時間：2024-01-30 15:08:01
序論：速發表網結合其深厚的文秘經驗，特別為您篩選了11篇大數據時代分析范文。如果您需要更多原創資料，歡迎隨時與我們的客服老師聯系，希望您能從中汲取靈感和知識！
大數據在如今社會已經成為熱點詞匯，不僅在計算機領域，在其他各個行業都能夠得到運用，為各個行業提供便捷，為了讓大數據能夠得到充分利用，下文將對大數據分析相關方面進行討論。
一、大數據與大數據時代
（一）大數據大數據是在當今科技飛速發展的情況下，一種新興的信息數據處理技術。隨著社會科技的進步，各行各業對于數據的應用也越來越廣泛，傳統的數據處理技術耗時較長且精準度較為低下，已經不能滿足現代科技對數據應用的要求。新時代的大數據系統具有超大的數據容量，同時兼容半結構化與結構化的數據，遠遠超出傳統數據庫管理系統的管理能力。因此新的大數據技術就此誕生。大數據在發展過程中，具有比為鮮明的特點。與傳統數據處理技術相比，大數據具有數量龐大、多樣化、速率快、價值高的特點。在信息處理的速度不斷加快的當今社會，這樣的特點為大數據的廣泛應用打下了堅實基礎。由于數據的數量較為龐大，且各種數據近年來的增長趨勢呈指數型，其數據的種類和形式也各有不同。其次，合理利用大數據技術，能夠在一定程度上降低成本，提高效率，因此，大數據處理各項關鍵技術的進一步的開發與利用已成為了提高自身效率，實現核心競爭力的重中之重。
（二）大數據時代大數據時代是指在物聯網技術、計算機技術、數據信息處理技術的基礎上，通過互聯網途徑，大量收集并處理分析數據資源，而形成一種新型的信息時代。大數據時代的主要核心內容是對龐大的數據體系進行處理以發揮價值，從而提升數據分析效率以及數據應用價值。大數據時代是由多種信息技術共同組成，可以有效地避免數據處理中不同步、使用不方便的情況發生，具有高效可靠的數據處理、整合、分析及匯總的功能。因此，大數據時代的新型數據處理技術可最大程度的對數據進行分析與挖掘，極大提高處理數據的效率。
二、大數據時代與統計學
（一）大數據時代與統計學的關系統計工作是集數據的搜集、整理、分析和解釋為一體的系統的過程。大數據與統計二者互相依存，通過統計的方法和原理對數據進行整理和分析，提高數據的精確度和適用度，以此來實現數據的價值和利用率。由此看來，大數據與統計學的聯系既緊密，又存在區別。大數據與統計學的關系甚為密切，它們都是關于數字的學科。統計學為大數據提供了了施展方向，而大數據將統計學引領至更深更廣的空間。共性之一就是社會與數據。幾乎所有的行業與大數據都有著密切聯系，這些聯系或直接或間接，而人們正是通過獲取數據并進行分析，從而才能得到商業知識和社會服務等能力。大數據與統計學的區別。首先，信息規模不同。大數據的分析對象是與某事物有關聯的所有數據，要求數據量龐大。統計學則是用樣本來分析和推斷總體的數量特征。在大數據時代，則可以通過各種方法和渠道獲得全面而又完整的的信息資料，從而完成更多從前無法完成的事情。其次，動靜標準不同。數據經過了搜集、整理、分析的過程就很有可能因為精確性不足而被認為失去了用處。而大數據時代，則不必再擔心這個問題，數據的精確性和原始性不在被過分重視，人們可以接受復雜數據。第三，數據搜集形式不同。在以往數據搜集形式主要是抽樣調查，方法局限。而在大數據時代，特點是信息爆炸和互聯網飛速發展，這一情況得到改觀。最后，思維方式不同。大數據時代人們的思維發生轉變，人們開始更多的關注事物的相關關聯。
（二）大數據對統計學研究工作的影響首先，大數據豐富了統計學的研究對象。在大數據時代，我們既可以以結構化數據作為測量單位對文本、圖像和視頻等進行分析，還可以對非結構化數據實行分析。其次，大數據影響了統計學的工作進程。統計數據需求豐富，原有的統計抽樣分析不能在適應時代的發展，而現代科技方法如透過傳感器自動收集數據等方法取代了傳統方法，更加便捷有效。
三、大數據數據分析理念
引言
進入21世紀以來，隨著高新科技的迅猛發展和經濟全球化發展的趨勢，我國國民經濟迅速增長，各行業、領域的發展也頗為迅猛，人們生活水平與日俱增，在物質生活得到極大滿足的前提下，更加追求精神層面以及視覺上的享受，這就涉及到數據信息方面的內容。在經濟全球化、科技一體化、文化多元化的時代，數據信息的作用和地位是不可小覷的，處理和歸類數據信息是達到信息傳遞的基礎條件，是發展各學科科技交融的前提。
然而，世界上的一切事物都包含著兩個方面，這兩個方面既相互對立，又相互統一。矛盾即對立統一。矛盾具有斗爭性和同一性兩種基本屬性，我們必須用一分為二的觀點、全面的觀點看問題。同時要積極創造條件，促進矛盾雙方的相互轉變。數據信息在帶給人們生產生活極大便利的同時，還會被諸多社會數據信息所困擾。為了使廣大人民群眾的日常生活更加便捷，需要其客觀、正確地使用、處理數據信息，完善和健全數據分析技術和數據挖掘手段，通過各種切實可行的數據分析方法科學合理地分析大數據時代下的數據，做好數據挖掘技術工作。
1 實施數據分析的方法
在經濟社會快速發展的背景下，我國在科學信息技術領域取得長足進步。科技信息的發展在極大程度上促進了各行各業的繁榮發展和長久進步，使其發展更加全面化、科學化、專業化，切實提升了我國經濟的迅猛發展，從而形成了一個最佳的良性循環，我國也由此進入了大數據時代。對于大數據時代而言，數據分析環節是必不可少的組成部分，只有科學準確地對信息量極大的數據進行處理、篩選，才能使其更好地服務于社會，服務于廣大人民群眾。正確處理數據進行分析過程是大數據時代下數據分析的至關重要的環節。眾所周知，大數據具有明顯的優勢，在信息處理的過程中，需要對大容量數據、分析速率，以及多格式的數據三大問題進行詳細的分析和掌握。
1.1 Hadoop HDFS
HDFS，即分布式文件系統，主要由客戶端模塊、元數據管理模塊、數據存儲服務模塊等模塊組成，其優勢是儲存容量較大的文件，通常情況下被用于商業化硬件的群體中。相比于低端的硬件群體，商業化的硬件群體發生問題的幾率較低，在儲存大容量數據方面備受歡迎和推崇。Hadoop，即是分布式計算，是一個用于運行應用程序在大型集群的廉價硬件設備上的框架，為應用程序的透明化的提供了一組具有穩定性以及可靠性的接口和數據運動，可以不用在價格較高、可信度較高的硬件上應用。一般情況下，面對出現問題概率較高的群體，分布式文件系統是處理問題的首選，它采用繼續運用的手法進行處理，而且還不會使用戶產生明顯的運用間斷問題，這是分布式計算的優勢所在，而且還在一定程度上減少了機器設備的維修和維護費用，特別是針對于機器設備量龐大的用戶來說，不僅降低了運行成本，而且還有效提高了經濟效益。
1.2 Hadoop的優點與不足
隨著移動通信系統發展速度的不斷加快，信息安全是人們關注的重點問題。因此，為了切實有效地解決信息數據安全問題，就需要對大量的數據進行數據分析，不斷優化數據信息，使數據信息更加準確，安全。在進行數據信息的過程中，Hadoop是最常用的解決問題的軟件構架之一，它可以對眾多數據實行分布型模式解決，在處理的過程中，主要依據一條具有可信性、有效性、可伸縮性的途徑進行數據信息處理，這是Hadoop特有的優勢。但是世界上一切事物都處在永不停息地變化發展之中，都有其產生、發展和滅亡的歷史，發展的實質是事物的前進和上升，是新事物的產生和舊事物的滅亡，因此，要用科學發展的眼光看待問題。Hadoop同其他數據信息處理軟件一樣，也具有一定的缺點和不足。主要表現在以下幾個方面。
首先，就現階段而言，在企業內部和外部的信息維護以及保護效用方面還存在一定的不足和匱乏，在處理這種數據信息的過程中，需要相關工作人員以手動的方式設置數據，這是Hadoop所具有的明顯缺陷。因為在數據設置的過程中，相關數據信息的準確性完全是依靠工作人員而實現的，而這種方式的在無形中會浪費大量的時間，并且在設置的過程中出現失誤的幾率也會大大增加。一旦在數據信息處理過程中的某一環節出現失誤，就會導致整個數據信息處理過程失效，浪費了大量的人力、物力，以及財力。
其次，Hadoop需求社會具備投資構建的且專用的計算集群，在構建的過程中，會出現很多難題，比如形成單個儲存、計算數據信息和儲存，或者中央處理器應用的難題。不僅如此，即使將這種儲存形式應用于其他項目的上，也會出現兼容性難的問題。
2 實施數據挖掘的方法
隨著科學技術的不斷發展以及我國社會經濟體系的不斷完善，數據信息處理逐漸成為相關部門和人們重視的內容，并且越來越受到社會各界的廣泛關注和重視，并使數據信息分析和挖掘成為熱點話題。在現階段的大數據時代下，實施數據挖掘項目的方法有很多，且不同的方法適用的挖掘方向不同。基于此，在實際進行數據挖掘的過程中，需要根據數據挖掘項目的具體情況選擇相應的數據挖掘方法。數據挖掘方法有分類法、回歸分析法、Web數據挖掘法，以及關系規則法等等。文章主要介紹了分類法、回歸分析法、Web數據挖掘法對數據挖掘過程進行分析。
2.1 分類法
隨著通信行業快速發展，基站建設加快，網絡覆蓋多元化，數據信息對人們的生產生活影響越來越顯著。計算機技術等應用與發展在很大程度上促進了經濟的進步，提高了人們的生活水平，推動了人類文明的歷史進程。在此背景下，數據分析與挖掘成為保障信息安全的基礎和前提。為了使得數據挖掘過程更好地進行，需要不斷探索科學合理的方法進行分析，以此確保大數據時代的數據挖掘進程更具準確性和可靠性。分類法是數據挖掘中常使用的方法之一，主要用于在數據規模較大的數據庫中尋找特質相同的數據，并將大量的數據依照不同的劃分形式區分種類。對數據庫中的數據進行分類的主要目的是將數據項目放置在特定的、規定的類型中，這樣做可以在極大程度上為用戶減輕工作量，使其工作內容更加清晰，便于后續時間的內容查找。另外，數據挖掘的分類還可以為用戶提高經濟效益。
2.2 回歸分析法
除了分類法之外，回顧分析法也是數據挖掘經常采用的方法。不同于分類法中對相同特質的數據進行分類，回歸分析法主要是對數據庫中具有獨特性質的數據進行展現，并通過利用函數關系來展現數據之間的聯系和區別，進而分析相關數據信息特質的依賴程度。就目前而言，回歸分析法通常被用于數據序列的預計和測量，以及探索數據之間存在的聯系。特別是在市場營銷方面，實施回歸分析法可以在營銷的每一個環節中都有所體現，能夠很好地進行數據信息的挖掘，進而為市場營銷的可行性奠定數據基礎。
2.3 Web數據挖掘法
通訊網絡極度發達的現今時代，大大地豐富了人們的日常生活，使人們的生活更具科技性和便捷性，這是通過大規模的數據信息傳輸和處理而實現的。為了將龐大的數據信息有目的性地進行分析和挖掘，就需要通過合適的數據挖掘方法進行處理。Web數據挖掘法主要是針對網絡式數據的綜合性科技，到目前為止，在全球范圍內較為常用的Web數據挖掘算法的種類主要有三種，且這三種算法涉及的用戶都較為籠統，并沒有明顯的界限可以對用戶進行明確、嚴謹的劃分。隨著高新科技的迅猛發展，也給Web數據挖掘法帶來了一定的挑戰和困難，尤其是在用戶分類層面、網站公布內容的有效層面，以及用戶停留頁面時間長短的層面。因此，在大力推廣和宣傳Web技術的大數據時代，數據分析技術人員要不斷完善Web數據挖掘法的內容，不斷創新數據挖掘方法，以期更好地利用Web數據挖掘法服務于社會，服務于人們。
3 大數據分析挖掘體系建設的原則
隨著改革開放進程的加快，我國社會經濟得到明顯提升，人們物質生活和精神文化生活大大滿足，特別是二十一世紀以來，科學信息技術的發展，更是提升了人們的生活水平，改善了生活質量，計算機、手機等先進的通訊設備比比皆是，傳統的生產關系式和生活方式已經落伍，并逐漸被淘汰，新的產業生態和生產方式噴薄而出，人們開始進入了大數據時代。因此，為了更好地收集、分析、利用數據信息，并從龐大的數據信息中精準、合理地選擇正確的數據信息，進而更加迅速地為有需要的人們傳遞信息，就需要建設大數據分析與挖掘體系，并在建設過程中始終遵循以下幾個原則。
3.1 平臺建設與探索實踐相互促進
經濟全球化在對全球經濟發展產生巨大推力的同時，還使得全球技術競爭更加激烈。為了實現大數據分析挖掘體系良好建設的目的，需要滿足平臺建設與探索實踐相互促進，根據體系建設實際逐漸摸索分析數據挖掘的完整流程，不斷積累經驗，積極引進人才，打造一支具有專業數據分析與挖掘水準的隊伍，在實際的體系建設過程中吸取失敗經驗，并適當借鑒發達國家的先進數據平臺建設經驗，取其精華，促進平臺建設，以此構建并不斷完善數據分析挖掘體系。
3.2 技術創新與價值創造深度結合
從宏觀意義上講，創新是民族進步的靈魂，是國家興旺發達的不竭動力。而對于數據分析挖掘體系建設而言，創新同樣具有重要意義和作用。創新是大數據的靈魂，在建設大數據分析挖掘體系過程中，要將技術創新與價值創造深度結合，并將價值創造作為目標，輔以技術創新手段，只有這樣，才能達到大數據分析挖掘體系建設社會效益與經濟效益的雙重目的。
3.3 人才培養與能力提升良性循環
意識對物質具有反作用，正確反映客觀事物及其發展規律的意識，能夠指導人們有效地開展實踐活動，促進客觀事物的發展。歪曲反映客觀事物及其發展規律的意識，則會把人的活動引向歧途，阻礙客觀事物的發展。由此可以看出意識正確與否對于大數據分析挖掘體系平臺建設的重要意義。基于此，要培養具有大數據技術能力和創新能力的數據分析人才，并定期組織教育學習培訓，不斷提高他們的數據分析能力，不斷進行交流和溝通，培養數據分析意識，提高數據挖掘能力，實現科學的數據挖掘流程與高效的數據挖掘執行，從而提升數據分析挖掘體系平臺建設的良性循環。
4 結束語
通過文章的綜合論述可知，在經濟全球化趨勢迅速普及的同時，科學技術不斷創新與完善，人們的生活水平和品質都有了質的提升，先進的計算機軟件等設備迅速得到應用和推廣。人們實現信息傳遞的過程是通過對大規模的數據信息進行處理和計算形成的，而信息傳輸和處理等過程均離不開數據信息的分析與挖掘。可以說，我國由此進入了大數據時代。然而，就我國目前數據信息處理技術來看，相關數據技術還處于發展階段，與發達國家的先進數據分析技術還存在一定的差距和不足。所以，相關數據分析人員要根據我國的基本國情和標準需求對數據分析技術進行完善，提高思想意識，不斷提出切實可行的方案進行數據分析技術的創新，加大建設大數據分析挖掘體系的建設，搭建可供進行數據信息處理、劃分的平臺，為大數據時代的數據分析和挖掘提供更加科學、專業的技術，從而為提高我國的科技信息能力提供基本的保障和前提。
參考文獻
[1]唐東波.基于神經網絡集成的電信客戶流失預測建模及應用[J].大眾商務，2010（06）.
[2]劉蓉，陳曉紅.基于數據挖掘的移動通信客戶消費行為分析[J].計算機應用與軟件，2006（02）.
[3]魏娟，梁靜國.基于數據挖掘技術的企業客戶關系管理（CRM）[J].商業研究，2005（07）.
[4]田苗苗.數據挖掘之決策樹方法概述[J].長春大學學報，2004（06）.
[5]王曉佳，楊善林，陳志強.大數據時代下的情報分析與挖掘技術研究――電信客戶流失情況分析[J].情報學報，2013.
引言：
目前階段，在計算機處理技術不斷發展的背景下，在對規模較大并且較為復雜的數據進行處理過程中，人們已經逐漸掌握了方法與技能，并且能夠在大規模的數據中找出具有一定價值的信息，所以，大數據時代已經來臨。在數據時代中，在人文社科與人類自然科學技術等方面都會有較大的發展，同時也會一定程度上改變人們的生活與工作方式。除此之外，大數據時代也同樣為統計學提供了良好的發展機會，但也存在一定的挑戰。
一、大數據時代的概念
大數據時代的提出者是麥肯錫，他認為數據已經逐漸進入到各個行業與各業務職能的領域中，并且逐漸成為了主要的生產因素[1]。因此，人們在對大規模數據進行挖掘與應用的過程，也就意味著新的生產率增長的來臨。雖然“大數據”在眾多行業被廣泛應用，但是，特別是在信息與互聯網的領域中應用突出。
二、怎樣理解大數據
（一）大數據概念界定與構成
大數據，即由于日常產生的數據量快速增長，使得數據庫無法利用相應的管理工具對其進行管理與收集，最終導致在進行搜索、分析、存取、共享數據時具有較大的困難。
大數據的構成包括四部分，并將其總結為4V，即Volume，Variety，Value，Velocity[2]。第一部分是價值密度低，將視頻作為具體實例來說，實現連續并且不間斷的監控，其中有價值的數據信息只有一兩秒。第二部分是數據體量極大，已經從TB實現了PB的躍升。第三部分是數據類型眾多，主要包括視頻、圖片、網絡日志以及地理信息等。第四部分是處理的速度超快，可以用一秒定律來解釋。
（二）海量數據帶來哪些挑戰
第一，數據存儲。由于大數據的數據規模是PB級別，所以，存儲的系統也需要進行等級的拓展，并且可以通過磁盤柜或者是增加模塊實現容量的增加。然而，目前階段，數據的增長速度驚人，所以系統資源的消耗也不斷增加，導致系統的運行效率有所下降[3]。因為對海量數據始終停留在分布式的存儲階段，所以，對于爆炸式的數據增長，原有的存儲方案已經無法滿足現有的數據變化需求。
第二，處理技術。由于海量數據的分布性與數據量與以往存在較大的差異，所以，原有的數據管理技術已經處于落后狀態。
第三，數據安全。在互聯網規模逐漸擴大的情況下，數據的應用已經出現指數級別的增長，所以，對于數據安全的保護與監控來說具有一定的難度。
（三）大數據相關應用與實踐
第一，體育賽事應用。以2014年的世界杯為例，在充分發揮記者與編輯敏銳度的基礎上，騰訊也利用對大數據的分析以及云計算等方式來為為其提供移動與社交的數據。與此同時，騰訊與IBM進行合作，并通過文化、賽事與球迷三方面來對世界杯球迷的關注重點進行信息的挖掘，進而實現新欄目的創作，并且在短時間內贏得了廣大球迷的認可與關注。
第二，產品推薦應用。產品推薦的應用比較廣泛，可以對客戶信息、交易歷史、購買過程等數據進行全面的分析，并進行有價值信息的挖掘。同時，針對同一產品的不同客戶訪問信息也可以進行挖掘。最終，通過對客戶行為的分析，來確定消費者的共，這樣就可以更好的為客戶推薦產品。
除此之外，在產品推薦中，可以在對客戶社交行為進行信息挖掘與分析的基礎上來進行社區的營銷。對客戶微信微博以及社區活動中的偏好數據進行分析，并為其提供符合客戶興趣愛好的產品。
圖一
三、如何分析大數據
（一）如何挖掘數據中價值
以匹配廣告為具體事例進行分析，主要有兩種數據。第一種是廣告庫，其中包括廣告庫以及廣告的客戶信息[4]。但是這種數據信息比較適合在傳統數據庫中應用。第二種是用戶在觀看廣告后的行為。可以把以上兩種數據進行有效的結合，并通過相應的算法來體現價值。在實踐應用過程中，可以充分體會到第二種信息的重要作用。可以為用戶提供其所需的信息，并通過群體智能以及群體行為對之前用戶使用的效果進行分析，最終通過具體的反饋機制，將最優質的信息提供給用戶，還可以進行搜索或者是查詢信息。
（二）如何做處理與分析
第一，更新抽樣調查的工作理念。由于大數據時代的數據樣本是以往資料綜合，所以，可以對相關事務的數據信息進行分析，進一步對總體進行了解，還可以更好的了解局部。同時需要解決以下問題：抽樣框架不穩定，調查目的設定不合理、樣本量受限[5]。第二，積極改變對于數據精確度的標準。在大數據時代的背景下，數據的來源比較廣泛，并且對數據進行處理的技術也有所提高，所以，可以允許數據存在不準確的情況。大數據時代需要吸收多種數據，但并需要一味的要求數據精準。第三，合理轉變數據關系的分析重點。由于大數據時代的數據規模比較大，而且結構也十分復雜，變量的關系也比較繁雜。所以，在對數據進行分析的過程中，不應該對因果關系進行仔細的分析，而重要的是對事物相關的關系進行分析。需要轉換思路，對事物關系的形式與目的進行詳細的分析。
四、 大數據對統計學科和統計研究工作的影響
（一） 拓展統計學研究領域
因為大數據時代的到來，所以會對各個領域產生一定的影響，同樣給統計學帶來影響。在統計學中，其主要的研究對象就是其所要認識的客體，是客觀存在事物自身的數量特征與關系。其中，統計學研究對象最主要的特點就是數量性。然而，在傳統的統計學當中，數據主要是試驗與調查的數值。在大數據時代中，統計研究的對象不僅包括以結構數據度量的數量，此外，還可以包括一些無法用數量關系進行衡量的半結構與非結構數據，其中可以包括動畫、圖片、聲音、文本等等[6]。所以，可以說，在大數據時代背景下，統計學的研究對象領域有所擴大。
（二） 對統計計算規范產生影響
在傳統的統計學當中，一般是使用方差、平均數以及相對數等數據計算規范來真實反映事物量特征的，同時還可以反映事物量的關系與界限，能夠通過數據計算規范來計算出具體的數值。但是，半結構與非結構的數據是無法通過傳統數據計算規范進行計算的[7]。所以，在大數據時代的背景下，傳統的數據計算規范也同樣遇到了難題。
（三） 對統計研究工作的過程產生影響
1. 數據整理和分析
第一，數據審核。原有的數據審核主要的目的就是對數據準確性和完整性進行嚴格的檢查。但是，在大數據的時代中，對數據的審核就必須要確保數據處理的速度以及預測的準確程度，同時還需要對數處理的規模進行準確的確定，也就是數據量級別的確定。除此之外，因為大數據自身具有不穩定性，并且十分混亂。但是，即使是這樣，大數據也能夠挖掘出信息內部存在的隱蔽關系以及有價值的知識。所以，大數據所反映的研究對象存在準確與不準確兩種，但是，任何一種的數據都具有一定的價值，通常情況下是不需要進行替換或者是刪除的[8]。
第二，數據存儲。在以往的數據存儲中，審核、匯總以及編制的圖表等資料是重點資料，并且需要進行保存起來的。然而，大數據保存最主要的目的就是對存儲的成本進行有效的控制，同時需要根據相應的法規計劃來確定數據存儲的規模。
2. 數據積累、開發與應用
第一，數據積累。傳統統計工作主要是根據所制定的研究目的來對數據進行匯總與分類，并進行保存，這樣可以更好的為后期數據的分析與查詢提供有利的條件。但是，在大數據的積累中，具有價值的信息需要對大數據進行處理后才可以發現。不容置疑，大數據具有一定的復雜性，所以，在積累的過程中，不可以進行簡單的處理。因為大數據的規模大，結構也比較復雜，無法實現簡單的分類，而且，在對大數據進行簡單整理時非常容易使其混亂，對其真實性產生影響，可能會丟失具有價值的信息。
第二，數據開發。大數據時代下的數據流動性極強，所以，其自身的價值有再生性。因此，大數據時代的數據不會貶值，反而會增值。為了能夠對所研究的對象進行更深入的了解，就需要對其整合。
第三，數據應用。對數據的傳統應用主要是為了對現象進行解釋與預測。但是，在大數據時代，數據應用的核心就是在相關關系前提下的預測。
結語
綜上所述，現階段我國社會正處于大數據時代，并且對于社會未來的發展具有重要的意義。文章對大數據時代的概念與定義以及構成進行了闡述與分析，同時，對大數據的實際應用與實踐進行了探討。針對大數據價值的挖掘與分析處理進行了研究，最后列舉了大數據對統計學科以及統計研究工作的影響，進而對今后大數據的數據分析工作提供了有價值的理論依據，并積極的推動了大數據時代的發展，進一步促進了社會的進步。（作者單位：中國人民大學）
參考文獻：
[1]朱建平，章貴軍，劉曉葳等.大數據時代下數據分析理念的辨析[J].統計研究，2014，31（2）：10-19.
[2]張學敏.大數據時代的數據分析[J].電子世界，2014（16）：5-5，6.
[3]李祥歌，王奇奇，郭軼博等.基于大數據時代的數據挖掘及分析[J].電子制作，2015（3）：81-81.
[4]劉江娜.大數據時代：為什么數據分析能讓你的企業脫穎而出[J].環球市場信息導報，2014（36）：92-93.
[5]郭華庚，向禮花.大數據時代網絡信息歸檔的元數據分析[J].貴州師范學院學報，2015，31（3）：24-28.
1分析體系構成及意義
1.1體系構成
建立涵蓋公司預算、工程、資產、資金、電價和風險等財務管理各個方面的分析體系。主要包括：業績考核指標分析、主要指標趨勢分析、損益預算執行分析、預算考核分析、財務狀況分析、售電量分析，電價綜合分析、資金管理分析、稅務管理分析、工程投資進度分析、資產結構與分布分析、風險預警等。
1.2構建分析體系的意義
創新財務信息融合和專業數據展示，多維反映公司財務狀況、經營管理情況并及時反映公司在國家電網公司系統綜合排名情況，最大限度整合重要財務數據信息，使公司領導及時、全面地掌握企業各項業績指標的預算執行情況、購售電綜合情況、融資與擔保情況、納稅情況和風險指標狀態。拓展經營分析的廣度、深度、細度，提高財務分析效率、效益，提高財務管控以及抗風險能力，實現財務分析的智能化，為領導決策提供有力的數據支撐，從而提高對公司經營能力及市場變化的響應速度，有效增強公司的業績指標監控和經營風險防范的能力。
2實施方式
2.1思路
大數據時代的財務分析體系應以集成、集約、集團化管理為主要脈絡，秉持全面預算管理“一盤棋”、會計核算“一本賬”、資金管理“一個池”、資產管理“一條線”、財務監管“一張網”的管理理念，關注重點財務領域，為此需要依托信息系統搭建財務分析模型，充分利用信息系統集成、獲取業務數據，站在集團化的視角分析問題、風險、趨勢、機遇。
2.2財務分析系統技術支持
2.2.1財務分析系統核心技術應用
目前，財務管控系統的應用已覆蓋全省范圍并與成熟套裝軟件、交易系統、營銷系統、經法系統等多種應用平臺建立起集成聯系，為公司依據現有信息系統建立財務分析系統提供了業務和數據支撐。采用先進的、成熟的內存BI技術，滿足高效穩定、易開發、易維護、可以快速調整分析模型的業務需求，使各種各樣的終端用戶以一個高度直覺化，功能強大和創造性的方式，互動分析重要業務信息[1]。
2.2.2BI技術存儲和查詢機制
從技術角度來看，BI技術具有兩個與眾不同的技術，正是它們實現了BI技術快速、靈活、實時運算的強大功能。第一個技術是在內存中采用了陣列集合，每個字段里剔除重復值，記錄之間用指針去尋址。這樣使得數據能夠在內存中被壓縮，平均壓縮比10∶1。第二個技術是采用了“數據云”，任何字段都可以作為維度和度量，可以按需隨意組合成一個分析圖表。同時，采用排除法過濾數據，仿真人腦的思考決策模式，快速拿到需要的數據，排除掉不相關的數據。AQL基于內存的運算，速度遠遠超過基于數據庫的查詢技術。對于現有的各種數據源，只需將數據加載進來，不同的業務數據通過特定的字段來關聯，形成一個統一的視圖，實現各類數據的關聯交叉分析。
2.2.3BI技術提供的分析手段
可以按照用戶的分析需求，將一些維度組合起來，形成一個鉆取組合維度或旋轉組合維度。鉆取維度如時間維度：年-季度-日，地區維度：省市-地市-縣市-鄉村，并可以在圖形和表格上直接鉆取。
2.2.4輔助決策支持
BI技術具有豐富圖表和強大的自定義分析計算能力，不僅可以提供多維分析支持所必需的同比、環比、鉆取、維度切換、儀表盤等各種分析手段，而且還能提供數據的追溯、比對、預測、數學模型等高級技術，為輔助決策提供技術支持[5]。
2.3組織保障
財務分析系統的開發與建設，必須財務部門與信通部門緊密合作，實現業務與技術的緊耦合。財務部門內部各處室各專業必須是開發、建設團隊的成員，認真梳理本專業的分析要點及開發需求，與實施顧問精誠配合，確保財務與相關業務有效集成、協同推進。
2.3.1合理確定階段目標
確定業績考核指標，包括：利潤總額、凈資產收益率、流動資產周轉率、可控費用、資產負債率、投資收入比、EVA、成本收入比。
2.3.2確定數據來源
利用財務集約化、信息化發展成果，最大限度地利用“一本賬”及“一鍵式報表”功能，通過ETL工具、ODS、WebService等數據接口方式，開發獲取財務管控、ERP等業務系統接口，直接通過企業內部局域網，定時或實時地將數據抽取或推送到分析系統數據倉庫前端展現工具，從數據倉庫中加載數據進行各種分析；將協同辦公系統進行綜合利用，國家電網公司經營情況通報、國家電網公司財務集約化考核情況通報等辦公系統文件材料上載到財務分析系統進行分析；同時將信息化水平較低時期的歷史數據，通過大量查找歷史資料的方式，進行最大限度的數據補充。
2.3.3財務管控與ERP業務界面劃分
在現有核算模式下，財務管控系統與ERP系統有各自管理重點。其中，財務管控系統是以融資、票據以及投資、產權管理為細化核算重點；ERP系統是以費用報銷、往來款清理及工程、資產為深化核算重點。兩套財務核算系統高度集成，但其中任何一個系統上都無法將財務核算明細維度、業務流程進行全景展示，通過財務分析系統的海量數據壓縮與分析技術，將財務管控系統與ERP系統各自管理重點集合在同一平臺展示，財務管控和ERP系統的優勢互補，增強財務信息整體利用。利用ERP強大的項目細化管理功能、往來清理功能、費用報銷工單功能，實現從工程概算到資金撥付再到實際投資展示、實現從往來掛賬到完成清理跟蹤展示、實現從費用發起到原始憑證影像展示。通過財務管控系統各功能模塊，利用稅收科目日常核算以及稅碼的輔助賬功能，實現從稅種到稅費形成原因的結構展示；利用融資模塊合同臺賬的管理功能，實現從融資的整體情況到具體合同的本金、貸款時間、還款時間等展示；利用票據管理功能，實現從票據取得到票據背書、貼現、承兌的過程展示；應用電費集成，實現發行日報以及收費過程展示；應用“一本賬”的穿透功能實現區分會計主體、會計期間等會計要素的全景展示。
2.3.4確定財務分析體系的展現形式
確定財務分析系統展現形式的原則：（1）根據指標特點設置表現形式；（2）根據指標需求設置表現形式；（3）根據指標成因進行分析展示；（4）財務分析報告文檔一鍵展示；（5）財務賬表同一平臺分析查詢。
2.3.5確定抽取周期形成及文檔資料
確定按月抽取財務指標數據，按季度形成財務指標文檔資料。
3應用效果
3.1指標體系平臺化，分析能力提質提效
將涉及業績考核、財務狀況掌控、預算集約調控、資金集中管理、資本集中運作、電價集約管理、風險在線監控、財稅管理籌劃、基建財務管控、財務集約化執行、特定期間的財務指標等多維度財務指標反映在同一指標平臺，充分提高財務分析的廣度與深度。
3.2全面反映經營概貌，全面降低風險水平
［摘要］隨著信息技術的發展與應用，各種數據信息通過互聯網、云終端、交際圈、物聯網等之間的大規模傳遞，人類進入到一個大數據時代，數據信息之間的傳遞影響著人們的決策成本，傳統的信息不對等所造成的差距條件已經消失，而不起眼的數據卻能夠創造巨大的價值。本文對大數據時代背景下數據分析理念進行分析和指導。
［
關鍵詞 ］大數據時代；數據分析理念；分析
［DOI］10.13939/j.cnki.zgsc.2015.22.074
在傳統的商業運作模式中，在運營過程中對自身經營發展的分析只停留在數據的簡單匯總層面，缺乏有效地對客戶網絡、業務范圍、營銷產品、競爭對手優劣等方面進行深入解析；而在當今大數據時代，通過所接收的大量內部和外部數據中所蘊含的信息中透露的市場彈性，可以預測市場需求，進行分析決策，從而制定更加行之有效的戰略發展計劃。“大數據”是一個量特別大，數據類別特別大的數據集，并且這樣的數據集無法用傳統數據庫工具對其內容進行抓取、管理和處理。在當今信息時代，很多企業用戶在實際應用中把多個數據集放在一起，已經形成了PB級的數據量；數據類型廣，數據來源種類多，且數據種類和格式日漸豐富，囊括了半結構化和非結構化數據，早已打破傳統的結構化數據范疇，如何在大數據時代背景下進行科學有效的數據分析這需要加強對市場的了解，對泡沫經濟的規避，了解數據所傳遞的信息真假。
1數據化決策的興起與運用
在大數據時代，信息之間的爆炸增長，使得各種信息傳遞非常之快，只需要拿起網絡終端就可以了解到地球另一邊發生了什么。文字、圖形、影像都化作數據流在網絡中以電信號的方式傳遞著信息。數據流在傳遞各行各業的信息同時形成了滲透于各行業的核心資產和創新驅動力。在大數據時代，企業所擁有的數據集合規模及數據的分析和處理能力決定著企業在市場中的核心競爭力。
因此通過數據分析進行決策漸漸成為新的分析理念，例如，在支付寶上進行對電影票房的投資，這些投資通過對導演往期作品和演員的表演張力，及投資方的選角等數據進行分析，預測電影的票房，選取投資可獲利的電影，進行票房投資，從而獲取票房分紅。我國的石油油田根據地震技術的收集數據，進行科學統一規劃的分析處理，形成對地下油田的分析建模，能夠有效直觀地展示地下油藏的分布情況，從而選擇油井的開采點。中國人民銀行通過對人民幣匯率的漲幅，進行數據分析，來制定符合中國國情的外匯貨幣政策，對貨幣進行宏觀調控，這能夠有力的保護人民幣升值時，在國際貿易市場中國進出口貿易所面臨的壓力。在大數據時代背景下，通過直覺和經驗進行決策分析的優勢不斷下降，在商業、政治及公共服務領域中，通過對大數據進行數據分析從而做出符合時代背景的決策，已成了目前的潮流。
2數據分析理念及方法
（1）數據分析要引入統計學思想。在大數據時代背景下，傳統的抽樣分析已經并不適用于對大數據的分析中，在大數據時代應當要轉變思維，轉變抽樣思想，樣本就是總體，要分析與某事物相關的所有數據，而不是依靠少量數據樣本，這樣才能夠在最大限度地明白事物發展變更過程，能夠對數據所表露的信息進行更好地處理［1］。要更樂于接受數據的紛繁蕪雜，不再追求精確的數據，這并不是說其嚴謹性降低了，而是往往不起眼，不符合常理的數據更能夠反映實際的情況。通過對數據網絡之間的聯系進行分析，不再探求難以捉摸的因果關系，通過數據的分析處理更能夠反應數據的變更。這些想法都與統計學相關通過所收集的數據，進行有效的分類處理，能夠更好地反應事物的變化，更有利于做出決策［2］。
（2）數據分析流程。在實際的數據分析過程中，因大數據貫穿區域較廣，在地域和行業之間穿插交錯，顛覆了傳統的線性數據收集模式，而形成了顛覆傳統的、非線性的決策基礎，這種決策方式要求我們通過對數據進行收集，將各行各業所收集的基本信息，轉化為數據，將數據經過初步的整合分類，做出符合當地當時的數據信息，將數據進行深層次的技術處理，將處理過后的信息化為知識，運用到實際的決策中去。在大數據時代，數據的積累并不會貶值，而且還會不斷增值，為了更全面、深入地了解研究對象，往往需要對數據進行整合，這就使得數據的積累尤為重要。
（3）數據分析對統計學的意義。在大數據時代背景下數據分析理念能夠有效地對數據流進行合理地分類處理，進行科學的統計行為，統計與分析主要利用分布式數據庫，或者分布式計算集群來對存儲于其內的海量數據進行普通的分析和分類匯總等，這就意味著所有有用的數據信息均來源于數據分析處理之后的結果。大數據的數據分析理念擴寬了統計學的研究范圍，而不僅僅只是實現數據的對比，而是從根本上豐富了研究的內容，如：一些實時性需求會用到EMC 的GreenPlum、Oracle的Exadata，以及基于MySQL的列式存儲Infobright等，而一些批處理，或者基于半結構化數據的需求可以使用Hadoop，滿足大多數常見的分析需求，對傳統的統計工作有著四個轉變。統計研究過程的轉變，使統計過程成為收集與研究。統計與分析這部分的主要特點和挑戰是分析涉及的數據量大，統計研究工作思想的轉變，數據的收集不斷增加，信息的錄入不斷升級，其對系統資源，特別是I/O會有極大的占用。這就使得能夠更好地進行數據分析處理決策［3］。
3數據分析過程中注意事項
3.1數據分析要明確變量
將數據收集進行處理是為了明確市場中的某一個變量意義，這就使得在進行數據分析的時候要能夠明確地找尋變量存在前后所發生的變化，通過數據對比可以知道該變量在大數據的市場中所存在的影響因素。是否對市場有著風險或有利于市場的開發利用，能夠在數據分析后做出合理決策。
3.2統計中不再追求精確的數據
大數據時代下，數據的不精確性不僅不會破壞總體信息可靠性，還有利于進行剝絲抽繭，從而了解總體情況。大數據時代，越來越多的數據提供越來越多的信息，也會讓人們越來越了解總體的真實情況。錯綜復雜的數據能夠反映數據之下到底是泥潭還是機遇。數據之間傳遞的信息良莠不齊，如果要一一追求準確性不利于統計工作的開展，因此可以將個別的異常值剔除。大數定律告訴我們，隨著樣本的增加，樣本平均數越來越接近總體，這就使得樣本與總體的差異性很小，更加符合實際情況。
4結論
綜上所述，大數據包含結構內外的海量數據，隨著云計算平臺進行大規模收集處理，通過建立數據庫的手段，對數據分流，使用數據挖掘等方法進行處理、分析，使得所數據結果更加符合顯示狀況。數據分析理念是通過闡明存在于世界、物質、感官享受上的復雜網絡關系，從而做出符合時代背景的分析決策。
參考文獻：
2計算機軟件處理技術的作用
大數據時代背景之下，計算機軟件技術其實就是對于相關科學技術在理論方面實行了有效融合，通過監測、傳輸、分析等方式，對相關數據進行有效分析以及處理，進而對更多的新內容進行有效獲取。計算機軟件技術其主要應用就是，在企業管理的相關數據庫中進行有效應用。如果企業要實現更好的運作以及發展，就需要對計算機軟件技術進行相關研發以及應用，這樣不僅可以讓人力、物力得到有效節約，還能夠讓企業在運營方式方面朝著更加專業化以及科學化的方向發展。計算機軟件信息技術的發展，在很大程度上對于傳統的辦公方式起到了有利的轉變，讓辦公人員在公務處理能力以及辦公效率方面得到了很大程度上的提升[1]。
3大數據時代之下的計算機軟件技術
3.1云儲存技術
對于人們當下的日常生活來說，要想實現更加高效的便利性，就需要對云儲存技術進行有效應用。云儲存技術相比較于以往儲存技術來說，具備著更大的優勢性，云儲存技術其實就是對傳統技術展開的有效優化以及改進，進而得到快速發展的一項技術。通常來說，要想實現隨時隨地地下載以及瀏覽云儲存當中的一些內容以及資源，通常只需要在網絡終端方面對網絡進行有效連接就可以，但是相對于傳統的儲存技術來說，這樣的操作很難得到有效實現。同時在云儲存技術當中，人們可以對所需要的資料進行有效的歸納以及整理，然后還可以對其在有需求時進行及時提取。云儲存技術當下在大數據時代，在發展當中可謂是一種必然的趨勢，可以在大數據時代的發展當中對于各項需求進行有效滿足，對于海量的數據進行科學合理的有效分類，使人們日常生活工作更加便捷高效[2]。
3.2信息安全技術
對于信息安全而言，在互聯網當中可謂是一個相對普遍的問題，因為互聯網本身具有開放性的特點，這就對于資源在管理方面來講，屬于一項弊端。網絡上的資源會由于自身具備的開放性，受到一些不明病毒或者是黑客的攻擊，這就會造成資源破壞和丟失。互聯網其實可以對大多數技術進行有效的支持以及運行，但是對于資源以及數據而言，它們之間都是互聯互通的，這就在一定程度上給數據以及資源在安全方面帶來了威脅。因此，需要對計算機信息安全技術進行有效的設計，盡量讓互聯網在安全問題的方面得到有效的保障，讓人們在使用互聯網的時候，對于資源在安全性方面得到有效的保障。對于當下的互聯網而言，信息安全這項技術在保障方面起到了不可或缺的重要作用，但是在提升方面還是有著很大的發展空間，通過計算機信息安全的相關技術，可以對大數據的發展起到更好的推動作用。
3.3云儲存服務技術
隨著大數據的發展，云儲存服務技術在應用力度方面，已經得到了極大程度的提高。計算機軟件當中這項技術的具體應用，不僅可以對于傳統計算機在存儲模式方面展開全方位的完善以及優化，還可以讓計算機在存儲的時候最大程度地避免受到時間和空間方面的雙重限制，進而讓計算機存儲在大數據時代下的發展要求可以起到最大程度的保障作用。而且將云儲存的服務技術在大數據時代進行具體應用，通過對網絡連接進行有效強化，能夠讓大數據存儲技術在現實當中的作用得到有效增強，同時還可以對用戶起到一定保障作用，讓其通過各種特定的渠道，對于之前所存儲的一些相關數據信息，通過一些特定渠道進行有效瀏覽，還可以方便用戶對于各種數據信息進行及時有效的處理，如果在存儲過程當中出現一些突發問題，還可以進行快速及時的處理。為了對云存儲的服務技術進行有效的強化，就需要對大數據時代中的網絡存儲在作用效果方面進行突出。那么相關工作人員對于云儲存的服務技術在現實作用以及計算機存儲單元的相關結構方面，對于具體狀況就要進行有效了解，這點必須有足夠的保障，讓計算機結構當中基礎功能的各項優勢得到充分顯現，讓各項基礎信息在存儲效果方面得到非常有效的提升。而且大數據環境之下，對于用戶信息在服務狀態以及基礎信息存儲的效果方面，也相應提出了更高程度上的要求，這就應該對于云儲存的服務技術和大數據時代之間，在關聯效果方面進行非常有效的強化，那么在有必要的時候，有關部門還可以對云儲存服務技術進行有效的借用，進而對各項數據信息在整理方面可以更加高效。在大數據時代之下，對于云儲存服務技術，在聯系方面要進行更加有效的突出，讓云儲存服務技術在大數據時代的應用價值得到有效的提高以及體現[3]。
4計算機軟件技術在大數據時代之下的具體應用
4.1企業管理層中的應用
在企業中可以對管理者起到有效的幫助作用，讓其對多個部門進行有效實時的掌握，對于多條業務線在核心目標方面進行精準掌控，對于訂閱報表實行定期的自動化推送，對業務決策進行相應支持，對市場變化進行有效應對。針對管理進行概述，讓數據具備實時性，對公司中不同團隊以及不同業務的運作情況方面進行及時反映，及時發現相關問題，及時進行決策。常規報告、定制報告這些都可以及時推送到領導者的郵箱中，而且報告還可以在內容方面實行靈活的定制，讓自動化成為一種辦公習慣。
4.2運營中的應用
在營銷方面形成一舉兩得的全方位模式，對于不同情況之下的用戶人群實行精準的定位，然后在營銷方面實行多樣化的個性指導，對于用戶在操作方面要具備一定的針對性。對于用戶進行有效細分，有目標地進行營銷，然后對普通用戶群體進行有效鎖定，分組組建群體，組建一些永遠保留群體，然后推出一些大數據之下的相關營銷內容，使用語義分析以及深度學習的模型構建相關引擎。那么推薦結果就可以使用數據分析的模型，進行多個指標、多個維度的實時性、效果性的分析。在反饋方面既快速又及時，迭代特征集以及算法模型都會相應更加精準，進而讓客戶在粘性程度方面可以得到有效提高，同時讓用戶保有量得到有效的提高。對于用戶整體的保有量進行有效的分析以及顯示，對于那些長期沒有登錄的用戶進行有效鎖定，然后推送一些營銷的相應模式，對于流失用戶進行有效的挽救。對于用戶進行深入有效的分析，綜合用戶的各種行為對操作數據進行交叉行為的分析，對于核心用戶的具體特征進行有效洞察，然后對于用戶的行為輪廓進行準確勾勒[4]。
4.3相關產品中的具體應用
對用戶行為進行有效跟蹤，對于核心流程進行有效分析以及轉換，對于修訂計劃進行快速形式的驗證，讓新用戶可以得到最大程度上的保留，讓老用戶可以得到最大程度上的消耗。對于用戶轉型進行最大程度上的改進，對于核心轉型的流程，比如：開戶、注冊、支付等進行漏斗形式的分析，對于虧損問題進行及時有效的洞察，對于用戶轉型進行有效改進。讓用戶在保留率方面得到最大程度上的提高，對數據進行驗證時要使用當下最流行的功能，進行迭代形式的A/B測試，對于效果進行有效評估，對于功能進行有效增強，對于活動性以及保留率進行有效增強。對用戶體驗進行有效改善，對于用戶在行為路徑方面進行有效的跟蹤，對于站內的一些流量進行合理的分配，對于產品交互與布局進行合理的微調，讓用戶體驗得到有效的提升。
4.4在市場營銷部門中的應用
通過優質的渠道尋找相應的最優資源，對營銷策略進行有效調整，讓領先轉化率得到有效提高，進而讓市場上的整體投資在回報率方面得到有效提高。針對流量進行有效跟蹤并進行相應的測量，然后對能力進行牽引。對于新用戶在渠道來源方面進行有效溝通，使用相關數據分析對于渠道在拉動能力方面進行直觀性質的有效評估。對于通道質量實行有效的分析轉換，并且進行有效識別。對于注冊轉型以及支付轉型進行有效分析，對于渠道創新質量要實行端到端的具體衡量，對于渠道營銷的整體策略要進行不斷的整體優化以及調整。對于網站進行整體優化，對于線索進行轉化以及完善，對用戶行為進行有效跟蹤，對于內容交互以及瀏覽體驗進行有效優化，對注冊線索在轉化率方面進行有效提高[5-6]。
5結語
綜上所述，我國計算機軟件技術當下正在和大數據實現著飛速融合，而且關系日益緊密。當下人們對于大數據相關的概念，在接受程度上越來越高，就未來發展而言，大數據技術研發一定會更加全面以及到位，進而為我國信息行業在未來發展中提供非常大的助力。
【參考文獻】
[1]侯聰聰.大數據環境下計算機軟件技術的應用探討[J].電腦迷，2018(3):52.
[2]林蘭芝.大數據環境下計算機軟件技術的應用分析[J].電腦迷，2017(17):43.
[3]劉甜.大數據時代下計算機軟件技術的應用探索[J].計算機產品與流通，2019(6):20.
[4]李子強，戴文雄.基于大數據背景下計算機軟件技術的應用研究[J].計算機產品與流通，2019(2):9.
當前社會已經進入了大數據時代，很多行業和領域都產生了巨大的變化。隨著國家產業變革和科技革命的推行，在很多領域都開始推進信息技術及大數據技術的應用進程，以期提高工作效率。在無線電領域中，無線電監測是一項重要的工作，采用相應的技術手段測量無線電發射帶塊、功率、頻率等，監聽模擬調頻及調幅等信號，查找干擾源及非法電臺，從而實現無線電的有效管理。而在大數據時代下，傳統的無線電監測方法已經落后。因此，需要緊密貼合大數據時代，采取有效的措施進行改進。
1大數據時代的基本概述
1.1大數據時代的概念
大數據時代這一概念的提出，最早來自于麥肯錫咨詢公司，其認為在當今各個業務職能領域及行業中，數據都已經成為重要的生產要素，人們對于海量的數據進行整合、分析、應用，可能會帶來更大的消費者盈余浪潮和生產率增長[1]。實際上，過去在通訊、金融、軍事等行業以及環境生態學、生物學、物理學等領域當中，早已涉及大數據的概念，只是近年來隨著信息技術和互聯網的快速普及才開始受到人們廣泛的關注。實際上，大數據指的是具有海量規模的數據而通常難以利用傳統計算機處理模式進行處理。大數據處理模式對訪問、存儲、搜集等方面都具有更高的要求，對于數據的趨勢性、相關性、總體性分析都十分注重。
1.2大數據時代的特點
在大數據時代下，大數據最大的特點就是數據量大。在大數據當中，通常使用P，E，Z等單位作為起始計量單位。其次，大數據通常具有十分繁多的類型，例如地理位置信息、圖片、視頻、音頻、網絡日志等諸多類型的信息都是大數據當中的組成部分。因此，類型繁多的大數據對于數據處理能力的要求也更高。此外，大數據還具有價值密度低的特點，在當前物聯網不斷發展和普及的背景下，信息感知無所不在，信息量十分巨大，但價值密度往往較低[2]。因此，需要運用強大的機器算法對大數據中的價值進行快速提煉，從而滿足人們的應用需求。最后，處理速度快、時效性要求高也是大數據的一個重要特點。現有的技術架構及路線往往難以對海量的大數據進行高效處理，而大數據規模巨大。因此在處理中，處理速度必須足夠快才能夠滿足時效性的要求。
2傳統無線電監測中存在的問題
無線電監測是無線電管理領域中一項十分重要的工作內容。但是在以往的無線電監測當中存在著一定的問題和不足，影響了無線電管理效率和效果。例如，現有的無線電監測系統存在較大的局限性，并且系統沒有進行充分的整合，難以為實際工作提供便利。現有的無線電業務管理系統不能和監測系統進行良好的信息共享，對于精細化管理的要求也難以充分滿足[3]。因此，這使得審批設臺、指配頻率的準確性、科學性都受到影響，也難以支持快速查找無線電干擾源。另外，系統中的監測數據庫、地理信息庫、設備數據庫、臺站數據庫、頻率數據庫等信息子系統通常在不同的數據庫當中，相互之間存在封閉不互通的情況，因此難以快速提取統計應用數據，容易發生信息孤島的情況。以上這些問題的存在，對于無線電監測都是較為不利的。因此，在大數據時代下，有必要采取有效的對策進行改進。
3大數據時代下的無線電監測對策
3.1數據的采集
在大數據時代下，無線電監測要先對原始數據進行采集，并在獲取數據的同時，利用合理設置進行過濾從而去除無用信息。例如，需要對某地區80~800MHz頻段的無線電進行監測，則需要先分析這一頻段，其中包括了對講業務、集群通信業務、民航業務、電視業務、廣播業務等。所以，不能統一設置進行監測，需要針對不同業務的頻段范圍進行分段設置。
3.2數據的管理
根據獲取的數據統一進行管理，管理工具則可以使用相關的數據庫軟件。按照信號的時間占用度、強度、帶寬等標準，對獲取的數據進行整理和分類。在數據庫當中，針對無線電監測中的不同需求，可以對數據整理的類別進行適當的調整[4]。例如，需要對某一頻點中的信號監測其出現時間的分布情況，可以根據時間為標準進行整理。如果需要對信號出現的地點進行監測，可以根據不同遙控站接收到的信號電平進行整理。此外，對于不同類型不同頻段的信號，由于具有不同的特點，例如占用帶寬不同等，在進行統計的過程中，能夠對信號帶寬設置進行自動調整，進而提高結果的準確性。例如，通常情況下，對講機具有12.5kHz的頻率，而調頻廣播具有200kHz的頻率，因此，不會將調頻廣播信號誤認為是多個對講信號。
3.3數據的計算
在數據計算的過程中，以往主要是采用遠程聯網的方法對遙控站進行遠程連接，向本地回傳數據并進行處理。但是，在大數據時代下，數據計算量十分巨大，因此，如果仍然利用傳統計算方法，將會對硬件資源造成大量消耗[5]。同時，數據量不斷積累增加，數據計算可靠性、計算效率等也可能會進一步下降，因而對于當前無線電監測中數據計算的要求，已經難以充分滿足。針對這一問題，可以將大數據和云計算技術進行緊密結合，例如，可以采用Google開發的Hadoop平臺作為大數據計算框架，同時綜合利用分布式計算，能夠極大地提升數據計算能力，滿足大數據時代下無線電監測的需求。
3.4數據的分析
在大數據時代下，數據量十分巨大，數據結構也具有很高的復雜性，因此，采用傳統的模型難以實現對數據的高效分析。在傳統方法的基礎上還需要與數據融合、數據挖掘等理論及方法進行融合，在不同的情況下進行相應的具體的分析[6]。在當前的無線電監測中，對于數據分析方面的技術仍然處于較為初始的階段，雖然能夠滿足一般性的數據分析，但是對于非結構化大數據等類型的數據則難以進行有效的分析。對此，在未來的發展當中，應當對大數據分析技術進行更加深入的探索，從而找到更加智能、高效的數據挖掘模型，更好地支持大數據分析。
4結語
在當前的社會中，大數據已經逐漸被應用到各個行業及領域當中，并且正在發揮著越來越重要的作用。在大數據時代下，無線電監測作為無線電管理中的一項重要工作，也需要緊密契合大數據時代的發展要求，充分運用大數據的概念和特點，利用有效的對策和技術進一步提高無線電監測的效率和效果，從而使無線電領域得到更大的發展。
[參考文獻]
[1]徐漪，沈建峰.大數據環境下個人信息泄露的防范與管控—基于徐玉玉被騙身亡事件的審視[J].產業與科技論壇，2017（4）：207-209.
[2]陳宏.淺議大數據時代背景下的無線電管理信息化創新之路[J].中國無線電，2015（1）：62-63.
[3]呂衛東，王傳亮.淺談對大數據時代電磁環境狀況工作的幾點思考[J].中國無線電，2015（10）：39-41.
[4]文庭孝，姜坷炘，趙陽，等.大數據時代的信息分析變革研究[J].圖書情報知識，2015（5）：66-73.
中D分類號：F24 文獻標識碼：A
收錄日期：2017年2月22日
一、引言
智能互聯網飛速發展并通過一系列的技術改革，不斷推動著國家各個行業進行政策調整、資源共享、產業升級與信息化創新。出于國家戰略的考慮，政府規劃明確建設國家大數據池具有重要意義，通過海量數據支持和算法優化后的大型計算能力，以滿足企業、社會、教育不同領域對數據中心應用的需求。
大數據是一個數據的集合，涵蓋所有數據類型與混雜的真實數據全體，不能被已有工具進行提取、存儲、共享等操作。在處理信息能力與技術不斷提高的過程中，基于大數定理（在試驗不變的條件下，重復試驗多次，隨機結果近似必然），人們對增速驚人、時效性較短的海量數據進行整合優化與決策分析，進而預測現象與行為的發生，提供個性化的精細推薦與服務。基于理性決策有限性的特點，數據規模的龐大，無疑擴大了人們進行理性判斷的基礎，但是這并不意味著自動化管理和智能化。大數據為人們從更全面的角度理解不同現象和行為之間的相關關系（一個數值增強，另一個也隨之變化的數理關系），提高正確決策的可能性。
在不同的領域，大數據技術的使用將人員、崗位、資源進行數據專業化的處理，增加了管理的智能化和量化，實現了后加工的增值效應。進一步的，大數據幫助政府提高國民治理能力、構建民生服務體系、惠及社會保障和就業體系、激發教育培訓和人才配置、優化收入分配和創新創業機制方面都具有實踐意義。目前，大數據的研究和應用主要集中于營銷活動中消費者的行為和偏好研究，而在人力資源管理領域，并未明確應用于招聘方面。然而，網絡招聘近年來早已憑借其范圍廣、信息量大、時效性高、流程簡單而效果顯著，成為企業招聘的核心方式。互聯網發展進入新階段以及大數據帶來的管理路線與招聘思維不斷變化的需求，探索互聯網企業本身的招聘面臨的巨大挑戰和機遇具有現實意義。在人本管理思路下，針對互聯網這一大環境從量變到質變的轉化，審視網絡招聘和企業的業務模式將要經歷的變革，亦有理論意義。
百度作為中國互聯網企業的巨擘之一，以豐富的數據資源與最前沿的黑科技不斷影響著整個行業的發展。本文基于大數據背景對百度人才招聘現狀進行評價，希望為企業吸納、維系和激勵人才提供制度保障并針對性地提出解決方案和對策建議，并以此為出發點積極推動其他互聯網企業商業模式的創新以適應大環境的變化。
二、大數據時代互聯網發展現狀
（一）大數據應用對人力資源管理的影響。大數據對于人力資源管理的應用和影響體現在四個方面：第一，人力資源管理活動中人們工作思維方式的轉變。基于海量數據的收集和分析，HR部門在引入大數據的技術同時，將要不斷學習分析數據背后人員信息、崗位資源、架構調整動態等內容的潛在意義，推動企業管理新思維的不斷深化和日益多元化的態勢；第二，人力資源管理信息工具和數學算法的使用。例如，谷歌公司根據相關數據處理工具對員工的離職傾向和工作計劃進行個性化的模型測算，從而預測員工的離職動向與職業發展途徑，針對性地提出人員管理解決方案；第三，從企業人才孵化模式角度來看，大數據通過分析企業當前組織架構、業務需求和管理層級設計來優化企業人才發展模式與內部培育方案；第四，從個人與工作環境方面而言，大數據能夠模擬最利于員工工作的環境，分析得到有利于員工健康和減少自我資源耗竭的工作安排，滿足精細化的人員需求。
隨著相關研究的增多，人力資源管理在大數據背景下呈現的趨勢主要包括三點：首先，更加量化的標準將被應用于人力資源管理選人、育人、用人和留人的各個環節，包括招聘、培訓選拔、人才測評、績效考核、薪資制定、晉升規劃等方面，精準處理、分析、記錄；其次，結合互聯網、大數據、云計算、人工智能等一系列技術背景，布局結構化與非結構化的廣泛數據接口，產出大量的交互數據，從中分析得到更多的全行業適用規律，打破原有的企業邊界，推動全球化的信息平臺共享與人員管理；最后，人力資源管理將更好地與心理學、神經學、臨床醫學等結合應用，實現跨學科的合作與升級。
（二）大數據應用對互聯網招聘的影響。網絡招聘是基于數據搜集與計算、信息平臺技術和云儲備技術的迅猛發展，通過互聯網平臺實現人才和崗位匹配，滿足求職者和招聘對象需求的過程。作為人力資源管理關鍵環節之一，招聘流程包括崗位需求分析與確認、人員招募、人員甄選和人員評估。傳統的招聘渠道以傳統媒介廣告、校園招聘和招聘會等方式為主。網絡招聘在傳統招聘基礎上，一方面借助互聯網優勢對候選人行為的用戶畫像進行大數據分析，多方面收集與綜合評估候選人的專業技能、個人特質、價值觀等信息進行崗位匹配；另一方面覆蓋傳統SNS平臺、移動端APP、論壇網站與企業內部信息系統進行招聘活動，從而更好地滿足招聘市場多元化需求。
中國互聯網行業的網絡招聘活動有三個特點：第一，金字塔式的不同梯度互聯網企業呈現出不同的招聘方式和渠道，人才需求與管理模式也各有不同；第二，互聯網行業業務線調整和變動頻率高，人才管理成本較高，網絡招聘活動的對象又具有較高識別度和特殊技能，因此如何通過內部和外部渠道為企業輸入是管理者極為關注的內容；第三，與行業性質相關的是，互聯網行業知識更新速度快，人才流動性大，人才競爭極為激烈，對招聘活動提出了更高的要求。
三、百度招聘應用分析
百度作為國內互聯網企業的巨頭之一，在人工智能、云計算和大數據方面優勢顯著。百度不斷優化算法分析與信息平臺，運用大數據帶來的搜索服務技術、“多模互動”技術與“實體搜索”技術等，秉持分享與開放的理念，快速將有效數據轉化為能夠幫助消費者實現展現形式。從互聯網招聘角度來看，百度在招聘理念、人才信息平臺搭建、招聘標準及評估方面都體現了大數據在人力資源管理領域的應用。
（一）招聘理念。百度人才管理的信息化建設經歷了三個時期，目前處于依靠大數據推動戰略發展和業務落地的3.0時代，強調價值匹配和因人設崗。招聘需求在企業不同發展階段，會伴隨著戰略轉變和業務調整而發生動態波動。但是人才的積累是一個持續輸出的過程，因此大數據在人才管理系統上的應用幫助企業實現候選人的實時錄入，并且隨著“機器學習”的發展，自動分析崗位需求進行人才精確匹配，轉變過去被動的招聘理念，強調出于人才考慮的主動崗位設計路徑。
（二）招聘信息平臺建模。在人才管理方面，百度構建了“百度人才智庫”（TIC），基于所有在百度工作過的10萬內部員工信息樣本，以及其他海外員工資料，在一年時間內構建了覆蓋不同業務場景和事業群的第一套國內人才智能化管理方案。目前，百度的招聘立足在wintalent招聘系統，通過職位管理、候選人管理和人才庫管理三部分實現從崗位需求分析、職位、簡歷搜尋與篩選、簡歷上傳與入庫、候選人面試安排、線上評估反饋、入職信息提交等一系列的招聘過程。
那么，為保證上述線上招聘活動的順利開展，人才管理系統主要通過三個方面進行平臺搭建。第一，多渠道數據收集和整合，包括候選人的簡歷、照片、附件、前期溝通與面試評估反饋信息等非結構化數據；第二，數據的分析。針對候選人工作特質與應聘的崗位直接的相關關系，智能化匹配出多維度的評估人才標準，包括技術深度或廣度、項目經驗、管理經驗、領導力、文化適應度等。針對整體數據集合，通過區分人才管理、運營模式、文化活力、輿情掌握等進行多維度的數據建設；第三，通過分析形成候選人的畫像、人才報告、企業人才圖譜，從而為“機器學習”提供智能化資源，幫助管理者進行能力評審和決策。
（三）招聘人才標準。百度在招聘方面主要有三個衡量標準：最好的人、最大的空間和最后的結果。這幾個標準因此對應著人才的專業技能和文化價值觀、工作環境、晉升路徑和項目推進、項目成果。在進行智能化和自動化數據分析與人才推薦的過程中，需要采用數據決策，減少主觀判斷的干預。同時，大數據的運用將大模糊企業邊界，因此在進行人才標準判斷的過程中需要在未來加入行業信息的影響因素，從而確定員工的最佳生產力。
四、結論
大數據的廣泛應用對各個領域的發展有著不可逆的推動力。企業需要明確人工智能、云計算和大數據的未來互聯網發展趨勢，并保持對數據分析、建模的敏感性。在技術層面，跟進人機交互等技術，滿足個體的個性化的需求。百度早已開放大數據平臺，通過云、百度大腦和數據工廠對數據核心處理等能力分享給各個行業，并最近獲得國家審批建立“深度學習技術及應用國家工程實驗室”。從人才管理層面，大數據的應用能夠幫助人力資源管理進行人崗智能化匹配和數據化分析估算，有利于管理者進行科學管理與行為預測；但另一方面，對數據的過分依賴同樣不可取，最終的應用決策仍需要人為直覺與經驗的幫助，缺一不可。未來的研究需要注意大數據應用與員工工作滿意度、工作積極性之間的關系，以期進一步完善企業管理體系理論，并在實踐中加以運用。
主要參考文獻：
[1]芮紹煒.百度大數據的應用分析[J].企業管理，2015.2.
[2]鮑明剛.以“數據眾籌”探索勝任素質模型構建的新模式[J].中國人力資源開發，2015.6.
[3]，蔡治廷.大數據時代的大學生就業工作探析[J].黑龍江高教研究，2015.5.
[4]曹麗娜.互聯網思維下的人力資源管理[J].管理觀察，2015.19.
[5]高亮.百度大數據，商業新能源[J].信息與電腦（理論版），2015.19.
[6]褚吉瑞.“互聯網+”時代的人力資源管理變革與創新[J/OL].經營與管理，2015.12.
[7]張義德，丁道師.互聯網思維下的人員招聘選拔――以北京速途網絡科技有限公司為例[J].中國人力資源開發，2015.6.
[8]程玲.淺談大數據時代的網絡招聘[J/OL].企業改革與管理，2016.2.
[9]喬嫣.“互聯網+”時代人力資源管理發展趨勢分析[J].經營管理者，2016.7.
[10]劉雅惠，季蓓慧，傅敏.大數據時代下搜索行業的營銷傳播變革――以谷歌、百度和大眾c評為例[J].現代營銷（下旬刊），2016.6.
數據爆炸具三維特點，所謂三維多指除數據量迅速增多外，還指數據多樣性以及數據資源的增長速度不斷加快。從數據發展到大數據即是數據質量的飛躍更是量的積累，大數據能條理清晰的把不同形式、不同來源以及不同信息的諸多數據進行分析、整合，把先前孤立的部分數據互通互聯，全面客觀地詮釋某個現象、某個事物的具體細節與整體情況，這是小數據時代難以比擬的新興知識。大數據屬于非競爭性資源，具重復使用以及不斷產生新資源的優勢，所以大數據在各個領域可創造新興的重要價值。
一、大數據成為政府統計新趨勢
大數據的時代，政府合理運用大數據，已從粗放型轉變為集約型。部分發達國家在政府統計與大數據結合方面位于前列，在美國政府所提出的大數據發展計劃與研究中，通過HPSS系統對數據流的即刻分析、可擴展性分析技術與數據縮減技術，對海量數據進行的分析處理，可提高能耗預警能力以及擴展能源統計領域。國家統計局已與阿里巴巴（中國）有限公司、山東卓創資訊集團有限公司等十幾家企業簽訂了大數據戰略合作框架協議，共同推進大數據在政府統計中的應用，不斷增強政府統計的科學性和及時性。
二、大數據背景下統計創新能力的重要性
大部人認為大數據時代全體等同于樣本，得到的數據是全數據而不是抽樣性數據，因此進行簡單的結算即可，無需系統地進行統計分析。事實上這種觀點較為片面，因為大數據僅告知信息并不解釋相應的信息內容，研究大數據時若無全面的科學數據指導，如同建造橋梁時不使用工程科學知識，繼而造成嚴重后果和不良影響。隨著萬千事物的變化，全數據的不確定性較大，所以統計性數據分析是大數據邁向應用的關鍵點。
三、政府統計主導設立地域性數據中心
（一）政府統計主導，確保數據的準確性
政府相關統計部門應堅持設立縣域公共性數據中心主導地位，以提高數據的收集效率與權威性，保證數據真實而全面。例如數據青島是由青島市的統計局完全主導創建的數據中心，在數據青島的基礎層次上向縣域性社會經濟發展延伸到即墨市 “綜合性數據信息平臺”，該信息平臺是由當地政府主導設立的數據中心，擴大數據信息覆蓋層面的根本上，確保數據的準確性與權威性。
（二）一盤棋管理，確保數據質量
將“一表”“一庫”和公共性數據中心進行數據互動，將數據維護基點進行細化，并分塊管理數據，使源頭數據的質量逐漸提高。從實踐分析，由政府主導的相關數據中心需將基層建設完全落實到功能區統計、園區統計以及鎮街統計，以網格化的管理提高數據中心的數據質量，避免數出無源、數出無據以及數出無門，以此提高統籌效率與數據采集效率。
（三）多方面進行合作，提高數據的全面性
開展與科研院所以及高校等部門數據中心的端口開放和合作，有選擇性地與相關領域、相關行業以及相關縣市數據中心實行數據互交，為數據研究提供全面客觀的對比性依據。我國部分發達城市創建的大數據中心可將某些數據端口與研究所合作共同分享資源，即能借助研究所較為專業的數據資源豐富政府數據統計分析方法，又能彌補收集政府統計數據的不足。
（四）豐富公共服務中心數據的分類方式
可將財務報表、行政記錄等初級統計資料和次級統計資料歸納至數據中心系統中，使信息檢索功能得到強化，篩選并應用可用信息，提高數據真實性，數據服務形式逐漸豐富。
四、創建數據分析工具以及統計數據模式
對經濟發展秩序的系統分析主要依賴于數據挖掘，現今數據已被更多的人認識，在生活、工作等各個方面的應用具重要價值，若依靠橫向數據排名以及歷史數據增長很難全面客觀地顯示出問題本質。科學合理的統計數據模式是探尋發展規律、探析數據的最重要手段。例如分析勞動工資數據時，應用明塞爾資本收益化函數或是C～D生產性函數分析數據，可得出地區不同的勞動力素養以及勞動生產幾率對生產值的貢獻力度，為勞動力部分政策提供參考依據。
（一）設立適宜各專業應用的數據分析模式
政府統計具較高的專業性，不同專業、不同領域創建的數據分析模式均不相同，通過數學模型篩選，創建專業化的數據分析模式，從不同時期、不同角度以及不同層面對專業化數據進行空間序列與時間序列的探析，非線性和線性回歸參數檢驗與估計作用，達到對數據高質量、多角度的細致分析。就像應用歐氏距離檢測典型結構與產業化內部結構的相似度，能夠較為精準地展示產業結構的演變層次與發展水平，對產業化的結構層次具定量化評估。
（二）配套創建數據分析軟件庫
給予海量大數據高速計算是應用數據探析模式的一大特點，高速計算遠超出人力計算范圍，需采取相關分析軟件輔助計算。使用C～D生產函數分析數據時需用到Eviews軟件運算大數據。部分地區在實踐中發現，數據分析軟件的需求多表現為兩個方面，一方面分析數據時常需要相關分析軟件輔助計算，方可得到滿意的分析成果；另一方面，相關數據分析軟件的使用和獲取存在一定難度，有些數據軟件對硬件設備具較高要求，而且運算量極大，部分分析軟件需在外文的指導下方可使用。所以應創建適宜各專業應用的數據探析軟件庫，為數據統計分析提供操作與技術支持。
五、多渠道深入遞進數據
數據質量與數據時效性是數據統計分析的關鍵。隨著社會經濟的發展，數據每時每刻都在變化，行業風險、國際競爭以及相關政策出臺對有些經濟數據具一定影響。
（一）政策的跟進
尤其涉及新能源、戰略性新興產業、高新技術以及出口方面產業，地方與國家政府政策對企業經營發展具很大影響。政策跟進過程中需實時管理信息公布平臺，與部分主要門戶網站合作創建信息交互體制，以便企業能夠及時通曉政府的各類信息，把握產業相關政策動態。例如我國太陽能方面的光伏產業屬于重點扶持產業，每年能夠得到國家部分產業補貼，所以分析產業發展數據時需將產業補貼計算在內，否則容易對產業未來前景做出樂觀估計。
（二）跟進企業發展
企業發展的受制因素較多，金融成本、商業風險以及經營策略對數據時效性具較大影響，對于部分縣域政府統計，企業的發展數據跟進需要走進企業實地考察，以便掌握企業發展面臨的困難與優勢。同時還要通過社會考察了解企業信用、用工方面等諸多問題，預估數據的發展趨勢，以此充分補充企業發展的數據分析內容。
（三）跟進產業環境
產業的服務機構、進出口以及地域等環境對企業經濟發展具有影響，進而對需要進行分析的企業相關數據產生較大影響。想要跟進產業環境可通過相關信息渠道通曉國內產業發展與進出口環境現狀，大致了解行業發展狀態。同時還可深入研究企業園區等為企業在條件放寬、證件審核、進出口以及稅收等方面提供各種優惠舉措。
六、結束語
隨著科技的進步與經濟的發展，大數據時代逐漸融入到工作與生活當中。大數據時代的來臨可稱之為數字化革命，海量的數據資源致使政府、商界以及學術界開始邁入量化進程，為教育衛生、經濟發展等社會方方面面的統計工作帶來創新與機遇。
參考文獻：
[1]飛.大數據時代工業統計創新能力的分析與研究[J].財經界，2015（19）.
[2]王晨曦.大數據時代創新統計數據分析方式的思考[J].中國統計，2015（13）.
[3]朱懷慶.大數據時代對本科經管類統計學教學的影響及對策[J].高等教育研究，2014（03）.
而作為國內第一家進行數據倉庫和BI系統建設的電信運營商，山西移動從2001年就開始進行其經營分析系統的規劃。從2002年系統上線到現在已經是近10年的時間。對于數據量的急速增長、市場形勢的瞬息萬變、用戶群體的復雜變化，這10年來，經營分析系統在山西移動的業務過程中到底扮演了怎樣的角色？對于大數據時代的來臨，它發生了哪些變化？就這些問題，記者采訪了山西移動業務支撐系統部統計分析室經理王峰。
BI是過程不是產品
地處中西部并不發達的山西省，山西移動卻成為國內第一家構建BI系統的電信運營商。談起當時系統建設的出發點，王峰認為，這還是基于公司對數據、數據分析和數據挖掘的重要性有著充分的認識。山西移動在信息化建設的過程中，并不看重經驗，看重的是數據的價值，這也成就了公司在決策層面的領先。
對于當初系統建設的難點，王峰認為，一個純硬件平臺或軟件系統的搭建，不是很困難；困難的是，系統建設完成之后要有效地推動業務。與業務運營支撐系統和客服系統建設完成就必須使用的產品特性不同，經營分析系統更像推動業務轉化的一個過程，而不是一個建設好就必須使用的產品。正因為如此，經營分析系統并不處于必要的業務流程之內，業務人員可以用也可以不用。這就使系統的推廣并不是一件簡單的事情。
在經營分析系統部署初期，移動通信市場正處于一個爆炸式發展的時期，市場蛋糕以幾何級數增大，這使得經營分析系統的作用并不是那么明顯。為此，山西移動甚至整個移動集團內部在2002年到2004年有很多關于經營分析系統的培訓，目的就是推動系統在業務中的使用。
而現在的電信領域，已經不是十年前那個迅速膨大的市場蛋糕了，各種移動通信標準的競爭、運營商和終端生產商的聯合使得競爭不斷加劇。以前，即使沒有決策和營銷，市場也會發展起來，系統可以查驗數據就可以了。而近些年來的制度改革特別是去年3G牌照的發放，使得產品和營銷策略的制定越來越需要精細化。在如此激烈的競爭環境下，BI系統支撐業務發展、進行營銷、引導決策的重要作用就凸現了出來。王峰舉了一個例子：以前移動運營商可以捆綁銷售來電顯示服務，現在是不被允許的。這時就需要系統根據大量數據通過復雜的運算發現不同的用戶需要來電顯示服務的概率有多大，然后再對目標用戶進行服務推送。精確化的用戶和服務匹配，比廣撒網式的廣告營銷效果要好得多，有效地節約了成本。
大數據分析要更精細化
對大數據時代的到來，用戶數量眾多的電信運營商感覺尤為深刻。山西移動每天流入經營分析系統的數據量大約為300GB，龐大的數據量帶來了巨大的潛在價值和決策能力。
對于大數據時代的數據分析，王峰認為，山西移動的片區精細化管理就已經體現了大數據分析的特性。面對北京媒體，王峰以北京為例來說明片區管理的大數據特性。片區管理是地理緯度上的客戶分塊，例如北京包括東城區、西城區、海淀區等。而每個區又可以向下細分，比如西城區可以細化到金融街區，最后細化到移動基站的一個扇面區域。如果一個用戶在昌平入網，卻經常在金融街區通話，就要把用戶定位成一個金融街用戶。每一個細化的片區由一個片區經理管轄，金融街的片區經理就要對定義成金融街的客戶進行服務，例如問候短信或新產品通知。片區經理不僅要對現有客戶進行服務，還要對潛在客戶進行挖掘。山西移動要求片區經理對自己管轄區域內的每一棟寫字樓的每一家企業進行記錄并錄入片區化支持系統。根據掌握的多種數據，對用戶進行精細化分類和深度挖掘，進而進行相關的營銷活動，這種線上線下的共同合作，體現的正是大數據分析的特點。
片區化支持系統由Teradata公司協助山西移動搭建，目前已經完成了兩期。該系統以一年前Teradata提出的地理空間解決方案為基礎架構。Teradata的CTO寶立明介紹說，地理空間解決方案并非專門為電信運營商打造的技術，只是由于電信運營商的用戶可以通過手機定位其所處的位置，這一優勢使電信運營商成為地理空間解決方案的第一批用戶。而山西移動又是這一批用戶中的領先者。
山西移動的經營分析系統作用于營銷層面主要包含兩個核心應用。一個是核心客戶保有。核心客戶是指用戶UP值貢獻高、漫游行為較多，有重要影響的高價值客戶。如果某個核心客戶在一段時間內的主叫時長出現了顯著的下降，統計分析部就會在核心客戶保有的應用上發現這個用戶，認定該核心客戶有發展為普通客戶的可能，并且把與之相關的客戶明細提供給相關的市場營銷部門，由營銷部門對其實施保有措施。另一個應用是離網用戶關懷，與核心客戶保有應用相比，該應用是更針對離網客戶的預警。
對于海量數據的保有，山西移動的策略是數據與應用同在。一個應用上線有自己的生命周期，應用由哪個部門提出、應用的主要功能、開發人員、何時上線、預計使用期限等信息都會被記錄在生命周期管理系統中。當應用達到使用期限，根據實際效果如果沒有必要進行生命周期的延長，應用下線時就將相關的數據評估為無效，進行清理。
在經營分析系統上線的近十年時間中，山西移動的數據分析和決策進程正變得越來越科學。雖然在外部用戶層面，客戶很難感知到經營分析系統的存在，但山西移動正通過它進行著各種各樣的營銷活動，從而為用戶提供更精確的服務。而在山西移動內部，經營分析系統的內部客戶對數據的滿意度得到了非常大的提升，管理層和業務部門在決策上獲得了更好的支撐。
未來屬于將數據轉化為產品的公司。作為電信運營商，山西移動有著先天的優勢可以掌握海量的有效數據。面對大數據時代的來臨，多角度深層次的數據分析也正在成為山西移動統計分析部門支持決策的重要手段。
鏈接
Teradata通過收購應對大數據分析
中圖分類號：F235 文獻識別碼：A 文章編號：1001-828X（2016）027-000-01
一、大數據時代下，財務分析發展的重要性
研究發現，財務分析的理論與實務已經有一個世紀的發展，一般認為財務報表分析是財務分析的初始形式。隨著社會實踐活動的不斷豐富和發展，財務分析早已不紀的歷史局限于早期的信貸分析和投資分析。目前的財務分析主要包括經營分析、投資分析、全面系統的籌資分析，同時財務分析在資本市場、企業股價、績效評價等領域也得到了廣泛的應用。
大數據（big data），是指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的信息資產。大數據的4V特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價值）第一，Volume（大量）。大數據時代的數據量十分龐大，從TB級別躍升到PB級別。第二，Velocity（高速）。，和傳統的收集整理數據相比，大數據的處理技術有著本質的不同，處理速度要快得多。第三，Variety（多樣）。數據有著不同種類的存在形式，如：視頻、圖片、網絡文獻等等。第四，Value（價值）與傳統的數據處理方式相比，大數據的數據采集量達到了一定的規模，故大數據具有數據采集及時，數據較全面，數據具有連續性、易存性等特點。進而可以從更多方面、更全面、真實的反應實際情況。
二、大數據環境下財務分析的發趨勢
會計報表按編制時間可分為月報表、季報表、半年報表和年報表。都是在生產經營業務發生后，是會計核算的最終產品，故影響企業的財務信息分析的時效性，進而對企業生產經營產生了不利的影響。隨著目前我國信息化進程不斷加速以及互聯網業務的不斷發展，實時財務報告的重要性被越來越多的企業和數據使用者重視，而大數據技術發展為實時財務報告的實現提供了可靠的依據。實時財務報告是信息化條件下會計技術和方法發展的必然產物，是信息技術與大數據技術較好交叉融合的最好表現，某些行業，如證券、保險、銀行等，這些對業務數據和風險控制“實時性”要求很高的行業，對實施實時財務報告的需求日益增加。
在大數據時代的背景下，實時財務報告的實現，首先可以通過建立企業的中心數據庫來實現，這需要企業將自己的會計信息系統和管理信息系統的通過內部局域網收集實時數據;然后是將企業局域網內的數據資料與互聯網相連，實時財務報告系統中所用到數據，就集合了企業內部局域網和互聯網的數據。財務人員處理完會計信息之后，使之網頁化，提供實時的財務數據信息。
財務人員可以借助大數據時代的背景優勢，充分利用大數據的特別，全面整體的分析財務數據，幫助企業預測和防范經營過程中可能遇到的風險。這就要求財務人員在工作中充分發揮前瞻性和戰略性的作用，不斷學習新技術，收集和整理數據信息，在數據的分析過程中預測重要的趨勢，并對企業的管理者提出自己專業的意見。
傳統的財務分析是對數據的精確分析，這種數據分析方式相對來說更適合數據量較小的分析。和大數據相比，數據的完整性和時效性不強。無法幫助財務報表的使用這個全面的了解財務狀況的全貌。“精確”將不僅僅是財務工作的全部，全面系統的分析將在未來的財務分析工作中處于越來越重要的地位。
大數據時代的超級數據量和數據的多樣存在形式，已經超越了傳統數據的管理范圍和能力。需要更新數據的查找、存儲、分析、處理等方面的方法。隨之一批新的數據管理技術和數據管理工具將不斷的涌現，在提高人們工作效率的同時，減少了工作量。
如今，隨著移動互聯網的發展、新興網絡業務的發展，以及云計算、云存儲的出現，世界經濟和社會的發展都產生了巨大的變化，為人們的生活和工作方式提供了全新的思路和防范。在大數據時代的背景下，數據分析也充分利用了大數據的特點，不斷改進數據分析的技術和方法，使之與新的數據分析思維相吻合，使財務分析與時俱進的發展。
三、結語
隨著我國的經濟不斷發展，互聯網云技術業務的拓展，大數據時代下的財務分析發展也將迎來全新的變革，同時對財務工作者來說也是全新的機遇和挑戰，在這種情況下要抓住機遇，創新思維，學習新技術，開拓新方法，合理把握大數據的特征，讓財務報告分析在企業中發揮出最大的價值，為企業和社會的發展提供充足動力。
參考文獻：
[1]胡萍.財務分析在企業管理中的應用研究[J].財經界（學術版），2012（06）.
[2]梁建軍.財務分析在企業管理中的應用探討[J].現代經濟信息，2013（20）.
[3]趙曉麗.財務分析在企業管理中的應用研究[J].中國鄉鎮企業會計，2014（08）.
