大数据技术对科学方法论的革命_黄欣荣

　第１３卷第２期２０１４年３月 江南大学学报（人文社会科学版）Ｊｏｕｒｎａｌ　ｏｆ　Ｊｉａｎｇｎａｎ　Ｕｎｉｖｅｒｓｉｔｙ（Ｈｕｍａｎｉｔｉｅｓ　＆Ｓｏｃｉａｌ　Ｓｃｉｅｎｃｅｓ） Ｖｏｌ．１３　Ｎｏ．２

Ｍａｒ．　２０１４　【

哲学政治学】 ［

收稿日期］２０１３－１１－１０［作者简介］黄欣荣（１９６２－），江西赣州人，哲学博士，教授，博士生导师，主要研究方向为复杂性哲学、技术哲学、管理哲学。

大数据技术对科学方法论的革命

黄欣荣

（江西财经大学管理哲学研究中心，江西南昌３３００１３

）［摘　要］大数据技术的兴起对传统的科学方法论带来了挑战和革命。大数据方法论走向分析的整体性，实现了还原论与整体论的融贯；

承认复杂的多样性，地方性知识获得了科学地位；突出事物的关联性，非线性问题有了解决捷径，由此复杂性科学提出的科学方法论原则通过大数据得到了技术的实现，从而给科学方法论带来了真正的革命。

［关键词］大数据技术；科学方法论；整体性；多样性；关联性［中图分类号］ＮＯ３；Ｎ９４１

［文献标识码］Ａ

［文章编号］１６７１－６９７３（２０１４）０２－００２８－

０６ 大数据，

这个原本属于专业人员的词汇，近年来走进了大众的视野，对我们的工作、生活和思维

产生了巨大的影响。

［１］

大数据技术不但掀起了一场新技术革命，让我们的时代迅速进入信息时代，而且对传统的科学方法论带来了巨大的挑战，给我们带来了许多新的科学方法和技术手段，

因此我们有必要从科学方法论的角度反思这场新技术革命的意义和影响。

一、大数据技术的兴起

２０１３年被称为中国大数据时代的元年。从这

一年开始，大数据（Ｂｉｇ　ｄａｔａ）这个词铺天盖地出现在各种媒体；有关大数据的图书迅速出版且发行量巨大，而大数据的富豪们，如百度的李彦宏、腾讯的马化腾、阿里的马云等，更是成了家喻户晓的神话般的数字财富人物。

如今，大数据彻底地改变了我们的工作和生活方式。对一般老百姓来说，大数据的最大影响莫过于网购。曾几何时，我们购物就必须上百货大楼，但是现在许多人都喜欢网上淘宝购物，读书人不逛书店逛网店，因此造就了淘宝、亚马逊、当当等著名的购物网站，带来了实体店的迅速衰亡。印象最深刻的莫过于近两年的１１月１１日所谓“光棍节”，网民们个个疯狂购物，一天网购数百亿元，真正达到疯狂的程度。对有一点年纪的读书人来说印象深刻的是文献资料搜索查询的艰难。当时全靠手工

查卡片等原始方式来寻找自己所需的文献资料，虽然历尽艰难仍然挂一漏万。但如今的Ｇｏｏｇｌｅ、百度等网络搜索工具让我们在数秒钟之内将世界上所有相关文献一网打尽。对现在的读书人来说，我们不缺少文献资料，

只怕缺少独到的思想。此外，只是一两年的功夫，

智能手机就迅速取代以往只能打电话发短信的传统手机，手机迅速变成了无所不能的智能工具，成了我们不可或缺的随身伴侣。从这些事例中，我们不难感受到无孔不入的网络以及背后的大数据技术对我们的影响。我们可以毫不夸张地说，大数据时代正以迅雷不及掩耳之势来到了我们的面前。不管是否情愿，我们都已经迅速地跨入了大数据时代。

大数据时代似乎来得特别迅猛，以至于我们似乎毫无思想准备。其实，大数据时代的征兆早已经有了诸多的表现。１９８０年代初，美国未来学家阿尔文·托夫勒在《第三次浪潮》，丹尼尔·贝尔在《后工业社会的来临》中宣布人类即将从工业社会进入

信息社会。［２］

１９９０年代，

微软总裁比尔·盖茨在《未来之路》详细描述了信息社会的蓝图，尼葛洛庞帝则在其《数字化生存》中描绘了信息时代的生活方式，当时的美国总统比尔·克林顿则提出了《信息高速公路》计划，将学者们的设想变成了国家政策。兴起于２０世纪末的复杂性科学则从科学思维和方法上为目前大数据时代的来临奠定了坚实的科学

８

２

基础。进入２１世纪互联网的普及和智能设备的风行为大数据时代的来临准备了物质基础，而电子商务的兴起则为大数据时代的来临进行了前期的尝试。因此，人类如今进入大数据时代是一种必然。当全球知名的咨询公司麦肯锡于２０１２年初正式提出大数据的概念和框架时，立即得到了世界各国的响应，并由此掀起了一场大数据风暴。

究竟什么是大数据？目前国内外都还没有统一的定义或认识。从狭义的字面来理解的话，它应该与小数据相对应，意指数据量特别巨大，超出了我们常规的处理能力，必须引入新的科学工具和技术手段才能够进行处理的数据集合。［３］所谓的小数据指的是数据规模比较小，用我们的传统工具和方法足以进行处理的数据集合。比如牛顿时代的各门自然科学，其数据量都不大，第谷观测了２０年的天文数据，开普勒很快用手工就处理完毕，并从中发现了开普勒定律。后来，随着科学的发展，数据量有了比较大的增加，为了处理这些当时看来的“大数据”，统计学家创造了抽样方法，由此解决了数据处理难题。现在的大数据却是所谓的海量数据，各种数据的差别又特别巨大，用抽样方法也难于处理，只能用现在的数据挖掘和云计算、云存储等新技术才能解决。从广义来说，大数据指的是一种新的数据世界观，它将世界上的一切事物都看作是由数据构成的，一切皆可“量化”，都可以用编码数据来表示。这就是舍恩伯格所说的：“大数据是人们获得新认知、创造新价值的源泉；大数据还是改变市场、组织机构，以及政府与公民关系的方法。”［４］９

大数据的特点被人总结为４个“Ｖ”：［５］第一，Ｖｏｌｕｍｅ（大量），即数据数量巨大。从ＴＢ级别，跃升到ＰＢ级别（１ＴＢ＝１０１２　ｂｔ，１ＰＢ＝１０１５　ｂｔ）；第二，Ｖａｒｉｅｔｙ（多样），即数据类型繁多。除了标准化的结构化编码数据之外，还包括网络日志、视频、图片、地理位置信息等等非结构化或无结构数据。第三，Ｖａｌｕｅ（价值），即商业价值高，但价值密度低。在数据的海洋中不断寻找，才能掏出一些有价值的东西，可谓“沙里淘金”。第四，Ｖｅｌｏｃｉｔｙ（高速），即处理速度快，实时在线。各种数据基本上实时、在线，并能够进行快速的处理、传送和存储，以便全面反映对象的当下状况。

大数据技术与传统的小数据技术有着本质的差别，它是一场新的技术革命，是上世纪末所说的信息革命的真正来临，也是上世纪末复杂性科学革命的技术实现。科学革命更多地局限于思想界、学术界，而技术革命则更加深入和具体，影响范围几乎遍及社会的每个神经末梢。因此这次大数据技术革命比以前信息革命的鼓动宣传以及复杂性科学革命对我们的工作、生活和思维产生的影响会更广泛、更深入。大数据技术革命还将为科学研究提供新的思维方式和新的科学方法，因此大数据技术必然会对传统的科学方法论产生巨大的挑战，带来科学方法论的革命。大数据权威舍恩伯格论述了大数据带来的三大思维变革，即要全体不要抽样，要效率不要绝对精确，要相关不要因果。这三大思维变革如果更具体化地落实到科学方法论上，必然会对传统的科学方法论产生革命性的转变。

二、走向分析的整体性，

实现了还原论与整体论的融贯

科学方法论从宏观来说主要由整体论和还原论两种方法论体系构成。整体论把研究对象当作一个完整的黑箱来看待，它不打开作为黑箱的研究对象，不破坏对象的完整性，主要从系统的输入输出中猜测黑箱内部的结构和内部机制。还原论也叫机械还原论，是一种与整体论相对立的一种科学方法论，它主张把研究对象尽可能打开，尽量还原到某个逻辑基点，找出系统的构成要素及其内部机制，以解释系统的行为和功能。

整体论由来已久，应该说它比还原论更久远得多，因为在人类的早期，由于科学技术手段的落后，先人们根本没法打开作为研究对象，只能把它作为一个整体来进行研究。无论是西方还是东方都是如此。例如中医把人体作为一个完整的研究对象，通过把脉、看舌等所谓的“望闻问切”等手段来诊断人体内部的运作状况，从而达到诊治疾病的目的。由于只从整体、宏观层面来考察对象，缺乏微观、深入的研究，只能依靠黑箱透露出来的少量信息猜测内部的结构和机制，难于对研究对象进行科学表述。因此随着西方科学的进步，特别是分析、还原科学的兴起，作为早期重要科学方法论的整体论慢慢走向衰落。

西方的分析、还原思想出现得比较早，当古希腊第一个哲学家、科学家泰勒斯提出水是万物的本源之时，还原论的思想就凸显出来。古希腊哲学家的所谓本原问题，其实就是试图将研究对象还原为其构成要素的基本成分，并试图为万事万物寻找到逻辑的出发点，也就是“始基”。亚里士多德的演绎方法就是还原论的哲学总结和逻辑表述。随着牛顿力学的巨大成功，还原论被当作一种万能的科学

９

２

方法论运用于分析世间万物，而且一路高歌，纷纷取得辉煌成就。也就是说，万物都按照牛顿力学的隔离、分解的原则，打开黑箱，条分缕析，寻找着其基本的构成要素及其运作机制。在还原论的帮助下，近代科学的各门学科先后从哲学中独立出来，成为现代科学的基础。物理学是所有其他学科的楷模，机器是当时各门学科的共同模型。通过解剖刀的逐一分解，人体也像机器一样不断被拆卸，所以拉美特里才会将人比拟成机器，因此机械自然观和分析还原论成了近现代科学取得巨大成就的重要哲学基础。还原论曾经为科学的发展立下了汗马功劳，也正因如此才成为近现代科学方法论的主流，而早期的整体论在还原论面前几乎没有还手之力。

随着科学问题的越来越复杂，特别是面对有机世界的各种生命现象，还原论显得越来越力不从心，各种问题和矛盾越发突出。因此，１９８０年代末，美国的三位诺贝尔奖获得者才会带头“老帅倒戈”，起来造还原论的反，正式提出超越还原论的口号，并成立从事整体、综合研究的圣菲研究所。１９９０年代，基于超越还原论的复杂性科学逐渐兴起，并很快被称为“２１世纪的科学”，而将以前的所有基于还原论的科学都被称为“简单性科学”。由此，沉寂千年的整体论随着复杂性科学而逐渐复兴，还原论被批得体无完肤，甚至大有用整体论来彻底取代还原论之势。［６］不过复杂性科学兴起近３０年来，虽然取得了不少成绩，甚至曾形成复杂性科学运动，各门学科都试图用复杂性科学方法来突破原来的学科瓶颈。但因整体方法没有得到具体的落实，所以目前复杂性科学并没有因此取得真正革命性的成果。

在小数据时代，由于采集数据和处理数据的能力都极其有限，因此我们就尽量减少数据量，例如试图通过还原来找到撬动整体的杠杆，只要几个数据便可知晓研究对象的一切。后来随着数据量的增加，例如人口统计数据，社会经济调查等，需要处理的数据量急剧增加，但由于处理能力有限，我们必须进行简化，以便有能力处理。于是统计学发明了抽样统计方法，通过对抽样出来的少量数据能够反映出研究对象的全貌。这些数据并没有“全息”功能，不一定能够完全反映对象的真实情况，因此带来了现代科学的种种问题。从本质上来说，这两种方法虽然有所不同，但其本质是相通的，都是还原论思想的体现，都是我们企图以少御多的反映，也是简单性科学思想的体现。

随着计算技术和网络技术的发展，采集、存储、传输和处理数据都已经成了易如反掌的事情。面对复杂对象，我们再没有必要做过多的还原和精简，而是可以通过大量数据甚至是海量数据来全面、完整地刻画对象，通过处理海量数据来找到研究对象的规律或本质。正如舍恩伯格所说：“当数据处理技术已经发生翻天覆地的变化时，在大数据时代进行抽样分析就像在汽车时代骑马一样。一切都改变了，我们需要的是所有数据，‘样本＝总体’”。［４］２７在大数据中，这个“总体”正好刻画了整体论中的所谓“整体”，但这个整体是由科学、具体的全部数据集合构成的，而每个具体的数据正是数据集合的部分，也就是对象系统的部分。在大数据中，整体和部分都有了科学、具体的所指，整体和部分的关系是一个具体、实在的关系。这样，在大数据技术中，由于处理了所涉问题的全部数据，这就让整体论中所说的全面、完整把握对象就有了科学的表述并落实到了具体的数据。而这全部数据是由一个个具体的数据构成的，因此还原论中的要素、部分也得到了科学的表述。因此，大数据方法论通过处理所涉问题的全部数据实现了科学、具体的整体论和还原论，实现了还原论与整体论的贯通和辩证统一。总之，大数据技术给科学方法论带来的第一个革命就是为实现复杂性科学的还原、整体辩证统一的融贯方法论提供了具体的技术实现途径。

三、承认复杂的多样性，

地方性知识获得了科学地位

由于西方近代科学的飞速发展及其对社会的巨大影响，西方近现代科学成了科学的“标杆”和代名词，以至于我们在说到科学之时基本上指的都是西方近现代科学，而与西方近现代科学不一致的其他知识，例如中医药知识，都被排斥在科学的大门之外。

西方科学哲学从逻辑实证主义起就有一个重要议题，那就是科学与非科学的划界问题。所谓科学的划界问题就是试图用某种标准将科学和非科学区分开来，并且将非科学或伪科学赶出科学的阵营。此外，科学被当作一切学科的标杆和榜样，凡是要加入科学阵营的知识，必须具备西方近代科学所具有的特征，否则不但会被拒斥，而且有可能被贴上非科学或伪科学的标签。

那么，西方近现代科学最根本的特征究竟是什么？西方科学哲学一直没有统一的意见，逻辑实证主义认为是理论的逻辑表述与结果的经验证实，波普尔则认为是理论的逻辑表述与结果的经验证伪。库恩则认为一门学科是否是科学要看这个学科是不是有了成熟的学科范式，而费耶尔阿本德则认为

０３

根本不存在这样一条明确的分界线。不过不管各家观点怎么样，但基本上都认为科学必须建立在理性与逻辑的基础上，特别是各门学科必须找到自身的逻辑基点。

从科学方法论上来说，西方科学强调还原论，除了任何理论，不管有多复杂，都必须能够还原到逻辑原点之外，各门学科还存在还原关系。物理学是各门学科的基础，其他学科都最后可以还原到物理学。通过还原，整个西方科学的大厦都可以建立在统一的基础之上。例如爱因斯坦毕其一生追求着统一场理论，法国著名的布尔巴基学派试图将整座数学大厦建立在统一的基础上。有了统一性，科学就具有了可重复性和可检验性。这也就是说，任何科学理论，最终都可以而且必须具有统一的理论表述，而且可以在世界不同的场合用相关设备进行重复实验，以便检验科学理论的真与假。

但是，科学哲学家费耶尔阿本德以及后来的后现代主义者却不太认可上述观点，认为科学并没有一个统一的基础和标准，任何知识和经验都有其存在的理由。复杂性科学更是从科学视野强调了知识的多样性、语境性和多样性。不过，以往的科学和哲学批判都还停留在理论层面，缺少了技术层面的具体操作。直到大数据技术的兴起才为打破统一性，提倡多样性找到了具体的方法和实现途径，从而真正实现了科学方法论的革命。

追求统一性、标准化是小数据时代的标志。过去为什么要还原、统一？因为过去我们没有有效的科学手段来处理复杂、多样、多变的海量数据。为了能够用简单手段和设备能够处理，便首先在理论上进行简化，把复杂、多样的东西首先通过还原论还原到一个基点，而且按照统一标准来进行统一，这样数据便简单方便，容易处理。在计算机发展的早期，所有数据都要用统一的数据格式，即按照标准化的数据结构对所有要处理的数据首先进行标准化、格式化处理，这就是所谓的结构化数据，以便达到更加精确无误的目的。例如在人口统计中，每个人都必须按照标准格式进行填表登记，凡是不符合统一标准的都被当作无效或不精确的数据而被废弃。“对‘小数据’而言，最基本、最重要的要求是减少错误、保证质量。”［４］４６

在大数据时代，时时处处都在实时地产生各种数据，这些数据没有按照某种标准或某种指令而产生，之后也没法进行标准化处理，各种数据类型都同时存在，例如除了标准化的结构化编码数据之外，微博、聊天记录、网络日志、视频、图片、地理位置信息等等非结构化或无结构数据都成了大数据这个大家庭的成员。随着网络技术的发展，个性化成了潮流，因此结构化、标准化数据所占比例越来越少，非结构化或无结构数据越来越多。大数据技术不要求数据的标准化和结构化，真正体现了兼容并包的原则，用费耶尔阿本德来说就是“怎么都行”。一切都有其存在的理由，存在的就是合理的，因此再也不像小数据时代按照统一标准对数据的精挑细选，而是容纳了多样性的存在，并能够从沙里淘金。

复杂性哲学和科学实践主义哲学都提出了知识的多样性和地方性的主张，认为知识的形式和内容都允许不同的存在，除了全世界都统一的标准化科学知识外，还存在地方性知识。例如中医药、藏医药、伊斯兰医药等不同地方的医药知识都有着悠久的历史，并为当地不同民族的人民健康做出过巨大的贡献，因此其形式和方法都与西医有很大的不同，但都有存在的必要。［７］另外，有些实践性知识有时候就是一次性的经验知识，不具备可重复性和可检验性，但不能因此就否认这种知识的存在及其价值。复杂性哲学与科学实践主义哲学的这些主张都是革命性的，但这些主张并不那么容易实现，因此在实践中往往仍然按照理性主义的主张来判断知识的科学性。

大数据技术的兴起，为复杂性哲学和科学实践主义哲学的主张得到了真正的落实。大数据方法论认为：“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被利用，只有接受不精确性，我们才能打开一扇从未涉足的世界之窗。”［４］４５所以大数据技术把语境性知识、地方性知识、多样性知识统统纳入知识的范围，科学不再挑三拣四，不再排斥异己，而是体现了更多包容心。“要想获得大数据带来的好处，混乱应该是一种标准途径，而不应该竭力避免的。”［４］６０因此，舍恩伯格得出结论说：“相比依赖于小数据和精确性的时代，大数据因为更强调数据的完整性和混杂性，帮助我们进一步接近事实的真相”。［４］４６总之，大数据技术给科学方法论带来的第二个革命是复杂性、多样性得到了承认，多样性、地方性知识获得了科学的地位。

四、突出事物的关联性，

非线性问题有了解决捷径

我们说过，按照西方科学的还原方法论传统，

１

３

理性、逻辑和因果性是科学的基本特征，也是科学的核心问题及基本追求。从古希腊开始，西方科学与哲学就一直苦苦追寻着事物间的因果关系，试图从事物间的因果关系中捕捉到事物间的基本规律。例如古希腊自然哲学家都热衷于寻找世界的本源，这就涉及因果性的问题，因为他们就是循着因果链条去寻找世界的“始基”，也就是找到因果链的起点。欧几里得几何学从五条公理出发，循着因果链推演出整个几何世界。科学之所以能够存在而且最令人信服，就是因为科学中的所有理论都有其因果推演。所谓的逻辑、理性其实最终都可以归结为因果性的问题，没有因果性就没有了科学存在的基础。

文艺复兴之后，西方哲学遵循两条发展路径，即唯理论与经验论，而且相互争论了数百年。唯理论认为知识的出发点是更普遍的正确理论作推演前提，从正确的前提中推出正确的结论。经验论则认为知识的出发点是人类的各种经验事实，我们可以从经验中归纳出具有普遍必然性的知识。就出发点来说，它们是有分歧的，但承认事物之间的因果性这一点上，这两派是完全一致的。后来英国经验论哲学家休谟由于将经验推到极致最后导致了因果性危机并引发人们对科学信念的动摇。德国哲学家康德的名著《纯粹理性批判》之所以出名就是因为他试图通过对因果性的辩护来挽救科学信仰的危机。后来逻辑实证主义以及波普尔的证伪主义都建立在因果性的基础上，从而强化了科学的标杆地位。

因果性问题其实就是我们平时所说的“为什么”的问题。人类天生有一种追根究底的好奇心，万事都要问个为什么。我们也已经习以为常，觉得只有追问为什么才能掌握事物的规律。但是，随着大数据技术的兴起，这条天经地义的方法论原则被动摇了。大数据学者认为，追求因果性是小数据时代的标志，而在大数据时代，知道“是什么”就够了，没必要知道“为什么”。我们不必非得知道现象背后的原因，而是要让数据自己“发声”。［４］６７

什么叫事物的相关性呢？所谓相关性就是一种现象的变化有可能会引起另一种现象产生相应的变化。当然，这里只能说“有可能”，如果是“一定”、“必然”的话，那就变成了因果性了。从这里可以看出，相关性是一种比因果性更弱的事物间的关系，也许两现象间根本没有必然的联系，只是偶然巧合罢了。是必然还是巧合？大数据技术根本不想去追究，只要会引起变化就认为有相关关系。“相关关系的核心是量化两个数据之间的数理关系”。［４］７１

小数据时代为什么更关心因果关系，而大数据时代更关注相关关系呢？在小数据时代，可获得的数据比较少，每个数据都比较珍贵，基本上不会有冗余的数据，而且数据结构和类型单一，数据之间一般都是呈线性因果关系，因此我们可以详细地研究每个数据之间的细节，并从中找出它们之间的因果关系和微观规律。但是，在大数据时代，数据量特别巨大，冗余数据也特别多，数据结构不同、类型不一，可谓纷繁复杂。要从微观上从大数据中找出它们数据之间的所有因果关系几乎是不可能的，因此我们退而求其次，把所有相关数据当作一个黑箱。通过黑箱的输入输出，我们从宏观上去寻找有关联的数据，即找出有显著变化的关联关系，以便找到海量数据间的宏观规律。这也是大数据学者强调在大数据中关联关系比因果关系更重要的原因。

在小数据时代，我们面对的线性因果关系是比较容易处理的问题，例如通过解线性方程可以找到问题的答案。但是，大数据的海量数据之间往往都是非线性关系。我们知道，非线性方程目前来说很难得到通用解，一般只能通过数值方法来得到一些特殊解。大数据技术通过寻找相关数据之间的关系，从而忽略中间过程，忽略其中的因果细节，只管最后的宏观关系。“相关关系很有用，不仅仅是因为它能为我们提供新的视角，而且提供的视角都很清晰。而我们一旦把因果关系考虑进来，这些视角就有可能被蒙蔽。”［４］８８这样我们又找到了解决非线性问题的一种比较便捷的科学方法。

解释和预测是科学理论的两项基本功能。所谓解释就是对已经发生的现象找出因果或相关关系来说明现象之间的规律或关系。所谓预测就是已知一些现象，通过因果或相关关系来预见未来即将发生的现象。对于小数据及其线性因果来说，解释和预测都比较简单。但面对大数据，解释和预测都比较复杂。在大数据方法之前，我们往往无能为力，但大数据方法为我们找到了具体实现的技术途径。在大数据时代，新的技术分析工具和思路为我们提供了一系列新的视野和有用的预测，“我们看到了很多以前不曾注意到的联系，还掌握了以前无法理解的复杂技术和社会动态。”更重要的是，“通过探求‘是什么’而不是‘为什么’，相关关系帮助我们更好地了解这个世界。”［４］８３

大数据时代更重视相关关系，而对因果关系有所忽视，那么有了相关关系是不是就不要因果关系了呢？或者说，相关关系是不是否定了因果关系

２３

呢？答案是否定的。大数据技术并不像哲学家休谟一样怀疑或否定事物之间的因果关系。相反，它充分肯定事物之间的因果关系。只是因为太多数据，我们无法一一找出它们之间的微观因果联系，只好忽略中间的因果关系过程，从宏观、从最后结果来把握它们的相关关系。或者说，相关性并没有否定因果性，只是忽略了其细节。舍恩伯格也承认这一点，他说：“因果关系还是很有用的，但是它将不再被看成是意义来源的基础。”［４］８３总之，大数据技术带来的第三个方法论革命就是凸显事物间的相关关系和非线性特征，而不再特别关注其因果关系。

结语

大数据时代的来临给我们带来了许多观念的变革，更带来了许多科学新方法、新工具，从而改变了人类探索世界的方法。复杂性科学为我们提供了科学的新思维和新方法论，但缺少具体的实现途径。大数据技术的兴起弥补了复杂性科学的不足，使得复杂性科学方法论变成了可以具体操作的方法工具，从而带来了科学方法论的真正革命。“大数据时代将要释放出来的巨大价值使得我们选择大数据的理念和方法不再是一种权衡，而是通往未来的必然改变。”［４］９４

［参　考　文　献］

［１］涂子沛．大数据［Ｍ］．桂林：广西师范大学出版社，２０１３．

［２］阿尔文·托夫勒．第三次浪潮［Ｍ］．北京：中信出版社，２００６：８３－８５．

［３］Ｌ．Ｆｌｏｒｉｄｉ．Ｂｉｇ　ｄａｔａ　ａｎｄ　ｔｈｅｉｒ　ｅｐｉｓｔｅｍｏｌｏｇｉｃａｌ　ｃｈａｌｌｅｎｇｅ［Ｊ］．Ｐｈｉｌｏｓ．Ｔｅｃｈｎｏｌ．，２０１２（２５）：４３５－４３７．

［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］李德伟，等．大数据改变世界［Ｍ］．北京：电子工业出版社，２０１３：７．

［６］黄欣荣．复杂性科学的方法论研究［Ｍ］．重庆：重庆大学出版社，２０１１．

［７］黄欣荣．复杂性科学与中医［Ｊ］．中医杂志，２０１３（１９）：１６２１－１６２６．

（责任编辑：谢光前）

Ｒｅｖｏｌｕｔｉｏｎ　ｏｎ　Ｓｃｉｅｎｔｉｆｉｃ　Ｍｅｔｈｏｄｏｌｏｇｙ　ｂｙ　Ｂｉｇ　Ｄａｔａ　Ｔｅｃｈｎｏｌｏｇｙ

ＨＵＡＮＧ　Ｘｉｎ－ｒｏｎｇ

（Ｊｉａｎｇｘｉ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｆｉｎａｎｃｅ　ａｎｄ　Ｅｃｏｎｏｍｉｃｓ，Ｐｈｉｌｏｓｏｐｈｙ　ｏｆ　Ａｄｍｉｎｉｓｔｒａｔｉｏｎ　Ｒｅｓｅａｒｃｈ　Ｃｅｎｔｅｒ，Ｎａｎｃｈａｎｇ，Ｊｉａｎｇｘｉ，３３００１３）

Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｒｉｓｅ　ｏｆ　ｂｉｇ　ｄａｔａ　ｔｅｃｈｎｏｌｏｇｙ　ｈａｓ　ｂｒｏｕｇｈｔ　ｃｈａｌｌｅｎｇｅ　ａｎｄ　ｒｅｖｏｌｕｔｉｏｎ　ｆｏｒ　ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ｓｃｉｅｎｔｉｆｉｃｍｅｔｈｏｄｏｌｏｇｙ．Ｔｈｅ　ｍｅｔｈｏｄｏｌｏｇｙ　ｏｆ　ｂｉｇ　ｄａｔａ　ａｐｐｒｏａｃｈｅｓ　ｔｏｗａｒｄ　ｉｎｔｅｇｒａｔｅｄ　ａｎａｌｙｓｉｓ　ａｎｄ　ｈａｓ　ｒｅａｌｉｚｅｄ　ｔｈｅｃｏｍｂｉｎａｔｉｏｎ　ｏｆ　ｒｅｄｕｃｔｉｏｎｉｓｍ　ａｎｄ　ｈｏｌｉｓｍ；ｉｔ　ｈａｓ　ａｄｍｉｔｔｅｄ　ｔｈｅ　ｖａｒｉｅｔｙ　ｏｆ　ｃｏｍｐｌｅｘｉｔｙ　ｗｈｉｌｅ　ｔｈｅ　ｌｏｃａｌｋｎｏｗｌｅｄｇｅ　ｈａｓ　ｇａｉｎｅｄ　ｉｔｓ　ｓｃｉｅｎｔｉｆｉｃ　ｐｏｓｉｔｉｏｎ；ｉｔ　ｈａｓ　ｐｒｏｔｒｕｄｅｄ　ｔｈｅ　ｃｏｎｎｅｃｔｉｖｅ　ａｎｄ　ｓｏｌｖｅｄ　ｔｈｅ　ｐｒｏｂｌｅｍ　ｏｆｌｉｎｅａｒｉｔｙ．Ｔｈｅｒｅｆｏｒｅ，ｔｈｅ　ｐｒｉｎｃｉｐｌｅ　ｏｆ　ｓｃｉｅｎｔｉｆｉｃ　ｍｅｔｈｏｄｏｌｏｇｙ　ｏｂｔａｉｎｅｄ　ａ　ｔｅｃｈｎｉｃａｌ　ｒｅａｌｉｚａｔｉｏｎ　ｔｈｒｏｕｇｈ　ｂｉｇｄａｔａ，ｔｈｕｓ　ｂｒｏｕｇｈｔ　ａ　ｇｅｎｕｉｎｅ　ｒｅｖｏｌｕｔｉｏｎ　ｔｏ　ｔｈｅ　ｓｃｉｅｎｔｉｆｉｃ　ｍｅｔｈｏｄｏｌｏｇｙ．

Ｋｅｙ　ｗｏｒｄｓ：Ｂｉｇ　Ｄａｔａ；Ｂｉｇ　Ｄａｔａ　Ｍｅｔｈｏｄｏｌｏｇｙ；Ｍｅｔｈｏｄｏｌｏｇｙ；Ｒｅｖｏｌｕｔｉｏｎ

３

３

利用大数据玩转新零售

利用大数据玩转新零售良品铺子实践之路

“流量红利期已过，新零售的窗口又将打开无限想像的空间。消费升级趋势正在成为全新的市场导向，日常消费领域孕育着巨大的商业变革机会。” 关于零售未来的发展趋势，概念名词之争如火如荼。从良品铺子作为实践者的感知来说，无论是“新零售”“无界零售”还是“智慧零售”，都代表着第五次零售革命（前四次分别为百货、超市、连锁经营和线上电商）的大势所趋。对于零售企业而言，我们需要思考的不是概念和方向的正确与否，而是面对未来你要做什么样的变革，才能实现零售效率的提高，从而可以在潮头搏击。 对于为什么需要零售创新？其实国家层面已经给予了答案：党的十九大报告指出：“我国社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾。”中央财经领导小组办公室主任刘鹤也在2018冬季达沃斯论坛上指出，“中国经济已由高速增长阶段转向高质量发展阶段，就是从总量扩张向结构优化转变，就是从‘有没有’向‘好不好’转变”。这意味着消费升级的需求，用新零售的语言描绘就是：一是回归“人”为核心，读懂和满足消费者更高需求；二是由量到质的转化保持效率提高。 以电商业务为例，2013年左右，电商平台还处在流量红利期，只要把握好流量的来源，销售增长速度就很快。2012年，良品铺子线上电商刚起步，当年营收是1200万元，而在2017年已实现五年近300倍高速增长，接近于良品铺子线下门店花了十年才实现的年销售规模，这是传统零售方式不可能达到的增速。2012年良品铺子全力以赴决定投入线上电商发展时，

许多同类零售企业还在观望或研讨该不该做业务转型变革，而今天，差距已经明显拉开，就算今天你花十亿，也无法再造良品铺子电商的奇迹。 时至今日，“当上帝为你关上门，必然打开新的一扇窗”，流量红利期已过，新零售的窗口又将打开无限想像的空间。消费升级趋势正在成为全新的市场导向，日常消费领域孕育着巨大的商业变革机会。 从人群来看，在本轮消费升级中，80、90后数字新生代是主体，对比传统世代，这个群体有更强的消费信心、更开阔的视野和更成熟的消费理念；从机会品类来看，未来十年消费升级的机会将集中出现在食品、服装、文化娱乐等能够提升幸福感的领域。而我们如何应用零售创新的思维和工具呢？我受公司委托，给中欧新零售新锐成长营的同学们分享良品铺子走过的路，也许可以给大家一些启发。 12年来，良品铺子专注的四件事 创立12年来，良品铺子一直在做四件事情。 1. 消费者洞察 兵马未动，粮草先行。早在良品铺子创立之初，消费者洞察就是赋予我们决胜力量的一座“粮仓”，直至今日从未更改。

大数据时代对教学改革的影响

大数据时代对教学改革 的影响 Company Document number：WTUT-WT88Y-W8BBGB-BWYTT-19998

大数据时代对教学改革的影响 摘要：目前传统教学内容陈旧、方法老套以及不能满足学生对新知识需求等缺陷逐渐凸显，随着大数据时代的到来，在教学中引入在线教育、数字化学习平台、云平台、大数据技术，通过改变传统授课模式和教学方案的制定，不仅能改善教学质量，提升学生水平，还可使教学更加具有针对性、前瞻性和准确性。 关键词：大数据；云平台；在线教育；数字化学习平台 中图分类号：文献标志码：A 文章编号：1674-9324（2017）19-0143-02 随着互联网、信息系统及电子设备的发展，人类各行各业每时每刻都在生成海量数据。大数据的时代已经到来，大数据正在改变着我们的工作和生活。2015年9月5日，《国务院关于印发促进大数据发展行动纲要的通知》发布，标志着大数据上升为我国“国家战略”。大数据逐渐成为比石油、煤炭等更有价值的资源，将对政治军事、经济社会、科学研究等产生革命性影响[1]。 高校教育也深受大数据时代的影响，正在进行一场技术与理念相结合的变革。在传统教学中，通常采用面授课为主的教学方式，也就是根据课本大纲在课堂上进行理论推导和讲解。这种教学方式的弊端在于：（1）教学内容单

一，不能与时俱进；（2）教学模式固定；（3）无法及时了解和发现学生在学习过程中遇到的问题。 因此，现代教育迫切需要将新一代信息技术（云计算、移动互联网、工业物联网、大数据等）融合到教学中。大数据为课堂设计提供了丰富的信息资源，使教师能蚋深入地了解学生，不断调整教学方案和模式，以提高学生的学习质量和教师的教学效果。 一、教学模式的转型 在教学改革不断推进的今天，传统教学方式的局限性逐渐凸显，单一的教学模式太过刻板枯燥，常用的教学模型是以教师为中心的“满堂灌”方法，整堂课只有老师对着学生讲解知识，难给学生互动和提问的机会。大数据时代来临，学习知识不再局限于课堂，先进的网络教育为世界各地的学生获取知识提供了新的途径和更大的学习空间[2]。 对传统的教育体制而言，以大数据分析为基础的新一代教育平台创造的个性化、智能化教学模式，降低了教育成本。同时也为解决区域之间教育不平衡问题找到了一条途径。将传统的教学模式和网络在线教育相结合，便可充分发挥各自的优势，使学生的学习效率和教师授课效率同时得到提高。 在线教育服务Knewton是最着名的适应性学习体系之一，该体系由世界领先的终身教育服务商之一卡普兰的前

精选2020年最新公需科目：大数据模拟考试(含标准答案)

2020年最新公需科目《大数据》考试题(含答案) 一、单选题 1．下列关于大数据的分析理念的说法中，错误的是（D ）。（单选题） A.在数据基础上倾向于全体数据而不是抽样数据 B.在分析方法上更注重相关分析而不是因果分析 C.在分析效果上更追究效率而不是绝对精确 D.在数据规模上强调相对数据而不是绝对数据 2．（D ）反映数据的精细化程度，越细化的数据，价值越高。（单选题） A.规模 B.活性 C.关联度 D.颗粒度 二、多选题 3．对于大数据而言，最基本.最重要的要求就是减少错误.保证质量。因此，大数据收集的信息量要尽量 精确。（ F）（判断题） 是 否 4．根据周琦老师所讲，高德交通报告针对全国38个城市交通状态进行挖掘分析。√ 正确 错误 5．2015年8月31日，国务院印发了《促进大数据发展行动纲要》。 正确 错误 6．根据涂子沛先生所讲，现在非结构化数据已经占人类数据总量的25%。

正确 错误 7．大数据正快速发展为对数量巨大.来源分散.格式多样的数据进行采集.存储和关联分析，从中发现新知识.创造新价值.提升新能力的（）。 A.新一代技术平台 ■B.新一代信息技术和服务业态 C.新一代服务业态 D.新一代信息技术 8．大数据的应用能够实现一场新的革命，提高综合管理水平的原因是（）。 ■A.从被动反应走向主动预见型管理■B.从粗放化管理走向精细化管理■C.从单兵作战走向联合共享型管理■D.从柜台式管理走向全天候管理 9．大数据的主要特征表现为（）。 ■A.数据容量大■B.商业价值高■C.处理速度快■D.数据类型多 10．“大数据”一词，最早出现于20世纪90年代，当时的数据仓库之父比尔·恩门经常提及Big Data。对 11．郭永田副主任指出，物联网在大田作物生产中的应用体现在以下哪些方面？ABCD A.农作物病虫害监测 B.农业精准生产控制 C.农田环境监测 D.农作物长势苗情监测 12．云计算使得使用信息的存储是一个（）的方式，它会大大地节约网络的成本，使得网络将来越来越泛在.越来越普及，成本越来越低。AD A.分布式

大数据时代下教育的变革与创新

大数据时代下教育的变革与创新 一、大数据及其特点什么是大数据呢？最早提出对大数据收集和分析的设想以及提出大数据时代已经来临的是咨询公司麦肯锡。麦肯锡全球数据分析研究所在2011 年5 月是这样阐释大数据的：大数据是指大小超出了典型数据库工具收集、存储、管理和分析能力的数据集。[1] 此后，研究机构Gartner 又对大数据的概念进行了完善。Gartner 公司认为：大数据是指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的海量、高增长率和多样化的信息资产。[2] 大数据是相对于一般数据而言的，目前还没有严格的权威的定义.[3] 但是从上述两个定义中可以看出，大数据不仅体量巨大、结构复杂而且类型众多，单单从规模大来考量和定义是不准确也不客观的。 大数据的特点[4]主要包括：（1）大量（Volume）:主要指对数据的存储容量大，计量单位甚至上升到EB、ZB、YB 及以上级别；（2）高速度（Velocity ）：指对数据分析的速度极快，般在秒级时间范围内可以给出海量数据分析的结果；（3）多样化 （Variety ）：指包含的数据类型非常多，既包括网站记录、网络日志、图片信息，又包含动画、视频、地理位置等信息；（4）价值（Value ）：指大数据的重点在于发现海量数据背后隐藏的有价值的信息。 我们通过大数据的定义和特点可以看出，大数据技术就是通过

高速的采集、处理和分析从大量的，多类型的数据中提取有价值的 数据。而大数据时代就是人们应用计算机、互联网产生的海量数据的处理与分析，以促进人们学习、生活与工作变革的时代。 二、大数据时代对教育的影响维克托认为“大数据”也必然影响教育：“通过大数据分析，我们可以找出学校教科书中的哪一部分对学生而言效果最好，也可以找出效果不好的部分。[5] 当然，“大数据”对教育的影响不仅于此，下面我们分别从教学思维、教育管理、教育模式、教育评价方式和学习分析等各方面来分析。 （一）变革教育管理的理念和思维方式陈霜叶等[6] 指出：传统教育政策的制定通常没有全面考虑现实情况，只是决策者通过自己或群体的有限理解、推测教育现实，而采用调研的方法也常常是被指定“抽样”和座谈的样本，使得随机中掺杂了更多的人为干预，所以制定的教育政策就容易出现失灵的现象。在大数据的支持下，大数据时代将可以进行对教育数据的分析，挖掘出教学、学习、评估等符合学生实际的情况与教学实际的情况，这样就可以有的放矢地制定、执行教育政策，从而为学生制定出更符合实际的教育策略。 建立大数据教育决策支持模型，通过对教育数据的分析，挖掘出教与学、管理与评估的普适性规律，可以有的放矢地制定、执行教 育政策，合理地分配与管理教育资源。 二）教育模式从传统课堂的集体化教学向数字化个性教学 发展 大数据可以为学生的个性化教育需求提供彰显教师个人特质的教

大数据应用技术答案100分

1、(单选，4分) 大数据起源于（） A、金融 B、电信 C、互联网 D、医疗 答案：C 2、(单选，4分) 第一个提出大数据概念的公司是（） A、微软 B、谷歌 C、麦肯锡 D、亚马逊 答案：C 3、(单选，4分) （）规模巨大且复杂，用现有的数据处理工具难以获取、整理、管理以及处理。 A、贫数据 B、大数据 C、富数据 D、繁数据 答案：B

大数据的本质是（） A、数据收集 B、数据挖掘 C、数据关联 D、洞察价值 答案：D 5、(单选，4分) 大数据的最显著特征（） A、数据规模大 B、数据类型多 C、数据处理速度快 D、数据价值密度高 答案：A 6、(单选，4分) 海军人员通过对前人航海日志的分析，绘制了新的航海路线图，标明大风与洋流可能发生的地点。这一操作体现大数据思维中的（） A、在数据基础上倾向与全体数据而不是抽样数据 B、在数据规模上强调相对数据而不是绝对数据 C、在分析效果上更讲究效率而不是绝对精确 D、在分析方法上更注重相关分析而不是因果分析 答案：D

下列对大数据特点的说法中，错误的是（） A、数据规模大 B、数据价值密度高 C、数据类型多样 D、数据处理速度快 答案：B 8、(单选，4分) 当前社会中，最为突出的大数据环境是（） A、互联网 B、物联网 C、综合国力 D、自然资源 答案：A 9、(单选，4分) 下列关于大数据中计算机存储容量单位的说法中，错误的是（） A、1KB<1MB<1TB B、基本单位是字节（Byte） C、一个汉字需要2个字节的存储空间 D、容纳一个英文字符需要2个字节 答案：D 10、(单选，4分) 计算机存储容量单位换算中，错误的是（）

大学生应如何应对大数据时代

大学生应如何应对大数据时代 发表时间：2015-04-02T10:02:44.520Z 来源：《教育学》2015年4月总第77期供稿作者：张云霞 [导读] 大数据对整个社会产生了不可忽视的影响，教育作为社会的子系统，也受到了它的极大冲击。 张云霞广州城建职业学院510925 摘要:大数据时代是一场革命，庞大的数据资源使得各个领域开始了量化进程。本文主要从当代大学生角度阐述了以下内容：面对各个领域的飞速变化，身处校园但即将面向社会的大学生应从知识和能力两方面储备，既要学好专业课程知识又需了解时代发展方向、掌握社会发展脉搏，为自己以后踏入社会做好准备。 关键词：大数据大学生知识储备能力培养 大数据对整个社会产生了不可忽视的影响，教育作为社会的子系统，也受到了它的极大冲击。有人曾说，信息化社会，我们相互之间的距离只是一根网线的问题。随着公开课、E-learning等新学习方式的出现，传统学习方式“遭遇”了挑战。 一、立足当下：当前学习模式概述 学习模式往往受到时代环境的影响，随着科技进步与技术创新，大学学习模式也在不断地向前发展。较为常见的主要有以下几种：第一，师生授受学习模式。这种学习模式就如同“母鸭带小鸭”，学生把注意力集中在授课教师身上，由教师带着学。学生把教师当作知识的来源，“唯教师，唯书本”，缺乏学习主动性。在大数据时代，大量知识需要自主学习，大量数据背后的潜在意义也需要自主探寻，一味依赖“灌输”则不能适应社会要求。 第二，探究与问题解决模式。这种模式往往从一个或多个具有挑战性或有争议的问题开始，然后借助各种媒介资源，由学生自己获取信息、分析信息、确定问题并提供解答，之后吸收他人建议，进行修改最终完成。这种学习模式有利于提升学生的思维能力和问题解决能力，相对第一种模式而言，这种模式对学生的能力和素质有更高的要求。 第三，专题合作学习模式。“学会学习，学会创造，学会合作，学会生存”已成为当下教育的主题。在合作学习模式中，要求学生作为成员参与到学习团队中，完成专题研究或研究项目。这是一个动手实践、自主探索和合作交流的过程，也是有明确责任分工的互助性学习，最终通过团队合作达到课程或项目规定的要求。 二、机遇和挑战：大数据时代对大学生学习模式的双重影响 第一，快速便捷。大数据时代有快速化的特点，人们的学习不再受时间和地点的限制，随时随处都可以学习，而且可以走在时代的前沿，第一时间了解最新的知识和信息。以往的学习主要是通过书本，但书本学习往往面临时间滞后等方面的限制，会影响学习效果与知识更新。 第二，经济有效。大学生的家庭背景各不相同，家庭环境不好的学生没有能力支付课外培训学习的费用。在大数据时代，很多公开课程都是免费的，只要有学习的时间和需要，经济不再是制约大学生学习的因素。这在某种程度上也促进了区域之间、校际之间、城乡之间以及个人之间的教育公平。 第三，资源共享。大数据时代具有量大、多样化的特点，丰富的学习资源将呈现在学生面前。网络学习拉近了国际、区域和校际之间的距离，所有的学习者在学习资源利用方面拥有同等的权利。一直以来，好的学校是稀缺资源，但在不远的将来，由于在线教育的普及，人人皆可上名校将不再是梦想，教育资源匮乏的问题也将得到一定的缓解。在线教育对个人的重大意义，还不仅仅是教育机会的增加，更是学习方式的改变。 三、与时俱进：大数据时代大学生学习模式的三大转向 1.由被动学习模式向自主学习模式转变。在传统的学习模式中，学生就像嗷嗷待哺的婴儿，等待着教师的喂养，教师是知识的来源，学生处于“被学习”的状态。这种学习方式没有发挥学生的积极性和主动性，在大数据时代是必然被淘汰的。自主学习，又称自我调节学习，由齐莫曼首先提出。自主学习不等于自学，需要有教师的引导，但学生是学习的主体。布鲁纳发现学习理论认为，学生学习的过程就是主动地不断地探索寻找问题答案的过程。大数据时代背景下，学习资源丰富多样，教师和书本不再是知识的唯一来源，学习者只要有需要、动机和行动，随时随处都可以学习。 2.由单一学习模式向融合学习模式转变。传统教学以一种教学模式应对所有的教学问题，传统学习以单一方式应对所有的学习问题。随着时代的发展，融合式学习模式应运而生。融合式学习模式包含了在线学习与线下学习、自主学习与集体学习、课堂学习与自主探究等多种学习方式。融合式学习模式具有以下特点：学习由教师驱动转变为学生驱动；学习的出发点是精确的学习者状态，包括学习者已有的知识结构、学习风格等；学习目标与学习者初始状态的差异，决定了学习模式与学习方法。 3.由知识本位向思维本位转变。知识本位的学习观认为知识是第一性的，获取已有知识结论是其追求的终极目标，学习过程被看成是单一的认知过程。思维本位的学习观不再以知识为学习的唯一目的和终极目标，更重要的是获得思维方式以及能力的提升。大数据时代的知识是海量的、复杂的，耗尽一生也无法穷尽所有知识，学生最需要学习的是有价值导向和问题意识的思考能力，而不仅仅是具体的知识。单纯追求知识的学习是机械的，有可能让人沦为知识的奴隶，成为学习的工具，缺乏人性和人文气息。当代大学生是创新人才的主要来源，形成思维本位的学习观对其创新能力的形成具有重要作用。 总之，大数据时代下大学生学习模式的转变是个复杂过程，这种趋势已经初现端倪，未来的发展更需多方面的合力。

2019年继续教育-大数据应用技术专题习题及答案

2019年继续教育《大数据应用技术专题》习题及答案 富北学校DYJS 1、(单选，4分) 大数据起源于（） A、金融 B、电信 C、互联网 D、医疗 答案：C 2、(单选，4分) 第一个提出大数据概念的公司是（） A、微软 B、谷歌 C、麦肯锡 D、亚马逊 答案：C 3、(单选，4分) （）规模巨大且复杂，用现有的数据处理工具难以获取、整理、管理以及处理。 A、贫数据 B、大数据 C、富数据 D、繁数据 答案：B 4、(单选，4分) 大数据的本质是（） A、数据收集 B、数据挖掘 C、数据关联 D、洞察价值 答案：D 5、(单选，4分) 大数据的最显著特征（） A、数据规模大 B、数据类型多 C、数据处理速度快 D、数据价值密度高 答案：A 6、(单选，4分)

海军人员通过对前人航海日志的分析，绘制了新的航海路线图，标明大风与洋流可能发生的地点。这一操作体现大数据思维中的（） A、在数据基础上倾向与全体数据而不是抽样数据 B、在数据规模上强调相对数据而不是绝对数据 C、在分析效果上更讲究效率而不是绝对精确 D、在分析方法上更注重相关分析而不是因果分析 答案：D 7、(单选，4分) 下列对大数据特点的说法中，错误的是（） A、数据规模大 B、数据价值密度高 C、数据类型多样 D、数据处理速度快 答案：B 8、(单选，4分) 当前社会中，最为突出的大数据环境是（） A、互联网 B、物联网 C、综合国力 D、自然资源 答案：A 9、(单选，4分) 下列关于大数据中计算机存储容量单位的说法中，错误的是（） A、1KB<1MB<1TB B、基本单位是字节（Byte） C、一个汉字需要2个字节的存储空间 D、容纳一个英文字符需要2个字节 答案：D 10、(单选，4分) 计算机存储容量单位换算中，错误的是（） A、1KB=1024Byte B、1MB=1024KB C、1TB=1024MB D、1PB=1024TB 答案：C 11、(单选，4分) 大数据时代，数据使用的关键是（） A、数据收集 B、数据存储

大数据与现代物流新零售模式分析

大数据与现代物流新零售模式分析 摘要：随着现代互联网技术、大数据和云计算的广泛应用，“互联网+零售”的新零售模式不断得到发展和扩展，成为了零售业的主流发展方向。物流配送环节是零售业发展的重中之重，是联系供应方、零售商和消费者之间的纽带。本文在分析零售业主要发展模式的基础上，探索零售业在大数据与物流相融合的发展阶段所具有的主要特点，梳理了依托互联网发展的新零售模式，并提出了升级路径。 关键词：大数据;现代物流;新零售模式;深度融合 零售业的主要发展模式 （一）传统单店零售模式。我国早期零售模式的发展是通过实体店在数量和规模上的扩张来完成的，传统模式更强调区位对于门店的重要性，零售商通过门店的方式和消费者建立紧密的联系，因此好的位置对于店铺未来的发展非常重要。这种模式的零售商先通过广告宣传等形式扩大自身的知名度和影响力，吸引更多的消费者进入门店，然后通过门店、商场和导购等直面顾客，完成从介绍、试用到最后出售的过程。传统零售模式具有一些独有的特点：一是体验感强。这种模式一般都在门店或者是商场中摆放真实的产品以供消费者体验试用，可以让消费者感受到真实的产品和服务。尤其是对使用方法较为复杂的产品或者对产品要求较高的消费者而言，真实的产品更易于让人接受，更易于让消费者全面地了解产品。二是提供面对面的服务。由于消费者接触的是真实的物品，获得的是面对面讲解，所以传统零售商提供的服务是其他形式的零售方式无法取代的，消费者和导购之间的交流和情感也在交谈过程中不断加深。但是随着网络的普及，传统零售模式不断受到冲击，店面租金居高不下和人工成本持续走高，都使得传统零售业发展面临困境。图1反应的是我国近年来社会消费品的零售总额。从图1可以看出，我国社会消费品零售总额在2013年之后增长趋势放缓，增长比例逐年下滑，电商平台对于传统零售模式的冲击已经显而易见了。（二）零售企业的连锁化和集团化过程。随着零售企业规模的不断扩大，越来越多的零售企业选择在不同地方建立实体店，在这样的背景下，零售业连锁化和集团化逐渐发展起来。这里的连锁化是一种基于统一规划和经营管理模式下的零售业发展形势。具体而言，连锁化零售企业围绕一个核心企业进行发展，在这个企业的管理下，多个地

大数据时代的教育变革

大数据时代的教育变革 让教育发现每一个学生（深聚焦） 本报记者赵婀娜 《人民日报》（2014年09月04日17 版） 在考试中，两个同样得了90分的考生，他们的能力完全一样 吗？ 课堂上，老师告诉同学们，“完成第一题到第十题”。可是，真的是所有学生都有必要完成这10道题吗？ 教学过程中，如何更好地启发学生、如何更好地课堂互动，一节课的时长究竟是40分钟合适，还是45分钟合适。这些问题，老师们是“凭经验”，还是靠科学分析？ 如果你对以上问题有思考，那么，你就会对大数据对教育形态的改变持开放的心态。

大数据时代悄然来临，过去无法收集与分析的数据都被新的技术手段赋予了可能性。谁能对大数据的挖掘更为深刻，谁就会在行业发展中抢占先机，教育领域也是如此。 就在几天前，慧科教育宣布在原来“开课吧”的基础上正式上线“找座儿吧”，即在原来在线教育平台的基础上，又推出垂直的招聘平台。从学习者职业性向的分析，到适合岗位的推荐，再到个性化设计的课程，经过考核、认证，最终推送到匹配的招聘岗位，完成了学习者从学习到求职的一整套完整路径。这样一套同以往学校教育截然不同的教育模式，引发了业内的热议，而这，正是基于对学习者个性化的数据分析完成的。 两个同样考90分的考生，能力水平完全一样吗？ 大数据让教育真正面对每一个独立的个体 “不得不承认，对于学生，我们知道得太少。”这是卡耐基·梅隆大学教育学院的一句经典的口号，同时也是美国十大教育类年会关注度最高的议题。类似的思考在我们国家的教育领域同样存在。 “我们真的了解孩子吗？”“每一个孩子都是独特的，都是与众不同的，但是我们能针对他们进行真正个性化、差异化的教学吗？” 举个简单的例子，两个同样在数学考试中取得90分的考生，他们的能力完全一样吗？根据传统的教学模式，我们会认为，成绩相同的学生，能力大体相仿。但如果借用大数据的分析手段，学生的差异

大数据对高等教育的影响和挑战_徐玮

一、引言 数据是人类对客观世界的记录，人类世界的本质就是数据。随着信息技术的进步，数据的收集、保存、维护、使用等任务，成为横跨各个领域的现象和挑战。２０１１年５月，全球知名咨询公司麦肯锡（Ｍｃｋｉｎｓｅｙ）发布了《大数据：创新、竞争和生产力的下一个前沿领域》报告，首次提出了“大数据”的概念，并在报告中指出“数据已经渗透到每一个行业和相关职能领域，逐渐成为重要的生产因素；而人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来”。之后，美国《纽约时报》、《华尔街日报》、中国《光明日报》等对大数据进行了专栏介绍。在我们的日常生活中，人人都在创造数据，也在利用和分享数据。视频、音频、图像、数字等多种交互方式的丰富，让我们已经进入了数据信息爆炸的阶段。哈佛大学社会学教授加里·金称“这是一场革命，庞大的数据资源使各个领域开始了量化进程，无论学界、商界还是政府，所有领域都将开始这种进程”。随着“大数据”时代的到来，人们在实践中很快认识到，通过数据的开放、整合和分析，能够发现新的知识、创造新的价值，从而促进社会大进步和大发展。在这个快速发展的时代，大数据对高等教育又带来了哪些影响和挑战，非常值得关注。 二、大数据的特征 “大数据”本身并不是一种新的技术，也不是一种新的产品，而是我们这个时代出现的一种现象。美国ＩＢＭ认为大数据具有“３Ｖ”特点，即种类（Ｖａｒｉｅｔｙ）多、速度（Ｖｅｌｏｃｉｔｙ）快、容量（Ｖｏｌｕｍｅ）大；国际数据咨询公司ＩＤＣ则认为满足“４Ｖ”即：Ｖａｒｉｅｔｙ（种类多）、Ｖｅｌｏｃｉｔｙ（流量快）、Ｖｏｌｕｍｅ（容量大）、Ｖａｌｕｅ（价值高）指标的数据才可称为大数据。网络器械公司ＮｅｔＡｐｐ指出大数据应包括Ａ、Ｂ、Ｃ三大要素：即大分析（Ａｎａ－ｌｙｔｉｃ）、高带宽（Ｂａｎｄｗｉｄｔｈ）和多内容（Ｃｏｎｔｅｎｔ）。具体来说大分析（ＢｉｇＡｎａｌｙｔｉｃｓ）是指通过对巨大的数据集进行实时分析后能带来新的业务模式，进行客户服务，能实现更好结果，以至帮助用户获得洞见；高带宽（ＢｉｇＢａｎｄｗｉｄｔｈ）指能高速地处理关键数据，以支持快速有效地消化和处理大型数据集，帮助用户走得更快；多内容（ＢｉｇＣｏｎｔｅｎｔ）一方面指大数据包括结构化数据、半结构化数据与非结构化数据，另一方面则是指对数据的存储扩展要求极高，要求能轻松实现数据的恢复、备份、复制与安全管理，以去支持可管理的信息内容存储库而不只是存放过久的数据，并且能够跨越不同的大陆板块而不丢失任何信息。但无论是“３Ｖ”、“４Ｖ”，还是ＡＢＣ三要素，其本质都是对大数据中的“大”的理解与阐释。在具体的表达中，尽管对大数据的范围、内涵等描述不一，但存在一个共性，即：大数据不是对数据量大小的定量描述，而是一种在种类繁多、数量庞大的多样数据中进行的快速信息获取。数据专家研究指出，大数据的出现，将改变我们对数据的看法与认识，数据的存在不仅有价值，大数据 更是将其能转化为有意义，人们将透过大数据而找到隐藏在大量数据背后的世界。 三、大数据提供新的教育平台 ２０１１年以来，一股在线教育的浪潮正在席卷美国的教育领域，一种新型的智能学习平台正在成为高科技领域创新和投资的重点，其中不少公司已经得到了初步成功。如著名的在线教育公司Ｃｏｕｒｓｅｒａ，已经和普林斯顿、伯克利、杜克、香港理工等全世界３０多所大学达成协议，通过其平台免费开放课程。如今这些学校的课程可以实现全球几十万人同步学习，分布在世界各地的学习者不仅可以在同一时间听取同一位老师的授课，还和在校生一样，做同样的作业、接受同样的评分和考试。一些学校看到了这种智能学习平台的价值和潜力，甚至开始投资兴建自己的独立平台。２０１２年５月，哈佛大学与麻省理工学院就宣布，将投入６０００万美元开发一个类似的平台，并向全世界免费开放。同年，我国教育部向全国高校征集了系列视频公开课程，面向全社会开放和共享。可以预见，这种智能学习平台将会给高等教育带来深刻的影响。但是硬币的另一面，是中国的教育行业要面对更加激烈的全球化竞争和挑战。过去，是学生争学校；将来，可能是学校在全球范围中争夺学生。发达国家的一流大学会挤压发展中国家普通大学的生存和发展空间，普通大学该如何来吸引生源？它们会不会因此衰落？既然最好的教学视频等学习资源都可以免费获得，教师的角色又需不需要调整？又该如何调整？这些问题，都是大数据时代催生的重大机遇和挑战。 四、大数据发展新的教学模式 回顾历史，我们会发现，人类的教学经历过两次革命：第一次早在公元前３００年，以孔子创立私塾和苏格拉底（Ｓｏｃｒａｔｅｓ）讲学为标志，开创了教育先河；第二次是于１６世纪，以夸美纽斯（Ｃｏｍｅｎｉｕｓ）创立课堂学习体系为标志，将工业化生产方式导入教育，创立一对多的教学模式，这种教育模式一直沿用至今，即教师在固定的场所，利用简单的工具对学生进行单向灌输式教学。师生之间的交流，受到空间、时间及心理因素的限制。处于大数据时代，受教育者获取知识的途径不再是课堂，线上学习越来越成为学习知识的主要途径，在网上可以免费获取世界上最好的课程，而且这些课程比任何一个单独的大学提供的课程都要好。在线学习已经不是一个镜头、一段视频那么简单，而能对学习者的学习行为自动进行提示、诱导和评价，从而弥补没有老师面对面交流指导的不足。例如，通过记录鼠标的点击，计算机能够记录学习者在一张幻灯片上停留的时间，判别你在答错一道题之后有没有回头复习，发现不同的人对不同知识点的不同反应，从而总结出哪些知识点需要重复或强调，哪种陈述方式或学习工具在哪种情况下最有效等规律。不难发现，该平台之所以强大，正是因为大数据。单个个体学习行 大数据对高等教育的影响和挑战 徐玮 （天津电子信息职业技术学院，天津３００３５０） 摘要：从种类繁多、数量庞大的多样数据中快速获取有价值的信息，正逐渐成为人们重要的学习活动。大数据的出现，为高等教育提供了新的教育平台和教学模式，也促进了科研交流和创新。大数据使教育面临一场新的革命。 关键词：高等教育；大数据；教学；挑战 中图分类号：G640文献标志码：A文章编号：1674-9324（2013）37-0004-02 【特别关注】

便利店新零售大数据分析平台方案

便利店新零售大数据分析平台方案

目录 1、技术方案概述 (5) 1.1、建立系统的原则 (5) 1.2、系统总体目标 (7) 2、连锁零售系统整体解决方案 (19) 2.1、构建系统的原则 (19) 2.2、系统逻辑结构 (21) 2.3、网络拓扑结构 (24) 3、总部系统 (30) 3.1、总部系统的业务范围 (30) 3.2、系统的基础数据管理 (31) 3.2.1、公司管理架构的定义 (31) 3.2.2、供应商分类 (31) 3.2.3、供应商档案 (32) 3.2.4、供应商合同 (32) 3.2.5、客户档案 (33) 3.2.6、商品分类 (34) 3.2.7、商品档案 (35) 3.3、总部系统业务流程 (37) 3.4、总部系统的报表体系 (37) 3.4.1、日常管理报表 (37) 4.3.2、分析性管理报表 (38) 4.3.3、数据挖掘 (38) 3.5、总部系统的权限机制 (38) 4、配送中心系统 (38) 4.1、配送中心系统的业务范围 (38) 4.2、配送中心系统的基础数据管理 (39) 4.3、主要业务流和处理方法 (39) 4.3.1、采购管理 (39)

4.3.3、配送中心的仓库管理 (41) 4.3.4、进货验收流程和管理 (42) 4.3.5、配送分拣出库确认流程 (43) 4.3.6、盘点作业流程 (44) 4.3.7、越库配送流程 (45) 4.4、配送中心的结算处理 (46) 4.4.1、对供应商进货的结算 (46) 4.4.2、利润的结算 (46) 4.4.3、库存结算 (46) 4.4.5、配送价格体系 (46) 4.5、配送中心的查询报表体系 (47) 5、加工中心系统 (47) 5.1、加工中心的业务范围 (47) 5.2、加工中心的业务流程 (48) 5.3、加工中心的成本核算方式 (48) 6、门店POS/SC系统 (49) 6.1、门店系统的业务范围 (49) 6.2、门店主要业务流程和处理方法 (49) 6.2.1、门店和总部的数据交换流程 (49) 6.2.2、门店申请变价流程 (50) 6.2.3、门店补货流程 (50) 6.2.4、门店进货流程 (50) 6.2.5、门店盘点流程 (51) 6.3、门店POS系统 (51) 6.4、门店系统的报表体系 (52) 7、财务系统接口 (52) 8、系统集成 (52) 8.1、系统基础支撑设备 (52)

大数据时代对教育的影响与变革

大数据时代对教育的影响与变革 发表时间：2016-01-22T09:54:56.077Z 来源：《教育学文摘》2015年12月总第176期供稿作者：李红艳 [导读] 四川省达州市委党校大数据已深入到社会领域的各个方面，给各行各业的发展模式与决策带来了前所未有的变化和挑战。 四川省达州市委党校四川达州635000 摘要：互联网信息技术的产生，演绎出了大数据时代。其特征表现为大数据已深入到社会领域的各个方面，给各行各业的发展模式与决策带来了前所未有的变化和挑战。作为社会领域的教育是培植人才的专门机构，在大数据时代到来之际，也受到影响与冲击。教育将如何应对这些影响与冲击？本文就大数据时代对教育的影响与变革进做了一些探讨。 关键词：大数据时代教育影响变革 一、“大数据”一词的来源 早在1980年，美国著名的未来学家阿尔文·托夫勒就曾在他的《第三次浪潮》一书中把“大数据”称颂为“第三次浪潮的华彩乐章”。但时隔29年后，也就是2009年以来，“大数据”一词逐渐成了互联网信息技术行业的流行词。2012年，有人确定了大数据的含义，让人看了目不暇接。2013年，“大数据”走向了实践，有的专家把这一年称为“大数据元年”。那么，什么是大数据呢？ “大数据”概念的最早提出是英国人维克托·迈尔·舍恩伯格和肯尼斯·库克耶编写的《大数据时代》一书中。此书认为大数据的核心就是预测，由此维克托·迈尔·舍恩伯格也被誉为“大数据时代的预言家”。 大数据（Big Data），顾名思义，就是海量的数据。它具体有多大？一组名为“互联网上一天”的数据可以告诉我们： 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…… 这些数据具有以下四个特点，即Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值），因此也被称为“4V”特点。 维克托·尔耶·舍恩伯格在《大数据时代》中指出，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。他还指出，大数据时代最大的转变就是，放弃对因果关系的渴求，取而代之的将是关注相关关系，也就是说只要知道“是什么”，而不需要知道“为什么”。这显然是颠覆了千百年来人类的惯常思维，对人类的认知与世界的交流提出了全新的挑战。 现在看来，大数据时代正如维克托所预言的那样已经到来。它已经开始影响着我们的社会，波及和冲击着我们社会的政治、经济、文化、生活等各个领域，作为有目的地培养人才的教育领域也不例外。下面将谈谈“大数据时代”对教育的影响。 二、大数据时代对教育的影响 大数据时代对教育领域会有什么影响呢？在学校教育中，数据早就成为教学改革最为显著的标记。这主要反映在考试成绩上，也包括入学率、出勤率、辍学率、升学率等等。这仅仅是些传统的数据。大数据时代的到来，其影响不仅仅于此，无论从纵的方面还是从横的方面来说，都是不可相提并论的。主要有下面一些影响： 1.对教育理念和教育思维方式的影响 大数据时代的到来，改变着我们的教育理念和教育思维方式，改变着教育研究中对数据价值的认识。在这个背景下，学生、教师的一言一行，学校里的每一个事物，都可以转化为数据。例如，一个学生的某次考试得90 分，它应该是简简单单的一个数字，但如果换一个角度来看，即把它作为一个数据来看，就可以得到其背后所隐含的许多数据信息：可以是每一大题的得分、每一小题的得分、每一题选择了什么选项、每一题花了多少时间、是否修改过选项、做题的顺序有没有跳跃、什么时候翻试卷、有没有时间进行检查、检查了哪些题目、修改了哪些题目等等，这些信息比一个 90分要有价值得多。除了考试，课堂、课程、师生互动的各个环节都渗透了这些大数据。我们可以通过对教育数据的分析，挖掘出教学、学习、评估等符合学生实际与教学实际的情况，教育管理者就可以有的放矢地制定、执行教育政策，制定出更符合实际的教育教学策略。 2.对学生个性化教育的影响 大数据时代的到来，使实施对学生的个性化教育具有了可能。大数据与传统数据最本质的区别是体现在采集来源以及应用方向上。传统数据的整理方式是在周期性、阶段性的评估中获得的，它不可能也没有必要进行实时的采集。而大数据却有能力去关注每一个个体学生的微观表现，诸如他在一道题上逗留了多久、在不同学科课堂上开小差的次数分别为多少等等。这些数据对其他个体没有意义，但所有学生的数据整合起来就能解答教育过程中的许多疑问。而最有价值的是，这些数据完全是在学生不自知的情况下被观察、收集的，只需要一定的观测技术与设备的辅助，而不影响学生任何的日常学习与生活。 3.对教学评价方式的影响 大数据时代的到来，使教学评价方式也发生了变化。这主要表现在：利用大数据分析，可以通过技术层面来评价。这种教学评价的方式不再是经验式的，而是通过大量数据的“归纳”，找出教学活动的规律，更好地优化、改进教学过程。对于学习活动来说，学习的效果体现在日常行为中，哪些知识没有掌握、哪类问题最易犯错等成为分析每个学生个体行为的直接依据。通过大数据分析，还可以发现学生思想、心态与行为的变化情况，可以分析出每个学生的特点，从而发现优点、规避缺点、矫正不良思想行为。 三、大数据时代对教育的变革 在大数据时代，教育领域将如何面对许多问题，这已经是我们关注的问题。教育将面临一场变革，这已经是不争的事实。下面就变革的取向做一些探讨： 1.冲破当前教育困境，推进教育深入变革 我国的教育，一方面总体质量不高，培养的大批人才大都是中规中矩，缺乏创新意识，学生空有一套理论却不能满足社会和市场的需要；另一方面，地区之间、城乡之间、学校之间的教育发展又不平衡，教育不公平问题逐渐凸显，历经多年的教育改革陷入了瓶颈之中。这就是我们目前面临的教育困境。大数据的发展给处于困境中的教育提出了新的挑战。如何冲破困境？大数据记录下的教与学的评价体系将需要更具科学性和权威性，大数据预测下的学生培养将需要更具针对性与实效性。 2.对学生发展实施多元性评估，让教育发现每一个学生 大数据时代的到来，让过去无法收集与分析的数据都能实现。谁对大数据的挖掘更为深刻，谁就会在行业发展中抢占先机，教育领域也不例外。美国卡耐基·梅隆大学教育学院的一句经典口号是：“不得不承认，对于学生，我们知道得太少。”这不光是美国十大教育类年会

大数据技术在高校教育教学中的应用研究

大数据技术在高校教育教学中的应用研究作者：喻琨 来源：《发明与创新（职业教育）》 2018年第5期 摘要：大数据是人类进步的重要标志，是引领社会发展的利器。文章分析了大数据技术的 含义，并提出了大数据技术在高校教育教学中具有教学决策科学化、管理精细化、教学信息化 等作用。 关键词：大数据技术；教育教学；信息化 在高等教育教学信息化发展过程中引入大数据技术，拓展了学生的在线学习空间，记录了 学生学习与成长轨迹，对高等教育教学改革具有重要的现实意义。 一、大数据技术概述 大数据技术种类纷繁复杂，其中数据库技术是核心，在信息数据整合与利用过程中发挥着 重要作用。随着经济社会的发展，大数据技术在社会各个行业中的地位日趋上升[1]。在此背景下，各个国家之间的竞争开始转变为信息资源之间的较量，掌握运用大数据的能力对国家发展 具有重要意义。因此，大数据技术在高等教育教学中的应用研究显得尤为重要。 二、大数据技术在高校教育教学中的应用 （一）教学决策科学化 在高校教育教学工作中，大数据技术的应用改变了旧的教学方式，突破了传统视野的局限。在大数据时代，教师通过在线学习平台能获取最新的教育行为数据，比如学生的资源浏览记录、学生的作业完成状况、学生的考试成绩以及学生的论坛发帖行为等，它们都以日志记录的方式 得以保存[2]。通过挖掘与分析这些实时数据，教师能及时调整教学方案，选择更优的教学策略。 （二）管理精细化 大数据技术为高等教育精细化管理提供了有效途径，能大范围提升高校管理服务水平，实 现教育服务智能化。目前，国内部分高校通过大数据技术创新来改善教育管理服务模式，并取 得了一定的成效。比如，华东师范大学通过预警技术对学生的餐饮消费数据进行记录和追踪， 一旦发现数据异常就以短信的方式询问学生是否存在经济困难。此外，大数据技术能实现教育 设备与在线学习平台的连接，通过智能化的定位和识别，追踪学习者的学习数据如学习者的心跳、呼吸频率等，分析学习者复杂的学习行为模式，并以此为依据制订精细化的人才培养机制。 （三）教学信息化 大数据技术的发展提升了教学的信息化程度，不仅突出了教学活动的个性化、灵活性与开 放性，还改善了教学环境，实现教育资源共享。同时，这也对教师的知识与技能提出了更高的 要求。 在大数据时代背景下，人与人的联系更加密切。为此，高校要成立教师教学团队或科研团队，建立跨时空的专业共同体，让教师专业分工更精细，这是大数据时代高校教师专业化分工 的必然趋势，也是精细化服务管理的必由之路。高校教师要处理好同事关系，在高校教学和科 研中分担任务，与他人分享经验，用客观、理性的眼光审视自己，学习他人的经验，取人之长，补己之短。

大数据“革命”教育 让考试变得更科学

大数据“革命”教育让考试变得更科学 2013-10-19 02:28 来源：光明网-《光明日报》我有话说有8人参与 资料图片 数据（data），一般而言是指通过科学实验、检验、统计等方式所获得的，用于科学研究、技术设计、查证、决策等目的的数值。通过全面、准确、系统地测量、收集、记录、分类、存储这些数据，再经过严格地统计、分析、检验这些数据，就能得出一些很有说服力的结论。大规模、长期地测量、记录、存储、统计、分析这些数据，所获得的海量数据就是大数据（big data）。在制作大数据时，需要严格的方案设计、变量控制和统计检验等，不然所获得的大数据就是不全面、不准确、无价值或价值不大的。 在教育特别是在学校教育中，数据成为教学改进最为显著的指标。通常，这些数据主要是指考试成绩。当然，也可以包括入学率、出勤率、辍学率、升学率等。对于具体的课堂教学来说，数据应该是能说明教学效果的，比如学生识字的准确率、作业的正确率、多方面

发展的表现率——积极参与课堂科学的举手次数，回答问题的次数、时长与正确率，师生互动的频率与时长。进一步具体来说，例如每个学生回答一个问题所用的时间是多长，不同学生在同一问题上所用时长的区别有多大，整体回答的正确率是多少，这些具体的数据经过专门的收集、分类、整理、统计、分析就成为大数据。 分析大数据助力教学改革 近年来，随着大数据成为互联网信息技术行业的流行词汇，教育逐渐被认为是大数据可以大有作为的一个重要应用领域，有人大胆地预测大数据将给教育带来革命性的变化。 大数据技术允许中小学和大学分析从学生的学习行为、考试分数到职业规划等所有重要的信息。许多这样的数据已经被诸如美国国家教育统计中心之类的政府机构储存起来用于统计和分析。 而近年来越来越多的网络在线教育和大规模开放式网络课程横空出世，也使教育领域中的大数据获得了更为广阔的应用空间。专家指出，大数据将掀起新的教育革命，比如革新学生的学习、教师的教学、教育政策制定的方式与方法。 教育领域中的大数据分析最终目的是为了改善学生的学习成绩。成绩优异的学生对学校、对社会、以及对国家来说都是好事。学生的作业和考试中有一系列重要的信息往往被我们常规的研究所忽视。而通过分析大数据，我们就能发现这些重要信息，并利用它们为改善学生的成绩提供个性化的服务。与此同时，它还能改善学生期末考试的成绩、平时的出勤率、辍学率、升学率等。