大数据心得体会篇（1）

doi：10.3969/j.issn.1673 - 0194.2017.12.158

[中图分类号]B84-0 [文献标识码]A [文章编号]1673-0194（2017）12-0-02

和传统的数据库管理相比，大数据具备搜索快速、信息齐全、共享资源等优点，更是很好地解决了数据冗余的问题。随着时代的发展，大数据在很多行业、学科等领域得到了重视。近年来，大数据在心理学研究领域也有很多的作用和效果，心理学能够通过事物的表象反映出事物的内在特性，当然也需要对表象进行大量的研究分析，大数据在其M行研究分析方面起着不可估量的作用。

1 大数据

1.1 大数据的特点

大数据相对于传统数据，对社会的发展影响力更大，它的特点可以从四个方面进行阐述。第一，数据十分庞大，已从TB级别进阶到PB级别；第二，数据的类型也是非常丰富和复杂的，在图像、文章、视频和定位等一些方面有非常多的有用信息被提供；第三，它处理的速率特别快，可以通过很多途径在数据中快速提取出有用的信息，这是传统数据无法与其相比的；第四，数据提取的准确性，在任何时候数据分析准确性的高低都是关键，公司能因其准确性的高低做出最佳的决策，在现今时代，快速获取有效性信息是决定成败的重要元素之一。也正是因为大数据具备的功能和作用，它被各行各业广泛采用。

1.2 大数据的用途

目前，虽然大数据在心理学研究领域并没有得到广泛的普及，但大数据技术上已经是相当普遍了，大数据在心理学方面的研究是大数据科学性的一种体现，它主要是发现和验证大数据的实际应用。同时，其在天文学、基因组学、生物等其他复杂的科研中应用广泛，是不可忽略的。通过研究者的不断改善和革新，大数据将会给各行各业带来不可估量的作用和效果。

1.3 大数据于心理学研究

利用大数据开展心理实验研究已经是水到渠成。2014年一项针对Facebook大量用户的情绪调查研究表明，情绪对心理的影响，利用大数据把研究结果进行分类。令人惊讶的结果出现了，在主要接受积极情绪的人群中，积极向上是人们主要的想法。在接受了较多的消极情绪后，原本积极的人都会慢慢就变得消极。在以前的心理学研究中收集近70万个样本，将耗费巨大的人力与物力，而大数据技术却能够轻易的做到。

2 心理学

2.1 心理学的特点

人都是通过刺激下丘脑产生各种情绪，不管是何种表现都是表象，内在的情感需要通过心理学研究进行探究，心理的变化和发展是重点考虑的因素。大多数人都很排斥心理学家，认为他们是能轻易地探究人的内心。然而，在真实的心理学界并不存在人们普遍的这种想法，心理学家必须通过人们的行为举止，推测他们的心理，以逐渐推断出人心里真正的想法。心理学对于保持人们思想的积极性有着很大的促进作用，并有助于人们的身心和身体健康。

2.2 心理学的研究逻辑

在心理学研究上首先要提出一个假设：在当下飞速发展的数据采集技术，不管结果是支持哪一种推测，都会使人们展开无限遐想。然后再证明研究结果与预想的大规模用户实验，进行全程跟踪记录并证实，否则意味着预想错误。

心理学在进行假设检验时的研究逻辑与其他学科不同，它具有先验性，在得出最终结果前先进行推断。另外，和心理学研究的逻辑有所不同的是，大数据得出结论之前必须要经过严密的数据分析，它的研究逻辑具有后验性。心理学研究的先验性实质上是由于传统研究方法在获取数据上的局限性，而大数据可以帮助心理学突破这一局限，使先验变为后验。这有利于推动心理学研究走向科学化、规范化，同时也符合理论与实践辩证统一的哲学理念。

假设检验有一个很明显的缺陷是，要想得到正确的推断，必须逐次验证各项假设，这极大地浪费了人力、物力和时间。而大数据不同，其从各项数据中提炼出来的信息就可以引导出最终要证实的结论，这就是“数据驱动”的妙处，它极大地提高了最终推断的正确性和获取合理结果的可能性，提高了工作效率。

2.3 心理学传统的研究方法

大数据不仅可以解决数据冗余资源共享等问题，还让心理学研究逻辑不断得到数据采集的改进和完善，带来了全新的契机。在传统的研究方法中，心理学采用系统抽样法，抽取样本进行检验，再把结果统计在一起进行比对。反复地抽取样本才能体现结果的综合性，才能得出最终的结果。大数据时代的到来，让传统的研究方法得到改进，庞大的数据不再是头疼的问题，它能对数据进行快速对比，得出总体的比对结果，不再仅仅依赖于样本的检验。

在心理学研究中，调查法占据重要的地位。问卷调查是最常见的调查法之一，把要调查的问题集中在一起，统一打印出来分发给众人填写，之后集中在一起查看大家对问题的看法。除了此之外，访谈法也是调查法中的一种。它一般是用面对面的交谈，了解各方面的信息，从而达到要调查的目的。除了听，看也能很好地对心理学现象进行阐述。人内心的想法都会有相应的肢体语言，对于一些不能用听获取信息的问题，观察法能很好的从侧面获取所需的信息。

想得到比较严谨的研究结果，测验法是一个选择，它能把理论和实践结合起来，这在一定程度上完整了实验结果的准确性和实践性，更能说明研究结果。与之相像的是实验法，在大数据时代，实验法仍然是心理学研究中的“宝法”。实践让它在时代的洪流中仍不逊色，心理学研究的突破不仅要靠病例，也需要大量实验的数据证明，变与不变的量是一次次实践得来的，严格的实验条件是实验法的首要条件。

2.4 心理学研究的载体

量表和问卷作为心理学研究中的主要载体，需根据自身的情况，回答问题以让别人获取信息，信息的准确度取决于提供信息的人。这受表达者表达方式的限制，而情景式和投射式的量表，可以很自然地避免这种限制。情景模拟可以直观地反应人在这种情况下的行为，这时的行为是由下丘脑直接控制发出的，具有较高的真实性。投射测量会向被研究对象提供一些刺激情景，被研究者自由表达，分析其反应推断其人格特征。这几种工具载体被积极地应用于研究各种心理学问题，同时还有很多专门针对某种研究的载体工具，不同的载体在针对不同问题时，能发挥其独特的作用。近些年来，随着认知精神科学的兴起，记录神经方面的设备和技术也得到了很好的应用和发展。

3 大数据时代的心理学研究

3.1 大数据时代的网络运行

大数据时代，网络是人人必不可少的联系媒介。网络浏览也是人们最快获取信息的途剑浏览过的网站会留下浏览的痕迹，浏览的痕迹能间接反映一个人的性格和内心。大量的浏览痕迹也能被快速捕捉，这些微小的痕迹在探究用户的心理素质和行为习惯方面有着相当大的作用。数据冗余不再是提取庞大数据需要担心的问题，人们的工作和生活与大数据越来越息息相关，对于在工作和生活中遇到的问题，也能够进行深入的了解和恰当的解决。现如今，越来越多的人用社交网络进行交流，传统的社交是永远不能达到这样的效果和作用的，所以网络社交从根本上创新了人们的交流方式，而通过人们在社交网络中的浏览痕迹，可以分析人们对彼此的心理，会对某些事做出什么样的回应。为什么会有虚拟世界的存在？什么样的虚拟世界可以构成一个虚拟的社会？网络的存在不是构建虚拟世界的主要因素，它只是一个虚拟基础。主要因素是人们在网络中的行为，只有类似于人类现实社会的生活状态，才能被称之为社会。在现实社会中的一切在虚拟世界中都要得到体现，其所表现出来的状态是个体在现实社会与虚拟社会的一致性，构成了人们对虚拟社会和现实社会的理解，对虚拟社会与现实社会已知悉的研究，探究两者之间的不同和一致，对认识虚拟社会、研究有关心理学理论，都具有非常重要的意义。

3.2 剖析心理

研究表明人在接受某项服务或者用过什么产品后，一定会在心里产生一个想法，这可以归纳为人的主观心理感受。用户在使用某种产品上会产生海量的使用记录，大数据方法能筛选出一些类似的记录提供给需求者，快速、有效地使研究者得到数据的有效值，有利于加快研究的进度，同时尽量准确地得知用户的想法，尽最大能力满足用户的心理需求。

3.3 避免错误

个体或者群体行为数据的逐渐增多，可以通过大数据进行心理行为分析，这能反映出比较大众的认知和感受，群体情绪的好坏能直接影响处理事情的能力，也有利于把握大事件的走向，避免由于数据调查精确性低导致恶性事件的发生。

3.4 在线心理干预

心理干预在心理学研究中对人是很有效果的，但是执行人员的不足让心理干预不能同时进行，需要耗费大量的资源。然而运用大数据技术在网络上进行快速有效地信息获取，能提高流程的速度，这样的在线心理干预能大面积进行，也会提高效率。

3.5 在线心理测评

目前，心理学界通用的主要测评手段是主观性较强的、来自用户自身的心理报告，这种方式的推广难度较高，且时效性也会受到限制，迫切需要改进。国内外学界对此已经展开了多项研究，试图运用数据技术，建立心理评估模型，借助超级计算机的力量，专家可以运用模型对广大用户实施实时的动态分析。

3.6 心理学知识体系的构建

在大数据背景下，心理学方面的知识体系也将迎来革新。目前，心理学界的知识体系是在分析了大量现实的个体案例后建立起来的，然而大量研究表明，许多人的性格在网络上与现实中差别较大，大数据为相关人员分析人们在虚拟网络世界的人格提供了便利，有助于其了解在不同环境状态下人所能表现出的人格。

4 心理学研究的新动力

在信息时代的今天，心理学的研究离不开大数据采集信息的技术，对于人类行为等的预测，是心理学研究的重要目标。而现今的心理学虽然已经有了很多研究成果，但仍然需要继续在研究的路上不断创新和前进，这对人类未来的发展有着很积极的作用。从某方面来说，行为预测这种外部表现是决策的关键。如果人们在研究结果上不过度加以解释的话，大数据方法将能直接通过群体的行为来进行数据分析，这可以对研究起到较大的帮助。心理学在逐渐发展的途中，需要的不仅是列出一大堆的课题研究，更需要考虑使用高效的方法去进行研究。

5 结 语

随着科技的发展，大数据成为了体现科学技术的重要产物之一。在心理学领域应适当运用这种技术，尤其对于行为这种外在表现的研究分析。目前，在大数据时代的心理学研究方面，很多研究都能依靠大数据取得较为有效的帮助，尤其是在效率和信息价值方面。同时，心理学与其他学科在很多方面也有密切的联系，适当在研究上提取出对其有用的信息也是必要的。对于研究的目标，相关人员需要充分运用高科技技术和设备，将心理学研究与大数据相联系，给传统的心理学研究提供一个新的发展方向，让心理学研究不断得到提升和完善。

主要参考文献

大数据心得体会篇（2）

多媒体信息技术的发展，互联网、计算机的普及，使得信息数据呈现出大爆炸的趋势，人们几乎每天都要面对、处理大量的的数据信息，甚至每一个人都是数据的使用者、创造者和传播者。正因为如此，人们提出了大数据时代的概念，“大数据”也成为了人们生活中的热门词汇，并且在各个行业，各种领域凸现了巨大的影响力。《大数据时代》的作者维克托?迈尔-舍恩伯格认为，“大数据是人们在大规模数据的基础上可以做到的事情，而这些事情在小规模数据的基础上是无法完成的，大数据是人们获得新的认知，创造价值的源泉。”①也有一些学者提出，大数据是指在一定的时间内接受、处理和管理的数据集合，并且这些数据的处理超出了常用硬件和软件工具的范围。

所谓大数据不仅仅是大量数据的集合，更包括对数据的收集、分析和处理的技术以及主动运用数据的意识和思维。大数据具有信息体量大，种类多，结构复杂以及价值密度低等特征，这使分析大数据得到的价值更大、更能推进整个社会的进步和发展。大数据已然成为信息时代的新标志，教育事业也需要顺应时代潮流，借助大数据的优势实现长远发展。在当下，充分利用大数据培养大学生的社会主义核心价值观成为时展的必然选择。

一、大数据对大学生社会主义核心价值观培育的重大意义

大学生社会主义核心价值观的培育是一个系统工程，需要运用多种手段途径和方式方法。因此利用信息时代的大数据，加强大学生社会主义核心?r值观培育具有重大意义。

（一）有利于整体把握大学生社会主义核心价值观认同的基本数据

大数据时代，通过各种渠道的信息量极为丰富，通过对这些繁多数据的整理和分析，可以清楚把握大学生群体对社会主义核心价值观的认同程度。“树立正确的世界观、人生观、价值观是大学生成长的根本问题，也是决定大学生思想政治教育的根本问题。”②大数据时代的首要思维就是把握事物之间的相互联系，能够从宏观上了解事物的发展趋势。大学生社会主义核心价值的培育也不例外，可以通过对微信和微博等互动平台的数据进行整理，观测大学生在网上的浏览搜索记录，清晰地了解当下大学生的心理状态以及对于社会主义核心价值体系与核心价值观的认同与接纳的程度，以及了解他们在日常生活中的践行状况。这对于大学生社会主义核心价值观的培育无疑具有巨大的作用。通过数据分析，主动引导大学生在社会转型时期，面对复杂的形势和多元价值选择，能够以社会主义核心价值作为自己的行动遵循，自觉践行社会主义核心价值观。

（二）有利于增强大学生社会主义核心价值观培育的针对性和实效性

大数据时代拥有广泛的数据资源和庞大的受众群体和多元的传播平台，因此可以利用已经收集到的广泛的数据资料掌握大学生的思想动态和心理状况。尤其是在新的时代背景下，分析大学生对于社会主义核心价值观的理解程度和践行力度，并且利用这些数据，分析产生这种现状的原因，有针对性的提出一系列培育方案，增强大学生社会主义核心价值观培育的针对性。

尤其是社会主义核心价值观中蕴涵着和谐思想和诚信意识等，这是对传统文化的继承，创新和发展，对当下大学生的素质发展有着极大的帮助。大数据时代大学生社会主义核心价值观的培育，通过将优秀传统文化的枝丫嫁接在时代新发展的思想大树上这一有效的途径，不仅将大学生培育为优秀传统文化的继承人，使他们全面发展，成长成才，而且创新了传统文化的宣传方式，增强了社会主义核心价值观培育的实效性。

（三）有利于当代大学生树立正确的价值观

青年一代是民族的希望和国家的栋梁，大学生是青年中有理想，有文化的群体。指出“青年的价值取向决定了未来整个社会的价值取向，而青年又处在价值观形成和确立的时期，抓好这一时期的价值观养成十分重要。”③因此大学生社会主义核心价值观的培育对于大学生成长成才至关重要。

大数据时代信息资源更丰富，传播的途径更多，影响的范围更大。教育工作者应当引导大学生在新的时代背景下，自觉充分利用各种优质资源，不断增进自己的价值观认同，强化自己社会主义核心价值观的意识。在日常生活、学习和工作中，自觉遵循和践行社会主义核心价值观的准则，为自己的生活提供行动的指引，树立正确的价值观，摆脱错误思潮和落后价值观的影响。因此，加强社会主义核心价值观的培育是时展的必然要求，也是大学生自身成才的关键一步，只有这样，他们才能真正承担起历史赋予的重任。

二、大数据背景下大学生社会主义核心价值观培育面临的机遇和挑战

大数据背景下，大学生社会主义核心价值观的培育，具有丰富的教育资源和多样的传播渠道，同时也给大学生的价值认同带来了困惑，导致教师的主体地位的转移，大数据时代数据安全问题也不容忽视。

（一）大数据给大学生社会主义核心价值观培育带来的挑战

一方面，大数据给当代大学生的价值认同带来困惑。当代青年学生正处于世界观、人生观、价值观塑造的关键时期，自身分辨能力不强而对新鲜事物和思想的接受能力很强。多元的文化观念，大数据时代海量信息的传播，多样的传播方式，容易造成大学生价值观认同的困惑与混乱。

另一方面，大数据对教育者的综合能力的要求不断提高。随着时代的发展，大数据时代的教育信息和数据传播呈现出互动性，多样化和网络发展趋势，导致教育者主体地位的转移，削弱了教育者的话语权，挑战教育者数据分析和挖掘的能力。大数据促进了社会结构的深刻变革，加速了社会发展变革，增加了网络宣传和教育环境的复杂性，对高校社会主义核心价值观培育资源的有效整合提出了更高的要求。同时大数据时代的数据安全问题也给社会主义核心价值观的培育带来了很大的挑战。

（二）大数据给大学生社会主义核心价值观培育带来的机遇

首先，大数据出现有利于思维方式的变革。时代的发展变化最终会反映在人们的思维上，大数据思维是一种复杂型思维，繁多复杂的数据迫使人们改变自己思考问题的方法，并且倾向于因果性分析，能够从大量的数据资源中发现可利用的信息。

其次，大数据时代有利于教育方式的变革。当今互联网、云技术等先进技术的快速发展，数据信息的使用率呈现上升趋势，大学生在网络上浏览的内容和发表的评论在一定程度上表达了他们内心想法，这为社会主义核心价值观的培育提供了丰富的教育资源。教育工作者可以运用这些信息全面把握教育对象的思想和行为的发展态势，同时能够有针对性的促进教育内容和教育手段的丰富完善。

最后，大数据时代有利于精准的预测分析。高校思想政治教育工作者利用数据全面、深入、系统地了解大学生对核心价值观的认同程度和内化程度，了解社会主义核心价值观培育的整体态势，并及时提出可行性的方案，包括个性化的培育计划和针对性的接受方式。

三、大数据背景下大学生社会主义核心价值观的培育路径

“任何一个民族，任何一个国家，没有强大的精神正能量，没有先进价值体系引导，凝聚，支撑，它就不可能屹立于世界民族之林，不可能成为受人尊敬之国。”④大数据时代的到来是机遇，也是挑战。应该抓住机遇，迎接挑战，探索大学生社会主义核心价值观培育的正确路径。

（一）提高思想政治工作队伍运用大数据技术的能力

“思想政治教育工作队伍是大学生价值观教育的直接组织者，实施者和指导者，教师价值观的正确与否，能力的高低，直接关系到大学生社会主义核心价值观的培育和践行的效果。”⑤因此，在新的时代条件下，高校思想政治教育工作队伍应紧跟时代步伐，提高运用大数据技术的能力。

高校思想政治工作者应该强化对核心价值观相关数据的灵敏度，增强主动收集、整合、分析处理信息数据的意识，获得与大学生相关的兴趣点和关注热点的变化趋势。思想政治工作者针对分析结果采取不同的培育方式，提供符合大学生行为心理习惯的个性化培育模式，使学生的参与程度和自我内化程度有效提升，从而满足大学生价值选择的需要，提高社会主义核心价值观培育的效果。

高校应对思想政治工作者开展基本的统计培训、网络技术等专业知识培训，帮助教育工作者尽快获得相应的基本知识；同时也要引入专业的数据工作队伍，这样才能完成更艰巨的数据分析任务，才能提高教育的针对性，才能合理预测人们的心理发展趋势。思想政治工作者要善于利用大数据的相关性分析，发现数据和学生教育之间的内在关系，及时主动地做出判断，从而选择大学生社会主义核心价值观培育的正确路径。

因此，高校在大学生社会主义核心价值观的培育路径的选择上，应该强化思想政治工作队伍的大数据意识，提高运用大数据技术的能力，创新思维模式，以期获得良好的教育效果。

（二）建立大学生社会主义核心价值观培育的数据库

大数据最重要的是建立与各个领域发展相关的数据库，这是基础也是核心，只有这样，高校思想政治工作者才能在大学生社会主义核心价值观培育工作中获得长期、稳固、深入的效果，才能为大学生社会主义核心价值观的培育提供充分的信息养料，获得预想的教育效果。

一方面，要充分运用校园内部的数据资源。学校的电子网络信息，学生交流使用的网络电子平台，校园安全服务网络使用的摄像头、门禁和一卡通等产生的数据信息有很大的价值，与大学生日常生活息息相关。将这些数据资源进行整合，挖掘对大学生社会主义核心价值观有价值的信息，借以探求大学生日常生活中的价值取向和心理动态。与此同时应该将与学生工作相关的各部门，各院系的思想政治教育的资源进行整合，构建基础的高校社会主义核心价值观培育的数据平台。

另一方面，要充分运用校外数据资源，与外界资源共享，搜集政府、及相关媒体和教育机构的与社会主义核心?r值观相关的信息，掌握舆论发展方向，动态把握青年学生的发展趋势，为大学生的社会主义核心价值观培育提供有力的支持。

（三）创新大数据时代下宣传社会主义核心价值观的方法

不能希望当代大学生自发的形成社会主义核心价值观，因此需要理论的宣传并且创新宣传的方式。网络等新媒体已经以势不可挡的趋势迅猛发展，同时也成为对大学生进行社会主义核心价值观的培育和思想文化传播的一个重要阵地，必须尽快占领这一新型阵地。

传统的理论灌输可以充分利用网络平台，可以通过网络课堂进一步的发展延伸，对大学生进行社会主义核心价值观的理论教育，增强大学生对社会主义核心价值观的亲近感，减少对晦涩理论的抵触心理。

在利用网络平台的同时，要创新各种网络形式宣传的方式。网络的传播速度快，影响范围广。网络平台，微信、微博、QQ的迅速发展，都给宣传方式的创新提供了平台。思想政治工作者应该强化网络的服务功能，完善网络的运行机制，制定有效的个性化的宣传方案。同时应该及时应用数据分析的结果，开辟培育社会主义核心价值观的新环境，将其渗透在大学生的日常生活、学习和工作中。

（四）健全社会主义核心价值观培育中大数据使用的制度保障

大数据时代的信息安全问题尤为重要，应该健全相应的制度保障。首先要保证的数据的准确性，其次要保障个人的隐私不受侵犯，这样才能更长效地发挥数据的核心竞争优势。

第一，保护信息和数据的安全，如果大量与个人隐私相关的信息数据存储没有得到妥善保存，将不可避免地产生负面影响；第二，建立健全数据系统管理，最大限度地保护大型数据库的信息和数据，可以真正的应用于社会主义核心价值观的培育；第三，规范数据库信息收集过程，组织技术人员及时反馈分析结果，使数据库的作用可以最大的发挥。

新的时代背景下，思想政治教育工作者必须把握这一历史机遇，深刻认识大数据的价值，培养适应现状的大数据思维，提高运用大数据的能力，创新社会主义核心价值观理论宣传的方法，通过实践检验，提升社会主义核心价值观培育的整体效果。

[注释]

①（英）维克托?迈尔-舍恩伯格.盛杨燕，周涛，译.大数据时代[M].杭州：浙江人民出版社，2013：9.

②孙建青.当代中国大学生核心价值观教育问题研究[D].山东：山东大学，2014：37.

大数据心得体会篇（3）

从上世纪90年代开始到现在，数据中心由于新增服务器而产生的投资基本稳定，甚至在投资比例上逐年下降，管理运行费用的绝对值和相对值都在逐年增加，电能消耗尤其是制冷费用已经占到了数据中心投资的相当大的一部分。所以下面我们着重讲一下在数据中心建设中怎么样从智能的角度提高能效标准，实现节能减排，建设绿色的数据中心。有数据显示，数据中心中37%的能源消耗是用在标准数据中心机房空调和制冷方面的。所以，在传统的数据中心和机房中普遍采用的精密工程制冷已经不适合今天的数据中心。今天数据中心密度越来越高和服务器密度越来越高的情况下，会出现数据中心里温度很低而服务器机柜却热得烫手的情况。

通过改进之前靠空调为数据中心制冷的理念而产生的液态制冷理念，是针对这个问题而产生的很好的方法。业态制冷是指在服务器机柜和网络机柜当中安装液态制冷设备，并且这些液体在设备之间进行点对点的流动，实现冷却处理，最终降低消耗，提高运营效率。

模块化数据中心大行其道

大数据心得体会篇（4）

大数据一词无处不在，一经推出席卷各个领域。不管定义如何，各种概念的核心基本一致，那就是大数据具有规模庞大、种类繁多、处理速度快、价值密度低等基本特点①。想要从大数据中获取新的有价值的信息，必须具备很强的数据挖掘、处理和分析利用的能力，这种能力也就是我们通常所说的大数据能力。具体来说对于大数据能力的构成有三个方面： 

首先，大数据的基础设施建设能力随着升级基础设施相关的成本逐渐提高，持续的高投入和可量化的投资回报之间的矛盾对优化信息管理环境必然形成巨大压力。大数据基础设施包括有形基础设施和无形基础设施例如制度、文化、科学技术、组织和人力资本等要素；其次，大数据采集能力是指利用一定的技术手段，对收集来的数据资源进行检索的能力，主要包括数据的搜集能力和筛选能力。数据采集的能力的关键不仅仅在于获取多大规模的数据，而是数据的质量②。第三，大数据分析能力是指用适当的分析方法对收集来的大量数据进行研究以形成有效结论。在对大数据进行分析时获取数据的渠道、提取信息的能力、专业人员的技术、决策者的分析，這几方面构成一个有机的整体。其中获取数据关键在路径，提取信息能力的关键在工具，技术人员能力的关键在培养，但唯独分析决策者的能力要依靠更多其他非数据因素加以权衡，高效灵活的数据分析带来的价值是不可估量的，有时可能创造是决定性的突破。可见，大数据能力不是一种单一能力，而是一种复合型能力。 

二、大数据能力建设对区域经济发展的意义 

研究人员可以充分利用大数据快速挖掘信息间的相关性，更加客观准确地预测市场和产业发展的方向以及趋势，首先，大数据能力直接影响区域宏观经济规划的准确程度。通过大数据的海量数据信息，能够使看似毫无关联的信息进行专业化处理和分析归类，为区域经济的规划提供必要的信息支持。其次，加强大数据能力建设为产业结构调整提供重要支持。政府或者企业可以利用海量数据的收集和分析来帮助需要者进行精准化服务、降低成本、提高运营效益。提升大数据能力可以集中一定范围内的“大数据供应链、价值链、创新链、投资链、服务链等一系列大数据产业发展的核心链条，集合交叉、相互作用后，形成了复杂的、多维度的、网络体系生态环境③”。第三，加强大数据能力建设为单一企业的发展注入不竭活力随着智能化浪潮的影响，使得制造业企业的运营越来越依赖信息技术。譬如现实中以具体某一制造业企业为例，它会面临管理种类繁多的数据，涉及到大量的结构化数据和非结构化数据在大数据的指导下过去不再是不可追溯的历史，而是可以总结的规律；未来不再是盲目无知的期待，而是在一定程度上可被预测乃至把握的趋势。 

三、大数据能力建设面对的困境 

马克思在《关于费尔巴哈的提纲》中提到“人应该在实践中证明自己思维的真理性，及自己思维的现实性和力量，亦即自己思维的此岸性。”现实中不同的数据信息正在构成一个体系，而不同体系组合交叉成为客观世界的一部分，而非全部。大数据能力建设最有意义的事就是利用大数据及大数据技术创造价值。然而在付诸实践的过程中由于大数据数量大，多样性的特征，数据本身就存在着无序性、非标准化的特点，使得作为分析目标的数据本身就良莠不齐。再有，“无所适从”成为数据采集者的集中问题。因为数据的核心价值不仅仅来源于其海量的“大”，而来源于其中通过概率而产生的指向性。虽然国家制定了相关引导政策，但是现实中大数据能力在社会治理中暂时没有发挥出应有的效力。绝大部分的时候数据处于分散的孤立状态，体系和体系之间囿于各种壁垒无法建立连接，导致数据无法流动印证，使得实践的工作无法全面开展。典型的案例就是三大运营商BAT（百度、阿里巴巴、腾讯）之间各成体系，在他们的自有体系内，他们的数据量都非常巨大。但是，他们仅仅沉积和应用自己产品体系内的各种数据，不能与其他不同体系的相关数据进行关联洞察，而且各个体系内的数据过于粗放和碎片化，不能以用户为中心，无法进行有效的逻辑关联验证，最终使结果成为“管中窥豹”的片面结论。 

四、大数据能力建设助推区域经济发展的新模式 

有鉴于上述的分析，大数据能力建设对未来区域经济的发展起到至关重要的作用，而现实中由于部门壁垒、企业壁垒给大数据的协同融合带来的障碍，笔者通过实践中的摸索建议在一定区域范围内可以通过建立有限的云平台的方式将企业数据、社会发展数据和其他相关数据融会贯通，形成相互可以印证的规范的数据模式，为区域经济的发展带来新动力。 

首先，整合区域内载体资源，对于一般地区而言，本区域内的载体资源主要分为民用和商用两类，有些地方还有工业用载体和教育类载体。在进行大数据建设之前可以适当的将区域内的载体资源分化成若干个片区，每一个片区设定一个云平台型管理机构，在标准化要求下，由这些机构统一负责将来的数据采集。但是值得注意的是云具有许多不同的形式和架构，设计载体云平台时需要具体问题具体分析。其次，政府通过政策引导企业积极参与载体平台建设，以降低企业运营成本为目标吸引企业加入平台，开放数据。免费的服务可以增加载体平台的粘性，让使用者形成一种不断关注的习惯，在这一心理偏好和心理依赖的影响下，通过提高访问频率、延长访问时间提升参与的程度，通过数据换数据的方式，方便大数据资源的交流和整合。第三.政府信息与社会主体信息实现融通，通过共享实现共赢。政府可以通过技术手段将平台贯通，根据提供数据的数量和质量区分获得数据的权限，根据不同的需求在不同出口按照不同算法呈现不同数据结果，从而满足多方面要求。 

结语 

提升大数据能力建设在大数据时代背景下，对于拓宽信息来源、提高了获取信息的时效性具有重要意义。通过制度创新和技术的进一步改进，让实时、快速、海量的数据为区域经济发展和社会资源整合提供重要的支撑。日益更新的观念将引领政府、企业和科研机构改善工作方式，提升工作效率。 

参考文献 

[1] 朱艳菊.政府大数据能力建设研究[J].电子政务，2016（7）：123-129. 

[2] 朱艳菊，政府大数据能力建设研究[J].电子政务，2016（7）：125. 

[3] 吴薛，吴俊敏，产业生态圈视角下大数据产业集群培育的研究—以苏州为例[J].常州大学学报（社会科学版），2015（1）：56-62. 

大数据心得体会篇（5）

以前，数据中心的建设和运维由企业的两个部门分管，这往往会造成数据中心难以完全发挥其效用。而现在负责数据中心的土建、IT规划与运维的部门有逐渐融合的趋势，越来越多的数据中心用户慢慢接受了从整体的角度规划和设计数据中心。施耐德电气IT事业部大中华区市场及战略副总裁Andrew Bradner表示：“我们的一个优势是可以为用户提供包括数据中心基础设施、IT甚至整个楼宇在内的整体解决方案。”

InfraStruXure英飞集成系统是施耐德电气旗下的APC推出的数据中心整体解决方案的优秀代表。从2003年到现在，英飞集成系统已经有十年的应用历史。施耐德电气IT事业部大中华区副总裁、数据中心业务总经理曲颖多年前曾任英飞集成系统的产品经理，她对该产品有着极为深厚的感情：“英飞集成系统代表的模块化、标准化以及注重整体拥有成本的数据中心设计理念被众多厂商争相效仿，已经成了数据中心解决方案一个事实上的标准。”

英飞集成系统已经成为许多中大型数据中心参照的构建模式和设计理念。虽然推出已有十年，但是它所代表的数据中心构建模式并没有过时，反而得到了发展。如今，英飞集成系统的设计理念被广泛用于智能楼宇的建设中。“英飞集成系统是经过广泛验证的可用于实践的数据中心建设方法论，其标准化、模块化的构建方式加快了数据中心的部署速度。”曲颖表示，“英飞集成系统不仅仅是一个解决方案，更是一种服务，其核心价值主要体现在可以简化数据中心的所有流程，包括设计、建设、实施和运维等，减少数据中心出错的概率。”

全面、统一的管理

大数据心得体会篇（6）

DOIDOI：10.11907/rjdk.162084

中图分类号：TP317.4

文献标识码：A文章编号：1672-7800（2016）012-0156-03

0 引言

随着科技在医学领域的应用，传统的放射诊断学成为医学影像的重要部分。X线摄影是临床最常用的医学检查方法，几乎适用于人体任何部位，它具有空间分辨率高、图像清晰、层析分明的特点，常用作医学诊断的辅助工具[1-3]。然而，由于在X光片成像时三维人体被显示为二维图像，所以人体器官显示会出现重叠和失真现象。通过将聚类分析技术应用于X光片数据，可为观察者提供更多信息，降低重叠和失真带来的影响[4]。

本文提出一种快速有效的X光片图像聚类算法，通过改进K均值算法的初始值选取方法，有效提高了聚类效果。对比实验表明，本文算法获得的聚类结果明显优于传统的K均值算法。

1 改进的K均值算法

X光片具有数据量巨大、数据点分布稀疏、存在大量近似点（灰度相同的点）的特性，所以并不是所有聚类方法都会产生比较好的结果。X光片图像数据存在大量数据点，导致进行聚类分析的算法时间复杂度和空间复杂度不能太高，否则消耗的时间和占用的内存会难以承受。

1.1 K均值聚类

在所有聚类算法中，K均值算法适应范围广泛，针对X光片图像数据而言，类与类之间区别明显，在处理大数据集时，算法时间和空间复杂度都表现良好。K均值用质心定义原型，一般情况下数据点属性的平均值被定义为质心。大部分情况下，一个簇中不仅包含一个数据点，中心点是一组点中最具代表性的点[1]。K均值聚类可以用于各种数据类型，因为只需要对象之间的邻近性度量。

K均值算法执行前，需要指定K值，K值表示希望从对象中得到簇的个数。算法开始执行时首先需要将每个点划分到距离最近的簇中。将所有点划分完后，计算每个簇的簇中心。重复划分所有点到最近的簇，并计算簇中心位置，直到簇不再变化。具体算法如下：①指定K个点作为初始质心；②Repeat；③将每个点指派到最近的质心，形成K个簇；④重新计算每个簇的质心；⑤Until；⑥质心不再变化。

其中，K均值算法中的第③步如下，流程如图1所示：

①Repeat；②比较数据点到每个簇中心的距离；③将数据点划分到距离其最近的数据中心；④Until；⑤每个数据点都被划分到了最近的簇中。

K均值算法中的第④步如下，流程如图2所示：

①Repeat；②数据点所在簇的簇内点数量加1；③数据点所在簇的总灰度=总灰度+数据点的灰度；④Until；⑤所有的数据点都被计算；⑥将每个簇的总灰度除以簇内点的数量得到簇的平均灰度。

K均值算法优点是适用范围广，当簇与簇之间聚类较远差异较大时，数据维度较低的数据点分布相对密集，效果要好些。对于处理大数据集，这个算法较高效。

计算的时间复杂度为O（NKt），其中N是数据对象数目，t是迭代次数。一般来说，K≤N，t≤N。K均值算法的空间复杂度需求不高，只需要存放数据点和质心。具体所需要的存储空间为O（（m+k）n），其中m是对象数量，n是属性数。

K均值算法缺点主要有：①算法执行前需要人为设定簇的个数，但是簇的个数常常难以估计；②在K均值算法中每一次对数据点进行划分都是由上一次划分得到的簇中心决定的，所以K均值算法的最终结果是由最初选取的簇中心决定的。选择不适当的数据点作为初始的簇中心（比如彼此靠得很近的数据点），就可能导致最后结果偏差。因此初始值的选取成为K均值算法无法回避的问题。目前为止，还没有发现一个适应范围很广的初始值选取方法；③K均值算法需要在一次次迭代中不断修改簇中心，每次修改后都需要将所有点重新划分。当数据量很大时，这样的操作十分消耗时间。所以，在面对海量数据计算时需要改进算法，以降低时间复杂度；④K均值算法的聚类划分特性，决定了它在处理非球状簇、不同尺寸、不同密度簇时，结果令人不满意，而且K均值算法受离群点和噪声的影响较大。

1.2 改进的K均值算法

本文首先对X光片进行预处理，然后从图片中获取数据，获得图像中每个点的灰度值，存储在灰度值矩阵G中。Gij表示图像中第i行、第j列点的灰度。对数据点进行聚类后，可以将处于同一个簇的点用同一种颜色在图片上标出，从而进行直观判断。

由于K均值算法的聚类结果受初始簇中心影响极大，簇中心选取错误会导致很差的集成结果，所以k个初始簇中心选取至关重要。本文改进了传统K均值算法，流程如图3所示，主要步骤如下：①随机选取1个簇中心；②Repeat；③再随机选取1个簇中心；④比较选取的簇中心和之前选取的簇中心灰度值是否相同；⑤若相同则重新选取并回到步骤④；⑥Until；⑦簇中心的个数达到k个；⑧Repeat；⑨计算每个点到各个簇中心的距离；⑩找出每个点到各个簇中心的最短距离；B11将点划分到相应簇中，并修改Lij的值；B12重新计算每个簇的中心；B13Until；B14每个簇的中心都不再变化。

在k个初始簇中心选取比较理想的情况下，k个聚类中心均匀地分布在图像的数据点中，此情况下获得的聚类结果会比较理想。此时，K均值算法和改进的K均值算法获得的聚类结果基本一致。

在k个初始簇中心选取较差的情况下，K均值算法会得到“空簇”，产生较差的聚类结果，而改进的K均值算法不会遇到这种问题。当出现相同灰度值的簇，这个簇中心会被重新选取，从而使得每个簇中都会有一定数量的数据点，保证了迭代能正常进行。

2 实验

选取一张X光片作为原始数据，如图4所示。使用改进的K均值算法得到的结果如图5所示。原始的K均值算法聚类结果受初始值影响较大，时好时坏，在初始簇中心选取到灰度值相同的点时就会出现如图6所示的情况，有比较多的空簇。如图7所示的聚类结果仅在初始簇中心选择较好，没有发生簇中心重叠的情况下才会出现。

改进的K均值算法虽然在k个初始簇中心选取上作了改进，使彼此不会有相同的灰度值，但这并不保证k个点会均匀地分布在所有数据点中，如果k个点彼此聚类比较近，仍会对簇的结果造成影响。

3 结语

本文提出了一种快速有效的X光片图像聚类算法，通过改进K均值算法的初始质心选取，有效提高了聚类效果。对比实验显示，本文提出的算法获得的聚类结果明显优于传统的K均值算法，验证了算法的有效性。

参考文献：

[1] 史盛君，宋立新，赵阳.基于神经网络的乳腺X光片中肿块检测法[J].哈尔滨理工大学学报，2008，13（6）：101-104.

[2] 王彦明，钱建忠，潘晨.基于SVM-2DPCA的X光胸片异常筛查[J].计算机工程， 2009， 35（18）：170-172.

大数据心得体会篇（7）

作为目前亚洲最大的数字视觉展示企业,水晶石公司不仅是2008 年北京奥运会开幕式和闭幕式数字影像的总承包商,还是上海 2010 年世博会、深圳 2011 年大运会以及2012 年伦敦奥运会多媒体设计服务商。水晶石公司的核心业务是三维可视化的开发和应用服务,涉及的技术领域涵盖影视特效、3D动画、多媒体、影像数据库、在线三维展示等多个专业,主要在大型活动、演示汇报、科普教育、影视制作及城市数字化建设等方面为客户提供创新的视觉解决方案。

伴随近年来水晶石公司在数字影视业务领域的快速发展,他们的数据中心承载了大量的渲染工作。根据工作需要,公司投入了大笔资金更新计算和存储设备,但是在投入之后,数据中心的整体性能却没有因此得到显著的提高。经过多方排查,水晶石公司发现,数据中心的主要问题出在网络上。主要是过去的交换机已经不能满足不断增加的高性能计算设备的需求,所以他们决定对网络进行整体性能的升级。

水晶石数字科技有限公司技术总监方凡告诉记者,在网络产品选型的过程中,针对水晶石数据中心的状况,很多人都建议他直接采用光纤。“但是,从我们的出发点来讲,水晶石要建造的数据中心是以实用、廉价和低成本为主的。就渲染这个角度来看,我们对机房等级并没有特别高的要求,只要保证原始数据或者是控制数据尽量不丢失即可。所以,如果大规模的采用光纤,意味着所有的服务器都得改,至少每个服务器都要加一个光纤交换机,这是一个相当大的成本,投资回报比也会很低。”

方凡表示,在测试的过程中,他们特意将“500多个刀片挂在一起”,由于数据量非常大,数据包同时发送的时候所占用的带宽也相当大,很多知名品牌的交换机都因此没有达到水晶石公司所要求的性能标准,最终只有H3C的S12500系列交换机既通过了这一测试,也符合他们对性价比的要求。

据介绍,水晶石公司整网采取的是扁平化的组网结构,所以仅用1 台 H3C S12508 数据中心级核心交换机即组成了整网的核心。在接入层,水晶石公司全部采用了H3C的数据中心级 S5600、S5120EI 系列交换机,实现了万兆上行、千兆接入服务器。特别是高性能计算区,这是水晶石公司数据中心网络中最主要,也是规模最大的接入区,特别需要高可靠,高性能、低时延的网络产品,才能保证整个高性能计算系统的高效运行。“事实上,如果现在再加500个刀片服务器,我们当前的网络也可以支撑得住。”方凡对记者说。

大数据心得体会篇（8）

新媒体越来越具有大数据味道

在接受记者采访之前，沈浩刚刚从中央电视台赶回来，现在社会各界特别是媒体界对于大数据应用的重视与认可，也让他的生活倍加忙碌起来，他所带团队在中国传媒大学从事大数据研究，在业界的影响也可见一斑。

对于新媒体时代，沈浩说：“今天很多新的概念，层出不穷，包括对新媒体，到底什么是新媒体，是不是能讲清楚，其实也是一个很值得商榷的事情。其实今天谈新媒体，不是‘新’，而是‘全’媒体，甚至已经把传统媒体的那些概念等全都包含在里面。现在新媒体第一个特性肯定是要跟互联网沾边的，但是如果我们今天去谈新媒体，可能一个手机的Apps就是新媒体，比如微博、微信。再进步一说，其实更多跟数据有关。”之前，媒体和大数据是两个领域，但随着新媒体的不断发展和衍生，这两个概念越来越多地融合在了一起。“今天的新媒体，或者新兴的媒体，一定是基于数据的。如果不基于大数据，它的新媒体特性就体现不出来。因为新的媒体，就要social（社交），互动，大众传播，要通过人际互动，我们才能感知这种传播效果。所以我们说微博、微信的互动都是数据驱动的。”再例如“今日头条”，这种新闻聚合和个性化推荐内容，也是数据驱动的，现在的新媒体应该是由数据驱动的媒体。有一种说法：未来的新闻媒体，就是数据分析，新媒体越来越具有大数据的味道。

“在新媒体时代的大数据挖掘与应用，可以让我们越来越多地从数据中观察到人类行为的复杂模式，以数据为基础的技术决定人们的未来，但并不是数据改变我们，而是我们对数据可用知识的增加。”这句话是沈浩为美国复杂网络专家巴拉巴西教授的一本新书《爆发》中文版写的推荐语。这本书的核心观点是说人类行为的93%是可预知的。今天人们甚至把大数据当成了第四生产要素，是一种新的石油。最简单也最贴近我们实际的例子，今天我们每个人都在使用微博，当然也包括微信。微博跟微信是不一样的，微博的数据是可以通过爬虫或API数据接口获取转发数据。当然移动公司也可以分析我们发了多少条短信，什么时候发，但是它不能分析我们发什么内容，微博可以。“今天如果你在微博上发文字，我不光知道你什么时候发，而且你发的什么内容，说的什么事情，我也可以进行挖掘和分析。”所以沈浩经常对学生说：“你要好好写微博，将来你的雇主在雇佣你之前都会仔细看你的微博，由此了解你的性格，了解你的消费方式，了解你的生活态度，甚至你的价值观。你相信这一点吗，如果你相信，你就要好好写。”

推动大数据人才培养

大数据的影响也带来了新闻报道方式的改变，因为在新闻学院任教，更接近新闻传播领域，二者结合更让沈浩感触颇深。“过去，新闻是新近发生的事实的最新报道，现在，人们越来越关注的，比如说能不能从数据中发现新奇有趣的事情具有报道的价值。”

2014年新年，推特的一个实时数据，看到人们正好在发推特搞新年祝贺，在一个时间轴上，这也是大数据上很重要的实时应用，可以捕捉到每个城市各个地方在不同时区进入新年时人们新年祝贺这样词汇的一个捕捉和监测，这些都是大数据应用。我们可以看到，最典型的在大数据时代对于传媒特别是新闻报道领域诞生一种新的新闻报道形式，叫数据新闻。“这也是大数据时代带给我们对新闻传播领域的一种新的理解和趋势，更是对广电行业，特别是我们传媒行业提出了一些新的挑战，也是一种机遇。过去我们更多的是在传播内容上，现在我们要针对微博、软件、技术、工程实现等各种各样的挖掘能力。”也正是因为基于数据报道的业界需求，能发挥传媒大学的学科优势，学校创建了数据新闻报道实验班，从大学二年级开始招募20多个学生，学籍都转到了新闻学院。

数据新闻报道实验班的设立，最初也是源于沈浩的一些经历和想法：“当时由于中央台春季百度迁徙图的报道受到了有关领导的表扬，并提出了应该加强‘两会’大数据报道，由于人才培养和技术实现路径，有关部门找到了我。那段时间，我去了中央电视台、国际广播电台、人民日报、人民网等主流媒体，大家都有这些需求。我给他们做一些讲座，或者培训，讲怎么做数据可视化的数据新闻报道。交流过程中，我感到新闻传媒领域对大数据人才的需求，急需懂数据、懂数据挖掘的、又懂新闻的复合型人才。记得我从中央台回来，路上就给学院领导打了一个电话，我说应该从新闻学院招募一些，比如在新闻专业、传播专业、创意专业（媒创），还有媒体市场与分析专业方向，这四个专业中招募一个兴趣小组，各招10个人，然后组成一个实验室。但是领导听了我的想法以后，认为可以更具体一些。向学校领导汇报后相关领导说：直接成立一个班就可以了，先弄一个实验班。所以在学校的各方大力支持下，就成立了全国第一个数据新闻报道实验班。”

由于是第一届实验班，而且大数据这个方向需要文理的综合能力，对于学生各方面素质要求也比较高，所以我们对进入这个实验班的学生考核还是比较严的，“我们要求英语达到六级，学习成绩比较高。这次实验班招来的20个学生中有几个学生都是各学院综合测评第一名。”对于实验班学生的发展，沈浩也是信心和担忧并存：“现在大数据分析是热门趋势，是急性需求，特别是在传媒大学的背景下学数据分析研究，在媒体领域很有优势，这些学生将来的发展是很有可为的。”他给记者介绍说，关于数据领域过去培养的毕业生，很多都去了新媒体，新媒体比较热也是大趋势，急需这些人才，他们更多的不是当记者编辑，而是做经营分析和数据管理分析。比如有很多毕业生去搜狐做消费者产品体验研究；在联想做消费者用户研究；在淘宝做消费行为的商家体验研究，更多的从技术方面影响媒体。也正因为认识到数据的重要性，传媒大学很早就在研究生中开了很多定量研究课。

“但是对于实验班的学生我也有担忧的地方。他们考研可能存在问题，后续的两个学期可能更多的是学新技术，但考研往往不考这些东西。我们这个学习量非常大，要在有限的时间内学会很多过去你可能没想过的，比如网络爬虫、网页设计、新媒体的应用、可视化技术、数据挖掘的技术，这些时髦的东西硕士考试不会涉及。但我相信如果这些学生是优秀的，干什么都行。另外一点担忧是师资问题，不是一个人的能力，需要师资团队，逐步摸索和完善教学计划，这需要一个体系，如果说所有的学生最后都培养成为像沈浩一样的，我相信一定有竞争力，但这是不可能的，每个人的个性发展不可能都一样。我也不能把我的知识都让学生掌握成像我一样。这需要多个学科多个老师，这个师资队伍的成熟还需要时间的培养，当然，这也不是我们一个学校的问题，好在我们的师资相对要好一点。这个领域对于整个社会都很新，大家都在摸索前进。”

适应并迎接大数据时代

在日新月异的新媒体发展中，沈浩能够走在媒体大数据挖掘的前端，他说自己这一路走来，并没有受到冲击，而是更多的随着自己的兴趣“玩儿”出来的。沈浩毕业于北京师范大学数学系，毕业后分配到中国传媒大学（当时叫北京广播学院）的数学教研室，由于在上学时候对计算机的兴趣，他又通过学习有了扎实的计算机功底，由于在传媒大学的环境中，沈浩渐渐对新闻传播产生浓厚的兴趣，并且攻读了传播学博士，可以说是一个典型的复合型人才，这些基于他本身兴趣的学术背景，为他走上大数据研究之路奠定了扎实的基础。

大数据心得体会篇（9）

（一）基于云会计的财务共享中心绩效管理的特点和优势

大数据时代下云会计技术的发展与应用对集团企业财务共享中心的绩效管理有着重要的影响。它能够有效地提高企业在内部管理决策方面的可靠性与准确性。现在，人们基于集团企业财务管理的特点和基本需求，探索出了“财务共享中心绩效管理”这种新型的管理手段。它能将流程再造和标准化，运用在分散在企业各个子公司当中的那些较为标准化、且容易重现重复的财务工作当中，使企业的财务管理效率得到有效提高，实现企业财务资源的优化配置，使企业的财务管理质量得到有效提升。同时，它还能使企业财务管理的可控性得到提高，管理风险得到降低。在企业的财务管理中，绩效管理是其中一个至关重要的环节。基于云会计的财务共享服务中心的推广运用，能够有效避免在绩效管理中出现的失序现象，使集团公司的管理层与职员对自身有一个明确的定位，使企业和个人的绩效得到有效增长，全面提升企业财务管理的效果。

（二）现阶段我国在基于云会计的财务共享中心绩效管理方面的缺陷

基于云会计的财务共享中心绩效管理，在我国还是一个新生事物。现在，虽然我国在这方面的研究已经取得了长足进展，但总的来说，我国现阶段在这方面还存在着一定的缺陷。这些缺陷主要体现为对大数据、云会计格局下的财务管理研究力度还不足，导致其的进一步发展推广受到了影响。这是我们今后需要提高的地方。

二、管理框架模型的建立

基于云会计的财务共享中心绩效管理，其运用于企业中所带来的优势是显而易见的。它在保证了财务管理质量的同时，又能使财务管理流程得到有效精简，人力资源成本得到有效降低。特别是能够让集团公司总部和各个基层单位都能对相关的财务信息进行统一接收、统一处理，及时发现管理中的缺陷和漏洞并进行查漏补缺工作。为了让研究思路更加清晰明了，这里我们结合基于云会计的财务共享中心绩效管理的相关要点，构建了一个大数据时代基于云会计的财务共享中心绩效管理的框架模型，并具体进行分析。通过对框架模型的分析可见，基于云会计的财务共享中心绩效管理的一般结构，一共包括6个层次。分别由基础设施层、业务层、数据层、服务层、应用层、用户层组成。其中，基础设施层是其他层次的基础。它的主要功能是对于企业的外部数据进行采集，并具体运用于数据层及应用层。业务层直接涉及绩效管理工作，我们在策划绩效管理的相关方案时，必须从业务层当中取得相关数据。数据层则是将基础设施层及业务层当中涉及绩效管理方面的数据（含结构化与非结构化数据）储存于ODS业务同步复制数据库里，然后以大数据的手段对相关数据进行分析处理，发送至数据中心，以备服务层和应用层之需。服务层的数据来源于经过加工处理的数据中心，并在服务层中对数据进行再次处理运用，然后运用相关技术对数据进行整合。在应用层中，其组织绩效管理分别来源于财务、客户、学习创新及内部流程。这四个维度又分别具有各自的具体要求。用户层即决策层。它由集团公司、子公司、财务共享服务中心等方面组成。其作用主要在于挑选合适的财务决策措施，运用到企业的财务管理中。

三、大数据时代基于云会计的财务共享中心绩效管理的具体手段

（一）构建起合理的绩效管理目标

财务共享服务在运作上应当自成体系。其服务对象也较为宽泛。对于集团公司及其下属的基层单位，以及企业的外部客户，都必须确保服务到位。在确立绩效管理目标时，其指导方针必须立足于追求管理效率和管理质量的最大化，来达到管理的最优目标。通过大数据与云会计技术，我们就能获得财务共享中心的内外部数据，然后对这些数据进行调研分析，对管理、执行方面的目标都进行评估，寻求出具有可行性的方案。尤其是要重视对绩效指标的制订，这样才能确保绩效管理目标的准确性。

（二）完成对管理目标的分配

当我们完成了对财务共享服务中心的构建，此时就要下意识地将绩效管理目标，基于组织绩效与人员绩效的角度，来分别分配给不同的部门和员工，将明确的绩效责任落实到不同成员的头上。同时，我们还要针对这些工作指标，制订出完善的绩效考核制度，构建起赏罚分明的考核机制，以促进公司和员工为实现目标而努力。

（三）建立起预警监督机制

在集团企业的财务管理活动中，有时财务部门同业务部门所接收的财务信息之间常常出现出入。这是由于财务部门所获取的信息通常是经历了一些中间环节的，导致它与原始信息相比发生了一些变化。通过基于云会计的财务共享中心绩效管理，我们就能建立起有效财务预警监督机制。将管理方案同实际效果进行有效的对比、预测与跟踪。这样一旦出现信息出现某些出入，系统能够立即觉察到，对业绩完成不达标的单位与个人进行预警，并及时对管理方案进行的调整。使财务管理活动更具可控性。

四、结束语

在这个信息技术高度发达的大数据时代，大数据技术给集团企业的财务管理工作带来了新的转型方案。基于云会计的财务共享中心绩效管理，能够有效地提高企业在内部管理决策方面的有效性、可靠性与准确性，在集团公司财务管理活动中具有重要的应用价值。

作者:潘明芳 单位:黔东南民族职业技术学院

参考文献：

大数据心得体会篇（10）

随着信息技术和人类生产生活交汇融合，互联网快速普及，全球数据呈现爆发增长、海量集聚的特点，对经济发展、社会治理、国家管理、人民生活都产生了重大影响。

中共中央总书记在国家大数据战略第二次集体学习中强调，大数据发展日新月异，我们应该审时度势、精心谋划、超前布局、力争主动，深入了解大数据发展现状和趋势及其对经济社会发展的影响，分析我国大数据发展取得的成绩和存在的问题，推动实施国家大数据战略，加快完善数字基础设施，推进数据资源整合和开放共享，保障数据安全，加快建设数字中国，更好服务我国经济社会发展和人民生活改善。

建设现代化经济体系离不开大数据发展和应用，坚持以供给侧结构性改革为主线，加快发展数字经济，推动实体经济和数字经济融合发展，推动互联网、大数据、人工智能同实体经济深度融合，继续做好信息化和工业化深度融合这篇大文章，推动制造业加速向数字化、网络化、智能化发展。深入实施工业互联网。

主要议题：

大数据与数字中国

以供给侧改革为主线，加快发展数字经济，推动实体经济和数字经济深度融合，推动两化融合，促进制造业向数字化、网络化、智能化发展

大数据应用产业创新发展

如何集中优势资源，突破大数据核心技术，加快构建自主可控的大数据应用产业链、价值链和生态链

大数据与军民融合创新

推动大数据安全、应急装备等发展为抓手，积极推进军民融合产业发展

大数据与政府治理

如何运用大数据提升国家治理水平，满足公民的个性化需求，提高政府的公共管理能力

大数据与安全

加大对大数据安全的研究力度，如何切实保障数据安全

分论坛：

论坛一：工业大数据论坛

本论坛将围绕加强工业大数据基础设施建设规划与布局，推动大数据在产品全生命周期和全产业链的应用，推进工业大数据与自动控制和感知硬件、工业核心软件、工业互联网、工业云和智能服务平台融合发展，形成数据驱动的工业发展新模式，支撑中国制造2025战略，探索建立工业大数据中心。

论坛二：大数据与金融、区块链创新论坛

本论坛将围绕金融大数据帮助业务的精细化管理及风险的有效控制，充分发挥数据在投资决策、资产评估、产品定价、风险管理等金融活动中的支撑作用。运用大数据、区块链等技术探索创新金融机构业务模式和管理方式，提升金融机构经营效率。快发展大数据征信、指数及反欺诈业务，建设大数据检测预警系统，科学防范非法业务风险，提升行业运行管理效率

论坛三：大数据与军民融合创新论坛

本论坛将围绕推进军民两用技术协同创新进行探讨，利用发展大数据的优势，将军民人才、技术、数据等资源较好地汇集起来，呈现出军民融合产业集聚引领发展的良好态势。利用已形成的产业优势，打通军民融合资源共享通道，释放军工产业与民用产业发展潜能。

论坛四：大数据与政府治理论坛

本论坛围绕如何运用大数据提升国家治理现代化水平这一核心议题，探讨如何建立健全大数据辅助科学决策和社会治理的机制，推进政府管理和社会治理模式创新，实现政府决策科学化、社会治理精准化、公共服务高效化，形成覆盖全国、统筹利用、统一接入的数据共享大平台，构建全国信息资源共享体系，实现跨层级、跨地域、跨系统、跨部门、跨业务的协同。

论坛五：大数据与医疗论坛

本论坛将结合成都当地实际情势，围绕发展实时健康管理、人群疾病谱变化监测，基于个人基因组测序、跟踪、记录数据分析的健康咨询服务，以及基于临床大数据分析与挖掘的个性化诊疗服务，提高基因遗传诊断、疾病早期预测预警能力。

论坛六：大数据标准论坛

本论坛将围绕应用、 技术、产业、标准等角度，勾画出大数据发展的整体轮廓，从数据生存周期角度提出大数据参考架构。探索在不断创新应用与服务模式下的大数据标准体系及大数据标准化路线，提出大数据标准化工作建议。

论坛七：大数据应用实践高峰论坛

本论坛将宣传成都地区大数据企业以及大数据产品、解决方案，帮助本地企业拓展市场、寻求合作，促进整体成都及周边地区大数据产业的联动。

论坛八：大数据与通信论坛

本论坛将围绕如何发挥基础电信运营商拥有的电信数据资源优势，利用通信网络渠道资源，发展云计算、云安全和大数据服务。

会议日程 （最终日程以会议现场为准） 日期：2018年7月10日， 地点：成都世纪城国际会议中心-五层水晶厅 时间 活动主题 演讲嘉宾及职务 08:30-09:00 签到

09:00-09:30 致辞 领导致辞 09:30-10:00 抓住“数字中国”建设机遇 梅宏 中国科学院院士 10:00-10:30 大数据与先进制造 李言荣 中国工程院院士，四川大学副校长 10:30-10:55 推动大数据应用加速数字化转型升级 柯睿杰 微软大中华区董事长兼CEO 10:55-11:20 运营商大数据新思维 姜昕 TERADATA天睿公司大中华区解决方案总监 11:20-11:45 用工业大数据推动数字化创新 吴劲松 伟创力全球运营副总裁 11:45-12:10 区块链技术的应用与挑战 待定 12:10-12:35 AI与无界零售 刘晖 京东大数据研究院院长 日期：2018年7月11日， 地点：成都世纪城国际会议中心 时间 活动主题 演讲嘉宾及职务 08:30-09:00 签到

09:00-09:30 从数字经济看中国新经济 潘云鹤 中国工程院院士 09:30-10:00 大数据助力“中国智造”弯道超车 李杰 美国辛辛那提大学(Univ.of Cincinnati) 讲座教授、《工业大数据》作者 10:00-10:25 工业互联网创造工业新机遇 陈永正 富士康工业互联网股份有限公司董事长 10:25-10:50 健康大数据 沈晓卫 IBM大中华区首席技术官、IBM中国研究院院长 10:50-11:15 我们将迎来自动驾驶时代 黄仁勋 英伟达联合创始人、CEO 11:15-11:40 AI芯片的新高地 余凯 地平线CEO 11:40-12:30 新一代大数据平台 周涛 成都电子科技大学教授 / Kevin Kelly 《连线》（Wired）杂志创始主编 往届嘉宾

参会指南 会议门票 场馆介绍 票价5月1日-6月30日7月1日-7月9日

600元/人1000元/人

（1）参加7月10~11日两天上午全体大会及下午任意场专题论坛；

（2）全体大会前排嘉宾区域就坐；

（3）享有大会组委会提供的VIP午餐；

（4）获得大会会刊资料；