下面是小编给大家带来大数据时代教学建设论文（共含18篇），一起来阅读吧，希望对您有所帮助。同时，但愿您也能像本文投稿人“今天又加班”一样，积极向本站投稿分享好文章。
大数据时代教学建设论文模板
1大数据时代的特点
1.1数据规模较大
数据的量的累积规模大是大数据存在的物质属性。比较传统的数据，大数据的量的标准明显大大提高，从TB转为PB和ZB。随着时间的推移和数据管理技术的不断进步，符合大数据标准的数据集的规模也不断地增长。导致数据的量比以前大和多的原因很多，主要是由于随着互联网的迅速普及，人们获得信息非常方便，这个过程会产生大量的数据，也就是说，当你获得信息的同时也产生了信息，你的每次浏览和点击也提供了大量的数据。
1.2数据种类很多
数据的种类是数据的外在形式，是指它的表现样态。原来数据的表示形态和种类有限，数据的维度也相对较低，数据类型简单，大多采用表格的形式和文本进行呈现。在对数据处理的过程中只是对于数值本身进行处理，没有对数据之间的关联和架构进行分，因此也就不能产生新的价值和意义。随着人们生活的丰富好技术的发展，人们对于能获得到事物几倍的诸多信息，因此对于同一事物的数据就越多。数据甄选和过滤技术的出现，数据就成了事物意义的描述，数据量就以几何级的方式增长。
1.3数据处理数据极快
大数据时代的重要特征就是数据处理效率快。早期社会，传统的技术和工具，数据处理缓慢而且抵消，不能够满足人们的`需要，大数据时代，各种新兴技术的运用，数据快速增长，必然要求数据处理速度越来越快，并且数据处于不断的流动中，数据具有较短的时效性。没有及时处理的数据可能很快就失去了任何意义。因此，大数据的处理要求瞬间处理，形成结果，因此大数据时代的数据需要进行零误差处理是这个时代的显著特征。
2高职院校网络教学面临的问题
高职院校不同于一般学院，因此在网络教学平台构建的时候，应该结合高职院校自身的特点和优势，侧重于以专业资源建设为核心，构建数字化学习为中心，资源共享为目的，充分保证资源的快速上传、检索和归档。高职院校网络教学平台应该符合现代职业教育理念：一方面能够在现代教学理论中以学生为主中心；另一方面由于高职院校的学生已经具有较强的学习能力和独立思考的积极性。因此高职院校网络教学应该考虑到现代教学的要求，发挥学生网络学习的自主能动性和教师在网络教学中的向导作用。网络平台应该能够使得教师和学生在通过网络学习社区有小的组织和教学相关的应用，使得教师和学生在完成教学和学习计划的同时，还能够消除学习上的孤独和无趣，增加学习者的学习兴趣，促进广大师生进行知识分享。加强高职院校网络教学平台的教学资源库建设。优质的高职院校网络教学资源是网络教学最重要的建设部分，也是最具核心的部分。高职院校网络教学课程资源建设是网络教学平台中的重点和难点，网络教学平台应该围绕教学内容而建设，并且结果高职院校自身的特点和优势，重视优质教学资源的平时积累和丰富，最大限度地收集教学资源，使得优质的高职院校教学资源在应用的过程中不断地丰富和完善。实施网络教学平台资源收集、使用和保存的同步，将资源库的建设贯穿在网络课程建设和学习的整个过程，对于教师和学生上传的教学资源实现自动收集。高职院校网络教学平台还要加强对学习过程数据的跟踪。目前多数网络课程对于不同的学生的学习方式支持并不是很理想，还不能够为学生的自我评价提供足够的数据，不具备产生有效的学习后期服务功能。在高职院校的网络教学平台建设时候，应该考虑到利用高职院校的技术优势，对学生的学习过程和成绩进行跟踪记录，并结合找到的工作情况进行匹配，为学生提供一个很好的自我评估，自我提高的依据，也为未来的学习和发展提供有力的方向。
3结束语
大数据时代环境下，面向具有海量、快速特征大数据进行管理和分析的需求迫在眉睫。未来高职院校网络教学建设上，应该加强规范性和稳定性的原则，加快信息化应用和专业发展相融合，从协同理念出发，为实现不同学术背景和不同学科方向的需求者能够跨时间、跨地区地进行学习，解决高职院校信息化面临的信息实时传递和管理障碍问题。
一、前言
20xx年5月世界著名咨询机构麦肯锡公司发布了《大数据：下一个竞争、创新和生产力的前沿领域》的研究报告，宣告“大数据”时代已经到来。大数据时代的到来对人力资源管理带来了新的变化和机会。通过运用大数据思维方式，利用移动互联网+的新技术、新方法能够进一步完善人力资源管理信息系统，使人力资源管理更加专业化、科学化，为人力资源管理信息化建设迈入4.0创造了条件。
二、人力资源管理信息化历程
人力资源管理信息化，主要是指企业基于互联网，依托先进的人力资源管理理论，以软件系统为平台，通过信息技术对人力资源进行优化配置的动态过程。人力资源信息化是信息时代人力资源发展的必然趋势，是企业及时满足业务需求，实现企业高效的人力资源管理，增强企业核心竞争力的必然手段。笔者认为人力资源管理信息化随着信息技术的发展经历了1.0、2.0，3.0并在向4.0进发的历程。
人力资源管理信息化1.0阶段指的是上世纪80年代初，随着计算机在管理领域的普遍应用，国外一些先进的应用软件企业开始将关注点聚焦于人力资源管理领域。首先利用应用软件进行的是人力资源管理中最复杂最繁重的薪资管理，这大大降低了该项工作的繁冗程度并且提高了效率。由于当时计算机网络不是很普及，人力资源管理系统基本是孤立地、单一的软件。
随着数据技术、网络技术的发展，人力资源管理系统迈入2.0时代。人力资源管理信息化已经开始触及人力资源管理的各个方面。但是受限于数据计算能力和应用处理能力，对于大型集团的人力资源管理系统一般是按分支机构分别购置服务器部署运行，各分支机构定期汇总数据上报总部。人力资源管理系统2.0时代基本已经实现人力资源管理基础信息的电子化，使HR人员从繁重的基础信息处理工作解脱出来，有更多的时间去考虑组织及员工的发展需求。但是在2.0阶段，人力资源管理系统对于数据的分析和应用还停留在简单的报表阶段，还未形成对人力资源数据的预警、预测、数据挖掘和分析。
进入21世纪后，随着计算机和互联网技术的发展，人力资源管理系统采用数据大集中以及基于互联网访问的技术，从单一的人力资源部门的电子化软件扩展到涉及公司各个层面的关键信息系统。通过面向全员的信息化工具，人力资源管理系统3.0阶段一方面可以通过系统全面落实人力资源管理规划，另一方面通过延伸人力资源管理范围，提高各级人员参与人力资源管理的程度，有效地改善了人力资源部门的服务范围和服务质量。人力资源管理系统3.0阶段由于采用数据大集中技术，对数据的挖掘分析以及多维度的预警、预测已经成为可能。人力资源管理的数据优势已经在企业经营分析、管理决策中逐渐发挥出来。企业人力资源管理部门以及各级管理者已经开始利用人力资源数据提升经营决策的科学性。
随着大数据时代和移动互联网时代的到来，将大数据的概念和技术引入人力资源管理将进一步提升人力资源管理信息化水平，人力资源管理信息化将步入4.0时代。
三、大数据时代人力资源信息化
大数据这一概念，首先要从“大”入手，“大”是指数据规模，大数据一般指在10TB（1TB=1024GB）规模以上的数据量。大数据同过去的海量数据有所区别，其基本特征可以用4V 来总结，即体量大（Volume），数据从TB 级别跃升到PB 级别，庞大且连续的数据流使得数据更具完整性；多样性（Variety），数据类型繁多，数据来源及承载方式多样化；速度快（Velocity），数据可以高速地存储，借助于云计算，即使在数据量非常庞大的情况下，也能做到实时处理；价值的稀疏性（Value），信息海量但价值密度低，犹如大海捞针却弥足珍贵。
进入大数据时代，对人力资源管理及其信息化建设将带来巨大的机遇和挑战，人力资源信息化在4.0阶段将呈现出以下特点：
1.人力资源管理系统数据的多样化及社交化
在大数据时代，忠实地采集、记录人类活动的一切数据是基础。人力资源管理系统数据在大数据时代将不再局限于人力信息档案或者“人事部门”的数据。企业的经营数据、利润数据等业务数据也将纳入人力资源管理数据范畴。同时员工的社交数据、地点数据、工作数据等碎片数据也将被系统采集和分析。人力资源管理系统的数据模型和数据存储方式将被重新定义以满足数据存储、处理和分析所必需的高速和敏捷。
2.人力资源管理系统“移动化”与安全性
为了能够随时随地获取“与人相关”的数据，大数据的收集渠道将不再仅仅局限企业内部的信息系统，人力资源管理系统必须具有随时随地获取数据的能力。人力资源管理系统数据获取将更多地依靠移动端甚至是传感器等新技术的使用，人力资源信息化需要打造一条有效连接HR所服务的管理者和员工的信息高速公路。由于“人的数据”高度连接和聚合，数据的安全性和隐私保护将成为一个重要课题。有效地解决数据的公开和隐私的问题将是人力资源信息化建设者必须面对和解决的一个重要挑战。
3.人力资源管理系统工具的多样化
在拥有和采集了大量人力资源日常数据后，对数据的分析、整理、整合的能力将至关重要。传统的、单一的人力资源管理系统将无法胜任如此庞大的.数据处理任务。通过采购第三方的数据处理、分析工具将有利于提升人力资源管理系统的数据分析能力，有利于企业通过数据驱动人力资源管理创新。
同时，在人力资源管理人才招聘、人才测评、薪酬管理、人才绩效等垂直应用方面，由于大数据分析强调预测性以及前瞻性管理，人力资源管理应用将更具有专业性，市场上将出现多种专业性的应用工具。在人力资源信息化建设上，企业可以根据自身需要自主、灵活地选择专业化的工具，满足企业个性化需求。
4.人力资源管理系统“云服务化”
随着大数据和互联网技术的不断融合，基于云计算、云平台的人力资源服务平台将不断涌现。数据按需计算，企业按需付费的模式将不断成熟。对于传统企业来说，人力资源信息化将有了更快捷、便利的选择。企业信息化部门在实施人力资源信息化时将不再需要购置大量设备、采购产品软件后进行个性化实施，而只需按照企业需要购买相应的云服务即可。同时，由于在大数据应用的复杂性，不具有很强技术实力的企业可以借助云计算能力充分挖掘数据的价值，突破企业计算能力的壁垒，实现人力资源大数据应用。
大数据时代，企业的竞争将是数据应用能力的竞争。人力资源信息化建设的从业者利用大数据技术建设更加专业化、智能化的信息系统，为人力资源管理服务提供更加客观、科学的数据服务将给企业创造出巨大的价值。人力资源信息化建设也会因为大数据技术的应用迈入一个崭新的时代。
参考文献
[1]周光华.基于“大数据”价值对人力资源管理的思考
[2]唱新.大数据在人力资源管理体系的应用
[3]李柯.大数据时代人力资源管理的机遇、挑战与转型升级
大数据时代语言学研究论文
内容摘要：自维克托迈尔-舍恩伯格及肯尼斯库克耶提出大数据的理念以来，大数据受到了越来越多的关注。大数据在一定层面上可以理解为n个大语料库的结合体。本文从跨专业的视角分析大数据与语言学研究的结合，分析其结合的可能性，为语言学的进一步发展提供新的研究视角。
关键词：大数据;语料库;语言学
在语料库研究已经广泛应用的今天，大数据为语言学家们开辟了新的视野，提供了新的研究方向。
一.大数据的提出及其最初应用
大数据，顾名思义就是大量的数据。自从维克托迈尔-舍恩伯格及肯尼斯库克耶提出这一概念以来，大数据就受到越来越多的关注。首先将这一概念付诸应用的是BI，工业4.0，云计算，物联网，互联网+等领域。在信息化发达的今天，大数据的提出无疑为相关领域的研究提供了新的视野，也在不断推动其发展。
二.语言学的传统研究方法
纵观语言学的研究方法及理论，大多数是以二三十年前提出的转换生成语法，系统功能语法等为基础进行的。虽然研究成果颇丰，但也面临一些问题，首当其冲的就是研究后劲不足。我们都知道，语言学研究理论虽然经典，并且为语言学的研究提供了坚实的基础，在其研究历程中取得了丰硕的成果。然而语言学的经典基础理论大多是二十年前提出的，经过二十多年的研究挖掘，已经逐渐缺乏研究后劲，其理论的研究视阈已被挖掘殆尽，再想用此理论进行语言学方面的深入研究已很难再有新突破，语言学研究急需开辟新的视野，挖掘新的方向。
三.大数据与语言学研究结合的可能性
大数据这一概念的提出，源于信息时代的发展，互联网的普及。网络驱动着人们生活的每一个角落，现实生活中我们每天都在与网络打交道。网络可以快速处理大量数据，从而为我们的生活提供便利。大数据这一新的研究趋势便应运而生了，大数据自诞生之初便与互联网，网络筛选，网络推荐结下了不解之缘，为网络时代的生活办公提供了巨大的便利。鉴于大数据这一新的研究视角为互联网时代带来了巨大便利，我们可以考虑将这一研究方法应用到语言学的研究中，为语言学的研究提供新的视野，开辟新的角度。大数据与语言学研究的结合有如下可能：首先，日趋成熟的语料库研究为大数据时代的到来打下坚实基础。近些年来，运用语料库的方法进行语言学研究已经成为一种新趋势，语言学研究者们开始把目光投向语料库研究，注重用数据说话，将语料库这种研究方法运用到语言学研究的方方面面，并取得了一系列成果。不用于以往的研究方法，语料库注重用数据说话，通过提取的数据的客观发展趋势来描述语言学问题。目前这一方法已经成功的运用到了语言学研究的很多领域，为语言学研究拓展了新的视野。既语料库的研究方法之后，近几年又出现了大数据这一新的研究方法。大数据这一研究方法虽然自诞生之初到现在，其应用领域还集中在云计算，物联网，互联网+等领域，但究其本质而言，大数据与语料库存在很多相似之处，都是运用数据说话，通过数据的发展趋势来解决问题。从一定角度上看，大数据其实就是n个大型语料库的集合。语料库的研究方法已经成功的运用到了语言学研究领域，由此，我们可以推断与语料库一脉相承的大数据的研究方法也可以与语言学很好的结合，并为解决语言学的问题提供新的研究视角。
其次，运用传统的语言学理论研究语言学的方法遇到了越来越多的瓶颈。纵观近些年来语言学的研究，大多数运用的`仍是二十多年前的转换生成语法和系统功能语法作为基础研究理论和方法。经典的语言学理论确实为语言学研究指引了正确的方向，也取得了丰硕的研究成果，解决了语言学研究中的一个个难题。但是，值得关注的是，传统的语言学研究方法和理论的研究切入点已经逐渐被挖掘殆尽，若仍坚持传统研究方法，会使后续研究缺乏研究后劲与动力。同时，传统的语言学研究往往只运用语言学的理论解决语言学的问题，这样给学科的深入发展带来了不小的屏障，阻碍了语言学研究的深入发展，制约了一系列深层次问题的研究和解决，语言学研究亟待寻找新的方法理论，特别是运用跨学科的方法来解决其发展的瓶颈制约。最后，跨学科的研究方法已成为一种必然的趋势。查阅国内外的相关文献，我们不难发现，语言学的研究已经逐渐跳出传统的研究理论与方法，开始寻求新的突破点。继引入语料库这一运用数据来阐述语言学研究问题的方法，并取得了一系列研究成果之后，跨学科的研究方法便开始逐渐被发掘出来，并深入到语言学研究的方方面面，为更好的解决语言学的深层次问题打开了新的研究视野。大数据作为一种以语料库为基础的新生的跨学科研究方法，必然会与语言学研究结下不解之缘，并为语言学研究的深入发展带来新的视觉和发展的源源动力。总之，大数据与语言学的结合必然会成为语言学发展的新趋势，并为语言学研究提供源源不竭的动力。
大数据时代信息安全问题探讨论文
摘要：在大数据时代，大数据改变的不只是我们的工作方式，还改变了我们的生活方式甚至思维方式。无疑，大数据的运用已经渗入到我们的文化生活、经济生活和社会生活，而大数据造福社会的同时也为信息安全带来了巨大的隐患，影响了信息的保密性、真实性、完整性等性质，危害到了人身财产安全，引起了社会极度的恐慌与不安，当务之急便是提出解决这些问题的相关策略。
关键词：大数据；信息安全；信息保密性；信息真实性；信息完整性；策略
1大数据和信息安全的基本理论
1．1大数据的概念和核心。通常人们说的大数据包含了两个方面：一指数据量庞大；二指一种新型的信息技术。我们暂时将不能在一定的时间内用普通的工具获得处理的数据集合、需要更先进的方法才能更好地解决问题。1．2大数据的特点。大数据不只是海量的数据集合，还是一种数据采集、储存、使用管理的一项信息技术。当前学者们比较统一的认识是大数据的四个特征，即具有代表性的4V特征：Volume（数据规模大）、Variety（数据种类多）、Value（数据价值）、Velocity（数据处理速度快）。1．3信息安全的概念和特性。信息安全是指信息网络的硬、软件及其系统中的数据受到保护，不因为任何原因受到损坏泄露修改，可以使系统正常稳定运行。主要包括以下五大特性：信息的保密性、真实性、完整性、未授权拷贝和所寄生系统的安全性。1．4大数据背景下信息安全问题的概述。大数据如今已被应用到各行业领域，各个行业都期望通过大数据进行自身革新。随着当前信息量的暴增，获取信息总是格外容易和迅速，这就造成了信息的混乱性。有些人或有意或无意散布假的消息进行造谣会产生网络暴力，影响了信息安全中的真实性。有人贩卖个人信息来谋取利益，影响了信息安全中的保密性。有人蓄意将信息截取博得关注引导舆论导向，影响信息安全中的完整性。
2信息安全如今面临的威胁
2．1技术层面。大数据的性质决定了大数据将会在技术层面受到一定的威胁，在采集、传输、存储、使用过程中信息安全都存在隐患。（1）采集过程中受到的威胁。数据采集手段通常有传感器、数据检索分类工具，现代人们愿意使用智能设备，而这些智能设备会将人们的信息以数据形式传送到数据终端。智能设备可以能够自动采集记录个人信息，并在用户毫无发觉的情况下通过后台传输出去。（2）传输过程中受到的威胁。大量的数据中包含着用户的信息，在传输过程中很有可能受到外来的威胁。在现代社会中，由于考虑到经济性和便利性，大多数人都选择无线传输，无线网络是通过无线电波来进行的数据传输，任何一个被无线网络覆盖的区域用户可以截获、改变数据，窃取损坏信息。例如电脑高手入侵、密码破解，造成信息的真实性、完整性、保密性等性质受损。（3）存储过程中受到的威胁。现在的技术无法保证信息存储系统完全安全，一旦受到恶意攻击破坏，就会造成信息的泄露损坏和遗失。聊天记录、消费记录、银行卡信息被留在了数据储存系统中泄露出去，服务商可以在用户毫不知情的情况下随意使用这些信息。（4）使用过程中受到的威胁。如今大数据的`价值更多是来源于它的潜在价值，用户的信息被收集起来之后会背离最初收集的目的被用于其他地方或者转卖给第三方用于获取丰厚利润。2．2社会层面。当下社会出现了一种贩卖个人信息的商业公司，他们会在未征得网民的同意下收集具有明显符号化的个人信息，打包贩卖给第三方，这就造成了很多诈骗骚扰，使社会陷入了极度的不安。2．3个人层面。（1）在网络平台上的信息共享。人们愿意在网络平台上主动分享自己的生活，直接暴露了个人信息。或有的时候登录注册某应用不得不向服务商提供个人信息，被动暴露了个人信息。（2）电脑高手的恶意窃取。庞大的数据使数据保护变得日益艰难，而这就方便了电脑高手盗取别人的信息，通过种植木马病毒等方式入侵用户电脑实施非法攻击，在用户不知情的前提下信息就遭到了泄露。（3）网络上不当的行为。人们进行网络活动时可能会有意无意触及别人的隐私，这样就会产生影响信息安全的行为，从而造成信息的不安全性。
3信息安全受到威胁的原因
3．1技术层面。（1）信息的海量和多样化。智能设备无时无刻记录我们的信息，一旦我们连入互联网，服务商就会对产生的数据进行收集记录，从而产生了海量多样的数据，数据十分混乱。提取数据时，常采用无差别化的方式，这样就有可能暴露个人信息，或者流出不符合实际的信息，不完整的信息，这就影响了信息安全的保密性，真实性，完整性。（2）信息可被数据化。现在的信息都可以被数据化，可以通过“0”和“1”不同组合方式来表达，这样就会使数据更容易被获得传输，数据化可以使窃取手段更加的隐蔽化，给这些手段提供了方便，使信息安全的保护更加困难。（3）信息可传输。信息被数据化后，可以无时间无空间进行传输。二十四小时只要在网络上，没有地域限制，这无疑想匿名收集网民信息，扭曲事实，造谣生事的人提供了极大的便利，我们无法确定采集者的信息，使我们的信息安全保护陷入了极为被动的局面。3．2主体方面。（1）缺乏保护信息的意识。网民缺乏保护自己信息的意识，轻易在注册时向网站填自己的真实信息，在社交平台上暴露自己的照片和生活，个人缺乏保护他人信息的意识，有意无意做一些暴露或损害了别人信息安全的事情。（2）个人价值标准的缺失。部分人认为通过大数据技术去窥视别人的生活，掌握别人的信息从而对别人进行一种形式上的操纵会有一定的快感，以一种不正当的手段来侵犯他人的信息安全来满足自己的欲望。部分人在巨大的利益诱惑下，利用大数据技术盗取他人信息，甚至无视法律法规，钻法律的空子，不惜一切手段来争取利益最大化。3．3外部环境。（1）法律法规没有得到相应的完善。在大数据这个背景下，一切都在改变，出现了许多新事物，社会也具备了新特征，这就导致缺少了有关信息安全的法律法规，相应的责任划分也不明确。（2）政府监管力度不够。没有明确的监管机构，没有具体的具有强制约束力的管理标准，没有严厉的监管措施，相应的处罚并不严重。
4应对策略
4．1技术层面。（1）利用大数据技术监控威胁。借助大数据技术可以完成对信息安全威胁的窥探任务，即完成对攻击威胁一种灵活的预测性，以及对未知危险的一种全面性检测。（2）利用大数据完成用户身份验证。身份认证指在系统或网络上进行操作主体的身份检验，通过大数据进行用户信息的收集分析获取相关人物特征，从而鉴别操作主体身份。（3）限制信息的流通。我们要进行流通渠道的限制，可以组织专门机构来对这些信息流通渠道进行监督和定期的检查。4．2主体层面。（1）树立正确的价值观。（2）要有信息保护意识。4．3外部环境。（1）完善相应的法律法规。需要在原有的法律法规上进行完善，明确相应的法律内容与责任范围，加大对危害人们信息安全行为的处罚力度，不只需要保护人们，还需要保护汇聚大量用户信息的企业，让他们信息安全受到威胁时有法可依。（2）加大政府监管力度。设立相应的政府部门的监管机构进行监督审查，建立一套具有强制约束力的管理标准，明确其处罚措施，加大惩罚力度。
5结语
大数据固然给我们带来了极大的便利，促进了经济的快速发展，社会的不断进步，相应的它也给我们带来了一些麻烦，我们一边享受着大数据为我们带来的个性化生活，一边又因为这些问题而惴惴不安。造成信息不安全问题的原因有很多，解决这个问题也需要全社会的共同努力，需要我们结合我们现如今社会的实际情况，在技术层面、个人层面、政府层面、行业等方面采取相应措施，来协调大数据与信息安全的和谐发展。
参考文献
［1］徐乐．大数据时代隐私安全问题研究［D］．成都：成都理工大学，2016．
［2］黄成鹏．大数据时代的个人隐私［D］．华中师范大学，2015．
［3］于志刚，李源粒．大数据时代数据犯罪的制裁思路［J］．中国社会科学，2014，（10）：100－120．
大数据时代网络安全研究论文
摘要：随着大数据技术的不断发展和应用，对计算机网络安全管理提出了新的挑战，通过对大数据背景下计算机网络安全的分析，介绍了新技术下的网络安全问题，提出了相关的网络安全防范措施，认为在大数据背景下，网络安全管理必须采用多种方法和手段，同时将大数据技术应用于网络安全管理中，构建符合时代需求的网络安全防范体系。
关键词：大数据；网络安全；隐私数据；防护策略
随着计算机在现代信息社会的广泛应用，同时随着智能手机的推广，计算机网络安全越来越得到重视。需要不断采用新技术、新方法来加强对计算机网络的监控管理，采用切实有效的手段和措施来提高计算机网络安全管理水平，确保计算机网络技术能够正常、健康、有序地发展，保证用户信息数据的安全性、私密性，有效地防止非法用户盗取网络保密数据，防止病毒入侵，成为广大计算机用户关心的问题。
1大数据技术
大数据是指在传统的事务处理数据库、数据仓库的基础上，引入海量的多渠道的数据构成的巨大数据体，其含义主要包括两个部分，第一是数据部分，大数据的所包含的数据具有数据规模巨大、数据更新快速、数据类型多样和数据的价值密度低四大特征。第二是数据的处理部分，大数据充分利用云计算、数据挖掘等相关技术，对大数据进行处理，采用Hadoop、MapReduce、SPSS等工具，对数据进行分析，从而得到“有趣”的信息，为管理决策提供服务。
2大数据背景下的网络安全
大数据背景下的数据呈现即时性、海量性、多类型性，多种数据以爆炸式的不断增长，一方面使得对计算机网络的安全管理带来了新的挑战，出现了针对大数据的网络攻击；另一方面由于网络攻击大数据的不断完善，对攻击手段、攻击时间、攻击方式等的大数据分析挖掘，发现网络安全攻击规则，对提高计算机网络的安全带来了新的工具和手段。
2.1用户账号的安全
计算机网络的`广泛应用，用户的很多敏感信息都保留在各个网络节点中，这些信息的安全性正受到极大的挑战。很多的网站存在着各种的漏洞，甚至部分网站存在着后门程序，网络节点对用户的账号信息保护不力，或者保护措施形同虚设，这些信息在大数据的背景下，经过网络节点用户信息的关联分析，往往无所遁形，很容易被非法用户的攻击，造成用户账号数据的泄露。2.2大数据平台的安全在大数据的背景下，各行各业提供了一些资源共享与数据互通的大数据平台，这些平台在带来便利的同时，也为提供了新的攻击目标，非法用户可以通过大数据平台，以很少的代价获得大量的信息，为计算机网络安全带来新的问题。
2.3用户隐私的安全
在大数据背景下，通过大数据的相关技术，分析用户遗留在各个网络站点的相关数据，将会产生严重的隐私泄露，因此对敏感数据的所有权和使用权必须严格界定，否则会很容易地侵犯了用户的隐私权。
3大数据背景下的网络安全防护策略
3.1加强用户账号的安全
目前，计算机用户在不同的网站或者软件客户端注册使用各种不同的用户账号，很多账号相互关联，相互验证。因此，为了提高数据的安全性，提高账号的安全，首先要将账号和密码设置复杂，不容易破解；其次在各个站点或者客户端设置的用户名和密码相互区分，不要设置相似的账号和密码；最后，对账号和密码进行分类，对于不同级别的账户设置相对应的密码，对重要的账号和密码单独管理，定期更换，从而保证账户的安全。
3.2安装防火墙和杀毒软件
为了安全地在大数据背景下使用网络资源，可通过采用防火墙技术与病毒防杀技术来提高计算机网络安全性。所谓防火墙技术，即依据特定的安全标准对网络系统所传输的数据包进行实时检测，若发现可疑的数据包及时报警或者阻止，从而有效将非法的数据包拒之门外，保证计算机用户的数据安全。此外，日常运行中应积极应用杀毒软件与病毒监控软件对病毒进行监控和消除，通过软件的定期升级、定期杀毒扫描等手段，将计算机病毒隐患消除。
3.3新技术的使用
利用大数据的挖掘分析处理，提高入侵检测技术水平，检测监控网络和计算机系统是否被滥用或者入侵的前兆。通过对大数据的数据挖掘和统计分析，形成入侵检测的规则模型，在系统运行过程中，判断系统的动作是否是正常操作，形成主动的监测机制。
3.4使用文件加密和数字签名技术
大数据的背景下，在网络安全中继续采用文件加密技术和数字签名技术，可以有效地提高计算机网络的安全级别。其中文件加密技术是为了防止秘密数据被窃取、被破坏或侦听所采用的主要技术，也为了提高信息系统和数据的安全保密性。数据签名技术的主要目的是对传输中的数据流实行加密。
3.5加强隐私数据的查询权限
在大数据的背景下，通过对海量数据的分析处理，尤其是对计算机用户在各个网站节点遗留的相关联的信息进行数据挖掘，可以得到用户的大量隐私数据，这些隐私数据一旦被恶意使用，会造成极坏的影响，为此大数据技术以及相关的数据处理平台，应限制大数据用户对细节数据的展现，大数据技术的分析查询应该主要集中在统计数据的分析处理上，从而在技术层面上避免大数据技术的滥用。
3.6加强相关的法律法规
随着技术的进步，用户的隐私数据在计算机网络中变得越来越透明，网络安全也就处于更加重要的地位，对于使用计算机网络的各个部门和个人，遵守相关的网络使用规章制度，是实现网络安全的重要环节，同时国家和相关组织应该及时顺应新技术的发展，不断修改完善在大数据背景下计算机网络的法律法规，用法律法规构造出计算机网络安全的最后一道屏障。
4结语
随着大数据、互联网+等计算机新技术和新应用的飞速发展，计算机网络信息的安全问题同时在不断发展变化中，计算机系统以及用户的隐私数据要想得到更好地保护，必须综合采用多种防范策略，同时防范措施也必须跟随新技术的进步而不断完善，不断将大数据等新技术应用于网络安全管理之中，吸取各种防护策略的优点和长处，集众家之精华，逐步建立起符合信息时代潮流的网络信息安全的防护体系。
参考文献:
[1]陈春.基于数据挖掘技术的计算机网络病毒防御分析[J].信息通信，（05）.
[2]张传勇.基于大数据时代下的网络安全问题分析[J].网络安全，（24）.
[3]闫智，詹静.大数据应用模式及安全风险分析[J].计算机与现代化，2014（08）.
[4]徐海军.大数据时代计算机网络安全防范研究[J].信息安全，（02）.
[5]苏艳，李田英.计算机网络安全防范措施探讨[J].电脑知识,2015（11）.
[6]孙海玲.计算机网络安全隐患及有效维护措施分析[J].信息与电脑（理论版）,2012(9).48
大数据时代商业银行信用风险论文
一、大数据时代商业银行信用风险管理SWOT分析
（一）定性分析
1.优势分析。商业银行在多年发展中，拥有广大的客户群体，积累了客户基本资料、客户交易、客户存贷款等大量数据。在大数据时代，商业银行凭借其雄厚的资本，可以建立大数据服务器等设备，将这些传统数据与其他来源数据进行整合，数据分析人员通过云计算等技术手段挖掘出有价值的信息，从各个角度分析客户需求以及识别信贷风险，从而有助于商业银行更加科学地评价经营业绩、评估业务风险、配置全行资源，引导银行业务科学健康发展。
2.劣势分析。在现有的银行交易系统中，客户的身份证、交易流水等大量信息已被银行掌握，但缺少如客户的家庭情况、收入状况、消费习惯、兴趣爱好等其他方面的信息。另外，目前小微企业客户信息以及商业银行的产业链客户信息也比较缺乏，直接影响着银行对这些客户提供金融服务的水平。再者，大数据时代下，需要金融专业人才和数据分析人才相互配合，才能充分挖掘数据价值，但数据分析人员较为匮乏也将成为商业银行的软肋。
3.机会分析。刚刚进入大数据时代，商业银行应率先构架大数据战略体系，制定大数据发展战略，突破同质性，实施差异化业务发展战略，从而赢得先机。如果大数据获得成功应用，将为银行创造先发竞争优势，使银行决策从“经验依赖”向“数据依据”转化，打造不可复制的核心竞争力。“数据—信息—商业智能”将逐步成为银行定量化、精细化管理的发展路线，数据分析也将成为其风险防控的法宝。
4.威胁分析。大数据在给商业银行带来前所未有的机遇的同时，也给其带来了诸多威胁，例如大数据存在的风险、网络安全、数据失真等。在大数据开发利用过程中，云计算技术将会得到广泛应用。但是云计算将数据存入云端，而云端往往是由第三方服务器实现存取的，如果第三方将数据泄露，将会给银行带来极大的风险。另外，互联网金融正在颠覆着传统的金融模式，网商具有活跃的交易记录和巨大的金融需求，但商业银行很难开发到这些客户，将给银行带来挑战。
（二）定量分析
除了对大数据时代商业银行信用风险管理面临的内外部环境进行定性分析外，还可以进行定量分析。具体思路为：
①确定包括优势与劣势、机会和威胁等多于10个的内外部环境因素；
②利用主观赋权法、客观赋权法、层次分析法（AHP法）等任一方法确定各因素的权重；
③给各个因素打分，分值范围为1到5分，评分越高说明因素越重要；
④将各个因素的权重与得分相乘，从而最终计算出各个因素的加权分数；
⑤各个因素加权分数计算代数和得出公司的总加权分数，然后根据分数进行判断。某商业银行内外环境分析如附表所示。由附表可以看出，该银行外部机会大于外部威胁，内部优势大于内部劣势，应抓住大数据带来的机遇，充分利用信息技术，更加科学地评估业务风险、配置全行资源，引导银行业务科学健康发展。
二、基于大数据的商业银行征信系统构建
目前，我们已经进入了大数据时代，由于大数据包含的信息量大而且非常复杂，传统的系统已不能满足银行新的分析需求，有必要建立一个统一的数据环境，构建大数据的商业银行征信系统，采取新分析算法，搭建大数据跨业务的统一应用平台，从而满足银行精细化管理、差异化服务、提升风险分析能力的需求。
（一）大数据时代商业银行征信系统概述
在金融交易安全日益突出的今天，如何迅速、有效地发现各类欺诈行为，对保证商业银行的正常运作和国家人民财产安全都显得十分重要。商业银行征信系统要针对信贷风险防控工作的实际特点，通过客户交易信息以及客户其他信息收集来加强客户信用风险监测。系统总体见附图。附表某商业银行内外环境分析内部环境评分权重加权分外部环境评分权重加权分⑴整体竞争优势明显；30.100.30⑴云计算的快速发展；50.150.75⑵良好的客户群体；50.150.75⑵数据来源多样化；50.251.25⑶资本雄厚，有能力建立大数据库；40.050.20⑶科技发展为数据应用提供支持；40.200.80⑷拥有专业客户人才；30.200.60⑷精准评估业务风险；40.251.00⑸良好的内控环境；50.251.20⑸先入为主的机会；40.150.60优势⑹丰富的风险防控经验；50.251.25机会⑹精细化管理的趋势。40.100.40小计1.004.30小计1.004.80⑴缺乏个人客户基本信息；-30.25-0.75⑴网商的竞争；-50.3-1.50⑵缺乏小微企业基本信息；-30.20-0.60⑵大数据安全风险；-50.25-1.25⑶缺少产业链客户的信息；-40.20-0.80⑶网络安全面临挑战；-30.2-0.60⑷缺乏专业的数据分析人才；-30.10-0.30⑷外部风险事件的影响；-30.15-0.45⑸缺乏非结构化数据收集能力；-50.15-0.75⑸外部风险来源多样化。-30.1-0.30劣势⑹商业运营模式面临变革。-30.10-0.30威胁小计1.00-3.50小计1.00-4.10优势劣势合计0.80机会威胁合计0.70系统将从海量数据中提取出有关联的数据信息，以发现潜在或已知的风险，系统将数据仓库、模型库、知识推理、人机交互四者有机地结合起来，充分发挥数据挖掘的作用，通过建立风险评估模型较好地处理数据资源中存在的模糊性和随机性，在成熟的模式识别技术和智能分析技术的辅助下，对银行业务的全方位、多角度的可靠性分析和风险评估，有助于商业银行实施全面风险管理体系，从而进一步提高融资、贷款、授信等方面的风险评估、监控水平。
（二）大数据时代商业银行征信系统工作原理
1.数据原料。数据原料是商业银行风险防控中的'关键一环，它直接影响到数据挖掘的效率、精准度以及所得模式的有效性。目前，商业银行针对客户资料和消费记录都建立了功能庞大的消费市场数据库系统，在以大数据引领、以智能化为核心的产业变革时代，银行要真正将数据作为风险控制的源点，有效整合来自银行网点、PC、移动终端设备、社交网络、征信机构等传来的结构化和非结构化的海量数据，既要获取常规渠道的数据，又要收集社会化媒体数据，真正将数据作为战略性资产，实现从管控风险向经营风险方向的转型。
2.数据工厂。数据工厂是利用数据挖掘理论与技术将数据中潜在的、有用的模式搜索出来，是整个征信系统最为关键的一步，也是技术难点。在数据工厂中，系统通过数据抽取工具、数据集成工具、数据过滤工具、数据挖掘工具以及模式评估工具等，从海量数据原料中提取辅助决策的关键性数据，并经过归纳总结、推理、分析数据，利用数据挖掘中分类、聚类、偏差检测、概念分析、异类分析、关联分析、时序演变分析和元数据挖掘等功能，完成对银行信用风险控制、银行市场风险评估和银行操作风险评估，从而帮助决策者对信息预测和决策起作用。
3.数据产品。数据工厂最终的结果是数据产品，把所有最终经挖掘发现的知识直观地通过可视化技术展示给商业银行，以帮助其理解和解释数据挖掘的结果，控制信贷风险。这些数据结果既包括传统的诸如违约率、违约损失率、违约暴露和违约期限等客户信用信息，也包括客户的其它方面的信用记录、客户的信用评级以及对市场风险的评估。当然，整个数据挖掘过程是一个不断反馈、循环往复的过程，信用评级结果也是动态变化的。
4.数据应用。经过数据挖掘得出的风险评估结果为商业银行评估信贷业务的风险和收益情况提供了量化工具，改变了单纯被动信用风险管理模式。在此背景下，商业银行应规范贷款审批标准和审批程序，优化金融信用监控机制，完善组织架构和规章制度，实施风险动态防控，使信贷风险管理体系健康运行。
三、大数据时代商业银行信用风险管理应注意的问题
在“大数据”时代，商业银行面临着信用风险防控的新形势，要积极做好如下应对工作。
（一）风险意识要思维开放
商业银行在进行风险预测时，需要考量政策、人为的操作风险、市场环境等等众多因素，但现有的技术水平难以支撑挖掘大数据的商业价值。因此，商业银行需要具备一种像互联网一样的开放式思维，建立分析数据的习惯，重视“大数据”开发利用，关注与风险预测高度相关的大数据信息，如客户的基础信息（如客户开立账户时留存的住址、年龄、从事行业、性别等等）、客户交易信息（如客户在ATM机上的存取款情况、使用银行卡、购买理财、使用其他业务的记录等等）、外部的信息（从互联网、电信运营商、证券交易所等处挖掘来的有关信息）等，用数据说话，从而提高不确定风险的预测水平。
（二）数据整合要注重质量
大数据很多时候是从一种非传统的角度去分析、挖掘、利用数据价值的思路。由于数据来源庞杂广泛，需要不断利用技术创新去挖掘利用大数据的价值，再加上数据之间的关联性很强，商业银行应建立自己的数据地图，整合银行内部数据和大数据链上的其它外部数据，坚持做到数据要依照标准化采集，确保数据来源真实可靠，杜绝以假乱真；同时构建专门的数据分析方法和使用体系，对数据进行规范化处理，并严格按照国家法律法规进行使用，从而确保数据质量，提高数据应用性。
（三）系统建设要高屋建瓴
大数据具有一般数据所不具备的特殊性，传统的处理工具和解决方案难以满足针对大数据的处理和分析需要，因此需要采用新的处理模式，才能发挥大数据的效能。商业银行需要投入大量资源加快完善高度集中、完备、综合、专业的数据仓库系统，建设完善数据仓库项目，从而适应“大数据”技术的需要。在系统建设中要高屋建瓴，要把对于非结构化数据分析的技术与现有的、基于结构化数据的分析工具相结合，预装一些成熟的数据挖掘算法和文字文本的算法，完善数据挖掘工具的扩展性，便于数据分析人员能够快速地进行大数据分析。同时，对资源的投入一定要有相当的前瞻性，并兼顾当前实际，尽可能地实现资源利用最大化。
大数据时代的来临，使企业进入战略绩效管理信息化时代加快了脚步，然而，企业CIO在面对繁杂、庞大的数据信息时，如何做到价值最大化的被企业利用，为企业战略绩效管理系统服务，需要一套庞大、严谨的战略管理体系支撑，在以企业战略管理体系的框架支撑下，数据才能使管理系统如虎添翼，引领企业飞速发展。
在企业战略管理信息化的今天，企业希望在管理中通过数据来查看、评估员工的工作动态及绩效考核。如此一来，数据整合和可用性方面的新挑战也随之出现，
那么，企业如何建设一套以企业战略管理为根据的系统构架来实现数据信息的整合和价值最大化呢？
研究ESP系统发现，建立大数据时代下的战略绩效管理信息化系统，先要明确发展战略目标，在此基础上，为数据信息的价值实现构建管理体系框架，数据信息能否被有效利用取决于战略管理系统的体系设计。
大量的数据信息在全面、有序的企业战略管理框架中被归类、识别，并通过战略管理系统中的分析工具被分析、重置，再通过辅助保障系统将分析后的数据信息按流程、组织，系统的输送给终端。形成一整套企业战略管理信息化系统，以便于员工高效和正确的运用数据，真正实现数据可用性。
从管理信息化落地执行的角度看，ESP的贡献在于能够帮助企业管理信息化高效的实现，全面落地、彻底执行并可视化监控和有效的评估，否则企业再好的战略、全面的管理体系落不了地、也不能产生很好的效果，更谈不上发展。
大数据时代就业信息化建设探究
摘要：随着就业信息化建设的发展，信息技术已经被广泛应用于高校毕业生就业中，就业信息化建设是近年来大学生就业问题关注和努力的重点方向。但目前就业信息化建设中依然存在很多不足，如信息整合程度低、信息利用率低下、信息平台功能不完善、信息交流不足、网络求职成功率偏低等。在当今大数据时代背景下，就业信息化建设迎来了新的发展机遇。
关键词：大数据;信息化;就业
随着互联网的发展，信息技术被广泛用于生活、工作、学习、服务、交通、生产等各个领域，改变了世界，为人类带来了诸多便利。就业信息化建设对我国经济社会发展稳定具有重大战略意义。在各种信息化平台的帮助下，大学生能够更容易、更便捷地找到就业岗位，在我国高校扩招造成毕业生数量逐年递增的情况下，极大地缓解了社会的就业压力，为我国经济建设提供了各方面的劳动力和人才。因此国家高度重视就业信息化建设，21世纪以来，党中央、国务院、教育部多次下达指令，要求大力开展各项就业信息化建设工作。
一、目前我国就业信息化建设的现状及不足
经过十几年的努力，目前我国就业信息化建设已经基本完善，形成了以各级政府就业指导部门、用人单位、高校、毕业生为核心的就业信息化体系，通过各种信息化平台，把各级政府就业指导部门、用人单位、高校、毕业生连接起来。各级政府就业指导部门网络平台、各高校就业指导中心网站、各种招聘信息、毕业生求职信息等信息化要素的相互作用，实现大学生完成就业。但目前我国就业信息化建设依然存在很多不足，主要有一下几点：
(1)信息整合程度低、信息利用率低下。目前已有的就业信息平台数量很多，各种就业平台发布的信息数量非常巨大，但信息分布松散，整合程度较低。比如，同一岗位的招聘信息，可能会在多个不同的招聘网站上看到，求职者需要到多个求职网站去搜寻。这就增加了求职者获得求职信息的时间成本，导致信息利用率低下。
(2)信息化建设视野狭窄，平台之间联系不够，信息交流不足。政府部门在信息化建设统一规划方面做得不好，没有从高的层面进行部署，建设视野不够宽广。各个信息平台一叶障目，平台之间的联系不够紧密，最终导致了信息交流不足。
(3)信息平台功能不完善，不能更好服务就业工作。目前大部分的信息平台以发布就业信息为主，一些平台具备网络简历投递的功能，但这些对于实现求职者顺利就业是不够的。求职者需要通过信息化平台了解到当前就业形势、各行业就业现状、薪酬水平、地域差异、前景分析等信息，需要得到实时疑问解答，进行广泛交流，这些都是当前的信息平台所缺乏的功能。
(4)网络求职成功率不高。十几年来信息化建设促进了大学生就业工作的开展，越来越多的求职者在网上进行简历投递等求职活动，但不可否认的一个事实是招聘会、宣讲会、人才市场对于就业依然作用突出。调查显示，很多求职者认为网络对于求职的最大帮助是提供便捷、高效、廉价的就业信息，而网络招聘中简历投递成功率太低，所以求职者更愿意到招聘现场去求职，各地招聘现场的火爆状况就是很好的证明。这也说明了目前信息化对求职的帮助仍然处于较低的水平。
二、大数据时代的到来，为就业信息化建设提供了新的发展机遇
随着信息化技术的发展，家用电脑、智能手机、宽带技术、移动互联网、物联网等数据来源及数据承载方式的高速发展，全球的信息数据量出现了跨越式增长，信息大爆炸成了时代的特征，大数据时代已经正式到来[1]。
大数据(big data， mega data)，或称巨量资料，指的是需要新处理模式才能具有更强的决策力、洞察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]。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)这样的捷径，而采用所有数据进行分析处理。大数据的特点可以概括为4V：Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)。大数据最核心的价值就是在于对于海量数据进行存储和分析。大数据技术可以从各种各样类型的数据中，快速获得有价值的信息。
利用大数据技术可以解决目前就业信息化建设中存在的种种不足，进一步加强就业信息化建设，更好帮助大学毕业生就业。
(1)加强预测分析，更好开展就业指导工作，加强就业针对性。大数据技术通过对国内国际形势、当前经济发展、过往就业信息、地域信息等大量数据进行分析，预测就业形势、各行业就业前景、薪酬水平、地域竞争状况、行业前景等能内容进行分析，给出可靠的预测数据，便于政府就业指导部门更好安排部署就业工作;企业可以合理安排招聘岗位，选择适合的'求职者，避免员工频繁跳槽现象，节约招聘成本;高校可以更好地开展大学生就业指导工作，大学毕业生根据自己专业、兴趣、爱好、特长、个人发展规划，有针对性地明确求职目标，进行充分的求职准备。这些能加强各方面开展就业工作的针对性。
(2)高度整合信息，紧密联系信息平台，加强信息交流，提高信息利用效率。通过对大量信息的收集和分析，大数据平台可以完成信息的高度整合，使各个信息平台紧密联系在一起，平台之间的信息可以实现快速交流，大幅度提高信息利用效率。在大数据的帮助下，求职者搜寻求职信息时，重复的信息可以自动合并，同一类信息可以全部展现，信息获取效率得以提高;求职者的简历、求职信等求职信息可以储存在云端，在需要时随时可用于不同的网络招聘，这样求职者可以省去大量重复写简历的时间;通过大数据综合分析，网络上的虚假招聘信息可以迅速被识别剔除，信息审核得以强化，避免求职者上当受骗。
(3)完善信息平台功能，扩展信息平台种类，提高网络求职成功率。大数据技术可以进一步完善各信息平台的功能。信息平台将不仅仅提供求职信息，还会增加就业分析预测、实时交流、就业指导、网络简历投递和筛选、视频面试等功能。
随着大数据技术的发展，信息的传播已经不只是依赖电脑，智能手机、便携平板电脑、智能穿戴设备都成了信息传播媒介，信息平台也不再局限于互联网网站，QQ、微信、微博等实时交流工具和各种APP应用也成了新的信息平台，更加方便、快捷地发挥作用，借助于这些平台，求职者可以随时、随地进行信息浏览、投递简历、疑难询问、交流沟通等，企业HR可以随时发布信息、筛选简历、疑问解答、视频面试等，极大地提高求职的便捷性和成功率。
总而言之，大数据时代的到来，为以后的就业信息化建设提供了新的发展机遇和发展思路，充分利用大数据技术的各种优点和优势，就业信息化建设将更好服务于就业工作。
参考文献：
[1] 张亮. 大数据时代下的大学生就业指导工作研究[J]. 石家庄职业技术学院学报， ， 26 ( 6)： 60-62.
[2] 杨旭， 汤海京， 丁刚毅. 数据科学导论[M]. 北京理工大学出版社， 2014.
3月11日下午两节课后，我校全体教师和受邀而来的金南学区各友好学校的领导及教师汇聚于多媒体教室，共同分享、交流《大数据时代》读后感。
老师们从：何谓大数据；立足国情对大数据进行探讨；大数据在教育教学中的主要应用等几个方面畅谈了自己的感悟。
张萌老师说：大数据体量庞大、结构复杂、是产生巨大价值的数据集合。大数据这种方法在中国的国情下需要以更加科学、合适的方式进行实践，不可生搬硬套。
董译雯老师说：在你我感叹《大数据时代》里深植于美国民众血液中的自由、民主、严谨的价值观的同时，可否想过中国教育体制下的孩子们身上还残留多少独立与自我意识？作为典型的八零后，我们这一代人身上最缺失的便是独立思考能力。但愿，我的学生哪怕是因为我所做的一点点努力而开始思考“我”这个字的含义，足矣！
张红杰老师说：很感谢校长给我们推荐了《大数据时代》这本书。在教学工作中，应该有大数据意识，创新意识。学习一些专业的教学统计法、数据分析法，从中发现一些教育现象，并采取相应的策略。让我们的教育教学工作少一些随意和盲目，多一份严谨与科学。
白媛媛老师通过文中的三个事例，结合教学实际，谈了自己教学中对数据使用的价值；结合自己的工作，谈了如何实现工作的最高境界。
交流活动尾声，身为阅读《大数据时代》的倡议者、发起者、以及忠实的读者韩校长幽默风趣的同大家分享了他读后的感悟：我们心中要装着学校，因为我们个人的命运依赖群体的命运；工作要追求精细化，不能做胡适书中的“差不多”先生；尊重数据，拥有数据意识，建立数据团队！
此次活动从寒假期间倡导读《大数据时代》一书，到开学伊始的分组沙龙，再到今日的阅读共享，现已圆满告一段落。相信此次活动定会增强我校全体教师的数据意识，掌握大数据，运用大智慧助推我校的教育教学上一个新的台阶！
读完《大数据时代》，我才意识到这并不是一本枯燥无味的书籍。作者运用案例和讲故事的方式，把美国数据开放、收集、使用背后的立法故事、公民故事、技术故事、商业故事娓娓道来，引人入胜，令我大开眼界。
我在想，大数据概念对于教育来说会产生什么样的实用价值呢？一直以来，中国教育在研究教育的数字化，比如数字化校园，这个思路就是把我们教育的内容进行数字化，其结果指向的就是电子教材的研发或者是教学过程的数字化。美其名曰，这是教育技术的重要内涵。在教学过程中，学生的行为表现都可以被数据化，而这项研究不是任何一个专业可以深入下去的，它的专业性太强，所以我才会想到，所谓教育技术与其研究教育的数字化，不如研究教育的数据化来得实在，来的有意义。长期以来，我们并不了解教育对一个人的影响具体会如何表现，我们有的只是一个轮廓，我们也并不确定一个教师的行为对学生具体产生了哪些影响。所以，人们对教育一直有一个深深的质疑，它是不是科学的？大数据概念至少提出了关注“是什么”比“为什么”要有实际意义得多。而我们的教育恰好需要把注意力从“为什么”转移到“是什么”上面来，只有如此，才能把教育从为什么发展成“可能成为什么”上来，这会是一次思想上的革命。而对于现在地位岌岌可危的教育技术来说，把研究的重点从数字化转移到数据化上面，这才是它的出路。
如何将数据融入教学，教育者首先通过标准化全科教学处方，实现了教师授课模板和教学内容的标准化，保证每个教学过程和内容是可控的，然后结合每天的教学内容，处理好面对的数据，处理好数据，自然也就处理好了课堂的反馈，最终形成了既注重教学体验又以教学结果为导向的教学体系。
与此同时，不仅要注重课上的学生资源，在课后还要对这些资源进行跟踪处理。这与过去的教育教学显然是不同的，面对大数据时代的到来，教学有所改变是必然的。所以，无论环境怎么变换，数据如何复杂，我们都不能不去改变自己的教学去迎合将来的这个大数据时代。
“除了上帝，任何人都必须用数据来说话。”――这是《大数据时代》中出现的让人印象深刻的一句话，也是全书力图传递的信息。在数字信息时代，数据和空气一样遍布生活，对于有些人来说，数据无意义，而对于有些人来说，数据，即真相。
美国是《大数据时代》的主角，全书通过讲述美国半个多世纪信息开放、技术创新的历史，公共财政透明的曲折、《数据质量法》背后的隐情、全民医改法案的波澜、统一身份证的百年纠结、街头警察的创新传奇、美国矿难的悲情历史、商务智能的前世今生、数据开放运动的全球兴起，Web3・0与下一代互联网的未来图景等等，为读者一一细解数据创新给公民、政府、社会带来的种种挑战和变革。
透过全书，一个立体的美国及美国人民的思想呈现在我们面前――美国人民执著于个人隐私的保护，却又不遗余力地推动着政府信息的透明与公开。
读完此书，对生活中的数据及数据处理突然有了很大的兴趣。如果有一天，处处以数据说话，那么，政治、制度、生活将更加清明，事故、将降到最低点。
作为信息技术教师，是有必要阅读此书的！有慧根的教师将能从书中挖掘出信息技术特有的.文化以及能用于教学的鲜活案例。
每天能用来阅读的时间很少，总是要等到夜深疲倦时才有空打开书本，总是在眼睛极不舒服的情况下坚持阅读，《大数据时代》就这样在坚持中溶入我的思想。
去年的“云计算”炒得热火朝天的，今年的“大数据”又突袭而来。仿佛一夜间，各厂商都纷纷改旗换帜，推起“大数据”来了。于是乎，各企业的CIO也将热度纷纷转向关注“大数据”来了。有一张来自《程序员》微博的漫画很形象.我觉得这张图，很真实地反映了现实中小企业云计算，大数据的现状。
不过话又还得说回来，《大数据时代》是本好书。
当然，很多IT知名人士也大力推荐，写了好多读后感来表述对这本书的喜欢没看此书之前，对所谓大数据的概念基本上是一头雾水，虽则有了解关注过现在也比较火热的BI，觉得也差不多，可能就是更多的数据，更细致的数据分析与数据挖掘。看过此书后，感觉到之前的想法，只能算是中了一小半吧---巨量的数据，而另一前：着眼于数据关联性，而非数据精确性，或许才是大数据与现时BI最大的不同，不仅仅是方法，更多的时思想方法。不过坦白讲，到底是数据的关联性重佳，还是数据的精确性更好，还真的需要时间来检验一下，至少从现在的数据分析方法来论，更多的倾向于数据的精确性。看完此书，我心中的一些问题：
1什么是大数据?
查了查百度百科，是这样定义的：大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，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。 大数据的4V特点：Volume、Velocity、Variety、Veracity--这个好像是IBM的定义吧。
以个人的观点来看：数据海量，存储海量 都是大数据的基本原型吧。
2.大数据适合什么样的企业?
诚然，大数据的前提是海量的数据，只有拥有巨量的数据资源，方能从中查找出数据的关联性，才可以让通过专业化的处理，让其为企业产生价值。针对电信运营，互联网应用这样海量用户的数据的大企业，也是在应用大数据的道路上拥有得天独厚的条件，但是针对中小企业呢?销售订单数据?若非百年老店，估计数据也是少得可怜，5，能用的可能只有消费者数据了吧。貌似大多数厂商，用来举例的也就是消费都购买行为分析为最多。同样，在公共事业类的政府机构，大数据的作用也许也能很好的发挥。反而感觉在大多数中小型企业应用大数据，似乎有点大题小作。书中说：大数据是企业竞争力。诚然，数据是一个企业的核心无形资源(利用得好的话)，但是否所有的数据，或都换则方式说：所有的企业都以大数据为竞争力，是否真的合适么?是否在中小企业中，会显示得小题大做呢?
3.大数据带来的影响
当一波又一波的IT技术热潮源源不断地向我们铺面而来的时候，你甚至都没有做好准备，你都要开始迎接它所给你带来的影响了。经过物联网，云计算的推波助澜下，大数据开始登场了。但它到底给我们带来了什么呢?
1)预测未来 书中以Google成功预测了未来可能发生流感的案例来开篇，表明通过大数据的应用，可以为我们的生活起一个保驾护航的指向标。实质很简单，技术改变世界。
2)变革商业 大数据所带来的商机，同时会衍生出一系列与大数据相关的商业机遇与商业模式，数据的潜在价值会源源不断地发挥作用 可以容易想到的是未来有专门的数据收集，数据分析，数据生成的一条数据产业链产生。影响最大的，当然是IT公司
3)变革思维 书中所说：因为有海量的数据作基础，未来，我们可能更关注数据的相关，而非精细度。对这条，本人还是持保留意见的。
第一部分是大数据的思维变革，作者舍恩伯格提出了三个观点，一是“不是随机样本，而是全体数据”，二是“不是精确性，而是混杂性”，三是“不是因果关系，而是相关关系”，作者被誉为“大数据时代的预言家”，抛出的观点是掷地有声的，下面我将谈谈我对这三点的理解。
对于一，我们必须承认我们以往做的处理抽样数据得到结果的方法，是省时省力省钱的，而且判断结果是相对高精准的，如人口普查这一案例，如果采用全体数据进行统计分析的话，工作难度是相当大的，最后的结果也不会很满意，这是得不偿失的。但是随着数据处理技术的飞速发展，我们已经具备了处理大量数据的能力，如果在数据分析过程中采用全体数据，就能避免抽样数据可能由于选取偏见带来的非随机性，处理全体数据也必将成为一种趋势。用在国防生管理工作中，就是管理层要对每个个体都给予充分的关心与互动，对于优秀的固然要偏爱，但是对于较差的也要保持“不抛弃不放弃”的态度，让每一个个体都找到自己的定位与价值。
对于二，作者强调通过掌握更多的数据，暂时牺牲精确性，关注更多容易被忽略的细节，来做更多的事，得到更多的结果，也就是说我们要有一定的包容错误的能力。我们在收集数据时，要主动获取更多的数据，少加一些限制性条件，然后应用我们处理大数据的能力，或许会获得意想不到的结果。作者举了一个谷歌翻译系统的例子，通过英语作为中转，进行各语言之间的转换。此处的启发就是用我们最擅长的途径，不拘泥于特定规则，来达到我们的目的，也就是说我们要先认清自己，不去刻意的.模仿，找出最适合自己的一套方法。
对于三，作者指出知道“是什么”就够了，没必要知道“为什么”，乍一看这个观点觉得有点无脑，但是结合第二点就合理了，降低对精确性及原因结果的要求，通过对相关数据的广泛分析，进而得到更丰富更多元的结果。如购物时，系统的购物推荐，并不是肯定你会购买，仅仅是你感兴趣进而可能会买就足够了。其实作者对“相关关系”的强调，主要是大数据强大的预测能力，而且这种预测性能还是相当精确的。以上只是我用作者的观点佐证他自己的观点，证明其一定的合理性，但是我是不完全认同的，在航天领域，我们对成功率的要求是极高的，尤其是载人航天领域，我们必须做到万无一失，我们对每一个结果都会深究其根，找出原因。对于国防生体能成绩的分析也是如此，结果只是我们的一个评价机制，而最重要的还是产生这一结果的原因及过程。
第三部分是大数据的管理变革，本来以为作者会讲点如何通过大数据来改革管理机制和提高管理效率，没想到作者只是讲了大数据其实就是我们的隐私的暴露，提出了要让数据采集管理公司对数据的使用负起责任的解决途径。个人感觉，一是我们在平时要意识到个人隐私的保护，而是相关法律政策的完善，真正的让大数据服务我们的工作生活，而不是一种变相的威胁。
读完《大数据时代》这本书后，我意识到：我们即将或正在迎接由书面到电子的跳跃之后的又一重大变革。
这本书介绍了大数据时代来临后，接踵而至的三项变革――商业变革、管理变革和思维变革。
其实，这场变革已经打响。商业领域由于大数据时代的到来而推陈出新。前几年，一家名为Farecast的公司，让预订到更优惠的机票价格不再是梦想。公司利用航班售票的数据来预测未来机票价格的走势。现在，使用这种工具的乘客，平均每张机票可以省大约50美元，这就是大数据给人们带来的便利。
大家应该都知道出现的H1N1型流感，就拿美国为例，疾控中心每周只进行一次数据统计，而病人一般都是难以忍受病痛的折磨才会去医院就诊，因此也导致了信息的滞后。然而，对于飞速传播的疾病，Google公司却能及时地作出判断，确定流感爆发的地点，这便是基于庞大的数据资源，可见大数据时代对公共卫生也产生了重大的影响！
在我看来，如果想在在大数据时代里畅游，不仅要学会分析，而且还要能够大胆地决断。
在美国，每到七、八月份时，正是台风肆虐之时，防涝用品也摆上了商品货架。沃尔玛公司注意到，每到这时，一种蛋挞的销售量较其他月份明显增加。于是，商家作了大胆的推测，出现这样的结果源于两种物品的相关性，便将这种蛋挞摆在了防涝用品的旁边。这样的举措大大增加了利润，这就是属于世界头号零售商的大数据头脑！
大数据时代的到来，可以让我们的生活更加便利。但是，如果让大数据主宰一切，也存在一定的风险。
大家应该都知道电子地图，它可以为人们指引方向。但大家应该还不知道，它会默默地积累人们的行程数据，通过智能分析可以推断出哪里是自己的家，哪里是工作单位。我们的隐私就这样被不为人知地收集着。
大数据时代的到来，让我们的生活更安全，更方便，但与此同时，我们的隐私不再是隐私，数据的收集变得无所不包、无孔不入。世界已经向大数据时代迈进了一小步，一个崭新的时代正向我们走来。让我们用知识武装大脑，做好准备，迎接新时代的到来！
去年的“云计算”炒得热火朝天的，今年的“大数据”又突袭而来。仿佛一夜间，各厂商都纷纷改旗换帜，推起“大数据”来了。于是乎，各企业的CIO也将热度纷纷转向关注“大数据”来了。有一张来自《程序员》微博的漫画很形象。我觉得这张图，很真实地反映了现实中小企业云计算，大数据的现状。
不过话又还得说回来，《大数据时代》是本好书。
当然，很多IT知名人士也大力推荐，写了好多读后感来表述对这本书的喜欢没看此书之前，对所谓大数据的概念基本上是一头雾水，虽则有了解关注过现在也比较火热的BI，觉得也差不多，可能就是更多的数据，更细致的数据分析与数据挖掘。看过此书后，感觉到之前的想法，只能算是中了一小半吧―。巨量的数据，而另一前：着眼于数据关联性，而非数据精确性，或许才是大数据与现时BI的不同，不仅仅是方法，更多的时思想方法。不过坦白讲，到底是数据的关联性重佳，还是数据的精确性更好，还真的需要时间来检验一下，至少从现在的数据分析方法来论，更多的倾向于数据的'精确性。
看完此书，我心中的一些问题：
1、什么是大数据？
查了查百度百科，是这样定义的：大数据（bigdata），或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，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。大数据的4V特点：Volume、Velocity、Variety、Veracity这个好像是IBM的定义吧。
以个人的观点来看：数据海量，存储海量都是大数据的基本原型吧。
2、大数据适合什么样的企业？
诚然，大数据的前提是海量的数据，只有拥有巨量的数据资源，方能从中查找出数据的关联性，才可以让通过专业化的处理，让其为企业产生价值。针对电信运营，互联网应用这样海量用户的数据的大企业，也是在应用大数据的道路上拥有得天独厚的条件，但是针对中小企业呢？销售订单数据？若非百年老店，估计数据也是少得可怜，能用的可能只有消费者数据了吧。貌似大多数厂商，用来举例的也就是消费都购买行为分析为最多。
同样，在公共事业类的政府机构，大数据的作用也许也能很好的发挥。反而感觉在大多数中小型企业应用大数据，似乎有点大题小作。书中说：大数据是企业竞争力。诚然，数据是一个企业的核心无形资源（利用得好的话），但是否所有的数据，或都换则方式说：所有的企业都以大数据为竞争力，是否真的合适么？是否在中小企业中，会显示得小题大做呢？
3、大数据带来的影响
当一波又一波的IT技术热潮源源不断地向我们铺面而来的时候，你甚至都没有做好准备，你都要开始迎接它所给你带来的影响了。经过物联网，云计算的推波助澜下，大数据开始登场了。但它到底给我们带来了什么呢？
1）预测未来书中以Google成功预测了未来可能发生流感的案例来开篇，表明通过大数据的应用，可以为我们的生活起一个保驾护航的指向标。实质很简单，技术改变世界。
2）变革商业大数据所带来的商机，同时会衍生出一系列与大数据相关的商业机遇与商业模式，数据的潜在价值会源源不断地发挥作用可以容易想到的是未来有专门的数据收集，数据分析，数据生成的一条数据产业链产生。影响的，当然是IT公司
3）变革思维书中所说：因为有海量的数据作基础，未来，我们可能更关注数据的相关，而非精细度。对这条，本人还是持保留意见的。
如今说起新媒体和互联网，必提大数据，似乎不这样说就OUT了。而且人云亦云的居多，不少谈论者甚至还没有认真读过这方面的经典著作――舍恩佰格的《大数据时代》。维克托・迈尔舍恩伯格何许人也？他现任牛津大学网络学院互联网研究所治理与监管专业教授，曾任哈佛大学肯尼迪学院信息监管科研项目负责人。他的咨询客户包括微软、惠普和IBM等全球企业，他是欧盟互联网官方政策背后真正的制定者和参与者，他还先后担任多国政府高层的智囊。这位被誉为：大数据时代的。预言家“的牛津教授真牛！那么，这位大师说的都是金科玉律吗？并不一定，读大师的作品一定要做些功课才好读懂，才能能与之进行一场思想上的对话。
舍恩伯格分三部分来讨论大数据，即思维变革、商业变革和管理变革。
在第一部分”大数据时代的思维变革“中，舍恩伯格旗帜鲜明的亮出他的三个观点：
一、更多：不是随机样本，而是全体数据。
二、更杂：不是精确性，而是混杂性。
三、更好：不是因果关系，而是相关关系。对于第一个观点，我不敢苟同。
一方面是对全体数据进行处理，在技术和设备上有相当高的难度。另一方面是不是都有此必要，对于简单事实进行判断的数据分析难道也要采集全体数据吗？
我曾与香港城市大学的祝建华教授讨论过。祝教授是传播学研究方法和数据分析的专家，他认为一定可以找到一种数理统计方法来进行分析，并不一定需要全部数据。联系到舍恩伯格第二个观点中所说的相关关系，我理解他说的全体数据不是指数量而是指范围，即大数据的随机样本不限于目标数据，还包括目标以外的所有数据。我认为大数据分析不能排除随机抽样，只是抽样的方法和范围要加以拓展。
我同意舍恩伯格的第二观点，我认为这是对他第一个观点很好的补充，这也是对精准传播和精准营销的一种反思。”大数据的简单算法比小数据的复杂算法更有效。“更具有宏观视野和东方哲学思维。对于舍恩伯格的第三个观点，我也不能完全赞同。”不是因果关系，而是相关关系。“不需要知道”为什么“，只需要知道”是什么“。传播即数据，数据即关系。在小数据时代人们只关心因果关系，对相关关系认识不足，大数据时代相关关系举足轻重，如何强调都不为过，但不应该完全排斥它。大数据从何而来？为何而用？如果我们完全忽略因果关系，不知道大数据产生的前因后果，也就消解了大数据的人文价值。如今不少学者为了阐述和传播其观点往往语出惊人，对旧有观念进行彻底的否定。
世间万物的复杂性多样化并非非此即彼那么简单，舍恩伯格也是这种二元对立的幼稚思维吗？其实不然，读者在阅读时一定要看清楚他是在什么语境下说的，不要因囫囵吞枣的浅读而陷入断章取义的误读。比如说舍恩伯格在提出”不是因果关系，而是相关关系。“这一论断时，他在书中还说道：”在大多数情况下，一旦我们完成了对大数据的相关关系分析，而又不再满足于仅仅知道‘是什么’时，我们就会继续向更深层次研究的因果关系，找出背后的‘为什么’。“[i]由此可见，他说的全体数据和相关关系都在特定语境下的，是在数据挖掘中的选项。
大数据研究的一大驱动力就是商用，舍恩伯格在第二部分里讨论了大数据时代的商业变革。舍恩伯格认为数据化就是一切皆可”量化“，大数据的定量分析有力地回答”是什么“这一问题，但仍然无法完全回答”为什么“。因此，我认为并不能排除定性分析和质化研究。数据创新可以创造价值，这是毫无疑问的。舍恩伯格在讨论大数据的角色定位时仍把它置于数据应用的商业系统中，而没有把它置于整个社会系统里，但他在第二部分大数据时代的管理变革中讨论了这个问题。
在风险社会中信息安全问题日趋凸显。如何摆脱大数据的困境？舍恩伯格在最后一节”掌控“中试图回答，但基本上属于老生常谈。我想，或许凯文・凯利的《失控》可以帮助我们解答这个问题？至少可以提供更多的思考维度。正如舍恩伯格在结语中所道：”大数据并不是一个充斥着算法和机器的冰冷世界，人类的作用依然无法被完全替代。大数据为我们提供的不是最终答案，只是参考的答案，帮助是暂时的，而更好的方法和答案还在不久的未来。“谢谢舍恩伯格！让大数据讨论从自然科学回到人文社科。由此推断，《大数据时代》不是最终答案，也不是标准答案，只是参考的答案。
此外，在阅读此书之前还必须具备一些数据科学的基本知识和基本概念，比如说什么叫数据？什么叫大数据？数据分析与数据挖掘的区别，数字化与数据化有什么不同？读前做些功课读起来就比较好懂了。
3月11日下午两节课后，我校全体教师和受邀而来的金南学区各友好学校的领导及教师汇聚于多媒体教室，共同分享、交流《大数据》读后感。
老师们从：何谓大数据；立足国情对大数据进行探讨；大数据在教育教学中的主要应用等几个方面畅谈了自己的感悟。
张萌老师说：大数据体量庞大、结构复杂、是产生巨大价值的数据集合。大数据这种方法在中国的国情下需要以更加科学、合适的方式进行实践，不可生搬硬套。
董译雯老师说：在你我感叹《大数据》里深植于美国民众血液中的自由、民主、严谨的价值观的同时，可否想过中国教育体制下的孩子们身上还残留多少独立与自我意识？作为典型的八零后，我们这一代人身上最缺失的便是独立思考能力。但愿，我的学生哪怕是因为我所做的一点点努力而开始思考“我”这个字的含义，足矣！
张红杰老师说：很感谢校长给我们推荐了《大数据》这本书。在教学工作中，应该有大数据意识，创新意识。学习一些专业的教学统计法、数据分析法，从中发现一些教育现象，并采取相应的策略。让我们的教育教学工作少一些随意和盲目，多一份严谨与科学。
白媛媛老师通过文中的三个事例，结合教学实际，谈了自己教学中对数据使用的价值；结合自己的工作，谈了如何实现工作的最高境界。
交流活动尾声，身为阅读《大数据》的倡议者、发起者、以及忠实的读者韩校长幽默风趣的同大家分享了他读后的感悟：我们心中要装着学校，因为我们个人的命运依赖群体的命运；工作要追求精细化，不能做胡适书中的“差不多”先生；尊重数据，拥有数据意识，建立数据团队！
此次活动从寒假期间倡导读《大数据》一书，到开学伊始的分组沙龙，再到今日的阅读共享，现已圆满告一段落。相信此次活动定会增强我校全体教师的数据意识，掌握大数据，运用大智慧助推我校的教育教学上一个新的台阶！
《大数据时代》，作者是被誉为“大数据时代的预言家”维克托。迈尔―舍恩伯教授和肯尼思。库克耶。此书是在大数据方兴未艾、众说纷纭的时刻，进一步阐述和厘清大数据的基本概念和特点。
人类历史长河中，即使是在现代社会日新月异的发展中，人们还主要依赖抽样数据、局部数据和片面数据，甚至在无法获得实证数据的时候纯粹依赖经验、理论、假设和价值观去发现未知领域的规律。因此，人们对世界的认识往往是表面的、肤浅的、简单的、扭曲的或者是无知的。维克托指出，大数据时代的来临使人类第一次有机会和条件，在非常多的领域和非常深入的层次获得和使用全面数据、完整数据和系统数据，深入探索现实世界的规律，获取过去不可能获取的知识，得到过去无法企及的商机。
本书从思维变革、商业变革及管理变革三部分阐述大数据时代已经来临；列举了众多在公共卫生、商业服务领域大数据变革的例子。比如：在思维变革部分，以UPS与汽车修理预测为例，证明知道“是什么”就够了，没必要知道“为什么”；在大数据时代，我们不必非得知道现象背后的原因，而是要让大数据自己“发声”：UPS国际快递公司从2000年就开始使用预测性分析来检测自己全美60000辆车规模的车队，这样就能及时的进行防御性的修理。之前UPS每两三年就会对车辆的零件进行定时更换，但这种方法不太有效，因为有的零件并没有什么毛病就被换掉了。通过检测车辆的各个部位，UPS如今只需要更换需要更换的零件，从而节省了好几百万美元，这就是通过找出新种类数据之间的相互联系来解决日常需要。这种方式完成可以应用于我们石油石化行业，我们的大量生产装置及设备，在建立日常的关键部位检测机制基础上，形成大量的数据信息，通过对这些数据的科学分析，判断出需要检修或更换的零件，从而有效降低运营成本。
当我们一旦“不再追求精确度，不再追求因果关系，而是承认混杂性，探索相关关系”，“思维转变过来，数据就能巧妙的用来激发新产品和新型服务”。数据正成为巨大的经济资产，成为新世纪的矿产与石油，将带来全新的创业方向、商业模式和投资机会。
近年来，伴随着经济社会快速发展、深度调整，石油石化产业变革加剧，面临的四大革命中其中一项就是“数字革命”。因此我们必须牢牢把握数字革命发展大势，加强数据治理和大数据分析应用，提高企业生产运行与管理水平，拥抱大数据时代的来临。
★ 大数据时代读后感
