关于大数据时代的机遇与挑战的学习心得

关于大数据时代的机遇与挑战的学习心得（精选8篇）

篇1：关于大数据时代的机遇与挑战的学习心得

关于大数据时代的机遇与挑战的学习心得

《形势与政策》课是高校思想政治理论课的重要组成部分，是对我们学生进行形势政策教育的主要渠道、主要阵地，是我们每个大学生的必修课程，在我们大学生的思想政治教育中担负了重要的使命，具有不可替代的重要作用，更好地贯彻落实了中央的有关精神，是我们当代大学生关注的热点问题，帮助我们掌握正确分析形势的立场，观点和方法。

当今世界飞速发展，“两耳不闻窗外事，一心只读圣贤书”的时代过去了。地球村里的变化日新月异。生在当代，作为大学生的我们，岂能做那四角的书柜?抛掉陈旧的观念，拥抱外面精彩的世界，才是我们应该做的。

如今国内外形势风云变幻，进入21世纪的中国正面临着难得的机遇和巨大的挑战，当代大学生也面临着深刻的国内外环境，所以，在高校大学生中广泛开展形势政策教育，对当代大学生如何在纷繁复杂的国内外形势下，正视我国面临的机遇与挑战，坚定信念，振奋精神，努力学习，报效祖国，具有重大的现实价值，与深远的历史意义。

大数据泛指巨量的数据集，因可从中挖掘出有价值的信息而受到重视。《华尔街日报》将大数据时代、智能化生产和无线网络革命称为引领未来繁荣的三大技术变革。麦肯锡公司的报告指出数据是一种生产资料，大数据是下一个创新、竞争、生产力提高的前沿。世界经济论坛的报告认定大数据为新财富，价值堪比石油。因此，发达国家纷纷将开发利用大数据作为夺取新一轮竞争制高点的重要抓手。

信息爆炸不自今日起，但近年来人们更加感受到大数据的来势迅猛。一方面，网民数量不断增加，另一方面，以物联网和家电为代表的联网设备数量增长更快。2007年全球有5亿个设备联网，人均0.1个；2013年全球将有500亿个设备联网，人均70个。随着宽带化的发展，人均网络接入带宽和流量也迅速提升。全球新产生数据年增40%，即信息总量每两年就可以翻番，这一趋势还将持续。目前，单一数据集容量超过几十TB甚至数PB已不罕见，其规模大到无法在容许的时间内用常规软件工具对其内容进行抓取、管理和处理。

数据规模越大，处理的难度也越大，但对其进行挖掘可能得到的价值更大，这就是大数据热的原因。首先，大数据反映舆情和民意。网民在网上产生的海量数据，记录着他们的思想、行为乃至情感，这是信息时代现实社会与网络空间深度融合的产物，蕴含着丰富的内涵和很多规律性信息。根据中国互联网络信息中心统计，2012年底我国网民数为5.64亿，手机网民为4.2亿，通过分析相关数据，可以了解大众需求、诉求和意见。其次，企业和政府的信息系统每天源源不断产生大量数据。根据赛门铁克公司的调研报告，全球企业的信息存储总量已达2.2ZB（1ZB等于1000EB），年增67％。医院、学校和银行等也都会收集和存储大量信息。政府可以部署传感器等感知单元，收集环境和社会管理所需的信息。2011年，英国《自然》杂志曾出版专刊指出，倘若能够更有效地组织和使用大数据，人类将得到更多的机会发挥科学技术对社会发展的巨大推动作用。

大数据时代的机遇与挑战，越来越多的企业意识到了这种挑战：IT 负责人和职员无法有效地对海量数据进行收集、处理和分析；另一方面，企业CEO 以及高层管理人员因不能及时获得所需的信息，而无法预测出潜在的业务风险，坐等商机的流失

目前，大数据技术的运用仍存在一些困难与挑战，体现在大数据挖掘的四个环节中。首先在数据收集方面。要对来自网络包括物联网和机构信息系统的数据附上时空标志，去伪存真，尽可能收集异源甚至是异构的数据，必要时还可与历史数据对照，多角度验证数据的全面性和可信性。其次是数据存储。要达到低成本、低能耗、高可靠性目标，通常要用到冗余配置、分布化和云计算技术，在存储时要按照一定规则对数据进行分类，通过过滤和去重，减少存储量，同时加入便于日后检索的标签。第三是数据处理。有些行业的数据涉及上百个参数，其复杂性不仅体现在数据样本本身，更体现在多源异构、多实体和多空间之间的交互动态性，难以用传统的方法描述与度量，处理的复杂度很大，需要将高维图像等多媒体数据降维后度量与处理，利用上下文关联进行语义分析，从大量动态而且可能是模棱两可的数据中综合信息，并导出可理解的内容。第四是结果的可视化呈现，使结果更直观以便于洞察。目前，尽管计算机智能化有了很大进步，但还只能针对小规模、有结构或类结构的数据进行分析，谈不上深层次的数据挖掘，现有的数据挖掘算法在不同行业中难以通用。

大数据技术的运用前景是十分光明的。当前，我国正处在全面建成小康社会征程中，工业化、信息化、城镇化、农业现代化任务很重，建设下一代信息基础设施，发展现代信息技术产业体系，健全信息安全保障体系，推进信息网络技术广泛运用，是实现四化同步发展的保证。大数据分析对我们深刻领会世情和国情，把握规律，实现科学发展，做出科学决策具有重要意义，我们必须重新认识数据的重要价值。

中国人口居世界首位，将会成为产生数据量最多的国家，但我们对数据保存不够重视，对存储数据的利用率也不高。此外，我国一些部门和机构拥有大量数据却不愿与其他部门共享，导致信息不完整或重复投资。政府应通过体制机制改革打破数据割据与封锁，应注重公开信息，应重视数据挖掘。

大数据是新一代信息技术的集中反映，是一个应用驱动性很强的服务领域，是具有无穷潜力的新兴产业领域；目前，其标准和产业格局尚未形成，这是我国实现跨越式发展的宝贵机会。我们要从战略上重视大数据的开发利用，将它作为转变经济增长方式的有效抓手，但要注意科学规划，切忌一哄而上。

最后，我想说，学校开设的《形势与政策》课非常有必要。因为，高等学校的形势与政策教育是高校大学生思想政治教育的重要内容，是提高大学生综合素质、开阔胸怀视野、增强责任感和大局观十分重要的方面，它使我们更深刻地认识了中国，了解了世界，认识了我们与世界的差距，以及我们自身的不足，使我在思想上迈进了一大步，也为我们走出学校进入社会提前上了一课，让我们感受到社会的形势和国家政策，好让我们更有准备的为人民服务，为国家作出应有的贡献。

篇2：关于大数据时代的机遇与挑战的学习心得

摘要：随着大数据元年的到来，大数据已经开始冲击着各行各业，并影响着大学教育的方方面面。大数据时代将改善学习的核心要素，给大学教育带来深刻的影响。在大数据时代大学教育由单向度反馈转向多向度反馈，为实现个性化的教学方案提供必要的前提。同时大数据在大学教育中的应用还将面临技术层面、学生个人隐私及预测结果的正确运用等多方面的挑战。

关键词：大数据时代；大学教育；机遇；挑战

1.大数据时代的实质

早在2011年5月，麦肯锡公司发布的《大数据：下一个创新、竞争和生产力的前沿》报告中指出：大数据的规模以及其存储容量正在迅速增长，大数据已经渗透到各个行业中，成为重要的生产因素，成为可以与物质资料和人力资本并论的生产要素。正如马克思。所说“各种经济时代的区别，不在于生产什么，而在于怎样生产，用什么劳动资料生产。劳动资料不仅是人类劳动力发展的测量器，而且是劳动借以进行的社会关系的指示器。”大数据的演进与生产力的提高将产生直接的关系，大数据将成为重要的生产资料。同时，用于大数据分析的关键技术包括云计算、数据仓库、Big Table等日趋成熟，使大数据的整合、处理、管理、分析成为可能。2013年，被称为“大数据时代元年”，标志着大数据时代的正式开始。进入2013年“大数据”走入了我们的生活，对各行各业产生了深刻的影响，每个行业的经营模式、生产模式、管理模式等正产生翻天覆地的变化，也为各行业带来了改革的契机。维克托?迈尔?舍恩伯格在《大数据时代》中指出：“大数据开启了一次重大的时代转型。大数据正在改变我们的生活以及理解世界的方式，成为新发明和新服务的源泉，而更多的改变正蓄势待发……”大数据时代不仅仅包含着各种类型数量众多的数据，更重要的是代表了快速取得并有效利用有价值资料的能力。在大数据时代到来之前，由于定量研究是建立在假设和有限的抽样数据的基础上，使得定量研究复杂而缺乏准确性，大数据时代将彻底改变这一状况，它可以让纷繁复杂、单调枯燥的数据变成可以说话的信息，它的实质不仅在于大量的占有数据，更多的是提供了预测性和前瞻性的信息和知识。淘宝、京东等众多购物网站可以根据顾客的浏览历史数据判断出顾客的喜好和最近的需求；沃尔玛等跨国连锁超市可以实现从啤酒、尿布、日用品等全系产品销售数据的分析，以此实现准确的物资仓储储备；美国洛杉矶警局利用各类案件的大数据的分析来合理安排巡逻车和布置警力。这些无疑不是大数据预测性的体现。大数据的预测性帮助我们在特定的背景下提炼出数据潜在的规律，从而指导实践，提高效率。

2.大数据时代给大学教育带来的深刻影响

麦肯锡公司发布的《大数据：下一个创新、竞争和生产力的前沿》报告中指出：大数据的有效应用可以创造出巨大的潜在价值。运用在教育领域也势必通过多种方式创造价值，第一，在大学教育中，让原本互相分离的部门之间更加容易的获得相关的数据就可以使教学方案、教学计划、教育回馈等实现并行，大大提高教学效率；第二，随着大学创造并储存更多数字形式的教育数据，应能够通过对比实验，提供更具有学习效果的教学方法；第三，利用大数据对学生进行具体的细分，可以精确的制定更具有个性化的教学方案；第四，在大学教育中利用大数据可以提供算法研究进而形成成熟的分析方法，可以改善教育决策的科学性，实现教育决策的风险最小化。大数据在大学校园里是无处不在的，网络、计算机及智能手机的普及让大学生的社交活动、在线学习，日常的信息管理等都成为大数据的主要来源。这些大数据在技术支持下将为教学本身提供数据驱动的检测，同时也给大学教育带来了深刻影响。首先，大数据时代的大学教育，学生的学习、老师的教学都发生在数字的环境中。大学教育所依赖的教学工具，电子教科书、数字化讲坛、甚至是大学本身都将是大数据获取的平台。在这个数字平台中，大学将收集以往无法收集或即使收集起来也没有反馈的数据，如大学生在线课堂的反馈、网络课程的中途退出、电子教科书上的标注、图书馆的借书记录等等都将被记录并进行处理。在这一过程中，大数据有能力将数据的生成、处理分析、利用分隔开来分类利用。其次，大数据时代大学教育可以实现符合每名学生的个体需求，而不是为一组类似的学生定制的个性化学习。传统的大学教育系统是基于平均水平的设计的教学方案，那么一定会同时伤害位于正态分布曲线两侧的学生。大数据时代学生将在各自的多媒体学习的平台进行学习、互动，老师给的教学回馈也将是具有针对性，真正实现维克托.迈克.合恩伯格所说的：实际上是“一个尺寸适合一个人”的方式。最后，通过对大数据的分析，通过概率预测优化学习内容，学习方式和学习时间等具体内容。在大学教育这个数字平台，将更全面的发挥“预测”这个大数据最重要的功能，帮助我们更加准确对学习内容、学习的方式和时间进行精准的安排设置，提高整体效率。

3.大数据时代大学教育面临的发展机遇

（1）单向度反馈向多向度反馈的变革。在传统大学教育中，反馈随处可见，课后作业、课堂参与、出勤率、论文及考试成绩等分数，都是学校及老师给学生及家长的反馈，但这种反馈几乎都是单向度的，即由教师和学校指向学生和家长。这些分数代表着学生在学校的学业表现，同时社会及用人单位也依赖这些分数作为衡量学生的学习行为的指标。现行的教育反馈只是对学生的学习表现进行打分，然而校方却很少评价自身，更不会全面和系统的对自身的教学进行评估，也不会对采用的教科书、测验和课堂讲解等教学内容和手段是否对学习有益进行衡量。大数据时代的到来正在彻底改变这一现状，大学将能够收集到过去无法获取的学习数据，并用于学习过程的处理。大数据还能使用新的方式组合数据，并充分发挥其作用以提高学习理解和学业表现，同时将分享给教师和学校管理者以改善教育系统，完成校方与学生的双向反馈。在传统大学教育中，学生在阅读教科书过程中，有的段落和篇章进行了反复阅读，那么是因为其讲述的内容丰富有趣，还是晦涩难懂，都无从可知。学生是否在特定的段落进行了标注及笔记，为什么这么做？学生是否在中途就已经放弃了阅读？如果是，放弃的位置是在哪里？这些问题传统方法无法给出准确答案。直到大数据时代的到来，才找到可行方案。当教科书出现在电脑上，上述的信息不仅可以采集还有可以进行处理，可是实现学生、教师、出版商之间的反馈。在传统大学教育中，也有专门的审核委员会对大量教材进行审核，但委员会的评估工作往往存在局限性，他们可以对内容的精确程度进行检验，并与公认的教学标准进行比较，但是缺少了解教材是否对学生有效的实证方法。在大数据时代，教科书出版商通过分析电子书平台上的综合数据分析，清楚地分析教科书中的有效内容和无效内容，以此作为完善写作的基础。在过去，教科书信息的反馈是单向的，即从出版商到学校，在大数据时代，信息的反馈是多项进行的，实现与校方、学生、教师、出版商的多项反馈。

（2）大学教育组织结构的变革。大数据时代大学的教学环节必然与大数据技术紧密相连，传统教育机构的组织管理机构势必作出调整与适应。

第一，大学教育将出现新的职业分工，大学数据的分析、处理和在教学中应用必须有专门的技术人员来完成。由一位对冲基金分析师创建的可汗学院，大数据成为了该学院运作的核心。截止2013年年底，这个非盈利组织共有50名员工，其中有10人专门从事数据分析并取得了骄人的成绩。因此，专业的数据管理人员，数据分析人员，数据开发应用技术人员必将成大学教育中的新成员。

第二，大学组织管理机构的重组。数据之所以在大学教育中可以发挥巨大的作用，其中最重要的原因就是大数据能够迅速反映知识在各个环节传递中所遇到的问题和发生的状况，具有数据价值的时效性。校方的政策执行过程中的数据、老师教授过程的数据、学生学习过程中的数据都会第一时间被收集、分析、挖掘。

分析的结果也会实时呈现出来，如果还是通过传统的直线型或智能型的组织结构模式，很难在有效的时间内将数据分析结果快递下去。为了适应大数据时代信心的快速响应及传播的要求，扁平化的大学组织管理机构将成为大数据时代发展的趋势。

（3）提供个性化的教学方案。至今为止，大学的教学方式虽然进行了很大的改变，学生可以进行诸如小组讨论等多种方式的学习，但从本质上看并没有什么不同。学生们接受相同内容的课程学习，使用同样的教材，做着同样的习题。大数据时代的来临将给大学教育注入新的活力，大数据时代的预测性和前瞻性，为大学教育的个性化教学提供了可行前提。在大学校园，能够借助大数据对学生的学习情况进行记录及分析。学生普遍使用的QQ、微信、微博等社交网站、图书馆、网络课程、在线教育平台等可以记录并分析学生的每个学生的思想动态、家庭背景、考试成绩、学习过程等等。这些数据不仅可以帮助学校完成学生各自的思想教育，还能有针对性的进行专业知识的学习，从而形成系统的，有针对性的教学方案。大数据能够实现学习知识的扁平化，不需要把学科的知识按照专业、科目、年级进行严格划分，而是构建学科知识库，通过大数据来分析和预测学生的学习态度、学习习惯、对知识的掌握程度、进而向每名学生提供合适的课程内容，恰当的课程进度，适宜的辅导教师及准确的课程形式。正如维克托?迈尔?舍恩伯格在《大数据同行》一书中举的案例：在可汗学院，教师通过控制面板取得学生的学习进度，学生也在系统中发挥积极作用。学生每一次与系统的交互都被记录下来，这些是数据用于分析，并向教师、学生及家长提供学习情况的反馈。

（4）科学的教育决策方法。教育决策方法一定会紧跟大数据时代发展，利用大数据的科学方法分析决策活动，改变以往的依靠经验进行判断，采用大数据的新技术和方法进行决定，保证决策的精准性和可靠性。第一，大数据时代使决策信息的获取与处理更加科学。现代决策理论创始人伯特.西蒙认为在决策的过程中至关重要的因素就是信息，信息是合理决策的生命线。大数据的信息平台为信息的收集提供了基础，大数据的数据处理技术让信息变得更加有效。决策者可以根据收集和处理过的信息，及时掌握问题的本质，做出科学的决策，同时在其后的反馈中发现决策方案的偏差，做出调整，保证教育决策的有效性和科学性。第二，定量分析与定性分析相结合的科学决策方法。以往的教育决策往往是按照决策人的经历和主观判断做出的，而忽视问题的复杂性、环境的多样性进行分析，特别是在大数据时代，教育决策呈现出很多新特点和新问题，传统的定性分析已经不能满足实际需求，定量分析则可以弥补定性分析在微观上的弱点，对备选方案进行定性和定量分析相结合的基础上，可以提升备选方案的可比性，做出科学的判断。

4.大数据时代大学教育的面临的挑战

（1）大数据技术层面的挑战。大数据技术层面的挑战既包括计算机等硬件条件的制约，同时也包括大数据人才缺乏的挑战。2012年10月，美国教育部发布的《通过教育数据挖掘和学习分析促进教与学》的报告中指出大数据在教育应用的技术挑战主要有3个方面：第一，大数据的应用基础是首先拥有大量的数据样本，那就会涉及到对海量数据的采集、分析、储存和整理的问题，包括计算机的数据处理能力、云计算的技术挑战；第二，大数据在大学教育中应用，对采集到的数据进行分析，最终得出解决问题的方法是大数据的核心环节，那必然要面对数据分析技术的挑战；第三，数据兼容性的挑战，大学教育中的数据是以多种形式存在的，不同数据在不同的存储系统中有着各自的编码和格式，造成不同系统间的数据可能无法共享问题。人才短缺的挑战也不容忽视，麦肯锡公司预测美国到2018年将缺乏数据分析人才14万～19万人，这些人才不仅需要具备固有的数学能力和专业知识，还要经过长时间的培训。面对中国大学教育大数据的挖掘及使用较晚，能够驾驭大学教育大数据的数据工程师也必将成为稀缺人才，从而制约着大数据在大学教育中的应用。

（2）大学生个人隐私及信息的挑战。在大学教育中，我们一方面享受大数据时代带给我们的便捷和具有个性化的教学方案，同时我们也在大数据的采集中为此付出了代价。每名学生在数字化的校园已经变得完成透明，课程内容、学习的进展，甚至于晚饭吃的什么都被一一记录下来，每个人似乎没有隐私可谈。虽然有一些国家和法律对已经颁布了一些隐私保护法，来防止对个人信息的全面采集和长期储存。这些法律通常都会要求数据的使用者公布数据采集的对象及用途，并且必须征得本人同意后才可以使用。大数据的价值在于数据可以重复利用，但在搜集数据的初期通常不会考虑数据的下次利用。个人的教育信息是特别敏感的，它深入到每名学生的成长历程中，在教育中，可以允许通过个人数据改进学习资料、学习工具，学习方法等，但如果要使用这些数据来预测学生未来的能来，必须有更加严格的监督管理机制。那么如何保护好每名学生的个人信息，让数据的使用机构为自己的滥用行为承担责任。在这个道路中还有很长的路要走，还要清除很多的障碍，面临着巨大的挑战。

（3）理性对待概率预测。在大学教育中，大数据的预测将无处不在，它会以所有人为对象进行教育数据的全面收集，用于对未来的学习进行预测。比如斯坦福大学的吴恩达教授发现在一门机器学习的课程中，有超过一半的同学做错了“计算成本”的线性回归，但经统计分析在浏览过编号为830的论坛文章的学生中，则有64%不会再犯同样的错误。如有学生再犯这个错误时，就不需要学生的自行判断而是依靠大数据的预测为驱动手段，系统将自动推送这篇文章帮助学生解决问题，提高学习效果。在大数据时代诸如此类的概率预测比比皆是，那这些概率的预测是否会限制学生学习的自由选择，并最终影响到学习的效率的提高。就如上面的例子，如果没有大数据的预测和驱动，有些学生可能只需要将相关知识遗忘的部分进行简单的温习，而不是需要花费大量时间进行大篇幅的阅读。如何利用旧的个人数据进行预测，预测的结果也必须理性的看待。大学生作为每个个体，都要不断的成长、发展和变化，而收集到的数据却始终保持不变，这些数据只能显示在数据收集的那个时期学生一些学习状况，那么未来的预测是否也要加入这些数据的影响呢。也就要求数据分析人员积极谨慎地对待这些数据，客观的判断这些数据信息与现在的学生是否存在着关联的关系。正如维克托?迈尔?合恩伯格在《大数据同行》一书中讲到：“全面教育数据带来的首个重大威胁，并不是信息发布的不当，而是束缚我们的过去，否定我们进步、成长和改变的能力。”

篇3：大数据时代企业面临的机遇与挑战

关键词：大数据,企业,机遇,挑战

随着技术的变革,大数据时代悄然来临。作为继云计算、物联网之后又一重大技术,大数据引起了人们的广泛关注,而大数据在企业发展中的重大作用也是人们关注的重点之一。一方面,无处不在的数据使企业的经营更加多元化、精致化、个性化,给各企业带来巨大的机遇;另一方面,对于数据的管理、分析、应用与保护也是企业面临着众多挑战。

1 企业面临的机遇

1.1 节约生产成本

大数据的应用,可以使企业节约采购成本。随着互联网的发展,电子商务平台越加贴近人们的日常生活,线上购买也越发常见,企业的原材料也从原来单一的线下购买渠道变为线上线下同时进行。企业在进行线上购买时,可以通过对相关数据的收集与分析很快地得到各商家原材料的性价比,从而选择最适合自己一家。且由于电商众多,使得企业讨价还价的空间大大增加,从而减少更多的成本。企业利用大数据来进行原料的采购,不仅可以买到物美价廉的原料,节约采购成本,而且可以节约外出调研的旅费。

大数据的应用,可以使企业节省下生产过程中原料的不必要浪费。企业通过将不同时间、不同车间生产过程中原料的消耗量录入系统进行分析,在今后的生产过程中便可以很快地发现那个车间原料的耗损现象比较严重,从而及时的查明原因,做出相应的措施,减少浪费,节约成本。

大数据的应用,可以使企业节约运输成本和仓储成本。企业通过对各仓库情况和运输路线的分析,可以使各仓库的库存和运输路线更加科学。企业通过将各仓库库存与出仓量输入系统进行分析,可以很快得出各仓库的实际利用率和不同地方对商品的需求量,从而调整方案,扩大出仓量高的仓库的规模,缩小出仓量低的仓库的规模,降低仓库的空置率,从而做到资源的合理配置呢,节约成本。同时企业可以通过分析个配送点之间的关系,从而得出配送的最佳路径,减少运输过程中走的弯路,从而节约运输成本。

1.2 扩大市场占有率

企业通过运用大数据,可以生产出适销对路的高质量产品,从而扩大市场的占有率。以电子制造业为例,企业可以通过大数据,分析出消费者对电子产品功能的要求以及青睐的外形,从而生产出符合消费者要求的产品,增加产品的销售量,扩大市场占有率。同时,企业可以通过大数据,筛选出出现频率较高的词语,从中发现消费者期待但至今还未发明的电子产品,从而研发出新产品,率先占有市场,同时引领该产业的发展。

企业通过应用大数据,可以预测产品的销售量,扩大生产规模,及时对各大仓库的存货进行补给,从而扩大市场占有率。以线上销售为例,企业可以通过对自己的商品下方评论信息的手机与分析,看出顾客是否有再次购买的愿望,并从中预测出商品的未来预期销售量,同时分析出各类商品中那类的未来预期销售量较高,是多少,从而扩大生产规模,对库存进行及时的补给,减少顾客的流失,甚至是增加顾客,从而扩大市场占有率。

企业通过应用大数据,可以为顾客提供更人性化的服务,增加顾客数量,从而扩大市场的占有率。以电子产品为例,企业通过应用大数据,对消费者的行为作出判断段,从而制定出更合理、更科学的营销战略。企业通过大数据,分析出消费者购买相关电子产品的原因以及消费者较喜欢的说话方式,从而对销售人员进行相应的培训,是其用令消费者舒适的说话方式对产品功能进行有重点的介绍,满足消费者最主要需求的同时,提高消费者的愉悦指数,从而增加销售量,扩大市场占有率。

2 企业面临的挑战

2.1 对数据的管理与应用

随着互联网技术的发展,数据无处不在,而海量繁杂的数据也对企业管理与应用数据的能力提出了新要求。

随着电脑的普及,网络中每天都在产生着大量的数据,而人们对数据数量的认识也有最小的比bit变为MB、GB,到现在的DB。而在海量的信息中如何精准地搜集数据、筛选信息成为企业发展面临的一项挑战。在现代企业的竞争中,如何快速、精准地搜集信息、对其真伪做出正确的判断并从中准确地进行筛选将成为企业制胜的重要因素。

高增长率是大数据的特点之一,这一特点使数据具有时效性。在你对大量数据千辛万苦的进行分析时,可能一大批新的数据已产生,而原来的数据分析便已失去其原有的价值。因此,如何在瞬息万变的数据中做出准确而长远的判断,并找准工作的重心,而非一味被数据牵制将成为企业制定经营战略时应考虑的重要问题。

2.2 数据的安全与保护

伴随着计算机技术的发展,黑客这一群体开始出现,而电脑病毒不断发展。从最初的C-BRAIN,到后来的木马、后门、熊猫烧香,再到最近的越南盾,电脑病毒呈现出隐蔽性越来越强、传播速度越来越快、破坏力越来越强的特点。面对黑客层出不穷的手段,如何保护数据的安全也成为企业面临的棘手问题之一。在计算机技术的飞速发展中,如何确保商业机密的安全问题制的企业深思。

3 总结

科技是一把双刃剑,有利也有弊。在大数据时代的背景下,面对飞速发展的科技,企业更应静下心来,深思企业发展的方式。既要与时俱进,不断适应社会新的变化,正确认识并合理利用大数据,把握新时代的机遇,有应提高企业对数据的管理与应用能力,加强对信息的安全与保护,提高自身应对时代新挑战的能力,更应树立迎接挑战的信念、战胜挑战的信心,从而从容面对时代的变化,持续健康地促进企业的发展。

参考文献

[1]穆文娟,张咏梅.“大数据”对企业成本控制的影响[J].财会月刊,2014,(12).

[2]陈滢.大数据时代下我国企业面临的机遇与挑战[J].中国商论,2015,(8).

篇4：大数据时代的挑战与机遇

第一次工业革命，英国和法国成为世界的领导者；第二次工业革命，奠定了美国的世界霸主地位；时至今日，面对云计算、物联网、大数据等新技术、新业态、新模式共同支撑的第三次工业革命，中国面临历史性的挑战与机遇。随着国内外产业发展风起云涌，大数据时代的浪潮奔腾而至，上海在相关领域积累了哪些先发优势？在大数据应用及产业化实践方面有怎样的发展思路？上海市经济和信息化委员会主任李耀新所描绘的大数据产业发展蓝图，将为产业界带来重要启发。

大数据作为新兴产业热点，在美国政府“大数据”计划的引导和IBM、甲骨文、EMC 等跨国企业的推动下，成为继云计算、物联网之后信息技术领域的又一亮点。据开源分析机构Wikibon预计，2012年全球大数据企业营收为50亿美元，未来5年的市场复合年增长率将达到58%，到2017年将达到500亿美元。IDC则预测大数据技术与服务市场将从2010年的32亿美元攀升至2015年的169亿美元。产业界对大数据的发展前景充满信心，然而从全球总体发展情况来看，大数据当前还处于起步阶段，理论研究快于产业发展，厂商宣传多于实际应用。加快研发大数据关键技术，布局大数据产业链，推动大数据示范应用，对抢占新一轮信息产业发展制高点，具有重要意义。

对发展大数据的认识

通过发展大数据助推上海改革开放进程。十八大之后，上海改革开放新的发展阶段拉开了帷幕。前三十年的开放以浦东开发开放为代表，这次以创建中国（上海）自由贸易试验区为标志翻开新的篇章。其突破口是接轨世界，更加遵循国际化、市场化的规则，从法律层面、制度层面和经济各个层面，特别是新技术层面，全面对接国际发展的惯例、规律和趋势，为未来的发展打开了一个时间天窗、一个机会天窗。看起来自由贸易试验区只有28平方公里，但是它的意义是巨大的。我们也面临着很多任务，在工信部的直接支持下，在保证国家安全、公共安全的前提下来推动进一步开放和扩大国际交流与合作。有专家建议，自由贸易试验区里面也可以探索如何在确保数据安全的情况下，再打造数字保税服务区。接下来，首先是在学术和专业层面上进行探索和研究，然后再进入项目实际论证、政策协调及工作推进阶段。

发展大数据任重道远。尽管今天互联网经济和经济互联网都在快速发展，但是以物联网为例，按照最终实现人和物、物和物的相互连接，目前只完成了1%，还有99%的东西没有连接。也就是说大数据时代已经来了，但是真正的汪洋大海还在未来，要有很长的路要走，任重道远。同时，大数据真正的价值在于科学收集数据，突破现有数据信息孤岛，以及在经济、社会和公共领域里面出现的信息障碍，这些问题解决好，互联网经济才能发展。

需求是发展大数据最大的动力机制。当前大数据发展有一个动力机制，就是大家已经充分看到了大数据发展趋势对我们已经产生了积极的影响，有极大的吸引力。以“车联网”为例，专家认为，一座城市如果把“车和车、车与人”充分互联的话，从理论上可以提升城市道路通行能力270%。也就是说上海这样一座城市，如果把“车联网”真正发展到位了，车子翻一倍，不增加道路面积，车况、路况还会有好转。“智慧交通”是一个重要的话题，我们有足够的理由予这个领域以极大的关注。

发展大数据挑战政府的创新学习能力。在发展的阶段中第一步是政府要带头，政府要有足够的敏锐性捕捉这些趋势，从我们自身来说也要加强学习，向专家学、向理论学、向实践学。移动互联网、信息高速公路的发展越来越大、越宽、速度越快，但是从用户的角度来说，希望越便捷越好。而从服务供应商来说希望要有利用率。所以我们就要解决在安全、规范的前提下保护好各方利益的问题。既要保证信息通讯提供者有一个加快发展的力度和决心，又要帮助他们解决硬件建设之后要有足够的车在信息高速公路上走，所以要发展内容产业。同时在这个发展过程当中的不均衡、城乡之间的差别、领域区域的差别造成了局部通讯的拥堵，所以服务质量就成了社会公众关注的问题。我们需要从法规、政策、服务、管理各个方面理顺关系，使行业能够持续健康的发展。每个阶段会碰到不同的问题和瓶颈，内容产业的发展，包括现在的“三屏合一”等等，现在排上了议事日程，很多相关的新经济、新业态、新模式将如雨后春笋、日新月异。

上海发展大数据的优势

上海的大数据产业起步较早，在某些领域积累了一定的优势，具体体现为“一个先行，三个优势”。

企业先行先试。上海许多具有技术前瞻性与国际化视野的公司已经率先发力大数据技术研究、产品研发与模式创新。恒尧信息、云高信息、华存数据等一批企业在面向对象的数据库、分布式存储、分布式内存计算等大数据关键技术以及面向行业应用的数据模型等技术领域率先投入。聚胜万合、易传媒、分享传媒等互联网企业在基于互联网领域的大数据研究与商业模式创新处于国内领先水平，已经成长为行业龙头企业。

数据资源优势。上海信息化水平处于全国领先位置，已经积累了大量的历史数据。特别是近年来重点推进云计算、物联网、移动互联网产业的发展，数据采集更是“无处不在，无时不有”，为大数据应用提供了基础性资源。上海拥有全球最大的医联共享工程，4000万张交通卡，2600万手机用户，覆盖千万级城市部件的社区管理网格化平台，中国电子商务购买力三甲省市等，为大数据创新提供资源优势。

IT产业优势。在IT行业应用系统研发与服务提供方面在国内占据优势 ，大智慧、益盟信息、万得资讯、东方财富等企业面向全国金融数据服务；华腾软件、亚太计算机、银联商务等面向金融、石化等行业提供交易、清算服务；众恒信息、新泰信息、美达信息等面向全国提供实有人口；电科智能等企业在交通信息处理领域处于全国领先位置。全国具有影响力与市占率的IT解决方案提供商为大数据面向领域应用提供基础性保证。

篇5：关于大数据时代的机遇与挑战的学习心得

苏州市人力资源和社会保障局

刘东玉

随着全球信息化的不断深入，数据量成几何系数增长，“大数据”（Big data）时代已经到来。最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”金保工程是社会保障信息化的核心项目，金保一期工程已发挥出信息化对业务的支撑和引领作用，成为支撑社会保险业务经办、提升社会保险服务水平、强化社会保险基金安全的有力保障。随着“大数据”时代的到来和金保二期工程的建设论证，可从技术上推动社保信息化工作的进一步深入。“大数据”给社会保障信息化建设带来了诸多机遇，也带来了更多挑战。

一、“大数据”基本概念

“大数据”指的是所涉及的数据量规模巨大到无法透过目前主流软件工具，在合理时间内达到获取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。“大数据”同过去的海量数据有所区别，其基本特征可以用4个V来总结：体量大、多样性、价值密度低、速度快。

第一，数据体量巨大（Volume）。从TB级别，跃升到PB级别。

第二，数据类型繁多（Variety）。如除传统结构化的数据外，还有文本、视频、图片、声音、地理位置信息等非结构化信息。

第三，价值密度低（Value）。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。

第四，处理速度快（Velocity）。“大数据”对处理速度有要求，一般要在秒级时间范围内给出分析结果，时间太长就失去价值了。最后这一点也是和传统的数据挖掘技术有着本质的不同。

二、社会保障信息的“大数据”特性

随着金保工程一期建设的完成，一个以信息网络三级互联、应用软件基本统一、数据资源集中管理为主要特征的、统一的金保工程支撑平台已在全国基本形成，全国所有地级城市和省级人社部门均已建立了数据中心，32个省级单位全部实现了与部中央数据中心的网络联结，90%以上的地市实现了与省级数据中心的联网，城域网已经联接到92.5%的社会保险经办机构和就业服务机构，并且延伸到街道、社区、乡镇和定点医疗服务机构，覆盖全国的人力资源社会保障信息网络架构初具规模。社保数据不断向上集中，参保人数几乎覆盖全国，历史数据不断积累，社会保障信息呈现出“大数据”的特性：

第一，社保数据量不断增加。以苏州市为例，仅结构化的社保数据库数据已达TB级，如果算上12333电话语音、医保药店视频监控等数据，数据已接近PB级。

第二，数据类型已不是简单的结构化数据。数据库中存储的图片信息、12333的语音信息、医保药店的视频监控信息等非结构化数据日益增多。

第三，数据价值提取困难。历史数据繁多，部分历史数据未能有效整合、全省乃至全国范围内的数据未能做到互联互通互操作，数据提取利用困难。

第四，对数据处理速度要求高。数据量的庞大、数据库的复杂势必造成了数据处理难度大，而社保经办需要实时性强，对数据处理速度提出了挑战。

三、“大数据”时代社保信息化建设面临的机遇 机遇一：降低存储成本

从社保信息化发展趋势来看，无论政策还是技术上，建设省一级集中式平台都被提到了重要日程上来。省一级的社保参保人数可达几千万甚至上亿，这么庞大的数据中心在以前是不可想象的。数据量倍增，按照传统的模式是扩充存储、增加服务器，这与目前各大互联网巨头提倡的去“IOE”（所谓去“IOE”，是对去IBM、Oracle、EMC的简称，三者均为海外IT巨头，其中IBM代表硬件以及整体解决方案服务商，Oracle代表数据库，EMC代表数据存储）趋势不符，也导致存储成本不断增加。

“大数据”和云计算技术的成熟，为省一级社保信息的集中管理提供了可能，运用云存储技术，形成逻辑上的数据中心，既能减少成本，又能保证数据逻辑上的集中存储。按照“1+X”的模式建立云数据中心：在省级有一个大的数据中心，同时保留若干个城市的二级数据中心，在应用层面将多个数据中心做成一体。另外，将来的社保数据必须是横向上能够与其他政府数据互相流动，比如与工商、税务、公安等部门或者其他行业的应用结合，基于城市级或者区域级的云平台将更适合这种模式。

机遇二：提升宏观决策和基金监管能力

宏观决策是金保工程四大功能之一，随着系统建设日趋完善和数据的不断积累，其作用越来越显得重要。目前的宏观决策支持软件是对社会保险业务的各个方面进行主题分析和数据挖掘的计算机应用系统，有助于发现社会保险业务数据隐含的信息和价值，起到事前决策、事中控制、事后反馈的作用，为人力资源社会保障部门政策制定提供决策参考。

运用“大数据”技术寻找数据背后的潜在规律是对社保信息的全新应用领域。2014年春节期间，百度公司推出了“百度迁徙”，利用“大数据”技术，对其拥有的LBS（基于地理位置的服务）“大数据”进行计算分析，并采用创新的可视化呈现方式，在业界首次实现了全程、动态、即时、直观地展现中国春节前后人口大迁徙的轨迹与特征。这种全新的“大数据”应用模式可以借鉴到社保应用，运用全市、全省乃至全国的社保数据，对养老保险、医疗保险、工伤保险、失业保险和生育保险等海量数据进行分析，对社会保险的发展趋势和状况进行定量和定性分析，并做出相应的预测。例如：可根据年征收率、历史欠费清欠率、社会工资增长比例等分析指标，预测将来某个时期养老保险基金征收的情况，为制定相关政策提供依据。

此外，可以将“大数据”技术用于医疗服务监控。利用“大数据”技术，从海量数据中筛查出可能的违规行为，并进一步支持医疗保险监控稽核工作。结合疾病关联、药品关联等数据信息的积累，支持监控能力进一步向纵深发展，有利于提高医疗保险精细管理能力，提升医疗服务监管水平，促进事后监管向事前、事中监管转变，加大对医疗服务违规行为，尤其是欺诈骗保行为的惩戒和威慑力度，保障基金安全。

机遇三：增强信息共享水平随着金保工程实施，社保信息化正从分散建设向统一集中建设迈进。客观上中国公民需要“五险”合一，而且需要全国联网共享，异地就业、异地就医、异地领取养老金的需求非常强烈。目前金保工程在数据中心建设、联网工程建设、统一软件应用等方面取得了较大的进展和较好的发展态势，各地对信息系统统一建设的认识程度和实施力度有明显提高，系统建设的应用效果已开始显现。信息系统的建设和应用，对于优化管理服务模式，提升劳动保障管理能力和服务水平起到了积极的促进作用。这种统一趋势对社保信息化提出了更高的要求，“统一建设”将成为未来一个时期内社保信息化建设的根本基调。

云计算、“大数据”等技术的成熟应用，为社保信息化的统一平台提供可能。充分利用云计算、“大数据”等最新的信息技术，对原有的平台进行改造和迁移，以适应未来发展的需要。以人社部技术平台框架为基础，坚持“一个(云计算)中心、两个规范体系”，围绕人力资源和社会保障的全部业务规划全面的解决方案。

例如，我国养老保险转移难的问题由来已久，其主要原因是统筹层次太低。目前，我国养老保险制度被分割成2000多个统筹单位，且政策不统一，难以互联互通，养老保险关系无法转移接续。我国更是存在“一人多个社保关系”的情况，受保人从上海市去到苏州市，上海市的社保由于各种原因无法转移，只能留在原地，到了苏州市后又重新参与社保。通过建立统一的人社云平台，所有的系统数据均通过云平台存储、备份和交换，各经办系统无需下载安装任何客户端，只需通过PC等媒介联接网络就可登陆操作。例如受保人甲在上海市参保，受保人乙在苏州市参保，看似他们在不同的地方参保，事实上他们参保的信息都存放在同一个地方（即云端）。当受保人甲由于工作原因去到苏州市，无需办理复杂的程序，完全可由新工作单位去苏州市缴纳社保，苏州市社保托管部门可在云平台上直接找到受保人甲的参保情况，进行续保。

四、“大数据”时代社保信息化建设需面对的挑战 挑战一：架构模式改变的问题

金保工程一期的实施，实现了数据的集中管理和业务的统一规划。单从技术手段而言，利用云计算和“大数据”技术，社保系统的大集中模式很容易实现。但现实情况是，之前花大力气建设的金保系统，可能因为“大数据”的技术而改变架构模式，势必造成资源的严重浪费。比较可行的方案是金保工程技术架构的中间层和应用层不变，将数据存储和备份模式、应用服务器迁移到云平台，改变底层的存储和服务模式，无需重新设计生产软件就可以实现架构的变化。此外，在新开发的系统尤其是决策支持系统，需充分利用“大数据”技术。“大数据”技术中核心是数据存储模式不再是传统的结构化存储，NoSQL等技术与传统结构化存储有较大区别，因此短时间内可能存在NoSQL和结构化存储两种模式并存的存储架构。

挑战二：数据价值认识和利用的问题

社保数据是重要的信息资源，也是社会保险运行稳定的外在体现。要充分利用数据在社保基金征缴、管理、支出等方面的作用，通过管理与分析相关数据，最终要实现让社保数据为政策调整提供依据，为管理监控确定方向和重点，对保险制度运行状况进行评估，确保社保基金安全、高效运行。“大数据”时代的到来，为社保数据的深入应用提供了技术基础。依据“大数据”技术建立的决策支持，可规范征缴扩面，运用数据可帮助决策管理，分析“大数据”可防范基金运行风险。但是许多地方，对于数据价值观念不强，不注重基础社保数据的积累和分类工作，对于历年的重要数据只是简单记录储存，从不进行仔细分析进而指导工作实践。部分地区即使意识到社保数据的重要性，也不清楚如何充分把这些数据潜在的价值挖掘出来，有些地区甚至走入了盲目追求硬件设施标准、轻视基础数据的积累和利用等误区。一些地方对于多样复杂的大体量的社保数据，要么简要进行汇总统计，要么不知所措，甚至直接置之不理。就数据的分析方法而言，分析手段有限，专业性数据分析能力欠缺，不能够深度挖掘数据价值，加以充分吸收利用。

挑战三：网络安全的问题

社保数据关乎到政府运行、企业竞争、个人隐私，利益关系重大，使用范围广泛，重要性不言而喻。而“大数据”技术本身的技术架构，决定了采用“大数据”技术架构的系统安全防护的难度。采用云计算架构的“大数据”，数据存储和操作都是以服务形式提供，因此，要对存在云端的数据采取以下措施保障数据安全：一是采取数据加密的方法，通过SSL（安全套接器）加密，实现数据集的节点和应用程序之间的传输加密；二是分离密钥和加密数据，把密钥与加密的数据分开，同时定义数据产生、存储、备份、恢复等密钥管理生命周期；三是使用过滤器，一旦发现数据离开了用户的网络，就是自动阻止数据的再次传输；四是采取数据备份，采用容灾备份、敏感信息集中管控等手段，实现端对端的数据保护。

挑战四：人才及技术问题

“大数据”时代的到来不断地对社会保障的信息化建设提出新要求，因此，要站在新起点上，进行人才和技术储备，以适应不断发展的技术需要，发挥信息化、“大数据”对事业发展的带动作用。应 坚持多渠道培养与高起点引进并举，壮大人力资源和社会保障系统信息化队伍。建立健全信息技术培训长效机制，强化对信息技术人员、管理人员的培训，提高信息化建设队伍的整体素质，培养既懂技术又熟悉业务的复合型人才。探索建立适合于信息化队伍的激励机制，为信息化人才充分发挥作用创造良好的环境。加强对全系统业务人员，特别是基层业务人员的信息化培训，提高信息系统应用能力。加强与技术服务商的合作和规范管理，进一步调动和发挥社会力量在人力资源和社会保障信息化建设中的作用。

五、结束语

篇6：关于大数据时代的机遇与挑战的学习心得

1引言

数据信息作为我国未来发展中不可或缺的一员，它在教育、文化以及经济建设等领域也发挥着至关重要的作用。大数据时代的来临也让整个信息安全技术领域面临着巨大的挑战以及机遇，并成为我国现阶段所有业内人士需要注意的问题。

篇7：关于大数据时代的机遇与挑战的学习心得

思想政治工作历来是我们党和国家的重要政治优势。人类进入“互联网+”时代，因为计算机和网络的普及，特别是移动通信和互联网的融合，使我们今天日常生活中无处没有数据的存在，大数据给思想政治工作带来新机遇和新挑战。

一、大数据显示的是过去，但揭示的却是未来

“大数据”之大，就在于将各种分散的数据（信息），彼此联系，由点而线，由线至面，由面到层，多维度综合，彰显出事件（事物）更完整、更全面的真貌，让人们能更清楚地理解事件（事物）的本质和未来的趋势。在“互联网+”时代，大数据将像传统的“人、财、物”一样，逐步成为社会重要的生产资料和创新资源，并将成为国家发展的新动力和社会创新的新活力。

研究表明，从人类文明开始到2003年，人类共创造了5TB（兆亿字节）的信息，而现在，这样的数据量却仅需两天就被创造出来，且速度仍在加快。数据显示，2011年全球创建和复制的数据总量，就达到了1.8ZB(1ZB等于10的21次方比特)，相当于全球每人产生300GB以上的数据。目前这个数字仍在快速增长，预计2020年，全球产生的数据量将超过80ZB。

数据就是信息，信息就是数据。移动互联网在线，让数据24小时随身随时可复制、可传播、可整合。同一份数据可以在不同的服务器上快速流转、重复使用，不同的数据可以快速互相整合、产生新的效用，数据的价值越来越凸显，而它们的保存成本和分享成本却越来越降低。人们使用数据，不应该仅仅局限于用数据说话、用数据来支持自己的观点，而是要通过数据获得启示，发现新的知识和规律。

大数据对人类带来的影响主要有：1.“大数据资源”将成为重要战略资源。2.“大数据决策”成为一种新决策方式。3.“大数据应用”推进信息技术与各行业深度融合。4.“大数据开发”推动新技术和新应用不断涌现。5.“大数据安全”上升为国家战略安全。

大数据显示的是过去，但揭示的却是未来。我国“单独二孩”政策的出台，就是通过对巨大的人口普查数据进行建模，可视化分析，沙盘演练后做出的科学决策。中国高铁建设、中国路桥建设、中国通信技术、中国金融业……之所以能在国际市场竞争中占有一席之地，就是因为他们背后有中国“大数据”在支撑，这也是党中央作出“一带一路”国际合作发展战略的坚实基础。

二、大数据给思想政治工作带来的机遇和挑战

我们党现有8800多万名党员，这本身就是一个大数据。这个大数据也表明，我们党的思想政治工作具有强大的凝聚力和创造力。不论在新民主主义革命时期、社会主义革命和建设时期，还是在改革开放新时期，党依靠强有力的思想政治工作，动员亿万人民群众团结在党的周围，奋发有为，开拓创新，创造出了一个又一个的世界奇迹。我们党的思想政治工作优良传统就是：贴近实际、贴近生活、贴近群众。

然而，大数据的“精准营销”对“三贴近”的传统思想政治工作的理念、机制、内容、方式等方面都提出了新的要求：

第一，思想政治工作的理念必须与互联网、大数据的时代特征相融合。也就是思想政治工作的理念必须贴近时代特征、贴近社会热点。比如，传统的电影、电视剧的制作理念，强调的是好本子、名导演、名演员、封闭式拍摄和强势广告宣传。而“互联网+”的制作理念则是开放、协同、共赢，在操作层面上：一是采取互联网调查、统计出民众的期待热点，再写剧本。并且在边拍摄、边上映过程中不断听取观众反馈意见调整剧情；二是采用植入式广告降低成本；三是采取网上调查，起用“偶像型”演员；四是采用开放的“粉丝探班”形式，来炒作“热点话题”。可见，今天微博、微信、APP、二维码、电子考勤等等“大数据”载体都可以成为思想政治工作多维度整合考虑工具，并可作为“精准营销”解决问题的思路和依据。

第二，思想政治工作的机制必须与互联网、大数据的时代节奏要求相融合。也就是思想政治工作的机制必须贴近生活节奏、贴近“社会生态区”。淘宝十多年发展的颠覆性数据故事的背后，是商业模式和运营机制顺应“互联网+”时代要求的创新。首先，是大数据统计指导下的“精准销售”商业模式的创新，数据是社会规律、商业规律的载体，统计分析则是发现这种规律的手段；其次，是扁平化管理机制告别了官僚式分层管理，节点化驱动模糊部门界限，依据工作流程为导向建立临时工作团队，让每一个发起流程“节点”的人来驱动业务发展总进程。人人都将成为核心，人人又都不是核心，流程完成，部门解散。这些“精准营销”商业模式和运营机制的创新为思想政治工作机制的创新提供了范本。

第三，思想政治工作的内容必须与互联网、大数据时代人民群众的需求相融合。也就是思想政治工作的内容必须贴近人民群众，贴近人民群众的中国梦。不同的历史阶段，人民共同的向往和追求是不同的，当前，我们必须要把实现中国梦，实现企业（集体）梦，实现个人（家庭）梦三者有机结合起来，思想政治工作才可能在人民群众中“走心”。总书记说：“中国梦归根到底是人民的梦”。“实现中华民族伟大复兴的中国梦，就是要实现国家富强、民族振兴、人民幸福”。在全民创业、万众创新的时期，我们要结合实现中国梦的大目标，通过互联网开放数据（信息），将原来由少部分社会精英垄断的知识和资源，向人民大众开放，集合大众智慧，推动创业创新，这就是“众创”。因此，思想政治工作内容“大数据”的收集、统计、分析、提炼、利用等工作对我们提出了新的课题。

篇8：关于大数据时代的机遇与挑战的学习心得

那么, 在大数据时代, 货币金银工作会迎来怎样的机遇与挑战呢?

一、大数据的定义以及大数据时代的特征

大数据, 顾名思义就是海量的数据。最初特指互联网公司大规模获取数据和相应发展出来的处理数据的手段。近年来, 随着大数据在社会各个领域渗透, 其适用语境已经悄然发生了改变。在本文中, 我们采用大数据的另一种外延更广、更为大众所接受的定义:大数据是人们在大规模数据的基础上可以做到的事情, 而这些事情是在小规模数据的基础上是无法完成的。举一个例子:舍恩伯格在他的《大数据时代》中提到, 2009年, 谷歌公司把5000万条美国人最频繁检索的词条 (如“哪些是治疗咳嗽和发热的药物”) 和美国疾控中心在2003年至2008年间季节性流感传播时期的数据进行比较, 旨在寻找特定检索词条的使用频率与流感在时间和空间上的传播之间的联系。谷歌公司发现了45条检索词条的组合, 将其用于一个特定的数学模型后, 他们的预测与官方数据的相关性高达97%。实践证明, 谷歌公司可以准确判断出流感是从哪里传播出来, 并且它的判断更及时, 不存在疾控中心通常意义上的信息滞后。通过掌握和使用大数据, 谷歌公司实现了在“小数据时代”无法想像的精准预测。

大数据的核心是预测, 而预测的基础则在于对信息的分析。大数据对时代的重新定义就体现在我们对信息分析方式的转变, 即:

一是在大数据时代, 我们可以分析更多的数据, 有时候甚至可以处理和某个特别现象相关的所有数据, 而不再依赖于随机采样。与局限在小数据范围相比, 使用大数据带来了更高的精确性, 也让我们看到了一些以前无法发现的细节信息。

二是研究数据如此之多, 以至于我们不再热衷于追求精确度。拥有了大数据, 我们不再需要对一个现象刨根究底, 只要掌握大体的发展方向即可———适当忽略微观层面上的精确度会让我们在宏观层面拥有更好的洞察力。

三是在大数据时代, 我们无须再紧盯事物之间的因果关系, 而应该寻找事物之间的相关关系。我们不再需要在还没有收集数据之前, 就把我们的分析建立在早已设立的少量假设的基础之上。让数据发声, 我们会注意到很多以前从来没有意识到的联系的存在。

以上转变正契合了货币金银工作科学化、精细化的发展要求。接受、吸收, 把大数据时代的思维模板和技术手段为我所用, 无疑会极大提高货币金银工作在量化管理、趋势预测等方面的水平———这是一次机遇, 同时也是挑战。如何抓住机遇、迎接挑战, 把货币金银工作和大数据的力量有机结合在一起, 笔者在下文提出了一些设想。

二、货币金银工作怎样与大数据结合

(一) 流通人民币管理与搜索引擎

搜索引擎是数据富集的地方。近年来, 搜索引擎对大数据的创造性使用最为人所津津乐道。谷歌公司预测流感趋势便是其中一例。而在今年春节, 央视携手百度进行的收视习惯调查同样令人印象深刻。在搜索引擎中, 每个进行检索的人都成为数据的贡献者, 而这些数据正是检索人困境和愿景的直接体现。和谷歌预测感冒同理, 一些人在遭遇假币时也会求助搜索引擎, 那么检索时间和检索者所在位置会不会体现假币在时间和空间上的蔓延态势呢?

笔者做了这样一个实验:在百度中键入“收到假币怎么办”和“收到假钱怎么办” (检索原则是令检索关键词尽量口语化, 尽量避免检索出指导性的文章) , 各得到39.2万条和79万条共118.2万条检索结果, 即使考虑到一定比例的无效链接和重复引用, 如此规模的样本数在统计学意义上也是非常庞大的。对于普通用户, 这些数据最有价值的部分隐藏在“黑箱”之中:检索人的IP地址 (地理位置信息) 、检索在时间上的聚集和波动趋势、某一词条被引用和链接的次数……这些庞杂的数据掌握在互联网公司的手中, 运用特定的算法处理, 很容易转化成有价值的数据。比如, 通过收集检索人的地理信息, 并经过数学处理 (如用检索词条数除以投放规模以反映假币的相对泛滥程度, 同时使用统计技术剔除掉各省信息化程度的差异) , 可以得到图1、图2统计结果。

如图, 尽管从统计学的角度看, 抽样是有偏的 (使用搜索引擎的一般是年轻人) , 但我们需要的数据洞察是假币在时间和空间上的变化趋势, 在如此巨量的样本支持下, 得到的统计结果还是很能说明问题且具有指导意义的。尤其是如果我们观察这些数据在时间序列中的动态表现, 则很容易看到某种新型假币的出现及至爆发, 以及假币在空间上的流动———这样, 就很容易定位假币是在何时、何地蔓延开来, 有利于我们采取有针对性的处置措施。

同理, 我们也可以通过搜索引擎观察人民币整洁度在不同地区、不同时点上的变动趋势。笔者在百度中键入“人民币破损用什么粘”、“人民币破损怎么办”, 分别得到157万条和2250万条搜索结果。在这样规模的样本支持下, 得出的结论将非常接近真实情况。

(二) 发行基金投回预测与数理分析

发行基金的投回预测关乎人民银行在未来的生产计划、调拨和分支行投放的整条物流链, 其精度至关重要。目前, 发行基金的投回预测一般采用两种方法:数学建模法和经验估算法。笔者认为, 这两种方法的原理其实是相同的, 即, 以过去指导未来, 从错综复杂的经济变量中寻找能够决定、影响或者指示投回的因素, 以这些因素的变动推测投回的变动。两种方法的区别是, 相较经验估算法, 数学建模法有更严格的数理分析、假设和检验做基础, 且更易于标准化操作, 因而越来越受到现金分析人员的青睐。然而, 数学建模法亦有其局限性:第一, 模型精度与可获得数据规模息息相关, 小的样本数往往导致较大的系统性偏差;第二, 自变量的选择依赖于分析人员的专业知识和主观判断, 时常会有遗漏变量或伪回归的情形发生而影响模型精度;第三, 一个好的模型的建立, 需要反复试错, 直至挑选出最能反映真实世界运行的那一个, 在这一繁复过程中, 分析人员的数理知识和统计技术至关重要, 并且要耗费大量时间。这对“兼职”从事分析的发行人员来说, 不能不说是一种负担。

为克服发行基金投回预测的局限, 获取尽可能多的数据, 减少分析人员的主观参与和工作强度, 依托“大数据”, 笔者做了如下设想:如果能够建立一个不断更新投回数据与国家主要统计数据 (如人口数、G D P增长率、C PI增长率等) 的信息化平台, 并且在这一平台中整合一部分统计软件的功能, 那么发行基金投回的数学建模 (当然也包括其他和发行业务相关的数学建模) 可能会事半功倍。如, 大数据平台可以自动筛选出在时间上与投回变动有一致或强烈相关趋势的数据指标并且通过联立方程模型或向量自回归模型计算其数量关系。一些由于难以获取、经济理论知识缺陷等原因被我们忽视的数据 (如人口的省际迁移、产业结构变迁、地区教育程度等) 有可能成为模型的一部分从而提高模型的精度。一旦这些数据实现了实时更新, 那么模型也会随之不断更新, 我们将得到精度很高的动态预测, 这对增强发行基金生产、调拨和投放的前瞻性是不无裨益的。

显然, 这样的假想是建立在大数据的思维模式和技术能力的基之上的

三、大数据时代, 货币金银工作的机遇与挑战

如前所述, 要搭上大数据时代的“顺风车”, 把大数据的力量化为己用, 我们不仅要转变“小数据”时代的思维模式和工作方法, 还要以实际行动为大数据搭建“舞台”, 这就需要:

(一) 寻求与互联网公司的合作, 建立与发行数据接驳的数据分析平台

比如, 若能与搜索引擎合作, 从“黑箱”数据中提取信息并辅以统计软件, 则可实现动态监测假币在时间和空间上的发展趋势。同时, 在保证数据安全的前提下, 实现与国家主要统计指标数据库之间的单向接驳, 借助整合的计量经济学软件功能, 我们将得到实时修正且精度较高的数学模型, 用以预测发行业务的主要数字指标。

(二) 整合历史数据, 将“小数据”升级成“大数据”

发行业务有丰富的历史数据, 如对调拨业务而言, 我们可以得到某中心支库某种券别在某一工作日的投回金额。如果能利用全部信息, 这将是样本数非常庞大的时间序列数据和面板数据, 对分析发行基金投回自身变动趋势将有很大助益。但是, 一直以来, 数据的获取都是一个瓶颈。以云南省为例, 要得到2005年1季度以前的投放数据, 必须翻阅历史账本。而即使是能够在货币金银信息管理系统中查询到的2005年1季度以后的数据, 也需要分析人员逐项查找、记录, 最后将其输入电脑进行数据分析, 这项工作既繁琐又容易出错。所以, 从目前的实际情况来看, 即便我们坐拥大数据的“冰山”, 也往往只得其“一角”而已。为克服这一问题, 总行应考虑在二代货金系统中纳入全部历史数据并实现这些数据的无纸化导出, 将“小数据”升级成可以直接利用的“大数据”。由于工作量巨大, 可考虑将久远的历史数据输入分块外包。

(三) 加强总行与分支行之间、人行各部门之间的数据共享

人民银行分支行要深刻地认识经济规律以指导未来工作, 局限在分析某一地区、某一部门的数据, 始终是管中窥豹, 只能窥其一斑。另一方面, 总行货币金银局, 各分支行的货币信贷、调统、金融稳定等部门掌握着丰富的数据资源。如果能建立数据共享平台, 实现总行与分支行之间、人民银行各部门之间的数据共享, 将局部的“小数据”统合成全局的“大数据”, 将非常有助于我们突破单一地区、单一部门的分析局限性, 高屋建瓴地指导未来工作。

四、结语