前言：中文期刊网精心挑选了大数据时代的认识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。
大数据时代的认识范文1
网络技术的创造和发展对我们现在生活的影响与变革无处不在，并且逐渐延伸到人们思想深处。“e”这个代表着时尚与前沿的字母，已经不仅是一件漂亮的外衣，而且更是开启管理智慧、变革管理思想和提升管理水平的“精灵”可以看到，近来带上“e”的 HR研讨会、文章以及其他的信息收到了HR从业者及每一个职业经理人格外的关注和青睐。但在”e-HR”里，这个“e”究竟代表这什么？“e”的核心理念与价值是什么？中国企业如何以及何时会实现HR的“e”化？带着这些问题我通过资料了解几家HR软件开发与企业和一些相关HR从业者。
“e-HR”，是新时代下人力资源管理的趋势，网络技术的成熟与运用是基础，ERP、CRM、SCM以及ASP等概念的出现和具体实施是其存在和发展的大环境，而对于人力资本开发和增值的迫切性是其终极原因，原因在于人力资源是企业经营诸要素中的第一位资源，技术和资金相对于人力资源已经退居其次。“e-HR”不仅使企业的人力资源管理自动化，实F了与财务流、物流、供应链、客户关系管理等系统的关联和一体化，而且整合了企业内外人力资源和资源与企业的人力资本经营相匹配，使HR从业者真正成为企业的战略性经营伙伴。
SAP人力资源管理系统的开发经理曹勇博士认为“e-HR”的e体现在一下三个方面：1.基于互联网的人力资源管理流程化与自动化。2.实现人力资源管理的B2B。3.实现人力资源管理的B2C。显然，对于中国企业的经营状况和环境来说，人力资源的“e”化还有一段漫长的路要走，当然不乏一些国内的跨国大企业和优秀企业已经完成了“e-HR”。分析我国要达到完全成熟的“e-HR”需要的环境和条件，我认为还需要以下几点：1.企业与管理者对现代人力资源管理的意识和普遍重视。2.软件的发展和上下游企业的繁荣发展是“e-HR”基础中的基础。3.有一大批适合企业经营需要的人力资源管理从业者。4.政府的宏观人力资源开发环境和系统成熟。5.人力资源服务提供商市场成熟，人力资源管理每个环节都有成熟的HR服务提供商。6.对人力资源管理不断改革、总结和研究是人力资源不断向前发展的思想源泉。
“e-HR”并不是将人力资源简单的电脑化和将人力资源资料简单信息化，从架构上来看“e-HR”是ERP的一个模块，但也可以说是一个独立但可以和ERP相容的小信息系统。一旦导入“e-HR”每位员工都能轻易的经由内部网络取得人力资源的信息与服务，甚至还可以上网更新自己的认识资料，提高了人力资源使用效率和更新速度。“e-HR”的使用者大致可分为“管理层”与“一般员工”两大类，例如某公司的“e-HR”桌面设计如下：
以上仅是举例，如导入的“e-HR”功能越多，桌面越丰富。而且每家公司对人力资源需求不同，桌面也不同。
“e-HR”好处多多，它颠覆了传统的人力资源管理，是人力资源管理呈现了不一样的作业形态。总体而言使用“e-HR”可以突破时间限制随时提供HR服务，可以突破空间限制随地、随时提供HR服务不分国内国外，可以突破人数限值可以多人同时操作系统维护数据，缩短作业时间，可以节省人力资源管理的直接成本与间接成本，使用电脑和网络可以提供更方便更准确的数据和服务。
大数据时代的认识范文2
关键词：大数据信息时代；人力资源管理；变革；思考
中D分类号：F272.92 文献识别码：A 文章编号：1001-828X（2017）003-0-01
前言
信息技术发展突飞猛进，成为推动社会生产力发展的巨大动因。大数据的概念已经悄然渗透到人们生产和生活的方方面面。企业应当把握大数据时代的有利契机，积极进行人力资源管理的大数据改革，敞开怀抱拥抱这场人力资源管理的变革。而企业管理者如何利用大数据去实现企业的自我管理和自我完善革新，是摆在面前的一个重要课题。
一、大数据对企业人力资源管理工作的影响
总理在2017年政府工作报告中指出，数字经济时代已经来临，数字经济和数字家庭是我国今后经济发展的目标之一。数字时代尤其是大数据时代，机遇和挑战并存，企业如果能将生产经营和大数据有机结合，企业势必借势发展，反则企业发展将会受阻。通过利用大数据，企业内部的各种数据转变为可以比较、量化的数据，通过数据发现问题，进而有针对性的对企业人力资源管理工作进行优化[1]。
大数据时代，对企业来说无疑面临着巨大的挑战，面临更高的要求，同时也给企业的管理带来了机遇。大数据可以促进产业结构的创新和改革，还会对企业的管理工作、企业未来发展战略的定位产生一定影响，所以说大数据具有一定的技术价值。因此，企业要进一步保证人力资源信息的数据化管理，可以引进数据在资源管理中发挥主导性作用，在企业发展过程中借助大数据改革人力资源管理工作。同时大数据也是一把双刃剑，一定程度上存在企业与员工信息被泄密的风险。大数据并不是一成不变的，企业内部与外部的变化会引起人力资源管理的变化。在这种环境下，加强人力资源管理工作离不开数据管理的高度负责，加强和重视数据的过滤和选择，确定最高效有力的管理策略。
二、企业人力资源管理在大数据时代暴漏的问题
1.部分企业管理者思想认识不到位
通常情况下，观念的革新和进步首当其冲的影响着改革和创新活动，要想保证管理模式等方面的创新和发展离不开先进的观念来进行指导。传统的人力资源管理理念落后，造成人力资源管理很难获得创新与发展。人力资源管理者对大数据的概念认识不足，不能接受并应用新事物，是导致人力资源管理举步维艰的重要原因。
2.处于人力资源管理支配地位的制度较为滞后
处于人力资源管理支配地位的制度较为滞后，跟不上大数据时展的需要。在人力资源管理的过程中仍旧采用传统的管理方式，对员工采取控制和管理的方式，忽视了“以人为本”的理念，这种管理方式具有明显的缺陷性[2]。
3.企业人才资源培训和继续教育较为滞后
不可否认，随着科学技术的飞速发展，生产力水平获得极大提高，无论在培养人才的速度还是培养效率方面，都获得极大提高。但是当今社会，企业间的竞争更加剧烈，对人才需求的缺口越来越大。大数据时代人力资源人才的培养远远不能满足人才的需求，成为阻碍人力资源管理创新的因素之一。
三、企业人力资源管理在大数据时代背景下的对策
1.构建大数据与人力资源规划体系：事实+数据
企业人力资源管理的最终目标是指导和把握企业的发展情况，主要的任务是预测人员的需求情况，分析企业的员工流动情况。处于大数据时代背景，企业人力资源管理工作主要是通过收集和掌握企业的员工的数据情况，建立相关的结构化和非结构化的数据库，进而分析每位员工的基础、能力、效率和潜在数据，从而对员工的流动性、员工的情况作出全面的分析[3]。如此以来，对员工的情况及时做出预判，有利于企业从容应对人力资源管理工作。以“事实+数据”的形式确定工作方案和计划有利于对员工的数据进行统计和分析。
2.提升大数据与人才招聘配置：网络+数据
企业在大数据时代背景下发展主要依靠智力资源，也就是说，人才资源是推动未来企业发展的重要因素。在人力资源招聘中，企业要善于利用大数据，加大人才引进的数据化，数字挖掘分析人才资源的相关情况，提高对人才的使用效率。新型的社交网络拥有庞大的数据群体，且涵盖了个人多方面的信息，招聘者可以直接了解到应聘人员的基本信息以及详细信息，甚至包括其爱好和性格特征，以及相关的隐私数据。社交网络的迅速发展，为企业人才招聘工作拓宽了渠道。企业的人力资源招聘者借助数据库，以自己人才的需求目标为条件进行搜索和甄别，提高人才甄选的效率和成功率[4]。从另一方面来说，借助大数据对人才的搜索和甄别，可以屏蔽人才招聘者的行为，充分提高招聘质量，节约招聘成本，并大大提高了招聘的效率。
3.建立大数据与员工考核机制：多元化+数据
传统的人才评价方式主要依靠领导者的主观判断，或者仅仅依靠少量的数据记录，评判标准有失公允。但是，大数据时代，完善的数据考核机制和胜任力分析工具有效避免这一缺陷。企业可借助大数据的分析和应用，全面分析员工各方面的工作绩效，有利于公平评价员工的能力，提高员工工作的积极性和有效性。另一方面，借助大数据这一交流平台，员工可进行有效的交流和讨论。通过民主评议和电子投票的方式，提高员工的参与度，增加考核透明化，提升员工对企业的忠诚度。
四、结语
综上所述，大数据时代对于整个国家、社会、企业的影响力不言而喻。对于企业，大数据推动了企业的创新性变革，促进了企业的调整和战略升级。作为企业的管理者乃至企业的人力资源管理者，要具有大数据的眼光，实现人力资源管理工作的创新与变革，是完善人力资源管理体系，提高企业核心竞争力的重要手段。
参考文献：
[1]和云，安星，薛竞.大数据时代企业人力资源管理变革的思考[J].经济研究参考，2014，63：26-32.
[2]李越恒.企业人力资源管理基于大数据的“挖掘”[J].人力资源管理，2015，02：8-10.
大数据时代的认识范文3
关键词：大数据；大学生；社会责任消费行为
中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2017）08-0004-02
随着社会的发展，科学技术的不断进步，推动了信息技术的发展，被广泛地应用到了各个领域当中，从而产生了越来越多的信息数据，使当前社会进入到了大数据时代。这些数据的产生为社会的发展起到了重要帮助，其中就包括了对社会责任消费行为的影响。但是在我国当前阶段中，人们对这一内容的了解程度还不是很高，很多人员都未听说过这一概念。因此，对基于大数据时代下的大学生社会责任消费行为进行研究具有重要意义，不仅可以使人们更好地对这一概念进行了解，而且能够唤醒人们的社会责任意识，为社会的发展提供了重要帮助。
1概念介绍
1.1大数据
当前阶段中，虽然大数据的定义有很多，但依然未形成统一的认可，在我国，对大数据的定义为：内容非常庞大，种类非常繁多的数据。以宏观的层面来说，可以将大数据看作是一个纽带，将现实、物理世界以及虚拟网络连接起来，利用数据的形式，将各种各样的信息表现出来，如人们需要对这些数据进行应用时，可以利用计算机、移动设备等将信息导出，为人们的生活与工作提供了便捷。大数据发展到了今天，具有以下四个特点：第一个特点就是大量化的特点（Volume），也就是说其数量非常的多，这也是其最主要的一个特点。；第二个特点是多样化的特点（Variety），也就是说大数据的体现形式有很多种，从结构上来看，其包括了两种类型，一种为结构化数据，这一部分数据可以有效地通过数据库二维逻辑表现出来，另一种为非结构化数据，这一部分数据包括了很多，有影像、文档、日志、图片等多种形式，其中非结构化数据占的比重较多，几乎达到了总数据量的80%；第三个特点就是快速化得特点（Velocity），不论是数据的形成过程，还是数据的传递过程，都相当的迅速；最后一个特点为价值（Value）密度低的特点，虽然大数据的数量较多，但其中大多数都是无用的数据，有用的只是占据很小的一部分。通过这些大数据，可以准确的获得大学生消费的一些信息，通过对这些信息的分析，推断出大学生社会责任感的实际情况。
1.2社会责任消费行为
在19世纪末与20世纪出，就出现了社会责任消费行为这一词语，然而在词语出现的早期，人们缺乏对这一概念的认识程度，未对相关内容进行研究，直到上世纪80年代中期，Web-ster才开始进行研究，对具有社会责任消费意识的群体进行了定义：这类人群在消费的过程中，在保证自己消费正常的基础上，能够对社会进行一定的考虑，避免自身的消费对社会发展造成一定影响。在这一定义当中，虽然未体现出社会责任消费行为的概念与定义，但是该定义的提出，为之后社会责任消费行研究打下了良好基础。在此基础上之上，相关学者对其进行了更加深入的研究，其中Roberts认为，人们在消费的过程中，不同的社会责任消费行，会对社会的发展带来不同的影响，其中积极作用较多，负面的作用较少。对大学生责任消费行为的研究，可以更好地对我国当前大学生的社会责任管进行了解，并通过了解的情况来进一步提升大学生的价值观与理想观，从而推动我国社会更好的发展。
2大学生社会责任消费行为调查
大学生经过了12年的学习之后，不仅知识水平较高，而且对于新理念的接受能力较强，因此，成为了计算机、移动设备的主要使用群体，正是这一因素的影响，使大学生成为了大数据的主要来源。据相关数据显示，截至2015年6月，我国网民中大学生群体的占比最高，在24%以上。同时，由于大学生接受了高等级的教育，与普通人群相比，思维与思想上会存在很大的变化，特别是在追求个性与自由的方面。受到这两个因素的影响，在我国之后消费市场发展的过程中，大学生将会占据最主要的地位。因此，研究大数据时代下大学生社会责任消费行为非常的重要。
3调查结果分析
通过对网络当中对不同层次的大学生进行调查，可以得到以下几个结果：1）当前阶段，存在一种新型的营销方式，即善因营销，这一营销方式是在营销的过程中，更多的重视营销当中产生了公益性，而将利益放置到了次要位置上，这样不仅使企业建立更好的形象，而且对社会的发展起到了积极的影响。在大学生消费的过程中，很多大学生与善因营销具有相同的理念，对同一种类商品进行选择时，更愿意选择善因营销的商品；2）在社会责任消费行为当中，可以将其分为四个层次，分别为经济、法律、伦理与慈善，大学生消费的过程中，70%以上人员都会对企业的这些责任进行观察，在商品性能、价格基本相同的前提下，更喜欢选择按照这些责任运行的企业生产的商品。并且，对于责任而言，也具有一定的轻重程度，企业达到了慈善与伦理的责任，大学生会更加的倾向；3）对于企业滥用童工的现象，大多数学生消费时未考虑这一问题。但对于其他一些不良行，如对环境造成了严重破坏，出F恶意欺骗等问题时，大多数大学生都表示反对，不愿意购买该企业生产的产品；4）大学生消费的过程中，具有较高的节能环保意识，对商品选择时，首先需要对这一方面进行考虑；5）大学生消费的过程中，65%左右的人员都能够对一些废物进行回收或利用，如每次购物时，都会自备购物袋，并在购物袋损坏之后，将其放置到正确的处理场所；6）在生活消费当中，将近70%的大学生在日常生活当中，选择能耗低、污染小的交通工具或电气设备。另外还有20%的人有表示无所谓，认为这种消费行为可有可无；7）大学生消费的过程中，如在资金不充足的情况下，大多数大学生都会选择网络金融贷款的方式获得资金，对商品进行购买。
大数据时代的认识范文4
关键词：大数据时代；战略人力资源；管理
中图分类号：C93文献标识码： A
一、战略性人力资源管理的概念
战略性人力资源管理体系就是指在公司战略框架下对人力资源进行管理、使用、维护、开发以及监测，为的就是创造协同价值、达到企业战略目标的一种方法体系。其中包括战略性组织管理体系、战略性人力管理理念、战略性工作管理体系、战略性薪酬管理体系、战略性人力资源配置体系、战略性绩效管理体系、战略性人才培养体系以及战略性培训教育体系等。战略性人力资源管理的核心职能包括四个方面，分别是人力资源的开发、人力资源的评价、人力资源的配置以及人力资源的激励。通过这四个核心职能来构建科学有效的“招人、用人、育人以及留人”的人力资源管理机制。战略性人力资源配置的核心任务是在公司的战略性目标的基础上来配置人力资源，根据定员标准来对人力资源进行实时动态的调整，引进一些满足要求的战略性人才，对现在的人员进行合理的职位调整以及职位优化，建成有效的人员退出机制，以达到输出那些不满足公司要求的人员。战略性人力资源开发的核心任务在于对公司现有的人员进行有序的系统的开发和培养，以提高他们的素质和质量，来达到公司的战略性要求。
二、人力资源管理中的大数据
1、原始数据：记录员工基本信息
所谓原始数据，主要是指那些能够真实反映员工自身素质的被数字化的“个人信息”。这些数据信息，就像是记录员工成长轨迹的时间轴，忠实的记录了员工各方面的原始能力情况，真实反映员工的个人素质，能够在人才招聘的过程中，给予人力资源管理部门提供客观的参考。具体而言，这类数据包括个人的基本信息，如年龄、学历信息、专业、基本技术技能水平、岗位工作时间、工作年限、岗位级别、班组、现任职务等。
2、能力数据：再现员工受训情况
原始数据记录的是员工从事劳动之前已经产生的，能够反映自身能力、素质的原始信息。这些数据能够在一定程度上反映出员工在进入新岗位之前的能力水平，但是却无法体现员工的动手能力，或者说无法准确反映出员工在当前阶段的实践能力。这种实践能力的获知，需要人力资源管理部门掌握能够对员工的劳动能力进行量化分析的能力数据。具体地说，包括员工培训经历、接受专业培训课程的时长、培训考核情况、解决问题时的效率、参与竞赛结果、奖惩情况等等。能力数据能够在人力资源管理部门考核员工的岗前培训效果等环节发挥巨大的作用，有助于让人力资源管理部门客观地了解员工的学习效果。
3、效率数据：展现员工工作效果
人力资源管理工作，除了员工招聘、进行工作考核外，了解员工入职后的工作情况，针对相关的情况制定人力资源的培训计划也是十分重要的内容。为准确了解员工日常的工作效率，科学地制定人力资源培训计划，人力资源管理部门需要了解能够客观反映员工工作效率的有关数据，这类数据主要包括工作任务完成效率、单项任务完成时间，甚至是坏件率、故障率等。
4、潜力数据：预示员工发展前途
在人力资源管理工作中，适时为企业发掘优秀人才也是一项十分重要的任务。要很好地完成这样一项任务，人力资源管理部门就需要考核能够反映员工发展潜力的潜力数据。这些潜力数据主要是指那些能够比较客观地反映出员工劳动效率的提升和劳动效果的提高，以及能够比较客观地反映员工劳动能力呈现出持续增长状态的数据，例如工作效率提升率、收入涨幅水平、职称提升频率、业绩提升率等。
三、人力资源管理大数据的挖掘
1、尊重事实基础上搜集
人才招聘是人力资源管理的第一步，要在这一环节便充分发挥“大数据”的价值，需要我们在日常工作中注意全面、广泛地搜集员工的各项真实数据信息。这些信息既包括员工所提交的各类个人资料所反映出的原始资料信息，也包括与这些信息相关联的，基于科学分析基础上得到的一些综合数据。这就要求人力资源部门的工作人员秉着“事无巨细”的原则，将所有可能搜集到的信息全部进行数据化处理，在意识上强化数据的全面性和广泛性，避免因主观判断而导致数据的遗漏或弱化。
2、预见性地积累数据
人力资源部门每天会面对各种各样的报表、大量的人员简历及统计数据，这些信息有助于做出更加理性的决策。传统的人力资源管理系统主要关注于人力资源规划、绩效、薪酬、招聘、培训及员工关系6大模块，随着不断地推广应用，这些模块也得到了日趋完善。如果说，传统人力资源管理是对人力资本的现状进行管控，那么，进行人力资源的规划与预测则是现代人力资源管理的一项重要职能。目前的信息管理系统，在预测企业未来的人力资源走势，预判员工的成长曲线、离职倾向等方面十分困难。借鉴“大数据”理念，结合企业自身发展战略目标和实际情况，从现有数据入手，制定科学、合理的大数据战略规划，不断汇集、整理、分析和挖掘各项人事业务及组织人事信息，不断探索人力资源管理系统的大数据管理，加强各类职能业务关系，用数据提升我们的管理“智慧”。
3、拓展获取信息的渠道
目前在高等教育中所流行的大规模网络公开课(MOOC)的教育模式可为企业的人力资源管理工作提供借鉴。MOOC是一种新兴在线学习平台，它一方面在更大范围内为有学习需求的人们提供了获取知识的机会，另一方面通过这个汇聚了众多学习者在平台上学习、使用，从而收集到更多学习者的行为数据，通过对群体行为的数据分析、找出规律，打造更好的在线平台，提高学习效率。企业可以利用在线培训，分析得出职工的培训需求，进而使培训工作变得更有针对性；开展在线能力测评，借助员工的业务能力、职场适应力、抗压力等各方面的评估结果，为职工本人提供有利建议，并应用于培训、选拔等多个环节。
利用大数据提升现代人力资源管理工作的效率，简单的说就是将人力资源管理工作的每一步都建立在对客观数据分析的基础上。通过对相关数据的分析和整理，为人力资源管理工作的开展提供数据依据，并根据数据结果科学制定人力资源管理策略，包括为推动人力资源管理工作持续进步而进行分析和预测。目前在大数据的应用过程中，大数据人才的紧缺是一个世界范围内的共性问题，为破解大数据时代的人才瓶颈，各国也正着手加快大数据相关人才的培养工作。在积极开展专业人才培养的同时，我们也看到了令大多数普通人感到高兴的趋势：一些全球顶尖的信息技术公司正致力于让对大数据的利用更多地走入寻常百姓生活。微软全球高级副总裁、大中华区董事长兼首席执行官贺乐斌表示：“微软大数据愿景是，希望基于标准化的产品，使所有人都能够在任何时间、任何地点利用数据，并更好地做出决策。任何人，只要他需要针对业务或日常生活做决策，就能够获取数据，并有工具帮他把这些数据变成有意义的数据，然后基于这些数据做出更好的决策而不需要其他人为他专门准备这些数据。”
结束语
综上所述，在现代经济快速发展，社会不断进步，经济全球化发展，传统的人力资源已经无法满足现在的经济发展。在传统的人力资源管理的基础之上，战略性的人力资源管理占人力资源管理的主导地位。市场竞争日益激烈，企业之间竞争的核心其实就是人才之间的竞争。
参考文献
[1]高艳.战略性人力资源管理[J].中国人力资源开发，2009（11）
大数据时代的认识范文5
【关键字】大数据；云存储；资源柜；资源共享
一、研究背景
国家教育信息化十年发展规划（2011-2020年）、国家中长期教育改革和发展规划纲要（2010-2020年）在推进数字化校园建设中都提出要“建立优质数字教育资源和共建共享环境”，高校也纷纷加强数字教育资源及其平台的建设与采购，数字教育资源建设受到越来越广泛的重视，以网络为载体的海量数字教育资源也成指数级增长，它们为学生由单一的课堂教学转变成多种网络教学平台支撑下的数字化学习模式提供了基础保障。随着信息技术的快速发展，大数据时代对未来学习的理想模式提出了新的要求，泛在学习已逐渐成为下一代数字化学习的重要发展方向。但是目前各种教育资源的研究主要集中在师生如何从互联网海量的资源中快速、准确的发现资源，而对之后资源的存储、阅读及后期的学习并没有过多的关注和研究，即难以满足目前泛在学习所要求的教育资源的永久性、可获取性、即时性及交互性等。
二、当前数字教育资源存储模式的不足分析
大数据时代下学生可获取的海量数字教育资源在表现形式上、存储格式上多样化，如各类文献资源、电子书籍、视频资源、动画类资源或是网页等，但这些资源受制于通信、传递和传播的物理距离以及信息集成商对资源的垄断，来源方式多种。如电子书籍、文献等资源主要以单位图书馆集中购买后建设数字图书馆，通过限定在局域网络内为本单位用户服务的管理模式；视频、动画等多媒体资源主要以单位集中采购、网络搜集或是教师自建后架构多个资源平台的模式为本单位用户服务的管理模式。这些各单位独立采购搭建来提供服务的传统管理模式只能服务于本地用户，数字教育资源的共享程度受制于人力、物力、财力和资源数量等，大数据的优势也无法体现。因此为进一步促进资源共建共享的广度与深度，各高校在原有的区域教学资源联盟的基础上利用各种云计算等新技术对大资源平台建设进行了深入的研究，使得学生可以跨平台、跨地域获取更大范围的数字教育资源。
现行或当前在研的教育资源存储模式下师生获取数字教育资源普遍采用登录平台将所需的资源下载后存储至本地客户机或是转移至存储设备、网络存储上；阅读时读者再从存贮了资源的存储设备或网络存储上将资源复制迁移全客户机并借助于客户机提供的对应阅读软件进行学习。并无学习资源柜的概念。学习者学习时受制于地理位置和机器对象。无法满足随时随地的移动泛在式的学习，学习效率不高。在资源保存上如果采用客户机和存储设备的保存方式遭遇硬件故障等意外情况会造成数据的丢失；如果采用将其存放到如FTP空间、网盘等网络存储上的模式，服务器故障会造成服务中断甚至数据的丢失，并且由于当前网络存储只提供简单的目录管理功能，随着学习过程的不断累积，资源的不断获取，资源文件数量与大小急剧增长，存储和管理也越来越混乱，学习效率低。
三、基于云存储的个人云资源柜的模型设计与实现
面对大数据时代下这些数量庞大、形式丰富的数字化教育资源，构建一个基于云存储的、提供高效安全管理等功能的个人云资源柜，将为解决海量数字教育资源获取后存储、学习过程中出现的问题、提高学生的学习效率提出了一个新的解决思路。
1 云存储
云存储是为了适应存储和管理当前数据呈TB级速度增长的海量数据，通过集群应用、网格技术和分布式文件系统等技术，将网络中大量各种不同类型的存储设备通过虚拟化技术共同对外提供数据存储和业务访问功能的系统，是云计算的延伸与发展。与以往存储方式不同的是云存储并非是一个硬件设备意义上的云，它融合了网络设备、存储设备、服务器、应用程序、公共访问接口、接入网和客户端程序，为用户提供存储和数据访问服务。通过服务提供商提供的云存储服务，用户无需考虑存储设备的型号、磁盘的容量和类型，也无需考虑具体采用何种接口和传输协议及存储和服务器之问的连接电缆等，即可快速建立自己的数据中心并将本地数据部署至网络存储，所有的授权用户通过连接互联网的终端设备即可连接至云存储并访问上面的数据。
2 个人云资源柜服务模型构建
随着为信息提供载体服务的互联网络计算设备正以各种方式渗透到人们的生活中，人们也对信息服务提供的便捷、连贯性提出了进一步的要求。因此构建的个人云资源柜的目标是：在计算和通信无所不在的基础上，面对多种终端设备的用户能够随时随地便捷的存储和获取所需的学习资料，进而连贯地学习以获得知识。通过分析目前数字教育资源的流转过程和各类资源平台的特点，结合云存储服务的特性，构建面向服务的层次化体系结构的个人云资源柜（如图1），以满足学生在急剧增长的海量教育资源的学习需要，自上而下由应用访问层、管理层和存储层等构成。
应用访问层是直接面对用户的层，任何一个获得授权的用户（教师、学生、单位、厂商、管理员等），借助接入互联网的终端设备（如PC、手机、移动多媒体等）就可以在任何时间、任何地点通过浏览器或客户端接入服务。普通用户注册申请个人云资源柜或是经统一身份认证后进入个人的云资源柜，实现资源订阅服务、文件目录的管理、个人资源库的管理、个人共享资源的管理、资源导航服务及资源的学习等。管理员拥有包含资源、用户、权限、监测、统计、资源推送服务等的管理。在应用服务层预留了标准化的API接口，为各种教育资源平台（如文献资源库平台、视频点播平台、课件资源平台等）的接入提供了支持，为个人云资源柜的用户提供了海量资源的导航。
应用访问层是直接面对用户的层，任何一个获得授权的用户（教师、学生、单位、厂商、管理员等），借助接入互联网的终端设备（如PC、手机、移动多媒体等）就可以在任何时间、任何地点通过浏览器或客户端接入服务。普通用户注册申请个人云资源柜或是经统一身份认证后进入个人的云资源柜，实现资源订阅服务、文件目录的管理、个人资源库的管理、个人共享资源的管理、资源导航服务及资源的学习等。管理员拥有包含资源、用户、权限、监测、统计、资源推送服务等的管理。在应用服务层预留了标准化的API接口，为各种教育资源平台（如文献资源库平台、视频点播平台、课件资源平台等）的接入提供了支持，为个人云资源柜的用户提供了海量资源的导航。
管理层是个人云资源柜云存储的核心层，实现了底层的存储设备与上层应用的无缝连接。通过集群系统、分布式文件系统及网格计算等技术，实现云存储中的各个存储设备间诸如存储监控、调度、副本管理等的协同工作；利用内容、P2P技术实现数据的与传输，利用数据压缩技术、数据比对技术实现冗余数据的删减，为用户提供更大更强更好的数据访问性能；利用各种数据各份、数据加密、数据容灾技术来保障教育资源数据的自身安全和服务的稳定。
存储层是个人云资源柜云存储的硬件层，用户所关心的个人云资源柜的资源和支撑各种资源平台的海量学习资源（如：文献资源、视频资源、课件资源、电子书、专题学习和其他资源）就存储在其中。该层是云存储最基础的部分，为整个云存储系统提供基本的网络环境、物理存储资源和逻辑存储资源，它是由FC光纤通道存储设备、NAS和iSCSI等IP存储设备或SCSI、SAS等DAS存储设备云存储组成的海量数据池。系统中的存储设备大部分由分散在不同地域的现有的存储设备通过广域网、互联网、光纤等将其连接整合形成，运用统一的存储设备管理系统将不同型号的存储设备虚拟化整合成有机兼容的整体，实现存储设备的虚拟化集中管理，以及硬件的状态监控、故障维护和管理软件的升级。
3 个人云资源柜的服务实现过程
对于用户来说使用个人云资源柜服务主要侧重于海量数据的上传存储及资源的读取下载。鉴于存储在个人云资源柜上的数字资源种类繁多、大小不一等特点，个人云资源柜在架构上采用大量廉价的服务器以Hadoop的具有高容错、可伸缩和廉价存储等优点的HDFS（Hadoop Distributed File System）方案组成存储设备实现数据的存储。HDFS采用主从式架构对大文件的存储读取具有较好的支撑，但山于NameNode内存开销等问题对以海量小文件为主的数字资源地存储和读取支持并不理想，因此在个人云资源柜的服务实现过程中将对其做进一步的改进以提高性能（如图2），其中CabServer端完成与客户端的交互、内部小文件的判断合并及与HDFS端的文件读取存储等交互工作。
资源存储过程：首先用户通过身份认证后进入个人云资源柜，根据资源性质建立资源所属学科种类后向服务器端发送请求并提交本地资源的路径，在CabServer端由Webserver接受存储请求并判断是否小于阀值（小于阀值认定为小文件），大文件通过HDFS客户端将其存储至HDFS，小文件则以时间为维度将各种时间靠近的小文件合并并生成标记小文件和大文件的对应索引Cablndex，HDFS客户端将大文件信息发送给HDFS端，HDFS的NameNode根据DataNode节点信息借助HDFS客户端中的大文件传输模块将数据块传输至指定的DataNode位置，传输成功后，发送成功标志tags给CabServer，完成Cablndex数据的文件映射、偏移等信息的更新，最后给用户一个存储成功的通知。
资源读取过程：首先用户通过身份认证后进入个人云资源柜，在资源柜目录中选择目标资料后，CabServer端的Webserver接受资源读取请求并确认目标是否大文件，大文件通过HDFS客户端从HDFS中的NameNode确定DataNode的ID后获取目标资源，小文件则查询CabServer端的Cablndex信息，获取该小文件的文件偏移位置及该组文件在NameNode中映射位置，最终从HDFS端中J下确的DataNode数据节点获取数据信息并返回给用户。
个人云资源柜除了为用户提供一个移动的电子书柜实现资源与本地读取存储交互外，还可作为各类部署在云计算平台上的资源平台的补充模块，学生通过统一身份认证后从资源统一搜索模块中搜索资源，即可将对接在资源平台上所需的资源勾选加入至自己的个人云资源柜中；学生将个人云资源柜的资源设置共享后，各类教育资源平台也可将其扩充至资源库中，实现资源的共享。
四、实验效果评价
实验采用6台主频为2.27GHz，内存为4G，硬盘为500G的Fujistu RX300的机器，其中I台为NameNode，5台为DataNode。每台机器安装Ubuntu10.10的操作系统，部署的Hadoop版本为1.0，Java版本为JDKl.6，网络环境是百兆以太网来构建云存储环境。
依照实验测试结果，分别对传统资源模式与个人云资源柜模式下从移动学习效果、使用管理、资源安全可靠性、存储可扩展性能等多个方面进行了比较（如表1）。学习效果上，较传统资源模式，个人云资源柜学习模式下资源一次获取后就终身享有并支持随时随地的阅读；同时由于资源在云端的存储不会由于客户端硬件损坏而导致资源丢失，由于云存储的冗余可靠性也不会由于资源平台硬件损坏造成的服务中断导致学生无法学习；并且云存储的可扩展性也很好地满足了海量资源对数据空间的需求。
个人云资源柜中在实际运行中将采用几百台数据节点构建的云存储环境为用户服务，通过云存储的各种技术保证个人云资源柜服务的连续性，并支持学生可随时随地与个人云资源柜交互进行移动的泛在学习，所以在性能测试中将着重关注个人云资源柜上存储、读取文件的速度。图3显示了个人云资源柜中改进的HDFS方法与传统HDFS方法在随小义件数据量逐渐增大下数据随机读取耗时的对比，实验对比结果表明改进的HDFS算法具有较好的性能。在数据的写入上，传统HDFS模式下存储约1280000个小文件耗时11.7，而采用了将小文件合并成了大文件的算法对于NameNode与DataNode的交互次数极大的遏制，写入耗时5.1小时，速度得到较为明显的提升。
大数据时代的认识范文6
【关键词】大数据 个人征信 机遇与挑战
我国个人征信系统自2006年1月实现全国联网以来，在化解信贷风险和推动社会信用体系建设等方面发挥了重要的作用。然而近几年随着互联网技术的发展，大数据时代的到来，传统的征信模式已经不能满足市场的需要，一种新的征信方式――大数据征信走进人们的视野。大数据征信是将大数据技术应用于征信业务，能够极大提升信用信息的采集维度和处理效率。随着2015年8张互联网个人征信公司牌照的申报验收，我国的个人征信业务正式迈入大数据征信的新阶段。采用大数据征信模式，一方面使我国个人征信行业在非金融领域信息的获取、信用产品的应用等方面面临新的发展机遇；另一方面我国个人征信业务起步较晚，相关法律制度和市场监管体系建设还不完善，大数据技术在我国个人征信业务中的应用又会面临诸多挑战。本文以大数据征信为出发点，分析大数据时代我国个人征信面临的机遇与挑战，并对个人征信业务今后在我国的发展提出一定的政策建议。
一、大数据时代我国个人征信发展的机遇
（一）征信数据的来源广泛
与传统征信模式相比，大数据时代个人征信数据的来源广泛而多样。就征信对象而言，截至2015年4月底，央行征信中心有效覆盖了8.6亿自然人的信息，而其中有信贷记录的自然人仅为3.61亿人。而我国目前已有7亿网民，其中使用移动互联网的网民达到5亿，移动支付前景广阔，在大数据时代利用互联网平台能够有效扩大征信对象的范围，从横向上增加征信数据的范围，是对目前央行征信系统很好的补充。就征信数据的内容而言，大数据征信收集的数据除传统个人征信依靠的信贷信息和部分公共信息，还包括征信对象的消费、社交及网络行为等信息，其获取的数据具有海量性、实时性、结构复杂等特征，通过对数据进行深入挖掘，可以从多个维度对主体的信用状况进行综合评价，在纵向上增加了征信数据的广泛性。
（二）征信市场的发展多元化
央行的个人征信系统基本覆盖全国的传统信贷市场，是我国个人征信体系的基础。但随着经济社会的发展，央行征信系统提供的产品与服务已不能满足某些企业的定制性产品需求，大数据时代的个人征信市场处公共征信机构外，还要有民营的市场第三方机构作为有力补充，2015年八家开展个人征信业务准备工作机构名单的公布标志着我国个人征信市场打破了政府主导的局面，开始进入多元化的发展阶段。市场第三方征信机构重点服务于中下游市场，在这8家入选个人征信试点的机构中，有以互联网企业为背景的，也有以金融机构和传统征信机构为背景的，各家机构依据各自的优势充分发挥自身特长。2015年，我国个人征信行业潜在市场规模为1623.6亿元，而实际市场规模仅为151.4亿元，个人征信市场成长空间巨大。未来，随着行业的进一步开放，更多的机构会进入个人征信行业，个人征信市场将会呈现更加多元化的发展。
（三）征信产品的应用场景多样
与传统征信产品的种类和应用相比，大数据时代个人征信机构将会提供满足不同需求的多样化征信产品和服务，如各种评分、信用报告、反欺诈服务及其他增值服务等。随着信审效率的提高和用户体验的增加、征信业务执行方及授信模式的变化，征信产品的应用场景将会不断扩展。除金融领域外，个人征信产品可用于租房、快速安检等多个生活场景，以及通过征信产品对客户进行行为研究、精准营销、画像等拓展性应用。以芝麻信用为例，其将客户的信用历史、行为偏好、履约能力、身份特质及人脉关系信息进行加工、整理、计算后得出信用评分，即芝麻分，分数越高代表信用水平越好，可应用的场景越丰富。目前芝麻分已经能够在购物、金融、出行、住宿等多个场景中应用。
二、大数据时代我国个人征信面临的挑战
（一）信息主体的权益保护
大数据时代个人征信的核心是信息的收集与整理。利用互联网技术能够收集到大量复杂且多样的数据，这些数据涵盖信息主体在信贷、购物、社交等多个领域的活动，对某些敏感信息的采集可能会侵犯信息主体的隐私权。同时，个人征信所需的数据除征信机构自身积累的数据外，还有部分来自于社交平台或电商平台提供的数据，以及来自于信用主体自身提交的数据。在这些数据的获取中，要有效解决信息主体对数据使用的知情权问题。此外，大数据征信高度依赖于互联网技术，对网络信息的安全性提出了较高的要求。而一旦信息被泄露或信息主体权益被侵犯，采取何种途径进行有效救济也是个人征信所面临的挑战。
（二）信用评价的准确性
在大数据征信模式下，将收集的数据划分维度并赋予相应权重的信用评价技术是个人征信机构竞争力的核心，也决定着对个人信用评价的准确性。目前我国还未建立信息共享平台和统一数据标准，个人征信机构获取的数据源不同，处理数据时各自有所侧重，评价指标各有不同，可能无法对主体的信用状况作出全面准确的评价。此外，个人征信行业并没有统一的信用评分标准，首次获得批准筹备的8家民营个人征信机构在打分范围上各有不同，如芝麻信用的打分范围是350-950，前海征信和考拉征信的打分范围是300-850，而华道征信的打分上限则为1000分，各家机构之间无法进行横向比较，不易通过各种征信产品综合判断主体信用状况。同时，随着经济社会环境的发展变化，各种评分模型应不断在实践中被验证、调整和丰富，提高信用评价的准确性。
