时间：2024-03-01 14:48:56
序论：速发表网结合其深厚的文秘经验，特别为您筛选了11篇大数据时代的概念与特征范文。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、引言
大数据技术基于云技术、物联网二者之间，大数据的到来是历史发展的自然进程。现如今，大数据已然成为一个热门词。对于它的探讨在各个领域都不胜枚举。我们今天探讨大数据技术在教育形态带来的变革，并从哲学的角度分析它的科学性和意义。
二、大数据时代的教育变革
教育这个词汇可谓是包罗万象。谈到教育，我们可以联想到传统的兴起于工业化时代的教育模式。这种教育模式是我们最为熟悉的，或者说是对教育狭义的理解。带着工业化显著的气息特色：老师、学生、课堂、黑板、讲桌、铃声等。那么广义的教育的定义是什么，我们从百科上找到了这样的定义；“教育是以知识为工具教会他人思考的过程，思考如何利用自身所拥有的创造更高的社会财富，实现自我价值。”那么我们在以知识为媒介进行思考的过程就是一个受教育的过程。我们探索历史的长河，在西方历史中尤为突出。从西方第一个哲学家泰勒斯起到大学的兴起，这期间传统的教育模式悄然形成，教育的概念逐渐塑立。泰勒斯建立了米利都学派，他的学生有阿那克西曼德、阿那克西美尼等。他们最先尝试以现实的物来解释世界，还提出了伟大的命题：“万物源于水。”泰勒斯用自己的思想和知识影响着他的学生，这开启了教育的先河。随后比较有规模的就是著名的三大哲学家：苏格拉底、柏拉图、亚里士多德。苏格拉底的教育模式颇为新奇，他自创的苏格拉底讽刺法1和助产术2是他施行教育的模式。到了柏拉图便建立起了柏拉图学园，与我们今天的课堂相近。亚里士多德的思想更是深深地影响了西方世界。随着生产力的发展经济的飞速转化，大学的兴起，工业化时代的到来，教育形态逐渐形成、稳固。
当今的时代，是互联网飞速发展的时期。“数据”一词是时代的浓缩代表。数据的集中以物联网、云计算等综合技术的成熟为基础，数据是过程性和综合性的考虑。透过数据看到的是世界的逻辑关系。大数据伴随着云技术和物联网是推动教育形态变革的主要力量。在这个时代，我们的知识将会无处不在，思考随时进行，因此我们的教育随时发生。教育形态自然会发生天翻地覆的变化。
大数据时代的教育变革的具体表现是我们探索的主要内容。变化是一个相对的概念，我们总结了以往的教育模式，再对比如今的教育方法，最终得出了变革的概念。如今我们有这样一组数据，美国从1997年以来的十多年间，在家上学的人数迅速增长。这样的数据就会引起我们的思考，这颠覆了我们从前在课堂上课的方式，那么家庭教育是怎样进行的呢。我们进行了统计，发现视频成为主要载体，这样的教育信息量更多更大，资源极其丰富。更是达到了随时学习、终身学习、按需学习。
2014年在清华大学举行的“首届全国高校学院院长高端论坛暨清华大学思想政治教育专业创建三十周年纪念大会”中，多次提到了教育形态的改革。打造立体教学模式、利用多媒体等方式统筹利用各项资源。这些数据都体现了我们教育形态发生的变革。
三、哲学角度看大数据与教育形态的关系
我们论述了大数据时代的到来引发了教育形态发生的变革。我们既看到了现象，就要从哲学角度透过现象追求本质，探索根本原因。看大数据是怎样潜移默化的影响教育形态。
探讨大数据的影响力我们可以从大数据的特征中总结。大数据的显著特征就是信息量大且繁多。这样对我们的思维模式有一个新的锻炼，会多带来不同。大数据的公开性和容易获得性是它的另一特点。大数据的产生是在商业过程中自动化产生并存储下来。那么这样的数据必然会给我们提供广泛的参考，进而预测性又是大数据的一大重要特征。我们讨论的这些是大数据显而易见的特征。大数据深层的特征是存在在它的研究方式中的。大数据不同于以往的调查方式，由于以往技术的局限多数进行的是抽样调查，这样得出的概率性远比整体调查少的多。大数据就是重全体轻抽样。那么对于大数据得出的结果，我们是重在分析它所展示的关系而非看重结果。我们探讨大数据的特征，可以举在教育中的一个实例来反映。
我们用简单的方式举例，一个学生考试得了80分。这是一个结果，更是一个数字。但是对于我们的大数据来说并不是这样的。它会分析数字背后的因果关系；它会整体调查影响学生分数的全部原因；更会产生预测性的断定，是否是家庭、智力或者是态度等因素影响了分数的形成。在大数据时代，我们的关注点从感性上升到了理性，这样的技术的运用让我们的世界观和方法论都有了理性的参考，这可以说是一个新事物。
我们总结了大数据的特征，更找到了大数据在教育形态发生变革的作用力。这样的研究方式，我们可以从哲学的角度探讨。
大数据采取的是整体调查。从这个角度来看，与我们的归纳主义3所倡导的主张有一致性。归纳主义认为，搜集尽量多的数据、事实，并从中推导出结论。大数据的研究方式似乎与归纳主义不谋而合，但是如果我们这样思考，就会将大数据的研究方式推到了狭隘的空间。
大数据带来的研究方式，我们从哲学的角度出发进行思考，对于今天互联网高速发展的时代有着很重要的意义。我们可以从既存的哲学研究方式中去思考它，更可以从它出发去创新新的思维模式。因为大数据不再是以往单纯的直线思维，它带来了多重立体的思考。这样的时代意义确实需要我们探讨。
参考文献：
[1]托夫勒：《未来的冲击》，电信出版社，2001.
[2]韩志君：《简析大数据在教育领域的运用》，《科技世界》，2014年第六期.
[3]刘凤娟：《大数据的教育应用研究综述》，《现代教育技术》，2014年08.
注释：
中图分类号：G250 文献标识码：A 文章编号：1003―6938（2014）04―0117―03
[3]周枫.大数据时代档案馆的特征及发展策略[J].档案与建设，2013（8）.
[4]李小晨.大数据时代背景下的档案管理探讨[J].云南档案，2013（6）.
[5]EMC：大数据先锋，http：///microsites/bigdata2013W3/index.htm？reg=IN1&M=06388987-2697-4CE4-A2E0-764926E1C82F.
doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2015 . 17. 017
[中图分类号] F232 [文献标识码] A [文章编号] 1673 - 0194（2015）17- 0036- 02
1 大数据的含义及其特征
随着信息时代的到来，“大数据”这个概念也被广为传播。美国奥巴马政府也高调制定了其大数据研究和开发计划，大数据已经开始进入到人们的生活中。对于大数据这一概念，目前暂无确切的定义，通常是通过数据产生的过程和数据形成的两个过程进行描述，本文从大数据产生和大数据的特征两个维度进行定义。大数据具有规模大、类型多、处理速度快、价值密度低4个基本特征。
（1）大数据的基本特征是数据规模大，大不仅体现在数量上，还体现在范围上。随着数理统计技术的发展以及数据处理能力的提高，用传统的少量的样本特征来推断整体的习惯已经被摒弃，人们通过搜集和整理更大量、更大范围的数据，进行更精准的决策。
（2）大数据所包含的数据类型繁多、复杂多变。大数据时代数据来源范围更广阔，比如电子商务、手机信息、行车信息、购物会员信息等多渠道，同时数据的格式也不尽相同。因此，数据的多样性具有来源多样性以及格式多样性等特点。
（3）大数据的另一个显著特征就是处理速度快。面对巨大数量的数据，同时数据形式多样化，只有加快数据处理的速度才能让数据的时效性和有效性得到充分发挥。在巨量数据的情况下，数据还具有流动性，随着时间的推移其价值也会降低甚至失去其自身的意义，因此，在大数据时代下，数据处理越来越强调其时效性，对其处理速度也提出了更高的要求。
（4）大数据下大量数据的聚集导致数据的价值密度低。大数据所包含的巨量数据信息中包含了所有数据和全部字段细节，对于要解决一些特定的问题和决策来说，有大量不相关信息包含其中，造成了相对有效数据的密度低。面对这个特征，为了提升决策的效率以及效益，需要提炼有效数据。大数据为了保证信息的完整性以及能够满足所有应用，这就要求数据数量的激增，而有效信息的比例相对减少，也就是我们所说的价值密度低的特征。
2 大数据时代管理会计面临的挑战
2.1 会计工作者对大数据的应用认识不足
大数据时代的到来对很多行业来说既是机遇也是挑战，会计从业者对大数据的正确认识是迎接机遇和挑战的必要条件。目前很多企业并没用充分认识到这一点，对大数据的认识不足，主要表现为：首先，认为大数据技术比较遥远，而且仅仅是存在于如谷歌、微软等高精尖技术公司，不愿意为大数据技术投入人力、物力、财力，甚至有意避开大数据这一领域的有效应用；其次，对于大数据的认知度不足，调查显示，在中小企业中，对大数据有过关注和了解的人不足50%，另一半则仅仅听过这个名词而已，并没有真正关注和了解。再这样的情况下，大数据在会计工作者中的应用与推广必将受到影响。
2.2 会计的信息存储空间不足
我们强调了大数据时代其特征中数据量的巨大，并且要求所存储数据的全面性以及持续性，这些都需要巨大的存储空间，而目前对于处理这些TB级别的数据有很大困难。
2.3 会计信息的安全无保障
大数据时代基础数据搜集中，包含着大量的私密信息，这些信息的安全关系到员工及客户的自身安全；同时大数据也涉及到企业核心信息。这些数据一旦泄露，都将对客户或者企业造成威胁，给企业带来不可弥补的损失。因此，面对大数据的应用，对于信息安全的要求是一个不可回避的重要课题。
2.4 针对大数据的会计分析技术不足
大数据的特点之一就是数据价值密度低，也就是说面对众多数据，对其有效的分析和充分的利用是实现大数据有效应用的途径之一。目前，对于大数据的有效应用少之又少，一方面是因为数据量过大，另一面则是因为传统的分析方法不能很好地适用于非结构化数据的分析。
2.5 大数据时代下会计人才缺失
目前，全世界都面临着大数据专业人才的缺口，面对大数据的特点，必须有专业数据分析技能的会计工作者才能胜任，才能将众多数据转化为有效的深度挖掘和分析决策报告。专业知识的短缺必将阻碍会计工作者在大数据时代下的发展，因此，对于数据处理及数据挖掘等相关方面的培训是会计工作者提升自身技能的必备条件。
3 如何应对大数据给会计工作带来的挑战
大数据时代的到来是一个渐进的过程，在这个过程中，对会计工作的能力要求也是一个渐变和逐步提升的过程，会计人员必须积极应对这些变革，迎接大数据带来的挑战。
3.1 提升自身对数据挖掘的应用能力
大数据的有效应用就是考验会计工作从海量信息中找到有价值信息的过程，只有找到了有价值的信息才能为生产经营提供正确的发展方向。这些都需要依赖于数据仓库以及数据挖掘技术。
3.2 提升会计信息化的安全性
前面提到了目前会计信息安全性的问题，如何防止他人恶意非法访问以及窃取相关数据是目前急需解决的问题。目前比较有效的防护办法为：企业启用用户身份安全认证以及访问控制机制，同时增加会计信息安全评估机制，在企业内部建立和健全一个会计信息管理系统。
3.3 加大对大数据知识的会计人才的培养
随着大数据的逐步应用，为应对大数据知识及技能人才缺失的现状，企业一方面可以加大招聘力度，另一方面可以通过对现有会计人员进行培训或者交流学习等方式，提升会计工作人员的大数据挖掘分析的能力。
4 结 语
随着大数据时代的到来，对会计工作的需求也上升到了一个新的高度，在技术上说，要求会计人员了解大数据的特点，并且能从中挖掘和整理出有效的信息，能为公司解读有效数据并提供决策依据；从职业操守上来看，需要会计工作者严保数据库中的敏感信息，不可泄露客户及公司的信息。因此，需要不断提升会计工作的技能和职业操守来应对大数据时代的到来，更好地利用大数据来更加出色地完成会计工作。
主要参考文献
[1]袁振兴，张青娜，张晓琳，等.大数据对会计的挑战及其应对[J].会计之友，2014（32）.
[2]许金玲，赵爽.大数据时代管理会计工作变革研究[J].现代经济信息，2014（23）.
【关键词】大数据；集团管控；信息技术
一、引言
在过去的数年中，信息技术正在将人类社会带入“第三次工业革命”时代。大数据是继物联网、云计算之后IT产业又一轮颠覆性的技术变革，对社会、企业和个人都将产生深远影响。
大数据时代来临之际，我国集团管控尚处于初步阶段，很多集团企业虽然在形式和法理上有了集团公司的名号，但是在集团公司内部管理与控制方面尚未建立真正的集团公司运作模式。
当前我国集团管控现状是：集团公司内部的管控严重滞后于集团公司规模、业务的发展状况，集团管控过程中存在严重的缺位、越位、错位现象。
破解上述难题的基础在于解决集团因信息缺失、时效性差、真实信息被过滤而造成的决策失效等问题。显然，大数据的出现和发展为解决集团信息问题提供了新思路。如何顺应大数据的发展趋势以强化集团管控，集团企业正面临新的机遇和挑战。
二、大数据概述
（一）大数据概念
数据被称作信息化时代的石油，其重要性不言而喻。对于大数据的概念，企业和学术界目前尚未形成公认的准确定义。维基百科将大数据定义为“无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合”；权威IT研究与顾问咨询公司Gartner将大数据定义为“在一个或多个维度上超出传统信息技术的处理能力的极端信息管理和处理问题”。
尽管存在不同的表述，但一个普遍的观点是，大数据虽与“海量数据”和“大规模数据”的概念一脉相承，但其在数据量、数据复杂性和产生速度三个方面均大大超出了传统的数据形态，也超出了现有技术手段的处理能力。
在应用层面上，大数据是指通过先进的信息技术对海量数据进行捕捉、存储、分析和挖掘，这些数据具有快速、复杂和多变的特点。从产业角度，常常把这些数据与采集它们的工具、平台、分析系统一起称为“大数据”。
（二）大数据特点
大数据描述的是随着数据量和数据类型激增而逐渐衍生出来的一种现象，不仅包括大规模的体量、多样化种类的数据集，还包括对这种数据集进行高速采集、处理与分析以提取价值的技术架构与技术过程。
业界通常用4个V来概括大数据的特征：数据量大（Volume），数据量通常可达到PB级甚至是ZB级，并且增长迅速；数据类型多（Variety），网络日志、音频、视频、图片、地理位置信息等结构化、半结构化和非结构化数据并存，数据类型层出不穷；价值稀疏性（Value），有价值的数据比例小；速度快（Velocity），数据的时效性极强，并且生命周期更短，因此，这就要求有极高的数据处理速度，只有及时对数据进行提取、分析和挖掘才有意义。
三、大数据给集团管控带来的机遇与挑战
集团管控是指大型企业的总部或者管理高层，为了实现集团的战略目标，在集团发展壮大过程中，通过对下属企业或部门采用层级的管理控制、资源的协调分配、经营风险控制等策略和方式，使得集团组织架构和业务流程的达到最佳运作效率的管理体系。
集团管控的重点在于如何提高管理效率，降低运营风险从而进一步强化核心竞争力。集团公司运作的本质就是既要发挥规模效应，又要发挥整合效应和协同效能。
在大数据时代，数据逐渐成为企业最重要的资产之一，集团的决策行为将日益基于数据分析，而不是像过去更多凭借经验和直觉。作为构筑在数据分析和信息处理基础上的集团管控，它的发展将面临着全新的信息技术所带来的新机遇和挑战。
1.大数据技术能够彻底解决信息孤岛难题，为集团管控提供全面、准确、及时的数据支撑
企业集团内部信息被屏蔽成信息孤岛，主要有两个方面的原因：
一是在计划经济向市场经济体制转型的大背景下，我国部分企业集团是先有“儿子”后有“老子”。在这种情况下，导致企业集团信息被先出生的“儿子”有意无意的滞留在底层，企业集团层面无法有效获取“产、供、销，人、财、物”等所需的决策信息。
二是很多企业在兼并、重组前已实现了企业ERP，兼并重组后ERP系统间彼此独立，数据难以完整、有效、及时的采集和传输，信息难以共享。
通过大数据技术平台，现代企业集团可以建立起覆盖各个成员的信息化管理平台从而打破集团间信息孤岛，实现信息共享、系统间数据的无缝对接，为企业集团各管理层全面掌握了解企业集团“产、供、销，人、财、物”等相关决策信息提供了前提条件。
2.大数据技术能够深刻挖掘集团数据资产价值，提升集团市场竞争力
在大数据背景下，数据资产会逐渐成为促进企业利润增长的核心动力之一。
目前，大多数企业对于数据的关注主要集中在存储和传输环节，在数据量每年大约增长60%的背景下，企业平均只能获取其中25%～30%的数据。面对集团内外部日常经营所产生地爆炸式增长的海量数据，集团传统的信息系统甚至已经无法对其进行有效的分析。
大数据技术为企业有效利用数据提供了新的途径和机遇：通过深入挖掘自身数据的商业价值，推动企业决策机制从“业务驱动”向“数据驱动”转变，从而提升集团决策能力、市场竞争力。
3.大数据将促使数据业务成为各行各业的主营业务，从而改变其管理模式
整合市场资源、推进业务协同创效，大数据将为现代企业的运营管理模式带来深刻变革，使得企业可以整合产业生态链资源，进行产业模式创新；可以重塑企业与员工、供应商、客户、合作伙伴之间的关系，进行企业管理创新；可以整合资源，创新协同价值链，提供新的产品与服务，打造新的商业和管理模式。
总之，大数据将对现代企业的管理运作理念、组织业务流程、市场营销决策以及消费者行为模式等产生巨大影响。现代企业将逐渐从“以产品为中心”、注重微观层面的产品、营销、成本和竞争等要素的传统管理模式，转变为“以服务为中心”、注重宏观层面的资源、能力、协同发展、价值创造和产业链合作等要素的“企业网络生态系统”的新型管理模式。
四、结束语
中图分类号：C8 文献标识码：A 文章编号：1674-098X（2017）01（c）-0136-02
近年来，对大数据的研究和应用已经受到我国各界人士的广泛关注，国家统计局已经把信息处理技术列为关键性的创新技术工程之一。随着我国大型计算机的迅速发展，处理大规模的复杂数据的能力逐渐提升，从这些大数据中提取有效信息的能力也逐步加强，毫无疑问，我国进入大数据时代的脚步将会进一步加快，人们将会感受到大数据时代下给其带来的生活、工作上的便利。
1 大数据和大数据时代简介
1.1 大数据
大数据是指远大于一般数据的巨量资料，需要人们通过全新的处理模式才能获取其中有价值的数据信息。“大数据”这一概念最早由维克托在《大数据时代》一书中引用得来，最开始对其定义为：不通过传统的随机分析方法直接对所有数据进行分析处理，主要有大量、高速、多样和价值4个特征。
大数据可以分为大数据技术、大数据工程、大数据科学和大数据应用等领域。目前受到最多应用的是大数据技术和大数据应用。人们通过收集数据，提取有效信息就可以为企业发展或者社会活动提供最有效的实施途径。因此，可以这样说，在大数据的王国里，最成功的企业就是那些善于运用机遇的公司。
1.2 大数据时代
大数据时代是建立在信息时代的基础上，通过互联网、物联网等渠道广泛搜集海量数据资源并对其进行存储、提取和展示。在大数据时代，几乎所有人都能够享受从任一数据中获得所需要的信息，大数据时代也具有社会性、广泛性、公开性和动态性4个特征。大数据时代的发展将会引领社会众多领域和行业的变革，对人类的生产、生活方式产生深远影响。
在大数据时代下，传统的数据分析思想已经不再适用，应该做出改变。首先，应该转变抽样思想，大数据时代下的样本即总体，已经不再依靠少量样本分析事物的相关规律；其次，要转变数据精确测量的思想，大数据时代要学会接受繁冗复杂的多样性数据；最后要转变探究事物的因果关系思想，转为研究事物的相关规律。以上思想的转变，均与统计学有关，因此，下面将分析大数据对统计学带来的具体影响。
2 大数据对统计学研究工作的影响
2.1 大稻莘岣涣送臣蒲У难芯慷韵
大数据影响的领域范围非常广泛，在大数据时代，不仅能够对以结构数据为度量单位的客观主体，还可以对不能用数据衡量关系的文本、图片、音像等非结构数据进行分析，大大扩展了传统统计学的研究范畴。
2.2 大数据影响统计学的工作进程
统计学是对所搜集的数据进行整理和归纳的方法论学科。大数据时代的资料十分丰富，分析数据已经不再需要抽取样本了，因为数据总体即是样本。此时，传统的统计学抽取样本分析的工作方法已经不再适用，而是被现代化通过传感器自动采集数据的方法所取代。
3 大数据时代下数据分析理念辨析
3.1 数据分析理念
传统的数据分析是指用统计学方法将收集的数据资料进行系列分析，以便最大化地开发数据中的功能，从中提取有价值的数据，再和未经处理的数据进行对比，发挥数据的作用。大数据时代下的数据分析，由于数据量非常大，数据本身的动态特性使人们要研究的数据难度加大，因此，大数据时代的数据分析一般利用统计学的理念，采用更广泛的方法统计和分析数据，以此摆脱对数据样本的依赖，也可以避免数据的流动性给分析结果带来的不确定性。大数据时代更加注重数据的增值分析工作，研究数据的未来走向，使其中有价值的数据可以增值，将有效数据有机整合，能够及时发现问题和解决问题。
3.2 数据分析的主要程序
3.2.1 数据整理
统计数据的整理主要分为4个步骤：审核统计资料、对资料进行分组、汇总和编制统计表格或图表、保管和公布。当统计对象为数据资料庞大、类型复杂、要求处理速度快的大数据时，这些步骤就显得繁冗了，尤其是图表的绘制是没办法实现的，因此，只需要对资料进行审核和存储。大数据的审核和存储不同于传统意义上的数据审核和保存，大数据时代利用先进的现代化工具进行数据的审核和保存。
3.2.2 数据的开发
传统数据的样本量较小，目的主要着眼于解决问题，数据的时效性较强，数据的使用价值会随时间流逝而降低。而大数据的流动性很强，随着时间的推移会越来越壮大，而且具有推陈出新、价值重塑的可能，因此，在大数据时代，数据是会不断增值的，开发大数据，是一项有重要意义的工作。
3.2.3 数据的应用
其中分别对教育、运输、消费品、电力、石油与天然气、医疗护理、消费金融等进行分析和预测。根据这些行业的特点，可以总结出大数据挖掘商业价值的基本方法为：客户群体细分，为每个群体量定特别的服务；模拟现实环境，发掘新的需求的同时提高投资的回报率；降低部门联系，提高整条管理链条和产业链条的效率；降低服务成本，发现隐藏线索产品和服务的创新。从图1中可以看出，大数据的应用群体十分广泛，能否对获取的数据及时、迅速处理，对该行业的发展具有重要意义。
4 结语
该文主要对大数据时代下数据分析理念进行了相关的分析和研究。首先对大数据及大数据时代的概念做了简要阐述，接着分析了大数据对统计学的两点影响，最后分析了大数据时代下的数据分析理念。总而言之，在现代社会，大数据的应用已经成为时代新的特征，能否从海量数据中提取有价值的信息做出相应的预测，对于企业或者个人的发展具有重要意义。
早在20世纪80年代，在美国著名的未来学家阿尔文・托夫勒的《第三次浪潮》这本书中就提出了大数据，并且把其比喻为“第三次浪潮的华彩乐章”，从此“大数据”这个词就走进了人们的视野。1996年大数据被美联社再次提及，但这时的“大数据”还仅代表它的字面含义―数据量大，并不涉及它的处理技术和类型等方面。此后，大数据的发展开始备受关注，关于如何使用大数据进行经济预测，以及大数据的相关特征和定义也更加明确。直到今日，大数据仍然具有它的科研价值，并在各行各业发挥着它的作用。
一、大数据的基本概念和特征
（一）大数据的概念
大数据时代的到来，促使一些专家学者展开了对大数据的研究。虽然研究领域涉及方方面面，但对大数据的定义至今没有一个公认的标准。
麦肯锡对大数据概念的解释是：大数据是指大小超出传统数据库软件工具抓取、存储、管理和分析能力的数据群。
维基百科的表述是：大数据是难以用现有数据库管理工具处理的兼具海量和复杂性特征的数据集成。
国内专家涂子沛将大数据定义为那些大小已经超出传统意义上的尺度，一般的软件工具难以捕捉、存储、管理和分析的数据。
（二）大数据的特征
随着人们对大数据的认知更加清晰，大数据的特征也表述的更加具体、明确。目前，对于大数据的特征各界普遍的共识是4V特征，即数量大（Volume）、种类多（Variety）、实时性（Velocity）、价值密度低（Value）。
二、大数据发展的静态分析
对于大数据的研究主要可以分为两大方面，一方面是理论上的扩展，另一方面是实践上的应用。首先理论研究上的扩展可以从两方面来了解，即大数据引发人类生产生活的思维变革，以及可供挖掘的巨大价值。
（一）思维变革
大数据时代的到来，引发了人们生产生活各方面的思维变革。在思维变革这一方面，舍恩伯格和巴拉巴西两位学者在各自的著作中都有所提到。维克托・舍恩伯格、肯尼斯・库克耶在2011年末出版的《大数据时代》一书中认为，大数据思维是一种意识，在这种意识的驱动下，我们的思想发生了转变，不再探求难于捉摸的因果关系，转而关注事物的相关关系。而艾伯特-拉斯洛・巴拉巴西则在《爆发：大数据时代预见未来的新思维》一书中对大数据思维的本质进行了分析，他认为大数据所带来的思维变革是科学由简单走向复杂的反映，其本质上就是复杂性思维。两位专家学者都对大数据带给我们的思维上的影响给出了肯定的回应。除此之外，国内学者邬贺铨在《大数据思维》一文中，通过列举大数据思维在各行业领域内的应用以及对大数据误区的解读，来说明大数据不仅可以应用到各行业领域，还能够深刻影响经济生活的方方面面。
（二）价值挖掘
涂子沛在《大数据时代的来临》一文中这样强调，大数据的“大”，其侧重点并不在于其字面理解上的大容量，而是在于大数据背后所潜藏的巨大价值。李国杰院士在《对大数据研究的科学价值》一文中提出，大数据的价值主要体现在它的驱动效应，即巨大的经济利益驱使下企业不断扩大数据处理规模。在大数据的价值方面，研究者多看中于大数据的协同效应以及大数据背后所潜藏的巨大价值。另外，他还指出：对大数据进行研究主要是将其视为一种研究方法或一种发现新知识、新技术的研究工具而存在，而不是把数据本身当成研究目标。大数据作为一种研究工具，与统计分析，人工智能等有着密切的联系，可以通过大数据来探索事物发展的规律，帮助我们实现科学决策。
三、大数据发展的动态分析
在大数据的理论研究领域不断取得成果的同时，各行各业对大数据在实践上的应用也如火如荼的进行着。
（一）创造商业价值
大数据发挥其价值是建立在云计算的基础之上，而云计算的概念是谷歌公司在2006年首次提出的。支撑谷歌公司内部各种“大数据”应用的，正是其自行研发的云计算服务器。从理论到实践应用，大数据经历了几十年的时间，到现在成为各行各业重视的焦点。
根据麦肯锡数据报告显示，在零售和金融行业，运用大数据进行分析的企业领先于其他行业领域的企业，且收入和利润均有不同程度的增加。另外，“数据的全部价值远远大于其最初的使用价值，在初次使用之后的每次使用中都会发现其新的价值。”企业可以通过对原始数据的重组来获得对企业有利的、全新的价值利用。
（二）制定政策决策
各国政府通过大数据的分析运用和发展使政府和公共机构的政务更加公开、透明。而数据的公开透明是大数据得到分析、价值得到挖掘的重要前提。英、德、法、美、新加坡等多国的政府机构都推出了公共数据库开放网站，以实现政府公务的公开透明。与此同时，大数据在民生领域例如医疗、交通、天气预测和地理位置勘探等方面的创新应用也使得社会的信息化水平得到提高和加强。
最典型的例子就是，美国的大卫・罗斯柴尔德利用大数据对未来进行了准确的预测。大卫・罗斯柴尔德是微软纽约研究院的成员，2012年他通过对大量的数据进行分析，建立一个分析模型，而成功预测出当年美国总统大选51个选区当中的50个选区的结果，准确率高达98%。2013年初又利用大数据准确的预测了除最佳导演之外的所有获奖名单，准确率高达95.8%。事实表明，利用好大数据对于准确的预测未来具有重大的价值，也为人们进行科学决策和防范于未然提供了依据，可以说，在未来人们可以根据大数据预测分析的能力，更好的制定决策，实施对人类有利的举措。
四、结语
大数据从诞生至今，与其说是信息技术发展到一定程度上的发明，不如说是一个发现。在面对飞速发展的信息技术时代，大数据的研究者们从大数据的理论层面延伸至实践上的应用，不断地推进、完善该领域的研究。从理论研究到实践应用，每个理论都有其适用的方面和无法解释的现象，大数据领域也是如此，虽然仍旧有很多我们无法解决的难题，但这并不影响大数据在各个领域发挥着它举足轻重的作用。另外在进行实践时，各行业、各领域在运用大数据进行经济决策、指导社会实践的过程中，也要意识到大数据带来的挑战，例如产生信息垃圾、隐私泄露、数据滥用等。应该结合自己行业的特殊性，与大数据技术进行适当的融合，顺应时展的潮流，做到改革创新，避免卷入大数据的洪流之中。与此同时，不仅是企业和个人，政府也要在经济迅速发展、信息技术不断更新的今天，重视自身素质的提高，利用大数据发挥更大、更广泛的作用。（作者单位：河北经贸大学）
参考文献：
[1] 潘[.走近大数据[J].调研世界.2014（10）
[2] 艾伯特・巴拉巴西.爆发：大数据时代预见未来的新思维[M].北京：中国人民大学出版社，2012.
1．1大数据的概念
不同的人对“大数据”有不同的理解。从企业管理的角度上看，笔者认为大数据有以下内涵:①大数据是一个决策支持系统，可以提供海量的数据信息，通过梳理、筛选、分类，大数据能够揭示出各种隐含且有用的信息，帮助决策者在复杂的环境下科学地进行决策，从而克服拍脑门、拍胸膛、拍屁股的“三拍”决策模式。②大数据是一个技术平台，通过这个平台可以为传统产品改造和升级指明方向，从而提升其产品技术含量、降低成本增加其附加值。③大数据是一种定量分析的能力，可以提升企业管理者洞察事物本质的能力、优化生产流程的能力。大数据的意义在于提升数据专业化加工处理能力，大数据能否带来利益在于能否通过数据分析实现企业价值增值。④大数据是一种分析工具，由于社会分工越来越专业，数据挖掘工具越来越多，这就要求企业决策者了解和掌握这些有效的分析工具。大数据要求企业决策者具备学习能力和知识更新能力，要求企业决策者提升定量分析的能力。透过特定的大数据分析工具，可以使企业决策者更好地解析产品和市场中的特定信息，了解产品的竞争地位和客户信息，可以为企业提供更精准优质的服务。⑤大数据提供一个完整的过程分享。互联网时代可以提供此前无法分享的信息，客户现在通过大数据可以了解产品在企业订单、生产、制造和运输过程的全部动态信息。
1．2大数据的特征
一般意义而言，大数据有以下几个特征:①数据种类多(Variety)。从财务数据到社交媒体数据;从文字图表到图像;从音频文件到视频数据等各种类型数据。②数据量大(Volume)。随着互联网和通信技术能力的提升，能够产生超越历史的海量数据信息。③变化速度快(Velocity)。如亚马逊每天产生630万笔订单。有人经过测算，2003年以前人类创造并记录的所有信息量的总和为5TB，而现在产生同样的数据量仅需两天。④蕴藏的商业价值大(Value)。大数据犹如一个巨大的宝藏，蕴含着无尽的财富。这就是大数据的4V特性。
2大数据在企业管理中的作用
2．1宏观作用分析
(1)用于PEST分析。PEST分析方法即大数据用于对政治或政策、经济环境、社会环境和科学科技等几个方面进行的分析。(2)用于市场潜力分析。将大数据用于分析人口规模总量、地区分布、性别与年龄结构、收入与消费结构、常住与流动性等方面;还可以分析行业规模、细分市场增长潜力及行业发展方向，获得更多市场开发信息，减少开发成本和无效的广告支出，提高企业竞争力。(3)用于行业集中度分析。集中度分析又称为行业集中率，是指某行业的前n家最大的企业产销量占市场总额的百分比。集中度有绝对集中度与相对集中度之别，可以分别进行计算。(4)用于发现快速成长的新兴产业。通过大数据，可以了解那些产品和用户增长速度飞快的企业，例如随着信息技术的飞速发展，电子商务获得了快速成长的空间，物流企业如雨后春笋般地增长趋势。大数据可以辅助发现业务增长快或者用户量增长快的企业。
2．2微观作用分析
(1)更高效的供应链管理。例如一家服装小企业，通过大数据平台直接把产品从工厂送达到全球各地的用户手中，使国外市场的销售额比上年同期增加了70%，但交易成本只是过去的1/10。说明这家企业通过大数据缩短了销售路径、节约了销售成本、增加了利润。过去销售环节中要经历国内出口商—国外进口商—批发商—零售商的路径模式，而现在可以直达用户，大大提高了供应链的物流效率。(2)更快捷地获取信息。卡夫食品公司通过采用IBM大数据与分析方案，在10．5亿条博客、论坛和讨论版的内容中抓取了47．9万条关于Vegemite新产品的讨论信息，并进行深层分析，最终高效地完成了产品升级。该案例表明大数据平台使企业能比过去更快捷地获取信息并取得决策优势，从而增强企业的应变力［3］。(3)更有效地提供服务。菲亚特汽车公司通过大数据分析，提前预测哪些人会购买特定型号的菲亚特汽车。通过采用IBM大数据的解决方案，将目标客户的响应率提高了15%～20%，客户忠诚度提高了7%，54%的客户在第二次购车时仍选择了菲亚特。可见，企业通过大数据平台的相关分析，使得客户目标更明确、服务更有效。(4)更精准的广告投放。2012年Facebook公司的广告收入高达43亿美元，是因为Facebook提供了新的广告系统，该系统具有传统广告所没有的新功能。只要广告客户将众多的产品照片上传到其数据库，用户一旦登录Facebook，该广告系统便会根据不同用户的年龄、兴趣、特点，自动生成相关广告，投放的依据是对用户“关系图谱”的数据分析。(5)更强大的风险防范能力。大数据环境下企业面对的经营管理环境存在着许多潜在的未知风险。互联网言论影响效应被放大，企业在发展过程中更易受到外界包括舆论环境的影响。企业在面对这些不可预知的对企业发展有较大影响的因素，应有针对性地利用大数据进行准确分析，找出对企业存在隐蔽性威胁的因素，进而采取相应措施来规避这些威胁因素，防范企业各类风险。根据专业机构调查显示，大多数企业决策者在被问到大数据对企业有哪些作用时，回收统计数据表明:①可以改善客户关系;②可以优化企业运营管理;③可以提高企业风险与财务管理水平;④可以帮助企业开拓新的业务模式;⑤可以提升员工的协作能力。
3大数据时代企业管理的新特征
3．1企业与外界信息互动更加频繁快捷
信息来源更广泛，信息互动更快捷。一些企业为了适应大数据时代的变化，正在构建自己的信息平台。通过信息平台，企业可以实现与外界的即时沟通与对话。例如武汉中商旗下的中商百货连锁公司和中商平价连锁公司都已建立微信公共平台;天虹商场宣布与微信合作;友阿股份与腾讯合作建设微信公众平台。
3．2“数据”成为越来越重要的战略资源
互联网时代，“资源”的概念正发生变化，企业资源不仅指原材料、生产设备、员工、技术专利，还包括大数据信息;不仅指具有实物形态的煤炭、石油、天然气、金属资源和农产品等，还包括看不见摸不着的企业数据信息。互联网时代每分钟都在产生大量的数据，这些庞大的数据资源构成了数据加工企业的原材料，其产品可以帮助企业生产者更好地了解世界、了解市场、了解不同人群的需求方式。大数据日益成为企业生产经营的重要环节，被许多公司视为一种可计算的真实财富。2006年，微软以1．1亿美元的价格购买了大数据公司Forecast。2008年，谷歌则以7亿美元的价格购买了为Forecast提供数据的ITASoftware公司。可见，大数据时代改变了企业现存条件下的资源概念，数据正在成为企业的重要资源。
3．3内部信息更加公开透明
在大数据时代，公众有更多机会参与并监督企业社会责任报告的制定与执行的全过程。密切关注企业履行社会责任的理念、过程、方式，监督企业经营活动对社会、经济、环境等领域造成的直接和间接影响。公众有权要求公司承担更多的社会责任，过去那种不关心社会责任追求股东利润最大化的企业运营方式，带来了许多负面后果，如损害雇员的健康和福利、损害居民环境等问题［6］。随着信息的开发透明，那些不承担社会责任的企业将暴露在大数据的阳光下而无处藏身，会受到公众的舆论指责进而影响企业自身形象。
3．4更便捷的即时服务与过程分享
大数据时代使沟通更加便利和即时，企业可以通过大数据平台与企业内部员工沟通，也可以通过平台与企业外部客户与供应商之间进行沟通与互动。例如社交媒体通过挖掘用户数据制定有针对性的营销策略，用户所发表的评论、图像、视频及对评论的支持与反对，蕴含着用户消费倾向。
3．5数据挖掘工具成为企业决策的重要帮手
数据挖掘是从大量、不完全、有噪声、随机、模糊的数据中提取隐含在其中的、人们事先不明确，但又是潜在有用的信息和知识的过程。数据挖掘是一门交叉学科，它把人们对数据的应用从低层次的简单查询，提升到数据中的知识发现与智慧凝练。数据挖掘需要各种复合技术人才将数据库知识、统计原理、人工智能技术、并行计算方法等内容的知识进行融合创新，正在形成新的技术热点。有条件的公司应当加大情报研究和数据挖掘技术投入，招聘数据分析师，对企业所在的行业、市场前景、竞争状况、发展趋势进行预测和预警，为企业决策提供有效支持。在全球500强企业中，90%以上的重要投资与经营决策都取决于充分的数据分析支持。在欧美等发达地区，数据分析普遍被作为运营决策的前提要素，为社会经济的高速发展发挥了巨大作用。
4大数据时代企业的对策
4．1建立有效的信息平台，防范企业经营风险
信息为客户和顾客提供更好的选择，企业只能做好自身工作才能立于不败之地。通过信息平台，将客户资料进行科学分类，按照不同的分组标志将客户划分为不同的客户群体，研究不同客户的习惯、行为、企业文化、爱好特点;重视对大客户的管理，尽可能满足大客户的需求，优先保障对大客户的供应，听取大客户对产品质量改进方面的要求，邀请大客户参与技术革新和产品升级方案。不忽略中小客户的需求，有差别地定制出符合其不同需要的特色产品，更好地满足中、小客户对产品的需求。
4．2与信息技术的深度融合，加快实现产业升级
有专家指出，大数据将会在未来10年内改变几乎每一个行业的业务功能，促进各行业的业务转型和升级。美国的17个行业中，已经有15个行业大公司拥有大量的数据系统，其平均拥有的数据量已经远远超过了美国国会图书馆所拥有的数据量。在医疗与健康行业，根据麦肯锡预测，大数据将使美国医疗市场每年多获得3000亿美元的新价值，并使全国医疗开支减少1/3。在制造领域企业将采用IT系统，包括电脑辅助设计、工程制造、产品开发管理的数字制造平台PLM，将多种系统的数据集整合在一起，满足多种功能和特色的需求。此外，在智能交通、再生能源、新材料、贸易零售、餐饮服务等行业，正在以大数据为契机，加速其与大数据的融合，形成大批“互联网+”企业。
4．3借助企业外脑，提升企业服务水平
由于行业差异，专业数据信息分析公司能够提供更专业的信息服务。专业数据分析公司通过对数据分析去发现隐含的问题，提出专业诊断，为科学决策提供依据。例如，淘宝作为一种新兴的商业模式平台，以顾客订单需求为导向，发掘大数据进行相关分析，进而能够针对性地为顾客提供个性化服务。
4．4更加重视新技术的推广与应用
新技术的应用是大数据开发的基础和源泉。在不久的将来，也许很多原来单纯依靠人类自身判断力的领域应用，最终都将被计算机系统的数据分析和数据挖掘功能所普遍改变甚至取代。一小片合适的信息，也许会促使创新迈进一大步;一组数据，也可能会超出数据收集人难以想象的应用，甚至可能在另一个看起来毫不相关的领域得到应用。借助这些创新型的大数据应用，数据的能量将会层层被放大。下一代互联网实际上就是一个全球的数据库网，在这个数据库网中，计算机可自动为用户搜寻、检索和集成网上最新技术的信息，加快技术更新和应用的步伐。
4．5更加重视企业的社会责任
大数据时代企业应当将利润与企业社会责任很好地统一起来。让企业的经济发展与其社会价值和环境保护相结合。大数据时代将企业直接置于公众的监视之下，因此企业要取得良好的经济利益必须注重企业的社会责任。全球500强企业中90%以上的重要投资与经营决策都充分依赖大数据分析支持。“只有那些能够尽早发现大数据价值，并及时反映到业务中，从而树立竞争优势地位的数据驱动型企业，才能在如今充斥着多种多样数据的时代中生存下来”。只有充分认识大数据时代企业管理的特征，加速与信息技术的深度融合，提前应对环境变化的企业，才能在未来发展中抓住先机快速发展。
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）
一、问题的提出
云计算、移动互联网等新信息技术的广泛应用及社会化网络的兴起，使信息数据产生机制更复杂、传播速度更快、类型更多样，全球进入信息数据量“井喷式”增长的大数据时代。国际数据公司（In原ternationalDataCorporation，IDC）指出：全球创建和复制的数据量五年内增长近九倍，预计将以每两年至少翻一番的速度继续增长。仅2013年，世界范围存储的数据就达1.2ZB（1ZB抑1021B），将这些数据刻录到CDR只读光盘并堆起，其高度将是地球到月球距离的五倍[1]。生产和信息方式的变革引起管理规范及其深层次上价值观的转变。传统企业营销中，为避免无法获取整体数据的弊端，多依据小样本采样统计推断以形成所谓“科学决策”。然而采样分析的成功取决于样本的绝对随机性，大数据时代，营销调研建立在对大样本持续收集数据的基础上，实时分析和输出调查结果将为营销决策提供及时判断临界值。在大数据背景下对营销活动进行研究，具有聚焦数据，提高营销决策科学性；强调洞察，增强营销活动“预见性”；重视创新，增强营销理论“前瞻性”等研究价值[2]。特别是中国具有众多人口和庞大市场，也使中国成为最为复杂的大数据国家之一。那么，大数据对营销活动究竟会产生怎样的影响？其内在机理是什么？通过文献综述，对大数据概念进行界定，梳理其发展的历史脉络，在此基础上分析大数据对消费者行为、营销决策模式、营销战略、营销要素等的影响表征及其机理，最后对大数据的营销应用研究做出述评。
二、大数据的发展脉络及概念界定
（一）大数据的发展脉络
大数据的概念最早要追溯到上世纪，只是在互联网时代，大数据才从规模、类型等方面得以实现。早在1981年，美国著名未来学家Toffler在其著作《TheThirdWave》中，提及“大数据”，并称之为“第三浪潮的华章”[3]。2001年，META集团（现为Gartner）的分析师Laney指出数据增长带来规模性（Volume）、高速性（Velocity）、多样性（Variety）等变化[4]。《Nature》则在2008年9月开设“BigData”专刊[5-7]，同时《Sci原ence》也推出数据处理研究专刊“DealingWithDa原ta”，对数据洪流（DataDeluge）所带来的社会变革及影响做出讨论[8]。大数据研究的开创性论文是Gins原bergetal（2009）的“DetectingInfluenzaEpidemicsUsingSearchEngineQueryData”，该文探讨了如何利用谷歌搜索引擎查询词来预测流行病[9]。只是在最近几年，大数据才成为高频词。2011年5月，麦肯锡公司《大数据：创新、竞争和生产力的下一前沿》报告，指出“在数据渗透于各领域并成为生产要素的背景下，对海量数据挖掘应用，将带来新的生产增长和消费者盈余浪潮”[10]。2012年3月，美国开始实施“大数据研发计划（BigDataRe原searchandDevelopmentInitiative）”，将大数据喻为“未来新石油”，并视为与互联网、超级计算机同等重要的国家战略，这也是美国在“信息高速公路”计划后所实施的又一国家级重大科技战略。日本紧随其后，推出“新ICT战略研究计划”。同年，世界经济论坛《大数据、大影响》报告，从多个行业领域阐述大数据给世界经济带来的发展机会[11]。就国内而言，2011年12月，国金证券开创国内大数据研究先河，将其研究成果引入资本市场[12]。2012年5月，香山科学会议组织“大数据科学与工程：一门新兴的交叉学科”为论题的会议，同年6月，中国计算机学会青年计算机科技论坛（CCFYOC原SEF）举办“大数据时代，智谋未来”会议，对大数据挖掘技术、组织架构、平台治理等展开探讨。2013年6月，国家自然科学基金委管理科学部、美国营销科学学会（MSI）、南京大学商学院（管理学院）和香港中文大学工商管理学院联合主办“2013营销科学与应用国际论坛”，也将“大数据、社会化、移动化对市场营销的新挑战”作为主要议题之一。2014年2月，北京银行与小米科技就移动支付、便捷信贷、产品定制、渠道拓展等签署协议，表明国内企业运用大数据战略进入实质性阶段。2014年3月5日，总理第一次把大数据写进政府工作报告，阐明了国家对大数据产业鼎力支持的政策，随后一系列公开讲话进一步明确了这一战略部署。2015年2月，百度公司利用百度迁徙、百度指数等大数据产品直观地呈现了春运“景观”，把大数据研究成果可视化地展示在电视屏幕上。2015年3月，政府工作报告中进一步提出“互联网+”计划，推动大数据与现代工业相结合。
（二）大数据的概念界定
大数据本身就是抽象的概念，当前对其概念界定尚未达成统一，不同组织及学者给予不同的表述，见表1。尽管各方对大数据概念并不统一，但其中“大规模数据”“体量、复杂性及速度超越传统数据”“超越现代技术手段处理能力”等观点得到基本认可。IBM公司及Laneyetal（2001）认为大数据具有“3V”特征：规模性（Volume），数据量一般要达到TB级甚至PB级；多样性（Variety），数据结构类型包括结构化数据、半结构化数据和非结构化数据；高速性（Ve原locity），产生、处理、分析数据的速度加快。国际数据公司（IDC）在此基础上，增加“价值性（Value），即“大数据价值很大但呈现低密度性”的特点，从而形成大数据的“4V”特征[16]。而NetApp公司认为大数据具有“ABC”三特征：大分析（BigAnalytic），通过对大数据实时分析构建新的业务模式并更好地了解顾客需求；高带宽（BigBandwidth），快速有效地对数据进行处理分析；大内容（BigContent），包括各种类型数据，同时对数据存储、扩展、安全等管理的高要求[17]。
三、大数据对未来市场营销的冲击
根据（移动）互联网时代大数据的特征、消费者行为变化及营销模式的可能演变，通过相关文献梳理，勾画的大数据对未来营销活动的影响趋势，见图1。
（一）大数据对消费行为的影响
1援消费行为更理性。工业化时代，信息不对称的客观存在，消费者易受各种如低价促销、广告宣传等影响。而大数据时代，消费者有更多、更方便的途径获取更详细的商品价格、成本、产地、质量等信息，并可更方便地搜寻、比对和遴选，从而做出更理性的选择[18]。2援消费行为幂律分布。大数据时代，消费者评价系统更广泛，先前购物者的购后评价及经验对新消费者具有重要参考。相比先前购物者的好评，消费者则会更关注其差评，以便做出正确的消费决策。同类产品中，质量好、价格有优势、服务好的产品受到越来越多的青睐，并不断吸引新的消费者，形成“滚雪球式”的“马太效应”，消费行为呈现幂律分布。3援消费行为更个性化。工业化时代，商家追求规模经济的考虑，只能在有限范围满足消费者个性化消费。而大数据时代，信息广泛并快速传播，消费者的消费认知及创造力大大提升，消费异质性不断增大，对产品或服务的关注并不仅限于以往的质量、品牌、价格、售后等，更关注其个性化的满足程度。
（二）大数据对营销决策模式的影响
大数据时代，思维方式发生三个变革：其一，要分析与事务相关所有数据而不是少量数据所构成的样本；其二，要接受数据纷乱复杂的事实，而不能过于苛求精确；其三，更加主动地分析相关关系而不再探究难以捉摸的因果关系[19]，可以说，数据驱动型决策（Data‐drivenDecisionMaking）是大数据背景下决策的特点[20]，以“数据化、智能化、实时化垣经验”将成为大数据时代的营销决策范式。1援数据决策技术升级，注重实时处理及相关分析。传统分析多基于多元统计、计量经济学模型等方法，对大量一手和二手结构化数据实施分析，从中寻求研究对象的内在联系，常用方法有：聚类分析、因子分析、相关分析、回归分析、A/B测试、数据挖掘等。大数据背景下，数据规模大、传递速度快、非结构化数据多等特点，使得传统数据分析及数据库管理手段很难适应时代要求。数据产生及传播速度加快，要求数据应用实现从离线（Offline）向在线（On原line）的实时处理转化[21]。数据关联成为大数据的主要价值来源，但数据间交互广、价值密度低、碎片化严重，也使决策重点从以往因果关系分析向相关关系分析转变。2援决策参与主体向社会大众倾斜，数据分析师地位加强。大数据使营销决策越来越依赖于数据分析而非经验或直觉[22]，直觉判断将被精准的数据分析代替。管理者决策重心在于正确发现并提出问题，一线员工对决策参与度将大大提升，决策主体从社会精英向社会大众倾斜，扁平化组织架构、学习型企业文化将得到加强。同时，能综合运用数据分析、分布式管理的数据分析师，将为企业营销决策提供更多智力支持。
（三）大数据对营销战略的影响
1援激发协同营销的竞争格局。大数据环境下企业与行业的边界日趋模糊，营销系统开放性更明显。企业竞争不再局限于个体之间或供应链的链条间，而是向多主体所构建的商业生态系统间延伸[23]。企业营销战略的设计应打破传统的个体竞争思维，在不断提升自身营销网络化和动态化能力基础上，利用外部资源，形成协同营销格局。2援一对一营销的精准定位。大数据背景下，企业可以记录消费者在产品各个生命周期阶段的品牌偏好、口碑评价等行为数据，基于社会学、心理学、营销学、传播学等相关理论，并借助数据挖掘、统计计量等，按一定的细分标准进行消费行为细分，从而结合自身资源优势，形成目标市场的选择和一对一营销的精准定位。
（四）大数据对营销要素的影响
1援产品：顾客参与式的产品设计和个人定制。大数据背景下，虚拟企业和智能车间将会越来越多地被采用，顾客参与式的产品设计和个人定制将大行其道。那些市场价值在较短时间发生贬值的短生命周期产品的时效性更强、需求波动大，与外界存在着复杂非线性关系[24]。而长周期产品特别是其中生产工艺复杂、流程管理复杂、客户需求复杂的复杂品（ComplicatedProduct）将实现供应链纵向一体化整合及全生命周期数据整合[25]。“全息”生命周期的完整大数据可帮助企业构建消费者兴趣图谱，从而应用于营销和新媒体关系定位中。2援渠道：渠道缩短及渠道多元化。大数据背景下，信息技术更为成熟，经由中间商的渠道模式将让位于直销，渠道长度越来越短。特别是具有及时反馈交互关系平台技术的实施，使企业可开发出更多、更便捷的渠道与顾客连接，实现多渠道及跨渠道营销。诸如微商等“屏幕+手指+快递”的购物方式，配合超低的价格，使营销渠道更趋多元化。3援价格：透明度更高，基于支付意愿的差异化定价。传统营销定价多从产品成本、利润率、顾客接受度等简单因素考虑，并依据先前相关销售经验建立精算模型。大数据背景下，传统精算模型将被颠覆，价格不对称性有所改善，定价透明度越来越高，明智的价格策略是企业“阳光”定价，基于支付意愿的差异化定价将成为主导，电子支付成为主流。4援促销策略：促销手段的数字化、互动化趋势。大数据背景下，传统电视、报纸、广播等大众传媒的传播效率不断下降，而建立在数据库基础上的移动互联网将成为促销信息的重要传播手段，促销手段更具数字化。同时，促销手段更新颖，目标受众被多元化数据锁定，并特别强调与顾客间的互动和情感沟通。
四、大数据研究在营销中的应用评析
（一）研究层次：偏宏观层面研究，轻微观分析
当前对大数据的相关研究，更多从宏观层面对其概念内涵、形成脉络及其对社会所产生的影响方面展开描述，而对大数据所形成各种影响的内在机理缺少必要的微观分析。大数据为未来营销带来深刻影响，但机会和挑战并存，其合理利用前提是必须拥有准确、可靠、及时的高质量的数据[26]，只有在此基础上，才能提炼出有效的营销决策信息，才能帮助企业实现精准定位。
（二）研究视角：多立足于信息科学视角，缺少管理视角
当前，国外从管理学视角应用大数据技术来支持管理决策已成为商科教育的热点[27]。相比之下，国内相关研究还处于起步阶段，数据驱动决策的管理模式还有待形成，现有的相关研究则更多立足于对数据信息的采集、处理、检索、挖掘及离线分析等信息科学视角。而只有立足管理决策的视角，探讨大数据对现代经济组织的战略定位、架构设计、营销实施等实时问题，才能真正发掘大数据的“资源”价值，建立起信息引导决策的机制。
大数据概念和传统数据概念具有较大的区别。就目前状况而言，其概念具有较大的模糊性和不确定性。“较为统一的认识是大数据有四个基本特征：数据规模大（Volume），数据种类多（Variety），数据要求处理速度快（Velocity），数据价值密度低（Value），即所谓的四V特性。”[1]被誉为“大数据商业应用第一人”的维克托・迈尔・舍恩伯格在《大数据时代》一书中前瞻性地指出：大数据带来的信息风暴正在变革我们的生活、工作和思维，大数据开启了一次重大的时代转型。他在书中用三个部分讲述了大数据时代的思维变革、商业变革和管理变革。因此，大数据是这个时代的重要特征，它深刻地影响着人们的生产和生活。
21世纪初的flas的兴起，为动画产业和新媒体的结合奠定了坚实的基础。新媒体是大数据时代下的重要平台，其具有极强的包容性和纳构性。这为动画的极速发展做好了承载基础。大数据语境下的动画必须与时俱进，能够在新的条件下做好面对各种变化的准备，和传统背景下的动画相比较，大数据语境下的动画产业具有以下特点：
（1）交互性。大数据语境所呈现的是广袤的数据信息，而所有的数据不具备单独的意义，在整体基础上才会显示出其价值。而在这样的逻辑条件下，数据的主体，即参与数据的人，具有参与的主体性。这导致大数据语境具备“去中心”、“非标准”、“整体性”等特征。因此，交互性是这个时代的重要特征。从动画发展而言，交互性带来了主客双方的积极参与，双向建构能够极大地促进动画的发展。创作者和观者之间的距离被大数据消解掉，创作主体和观者之间的认知发生变化。二者主体意识更明确，观者能够通过各种数据的传递给动画创作者直接反馈信息，动画创作者能够最快速地接收新思想，从而完善作品。
（2）成年化。大数据所映射的人群更多是成年人，在以大数据为依托的各种媒体平台中，成年人是最为活跃的人群。相对低龄人群而言，他们更具有参与意识，主体意识更明确。因此，在动画产业中，首先反映在受众年龄上。由于不断地有成年人踏入互联网平台，自身发展起来的创作欲望得到了极大的释放，各种动画作品相继投放到大数据平台。而活跃在这个平台的大量成年人拥有话语权。他们带来的效果之一就是促进了动画受众的大龄化。相较之传统动画以低龄人群为主的策略，大数据给出的答案很明确――成年人同样是最广泛的受众，并且有不断扩张之势。
（3）价值取向的大众化。随着大数据背景下的新媒体平台的自由与开放特征的彰显，人人都是参与者，人人都是主体。从客观上促进了动画产业在价值取向上的大众化。大众化是大众文化的产物，是对精英文化的消解，是大众自我建构意识和自我身份认同的表现。因此，大数据背景下的动画产业所具有的价值取向大众化特征，能够促进主体的多样性，能够带来受众的多样性。不仅如此，“艺术源于生活”的创作理念能够得到最大程度的彰显，动画产业也将呈现出创作上的丰富性和接受上的直接性。
通过分析可以看出，大数据语境下的动画发展具有广阔的发展空间，同时拥有巨大的艺术接受者群体。在这样的背景下，动画产业应该顺势而为，不断超越自身困境，完善发展路径和创新机制。就目前的动画自身而言，从内涵上来讲，还有较大的完善空间。只有在突破自身局限的探索中，动画产业在大数据背景下才能够真正从容地多维发展。探寻发展路径，可以从以下几方面做尝试：
（1）以核心价值为导向的叙事逻辑。核心价值体现一个时代的整体价值取向，具有极大的普遍性和认同感。动画产业是文化产业的重要组成部分，其核心应该是有助于受众整体情感的抒发，而非小众群体情感的肆意宣泄。以《疯狂原始人》为例，其被认为是一个核心价值取向主流得近乎平庸的故事，从叙事结构上来讲，其近乎平铺直叙，毫无耳目一新之感，但就是这样的一部动画电影，却取得了巨大的成绩，在受众心目中留下了难以磨灭的影响。归根结底，该动画电影以核心价值为导向的叙事逻辑更偏重动画精神的传递，叙事结构上的波澜不惊往往能够最大限度地为观者注入创作者感情。因此，大数据语境下的动画发展，不能以小众取代大众，以“非主流”取代“主流”，相反，应该高扬核心价值观，产生普遍的认同感，这是当下动画发展值得深思的方面。
（2）以传统文化元素为动力的创作模式。传统文化元素能够极大地激发观者的文化认同感和文化自豪感，有助于动画创作者和接受者的双向建构。以中国传统文化为例，可以取材用于动画创作的范围极其广泛。以20世纪初期万氏兄弟的动画为例，其动画中的形象均取之于中国古典文学。《大闹天宫》是中国动画源头的经典作品，其中的孙悟空形象既吸收了古典文学中的形象，也借鉴了中国京剧、昆曲等的脸谱和打扮，融入了创作者的主体精神。当然，以传统文化元素为动力进行创作，应该注重以下几方面内容：第一，要充分尊重传统文化元素本来面貌。在当下的很多动画作品中，不乏吐槽传统文化，糟蹋传统文化的现象出现。这种现象除了给传统文化带去不良影响外，更多的是体现了创作者以及创作团队的肤浅，同时也给整个作品带来不良影响，当然这种现象也是对受众极不负责的行为，是极不尊重受众的行为。第二，对传统文化要持“取其精华去其糟粕”的客观态度。传统文化中不乏一些脱离时代，不符合当下实际的内容。动画创作者及团队应该与时俱进，和时代相结合。将传统文化中最经典的东西放大，让受众能够在其中感受到传统文化的魅力所在。第三，将传统与现代有机结合。大数据背景下的动画产业发展具有时代特征。因此，在动画创作中，应该将传统文化和时代特征有机融合，让受众真正感受到动画作品的当下性，而非一部针对传统文化的说教片。以上三方面，是在运用传统文化元素进行动画创作过程中应该关注的问题。只有如此，体现传统文化的动画作品才是具有灵性和活性的作品。
（3）建立国际视野下的动画发展机制。动画从二维动画发展到三维动画，是计算机技术发展的产物，随着技术的不断进步和发展。三维动画也将呈现出更加广阔的发展空间，相比较而言，国外三维动画发展较早，且已经达到技术与艺术统一的层次，国内三维动画发展相对较晚，但发展迅速，潜力巨大。因此，我们在不断探索和发展自身动画的前提下，应该建立起全球视野，吸收和借鉴国外发展的成果，不断自我创新，循序渐进地发展自身动画。这是大数据语境下动画发展的必然趋势，也是各个领域发展的趋势。同时，建立和探索有利于动画发展的机制，将促进动画发展的速度。
参考文献：
[1] 马建光，姜巍.大数据的概念、特征及其应用[J].国防科技，2013，34（2）.
