时间：2024-01-30 15:08:01
序论：速发表网结合其深厚的文秘经验，特别为您筛选了11篇大数据时代分析范文。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！
大数据在如今社会已经成为热点词汇，不仅在计算机领域，在其他各个行业都能够得到运用，为各个行业提供便捷，为了让大数据能够得到充分利用，下文将对大数据分析相关方面进行讨论。
一、大数据与大数据时代
（一）大数据大数据是在当今科技飞速发展的情况下，一种新兴的信息数据处理技术。随着社会科技的进步，各行各业对于数据的应用也越来越广泛，传统的数据处理技术耗时较长且精准度较为低下，已经不能满足现代科技对数据应用的要求。新时代的大数据系统具有超大的数据容量，同时兼容半结构化与结构化的数据，远远超出传统数据库管理系统的管理能力。因此新的大数据技术就此诞生。大数据在发展过程中，具有比为鲜明的特点。与传统数据处理技术相比，大数据具有数量庞大、多样化、速率快、价值高的特点。在信息处理的速度不断加快的当今社会，这样的特点为大数据的广泛应用打下了坚实基础。由于数据的数量较为庞大，且各种数据近年来的增长趋势呈指数型，其数据的种类和形式也各有不同。其次，合理利用大数据技术，能够在一定程度上降低成本，提高效率，因此，大数据处理各项关键技术的进一步的开发与利用已成为了提高自身效率，实现核心竞争力的重中之重。
（二）大数据时代大数据时代是指在物联网技术、计算机技术、数据信息处理技术的基础上，通过互联网途径，大量收集并处理分析数据资源，而形成一种新型的信息时代。大数据时代的主要核心内容是对庞大的数据体系进行处理以发挥价值，从而提升数据分析效率以及数据应用价值。大数据时代是由多种信息技术共同组成，可以有效地避免数据处理中不同步、使用不方便的情况发生，具有高效可靠的数据处理、整合、分析及汇总的功能。因此，大数据时代的新型数据处理技术可最大程度的对数据进行分析与挖掘，极大提高处理数据的效率。
二、大数据时代与统计学
（一）大数据时代与统计学的关系统计工作是集数据的搜集、整理、分析和解释为一体的系统的过程。大数据与统计二者互相依存，通过统计的方法和原理对数据进行整理和分析，提高数据的精确度和适用度，以此来实现数据的价值和利用率。由此看来，大数据与统计学的联系既紧密，又存在区别。大数据与统计学的关系甚为密切，它们都是关于数字的学科。统计学为大数据提供了了施展方向，而大数据将统计学引领至更深更广的空间。共性之一就是社会与数据。几乎所有的行业与大数据都有着密切联系，这些联系或直接或间接，而人们正是通过获取数据并进行分析，从而才能得到商业知识和社会服务等能力。大数据与统计学的区别。首先，信息规模不同。大数据的分析对象是与某事物有关联的所有数据，要求数据量庞大。统计学则是用样本来分析和推断总体的数量特征。在大数据时代，则可以通过各种方法和渠道获得全面而又完整的的信息资料，从而完成更多从前无法完成的事情。其次，动静标准不同。数据经过了搜集、整理、分析的过程就很有可能因为精确性不足而被认为失去了用处。而大数据时代，则不必再担心这个问题，数据的精确性和原始性不在被过分重视，人们可以接受复杂数据。第三，数据搜集形式不同。在以往数据搜集形式主要是抽样调查，方法局限。而在大数据时代，特点是信息爆炸和互联网飞速发展，这一情况得到改观。最后，思维方式不同。大数据时代人们的思维发生转变，人们开始更多的关注事物的相关关联。
（二）大数据对统计学研究工作的影响首先，大数据丰富了统计学的研究对象。在大数据时代，我们既可以以结构化数据作为测量单位对文本、图像和视频等进行分析，还可以对非结构化数据实行分析。其次，大数据影响了统计学的工作进程。统计数据需求丰富，原有的统计抽样分析不能在适应时代的发展，而现代科技方法如透过传感器自动收集数据等方法取代了传统方法，更加便捷有效。
三、大数据数据分析理念
引言
进入21世纪以来，随着高新科技的迅猛发展和经济全球化发展的趋势，我国国民经济迅速增长，各行业、领域的发展也颇为迅猛，人们生活水平与日俱增，在物质生活得到极大满足的前提下，更加追求精神层面以及视觉上的享受，这就涉及到数据信息方面的内容。在经济全球化、科技一体化、文化多元化的时代，数据信息的作用和地位是不可小觑的，处理和归类数据信息是达到信息传递的基础条件，是发展各学科科技交融的前提。
然而，世界上的一切事物都包含着两个方面，这两个方面既相互对立，又相互统一。矛盾即对立统一。矛盾具有斗争性和同一性两种基本属性，我们必须用一分为二的观点、全面的观点看问题。同时要积极创造条件，促进矛盾双方的相互转变。数据信息在带给人们生产生活极大便利的同时，还会被诸多社会数据信息所困扰。为了使广大人民群众的日常生活更加便捷，需要其客观、正确地使用、处理数据信息，完善和健全数据分析技术和数据挖掘手段，通过各种切实可行的数据分析方法科学合理地分析大数据时代下的数据，做好数据挖掘技术工作。
1 实施数据分析的方法
在经济社会快速发展的背景下，我国在科学信息技术领域取得长足进步。科技信息的发展在极大程度上促进了各行各业的繁荣发展和长久进步，使其发展更加全面化、科学化、专业化，切实提升了我国经济的迅猛发展，从而形成了一个最佳的良性循环，我国也由此进入了大数据时代。对于大数据时代而言，数据分析环节是必不可少的组成部分，只有科学准确地对信息量极大的数据进行处理、筛选，才能使其更好地服务于社会，服务于广大人民群众。正确处理数据进行分析过程是大数据时代下数据分析的至关重要的环节。众所周知，大数据具有明显的优势，在信息处理的过程中，需要对大容量数据、分析速率，以及多格式的数据三大问题进行详细的分析和掌握。
1.1 Hadoop HDFS
HDFS，即分布式文件系统，主要由客户端模块、元数据管理模块、数据存储服务模块等模块组成，其优势是储存容量较大的文件，通常情况下被用于商业化硬件的群体中。相比于低端的硬件群体，商业化的硬件群体发生问题的几率较低，在储存大容量数据方面备受欢迎和推崇。Hadoop，即是分布式计算，是一个用于运行应用程序在大型集群的廉价硬件设备上的框架，为应用程序的透明化的提供了一组具有稳定性以及可靠性的接口和数据运动，可以不用在价格较高、可信度较高的硬件上应用。一般情况下，面对出现问题概率较高的群体，分布式文件系统是处理问题的首选，它采用继续运用的手法进行处理，而且还不会使用户产生明显的运用间断问题，这是分布式计算的优势所在，而且还在一定程度上减少了机器设备的维修和维护费用，特别是针对于机器设备量庞大的用户来说，不仅降低了运行成本，而且还有效提高了经济效益。
1.2 Hadoop的优点与不足
随着移动通信系统发展速度的不断加快，信息安全是人们关注的重点问题。因此，为了切实有效地解决信息数据安全问题，就需要对大量的数据进行数据分析，不断优化数据信息，使数据信息更加准确，安全。在进行数据信息的过程中，Hadoop是最常用的解决问题的软件构架之一，它可以对众多数据实行分布型模式解决，在处理的过程中，主要依据一条具有可信性、有效性、可伸缩性的途径进行数据信息处理，这是Hadoop特有的优势。但是世界上一切事物都处在永不停息地变化发展之中，都有其产生、发展和灭亡的历史，发展的实质是事物的前进和上升，是新事物的产生和旧事物的灭亡，因此，要用科学发展的眼光看待问题。Hadoop同其他数据信息处理软件一样，也具有一定的缺点和不足。主要表现在以下几个方面。
首先，就现阶段而言，在企业内部和外部的信息维护以及保护效用方面还存在一定的不足和匮乏，在处理这种数据信息的过程中，需要相关工作人员以手动的方式设置数据，这是Hadoop所具有的明显缺陷。因为在数据设置的过程中，相关数据信息的准确性完全是依靠工作人员而实现的，而这种方式的在无形中会浪费大量的时间，并且在设置的过程中出现失误的几率也会大大增加。一旦在数据信息处理过程中的某一环节出现失误，就会导致整个数据信息处理过程失效，浪费了大量的人力、物力，以及财力。
其次，Hadoop需求社会具备投资构建的且专用的计算集群，在构建的过程中，会出现很多难题，比如形成单个储存、计算数据信息和储存，或者中央处理器应用的难题。不仅如此，即使将这种储存形式应用于其他项目的上，也会出现兼容性难的问题。
2 实施数据挖掘的方法
随着科学技术的不断发展以及我国社会经济体系的不断完善，数据信息处理逐渐成为相关部门和人们重视的内容，并且越来越受到社会各界的广泛关注和重视，并使数据信息分析和挖掘成为热点话题。在现阶段的大数据时代下，实施数据挖掘项目的方法有很多，且不同的方法适用的挖掘方向不同。基于此，在实际进行数据挖掘的过程中，需要根据数据挖掘项目的具体情况选择相应的数据挖掘方法。数据挖掘方法有分类法、回归分析法、Web数据挖掘法，以及关系规则法等等。文章主要介绍了分类法、回归分析法、Web数据挖掘法对数据挖掘过程进行分析。
2.1 分类法
随着通信行业快速发展，基站建设加快，网络覆盖多元化，数据信息对人们的生产生活影响越来越显著。计算机技术等应用与发展在很大程度上促进了经济的进步，提高了人们的生活水平，推动了人类文明的历史进程。在此背景下，数据分析与挖掘成为保障信息安全的基础和前提。为了使得数据挖掘过程更好地进行，需要不断探索科学合理的方法进行分析，以此确保大数据时代的数据挖掘进程更具准确性和可靠性。分类法是数据挖掘中常使用的方法之一，主要用于在数据规模较大的数据库中寻找特质相同的数据，并将大量的数据依照不同的划分形式区分种类。对数据库中的数据进行分类的主要目的是将数据项目放置在特定的、规定的类型中，这样做可以在极大程度上为用户减轻工作量，使其工作内容更加清晰，便于后续时间的内容查找。另外，数据挖掘的分类还可以为用户提高经济效益。
2.2 回归分析法
除了分类法之外，回顾分析法也是数据挖掘经常采用的方法。不同于分类法中对相同特质的数据进行分类，回归分析法主要是对数据库中具有独特性质的数据进行展现，并通过利用函数关系来展现数据之间的联系和区别，进而分析相关数据信息特质的依赖程度。就目前而言，回归分析法通常被用于数据序列的预计和测量，以及探索数据之间存在的联系。特别是在市场营销方面，实施回归分析法可以在营销的每一个环节中都有所体现，能够很好地进行数据信息的挖掘，进而为市场营销的可行性奠定数据基础。
2.3 Web数据挖掘法
通讯网络极度发达的现今时代，大大地丰富了人们的日常生活，使人们的生活更具科技性和便捷性，这是通过大规模的数据信息传输和处理而实现的。为了将庞大的数据信息有目的性地进行分析和挖掘，就需要通过合适的数据挖掘方法进行处理。Web数据挖掘法主要是针对网络式数据的综合性科技，到目前为止，在全球范围内较为常用的Web数据挖掘算法的种类主要有三种，且这三种算法涉及的用户都较为笼统，并没有明显的界限可以对用户进行明确、严谨的划分。随着高新科技的迅猛发展，也给Web数据挖掘法带来了一定的挑战和困难，尤其是在用户分类层面、网站公布内容的有效层面，以及用户停留页面时间长短的层面。因此，在大力推广和宣传Web技术的大数据时代，数据分析技术人员要不断完善Web数据挖掘法的内容，不断创新数据挖掘方法，以期更好地利用Web数据挖掘法服务于社会，服务于人们。
3 大数据分析挖掘体系建设的原则
随着改革开放进程的加快，我国社会经济得到明显提升，人们物质生活和精神文化生活大大满足，特别是二十一世纪以来，科学信息技术的发展，更是提升了人们的生活水平，改善了生活质量，计算机、手机等先进的通讯设备比比皆是，传统的生产关系式和生活方式已经落伍，并逐渐被淘汰，新的产业生态和生产方式喷薄而出，人们开始进入了大数据时代。因此，为了更好地收集、分析、利用数据信息，并从庞大的数据信息中精准、合理地选择正确的数据信息，进而更加迅速地为有需要的人们传递信息，就需要建设大数据分析与挖掘体系，并在建设过程中始终遵循以下几个原则。
3.1 平台建设与探索实践相互促进
经济全球化在对全球经济发展产生巨大推力的同时，还使得全球技术竞争更加激烈。为了实现大数据分析挖掘体系良好建设的目的，需要满足平台建设与探索实践相互促进，根据体系建设实际逐渐摸索分析数据挖掘的完整流程，不断积累经验，积极引进人才，打造一支具有专业数据分析与挖掘水准的队伍，在实际的体系建设过程中吸取失败经验，并适当借鉴发达国家的先进数据平台建设经验，取其精华，促进平台建设，以此构建并不断完善数据分析挖掘体系。
3.2 技术创新与价值创造深度结合
从宏观意义上讲，创新是民族进步的灵魂，是国家兴旺发达的不竭动力。而对于数据分析挖掘体系建设而言，创新同样具有重要意义和作用。创新是大数据的灵魂，在建设大数据分析挖掘体系过程中，要将技术创新与价值创造深度结合，并将价值创造作为目标，辅以技术创新手段，只有这样，才能达到大数据分析挖掘体系建设社会效益与经济效益的双重目的。
3.3 人才培养与能力提升良性循环
意识对物质具有反作用，正确反映客观事物及其发展规律的意识，能够指导人们有效地开展实践活动，促进客观事物的发展。歪曲反映客观事物及其发展规律的意识，则会把人的活动引向歧途，阻碍客观事物的发展。由此可以看出意识正确与否对于大数据分析挖掘体系平台建设的重要意义。基于此，要培养具有大数据技术能力和创新能力的数据分析人才，并定期组织教育学习培训，不断提高他们的数据分析能力，不断进行交流和沟通，培养数据分析意识，提高数据挖掘能力，实现科学的数据挖掘流程与高效的数据挖掘执行，从而提升数据分析挖掘体系平台建设的良性循环。
4 结束语
通过文章的综合论述可知，在经济全球化趋势迅速普及的同时，科学技术不断创新与完善，人们的生活水平和品质都有了质的提升，先进的计算机软件等设备迅速得到应用和推广。人们实现信息传递的过程是通过对大规模的数据信息进行处理和计算形成的，而信息传输和处理等过程均离不开数据信息的分析与挖掘。可以说，我国由此进入了大数据时代。然而，就我国目前数据信息处理技术来看，相关数据技术还处于发展阶段，与发达国家的先进数据分析技术还存在一定的差距和不足。所以，相关数据分析人员要根据我国的基本国情和标准需求对数据分析技术进行完善，提高思想意识，不断提出切实可行的方案进行数据分析技术的创新，加大建设大数据分析挖掘体系的建设，搭建可供进行数据信息处理、划分的平台，为大数据时代的数据分析和挖掘提供更加科学、专业的技术，从而为提高我国的科技信息能力提供基本的保障和前提。
参考文献
[1]唐东波.基于神经网络集成的电信客户流失预测建模及应用[J].大众商务，2010（06）.
[2]刘蓉，陈晓红.基于数据挖掘的移动通信客户消费行为分析[J].计算机应用与软件，2006（02）.
[3]魏娟，梁静国.基于数据挖掘技术的企业客户关系管理（CRM）[J].商业研究，2005（07）.
[4]田苗苗.数据挖掘之决策树方法概述[J].长春大学学报，2004（06）.
[5]王晓佳，杨善林，陈志强.大数据时代下的情报分析与挖掘技术研究――电信客户流失情况分析[J].情报学报，2013.
引言：
目前阶段，在计算机处理技术不断发展的背景下，在对规模较大并且较为复杂的数据进行处理过程中，人们已经逐渐掌握了方法与技能，并且能够在大规模的数据中找出具有一定价值的信息，所以，大数据时代已经来临。在数据时代中，在人文社科与人类自然科学技术等方面都会有较大的发展，同时也会一定程度上改变人们的生活与工作方式。除此之外，大数据时代也同样为统计学提供了良好的发展机会，但也存在一定的挑战。
一、大数据时代的概念
大数据时代的提出者是麦肯锡，他认为数据已经逐渐进入到各个行业与各业务职能的领域中，并且逐渐成为了主要的生产因素[1]。因此，人们在对大规模数据进行挖掘与应用的过程，也就意味着新的生产率增长的来临。虽然“大数据”在众多行业被广泛应用，但是，特别是在信息与互联网的领域中应用突出。
二、怎样理解大数据
（一）大数据概念界定与构成
大数据，即由于日常产生的数据量快速增长，使得数据库无法利用相应的管理工具对其进行管理与收集，最终导致在进行搜索、分析、存取、共享数据时具有较大的困难。
大数据的构成包括四部分，并将其总结为4V，即Volume，Variety，Value，Velocity[2]。第一部分是价值密度低，将视频作为具体实例来说，实现连续并且不间断的监控，其中有价值的数据信息只有一两秒。第二部分是数据体量极大，已经从TB实现了PB的跃升。第三部分是数据类型众多，主要包括视频、图片、网络日志以及地理信息等。第四部分是处理的速度超快，可以用一秒定律来解释。
（二）海量数据带来哪些挑战
第一，数据存储。由于大数据的数据规模是PB级别，所以，存储的系统也需要进行等级的拓展，并且可以通过磁盘柜或者是增加模块实现容量的增加。然而，目前阶段，数据的增长速度惊人，所以系统资源的消耗也不断增加，导致系统的运行效率有所下降[3]。因为对海量数据始终停留在分布式的存储阶段，所以，对于爆炸式的数据增长，原有的存储方案已经无法满足现有的数据变化需求。
第二，处理技术。由于海量数据的分布性与数据量与以往存在较大的差异，所以，原有的数据管理技术已经处于落后状态。
第三，数据安全。在互联网规模逐渐扩大的情况下，数据的应用已经出现指数级别的增长，所以，对于数据安全的保护与监控来说具有一定的难度。
（三）大数据相关应用与实践
第一，体育赛事应用。以2014年的世界杯为例，在充分发挥记者与编辑敏锐度的基础上，腾讯也利用对大数据的分析以及云计算等方式来为为其提供移动与社交的数据。与此同时，腾讯与IBM进行合作，并通过文化、赛事与球迷三方面来对世界杯球迷的关注重点进行信息的挖掘，进而实现新栏目的创作，并且在短时间内赢得了广大球迷的认可与关注。
第二，产品推荐应用。产品推荐的应用比较广泛，可以对客户信息、交易历史、购买过程等数据进行全面的分析，并进行有价值信息的挖掘。同时，针对同一产品的不同客户访问信息也可以进行挖掘。最终，通过对客户行为的分析，来确定消费者的共，这样就可以更好的为客户推荐产品。
除此之外，在产品推荐中，可以在对客户社交行为进行信息挖掘与分析的基础上来进行社区的营销。对客户微信微博以及社区活动中的偏好数据进行分析，并为其提供符合客户兴趣爱好的产品。
图一
三、如何分析大数据
（一）如何挖掘数据中价值
以匹配广告为具体事例进行分析，主要有两种数据。第一种是广告库，其中包括广告库以及广告的客户信息[4]。但是这种数据信息比较适合在传统数据库中应用。第二种是用户在观看广告后的行为。可以把以上两种数据进行有效的结合，并通过相应的算法来体现价值。在实践应用过程中，可以充分体会到第二种信息的重要作用。可以为用户提供其所需的信息，并通过群体智能以及群体行为对之前用户使用的效果进行分析，最终通过具体的反馈机制，将最优质的信息提供给用户，还可以进行搜索或者是查询信息。
（二）如何做处理与分析
第一，更新抽样调查的工作理念。由于大数据时代的数据样本是以往资料综合，所以，可以对相关事务的数据信息进行分析，进一步对总体进行了解，还可以更好的了解局部。同时需要解决以下问题：抽样框架不稳定，调查目的设定不合理、样本量受限[5]。第二，积极改变对于数据精确度的标准。在大数据时代的背景下，数据的来源比较广泛，并且对数据进行处理的技术也有所提高，所以，可以允许数据存在不准确的情况。大数据时代需要吸收多种数据，但并需要一味的要求数据精准。第三，合理转变数据关系的分析重点。由于大数据时代的数据规模比较大，而且结构也十分复杂，变量的关系也比较繁杂。所以，在对数据进行分析的过程中，不应该对因果关系进行仔细的分析，而重要的是对事物相关的关系进行分析。需要转换思路，对事物关系的形式与目的进行详细的分析。
四、 大数据对统计学科和统计研究工作的影响
（一） 拓展统计学研究领域
因为大数据时代的到来，所以会对各个领域产生一定的影响，同样给统计学带来影响。在统计学中，其主要的研究对象就是其所要认识的客体，是客观存在事物自身的数量特征与关系。其中，统计学研究对象最主要的特点就是数量性。然而，在传统的统计学当中，数据主要是试验与调查的数值。在大数据时代中，统计研究的对象不仅包括以结构数据度量的数量，此外，还可以包括一些无法用数量关系进行衡量的半结构与非结构数据，其中可以包括动画、图片、声音、文本等等[6]。所以，可以说，在大数据时代背景下，统计学的研究对象领域有所扩大。
（二） 对统计计算规范产生影响
在传统的统计学当中，一般是使用方差、平均数以及相对数等数据计算规范来真实反映事物量特征的，同时还可以反映事物量的关系与界限，能够通过数据计算规范来计算出具体的数值。但是，半结构与非结构的数据是无法通过传统数据计算规范进行计算的[7]。所以，在大数据时代的背景下，传统的数据计算规范也同样遇到了难题。
（三） 对统计研究工作的过程产生影响
1. 数据整理和分析
第一，数据审核。原有的数据审核主要的目的就是对数据准确性和完整性进行严格的检查。但是，在大数据的时代中，对数据的审核就必须要确保数据处理的速度以及预测的准确程度，同时还需要对数处理的规模进行准确的确定，也就是数据量级别的确定。除此之外，因为大数据自身具有不稳定性，并且十分混乱。但是，即使是这样，大数据也能够挖掘出信息内部存在的隐蔽关系以及有价值的知识。所以，大数据所反映的研究对象存在准确与不准确两种，但是，任何一种的数据都具有一定的价值，通常情况下是不需要进行替换或者是删除的[8]。
第二，数据存储。在以往的数据存储中，审核、汇总以及编制的图表等资料是重点资料，并且需要进行保存起来的。然而，大数据保存最主要的目的就是对存储的成本进行有效的控制，同时需要根据相应的法规计划来确定数据存储的规模。
2. 数据积累、开发与应用
第一，数据积累。传统统计工作主要是根据所制定的研究目的来对数据进行汇总与分类，并进行保存，这样可以更好的为后期数据的分析与查询提供有利的条件。但是，在大数据的积累中，具有价值的信息需要对大数据进行处理后才可以发现。不容置疑，大数据具有一定的复杂性，所以，在积累的过程中，不可以进行简单的处理。因为大数据的规模大，结构也比较复杂，无法实现简单的分类，而且，在对大数据进行简单整理时非常容易使其混乱，对其真实性产生影响，可能会丢失具有价值的信息。
第二，数据开发。大数据时代下的数据流动性极强，所以，其自身的价值有再生性。因此，大数据时代的数据不会贬值，反而会增值。为了能够对所研究的对象进行更深入的了解，就需要对其整合。
第三，数据应用。对数据的传统应用主要是为了对现象进行解释与预测。但是，在大数据时代，数据应用的核心就是在相关关系前提下的预测。
结语
综上所述，现阶段我国社会正处于大数据时代，并且对于社会未来的发展具有重要的意义。文章对大数据时代的概念与定义以及构成进行了阐述与分析，同时，对大数据的实际应用与实践进行了探讨。针对大数据价值的挖掘与分析处理进行了研究，最后列举了大数据对统计学科以及统计研究工作的影响，进而对今后大数据的数据分析工作提供了有价值的理论依据，并积极的推动了大数据时代的发展，进一步促进了社会的进步。（作者单位：中国人民大学）
参考文献：
[1]朱建平，章贵军，刘晓葳等.大数据时代下数据分析理念的辨析[J].统计研究，2014，31（2）：10-19.
[2]张学敏.大数据时代的数据分析[J].电子世界，2014（16）：5-5，6.
[3]李祥歌，王奇奇，郭轶博等.基于大数据时代的数据挖掘及分析[J].电子制作，2015（3）：81-81.
[4]刘江娜.大数据时代：为什么数据分析能让你的企业脱颖而出[J].环球市场信息导报，2014（36）：92-93.
[5]郭华庚，向礼花.大数据时代网络信息归档的元数据分析[J].贵州师范学院学报，2015，31（3）：24-28.
1分析体系构成及意义
1.1体系构成
建立涵盖公司预算、工程、资产、资金、电价和风险等财务管理各个方面的分析体系。主要包括：业绩考核指标分析、主要指标趋势分析、损益预算执行分析、预算考核分析、财务状况分析、售电量分析，电价综合分析、资金管理分析、税务管理分析、工程投资进度分析、资产结构与分布分析、风险预警等。
1.2构建分析体系的意义
创新财务信息融合和专业数据展示，多维反映公司财务状况、经营管理情况并及时反映公司在国家电网公司系统综合排名情况，最大限度整合重要财务数据信息，使公司领导及时、全面地掌握企业各项业绩指标的预算执行情况、购售电综合情况、融资与担保情况、纳税情况和风险指标状态。拓展经营分析的广度、深度、细度，提高财务分析效率、效益，提高财务管控以及抗风险能力，实现财务分析的智能化，为领导决策提供有力的数据支撑，从而提高对公司经营能力及市场变化的响应速度，有效增强公司的业绩指标监控和经营风险防范的能力。
2实施方式
2.1思路
大数据时代的财务分析体系应以集成、集约、集团化管理为主要脉络，秉持全面预算管理“一盘棋”、会计核算“一本账”、资金管理“一个池”、资产管理“一条线”、财务监管“一张网”的管理理念，关注重点财务领域，为此需要依托信息系统搭建财务分析模型，充分利用信息系统集成、获取业务数据，站在集团化的视角分析问题、风险、趋势、机遇。
2.2财务分析系统技术支持
2.2.1财务分析系统核心技术应用
目前，财务管控系统的应用已覆盖全省范围并与成熟套装软件、交易系统、营销系统、经法系统等多种应用平台建立起集成联系，为公司依据现有信息系统建立财务分析系统提供了业务和数据支撑。采用先进的、成熟的内存BI技术，满足高效稳定、易开发、易维护、可以快速调整分析模型的业务需求，使各种各样的终端用户以一个高度直觉化，功能强大和创造性的方式，互动分析重要业务信息[1]。
2.2.2BI技术存储和查询机制
从技术角度来看，BI技术具有两个与众不同的技术，正是它们实现了BI技术快速、灵活、实时运算的强大功能。第一个技术是在内存中采用了阵列集合，每个字段里剔除重复值，记录之间用指针去寻址。这样使得数据能够在内存中被压缩，平均压缩比10∶1。第二个技术是采用了“数据云”，任何字段都可以作为维度和度量，可以按需随意组合成一个分析图表。同时，采用排除法过滤数据，仿真人脑的思考决策模式，快速拿到需要的数据，排除掉不相关的数据。AQL基于内存的运算，速度远远超过基于数据库的查询技术。对于现有的各种数据源，只需将数据加载进来，不同的业务数据通过特定的字段来关联，形成一个统一的视图，实现各类数据的关联交叉分析。
2.2.3BI技术提供的分析手段
可以按照用户的分析需求，将一些维度组合起来，形成一个钻取组合维度或旋转组合维度。钻取维度如时间维度：年-季度-日，地区维度：省市-地市-县市-乡村，并可以在图形和表格上直接钻取。
2.2.4辅助决策支持
BI技术具有丰富图表和强大的自定义分析计算能力，不仅可以提供多维分析支持所必需的同比、环比、钻取、维度切换、仪表盘等各种分析手段，而且还能提供数据的追溯、比对、预测、数学模型等高级技术，为辅助决策提供技术支持[5]。
2.3组织保障
财务分析系统的开发与建设，必须财务部门与信通部门紧密合作，实现业务与技术的紧耦合。财务部门内部各处室各专业必须是开发、建设团队的成员，认真梳理本专业的分析要点及开发需求，与实施顾问精诚配合，确保财务与相关业务有效集成、协同推进。
2.3.1合理确定阶段目标
确定业绩考核指标，包括：利润总额、净资产收益率、流动资产周转率、可控费用、资产负债率、投资收入比、EVA、成本收入比。
2.3.2确定数据来源
利用财务集约化、信息化发展成果，最大限度地利用“一本账”及“一键式报表”功能，通过ETL工具、ODS、WebService等数据接口方式，开发获取财务管控、ERP等业务系统接口，直接通过企业内部局域网，定时或实时地将数据抽取或推送到分析系统数据仓库前端展现工具，从数据仓库中加载数据进行各种分析；将协同办公系统进行综合利用，国家电网公司经营情况通报、国家电网公司财务集约化考核情况通报等办公系统文件材料上载到财务分析系统进行分析；同时将信息化水平较低时期的历史数据，通过大量查找历史资料的方式，进行最大限度的数据补充。
2.3.3财务管控与ERP业务界面划分
在现有核算模式下，财务管控系统与ERP系统有各自管理重点。其中，财务管控系统是以融资、票据以及投资、产权管理为细化核算重点；ERP系统是以费用报销、往来款清理及工程、资产为深化核算重点。两套财务核算系统高度集成，但其中任何一个系统上都无法将财务核算明细维度、业务流程进行全景展示，通过财务分析系统的海量数据压缩与分析技术，将财务管控系统与ERP系统各自管理重点集合在同一平台展示，财务管控和ERP系统的优势互补，增强财务信息整体利用。利用ERP强大的项目细化管理功能、往来清理功能、费用报销工单功能，实现从工程概算到资金拨付再到实际投资展示、实现从往来挂账到完成清理跟踪展示、实现从费用发起到原始凭证影像展示。通过财务管控系统各功能模块，利用税收科目日常核算以及税码的辅助账功能，实现从税种到税费形成原因的结构展示；利用融资模块合同台账的管理功能，实现从融资的整体情况到具体合同的本金、贷款时间、还款时间等展示；利用票据管理功能，实现从票据取得到票据背书、贴现、承兑的过程展示；应用电费集成，实现发行日报以及收费过程展示；应用“一本账”的穿透功能实现区分会计主体、会计期间等会计要素的全景展示。
2.3.4确定财务分析体系的展现形式
确定财务分析系统展现形式的原则：（1）根据指标特点设置表现形式；（2）根据指标需求设置表现形式；（3）根据指标成因进行分析展示；（4）财务分析报告文档一键展示；（5）财务账表同一平台分析查询。
2.3.5确定抽取周期形成及文档资料
确定按月抽取财务指标数据，按季度形成财务指标文档资料。
3应用效果
3.1指标体系平台化，分析能力提质提效
将涉及业绩考核、财务状况掌控、预算集约调控、资金集中管理、资本集中运作、电价集约管理、风险在线监控、财税管理筹划、基建财务管控、财务集约化执行、特定期间的财务指标等多维度财务指标反映在同一指标平台，充分提高财务分析的广度与深度。
3.2全面反映经营概貌，全面降低风险水平
［摘要］随着信息技术的发展与应用，各种数据信息通过互联网、云终端、交际圈、物联网等之间的大规模传递，人类进入到一个大数据时代，数据信息之间的传递影响着人们的决策成本，传统的信息不对等所造成的差距条件已经消失，而不起眼的数据却能够创造巨大的价值。本文对大数据时代背景下数据分析理念进行分析和指导。
［
关键词 ］大数据时代；数据分析理念；分析
［DOI］10.13939/j.cnki.zgsc.2015.22.074
在传统的商业运作模式中，在运营过程中对自身经营发展的分析只停留在数据的简单汇总层面，缺乏有效地对客户网络、业务范围、营销产品、竞争对手优劣等方面进行深入解析；而在当今大数据时代，通过所接收的大量内部和外部数据中所蕴含的信息中透露的市场弹性，可以预测市场需求，进行分析决策，从而制定更加行之有效的战略发展计划。“大数据”是一个量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。在当今信息时代，很多企业用户在实际应用中把多个数据集放在一起，已经形成了PB级的数据量；数据类型广，数据来源种类多，且数据种类和格式日渐丰富，囊括了半结构化和非结构化数据，早已打破传统的结构化数据范畴，如何在大数据时代背景下进行科学有效的数据分析这需要加强对市场的了解，对泡沫经济的规避，了解数据所传递的信息真假。
1数据化决策的兴起与运用
在大数据时代，信息之间的爆炸增长，使得各种信息传递非常之快，只需要拿起网络终端就可以了解到地球另一边发生了什么。文字、图形、影像都化作数据流在网络中以电信号的方式传递着信息。数据流在传递各行各业的信息同时形成了渗透于各行业的核心资产和创新驱动力。在大数据时代，企业所拥有的数据集合规模及数据的分析和处理能力决定着企业在市场中的核心竞争力。
因此通过数据分析进行决策渐渐成为新的分析理念，例如，在支付宝上进行对电影票房的投资，这些投资通过对导演往期作品和演员的表演张力，及投资方的选角等数据进行分析，预测电影的票房，选取投资可获利的电影，进行票房投资，从而获取票房分红。我国的石油油田根据地震技术的收集数据，进行科学统一规划的分析处理，形成对地下油田的分析建模，能够有效直观地展示地下油藏的分布情况，从而选择油井的开采点。中国人民银行通过对人民币汇率的涨幅，进行数据分析，来制定符合中国国情的外汇货币政策，对货币进行宏观调控，这能够有力的保护人民币升值时，在国际贸易市场中国进出口贸易所面临的压力。在大数据时代背景下，通过直觉和经验进行决策分析的优势不断下降，在商业、政治及公共服务领域中，通过对大数据进行数据分析从而做出符合时代背景的决策，已成了目前的潮流。
2数据分析理念及方法
（1）数据分析要引入统计学思想。在大数据时代背景下，传统的抽样分析已经并不适用于对大数据的分析中，在大数据时代应当要转变思维，转变抽样思想，样本就是总体，要分析与某事物相关的所有数据，而不是依靠少量数据样本，这样才能够在最大限度地明白事物发展变更过程，能够对数据所表露的信息进行更好地处理［1］。要更乐于接受数据的纷繁芜杂，不再追求精确的数据，这并不是说其严谨性降低了，而是往往不起眼，不符合常理的数据更能够反映实际的情况。通过对数据网络之间的联系进行分析，不再探求难以捉摸的因果关系，通过数据的分析处理更能够反应数据的变更。这些想法都与统计学相关通过所收集的数据，进行有效的分类处理，能够更好地反应事物的变化，更有利于做出决策［2］。
（2）数据分析流程。在实际的数据分析过程中，因大数据贯穿区域较广，在地域和行业之间穿插交错，颠覆了传统的线性数据收集模式，而形成了颠覆传统的、非线性的决策基础，这种决策方式要求我们通过对数据进行收集，将各行各业所收集的基本信息，转化为数据，将数据经过初步的整合分类，做出符合当地当时的数据信息，将数据进行深层次的技术处理，将处理过后的信息化为知识，运用到实际的决策中去。在大数据时代，数据的积累并不会贬值，而且还会不断增值，为了更全面、深入地了解研究对象，往往需要对数据进行整合，这就使得数据的积累尤为重要。
（3）数据分析对统计学的意义。在大数据时代背景下数据分析理念能够有效地对数据流进行合理地分类处理，进行科学的统计行为，统计与分析主要利用分布式数据库，或者分布式计算集群来对存储于其内的海量数据进行普通的分析和分类汇总等，这就意味着所有有用的数据信息均来源于数据分析处理之后的结果。大数据的数据分析理念扩宽了统计学的研究范围，而不仅仅只是实现数据的对比，而是从根本上丰富了研究的内容，如：一些实时性需求会用到EMC 的GreenPlum、Oracle的Exadata，以及基于MySQL的列式存储Infobright等，而一些批处理，或者基于半结构化数据的需求可以使用Hadoop，满足大多数常见的分析需求，对传统的统计工作有着四个转变。统计研究过程的转变，使统计过程成为收集与研究。统计与分析这部分的主要特点和挑战是分析涉及的数据量大，统计研究工作思想的转变，数据的收集不断增加，信息的录入不断升级，其对系统资源，特别是I/O会有极大的占用。这就使得能够更好地进行数据分析处理决策［3］。
3数据分析过程中注意事项
3.1数据分析要明确变量
将数据收集进行处理是为了明确市场中的某一个变量意义，这就使得在进行数据分析的时候要能够明确地找寻变量存在前后所发生的变化，通过数据对比可以知道该变量在大数据的市场中所存在的影响因素。是否对市场有着风险或有利于市场的开发利用，能够在数据分析后做出合理决策。
3.2统计中不再追求精确的数据
大数据时代下，数据的不精确性不仅不会破坏总体信息可靠性，还有利于进行剥丝抽茧，从而了解总体情况。大数据时代，越来越多的数据提供越来越多的信息，也会让人们越来越了解总体的真实情况。错综复杂的数据能够反映数据之下到底是泥潭还是机遇。数据之间传递的信息良莠不齐，如果要一一追求准确性不利于统计工作的开展，因此可以将个别的异常值剔除。大数定律告诉我们，随着样本的增加，样本平均数越来越接近总体，这就使得样本与总体的差异性很小，更加符合实际情况。
4结论
综上所述，大数据包含结构内外的海量数据，随着云计算平台进行大规模收集处理，通过建立数据库的手段，对数据分流，使用数据挖掘等方法进行处理、分析，使得所数据结果更加符合显示状况。数据分析理念是通过阐明存在于世界、物质、感官享受上的复杂网络关系，从而做出符合时代背景的分析决策。
参考文献：
2计算机软件处理技术的作用
大数据时代背景之下，计算机软件技术其实就是对于相关科学技术在理论方面实行了有效融合，通过监测、传输、分析等方式，对相关数据进行有效分析以及处理，进而对更多的新内容进行有效获取。计算机软件技术其主要应用就是，在企业管理的相关数据库中进行有效应用。如果企业要实现更好的运作以及发展，就需要对计算机软件技术进行相关研发以及应用，这样不仅可以让人力、物力得到有效节约，还能够让企业在运营方式方面朝着更加专业化以及科学化的方向发展。计算机软件信息技术的发展，在很大程度上对于传统的办公方式起到了有利的转变，让办公人员在公务处理能力以及办公效率方面得到了很大程度上的提升[1]。
3大数据时代之下的计算机软件技术
3.1云储存技术
对于人们当下的日常生活来说，要想实现更加高效的便利性，就需要对云储存技术进行有效应用。云储存技术相比较于以往储存技术来说，具备着更大的优势性，云储存技术其实就是对传统技术展开的有效优化以及改进，进而得到快速发展的一项技术。通常来说，要想实现随时随地地下载以及浏览云储存当中的一些内容以及资源，通常只需要在网络终端方面对网络进行有效连接就可以，但是相对于传统的储存技术来说，这样的操作很难得到有效实现。同时在云储存技术当中，人们可以对所需要的资料进行有效的归纳以及整理，然后还可以对其在有需求时进行及时提取。云储存技术当下在大数据时代，在发展当中可谓是一种必然的趋势，可以在大数据时代的发展当中对于各项需求进行有效满足，对于海量的数据进行科学合理的有效分类，使人们日常生活工作更加便捷高效[2]。
3.2信息安全技术
对于信息安全而言，在互联网当中可谓是一个相对普遍的问题，因为互联网本身具有开放性的特点，这就对于资源在管理方面来讲，属于一项弊端。网络上的资源会由于自身具备的开放性，受到一些不明病毒或者是黑客的攻击，这就会造成资源破坏和丢失。互联网其实可以对大多数技术进行有效的支持以及运行，但是对于资源以及数据而言，它们之间都是互联互通的，这就在一定程度上给数据以及资源在安全方面带来了威胁。因此，需要对计算机信息安全技术进行有效的设计，尽量让互联网在安全问题的方面得到有效的保障，让人们在使用互联网的时候，对于资源在安全性方面得到有效的保障。对于当下的互联网而言，信息安全这项技术在保障方面起到了不可或缺的重要作用，但是在提升方面还是有着很大的发展空间，通过计算机信息安全的相关技术，可以对大数据的发展起到更好的推动作用。
3.3云储存服务技术
随着大数据的发展，云储存服务技术在应用力度方面，已经得到了极大程度的提高。计算机软件当中这项技术的具体应用，不仅可以对于传统计算机在存储模式方面展开全方位的完善以及优化，还可以让计算机在存储的时候最大程度地避免受到时间和空间方面的双重限制，进而让计算机存储在大数据时代下的发展要求可以起到最大程度的保障作用。而且将云储存的服务技术在大数据时代进行具体应用，通过对网络连接进行有效强化，能够让大数据存储技术在现实当中的作用得到有效增强，同时还可以对用户起到一定保障作用，让其通过各种特定的渠道，对于之前所存储的一些相关数据信息，通过一些特定渠道进行有效浏览，还可以方便用户对于各种数据信息进行及时有效的处理，如果在存储过程当中出现一些突发问题，还可以进行快速及时的处理。为了对云存储的服务技术进行有效的强化，就需要对大数据时代中的网络存储在作用效果方面进行突出。那么相关工作人员对于云储存的服务技术在现实作用以及计算机存储单元的相关结构方面，对于具体状况就要进行有效了解，这点必须有足够的保障，让计算机结构当中基础功能的各项优势得到充分显现，让各项基础信息在存储效果方面得到非常有效的提升。而且大数据环境之下，对于用户信息在服务状态以及基础信息存储的效果方面，也相应提出了更高程度上的要求，这就应该对于云储存的服务技术和大数据时代之间，在关联效果方面进行非常有效的强化，那么在有必要的时候，有关部门还可以对云储存服务技术进行有效的借用，进而对各项数据信息在整理方面可以更加高效。在大数据时代之下，对于云储存服务技术，在联系方面要进行更加有效的突出，让云储存服务技术在大数据时代的应用价值得到有效的提高以及体现[3]。
4计算机软件技术在大数据时代之下的具体应用
4.1企业管理层中的应用
在企业中可以对管理者起到有效的帮助作用，让其对多个部门进行有效实时的掌握，对于多条业务线在核心目标方面进行精准掌控，对于订阅报表实行定期的自动化推送，对业务决策进行相应支持，对市场变化进行有效应对。针对管理进行概述，让数据具备实时性，对公司中不同团队以及不同业务的运作情况方面进行及时反映，及时发现相关问题，及时进行决策。常规报告、定制报告这些都可以及时推送到领导者的邮箱中，而且报告还可以在内容方面实行灵活的定制，让自动化成为一种办公习惯。
4.2运营中的应用
在营销方面形成一举两得的全方位模式，对于不同情况之下的用户人群实行精准的定位，然后在营销方面实行多样化的个性指导，对于用户在操作方面要具备一定的针对性。对于用户进行有效细分，有目标地进行营销，然后对普通用户群体进行有效锁定，分组组建群体，组建一些永远保留群体，然后推出一些大数据之下的相关营销内容，使用语义分析以及深度学习的模型构建相关引擎。那么推荐结果就可以使用数据分析的模型，进行多个指标、多个维度的实时性、效果性的分析。在反馈方面既快速又及时，迭代特征集以及算法模型都会相应更加精准，进而让客户在粘性程度方面可以得到有效提高，同时让用户保有量得到有效的提高。对于用户整体的保有量进行有效的分析以及显示，对于那些长期没有登录的用户进行有效锁定，然后推送一些营销的相应模式，对于流失用户进行有效的挽救。对于用户进行深入有效的分析，综合用户的各种行为对操作数据进行交叉行为的分析，对于核心用户的具体特征进行有效洞察，然后对于用户的行为轮廓进行准确勾勒[4]。
4.3相关产品中的具体应用
对用户行为进行有效跟踪，对于核心流程进行有效分析以及转换，对于修订计划进行快速形式的验证，让新用户可以得到最大程度上的保留，让老用户可以得到最大程度上的消耗。对于用户转型进行最大程度上的改进，对于核心转型的流程，比如：开户、注册、支付等进行漏斗形式的分析，对于亏损问题进行及时有效的洞察，对于用户转型进行有效改进。让用户在保留率方面得到最大程度上的提高，对数据进行验证时要使用当下最流行的功能，进行迭代形式的A/B测试，对于效果进行有效评估，对于功能进行有效增强，对于活动性以及保留率进行有效增强。对用户体验进行有效改善，对于用户在行为路径方面进行有效的跟踪，对于站内的一些流量进行合理的分配，对于产品交互与布局进行合理的微调，让用户体验得到有效的提升。
4.4在市场营销部门中的应用
通过优质的渠道寻找相应的最优资源，对营销策略进行有效调整，让领先转化率得到有效提高，进而让市场上的整体投资在回报率方面得到有效提高。针对流量进行有效跟踪并进行相应的测量，然后对能力进行牵引。对于新用户在渠道来源方面进行有效沟通，使用相关数据分析对于渠道在拉动能力方面进行直观性质的有效评估。对于通道质量实行有效的分析转换，并且进行有效识别。对于注册转型以及支付转型进行有效分析，对于渠道创新质量要实行端到端的具体衡量，对于渠道营销的整体策略要进行不断的整体优化以及调整。对于网站进行整体优化，对于线索进行转化以及完善，对用户行为进行有效跟踪，对于内容交互以及浏览体验进行有效优化，对注册线索在转化率方面进行有效提高[5-6]。
5结语
综上所述，我国计算机软件技术当下正在和大数据实现着飞速融合，而且关系日益紧密。当下人们对于大数据相关的概念，在接受程度上越来越高，就未来发展而言，大数据技术研发一定会更加全面以及到位，进而为我国信息行业在未来发展中提供非常大的助力。
【参考文献】
[1]侯聪聪.大数据环境下计算机软件技术的应用探讨[J].电脑迷，2018(3):52.
[2]林兰芝.大数据环境下计算机软件技术的应用分析[J].电脑迷，2017(17):43.
[3]刘甜.大数据时代下计算机软件技术的应用探索[J].计算机产品与流通，2019(6):20.
[4]李子强，戴文雄.基于大数据背景下计算机软件技术的应用研究[J].计算机产品与流通，2019(2):9.
当前社会已经进入了大数据时代，很多行业和领域都产生了巨大的变化。随着国家产业变革和科技革命的推行，在很多领域都开始推进信息技术及大数据技术的应用进程，以期提高工作效率。在无线电领域中，无线电监测是一项重要的工作，采用相应的技术手段测量无线电发射带块、功率、频率等，监听模拟调频及调幅等信号，查找干扰源及非法电台，从而实现无线电的有效管理。而在大数据时代下，传统的无线电监测方法已经落后。因此，需要紧密贴合大数据时代，采取有效的措施进行改进。
1大数据时代的基本概述
1.1大数据时代的概念
大数据时代这一概念的提出，最早来自于麦肯锡咨询公司，其认为在当今各个业务职能领域及行业中，数据都已经成为重要的生产要素，人们对于海量的数据进行整合、分析、应用，可能会带来更大的消费者盈余浪潮和生产率增长[1]。实际上，过去在通讯、金融、军事等行业以及环境生态学、生物学、物理学等领域当中，早已涉及大数据的概念，只是近年来随着信息技术和互联网的快速普及才开始受到人们广泛的关注。实际上，大数据指的是具有海量规模的数据而通常难以利用传统计算机处理模式进行处理。大数据处理模式对访问、存储、搜集等方面都具有更高的要求，对于数据的趋势性、相关性、总体性分析都十分注重。
1.2大数据时代的特点
在大数据时代下，大数据最大的特点就是数据量大。在大数据当中，通常使用P，E，Z等单位作为起始计量单位。其次，大数据通常具有十分繁多的类型，例如地理位置信息、图片、视频、音频、网络日志等诸多类型的信息都是大数据当中的组成部分。因此，类型繁多的大数据对于数据处理能力的要求也更高。此外，大数据还具有价值密度低的特点，在当前物联网不断发展和普及的背景下，信息感知无所不在，信息量十分巨大，但价值密度往往较低[2]。因此，需要运用强大的机器算法对大数据中的价值进行快速提炼，从而满足人们的应用需求。最后，处理速度快、时效性要求高也是大数据的一个重要特点。现有的技术架构及路线往往难以对海量的大数据进行高效处理，而大数据规模巨大。因此在处理中，处理速度必须足够快才能够满足时效性的要求。
2传统无线电监测中存在的问题
无线电监测是无线电管理领域中一项十分重要的工作内容。但是在以往的无线电监测当中存在着一定的问题和不足，影响了无线电管理效率和效果。例如，现有的无线电监测系统存在较大的局限性，并且系统没有进行充分的整合，难以为实际工作提供便利。现有的无线电业务管理系统不能和监测系统进行良好的信息共享，对于精细化管理的要求也难以充分满足[3]。因此，这使得审批设台、指配频率的准确性、科学性都受到影响，也难以支持快速查找无线电干扰源。另外，系统中的监测数据库、地理信息库、设备数据库、台站数据库、频率数据库等信息子系统通常在不同的数据库当中，相互之间存在封闭不互通的情况，因此难以快速提取统计应用数据，容易发生信息孤岛的情况。以上这些问题的存在，对于无线电监测都是较为不利的。因此，在大数据时代下，有必要采取有效的对策进行改进。
3大数据时代下的无线电监测对策
3.1数据的采集
在大数据时代下，无线电监测要先对原始数据进行采集，并在获取数据的同时，利用合理设置进行过滤从而去除无用信息。例如，需要对某地区80~800MHz频段的无线电进行监测，则需要先分析这一频段，其中包括了对讲业务、集群通信业务、民航业务、电视业务、广播业务等。所以，不能统一设置进行监测，需要针对不同业务的频段范围进行分段设置。
3.2数据的管理
根据获取的数据统一进行管理，管理工具则可以使用相关的数据库软件。按照信号的时间占用度、强度、带宽等标准，对获取的数据进行整理和分类。在数据库当中，针对无线电监测中的不同需求，可以对数据整理的类别进行适当的调整[4]。例如，需要对某一频点中的信号监测其出现时间的分布情况，可以根据时间为标准进行整理。如果需要对信号出现的地点进行监测，可以根据不同遥控站接收到的信号电平进行整理。此外，对于不同类型不同频段的信号，由于具有不同的特点，例如占用带宽不同等，在进行统计的过程中，能够对信号带宽设置进行自动调整，进而提高结果的准确性。例如，通常情况下，对讲机具有12.5kHz的频率，而调频广播具有200kHz的频率，因此，不会将调频广播信号误认为是多个对讲信号。
3.3数据的计算
在数据计算的过程中，以往主要是采用远程联网的方法对遥控站进行远程连接，向本地回传数据并进行处理。但是，在大数据时代下，数据计算量十分巨大，因此，如果仍然利用传统计算方法，将会对硬件资源造成大量消耗[5]。同时，数据量不断积累增加，数据计算可靠性、计算效率等也可能会进一步下降，因而对于当前无线电监测中数据计算的要求，已经难以充分满足。针对这一问题，可以将大数据和云计算技术进行紧密结合，例如，可以采用Google开发的Hadoop平台作为大数据计算框架，同时综合利用分布式计算，能够极大地提升数据计算能力，满足大数据时代下无线电监测的需求。
3.4数据的分析
在大数据时代下，数据量十分巨大，数据结构也具有很高的复杂性，因此，采用传统的模型难以实现对数据的高效分析。在传统方法的基础上还需要与数据融合、数据挖掘等理论及方法进行融合，在不同的情况下进行相应的具体的分析[6]。在当前的无线电监测中，对于数据分析方面的技术仍然处于较为初始的阶段，虽然能够满足一般性的数据分析，但是对于非结构化大数据等类型的数据则难以进行有效的分析。对此，在未来的发展当中，应当对大数据分析技术进行更加深入的探索，从而找到更加智能、高效的数据挖掘模型，更好地支持大数据分析。
4结语
在当前的社会中，大数据已经逐渐被应用到各个行业及领域当中，并且正在发挥着越来越重要的作用。在大数据时代下，无线电监测作为无线电管理中的一项重要工作，也需要紧密契合大数据时代的发展要求，充分运用大数据的概念和特点，利用有效的对策和技术进一步提高无线电监测的效率和效果，从而使无线电领域得到更大的发展。
[参考文献]
[1]徐漪，沈建峰.大数据环境下个人信息泄露的防范与管控—基于徐玉玉被骗身亡事件的审视[J].产业与科技论坛，2017（4）：207-209.
[2]陈宏.浅议大数据时代背景下的无线电管理信息化创新之路[J].中国无线电，2015（1）：62-63.
[3]吕卫东，王传亮.浅谈对大数据时代电磁环境状况工作的几点思考[J].中国无线电，2015（10）：39-41.
[4]文庭孝，姜坷炘，赵阳，等.大数据时代的信息分析变革研究[J].图书情报知识，2015（5）：66-73.
中D分类号：F24 文献标识码：A
收录日期：2017年2月22日
一、引言
智能互联网飞速发展并通过一系列的技术改革，不断推动着国家各个行业进行政策调整、资源共享、产业升级与信息化创新。出于国家战略的考虑，政府规划明确建设国家大数据池具有重要意义，通过海量数据支持和算法优化后的大型计算能力，以满足企业、社会、教育不同领域对数据中心应用的需求。
大数据是一个数据的集合，涵盖所有数据类型与混杂的真实数据全体，不能被已有工具进行提取、存储、共享等操作。在处理信息能力与技术不断提高的过程中，基于大数定理（在试验不变的条件下，重复试验多次，随机结果近似必然），人们对增速惊人、时效性较短的海量数据进行整合优化与决策分析，进而预测现象与行为的发生，提供个性化的精细推荐与服务。基于理性决策有限性的特点，数据规模的庞大，无疑扩大了人们进行理性判断的基础，但是这并不意味着自动化管理和智能化。大数据为人们从更全面的角度理解不同现象和行为之间的相关关系（一个数值增强，另一个也随之变化的数理关系），提高正确决策的可能性。
在不同的领域，大数据技术的使用将人员、岗位、资源进行数据专业化的处理，增加了管理的智能化和量化，实现了后加工的增值效应。进一步的，大数据帮助政府提高国民治理能力、构建民生服务体系、惠及社会保障和就业体系、激发教育培训和人才配置、优化收入分配和创新创业机制方面都具有实践意义。目前，大数据的研究和应用主要集中于营销活动中消费者的行为和偏好研究，而在人力资源管理领域，并未明确应用于招聘方面。然而，网络招聘近年来早已凭借其范围广、信息量大、时效性高、流程简单而效果显著，成为企业招聘的核心方式。互联网发展进入新阶段以及大数据带来的管理路线与招聘思维不断变化的需求，探索互联网企业本身的招聘面临的巨大挑战和机遇具有现实意义。在人本管理思路下，针对互联网这一大环境从量变到质变的转化，审视网络招聘和企业的业务模式将要经历的变革，亦有理论意义。
百度作为中国互联网企业的巨擘之一，以丰富的数据资源与最前沿的黑科技不断影响着整个行业的发展。本文基于大数据背景对百度人才招聘现状进行评价，希望为企业吸纳、维系和激励人才提供制度保障并针对性地提出解决方案和对策建议，并以此为出发点积极推动其他互联网企业商业模式的创新以适应大环境的变化。
二、大数据时代互联网发展现状
（一）大数据应用对人力资源管理的影响。大数据对于人力资源管理的应用和影响体现在四个方面：第一，人力资源管理活动中人们工作思维方式的转变。基于海量数据的收集和分析，HR部门在引入大数据的技术同时，将要不断学习分析数据背后人员信息、岗位资源、架构调整动态等内容的潜在意义，推动企业管理新思维的不断深化和日益多元化的态势；第二，人力资源管理信息工具和数学算法的使用。例如，谷歌公司根据相关数据处理工具对员工的离职倾向和工作计划进行个性化的模型测算，从而预测员工的离职动向与职业发展途径，针对性地提出人员管理解决方案；第三，从企业人才孵化模式角度来看，大数据通过分析企业当前组织架构、业务需求和管理层级设计来优化企业人才发展模式与内部培育方案；第四，从个人与工作环境方面而言，大数据能够模拟最利于员工工作的环境，分析得到有利于员工健康和减少自我资源耗竭的工作安排，满足精细化的人员需求。
随着相关研究的增多，人力资源管理在大数据背景下呈现的趋势主要包括三点：首先，更加量化的标准将被应用于人力资源管理选人、育人、用人和留人的各个环节，包括招聘、培训选拔、人才测评、绩效考核、薪资制定、晋升规划等方面，精准处理、分析、记录；其次，结合互联网、大数据、云计算、人工智能等一系列技术背景，布局结构化与非结构化的广泛数据接口，产出大量的交互数据，从中分析得到更多的全行业适用规律，打破原有的企业边界，推动全球化的信息平台共享与人员管理；最后，人力资源管理将更好地与心理学、神经学、临床医学等结合应用，实现跨学科的合作与升级。
（二）大数据应用对互联网招聘的影响。网络招聘是基于数据搜集与计算、信息平台技术和云储备技术的迅猛发展，通过互联网平台实现人才和岗位匹配，满足求职者和招聘对象需求的过程。作为人力资源管理关键环节之一，招聘流程包括岗位需求分析与确认、人员招募、人员甄选和人员评估。传统的招聘渠道以传统媒介广告、校园招聘和招聘会等方式为主。网络招聘在传统招聘基础上，一方面借助互联网优势对候选人行为的用户画像进行大数据分析，多方面收集与综合评估候选人的专业技能、个人特质、价值观等信息进行岗位匹配；另一方面覆盖传统SNS平台、移动端APP、论坛网站与企业内部信息系统进行招聘活动，从而更好地满足招聘市场多元化需求。
中国互联网行业的网络招聘活动有三个特点：第一，金字塔式的不同梯度互联网企业呈现出不同的招聘方式和渠道，人才需求与管理模式也各有不同；第二，互联网行业业务线调整和变动频率高，人才管理成本较高，网络招聘活动的对象又具有较高识别度和特殊技能，因此如何通过内部和外部渠道为企业输入是管理者极为关注的内容；第三，与行业性质相关的是，互联网行业知识更新速度快，人才流动性大，人才竞争极为激烈，对招聘活动提出了更高的要求。
三、百度招聘应用分析
百度作为国内互联网企业的巨头之一，在人工智能、云计算和大数据方面优势显著。百度不断优化算法分析与信息平台，运用大数据带来的搜索服务技术、“多模互动”技术与“实体搜索”技术等，秉持分享与开放的理念，快速将有效数据转化为能够帮助消费者实现展现形式。从互联网招聘角度来看，百度在招聘理念、人才信息平台搭建、招聘标准及评估方面都体现了大数据在人力资源管理领域的应用。
（一）招聘理念。百度人才管理的信息化建设经历了三个时期，目前处于依靠大数据推动战略发展和业务落地的3.0时代，强调价值匹配和因人设岗。招聘需求在企业不同发展阶段，会伴随着战略转变和业务调整而发生动态波动。但是人才的积累是一个持续输出的过程，因此大数据在人才管理系统上的应用帮助企业实现候选人的实时录入，并且随着“机器学习”的发展，自动分析岗位需求进行人才精确匹配，转变过去被动的招聘理念，强调出于人才考虑的主动岗位设计路径。
（二）招聘信息平台建模。在人才管理方面，百度构建了“百度人才智库”（TIC），基于所有在百度工作过的10万内部员工信息样本，以及其他海外员工资料，在一年时间内构建了覆盖不同业务场景和事业群的第一套国内人才智能化管理方案。目前，百度的招聘立足在wintalent招聘系统，通过职位管理、候选人管理和人才库管理三部分实现从岗位需求分析、职位、简历搜寻与筛选、简历上传与入库、候选人面试安排、线上评估反馈、入职信息提交等一系列的招聘过程。
那么，为保证上述线上招聘活动的顺利开展，人才管理系统主要通过三个方面进行平台搭建。第一，多渠道数据收集和整合，包括候选人的简历、照片、附件、前期沟通与面试评估反馈信息等非结构化数据；第二，数据的分析。针对候选人工作特质与应聘的岗位直接的相关关系，智能化匹配出多维度的评估人才标准，包括技术深度或广度、项目经验、管理经验、领导力、文化适应度等。针对整体数据集合，通过区分人才管理、运营模式、文化活力、舆情掌握等进行多维度的数据建设；第三，通过分析形成候选人的画像、人才报告、企业人才图谱，从而为“机器学习”提供智能化资源，帮助管理者进行能力评审和决策。
（三）招聘人才标准。百度在招聘方面主要有三个衡量标准：最好的人、最大的空间和最后的结果。这几个标准因此对应着人才的专业技能和文化价值观、工作环境、晋升路径和项目推进、项目成果。在进行智能化和自动化数据分析与人才推荐的过程中，需要采用数据决策，减少主观判断的干预。同时，大数据的运用将大模糊企业边界，因此在进行人才标准判断的过程中需要在未来加入行业信息的影响因素，从而确定员工的最佳生产力。
四、结论
大数据的广泛应用对各个领域的发展有着不可逆的推动力。企业需要明确人工智能、云计算和大数据的未来互联网发展趋势，并保持对数据分析、建模的敏感性。在技术层面，跟进人机交互等技术，满足个体的个性化的需求。百度早已开放大数据平台，通过云、百度大脑和数据工厂对数据核心处理等能力分享给各个行业，并最近获得国家审批建立“深度学习技术及应用国家工程实验室”。从人才管理层面，大数据的应用能够帮助人力资源管理进行人岗智能化匹配和数据化分析估算，有利于管理者进行科学管理与行为预测；但另一方面，对数据的过分依赖同样不可取，最终的应用决策仍需要人为直觉与经验的帮助，缺一不可。未来的研究需要注意大数据应用与员工工作满意度、工作积极性之间的关系，以期进一步完善企业管理体系理论，并在实践中加以运用。
主要参考文献：
[1]芮绍炜.百度大数据的应用分析[J].企业管理，2015.2.
[2]鲍明刚.以“数据众筹”探索胜任素质模型构建的新模式[J].中国人力资源开发，2015.6.
[3]，蔡治廷.大数据时代的大学生就业工作探析[J].黑龙江高教研究，2015.5.
[4]曹丽娜.互联网思维下的人力资源管理[J].管理观察，2015.19.
[5]高亮.百度大数据，商业新能源[J].信息与电脑（理论版），2015.19.
[6]褚吉瑞.“互联网+”时代的人力资源管理变革与创新[J/OL].经营与管理，2015.12.
[7]张义德，丁道师.互联网思维下的人员招聘选拔――以北京速途网络科技有限公司为例[J].中国人力资源开发，2015.6.
[8]程玲.浅谈大数据时代的网络招聘[J/OL].企业改革与管理，2016.2.
[9]乔嫣.“互联网+”时代人力资源管理发展趋势分析[J].经营管理者，2016.7.
[10]刘雅惠，季蓓慧，傅敏.大数据时代下搜索行业的营销传播变革――以谷歌、百度和大众c评为例[J].现代营销（下旬刊），2016.6.
数据爆炸具三维特点，所谓三维多指除数据量迅速增多外，还指数据多样性以及数据资源的增长速度不断加快。从数据发展到大数据即是数据质量的飞跃更是量的积累，大数据能条理清晰的把不同形式、不同来源以及不同信息的诸多数据进行分析、整合，把先前孤立的部分数据互通互联，全面客观地诠释某个现象、某个事物的具体细节与整体情况，这是小数据时代难以比拟的新兴知识。大数据属于非竞争性资源，具重复使用以及不断产生新资源的优势，所以大数据在各个领域可创造新兴的重要价值。
一、大数据成为政府统计新趋势
大数据的时代，政府合理运用大数据，已从粗放型转变为集约型。部分发达国家在政府统计与大数据结合方面位于前列，在美国政府所提出的大数据发展计划与研究中，通过HPSS系统对数据流的即刻分析、可扩展性分析技术与数据缩减技术，对海量数据进行的分析处理，可提高能耗预警能力以及扩展能源统计领域。国家统计局已与阿里巴巴（中国）有限公司、山东卓创资讯集团有限公司等十几家企业签订了大数据战略合作框架协议，共同推进大数据在政府统计中的应用，不断增强政府统计的科学性和及时性。
二、大数据背景下统计创新能力的重要性
大部人认为大数据时代全体等同于样本，得到的数据是全数据而不是抽样性数据，因此进行简单的结算即可，无需系统地进行统计分析。事实上这种观点较为片面，因为大数据仅告知信息并不解释相应的信息内容，研究大数据时若无全面的科学数据指导，如同建造桥梁时不使用工程科学知识，继而造成严重后果和不良影响。随着万千事物的变化，全数据的不确定性较大，所以统计性数据分析是大数据迈向应用的关键点。
三、政府统计主导设立地域性数据中心
（一）政府统计主导，确保数据的准确性
政府相关统计部门应坚持设立县域公共性数据中心主导地位，以提高数据的收集效率与权威性，保证数据真实而全面。例如数据青岛是由青岛市的统计局完全主导创建的数据中心，在数据青岛的基础层次上向县域性社会经济发展延伸到即墨市 “综合性数据信息平台”，该信息平台是由当地政府主导设立的数据中心，扩大数据信息覆盖层面的根本上，确保数据的准确性与权威性。
（二）一盘棋管理，确保数据质量
将“一表”“一库”和公共性数据中心进行数据互动，将数据维护基点进行细化，并分块管理数据，使源头数据的质量逐渐提高。从实践分析，由政府主导的相关数据中心需将基层建设完全落实到功能区统计、园区统计以及镇街统计，以网格化的管理提高数据中心的数据质量，避免数出无源、数出无据以及数出无门，以此提高统筹效率与数据采集效率。
（三）多方面进行合作，提高数据的全面性
开展与科研院所以及高校等部门数据中心的端口开放和合作，有选择性地与相关领域、相关行业以及相关县市数据中心实行数据互交，为数据研究提供全面客观的对比性依据。我国部分发达城市创建的大数据中心可将某些数据端口与研究所合作共同分享资源，即能借助研究所较为专业的数据资源丰富政府数据统计分析方法，又能弥补收集政府统计数据的不足。
（四）丰富公共服务中心数据的分类方式
可将财务报表、行政记录等初级统计资料和次级统计资料归纳至数据中心系统中，使信息检索功能得到强化，筛选并应用可用信息，提高数据真实性，数据服务形式逐渐丰富。
四、创建数据分析工具以及统计数据模式
对经济发展秩序的系统分析主要依赖于数据挖掘，现今数据已被更多的人认识，在生活、工作等各个方面的应用具重要价值，若依靠横向数据排名以及历史数据增长很难全面客观地显示出问题本质。科学合理的统计数据模式是探寻发展规律、探析数据的最重要手段。例如分析劳动工资数据时，应用明塞尔资本收益化函数或是C～D生产性函数分析数据，可得出地区不同的劳动力素养以及劳动生产几率对生产值的贡献力度，为劳动力部分政策提供参考依据。
（一）设立适宜各专业应用的数据分析模式
政府统计具较高的专业性，不同专业、不同领域创建的数据分析模式均不相同，通过数学模型筛选，创建专业化的数据分析模式，从不同时期、不同角度以及不同层面对专业化数据进行空间序列与时间序列的探析，非线性和线性回归参数检验与估计作用，达到对数据高质量、多角度的细致分析。就像应用欧氏距离检测典型结构与产业化内部结构的相似度，能够较为精准地展示产业结构的演变层次与发展水平，对产业化的结构层次具定量化评估。
（二）配套创建数据分析软件库
给予海量大数据高速计算是应用数据探析模式的一大特点，高速计算远超出人力计算范围，需采取相关分析软件辅助计算。使用C～D生产函数分析数据时需用到Eviews软件运算大数据。部分地区在实践中发现，数据分析软件的需求多表现为两个方面，一方面分析数据时常需要相关分析软件辅助计算，方可得到满意的分析成果；另一方面，相关数据分析软件的使用和获取存在一定难度，有些数据软件对硬件设备具较高要求，而且运算量极大，部分分析软件需在外文的指导下方可使用。所以应创建适宜各专业应用的数据探析软件库，为数据统计分析提供操作与技术支持。
五、多渠道深入递进数据
数据质量与数据时效性是数据统计分析的关键。随着社会经济的发展，数据每时每刻都在变化，行业风险、国际竞争以及相关政策出台对有些经济数据具一定影响。
（一）政策的跟进
尤其涉及新能源、战略性新兴产业、高新技术以及出口方面产业，地方与国家政府政策对企业经营发展具很大影响。政策跟进过程中需实时管理信息公布平台，与部分主要门户网站合作创建信息交互体制，以便企业能够及时通晓政府的各类信息，把握产业相关政策动态。例如我国太阳能方面的光伏产业属于重点扶持产业，每年能够得到国家部分产业补贴，所以分析产业发展数据时需将产业补贴计算在内，否则容易对产业未来前景做出乐观估计。
（二）跟进企业发展
企业发展的受制因素较多，金融成本、商业风险以及经营策略对数据时效性具较大影响，对于部分县域政府统计，企业的发展数据跟进需要走进企业实地考察，以便掌握企业发展面临的困难与优势。同时还要通过社会考察了解企业信用、用工方面等诸多问题，预估数据的发展趋势，以此充分补充企业发展的数据分析内容。
（三）跟进产业环境
产业的服务机构、进出口以及地域等环境对企业经济发展具有影响，进而对需要进行分析的企业相关数据产生较大影响。想要跟进产业环境可通过相关信息渠道通晓国内产业发展与进出口环境现状，大致了解行业发展状态。同时还可深入研究企业园区等为企业在条件放宽、证件审核、进出口以及税收等方面提供各种优惠举措。
六、结束语
随着科技的进步与经济的发展，大数据时代逐渐融入到工作与生活当中。大数据时代的来临可称之为数字化革命，海量的数据资源致使政府、商界以及学术界开始迈入量化进程，为教育卫生、经济发展等社会方方面面的统计工作带来创新与机遇。
参考文献：
[1]飞.大数据时代工业统计创新能力的分析与研究[J].财经界，2015（19）.
[2]王晨曦.大数据时代创新统计数据分析方式的思考[J].中国统计，2015（13）.
[3]朱怀庆.大数据时代对本科经管类统计学教学的影响及对策[J].高等教育研究，2014（03）.
而作为国内第一家进行数据仓库和BI系统建设的电信运营商，山西移动从2001年就开始进行其经营分析系统的规划。从2002年系统上线到现在已经是近10年的时间。对于数据量的急速增长、市场形势的瞬息万变、用户群体的复杂变化，这10年来，经营分析系统在山西移动的业务过程中到底扮演了怎样的角色？对于大数据时代的来临，它发生了哪些变化？就这些问题，记者采访了山西移动业务支撑系统部统计分析室经理王峰。
BI是过程不是产品
地处中西部并不发达的山西省，山西移动却成为国内第一家构建BI系统的电信运营商。谈起当时系统建设的出发点，王峰认为，这还是基于公司对数据、数据分析和数据挖掘的重要性有着充分的认识。山西移动在信息化建设的过程中，并不看重经验，看重的是数据的价值，这也成就了公司在决策层面的领先。
对于当初系统建设的难点，王峰认为，一个纯硬件平台或软件系统的搭建，不是很困难；困难的是，系统建设完成之后要有效地推动业务。与业务运营支撑系统和客服系统建设完成就必须使用的产品特性不同，经营分析系统更像推动业务转化的一个过程，而不是一个建设好就必须使用的产品。正因为如此，经营分析系统并不处于必要的业务流程之内，业务人员可以用也可以不用。这就使系统的推广并不是一件简单的事情。
在经营分析系统部署初期，移动通信市场正处于一个爆炸式发展的时期，市场蛋糕以几何级数增大，这使得经营分析系统的作用并不是那么明显。为此，山西移动甚至整个移动集团内部在2002年到2004年有很多关于经营分析系统的培训，目的就是推动系统在业务中的使用。
而现在的电信领域，已经不是十年前那个迅速膨大的市场蛋糕了，各种移动通信标准的竞争、运营商和终端生产商的联合使得竞争不断加剧。以前，即使没有决策和营销，市场也会发展起来，系统可以查验数据就可以了。而近些年来的制度改革特别是去年3G牌照的发放，使得产品和营销策略的制定越来越需要精细化。在如此激烈的竞争环境下，BI系统支撑业务发展、进行营销、引导决策的重要作用就凸现了出来。王峰举了一个例子：以前移动运营商可以捆绑销售来电显示服务，现在是不被允许的。这时就需要系统根据大量数据通过复杂的运算发现不同的用户需要来电显示服务的概率有多大，然后再对目标用户进行服务推送。精确化的用户和服务匹配，比广撒网式的广告营销效果要好得多，有效地节约了成本。
大数据分析要更精细化
对大数据时代的到来，用户数量众多的电信运营商感觉尤为深刻。山西移动每天流入经营分析系统的数据量大约为300GB，庞大的数据量带来了巨大的潜在价值和决策能力。
对于大数据时代的数据分析，王峰认为，山西移动的片区精细化管理就已经体现了大数据分析的特性。面对北京媒体，王峰以北京为例来说明片区管理的大数据特性。片区管理是地理纬度上的客户分块，例如北京包括东城区、西城区、海淀区等。而每个区又可以向下细分，比如西城区可以细化到金融街区，最后细化到移动基站的一个扇面区域。如果一个用户在昌平入网，却经常在金融街区通话，就要把用户定位成一个金融街用户。每一个细化的片区由一个片区经理管辖，金融街的片区经理就要对定义成金融街的客户进行服务，例如问候短信或新产品通知。片区经理不仅要对现有客户进行服务，还要对潜在客户进行挖掘。山西移动要求片区经理对自己管辖区域内的每一栋写字楼的每一家企业进行记录并录入片区化支持系统。根据掌握的多种数据，对用户进行精细化分类和深度挖掘，进而进行相关的营销活动，这种线上线下的共同合作，体现的正是大数据分析的特点。
片区化支持系统由Teradata公司协助山西移动搭建，目前已经完成了两期。该系统以一年前Teradata提出的地理空间解决方案为基础架构。Teradata的CTO宝立明介绍说，地理空间解决方案并非专门为电信运营商打造的技术，只是由于电信运营商的用户可以通过手机定位其所处的位置，这一优势使电信运营商成为地理空间解决方案的第一批用户。而山西移动又是这一批用户中的领先者。
山西移动的经营分析系统作用于营销层面主要包含两个核心应用。一个是核心客户保有。核心客户是指用户UP值贡献高、漫游行为较多，有重要影响的高价值客户。如果某个核心客户在一段时间内的主叫时长出现了显著的下降，统计分析部就会在核心客户保有的应用上发现这个用户，认定该核心客户有发展为普通客户的可能，并且把与之相关的客户明细提供给相关的市场营销部门，由营销部门对其实施保有措施。另一个应用是离网用户关怀，与核心客户保有应用相比，该应用是更针对离网客户的预警。
对于海量数据的保有，山西移动的策略是数据与应用同在。一个应用上线有自己的生命周期，应用由哪个部门提出、应用的主要功能、开发人员、何时上线、预计使用期限等信息都会被记录在生命周期管理系统中。当应用达到使用期限，根据实际效果如果没有必要进行生命周期的延长，应用下线时就将相关的数据评估为无效，进行清理。
在经营分析系统上线的近十年时间中，山西移动的数据分析和决策进程正变得越来越科学。虽然在外部用户层面，客户很难感知到经营分析系统的存在，但山西移动正通过它进行着各种各样的营销活动，从而为用户提供更精确的服务。而在山西移动内部，经营分析系统的内部客户对数据的满意度得到了非常大的提升，管理层和业务部门在决策上获得了更好的支撑。
未来属于将数据转化为产品的公司。作为电信运营商，山西移动有着先天的优势可以掌握海量的有效数据。面对大数据时代的来临，多角度深层次的数据分析也正在成为山西移动统计分析部门支持决策的重要手段。
链接
Teradata通过收购应对大数据分析
中图分类号：F235 文献识别码：A 文章编号：1001-828X（2016）027-000-01
一、大数据时代下，财务分析发展的重要性
研究发现，财务分析的理论与实务已经有一个世纪的发展，一般认为财务报表分析是财务分析的初始形式。随着社会实践活动的不断丰富和发展，财务分析早已不纪的历史局限于早期的信贷分析和投资分析。目前的财务分析主要包括经营分析、投资分析、全面系统的筹资分析，同时财务分析在资本市场、企业股价、绩效评价等领域也得到了广泛的应用。
大数据（big data），是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，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。大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）第一，Volume（大量）。大数据时代的数据量十分庞大，从TB级别跃升到PB级别。第二，Velocity（高速）。，和传统的收集整理数据相比，大数据的处理技术有着本质的不同，处理速度要快得多。第三，Variety（多样）。数据有着不同种类的存在形式，如：视频、图片、网络文献等等。第四，Value（价值）与传统的数据处理方式相比，大数据的数据采集量达到了一定的规模，故大数据具有数据采集及时，数据较全面，数据具有连续性、易存性等特点。进而可以从更多方面、更全面、真实的反应实际情况。
二、大数据环境下财务分析的发趋势
会计报表按编制时间可分为月报表、季报表、半年报表和年报表。都是在生产经营业务发生后，是会计核算的最终产品，故影响企业的财务信息分析的时效性，进而对企业生产经营产生了不利的影响。随着目前我国信息化进程不断加速以及互联网业务的不断发展，实时财务报告的重要性被越来越多的企业和数据使用者重视，而大数据技术发展为实时财务报告的实现提供了可靠的依据。实时财务报告是信息化条件下会计技术和方法发展的必然产物，是信息技术与大数据技术较好交叉融合的最好表现，某些行业，如证券、保险、银行等，这些对业务数据和风险控制“实时性”要求很高的行业，对实施实时财务报告的需求日益增加。
在大数据时代的背景下，实时财务报告的实现，首先可以通过建立企业的中心数据库来实现，这需要企业将自己的会计信息系统和管理信息系统的通过内部局域网收集实时数据;然后是将企业局域网内的数据资料与互联网相连，实时财务报告系统中所用到数据，就集合了企业内部局域网和互联网的数据。财务人员处理完会计信息之后，使之网页化，提供实时的财务数据信息。
财务人员可以借助大数据时代的背景优势，充分利用大数据的特别，全面整体的分析财务数据，帮助企业预测和防范经营过程中可能遇到的风险。这就要求财务人员在工作中充分发挥前瞻性和战略性的作用，不断学习新技术，收集和整理数据信息，在数据的分析过程中预测重要的趋势，并对企业的管理者提出自己专业的意见。
传统的财务分析是对数据的精确分析，这种数据分析方式相对来说更适合数据量较小的分析。和大数据相比，数据的完整性和时效性不强。无法帮助财务报表的使用这个全面的了解财务状况的全貌。“精确”将不仅仅是财务工作的全部，全面系统的分析将在未来的财务分析工作中处于越来越重要的地位。
大数据时代的超级数据量和数据的多样存在形式，已经超越了传统数据的管理范围和能力。需要更新数据的查找、存储、分析、处理等方面的方法。随之一批新的数据管理技术和数据管理工具将不断的涌现，在提高人们工作效率的同时，减少了工作量。
如今，随着移动互联网的发展、新兴网络业务的发展，以及云计算、云存储的出现，世界经济和社会的发展都产生了巨大的变化，为人们的生活和工作方式提供了全新的思路和防范。在大数据时代的背景下，数据分析也充分利用了大数据的特点，不断改进数据分析的技术和方法，使之与新的数据分析思维相吻合，使财务分析与时俱进的发展。
三、结语
随着我国的经济不断发展，互联网云技术业务的拓展，大数据时代下的财务分析发展也将迎来全新的变革，同时对财务工作者来说也是全新的机遇和挑战，在这种情况下要抓住机遇，创新思维，学习新技术，开拓新方法，合理把握大数据的特征，让财务报告分析在企业中发挥出最大的价值，为企业和社会的发展提供充足动力。
参考文献：
[1]胡萍.财务分析在企业管理中的应用研究[J].财经界（学术版），2012（06）.
[2]梁建军.财务分析在企业管理中的应用探讨[J].现代经济信息，2013（20）.
[3]赵晓丽.财务分析在企业管理中的应用研究[J].中国乡镇企业会计，2014（08）.
