前言：中文期刊网精心挑选了大数据战略报告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。
大数据战略报告范文1
[关键词]发达国家；大数据；政策
doi：10.3969/j.issn.1673 - 0194.2017.04.103
[中图分类号]D035 [文献标识码]A [文章编号]1673-0194（2017）04-0-02
互联网和移动互联网的快速发展，使人们进入了全新的数据时代和共享经济时代，阿里巴巴董事局主席马云曾在IT博览会的演讲中向全世界表达了“我们正式从IT时代走向DT时代”的思想，大数据发展不到十年历程，却已成为当前经济发展和国家竞争力提升的新引擎，给全社会带来了深远影响，其战略意义在于对数据的专业化处理分析和共享运用，实现数据的价值增值。2015年，国务院《促进大数据发展行动纲要》指出要大力促进中国大数据技术的发展，党的十八届五中全会提出“实施国家大数据战略”等，标志着大数据已经被纳入政府创新战略高度。而贵州发展大数据产业已处于先行探索阶段，2014年初贵州省出台《贵州省大数据产业发展应用规划纲要（2014―2020年）》和《关于加快大数据产业发展应用若干政策的意见》，提出将大数据作为重点扶持的新支柱产业，2016年省政府工作报告中明确要强力推进大数据战略行动，并通过与国内其他园区、企业开展战略合作，积极引进大数据企业、互联网龙头、软件服务商。为了营造了良好大数据产业发展环境，贵州将率先采取数据开放、各部门之间数据整合等一系列措施。
1 发达国家大数据战略发展分析
1.1 发达国家大数据战略概述
1.1.1 美国
2011年，美国总统科技顾问委员会认为大数据具有重要的战略意义。2012年，美国将大数据定义为“未来的新石油”，美国政府认为一个国家拥有数据的规模、活性和解释运用的能力将成为综合国力的重要组成部分，对数据的占有和控制将成为国家核心资产之一，编制出台了《大数据研究和发展计划》，加大对海量数据收集、存储、梳理分析，做到核心技术的共享运用，进一步扩大大数据人才数量。增加经费投入，前期投入2亿多美元推动大数据技术研发。
1.1.2 澳大利亚
2011年，澳大利亚政府公布了《国家数字经济战略》报告，旨在确保2020年前基本完成国家宽带网络的物理建设，使澳大利亚成为世界数字经济的领军者。2013年，澳大利亚政府积极编制实施了《公共服务大数据战略》（以下简称《战略》），率先实施数据开放战略。该《战略》旨在推动公共行业利用大数据分析进行服务改革，制定更好的公共政策，保护公民隐私，使澳大利亚在该领域跻身全球领先水平。澳大利亚在大数据立法方面最具代表性的是1998年的《隐私法案》（以下简称《法案》），该《法案》旨在通过对信息的采集及程序性规定来保护个人隐私。
1.1.3 英国
英国政府加大对大数据的前期投资与筹备建设，兴起一股“数据权”运动，2013年，《把握数据带来的机遇：英国数据能力战略》，进一步加强在数据挖掘和价值萃取中的领先地位，从提升数据分析技术、推动研究与产业合作、保证数据的安全存储与共享使用等几个方面做出部署，确保战略目标得以落地。
1.2 发达国家大数据战略分析
大数据不仅是基础性战略资源，而且作为一种新兴战略性产业正迅猛的发展，成为不同国家、区域和企业间的竞争焦点，正在引发深刻技术与商业变革，打破传统产业体系，推动产业链分化重组，催生新兴产业体系。总体看来，上述发达国家对大数据政策措施体现以下共同特征：一是颁布战略规划实施整体布局，为抢占大数据发展先机，增强国家在大数据领域发展中的国际领先地位；二是注重大数据配套政策研究制定，重点在人才培养、产业扶持、资金保障、数据开放共享等多方面展开，为我国及特别是贵州省大数据产业发展构建良好的生态环境。
2 我国主要地区大数据产业应用发展现状及分析
2.1 我国主要地区大数据产业应用发展现状
我国政府非常重视大数据产业发展，并将大数据发展作为国家战略重点来抓，2012年以来科技部、发改委、工信部等部委在科技和产业化专项上陆续支持了一批大数据相关项目，在推进技术研发方面取得了积极效果。2013年6月工信部了《电信和互联网用户个人信息保护规定》。2014年《政府工作报告》明确提出：“以创新支撑和引领经济结构优化升级；设立新兴产业创业创新平台。”2015年，党的十八届五中全会决定实施国家大数据战略。在国家的战略引导下，国内各地结合实际情况积极推进，快速推动大数据产业发展。
2.1.1 北京
为进一步加强对大数据和云计算的利用，北京市将实施《北京市大数据和云计算发展行动计划（2016-2020年）》，颁布了《北京市公共服务网络与信息系统安全管理规定》《北京市政府信息依申公开工作办法（试行）》《北京市政府信息公开工作考核办法》《北京市政府信息协调办法（试行）》《北京市政府信息清理工作办法（试行）》和《北京市政府信息公开规定》等相关的政策法规，并依托中关村产业和技术优势，积极推进下一代互联网产业集群、移动互联网和新一代移动通信及卫星应用产业集群的关键支撑技术发展，包含基础网络设施、支撑与服务、网络运营、终端设备等关键环节的完整大数据产业链。2014年，中关村管委会出台《加快培育大数据产业集群推动产业转型升级的意见》，推动大数据行业应用，促进生产效率提升；实施大数据解决方案，推动商业模式创新；构建拥有人才、技术、资本、数据、平台配置完善的大数据产业生态系统；完善大数据产业创新发展环境等六大主要方面推动大数据技术和应用创新。
2.1.2 上海
上海市在全国率先制定大数据产业发展战略，提出凝聚上海大数据领域优势力量，研究大数据基础理论，攻克关键技术，研制大数据核心装备，形成大数据领域的核心竞争力，加速大数据资源的开发利用，推进行业应用，培育数据技术链、产业链、价值链，支撑智慧城市建设。建设大数据公共服务平台，促进大数据技术成果惠及民众；推进行业应用，重点选取金融证券、互联网、数字生活、公共设施、制造和电力等具有迫切需求的行业，开展大数据行业应用研发，探索“数据、平台、应用、终端”四位一体的新型商业模式，促进产业发展。
2.1.3 广东
广东省是率先启动大数据战略的省份之一，颁布了《广东省信息化发展规划纲要（2013～2020年）》，指出“智慧城市是一种新型信息化的城市形态。”作为率先推行大数据战略的省份之一，广东将积极组建省大数据专家委员会和省大数据技术产业联盟等，并在省内高校和科研院所中选定首批大数据战略研究机构，研究制定大数据发展中长期规划，出台《广东省实施大数据战略的意见》等相关文件，进一步推动促进信息化和工业化深度融合，并积极推动广州、深圳、东莞、佛山及茂名等大数据、云计算和物联网产业基地建设。
2.1.4 天津
天津市在滨海新区已启动了高水平大数据产业基地建设。《滨海新区大数据行动方案》指出，到2015年，要实现“2111”的发展目标，即聚集200家大数据企业，引进10个信息中心和数据中心项目，实施10项典型应用示范项目，形成10项杀手锏技术产品；到2017年，建成具有国际竞争力的大数据产业基地和数据资源聚集服务区。天津大数据产业涉及数据的存储、分析、传输及安全等多个环节，其中核心是数据的分析和挖掘，拟优先发展的大数据技术和产业化领域包括数据存储与计算技术领域，数据获取、挖掘与分析技术领域，数据安全技术领域，数据组织与管理技术领域。
2.1.5 重庆
重庆市颁布实施了《重庆市大数据行动计划》，提出重庆市实施大数据行动计划的总体目标、主要任务和保障措施。要重点打造2～3个大数据产业发展示范园区，培育核心企业10家及大数据应用和服务企业500家，培养引进大数据领域高端人才1 000名，形成500亿元大数据产业规模，努力建成国内有影响力的大数据产业发展基地。同时，打造大数据跨境电商平台，发展跨境电子商务和大数据集聚区，推动重庆产业结构调整和商业模式创新；积极引进腾讯公司在重庆建立其在中西部地区的首个大型云计算数据中心。
2.2 我国主要地区大数据应用分析
我国主要地区大数据产业应用主要围绕大数据领域的核心竞争力，加速大数据资源的开发利用，推进行业应用，培育数据技术链、产业链、价值链等。当前，从区域角度研究大数据产业发展战略的相关成果较少，贵州省大数据发展还存在数据开放共享不足、产业基础薄弱、顶层设计与统筹规划缺乏、创新应用领域不广等亟待解决的问题，有必要将产业经济学、技术经济学、政策科学等理论方法引入大数据研究，做好支持大数据产业发展的政策体系建设的顶层设计，以实现完善大数据的政策法规体系建设、超前布局大数据的理论研究目标。
3 发达国家及我国主要地区大数据产业发展对贵州省的政策启示
参照我国其他地区及发达国家大数据发展经验不难看出：不同地区，大数据技术基础、市场基础与数据文化氛围不尽相同，其政策侧重点也存在差异。贵州要先行加快发展大数据，要充分结合省情实际，发挥生态环境优势和资源环境优势，更加注重大数据战略技术能力储备和战略应用实施两个方面，做好顶层设计与发展规划。
3.1 加强大数据政策法规战略的制定及标准体系建设
建立以发展规划和大数据标准为引导、政策法规相协同及法治建设为保障的大数据政策法规战略体系，提出大数据标准体系的基本构成，包括大数据产业标准、大数据应用标准等，研究大数据标准体系的效力层级，提出针对不同层次的标准赋予不同效力的应对策略等。
3.2 分析贵州省公共领域数据开放的基本规则
贵州公共领域数据开放需坚持的基本原则包括：平等开放原则、开放数据负面清单原则、无偿开放为主的原则及效率开放原则等。分析贵州省公共领域数据的开放范围，包括普遍开放的数据范围、特别开放的数据范围、不予开放的数据范围等，提出贵州省公共领域数据的开放流程、时限、用途等规范措施。
3.3 制定贵州省公共领域数据互联互通的相关措施
根当前制约公共领域数据互联互通的主要问题，制定贵州省公共领域数据互联互通负面清单制度，制定公共领域数据互联互通的具体数据类型、范围、时限、程序等规则。
3.4 分析数据权利的性质、内容、范围、权能
分析数据权利的性质，提出数据权的权利内容与边界（数据权不同于著作权、不同于数据库权）；研究出数据权权能及其行使方式（数据采集权、数据占有权、数据使用权、数据处分权以及数据收益权等）；提出数据权利法制化的路径及贵州省可行做法等。
大数据战略报告范文2
关键词：大数据；发展脉络；营销趋势；研究评析
一、问题的提出
云计算、移动互联网等新信息技术的广泛应用及社会化网络的兴起，使信息数据产生机制更复杂、传播速度更快、类型更多样，全球进入信息数据量“井喷式”增长的大数据时代。国际数据公司（In原ternationalDataCorporation，IDC）指出：全球创建和复制的数据量五年内增长近九倍，预计将以每两年至少翻一番的速度继续增长。仅2013年，世界范围存储的数据就达1.2ZB（1ZB抑1021B），将这些数据刻录到CDR只读光盘并堆起，其高度将是地球到月球距离的五倍[1]。生产和信息方式的变革引起管理规范及其深层次上价值观的转变。传统企业营销中，为避免无法获取整体数据的弊端，多依据小样本采样统计推断以形成所谓“科学决策”。然而采样分析的成功取决于样本的绝对随机性，大数据时代，营销调研建立在对大样本持续收集数据的基础上，实时分析和输出调查结果将为营销决策提供及时判断临界值。在大数据背景下对营销活动进行研究，具有聚焦数据，提高营销决策科学性；强调洞察，增强营销活动“预见性”；重视创新，增强营销理论“前瞻性”等研究价值[2]。特别是中国具有众多人口和庞大市场，也使中国成为最为复杂的大数据国家之一。那么，大数据对营销活动究竟会产生怎样的影响？其内在机理是什么？通过文献综述，对大数据概念进行界定，梳理其发展的历史脉络，在此基础上分析大数据对消费者行为、营销决策模式、营销战略、营销要素等的影响表征及其机理，最后对大数据的营销应用研究做出述评。
二、大数据的发展脉络及概念界定
（一）大数据的发展脉络
大数据的概念最早要追溯到上世纪，只是在互联网时代，大数据才从规模、类型等方面得以实现。早在1981年，美国著名未来学家Toffler在其著作《TheThirdWave》中，提及“大数据”，并称之为“第三浪潮的华章”[3]。2001年，META集团（现为Gartner）的分析师Laney指出数据增长带来规模性（Volume）、高速性（Velocity）、多样性（Variety）等变化[4]。《Nature》则在2008年9月开设“BigData”专刊[5-7]，同时《Sci原ence》也推出数据处理研究专刊“DealingWithDa原ta”，对数据洪流（DataDeluge）所带来的社会变革及影响做出讨论[8]。大数据研究的开创性论文是Gins原bergetal（2009）的“DetectingInfluenzaEpidemicsUsingSearchEngineQueryData”，该文探讨了如何利用谷歌搜索引擎查询词来预测流行病[9]。只是在最近几年，大数据才成为高频词。2011年5月，麦肯锡公司《大数据：创新、竞争和生产力的下一前沿》报告，指出“在数据渗透于各领域并成为生产要素的背景下，对海量数据挖掘应用，将带来新的生产增长和消费者盈余浪潮”[10]。2012年3月，美国开始实施“大数据研发计划（BigDataRe原searchandDevelopmentInitiative）”，将大数据喻为“未来新石油”，并视为与互联网、超级计算机同等重要的国家战略，这也是美国在“信息高速公路”计划后所实施的又一国家级重大科技战略。日本紧随其后，推出“新ICT战略研究计划”。同年，世界经济论坛《大数据、大影响》报告，从多个行业领域阐述大数据给世界经济带来的发展机会[11]。就国内而言，2011年12月，国金证券开创国内大数据研究先河，将其研究成果引入资本市场[12]。2012年5月，香山科学会议组织“大数据科学与工程：一门新兴的交叉学科”为论题的会议，同年6月，中国计算机学会青年计算机科技论坛（CCFYOC原SEF）举办“大数据时代，智谋未来”会议，对大数据挖掘技术、组织架构、平台治理等展开探讨。2013年6月，国家自然科学基金委管理科学部、美国营销科学学会（MSI）、南京大学商学院（管理学院）和香港中文大学工商管理学院联合主办“2013营销科学与应用国际论坛”，也将“大数据、社会化、移动化对市场营销的新挑战”作为主要议题之一。2014年2月，北京银行与小米科技就移动支付、便捷信贷、产品定制、渠道拓展等签署协议，表明国内企业运用大数据战略进入实质性阶段。2014年3月5日，总理第一次把大数据写进政府工作报告，阐明了国家对大数据产业鼎力支持的政策，随后一系列公开讲话进一步明确了这一战略部署。2015年2月，百度公司利用百度迁徙、百度指数等大数据产品直观地呈现了春运“景观”，把大数据研究成果可视化地展示在电视屏幕上。2015年3月，政府工作报告中进一步提出“互联网+”计划，推动大数据与现代工业相结合。
（二）大数据的概念界定
大数据本身就是抽象的概念，当前对其概念界定尚未达成统一，不同组织及学者给予不同的表述，见表1。尽管各方对大数据概念并不统一，但其中“大规模数据”“体量、复杂性及速度超越传统数据”“超越现代技术手段处理能力”等观点得到基本认可。IBM公司及Laneyetal（2001）认为大数据具有“3V”特征：规模性（Volume），数据量一般要达到TB级甚至PB级；多样性（Variety），数据结构类型包括结构化数据、半结构化数据和非结构化数据；高速性（Ve原locity），产生、处理、分析数据的速度加快。国际数据公司（IDC）在此基础上，增加“价值性（Value），即“大数据价值很大但呈现低密度性”的特点，从而形成大数据的“4V”特征[16]。而NetApp公司认为大数据具有“ABC”三特征：大分析（BigAnalytic），通过对大数据实时分析构建新的业务模式并更好地了解顾客需求；高带宽（BigBandwidth），快速有效地对数据进行处理分析；大内容（BigContent），包括各种类型数据，同时对数据存储、扩展、安全等管理的高要求[17]。
三、大数据对未来市场营销的冲击
根据（移动）互联网时代大数据的特征、消费者行为变化及营销模式的可能演变，通过相关文献梳理，勾画的大数据对未来营销活动的影响趋势，见图1。
（一）大数据对消费行为的影响
1援消费行为更理性。工业化时代，信息不对称的客观存在，消费者易受各种如低价促销、广告宣传等影响。而大数据时代，消费者有更多、更方便的途径获取更详细的商品价格、成本、产地、质量等信息，并可更方便地搜寻、比对和遴选，从而做出更理性的选择[18]。2援消费行为幂律分布。大数据时代，消费者评价系统更广泛，先前购物者的购后评价及经验对新消费者具有重要参考。相比先前购物者的好评，消费者则会更关注其差评，以便做出正确的消费决策。同类产品中，质量好、价格有优势、服务好的产品受到越来越多的青睐，并不断吸引新的消费者，形成“滚雪球式”的“马太效应”，消费行为呈现幂律分布。3援消费行为更个性化。工业化时代，商家追求规模经济的考虑，只能在有限范围满足消费者个性化消费。而大数据时代，信息广泛并快速传播，消费者的消费认知及创造力大大提升，消费异质性不断增大，对产品或服务的关注并不仅限于以往的质量、品牌、价格、售后等，更关注其个性化的满足程度。
（二）大数据对营销决策模式的影响
大数据时代，思维方式发生三个变革：其一，要分析与事务相关所有数据而不是少量数据所构成的样本；其二，要接受数据纷乱复杂的事实，而不能过于苛求精确；其三，更加主动地分析相关关系而不再探究难以捉摸的因果关系[19]，可以说，数据驱动型决策（Data‐drivenDecisionMaking）是大数据背景下决策的特点[20]，以“数据化、智能化、实时化垣经验”将成为大数据时代的营销决策范式。1援数据决策技术升级，注重实时处理及相关分析。传统分析多基于多元统计、计量经济学模型等方法，对大量一手和二手结构化数据实施分析，从中寻求研究对象的内在联系，常用方法有：聚类分析、因子分析、相关分析、回归分析、A/B测试、数据挖掘等。大数据背景下，数据规模大、传递速度快、非结构化数据多等特点，使得传统数据分析及数据库管理手段很难适应时代要求。数据产生及传播速度加快，要求数据应用实现从离线（Offline）向在线（On原line）的实时处理转化[21]。数据关联成为大数据的主要价值来源，但数据间交互广、价值密度低、碎片化严重，也使决策重点从以往因果关系分析向相关关系分析转变。2援决策参与主体向社会大众倾斜，数据分析师地位加强。大数据使营销决策越来越依赖于数据分析而非经验或直觉[22]，直觉判断将被精准的数据分析代替。管理者决策重心在于正确发现并提出问题，一线员工对决策参与度将大大提升，决策主体从社会精英向社会大众倾斜，扁平化组织架构、学习型企业文化将得到加强。同时，能综合运用数据分析、分布式管理的数据分析师，将为企业营销决策提供更多智力支持。
（三）大数据对营销战略的影响
1援激发协同营销的竞争格局。大数据环境下企业与行业的边界日趋模糊，营销系统开放性更明显。企业竞争不再局限于个体之间或供应链的链条间，而是向多主体所构建的商业生态系统间延伸[23]。企业营销战略的设计应打破传统的个体竞争思维，在不断提升自身营销网络化和动态化能力基础上，利用外部资源，形成协同营销格局。2援一对一营销的精准定位。大数据背景下，企业可以记录消费者在产品各个生命周期阶段的品牌偏好、口碑评价等行为数据，基于社会学、心理学、营销学、传播学等相关理论，并借助数据挖掘、统计计量等，按一定的细分标准进行消费行为细分，从而结合自身资源优势，形成目标市场的选择和一对一营销的精准定位。
（四）大数据对营销要素的影响
1援产品：顾客参与式的产品设计和个人定制。大数据背景下，虚拟企业和智能车间将会越来越多地被采用，顾客参与式的产品设计和个人定制将大行其道。那些市场价值在较短时间发生贬值的短生命周期产品的时效性更强、需求波动大，与外界存在着复杂非线性关系[24]。而长周期产品特别是其中生产工艺复杂、流程管理复杂、客户需求复杂的复杂品（ComplicatedProduct）将实现供应链纵向一体化整合及全生命周期数据整合[25]。“全息”生命周期的完整大数据可帮助企业构建消费者兴趣图谱，从而应用于营销和新媒体关系定位中。2援渠道：渠道缩短及渠道多元化。大数据背景下，信息技术更为成熟，经由中间商的渠道模式将让位于直销，渠道长度越来越短。特别是具有及时反馈交互关系平台技术的实施，使企业可开发出更多、更便捷的渠道与顾客连接，实现多渠道及跨渠道营销。诸如微商等“屏幕+手指+快递”的购物方式，配合超低的价格，使营销渠道更趋多元化。3援价格：透明度更高，基于支付意愿的差异化定价。传统营销定价多从产品成本、利润率、顾客接受度等简单因素考虑，并依据先前相关销售经验建立精算模型。大数据背景下，传统精算模型将被颠覆，价格不对称性有所改善，定价透明度越来越高，明智的价格策略是企业“阳光”定价，基于支付意愿的差异化定价将成为主导，电子支付成为主流。4援促销策略：促销手段的数字化、互动化趋势。大数据背景下，传统电视、报纸、广播等大众传媒的传播效率不断下降，而建立在数据库基础上的移动互联网将成为促销信息的重要传播手段，促销手段更具数字化。同时，促销手段更新颖，目标受众被多元化数据锁定，并特别强调与顾客间的互动和情感沟通。
四、大数据研究在营销中的应用评析
（一）研究层次：偏宏观层面研究，轻微观分析
当前对大数据的相关研究，更多从宏观层面对其概念内涵、形成脉络及其对社会所产生的影响方面展开描述，而对大数据所形成各种影响的内在机理缺少必要的微观分析。大数据为未来营销带来深刻影响，但机会和挑战并存，其合理利用前提是必须拥有准确、可靠、及时的高质量的数据[26]，只有在此基础上，才能提炼出有效的营销决策信息，才能帮助企业实现精准定位。
（二）研究视角：多立足于信息科学视角，缺少管理视角
当前，国外从管理学视角应用大数据技术来支持管理决策已成为商科教育的热点[27]。相比之下，国内相关研究还处于起步阶段，数据驱动决策的管理模式还有待形成，现有的相关研究则更多立足于对数据信息的采集、处理、检索、挖掘及离线分析等信息科学视角。而只有立足管理决策的视角，探讨大数据对现代经济组织的战略定位、架构设计、营销实施等实时问题，才能真正发掘大数据的“资源”价值，建立起信息引导决策的机制。
（三）应用范围：国内多理论研究，实践广度、深度不够
大数据战略报告范文3
2012年美国政府首先开放了388529项原始数据和地理数据，涵盖了农业、气象、金融、就业、人口统计、教育、医疗、交通、能源等大约50个门类。数据汇集了从家庭、企业能耗趋势分析到全球实时地震通知等，甚至还可以查询从好奇号火星车发回来的火星天气数据。
2013年，美国政府宣布“大数据的研究和发展计划”，旨在提高美国从大型复杂数据中提取知识和观点的能力。美国大学开始培养数据科学家。此举使美国成为全球首个将大数据上升到国家战略层面的国家，也是数据科学家人才储备启动最早的国家。
今年3月，美国宣布将美国国家海洋大气局、美国国家航空航天局、美国地质调查局以及其他联邦机构的气象数据上线开放，希望通过这项计划能吸引更多的社会机构和研究团体参与到气候研究中来，进而降低极端天气事件给美国带来的损失。
今年6月，美国食品药品监督管理局宣布开放医疗和健康大数据，先期已开放了“300万份药物不良反应报告”的数据。这些是2004～2013年间提交给FDA的药物不良反应和医疗过失记录。分析人士称，“此举将使美国新药研制时间缩短3至5年，美国临床健康开支每年减少165亿美元，为美国医药产业每年创造1000亿美元的价值。”
数据科学最重要的基础在于定义了数据自然（data nature）。数据自然是所有存入信息系统的数据总集合，包括数字、字符、音视频以及计算机程序等。在数据自然的视角下，人、社会、大自然及其历史，都将转变成数据自然，人类同时生活在大自然和数据自然之中。人类将通过探索数据自然来更加深入地了解大自然，了解社会和人类行为。
数据科学认为，与大自然一样，数据自然也有未知、复杂、多样等属性。要在数据自然中获得收益，需要采用系统性的数据科学方法。有一种说法是数据和石油一样，是资源。没有探矿、采油、炼油技术和工程师，石油点灯都嫌烟大。与此类似，没有数据科学和数据科学家，数据的用处有限。
在大数据时代，用数据科学的方法，透过探索数据自然，为人类提供了更为本质、更为深刻、更为迅速认知把握自然、社会的全新途径。我们的生产生活方式将因大数据时代数据科学所带来的新知识、新观点和新方法而产生深刻变化。
美国“大数据国家战略”正是基于数据科学最新成就的、面向未来的战略举措。
当今社会，政府是最大的数据拥有者。美国政府开放数据，相当于为公众提供免费共享的数据自然，允许社会在其上创新，发展数据科学，开发数据应用，创造新的商业模式。这与卓别林电影《淘金记》中的场景颇为类似。当年美国开放西部，鼓励民间发展淘金科技，获得商业利益。
美国大数据国家战略的意图十分清晰：通过政府开放数据，激活社会创新，不断突破大数据的核心技术，开发军事、科研、商业等领域的实际应用，获得军事、商业优势，巩固并强化美国的全面战略优势。
大数据战略报告范文4
会议开场，《化妆品观察》总编邓敏致辞，介绍了大数据研究的背景。
《大数据时代》翻译、电子科技大学互联网科学中心主任周涛分析道，目前大数据有3个趋势：数据量变大，数据形态多样化，数据关联性增强。伴随这3大趋势，整个产业形态会发生变化。
数联铭品总裁曾途对大数据时代化妆品企业的评估演变进行了剖析。他指出，目前国内化妆品行业在数据使用上充满矛盾，一方面追寻渠道数、销售额、利润率等数据，但另一方面，咨询、公关公司数据有效性低，缺乏数据基础，决策所需信息获取困难。
“大数据是理解市场的符号。”曾途分析道。通过培养大数据理念与思维，建立大数据管理和应用平台，同时进行外部数据战略储备等行为来布局大数据。
以传统数据调查为例，通过收集和挖掘大量微博等社交媒体数据和电子商务数据，大数据可以获得总体数据，而非样本数据，同时通过用户行为总结用户特征，能超越因果分析，实现相关关联分析。
如何建立外部数据战略储备？曾途表示，可以运用高价值数据，如社交媒体数据（用户网络使用习惯研究、用户社交关系研究、用户情感及产品诉求分析）、网站论坛数据（市场动态监测、竞争对手监测、商业机会发现）、电子商务数据（用户消费数据研究、用户浏览行为研究、用户评论数据挖掘）、移动终端数据（用户移动终端使用习惯分析、用户活跃区域分析、用户接触媒体分析）。
曾途分别通过“美宝莲BB霜”美誉度分析、“玛丽黛佳睫毛膏”二次购买率分析、“相宜本草”互联网广告监测等3个案例，分析了高价值数据的实际应用（见表1、表2、表3）。
事实上，大数据并非新生事物，也不是新概念。然而，随着大数据的火热，却让不少人直呼“雾里看花”。正是在这样的背景下，此次研讨会旨在通过沟通交流，了解企业的实际需求，找到大数据如何与实际运用相关联，从而推动本土化妆品企业的发展和行业进步。
现场提问：
蓓体施黛总经理戚勇：大数据的服务方向是什么？
周涛：目前数据服务在行业内有4种形式：1.数据售卖和数据查询。目前在中国数据监管不太好，很多人在售卖数据，举个例子，我是某眼霜产品的品牌商，可能会需要其他购买眼霜的用户的数据。数据查询是合法的，比如查询用户的特征，包括用户的年龄、使用偏好等。2.平台建设。这主要是针对大企业，售卖设备，建立数据中心。3.应用型。通常以项目的形式，范围包括如管理库存或发邮件寻找目标客户或管理会员等。4.咨询报告。针对行业的共性问题和自身产品个性化的问题，通过咨询报告进行深度分析，给出建议。
大数据战略报告范文5
关键词：大数据时代；财务分析；财务指标
互联网迅速发展的大数据时代，财务分析的内涵和外延都在不段扩展，如何利用蕴藏在海量财务数据背后的宝贵信息，为企业管理者经营决策提供科学依据是当下很多企业财务分析需要进行攻坚的难题，因此放弃固守报表核算和报表分析这一传统思路，实现从“事务型”向“经营管控型”的转变是具有重要的理论与实践意义的。
一、大数据对财务分析的影响
大数据也被称作巨量资料，它是一种需要新的处理模式才能够让企业拥有更加强大的决策能力和洞察能力的信息资产，一般分为四个层面：数据收集与存储层；数据整合与加工层；知识发现层；应用层。大数据的引进，衍生出财务共享服务模式的出现，使财务从集中式向共享式变化，扩展了财务管理的方式。正确的大数据为财务分析在提供宏观经济数据上的支持集中表现在以下三方面。
（一）为战略分析提供有力的保证
利用大数据分析，不仅可以从产品服务的经营模式入手，还可以从市场发展潜力，产品品质，员工积极性，创新能力，顾客满意度，产品寿命周期，价值链等多方面进行分析。通过在此之上获知的分析数据，可以及时把公司的战略转化为政策，把公司的意志转化为行动。
（二）通过对财务管理信息的挖掘与扶持，建立企业数据库
随着计算机的不断发展和数据挖掘技术的兴起，越来越多的传统行业将受到信息化的“洗礼”，从海量数据中提取有意义的关联规则或其他隐藏信息，再对企业信息化进程中获得的海量财务数据通过分析对象，数据采集，数据预处理，特征提取，数据挖掘等手段来进行分析并加以运用，为企业搭建出有效的数据库。
大数据可以借助数据库内部信息系统，按收入分布和消费阶层来开发出针对性的产品，促进企业产品的销售，也可以多维度对产品销售收入、利润分析、存货进销存分析及区域差异化进行分析，并能为企业的快速发展控制风险，为经营战略提供数据扶持。
（三）提升财务管理信息的准确度
传统财务使用的是“漏斗式”记账方法，会计人员在记账时只是将原始凭证中的结构化信息转记到记账凭证上，因而过滤了很多非结构化的重要信息，而这些非结构化的信息由于受制于技术限制，有些与决策相关的数据并没有受到应有的重视，或者由于数据分类标准的差异，导致数据整合利用难度大，效率低。但运用大数据可以使大量财务管理数据的准确性得以提升。正确的大数据为财务分析提供宏观经济数据上的支持，不但可以衍生出财务共享服务模式，而且使财务从集中式向共享式变化，扩展了财务管理的方式，使财务分析思路进入多车道模式，为企业管理者经营决策提供科学依据。
二、传统财务分析面临的主要问题
（一）财务分析者只注重财务处理能力
很多财务分析者因为是财务出身，所以只偏重于财务处理能力的提高，并不清楚企业经营环境及采用的经营模式，那么进行财务分析得到的分析报告可能会产生歧义。在这种错误的不正确的信息导向下，决策者也绝对不可能制订出正确的、有效的经营决策。因此，在不掌握具体经营方式前提下所进行的财务分析都是徒劳并且毫无意义的。
（二）会计分析方法造成的差异
会计准则允许企业采用不同的会计方法，而不同的方法就会产生不同的财务结果。在比较不同的企业时，必须考虑到会计方法上的差异所带来利润表的不同。第一，会计政策运用上的差异。企业在不同会计年度间采用不同会计方法以及不同企业以不同会计方法为基础形成会计信息，均会使信息具有的可比性造成极大影响。例如：装修费作为长期待摊费用处理，年限是否妥当；固定资产计提折旧年限是否有差别等等。第二，会计数据的自身局限制。会计工作是基于一系列假设的前提而进行的，前提受主观因素的影响较大。例如：大量的预收账款的存在，是否有提前确认收入粉饰报表的可能；发出的存货的计价方法变更是否会影响到营业成本的确认；子公司和关联方是否会对公司利润产生影响等等。
（三）财务运用比率分析法的缺陷
财务比率分析只是一种评估企业业绩的手段，而不是能解决企业所有的管理问题。单个比率是无法提供关于整个企业所有的相关信息，因此，必须计算一组财务比率，然后才能对企业进行适当的评估。合理选择比率取决于该企业所属行业的特征。即使采用多项比率来衡量和预测一家公司的业绩，如果不与行业平均值和竞争对手比较，也无法得出有用的结论。此外，财务比率是计算的结果，如果没有仔细的解释和其他额外的非财务信息，这些比率本身是无法揭示企业所面临的实际问题。即使可以通过这些比率来识别企业的潜在问题，财务比率也无法提供有效的解决方案。
（四）财务分析报告形式单一
现阶段管理会计提出的报表分析依然停留在传统“事务型”状态，注重事后分析，忽视事前、事中管控。因而分析出来的财务报告对于后续的溯源分析一筹莫展，只能粗略地进行定性判断，财务分析报告形式单一，无法给管理层做出决策性指引。因此，要针对企业所处时期，针对不同的服务对象（投资者，债权人，管理者不同的利益主体需要的财务分析目的是不同的）采用对应合理的分析方法来实现财务分析的多元化。
三、大数据时代下改进财务分析的对策
（一）培养财务分析专业人才
财务分析者一定要对整个企业经营生产活动有全过程，全方位的了解和把握。从事财务分析的人员，不仅要精通企业财务会计的原理，方法及相关的政策法规，而且要全面掌握现代企业经营管理知识及应用数学、概率论、统计。最为重要的一点是让财务分析者下基层锻炼，全面参与公司各个环节的业务过程。但因财务人员毕竟不是业务人员，其只需要做到掌握业务循环中的关键控制点，学习在基于关键控制点上协调考核指标及控制流程即可。
（二）提升会计分析数据的准确度
会计分析是在进行财务分析前的一个重要环节。会计分析的目的是评估企业的会计数据其所反应的经营业务程度。如何判断企业是否存在会计数字的扭曲，并能迅速还原真实面貌，提炼出未加工过的数据，最好的方法就是通过关注会计报表的附注所披露出的细节充分认识公司使用哪种会计政策和会计估计。与此同时要在财务报告中引用预计值，不同企业间的比较需要进行必须的调整。
（三）引入非财务数据构建新的财务分析方法
财务分析的目的在于为进一步调研和寻找解决方案提供基础信息，分析方法不能只对报表数据进行反映，引入非财务数据分析方法至关重要。现阶段，报表展现的只是企业经济资源的一部分，列入报表的往往是可以利用的，可以用货币计量的硬性资产，但对企业的人力资源，大量知识资本和知识产权的无形资产，优质客户群体，以及通货膨胀等因素的影响均没有在报表中予以反映出来。而这些信息一般会在会计报表附注中体现。适当增加报表附注，特别是披露大量表外信息，会计信息系统终端产品的财务报告“增容”势在必行。此外，政府应出台相应会计准则加以规范，同时独立审计工作也要随之改进，拓展审计范围，增加对前瞻性信息的审计。
（四）不同的发展阶段要确定不同的分析重点
不同的阶段要有不同的关注目标，这就需要采用合理的方法实现财务分析的多元化。公司成立初期，财务分析主要围绕行业及企业战略、远景进行具体规划，进行本行业主要竞争对手及产品分析的资源整合，把企业战略落实到实际经营层面。随着企业战略定位日渐清晰，其重点业务开始转向发展财务架构，配合业务组织结构去搭建，经营分析及风险控制要逐步提上日程。而后随着公司规模快速扩张及新一代消费群体消费行为的变化，财务分析趋势侧重精细化管理。同时积极建立内部信息系统，实时收集终端客户各项数据，进行多维度产品销售收入、利润分析、存货进销存分析及区域差异化分析等，只能这样才能为企业快速发展控制风险，为下一步经营战略提供数据支持。
四、结束语
财务分析的目的是找出生产经营过程中存在的问题，为决策提供依据，但许多企业在做好财务分析之后，并没有将分析的结果用于改善企业的经营管理。财务分析没有贯彻落实到企业实际工作中。那么有效的财务监督控制和风险预警机制则为财务分析的有效提升奠定了基础。
参考文献：
[1]侯志才.浅谈财务报表分析方法[J].财务通讯，2012（12）.
[2]夏明涛.大数据时代下的财务管理转型[J].新会计（月刊）， 2015（06）.
[3]李钢.大数据时代财务分析的研究[J].现代商业，2015（05）.
大数据战略报告范文6
（长江师范学院，重庆408100）
［摘要］随着互联网技术的蓬勃发展，出现了移动互联网、云计算、物联网等科技成果，而现在大数据概念又应运而生。大数据的发展已经渗透到各个行业领域，逐渐成为重要的社会资源。与此同时，企业财务管理模式又遭遇到前所未有的机遇和挑战。本文探讨了基于大数据技术下企业财务管理模式如何进行革新。
［
关键词 ］大数据 ；财务管理 ；变革
［DOI］10.13939/j.cnki.zgsc.2015.22.103
1引言
随着互联网技术的蓬勃发展，出现了移动互联网、云计算、物联网等科技成果，而现在大数据概念又应运而生。“大数据”时代最早是由全球首屈一指的咨询机构麦肯锡公司提出。该公司在经过长期调研后了《大数据：下一个竞争、创新、和生产力的前言领域》的研究报告，在其报告中提出当前大数据规模及其存储容量正在快速增长，大数据已经渗透到各个行业和业务职能领域，逐渐成为重要的生产要素，预示着新一波生产率的增长和消费者盈余的浪潮到来。目前，越来越多的政府、公司、机构意识到大数据所具有的潜在价值。2012年3月22日，奥巴马政府宣布投资2亿美元来加强大数据的研发。这一政策旨在增强收集海量数据、分析提取信息的能力。这一举动表明奥巴马政府将大数据战略上升为国家意志，其技术领域的竞争，与国家安全和未来密不可分。美国这一战略的启动，其他发达国家必然跟进，出台相应的政策。在这个信息化的时代，谁能全面、及时、准确地掌握信息资源，必将站在战略的制高点，走在信息时代的最前列。
2大数据概述
有关大数据的概念，目前还尚未统一。研究机构Gartner认为“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。而麦肯锡咨询公司在其《大数据：下一个竞争、创新、和生产力的前言领域》的报告中给出的定义是：大数据指其大小超出了典型数据库软件的采集、储存、管理和分析等能力的数据集。在维克托·梅尔松伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理。以上这几种定义，虽各有各的不同的侧重点，但无疑体现出了数据“大”的特点，但这并不是全部。具体来说，大数据具有以下四个基本特征。一是数据量巨大（Volume），从TB级别，跃升到PB级别。二是数据类型繁多（Variety），包括数字、文本结构化数据还有视频、网络日志、地理位置信息非结构化数据。三是价值密度低（Value），如何通过强大的数据处理技术迅速地完成有价值的信息的筛选成为目前大数据背景下亟须破解的难题。四是处理速度快（Velocity），这是大数据处理技术与传统数据挖掘技术最明显的特征。然而，大数据的战略意义并不在于拥有海量的数据信息，而是对这些庞大数据进行“提纯”，从而迅速获得有价值的信息。
3大数据时代对财务管理的影响
3.1大数据时代给财务管理带来的机遇
财务管理是企业管理核心内容，它是通过价值形态对资金运动进行决策、计划和控制的综合性管理，其主要目标是股东财富最大化。目前，企业财务管理工作是基于对财务报表的分析，而这种对数据的分析方式往往存在滞后性，不利于为企业决策提供支持。随着企业的财务信息愈加复杂，各部门之间的信息要将大量的交易信息转换为对企业决策有价值的信息一直是个难题。在大数据时代，企业所面对的数据量的规模越来越大，数据之间的关系更加清晰和完整。大数据的处理技术以其处理速度快、精度高的特点，能够对大量的财务信息进行多维度的分析，帮助财务管理者破除用传统方法无法解决的难题。有了大数据的基础，就能使财务管理人员能从传统的核算中脱离出来，转向风险管理、信用管理、成本控制等重要的管理领域，利用大数据技术等分析工具获得深度洞悉，实现资源的优化配置。
3.2大数据时代给财务管理带来的挑战
大数据面临的挑战是多方面的。
（1）数据的迅速增长对存储空间、存储技术、能源消耗的挑战：在大数据时代下，要求企业及时的搜集所有的信息，同时又要保证信息存储的充分性、全面性、准确性，这就导致信息存储的规模巨大。据百度技术委员会理事长陈尚义透露，百度每天处理的数据量将近100个PB，相当于5000个国家图书馆的信息量的总和。而现有的数据库由于其自身存储空间有限无法满足高级别的数据分析需求。
（2）数据本身的安全及个人和机构的隐秘信息泄露的挑战：海量的数据信息对企业财务管理的影响是显著的，但是“大数据”理论是建立在“海量数据都是事实”的基础之上，人们无法保障所提供的所有信息都是事实，就可能出现“灾难性大数据”，从而导致企业管理层做出错误的决策。同时，在大数据时代下的信息往往包含个人或机构的隐秘信息，如何保障这些信息的安全避免被不法之徒利用是个亟待解决的难题。
（3）数据价值密度低，无法有效攫取：虽然大数据时代给企业财务管理带来了很多信息，但从这些海量的信息中筛选有价值的信息的过程是十分复杂的。同时，存储、计算、分析PB级以上规模的数据是需要非常高的成本的。大数据虽然看起来利用价值很高，但是价值密度却远远低于传统数据库中已经有的那些数据，加之现有的数据分析技术有限，难以有效的攫取获得优质的信息。
（4）数据技术的分析手段亟待完善：在大数据时代，企业的数据量不仅巨大，而且数据结构种类繁多，不仅仅有结构化的数据，更多的则是非结构化的数据，其中的非结构化数据所占比重大且持续增加，而且数据之间的关系较为复杂。如何从这些数据中识别和检测错误、缺失的信息，传统的技术和方法已无法快速地完成对所有信息的检测，就这需要企业配备高端的数据存储设备的同时开发、设计或引进先进的大数据分析技术和方法，以实现数据的整合、分析等操作，充分的挖掘大数据潜在的价值。
4大数据时代下财务管理的改革之路
4.1企业管理层要树立大数据的意识
首先，大数据的应用需要企业管理层的重视和支持，有了管理层的重视，就有望将大数据的应用及发展规划进一步推动。同时，在企业管理层的带动下，就能加强大数据的质量意识建立完善的数据质量保证制度。然而，在国内大数据的发展还属于初级阶段，不少企业尚未意识到大数据的应用会给企业带来巨大的价值，也并未将大数据的认识提升到企业发展战略的高度，从而就导致大数据的价值无法发挥，不利于企业未来的发展。
4.2建立数据安全系统
基于云计算的大数据时代的信息多而繁杂，其中还包括不少用户的个人隐私及机构的机密信息。如何保障这些信息的安全，同时又能使企业能有效地运用这些信息，这就需要企业从全面的数据安全系统入手，建立合理的逻辑监管程序，全面数据处理模型，标准化信息配置，同时加强数据的监管，人员监管与外部智能辨识，做好各个环节的相互支撑与防御。
4.3建立统一的信息化管理系统
大数据中包含了企业多年积累的业务、财务、市场等各方面信息，对其进行深入的剖析就能找到指导企业财务管理发展的方法。因此大数据的兴起，很可能颠覆现有的信息管理系统，这就要对现有的信息管理系统进行革新，使之统一化。在大数据时代，数据格式的统一，就能迅速的对数据进行高效的分析，为企业的管理效率提升、成本节约、风险控制以及价值增值提供机会
4.4培养数据分析型的财务管理人才
在大数据时代改变企业财务管理模式的同时，这就需要财务管理人员转换传统的基于核算反映、监督的思维，发展为善于通过数据分析，实事求是，引导决策者关注本质，做出正确决策的人才。而这些高素质的人才在当今社会是短缺的，如何培养高技能、高素质的财务管理人才，这就需要企业加大招聘力度的同时大力培养内部员工，通过对员工派遣外出培训、交流学习，提拔具有潜质的财务管理人员，增强企业未来竞争能力。
5结论
在大数据的时代的来临，将会对企业的财务管理模式带来全面的革新。传统的财务管理方式已不再适应信息化时代管理的发展趋势，因此企业要通过大数据来创造全新的财务管理模式迫在眉睫。总之，企业必须抓住大时代潮流下的财务管理契机，采取有效的措施进行财务管理革新，才能走在大数据时代的前沿。
参考文献：
［1］耿云江，赵晓晓.大数据时代管理会计的机遇挑战与应对［N］会计之友，2015-01-10.
