前言：中文期刊网精心挑选了大数据营销应用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。
大数据营销应用范文1
一、引言
麦肯锡全球研究院将大数据定义为“无法在一定时间内使用传统数据库软件工具对其内容进行获取、管理和处理的数据集合”。狭义上的大数据就是人们由于使用计算机连接互联网而产生的所有数据。在互联网已经普及的当下，网络技术和云计算的运用，使得网民的网络痕迹能够被追踪和分析处理，从而导致了企业营销体系变革甚至是解构。大数据营销被提到日程上来，大数据营销是基于大量数据，依托互联网的一种营销方式，多衍生与互联网行业，但传统行业将会把大数据营销作为营销战略不可置换的重要一环。
二、大数据行业应用展望
在以往的几年内，电子商务、网络营销越来越成为人们耳熟能详的字眼。随着网络技术的进步，一些遗留在互联网上的数据通过云计算得以被追踪处理，为企业营销提供更有效的数据，大数据这一概念逐渐被国内外企业运用。
1.大数据特征
根据google团队研究表明，大数据有着几个显著的特征，表现为“4V”。分别是数据量多（volume）；类型复杂（variety）；价值密度低（value），速度快时效高（velocity）。
上述四个特点一方面显示了现阶段消费者消费特点的变化，消费者消费时往往会有大量的数据作为支撑；其次由于信息技术的发达，智能手机，平板电脑等已经进入寻常百姓家，由此因使用互联网而产生的数据冗杂，互联网行业成为大数据营销首当其冲的行业。
2.大数据的价值
随着数字化信息的发展，根据《大数据行业应用展望报告2013版》研究显示，数字数据迅速增长，2000年，数字数据信息只占全球数据量25%，至2013年超过98%。呈现高速增长的状态。预计2016年大数据市场规模将达到238亿美元，2015年将全球产生440万大数据相关岗位。这些关于大数据的相关数据，大数据日益呈现着其不可忽视的商业价值，而对于企业营销，大数据的应用方向也逐步明晰。
第一，收集大量用户数据，形成对用户行为的分析；用户行为分析是企业制定营销战略的基点，互联网时代是数字的时代，社会化运用和云计算可以帮助企业以一个超快速度搜集消费者行为数据，更快的了解消费者生活方式，企业能够尽快做出符合消费者消费行为的营销战略，这是一种不可逆转的趋势。其次，开发新的业务增长点，从单一的客户数据的角度来看，有效的对客户数据进行管理会帮助企业寻找到新的发展领域。最后，大数据在改变数据分析思维，对企业营销战略的的帮助有着不可替代的作用。
三、大数据在企业营销中的应用
近日，万达集团在半年报中称，要尽快把万达电商推向市场，要让大家看到万达电商的物理形象，如果大家提到万达电商，就会立刻联想到真正的O2O，根据万达广场相关人士介绍，王健林的O2O核心是大会员体系，只需要手机可以扣费付款，由此获得积分，可以在全国范围内的万达旗下酒店等消费，由此获得消费行为大数据。如此庞大的会员体系转化成不可替代的广告价值，大数据的利用，将会为万达创造一个新的赢利点。
时间推回2013年，2013年，新浪正式宣布阿里巴巴占有新浪微博的部分股份，这无疑标志着阿里巴巴将会把未来电商营销的侧重点倒向微博营销，可以很清楚的联想，一个作为国内电商平台的巨头，一个是中国最大的平明言论大平台，两者具有互补关系，互联网渐渐形成互相开放的格局，阿里巴巴急需微博，QQ圈子等这样具有偏好推荐的工具。其中阿里巴巴更看重的是使用这些偏好推荐工具消费者所留下的大数据。利用大数据，进行创新，使得广告信息会在合适的时间出现在合适的地点，广告的形式和内容也将会贴进受众。
1.精准化营销得以实现
大数据时代其根本是提供了海量瞬间变化的数据，对比与小数据时代的数据分析方法，社会化运用和云计算大大提高了其准确性，客观提供了消费者消费态度和消费行为。在大数据时代，传统的营销体系将会渐渐被解构，随后又会重构新的营销体系，其中，精准化营销真正实现是营销体系重构的标志。
精准化营销，是通过在精准定位的基础上，依托现代信息技术手段建立个性化顾客沟通服务体系。大数据时代下，消费者细分更加精细，随着移动互联网的普及，互联网数据能够使企业拥有更多对消费者或者潜在消费者更多的消费行为特征描述，通常一个消费群体会有一个固定的消费偏好和位置偏好，企业在利用大数据，比如进行浏览偏好分析，点击偏好分析，兴趣组分析等，从而做到个性化的私人订制。
定制营销是精准化营销方式的延伸，企业在作出精准化营销战略之时，便已经为某一个或者某一类消费群体设计特定的产品或服务。从消费者出发，以人为本，进行每一消费者个人化的私人订制。
2.大数据营销多方共赢
媒体，广告主，用户三者共同造就了大数据营销，大数据是存留在互联网上的数据，用户是数据源，媒体是起因，广告则是根据用户数据通过媒体在传递给用户，用户体验得以反馈，不断改变以融合时代消费者。
互联互通是大数据营销的关键，阿里巴巴收购新浪微博的部分股权，显示出互联网互相开放共享的格局，腾讯游戏利用大数据进行用户分析，亚马逊、IBM等国际知名企业利用大数据营销，利用对海量数据的挖掘和分析，进行大数据管理咨询，形成大数据标准化，梳理所有可以获得的数据库，最终以大数据情报分析作为结果，都成为企业掘金的新方向。
互通互联的互联网企业，甚至是传统企业，将会因为大数据的特点，进行联防合作，虽然大数据在当前形势有很多技术难题，但是企业会有意识去去进行互联合作，但是作为国内企业接触大数据初期，大数据营销切入点是企业最关注的事。
四、大数据营销的切入点
企业在重构营销体系，顺应大数据时代的来临。基于大数据价值的基础上，开拓思路的切入大数据营销，对于大数据的市场价值已经在上文中简单综述，下面对大数据营销切入点的简单理解。
1.从客户视角，进行行为分析和特征分析。大数据最重要特征是数据海量化，企业能够获取更精确的信息，通过大数据，企业洞察顾客在寻找什么，而企业要做的，就是制定好一种或几种方案，帮助顾客去寻找，从而提高顾客满意度和忠诚度。
2.精准营销方式划分消费群体，个性化营销成主体。大数据为精准营销提供了数据信息支撑。精准化成为企业追求重点，在一种全新的营销环境下，一方面数据数量急速增加，质量却变得冗杂难以捕捉。另一个方面是产品和服务更加定制化，消费者市场并不是一个简单的划分，而是通过数据做到精细划分，企业所面临的是一个个消费者，并非一群消费者，个性化营销成为企业应对大数据时代的主体营销方式。
3.新市场新业务增长趋势搜索，重新制定产品战略。数据对新市场和新业务的支持，庞大的数据源是重新制定产品的基础，像腾讯游戏，利用大数据分析，率先领跑手游行业，这是前期在深入分析手游市场大数据的前提下制定的。客户数据可以帮助企业找到新的发展领域，制定更加符合顾客需要的个性化服务，确定新的渠道和促销策略，发现业务增长领域。
大数据营销应用范文2
说到最近几年的热词，“大数据”肯定可以算是一个，各行各业似乎都在谈论大数据，而在汽车营销领域，如果能利用好大数据，同样可以对销售业绩起到良好的助推作用。现如今，中国人花在互联网和移动互联网上的时间越来越多，而线下时间则相应地减少。当客户有购车需求时，一般也都会先在线上搜集一些信息，例如搜索引擎、垂直网站和视频网站等。当然，现在微信也成为了一个重要渠道，客户很可能会订阅一些中意品牌的微信公众号，并且通过推送的活动邀约参加一些线上或线下的活动。而通过以上这些数据的收集和分析，就能够知道客户对哪些车型更为关注。再通过其他渠道收集到的一些大数据，例如社交软件上的公开信息、导航软件的位置信息等，就能够刻画出一个较为贴切的客户形象，例如客户从事的行业、基本的家庭状况和个人的喜好等。有了这些信息，经销商就可以对客户进行分类，并开展一些具有针对性的营销活动，乃至提供一些个性化服务。
2.实施步骤需认真设计
当然，想要做到上面的程度，经销商的市场部门要做很多工作，要设计很多步骤和方法，才能让客户有一个比较顺畅的购车体验。首先，第一步肯定还是广告的投放，但是不同于以往纸媒或电视上粗放式的投放，在大数据背景下更多的是在线广告投放，只有这样才能精确地知道广告的引流效果，从而通过精确引流找到目标客户群体。广告在什么渠道投放、什么时间投放、如何落地、如何进行个性化设计等等，都是要考虑的问题。经过广告的引流，已经把客户流量从广告页面吸引到车企官网或经销商页面，这里会有更为详细的品牌车型介绍、配置信息以及一些视频等，我们也能够通过营销系统更方便地抓取和跟踪客户在官网的行为轨迹。到了这一步，最终目的就要想办法获取用户的联系方式。传统的方式是请潜在客户在网页上留下电话或者电子邮箱，而目前更为常用且方便的是引导客户扫描二维码关注微信号或者加入车友会，从而获取客户微信。第三步就可以通过微信服务号与客户进行更多的互动，在这一过程中还可以通过H5页面等获取更多的客户信息，例如手机号码、车型偏好、购车预算、购车时机和用车需求等等。通过这些已经获取的信息就可以为客户提供更具针对性的服务，例如定制化视频等。此外，在这一环节也可以设计一些线下活动，增进与客户的关系，例如高端车型用户就可以设计线下酒会或者社交活动等，在此类活动中显然都会产生更多的互动。最终，通过一步步的设计，线上与线下的配合，客户画像就会越来越清晰。最后一步，将所有信息反馈给客户关系管理（CRM）系统，通过潜在客户购车意向评估系统就可以对客户进行最终分类。对于得分高的潜在客户理应投入最大的资源，例如配置专属客户经理一对一服务；而对于购车时机和预算尚没有太明确的客户，则可以只进行一些日常的信息推送，慢慢培养其对于该品牌车型的兴趣（图1）。这样一来，根据不同的客户采取不同策略，最合理化地配置资源，就能利用现有资源最大程度上实现对销售业绩的转化。
3.大数据也并非万能
大数据营销应用范文3
【关键词】数据信息 商业智能 卷烟销售
一、商业智能（BI）概述
商业智能（BI，Business Intelligence），是对商业信息的搜集、管理和分析过程，目的是使企业各级决策者、使用者获得知识，促使他们做出更加合理的决策和应用。BI将数据仓库、在线分析处理（OLAP）和数据挖掘等结合起来应用于商业活动中，从由不同的数据源收集的数据中提取有用的数据，对数据进行清洗以保证数据的正确性，将数据经转换、重构后载入数据仓库或数据集市，然后利用合适的工具对数据进行处理，使数据信息变为辅助决策的知识，最后将知识呈现于接收者面前，为管理决策提供参考依据。总之，BI并不是基础技术或者产品技术，而是一种解决方案。
二、商业智能系统支持下的卷烟营销应用技术
现代卷烟营销发展带来大数据洪流，在现代信息技术的有力推动下，电子商务得到蓬勃发展，网络营销日益成为最为重要的营销渠道，用信息技术武装起来的现代零售终端日益真正成为行业的神经末梢，工商零“三位一体、面向市场、服务消费者”的现代营销体系正逐步成型并日臻完善。伴随这一发展的，是已经到来和即将到来的大数据洪流。以新商盟网络营销为例，据2013年不完全统计平台聚集了近三百万用户，每天处理近百万笔交易，再加上大量的网络营销活动，零售户活动参与、发表意见，与客户经理、工业代表、品牌经理等的网络化沟通互动，其每天新增的数据规模已相当惊人。通过对这些数据信息的有效应用，可以帮助我们进一步优化营销流程、开展个、推进精准营销，从而显著提升营销活动的效能。
（一）实事求是，准确建立基础数据仓库。
1.准确市场细分
市场细分必须把握市场所处的地理位置、自然环境，人口规模等，即地理指标；消费者所处的社会阶层、生活方式、个性特点等行为指标；消费者年龄、性别、家庭、职业、教育程度等人口信息指标；市场的经济水平、经济增长率、居民可支配收入等经济指标；消费者的支出水平、消费能力、消费数量等能力指标，为“精度经营”寻求依据。
2.准确信息收集
卷烟市场信息采集是建立现代卷烟营销体系的重要基础性工作。市场信息的采集、分析与利用，驱动着卷烟需求预测、货源组织、货源供应和品牌培育等营销关键业务的开展，是按订单供货的起点、把握市场真实需求的前提。通过设置市场销量、库存、价格、需求等一级指标，品牌覆盖率、铺货率、动销率、断货率等二级指标，以及客户贡献度、依存度、配合度、规范度等三级指标，构建起三维信息采集体系，为“精准经营”的有序实施做好铺垫。
（二）因地制宜，准确把握系统数据挖掘。
1.准确把握需求
随着国家局提出的“卷烟上水平”战略的全面实施，以及“532”“461”品牌格局的基本形成，如何做好重点品牌的市场营销工作，精明把握市场消费需求，及用市场消费的需求品种、需求数量、需求周期来有效引导骨干品牌的快速成长，已成为辖区“夯基础、调结构、上水平、增后劲”不可缺少的重要手段。
2.准确需求预测
市场需求预测就是指在一定时间和一定价格条件下，对消费者愿意且能够购买的卷烟数量和结构进行预测。提高市场需求预测的准确性，就是要使预测数据更加贴近市场，更能真实地反映市场的本来面目。
（三）因利势导，准确联系数据分析处理。
准确投放是在细分零售客户、准确预测的基础上，通过锁定卷烟类型（顺销、紧俏等）、锁定销售时段（常规销售期、节假日销售期等）、锁定销售对象（地区、区域、片区等）等方式，不断缩小投放范围。只有实现了精确投放，才能实现货源的合理配置，满足市场的真实需求，提高零售客户的获利水平。
1.依照量价平衡原则，掌握投放节奏
首先，从“时间、区域、分类”三个维度，对“覆盖率、铺货率、动销率、满足率、断货率、成长率、存销比、市场价格”进行动态分析，以精确的市场信号全力实现精准营销。其次，根据不同时间、区域、业态和客户不同的销售能力、销售特点、销售规律，制定“精确投放”策略。并积极推行“定点、定量、区域、控量、个性化”的品牌投放策略，实现卷烟销售的“日均衡、周均衡、月均衡、量均衡、客户均衡、品牌均衡”，确保零售客户拥有较高的货源满足率。
2.参照不同价位段，实现卷烟结构的逐步优化
围绕“货源供应稳、品牌形象好、盈利能力强、价位设置优、市场需求旺、销售前景好”等指标，综合考虑地理因素、人口因素、心理因素、行为因素，以及客户的经营价值、形象价值、信息价值、诚信价值后，锁定目标消费群体“有的放矢”。投放上“控点、控量、控区”，策略上采用“错位梯次销售法”，重点监控动销率、上柜率、覆盖率和再购率，加强监控点的选取、培训、维护、管理与激励，保证获取的监控数据准确无误，力促卷烟投放的时间、品种、结构、类别日益精准。
三、基于商业智能应用技术的绩效分析
举一个例子，一个卷烟销售客户经理每周都要看销售报表，反映这一商业智能在商品销售分析方面，那是体现的是什么呢？狭义的说，它是能够帮助决策者对自身业务经营做出正确决策的工具。广义的说，商业智能是集数据仓库技术、数据挖掘技术以及在线分析技术等于一体的经营分析和决策支持的数据应用体系。商业智能应用技术的作用是将企业的系统数据中有用的部分提取出来并进行整理，然后将数据合并到数据仓库或是数据超市中，透过商业智能工具的开发、研用、推广，得到企业数据分析的一个全视图。简而言之，商业智能是帮助企业从既有数据中，解读出自身体质优劣的情况，让企业决策者是否需要采取必要措施或规划新的营运方针。
参考文献：
[1]菲利普・科特勒（Philip Kofler）.营销管理[M].格致出版社.
[2]所罗门，卢泰宏，杨晓燕著.消费者行为学.第8版（中国版）[M].中国人民大学出版社.
大数据营销应用范文4
安捷力先后获得到了包括长三角基金、分享创投和华创盛景等著名风险投资机构和投资家的青睐和投资。
安捷力的高管团队曾长期供职于IMS、百度、华为、世纪互联等国内外知名企业中高层管理岗位，有丰富成熟的创业和模式创新经验。安捷力的执行管理团队由国内外医药、互联网等行业具有资深行业背景的专业人士组成，专注于营销管理、数据统计和分析、平台运营、软件开发等多个领域。安捷力是一家高新技术企业，现有员工156人，其中68%拥有本科或以上学历。
安捷力的核心产品和业务主要包括：BDHub是中国领先的医药行业渠道“数据直连”网络，覆盖行业几乎所有的活跃经销商和分销商；数据工场是中国领先的医药渠道大数据处理平台，通过自动化、规模化的方式处理和识别数据；Saleslook是中国领先的医药大数据应用平台，通过专业分析算法和分析工具，帮助客户采用数据可视化方式实时了解业务和市场行情；店销通是中国领先的医药“+互联网”纯销业务平台，能够将产品直接销售到终端门店。
大数据营销应用范文5
关键词：企业；数据；信息；精准营销；方法
网络技术的快速发展使人们走进了网络时代，人们在网络使用中产生大量的数据信息，这些信息的增加呈现爆炸式增长，这些信息包含着人们的消费习惯、消费方式、消费类型等多种商业信息，如果企业可以将这些信息进行数据分析，将会给企业带来相当大的利润。数据挖掘成为了企业网络精准营销的重要工作。所谓数据挖掘（Data Mining）就是从数据库中提取并分析隐含的未知具有商业价值的数据信息。这项工作是数据库研究中的一个新兴领域，是人工智能、信息统计、数据库技术多项理论和技术的集合体。
一、信息数据挖掘技术
1.关联分析
关联分析是最基础的数据挖掘分析方法，也是企业精准营销的常用手段之一。在数据挖掘领域关于关联分析的方法也是多样的，例如有APRIORI、AIS、DHP等算法，这种分析方法主要对数据之间的联系进行挖掘，例如在网络购物中我们在数据库中发现购买A商品的顾客点击B关联商品的概率是75%。通过关联数据信息分析找出两者商品的购买关联，更为精确的为顾客提供互补商品集约化销售，进而增加企业利润。
2.序列模式分析
序列模式分析同关联模式分析目的相同都是在挖掘数据之间的联系，但是序列模式分析更为连续化和网络化，例如对关联商品A、B、C之间进行序列化模式分析，客户在购买A 商品后又购买B商品，再购买C 商品，形成了固定的购买模式。每个序列内部都是按照固定模式排列。通过挖序列函数分析交易数据库，获得数据库中出现最高频次的序列，值得注意的是我们在序列模式分析时要输入最小置信度和最小支持度。
3.分类分析
我们对数据库中的不同类型的数据赋予特征标记，数据库就成为了具有分类特征的数据库，分类分析就是通过对具有特征的一组数据进行分析，用分类规则对数据库中数据进行具体分类。例如我们在汽车4S店数据库中有各类用户消费信息，4S店将根据购买不同级别汽车的用户信息进行分类，可以分为A级、B级、C级、D级、 E级用户，然后对类别分类赋予数据库数据。然后对每一等级数据进行4S店装配、保养、置换消费金额分类，通过数据分析我们对不同种类用户进行准确描述和挖掘，针对各类型用户数据进行回归模型、决策树模型、神经网络模型分析，分析结果采用电话回访的方式进行精准营销，充分发挥用户的消费潜力。
4.聚类分析
聚类分析是一组没有分类的记录，对这些数据进行分类事前也没有具体数量判断，在数据分析过程中根据一定的分类规则进行划分记录，然后确定每一个记录的类别。在数据分析过程中采用的分类标准是根据聚类分析工具确定。使用较为普遍的聚类分析方法有系统聚类法、加入法、动态聚类法、分解法。在数据分析法过程中采用不同的分类标准有着不同的划分结果。我们会发现聚类分析和分类分析是一个互逆的过程。在实际的操作过程中，数据分析员可以利用分类经验进行数据初步分析，然后根据数据分类结果进行分类标准再调整，直至得到满意的分类结果。
二、数据挖掘在企业精准营销中的具体应用
现阶段很多企业早已在利用相关的数据挖掘工具进行客户分析进行精准营销，企业管理层也根据相关的分析数据搭建各类模型用于企业决策分析。随着经济国际化，生产全球化，资本开放化程度越来越成熟，企业面临的竞争也具有不确定性，企业需要借助大数据系统进行数据挖掘，对业务数据进行抽取和转换，从中获得有利于商业决策的关键性数据来控制成本和区分市场，进而提高经济效益。
1.有利于客户关系维护与管理
网络营销在如今业已成为各类企业进军的重要领域，如何在网络销售中最大限度地争取客户、扩大客户群体、与客户建立更高的黏度。这些都是网络营销最基本的要求，在网络时代企业如何才能确定精准的目标市场、挖掘客户产品需求、接受产品升级体验都是与以往有很大差距。如果一个企业能让客户流失率降低5%，其企业的利润就能增加40%-60%，通过大数据分析可以更好地了解客户需求，并且与客户进行良好的互动交流，降低户口流失率，不断增加企业产品新意，提高产品知名度。
2.有利于企业精准经营定位
企业通过大数据挖掘可以找出消费者的共性和个性特征，对消费者进行分类，针对不同目标客户群体进行个性营销，同样企业也可以用数据分析结果进行企业经营目标精准定位，针对客户进行一对一的产品服务，另外也可以针对目标群体进行精准营销，让客户建立新的客户群体，通过客户挖掘新的客户群体，现如今在微信上进行团购商品已经非常普遍，做得比较好的是“拼多多”，利用群体的共性进行目标客户精准营销非常到位。另外企业也可以根据客户个人特征进行特殊化的商品，提高客户的满意度和忠诚度。企业只有对客户的真正需求有充分的了解才能够有的放矢，提供多样化和差异化的个，从而对企业的市场进行精准定位。
3.有利于企业对消费需求的预测
网络营销中，消费者是一个不断变化的虚拟用户，这样的消费者一方面是企业产品的购买者，另一方面也是企业商品的消费者和宣传员，在一定程度上充当着产品的网络引导员的角色。企业在精准营销中一方面要考虑到线下客户的需要，也要对网路营销有着充分的考量，分析网络用户群体数据，分析他们在购买产品需求变化的表现，分析他们消费产品的趋势和原因，采用多种方式进行网络营销，多层次、多方面、多类型的营销方式刺激消费者的消费欲望，唤醒他们的消费能力，从而实现产品销售量的提升。
参考文献：
大数据营销应用范文6
关键词:信息化;招标;企业管理
一、高校档案管理工作面临的现状
第一，重视程度不够。由于高校对档案管理重视程度不够，在档案管理工作中，沿用传统的工作模式，对档案进行人工检索、整理、立卷和归档。即使大部分高校引进了先进的计算机设备，但是仍然只是发挥基本的输入、输出功能。由于缺乏现代化的管理系统，使得高校的档案管理工作繁琐，效率低下，限制了档案管理的价值。教师及学生的档案采集不全，档案卷内目录填写不完整，档案序号、文件编号、责任者、卷内文件的起始时间等信息有遗漏，档案文件保密级别不限定。第二，从事档案管理的人员素质不够。部分高校没有严格按照规定，完成档案管理工作，甚至缺乏专门的档案管理，只是简单的将档案堆在墙角里，使得档案丢失，这给档案查找工作带来非常大的困难。而且从事档案管理的人员，大部分是为了解决高校代课老师或教授配偶的工作，临时安排的，他们大部分人员缺乏计算机操作技能，不能利用计算机技术对档案信息进行开发和研究，并且缺乏工作积极性。第三，档案管理平台不健全。近些年来，高校电子文档、表格、音频、视频等各种数据信息，种类繁杂，这些庞大的数据信息难以有效的管理及存储。高校档案数据资源不断扩张，若不引入虚拟云存储技术，就有可能引发资源存储容量不够，导致数据库膨胀危险。
二、大数据技术在高校档案管理中的应用
大数据的意义不是数据信息庞大，而是对数据信息进行高质量的处理。面对大数据时代的到来，高校如何在招生、教学、管理、就业方面进行大数据整合和管理，为高校的发展提供技术支持，是学校发展的重点工作。目前，很多学校已经建立了信息门户、统一用户管理与身份认证、综合信息服务门户，已经在信息管理中取得了进步，但是目前高校档案管理仍存在很多挑战。第一，组织维度。高校内各个部门应该优势互补，实现不同类型的大数据资源的优质整合。例如在高校内各部门建立数据管理机构、将数据整合和管理常态化，该机构由各个部门分管领导直接负责，协调部门内部事务，并将数据整合工作纳入年终评价体系，保障数据整合工作的效果。为加强高校档案管理，建议高校成立活动领导小组和工作小组。如下：其一，领导小组。组长；副组长；成员；职责；其二，工作小组。组长；副组长；成员；职责：统筹安排档案管理，研究制定管理措施；负责对档案信息进行协调、监督、考核。工作小组办公室设在公司后勤，负责日常工作联系及相关组织工作。第二，数据维度。高校档案来源丰富，包括教师和学生的人事档案、学籍档案、医疗保健档案、试题库、学校的基建档案、学校的资产档案、财务原始报销凭证、公文、电子邮件等。在档案大数据应用时，要将档案资源进行数据模型的转换，将二维的信息转换为多维的模型。第三，技术维度。在高校大数据时代，信息应用服务引领高校档案由常规分析向广度、深度分析转变。师生用户可以共享档案信息，并从海量档案信息中，挖掘出自己可用的信息，并从这些信息资源中进行价值判断和趋势分析，找出用户和档案之间的逻辑关系。4G移动通信终端、云技术与云存储服务、校园APP等媒介渠道的引入，可以解决档案资源存储的问题。
三、大数据技术在高校档案管理中应用的有效措施
第一，增强服务意识，提高服务水平，争取领导重视。大数据时代的来临，档案管理工作会面临许多新情况、新特点、新问题。实现现代化的管理，需要提高领导干部的档案意识，配备先进的设备，实现档案管理的现代化，网络化。第二，加强档案管理教育培训，提高管理人员的综合素质。大数据的管理不在是传统的简单数据和信息的归集，在信息化管理工作中，提高管理人员的素质是有必要的。加强人才培养，实现竞争上岗，培训上岗，加强业务宣贯，为档案管理创造一个新台阶。第三，提高档案管理信息化利用水平。引进现代化档案管理设备，用于快速档案查阅、检索、分析，提高工作效率，实现档案管理的现代化办公。一是加大资金投入，不断完善档案信息数据库，不断摸索档案应用软件和实际工作的结合，建立可行的档案信息系统，提高档案数据的实用性，使得档案查阅更快捷、更方便、更可靠。二是建立规范的制度保障体系，提高信息化管理的技术水平。
四、结束语
今年两会，大数据第一次出现在政府工作报告中，这表明，大数据已经上升到国家层面。为了适应大数据时期，档案管理工作对管理人员的要求越来越高，学习现代计算机技术、网络技术、多媒体技术，跟上当代时代的节拍，对高校的发展有着重要的意义。
作者:张贤恩 高秀英 单位:枣庄市团校
参考文献：
[1]杨似海，闫其春.大数据背景下的高校图书馆档案管理策略研究[J].四川图书馆学报，2016，4（35）:81.
