緒論：寫作既是個人情感的抒發，也是對學術真理的探索，歡迎閱讀由發表云整理的11篇大數據論文范文，希望它們能為您的寫作提供參考和啟發。

篇（1）

二、大數據在電力營銷中的應用策略

大數據時代正在逐漸嶄露頭角，企業要想順應時代的變化獲得新的發展，就必須對營銷體系進行重構，若能夠通過大數據資源開展電力營銷，必然會產生極大的市場價值。

1通過消費者視角，分析潛在需求行為大數據的特征表現在海量化的數據上，企業要想獲得更為精確的信息，就需要通過大數據的分析來尋找顧客的潛在需求。因此，電力營銷企業要想做好營銷體系的構建，擴大企業經濟市場，就要制定好多種方案，在大數據中尋找潛在的客戶需求，學會通過客戶的視角，對客戶的消費行為進行行為與特征分析，從而進一步提高客戶滿意度，最大化的打開企業知名度。

2精準定位消費群體，開展個性化營銷大數據能夠為電力營銷提供海量的數據信息，讓企業能夠在追求精準化的同時準確定位自身營銷方式，從而劃分出消費群體，打造個性化營銷。隨著社會經濟的發展，電力營銷企業開始越來越重視營銷的精準化，而大數據的出現在一定程度上改變了產品的質量，導致消費者市場也出現變化。消費者市場的劃分需要通過大數據進行主要原因自傲與企業所面臨的是個體消費者，而不是群體消費，這樣一來，個性化的營銷必然會成為電力企業的營銷主體。

3拓展營銷新市場，制定產品新戰略大數據是營銷策略制定的基礎和依據，這對于市場和業務的開拓也具有重要的意義。如騰訊游戲的研發，往往是通過大數據來進行精確地分析，從而使其能夠領先于其他手游行業，牢固自己的經濟市場地位。運用大數據分析數據，開拓新市場、新業務也是當今時代電力企業營銷發展的必然趨勢。要想做到領先同行企業，牢固自身市場地位，就需要在產品研發前期深入分析和研發大數據，制定更為符合客戶個性化需求的產品戰略，并進一步確定產品營銷渠道，拓寬產品領域。

4依靠互聯網技術，合作開展大數據營銷隨著互聯網營銷的興起，互聯網行業將絕大部分的精力都放在了大數據的應用上，大數據的應用也逐漸成為了營銷的主要手段。大數據從狹義來看是人們通過互聯網的使用而產生的數據，互聯網行業擁有者手握最大的數據源，如阿里巴巴、百度和微博等等，其搜索引起聯合線下進行，已經覆蓋了人們絕大部分的生活。而電力營銷要想得到進一步的發展，就要擠入互聯網行業中，進行大數據營銷。除了在自身領域建立數據資源優勢以外，還可以通過業務延伸來實現多元化的發展。

篇（2）

1企業會計信息化的現狀

1.1、會計信息披露具有偏向性，導致信息不對稱

傳統的會計信息系統會誘使企業選擇特定的會計方法而造成企業管理人員利用自身是信息提供者這一優勢，不斷地美化會計報表，這對于外部使用者而言是非常不公平的.

1.2、內部自我約束能力弱，導致數據不真實

在傳統會計信息系統下，一些企業為了眼前經濟指標的提升或者任務的完成，常常通過人為調整會計報表來應付各機構的檢查，自我約束能力弱，數據失真.還有很多企業對現有的政策法規鉆空子、打球的現象屢禁不止.聘請的第三方審計機構也本著“企業利益最大化”的審計目標，對企業不真實的數據進行舞弊，以點蓋面.

1.3、核算量大，導致信息披露不完全

傳統的會計信息系統下，會計的信息系統發展越來越不能適應高速發展的經濟業務，很容易造成信息披露不完全.信息經濟時代下，應該更多的提供企業未來價值的知識資源，而不是沉浸在企業過去的財務數據中.

1.4、企業信息數據單一，導致信息缺少指導性

傳統的會計信息系統主要是對企業財務信息的反映，往往忽視了非財務信息.企業自身變化的社會經濟形勢要求我們不能只依靠過去的財務數據對未來發展做出預測.對企業未來的發展預測用某些非財務信息可能會更加合理.如企業的環境成本、社會責任等信息都需要非財務信息的提供.

1.5、信息傳遞滯后，導致會計信息缺乏時效性

傳統的會計信息系統采用先發生交易事項后進行記錄的程序，無法滿足當代企業對信息時效性的要求.企業以及社會各機構、投資者越來越需要了解隨時發生的財務信息，對其進行更好的決策，這就要求企業不定期的提供會計信息，對于會計期間的定義也不再以年為單位了.因此，現有的會計信息滯后的時效性嚴重影響使用者的需求和投資者的決策.綜上可知，傳統的會計信息系統逐漸出現了不適應當今經濟發展的事態，高效、全面的信息化系統變得越來越重要.在大數據時代下會計信息的不斷創新，快速發展勢在必行.

2大數據對企業會計信息化的促進作用

大數據時代下，對會計信息化的促進作用主要表現在：信息結構更加客觀，既強調了會計信息的精準性，又不失相關性；財務會計信息管理的程序化；會計人員工作轉向宏觀信息管理；多元化的計量單位.在大數據時代下非結構化數據成為主導，在會計信息中可以更好的融合結構化和非結構化數據，更好的提高數據的相關性，并且不會人為的進行舞弊.程序化的會計信息管理也將出現，財務部門逐漸將不再作為一個部門，而是作為一個類似于“企業”的獨立個體，數據的獲取可以不通過部門的上報來實現，而是通過財務部門設定的獨立軟件獲取，這也提升了財務本身的獨立性，同時也可以為其他部門提供共享服務；財務部門不需要對數據進行處理，而是轉變成為數據的使用和管理者.在大數據時代下，多元化的計量單位將會出現，會計計量單位會出現相關的時間、數量單位等.

3大數據時代下會計信息化面臨的挑戰

大數據時代下，企業會計信息化系統是通過互聯網來實現與客戶、供應商、銀行、稅務等機構互通的，其提高企業財務管理效率的作用是顯而易見的.但目前因為大數據的發展尚未成熟，這就為會計信息化的快速發展帶來了較大的挑戰.

3.1數據的來源以及處理方式

大數據時代下最令人關注的問題就是數據從何而來，以及數據的處理方式.①美國數據科學家維克托•邁爾•舍恩伯格在《大數據時代》一書中提出，“以前一旦完成了收集數據的目的之后，數據就會被認為已經沒有用處了.比如，在飛機降落之后，票價數據就沒有用了；一個網絡檢索命令完成之后，這項指令也已進入過去時.但如今，數據已經成為一種商業資本，可以創造新的經濟利益.”大數據時代下，數據的來源無孔不入，互聯網平臺上的任何一種資源都可以成為其來源方式.網絡平臺對用戶使用的信息一覽無余，一個簡單的第三方軟件就可以知道我們需要什么，需要何種服務，經濟狀況如何，經常偏愛哪種東西等等.企業在云端儲存的數據對于云端后臺的信息維護人員來說，獲取變的輕而易舉.防止惡意程序以及提高用戶的安全系統，保護數據的隱私是很難解決的問題.在通過各種方式獲取了用戶的數據信息之后，要用這些數據干什么以及如何使用就成了關鍵性問題.大數據時代下的信息處理是通過特定的程序來完成的，這樣的結論更加客觀，同時結論的得出也具有局限性.大數據理論過于依賴數據的匯集，那么一旦數據本身有問題，就很可能出現滿盤皆輸的局面，因為數據的問題，做出的錯誤預測和決策，導致一個數據有問題，由此相關的數據而產生的信息本身都是問題所在.這對于數據來源的要求是非常高的，一旦有提供者造假，大數據帶來的危害是不可忽視的.

3.2傳統用戶對云計算、云會計的排斥

對于不知道云計算如何使用、互聯網軟件能帶來什么效益的用戶來說，這項工作還是很難完成的，大數據的推廣受到了很大的阻礙.對于云會計更廣泛的應用，改變傳統的用戶觀念以及現有的會計信息系統，使網絡平臺更容易被用戶所接受是一個非常艱難的過程.

3.3超滿負荷的網絡傳輸問題

大數據時代下，會計信息化系統必須依賴于網絡，這就要求企業應具備一個良好的網絡傳輸環境.就目前而言，網絡的堵塞和數據的延時都是大量的數據存儲和數據交換造成的，超滿負荷的數據傳輸成為會計信息化中的一個瓶頸，網絡技術的發展目前還不能完全滿足包括網絡自我恢復、故障檢測、問題警告等功能的實現.

二大數據時代下會計信息化所面臨問題的解決建議

大數據對會計信息化的影響是一個漸進的過程，在這個過程中，財務工作者應該積極把握大數據時代給我們帶來的機遇和挑戰.針對大數據時代下會計信息化面臨的問題提出如下建議：

1建立并掌控企業的核心數據

提供可靠的云會計服務平臺.大數據會計的服務數據是基于云儲存平臺上的，雖然數據安全機制都很高，但對于企業的會計與經濟信息的完全控制并不能保證.因此，企業在選擇使用云會計模塊時應當根據自己的實際情況判斷其可行性，對于重要程度高的信息應合理判斷是否應該交由數據服務商管理.對于企業會計信息化的實施安全性而言，數據服務提供商的選擇是至關重要的，要在對提供商的綜合評價之后再進行決定.為保證云會計服務的安全穩定，企業可根據自身業務需求靈活地進行模塊組裝以及完善的技術支持，企業的云會計應該適合自己的特色.除此之外，為了防止會計信息的濫用，對于每一個可接觸信息的人都要進行身份驗證，并且對安全級別進行評估.

2進行高效的企業機構設置變更

由于傳統會計的深入人心，企業云會計的推廣還是非常困難的.解決這一問題可以考慮當云會計引入之后，對機構設置進行變更，讓每一個財務人員都能感受到這一改變帶來的高效性.企業應結合自身的實際情況，設置最適合企業云會計應用的高效組織機構.

篇（3）

廉庫存管理的目標之一是在保證生產或銷售經營需要的前提下最大限度地降低庫存成本，即對庫存合理布局，減少調撥次數。存貨不足不能及時滿足生產和銷售的需要會給企業帶來損失，而存貨過多將導致儲存成本增加，進而影響企業利益。如何對庫存管理的成本進行控制對企業的生產經營至關重要。以物聯網技術為前端、大數據分析中心為后端的云會計平臺，能夠在時空分離的環境下預測或獲取企業不同區域的倉儲信息和客戶訂貨信息，以減少企業的庫存管理成本。基于云會計平臺，企業能夠搜集、分析貨物的實時信息，動態了解各倉庫的實時庫存情況。倉儲管理部門在獲得大數據分析中心提供的庫存數據與客戶偏好數據的基礎上，能夠做到對各倉庫庫存合理布局，減少調撥次數，節約庫存管理成本。

（二）云會計使存貨控制系統更精確

為提高企業整體運作效率，很多企業對存貨管理采用了ABC控制系統或即時制庫存控制系統（JIT）。在ABC控制系統中，如何準確區分ABC三類存貨并進行分類控制是企業需要解決的重要問題。JIT管理強調只在使用存貨之前才要求供應商送貨，從而將存貨數量減到最小，實現物資供應、生產、銷售連續同步運動。這種方式在提高生產效率、減少儲存成本的同時需要考慮到與供應商協同接洽的問題。大數據、云會計技術的應用，能夠提高企業ABC控制系統或即時制控制系統的運行效果。在企業的云會計平臺上，通過對自身以往所有各種類型存貨數據的大數據分析，以及參考同行業、相關行業的歷史數據，可以對ABC三類存貨進行更為科學合理的區分，使ABC控制系統更加精確。面對JIT即時制更加嚴格的要求，企業需要考慮到存貨的計劃需求、與供應商關系、準備成本、電子數據等方面，一旦存貨預警就會產生生產線、銷售線告急的情況，將為企業帶來巨大損失。物聯網與大數據技術的發展為解決JIT控制面臨的問題提供了解決方案。由供應商提供的存貨都帶有唯一的產品電子代碼（EPC），企業和供應商可以通過物聯網同時獲得存貨的使用情況，在數據顯示該批存貨需要補充時，物聯網得到傳感信息的反饋及時提醒企業補給，通知供應商做好供貨準備，并給出下一訂貨批量的預計時間及數量要求。這樣就加強了企業與供應商的信息溝通與交流，使JIT控制系統得到更好的實施。

（三）云會計使庫存管理更智能

由于各個地區消費者的需求偏好往往存在差異，使得企業在全國布局的倉庫庫存往往在商品的類型、數量等方面不盡相同。基于云會計平臺，通過前端的物聯網，企業可以獲取各個區域倉庫的存貨情況。針對庫存調撥，通過后端的數據中心進行大數據分析，可以選擇在最優的倉庫之間進行商品的調配，并根據對調撥結果的分析就以后的商品庫存分配進行優化。消費者在網上購買商品時，云會計平臺會自動選擇就近且有貨的庫存點進行智能化發貨。在存貨的運輸與存儲過程中會涉及到安全問題，尤其是對于高價值的存貨，其一旦損失將會對企業造成嚴重影響。云會計平臺下物聯網技術的運用，可以做到存貨信息流和物流的統一、對存貨流向形成監控，具有極強的監測功能。存貨信息能夠實時反映在云會計平臺上，即便出現貨物丟失情況，企業也能夠即時采取措施應對，確保企業存貨的安全性。

二、大數據時代基于云會計的庫存管理

框架模型構建庫存管理及時準確地反映各種物資的倉儲、流向情況，可以為企業的生產管理和成本控制提供依據。通過對貨物的各種信息進行即時的采集、分析、處理，可以使企業實時動態的庫存管理成為現實。在云會計平臺上，前端的物聯網技術能夠實時采集數據，后端的大數據分析中心對數據進行分析與處理，為企業的庫存管理決策提供支持。在分析大數據時代云會計對企業庫存管理在成本、控制、管理水平等方面影響的基礎上，結合大數據、云會計和物聯網的技術特征，考慮企業當前主要的庫存管理需求，本文建立了由云會計平臺、大數據分析中心、庫存管理等核心模塊組成的大數據時代基于云會計的企業庫存管理框架模型。企業庫存管理決策所需的庫房信息，如倉庫信息、貨位信息、物料信息、出入庫信息等，可以通過物聯網技術借助云會計平臺進行實時搜集；決策所需的其他大數據源，可以通過互聯網、移動互聯網、社會化網絡等多種媒介，借助云會計平臺從企業內部、交易所、事務所、外部市場、銀行等獲取。同時，經由大數據處理技術和方法（Hadoop、Storm、PentahoBI等）規范所獲取數據，并通過ODS、DW/DM、OLAP等數據挖掘與數據分析技術提取企業進行庫存管理決策所需的財務與非財務數據。大數據分析中心對企業庫存管理的入庫信息、調撥信息、出庫信息進行分析，以此來支撐庫存管理模塊，為采購入庫、庫房調撥、銷售出庫階段實時、準確的決策提供了依據。

（一）采購入庫在采購入庫階段

由大數據分析中心結合企業生產情況、外部環境等因素對采購計劃、采購數量、采購時間、物流過程等相關采購流程的影響，就公司所接訂單、產品或服務的生產周期以及交貨的時間等進行分析，并針對企業歷史數據的分析以及對供應商信用程度、產品質量、產品價格等的綜合分析，制定出《合格供應商名冊》向企業推薦最優供應商。采購部門則根據分析結果按照企業需求制定出科學的采購計劃與選擇適合并滿意的供應商。完成供應商選擇之后要進行簽訂采購合同、發出訂購單，供應商確認訂購單、根據訂單交貨等步驟，這一過程需注意明確合同內容，明晰產品信息與雙方責任。在最后一個部分即進料檢驗及入庫階段，由射頻識別技術（RFID）識別出產品的品牌、規格、型號以及供應商的檢驗合格標識（在物聯網技術下，產品都帶有唯一電子標簽）之后方可入庫，若有檢驗不合格者，根據標簽自帶的生產信息退回至供應商處，并根據采購合同的條款或退換貨物或進行賠付，退換后的貨物同樣要進行這一系列的檢驗過程，直到合格后入庫。

（二）庫房調撥在庫房調撥階段

模型采用完全共享策略，即某倉庫庫存水平一旦無法滿足當前訂單，而采用調撥方式可滿足時，可從其他點調撥，要求調撥點的當前庫存能滿足需求點的訂單需求量。由于云會計前端的物聯網可以得到企業各倉庫的庫存信息，這樣在任何倉庫發生存貨預警時，都可以向后端的大數據分析中心實時反饋請求調撥信息。對請求調撥信息進行分析之后，按照最小費用策略確定存貨的調撥點與調撥量，并向該倉庫調撥信息，以此在各倉庫間完成存貨的相互補給。在各倉庫不能滿足庫存需要或者調撥成本過高時，庫存信息將直接向總部反饋，由總部完成存貨的分配。最后將調撥結果經由大數據分析中心向倉儲管理部門進行匯報。基于云會計的庫存調撥模塊將企業的分布式庫存連成了一個有機整體，不再是單獨的倉庫管理，可滿足大中型企業庫存實時性的問題，便于整體優化及一體化管理。大數據分析中心為各倉庫的信息共享提供了技術支撐，物聯網技術的運用為掌握各倉庫的實時信息提供了有力保障，可為企業節省時間與成本。

（三）銷售出庫針對企業的銷售出庫

銷售部門根據經由大數據分析中心分析之后的客戶訂單向指定的倉庫下達發貨指令，當指定倉庫接收到發貨指令之后帶有RFID的貨物將發往指定地點，同時，貨物的地理位置信息與其他信息等由帶RFID技術的物聯網通過大數據分析中心向倉儲管理部門實時反饋，以確保貨物的安全以及了解物流信息。在貨物到達指定地點后，將會再次向大數據分析中心反饋信息，并向倉儲管理部門與銷售部門發送貨物安全送達的信息，從而完成整個出庫過程。

篇（4）

醫院病案記載著各個時間段的患者診療狀況以及疾病演變狀況，其中關鍵的病案信息包含患者家族史、患者本身的病史、醫院診療過程、病情檢查與病情診斷得出的報告等。

由此可見，醫院病案信息牽涉各項日常的醫院業務，有關部門對此有必要予以全方位的信息審核、信息收集以及檔案存儲。但從現狀來看，當前仍有某些醫院并沒能全面關注綜合性的病案信息管理，而與之有關的病案管理措施也沒能真正實現健全。在此前提下，醫院應當嘗試在現階段的病案管理中全面使用大數據模式，以此來全面保障病案信息管理的成效性。

醫院對于病案信息管理運用大數據手段的重要意義

第一是提升醫院當前利用各類病案信息的整體水準。大數據手段在客觀上有助于實現多層次的數據與信息整合，從而顯著提升了利用醫院病案的水準。醫院在全面集成當前現有的病案信息基礎上，應當能夠妥善劃分各項相應的患者信息，確保將其分成收費信息、患者檢查信息、患者診療信息、門診信息、報告與檢驗信息等。在劃分上述各類信息以后，運用大數據手段還能創建針對各個患者的識別身份編碼，以便于實現多層次的信息關聯集成。

第二是全面支撐醫療決策。醫院由于具備了大數據手段作為管理病案信息的必要輔助，因此針對實時性的病案信息都能著眼于精確進行搜集。在決策系統的全面支撐下，有關科室就能全面明晰現階段的患者病情種類、院內患者分布與其他相關要素。相比于傳統模式，大數據手段更加有助于匯總信息以及統計信息，對于某些潛在誤差也能予以徹底杜絕。除此以外，醫院針對當前入院的各科室危重患者應當予以側重關注，以便于提供日常各項醫療決策必需的信息支撐。

第三是拉近護患關系并且突顯以患者為本的宗旨。在集成病案信息的基礎上，醫護人員針對當前階段的各項患者信息都能予以全方位的精確掌握，上述措施有助于增強現有的患者滿意度，拉近護患關系。例如近些年來，患者已經能夠憑借電腦或者手機等工具來隨時查找個人診療信息，對于實時性的自身健康狀態也能全面加以了解。在某些情形下，患者一旦表現為某些危重病情，臨床醫師對其就要及時進行處理，全面保障患者健康并且提升患者生活水準。

醫院當前病案信息管理現狀

目前各地已有較多醫院正在嘗試引進病案信息的大數據管理模式，并且逐步將大數據手段滲透于管理醫院病案信息的各個流程中。但是不應忽視，各地醫院在現階段仍然表現為相對較低的病案管理綜合水準。探究其中根源，就在于醫院及其有關部門針對病案管理仍然欠缺必要的關注度，同時也沒能著眼于引進大數據手段作為其中必要的輔助與支撐。

此外，多數醫院并沒能設置獨立性的病案管理專門科室，醫院現存的病案管理部門體現為較強的附屬性特征。作為管理醫院病案信息的專門人員來講，上述人員本身應當具備優良的病案管理水準。與此同時，上述人員也要掌握涉及到大數據的有關常識，并且將其靈活適用于當前的醫院病案管理。但是截至目前，負責管理醫院病案信息的專門人員仍然表現為滯后性的專業素養，甚至沒能熟悉日常性的病案信息匯總、信息分析以及信息處理操作。除此以外，醫院部門針對此類管理人員也沒能給予專門性的管理技能培訓，甚至聘用某些兼職人員代替專職性的病案管理人員。

探求改進舉措

增設專門的病案信息管理機構

醫院如果要著眼于優化病案管理的綜合效果，那么關鍵在于設置專門的病案管理部門，有關領導對此也要引發更多的關注。近些年以來，各地醫院都在致力于建成病案管理的專門委員會，在此前提下助推信息化的醫院建設。與此同時，醫院還需結合自身的真實狀況來增設病案信息的新科室，確保該科室在整個醫院體系內占據獨立的位置并且擁有獨立職能。

通過運用上述的改進舉措，病案管理機構就能全面突顯其具備的價值與意義，確保該科室能夠覆蓋于醫院臨床管理、制定病案管理規劃以及收集病案信息等領域。每隔相應的時間段，管理委員會針對當前的醫院病案信息要予以全方位的歸納匯總，此舉措有助于保障病案管理能夠達到的綜合水準。

運用信息化手段來輔助管理

在目前階段中，各地醫院已經能夠憑借信息化技術來顯著增強病案管理的實效性，在這其中包含自動式的條碼識別、微縮光盤技術、數字化的病案管理與其他相關技術。醫院通過靈活使用上述大數據手段，就能夠著眼于挖掘深層次的患者病案信息，確保現有的病案信息符合準確性與真實性的基本要求。近些年各地醫院都在致力于創建資源共享的病案管理網絡，在此前提下誕生了新型的電子病案。此外，醫院在存儲各類患者病案時，也能夠借助大數據手段予以完成。這是由于運用電子化存儲的方式有助于在線查詢各項病案信息，從而服務于現階段的臨床治療優化與完善。針對出院后的患者來講，運用大數據手段就能打印并且查詢患者現有的各項病歷信息。數字化管理應當能夠覆蓋于醫院當前的各項日常管理工作，此項舉措在根本上保障了病案信息共享，同時也便于利用與存儲病案信息。

全面提升人員素養

從目前現狀來看，各地醫院針對自身保存的患者病案都給予了更多關注，同時也認識到了病案具備的價值。在此基礎上，作為管理醫院病案的專門人員而言，應當全面提升自身具備的綜合素養，針對醫學統計學、外語、計算機與其他學科的有關知識都要予以相應的掌握。

因此可見，病案管理人員是否擁有優良的專業素養，在根本上關乎病案信息管理的整體效果。病案信息管理牽涉多領域以及多層次的學科與專業，因此作為管理人員而言，上述人員應當能夠精確檢索各項信息，以便于實現全方位的信息獲取。在此前提下，醫院針對各類臨床信息應當予以全方位的傳遞，確保病案信息能夠體現其應有的臨床價值、科研教學價值以及其他價值。在目前階段中，醫院針對原有的病案管理思路應當予以相應轉變，確保將病案管理的側重點全面落實于分析收集以及匯總各類病案信息。

結束語

醫院病案信息在醫院現有的管理系統中占據了重要位置，這是由于病案信息記載著全過程的醫療信息。與此同時，醫院如果要給出相應的醫療決策，那么也必須憑借病案信息予以完成。

截至目前，醫院及其有關部門正在逐步意識到醫院病案管理與大數據手段相互融合的必要性，對于醫院當前的各項管理舉措也能夠予以相應的優化。因此在病案信息管理的有關實踐中，醫院針對信息化手段有必要著眼于靈活加以運用，在此前提下服務于病案信息管理實效性的提升。

信息管理畢業論文范文模板(二)：信息管理到知識管理過程中檔案價值重新發現論文

【摘要】基于信息與知識、信息管理與知識管理之間的關系，分析在知識管理過程中檔案價值的新特征。檔案價值的實現主要是通過將其主體與客體之間的關系顯現化，通過知識管理對檔案信息進一步挖掘使檔案更好地實現其應有的價值。

【關鍵詞】信息管理；知識管理；價值特征

一、信息管理到知識管理

對于知識管理與信息管理之間的關系，我們可以從信息與知識之間的關系入手。有關知識與信息之間的關系有很多種觀點。一種觀點持有者們認為，信息存在于自然環境、人類社交活動以及人們思維之中，而知識的存在局限在人們的社交活動范圍之中，因而信息包涵了知識。另一種觀點持有者認為，信息是可編碼化的知識或顯性可視的知識，而知識除了顯性之外，還包涵隱性知識，即存在于人類大腦之中、不可編碼化的知識，因而知識包涵了信息。對于以上兩方觀點，有學者認為，從本質上來說，信息是一種具有物質屬性并以物質存在的方式反映呈現給大眾，這種物象化及其存在方式可以廣泛地包含人類活動及其成果。而知識是人們對這種反映的一種主觀性的認識結果，是一種智力成果。因而，就信息與知識兩者之間的關系而言，信息是具有知識屬性的，并以知識成果作為其具體的表現形式。知識管理這一概念最早是在企業管理中被提出來的，知識管理的概念可能會因為其所涉及的學科領域的差異而存在各種不同的版本，但是知識管理的目標大抵是相同的，即知識管理想要實現的是在最恰當的時間將信息傳遞給最需要的人，以便于此人可以利用這一信息做出最恰當的決策并付諸實踐活動。然而檔案又是如何與知識管理存在聯系的呢？檔案根據其定義我們可以了解到，其最明顯的特征為原始記錄性。檔案的這種原始記錄性的特征奠定了檔案不可動搖的地位，也是將檔案區別于圖書、信息等的重要憑證。因此檔案憑借其固有的原始記錄性的根本屬性無可厚非的可稱其是信息的最根本來源。知識是我們依靠自身主觀能動性對信息進行篩選的結果，故檔案也可以稱為是知識的源頭。

二、知識管理的檔案價值

當今由于知識管理層次的不斷深入，檔案的使用價值呈現出來了新特征，因此對于知識管理中檔案價值的重新發現，筆者認為是必要的。知識可以分為顯性知識與隱性知識。檔案是一種直接呈現在人們眼前的顯性知識，是知識的來源，因此檔案也是知識管理的核心部分。

（一）從理論基礎角度分析。理論基礎角度主要可以從檔案后保管范式與檔案雙元價值理論兩個方面。檔案后保管范式包括新來源觀、宏觀價值鑒定論、知識服務三個方面。1.新來源觀。新來源觀就是對于文件的來源問題進行一種全新的認識，傳統意義上，我們是在文件轉化為檔案之后才開始對檔案進行管理，而新來源觀理論則強調對于文件的管理工作應該從文件形成之初就著手開始進行，從開始形成時就開始對其管理，即強調的是一種“前端控制”“全過程管理”，通過這種管理方式可以方便人們從文件形成之初的背景，文件形成過程的結構層次以及文件未來可能會涉及的研究發展的方向進行全面系統的管理。2.宏觀價值鑒定論。宏觀價值鑒定論強調的是對于檔案價值的鑒定我們不能僅僅局限于對其本身形成部門、機關所產生的價值作用上來判斷是否對其進行保存，而應將價值的鑒定提升到對整個社會層級上來。使更廣大的人群可以受益，進而實現檔案的第二價值，這也正是謝倫伯格所強調的檔案雙元價值理論中的第二價值。3.知識服務。知識服務顧名思義主，要是將檔案信息上升為知識層次對其進行管理，這一理論主要表現在傳統檔案保管員身份的變化上，可以說檔案保管員的工作并非只局限于對檔案的排列、檔案、上架等一些基礎性的工作。在知識服務中檔案保管員的工作主要是將檔案中的文字信息加工、提煉出有價值的部分，對這些有價值的部分進行整理，使有價值的信息可以提供給人們利用，即提高了檔案信息的質量，也節省了檔案利用者篩選檔案的時間。以上就是檔案后保管范式中所包括的三個方面的基本內容，檔案后保管范式是在電子文件不斷產生的背景下提出來的，將檔案價值鑒定工作與知識服務有機結合起來，從而肯定了檔案價值在知識管理中的地位。4.檔案雙元價值理論主要指檔案的工具價值與檔案的信息價值。工具價值所指的就是檔案產生之初所賦予的價值。正如一個事物的產生是有其原因的，并能在其產生的基礎上發揮其應有的價值，為社會提供利用服務。信息價值主要是依據信息接收者，即知識主題與知識客體之間的關系而形成的一種價值關系。這種價值的實現是需要一定的載體對信息進行傳遞實現的。知識主體的不同對知識的需求自然就會不盡相同。主體帶著目的和需求查詢接受信息，并且由于每個人的知識素養，知識儲備的不同，對同一信息的理解也是大相徑庭的。正如每個人讀研究生的目的是不同，每個人的人生經歷也是不同的，所以對待同樣的問題我們會有自己的想法，我們會根據自身的經驗分析理解所獲取的信息。

（二）從實際理論角度分析。實踐基礎主要表現在公共檔案管提供利用的層面上，主要包括知識獲取、知識管理與知識服務三個方面。1.知識獲取是實踐的前提保障工作。正所謂沒有原材料我們就無法進行生產加工一樣。所以要想使公共檔案真正體現價值，首先我們需要獲取到一定的知識。知識管理權主要指的不再是對紙質文件的有序化整理過程，而是對文件上所反映出來的知識內容進行整理加工，對文件上面的信息進行分析，挖掘出更有價值的部分，對其進行管理。2.知識服務體現在政府信息公開這一層面上，檔案館作為政府信息公開查詢的場所，具有提供知識服務的合法地位，同時主動提供信息查詢等方面的服務也是其應當履行的義務，滿足公眾的需求是其應當做的。同樣也是公共檔案管發展的動力所在。在知識服務提供利用方面，公共檔案館可以借鑒公共圖書館的成功措施，如舉辦展覽，提供遠程服務，提供電子化檢索平臺等等。公共檔案館通過提供新的利用服務方式可以吸引更多的公眾，進而實現其公共服務的價值。

三、知識管理中檔案價值實現的特征

傳統檔案管理活動中只有有價值的文件才可以轉換成檔案進行管理、保存。而在知識管理活動過程中，檔案的價值與使用價值時同等重要的。檔案的價值主要體現在隱性知識層面，檔案的使用價值主要體現在顯性知識層面。因此對于知識管理中檔案的這種價值與實用價值并重的條件下，檔案價值也呈現出了新的特征。

（一）集成化與靈活性。傳統的檔案價值體現在主題對客體的需要，對主體需要的檔案進行歸檔保存以實現其價值。而知識管理中更加注重的則是知識，并且這一管理從文件形成之初就需要開始著手進行了，體現在外在內在結合的全過程中，在整個過程中因可能涉及的不同人提出的不同要求，故靈活性也是必不可少的。

（二）多元化與共享性。公眾對于檔案的利用可能是間接的，而公眾對于知識的獲取則不同，這是一種主動性的活動。正如約翰奈斯比特曾經提到的“我們淹沒在信心之中，但我們仍處于知識的饑渴中”。作為知識個體的人因其自身處于不斷發展中，所以人作為知識個體是渴望獲得知識的。知識管理的過程中則強調的是，將檔案中的知識以一種共享的方式傳播開來，呈現在公眾面前，以便于公眾根據自身的需要獲取知識。這種共享性是多元化的，可以是一對一、一對多、多對一、多對多的方式。正如我們需要完成一項工作可能一份文件就包括了我們所需要獲取的全部信息，也有可能我們需要通過搜集不同文件中的部分信息，進行整合后的信息才是我們真正需要的。個體的需求可能是單一的也可以是多元化的。

（三）顯性化與增值型。知識管理需要的是主體通過交流的方式將隱形的知識顯性化，知識管理中側重于人力資源管理、成本投入管理、技術管理三個方面，這三點主要是依據企業知識管理所提出的。而當前就檔案而言為了實現檔案的價值應更加趨于主動性。主動性主要指主動提供服務，知識管理重視的是個體之間，個體與組織之間的知識共享過程，進一步促進知識創新以實現檔案信息的增值型。

四、檔案價值在知識鏈中的體現

（一）知識獲取。知識獲取包括信息采集與信息創造兩個方面。采集的過程我們強調的是對于信息的獲取要注重其完整性與信息的可靠性。創造則更加側重于，將隱形信息顯性化的過程。檔案室信息是一種外在存在形式，因此可以說檔案室信息的承載體，也就是知識獲取的主要來源，對于有價值的信息獲取應該對其加以記錄以便日后更多人利用。

（二）知識開發。知識開發的過程是對信息進行分析，加工，處理，存儲整合的過程。使信息有序化、體系化。這種信息開發的過程要遵守信息本身的客觀性原則，知識開發者不可以根據個人的主觀意識對信息進行任意的更改，要保持信息的原貌。知識開發就是檔案工具價值和信息價值轉換的過程。

（三）知識利用。知識獲取與知識開發的過程都是為了知識最終能被有效地利用，利用過程中的個人與組織之間的信息傳播、信心交流、信息之間的轉移，到最后的信息共享過程都是檔案價值實現的體現。

篇（5）

2大數據時代計算機信息處理技術

2.1信息采集、加工方面

計算機信息處理技術要進行工作，首先，要采集數據信息，計算機技術都是建立在數據采集基礎之上的，數據采集主要是針對目標信息源進行實時的信息監督和控制，并將才覺得數據儲存在計算機數據庫中，為各個軟件提供信息支持，確保下一項工作順利進行；其次，對數據信息進行加工，按照用戶的要求，對數據信息進行加工；最后，將加工好的數據信系進行分類，最終傳送到用戶手中，實現數據采集、加工以及傳送目標。

2.2存儲方面

計算機存儲技術是將采集的信息儲存到計算機數據庫之中，在用戶需要某一項信息過程中，可以通過數據庫直接將數據調取出來，計算機以其儲存量大、速度快等優勢，受到人們越來越多的關注，另外，計算機技術還能夠實現長時間儲存。

2.3信息安全方面

大數據時代的到來，讓人們感受技術帶來的便捷的同時，也讓人們意識到數據信息安全對人們的重要性。因此，為了能夠提高數據信息的安全、可靠性，可以通過以下幾個方面進行：首先，建立計算機信息安全體系，加大專業技術人才的培養力度，投入資金，為構建計算機安全體系奠定堅實的基礎；其次，加大研究力度，開發信息安全技術產品。傳統信息安全技已經無法滿足大數據時代數據安全需求，為了能夠盡快改善數據安全問題，應加大研究力度，尋求更好的解決方案，有效避免數據信息受到威脅；最后，重視對重要數據的檢測，大數據時代的突出特點是數據量大，無法實現對每一個數據的檢測。因此，為了提高數據安全系數，應加強對重點數據信息的檢測，從而確保數據信息安全。

2.4信息處理技術的發展

計算機硬件具有一定局限性，在一定程度上阻礙了計算機網絡的發展，而云計算網絡能夠突破這一弊端。因此，推廣和應用云計算機網絡成為未來大數據時代計算機信息處理的主要發展趨勢。傳統計算機網絡是將硬件與網絡有機結合，抑制了計算機信息處理技術的發展，將二者分離開，促使云計算主筋形成云計算網絡，從而構建大數據信息網絡系統，推動我國社會不斷發展。

篇（6）

2相關概念

在信息化時代“，數據”成為一個熱門詞匯，如今數據已經深入到每一個行業和領域，并成為促進生產的重要因素。而“大數據”這樣的概念是在數據的基礎上逐漸流行起來的，這最早源于美國“。大數據”指的是運用更先進軟件和科技對數據進行管理和分析，將數據流整合，將海量的數據進行處理，也就是說，傳統的數據管理技術已經不能適應現在的大量數據了，我們要進行新技術的開發，迎接大數據時代的到來。大數據(Bigdata)一般指的是軟件工具難以捕捉、管理和分析的大容量數據，其單位通常是“TB”。大數據是一個企業在創造了大量非結構化和半結構化數據后，組成一個數據集，其具有4V特性：(1)容量大(Volume)。非結構化數據的超大規模和增長；占總數據量的80%～90%；比結構化數據增長快10到50倍，是傳統數據倉庫的10～50倍。(2)格式多(Variety)。異構和多樣性；很多不同的形式，如文本、圖像、視頻、機器數據等；沒有模式或者模式不明顯；不連貫的語法或句義。(3)價值高(Value)。大量的不相關信息的提純；對未來趨勢與模式的可預測分析；深度復雜分析(機器學習、人工智能VS傳統商務智能咨詢、報告等)。(4)速度快(Velocity)。實時分析而非批量式分析數據輸入、處理與丟棄，立竿見影而非事后見效。數據之間的跨應用和跨系統的結構化和非結構化數據體現著數據與數據的復雜關系，這些數據相互之間關聯卻又相對獨立，大量的數據通過儲存和分享進行交換和聯系。通過對大量數據進行分析、整合和交換，不斷創造新的價值，加快生產，發現新領域和新知識，將數據流最大價值化和最大應用化，這是大數據的實質與內涵，簡單來說，就是將大數據內部信息進行關聯和挖掘。

3大數據給公司帶來的挑戰

新疆新捷股份有限公司成立于1995年8月，是專業從事天然氣終端銷售及綜合利用的企業。公司秉承中國石油“奉獻能源、創造和諧”企業宗旨，堅持昆侖能源“低碳經濟、綠色發展”理念，努力將公司建設成為國內一流的天然氣終端銷售企業。從企業戰略著眼，信息就是財富，企業如果對這些大數據管理得當，就可以發掘出更為強大可靠的決策信息。目前大數據時代給企業管理者帶來的挑戰有如下幾個方面。

3.1如何獲取大數據現在很多企業所能獲取的數據信息有限，僅僅是冰山一角，大約為總數據的15%以下，并且對數據整合程度不夠，存在很多非結構化數據和半結構化數據。無法獲取足夠的數據成為企業發展的障礙，這些對于現代企業來說是一個很大的難題，傳統的商業智能系統對大量信息數據的標準化和結構化整合已經不能適應，海量數據的產生需要企業運用先進的手段獲取更多，并對信息數據加以整合，這樣才能通過大量的數據分析市場需求，增加客戶，提高企業的服務質量，不斷提升企業的國際競爭力。因此，如何獲取大數據成為新疆新捷股份有限公司的一個挑戰。

3.2對管理團隊的挑戰新疆新捷股份有限公司的傳統管理模式是高層決策者憑借自己的經驗和決策能力下決定，其他管理人員負責完善決策和執行。在大數據時代來臨前數據量較小，信息有限且獲取信息的成本較高，因此這種傳統的管理模式還可以適應企業發展。但隨著信息化社會的發展和大數據時代的到來，這種傳統的管理模式已經不能適應海量的數據，這更多的是需要新疆新捷股份有限公司通過大量的數據進行分析，結合企業自身的特點，組成管理團隊進行決策，這樣才能不斷適應社會的發展，增強企業的競爭力。決策者在決策過程中的直覺主義已經不能適應大數據時代，這是企業在管理上遇到的一個挑戰。

3.3對企業管理流程的挑戰多數企業的管理流程是逆向思維方式，也就是說通過在經營過程中出現的問題進行分析，通過一個管理團隊的討論和協商，制定出一套解決方案，這樣的管理流程有一定的好處，但也會因為有一些管理問題還沒有出現，導致管理上的疏漏，而新疆新捷股份有限公司就曾是這樣的管理流程。對于現在海量數據的產生，新疆新捷股份有限公司不能再按照逆向思維模式進行管理了，其應該盡量運用正向思維的管理方式，根據現在大數據時代的特點，進行數據收集，找出數據之間潛在的關系，對客戶信息進行整理分析，充分了解客戶的需求，進而提出優化方案，這樣更有利于企業發現自身的問題，并走在其他企業前面，提高競爭力。

4大數據時代企業管理變革

隨著信息流動、網絡新生代的成長和數據量的增加，過去傳統企業可能通過強大的體制控制力，或者信息不對稱的優勢地位進行封閉企業管理的模式，在今天已經越來越行不通了。面對海量數據，我們要以數據體現的內容為先決條件，不斷適應大數據時代的變革，同時，對企業的管理進行改進和變革，大數據時代下企業管理需要做出變革幾點如下。

4.1獲取數據在大數據時代，企業最重要的是進行數據的獲取，收集一定的數據才能更好地對企業進行管理和實施決策。大數據需要有一個平臺，需要進行一個數據的抓取，它有傳輸、分析、建模、優化等作用，最后產生認知，這些都是在大數據這個平臺上所必須具備的一些特性。這些特性使得企業間可以通過大數據平臺進行跨行業交流。大數據平臺會把全世界的數據進行共享，使得全世界在物理空間的活動都得以體現在大數據平臺上，這是一個很重要的概念。對于企業來說，要不斷融入這個平臺，通過共享數據和收集數據，開發潛在客戶。

4.2管理團隊的挑戰大數據時代的到來對于企業的管理既是機遇又是挑戰，對于企業的管理者來說，這有利于數據的收集和分析，我們在面對大數據的挑戰時，首先要將數據量化，量化的數據有利于管理效率的提升，管理者通過大量的數據信息掌握公司的業務和客戶，對公司內部和外部客戶進行管理，提升管理和決策的質量。我們可以通過以下三個方面面對挑戰。

4.2.1轉變管理模式企業在管理上要與時俱進，要在大數據時代充分了解數據是什么，并通過數據進行有利于自己企業發展的分析，要根據大數據轉變管理模式。海量數據是管理的主線，我們應該通過數據說話，利用數據進行潛在客戶的挖掘。以往的管理模式都是由高層人員根據自己的經驗進行決策和管理，而在大數據時代，我們應該建立一個管理團隊，對海量數據進行管理和收集，通過分析數據得出結論，再通過研究討論，最終確立決策方案。這種管理方式可以給企業帶來巨大的商業價值，實現企業對客戶進行增值服務的附加值，以數據為主的管理模式更合理，更科學，也更符合大數據時代的特點，此外，還有利于企業增強競爭力，提高管理和決策的效率。

4.2.2轉變思維模式面對大數據時代，企業管理者需要對大數據進行量化分析，這和傳統的思維模式并不相同，因此需要轉變管理者的思維模式。在面對重大決策和企業管理時，要先進行數據查找和數據分析，從數據上得出結論，分析結果，最后再進行決策和管理，這種方式不但會提高管理者的效率，也會提高其他工作人員的積極性和業務執行能力。另外，我們要允許數據做主，也就是說提高數據分析的力度，將來自一線的數據進行分析，通過數據判斷決策是否正確，大數據的整理和分析是需要較長的時間來完成的，這對企業來說也是一種挑戰。

4.2.3培養人才資源在大數據時代人才資源是一個企業發展的重要因素。如今的高級管理人才越來越稀缺，擁有綜合能力的管理人才不多，因此企業應該進行管理人才的培養，只有將人才、科技、管理、決策進行融合和調整，才能使企業清晰自己的發展目標，制定適合自己的發展戰略。企業可以在管理人才的選擇上挑選一些經驗豐富、學歷較高的人才，再進行崗前培訓和在職培訓，提高他們的管理能力和應對大數據時代的能力。企業通過培養視覺化、系統化人才，將企業的海量數據進行快速、高效的整理和分析，從而提高企業競爭力，使企業能充分迎接大數據時代帶來的挑戰，更好地把握大數據時代出現的機遇。

篇（7）

2.互聯網融資平臺的規模經濟優勢。進一步，通過互聯網平臺進行信用評級，較之傳統信用評級方式能實現規模經濟優勢。由于傳統的信用評級方式需要貸前調查，貸中跟蹤，貸后審計，存在較高的成本，如果融資額度不夠大，會使貸款利潤較低。而互聯網平臺在設計、運營和管理等方面的投入具有固定成本的性質，總成本不隨評級企業的數目變化而發生顯著變化，單個企業分攤的成本卻越來越小，從而實現信用評級的規模效應。此外，通過互聯網技術能對企業進行實時監測，一旦企業出現危險的信號和行為，會即時預警，提升信用評級的預判性，能夠增加信用評級的深度。同時，將經營成熟的互聯網融資平臺的數據庫在監管機構的管理下實現聯網，進而建立起面向全社會的信用體系，能夠增加信用評級的廣度。由于依托互聯網融資平臺進行大數據信用評級，可以實現傳統信用評級下不能或不愿提供的融資業務，從而使其成為互聯網金融的基本運作方式。

二、基于大數據建立互聯網融資平臺的信用評級模式

1.互聯網融資平臺的運作模式。對于互聯網融資平臺的運作模式，從不同的角度可以進行不同的劃分。比如，從運營形態上，可以分為：（1）電商平臺模式，如阿里小貸、京東京寶貝；（2）網上超市模式，如陸金所、各家商業銀行的網上銀行；（3）P2P模式，如人人貸、拍拍貸；（4）眾籌模式，如眾籌之家。從資金的來源上，可以分為：（1）平臺提供資金，如阿里小貸、京寶貝；（2）平臺擔保，銀行提供資金，如京東的供應鏈金融；（3）平臺利用吸收的資金提供貸款，如各家商業銀行的網上銀行；（4）平臺做信用評級，撮合投資者和資金需求方進行融資交易，如各家P2P。盡管這些互聯網融資平臺的運作方式不同，但都需要對客戶的融資需求進行信用評級，因此是否具有成熟可靠的信用評級技術，有效控制信用風險，成為互聯網融資平臺的核心競爭力。

2.互聯網融資平臺信用評級的模式。當前互聯網融資平臺的信用評級模式按評級信息的來源劃分，主要可以分為三種模式：（1）基于運營大數據的信用評級。該模式多用于各商業銀行的網上銀行，以及P2P網貸平臺、眾籌平臺上，其中尤以P2P最為活躍，面對的客戶為個人及小微企業這一類低信用水平群體，融資金額從幾千元到上百萬，很大程度上彌補了信息不對稱情況下傳統金融機構不愿意對該類群體提供融資服務的空白，因此處于快速發展階段。（2）基于交易大數據的信用評級。該模式多用于成熟的電商平臺提供的融資服務中，如阿里小貸、京東的京寶貝等。這一類融資平臺最近幾年隨電商市場的發展也保持著良好的發展態勢，市場份額上升的很快。（3）基于交互大數據的信用評級。該模式目前多用于一些提供個人貸款服務的互聯網平臺上，知名的企業有ZestFinance和WeCash閃銀。這類融資平臺目前還處于萌芽階段，但可預見，未來基于交互大數據的信用評級會逐漸成為信用評級的主要方式信貸，會逐漸從個人及小微企業貸款發展到對大企業貸款。由于不同信用信息的來源、屬性不同，導致各類融資平臺評級時在指標設計、數據收集、數據分析、數據運用過程中采取的方法都不盡相同。但信用評級的基本流程是相同的，只是在一些步驟的實施過程中，受信息屬性的決定而使用不同的評級技術。

三、基于大數據互聯網融資平臺信用評級的實施策略

1.信用評級的流程設計。大數據信用評級的流程可以用圖1表示。由圖1可見，實施大數據評級，第一步是對待評項目的理解。首先要掌握項目運營方式、客戶特點、市場狀況、風險構成等項目內容；其次根據對項目內容的理解設計項目計劃，包括安排項目可行的技術路線，制定項目的進度等；再次，待項目計劃安排好之后就要確定大數據的來源，因為大數據來源雖然眾多，但會受到各種限制，如有的可能過于昂貴，有的則不開放，必須選擇那些技術上與經濟上均可行的作為數據源。因此，需要基于對項目的理解做好這些在項目正式實施前的準備事項。第二步是準備數據。所做工作是：根據數據的來源，確定數據的類型，采取可行的數據收集技術，獲取大數據；很多數據存在不完整、重復、錯誤等缺陷，要對數據進行預處理；預處理后的數據如果屬于非結構化或半結構化數據，需要進行格式化，轉化為結構型數據，為實施下一步驟做好準備。第三步就是進行機器學習。首先是選擇合理的數據挖掘技術對數據進行分析，從中尋找關聯關系，其次是解讀和評估數據挖掘的結果，找到最合理或最有說服力的，實現知識發現；最后就是根據知識發現的內容，建立適用的信用評級模型。第四步就是實施評級。根據知識發現的模型，開展對被評級對象的信用評級，生成評級報告，并對結論進行分析，幫助客戶理解評級結果。最后對整個項目的運行做全面總結。在以上各個步驟中，技術上的重點和難點在于數據準備過程中的大數據轉化與機器學習過程中的大數據挖掘。大數據轉化的困難在于需要把各種各樣的非結構化半結構化數據轉化為可以被機器處理和學習的結構化數據，大數據挖掘則在于需要對數據進行理解，選擇最合適的數據挖掘技術實現知識發現。

2.信用評級的實施路徑。信用評級的實施路徑可以分為內容計算和流計算。首先是內容計算。內容計算多采取主動方式獲取數據，方法是設置好信用信息源和信息采集時間段，針對信息源的原始信息格式，設計支持多協議的上站機，每隔一段時間對特定的信息源進行查詢，遇到新內容則馬上采集過來，再用于下一步的數據轉化和挖掘。其次是流計算。流計算多采取被動方式，一般用于處理融資平臺上的流數據，具體做法是，后臺流程設計中在不同的數據流入環節設置不同類型的數據接入接口，及對接的流計算平臺，流計算平臺負責設置相應的處理規則，根據預設規則將流入的各類數據轉化成可以直接分析的結構化數據，從而實現實時的業務分析與判斷。

四、基于大數據互聯網融資平臺信用評級風險管理策略

互聯網融資平臺在進行信用評級及提供資金時，處于風險管理重心的是對信息技術風險的控制。由于大數據自身的“4V”特性，且數據中包含的又是大量的用戶隱私信息，這使得信息技術風險主要產生在兩方面：一方面是大數據存儲的安全性風險，另一方面是大數據的收集和使用過程中對公民隱私權的侵犯風險，因此如何確保大數據的存儲安全及在使用時的隱私保護是一個挑戰，前者涉及到技術安全層面，后者涉及到制度安全層面。在技術安全策略層面，可以采取的措施有：首先，應依托大數據加密技術對使用的數據實施加密管理，制定出完整的加密保護方案，包括數據密級的設定、加密技術的選擇、對密碼安全性的攻擊測試等；其次，嚴格網關管理，可以對不同類型的用戶制定不同的權限級別，嚴格控制訪問權限；最后，建立面向全平臺的數據實時監測引擎，第一時間對各類非法操作發出警告。在制度安全策略方面，在當前尚無明確立法規范的環境下，要積極進行宣傳和游說，獲得政府主管部門和社會輿論的重視和支持，爭取早日出臺規范的數據獲取及共享標準，互聯網融資平臺的設計、管理和風控標準，從而把可能出現的信息技術風險限制在可控范圍內。

篇（8）

2大數據與企業會計信息化

會計信息化是我國“十二五”期間會計改革與發展的重要內容之一，也是很多企業提高會計系統效率的有效途徑.會計信息化是信息社會的產物，是將計算機、網絡通訊等先進的信息技術引入會計學科，促進企業會計系統網絡化發展的過程.大數據的興起、云計算的增速和以云計算為基礎的云會計的應用為會計信息化的發展提供了技術支持和平臺.企業會計信息化的深度發展對于大數據的需要與日俱增.

2.1企業會計信息化的現狀

1、會計信息披露具有偏向性，導致信息不對稱.傳統的會計信息系統會誘使企業選擇特定的會計方法而造成企業管理人員利用自身是信息提供者這一優勢，不斷地美化會計報表，這對于外部使用者而言是非常不公平的.2、內部自我約束能力弱，導致數據不真實.在傳統會計信息系統下，一些企業為了眼前經濟指標的提升或者任務的完成，常常通過人為調整會計報表來應付各機構的檢查，自我約束能力弱，數據失真.還有很多企業對現有的政策法規鉆空子、打球的現象屢禁不止.聘請的第三方審計機構也本著“企業利益最大化”的審計目標，對企業不真實的數據進行舞弊，以點蓋面.3、核算量大，導致信息披露不完全.傳統的會計信息系統下，會計的信息系統發展越來越不能適應高速發展的經濟業務，很容易造成信息披露不完全.信息經濟時代下，應該更多的提供企業未來價值的知識資源，而不是沉浸在企業過去的財務數據中.4、企業信息數據單一，導致信息缺少指導性.傳統的會計信息系統主要是對企業財務信息的反映，往往忽視了非財務信息.企業自身變化的社會經濟形勢要求我們不能只依靠過去的財務數據對未來發展做出預測.對企業未來的發展預測用某些非財務信息可能會更加合理.如企業的環境成本、社會責任等信息都需要非財務信息的提供.5、信息傳遞滯后，導致會計信息缺乏時效性.傳統的會計信息系統采用先發生交易事項后進行記錄的程序，無法滿足當代企業對信息時效性的要求.企業以及社會各機構、投資者越來越需要了解隨時發生的財務信息，對其進行更好的決策，這就要求企業不定期的提供會計信息，對于會計期間的定義也不再以年為單位了.因此，現有的會計信息滯后的時效性嚴重影響使用者的需求和投資者的決策.綜上可知，傳統的會計信息系統逐漸出現了不適應當今經濟發展的事態，高效、全面的信息化系統變得越來越重要.在大數據時代下會計信息的不斷創新，快速發展勢在必行.

2.2大數據對企業會計信息化的促進作用

大數據時代下，對會計信息化的促進作用主要表現在：信息結構更加客觀，既強調了會計信息的精準性，又不失相關性；財務會計信息管理的程序化；會計人員工作轉向宏觀信息管理；多元化的計量單位.在大數據時代下非結構化數據成為主導，在會計信息中可以更好的融合結構化和非結構化數據，更好的提高數據的相關性，并且不會人為的進行舞弊.程序化的會計信息管理也將出現，財務部門逐漸將不再作為一個部門，而是作為一個類似于“企業”的獨立個體，數據的獲取可以不通過部門的上報來實現，而是通過財務部門設定的獨立軟件獲取，這也提升了財務本身的獨立性，同時也可以為其他部門提供共享服務；財務部門不需要對數據進行處理，而是轉變成為數據的使用和管理者.在大數據時代下，多元化的計量單位將會出現，會計計量單位會出現相關的時間、數量單位等.

2.3大數據時代下會計信息化面臨的挑戰

篇（9）

1.強化數據治行理念大數據革命必將顛覆銀行傳統觀念和經營模式。通過營造“數據治行”的文化，建立分析數據的習慣，落實全行的數據標準和數據治理，切實提升“大數據”開發利用的綜合能力，將現有數據轉化為信息資源，讓決策更加有的放矢，讓發展更加貼近市場需求。

2.建設大數據平臺構建處理能力強、擴展性好、開放度及共享度高的大數據存儲加工平臺，整合行內外、各種形態、跨歷史周期的海量數據，并構建統一、全面、穩定的企業級數據模型，為大數據的分析利用提供基礎的數據、環境、模型及配套工具等全方位立體式支撐。

3.打造數據分析應用體系構建適應大數據分析的多功能、跨渠道、多粒度的分析挖掘模型和應用體系，為服務質量改善、經營效率提升、金融模式創新提供支持。通過對海量數據的深度分析，全方位調整產品結構、營銷模式，從根本上提高風險管理、成本績效管理、資產負債管理和客戶關系管理水平。

4.實現智慧銀行的目標智慧銀行是指，通過大數據技術不斷優化業務辦理流程，高效配置金融資源，敏銳洞察并引領客戶需求的高度智能化的金融商業形態。智慧銀行可提供“銀行始終在客戶身邊”的全場景金融服務，為客戶創造最佳服務體驗。

二、農業銀行大數據平臺概述

經過多年的努力探索，農業銀行在大數據平臺建設的道路上銳意開拓，大膽創新，逐步形成了以四大基礎平臺、五類數據服務為核心的大數據平臺。

1.四大基礎平臺（1）企業級數據倉庫隨著銀行業數據利用能力的逐步提升，業務分析呈現跨領域分析、高度整合分析、長周期歷史分析等特點，企業級數據倉庫通過對行內跨領域海量數據的高度整合和模型化，形成對客戶、賬務、產品等的統一視圖，使大數據分析成為可能。農業銀行企業級數據倉庫以存儲和處理結構化數據為主要目標，全面涵蓋了農業銀行存、貸、中間業務等行內業務條線的核心類數據，實現PB級數據的高效存儲，可以滿足全行在各個領域數據分析和價值發現的各類需求，并為全行數據治理提供有力的支撐。如通過網點的多維度、全方位、長歷史周期數據挖掘給出網點資源配置建議，提升運營效率，優化業務流程。（2）信息共享平臺信息共享平臺以存儲和處理行內非結化數據為主，輔以來自行外的社會數據。基于非結構化數據的分析和深度挖掘，在客戶關系管理、中小企業信貸、風險管理、品牌建設等眾多領域發揮了重要的作用。如基于對社交網絡各類非結構化數據的綜合分析可以獲取行外目標客戶；通過機器學習、語音識別、情緒識別等技術，對客服語音記錄進行深度挖掘，發現客戶的需求。（3）實時流計算平臺傳統數據計算平臺多以批量計算為主，數據處理能力較強，但時效性較差。農業銀行的實時流計算平臺采用業界最先進的流計算框架，實現數據的快速采集、交換、處理和應用，主要用于實時營銷、實時客戶服務、欺詐監控、大額動賬監控、系統運營監控等各類對時效性要求比較高的業務場景。如結合持卡人的行為偏好為客戶實時推薦精準的營銷信息、優惠信息和特惠商戶信息，并為特定客戶群體提供實時的有針對性的服務提示。（4）高性能數據處理平臺海量數據的分析挖掘亟須一個高性能環境的支撐，農業銀行高性能數據處理平臺采用大內存處理、分布式、閃存等新技術，以高性能計算為主要特點，實現對海量結構化數據、非結構數據等進行綜合處理、全面分析和深度挖掘。如通過大數據語義分析和情緒分析追蹤海量網絡信息蘊藏的經濟金融“微信號”，借此判斷未來的市場走勢，為前瞻性風險管理提供參考。

2.五類數據服務農業銀行基于四大基礎平臺的優勢，大力發展應用系統建設，形成了五大類數據服務形式有機結合的數據服務體系。（1）指標檢索服務通過構建全行統一的指標庫，為各個業務條線提供常用指標的檢索服務，在此基礎上提供各類經營管理、監管報送等指標采集、加工及報送服務。（2）即席查詢服務采用特定的工具，構建功能強大的查詢支持庫，滿足各類靈活查詢、臨時查詢及特殊復雜查詢需求。如果說報表是經營管理的瞭望塔，那么靈活的即席查詢就是執行經營決策的指南針。以客戶營銷為例，即席查詢服務可以為全行的客戶經理提供多角度的客戶信息查詢，針對當前市場熱點，提供具體的業務指導。（3）定制化信息服務通過iReport智能資源視窗對信息進行統一管理、分層檢索、靈活配置和個性展示，并針對用戶的不同需求、不同層次及不同偏好，提供定制化、個性化的信息訂閱，聯動郵件、短信、微信等渠道提供主動信息推送服務。（4）多維分析服務多維分析可以幫助業務人員實現多維度、多視圖、多層次的分析，并可以通過下鉆、上鉆、切片、旋轉等操作，提供更加動態、智能的數據分析，發現數據背后的規律。如從機構、時間、客戶、產品類型、渠道、營銷活動等多個維度對產品盈利情況進行綜合分析，進而有效推動產品優化和創新。（5）深度數據挖掘服務海量數據中蘊含的規律和價值通常不直觀，大數據的顯著特點之一就是海量數據的知識發現和數據挖掘。農業銀行基于大數據平臺構建了多個特定領域或主題的數據挖掘實驗室，包括客戶洞察及精準營銷、信用評價及風險評估、輿情分析與客戶情感管理等，緊跟市場發展動態，直面業務熱點、難點，充分挖掘大數據的巨大價值，為業務發展和經營決策提供更加深入的洞察和更加有力的支撐

三、農行大數據應用實踐

農業銀行在構建大數據體系時堅持以應用為核心，統籌部署數據平臺開發與業務應用，加強業務創新與數據利用的良性迭代，實現傳統業務和新型業態的融合發展，充分發揮了數據對全行業務發展和經營管理的支撐作用。借助大數據這把利劍，實現了“營銷更精準、服務更貼心、管理更精細、監管更透明、風險更可控、決策更智能”，有效促進了全行經營理念、業務運營、組織流程的不斷創新，為全行業務發展和經營管理提供了有力的科技引擎。以下三類應用案例可充分說明情況。

1.精準營銷基于大數據的客戶營銷“三步曲”：獲取客戶、客戶畫像、精準營銷（如圖1所示）。通過大數據強大的信息獲取和處理能力，充分挖掘行內外的潛在客戶；通過大數據實現對客戶的360°立體畫像，在掌控客戶行為、洞察客戶情感的基礎上，準確地預測客戶需求，從而實現精準營銷及交叉營銷。以貴賓客戶信用卡精準營銷為例，農業銀行通過綜合行內外數據，應用聚類分析、關聯規則發現、決策樹等數據挖掘算法，構建了完整的精準交叉營銷模型庫和應用體系，動態實現目標客戶識別、客群劃分、優先級劃分、產品推薦、渠道推薦等功能。在合適的時間，以合適的渠道，通過合適的方式，為合適的客戶推介甚至定制合適的產品，實現差異化、個性化的精準營銷。2.熱點分析農業銀行基于大數據平臺構建了熱點問題專題分析模型庫，對當前的熱點事件進行定期跟進、深度分析和動態監測，為策略制定、產品創新及運營模

篇（10）

2對公共管理決策的全新認知

政府存在的合法性和權力的來源，決定了在對公共利益的追求和實現過程中，政府在公共管理的體系中所具有的主導地位，以及政府所必須扮演的積極角色，而這種地位與角色的有效性極大程度上受到其決策方式、能力和效果的影響。在半個多世紀的漫長過程中，決策支持系統曾經一度因為缺乏有效的數據組織方式而徘徊不前，雖然其后的發展取得了前所未有的加速度。作為公共決策的重要主體，快速和靈活的大數據時代特征也對政府的數據管理和使用模式提出了更高的要求，大數據的出現顛覆了傳統的數據管理方式，在數據來源、數據處理方式和數據思維等方面都會對其帶來革命性的變化。正是如此，在公共管理的決策領域，由于擁有了全面的信息，過去那些建立在非完全信息假設上的管理思維和方法，已經被徹底地改變。因此，大數據不僅帶來了政府決策的巨大挑戰，也提供了變革公共決策的現實機遇。大數據對于決策的價值是顯而易見的，通過對大數據的挖掘，可以有效提高政府決策的科學性和時效性。一方面，決策是為了解決問題或抓住機會，大數據可以通過多種渠道抓取數據，并可以發現其中反映的異常問題和有利時機以把握決策的進程；另一方面，決策的有效制定依賴于完整的信息，大數據可以提供龐大的信息，高質量的、全方位的信息可以有效提高決策的效果。誠然，龐大的信息并不意味著都高質量的信息，事實上，質量遠遠比數量重要。也就是說，肯定數據價值的同時，也應當認識到數據分析的局限性。例如，可以描述政府與公民網絡互動的頻數，但并不意味著能確切地說明其相互關系，而解釋和分析其背后的原因則更加困難。由此，決策環境的改變必將帶來政府公共管理模式的巨大改變。首先，政府應當開放透明，持續完善公眾公平、便利地獲取公共信息的渠道和手段，以利于公眾參與公共決策。諸如在公共政策制定、公共財政開支、公共資源分配細節等方面都應當充分滿足公眾的知情權，在更大范圍內實現數據共享。這既是決策效率提升的要求，也是行政民主的價值訴求。其次，在大數據時代，社會主體和公眾意見的有效體現是決策的合法性和合理性的基礎。一方面，這要求政府培養數據意識，全方位的重視數據的收集和積累工作，為實施大數據戰略做準備；另一方面，應當不斷推動社會媒體、社交網絡等數據平臺健康快速的發展。為此，在數據的收集、更新，尤其是數據利用方面，政府都應當不斷地調整管理思路和方法，并積極改善公共管理決策的數據環境，提升決策過程中的數據意識，建立有效的決策支持數據系統，以實現決策的科學化，提高公共決策的質量。

3對公共治理戰略的深刻影響

目前，大數據已經在商業領域中被廣泛應用，并產生了巨大影響。在商業領域，新的研究方法拓展了現有的理論模型，可以利用社會網絡、數據挖掘和統計等方法挖掘出高維度的市場信息。即便是在社會領域，大數據同樣會幫助我們認識和適應公共治理的社會環境。大數據管理不僅是一種技術或管理方式的創新，還代表著人類對于信息更加全面的把握能力，同時也反映著人類自身特性的深刻展現及發展。因此，在公共管理實踐中，必須在大數據的語境下，用大數據的思維方法理解和分析新的治理問題。

3.1信息技術是一種社會賦權工具，大數據造就了一個權力碎片化的社會

在某種成程度上降低了群體壓力對個體的影響，凸顯了個體的主動性和能動性，網民可以在表達和交往的過程中，將他們認為重要的問題變為公眾議程的一部分，并成為公民之間、公民和組織間關注和討論的公共問題。信息和數據將圍繞著這些問題產生，而且一旦實現信息的自由和數據的開放，知識和權力在每一個公民之間就是等距的，社會的主體結構就將從分層轉向網狀，社會形態和社會結構就將會出現新的變革。在這種情況下，公民也就越來越多地傾向于社會公共領域，其結構特征和特性就成為公共管理價值性和工具性實現的原因和意義。而且如果個人在互聯網上的交往活動能被系統地捕捉到，那么我們就可以有史以來第一次對非正式溝通的流向、觀點在不同社會群體之間的傳播，以及隱藏在溝通之下的實際網絡結構進行觀察或作出合理的推斷。也就是說，在這種治理環境中，大數據不僅帶來了社會結構的新變革，也發展了認識這種結構變革的方法。因為，大數據可以有效地反映輿情和民意，網絡上產生的海量數據反應了社會結構中網民的行為、能力和態度，這是信息時代現實社會與網絡空間深度融合的產物，蘊含著豐富的內涵和很多規律性信息。

3.2大數據可以有效地降低社會發展中面臨的不確定性和風險。

在現代社會，政府轉變治理思維、提升危機意識、調適治理模式的著眼點在于，危機的產生和演化是公共管理和公共利益實現的巨大挑戰。一方面，危機的突發性要求政府不斷提升危機響應的效率，不但要具有前瞻性的戰略視野，也應當具備強大的信息收集和處理能力。同時，把大數據技術引入危機管理領域，絕不應只將其視作一種技術手段的進步，而應該以大數據技術為基礎對整個危機管理的流程進行再造。另一方面，危機的社會性要求政府密切關注社會范圍內的所有信息，在日常活動中，防范和化解可能出現的危機。在大數據背景下，人類的大部分行為都受制于規律、模型以及原理法則，而且它們的可重現性和可預測性與自然科學不相上下。因此，對現實的、潛在的公共領域的數據信息進行實時分析，可以提高政府對危機的識別和判斷能力，及時發現衛生、環保、災害、社會管理等領域的危機，為實現科學有效地防范和化解危機管理提供基礎。

篇（11）

(二)當前流量經營的價值困境

流量是當今數字世界運轉的基礎。“客觀屬性”是對“流量”這一認識客體固有屬性的客觀描述，不因經營主體和經營方式而異。流量屬性包括以下方面：1)流量的規模性，指流量可用同一量綱進行規模比較，比如聯通單用戶流量規模要高于移動，百度流量規模要高于google中國，基于中國移動網絡發生的流量規模要高于基于百度服務發生的流量規模；2)流量的層次性，指流量與用戶真實行為(主體)的接近程度。流量蘊含著反映主體行為的信息，但程度有所不同。比如淘寶網所承載的流量直接反應用戶的網購行為，而電信網所承載的流量只是經過IP協議封裝的比特流，前者顯然更接近用戶真實行為因而被稱為表層流量，后者則被稱為底層流量；3)流量的異質性，指流量對用戶消費目的(客體)的涵蓋范圍。流量蘊含著反映客觀世界的信息，但范圍有所不同。比如文本、話音、圖片、音樂、視頻等不同類型之間，垂直應用與平臺式應用等不同類型之間，社交類、娛樂類與生產類應用等不同業務類型之間，其流量映射客觀世界的能力就各有差異和側重；4)流量的不可分性，雖然底層流量和表層流量在概念上區分了，但在實體上是緊密依賴的，是同一事物在不同經營層面上的不同投影。比如，淘寶的表層流量離不開運營商底層流量的依托，運營商底層流量也離不開淘寶等表層流量的呈現，同時，淘寶可推知用戶使用了多少底層流量，運營商也可部分解析出用戶的購物行為。

可見，流量是一個充滿想象空間的市場，而電信運營商似乎占據有利地位。綜合流量的層次性和異質性，流量被賦予了主體行為和客體存在在信息層面上統一投影的屬性，是信息社會不斷流動的血液，具備極大的社會價值和經濟價值。從流量的不可分割性來看，上層服務提供商與基礎運營商之間的相互依賴、相互制約將是長期的基本格局。從流量的規模性來看，至少在本地市場，由于基礎設施市場集中度高，電信運營商很容易就可獲得超過任何單一玩家(如apple和facebook)的規模優勢。

但現實情況中，流量規模的暴漲對電信運營商是一把雙刃劍，情況不容樂觀。流量在呈現客觀屬性的同時，在特定的經營主體及經營方式下，還會表現出影響甚至決定經營績效的經營特征。本文認為，固然客觀屬性有利于電信運營商開展新一輪價值創造，但在當前經營模式下，流量應有的價值并未得到充分挖掘，無法支撐電信運營商的可持續發展。

當前的流量經營模式是，通過提供同質化的、以M為價值衡量單位的流量產品來滿足用戶的接入需求，然后通過向用戶收取按照使用量計算的費用來補償網絡成本、運維成本和營銷成本。在這種模式體現出三大屬性：一是面向手段性需求。用戶向運營商購買流量不是為了流量本身，而是為了流量所承載的個性化互聯網應用。流量僅僅是服務于互聯網消費的手段，因此，與面向目的性需求的互聯網服務提供商爭奪用戶界面時，電信運營商天然地處于劣勢；二是無直接網絡效應，電信運營商無法將網絡效應內化從而無法實現業務的邊際效應遞增。流量用戶之間并未像話音用戶之間和短信用戶之間那樣構成彼此連接的網絡，用戶之間的網絡是通過業務構成的，而業務網卻控制在OTT手中。換言之，網絡效應主要存在于OTT業務層，而非管道層。因此，隨著使用OTT業務的用戶越來越多，以及用戶使用OTT的業務次數越來越多，OTT業務的邊際效用遞增，但電信運營商流量的邊際效用基本持平；三是邊際成本下降有限，面對指數級增長的流量需求，運營商不斷追加投資擴容、升級只能勉強跟上。上期投資剛進入邊際成本下降階段新的投資又追加進來，下降趨勢被中止。在投資壓力下，設備商又勾畫了美妙的技術前景，許諾平均成本將極大地降低，勾引運營商全面投資新技術。這樣多次循環和疊加，在相當長一段時間內，運營商都處于初始成本投資階段，流量邊際成本下降的周期被壓縮到很短。反觀OTT，一旦業務上線，在運營成本增長與業務量增長相比可忽略不計的前提下，業務邊際成本很快就會下降到接近于0。某種程度上，信息產品邊際成本為0規則的成立，是建立在電信運營商的犧牲之上的。

圖OTT業務與電信運營商流量業務的邊際效用/成本對比

電信業本是新經濟的鼻祖，網絡效應理論就是70年代從對話音網絡的研究中發展起來的。然而，在當前經營模式下，運營商的流量業務失去了網絡效應、邊際成本趨于0、邊際效用遞增等信息產品的新經濟特征，用工業經濟時代的經營模式去與新經濟時代的經營模式爭奪價值，注定是落于新型競爭對手的。這是僅在流量規模上做文章，沒有深入挖掘流量價值形成的后果，運營商由此陷入流量價值困境。

(三)大數據經營破解價值困境

大數據的定義眾說紛紜，從技術特征上它通常具備數據量大(volume)、數據類型多(variety)和數據處理和響應速度快(velocity)的特征，麥肯錫將大數據定義為超過了常規數據庫軟件所能搜集/存儲/管理和分析的規模的數據集。大數據概念具有深刻的IT烙印，正如“流量”概念具有深刻的電信烙印。通信與計算是信息的不同處理環節，在ICT端到端融合的背景下，流量和大數據完全可以統一在“信息”概念下，是信息全生命周期不同階段的稱謂。流量有表層底層之分，數據也有信息、知識、智慧之謂，流量經營和大數據經營均可理解為信息經營。

然而，僅僅揭示大數據本身的屬性是遠遠不夠的，如果脫離了正確的經營模式，一切價值都是虛妄。在這方面，電子科技大學周濤教授的觀點很有價值。他認為，大數據1.0是利用內部數據解決內部問題，大數據2.0是利用內部數據去解決外部問題，或利用外部數據解決內部問題，大數據3.0意味著大數據進入了一個以共享交易為特征的時代，出現了大數據公共平臺運營商(以下簡稱大數據運營商)。從1.0到3.0，大數據的工具屬性逐步減弱，目的屬性逐步增強，直至“大數據”像貨幣一樣在全社會范圍被收集、交換、處理、傳輸和應用，使得大數據可以真正成為時代的標簽。在這個意義上，大數據之“大”，就是不斷增強數據的透明性、不斷擴大數據的共享范圍、不斷提升數據的流動性，在更大范圍內解決信息不對稱以創造更大的價值。否則，無論數據多豐富，技術多先進，都較過去無本質突破，大數據之“大”盛名難副。這個過程，是大數據經營環境不斷完善和經營模式不斷演進的過程。

大數據經營模式嚴格來說是指大數據運營商的經營模式。大數據運營商采取雙邊平臺模式，一方面向消費者提供普遍服務，另一方面向企業客戶提供以大數據為中心的服務。可以形象地將這種經營模式比喻為“數據銀行”。1)大數據運營商自身掌握獨特而雄厚的數據資產，這往往是一個通過提供消費者服務集腋成裘的過程，正如銀行通過吸納個人存款掌握雄厚的現金等資產；2)這些數據的使用權和支配權歸大數據運營商但所有權屬于消費者，正如銀行可以自行決定吸納的存款如何使用，但儲戶擁有隨時要求提現的權力；3)大數據運營商以免費或部分免費提供服務為代價，換取消費者在使用該服務時產生大數據的支配權，正如銀行承諾利息收益換取現金存入或委托理財，并默認獲得資金支配權；4)這些大數據被用到千百萬家企業的生產服務流程中，為大數據運營商的企業客戶創造價值，為大數據運營商賺取收益，正如銀行吸納的存款被貸給各行各業的企業，融入經濟生活的角角落落。為了進一步理解該模式，下面描述一些細節：

細節一：場景舉例。風險控制是保險公司商業模式的核心環節，如果能夠更準確地獲知投保客戶的風險系數，保險公司就可能設計更有競爭力的保險險種和更豐厚的收益。比如車險，如果能對某潛在客戶的出行和駕駛行為數據如車速、車程、違規記錄等進行分析，保險公司就能更精確地推知該用戶在投保期內出現安全事故的概率，從而制定更為有利的保費和理賠政策，比如避免對高危客戶(通過各種指標定義)保費過低或保額過高，而對“安全系數”較高的客戶則可以在常規保費基礎上打折以提升產品的吸引力。同樣，對于疾病險，如果能夠對潛在客戶每天身體健康指標如血壓、心跳、卡路里消耗、睡眠時間等，保險公司就能識別優質客戶并針對性地設計相關疾病險種。在這個簡單的例子里，大數據產生于用戶使用的車聯網、移動健康等服務，大數據運營商需要向用戶提供這些服務，并承諾他們的個人數據不會被濫用。對于保險公司或其他中小型企業客戶，大數據運營商提供的核心產品是數據，但更可提供大數據基礎設施租用、承擔大數據分析任務甚至基于分析結果的營銷執行等附加服務。

細節二：如何規避隱私爭議。個人數據的隱私問題是大數據商業價值受到質疑的主因。實際上，這個問題可以從理念上和模式上給予回答。理念上，隱私問題自人類社會形成之初就存在，用戶心中總是存在一架權衡隱私顧慮和業務價值的天平。當前的隱私爭議不在于隱私被使用了，而在于被濫用了，沒為用戶帶來便利/效率/等正面價值甚至反而帶來負面價值。因隱私顧慮而扼殺業務創新只會在競爭中被淘汰，將注意力集中到利用個人數據創造更智能的業務，使用戶心中的天平偏向業務價值，這才是解決之道。模式上，大數據運營商扮演的是銀行角色，受消費者委托管理數據，基于數據所有者與數據使用者之間的契約關系執行數據開放動作，具體由雙邊平臺的雙方自愿談判商定。比如，保險公司若需要使用個人數據可向個人提供保費折扣，達成協議后大數據運營商則執行這一契約，按照協議開放指定數據，并全程監督數據使用。上述過程并不涉及隱私侵犯。對于那些無需識別個人身份的大數據應用，交易成本可以更低，正如銀行沒有必要向每個儲戶說明他/她的存款被用于哪一筆放貸或投資，而只需履行利息承諾即可。

細節三：如何獲得網絡效應。在上述經營模式下，大數據運營商將獲得網絡效應，這種效應源于該平臺上各行各業的企業。與話音業務類似，企業使用該平臺提供的數據的同時，也在為該平臺增加更多的數據資產。比如，“用戶A在facebook上的Like行為記錄”這一數據，若被WSJ網站使用，除了為WSJ產生“內容精準推薦”的價值外，用戶A對該內容的瀏覽行為和評論(如果有)也會被平臺記錄，從而提升原數據質量(如置信度評價)、豐富了關于用戶A的數據，其他企業將可從該平臺獲取更多價值。這樣，企業圍繞平臺構成了大數據共享網絡。大數據平臺成為網絡效應的受益者。于此同時，企業客戶在使用大數據產品時也具有邊際效用遞增的特征，數據用得越多，數據的價值就越大。可見，大數據經營完全符合新經濟規則。數據不因使用而損耗，且隨著使用次數增多價值反而變大，邊際成本趨于0，邊際效用遞增，大數據的價值與數據節點及數據使用者節點的平方成正比。

細節四：如何將流量轉化為大數據資產。針對流量業務，一方面優化現有面向消費客戶的經營模式，另一方面從流量中提取大數據資產，作為構建面向企業客戶大數據經營模式的基礎，兩者交叉補貼，平攤成本。用戶在消耗流量的同時，也在為大數據經營添磚加瓦。一個基礎設施，兩個經營模式，這是成本收益困境的基本解題思路。對流量經營而言，智能管道存在的價值是調控和配置管道資源，但智能調控和配置的前提是對調控對象的深度識別和解析，而這正好就是從流量提取大數據的過程。因此，智能管道將成為電信運營商獲取大數據的重要來源。大數據的另外兩個重要來源是BSS和各種信息類業務的后臺數據。不同域數據之間的混搭會取得1+1》2的效果。

(四)大數據平臺運營商的演化

在未來實體世界與數字世界無縫整合的世界，高速流動的信息將充當不可或缺的紐帶。誰能掌控兩個世界相互耦合的界面，誰就將成為下一輪破壞性創新周期中最大的贏家，而大數據平臺就是這樣的關鍵環節。當前雖然總體上處于大數據1.0階段，但基于數據重要性被不斷認知、傳統企業擁抱數字化商業模式熱情高漲等事實，大數據領域正孕育著一個前景廣闊、異彩紛呈的大市場。

未來的大數據運營商絕不僅僅包括現在的電信運營商，互聯網巨頭如facebook、google和阿里巴巴等也將沿著這一方向演進。阿里巴巴提出的“電商、金融、數據”三步戰略就是明證。阿里巴巴和新浪微博、高德地圖等之間的資本聯姻，也是走在數據布局的路上。平臺會擴張，生態會成長，當時代被烙上大數據的印記，圍繞大數據公共平臺運營商成長起來的大生態注定會成為信息文明的基石。從平臺演進的角度，本文認為大數據經營的成熟將經歷消費平臺、垂直平臺和公用平臺三個階段，簡要描述如下：

第一階段，競爭者們借助消費平臺海量用戶數據的原始積累取得了大數據平臺之爭的入場券。比如阿里巴巴的淘寶、騰訊的微信、facebook以及電信運營商的流量，都是典型的消費平臺。各類消費平臺有層次和領域的區別，滲透爭奪十分激烈，但就數據儲備而言都具備了進階的資格。同時，OTT玩家普遍發育了后向廣告模式，與電信運營商的流量前向收費模式相比，收入規模小但利潤率高。

第二階段，基于用戶積累向垂直行業擴張或者某個特定的環節延展。這個階段，消費平臺依然非常重要，但隨著數字世界與實體世界的整合，固守數字世界很快遇到增長極限，因而越來越多的資源將投入面向線下傳統行業的拓展。垂直行業方面，包括金融業(互聯網金融、移動支付等)、健康業(移動健康、移動醫療等)、汽車業(智能汽車、車聯網等)。特定環節方面，包括營銷(廣告)，CRM(如微信公眾賬號、淘寶賣家服務、FacebookConnect等)、產品設計(如天貓和華為定制手機合作等)。毫不意外，擴張的行業B2C特征較明顯，延展的環節則以營銷環節為出發點，而電信運營商通常以行業擴張為主，OTT以環節延展為主。總體而言，這些面向各垂直行業和特定環節的服務都以相對獨立的小平臺形式存在，每個垂直平臺的經營模式各不相同，大數據資產進一步積累，但以信息為中心的經營模式仍未確立。從進階第三階段的角度考慮，衡量第二階段經營成敗的標準有兩個：其一是是否與政府和傳統企業建立了全面的信任關系；其二是是否掌握了大部分行業都需要的20%的關鍵信息。

第三階段，面向全體社會成員的大數據公共平臺出現。大數據在企業生產和消費者生活各環節的價值被充分認識，垂直行業內部的信息鏈在第二階段被打通之后，進入跨行業信息共享階段，大數據時代來臨。在前文提到車聯網信息、個人健康信息和保險公司的共享是這一階段的典型案例，而車聯網、移動健康領域的數據布局和與保險公司信任合作關系的建立，則已在第二階段完成。值得強調的是，消費者的作用非常重要，因為各行業間打破信息隔閡唯一動力就來自于它們具有共同的用戶。這一階段，數據透明/共享/流動的范圍、網絡效應的范圍、創造價值的范圍達到了新的高峰。

上述三個階段所描述的經營模式是疊加而非替代關系。從大數據的角度看，第一階段著眼于積累原始資本，第二階段注重數據的垂直投資布局和精耕細作，第三階段注重跨行業數據的共享運營。但從經營視角來看，最終大數據運營商將具有三種核心業務、三種盈利來源，比如阿里巴巴的三步走戰略，并不是金融代替了電商，數據代替了金融，而是按照這個路徑最終形成三足鼎立的多元共生業務組合。

(五)對電信運營商的建議

既不甘于管道的低利潤率，又無法適應OTT基于速度和創意的競爭規則，電信運營商一直在尋找位于管道業務和OTT業務之間的黃金地帶。本文給出的答案就是大數據經營。大數據經營與傳統通信經營在業務屬性和經營模式上具有內在延續性。傳統通信業務通過將個人連成通信網絡解決個人與個人之間的信息不對稱，大數據經營通過將企業連成大數據網絡解決行業與行業之間的信息不對稱，這個方向符合信息社會的演進脈絡。通過選擇正確的模式，大數據經營完全可以和傳統通信業務一樣具備網絡效應等新經濟特征，從而帶領運營商走出當前流量經營模式的價值困境。

對電信運營商而言，大數據的戰略地位應從內部運營工具提升到“新大陸”，移動互聯網業務則從“新大陸”降低到撬動新大陸的“杠桿”。如果目標和OTT一樣都是大數據，而獲取大數據的手段并非僅自身運營OTT業務一途，電信運營商何必一定要吊死在這棵樹上呢？調整心態后再參與OTT競爭，也許更從容不迫。因此，電信運營商無需過于糾結為何不具備互聯網基因，而應立即與那些OTT站在同一起跑線上一道發力培養大數據基因，構建大數據經營模式。大數據目前還處于非常早期的階段，大數據競爭最終將是資源密集型的，電信運營商在這個戰場上的位勢要比在OTT戰場上好得多，至少暫時如此。比如，騰訊有微信和QQ，阿里有淘寶和支付寶，電信運營商有流量。關于下一步的布局，有如下幾點建議：