的關系。”核心區的期刊就是刊載學科論文數量最多、包含相關信息最豐富的那部分期刊。加菲爾德文獻集中定律，是20世界60年代，由美國學者加菲爾德提出的期刊分布定律，他通過對一些綜合性和專業性檢索工具檢索和收錄論文的比率進行分析，發現各學科的核心期刊主要集中在少數的期刊中，而主要的期刊則更少，大多數學科期刊的發展呈現出明顯的集聚效應。這兩大定律是目前國際上制定學術期刊評價標準的主要依據，我國五大期刊評價系統也主要以這2個定律為準則，并在此基礎上制定了大致類似的評價標準，五大評價系統的具體評價指標，如表1所示。
這五大評價系統的評價標準具有幾個共同的特征：首先，5個期刊評價系統都是采用引文分析法，即通過對期刊論文索引量、被引頻次和影響因子等指標的統計分析來對期刊質量作出評價，這3個指標也是期刊評價中的核心標準；其次，期刊評價數據的采集主要依托中國知網、萬方、維普等網絡數據庫的數據資源進行統計，不進人這些數據庫的文獻不計入統計；再次，期刊評價基本是圍繞期刊刊載文章的影響力指標進行評價，在專業領域越有影響的期刊，其評價結果就越好。
客觀來講，當前五大評價系統的評價標準是在借鑒國際已有成功經驗并結合了我國學術研究特色來設定和構建的，它通過對客觀數據的嚴格統計分析來對期刊予以評價，在一定程度上避免了人情因素、主觀偏見對期刊評價的負面影響，具有相當的客觀性與科學性。但同時，以影響因子和引文分析為核心的評價標準也存在諸多局限：首先，由于不同檢索數據庫所收錄和統計的文獻及期刊種類和數量有所不同，導致同一期刊依據不同數據庫數據計算出的影響因子常常產生巨大差異；其次，不同學科發展情況和設置缺陷導致期刊統計源結構不合理，一些學科的期刊統計源期刊很多，影響因子較高，而一些冷門學科的期刊統計源極少，影響因子很低；最后，當前的評價標準主要關注后的索引量、被引頻次，不僅評價指標片面，而且難以避免不當引文、無效引文對統計結果的影響。
2大數據對學術期刊評價標準的影響
大數據技術的應用給學術期刊的未來發展帶來巨大變革，這些變革集中體現在對學術期刊評價標準的深刻影響之中。
2.1期刊評價的可采集指標更為豐富
在大數據的背景下，期刊出版發行形態將發生巨大變化，以前以紙質印刷、定期刊發為標志的出版方式將向電子化、網絡化、不定期出版方向轉移。期刊論文的創作、審核、修改、編輯、發表以及發表后所產生的社會反饋和影響都將依托于數字化網絡平臺進行，而這整個過程中的所有數據也將通過大數據技術予以記錄，除了轉引率、被引頻次等數據，大數據和云存儲技術可以為期刊評價提供更豐富的數據資源和種類以備采集，并作為期刊評價新的指標。比如，大數據技術支持下的電子閱讀終端可以記錄讀者對某篇文章的閱讀時間、次數，甚至在某些段落的停留時間，這對于未來期刊的反饋評價將是一個重要指標；再比如，通過“云存儲”、“云計算”等技術可以對前的選題熱度、潛在價值做出客觀評測和計算，這可以做為期刊選題價值的評價指標；除此之外，大數據還可以收集并記錄期刊選題策劃方案、編輯規范性、構圖設計水平等方面的信息，為學術期刊的整體評價提供參照指標。
2.2期刊評價的數據統計更加全面精準
以往對評價數據的采集，主要依據知網、維普、萬方等數據庫統計源，但許多沒有被這些數據庫收錄的期刊卻不能進入統計范圍，而且由于檢索系統所收錄的期刊群組成差異較大，所計算的影響因子值也會產生較大差異，導致同一刊物在不同檢索系統中計算出明顯不同的影響因子數。而依托大數據技術的期刊評價數據采集，不僅可以覆蓋全網絡信息資源并統一計算方法，避免因數據庫收錄不足和算法差異導致的因子計算缺陷，而且對于被何種方式引用，引用量多少，有效還是無效引用，自引還是他引，都能準確記錄，實現對期刊評價相關數據更為全面和精準的統計。更關鍵的是，大數據能夠為期刊評價提供論文編輯出版發行過程中的全數據樣本，并對后的索引轉載情況實時動態更新，對讀者閱讀評價反饋全面搜集，從而實現評價數據統計的靜態與動態統一、主觀與客觀結合。
2.3期刊評價的讀者影響力更加突出
大數據背景下，期刊評價將更加突出讀者評價的地位和作用。以前的期刊評價統計實際上是注重論文引用者和轉載者的評價地位，兼顧同行、專家和評價機構的綜合評議。但是對公開發行的期刊論文來說，論文的引用和轉載者可能只是讀者中的一小部分，大多數讀者在閱讀后不一定會將之運用到學術創作之中，但同樣會對文章質量作出心理評價，這種評價實際比單純的引文評價更全面、更有說服力但也更難以計量。而隨著數字技術的發展，大數據時代的期刊出版將逐漸進化到電子出版階段，新的電子期刊平臺將不僅是一個閱讀平臺，更是期刊社為讀者、作者、專家提供的一個互動服務平臺，在這個平臺上，不僅讀者的瀏覽偏好和閱讀反饋會被儲存下來，而且通過獨特的互動窗口，他們還可以和作者、編輯、審稿專家進行直接討論，他們對文章內容的意見、對刊物選題策劃、欄目設計、編輯方式、服務水平甚至是辦刊宗旨的建議都將被完整記錄，并成為期刊評價重要的參考指標。與此同時，由于大數據技術將使評價機構進行期刊數據收集和質量評價的整個過程變得更為公開透明，無形中就降低了評價機構的控制力與影響力，相對地也就更加凸顯出讀者群體在期刊評價中的作用。
2.4期刊評價的創新性指標更加重要
大數據時代的期刊將進入電子出版為主，紙質出版為輔的階段。相對于紙質載體，電子載體具有無限承載能力和豐富多樣的表現形式，這必然突破原來期刊篇幅、版面、格式的限制，期刊刊載論文數量將大大增加。同時，由于期刊審稿流程的變革，期刊未來會將收到的論文經過簡單編輯處理直接通過電子平臺，而不再經過繁瑣的審稿流程（經過讀者和同行評議，獲得較高評價的論文再以紙質出版），這又必然導致期刊論文質量的良莠不齊。原來以索引量和發表數的比值為計算指標的影響因子評價的缺陷將更加突出。如何從海量出版信息中發現、挖掘出具有創新價值的內容，以最方便的方式提供給讀者閱讀評價，將是期刊首先要考慮的問題，也是未來期刊評價中非常重要的參考指標，這也將使期刊評價中的創新性、吸引力指標凸顯到更加重要的位置。
3大數據背景下學術期刊評價標準的具體指標及其計算公式
大數據徹底改變了學術期刊未來發展模式及其評價方式，同時也為未來期刊評價的發展創新提供了強大的技術支持和充足的數據資源。筆者認為，依托大數據技術，未來學術期刊評價的參照指標將發生巨大變化，與當前主要參照轉引率和影響因子來評價不同，未來期刊評價的指標將更加多元、更加精細，而且也將在很大程度上彌補當前評價指標的局限與不足。具體來說，未來大數據背景下，學術期刊的評價指標將可能包括以下幾個方面：
3.1關注度評價指標
依靠大數據的技術支持，未來期刊評價可以嘗試將期刊論文的關注度列入評價標準之中。電子化閱讀終端和云計算技術可以準確記錄讀者在閱讀期刊時的閱讀量、點擊量、閱讀時間、閱讀段落甚至是可能的閱讀字數，有效記錄并計算讀者閱讀的關注點與精細程度，閱讀之后在學術社交網絡和開放存取平臺中被討論的次數，并實現對期刊論文受關注度地量化統計，這將為期刊評價提供重要的參考指標。客觀來講，期刊的受關注度并不能直接反映期刊刊載文章的水平和深度，尤其對一些相對冷門的學科和研究領域，文章的專業性比較強，讀者比較小眾，關注度也較低。因此，在將關注度作為期刊評價指標時，必須避免單純的量化統計，而應結合學科在不同時期的縱向對比，以及文章在穩定讀者群體中關注度的變化來具體衡量，筆者認為，可以嘗試在不同學科之間設置合理的浮動系數，以統計數據乘以浮動系數來計算期刊真實的關注度水平。
3.2創新觀點評價指標
篇12
Bibliometric Analysis of Big Data in Colleges and Universities in China in 2009-2016
TANG Yan， HAN Ai-qing， ZHANG Bao-ying，ZHANG Wei-wei
（Information Center， Beijing University of Chinese Medicine， Beijing 100029，China）
Abstract：This article introduce the bibliometrics analysis of big data related literature in colleges and universities in 2009-2016. Through the bibliometrics analysis of the literature and literature sources， literature journal， CO word matrix of keyword analysis， keyword， knowledge mapping analysis， draw the data related researches and the research hot spot， which can provide the reference for future researchers.
Keyword： University； big data； bibliometrics method； knowledge mapping
1研究背景
隨著云計算、互聯網的發展，人類社會已經進入大數據時代。大數據包括各個系統中數據庫中的結構化數據，也包括由社交媒體、郵件、視頻、音頻、文檔信息和網頁所產生的非結構化數據。
大數據已經成功應用于政治、經濟、文化、社會等各領域，已成為一個事關國家發展的產業。2012 年3 月29 日，美國政府宣布了“大數據研究和發展倡議（Big Data Research and Development Initiative）”，以推進從大量的、復雜的數據集合中獲取知識和洞見的能力，并承諾政府將為此投資超2 億美元，許多重要國家機構都將參與其中。2012 年7 月10 日，聯合國大數據政務白皮書《大數據促發展：挑戰與機遇》，指出各國政府應當使用極大豐富的數據資源，更好地響應社會和經濟指標。日本總務省于2012 年7 月新“活躍ICT日本”新綜合戰略，提出正針對大數據推廣的現狀、發展動向、面臨問題等進行探討，以期對解決社會公共問題做出貢獻。
同時，大數據正在給零售行業帶來深刻的變革，比如美國的亞馬遜，中國的阿里巴巴、騰訊等企業。電商利用大數據預測人們的購買行為，預知消費趨勢，并對人們未來的選擇做出一些推薦。大數據也影響著每個人的工作、生活和學習。生活中，人們基于大數據的移動應用隨時叫到出租車；甚至有數據分析家分析Facebook上的信息，來判斷戀人們是否會分手。
大數據技術的目標就是從這些數據中挖掘信息、判斷趨勢、提高效益。“大數據”是繼物聯網、云計算之后IT 產業又一次顛覆性的技術變革。如何在教育信息化領域充分理解并迎接大數據技術帶來的機遇和挑戰，利用海量數據來挖掘信息、判斷趨勢、提高效率？這是高校信息化部門未來建設數字化校園過程中的必由之路。
高校信息系統也是數據生產大戶。麥肯錫全球研究中心的最新數據顯示，僅2009 年，美國國家教育部的某信息系統的數據庫就膨脹至269 P 字節（1 個P 字節等于10 億個M 字節）。在中國的高校里，學生的學籍、選課、成績、借書、BB平臺、科研系統、實習情況、就業情況、上網、論壇、微博、一卡通、門禁等都會產生大量數據；教師的OA系統、基本信息、科研情況、講座、上課課件、視頻、遠程教育課程等也會產生大量數據；實驗設備、機房、實驗室、圖書等信息，也會產生大量數據。所以高校信息系統通常龐大、復雜，經過多年運營，已經積累了很多數據，這就是高校信息系統中的大數據。
高校中的大數據有很高的教學與科研價值，通過大數據分析，為學校管理部門提供科學的決策支持，幫助教學管理部門優化教學資源配置，優化招生、就業指導等工作。在這個信息非常寶貴的時代，高校的師生們都將從大數據技術中受益。本文采用文獻計量學方法，對我國2009年至2016年大數據在高校的相關文獻進行統計分析，旨在了解該領域的研究現狀、研究熱點和發展趨勢，為科研人員和技術人員提供參考。
2 數據來源與處理方法
2.1數據來源
本文選擇CNKI中國知網數據庫作為檢索數據來源，檢索策略為：（主題=大數據 或big data） 并且 （摘要=高校 或 大學）。檢索時間范圍為：2009年至2016年的數據，共檢索出1340條記錄，檢索時間截止2016年3月9日。
本研究分析的文獻均來自于國內學術期刊、會議論文和學位論文，剔除新聞、短訊、消息、會議通知等文獻，并經過人工篩選剔除不屬于大數據和高校主題相關的研究文獻以及資料不全、數據缺失的文獻。經過篩選共有1258篇文獻與本文研究領域相關，作為文獻研究數據。其中，期刊論文1143，學位論文89篇，會議論文26篇。
2.2分析方法
本文應用計量分析法分析文獻發表年度分布、文獻發表地區分布、文獻機構來源分布、文獻發表期刊等情況；并進一步研究文獻的高頻關鍵詞，分析關鍵詞共詞矩陣，繪制高頻關鍵詞知識圖譜，探討高校大數據的研究熱點和研究前沿。
在研究過程中利用Excel、Access軟件對檢索到的文獻數據進行數據分析前期的數據清洗、數據管理；使用SATI3.2軟件進行信息的抽取，使用Ucinet軟件生成數據文件，并通過NetDraw進行知識圖譜的可視化展示。
3 文獻計量分析
3.1文獻年度發表數量分布
對研究文獻按年度統計文獻數量，結果顯示：2009年文獻5篇，2010年4篇，2011年7篇，2012年9篇，2013年86篇，2014年336篇，2015年739篇，2016年截至3月9日發表文章58篇，另有15篇年代不詳。統計結果如表1所示。通過文獻數量可以看出，2012年以前，國內大數據技術在高校中的應用比較少，尚處于萌芽狀態；2013年開始增長，2014之后迅猛發展，2015年文章數占2009-2016.3月文獻總數的一半多。
表1 2009-2015年高校大數據相關文獻數量
3.2 文獻來源機構分布
分析文獻的來源機構，可以為該領域各科研機構的科研成果、學術水平提供科學依據。本文提取文獻中作者的所在機構，并將同一學校不同部門、更名機構合并為同一機構，分析機構來源情況。分析得出，文獻來源于619個科研機構，并按發文量由高到低排列，位于前12位的機構及發文量如表2所示：
表2 高校大數據發文量前12名的機構分布
通過表2可以看出發文量較高的大學主要位于上海、北京、南京、廣州等這些經濟比較發達的地區，大部分是重點大學，這些高校在大數據方面的研究開展較早，投入較多，研究基礎較好。
使用Access軟件，對不同機構之間的合作發文情況進行統計，機構間合作發文95篇，占總文獻數的7.1%。單個機構發文數量遠遠高于合作發文，目前不同機構在高校大數據方面的合作還比較少。
3.3文獻發表期刊分析
選擇1143篇期刊文獻，經過統計，共發表在518種不同的期刊上，發文量排名靠前的期刊分別為《中國教育網絡》26篇，《農業讀書情報學刊》22篇，《中國教育信息化》17篇，《蘭臺世界》17篇。統計發表文獻數量排在前十的期刊，如表3所示，這些期刊占518種期刊的1.93%，但是發文量共162篇，占全部期刊文獻的14.11%。說明這些期刊中發表高校大數據方面的文章較多，是高校大數據研究的重要陣地。
表3 國內高校大數據相關文獻排名前10的期刊分布
3.4 文獻關鍵詞分析
文獻的關鍵詞一般有3-5個詞或詞組組成，能體現出文章的核心思想。對關鍵詞進行分析，找出高頻關鍵詞，發現研究領域的熱點問題。本文共提取1258篇論文中的關鍵詞4853個，整理、合并部分意思相同的關鍵詞，頻率最高的29個關鍵詞如表4所示：
表4 高校大數據相關高頻關鍵詞
從表4中可以看出，“大數據”詞頻最高， “高校圖書館”、“高校”、“思想政治教育”、“MOOC”、“數據挖掘”“互聯網、互聯網+”等關鍵詞出現的頻率也較高，可以看出這些都是大數據在高校的研究熱點。
但是，單個關鍵詞的詞頻不能夠說明關鍵詞之間的關系，還需要進一步進行關鍵詞共詞分析的研究。
3.5 關鍵詞共詞分析
關鍵詞共詞分析是對關鍵詞兩兩統計其在同一片篇文獻中出現的次數，構建共詞矩陣，進行聚類分析，從而找出關鍵詞之間的聯系，進一步解釋該領域研究熱點之間的聯系和結構關系[4]。
本文使用Excel中的“數據透視表”功能，創建所有關鍵詞共詞矩陣，選擇矩陣中關鍵詞詞頻較高的部分數據，顯示在表5中。
上面的共詞矩陣中，對角線顯示單個關鍵詞在文獻中出現的次數（注：此處關鍵詞沒有進行人工整理、合并），其他單元格顯示行和列對應的兩個關鍵詞同時出現在文獻中的次數。該矩陣以對角線為對稱軸對稱，沿對角線方向，矩陣上下部分數據完全一致。
為了研究高頻關鍵詞之間的關系，將表5所示的共詞矩陣導入到Ucinet軟件中，生成*.h的數據文件，并通過NetDraw可視化軟件繪制關鍵詞之間的知識圖譜，生成如圖1所示的高校大數據關鍵詞知識圖譜。
在圖1中，不同的節點代表不同的關鍵詞，節點的大小說明了關鍵詞的中介中間性。處于整個圖中心位置的“大數據”關鍵詞，節點最大，說明位置最為重要。節點之間線條的粗細程度代表了節點表示的關鍵詞共現的次數的多少。線條越粗，說明兩個關鍵詞共現的次數較多，關系較為密切。
圖1中，關鍵詞“大數據”位于核心位置，是這兩年研究的重點。“高校圖書館”、“高校”、“思想政治教育”、“MOOC”、“數據挖掘”“互聯網、互聯網+”等關鍵詞，也是大數據在高校領域的研究熱點。
4 結論
綜上所述，通過對2009年-2016年CNKI上高校大數據相關文獻進行計量分析法、內容分析法和可視化分析法，得出以下結論：
文獻數量上，2012年以前，研究較少，處于萌芽狀態；2013年開始增長，2014之后迅猛發展。文獻的數量與大數據在我國的發展相吻合。媒體將2013年稱為中國的“大數據元年”。這一年，大數據開始走向各行各業，阿里、百度等企業與政府簽署了戰略合作框架協議，推動大數據在政府統計中的應用。教育、醫療等行業也認識到大數據對于解決面臨的種種問題具有重要戰略價值，大數據技術在各行業的研究應用逐步增多。從數據可以看出，從2013年開始，大數據技術與高校相關的文獻迅速增多，大數據在高校的研究與應用越來越多。
從文獻發表期刊可以看出，近年來雖然文獻數量快速增長，但是，發文期刊主要集中在教育信息化、教育教學、圖書情報方面。高校大數據研究集中在教育、情報圖書館、計算機科學領域，具有學科交叉性，但是目前對大數據的研究還處在初期的理論、概念、設計方面的研究，大數據技術的深入研究、行業的實際應用方面還比較薄弱。
通過關鍵詞詞頻分析、共詞矩陣、知識圖譜的分析，可以看出在高校圍繞大數據開展的熱點研究主要集中在三個方面：
1） 大數據在高校圖書館、信息服務、知識服務、數據分析、數據挖掘方面的研究；
2） 大數據在人才培養、高等教育方面引起的變革，以及MOOC教學模式的引入也是研究的熱點內容；
3） 大數據、云計算、物聯網技術在高校管理的信息化、數字化，以及建設數據中心，建設智慧校園中必不可少的。也是高校大數據的研究熱點。
總之，高校大數據的相關研究已經取得了一些成果，今后科研人員還需要注重研究的深度，注重大數據關鍵技術在高校中的應用的研究，將理論成果向實踐應用轉化，為高校、乃至整個教育行業帶來深遠的影響。
參考文獻：
[1] Spiroski，Mirko.Relative Citation Ratio of Top Twenty Macedonian Biomedical Scientists in PubMed：A New Metric that Uses Citation Rates to Measure Influence at the Article Level[J].Open access Macedonian journal of medical sciences，2016，4（2）：187-93.
[2] Huang，Ying，Schuehle，Jannik，Porter，Alan L.A systematic method to create search strategies for emerging technologies based on the Web of Science： illustrated for 'Big Data'[J].SCIENTOMETRICS，2015，105（3）.
[3] Bragge，Johanna，Korhonen，Pekka，Wallenius，Hannele.Scholarly communities of research in multiple criteria decision making：a bibliometric research profiling study[J].international journal of information technology & decision making，2012，11（2）：401-426.
[4] 楊瑞仙.大數據研究的文獻計量分析[J].情報科學，2015，33（8）：152-156.
[5] 桑慶兵.大數據在高校的應用與思考[J].南通紡織職業技術學院學報（綜合版），2013，13（2）：84-87. （下轉第16頁）
（上接第13頁）
[6] 姜開達，章思宇，孫強.基于Hadoop 的校園網站日志系統設計與實現[C].中國高等教育學會教育信息化分會第十二次學術年會論文集，2014（11）.
[7] 崔雷，鄭華川.關于從MEDLINE數據庫中進行知識抽取和挖掘的研究進展[J].情報學報，2003（4）：425-433.
篇13
對于此次合作，中新賽克CEO凌東勝說道，作為軟件開發供應商，中新賽克希望通過這次合作能夠把學術界的研究成果轉化到產品的實際解決方案中去，提升產品的核心競爭力，開發出領先的數據分析軟件，讓國內企業在大數據領域真正做強、做大。在2015年，中新賽克將把信息安全領域和銀行領域作為大數據產品的主要研發方向，努力推出優秀的產品解決方案。
