前言：中文期刊网精心挑选了大数据时代趋势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。
大数据时代趋势范文1
1引言
大数据时代的到来极大地改变了以往图书馆的数据管理方式，在数据产生方式、数据组织、数据存储和利用等环节都发生了较大的改变。需要运用无偏性、关联性、开放性大数据思维构建图书馆大数据架构。要把大数据作为一系统工程来考虑，从数据采集，数据存储到数据处理，数据分析及数据应用等方面考虑，构成图书馆大数据架构。
2图书馆大数据资源采集
2.1图书馆数字化资源
在数字化建设过程中产生了多种多样的各种电子资源，如，学术资源数据库、电子书刊、图书馆数据库中的书目信息、多媒体电子资源等，给图书馆提供了海量数据。
在大数据环境下，图书馆应该重视新型资源的收集。特别是基于读者访问图书馆资源时留存下来的信息行为和社交网络时代产生和出现的大量半结构化和非结构化数据。图书馆的MARC（Machine Readable Catalogue，机器可读目录）数据，用户查询书目产生的OPAC日志，读者位置、读者的借阅记录，电子数据库的检索、浏览、下载记录等可以是大数据或者说将可能成为大数据。构建在web2.0技术上的、允许用户创建交换信息内容的社会化媒体资源成为大数据的一个重要资源类型，包括合作项目（如维基百科）、内容社区（如YouTube）、博客、虚拟游戏世界、虚拟社会世界、社交网站等。另外，图书馆与学校部门、学生团体、社会团体、出版社产生一定的联系。由此会产生活动开展、场地租借、广告承载、新书出版等具有一定潜在商业价值的信息[1。大数据环境下的图书馆将会更加重视利用这类信息结合其他类型的数据，形成新的信息情报研究服务领域。
2.2数据资源共建共享与数据开放
图书馆大数据环境具有数据采集源单一、资源总量偏少、价值密度低、公信力差的问题。因此，如何破除大数据环境中原有的利益格局，实现图书馆内部系统、政府部门、合作服务商和社会团体大数据资源的全面开放与共享，是增强图书馆大数据资源的可用性、可控性、可检索性、可解释性、可再利用性、可被引用性、可管理与保存时效性的关键[2。为用户建立上传资源的通道，建立论坛、社区等馆员与用户、用户与用户之间的交互式共享平台。
3图书馆大数据存储、处理和分析
大数据背景下需要图书馆改进存储技术，不断扩大存储容量、提高传输速率和增强计算能力。数据存储上采用能够适应数据量大和模式不固定的数据存储的分布式存储方式。
大数据时代下，数据处理面临着数据集成，大数据的统一及融合的问题。图书馆的数据已经具有大数据特点、其数据环境规模庞大、平台结构复杂，大数据分布在各个不同网络节点中。在大数据产生后面临着如何使各种数据和信息规范、统一的表示及和融合，构建文献与数字资源体系的问题。因此，要研究通过对海量的，来自异构资源的数据和各种对象数据进行抽取、映射、收割、导入等手段进行预收集，形成格式统一、内容丰富、结构清晰的数据，灵活构建各种分类和界面，按照知识本体进行组织和揭示，进而保障强大高效的检索能力和良好的结果相关度排序。在处理数据时，对平台的选择将从Oracle 、DB2 和SQL Server三大主流关系数据库转向能够处理复杂的结构化数据和非结构化数据的Hadoop 等平台。
现代图书馆除了提供文献借阅、信息咨询等传统服务，还开展了大量的讲座、培训、展览、学术交流、读者沙龙等活动。大数据时代下，图书馆需要综合运用广大图书情报界所熟知的聚类分析、数据挖掘、网络分析、可视化分析、数据融合与数据集成等技术[3。对这些活动中产生的大数据进行处理和分析，寻找读者的偏好信息，做到精确化管理策略以及更精确的个性化信息推送。
4图书馆大数据应用
4.1提供“一站式”全功能检索
面对庞大、复杂、异构化的数据，读者需要的是“一站式”全功能的数据检索平台。图书馆需要在信息集成和数据融合的基础上提供强大的可靠的、具有数据过滤和去重功能、拥有智能、自动化的数据搜索能力的搜索引擎。如陈臣设计的图书馆大数据搜索引擎（图1），由爬虫与索引器、查询器、HDFS （Hadoop Distributed File System）、Hbase、搜索管理平台五部分组成。具备快速响应和复杂查询、分析的能力。同时，可支持不同的大数据平台系统结构，具有较高的容错性、可扩展性和较低搜索延迟，数据接口开放并向下兼容性[4]。
4.2在信息传播方式上将依托物联网、互联网和移动通信
大数据时代下，各种移动终端的出现和被利用，人们能够在各种时间、各种地点获得收集信息，这需要依托融合的物联网、移动通信网以及互联网络进行信息传播，最终实现为用户提供电视、电脑、手机等多种终端的接收。并以人为本，依托技术在移动服务上进行创新。大数据对传统的移动服务带来巨大的冲击，这种冲击不是“量”上的普通叠加，而是“质”的飞跃，它从用户群的整合、数据的重构、服务模式的挖掘、检索方式的变化等方面，深深地影响了图书馆传统的移动服务。大数据下的图书馆移动服务将在以下几个方面进行创新，丰富多样的数据信息源整合、智慧化的移动服务门户、全功能的个性化服务展示、“一站式”的全功能检索、用户增值体验和推荐式的知识获取[5]。
4.3主动提供针对不同读者的个性化推送服务
大数据时代下，读者的阅读行为、浏览内容和论坛及博客的评论等信息都能反映出其爱好习惯、阅读社会关系等等。而读者也有着快速获得精准信息的需求，因此，图书馆在大数据时代需要改变原有的统一的通知信息的推送服务方式，改善信息推送的针对性。图书馆提供个性化服务需要掌握用户自身的特点、不同阅读偏好和习惯模式等，进行用户群的精准划分和用户阅读情感定位，加强用户需求的研究。针对每一个用户的实际或潜在需求而得出图书馆应该推荐什么样的内容、匹配什么样的信息服务等，创建满足用户的个性化信息环境和反馈机制，把最合适的内容、以及未曾检索的近似资源，分层次地推送给用户，供其选择，并随其需求变化和馆藏资源的更新，把信息推送给用户，从而提升服务层次。这不仅加大了用户选择的余地， 也使用户在检索或浏览资源时不断发现新的信息[6]。如针对不同读者推送其感兴趣的新书、数据库、期刊等活动。
4.4提供研究动向以及研究热点的变化
大数据时代下，图书馆通过对读者行为信息数据的采集、处理，然后进行大数据分析，可以在宏观上分析相关领域科研热点的动向，为科研人员、科研部门的决策者提供服务，让他们更快的了解学科最新的科研走向，以及相关研究领域其他科研人员的研究进展。可以说通过大数据的分析，提升了图书馆在科研领域中的作用，为科研工作者提供了更多有价值的信息[7]。
4.5利用大数据精准图书馆管理决策
大数据时代下，图书馆数据的收集更加全面，可以改善抽样分析带来的偏差，能够得到更加精准的结论，为图书馆的管理决策提供依据。如，为图书馆的采编部门和数据库采购部门提供资源评价意见。通过采集、挖掘、处理和分析读者个人信息和网络社交行为中产生的非结构数据，分析出读者阅读兴趣偏好，读者多样化、个性化的需求以及需求的变化趋势，评估读者对各种资源的使用情况，预测读者对各种资源的需求情况，使图书馆读者决策采购产生最好的效果。
大数据时代趋势范文2
电子邮件营销诞生至今已经有30年历史了，时间真的很长。从最初的几年大家觉得发邮件是一个很酷的事情，是一个点对点的行为，一直到现在大家可能慢慢觉得邮件似乎被边缘化。邮件现在怎么运用呢？可能大多数就是一个是公司之间会业务来往的邮件发送，要不就是现在商家对于所有的客户去进行一些营销。在现在这么一个大数据时代的背景下，我们的电子邮件营销又该怎样进行优化，又该怎样与时俱进呢？这是我今天想要跟大家探讨的。
讲到邮件营销的优势，其实可能大家觉得邮件营销就是“群发”，最大的优势是什么？难道是廉价吗？这绝对不是唯一的。
1.邮件营销更多的是会员营销，它是一个非常好的可以跟CRM进行对接的东西，是根据我们会员的每一个节点，在合适的时候给到合适的内容，这样才能最大的转换。
2.在邮件里面我们也可以承载非常多的信息，我们可以通过邮件上面的信息把我们想要的东西更加主动的给到我们的受众群，相对关键词搜索来讲，邮件需要更加主动一点。
3.邮件每一个行为都是可以追踪的，你追踪下来以后可以进行一些比较深层次的分析，可以很好地帮助我们做二次营销。
4.邮件营销相对来讲切入点非常快，门槛比较低，不需要有一个很强大的技术团队，人人都可以非常快速的进行操作。
可能大家觉得邮件营销有点被边缘化。事实是不是这样？我们可以看一下数据，其实我们国内整个邮件营销的绩效可能比欧美要差很多。举个例子，国外的EDM基本上是能够保持在25%左右；但是我们国内就做的相对比较差一点，大约11%。这当中是什么呢？这是值得我们各位去思考的一个问题。同样这么一个问题摆在我们面前，就意味着我们有非常多的空间可以去提升，还是有非常大的机会可以把我们的邮件营销做的更好。
传统的来讲一个误区——邮件营销是群发性的邮件。我只要拿到数据群发，然后不停的去做销售，我的邮件内容也是非常的单一，就是希望我的用户能够去买东西。这种情况下，试想作为我们自己，跳开我是从业者，假设我是一个终端用户，这种体验感怎么会好。首先，我们要把邮件作为一个个性化的投递，一定要把适当的内容给到适当的用户群。第二，现在大家碎片时间比较多，用手机的人越来越多了，我的邮件是不是只局限于针对我的电脑用户进行发送？其实这个实现的技术有很多。
如何多渠道的联合互动？时下最热门的微信，之前有微博，包括我们自己有官网，包括关键词搜索等等，最终目的是把流量引过来，邮件的目的是把这个优良截住，截好之后在合适的时间恰当的进行一个沟通。现在很多微信公共帐号，可以嵌入一些合适的活动或者加入APP，让用户主动的留下他的E-mail地址。可能有人要问，为什么要有E-mail地址，我用微信沟通就可以了。每个渠道都有自己的特长，邮件确切的来讲是一个比较好的做二次营销的利器，因为它还可以承载比较多的个性化的内容，而且对于现在整个大数据时代来讲，从邮件营销商来讲，我们很少自己讲大数据。我们更多的是把一些零碎的渠道上面搜集到的信息整合到一起，比如：邮件的字段、手机号码、微信号码等等。
现在其实我们很多人是用手机去查看邮件的，中国的手机用户可以说是全世界最多的了。大家可以发觉，如果是传统的做法，用传统的邮件，显示是非常差的，这样用户很有可能直接把邮件给关掉，更不要说把流量带过来或者是产生一些转换。所以我们建议，要去做到一些响应式的邮件，在不同的环境设备里自动的判别是属于哪个环境，我的邮件会以最佳的状态显示，甚至是改变我字的颜色，改变首屏字显示的内容。我们的邮件有没有做自适应，有没有做Html5的方式，如果没有的话，可以优化一下。这也是值得我们去思考的。
其实邮件的个性化讲了很多年，我们在08、09年的时候就一直在讲邮件要去做个性化。所谓的“个性化”，不单单是给到你一种称谓，更多的是其它载体上面的信息。比如可以结合这个用户之前在邮件上面感兴趣的地方，他历次打开的周期、活跃度、、在网站上面收藏的一些物品、以往的购买记录，他购买的产品的一些属于什么类别的，它的价格区间等等，可以给到用户一个完整的档案。我们在做邮件的时候，就可以去进行推进。
对于邮件这边我们讲，最简单的推荐就是“猜你喜欢。”我们不能针对所有的用户发一封一样的产品推荐的邮件，而是根据刚才我们所运算的，我可以知道百分之多少用户可以接受的单价可能就是在100-300元；如果邮件推500元-1000元的产品你觉得会有相当大的效果吗？这样的效果肯定是不好的，所以我们就是建议邮件的个性化，不单单是在标题上面有个称谓，而且更多的是在内容上猜你喜欢。
电商个性化做了很多，一些旅游网站个性化也是做的非常不错的。我们可以看一下，特别是像旅游网站大多都是以“目的地”为个性的。当你在网站上搜索我要去那个目的地的时候，我们就会给他推送比较好的案例，你当时所搜索目的地相关的酒店、机票信息等等。还有一个就是要实时的发送邮件，这边一个案例也是我们根据用户的一个简单的生命周期：当用户在我的官网上面买了这台相机的时候，初期可能都是电池版、相机包这些比较基础的装备；但是两个月以后可能会对拍摄照片的要求高一点，他要拍夜景了，我们会推荐一点像三脚架等等；半年以后要求会更高，我们就会适当的去推一些相机的镜头。实时的推一些合适的东西，它的转换率会更加高一点。当然也有不好的例子。我收到的一封邮件，里面推了好多女性的产品，这样邮件的效果当然就会大打折扣了。总的来讲，个性化时代，我们要根据用户多纬度的分析。
现在邮件营销并不是说发的多就好，而是要发的少而精，这样才能达到最高的绩效转换。第二就是根据用户购买的频次，他的性价比等等，我们可以对用户进行内部评分，打标签。对于不同的用户，我发送邮件的时候，口吻和频次就会区别对待了。当然非常重要的，就是希望用户能够自己告诉我们他所喜欢的是什么。这个可以在注册的时候做到。当然还有一些是说，我会发一些问卷调查，但是并不是所有的用户都会做问卷调查。如果当这些方式并不那么奏效的时候，我们可以尝试一下在我主推的产品旁边放一个“我不喜欢”。至少我知道他不喜欢哪些产品，这样下一次推荐也可以不去推荐他不喜欢的产品了。
我们所提倡的新时期发的邮件一定要“适时、适当、适量”，告别群发，在合适的时候把适当的内容给到用户一个非常完美的邮件用户体验。
最后总结一下：
1.再次强调，邮件营销不等于群发的广告。
大数据时代趋势范文3
在“大数据”趋势的驱动下，企业具有更大规模的收集和处理数据的能力，越来越广泛的信息加速了各行各业决策的速率和准确率。而大数据的“大”，已成为存储业界目前所面临的严峻挑战。据IDC预测，到2015年，大数据技术和服务市场将从2010年的32亿美元增长到169亿美元，年复合增长率（CAGR）达到39.4%，几乎是整个信息和通信技术市场年复合增长率的七倍。快速的数据流转，动态的数据体系，以及越来越多样化的数据类型，面对如此海量的数据规模，尽管业界的专业人士不断的推崇“大数据”，但其所带来的复杂程度和处理难度，使得企业不得不去重新考虑存储基础架构的问题。
随着企业不断寻求通过各种方法创新并为客户构建更好的解决方案，他们面临的一个最大挑战是，如何使真正对社会具有深远意义以及可持续影响力的创新解决方案实现商业化。据 IDC 调查，到2014年，绝大部分数据将是非结构化数据。因此，在数据大爆炸或大数据的背景下，我们需要具备发挥非结构化数据巨大潜力的能力，以便生成新的可持续业务、从现有资产获取经济价值并提高用户生产效率。
大数据的基础架构需求
大数据数量庞大，格式多样化。大量数据和信息由家庭和办公场所的各种设备生成。它的爆炸式增长已超出了传统IT基础架构的处理能力，给企业带来严峻的数据管理问题。
IDC认为传统的基础架构不能满足大数据需求和挑战。支持大数据部署的架构必须可以动态调整，并具备以下主要特性：
- 按需提供的容量和可扩展性，使基础架构能够在必要时根据容量和性能扩展或缩减规模。
- 维持“始终在线”的环境以及防止计划外停机的故障恢复能力。
- 内置数据管理，并且能够在每个处理阶段以及每个后处理常规运行阶段管理数据保护、监管达标、处置和同化。
三步走，轻松驾驭大数据
基于对云计算和大数据的深入研究，HDS提出了颇具参考价值的三步云战略，即基础架构云、内容云和信息云。三步云战略基于企业现有的IT设施，为企业的所有数据提供单一的虚拟化平台。其中基础架构云目的为提供动态基础架构，以实现支持所有数据的单一平台。而内容云则基于这一单一平台，借助智能工具，实现对所有类型数据的索引、搜索和发掘。让数据可以更容易地被发现、共享并且重新利用，因而也会变得更有价值。在信息云中，和大数据会更加关联，让各种信息分析工具和流程与底层基础架构完美集成。连接不同的数据集，揭示其中的规律，以为企业用户提供有价值的信息和商业洞察，帮助客户应对在医疗、生命科学、能源研究、社会基础设施等领域的挑战。
大数据洞察，基础架构先行
针对大数据的容量需求，存储虚拟化是目前为止提高容量效率最重要最有效的解决方案，它为缺乏这些能力的现有存储系统拓展了自动分层和精简配置等存储效率的工具。拥有了虚拟化存储，便可以将来自内部、外部和多厂商存储的结构化和非结构化数据的文件、内容和块存储等所有的数据类型，整合到一个单一的存储平台上。当所有存储资产成为一个单一的存储资源池时，自动分层和精简配置功能就可以扩大到整个存储基础设施，从而可以轻松实现容量回收和利用最大化，甚至达到重用现有资产以延长使用，显著提高IT灵活性和容量效率，以满足非结构化数据增长的需求。目前，借助HUS中型企业可以在不影响性能的情况下能够扩展系统容量达到近3PB，自动更正性能问题，通过动态虚拟控制器实现快速预配置。此外，通过VSP的虚拟化，大型企业可以创建接近四分之一EB容量的存储池。
针对非结构化数据，传统文件系统中有限的索引节点总数导致文件系统可以容纳的文件、目录或其它对象的最大数量受到限制。而HNAS和HCP使用基于对象的文件系统，这使它们能够扩展到PB级，以及数十亿的文件或对象。位于VSP或HUS顶部的HNAS和HCP网关可以充分利用模块存储的可扩展性，同时享受到通用管理平台Hitachi Command Suite带来的好处。HNAS和HCP为大数据文件和内容构建起了相应的架构。
大数据时代趋势范文4
关键词：大数据；智慧税务；信息孤岛；税务信息公开
中图分类号：F810.42 文献识别码：A 文章编号：1001-828X（2017）012-0-02
一、提出问题
曾深刻的指出：“只有立足于时代去解决特定的时代问题，才能推动这个时代的社会进步；只有立足于时代去倾听这些特定的时代声音，才能吹响促进社会和谐的时代号角”[1]。大数据，物联网，云计算等新技术的出现和发展，给公共部门的管理提出了新的挑战。众所周知，目前，我国正处于大数据时代，变革的时代，革新的时代，基于当前立足的特殊时代，只有把握机遇，紧扣时代的脉搏，才能紧跟时代的潮流，促进我国政府治理模式的革新与创新。
大数据的时代，带来的不仅仅是机遇，还有对公共部门执政能力，革新能力，服务能力，应变能力的挑战。把大数据的手段和方法引入公共管理领域是实现管理现代化的必然途径也是大数据时代的必然趋势。在这样的时代背景下，作为国家经济命脉的维系者和对地方民生发展负有重要支撑作用的税务部门，面临着新时期税收改革和现代化建设等时代任务。利用大数据的手段和方法，建设智慧税务的新格局成为了税务部门新一轮改革的突破点。那么，如何利用大数据技术推动智慧税务的发展？
二、税务管理中存在的问题
（一）征纳信息不对称，工作效率低下。纳税人办理业务时，基层税务机关的一次性告知没有落实到位，造成纳税人重复跑腿的现象比较严重；税收管理人员进户执法时随意性较大，上级难以准确的判别调查事项是否属实，导致了在进户执法的过程中存在较大风险。
（二）征税制度不完善，偷税漏税现象不断。从整体上看，当前造成税款流失的原因集中在纳税人、纳税机关和征税制度三个方面。在这三者之中，征税制度的不完善是核心问题。只有解决好征税制度的问题，才能摆正征纳双方的地位，才能遏止假发票泛滥、危害国家财政健康的现象。
（三）人力资源的短缺及浪费。在基层的税务机关缺少专业的财会工作者，这会影响国家政策和财会法规的准确执行，使得征收人员的主观意愿对工作的影响较大，从而以领导下达的指令为准进行工作而不是按照国家的法律规定。另一方面，税务部门中也有很多高学历、强能力和经验丰富的工作人员，但却成为“被放错地方的资源”，长期错位的工作安排，使得个人难以在其工作岗位上实现个人价值和发挥个人的最大能力，从而造成有限的人力资源的浪费。
三、大数据助推智慧税务转型
近年来，大数据、“互联网+”、云计算发展的如火如荼，税务机关接收到的与税务业务有关的数据急剧增长，数据的处理需求和难度不断增加，传统的数据处理模式难以满足现有数据处理的需求。在这种情况下，只有依托大数据平台，把大数据、“互联网+”云平台和税务工作较好地结合应用才能更好地对大规模的涉税信息进行分析和处理。
（一）大数据在智慧税务建设中的应用前景
1.在征收管理方面，充分利用互联网在税收征收方面的作用。首先，充分开放税务网上办理的权限。在网上业务受理方面实现查询、增添和修改纳税人基本信息的权限，与此同时，开放税务登记信息查验的权限；其次，全力构建网上缴税的平台。建设便捷高效的网上申报纳税平台，实现网上纳税申报和网上资料的采集。与此同时，拓展缴纳应税税款的渠道，支持POS 机、网上银行、银行转账、手机银行、第三方支付等多种税款缴纳方式。最后，大力提升电子征管档案的管理水平。充分利用信息化手段，摒弃传统的人工采集、纸质保管等方式，建立电子征管档案，实现电子化采集和无纸化保存。
2.在纳税服务方面，首先，要加强移动办税建设。着力建设不管在什么时间，什么地点都可以提供税务信息咨询以及基础业务办理的“掌上税务厅”，大力开发移动税务终端，为纳税人提供移动申报缴税，在线申请等个性化服务。其次，要完善智能咨询系统。通过在互联网网站、手机 APP、第三方沟通平台等渠道上为纳税人提供引导服务和帮助，实现 12366 热线与各咨询渠道的信息互通。最后，要强化信息服务意识和应用。通过在微博、微信、手机 APP 上公告和信息等服务，与12366 咨询服务热线相结合，拓展和更新信息和服务提供的范围和方式，从而为纳税人提供多元化，全方位的税收信息和宣传服务。
3.在风险管控方面，建设风险管理、信用体系、智能监控等模块，降低工作风险。首先要加强信用体系建设，结合公民个人的信用评价指标和结果，加强与银行金融机构、政府有关部门、有关组织的合作与联系，有针对性的向信用评价良好的公民选择性的开放数据和业务的查询和办理接口。其次，提高智能监控管理水平。依托互联网、物联网的技术手段，进一步拓展税务信息公开的范围，大力开发税务查账软件，实现办税服务的智能化绩效管理并对执法过程进行监控，从而确保税务服务和执法全过程监控的实现。
（二）智慧税务的管理特征
通过“互联网+税务”的方式可以有效的提升税务管理的质量和水平，促进智慧税务的建设进程，其在税务管理方面的影响主要体现在以下四个方面：
第一，管理数据多元化。税务部门可以在业务办理的过程中借助大数据平台，同时推进第三方涉税信息共享，这样可以有效的明确各个部门共享税务信息的方式和内容，极大地推动税务机关在办证服务上的创新。
第二，管理系统高效化。根据纳税人是企业法人还是自然人等类别、涉税业务是个人税还是企业税抑或其他税种等的差别，利用大数据平台，可以构建服务大厅、网上办税、纳税热线电话、自助办税、短信服务等多种渠道并存的大服务税务格局。通过自助办税终端系统，纳税人可以不受时间和地点的限制，自行完成代开小额发票、打印缴款凭证，等凭证类税收业务。这样不仅可以减轻税务部门工作人员的工作压力，而且能够节省众多纳税人的业务办理时间，极大提高了办事效率。
第三，管理方式主动化。借助于大数据平台，可以实现集中统一的短信服务，在这种情况下针对特定受众发送定制短信内容的短信服务，有选择的向广大群众发送服务短信成为可能，极大地避免了对其他人工作和生活的影响，这种精确式的短信服务在提升服务质量的同时，实现了税务部门主动服务，主动管理的目标。
第四，管理技术精细化。针对发票弄虚作假，危害国家形象并使国家财政流失的现象，可以采取在全国推行网络开具发票的方式加以解决，这样不仅使纳税人纳税更加便捷，还使得税务机关能第一时间在网络终端掌握每张发票的信息。网络发票的普及在有效解决假发票泛滥问题的同时，还可以大幅降低用假发票报销的现象[2]。
四、智慧税务建设过程中出现的问题
大数据为智慧税务的建设提供了技术途径和信息支撑，但是由于我国数据收集，分析和处理的能力并未成熟，因此在大数据的使用过程中不可避免的会出现这样或那样的问题，在智慧税务的建设进程中，大数据实质上是指向智慧税务建设的达摩克利斯之剑，机遇和挑战共存。
（一）数据质量难以保障
目前我国的智慧税务建设还不完善，尤其是税收数据质量管理存在着一定的问题。首先，数据采集环节缺乏科学统一管理，容易造成数据的重复采集或者是数据采集的缺失。其次，数据使用缺乏有效性、安全性，缺少对所采集的数据进行的考查分析和评估，无法为领导决策提供科学参考 ；目前，对纳税人申报信息等都只是简单的录入操作，无法对纳税申报的真实性、合理性、合法性做出准确判断。最后，税收数据管理缺少相应的责任机制，责任机制的缺失容易造成管理缺位或重叠，影响数据质量的提高[3]。
（二）数据应用能力较差
数据不同于我们平时所提到的信息，只有经过处理之后，有价值的数据才称之为信息。将各种各样的数据通过一定的标准进行分类并加以处理，得到各个领域的信息，从所得到的信息中归纳总结，发现规律，便可获得各种有效信息，从而将这些信息用于指导决策。但是受限于信息管控能力和数据资源规划与管理能力，税务机关对于所拥有的数据的潜在价值挖掘力度不够，数据向信息、知识转化的能力较差。
（三）信息共享和交换困难
这里的信息共享不仅仅指的是各级各地方的税务机关间实现税务信息的交流，而且还包括财政，工商和税务部门之间的系。就目前的情况而言，“信息孤岛”现象普遍存在。随着智慧税务建设的不断推进，系统的融合集成和彼此之间税务信息的共享和流通迫在眉睫。如何缩小“数据鸿沟”，推进税务部门之间的信息融合利用，是税务部门改革迫切需要解决的问题。
五、推动智慧税务健康发展的战略对策
1.进一步推动税务信息的公开和共享
数据共享和信息公开，是大数据背景下税收改革的方向，也是税收治理工作现代化的前提之一，“共享”与“公开”的过程中，不仅需要税务部门与其他相关行政部门加强数据的共享和信息公开的力度，而且需要其他市场主体增强涉税信息主动申报和主动交换的意识[4]。加大涉税信息的收集、分析、处理能力，促进税收治理工作的进一步优化，与此同时，信息共享和信息公开的途径，应以微信公共号、手机APP客户端等新媒体形式为主[5]。
2.创新纳税服务方式
充分利用大数据技术和“互联网+”，实现税法宣传、税源管理、税款征收、以及税务内部治理和税务外部风险防范的及时，准确，推动大数据基础上大税务格局的构建，从而促进智能纳税、人性化纳税的建设，比如，针对不同行业、不同类型的纳税人实施有针对性的个性化服务，有选择性的推送相关政策法规、办税指南、涉税提醒、税收数据等信息[6]。
3.推进税务部门的通力合作，提高纳税服务的质量和水平
针对因为信息不对称，数据不流动而形成的信息孤岛，税务机关要明确所属各个部门、各个岗位的服务职责和标准，并且实现彼此之间职责和职权的对应和衔接，与此同时，要围绕“纳税服务”的中心工作，按照职位分类的标准和要求，建立起“一横一纵”的沟通协调机制：横向上在税务部门内部按照工作内容的不同，明确征收、管理、稽查等各个部门的工作职责，并实行起部门联合会议制度，定时对各自的工作进行沟通和交流，促进各部门之间的协作办公和信息共享；纵向上建立从市、县到基层分局各个层级的绩效沟通的双向通道，把服务作为一种基本职责和行为，从上到下关注“服务绩效”，齐心协力搞好纳税服务[7]。
4.加强复合型人才队伍建设
大数据新形势下，更应注重复合型人才的培养，加强对高素质人才的引进，培养和储备，形成有利于吸引人才的激励和保障机制，建立起能够适应大数据时代要求的人才队伍。这就要求税务工作人员不仅要熟练掌握与税收相关的专业知识、税收的政策法规，而且还应具备较强的组织协调能力、沟通和表达能力以及较高的思想道德水平。就税务人力资源部门而言，要注重用大数据思维组织、管理、考核人才，探索科研业务外包、科研人才外聘的途径，打造以税务干部为主体，社会各界广泛参与的 “税务智库”。
参考文献：
[1].问题就是时代的口号[C].2006.
[2]冯启娜，徐继华.大数据将引领公共管理大变革[N].光明日报，2013-11-06.
[3]刘B营.如何提高税收数据质量[N].中国税务，2016-02.
[4]国家税务总局关于印发《“互联网+税务”行动计划》的通知[Z].（税总发2015年113号）.
[5]杨东广.论“互联网+”战略及其在税收治理工作中的作用[N].财经纵览财政金融，总第173期.
[6]国家税务总局关于印发《“互联网+税务”行动计划》的通知[Z].（税总发2015年113号）.
大数据时代趋势范文5
店铺销售在电子商务的范畴里包含两种形式，一种是B2C里面的电子化零售，另外，也指C2C平台上的店铺形式。B2C的电子化零售店铺又分为制造商店铺直销(如戴尔，海尔商城，凡客诚品)及店铺平台销售(如京东，天猫，当当)。相较B2C的店铺销售，C2C的店铺销售为人熟知，如淘宝，易趣。
无论哪一种店铺销售，都面向最终消费者，故而市场竞争不会因为电子商务模式不同而衰减，除提升网店名牌效应，加强产品质量控制外，竞争的焦点主要体现为成本控制上。物流作为其中的一项越加被商家重视，越来越多的电子商务企业考虑兴建自己的物流团队，如京东的自建物流，与淘宝的大物流计划。
物流网络作为电子商务的瓶颈与基础，可以决定电子商务的成败。物流网络除具备基本的运输、仓储、配送等功能外，通过一定的改进与融合，亦可向分销转化，电子商务时代下店铺销售的新形式亦即出现。
1 概述
1)B2C的电子商务模式含义
B2C电子商务模式具体是指企业以网店销售的形式直接面对消费者提供各种产品和服务。其中，企业可以是传统的生产制造商，比如海尔与戴尔，设立网店直销其产品。也可以是网络销售平台，如京东网、天猫网、当当网等，其并不生产产品，只提供网站销售平台。
2)C2C的电子商务模式含义
C2C电子商务模式消费者在平台上设立店铺销售其产品的电子商务模式。C2C平台并不直接介入交易流程，只是作为平台供应者身份提供各项服务。
3)两种店铺模式的区别
B2C与C2C的店铺销售模式在定义上有些区别，但就商务实质上，面对的客户群体都是个体消费者，所以本质上利益相关性较大，竞争客观存在，而且较大。从目前的生活类购物网站淘宝网与京东网比较可以看出，客户群体都是个体消费者，主要的区分在于网民对网站的品牌价值认知，即淘宝网是偏向于廉价的服装类购物网站，而京东网是有一定品质保障的电子类购物网站。
2 店铺销售的盈利模式
B2C电子商务模式包括制造商直销，及电子分销商平台代售。制造商直销的店铺模式，其主要收入来源于销售产品所得。这种模式在国内的代表公司有海尔、凡客诚品等，特点是其必须为大众熟知的品牌。电子分销商平台代售，主要收入来源于销售所得的分成。此模式国内的代表型网站有纯网络分销平台(如当当网、京东网、易讯网等)和传统分销商建立的分销平台(如苏宁易购、国美在线)。纯网络分销平台由于没有传统分销网络的覆盖，仅能靠网上销售来传递产品与服务，故其与产品供应商的合作默契程度比不上传统分销商，在价格控制上也难以取得低于做电商的传统分销商的优势。
C2C电子商务模式的盈利模式还在探索当中，C2C平台由于扩张市场聚集用户的免费策略，导致店铺经营者不愿支出更多的成本，只能以广告，店铺插件，小程序等来维持。这也是国内很少有C2C平台的主要原因，投入巨大，收益甚微。淘宝网在很长一段时间都在烧钱，也是因为此原因，阿里巴巴公司才将店铺进行差别式对待，圈出能带来更多利润的店铺组建了天猫。
3 店铺销售的发展趋势
1)由做零售开始到做物流
B2C的电子化零售及C2C的店铺销售，都受制于一个关键要素，即物流网络的覆盖及物流成本的控制。戴尔公司的网络直销在中国大陆运行的并不成功，市场占有率并未实现预期，由于受到中国物流业现实的限制，戴尔将产品放进了苏宁、国美的柜台展销。
纯电子分销商也越加认识到物流的重要性，积极构建自己的物流网络。虽然网络渠道虽然可以实现销售、展示与在线服务，但是实体商品必需的物流网络，仍然是电子分销商的短板。由于与传统分销商的竞争关系，纯电子分销商并没有相应的物流网络作为支撑，在配送上只能借助于第三方物流，成本难以控制，物流质量难以保证，影响到用户体验。因此加强物流团队的建设，与物流网络的覆盖，是纯电子分销商保住竞争优势的唯一可行途径。
C2C的店铺销售，因其自身的散户特点，并没有相应的实力和流量来支撑物流团队，故其一般采用第三方物流模式完成产品的配送。但其负面效果也很明显，随着经济发展及各项成本的提升，物流成本的累积也成为必然，这让本来比较关注价格的用户在购买时会愈加小心谨慎。因此C2C店铺销售平台也有必要打造自己的物流团队，进一步降低物流成本，以更低的总价格保持网站的黏性。
2)由做物流网络到做分销网络
营销管理理论中经典的4P理论，包括了产品，价格，渠道与促销。其中渠道，又具体包含了以下三种渠道。即分销渠道、沟通渠道与服务渠道。分销网络作为分销渠道，其作用与意义在传统商务中自不必多言。在电子商务环境中，其重要程度亦没有丝毫减弱。
以苏宁易购与京东商城为例，两者都是以电器销售为主业的竞争对手，但区分亦很明显。京东以纯电子商务零售挑战既线下经营又作网上零售的苏宁易购，只能以价格战为噱头，究其主要原因，是电子商务并未能完全脱离传统商务环境，必须仍然围绕着4P开展营销活动。因此，也就必须要有分销网络。对于线下经营的苏宁来说，分销网络已经覆盖广阔，驾轻就熟。而对于京东，则只能依托于互联网的覆盖及物流体系的支撑。
无论对于哪一个电子商务零售网站，互联网的覆盖都是一种平等的优势。因此相互之间的竞争也就落在了物流体系上。纯电子商务零售企业在物流体系上的能力差距决定了其与对手之间的距离。鉴于此认知，很多电子商务网站着手打造自身的物流团队，开始走自营物流的道路。如亚马逊，又如京东。
自营物流的特点，决定了企业必须建设高效率、覆盖面积广的实体物流网络。这一网络的存在可以为用户完成网购相关的配送服务。但这一网络的实体特点，决定了它不仅可以是一个物流网络，还可以成为一个分销网络。
物流网络与分销网络的共同点有以下几个：
(1) 都是实体网络
(2)都接近最终消费者，且为最终消费者服务
(3) 都可以传递实体产品及服务
但两者之间的不同也很明显：
(1)分销网络是由批发商、经销商、零售商构成，而物流网络是由物流中心、仓库、及运输路线构成。
(2)分销网络更接近消费者，且环境更适宜于消费者消费。
(3)物流网络一般为分销网络提供物流服务
虽然物流网络与传统分销网络的不同很明显，但这不会成为一种阻碍，反而会成为另外一种优势。
物流网络如果直接转变为分销网络，会直接减掉分销环节，将价格控制在更低的水平。另外，物流网络如果转变为分销网络，可以将库存周转变得更得迅速，降低物流成本，且可以直接将库存转为现金流。
但物流网络转变为分销网络的不可能让用户在仓库或者物流中心体验到商城购物的美好感觉。这一劣势可以通过低价与快速选购或者送货上门来弥补。
3)物流网络转变以分销网络的设想
物流网络转变为分销网络的想法，是将线上与线下相结合，将实体与虚拟相结合。即可以通过对物流中心，仓库的合理设置与改造，将其变为可以直接面向消费者选购的场所。同时亦不失其原来的功能。
具体方案，可在物流中心，或是仓库设置客户选购区，通过计算机前台或者纸制的产品目录进行现场选购，现场取货;或者，通过家庭网上选购，就近仓库或者物流中心提货。
鉴于此，物流中心或仓库在选址上，也理应考虑消费者方便的需要，在地理位置上做出相应的妥协与让步，而不能仅考虑地段及相关因素造成的成本。
4 小结
由物流网络转为分销网络，是指将物流网络充分利用，结合物流中心及仓库的实体性、接近消费者的特性，针对消费者直接进行销售工作。但这并不能说明转变后的物流网络会取代传统的分销网络，在多元的商务社会里，两种分销模式势必会同时存在与相互竞争，至于哪种分销会更被青睐，最终仍取决于企业的上帝——消费者!
大数据时代趋势范文6
关键词 大数据技术；区域大气污染联防联控；区域大气质量模式
中图分类号X7 文献标识码A 文章编号 1674-6708（2014）116-0107-02
0 引言
近30年来，我国快速工业化和城市化发展使得多种大气污染问题集中爆发，表现为区域复合污染现象突出，大气氧化性增强，多种污染物在大气中发生复杂作用产生二次污染物，并随气象条件进行长距离传输，最终造成跨省市污染、区域性环境恶化趋势等现象。区域大气质量管理制度与管理手段需要根据污染发生、形成及影响机理研究的深化，并结合污染源变化、气象条件、总量减排、控制技术以及社会经济发展等多方面数据进行数据挖掘与深度分析。
大气污染联防联控监管数据包含了在线监测设备、互联网、视频监控、移动设备、IT设备等渠道产生的海量数据，其中80%以上是以非结构化的形式而存在的。传统的区域大气质量模式通过对监测数据、气象数据、地理数据等结构化数据的模拟分析，对区域大气污染联防联控工作的开展起到了一定作用，但是由于缺乏对视频、文档等非结构化数据的分析，具有一定的局限性。大数据技术在处理视频、语音、文档、图片等非文字形式呈现的非结构化的数据挖掘、专题分析与预测等方面则更加具备优势。在这样庞大的非结构化数据背后，利用大数据技术，从海量堆积的交互数据当中发现带有趋势性、前瞻性的信息，实现为区域大气质量管理提供有效科学的决策分析。
1 大数据相关概念与应用价值
1.1 大数据概念与特点
在所有的概念中，比较有代表性的概念是3V定义[1]，即认为大数据需要满足3个特点：规模性（volume）、多样性（variety）和高速性（velocity）。同时，有在3V基础上提出4V特点，国际数据公司（International Data Corporation，IDC）认为大数据还应具有价值性（Value）。尽管存在不同的表述，但一个普遍的观点是，大数据与“海量数据”和“大规模数据”的概念一脉相承，带来了巨大的产业创新的机遇。
1.2 大数据技术的应用价值
目前，大数据的开发与利用已经在医疗服务、零售业、金融业、制造业、物流、电信等行业广泛展开，并产生了巨大的社会价值和产业空间。2012年3月美国奥巴马政府了“大数据研究和发展倡议”（Big data research and development initiative），投资2亿以上美元，正式启动“大数据发展计划”，计划在环境、科学研究、生物医学等领域利用大数据技术进行突破[2]。
大数据技术为区域大气污染联防联控工作的开展带来了巨大的价值，但这些价值必须通过数据的有效整合、分析和挖掘才能释放出来。对于结构化数据的整合目前有很多解决方案和软件工具，而对于非结构化数据（如：文本数据、图像数据、信号数据、音频数据、视频数据等）的融合和整合，则面临了更多的挑战。海量数据的生成和累计是区域大气污染联防联控工作开展的必然结果。因此可以说大气污染联防联控工作的开展是建立在数据基础之上，诸多环境保护的决策问题必须通过数据分析才能解决。
2 区域大气质量模式的局限性及大数据技术带来的突破
2.1 区域大气质量模式的局限性
空气质量模式的应用为区域大气质量控制、分析不同空间尺度上空气质量变化状况和趋势以及污染防治提供有效科学依据。按照空间尺度划分，空气质量模式分为微尺度模式、城市模式、区域模式、大陆尺度模式和全球模式[3]。区域大气质量模式在大气污染联防联控监管工作的开展中具有一定局限性。
第一，区域大气质量模式通过输入研究地区的源排放、地形以及气象资料，运行模式得到该区域的空气质量数据，由于排放清单、气象数据以及模型自身均由不确定性，空气质量模型的模拟结果与真实值难免存在较大误差；
第二，在区域大气污染联防联控监管工作的开展过程中，产生了大量的结构化与非结构化数据，但是传统意义上的区域大气质量模式不能结合文档、视频、图片等海量非结构化数据进行综合模拟与分析，存在了大量的数据资源浪费现象；
第三，区域大气质量模式主要用于分析大气污染成因、机制，对重点污染行业、重点污染区域进行识别，并且对环境规划效益进行评估，大气污染联防联控相关的监管工作难以基于各类模型的分析结论有效开展。
2.2 大数据技术为区域大气污染联防联控监管工作带来的新突破
大数据技术通过数据的有效整合、分析和挖掘，为区域大气污染联防联控监管工作的开展带来了新的机遇。在传统区域大气质量模式的基础上，大数据技术对区域大气质量管理产生的海量数据进行了充分管理与应用。
区域大气污染联防联控监管工作的大数据处理流程包括3个方面，分别是数据抽取与集成、数据分析以及数据解释。
2.2.1 对大气质量监测及管理数据进行抽取与整合
区域大气质量监测数据具有多样性、数据来源广泛、数据类型复杂等特点，复杂的数据环境给大数据处理带来了挑战。首先对所需数据源的数据进行抽取和集成，从中提取出关系和实体，经过关联和聚合之后采用统一定义的结构来存储这些数据。在数据集成和提取时需要对数据进行清洗，保证数据质量及可信性。
2.2.2 区域大气污染联防联控数据分析
数据分析是整个大数据处理流程的核心，因为大气环境质量数据的价值产生于分析过程，从异构数据源抽取和集成的数据构成了数据分析的原始数据。根据不同应用的需求可以从这些数据中选择全部或部分进行分析。传统的分析技术如数据挖掘、机器学习、统计分析等在大数据时代需要做出调整。另外由于大气环境质量监测与管理数据常常具有实时性特点，需要在处理实时性和准确率之间取得一个平衡。
2.2.3 区域大气质量管理与决策的数据解释
区域大气污染联防联控数据分析是大数据处理的核心，但环保管理人员往往更关心结果的展示。如果分析的结果正确但没有采用适当的解释方法，则所得到的结果很可能让用户难以理解。数据解释的方法很多。区域大气污染联防联控的数据分析结果往往是海量的，同时由于涉及到多种污染物协同控制以及区域环境与经济发展等多维分析数据，结果之间的关联关系及其复杂，采用传统的解释方法基本不可行。需要通过可视化技术、数据起源技术以及人机交互技术等进行深入解释与展现，利用交互式的数据分析过程来引导用户逐步进行分析，使得用户在得到结果的同时能够更好地理解分析结果的由来。
3 大数据技术在区域大气污染联防联控的应用
总体来说，区域大气污染联防联控监管工作的开展需要综合污染物监测数据、行业交叉应用以及区域经济发展等多重维度，通过大数据技术对监管过程中产生的各类结构化数据与非结构化数据进行深入挖掘与分析，建立区域大气污染联防联控机制，签署区域环保合作协议，编制实施空气质量保障方案，实施省际联合、部门联动的环境监管模式，从而保障区域大气环境质量。
3.1 基于大数据进行区域大气监测数据分析
由于区域内多种污染物同时在大气中发生化学反应，引起暴露和产生沉降，对影响人类健康和生态系统都有着严重影响。但是区域大气环境监测重点实现单一污染物控制格局，对多种污染物之间的相互影响和协同控制的分析较少，对硫氧化物、氮氧化物、VOCs、重金属和NH3等相关监测数据缺乏相关分析[4]。
基于大数据技术，通过对区域大气环境质量监测数据、污染源在线监控数据等结构化数据与视频监控、暴露人口规模、人口地域分布和人群特征、污染物带来的健康风险等非结构化数据综合分析，实现数据协同减排，分析不同污染物之间的相关关系，并对污染减排量带来的物理损害减少进而减少的经济损失与污染物减排量之间的关系进行更深入的分析。
3.2 通过大数据实现与其他行业信息共享
目前区域大气环境质量管理工作的开展以环境保护各级业务部门为主，与气象、林业、交通等相关行业没有实现数据共享与综合分析，需要综合多行业角度，对区域大气环境质量进行预测预警。
基于大数据技术，结合气象、林业、交通等行业相关数据，进行数据挖掘与统计分析。如通过对区域气象条件与机动车统计数据的获取，综合该地区污染物排放监测数据，运用大气污染物扩散模型等计算出未来48小时内大气污染状况，并给出相关出行建议，在出现逆温等不利于污染物扩散的大气条件下，对相关企业进行排放控制或阶段性实施机动车限行管理，从而在一定程度上预防区域大气污染事件的发生。
3.3 大数据技术为区域综合发展提供决策分析
我国现行的空气质量管理仍是典型的属地模式，部门分割，缺乏有力、高效的跨行政区协调机制。虽然发达地区城市群已经开始对区域大气污染联防联控进行先试先行，但一些好的做法和经验并没有固化下来形成一种长效机制[5]。
大数据技术的实施，能够在区域大气污染联防联控总体规划同时，结合区域内经济发展水平、空气质量现状和管理水平等要素，在环境质量目标和达标时限上给出决策支持，实现区域大气污染联防联控差别化管理，为建立地区间协调和合作机制提供数据支持，构建“共同但有区别”的大气污染联防联控监管和规划体系。
4 大数据技术应用面临的挑战
目前，大数据技术在区域大气环境管理中的运用仍存在一些困难与挑战，体现在对海量空气环境监测与管理数据挖掘的四个环节中。空气质量监测与管理数据收集方面，要对来自空气质量自动监测站、污染源在线监控设备、视频监控、其他行业的数据附上时空标志，去伪存真，尽可能收集异源甚至是异构的数据，必要时还可与历史数据对照，多角度验证数据的全面性和可信性；对区域大气数据的存储要达到低成本、低能耗、高可靠性目标，在存储时要按照一定规则对监测数据进行分类，通过过滤和去重，减少存储量；对海量大气监测与管理数据的处理涉及上百个参数，其复杂性体现在多源异构、多实体和多空间之间的交互动态性，从大量动态数据中综合信息，并导出可理解的内容；结果实现可视化呈现，如采用标签云、历史流、空间信息流等可视化技术，以图形等可视化方式让结果更容易被理解与接受。
参考文献
[1]Grobelnik M.Big-data computing： Creating revolutionary breakthrough in commerce， science and society.2012.http：///eswc2012 grobelnik big data/.
[2]黄哲学，曹付元，李俊杰，等.面向大数据的海运数据系统关键技术研究[J].网络新媒体技术，2012，1（6）：21-26.
[3]刘烽，吴增茂.城市大气质量模式研究进展[J].环境科学进展，1999，7（2）：22-30.
