大数据分流系统

大数据分流系统（精选七篇）

大数据分流系统 篇1

云计算是信息革命的重要产物,通过云计算和云存储,实现对海量大数据的协同管理和调度,当前云计算信息系统广泛应用在大数据信息资源调度和分配中。由于云计算采用的是分布式计算的方法,可以通过传感节点进行原始数据采集和数据的无线传输,在云计算平台下,通过连接传感器网络与其他网络构成一个庞大数据信息库。通过云计算将海量的网络资源数据融合到一个资源数据池中,实现及时、快速、精确地计算和数据调度。在云计算环境下,由于数据的来源和数据的服务用途具有巨大的差异性,而且云计算接口和通信协议存在很大的差别,导致云计算中的大数据具有不同的属性,在云计算环境下,计算资源、存储资源与软件资源的来源具有多重属性,形成多源信息资源的云计算和云存储,需要对云计算环境下的多源大数据进行分流处理,提高数据聚类的准确性,为实现模式识别提供基础[1]。

云计算平台下的大数据分流系统节点数目众多,节点受环境的限制,各层协议设计需要考虑大数据信息流的内部特征,进行大数据的信息特征提取,设计的大数据分流系统具有数据传感、信号处理和无线通信等能力,实现了对大数据信息进行分流操作,数据采集和特征存储的目的[2]。传统方法中,云计算平台下的大数据分流方法主要采用的是基于K⁃means聚类算法的大数据分流系统设计方法,基于模糊C均值的大数据分流系统设计方法和基于粒子群分割聚类方法进行云计算平台大数据分流系统设计[3⁃5];但是,这些方法进行大数据分流过程中,容易导致数据的漏分和错分。对此,相关文献进行了系统的改进设计。文献[6]提出一种基于K均值聚类云计算平台下大数据分流系统模型,对群体中的个体数据进行遍历历经,增大覆盖的监测区域,提高数据的分流性能,但是系统设计中需要进行资源高维配置和拓扑控制,导致分流过程中计算量大,增大了系统的计算开销;文献[7]提出一种基于多跳节点随机分配的云计算平台下大数据分流模型,构建以数据为中心的网络,并应用于目标跟踪的传感器模型中,实现数据分类和模式识别,将系统功能模块化处理,提高了分流性能,但是该系统需要使用上下文转换来支持并操作,导致系统的中断时间过程容易产生分流误差;文献[8]中提出的云计算平台下大数据分流系统采用的放源码的Linux嵌入式系统设计方法,分流系统通过耦合线圈连接到云计算平台的交换机中,导致分流系统中的数据出现漏分和错分。

针对上述问题,本文提出基于功能子程序动态加载和Tiny OS优先级调度的云计算平台下大数据分流系统优化设计方法。首先进行云计算平台下的大数据分流系统的总体模型构建,进行大数据分流的Tiny OS操作系统体系结构设计;然后采用S3C2440 作为系统控制核心进行分流系统的硬件结构设计;最后在Linux操作系统中采用功能子程序动态加载方法进行系统的软件开发。仿真实验进行了性能验证,展示了本文设计的大数据分流系统的优越性能。

1 云计算平台下大数据分流系统的总体设计和功能模块分析

1.1 云计算平台下大数据分流系统的总体设计

在云计算平台下进行大数据分流是提高云计算的并行计算能力,实现数据聚类和模式识别的基础。基于云计算平台进行的大数据分流系统是通过对多源信息资源进行特征提取和数据分区,实现对云计算平台下的大数据采集、处理、发布。

大数据分流系统是实现云计算平台下的多源信息资源整合的基础设施,云计算信息系统作为一种开源的框架,通过对云计算平台下大数据分流,可以实现数据的无线收发和数据聚类。本文设计的云计算平台下的大数据分流系统具有扩展性、稳定可靠性和开放性等特点。扩展性是指云计算平台下大数据分流时是开源的,所以其面向的对象非常广泛,通过大数据分流发送和接收通知上层的射频字节,实现数据串口通信和无线收发;可靠性是指在云计算大数据信息分流系统采用了分布式的处理方法,当其中的一台或者几台设备出现故障时,可以通知高层次的主动消息组件进行替代性工作,包括后级的数据采集与处理系统都具有扩展性和开放性。本文设计的云计算平台下大数据分流系统的总体模型如图1 所示。

在上述系统总体模型设计的基础上,进行系统的网络设计。云计算平台下大数据分流系统采用分布式加权自组网的形式,网络中的簇内节点在每轮向其相应的簇头发送的数据长度时,产生能量消耗,采用Zig Bee通信技术进行CDMA模块设计。当分流系统的数据分发节点竞选为簇头时,置ru为0,传输距离大于或等于阈值d0时,节点的剩余能量逐渐减少,功率放大器采用多路径衰减信道传输模型,此时的能耗系数是 εmp,G是在最近的1 P轮未当选候选簇头的节点集合,在分布式加权自组网网络中,使用32 位ARM处理器和嵌入式网关进行数据通信,节点发送l b数据所消耗超过了承载能力,需要在mach⁃mini2440.c中把其中的16 934 400 进行处理,在密集信道中产生间隙性混叠频段的功耗,Linux的内核在编译后即可下载到目标板运行,实现数据分流,数据分流的算法实现过程描述为:

Make menuconfig进行内核的配置读入新的子簇SubCi,SubCi∈Cj,j∈[1,k];

While(SubCi不为空)

根据计算SubCi与所有云计算平台的数据分流簇Cj的中心CenCj的距离,确定最小距离dist(SubCk,CenCl),l∈[1,k];

While(数据聚类的中心点发生改变)

选择Sound card supprt,将云计算大数据的聚类中心Sub Ci加入到Cl中,Sub Ci∈Cl;

i←i+1;

读入新的数据聚类向量Sub Ci,,j ∈[1,k] ;运行:

计算所有数据分流簇Cj中代表簇中心的子簇Cen Cj,生成的根文件系统,使得Cj中各子簇到其相应的簇中心Cen Cj的系统传递函数最小。由此实现数据分流。

1.2 系统的功能模块设计

本文设计的云计算平台下大数据分流模块主要包括了控制器模块、电源管理模块、数据存储器模块、传输通信模块、以太网模块和显示模块。现根据上述数据分流系统的总体设计和数据分流系统设计,采用Tiny OS优先级调度方法进行大数据信息流的特征采集和调度,读取大数据的特征采样值,并在DSP中进行数字FIR滤波,通过PCI总线送采样数据或处理结果到PC机,实现数据分流,然后输出动态增益控制码到功放管和变压器,进行DSP信息处理,大数据分流处理过程如图2所示。

其中,主控制器是整个嵌入式网关的核心,采用韩国三星公司生产的以32 位的RISC ARM920T为内核网络微控制器,以ARM920T为核心的32 位的RISC微处理器设计大数据分流系统的主控制器,采用TSXM,TSYM,TSXP,TSYP作为四线触摸屏接口控制信号,实现断执行程序采集,主控器的芯片接口电路设计如图3所示。

电源控制模块是为云计算平台下的大数据分流系统提供电源供电,采用ARM处理器进行电源控制模块设计。供电电压为DC 3.3 V和1.25 V,采用DC 5 V作为电路板总体供电电源,在LM1117 芯片两端都加上0.1 μF和100 μF的电容进行电源的FIR滤波。系统的电源能控制模块电路设计如图4 所示。

在数据存储器模块设计中采用扩展1 片128 MB的FLASH芯片和2 片SDRAM芯片HY57V561620 并联的形式,以满足ARM的数据存储需求,并调入SDRAM中进行使用,由于不需要外扩设备,所以仅仅只用USB的设备控制端口,通过RS 232 进行Linux终端控制,实现大数据的分流云存储,大数据分流系统的数据存储功能模块设计硬件电路如图5 所示。通过Tiny OS优先级调度,每个端口都可以在中断模式或DMA模式下工作,提高数据分流性能。

2 大数据分流系统软硬件设计关键技术实现

2.1 云计算平台下的大数据分流系统硬件设计关键技术

在上述功能模块设计的基础上,本文针对传统的云计算平台下大数据分流系统采用的放源码Linux嵌入式系统设计方法,分流系统通过耦合线圈连接到云计算平台的交换机中,导致分流系统中的数据出现漏分和错分的问题,本文进行系统的改进设计。这里提出一种基于功能子程序动态加载和Tiny OS优先级调度的云计算平台下大数据分流系统优化设计方法。

其设计步骤如下,对上述设计的控制器模块、电源管理模块、数据存储器模块进行集成设计,并采用DM9000 网卡芯片进行系统的传输通信模块、以太网模块和显示模块的设计,选择一个10/100M自适应的PHY和4 KB DWORD值的SRAM进行网关设计,网络接口使用RJ45 连接头,调试系统时需要使用Linux下的NFS文件系统,即内核放入系统中,获得合适的220 V标准交流电,通过两个DC⁃DC电源转换模块分别将12 V电压转换为5 V和±15 V电源,对S3C2440A芯片、FLASH芯片、SDRAM芯片等进行供电。用DSP单独构成一个数据分流系统的特征处理器,实现对大数据分流系统的串口设计,串口电路如图6 所示。结合图6,通过(R/X)PHASE设置接收大数据分流信息的同步脉冲,按照DSP串口0 的引脚引出15 针插座到数据分流信息系统的三个通道BCLKX0,BDX0和BFSX0 中,当系统要求高的数据聚类性能时,采用5409A串口通信方法发送采样值,利用双端口的64 K Word空间,选用MBM29LV400BC作为片选和读、写信号的地址线,数据分流系统的FLASH与DSP控制器的连线图如图7 所示。通过上述设计实现云计算平台下的大数据分流系统的硬件设计,通过数据分流,将大数据从12 位的A/D结果转换成16 位,采用±10 V的双极性输入,实现对云计算平台下的大数据分流系统设计。

2.2 系统软件开发

在上述硬件平台设计的基础上,在Linux操作系统中采用功能子程序动态加载方法进行系统的软件开发,采用Cross Bow公司的telos B无线模块构建网络协调器实现大数据分流节点数据的动态组网与数据传输,软件开发平台采用开放源码的Linux操作系统。目标板与宿主机通常使用232 串口、网线、USB线连接,在Linux中使用GCC编译器编译出的二进制代码,使用Linux-2.6.32.2 的缺省目标平台成为ARM的平台,修改总目录下的Makefile。

原文件中的数据传输协议为:

改为:

在大数据分流系统设计中,为了达到减小系统开支的目的,增强系统的稳定性,基于功能子程序动态加载和Tiny OS优先级调度,在文件Mine Pressure Collection C.nc里面完成FLASH存储器初始化操作,软件的接口程序描述为:

在上面的程序片段中,Dissemination Control为一个广播协议,Low Power Listening可以设置传感器节点的占空比,以节省功耗,由此实现对云计算平台下的大数据分流系统数据采集和分流调度。

3 仿真实验与结果分析

为了测试本文设计系统的性能,进行了仿真实验。试验平台为通用PC机,CPU为Intel®CoreTMi7-2600@3.40 GHz,内存为4×4 GB DDR3@1600 9-9-9-24。首先进行系统的硬件调试,调试过程中设置Check为一个定时器,用来实现开发的PC机与嵌入式的移动开发设备之间的连接;采用DM9000 网络模块来实现采集数据的远程传输,由此开始采集传感器信息,然后发送至基站。数据采样的程序为:

ecall Read Stream.post Buffer(pressureSamples,PRESSURE_SAMPLES

在上述仿真环境设定的基础上,进行分流系统的反转参数设置,如表1 所示。

系统采用了PHP和My SQL实现数据分流编程仿真。在Device Drivers菜单中,选择SD/MMC设备,实现数据分流的内核映象文件读取,数据读取界面如图8 所示。

最后得到本文设计的数据系统仿真结果如图9 所示。由图可见,采用本文设计系统通过对云计算平台下的大数据进行聚类处理和特征提取,根据功能子程序动态加载和Tiny OS优先级调度,实现数据分流,分流准确度较高,提高了模式识别能力。

4 结语

在云计算环境下,计算资源、存储资源与软件资源的来源具有多重属性,形成多源信息资源的云计算和云存储,需要对云计算环境下的多源大数据进行分流处理,提高数据聚类的准确性,为实现模式识别提供基础。

本文提出基于功能子程序动态加载和Tiny OS优先级调度的云计算平台下大数据分流系统优化设计方法。首先进行云计算平台下的大数据分流系统的总体模型构建;采用S3C2440 作为系统控制核心进行分流系统的硬件结构设计;最后在Linux操作系统中采用功能子程序动态加载方法进行系统的软件开发。实验结果表明,采用本文设计系统能有效实现对云计算平台中的大数据分流处理,性能优越。

摘要：设计云计算平台下的大数据分流系统,实现优化数据聚类和模式识别。传统的云计算平台下的大数据分流系统采用的是开源码Linux嵌入式系统设计方法,分流系统通过耦合线圈连接到云计算平台的交换机中,导致分流系统中的数据出现漏分和错分。提出基于功能子程序动态加载和Tiny OS优先级调度的云计算平台下大数据分流系统优化设计方法。设计的云计算平台下大数据分流模块主要包括控制器模块、电源管理模块、数据存储器模块、传输通信模块、以太网模块和显示模块。采用Tiny OS优先级调度方法进行大数据信息流的特征采集和调度,得到大数据分流系统主控制器的芯片接口电路图和串口通信电路图。选用MBM29LV400BC作为片选和读、写信号的地址线,将大数据从12位的A/D结果转换成16位,最后在Linux操作系统中采用功能子程序动态加载方法进行系统的软件开发,实现系统优化设计。仿真结果表明,采用该系统能有效实现对云计算平台中的大数据分流,准确度高,性能优越。

关键词：云计算,大数据分流系统,Tiny OS,优先级调度

参考文献

[1]邓异,梁燕,周勇.水声换能器基阵信号采集系统优化设计[J].物联网技术,2015,5(4):36-37.

[2]张睿.基于多径PID控制的网络终端动态干扰监测设计[J].科技通报,2014,30(6):188-190.

[3]程艳合,杨文革.压缩域直扩测控通信信号伪码跟踪方法研究[J].电子与信息学报,2015,37(8):2028-2032.

[4]吴志军,李光,岳猛.基于信号互相关的低速率拒绝服务攻击检测方法[J].电子学报,2014,42(9):1760-1766.

[5]梁华东,韩江洪.采用双谱多类小波包特征的雷达信号聚类分选[J].光子学报,2014,43(3):1-8.

[6]匡桂娟,曾国荪,熊焕亮.关注用户服务评价反馈的云资源再分配方法[J].计算机应用,2015,35(7):1837-1842.

[7]WU Tao CHEN Lifei GUO Gongde.High-dimensional data clus-tering algorithm with subspace optimization[J].Journal of Com-puter Applications,2014,34(8):2279-2284.

大数据分流系统 篇2

随着互联网相关前沿科技的加速应用，各地的智慧警务建设如火如荼，因为对于各地来说，智慧警务的构建在现代社会显得尤为重要。并且随着大数据的进一步发展，各地公安通过向科技要警力，要战斗力。从而致使公安干警全面进入大数据时代。

1、全面呈现重点目标基础信息

完成重点目标建筑物的周边环境、内部结构，室内设置，包括内部门口、通道、楼梯以及单位和楼层负责人的基本信息等数据的采集，分别以空中全景、室内全景、平面图和2.5维图的形式进行全面呈现。并可通过移动警务通、移动终端随时进行查看，使指挥员、战斗员在赶赴现场的过程中能够先期对现场基础信息进行全面了解。

2、应急处突预案管理 智慧公安系统开发：前面138中间2315后面3201 建立突发事件现场指挥、处置预案数据库，通过重点目标空中全景图上所分布的各警种图标，指挥员可以对警力分布和职责分工做到全面了解，各参战单位和参战人员能够清楚的了解自己所担负的任务和执行任务的位置。

3、预案推演 系统接入公安网，各警种均可利用本系统，安排部署本单位警力实现了对突发事件的模拟布警指挥、网上推演。

4、GPS警力监控调度

当突发事件发生时，可通过警用350M集群查看案发现场周边警力，并进行指挥调度，安排离案发地附近的警力到达现场。

5、精确调警

针对发生的突发事件，通过系统预设的预案，对所有参战单位以短信通知进行一键式调警。

进一步加强公安应急处突工作，提高应急处突能力，根据各地公安应急处突工作部署要求，将城市中容易受到侵害的重点区域、部位、场所，如：市政府、车站、学校、大型商场等，依托GIS平台，利用实景三维技术，实现了建筑物周边实景三维环境及内部360度全景影像展现，全面了解案发现场真实环境，应用于现场应急处突工作，使参战人员身临其境，制定科学预案，辅助决策指挥。

大数据系统和相关技术分析 篇3

【关键词】大数据;数据库;数据储存;传统数据处理

一、大数据

在2011年5月，麦肯锡做出了《大数据：下一个创新、竞争和生产力的前沿》的报告，报告中明确指出“大数据”就是“大小远远超过标准数据库软件的收集、储存、整理和评定能力的数据集”。从这一定义中可以总结出大数据的两个显著特点：一个是在信息量高度膨胀的现代社会，传统的数据处理方式已经不能跟上发展步伐，因此需要新技术的诞生来改变这一现状：另一个是由于数据在膨胀，数据的存在与表现形式也在随之变化，因此新技术也应跟上这种变化。

1.关于大数据

最早应用大数据技术的是天气预报、气象侦测、地震预测、物理领域、天文领域、生物领域、军事、金融、通讯等部分，随着网络语通信技术的高速发展，大数据也逐渐应用于民用之中。大数据在互联网中拥有非常大的规模，据国际数据公司的统计，全球在2008年产了0.49ZB，到2012年，仅仅4年时间就增长到1.82ZB，以此计算，全球人均上网数据达到300GB。由人类诞生至2012年，所产生的全部文字资料的数据达到约200PB，全人类额语言数据量达到了5EB。经过IBM的调查研究发现在人类文明史中额全部数据中，有90%的数据量都产生于过去的两年，由此可以预计再未来的十年，数据量将以40%的速度飞速增长，那么到2020年将达到35ZB。

2.大数据的特点

由于数据量的飞速发展，那么对于这些数据的储存、整理以及研究将会是困难的问题，这一问题不仅仅由于庞大的数据量，还存在对如此巨大数据的收集方法、储存方法以及整理的方法都要区别于传统的数据收集方法、储存方法以及整理方法。对于传统的数据的处理方法较为单一，数据存在较大的一致性。数据大都源于一个源头，因此数据的集中储存也比较方便，这样既减轻了经济负担，又节省了互联网资源。

但是在大数据的条件下，数据源自各个方面。数据结构也区别于传统的数据，要想数据并行处理来提高数据处理速度就必须强调数据结构的一致性。因此采用传统的数据处理方式来处理大数据必然会出现错误的算法，因此必须使用新的方法才可以解决大数据多种不同结构的特点。

大数据还存在区别于传统数据的方面：由于传统数据的数据量较小，那么它的处理方式是以处理器为核心，因此数据的传输不会带来有关于数据处理的困扰。但是对于大数据来说，整个数据整合分析的关键就在于数据传输，由此，就要求数据的处理方式核心必须由处理器转换到数据上来避免数据出现移动误差。

由此，通常将数据的特点总结为4个“V”，即数据量（Volume）、数据种类多样性（Variety）、速度（Velocity）、实性（Veracity）。

二、大数据技术

由大数据的数据量、数据种类多样性、速度与实性的特点可以看出，大数据与传统数据的不同实质的问题表现在储存和分析处理这两个方面上的，由此，大数据的技术必须围绕这两个问题进行

1.储存数据库

由于传统的数据处理已不适用于数据量急剧增加的大数据，因此使用传统数据处理方法处理大数据将会出现对数据的高并发读写、查阅、处理等需要时会出现很多问题：比如高并发读写延缓增大、相关查阅效率较低。由此可见，对于大数据的存储数据库应该采取更高的效率。对于类型多种多样的数据已经不可以使用平面式结构的储存模式进行储存了，二应采用列存的结构。以此结构储存的列数据可以分步骤储存在不同的数据库主机，就可以实现并发数据通信量分散到不同的数据库主机，这样也有利于对数据库进行扩充。

2.分析技术

分析技术是应用于面向客户的，宗旨在于为客户提供数据分析整合结果的关键技术之一。在对于大数据的分析处理技术范畴，全球几大独立的软件提供商已经相继逐步推出了相对于大数据分析技术德尔解决方法，例如微软的Azure，EMC的ClickFox，Google的BigQuery 等等。与分析技术相关联的还有分析数据库技术，其中最著名的是EMC的Greenplum。EMC的Greenplum是一个集数据库、数据计算、数据储存和互联网为一体的高扩展的数据储存应用。数据分析技术，如ClickFox，将Greenplum整理为一个单一并且易于管理的企业级系统。Greenplum注重于数据储存，凭借数据库节点为分析技术ClickFox提供服务。有关于大数据的收集、储存、处理都与互联网的发展密切相关，网络是大数据技术的基础推动力，但是在互联网条件下进行收集、储存、整理就难免会使用分布式的技术方法。

三、大数据的发展方向

在2012年3月29日，美国政府宣布将投资两亿美元推动有关于大数据产业的发展，将“大数据战略”上升到国家意志的高度上来。在白宫的网站上，美国总统奥巴马曾发表《大数据研究和发展倡议》，指出了凭借收集、分析整合巨大并且繁杂的数据信息，从而收获知识以及见解，提高能力，加快科学领域、建筑领域的拓展脚步，加强美国的国防土地安全，转换教育与学习的方法。我国工程院院士邬贺铨说：智慧城市是应用智能的数据处理技术促使城市基础设备的构成以及服务体系更加智能合理、相互关联并且有效率，随着有关于智慧城市的逐步完善，社会将进入崭新的“大数据”时代。

中国商业联合会副会长刘建沪说：由于互联网的高速发展，我国的有关电子商务企业逐渐组成了数据分析单位。2011年10月，工信部将北京、上海、深圳、杭州等五个城市作为“云计算中心”的试实行城市。但真正的问题并不在于如何建设“云计算中心”，而在于面对大数据的冲击，建设相关的基础设备要有目的性。有的数据需要储存，但有的数据却没有储存的必要。中央财经大学中国经济管理研究院博士张永力曾分析大数据的市场：国外的有关于大数据额行业大约有1000亿美元对的行情，并且在以每年10%的速度飞速增长，其增长速度达到软件行业的二倍。

四、结束语

综上所述，随着大数据时代的到来，传统的数据处理方式已经不再适用，因此这一传统处理方法正在面临严峻的挑战，大数据的大量化、多样化、迅速化以及价值密度低等特点让传统的查阅方式应接不暇。只有不断完善有关于大数据的相关技术，才能将大数据的来袭由困难变为机会，可以更好地利用这一资源，真正做到海量信息效率化。

参考文献

[1]李国杰.大数据研究：未来科技及经济社会发展的重大战略领域：大数据的研究现状与科学思考[J].中国科学院院刊，2012，27（6）：647-657.

[2]徐子沛：大数据[M].广东师范大学出版社，2013.

[3]维克托·迈尔-舍恩伯格.大数据时代[M].浙江人民出版社，2012.

大数据分流系统 篇4

当前市场上的中国移动3G商用终端大部分仍是GSM/TD-SCDMA双模终端, 由于3G网络目前仅覆盖城市主城区、县城和部分热点乡镇, 网络覆盖范围远小于成熟的2G网络, 因此从保证客户服务质量出发, 在TD网覆盖和质量良好的区域, 客户可以使用TD网进行通信;在其网络服务质量无法保证的区域, 客户终端可以依托于GSM网络进行正常通信。

从市场运营和网络服务质量保障而言, 中国移动3G客户的业务量应该大部分承载在TD-SCDMA网络上, 但从网络对语音和数据业务量的统计能力上看, 存在一个网络无法统计的问题:TD网可统计到G/T双模终端客户在TD网上发生的语音和数据流量, 但GSM网络无法区分G网单模客户和G/T双模客户, 因此不能统计3G终端客户在G网上发生的语音和数据业务量。现有网络统计工具无法准确评估TD终端客户和其业务量在G/T两网上的承载情况, 不能全面掌握客户业务量发生地点信息, 难以有效实现对客户业务量集中地点进行网络问题排查分析, 不便进行G/T两网精细协同优化及客户网络质量感知的提升。

为解决这个问题, 笔者结合现有网络测试统计数据和计费统计数据, 运用大数据分析方法, 提出一种全新的统计分析方案。通过移动经营分析系统平台, 统计分析TD客户在TD网络和GSM网络上的最小承载单位小区级别的客户数和业务量承载情况, 对TD客户计费数据进行发掘。在此基础上, 结合每个小区的G/T网络归属的属性, 汇总统计出TD整体客户的客户数、语音通话时长、数据流量在2G/3G网络上的分布情况。统计结果可用于指导2G/3G网络的协同优化调整, 亦可用于指导市场营销部门进行3G终端、业务分区域和客户的精确营销工作。

基于移动网络统计和计费统计两方面数据的采集和集中处理, 可以实现网络和市场两个独立业务部门之间的数据联合分析, 弥补各自专业分析的不足之处, 实现1+1>2的协同双赢效果。通过移动大数据技术, 可实现3G客户和业务量在3G与2G网上的分布统计分析, 精确衡量3G对2G网络业务量的分流效果, 指导网络分流优化和3G终端和业务的市场营销工作高效开展。

系统建模

1.3G客户识别

TD网络上承载的客户必然是3G客户;GSM网络上承载的客户可能是2G客户;也可能是3G客户;虽然无法通过客户手机号码来识别客户使用2G还是3G网络, 但可通过客户使用终端的EMEI (设备识别码) 中的8位TAC码来区别终端是否支持3G网络, 因为2G/3G双模终端的TAC码与2G终端字段不同。通过识别TAC码, 可将3G客户划分为TD手机终端客户、TD无线座机客户、TD上网卡 (本) 客户三类。

2.2G/3G网络区分

通过3G客户通信计费数据记录CDR中的小区识别码CELL ID和位置区代码LAC (local area code) , 区别客户通信时所占用的网络是G网还是T网, 2G网络和3G网络小区CELL使用的CID码可能会重复, LAC码也有2G/3G网络公用的情况, 但CID+LAC不会重复。陕西移动3G网络使用LAC号段与2G网络全不相同, 网络识别相对简单。

3.2G/3G网络承载客户数和业务量的计算

将属于G网的全部小区承载的3G终端客户数和其产生的语音和数据流量分别求和, 就得到了双模终端客户在G网上的客户数和相应业务量;将属于TD网的全部小区承载客户数和业务量求和, 就得到了3G客户在TD网上的业务量。

4.3G网络覆盖区内外G网的区分方法

由于TD网络覆盖区域小于GSM网络, 因而存在部分G/T双模终端客户在T网覆盖区外使用的情况, 有必要统计分析这些客户的数量和业务量情况。TD覆盖区就是全部T网小区覆盖范围的集合, 与所有T网小区有邻区关系的G网小区集合即可认为是TD覆盖区内G网, 无邻区关系的G网小区集合即为TD覆盖区外G网。可通过在电子地图上标记出T网覆盖范围, 根据覆盖范围, 将G网分为TD覆盖区内G网和TD覆盖区外G网。

5.输出统计报表设定

(1) 2G/3G网络小区承载3G客户和业务量报表

(2) 3G客户类型和分布情况统计

(3) 不同类型3G客户的语音通话时长在2G/3G网络上的分布情况

(4) 不同类型3G客户的数据流量在2G/3G网络上的分布情况

6.特殊数据处理

统计漫游客户在各地网络覆盖边界产生的业务中, 存在少量不可识别小区, 由于数量比例较小, 计入T网覆盖区外G网中。

系统搭建

1.系统实现途径

利用现有的经营分析系统进行数据发掘分析, 将上述分析统计规则和报表模板输入经营分析系统, 再输入3G网络覆盖区内外G网小区集合数据, 结合经营分析系统采集到的原始计费数据, 完成数据统计分析, 输出需要的2G/3G分流统计报表, 输出报表包括日、周、月3个时间维度的报表, 空间维度上包括地市分公司和全省汇总的统计结果, 以及全网小区级的统计结果。

2.需要占用的经分系统软硬件资源

经营分析系统硬件由IBM780服务器和EMC高端存储组成, 数据库软件为IBM DB2, 调度工具为亚信ETL产品。

G/T分流统计报表在数据库的最顶层由10个过程完成, 日报表用到29个调度, 周报表用到5个调度, 月报表用到19个调度, 调度数约占系统总调度数的1.5%, 所用到的表共计219张, 占用总空间11T左右, 约占经营分析系统总存储量的5%。G/T分流统计报表对经营分析系统软硬件资源的占用比例很低, 对系统上其它统计报表的运行几乎无影响。

统计报表呈现

该项目自2010年10月启动, 2010年12月初步统计结果上线, 经过持续不断的完善, 至2011年8月以后达到稳定状态。主要统计分析结果示例如下。

G/T分流统计结果对相关工作的支撑作用

1.支撑市场营销推广工作

统计3G终端客户分布情况和其业务量分布情况, 能够准确衡量TD网络的业务承载与双模终端投放匹配情况, 一方面可以掌握3G业务与网络协同发展整体情况, 另一方面可以支撑市场部门发现并锁定2G网络的3G客户, 通过宣传引导客户使用更高速的3G网络。最后, 通过分析TD覆盖区内承载3G客户高业务量的2G小区, 指导市场营销部门进行精细化的区域客户终端和业务营销。

2.支撑TD网络优化工作

比较同覆盖的T网和G网小区承载的双模终端客户数和业务量分布数据, 可以发现G网承载双模客户和业务量高TOP小区, 针对性地排查其相邻T网小区的覆盖和G/T互操作参数设置是否存在问题, 从而结合客户需求进行精确的网络优化调整, 解决局部T网存在的问题, 支撑3G客户和业务发展。

3.支撑网络规划建设工作

统计分析3G客户业务量在T网覆盖区内G/T两网上的分布, 可用来评估T网的实际有效覆盖率。

统计G/T双模终端客户和业务量在T网覆盖区外G网小区的分布情况, 可以用来支撑T网覆盖扩张的精确规划。

主要创新点

1.建立了双模客户在G/T两网上的分布统计功能, 实现了宏观层面T网客户使用T网比例统计分析功能, 以及客户在T网覆盖区内外G网上的分布情况统计。

2.建立了双模终端客户的语音通话时长和数据流量在T网及T网覆盖区内外G网三块区域的分布统计功能, 实现宏观层面全省和各地市T网对G/T双模客户业务量的分流统计。

3.建立了微观层面的双模终端和业务量在G/T两网小区级别上的统计功能, 可用来衡量小区的T网分流效果, 发现G网高双模终端数和高业务量小区, 发现T网低客户数和低业务量小区。

总结

该项统计方法从2011年12月起应用于陕西移动全省T网络承载业务量统计分析, 实现了对各地TD网络分流效果的精确评估, 帮助各分公司发现分流工作弱项, 推动网络建设和优化及终端营销工作的精细化。

在此统计分析方法的帮助之下, 经过全省网络和市场部门的共同努力, 2013年全省使用T网络的客户比例较2011年提升16%, T网覆盖区内T网语音时长占比提升17%, T网承载TD客户数据流量占比提升15%, T网分流效果显著提升。

随着2013年下半年中国移动大规模启动TD-LTE网络建设, 2G/3G/4G多模终端在2G/3G/4G网络上的业务量承载情况也就成了一个新的课题。参照3G多模终端业务承载分析解决方案, 陕西移动在2014年3月在经分系统上实现了4G客户和其业务量在GSM/TD-SCDMA/TD-LTE3张网上的分布情况统计功能。

大数据分流系统 篇5

一、引言

大数据是一种重要的战略资源，在大数据环境下，世界成为一个统一的数据集合，人们用数据化思维和先进的处理技术探索海量数据之间的关系，从而构筑一个更加透明化、对称化的世界。大数据已经成为经济发展的巨大引擎，在提升产业竞争力、推动商业模式创新方面发挥出越来越重要的作用。国家审计应积极适应，全面服务经济发展需要，认真分析研究大数据对传统审计带来的挑战，创新审计思维、组织方式和技术方法，优化信息系统审计，提升审计数据分析能力，培养大数据人才，以应对大数据时代带来的深刻变革。

二、信息系统审计的基本类型

1.真实性审计

真实性审计主要是对被审计单位的信息系统以及电子数据的真实性、准确性、完整性进行的审核，为财务审计提供基础支持。面对信息系统存储、处理产生的海量数据，传统的审计技术方法已经捉襟见肘，难以实现有效地分析判断。因此，大数据环境下的审计首先必须核实被审计单位的电子数据，只有确保数据的真实和准确，才能确保根据数据进行的`审计工作的有效性。审计人员核实信息系统中数据与实际业务流程符合程度，发现信息系统使用过程中的固有弊病，能够避免对假账进行有效审核的现象，提高财务审计的准确性。

2.安全性审计

安全性审计以被审计单位电子信息系统的安全防护为主要目标，确保信息系统的安全、持久、可靠运行。随着现代信息技术的迅猛发展，企业及党政机关事业单位正面临着前所未有的网络安全威胁。为确保财务审计的合理性，审计人员应从信息系统漏洞的防护人手，采取必要的防护措施，使信息系统存储、处理产生的重要数据免于因恶意篡改，或因未授权访导致的泄漏等问题，始终处于安全状态。

3.绩效审计

绩效审计是企业财务审计的核心内容，进行绩效审计主要是确保投人与产出之间的比值小于1.绩效考核的对象不仅在于人，还在于对影响企业利润生产的主要因素的分析和审计，使企业获得直接的或间接的利润。基于大数据环境的信息系统审计使企业间接利润获取的主要途径，货币核算并不能作为企业审计的唯一内容。在企业绩效审核过程中，由于信息系统的流程复杂，且对操作人员具有较高的要求，因此如何衡量信息系统审计与成本投人之间的关系，是企业面临的主要问题。为提高信息系统的审计效率，应从系统的开发成本支出人手，降低信息系统的设计和应用管理，以降低审计系统风险。正确、合理地评价企业信息系统投资的绩效，给企业的投资者、债权人、管理者与经营人员提供专业的市场信息，能够确保企业审计的积极作用，促进审计部门的可持续发展。

三、大数据环境对信息系统审计的影响

1.庞大的数据信息影响审计效率

大数据环境除了为审计带来方便之外，繁杂的信息同时也影响了数据信息的审计。对于一些部门来说，审计信息包含了大量的文字信息、音频信息和视频图像等信息，信息处理存在一定的困难。加之一些被审计单位缺乏信息财务管理经验，在处理手段上缺乏先进性，尤其是在无关联信息处理上，更难发现问题。

2.大数据环境下的系统分布特征加大了审计难度

目前，随着分布式网络的快速发展，网络信息呈现出节点。在计算过程中，容易出现延迟，网络传输延时、不同的节点空间坐标都将给企业网络信息造成威胁。目前，企业多采取动态审计码获取的方式增加其安全系数，但与同时，这一方式也增加了审计难度。

3.审计范围增大，审计内容增多

大数据环境下，信息更新速度快，被审计单位的业务量也随之增加。另外，信息系统已经成为处理大量信息的被审计单位不可或缺的设施，为其提供管理效率化及使用便捷化。因此，审计内容不仅包括传统的审计内容，还包括被审计单位信息系统的基础设施控制与硬件控制，网络安全性能控制、系统开发、维护和控制。

4.新技术的发展对网络审计人员提出新的要求

随着网络技术的不断发展，基于云处理新技术、物联网业务大量出现，信息系统也变得更加先进和复杂。传统的审计技术已经不再适用信息系统审计的发展。也就是说，新技术对于信息系统审计人员提出了新的要求，其中包括扎实的财务信息基础、多元化的信息系统管理安全知识。但在更新发展过程中，审计人才的招聘和培养存在滞后性。如何培养专业性、复合型审计人才，提高审计项目质量值得审计机构深人研究。

四、大数据环境下信息系统审计的关键技术分析

1.基于网络基础的信息系统安全审计

安全审计是对被审计单位信息系统的监督管理行为，需要对网络信息进行实时跟踪，并提供数据记录。捕捉系统存在的安全隐患的系统信息并进行调整，并生成管理日志。针对目前情况下的先进的信息技术，开展基于大数据环境的安全审计，需要着重探索基于神经网络的安全审计技术，确保安全审训顷利开展。

2.基于大数据环境的信息系统审计证据生成技术

审计证据生成技术是指在计算机取证过程中使用信息系统整体保护措施。在确保大数据环境整体性的基础上对被审计单位数据进行有效的取证调查。其主要作用在于确保了审计原始数据的完整性，提高其安全系数。总之，审计证据生成技术尝试使用除信息系统以外的第三方公证机构，通过原始数据签名的方式来确保系统数据的完整性。

3.审计技术方案改革与完善

在传统审计基础上，实施网络审计方式，需要对相应的技术进行改进。其中包括：基于程序追踪、专家信息基础与管理控制测试矩阵相结合的审计技术，在被审计单位内部建立专业的审计信息系统，为被审计单位提供庞大的信息处理方式，并随着被审计单位发展对其进行完善。

参考文献：

[1]顾洪菲。大数据环境下审计数据分析技术方法初探[J]中国管理信息化，2015,03:45一47.

大数据分流系统 篇6

对于现代企业来说，获得长远的发展不仅需要技术和管理，也更需要竞争情报的支持。为获得和维持企业的竞争优势，企业需要获得很多有关自己、对手、竞争环境以及众多新兴领域的信息，竞争情报也成为很多企业战略决策的基础。

今天，当大数据逐渐渗透到每个行业和领域，并且成为这个信息社会最重要的数字资产后，大数据技术也开始向提供竞争情报的方向发展，并且在企业中的应用态势越来越明显。大数据不仅帮助企业“知己”“知彼” “知天”，更创造了很多的商业机会。目前，中国正在积极建设大数据情报服务平台，帮助更多的中小企业在技术创新、管理创新、决策指定方面把握先机，进而最终让企业赢得并保持竞争优势。

企业长盛不衰依靠竞争情报能力

今天的企业，充分理解了信息的重要性，但信息还不是最终应用的对象，只有上升到情报的角度，才会对企业有实质性地帮助。所以越来越多的企业开始应用竞争情报来增强管理层决策的有效性，也越来越多地通过竞争情报来让企业赢得和发展竞争优势。尤其是在“大众创业、万众创新”的趋势下，竞争情报的获取能力更成为企业发展的软实力之一。

2015 年 8 月 27日到29日，中国科技情报学会竞争情报分会和北京科技情报学会知识管理与竞争情报专业委员会，在广西北海市召开了主题为“第五届技术竞争情报助力科技创新”的研讨会。 这次研讨会就技术竞争情报的最新发展和趋势、大数据环境下国内外技术竞争情报新方法新工具、技术竞争情报支撑科技创新服务模式等进行了讨论。通过这次会议，也让众多的企业开始关心自己低水平且不平衡的竞争情报服务能力对企业发展的阻碍，很多企业开始关注较高层次的竞争情报产品和服务。

与此同时，网络上一篇《新创公司同样应密切关注竞争对手》亦引起了很多创业者的注意。尤其是在提倡“创新驱动” 下中国。因为竞争情报的获取对于创业公司实在是太重要了。通过竞争情报的获取、加工分析而形成的模式、趋势和定位，对于投资人和股东、客户和员工的价值、业务和定位（从业务开发到产品再到客户服务都需要这些信息）均会产生重要影响。

竞争情报的获取和利用直接影响到投资人对市场发展的判断。

其实很多投资人就是中国最重要的竞争情报获取和分析群体，他们往往是通过多方的分析，来告诉自己为什么这个企业在特定的市场可能会成功，或企业在创造新市场具备哪些优势，以及谁可能会赶上你。

据悉，竞争情报一词源于英文的“Competitive Intelligence”，意思是关于竞争对手、竞争环境和竞争策略的信息和研究。当然，竞争情报的获取并不是通过非法的手段进行的，而是通过合法的手段来发现、开发以及传送及时的、相关的信息，并且通过一整套方法来帮助企业决策制定者制定更具有竞争力的决策。

发达国家的很多著名企业，如空客公司、IBM、洛克希德？马丁公司、壳牌石油公司等，早就认识到，竞争情报的获取、生产和传播，竞争情报能改善企业的总体经营绩效，发现潜在的机会和问题，揭示竞争对手的战略，提高企业的生存机会，是决策者制定战略的一种有效分析工具。这也是众多跨国公司均设置竞争情报专员的原因。这些企业通过自己或者通过商业化的智库公司，来对整体的竞争环境、竞争对手进行全面监测，并通过合法手段收集某国或者某地区商业竞争和技术创新中有关商业行为的优势、劣势和目的的信息，然后再通过分析这些关于自己竞争态势和竞争对手能力、弱点和意图的情报，来满足决策者制定竞争战略和方案的需要。

很多研究者都发现，欧美和日本的众多家族和跨国企业，多年来能逢凶化吉、长盛不衰的背后，依赖的更是远超同侪的竞争情报能力。

比如日本就是靠情报起家的典型国家，战后日本经济得到快速复兴和繁荣，并一跃成为首屈一指的富国的重要原因之一，就是高度重视经济和科技情报工作。早在20世纪60年代，日本的三菱、富士、佳能、东芝、奥林巴斯、本田、丰田、五十铃、卡西欧等大公司就建立起自己的竞争情报部门，来弥补综合商社提供情报的不足，情报部门往往成为企业最重要的“第一科”，地位很高。每家公司总部专门从事竞争情报工作的人有10—30人，一般属战略规划部或研究部管辖，这些人通过政府培训机构接受正规而全面的情报培训。另外日本还有几百家被称为“智囊公司”的私人公司，许多公司的雇员达到数百人，来专门帮助企业从事情报搜集、分析和扩散工作。日本甚至在1982年组建了专门为日本各公司培养情报人员的产业保护学院。于此同时，归科技厅领导的“科技情报中心”以及隶属于经济产业省的“经济组织联合会”也在情报的获取方面发挥重要作用。

也正是这种不断的努力，帮助日本成为企业竞争情报能力最好的国家之一。目前日本情报活动中90%的成果直接服务于经济发展。最为国人熟知的日本对我国宣纸制造工艺的窃取，以及通过公开信息对我国大庆油田地理位置、产量和所需设备等的准确研判，以及在泰铢贬值的前一天，将自己手中的巨量泰铢从泰国的银行兑换出美元都是日本企业出色的情报能力的体现。

可以说，在新的信息化的市场环境下，企业的竞争情报能力应该是必需的。那么，新的竞争模式下，企业竞争情报能力都体现在哪些方面呢？ 笔者将这种能力进行了总结，详见表1。

帮助企业“知己”“知彼” “知天”

2013年以来，全球经济复苏表现乏力。进入到2015年，中国经济依旧在面临经济更加复杂和动荡的局面。同时，随着2015年中国渡过WTO十五年保护期，中国的农产品、汽车、电讯、银行、证券等领域中，越来越多的中国企业将进入到与全球企业面对面的竞争中，在这种情形下，中国的企业更加需要更为突出的竞争情报能力来为企业的决策提供支持。因为进入信息时代后，“竞争情报”的作用难以估量。积极应用竞争情报系统，成了我国政府与企业单位日益强烈的需求和切合实际的选择。

全国企业信息化工作领导小组办公室副主任、国资委信息中心负责人陈立波就表示，竞争已经日益成为中国企业经营战略的核心，竞争情报也就成为我国企业信息搜索和分析的一项重要内容。

比如在目前，我国制造业产业面临过剩和产业转型的严峻挑战，如何实现制造业的智能转型，形成战略性新兴产业和传统制造业并驾齐驱、现代服务业和传统服务业相互促进、满足国内需求与进军国际装备制造业市场的产业发展新格局，成为摆在大家面前的重大课题。中国的企业要完成转型升级，就需要了解和跟踪与产业发展特性相关的大量国内和国外情报，例如产业的集中度、进入壁垒、国际化程度、管理程度、技术变化速度、品牌忠诚度、业态变化等，来确定自己的定位，这是所谓的“知己”。

再比如在中国渡过WTO十五年保护期后，很多关税将大幅降低或者取消，那么我国的企业必将参与更广泛的国际竞争。此时，我国企业就需要通过竞争情报系统来获得更多反倾销、反补贴预警系统的帮助。中国的企业也更需要关注国内外市场的变化和竞争对手的动态，以便制定和调整自己的战略规划和战术策略。企业也需要通过竞争情报系统，了解竞争发生在哪里、竞争对手是谁、确定必须跟踪的竞争者，并通过分析竞争对手将会有什么动作来确定企业应该采取哪些对策等。企业还可以跟踪与本企业的产品有关的科学技术的现有水平、发展趋势及发展速度，跟踪掌握新的技术、新材料、新工艺、新设备，分析对产品生命周期、生产成本以及竞争格局的影响。这是所谓的“知彼”。

另外，无论是世界其他经济体还是我国，目前都在进入密集的政策调整期，比如目前的国企改革、互联网+、能源替代、金融系统改革等诸多政策，这些囊括政治、经济、社会和技术的因素都会对企业的外部环境产生影响。如果企业有长期的投资行为，那么如何通过竞争情报系统跟踪这些情报，降低这些不稳定因素对企业的影响就成为必须。特别是对社会经济结构、经济发展水平、经济体制和宏观经济政策的分析，可以帮助企业在“多事之秋”来临前减少市场持续宽幅震荡对企业的冲击。这是所谓的“知天”。

“知己”、“知彼” 、“知天”是企业能力的体现，更是企业发展的必然选择。

所以企业管理者在做出战略决策时，必须有进入市场的多方情报；企业整体经营项目的转移，或是一项关系到企业生存与发展的一项新产品开发，必然需要企业的发展定位等方面的情报。企业兼并或并购，则必须全面掌握和了解被并购企业的产权状况，债权状况，经营状况，企业内部人员结构状况等等情报。可以说，只有竞争情报系统才能为决策提供准确的支持。

大数据给企业竞争情报能力提高带来机遇

信息技术的飞速发展，特别是以大数据、云计算为驱动的技术变革，正在给中国的经济、教育、民生等各方面带来全面而深刻的影响，全球发达国家已经充分认识到大数据时代的发展趋势，比如美国把应对大数据技术革命带来的机遇和挑战，提高到国家战略层面。对中国而言，依赖大数据的竞争战略将成为我国赶超世界一流科技水平的最好机遇。

而大数据与竞争情报的结合，则会为企业和各种组织带来新的数据共享和价值分析体验，大数据也给情报服务在理念、模式、方法和技术上注入了新的思维，并将为促进我国企业发展和竞争力的提升提供有效的决策支撑。

那么，这从新技术到理念的创新到底体现在哪些层面呢？

首先，大数据为企业竞争情报提供了更加多样，也更富价值的来源。由于大数据整合了各种类型的数据，并且具有很强的关联性和结构性，这样就使得竞争情报来源更加多元化。对于商业企业来说，大数据可以整合包括用户数据、交易数据、交互数据、线上数据、线下数据等各种类型的数据，如果利用好这些数据情报，则可以发掘出很多隐含的商业机会；此外，企业通过这些数据情报也可以帮助和指导企业对各级业务流程的任何一个环节进行有效运营和优化；对于关心用户消费趋势的企业来说，大数据不仅是数量上的堆砌，更具有非常强的关联性。特别是用户与用户、用户与用户行为、行为与行为之间都具有确定的关联性。企业通过分析挖掘数据中的信息，能让竞争情报工作者迅速捕捉用户情绪变化和市场走向，从而使企业能够更为主动地制定市场营销的战略。

其次，是大数据能让企业产业竞争情报分析的真实性、精准性和实效性进一步提高。

大数据所包括很多不同来源来的数据，如果公司有网站，那么就有大量的访问数据、社交媒体账户数据、接受信用卡付款数据等，哪怕它是一家只有一人经营的小店，都能从其客户、客户体验、网站流量等等方面收集数据。这些数据就从不同角度为情报分析的真实性、精准性和实效性提供了基础。也就是说，大数据技术可以为企业竞争情报研究提供“真材实料”，多层次、全方位的情报搜集才能保证数据质量的精准可靠；而云计算技术的应用则可以给企业的分析减轻了压力。

最后，是大数据让竞争情报更加贴近企业的需求，这也提供了很多的商业机会，因为企业要确保海量的动态异构数据得到及时挖掘和分析，就必须对如何收集、使用和保护数据制订计划。最近一个典型的案例来自神州数码在这个方面的努力。2015年6月末，红麦聚信（北京）软件技术有限公司和神州数码（中国）有限公司正式签署合作协议，就商业情报大数据云服务系统（红麦智慧商情云）达成战略合作。据悉，这款红麦软件就是为满足中小企业在大数据时代获取行业情报、竞争对手情报、产品口碑、客户调研和自身舆情需求等方面，推出的一款基于云计算技术的大数据产品。红麦有关负责人表示，红麦智慧商情云通过采集互联网公开数据，形成指导中小企业经营的各种情报，以让中小企业方便快捷且低成本享受大数据服务。

中国需要更多大数据情报服务平台

大数据时代已经快速来到我们的生活中。各种类型的数据正在不断渗透到每个行业和企业业务职能领域，并成为生产要素之一。

随着企业对竞争情报重要性的认识进一步提高，竞争情报在企业日常经营活动中的作用日益凸显。但是大数据给竞争情报带来巨大机遇的同时也带来诸多问题和挑战。这些挑战包括很多层面，比如产业内外部情报环境空前复杂，数据来源的多元化、数据类型的多样化、数据增长更新的动态化都考验着产业数据情报搜集分析能力。这种复杂的局面也考验着企业产业竞争情报搜集整合的能力和企业对大数据情报的分析方法。

但是，仅仅让单一的企业去做大数据情报的收集、整合和分析是不切实际的。大数据时代中多种技术能力必须依赖专业的平台才能完成，企业需要的多种服务模式也只有依赖专业的平台才能提供。所以，中国急需建立大数据情报服务平台，可喜的是，我们已经看到了很多地区正在进行相关的工作。

比如“山西省中小企业产业信息大数据应用服务平台”已经于去年在太原开通，这是全国首家为中小企业提供产业信息服务的大型专业平台。据了解，该服务平台由山西省中小企业维权服务中心和北京智慧联合科技公司联合开发，将分三期完成40多个行业的大数据产业情报信息即时发布和应用查询。首期开通了造纸、纺织、机械制造、化工、家电、电子计算机、医药、钢铁、汽车、水泥、玻璃、陶瓷共12大行业及相关产业。 据相关负责人介绍，该平台主要为全省中小企业提供产业动态、供需情报、会展情报、行业龙头、投资情报、专利情报、海关情报、招投标情报、行业研报、行业数据等基础性情报信息，还可以根据企业的不同需求提供包括消费者情报、竞争者情报、合作者情报、生产类情报、销售类情报等个性化定制情报，为中小微企业全面提升竞争力提供数据信息支持。

另外，2015年9月，重庆市中小企业发展服务中心宣布，庆市大数据产业情报公共服务平台正式开通。重庆市中小企业发展服务中心相关负责人介绍，目前该平台可为汽车、棉纺织、电子信息产业等16个行业，提供包括法律法规、进出口数据、电子商务数据、生产类数据等10余种情报支持。

同时，长三角地区、京津冀地区和珠三角地区的大数据情报服务平台也正在积极建设中，以珠三角地区为例，“广东省大数据产业情报服务平台”第一期建设已经完成，该平台以机械行业、电子行业、化工行业、纺织行业、建材行业、造纸行业共六大行业作为应用方向，可以为该地区广大中小企业提供产业动态、供需情报、会展情报、行业龙头、投资情报、专利情报、科技文献、海关情报、招投标情报、行业研报、行业数据、电商情报等在内的基础性情报信息，还可以根据企业的不同需求提供包括消费者情报、竞争者情报、合作者情报、生产类情报、销售类情报等个性化定制情报。

当今时代，商业环境竞争如此激烈，企业要想长久地生存下去，就必须时刻保持警惕，做好企业竞争情报工作，知己知彼知天，以便获取较大竞争优势。对于企业的创新来说，则更需要情报的支持。面对新的大数据情报趋势，必须采取大数据分析方法，运用高效的数据处理与分析工具，才能高效地挖掘企业的商业竞争情报。

大数据分流系统 篇7

2015年7月27日，民事诉讼监督案件的当事人冯某再次来到三门峡市检察院检务公开大厅，查询本人案件的办理进展情况。三日前，大厅工作人员对冯某提出的申请按照程序对进行检索，发现本案已由河南省检察院民事行政检察部门承办，于是立即启动案件信息异地查询协助机制。工作人员审核申请人身份信息后，通过网络平台向省院提交协助查询请求，并将当事人身份资料远程传输给省院，省院经复核后对相关案件进行授权绑定，并在三日内回复该院。工作人员立即将相关情况反馈案件当事人，并将绑定案件的专属密码、账号进行告知，当事人已可以通过互联网即刻查询到本人案件的办理进展情况。

全国检察机关案件信息公开平台是高检院研发的一套检务公开大数据系统，案件信息异地查询协助机制是该系统的一项重要便民服务功能。三门峡市检察院历来十分注重检务公开工作，在该系统上线之后更是依托全国案件信息大数据库的共享功能，进一步提升便民服务水平，通过平面媒体、网络媒体、现场接待等多种形式，形成检务公开立体模式，努力打造阳光检察。全国案件信息公开平台上线运行10个月时间，三门峡市两级院共公开案件信息3774件、法律文书732件、为律师办理预约服务202件次。另外，仅三门峡市检察院就为辩护人办理阅卷服务29件次、复印卷宗1274页。该系统使具体案件的当事人、辩护人以及诉讼代理人能够更加及时地掌握检察机关办理程序，让他们足不出户，就能在互联网随时跟踪查询案件办理的进程、法律适用、办案期限等程序性信息。同时，该系统的使用也最大限度地确保了案件信息知悉范围，保护了当事人的隐私。（文/靳渊）