大数据时代企业竞争情报研究的创新与发展_黄晓斌

1引言

随着信息技术的不断发展，互联网的普及利用，各种终端设备记录了人类社会复杂频繁的信息行为从而产生了惊人的数据量。据国际数据公司（IDC）的研究报告称，2011年全球被创建和被复制的数据总量为1.8ZB，并预测到2020年，全球将拥有35ZB（1ZB=10亿TB）的数据量［1］。大数据已经渗透到每一个行业和领域，被视为“未来的新石油”，逐渐成为重要的生产因素。随着消费者、企业、各个经济领域不断挖掘大数据的潜力，我们正处在一个巨大浪潮的尖峰，这个浪潮就是大数据驱动的技术创新、生产率提高、经济增长以及新的竞争形势和新价值的产生［2］。近年来，大数据技术研究和应用迅速发展，许多国家已经意识到了大数据的重要性，并作为战略性技术大力推动其发展，大数据时代已悄然而至。2大数据的含义与特征

目前对大数据还没有标准的定义，通常认为它是一种数据量很大、数据形式多样化的非结构化数据。亚马逊网络服务、数据科学家John Rauser曾提到一个简单的定义：大数据是任何超过了一台计算机处理能力的庞大数据量［3］。维基百科定义为：大数据是指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［4］。百度百科定义为：大数据通常用来形容一个公司创造的大量非结构化和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。从各种各样类型的数据中快速获得有价值信息的能力，就是大数据技术［5］。IBM从三个基本特性角度来定义大数据，即：“3V”：体量（Volume），速度（Velocity）和多样性（Variety）。也有人为大数据包括三个要素，即：大分析

大数据时代企业竞争情报研究的创新与发展＊黄晓斌钟辉新

（中山大学资讯管理学院广东广州510006）

摘要：文章概述了大数据的主要特征，分析了大数据对企业竞争情报研究的影响，包括企业竞争力的提升需要大数据的支持，现有企业竞争情报数据处理面临的一些新问题，企业竞争情报分析方法亟待创新，提出在大数据时代企业竞争情报研究的发展方向，应重视数据和信息的集成、注意对数据的清洗与过滤、关注新的数据类型的挖掘分析方法、促进数据分析的可视化、探索大数据新的分析技术和工具的应用等。

关键词：大数据企业竞争情报数据挖掘

中图分类号：G250.2文献标识码：A文章编号：1003-6938（2012）06－0009-06

On the Innovation and Development of Enterprises Competitive Intelligence Analysis in the Big-data Era

Abstract This article provides an overview of the main features of the big data and an analysis of the impact of enterprise competitive intelligence，including the need of the support of big data to enhance the competitiveness of enterprises，new problems facing enterprise competitive intelligence data management，the need of innovative methods.The author also believes that in the era of big data，attention should be paid to the integration of data and information，the data filtering and cleaning，new types of data mining analysis methods，data analysis visualization，and new analysis technology applications. Key words big data；enterprise；competitive intelligence analysis；data mining

＊本文系国家社科基金项目“网站内容分析与挖掘的企业竞争情报方法研究”（项目编号：１０ＢＴＱ０３４）研究成果之一。

收稿日期：2012-10-19；责任编辑：魏志鹏

·前沿与热点·

（Big Analytic）、大带宽（Big Bandwidth）和大内容（Big Content）［6］。

概括起来，大数据的特征主要体现在如下几个方面：（1）数据总量规模增长巨大。同一类型的数据在快速增长，目前在传感器网络、地理信息导航系统、社会网络（如微博）、即时通讯（如QQ）、电子商务（如淘宝）、数字图书馆、网络日志等领域都产生了庞大的数据，规模在不断扩大。如淘宝目前每天活跃数据量已经超过50TB，共有4亿条产品信息和2亿多名注册用户在上面活动。零售巨头沃尔玛每小时都要处理100多万笔客户交易，数据库估计超过2500万亿字节——

—相当于美国国会图书馆书籍数的167倍，而移动互联网用户发送和上传的数据量达到1.3EB［7］。

（2）数据增长的速度呈指数级持续增长。目前很多领域的数据都以惊人的速度增长，根据WinterCorp的调查显示，最大的数据仓库中的数据量每两年增加3倍（年均增长率为173%），其增长速度远超摩尔定律增长速度。照此计算，2015年最大数据仓库中的数据量将逼近100PB［8］。大数据的动态性强，要求分析处理应快速响应，在动态变化的环境中快速完成分析过程，有些甚至必须实时分析，否则这些结果可能就是过时、无效的。如导航定位系统、股票分析系统等对数据实时处理有着较高的要求，大数据分析和处理的方法必须能快速地适应相关业务更新频率加快的需求。

（3）新的数据来源和数据类型在不断增加。目前产生大数据的领域在不断增加，数据类型不仅包括普通文本、照片、动画、音频与视频等，还有像位置信息、链接信息等新类型的数据。伴随着社交网络、移动计算和传感器等新技术不断的应用，大数据中有许多是非结构化数据或半结构化数据，没有特定的描述模型，数据结构是不固定、不完全或不规则的。

（4）数据的价值日益突现。大数据犹如一座富矿，通过海量数据的处理、整合分析，可以发现新的知识，从而创造新的更大的价值。大数据为许多行业带来新的商机和发展机遇，充分利用大数据可为企业带来强大的竞争力。大数据分析能从庞大的数据中发现稀疏而有高价值的知识和规律，为预测和决策提供相关支持。如视频监控的数据量通常十分大，虽然绝大部分可能没有实际利用价值，但几秒镜头捕捉到某罪犯体貌特征，可能对公安部门而言就是十分珍贵的。大数据分析就是要进行披沙拣金，发现这些珍贵的信息。

综上所述，对于大数据中“大”的理解，主要有两个方面，第一是指大量的、快速增长的数据，第二则是数据中所蕴含的价值量较大。可见，大数据之“大”，并不光是指数据的数量之大，它的意义还在于数据的价值之大。

3大数据对企业竞争情报的影响

情报研究是利用数据和信息提炼出有价值的情报，为决策提供有关方案，也就是对数据进行处理、组织和解释，以揭示其潜在的知识，转化为可执行利用的情报。企业竞争情报分析就是从原始的数据中发现关于竞争环境、竞争对手和竞争策略情报的过程，从而形成高附加价值的产品。因此，大数据分析在对象、运用的方法和目标等方面都与企业竞争情报研究有许多交集，大数据的兴起必然对企业竞争情报产生深刻的影响。

3.1企业提升竞争力需要大数据的支持

数据竞争已经成为企业提升核心竞争力的利器。来自各个方面零碎的庞大数据融合在一起，可以构建出企业竞争的全景图，洞察到竞争环境和竞争对手的细微变化，从而快速响应，制定有效竞争策略。庞大的数据更具有统计意义，能为各种预测模型提供支持，从而能预测未来的发展趋势，帮助企业获得先机。相关的数据整合在一起，能不断产生新的信息和知识，有助于提高生产率、降低经营成本。如2008年初，阿里巴巴平台上整个买家的询盘数急剧下滑，自然导致买盘的下降，说明欧美对中国采购量在下滑。海关是卖了货出去以后再获得数据，而阿里巴巴提前半年时间就从询盘上推断出世界贸易发生变化了［9］。企业的竞争不再只是劳动生产率的竞争，而是知识生产率的竞争。数据是信息的载体，是知识的源泉，是企业创造价值和利润的原材料，因此，基于知识的竞争将集中体现在基于数据的竞争上。正如马云所说，未来是数据竞争的时代，谁拥有数据，谁就拥有未来。如今各行各业都出现了以数据分析为竞争力的企业，它们都是在数据分析的基础上与其他企业展开竞争，以提升核心竞争能力，保持或获得行业领先地位，如谷歌、宝洁、沃尔玛等世界知名公司。沃尔玛就建立了一个超大的数据中心，其存储能力高达4PB以上，通过大数据分析，沃尔玛掌握了顾客的购买习惯，不同商品一起购买的概率，购买者在商店所穿行的路线、购买时间和地点，从而确定商品的上架布局以及对分类进行优化；决定对各个商店的不同商品进行增减，以保持最优的库存，降低成本；洞察销售全局，瞬间捕获到各种细微的变化，从而快速响应，制定营销策

略；利用大数据工具对供应链进行分析以选择供应商、优化物流配送方案和进行价格谈判等；利用大数据分析工具对热销商品品种和库存的趋势进行分析，以选定需要补充的商品，分析顾客购买趋势和季节性购买模式，以确定降价商品，并对其数量和运作做出反应［10］。可见，大数据已经成为企业的核心资产，对数据的掌控可以形成对市场的支配，并且获取巨大的回报。大数据是企业用于提升核心能力的重要手段，而为提升企业竞争优势的大数据分析是企业竞争情报研究的重要范畴。

3.2企业竞争情报数据处理面临的新问题

如何确保规模庞大、异构和动态的数据实用可靠，为企业竞争情报研究不断地提供高质量的“原材料”，是大数据时代企业竞争情报面临的挑战。大数据为企业竞争情报工作提出了一些新的问题：（1）管理的数据量庞大。在大数据时代，企业的竞争情报研究需要大量异构的数据支持，而收集、存储和维护这样庞大的数据对于一般的企业来说是一种很大的负担。（2）收集范围广泛。为了使企业竞争情报分析更加精准、可靠，支持企业全方位决策，企业不但要持续不断地收集内部业务流程中各个环节的数据，还要收集顾客行为、竞争对手、供应链、宏观经济等数据，这种数据收集需要投入大量的人力、物力。面对不断产生的庞大数据，企业需要持续增加存储空间，这也是一笔不菲的投入。（3）数据安全风险增大。有关企业大量的数据趋向集中，一旦泄密或者被竞争对手利用，后果不堪设想；大数据量使企业可能采用云服务的模式，委托第三方进行数据存储和管理，这样接触企业数据的人员就会增加，风险无形增大。（4）数据质量难于控制。在大数据时代，数据经过层层的萃取转化为决策的情报，数据的质量也变得愈加重要。高质量的数据必须保证数据的客观、可用和完整。数据的质量问题涉及数据收集、使用、传递等所有过程，而数据在发布阶段经常会被扭曲。在大数据时代，数据的质量是情报价值体现的生命线，不管分析的方法如何先进，但如果输入时是垃圾数据，最终获得的还是垃圾结果，对企业不但无益反而有害。（5）数据难于动态集成。目前竞争情报收集子系统对整个企业范围内的数据集成大多采用静态整合策略，当数据源中的数据发生变化时，这些变化就不能立即反映给决策者，导致决策使用的是过时的数据，而大数据对实时响应要求很高，因此，竞争情报系统对分布式的数据如何进行动态集成也是一个很大挑战。

3.3企业竞争情报的分析方法亟待创新

大数据里隐含了许多“金子”，然而“金子”却不是现成的，需要通过一定方法和工具从中才能“淘”出来。谁掌握最先进的“淘金”方法和工具，谁就能把握先机，从而获得竞争优势，而落后者就可能面临被淘汰的危险。然而，目前从大数据中提炼情报的分析方法面临诸多问题：（1）难于处理庞大的数据量。在大数据时代，企业竞争情报的分析方法和工具需要处理庞大的数据，通常是PB级的，但是传统的企业情报分析技术无法处理这么大量的数据，在分析上TB级的数据量时，都会花费几十个小时的时间才能得到结果，如果分析PB级的数据量时，分析软件可能根本无法运行，或者运行很久才能获得结果。（2）难于处理分布式的数据。目前企业竞争情报的分析工具一般都是对数据进行集中式处理，然而在大数据时代，数据是分布式存储的，如果没有良好的访问数据模式，必然导致服务器之间的通讯增加，计算开销加大，时间延长，成本提高。（3）分析数据结构比较单一。传统企业竞争情报分析工具的数据通常是结构化数据，而大数据时代，企业有各种不同类型的数据集，其中有可能包含来自企业资源计划系统和客户关系管理系统的交易数据、网络评论和电子商务数据，还有内部文档和其它格式信息等，绝大部分的数据是非结构化的，超出了现有的企业竞争情报分析能力。（4）无法处理流数据。动态数据流是大数据的主要特征之一，有了分布式的文件系统支撑之后，也必须有进行数据流处理功能才能发挥其效用，但是目前企业情报分析工具基本不具备分布式流处理的功能，对许多实时数据的处理无能为力。（5）数据抽样受限。由于分析手段的限制，取样时的样本数不够大，不能充分反映和代表所有的数据；同时受限于分析能力而无法获取复杂问题的答案，受限于时间而不得不采用某项简单的建模技术。另外，由于没有足够的时间来执行多次迭代，模型精度在一定程度上大打折扣。（6）反应速度滞后。在一个开放和竞争的大数据时代，速度是企业的生命线，企业所需的竞争情报是变化的、实时的，这要求企业快速从数据中捕捉情报后用于决策，那么企业竞争情报分析中要对数据存储、计算、建立模型的过程、提交结果的方式等进行快速应变，但目前的企业竞争情报分析应变性还要达不到这样的要求。大数据分析处理的基本要求就是速度要快。没有速度，价值再大的数据也只能是一堆无法流通的废纸。大数据研究就是对高速增长、规模庞大、多样性的数据进行快速的挖掘分析，以发现其中隐含的规律知识，并以持续应变的方式提供有效的服务。因此，企业竞

争情报研究方法要适应大数据时代的要求，必须在数据的处理量、数据类型、处理速度和方式方法上进行创新。

4大数据时代企业竞争情报分析的发展方向

在大数据时代，数据分析日益成为企业提高利润来源的支撑点，企业已经不满足于对现有数据的分析和监测，而是更期望能对未来趋势有更多的分析和预测，能洞察细微的变化，以增强企业竞争力。因此，需要对数据进行深度分析，而这正是企业竞争情报工作职责所在。从上述看到，目前的竞争情报研究方法和技术处理还存在不少的问题，因此，必须与大数据的分析方法和技术结合，并探索新的方法和技术，形成新的分析方法体系。在大数据时代，定量分析将会得到更广泛的运用，提供更精确情报信息。大数据技术主要实现对动态、异构、庞大数据的存储和管理，并从中提取出简约的数据集。大数据为数据挖掘技术提供了更广的“舞台”，数据挖掘主要是在数据中发现有潜在价值知识和模式，而竞争情报分析主要是将挖掘的知识激活，转化为产生行动的情报。大数据时代企业竞争情报分析主线仍是数据—信息—知识—情报逐层萃取的路线。

4.1加强数据和信息的集成

数据集成是通过各种手段和工具将已有的数据集合起来，按照一定的逻辑关系对这些数据进行统一的规划和组织，如建立各种数据仓库或虚拟数据库，实现数据资源的有效共享。随着分布式系统和网络环境日益普及，大量的异构数据源被分散在各个网络节点中，而它们之间往往是相互独立的。为了使这些孤立的数据能够更好地联系起来，迫切地需要建立一个公共的集成环境，提供一个统一的、透明的访问界面。因此，数据集成所要解决的问题是把位于不同的异构信息源上的数据合并起来，以便提供这些数据的统一查询、检索和利用。数据集成屏蔽了各种异构数据间的差异，通过集成系统进行统一操作。数据分析通常需要大量的数据作为支撑，而这些数据通常又是分散和异构的，通过集成可以更好地保证所分析的数据质量问题［11］。互联网是一个大而复杂的异构数据环境，每一个站点都可以看作是数据源，各站点间的信息和组织都不一样，每个数据源都是异构的，要利用这些数据进行数据挖掘分析，必须研究站点之间异构数据的集成问题。网络数据集成就是从大量的数据中将有用的数据按照不同的应用进行整合、封装、处理的过程，以解决数据挖掘的应用质量和数量问题。由于大数据的量比较大，采取集中式的挖掘方法总体上看比较困难，而采用分布式协作策略是较为可行的方式，按照某种标准如学科领域或地理区域对数据资源空间进行划分，得到若干子空间，再对每一个子空间分别建立相应的系统进行数据挖掘分析，构成网络上的分布式协作数据挖掘群体系统，然后对挖掘的结果和数据进行整合，形成总体方面的知识。目前很多企业设有许多分支机构，有些大型的企业甚至还有海外分支机构，其业务数据一般也要通过集成才能进行总体的竞争情报分析，更好地为企业的战略决策服务。

4.2注重数据的清洗与过滤

大数据时代企业所要处理的数据比较多，但数据的质量往往参差不齐，如有些数据不一致或不准确、数据陈旧以及人为造成的错误等，通常被称之为“脏数据”。由于数据挖掘是数据驱动，因而数据质量显得十分重要。“脏数据”往往导致分析结果的不正确，进而影响到决策的准确性。由于大部分的数据库是动态的，许多数据是不完整的、冗余的、稀疏甚至是错误的，这将会给数据的知识发现带来困难。由于人为因素的影响，如数据的加工处理以及主观选取数据等，从而使得数据具有某些噪声，会影响数据分析模式抽取的准确性。大量冗余数据也会影响到分析的准确性和效率。因此，在数据挖掘分析时，首先需要进行数据预处理，也就是要对数据进行净化和过滤，删除一些无关的数据。数据清洗是一个减少错误和不一致性、解决对象识别的过程［12］。一般通过概率统计等原理查找数值异常的记录。如在网站的日志文件数据处理中，可以通过检查URL的后缀删除认为不相关的数据，可使用一个缺省的后缀名列表帮助删除文件，去掉一些不能反映用户行为的记录，过滤一些请求错误和失败的记录等。

在大数据时代，不能不计成本盲目的收集各种海量的数据，否则将成为一种严重的负担。数据的体量只是大数据的一个特征，而数据的价值、传递速度和持续性才是关键。为了达到这些目标，企业竞争情报收集可以采用最小数据集的方法，指通过收集具有代表性的最少的数据，更好地掌握一个观察对象所有的特点或者一个事件所处状态，其核心是针对被观察的对象建立一套精简实用的数据指标，采用一定取样标准选择和过滤相关数据。总之，通过对数据质量的控制和管理，可以提高数据分析的准确性，进一步提高竞争情报工作的效益。

4.3关注新数据类型的分析方法

在大数据时代，企业无论是日常运营，还是重大战略

决策，都会在各种各样的信息系统中留下各种数据记录，这些数据通过技术整合起来，可以再现一个企业的运行轨迹和发展全景。竞争情报研究就是发现有价值的知识和模式，洞察企业竞争环境，预测未来，从而获得竞争优势。随着信息技术的普及应用，新的数据类型不断产生，下面一些新的数据类型和分析方法值得关注。

（1）实时数据。如微博、短信等大量的动态数据流，是一种十分重要的竞争情报源。数据流挖掘是对数据进行单遍现行扫描，快速处理数据，提供实时近似结果的技术。如窗口技术采用分而治之的策略，将流数据按照特定的需求分配到不同的窗口，进入窗口内的数据才会被处理，以减少分析处理的数据量；而概要数据结构技术将数据流进行概括统计的数据结构代表原始数据，而不是保留数据流中的全部数据，从而减少处理的数据量［13］。在大数据时代，竞争情报分析的数据许多是连续、快速、随时间变化的，对如此巨大的数据流，企图存储或者扫描所有的数据都是不实际的，只有采用动态的数据流挖掘分析技术才能有效解决数据的冲击，获得实时近似的结果。数据流挖掘技术能为竞争情报提供实时查询服务和处理，从而促使企业的“触角”保持足够的敏捷性。

（2）动态数据。从时间的维度发现有关变化规律。时间序列分析是指从大量不同时间重复测得的数据中发现前后数据相似或者有规律的模式、趋势和突变的方法，主要的技术主要是相似模式发现，包括相似模式聚类和相似模式搜索时间序列，采用的主要挖掘方法主要有小波变换法和经验模态分解法［14］等。在大数据时代，各种数据源源不断的产生，比如交易数据、网站访问日志等，从中必然会呈现出时间上的规律，企业希望从积累了大量的历史数据中分析出一些模式，以便从中发现商业机会，通过趋势分析，甚至预先发现一些正在新涌现出来的机会，比如企业可以通过数据时间序列分析了解产品销售的旺季和淡季，制定针对性的营销策略，减少生产和销售的波动性，从而获得利润和竞争优势。

（3）关联数据。关联数据发现技术是分析数据之间的联系，将孤立、离散的数据点结合产生数据链或者数据图，随后从多个数据源中查出匹配给定关联模式的实例、最后再对匹配的实例评估。目前已应用的主要方法有：图论的稀有度监测法、图熵法和基于谓词的逻辑归纳推理法等［15］。关联发现技术特别适合于动态的数据发现未知的模式，而大数据中隐含了大量未知、潜在的关系，新模式的发现有利于企业采取“蓝海”战略，抢占先机，从而获得竞争优势。

（4）社会网络数据。社会网络分析也叫链接挖掘，是通过网络中的关系分析探讨网络的结构及属性特征，其挖掘重要任务的是基于链接的节点排序、基于链接节点的分类、节点聚类、链接预测、子图发现等［16］。在大数据时代，大量相关的数据聚合在一起，相互支撑解释和印证，形成了复杂的数据网络，数据之间的关系具有非常重要的价值，如通过消费者行为的链接数据挖掘能发现传销顾客网络，从而制定找出利润最大化的顾客群，又如从人际关系的网络节点的中心度来分析竞争对手，从而制定相关的竞争策略等。

4.4促进数据分析的可视化

数据可视化技术指的是运用计算机图形学和图像处理技术，将数据转换为图形或图像显示出来，并进行交互处理的方法和技术，其本质是从抽象数据到可视化结构的映射。在大数据时代，数据只是原材料，其真正的价值需要通过知识和情报来实现。企业竞争情报分析的结果必须是可理解的，才能较为容易地转化为生产力。可视化可以反映数据的语义关系，加快数据的处理速度，使庞大的数据得到充分有效利用；可以在人与数据间实现交互，帮助人们观察到数据中隐含的问题，为发现和理解有关规律提供有力工具。可视化使竞争情报更加易于理解和运用。采用一定的分析模型将相关的数据组织在一起，直观地表达竞争情报和竞争情报之间的逻辑关系，如进行一些关联分析，以生动形象的方式显示描绘人物、公司和事件之间的联系，探索事件、人、地点、产品和组织间潜在关系并预测可能产生的结果，辅助决策过程。可视化可作为一种基础技术嵌入到企业竞争情报分析工具中，人们总是希望看到研究报告中的生动图像，而不是一大堆枯燥的数据，企业竞争情报研究结果通过可视化方式，采用不同数据维度提供给不同层次的决策者使用，便于理解，支持企业高效运营。因此，可视化技术是大数据时代企业竞争情报研究的有效工具。

4.5探索大数据新的分析技术和工具的应用

大数据时代企业竞争情报面临的数据量是无法比拟的，对一些实时性要求较高的决策，分析方法的速度和效率显得十分重要。传统的竞争情报分析方法显然难于处理不断增长的、庞大的、异构的数据，只有借助新的处理技术才能实现数据提取和清洗、分析和利用。目前大数据相关技术研究已取得一定的进展。如“MapReduce”是一种简洁的并行计算模型，它在系统层面解决了扩展性、容错

性等问题，通过接受用户编写的函数，自动地在可伸缩的大规模集群上并行执行，从而可以处理和分析大规模的数据。“MapReduce”具有简洁的模型、良好的扩展性、容错性和并行性，可以进行复杂深入的数据分析，随着其性能的不断改进和分析能力的不断增强，能够帮助人们从大数据中分析和发现有用的知识［17］。如何提高数据挖掘算法的效率和适应性，使挖掘方法具有一定规模的伸缩性，是数据分析较为突出的问题。应用实时性技术和分布并行算法技术是提高数据挖掘方法效率和实用化的有效途径。此外，统计分析语言标准化也有助于提高数据分析效果。如R语言是主要用于统计分析、绘图的语言和操作环境，其功能包括数据存储和处理系统、数组运算工具、完整连贯的统计分析工具。R语言针对大数据将广泛使用的统计算法进行了优化，能够在短暂的时间内从大量的数据中发现有意义的信息［18］。目前业界对大数据的处理分析方法已开始进行了一些探索，并且开发了一些相关的工具。企业竞争情报研究应该针对大数据的特点，吸收和融合数据挖掘分析新的技术方法，不断创新和发展。

5结语

企业竞争情报可以帮助企业洞察竞争环境，发现新的竞争对手、判断竞争的发展性动向，及时做出相关的反应，从而获得较大的竞争优势。大数据提供了一个全新的信息生态环境，给企业竞争情报研究带来了深刻的影响，促使其不断地创新和变革，以适应企业在大数据时代获取核心竞争力的需求。大数据时代的企业竞争情报研究将走传统情报分析方法与大数据技术相结合的发展道路。目前基于大数据的企业竞争情报研究刚刚起步，许多问题仍然需要进一步探讨。

参考文献：

［1］F.Gantz and D.Reinsel.The2011Digital Universe Study：Extracting Value from Chaos［EB/OL］.［2012-08-18］.ww https://www.wendangku.net/doc/c010831698.html,/collateral/demos/microsites/emc-digitaluniver se-2011/index.htm.

［2］Big data：the next frontier for innovation，competition and productivity［R］.McKinsey Global Institute，2011.

［3］Philip Russom.big data analytics［EB/OL］.［2012-08-01］.

http：//https://www.wendangku.net/doc/c010831698.html,/p-340502098.html.

［4］Big data［EB/OL］.［2012-08-18］http：//https://www.wendangku.net/doc/c010831698.html,/ wiki/Big_data.

［5］大数据［EB/OL］.［2012-08-18］.http：//https://www.wendangku.net/doc/c010831698.html,/ view/6954399.html.

［6］涂兰敬.专家观点：“大数据”与“庞大数据”的区别［J］.

网络与信息，2011，（12）：37-38.

［7］国金证券.“大数据”行业专题分析报告［EB/OL］.

［2012-08-01］.http：//https://www.wendangku.net/doc/c010831698.html,/view/177989130 b4e767f5acfce3f.html.

［8］王珊等.架构大数据：挑战、现状与展望［J］.计算机学报，2011，34（10）：15-16.

［9］国金证券.“大数据”行业专题分析报告［EB/OL］.

［2012-08-01］.http：//https://www.wendangku.net/doc/c010831698.html,/view/177989130b 4e767f5acfce3f.html.

［10］涂子沛.大数据［M］.广西师范大学出版社，2012：161，304-306.

［11］毕强.网络信息集成服务研究综述［J］.情报理论与实践，2004，（1）：21-25.

［12］郭志懋.数据质量和数据清洗研究综述［J］.软件学报.

2012，12（11）：22-28.

［13］JiaweiHan Micheline Kamber.范明，孟小峰译.数据挖掘概念与技术［M］.北京：机械出版社，2007：306-320.［14］倪志伟等.动态数据挖掘［M］.北京：科学出版社，2010：31，232.

［15］张公让.商务智能与数据挖掘［M］.北京：北京大学出版社，2010：151-159.

［16］约翰·斯科特.刘军译.社会网络分析法［M］.重庆：重庆大学出版社，2007：1-6.

［17］覃雄派等.大数据分析——

—RDBMS与MapReduce的竞争与共生［J］.软件学报，2012，2（1）：33-42.

［18］Alain F.Zuur.R.语言初学者指南［M］.西安：西安交通大学出版社，2011：3-10.

作者简介：黄晓斌（１９６１－），男，中山大学资讯管理学院教授，博士生导师，研究方向：竞争情报、网络信息开发利用；钟辉新（１９７９－），男，中山大学资讯管理学院博士生，电子科技大学中山学院图书馆馆员，研究方向：商情分析与竞争情报。

大数据时代下企业管理模式创新

大数据时代下企业管理模式创新 随着经济的发展，社会的进步，在生活领域中大数据发挥着至关重要的作用。相对而言，大数据的到来，给企业管理模式带来了一定的冲击，落后的管理模式不能适应大数据技术发展。因此，在新的形势下，应对企业管理模式进行创新升级，进而确保大数据企业全面发展。 标签：大数据时代；企业管理模式；创新；具体分析 当前互联网技术得到了较好的发展，同时大数据计算也呈现出良好的发展趋势，在一定程度上讲，各个领域数据呈现出快速增长趋势。换言之，大数据时代已经来临。在新的形势下，企业在实际发展中，大数据时代对企业管理带来了全新的挑战，传统企业管理不能适应时代发展需求。因此，要想在真正意义上促进企业的全面发展，同时对大数据技术进行充分性利用。就应对企业管理模式进行有效创新以及改革，进而促进企业的全面发展，同时为企业提供一定的内在动力。本文将针对大数据时代下企业管理模式创新进行针对性探讨。 1 当前大数据时代下企业管理模式面临的挑战 1.1管理模式十分落后 对于企业而言，在实际发展中，仍然以传统管理模式为核心。相对而言，这样的管理模式成就了一些企业，其中也有一些国际性公司。因此，对于大部分企业来讲，认为这种管理方式没有存在任何问题。随着经济的快速发展，时代的进步，当前时代环境发生了较大的变化。不能否认的是，传统管理方式发挥了重要作用，那是对所处时代来讲的。在大数据时代背景下，传统管理方式出现了很多弊端。之所以当前一些互联网公司快速涌现，是因为管理方式能够顺应大数据时代发展。在大数据冲击下，传统企业走向了没落，主要是因为落后的管理方式造成的。 1.2企业管理模式缺乏创新意识 企业在实际发展中，大多数企业具有完整性体系，同时趋向成熟。但对于这些传统管理模式来讲，虽具有成效，同时在管理中具有重要作用。但随着互联网以及大数据的来临，假如没有对管理形式进行全面性创新，企业管理会出现一些问题，在市场竞争中将面临着淘汰的局面。在当前形势下，在网络中充斥着一些数据，假如企业能够对这些数据进行充分性利用，并进行有效的加工以及集中化处理。进而能够发现消费者自身的消费倾向，最终对自身生产进行针对性调整。这样的方式不仅能够满足消费者实际需求，同时还能确保企业在市场竞争中站稳脚跟。但当前一些企业管理者，并没有意识到这一点。还是以传统管理方式为核心。在市场分析中，也没有意识到大数据技术的重要作用，进而导致企业经营和市场需求相背离。

工业大数据：制造业数据管理的再认知

工业大数据：制造业数据管理的再认知 文/美林数据技术总监于洋 工业大数据这个词其实并不是标准词汇，更类似于工业+大数据的组合概念。在工信部下发的《智能制造综合标准化体系建设指南》提到“工业大数据是工业领域完成相关信息化（包括企业内部的数据采集和集成，产业链横向的数据采集和集成，以及客户/用户和互联网上的大量外部数据）所产生的海量数据的基础上，经过深入分析和挖掘，为制造企业提供看待价值网络的全新视角，从而为制造业创造更大价值。” 这几年大数据的火爆是互联网行业引燃的，但制造行业与互联网行业的业务模式决定了数据特点及利用模式的巨大差异。工业大数据更关注数据本身，例如数据属性的准确定义，数据与数据之间的联系等。 工业大数据的除了具备4V特性外，还在微观层面体现在产品全属性，在宏观层面体现在产品全生命周期，在社会层面体现在上下游数据交换，在技术层面体现在基于物联网的虚拟物理数据融合。

工业大数据的价值和意义不言而喻，但面对种类繁多、尺度不一、模态多样的数据，如何进行有效管理和利用是对企业很大的考验。从数据管理角度，我们将数据分为公共类数据、管理类数据、产品类数据和实时类数据。 公共类数据：主要指企业内静态不变且跨业务部门共享的数据，如客户、供应商、产品、物料等数据，也就是主数据。目前由于MBD的概念兴起， 如电子元气件、标准件等三维模型也作为制造企业主数据进行管理。 企业管理类数据：主要指企业运营过程中的，财务、人力、物资等管理数据，传统的商务智能和数据仓库的应用领域就集中在企业管理领域。 这里的数据以结构化数据为主。 产品工程类数据：主要指在设计、工艺、制造等环节生成的各类BOM，包括BOM结构、物料属性信息、相关图文档信息等。以非结构化数据为 主。 物联实时类数据：产品制造过程中，在制品、生产线、人员等制造资源的状态数据；产品服役过程中，外部环境、操作使用和产品运营数据等。 以实时数据和音视频监控数据为主。

大数据时代的企业管理

大数据时代的企业管理 （陈登鹏工业工程11级2班2011330350212） 摘要 基于数据分析对管理的重要性，在《孙子兵法》中已有深刻的认识：“夫未战而庙算胜者，得算多也。”数据始终贯穿在管理的计划、组织、领导、控制和创新中。在进入大数据时代后，如何更好地利用信息爆炸时代产生的海量数据为管理服务，和利用数据创造财富是不可回避的命题。管理决策日益基于数据和分析而作出，而并非基于经验和直觉，对企业正确的制定发展计划与合理安排企业资源有重要的意义。其中预测在企业中有重要的意义，在大数据时代，预测的准确度或许能够更上一个台阶，将促进企业健康发展。 关键字：大数据；管理；预测 一、大数据时代的特点 从古至今，从未有一个时代出现过如此大规模的数据爆炸。信息技术的发展，互联网的普及，随之而产生的数据也呈现爆发性增长。 （1）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，而过去两年产生的数据占人类历史数据总量的90%。 （2）到2006年，全世界的电子数据存储量为18万排字节，如今这个数字已达到

180万拍字节，短短时间内已经增长了一个数量级。根据预测，2015年这个数字甚至会达到800万拍字节的规模。 大数据时代的典型特点就是预测变得更为精确。Albert-László Barabás i①提出：人类93%的行为是可以预测的。目前人类的数据处理能力在庞大的数据量面前还是太渺小，当数据处理能力的提升足以克服这一切后，混沌理论是否会黯然失色呢，一切都将变得清晰起来，偶然性也将因为盖然性变得不那么模糊？或许人类处理能力提升的速度远远都无法赶上数据的增长速度，混沌理论也将一直伴随着人类的发展。但不可否认的是，即使是现在的处理能力，大数据也能极大地提升预测的精准度。 二、大数据视角下的预测 预测对企业的各项职能活动包括采购原材料、扩充机器设备、补充人员等需要依据市场进行调整的活动有重要意义。预测是整个企业系统的重要输入和依据，具体地将，其重要性可以从以下几个方面来考虑： （1）对于战略部门而言，预测可以提供决策的依据； （2）对于销售部门而言，为补充销售人员提供依据； （3）对于成本会计而言，预测可以为预算和成本控制提供依据； （4）对于采购部门而言，便于采购部门制定制定准确的采购计划，以降低总的生产成本； （5）对于生产计划和控制部门而言，预测是企业编制生产计划的基础，是生产计划编制的主要输入； （6）对于研发部门而言，新产品的预测可以为设计提供参考，根据对市场的预测进行产品的开发，这样的产品才会有市场，才会有竞争力； …… 其中，概率论在预测中有不可替代的作用，当中的泊松分布P(λ)是在概率论中常用的一种离散型概率分布，由于其适合于描述单位时间（或空间）内随机事件发生的次数，因此泊松分布在管理科学，运筹学以及自然科学的某些问题中都占有重要的地位。例如，在企业战略制定以及物料需求分析等方面有极大的应用空间。当然，泊松分布在处理自然科学领域内的问题有更突出的成果，如某放射性物质发射出的粒子、显微镜下单位分

促进大数据发展行动纲要

【TechWeb报道】9月6日消息，国务院日前印发《促进大数据发展行动纲要》(下称《纲要》)，对大数据开放应用等工作提供指导意见。而根据中国信息通信研究院发布的《2015年中国大数据发展调查报告》显示，2015年中国大数据市场规模将达到115.9亿元，增速达38%。 报告显示，2014年中国大数据市场规模约为84亿元，主要由3部分组成，即大数据软件产值、用于承载大数据应用的硬件产值，以及大数据相关的专业服务产值 2014年大数据软件产值为35.6亿元，占比约42%；大数据硬件产值达28.5亿元，占比约34%；大数据服务产值为19.9亿元，占比约为24%。 此外，预计2016至2018年中国大数据市场规模还将维持40%左右的高速增长。 根据中国政府网消息，日前国务院印发《促进大数据发展行动纲要》，《纲要》提出未来5至10年我国大数据发展和应用应实现的目标，将惠及全民，助力经济转型。 《纲要》部署三方面主要任务。一要加快政府数据开放共享，推动资源整合，提升治理能力。二要推动产业创新发展，培育新兴业态，助力经济转型。三要强化安全保障，提高管理水平，促进健康发展。 根据《纲要》计划，2017年底前跨部门数据资源共享共用格局基本形成；到2018年，开展政府和社会合作开发利用大数据试点，2018年底前建成国家政府数据统一开放平台等；2020年，形成一批具有国际竞争力的大数据处理、分析、可视化软件和硬件支撑平台等产品。 此外，《纲要》提出政府治理大数据工程等十大工程，其中，包括推进政府数据资源共享开放工程、国家大数据资源统筹发展工程、政府治理大数据工程、公共服务大数据工程等4大“政府大数据”工程；工业和新兴产业大数据工程、现代农业大数据工程、万众创新大数据工程、大数据关键技术及产品研发与产业化工程、大数据产业支撑能力提升工程等5大“大数据产业”工程；以及网络和大数据安全保障工程。 《纲要》全文如下： 国务院关于印发促进大数据发展行动纲要的通知 国发〔2015〕50 号

工业大数据如何成功推动智能制造发展

工业大数据如何成功推动智能制造发展 信息技术特别是互联网技术正在给传统工业发展方式带来颠覆性、革命性的影响。二维码、RFID、传感器、工控系统、物联网、ERP、CRM 等技术的广泛应用，推动工业企业实现生产流程各环节的互联互通，促进互联网与工业融合发展。但网络、通信、硬件设备等只是工业企业实现互联互通的基础，实时感知、采集、监控生产过程中产生的大量数据,运用大数据技术对企业产生、拥有的海量数据进行挖掘，得到有作用的分析结果，智能制造才能得以实现。 多源数据的融合是实现互联网与工业融合创新的必要条件，而要实现对多种来源、多种类型海量数据的分析处理，以及复杂的数据关联关系挖掘，都需要有大数据的支撑。在大数据的驱动下，互联网与工业进一步深度融合，新模式、新业态层出不穷，产业模式、制造模式、商业模式正在重塑，企业、市场与用户的互动程度和范围得到扩展，企业与用户关系加速重构，生产周期从产品的设计、研发、制造、销售、服务等逐渐构成闭环。 创新研发设计模式实现个性化定制 实现定制化设计。企业通过互联网平台能够收集用户的个性化产品需求，也能获取到产品的交互和交易数据；挖掘和分析这些客户动态数据，能够帮助客户参与到产品的需求分析和产品设计等创新活动中，实现定制化设计，再依托柔性化的生产流程，就能为用户生产出量身定做的产品。例如，海尔集团沈阳冰箱工厂利用云将用户需求和生产过程无缝对接，用户个性化需求可直接发送到生产线上，实现定

制化生产。用户还可通过生产线上的上万个传感器随时查到自己冰箱的生产进程。目前，一条生产线可支持500多个型号的柔性化大规模定制，生产时间可以缩短到10秒一台。 利用大数据进行虚拟仿真。传统生产企业在测试、验证环节需要生产出实物来评测其性能等指标，成本随测试次数增加而不断提升。利用虚拟仿真技术，可以实现对原有研发设计环节过程的模拟、分析、评估、验证和优化，从而减少工程更改量，优化生产工艺，降低成本和能耗。长安福特采用虚拟仿真技术改良汽车设计环节，设计师带着3D眼镜能够看见最新设计的福特轿车，甚至还能够模拟坐进车内，感受内装是否符合心意。如果有任何不好的地方，设计师能够马上通过软件修改，减少了开发产品的次数，能够在短时间内完成更多的设计工作，更快地反映市场的需求。 建立先进生产体系实现智能化生产 提升车间管理水平。现代化工业制造生产线安装有数以千计的小型传感器，来探测温度、压力、热能、振动和噪声等，利用这些数据可以实现很多形式的分析，包括设备诊断、用电量分析、能耗分析、质量事故分析（包括违反生产规定、零部件故障）等。在生产过程中使用这些大数据，就能分析整个生产流程，一旦某个流程偏离了标准工艺，就会发出报警信号，快速地发现错误或者瓶颈所在。例如，美国GE集团在纽约州斯克内克塔迪市有一家氯化镍电池工厂，18万平方英尺的电池生产厂区内，安装了1万多个传感器，用来监测相关的温度、能耗和气压，并全部连接高速内部以太网络进行数据传输。在流

互联网时代的四个特点

互联网时代的四个特点 现在关于互联网，有互联网思维、互联网技术革命、互联网创新，各种提法很多。但是我认为互联网不单是一种思维、一种技术，它是一个时代。置身于这个时代，不管你了解不了解,喜欢不喜欢，你都难以回避它的影响：它在改变我们的生活方式，颠覆我们的商业模式，冲击我们固有的思维方式，它迫使我们重新认识外部环境，重新认识客户，重新认识自己；要求我们自我否定、自我超越！ 互联网作为一个时代，它具有什么特点？我认为这个时代有四个鲜明特点。 第一个特点:这是一个“通融互联”时代。 通，就是互联互通。互联互通超越时空差距，使组织与客户、人与人之间的距离零成本趋近，无障碍沟通与交流价值倍增。 融，就是整个世界的多元要素融为一体了。各种要素交织，形成了你中有我，我中有你；不知道敌人是谁，也不知道朋友是谁。人与人之间无距离融合后，界限就模糊了。 通融互联给企业带来的最大影响是信息对称和平衡了，由此形成了你中有我、我中有你的状态，这就把过去靠信息不对称进行“暗箱操作”来获取利益的盈利模式彻底颠覆了。互联网时代，企业要从不对称竞争走向对称竞争，利益都要摊到一个共同的桌面上，而且必须有新规则。由此，企业跟客户的关系、企业内部的管理模式，统统都将发生一场革命。 通融对称，这是互联网时代的一个突出特点，它带来的变化就是使得透明、规则、价值观这些东西变得更加重要。 第二个特点:这是一个“网状价值结构”时代。即以客户为中心的价值交互网和以人为中心的价值创造网。这里面又有几个关键特点：一个是先有客户价值才有企业价值。第二个就是组织从串联到并联，在内部呈网状结构，在外部也是如此。你中有我，我中有你，由无数个微型组织、自主经营体所编织而成的一个价值创造交互网。 网状结构的突出特点是：抓住一个点施力就可能迅速布满全局。在网状结构下，一个微创新可能会像“蝴蝶效应”一样引发巨大的价值创造能量。在网状价值结构的前提条件下，员工的创新精神和潜能的激发是组织活力的核心。所以也可以说，这将是一个围绕客户和人的价值来进行价值创造的时代。 第三个特点:这是一个大数据和高流动时代。互联网产生大数据，而大数据的特点是不精确和动态的。有人说，这是个“大明星也去吃大排档，小老百姓去买奢侈品”的时代，也就是说，客户的需求是不确定的、很多数据也变为不确定。但同时，大数据实际上也是大样本、全样本，可能比之前的抽样还要精准，从小数据、小样本中可预测到大趋势。因此，企业不能再单纯依靠精确定量化的数据来做理性分析，还需要基于大数据来分析趋势、捕捉机会。 同时，在互联网时代，资金、人、知识和信息等各种要素都将是高速流动的。这种情况下，企业最大的财富不再是简单的人才了，而是所拥有的数据与知识，以及如何使得你的数据和知识能够在各利益相关方之间进行应用、转换与创新。

互联网 时代的企业管理

“互联网+”时代的企业管理 互联网的便捷性让企业与企业之间、企业与员工之间、企业与客户之间以及企业与其他利益相关者之间的联系越发紧密，传统的企业管理模式不能适应新环境的变化，亟需进行深刻的变革。 一、文献综述 彭剑锋(2014)指出，互联网时代是一个零距离时代1。李海舰(2014)赵春福(2015)认为互联网让交易的场所、时间、速度及交易品种发生了巨变，中间环节不断简化2，企业思维方式必须进一步创新3。丁伟和于小波(2014)提出互联网时代企业变革必须具备末端化、全域化、人性化、可持续以及社会化理念5。处于当下这样一个深受互联网影响的时代，智能化、信息化成为企业发展进步的导向，企业管理必须追上社会发展的步伐，才能更好地适应企业发展需求。本文认为，互联网+时代的企业管理，应当是以客户需求为中心，通过满足客户价值最大化来实现企业自身追求的利益最大化，从而获得良性发展。 二、传统企业管理的不足 1.管理理念落后、模式僵化。传统企业的管理理念大都是以企业为中心，企业与客户之间缺乏直接的交流和反馈，导致双方信息严重不对称，客户的个性化需求得不到满足。并且，传统的营销需构建有组织的、渠道式的营销网络，形成一种固定的营销体系，给产品销售增加了许多中间环节，产品真正进入市场的周期延长。在互联网+时代，行业转型日新月异，传统本分的管理模式不再成为企业维稳的有效手

段，反而会成为企业被淘汰的理由。互联网的存在和发展打通了传统的资源垄断体制，信息流通的效率化和透明化导致市场游戏规则发生变化，市场经济的环境变得更加公平健康，企业发展的机遇与挑战并存，传统管理模式已经完全不能满足企业发展的需求。 2.组织结构改革缓慢。进入互联网时代，管理学界早就开始探讨企业组织结构的改革，并且有一部分企业顺应时代潮流进行了相应的组织结构调整。但是在我国，很大一部分企业的组织结构仍然是从上而下的多层级金字塔型模式。学者及高级管理者们倡导对企业进行扁平化组织改革，去除金字塔结构中冗余的中间环节，提高企业组织的信息传递速度，提升工作效益，加强企业的市场应变能力，形成战略优势。但是由于我国市场经济的复杂性以及改革推动过程中出现的精英管理人才不足、改革理念理解不透彻、改革方案不适用、企业内部不配合等困难，我国企业组织结构的改革进程缓慢。 3.战略思维不够深远。企业战略是一个整体性规划过程，对企业的未来发展发挥着指导性作用。制定企业战略首先要分析企业内外部发展环境，随后确定战略目标，最后明确战略步骤。在传统企业管理中，由于对企业战略管理的概念理解不够透彻，加上内外部环境分析不准确、战略目标制定不具体、战略步骤不明晰等原因，企业战略思维不够深远，未能制定出具有指导性特征的企业战略，战略制定效用低下。 三、互联网+时代的企业管理 1.管理理念和模式的创新。互联网+时代的企业专注于以客户为中心，大规模制造以及小规模多样化的时代都已经逐渐远离，大规模、个性

大数据时代下的人力资源管理

如何应对大数据时代下的人力资源管理 引言 21世纪是经济全球化和信息技术化迅猛发展的新时代，知识和信息将取代土地、资本成为企业的第一资源，企业将充分利用基于信息技术的互联网为企业的各项管理工作服务。作为知识的创造者、传播者和使用者的入，尤其是高素质的人才，对经济增长的重要作用已经越来越明显，因此，网络经济时代的人力资源管理者如何对其进行管理对企业未来的发展具有重要影响。因而，在人类已经踏入21世纪时，企业的管理者弄清网络经济时代人力资源管理与传统人事管理的区别，以应对网络时代入力资源管理的新趋势以及其新的要求，对企业的发展具有重要的意义。 这样的大数据时代这给企业人力资源的整合带来了新机遇与新挑战。近年来，随着大数据和云计算这些信息概念的普及，企业人力资源管理部门应充分抓住这些机遇，使得这些新兴技术更好的被企业所利用，从而更好的促进人力资源管理信息化的创新与变革。 摘要：“大数据”是一个全新的概念，这一概念理论应用于人力资源管理领域，是对人力资源管理工作的一次革新。本研究从概括性地分析“大数据”的价值出发，站在利用“大数据”价值提升人力资源管理工作效率的角度，对人力资源管理领域的“大数据”内容以及更好地发挥“大数据”价值对人力资源管理促进作用的方法进行了有益思考。 关键词：大数据价值人力资源管理 20 世纪最重要的技术发展是以计算机技术和远程通信技术为基础的网络建设，全球的信息化进程给人类信息交流模式带来了一场前所未有的革命，引发了世界范围内信息环境的改变。网络技术使人们可以忽略时空、国别、机构和文化的差异，实时地传递、交换和共享各种信息资源，开创了人类信息交流史上的崭新模式。网络，作为信息的载体之一，具有信息资源高度共享、易获取、数量大、更新快的特点，影响着人们的生活、工作方式，也影响着整个时代。同样，网络也给人力资源管理带来了许多难得的机遇和严峻的挑战。所谓人力资源，是指能够推动整个社会经济发展的劳动者的能力，包括具有智力劳动和体力劳动的能力。人力资源管理认为人是最有价值的资源，其目的是开发、寻找、发展并稳定我们已经拥有或即将拥有的人力资源，为完成公司的目标而服务。其内容包括：组织设计，工作分析，面试招聘，能力评测，员工培训和发展，绩效考核，薪酬福利以及激励机制等。 一、大数据时代概述 大数据，又称巨量资料，指的是所涉及的数据资料量规模巨大到无法通过人脑甚至主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。 大数据是随着存储设备和网络的快速发展而出现的。存储设备容量增大，价格降低为收集大数据提供了物质保证、网络普及、速度提高为手机大数据提供了有效方法。在小数据时代，由于无法收集全部数据，因此使用随机取样来获取数据，以保证可以获得具有代表性的数据，以免进行统计时出现偏差。因为小数据时代用的数据量相对较小，因此可以使用统计方法进行比较精确的推断，以建立变量间的关系。但在大数据时代，因为收集到的数据量大、类型繁多，因此无法用传统手段进行处理，以往处理小数据的统计学方法不再适用，也不再追求精确。更为关键的是，大数据摒弃了试图建立变量间因果关系的传统，转而寻求变量间的相关关系，并以此进行预测。因为大数据是通过相关关系进行预测的，所以实际上大数据的方法是一种循证的思想。这是非常重要的，因为在无法辨清变量之间的因果关系的时候，能够得出相关关系仍然能够提供非常有效的预测标的，从而使预测能非常准确。 二、网络化人力资源管理出现的背景

工业大数据在工业企业中的典型应用介绍

工业大数据在工业企业中的典型应用介绍 工业大数据可广泛应用于企业整个生产过程。下面按照企业生产过程的研发设计、供应链、生产制造、营销与服务环节，对工业大数据的应用场景及其应用进行探讨。 4.1 研发设计环节工业大数据的应用场景 在研发设计环节，工业大数据应用主要有产品协同设计、设计仿真、工艺流程优化等。 产品协同设计，主要是利用大数据存储、分析、处理等技术处理产品数据，建立企业级产品数据库，以便不同地域可以访问相同的设计数据，从而实现多站点协同、满足工程组织的设计协同要求。 设计仿真，是指将大数据技术与产品仿真排程相结合，提供更好的设计工具，减少产品交付周期。如波音公司通过大数据技术优化设计模型，将机翼的风洞实验次数从2005年11次缩减至2014年的1次；玛莎拉蒂通过数字化工具加速产品设计，开发效率提高30%。 工艺流程优化，主要是应用大数据分析功能，深入了解历史工艺流程数据，找出工艺步骤和投入之间的模式和关系，对过去彼此孤立的各类数据进行汇总和分析，评估和改进当前操作工艺流程。例如一家排名前五强的生物药品制造商广泛收集与工艺步骤和使用材料相关的数据，应用大数据分析技术，来确定不同工艺参数之间的相关性，以及参数对产量的影响，最终确定影响最大的9种参数，针对与这9种参数相关的工艺流程做出调整，从而把疫苗产量增加了50%以上。 4.2 供应链环节工业大数据的应用场景

供应链环节工业大数据的应用主要体现在供应链优化，即通过全产业链的信息整合，使整个生产系统达到协同优化，让生产系统更加动态灵活，进一步提高生产效率和降低生产成本。主要应用有供应链配送体系优化和用户需求快速响应。 供应链配送体系优化，主要是通过RFID等产品电子标识技术、物联网技术以及移动互联网技术获得供应商、库存、物流、生产、销售等完整产品供应链的大数据，利用这些数据进行分析，确定采购物料数量、运送时间等，实现供应链优化。如海尔公司供应链体系很完善，它以市场链为纽带，以订单信息流为中心，带动物流和资金流的运动，整合全球供应链资源和全球用户资源。在海尔供应链的各个环节，客户数据、企业内部数据、供应商数据被汇总到供应链体系中，通过供应链上的大数据采集和分析，海尔公司能够持续进行供应链改进和优化，保证了海尔对客户的敏捷响应。 用户需求快速响应。即利用先进数据分析和预测工具，对实时需求预测与分析,增强商业运营及用户体验。例如，电子商务企业京东商城，通过大数据提前分析和预测各地商品需求量，从而提高配送和仓储的效能，保证了次日货到的客户体验。 4.3 生产制造环节工业大数据的应用场景 在制造环节，工业大数据的应用主要有智能生产、生产流程优化、设备预测维护、生产计划与排程、能源消耗管控和个性化定制等应用。智能生产。就是生产线、生产设备都将配备传感器，抓取数据，然后经过无线通信连接互联网，传输数据，对生产本身进行实时监控。

大数据的概念、特征及其应用

马建光等：大数据的概念、特征及其应用 (2013-09-05 16:15:35) 转载▼ 分类：学习资料 标签： 杂谈 大数据的概念、特征及其应用 马建光，姜巍 (国防科技大学人文与社会科学学院，湖南长沙410074) 源自：国防科技2013年4月 ［摘要］随着互联网的飞速发展，特别是近年来随着社交网络、物联网、云计算以及多种传感器的广泛应用，以数量庞大，种类众多，时效性强为特征的非结构化数据不断涌现，数据的重要性愈发凸显，传统的数据存储、分析技术难以实时处理大量的非结构化信息，大数据的概念应运而生。如何获取、聚集、分析大数据成为广泛关注的热点问题。介绍大数据的概念与特点，分别讨论大数据的典型的特征，分析大数据要解决的相关性分析、实时处理等核心问题，最后讨论大数据可能要面临的多种挑战。 ［关键词］大数据; 非结构化信息; 解决核心问题; 未来挑战 一、引言 自上古时代的结绳记事起，人类就开始用数据来表征自然和社会，伴随着科技和社会的发展进步，数据的数量不断增多，质量不断提高。工业革命以来，人类更加注重数据的作用，不同的行业先后确定了数据标准，并积累了大量的结构化数据，计算机和网络的兴起，大量数据分析、查询、处理技术的出现使得高效的处理大量的传统结构化数据成为可能。而近年来，随着互联网的快速发展，音频、文字、图片视频等半结构化、非结构化数据大量涌现，社交网络、物联网、云计算广泛应用，使得个人可以更加准确快捷的发布、获取数据。在科学研究、互联网应用、电子商务等诸多应用领域，数据规模、数据种类正在以极快的速度增长，大数据时代已悄然降临。 首先，全球数据量出现爆炸式增长，数据成了当今社会增长最快的资源之一。根据国际数据公司IDC 的监测统计［1］，即使在遭遇金融危机的2009 年，全球信息量也比2008 年增长了62%，达到80 万PB ( 1PB 等于10亿GB) ，到2011 年全球数据总量已经达到1. 8ZB ( 1ZB 等于1 万亿GB，) ，并且以每两年翻一番的速度飞速增长，预计到2020 年全球数据量总量将达到40 ZB，10年间增长20 倍以上，到2020 年，地球上人均数据预计将达5247GB。在数据规模急剧增长的同时，数据类型也越来越复杂，包括结构化数据、半结构化数据、非结构化数据等多种类型，其中采用传统数据处理手段难以处理的非结构化数据已接近数据总量的75%。 如此增长迅速、庞大繁杂的数据资源，给传统的数据分析、处理技术带来了巨大的挑战。为了应对这样的新任务，与大数据相关的大数据技术、大数据工程、大数据科学和大数据应用等迅速成为信息科学领域的热点问题，得到了一些国家政府部门、经济领域以及科学领域有关专家的广泛关注。2012 年3 月22 日，奥巴马宣布美国政府五大部门投资2 亿美元启动“大数据研究和发展计划( Big Data Research and Development Initiative) ”［2］，欲大力推

大数据与精准营销研究综述

大数据与精准营销研究综述 摘要：随着互联网的日益普及，人们对互联网技术的利用率越来越高，由此而来的大数据对社会的各行各业都带来很大变化，人们正步入大数据时代。在企业营销中，大数据的应用可以大大促进精准营销的发展，为其带来前所未有的发展机遇。本文首先分别对大数据与精准营销的研究进行综述，然后提出大数据时代下精准营销模式的问题，最后针对该问题提出一些思考与建议。 关键词：大数据；精准营销；精准营销模式 一、大数据研究现状 1.大数据起源与兴起 1980年，著名未来学家托夫勒在其《第三次浪潮》提出了“大数据”的概念，并热情地将其称颂为“第三次浪潮的华彩乐章”，但是之后很长一段时期内，由于技术发展制约，“大数据”的概念并没有得到人们的重视。 2008年开始，移动计算、物联网、云计算等一系列新兴技术相继兴起，这些技术的发展及其在社交媒体、协同创造、虚拟服务等新型模式中的广泛应用，使得全球数据量呈现出前所未有的爆发式增长态势，数据复杂性也急剧增长，客观上要求新的分析方法和技术来挖掘数据价值，大数据技术应运而生，并得到迅速发展和应用，如此，“大数据”时代真正到来。 2008 年末，三位信息领域资深科学家卡内基梅隆大学的R.E.Bryant、加利福尼亚大学伯克利分校的R.H.Katz、华盛顿大学的https://www.wendangku.net/doc/c010831698.html,zowska联合业界组织计算社区联盟（Computing Community Consortium）发表了非常有影响力的白皮书《大数据计算：商务、科学和社会领域的革命性突破》，使得研究者和业界高管意识到大数据真正重要的是其新用途和带来的新见解，而非数据本身。随后，包括EMC、IBM、惠普、微软在内的全球知名企业纷纷通过收购大数据相关厂商来实现技术整合，实施其大数据战略；国内外咨询机构也相继发布与大数据相关的研究报告，积极跟进大数据领域的研发与应用。2011 年5 月，EMC 公司在主题为“云计算相遇大数据”的World 2011 大会中阐述了云计算与大数据的理念和技术趋势。同年10 月，Gartner 将大数据列入2012 年十大战略新兴技术；11 月，由CSDN 举办的中国大数据技术大会在北京成功举行。大数据在产业界逐渐形成燎原之势。 目前，大数据研究和应用已经成为信息科技领域中的热点。世界各国均高度重视大数据领域的研究探索，并从国家战略层面推出研究规划以应对其带来的挑战。2012 年3 月，

大数据时代企业管理的创新

大数据时代企业管理的创新 摘要：管理模式创新是新时期下企业管理的核心，对于大数据的应用是企业管 理模式创新的核心途径。本文首先对大数据的定义及主要特征进行解读、对大数 据下企业管理思维的创新以及管理模式的创新进行了探析。 关键词：大数据时代；企业管理模式；创新 引言： 大数据时代的到来给传统的企业管理模式带来巨大冲击，旧的管理模式已不能使企业在 新时代的竞争中处于优势地位。如何从顾客的资料和消费记录中挖掘出有用信息，成为企业 增强市场竞争力的关键之所在; 数据流的广泛应用不断促使企业内视、调整、完善自己的管理模式，以期能够适应时代的发展。所以，对于大数据在企业管理方面的研究则显得尤为重要，是学界亟待探讨的课题。 1 大数据的定义及主要特征 大数据是海量复杂数据的结合体，是传统数据获取与分析技术不能在既定时间内对其进 行感知、收集和处理的数据集合。这种不能被常规数据获取技术进行收集、不能被传统数据 分析技术解析的数据信息具有重要的信息应用价值。只有通过专业化的信息软件才能对大数 据进行一定程度的获取，也专业化信息分析人员才能对其进行分析与统计。通过对大数据信 息的分析，能够为决策制定者提供高价值的决策参考依据，进而使决策者能够从策略制定角 度大幅度的提升竞争力。也正是由于大数据这种强大的实用价值，使大数据应用技术在社会 各领域当中被广泛应用于创新当中。这种对于社会发展的深刻影响力使大数据成为当前时代 的标志。 2 大数据下企业管理思维的变革 2.1 样本约等于总体。 在小数据时代下的企业管理，对由于数据信息获取与分析技术的限制只能对数据信息采 取随机抽样法进行甄别与解析，从而用总体数据信息的部分构成来分析内在原理。这样的方 法具有一定的可行性，但是不能给予企业管理决策提供能有力的信息支撑。在大数据信息获 取与分析技术下，企业将获取更多更有效的数据信息，并且通过个更加专业化的信息分析方 法能够更加深入而准确地从数据当中发现事物规律或本质，进而使企业管理的决策更加科学化。数据样本更加接近或等于数据总体，数据信息更加全面而准确的体现了事物真实全貌， 因而企业管理必须以重新调整思维方式来进行管理决策的方法，在适应数据的强大力量同时 也能够更加高效的应用数据力量。 2.2 兼容数据的混杂性 在小数据时代企业管理对于数据的要求更加趋于精确化，以便对事物规律或本质能够更 加准确的进行分析与研究。这种数据应用思维在大数据时代下具有一定的局限性，必须进行 改变才能够适应大数据时代的发展。大数据不仅具有庞大的信息量而且百分之九十五以上的 信息是非结构信息，如果一味要求数据的精确性便难以对数据进行有效的获取与分析。因而 在大数据时代下企业管理思维也应增加对于数据的容错率，对一些具有明显结构的数据进行 分析的基础上，对一些没有结构的数据也应进行规律研究。事实上正是这些表面上没有规律 的信息潜藏着巨大的分析应用价值，对这些数据信息的关联性进行探究并进行专业化的分析 能够更为系统而全面的解析事物规律并更加深入的发现事物本质。进而使企业管理的决策更 加具有前瞻性和先进性，为企业的市场竞争力形成提供强大的信息支撑。 3 大数据下企业管理模式的创新 3.1 数据获取与数据平台形成 数据平台是大数据价值实现的载体，企业通过对数据平台的控制来进行对大数据获取、 分析，同时企业也是通过数据平台实现对数据信息的检测以及对数据信息的预测。企业对于 数据信息的管理工作中百分之九十五以上都必须要通过数据平台来完成。数据平台是实现数 据应用的核心工具，在大数据时代背景下，数据平台在企业当中扮演者企业行为驱动者的角色。传统企管理当中，企业决策的动机是基于问题的发生，进而为解决某一问题而进行企业

大数据时代的数据库的创新与发展

大数据时代的数据库的创新与发展

大数据时代的数据库的创新与发展 摘要：大数据时代的到来，使得传统数据库在处理百TB以上、特别是PB级数据的查询、 统计、分析等应用时，遇到性能上的瓶颈。面对电信、金融、安全、政企等大数据量应用，包括电信话单、金融细帐、智能电网、经营分析、公安网监、舆情监控、审计稽查、应急指挥等，用户体验往往不可接受。海量数据的3V(数量Volume、速度Velocity、多样Variety)挑战着传统数据库曾经非常成功的“一种架构支持多类应用”的模式。互联网和大数据应用的冲击下，世界数据库格局在发生革命性的变化，通用数据库(OldSQL)一统天下变成了OldSQL、NewSQL、NoSQL共同支撑多类应用的局面。 大数据是信息化的一个崭新发展阶段，通过分析各种大数据，人类对知识的认知可以见微知著、集腋成裘、由此及彼，对世界的认知也将更全面、更深入、和更具前瞻性。自2011年5月，EMC和IDC在合作研究“数字宇宙”五年之后提出“大数据”概念以来，“大数据经济”的影响力愈发显著，谷歌、Facebook竞相超过微软，曾经的“软件为王”让位于“数据为王”。 可以预见，大数据时代将引发大量应用创新，比如，城市大数据应用将支撑智慧城市建设，还有智慧教育、智慧医疗、智慧交通、智慧金融等; 关键词：大数据时代，数据库；系统；创新； 引言：“大数据”（ big data）或者称为“海量数据”，这个直白的名词，已经在全球 引起了广泛关注，已经引领了又一轮数据技术的革命。 美国EMC 公司于2011 年5 月在美国拉斯维加斯举办第11 届 EMC World 大会，大会的核心是帮助企业利用IT变革的重要趋势。此次大会以“云计算相遇大数据（ Cloud Meets Big Data）”为主题，着重展现当今两个最重要的技术趋势，正式抛出了“大数据”概念。 根据IDC《数字世界》研究项目在2012年的统计，2010年全球数字资源的规模首次突破了ZB（1ZB=1万亿GB）级别，达到了1.227ZB；而2005年只有130Eb，五年增长了10倍。如果保持这种爆炸式的增长速度，到了2020年，我们的数字资源规模将超过40ZB，相当于世界上每个人拥有超过5200GB的数据。无疑，我们已进入了大数据时代。 在 2011 年 12 月，我国工信部发布了物联网“十二五”规划，提出了4项关键技术创新工程。信息处理技术的内容包括海量数据存储、数据挖掘、图像视频智能分析等，都是大数据技术的重要组成部分；另外 3 项关键技术创新工程，包括信息感知技术、信息传输技术、信息安全技术，这些也都与“大数据”密切相关。我国也对大数据技术给与了足够的重视。基于以上概述，大数据时代已经到来，已经对我们的社会产生了重大影响，本文将尝试对大数据时代我国的索引和数据库事业的发展与创新进行研究和展望。 大数据时代： 多权威机构和企业对大数据给予了不同的定义。麦肯锡认为，“大数据所涉及的数据集规模已经超过了传统数据库软件获取、存储、管理和分析的能力。”IBM公司认为，可以用3个特征相结合来定义大数据：数量（V olume）、种类（Variety）和速度（Velocity），即庞大容量、极快速度和种类丰富的数据。IDC认为，“大数据不是一个事物，而是一个跨多个信息技术领域的活动。大数据技术描述了新一代的技术和架构，其被设计用于通过使用高速（V elocity）的采集、发现或分析，从超大容量（V olume）的多样（Variety）数据中经济地提取价值（Value）。” 综合对种不同的见解，本文认为，具备以下特征的就是大数据。

大数据时代人力资源管理答案和学习笔记

大数据时代人力资源管理学习材料 1.大数据这个概念，包含的三个含义中，不包括下列哪一项（）。（单选题3 分）o A. 来源单一o B.数据很大o C.构成复杂o D.变化很快 2.商业企业最初关注大数据的目的是（）。（单选题3分） A.通过大数据确定企业的行业中所处的位置o B. 通过大数据来找到产品的缺陷，提升产品质量 o C.通过分析数据来确定潜在的竞争对手的发展方向o D.通过分析数据来找到客户需求，提高其产品的销量 3.当今，大数据应用的两大主要领域是（）。（单选题3 分）o A.航空航天和地质勘探领域o B.新闻业和工业领域o C. 政府和商业系统o D.农业部门和工业部门

4.最早提出“大数据”概念的企业是（）。（单选题3 分）o A.甲骨文公司o B.麦肯锡公司o C.波音公司o D.通用公司 5.大数据元年是指（单选题3 分）o A.2012年o B.2011年o C.2010年o D.2013年 6.大数据与云计算之间的关系是（）。（单选题3 分）o A.大数据的应用范围较云计算更为广泛o B.大数据和云计算是相同概念的两个表述o C.大数据是在云计算基础上发展起来的o D.大数据相当于储有海量信息的信息库；云计算相当于计算机和操作系统 7.麦肯锡公司是最早提出（）概念的的企业。（单选题3 分）o

A.“大数据”o B.“P2P” o C.“咨询”o D.“互联网” 8.数据、信息与知识三者之间的变化趋势是（）。（单选题3 分）o A.价值不变o B.价值递增o C.价值递减o D.价值先增后减 9.9美国通过对车祸数据进行分析，发现车祸的发生与时间有关，于是要求交警在易发生车祸的时间段严格执勤。这说明大数据可以（）。（单选题3 分）o A.洞察未来趋势o B.洞察工作效率o C.洞察车祸数量o D.洞察管理规律 10.大数据的本质是（）。（单选题3

工业大数据架构

随着工业4.0、工业互联网、中国制造2025等词的出现，掀起制造业建设的新一轮的浪潮。 近年来随着制造业信息化应用不断的完善，形成大量的数据积累下来，大家也都希望把这些 数据进行提炼出来，形成企业自己的数据资产，使之变为企业的生产力。如何来构建企业自 己的数据资源中心，以及数据最终应该如果应用？成为了众多企业思考的问题。小编一直从 事于制造业IT数据服务建设，运用自己所了解的知识给出一些建议，希望能给大家一些帮助。我们先来看一下如何来构建企业的大数据平台(数据资源中心)，首先我们要想明白我数据资 源中心的架构，由那些模块平台来构成，我大概的整理出来一个架构图供大家参考： 我们以这张图为参考来具体的讲一下数据中心的构建： 1、数据源：也有是所有采集的数据的业务系统。根据业务统的主次，以及对接业务系统的 接口预算，咱们可以分期进行业务采集对接。也可以全部应用系统都进行对接。跟据企业现 实情况来进行判断。 2、数据的整合平台：也就是对采集好的数据进行清洗的平台，把采集到应用系统的数据进 行加工处理（ETL过程）。针对不同的数据有不同的处理方式: Flumen实时日志收集系统，支持在日志系统中定制各类数据发送方，用于收集数据，同时对 数据进行简单处理，并写到各种数据接收方。 Sqoop是一个用来将和关系型数据库中的数据相互转移的工具，可以将一个关系型（例如：MySQL Oracle Postgres等）中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导 进到关系型数据库中。 Kafka是一种高吞吐量的发布订阅消息系统，它可以处理消费者在网站中的所有动作流数据。这种动作（网页浏览，搜索和其他用户的行动）是在现代网络上的许多社会功能的一个关键 因素。这些数据通常是由于吞吐量的要求而通过处理日志和日志聚合来解决。对于像一样 的数据和离线分析系统，但又要求实时处理的限制，这是一个可行的解决方案。Kafka的目 的是通过的并行加载机制来统一线上和离线的消息处理，也是为了通过来提供实时的消息。 通过这些工具把数据进行整理，输送上方的存储与计算平台。咱们也可以把这一过程理解为 在做家具时用的原材料加过的工程，一开始从各地方收集来的树，然后把树跟据不同的大小，

大数据时代的挑战--价值与应对策略

2012中国国际信息通信展专刊 14 2012年第17期 大数据时代的挑战、价值与应对策略 随着全球数据量爆炸式的增长，大数据时代已经到来。文章从大数据时代的基本特征入手，引出了大数据时代面临的挑战以及大数据带来的价值，提出了以创新为核心的务实应对策略。 【摘 要】 【关键词】大数据时代 “四V ”特征 流量经营 安全威胁 收稿日期：2012-08-14 责任编辑：左永君 zuoyongjun@https://www.wendangku.net/doc/c010831698.html, 随着移动互联网、物联网、云计算等的快速发展，及视频监控、智能终端、应用商店等的快速普及，全球数据量出现爆炸式增长。即使在遭遇金融危机的2009年，全球信息量也比2008年增长62%，达到80万PB（1015字节），2010年增至120万PB。据IDC预测，至2020年全球以电子式形存储的数据量将达32ZB （1021字节）。以120万PB数据为例，如果将其刻录在DVD上，再将这些盘片堆叠起来，可从地球到月球垒一个来回！ 在此背景下，电信运营商在其网络无休止扩容的同时，却面临“增量不增收”的困境；而一些采用“数据驱动型决策”模式经营的公司，则可将其生产力提高5%～6%。因此，有必要深入研究大数据时代（Big Data Era）的挑战、价值与务实应对策略。 1 大数据时代的基本特征 据统计，2010年以互联网为基础所产生的数据比之前所有年份的总和还要多；而且不仅是数据量的激增，数据结构亦在演变。Gartner预计，2012年半结构和非结构化的数据，诸如文档、表格、网页、音频、图像和视频等将占全球网络数据量的85%左右；而 且，整个网络体系架构将面临革命性改变。由此，所谓大数据时代已经来临！ 对于大数据时代，目前通常认为有下述四大特征，称为“四V”特征： （1）量大（V o l u m e B i g ）。数据量级已从T B （1012字节）发展至PB乃至ZB，可称海量、巨量乃至超量。 （2）多样化（Variable Type）。数据类型繁多，愈来愈多为网页、图片、视频、图像与位置信息等半结构化和非结构化数据信息。 （3）快速化（Velocity Fast）。数据流往往为高速实时数据流，而且往往需要快速、持续的实时处理；处理工具亦在快速演进，软件工程及人工智能等均可能介入。 （4）价值高和密度低（V a l u e H i g h a n d L o w Density）。以视频安全监控为例，连续不断的监控流中，有重大价值者可能仅为一两秒的数据流；360°全方位视频监控的“死角”处，可能会挖掘出最有价值的图像信息。 2 大数据时代面临的挑战 （1）运营商带宽能力与对数据洪流的适应能力面临前所未有的挑战，管道化压力化解及“云－管－ 端”的有效装备也均面临新挑战。 （2）大数据的“四V”特征在数据存储、传输、