大数据的经济学研究文献综述
学院：金融学院班级：13金融学硕姓名：熊美兰
摘要：本文从传媒经济本体研究、产业经济学视角下的传媒经济研究、传媒经济研究工具的创新等方面来管窥近年来该领域的主要关注点以及新趋势和新突破，同时关注传媒经济学科体系研究的最新发展。本年度传媒经济研究主题较为集中，主要是探讨传媒产业的数字化生存、全媒体转型策略与路径。演化经济学、制度经济学、计算机和通信技术等视角和方法的引人，更加凸显了传媒经济学“跨学科”和“融合”的特征。
关键字：全媒体；三网联合；大数据；云计算；传媒经济学
一、引言
2012年，Twitter上每天发布超过4亿条微博，Facebook上每天更新的照片超过1000万张，Farecast公司用将近10万亿条价格记录来预测机票价格，准确率高达75%，采用该系统购票，平均每张机票可节省50美元Gartner 预测未来5年全球大数据将会增加8倍，其中80%是非结构化数据2013年世界上存储的数据将达到1.2ZB(1ZB=1024EB，1EB=1024PB，1PB=1024TB，1TB=1024GB)，如果将这些数据刻录到CDＲ只读光盘上，并堆起来，其高度将是地球到月球距离的5倍2011年，麦肯锡公司对全世界大数据的分布作了一个研究和统计，中国2010年新增的数据量约为250PB，而欧洲约为2000PB，美国约为3500PB，大数据已经深深地充斥了人类经济社会的许多角落。
著名未来学家阿尔文托夫勒(1980)［1］很早就在其经典著作《第三次浪潮》中，将大数据热情地赞誉为第三次浪潮的华彩乐章，但是大数据成为高频词是最近一两年的事情。随着社交网络“物联网”云计算的兴起，数据规模越来越大，2011年5月，全球知名咨询公司麦肯锡(Mckinsey andCompany)发布了《大数据: 创新、竞争和生产力的下一个前沿领域》［2]报告，标志着“大数据”时代的到来，指出数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素；而人们对于海量数据的运用，将预示着新一波生产率增长和消费者盈余浪潮的到来，2012年世界经济论坛发布了《大数据、大影响》［3］的报告，从金融服务、健康教育农业、医疗等多个领域阐述了大数据给世界经济社会发展带来的机会。2012年3月，奥巴马政府发布《大数据研究和发展倡议》［4］，投资2.5亿美元，正式启动大数据发展计划，计划在科学研究、环境、
生物医学等领域寻求突破。据Gartner公司2012年8月发布的技术发展生命周期［5］趋势图(图1)，大数据不到两年时间内成为新技术发展的热点，一时间大数据蜂拥袭来，那么什么是大数据?大数据对传统经济学会带来哪些冲击?传统经济学应该如何面对大数据带来的挑战?
对于什么是大数据，目前业界并没有公认的说法，Dumbill(2012)［6］采用IBM 公司的观点，认为大数据具有“3V”的特点，即规模性(Volume)、多(Variety)、实时性(Velocity)，以IDC为代表的业界认为大数据具备“4V”特点，即在3V的基础上增加价值性(Value)。NetApp公司［7］认为大数据应包括A、B、C三大要素，即分析(Analytic)、带宽( Bandwidth)和内容(Content)。所谓大分析(BigAnalytics)，指通过对大数据进行实时分析后带来新的业务模式，帮助用户获得洞见，从而更好地进行客户服务；高带宽(BigBandwidth)指快速有效地消化和处理大数据；大内容(BigContent)一方面指大数据包括结构化、半结构化，数据与非机构化数据；另一方面则是指对数据的存储扩展要求极高，能轻松实现数据的恢复备、复制与安全管理。
Gartner认为，大数据需要新的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，满足海量、高增长和多样化信息资产的需要。
大数据是工业传感器，互联网、移动数码等固定和移动设备产生的结构化数据，半结构化数据与非结构化数据的总和，大数据重在实时的处理与应用，以获得所需要的信息和知识，从而实现商业价值以及为公共管理服务，数据挖掘和人
工智能等应用工具在大数据处理中发挥着重要作用，现代信息技术是大数据赖以存在和发展的重要支撑力量。
二、大数据给经济学带来的影响
Victor(2012)［8］在其最新著作《大数据时代—生活、工作与思维的大变革》中指出，大数据时代，思维方式要发生3个变革: 第一，要分析与事物相关的所有数据，而不是依靠分析少量数据样本，要总体，不要样本；第二，要乐于接受数据的纷繁复杂，而不再追求精确性；第三，不再探求难以捉摸的因果关系，应该更加注重相关关系。杨华磊(2013)［9］分析了高频数据对传统经济学研究范式的冲击，出现了“非主流经济学就是致力研究异常现象的经济学”，当然高频数据与大数据不是一回事，两者之间存在交集。那么，大数据给经济学带来了哪些影响呢?
1、大数据研究对象变成了总体
传统经济学研究中，由于搜集数据的条件所限，人们往往对数据进行抽样，用少量样本来进行研究，这一传统一直延续至今，并且成为经济学研究的主流做法，但是抽样的质量对研究结果影响很大，比如公众对政府统计部门公布的物价
指数和基尼系数引发的怀疑。在大数据时代，很多场合下已经无需进行针对样本的研究，直接将总体作为研究对象，从而很大程度上改变了数据来源方式，对数据的处理也产生了深远的影响。
2、大数据不需要基于假设检验的研究
传统的经济学研究，往往根据研究内容提出数个假设，然后再采用数学模型基于统计检验来验证假设。但在大数据时代，由于有足够的变量、足够的数据，可以采用人工智能来进行数据挖掘和知识发现，得到的结论是成百上千的，和
传统经济学研究需要验证假设的数量永远不是一个数量级。在大数据时代，如果继续采用传统的假设检验方法进行研究，永远是不充分的、不完备的，无法满足需要的。大数据时代重在对数据处理的多样化结果进行分析，可以是基于经济学
的，也可以是基于应用的，从而辅助人们决策。此外，由于变量的完备性要求使得传
统的基于假设验证的研究有时变得十分尴尬，比如，研究研发投入对企业绩效的影响，需要考虑的不仅仅是研发投入，还要考虑企业资本结构、竞争水平、人员素质、行业特点管理能力等诸多因素，研究者重点关注的是研发投入的弹性系数，但却得到了其它所有数十个变量的弹性系数，从而使研究重心不容易掌握。
3、大数据使得因果关系变得不太重要
传统经济学是一门解释科学，重在对经济现象进行解释，了解他们的因果关系，但在大数据时代，这样做是远远不够的，大数据甚至可以发现事物发展潜在的规律，以供经济学家解释，具有一定的“智能性”，某种程度上超越了经济学
研究的因果关系。大数据并没有改变因果关系，但是使传统经济学的因果关系变得不太重要，比如经济学家在预测房价时，无非是根据住房价格变化的影响因
素来进行分析，比如经济发展水平人均收入、土地价格、宏观房产政策、地点等因素，但谷歌预测房价时，根据住房搜索查询量变化进行预测，结果比不动产经济学家的预测更为准确及时，IBM日本公司，通过检索关键词“新订单”、“雇员”、“生产”等来预测采购经理人指数，仅用6小时就得出结果，并且和专业的采购人指数分析师们计算的结果基本一致。大数据并没有改变因果关系，但使因果关系变得意义不大，很多时候因果关系成为正确的废话。
4、传统的因果关系有时无法验证
弄清事物之间的内在联系和作用机制，一直是传统经济学研究的核心，但有时因果关系是没有办法验证的。比如新产品上市，人们往往倾向于购买新产品，这样对旧产品的需求会下降，那么旧产品价格应该立即回落，这是其一，从另外
一个角度，如果大家都认识到这一点，就会贪便宜购买旧产品，短期内会造成旧产品供不应求，反而导致旧产品涨价，究竟是涨是跌，要看这两种因素谁弱谁强采用传统经济学研究方法是难以验证这两种效应的，只能验证两种效应作用的
综合结果。实际情况是，在大数据时代，西雅图https://www.doczj.com/doc/5615732800.html,g公司分析了近400万商品的超过250亿条价格信息，发现新产品上市时，短期内旧产品价格是上涨的，过一段时间才逐步回落。采用大数据，既可以知道多少人购买旧产品，也能知道多少人购买新产品，以及旧产品价格变化的规律，在这种情况下，我们知道所有的因果关系却难以检验，并且没有意义，知道结果更重要
5、传统经济学研究具有滞后性
传统经济学对于新生事物是不敏感的，必须等事情发生并且成长到一定规模以后
才能搜集到足够数据进行相关研究，在大数据时代，可以通过海量数据对经济行为进行分析，一旦有新情况新动、态立即予以关注，从而实现对新生事物的早期干预和分析，因此具有前瞻性，大数据本身就具有智能，可以辅助经济学发现知识。
6、大数据对基于统计检验的计量经济学冲击很大
建立在回归和统计检验基础上的计量经济学以其严谨的逻辑成为经济学研究的重要方法论，迄今为止，诺贝尔经济学奖获得者有近半数是计量经济学家，但大数据动摇了这一根基，比如采用普通回归研究自变量X于因变量Y的关系，对于X回归系数采用t 检验，一般认为相伴概率小于0.05(特殊情况可以放大到0.1)，就说明两变量相关。其实在这种情况下，犯两变量不相关错误的可能性是5%，以CNNIC发布的第31次中国互联网络发展状况统计报告［10］为例，2012年底我国网民数量达5.64亿人，假设我们研究网民平均受教育年限(X)与上网时长(Y)的关系，5%就是2820万人，此时我们还能漠视这5%的错误吗?同样，如果t检验的相伴概率为0.95，那么很明显说明平均受教育年限与上网时长不相关，但同样会犯错误，即有5%的可能性平均受教育年限(X)与上网时长(Y)是相关的，会涉及2820万网民，这同样是不能忽视的。
7、大数据对经济学建模提出挑战
传统的经济学研究，往往采用1个或少数几个数学模型来进行研究，但任何模型都各有长处，也各有其局限，没有包治百病万能的数学模型，比如动态面板容易使投入变量的弹性系数估计变小，空间面板容易出现空间矩阵设置方法不当导致结果偏误，面板变系数模型难以和空间面板结合使用，面板联立方程模型对方程形式的要求极高，面板向量自回归模型难以和空间面板融合等等。在研究同一问题时，可用模型其实较多，有没有最佳模型呢?这恐怕是个无解的问题，实际情况是，迄今为止传统经济学研究得出的结论，至多只能说明采用甲模型的结论，并不具有普适性，换个乙模型结论可能立即就变了，其实研究结论是脆弱的。
此外，在研究同一个问题时，即使采用同一模型，由于模型的变量选择估计的方法参数设置、滞后期选择等不同，也会导致估计结果相差很大。在大数据时代，借助云计算和分布式处理等现代信息技术，往往可以采用成百上千的模型来进行研究。Google公司在预测2009年美国甲型H1N1流感爆发时间时，把5000万条美国人常用的检索词条和美国疾控中心2003－2008年期间季节性流感传播数据进行比较，希望通过搜索记录判断这些人是否得了流感，先后共采用了4.5亿
个不同的数学模型，预测结果和官方数据的一致率高达97%，但比官方节省了两周时
间，从而为政府采取相关措施赢得了宝贵的时间在传统经济学研究中，由于研究对象错综复杂，直接影响与间接影响因素众多，变量的完备性被认为是不可能的事情，往往只能选取少数变量来进行研究，达到一个相对满意的结果。在大
数据时代，我们可以获取越来越多的变量，从而使遗失变量的可能性降到最低，这样在研究中由原来的数个变量可能会变成数十个甚至成百上千的变量，在这样的情况下，对原有的建模技术就带来了巨大挑战，对计量经济学的发展将会产生
深远影响。
8、大数据给经济学研究工具和手段发生变化
传统经济学研究，一个团队，数台电脑，几个软件就能进行像样的研究，很少有运算需要动用大中型服务器的，但在大数据时代，经济学研究发生了巨大的变化，在人员组成上，不光要有经济学家和领域专家，还要有大数据维护专家大数据建模专家；在计算工具上，需要广泛借助云计算，几台电脑根本解决不了问题；从合作关系上，需要广泛与政府大数据拥有者云计算服务商等合作，不然难以进行研究大数据时代，经济学研究必须依靠跨学科团队，传统的少数几个学者就能进行研究的模式已经难以为继。
9、大数据改变了传统的统计调查方式
大数据彻底改变了传统的统计调查方式，比如对于经济指数物价指数的计算，完全可以采用全新的模式，彻底摒弃传统方式对于统计学中的异常点，以往的处理方式往往是丢弃，或者是平滑，但在大数据时代，由于样本众多，异常点成为宝贵的资源和研究对象广受重视。传统的统计数据是经过加工后的结构化的数据，在大数据时代，人们更加重视原始数据和非结构化数据，因为如果统计数据已经经过加工，那就变成了二手数据，如果一手数据加工过程出现问题必然导致后续处理出现误差，此外，大数据还使间隔时间较短的高频数据研究成为可能
三、大数据经济学。
1、大数据经济学的定义与研究内容
考虑到大数据给传统经济学带来的巨大冲击和影响，迫切需要对此进行研究，斯坦福大学的教授沃尔玛全球电子商务的高级副总裁WalmartLab的共同创立者Anand Ｒajaraman(2012)［11］发明了一个新词Econinformatics，指将计算机科学和信息技术应用于经济学领域，特别指应用于大数据的经济分析由于该词和InformationEconomics的意义相近，翻译成中文后更容易混淆，加上其和
Ecoinformatics(生态)相近，因此并不是一个好的名词。本文提出大数据经济学(BigDataEconomics或Economicsof BigData)，给出如下定义:
大数据经济学是在经济学研究和应用中采用大数据并且采用大数据思想对传统经济学进行深化的新兴交叉学科，大数据经济学不仅要研究如何建模、管理和应用大数据，而且要深入研究传统经济学如何应对大数据带来的挑战并进行改
良，大数据经济学需要经济学家、领域专家和信息技术专家等密切合作，对人文社科与自然科学的跨学科研究提出了更高的要求，并且对整个经济学、社会学公共管理等将带来革命性变革。
大数据经济学的研究内容包括:
第一，大数据计量经济学(Big Data Econometrics)，这是和传统计量经济学对应的一个学科，也是大数据经济学下面的子学科。在大数据背景下，经济学建模与分析方法与传统计量经济学完全不同，迫切需要采用全新的思路和方法进
行研究对信息技术专家们而言，大数据经济学仅仅是算法和建模问题，但是如果没有经济学理论指导，没有经济学家的思维，必然会导致研究方向的迷失。一些大数据领域的学者认为要相关，不要因果，这是非常要不得的，传统经济学理论至今仍然到处闪烁着智慧的光芒，对经济现象的深入见解时刻发挥着重要的作用，所以大数据背景下的经济学分析不能主要靠信息技术的建模专家来进行，必须继续依靠大数据计量经济学家。
第二，大数据统计学( Big Data Statistics)如前所述，大数据给统计学带来的挑战是革命性的，在某些领域，传统统计学所采用的抽样调查方式必将彻底淘汰。此外，传统统计学所要求的精确数据与数据加工方式可能是画蛇添足甚至败笔之举，人们更加重视对一手数据而不是经过加工过的二手统计数据进行分析大数据时代，人们更加关注原始数据关注半结构化甚至非结构化数据，浏览记录、查询关键词、微薄文字、照片等等都是宝贵的数据资源。在大数据时代，传统统计学也必须进行变革，对数据储存手段、处理设备、处理方法都提出了新的要求。
第三，大数据领域经济学，包括大数据生态经济学、大数据环境经济学、大数据金融学、大数据城市经济学、大数据工业经济学、大数据农业经济学、大数据交通经济学、大数据建筑经济学、大数据商业经济学、大数据信息经济学大数据人口经济学等学科，借用大数据的思想和技术来进行各应用经济领域的研究。在以上大数据经济学的各学科中，大数据统计学是基础，大数据计量经济学是研究方法，而大数据领域经济学是具体的运用，他们之间存在着密切的共生关系。大数据由于是基于总体的，
很大程度上解决了传统宏观经济学与微观经济学缺乏较强逻辑联系的问题，此外大数据对传统计量经济学带来的一个有益之处就是，结构化的大数据更加接近正态分布，这样就降低了小样本假设检验失效问题。
2、大数据经济学与传统经济学的关系
大数据经济学刚刚提出，现在讨论其与其它学科的关系也许为时尚，大数据经济学与与传统经济学是一种互补共存关系。在大数据经济学诞生之初，由于大数据经济学理论和技术尚不成熟，虽然大数据经济学发展很快，但仍然以传统经济学为主。随着大数据经济学的发展，两者会达到某种均衡。毕竟，大数据不能解决所有的经济学问题，一些研究仍然无法获得大数据，需要采用传统经济学解决的问题留待传统经济学解决，需要大数据经济学解决的问题由大数据经济学解决。
3、大数据经济学与信息经济学的关系
大数据是现代信息技术高速发展的产物，因此必须研究大数据经济学与信息经济学的关系。传统信息经济学( InformationEconomics)包括两个部分:宏观信息经济学与微观信息经济学，严格意义上讲，这两者并没有必然的关系。Machlup(1962)［12］和Porat(1977)［13］是宏观信息经济学的创始人，又称为情报经济学信息产业经济学，主要从产业经济学角度研究信息这一特殊商品的生产、流通，利用以及经济效益的一门新兴学科，研究视角集中在信息化与产业经济学，是经济学的重要分支。
Stigler(1961)［14］和Arrow(1972)［15］是微观信息经济学的创始人，又称为理论信息经济学，研究不对称信息理论信息商品的分析信息成本和价格、信息市场分析、信息搜寻理论等，提出用不完全信息理论来修正传统的市场模型中信息完全对称的假设，又称契约理论或机制设计理论。
大数据产业自身发展的经济学问题仍然属于信息经济学的范畴，不属于大数据经济学。随着大数据的迅猛发展，据世界经济论坛预测，大数据会为全球带来440万个IT岗位，其中190万个在美国，另外每一个大数据的岗位会催生3个非IT就业岗位，也就是说未来会推动美国产生600万个就业岗位，这类问题就是信息经济学的研究范畴。
4、大数据经济学与信息技术及其它相关学科的关系
毋庸置疑，大数据经济学离不开现代信息技术，是现代信息技术发展到大规模计算与存储阶段的必然结果，甚至在信息技术专家眼里，大数据仅仅是一种技术，但是大数据经济学更是一种思想，只不过现代信息技术使这种思想成为可能。大数据经济
学必须以现代信息技术为基石，重在研究其在经济学领域中的应用，因此大数据经济学是一个学科跨度很大的学科，包括经济学、管理工程、统计学信息技术、情报学、心理学等相关学科。
四、大数据经济学发展展望
本文首次提出大数据经济学的概念，大数据经济学将是21世纪经济学的重大进展之一。它是随着大数据在人类经济社会中的应用而产生的，目前尚处于萌芽阶段，其实践远远超越理论，可以预见的是，不久的将来是大数据经济学的理论建构和高速发展期，借助高度发达的现代信息技术，大数据经济学理论可以随时得到检验和修正，这样一开始大数据经济学就处在一个很高的研究和应用水平上，其发展速度远远高于其它任何新兴学科，这也是现代信息技术对新兴学科的重要贡献之一。从学科分类上，目前的经济学包括理论经济学与应用经济学两个一级学科，可以预计的是，随着大数据经济学的日益发展与成熟，大数据经济学将成为和理论经济学与应用经济学并列的一级学科，是经济学一级学科中的小弟弟图灵奖得主JimGray2007年在美国国家科学研究委员会发表演讲，指出科学研究共经历了4个阶段: 数千年前，人类注重采用实验科学来描述自然现象；几百年前，人类注重理论科学；几十年前，人类转向计算科学，模拟复杂现象；而今天，人类进入数据探索阶段，将理论科学实验科学复杂现象模拟趋于统一 JimGray的结论主要针对自然科学，对大数据经济学而言，不仅是将理论科学实验科学复杂现象模拟统一在一起，而且将自然科学和社会科学统一在一起，将理论研究与实践应用实时地统一在一起，大数据经济学将是智能经济学。
参考文献:
［1］阿尔文托夫勒( AlvinToffler) 著．第三次浪潮［M］.黄明坚译.北京:中信出版社2006:87. ［2］Big data: The Next Frontier for Innovation，Competition，andProductivity［EB］.http: //https://www.doczj.com/doc/5615732800.html,/insights/mgi/research/technology_and_innovation/big_data_the_next_frontier_for_ innovation，2013.1.24.
［3］BigData，BigImpact: New Possibilities for International Development［EB］.http: //www. weforum. org/reports/bigdata-big-impact-new-possibilities-international-development．
［4］Big Data Across the Federal Government［EB］.http://www.whitehouse. gov/sites/default/files/microsites/ostp/big_data_fact_sheet.pdf，2013.1.24.
［5］Gartner＇s 2012 Hype Cycle for Emerging Technologies Identifies Tipping Point Technologies That Will Unlock Long-Awaited Technology Scenarios［EB］．http: //www．gartner．com/newsroom/id/2124315.
［6］EddDumbill．What IsBigData［EB］．http://strata．oreilly. com/2012/01/what-is-big-data. html，2013.1.24.
［7］NetApp．Big Data Solutions for Government［EB］．https://www.doczj.com/doc/5615732800.html,app. com/us/solutions/industry/government/bigdata. html，2013．1．24.
［8］维克托迈尔舍恩伯格，肯尼斯库克耶著.大数据时代生活工作与思维的大变革［M］.盛杨燕，周涛译.杭州:浙江人民出版社，2012:165.
［9］杨华磊．高频数据对传统经济学研究范式的冲击［EB］．http: //blog．sciencenet．cn/blog-456786-656901．html，2013．1．24.
［10］第31次中国互联网络发展状况统计报告［EB］．http: //www．cnnic．net．cn/hlwfzyj/hlwxzbg/hlwtjbg/201301/t20130115_38508. htm.2013.1.24.
［11］MachlupF. The ProductionandDistribution of KnowledgeintheUnitedStates ［M］.PrincetonUniversityPress，NewJersy，1962:234.
［12］Porat MU. The InformationEconomy［M］. Washington，DC，Government PrintingOffice1977. ［13］Stigler GJ. The Economics of Information［J］.TheJournal of Political Economy，1961，69(3):213-225.
［14］ArrowKJ. TheEconomicsof Information［M］.HarvardUniversityPress，1984:267.
信息资源管理文献综述 题目：大数据背景下的信息资源管理 系别：信息与工程学院 班级：2015级信本1班 姓名： 学号：1506101015 任课教师： 2017年6月 大数据背景下的信息资源管理 摘要：随着网络信息化时代的日益普遍，我们正处在一个数据爆炸性增长的“大数据”时代，在我们的各个方面都产生了深远的影响。大数据是数据分析的前沿技术。简言之，从各种各样类型的数据中，快速获得有价值信息的能力就是大数据技术，这也是一个企业所需要必备的技术。“大数据”一词越来越地别提及与使用，我们用它来描述和定义信息爆炸时代产生的海量数据。就拿百度地图来说，我们在享受它带来的便利的同时，无偿的贡献了我们的“行踪”，比如说我们的上班地点，我们的家庭住址，甚至是我们的出行方式他们也可以知道，但我们不得不接受这个现实，我们每个人在互联网进入大数据时代，都将是透明性的存在。各种数据都在迅速膨胀并变大，所以我们需要对这些数据进行有效的管理并加以合理的运用。
关键词：大数据信息资源管理与利用 目录 大数据概念.......................................................... 大数据定义...................................................... 大数据来源...................................................... 传统数据库和大数据的比较........................................ 大数据技术.......................................................... 大数据的存储与管理.............................................. 大数据隐私与安全................................................ 大数据在信息管理层面的应用.......................................... 大数据在宏观信息管理层面的应用.................................. 大数据在中观信息管理层面的应用.................................. 大数据在微观信息管理层面的应用.................................. 大数据背景下我国信息资源管理现状分析................................ 前言：大数据泛指大规模、超大规模的数据集，因可从中挖掘出有价值 的信息而倍受关注，但传统方法无法进行有效分析和处理.《华尔街日
商业模式变文献综述 1．商业模式的概念 彼得德鲁克说：“当今企业之间的竞争，不是产品之间的竞争，而是商业模式之间的竞争”。伴随着经济全球化的浪潮，商业模式的重要作用已得到各界的高度认可与重视。众多企业在有效利用商业模式的情况下，获得了巨大的收益。但对于商业模式的研究还是不够系统、完善。一般定义：为实现客户价值最大化，把能使企业运行的内外各要素整合起来，形成一个完整的高效率的具有独特核心竞争力的运行系统，并通过最优实现形式满足客户需求、实现客户价值，同时使系统达成持续赢利目标的整体解决方案。对于商业模式的真正含义，理论界没有形成统一的权威解释。笔者将对商业模式的四个角度对其概念进行综述。 经济（盈利）角度：经济类的定义仅仅将商业模式描述为企业的经济模式，其本质内涵为企业获取利润的逻辑。与此相关的变量包括收入来源、定价方法、成本结构、最优产量等。许多研究者都从这个角度对商业模式进行了概念界定和本质阐述。Stewart 等 ( 2000 ) 认为，商业模式是企业能够获得并且保持其收益流的逻辑陈述。Rappa ( 2000 ) 则认为商业模式的最根本内涵是企业为了自我维持，也就是赚取利润而经营商业的方法，从而清楚地说明企业如何在价值链 ( 价值系统) 上进行定位，从而获取利润。Hawkins ( 2001) 把商业模式看作是企业与其产品/ 服务之间的商务关系，一种构造各种成本和收入流的方式，通过创造收入来使企业得以生存。Af uah 等 ( 2001 ) 把商业模式定义为企业获取并使用资源，为顾客创造比竞争对手更多的价值以赚取利润的方法。商业模式详细说明了企业目前的利润获取方式、未来的长期获利规划，以及能够持续优于竞争对手和获得竞争优势的途径。 运营角度：运营类定义把商业模式描述为企业的运营结构，重点在于说明企业通过何种内部流程和基本构造设计来创造价值。与此相关的变量包括产品/ 服务的交付方式、管理流程、资源流、知识管理和后勤流等。也有许多研究者从这个角度对商业模式进行了概念界定和本质阐述。Timmers 将商业模式定义为表示产品、服务和信息流的架构，内容包含对不同商业参与主体(business actors) 及其作用、潜在利益和获利来源的描述。Mahadevan 认为，商业模式是企业与商业伙伴及买方之间价值流(value stream) 、收入流(revenuestream) 和物流(logistic stream) 的特定组合。Applegate 把商业模式说成是对复杂商业现实的简化。通过这种简化，商业模式可用来分析商业活动的结构、结构元素之间的关系以及商业活动响应现实世界的方式。Amit 等把商业模式看作是一种利用商业机会创造价值的交易内容、结构和治理架构。他们描述了由公司、供应商、候补者和客户组成的网络运作方式。 战略角度：战略类定义把商业模式描述为对不同企业战略方向的总体考察，涉及市场主张、组织行为、增长机会、竞争优势和可持续性等。与此相关的变量包括利益相关者识别、价值创造、差异化、愿景、价值、网络和联盟等。目前来看，国外对商业模式的定义大部分属于这个范畴。KMLab 顾问公司(2000) 将商业模式定义为关于企业如何在市场上创造价值的描述，内容包括企业的产品、服务、形象与配销的特定组合，还包括用以完成工作的人员与作业基础建设的基本组织。Linder 等(2000) 认为商业模式是组织或者商业系统创造价值的逻
商业模式、共生体与商业生态:案例与理论 魏炜朱武祥林桂平 摘要：商业模式是利益相关者的交易结构。以往研究主要关注只包括核心利益相关者、微观视角的商业模式或包括所有宽泛利益相关者、宏观视角的商业生态。本文在商业模式和商业生态之间建立起中观视角的新概念——共生体，为同个商业生态中不同商业模式的企业建立起同一个坐标系，使不同商业模式的企业之间进行比较成为可能；也为企业创新、重构商业模式提供更为广阔但又不过于宽泛的利益相关者视角。为更好阐述理论，本文采取DG公司的商业模式重构过程作为共生体概念导入、逻辑解释和理论体系建构的单案例研究样本。关键词：商业模式共生体商业生态利益相关者 Abstract: The essence of a business model defines a transaction structure that involves stakeholders. In this article, we examine the transaction structure, including transaction relationship, forms and so on, among these stakeholders, and introduce a new concept of “symbiont”, the aggregation of the business model of the focal firm as well as the business models of its stakeholders. By proposing this innovative concept, we bridge the gap between macro (Business Ecosystem) and micro (Business Model) views and therefore broaden our thinking of business model. The concept of “symbionts” in business model that we create provides a share coordinate system for different business models in the same business ecosystem, making it possible to compare different business models directly. What’s more, it allows us to analyze a focal firm's business model in a micro viewpoint, which may suggests how to restructure or reform the focal firm in a surgical way based on the anatomic picture of the company. We focus on the Business Model Innovation of an old-lined agriculture firm in China to better explain our theory. Key Words:Business Model, Symbionts, Business Ecosystem, Stakeholders 一、问题的提出 传统管理学科，研究对象为企业组织及其内部各部门、人员等之间的关系和业务活动、管理活动。视角从微观到宏观分别为人员、组织和产业。评价标准则为运营的业绩指标——如何更好地发挥既定资源禀赋的最大能力。 商业模式研究对象为焦点企业（商业模式研究的对象）及其利益相关者，考察他们之间的交易关系、交易方式等组成的交易结构总和。视角进一步拓展，微观至焦点企业内部利益相关者（处于企业内部、具备独立投入产出、独立利益诉求、独立权利配置，如物流、信息平台、支付平台等），宏观至整个商业生态，包括焦点企业的外部利益相关者，如企业的供应商、合作伙伴、客户、竞争对手，甚至焦点企业的利益相关者的利益相关者，如供应商的供应商、客户的客户、竞争对手的合作伙伴等等。评价标准则是价值的创造、传递效率。观察价值如何在利益相关者之间创造和传递，焦点企业从中获得多大的价值等。 这种视角的拓展，具备三方面意义：第一，从商业生态等宏观结构定位焦点企业的价值
信息资源管理文献综述题目：大数据背景下的信息资源管理 系别：信息与工程学院 班级：2015级信本1班 姓名： 学号：1506101015 任课教师： 2017年6月
大数据背景下的信息资源管理 摘要：随着网络信息化时代的日益普遍，我们正处在一个数据爆炸性增长的“大数据”时代，在我们的各个方面都产生了深远的影响。大数据是数据分析的前沿技术。简言之，从各种各样类型的数据中，快速获得有价值信息的能力就是大数据技术，这也是一个企业所需要必备的技术。“大数据”一词越来越地别提及与使用，我们用它来描述和定义信息爆炸时代产生的海量数据。就拿百度地图来说，我们在享受它带来的便利的同时，无偿的贡献了我们的“行踪”，比如说我们的上班地点，我们的家庭住址，甚至是我们的出行方式他们也可以知道，但我们不得不接受这个现实，我们每个人在互联网进入大数据时代，都将是透明性的存在。各种数据都在迅速膨胀并变大，所以我们需要对这些数据进行有效的管理并加以合理的运用。 关键词：大数据信息资源管理与利用 目录 大数据概念 (3) 大数据定义 (3) 大数据来源 (3) 传统数据库和大数据的比较 (3) 大数据技术 (4) 大数据的存储与管理 (4)
大数据隐私与安全 (5) 大数据在信息管理层面的应用 (6) 大数据在宏观信息管理层面的应用 (6) 大数据在中观信息管理层面的应用 (7) 大数据在微观信息管理层面的应用 (8) 大数据背景下我国信息资源管理现状分析 (9) 前言：大数据泛指大规模、超大规模的数据集，因可从中挖掘出有价值 的信息而倍受关注，但传统方法无法进行有效分析和处理.《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大技术变革.“世界经济论坛”报告指出大数据为新财富，价值堪比石油.因此，目前世界各国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举措. 当前大数据分析者面临的主要问题有:数据日趋庞大，无论是入库和查询，都出现性能瓶颈;用户的应用和分析结果呈整合趋势，对实时性和响应时间要求越来越高;使用的模型越来越复杂，计算量指数级上升;传统技能和处理方法无法应对大数据挑战. 正文：
商业模式与战略转型的文献综述 【摘要】动态复杂的外部环境下，企业的需不断调整自身以适应市场的发展趋势，商业模和战略的动态变化成为企业获取持续竞争优势的重要源泉。而在商业模式与战略转型方面国内外的研究现状如何，这是本文的关注重点。本文从商业模式与战略转型纷繁复杂的研究框架中选取了现阶段更受关注的四点——管理者认知在战略中的作用、商业模式转型、战略转型的驱动因素以及多元化经营与企业绩效之间的关系作为论述重点，对国内外的研究做出梳理 【关键词】管理者认知商业模式战略转型多元化 一.管理者认知在战略中的作用 尚航标、李卫宁和蓝海林（2013）给管理认知做出了如下定义：管理认知是企业战略决策者在进行战略决策时所用到的一种知识结构。管理认知通过提供信息搜寻功能、信息解释功能和行动逻辑功能来影响企业战略决策，进而影响企业绩效并决定企业是否具有竞争优势。 在过去的20年中，管理者和组织认知（MOC,managerial and organizational cognition）在战略管理研究中获得了越来越多的重视和发展（Walsh,1995;Huff,2005;杨迤等，2007；Kaplan,2011）。SuchetaNadkarni and Pamelas.Barr(2008)将管理认知划分为注意焦点(attention focus)和环境—战略因果逻辑(environment-strategy casual logics)。其中注意焦点是指高层管理者对他们所处的外部环境的主观认知程度，这些认知受一个(或多个)领域的观念的支配，而忽视其他领域。Daft and Weick (1984)认为关于环境与战略之间因果关系有两种不同的逻辑方式，一种是环境驱动模式(environment-driven)所代表的确定逻辑(deterministic logics)，一种是解释驱动模式(interpretation-driven)所代表的前摄逻辑(proactive logics)。在环境驱动模式中，高管认为环境决定战略，因为高管所感知的环境是确定的、剧烈的、可测量以及有决定因素的，他们先了解那个环境的需要继而提出反应战略。在解释驱动模型中，高管根据战略来确定环境，因为高管所面对的环境是更不确定和更难分析的。武亚军（2013）将MOC的研究领域归纳为三个：一是行为决策理论研究，它关注认知偏见、简化原则等在战略决策中的应用及调整；二是认知地图和认知结构研究，它主要关注管理者的认知方法；三是认知结构与战略管理过程的联系，包括战略形成和实施过程。武亚军运用认知地图和扎根方法对华为公司领导人任正非进行分析，发现了“战略框架式思考”和“悖论整合”两个典型认知模式，在中国转型发展的复杂动态环境下，任正非的这种思维模式具有有价值、稀缺、难模仿、难替代等特征，是华为可持续竞争优势的一种重要来源。 管理者认知在企业战略形成、推进及转型等过程中的决定性作用在国内外学者的研究中达成了一致。Tushman & Romanelli （1985）指出，高管的变革与继任是克服转型障碍的重要机制。Tushman等（1985）的研究发现公司绩效的下滑并不能直接推动战略转型的实施，而是否存在新任管理者是关键的调节因素。Loasby(2002)认为，企业成长阶段演进及相应的组织变革，都与企业管理者对未来变革和成长机会的认知变化发生直接关系。Yokota & Mitsuhashi（2008）的研究发现，新任管理者是否可以推动战略转型的实施取决于其是否可以改变战略决策的过程；高管的变更与继任并不是触发战略转型的充分条件，只有当高管变更后管理者价值观和利益偏好发生改变时，战略转型才会实施。在国内，薛有志等也认为管理者的认知过程是形成战略的组织因素中必不可少的动态要素；中国企业家调查系统将优化高管团队构成和改善经营者战略思维作为提升企业战略决策能力的关键；尚航标黄培伦（2010）在对万和集团的案例研究中提出了有限理性视角下企业管理者认知对企业竞争优势
信息资源管理文献综述题目：大数据背景下的信息资源管理系别：信息与工程学院 班级：2015级信本1班 姓名： 学号：1506101015 任课教师： 2017年6月
大数据背景下的信息资源管理 摘要：随着网络信息化时代的日益普遍，我们正处在一个数据爆炸性增长的“大数据”时代，在我们的各个方面都产生了深远的影响。大数据是数据分析的前沿技术。简言之，从各种各样类型的数据中，快速获得有价值信息的能力就是大数据技术，这也是一个企业所需要必备的技术。“大数据”一词越来越地别提及与使用，我们用它来描述和定义信息爆炸时代产生的海量数据。就拿百度地图来说，我们在享受它带来的便利的同时，无偿的贡献了我们的“行踪”，比如说我们的上班地点，我们的家庭住址，甚至是我们的出行方式他们也可以知道，但我们不得不接受这个现实，我们每个人在互联网进入大数据时代，都将是透明性的存在。各种数据都在迅速膨胀并变大，所以我们需要对这些数据进行有效的管理并加以合理的运用。 关键词：大数据信息资源管理与利用 目录 大数据概念 (2) 大数据定义 (2) 大数据来源 (2) 传统数据库和大数据的比较 (3) 大数据技术 (3) 大数据的存储与管理 (4) 大数据隐私与安全 (4) 大数据在信息管理层面的应用 (5) 大数据在宏观信息管理层面的应用 (5) 大数据在中观信息管理层面的应用 (6) 大数据在微观信息管理层面的应用 (7) 大数据背景下我国信息资源管理现状分析 (8)
前言：大数据泛指大规模、超大规模的数据集，因可从中挖掘出有价值 的信息而倍受关注，但传统方法无法进行有效分析和处理.《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 大技术变革.“世界经济论坛”报告指出大数据为新财富，价值堪比 石油.因此，目前世界各国纷纷将开发利用大数据作为夺取新一轮竞 争制高点的重要举措. 当前大数据分析者面临的主要问题有:数据日趋庞大，无论是入 库和查询，都出现性能瓶颈;用户的应用和分析结果呈整合趋势，对 实时性和响应时间要求越来越高;使用的模型越来越复杂，计算量指 数级上升;传统技能和处理方法无法应对大数据挑战. 正文： 大数据概念 大数据定义 维基百科对大数据的定义则简单明了:大数据是指利用常用软件工具捕获、管理和处理数据所耗时间超过可容忍时间的数据集。也就是说大数据是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理 大数据来源 1)来自人类活动:人们通过社会网络、互联网、健康、金融、经济、交通等活动过程所产生的各类数据，包括微博、病人医疗记录、文字、图形、视频等
硕士研究生文献综述报告 一、引言 一个企业能否寻找到一套优秀、成熟的赢利模式，往往是这个企业能否走向成功的关键所在。因此，赢利模式是企业生存和发展的决定性因素。现代企业的生存和发展在短缺经济时代和市场经济初期经历了要素驱动、能力驱动之后，到了充分竞争的经济全球化时代，企业的生存和发展便要由赢利模式来决定。实际上，当今成功企业的战略，其根本已经不再是公司本身，甚至不再是整个行业，而是企业的整个价值创造系统，也就是企业的赢利模式。 二、国外研究文献综述 国外对于商业模式的研究以2003年为界限大致可以分为两个阶段：2003之前的这个阶段称其为开创性阶段；之后的阶段为综合性阶段。在开创性阶段，人们普遍以概念研究为重点，采用归纳逻辑思维方法从大量案例研究中总结规律，归纳出商业模式的构成要素、分类方法、变革路径、评估方法。在综合性阶段，人们对于概念的研究普遍采用“博采众长”的方法，对前人的研究成果按照主客观要求进行整合，得出自己的概念定义；对赢利模式的构成、表述、演化、评估多数采取演绎的逻辑思维方式进行研究，在人们比较普遍接受的研究成果基础上针对特定领域或特定现象得出特定的结论。本文的阶段划分当然不是绝对的，只是为了研究的方便给出的一个大概的描述。 1、代表性学者著作简介 表1：企业设计要素
资料来源：亚德里安J斯莱沃斯基等著，凌晓东等译，发现利润区【M】.北京：中心出版社，2003.13.页 表2 ：赢利模式构成要素代表性观点[10,11] 3、赢利模式的分类研究综述 分类研究是赢利模式研究的一个重要方面，大多数文献中关于赢利模式分类的描述是非结构性的，这使得很难准确识别和区分具体的商业模式，也很难评价每个商业模式所需要的资源和基础设施。并且，这些赢利模式分类研究一般都没有提供一个框架使得
大数据外文翻译参考文献综述 (文档含中英文对照即英文原文和中文翻译) 原文： Data Mining and Data Publishing Data mining is the extraction of vast interesting patterns or knowledge from huge amount of data. The initial idea of privacy-preserving data mining PPDM was to extend traditional data mining techniques to work with the data modified to mask sensitive information. The key issues were how to modify the data and how to recover the data mining result from the modified data. Privacy-preserving data mining considers the problem of running data mining algorithms on confidential data that is not supposed to be revealed even to the party
running the algorithm. In contrast, privacy-preserving data publishing (PPDP) may not necessarily be tied to a specific data mining task, and the data mining task may be unknown at the time of data publishing. PPDP studies how to transform raw data into a version that is immunized against privacy attacks but that still supports effective data mining tasks. Privacy-preserving for both data mining (PPDM) and data publishing (PPDP) has become increasingly popular because it allows sharing of privacy sensitive data for analysis purposes. One well studied approach is the k-anonymity model [1] which in turn led to other models such as confidence bounding, l-diversity, t-closeness, (α,k)-anonymity, etc. In particular, all known mechanisms try to minimize information loss and such an attempt provides a loophole for attacks. The aim of this paper is to present a survey for most of the common attacks techniques for anonymization-based PPDM & PPDP and explain their effects on Data Privacy. Although data mining is potentially useful, many data holders are reluctant to provide their data for data mining for the fear of violating individual privacy. In recent years, study has been made to ensure that the sensitive information of individuals cannot be identified easily. Anonymity Models, k-anonymization techniques have been the focus of intense research in the last few years. In order to ensure anonymization of data while at the same time minimizing the information
湖北工程学院 2017—2018学年度第1学期期末考核答卷 考核课程： 电子商务前沿讲座 考核类型：考查 考核形式：开卷（文献综述） 学生所在院系：经济与管理学院电子商务专业 班 级： 0153005441 试 卷 A 大学生网络营销能力秀始于2009年，是高校竞赛式网络营销教学实践平台，锻炼和培养大学生的网络营销核心能力，每个学期各举办一期，到2016年下半年已进行16期，超过7000个大中专院校的20万师生参加过网络营销能力秀。能力秀——网络营销开始的地方。 移动电子商务商业模式及模式创新文献综述 前言 研究背景：我国互联网络信息中心的数据显示，截到 2015年 12月底，我国网民 规模已达到 6.88 亿，全国的互联网普及率已达到 50.3%。其中，手机用户规模达到了 6.20亿，并继续保持稳定增长的态势。而且 2016 年，全国的网上购物、网络团购等类似业务再创新高。据统计数据显示，在2016年6 月底，我国网民达7.10亿，其中手机网民达6.56亿，在这种环境下，以互联网、信息技术为核心的电子商务企业的蓬勃发展，而传统零售企业的经营发展受到了电子商务的重创，生意惨淡，面对这样的局势，就要求线上线下相结合，发展移动电子商务，以求实体经济和网络经济平衡发展。 研究目的：通过搜集大量文献和其他网络资源，研究不同学者对电子商务的商业模 式的概念理解、商业模式的创新，最后对现有商业模式存在的部分问题提出一些建议，希望能引起更多的学者关注这一问题，并为研究商业模式的学者提供参考价值。
研究意义：理论意义：第一，推动移动电子商务事业理性发展。一个企业的商业模式好坏影响着移动电子商务顺利进展。本文所研究的商业模式将给移动电子商务产业带来更好的发展，提供了一个理性全面的发展空间。 第二，本文借助移动网络技术，探索了移动电子商务的商业模式，将商业模式的各个组成部分细分，促使研究的理论方法更加全面。 第三，有利于进行学术交流。对移动电商的商业模式进行相关理论的探索，可以促进学者之间学术交流，同时也为今后从事这一领域研究学者提供参考。 实践意义：第一，在移动互联网背景下研究移动电子商务商业模式，使其更好地发展，给 用户提供服务带来便利，企业明确自身的责任，维护自身的利益。促进企业与企业间合作，达成利益共享。 第二，促进国家社会经济的发展。分析移动电商的商业模式，对促进社会经济产业发展，具有极其重要的现实意义。电子商务活动的进展是为了社会经济的发展，电子商务商业模式是电子商务发展方向及成败的重要指标，现阶段我国对商业模式的探索还处于初级阶段，本文对移动电子商务商业模式的研究，有利于传统企业选择正确的商业模式，推动移动电子商务在新时代的发展。 一、商业模式、特点及评价 （一）核心概念 1.商业模式概念 刘丽侠[1]商业模式是一个企业生存的模式，能够为企业创造利益的模式，它最基本的核心内容就是创造与实现价值。它也是由一系列生产、销售、运营等经济实体之间的商业活动，能够为用户提供服务，创造企业的价值，以及建立良好的协作网络关系，节约大量的成本，创造属于自己本企业的模式。宋娜[2]商业模式的基本含义就是指企业价值创造的基本逻辑，即企业在一定的价值链或价值网络中如何向客户提供产品和服务并获取利润。李沂濛[3]商业模式是一个企业的大方向的布局，从一个产品被生产出来，到交付运营部门进行包装和宣传，包括管理部门在内部各部门间的协调，直到产品走向市场，最终收回资金流，是一个具有详细规划和规定的运作流程，企业关注的不仅仅是盈利，而是如何保持持续盈利，即站在客户的角度在满足客户的要求同时，为自己创造商誉等无形资本，让企业可以在激烈的市场竞争中立于不败之地。 虽然研究的角度不同，但他们都肯定了顾客价值，顾客要求，企业的所有活动、所有目标的实现都以客户创造价值展开，商业模式是一种体系，它能给企业带来很好的生存和发展途径，它能够使企业保持持续盈利的活力。 2.移动电子商务商业模式概念 移动电子商务的商业模式是指在移动网络技术的研究背景下，进行商务活动的参与主体之间开展商业活动，并能使其企业创造价值，最终获得利润。移动电子商务商业模式是在智能终端上开展商业活动，需要移动运营商的移动网络支持，平台提供商搭建一个平台供内容服务商将服务呈现给用户，在整个流程进展中，双方互赢互利共同创造企业的价值。在整个商务过程中，商业模式贯穿每一个环节，是由企业的内部资源，盈利模式，外部协作模式，支付模式，商家信用等级等部分组成，借助移动网络技术和物联
大数据云计算文献综述 一个大数据的调查 摘要：在这篇论文中，我们将回顾大数据的背景以及当前发展状况。我们首先介绍大数据的一般应用背景以及回顾涉及到的技术，例如：云计算、物联网、数据中心，以及Hadoop。接下来我们着重大数据价值链的四个阶段，也就是：数据生成，数据采集，数据存储和数据分析。对于每个阶段，我们介绍应用背景，讨论技术难题以及回顾最新技术。最后，我们介绍几个大数据的代表性应用，包括企业管理，物联网，在线社交网络，媒体应用，集成智慧，以及智能电网。这些讨论旨在提供一个全面的概述以及对读者感兴趣的领域的蓝图。这个调查包括了对开放问题和未来方向的讨论。 关键字大数据云计算物联网数据中心Hadoop 智能电网大数据分析 1、背景 1.1大数据时代的曙光 在过去的二十年，数据在各种各样的领域内爆炸式增长。按照2011年来自国际数据公司（IDC）的报告，世界上总共的创建及复制的数据量达到1.8zb,在五年内增长了大约九倍[1]。在未来这个数字至少每两年增加一倍。在全球数据的爆炸增长下，大数据这个词主要来描述巨大的数据集。与传统的数据集相比，大数据通常包括非结构化数据，这需要更实时的分析。 另外，大数据也能在发现新价值上带来新优势，帮助我们帮助我们获得一个深入隐藏价值的认识，也导致新挑战，例如，如何有效地组织和管理这样的数据集。
近日，行业产生兴趣的大数据的高潜力，许多政府机构公布主要计划加快大数据的研究和应用[2]。此外，大数据问题往往覆盖在公共媒体，如经济学[3，4]，纽约时报[5]，和全国公共广播电台[6,7]。这两个主要的科学期刊，Nature和Science，还开通了专栏讨论大数据的挑战和影响[8,9]。大数据的时代已经到来超越一切质疑[10]。 目前，与互联网公司的业务相关联的大数据快速增长。例如，谷歌处理的数据达数百拍字节（PB），Facebook的生成日志数据每月有超过10 PB，百度一家中国公司百度，业务流程有数十PB的数据，而阿里巴巴的子公司淘宝每天的网上交易产生几十太字节（TB）的数据。图1示出的全球数据量的热潮。当大型数据集的数量急剧上升，它也带来了许多具有挑战性的问题，解决方案如下： 图一、持续增长的数据 信息技术的最新发展（IT）使其更容易以产生数据。例如，每分钟有平均72个小时的视频上传到YouTube[11]。因此，我们面临的主要挑战是从广泛分布的数据源中收集和整合大量的数据。 云计算和物联网（IOT）的快速发展进一步促进数据的大幅增长。云计算提供了安全措施，访问网站以及数据资产的渠道。在物联网的典范，遍布世界各地的传感器正在收集和传送数据到云端进行存储和处理。这样的数据在数量和相互关系将远远超过对IT架构和现有企业的基础设施的能力，以及它的实时要求也将极大地强调可用的计算能力。日益增长的数据造成怎样在当前硬件和软件的基础上存储和管理如此庞大的异构数据集的问题。
开题报告 论文题目：安防行业商业模式创新研究——以电子商务为依托 学院：_动力与机械学院___学号：__2009301470073___ 姓名：_张凯歌______ 一、论文选题的目的和意义 1.1选题背景 安防行业是一个新兴的行业，也是一个有一定特殊性的行业。它包括了视频监控、门禁、防盗报警设备等安全防护产品的生产与经营，以及与之相关的安全防护工程、安全防护系统维护等服务提供。安防行业本质上属于工业品领域，其服务对象一般为政府公共部门、工厂、企业、商场、社区等组织，因而在需求、购买、交易等各个环节都有自己的特殊性。但是这并不妨碍电子商务在安防行业的应用，恰恰相反，安防行业实施电子商务拥有良好的基础条件，与电子商务的联姻也是必然趋势。相对于其他IT行业应用而言，安防又是一个相对传统的行业。安防电子商务起步较晚，加之安防产品隶属于电子类工业品范畴，受到了产品安装、维护、售后等一系列因素的限制，发展速度与规模无法和服装、化妆品这些大众商品相比，但即便如此，安防电子商务在信息化大潮的推进下，取得了不错的成绩，仅淘宝一个平台，安防产品的销售额也在数亿左右。2007年世界金融危机以来，全球安防市场需求出现萎缩，越来越多的中国企业通过电子商务开拓中东、南美等新兴市场。数据显示，在应对国际金融危机过程中，未应用电子商务的企业陷入困境的比例高达84.2%，而运用电子商务的企业仅为16.8%。由此可见，在复杂多变的市场环境下，电子商务对一个企业的持续稳定发展，具有非常重要的意义 1.2研究意义 从本质上而言，安防行业实施电子商务是对其原有商业模式的一种改进和创新，其过程符合商业模式创新理论所提出的一般规律，本文旨在借助商业模式创新的相关理论分析安防行业实施电子商务的过程，以促进这一过程的成功实施。 电子商务顺应了时代的发展趋势，显示出强大的生命力和吸引力。安防行业作为一个快速成长的朝阳产业，不可避免地要与电子商务发生联系。 随着安防市场的不断发展，竞争规则日臻完善，一些新兴企业的不断进入，行业竞争日益加剧，产品的利润也随之变薄，市场渐渐由卖方市场向买方市场过度。在这样的背景下，产品营销和品牌推广的传统模式的转变就成为安防企业所要面临的尖锐问题，为了能够接触更多的产品用户和潜在消费者，增加产品影响力，增加产品利润，安防企业必须由传统的分销渠道向立体化营销转变，而无论
沈阳化工大学科亚学院毕业论文文献综述 论电子商务对实体店铺的影响文献综述 姓名：班级：工商管理1002 指导教师： 摘要：21世纪是信息化的时代，信息服务业已成为21世纪的主导产业。在全球信息化的影响下，电子商务不断改进和完善，使传统商务的地位受到了冲击。如何顺应商业发展的潮流，在稳住自己传统强项的情况下，发展自己的电子商务销售渠道，是传统商务的当务之急。传统商务模式在电子商务的冲击下，既是挑战，也是机遇。 作者主要查阅了中国电商行业网、维普资讯网、中国知网、中国文献网、中国零售网和图书馆等资料进行查询，共搜索多篇论文资料，主要的文献有《KT网络公司营销策略研究》、《浅谈电子商务环境下营销渠道的选择与协调》和《中国电子商务发展“冲击”传统零售业》等。 正文 一．引言 在当今商业模式日趋多元化的时代，电子商务在一定程度上冲击着传统零售商，但也为消费者带来了更为便捷的消费方式。笔者个人认为，电子商务的快速发展是现代经济发展的必然。电子商务的发展增加了交易机会，降低了交易成本，提高了交易效率，简化了交易流程，改变了交易模式，带动了经济变革。电子商务的出现，必定将为市场经济带来一场信的商业革命。传统企业在信息化时代需要了解电子商务，应用电子商务，并思考如何开展电子商务，从而适应市场竞争和企业发展的需要。 二．业内人士及专家学者对电子商务对实体店影响的看法 在《KT网络公司营销策略研究》（2009）中，作者陈浪提到，网络营销是适应网络技术发展与信息网络时代变革的新型营销方式：它改变了传统的营销理念、营销策略、营销手段和方式，将成为21世纪企业营销的主流。网络营销在给企业带来机遇的同时，也使企业面临巨大的挑战。中小企业在我国的社会经济中有着重要的地位，但在某些方面又属于弱势群体，尤其需要给以更多的关注。 在《浅谈电子商务环境下营销渠道的选择与协调》（2010）中，作者邓红梅提到，在电子商务环境下，由于渠道之间的价格竞争，在原有传统零售渠道基础上，制造商通过增开网上直销渠道，这会将威胁传统零售商在定价、市场份额和利润等即得利益。而双渠道市场在一定条件就能改进制造商与零售商的收益。
智慧时代下大数据技术在教育 领域的应用研究综述 姓名：李欢欢学号：2012221111120004 一、前言 大数据是近年来出现在通信和计算机领域中的一个热门关键词。关于大数据，尚未有一个统一的定义，但却有两个观点能够诠释大数据的本质。第一个观点来自于Gartner公司的Merv Adrian在2011年第一季度刊登在Teradata Magazine上的一篇文章，文中指出“数据超出了常用硬件环境和软件工具在可接受的时间内为其用户收集、管理和处理数据的能力”[1]。另一个观点来自于麦肯锡全球数据分析研究所(Mckinsey Global Institute)在2011年6月发布的《大数据：创新、竞争和生产力的下一个前沿》报告，报告中提出“大数据是指大小超出了典型数据库软件工具收集、存储、管理和分析能力的数据集”[2]。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应用，预示着新一波生产率增长和消费者盈余浪潮的到来。” 大数据已经深刻地影响到人们的生活、工作和学习。大数据的意义在于对由多种类型数据构成的数据集体进行分析和研究，提取有利用价值的信息，从而帮助人们在解决问题时可以作出科学的决策。同样大数据的威力强烈地冲击着教育系统，正在成为推动教育系统创新与变革的颠覆性力量。 二、大数据技术在教育领域的应用现状分析 1 大数据定义与特征 大数据（bigdata），又称巨量资料，海量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、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。研究机构Gartner[3]认为“大数据”是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。麦肯锡的定义：大数据是指无法在一定时间内用传统数据库软件工具对其内容进行采集、存储、管理和分析的数据集合。无论哪种定义，我们可以看出，大数据并不是一种新的产品也不是一种新的技术，大数据只是数字化时代出现的一种现象。 大数据的主要特点可以概括为4V+1C。4V包含了四个层面：第一，即V olume（大容量），海量数据，规模庞大，已跃升到PB 级别；第二，Velocity（高速度），实时处理，处理速度快，涉及感知、传输、决策、控制开放式循环的大数据，数据实时处理有着极高要求，通过传统数据库查询方式得到的“当前结果”可能已没有价值，这也是大数据和传统的数据挖掘技术本质上的不同；第三，Variety（多样性），数据类型繁多：网络日志、视频、地理位置信息、图片等都是大数据；第四，Veracity（低密度），数据价值大，但价值密度低。对海量数据挖掘分析，对未来趋势与模式的可预测分析，深度复杂分析；“1C”即Complexity，是通过数据库处理持久存储的数据不再适用于大数据处理，需要有新的方法来满足异构数据统一接入和实时数据处理的需求[4]。 2 国内研究现状 对于“智慧时代下大数据技术在教育领域的应用”国内研究的现状，我主要通过借助中国知网提供的论文发表数据进行分析。在中国知网中选择“高级检索”类型，并在检索条件中选择“主题”检索，输入“大数据”并含“教育”，截止到2014年4月17日共检索出303 条结果与之相关，通过手工筛选，把会议报道等无关信息剔除掉，剩余160篇文章。 大数据在教育领域的应用，与国外相比，国内起步稍晚，还未形成整体力量。虽然2009年开始，大数据就成为了流行词汇，但是它在教育领域的应用是近3年才出现的。国内最早
大数据的经济学研究文献综述 摘要： 本文从大数据背景下的经济学研究出发，分析了大数据背景下对传统经济学所带来的冲击和挑战，以及大数据在经济学中的应用。大数据的应用给传统经济学带来了全新的方法，更重要的是，大数据给传统经济学带了全新的视角。 【关键词】大数据；大数据经济学；传统经济学；挑战 Abstract This article analyzed the big data which bring a big impact and challenges on the traditional economics under the background of big data, as well as the big data applications in economics. Big data’s applications has brought a new approach to traditional economics, more importantly, big data has brought a new perspective of traditional economics. 【Key words】big data; big data economics; traditional economics; challenges 1国外关于大数据经济学问题的探讨现状 对于大数据的概念，企业和学术界目前尚未形成公认的准确定义。维基百科的定义：大数据指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理并整理成为帮助企业经营决策目的的资讯。麦肯锡的定义：大数据是指无法在一定时间内用传统数据库软件工具对其内容进行采集、存储、管理和分析的数据集合。Dumbill ( 2012)采用IBM 公司的观点，认为大数据具有“3V”特点，即规模性( Volume ) 、多样( Variety ) 、实时性( Velocity) 。以IDC 为代表的业界认为大数据具备“4V”特点，即在3V 的基础上增加价值性( Value) 。权威IT 研究与顾问咨询公司Gartner将大数据定义为“在一个或多个维度上超出传统信息技术的处理能力的极端信息管理和处理问题。美国国家科学基金会( NSF) 则将大数据定义为“由科学仪器、传感设备、互联网交易、电子邮件、音视频软件、网络点击流等多种数据源生成的大规模、多元化、复杂、长期的分布式数据集”。 维克托（2013）赞同许多物理学家的看法，认为世界的本质就是数据。因此，大数据时代的经济学、政治学、社会学和许多科学门类都会发生巨大甚至是本质上的变化和发展，进而影响人类的价值体系、知识体系和生活方式。