时间：2024-01-04 15:13:04
序论：速发表网结合其深厚的文秘经验，特别为您筛选了11篇大数据时代产生的原因范文。如果您需要更多原创资料，欢迎随时与我们的客服老师联系，希望您能从中汲取灵感和知识！
一、企业信用管理外包产生的原因与背景
信用外包是外包的一种，指的是企业将其信用管理服务外包给第三方机构来进行，以发挥第三方主体优势的方式来节约自身运营成本并降低自身承担的信用风险。信用外包服务在今天得以产生并快速发展的原因主要有以下几条。
（一）行业分工的日益细化
行业分工的细化使得信用管理外包被发掘出来成为一个专门的产业。二十世纪末以来，经济全球化的发展使得各个经济主体大大提高了资源的利用效率，与此同时，世界市场容量的扩大使得行业分工日益细化，一些丧失竞争力的产业日趋消亡，但同时有更多的产业被因不断扩张的需求而被创造出来并逐渐发展壮大，并且越来越专业化、标准化、规模化。信用管理外包就是诞生于这样的历史背景下，因为对专业的信用管理服务的需求的不断增加，终于致使一些专门的信用管理服务企业成立，并依托自身业务优势承接信用管理服务，所以说因社会经济的发展而导致的行业分工细化是信用外包得以产生和发展的前提条件。
（二）企业管理模式科学化
企业管理模式的进步使得其有意将自身信用管理事项外包给第三方。随着经济的发展，企业的经营理念与管理模式较之以往也产生了很大的变化。越来越多的企业不仅谋求在某一个领域做大做强，而且实施了多元化经营战略，即企业不断增加其生产的产品和提供的服务的类别，通过跨行业收购和兼并有效利用其所拥有的各项资源以提高经营效益，实现企业的长期发展。但随着企业经营范围以及涉及领域的日渐复杂，过去由企I内部人员兼顾企业信用管理或是不设专门信用管理人员的做法已经无法适应企业自身发展的需要，第一个原因是企业自身在信用管理方面不够专业，由非专业人员处理企业信用事务存在风险隐患，有可能给企业经营带来额外风险，但追求多元化发展的企业管理层也不愿意在自身明显不具有竞争优势且无法为企业经营发展带来明显的财务收益的信用管理上投入太多资金，因此主观上产生了将信用管理进行外包的需求。
（三）企业信用关系的复杂化
现代企业信用关系的复杂化使得专业的信用管理公司成为一种客观需要。随着我国社会主义市场经济的不断发展与完善，市场对资源的配置作用在不断强化，信用与市场的结合也越来越紧密。并且随着市场经济体制的不断健全与社会信用体系的逐步建立，以及我国金融服务的迅速发展，传统的单纯的信用关系不复存在，整个社会的信用关系日趋复杂，各种相关的信用工具也被创造出来，大大增加了各经济主体进行信用管理的难度和强度。具体表现在企业层面上，就是企业进行信用管理所占用的资金和人力资本成本在企业经营投入中所占的比重越来越大，但信用管理的效果却常常不尽如人意，这就为信用外包的发展提供了客观环境。
二、大数据对信用管理服务外包的影响
基于网络技术的迅速发展和互联网基础设施建设的迅速完善，我国政府提出了“互联网+”的口号，希望各个产业在经济新常态中能通过与互联网的有机结合获得新的发展，与此同时，依托于互联网而产生的“大数据”产业规模也越发庞大。在大数据时代即将或者说已然来临的今天，企业信用管理服务外包在我国有了新的发展前景和机遇。
（一）大数据对信用管理外包所具有的优势
信用的产生建立在信用双方对彼此正确认知的基础上，企业进行信用管理同样要求其必须有准确而充足的数据作为支撑，信息不对称所引发的逆向选择和道德风险是信用本身天然存在的隐患，企业进行信用管理外包也可能会因和外包对象间的信息不对称而产生委托问题。大数据技术的发展为弥补信用所存在的缺陷提供了有力的工具。
“大数据”这一概念最早由维克托・迈尔・舍恩伯格和肯尼斯・库克耶在其合作编著的《大数据时代》中提出的，随着对大数据认知的不断深化，现今大数据可分成大数据技术、大数据工程、大数据科学和大数据应用等领域，而目前人们谈论最多的是大数据技术和大数据应用。
在今天这个信息爆炸的时代，通过对数据的深度挖掘和处理，人们几乎可以得到一切想要得到的信息，依托于分布式处理、分布式数据库和云存储、虚拟化技术的大数据技术大大提高了人们对非结构化和半结构化数据进行数据挖掘和数据分析的能力，使得人们对信息利用的有效程度又上了一个新的台阶，而充足并且准确的信息正是建立坚实信用关系和有效信用管理的基础。
大数据技术同时处理海量复杂的信息的特质可以通过对数据的统计分析而得到对信息收集对象的置信度较高的整体评价，有效弥补信用外包双方在进行沟通和谈判时信息不对称的处境，从而减少企业将自身信用管理业务进行外包的成本。大数据技术的实时性也在不断提高，这则有助于信用外包双方在外包流程中及时沟通和了解，防范背叛和欺诈风险。
（二）大数据对信用管理外包发展的影响
对以接受信用外包为主营业务的信用服务机构而言，大数据技术所具有的在短时间内挖掘和处理海量数据的能力，意味着只要成功应用大数据技术，这些专业的信用管理企业可以节约大量的因信息收集和分析而占用的人力和时间成本，也就是说其基于大数据技术可以提供更为高效、高质而又价格更低的服务。
对于以将自身信用管理进行外包的企业而言，其可以花费更少的资金而得到更为专业的信用管理服务，在减少了因自身进行信用管理所占用的人力成本的同时，也降低了因自身进行信用管理的非专业性而带来的风险隐患，此外，也有利于企业更加专注于经营主营业务，提高经营业绩。
大数据技术的应用将促进我国信用管理工具的不断创新和信用行业的良性发展，有力的提升我国信用服务行业的整体竞争力，并有助于我国企业提高自身科学管理水平。
参考文献：
中图分类号：G250.76 文献标识码：A 文章编号：1003-1588（2015）01-0124-03
收稿日期：2014-12-20
作者简介：范春玲（1978―），黑龙江省图书馆副研究馆员。
*本文系2013年度国家社科基金艺术学项目“公共数字文化技术保障体制研究”的研究成果之一，项目编号：13CB128。
1 引言
随着信息技术的飞速发展和各类网络终端的涌现，全球数据量呈现爆炸式的增长。据国际数据公司（IDC）的报告结果：2010年为1.4ZB，2011年增长为1.8ZB[1]，到2020年，全世界所产生的数据规模将达到今天的44倍[2]，大数据时代已悄然来到。最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，之后《纽约时报》和《华尔街日报》都在专栏封面上推出了该概念。自此，国际上尤其是美国等发达国家掀起了探究大数据的热潮。2012年奥巴马政府投资2亿多美元推出“大数据的研究和发展计划”，拉开了大数据作为全球性发展战略计划的大幕。
目前，大数据技术还处于探索发展阶段，尚未得到广泛应用。但笔者认为，作为以信息保存、开发和利用为首要任务的公共图书馆来说，应明确认知，在大数据时代对纷繁复杂数据的保存和分析是必须面对的挑战。同时，图书馆人还应以特有的信息敏锐性和职业前瞻性来思考大数据对未来图书馆发展的影响。
2 大数据概述
大数据是互联网发展到现今阶段的必然产物，是由人们日益普及的网络行为所伴生的，受到相关组织、企业采集的，蕴含数据生产者喜好、真实意图的，非传统结构和意义的数据。因此，大数据技术的战略意义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。基于大数据分析的情报信息成为组织机构、企事业单位进行科学决策、生产发展、科技创新的主要依据，因此业界有三分技术、七分数据，得数据者得天下的说法。
2.1 大数据特点
大数据的概念自提出以来，仁者见仁，智者见智，目前尚未有让大家认可的标准表述。但业界对大数据的4V特性保持了一致意见，即：Volume（大量）、Variety（多样）、Velocity（高速）、Value（价值）。大数据的4个“V”也就是4个方面的特点：①Volume指数据体量巨大。从TB跃升到PB级别，也就是只有PB级别的数据才可称为大数据。②Variety指数据类型繁多。如目前流行的网络日志、视频、图片、地理位置信息等众多类型的数据。③Velocity指数据处理速度快，即可从各种类型的数据中快速获得高价值的信息，这和传统的数据挖掘技术有着本质的不同。④Value指只要合理充分利用数据并对其进行准确、正确的分析，将会带来非常高的价值回报[3]。
2.2 大数据与云计算的关系
大数据的数量级通常达到PB级别，必然无法用单台的计算机进行处理，而必须采用分布式架构。分布式架构的特点是对海量数据进行分布式数据挖掘，但它必须依托云计算的虚拟化技术、分布式数据库、分布式处理和云存储。因此从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分，但二者也存在一定的区别：云计算强调的是计算能力，数据是操作对象，而大数据使数据可增加、可共享，管理数据是重点。
3 大数据带给图书馆的影响
虽然大数据在国内尚处于初级发展阶段，但其对各个行业的推进力正日益显现。图书馆历来是新信息技术的研究和实践基地之一，大数据不可避免地对图书馆的发展产生一定的影响。下面笔者将从大数据带给图书馆的机遇和挑战两个方面进行阐述。
3.1 大数据时代图书馆的机遇
3.1.1 大数据使图书馆能清楚了解读者流失原因，应对生存危机。图书馆是我国数字文化服务体系的重要组成部分，在文化大发展大繁荣的背景下，图书馆得到了进一步的发展建设，但是由于更多的数字资源可直接从网上获取，而蓬勃发展的社会化网络交流服务平台也使得图书馆的参考咨询服务不占优势，诸如此类的众多原因，导致公共图书馆的价值被淡化，读者流失较为严重。而在大数据时代，图书馆可以借助大数据技术来分析读者的信息行为，了解读者的需求意愿，还可以更进一步地通过挖掘用户在交互型知识服务过程中的潜在需求，来对读者开展有针对性的特色服务甚至智能化服务，从而吸引读者的到来，应对图书馆的生存危机。
3.1.2 大数据使图书馆的各类资源采购有的放矢。近年来，我国图书馆事业迎来了一个发展，数字化、网络化服务成为图书馆服务的主要内容，国家数字图书馆工程、文化共享工程等数字资源建设共享项目及自建特色数据库和购买的各类型数据库都成为为读者提供服务的馆藏数字资源。而读者在访问和使用这些数字资源和纸质资源时，会在图书馆的各类系统中留存大量的日志信息，比如图书馆自动化管理系统中读者借还书时产生的流通日志以及读者检索书目信息时产生的Opac日志以及各类数据库系统中读者检索、浏览、下载电子资源时产生的日志等。这些数据严格意义上来说称不上大数据，但我们可以运用大数据技术，通过整合、研究这些日志信息，了解和预测读者的需求，进而用有限的采购资金来采购读者所需的资源。比如复旦大学图书馆利用大数据技术，实现了对各种类型的数字资源、系统日志信息和读者信息行为数据的获取和数据建模，建立了图书采访辅助决策支持系统和电子资源使用统计分析及恶意下载监控平台等，它们对复旦大学图书馆的馆藏建设和用户服务等科学决策提供了精确的数据支持。
3.1.3 大数据使构建智能型图书馆成为可能。技术引擎一直是图书馆信息服务的技术核心，而智能型图书馆的实现需要各种智能技术引擎的支持，大数据技术可以帮助我们构建资源及服务推荐引擎、读者需求预测引擎和多维度信息资源获取、分析及决策引擎等。美国Hiptype公司已经完成了用大数据分析技术来分析电子书读者的阅读习惯和喜好的工作，这是国内外图书情报领域首次利用大数据技术构建知识服务社区实体行为智能分析引擎。大数据技术还可以帮助图书馆更加灵活、方便地从海量结构化及非结构化数据中提取有用的知识、模式、关系用于创新读者服务方式，以便建立更加智能、灵活的网络化信息资源组合方式。
3.2 大数据时代图书馆的挑战
3.2.1 图书馆基础设施的挑战。大数据时代，数据成本的降低促使数据量飞速增长，而读者的一言一行、一举一动等产生的是大量的半结构化和非结构化信息数据[4]。这些信息数据的类型格式、组成结构、存在形态等都非常复杂，传统的IT架构和信息储存形式已无法满足要求。虽然云计算的出现理论上解决了海量数据的存储问题，但由于云计算的应用远没有达到理论所期待的程度，图书馆现有的软硬件等基础设施尚无法架构成满足需求的云存储。所以，在大数据时代图书馆的基础设施是首要面对的挑战。
3.2.2 图书馆员思想观念和能力的挑战。大数据技术到目前为止仍然是一项新兴的技术，由于种种原因其尚未被广泛应用，大数据理论仍有待于市场的验证和核实。因此，对于图书馆人来说，对大数据的领悟基本处于模糊的概念认知阶段，认为其离自己很遥远，在心理和行动上无法跟上大数据时代的节奏，在面对一些“可能是良好机会的数据”时没有清醒的认知，没有形成将数据转换成知识的服务意识。而有些馆员即使具备了用大数据技术服务读者的意识，却不具备应用大数据的能力。
3.2.3 图书馆面临技术应用挑战。图书馆界缺乏专业IT技术人才是不争的事实，因此，在大数据时代图书馆如何应用云计算技术及大数据技术来认识、管理和分析其所拥有的各种结构化、半结构化和非结构化数据，如何建立软硬件一体化集成的大数据综合解决方案来完成知识获取、存储、组织、分析和决策等。这些是图书馆在大数据时代不得不面对的技术应用挑战。
3.2.4 图书馆大数据的安全与隐私问题。首先，大数据时代图书馆应用云存储是必然的趋势，但由于云计算尚未制订统一的行业标准和规范，所以，云存储本身给图书馆的大数据带来了存储安全问题;其次，图书馆应用大数据就是对读者在图书馆内不同地点留下的数据痕迹进行分析和挖掘，当从不同独立地点将读者的信息行为汇聚在一起，其隐私很可能被暴露出来。而如何在不暴露读者个人隐私的基础上进行数据分析和数据挖掘，对图书馆来说是一个挑战。
4 图书馆的应对策略建议
大数据时代，图书馆在获得机遇的同时必须面对上文所述的各种挑战和问题。因此，笔者建议图书馆采取以下应对策略。
4.1 图书馆应抓住机遇改善软硬件条件
2013年文化部全国公共文化发展中心提出了实施国家公共文化数字支撑平台项目，该项目以文化共享工程等公共数字文化建设已有的网络及信息化软硬件设施为基础，应用云计算等最新信息技术，构建新型数据中心。为支持该项目的运作，文化部全国公共文化发展中心同时下发了各级中心的软硬件配置最低标准。图书馆应以此为契机，争取地方政府的更大支持和投入，积极改善软硬件条件来应对大数据时代图书馆数据存储能力和运算能力的挑战。
4.2 图书馆应主动尝试应用和研究大数据
一项新技术的产生、发展和成熟必然需要时间的洗礼，大数据技术亦不例外，虽然大数据技术目前尚处于初级发展研究阶段，但图书馆作为信息技术应用的重镇，应勇敢面对质疑的声音，在现有条件允许的范围内积极尝试应用和研究大数据技术，以便让大数据技术更好地服务图书馆界。国外图书馆的一些经验值得我们学习，例如美国的弗吉尼亚州立大学组建科学数据咨询小组，图书馆员充当咨询顾问的角色[5]。还有美国各类型图书馆与俄亥俄州经营电子书、有声读物的经销商OverDrive公司长期合作，公司从图书馆中收集大量数据提供给出版商和其他有合作关系的图书馆，以供开放存取，这些数据主要有图书馆网站访问数据、电子书和数字有声读物的流通数据以及读者的图书需求数据等。同时，OverDrive公司也通过“Buy It Now”网上商店等渠道为图书馆提供其所不具备的书目记录，为读者开辟了发现新图书的途径[6]。OverDrive公司利用大数据技术分析后发现，图书馆的电子书借阅数据分析在拓展图书馆的服务范围的同时，也会提高出版商和经销商图书的销售额，从而取得“双赢”的效果。
4.3 图书馆应注重培养大数据的应用型人才
大数据环境下，图书馆的工作方式和内容都将发生本质的变化。相应的图书馆员的角色和所需专业技能也将发生变化。美国研究图书馆协会提出，研究数据管理将成为大数据时代图书馆员的一项基本能力，而目前绝大多数图书馆员不具备数据管理者必备的综合素质。因此，图书馆当前的任务是在现有基础上，积极拓宽馆员知识面，增强其业务能力，培养和造就一支懂技术、懂管理的大数据建设专业队伍，使之成为学科信息资源的组织者、传播者、导航者、教育者，促进图书馆事业更好的发展。
4.4 图书馆应充分重视数据安全和读者隐私保护
目前公共云存储有待法律法规的进一步规范以及行业标准的统一来提高其安全性。此时图书馆可以通过混合云存储来规避安全风险，比如把和敏感数据放在私有云上，而把经常使用的、公开的数据放在公共云上;还可以通过云计算技术把文件分割成文件碎片，分别存储在私有云和混合云上。而图书馆利用大数据分析读者信息行为产生的个人隐私问题，需要从技术和人员两个层面解决。在技术上要求在不泄露读者个人隐私的前提下进行数据分析和数据挖掘。同时，图书馆要建立完善的隐私保护制度，要求馆员以良好的职业素养，坚决维护读者的隐私权，达到既不侵犯读者隐私权又能充分发挥大数据的优势为读者服务的目的。
5 结语
目前，大数据技术的研究还处于起步探索阶段，但其会随着云计算、物联网和移动互联网等信息技术的发展而走向成熟。而成熟的大数据技术会将隐藏在图书馆大量数据背后的世界清晰地呈现出来，这将会给图书馆带来革命性的变化，对以往图书馆的服务能力和服务机制产生创新和颠覆。
参考文献：
[1] IDC.The Digital Universe[EB/OL].[2013-06-16].http：///collateral/analyst-reports/idc-extracting-value-form-chaos-ar.pdf.
[2] IDC.The Digital Universe Decade-Are You Ready？[EB/OL]. [2013-06-16].http：//emc.co/collateral/ana-lyst-reports/idc-digital-universe-are-you-ready.pdf.
[3] sec_cn.百度百科[EB/OL].[2014-08-20]. http：///subview/6954399/13647476.htm？fr=Aladdin.
[4] 韩翠峰.大数据时代下图书馆的挑战及其应对策略[J].图书与情报，2012（5）：37-40.
大数据广义上指的是无法在一定范围内进行常规捕捉和管理的数据，是需要新模式和新方案来进行信息收集的。而我国计算机技术的发展带来的结果是网络用户的迅速增长，因此产生的数据量也是非常庞大的。所以这也使得我国的计算机技术要进行全面革新来面对时刻增长的计算机数据，这也是大数据时代下的必然趋势。
1 “大数据”的具体内涵
1.1 基本含义
大数据从字面上理解为数据量大，换而言之就是目前的计算机技术无法将这些数据庞大的信息进行整合和分类，并进行传输。而现阶段对于大数据的具体范围还没有非常明确的定义。
1.2 大数据的优势
1.2.1 数据传输速度快
数据传输速度是大数据的第一大优势。随着网络在我国的普及，计算机用户数量增多必然导致数据的增多，因而用户的需求也会随之提升，所以这就需要对数据进行快速分析整理，并将结果进行传输。而大数据时代下，数据处理已经有了迅速的发展，信息传输速度不再受限于计算机技术。
1.2.2 信息多样化
信息多样化是大数据时代的又一显著特征。在计算机技术不发达的年代，传输信息主要通过文本或是网页的方式，这样的方式不仅效率低，且传输的信息内容单调，缺乏即时性。而大数据的出现很好地解决了这一问题，现如今多样化的数据传输媒介和丰富的格式也给计算机技术带来了质的变化。音频、视频、图像等传输手段更广泛运用于现阶段的信息技术之中，在未来也将继续运用。
2 大数据时代的变革
大数据时代是计算机技术发展的一项重要标志，也是该行业的历史性的进步，对广大用户都产生了重要的影响。现如今，无论是政府机关还是事业单位，亦或是个人，都是大数据时代下的用户，大数据也加深了各方之间的联系，使信息能够更广泛传播，资源共享更为便捷，这也给企业的发展起到了积极的促进作用。然而，在这一过程中仍然有一些我们应该注意到的问题，这些问题如果不能妥善解决，势必会制约大数据时代下计算机技术的发展。在笔者看来，这是一个机遇和挑战并存的过程，具体表现如下。
3 大数据技术的主要体现
3.1 预测分析技术
这项技术是一种对于数据的挖掘和解决方式，可以在数据中实现对于未来结果的计算。在现阶段，很多企业利用大数据来所信息进行收集，并进行模型优化，从而来提升企业的管理水平和业务水平。而用户也可以根据自身需要将这些功能进行选取式利用，从而为各个行业的工作提供便利。
3.2 数据处理技术
包含分布式存储技术好和可视化的数据技术。前者是指利用多台存储器会数据进行分类，是提高系统适用性和稳定性的有效途径。而后者可以对不同种类的数据源进行直观显示，从而将信息展示在用户面前，便于信息的实时分析和资源共享。
4 大数据时代下计算机技术的机遇
网络已经普及于我国的日常生活了工作之中，并在各个领域都发挥了重要的作用。大数据的显著特点就是信息量大，工作要求也更高。尽管在现阶段的计算机技术下处理这些信息仍然有很多需要优化和改进的地方，但是其未来的发展趋势还是非常令人满意的。以一般的公司为例，一个公司进行大数据的管理，可以有效提升每个部门的工作效率，并加强管理层和基层的交流，减少工作中产生的各种突发问题。另一方面，可以让各部门之前形成良好的工作配合，在人力、物力、财力上都做到节省成本，从而让企业能够在激烈的市场竞争中占据重要的地位。又例如在工厂中进行大数据的处理分析，能够有效地了解到市场动态，捕捉市场信息，从而了解到消费者的具体需求和喜好，能够针对性地生产出消费者需要的产品，对于工厂的发展会起到积极的促进作用。因此不难看出，大数据时代下，计算机技术的发展会有很多机遇，只要善于把握，必将能取得令人满意的结果。
5 大数据时代下计算机技术的挑战
5.1 对于存储技术的新要求
巨大的数据信息量必然给未来的存储技术提出了更高的要求，而用户的需求也会随之增加。为了保障用户的体验，就需要在信息处理能力上进行完善和优化。例如在硬件设备、网络宽带等方面就要进行更新，以应对大数据所带来的冲击。无疑这是一个工作量非常大的工程，也需要不断地学习和探索。
5.2 对于信息安全的新要求
信息安全是用户最为关心的问题。在近年来，我们时常看到用户的身份证、个人资料等信息被无故泄露，导致一系列问题的产生。这些信息安全问题产生的原因就是数据的分类和管理不到位。而未来的大数据时代，信息量将比现在有成倍甚至几十倍几百倍的增加，那么如何在这些巨量的信息中保障每个用户的个人信息安全，就成为了未来的一大挑战。网络黑客和各种不法分子也早已熟练运用计算机技术，因此也要求研究人员在未来要针对性地在信息保护方面做出技术上的改进，从而保证用户的信息安全，才能是计算机信息处理技术朝着更加稳定和正确的道路上发展前行。
6 结语
通过研究，可以看到大数据时代下，现阶段的计算机信息处理技术仍然有一些缺陷，在技术层面上需要进行变革和创新。但是随着我国经济水平的不断发展，信息技术也将随之得到提升，未来的云计算机网络必将发挥重要的作用，更加广泛地运用于人们的工作和生活之中。可以肯定的是，计算机信息处理技术是一个潜力巨大的项目，虽然面临着挑战，但是我们要对未来的研究具有信心，相信在未来我国的计算机信息处理技术必将处于世界领先水平。
参考文献
[1]耿冬旭.“大数据”时代背景下计算机信息处理技术分析[J].网络安全技术与应用，2014（01）：19+21.
[2]冯潇婧.“大数据”时代背景下计算机信息处理技术的分析[J].计算机光盘软件与应用，2014（05）：105+107.
[3]斯日古楞.大数据时代的计算机信息处理技术分析[J].电子技术与软件工程，2014（01）：203.
[4]吕敬全.“大数据”时代背景下计算机信息处理技术分析[J].信息与电脑（理论版），2013（06）：126-127.
作者简介
随着互联网、手机、PAD等各类移动终端的日益普及，人类生活进入全新的大数据时代。大数据不但使人类的行为方式发生巨变，更使得教育面临一场新的变革。在长期的高职英语教学实践中发现，高职学生的写作能力一直是英语能力中最为薄弱的，这主要源于高职英语写作教学模式相对滞后，教学方法和教学手段单一。因此，大数据时代将为我国高职英语写作教学的改革带来全新的机遇和挑战，可以预测，大数据下的高职生英语写作包括学生的写作资源、写作目的、写作内容与组织、写作辅助手段与工具、写作评估等都将发生多方面的变化。
1.大数据的时代特征
维基百科将大数据定义为“所涉及的数据量规模巨大到无法通过人工，在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息”。大数据是最近几年刚刚兴起的一个概念，是继云计算、物联网之后出现的又一次颠覆性的网络革命。“大数据”狭义方面是指“数字”，广义方面是指对与一个数字相关联的其他信息进行获取、处理、分析和管理的一种综合性描述。随着云技术的出现，这些大量、高速、多变的数据正在被人们存储、分析和利用。大数据的特征被归纳为4V，即大量化（Volume）、多样化（Variety）、快速化（Velocity）和大价值（Value）。
2.高职院校学生英语写作学习的现状
英语的写作能力是一个人英语综合能力的最高体现，可是从长久的教学实践中发现，我国高职生的英语写作能力与听说、阅读等众能力相比普遍较弱，且不受学生的重视。
2.1学生心理普遍忽视写作能力的培养
高职院校的学生在写作上困难重重，多数学生心理上普遍害怕学习英语，尤其害怕英语应用文写作。学生普遍忽视写作能力的培养，基本都不喜欢写作文，认为写作费时费力见效慢，而且只要教师课堂上布置作文，他们就万分头痛，觉得自己英语词汇量少，无话可说，这种心理潜在意识加剧了他们对英语写作学习的抵触情绪，其结果是对英语写作的重视态度不够，不能积极主动、认真有效地完成教师布置的作文。
2.2影响学生写作能力的原因
英语写作对学生的词汇量、语法结构、语言组织能力都有较高的要求，但是许多高职生英语基础薄弱，词汇量小，平日又不重视词汇的积累，没有一定量的词汇基础，写作时即便搜肠刮肚也很难找到恰当的词汇表达。有时即便有了好的观点也常常因为找不到合适的词汇而放弃，转而用一些简单词汇去表明思想。语法规则和句型句式的混淆滥用也是造成英语写作质量不高的原因，写出来的句子往往语法错误连篇，结构混乱，中国式英语（chinglish）更是随处可见，甚至通篇都是语句不通的毛病。在高职英语写作的实际教学中，大多数教师往往流于形式，在写作课上过多的一言堂，忽视了学生实际的动笔操练，往往只是对英语应用文的整体结构进行讲授，或者注重技巧性的句型讲解，让学生记录却不运用，其结果是教师教得辛苦，学生听得无味。
3.大数据对高职写作教学产生的策略研究
大数据时代，学生可以随时随地地通过使用手机“扫一扫”、平板等设备终端获取所需的知识，包括在线观看MOOCs和微课、网上提交作业等。学生获取知识的途径不再局限于课堂和教材，教师不再是获取知识的唯一来源。学生可以根据自身学习习惯选择性地进行基础学科的学习，很轻易地就能查询到书本上的内容甚至是教师备课的文件。大数据时代下的英语写作教学绝不再是传统的、单一的、统一的教学，学生的写作资源、写作目的、写作内容与组织、写作辅助手段与工具、写作评估等都将发生多方面的变化。
3.1网络教学资源的利用
在传统英语写作教学中，英语教师主要利用课本教材在课堂上讲解相关的知识和技能。大数据时代下，教师很大程度上减少对学校教材的依赖。网络上有多元的英语教学资源、写作素材，这些资源素材既可以是文本格式，又可以是音频或是视频资源，它们能给高职生提供大量的、多样化的视角。学生在网络上除了学习平时课本那样的系统写作知识外，还可以观看一些名校的课堂写作录像，这些教学内容可以是静态的PPT，也可以是来自于课堂上的师生互动，甚至可以在线对所学的知识进行练习及测试，改变以往学生写作、教师纠错的一次性写作模式。
3.2评价方式的改变
“大数据”下的写作教学，学生的学习行为数据在后台被悄然记录，教师可以通过对学生行为的跟踪、记录、分析等得到学生真正的需求，并且智能化地采取后续跟进策略。大数据时代，不但可以把学生的写作效率提升上来，而且可以帮助教师减轻他们的工作量。以句酷批改网为例，它可以帮助学生的作文得到在词汇、语法或是篇章等各个方面的实时在线反馈信息，这些信息不仅可以让学生在进行写作中斟词酌句，解决作文中出现的各类语法问题，更重要的是提高学生在运用语言方面的能力，让教师省下批改学生作文时处理错误之处的时间，这种方式改变了学生完全依赖教师反馈的模式而转变成学生自身主动评价的模式。学生可以根据后台提供的辅助写作的工具如某类词语使用频度、拼写错误率、语法搭配错误等评价体系主动寻找自身问题，合理利用时间高效学习，完全打破传统的写作教学受到的时间和空间上的限制。大数据的支持甚至包括自评、同伴互评、教师点评等多种模式的运用，这无疑为学生主体发展、个性化学习提供多维度的参考，进而提高英语写作水平。
总之，高职英语写作教学改革的终极目的，是让每一个学生都能够在既定的教学目标设置下，有效形成、提高英语实际写作能力。大数据下的高职英语写作教学，为高职英语写作的教学提供各种各样的写作系统与工具，加速高职英语写作教学的时效，智能化地采取后续跟进策略，有意识地让学生逐渐接受英语表达的思维方式，循序渐进，逐层提高写作能力，真正服务于高等职业教育培养高技能型人才的总体目标。
参考文献：
[1]姜奇平.大数据时代到来[J].互联网周刊，2012（2）.
[2]喻长志.大数据时代教育的可能转向[J].江淮论坛，2013（4）.
[3]王守仁，王海啸.我国高校大学英语教学现状调查及大学英语教学改革与发展方向[J].中国外语，2011（4）.
[4]张燕南，赵中建.大数据时代思维方式对教育的启示[J].教育发展研究，2013（21）.
【中图分类号】G40-01 【文献标识码】A 【文章编号】1674-4810（2016）01-0005-02
2012年以来，以在线教育的井喷式发展为标志，教育领域迎来大数据时代。不仅大数据成为教育行业的热词，谋划大数据背景下的教育革新更成为教育前瞻者的行动焦点所在，一批国内外著名高校都纷纷开发大规模在线开放课程，标志着一个教育全新时代的到来。
一 学校教育进入大数据时代
1.大数据的内涵
大数据泛指海量的数据集，因可从中挖掘出有价值的信息而受到重视。
每个人在生活中都会产生大量数据，将这些数据收集起来加以分析，就可能找出某些规律，产生有价值的信息。但长期以来，这些数据很难收集和利用，同时也没有相应的数据处理能力。近年来，随着数字设备特别是手机、掌上电脑等移动数字设备的快速普及和互联网技术的快速发展，使得人们在学习、工作、生活中碎片式数据的收集成为可能。同时，以云计算为代表的技术创新使得海量数据的处理成为现实。
根据腾讯公司2015年第二季度财报，微信和WeChat的合并月活跃账户数达到6亿。这6亿用户在微信和WeChat中的活动数据，就是巨量的数据集，腾讯公司据此已在微信朋友圈进行了有精准受众的分类广告推送，为其创造了更多的价值。
2013年，美国《华尔街日报》将大数据时代、智能化生产和无线网络革命称为引领未来发展的三大技术变革。
2.MOOC的兴起标志着学校教育走进大数据时代
MOOC（massive open online courses）即大型开放式网络课程，是2000年以后教育界提出的一个新概念。MOOC2012年在美国顶尖大学兴起，后因Coursera、Udacity、edX三大课程提供商的产生而蓬勃发展。
MOOC教育实现了教育全过程的数字化，把教师传道授业的教学过程、学生问学求道的过程、教师和学生之间的研讨过程等全部教学活动都存储为海量的非结构化大数据，适合在云计算环境中开展在线教育，带有深深的大数据烙印。
2013年以来，中国知名高校对MOOC的蓬勃发展做出了反应。它们一方面积极寻求与国际MOOC提供商的合作，另一方面马不停蹄地自己创办MOOC平台，开发课程。先后有复旦大学、上海交通大学、南京大学与Coursera合作，清华大学加盟edX。同时，清华大学创办了“学堂在线”，台湾交通大学、上海交通大学、西安交通大学、西南交通大学、北京交通大学联合创办了“ewant平台”，上海交通大学创办“好大学在线”，吉林大学创办“吉林大学在线学堂”，深圳大学创办“优课联盟”，复旦大学创办“复旦大学慕课平台”，哈尔滨工业大学创办了“哈尔滨工业大学慕课平台”，等等，在线教育呈井喷式发展。
在中小学教育领域，具有大数据特征的教育改革也在如火如荼地进行。据教育部2015年3月的《全国教育信息化工作专项督导报告》显示：截至2014年11月底，全国6.4万个中小学教学点全面完成了“教学点数字教育资源全覆盖”项目建设任务，实现了设备配置、资源配送和教学应用“三到位”。
无论是国家高度重视的教育信息化建设，还是高校积极进行的MOOC建设，都预示着教育进入大数据时代，预示着学校教育面临一场史无前例的革命，而这场革命可能改变优质教育资源的配置和学校既有的地位。
二 大数据时代的学校教育变革
1.大数据改变学校教育
大数据时代，学校内外每天都产生着海量的数据。在校外，相关的政府管理机构、国家及地方社会经济领域、企事业单位每天产生着海量的数据；在校内，教育教学、管理服务、师生个体也会产生海量的数据。这些大数据逐渐会被有效利用，成为学校教育变革的重要力量。
第一，促进政府、社会对学校的管评模式的变革。“以教育信息化带动教育现代化”是推进我国教育事业改革与发展的战略选择，随着教育信息化的发展，大数据在教育管理中的作用日益凸显。政府对学校的管理将逐步过程化、精细化，社会对学校教育质量的评价则会呈现多元化。比如对一所高校来说，学生和家长对学校教育的评价、毕业生的发展情况、用人单位对学生的评价等，都可能纳入对这所高校的整体评价中，从而改变学校既有地位。
第二，促进学校的定位及学科专业设置的变革。一所学校的定位关系到学校的长远发展和社会功能的发挥，社会经济领域所产生的大数据为学校准确定位提供了科学有力的参考，大数据可以使学校的服务定位、学科专业设置与国家社会人才需求、产业结构更紧密地对接。有效利用大数据的学校将获得生机。相反，与社会经济发展相脱离、与产业结构相脱节的学校与专业将会被时代淘汰。
第三，促进学校教育模式的变革。如今学校教育的模式映射了工业化时代批量生产的模式：铃声、班级、标准化的课堂、统一的教材、按照时间编排的流水线教学场景。但在大数据时代，学校原有的标准化的教育将转由网络完成，而学校教育主要承担学生的个性化教育，更关注每个学生的成功，学校教育因此转向弹性学制、个性化辅导。例如，同样是新闻学专业的学生，对经济感兴趣的可以学经济新闻，对时政感兴趣的可以学时政新闻，对体育感兴趣的可以学体育新闻，对娱乐感兴趣的可以学娱乐新闻。学校通过大数据应用可实现个性化的指导和利用无穷无尽的配套资源，彻底改变传统的教育模式、改变课堂教学模式、改变学生的学习方式，驱动学生个性化发展，从而使学校教育摆脱工业化生产模式，走向“私人定制”。
第四，促进学校管理方式的变革。学生管理、教学管理、服务管理等都将随着大数据时代的发展而改变。随着各类教育资源公共服务平台、教育管理公共服务平台的广泛应用，大数据将全面记录学生的学习生活及成长。学校通过对大数据的分析利用，可以帮助学生进行学习、学业规划，从而更好地管理、服务学生。华东师范大学在2015年新生分宿舍工作上，就利用了大数据，通过移动互联网获得新生的身高、作息时间、兴趣爱好、是否租赁空调等信息，为新生安排生活上合拍的室友。
第五，促进学生考核评价体系的变革。当前对学生的考核评价还是以成绩为主要指标，而大数据将彻底改变这一现状。我国正在推行学生“终身一人一号”的电子学籍管理办法，学生在学习生活等方面产生的大数据，将全面反映一名学生的习惯、能力、责任感、心理状态等状况，从而改变单一的考核评价体系，为学校招生录取、用人单位招聘提供重要依据。
2.得数据者得天下
世界经济论坛2012年报告，认为大数据为新财富，价值堪比石油，这也是edX等在线课程提供商向全世界免费开放、广泛收集数据的原因。数据这么重要，学校如何获得和利用数据？
第一，加快信息化建设。信息化建设不仅是国家对教育现代化的战略选择，也是学校在大数据时代获得长足发展的必要条件，没有信息化建设，就没有学校大数据的产生和利用。
第二，加强与在线教育机构的合作。一所学校自身的数据教育资源和管理服务开发水平有限，因此学校要根据自身实际整合利用校外大数据教育资源。一方面要积极加入国家教育资源公共服务平台、教育管理公共服务平台，并发挥自身的力量；另一方面要加强与优秀在线教育机构的合作，为整个教育信息化服务，促进自身对大数据的获取与利用。
第三，加强与政府、企业及行业性单位的合作。政府数据资源已逐渐开放，以上海为例，2014年就有190项政府数据资源向社会开放，涉及公共安全、公共服务、交通服务、教育科技、产业发展、金融服务、能源环境、健康卫生、文化娱乐等11个领域，使用这些数据将有利推动地方高校的发展。又如，人才资源服务单位的大数据，将为学校人才培养和学科专业设置提供有力支持。
第四，加强大数据应用的研究与培训。大数据具有精准定制、预测等多项功能，但数据本身并不能实现这些功能，需要有专业人员对其进行开发利用。因此，一方面，学校要加大大数据应用专业团队的建设，加大对大数据应用的研究探索。另一方面，大数据又将贯穿于学校教育、管理各个环节，未来学校的各项工作都离不开大数据，所以要加强对教职员工的相关培训。
总之，大数据时代的教育竞争是对核心数据的争夺和利用，学校要想在这场深刻变革中获得长足发展，就得充分认识大数据的重要性，不断获取核心数据，不断挖掘和利用好数据，才能适应新时代教育的发展，才能从变革中胜出，从而促进学校教育的整体发展。
中图分类号：TM76；TM63 文献标识码：B 文章编号：1009-914X（2016）25-0373-03
1 引言
半个世纪以来，随着人类对自然和社会认识的进一步加深及人类活动的进一步扩展，科学研究、互联网应用、电子商务、移动通信等诸多应用领域产生了多种多样的数量巨大的数据。这不仅使得世界充斥着比以往更多的信息，而且其增长速度也在加快。信息总量的变化最终导致了质变，最先经历信息爆炸的学科，如天文学和基因学，创造出了“大数据”这个概念。时至今日，这个概念几乎已应用到了所有人类致力发展的领域中。大数据（BIG DATA）的出现对传统的数据存储、数据处理和数据挖掘提出了新的挑战，同时也深刻地影响着人类的生活、工作和思维。
2 什么是大数据
2.1 大数据的概念
说起大数据，从字面意思来讲就是巨量数据集合，到底有多大？可能很多人并没有很具体的概念。一组名为“互联网上一天”的数据告诉我们，一天之中，互联网产生的全部内容可以刻满1.68亿张DVD；发出的邮件有2940亿封之多（相当于美国两年的纸质信件数量）；发出的社区帖子达200万个（相当于《时代》杂志770年的文字量）；卖出的手机为37.8万台，高于全球每天出生的婴儿数量37.1万。国际数据公司（IDC）的研究结果表明，2008年全球产生的数据量为0.49ZB，2009年的数据量为0.8ZB，2010年增长为1.2ZB，2011年的数量更是高达1.82ZB，相当于全球每人产生200GB以上的数据。而到2012年为止，人类生产的所有印刷材料的数据量是200PB，全人类历史上说过的所有话的数据量大约是5EB。IBM的研究称，整个人类文明所获得的全部数据中，有90%是过去两年内产生的。
然而大数据并非一个确切的概念。对于“大数据”（Big data）研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。而麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模（Volume）、快速的数据流转（Velocity）、多样的数据类型（Variety）和价值密度低（Value）四大特征，即4V特征。在维克托・迈尔-舍恩伯格及肯尼斯・库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。业界学者杨善林认为在海量数据的量化基础上，同时具备大分析（Big Analytics）、大带宽（Big Bandwidth）、大内容（Big Content）等三大要素的巨大数据集。谢国忠则认为大数据的本质是利用企业内部信息，将庞大的信息进行有效整合，并结合新的数据类型为企业创造价值。
2.2 大数据的特点
大数据有有它自己的特征。目前工业界普遍认为大数据具有 4V+1C 的特征：
（1）数据量大（Volume）。存储的数据量巨大，拍字节级别是常态，因而对其分析的计算量也大。
（2）多样（Variety）。数据的来源及格式多样，数据格式除了传统的格式化数据外，还包括半结构化或非结构化数据，比如用户上传的音频和视频内容，而随着人类的活动的进一步拓宽，数据的来源更加多样。
（3）快速（Velocity）。数据增长速度快，同时要求对数据的处理速度也要快，以便能够从数据中及时地提取知识，发现价值。
（4）价值密度低（Value）。需要对大量的数据处理挖掘其潜在的价值，因而，大数据对我们提出的明确要求是设计一种在成本可接受的条件下，通过快速采集、发现和分析从大量、多种类别的数据中提取价值的体系架构。
（5）复杂度（Complexity）。对数据的处理和分析难度大。
IBM在此基础上又提出了5V特征，即在4V的基础上增加了真实性（Veracity）。
3 什么是大数据思维
要想大数据为人所用， 必须改变原有对数据的认识，将大数据与创意结合，并能充分利用数据分析技术，为企业和国家决策提供依据。大数据研究专家维克托・迈尔-舍恩伯格指出，大数据时代，人们对待数据的思维方式会发生如下三个变化：第一，人们处理的数据从样本数据变成全部数据；第二，由于是全样本数据，人们不得不接受数据的混杂性，而放弃对精确性的追求；第三，人类通过对大数据的处理，放弃对因果关系的渴求，转而关注相关关系。事实上，大数据时代带给人们的思维方式的深刻转变远不止上述三个方面。我认为，大数据思维最关键的转变在于从自然思维转向智能思维，使得大数据像具有生命力一样，获得类似于“人脑”的智能，甚至智慧。
大数据思维是一种总体思维。过去，人们对搜集数据、处理数据形成了一个思维定势，那就是我们不可能搜集到相当多数量的数据，我们只能在力所能及的条件下选择一小部分去分析和处理，为了让数据处理变得更简单，对数据的选择就尽可能到最少，也由于当时信息处理水平的限制，导致所选的数据不具备代表性，盲目因素太多。当我们进行抽样调查来分析数据的时候，往往会以调查问卷的形式选择一部分样本进行分析，这为人们提供了不少的便捷，但相应的缺点也是一览无余，这种样本分析法不管你有多深入的去挖掘，它都只能代表总体数据中的一小部分，不能代表全部数据，也许样本调查的准确性会达到90%以上，但是依然会遗漏一些很有价值的数据，就会导致数据的失真。但是随着大数据时代的到来，我们可能还没有意识到我们已经具备处理和分析大数据的能力，我们的思维正在一点点的改变，首先，我们不能一直依靠对小部分数据样本进行分析，而是转向为分析全部数据。
大数据思维是一种容错思维。在小数据时代，由于收集的样本信息量比较少，所以必须确保记录下来的数据尽量结构化、精确化，否则，分析得出的结论在推及总体上就会“南辕北辙”，因此，就必须十分注重精确思维。然而，在大数据时代，得益于大数据技术的突破，大量的非结构化、异构化的数据能够得到储存和分析，这一方面提升了我们从数据中获取知识和洞见的能力，另一方面也对传统的精确思维造成了挑战。维克托・迈尔-舍恩伯格指出，“执迷于精确性是信息缺乏时代和模拟时代的产物。只有5%的数据是结构化且能适用于传统数据库的。如果不接受混乱，剩下95%的非结构化数据都无法利用，只有接受不精确性，我们才能打开一扇从未涉足的世界的窗户”。也就是说，在大数据时代，思维方式要从精确思维转向容错思维，当拥有海量即时数据时，绝对的精准不再是追求的主要目标，适当忽略微观层面上的精确度，容许一定程度的错误与混杂，反而可以在宏观层面拥有更好的知识和洞察力。
大数据思维是一种相关思维。在小数据世界中，人们往往执着于现象背后的因果关系，试图通过有限样本数据来剖析其中的内在机理。小数据的另一个缺陷就是有限的样本数据无法反映出事物之间的普遍性的相关关系。而在大数据时代，人们可以通过大数据技术挖掘出事物之间隐蔽的相关关系，获得更多的认知与洞见，运用这些认知与洞见就可以帮助我们捕捉现在和预测未来，而建立在相关关系分析基础上的预测正是大数据的核心议题。通过关注线性的相关关系，以及复杂的非线性相关关系，可以帮助人们看到很多以前不曾注意的联系，还可以掌握以前无法理解的复杂技术和社会动态，相关关系甚至可以超越因果关系，成为我们了解这个世界的更好视角。维克托・迈尔-舍恩伯格指出，大数据的出现让人们放弃了对因果关系的渴求，转而关注相关关系，人们只需知道“是什么”，而不用知道“为什么”。我们不必非得知道事物或现象背后的复杂深层原因，而只需要通过大数据分析获知“是什么”就意义非凡，这会给我们提供非常新颖且有价值的观点、信息和知识。也就是说，在大数据时代，思维方式要从因果思维转向相关思维，努力颠覆千百年来人类形成的传统思维模式和固有偏见，才能更好地分享大数据带来的深刻洞见。
大数据思维是一种智能思维。大数据使得人可以被量化，但却让计算机更具智能。工业革命使得需要人完成的工作只用机器就可以完成了，但大数据却可以使得机器有了分析问题的能力。卫星定位系统积累的大量数据，可以制作电子地图和导航，还可以通过分析数据开发出无人驾驶汽车，让机器变得拥有智慧。如何让计算机拥有智慧，除了要拥有大数据外，必须变革思维，创新分析思路与过程，不断探索新的方法，让堆积如山的数据不断创造新的价值。例如手机上常用的地图软件，可以搜索很多路况同步数据，为用户提供出行信息。这只是大数据最基础的应用，继续延伸， 是否可以根据上下班时段的交通流量估算失业率；是否可以通过对主要商圈的监控估算消费情况；是否可以将废弃的数据重新创造价值；是否可以利用用户在拼写过程中的拼写错误让拼写检查软件更优化；是否可以通过分析各实体和产业之间的关联关系，预测各行业发展趋势，找出关键影响因素；是否可以分析顾客的偏好，量体裁衣式的为顾客提供更好的服务； 是否可以运用大数据模拟现实情境，发掘出新的需求和更好的回报；是否可以创新大数据的使用模式，将大数据深加工，用户可以很方便地结合自身情况选择适合自己的产品。
4 建立大数据思维促进中国铁路创新
4.1 以数据为核心
大数据时代，计算模式也发生了转变，从“流程”核心转变为“数据”核心。Hadoop体系的分布式计算框架已经是“数据”为核心的范式。非结构化数据及分析需求，将改变IT系统的升级方式：从简单增量到架构变化。例如：IBM将使用以数据为中心的设计，目的是降低在超级计算机之间进行大量数据交换的必要性。大数据下，云计算找到了破茧重生的机会，在存储和计算上都体现了数据为核心的理念。大数据和云计算的关系：大数据与云计算是一个问题的两面，一个是问题，一个是解决问题的方法。而大数据比云计算更为落地，可有效利用已大量建设的云计算资源，最后加以利用。中国铁路信息化历经50余年的发展，取得广泛的应用，拥有海量的资源，大数据将成为推动中国铁路创新发展的新引擎。随着中国铁路信息化的到来，中国铁路发展的战略需求也发生了改变，数据的处理分析成为了一个关注重点，软件也将从编程为主转变为以数据为中心。如何高效地从海量数据中分析、挖掘所需的信息和规律，结合已有经验和数学模型等生成更高层次的决策支持信息，获得各类分析、评价数据，为设备管理、网络状态评估等提供决策支持，为铁路工作人员提供有用信息，成为铁路未来发展的趋势。
4.2 全样本考虑
统计学里头最基本的一个概念就是，全部样本才能找出规律。为什么能够找出行为规律？一个更深层的概念是人和人是一样的，如果是一个人特例出来，可能很有个性，但当人口样本数量足够大时，就会发现其实每个人都是一模一样的。在大数据时代，无论是商家还是信息的搜集者，会比我们自己更知道你可能会想干什么。现在的数据还没有被真正挖掘，如果真正挖掘的话，通过信用卡消费的记录，可以成功预测未来5年内的情况。大数据的核心就是预测，大数据能够预测体现在很多方面。大数据不是要教机器像人一样思考，相反，它是把数学算法运用到海量的数据上来预测事情发生的可能性。正因为在大数据规律面前，每个人的行为都跟别人一样，没有本质变化。例如：大数据助微软准确预测世界怀。微软大数据团队在2014年巴西世界足球赛前设计了世界怀模型，该预测模型正确预测了赛事最后几轮每场比赛的结果，包括预测德国队将最终获胜。预测成功归功于微软在世界杯进行过程中获取的大量数据，到淘汰赛阶段，数据如滚雪球般增多，常握了有关球员和球队的足够信息，以适当校准模型并调整对接下来比赛的预测。世界杯预测模型的方法与设计其它事件的模型相同，诀窍就是在预测中去除主观性，让数据说话。利用大数据技术可以从铁路的客票系统、货票系统、货运电子商务平台、运输信息集成平台等信息系统采集海量的原始信息，这些信息可以为市场分析和预测提供有力的支撑。与传统方法侧重于对调查抽样统计数据的分析不同，基于大数据技术的市场分析和预测技术既能够利用上述海量数据，分析客、货运量完整全面的变化过程，深入挖掘运量变化的规律性，进而预测市场的未来走势；还能够利用GPS、传感器等物联网手段采集获取精细的运输数据，并且通过互联网接入的政治、经济、其他交通方式、气候等影响因素数据，将旅客和货物流量流向的精细化分析与影响因素关联性分析相结合，挖掘各影响因素对铁路运量变化影响的方向和时滞，量化各因素对运量变化的影响。在对典型设备故障诊断与状态预测方面，可以综合利用GSM-R接口监测数据、网络管理信息、场强和服务质量动态检测数据、无线干扰检测监测数据等数据源，采用数据挖掘技术，研究监测检测数据综合分析方法、多源数据关联分析方法和适用于通信业务数的故障诊断分析方法，建立典型故障诊断模型、GSM-R网络QoS测试综合评价模型、CTCS-3列控系统降级故障表示模型等，对列车控制的车载系统、地面控制系统、无线通信网络交互作用进行可靠性评估和故障综合诊断，为列车控制系统降级原因分析、GSM-R网络维护、网络优化等提供支持。
4.3 用信息找人
互联网和大数据的发展，是一个从人找信息，到信息找人的过程。先是人找信息，人找人，信息找信息，现在是信息找人的这样一个时代。信息找人的时代，就是说一方面我们回到了一种最初的，广播模式是信息找人，我们听收音机，我们看电视，它是信息推给我们的，但是有一个缺陷，不知道我们是谁，后来互联网反其道而行，提供搜索引擎技术，让我知道如何找到我所需要的信息，所以搜索引擎是一个很关键的技术。例如：从搜索引擎――向推荐引擎转变。今天，后搜索引擎时代已经正式来到，什么叫做后搜索引擎时代呢？使用搜索引擎的频率会大大降低，使用的时长也会大大的缩短，为什么使用搜索引擎的频率在下降？时长在下降？原因是推荐引擎的诞生。就是说从人找信息到信息找人越来越成为了一个趋势，推荐引擎就是说它很懂我，知道我要知道的东西。例如，我们结合12306网站数据及实名制购票资料，对出行旅客的个人信息、出行线路、出行时间周期进行的统计分析，同时借助互联网大数据预报人员迁徙情况，最后完全勾勒出旅客的需求，使铁路可以充分了解每一位旅客，实时的知道他们旅行目的地，以及出发时间及需要的服务层次，有针对性地推送一些旅游服务、餐饮、住宿、景观等方面的产品，使得营销工作更加精准，营销效率也更高。
5 大数据思维带来的挑战
大数据的发展速度有目共睹，想要在竞争社会中走的更远，人人都需要建立大数据思维。那么在建立大数据思维中，有哪些挑战呢？
第一，大数据应用和商业回报间的矛盾。未来的大数据应用一定是可定制的、可在云上打包的服务，即将业务、数据、分析能力多面定制，一起打包。企业需要可快速部署和有明确投资回报率的应用，这涉及到数据的质量和丰富度及业务人员对数据的依赖度。这需要企业内各个部门的有效协作，并规避无法确定的风险，比如分析结果的不确定性，业务场景的复杂性，人员的能力缺失等。传统手段，比如通过社交媒体、邮件、网络文本等获得的数据量非常庞大，但解破这些数据的关系和价值却给企业带来巨大挑战。企业希望成为数据的主人，但在辨析数据的有效性、能带来哪些商业回报，以及如何帮助决策等方面却缺乏有效工具。
第二，海量数据与核心数据间的矛盾。要做大数据，首先要了解自己的企业，或者企业所在的行业的核心是什么。我们发现，有很多企业在竞争过程中，最终不是被现有竞争对手打败，而是被很多潜在未知的竞争对手打败的。举例来说，大部分人都认为亚马逊是做电商的，但其实亚马逊现在最主要的收入来自云服务，也就意味着亚马逊的核心数据（价值）是云服务。只有在此基础上，亚马逊建立的大数据才是有效的、服务于战略的。
第三，内部数据与数据间的矛盾。企业所获取的数据，很大一部分是内部数据，这让企业面对另一个挑战，如何让内部数据与相关数据产生联系并使之成长。只有让内外部数据的交融在用户场景中，才能为业务用户描绘更精准的业务发展空间。
第四，规律发现和规律失效间的矛盾。调研显示，从大数据应用总结出的规律来看，建立失效预警是特别必要的。当企业通过大数据分析发现一个规律，并在现实中应用时，必须要设立一些预警指标。当指标达到一定程度，既表明之前发现的规律已经失效，必须发现新的规律、建立新相关指标，这称为数据价值的有效性。没有根据实际应用场景的变化而及时更新的数据，挖掘得再多都是无谓的浪费，熟练应用失效预警，企业才能培养起团队对数据真实有效的敏感性。
6 结语
大数据思维把人们从旧的发展观、价值观中解放出来，复杂技术的涌现和科技进步促使人们开始从大数据思维视角重新审视世界，从而获取正确理解世界的角度性工具。大数据思维是客观存在，大数据思维是新的思维观。用大数据思维方式思考问题，解决问题是当下企业潮流。中国铁路正处于加快转变发展方式的新形势下，为了适应市场化经营要求，构建铁路运输企业的核心竞争力，提升铁路的持续发展能力和盈利能力，应用大数据思维去推动铁路创新发展具有极其重要的现实意义。
参考文献：
[1]李国杰，程学旗.大数据研究：未来科技及经济社会发展的重大战略领域――大数据的研究现状与科学思考[J].中国科学院院刊.2012（06）
[2]孟小峰，慈祥.大数据管理： 概念、技术与挑战[J].计算机研究与发展，2013，50（1）
[3]王卫东，徐贵红，刘金朝，张文轩，邢小琴.铁路基础设施大数据的应用与发展[J].2015（05）
[4]维克托・舍恩伯格，肯尼斯・库克耶.大数据时代[M].杭州：浙江人民出版社，2013.
[5]王元卓，靳小龙，程学旗.网络大数据：现状与展望[J].计算机学报. 2013（06）
[6]刘婷，徐寰春.浅析大数据时代背景下智慧城市规划[J].智能城市.2016（09）
[7]李艺杰.浅谈大数据时代数据信息现状及发展[J].中国新技术新产品. 2014（15）
[8]冯永强，张良，冯怡，朱尚杰.大数据应用的现状与展望[J].信息化建设. 2015（12）
[9]张保国.浅议大数据在公交经营管理中的应用[J].城市公共交通.2016（03）
[10]方巍，郑玉，徐江.大数据：概念、技术及应用研究综述[J].南京信息工程大学学报（自然科学版）.2014（05）
[11]邬贺铨.大数据时代的机遇与挑战[J].求是.2013（04）
[12]王浩，张怡.大数据时代下人类思维方式变革的趋势[J]. 新西部（理论版）. 2015（02）
现阶段，各大院校信息化建设迈入新的发展阶段，数字化业务系统的功能进一步扩展，在不同程度上提升教育信息化水平。随着大数据等新技术的快速发展，大众已进入大数据发展时期，此时，软硬件系统会产生大量的数据信息，如何有效发挥上述海量数据的隐藏价值，提升教育管理信息化水平，成为研究者重点关注、思考的问题。本次研究以大数据为研究视角，重点阐述大数据对教育管理工作产生的影响，并提出一系列有效开展教育管理改革的方法以期为教育信息化发展提供重要的借鉴和参考。
一、大数据时代对教育管理信息化产生的影响
（一）赋予教育活动更大的灵活性
大数据是依据现代信息技术大规模、复杂的数据集合，其具有规模性、多样性的特征，信息处理和存储能力得到明显改善。大数据技术的应用在于通过充分挖掘和分析数据，构建师生合作、互动平台，鼓励学生与老师进行交流和互动，充分发挥大数据的教育教学效果。为尽可能提升教学质量和效率，新时期各类教学必须具有较强的灵活性和前瞻性，从而适应现代社会的发展。因诸多因素的影响，传统教育管理模式在提升教育活动灵活性等方面无法获得较好的成效。基于大数据背景下，受教育者可依据自己的需求挑选学习内容，如此就能有效提高受教育者学习的积极性和主动性。
（二）有利于学生与教师之间的互动
基于传统教育活动下，日常出现下列情况：老师不停地讲解、学生也在认真听讲，但很少有学生主动、积极地回答问题。由此表明，在传统的教学中，教师与学生之间的互动性不强，这种教学课堂无法获取良好的效果。在大数据技术应用之后，学生答题、复习等信息可以及时被有关设备监测并记录，老师通过深入分析学生的各种信息，并第一时间向学生反馈其日常学习中存在的问题，进而提升学生和教师之间的互动性，进而改善师生的关系。大数据发展背景下，学校师生几乎处于“透明”的生存状态，每个人在数据空间内均会留下痕迹，展示师生的需求意愿等情况。管理人员只要收集和分析有关数据，便能真实掌握现实师生的行为，准确定位师生的实际需求，达到精细化管理的效果。
（三）有利于快速普及优质的教育资源
现阶段，我国计算机普及率达到较好水平，此时，越来越多的人利用电脑展开学习。因每个受教育者知识储备和理解能力存在显著差异，因此，每个人偏向的课程有所差异。大数据背景下，人们可依据自身的需求选择课程，那些处在偏远地区的受教育者可享受全国乃至全世界优秀老师的指导，这种方式不仅达到按需教学的效果，也有利于快速普及优质教育资源，进而提升受教育者的知识水平。
二、大数据时代如何开展教育管理改革
信息技术的更新换代无法预料，其覆盖面、处理能力等方面均无法准确掌握，但始终追求更加卓越的发展。高校教育管理信息化建设应紧跟时展进程，在明确教育建设目标基础上，为提升教育管理效率保驾护航。众所周知，高校管理工作设计部门比较复杂，信息传递准确性、时效性不佳，此时，如何做好教育管理改革工作尤为重要。
（一）大力推行信息化改革
大数据时代的来临从根本上颠覆传统的教育管理模式，满足广大师生的需求。此时，每位教育人员要树立大数据思维模式，善于开展数据分析，以此制定最佳的管理，促使教育教育改革顺利进行。随着大数据技术的广泛应用，教育者的经验和高校办学理念不再是教学的主导原因，利用数据辅助教学，以期提升高校的教学效果。同时，根据学校整体发展层面开展教育信息化改革工作，构建相互交流和共享的平台，满足大众对数据的需求。众所周知，构建信息管理系统是保障大数据技术顺利实施的基础，只有建立数据管理体系，方可充分挖掘大数据带来的有效信息，提高各方数据分析和处理能力。
（二）创新教育信息化管理模式
使用大数据技术重点在于教会人们如何应对数据问题，即：追根溯源，找到引发问题的主要原因，以此提出恰当的解决对策。传统的教育管理模式中，数据存在完整性不足、连贯性不佳等问题，导致决策者制定的决策出现片面性、主观性较强的问题。使用大数据技术后，有利于及时克服以上弊端，更加民主地解决上述问题。教育管理信息需要教育者在管理手段上广泛使用计算机信息技术，借助教育管理软件对日常教学管理中的选课、排课、教务等环节实施高效、准确的管理，以此适应院系和学院之间的管理要求。
（三）提升教师的素质水平
古语有云“师者，传道、授业、解惑也”，这一句简单的话就概括教师这一职业的重要性。因此，教师必须付出十倍乃至百倍的精力加强业务学习和管理，使自己真正成为解惑者。想要成为新时代的学习者还应具有改革意识，在掌握原有专业知识基础上，不断吸收先进的科学技术，提高自身的综合素质水平，重点强化自身解答问题、查找资源、指导学生解决问题等能力，利用一切机会了解各信息设备的运行原理，在学习过程中有目的提升数据的检索、存储等熟练程度。必须注意，为尽可能调动教师工作的积极性，充分发挥优秀教师的带头作用，学校必须设置科学的激励机制，事实证实该措施能获得良好的效果。
（四）强化信息化管理各环节
随着高校信息化的建设和大数据技术的发展，校园网在日常教学和管理过程中发挥着重要作用。高校师生进行教学、科学研究等环节中存在诸多隐患，如：病毒入侵、传播不良信息等。此时，做好高校网络安全的建设和防护工作，成为解决上述问题的重要内容。通过入侵检测系统，对系统中的漏洞进行扫描，及时督促商家更新软件，确保数据的安全。大数据发展阶段，数字化管理主要展现在数据的采集工作。强化高校对教学、科研等方面的采集，方可储备一定的的数据信息，以此建立完善的信息系统。同时，利用已采集的数据信息，在合理的方式下获取真实的数据，实时掌握各项数据，以此提出更好的应对措施。加之，在大数据背景下对科研、管理等信息进行整合，如：教师的信息、学生隐私等，整合数据信息有利于维护师生的隐私，有效保护各个方面的数据信息，达到最佳的管理效果。
三、大数据技术在教育管理信息化中的应用展望
通过对学校的各个信息系统数据、多方采集的信息资源（包括楼宇门禁、校园局域网、供电管理、音视频资源）、社交网络等信息的多维度融合，数据关联分析、挖掘，可以发现大数据技术应用能够在以下领域得到深度发展：（1）学生管理：可以了解学生的出勤情况、心理情况、学习情况，全面客观地记录学生成长轨迹，通过多维度反映学生发展状态的数据，为学生辅导员多方面了解学生提供新渠道，为授课教师做到因材施教、个性化指导服务、提高学生的多方面能力、挖掘学生的兴趣度提供可信依据，还能为学生选择就业方向等工作提供指导；（2）教学管理：结合教师在课程平台中的问题答疑及作业布置情况、上课学生出勤情况、登录无线局域网（Wifi）情况、学生考试情况、课堂的视频资源、学生评教信息等数据可以对教师的教学情况进行全面的了解，有利于规范组织教学、示范教学；（3）院校管理：大数据时代，管理者可以通过学校师生员工在数据空间的信息痕迹，收集和分析相关数据，借以洞悉兴趣爱好、需求意愿、性格特征等内心世界，预判现实中师生员工的未来行为，准确定位师生的需求，从而实现精细化管理；（4）后勤管理：通过学生的餐饮数据可以调整食堂的布局和用餐的品种以及用餐时间的保障，通过课表信息、学生进出教学楼的信息对教室电源控制管理起到节能效果等。
总之，在大数据时代，利用大规模数据使碎片化的数据转化为容易整合的主体，借助集成和分析操作，让更多人了解大数据的本质并预测其未来发展趋势，展现教育管理信息化教学改革中发挥的重要作用。本论文以大数据技术为研究视角，深入分析大数据对教育管理信息化的影响，并提出大数据时代如何进行教育管理改革，以期为更好地开展教育管理工作提供重要借鉴和指导。
参考文献：
[1]李亚翠.高校教育管理信息化迎来大数据时代[J].大学教育，2015，11（3）：181-182.
[2]曲遥.大数据时代的教育管理模式改革探讨[J].中国管理信息化，2016，19（4）：253.
[3]潘安，徐玮.教育管理信息化新发展：走向智慧管理[J].东方教育，2015，15（2）：226-226.
中图分类号：G642.1 文献标志码：A 文章编号：1674-9324（2014）50-0048-02
2012年3月29日，美国奥巴马政府宣布将投资2亿美元实施“大数据研究与开发计划”，该计划的主要任务之一就是希望借助大数据技术来改善美国当前的教育和学习模式。长期以来，美国一直把教育上的领先地位看做是维持其全球领导力的重要保障，此番投入巨资改善教育模式，无疑是传递了一个重要信号――一场借力大数据改变传统教育模式的序幕已经拉开，而这种改变必将对我国传统的高校思想政治教育模式产生强烈冲击。
一、何谓大数据
根据维基百科的定义，“大数据”（Big Data）指无法在一定时间内用通常的软件工具进行捕获、管理的数据集合。大数据的出现是信息社会发展到一定阶段的必然产物。而物联网、云计算技术则为其提供了技术保障。大数据的特点可以总结为4个V，即Volume（体量浩大）、Variety（模态繁多）、Velocity（生成快速）和Value（价值巨大但密度很低）。[1]首先是规模巨大。数据量已从GB到TB再到PB级。Google公司通过大规模集群和MapReduce软件，每月处理的数据量超过400PB；百度每天大约要处理几十PB数据；Facebook注册用户超过10亿，每月上传的照片超过10亿张，每天生成300TB以上的日志数据；淘宝网会员超过3.7亿，在线商品超过8.8亿，每天交易数千万笔，产生约20TB数据。数据集合的增长速度已经远远超过了人们的想象。其次是类型繁多。传统数据集合大多是结构化的，而随着物联网和互联网数据的剧增，音乐、视频、图片等半结构化和非结构化数据的比例大幅上升，至2012年末，非结构化数据量的比例已经接近75%。再次是生成更新速度快，大数据通常以数据流的形式快速动态的产生，时效性非常强，对数据流的掌控程度是有效利用数据的关键。最后是价值密度低。当如此海量规模的数据呈现在人们面前，用户往往无所适从，如何从中挖掘出对用户有价值的信息才是大数据发展的关键点。根据《大数据时代》的作者维克托・迈克-舍恩伯格的观点，大数据的核心功能体现在预测上面。而且这种预测的基础来自于数据的相关性而非因果联系，这是大数据时代带给人类思维方式的最大变革。“知道‘是什么’就够了，没必要知道‘为什么’。在大数据时代，我们不必非得知道现象背后的原因，而是要让数据自己‘发声’”。[2]这一点已经在商业、农业、医疗等诸多领域得到了广泛应用。例如：沃尔玛可以根据消费者的采购行为进行数据分析，从而把顾客习惯同时购买的商品摆放在一起进行销售，并且取得了非常好的效果。谷歌公司则通过分析网民搜索内容分析全球流感与相关疫病的状况，建立“谷歌流感趋势”，与美国疾病控制和预防中心提供的报告对比，该指标追踪疾病的精确率达到97%。阿里公司根据在淘宝网上中小企业的交易状况筛选出财务健康和讲究诚信的企业，对他们发放无需担保的贷款。目前已放贷300多亿元，坏账率仅0.3%。[3]这些领域的成功经验无疑给教育行业提供了有益的参考和借鉴。
二、大数据在教育领域的实际应用与启示
大数据在商业领域的大规模应用，很快就扩展到教育领域，并且得到了政府的大力支持。美国教育部门对大数据的运用主要是创造了“学习分析系统”――一个数据挖掘、模化和案例运用的联合框架。这些“学习分析系统”旨在向教育工作者提供了解学生到底是在“怎样”学习的更多、更好、更精确的信息。例如，一个学生最近的学习成绩下降明显，那么是什么原因引起的呢？过去，这只能借助于教师的个人经验，并通过与学生及家长的沟通来寻找答案。但有时学生的日常行为与以往并无区别，甚至连学生自己和家长也找不到原因所在。而借助于大数据则可以发现学生学习成绩下降与日常行为表现的某种相关性，从而帮助教师和家长有针对性地对学生进行辅导和教育。正是看到了大数据在教育领域的美好前景，美国很多著名的商业公司已经开始开发针对个性化学习的数据分析系统，并进入到了实践阶段。例如，美国的IBM公司就与亚巴拉马州的莫白儿中学合作，试图利用大数据分析技术来降低该校的辍学率，并提升学生的整体成绩（该校的辍学率一度达到48%）。“西维塔斯学习”（CivitasLearning）公司则在高等教育领域内建立起规模庞大的跨校学习数据库，里面记录了100多万学生的个人信息记录和700万个课程学习记录，运用大数据技术可以让用户提前发现导致学生成绩下降甚至辍学的警告性信号，并提供改进课程体系和优化教学资源的相关性建议。“梦盒学习”（DreamBox Learning）公司和“纽顿”（Knewton）公司则开发了各自版本的利用大数据的适应性学习（adaptive learning）系统――“我的实验室/高手掌握”（MyLab/Mastering）。这款产品将向数百万名学生提供个性化学习服务，通过提供真实可靠的学习数据来使学校降低教学成本并提升学习效果。虽然这些公司所开发的各式各样的基于大数据技术的学习分析系统还处于实验的初期阶段，具体效果如何目前还不得而知，但是，教育变革的发展趋势已然逐渐清晰。第一，个性化学习将会是未来教育变革的主要突破点，人们盼望已久的因材施教教育模式将逐渐成为可能。第二，数据分析将在教育领域发挥越来越大的作用。未来的教师，将不仅仅是人类灵魂的工程师，而且还是灵魂数据的分析师。每一个教育从业者都应该做好这方面的思想准备。
三、思想政治教育面对教育变革的应对策略
（一）强化数据意识，建立一整套包括数据的积累、存储、标准化与隐私安全的系统解决方案
“大数据发展的核心动力来源于人类测量、记录和分析世界的渴望”。[4]数据化意识，是大数据时代思想政治教育工作者必须具备的基本素质。数据化就是指“一种把现象转变为可制表分析的量化形式的过程”。而这个过程的关键在于信息记录的标准化。在大学校园里，学生每天的学习、生活等日常行为都会产生大量的数据信息。从上课出勤，到图书馆的借阅记录，从校园一卡通消费情况到校内论坛里的留言情况，从校内视频监控录像到校内快递邮件的收发信息等，这些海量的信息资源在大数据时代都是了解学生思想发展动态的重要基础。而若想将如此庞大的信息转化为数据，必须要求在信息记录的过程中进行标准化操作，并且设立主管部门由专业数据人才进行统筹管理。只有经过标准化处理之后的信息才能转化为数据资源，并从中挖掘出有价值的信息。同时，庞大的数据资源也会带来一系列隐私安全的问题，如何保障数据的安全性，个人数据信息的私密性，这要求高校管理部门和思想政治教育工作者之间的通力合作，紧密配合才可能实现。
（二）转变教学方式，打造个性化的思想政治教育模式
思想政治教育是高等教育的重要组成部分，离不开高等教育发展的大背景与大趋势。未来的高等教育在固守传统校园阵地的基础上，大规模开放远程教育MOODCS模式将是大势所趋。目前，全世界顶尖的高等学府都已经开发或者加入了MOODCS，如哈佛大学和麻省理工学院联合开发的EDX以及斯坦福大学开发的就吸引了大批顶尖知名学府的加入，北京大学和清华大学也已经加入了EDX。MOODCS的最大优势是可以将世界上最优秀的课程资源通过网络实现资源共享，这样可以让那些对某一领域感兴趣的人随时随地聆听这一领域最优秀教授的教诲和指导。这一模式同样适用于我国的思想政治教育课程。目前，各个高校思想政治教育的教学质量参差不齐，缺乏一流的教学名师以及优秀教学资源的不均衡分配是重要原因。如果引入MOODCS模式，一方面，可以让一些优秀的教学名师把主要精力放在课堂教学上面，形成一支以教学名师为核心，包含资料收集、视频制作、剪辑处理、数据分析与技术维护等众多教辅人员组成的教学团队。借助MOODCS平台与大数据技术，实现真正意义上的大规模开放式远程教育。
（三）加强思想政治教育数据人才的培养
大数据人才的匮乏目前已经成为制约大数据未来发展的关键性因素。而思想政治教育领域内的数据人才目前几乎是一个空白领域。在我国当前的教育体制下，数据分析属于理工学科，而思想政治教育属于人文社会学科，二者之间跨度非常大。既要精通数据分析又要熟悉思想政治教育内在规律的人才培养将是未来成败的关键所在。目前来看，思想政治教育作为理论一级学科下面的二级学科，在学科人才的培养和选拔上应该向数理统计专业方向倾斜，尤其是在硕士生和博士生的培养上更是应该注重吸纳数理统计专业的本科生参与进来，丰富思想政治教育学科理工科出身的人才贮备，增设思想政治教育数据分析的研究方向，培养一批能够适应大数据时展的思想政治教育数据分析人才队伍。
参考文献：
[1]李国杰，程学旗.大数据研究：未来科技及经济社会发展的重大战略领域――大数据的研究现状与科学思考[J].中国科学院院刊，2012，（6）.
一、大数据时代高校学生管理面临的变化
（一）信息化环境下，教育背景发生了巨大变化
高等教育从开始的精英教育转变为现在的大众教育。单一教育转为多元教育，呈现课程、实践、创业、实习、心理、体育等多元的教育方式和评价角度；“封闭式”校园转为开放校园，互联网、数字校园为学生提供了更加广阔学习和社交空间。
（二）学生的活动发生转变
教育背景的变化催生了学生的变化。新时代的学生与以往有什么不一样呢？首先，学生的活动不再局限于课堂，他们开始积极地参与课堂以外的各种各样的活动，例如创业，社会活动、实习等。其次，学生的学习不再局限于书本，他们开始活跃于各种网络在线课堂，热衷于电子知识的学习。最后，学生的思想不再局限于被管理，他们开始有自己的主见和主张，崇尚个性，追求自我的实现。正式由于新时代学生的这些新变化，让我们的学生管理面临前所未有的挑战。
（三）当前学生管理面临的问题
（1）被动管理。目前由于学生管理者缺乏有效途径获取每个学生的实时情况，无法对学生主动关怀。常常是在异常发生后，学生管理者才被告知去善后。这种亡羊补牢的方式让学生受到伤害，也让学生管理者每日疲于应付，身心疲惫却得不到学生和学校的认可。
（2）群体管理。当前管理主要以班级为集体统一管理。开班会、班级活动等都是最主要的方式。但是在信息爆炸、文化价值观多元化趋势日益增强的今天，每个学生的价值观、性格、兴趣爱好都千差万别，“一刀切”的群体管理方式已经无法适应现实需求。与知识学习相比，思想政治教育和学生管理是最需要个性化的，但我们现在基本都是实行同质化管理。一人得“病”全体学生都得“吃药”，这种状况既不科学，效率又非常低。
（3）粗放管理。传统管理重在管理学生上课情况和人身安全。常常采用点名、手工填表等粗放管理方式。而当今学生的校园和社会生活多姿多彩，学生思想活跃，个人意识增强，价值观容易受到社会影响。粗放管理的方式不能发现学生的细微变化，现实中常常由于细微的忽视而酿成大错。
二、大数据学生管理建设的挑战
（一）大数据在学生管理方面的关注和投入较少
在慕课（MOOC）如火如荼开展的同时，各大高校针对学生管理的大数据应用却黯然失色，缺乏应有的关注和投入。其实用户行为分析早已是各大电商、企业等最核心的大数据应用。只有了解用户，才能提供最贴心的服务。同样，高校只有了解学生，才能真正让学生管理变成服务。虽然高校近年越来越重视学生管理，但是利用大数据对学生进行个性化的管理在教育行业还没有重视起来，也没有投入大量的人力物力进行研究和建设。
（二）数据应用中的安全与隐私保护
我国保护用户隐私的法律法规尚不健全。为了学生的安全，做到安全监管无死角，是否允许在校园各重点活动区域（课堂、食堂、宿舍、图书馆、第二课堂等）安装视频监控探头？为了获取学生行为，是否允许学校在学生不知情时通过校园卡或者手机等其他感知和探测技术获得学生数据？这些问题在整个教育行业都是个大难题。学校的信息部门如何在大数据环境下确保信息共享的安全性？如何为用户提供更为精细的数据共享安全控制策略？这些问题更需要进一步深入研究。
（三）信息化基础建设需完善
由于前期的校园信息化建设仅用于满足学生和教职工的基本需求，没有考虑到大数据的应用。如果要进行大数据的分析，目前学生个体数据的还远远不够。因此学校信息部门需要思考如何更多地获取或感知学生的数据，从而对应地完善信息化基础建设。
三、大数据时代高校学生管理的途径
大数据只是一种技术，技术必须要与业务有效地结合，才能产生最佳的结果。因此大数据时代高校学习管理的研究，不仅仅是信息部门的工作，也是学工部门的工作，更是全校层面应该统一思考和规划的重大课题。而如何利用大数据来进行提升高校学生管理能力的应用却关注和投入甚微。高校该如何开展大数据学生管理的建设呢？
（一）学生的数据如何采集
学生从报名、入学开始，到在校、毕业、离校、就业等整个过程都会有相应的数据产生，这些数据究竟怎么采集？可以利用一卡通校园卡或其他感知技术产生数据；利用数据交换平台接入学校各个部门业务系统的数据；通过学生在图书馆阅读纸质、电子书籍产生的数据；通过学生使用校内系统浏览新闻、社交等获取WED行为数据。另外，利用校园网内各种IT系统和设备产生的日志数据等等。
（二）学生的数据分析
通过对学生的大数据分析来得出一些相关性结论，提供给学生管理者参考。比如我们还可以根据学生每天在食堂吃饭的情况，判断其是否生活困难。也可以根据上网数据发现网瘾学生，根据学习情况挖掘可能学业困难学生，根据在校消费、门禁等发现在校率低的学生。总之，学生大数据分析可以让学生管理者实现精准管理，更有针对性的帮助与指导。
（三）学生数据应用
（1）安全方面。提前预警不在校、未归寝的危险信息号；异常发生以后利用数据追溯过去行为，追查原因；过去学校主要靠人发现学生晚上不回来，现在凭着大数据预警信息，可以及时发现学生晚归情况，及时进行处理。同时如果学生失联，可以调取历史数据，为寻找提供线索。
2大数据背景下高等学校教育管理的新思路
大数据时代的教育管理在履行教育管理职能的过程中将更加凸显管理的及时性、前瞻性、区分性、整合性、权变性等特点，为教育管理的变革带来了大机遇。
2.1利用数据挖掘技术改革教学模式和教学方法
高等学校是培养人才的场所，教育的出发点是希望通过知识的传授对学生成长产生影响，而知识的形成是一个长期的过程，模式一旦固定下来，改变就变得缓慢。在传统的教育过程中，对学生的影响大部分都是预先设定好的，在教学计划的指引下，教师与学生按部就班地开展教学活动。大数据完全有可能为这种教学活动重新注入新的活力，利用数据挖掘技术，对在纷繁复杂的日常教学中产生的数据进行综合分析，归纳出具有预测性的内容。例如，可以了解什么样的教学方法更适合学生的实际；当前上课的内容在哪个时间段更容易被学生接受；每个学生通过怎样独特的方式更容易掌握当前所学的内容；用什么方式巩固提高知识更有效等等。甚至还可以通过对教学行为中产生数据的分析，归纳出学生最近的学习、思想和行为倾向，有效地预防教学活动中不当行为的出现。应用教学数据分析，一方面，课程教学活动会根据数据分析产生的新情况进行调整；另一方面，新的知识与新的教学方法会随时被归纳出来，学习的内容更具有前瞻性。
2.2重视学习分析，促进教与学的融合
学习分析主要是对学生在学习中所形成的数据进行研究，对学生未来的学习表现以及潜在的问题进行合理的预测。学习分析在高等教育中的应用具有很多优势，在解决目前高校有关学习和教育经验等诸多问题时具有巨大潜力。学习分析包含了学生在学习方面有何特点、学习方法怎样、习惯怎样、兴趣如何，成绩如何等内容，通过校园的信息化系统不仅能获取学生的显数据，如作业完成的情况、实验技能的情况、考核结果及考试成绩，而且还能获取学生的隐数据，如参加课外及社团活动、互联网社交情况等，根据数据可以预测建立学生在课程学习过程中额外教学资源支持的需求模型、测量学生特别的潜质、构建能够改进和提高教学效率的弹性模式等，让学生拓展在当前学习环境下的理解能力，鼓励学生对自己的课程学习负责，增强学生自主管理学业发展的能力，为学生创造个性化的教育条件。对学生来说，学习分析能够让他们更好地了解自己在课程学习中所存在的问题，同时可以对自己的学习行为及习惯进行优化，掌握学习的主动权，自主开展个性化的学习;对于教师与管理者来说，可以利用学习分析结果对课程质量进行综合评估，从而能更加有效地改进教学方法、教学手段和教学内容，促进教与学的融合。
一、社保经办流程存在的不足
一个参保单位要为自己的员工办理社保业务，他提交的材料会经过哪些环节呢？
以北京市某社保中心为例。首先，参保单位向社保中心工作人员提交所需要的材料，经审核符合条件后，经办人员为其办理社保相关业务并留存纸质材料。一定周期后经办人员要以月为单位把经办的业务材料整理成档案提交档案科室。档案部门根据自己的工作进度安排档案扫描和装订。但是，如果某一笔业务经过基金监督科监察出现基金预警，那么经办人需要向基金监督科提交当时经办的业务材料，或者由基金监督部门从档案部门调阅此项业务的档案，以便对经办人员的所有操作记录进行筛查和分析，找出异常的原因。
仔细分析，不难看出这个社保部门工作的小片段反应出了社保经办流程中许多不足的地方。
首先，工作效率较低。基金监督部门需要分析某笔基金预警，必须先联系档案部门以及业务经办人确定所需档案存放的地方，然后联系存放人提交档案的复印件给基金监督部门，拿到档案后再进行筛查和分析，找出异常的原因。单此一项工作就需要三个部门甚至更多相关人员的配合，每次查找材料都会耗费大量时间，严重影响了各个部门的工作效率。
第二，浪费了人力、物力、财力。以一项简单的参保单位为员工变更姓名为例，如果是参保单位操作失误，需要提供《个人信息登记表》、《情况说明》、《参保人身份证复印件》共三张纸质材料。如果是参保人更改名称，除了上述材料外还需要参保人户口所在地派出所开具的《变名通知》。以某区社保中心登记科为例，每位窗口工作人员每天都会经办近百笔业务，一个月下来，所需要归档的材料约3000张左右。如果把这3000张材料按照规定的格式整理成档案，至少需要一到两个工作日。档案部门每次接收业务经办部门提交的档案时都需要重新拆封逐张核对，无误后依次扫描录入电脑。社保中心在编人员有限，档案部门往往需要外聘其他人员进行档案整理和录入工作。同时，档案的存放也是非常耗费人财物的。
第三，各环节容易出现差错。经办人收取档案和整理档案，其他部门调阅档案，档案的运送和存放等等环节因为经手人多等主观原因，或者存放久远、天气恶劣、设施不完善等客观原因往往容易造成档案的损毁和遗失。
第四，各个部门之间信息无法共享。各个部门如果需要某项材料进行数据的比对、分析等往往联系需要多个部门才能查阅，无法第一时间掌握信息。接收第一手信息的窗口岗位人员在档案的收集和整理方面，多考虑自己部门的需求，而没有站在全局的角度通盘考虑。从服务对象角度来看，来社保中心经办不同的业务的所提交的材料很多都是有重复的。如果因为经办人员的失误造成收取材料并没有把业务办理妥当，参保单位和个人还需要再次提交全部的材料。因此，给参保单位和社保中心各个部门都造成了一定的麻烦，信息孤岛现象越发严重。
由于历史问题，全国没有统一的标准体系：由于信息化部充分，经办水平还有待提高；由于时展，经办流程急需优化。这些都是社保经办工作发展所面临的困境。
二、优化社保业务经办流程的建议
（一）引入“大数据”的管理理念
随着互联网技术和计算机技术的不断发展，人类社会活动产生的数据正以几何倍数增长，这标志着人类社会已经向大数据时代迈进了。与其他领域相比，政府应用大数据技术，实现大数据理念具有天然的优势。主要原因有两个，一是目前而言，人类社会运行所产生的数据，绝大部分由政府掌握。二是就数据的全面性和使用的便捷性而言，政府也具有企业等主体不具备的绝对优势。因此，政府应当成为大数据战略的先行者和主力军。
大数据给国家治理模式带来的改变不仅仅是技术层面的，更重要的是为我们塑造了一个全新的治理理念，即大数据治国理念：社会运行可以量化、主动发掘信息和需求、通过数据间的关联性进行预测、基于全体数据而不是抽样数据进行分析、重视对数据的分析和使用方法。政府可以从五个方面来应用大数据：一是通过信息透明和共享产生综合效应；二是通过绩效评估提升工作效率；三是通过人群细分使服务更有针对性；四是政务智能化减少失误和防范风险；五是引导公共部门内外部创新。
（二）大数据理念下的社保办理流程构想
笔者认为，大数据理念下的社保经办将会从办理流程和机构设置两个方面发生大的变化：
如图1所示，基本而言，目前社保经办业务的发起主要以单位及个人的申请开始，社保经办机构只是被动受理业务。社保政策和办理流程主要以单方向的告知为主，缺少互动。同时，社保办理时的数据存储和使用也是以本部门为主，缺少信息共享。
