數據時代依靠什麼

A. 數據時代的大數據思維特徵,主要有哪些

1、大數據思維的整體性

近年來，我們進入大數據時代的同時，一定程度上帶動著大數據思維由一元思維升級至二元思維，現在根據人類思維的轉變模式進行分析，其依然進行至多元思維狀態，即追求和諧穩定社會的模式。但是研究大數據思維的發展進程發現，大數據的二元思維模式是一種高效率並適合現今社會發展的思維模式，其追求效率性、相關性、概率性，為創新發展提高了效率。

根據當下社會的需求及其社會的快節奏發展，大數據思維已然在各領域發展處於主導地位，由其基本特徵層面分析，大數據思維主要特徵為整體性。整體性的理論基礎在於人類認識世界的能力在自然觀中的不斷變革而體現，現今社會通過人類對於整體數據的整合及分析能力進行體現。

2、大數據思維的互聯性

相對微觀層面分析大數據思維特徵，較為典型的為切合現今社會及科技發展的量化互聯思維，量化為具體或明確目標的一種表述。而互聯代表著兩種事物間的連接，其作為大數據思維微觀層面的一種表達方式，更加說明大數據思維的重要性。知名投資人孫正義對於大數據時代的發展提出：“要麼數字化，要麼死亡。”直接地表達出大數據思維目前所處的地位。

研究發現，數字信息成為時代發展的代表已成為必然趨勢，而量化思維為數字化特徵帶來的必然思維結果。換言之，量化可以解釋為共性語言描述和解釋世界的一種方式。

3、大數據思維的價值性

由大數據思維的本質進行分析，大數據思維具有價值化特徵。大數據時代信息的不斷整合及分析已然使得信息及數據量化及互聯轉變為多維度的發展狀態。

換句話說，大數據思維滲透至各個領域及行業的不同維度是大數據發展的初始動機和直接目的，現今社會看待其價值化特徵將其價值性總結為大數據思維的本質，同時，萬物的量化互聯性及其整體性使得其價值性影響了多維度的發展，由此凸顯了數據及大數據思維的創造性及重要性。

關於數據時代的大數據思維特徵,主要有哪些，青藤小編就和您分享到這里了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。

以上是小編為大家分享的關於數據時代的大數據思維特徵,主要有哪些?的相關內容，更多信息可以關注環球青藤分享更多干貨

B. 現在總說大數據時代，到底是什麼意思，指的是什麼。對我們的生活會有多大影響，詳解

大數據可以簡單理解為：

"大數據"是一個體量特別大，數據類別特別大的數據集，並且這樣的數據集無法用傳統資料庫工具對其內容進行抓取、管理和處理。簡單的說就是超級存儲，海量數據上傳到雲平台後，大數據就會對數據進行深入分析和挖掘。

進一步簡單的說，大數據基本要具備以下三點：

1）有海量的數據；

2）有對海量數據進行挖掘的需求；

3）有對海量數據進行挖掘的技術和工具（比如常見的有hadoop、spark等）。

用這些數據做：數據採集、數據存儲、數據清洗、數據分析、數據可視化

大數據的應用對象可以簡單的分為給人類提供輔助服務，以及為智能體提供決策服務。

大數據不僅包括企業內部應用系統的數據分析，還包括與行業、產業的深度融合。具體場景包括：互聯網行業、政府行業、金融行業、傳統企業中的地產、醫療、能源、製造、電信行業等等。通俗地講「大數據就像互聯網+，可以應用在各行各業"，如電信、金融、教育、醫療、軍事、電子商務甚至政府決策等。

C. 在大數據時代，數據擁有者的商業模式有哪些

在大數據成為趨勢，成為國家戰略的今天，如何最大限度發揮大數據的價值成為人們思考的問題。無論是對於互聯網企業、電信運營商還是數量眾多的初創企業而言，大數據的變現顯得尤為重要。誰最先一步找到密碼，誰就能夠搶占市場，贏得發展。在探索大數據商業模式的同時，大數據正加速在各行各業的應用，大數據不僅為人們的購物、出行、交友提供了幫助，甚至還在高考這樣重要的事件中發揮作用。

大數據產業具有無污染、生態友好、低投入高附加值特點，對於我國轉變過去資源因素型經濟增長方式、推進「互聯網+」行動計劃、實現國家製造業30年發展目標有戰略意義。前幾年，國內大數據產業討論較多、落地較少，商業模式處於初探期，行業處於兩種極端：一種是過熱的浮躁帶來了一定的泡沫和產業風險；一種是懷疑大數據只是炒作，依然堅持傳統管理理念、經營模式。但是進入2015年之後，大數據產業告別了泡沫，進入更務實的發展階段，從產業萌芽期進入了成長期。當前，如何將大數據變現成為業界探索的重要方向。

B2B大數據交易所

國內外均有企業在推動大數據交易。目前，我國正在探索「國家隊」性質的B2B大數據交易所模式。

2014年2月20日，國內首個面向數據交易的產業組織—中關村大數據交易產業聯盟成立，同日，中關村數海大數據交易平台啟動，定位大數據的交易服務平台。2015年4月15日，貴陽大數據交易所正式掛牌運營並完成首批大數據交易。貴陽大數據交易所完成的首批數據交易賣方為深圳市騰訊計算機系統有限公司、廣東省數字廣東研究院，買方為京東雲平台、中金數據系統有限公司。2015年5月26日，在2015貴陽國際大數據產業博覽會暨全球大數據時代貴陽峰會上，貴陽大數據交易所推出《2015年中國大數據交易白皮書》和《貴陽大數據交易所702公約》，為大數據交易所的性質、目的、交易標的、信息隱私保護等指明了方向，奠定了大數據金礦變現的產業基礎。

咨詢研究報告

國內咨詢報告的數據大多來源於國家統計局等各部委的統計數據，由專業的研究員對數據加以分析、挖掘，找出各行業的定量特點進而得出定性結論，常見於「市場調研分析及發展咨詢報告」，如「2015～2020年中國通信設備行業市場調研分析及發展咨詢報告」、「2015～2020年中國手機行業銷售狀況分析及發展策略」、「2015年光纖市場分析報告」等，這些咨詢報告面向社會銷售，其實就是O2O的大數據交易模式。

各行各業的分析報告為行業內的大量企業提供了智力成果、企業運營和市場營銷的數據參考，有利於市場優化供應鏈，避免產能過剩，維持市場穩定。這些都是以統計部門的結構化數據和非結構化數據為基礎的專業研究，這就是傳統的一對多的行業大數據商業模式。

數據挖掘雲計算軟體

雲計算的出現為中小企業分析海量數據提供了廉價的解決方案，SaaS模式是雲計算的最大魅力所在。雲計算服務中SaaS軟體可以提供數據挖掘、數據清洗的第三方軟體和插件。

業內曾有專家指出，大數據=海量數據+分析軟體+挖掘過程，通過強大的各有千秋的分析軟體來提供多樣性的數據挖掘服務就是其盈利模式。國內已經有大數據公司開發了這些架構在雲端的大數據分析軟體：它集統計分析、數據挖掘和商務智能於一體，用戶只需要將數據導入該平台，就可以利用該平台提供的豐富演算法和模型，進行數據處理、基礎統計、高級統計、數據挖掘、數據制圖和結果輸出等。數據由系統統一進行管理，能夠區分私有和公有數據，可以保證私有數據只供持有者使用，同時支持多樣數據源接入，適合分析各行各業的數據，易學好用、操作界面簡易直觀，普通用戶稍做了解即可使用，同時也適合高端用戶自己建模進行二次開發。

大數據咨詢分析服務

機構及企業規模越大其擁有的數據量就越大，但是很少有企業像大型互聯網公司那樣有自己的大數據分析團隊，因此必然存在一些專業型的大數據咨詢公司，這些公司提供基於管理咨詢的大數據建模、大數據分析、商業模式轉型、市場營銷策劃等，有了大數據作為依據，咨詢公司的結論和咨詢成果更加有說服力，這也是傳統咨詢公司的轉型方向。比如某國外大型IT研究與顧問咨詢公司的副總裁在公開場合曾表示，大數據能使貴州農業節省60%的投入，同時增加80%的產出。該公司能做出這樣的論斷當然是基於其對貴州農業、天氣、土壤等數據的日積月累以及其建模分析能力。

政府決策咨詢智庫

黨的十八屆三中全會通過的《中共中央關於全面深化改革若乾重大問題的決定》明確提出，加強中國特色新型智庫建設，建立健全決策咨詢制度。這是中共中央文件首次提出「智庫」概念。

近幾年，一批以建設現代化智庫為導向、以服務國家發展戰略為目標的智庫迅速成立，中國智庫數量從2008年的全球第12位躍居當前第2位。大數據是智庫的核心，沒有了數據，智庫的預測和分析將為無源之水。在海量信息甚至泛濫的情況下，智庫要提升梳理、整合信息的能力必然需要依靠大數據分析。

研究認為，93%的行為是可以預測的，如果將事件數字化、公式化、模型化，其實多麼復雜的事件都是有其可以預知的規律可循，事態的發展走向是極易被預測的。可見，大數據的應用將不斷提高政府的決策效率和決策科學性。

自有平台大數據分析

隨著大數據的價值被各行各業逐漸認可，擁有廣大客戶群的大中型企業也開始開發、建設自有平台來分析大數據，並嵌入到企業內部的ERP系統信息流，由數據來引導企業內部決策、運營、現金流管理、市場開拓等，起到了企業內部價值鏈增值的作用。

在分析1.0時代，數據倉庫被視作分析的基礎。2.0時代，公司主要依靠Hadoop集群和NoSQL資料庫。3.0時代的新型「敏捷」分析方法和機器學習技術正在以更快的速度來提供分析結果。更多的企業將在其戰略部門設置首席分析官，組織跨部門、跨學科、知識結構豐富、營銷經驗豐富的人員進行各種類型數據的混合分析。

大數據投資工具

證券市場行為、各類指數與投資者的分析、判斷以及情緒都有很大關系。2002年諾貝爾經濟學獎授予了行為經濟學家卡尼曼和實驗經濟學家史密斯，行為經濟學開始被主流經濟學所接受，行為金融理論將心理學尤其是行為科學理論融入金融中。現實生活中擁有大量用戶數據的互聯網公司將其論壇、博客、新聞報道、文章、網民用戶情緒、投資行為與股票行情對接，研究的是互聯網的行為數據，關注熱點及市場情緒，動態調整投資組合，開發出大數據投資工具，比如大數據類基金等。這些投資工具直接將大數據轉化為投資理財產品。

定向采購線上交易平台

數據分析結果很多時候是其他行業的業務基礎，國內目前對實體經濟的電子商務化已經做到了B2C、C2C、B2B等，甚至目前O2O也越來越流行，但是對於數據這種虛擬商品而言，目前還沒有具體的線上交易平台。比如服裝製造企業針對某個省份的市場，需要該市場客戶的身高、體重的中位數和平均數數據，那麼醫院體檢部門、專業體檢機構就是這些數據的供給方。通過獲取這些數據，服裝企業將可以開展精細化生產，以更低的成本生產出貼合市場需求的服裝。假想一下，如果有這樣一個「大數據定向采購平台」，就像淘寶購物一樣，可以發起買方需求，也可以推出賣方產品，通過這樣的模式，外加第三方支付平台，「數據分析結論」這種商品就會悄然而生，這種商品不佔用物流資源、不污染環境、快速響應，但是卻有「供」和「需」雙方巨大的市場。而且通過這種平台可以保障基礎數據安全，大數據定向采購服務平台交易的不是底層的基礎數據，而是通過清洗建模出來的數據結果。所有賣方、買方都要實名認證，建立誠信檔案機制並與國家信用體系打通。

非營利性數據徵信評價機構

在國家將公民信息保護納入刑法范圍之前，公民個人信息經常被明碼標價公開出售,並且形成了一個「灰色產業」。為此，2009年2月28日通過的刑法修正案（七）中新增了出售、非法提供公民個人信息罪，非法獲取公民個人信息罪。該法條中特指國家機關或者金融、電信、交通、教育、醫療等單位的工作人員，不得將公民個人信息出售或非法提供給他人。而公民的信息在各種考試中介機構、房產中介、釣魚網站、網站論壇依然在出售，詐騙電話、騷擾電話、推銷電話在增加運營商話務量的同時也在破壞整個社會的信用體系和公民的安全感。

雖然數據交易之前是交易所規定的經過數據清洗的數據，但是交易所員工從本質上是無法監控全國海量的數據的。數據清洗只是對不符合格式要求的數據進行清洗，主要有不完整的數據、錯誤的數據、重復的數據三大類。因此，建立非營利性數據徵信評價機構是非常有必要的，將數據徵信納入企業及個人徵信系統，作為全國徵信系統的一部分，避免黑市交易變成市場的正常行為。

除了徵信評價機構之外，未來國家公共安全部門也許會成立數據安全局，納入網路警察范疇，重點打擊將侵犯企業商業秘密、公民隱私的基礎數據進行數據販賣的行為。

結語：

大數據已經從論壇串場、浮躁的觀點逐步走向國家治理體系建設、營銷管理、生產管理、證券市場等方面，其商業模式也多種多樣。市場經驗表明，存在買賣就存在商品經濟，具體哪種商業模式佔主流將由市場決定。而最終的事實將證明，大數據交易商品經濟必然成為「互聯網+」的重要組成部分。

D. 什麼是大數據時代

大數據時代是數據，已經滲透到當今每一個行業和業務職能領域，成為重要的生產因素。人們對於海量數據的挖掘和運用，預示著新一波生產率增長和消費者盈餘浪潮的到來。

「大數據」在物理學、生物學、環境生態學等領域以及軍事、金融、通訊等行業存在，卻因為來自互聯網和信息行業的發展而引起人們關注。

進入2012年，大數據（big data）一詞越來越多地被提及，人們用它來描述和定義信息爆炸時代產生的海量數大數據時代來臨據，並命名與之相關的技術發展與創新。

大數據時代已經上過《紐約時報》《華爾街日報》的專欄封面，進入美國白宮官網的新聞，現身在國內一些互聯網主題的講座沙龍中，甚至被嗅覺靈敏的國金證券、國泰君安、銀河證券等寫進了投資推薦報告。

(4)數據時代依靠什麼擴展閱讀：

大數據時代特徵：

1、數據量大（Volume）

第一個特徵是數據量大。大數據的起始計量單位至少是P（1000個T）、E（100萬個T）或Z（10億個T）。

2、類型繁多（Variety）

第二個特徵是數據類型繁多。包括網路日誌、音頻、視頻、圖片、地理位置信息等等，多類型的數據對數據的處理能力提出了更高的要求。

3、價值密度低（Value）

第三個特徵是數據價值密度相對較低。如隨著物聯網的廣泛應用，信息感知無處不在，信息海量，但價值密度較低，如何通過強大的機器演算法更迅速地完成數據的價值「提純」，是大數據時代亟待解決的難題。

4、速度快、時效高（Velocity）

第四個特徵是處理速度快，時效性要求高。這是大數據區分於傳統數據挖掘最顯著的特徵。

E. 大數據在未來生活中的運用

哈爾濱理工大學孫名松談大數據在高校智慧校園中的應用

摘要： 2月15日，哈爾濱理工大學軟體學院院長、教授孫名松在CIO時代APP微講座欄目作了題為《大數據在高校智慧校園中的應用》的主題分享，

關鍵詞：

CIO時代APP
微講座

一、小數據時代與大數據時代

「數據（data）」在拉丁文里的意思是「已知」，也可以理解為「存在」。所以「數據」就是「存在」，「大數據」就是「大存在」。研究大數據，就是研究大存在，亦即研究一切物質、一切行為、一切思想，以及人類自身。

數據充斥並改造著人們的生活、工作。數據化是指把現象轉變為可指標分析的量化形式的過程，其中包含對世界的梳理、理解，並形成可保存的經驗。計算和記錄共同促成了數據的產生，是數據化的根基。而數字化是把模擬數據轉換成0、1表示的二進制碼，方便人類使用現代技術對數據進行更好的處理。數據化是一種思想，數字化是一種手段；數據化古而有之，數字化方興未艾。

小數據時代依靠隨機采樣，其原則是以最少的數據獲得最多的信息。但如此，則無法了解一些微觀細節，不利於對某些特定子類進行分析。而「參差不齊是世界的本質」，細節缺失將會影響到對整個自然活動、人類活動的探索與研究。此外，隨機采樣以研究者的理論前提為設計基礎，只能對已遴選的問題進行解答，而難以慮及其他問題。也就是說小數據時代是以極其有限的信息面對有「偏見」的問題。

大數據時代，意味著將世界數據化，意味著世界的本質就是信息。世界不僅被看成一串事件的組合，更被看做信息的集合，數據的集合。這是世界觀的深刻變革：人類具備以往認識並處理事件的經驗而不盲從於經驗，人類採集「數據」但更明確「所見、所思、所得」皆為「數據」，我們生活在數據的海洋之中，我們自身即為數據。

以上，從小數據時代到大數據時代，伴隨或產生了以下幾種轉變與認識：

1、意識到「樣本」等於總體。用更大、更全、更綜合的態度來觀察、理解、關照世界。

2、大數據對於精確性的要求降低。在小數據時代，因為數據少，所以對數據的精確度要求非常之高，而當大量數據出現時或者要求數據量大時，必然需要接受數據的紛繁復雜。

3、要意識到數據錯誤並不是大數據的固有特性，而是需要處理的實際問題，該問題可能長期存在。

4、混雜絕不等於錯誤。混雜是大數據的常態，且應該是一種基本態和標准態。

5、大數據揭示了傳統樣本無法揭示的細節信息，大數據是通往「精準」處理的基本途徑。

6、大數據時代，不再熱衷於追求因果關系，而是試圖探尋不同事物之間的關系，在此基礎上找到可供觀察的關聯物，以進行預測。而預測，是大數據應用的核心所在。

7、相關關系被闡釋之後，可進行因果關系的分析。但是必須注意到，因果關系只是相關關系的特殊形式，因果關系在大數據時代已經不是解釋世界的基礎；相關關系是一種較為普通的存在，在大數據時代更容易被發掘，可以更高效地指導實踐，甚或隨著大數據的發展，以往的因果關系可能會被證偽，或被視為相關關系。

其中第1點是大數據對於認識論的改造；第2—5點體現了大數據時代與傳統時代對數據要求的迥然不同；第6和7點則是數據間邏輯關系的優先性的顛覆。從實踐的角度而言，第1點可以作為前提，第2—5點可以作為數據搜集與處理的准則，第6和7點或可作為數據解釋的指導方向。

二、大數據在高校智慧校園中的應用

2015年國家提出並制定了「互聯網+」行動計劃，將「互聯網+」上升到了國家戰略。「互聯網+」的提出必將給高校智慧校園建設增加新的內涵、注入新的動力。藉助「互聯網+」推動數字校園加速向智慧校園升級，充分利用雲計算、物聯網、移動互聯、大數據等一系列新技術、新理念、新模式，打造全新的大學智慧校園，有力支撐大學未來發展戰略，帶動人才培養及評價方式的創新、提升校務治理水平，提供多層次的個性化服務和智能化管理決策，大學智慧校園建設的核心內涵可以概括為「全面的環境感知、無縫的網路互通、彈性的雲生態圈、海量的數據支撐、開放的學習環境、個性化師生服務、智能化管理決策、高效的校務治理」。

高校在信息化進程中，產生了各類結構化和非結構化的數據，包括教學管理數據、教學資源數據、學生信息數據等，大到高校的治校方針策略，小到學生的日常消費，數據繁多，類型復雜。利用大數據技術對這些數據進行搜集、分析，轉化為高校管理與服務可利用的資源，將對智慧校園建設起到非常重要的作用。

下面舉例說明大數據技術在智慧校園中的應用。

1、綜合校情展示

對學校管理者而言，通過綜合校情分析展示，可以對學校的在校生情況（本科生、研究生）、課程情況、科研成果情況、獎助情況、就業情況、教工情況、教師分布、幹部情況、傢具情況、資產情況、房屋情況、排名情況、消費情況等方面進行直觀的了解和橫向縱向的對比。結合歷年數據變化規律可以為輔助決策提供依據。不同系統之間數據的關聯性或許能夠給管理者決策提供新的思路。

綜合校情展示主要包括基礎數據分析展示和行為數據分析展示。

基本數據分析：如招生數據分析、學生數據分析、畢業數據分析、教師數據分析、課程數據分析、成績數據分析、就業數據分析、高校資產數據分析等。

行為數據分析：學校食堂就餐情況分析、一卡通消費行為分析、上網行為分析、圖書借閱行為分析、圖書館使用時長、上網時長/流量和成績之間的相關性分析、重點人群群體的特徵刻畫分析和預警等等。

舉例說明：

（a）高校就業信息統計。從高校學生的畢業去向、就業單位、就業地區、就業行業、就業薪資等多維度進行統計分析，全面呈現高校就業情況，為高校就業辦發現學生就業規律、有針對性的進行學生就業指導提供支撐。

（b）教學信息統計分析。為校領導呈現了高校熱門課程排行、各院系開設課程統計和學生成績統計分析、掛科率分析，全面呈現學生在校期間的學習與成績分布，為指導高校課程開設、提高學生成績提供支撐。

（c）一卡通統計分析。展現了高校學生整體消費能力、消費偏好，為後勤部門了解學生餐飲、購物偏好，有針對性的提升服務水平提供支撐。

（d）各生源地消費能力。按照生源地統計該地區學生的消費能力，來詳細查看在某一段時間學生消費額和消費次數的統計。

（e）學校網路使用狀況分析和學生上網行為統計。通過對學生上網的地址進行統計、分析，結合其基礎的個人信息數據，可按不同的維度，比如性別、籍貫、院系等來統計出不同類別的人群，對於某類網站的使用頻率。如果記錄的日誌足夠詳細，甚至可以統計出學生在網上消費的喜好或偏向，對於後勤或學工等部門也是一個比較重要的參考。

應用到的相關技術有：數據關聯分析、多源數據整合、海量日誌數據處理、benchmark、指標體系建立、AgileBI、全文檢索引擎。

2、公共資源使用情況分析

對於高校而言，食堂就餐、體育場館、教室、圖書館、校醫院等各類公共資源有限，師生沒有很好的途徑獲知這些資源的服務能力情況，導致經常發生排隊、擁擠的情況，給師生學習、生活帶來了不好的體驗。隨著學校信息化的推進，各部門管理信息系統逐步建設並投入使用；隨著技術的發展，特別是物聯網和智能感知設備的出現，使數字校園智能服務成為了可能。

數據來源於一卡通消費、一卡通門禁、無線網、校園安全視頻監控等。

（a）食堂、澡堂人員密度狀況及建議各食堂、公共澡堂各時段就餐人員密度情況，各類人員（年級、籍貫、職稱等）就餐愛好、習慣等。

（b）教室使用狀況、人員密度、各時間段教室使用情況、教室人數等；基於無線網路進行考勤。

（c）會議場館、體育場館使用狀況及人員密度。為師生提供會議場館的可用性查詢，體育場館的使用情況（有課、無課等），以及人員密度發布。

（e）圖書館座位使用狀況及人員密度發布，提供圖書館座位空閑情況及圖書館內人數等。

（f）校內人員密度分布。根據學校無線網數據、安全視頻監控信息，識別學校人員熱力分布圖。

應用到的相關技術有：數據關聯分析、數據挖掘（聚類分析）、海量日誌數據處理、多源數據整合（日誌數據與結構化數據整合）、高速內存資料庫、分布式全文檢索引擎。

3、個人數據報告

面向校園師生用戶提供個性化數據服務，展現師生在校園內學習、消費、生活、健康等

方面的個人行為習慣以，幫助學生從嚴謹的數據分析更加了解自己，以及與他人的差異，幫助校園師生感受信息化帶來的人文關懷與改變。

數據來源自一卡通消費、圖書館門禁、圖書借閱系統、校園網路系統、體育場館門禁等。

（a）校園卡賬單及消費習慣分析報告；

（b）圖書館進出頻次、時長及借閱習慣分析報告；

（c）網路賬單及上網習慣分析報告；

（d）體育健身鍛煉學期報告。

通過高校官方微信號、APP進行手機推送，移動互聯網時代方便用戶及時閱讀、分享、傳播。

面向校園師生用戶提供個性化數據服務，展現師生在校園內學習、消費、生活、健康等方面的個人行為習慣以，幫助學生從嚴謹的數據分析更加了解自己，以及與他人的差異，幫助校園師生感受信息化帶來的人文關懷與改變。

應用到的相關技術有：數據關聯分析、數據挖掘（用戶畫像）、海量日誌數據處理、多源數據整合。

4、圖書館電子期刊資源使用效率分析

高校每年花費資金購買著名期刊論文集，為師生用戶提供便捷的文獻檢索和下載服務。圖書館電子期刊資源的使用情況、不同學科對於不同電子期刊資源使用偏好的差異，是圖書館亟需了解的內容。通過對高校用戶期刊文獻檢索記錄的大數據分析，優化論文期刊購買方案，使圖書館可以采購到師生更加需要的資源（傳統紙質+電子資源），提高現有采購效率。

學校通常的做法是向數據商（如萬方、CNKI）購買電子期刊資源訪問統計數據，而這種方式基於學校整體訪問數據做統計分析，無法基於用戶做訪問詳情的分析統計，從而無法獲取到基於不同學科門類、不同學院和專業特點、不同教師等級的不同人群期刊訪問情況分析，也無法了解到不同資源庫的使用情況橫向對比分析。對師生的檢索關鍵詞進行挖掘也是非常重要的方向，而傳統的做法無法了解學校師生用戶檢索電子期刊資源的檢索偏好、檢索熱門等具體信息。

出口網路日誌數據記錄了師生訪問電子期刊資源庫的行為，通過大數據技術對出口URL日誌等數據進行處理及關鍵信息提取，關聯學校內部用戶信息數據，將實現圖書館電子資源使用的全面分析以及人群分析，為圖書館采購決策提供輔助。

數據來源自圖書館采購電子期刊資源列表、師生上網URL日誌、師生上網身份認證等。

應用到的相關技術有：數據關聯分析、海量日誌數據處理、多源數據整合（日誌數據與結構化數據整合）、分布式全文檢索引擎。

5、校園輿情監測

在移動互聯網大潮之下，無論是正面信息還是負面信息都會以更快的速度傳播。學校聲譽對學校招生、就業、評優評先等方面有很大影響，隨著移動互聯網和社交媒體的普及，高校越來越重視學校的社會評價。目前部分高校會利用互聯網數據監測學校聲譽，通過大數據的手段通過實時監測互聯網新媒體上與學校相關的新聞、傳播話題和用戶反饋，了解學校輿情、聲譽及影響力。

應用到的相關技術有：文本挖掘、語義分析（正負面判斷）、語義相似度計算、彈性爬蟲引擎、分布式全文檢索引擎。

我所了解的大數據在智慧校園中的應用還包括教學信息統計分析，通過對課程知識結構進行樣本分析，結合教育過程，綜合學生學習成績分布來驗證課程講授過程的合理性和工程教育認證中的達成度來綜合分析課程開設的合理性。

又如，學校資產管理信息分析，藉助於資產管理信息平台實現對校園基礎設施、教學實驗設備、校園通信網路設備等數據的採集分析，為學校基礎建設方向、教學實驗設備的維護、校園網通信設備的升級改造提供數據支持。

「智慧網格學生管理平台」，以高校信息技術和數字化校園建設成果為基礎支撐，建設以社區網格、管理網格、教育網格三個維度的網格為載體，面向學生發展的綜合管理與服務流程優化的總體框架。對學生培養全生命周期中的生活、學業、思想等發展過程進行主動輔導，形成協同可持續的智慧管理與導引發展新模式，具有學生畫像、學生行為預警（在校狀況、學業、消費、身心健康）、學生家庭經濟狀況分析、學生綜合數據檢索、學生群體分析等功能，能夠輔助學工部門、院系管理者和輔導員開展學生安全教育管理、學生心理健康輔導、精準資助等工作，提升工作效率，促進學生管理工作創新與實踐。

由於時間關系，今天就交流這么多。謝謝！

F. 為什麼說數據是信息時代的「無價之寶」

因為信息時代的信息傳輸和交流都是依靠數據來進行的，所以只要擁有了數據，那麼不管想要什麼都如同探囊取物一般簡單，所以顯而易見，數據就是信息時代的無價之寶。

數據對信息時代的重要程度就好像血液對我們身體的重要程度一般，想要交流信息就必須是要有數據的，而沒有數據的信息時代就只是一個架子，一個空殼而已。

G. 大數據時代

預測——大數據的核心

量變導致質變

要全體不要抽樣、要效率不要絕對精確、要相關不要精確

萬事萬物數據化、數據交叉復用的巨大價值

大數據變革公共衛生——它是建立在大數據的基礎上的。這是當今社會所獨有的一種新型能力:以一種前所未有的方式，通過對海量信息進行分析，獲得有巨大價值的產品和服務，或深刻的洞見。

大數據是人們獲得新的認知、創造新的價值的源泉；大數據還是改變市場，組織結構，以及政府與公民關系的方法。

大數據價值鏈的3大構成:數據本身、技能、思維

大數據的精髓——分析信息時的三個轉變

1.在大數據時代，我們可以分析更多的數據，有時候甚至可以處理和某個特別現象相關的所有數據，而不再依賴於隨機采樣

2.研究數據如此之多，以至於我們不再熱衷於追求精確度

3.我們不再熱衷於尋找因果關系

小數據時代的隨機采樣，最少的數據獲得最多的信息

大數據時代的思維變革

1.更多:不是隨機采樣而是全體數據

2.更雜:不是精確性，而是混雜性

3.更好:不是因果關系而是相關關系

大數據時代的商業變革

4:數據化:一切皆可「量化」

5."取之不盡，用之不竭"的數據創新

數據的再利用

重組數據

可擴展數據

數據的折舊值

數據廢氣

開放數據

6.數據、技術、思維的三足鼎立

大數據時代的管理變革

7.風險:讓數據主宰一切的隱憂

8.掌控:責任與自由並舉的信息管理

H. 現在我們都在大數據時代，那麼什麼是大數據時代

最早提出大數據時代到來的是全球知名咨詢公司麥肯錫， 大數據在物理學、生物學、環境生態學等領域以及軍事、金融、通訊等行業存在已有時日，卻因為近年來互聯網和信息行業的發展而引起人們關注。大數據作為雲計算、互聯網之後又IT行業又一大顛覆性的技術革命。雲計算主要為數據資產提供了保管、訪問的場所和渠道，而數據才是真正有價值的資產。企業內部的經營信息、互聯網世界中的商品物流信息，互聯網世界中的人與人交互信息、位置信息等，其數量將遠遠超越現有企業IT架構和基礎設施的承載能力，實時性要求也將大大超越現有的計算能力。

I. 什麼和什麼是數據收集的兩大重要渠道引導了大數據時代的來臨

讓大數據區別於數據的，是其海量積累、高增長率和多樣性

什麼是數據？數據（data）在拉丁文里是「已知」的意思，在英文中的一個解釋是「一組事實的集合，從中可以分析出結論」。籠統地說，凡是用某種載體記錄下來的、能反映自然界和人類社會某種信息的，就可稱之為數據。古人「結繩記事」，打了結的繩子就是數據。步入現代社會，信息的種類和數量越來越豐富，載體也越來越多。數字是數據，文字是數據，圖像、音頻、視頻等都是數據。

• 什麼是大數據呢？量的增多，是人們對大數據的第一個認識。隨著科技發展，各個領域的數據量都在迅猛增長。有研究發現，近年來，數字數據的數量每3年多就會翻一番。

• 大數據區別於數據，還在於數據的多樣性。正如高德納咨詢公司研究報告指出的，數據的爆炸是三維的、立體的。所謂的三維，除了指數據量快速增大外，還指數據增長速度的加快，以及數據的多樣性，即數據的來源、種類不斷增加。

• 從數據到大數據，不僅是量的積累，更是質的飛躍。海量的、不同來源、不同形式、包含不同信息的數據可以容易地被整合、分析，原本孤立的數據變得互相聯通。這使得人們通過數據分析，能發現小數據時代很難發現的新知識，創造新的價值。

通過數據來研究規律、發現規律，貫穿了人類社會發展的始終。人類科學發展史上的不少進步都和數據採集分析直接相關，例如現代醫學流行病學的開端。倫敦1854年發生了大規模的霍亂，很長時間沒有辦法控制。一位醫師用標點地圖的方法研究了當地水井分布和霍亂患者分布之間的關系，發現有一口水井周圍，霍亂患病率明顯較高，藉此找到了霍亂暴發的原因：一口被污染的水井。關閉這口水井之後，霍亂的發病率明顯下降。這種方法，充分展示了數據的力量。

本質上說，許多科學活動都是數據挖掘，不是從預先設定好的理論或者原理出發，通過演繹來研究問題，而是從數據本身出發通過歸納來總結規律。近現代以來，隨著我們面臨的問題變得越來越復雜，通過演繹的方式來研究問題常常變得很困難。這就使得數據歸納的方法變得越來越重要，數據的重要性也越發凸顯出來。

大數據是非競爭性資源，有助於政府科學決策、商家精準營銷

大數據時代，數據的重要作用更加凸顯，許多國家都把大數據提升到國家戰略的高度。

政府合理利用大數據，引導決策的將是基於實證的事實，政府會更有預見性、更加負責、更加開放。中國古代治國就已經有重數據的思想，如商鞅提出，「強國知十三數……欲強國，不知國十三數，地雖利，民雖眾，國愈弱至削」。大數據時代，循「數」治國將更加有效。小數據時代，政府做決策更多依憑經驗和局部數據，難免頭痛醫頭、腳痛醫腳。比如，交通堵塞就多修路。大數據時代，政府做決策能夠從粗放型轉向集約型。路堵了，利用大數據分析，可以得知哪一時間、哪一地段最容易堵，或在這一地段附近多修路，或提前預警引導居民合理安排出行，實現對交通流的最佳配置和控制，改善交通。

對於商家來說，大數據使精準營銷成為可能。一個有趣的故事，是沃爾瑪超市的「啤酒、尿布」現象。沃爾瑪超市分析銷售數據時發現，顧客消費單上和尿布一起出現次數最多的商品，竟然是啤酒。跟蹤調查後發現，有不少年輕爸爸會在買尿布時，順便買些啤酒喝。沃爾瑪發現這一規律後，搭配促銷啤酒、尿布，銷量大幅增加。大數據時代，每個人都會「自發地」提供數據。我們的各種行為，如點擊網頁、使用手機、刷卡消費、觀看電視、坐地鐵出行、駕駛汽車，都會生成數據並被記錄下來，我們的性別、職業、喜好、消費能力等信息，都會被商家從中挖掘出來，以分析商機。

大數據也將使個人受益。從生物學、醫學上講，以前生物學家只是通過對單個或幾個基因的操控來觀察其對生物體的影響，很難發現整體的關聯。現在由於技術的發展，可以分析很多，如遺傳信息、全體基因的表達量信息、蛋白質族譜信息、全基因組甲基化信息、表觀遺傳信息等。同時還有個人健康指標、病歷、葯物反應等數據。如果真能達成生物學上多維多向數據的有機融合，就能夠把個人完整地描述出來，從而實現精準醫療的目的。

大數據時代，審核數據的真實性也有了更有效的手段。大數據的特徵之一是多樣性，不同來源、不同維度的數據之間存在一定的關聯度，可以交叉驗證。例如，某地的工業產值虛報了一倍，但用電量和能耗卻沒有達到相應的規模。這就是數據異常，很容易被系統識別出來。發現異常後，相關部門再進行復核，就能更有針對性地防止、打擊數據造假。

數據是一種資源，但數據又跟煤、石油等物質性資源不一樣。物質性資源不可再生，你用多了，別人就用少了，因而很難共享。數據可以重復使用、不斷產生新的價值。大數據資源的使用是非惡性競爭的，共享的前提下，更能夠製造雙贏。從另一個角度來說，數據如果不被融合、聯系在一起，也不能稱之為大數據。

大數據不能被直接拿來使用，統計學依然是數據分析的靈魂

現在社會上有一種流行的說法，認為在大數據時代，「樣本 = 全體」，人們得到的不是抽樣數據而是全數據，因而只需要簡單地數一數就可以下結論了，復雜的統計學方法可以不再需要了。

在我看來，這種觀點非常錯誤。首先，大數據告知信息但不解釋信息。打個比方說，大數據是「原油」而不是「汽油」，不能被直接拿來使用。就像股票市場，即使把所有的數據都公布出來，不懂的人依然不知道數據代表的信息。大數據時代，統計學依然是數據分析的靈魂。正如加州大學伯克利分校邁克爾·喬丹教授指出的：沒有系統的數據科學作為指導的大數據研究，就如同不利用工程科學的知識來建造橋梁，很多橋梁可能會坍塌，並帶來嚴重的後果。

其次，全數據的概念本身很難經得起推敲。全數據，顧名思義就是全部數據。這在某些特定的場合對於某些特定的問題確實可能實現。比如，要比較清華、北大兩校同學數學能力整體上哪個更強，可以收集到兩校同學高考時的數學成績作為研究的數據對象。從某種意義上說，這是全數據。但是，並不是說我們有了這個全數據就能很好地回答問題。

一方面，這個數據雖然是全數據，但仍然具有不確定性。入校時的數學成績並不一定完全代表學生的數學能力。假如讓所有同學重新參加一次高考，幾乎每個同學都會有一個新的成績。分別用這兩組全數據去做分析，結論就可能發生變化。另一方面，事物在不斷地發展和變化，同學入校時的成績並不能夠代表現在的能力。全體同學的高考成績數據，僅對於那次考試而言是全數據。「全」是有邊界的，超出了邊界就不再是全知全能了。事物的發展充滿了不確定性，而統計學，既研究如何從數據中把信息和規律提取出來，找出最優化的方案；也研究如何把數據當中的不確定性量化出來。

所以說，在大數據時代，數據分析的很多根本性問題和小數據時代並沒有本質區別。當然，大數據的特點，確實對數據分析提出了全新挑戰。例如，許多傳統統計方法應用到大數據上，巨大計算量和存儲量往往使其難以承受；對結構復雜、來源多樣的數據，如何建立有效的統計學模型也需要新的探索和嘗試。對於新時代的數據科學而言，這些挑戰也同時意味著巨大的機遇，有可能會產生新的思想、方法和技術。