前言：中文期刊网精心挑选了大数据时代的优缺点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。
大数据时代的优缺点范文1
信息时代下的互联网迅速发展，同时也给人们的生活带来了很大变化，而且逐渐的大数据渗透到人们日常生活的各个角落，与此同时，企业对于人才资源的管理也会被影响。大数据对于很多企业来说是一种数据和管理上的变革，在今后的发展中，怎么顺应时代的发展潮流，如何把数据建设以及企业人力资源相结合，以及怎么样高效利用大数据做好人力资源管理的改革和创新都是目前的一个重要难题。
一、企业人力资源管理工作受大数据的影响
1、大数据在人力资源管理中的应用
大数据时代的到来不仅对人们的生活带来了影响，其本身蕴藏着的能量也对企业的改革和创新都带来了影响。大数据实际上是一种多元化、增长迅速、信息海量的数据信息对多元化信息的处理和应对能力。大数据时代是在互联网的基础上产生的，数据信息是其主要的特点。在不同领域中，对于大数据的应用也表现出不一样的特点，尤其是在人力资源管理的领域内，大数据被运用在“人”与“事”数据管理的采纳和处理上，同时也是企业的管理者做出人力资源管理决策的依据。
2、企业人力资源管理工作受大数据的影响
在这个知识时代下，随着新时代的到来，企业的经营以及管理数据都跟信息技术相结合到一起，同时在这个时代下，人力资源管理工作也受到了很大的技术以及思想冲击[1]。对于一个企业来说，好的管理技术不仅能够为企业培养出好的人才，而且对于企业的办事效率和提高员工的工作积极性都有良好的推动作用，进而推进企业的发展。大数据在企业管理中的应用可以通过对数据进行整理和分析，对企业的岗位和人员变化及时的了解，同时也对员工的个人情况掌握清楚，之后方便企业的决策者根据数据做出人力资源决策，有效的提高工作的科学性。但是大数据对于企业的人力资源来说也是一种挑战，因为在企业的管理过程中，需要依据很多的数据才能做出决策，所以如果数据受到影响，那么就可能会泄露企业的人力资源管理信息，影响企业管理工作的展开。所以，我们应该将人力资源的安全管理和信息结合在一起，运用数据能够精准的作出决定；另外一点，还要加强数据的安全管理，建立健全安全防御机制，保证数据的安全性。
二、企业人力资源管理在大数据时代下存在不足
1、管理思想比较落后
信息技术迅速发展的同时也是大数据时代即将到来的一种标志。但是一些企业的管理思想跟不上时代的脚步，人力资源管理方面没有一个健全的能够反应员工信息的系统。人力资源管理思想落后的几个主要表现如下：第一，人员的招聘主要依据是离职人数，对于人员每年的离职率和离职情况没有一个健全的系统做相关的数据记录，也没有对人员做好相关的培训，所以，这种管理方式也导致了人力资源管理的工作比较懒散，没有大局意识，无法保证企业能够招聘到合适的专业人才；第二，之前的管理方式对员工的生活关注度不够，没有掌握员工自身的优缺点，无法有针对性的对员工进行培训，导致了企?I员工无法将自身的职业规划和企业发展前景联系到一起。员工在工作的过程中也出现懒散、缺乏追求、盲目工作的状况[2]。
2、管理方式比较落后
新的数据时代的到来，对于企业来说尤其是对员工的管理工作带来了很大的冲击和挑战，但是在管理体制的影响之下，人力资源管理的工作也很难展开，因此在人力资源管理的过程中也无法获得有用的数据。大数据时代背景下，对于人力资源管理的体系比较落后，主要表现在以下几个方面：第一，企业聘请员工的方式和培训的方式都存在缺陷；第二，企业中的人力资源部门缺乏对员工成长和相关工作信息的系统管理，缺少系统的信息管理和检索体系；第三，无法有效的分析好企业发展的内外部状况，无法根据外界环境的变化做出企业职位的创新与改革，因此在大数据时代下，想要提高员工的专业化水平十分困难。
3、管理模式的创新存在困难
在这个数据时代背景下，知识更新的速度也越来越快，这也导致了人才的更新速度不断加快，这对于旧的管理模式来说是一种极大的挑战。但是受传统的管理模式的影响，人力资源就是负责招聘，所以想要完成人力资源管理模式的创新比较困难，想要培养有特色的人才，建立新的招聘方式也是一种具有难度的工作。
三、大数据时代背景下优化企业人力资源管理的方法
1、改变人力资源管理的思想
想要一个企业的发展跟上时代的脚步，企业对于人力资源管理的改革就必须要做到与时代相适应，在对时代的发展有了一定的掌握之后，将人力资源管理域数据信息结合起来，同时，实现人力资源管理模式创新的一大主要途径就是改变人力资源管理者的管理思想[3]。为实现人力资源思想的更新，我们需要注意以下几个方面：第一，企业的人力资源管理者要掌握大数据的发展方向，跟上时代的步伐，对大数据的特点进行掌握，对原有的管理思想做出改变，适应新的时代管理模式，做到从全局对人力资源进行管理。第二，员工要做到与时俱进，适应大数据时代的发展，方便企业人力资源管理工作的进一步展开。所以人力资源的管理者一定要掌握好大数据的发展信息，之后将信息传递给员工，提高员工的信息理念；第三，建立健全信息采集、整合的机制，对数据进行分析之后得出企业人力资源管理的现状，之后做出人力资源规划，从多个方面调动员工的工作积极性。
2、健全人力资源管理的体系
企业在数据迅速发展的环境下，内部的管理逐渐发生了变化，企业能否根据数据的变化及时的做出管理体系上的创新和调整，这将关系到企业未来发展的方向和成败。所以，在这个大数据时代下，对人力资源的管理体系进行创新十分重要，体系的创新主要可以从以下几个方面进行：第一，加大企业员工的培训和聘请力度。人力资源的管理部门和管理者应该对每一个员工的情况都有一个详细的掌握，了解企业的发展前景与员工的职业规划是否相符合，除此之外，人力资源部门需要对员工的优缺点做好记录，有针对性的对员工进行培训，帮助员工和企业共同进步和发展；第二，建立健全企业的人力资源管理体系和管理配置，员工的信息包括员工每一年的考核状况、出勤情况、认知情况等，我们建立的信息管理机制能够全面的对员工的信息进行掌握和记录；第三，在这信息发展迅速的大数据时代背景下，企业为了在新的发展形势下取得成绩，就要加强对员工岗位的开发，比如：设置数据信息管理岗位以及数据信息安全管理岗位，确保企业信息的安全。
3、改革人力资源管理的方式
静态管理的传统人力资源管理方式已经无法适应新的时代潮流，无法及时的反馈员工和企业的相关信息。因此，在大数据时代下要对人力资源管理的方式做出及时的改革和创新[4]。优化管理方式主要可以从以下两个方面着手：首先，建立健全动态管理机制，对人力资源信息进行优化管理，对员工的信息以及所在岗位的匹配程度进行关注；其次，建立一个健全的具有特色的信息检索体系，因为一个企业的发展与人才息息相关，同时特色人才也是一个企业发展的动力，针对这些特殊的人才，管理部门一定要做好信息采集和整理，关注员工的成长和发展，并且有针对性的为其提供发展机会和条件，进而推动企业的迅速长远发展。
大数据时代的优缺点范文2
大数据技术的发展又离不开数据挖掘，那。。。
什么是数据挖掘？
数据挖掘（英语：Data mining），又译为资料探勘、数据采矿。它是数据库知识发现（英语：Knowledge-Discovery in Databases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。
数据挖掘如此重要，如何进行数据挖掘呢？当然是知识！
知识将成为比数据更重要的资产
复旦大学计算机科学与技术学院教授肖仰华博士在他近期所作的《知识图谱与认知智能》报告中指出：前几年大数据时代到来的时候，大家都说“得数据者得天下”。去年，微软研究院的沈向阳博士曾经说过“懂语言者得天下”。而我曾经论述过，机器要懂语言，背景知识不可或缺。因此，在这个意义下，将是“得知识者得天下”。如果说数据是石油，那么知识就好比是石油的萃取物。
那么问题来了？你需要哪些知识？
数据挖掘是个复杂的过程，它需要统计学、数据库、机器学习、模式识别等多学科的交叉融合来实现。
数据挖掘过程中用到的算法也很多，下图是对这些算法的一个总体梳理：
接下来我们就来说说这传说中的十大经典算法：
决策树（C4.5算法)
聚类（K-means算法）
关联规则（Apriori算法）
随机森林算法
逻辑回归
SVM
朴素贝叶斯
K最近邻算法
Adaboost 算法
神经网络
篇幅有限，为了保证阅读质量，本文只讲解前三个。其余的算法讲解会不定期更新的呦，想学习的小伙伴看过来???
十大经典算法图解（一）
01
决策树（C4.5算法）
决策树（Decision Tree），又称为判定树，是数据挖掘技术中的一种重要的分类方法，它是一种以树结构（包括二叉树和多叉树）形式来表达的预测分析模型。
根据一些特征（ feature ）进行分类，每个节点提一个问题，通过判断，将数据分为若干类，再继续提问。这些问题是根据已有数据学习出来的，再投入新数据的时候，就可以根据这棵树上的问题，将数据划分到合适的叶子上。
决策树生长算法流程（以C4.5算法为例）：
C4.5算法实例图解：
两周内的天气及网球俱乐部顾客光顾情况
02
聚类（K-means算法）
什么是聚类？
什么是K-means？
K-means算法流程图解：
Setp1：确定初始质心
Setp2：计算距离&划分簇
Setp3：迭代计算中心点
Setp4：收敛
03
关联规则（Apriori算法）
关联规则是形如XY的蕴涵式，其中， X和Y分别称为关联规则的先导(antecedent或left-hand-side， LHS)和后继(consequent或right-hand-side， RHS) 。其中，关联规则XY，存在支持度和信任度。
关联规则经典算法及优缺点比较：
Apriori算法是种最有影响的挖掘布尔关联规则频繁项集的算法。它的核心是基于两阶段频集思想的递推算法，该关联规则在分类上属于单维、单层、布尔关联规则。
在Apriori算法中，寻找最大项目集(频繁项集)的基本思想是：算法须要对数据集进行多步处理。
Apriori算法图解：
1.产生频繁项集
大数据时代的优缺点范文3
1.大数据背景下引起新的教学观念转变
随着大数据越来越多被应用到教学上，我们必将迎来教学观念的大幅转变。传统的课上老师授课、课下学生练习，由考试来检查教学成效的教学观念会慢慢转变成学生在线自主学习。有条件的高教可以大数据背景下，老师的转变在于从原有的教学经验转变成对海量教学案例进行数据分析；学生的转变在于从依赖老师传授知识转变成对自身学习过程的数据分析。
2.大数据背景下引发新的研究生教学模式
研究生教育和本科生教育不大相同，研究生更有自律性，学习目的更加明确，因此十分适合自主学习这种方式。有条件的高校可以建立E-learning学习环境，用Blackboard教学平台、Moodle等开源学习系统，形成一个协作的虚拟学习社区或学习共同体，学生可以自由安排在线学习的时间和地点，随时进行在线作业和测验，合理提高学习效率。同时，研究生都是小班教学，这更利于学生和老师之间进行良好的交流，在交流中发现更多的问题并有效的解决。这种教学模式无疑更加科学化，效率化。
3.大数据促进个性化教育
当学生经过本科的基础学科教育，跨入更高一级研究生教育后，个体差异慢慢凸显出来。大数据背景为学生创造了更好的个性化教育平台，在师资和教学资源都相对比较缺乏的研究生教学中，使因材施教得以顺利实行。学生在线学习的所有数据被后台记录下来，老师通过大数据分析可以轻易知道每个学生的优缺点，再来调整教学进度，找出适合每个学生不同的学习模式。
4.大数据背景下统计学研究生培养改革
要顺应大数据背景下，对统计人才的新的要求，这就需要我们要全面衡量统计研究生课程的设置，做出适当的改革。首先必须将大数据相关课程纳入培养体系，开设大数据时代具有挑战性的内容相关课程包括理论与实践相结合的内容，引导学生关注大数据发展前沿，为了和本科生的教学有区别，可以适当采用一些优秀的英文原版教材。统计专业的研究生不但要有娴熟的理论知识还必须要有搜集整理数据的能力，数据分析的能力，运用统计软件的能力以及撰写分析报告的能力。因此大数据所需的专业人才不能从一个专业的角度来培养，要从数学，计算机等相关的专业来联合培养复合型专业人才。其次在理论教学部分要增加如何处理数据这一核心内容，目前很多大数据算法例如链接算法，K-means等本科阶段没有学到的专业算法必须在研究生阶段学习的。理论部分的教学除了大数据相关内容，还必须拓宽到相关交叉性的学科，包括数据挖掘、人工智能、数据可视化工具、NewSQL数据库等课程。除此之外还需要重点讲授典型的大数据实用案例，例如美国梅西百货的实时定价机制。根据需求和库存的情况，该公司基于SAS的系统对多达7300万种货品进行实时调价。再例如某知名快餐业的视频分析。该公司通过视频分析等候队列的长度，然后自动变化电子菜单显示的内容。如果队列较长，则显示可以快速供给的食物;如果队列较短，则显示那些利润较高但准备时间相对长的食品。对研究生教学绝不能拘泥于理论教学，更需要把学生置于真实的大数据环境中进行实战培养。统计学院应率先建立大数据实验室，给研究生良好的学习平台，并让学生参与项目并提供一定的奖学金资助。目前不少高校已经和相关企业签订校企联合培养计划，如2015年4月18日，亚信集团、北京航空航天大学与慧科教育集团开展大数据人才培养战略合作计划，将“产学研用”为一体的创新人才培养模式扩展至企业人才再教育领域，助力企业内部大数据人才队伍建设。这样构建以课堂、实验室和社会实践多元化的立体教育教学体系值得地方高校学习借鉴。
5.结束语
统计研究生的教育更标志着统计学教育的一个新高度。作为地方高校统计专业教师，应该顺应大数据浪潮，强化大数据意识，形成大数据思维，转变研究生培养观念，建立新的研究生教学模式，因材施教，找到每个研究生相符合的教学平台和方式，培养出精通统计，理论与实践兼备的更多的复合型专业人才。
作者:杨炜明 廖书 单位:重庆工商大学
参考文献：
[1]游士兵,张佩,姚雪梅.大数据对统计学的挑战和机遇.珞珈管理评论,2013:165-171.
[2]吴启富.我国统计学专业研究生培养问题探析.才智,2013:21.
大数据时代的优缺点范文4
如此年轻的企业是怎样在群雄逐鹿的年代笑看风云的？带着疑问记者来到深圳，采访了深圳市博源电子商务有限公司、聚分享大数据综合平台创始人蒲济。
大数据，实现政府与社会资源合作
《经济》：在《聚分享：移动互联网时代的创新资源共享》一文中，您提到要利用大数据综合平台实现政府与社会资源的合作。请问在这方面，聚分享是如何操作的，具体体现在哪些方面？
蒲济：利用大数据综合平台实现政府与社会资金合作的关键点，在于通过大数据处理系统及大数据运营分析实现资源的高效调度，主要体现在以下3个方面。
在线资源分享平台的搭建。建设一个在线的资源分享平台，将社会散乱资源及政府资源进行整合对接，提高资源分配效率。
基于社会服务体系，打造新型社区服务硬件。简单理解便是，政府出资源，统筹社会资源的投入及指导建设，大数据综合平台作为一个最重要的沟通桥梁，提供信息收集和分析。
通用身份标识。大数据综合平台为每一个用户分配唯一的ID，用此ID可在聚分享体系内开展消费活动，比如说飞机延误，银行排队，都能够在聚分享的后台迅速反映出来，为国家大数据的研究提供准确可实施的数据。同时，个人档案将能全面反映用户的行为习惯，包括民生、服务、诉求等，由此便能有效地引导社会公共服务资金花在最有需要的人身上。
互联网金融，挑战与机遇共存
《经济》：互联网和金融两者互相渗透补充，发展空间很大，但各自也存在发展的优缺点，您是如何看待这种挑战和机遇并存的现象？
蒲济：我认为，挑战与机遇永远是共存的关系。2015年3月，总理在政府工作报告中首次提出“互联网+”行动计划。该行动计划本义就是利用信息通讯技术，推动互联网与各行业结合，当然金融行业也在其中，希望通过新的结合，能在新领域上创造一种新的生态。
任何经济和金融的创新都与风险相随。当今各种金融的创新模式，其实是降低传统金融行业的不对称性，提高金融信息的有效性，使得金融的可靠性、便利性、及时性大大提高。这增加了互联网市场的广度和深度。当然，互联网金融多样化发展的复杂性和多变性，也涉及社会安定和风险。互联网金融和传统金融，各有优缺点，互联网金融尚存在监管、风控等问题，而传统金融则存在缺乏用户体验、业务效率低等痼疾。解决的方法就是互联网与金融行业互通有无，取长补短，相互融合，让传统金融行业融入互联网思维、提高用户体验；而互联网金融加强风控等问题，才是双赢的局面。互联网与金融行业、与传统行业结合，通过合作与竞争，融合与升级，才是持续健康发展之道。
互联网金融，信用信息亟待加强
《经济》：如何实现金融行业间的信用信息建设、加强行业自律？
蒲济：金融在我国一直是一个较封闭，并受到严格监管的行业。互联网金融由于其开放性，对传统的金融监管方法形成了较大挑战，互联网金融的信用信息建设亟待加强。一要积极开展互联网金融领域立法研究，适时出台相关管理规章，营造有利于互联网金融发展的良好制度环境。二要加强互联网金融行业标准的研究，设立专业化互联网金融研究机构，鼓励建设互联网金融信息交流平台，探索互联网金融的重要数据共享机制。三要推动信用基础设施建设。支持大数据存储、网络与信息安全维护等技术领域在互联网金融的基础设施建设；鼓励互联网金融第三方信用机构的发展，依法建立信用信息共享平台；推动符合条件的企业接入金融信用信息基础数据库，支持具备资质的信用中介组织开展互联网企业信用评级；增强市场信息透明度。鼓励会计、审计、法律、咨询等中介服务机构为互联网企业提供相关专业服务。
《经济》：如何看待互联网金融的法制化建设？企业又是如何充分实现信息共享的可靠性和安全性？
蒲济：在“互联网+”高速发展的时代，数据已成为企业最重要的资产之一，但哪些信息可以使用，哪些信息不能公开，信息的合规获取方式有哪些，目前还没有统一标准的规章制度可循。因而，信息法制化建设亟需加强，通过立法，规划相关互联网行业的经营行为，降低经营风险，纠正可能的创业创新错误。
信息法制化建设有两方面的问题要重视：一要重视信息的隐私性，保证客户个人信息不得非法泄露。二要提供一定的共享性，对非敏感信息，经过一定的处理后，以大数据的形式共享出来，为互联网金融等新产业的发展提供重要支撑。
企业加强信息共享的安全性和可靠性，有如下工作可做：一要加强信息安全制度建设，规范信息的管理、保密和流程，并配以专业的信息安全管理人员和团队，责任落实。二要采用高安全的信息使用、管理技术，例如加强网络安全软硬件，采用可信计算技术等，尽可能防止数据被黑客及内部人员非法获取、修改。三要建立相应的数据审核制度，尤其是对重要数据库的读取、修改、删除等，定期进行严格的合规审核，以做到信息数据管理问题的早发现、早预防、早纠正。
《经济》：您是怎么看待互联网金融中的诚信问题，要如何营造行业内安全、稳定的发展环境？
蒲济：电子商务是互联网的典型应用。中国的电子商务取得了巨大成功，从规模、客户群、物流速度看，可以说是世界首屈一指的。在网络安全技术日益完善的今天，网络安全并不是电子商务的最大挑战，中国电子商务的挑战主要来自于诚信危机。和实体店比较，电子商务的诚信还有较大差距，而这严重阻碍了电子商务的进一步发展。建立商家诚信档案，完善网络交易法律法规，加强执法力度，严惩假货制售行为，把电子商务平台建设成为公平公正的绿色（无公害）交易平台，电子商务的发展将登上一个新的台阶。
关于金融和互联网。本质上讲，金融是产品和服务，互联网是工具。金融包括银行、证券、信托和保险等，它为社会大众提供各种理财、投资、风险规避等金融服务。金融业有了互联网这个工具，正如人们所说，就如虎添翼。互联网在金融领域的广泛应用，使人们的理财和投资变得快捷，方便，高效，风险更加容易控制。中国金融领域的互联网平台和各种应用，近年来取得了长足的发展和非凡的成就。它的规模、服务人群数量、服务水平和质量、金融管理法律法规等都跻身到了世界前列。现在，网上银行、网上投资已经进入每个人、每个单位的日常生活，为全民创业创新，为国民经济快速健康发展提供了有力支撑。
P2P应回归理性，降低风险
《经济》：中国小微企业的融资需求无法从银行得到满足，促使P2P（个人对个人）强劲发展，您是如何看待P2P这种新兴模式的？
蒲济：P2P借贷是互联网在金融领域应用的一个创新。最早是从英国延伸过来的，由于是个人对个人，Personal to Personal，其风险完全是可控的，例如分期付款买台车、笔记本电脑，其风险是容易控制的，它为社会上的小额富余资金找到了一个快捷方便有效的投资渠道，促进了民间资本的有效利用，是非常好的一种价值传递，也为小微企业和个人创新者伸出了雪中送炭的援手。P2P的收益率始终要比货币基金还有银行理财要高得多。今年11月底，P2P平台历史成交量首次突破万亿关口。因此，P2P具有强大的生命力，P2P金融的健康快速发展，将为国民经济的发展做出重大贡献。
但是，任何一个行业的发展要基业长青，必然走向法制化、制度化、规范化，这是行业发展的必然选择。因此，P2P行业本身需要回归理性与平稳的趋势，利率回归到合理区间。从国家层面建立P2P有效的监管机制极其重要。建立社会诚信档案、有效的退出机制，完善相关法律法规，是规避投资风险的关键举措。
大数据时代的优缺点范文5
一、大数据对电子商务平台带来的影响和发展
截至2013年6月底，中国网民规模达5．91亿，较2012年底增长3656万人，提高了2%，中国手机网民规模达到4．64亿。［3］淘宝网拥有5亿多的注册用户数，每天有超过6000万的固定访客。随着淘宝用户数量的不断攀升，交易量的不断增加，数据流量的不断激增，作为中国深受欢迎的网购零售平台———淘宝，早就积极对应，升级数据中心，加强数据中心的处理能力，主要体现在以下三大方面。第一部分是店铺运营。卖家之间的竞争十分益激烈，许多卖家出现经营中管理和效率的问题。淘宝卖家想要提高销售额和销售量，可以认真去分析淘宝后台提供的数据。店铺数据可以用量子统计、小艾分析、好生意，行业数据可以用数据魔方、生意经。比如根据数据魔方上的信息，分析行业的高峰和低谷时间，判断决定宝贝的上下架时间;比如根据数据魔方的“淘词”和量子恒道来调整店铺的内部设置，进行产品结构的调整、宝贝标题调整和宝贝属性优化等;比如通过量子统计，查看“宝贝被访排行”功能，发掘潜力产品。足见数据对于淘宝卖家而言意味着财富。每天面对海量数据，如何能去统计，去分析，去做KPI分解，去建立数据模型，依靠对相关数据的分析，找出店铺中存在的问题，及时调整店铺、品牌、产品等定位，为店铺整体运营决策提供充分的数据支持，从而提升营业额和流量?阿里巴巴为天猫、淘宝平台上的电商及电商服务商等提供数据存储、数据计算两类服务。电商领域，业务波动较大，而传统的服务器是静态的，使得业务繁忙时服务器满足不了爆发式的订单需求，影响业务的发展和引发顾客的不满，而业务闲置时服务器也闲置浪费。聚石塔是分布式及弹性计算，类似租用，提高运营管理效率的同时降低了成本。第二块便是客户维护。淘宝网利用数据分析，有效根据客户需求改进产品，研发产品。支付宝公司拥有中国仅次于银行业的个人数据信息，经过对客户的研究，摸清会员特质后，在写商品推荐文字的时候，针对用户心态去描述。对于老顾客也是通过数据分析，判断可能需要什么样的商品，进而推荐商品，实现精准有效的老客户再营销。除了引流，还要析流和留流，提高营销的成功率和效率。网上繁多的产品让人无从抉择，不少用户在购买商品前需要反复对比同类产品的优缺点、过往买家的评论来决定自己的选择，这种耗时耗力的事对用户来讲是极其痛苦的，产品搜素优化、浏览优化都是提高用户体验度的必要措施，这些优化方案的实施离不开数据的运用。淘宝在2012年推出的淘宝时光机通过分析顾客自注册为用户以来的行为，用幽默生动的语言和温馨的画面以及简短的旁白告知回顾顾客淘宝的成长。该应用有效利用了淘宝平台的数据库，讲述用户的小故事，让用户重新回忆起网购经历中的点滴，回忆起这些年发生的重要的事和重要的人，贴心的时光机，极富创意的拉近了淘宝和顾客的距离。第三方面，在加强自身平台建设的同时也积极拓展其他市场领域。淘宝发展近年来推出的数据产品淘宝指数、“聚石塔”平台、年度消费单等。淘宝指数是淘宝官方的免费数据分享平台。这款消费者数据查询工具的界面和操作方法和百度指数等十分相似。该平台数据来源于淘宝网站，该平台需要淘宝账号登录后方可查询。利用淘宝指数，用户可以了解市场热点、查询成交趋势等信息，甚至是购买人员的星座比例、年龄比例等，用户可以分享和讨论淘宝购物数据，了解淘宝购物趋势。而对于卖家而言，这款平台是强大而实时的免费市场调研工具。2010年开始，淘宝开始涉足保险业，整个淘宝、阿里巴巴聚合了非常多的互联网应用、互联网客户和互联网商家，应运而生的有大量的需求和各种各样的行为，同样会产生各种各样的风险。为覆盖这些风险，为提高平台用户安全性，为解决平台运营中的一些问题淘宝开始做保险。
二、改进方向
购物类网站记录着我们的购物习惯，浏览器上保存着着我们的网页浏览习惯，社区网站对用户和用户朋友的关系无所不知。个人信息被采集，被保存，在互联网上无处可躲，甚至有些看似无关紧要的零碎信息，关联在一起就能精准定位到具体的某个人。这就是个人隐私问题。而数据流失等严重影响了受害人的日常生活，甚至造成大量钱财的损失。大数据时代，一个人总要去参加各种活动，如电子商务、网上交流，只要有活动就会留下痕迹，就会被记录。个人信息泄密会带来很大问题，但这不应成为反对大数据的理由。［4］如今，大部分企业已逐渐意识到数据泄露的隐患，并采取了措施。但并不是所有的企业都采取了相关的有效措施进行防备，以减少数据泄露。当快递单号出卖我们的个人信息，当多家连锁店住客信息泄露，个人信息安全的警报频频拉响，解决此问题不仅仅需要技术上的解决，还呼吁早日出台相关的法律制度。
作者：倪宁 单位：浙江商业职业技术学院 信息技术学院
大数据时代的优缺点范文6
关键词：计算机；数据库；安全管理技术
信息技术广泛推进和应用，给人们工作带来了很多便利条件，不过也提出了不少的挑战。比如，网络的高度开放性使得数据的安全性降低，需要相关从业者结合实际要求，保证数据的可靠性，并运用数据库技术做好各类防范工作。
1安全管理技术的目标
对计算机网络数据库的安全管理工作而言，必须有相对明确的目标制定才可满足需求，以笔者的实际积累看，目标包括以下三个方面。第一，必须统一计算机网络数据库交互数据的模式，保证数据规则以规则引导规范操作，进而使得各项的要求制度规章能够落到实处，符合应用的需求。第二，必须结合标准检验新录入的数据和信息，确保新数据的模式和相关的操作都是安全可靠的。此外，还应当对新注入的数据做出统一的规范处理。第三，为数据运用提供安全保障。特别是在数据的传输过程中足够安全，只有这样才可以使得数据的安全性、规范性、可靠性得到根本的保证，使其系统用户在足够安全环境下及时地完成各项数据业务[1]。
2具体技术使用
从上述管理目标看，可以结合以下几个方面入手来开展相关的研究，提升整体的安全度。
2.1打造安全管理模式
在实际安全管理业务落实中，安全管理模式的构建是十分重要的部分，也可以看作是最重要的技术环节。模式构建主要是指结合优化计算机软件、打造专业的网络系统和数据环境来进一步提升整体的安全性、可靠性，在保证便捷性的同时提供一个规范的使用环境。这里所提到的网络环境构建和模式搭建所涉及的方面很广，内容很深刻，包括内部、外部网络、也包括与之相关各类软硬件。数据库运行的因素非常多，在模式构建过程中必须综合考虑各类因素，提出全面的方法和策略，合理应用各类的模式[2]。目前网络安全管理模式的设计需要结合业务实际做出考量，大体包括集中管理、分布式管理和静态层次管理模式等几个大类，各具优缺点。其中分布式管理模式是侧重于研究的模式，主要是考虑安全方面的问题，整体的效率相对比较好、不过执行难度很大，在商业推广中的使用相对较少。集中管理模式正好相反，在商业应用中比较多。而在分层管理中、计算机可以分层处理存储计算机网络数据库中的信息数据，结合各类性质做出相应的分类处理。特别是对那些属性不同、需求不同的库，可以设置不同的等级来测量安全系数，进而可以实现个性化安全处理，可以显著提升业务效率，保护库的安全和体系的完整。
2.2存储管理技术
计算机网络数据库在各类企业应用中的主要目的，无非就是用于存储、管理及使用数据，用户在获得登录权限之后，登录数据库可以结合自己的需求做出相应的查看、访问、处理。分类库会结合用户的等级、用户的需求、用户的访问情况等提供不同的权限。在没有外界因素干扰的情况下，这类登陆的方式是足够安全的，不过由于现实中各类非法入侵的手段很多，用户可能有不正确的目的，比如计算机病毒携带以及黑客攻击等，都会对数据库的整体安全性、稳定性造成一定的破坏。在实际的存储管理技术中，应当对系统的登录权限用户做出多轮的校验，对那些非法入侵用户及时做出进程上的处置。在实际用户登录过程中，应当结合存储过程、针对账号的外在状态做出安全性检测，确认账号属于域账户或设定用户组后，再对整体的环境以及权限做出多轮测试，此外还要加入对比研究，只有这样才可保证存储访问过程足够的可靠[3]。
2.3数据加密技术的处理
在计算机信息安全管理之中，数据加密技术可以是十分重要的一个，也是计算机网络安全最多使用的技术之一，可以预防病毒，有较好的效果。这里所提到的数据加密技术主要结合一些语言编程对整体数据库做出相应加密处理，是一类可靠的数据安全管理技术。在采取该方式处理之后，所存储的数据大概率不会被病毒或者黑客攻击，即使被攻击也会出现没办法破译等问题，暴力测试成功概率也远远低于其他模式，泄露的可能性是很小的，属于比较安全的处理办法[4]。除此之外，在数据的传输过程中，也可以结合加密的方式来保证安全性，不过由于计算机中的数据量过于庞大，特别是在大数据时代对每个数据做出加密工作工作量巨大，是不现实的。应当结合层次的划分方法，对一些重要文件、关键数据做出加密处理，保证数据的安全。在加密的过程中也应当结合不同的算法，否则将会相对较为容易的被黑客来破译，失去整体的加密价值。
