大数据对企业管理决策影响分析
随着云计算技术的快速普及，加之物联网、移动互联网应用的大规模爆发，人类进入了大数据时代。大数据的数据集远远超出了目前典型数据库管理系统获取、存储、管理和分析的能力。研究机构Gartner将大数据定义为需要新处理模式才能具有更强的决策力、洞察
发现力和流程优化能力的海量、高增长率和多样化的信息资产；国际数据公司(IDC)认为大数据是从海量规模数据中抽取价值的新一代技术和架构；IBM将大数据定义为4个V即大量化(Volume)、多样化(Variety)、快速化(Velocity)及产生的价值(Value)。针对大数据的特征挖掘其价值并作出决策，成为企业在大数据环境下进行决策的重要依据。2012年1月达沃斯世界经济论坛将大数据作为主题之一，探讨了如何更好地利用数据产生社会效益；2012年5月联合国“Global Pulse”特别分析了发展中国家面对大数据的机遇和挑战，并倡议运用大数据促进全球经济发展；2012年3月美国奥巴马政府发布“大数据研究和发展倡议”，正式启动大数据发展计划，随后英国、加拿大、澳大利亚、法国、日本等30多个国家也相继启动了大数据计划；Google、IBM、EMC、惠普、微软和阿里巴巴、百度等国内外公司正在积极抢占大数据技术市场。大数据应用领域包括客户关系管理、市场营销、金融投资、人力资源管理、供应链管理和卫生保健、教育、国家安全、食品等各个行业，已成为一个影响国家、社会和企业发展的重要因素。在互联网时代，基于数据判断、决策成为国家、企业和个人的基本技能。大数据的出现改变了企业决策环境，并将对企业的传统决策方式产生巨大影响。
1、大数据对管理决策环境的影响
1.1大数据下数据驱动的决策方式
目前人类每年产生的数据量已经从TB(1024GB=1TB)级别跃升到PB(1024TB=1PB)、
EB(1024PB=1EB)乃至ZB(1024EB=1ZB)级别。美国互联网数据中心指出，全球已有超过150
亿台连接到互联网的移动设备，互联网上的数据每年增长50%，每两年便翻一番，而目前世界上90%以上的数据是最近几年才产生的，随着数据的急剧增长，大数据时代已经到来。大数据下的决策依赖于大量市场数据，如何有效地收集和分配数据、可靠智能地分析和执行数据成为企业未来面临的挑战。基于云计算的大数据环境影响到企业信息收集方式、决策方案制定、方案选择及评估等决策实施过程，进而对企业的管理决策产生影响。舍恩伯格指出，大数据的“大”，并不是指数据本身绝对数量大，而是指处理数据所使用的模式“大”：尽可能地收集全面数据、完整数据和综合数据，同时使用数学方法对其进行分析和建模，挖掘出背后的关系，从而预测事件发生的概率。数据驱动型决策(data-driven decision making)是大数据下决策的特点。研究表明，越是以数据驱动的企业，其财务和运营业绩越好。大数据是个极丰富的数据集，数据是知识经济时代重要的生产要素，是经济运行中的根本性资源。数据生产信息，信息改善决策，进而提高生产力。可以预期，未来决定、评价企业价值的最大核心在于数据，数据积累量、数据分析能力、数据驱动业务的能力将是决定企业价值的最主要因素。
1.2大数据下决策方式应用现状
MIT沙龙主编与IBM商业价值协会通过对100个国家30多个行业的近3000名公司执行者、管理者和数据分析工作者进行调查，基于调查结果为公司提供了5条建议，其中提出对于每个机会，企业需要从问题而不是数据开始，所以应该先定义满足商务目标的问题，然后识别那些可以解答问题的数据。枟经济学家枠杂志2010年的一项调查显示，经营大数据已成为企业管理的热门话题，但大数据的应用目前还处于初级阶段。2013年3月IBM的大数据调研白皮书枟分析：大数据在现实世界中的应用枠显示“大数据”将带来蓬勃商机，
63%的受访者表示大数据和信息的分析使用为其组织创造了竞争优势，47%的受访者称当前应用处于早期规划阶段，28%的受访者正在开发试点项目或已经实施了两项甚至多项“大数据”解决方案。利用大数据将成为公司的一个关键竞争和增长基础。从这个角度看，所有公司都需要利用大数据提升企业竞争力。大数据环境下的管理决策对于企业不仅是一门技术，更是一种全新的业务模式和决策方式，企业必须适应大数据环境对管理决策的新挑战。
2、大数据对管理决策数据的影响
大数据下决策的技术含量、知识含量大幅提高，对大数据的有效利用成为企业决策的关键，因此管理大量的数据是个挑战，如果不能找到数据，企业就可能不会收集数据，这些数据就会被丢失掉。大数据时代不仅要求企业具有搜集分析数据的能力，更需要企业具有处理、利用这些数据的能力。
2.1大数据下的数据管理
大数据环境下，数据的特点首先是规模大、类型多、结构多样，包含结构化的数据表和半结构化、非结构化的文本、图片、视频等。数据使用之前需对多源数据进行清洗、抽取和集成，保证数据的质量和可靠性，再采用统一结构来存储这些数据。传统的数据库管理系统和数据分析手段已无法适用，Google、Amazon、微软等企业都推出了大数据解决方案，它要求企业更新技术，以适应大数据处理的需要；其次是数据产生速度快，应用场景从离线(offline)转向在线(online)，并出现实时处理需求。实时数据处理是大数据分析的一个核心需求，许多企业发现了实时数据的作用，开始专注于实时数据流，对实时数据的及时处理和利用也是企业面临的一大挑战；第三是大数据与其它数据的关系。大数据的价值来自于数据碎片间关联所产生的信息。大数据时代最大的转变是用相关关系取代因果关系，即只需知道“是什么”，而不需知道“为什么”。通过探索数据之间的关联模式，挖掘大数据中的信息，是大数据的价值所在。但这些数据之间交互广、价值密度低且呈碎片化，从大数据中提取有用信息，为管理决策提供支持，成为企业的迫切需求。
2.2大数据下的知识管理
从知识管理角度来看，数据蕴含着知识，知识是影响决策的重要因素。随着“基于资源的企业理论”的发展，人们对企业内部资源中无形知识重要性的认识越来越清晰，“基于知识”的企业能力理论逐步成为“基于资源”的企业能力理论的核心。在大数据时代，对数据进行深度挖掘可以获得更加丰富的知识，企业可以从中极大受益。潘罗斯认为，企业规模取决于管理者拥有的知识和管理能力。在大数据下企业可以对商务了解得更彻底，使用知识改进决策和绩效。收集分析海量数据，并快速获取影响未来信息的能力，是大数据技术的魅力。在管理决策过程中，数据所起的所用是无法取代的，但需要将数据的客观决策和人的主观决策相结合。Bolloju指出，决策者在决策时承受着更复杂任务带来的压力，单纯依靠人主观决策无法应对复杂的环境，但单纯依靠数据决策也会偏离实际。美国政府发布的枟大数据研发倡议枠要求，在新方法下利用大数据，并集合决策者的感觉、洞察力和决策支持，将数据和人的主观能动性结合起来，以避免“唯数据论”。
3、大数据对管理决策参与者的影响
3.1大数据下的决策参与者角色变异
决策参与者在大数据时代仍然是最重要的决策因素。大数据改变了长期以来依靠经验、理论和思想的管理决策方式，直觉判断让位于精准的数据分析，大数据下决策参与者的角色发生了改变。首先对于企业高层管理者，传统的决策因为数据稀缺，重要的决策依赖企业领导者的经验，而大数据可以保证从问题出发而不用担心数据缺失或者数据获取困难，决策重心回到问题本身，而领导者的任务是发现和提出正确的问题。其次对于企业一般管理者和员工，可以很方便地获得决策所需的信息，决策能力大大增强，决策倾向于依靠企
业一线员工。大数据时代最大的挑战之一就是领导者们必须与一线员工并肩工作，提高企业决策水平。再次，由于媒体不断宣传和数据获取便利，普通民众开始认识并利用大数据，每个人都能进入大数据世界，成为数据分析家，进而参与决策。另一方面终结了战略论，社会化媒体和大数据动摇了由张建设提出的传统战略论的决策基础，决策主体正从商业精英转向社会公众。互联网经济时代，科技正促进领域间融合，产业界限正在模糊，社会化决策正在崛起。因此，多元决策在大数据环境下更加突出，决策者来源更广泛、关系更复杂，全员参与成为大数据下企业决策的重要特点。
3.2大数据下的数据分析师
在大数据下，数据分析师在企业决策参与中起到日益重要的作用。数据分析师是运用统计分析、机器学习、分布式处理等技术，从大量数据中提取出对业务有意义的信息，以易懂的形式传达给决策者，并创造出新数据运用服务型人才。塔塔咨询服务公司(TCS)的调查显示，IT行业人才缺乏，符合条件的大数据分析人员很少，是许多企业在寻求打造与部署大数据系统所面临的五大困难之一。目前大数据从业人员面临巨大缺口，麦肯锡预测在未来６年内，美国可能缺少14万——19万拥有深度分析技术的人才(deep analytical positions)，缺少150万懂得使用相应工具分析大数据作出合理决策的管理和分析人员，而这类人才很难培养，需经过多年的培训。
4、大数据对管理决策组织的影响
4.1大数据下的企业管理决策组织
大数据下全员参与使得企业决策参与者角色发生了改变，决策权的重新分配，必然影响企业决策组织结构和决策文化，企业决策组织结构重要的两项因素就是集中决策、分散决策的选择和决策权分配问题。从集中决策和分散决策角度看，组织理论认为可预测的环境对企业的组织过程施加的影响较小，有利于形成集中分层的决策结构，而在不可预知的环境和企业面对非常规的情况下，分散式决策更为有效。在动态变化环境下，分散决策结构可能更加重要，而IT技术通常被作为一种手段来提升企业在动态改变环境中的数据处理能力。另外，企业组织结构还受知识分布、知识转移成本与权利传递成本所影响，如果知识高层领导集中分布，则对应采用集中决策结构；如果知识分散分布，则对应采用分散决策结构。大数据下的决策环境更复杂，决策时效性更强，而决策知识分布更广泛，分散式决策成为大数据下决策的主要形式。从决策权分配来看，企业决策效率低下的原因之一是没有将决策权限分配给合适的角色。员工掌握和控制的信息量越多，理论上决策权应越大，知识与权力的匹配程度越高则组织的各项指标越好。信息技术、网络技术的发展，以“金字塔”型为代表的传统组织结构被企业管理网络化、权力分散化和体现人本管理的扁平化组织结构所替代。大数据时代，普通员工也拥有了决策权利，扁平化组织结构的趋势将更明显，决策权分配应顺应这种变化。分析大数据环境对企业管理决策组织结构的新要求，基于数据的有效利用和知识的创造、吸收，研究大数据下组织结构建设措施，是大数据下企业组织创新的重要内容。
4.2大数据下的企业管理决策文化
大数据对企业管理决策文化的影响巨大，大数据时代不是“我们想的是什么，而是我们知道些什么”。企业用大数据进行决策，首先要转变思维模式，遇到重大决策时，先进行数据收集、分析，再进行决策，企业管理者的思维变化也会提高企业员工利用大数据进行决策的执行力。企业管理者要真正用数据来驱动决策，基于规模庞大的数据量作出合理决策，需要很长的分析过程，企业员工用来自一线的大数据分析结果，推翻高层管理者的直觉判断，将是企业管理决策文化的最大变革。其次是基于决策任务的决策知识的收集、创造、共享、传递和激励制度，建立学习型企业文化，提高大数据下全员参与决策的能力和水平，培养基于数据进行决策的企业文化和制度，是大数据下决策的客观要求。
5、大数据对管理决策技术的影响
5.1基于云计算的数据处理和分析技术
数据分析是大数据应用需要解决的核心问题，传统的数据分析技术受限于能力，因不能充分利用所有数据而无法获得答案，因此寻求低成本、高度可扩展的分析平台将是企业决策过程中的重要任务。云计算是一个管理和处理大数据的有效工具，为数据处理、管理和分析等提供支撑，大数据应用在这个由云计算提供的基础架构平台上。云计算主要解决两个大数据问题，一是将大量异构和本质不同数据源结构化；二是对这些数据进行管理、处理和转换，为商业智能(BI)和企业决策服务。通过云计算加快决策资源的发现、组织和优化协调与评价，企业可利用基于云端的服务来满足数据分析需求，提升在复杂大数据环境下的信息服务质量，加快决策问题求解。对于决策来说，数据结果的展示和解释也非常重要，可以通过引入可视化技术对结果进行分析，用形象的方式向用户展示使其更易理解和接受。
5.2大数据下的知识发现技术
由于大数据类型多样、价值密度低，且可能是基于全样本数据等特征，找出隐匿于大数据中的有用知识对于提升用户决策质量具有重要意义。大数据环境下的管理决策对知识发现提出了新要求。大数据的海量性、多样性、动态性和价值稀疏性，使传统的结果最优化与算法准确率已不适应大数据下知识发现方法优劣的度量标准，亦不适用于传统的基于抽样学习的数据挖掘方法，基于全数据的知识发现方法已经成为大数据知识发现的新途径；大数据通常表现为数据流或特征流等形态，数据的价值随着时间的流逝不断减少，面向流数据的动态知识发现方法是大数据下知识发现的重要内容；大数据的价值来自数据碎片间的关联信息，数据规模的扩大形成了复杂的数据或知识的内联关系，需要挖掘大数据中隐含的复杂关联信息。建立面向半结构化和非结构化存储数据的知识发现方法、面向流数据的知识发现方法，以及多源海量信息的知识发现和知识融合技术，是大数据下知识发现技术的新挑战。
5.3大数据下的决策支持系统
大数据环境下的决策问题异常复杂，决策参与者需要恰当的决策支持系统来协助决策，以灵活应对环境变化带来的改变。传统的决策支持系统更强调应用，但它的应用和发展受限于少量的人群使用、不支持集成来自其它渠道的数据信息、不能利用分布于别处的系统资源等。大数据下人人都是决策者，分布于网络中的专家系统、管理系统等都是决策系统的一部分，因此须对传统的决策支持系统进行变革，建立适应大数据环境下全员参与的决策方法，建立开放的大群体决策体系结构和协同工作模型，建立促进群体成员之间信息沟通、共享和促进群体决策过程交互的平台，建立基于决策目标的群体分散决策一致性分析和评估机制，设计合理的决策冲突消解和聚集方法。在此基础上，结合现有云计算环境下的云服务平台，构建大数据下的数据资源池、知识资源池、模型资源池、方法资源池；构建基于服务的、集成智能分析、快速决策分析和具备自主决策功能的大数据决策支持系统接口，针对不同决策层次的决策服务推送机制，是建立大数据下决策支持系统的要求。
6、结语
大数据环境下的管理决策对于企业不仅是一门技术，更是一种全新的模式。在大数据下，企业管理决策环境的改变，导致管理决策数据和知识获取方式、决策参与者、决策组织和决策技术都发生了巨大改变，为企业管理决策创新提供了新的思路和途径。大数据的研究和应用才刚刚起步，只有认识到大数据对企业管理决策的影响，抓住这一趋势，才能改善企业在大数据环境下的数据资源利用能力，发现大数据中蕴含的知识，进而提高企业管理决策能力和效率。大数据将为企业提供更多提高竞争力的机会，使企业在激烈的市场竞争中取得优势
大数据对企业管理决策影响分析 随着云计算技术的快速普及，加之物联网、移动互联网应用的大规模爆发，人类进入了大数据时代。大数据的数据集远远超出了目前典型数据库管理系统获取、存储、管理和分析的能力。研究机构Gartner将大数据定义为需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产；国际数据公司(IDC)认为大数据是从海量规模数据中抽取价值的新一代技术和架构；IBM将大数据定义为4个V即大量化(Volume) 、多样化(Variety)、快速化(Velocity)及产生的价值(Value) 。针对大数据的特征挖掘其价值并作出决策，成为企业在大数据环境下进行决策的重要依据。2012年1月达沃斯世界经济论坛将大数据作为主题之一，探讨了如何更好地利用数据产生社会效益；2012年5月联合国“Global Pulse”特别分析了发展中国家面对大数据的机遇和挑战，并倡议运用大数据促进全球经济发展；2012年3月美国奥巴马政府发布“大数据研究和发展倡议”，正式启动大数据发展计划，随后英国、加拿大、澳大利亚、法国、日本等30多个国家也相继启动了大数据计划；Google、IBM、EMC、惠普、微软和阿里巴巴、百度等国内外公司正在积极抢占大数据技术市场。大数据应用领域包括客户关系管理、市场营销、金融投资、人力资源管理、供应链管理和卫生保健、教育、国家安全、食品等各个行业，已成为一个影响国家、社会和企业发展的重要因素。在互联网时代，基于数据判断、决策成为国家、企业和个人的基本技能。大数据的出现改变了企业决策环境，并将对企业的传统决策方式产生巨大影响。 1、大数据对管理决策环境的影响 1.1 大数据下数据驱动的决策方式 目前人类每年产生的数据量已经从TB(1024GB=1TB)级别跃升到PB(1024TB=1PB)、EB(1024PB=1EB)乃至ZB(1024EB=1ZB)级别。美国互联网数据中心指出，全球已有超过150亿台连接到互联网的移动设备，互联网上的数据每年增长50%，每两年便翻一番，而目前世界上90%以上的数据是最近几年才产生的，随着数据的急剧增长，大数据时代已经到来。大数据下的决策依赖于大量市场数据，如何有效地收集和分配数据、可靠智能地分析和执行数据成为企业未来面临的挑战。基于云计算的大数据环境影响到企业信息收集方式、决策方案制定、方案选择及评估等决策实施过程，进而对企业的管理决策产生影响。舍恩伯格指出，大数据的“大”，并不是指数据本身绝对数量大，而是指处理数据所使用的模式“大”：尽可能地收集全面数据、完整数据和综合数据，同时使用数学方法对其进行分析和建模，挖掘出背后的关系，从而预测事件发生的概率。数据驱动型决策(data-driven decision making)是大数据下决策的特点。研究表明，越是以数据驱动的企业，其财务和运营业绩越好。大数据是个极丰富的数据集，数据是知识经济时代重要的生产要素，是经济运行中的根本性资源。数据生产信息，信息改善决策，进而提高生产力。可以预期，未来决定、评价企业价值的最大核心在于数据，数据积累量、数据分析能力、数据驱动业务的能力将是决定企业价值的最主要因素。 1.2 大数据下决策方式应用现状 MIT沙龙主编与IBM商业价值协会通过对100个国家30多个行业的近3000名公司执行者、管理者和数据分析工作者进行调查，基于调查结果为公司提供了5条建议，其中提出对于每个机会，企业需要从问题而不是数据开始，所以应该先定义满足商务目标的问题，然后识别那些可以解答问题的数据。枟经济学家枠杂志2010年的一项调查显示，经营大数据已成为企业管理的热门话题，但大数据的应用目前还处于初级阶段。2013年3月IBM的大数据调研白皮书枟分析：大数据在现实世界中的应用枠显示“大数据”将带来蓬勃商机，63% 的受访者表示大数据和信息的分析使用为其组织创造了竞争优势，47% 的受访者称当前应
大数据时代的数据挖掘 大数据是2012的时髦词汇，正受到越来越多人的关注和谈论。大数据之所以受到人们的关注和谈论，是因为隐藏在大数据后面超千亿美元的市场机会。 大数据时代，数据挖掘是最关键的工作。以下内容供个人学习用，感兴趣的朋友可以看一下。 智库百科是这样描述数据挖掘的“数据挖掘又称数据库中的知识发现，是目前人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。 数据挖掘的定义 技术上的定义及含义 数据挖掘（Data Mining ）就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。这个定义包括好几层含义：数据源必须是真实的、大量的、含噪声的；发现的是用户感兴趣的知识；发现的知识要可接受、可理解、可运用；并不要求发现放之四海皆准的知识，仅支持特定的发现问题。 与数据挖掘相近的同义词有数据融合、人工智能、商务智能、模式识别、机器学习、知识发现、数据分析和决策支持等。 ----何为知识从广义上理解，数据、信息也是知识的表现形式，但是人们更把概念、规则、模式、规律和约束等看作知识。人们把数据看作是形成知识的源泉，好像从矿石中采矿或淘金一样。原始数据可以是结构化的，如关系数据库中的数据；也可以是半结构化的，如文本、图形和图像数据；甚至是分布在网络上的异构型数据。发现知识的方法可以是数学的，也可以是非数学的；可以是演绎的，也可以是归纳的。发现的知识可以被用于信息管理，查询优化，决策支持和过程控制等，还可以用于数据自身的维护。因此，数据挖掘是一门交叉学科，它把人们对数据的应用从低层次的简单查询，提升到从数据中挖掘知识，提供决策支持。在这种需求牵引下，汇聚了不同领域的研究者，尤其是数据库技术、人工智能技术、数理统计、可视化技术、并行计算等方面的学者和工程技术人员，投身到数据挖掘这一新兴的研究领域，形成新的技术热点。 这里所说的知识发现，不是要求发现放之四海而皆准的真理，也不是要去发现崭新的自然科学定理和纯数学公式，更不是什么机器定理证明。实际上，所有发现的知识都是相对的，是有特定前提和约束条件，面向特定领域的，同时还要能够易于被用户理解。最好能用自然语言表达所发现的结果。n x _s u x i a n g n i n g
大数据在企业管理中的应用 课程背景： 大数据时代的到来，正在飞速地改变人们的工作方式、思维模式以及企业的业务形态。近几年里，大数据影响了社会的方方面面，从最先受益的互联网行业到传统的医疗、教育、交通等领域，整个社会都处于“大数据+”的风暴当中。 然而，大部分行业在大数据面前还显得比较迟缓，数据利用基本上处于应付监管的简单查询、报表、多维分析层面，主要是对现有数据的简单加工，很少涉及数据挖掘等深层应用。数据分析意识不强，理念较旧，转型较慢，缺乏高瞻远瞩的定位。在基础数据源管理、平台整合、外部数据拓展、数据分析人才储备与培养等各方面仍存在较大差距，基于大数据对精准营销的支撑和经营决策作用也亟待加强。 大数据是一座待挖掘的“金矿”，它的起源首先要归功于互联网，尤其随着云计算、物联网和人工智能的发展，所有的交易记录、行动轨迹、语音、影像、传感信息等几乎一切均可实现数据化。因此，如何借助大数据为运营管理和业务拓展提供有力支撑，如何有效利用自身已经沉淀的大数据资源，在深入分析挖掘现有客户数据的同时，实现跨行业、跨平台的外部数据资源整合，是当前所有企业管理者需要认真思考的。 课程收益： 1.了解大数据产生的时代背景，正确认知大数据的应用价值； 2.透视大数据的基本规律和特性，掌握大数据思维，提高工作效率； 3.结合自身行业特性，搭建数据管理平台，开展数据分析，发现数据背后的问题和机会； 4.基于大数据应用，优化业务流程，构建精细化、智能化管理体系，提升内部管理效能； 5.整合外部数据资源，进行点对点精准营销，为客户提供个性化服务，持续提升业绩水平。 课程模型：
课程时间：1-2天，6小时/天 课程对象：企业负责人，营销、运营、技术及客服等部门管理者课程方式：讲师讲授+案例剖析+互动交流+现场答疑 课程大纲 前言：拥抱变化——大数据时代的商业形态与管理思维 1.数据资产：传统行业的短板 2.互联网企业的大数据基因 1）什么是大数据基因：客户VS用户 2）跨界打劫——挟用户数据重构市场空间 3）降维打击——瓦解竞争对手的惯性生存条件 3.“跨界融合”的本质：场景转换与用户体验 第一讲：大数据的时代背景和正确认知 一、什么是大数据？ 1.上海外滩陈毅广场踩踏事件的反思和启示 2.大数据三要素 1）大——海量，平台级 2）数——信息结构化 3）据——精准、可依赖 3.大数据的六个特征 1）时间 2）空间 3）行为 4）偏好 5）规律 6）预测 案例分享：五常大米，下单即送 4.大数据的类型 1）消费数据——多维度记录 2）机器和传感数据——图文、语音、影像
大数据可视化分析平台 一、背景与目标 基于邳州市电子政务建设的基础支撑环境，以基础信息资源库（人口库、法人库、宏观经济、地理库）为基础，建设融合业务展示系统，提供综合信息查询展示、信息简报呈现、数据分析、数据开放等资源服务应用。实现市府领导及相关委办的融合数据资源视角，实现数据信息资源融合服务与创新服务，通过系统达到及时了解本市发展的综合情况，及时掌握发展动态，为政策拟定提供依据。 充分运用云计算、大数据等信息技术，建设融合分析平台、展示平台，整合现有数据资源，结合政务大数据的分析能力与业务编排展示能力，以人口、法人、地理，人口与地理，法人与地理，实现基础展示与分析，融合公安、交通、工业、教育、旅游等重点行业的数据综合分析，为城市管理、产业升级、民生保障提供有效支撑。 二、政务大数据平台 1、数据采集和交换需求：通过对各个委办局的指定业务数据进行汇聚，将分散的数据进行物理集中和整合管理，为实现对数据的分析提供数据支撑。将为跨机构的各类业务系统之间的业务协同，提供统一和集中的数据交互共享服务。包括数据交换、共享和ETL等功能。 2、海量数据存储管理需求：大数据平台从各个委办局的业务系统里抽取的数据量巨大，数据类型繁杂，数据需要持久化的存储和访问。不论是结构化数据、半结构化数据，还是非结构化数据，经过数据存储引擎进行建模后，持久化保存在存储系统上。存储系统要具备高可靠性、快速查询能力。
3、数据计算分析需求：包括海量数据的离线计算能力、高效即席数据查询需求和低时延的实时计算能力。随着数据量的不断增加，需要数据平台具备线性扩展能力和强大的分析能力，支撑不断增长的数据量，满足未来政务各类业务工作的发展需要，确保业务系统的不间断且有效地工作。 4、数据关联集中需求：对集中存储在数据管理平台的数据，通过正确的技术手段将这些离散的数据进行数据关联，即：通过分析数据间的业务关系，建立关键数据之间的关联关系，将离散的数据串联起来形成能表达更多含义信息集合，以形成基础库、业务库、知识库等数据集。 5、应用开发需求：依靠集中数据集，快速开发创新应用，支撑实际分析业务需要。 6、大数据分析挖掘需求：通过对海量的政务业务大数据进行分析与挖掘，辅助政务决策，提供资源配置分析优化等辅助决策功能，促进民生的发展。
题目：大数据环境下的企业管理问题 作者：唐梦梦 摘要：大数据时代的来临，影响着企业的运营与商业模式，企业管理必然也要与之相匹配，才能促进企业的发展与壮大。本文主要分析了大数据的特点，大数据对企业管理的影响，讨论了在大数据的影响下，企业如何进行管理决策和利用大数据应该注意的事项。利用统计学，数据库，EXCEL和数据挖掘等知识和数学方法得出以下指标及结论。从企业的产品销售情况可以得出哪些产品要淘汰，哪些产品要更新。从各个品牌的广告投放来获得有用的信息，了解对手的广告投放。方便企业花最少的成本，获取更多的利益。因此，大数据的时代，企业可以利用大数据，对数据“清洗”、挖掘，并进行深度提炼、分析最后形成决策，进行管理决策。但是同时也要注意，合理利用大数据，不要神话大数据，要结合管理经验和数据进行共同决策管理。企业大引入大数据的时候要切合实际。 正文：第一章大数据时代的特点 视频、音频、图像、数字的等多种交互方式的丰富，让我们已经进入了数据信息爆炸的阶段。一些国外的调研机构认为：未来10年之内，全球的数据和内容将增加44倍，大数据的时代来了。要想弄清楚大数据如何影响企业，那么就需要先弄清楚大数据的概念。大数据的概念建立在数据库的基础之上，就传统的数据库来说，数据库的基本单位是以MB为单位的，但是大数据却是以GB甚至是TB为单位的，那么可以把大数据简单地理解为数据库的集成，这种定义是根据大数据在容量上的特点来定义的，但是实际上来看，大数据并不仅仅只有“大”这一个特点，规模性、多样性、高速性和价值性是目前学术界普遍认同的大数据所具有的特点，根据这种观点，我们可以对大数据进行一个宽泛的定义，大数据是一种具有多样性，高速性，规模性以及价值性的数据库集成。大数据的多样性表现为，大数据的种类不仅仅是某一个特定的单位数据，而是由多种类型的数据共同组成的，这些数据的类型不仅仅包括传统的数据库所产生的数据，还包含着结构化、半结构化以及非结构化的数据形态，随着大数据时代的特征增强，这种传统数据所占的比重在不断地下降，取而代之的是其他种类的数据，那么这种特性就决定了对于大数据的处理不能用传统的方式。 在大数据时代，要将数据作为一种资源辅助解决其他诸多领域的问题；数据库处理数据，仅用一种或少数几种工具就可以处理，而大数据不可能有一种或少数几种工具来处理数据，需要采取新的数据思维来应对。 第二章大数据对企业管理的影响 1. 大数据推动企业管理变革 当企业的某项资产非常重要，数量巨大时，就需要有效管理。如今，数据已经成为这种资产。以前人们还不会将它看做是资产，而是一种附属物。客户来办理业务，在系统中产生了这种附属物。而现在，发现在客户办理业务这条信息中，蕴含这一些客户的需求，成千上万条这类信息累积下来，就能洞察客户所需，为设计新产品，为客户个性化营销产生新的价值。数据变成一种资产了，需要被管理起来。大数据将从数据资产化和决策智能化两个方面推动企业管理变革。
大数据对企业管理决策的影响分析及其对策 摘要：大数据是物联网、云计算之后又一项重大技术变革，无论是学术界、企业界还是政府都受到其影响。大数据下的决策环境发生了巨大改变，影响了企业的数据管理和知识管理。同时大数据下丰富的数据和知识使得决策参与者的决策能力大大提高，决策参与者角色发生了改变，进而影响到企业的管理决策组织。大数据的出现也对企业管理决策技术提出了更高的要求。在此分析基础上，系统阐述大数据对企业管理决策的影响及其对策。 关键词：大数据；企业管理；管理决策；对策 Analysis of the impact of big data on enterprise management and decision making and Its Countermeasures Abstract:Big data is another major technological revolution after the Internet of things and cloud computing, both in academic, corporate and government affected by it. Great changes have taken place in big data under the decision-making environment, affecting the company's data management and knowledge management. At the same time under the big data rich data and knowledge greatly improve decision making participants decision-making ability, decision-making participant roles changed, thus affect the enterprise's management decision-making organization. Big data is also put forward higher requirements for the enterprise management and decision-making technology. On the basis of this analysis, elaborated the influence of enterprise management decision-making system and Countermeasures of big data. Key words:Big Data; Business Management; Management Decision; Countermeasure 一、引言 随着云计算技术的快速普及，加之物联网、移动互联网应用的大规模爆发，人类进人了大数据时代。大数据的数据集远远超出了目前典型数据库管理系统获取、存储、管理和分析的能力。针对大数据的特征挖掘其价值并作出决策,成为企业在大数据环境下进行决策的重要依据。2012年1月达沃斯世界经济论坛将大数据作为主题之一,探讨了如何更好地利用数据产生社会效益；2012年5月联合国“GlobalPulse”特别分析了发展中国家面对大数据的机遇和挑战，并倡议运用大数据促进全球经济发展;2012年3月美国奥巴马政府发布“大数据研究和发展倡议”，正式启动大数据发展计划，随后英国、加拿大、澳大利亚、法国、日本等30多个国家也相继启动了大数据计划；Google、IBM、EMC、惠普、微软
《大数据思维与决策》读后感 ——徐乾程学号652120100004 21世纪将是大数据的时代。 与《大数据预测》不同，《大数据思维与决策》并没有太多理论内容的介绍，作者主要通过大量例子说明近20年来大数据对传统行业、传统思维的冲击，从医学到教育领域到金融行业再到互联网，大数据思维的冲击都是史无前例的。其中给我印象比较深刻的主要有以下两点： 一、回归方程预测。从前人们的决策几乎全靠人为经验判断，作者在这个问题里举了“寻找棒球队员”的例子，传统的方式是经理人通过观看无数场球赛，观察球员的每一个细致动作，经理人根据经验判断该球员是否有潜力成为球星。该方式代价非常大且人为主观因素会影响决策正确率。大数据思维则是分析球员历史训练及比赛的记录数据，利用数理统计的回归方法分析数据，从而预测有潜力值球员。相对传统方式，大数据方法成本大大降低，且准确率更高。正如书中所说，数据比人客观，且现在大规模数据的获取更加容易，成本较低。 二、随机试验。作者提到的第二个很有用的方法是随机试验。基本思想是：随机抽取样本，控制单一变量，进行试验，分析试验数据检验哪个方式更加具有价值。这里采用的例子很多，其中一个就是某一个网站利用随机随机试验方法为网站开发者提供工具检测怎样的界面用户更加喜欢。文中列举“医生洗手对手术患者死亡影响”、“某一政策是否正确”等例子说明大数据下随机试验的利用。 但是，正如《大数据预测》里介绍的一样，大数据作为一种工具，必然存在两面性。大数据决策为我们提供很多快捷、准确的预测。但是，过分依赖数据则让我们在很多时候得出的结果相差很大。利用大数据进行决策，人为的经验还是不可或缺的，权值的设定，参数的调整，初值的设定等这些都是经验得来的，但是即使是这些经验，也不能太过依赖，因为数据在变化，世界在变化，以前正确的下一秒随时错误。总的来说，数据与人为经验相结合，互为促进。此外，随着科技发展，智能设备越来越普及，信息无处不在，数据无处不在。谷歌等都倡议数据共享，建立人人都可以利用的数据库。对于数据开发者、数据决策者而言的确是十分有利的。能够为客户创造价值,如机票预测是客户购买实惠机票很好的工具，这种情况客户也是乐意见到的。然而，一些恶意黑客当然也会因此入侵，获取用户数据，对人们生活带来很多干扰甚至是安全隐患。所以说，大数据下仍然很多问题，不过利益在驱动，还是会继续发展。大数据给人类社会的方方面面带来了巨大的变革，这是社会发展的潮流，不可逆转，我们只有顺应这种潮流，在思想上和技能上做好准备才能成为时代的弄潮儿。对于一家公司或一个国家，要从根本上改变思维和观念，尽早适应这种潮流。
一、大数据对工商行政管理的影响 在大数据时代，工商部门面临两类数据的处理。一是工商系统内部产生的数据，这些数据大多是标准化、结构化的。二是来自于外部的大数据，它包括各种企业网站、网络交易平台、物联网、社交网络媒体及其网络设备、传感器等自动生成、记录的信息，如WEB文本和点击流数据、GPS和地理定位映射数据、通过管理文件传输协议传送的图像文件等。由于来源不同，类型不同的数据可以反映同一个事物的不同方面，数据来源越广越全面，其分析的结果就越立体。越接近真实。2013年被看作大数据元年，大数据对各个行业的影响还未全面显现，对其作出任何预测可能还为时过早，因而就大数据对工商行政管理影响的分析也会具有猜测性、片面性。不过。从目前对大数据应用的描述和工商行政管理趋势来讲，至少可以指出以下几点： (一)利用大数据进行科学决策 大数据开发利用的根本目的是发现既有数据背后隐藏的规律，有助于作出更明智的决策，提高决策科学化与管理精细化的水平。就工商行政管理而言．工商部门在制定各种方针政策，出台各项监管执法措施前，尽多收集相关信息进行分析，可以使决策更加科学周全．有利于执法效能最大化。 (二)利用大数据实施监管执法 工商部门承担依法规范和维护市场秩序的责任，对市场行为的监管是商事登记制度改革后工商行政管理的工作重点，利用信息技术及时高效地完成市场监管任务，不仅需要工商部门内部积累的市场主体数据，
还需要依赖网络中的大数据。如利用网络监测技术，对主流媒体广告发布进行日常监测，及时统一分析监测数据，依法处理违法广告。利用大数据搜寻网络传销迹象，打击网络传销等。 (三)利用大数据防范经济风险和危机在危机的发现、预警与应对上，大数据具有无法比拟的优势，工商部门对搜集到的各类信息进行整理、分析，可以有效解决系统内部信息不足问题，提高系统防范潜在风险的能力。2013年国家工商总局发布的《基于企业发展与宏观经济发展关系研究的企业发展工商指数构建》研究报告提出，利用企业工商登记数据可以构建企业发展工商指数，可以提前1到2个季度预测宏观经济发展趋势。企业发展工商指数的分析数据来源于国家工商总局“金信工程”构建的国家经济户籍库。该项研究表明企业发展工商指数可以为国家宏观经济调控提供具有前瞻性的数据支撑．提升政府宏观经济管理能力：可以更好地服务市场监管，提升部门监管和服务能力；可以合理引导市场主体的经营活动，引导市场主体进行战略决策和业务调整。减少经营盲目性，避免市场风险，节约生产和交易成本，增强市场竞争力。虽然这是一项基于工商系统内部数据的分析应用，但笔者相信，随着工商部门信息利用能力的提高．大数据可以为工商系统有效防范各种经济风险提供支撑。
大数据分析与处理方法解读 【文章摘要】要知道，大数据已不再是数据大，最重要的现实就是对大数据进行分析，只有通过分析才能获取很多智能的，深入的，有价值的信息。 越来越多的应用涉及到大数据，这些大数据的属性，包括数量，速度，多样性等等都是呈现了大数据不断增长的复杂性，所以，大数据的分析方法在大数据领域就显得尤为重要，可以说是决定最终信息是否有价值的决定性因素。基于此，大数据分析的方法理论有哪些呢？ 大数据分析的五个基本方面 PredictiveAnalyticCapabilities（预测性分析能力） 数据挖掘可以让分析员更好的理解数据，而预测性分析可以让分析员根据可视化分析和数据挖掘的结果做出一些预测性的判断。 DataQualityandMasterDataManagement（数据质量和数据管理） 数据质量和数据管理是一些管理方面的最佳实践。通过标准化的流程和工具对数据进行处理可以保证一个预先定义好的高质量的分析结果。 AnalyticVisualizations（可视化分析） 不管是对数据分析专家还是普通用户，数据可视化是数据分析工具最基本的要求。可视化可以直观的展示数据，让数据自己说话，让观众听到结果。 SemanticEngines（语义引擎） 我们知道由于非结构化数据的多样性带来了数据分析的新的挑战，我们需要一系列的工具去解析，提取，分析数据。语义引擎需要被设计成能够从“文档”中智能提取信息。 DataMiningAlgorithms（数据挖掘算法） 可视化是给人看的，数据挖掘就是给机器看的。集群、分割、孤立点分析还有其他的算法让我们深入数据内部，挖掘价值。这些算法不仅要处理大数据的量，也要处理大数据的速度。 假如大数据真的是下一个重要的技术革新的话，我们最好把精力关注在大数据能给我们带来的好处，而不仅仅是挑战。 大数据处理
大数据对现代企业管理决策的影响有哪些 目前，随着我国社会经济的不断发展，企业在管理决策方面也因此发生了相应的转变。在大数据时代背景下，企业的管理决策在本质上发生了相应的改变。下面由小编为你分享关于大数据对现代企业管理决策的影响研讨，希望对你有所帮助! 在目前的企业管理过程中，也逐渐对大数据时代下的企业管理与决策模式引起了足够的重视。结合目前的实际情况来看，企业在内外部的管理模式上涉及到的内容不断增多，从而呈现出了非常明显的复杂性，这对于企业决策以及决定性关系的数据分析工作带来了一定的影响。文章主要针对大数据对现代企业管理决策产生的影响进行了深入的分析，并结合实际情况提出了一些有效的应对措施，希望能为相关人员提供合理的参考依据。 关键词：大数据;现代企业;管理;决策;影响 如今，各国经济之间实现了有效的结合，这就造成企业在发展过程中所面临的市场竞争压力不断的增加，对于相关的企业而言，而竞争不仅体现在了企业之间，同时还体现在了企业的管理方面。针对这种现象，对于相关的决策人员而言，一定要对目前市场环境进行全面的了解，从而才能保证最终所做的决策具备一定的合理性。因此，一定要对大数据的真正含义进行全面的了解，这样才有助于企业的管理
人员做出正确的管理决策，从而促进企业可以在未来实现更加稳定的发展。 一、大数据的含义和特点 (一)大数据的含义 大数据的含义可以分为狭义与广义两个方面，其中狭义的大数据指的就是大量的数据信息，实现了各种信息之间的整合。而广义上的大数据指的是一个综合的名词，不仅实现了大量数据的集合，并且还涉及到了一些大数据的技术，这些技术与以往的计算机技术相比具有一定的差异，属于一种全新的处理模式，可以完成对大量数据的分析以及处理等工作，并且还能实现对多种类型数据的有效处理，可以起到非常重要的决策力以及洞察力。在对数据处理的基础上，可以形成相应的信息资产体系，从而才能将大数据的核心价值充分的发挥出来。 (二)大数据的特点 结合实际情况可以了解到，大数据可以实现对相关信息的有效收集和整理，在现代的商业范围或者是科技范围中，大数据已经实现了非常广泛的应用。在现代社会发展以及生活当中，所涉及到的内容在其形式上都具有非常明显的差异，这也为大数据信息的全面数据以及未来发展提供了非常重要的基础条件。通常情况下，大数据的特点主要体现在了以下几个方面：第一，大容量。虽然还没有对大数据的具体规模进行严格的定义，但是大数据的基本特点主要体现在了容量方面。通常情况下，在对大数据进行集合的过程中，TB为最小的储存
国内哪些做大数据决策分析平台或公司比较有优势？ 大数据类的公司1、大数据决策平台，帆软。帆软是商业智能和数据分析平台提供商，从报表工具到商业智能BI，有十多年的数据应用的底子，在这个领域很成熟，但是很低调。像帆软的FineBI，可以部署自带的FineIndex（类cube,数据仓库），有数据缓存机制，可实现定量更新，定时更新，减少了数据仓库的建设维护。还有FineDirect(直连)可直接连接数据仓库或数据库，主要针对Hadoop一类的大数据平台和实时数据分析的需求。2、数据库，大数据平台类，星环，做Hadoop生态系列的大数据底层平台公司。Hadoop 是开源的，星环主要做的是把Hadoop不稳定的部分优化，功能细化，为企业提供Hadoop大数据引擎及数据库工具。 3、云计算，云端大数据类，阿里巴巴，明星产品-阿里云，与亚马逊AWS抗衡，做公有云、私有云、混合云。实力不差，符合阿里巴巴的气质，很有野心。 4、大数据存储硬件类，浪潮，很老牌的IT公司，国资委控股，研究大数据方面的存储，在国内比较领先。BI Hadoop的案例Hadoop是个很流行的分布式计算解决方案，是Apache的一个开源项目名称，核心部分包括HDFS及MapReduce。其中，HDFS 是分布式文件系统，MapReduce是分布式计算引擎。时至今日，Hadoop在技术上已经得到验证、认可甚至到了成熟
期，同时也衍生出了一个庞大的生态圈，比较知名的包括HBase、Hive、Spark等。HBase是基于HDFS的分布式列式数据库，HIVE是一个基于HBase数据仓库系统。Impala 为存储在HDFS和HBase中的数据提供了实时SQL查询功能，基于HIVE服务，并可共享HIVE的元数据。Spark是一个类似MapReduce的并行计算框架，也提供了类似的HIVE的Spark SQL查询接口，Hive是基于hadoop的数据分析工具。很多企业比如银行流水作业很多，数据都是实时更新且数据量很大。会采用hadoop作为底层数据库，借由中间商处理底层数据，然后通过BI系统去连接这些中间数据处理厂商的中间表，接入处理数据，尤其以星环、华为这类hadoop大数据平台商居多，使用也较为广泛。以星环大数据帆软大数据BI工具FineBI的结合为例。由于星环也是处理hadoop下的hive数据库，其本质都是差不多的，可以使用Hive提供的jdbc驱动，这个驱动同样可以让FineBI连接星环的数据库并进行一些类关系型数据库的sql语句查询等操作。将这些驱动拷贝到BI工程下面，然后重启BI服务器。重启后可以建立与星环数据库的数据连接，最后通过连接进行数据查询。关于FineBI的FineIndex和FineDirect功能hadoop是底层，hive是数据库，上述案例采用的是FineIndex （cube连）连接，用的是hiveserver的方式进行数据连接的；数据连接成功之后，将hive数据库中的表添加到业务包
关于大数据分析在企业管理中的应用探讨 【摘要】随着国家经济的迅猛发展，大数据互联网技术也伴随经济改革的大潮，得到了快速发展，人们的日常生活充斥着无数的信息数据，因此大数据分析技术也应运而生。在云计算技术强大运算能力的支持下，迅速扩大了大数据的使用范围。本文通过分析传统企业管理存在的问题，引出大数据在企业管理中的应用策略，并阐述了其产生的积极效果。 【关键词】大数据分析；企业管理；应用策略 在企业管理过程中，如何选定合理有效的战略方案，需要通过大数据技术进行系统的分析。比如分析企业周围的环境，协助企业做出正确的战略判断，对企业的信息有一个准确系统全面的把控，合理的规范指导企业行为，并最终最大限度的实现企业利益。大数据能够准确分析市场需求以及管理环节出现的问题，并构建相应的模型，为企业做出正确决策提供科学的依据。 一、运用传统办法管理企业存在的问题 1.容易产生错误的企业决策 管理者一般对传统的企业决策有着非常大的影响，对企业的决策往往是依靠自身敏锐的直觉、丰富的管理经验以及精准的判断力。以往，决策者往往能依靠自身的经验做出争
取的决策，促进企业的发展。但是现如今随着现代化进程的深入发展，产生了大量的没有规律且非常复杂的数据，人力难以进行准确全面的分析，此时如果依旧沿用传统的决策方式，势必会产生决策上的失误。 2.缺乏对市场需求变化的把控，导致其产品缺乏竞争力 企业在产品生产过程中制定的战略决策，主要是依据市场的发展形势以及客户的需求变化。传统企业主要是依靠诸如问卷分析、市场调查资料以及用户的体验来分析供求关系。但随着经济的快速发展，人们的需求时刻再发生着不同变化，这些传统搜集情报的方式已经无法适应当代企业发展的需要，而且搜集的内容难免会显得片面。并且伴随全球化进程加快的影响，外国企业生产的产品大量充斥到国内市场上，加剧了市场竞争。鉴于此，企业传统的分析方法已经无法跟上时代发展的步伐了。 二、如何在企业管理中发挥大数据的有效作用 1.战略决策管理与数据挖掘 知识的发展过程主要依循数据的选择清理，数据仓库的预先处理以及对模型的选择，而大数据在管理决策上的应用，就是将获取的信息通过假设检验的方法转化为知识方案的 过程。在数据挖掘技术领域，能够发现很多对企业决策有帮助的数学模型，可以将这些数学模型存储到信息库当中，在进行问题讨论以及做出企业计划或决策的时候，可以非常方
大数据分析在企业管理中的运用 为什么会有在线管理报告 几家体量较大，月均超过100万元的客户在公司内部授权、各项流程审批的方面都比较齐全和完善。但是，年末盘点全年数据情况时发现，整年差旅消费支出的金额庞大。因为该家公司缺乏差旅管理，没有相对应的差旅报告，使得差旅负责人从中发现问题。事中环节，监控员工的差旅行为，事后环节，统计、分析差旅数据，便于更好的规范和管理员工的差旅习惯。 如图所示，公司在差旅费用管理的重点包括五项：合规、效率、透明、节省和满意度。其中合规性的占比最高，达到30%。合规是税务核查的重点，效率是指员工的工作效率、自动化的效率，人员的数量或重复性工作人员的变动快慢都与效率提高有着密切的关系。其次是透明和节省。既然要对差旅费用进行管控，那数据应透明，以便于进行可视化的管理。通过一系列的管控之后，再对管理效果进行评估，查看节省的费用以及员工的满意度。公司的差旅费用是企业人力资源成本之外的第二大可控成本，据相关统计，超过91%的财务管理者认为差旅在财务管理中很重要，只要对差旅行为进行管控，差旅的成本就会随之而下降。所以越来越多的企业开始对差旅数据进行监控和管理。 近年来，“大数据”已经成为街头巷尾热议的话题。数据化管理一方面可以帮助企业发现差旅方面的潜在问题，另一方面通过数据进行深入的分析，帮助企业优化并提升差旅管理的流程。对于企业，如何让数据服务于差旅管理，将成为一项特别重要的内容。携程商旅在2014年上线了在线报告，差旅负责人可以通过商旅的网站直接察看企业员工的出差情况，包括消费的概况、机票、酒店、火车票等相关的内容。刚上线时，使用的企业客户不多，但是随着越来越多的企业发现差旅管理的重要性之后，都开通了在线报告。
《海量数据挖掘技术及工程实践》题目 一、单选题（共80题） 1)( D )的目的缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到 和原始数据相同的分析结果。 A.数据清洗 B.数据集成 C.数据变换 D.数据归约 2)某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖 掘的哪类问题？(A) A. 关联规则发现 B. 聚类 C. 分类 D. 自然语言处理 3)以下两种描述分别对应哪两种对分类算法的评价标准？ (A) (a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。 (b)描述有多少比例的小偷给警察抓了的标准。 A. Precision,Recall B. Recall,Precision A. Precision,ROC D. Recall,ROC 4)将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？(C) A. 频繁模式挖掘 B. 分类和预测 C. 数据预处理 D. 数据流挖掘 5)当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数 据相分离？(B) A. 分类 B. 聚类 C. 关联分析 D. 隐马尔可夫链 6)建立一个模型，通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的 哪一类任务？(C) A. 根据内容检索 B. 建模描述 C. 预测建模 D. 寻找模式和规则 7)下面哪种不属于数据预处理的方法？ (D) A.变量代换 B.离散化
C.聚集 D.估计遗漏值 8)假设12个销售价格记录组已经排序如下：5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204, 215 使用如下每种方法将它们划分成四个箱。等频（等深）划分时，15在第几个箱子内？ (B) A.第一个 B.第二个 C.第三个 D.第四个 9)下面哪个不属于数据的属性类型：(D) A.标称 B.序数 C.区间 D.相异 10)只有非零值才重要的二元属性被称作：( C ) A.计数属性 B.离散属性 C.非对称的二元属性 D.对称属性 11)以下哪种方法不属于特征选择的标准方法： (D) A.嵌入 B.过滤 C.包装 D.抽样 12)下面不属于创建新属性的相关方法的是： (B) A.特征提取 B.特征修改 C.映射数据到新的空间 D.特征构造 13)下面哪个属于映射数据到新的空间的方法？ (A) A.傅立叶变换 B.特征加权 C.渐进抽样 D.维归约 14)假设属性income的最大最小值分别是12000元和98000元。利用最大最小规范化的方 法将属性的值映射到0至1的范围内。对属性income的73600元将被转化为：(D) A.0.821 B.1.224 C.1.458 D.0.716 15)一所大学内的各年纪人数分别为：一年级200人，二年级160人，三年级130人，四年 级110人。则年级属性的众数是： (A) A.一年级 B.二年级 C.三年级 D.四年级
大数据平台建设方案
————————————————————————————————作者：————————————————————————————————日期：
大数据平台建设方案 （项目需求与技术方案） 一、项目背景 “十三五”期间，随着我国现代信息技术的蓬勃发展，信息化建设模式发生根本性转变,一场以云计算、大数据、物联网、移动应用等技术为核心的“新 IT”浪潮风起云涌，信息化应用进入一个“新常态”。***（某政府部门）为积极应对“互联网+”和大数据时代的机遇和挑战，适应全省经济社会发展与改革要求，大数据平台应运而生。 大数据平台整合省社会经济发展资源，打造集数据采集、数据处理、监测管理、预测预警、应急指挥、可视化平台于一体的大数据平台，以信息化提升数据化管理与服务能力，及时准确掌握社会经济发展情况，做到“用数据说话、用数据管理、用数据决策、用数据创新”，牢牢把握社会经济发展主动权和话语权。 二、建设目标 大数据平台是顺应目前信息化技术水平发展、服务政府职能改革的架构平台。它的主要目标是强化经济运行监测分析，实现企业信用社会化监督，建立规范化共建共享投资项目管理体系，推进政务数据共享和业务协同，为决策提供及时、准确、可靠的信息依据，提高政务工作的前瞻性和针对性，加大宏观调控力度，促进经济持续健康发
展。 1、制定统一信息资源管理规范，拓宽数据获取渠道，整合业务信息系统数据、企业单位数据和互联网抓取数据，构建汇聚式一体化数据库，为平台打下坚实稳固的数据基础。 2、梳理各相关系统数据资源的关联性，编制数据资源目录，建立信息资源交换管理标准体系，在业务可行性的基础上，实现数据信息共享，推进信息公开，建立跨部门跨领域经济形势分析制度。 3、在大数据分析监测基础上，为政府把握经济发展趋势、预见经济发展潜在问题、辅助经济决策提供基础支撑。 三、建设原则 大数据平台以信息资源整合为重点，以大数据应用为核心，坚持“统筹规划、分步实施，整合资源、协同共享，突出重点、注重实效，深化应用、创新驱动”的原则，全面提升信息化建设水平，促进全省经济持续健康发展。
浅谈大数据平台建立对企业管理的影响随着网络信息化时代在企业管理占比日益增大，数据对传、数据分析、大大拓展了互联网在企业应用管理中的疆界和应用领域，我们正处在一个数据爆炸性增长的"大数据"时代，数据将成为企业的核心资产，在企业决策管理中产生深远影响。既是机遇也是挑战。 1、大数据的建立能够使企业防范风险的能力增强， 在大数据时代来临之前，数据作为特殊“资产”，人们更多的是从历史数据中总结规律，查找上一年度的失误与缺陷。在下一年度工作中进行消缺和提升工作不足。但大数据时代的决策最主要的功能就是预测未来，也就是说从数据的分析中寻找不足与缺陷，以大数据提供的分析为依据及时针对某一方面做出整改。以此来降低企业生产运行分险。如果竞争企业可以对行业市场进行预测对企业自身承载能力进行全面透彻的了解，但自己所在的企业不能，那么企业将会失去未来。企业存在的风险是企业系统不能适应环境变化的风险，在数据时代，这种风险更多地是体现在管理者的日常决策中，体现在企业管理决策要面向需求产品的客户的变化上。 2、企业的管理决策权由原来的被动追求价值向主动增加企业价值转变。 大数据的优点在于引导价值，促使企业价值根据良性化发展，对于企业来说，企业价值体现在其企业管理组织架构中，企业原有组织形式是单一的为企业价值而存在和建立的。在数据时代，企业的组织结构形式必须以实现企业的价值增长基础，提高企业在市场经济
的核心竞争力，也就是说，企业的组织架构的变化必将会诱发企业管理决策和领导者决策的变化，大数据就是建立一条无形的通道在生产者和决策者和市场之间行成多元化的隐性联系。使管理者和决策者参与到产品塑造的过程中去，大数据的建立可以有效地可以有效地避免决策者过度的追随价值带来的被动，从根本上引导管理者和决策者改变传统的决策方式。 3.企业创造价值的方式发生改变 在大数据之前企业已形成了一套成熟的管理方法，但依靠业务驱动以及因果思维形成的管理方法始终无法实现最高的管理水平，这种模式永远是现寻求问题的原因再去寻找解决问题的方法，但在未来，数据驱动模式将代替业务驱动模式，大数据技术可以让企业决策者直接看到解决问题的方法，从而分析问题出现的原因，并帮助决策者做出正确决策，这样及排除了决策者个人主观判断对问题的影响，也让企业决策者的决策思维超越了眼前事实。大数据技术中蕴含着丰富的数据信息资源，它们的科学有效应用能够切实为企业带来巨大的经济产值，产生更多经济收益。因此，要利用好信息资源就要进一步加强大数据技术的完整型，全面性、时效性。大数据信息资源的有效应用离不开先进的数据技术和信息化思维，将传统数据信息方法与大数据技术有机地结合起来，通过将不同数据集进行重组和整合，发挥就数据集所不具有的新功能，从而为企业创造出更多的价值。利用有效的 4、企业的管理决策从单一的中高层管理向员工参与决策转变