前言:中文期刊网精心挑选了大数据论文范文供你参考和学习,希望我们的参考范文能激发你的文章创作灵感,欢迎阅读。
大数据论文范文1
在桥梁工程中,数据按时间上的划分可以分为两类,静态数据与动态数据。静态数据主要指桥梁的相关信息资料库与科学实验产生的数据。信息资料库是一种相对静态数据,因为这些数据资源每过一段时间将更新一次。各国家和各地方政府部门基本建立了桥梁工程资料库及相关系统,列举出主要国家和地方政府的桥梁管理系统,包括建成时间、系统功能、与建设部门等。除国家政府部门外,各科研单位也在完善各自的桥梁统计分析系统,系统中主要包括桥梁的桥型、跨径、材料、建成时间等基本信息,还包括桥梁的病害、桥梁状况评定等相关内容。桥梁的科学试验数据主要来源于各大高校和科研单位科学研究中的模型试验、振动台试验、风动实验、桥梁的荷载试验等产生的数据。这类数据的有效分析处理形成各类科学研究成果,但是此类数据的开放程度低,造成数据资源的极大浪费。桥梁的动态数据主要来自于桥梁的施工监控和成桥运营阶段健康监测系统,此类数据由安装在桥梁上的实时监测传感器获得,包括位移传感器、速度传感器、加速度传感器、应变计、温度计、风速仪、GPS等。统计了国内部分桥梁健康监测系统的传感器数量以及安装时间。各类传感器配以相关的采集系统来获得数据信息,再通过相关软件分析、处理,从而掌握桥梁的实时健康状况,对桥梁的状态进行评估与预测。整个桥梁健康监测体系。
2开发桥梁工程领域大数据资源意义
利用桥梁的静态数据库,可以了解桥梁的基本信息,为全国的桥梁统计、普查与管理提供信息资源。科研数据的开放有助于学术界的交流、创新,取得更为丰富的科研成果。桥梁动态数据包括施工监控数据与成桥运营阶段的监测数据,充分利用与挖掘大数据资源,可以提高桥梁的施工质量、加快施工进度,提前预测和解决施工过程中可能出现的问题,减少质量事故和经济损失。成桥运营阶段的监测数据主要为桥梁的健康状况评估提供依据,掌握桥梁所处的状态,分析、处理数据资源,提高预测、分析、解决问题的能力。可为同类桥梁的施工管理与养护等,提供宝贵经验。同时大数据资源的开放、共享,有助于节约国家资金和社会资源。
3存在问题及解决方法
(1)最先遇到的也是最棘手的问题是数据的去冗、去噪,从海量数据中挖掘大数据资源价值。目前,所列一座特大桥上各类传感器每天采集的数据达到几个GB到几十GB,甚至上百GB,如此海量的数据如何去处理,有效剔除无用的信息,找寻剩余有用的信息,从而产生新的价值、新的资源。这也是在大数据时代有效利用大数据资源要解决的首要问题。解决这一问题的主要途径是编译相关的去冗、去噪的智能分析软件,同时可以利用云计算、云分析、云管理等方法来提高解决这一问题的效率,使大数据变为有用数据,做到真正智能化分析。
(2)现在各政府部门和科研单位,都在做自己的桥梁信息库以及监测研发数据库等,而且大多数数据库都是相类似、重复的。这样造成资源的极大浪费,包括劳动力、资金等。解决这一问题的有效途径是加强政府部门、科研单位内部以及之间的相互合作,开放和共享数据资源,这也是大数据时代的必然趋势。各部门和科研单位可以有步骤、分阶段地开放共享各自所拥有的数据资源,不论是采用付费或免费的方式。
(3)由于大数据具有“4V”等特点,在大数据研究的初期阶段,大数据的价值还未充分体现时,要储存、分析、利用大数据资源,需有软件、硬件等基础设施的投入,国家和科研单位应提供专项资金的支持,同时国家可制定相关鼓励支持政策。
(4)在大数据时代成熟以后,应建立相关法规,规范和保护数据的开发利用,制订相关统一标准,提高数据的使用效率。
4结语
大数据论文范文2
1.大数据的背景与特点
(1)信息规模大。大数据的发展是与互联网息息相关的,互联网技术的时时更新与不断发展,无疑产生了海量数据。毫不夸张地说,无时无刻不在产生新的数据。常规数据的存储单位一般为GB或TB,而大数据的单位往往是PB、EB甚至ZB,可见大数据的数据量之大之多。(2)数据的多样性。以前的数据大都是结构化的数据,现在由于信息的采集、加工与传输技术的不断发展,尤其是在互联网络上,产生各种非结构化的数据,代表性的非结构化数据包括音频、视频、传感数据,互联网上的以博客、微博为代表的文本数据等,使得数据的具体形态呈现多样性。(3)复杂关联性。在当今互联网的时代,产生的各种各样的联系,比如在电子商务网站上购物,曾经搜索过的关键词会成为电商网站制定个性化推荐、进行精准营销的最主要依据,个人在不同的社交网站上所提供的个人信息,以及在电商网站购物所留的具体信息都可以转成为有效的商业信息。这就表明了数据之间联系的紧密与密度,也说明了数据间的关联复杂性。(4)价值密度低。当然,海量的数据并不意味着海量的价值,不可能所有的信息都具有价值,如一些冗余信息。需要利用数据挖掘技术,对海量信息进行有效地提取与挖掘,找到具有价值的数据,并将其运用到商业活动中。
2.大数据时代第三方物流企业CRM面临的挑战
在了解了大数据的特征之后,我们便对大数据有了一个清晰的认识。那么在这个以数据为中心的大时代背景下,对第三方物流企业,对现在逐步将客户升级为企业核心竞争力、强调以客户为中心的第三方物流企业CRM带来了什么样的机遇与挑战,值得我们深思。CRM既是一种管理理念,也是一种应用软件,更是一种管理模式。客户一直都是企业非常重视的资源,而且对客户的重视早已从交易进行中扩展为注重潜在客户(即交易尚未发生时)、重视售后管理(即交易发生后),即在整个过程中都强调客户的地位和重要性。当今充满信息的时代,人们更加重视客户的管理,由此可以看出,客户的概念已经发生很大的变化。客户概念的泛化,无疑使客户需求变得具有多样性、多重性和差异性。在这个数据高速增长、信息高度发达的年代,无疑数据是驱动物流企业发展的动力。那么面对海量数据,低密度的价值数据,物流企业的数据“短板”,与客户信息、客户需求之间的矛盾与差距,使得物流企业在大数据时代进行客户关系管理时面临严峻的挑战,主要体现在以下几个方面:(1)数据不足与客户流失控制与预测不足之间的矛盾。客户流失一直以来就是企业面临的重大考验,而如何能够有效的控制与预测客户的流失也一直是长期讨论的热点。针对客户流失的控制与预测,传统的方法是建立在收集客户信息、资料的基础上,对客户的满意度进行分析。而往往这些数据是非常具有局限性的,仅仅是来自第三方物流企业自身积累的客户服务信息,而且在分析时并没有突出分析客户的忠诚度。而现如今客户的需求多种多样,且时时变化,客户的很多信息大多体现在社交网站或商务网站,而且信息的价值密度又比较低,造成物流企业不能很好的去收集、分析客户的信息,去有针对性的满足客户需要,去提高客户的忠诚度。因此,只能用相对少且相对固定的数据制定客户流失控制策略,或进行客户需求预测及市场预测,这些做法往往效果不理想。(2)数据更新不足与客户聚类以及个性化服务不足的矛盾。对客户数据进行聚类分析,是第三方物流企业进行客户关系管理很重要的一个应用方面。第三方物流企业的市场管理、销售服务等都与客户关系管理密切相关,都是强调以客户为中心。而根据数据对不同的客户群体进行聚类分析能够做到有针对性的进行管理,在降低客户关系管理成本的同时,也能够有效的制定实施营销策略。而对于物流行业这样一个数据驱动型的物流企业,数据的更新可以说是至关重要,要求及时将新的信息反馈给管理部门。而普遍的结构化数据,或已有的数据库数据信息相对陈旧,脱离客户不断变化的需求,这必然导致据此制定的各项CRM策略缺少有效性,甚至是营销策略的失误。(3)数据类型单一与关联性分析不足的矛盾。大量单一的客户结构化数据对已有客户的需求分析具有一定作用,然后对潜在客户或提高客户忠诚度上的作用不是很大。当前信息时代,除了传统的结构化数据,可以通过各项技术获得更多的半结构化的如网页、文本等数据,及一些非机构化数据,这些数据往往和客户的已有信息相关联,这些数据的收集与分析,能够为发展潜在客户提供基础。当前第三方物流企业大部分依旧依赖于结构化数据,数据类型比较单一,不能及时了解客户的进一步需求或与当前需求相关的产品或服务,造成对潜在市场的忽略。(4)客户需求变化与CRM模式滞后之间的矛盾。许多第三方物流企业对CRM的认识还停留在传统的与客户互动及管理方式上,虽然认识到了客户的重要性,但是在具体客户关系实施管理上,还存在很多问题,与信息时代的要求严重脱节。同时,在海量数据到来之时,又显得力不从心,无法挖掘出有效的价值信息。这种“迟钝”导致客户需求得不到最大满足,对第三方物流企业而言,面对残酷的市场竞争,时刻把握客户的需求,更好地为客户服务显得尤为重要。反之,则会导致被潜在客户所忽视,被老客户所抛弃,被客户抛弃意味着企业被市场淘汰。
二、大数据在第三方物流企业CRM中的应用
1.大数据下第三方物流企业CRM框架设计
在将大数据技术应用在第三方物流企业CRM的过程中,在整个CRM框架设计中都要明确体现出整个CRM的工作都是围绕客户进行的。各种商业目标定义的来源是客户,数据挖掘与分析的数据来源也是客户,最后具体的商业应用也是作用于客户。同时,数据的正确获取,数据的有效预处理,数据的合理存储,采用优秀的数据处理技术进行数据处理,以及优秀数据挖掘方法和技术的选择与应用,这些工作都离不开信息技术。包括大规模并行处理数据库、数据挖掘、互联网技术、分布式文件系统和可扩展的存储系统等。该模型以客户信息为主线,将第三方物流企业的客户关系管理分为三个层次:客户信息收集层、客户信息分析层、信息输出———客户服务与支持层,在整个过程中都离不开网络技术、数据挖掘等技术层面的支持。具体说,在将大数据应用于第三方物流企业CRM中时,第一步需要通过大数据获取技术得到足够多的各种类型的数据,主要包括从客户和市场等企业的外部环境,以及公司销售记录等内部渠道,收集各种客户信息和市场信息,形成大数据集;第二步需要应用包括数据仓库、数据挖掘和商业智能等技术手段对获取的大数据集进行计算、汇总,通过“聚类分析”、“关联分析”、“数据融合”,实现对客户的个性化分析、竞争情报分析、市场需要变动和产品扩展分析及共性分析,得到应用型数据,这样做的目的主要解决传统CRM中个性化服务不足、市场拓展、市场趋势预测不足的问题;第三步针对第二步的客户分析,围绕这个“中心”,把这些信息输出给客户或企业内部用来制定各种决策及提供服务支持,形成可行性报告,应用于服务管理、市场管理、销售管理及物流企业管理。通过整个CRM系统,不仅成功的对客户信息进行收集、分析、输出,同时将客户各种背景数据和动态数据收集整合在一起,同时将运营数据和外来市场数据经过整合、变换载进数据仓库。不仅重视怎样从技术上实现对大数据应用的过程,并且着重强调的是解决传统CRM的弊端,将大数据时代物流企业CRM所面临的问题在整个流程中进行解决。
2.大数据背景下第三方物流企业CRM应解决的问题
大数据论文范文3
近年来,随着互联网技术的发展,大数据越来越受到关注,其应用逐步渗透至多个行业,开启了全新的数据时代。数据是征信业务开展的基础资料,征信活动主要是围绕数据进行采集、整理、保存、加工,并最终向信息使用者提供。大数据不仅为征信业发展提供了极为丰富的数据信息资源,也改变了征信产品设计和生产理念,成为了未来征信业发展最重要的基石。我国征信业发展尚处于起步阶段,在大数据时代存在征信法律制度和业务规则不够完善、征信机构数据处理能力有待提高等问题。未来征信业面临的机遇和挑战并存,研究大数据时代征信业的发展具有重要意义。
大数据时代征信业面临的机遇和挑战
目前,对大数据无公认的定义,一般认为大数据是指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、并整理成为服务于经营决策的资讯。大数据的出现,使征信业发展面临的外部环境发生了巨大的变化。
(一)大数据时代征信业面临的机遇。
1.优化征信市场的格局。
随着征信机构市场化运营机制的确立,将会有更多信息资源优势的企业借助互联网、大数据等信息技术的创新进步,从征信业薄弱环节切入,通过服务创新或产品创新打破原有的征信市场格局。一是电商企业将组建征信机构。以阿里巴巴为例,其利用淘宝、天猫、支付宝平台上的行为数据和信用情况,建立成了涵盖数十万企业的数据库,具备了开展网络征信服务的基础和实力。二是金融机构建立征信机构。例如平安集团拟整合网贷信息、银行信贷信息、车辆违章信息等,建立金融数据挖掘中介机构。三是新型征信机构应运而生。一些大数据公司依靠技术手段,以电子商务、社交网络为平台,采集信息,提供信用信息服务,可能成为新型的征信机构。
2.推动征信业的转型升级。
大数据给征信业带来转型升级的历史机遇,未来的征信业将以智能数据分析系统为平台,利用大数据挖掘技术,支持征信业发展创新。大数据支持征信业升级和转型主要体现在二个方面。一方面大数据促成征信业建立全新的风险控制体制,向有效监管转型。大数据技术对客户信用信息进行深度挖掘,实时监控,防范潜在的信用风险。另一方面大数据支持征信机构向精细化管理转变。大数据的核心优势在于信息挖掘,精细化管理的首要条件是充分信息化,包括业务信息化和管理信息化。
3.促进征信业差异化竞争。
征信机构通过采用不同的数据来源,不同的数据处理方式,针对不同的客户,开发出不同的产品,满足不同层次客户的市场需求,实现差异化竞争。例如,金融机构对征信服务的需求将从单个借款主体的信用报告,扩展到运用信用信息拓展网络影响和金融服务渠道。P2P网络借贷、电商金融等业态需要借助信用信息共享防范风险,降低交易成本。
4.拓展征信数据来源。
大数据使征信数据来源呈现多元化、多层化和非结构化的特点,更加全面和真实地反映信息主体的信用情况。征信机构从在政府部门、金融机构等实体机构中采集信息,转向从互联网等虚拟世界中获取信息。在数据采集的广度和深度上,征信数据量将激增,采集包括证券数据、保险数据、商业信用数据、消费交易数据和公共事业缴费数据等,全面地覆盖与信息主体相关的各项因素。
(二)大数据时代征信业面临的挑战。
1.现有征信业务规则与大数据时代不匹配。我国有关征信业的法律法规的规制对象主要是传统金融领域,《征信业管理条例》及其配套制度初步构建了我国征信业的法律法规框架,但是《征信业管理条例》是否满足大数据时代征信业务的规则要求,尚未得到市场验证。目前,缺少对大数据时代征信活动的规范,如有关大数据采集、整理、保存、加工和处理的制度要求。因此,还需要进一步细化和完善征信业务规则,以更好促进大数据时代征信市场的发展。
2.征信业监管技术和水平需改进。大数据时代给征信业发展带来深刻影响,同时也对征信业监管提出了更高的要求。要适应大数据时代的征信监管需求,征信监管水平要能跟上大数据征信的发展水平,监管政策要符合大数据的基本规律,监管人员要具有适应大数据的知识和能力。在行业自律监管方面,我国行业监管尚未发育成熟,行业标准尚未统一,行业规范以及行业职业道德等内容尚未完善。
3.信息安全和隐私保护形势严峻。随着数据的进一步集中和数据量的急剧增长,对海量数据进行安全防护变得更加困难,数据的分布式处理也加大了数据泄露的风险,隐私保护和数据安全成为制约大数据发展的瓶颈。大数据时代下的征信业同时具有了大数据和征信两个特性,对隐私保护和数据安全的要求更高。
4.数据处理能力亟待提高。如何有效处理大数据,是大数据发挥作用的重要环节。益百利等大型征信机构在数据处理方面已经采取多层次数据挖掘等先进技术,利用私有云平台,对系统中海量数据进行处理和研发,减少主观判断,提高风险预测的准确性。但是目前我国征信机构发展起步较晚,缺少对数据处理的核心技术,导致数据分析结果不能够准确的识别个体或组织的行为。
5.硬件基础设施需要全面升级。过去征信机构存储征信数据主要是在本地建立数据库,大数据时代随着数据量呈几何级数的增加,征信机构硬件技术的发展已经跟不上数据容量的增长速度,数据存储面临较大压力。
大数据时代征信业发展的措施与建议
随着大数据时代的到来,未来征信业发展要从制度设计、技术进步、信息共享、监督管理、隐私保护等方面不断创新,促进征信业在大数据背景下的跨越式发展。
(一)建立符合大数据的征信法律制度和业务规则体系。现有的征信法律体系都是基于传统数据模式下制定的,难以满足大数据等新技术条件下征信业发展的制度需求。在征信业务开展过程中,大数据的收集使用可能涉及国家信息安全、企业商业秘密、公民隐私等,为了给大数据条件下征信业发展提供制度保障,需要从征信立法层面完善信息安全和数据管理的法律制度,明确大数据背景下数据采集、整理、加工、分析、使用的规则,确保大数据时代征信业发展有法可依。
(二)加强征信产品创新。随着可获得的数据量呈几何倍数的增加,征信机构通过深度挖掘和使用这些数据,就可以极大地拓展征信产品的种类,不仅能够提供信用报告查询等基础服务和产品,还可以提供其他综合性产品,满足社会各界的需求。从征信产品的满足层次高低的不同,可以分为宏观、中观和微观的征信产品。宏观层面,征信机构通过大数据分析可以对系统性、全局性的风险信息进行预测。中观层面,征信机构的海量数据包含大量时效性和政策含义都很强的信息,可以灵活多样地进行多维度组合分析。把这些信息整理和挖掘出来,建立对应的指数体系,有助于行业监管。微观层面,在信用主体(包括企业和个人)同意的前提下,征信机构可以提供每一个信用主体的信用报告、信用评分、身份验证、欺诈检测、风险预警、关联分析等多种数据服务。
(三)提高大数据技术处理能力。大数据价值的完整体现需要多种技术的协同。数据抽取与集成、数据分析以及数据解释,是大数据时代征信数据处理的三个重要环节,在数据处理过程中搜索引擎、云计算、数据挖掘等新技术使用必不可少。因此,征信机构要加大数据处理分析专业人才队伍的培养,同时要引进大数据处理的专业方法和工具,建立前瞻性的征信业务分析模型,更好的把握、预测市场和信息主体的行为。
(四)健全大数据信息共享机制。完善的大数据标准体系是推进数据共建共享的前提。目前,我国来自各行业、各渠道的数据标准存在差异,成为阻碍数据开放和共享的关键瓶颈。建议尽快统一标准和格式,以便进行规范化的数据融合,提升大数据的整合能力,打破资源部门间的信息孤岛,从而完善信息共享机制。
大数据论文范文4
满足客户服务个性化,选择多样化将成为机场未来的发展方向。根据大数据背景以及实现“智慧机场”的要求,国内外机场都做出了巨大的努力来提高机场与客户之间双赢的合作伙伴关系,客户帮助企业赢得竞争优势,机场为客户提供更周到的服务。北京首都国际机场T3航站楼和海口美兰国际机场分别设置KABA自助登机设备,使得旅客可以体验更加舒适的登机服务。深圳机场、德国慕尼黑机场完成机场智慧系统CDM上线试运行,使得航班准点率、旅客等待时间、累计航班延误等均有大幅减少,提高了乘机旅客对机场的满意度。广州白云机场“i3Q候机宝”的应用。南京禄口国际机场T2航站楼国内首次联合BIM的三维数字化技术实现独特的结构设计,探索在大数据时代下运用先进技术为客户提供了舒适的候机体验环境,提高客户的满意度。阿姆斯特丹史基浦国际机场以旅客为中心设计了行李智能管理系统大幅度提升了顾客满意度。英国伦敦盖特威克机场通过数据与现有IT移动式前台服务的整合、CDM系统的开发、彻底更新中断机制等提高了运营效率,改善了旅客服务。澳大利亚悉尼机场、多伦多机场、泰国机场联合IBM公司,建立一对一的在线营销活动[2]-[4]。
2、大数据时代下的机场客户价值模型
客户是企业生存发展的必需品,是给企业带来利益的关键所在。从消费方式、消费行为和消费特征等角度分析不同时期、不同类型的客户给企业带来的收益,即所谓的客户价值分析。机场作为一个开放型、服务型的大企业,机场客户价值涉及到机场自身、机场内相关服务行业、客户三者之间的价值,从机场自身来说,通过客户的乘机次数、场内消费情况等对客户进行级别划分,从而确定机场客户的价值,根据价值制定相应的服务方式。随着大数据时代的到来,机场客户数据呈现爆炸性增长,分析机场的客户价值就要从中挖掘出对机场有价值的数据,用于更好的为机场客户服务,提高客户对机场的忠诚度,实现机场客户长期合作关系。对于国内机场来说,机场客户价值包括当前价值、潜在价值以及客户的忠诚度。大数据时代下的客户价值分析不仅分析客户的当前价值,而且能够根据当前的消费行为,预测其以后的可能行为趋势。通过挖掘客户交易数据,借助预测模型,建立机场-旅客关系型营销体系。旅客对机场来说有两层关系,第一,旅客作为机场服务对象的客户价值,能够为机场带来直接效益的部分,通过对旅客购买行为的分析来提高客户满意度、客户忠诚度。第二,旅客与机场之间的关系价值,这为机场制定销售策略、满足旅客个性化服务奠定基础,能够挖掘旅客的发展潜力,建立旅客与机场间的长期关系,实现客户终生价值。机场客户关系管理如图1所示。传统企业客户价值的计算通常用消费时间间隔、消费频繁程度、消费额,这三个价值指标,然后根据计算结果对客户进行排序分类[5]。传统的RFM模型中R表示旅客最近一次的购买日据现今时间的天数;F表示旅客一段时间内购买该企业产品的次数;M代表旅客一段时间内购买该企业产品金额的总和。后来罗亮生等人根据机场自身要求和行业特点对这些指标进行调整,提出将L、R、F、M、C五个指标作为大数据时代下航空公司客户价值评价的参数[6]。我们通过对以上模型的分析,给出机场的客户价值分析RFTM模型:R表示客户在指定机场的最近乘机时间间隔;F表示旅客一段时间内的累积乘机次数;T表示客户在机场的平均滞留时间;M表示客户在机场的平均消费金额。这些指标能够反应旅客的乘机价值以及旅客忠诚度价值,对机场的客户细分有一定的指导作用。根据RFTM模型提取机场旅客数据库中的数据信息,计算出给定时间内每一个客户所属的客户群,根据这四项指标以及客户生命周期理论可以大致地将机场客户分为四种类型[6]:当前价值高且潜在价值高为“重要”客户,这类客户能够为机场带来巨大且稳定的效益,最适合发展长期关系;当前价值低而潜在价值高为“大”客户;当前价值高而潜在价值低为“中等”客户;当前价值低且潜在价值低为“小”客户。这对于机场常旅客管理策略发掘客户价值有很大的帮助,然而随着信息技术的发展,数据结构的变化,半结构化、非结构化数据增多,数据的爆炸性增长使得机场的数据挖掘和运用有所限制。结合机场的转型发展要求以及大数据技术的快速发展,本文从大数据支撑技术入手对机场的客户关系提出一种新的方式。
3、基于云技术的客户关系实施模式设计
大数据时代下机场客户关系的解决,需要依靠云技术进行实施。云技术是支撑大数据处理的核心技术之一,是一种基于互联网的计算方式,它以WEB浏览器为载体来提供软件与服务[7]。它的核心思想是统一管理和调度大量用网络连接的各种资源,构成一个计算资源池或数据池,向用户提供按需服务。用户加入到云平台中,不需要安装额外的软件就可以随时随地在可联网的手机或电脑终端上通过WEB浏览器根据自己的需要访问数据池中的云资源[8]。将云计算与机场CRM系统结合能够为机场的客户关系发展提供更广阔的发展空间,可以实现机场以及相关部门实时数据信息的整合,为旅客提供及时的信息与个性化服务。软件即服务(SaaS),平台即服务(PaaS)和基础设施即服务(IaaS)是目前云计算的三大服务模式。SaaS是一种依靠互联网提供软件服务的应用模式,SaaS提供商为企业的信息化运作提供平台,企业只需要根据自己的需求,自由选择,无需担心后期的维护等一系列服务。PaaS是一种将软件研发的平台或业务基础平台作为一种服务,能够为企业提供半定制化的中间件平台,如数据库、存储等,根据这个平添,企业可以开发自己的上层应用。IaaS基础设施服务提供商提供给客户对具体设施的利用,包括处理等。客户可以根据自己的需求对操作系统、存储空间、部分网络组建等进行更改。将机场CRM整合到云平台中,能够实现机场客户、数据资源随时且同步共享,减少数据等的维护费用,方便对未来客户的行为进行管理。在云技术架构下把机场所有数据的存储、操作系统、应用系统以及软件服务等视为资源,将其统一处理,通过客户端接口和云端来进行交易。客户通过接口进入云端之后,按照自己的需求获取任何已提供的服务。综上所述,机场的基于云平台的CRM系统可以这样来构想,主要分为云端和客户端。CRM客户端即WEB浏览器访问层,对所有客户开放,尤其是高价值的客户,客户通过接口访问云端的各种数据资源。云端采用分层结构的模式,第一层为服务器提供商,主要为SaaS软件服务提供商,机场选择适合自己的既能为旅客提供服务又能连接机场内部信息的双向平台。第二层工作主要为数据的挖掘与存储,包括旅客乘机行为、购票行为、滞留时间、累计消费等。通过云平台,与机场相关的行业可以向旅客推行自己的产品及服务,旅客随时可以享受到及时最新的消费信息。利用这种新型CRM系统为机场建立并维护旅客关系实现智慧转型提供新思路。
4、结语
大数据论文范文5
1.进行销售的精准策划当前数字出版企业的竞争十分激烈,推出新的产品会有一定的风险。数字出版生产商必须在推出产品前建立一定的品牌形象,以此来减少产品的风险,增加产品的市场竞争力。在大数据的背景下,数据具有很强的经济价值。理论指出,行动是一个人的意愿决定的,这个意愿是个人对社会行为的态度和社会反映。传统的营销方式仅仅关注消费者的话语表达,而从话语中不能深层次观察出受众的心理。利用大数据预测用户行为时,要详细了解消费者对事物的态度和消费意愿,关注消费者的心理诉求。对消费者进行数据分析,整合一定的碎片信息,通过相关计算得出消费者对消费物的态度。和传统的抽样调查相比,数字出版企业利用大数据能够十分准确地把握消费者的具体组成和各个阶段的心理需要,并重新调整经营手段,以此来阶段化调整数字出版各个阶段中的内容比重,针对性地提供服务,增加消费者的粘合度。《卫报》是英国第二大日报,是业界使用新技术的重要先锋,其网站设置了专门的数据频道。其总经理发表了《数字新闻读者的“大数据”蕴藏巨大价值》,认为“大数据”可应用在媒体行业中,消费者的“大数据”隐藏很大的价值,不少数据能够吸引受众,并为内容商带来利益。
2.针对消费者个性需要推出产品个性化贯穿于整个信息化过程中,大数据能够将数据推向一个个性化方向,“这种个性化是基于系统通过分析读者阅读行为、喜好,从而获得对用户需求的感知。每个读者获得专属于自己的书,就是这种个性化服务的一种典型体现。在技术意义上,这种模式是能够成为现实的。”针对消费者的个性化需求推出产品,消费者肯定会购买,当消费者对满足个性化的产品满意时,数字出版的内容也能实现其价值,整个企业能获得一定的进步。消费者接触各种营销推广信息时,消费者的情感态度、认知行为会发生一定的变化,对于这种变化,传统的小规模范围内的问卷调查无法获得准确的信息,根本做不到监测全部,大数据背景下的网络平台将发挥出巨大的作用。淘宝每天会遇到几亿用户,每个用户具有不同的爱好与特征,淘宝将消费者的信息搜集起来,进行大数据分析,根据消费者的个人需要再去投放最合适的个性化产品广告,从而达到淘宝销售传播的效果最大化。建设个性化的数字出版平台能够把消费者和出版的企业联系起来,这点在当今大数据时代具有很重要的意义:数字出版的个性化平台要和各种终端(手机、IPad)、社交媒体(微信、微博、论坛)进行无缝连接,促使消费者得到快捷的阅读和便利的分享体验。数字出版内容的个性化定制购买与在线支付紧密联系在一起,这样,消费者就能轻而易举地购买产品。个性化数字平台和数据分析商进行链接,实现消费者的体验需求。例如,对于收费电子书,可以提供部分章节让读者进行阅读,这些电子书能够在被阅读时随时评论和分享。当读者在阅读时,平台能够及时收集到数据,关注到读者的静态与动态,读者的年龄、性别、收入、学历、地点、工作、读完免费部分会不会购买后继章节、读者一般在一页上停留的时间长短等信息全部被搜集起来,通过综合信息来分析和判断用户的经验。对于具有语音交互功能的数字出版App,数字出版商可以联合智能手机、IPad等阅读端的触摸屏、麦克风来监测用户的使用时间和场景,利用监测数据来评定这个App的质量。
3.优化研发生产整体平台在现代数字出版企业管理过程中,数字出版产品自开始研发阶段,就由RDM(ResearchDevelop-mentManagement研发管理系统)进行管理,生产过程一般由ERP(EnterpriseResourcePlanning企业资源计划系统)和数字化制作工具管理,供应链由SCM(Supplychainmanagement供应链管理)进行管理。如果使用系统对整个产品研发生产整体流程进行分析,就类似于将整个研发生产的整体流程进行扩大分析,并抽取精华进行观察,这对优化整体流程,提高产品的质量与生产效率具有很大的意义。产品研发过程中,可以实时利用大数据一起来建设协同编纂平台,在这个平台当中,作者、生产商、编辑、校对、平台商等相关工作人员可以一起进行协同编纂,并进行协同,形成新的BPP(BusinessProcessPlatform企业业务流程平台)。在这个协同编纂平台中,作者、生产商、编辑、校对、平台商等相关工作人员在工作过程中产生大量的非结构化数据。利用大数据对这些非结构化数据进行分析,往往能发现文本中的常见错误、制作中的瓶颈、工作人员能力的欠缺等,相关工作人员从而可以在后继的工作过程中拾遗补缺,调整工作方法,采取措施进行应对。当今诸多消费者不愿付费阅读的问题也可能会被较好地解决。鉴于协同编纂的兴起,数字出版企业就能根据目标消费者阅读需求来开发数字产品,注意产品的设计者、生产商、编辑、校对、平台商等每个环节工作人员与消费者之间的互动情感,对消费者的反馈信息进行开发,反思协同编纂中哪些工作环节导致消费者付费意愿不高,促使开发消费者付费心理的问题在根本上得到重视,这样,消费者就会拥有付费的意愿。
4.国有数字出版媒体利用大数据做出表率我国的国有数字出版单位属于“事业性质,企业管理”,同样也受到大数据的影响。国有数字出版单位生产力的未来提升,必然和大数据的获取、释放紧密相关。西方的媒体、政府、公民三者实行“媒体-政府-公民”三足鼎力趋势,三者之间保持相对独立,媒体得不到政府的资金或数据支持。我国的国有数字出版单位来源于国有传统媒体,充当着党和政府的喉舌,比其他商业媒体容易获得大数据。国有数字出版单位在不违背保密原则的前提下,应该尽可能和政府保持沟通,获得一个议题的全部数据,分析相关性,并最后释放到产品生产,这样就能在和他国媒体、其他商业媒体的竞争中保持自身的优势。国有数字出版单位对数据的获取和释放有着一定的依赖度:国有数字出版单位依赖政府收集数据的程度,国有数字出版单位依赖政府释放大数据的程度。大数据时代,国有数字出版单位的力量想壮大,数据权限的获取和释放程度是很重要的方面,国有数字出版单位在优先利用大数据将自身产品做大做强时,也就为其他商业媒体做出了表率,提示了一定的经营路径。
二、未来大数据技术在数字出版中存在的缺陷与挑战
1.部以XML格式输出———该问题成为当前大数据技术中的重要难题。依托大数据,从庞大的非结构化数据中来揭示新的意义和关系,并实现精准生产和精准营销是当下数字出版面临大数据而努力的方向。只有完善的XML格式输出技术,未来的数字出版才能做到聚类分析、聚类融合、网络分析、数据集成、可视化分析等。
2.收集渠道闭塞搜集各种信息来完成大数据采集是数字出版未来的趋势,但目前的数字出版信息搜集仍存在一些缺点:数字出版产品在整个研发、生产、销售过程中还没有彻底完成信息化经营,整体搜集难度显得较大;数字出版的云存储平台根本不具备海量存储功能;数字出版中的内容商、平台商还没有完全转换成数据提供商,因此,他们无法及时获取数据;当前的数字出版产品无法记录消费者使用过程中的痕迹,因此即使数字出版中的内容商、平台商变成数据提供商,也无法记录数据。
3.高端数据分析人才极其匮乏对大数据进行分析,熟练运用Hadoop、MapRe-duce、分布式文件系统、并行计算框架等技术的人才十分缺乏,而很多高校的计算机和出版专业也没有专设数据分析研究方向来培养学生,这也直接导致数字出版领域的高端数据人才匮乏不堪。
大数据论文范文6
(1)从数据规模上说,项目型组织在项目管理创新中所能利用的数据规模之大超出了传统认知的范畴。一是自项目型组织成立开始,就不断地积累着与项目相关的各种信息和数据;二是随着相关制度的完善,大量与项目型组织及项目相关的数据通过政府信息平台得以公开;三是遍于媒体和网络中各类相关数据和信息。所有这些信息加起来,成为项目型组织进行项目管理创新中可待开发的无尽财富。
(2)从数据来源和结构的角度看,大数据具有多源异构特征。多源性体现在项目管理创新涉及的数据不仅来自于项目型组织和项目本身,还可能来自于政府相关部门、其他组织和网络媒体;异构性一方面体现在数据的表现形式,项目管理创新中的数据不仅以电子形式存在,还可能以纸质或音像制品等其他形式存在,另一方面,从使用的角度看,数据不仅包括可以直接使用的结构化数据,还包括海量的需要进一步处理的半结构化数据和非结构化数据。
(3)从数据的动态性角度看,不论是项目型组织、项目本身还是外部相关数据都处于一个不断积累的过程中。对这些新的数据流的实时处理,为项目管理创新的持续提升和改进提供了可能。
综上所述,大数据成为当前项目管理创新的基本背景。大数据之“大”,对于项目型组织开展项目管理创新具有如下影响:
(1)大数据的存在扩展了项目型组织可利用的资源和条件的范围,使得项目型组织能够在一个更广泛的组织生态中开展创新工作。
(2)大数据决定了项目管理创新是数据驱动的,大数据的存在使得项目型组织开展项目管理创新决策更为科学,数据分析结果成为创新方案决策和评估创新绩效的核心依据。
(3)大数据要求项目型组织在组织文化及工作流程等方面做出相应改变,以适应新背景下项目管理创新的要求。一方面大数据之“大”,要求项目型组织变革创新思维方式,从动态的视角出发,基于动态的数据收集和分析结果做出决策;另一方面,在大数据背景下,创新的中心不再仅仅是流程、知识或者技术,而是数据和基于数据分析的发现,这就要求项目型组织必须重视项目管理创新中的数据问题。
2传统项目管理创新与大数据下的项目管理创新比较
项目管理创新的传统模式,主要是基于工程实践、问题驱动的探索式创新。这种模式从特定的工程实践管理问题出发,借助组织知识和专家智慧,利用定性分析或定性与定量相结合的方法,找到解决问题的途径,实现项目管理创新。近年来较有影响力的项目管理创新,如苏通大桥工程项目的综合集成管理、京沪高速铁路工程的标准化管理等,就是这类创新的典型代表。由于探索式创新往往是针对一类特定的工程,使得同类工程项目,能够在已有探索式创新的基础上,通过非本质性的修正,解决本工程面临的管理实践问题,从而形成传统模式的一种衍生模式,即借鉴式创新。但借鉴式创新往往重在形式而非本质,所以鲜有成功案例。例如在京沪高速铁路工程的标准化管理创新取得成功后,大量高速铁路项目乃至公路项目都竞相模仿,但从实际效果看,并不如预期那么理想。大数据下的项目管理创新,则与传统模式有本质不同。传统项目管理创新犹如“池塘捕鱼”,而大数据下的项目管理创新则如同“大海捕鱼”。此处的“池塘”和“大海”指的是创新的环境和条件,“鱼”代表的是可能存在的项目管理创新选择,而“捕鱼”的过程即是实现项目管理创新的方法和路径。环境和条件的变化,必然影响到可能的实现途径和结果。因此,从“池塘”到“大海”的变化,决定着传统项目管理创新和大数据下的项目管理创新存在着诸多本质性的区别。
2.1创新环境和条件的区别
传统项目管理创新的基本背景是“池塘”,“池塘”意味着有限的生态,即创新是围绕着组织知识、专家智慧等少数项目型组织自身可能拥有的资源展开的,资源的有限性限制了实现创新的手段和方法。大数据下的项目管理创新,其基本背景是“大海”,“大海”在某种程度上意味着资源的无限性,大数据下的项目管理创新不仅依赖于项目型组织,还可借助于更为广泛的组织生态中的资源,从而为创新提供了更为有利的条件。
2.2驱动因素、创新方式和路径的区别
传统项目管理创新是问题驱动的,项目型组织领导、管理专家等在“池塘”所提供的资源条件下,应用德尔菲法、头脑风暴法、决策树法等定性或定性定量相结合的方法,自上而下地找到一种创新的方案。而大数据背景下,创新不仅可能是出于问题驱动,同时也可能是基于数据,更多情况下是二者的结合,即提出问题,然后借助于数据确定问题。考虑到数据的共享性,在大数据背景下,可以通过更广泛参与的形式实现项目管理创新。一方面,项目型组织的领导及专家,借助于专业人员对数据的分析处理,形成初选方案,另一方面,项目型组织中其他人员也可以在数据平台下开展研究和分析,提供备选方案,甚至还可以通过一定程度的数据公开,如同众包类网站那样,寻求网友提供的解决方案,从而形成项目管理创新备选方案集。从创新路径来看,大数据背景下的项目管理创新,不再仅仅是自上而下的,而且还可以是自下而上,甚至是网络化的协同方式。在大数据时代,数据是项目管理创新中最重要的要素,而数据分析方法则是寻求创新的核心问题。目前常见的云计算、数据分析等,尽管也可以用于传统项目管理创新问题,但在大数据背景下,这一问题的应用广度和深度完全不同。
2.3创新结果及成功关键因素的区别
传统项目管理创新中,受创新背景、条件和手段的限制,可能获得的创新方案是有限的,并且最终创新方案能否获得成功,关键在于资源约束下专家知识的应用。在大数据背景下,创新方案存在更多的可能性,并且最终创新方案决策主要取决于数据分析的结果以及项目型组织对结果的解读;创新方案在实践中是否成功,关键在于数据的可得性和数据分析结果及解读的准确性。基于以上分析,传统项目管理创新与基于大数据的项目管理创新的区别如表1所示。
3基于大数据的项目管理创新模型
大数据是项目管理创新的核心要素,而数据处理过程则是大数据问题的关键。相关领域的研究表明,数据处理过程与创新过程存在一种耦合关系,因此,围绕着创新过程中的数据问题,本文建立了基于大数据的项目管理创新模型。
3.1数据获取与创新问题界定
在项目开始,项目型组织首先要确定是否要进行项目管理创新。这一决策涉及的关键问题是数据的获取问题。借助于BIM技术,将项目的主要技术数据以二维或三维方式呈现出来;借助数据转换技术,将现有的其他形式的数据转化为电子化信息;借助各类信息检索技术,利用搜索引擎等搜集媒体上公开的相关数据。基于获得的这些数据,项目型组织评估是否要进行创新以及能否创新。一旦做出肯定的回答,则需借助于数据,根据项目型组织管理层及专家知识确定项目管理创新问题。问题的界定通常包括两个阶段:一是大致确定需要创新的范围或领域;二是借助于初步的定性数据分析,明确界定创新问题。
3.2数据处理分析与创新方案决策
这一阶段,主要是项目管理创新方案决策,而创新方案的形成和决策则取决于数据处理和分析。项目型组织获取的各类数据,需要进一步的处理,首先需要将大量半结构化数据和非结构化数据,通过数据整合和数据提炼,转化为可用于分析的结构化数据,形成项目管理创新的数据平台。然后由专业分析人员应用云计算、数据挖掘技术、统计分析等分析技术,找到项目管理创新问题范畴内,各类数据之间的关联模型,通过数据分析发现可能影响创新成功或失败的关键因素,提炼出项目管理创新中的核心问题。项目管理创新一般涉及到大量的问题,而数据处理的结果,因数据的可得性、数据人员的专业能力、使用的数据处理方法以及对分析结果的解读的不同而有所差异,并进而可能影响到项目管理创新方案的科学性和合理性。通过共享数据平台信息,项目型组织可以在不同层面、不同维度上获得项目管理创新方案,一是项目型组织领导或专家,自上而下地根据数据分析结果形成项目管理创新方案,二是由项目型组织工作人员,根据数据分析结果自下而上地形成项目管理创新方案,三是可以通过项目型组织外部人员,利用网络渠道收集数据共享平台形成的方案,最终构成项目管理创新方案集。根据数据处理分析的结果,对备选项目创新管理方案进行再验证,包括形成方案的依据的合理性和科学性、预测方案实施成功的概率、以及可能取得的效果,从而择优选择创新方案。
3.3动态数据与创新方案实施
创新方案在项目生命周期内实施,随着项目的进展,一方面项目实施方面的数据在积累,另一方面,创新方式实施绩效的数据也在积累,这两类数据经过收集、处理过程,成为数据共享平台的一部分,并为项目创新方案的实施绩效评价提供依据。同时动态数据的分析结果,有助于项目创新方案的动态优化。从而确保方案不是一个静态的过程,而是随着项目的进展而处于持续改进的过程之中。
3.4新一轮数据收集和分析过程与创新方案的提升
基于大数据的项目管理创新方案,始终经历着数据分析结果的检验,借助数据收集和分析,应用于其他类似项目中去,因而可能避免借鉴式创新带来的困境。通过对新的项目的相关数据的收集和进一步分析结果,可以恰当的方式对原有项目管理创新方案进行修正,从而在某种程度上实现项目管理创新方案的提升。
4大数据下项目管理创新实施建议
为使基于大数据的项目管理创新模型在项目实践中具有可操作性,提出如下建议:
(1)项目型组织应着手进行企业文化和决策机制方面的改革。努力建立一种与大数据管理创新相适应的广泛参与的企业文化,将以往基于组织领导者意图或专家知识的决策转化为数据驱动的决策,以数据分析结果作为决策和评价的基础。
(2)以信息化建设为中心,优化设计组织结构。项目型组织宜在传统的职能型或矩阵制组织结构中增加专门的信息部门,用以收集、处理和分析数据,为项目管理创新及其他组织业务提供支持,同时加强信息部门与业务部门、外界的配合与合作,尽可能完善地获取数据和信息;以信息化为中心重新组织工作流程,实现从业务部门、项目型组织到组织生态等不同层次的数据过程的贯通。