前言：中文期刊网精心挑选了大数据发展战略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。
大数据发展战略范文1
关键词：大数据；航天遥感；战略
中图分类号：P237 文献识别码：A 文章编号：1001-828X（2015）015-000-02
一、航天遥感和航天遥感系统
近些年来，大数据已经成为继云计算、物联网之后 IT 领域最流行的词汇，并在各行各业中广泛出现，受到人们越来越多的关注，也引起很多专家学者的深入研究。从2012年3月开始，美国开始投入对大数据的研究，与大数据相关的研究发展规划被列入科学信息领域的重要举措之一，相关部门基于大数据背景下获取、存储、处理等方面展开对遥感信息技术的研究。本文以航天遥感的现状为基础，分析航天遥感系统的技术现状，得出航天遥感系统如何面对大数据时代挑战的结论，以便于迅速采集遥感数据、对遥感数据进行分析和管理，满足人们对航天遥感的需求。
遥感是为了获取远距离物体的相关资讯，遥感技术被广泛应用于现场勘测，适用于面积广阔的观测，数据的综合性和可比性较强，具有很强的时效性，在勘测过程中不需要通过物理接触，而是通过电磁波的反射以及辐射，通过数据的采集和计算，实现对物体的远距离探测，获取包含物体的遥感数据信息。这里需要注意的是数据不等同于信息，数据承载有效的信息，在目前的应用中仍然存在一定的局限性。任何事物都可以发射、反射、吸收电磁波信号，都属于遥感信息源。地物的空间信息的获取方式需要通过搭载在遥感平台上的遥感器来获取。
二、大数据的概念
大数据是适应时展需求所衍生出来的概念，顾名思义，大数据所指的数据数量十分庞大，通过传统的收集渠道不能帮助企业采集、管理有效的信息，也无法立足于时代背景，向企业提供与经营相关的策略。直到2009年，“大数据”才逐渐出现在公众视野，以难以预计的速度进行扩散。研究大数据的目的并不是采集数据，而是将采集的数据进行分析、管理、处理、应用，增强数据应用的能力，进一步完善使用数据的功能，从而挖掘有应用价值的资讯，大数据技术具有可观的发展空间。大数据时代在信息通信、海量存储等方面有利于解决航天遥感系统迅速采集信息、处理数据，本文的重点放在数据存储方面，并分析新时代背景下航天遥感技术存在的机遇和挑战，进一步促进航天遥感技术的可持续发展。
三、航天遥感技术迎来的机遇
1.航天遥感技术的重要意义
航天遥感可以对环境和资源进行有效的勘测，也可以对信息技术进行有效的掌控。可以说从一定意义上讲，航天遥感技术已经成为决定战争胜负和影响国家安全的重要因素。 航天测绘已成为获取空间信息资源十分重要的技术手段。同时，遥感信息的获取、处理、加工和服务，与卫星定位技术和卫星通信技术的应用也密切相关，正在世界范围内蓬勃发展的小卫星技术对于推动遥感、导航定位和通信技术的快速进步具有重要价值。
2.大数据时代航天遥感技术的机遇
（1）云存储
在大数据时代的背景下，航天遥感技术可以使用云储存的技术，对数据进行实时更新，包括对数据副本进行实时更新，占有极少的硬件资源，广泛应用于亚马逊等电子商务行业中。存储虚拟化技术是云存储系统的关键所在，包括主机、基于网络、基于存储阵列三种，为了将设备的物理属性屏蔽，完成对异构存储设备的统一映射。基于主机需要使用虚拟化软件，在实际运用的过程中会增大主机端的负载，无法拓展主机的空间。基于存储阵列需要安装虚拟控制程序，将逻辑存储单元与多个物理磁盘设备相对应，这种操作具有可以满足用户对存储性能的要求，同时也存在一些缺陷，比方说拓展性能较差，无法延伸设备的拓展性。存储虚拟技术采用基于网络的形式可以集中上述两种存储虚拟技术的优点，在满足用户对存储性能需求的同时，保持设备一定的拓展性，因此很多企业都使用基于网络的主流形式。
（2）数据库
随着时代的发展，很多数据并非以文字的形出现，归属为非结构型的数据和文档，数据呈现半结构化的发展趋势。在云存储系统中，NOSQL数据库需要以数据增长需求为考虑因素，分析数据的实用性和可用性，尽可能满足人们对勘测各方面的需要。再进一步细化，数据库使用弱一性的特例，保证用户最后的运行个结构是类似的。一般情况下，NOSQL数据库分为四种，根据不同的情况，使用不同类型的数据库对数据进行储存。
四、航天遥感技术发展需要解决的问题
1.遥感大数据的自动分析
数据挖掘指的是，从海量的数据中通过算法搜索隐藏信息的过程，是目前大数据处理的重要方法，可以从遥感大数据中勘测出地表的变化规律，了解社会以及自然的变化过程。随着对地观测遥感的大数据不断出现，遥感信息语义的复杂性、数据维度语义的丰富性、传感器语义的多样性等特征使航天遥感技术对表达方式提出了新的要求。同一地物的不同粒度、时相、层次、方位观测数据即该地物在不同观测空间的投影，在实际观测过程中，遥感大数据需要考虑多分辨率、多源影像那个特有的特征表达模型，以及模型如何进行相互间的转化，从纹理、光谱、结构等低层结构出发，抽取多元特色的本征表示，建立可以跨越差异的目标特性，达成遥感数据一体化的目的。遥感大数据的自动分析，指的是挖掘遥感大数据信息，实现遥感观察数据向知识转化的前提，主要目的在于建立统一、语义的遥感大数据表示，为后续的数据挖掘作铺垫。遥感大数据的自动分析包括数据的检索、表达、理解等方面。
2.大数据时代航天遥感安全问题
结合目前的情况来看，我国航空遥感发展缺乏完善的监管制度，在具体运作的过程中缺乏协调和规划，相关的资讯和信息无法进行资源共享，无法对行业内的资源和技术进行整合利用，再上航天遥感技术的核心技术过于依赖国外，存在创新能力不足的问题，导致遥感迈入产业化具有一定的难度，产业化的发展需要技术与资金的不断投入，不确定性遥感信息模型和与人工智能相关的系统开发也有待进一步的深入研究。
五、航天遥感技术的发展趋势
1.大数据时代背景下航天遥感技术的发展方向
通过航天遥感技术，可以由航天、地面观测台组成以地球为研究对象的综合观测系统，提供定量、定时的数据，在大数据时代背景下，完整性和机密性是航天遥感技术的重要特点，航天遥感技术涉及国家政机密，因此如何保障完整性和机密性是航天遥感技术需要面对的问题。根据时代的要求，人们越来越重视数据的安全性和实用性，所以发展航天遥感技术的时候需要根据上述特点进行发展。面对当前的形势，高分辨率小型商业卫星发展迅速，雷达卫星遥感日益受到青睐，遥感技术的监测精密度将不断提升，呈现向上的发展趋势。
2.新时代要求航天遥感技术人才培养发展展望
在这个新时代背景下，航天遥感技术具有可观的发展前景，从事该领域的专业人才短缺，航天遥感技术是我国的战略新兴产业，可以为航空航天信息技术的发展创造更大的发展空间。学校应该增加与此相关的专业设立，规划相关的人才培养的计划，在培养航天遥感人才需要结合大数据的知识背景进行学习，让从事航天遥感的人才跟上时展的需要，重点掌握与遥感技术相关的知识。与此同时，学校方面应该重视对航天遥感技术的人才进行培养，定向向人才灌输有关大数据遥感的知识，让学生规划在航天遥感领域的发展，为学生毕业从事航天遥感方向的工作奠定想学术基础。
3.新时代下航天遥感技术发展趋势展望
新时代背景下，数据化的普及在一定程度上促进了航天遥感技术的发展，加上我国政策对航天遥感技术的大力支持，包括数据库、云计算在内的数据库等新兴技术应用将推动航天遥感技术的变革。航天遥感技术呈现良好的发展趋势，促进各行各业进行资源的调整和整合，新时代背景下的航天遥感技术从“定性”向“定量”转变，呈现多平台共存、综合应用不断深化的发展趋势，展现市场不断扩大的发展趋势，极大地提升了科研工作者的工作效率，使航天遥感技术行业呈现全新的面貌与发展趋势。
参考文献：
[1]汤国安等编著.遥感数字图像处理[M].科学出版社，2004.
[2]李国杰.大数据研究：未来科技及经济社会发展的重大战略领域：大数据的研究现状与科学思考[J].战略与决策研究，2012，6（1）：647-657.
[3]乔朝飞.大数据及其对测绘地理信息工作的启示[J/DK].测绘通报，2013（1）：107-109.
大数据发展战略范文2
主持人语：大数据时代意味着新的发展战略，世界范围内大数据时代已经悄然来临，大数据时代、智能化生产和无线网络革命是引领未来经济增长的三大技术变革，发达国家纷纷将开发利用大数据作为夺取新一轮产业竞争制高点的重要抓手，一些国家也都把大数据提升到国家战略层面，大数据思维和理念正在成为全球战略思维的新常态，发达国家在新一轮的产业革命中纷纷提出大数据战略。未来国家竞争力将体现为一国拥有大数据的规模及运用大数据的能力，大数据战略将成为国家竞争力的重要标志。
大数据时代意味着新的发展方式，数据正在成为组织的财富和创新的基础，大数据正在催生一个更加智能的经济发展方式。大数据不是技术创新，而是信息技术创新的运用，大数据时代正催生着更多新的经济增长点，也成为政府和企业竞争的全新焦点，数据正在取代人才成为企业的核心竞争力。数据是知识经济时代重要的生产要素，是在技术、资本、自然资源、人才之后新的生产要素，数据如同土地、石油和资本一样，成为知识经济时代经济运行中的新型资源。数据资源在经济发展中的作用机理是提高决策的科学化水平，大数据时代通过云计算对大数据进行分析、预测，会使得经济决策更为精准和科学。大数据决策模式引发了决策方式的革命，数据生产信息，信息改善决策，决策水平的改善促进产出水平的提高。大数据技术可以有效改善企业的数据资源利用能力，提高从数据到信息的转化率，让企业的决策更为科学，新产品研发速度和设计效率也得到大幅提升，促进整个管理链条和产业链条的投入回报率的提升，从而提高整体经济运行效率。
大数据时代意味着新产业的成长，“大数据”是一股新的技术浪潮。随着信息存贮量的增多，人类在实践中逐渐认识到，通过数据的开放、整合和分析，能发现新的知识、创造新的价值，从而为社会带来“大科技”“大利润”“大智能”和“大发展”等新的机遇。大数据是新一代信息技术的集中反映，是具有无穷潜力的新兴产业领域，大数据所带来的新的信息技术应用需求，将推动整个信息产业的创新发展。数据产业是在信息化的基础上，通过在累积的数据资源中提取有用信息，实现数据创新，并把这些数据创新赋予商业模式，从而形成数据产业化，因此数据产业是信息产业的衍生与升级。在数据产业发展中，大数据的作用主要是通过数据开放、数据分析与核心价值再挖掘，驱动经济增长与社会创新。大数据时代绝不仅仅是信息技术领域的革命，更是在全球范围加速企业创新。
大数据时代给中国经济发展带来了新的机遇，我国经济发展进入到了新常态，新常态下的发展离不开数据革命的推动。在新常态背景下，经济发展方式转变、经济转型升级和创新驱动成为新常态的主题。在新常态下我国经济增长动力要由要素驱动转变为创新驱动，而大数据是新常态创新驱动的发动机和产业转型的助推器。我们要从战略上重视大数据的开发利用，在理论上重视研究大数据背景下的经济增长与经济发展。
主持人：任保平
大数据发展战略范文3
[关键词] 大数据分析；电子商务发展；策略研究
一、引言
大数据时代的全面来临，凭借大数据分析、预测功能，为电子商务发展创造了良好契机。依托大数据分析，商品推荐产生了个性化、精准化的商业模式，电商企业运营方式不断推陈出新[1]。然而，大数据时代电商企业同样面临着掌握大数据、驾驭大数据、数据安全防护等方面的挑战。由此可见，对基于大数据分析的电子商务发展策略开展研究，有着十分重要的现实意义。
二、大数据下的电子商务
全球权威科学期刊《自然》于 2008 年推出将大数据作为封面的专刊，着重关注数据给各个行业领域带来的影响。2012 年，联合国大数据政务白皮书《大数据下的机遇与挑战》，提出了大数据时代已全面到来，大数据对于各国而言既带来了机遇也带来了挑战。2014 年，我国政府工作报告中首次提到了大数据一词，并将大数据界定为一种基础性战略资源，可为预防、调查、决策等事务提供有力依据。在大数据时代下，依托可靠的大数据采集、分析，可进一步推动电子商务价值创造朝精准化方向发展。不管是电商平台、移动终端还是相关第三方服务平台，只要期间电商企业与消费者产生了交集，便会形成一系列电子商务数据，而这些庞大的信息数据是传统处理分析手段所难以有效处理利用的[2]。同时，电子商务数据还具备高度多样化的特征，其中不仅包含了消费者的个人信息，还包括了消费者的评论、反馈意见等等，数不胜数。以电商企业网络为例，消费者消费行为意向收入大数据，当电商企业对采集的大数据开展分析，并获取消费者消费行为意见相关影响因素时，电商企业便可进一步为消费者提供有针对性的服务，使消费者选择电商企业的产品。大数据时代，过去被认为是无过多价值的信息数据极可能经由大数据分析，为电商企业提供尤为准确、及时的消费者信息，进一步为电商企业营销活动开展提供有力支撑。
三、大数据为电子商务发展带来的机遇和挑战
(一)大数据为电子商务发展带来的机遇
1.大数据使商品推荐趋向于个性化、精准化，进一步推进商业模式创新。通过对庞大的消费者行为数据开展分析，研究个性化、精准化地开展广告推送、推广服务，建立相较于当前广告、产品推广形式性价比更突出的新型商业模式，向消费者推荐他们切实需求的产品，进一步有效提升电商企业销售量。
2.大数据为电商企业整合优质产品信息。以淘宝、天猫电子商务平台为例，基于对平台数据信息的整合，结合商品购买情况及浏览数据筛选出时下热门或优质的产品，形成有力的电商企业与消费者的产业链信息，形成强有力的数据处理能力，为消费者产品检索提供有效便利。
3.大数据为电商企业提供细化服务。电商企业通过对大数据开展采集、分析，推进供应链上下游有效协调，以达成信息资源的优化共享，进一步促进电商企业在市场管理、产品营销、技术研发等全面环节的转型升级，打造全新的覆盖面广的营销平台，以吸引更多的消费者，增强企业市场竞争力。
(二)大数据为电子商务发展带来的挑战
1.电商企业面临掌握大数据的挑战。大数据时代下，电商企业要想实现进一步发展，离不开大数据的有力支持。对于电商企业来说，很大程度上谁先掌握了大数据便意味着谁先拥有了核心竞争力的有力武器，便意味着谁先拥有了致胜的法宝。
2.电商企业面临驾驭大数据的挑战。电商企业要对各式各样大数据开展分析，不可仅凭直接开展经营决策制定，应尽可能对所有与消费者关联的业务数据开展分析，以达成对消费群体的有效维护，并吸引他们买入更多产品，如此以来，很大程度为电商企业开展全新信息化投资、建设带来了挑战。
3.电商企业面临数据安全防护的挑战。各式各样数据的汇集，包含电商企业的运营数据，消费者个人信息等等，这些数据均被电商企业收集于企业数据库中，由此对电子商务如何开展好对该部分数据的安全防护工作带来了挑战。
四、大数据时代下电子商务发展策略
(一)利用大数据，打造电子商务数据信息平台
在市场经济逐步深入背景下，电商企业要想在日趋白热化的市场竞争中脱颖而出，利用好大数据至关重要。近年来，各式各样应用软件推陈出新，很大程度上推进了移动电子商务的发展，大数据库中收录了更多更精准的用户信息、用户定位。电商企业通过对大数据的科学合理利用，打造电子商务数据信息平台，旨在增强电商企业对大数据时代的适应性。鉴于此，电商企业应当强化对云计算技术的引入，并于短时间内对海量数据信息开展实时动态筛选、分析、处理，从而将数据信息切实转化成企业自身有效资产。与此同时，电商企业应强化对数据的分析、整合，达成对大数据的有效利用，通过对消费者消费行为习惯偏好的有效掌握，进一步为电商企业制定运营策略、确立目标消费群体、提升市场占有率、改善经济收益等提供有力支撑[3]。
(二)利用大数据，推动电子商务精准营销
精准营销指的是电商企业对消费者个性化需求予以满足，借助网站推荐系统自动向消费者推荐商品，同时开展个性化商品筛选的过程。基于精准营销支撑，可为消费者提供更便捷、更人性化的消费体验。现阶段，大部分电商企业还尚未构建有企业自身个性化的推荐系统，抑或企业采用的推荐系统尚不十分成熟，更未与大数据开展有效结合。如此一来，最终使推荐效率、推荐精准度均不尽如人意。以电商企业网络广告为例，大数据时代，网络广告在网络营销中可起到至关重要的作用。现如今，电商企业面对的消费者数据不断增多，电商企业应当基于现有营销数据平台，建立更为科学完备的个性化推荐系统，推进实时动态对广告受众开展分析，依托大数据分析，充分结合消费者个性兴趣偏好制作广告开展精准营销，为消费者提供更高质量的服务，与消费者构建和谐融洽的关系，增强消费者忠诚度。于此方面，阿里巴巴、淘宝、天猫中的“找相似”、“找同款”、“看了又看”等广告营销便为广大电商企业提供了很好的示范。
(三)利用大数据，推进商业模式创新
伴随互联网在商业领域的广泛推广及大数据时代的到来，商业模式不断推陈出新，较具代表性的商业模式有O2O、O2P 等。其中，O2O(Online To Offline)，指的是将线下机会与线上电子商务进行结合，使线上电子商务转变成线下交易平台的一种商业模式。O2P(Online To Partners)指的是借助移动互联网技术手段，达到具备本地化、社交化特征的线上线下互动电商平台，以实现渠道朝社区化、乡镇网点全覆盖，不同品牌类型的同时运作。通过建立多方参与多方共赢的格局，构筑具备核心竞争力的互联网生态圈，转变成相关标准定义者与游戏规则制定者。不管是哪一种新型商业模式，均应当紧紧围绕消费者，并对一系列端口数据开展优化整合，实现数据信息的实时推送。
(四)开展好数据处理工作，确保数据隐私的安全
近年来个人隐私遭受窃取、重要信息被不法篡改等现象屡见不鲜。倘若数据信息难以得到切实安全防护，大数据便会转变成广大消费者的恶梦，对消费者日常生活造成极大的负面影响。鉴于此，电商企业应当提高对数据安全防护的重视度，依托大数据技术对数据安全状况开展实时监控，结合各种风险实际情况有针对性的采取科学的安全防护及精准化的预防措施，一方面要防范数据信息泄漏给电商企业带来的法律上不利影响，另一方面要防止过度开发或者越界营销可能引发的侵犯消费者隐私的一系列纠纷。此外，电商企业还应当强化对大数据中涉及的消费者个人隐私的安全防护，防止出现信息泄漏、信息倒卖等情况；最后，要及时了解国家关于个人信息保护的法律、政策规定，迅速开展经营策略优化调整[4]。
五、结束语
大数据分析并非偶然形成的，而是当今世界信息技术与网络技术迅猛发展的产物，对不同行业领域可起到至关重要的影响，电子商务亦不例外。鉴于此，相关人员务必要不断钻研研究、总结经验，清楚认识大数据以及电子商务的特征内涵，全面分析大数据为电子商务发展带来的机遇和挑战，结合电子商务发展实际情况，“利用大数据，打造电子商务数据信息平台”、“利用大数据，推动电子商务精准营销”、“利用大数据，推进商业模式创新”、“开展好数据处理工作，确保数据隐私的安全”等，积极促进大数据时代下电子商务有序健康发展。
[参考文献]
[1]飞，张攀.大数据背景下电子商务与快递业联动发展策略研究[J].物流科技，2014，37(6)：25- 28.
[2]魏斐翡.ECLHadoop：基于 Hadoop 的有效电子商务物流大数据处理策略 [J]. 计算机工程与科学，2013，35(10)：65- 71.
[3]郑旸，于立.大数据环境下的电子商务发展的 PESTEL模型分析[J].农村经济与科技，2016，27(8)：131- 132.
大数据发展战略范文4
移动化、云计算、大数据和全球化，正改变着企业的运营管理决策方式。由于数据处理分析和管理等相关技术的不断成熟，企业内部的管理运作数据、业务运作数据，企业与客户的关系及互动数据，客户或潜在客户在企业经营业务之外的生活方式、活动、情感、社交等大数据，正为企业所采集和分析。
二、大数据分析的必要性
数据分析专业有句行话：巧妇难为无米之炊，可见数据原材料的丰富多样性和质量对数据分析在企业中所发挥的价值起到关键的制约作用。对于电信企业来说，可拓展的大数据源有哪些，可拓展大数据源与企业原有传统数据源之间存在什么差别和联系，下文将详细介绍。
（一）目前电信企业大数据分析的可拓展方向
（1）社交网络分析模型。大数据伴随社交网络的风行而发展。对于电信企业来说，客户的社交网络分析（SNA）即一个重要的大数据分析方向。
（2）客户体验分析（CEA）模型。近年，电信企业一直倡导客户体验管理。客户体验管理以提高客户整体体验为出发点。
（3）客户价值分析（CVA）模型。客户管理的基本原则是：企业根据客户的不同价值，提供不同营销方案及销售和服务等级，所以客户管理的核心依据在于客户价值的测算。传统数据时代，电信企业一般先计算出客户使用电信产品的消费额，再从中减去有关网络、营销、结算等成本，测算客户带给企业的利润，依此判断客户价值。
（二）目前电信企业可拓展的大数据源
前文提到，电信企业从传统数据时代走向大数据时代需遵循的原则为：围绕分析需求，结合大数据可获得的条件，规划所需大数据的采集、存储、处理和分析各阶段的运营管理步骤，是拓展大数据源较以往传统数据尤需谨慎的问题。因此，围绕大数据时代目前电信企业可拓展的社交网络分析、客户体验分析和客户价值模型完善等分析方向。
（1）CDR、RFID、Wi-Fi等社交网络信息。以往电信企业采集的CDR、RFID和Wi-Fi数据通常用作业务统计和用户行为分析，随着社交网络分析模型的逐渐成熟，以移动用户为对象，以发展和完善电信客户社交网络分析。
（2）地理位置信息和移动终端上的各项应用信息。智能移动终端正在改变着人们的生活。移动终端已经成为指导人们生活并记录人们生活轨迹及人际关系的大数据库，电信运营企业若想洞察客户，当然不能忽略移动终端这个数据库中详实且非常细致的数据。
（3）各类企业网站（尤其是社交网站）数据。作为企业新的销售和服务渠道，企业自身网站，如网上营业厅之类的各类电子渠道、企业微博之类的社交网站页面，甚至实时为用户推荐个性化产品或信息浏览服务。
三、企业应用大数据分析的必要性
第一，实时大数据分析支撑的营销运营管理应用。第二，客户体验管理应用的真正落实。第三，大数据分析促进智能管道运营应用的落实。
四、大数据对企业IT系统支撑的更高要求
大数据时代是企业IT系统运营管理完善和优化的时代，因为大数据涉及的所有技术几乎都属于IT范畴，技术的进步和业务部门对IT系统支撑的更高要求，必然推动企业相关运营管理的进步。
（一）对IT系统支撑提出的更高需求
（1）大数据采集范围更广。前面讲述的大数据，采集范围不再限于以往B域业务系统的客户订购、行为、服务销售互动以及账务、竞争等结构化数据，采集到社交网络、互联网以及手机应用等文字、图像、视频等非结构化数据。
（2）大数据采集处理分析时限要求更高甚至实时。前面讲到的3个应用方向――实时大数据分析支撑的营销运营管理应用、客户体验管理应用的真正落实和大数据分析促进的智能管道运营应用。
（二）IT系统对大数据支撑的体系规划和趋势
（1）梳理并整合业务部门对大数据的需求，立足分析需求，做好大数据IT体系架构的3步规划。大数据相关技术条件的成熟、大数据分析能力以及分析应用经验的积累等多方面因素，都是制约企业建设大数据IT系统的条件，要充分抓住大数据带来的机会并避免“心急吃不得热豆腐，反被热豆腐伤害”的问题。
（2）以职能部门提供整体IT支撑方式向嵌入业务流程实时数据的分散能力支撑方式转变。这种转变趋势又称IT支撑“消费化”趋势。所以，大数据时代，大数据要真正改变企业运营管理决策方式，使企业上下形成以数据驱动的企业文化为标志性特征，每个人都要做好与数据打交道的能力和心理准备，而IT系统运营管理部门也将不得不面临大数据从数据采集、清洗、存储、处理到分析、提供和管理的过程，在各业务运营管理流程、各部门、各类用户间如何高效运行、高效交互、高效支撑的更复杂的IT系统支撑问题。
五、结论
大数据发展战略范文5
一、大数据时代含义与特征
1.基本含义。大数据，也可称之为巨量资料、海量数据。它指的是其所包括及涵盖到的资料数量繁杂，规模庞大，其程度难以凭借目前的主流软件工具，在经济效益最大化的时间范围内被选择、管理并整合成为帮助企业决策者进行战略规划的资讯及信息。大数据时代正是在大数据这一背景下产生的，并被大数据所依附着的时代。通俗地讲，大数据时代指的是人们目前正处于被海量庞杂数据所包围及影响的时代。
2.主要特征。其一，来源广且多。数据的来源除了传统的年鉴、量表、数据表、数据库、文献资料外，还包括搜索引擎、社交网站、移动通讯工具、口头沟通等。其二，类型多且杂。在多渠道数据来源的基础上，数据的表现形式既可以是来自文本的文字数据、也可以是来自视频的影音数据等，其结构日益多元。其三，更新快且短。大量密集的数据以及复杂多样的种类对数据的处理与更新速度提出了更高的要求。特别是随着信息搭乘工具的多样化与丰富化，从过去的电视、报纸、广播到现在的互联网、微博、微信等，信息的更新速度越来越快。
二、大数据时代下企业管理所应具备的能力
1.数据的预测能力。预测能力是企业管理中具有前瞻性指导意义的能力之一。以制造业为例，不论是生产计划的制定、原材料的采购，还是机器设备的增加，作业人员的扩招等，都必须要提前预测以便生产活动的顺利开展，这一切都离不开各个环节的数据体现。譬如原材料价格的浮动变化、劳动力成本的变化等，企业应当科学地利用过去及当下的数据来合理预测下一阶段企业管理的成本变化及活动需要等。
2.数据的管理能力。一方面，企业需要更加精准地搜集数据。海量的数据为企业决策提供了多维度的参考依据，但同时也对企业的信息筛选能力与信息鉴别能力提出了更高的要求。因此，企业要选择合适的渠道来搜集信息，选择合适的方式来存储信息，以提高信息使用的方便性。另一方面，企业需要更加有效地整合数据。在获取充足的，合适的信息后，企业应当拥有对数据的整合能力，即将零散的、碎片化的数据通过分类、归整的方式进行有机整合，以形成相对独立的体系，从而提高信息使用的有效性。
3.数据的应用能力。在大数据背景下，企业最关键也是最重要的管理能力就是对数据的应用能力。一方面，企业应当学会如何运用信息以提高管理决策的科学性及有效性。另一方面，企业应当懂得如何运用信息来及时应对市场的挑战并随时调整内部安排，以提高企业生存的适应性及持久性。总的来讲，企业应当提高对数据应用的科学性与深入性，学会由此及彼、举一反三的数据利用能力。
三、大数据时代下企业管理将产生的问题
1.发展战略的模糊。发展战略是企业根据自身的经营理念、发展目标等制定出来的，用于规定并指导企业实际运营过程的发展决策。企业在制定发展战略时，既要立足企业实际，又要结合外部市场环境等诸多因素。在大数据时代下，由于来自外部的数据信息非常庞杂且鱼目混珠，这对企业在进行外界环境的判断力造成了一定影响。以消费者对该品类的满意度搜集为例，企业既可以通过传统的面对面问卷调查、网络邀请调查、也可以通过手机端的微博、微信调查等。不同调查渠道所代表的消费者不同，其所获得的信息也各不相同。企业假如在大量繁杂的数据面前没有清晰的数据鉴别能力，就可能出现判断失误，最终导致其所制定的发展战略模糊不清。
2.计划组织的紊乱。计划组织是企业执行发展战略、分解发展目标并对企业资源进行合理分配与统筹安排的过程。以生产计划组织为例，企业需要考虑的因素包括生产所需投入的资金（包括固定资产投入与可变人工投入）、市场对产品的可能需求量、生产过程中的损耗量等诸多因素。在大数据时代下，数据的更新速度快且更新周期短。企业在这个时间点所搜寻得出的数据结果在下个时间点可能会发生变化。假如企业的生产计划组织时刻根据企业搜集数据的导向结果来进行调整，则不仅容易出现资源过度损耗等成本增加问题，而且可能因为数据的快速变化而出现脱离实际市场变化的危险，最终导致企业计划组织的紊乱。
3.创新改革的不足。创新是企业兴旺不衰，充满生机的重要保障与重要驱动。创新的幅度可大可小，创新的方向也各不相同。在大数据时代下，企业既面临着宏观数据所指示的发展方向，又面临着微观数据所指示的改进方向。数据分析既可以帮助企业发现创新机遇，又可以帮助企业预见创新危机。但大量繁杂的数据给企业呈现了多个维度创新契机的同时也在一定程度上分散了企业的注意力与创新重心，企业很可能陷入多方面尝试改进但每个方面却流于表面的“形式主义创新”，其所导致的结果就是企业并没有对自身的某个方面做出实际性、深入性地改变与优化，表现于外就是企业整体的创新改革力度不足，效果不明显。
四、大数据时代下提高企业管理能力的对策
1.提高数据鉴别能力以提高发展战略的科学性。企业在制定发展战略时需要一定的数据进行参考与支持，在这一过程中，企业应当重视提高自身对数据的鉴别能力。具体来讲，其一，应当鉴别数据的实效性。由于数据的更新速度快且周期短，这在无形中缩短了个体数据的实效性。不同阶段的数据所呈现的结果各不相同，企业应当选择接收与市场实际情况最接近的数据。例如企业在制定中期发展规划时，距离该时间段越近的数据，其权重应越高，距离越远的数据，其权重应当越低。其二，应当鉴别数据的真伪性。随着网络开发程度的日益提高，信息来源出处的增多，越来越多的平台可以用于信息，其中不可避免地会存在有干扰市场发展甚至破坏市场秩序的虚假信息，因此，企业在搜集信息前应当对数据的真伪性进行判断，避免被虚假错误的信息所误导。总的来讲，企业在面对海量繁杂的数据时，应当提高对数据的鉴别能力，由此才能借助数据为发展战略的制定提供更多科学化的参考依据。
2.提高数据预测能力以提高计划组织的合理性。企业在进行组织的计划与资源的统筹时，一般需要提前进行。如企业决定在下半年增设一个新的项目，则在项目正式开展前必须提前做好人员的招聘、资源的采购、资金的拨付到位等，诸如此类的安排通常都离不开对项目需求的提前预测，因此，企业需要通过提高数据的预测能力以提高计划组织的合理性。具体来讲，其一，应当提高对风险的预测能力。特别是在开始一个新的项目时，企业需要尽可能全面地预测到因为资源不到位而可能造成的风险、因为外部竞争而可能造成的风险、因为国家政策法律法规的更新而可能造成的风险等。与此同时，企业也应当提前制定最低的防御底线及止损系数，避免因项目失利给整个企业造成过大的冲击。其二，应当提高对盈利的预测能力。因为企业的运营过程是流动的、变化的，特别是资金的流动更是灵活多变的。企业提前预测企业运营所可能带来的盈利将有助于提高资金流动的有效性。
3.提高数据整合能力以提高创新改革的精准性。企业在决定将有限的资源应用于某一领域的创新时，必须要合理地对现有的企业运营过程进行综合的比对评价，从中发现当前最亟需改进的或者最值得尝试创新的部分。其一，应当提高对数据的融合能力。即要将来自各个维度的数据进行统一管理，并且将具有共同性及互补性的数据交融在一起。特别是在大数据时代下，大部分的数据均呈现出零散、分散的特点，因此，企业更加需要将其粘合起来以呈现出完整的数据信息。其二，应当提高对数据的应用能力。即是在融合数据的基础上，进一步深入解读并利用数据所呈现的信息。例如通过数据反映出的企业员工办事效率较低，项目审核周期较长，后续跟进维护不足等，其实质问题可能是企业流程的设计不够合理。因此，企业在创新改革之前应当提高对数据的整合能力，以便有的放矢地进行优化改进。
大数据发展战略范文6
我们从内涵角度定义工业大数据比较困难，因为它涉及到很多各种各样的数据。但是从外延角度来看工业大数据比较容易，大体上是“3+3”。第一个“3”是指3个层面：企业，企业上面的供应链、产业链和生态链，以及在这上面的行业管理和宏观经济。第二个“3”是指每个企业都有3个过程：生产，使用以及发展中的经营效益，所以，“3+3”基本上把工业大数据的脉络圈起来了。
从企业的角度看，工业大数据是在一个企业的设计、创新、生产、经营和管理决策过程产生、使用和转型升级过程需要的信息之和。所以最小的圈是企业，一个企业从开始到生产线到设计、到工艺过程、到人，一直到管理、决策、市场、服务，像这样的环节都在使用。
从供应链、产业链和生态链的角度来看，工业大数据是供应链、产业链和生态链产生、使用和需求的各类信息之和，这三个链之间很难一刀断开。所以制造业、工业生产整个过程是一个链环周。这个链环不仅指的是一个企业，企业只是这个链环中的一个环节，更重要的是我们的政府机构、研究机构，需要把控和研究如何追求产业制造业前两环的优化。所以我们看到了超越一个企业的生存、使用和发展需求的新工业大数据。
从行业管理和宏观调控的角度来看，工业大数据是工业行业管理和宏观调控产生、使用和需求的各类信息之和。每一个行业的管理都需要工业大数据，在工业行业又包括很多企业，做好工业数据管理需要这样一个链条，所以“3+3”构成了工业大数据的外延，每一个环节，使用的和需求的中间形成交集，这样才对工业大数据的发展提供了基础。
对此我有四点主要的结论：首先，“3+3”加起来的组合就是工业大数据；第二，产生、使用和进一步发展需求的工业大数据是不同的交集；第三，进一步发展需求的大数据最大；最后，最重要的一点，工业大数据中，工业是主体。
二、工业大数据的作用和意义
同样是从三个层面，加上一个需求，我们来看一下工业大数据的作用和意义。
首先，从最小的层面――企业来看，工业大数据为企业全过程设计、创新、生产、经营、管理、决策服务，为企业实现计划的发展战略和目标的实现服务。
第二个层面，工业大数据服务于供应链的优化、产业链的完善、生态链的形成和优化。从供应链、产业链、生态链来看，不管是CSM的生产圈，还是一个特定产品制造过程的供应链，或是一个完整生产过程的分析，工业大数据都是为了它的形成和优化。对于一个企业来说，很少来决定一个供应链，更不能决定一个产业链的完善、优化。所以当我们讲供应链产业和生态链的时候，在这个链条下更需要政府管理部门的协调。
第三个层面，工业大数据要满足行业和宏观决策调控的实际需求，提高行业和宏观经济管理决策质量、能力。政府的行业管理对于供应链、产业链、生态链、商业链、价值链有着非常重要的作用，但是政府的宏观调控超越了这样的链环本身，我们要对经济发展面临的重大问题作出回应，甚至回答制造业如何来应对这样的问题。所以从这个行业来看重要的是行业发展战略，而到宏观调控的时候，不但要从行业的发展战略，还要从整个经济发展趋势去看这些问题怎么解决？这就需要信息。
第四，从工业转型升级的需求看，工业大数据是为了一个个企业、行业、装备、工艺、生产线、供应链的转型升级服务。先进制造业、工业4.0、智能制造、以两化融合和智能制造为重点的中国制造2025，都是工业转型升级模式的未来方向。原来我们的工业3.0，是以装备和生产线为核心的自动化，而4.0的智能化是把这两个过程自动化和数据自动化结合在一起。
总结一下，工业大数据的研究和实践要服务于加快制造业转型升级、提升工业竞争力；这个目标要落实到企业创新、设计、生产、经营、管理、决策的每一个具体环节；这个目标要落实到供应链全局优化、产业链和生态链的形成和优化的每一个具体环节；这个目标要落实到工业行业管理和宏观经济调控决策的每一个实际需求。
三、工业大数据推动制造业转型升级
首先要知道存在着哪些主要问题：在数据生成环节，主要存在跑冒滴漏和非标准化的问题；在数据利用环节，主要存在数据不足、质量不高、各个环节协同存在制度、核算、标准等大量障碍；在发展需求环节，主要存在缺乏预见性、缺乏有效的模型和工具、缺乏制度和标准规范等问题。
要想建设好、应用好大数据，先要解决三个问题。首先是建设好大数据，什么是建设？把大数据看作探矿、采矿、炼矿、用矿，实际上探矿和采矿就是建设好信息，可以从三个纬度四个方面来建设好信息。三个纬度首先是发现，然后才可以按照应用需求结合起来。其次要有制度，要有标准，要实现系统之间的互操作。同时我们还要发现、收集、组织，来提升系统性、完整性、及时性、准确性。而利用好大数据有若干个关键环节。这是建设好、运用好大数据。
最后，大数据发展要特别注重取得实效、最佳实践和理论研究。
第一，要特别注重实效。因为今天的大数据，每一个环节的形成都有其实效，这件事情从开始到做完以后，效果究竟是什么？企业家在用大数据对其企业各个环节进行改善提升的时候，首先第一条要把提高效率放在首位，这是关键，而且对于制造业来说，要永远把利润率放在最重要的位置。当然，工业大数据不能直接用钱来算，有的环节是企业老板在管理上、服务上提效，但是这个效果必须是可测量的，不管是定性的还是定量的。
