关键词：大数据时代 数字图书馆 建设思路
中图分类号：G250.76 文献标识码：A
当前，大数据表现出爆发增长的趋势，在此过程中的大数据也渗透了人们的生产以及生活。面对新的技术背景，数字图书馆也有必要改进不适当的馆藏建设和服务模式，转而引入大数据的新模式[1]。这是由于，大数据时代能够为数字图书馆提供全方位的优质信息资源，有助于图书馆获得实时性的信息和数据。由此可见，大数据时代在根本上代表着新时期的图书馆建设趋势，因此也影响着读者的阅读方式和习惯[2]。在设计和建设数字图书馆的过程中，相关人员需要因地制宜，探求最适合大数据时代背景的建设思路。
一、大数据的时代背景
从现状来看，网络技术已经逐步渗入各个生活环节，各行业的日常生产也与网络紧密相关。在这种基础上，社会进入了大数据时代。大数据时代最基本的技术特性就是整合并且处理实时性的信息资源；经过全方位的信息处理，就可以在日常生产中运用信息资源。由此可见，大数据本身具有特殊的技术背景，大数据的诞生也代表了全新数字时代的来到。在新的背景下，信息资源不断扩展容量，因此表现出显著的上升趋势。大数据针对繁杂的信息资源，并非关注各个阶段的信息总量，而是运用现有的资源来分析某些重点信息，进而创造更多的生产效益。大数据与云技术具有密切的内在联系，由此也构成了特殊的网络分布结构[3]。
受到大数据的影响，社会中的各行业都承载了丰富且多样的数据信息。最近几年，网络应用的规模正在迅速扩展，大数据与各个行业也具有了更紧密的联系。在很大程度上，大数据确保了实时性的信息共享，因此保证了信息传送中的便利性。在网络社会中，人们需要获取更多的实时性信息，因此大数据也创造了多样的信息获取形式，例如音频、图片或者文件等。信息资源具有较复杂的类型，数目也在迅速增多。
大数据除了能够容纳海量信息之外，还具备复杂的自身结构。在信息化时代中，大数据具有迅速变化的特征，数据的类型十分繁琐。从目前来看，网络平台正在逐步扩展，与之相应的数据需求也将会变得更高。在本质上，大数据都能够被保存为半结构化甚至非结构化的信息，这种状况也增加了大数据本身的容量。数字图书馆符合了大数据的特定背景，因此适合采用大数据的基本原理来建设新型的数字图书馆[4]。
二、数字图书馆现存的问题
大数据时代已经到来，然而多数地区建设的数字图书馆仍处在起步中，并没有达到完善。在建设图书馆的过程中，相关人员如果没有把握好大数据最基本的特性和内容，那么很难顺应现今的时代趋势，甚至造成边缘化的状态[5]。由此可见，大数据时代建设数字图书馆的进程仍缺乏完善性，具体而言包含了如下的缺陷和弊病：
首先，现今的数字资源表现出同质化的倾向，因此欠缺合理的数字资源结构。近些年来，网络通信已经覆盖了各个行业，因此也产生了数字化的新型信息资源。在数字化馆藏中，读者如果要检索特定的信息，那么应当运用新型的信息手段来获得相关的馆藏信息。然而截至目前，馆藏资源表现出较严重的同质化状态，因此也很难避免建设过程中的重复。从用户角度来讲，重复性和同质化的信息图书资源无法符合读者最基本的借阅需求。在观念层面上，相关人员仍持有相对保守的认识，没能做到大胆创新。
其次，数字图书馆欠缺深度的服务，这种状况不利于共享开放式的图书资源。建设数字图书馆，最根本的目标就在于确保实时信息的共享。在任何地点和时间段，读者都应当可以共享信息。然而实际上，数字图书馆并没有设置最大化的图书服务平台，无法确保平台的延伸。目前很多数字图书馆都具有移动式的特性，然而从本质上看，这类图书馆仍没有从根本上更新功能，因而也很难为读者日常的借阅活动提供便利。此外，某些读者群体本身就很难迅速接受新型的数字化馆藏，因而读者范围也受到了局限。相比于传统类型的实体图书馆，数字图书馆表现出较强的虚拟特征，这种封闭式的狭窄服务体系无法做到共享实时信息，因此也背离了最基本的创新宗旨。
再次，数字图书馆并没有设置合理的投资结构，这种现状导致了偏高的日常运营成本。从社会投资的角度来看，数字图书馆在短时期内也很难吸纳更广的投资资源。在很多地区，建设数字化图书馆通常是依赖于有关部门给予的补贴，图书馆本身并没有发动更广的社会力量来共同筹资。面对大数据的特殊背景，如果要建成优质的数字图书馆那么还会耗费更高额的资金。相比于实体性的传统图书馆，数字化图书馆在各个环节的设计和建设中都会消耗更多成本，因而也面临了市场中剧烈的竞争压力。此外，图书馆内部的某些硬件并没有配备专门的维护，因而很难确保长期有序的运转。这种状况下，数字图书馆通常就会承受较重的成本负担。
三、建设过程中的要点
关键词：数理统计；大数据；企业管理
随着科技的发展和信息传播速度的增加，人们处于信息爆炸的时代。与传统的数据相比，在大数据时代，数据具有哪些变化？传统的数理统计方法将会发生怎样的变革？数据处理方式的变化以及数据传播速度的增快将会对企业管理产生怎样的影响？本文重点分析了数理统计方法在大数据时代下企业管理中的运用，从而促进企业不断适应变化，实现长远发展。
一、数理统计的概念与特点
运用数理统计的方法分析生活中的各种数据逐渐成为科学研究的一种趋势，在相关数据的基础之上，通过运用数理统计的方法，可以判断事物发展的趋势，从而归纳出一些客观规律来指导我们的生活，提高生活质量。所谓的数理统计是指运用定量描述的方法分析随机变量之间的关系，通过有限次的观察实验得到数据，发现数据之间的内在规律，并判断整体的数据规律性。基本特点是以实验观察为基本出发点，以概率论作为基础，选择数学模型并进行验证。正确运用充数理统计的方法的前提是掌握数理统计的基本概念和基本思想，而总体和样本是数理统计的基本概念，总体是研究对象的全体，样本是研究对象的一部分。通过样本的信息对总体进行推断是数理统计的基本思想。
二、大数据的概念与特点
目前，学者们对于大数据没有达成统一的定义。一般来说，大数据是指数据资料非常庞大，无法运用目前的软件在短时间内进行数据的分析与处理。它是对大规模数据管理和技术平台的泛称，与传统的大规模数据不同，它除了数据的爆炸性增长之外，还包括对于数据的分析、处理和应用，最终实现挖掘大数据潜在价值的目的。大数据具有数据庞大、种类较多、价值性、处理速度快的特点。与传统的数据不同，在大数据时代，我们分析的数据总量巨大，并不再仅仅依靠传统的随机抽样的方法，除外，由于数据总量庞大，有着多样性和丰富性的特点，使得我们无法确定数据的使用目的。在大数据时代，仅仅依靠传统的几种工具无法实现对于数据的处理和分析，而是运用强大的云计算能力进行数据的处理与分析。
三、大数据时代对于数理统计的影响
统计学是一门具有三百多年历史的学科，在长期的发展过程中，不断吸纳各家之长，使得统计学的发展充满生机与活力。大数据时代的到来，为统计学的发展带来发展机遇的同时又带来巨大的挑战。具体如下：1.大数据对于样本和总体的影响众所周知，数理统计是通过具有代表性的样本推断总体的基本情况，从而对于社会经济发展的总体趋势做出判断。而具有代表性的样本是通过抽样的方式实现的，然而，在大数据时代，虽然信息量庞大，数据类型多样，但是大数据也存在着样本缺乏代表性、噪声等问题，因此，通过抽样的方法对于数据进行分析可能会存在一定的偏差。传统的数理统计方法收集到的数据具有结构化的特点，然而，在大数据时代，数据类型多种多样，容量超大，因此，样本数据与大数据存在很大的不同。样本数据有着特定的研究目的，运用抽样的方法获得数据，具有数据有限的特点。基于样本数据的特点，它的应用空间十分有限，通常无法满足多层次、多样化的需求特点，在抽样过程中出现偏离方案的现象时，抽样便无法进行，因此，样本数据分析的方法无法得到广泛推广。而大数据不仅包含的信息量巨大，而且不受各种限制即可以接纳各种各样的数据类型。与样本数据相比，大数据的优点是数据选择空间巨大，可进行多角度、多方面的数据分析。更为重要的是由于样本数据有限，可能无法判断出数据的某些规律，而通过大数据，某些规律可能会十分清晰。样本数据中无法发现的弱小信息，在大数据中可以找到。在样本数据中被认为是异常的值，在大数据中可能会被接受。因此，在大数据时代背景下，我们认识事物的能力大大提高，充分发掘有用的信息，抓住很多决策分析的机会，促进对于各种社会现象的理解和认识。综上所述，在大数据时代背景下，既可以作为总体也可以作为样本。随着社会的进步、互联网技术的发展，人们处理各种复杂信息的能力大大加强，从多样化的数据中获取有价值的信息越来越多，社会迅速进入大数据时代。在大数据时代，不仅人们的生产方式和生活方式发生巨大变化，企业管理也面临着新的机遇和挑战。2.相关分析发生变化大数据时代的到来使得相关分析发生变化，弥补了传统数据分析中的不足。首先，大数据时代的相关分析必须满足“通用性”和“均等性”的准则，并且结果不受变量间形式的影响。近年来，随着大数据的影响力逐渐增加，国外诸多专家和学者充分认识到大数据的相关分析的重要意义，并且对于改进大数据的相关分析进行了深入的研究。以Reshef（2011）等代表的学者提出了最大信息系数的研究方法，从而有效识别变量间的非函数相关关系。在此基础之上，一些学者提出了随机相关系数和最大相关分析的研究方法1。总之，新的相关分析方法涌现说明国内外学者发现传统的相关分析中存在的缺陷，无法满足大数据时代数据分析的要求，与此同时，他们也认识到大数据时代相关分析的重要性。因此，当务之急是统计分析方法顺应大数据发展的要求。
四、数理统计方法在大数据时代下企业管理中的运用
1.大数据推动企业变革大数据对于企业管理方式产生十分深远甚至是颠覆式的影响，例如：营销方式的变化，商业模式的改变等等。在大数据时代，一个核心问题是数据的预测，大数据意味着一切以数据化的形式存在，也就意味着透明化。除外，数据也不再像过去那样被认为是陈旧的和静止的，在相关数据收集收集完毕后便不再具有价值。大数据时代，通过对原来的数据进行挖掘，可能会发现有用的信息。而对于企业来说，大数据时代要做到运用数理统计的方法做到决策的数据化，实现由过去依靠感觉进行决策向利用数据进行决策的转变。即使过去部分企业认识到数据的重要性也仅仅关注过去的、已经发生的数据，而这些数据存在着滞后的缺陷，管理者依靠主观经验进行决策，那么决策的风险较大。而在大数据时代，管理者充分运用数理统计的方法分析过去、正在发生的全部数据，充分挖掘各种有用的信息，以制定科学合理的决策，从而促进企业的发展。2.进一步提升企业的人力资源价值众所周知，人力资源在企业的成长和发展过程中发挥着至关重要的作用。大数据具有及时性、高处理速度的特点，充分保证数据的真实性和有效性，有利于企业进行科学决策，发现适合企业发展的优秀人才。传统的企业人才招聘方式为结合企业的战略目标、岗位分析等设定相关标准，然后依据这些标准对简历进行筛选，那么与企业战略目标和岗位分析标准契合度较高的候选者即为企业需要的人才。然而，首先各类标准的制定可能是片面的，因此，招聘到的人才可能不符合企业的要求。除外，面试是一个依靠情商和智商综合判断的过程，及时设定了各种硬性指标，在实际的面试中，HR可能受多种综合因素的影响，难以做出正确的决策。而在大数据时代背景下，可以减少这种不确定性的影响。通过数理统计的方法，对于收集到的各种数据进行收集、处理和综合分析，发现求职者的各种素质和企业招聘人才之间的关联性，找到真正适合企业发展的人才。并且随着企业收集到的信息越来越多，发现适合企业的优秀人才的概率会越来越大。通过这种招聘方式，不仅可以大幅度降低招聘成本，而且能够拓宽企业招聘渠道，丰富企业招聘形式，提高企业招聘的精确度，促进企业的长远发展。随着数据处理方式的不断改进，人们对于大数据挖掘到的信息必将越来越丰富，这有利于提高企业决策的科学性，推动企业的长远发展。
参考文献：
[1]程鑫，石洪波.大数据时代传统相关分析的局限性与拓展[J].统计与决策，2015,05,；73-74.
[2]邱东.大数据时代对统计学的挑战[J].统计研究，2014，31（1）：16-17.
关键词：高校体育教育；大数据时代；新环境；新发展
社会各个领域都因大数据时代的到来而发生了深刻的变革，在巨大的变革中高校体育教育需要主动出击，积极研究这一信息技术，认清大数据对高校体育教育所带来的机遇和挑战，以此促使高校体育教育的现代化进程。
1大数据时代高校体育教育的新纪元
2009年“大数据”已成为互联网信息的流行语，2013年“大数据”对各个行业都产生了巨大而深远的影响，因此，2013年被称作为“大数据元年”，到2016年已经是家喻户晓且高度融入到高校体育教育之中。不管高校愿意与否、接受与否，大数据时代已然影响着师生工作、生活和学习的方方面面，无时无刻不与学校师生的工作、生活和学习，以及学校的长远发展息息相关。大数据的出现有其必然性，是信息积累到了一定程度引发的变革，即是由量变到质变的结果。面对现如今庞大数据以及其惊人的增长速度，现有对数据收集、处理、分析的方法及相关理念已经无法满足高校体育教育研究的需求，因此，大数据也应运而生。大数据不仅是一项技术，也是一种方法论与价值观。它是高校师生获得新知识和创造新价值的动力源泉；是改变学校教育、教育领导机构及政府与教育系统各种关系的有效方法和手段。它提供的不是随机的高校体育教育样本，而是全部数据；缺乏精确性，呈现混杂性；不具有因果关系，只是相关数据。大数据的特征：（1）大数据具有数据量大和完整特征；（2）在大量数据和数据与数据之间具有其内在的关联性特征；（3）能够更快地满足实时性需求是大数据的另一特征；（4）通过数据获得洞察力和各种重要价值是大数据具有最重要的特征。研究人员最终需要的是大数据特征所蕴藏的深层次意义，是高校体育教育发展最为关切和讨论最多的是大数据包括意义所在。从社会价值和科学价值方面来看，大数据彰显撼动着高等教育的各个领域。体育科研工作者以前都是利用局部数据、抽样数据和片面数据入手，发现高校体育教育未知领域的规律以前都是利用已有研究经验、理论、假设和价值观来进行研究。伴随着大数据的出现促使体育科研工作者有机会有条件更深入的获得和使用高校体育教育中更全面的、更完整的和更系统具体数据，更深入地探索现实中高等院校体育教育和发展中的规律和问题。大数据与高等院校每位师生的行为密切相关，所有师生都是大数据的创造者、传播者、研究对象和资源的共享者。随着移动互联网出现，个人电脑、平板电脑、智能手机、体质测试仪、监控等和普及的互连智能设备、智能电视和运动智能设备等都能和电脑网络连接，能完成让机器、学校、个人随时随地获取和产生数据。师生们每天的日常行为如体育锻炼、网上购买体育服装及体育用品、学校消费、体育场馆监控区域的进出、上网收看体育节目、手机浏览体育新闻和视频等都有记录，不自觉地就成为了数据的制造者，每位师生都是大数据的成员，大数据与每位师生都息息相关；积累到一定量的个人数据，就可以通过个人数据分析揭示其师生们的工作状态、生活习性、体育锻炼行为规律和个性特征等相关信息。但是，大数据给师生、学校管理和体育科学研究带来很多积极变革的同时，也会产生了一些负面问题，如个人隐私的外泄、数据容易产生安全问题、数据的真实性问题等。大数据无论带来的是机遇还是挑战，都已经是高校体育教育无法拒绝和回避的问题，我们必须正面面对。
2大数据时代高校体育教育的新发展
从科学价值和社会价值角度看大数据彰显出来的独特发展机遇，对诸多领域而言都蕴藏着很大的发展机遇，尤其是在学校体育方面等待着科研工作者去挖掘。科研工作者首要发现大数据的价值，挖掘大数据后通过整理数据才能不断给予科研工作者提供研究依据。体育科研工作者应积极行动直面高校体育教育中的大数据，主动适应大数据时代对高校体育教育带来的变革和发展。
2.1分析大数据本质特征确立高校体育教育数据意识
随着逐渐显现的大数据时代变革力量，体育科研人员已经意识到数据化的无处不在，人类认识的一次根本性转变是从数据化时代开始的。以前将高校的各种体育活动和行为看作是一连串的自然或是社会现象的观点已经在大数据的帮助下一去不复返了，信息才是构成高校体育教育的本质所在。一旦高校的体育活动和行为被数据化后，高校的体育教育就只有想不到而没有信息做不到的事。大数据时代高校体育教育必须主动适应大数据时代的发展要求。深入研究高校体育教育的大数据本质特征，准确研判大数据对于高校体育教育可能带来的变革，高校体育教育新发展的前提是对大数据时代深入思考。高校应积极开展基于大数据视角下的体育教育科学研究，并从以下3个方面入手：（1）对高校体育教育大数据全面了解和分析，理解大数据及其的变革和大数据未来发展趋势；（2）对大数据理解的基础上，从对体育教育可能产生的影响、机遇和挑战的视角出发系统地对大数据时代进行分析；（3）数据意识的主动确立，懂得大数据时代最宝贵的资源和价值产生的源泉是高校体育教育的数据，对高校体育教育数据所具有的丰富内涵充分了解。树立高校体育数据意识，才能具有对大量的、多维的、数据化的信息的收集、存储、处理的高度重视，进而为高校体育教育活动提供强大数据支撑。
2.2高校体育教育顺应量化研究和创新研究
高校体育教育乃至社会科学研究的重要方法是定性研究与定量研究相结合。目前，定量研究往往备受关注，定量研究具有很大的复杂性特征，其研究效果受制于诸多因素的制约，且定量研究效果将直接影响到对高校体育教育的定性分析。为了定量研究，一般情况下是先有假设，然后进行抽样调查、数据统计和分析，再进行假设的验证是否成立是科研人员通常的做法。对高校体育整个定量研究是从假设开始，并在有限的抽样数据基础上进行调查，调查工作量大，而且效果真实性难以保证。对高校体育教育的定量研究主要集中于向师生的主观回答，然而师生的主观回答具有动态性、不确定性和私密性等现象，进而使得整个量化工作难以得到完全真实的结果。所以，当前运用定性与定量相结合的研究方法对高校体育教育进行研究得并理想。传统的高校体育教育随着大数据时代的到来已经彻底得到改变。利用大数据，高校一切体育活动都变得可量化。通过互联网给计算机添加信息功能，使高校体育教育的信息通过电脑数据显示出来，进而大数据改变高校体育教育和体育活动，因为它为高校体育活动创造了前所未有的可量化的各种数据。各种高校体育活动都可转化成量化的数据，同时将对高校体育的研究产生深刻地影响，在小数据时代，研究者通过对高校体育教育动作的假设，然后收集、整理和分析数据来验证假设。而现如今科研人员在探索高校体育的发展和运行规律时可以借助大数据帮助，不再受限于假设。研究可以始于数据，通过大数据让研究者发现了以前不曾发现的各种因果关系。综上所述，由大数据支撑的高校体育教育研究与由假设、调查分析与验证假设传统的高校体育教育研究的方法截然不同，大数据必然推动量化研究方式的崛起，大数据下量化研究将彻底改变高校体育教育已有的研究。
2.3宏观与微观相结合确立高校体育教育的着力点
大数据引发了社会深刻的和全面的变革，同时也丰富和拓展了高校体育教育的内容以及研究方法，但是并没有对高校体育教育产生颠覆或取代的作用，也是科研工作者对大数据和高校体育教育关系的基本判断。这一点明确后，科研工作者通过大数据发现高校体育教育发展中的“变与不变相结合”，高校体育教育的基本要素、基本结构、基本功能、基本原则是不变的，迎合大数据时代的高校体育教育的内容、形式、方法和手段发生了变化，只关注变化的部分就可以发现促进新时期高校体育教育发展的着力点。不难发现，从大数据给高校体育教育带来了深刻的变革，可以在大数据中得到高校体育教育中更深层次的东西在于“一切皆可量化”，这意味着研究者对高校体育教育对象的把握将进入一个前所未有的阶段。在宏观层面，所有师生的体育行为都可以通过分析其网上活动留下的痕迹，以及在学校学习、工作和生活中留下的各种数据的总体把握和揭密，从数据里面呈现出来的师生体育活动状况，把握其运动规律，精准分析其运动与各事件的联系，甚至对不同师生和不同体育教育信息好恶进行掌握。一旦出现这一现象，势必会在面向学校庞大师生群体为研究对象时的无力感产生彻底改善，高校体育教育活动的覆盖面和系统性得到有效地提升。从微观方面看师生个体信息被数据化，随着数据积累到一定程度后，就可以通过对师生个体体育行为的数据分析清晰地揭示其参与运动状况，为开展定制化和个性化的体育教育活动提供了有力理论支撑，进而提出具有实效性和针对性的高校体育教育活动。由宏观层面的大数据分析师生体育教育与微观层面的个体体育活动相结合，才是高校体育教育在大数据时代的两个着力点，将对高校体育教育的快速发展起到极大地推动作用。
参考文献：
[1][英]维克托.迈尔.舍恩伯格.大数据时代[M].盛杨燕，周涛，译.杭州：浙江人民出版社，2013.
[2]刘奇.大数据时代竞技体育系统顺应的发展策略[J].首都体育学院学报，2015，3（2）.
[3]于浩洋.“大数据”时代体育何去何从[J].山东体育学院学报，2015（2）.
[4]付晓静.大数据时代的体育公关传播[J].武汉体育学院学报，2015（3）.
[5]谢经良.大数据时代我国体育产业发展的机遇、挑战与对策[J].上海体育学院学报，2015（3）.
关键词：大数据时代；大学生；创业能力
中图分类号：G640 文献标识码：A 文章编号：1002-4107（2014）11-0056-02
大数据时代的来临不仅对市场经济中的政府、企业有非常重要的意义，对于高等教育如何提升大学生创业能力也提出了新的要求和思考。本文基于大数据时代下的背景，对大学生创业环境影响、教学体系改革要求、教师应对能力做了探索性研究，认为在大学生就业难的环境下，注重大数据背景下的创业机会是一个新的选择。
一、大数据的内涵与时代背景
“大数据”是指大小超出了传统数据库软件工具的抓取、存储、管理和分析能力的数据群，具有信息或数据量巨大、数据变化速度快、数据的多样性等特点。只有建立适当的分析模型，并运用相应的技术手段对数据进行有效的深加工，发现隐含在大量数据中的信息并加以利用，才能将大数据的决策效用发挥到极致[1]。大数据提供了一个全新的信息生态环境，给企业竞争情报研究带来了深刻的影响，促使其不断地创新和变革，数据竞争已经成为企业获取和提升核心竞争力的利器[2]。“大数据时代”的提出是基于对当下社会信息超载现象的宏观描述，海量信息的极速扩张催逼人类的思维革命和技术变革[3]。大数据时代的来临除了政府机构、社会组织、媒体等公布更多的信息，主要和个人对各种网络终端等的使用有关。大数据时代更加注重通过信息数据的再加工实现信息数据的增值，强调数据的附加值。
大数据为预测、处理人类行为、心理提供了重要依据。来自各个方面零碎的庞大数据有利于观察竞争环境和竞争对手的细微变化，从而快速响应，制定有效竞争策略。大数据时代对出版业产生了巨大影响，李兵、漆咏德认为出版业需要战略转型，延伸价值链，缩短供应链，以有效提升出版产业集中度，创造效益[4]。在舆情分析上的，李彪（2013）认为大数据成为社会舆情研究的“利器”、是社会关系的“沉淀池”，改变传统舆情只见“内容”不见“关系”的境况，将社会舆情研究从单向度的内容研究转向“内容+关系”的多维度研究[5]。蔚赵春、凌鸿（2013）认为大数据不仅为商业银行引入新的竞争主体，而且改变甚至完全重塑了传统金融的经营模式，将对银行竞争格局和方式产生深远影响，具体体现为“五化”――金融服务脱媒化、渠道虚拟化、服务个性化、经营模式生态化、决策数据化[6]。喻长志（2013）认为大数据技术将渗透到教育的核心环节，重新构建教育的评价方式，革新教育者的教学思维并影响学校教育的模式[7]。从长远看，大数据将会为教育发展带来预测性判断增加、教师的专业知识与分析能力并重、网络教育与全球化发展迅速、精准的个性化教育成为主流等发展趋势。
二、大数据时代对大学生创业教育的影响
（一）有助于有效评价大学生的创业技能结构
梅伟惠，徐小洲（2012）将创业技能定义为“从事或胜任具体创业活动的能力”，认为创业技能是创业能力中可操作的、外显的、具体化的部分，更加适合通过高校创业教育来培养[8]。库里斯基（Kourilsky）指出，创业技能主要包括三个方面：识别市场机会并产生商业创意（服务或者产品）；冒风险的情况下整合资源；创办商业组织以执行机会驱动下的创意。
大数据时代下，教师能有效利用技术系统来评价、分析并提升大学生创业技能。大学生创业技能的评价方式不再是访谈式的口头沟通交流，而是通过大量数据的“归纳”，找出大学生创业活动过程的问题，哪些技能是不足的，哪些技能是需要补充的，进而在教学和实践环节中有的放矢。
（二）有助于大学生的个性化教育
拥有独特思想方式与鲜明个性特点的当代大学生具有强烈的个性化发展倾向。“以人为本”为中心的个性化教育具体表现在尊重学生的个性、强调发展学生个性潜能的优势、培养良好个性素质全面和谐发展和教育的特色化。群体化创业教育不再适合当代大学生，创业过程中对环境敏感分析和大学生创业行为个性化发展不再是标准化教育能够给予的，注重并发现大学生创业过程中的行为特点，分析大学生个性和创业行为，有利于个性化教育。
（三）促进弹性教学计划的发展
创新创业教育教学计划包括理论教学计划和实践教学计划，需要依据培养方案进行科学合理的规划，主要包括开设课程的门数、学分和学时、开课学期、成绩的考核、实践、实习安排等。在计划中积极创造条件促进大学生创新创业实践活动，以增强大学生的创新创业精神和团队合作意识。
教学计划是将一个学期的教学任务固定下来，有利于教学的系统性、知识的完整性和管理的可监督性。但是在大数据时代，注重大学生创业技能和个性化教育，多种形式的教学方式在教学和实践过程中被尝试和采用，弹性和可变的教学计划是一种必要。
（四）提高教师的数据分析能力
教师不再只是拥有学科的专业知识，还要有借助外界软件进行数据分析和提高利用数据的意识和能力。行业、政策和环境的变化，也同样需要加强数据分析能力。不仅有利于学生的教学和沟通交流，还有助于教师自身的能力培养。
教师的专业性将其集中在某项专任教学中，而创业管理教学中的综合性，特别是在当代背景下，缺乏对数据分析的能力，将不能帮助大学生创业技能的提升。高校需要注重教师的数据分析的能力培养，可以去校外进行专项的大数据培训。
三、大数据时代对大学生创业的影响
（一）提高信息敏感度
大数据有利于挖掘有用的信息，对创业环境作有效分析。大学生创业不能静态观察外界的变化，需要进一步在大数据时代中充分利用技术分析的优势，进行行业分析，有利正确决策。主动和被动地接触大量的信息，提高了大学生对信息的敏感度，意识到信息对生活和工作及其创业的重要性。
（二）大数据行业是大学生可选择的创业方向
传统的关系型数据库数据处理方式及适用于小规模数据的数据分析和数据挖掘技术是多数企业正在使用的，而先进的大数据存储处理技术和分析工具仍处于学习和了解阶段，没有大规模使用。国内大数据相关技术的开发多为数据分布式存储及并行计算，数据质量检测和清洗的智能化工具十分稀缺。这对于站在知识前沿和具有学习能力的大学生是一个很好的创业选择方向。
（三）理解企业商业模式的变化
赛迪顾问最新研究提出6个大数据商业模式创新方向：数据租售服务、数据分析服务、决策外包服务、数据分析平台、数据交易平台。数据租赁服务强调数据资产化，而数据分析、交换、外包、分析平台和交易平台则创新企业个性化服务，实现数据资源商业价值最大化，在大数据时代下的商业模式创新和选择的模式已经出现了巨大的变化。
亚马逊作为大数据时代的前行者，具有客户资源和大规模计算的优势，从最初的“卖书”到提供收集、存储、组织、分析和共享数据的云计算，充分利用亚马逊的服务器、数据中心等IT闲置资源；Facebook的广告实时追踪功能，允许营销人员将互动指标与单个Facebook广告活动链接在一起；Twitter正式推出广告自助服务，以许可式、自助式进行广告获利。亚马逊、Facebook和Twitter的新建业务和产品，以及商业模式都是建立在对大数据的深度理解之上。
四、大数据时代大学生创业能力的提升策略
（一）培养大数据时代环境分析理念
大学生不再是象牙塔里的人，而是需要面对校内激烈的竞争和校外变化的环境。在大数据时代下的大学生，创业能力提升已经是一个系统工程，既需要课程的学习，还需要实践，对环境的分析更是一项难题。在团队形式下的创业小组更具有挑战性，综合性更强。人员齐备，能力多种。大数据时代下的环境分析更需要多种综合能力和团队能力。
（二）注重大数据时代商业模式的选择
商业模式是基于对自身资源和外部环境详细分析下的选择，可行性和有效性取决于商业模式设计前对这两个条件的有效分析。大数据时代商业的扩展和灵活性为商业模式的设计和选择提供了多样化选择。不同的人选择模式有不同的偏好，可行的商业模式是成功运作的保证。
（三）培养大学生对数据信息技术的兴趣
多数大学生，特别是从事商科的大学生，认为数据信息技术的学习是理科生的事情。但是在大数据时代下，面临巨大的数据量影响到公司重大发展决策的条件下，没有任何人能够在数据面前保持无动于衷。培养大学生对数据信息技术的兴趣，不是对专业化教育的否定，而是一种强有力的补充。可以通过自身的选课学习、团队专业人士的知识补充来弥补知识的缺乏和不足。但是了解数据信息技术发展是一个创业型人才需要具备的。
（四）创造大数据时代的氛围
大学生在象牙塔中与外界接触的信息更多的是来自同学、朋友和教师等，对某一专业的信息没有主动和兴趣去搜索，对大信息时代的环境缺乏认知。高校可以通过专业课程的设置来分析大数据时代的特点和案例，请校外的专家来讲述大数据时代对企业的影响。并且对教师的大数据时代的分析能力进行培训，通过他们的理解和授课融入课程中。还可在一系列实践中如沙盘模拟中增加大数据时代的背景，吸引大学生的注意力。
参考文献：
[1]李国杰，程学旗.大数据研究：未来科技及经济社会发展
的重大战略领域[J].中国科学院院刊，2012，（6）.
[2][英]维克托・迈尔-舍恩伯格，肯尼思・库克耶；袁杰译.
大数据时代[M].杭州：浙江人民出版社，2013.
[3]张涛甫.大数据时代的出版困局及其突破[J].编辑学
刊，2013，（2）.
[4]李兵，漆咏德.大数据时代出版企业的商业模式构建
[J].出版发行研究，2013，（8）.
[5]李彪.大数据视域下社会舆情研究的新境界[J].编辑之
友，2013，（6）.
[6]蔚赵春，凌鸿.商业银行大数据应用的理论、实践与影响
[J].上海金融，2013，（9）.
[7]喻长志.大数据时代教育的可能转向[J].江淮论坛，
2013，（4）.
关键词 大数据；新闻采编；发展趋势
中图分类号 G2 文献标识码 A 文章编号 1674-6708（2017）183-0003-02
当前，新旧媒体共同发展，特别是移动互联网技术以及大数据技术的飞速发展应用，为传媒领域的跨越发展转型发展带来了新的动力。在这种形势下，做好新闻采编工作，更应该紧跟时代的发展变化，分析在大数据背景时代新闻采编工作的新特点、新趋势，积极转变新闻采编工作理念和技术手段，提高新闻采编工作的效率和质量。
1 大数据时代背景下新闻采编的技术优势分析
1）大数据技术的发展应用使得新闻可预见性更强。大数据的本质就是对海量信息数据的提取分析，而且通过对大量数据之间关联性的科学分析，能够从中提取各种有信息的价值，这也使得对各类事件发生的预测性变成了可能。因此，利用大数据分析的手段，在新闻采编工作中，一定程度上能够实现对一些民生热点诸如交通出行、医药卫生。财经信息等领域的准确预测，这对于促进提升新闻采编工作的时效性非常有帮助。
2）大数据技术的发展应用可以有效提高新闻采编工作的针对性。受众是新闻媒体传播的核心所在，大数据技术的应用，对各类信息的提取分析能力更强，可以更加准确地对受众的阅读习惯和新闻喜好进行分析，这有助于新闻媒体有针对性地改进新闻采编，提高新闻资讯投送的准确性。同时，通过大数据信息的分析挖掘，也可以全面地发现新闻媒体的潜在受众，吸引更多的关注。
3）大数据技术的应用发展更有利于指导改进新闻采编工作质量。在大数据技术的支持下，新闻媒体可以更加方便地利用大数据技术，对现有的一些网站平台上对新闻媒体自身的相关评论分析等进行搜集整理，通过这样可以准确地掌握受众对于新闻媒体的整体情况反馈，进而明确新闻媒体在新闻制作方面存在的不足和薄弱环节，有针对性地加以改进，不断促进提高新闻采编制作质量。
2 大数据时代新闻采编发展面临的问题分析
一方面，很多新闻采编人员对大数据理念以及智能技术的认识分析不到位，在新闻采编工作开展过程中，仍然习惯于采用传统的采编方式，对于大数据技术还没有系统全面的认识，应用的积极性不高，而且没有深入地分析研究如何在新闻采编工作中更好的应用，对大数据技术帮助新闻采编工作实施没有系统概念认识。
另一方面，大数据技术优势固然明显，但是对于新闻采编工作也提出了一些新的要求，尤其是全面的利用好大数据技术，需要新闻采编人员具有较强的数据分析能力以及价值挖掘能力，但是目前很多新闻采编人员还没有接受过系统的培训教育，在新闻采编工作中如何更好地运用大数据技术，往往还不够熟练。
3 大数据时代新闻采编工作发展趋势及推进研究
1）积极革新新闻采编工作理念。在大数据时代，传统的新闻采编工作效率低、质量差的不足，可以被大数据技术有效地弥补。作为新闻采编工作的从业人员，应当积极适应新的技术理念，在新闻采编工作的工作思维以及工作理念方面积极地创新，主动地去了解大数据技术，积极地适应大数据时代新闻采编工作的开展方式。特别是应该更加注重对大数据的分析利用，将筛选的有价值的信息，在新闻采编过程中有效地利用起来。
2）强化对大数据背景下新闻采编工作的技术支持。运用大数据技术做好新闻采编工作，前提基础是应该具有相对较为完备的技术设备支持。在这方面，应该根据新闻采编工作的实际发展，逐步对新闻采编系统进行升级完善。在新闻采编系统的功能设计过程中，应该将云计算技术等作为系统的核心功能，并配以完备的数据处理分析软件，以及信息存储数据库等，增强对新闻采编基础工作的技术支持。同时，为了保证新闻线索能够在第一时间得到分析利用，还应该注重把新闻采编工作人员的个人平台与新闻采编信息系统之间建立有效的连接，保证采集到的音视频资料等可以及时发回到新闻采编中心分析处理，转化成为有价值的新闻事实材料，为新闻制作提供最新鲜的素材。
3）充分利用大数据技术提升新闻采编工作效率。传统的新闻采编工作中，由于新闻采编制作涉及到各种各样的图像、文字以及视频资料等，特别是有关的素材搜集整理上，需要耗费大量的时间精力，这也是影响新闻制播时效性最主要的因素。在大数据时代，应该充分运用好大数据技术，特别是充分利用大数据技术中的非结构化数据技术、云计算、商业智能、数据集市、标签云、空间信息流等多种技术，以更先进的技术手段对海量的文字、图片、视频信息进行检索整理，实现各种新闻线索以及资源的共享利用，进而有效地解决传统新闻制作检索效率不高、处理水平较低等问题，不断提高新闻制作质量和效率。
4）推动新闻采编工作方式的转型。在大数据时代，新闻采编工作模式上应该向大数据的技术优势靠拢，积极地推动大数据时代新闻采编方法的转型。首先，在新闻采编工作基础工作方面，特别是新闻线索的收集方面，应该更加注重利用大稻菁际酰对各类新闻线索的查找筛选以及分析处理，对新闻采编方式进行丰富和拓展，这样不仅有利于降低新闻采编成本，也更有利于提高新闻采编内容质量。其次，应该积极推动新闻编辑环节的转型，新闻采编人员应该充分利用好大数据背景下的新闻采编数据中心，与在外的新闻采编人员进行及时沟通联系，及时摘选有价值的信息或者是策划有针对性地栏目开展新闻采编，通过新闻采编工作模式的改变，全面提高新闻采编工作效率。
5）不断提高新闻采编人员的能力水平。在大数据时代做好新闻采编工作，对新闻采编人员的能力和水平提出了新的更高要求，更应该注重不断提高新闻采编工作人员的大数据理解和运用技术。一方面，应该注重提高新闻采编人员对大数据技术的实际操作能力，特别是提高大数据分析能力，能够在大量的信息咨询中，按照受众的兴趣以及对新闻的预测分析，更加准确地找到有价值的新闻细节，准确把握受众对新闻的新要求，制定更加科学合理的新闻采编工作计划。另一方面，应该不断提高新闻采编工作人员的专业化能力水平，特别是新闻观察能力和新闻敏感度，深入思考大数据时代泛阅读的情况下，提升新闻稿件的生动性与真实性的措施，提高新闻采编综合素质水平。
4 结论
大数据时代，新闻采编工作迎来了创新发展的新机遇新挑战。新闻采编从业人员，应该准确全面地认识大数据时代对新闻采编的影响，主动适应大数据时代的变革，促进新闻采编工作方式方法转变，不断提高新闻采编工作质效。
参考文献
[1]高露歌，贾志甜.大数据背景下新闻生产方式的变革与趋势[J].新闻知识，2015（5）：29-30.
[2]丁洁.大数据时代背景下的报纸采编探讨[J].新闻传播，2015（23）：68-69.
关键词：图书馆；大数据时代；服务创新；发展
一、大数据时代概述
大数据是在种类繁多、数量庞大的多样数据中进行的快速信息获取，它不是定量描述数据量大小的名词，一般产生于邮件、视频、微博、帖子以及页面点击，是结构化数据、半结构化数据与非结构化数据的总和。大数据概念首先出自于天文学学科和基因学学科，最后广泛应用开来，将计算机时代不断增长的信息，应用到各行各业，发挥信息的自身价值。大数据具有4个特点，分别为：种类多、速度快、容量大以及价值大，取关键词英语的首写字母，具有4V特点。这些特点表示大数据将给IT行业带来质的变革，让形态多样的信息且富有价值的数据通过一定的技术手段，进入数据处理、深入分析以及价值挖掘的信息业务发展过程。随着信息技术带来的强大的数据增长，数据无处不在，世界真正进入大数据时代，世界各地政府也开始关注大数据的核心科学与技术问题，促进了大数据学科的建设和发展。而作为信息储存和利用的图书馆，大数据时代下，图书馆的信息资源面临着巨大的挑战，这就意味着图书馆要加大限度集成多源数据，并且建立多源数据之间的关联，根据以上目标，还要创新图书馆的服务模式，使其在数据的基础上实现智能化的目标。其次，通过大数据的技术手段，对利用图书馆进行知识挖掘的用户的信息进行了解和探究，挖掘潜在的信息需求，研究阅读者的兴趣爱好，进而发展符合时代特征的新的信息资源，在服务体系上进行人性化改革，推动图书馆行业的发展。
二、大数据时代给图书馆发展带来的影响与挑战
大数据时代给图书馆的发展带来了不少机遇和挑战，在信息技术发展的进程中，大数据正在逐渐改变着图书馆，给图书馆的发展带来了巨大的影响，以下是对其影响的具体分析。
1.对图书馆工作人员产生影响
大数据时代下，图书馆的服务结构发生了巨大的变化。大数据技术是基于网络信息时代的，因此图书馆信息资源也将逐渐向智能化发展，这就意味着，图书馆的服务结构将由传统的手工操作、人为管理转换为自动化操作、计算机管理，对于图书馆工作人员来说，不仅要掌握图书馆基本业务的专业知识，还需要学习新型技术手段，实现图书馆数据分析智能化处理，这对于图书馆工作人员来说，无疑是巨大的挑战。因此，随着大数据时代的到来，图书馆馆员人才队伍要求的素质培养方向将会注重其对数据分析、管理以及应用能力，而非传统对于图书馆信息资源的简单整合和管理。基于以上要求，图书馆工作人员的组织结构也会发生变化，馆员队伍的层次结构也会更加多样化，对专业技术水平的要求也会逐渐提高，进而影响原有工作人员的职业规划。
2.对图书馆技术体系产生影响
大数据时代下，图书馆的信息服务职能也会面临硬件以及软件等技术的挑战。大数据时代，信息资源主要通过硬件平台来实现对信息数据的存储和运算，因此图书馆原有的硬件系统需要更新换代，以满足大数据时代下的硬件平台运行的高要求，实现信息服务功能。其次，据调查显示，现有图书馆运用的仍然是Web2.0技术基础，采用的仍然为大型关系型数据库作为后台支撑，这在一定程度上阻碍了图书馆个性化服务体系的实现。原有的数据系统，很难应用大数据时代带来的数据的价值，进而对图书馆的效益产生影响。
3.对图书馆业务功能产生影响
大数据不仅对信息资源具有收集、储存的功能，还具有分析总结的功能。因此，在大数据时代下，图书馆的业务功能不能仅仅局限于对各种载体，如书、报、刊、音视频资源等进行收集、整合和保存，还需要对用户的信息和阅读的频率等数据进行收集整合，并建立数据库，综合展开分析，才能发挥图书馆时代性的业务功能特点。另外，大数据时代下，抓住有效的数据就能在众多竞争中找到突破点，因此图书馆为了提高本馆的服务特色，必须将图书馆原有基础查阅服务功能转变为对数据的加工和分析服务，了解阅读者的阅读频率和阅读偏重点，从而对原有服务进行拓宽和深化，让阅读者体验到更加人性化的服务。
三、大数据时代下图书馆服务创新与发展的新方向
大数据时代下图书馆将面临增长迅猛的海量复杂的数据处理，在服务功能上需要进行改革和创新，从而适应时代的发展需求，获得长远发展。由此，大数据时代下图书馆服务创新与发展的新方向主要有以下方面。
1.服务的智能化发展
图书馆服务的主体主要是用户，在大数据时代下，要求图书馆在对用户服务的过程中实现智能化程度，如通过大数据技术对复杂数据的自动化收集和处理基础，实现用户在查找图书时能够自动抽取关键词、智能化抓取数据，进而对用户的搜索需求进行自动分析和预测，最后根据图书馆已有资源给用户提供帮助。这样一来，避免了由于图书馆信息资源的庞大而带来的搜索难度，提高图书馆给用户搜索服务职能的效率。另外，智能化的信息服务还能够将用户潜在的信息需求转化为实际信息需求，扩大了图书馆知识资源的价值范围，同时也让用户实现发现知识、挖掘知识的功能。
2.查询中形成解决方案
大数据时代下图书馆给用户提供服务的过程中，不仅仅是对用户提供知识查找和阅读功能，还需要发挥图书馆对于知识解答的功能，让用户对于信息的获取更加简单和方便，对于知识的理解和吸收也更加容易。这就意味着图书馆信息服务需要在用户进行信息查询和搜索中，对同一用户的不同信息需求进行分析和处理，进而得到用户信息需求的解决方案，提供最佳的选择方式，完成用户的目标。
3.根据用户的阅读需求进行个性化推荐
图书馆的资源非常丰富，馆藏量大，但并不是所有馆藏的信息都能够发挥知识价值，因此大数据时代下，需要图书馆对用户的阅读需求进行分析，进而推荐与用户阅读特点相关的但平时很难被用户察觉的信息资源。就如同在淘宝过程中，淘宝会根据用户搜索商品或者购买商品的记录情况，通过一些提示语向用户推荐一些相关的商品，“浏览了该商品的人还浏览了以下商品”。这种模式下，意味着图书馆需要对用户进馆的所有信息进行汇总分析处理，才能挖掘出不同用户群体的查阅特点，进而实现个性化推荐，最终提高和拓宽图书馆资源的利用率。
4.信息的知识价值体现
大数据时代下图书馆信息的知识价值体现是图书馆今后发展的重要趋势，大数据技术能够让图书馆大量显性的、无序的数据信息进行有效的整理，为不同需求层次的用户在信息资源的获取上得到不同的服务。也就是说，根据对用户信息需求的分析，能够让图书馆加强对信息的筛选和收集功能，并且加强从信息内部结构中深层次的提取知识，最大限度地发挥知识的价值。
四、大数据时代下图书馆服务创新和发展的具体建议
大数据时代给图书馆的发展带来了新的机遇，也带来一定的影响和挑战。笔者根据大数据时代的特点，提出以下建议。
1.实现图书馆结构模式的转变
大数据时代下，要求图书馆结构模式进行转变，从传统的图书资源、电子资源以及机构库等模式，增加大数据环境下的网络信息资源和用户日志数据资源的结构模式。实现质变和量变同时发生。图书馆可以根据大数据技术，对图书馆资源进行网络化整合，对用户进馆信息形成电子化档案，进而将用户信息形成一个特殊数据库，掌握用户的搜索记录，进而通过先进化的软件技术让图书馆信息资源与用户的信息需求进行匹配，为图书馆特殊化服务提供依据。
2.实现图书馆管理模式的转变
图书馆管理模式的转变意味着图书馆管理模式需要从管理的信息化转换为管理的数据化。在具体工作中，图书馆管理人员在为读者提供服务的过程中，对自己的工作情况进行记录，并将记录的信息形成业务数据，这样就能对工作人员的工作时间、工作内容以及服务质量等进行有效评估，从而确定绩效指标。其次，读者也可以对工作人员的业务数据进行阅读，了解工作人员的信息，从而选择合适的服务对象。这样就能大大提高图书馆管理人员的工作效率和工作成绩，也让管理变得更加高效和客观。
3.实现图书馆服务模式和内容的转变
由于图书馆结构性质的变化，其数据性要求程度越来越高，图书馆的服务模式和服务内容也需要进行转变。这就要求图书馆在给读者提供服务时，要从原来的点对点、面对点、线对点的传统服务模式转换为一体化服务模式，要求图书馆对用户信息进行有效追踪，挖掘用户的信息需求，从而实现对每个客户的个性化服务，满足用户个性化需求。
现今社会，大数据已经深入到我们生活的各个层面，给我们的生活既带来了便利也带来了挑战。大数据时代下，图书馆信息服务正面临着新的挑战，在信息的保存、开发以及利用过程中，如何利用大数据技术将图书馆大量的信息资源进行保存和分析、如何通过对用户信息的识别和分析找出潜在信息需求、如何在新时代下创新图书馆的服务结构和模式，都成为当前图书馆发展中首先考虑的问题。图书馆在应对大数据环境时，要充分利用大数据的技术特点，对原来的服务体系进行重构，进而全面发挥图书馆信息资源的知识价值，得到长远发展。
参考文献：
[1]陈 茫，周力青，吕艳娥.大数据时代下的图书馆移动服务创新研究[J].图书与情报，2014（01）：117―121.
[2]黄春英.探究大数据时代下图书馆的服务创新与发展[J].才智，2014（06）：290.
[3]彭文梅.大数据时代高校图书馆信息服务创新与发展[J].河北科技图苑，2014（03）：14―16.
云计算、物联网、社交网络等新兴服务促使人类社会的数据种类和规模正以前所未有的速度增长，大数据时代正式到来[1]。对于企业来说，大数据因其数据量大、处理速度快、类型多样、蕴藏着巨大的商业价值等优势成为企业新型的战略资产和企业核心竞争力的重要基础，为企业科学合理的经营决策提供有效支撑。在当今数据日新月异的时代，企业已经不满足于随机分析和抽样分析这样的捷径，而是需要来自各个渠道种类繁多的大数据规模，这一需求的诞生使得“云会计”应运而生。在大数据时代对数据进行研究已经不是新鲜话题，也有不少学者对云会计从不同角度进行探讨，但鲜有文章对大数据下的云会计进行分析，本文将以此为主题进行论述。
一、大数据时代云会计的概念与特点
“云会计”一词最早由程平等于2011年提出，定义为构建于互联网上，并向企业提供会计核算、会计管理和会计决策服务的虚拟会计信息系统。在会计领域，云会计作为新兴的基于云计算技术和理念的会计信息化模式，可实现企业信息系统的有效集成，提高企业的管理能力和竞争优势[2]。
大数据时代的企业对云会计的侧重点是企业的管理会计和财务决策，根据这一侧重点企业将会计信息化的建设和服务外包，企业为自己享受的服务付费。因此大数据时代的云会计涉及到云服务供应商和企业用户两个方面。云服务供应商不仅为企业提供与会计相关的信息系统，如会计核算服务、管理信息系统、企业决策系统等业务服务系统，而且为企业用户提供相关的软硬件基础设施和云会计服务平台，如云会计的数据库服务、会计信息化开发应用平台、集成管理系统、服务器、网络存储等。对于企业来说，云会计是由供应商基于互联网提供的，以会计信息系统为核心的综合系统服务，且企业只需为其享受的服务付费[3]。
二、大数据时代云会计应用的体系结构
大数据时代的云会计系统的基本结构没有发生大的改变，主要是根据大数据时代数据庞杂且非结构性强等特定，增加了几个模块。主要由内部云、外部云、大数据模块和知识辅助模块构成[4]，具体如下图所示：
图1 大数据时代云会计体系结构
在图1中，企业通过统一访问门户Portal访问云会计平台（内部云、外部云），利用云计算中的Paas（平台及服务）为云平台提供技术支撑。内部云平台是企业会计信息系统的核心板块，为企业提供财务业务处理和内部控制相关的信息系统[5]。大数据时代的云会计平台增加了外部云，外部云由交易所、会计师事务所、银行、工商、财政等信息系统构成，该模块的增加是为企业提供与其价值链相关的上下游企业以及相关社会部门之间的协同合作。企业的会计信息系统可通过云会计平台实现内部云与外部云的对接，更好的实现业务一体化协同。
大数据时代的云会计还增加了两个特殊的重要模块――大数据模块和知识辅助模块。企业内部云产生的财务数据以及外部云产生的与价值链相关的数据存储到企业的大数据库中，由于存在数据来源复杂，数据结构各异且数据格式不一致等特点，必须通过大数据处理技术对数据进行抽取、存储、处理、分析，最后提炼为知识，形成企业的生产力，这些过程有企业大数据模块和知识辅助模块完成。
三、大数据时代下的云模型
大数据时代的云会计信息数量巨大且来源庞杂，非结构性强，含有很多不确定性和模糊性。为了将海量数据中的有用成分形成知识，将云会计中大量不确定性核算中定性分析转化为定量分析，本文引进云模型。
云模型最早由李德毅院士提出，云由云滴组成，云滴在论域上的分布称为云模型。本文研究云模型中的一种形式――正态云模型。定义正态云需要通过云的三个数字特征：期望Ex，熵En和超熵He。期望值Ex是云滴在论域空间分布的期望，是云中心对应的x的值；熵En代表定性概念的可度量粒度，是对不确定性的度量；超熵He 是熵的熵，是对熵的不确定性度量。
正态云的生成算法既可以用软件的方式实现，又可以固化成硬件实现，称为云发生器（Cloud Generator）。本文通过一维正态云发生器生成云模型。
正向云发生器（Forward Cloud Generator）是从定性概念到其定量表示的映射，它根据云的数字特征（Ex，En，He）产生云滴，每个云滴都是该定性概念的一次具体数字实现。对于定性概念A，产生一个期望值为Ex，方差为En的随机数Xi，即Xi～N（Ex，En’2），产生一个均值为En，方差为He的正态随机数En’，即En’～（En，He’2）。
计算数据的样本均值，由均值得到期望Ex=1n∑ni=1Xi
计算一阶样本绝对中心矩，得出样本方差和熵En=π2×1n∑ni=1|Xi-X―|
根据正态函数的性质，有yi=Ic（x）= e-（x-Ex）22En′2
令（xi，yi）为一个云滴，它是该云表示的语言值在数量上的一次具体实现，其中xi为定性概念在论域中这一次对应的数值，yi为属于这个语言值的程度的量度；对论域中大量的定性概念进行定量度量，直到产生满足要求数目的云滴数，形成云模型：f（x）=∞-∞12πHe|y|exp[-（x-Ex）22y2-（y-En）22He2]dy
突围后PC时代
一名父亲对美国连锁超市Target大发雷霆，原因是这家超市向他17 岁的女儿发婴儿尿片和童车的优惠券。然而一个月后，这个父亲来电致歉，因为他的女儿的确怀孕了。在这个秘密被发现的背后，是Target刚刚运行的大数据系统，它能够将客户细分到令人惊讶的程度，比如能够根据女性的购买习惯，分析出顾客是否可能怀孕，而接下来的几年中，这套系统还可以帮助Target根据婴儿生长周期情况定期给这些顾客推送相关产品信息。
正是这些原本难以处理的数据，酝酿着一场全新的革命，改变着整个世界的运行方式。数据已经成为数字时代一种新的资产类别，随之而来的是一个巨大的市场。今年大数据对全球IT开支的直接或间接推动将达960亿美元；到2016年，这一数字预计将达到2320亿美元。无论是硅谷新贵还是老牌IT王者，都不愿意错过这即将到来的盛宴。在PC增长速度放缓的“后PC时代”，英特尔、微软等传统巨头，也开始借此新的增长点，书写大数据时代新的赢家格局。
对于芯片霸主英特尔来说，大数据是一个全新的也是最重要的战场。作为最早一批进军大数据市场的企业，英特尔在这一领域发挥着相当重要的作用。据统计，2011年英特尔以7.65亿美元的运营收入位列大数据市场的第二位，仅次于IBM的10亿美元。2012年英特尔更是加大了在大数据技术研发的投入，如今，大数据与云计算、高性能计算被视为其最重要的三大战略。能否让自己在软件和硬件平台的优势在大数据市场发挥魔力，从而帮助客户高效分析挖掘出蕴含可贵商业价值的信息，以便做出明智的商业决策，成为英特尔的决胜关键。
整合战略“软硬兼施”
对大数据的分析却并非易事，要想及时捕捉、存储、聚合和管理大数据，以及对数据进行深度分析和挖掘，这离不开Hadoop这一热点开源软件，它成功解决了大数据分布式存储、并发式访问等问题。对硬件有着深刻理解力的英特尔针对中国市场推出了英特尔Hadoop发行版，满足具有代表性的中国客户和市场需求，然后在全球范围推广。
【关键词】大数据时代；人力资源管理；影响；特点；风险
一、研究综述
（一）研究背景
“大数据”时代最早由全球著名咨询公司麦肯锡提出，它在其《大数据：创新、竞争和生产力的下一个前沿》的报告中指出：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。”大数据的思潮迅速的波及世界的每一个角落，这犹如一场即将到来的革命，冲击着人们的传统的观念。大数据早已有之，之所以“大数据时代”的概念一直到最近几年才提出，是因为以前大数据的运用领域比较窄，很多领域还没有大数据的概念。但是现在，大数据已是一个十分流行的名词。
大数据借助互联网技术迅速发展，各个领域的学者开始思考量化在自己领域的可能性。同样，大数据也将对于人力资源管理领域也将产生深刻的影响，越来越多的学者开始思考这一时代对于人力资源管理的意义。我们应该思考，是否可以借鉴大数据的思维和技术去解决诸如人力资源管理难以量化的难题？是否可以更好地衡量人力资本的价值？
（二）已有研究现状
目前国外关于大数据在人力资源管理领域的研究基本没有，而更多的是有关大数据技术应用方面的。国内现阶段对于本课题的研究是最近两年兴起的，由于“大数据”时代是最近两年兴起的趋势，因此国内本课题的相关研究并不是很多。
和云（2014）认为利用大数据方法丰富人力资源管理手段方法，无疑成为大数据时代企业人力资源管理变革不容回避的现实选择。唐魁玉（2014）在“大数据”时代，微观人力资源管理和宏观人力资源管理都会受到不同程度的影响。
二、大数据时代的特点
（一）数据规模大
大数据时代最为显著的一个特征就是数据量非常庞大。原有的GB、TB的数量级已经无法满足需求，大数据的起始数量级一般认为是PB（1024TB），而EB（1024PB）、ZB（1024EB）的数量级也已经使用。这也正是因为数据量过大，传统的数据处理手段无法达到人们对于数据处理的需要。
（二）数据种类多
大数据时代数据已经不仅仅局限于原有的结构化数据，半结构化、非结构化数据已经越来越多的运用到数据的处理当中，文字、音频、图片等等都已逐步数据化。当半结构化、非结构化的数据能够被大规模收集和分析时，我们才能获得以前所无法得到的信息，而这也有利于我们分析现象的本质。
（三）数据更新速度快
大数据时代的另一大特点就是数据更新速度快。随着互联网的发展，人们每天所接受的信息量十分巨大，据研究，现代人每天所接触到的信息是古代人一年的信息量。而这也导致了数据的更新速度十分迅速，据研究，全世界每年的数据量每年以50%的速率增长，也就是说，超过一半的数据是人类近两年产生的。而这也体现数据的时效性，过了一定的时间数据很可能价值就会大大降低。
三、大数据时代人力资源管理的变革
在大数据的浪潮汹涌而来时，也让各行各业的HR们和人力资源管理领域的学者们陷入了思考之中。到底大数据对于人力资源管理会产生什么样的影响？是否能将大数据的思维运用于企业人力资源管理的工作中？对于这些问题，笔者认为，大数据的思维对于人力资源管理的影响是广泛而深刻的，它有可能改变原有的人力资源管理的理念和其各个模块的工作方式。笔者将从以下几个角度进行分析：
（一）企业招聘的精确化、节约化
在大数据的条件下，原有招聘模式遭到挑战，企业可以通过互联网进行大范围的快速收罗符合职位要求的人才，通过大量个人信息和公共信息的对比，分析出最适合特定职位的应聘者，实现人才搜寻的精确化。另一方面，由于大量的工作可以在计算机上完成，省去了外派实地招聘和广告的经费，这也一定程度上实现了成本的控制。
（二）培训的个性化
大数据给培训带来的利处就是可以实现培训的个性化，我们知道，实现个性化培训的最大难题之一就是员工个性的把握，而在大数据条件下，企业可以根据员工大量结构化和非结构化的信息数据，分析员工的具体需求或者是不足之处，为员工准备个性化的培训“套餐”，实现“私人订制”。另一方面，可以依托大量网络培训资源，最大程度的降低成本。
（三）绩效考核的全面化
以往的绩效考核只能针对可以量化的工作指标，存在绩效考核不全面的缺点，运用大数据的技术，我们可以掌握更多的与绩效相关的指标，并将这些数据进行处理，以更全面地得到员工的绩效情况。同时，大数据的高速更新特点能让管理者第一时间了解员工的状态，帮助管理者做出预判或者快速决策。
（四）员工关系的预判性和人性化管理
以往大多数情况下，企业管理者只能在员工产生矛盾之后才能进行协调和解决，而现在通过对员工大量非结构信息的分析，可以了解员工最近与同事之间的关系状态，一旦发现有苗头能够及时协调，避免员工之间关系的恶化。另一方面，利用大数据更新快的特点建立实时获取员工各方面需求的机制，为员工营造满意的工作环境，以促进其工作效率的提高。
四、总结与反思
大数据时代的趋势不可避免，正如哈佛大学社会学教授加里・金所言，所有领域都受到了这一趋势的影响，人力资源管理领域也是如此，我们应该更多的思考我们能从这一趋势中探寻出发展人力资源管理领域的更好的道路。
另一方面，我们也应该反思大数据时代可能带来的风险，数据安全就是一个无法忽视的重要隐患，如何保护员工的信息安全，数据一旦泄露如何处理等等都是必须思考的问题。此外，大数据的质量也是一个非常关键的点，如何确保数据质量也值得我们深思。
参考文献：
[1]麦肯锡环球研究院.大数据：创新、竞争和生产力的下一个前沿[R].美国：麦肯锡公司，2011
[2]和云，安星，薛竞.大数据时代企业人力资源管理变革的思考[J].经济研究参考，2014，23
[3]唐魁玉.大数据时代人力资源管理的变革[J].中国人力资源社会保障，2014，03
购物车(0)