数据时代论文

引言：易发表网凭借丰富的文秘实践，为您精心挑选了一篇数据时代论文范例。如需获取更多原创内容，可随时联系我们的客服老师。

数据时代论文:大数据时代下管理会计信息系统论文

一、大数据对建立管理会计信息系统的作用

管理会计信息系统与会计核算系统有着很大不同。会计核算系统按照实际操作中对企业会计核算流程的要求安排设计，操作固定、内容全面。只需要按照经济业务内容和会计相关法律要求操作即可。而管理会计信息系统更为复杂。他没有一成不变的决策处理程序，相反在决策过程中需要运用大量的技术分析方法，对比多项数据信息才能得到所需的结果。系统庞大、操作复杂，一但结果失误有可能对企业的发展带来毁灭性打击。因而该系统的建立对数据处理能力有着极高的要求。大数据时代的到来，它所提供的数据量、数据结构和数据处理方式正好贴合了管理会计信息系统的需要。它将企业决策中需要的财务因素与非财务因素结合起来，为企业管理提供可靠的数据支撑。

二、管理会计信息系统在企业中的作用

管理会计信息系统是会计信息系统的一个组成部分。长久以来企业在会计信息化的道路上一味的重视会计核算的信息化，忽视了管理会计的信息化，使得管理会计的各项职能没有在企业发挥出来。随着企业规模发展壮大，经济环境纷繁复杂，管理会计越来越受到高层管理人员的重视。在企业中使用管理会计相关分析方法，建立管理会计的信息化系统可以为企业价值提升起到事半功倍的效果。1.为企业发展提供全面数据信息当前经济形势风云变幻，纷繁复杂，稍有不慎就可能对企业发展带来巨大打击。及时、准确的信息对企业决策至关重要，而建立管理会计信息系统可以对企业提供有效帮助。管理会计信息系统是以海量数据为基础，运用分析技术优势，结合管理需要，经营业务和会计要求，灵活运用管理会计的工具方法，为企业经营的各个方面提供服务。通过该系统的建立，搜集经营过程中的结构性数据和非结构性数据，利用专业分析技术，深度挖掘数据内含的信息，向决策者提供使用。2.对生产各环节进行精细化管理该系统的建立，可以通过存货系统、成本计算系统、质量管理系统、价值链分析系统连接企业供应、生产、销售的各环节。其核心流程涉及成本收入要素处理、成本中心分析与处理、作业类型计划与处理、内部订单处理、销售与利润计划、成本核算与结算、成本与作业分配、一般管理费用核算、获利性分析、全面预算与绩效考核等方面。主要的业务对象包括成本要素、作业类型、收入要素、内部定单、控制文档、成本对象、成本核算估计、获利性分析维度、业务计划与预算表以及绩效考核等。通过对各环节的严格把控，降低库存、减少成本，提高利润。3.促进企业完成战略实施目标管理会计信息系统中绩效评价的部分针对企业员工的完成水平进行评价，是该系统的重要组成部分。平衡积分卡绩效评价体系是最近几年流行在国内外的企业绩效评价体系。它分四个方面进行：企业财务业绩、客户关系、内部业务流程以及学习和成长，对企业进行评价。在系统中将企业的战略实施目标按照这四个部分细化成不同的财务或者非财务指标，对照不同的部门逐级细化，进行考核。该绩效评价系统将企业战略与员工考核挂钩，既可以推动战略目标的完成又可以激励员工成长。

三、在企业中建立管理信息系统的途径

1.管理会计人员素质有待提高、职责亟需转变我国管理会计在企业中的推行已经很长一段时间了。从实际情况分析，企业运用的情况仍处在较低水平，这很难适应未来经济发展。在岗人员素质较低，职责不清，不能发挥应有的作用是常见的问题。系统建设过程中，首先要提高管理会计人员的素质，使他们胜任越来越复杂的预测分析工作。而且职责也不再是只负责预算编制等基础性操作任务的完成，要树立管理意识。运用信息化手段，提供高层次数据信息，将管理会计的真正作用发挥出来。2.培养同时具备大数据处理和管理会计分析的综合人才大数据时代会有海量的数据充斥企业，要在其中及时寻找和挖掘到有用的信息，才会对管理层决策有帮助。这就要求数据处理人员既要懂得大数据处理方法和数据挖掘技术，能够将有用信息及时处理，深度挖掘，也要求该人员具有一定的管理会计分析能力，能够在海量数据中敏锐的发现需要的相关数据。因而培养同时具备大数据处理能力和管理会计分析能力的人才是管理会计信息系统发挥应有作用的基础。3.企业硬件支持大数据海量的数据处理要求有庞大的数据保存空间，数据分析运算处理程序，数据安全防护等方面的硬件支持。这需要企业升级现有的硬件设备。同时确保将管理会计信息系统自上而下的贯穿使用，使得管理会计人员、财务人员以及相关联的企业其他员工都加入进信息系统，使它真正利用起来，真正对企业信息化发展，企业竞争力提升起到实际的推动作用。管理会计信息系统的建立是企业迈向现代化的重要一步。企业在实施过程中必然会遇到各种问题，但是信息化建设对企业的作用深远、意义重大。

作者：崔慧敏 单位：山西大学商务学院

数据时代论文:大数据时代思想政治网络教育论文

一、大数据特征

大数据的特征常用4V来表示，具体是指大数据的四个显著的特征：第一是数据体量，主要指的是巨大的数据量与数据的完整性。第二是数据类型，指数据的种类非常的多而且复杂，大数据技术就是要在这些复杂的数据类型之间寻找其关联性。第三是处理速度，爆炸式增长的数据量要求快速化的处理速度，才能使得数据的有效利用。第四是价值，大数据的最终目标是将庞大数据中找到数据时间的价值关系，通过找到低密度的数据价值对决策做支持。当前大数据技术不仅产生于特定领域中，而且还产生于我们每天的日常生活中，Facebook、微博、微信等社交媒体上的数据就是最好的例子。大数据发展为社会各领域带来的机遇和挑战，网络思想政治教育作为信息时代育人的新载体自然无法回避这个新的环境变化。分析大数据对网络思想政治教育带来的巨大机遇与严峻挑战，探讨如何在大数据时代创新网络思想政治教育的具体措施，进而为下一步发展提供有益的指导已然成为热点研究问题。

二、大数据时代下的网络思想政治教育的新发展方向

（一）树立大数据时代的网络思想政治教育的数据意识

网络思想政治教育必须顺应科技与时代的发展。大数据时代教育工作者需要树立网络思想政治教育的数据意识，这是发展大数据环境的网络思想政治教育的首要前提。针对大数据发展网络思想政治教育可以分为如下三个方面。首先是要全面了解和分析大数据本身，理解大数据是什么、大数据的变革力量何在、大数据的未来发展趋势等等；其次是在理解大数据的基础上，系统地分析大数据时代对网络思想政治教育可能产生的影响，带来的机遇和挑战。最后是充分的确立数据意识，意识到数据是现代社会最具价值的资源，是发展与决策的源泉。用数据意识驱动网络思想政治教育工作创新发展，例如在一定的数据分析基础上将灌输式集中教育变为交流式个别教育。

（二）借助大数据技术对网络思想政治教育进行量化研究

定性研究与定量研究相结合是网络思想政治教育的重要研究方法。定量分析法是对社会现象的数量特征、数量关系与数量变化进行分析的方法。定量分析使用数学模块对研究对象可量化数据进行的分析，通过分析对目标给予评价并做出判断。定量分析方法始终受到教育工作研究人员的关注，因为网络思想政治教育中存在极大的不确定性和动态性的因素，定量分析方法可以帮助我们对网络思想政治教育进行科学评价。但与此同时定量分析方法具有很大的复杂性，受很多技术因素的限制，一直不能很好的发挥作用。大数据技术的出现为定量研究提供了一种新的技术手段，成为科学研究新的范式。定量研究可以运用大数据技术进行理论假设、建立数据模型以及数据分析验证。由此可见，大数据时代网络思想政治教育的研究，需要与数据资源丰富的机构单位合作，借助这些数据载体的平台、资源以及高精尖的技术，进行合理合法的挖掘教育对象的信息，从而精确的开展网络思想政治教育活动。另外，要建设一支过硬的网络思想政治教育队伍，不但要具备思想政治教育的专业知识，而且还要具备创新的网络教育观念、精通大数据等新技术手段。

（三）促进大数据时代网络思想政治教育信息资源建设

发挥大数据技术的优势，分析网民的接受习惯，增强教育内容的实效性、趣味性，以服务成长成才为核心有针对性地加强功能开发，提高网络思想政治教育信息资源的受关注度。此外在信息资源建设过程中要注意好以下几点：首先要把握信息资源内容的方向性，弘扬主旋律、传递正能量。其次信息资源的形式要多样，通过文字、声音、图像等形式，经由微博、微信等新兴传播手段，提高教育的实效性。再次，信息资源来源要丰富，可以从各大媒体引进、从理论学习资料借鉴、从大型活动中总结、从日常工作中提炼，确保信息资源及时更新。通过以上的分析，可以看出，大数据时代网络思想政治教育必须在继承传统中实现新发展。坚持不动摇的是网络思想政治教育的基本结构、功能以及原则。创新发展的是符合大数据时代的教育内容与内涵，进而找准变化点，更新网络思想政治教育的研究方法，将网络思想政治教育带入新的发展阶段。

作者： 方世敏 单位：南京政治学院

数据时代论文:大数据时代会计信息化论文

1信息价值性价比高

在大数据时代下高效的数据处理速度使得信息具有更高的效用，发挥了更大的速度优势.在数据真实可靠的基础上，其快速的数据处理并没有使得信息量减少，而是更加全面地包含了更多的细节信息，甚至于其他不相关信息都会被准确的排除.这样就最大程度地降低了信息化的成本，提高了信息化的效率.

2大数据与企业会计信息化

会计信息化是我国“十二五”期间会计改革与发展的重要内容之一，也是很多企业提高会计系统效率的有效途径.会计信息化是信息社会的产物，是将计算机、网络通讯等先进的信息技术引入会计学科，促进企业会计系统网络化发展的过程.大数据的兴起、云计算的增速和以云计算为基础的云会计的应用为会计信息化的发展提供了技术支持和平台.企业会计信息化的深度发展对于大数据的需要与日俱增.

2.1企业会计信息化的现状

1、会计信息披露具有偏向性，导致信息不对称.传统的会计信息系统会诱使企业选择特定的会计方法而造成企业管理人员利用自身是信息提供者这一优势，不断地美化会计报表，这对于外部使用者而言是非常不公平的.2、内部自我约束能力弱，导致数据不真实.在传统会计信息系统下，一些企业为了眼前经济指标的提升或者任务的完成，常常通过人为调整会计报表来应付各机构的检查，自我约束能力弱，数据失真.还有很多企业对现有的政策法规钻空子、打擦边球的现象屡禁不止.聘请的第三方审计机构也本着“企业利益最大化”的审计目标，对企业不真实的数据进行舞弊，以点盖面.3、核算量大，导致信息披露不完全.传统的会计信息系统下，会计的信息系统发展越来越不能适应高速发展的经济业务，很容易造成信息披露不完全.信息经济时代下，应该更多的提供企业未来价值的知识资源，而不是沉浸在企业过去的财务数据中.4、企业信息数据单一，导致信息缺少指导性.传统的会计信息系统主要是对企业财务信息的反映，往往忽视了非财务信息.企业自身变化的社会经济形势要求我们不能只依靠过去的财务数据对未来发展做出预测.对企业未来的发展预测用某些非财务信息可能会更加合理.如企业的环境成本、社会责任等信息都需要非财务信息的提供.5、信息传递滞后，导致会计信息缺乏时效性.传统的会计信息系统采用先发生交易事项后进行记录的程序，无法满足当代企业对信息时效性的要求.企业以及社会各机构、投资者越来越需要了解随时发生的财务信息，对其进行更好的决策，这就要求企业不定期的提供会计信息，对于会计期间的定义也不再以年为单位了.因此，现有的会计信息滞后的时效性严重影响使用者的需求和投资者的决策.综上可知，传统的会计信息系统逐渐出现了不适应当今经济发展的事态，高效、全面的信息化系统变得越来越重要.在大数据时代下会计信息的不断创新，快速发展势在必行.

2.2大数据对企业会计信息化的促进作用

大数据时代下，对会计信息化的促进作用主要表现在：信息结构更加客观，既强调了会计信息的精准性，又不失相关性；财务会计信息管理的程序化；会计人员工作转向宏观信息管理；多元化的计量单位.在大数据时代下非结构化数据成为主导，在会计信息中可以更好的融合结构化和非结构化数据，更好的提高数据的相关性，并且不会人为的进行舞弊.程序化的会计信息管理也将出现，财务部门逐渐将不再作为一个部门，而是作为一个类似于“企业”的独立个体，数据的获取可以不通过部门的上报来实现，而是通过财务部门设定的独立软件获取，这也提升了财务本身的独立性，同时也可以为其他部门提供共享服务；财务部门不需要对数据进行处理，而是转变成为数据的使用和管理者.在大数据时代下，多元化的计量单位将会出现，会计计量单位会出现相关的时间、数量单位等.

2.3大数据时代下会计信息化面临的挑战

大数据时代下，企业会计信息化系统是通过互联网来实现与客户、供应商、银行、税务等机构互通的，其提高企业财务管理效率的作用是显而易见的.但目前因为大数据的发展尚未成熟，这就为会计信息化的快速发展带来了较大的挑战.1、数据的来源以及处理方式.大数据时代下最令人关注的问题就是数据从何而来，以及数据的处理方式.①美国数据科学家维克托•迈尔•舍恩伯格在《大数据时代》一书中提出，“以前一旦完成了收集数据的目的之后，数据就会被认为已经没有用处了.比如，在飞机降落之后，票价数据就没有用了；一个网络检索命令完成之后，这项指令也已进入过去时.但如今，数据已经成为一种商业资本，可以创造新的经济利益.”大数据时代下，数据的来源无孔不入，互联网平台上的任何一种资源都可以成为其来源方式.网络平台对用户使用的信息一览无余，一个简单的第三方软件就可以知道我们需要什么，需要何种服务，经济状况如何，经常偏爱哪种东西等等.企业在云端储存的数据对于云端后台的信息维护人员来说，获取变的轻而易举.防止恶意程序以及提高用户的安全系统，保护数据的隐私是很难解决的问题.在通过各种方式获取了用户的数据信息之后，要用这些数据干什么以及如何使用就成了关键性问题.大数据时代下的信息处理是通过特定的程序来完成的，这样的结论更加客观，同时结论的得出也具有局限性.大数据理论过于依赖数据的汇集，那么一旦数据本身有问题，就很可能出现满盘皆输的局面，因为数据的问题，做出的错误预测和决策，导致一个数据有问题，由此相关的数据而产生的信息本身都是问题所在.这对于数据来源的要求是非常高的，一旦有提供者造假，大数据带来的危害是不可忽视的.2、传统用户对云计算、云会计的排斥.对于不知道云计算如何使用、互联网软件能带来什么效益的用户来说，这项工作还是很难完成的，大数据的推广受到了很大的阻碍.对于云会计更广泛的应用，改变传统的用户观念以及现有的会计信息系统，使网络平台更容易被用户所接受是一个非常艰难的过程.3、超满负荷的网络传输问题.大数据时代下，会计信息化系统必须依赖于网络，这就要求企业应具备一个良好的网络传输环境.就目前而言，网络的堵塞和数据的延时都是大量的数据存储和数据交换造成的，超满负荷的数据传输成为会计信息化中的一个瓶颈，网络技术的发展目前还不能完全满足包括网络自我恢复、故障检测、问题警告等功能的实现.

3大数据时代下会计信息化所面临问题的解决建议

大数据对会计信息化的影响是一个渐进的过程，在这个过程中，财务工作者应该积极把握大数据时代给我们带来的机遇和挑战.针对大数据时代下会计信息化面临的问题提出如下建议：建立并掌控企业的核心数据，提供可靠的云会计服务平台.大数据会计的服务数据是基于云储存平台上的，虽然数据安全机制都很高，但对于企业的会计与经济信息的完全控制并不能保证.因此，企业在选择使用云会计模块时应当根据自己的实际情况判断其可行性，对于重要程度高的信息应合理判断是否应该交由数据服务商管理.对于企业会计信息化的实施安全性而言，数据服务提供商的选择是至关重要的，要在对提供商的综合评价之后再进行决定.为保证云会计服务的安全稳定，企业可根据自身业务需求灵活地进行模块组装以及完善的技术支持，企业的云会计应该适合自己的特色.除此之外，为了防止会计信息的滥用，对于每一个可接触信息的人都要进行身份验证，并且对安全级别进行评估.进行高效的企业机构设置变更.由于传统会计的深入人心，企业云会计的推广还是非常困难的.解决这一问题可以考虑当云会计引入之后，对机构设置进行变更，让每一个财务人员都能感受到这一改变带来的高效性.企业应结合自身的实际情况，设置最适合企业云会计应用的高效组织机构.有选择性地进行云计算.企业找到合适的云会计应用非常关键“，云端”不一定适合所有的会计信息化应用，而在企业采用了云会计之后，网络方面的很多因素都将影响互联网上数据的存取速度.目前企业使用的会计信息系统能否成功转换，这与有选择地进行云计算是密切相关的.信息技术的普及，使企业充分认识到了数据的重要性.在大数据时代下，对于传统会计信息的变革，使之从服务职能进入管理职能变得越来越重要.财务部门作为企业的核心主体，只有充分利用信息化带来的效益，才能更好的融入信息时代中，为企业创造出更多的经济效益.

数据时代论文:大数据时代农产品流通互联网论文

一、互联网大数据时代为秦皇岛农产品流通带来的契机

美国《大数据研究和发展计划》中指出：“到2020年，全世界的数量存储量将达到35ZB，一个大容量、高速度、高智能的大数据时代已来临。”大数据（BigData）是继云计算、物联网之后IT产业又一次颠覆性的技术变革。近年来，随着大数据技术的发展，也为农产品流通带来了新的契机。对于实现资源整合、优化农产品流通结构、提高流通交通具有重要的意义。

（一）互联网大数据的应用有利于发挥农产品流通的规模经济效应

大数据时代，实现了云计算服务器与物联网技术的结合，在利用大数据的“海量数据（MassiveData）、大规模数据（VeryLargeData）、高速性（Velocity）、多样性（Variety）”的优势，使得“新一代互联网、物联网”有了更广阔的载体和平台，拥有了更大的发展空间。在传统的农产品流通过程中，虽然也使用了信息化管理，但是受信息存储容量的有限性和物理介质的不确定性影响，使得数据处理存储受到掣肘；而在大数据的新媒体时代，具有更加强大的计算能力，以及更加海量的存储介质，相关农产品流通的数据不仅可以存储在计算机上，同时也可以存在互联网云服务器上，使得在农产品物流信息存储过程中可以完全不必在乎存储空间的大小，更好地提高了信息处理效能。这些都为农产品流通的整体布局、规划、调度带来了新的机遇，有利于通过扩大流通的规模，实现农产品资源的优化配置。利用大数据技术，可以将农产品流通系统进行改造，将无数“散户”信息进行整合，进行物流产业“集群”的打造，对市场信息进行及时掌握，实现农产品流通效率的提升。

（二）互联网大数据的应用有利于发挥农产品流通的供应链驱动效应

农产品的流通不是一个单一的事件，而是系统化的过程，涵盖了“农产品的生产、集散、仓储、批发、零售、终端消费者”等各个环节。而大数据时代农产品流通的管理方式发生了深刻的变化。大数据有利于实现“农产品的生产、集散、仓储、批发、零售、终端消费者”等环节的一体化，使各个环节能够紧密地环环相扣，更有利于相关物流信息资源的挖掘与开发，使物流管理水平实现了由“量”得到了向“质”的提升。增强了对复杂数据的处理能力，可以使用软件对农产品物流数据进行批量化的处理，有效的管理物流信息数据库，实现信息结构的优化。在当前的物联网时代，物流的信息化不断推进，相关农产品流通的数据呈现出几何倍数的增长，也为信息处理的及时性带来了新的挑战。而在大数据背景下使得这一问题得到了有效解决，可以随时随地进行计算与统计，突破了时间与空间的限制，利用全数据处理对象、多数据处理工具，使得处理速度更加实时化，保证了农产品流通供应链各环节信息处理的协同与一致，推进农产品流通的专业化发展，减少了交易过程不必要的“中间环节”，缩减交易成本。

（三）互联网大数据的应用有利于发挥农产品流通的极化效应

大数据技术的运用，使得农产品流通途径发生了深刻的变化。在大数据时代，不但相关农产品流通的信息实现了“所有即所得（Onesizefitall）”。同时，大数据更将传统的农产品物流信息管理的“后置总结分析”转变为“前置预测判研”，能够充分发挥大数据的数据分析与挖掘功能，对农产品流通的情况进行分析与形势判断，将整个流通的链条重心进行调整，使得农产品流通过程中可以根据市场需求“对症下药、见招拆招”，使流通更有针对性，大数据的优势对农产品流通的“生产、仓储、集成、物流渠道节点”等方面都将发挥作用，将有利于形成新的经济“增长极”。最终通过产业极化实现乘数效应，利用农产品的流通带动其它产业的共同发展，实现整个产业链条的整合、优化，提高发展质量。

二、互联网大数据时代农产品流通途径改善的对策

（一）通过农产品流通布局的系统化，实现个体经济向规模经济的转变

大数据时代要求农产品的流通途径有必要由传统的“个体化”转变为“系统化”。充分利用大数据的挖掘与分析、共享的功能，实现Hadoop（高度可扩展的分布式批量处理系统）功能拓展，将实现整个农产品流通系统的最优为目标。其庞大的数据存储与处理功能，使得社会化的农产品流通得到了进一步的拓展。在未来的发展中，秦皇岛要通过农产品流通布局的系统化，来实现个体经济向规模经济的转变。一方面，要利用大数据技术，加强政府对农产品流通的宏观调控、统一布局，建立高效的农产品流通信息系统，使其服务于农业开发。根据秦皇岛的资源现状，可以在秦皇岛现代物流园区通过加快大数据的应用，实现大数据与物流的衔接。要根据大数据的数据分析，重要布局规划酿酒葡萄、绿色生态安全猪、肉牛、肉鸡、水产品、食用菌、蔬菜、甘薯、玉米、干鲜果品、中药材、花卉等生产与供应基地建设，大力发展以信息技术和“大数据”为特征的“第四方（4PL）”物流，使农产品借助大数据，充分提高农产品流通规划与布局的效能。例如：陕西省的西咸新区的沣西大数据产业园通过与农产品物流的整合，实现了农产品物流数据的规模化集中，通过将物流数据放置在SaaS和SOA“云服务器”中，园区通过整合“第三方”物流，为农产品流通企业搭建“第四方”物流信息平台，为农产品流通用户提供便捷的物流数据挖掘。这些都对秦皇岛具有较强的借鉴意义。另一方面，要通过大数据技术，加强对农产品流通的分类调控。从当前海港区、山海关区、北戴河区、青龙县、昌黎县、抚宁县、卢龙区县的农产品流通情况来看，每个地区的经济发展并不均衡，所处的区位条件、资源禀赋和发展基础也各不相同。因此，有必要利用大数据做好特色定位，必须因地制宜、突出特色。不能搞统一的发展标准，要坚持分类指导，根据现阶段经济发展基础和资源禀赋，实施不同的农产品流通战略途径。要坚持“有所为、有所不为”，努力走出一条特色鲜明的农产品流通的新路子。要把差异化的农业产业化发展作为产业结构调整和发展方式转变的主要载体，引导各地形成产业集群。在粮食、蔬菜方面，主要以青龙满族自治县、昌黎县、抚宁县、卢龙县为重点，从“单产”着手，做好优质小麦、玉米和杂粮、特色蔬菜的复合化种植，发挥金海、香海、秦皇岛粮油等企业的龙头带动作用，做好订单生产流通与精细加工流通。果业、畜禽方面，要实行“集中连片，见空建园”，充分发挥海港区、山海关区、北戴河区的临港优势，构建区域性的农产品流通中心，加快冷链物流仓储体系建设，打造名优品牌。

（二）通过农产品流通节点的网格化，实现局部利益向供应链驱动转变

大数据时代要实现农产品流通节点的网络化。在大数据的背景下，由于有了更深入的数据分析与挖掘功能，这就对传统的农产品流通带来了新的契机，有必要对海量的农产品流通数据进行聚类、分类、相关性分析，找出农产品流通节点物流数据之间的相关性关系。最终，通过“数据化互动”实现节点的“网格化共赢”。一要加强“农超对接”，实现农民与超市终端的双赢。在昌黎、抚宁等农产品重点产销区，要通过大数据物流的RFID、EDI、GIS、ICT、SCM、VMI、ERP等技术，做好“前置性”数据挖掘进行利用，对农产品消费者的消费倾向、频次、数量、种类等方面的特征数据进行分析，结合“一村一品”“一乡一业”，政府牵头、企业运作、协会推动、农户参与，通过农产品市场的预测，打造农户与超市的“利益综合体”，连接“产前、产中、产后”等各个环节，将超市与农户的短期“买卖关系”升级为长期的“战略渠道伙伴关系”。二要加强“农企对接”。要利用大数据进行充分的“供需分析”，加强进一步巩固提升农业经营主体的市场地位。充分利用农民专业合作社的力量，促进农民专业合作社、农业市场的无指缝对接与均衡化发展、合理性开发。激发农户积极性，与市场需求进行有效对接；鼓励各种市场主体参与农产品流通。积极构建政府、企业、社会资本结合的多元化投资模式，把生产经营主动权交给农民，调动起工商资本、民间资本参与农产品流通的积极性。三要加强“农企对接”。大力建立龙头企业带动型农产品供应链，实现企业与农户的双赢。要利用大数据市场信息，培育壮大农业产业化龙头企业，重点支持鹏泰面粉、河北华龙、骊骅淀粉、正大、美尔淇、华夏葡萄酒、龙源通果汁、斌扬水产、北戴河集发农业综合开发等一批规模较大、带动力强、技术密集型和资本密集型农产品流通龙头企业。利用大数据的数据挖掘功能，增强各龙头企业的产业关联度，将“同质化”竞争转变为“异质化”互补，共同参与农产品流通的运作，打造更加完整的价值链条。要不断走出“低水平加工、粗放式流通”的怪圈，提高产品的附加值。而要紧紧抓住“产品开发”和“品牌”这两个核心环节，加强对新型农产品、绿色农产品、高端农产品研发的投入，将秦皇岛传统的农产品流通企业的“低质跑量”转变为“数质并提”。通过大数据分析技术，使企业与农户建立利益平衡点，通过订单、租赁、合资、合作、入股等的方式与农户签订长期合同，使龙头企业与农户实现上下游的连接、一体化的经营。

（三）通过农产品流通信息的共享化，实现经济增长点向增长极的转变

大数据时代背景下，有必要利用大数据优势，推进企业间、区域间的“信息共享”。利用大数据的数据耦合分析功能RDBMS（关系型数据库），构建系统复合型的架构，在区域间、企业间进行产业相关性分析，计算评估合作效益，实现农产品流通效用的最大化。例如：山东寿光蔬菜批发市场与广东深圳农产品股份有限公司合作，在山东共同注册了综合型的股份制批发市场，通过信息共享，区域间的农产品物流产业合作，节约了交易费用，降低了蔬菜物流运作成本，实现两地企业的双赢。秦皇岛也可借鉴这方面的成功经验，利用计算机、物联网信息处理功能，加强与河北、东三省等区域的区域合作，将市域、省域的物流资源进行整合，促进农产品流通业的“抱团取暖、集群发展”，最终形成以区域性农产品流通中心为中心，以各地批发市场为节点的农产品流通体系，使秦皇岛成为辐射东北及华北、影响京津冀经济圈的重要农产品流通中心。要从政府层面加快农产品流通的信息化建设，搭建企业、农户、行业组织间的信息平台，将各个市场主体密切的联系起来，使各机构通过信息系统建设，实现农产品流通的“联动”。要加强电子商务建设，大力发展B2C、B2B、C2C等新模式，积极与中国惠农网、农宝网、京东、淘宝等电商进行合作，探索建立网上签约和交易试点，开展网络交易、合同交易、期货交易，使秦皇岛的农产品能够真正的“走出去”，增强秦皇岛农产品的影响力。总之，农产品流通是连接农产品生产与消费的纽带和桥梁，是刺激消费、活跃市场的催化剂。在互联网大数据时代，随着海量存储以及云服务器的广泛应用，也为农产品流通带来了新的契机。互联网大数据的应用有利于发挥农产品流通的规模经济效应、有利于发挥农产品流通的供应链驱动效应、有利于发挥农产品流通的极化效应。在未来的发展中，有必要通过农产品流通布局的系统化，实现个体经济向规模经济的转变；通过农产品流通节点的网格化，实现局部利益向供应链驱动转变；通过农产品流通信息的共享化，实现经济增长点向增长极的转变。才能够充分发挥大数据数据采集、分析、处理能力的功能，推进农产品流通效能的全面提升。

作者：马莉

数据时代论文:大数据时代企业人力资源管理论文

一、大数据与人才的招聘与配置：社交网络＋数据处理

在招聘的过程中，企业大多采用网络招聘、校园定向招聘和现场招聘等形式，招聘者只对求职者的部分基础数据有大致的了解，如专业情况、实习经历等半结构化数据，而对求职者的动手能力、专业技能掌握情况等一些重要的非结构化能力数据却并不太了解，对于员工的一些业绩完成时效、职称提升率更是全然不知。在大数据的背景下，一种不断融合社交网络的立体化的新招聘形式逐渐受到人们的关注。这其中较为成功的社交网络就是LinkedIn，它能够借助社交基因弥补传统招聘的不足，既能使招聘者对应聘者的社交信息有详细的了解，提高招聘的质量，节约招聘成本，又能拓宽求职者了解所应聘公司信息资料的渠道，提高其应聘的效率。社交网络拥有很多数据集群体，基本涵盖了与一个人有关的全部信息，如工作信息、生活状况、社会关系、工作效率、能力和潜力开发等。人力资源部借助社交网络的大数据能够直接获取应聘者的各类信息，不仅包括人力资源管理中所涉及的大数据信息，还包括其它财务数据信息和隐私数据信息等，从而形成与应聘者有关的立体信息集，全面了解应聘者的实际情况，实现精准的“人岗匹配”，达到人尽其才，才尽其用，人事相宜的状态。企业人才招聘在“社交网络”的大数据库里加以遴选和聘用，不仅可以避免“井底之蛙”的眼光，还可以防止一些拥有人事权利的人以权谋私，从而促进人才的高效流动。对人力资源部门而言，一方面要把求职者的简历信息、职位申请信息等不断地聚集起来，为招聘工作的大数据分析奠定基础［5－8］。另一方面，要在此基础上充分利用现代的云计算技术对大量数据进行处理，筛选有用的信息，摒弃无用的数据，得到申请职位情况、就业倾向等系列分析成果，并结合企业的人力资源规划情况得到企业各部门的招聘计划，使招聘工作做到有理有据，流程更有成效，使配置工作定位更精确，实现“引”和“用”的艺术结合。

二、大数据与员工的开发：最大潜能＋查缺补漏

职业生涯管理作为人力资源开发的重要组成部分，在企业的人力资源管理中发挥着重要的作用，可以更加有效地开发和利用企业内部的人才资源，减少对外部招聘的依赖，节约招聘成本，节省招聘时间；增强员工对企业的忠诚度和向心力，提高工作的积极主动性，减少离职率［9］。在大数据时代，海量的具体量化数据可以为职业生涯管理提供更具有说服力的信息并增强决策的可行性。在大数据的理念下，职业生涯规划就是基于全部数据的职业生涯规划，因此在信息的收集上，人力资源部不仅要了解员工的应聘岗位、晋升意愿以及职业规划等结构化与非结构化的数据信息，还要深入挖掘与职业生涯规划相关的其他信息，力求保证信息的完整性与整体性，然后对这些信息进行量化分析，摒弃一部分干扰数据，最终形成员工的立体信息集，使职业规划定位和职业引导更具有针对性和说服力。企业可以利用软件技术开发设计一套基于大数据理念的职业生涯管理测评系统，对于传统的职业生涯管理取其精华，去其糟粕，与大数据下的职业生涯管理结合起来，发挥二者的优势。由此一来，企业可以全面地掌握职工行为，主动地为职工提供“量身定做”的人事服务，帮助员工胜任工作并发掘员工的最大潜能，提高企业的竞争力。然而，在大数据时代，现有的人力资源开发方式存在严重的局限性，其中较为明显的就是人力资源的培训开发［10］。培训分为岗前培训和在职培训，能使员工了解岗位工作职责，认清工作重点，改善工作中的不足，提高工作效率，实现“人岗匹配”。因此，对员工进行培训十分重要。目前，大多数企业都采用问卷调查的形式，让员工参与其中以确定培训的内容。然而，随着大数据时代的到来，这些方式日见其片面性。大数据中的一个“大价值”就是在应用中纠正错误，因此人力资源管理部门应关注相关数据所表现出的错误，实施针对性的培训，做到查缺补漏［11－12］。例如，对于煤炭企业的煤矿挖掘机操作作业的专业技术人员来说，可以从其业绩完成率等结构化的效率数据来反映其需要培训的内容。换句话说，如果专业技术人员的业绩指标出现了下滑，人力资源部就可以针对问题进行数据的收集、整理与分析，深入挖掘根源数据，确定问题来源是专业技术知识的缺乏还是团队士气的不足，从而确定不同的专业人员的培训计划。企业可以根据不同的情况，制定不同的部门培训计划、一般人员的培训计划、选送进修计划等。这样一来，人力资源管理部门就能对员工的培训做到游刃有余。

三、大数据与绩效考核：岗位数据＋员工参与

在以往的考核中，考核者大多依赖有限的记录对被考核人进行主观评价，进而确定考核结果。例如，通过记录员工的出勤率、工作热情程度等通用型结构化和半结构化的基础数据和故障率、任务完成效率等岗位型的效率数据来确定员工对企业的贡献。然而，在大数据时代，想要在考核中做到客观公正，消除员工的机会主义行为，人力资源部门就必须改变原有的考核方式，建立以数据为依托的人员考核和胜任力分析工具。在绩效考核指标的设计中，首先进行的就是岗位分析。因此，企业要充分利用现代科学技术和平台，全面收集和深入挖掘岗位相关数据，建立以数据为依托的绩效考核指标，进而设计员工考核的分析工具，使其不仅可以客观地肯定员工过去对企业的贡献，还可以对员工未来工作的改进提供量化的指导。此外，还可以在企业内部建立信息共享和互动平台，如微信、微博、贴吧、bbs等，让员工对绩效考核指标的筛选、内容的确定、实施的流程等一系列要点的确定各抒己见，积极进行讨论互动。由此一来，人力资源部就可以利用平台所产生的大量数据客观地确定绩效管理的方案，明确员工最关心问题和最希望解决的途径等。利用这样的互动平台，员工就间接地参与了绩效考核政策的制定，还可以对企业的领导及其他人员的绩效进行直接的考核，有助于推动组织管理和绩效考核的透明化、领导对员工绩效的把握和员工对领导工作的监督以及员工之间的信息共享和相互沟通。让员工参与其中，使其更能感受到企业对其重视，进而调动其工作热情，提升其对企业的忠诚度。

四、大数据与薪酬激励：针对性＋多元化

有效的激励不仅是对员工过去业绩的肯定，使其获得成就感，还对员工未来工作积极性的提高具有重大的意义。随着人力资源管理系统的不断发展，薪酬激励的手段不断增多，体系日趋完善。就目前来说，主要有以下几种激励措施：物质利益激励、事业激励和感情激励。物质利益激励主要包括薪酬激励和福利激励，如基本工资、绩效奖金津贴和五险一金等，这些都是员工基本生活和稳定工作的保障。在大数据时代，要以数据为基础，用事实说话来制定薪酬体系才能做到客观公正，保证人才队伍的稳定。通过对基础数据的了解，对那些长期服务于公司的员工要加大物质激励的力度，可以采取提供无息购房贷款的政策并且通过全面的数据分析来确定贷款的额度。对那些在能力数据和潜力数据方面表现优秀的员工来说，仅仅采用丰厚的物质激励是远远不够的，还要采取多元化的激励手段。根据马斯洛的需求层次理论，人都有自我实现的需要，在企业内，尤其是高层或骨干员工，他们都希望在专业上有所建树，在职位上有所提升，其名誉权威需求比物质利益更加强烈。因此，企业可以制定相应的进修计划，其名单的考核和确定一定要以员工所产生的大数据为基础。此外，感情激励也是一种很好的激励手段，是对员工的尊重与信任、理解与支持、关心与体贴。企业恰当地利用感情激励能够充分调动员工的工作热情，培养员工的忠诚和信任，从而打造一支稳定的工作团队。例如，在企业内部建立经济困难预警系统，当员工持餐卡在食堂的餐饮消费低于一定数额时，系统会自动给其发送通知，询问其是否需要帮助，相关人员还将根据预警进一步地详细核实，最终确定是否对其提供帮助以及帮助的程度。

五、大数据与员工关系：劳动契约＋心理契约

劳动契约明确规定了企业与员工之间的权利与义务，而在大数据时代，劳动契约要更多地体现人性化的原则才能保证员工满意，降低企业的离职率。例如在考勤管理方面，随着大数据时代的到来，计算机技术的广泛开发和应用，一种由打卡记录员工出勤情况的考勤手段发展到指纹记录，将来也有可能采用瞳孔记录等一些更为先进的手段，这些都很好地体现了以人为本的原则。此外，企业仅仅以劳动契约与员工建立关系是远远不够的，还需建立以共同愿景为基础的心理契约。以数据和客观事实为基础进行人事决策，让员工参与其中，对数据进行全面分析，使员工感受到客观公平，从而对工作更加积极，更容易在核心价值观上达成共识，由此来培养员工的职业道德，实现员工的自我发展与管理。大数据时代人力资源管理的信息化及全球化，使得员工通过计算机技术与网络技术逐渐改变其原有的工作方式，不断提高工作效率、规范业务流程，为企业带来更好的增值服务，实现企业与员工个人共同成长和发展，为实现双赢的目标而共同努力。

六、人力资源管理融入大数据时代应注意的问题

1权衡大数据带来的收益与支出

企业要想将大数据融入人力资源管理体系中，首先要考虑其可行性，即要考虑其规模和资产，权衡收益和成本，始终以利益最大化为目标。目前，一些中小型企业盲目跟风，急切地将大数据引入到人力资源管理系统中，认为拥有大数据就是拥有先机和脱颖而出的法宝。然而，很多企业不明确大数据的真实含义而一味收集无用的信息数据，消耗了大量的财力建造基于数据的信息管理系统，并对其进行维护。这样的行为完全忽视了收益与成本的关系，有可能得不偿失，容易造成人力资源管理系统的瘫痪。因此，在今后的发展过程中，企业首先要考虑大数据与人力资源管理系统结合的必要性，避免盲目跟风，用谨慎认真的态度权衡利弊。

2人力资源的共享与安全

大数据时代的到来带来了优势和方便，同时也存在着弊端。目前针对大数据安全问题的应对措施及技术不断被提出，但其共享与安全问题仍然存在。大数据的人力资源系统也同样存在着安全隐患。例如，大数据时代的招聘新模式———网络招聘，即人力资源部通过网络获得应聘者的所有数据信息，不仅包括与工作有关的数据，还包括与生活有关的大量隐私数据、财务数据等，这些关于应聘者和员工的种种数据如何保护，被访问的权限如何设置等都应该引起企业的高度重视，这些数据一旦泄露或丢失，后果将不堪设想。所以，数据安全问题将成为今后人力资源管理系统创新的重点。

作者：王群 朱小英 单位：沈阳大学

数据时代论文:大数据时代网络安全论文

1大数据时代下网络安全的基本内涵

大数据时代下网络完全问题逐渐受到重视，但是在对网络安全确保的同时，就要正确全面的认识网络的安全。就其实质性而言，大数据时代下网络安全就要做好物理安全的综合分析，和信息内容安全的全面分析。保证网络安全的物理安全，就要在当前的网络工程中，对网络的设计和网络的规划进行充分的考虑，并做好对各种电源故障以及电脑硬件配置的全面考虑。综合分析信息内容安全时，主要是保证信息的保护，并避免信息泄露和破坏的产生，并禁止非法用户在没有一定的授权，进而对目标系统中的数据进行窃取和破译，进而为用户带来一定的隐患。而信息破坏的过程中，就要做好系统故障的维护，对非法行为进行抑制。对于信息传播安全和管理安全分析时，就要在当前的网络环境中，做好数据信息的有效传输，并避免网络的攻击以及病毒的入侵，并做好对整个网络系统的维护工作。而管理安全性分析时，就要对软件的可操作性进行综合性的分析，做好实时监控和相关的应对措施准备，并做好对数据的综合保护。总而言之，大数据时代下网络安全更要做好网络硬件的维护和常规管理，同时也要做好信息传播安全以及管理安全的综合性分析，进而对大数据时代下网络安全加以保障。

2关于大数据时代下网络安全问题控制的几点思考

2.1做好对访问的控制

对于大数据时代下网络安全问题控制，就要对安全的防御技术加以采取，并做好黑客攻击以及病毒传播等的控制，将对访问的控制有效加强，对网络资源的合法访问和使用加以确保，并合理的认证以及控制用户对网络资源权限的访问，避免非法目的用户的不法访问。将身份认证和相关口令加以添加，做好对规范用户的基础控制，有效维护系统，并对网络资源进行高效性的保护。

2.2做好对数据的加密控制

做好对数据加密控制，就要采取加密算法以及密钥的方法，对明文数据进行转化，将其转化成为一种密文，并保证加密后的信息，在实际的传播过程中，有着一定的保护作用，一旦信息窃取，对于信息的内容无法查看。同时在对数据存储安全性以及稳定性进行确保时，就要依据于数据的相关特点和基本类型，对机密信息的安全性加以确保，实现网络信息数据的安全传输。

2.3做好对网络的隔离控制

将网络的隔离控制加强，主要是当前防火墙技术常见的一种网络隔离技术，通过对防火墙部署在数据存储系统上加以采用，尽可能的将网络分为外部和内部，并对数据通道进行授权处理，对网络访问权进行一定的隔离和限制，并对网络的安全进行合理的控制。

2.4做好对入侵的检测控制

一般而言，入侵检测，主要是借助于主机系统和互联网，综合性的分析预设的关键信息，并对非法入侵进行检测，在入侵检测控制中，就要借助于监测网络将内外攻击以及相关的操作进行及时的监测，并采取主动性和实时性的特点，对信息的安全结构进行保证，进而做好入侵的检测控制，对网络信息安全进行最大上的保障。

2.5及时防治病毒

当前大数据环境中，保证网络安全，就要做好病毒的有效防治，在计算机上安装杀毒软件，并定期对文件进行扫描和杀毒，对于不能识别的网络病毒，就要对漏洞补丁进行及时的更新和修补。同时良好的网络安全意识培养，不点击不明的链接以及相关的网站，对正规正版的软件下载，并综合提升病毒防治的成效，做好计算机的日常安全维护基础工作。

2.6做好安全审计工作

做好网络安全审计工作，就要综合提升网络信息安全性能和网络信息的稳定性，在实际的工作过程中，借助于网络对原始数据包进行合理的监控和分析，并借助于审计的手段，还原原始信息，准确的记录访问网络的关键性信息，对网络方位、上网时间控制以及邮件的访问等行为进行极好的记录，尽可能的保证业务正常有序的进行。

2.7提高安全防范意识

提高安全防范意识，同样也是大数据时代下网络安全控制的有效方法之一，将网络安全增强，并提升网络安全性能，对相关的管理制度进行建立，将软件的操作和管理加强，对用户的安全保护意识进行加强，并对完全稳定的网路环境进行创造。

3结语

总而言之，大数据时代中网络安全问题更要提高重视度，并伴随着物联网和互联网的发展，做好对大数据手段的分析处理工作，对有效的信息进行提炼，做好网络安全的全面防范，对用户的安全保护意识进行强化，有效避免大数据时代下网络安全问题的产生。

作者：张传勇 单位：威海海洋职业学院

数据时代论文:大数据时代背景人力资本论文

一、大数据时代背景的新变革，对人力资本发展的新要求

数据化的对象不仅仅是数字、文字，而且包括方位、轨迹、甚至沟通。沃尔玛超市通过统计不同货架上的物品被人们选择的次数，以及不同购物者在超市内浏览路径等，适时调整货品的摆放位置、摆放次序，大大的提升了销售业绩。一旦我们生活的世界能够被数据化，人类认知将根本性转变。那么，摆在人们面前的问题就是，如何收集海量的数据，将数据的样本无限量的扩大;如何筛选数据，让数据更加还原事物的真实面貌;如何后期处理数据，分析出既定目标需要的结果。这些问题的提出，就意味着人类面临着一次自身素质质的飞跃。

其次，数据真正发挥作用在于“预测能力”，在还原事实的前提下，对未来情况的发展有指引作用。1978年，由24颗卫星构成的全球定位系统(GPS)的诞生，实现了自古以来无数航海家、旅游者、制图家的梦想。这一技术陆续被应用到车辆、航海、手机等移动设备上，极大地方便人类的同时，大量数据又被反馈到数据中心，重新整理、分析。UPS快递公司，首先通过运用安装在车辆上的设备收集回的数据，跟踪到车辆的位置、行驶路线，统计车辆的消耗信息，设计出货车的最佳行驶路径，科学的指导车辆行驶。2011年，这项成果为UPS快递公司节省了近4828万公里的路程，以及近300万加仑的燃料，大幅度的为公司节约了运营成本，提高了工作效率。UPS管理总监杰克．莱维斯说:“数据的预测给我们知识，而知识赋予我们智慧和洞见。”数据的预测功能，拓展了运用数据的维度，从发现问题层面跨越到解决问题、解决未来的问题的新层次。数据的“运用”，掌握在人类的手中，那么，如何将数据正确运用，如何用数据解决问题，如何杜绝数据所有可能引发的的技术上、道德上等多方面的问题。在这些问题有待解决之前，数据不应该被滥用。也只有人们约束好自己，才能将数据充分、合理的运用。

最后，数据，在练习“发声”，在以全新视角描绘着我们已经熟知的世界。在数据为我们做出巨大贡献的同时，有些人会不会“固步自封”?有些人会不会“讳疾忌医”?在我们肯定“数据”的同时，也会有人在质疑、歪曲“数据”。数据的统计在于人类，分析在于人类，得出结论的任然是人类，正在需要做到公正、真实的其实是“人类”。那么，如何看待数据?是否应该在技术操作、实施、甚至舆论宣传的多个环节，加以监管?为了使“数据”和“人类”之间和谐相处，追求共赢，首先“安身立命”的应该是人本身。

二、大数据时代背景下，人力资本发展的新方向

人力资本的发展成为“大数据时代”背景下的热门课题，面对大数据、大挑战，要及时调整发展方向，发展目标以及人力资本投入规模、投资方向。只有首先打破“人为限制”，才能掌握数据的合理运用，让其真正发挥作用。

首先，加大对新兴领域，如科技研发、移动设备、数理分析等领域人力资本投资力度。过去，我国投资是刺激经济增长的重要动力，而忽略了科技创新的力量，忽略了新时期投资方向的改变。数据，像一座取之不竭的矿产，只有用合适的工具开采，才能提高产量，尽可能的保存原始形态。为实现这一目标，需要先进的终端设备，熟练的操作人员，以及长时间的人力、物理的投入。

其次，规范数据相关人员，建立、健全法制机制，监管互联网、移动设备，防止数据的非法获得、滥用。无论是亚马逊、淘宝，还是百度、谷歌，都以不同形式采集我们日常的“数据”，我们始终被“第三只眼”监视着。前美国中央情报局(CIA)雇员，也曾担任美国国家安全局(NSA)的美籍技术人员的斯诺登，将美国国家安全局关于PRISM(棱镜)监听项目的秘密文档披露给了《卫报》和《华盛顿邮报》。这一情况的纰漏，引起了各国政界的轩然大波。这就是一场因“数据”而引发的“战争”。合理有效的杜绝大数据带来的威胁，更好的规范个人行为，保护公民合法的隐私权等权益。

作者：张妍 单位：云南民族大学经济学院

数据时代论文:大数据时代优质教育资源论文

一、优质教育资源共享的主体

在大数据时代，优质教育资源共享的主体包括共享的双方，也就是资源需方和资源供方。随着时代的发展，优质教育资源的供方不仅包括各级各类学校、教育职能部门、公益组织和科研机构等非营利机构，也可以囊括教育资源提供商，甚至个体也可以成为优质教育资源的供方。要促进优质资源的共享，就要充分发挥互联网的共享性、平等性、开放性特点，全面拓展优质教育资源供方的来源。优质教育资源的供需双方并非一成不变的，在大数据时代，要积极促进优质教育资源供需双方的相互转化，尽量做到各取所需、各尽其能，使优质教育资源的供需双方能够互相交叉和重叠。

二、大数据时代优质教育资源共享的运行系统

要提高优质教育资源共享的效率，促进我国高中教育的不断发展，就必须重视优质教育资源共享的运行系统建设，要使共享的优质教育资源能够满足我国高中教育教学的需要，从而使优质教育资源的利用效率得到提高。

1.优质教育资源共享的建设系统

优质教育资源共享运行系统的第一个环节就是建设系统，进行优质教育资源的汇集和开发工作。建设系统要将教育资源分为非数字化教育资源和数字化教育资源两种，对于数字化教育资源主要是直接汇集和开发，对于非数字化教育资源还要进行数字化加工和制作，使其符合媒体文件的载体和格式。建设系统还要将已有的教育资源进行汇集和整合，使其汇聚起来，能够进行推广、评估和归类。

2.优质教育资源的传送系统

传送系统主要负责传输和配送优质的教育资料。例如，可以向特定的目标区域进行优质教育资源的配送，包括少数民族地区、贫困地区等等。也可以通过对口帮扶的形式，使优质教育资源的供需双方结成对子。在大数据时代，要充分利用先进的社会计算、4G技术、三网融合、宽带网络等技术，提升优质教育资源的投入产出比。

3.优质教育资源的使用系统

使用系统要具备相应的硬件设备条件，使资源需方能够顺利获取教育资源。使用系统还应该具备指导、培训、高级检索等功能模块，使资源需方能够按照自己的具体需求获取和检索优质教育资源。需方也可以对优质教育资源进行再加工，例如，高中学校可以对先进的教育教学理念进行二次加工，使之能够与自身的教材版本、学情相符合。

4.优质教育资源的评估系统

通过评估系统，可以对优质教育资料的共享效率和共享质量进行切实反馈，对共享进行保障。评估系统先要评估本身的教育资源，从而解决数字化教育资源建设层次较低的问题，将真正有价值的、优质的教育资源挖掘出来。评估系统还要评估教育资源的传输配送情况。我国很多地区的地理条件比较恶劣，基础设施建设薄弱，要确保教育资源能够按照需方的要求进行传输。此外，需方对于优质教育资源的使用情况也应该纳入评估系统，并让需方根据教学活动的需要选择合适的优质教育资源。在大数据时代，通过信息技术，可以有效地促进高中阶段优质教育资源的共享。从社会发展的角度来说，优质教育资源的共享促进了不同地区和学校之间教育资源的交流，有利于我国教育公平的发展和实现。在大数据时代，要进一步发挥信息技术的重要作用，更加深刻和全面地推进优质教育资源的共享。

作者：吕伟智 单位：福建省厦门市第二外国语学校

数据时代论文:大数据时代高校思想政治教育论文

1大数据的内涵与特性

大数据（Bigdata）最初用来描述需同时进行批量处理或分析的大量数据集。随着大数据时代的到来，大数据的内涵不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理，通过“加工处理”实现数据的“增值”。维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》一书中指出，大数据是以“一种前所未有的方式，通过对海量数据进行分析，获得有巨大价值的产品和服务，或深刻的洞见”。为应对众多领域数据的爆发式增长，大数据还应涵盖处理数据的速度。因此，美国互联网数据中心将大数据定义为：通过高速捕捉、发现/分析，从大容量数据中获取价值的一种新的技术架构。大数据有四大特性，即大规模（Volume）、多样性（Variety）、高速性（Velocity）以及由前面三个“V”推动产生的海量价值（Value）。美国互联网数据中心指出，互联网上的数据每年将增长50%，每两年便将翻一番。同时汽车、洗衣机等工具设备上有着无数的数码传感器，随时测量和传递回有关位置、运动、温度等大量不同种类的数据信息。这些不同种类大规模的数据在大数据技术的帮助下，被高速处理和分析后，挖掘出更多隐藏的“内涵”，更快地满足实时性需求，从而彰显科学价值和社会价值。随着信息化进程在教育领域的推进，特别是数字化校园的大力推进，信息技术在校园中得到充分运用，各种信息交流与服务平台逐渐增多，也产生了海量的不同类型的教育数据。这些教育数据蕴含着丰富的教育信息和知识，提取其中的价值并为教育决策、教学优化服务，已成为教育工作者特别是教育决策者所关注的内容。而高校的思想政治教育工作也需要借助大数据的强大力量丰富和拓展思想政治教育领域的工作方法。

2大数据在高校思想政治教育领域的价值

2.1大数据改变高校思想政治教育研究

在信息获取和信息流通受限的时代，在思想政治研究领域，为获取更多学生想法或评价，研究者往往采用问卷调查法进行样本分析。而问卷调查法存在着一定的局限性，其可靠性建立在被试者能提供真实信息的基础之上，因此，一旦被试者有意掩饰自己的真实想法，或问卷设置不具辨识度，最终通过问卷调查并不一定能获得真实客观的数据，思政工作者会被带入误区，这对学生的思想政治教育工作会产生不利影响。在互联网技术高速发展的今天，大数据技术能够轻易获取学生的学习成绩、考勤记录、图书借阅情况等大量客观真实信息，从而降低小范围数据的局限性。同时利用大数据技术可以让原本无法量化的信息得以量化和显现，例如学生在网络上的“一言一行”记录下了他们的思想、情感和行为，通过大数据技术让这些过去难以量化的信息被转化成有价值的信息。大数据时代通过大数据的数据收集和分析技术，可获得更多全面而客观的数据，进而进一步拓宽思想政治教育研究领域和层次，提升思想政治教育研究的价值。

2.2大数据为高校思想政治教育工作带来前瞻性

高校思想政治教育工作要在立足现实的基础上，牢牢把握住师生的思想动态以及思想观念的发展趋势，在思想政治教育工作中掌握主动权，防患于未然，提前采取措施，增强思想政治教育的前瞻性和针对性，进而提高思想政治教育工作的效果。而预测是大数据的核心价值，指的是借助大数据技术对事物发生的可能性进行预估，达到预测的目的。比如超市可通过分析客户购买的记录来预测消费者行为，最典型的案例是沃尔玛公司预测出年轻爸爸在买尿布的同时会捎带啤酒，调整它们的摆放位置从而提升公司的销售额。校园安全是悬在高校思想政治工作队伍头上的一根弦。在大数据时代，思想政治工作者完全可以通过大数据技术监测校园所有相关的系统平台，通过实时跟踪分析学生的各项数据，及时了解和掌握学生的思想动态，并提前做好应急预案，积极进行教育引导，及时化解矛盾和冲突，提高校园突发事件处理的效率。

2.3大数据使个性化思想政治教育成为可能

当前的高校思想政治教育工作，应当遵循“以生为本”的教育理念，需要充分了解并满足学生个性化发展的需求，以便更好地服务于学生的成长成才。通过大数据技术深度挖掘学生的各项数据，反映学生的不同需求，学校及时为学生送上个性化的帮助与建议，为管理带来便利的同时更加彰显学校对学生的关爱。譬如华东师范大学基于校园卡记录开发的家庭经济困难学生预警系统会给饭卡消费少的学生发送询问短信，是大数据应用于个性化思想政治教育的成功探索和实践。面对复杂严峻的高校毕业生就业形势，高校可借助大数据技术整理出各行各业岗位需求特点以及毕业学生的信息，建立起企业人才需求与高校人才供给之间的桥梁，解决企业岗位需求与学生就业信息不对称问题，为学生提供个性化的就业指导和咨询服务。图书馆可以对学生的借阅记录进行汇总分析，了解学生的借阅需求，进而为不同的学生群体推荐不同书籍。

3大数据时代思想政治教育工作需要新转变

3.1提高思想政治教育工作者的大数据意识和能力

高校思想政治教育工作者需要紧跟时展变化，主动建立大数据意识，要充分意识到数据在思想政治教育工作中的重要性，提高对信息数据的敏感性，加强对数据信息的收集、存储和利用，做大数据的有心之人。大数据时代，每个人都是数据的制造者、传播者、共享者和分析对象。为了能对教育对象有全面认识和全面把握，思想政治教育工作者需要全面收集学生的学习情况、网上行为、通信联络等记录，并进行存储、分析和利用。同时，高校思想政治教育工作者不仅需要熟悉思想政治教育工作规律，而且要具备更强的大数据技术能力，从而充分发挥大数据在高校思想政治教育领域的价值。高校辅导员在完成学生的思想政治教育工作的同时，自觉加强大数据技术的学习，尽快掌握大数据技术能力，在日常教育工作中应该及时把教育活动信息、学生资料等内容进行记录或者存储，运用数据分析、数据统计等技术加以分析处理，得出更多隐含的信息。

3.2积极利用新技术为思想政治教育工作提供支撑

运用云计算等技术，建立各层次的思想政治教育的管理平台，帮助思想政治教育工作者收集、存储、管理、分析和运用数据，为深入把握学生身心状况提供强大支撑。比如笔者曾到台湾南台科技大学培训，该校为了提高学生的英语学习成绩，不仅仅提供英语学习系统供学生学习，学校语言中心还利用软件后台管理功能记录下学生的学习记录，包含次数、时数、学习内容等，实时对学生的学习情形以及学习成效进行管控，采取有效方法，逐步引导学生激发学习英语的信心与兴趣，进而产生最大的学习效益。目前，各高校的信息化建设都得到了较大的发展，但偏重于硬件基础方面，校园信息化数据应用还不够成熟和广泛，软硬件资源得不到整合。因此，各高校亟需整合现有的信息资源，做到数据集中、应用集中、设备集中，将各种应用整合起来，实现资源共享，使得数据得到有效利用，有助于提高工作效率和服务质量。

3.3完善规章制度和流程规范大数据的处理和应用

在大数据时代，机遇与挑战并存。大数据在带来了积极变革的同时，也带来了数据安全、虚假数据等问题。目前大数据在收集、存储和使用过程中面临着诸多安全问题，大数据所导致的个人信息泄露会给学生带来严重的困扰。事实上，人们在互联网上的所有行为都可以被查到，包括个人资料、购物习惯、聊天内容、检索习惯等等，多项实际案例说明，即使无害的数据被大量收集后，也会暴露个人隐私。而借助大数据技术得出的信息分析结果，如果被过度使用也会影响到学生的身心健康发展，虚假数据则将导致错误或无效的大数据分析结果，影响教育决策的正确性。因此，高校需要根据实际工作需求和发展趋势，及时建立和完善数据挖掘权限和范围的管理制度，逐步探索构建精细化、标准化工作流程，有效避免学生个人隐私泄露，降低大数据在收集、存储和使用过程中的安全风险，以及提高对虚假数据的甄别能力。

4结语

大数据为高校大学生思想政治教育工作的创新带来新的契机。高校思想政治教育工作需要改变高校思想政治教育研究方式，使思想政治研究从宏观群体走向微观个体，思想政治工作者能更了解学生的真实需求，更贴近学生的内心，使个性化思想政治教育成为可能。还需要进一步提升思想政治教育工作者的大数据意识和能力，积极利用新技术为思想政治教育工作提供支撑平台，进一步完善规章制度和流程规范大数据的处理和应用，充分发挥大数据的大作用与大价值。

作者：蒋红 单位：宁波教育学院

数据时代论文:大数据时代行政管理论文

一、大数据已成为现代行政管理改革的关键促因

随着移动互联网、物联网、云计算等的快速发展，全球数据量出现爆炸式增长。特别是智能终端的应用，使数据越来越大，越来越复杂。所以说，现代行政管理的概念和特点已不再局限于传统意义上的法定职能执行过程和能力上，而是出现了新的变化。

(一)行政管理决策机制所存在的问题

维基百科对大数据的定义是:所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理并整理成为帮助企业经营决策更积极目的的资讯。大数据来势之汹涌令人始料不及，它带来了前所未有的挑战:(1)效率问题。随着数据量和类型不断增加，存储、整合、分析速度成为数据应用的瓶颈。(2)安全问题。海量数据中不乏大量个人信息。在发展大数据项目的同时，如何保证个人隐私、数据备份和恢复、商业秘密等安全问题，对各级管理部门也是一道难题。(3)决策问题。很多部门目前对自身经营发展的分析只停留在数据和信息简单汇总的粗浅层面，这很可能直接导致误判形势、决策失误。因此，如何利用大数据来进行决策，是各级管理部门面临的难题。(4)大数据整合问题。一般管理部门所收集的数据通常是来源于社交网络、电子商务、物联网等渠道的音频、图片、视频等非结构化数据，而大量的半结构化数据、非结构化数据的处理、非结构化数据与结构化数据的有效整合与分析等对决策部门来说仍是巨大挑战。笔者以为，我国现行的行政管理工作中，尤其是决策机制仍有许多弊端亟待解决，这集中体现在以下四个方面:第一，“统治型”行政模式下决策观念尚未发生转变。在传统的单边的行政思维模式下，决策者无须考虑政策受体的意愿，仅凭自身的权威硬性推行各项政策［1］。行政决策权实质上是行政权力的延伸，那么在这种情况下，行政决策权容易成为满足个人利益的工具，而政策受体没有发言权。第二，决策过程中缺乏必要的公众参与。目前的行政决策机制，缺乏公众有效参与，与此同时，间接参与决策的渠道不畅，公众不能公正地向行政决策者输入自己的意见、看法和利益要求。其后果必将致使在部分行政决策事项上，公众参与热情出现衰退趋势，造成大众对行政决策认同度较低的合法性危机［2］。第三，决策的信息、咨询系统相对薄弱。目前，在决策的信息系统上，专门化的信息机构不多，更没有形成完整的信息网络，决策机构与公众的信息交流程度不够，多向沟通的渠道不多，特别是一些弱势群体与决策机关交流的渠道较少。在决策的咨询系统上，非政府公共组织的决策咨询组织发育缓慢，不仅数量少，而且功能少，不能有效发挥作用。第四，责任追究制度未完全落实，公开性和回应性程度不够。一方面，我国的决策机制和约束机制仍不完善，往往出现决策权力的失控和滥用，从而导致决策的失误;另一方面，在决策的权责关系上，一些行政决策权责范围不明确，缺乏决策失误责任追究制度、纠错改正机制，以及行之有效的决策评估制度，最终造成……责任追究方式模糊不清。

(二)大数据已成为行政管理部门改革创新的节点

伴随互联网、移动网、云计算的兴起，特别是智能终端的应用，数据越来越大，越来越复杂，推动了大数据这一全新概念的产生。大数据除了“大”这个特点之外，还有“多样”(Variety)、“海量”(Vol－ume)、“快速”(Velocity)、“灵活”(Vitality)、“复杂”(Complexity)五个“另类”特色(4V+1C)。如今，各行各业的从业人员在日常生活和工作中，都会感受到数据的作用和影响力越来越大，从传统到新兴的各个行业都面临数据驱动创新的挑战。因此，行政管理部门如何从实际情况出发，顺应大数据的潮流，改革现有的管理方法和管理模式呢?笔者总结以下三点。

1．管理体制的创新:从碎片化到网格化行政管理部门的碎片化管理现状无法满足多样化的大数据时代特征，故应该进一步推进网格化管理，促进多部门、多环节管理高效化、有效化的协作机制建设。从优化资源配置、信息技术的应用以及风险管理等多方面实行网格化管理策略，以实现资源信息全面共享、岗位责任层级落实，将原来传统、被动和分散的碎片化管理，转变为现代、主动和系统的网格化管理。

2．管理方式的创新:科学决策要想改革现有的管理方式，从海量微观数据中找出有价值的信息，形成一套完整的数据综合分析利用体系，行政管理部门需要:(1)顺应大数据时代的变化，向精确分析、智慧支持的职能转变，合理、有效地分析和利用海量数据，为相关企业和社会组织提供智力支撑和决策支持。(2)“从关注宏观数据转变为在意微观数据，改革现有的管理方式，形成一套完整的数据综合分析利用体系，提供数据的分析决策参考”［4］。(3)调整相关机构设置，按照数据收集、存储、分析、输出的流程设定相应机构，各职能部门进行网格化管理以保证输出数据的科学性和精确性。

3．管理模式的创新:动态管理快速和灵活的大数据时代特征对行政管理部门传统的管理模式提出了更高的要求，因此，积极实施动态管理十分必要:(1)通过已有的数据信息，合理预测，做出宏观的、系统的管理决策。(2)通过及时更新数据信息，对管理决策进行实时的评估、修改和补充，不断调整管理思路和方法，以适应不断变化的环境。(3)通过建立预警系统、评估系统和问题处理系统，充分发挥动态管理的优势。

二、行政管理部门应对大数据时代的基础条件

储备为能够应对大数据时代的机遇和挑战，各级行政管理部门需要进行有效性的基础条件储备，不仅要促进行政管理机构的改革以及机制的创新，还要改变行政管理的价值观，但其前提仍然是对大数据的重视和有效利用。

1．建立决策保障体制以保证对决策权力进行有效控制在行政决策的过程当中，必须建立起一套相关的制度对权力进行控制，防止权力的滥用，例如建立听证会、公众质询等制度，同时尽量公开决策过程。此外，现代社会是一个法治的社会，要避免行政决策中的随意性，必然需要制定相应的法律条文，一方面使决策者在决策过程中有相应的法律依据，另一方面决策者要对所作出的决策承担相应的责任。

2．树立以人为本的行政管理理念进入大数据时代以后，各级行政管理部门与各种个体和组织之间存在一种相互依赖的关系，因此，在行政决策过程中，必须把以人为本的决策理念贯彻始终，把公众福利作为行政决策成败的唯一标尺。(1)要建立起关于受众参与决策的方法、程序等一套相关制度。(2)要建立起专家咨询制度，包括体制内和体制外的专家咨询。(3)要建立起其他社会组织的决策参与途径，对于各种社会组织或者利益集团，必须给予其表达意愿的机会，特别是与其利益相关的决策，应允许其代表参与到决策过程中去。

三、实施“三步走”的建议

数据中隐藏着大量有价值的信息，如果能够将其内部存储的大量数据进行选择和利用，再通过分析和挖掘技术进行二次开发，那么这些有用的信息必将提供新的决策思路和新的竞争优势。所以很明显的一点是，大数据分析正在成为各类行政管理部门、政府工作部门竞争发展的变革点。在大数据时代，行政管理部门应该注意什么?笔者将其概括为“三步走”。

1．建立行政管理权力结构和运行机制的新途径。探索行政管理结构和运行机制的新途径，其前提是行政管理权力必须保护和促进公共利益。(1)体现行政管理权力价值取向的公共性。行政管理权力的公共性主要体现在以下两个方面:一是为市场经济提供公正的交易环境和稳定的市场秩序，完善法律法规，加强市场监管，加大宏观调控力度，实现政府对社会的合理规制。二是保障公民基本的自由平等权益和公共安全，推行改革计划和发展规划。(2)保证行政管理权力结构的科学化。科学设定和配置行政管理权力是完善权力运行机制的根本前提。这就需要制定和完善行政机构设置法、行政编制法等法律法规，遵循精简、统一、高效的原则设置各级行政机关，并对现有的行政机构进行调整。(3)明确行政管理权力的责任化。建立健全行政问责制既是完善行政管理权力运行机制的重要内容，也是行政管理体制创新的必然诉求。

2．提高“大数据”基础管理水平，搭建大数据时代的网络应用平台(1)信息化。大数据时代为我们提供了一个很好的契机，要做好行政管理部门掌握的海量旧数据的挖掘工作，加快现有信息化改造，建立起有效的组织保障机制。(2)服务化。在大数据时代，信息和数据是最重要的资源，一旦信息自由、数据开放，就意味着信息和每一个公民之间都是等距离的，行政管理部门可以把自己打造成为大数据时代里的核心网络节点，为公众提供均等化的公共服务，树立权威，赢得信任。(3)共享化。大数据时代，行政管理部门要用好信息工具，采取公私合作的方式，将自己打造成一个大数据的公共平台。

3．精准利用大数据“大数据概念的提出颠覆了千百年来人类的思维惯例，对人类的认知和与世界交流的方式提出了全新的挑战。”［5］这不得不要求行政管理部门加快推进行政管理体制改革的路径选择。当前，加快推进行政管理体制改革和实践，需要着重做好三项工作。

首先，从建设服务型政府的战略高度谋划行政管理体制改革。由于大数据带来的直接影响，当前的行政机构转型就是从管理型到服务型的转变。构建服务型的意识和转变必须实现各级行政管理部门的观念转变，即变“全能行政观念”为“有限行政观念”，变“强制行政观念”为“引导行政观念”，变“暗箱行政观念”为“透明行政观念”，变“人治行政观念”为“法治行政观念”［6］。

其次，拓宽视野，加强行政管理方式的变革与创新。(1)打破行政垄断，使管理主体由一元独尊转向多元协作，亦是大数据“多样性”特点使然。(2)管理方式由单一僵化转向灵活多样，亦是受大数据“灵活性”特点影响。(3)大数据“复杂化”特点，决定了构建公共信息开放平台的必要，也使行政管理方式由封闭转向开放。(4)尊重群众的合理诉求，使行政管理方式由强制干预转向沟通协调，特别是那些基层群众的合理诉求，应该积极面对，通过沟通协调，妥善解决。这也是大数据“快速性”特点对行政管理方式的一种促进。(5)大数据“海量性”特点要求行政机构既要充分认识互联网的影响，加强行业自律，又要积极利用网络等新型媒体，使之成为民主沟通的平台，还要探索符合网络媒体发展规律的运行方式和管理办法。

最后，大数据的预测性成为探索行政管理机制的新途径。我国的行政管理体制改革有如下规律:(1)我国的行政管理体制改革是不断适应社会主义市场经济体制的需要而进行的政府改革，具有与市场经济的发展和完善相适应的特点。(2)我国的行政管理体制改革是对传统行政体制的革命，而摆脱传统行政体制是一个长期的过程，因此，我国的行政管理体制改革具有不断深化的渐进性特点。(3)我国的行政管理体制改革既有中央的统一部署，又强调地方政府的因地制宜，具有自上而下与自下而上相结合的互动性特点。而基于大数据的统计分析结果，其更重要的价值在于可以对未来的行政体制改革进行科学而大胆的预测，但正确与否，则需要在实践中加以多次的检验。因而只有勤于、善于对大数据进行分析和研究，才能找到开启行政管理智慧的新钥匙。

总之，用以分析的基础数据越完整，得出的结果就越可靠，行政管理部门也因此越能从中获取高价值信息。毋庸讳言，大数据分析正成为各行业参与竞争和优势发展的关键变革点。因而，有效整合结构化、半结构化与非结构化数据并分析发掘其潜在价值，是大数据时代提升行政管理效率和自身竞争力的必经路径。需要指出的是:第一，大数据技术本身还不成熟，且应用于行政管理领域的相关技术相对较少，本文的相关结论有待进一步检验并修正。第二，相对于中国的国情来说，由于大数据背后的动因、参与主体、方法论的多样性，其秩序的建立也必然是一个循序渐进的过程，不可能一蹴而就，否则就会失之偏颇。

作者：陈静 单位：德阳市旌能天然气有限公司

数据时代论文:数据时代思想政治教育论文

一、高校思想政治教育思维方式的转换

新的技术时代不仅带来了技术的改进，而且也带来了思维方式的变革。思维方式是先导，教育方法的改进首先是从思维方式开始的。当前高校思想政治教育思维方式不仅应该注重传统因果性思维方式和经验思维方式，更应该树立相关性思维方式和理性思维方式。

(一)相关性思维

相关性思维是在事物、现象之间的相关关系中思考问题的思维方式。这种思维方式对于思想政治教育具有非常重要的作用，因为人与人、人与社会的关系本质就在于相关性。

1．本体上的相关性

大数据时代人与人之间的联系更加快捷方便，不断超越着空间距离。随着网络技术的成熟和普及，网上新闻、电子邮件、网络视频使得一个人即使足不出户，也可知天下事，甚至与天下事相联系。这在过去是不可想象的梦想甚至幻想，在网络技术时代实现了。技术的发展使得地球日益成为一个“地球村”，人与人之间的联系越来越频繁和便利。

人与人之间的相关性为我们进行思想政治教育提供了本体依据和可能性。没有一个人是独立存在的，我们总与他人、社会发生着千丝万缕的联系，因而，在现代社会，不仅要“独善其身”，还要“兼济天下”。个人与他人、社会的相关度越来越高，每个人都应该担负起自己的社会责任。

2．价值上的相关性

个人的价值体现为相关性。由于人的本质在于社会性，因而个人的最终价值和最高意义在于与他人、社会的相关性中。社会主义思想政治教育的目的是培养学生正确的世界观、人生观、价值观，为社会主义建设事业培养合格的人才。社会主义价值观念高度重视人的社会性，把人的社会性的实现作为首要目标。个人的价值和意义在于为社会承担自己的责任，做出自己的贡献。“正是在服从规范和献身群体的过程中，人才真正成为人。道德是一种明显具有人性的东西。因为在促使人们超越自身时，道德不过是激励人们去实现他自己作为人的本性而已。”我们需要克服一个误区，即认为思想政治教育的要求背离人性，恰恰相反，思想政治教育是符合人的社会本性的，对于人的自然本性而言，思想政治教育不是与其相悖，而是相容。人的自然本性趋利避害，追求感官享受，思想政治教育绝对不是禁止人们趋利避害，禁止人们满足物质生理方面的欲望，而是主张在满足自己的欲望的同时不能损害其他人和社会的利益。

个人在相关性中实现自己的价值。个人的价值需要在与他人、社会的相关性中实现。首先，个人价值的实现离不开他人、社会提供的物质基础。个人成长和发展所需的物质基础都是由社会创造的，特别是现代社会，如果没有他人的劳动，单纯靠个人的力量，可能连生存都不可能，更不要谈发展了。其次，个人价值的实现离不开他人、社会提供的精神文化条件。人类文明是一代代积累下来的，凝结着无数人的智慧，每个人的生活、成长都潜移默化地受到文化基因的影响，个人的成长和发展建立在他人、前人所创造的文化基础之上。

3．实践上的相关性

本体上的相关性决定了实践上的相关性。现代社会，随着新技术的发展，表面上看来，好像个人与他人、与社会越来越疏离，一个人可以足不出户而知晓天下大事和小事，甚至参与其中。但实质上，表面疏离的背后乃是人与人之间的越来越紧密的联系。个人的行为与他人、与社会越来越具有相关性。第一，个人的行为影响他人、社会。个人的行为不仅直接会对他人、社会产生直接作用，而且由于现代媒介的发达，个人的行为会被放在聚光灯下，对他人、社会产生着积极或消极的影响。其次，他人、社会影响个人。他人、社会不仅对个人有着直接的影响，而且也有行为方式、文化观念上的间接影响。总之，个人与他人、社会的相关性是交互式的，正如在生态环境方面的“蝴蝶效应”，人与人、国家与国家之间的关系也类似“蝴蝶效应”，现代金融风暴往往是横扫全球的，没人能够完全脱离其中而不受任何影响。

(二)理性思维方式

理性思维方式是注重逻辑推理等理性认知能力的一种思维方式。高校思想政治教育应该强调理性思维方式主要由以下几个因素所决定。

1．大学生的心智特点

大学生已经不同于少年儿童，其心智已经比较成熟，具有一定的分析判断能力，因而，对大学生进行思想政治教育的内容就不同于中小学生的行为养成教育，而是注重培养正确的人生观、价值观，能够对纷繁复杂的社会现象有正确的认识，承担起相应的社会责任。朱熹说过:“小学者，学其事;大学者，学其小学所学之事之所以。”如果仅仅是经验思维方式，就滞后于大学生的身心发展，违背认知规律。

培养和提高大学生的思想道德素质，需要靠理性方法来启发引导。教育的目的在于培养学生的自主性、自觉性和独立思考能力，如果没有理性方法，只会俯首帖耳，就与教育的初衷相违背。因而，在大学阶段，需要理性思维方式来启发引导大学生，使他们能够培养发展逻辑思辨能力，正确地认识和履行自己的社会职责。

2．复杂的社会状况

社会实践的复杂性、多样性远远超过了思想政治理论的抽象性、概括性，要让大学生能够对无限复杂的社会现实做出正确的认识、选择和判断，需要提高他们的理性思维能力。首先，对于无限复杂的社会现象能够有正确的态度。怎样看待纷繁复杂的社会现象，看清其背后的本质，需要有理性分析能力，否则就会被现象给弄昏了头，或者陷入悲观失望，或者陷入盲目冲动。其次，能够有正确的行为。实践的复杂性远远超过了理论的复杂性，当大学生面对复杂的状况时，需要具有理性思维能力，才能够做出正确的选择和行动，而不是无所适从，在应该如何行为时陷入茫然和困惑。

二、高校思想政治教育的对策

(一)发挥课堂教学的主阵地优势

课堂教学在为思想政治教育提供智识方面具有得天独厚的优势。作为学习共同体，采用科学合理的教育教学内容和方法，能够对思想政治教育起到积极的促进作用。

1．科学合理利用数据信息

首先，帮助学生树立正确的数据观念。随着网络的发展，大数据时代已经到来，信息爆炸是对数据信息增长的非常形象的形容。数据的增多是人类技术进步的体现，为人类生活带来了很多便利，但是，对于当前很多大学生来说，上网浏览的往往是些无用的信息，并且让这些数据过多占据了自己的生活，这样就本末倒置，没有正确认识数据，当然更谈不上正确运用数据。只有正确认识数据信息，才能让数据信息服务于我们的生活、学习与工作。当前，树立正确的数据观，需要让大学生对海量数据信息有科学的理解和认识，需要让他们认识到数据是为我们的生活、工作服务的，而不是生活本身的目的。因而应该占有数据，而不是让数据占有了我们的生活;应该培养大学生对正反面信息的正确认识，大数据时代，海量数据信息中既有正能量的信息，又有负能量的信息，需要提高大学生对负面信息的分析解读能力，而不是被负能量所牵制;培养学生对别有用心的片面数据信息的识别能力，对西方国家出于意识形态或国内少数别有用心者片面歪曲的数据信息不能误听误信，要有正确的认识和判断。总之，高校思想政治教育应该培养大学生对信息数据的正确的认识，提高他们的分析判断能力和处理数据信息的能力，培养良好的行为能力。

其次，精心挑选数据信息。挑选的数据要对学生有吸引力，“一名教师塑造善行或恶行的能力可能是强大的，也可能是微不足道的，这取决于学生做出回应和做好准备的程度。”面对庞大繁杂的数据，教师要精心挑选，课堂上案例信息的选择应该符合大学生的心智特点，大致说来应该具备新颖性、典型性、启发性等特点。只有具备这几个特点，才能够吸引学生的兴趣和注意力，使他们对讲授的内容兴趣盎然，至少不淡漠;能够以感染力获得大学生的情感认同，获得感性经验;能够启发学生运用理性推理，进行思考和反思，增强理性认知能力。

第三，科学合理利用数据信息。要科学合理利用数据信息，对学生进行引导启发，如果只是泛泛地把数据、案例展示给学生，而没有启发引导，那么与学生自己搜到的信息就没有多大区别，课堂教学对学生就会失去权威和吸引力。因而，教师必须启发引导学生对数据背后的内容进行分析解读，做到既用数据说话，又要讲透数据背后的东西，这样才能增加思想政治教育的深度和广度，不断提高思想政治教育的实效性。

2．充分利用课堂共同体的功能

虽然网络以其可选择的丰富内容随时随地可以吸引学生，但是由于网络的虚拟性，课堂教学与其相比有比较优势。与网络相比，大学学校、课堂是具有教育功能的共同体。大学生具有相同或相近的知识结构、相近的道德基础，由于相同的年龄而具有共同语言，由于共同学习和生活而具有共同语境，因而与网络等虚幻的媒介交流方式相比而言，应该充分发挥学校课堂集体的力量，对大学生进行思想政治教育。“说教育是一种社会的功能，通过未成年人参与他们所在群体的生活，使他们得到指导和发展，实际上等于说，教育将随着群体中生活的质量的高低而不同。”大学学校同样如此，集体对于塑造学生的道德品质的力量是非常强大的。

不同的集体对于个人的影响是不同的，发挥课堂、学校共同体在思想政治教育中的作用，需要做到以下几点:

首先，发挥集体理性的作用，通过集体讨论发言，形成共识，促进思想的提高和道德的发展。

其次，通过课堂集体熏陶影响，促进个人思想政治素质的提高。在思想政治方面，个人总会或多或少受到他人、集体的影响。没有一个人能够生活在真空中，而不受任何外来的影响。集体能够在大学生身上唤起团结感和群体生活的一切。第三，发挥教师的示范作用。教师的引导作用不仅仅体现在教学内容上，还体现在他身体力行的榜样示范作用上。孔子说过:“其身正，不令而行;其身不正，虽令不从。”《论语•子路》在思想政治教育方面，人格示范的力量是巨大的，爱其师才能信其道。获知思想政治教育的途径是多种多样的，课堂教学与其他途径相比优越性在于有教师的主导和示范。第四，利用课堂教学满足大学生的情感需求和交往需要，提高教学实效。共同学习、生活对于大学生具有相当大的吸引力，在共同学习中应该采取生动活泼的形式满足大学生的心理需要，充分发挥共同体的优势。

(二)发挥其他相关课程的思想政治教育功能

高校思想政治课是进行思想政治教育的主阵地，不过，也不能因此忽视了其他相关课程在思想政治教育中的功能。在思想道德方面，因果决定论是片面的，思想道德的形成和改变是个复杂的心理过程，很多教育家和社会学家都已经发现其他课程在思想道德塑造方面发挥的重要作用。

其他课程与思想政治教育之间不存在什么固定的鸿沟，它们是相互促进、相辅相成的。其他课程以自己的方式帮助我们了解和认识世界，认识到世界的一体性和相关性，认识到不仅人与人之间是相关的，人与自然世界之间也是高度相关的。我们应该充分认识到其他课程在思想政治教育中的价值，众所周知，审美教育在塑造道德中起着非常重要的作用，蔡元培先生甚至提出了“以美育代宗教”的观点，充分肯定美育在涵养道德、促进人生观形成中的重要性。即使自然科学课程也能够在道德的形成中扮演重要的角色，“自然科学的确能够帮助我们更好地理解人类王国，能够给我们提供精确的观念，提供能够帮助我们指导我们行为的良好的智识习惯”。因而，在高校思想政治教育中，应该与其他课程密切合作，齐心协力形成良好的教育生态。

(三)利用相关手段进行思想政治教育

除了利用课堂教学这个主要手段以外，高校思想政治教育还应该充分利用社会调查、研究讨论等相关手段的相互配合、相互协作，不断提高思想政治教育的实效性。

思想政治教育不仅仅是认知教育，更是行为和实践教育，它的目的不是停留在知识层面，而是落实到实践层面。在知与行之间难免会存在着距离，因而仅仅靠课堂教育是不够的，还应配合其他各种方式来提高思想政治教育的吸引力、权威和效果。“学校中道德教育最重要的问题是关于知识和行为的关系。因为，除非从正式的课程所增长的学识足以影响性格，就是把道德的目的看作教育上统一的和最终的目的，也是无用的。如果知识的方法和题材与道德的发展没有密切的、有机的联系，就不得不求助于特定的修身课和特定的训练方式:知识没有和寻常的行为动机和人生观融为一体，而道德就变成道德说教———成为各自独立的德行的组合。”因而，思想政治教育除了课堂教学以外，还应注重科学合理运用社会实践、研究讨论等其他手段。行为是思想政治教育的目的和归宿，没有体现为行为实践中的思想政治教育，只会是虚无缥缈的空中楼阁，造成学生身心分离，失去其存在的意义和价值。只有落脚在实践中的思想政治教育，才能够克服身心二分，实现大学生的身心和谐。

三、结语

总之，在新的技术时代，高校思想政治教育面临着“如何看待数据、如何利用数据”的问题，对思想政治教育工作者的师德、教育能力等方面提出了更高的要求。思想政治教育工作者应该跟上时代的步伐，遵循认知规律，加强思想政治教育的科学性、合理性和吸引力，把学生从庞杂的数据信息中解放出来，不断提高思想政治教育的实效性，使愉快有效的思想政治教育成为可能。

作者：孙长虹 单位：厦门大学哲学系

数据时代论文:大数据时代客户关系论文

1、大数据时代下国内外机场客户关系现状

满足客户服务个性化，选择多样化将成为机场未来的发展方向。根据大数据背景以及实现“智慧机场”的要求，国内外机场都做出了巨大的努力来提高机场与客户之间双赢的合作伙伴关系，客户帮助企业赢得竞争优势，机场为客户提供更周到的服务。北京首都国际机场T3航站楼和海口美兰国际机场分别设置KABA自助登机设备，使得旅客可以体验更加舒适的登机服务。深圳机场、德国慕尼黑机场完成机场智慧系统CDM上线试运行，使得航班准点率、旅客等待时间、累计航班延误等均有大幅减少，提高了乘机旅客对机场的满意度。广州白云机场“i3Q候机宝”的应用。南京禄口国际机场T2航站楼国内首次联合BIM的三维数字化技术实现独特的结构设计，探索在大数据时代下运用先进技术为客户提供了舒适的候机体验环境，提高客户的满意度。阿姆斯特丹史基浦国际机场以旅客为中心设计了行李智能管理系统大幅度提升了顾客满意度。英国伦敦盖特威克机场通过数据与现有IT移动式前台服务的整合、CDM系统的开发、彻底更新中断机制等提高了运营效率，改善了旅客服务。澳大利亚悉尼机场、多伦多机场、泰国机场联合IBM公司，建立一对一的在线营销活动[2]-[4]。

2、大数据时代下的机场客户价值模型

客户是企业生存发展的必需品，是给企业带来利益的关键所在。从消费方式、消费行为和消费特征等角度分析不同时期、不同类型的客户给企业带来的收益，即所谓的客户价值分析。机场作为一个开放型、服务型的大企业，机场客户价值涉及到机场自身、机场内相关服务行业、客户三者之间的价值，从机场自身来说，通过客户的乘机次数、场内消费情况等对客户进行级别划分，从而确定机场客户的价值，根据价值制定相应的服务方式。随着大数据时代的到来，机场客户数据呈现爆炸性增长，分析机场的客户价值就要从中挖掘出对机场有价值的数据，用于更好的为机场客户服务，提高客户对机场的忠诚度，实现机场客户长期合作关系。对于国内机场来说，机场客户价值包括当前价值、潜在价值以及客户的忠诚度。大数据时代下的客户价值分析不仅分析客户的当前价值，而且能够根据当前的消费行为，预测其以后的可能行为趋势。通过挖掘客户交易数据，借助预测模型，建立机场-旅客关系型营销体系。旅客对机场来说有两层关系，第一，旅客作为机场服务对象的客户价值，能够为机场带来直接效益的部分，通过对旅客购买行为的分析来提高客户满意度、客户忠诚度。第二，旅客与机场之间的关系价值，这为机场制定销售策略、满足旅客个性化服务奠定基础，能够挖掘旅客的发展潜力，建立旅客与机场间的长期关系，实现客户终生价值。机场客户关系管理如图1所示。传统企业客户价值的计算通常用消费时间间隔、消费频繁程度、消费额，这三个价值指标，然后根据计算结果对客户进行排序分类[5]。传统的RFM模型中R表示旅客最近一次的购买日据现今时间的天数；F表示旅客一段时间内购买该企业产品的次数；M代表旅客一段时间内购买该企业产品金额的总和。后来罗亮生等人根据机场自身要求和行业特点对这些指标进行调整，提出将L、R、F、M、C五个指标作为大数据时代下航空公司客户价值评价的参数[6]。我们通过对以上模型的分析，给出机场的客户价值分析RFTM模型：R表示客户在指定机场的最近乘机时间间隔；F表示旅客一段时间内的累积乘机次数；T表示客户在机场的平均滞留时间；M表示客户在机场的平均消费金额。这些指标能够反应旅客的乘机价值以及旅客忠诚度价值，对机场的客户细分有一定的指导作用。根据RFTM模型提取机场旅客数据库中的数据信息，计算出给定时间内每一个客户所属的客户群，根据这四项指标以及客户生命周期理论可以大致地将机场客户分为四种类型[6]：当前价值高且潜在价值高为“重要”客户，这类客户能够为机场带来巨大且稳定的效益，最适合发展长期关系；当前价值低而潜在价值高为“大”客户；当前价值高而潜在价值低为“中等”客户；当前价值低且潜在价值低为“小”客户。这对于机场常旅客管理策略发掘客户价值有很大的帮助，然而随着信息技术的发展，数据结构的变化，半结构化、非结构化数据增多，数据的爆炸性增长使得机场的数据挖掘和运用有所限制。结合机场的转型发展要求以及大数据技术的快速发展，本文从大数据支撑技术入手对机场的客户关系提出一种新的方式。

3、基于云技术的客户关系实施模式设计

大数据时代下机场客户关系的解决，需要依靠云技术进行实施。云技术是支撑大数据处理的核心技术之一，是一种基于互联网的计算方式，它以WEB浏览器为载体来提供软件与服务[7]。它的核心思想是统一管理和调度大量用网络连接的各种资源，构成一个计算资源池或数据池，向用户提供按需服务。用户加入到云平台中，不需要安装额外的软件就可以随时随地在可联网的手机或电脑终端上通过WEB浏览器根据自己的需要访问数据池中的云资源[8]。将云计算与机场CRM系统结合能够为机场的客户关系发展提供更广阔的发展空间，可以实现机场以及相关部门实时数据信息的整合，为旅客提供及时的信息与个性化服务。软件即服务(SaaS)，平台即服务(PaaS)和基础设施即服务(IaaS)是目前云计算的三大服务模式。SaaS是一种依靠互联网提供软件服务的应用模式，SaaS提供商为企业的信息化运作提供平台，企业只需要根据自己的需求，自由选择，无需担心后期的维护等一系列服务。PaaS是一种将软件研发的平台或业务基础平台作为一种服务，能够为企业提供半定制化的中间件平台，如数据库、存储等，根据这个平添，企业可以开发自己的上层应用。IaaS基础设施服务提供商提供给客户对具体设施的利用，包括处理等。客户可以根据自己的需求对操作系统、存储空间、部分网络组建等进行更改。将机场CRM整合到云平台中，能够实现机场客户、数据资源随时且同步共享，减少数据等的维护费用，方便对未来客户的行为进行管理。在云技术架构下把机场所有数据的存储、操作系统、应用系统以及软件服务等视为资源，将其统一处理，通过客户端接口和云端来进行交易。客户通过接口进入云端之后，按照自己的需求获取任何已提供的服务。综上所述，机场的基于云平台的CRM系统可以这样来构想，主要分为云端和客户端。CRM客户端即WEB浏览器访问层，对所有客户开放，尤其是高价值的客户，客户通过接口访问云端的各种数据资源。云端采用分层结构的模式，第一层为服务器提供商，主要为SaaS软件服务提供商，机场选择适合自己的既能为旅客提供服务又能连接机场内部信息的双向平台。第二层工作主要为数据的挖掘与存储，包括旅客乘机行为、购票行为、滞留时间、累计消费等。通过云平台，与机场相关的行业可以向旅客推行自己的产品及服务，旅客随时可以享受到及时最新的消费信息。利用这种新型CRM系统为机场建立并维护旅客关系实现智慧转型提供新思路。

4、结语

机场是典型的服务型产业，发展与客户的良好关系是机场在激烈的竞争中获得可持续发展的先决条件。国内机场已经认识到客户的重要性，同时也作出了不少的努力，但是在实施运用客户关系管理来提升旅客服务上并没有达到真正意义上的成功。本文通过分析航空公司客户关系模式，提出机场的RFTM客户划分模型，并结合大数据时代下信息技术的发展，将云技术引入到机场中，提出云平台下的机场客户关系实施新模式。虽然这种应用还未成熟，云技术的实际应用还有很多问题需要解决，但是为机场在大数据时代下向“服务机场”、“绿色机场”和“智慧机场”的转型提供了一种新思路。

作者：杨飞 徐平 张卓剑 樊重俊 谢浩 何蒙蒙 单位：上海理工大学管理学院 上海机场(集团)有限公司

数据时代论文:大数据时代的循证医学论文

循证医学（EvidenceBasedMedicine，EBM）是一门重视证据制作的学科，其基础是数理统计学，它要求随机对照实验(RandomizedControlledTrail，RCT)的样本及环境一致。在现有条件下，由于样本的差异性和稀少性，很难满足EBM的RCT要求。例如，要达到敏感度90%、特异度85%、显著水平0.05、允许误差0.05，需要采集的正负样本分别达552例及783例。为了弥补样本不足而导致的证据可信问题，Meta分析试图综合不同研究人员的研究结果。但是，样本的时空及环境差异仍然使Meta分析结果备受质疑。

只有在同一时间同一地区大量采集样本，才有可能满足RCT随机对照实验的样本要求。RCT样本问题可望在大数据时代得到解决，随着泛在随时采集样本的大数据时代的到来，以及不间断采集医疗数据的可佩戴设备出现，样本数据的稀缺等问题将随巨量数据消失。而随着新型大数据分析挖掘工具的出现，特别是深度学习技术的不断发展和应用，证据及其结论的准确可信性必将大大提高。目前，深度学习识别5749个人脸的精度已达99.15%，其准确程度已经超过人眼和大脑。因此，深度学习必将为循证医学带来一场新的革命。本文将分析循证医学在数据证据获取、分析、制作等方面所面临的挑战，介绍医疗大数据时代的数据采集、整合、分析和处理方法，介绍面向医疗大数据的深度学习技术自动提取疾病特征的原理和方法，以及医疗大数据及基于云计算的深度学习对循证医学所带来的各种变革。面向大数据的深度学习将特征提取与决策分析过程合二为一，大大降低了医生在临床及医学研究中应用循证医学的劳动强度。结合医疗大数据、云计算和深度学习的循证医学，将克服过去数据证据稀少、偏颇、失信、不公、过时等不足，将具有更加广阔的推广应用前景和发展动力。

1循证医学与数据证据

循证医学，简之就是“遵循证据的医学”，又被称为实证医学。循证医学重视医生的临床经验，即传统意义上的经验医学，同时又强调诊断、治疗等决策应在临床证据最为符合病症的基础上作出[1]。在循证医学的创立、发展与传播方面，英国的科克伦(ArchiebaldL.Cochrane)、美国的费恩斯坦（AlvanR.Feinstein）以及萨克特（DavidL.Sackett）做出了重大贡献，成为循证医学的奠基人。科克伦强调大规模随机临床试验的重要性。他认为只有在大规模临床试验中使用随机分组策略，才能避免因样本分组而产生的选择性偏差，保持对照组和试验组样本的背景因素平衡，从而才能做出最终正确的比较与评价。他建议及时将切实医学证据传播给使用者，接受专家评估并对可信度进行适当分级，以使医学证据能被及时整理、归纳与更新。费恩斯坦奠定了现代流行病学的数理统计与逻辑基础。从1970年到1981年，他在美国《临床药理学与治疗学》杂志（ClinicalPharmacologyandTherapeutics）上，以“临床生物统计学”（ClinicalBiostatistics）为题连续发表了57篇论文，将数理统计学和逻辑学导入到临床流行病学，科学系统地建立了临床流行病学的有关理论体系。萨科特则为循证医学的传播与发展做出了巨大贡献。他发起并主编了与循证医学有关的两本著名杂志：《美国内科医师学会杂志俱乐部》和《循证医学》。

1997年，他还主编出版了《循证医学》一书，该书被译为多种文字并在世界上广为传播。正是在《美国内科医师学会杂志俱乐部》上，加拿大盖亚特(rdonH.Guyatt)于1991年首次提出了循证医学一词[3]。从循证医学与数理统计和逻辑学的渊源，便可以看出循证医学注重证据的内涵。它是一门非常强调证据制作的学科，同时又非常重视医学证据的传播和评估，这正是它区别于以往医学的特点。通过评估产生可信证据，通过传播发挥证据价值。医生在诊断与治疗过程中，不仅基于经验直观判断，而且结合证据科学决策，更加客观地进行诊断与治疗。短短十多年的时间，在世界各国医学研究与临床实践中，循证医学得到了广泛深入的应用。科克伦最初创建的世界循证医学协作网已经包括约50个专业协作小组，所收集的医疗证据几乎覆盖所有临床医学领域。1996年，我国华西医科大学建立了中国循证医学中心，并于1999年正式加入世界循证医学协作网；2001年，中国循证医学中心创办了《循证医学》杂志，发表在各类杂志的循证研究论文达45842篇。但是，循证医学也有其面临的问题，如对证据进行科学评价等问题。临床证据目前还没有完整、科学的定义，证据评价标准及推荐级别尚未完全统一，不同国家不同疾病的证据质量分级不尽相同。而且，随着人类对疾病认识的加深以及诊疗手段的革新，评价标准还会随这些因素的变化而变化。

循证医学的基础是数理统计学，要求RCT的实验样本及环境一致，以便排除个体差异及环境干扰，但这在现有条件下近乎不可能实现。号称大规模随机对照实验的样本偏少，对照组和试验组难有条件一致的个体，环境随时间空间变化造成实验对照控制困难。目前，大规模的医学样本采集困难，几百个样本已经算是比较大的样本了；而根据统计理论如要达到90%的敏感度，至少需要约1300个的数据样本。为了克服RCT样本不足的问题，Meta分析方法得到了广泛应用：通过综合已有研究多个样本集的结果，可以推得大规模样本集的综合结果。Meta分析取得了很多有价值的研究成果，但是，Meta分析的基础也是数理统计学，其运用的前提是样本及实验环境一致，正是在这一点上它备受质疑。首先，不同样本集的权重控制难于完全公正，因为其实验环境难于恰当评价和把控，实验结果难免有过度包装和偏颇之嫌。Meta分析存在的另一个问题是：它所依赖的数据往往不是最新的即时案例，制作的证据可能因环境与气候的变化而失去应用价值。总之，循证医学所面临的问题包括：证据的稀缺性、偏倚性、可靠性、及时性、公正性，以及环境的一致性等方面的问题。由于证据的一致性和及时性存在问题，基于历史数据进行Meta分析备受质疑。2014年，《英国医学杂志》在名为《循证医学濒临破产》的文章中指出[5]：循证医学的证据属于间接证据，基础建立在已经发表的研究文献上，利益冲突容易影响证据的公正性，证据环境与临床决策环境存在距离；循证医学助长了过度诊断、过度治疗，并可能存在沦落为利益集团代言人的危险。

2大数据对循证医学的影响

大数据（Bigdata）又称巨量或海量数据，是指数据规模巨大以至在合理时间内，无法通过当前主流软件工具，获取、处理、分析以便决策的结构复杂的数据[6]。大数据如下具有4V特点：Volume（巨量）、Velocity（瞬速）、Variety（多样）、Value（价值）。巨量是指已经不能再用GB（即1024MB）和TB（即1024GB）为单位，来衡量大数据的存储容量或规模，而要以PB（即1024TB）、EB（即1024PB）乃至ZB（即1024EB）为单位来计量数据容量。在巨量的医疗大数据中，各种条件的样本都会存在，因此，证据的稀缺已经不是问题。瞬速是指兼具方向的快速变化，即数据随时间和空间快速变化。大数据中的样本通常是全空间的、多维度的、全时间的及瞬时变化的。由于大数据地域环境广，数据样本量巨大、正反样本齐全，证据的“制作”已不再必要，而是随时随地客观地存在。瞬速性通过可佩戴健康监测设备体现，这为及时获取病患信息提供了极大便利。多样是指数据的种类繁多、结构复杂、因果并存、甚至同一数据表现出不同形式。数据的多样性对数据的理解和分析是一个巨大挑战，但同时也为样本分析结果的验证带来便利。因此，在医疗大数据环境下，不仅随时可以采集样本进行分析处理，还能对分析得到的结果马上进行验证，从而能够保证医学证据的可靠与可信。

价值是指相比小规模、历史数据而言，大数据具有更高的研究和使用价值。由于任意时刻任意地点都有大量样本，样本的稀缺性和及时性已经不是问题，这为医学研究扫清了采样障碍；同时由于样本丰富冗余多样，也为研究结果的验证提供了便利；大数据除具有巨量历史数据外，还有不同地域环境的巨量即时数据，这使循证决策更具应用价值和时效性。大数据将首先改变医学数据的采集方式。大数据的形成往往依靠自动采集技术，随着可佩戴监测设备如iWatch等的出现，医学数据的采集及积累速度将出现爆炸性的增长。以往的数据同大数据相比，如同沧海之一粟。且以往的数据往往靠手工采集完成，普遍存在稀缺、偏倚、可靠、及时、公正等问题，这样采集的证据必然会影响医学研究的结论。基于手工证据进行决策，其结论未必准确及时公正可靠。医疗大数据不间断地在不同地点同时采集，不仅包含历史数据以及即时数据，甚至还可能包含未来需求信息，例如，ogle就是通过人们对感冒药品的搜索来预测流感的。大数据的出现将改变医学数据的管理方式。在网络数字化高度发达的今天，尽管已经出现了电子病历，但纸张病历在数据管理中仍然重要。然而，纸张病历有其固有缺陷，如容易破损或丢失、整理归档的周期过长、借阅的时间成本极高、研究采样的工作量巨大等等。伴随大数据出现的数据融合技术能将不同医院的电子病历整合在一起，并同可佩戴健康监测设备的数据及时集成，大大减少了电子病历的整理、借阅和数据采集时间，这不仅对病人的疾病诊断和预警监控更加有利，同时也对医生的临床及医学研究更有帮助。通过语音和可视眼镜等现代化的数据浏览设备，医生在查房间隙就能获知下一病人既往病情，从而能大大减少医生的劳动强度，使医生有更多时间治疗病人，有更多的时间进行医学研究。

大数据的出现将改变医学数据的分析方式。以往在收集样本数据以后，通常使用SAS或SPSS等软件，对采集的数据进行统计分析，发现相关病因或建立决策模型。这些软件受计算能力及内存容量的限制，只能处理样本量不大的数据，并且处理的数据维数有限，例如，SPSS不能超过40维，而医疗大数据的维数成千上万。通过手工或统计软件的计算方法，将无法满足医疗大数据的分析需要。

当维数超过30个致病因素时，可能要考虑230种因素组合，普通统计软件已无法计算和处理，必须依靠内存及速度“无限”的云计算。必须研究与开发基于大数据和云计算的分析与挖掘技术如深度学习技术，使其能够自动完成高维病因数据的分析与主要病因的提取。总之，医疗大数据的采集、整合、分析、处理、研究完全靠人工完成已极其困难，没有利用云计算的统计分析软件也难于完成医疗大数据的分析和处理。在大数据时代，必须借助深度学习等技术完成医疗大数据的分析和挖掘。虽然医疗大数据能够弥补数据样本的不足和不公，但只有借助更为先进的分析工具和软件，才能为循证医学带来进一步的变革和发展。

3大数据对循证医学的变革

证据制作是循证医学的核心，证据能为医生的诊治提供参照，因此，循证医学得到了快速发展。但是，矛盾、偏颇、过时的证据也使循证医学备受质疑。首先是证据及其结论存在大量的矛盾，使人们对循证医治的结果产生怀疑；其次是证据偏颇使其成为利益代言人的工具；其三是证据时过境迁使医治达不到预期效果。而医疗大数据的出现恰好能够弥补以往证据采集与制作的不足。首先，医疗大数据使证据的稀缺问题得到解决；其次，随大数据广泛汇集的医生及病人评价，可有效避免证据成为利益代言人的工具；其三，可穿戴等自动采集设备可保证证据的时效性。这将有助于循证医学同中医的结合。中医的治疗过程通常比西医长，其证据采集及疗效评估存在很大问题，而随着可穿戴健康监测设备等技术的发展，长期持续采集治疗证据及疗效将不再困难，从而有助于循证医学在中医等领域发展壮大。此外，随大数据兴起的先进数据分析与挖掘技术，将对循证医学起到巨大的推进作用。临床决策分析评价是确定循证治疗方案的关键步骤，现有的决策分析评价模型包括决策树、Markov过程等一系列模型，这些模型在面临高维大数据时力不从心，难于继续提供较高的决策精度，使医生对医治方案是否有效失去信心。随着大数据深度学习技术的出现，病因的分析和提取已完全自动化，且大大降低了建立决策分析模型的工作量，提高了治疗方案的决策精度。对于任何疾病诊治方案，考虑的疾病致病因素越多，即证据或特征维数越多，得到的参考信息就越多，诊治的准确性就会相应提高。但是，医生在遇到大量高维的证据数据时，往往面临从中选择少数有效证据的难题。例如，假定要考虑30个致病因素或检验指标，建立决策模型就要考虑230种因素组合，从中筛选一个最优因素组合作为模型输入的工作量是巨大的。因此，要得到由若干最优证据构建的最佳决策分析模型，医生们所投入的研究精力可想而知。

筛选最优因素组合是医生们最费精力的工作，目前这项工作可以被深度学习自动完成了。深度学习最早由Hinton等人在2006年提出，它是一种无监督的特征学习和提取技术，它通过低层特征的组合构建更加抽象的高层特征。2012年，Lecun等人利用卷积神经网络真正实现了高效的多层深度学习。传统的神经网络学习只有单向认知过程，通常只包含一个隐含层，因层数较少而被称为浅层学习。深度学习则包含认知和生成两个过程，并且每个过程都包含多个隐含层，其模型的总体框架如图1的虚框部分所示。如图1所示，深度学习的“输入层”可以理解为各种致病因素以及各种检查化验结果，例如遗传环境因素以及肝功全套指标等；自底向上的箭头表示认知过程，自顶向下的箭头表示生成过程，即深度学习由两个互逆的过程构成；认知权重向量WnT和生成权重向量Wn表示深度模型的知识。原始“输入层”经“隐含层H0”认知得到输出，输出又经“隐含层h0”生成得到新“输入层”，如果原始“输入层”和生成的“输入层”完全一致，则说明认知产生的输出是完全正确的。根据信息论的有关理论，学是会产生损失，新旧输入不可能完全一致。因此，只要两者近乎一致就可以了。认知和生成权重同隐含层的每个输出相关联，wake-sleep深度学习算法用于双向调节权重：(1)利用下层输入和认知权重向量WiT产生输出表示，然后使用梯度下降法调节生成权重向量Wi；（2）利用输出表示和生成权重向量Wi产生输入表示，然后使用梯度下降法调节认知权重向量WiT。通过逐层学习最终得到顶层的认知和生成权重向量WnT、Wn。在深度学习完成后，如果要建立决策分析模型，只需将顶层输出即自动提取的特征，作为分类模型如支持向量机的输入，并用类别标记如肝硬化分级训练支持向量机，就可以得到用于决策分析的精确分类模型，分类模型如图1的虚框外部所示。2014年，香港中文大学汤晓鸥教授领导计算机视觉研究组(mmlab.ie.cuhk.edu.hk)，开发了一个名为DeepID的深度学习模型，在LFW数据库上识别5749个人脸的准确率已达99.15%，其精细和准确程度已经超过了人眼和大脑。医疗大数据及深度学习必将为循证医学带来一场新的革命。不仅数据缺失、偏颇以及过时等问题会被迎刃而解，而且证据收集、制作以及诊治方案的决策都将会自动化，这将扩大循证医学在所有领域包括中医等领域的应用范围，大大降低医生在证据制作、治疗方案决策与疗效评估等方面所付出的精力，推动循证医学向更深更广更加现代化的方向发展。

4总结

医疗大数据带来的变革将是全方位的，它不仅为医学研究和证据制作带来便利，同时也将促进中医等替代和补充医学的发展。作为大数据采集的一项关键技术——便携式/可佩戴健康数据自动采集技术，将大大提高医疗数据采集以及证据制作的效率，解决中医等疗效数据需要长期采集观测的难题，弥补循证医学存在的证据偏颇、不公、过时等缺陷，促进循证医学更加客观、公正、可靠地在临床治疗中应用。在循证医学的证据评估以及利用方面，伴随大数据出现的云计算能够提高证据分析与处理的效率，大大节省医生临床应用和医学研究所需要花费的时间；面向大数据的深度学习能够从浩瀚的高维医疗数据中，自动完成疾病致病因素及环境因素等的筛选与提取工作，并能建立精度远远超过人脑的决策分析模型，从而大大提升医生建立和应用循证治疗方案的信心，有助于循证医学被各科医生更加广泛地接受和应用。尽管深度模型包含更多的隐含层，其学习时间要远远长于浅层学习，但两种模型的决策时间相差不大，因此，这并不妨害深度模型的有效应用。特别值得一提的是，深度学习将证据提取与决策分析两个过程合二为一，大大降低了医生在临床及医学研究中应用循证医学的劳动强度。基于大数据、云计算和深度学习的循证医学，由于能够降低劳动强度、提升工作效率、提高决策精度，因而将具有更加广阔的应用前景和发展方向。

5展望

大数据和云计算时代的到来，将推进循证医学的研究和发展，并为其提供深度学习等先进手段。医疗大数据将不再稀少、偏颇、过时以及不公，将避免循证医学成为利益代言人的工具；便携式/可佩戴健康设备作为大数据自动采集数据的工具，将有助于解决循证医学证据采集的难题，促进循证医学在包括中医在内的更广领域推广应用；自动整理大数据的数据融合技术、以及自动提取证据并建立决策模型的深度学习技术，将大大提高医学证据提取及医治方案决策分析的效率，推动循证医学被临床医生及研究者更加广泛地接受和应用。总之，大数据/云计算和深度学习将为循证医学带来一个崭新的春天。

作者：马光志 张晓祥 周彬 左秀然 聂庆华 单位：华中科技大学医学图像信息研究中心 华中科技大学附属同济医院 华中科技大学附属协和医院 武汉市中心医院 武汉侨亚百老汇信息技术有限公司

数据时代论文:大数据时代的电子商务平台论文

一、有利于挖掘数据潜在价值

在大数据背景下，爆炸式增长的数据成为了电商重要的浆洗，对于提升核心竞争力、推动生产创新具有重大价值。以淘宝为例，每天有近5亿条产品讯息，电商对数据进行采集、分析、挖掘，将各类数据进行有效整合，可为企业决策提供支持。数据的价值是其所有可能用途的总和。以数据价值为核心，将不断涌现新的盈利模式，电商只要把握机遇、放宽视野，才能找到新的利润增长点。

二、电子商务的大数据时代

（一）数据服务的变革大数据背景下，把消费者分成很多群体，对每个群体甚至每个人提供针对性的服务。消费行为等数据量的增加为电商提供了精准把握用户群体和个体消费行为模式的基础。电商通过大数据应用，可以探索个性化、精准化和智能化广告推送和推广服务，创立比现有推广形式更好的全新商业模式。另外，电商也可以通过运用大数据，寻找更多更好地增加用户粘性、开发新产品和新服务、降低运营成本的途径和方法。

（二）数据化运营电商运营更多地转变为数据驱动的运营，在企业内部所有环节都利用数据进行分析、评价、利用数据视图进行管理。以阿里为例，其对旗下的淘宝、天猫、阿里云、支付宝、万网等业务平台进行资源整合，形成了强大的电子商务客户群及消费者行为的全产业链信息。同时，也将电子商务的竞争从简单的价格战上升了一个层次，形成了差异化竞争。目前，淘宝已形成的数据平台产品，包括量子恒道、数据魔方等，功能包括店铺运营分析、商品分析、营销效果分析、买家行为分析、订单分析、供应链分析、行业分析、财务分析和预测分析等。

（三）数据资产化大数据背景下，“数据即资产”成为最核心的产业趋势。未来企业的竞争，将是规模和活性的竞争，数据的经济效益和作用将日渐引起企业重视，因而催生出许多关于数据的业务。“数据成为资产”是互联网泛在化的一种资本体现，他让互联网的作用不仅仅局限于应用和服务本身，而且具有了内在的“金融”价值。数据的功能不再只是体现于“使用价值”方面的产品，而成为实实在在的“价值”。目前，作为数据资产先行者的IT企业，如苹果、IBM、谷歌等，都在用各种方式，挖掘各种形态的设备及软件功能，收集各种类型的数据，发挥大数据的商业价值，将传统意义上的IT企业，打造成为“终端+应用+平台+数据”四位一体的泛互联网化企业，以期在大数据时代分得一杯美羹。

三、大数据时代的电子商务服务模式分析

（一）个性化导购服务在互联网普及的时代，为解决消费者信息超载的问题，引导消费者更便捷地购买商品，导购系统便成为众多电子商务企业提供的一种服务模式。所谓导购系统，就是一种根据消费者的需求、偏好、个人资料及历史消费行为，为消费者提供决策建议的软件系统，如推荐他们想要的商品或从哪里获得想要的商品。传统电子商务导购服务，或是基于消费者历史数据来抽取和推荐他们共同偏好的商品如热销商品推荐等，或是根据企业促销意图将其主打产品推送给顾客，如新品推荐、特价推荐等，能够为顾客提供较好的决策支持服务。个性化导购系统的兴起能够很好地解决传统导购系统所带来的问题，它基于消费者个性化特征和需求，依托知识发现、内容过滤、交互式推荐等技术，在合适的场景、合适的时机、通过合适的渠道，把合适的内容，推荐给合适的用户，为消费者提供个性化的购物体验。在个性化导购系统中，消费者不再是被动的信息或网页浏览者，而是主动参与者。

（二）数据产品服务在大数据背景下，数据成为资产，所有电商企业都想获得并充分了解它们在运营中所获得的消费者的信息数据，但往往由于技术等原因无法对大数据进行分析、挖掘，因此对于具有平台以及技术等优势的电商企业可以利用这样优势，将获得的海量数据进行产品化的包装营销给需要的企业，从而开辟出一种新的电子商务服务模式。如淘宝为卖家提供的各类数据优化工具，可以为消费者提供的各类优化工具等。由于大数据背景下企业对数据有更深层次的需求，因此搭建数据构建需要与销售之间的桥梁，将为产生数据服务型的电子商务新模式。

（三）垂直细分领域服务目前，淘宝、京东、亚马逊等占据了国内的绝大部分电商市场份额。中小规模电商企业崛起难度很大。因此，在大数据时代下，把握每一个垂直细分领域，然后做得更精更专，这样才能赢得自己的一席之地。而且行为垂直细分类的电商平台规模较小、成本较低，能更好地挖掘分析消费者的信息数据，从而能更专注于专业特定的客户群体提供专业的产品和服务，更能了解产业链上客户的需求，也能容易完善自身的服务。例如，在服装领域，“麦包包”等与生产厂家等上下游企业共建产业链，实现零库存和短周转率，降低了运营成本，极大提高了生产效率，打造成箱包垂直领域知名的线上品牌。

四、结语

大数据背景下，爆发式的信息资源给电商企业带来了机遇和挑战，通过对数据的挖掘、分析运用必将带来更多的服务模式的革新，给消费者更好的服务体验。随着大数据的技术和运作的成熟，必将涌现出更多、更好的新的服务模式，从而促进电子商务的发展。

作者：韦群锋单位：浙江工商职业技术学院

数据时代论文:大数据时代的电子商务物流论文

一、大数据时代物流配送与电子商务企业的关系

（一）物流配送的服务水平直接影响着电商的服务水平作为电子商务的末端环节，物流配送是电子商务里面唯一面对面接近消费者的环节，在消费者看来，无论物流企业是否是电商本身，物流企业的服务水平都代表了电商的服务水平。京东商城作为电商里面的佼佼者，得到了消费者的普遍认可，其高效的配送起到了至关重要的作用。凡客诚品的如风达，也曾经给凡客带来了比较高的顾客认可度。

（二）良好的物流配送能够增加电商的顾客忠诚度随着电子商务的发展，人们的信息化水平已经远远超过了过去，获取信息的渠道也更加的多样化，与之相对应的是，消费者的忠诚度也大大降低，消费者可能今天钟情于这个网站，明天又会认可那个网站。能够在消费者的的心目中形成良好的品牌效用，稳定有效的物流配送极其重要。

（三）物流配送的成本直接影响了电商的盈利状况中国目前的电商发展势头良好，双11每年的数据刷新都让人眼前一亮，这样的数字在一定程度上反映了消费者的消费理念已经发生了巨大的变化，以前是在网下买东西，现在是网上网下对比着卖东西。但是，在这样良好的势头下，有一个问题也引起了人们的思考，就是电商的盈利问题。物流配送是电子商务的瓶颈，指的不仅仅是物流配送的速度约束着电子商务实现的速度，还指的是物流配送的成本是传统商务所没有的，电商的竞争优势很大是由于价格优势，而如果包邮以后依然有这样的优势，电商的利润究竟在哪里？数据对物流从产生了巨大的冲击，迫使电商物流迅速的适应信息化和数据化的浪潮，同时，也给电商物流配送带来了巨大的机会，将其配送过程中产生的大量数据整合，用于配送计划的安排、电商服务的优化，更好的为卖家和卖家服务。

二、大数据时代电子商务物流配送存在的问题

虽然电子商务物流配送已经成为电商的重要利润源泉，也成为一些大型的B2C商家的主要盈利点之一，京东商城就将自己的物流配送优势作为自己的主要竞争优势之一[2]，但是电子商务物流依然存在着一些的问题，主要有以下几个方面：

（一）相比于电子商务的发展，物流配送的发展依然滞后。电子商务主要包含信息流、资金流和物流。其中信息流和资金流在点击之间就可以实现，不受时间和空间的限制，物流就受到时间和空间的限制。随着物流信息化和网络化的发展，现在物流已经有了很大的进步，近几年的发展也可以用日新月异来形容，但是相对于电子商务的发展来说，物流的发展还是相对滞后。

（二）分散的物流配送造成了社会资源的重复配置，物流企业竞争力低下。我们国家2014年的第三方物流企业数目众多，但是，大多数是中小型物流企业，竞争优势不明显。2014年，天猫在B2C领域的市场份额为57%，第二位的京东为21%，二者就占到了B2C的78%。但是在物流领域，民营快递前十名的市场分额占到了80%。大部分物流企业小而分散，网点重复建设，浪费了大量的社会资源。

（三）O2O的发展对电商的配送水平提出了更高的要求。随着移动商务的发展，O2O成为电商发展的必争之地，但是，O2O对配送的要求更高的迅速、快捷、准确。某配送小区提出了线上线下一体化、闪配（60分钟配送）、增值服务（代收、代缴）的服务理念，这些理念对配送提出了更高的要求，如何均衡配送的成本和服务，成为O2O电子商务发展的一个重要课题。该图表来源于物流沙龙通过上述图表我们可以看到，O2O的配送成本是非常高的，假设平均每单的价格为50元，利润率为30%，则利润为15元，扣除配送成本11.25元，利润变为3.25元，利润率变为6.5%。由此可见，配送导致了利润率的降低。4、大数据本身对电商物流配送造成了更大的冲击。大量数据的归集和挖掘使电商物流配送越来越透明，电子商务企业对于物流的要求也越来越高，这样就迫使物流配送企业竞争更加激烈，并且有传统的价格竞争向更高的服务层次的竞争转化。

三、电子商务与物流配送的发展的新特点

国务院2014年9月12日印发的《物流业中长期规划（2014-2020年）》中指出，物流行业的重点工程之一就是电子商务物流工程，建成一批区域性仓储配送基地，吸引制造商、电商、快递和零担物流公司、第三方服务公司入驻，提高物流配送效率和专业化服务水平。[3]随着电子商务的飞速发展，信息化对各行各业的影响越来越显著。作为与电子商务有着亲密接触的物流业，更是受到信息化和网络化的深刻影响，不能适应信息化的物流配送企业几乎不能在大数据时代的竞争中获得一席之地。电子商务和物流配送的关系也随着时代的发展表现出了很多新的特点，主要由以下几个方面：

（一）物流配送企业自身的网络化、信息化。物流企业不同于生产企业，其业务不仅仅局限于本地，因此，通过传统的口碑、人脉宣传是远远不够的，随着网络化的发展，物流的宣传也必须通过网络来进行，物流企业大部分都建立了自己的官网，来宣传自己的企业。物流配送设计的面比较广，一个物流配送企业在各地有多个仓库，如何实现仓库之间的合理调配、仓库内部的有效管理、运输过程的快速准确，仅仅通过传统的管理方式是远远不够的，目前，有很多的管理系统的出现应用于物流企业。TMS、WMS、LMS、SCM、CRM、OA都是信息化与物流相结合的产物，提高了物流配送的效率，更好的提高了物流配送的服务水平。随着移动商务的发展，物流APP也逐渐投入使用，很多的物流APP开始应用于运输领域和配送领域，丰富了物流配送的形式。2014年5月起，越来越多的快递面单变成热敏标签面单，新面单是由菜鸟网络联合各快递企业共同成立的“电子面单平台”出品。这种电子面单面向60多款主流配送软件，使用软件的可免费使用电子面单，节省了纸张，提高了打印速度，节省了人力资源。电商物流配送的信息化深入到配送的各个环节和领域。

（二）物流资源的共享成为物流发展的必然趋势。2013年5月28日，阿里旗下天猫、银泰集团联合复兴集团、富春集团在深圳成立了“菜鸟网络科技有限公司”，此外，马云邀请三通一达和顺丰加入，这几家民营快递各投入了5000万，占股1%。以上资料显示，民营快递正通过自己的方式谋求资源的共享，中国邮政也表示要与阿里巴巴合作，将自己的网点对民营快递开放。电子商务物流配送企业虽然是竞争关系，但是，在配送的过程中，网点的重复建设大大的耗费了社会资源，也占用了大量的社会资金，各个快递公司之间实现资源的共享既能够提高配送的服务水平，也能够大量的节省资金，降低道路的拥堵程度，提高配送的经济效益和社会效益。

（三）数据、资源的整合成为大数据时代电商物流配送发展的大势所趋。[4]随着物流企业应用大数据的不断深入，数据被不断的分析和挖掘，将卖家、卖家、物流企业所有的资讯有效的连接在一起，最终实现资源与数据的有效结合，所有的物流资源在数据的牵引下共同服务于电子商务平台的卖方和买方，既降低了成本也提高了整个电商配送领域的服务水平。举例说明，当客户选择所想要的快递组合类型后，大数据平台会根据以往的快递公司的表现、各个分段的报价、即时运力资源情况、该流向的即时件量等信息，甚至可以加上天气预测、交通预测等数据，进行相关的“大数据”分析，从而得到优化线路选项，以供客户选择。之后，系统会将订单数据发送到各个环节，由相应的物流公司完成。

作者：王志玲单位：滨州职业学院