大数据论文大全11篇

绪论：写作既是个人情感的抒发，也是对学术真理的探索，欢迎阅读由发表云整理的11篇大数据论文范文，希望它们能为您的写作提供参考和启发。

篇（1）

二、大数据在电力营销中的应用策略

大数据时代正在逐渐崭露头角，企业要想顺应时代的变化获得新的发展，就必须对营销体系进行重构，若能够通过大数据资源开展电力营销，必然会产生极大的市场价值。

1通过消费者视角，分析潜在需求行为大数据的特征表现在海量化的数据上，企业要想获得更为精确的信息，就需要通过大数据的分析来寻找顾客的潜在需求。因此，电力营销企业要想做好营销体系的构建，扩大企业经济市场，就要制定好多种方案，在大数据中寻找潜在的客户需求，学会通过客户的视角，对客户的消费行为进行行为与特征分析，从而进一步提高客户满意度，最大化的打开企业知名度。

2精准定位消费群体，开展个性化营销大数据能够为电力营销提供海量的数据信息，让企业能够在追求精准化的同时准确定位自身营销方式，从而划分出消费群体，打造个性化营销。随着社会经济的发展，电力营销企业开始越来越重视营销的精准化，而大数据的出现在一定程度上改变了产品的质量，导致消费者市场也出现变化。消费者市场的划分需要通过大数据进行主要原因自傲与企业所面临的是个体消费者，而不是群体消费，这样一来，个性化的营销必然会成为电力企业的营销主体。

3拓展营销新市场，制定产品新战略大数据是营销策略制定的基础和依据，这对于市场和业务的开拓也具有重要的意义。如腾讯游戏的研发，往往是通过大数据来进行精确地分析，从而使其能够领先于其他手游行业，牢固自己的经济市场地位。运用大数据分析数据，开拓新市场、新业务也是当今时代电力企业营销发展的必然趋势。要想做到领先同行企业，牢固自身市场地位，就需要在产品研发前期深入分析和研发大数据，制定更为符合客户个性化需求的产品战略，并进一步确定产品营销渠道，拓宽产品领域。

4依靠互联网技术，合作开展大数据营销随着互联网营销的兴起，互联网行业将绝大部分的精力都放在了大数据的应用上，大数据的应用也逐渐成为了营销的主要手段。大数据从狭义来看是人们通过互联网的使用而产生的数据，互联网行业拥有者手握最大的数据源，如阿里巴巴、百度和微博等等，其搜索引起联合线下进行，已经覆盖了人们绝大部分的生活。而电力营销要想得到进一步的发展，就要挤入互联网行业中，进行大数据营销。除了在自身领域建立数据资源优势以外，还可以通过业务延伸来实现多元化的发展。

篇（2）

1企业会计信息化的现状

1.1、会计信息披露具有偏向性，导致信息不对称

传统的会计信息系统会诱使企业选择特定的会计方法而造成企业管理人员利用自身是信息提供者这一优势，不断地美化会计报表，这对于外部使用者而言是非常不公平的.

1.2、内部自我约束能力弱，导致数据不真实

在传统会计信息系统下，一些企业为了眼前经济指标的提升或者任务的完成，常常通过人为调整会计报表来应付各机构的检查，自我约束能力弱，数据失真.还有很多企业对现有的政策法规钻空子、打球的现象屡禁不止.聘请的第三方审计机构也本着“企业利益最大化”的审计目标，对企业不真实的数据进行舞弊，以点盖面.

1.3、核算量大，导致信息披露不完全

传统的会计信息系统下，会计的信息系统发展越来越不能适应高速发展的经济业务，很容易造成信息披露不完全.信息经济时代下，应该更多的提供企业未来价值的知识资源，而不是沉浸在企业过去的财务数据中.

1.4、企业信息数据单一，导致信息缺少指导性

传统的会计信息系统主要是对企业财务信息的反映，往往忽视了非财务信息.企业自身变化的社会经济形势要求我们不能只依靠过去的财务数据对未来发展做出预测.对企业未来的发展预测用某些非财务信息可能会更加合理.如企业的环境成本、社会责任等信息都需要非财务信息的提供.

1.5、信息传递滞后，导致会计信息缺乏时效性

传统的会计信息系统采用先发生交易事项后进行记录的程序，无法满足当代企业对信息时效性的要求.企业以及社会各机构、投资者越来越需要了解随时发生的财务信息，对其进行更好的决策，这就要求企业不定期的提供会计信息，对于会计期间的定义也不再以年为单位了.因此，现有的会计信息滞后的时效性严重影响使用者的需求和投资者的决策.综上可知，传统的会计信息系统逐渐出现了不适应当今经济发展的事态，高效、全面的信息化系统变得越来越重要.在大数据时代下会计信息的不断创新，快速发展势在必行.

2大数据对企业会计信息化的促进作用

大数据时代下，对会计信息化的促进作用主要表现在：信息结构更加客观，既强调了会计信息的精准性，又不失相关性；财务会计信息管理的程序化；会计人员工作转向宏观信息管理；多元化的计量单位.在大数据时代下非结构化数据成为主导，在会计信息中可以更好的融合结构化和非结构化数据，更好的提高数据的相关性，并且不会人为的进行舞弊.程序化的会计信息管理也将出现，财务部门逐渐将不再作为一个部门，而是作为一个类似于“企业”的独立个体，数据的获取可以不通过部门的上报来实现，而是通过财务部门设定的独立软件获取，这也提升了财务本身的独立性，同时也可以为其他部门提供共享服务；财务部门不需要对数据进行处理，而是转变成为数据的使用和管理者.在大数据时代下，多元化的计量单位将会出现，会计计量单位会出现相关的时间、数量单位等.

3大数据时代下会计信息化面临的挑战

大数据时代下，企业会计信息化系统是通过互联网来实现与客户、供应商、银行、税务等机构互通的，其提高企业财务管理效率的作用是显而易见的.但目前因为大数据的发展尚未成熟，这就为会计信息化的快速发展带来了较大的挑战.

3.1数据的来源以及处理方式

大数据时代下最令人关注的问题就是数据从何而来，以及数据的处理方式.①美国数据科学家维克托•迈尔•舍恩伯格在《大数据时代》一书中提出，“以前一旦完成了收集数据的目的之后，数据就会被认为已经没有用处了.比如，在飞机降落之后，票价数据就没有用了；一个网络检索命令完成之后，这项指令也已进入过去时.但如今，数据已经成为一种商业资本，可以创造新的经济利益.”大数据时代下，数据的来源无孔不入，互联网平台上的任何一种资源都可以成为其来源方式.网络平台对用户使用的信息一览无余，一个简单的第三方软件就可以知道我们需要什么，需要何种服务，经济状况如何，经常偏爱哪种东西等等.企业在云端储存的数据对于云端后台的信息维护人员来说，获取变的轻而易举.防止恶意程序以及提高用户的安全系统，保护数据的隐私是很难解决的问题.在通过各种方式获取了用户的数据信息之后，要用这些数据干什么以及如何使用就成了关键性问题.大数据时代下的信息处理是通过特定的程序来完成的，这样的结论更加客观，同时结论的得出也具有局限性.大数据理论过于依赖数据的汇集，那么一旦数据本身有问题，就很可能出现满盘皆输的局面，因为数据的问题，做出的错误预测和决策，导致一个数据有问题，由此相关的数据而产生的信息本身都是问题所在.这对于数据来源的要求是非常高的，一旦有提供者造假，大数据带来的危害是不可忽视的.

3.2传统用户对云计算、云会计的排斥

对于不知道云计算如何使用、互联网软件能带来什么效益的用户来说，这项工作还是很难完成的，大数据的推广受到了很大的阻碍.对于云会计更广泛的应用，改变传统的用户观念以及现有的会计信息系统，使网络平台更容易被用户所接受是一个非常艰难的过程.

3.3超满负荷的网络传输问题

大数据时代下，会计信息化系统必须依赖于网络，这就要求企业应具备一个良好的网络传输环境.就目前而言，网络的堵塞和数据的延时都是大量的数据存储和数据交换造成的，超满负荷的数据传输成为会计信息化中的一个瓶颈，网络技术的发展目前还不能完全满足包括网络自我恢复、故障检测、问题警告等功能的实现.

二大数据时代下会计信息化所面临问题的解决建议

大数据对会计信息化的影响是一个渐进的过程，在这个过程中，财务工作者应该积极把握大数据时代给我们带来的机遇和挑战.针对大数据时代下会计信息化面临的问题提出如下建议：

1建立并掌控企业的核心数据

提供可靠的云会计服务平台.大数据会计的服务数据是基于云储存平台上的，虽然数据安全机制都很高，但对于企业的会计与经济信息的完全控制并不能保证.因此，企业在选择使用云会计模块时应当根据自己的实际情况判断其可行性，对于重要程度高的信息应合理判断是否应该交由数据服务商管理.对于企业会计信息化的实施安全性而言，数据服务提供商的选择是至关重要的，要在对提供商的综合评价之后再进行决定.为保证云会计服务的安全稳定，企业可根据自身业务需求灵活地进行模块组装以及完善的技术支持，企业的云会计应该适合自己的特色.除此之外，为了防止会计信息的滥用，对于每一个可接触信息的人都要进行身份验证，并且对安全级别进行评估.

2进行高效的企业机构设置变更

由于传统会计的深入人心，企业云会计的推广还是非常困难的.解决这一问题可以考虑当云会计引入之后，对机构设置进行变更，让每一个财务人员都能感受到这一改变带来的高效性.企业应结合自身的实际情况，设置最适合企业云会计应用的高效组织机构.

篇（3）

廉库存管理的目标之一是在保证生产或销售经营需要的前提下最大限度地降低库存成本，即对库存合理布局，减少调拨次数。存货不足不能及时满足生产和销售的需要会给企业带来损失，而存货过多将导致储存成本增加，进而影响企业利益。如何对库存管理的成本进行控制对企业的生产经营至关重要。以物联网技术为前端、大数据分析中心为后端的云会计平台，能够在时空分离的环境下预测或获取企业不同区域的仓储信息和客户订货信息，以减少企业的库存管理成本。基于云会计平台，企业能够搜集、分析货物的实时信息，动态了解各仓库的实时库存情况。仓储管理部门在获得大数据分析中心提供的库存数据与客户偏好数据的基础上，能够做到对各仓库库存合理布局，减少调拨次数，节约库存管理成本。

（二）云会计使存货控制系统更精确

为提高企业整体运作效率，很多企业对存货管理采用了ABC控制系统或即时制库存控制系统（JIT）。在ABC控制系统中，如何准确区分ABC三类存货并进行分类控制是企业需要解决的重要问题。JIT管理强调只在使用存货之前才要求供应商送货，从而将存货数量减到最小，实现物资供应、生产、销售连续同步运动。这种方式在提高生产效率、减少储存成本的同时需要考虑到与供应商协同接洽的问题。大数据、云会计技术的应用，能够提高企业ABC控制系统或即时制控制系统的运行效果。在企业的云会计平台上，通过对自身以往所有各种类型存货数据的大数据分析，以及参考同行业、相关行业的历史数据，可以对ABC三类存货进行更为科学合理的区分，使ABC控制系统更加精确。面对JIT即时制更加严格的要求，企业需要考虑到存货的计划需求、与供应商关系、准备成本、电子数据等方面，一旦存货预警就会产生生产线、销售线告急的情况，将为企业带来巨大损失。物联网与大数据技术的发展为解决JIT控制面临的问题提供了解决方案。由供应商提供的存货都带有唯一的产品电子代码（EPC），企业和供应商可以通过物联网同时获得存货的使用情况，在数据显示该批存货需要补充时，物联网得到传感信息的反馈及时提醒企业补给，通知供应商做好供货准备，并给出下一订货批量的预计时间及数量要求。这样就加强了企业与供应商的信息沟通与交流，使JIT控制系统得到更好的实施。

（三）云会计使库存管理更智能

由于各个地区消费者的需求偏好往往存在差异，使得企业在全国布局的仓库库存往往在商品的类型、数量等方面不尽相同。基于云会计平台，通过前端的物联网，企业可以获取各个区域仓库的存货情况。针对库存调拨，通过后端的数据中心进行大数据分析，可以选择在最优的仓库之间进行商品的调配，并根据对调拨结果的分析就以后的商品库存分配进行优化。消费者在网上购买商品时，云会计平台会自动选择就近且有货的库存点进行智能化发货。在存货的运输与存储过程中会涉及到安全问题，尤其是对于高价值的存货，其一旦损失将会对企业造成严重影响。云会计平台下物联网技术的运用，可以做到存货信息流和物流的统一、对存货流向形成监控，具有极强的监测功能。存货信息能够实时反映在云会计平台上，即便出现货物丢失情况，企业也能够即时采取措施应对，确保企业存货的安全性。

二、大数据时代基于云会计的库存管理

框架模型构建库存管理及时准确地反映各种物资的仓储、流向情况，可以为企业的生产管理和成本控制提供依据。通过对货物的各种信息进行即时的采集、分析、处理，可以使企业实时动态的库存管理成为现实。在云会计平台上，前端的物联网技术能够实时采集数据，后端的大数据分析中心对数据进行分析与处理，为企业的库存管理决策提供支持。在分析大数据时代云会计对企业库存管理在成本、控制、管理水平等方面影响的基础上，结合大数据、云会计和物联网的技术特征，考虑企业当前主要的库存管理需求，本文建立了由云会计平台、大数据分析中心、库存管理等核心模块组成的大数据时代基于云会计的企业库存管理框架模型。企业库存管理决策所需的库房信息，如仓库信息、货位信息、物料信息、出入库信息等，可以通过物联网技术借助云会计平台进行实时搜集；决策所需的其他大数据源，可以通过互联网、移动互联网、社会化网络等多种媒介，借助云会计平台从企业内部、交易所、事务所、外部市场、银行等获取。同时，经由大数据处理技术和方法（Hadoop、Storm、PentahoBI等）规范所获取数据，并通过ODS、DW/DM、OLAP等数据挖掘与数据分析技术提取企业进行库存管理决策所需的财务与非财务数据。大数据分析中心对企业库存管理的入库信息、调拨信息、出库信息进行分析，以此来支撑库存管理模块，为采购入库、库房调拨、销售出库阶段实时、准确的决策提供了依据。

（一）采购入库在采购入库阶段

由大数据分析中心结合企业生产情况、外部环境等因素对采购计划、采购数量、采购时间、物流过程等相关采购流程的影响，就公司所接订单、产品或服务的生产周期以及交货的时间等进行分析，并针对企业历史数据的分析以及对供应商信用程度、产品质量、产品价格等的综合分析，制定出《合格供应商名册》向企业推荐最优供应商。采购部门则根据分析结果按照企业需求制定出科学的采购计划与选择适合并满意的供应商。完成供应商选择之后要进行签订采购合同、发出订购单，供应商确认订购单、根据订单交货等步骤，这一过程需注意明确合同内容，明晰产品信息与双方责任。在最后一个部分即进料检验及入库阶段，由射频识别技术（RFID）识别出产品的品牌、规格、型号以及供应商的检验合格标识（在物联网技术下，产品都带有唯一电子标签）之后方可入库，若有检验不合格者，根据标签自带的生产信息退回至供应商处，并根据采购合同的条款或退换货物或进行赔付，退换后的货物同样要进行这一系列的检验过程，直到合格后入库。

（二）库房调拨在库房调拨阶段

模型采用完全共享策略，即某仓库库存水平一旦无法满足当前订单，而采用调拨方式可满足时，可从其他点调拨，要求调拨点的当前库存能满足需求点的订单需求量。由于云会计前端的物联网可以得到企业各仓库的库存信息，这样在任何仓库发生存货预警时，都可以向后端的大数据分析中心实时反馈请求调拨信息。对请求调拨信息进行分析之后，按照最小费用策略确定存货的调拨点与调拨量，并向该仓库调拨信息，以此在各仓库间完成存货的相互补给。在各仓库不能满足库存需要或者调拨成本过高时，库存信息将直接向总部反馈，由总部完成存货的分配。最后将调拨结果经由大数据分析中心向仓储管理部门进行汇报。基于云会计的库存调拨模块将企业的分布式库存连成了一个有机整体，不再是单独的仓库管理，可满足大中型企业库存实时性的问题，便于整体优化及一体化管理。大数据分析中心为各仓库的信息共享提供了技术支撑，物联网技术的运用为掌握各仓库的实时信息提供了有力保障，可为企业节省时间与成本。

（三）销售出库针对企业的销售出库

销售部门根据经由大数据分析中心分析之后的客户订单向指定的仓库下达发货指令，当指定仓库接收到发货指令之后带有RFID的货物将发往指定地点，同时，货物的地理位置信息与其他信息等由带RFID技术的物联网通过大数据分析中心向仓储管理部门实时反馈，以确保货物的安全以及了解物流信息。在货物到达指定地点后，将会再次向大数据分析中心反馈信息，并向仓储管理部门与销售部门发送货物安全送达的信息，从而完成整个出库过程。

篇（4）

医院病案记载着各个时间段的患者诊疗状况以及疾病演变状况，其中关键的病案信息包含患者家族史、患者本身的病史、医院诊疗过程、病情检查与病情诊断得出的报告等。

由此可见，医院病案信息牵涉各项日常的医院业务，有关部门对此有必要予以全方位的信息审核、信息收集以及档案存储。但从现状来看，当前仍有某些医院并没能全面关注综合性的病案信息管理，而与之有关的病案管理措施也没能真正实现健全。在此前提下，医院应当尝试在现阶段的病案管理中全面使用大数据模式，以此来全面保障病案信息管理的成效性。

医院对于病案信息管理运用大数据手段的重要意义

第一是提升医院当前利用各类病案信息的整体水准。大数据手段在客观上有助于实现多层次的数据与信息整合，从而显著提升了利用医院病案的水准。医院在全面集成当前现有的病案信息基础上，应当能够妥善划分各项相应的患者信息，确保将其分成收费信息、患者检查信息、患者诊疗信息、门诊信息、报告与检验信息等。在划分上述各类信息以后，运用大数据手段还能创建针对各个患者的识别身份编码，以便于实现多层次的信息关联集成。

第二是全面支撑医疗决策。医院由于具备了大数据手段作为管理病案信息的必要辅助，因此针对实时性的病案信息都能着眼于精确进行搜集。在决策系统的全面支撑下，有关科室就能全面明晰现阶段的患者病情种类、院内患者分布与其他相关要素。相比于传统模式，大数据手段更加有助于汇总信息以及统计信息，对于某些潜在误差也能予以彻底杜绝。除此以外，医院针对当前入院的各科室危重患者应当予以侧重关注，以便于提供日常各项医疗决策必需的信息支撑。

第三是拉近护患关系并且突显以患者为本的宗旨。在集成病案信息的基础上，医护人员针对当前阶段的各项患者信息都能予以全方位的精确掌握，上述措施有助于增强现有的患者满意度，拉近护患关系。例如近些年来，患者已经能够凭借电脑或者手机等工具来随时查找个人诊疗信息，对于实时性的自身健康状态也能全面加以了解。在某些情形下，患者一旦表现为某些危重病情，临床医师对其就要及时进行处理，全面保障患者健康并且提升患者生活水准。

医院当前病案信息管理现状

目前各地已有较多医院正在尝试引进病案信息的大数据管理模式，并且逐步将大数据手段渗透于管理医院病案信息的各个流程中。但是不应忽视，各地医院在现阶段仍然表现为相对较低的病案管理综合水准。探究其中根源，就在于医院及其有关部门针对病案管理仍然欠缺必要的关注度，同时也没能着眼于引进大数据手段作为其中必要的辅助与支撑。

此外，多數医院并没能设置独立性的病案管理专门科室，医院现存的病案管理部门体现为较强的附属性特征。作为管理医院病案信息的专门人员来讲，上述人员本身应当具备优良的病案管理水准。与此同时，上述人员也要掌握涉及到大数据的有关常识，并且将其灵活适用于当前的医院病案管理。但是截至目前，负责管理医院病案信息的专门人员仍然表现为滞后性的专业素养，甚至没能熟悉日常性的病案信息汇总、信息分析以及信息处理操作。除此以外，医院部门针对此类管理人员也没能给予专门性的管理技能培训，甚至聘用某些兼职人员代替专职性的病案管理人员。

探求改进举措

增设专门的病案信息管理机构

医院如果要着眼于优化病案管理的综合效果，那么关键在于设置专门的病案管理部门，有关领导对此也要引发更多的关注。近些年以来，各地医院都在致力于建成病案管理的专门委员会，在此前提下助推信息化的医院建设。与此同时，医院还需结合自身的真实状况来增设病案信息的新科室，确保该科室在整个医院体系内占据独立的位置并且拥有独立职能。

通过运用上述的改进举措，病案管理机构就能全面突显其具备的价值与意义，确保该科室能够覆盖于医院临床管理、制定病案管理规划以及收集病案信息等领域。每隔相应的时间段，管理委员会针对当前的医院病案信息要予以全方位的归纳汇总，此举措有助于保障病案管理能够达到的综合水准。

运用信息化手段来辅助管理

在目前阶段中，各地医院已经能够凭借信息化技术来显著增强病案管理的实效性，在这其中包含自动式的条码识别、微缩光盘技术、数字化的病案管理与其他相关技术。医院通过灵活使用上述大数据手段，就能够着眼于挖掘深层次的患者病案信息，确保现有的病案信息符合准确性与真实性的基本要求。近些年各地医院都在致力于创建资源共享的病案管理网络，在此前提下诞生了新型的电子病案。此外，医院在存储各类患者病案时，也能够借助大数据手段予以完成。这是由于运用电子化存储的方式有助于在线查询各项病案信息，从而服务于现阶段的临床治疗优化与完善。针对出院后的患者来讲，运用大数据手段就能打印并且查询患者现有的各项病历信息。数字化管理应当能够覆盖于医院当前的各项日常管理工作，此项举措在根本上保障了病案信息共享，同时也便于利用与存储病案信息。

全面提升人员素养

从目前现状来看，各地医院针对自身保存的患者病案都给予了更多关注，同时也认识到了病案具备的价值。在此基础上，作为管理医院病案的专门人员而言，应当全面提升自身具备的综合素养，针对医学统计学、外语、计算机与其他学科的有关知识都要予以相应的掌握。

因此可见，病案管理人员是否拥有优良的专业素养，在根本上关乎病案信息管理的整体效果。病案信息管理牵涉多领域以及多层次的学科与专业，因此作为管理人员而言，上述人员应当能够精确检索各项信息，以便于实现全方位的信息获取。在此前提下，医院针对各类临床信息应当予以全方位的传递，确保病案信息能够体现其应有的临床价值、科研教学价值以及其他价值。在目前阶段中，医院针对原有的病案管理思路应当予以相应转变，确保将病案管理的侧重点全面落实于分析收集以及汇总各类病案信息。

结束语

医院病案信息在医院现有的管理系统中占据了重要位置，这是由于病案信息记载着全过程的医疗信息。与此同时，医院如果要给出相应的医疗决策，那么也必须凭借病案信息予以完成。

截至目前，医院及其有关部门正在逐步意识到医院病案管理与大数据手段相互融合的必要性，对于医院当前的各项管理举措也能够予以相应的优化。因此在病案信息管理的有关实践中，医院针对信息化手段有必要着眼于灵活加以运用，在此前提下服务于病案信息管理实效性的提升。

信息管理毕业论文范文模板(二)：信息管理到知识管理过程中档案价值重新发现论文

【摘要】基于信息与知识、信息管理与知识管理之间的关系，分析在知识管理过程中档案价值的新特征。档案价值的实现主要是通过将其主体与客体之间的关系显现化，通过知识管理对档案信息进一步挖掘使档案更好地实现其应有的价值。

【关键词】信息管理；知识管理；价值特征

一、信息管理到知识管理

对于知识管理与信息管理之间的关系，我们可以从信息与知识之间的关系入手。有关知识与信息之间的关系有很多种观点。一种观点持有者们认为，信息存在于自然环境、人类社交活动以及人们思维之中，而知识的存在局限在人们的社交活动范围之中，因而信息包涵了知识。另一种观点持有者认为，信息是可编码化的知识或显性可视的知识，而知识除了显性之外，还包涵隐性知识，即存在于人类大脑之中、不可编码化的知识，因而知识包涵了信息。对于以上两方观点，有学者认为，从本质上来说，信息是一种具有物质属性并以物质存在的方式反映呈现给大众，这种物象化及其存在方式可以广泛地包含人类活动及其成果。而知识是人们对这种反映的一种主观性的认识结果，是一种智力成果。因而，就信息与知识两者之间的关系而言，信息是具有知识属性的，并以知识成果作为其具体的表现形式。知识管理这一概念最早是在企业管理中被提出来的，知识管理的概念可能会因为其所涉及的学科领域的差异而存在各种不同的版本，但是知识管理的目标大抵是相同的，即知识管理想要实现的是在最恰当的时间将信息传递给最需要的人，以便于此人可以利用这一信息做出最恰当的决策并付诸实践活动。然而档案又是如何与知识管理存在联系的呢？档案根据其定义我们可以了解到，其最明显的特征为原始记录性。档案的这种原始记录性的特征奠定了档案不可动摇的地位，也是将档案区别于图书、信息等的重要凭证。因此档案凭借其固有的原始记录性的根本属性无可厚非的可称其是信息的最根本来源。知识是我们依靠自身主观能动性对信息进行筛选的结果，故档案也可以称为是知识的源头。

二、知识管理的档案价值

当今由于知识管理层次的不断深入，档案的使用价值呈现出来了新特征，因此对于知识管理中档案价值的重新发现，笔者认为是必要的。知识可以分为显性知识与隐性知识。档案是一种直接呈现在人们眼前的显性知识，是知识的来源，因此档案也是知识管理的核心部分。

（一）从理论基础角度分析。理論基础角度主要可以从档案后保管范式与档案双元价值理论两个方面。档案后保管范式包括新来源观、宏观价值鉴定论、知识服务三个方面。1.新来源观。新来源观就是对于文件的来源问题进行一种全新的认识，传统意义上，我们是在文件转化为档案之后才开始对档案进行管理，而新来源观理论则强调对于文件的管理工作应该从文件形成之初就着手开始进行，从开始形成时就开始对其管理，即强调的是一种“前端控制”“全过程管理”，通过这种管理方式可以方便人们从文件形成之初的背景，文件形成过程的结构层次以及文件未来可能会涉及的研究发展的方向进行全面系统的管理。2.宏观价值鉴定论。宏观价值鉴定论强调的是对于档案价值的鉴定我们不能仅仅局限于对其本身形成部门、机关所产生的价值作用上来判断是否对其进行保存，而应将价值的鉴定提升到对整个社会层级上来。使更广大的人群可以受益，进而实现档案的第二价值，这也正是谢伦伯格所强调的档案双元价值理论中的第二价值。3.知识服务。知识服务顾名思义主，要是将档案信息上升为知识层次对其进行管理，这一理论主要表现在传统档案保管员身份的变化上，可以说档案保管员的工作并非只局限于对档案的排列、档案、上架等一些基础性的工作。在知识服务中档案保管员的工作主要是将档案中的文字信息加工、提炼出有价值的部分，对这些有价值的部分进行整理，使有价值的信息可以提供给人们利用，即提高了档案信息的质量，也节省了档案利用者筛选档案的时间。以上就是档案后保管范式中所包括的三个方面的基本内容，档案后保管范式是在电子文件不断产生的背景下提出来的，将档案价值鉴定工作与知识服务有机结合起来，从而肯定了档案价值在知识管理中的地位。4.档案双元价值理论主要指档案的工具价值与档案的信息价值。工具价值所指的就是档案产生之初所赋予的价值。正如一个事物的产生是有其原因的，并能在其产生的基础上发挥其应有的价值，为社会提供利用服务。信息价值主要是依据信息接收者，即知识主题与知识客体之间的关系而形成的一种价值关系。这种价值的实现是需要一定的载体对信息进行传递实现的。知识主体的不同对知识的需求自然就会不尽相同。主体带着目的和需求查询接受信息，并且由于每个人的知识素养，知识储备的不同，对同一信息的理解也是大相径庭的。正如每个人读研究生的目的是不同，每个人的人生经历也是不同的，所以对待同样的问题我们会有自己的想法，我们会根据自身的经验分析理解所获取的信息。

（二）从实际理论角度分析。实践基础主要表现在公共档案管提供利用的层面上，主要包括知识获取、知识管理与知识服务三个方面。1.知识获取是实践的前提保障工作。正所谓没有原材料我们就无法进行生产加工一样。所以要想使公共档案真正体现价值，首先我们需要获取到一定的知识。知识管理权主要指的不再是对纸质文件的有序化整理过程，而是对文件上所反映出来的知识内容进行整理加工，对文件上面的信息进行分析，挖掘出更有价值的部分，对其进行管理。2.知识服务体现在政府信息公开这一层面上，档案馆作为政府信息公开查询的场所，具有提供知识服务的合法地位，同时主动提供信息查询等方面的服务也是其应当履行的义务，满足公众的需求是其应当做的。同样也是公共档案管发展的动力所在。在知识服务提供利用方面，公共档案馆可以借鉴公共图书馆的成功措施，如举办展览，提供远程服务，提供电子化检索平台等等。公共档案馆通过提供新的利用服务方式可以吸引更多的公众，进而实现其公共服务的价值。

三、知识管理中档案价值实现的特征

传统档案管理活动中只有有价值的文件才可以转换成档案进行管理、保存。而在知识管理活动过程中，档案的价值与使用价值时同等重要的。档案的价值主要体现在隐性知识层面，档案的使用价值主要体现在显性知识层面。因此对于知识管理中档案的这种价值与实用价值并重的条件下，档案价值也呈现出了新的特征。

（一）集成化与灵活性。传统的档案价值体现在主题对客体的需要，对主体需要的档案进行归档保存以实现其价值。而知识管理中更加注重的则是知识，并且这一管理从文件形成之初就需要开始着手进行了，体现在外在内在结合的全过程中，在整个过程中因可能涉及的不同人提出的不同要求，故灵活性也是必不可少的。

（二）多元化与共享性。公众对于档案的利用可能是间接的，而公众对于知识的获取则不同，这是一种主动性的活动。正如约翰奈斯比特曾经提到的“我们淹没在信心之中，但我们仍处于知识的饥渴中”。作为知识个体的人因其自身处于不断发展中，所以人作为知识个体是渴望获得知识的。知识管理的过程中则强调的是，将档案中的知识以一种共享的方式传播开来，呈现在公众面前，以便于公众根据自身的需要获取知识。这种共享性是多元化的，可以是一对一、一对多、多对一、多对多的方式。正如我们需要完成一项工作可能一份文件就包括了我们所需要获取的全部信息，也有可能我们需要通过搜集不同文件中的部分信息，进行整合后的信息才是我们真正需要的。个体的需求可能是单一的也可以是多元化的。

（三）显性化与增值型。知识管理需要的是主体通过交流的方式将隐形的知识显性化，知识管理中侧重于人力资源管理、成本投入管理、技术管理三个方面，这三点主要是依据企业知识管理所提出的。而当前就档案而言为了实现档案的价值应更加趋于主动性。主动性主要指主动提供服务，知识管理重视的是个体之间，个体与组织之间的知识共享过程，进一步促进知识创新以实现档案信息的增值型。

四、档案价值在知识链中的体现

（一）知识获取。知识获取包括信息采集與信息创造两个方面。采集的过程我们强调的是对于信息的获取要注重其完整性与信息的可靠性。创造则更加侧重于，将隐形信息显性化的过程。档案室信息是一种外在存在形式，因此可以说档案室信息的承载体，也就是知识获取的主要来源，对于有价值的信息获取应该对其加以记录以便日后更多人利用。

（二）知识开发。知识开发的过程是对信息进行分析，加工，处理，存储整合的过程。使信息有序化、体系化。这种信息开发的过程要遵守信息本身的客观性原则，知识开发者不可以根据个人的主观意识对信息进行任意的更改，要保持信息的原貌。知识开发就是档案工具价值和信息价值转换的过程。

（三）知识利用。知识获取与知识开发的过程都是为了知识最终能被有效地利用，利用过程中的个人与组织之间的信息传播、信心交流、信息之间的转移，到最后的信息共享过程都是档案价值实现的体现。

篇（5）

2大数据时代计算机信息处理技术

2.1信息采集、加工方面

计算机信息处理技术要进行工作，首先，要采集数据信息，计算机技术都是建立在数据采集基础之上的，数据采集主要是针对目标信息源进行实时的信息监督和控制，并将才觉得数据储存在计算机数据库中，为各个软件提供信息支持，确保下一项工作顺利进行；其次，对数据信息进行加工，按照用户的要求，对数据信息进行加工；最后，将加工好的数据信系进行分类，最终传送到用户手中，实现数据采集、加工以及传送目标。

2.2存储方面

计算机存储技术是将采集的信息储存到计算机数据库之中，在用户需要某一项信息过程中，可以通过数据库直接将数据调取出来，计算机以其储存量大、速度快等优势，受到人们越来越多的关注，另外，计算机技术还能够实现长时间储存。

2.3信息安全方面

大数据时代的到来，让人们感受技术带来的便捷的同时，也让人们意识到数据信息安全对人们的重要性。因此，为了能够提高数据信息的安全、可靠性，可以通过以下几个方面进行：首先，建立计算机信息安全体系，加大专业技术人才的培养力度，投入资金，为构建计算机安全体系奠定坚实的基础；其次，加大研究力度，开发信息安全技术产品。传统信息安全技已经无法满足大数据时代数据安全需求，为了能够尽快改善数据安全问题，应加大研究力度，寻求更好的解决方案，有效避免数据信息受到威胁；最后，重视对重要数据的检测，大数据时代的突出特点是数据量大，无法实现对每一个数据的检测。因此，为了提高数据安全系数，应加强对重点数据信息的检测，从而确保数据信息安全。

2.4信息处理技术的发展

计算机硬件具有一定局限性，在一定程度上阻碍了计算机网络的发展，而云计算网络能够突破这一弊端。因此，推广和应用云计算机网络成为未来大数据时代计算机信息处理的主要发展趋势。传统计算机网络是将硬件与网络有机结合，抑制了计算机信息处理技术的发展，将二者分离开，促使云计算主筋形成云计算网络，从而构建大数据信息网络系统，推动我国社会不断发展。

篇（6）

2相关概念

在信息化时代“，数据”成为一个热门词汇，如今数据已经深入到每一个行业和领域，并成为促进生产的重要因素。而“大数据”这样的概念是在数据的基础上逐渐流行起来的，这最早源于美国“。大数据”指的是运用更先进软件和科技对数据进行管理和分析，将数据流整合，将海量的数据进行处理，也就是说，传统的数据管理技术已经不能适应现在的大量数据了，我们要进行新技术的开发，迎接大数据时代的到来。大数据(Bigdata)一般指的是软件工具难以捕捉、管理和分析的大容量数据，其单位通常是“TB”。大数据是一个企业在创造了大量非结构化和半结构化数据后，组成一个数据集，其具有4V特性：(1)容量大(Volume)。非结构化数据的超大规模和增长；占总数据量的80%～90%；比结构化数据增长快10到50倍，是传统数据仓库的10～50倍。(2)格式多(Variety)。异构和多样性；很多不同的形式，如文本、图像、视频、机器数据等；没有模式或者模式不明显；不连贯的语法或句义。(3)价值高(Value)。大量的不相关信息的提纯；对未来趋势与模式的可预测分析；深度复杂分析(机器学习、人工智能VS传统商务智能咨询、报告等)。(4)速度快(Velocity)。实时分析而非批量式分析数据输入、处理与丢弃，立竿见影而非事后见效。数据之间的跨应用和跨系统的结构化和非结构化数据体现着数据与数据的复杂关系，这些数据相互之间关联却又相对独立，大量的数据通过储存和分享进行交换和联系。通过对大量数据进行分析、整合和交换，不断创造新的价值，加快生产，发现新领域和新知识，将数据流最大价值化和最大应用化，这是大数据的实质与内涵，简单来说，就是将大数据内部信息进行关联和挖掘。

3大数据给公司带来的挑战

新疆新捷股份有限公司成立于1995年8月，是专业从事天然气终端销售及综合利用的企业。公司秉承中国石油“奉献能源、创造和谐”企业宗旨，坚持昆仑能源“低碳经济、绿色发展”理念，努力将公司建设成为国内一流的天然气终端销售企业。从企业战略着眼，信息就是财富，企业如果对这些大数据管理得当，就可以发掘出更为强大可靠的决策信息。目前大数据时代给企业管理者带来的挑战有如下几个方面。

3.1如何获取大数据现在很多企业所能获取的数据信息有限，仅仅是冰山一角，大约为总数据的15%以下，并且对数据整合程度不够，存在很多非结构化数据和半结构化数据。无法获取足够的数据成为企业发展的障碍，这些对于现代企业来说是一个很大的难题，传统的商业智能系统对大量信息数据的标准化和结构化整合已经不能适应，海量数据的产生需要企业运用先进的手段获取更多，并对信息数据加以整合，这样才能通过大量的数据分析市场需求，增加客户，提高企业的服务质量，不断提升企业的国际竞争力。因此，如何获取大数据成为新疆新捷股份有限公司的一个挑战。

3.2对管理团队的挑战新疆新捷股份有限公司的传统管理模式是高层决策者凭借自己的经验和决策能力下决定，其他管理人员负责完善决策和执行。在大数据时代来临前数据量较小，信息有限且获取信息的成本较高，因此这种传统的管理模式还可以适应企业发展。但随着信息化社会的发展和大数据时代的到来，这种传统的管理模式已经不能适应海量的数据，这更多的是需要新疆新捷股份有限公司通过大量的数据进行分析，结合企业自身的特点，组成管理团队进行决策，这样才能不断适应社会的发展，增强企业的竞争力。决策者在决策过程中的直觉主义已经不能适应大数据时代，这是企业在管理上遇到的一个挑战。

3.3对企业管理流程的挑战多数企业的管理流程是逆向思维方式，也就是说通过在经营过程中出现的问题进行分析，通过一个管理团队的讨论和协商，制定出一套解决方案，这样的管理流程有一定的好处，但也会因为有一些管理问题还没有出现，导致管理上的疏漏，而新疆新捷股份有限公司就曾是这样的管理流程。对于现在海量数据的产生，新疆新捷股份有限公司不能再按照逆向思维模式进行管理了，其应该尽量运用正向思维的管理方式，根据现在大数据时代的特点，进行数据收集，找出数据之间潜在的关系，对客户信息进行整理分析，充分了解客户的需求，进而提出优化方案，这样更有利于企业发现自身的问题，并走在其他企业前面，提高竞争力。

4大数据时代企业管理变革

随着信息流动、网络新生代的成长和数据量的增加，过去传统企业可能通过强大的体制控制力，或者信息不对称的优势地位进行封闭企业管理的模式，在今天已经越来越行不通了。面对海量数据，我们要以数据体现的内容为先决条件，不断适应大数据时代的变革，同时，对企业的管理进行改进和变革，大数据时代下企业管理需要做出变革几点如下。

4.1获取数据在大数据时代，企业最重要的是进行数据的获取，收集一定的数据才能更好地对企业进行管理和实施决策。大数据需要有一个平台，需要进行一个数据的抓取，它有传输、分析、建模、优化等作用，最后产生认知，这些都是在大数据这个平台上所必须具备的一些特性。这些特性使得企业间可以通过大数据平台进行跨行业交流。大数据平台会把全世界的数据进行共享，使得全世界在物理空间的活动都得以体现在大数据平台上，这是一个很重要的概念。对于企业来说，要不断融入这个平台，通过共享数据和收集数据，开发潜在客户。

4.2管理团队的挑战大数据时代的到来对于企业的管理既是机遇又是挑战，对于企业的管理者来说，这有利于数据的收集和分析，我们在面对大数据的挑战时，首先要将数据量化，量化的数据有利于管理效率的提升，管理者通过大量的数据信息掌握公司的业务和客户，对公司内部和外部客户进行管理，提升管理和决策的质量。我们可以通过以下三个方面面对挑战。

4.2.1转变管理模式企业在管理上要与时俱进，要在大数据时代充分了解数据是什么，并通过数据进行有利于自己企业发展的分析，要根据大数据转变管理模式。海量数据是管理的主线，我们应该通过数据说话，利用数据进行潜在客户的挖掘。以往的管理模式都是由高层人员根据自己的经验进行决策和管理，而在大数据时代，我们应该建立一个管理团队，对海量数据进行管理和收集，通过分析数据得出结论，再通过研究讨论，最终确立决策方案。这种管理方式可以给企业带来巨大的商业价值，实现企业对客户进行增值服务的附加值，以数据为主的管理模式更合理，更科学，也更符合大数据时代的特点，此外，还有利于企业增强竞争力，提高管理和决策的效率。

4.2.2转变思维模式面对大数据时代，企业管理者需要对大数据进行量化分析，这和传统的思维模式并不相同，因此需要转变管理者的思维模式。在面对重大决策和企业管理时，要先进行数据查找和数据分析，从数据上得出结论，分析结果，最后再进行决策和管理，这种方式不但会提高管理者的效率，也会提高其他工作人员的积极性和业务执行能力。另外，我们要允许数据做主，也就是说提高数据分析的力度，将来自一线的数据进行分析，通过数据判断决策是否正确，大数据的整理和分析是需要较长的时间来完成的，这对企业来说也是一种挑战。

4.2.3培养人才资源在大数据时代人才资源是一个企业发展的重要因素。如今的高级管理人才越来越稀缺，拥有综合能力的管理人才不多，因此企业应该进行管理人才的培养，只有将人才、科技、管理、决策进行融合和调整，才能使企业清晰自己的发展目标，制定适合自己的发展战略。企业可以在管理人才的选择上挑选一些经验丰富、学历较高的人才，再进行岗前培训和在职培训，提高他们的管理能力和应对大数据时代的能力。企业通过培养视觉化、系统化人才，将企业的海量数据进行快速、高效的整理和分析，从而提高企业竞争力，使企业能充分迎接大数据时代带来的挑战，更好地把握大数据时代出现的机遇。

篇（7）

2.互联网融资平台的规模经济优势。进一步，通过互联网平台进行信用评级，较之传统信用评级方式能实现规模经济优势。由于传统的信用评级方式需要贷前调查，贷中跟踪，贷后审计，存在较高的成本，如果融资额度不够大，会使贷款利润较低。而互联网平台在设计、运营和管理等方面的投入具有固定成本的性质，总成本不随评级企业的数目变化而发生显著变化，单个企业分摊的成本却越来越小，从而实现信用评级的规模效应。此外，通过互联网技术能对企业进行实时监测，一旦企业出现危险的信号和行为，会即时预警，提升信用评级的预判性，能够增加信用评级的深度。同时，将经营成熟的互联网融资平台的数据库在监管机构的管理下实现联网，进而建立起面向全社会的信用体系，能够增加信用评级的广度。由于依托互联网融资平台进行大数据信用评级，可以实现传统信用评级下不能或不愿提供的融资业务，从而使其成为互联网金融的基本运作方式。

二、基于大数据建立互联网融资平台的信用评级模式

1.互联网融资平台的运作模式。对于互联网融资平台的运作模式，从不同的角度可以进行不同的划分。比如，从运营形态上，可以分为：（1）电商平台模式，如阿里小贷、京东京宝贝；（2）网上超市模式，如陆金所、各家商业银行的网上银行；（3）P2P模式，如人人贷、拍拍贷；（4）众筹模式，如众筹之家。从资金的来源上，可以分为：（1）平台提供资金，如阿里小贷、京宝贝；（2）平台担保，银行提供资金，如京东的供应链金融；（3）平台利用吸收的资金提供贷款，如各家商业银行的网上银行；（4）平台做信用评级，撮合投资者和资金需求方进行融资交易，如各家P2P。尽管这些互联网融资平台的运作方式不同，但都需要对客户的融资需求进行信用评级，因此是否具有成熟可靠的信用评级技术，有效控制信用风险，成为互联网融资平台的核心竞争力。

2.互联网融资平台信用评级的模式。当前互联网融资平台的信用评级模式按评级信息的来源划分，主要可以分为三种模式：（1）基于运营大数据的信用评级。该模式多用于各商业银行的网上银行，以及P2P网贷平台、众筹平台上，其中尤以P2P最为活跃，面对的客户为个人及小微企业这一类低信用水平群体，融资金额从几千元到上百万，很大程度上弥补了信息不对称情况下传统金融机构不愿意对该类群体提供融资服务的空白，因此处于快速发展阶段。（2）基于交易大数据的信用评级。该模式多用于成熟的电商平台提供的融资服务中，如阿里小贷、京东的京宝贝等。这一类融资平台最近几年随电商市场的发展也保持着良好的发展态势，市场份额上升的很快。（3）基于交互大数据的信用评级。该模式目前多用于一些提供个人贷款服务的互联网平台上，知名的企业有ZestFinance和WeCash闪银。这类融资平台目前还处于萌芽阶段，但可预见，未来基于交互大数据的信用评级会逐渐成为信用评级的主要方式信贷，会逐渐从个人及小微企业贷款发展到对大企业贷款。由于不同信用信息的来源、属性不同，导致各类融资平台评级时在指标设计、数据收集、数据分析、数据运用过程中采取的方法都不尽相同。但信用评级的基本流程是相同的，只是在一些步骤的实施过程中，受信息属性的决定而使用不同的评级技术。

三、基于大数据互联网融资平台信用评级的实施策略

1.信用评级的流程设计。大数据信用评级的流程可以用图1表示。由图1可见，实施大数据评级，第一步是对待评项目的理解。首先要掌握项目运营方式、客户特点、市场状况、风险构成等项目内容；其次根据对项目内容的理解设计项目计划，包括安排项目可行的技术路线，制定项目的进度等；再次，待项目计划安排好之后就要确定大数据的来源，因为大数据来源虽然众多，但会受到各种限制，如有的可能过于昂贵，有的则不开放，必须选择那些技术上与经济上均可行的作为数据源。因此，需要基于对项目的理解做好这些在项目正式实施前的准备事项。第二步是准备数据。所做工作是：根据数据的来源，确定数据的类型，采取可行的数据收集技术，获取大数据；很多数据存在不完整、重复、错误等缺陷，要对数据进行预处理；预处理后的数据如果属于非结构化或半结构化数据，需要进行格式化，转化为结构型数据，为实施下一步骤做好准备。第三步就是进行机器学习。首先是选择合理的数据挖掘技术对数据进行分析，从中寻找关联关系，其次是解读和评估数据挖掘的结果，找到最合理或最有说服力的，实现知识发现；最后就是根据知识发现的内容，建立适用的信用评级模型。第四步就是实施评级。根据知识发现的模型，开展对被评级对象的信用评级，生成评级报告，并对结论进行分析，帮助客户理解评级结果。最后对整个项目的运行做全面总结。在以上各个步骤中，技术上的重点和难点在于数据准备过程中的大数据转化与机器学习过程中的大数据挖掘。大数据转化的困难在于需要把各种各样的非结构化半结构化数据转化为可以被机器处理和学习的结构化数据，大数据挖掘则在于需要对数据进行理解，选择最合适的数据挖掘技术实现知识发现。

2.信用评级的实施路径。信用评级的实施路径可以分为内容计算和流计算。首先是内容计算。内容计算多采取主动方式获取数据，方法是设置好信用信息源和信息采集时间段，针对信息源的原始信息格式，设计支持多协议的上站机，每隔一段时间对特定的信息源进行查询，遇到新内容则马上采集过来，再用于下一步的数据转化和挖掘。其次是流计算。流计算多采取被动方式，一般用于处理融资平台上的流数据，具体做法是，后台流程设计中在不同的数据流入环节设置不同类型的数据接入接口，及对接的流计算平台，流计算平台负责设置相应的处理规则，根据预设规则将流入的各类数据转化成可以直接分析的结构化数据，从而实现实时的业务分析与判断。

四、基于大数据互联网融资平台信用评级风险管理策略

互联网融资平台在进行信用评级及提供资金时，处于风险管理重心的是对信息技术风险的控制。由于大数据自身的“4V”特性，且数据中包含的又是大量的用户隐私信息，这使得信息技术风险主要产生在两方面：一方面是大数据存储的安全性风险，另一方面是大数据的收集和使用过程中对公民隐私权的侵犯风险，因此如何确保大数据的存储安全及在使用时的隐私保护是一个挑战，前者涉及到技术安全层面，后者涉及到制度安全层面。在技术安全策略层面，可以采取的措施有：首先，应依托大数据加密技术对使用的数据实施加密管理，制定出完整的加密保护方案，包括数据密级的设定、加密技术的选择、对密码安全性的攻击测试等；其次，严格网关管理，可以对不同类型的用户制定不同的权限级别，严格控制访问权限；最后，建立面向全平台的数据实时监测引擎，第一时间对各类非法操作发出警告。在制度安全策略方面，在当前尚无明确立法规范的环境下，要积极进行宣传和游说，获得政府主管部门和社会舆论的重视和支持，争取早日出台规范的数据获取及共享标准，互联网融资平台的设计、管理和风控标准，从而把可能出现的信息技术风险限制在可控范围内。

篇（8）

2大数据与企业会计信息化

会计信息化是我国“十二五”期间会计改革与发展的重要内容之一，也是很多企业提高会计系统效率的有效途径.会计信息化是信息社会的产物，是将计算机、网络通讯等先进的信息技术引入会计学科，促进企业会计系统网络化发展的过程.大数据的兴起、云计算的增速和以云计算为基础的云会计的应用为会计信息化的发展提供了技术支持和平台.企业会计信息化的深度发展对于大数据的需要与日俱增.

2.1企业会计信息化的现状

1、会计信息披露具有偏向性，导致信息不对称.传统的会计信息系统会诱使企业选择特定的会计方法而造成企业管理人员利用自身是信息提供者这一优势，不断地美化会计报表，这对于外部使用者而言是非常不公平的.2、内部自我约束能力弱，导致数据不真实.在传统会计信息系统下，一些企业为了眼前经济指标的提升或者任务的完成，常常通过人为调整会计报表来应付各机构的检查，自我约束能力弱，数据失真.还有很多企业对现有的政策法规钻空子、打球的现象屡禁不止.聘请的第三方审计机构也本着“企业利益最大化”的审计目标，对企业不真实的数据进行舞弊，以点盖面.3、核算量大，导致信息披露不完全.传统的会计信息系统下，会计的信息系统发展越来越不能适应高速发展的经济业务，很容易造成信息披露不完全.信息经济时代下，应该更多的提供企业未来价值的知识资源，而不是沉浸在企业过去的财务数据中.4、企业信息数据单一，导致信息缺少指导性.传统的会计信息系统主要是对企业财务信息的反映，往往忽视了非财务信息.企业自身变化的社会经济形势要求我们不能只依靠过去的财务数据对未来发展做出预测.对企业未来的发展预测用某些非财务信息可能会更加合理.如企业的环境成本、社会责任等信息都需要非财务信息的提供.5、信息传递滞后，导致会计信息缺乏时效性.传统的会计信息系统采用先发生交易事项后进行记录的程序，无法满足当代企业对信息时效性的要求.企业以及社会各机构、投资者越来越需要了解随时发生的财务信息，对其进行更好的决策，这就要求企业不定期的提供会计信息，对于会计期间的定义也不再以年为单位了.因此，现有的会计信息滞后的时效性严重影响使用者的需求和投资者的决策.综上可知，传统的会计信息系统逐渐出现了不适应当今经济发展的事态，高效、全面的信息化系统变得越来越重要.在大数据时代下会计信息的不断创新，快速发展势在必行.

2.2大数据对企业会计信息化的促进作用

大数据时代下，对会计信息化的促进作用主要表现在：信息结构更加客观，既强调了会计信息的精准性，又不失相关性；财务会计信息管理的程序化；会计人员工作转向宏观信息管理；多元化的计量单位.在大数据时代下非结构化数据成为主导，在会计信息中可以更好的融合结构化和非结构化数据，更好的提高数据的相关性，并且不会人为的进行舞弊.程序化的会计信息管理也将出现，财务部门逐渐将不再作为一个部门，而是作为一个类似于“企业”的独立个体，数据的获取可以不通过部门的上报来实现，而是通过财务部门设定的独立软件获取，这也提升了财务本身的独立性，同时也可以为其他部门提供共享服务；财务部门不需要对数据进行处理，而是转变成为数据的使用和管理者.在大数据时代下，多元化的计量单位将会出现，会计计量单位会出现相关的时间、数量单位等.

2.3大数据时代下会计信息化面临的挑战

篇（9）

1.强化数据治行理念大数据革命必将颠覆银行传统观念和经营模式。通过营造“数据治行”的文化，建立分析数据的习惯，落实全行的数据标准和数据治理，切实提升“大数据”开发利用的综合能力，将现有数据转化为信息资源，让决策更加有的放矢，让发展更加贴近市场需求。

2.建设大数据平台构建处理能力强、扩展性好、开放度及共享度高的大数据存储加工平台，整合行内外、各种形态、跨历史周期的海量数据，并构建统一、全面、稳定的企业级数据模型，为大数据的分析利用提供基础的数据、环境、模型及配套工具等全方位立体式支撑。

3.打造数据分析应用体系构建适应大数据分析的多功能、跨渠道、多粒度的分析挖掘模型和应用体系，为服务质量改善、经营效率提升、金融模式创新提供支持。通过对海量数据的深度分析，全方位调整产品结构、营销模式，从根本上提高风险管理、成本绩效管理、资产负债管理和客户关系管理水平。

4.实现智慧银行的目标智慧银行是指，通过大数据技术不断优化业务办理流程，高效配置金融资源，敏锐洞察并引领客户需求的高度智能化的金融商业形态。智慧银行可提供“银行始终在客户身边”的全场景金融服务，为客户创造最佳服务体验。

二、农业银行大数据平台概述

经过多年的努力探索，农业银行在大数据平台建设的道路上锐意开拓，大胆创新，逐步形成了以四大基础平台、五类数据服务为核心的大数据平台。

1.四大基础平台（1）企业级数据仓库随着银行业数据利用能力的逐步提升，业务分析呈现跨领域分析、高度整合分析、长周期历史分析等特点，企业级数据仓库通过对行内跨领域海量数据的高度整合和模型化，形成对客户、账务、产品等的统一视图，使大数据分析成为可能。农业银行企业级数据仓库以存储和处理结构化数据为主要目标，全面涵盖了农业银行存、贷、中间业务等行内业务条线的核心类数据，实现PB级数据的高效存储，可以满足全行在各个领域数据分析和价值发现的各类需求，并为全行数据治理提供有力的支撑。如通过网点的多维度、全方位、长历史周期数据挖掘给出网点资源配置建议，提升运营效率，优化业务流程。（2）信息共享平台信息共享平台以存储和处理行内非结化数据为主，辅以来自行外的社会数据。基于非结构化数据的分析和深度挖掘，在客户关系管理、中小企业信贷、风险管理、品牌建设等众多领域发挥了重要的作用。如基于对社交网络各类非结构化数据的综合分析可以获取行外目标客户；通过机器学习、语音识别、情绪识别等技术，对客服语音记录进行深度挖掘，发现客户的需求。（3）实时流计算平台传统数据计算平台多以批量计算为主，数据处理能力较强，但时效性较差。农业银行的实时流计算平台采用业界最先进的流计算框架，实现数据的快速采集、交换、处理和应用，主要用于实时营销、实时客户服务、欺诈监控、大额动账监控、系统运营监控等各类对时效性要求比较高的业务场景。如结合持卡人的行为偏好为客户实时推荐精准的营销信息、优惠信息和特惠商户信息，并为特定客户群体提供实时的有针对性的服务提示。（4）高性能数据处理平台海量数据的分析挖掘亟须一个高性能环境的支撑，农业银行高性能数据处理平台采用大内存处理、分布式、闪存等新技术，以高性能计算为主要特点，实现对海量结构化数据、非结构数据等进行综合处理、全面分析和深度挖掘。如通过大数据语义分析和情绪分析追踪海量网络信息蕴藏的经济金融“微信号”，借此判断未来的市场走势，为前瞻性风险管理提供参考。

2.五类数据服务农业银行基于四大基础平台的优势，大力发展应用系统建设，形成了五大类数据服务形式有机结合的数据服务体系。（1）指标检索服务通过构建全行统一的指标库，为各个业务条线提供常用指标的检索服务，在此基础上提供各类经营管理、监管报送等指标采集、加工及报送服务。（2）即席查询服务采用特定的工具，构建功能强大的查询支持库，满足各类灵活查询、临时查询及特殊复杂查询需求。如果说报表是经营管理的瞭望塔，那么灵活的即席查询就是执行经营决策的指南针。以客户营销为例，即席查询服务可以为全行的客户经理提供多角度的客户信息查询，针对当前市场热点，提供具体的业务指导。（3）定制化信息服务通过iReport智能资源视窗对信息进行统一管理、分层检索、灵活配置和个性展示，并针对用户的不同需求、不同层次及不同偏好，提供定制化、个性化的信息订阅，联动邮件、短信、微信等渠道提供主动信息推送服务。（4）多维分析服务多维分析可以帮助业务人员实现多维度、多视图、多层次的分析，并可以通过下钻、上钻、切片、旋转等操作，提供更加动态、智能的数据分析，发现数据背后的规律。如从机构、时间、客户、产品类型、渠道、营销活动等多个维度对产品盈利情况进行综合分析，进而有效推动产品优化和创新。（5）深度数据挖掘服务海量数据中蕴含的规律和价值通常不直观，大数据的显著特点之一就是海量数据的知识发现和数据挖掘。农业银行基于大数据平台构建了多个特定领域或主题的数据挖掘实验室，包括客户洞察及精准营销、信用评价及风险评估、舆情分析与客户情感管理等，紧跟市场发展动态，直面业务热点、难点，充分挖掘大数据的巨大价值，为业务发展和经营决策提供更加深入的洞察和更加有力的支撑

三、农行大数据应用实践

农业银行在构建大数据体系时坚持以应用为核心，统筹部署数据平台开发与业务应用，加强业务创新与数据利用的良性迭代，实现传统业务和新型业态的融合发展，充分发挥了数据对全行业务发展和经营管理的支撑作用。借助大数据这把利剑，实现了“营销更精准、服务更贴心、管理更精细、监管更透明、风险更可控、决策更智能”，有效促进了全行经营理念、业务运营、组织流程的不断创新，为全行业务发展和经营管理提供了有力的科技引擎。以下三类应用案例可充分说明情况。

1.精准营销基于大数据的客户营销“三步曲”：获取客户、客户画像、精准营销（如图1所示）。通过大数据强大的信息获取和处理能力，充分挖掘行内外的潜在客户；通过大数据实现对客户的360°立体画像，在掌控客户行为、洞察客户情感的基础上，准确地预测客户需求，从而实现精准营销及交叉营销。以贵宾客户信用卡精准营销为例，农业银行通过综合行内外数据，应用聚类分析、关联规则发现、决策树等数据挖掘算法，构建了完整的精准交叉营销模型库和应用体系，动态实现目标客户识别、客群划分、优先级划分、产品推荐、渠道推荐等功能。在合适的时间，以合适的渠道，通过合适的方式，为合适的客户推介甚至定制合适的产品，实现差异化、个性化的精准营销。2.热点分析农业银行基于大数据平台构建了热点问题专题分析模型库，对当前的热点事件进行定期跟进、深度分析和动态监测，为策略制定、产品创新及运营模

篇（10）

2对公共管理决策的全新认知

政府存在的合法性和权力的来源，决定了在对公共利益的追求和实现过程中，政府在公共管理的体系中所具有的主导地位，以及政府所必须扮演的积极角色，而这种地位与角色的有效性极大程度上受到其决策方式、能力和效果的影响。在半个多世纪的漫长过程中，决策支持系统曾经一度因为缺乏有效的数据组织方式而徘徊不前，虽然其后的发展取得了前所未有的加速度。作为公共决策的重要主体，快速和灵活的大数据时代特征也对政府的数据管理和使用模式提出了更高的要求，大数据的出现颠覆了传统的数据管理方式，在数据来源、数据处理方式和数据思维等方面都会对其带来革命性的变化。正是如此，在公共管理的决策领域，由于拥有了全面的信息，过去那些建立在非完全信息假设上的管理思维和方法，已经被彻底地改变。因此，大数据不仅带来了政府决策的巨大挑战，也提供了变革公共决策的现实机遇。大数据对于决策的价值是显而易见的，通过对大数据的挖掘，可以有效提高政府决策的科学性和时效性。一方面，决策是为了解决问题或抓住机会，大数据可以通过多种渠道抓取数据，并可以发现其中反映的异常问题和有利时机以把握决策的进程；另一方面，决策的有效制定依赖于完整的信息，大数据可以提供庞大的信息，高质量的、全方位的信息可以有效提高决策的效果。诚然，庞大的信息并不意味着都高质量的信息，事实上，质量远远比数量重要。也就是说，肯定数据价值的同时，也应当认识到数据分析的局限性。例如，可以描述政府与公民网络互动的频数，但并不意味着能确切地说明其相互关系，而解释和分析其背后的原因则更加困难。由此，决策环境的改变必将带来政府公共管理模式的巨大改变。首先，政府应当开放透明，持续完善公众公平、便利地获取公共信息的渠道和手段，以利于公众参与公共决策。诸如在公共政策制定、公共财政开支、公共资源分配细节等方面都应当充分满足公众的知情权，在更大范围内实现数据共享。这既是决策效率提升的要求，也是行政民主的价值诉求。其次，在大数据时代，社会主体和公众意见的有效体现是决策的合法性和合理性的基础。一方面，这要求政府培养数据意识，全方位的重视数据的收集和积累工作，为实施大数据战略做准备；另一方面，应当不断推动社会媒体、社交网络等数据平台健康快速的发展。为此，在数据的收集、更新，尤其是数据利用方面，政府都应当不断地调整管理思路和方法，并积极改善公共管理决策的数据环境，提升决策过程中的数据意识，建立有效的决策支持数据系统，以实现决策的科学化，提高公共决策的质量。

3对公共治理战略的深刻影响

目前，大数据已经在商业领域中被广泛应用，并产生了巨大影响。在商业领域，新的研究方法拓展了现有的理论模型，可以利用社会网络、数据挖掘和统计等方法挖掘出高维度的市场信息。即便是在社会领域，大数据同样会帮助我们认识和适应公共治理的社会环境。大数据管理不仅是一种技术或管理方式的创新，还代表着人类对于信息更加全面的把握能力，同时也反映着人类自身特性的深刻展现及发展。因此，在公共管理实践中，必须在大数据的语境下，用大数据的思维方法理解和分析新的治理问题。

3.1信息技术是一种社会赋权工具，大数据造就了一个权力碎片化的社会

在某种成程度上降低了群体压力对个体的影响，凸显了个体的主动性和能动性，网民可以在表达和交往的过程中，将他们认为重要的问题变为公众议程的一部分，并成为公民之间、公民和组织间关注和讨论的公共问题。信息和数据将围绕着这些问题产生，而且一旦实现信息的自由和数据的开放，知识和权力在每一个公民之间就是等距的，社会的主体结构就将从分层转向网状，社会形态和社会结构就将会出现新的变革。在这种情况下，公民也就越来越多地倾向于社会公共领域，其结构特征和特性就成为公共管理价值性和工具性实现的原因和意义。而且如果个人在互联网上的交往活动能被系统地捕捉到，那么我们就可以有史以来第一次对非正式沟通的流向、观点在不同社会群体之间的传播，以及隐藏在沟通之下的实际网络结构进行观察或作出合理的推断。也就是说，在这种治理环境中，大数据不仅带来了社会结构的新变革，也发展了认识这种结构变革的方法。因为，大数据可以有效地反映舆情和民意，网络上产生的海量数据反应了社会结构中网民的行为、能力和态度，这是信息时代现实社会与网络空间深度融合的产物，蕴含着丰富的内涵和很多规律性信息。

3.2大数据可以有效地降低社会发展中面临的不确定性和风险。

在现代社会，政府转变治理思维、提升危机意识、调适治理模式的着眼点在于，危机的产生和演化是公共管理和公共利益实现的巨大挑战。一方面，危机的突发性要求政府不断提升危机响应的效率，不但要具有前瞻性的战略视野，也应当具备强大的信息收集和处理能力。同时，把大数据技术引入危机管理领域，绝不应只将其视作一种技术手段的进步，而应该以大数据技术为基础对整个危机管理的流程进行再造。另一方面，危机的社会性要求政府密切关注社会范围内的所有信息，在日常活动中，防范和化解可能出现的危机。在大数据背景下，人类的大部分行为都受制于规律、模型以及原理法则，而且它们的可重现性和可预测性与自然科学不相上下。因此，对现实的、潜在的公共领域的数据信息进行实时分析，可以提高政府对危机的识别和判断能力，及时发现卫生、环保、灾害、社会管理等领域的危机，为实现科学有效地防范和化解危机管理提供基础。

篇（11）

(二)当前流量经营的价值困境

流量是当今数字世界运转的基础。“客观属性”是对“流量”这一认识客体固有属性的客观描述，不因经营主体和经营方式而异。流量属性包括以下方面：1)流量的规模性，指流量可用同一量纲进行规模比较，比如联通单用户流量规模要高于移动，百度流量规模要高于google中国，基于中国移动网络发生的流量规模要高于基于百度服务发生的流量规模；2)流量的层次性，指流量与用户真实行为(主体)的接近程度。流量蕴含着反映主体行为的信息，但程度有所不同。比如淘宝网所承载的流量直接反应用户的网购行为，而电信网所承载的流量只是经过IP协议封装的比特流，前者显然更接近用户真实行为因而被称为表层流量，后者则被称为底层流量；3)流量的异质性，指流量对用户消费目的(客体)的涵盖范围。流量蕴含着反映客观世界的信息，但范围有所不同。比如文本、话音、图片、音乐、视频等不同类型之间，垂直应用与平台式应用等不同类型之间，社交类、娱乐类与生产类应用等不同业务类型之间，其流量映射客观世界的能力就各有差异和侧重；4)流量的不可分性，虽然底层流量和表层流量在概念上区分了，但在实体上是紧密依赖的，是同一事物在不同经营层面上的不同投影。比如，淘宝的表层流量离不开运营商底层流量的依托，运营商底层流量也离不开淘宝等表层流量的呈现，同时，淘宝可推知用户使用了多少底层流量，运营商也可部分解析出用户的购物行为。

可见，流量是一个充满想象空间的市场，而电信运营商似乎占据有利地位。综合流量的层次性和异质性，流量被赋予了主体行为和客体存在在信息层面上统一投影的属性，是信息社会不断流动的血液，具备极大的社会价值和经济价值。从流量的不可分割性来看，上层服务提供商与基础运营商之间的相互依赖、相互制约将是长期的基本格局。从流量的规模性来看，至少在本地市场，由于基础设施市场集中度高，电信运营商很容易就可获得超过任何单一玩家(如apple和facebook)的规模优势。

但现实情况中，流量规模的暴涨对电信运营商是一把双刃剑，情况不容乐观。流量在呈现客观属性的同时，在特定的经营主体及经营方式下，还会表现出影响甚至决定经营绩效的经营特征。本文认为，固然客观属性有利于电信运营商开展新一轮价值创造，但在当前经营模式下，流量应有的价值并未得到充分挖掘，无法支撑电信运营商的可持续发展。

当前的流量经营模式是，通过提供同质化的、以M为价值衡量单位的流量产品来满足用户的接入需求，然后通过向用户收取按照使用量计算的费用来补偿网络成本、运维成本和营销成本。在这种模式体现出三大属性：一是面向手段性需求。用户向运营商购买流量不是为了流量本身，而是为了流量所承载的个性化互联网应用。流量仅仅是服务于互联网消费的手段，因此，与面向目的性需求的互联网服务提供商争夺用户界面时，电信运营商天然地处于劣势；二是无直接网络效应，电信运营商无法将网络效应内化从而无法实现业务的边际效应递增。流量用户之间并未像话音用户之间和短信用户之间那样构成彼此连接的网络，用户之间的网络是通过业务构成的，而业务网却控制在OTT手中。换言之，网络效应主要存在于OTT业务层，而非管道层。因此，随着使用OTT业务的用户越来越多，以及用户使用OTT的业务次数越来越多，OTT业务的边际效用递增，但电信运营商流量的边际效用基本持平；三是边际成本下降有限，面对指数级增长的流量需求，运营商不断追加投资扩容、升级只能勉强跟上。上期投资刚进入边际成本下降阶段新的投资又追加进来，下降趋势被中止。在投资压力下，设备商又勾画了美妙的技术前景，许诺平均成本将极大地降低，勾引运营商全面投资新技术。这样多次循环和叠加，在相当长一段时间内，运营商都处于初始成本投资阶段，流量边际成本下降的周期被压缩到很短。反观OTT，一旦业务上线，在运营成本增长与业务量增长相比可忽略不计的前提下，业务边际成本很快就会下降到接近于0。某种程度上，信息产品边际成本为0规则的成立，是建立在电信运营商的牺牲之上的。

图OTT业务与电信运营商流量业务的边际效用/成本对比

电信业本是新经济的鼻祖，网络效应理论就是70年代从对话音网络的研究中发展起来的。然而，在当前经营模式下，运营商的流量业务失去了网络效应、边际成本趋于0、边际效用递增等信息产品的新经济特征，用工业经济时代的经营模式去与新经济时代的经营模式争夺价值，注定是落于新型竞争对手的。这是仅在流量规模上做文章，没有深入挖掘流量价值形成的后果，运营商由此陷入流量价值困境。

(三)大数据经营破解价值困境

大数据的定义众说纷纭，从技术特征上它通常具备数据量大(volume)、数据类型多(variety)和数据处理和响应速度快(velocity)的特征，麦肯锡将大数据定义为超过了常规数据库软件所能搜集/存储/管理和分析的规模的数据集。大数据概念具有深刻的IT烙印，正如“流量”概念具有深刻的电信烙印。通信与计算是信息的不同处理环节，在ICT端到端融合的背景下，流量和大数据完全可以统一在“信息”概念下，是信息全生命周期不同阶段的称谓。流量有表层底层之分，数据也有信息、知识、智慧之谓，流量经营和大数据经营均可理解为信息经营。

然而，仅仅揭示大数据本身的属性是远远不够的，如果脱离了正确的经营模式，一切价值都是虚妄。在这方面，电子科技大学周涛教授的观点很有价值。他认为，大数据1.0是利用内部数据解决内部问题，大数据2.0是利用内部数据去解决外部问题，或利用外部数据解决内部问题，大数据3.0意味着大数据进入了一个以共享交易为特征的时代，出现了大数据公共平台运营商(以下简称大数据运营商)。从1.0到3.0，大数据的工具属性逐步减弱，目的属性逐步增强，直至“大数据”像货币一样在全社会范围被收集、交换、处理、传输和应用，使得大数据可以真正成为时代的标签。在这个意义上，大数据之“大”，就是不断增强数据的透明性、不断扩大数据的共享范围、不断提升数据的流动性，在更大范围内解决信息不对称以创造更大的价值。否则，无论数据多丰富，技术多先进，都较过去无本质突破，大数据之“大”盛名难副。这个过程，是大数据经营环境不断完善和经营模式不断演进的过程。

大数据经营模式严格来说是指大数据运营商的经营模式。大数据运营商采取双边平台模式，一方面向消费者提供普遍服务，另一方面向企业客户提供以大数据为中心的服务。可以形象地将这种经营模式比喻为“数据银行”。1)大数据运营商自身掌握独特而雄厚的数据资产，这往往是一个通过提供消费者服务集腋成裘的过程，正如银行通过吸纳个人存款掌握雄厚的现金等资产；2)这些数据的使用权和支配权归大数据运营商但所有权属于消费者，正如银行可以自行决定吸纳的存款如何使用，但储户拥有随时要求提现的权力；3)大数据运营商以免费或部分免费提供服务为代价，换取消费者在使用该服务时产生大数据的支配权，正如银行承诺利息收益换取现金存入或委托理财，并默认获得资金支配权；4)这些大数据被用到千百万家企业的生产服务流程中，为大数据运营商的企业客户创造价值，为大数据运营商赚取收益，正如银行吸纳的存款被贷给各行各业的企业，融入经济生活的角角落落。为了进一步理解该模式，下面描述一些细节：

细节一：场景举例。风险控制是保险公司商业模式的核心环节，如果能够更准确地获知投保客户的风险系数，保险公司就可能设计更有竞争力的保险险种和更丰厚的收益。比如车险，如果能对某潜在客户的出行和驾驶行为数据如车速、车程、违规记录等进行分析，保险公司就能更精确地推知该用户在投保期内出现安全事故的概率，从而制定更为有利的保费和理赔政策，比如避免对高危客户(通过各种指标定义)保费过低或保额过高，而对“安全系数”较高的客户则可以在常规保费基础上打折以提升产品的吸引力。同样，对于疾病险，如果能够对潜在客户每天身体健康指标如血压、心跳、卡路里消耗、睡眠时间等，保险公司就能识别优质客户并针对性地设计相关疾病险种。在这个简单的例子里，大数据产生于用户使用的车联网、移动健康等服务，大数据运营商需要向用户提供这些服务，并承诺他们的个人数据不会被滥用。对于保险公司或其他中小型企业客户，大数据运营商提供的核心产品是数据，但更可提供大数据基础设施租用、承担大数据分析任务甚至基于分析结果的营销执行等附加服务。

细节二：如何规避隐私争议。个人数据的隐私问题是大数据商业价值受到质疑的主因。实际上，这个问题可以从理念上和模式上给予回答。理念上，隐私问题自人类社会形成之初就存在，用户心中总是存在一架权衡隐私顾虑和业务价值的天平。当前的隐私争议不在于隐私被使用了，而在于被滥用了，没为用户带来便利/效率/等正面价值甚至反而带来负面价值。因隐私顾虑而扼杀业务创新只会在竞争中被淘汰，将注意力集中到利用个人数据创造更智能的业务，使用户心中的天平偏向业务价值，这才是解决之道。模式上，大数据运营商扮演的是银行角色，受消费者委托管理数据，基于数据所有者与数据使用者之间的契约关系执行数据开放动作，具体由双边平台的双方自愿谈判商定。比如，保险公司若需要使用个人数据可向个人提供保费折扣，达成协议后大数据运营商则执行这一契约，按照协议开放指定数据，并全程监督数据使用。上述过程并不涉及隐私侵犯。对于那些无需识别个人身份的大数据应用，交易成本可以更低，正如银行没有必要向每个储户说明他/她的存款被用于哪一笔放贷或投资，而只需履行利息承诺即可。

细节三：如何获得网络效应。在上述经营模式下，大数据运营商将获得网络效应，这种效应源于该平台上各行各业的企业。与话音业务类似，企业使用该平台提供的数据的同时，也在为该平台增加更多的数据资产。比如，“用户A在facebook上的Like行为记录”这一数据，若被WSJ网站使用，除了为WSJ产生“内容精准推荐”的价值外，用户A对该内容的浏览行为和评论(如果有)也会被平台记录，从而提升原数据质量(如置信度评价)、丰富了关于用户A的数据，其他企业将可从该平台获取更多价值。这样，企业围绕平台构成了大数据共享网络。大数据平台成为网络效应的受益者。于此同时，企业客户在使用大数据产品时也具有边际效用递增的特征，数据用得越多，数据的价值就越大。可见，大数据经营完全符合新经济规则。数据不因使用而损耗，且随着使用次数增多价值反而变大，边际成本趋于0，边际效用递增，大数据的价值与数据节点及数据使用者节点的平方成正比。

细节四：如何将流量转化为大数据资产。针对流量业务，一方面优化现有面向消费客户的经营模式，另一方面从流量中提取大数据资产，作为构建面向企业客户大数据经营模式的基础，两者交叉补贴，平摊成本。用户在消耗流量的同时，也在为大数据经营添砖加瓦。一个基础设施，两个经营模式，这是成本收益困境的基本解题思路。对流量经营而言，智能管道存在的价值是调控和配置管道资源，但智能调控和配置的前提是对调控对象的深度识别和解析，而这正好就是从流量提取大数据的过程。因此，智能管道将成为电信运营商获取大数据的重要来源。大数据的另外两个重要来源是BSS和各种信息类业务的后台数据。不同域数据之间的混搭会取得1+1》2的效果。

(四)大数据平台运营商的演化

在未来实体世界与数字世界无缝整合的世界，高速流动的信息将充当不可或缺的纽带。谁能掌控两个世界相互耦合的界面，谁就将成为下一轮破坏性创新周期中最大的赢家，而大数据平台就是这样的关键环节。当前虽然总体上处于大数据1.0阶段，但基于数据重要性被不断认知、传统企业拥抱数字化商业模式热情高涨等事实，大数据领域正孕育着一个前景广阔、异彩纷呈的大市场。

未来的大数据运营商绝不仅仅包括现在的电信运营商，互联网巨头如facebook、google和阿里巴巴等也将沿着这一方向演进。阿里巴巴提出的“电商、金融、数据”三步战略就是明证。阿里巴巴和新浪微博、高德地图等之间的资本联姻，也是走在数据布局的路上。平台会扩张，生态会成长，当时代被烙上大数据的印记，围绕大数据公共平台运营商成长起来的大生态注定会成为信息文明的基石。从平台演进的角度，本文认为大数据经营的成熟将经历消费平台、垂直平台和公用平台三个阶段，简要描述如下：

第一阶段，竞争者们借助消费平台海量用户数据的原始积累取得了大数据平台之争的入场券。比如阿里巴巴的淘宝、腾讯的微信、facebook以及电信运营商的流量，都是典型的消费平台。各类消费平台有层次和领域的区别，渗透争夺十分激烈，但就数据储备而言都具备了进阶的资格。同时，OTT玩家普遍发育了后向广告模式，与电信运营商的流量前向收费模式相比，收入规模小但利润率高。

第二阶段，基于用户积累向垂直行业扩张或者某个特定的环节延展。这个阶段，消费平台依然非常重要，但随着数字世界与实体世界的整合，固守数字世界很快遇到增长极限，因而越来越多的资源将投入面向线下传统行业的拓展。垂直行业方面，包括金融业(互联网金融、移动支付等)、健康业(移动健康、移动医疗等)、汽车业(智能汽车、车联网等)。特定环节方面，包括营销(广告)，CRM(如微信公众账号、淘宝卖家服务、FacebookConnect等)、产品设计(如天猫和华为定制手机合作等)。毫不意外，扩张的行业B2C特征较明显，延展的环节则以营销环节为出发点，而电信运营商通常以行业扩张为主，OTT以环节延展为主。总体而言，这些面向各垂直行业和特定环节的服务都以相对独立的小平台形式存在，每个垂直平台的经营模式各不相同，大数据资产进一步积累，但以信息为中心的经营模式仍未确立。从进阶第三阶段的角度考虑，衡量第二阶段经营成败的标准有两个：其一是是否与政府和传统企业建立了全面的信任关系；其二是是否掌握了大部分行业都需要的20%的关键信息。

第三阶段，面向全体社会成员的大数据公共平台出现。大数据在企业生产和消费者生活各环节的价值被充分认识，垂直行业内部的信息链在第二阶段被打通之后，进入跨行业信息共享阶段，大数据时代来临。在前文提到车联网信息、个人健康信息和保险公司的共享是这一阶段的典型案例，而车联网、移动健康领域的数据布局和与保险公司信任合作关系的建立，则已在第二阶段完成。值得强调的是，消费者的作用非常重要，因为各行业间打破信息隔阂唯一动力就来自于它们具有共同的用户。这一阶段，数据透明/共享/流动的范围、网络效应的范围、创造价值的范围达到了新的高峰。

上述三个阶段所描述的经营模式是叠加而非替代关系。从大数据的角度看，第一阶段着眼于积累原始资本，第二阶段注重数据的垂直投资布局和精耕细作，第三阶段注重跨行业数据的共享运营。但从经营视角来看，最终大数据运营商将具有三种核心业务、三种盈利来源，比如阿里巴巴的三步走战略，并不是金融代替了电商，数据代替了金融，而是按照这个路径最终形成三足鼎立的多元共生业务组合。

(五)对电信运营商的建议

既不甘于管道的低利润率，又无法适应OTT基于速度和创意的竞争规则，电信运营商一直在寻找位于管道业务和OTT业务之间的黄金地带。本文给出的答案就是大数据经营。大数据经营与传统通信经营在业务属性和经营模式上具有内在延续性。传统通信业务通过将个人连成通信网络解决个人与个人之间的信息不对称，大数据经营通过将企业连成大数据网络解决行业与行业之间的信息不对称，这个方向符合信息社会的演进脉络。通过选择正确的模式，大数据经营完全可以和传统通信业务一样具备网络效应等新经济特征，从而带领运营商走出当前流量经营模式的价值困境。

对电信运营商而言，大数据的战略地位应从内部运营工具提升到“新大陆”，移动互联网业务则从“新大陆”降低到撬动新大陆的“杠杆”。如果目标和OTT一样都是大数据，而获取大数据的手段并非仅自身运营OTT业务一途，电信运营商何必一定要吊死在这棵树上呢？调整心态后再参与OTT竞争，也许更从容不迫。因此，电信运营商无需过于纠结为何不具备互联网基因，而应立即与那些OTT站在同一起跑线上一道发力培养大数据基因，构建大数据经营模式。大数据目前还处于非常早期的阶段，大数据竞争最终将是资源密集型的，电信运营商在这个战场上的位势要比在OTT战场上好得多，至少暂时如此。比如，腾讯有微信和QQ，阿里有淘宝和支付宝，电信运营商有流量。关于下一步的布局，有如下几点建议：