前言：中文期刊网精心挑选了数学建模数据处理方法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。
数学建模数据处理方法范文1
关键词 : 三维建模 ; 立体测图 ; 真正射影像
Abstract: The 3D model of city is a city terrain, over ground and underground artificial built (structure) three-dimensional expression of the building, to reflect the spatial position, city of object geometry, texture and attribute information. This paper introduces the basic principle, 3D city modeling technology, production process, technical characteristics of the content.
Key words: 3D modeling; stereo mapping; true orthophoto
中图分类号：P25 文献标识码：文章编号:
引言:城市三维建模旨在综合运用“3S”技术、三维建模与可视化技术，以多尺度遥感对地观测技术为手段、以1:1000标准分幅和行政单元为基础作业单元，设计一套人机交互方式的城市三维建模技术流程，利用DEM、DOM、TDOM、DLG构建城市建筑物的几何模型，实现从DOM、TDOM和带有定向参数的原始影像上提取建筑物各个面的纹理，并对纹理信息进行处理，最后在建筑物几何模型上粘贴纹理生成城市三维模型。从而以较低的建设成本，较高的建模效率满足城市三维建模的要求，实现对城市现状的三维模型快速建立，满足不同用户的需求，为城市管理提供可视化的手段。
一、城市三维建模基本准则
1）分幅建模
为了便于数据库存储和系统调用，以1:1000标准分幅为单位作为建模的基本单位，DLG、DOM、DEM和TDOM也相应的以此单位分幅。
2）地物取舍
在城市三维模型中需要反映出城市的主体结构，对较大型建筑物要反映出其真实形状，对于小型建筑物，对全局影响不大的地物可以进行综合，以纹理影像代替细节。通过对地物的综合取舍可以有效地提高建模的效率。
3）特殊建筑物
由于地表存在大量的非规则建筑物，例如镂空建筑物（凉亭、加油站等）这种有顶部，而下面为空的建筑物，利用航空摄影方法进行建模只能表现建筑物的顶部结构，而不能构建出内部结构，因此需要对这类建筑物进行单独建模。
4）模型优化
建模场景中单个物体的面数不能太多，可以首先在二维矢量图中对建筑物的边线进行综合，将距离较近的线进行综合，使建筑物的形状尽量规则、简单，这样可以降低整个场景的面数，在纹理贴图时也可以节省时间，同时还可以提高交互场景的运行速度。
5）建模效率
需要采用高效的建模方法来构建地物模型。针对复杂地物，尽量把模型做成是可以组装的；对于需要手动建模的地物，选择建模软件（3DSMax、Maya、Sketchup、Mudbox、VirtuoZo、Photoshop等）进行建模。
二．三维模型制作技术路线
三维模型数据既应满足数字城市又应满足数字规划两方面的需求，将同时保证数据精度和美观度。因此建模方法以影像作参考依据，对测区范围内航空摄影的高重叠率遥感影像进行处理，并产生出建模过程中所需要的DSM、DEM、DOM和TDOM数据。通过全数字摄影测量系统采集到的矢量数据，基于DSM、DEM进行立面处理得到建筑物的几何模型，然后将建筑物几何模型投影到带有定向参数的航空摄影遥感影像和TDOM上，自动提取建筑物的纹理信息，最终生成建筑物完整的三维模型。三维模型制作技术路线如图1。
图1 三维模型制作技术路线
1）立体摄影测量技术
基于航空摄影测量和空三加密技术快速搭建三维城市模块，能够获取高精度的建筑高程信息，保障数字城市业务对高精度城市模型的需要。同时其高效、真实、精准的特性为业务应用快速提供准确的数据源，方便用户尽快开展行业应用。
2）真正射影像（TDOM）处理技术
与普通数字正射影像产品的区别是：三维建模区所用的背景图对所有建筑物都进行了中心投影纠正，从而保证建筑物无投影差。
利用全数字摄影测量系统，在立体环境下采集建筑物几何特征信息。摄影测量系统所采集的建筑物矢量数据，是制作三维建模区背景图的数学基础，利用此数据对正射影像数据进行再次精纠正，即可消除建筑物投影差。
正射影像数据精纠正之后，利用专业的正射影像镶嵌软件，为任何来源的正射影像提供完全自动的整块的色彩平衡和无缝镶嵌。
三．城市三维模型数据生产
1）矢量采集
利用全数字摄影测量系统，在立体环境下采集建筑物几何特征信息（图2）。
图2 建筑物矢量采集
2）三维模型生成
利用专业三维建筑物制作软件自动生成建筑物三维模型（图3）。
图3 自动生成三维模型数据
3）顶部纹理贴图
由于真正射影像已经消除了建筑物投影差，使得矢量信息与影像信息能够完美叠加，由此可以对影像顶部纹理信息进行准确裁切，并自动提取，附着在建筑物三维模型数据上（图4）。
图4 顶部纹理自动提取
4）建筑物侧面纹理贴图
a.影像贴图模型侧面纹理
本项目城市建筑物影像贴图模型侧面纹理部分采用影像贴图，提取正射影像作为建筑模型的侧面纹理（图5）。
图5 影像纹理模型
b.照片贴图模型侧面纹理
照片贴图模型采用实地采集照片作为侧面纹理（图6）。
图6 照片纹理模型
四．三维模型制作技术特点
1）利用数字微分纠正技术，改正原始影像的几何变形，对影像进行重采样，使影像视角被纠正为垂直视角而形成的影像图。而传统正射影像并不是完全消除了投影差的所谓“真正射”。
2）避免了高大建筑的倾斜对其它地物的遮挡。
3）图上的所有人造三维物体，例如建筑物和桥梁等，都被安放在它们真正的位置上，没有产生由高度的起伏而引起的位移。
4）利用真正射影像和数字地表模型进行叠加可以很方便地生成三维城市地面模型。由于建筑物等已经被纠正到垂直视角，所以三维建筑等的顶部影像能够和数字地表模型完美叠加。
5）在高架桥、立交桥等人工修建的桥梁处，因采用三维建模制作，故在真正射影像上我们采用还原原始地面的方式，使其在三维场景中显示地更真实。
五．结论
城市三维建模是以立体测量三维建模为主要工作内容，建模要求模型结构完整、平面和高程精度高、重点道路和市中心区域模型效果精美。最终建模成果可配置于三维地理信息平台上，用于展示及辅助决策，未来成果的应用将延伸到地下管线、数字城管、规划等，初步构建以三维仿真为技术基石，城市综合管理为目标的数字虚拟城市。
参考文献：
[1] 熊祖强．工程地质三维建模及可视化技术研究[D] 武汉：中国科学院武汉岩土力学研究所，2007．
[2] 高山.三维城市模型若干关键技术的研究[D].武汉：武汉大学，2004
数学建模数据处理方法范文2
【关键词】大数据 人工智能 算法设计
1 大数据的发展概述
大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。大数据包括海量的数据信息与高强度的数据处理能力，大数据是相对于传统数据处理应用程序来说，不足以处理大型、复杂的数据集的新型处理模式，包括分析、捕获、数据整理、搜索、共享、存储、传输、可视化查询、更新和信息管理。大数据通常仅指使用预测分析、用户行为分析或某些其他高级数据的分析方法，这些方法从数据中提取价值，很少涉及特定大小的数据集。数据集分析可以发现新的联系与信息。科学家、企业高管、医学从业者、广告和政府都定期在互联网搜集大数据，这些数据在金融、城市信息学和商业信息学等领域更为重要。科学家在电子科学工作中遇到了很多需要处理海量数据的问题，涉及气象学、基因组学、复杂物理模拟、生物学和环境研究等。大数据包括文本、图像、音频、视频，它通过数据融合可以完成未来数据的机器学习，大数据通常是数字交互的无成本的产品。越来越成熟的概念更清楚地描述了大数据和人工智能之间的区别，人工智能使用具有高信息密度的数据的描述性统计来测量事物、检测趋势等。大数据使用归纳统计和来自非线性系统识别的概念，从具有低信息密度的大量数据集中推断出法则，例如回归、非线性关系和因果效应，以揭示关系和依赖性或者进行结果和行为的预测。
2 大数据技术中的算法分析
2.1 神经网络算法
神经网络系统是由众多的神经元可调的连接权值连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点。神经网络是一种计算方法，基于神经单元的大集合，解决由轴突连接的生物神经元的大群集的问题。 每个神经单元与许多其他神经单元连接，并且可以对所连接的神经单元的激活状态影响中实施抑制。每个单独的神经单元可以具有将所有其输入的值组合在一起的求和功能。在每个连接和单元本身上可以存在阈值函数或限制函数，使得信号在传播到其他神经元之前必须超过极限。这些系统是自学习和训练的，而不是明确编程的，并且在传统计算机程序中难以表达的，这种方案在特征检测领域中效果很好。神经网络的目标是以与人类大脑相同的方式解决问题，现代神经网络项目通常使用几千到几百f个神经单元和数百万的连接， 这比人类大脑的复杂性还要少几个数量级，更接近于蠕虫的计算能力。 为了训练它们，通常发生几千次交互循环。 神经网络已被用于解决使用普通的基于规则的编程难以解决的各种各样的任务，如智能化学习。历史上，神经网络模型的使用向高级人工智能的方向移动，其特征在于包含在具有一些动力系统的认知模型的参数中的知识。
2.2 灰色关联度分析
灰色关联分析方法，是根据因素之间发展趋势的相似或相异程度，来进行归纳和评价，作为衡量因素间关联程度的一种方法。灰色关联度分析使用特定的信息概念。它定义没有信息为黑色的情况以及具有完美信息为白色的情况，这些理想化的情况都不会出现在现实世界的问题中。事实上，这些过渡阶段的情况被描述为灰色。因此，灰色系统意味着其中部分信息是已知的并且部分信息是未知的系统。根据这个定义，信息质量形成从信息的缺乏到完整信息的存在过渡过程。由于不确定性总是存在，灰色分析可以得出一系列关于解决方案的清晰陈述。在一个极端情况下，这种方案无解，在另一个极端情况下，具有完美信息的系统具有独特的解决方案。在中间情况中，灰色系统将给出各种优化的解决方案。灰色分析试图找到最好的解决方案，提供了确定一个好的解决方案的技术来解决现实世界的问题。
3 大数据平台的设计
3.1 平台层
大数据分布式存储系统：研究大规模、非结构化数据的存储问题，突破大数据的存储、管理和高效访问关键技术，当前需要构建至少 PB 级存储能力的大数据平台才能满足一般的科研和应用需求。
分布式数据挖掘运行时系统：突破 MapReduce 技术的局限，研究有效支持迭代、递归、层次及集成机制的海量数据挖掘编程模型和运行时系统，构建大数据运行时系统。
3.2 功能层
高可扩展性大数据挖掘算法：基于云计算的分布式大数据处理与挖掘算法，构建高可扩展的大数据处理与挖掘算法库，实现 TB 级数据的建模能力。
分布式工作流引擎：基于云计算的分布式工作流调度、负载均衡技术，构建高效分布式工作流执行引擎。
交互式可视化分析技术：启发式、人机交互、可视化数据挖掘新技术，实现大数据挖掘的高度人机交互功能。
3.3 服务层
基于 Web 的大数据挖掘技术：Web 的大数据挖掘方法和流程，实现易于使用的基于 Web 的大数据挖掘技术，构建基于 Web 的大数据分析环境。
基于Open API 的大数据挖掘技术：Open API 的大数据挖掘方法，研究大数据挖掘开放接口、开放流程，构建基于 Open API 的大数据分析模式。
4 大数据算法的应用分析
4.1 数据挖掘
数据挖掘是发现大数据数据规律的计算过程，涉及人工智能、机器学习、统计和数据库系统结合的方法，它是一个跨学科的计算机科学子领域。数据挖掘过程的总体目标是从数据集中提取信息并将其转换为可以理解的结构以供进一步使用。除了原始数据分析外，它涉及数据库和数据管理方面、数据预处理、模型和推理、复杂性考虑、结构整合处理、可视化和在线更新。数据挖掘是一个热门的领域，并且经常应用于各种形式的大规模数据或信息处理，主要包括收集、提取、存储、分析和统计以及计算机决策支持系统的应用，包括人工智能、机器学习和商业智能。实际的数据挖掘任务是大量数据的自动或半自动分析，从而提取先前未知的数据存在模式，例如聚类分析、异常数据检测和关联规则挖掘、顺序模式分析等，这通常涉及使用诸如数据索引的数据库技术。数据收集、数据准备或结果解释和报告都不是数据挖掘步骤的一部分，但是作为附加步骤属于整个数据挖掘过程。数据挖掘、数据捕获和数据窥探是指使用数据挖掘方法对较大数据集的部分进行抽样分析。虽然这些数据集太小，不足以进行可靠的统计推断以得出更多有价值的信息。然而，这些方法可以用于创建新的假设，以测试更大的数据群体。
4.2 机器学习
机器学习是计算机科学的子领域，它使计算机能够学习而不用明确编程。从模式识别和计算学习理论在人工智能的研究演变而来，机器学习探索学习对数据进行预测算法的研究和构建，这样的算法克服了严格的静态程序指令数据驱动的预测或决策，通过从样本输入来建立一个模型。机器学习在一系列计算任务中使用，其中有着明确算法的设计和编程是不可行的，比如垃圾邮件过滤、检测网络入侵者或恶意内部人员、光学字符识别、搜索引擎和计算机视觉，这些方面都没有明确的算法表示。机器学习与计算统计密切相关，并且经常与计算统计重叠，计算统计也集中在通过使用计算机的预测中。它与数学优化有着紧密的联系，它将方法、理论和应用领域传递到现场。机器学习有时与数据挖掘相结合，后者的子领域更侧重于探索性数据分析。机器学习也可以是全自动化的，用来学习和建立各种实体的行为预测，然后用于发现有价值的异常情况。在数据分析领域，机器学习是一种用于设计适合预测的复杂模型和算法的方法，在商业应用中，这被称为预测分析。这些分析模型允许研究人员、数据科学家、工程师和分析师通过学习数据中的历史关系和趋势来产生可靠的、可重复的决策和结果并揭示隐藏的规律。
5 总结与展望
大数据技术算法的创新是一条光明而曲折的路，在这条路上会出现很多难题与挑战，这个任务长期而又艰巨，需要结合实际经验，不断地进行总结归纳。为实现自身的长远发展而进行大胆革新，利用创新思维进行现代化建设，从而大踏步地走向智能化的大稻莘⒄鼓勘辍
参考文献
[1]陈晓，赵晶玲.大数据处理中混合型聚类算法的研究与实现[J].信息网络安全，2015（04）.
[2]杨婷婷，林昌露，刘忆宁，张胜元.基于多方排序协议的安全电子投票方案[J].计算机系统应用，2015（08）.
[3]文坤，廖瑛，杨雅君.带有空间机械臂的航天器系统惯性参数辨识[J].飞行器测控学报，2015（04）.
[4]何锋，谷锁林，陈彦辉.基于编辑距离相似度的文本校验技术研究与应用[J].飞行器测控学报，2015（04）.
[5]黄冬梅，杜艳玲，贺琪.混合云存储中海洋大数据迁移算法的研究[J].计算机研究与发展，2014（01）.
[6]孔凡新，刘丽.云环境下的隐私保护密文排序查询[J].计算机工程与设计，2014（01）.
[7]何清，李宁，罗文娟，史忠植.大数据下的机器学习算法综述[J].模式识别与人工智能，2014（04）.
[8]程芳权，彭智勇，宋伟，王书林，崔一辉.云环境下一种隐私保护的高效密文排序查询方法[J].计算机学报，2012（11）.
[9]王茜，杨正宽.一种基于加权KNN的大数据集下离群检测算法[J].计算机科学，2011（10）.
[10]陈书让.超大数据量的快速排序法[J]. 物探化探计算技术，2000（04）.
作者简介
李跃（1979-），男，黑龙江省大庆市人。研究生学历。现为大庆师范学院讲师。
数学建模数据处理方法范文3
关键词 计算机软件；工程预算；应用
中图分类号：TP3 文献标识码：A 文章编号：1671-7597（2013）14-0097-01
经过长久的发展，计算机软件在工程预算领域取得了巨大的成就，为工程预算带来了巨大的便利，并且计算机软件的飞速发展，特别是预算软件的应用对于数据处理量非常庞大的工程预算来说，可以大大的提高工作效率。通过预算软件的作用使工程预算人员得以从沉闷、繁琐的工作中解脱出来。
1 工程预算应用计算机软件的必要性
工程预算是一项庞大的、连贯性的、数据量非常大的工作，这种工作对于预算人员来说的负担非常大，传统的手工预算编制要对大量的定额条目和计算表进行大量重复的校对，耗费了许多时间和精力。因此应用计算机软件的第一个优点在于可以显著的提高工作效率，并且能够避免许多人工计算的错误。并且随着我国市场经济体制不断完善，建筑工程行业的竞争日益加剧，建筑企业要想保持市场竞争力，就必须改变传统的手工预算编制手段，通过利用现代计算机软件技术，提高建筑招投标控制中工程预算的质量。现代社会中，计算机已经深入到各行各业中，应用计算机预算软件，能够有效的提升预算工作的效率和质量，对大规模信息进行汇总、保存和查询，可以将预算工作的大规模信息与计算机软件强大的数据处理功能紧密
结合。
2 计算机软件在工程预算中的应用效果
2.1 可量化工程量的自动计算
根据目前的工程预算实际情况，对于最早的将工程量的信息表数据输入数据库中进行计算的形式，已经实现了由计算机软件自动对工程预算量自动求和、统计和计算的功能，减少了人工计算的量，提高了效率，减少了工作量等问题。
2.2 价格共享的网络机制
作为目前最为便捷的通信方式，网络可以及时准确的为建筑工程的预算提供材料、劳务等价格信息，通过建立价格信息资源管理网络系统，通过对工程预算方面的信息进行资源共享，让有权限的预算人员通过验证即可对信息资源进行利用，有效的提高预算工作的效率和准确度。
2.3 图形工程量的集成化
传统的工程预算最为复杂的就是工程图纸的自动化处理和识别，而第三代算量软件则有效的解决了这个难题，通过对图形文件进行标准化工程量描述，不仅可以实现建筑施工过程的虚拟，并且对于工程图结构部位及尺寸等方面数据可以做到明晰辨认，自动在网络价格系统中索取相应的工程量单元，自动对价格进行预算。因此，既可以提高工程预算的自动化水平，又能保证设计数据的一致性，工程预算实现自动化分析和比较，并且可以根据实际情况对工程项目做出有效调整。
3 计算机软件在工程预算中的应用
3.1 办公软件与工程预算的结合
建筑工程预算的第一次质变是随着办公、表格制作和数据处理软件的普及而发生的，因为利用EXCEL软件强大的计算功能和数据库功能，可以在只输入一次公式，进行多次逻辑相同的运算。通过EXCEL软件进行工程预算可以改变过去手工预算的缓慢，大大减少了手工计算量，并且便于对数据进行储存有利于二次利用。但是EXCEL等办公软件仍然存在缺陷，就是其对于复杂数据的录入仍没有改进，手工操作的量仍然很大，特别是工程量的计算仍然离不开繁琐的手工操作。
3.2 第一代专业算量软件
从办公软件给工程预算带来极大的便利之后，接着就出现了专业的工程预算软件，其主要原理是与手工算量表类似的，通过对不同的工程部位进行不同的算量表划分，再由预算人员将数据从图纸中转移至计算机，其实这类软件与EXCEL没什么太大的差别，因此仍然没有解决录入繁琐的问题。
3.3 二维图形法算量软件的应用
这类软件的主要功能在于对图纸进行数据化处理，通过对数据进行图形化处理。与第一代专业算量软件相比，其最大的改变在于将二维的施工图纸录入计算机，通过计算机对施工图纸进行工程量计算，并且对数据进行汇总。过去必须由人工进行的构件扣减和几何关系判定等工作现在可以由计算机进行操作。这是对表格算量的一大质变，大大的提高了预算人员的工作效率，但是二维图形算量软件仍具有其局限性，特别是表格的录入、特别复杂的图形的录入等，并且对于三维结构的构件无法进行自动化分析等问题，导致常常需要借助表格算量法，因此二维图形算量软件只是在一定程度上减轻了预算人员的工作量，这仍然是一种手工和计算机相辅相成的预算手段。
3.4 第三代算量软件
虽然二维图形算量软件已经是一个质的飞跃，但是其数学模型存在不完备的缺陷，并且对于建筑无法实现进行虚拟，并且对于三维多层构件无法录入，由于对复杂建筑物的计算过程容易出现误差，因此其应用受到很大的限制。其最大的缺陷在于图形操作平台的不完善导致了预算人员无法降低工作量。一旦工程施工出现变更，缺乏功能较为强大的图形处理平台进行操作，正是在这种情况下三维软件应运而生。在现代工程施工图纸的设计往往是借助AUTOCAD图形设计软件完成的，由这一软件设计出的电子图本身带有了预算需要的所有电子数据，因此如何提升预算工作的效率应该从这一点入手。第三代算量软件具有强大的数据分析处理功能，可以识别电子设计图纸，将图纸上所有构件转化为算量软件上的数据，减去了过去需要手工输入数据的环节。除了需要对构件进行修正之外，第三代算量软件较过去的预算方法已经提高了几个数量级的效率。并且其可以在计算机上对施工进行虚拟，从地基建设到装饰等整个流程进行三维建模，简单直观，并且对于构件的扣减出错基本上不会出现，过去需要反复查询图纸的情况已经不再出现。
5 结束语
我们所处的时代是高度信息化的时代，社会的高速发展，建筑市场的不断完善，对于毫无效率的工作方式亟需摒弃，借助计算机软件在各行各业的迅速渗透，提高工程预算的效率是企业提高效益的重要途径。因此，在新的时代环境下，如何利用计算机软件提高预算工作的效率和准确度，是建筑工程企业的重点课题。
参考文献
[1]孙海伟，郭晓静.如何有效进行工程造价管理[J].山西建筑，2007（12）.
[2]付建华.谈工程量清单招标的实践性[J].工程造价管理，2001（1）.
[3]宣云干，李巧生，徐永红，唐进.基于CIM的信息化土木工程设计应用研究[J].江苏建筑，2007（06）.
[4]成晟.工程项目计算机协同管理系统Autodesk Buzzsaw平台在世博中心项目建设中的运用[J].智能建筑与城市信息，2009（09）.
[5]龙江英.政府投资项目主体缺位原因分析[J].贵阳学院学报（自然科学版），2010（04）.
数学建模数据处理方法范文4
[关键词]大数据；企业；管理决策
doi：10.3969/j.issn.1673 - 0194.2016.06.038
[中图分类号]F272 [文献标识码]A [文章编号]1673-0194（2016）06-00-02
正确的决策是企业公共竞争优势的源泉，一项良好的决策能帮助企业产生更优的组织绩效，其效果积累也会为企业造就更强的竞争优势。伴随云计算、移动计算等新兴技术的兴起，数据模式的高度复杂化和数据规模的爆炸式增长标志着全球已进入网络化大数据时代。数据成为最重要的决策依据和基础，能够帮助企业进行更高效、更及时的管理决策，从而尽快创造新的商业机会和契机，转变企业以往僵硬的商业模式。当前我国对大数据方面的研究多基于或限定于技术层面，鲜有从管理学角度、大数据角度来分析企业管理决策的研究。管理决策和大数据应如何定义？大数据是如何发挥影响企业管理决策效应的？诸如此类的问题尚需要系统研究。
1 大数据的定义
维基百科对大数据所作出的定义是：难以在一定时间内，通过常规软件工具来对其内容进行采集、管理、处理等工作的数据集合。此外，麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。就笔者而言，以上均是基于大数据特征方面来对其进行定义的。国内很多学者也对大数据的定义作出了探索。以李国杰先生为代表的学者们将大数据定义为：不能在一定时间内通过传统软硬件工具和IT技术对其进行获取、管理等的数据集合。而以冯芷艳为代表的学者们则认为大数据与大规模数据以及海量数据的概念相似，但相异之处是大数据在数据复杂性、产生速度等方面远超现有的技能处理能力，且产生了巨大的产业创新契机。而以刘玉枫先生为代表的学者们认为大数据是指所涉及的资料量超过现有主流软件和工具的承载能力，通过合理时间内采集、管理、整理等为企业经营决策提供更为积极的一种资讯。
作为一种基础性资源，大数据的商业价值绝不是只来自于数据本身，其更多源于企业采集、存储、使用大数据的能力。如果对学者们的观念进行整理归纳可以发现，这些基于大数据特征的定义多数强调大数据规模巨大到现有技术手段的处理能力难以承载。而那些基于其价值的定义也更多是对其价值实现的关注。当然，目前也有学者认为大数据的价值并不局限在数据本身，其只有上升到能力高度，其价值才能充分挖掘出来。
2 大数据对企业管理决策产生的影响
决策贯穿于企业管理的全过程，管理决策过程可分为情报收集、计划选定等阶段。企业的管理决策应涵盖战略决策以及在战略决策过程中的各项具体决策，此类决策注重对组织未来和组织环境的预测，也注重组织内部资源配置和协调的实现。作为一项高度动态性和复杂性的管理行为，决策面对着信息收集、筛选、模糊性及各类冲突。大数据技术的逐渐成熟、数据的飞跃式碰撞，这些都对当前企业的管理决策产生重要影响。这方面的影响既涵盖了决策主体和思维模式，也涵盖了决策文化和组织模式等方面。
2.1 大数据对管理决策主体方面的影响
一项有效的决策需具备相应的决策程序、文化、组织等，但究其核心还是决策的制定者，即决策主体。企业决策主体一般分为两类，一是企业高层管理者，高层管理者的职位权限能让其在重大决策中发挥关键作用。二是基层员工或一般管理者。对一般管理者和基层员工来说，他们创造的产品、服务和价值等更贴近社会大众的需求，这为其正确决策提供了便利。在此过程中，普通员工可以主动引导用户参与到产品的设计、推广、客户关系管理等环节中去，并依据用户的反馈，对产品、服务等加以改进，从而帮助企业实现快速发展。可见，普通员工也是企业获取决策信息的重要来源。
在互联网经济时代，不同产业间的界限性越发模糊，而社会化决策也应用而生。在大数据背景下决策主体发生了转变，从决策权归属来看，一些表现出色的员工开始参与决策，决策主体并不再局限于管理层；从企业决策信息来源分析，因信息技术快速爆炸和普及，普通民众也可以成为大数据时代中的主角，均能通过数据利用参与或作出决策，这也意味着决策主体开始呈现多元化，正从企业精英向普通民众扩展，决策者之间的特征也越发复杂化。
2.2 大数据对管理决策权配置方面的影响
大数据除影响决策主体外，也对企业管理决策权的配置方面产生着影响。笔者认为决策权配置主要包涵3个层面：①组织之间的决策权配置；②组织和外部环境间的决策权配置；③组织内部人员和部门、团队之间的决策权配置。此外，决策权配置分权程度也决定企业的决策权配置模式究竟是集中式还是分散式。集中式决策权主要指在组织系统中，决策权被较高程度地予以集中，其意味着企业较高、甚至最高的管理层掌握着企业组织的大多数决策。而分散式决策主要指决策权在较低管理层次上的分散，让各部门的管理者具备一定程度的自。
在大数据背景下，企业所能获取的信息越来越多，决策组织也开始扁平化发展。信息技术能让中低层管理者基于全局视野制定更好的决策，以金字塔型为标志的传统组织结构逐渐被具备企业管理网络化等特征的扁平式组织结构所取代。企业决策权的配置也应遵循此变化，分散式决策注定要成为大数据背景下主流决策模式，普通员工也将拥有决策权限。随着大数据时代的到来，企业决策需更多人参与其中，因此，扁平化组织结构模式的优势更为明显。
2.3 大数据对管理决策思维方面的影响
作为决策中的重要构成因素，决策主体思维的不同表现也决定在制定决策时，所依据的信息、方式等必然不同，且在决策制定的过程中也会予以表现。决策思维分为理性和感性，在大数据时代背景下，企业要尽量系统、全面、准确地收集信息，并通过数学方法来对其进行建模分析，从而挖掘出背后关系。传统管理决策模式对管理者经验和直觉判断非常依赖，而新的管理决策模式将会改变此种现象，即由“依靠直觉进行的决策思维模式”，向“依靠数据进行的理性决策模式”转变。
2.4 大数据对管理决策文化方面的影响
在不同文化作用下，企业管理决策的选择方面必然存在差异。决策主体在目标确定、方案设计和决策完成的过程中，其文化价值观均在这些方面发挥着作用。传统管理决策多数取决于管理者对企业内外部环境的评估，主观性显著，企业更多关注管理者的思维情感，且管理者制定决策的决策文化也充斥着各种潜在的决策风险和事务。大数据时代来临后，也为规避这些风险和失误提供了契机。日渐成熟的分析技术及爆炸式的数据增长，都为企业更精准的预判提供了更多可能性。企业数据资源的获取渠道越丰富，决策者作出正确决策的概率性就越高。随着大数据时代的到来，企业要提升预判准确性须确立通过真实数据来确定企业决策的文化机制。有学者指出，管理者应注重相关关系，而非对因果关系分外关注，意思是企业应将关注的重点放在如何充分利用自身现有数据来发挥最大价值上，而不是只关注企业管理者脑中思考什么。
3 大数据和企业管理决策管理影响因素分析
大数据时代的到来既为企业带来了大量商业机遇和契机，也产生了许多亟待解决的问题。同时，管理数据和大数据之间的关系也受到了多方面因素的影响，为此，笔者对影响大数据和管理决策关系因素予以充分关注，并在前人研究的基础上，通过宏观层面和微观层面展开分析，对大数据中的数据政策、行业结构、政府支持、技术发展及人才配置等进行探究。
3.1 数据政策
数据在大数据时代中具有无与伦比的价值，其也成为新型商业模式和经济投入的基础因素。伴随着数据规模扩展及数据价值被日益注重，大数据时代数据趋于跨组织便捷化和数字化，因此，在宏观大数据背景下，数据政策是影响管理决策的最重要因素，此种数据决策一般包涵数据安全和责任、知识产权、隐私保护等方面的政策。数据本身存在可复制、可反复利用、泄密性高等特性，企业因此在为作决策而收集数据时经常要面对知识产权、隐私保护等方面的问题，为制定正确决策，获取充分数据，企业必须攻克数据获取障碍的难题。
3.2 行业结构
麦肯锡研究报告指出，大数据价值获取难度很多时候会取决于行业结构和行业差异性。基于数据存储角度，行业总体的大数据增长趋势都很明显，各个行业在数据存储量上存在差异，产生和存储的类型也各有不同。企业的数据强度高，进行决策时则更为有利。
3.3 政府支持
大数据不仅能为企业发挥卓越功效，在提高国家创新能力方面也起到重要作用。为此，大数据也被上升到了国家层面。政府扮演着政策制定者的重要角色。大数据可从信息通信技术基础设施建立、数据安全保护和信息机制共享的建设等方面为管理决策提供帮助。
3.4 技术发展
相当比例的数据价值不是直接呈现给使用者的，其需要使用者对其进行创新性释放分析。大数据技术是作为基础对大数据和管理决策发挥着重要影响作用。容量大和速率较快的大数据工具也是大数据战略中不可分割的组成部分。对决策来说，大数据技术是不可或缺的因素，企业应保持其技术和技能方面的不断创新，从而有效应对数据洪流暴涨对其产生的新挑战。
3.5 人才配置
随着数据越来越廉价，数据处理和提取能力的价值便越发凸显，而这期间，数据科学家和其他相关的信息专业处理人员地位尤为重要。数据分析和挖掘方面的人才匮乏，会严重制约企业数据分析挖掘能力的提升，也必然会对企业管理决策的质量和速率产生影响。为此，人才方面也是大数据影响管理决策的因素之一。
4 结 语
大数据引发了企业管理决策多方面的变化，也为管理决策创新提供了更多的机遇和思考方向。此外，大数据支持下的科学管理决策对企业商业模式和服务等的创新都极有裨益，因此，在大数据时代背景下，只有不断提高决策速率和决策准确性，企业的效益才能实现长久、良性增长。
主要参考文献
