欢迎访问爱发表,线上期刊服务咨询

大数据论文8篇

时间:2023-04-01 10:06:57

绪论:在寻找写作灵感吗?爱发表网为您精选了8篇大数据论文,愿这些内容能够启迪您的思维,激发您的创作热情,欢迎您的阅读与分享!

大数据论文

篇1

客户关系管理是基于对客户数据的充分分析而进行的,作为客户关系管理的重要分支,数据处理与分析对客户生命周期管理的重要意义不言而喻。大数据时代下,随着数据处理工具与软件的飞速提升,对客户生命周期管理产生了新的革命。各类微信、网站等自媒体工具的发展更是为客户生命周期管理注入新的生机。

(一)大数据促进精准化传播沟通

利用各种数据信息的交叉检索,有助于楼盘项目寻找目标客户,并精准化信息。传统精准传播方式包括短信和DM直邮,但在大数据时代下,利用微信和网站等各种自媒体渠道工具,可以发送更多直观互动的信息。尤其在企业已实现酒店、百货、地产、消费品零售等跨行业规模化运作的时候,数据的综合利用显得尤为重要。通过将企业各业务模块的数据进行搜集和综合处理,可以确保客户资源的共享,更有利于企业品牌的传递,使客户在未到访楼盘项目售楼处之前,就已经对企业的实力建立信心。

(二)大数据有助于客户筛选

跟进传统的楼盘项目客户登记方式为纸质的上门客户登记本,大部分项目均未实现上门客户信息的电子化。借助明源软件、金鹏软件等销售软件及身份证识别器工具,可以推动客户信息电子化的录入,并提升客户信息的准确度。对客户的来源、性别、职业、置业需求等各类基础数据的汇总和交叉分析,能提升客户的精准跟踪,并结合客户的销售抗性进行有针对性的沟通,促进项目销售。

(三)利用数据化工具维护

成交业主满意度大部分楼盘项目在客户成交后,缺乏有效维护。在房地产行业圈层口碑效应不可忽视的背景下,客户成交往往意味着新的生意的起点。利用数据化的工具对成交客户进行跟踪维护,有利于持续跟进客户对楼盘项目的各种反馈,促进老带新的口碑传播、推荐以及重复购买,亦可持续提升客户的满意度。

(四)利用大数据进行业主需求

维护随着建筑科技与智能化的不断发展,居住环境也在不断升级。以往的开发商客户关系维护,仅到业主入伙截止。事实上,业主入伙居住后,对业主居住需求的跟踪和维护也是非常重要的。物业公司可以配合开发商,通过组织各类业主活动,获知客户的需求,例如:搬迁至另一个城市工作——产生异地置业的需求;对目前的居住环境产生升级换代的需求——产生新的高档次项目的购买需求等;这些种种需求,都是客户购买同一品牌楼盘项目的机会,通过对客户关系的维系,产生客户品牌忠诚,对于规模化开发的大企业尤为重要。

二、结束语

篇2

在桥梁工程中,数据按时间上的划分可以分为两类,静态数据与动态数据。静态数据主要指桥梁的相关信息资料库与科学实验产生的数据。信息资料库是一种相对静态数据,因为这些数据资源每过一段时间将更新一次。各国家和各地方政府部门基本建立了桥梁工程资料库及相关系统,列举出主要国家和地方政府的桥梁管理系统,包括建成时间、系统功能、与建设部门等。除国家政府部门外,各科研单位也在完善各自的桥梁统计分析系统,系统中主要包括桥梁的桥型、跨径、材料、建成时间等基本信息,还包括桥梁的病害、桥梁状况评定等相关内容。桥梁的科学试验数据主要来源于各大高校和科研单位科学研究中的模型试验、振动台试验、风动实验、桥梁的荷载试验等产生的数据。这类数据的有效分析处理形成各类科学研究成果,但是此类数据的开放程度低,造成数据资源的极大浪费。桥梁的动态数据主要来自于桥梁的施工监控和成桥运营阶段健康监测系统,此类数据由安装在桥梁上的实时监测传感器获得,包括位移传感器、速度传感器、加速度传感器、应变计、温度计、风速仪、GPS等。统计了国内部分桥梁健康监测系统的传感器数量以及安装时间。各类传感器配以相关的采集系统来获得数据信息,再通过相关软件分析、处理,从而掌握桥梁的实时健康状况,对桥梁的状态进行评估与预测。整个桥梁健康监测体系。

2开发桥梁工程领域大数据资源意义

利用桥梁的静态数据库,可以了解桥梁的基本信息,为全国的桥梁统计、普查与管理提供信息资源。科研数据的开放有助于学术界的交流、创新,取得更为丰富的科研成果。桥梁动态数据包括施工监控数据与成桥运营阶段的监测数据,充分利用与挖掘大数据资源,可以提高桥梁的施工质量、加快施工进度,提前预测和解决施工过程中可能出现的问题,减少质量事故和经济损失。成桥运营阶段的监测数据主要为桥梁的健康状况评估提供依据,掌握桥梁所处的状态,分析、处理数据资源,提高预测、分析、解决问题的能力。可为同类桥梁的施工管理与养护等,提供宝贵经验。同时大数据资源的开放、共享,有助于节约国家资金和社会资源。

3存在问题及解决方法

(1)最先遇到的也是最棘手的问题是数据的去冗、去噪,从海量数据中挖掘大数据资源价值。目前,所列一座特大桥上各类传感器每天采集的数据达到几个GB到几十GB,甚至上百GB,如此海量的数据如何去处理,有效剔除无用的信息,找寻剩余有用的信息,从而产生新的价值、新的资源。这也是在大数据时代有效利用大数据资源要解决的首要问题。解决这一问题的主要途径是编译相关的去冗、去噪的智能分析软件,同时可以利用云计算、云分析、云管理等方法来提高解决这一问题的效率,使大数据变为有用数据,做到真正智能化分析。

(2)现在各政府部门和科研单位,都在做自己的桥梁信息库以及监测研发数据库等,而且大多数数据库都是相类似、重复的。这样造成资源的极大浪费,包括劳动力、资金等。解决这一问题的有效途径是加强政府部门、科研单位内部以及之间的相互合作,开放和共享数据资源,这也是大数据时代的必然趋势。各部门和科研单位可以有步骤、分阶段地开放共享各自所拥有的数据资源,不论是采用付费或免费的方式。

(3)由于大数据具有“4V”等特点,在大数据研究的初期阶段,大数据的价值还未充分体现时,要储存、分析、利用大数据资源,需有软件、硬件等基础设施的投入,国家和科研单位应提供专项资金的支持,同时国家可制定相关鼓励支持政策。

(4)在大数据时代成熟以后,应建立相关法规,规范和保护数据的开发利用,制订相关统一标准,提高数据的使用效率。

4结语

篇3

1.1大数据对大量数据信息的处理

由于历史文化名城展示与利用涉及到的内容很多,包括历史学、地理学、建筑学、社会学、景观生态学等,与此同时,随着科学技术的进步,先进的数据采集、建筑测绘等软硬件设施已经大量应用于历史文化名城的展示与利用当中,在此过程中产生了数量庞大的数据信息,而大数据能够对这些庞大的数据信息进行快速准确的处理.所谓“大数据”就是指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.例如,三维激光扫描技术是一种通过激光反射的原理,将被测量对象通过三维激光扫描系统的处理,构建成一整套的点云数据模型,在此基础上,通过专业的三维软件技术对于被测对象进行逆向的数字化构建,从而能够进行后续的数字化的研究与利用.在此过程中,点云数据会大量涌现,尤其是对于展示与利用真实性要求更高的项目而言,所产生的数据将会无限接近于真实的被测对象,数据会呈现出几何数量级增长.数据量大,能够促进历史文化名城展示与利用在探索方法和研究理念的层面上产生根本性的变革.对于早期的历史文化名城的展示与利用来说,由于受到认知性和数据分析能力的影响,人们就某一处历史文化名城的展示与利用的形式、内容以及方法上,仅仅是能够通过数量有限的样本案例和数据资料,利用较为传统的技术手段进行数据的分析、评估和管理.大数据的应用,能够将大量的历史文化名城的相关信息进行有目的性的筛选和处理,为展示利用的方式、方法在名城中的应用,提供了较为全面和具体的对策措施,提高展示利用实施的精确性.

1.2大数据对多样数据类型的处理

历史文化名城在展示利用时涉及到的数据繁多复杂.单就其中的某一处历史建筑来讲,《历史文化名城、名镇、名村保护条例》对建筑本身的历史档案包括了5项内容:1)建筑艺术特征、历史特征、建设年代及稀有程度;2)建筑的有关技术资料;3)建筑的使用现状和权属变化情况;4)建筑的修缮、装饰装修过程中形成的文字、图纸、图片、影像等资料;5)建筑的测绘信息记录和相关资料.除此之外,还有关于历史沿革、历史事件、地名典故、名人轶事等资料.上述几项内容,基本涵盖了一处历史建筑的历史价值和人文价值,这些详细资料,在历史文化名城的展示利用时会起到举足轻重的作用.在历史文化名城的展示利用的过程中,数据的类型非常多,有图片资料、文字资料、影像资料、图纸资料、点云数据等.在以往展示利用处理数据信息的时候,利用传统的数据处理技术,事先定义好结构化的数据.结构化数据是将对象数据向便于查询、处理的方向抽象的结果.结构化数据即行数据,存储在数据库里,可以用二维表结构来逻辑表达实现的数据.结合到典型场景中更容易理解,比如企业ERP、财务系统;医疗HIS数据库;教育一卡通;政府行政审批;其他核心数据库等.在结构化数据过程中,通常会忽略一些特定条件之下所不必考虑的细节,筛选出有用信息.随着互联网技术、展示利用技术以及测绘技术的快速发展和演进,非结构化的数据大量的出现,难以用结构化来进行表示,在存储记录数据的同时还要储存数据的结构,增大数据存储和处理的难度.相对于结构化数据而言,不方便用数据库二维逻辑表来表现的数据即称为非结构化数据,包括视频、音频、图片、图像、文档文本等形式.具体到典型的案例中,如医疗影像系统、教育视频点播、视频监控、国土GIS、设计院、文件服务器PDM/FTP)、媒体管理等具体应用资源,这些行业对于存储需求包括数据存储、数据备份以及数据共享等.目前在历史文化名城展示与利用当中,所利用的数据大部分都是非结构化的数据,而这些非结构化的数据将会逐渐成为主流化的数据.随着历史文化名城保护的发展,与展示利用相关的影响因子指标数量上必定会更加的丰富和细化.为了满足历史文化名城展示与利用的目的,在相关数据激增的同时,新的数据类型还会不断出现,很难用一种或是几种规定的模式来描述趋于复杂、多样性的数据形式.而大数据与传统的数据处理方式最大的不同之处就是,它在非结构化数据和信息的方面能够最大限度地将大量历史文化名城展示与利用的相关影响因子指标的细节信息进行数据非结构化,可以减少在数据处理过程当中的数据流失现象,为展示与利用提供更加充分的情报信息与技术支撑.

1.3大数据对数据信息的快速处理

由于科学技术水平的飞速发展和普及,数据越来越庞大,必须有相应的数据处理能力才能够将大量的数据进行充分而有效的利用.历史文化名城的展示与利用发展到今天,展示利用的相关数据除了具有传统属性以外,还具有时效性,通常某些数据的价值会随着时间的推移而迅速降低,能否快速准确地处理这些数据,则是充分体现它们的价值所在,而大数据的特点就在于能够快速、持续、实时的处理数据,从而能够满足相关的需求.在经济发展和大规模建设工程中,经常会忽略历史文化名城的历史文脉的科学展示与利用.有时会单纯地将历史文化名城的展示与利用和社会发展、自然环境及其居民生活割裂对待,这样会恶化居民的生活环境,不利于拉动居民的消费,不利于延续传统的历史文脉,不利于文化产业的发展,不利于创造品牌效应,降低城市的知名度,不利于历史文化名城的可持续发展,对传统风貌会造成严重破坏.在大数据的背景下,为了保护这些稀缺的展示利用资源,使得名城保护能够可持续发展,大数据就需要对名城的相关数据进行快速处理,及时快速的提出有效、合理的保护措施.

2大数据在历史文化名城展示利用中数据处理的应用

2.1在历史文化名城空间数据上的应用

在《历史文化名城、名镇、名村保护条例》中提到,历史文化名城、名镇、名村应当整体保护,保持传统格局、历史风貌和空间尺度,不得改变与其相互依存的自然景观和环境;建设控制地带内的新建筑物、构筑物,应当符合保护规划确定的建设控制要求;核心保护范围内的历史建筑,应当保持原有的高度、体量、外观形象及色彩等,从条例以上的内容描述可以看出,与历史文化名城展示与利用的相关信息具有非常典型的空间性.历史文化名城展示与利用中空间数据的采集,基于移动设备、互联网络、测绘系统、自动记录系统、数据档案系统等,以及通过这些系统综合分析所产生的再生数据.大数据通过整合和深入提取这些空间数据,将这些信息进行重新利用,实现海量展示与利用的数据信息的实时处理,智能判断以及快速决断,为某一项历史文化名城的展示利用提供决策依据.随着三维激光扫描技术的逐渐成熟,在历史文化名城的街区展示利用中,通常采用三维激光扫描技术,将历史街区现有的建筑特征和风貌进行数据的采集和整理,之后通过计算机相关软件的处理,恢复历史街区传统的风貌特征,并通过虚拟现实等技术手段将其进行一定的场景重现.

2.2在历史文化名城数据分析上的应用

由于大数据在信息处理上具有透彻感知、广泛互联互通、深入智能等特点,能够借助互联网络进行传递、协同以及共享操作,在通过利用先进的数据分析技术,深入分析收集到的展示利用的数据后,进而获取到更加具有创新性的、系统性的、全面性的数据信息来满足某一项历史文化名城在这方面的信息需求.大数据在数据分析方面的应用,从过去单维度的项目计划、项目管理和项目执行,转变为多维度的新兴的项目协作关系.在这种新的组织关系下,每一处历史文化名城个体,在进行展示与利用项目的筹划、设计和实施过程中,都可以精确地、自由地、即时地共享和获得相关信息,发掘同一类型数据的共性和不同,对彼此各自的特点进行正面、真实、合理的归纳与总结,找到若干种恰当的展示与利用的方式与方法,然后进行比较和选择,以达到最佳的展示利用的效果.大数据的应用,促进了历史文化名城的数字化基础构建和物理设备的相互融合,通过数据对于名城的数据采集和汇总,经过网络实现人与物的统一与整合,之后再通过云计算技术,使其对于历史文化名城的展示与利用的管理更加动态化、系统化.

3大数据对历史文化名城展示利用的意义

历史文化名城的组成是由历史文脉和城市形态两大重要要素构成.现在愈来愈多的人们开始呼吁政府有关部门采取有效的措施,保护和传承历史文化名城的历史脉络和注重塑造城市形态,传承历史记忆,展现人文气息.在社会经济处于重大历史变革的今天,对于历史文化名城传承的思考更加具有意义.历史文化名城的历史文脉和城市形态通常表现为包括城市空间形态、结构形态、聚集形态等一些具有可读性强的、城市意向明显的、静止性的、永久性的客观物体.城市形态作为物质属性,其展示利用通常是展现城市的空间轮廓、城市肌理、街道格局、风貌特征、建筑物和构筑物本体等;而历史文脉作为非物质属性,其展示利用通常是展现与历史文化形态有直接联系的演变规律、历史事件、社会结构、社会制度、哲学思想、伦理观念、语言文字、文学艺术、礼仪风俗以及地域文化等.历史文脉的展示通常是结合历史文化名城的物质空间和相关史实文献资料的整理,采用声、光、电等现代的技术手段将抽象的历史文脉以一种相对具体的形式进行展示.大数据的功能和作用就是能够把城市形态和历史文脉等这些具有物质属性和非物质属性的资料信息进行数据化、数字化的统计、整理和归纳,以一种清晰的思路与方式展示历史文化名城文化创造的成就,以生动、形象、完整的方式来诠释历史文化的脉络.通过大数据在历史文化名城形态特征的展示与利用,探索古代与现代文明相互融合的有效方式与途径,在保持相关历史记忆的同时,加入新的科学、技术的活力,从而促进历史文化名城的可持续发展.从历史文化名城的展示利用的角度来说,加强文化遗产展示与利用和促进经济与社会发展的有机结合,探索展示利用的有效解决途径和方式,是为历史文化名城的展示与利用提供策划方案、拟定策略、提供决策的科学依据.只有在保持古城的形态和历史文脉传承的前提下,选择大数据的方式进行历史文化名城的展示与利用,文化遗产本身及其遗产价值才能以更有成效、最佳的方式体现.

4结语

篇4

1.大数据的背景与特点

(1)信息规模大。大数据的发展是与互联网息息相关的,互联网技术的时时更新与不断发展,无疑产生了海量数据。毫不夸张地说,无时无刻不在产生新的数据。常规数据的存储单位一般为GB或TB,而大数据的单位往往是PB、EB甚至ZB,可见大数据的数据量之大之多。(2)数据的多样性。以前的数据大都是结构化的数据,现在由于信息的采集、加工与传输技术的不断发展,尤其是在互联网络上,产生各种非结构化的数据,代表性的非结构化数据包括音频、视频、传感数据,互联网上的以博客、微博为代表的文本数据等,使得数据的具体形态呈现多样性。(3)复杂关联性。在当今互联网的时代,产生的各种各样的联系,比如在电子商务网站上购物,曾经搜索过的关键词会成为电商网站制定个性化推荐、进行精准营销的最主要依据,个人在不同的社交网站上所提供的个人信息,以及在电商网站购物所留的具体信息都可以转成为有效的商业信息。这就表明了数据之间联系的紧密与密度,也说明了数据间的关联复杂性。(4)价值密度低。当然,海量的数据并不意味着海量的价值,不可能所有的信息都具有价值,如一些冗余信息。需要利用数据挖掘技术,对海量信息进行有效地提取与挖掘,找到具有价值的数据,并将其运用到商业活动中。

2.大数据时代第三方物流企业CRM面临的挑战

在了解了大数据的特征之后,我们便对大数据有了一个清晰的认识。那么在这个以数据为中心的大时代背景下,对第三方物流企业,对现在逐步将客户升级为企业核心竞争力、强调以客户为中心的第三方物流企业CRM带来了什么样的机遇与挑战,值得我们深思。CRM既是一种管理理念,也是一种应用软件,更是一种管理模式。客户一直都是企业非常重视的资源,而且对客户的重视早已从交易进行中扩展为注重潜在客户(即交易尚未发生时)、重视售后管理(即交易发生后),即在整个过程中都强调客户的地位和重要性。当今充满信息的时代,人们更加重视客户的管理,由此可以看出,客户的概念已经发生很大的变化。客户概念的泛化,无疑使客户需求变得具有多样性、多重性和差异性。在这个数据高速增长、信息高度发达的年代,无疑数据是驱动物流企业发展的动力。那么面对海量数据,低密度的价值数据,物流企业的数据“短板”,与客户信息、客户需求之间的矛盾与差距,使得物流企业在大数据时代进行客户关系管理时面临严峻的挑战,主要体现在以下几个方面:(1)数据不足与客户流失控制与预测不足之间的矛盾。客户流失一直以来就是企业面临的重大考验,而如何能够有效的控制与预测客户的流失也一直是长期讨论的热点。针对客户流失的控制与预测,传统的方法是建立在收集客户信息、资料的基础上,对客户的满意度进行分析。而往往这些数据是非常具有局限性的,仅仅是来自第三方物流企业自身积累的客户服务信息,而且在分析时并没有突出分析客户的忠诚度。而现如今客户的需求多种多样,且时时变化,客户的很多信息大多体现在社交网站或商务网站,而且信息的价值密度又比较低,造成物流企业不能很好的去收集、分析客户的信息,去有针对性的满足客户需要,去提高客户的忠诚度。因此,只能用相对少且相对固定的数据制定客户流失控制策略,或进行客户需求预测及市场预测,这些做法往往效果不理想。(2)数据更新不足与客户聚类以及个性化服务不足的矛盾。对客户数据进行聚类分析,是第三方物流企业进行客户关系管理很重要的一个应用方面。第三方物流企业的市场管理、销售服务等都与客户关系管理密切相关,都是强调以客户为中心。而根据数据对不同的客户群体进行聚类分析能够做到有针对性的进行管理,在降低客户关系管理成本的同时,也能够有效的制定实施营销策略。而对于物流行业这样一个数据驱动型的物流企业,数据的更新可以说是至关重要,要求及时将新的信息反馈给管理部门。而普遍的结构化数据,或已有的数据库数据信息相对陈旧,脱离客户不断变化的需求,这必然导致据此制定的各项CRM策略缺少有效性,甚至是营销策略的失误。(3)数据类型单一与关联性分析不足的矛盾。大量单一的客户结构化数据对已有客户的需求分析具有一定作用,然后对潜在客户或提高客户忠诚度上的作用不是很大。当前信息时代,除了传统的结构化数据,可以通过各项技术获得更多的半结构化的如网页、文本等数据,及一些非机构化数据,这些数据往往和客户的已有信息相关联,这些数据的收集与分析,能够为发展潜在客户提供基础。当前第三方物流企业大部分依旧依赖于结构化数据,数据类型比较单一,不能及时了解客户的进一步需求或与当前需求相关的产品或服务,造成对潜在市场的忽略。(4)客户需求变化与CRM模式滞后之间的矛盾。许多第三方物流企业对CRM的认识还停留在传统的与客户互动及管理方式上,虽然认识到了客户的重要性,但是在具体客户关系实施管理上,还存在很多问题,与信息时代的要求严重脱节。同时,在海量数据到来之时,又显得力不从心,无法挖掘出有效的价值信息。这种“迟钝”导致客户需求得不到最大满足,对第三方物流企业而言,面对残酷的市场竞争,时刻把握客户的需求,更好地为客户服务显得尤为重要。反之,则会导致被潜在客户所忽视,被老客户所抛弃,被客户抛弃意味着企业被市场淘汰。

二、大数据在第三方物流企业CRM中的应用

1.大数据下第三方物流企业CRM框架设计

在将大数据技术应用在第三方物流企业CRM的过程中,在整个CRM框架设计中都要明确体现出整个CRM的工作都是围绕客户进行的。各种商业目标定义的来源是客户,数据挖掘与分析的数据来源也是客户,最后具体的商业应用也是作用于客户。同时,数据的正确获取,数据的有效预处理,数据的合理存储,采用优秀的数据处理技术进行数据处理,以及优秀数据挖掘方法和技术的选择与应用,这些工作都离不开信息技术。包括大规模并行处理数据库、数据挖掘、互联网技术、分布式文件系统和可扩展的存储系统等。该模型以客户信息为主线,将第三方物流企业的客户关系管理分为三个层次:客户信息收集层、客户信息分析层、信息输出———客户服务与支持层,在整个过程中都离不开网络技术、数据挖掘等技术层面的支持。具体说,在将大数据应用于第三方物流企业CRM中时,第一步需要通过大数据获取技术得到足够多的各种类型的数据,主要包括从客户和市场等企业的外部环境,以及公司销售记录等内部渠道,收集各种客户信息和市场信息,形成大数据集;第二步需要应用包括数据仓库、数据挖掘和商业智能等技术手段对获取的大数据集进行计算、汇总,通过“聚类分析”、“关联分析”、“数据融合”,实现对客户的个性化分析、竞争情报分析、市场需要变动和产品扩展分析及共性分析,得到应用型数据,这样做的目的主要解决传统CRM中个性化服务不足、市场拓展、市场趋势预测不足的问题;第三步针对第二步的客户分析,围绕这个“中心”,把这些信息输出给客户或企业内部用来制定各种决策及提供服务支持,形成可行性报告,应用于服务管理、市场管理、销售管理及物流企业管理。通过整个CRM系统,不仅成功的对客户信息进行收集、分析、输出,同时将客户各种背景数据和动态数据收集整合在一起,同时将运营数据和外来市场数据经过整合、变换载进数据仓库。不仅重视怎样从技术上实现对大数据应用的过程,并且着重强调的是解决传统CRM的弊端,将大数据时代物流企业CRM所面临的问题在整个流程中进行解决。

2.大数据背景下第三方物流企业CRM应解决的问题

篇5

1国外研究综述

1.1旅游网络信息导引作用探究

近年来,国外学者针对无形信息流对有形人流的导引作用问题进行了有益探索,包括旅游网站信息对潜在游客导引作用的说明,旅游网站对有形人流的导引过程和导引机理分析。主要研究通过针对供需行为,对旅游网站在线服务能力和旅游网站使用者满意度之间的协同关系进行了研究,并提出了反映网站信息流与现实人流关联性的模型。

1.2基于网络搜索数据的时空导引作用的定量估算研究

基于网络搜索数据的预测研究始于医药领域,最早是利用网络搜索指数提前预测出流感发病情况及流感的死亡率。在房地产方面也有类似的实证研究,发现网络关注度对美国房屋的交易价格和交易量具有较强的预测能力;这些研究对基于网络搜索技术的旅游行为预测研究起到促进和深化作用。在量化研究方面,主要集中在建立回归分析模型,对美国零售业、房地产业、交通运输业、旅游行业的产品销量进行预测,在传统的回归模型的因变量中加入与预测对象有关的关键词关注度指数,预测结果的精度均有较大的改善。国外在宏观经济领域,通过网络搜索指数与宏观经济的研究主要集中在失业率、消费、股市指数、经济现象和经济衰退等方面。研究表明,在庞大的网络搜索数据被网络搜索工具记录下来的过程中,这些庞大的搜索数据与现实的社会行为之间存在一定的相关性。在旅游网络行为方面成果较少,大部分研究侧重于网络整体性信息与某些社会行为宏观的、概括性的关联性研究。

2国内研究综述

目前,我国学者对大数据相关问题研究较多,应用在各个领域,在旅游方面的研究主要集中在三个方面:大数据出现后对旅游业带来的影响研究;具体搜索引擎的数据与实际旅游市场需求的相关性研究;利用搜索引擎数据对旅游市场的预测方法研究。

2.1大数据对旅游业带来的影响研究

伴随着大数据、云计算的产生及在各个领域的应用,很多学者提出了旅游大数据的概念,并从旅游大数据的产生,旅游大数据的挖掘,旅游大数据的应用方面提出了见解。伴随着网络技术的发展,旅游企业及用户对网络的使用,导致旅游数据信息爆炸性的增长,旅游数据已经形成一个巨大的海量信息空间,这些海量数据的产生,如何应用这些数据,找出规律,应用在旅游业当中。在大数据的挖掘方面,大多采用关联分析对旅游数据进行搜索,并从中找出出现概率较高的模式,或者通过数据的聚类与分类,分析旅游数据的相似性,为决策者提供决策支持。大数据在旅游行业的运用方面主要提出在旅游市场营销,线路优化、挖掘有价值的旅游信息方面。

2.2具体搜索引擎的数据与实际旅游市场需求的相关性研究

在大数据与实际旅游市场相关性研究方面成果较多,在搜索引擎的的选择方面,国内研究大多选择百度指数这种海量免费数据,并通过百度指数的搜索量和实际游客量之间的关系分析,主要研究体现在:搜索关键词的选取技术;网络信息流和实际游客量之间存在正相关性,网络空间信息流是一种重要的“前兆”导引现象。对关键词的选取,大多数研究中采取根据旅游活动的六大要素,或通过问卷调查、关键词推荐的方法获得;大多数研究选取了五一、十一等主要节假日的客流量及网络关注度进行对比,发现旅游网络关注度和景区客流量之间存在正相关关系;旅游者在产生旅游需求的前提下,通过网络提供的旅游信息进一步了解旅游地概况,为其旅游的目的地,因此,旅游者对旅游网络信息的关注度一定程度上昭示其出游行为,基于此,旅游信息流又是重要的旅游客流的“前兆”。

2.3运用大数据进行景区旅游市场预测的研究

对于旅游市场的预测研究成果较多,大多数研究都采用历史数据对未来游客量进行研究,在预测方法上不断创新,但在数据的选择上面基本停留在使用历史统计数据。运用大数据进行旅游市场预测研究的研究成果较少,大多数还停留在相关性研究方面。黄先开以北京故宫为例,建立了没有百度关键词和加入百度关键词的两种预测模型并进行了预测精度比较。运用带有百度关键词的模型可以实现利用当天及滞后1~2天的百度指数数据预测故宫当天的游客量,不仅增强了预测的时效性,还可以更加及时、准确地为故宫景区管理部门提供决策的依据。

3结论

篇6

云会计可以让企业将工作重心转移到经营管理上,而将会计信息化的基础建设和软件服务工作外包给互联网企业,这种模式所带来的优势和效率显而易见,将推动企业管理模式的转变和思维模式的转变。与此同时,要在企业中推广云会计的应用,还存在着急需突破的困境,这些困境不但制约云会计服务商的发展壮大,也无法消除企业采纳云会计的种种疑虑。首先是数据标准缺失困境。目前尚没有明确的指导性和约束性文件,云会计服务商只是凭着商业逻辑开发相关的软件并提供硬件基础服务,用户也只是根据自身需要选择相应的服务,至于是否符合未来云会计数据的要求,则无暇顾及。各厂商在开发产品和提供服务的过程中各自为政,为将来不同服务之间的互连互通带来严重障碍。例如,用户将数据托管给某个云会计服务商,一旦该服务商破产,用户能否将数据迁移至另一个云会计服务商?如果用户将数据同时托管给多个云会计服务商,能否便捷地执行跨云的数据访问和数据交换?目前在数据的处理标准方面还没有具体的突破,尤其是在数据汇集以后,如何整理?如何分析?如何访问?是三个密切联系又急需解决的问题。在大数据环境下,数据该如何共享?如何保持一致性?也必须有标准来支撑。另外,数据的质量标准是保证数据在各个环节保持一致的基础,这方面的缺失使数据的应用范围受到极大约束。由于数据标准的缺失,导致云会计的应用及服务标准也难以制定,如何对不同云会计服务商提供的服务进行统一的计量计费?如何定义和评价服务质量?如何对服务进行统一的部署?这些问题也使得云会计的普及举步维艰。其次是安全问题困境。云会计的安全不仅涉及当事企业,也与许多第三方企业的利益息息相关,这个问题解决得好,可以极大地促进云会计的发展,否则将使涉事企业面临经济、信用等多方面的巨大损失。一是存储方面的安全问题,云会计的存储技术运用虚拟化及分布式方法,用户并不知道数据的存储位置,云会计服务商的权限可能比用户还要高,因此云会计的数据在云中存储时,如果存储技术不完善,那么会计信息面临严重的安全隐患。二是传输方面的安全问题,传统的会计数据在内部传输时,加密方法一般比较简单,但传输到云会计服务商的云端时,可能被不法用户截取或篡改,甚至删除,将导致重大的损失。

二、数据标准困境的解决方法

要解决云会计中的数据标准困境,必须厘清数据标准的制定原则和制定思路,才能推动云会计的健康发展。

(一)数据标准的制定原则

云会计的最大特点是数据海量、数据互通、数据复杂等不同于以往会计信息系统中的结构化数据格式,是一种大数据的表现形式。标准化的云会计数据不但有助于解决“信息孤岛”问题,更可以大大降低数据的使用成本、软件的兼容成本等。在制定标准化数据过程中,要树立高效性、可用性、经济性三者互相协调的观念,既要反对简单沿用他国标准的做法,也要摒弃完全定制化的观念,要坚持可持续、可协同的标准化思路。高效性是指云会计的数据标准要使得产出投入比最大化,如系统方面的投入与系统运算能力是否协调,存储空间的效率是否高效,数据中心的能源消耗是否最小化,设备的维护成本是否最低等;云会计的高效性直接影响到云会计服务商与企业用户的可持续发展,否则许多投入成本可能会演化为沉没成本。可用性是指云会计的数据标准不仅使云会计服务商能够满足用户当前的需求,而且能够不断升级,满足用户的未来需求。可用性越好,那么在发生业务变动时,系统的迁移性越好,即使在发生系统故障时,恢复时间也能最短化。经济性要考虑全周期的成本,如标准建设的成本、标准应用的成本等,另外一个值得注意的是用户的学习成本,虽然它不一定直接与用户的经济成本挂钩,但会影响到用户使用系统的积极性,一个难以掌握、难以使用的标准终究会遭到用户的抛弃,没有长久的生命力。

(二)数据标准的制定思路

鉴于以上所阐述的数据标准的制定原则,建议按照“官方引导,协同制定,继承扩展”的思路来制定数据标准。云会计的数据标准不仅是个别企业的标准,而且关系到所有企业能否相互交换、相互沟通的基础性工作。单纯由官方(协会或政府)统一进行设计,再把标准无偿地开放给社会使用,其优点是工作效率高、设计成本低,但标准并非直接来源于会计工作的实际情况,标准的客观性略差,可行性较低。单纯由民间设计,企业按照实际会计工作需要自主制定,再以某种收费或免费的方式向其他企业开放,其优点是标准相对客观,可行性较高,但整体的社会成本较高,推进速度慢、公信力差。这两种方式均难以克服固有的缺点,因此最好的方式是将官方的公信力和民间的积极性相结合,协调各方资源,协同制定数据标准,以公共产品的形式免费供给各企业使用。为了推动我国会计信息化的蓬勃发展,我国早在2004年就制定并了《信息技术会计核算软件数据接口》(GB/T19581-2004)国家标准。于2010年6月又了更新版的《财经信息技术会计核算软件数据接口》(GB/T24589-2010)系列国家标准。随着国际上以XBRL(可扩展商业报告语言,eXtensibleBusinessReportingLanguage)为基础的会计数据标准的诞生,我国于2010年10月了《可扩展商业报告语言(XBRL)技术规范》(GB/T25500.1-2010)系列国家标准和《企业会计准则通用分类标准》。由此可见,我国在会计数据标准的制定和应用方面始终走在国际的前沿,尤其是GB/T24589-2010系列标准,不仅包括了会计科目、会计账簿、记账凭证、会计报表,还涵盖了应收应付、固定资产等内容,填补了国内标准化方面的空白,即使在国际上也处于领先的地位。因此此类标准既具有社会意义,也具有经济意义;既推动国内会计事业的发展,也能助力国际会计事业的发展。因此,建议对该标准的实际应用情况进行跟踪研究,确切了解标准的应用效果和应用质量等,收集企业的反馈意见,发展并完善,结合云会计的特点,制定新版的标准,在国内推广的同时,也将其贡献给世界标准化组织,为其他国家或世界性组织提供参考。

(三)制定数据标准的具体建议

大数据环境下,为了使云会计真正高效、廉价地为企业服务,使云会计的有关应用早日落到实处,本文尝试提出制定数据标准的若干建议。基础性标准。基础性标准是原则性的、指导性的,为整体的标准体系提供总则规范、专用术语及参考架构等,目的是为建立庞大的标准体系打下基础,起到统一、规范的作用,并为将来的标准建设提出原则性指导意见。数据的处理标准。数据的处理包含了数据整理、数据分析和数据访问三个部分,相应地就要制定数据整理标准、数据分析标准、数据访问标准。数据整理标准是指在数据采集汇聚后,初步的处理方式和方法,细分后又包含数据表示、数据注册和数据清理三类标准。数据分析标准主要针对大数据环境下数据分析的性能、功能等提出具体指标,并进行规范。数据访问标准则要求制定标准化的接口及共享方式,最大化地扩大数据的应用范围。数据的质量标准。数据的质量标准针对数据质量提出具体的管理要求和指标要求,确保数据的质量,使其在产生、存储、交换和使用等各个环节中保持一致,并对数据全生命周期进行规范化管理,一般应该包括元数据质量标准、质量评价标准和数据溯源标准三类。应用及服务标准。应用及服务标准主要是针对大数据提供的应用和服务,在技术、功能、开发、维护和管理等方面进行规范,主要包括开放数据集和数据服务平台两类标准。其中开放数据集标准是为了向第三方开放数据而制定的规范标准,数据服务平台标准是对大数据服务平台所提出的功能性、维护性和管理性标准。

三、安全困境的解决方法

云会计的应用使得用户与会计信息的物理存储位置产生空间上的分离,在通过互联网传输、储存和使用数据、信息的过程中,安全问题成为企业关注的一个重点,云会计服务商必须构建完善的安全管理机制,并随着技术的发展不断改善,才能保证企业获得安全的云会计服务。云会计的安全问题首先体现在会计信息的传输阶段。在企业内部传输时,在适当的物理措施和制度保证基础上,通过简单的加密就可以保证信息的安全。但会计信息一旦要传输至云中时,那么会计信息的安全性就受制于云会计服务商。由于云会计的信息传输载体是互联网,传输过程中信息可能被非法截留,甚至被篡改。第二个问题体现在会计信息的存储方面。云会计的应用可以使企业便捷地获得并处理会计信息,但云会计采用了虚拟化的分布式方法,用户并不清楚会计信息的存储位置,不法分子可能会对云端的会计信息发起攻击,盗取或篡改其中的信息。第三个问题体现在会计信息的使用阶段。作为商业机密,会计信息的使用对象一般是与财务密切相关的工作人员或企业管理人员,在日常工作中,保密不周、人机分离、密码过于简单、角色划分错乱、权限错配等都会使会计信息泄露出去。建议从以下包含技术手段及管理手段的七个方面展开工作,解决云会计的安全问题。

(一)研发云会计的大数据水印技术

以往为了加强对多媒体数据的版权保护,数字水印曾经是一种主要的加密手段,在不影响使用的前提下,将标识信息以隐蔽的方式插入到多媒体数据载体的内部。但云会计中的大数据具有无序性、动态性等特点,在其中插入水印要非常谨慎,其前提是会计大数据中存在冗余信息。可以将少量水印信息嵌入到会计大数据的冗余信息位置上,既可以识别出大数据的所有者及使用对象,也有利于追踪分布式环境下的泄密者。

(二)研发会计大数据的溯源技术

由于云会计数据的来源繁杂多样,有必要记录这些数据的来源以及传播和计算过程,可以采用数据库领域的数据溯源技术,通过标记法对数据进行标记,记录数据在云端的查询与传播历史。数据溯源技术应用于云会计中还需要解决以下两个问题:(1)数据溯源是否危及隐私保护。数据溯源要分析会计大数据的来源,而数据来源本身就是非常敏感的隐私数据,这样的溯源可能无法获得用户的谅解。(2)数据溯源的自身安全保护,当前大多数大数据溯源技术并未充分考虑安全问题,如标记本身是否正确、标记与数据之间是否绑定等,而大数据的高速性、大规模、多样性等特点使之更难解决。

(三)加强用户身份及会计云身份的认证

在云会计的应用中,除了对用户身份的认证外,还必须设置对会计云的身份认证,只有这种双向认证得到有效落实,云中的数据才能被安全地合法访问。首先,会计云是一个海量的分布式系统,拥有庞大的用户群体,具有动态性和跨区域的特点,很难对违法数据进行跟踪和管制。如果云会计服务商不能对用户进行严格的认证,就会给恶意攻击者留下可乘之机。因此无论用户在何处登录,云会计服务商和应用程序都要验证用户的合法身份。其次,为达到欺诈目的而在互联网上驻留的“黑会计云”也将不断涌现,用户可能遭到恶意软件的攻击,也可能会被网络钓鱼。因此用户在使用会计云之前,必须对会计云的身份进行验证。为了达到用户与会计云的双向认证,必须建立跨云认证模型,实现用户与会计云之间安全且高效的互相认证,确保双方的数据安全。

(四)制定用户可验证的数据存储方案

用户把自身的数据存储在云中,就必须依赖云会计服务商确保数据的安全性,但在外包服务的商业模式下,云会计服务商的可信度难以评估,很难让用户相信自己的数据被云会计服务商正确地存储、处理,为此云会计服务商必须制定用户可验证的数据存储方案。云会计服务商可以建立一种动态化更新及开放式验证的数据完整性核查方案,确保数据的完整性及可恢复性,使用户随时可以知晓存储在云中的数据的正确性,即使在数据遭到一定程度的损坏时,也能从会计云中取回全部数据。在此基础上,拟订数据泄露的问责方案,使用户在怀疑数据遭到泄露时,可以核查甚至追究云会计服务商的相应责任。

(五)设置动态数据的安全保护机制

在功能日益复杂的情况下,云会计的应用程序也不断大型化,云会计服务商的安全保护经验和技术水平也参差不齐,为用户提供的应用程序肯定会存在各种安全漏洞。在云会计为多个用户提供服务的环境下,一个相同的服务进程要处理多个用户的数据,如果应用程序存在安全漏洞,那么个别的恶意用户就有机会盗用其他用户的权限,窃取数据和商业机密,所以应该设置防止非法用户恶意操作的动态化数据安全保护机制。可以对数据流进行分散控制,一方面对数据进行细粒度标记;另一方面基于数据流策略对数据的流向进行约束,从而实现在相同的服务进程中对不同的用户数据进行隔离,达到保护数据的目的。

(六)建设可信的会计云计算平台

在云会计环境下,用户将数据及计算全部托管到云端,不仅无法对自身的数据进行控制,更无法对云会计服务商的计算过程进行监督,为了达到用户对云会计信任的目的,云会计服务商必须通过一整套安全技术手段,建设用户可以远程监督的云会计计算平台,从而提高用户的信任度。可以通过建设虚拟的可信云会计计算平台,为数据存储及会计核算中的所有数据提供可信的运行环境。

(七)建设管理、心理、法律三个安全软屏障

除了上述各种技术手段保障云会计的安全外,还应该从管理、心理、法律三个方面建设安全软屏障,从而达到“软硬结合”的境界,全方位保障云会计的健康运行。

1.管理软屏障。

作为高端的会计信息化系统,云会计的安全保障离不开“三分技术,七分管理”,对物理设备和从业人员进行严格管理。对物理设备既要做好隔离工作,也要在移动和更换过程中严格控制。对从业人员建立严格的身份控制和权限划分,不同级别的从业人员只能访问权限内的数据。经常更换用户名和密码,对数据访问行为进行严格记录。云会计服务商不能获取用户的会计数据,只能操作工作权限内的数据。

2.心理软屏障。

利用各种宣传手段对用户和管理人员进行软约束,使其了解云会计的安全特点和自身应该严守的工作规范,避免由于误操作和恶意操作给云会计带来各种威胁。

3.法律软屏障。

篇7

关键词:电子商务;大数据;资源导言

IT产业在经历云计算、物联网两次颠覆性技术革命后,又迎来新一轮技术变革——“大数据”。当前,互联网迅速崛起,数据爆炸性增长,越来越多企业将数据和信息视为自身的智力资产和核心竞争力。在信息量急剧增长的大数据时代,任何企业、组织都面临着新一轮的机遇和挑战。2012年,美国政府从国家战略层面规划大数据,并正式启动了“大数据研究和发展计划”。对于身处“大数据”漩涡中心的电子商务企业,又该如何运用大数据优势。

1、大数据与电子商务

1.1大数据

从中文语法来看,数据就是一个抽象名词,但是,数据却能代表一定的信息,经过处理的数据可作为人们行为的重要参考,由数据衍生出的模型也在各种决策中发挥着重要作用,所以,数据是决策的基石[1]。伴随互联网的崛起,数据的概念已经发生了根本性的改变,从之前的自然科学领域逐渐扩展到经济学、企业管理,互联网的快速发展又将数据的外延不断扩大,2010年后“云数据”概念的提出突破了数据的时空限制,大数据由技术热词变成社会浪潮,渗透到社会生活的各个层面。"大数据"指的是无法使用传统流程或工具处理或分析的、超过任何单独一台计算机处理能力的庞大数据量[2],其中,“大"是指数据规模,其一般在10TB以上。同过去的海量数据相比,大数据具有:Vol-ume、Variety、Value和Veloc-ity等4V特征。其中,Vol-ume指体量大,即:数据规模庞大,其早已突破计量单位,而采用PB(千万亿字节)、EB(百亿亿字节)乃至ZB(十万亿亿字节)来计量。Variety指多样性,即:数据种类繁多,除了有传统结构化数据库所存储的大量结构化数据外,互联网上还存在着大量的由图片、网络日志、视频、地理位置信息等所代表的半结构化和非结构化数据,并且后者所占据的比例高达四分之三;其三,即时传输。在上述的大量互联网非结构数据中,很多是由即时通讯工具产生,这些数据普遍要实时存储和处理,并且要快速流转,否则会产生价值流失;其四,无关信息冗余度大。大数据中所包含的海量信息并非都是有用的,也就是说,必须对大数据中的数据进行过滤和组织,并将相关联的信息进行整合,才能披沙拣金有所获益。因此,如何运用好大数据才是大数据的关键。正如《驾驭大数据》的作者BillFranks(比尔•弗兰克斯)所说:“重要的不是数据,而是如何使用数据,大数据的核心是发现价值”[3]。

1.2大数据与电子商务

当前,国内几家大型的电子商务网站,如:天猫、京东商城、国美在线、苏守易购等,它们都有着超过千万的活跃用户,天猫每天的平均交易额超过一亿,订单量超过100万,用户的访问和交易必将产生一定的数据,而这些数据又可为今后的继续交易提供指导,但是,如何高效利用这些海量数据成为摆在电商企业面前亟待解决的难题。伴随着大数据时代大门的打开,大数据为管理者数据利用创新提供了新的思路。在大数据时代,电子商务企业通过对外搜集、整理大量数据,对内量化企业自身运作的各个环节,可以做到市场需求预测和智能决策分析,进而实现提高效率,节约成本的目的,因此,在大数据环境下,传统的业务驱动模式都将由数据驱动来取代。

2、大数据给电商企业带来机遇和挑战

2.1大数据下电子商务的机遇

麦肯锡公司认为,数据已经成为企业生产过程中的基本要素,其也可以为企业创造价值和利润,因为企业通过搜集、处理数据,可以发现新商机,创造出新价值。因此,对于电子商务企业来说,大数据时代蕴藏着巨大的机遇。

2.1.1大数据有利于提升工作效率

据统计:销售员在进行具体销售前要进行售前准备,一般情况下这一准备时间占整个销售工作时间的24%。如果把销售员的准备时间转化为销售时间,则可增加26亿收入,可见,营销人员为销售而进行准备的时间过长[4]。如何才能有效缩短“售前准备”时间,激发销售过程中的潜在价值,采用基于大数据的分析和优化成为企业的必然选择。通过引入大数据,企业可实现“低成本、高效率”的营销,进而在激烈的市场竞争中节约自身成本、战胜对手。大数据时代下社会化营销,理解描述消费者需求的海量数据是重点,有效挖掘客户的个性需求是关键,针对个性需求提出切实可行的营销解决方案是目的所在。采用大数据技术,电商企业可对海量数据进行深度挖掘,并搜索出潜在客户,从而显著提高交易成功几率。

2.1.2大数据有利于个性化营销

当前,电子商务蓬勃发展,数据信息所呈现出的爆炸式增长的速度远远高于消费者获取信息能力的提升速度,这必然使得消费者时常手无足措。正如西蒙所说:“信息越丰富,就会导致注意力越匮乏”。传统商业模式耗费了消费者过多的注意力,但却远不能满足消费需求,如何才能在消费者有限的注意力下实现销售,个性化精准营销显然是一不错的选择,而大数据的运用则使这一营销模式成为可能。2015年11月11日淘宝狂购物欢节数据表明:仅天猫商城销售额就达912.17亿元;一分钟支付宝交易成功笔数最大达315万笔。通过对电子商务平台上大数据进行收集和分析,可以对消费者的结构、购买的周期以及兴趣等有一定程度的把握,这就有利于电商为消费者提供个性化和精准销售服务,提高销售额和利润率。

2.2大数据对电子商务的挑战

2.2.1拥有大数据的挑战

在大数据时代下,电子商务的竞争已经成为基于数据的竞争。谁能充分利用好大数据,谁就可能成为赢家,然而,拥有大数据是利用大数据的前提条件。大数据哪里能得到,大数据又该如何运用。据调查,40%的从业者认为及时收集到支持个性化营销所需用户数据持悲观态度,51%的从业者认为应用大数据最大障碍是组织内缺乏数据共享机制。对于大型电商企业而言,他们拥有大数据且拥有大数据处理能力,他们就能在竞争中脱颖而出,而对中小电商企业而言,如何才能拥有大数据就是一个极为具有挑战的问题。

2.2.2处理大数据能力的挑战

仅仅拥有大数据并不够,对大数据的挖掘和深度分析能力才是企业的核心竞争力。当前,互联网巨大规模的应用和数据的不确定性,给处理封闭世界研究的软件提出了一个难题,针对更加开放、动态的问题,如何给出答案。这就要求在有效的时间内找出它的近似算法和最逼近的算法,但这一问题传统的商业数据库基本上做不了。据统计,83%的公司正在花很多时间研究海量数据,89%的公司因未能充分挖掘所拥有的大数据而失去机会,因此,拥有大数据并不等于拥有价值,关键还在于能否对大数据进行分析和深度挖掘[5]。

2.2.3对隐私保护的挑战

大数据时代,企业通过搜集和记录,可以得出消费者的个人信息、兴趣爱好、交易信息、访问的网站等,然而这些记录时常包含用户的个人真实信息,如电商交易时的用户姓名、真实家庭地址、个人电话,甚至银行账号等信息,在倡导保护个人隐私的今天,从法律和技术层面,应该采用哪些措施来防止消费者隐私泄露是个值得电商企业认真思考的问题。

3、电商与大数据运用

3.1电商企业应通过大数据运用创新商业模式

电商企业通过挖掘大数据,可以把消费者划分成众多群体,每个群体都会有某些共同特性,电商企业的这些划分是精确把握用户网络行为的依托,也是实现广告推广个性化、精确的基石。通过引进大数据,可以探索智能化的推广服务,创立超越传统的、性价比更高的全新商业模式。事实上,国内某些电商早已开始研究和运用大数据,比如阿里巴巴、京东商城等,通过分析会员服务记录,电商可以充分了解用户购买行为,并由些针对性地开展一系列的业务活动,比如通过E-mail给用户提供个性化的促销服务,这些服务的开展,能为电商企业节省巨额的广告费用,进而给该公司带来的丰厚的经济回报。

3.2电商企业应通过大数据运用优化网站

营销效率的管控是电子商务企业营销成败的关键,因为营销效率的高低直接决定的企业的效益。从行业角度来看,电商企业的利润为广告展现、广告转化率、购买转化率、客单价和净利润率的乘积,从上述公式不难看出,无论是流量引导还是购买行为的发生,都存在转化率问题。转化率高导致营销效率高,效率的提升又直接转化为企业的实际效益,那么,如何才能确保电商企业沿着这一良性循环的道路向前,答案很明显:提升站内转化率和控制转化成本。在大数据时代,电商企业一般通过技术优化——站内推荐来实现转化率的提升。在美国的Amazon网站上,有超过35%的销售来自于站内推荐系统。推荐引擎是大数据的典型应用,也是站内推荐系统的核心,其原理是记录访问网站顾客的每一个具体行为,并将这些行为量化后存入数据库,之后按照一定的算法对这些数据进行处理,挖掘出这一用户的喜好和个性需求,并建立与之相符的推荐模型,用以预测该用户感兴趣的、有可能购买的商品。在客户下一步的访问请求中,主动向用户推荐其感兴趣或者需要的商品,从而吸引用户点击并实现购买行为。作为一种工具,大数据不仅可以预知消费者的兴趣所在,还能帮助网站研发者去做诸如用户界面和用户体验的优化。在大数据之前,AB测试是一种准确性较高,但测试成本更高的分离式组间实验,随着大数据的普及,AB测试这样一种“先验”的实验体系已越来越成为网站优化常用的方法。通过大数据AB测试,可以轻松管控二跳率、转化率与网页布局、页面功能模块的关系,从而通过数据来持续优化用户界面/用户体验。

3.3电商企业应通过大数据运用发展会员营销

大数据体量庞大,通过应用大数据,电商企业能够从注册、访问、加入购物车、支付、购买等环节将所有到访网站的用户管理起来,进而建立起客户转化销售漏斗,实现会员营销,同时,大数据的运用,使得传统的电子邮件营销、短消息营销变得更加高效率和智能化。另外,随着大数据的应用和数据库营销的深入开展,电商企业也可通过升级现有数据库,增加营销内容、触达渠道、评价体系等来建立起符合自身特点的VRM体系。

3.4电商企业应通过大数据运用推动差异化竞争

在国内,电子商务已经发展到一定的高度,成本竞争和同质化竞争成为电商企业不得不面对的问题,如何才能从根本上解决这两大突出问题,大数据时代的到来为这一问题的化解指明了方向,通过个性化创新提升企业竞争力。国内最大的电商阿里巴巴通过整合各项业务平台资源,除显著增强数据处理能力外,还形成了电子商务客户数据库和消费者行为产业链信息库,这是其他电商企业可望而不可及的。这些特有数据将阿里巴巴与其他电商企业拉开距离,将竞争从简单的价格战引入至“数据”战,形成差异化竞争。

4结语

总之,“数据就是财富,数据就是竞争力”的大数据时代已经到来,谁拥有大数据和强大的处理能力,谁就拥有赢得市场的砝码。电商企业应从战略的高度把握这一机遇,认真锤炼大数据驾驭能力,唯有如此,电子商务企业才能在新时代续写华章。

参考文献

[1]王云蔚.大数据背景下的消费市场研究[J].北京印刷学院学报.2014年01期.

[2]刘光金.大数据处理对电子商务的影响分析[J].计算机光盘软件与应用.2014年17期.

[4]甘利新,涂伟.大数据时代电子商务的机遇与挑战[J].科技广场.2013.3:137-140.

篇8

近年来,随着互联网技术的发展,大数据越来越受到关注,其应用逐步渗透至多个行业,开启了全新的数据时代。数据是征信业务开展的基础资料,征信活动主要是围绕数据进行采集、整理、保存、加工,并最终向信息使用者提供。大数据不仅为征信业发展提供了极为丰富的数据信息资源,也改变了征信产品设计和生产理念,成为了未来征信业发展最重要的基石。我国征信业发展尚处于起步阶段,在大数据时代存在征信法律制度和业务规则不够完善、征信机构数据处理能力有待提高等问题。未来征信业面临的机遇和挑战并存,研究大数据时代征信业的发展具有重要意义。

大数据时代征信业面临的机遇和挑战

目前,对大数据无公认的定义,一般认为大数据是指所涉及的资料量规模巨大到无法通过目前主流软件工具,在合理时间内达到撷取、管理、处理、并整理成为服务于经营决策的资讯。大数据的出现,使征信业发展面临的外部环境发生了巨大的变化。

(一)大数据时代征信业面临的机遇。

1.优化征信市场的格局。

随着征信机构市场化运营机制的确立,将会有更多信息资源优势的企业借助互联网、大数据等信息技术的创新进步,从征信业薄弱环节切入,通过服务创新或产品创新打破原有的征信市场格局。一是电商企业将组建征信机构。以阿里巴巴为例,其利用淘宝、天猫、支付宝平台上的行为数据和信用情况,建立成了涵盖数十万企业的数据库,具备了开展网络征信服务的基础和实力。二是金融机构建立征信机构。例如平安集团拟整合网贷信息、银行信贷信息、车辆违章信息等,建立金融数据挖掘中介机构。三是新型征信机构应运而生。一些大数据公司依靠技术手段,以电子商务、社交网络为平台,采集信息,提供信用信息服务,可能成为新型的征信机构。

2.推动征信业的转型升级。

大数据给征信业带来转型升级的历史机遇,未来的征信业将以智能数据分析系统为平台,利用大数据挖掘技术,支持征信业发展创新。大数据支持征信业升级和转型主要体现在二个方面。一方面大数据促成征信业建立全新的风险控制体制,向有效监管转型。大数据技术对客户信用信息进行深度挖掘,实时监控,防范潜在的信用风险。另一方面大数据支持征信机构向精细化管理转变。大数据的核心优势在于信息挖掘,精细化管理的首要条件是充分信息化,包括业务信息化和管理信息化。

3.促进征信业差异化竞争。

征信机构通过采用不同的数据来源,不同的数据处理方式,针对不同的客户,开发出不同的产品,满足不同层次客户的市场需求,实现差异化竞争。例如,金融机构对征信服务的需求将从单个借款主体的信用报告,扩展到运用信用信息拓展网络影响和金融服务渠道。P2P网络借贷、电商金融等业态需要借助信用信息共享防范风险,降低交易成本。

4.拓展征信数据来源。

大数据使征信数据来源呈现多元化、多层化和非结构化的特点,更加全面和真实地反映信息主体的信用情况。征信机构从在政府部门、金融机构等实体机构中采集信息,转向从互联网等虚拟世界中获取信息。在数据采集的广度和深度上,征信数据量将激增,采集包括证券数据、保险数据、商业信用数据、消费交易数据和公共事业缴费数据等,全面地覆盖与信息主体相关的各项因素。

(二)大数据时代征信业面临的挑战。

1.现有征信业务规则与大数据时代不匹配。我国有关征信业的法律法规的规制对象主要是传统金融领域,《征信业管理条例》及其配套制度初步构建了我国征信业的法律法规框架,但是《征信业管理条例》是否满足大数据时代征信业务的规则要求,尚未得到市场验证。目前,缺少对大数据时代征信活动的规范,如有关大数据采集、整理、保存、加工和处理的制度要求。因此,还需要进一步细化和完善征信业务规则,以更好促进大数据时代征信市场的发展。

2.征信业监管技术和水平需改进。大数据时代给征信业发展带来深刻影响,同时也对征信业监管提出了更高的要求。要适应大数据时代的征信监管需求,征信监管水平要能跟上大数据征信的发展水平,监管政策要符合大数据的基本规律,监管人员要具有适应大数据的知识和能力。在行业自律监管方面,我国行业监管尚未发育成熟,行业标准尚未统一,行业规范以及行业职业道德等内容尚未完善。

3.信息安全和隐私保护形势严峻。随着数据的进一步集中和数据量的急剧增长,对海量数据进行安全防护变得更加困难,数据的分布式处理也加大了数据泄露的风险,隐私保护和数据安全成为制约大数据发展的瓶颈。大数据时代下的征信业同时具有了大数据和征信两个特性,对隐私保护和数据安全的要求更高。

4.数据处理能力亟待提高。如何有效处理大数据,是大数据发挥作用的重要环节。益百利等大型征信机构在数据处理方面已经采取多层次数据挖掘等先进技术,利用私有云平台,对系统中海量数据进行处理和研发,减少主观判断,提高风险预测的准确性。但是目前我国征信机构发展起步较晚,缺少对数据处理的核心技术,导致数据分析结果不能够准确的识别个体或组织的行为。

5.硬件基础设施需要全面升级。过去征信机构存储征信数据主要是在本地建立数据库,大数据时代随着数据量呈几何级数的增加,征信机构硬件技术的发展已经跟不上数据容量的增长速度,数据存储面临较大压力。

大数据时代征信业发展的措施与建议

随着大数据时代的到来,未来征信业发展要从制度设计、技术进步、信息共享、监督管理、隐私保护等方面不断创新,促进征信业在大数据背景下的跨越式发展。

(一)建立符合大数据的征信法律制度和业务规则体系。现有的征信法律体系都是基于传统数据模式下制定的,难以满足大数据等新技术条件下征信业发展的制度需求。在征信业务开展过程中,大数据的收集使用可能涉及国家信息安全、企业商业秘密、公民隐私等,为了给大数据条件下征信业发展提供制度保障,需要从征信立法层面完善信息安全和数据管理的法律制度,明确大数据背景下数据采集、整理、加工、分析、使用的规则,确保大数据时代征信业发展有法可依。

(二)加强征信产品创新。随着可获得的数据量呈几何倍数的增加,征信机构通过深度挖掘和使用这些数据,就可以极大地拓展征信产品的种类,不仅能够提供信用报告查询等基础服务和产品,还可以提供其他综合性产品,满足社会各界的需求。从征信产品的满足层次高低的不同,可以分为宏观、中观和微观的征信产品。宏观层面,征信机构通过大数据分析可以对系统性、全局性的风险信息进行预测。中观层面,征信机构的海量数据包含大量时效性和政策含义都很强的信息,可以灵活多样地进行多维度组合分析。把这些信息整理和挖掘出来,建立对应的指数体系,有助于行业监管。微观层面,在信用主体(包括企业和个人)同意的前提下,征信机构可以提供每一个信用主体的信用报告、信用评分、身份验证、欺诈检测、风险预警、关联分析等多种数据服务。

(三)提高大数据技术处理能力。大数据价值的完整体现需要多种技术的协同。数据抽取与集成、数据分析以及数据解释,是大数据时代征信数据处理的三个重要环节,在数据处理过程中搜索引擎、云计算、数据挖掘等新技术使用必不可少。因此,征信机构要加大数据处理分析专业人才队伍的培养,同时要引进大数据处理的专业方法和工具,建立前瞻性的征信业务分析模型,更好的把握、预测市场和信息主体的行为。

(四)健全大数据信息共享机制。完善的大数据标准体系是推进数据共建共享的前提。目前,我国来自各行业、各渠道的数据标准存在差异,成为阻碍数据开放和共享的关键瓶颈。建议尽快统一标准和格式,以便进行规范化的数据融合,提升大数据的整合能力,打破资源部门间的信息孤岛,从而完善信息共享机制。

推荐期刊