大数据论文篇(1)

“大数据”成为互联网热门词汇大约从2009年开始，到了2013年，大数据对各领域都产生了巨大的变革力量，2013年被称为“大数据元年”。[1]大数据时代势不可挡，与媒体密切相连的特性使得参与网络教育的人员会通过更多的移动设备接入到网络中，数据的数量会大大增加，增长速度会大幅加快，大数据对于网络教育的影响不仅仅在具体方法上，也体现在思想上。对于文献的检索，我们通过高级检索，分别以主题为“大数据”包含“网络教育”、“在线教育”、“远程教育”为关键词在中国知网（CNKI）中进行检索，共检索到相关期刊文献64篇，手工去除不符合要求的通知或者征稿等无关信息，剩余18篇文章。文献发表时间分布于2013年至2014年，数量也从4篇迅速增长到了14篇。文献的主题也多种多样，主要集中在平台建设发展、学科建设、师生关系、学习工具等方面，研究者主要关注大数据技术的发展和应用对传统的网络教育产生的深远的影响，帮助网络教育摆脱发展瓶颈，找寻到一条符合国内现状的发展道路。可见由于大数据的迅速发展，对教育领域特别是网络教育产生了巨大的影响。

二、我国基于大数据的网络教育研究的内容分析

大数据技术在网络教育的应用，对于传统平台的更新建设，推动学习者个性化学习，促进师生交流、生生合作都具有非常重大的意义。另外，对于平台中课程点击量、浏览量的记录和分析，也能动态地设置学习内容，教学组织形式，满足学习者多样的学习需求。

（一）通过对大数据的梳理，分析网络教育

平台发展困境，有针对性地寻找解决方法，以促进平台的建设张辉[2]指出：移动学习绝不是简单的网络学习移动版，需要更深层次的探索和研究。在大数据的支持下，研究者可以得到全文本的数据进行分析。通过对发展模式、受众对象、学习资源、支撑环境等数据的分析，我们发现网络平台发展的现实困境，理论研究深度不足、学习资源针对性不强、即时通信反馈手段落后，这些问题制约了学习者平台学习的动力。根据问题有针对性地作出切合实际的需求分析，进行个性化的信息建设，加强实时反馈提高学习效率，从而建立全方位覆盖社区居民学习需求的学习平台，有效落实建设学习型社会的要求。翟霞[3]指出：大多数干部网络教育平台的考评采用“学时制”和“学分制”，即以学习时间作为学习的考核标准之一，这样的方式即使学习者只是播放学习课程而没有进行学习，平台也无法得到相关数据和反馈。大数据技术可以为其提供学习过程的监管，对学习者学习提供有效的进度控制和实时反馈，为学习者提供根据随课程内容和学习者反馈而变化的帮助。网络教育平台学习者每一次学习的数据的收集和分析，能够为平台发展建设提供有价值的参考，帮助平台优化学习者的学习环境。基于大数据的分析调查比以往基于抽样的问卷或者电话调查的方法都更加全面有说服力。

（二）教学和考核方式的创新推动学习者学习的个性化发展

大数据时代，学习者在学习过程中留下很多数据碎片，通过分析这些数据碎片能够分析出学习者的学习模式，为学习者提供个性化发展的环境。马星宇[4]指出，新兴在线教育在教学以及考核方式上较以往的开放式教育有所创新，以MOOCs（MassiveOpenOnlineCourses）为代表的新兴在线教学模式的特点就是让任何人在任何时间都可以学到任何知识，这必然会改变传统的以传授单一课本知识为基础的教学模式。对于教师来说，科学技术的进步，能够使学生的反馈更加细化帮助教师有效评估每位学习者的学习情况，为学习者提供符合他们学习需求的进度和强度。对于学习者而言，学习者通过对自己学习数据的分析也能够进入“自主进度式学习”，数据分析结果让学习者根据自己的进度使用视频进行学习，学习者根据自己的进度在掌握不好的章节进行反复学习，直到达到100%精通。对于学习内容的构建，在线教育就是一种基于标准算法和数据挖掘为基础的个性化学习服务。只有不断根据目标学生的需求和社会的需求来不断完善教学内容，才能满足学习者获得知识的需求。张辉[2]指出，依靠“大数据”的分析能够建设用户参与资源的个性化配置和推送，自动生成每个学习者感兴趣的教学资源。在线平台要收集学习者在平台上依据自己的兴趣点和关注点进行主动地点播学习内容的“点击流”数据，根据一定的规则给予每个学习者适当地资源推送。从而满足每个学生学习的个性化需求，促进学习者的个性化发展。

（三）大数据环境实现网络教育完美的在线交互活动

为了平衡资源分配的不均衡，中国早期的在线教育只是简单的把传统课堂中的课程的学习内容和学习材料照搬到网络上，使网络成为知识流动的通道。刘涛指出，这样的在线教育与传统教育相比，唯一的区别就是学习材料的数字化和学习界面的网络化，缺乏“个性化”的在线课程导致在线教育的学习效果大打折扣，效率比传统教育显得低下。这种困境应该通过大数据环境推动在线服务的个性化，促进新型师徒关系的产生，即在线教育的数据库根据每个学习者的不同个人情况提供完全“个性化”的学习内容，包括具有针对性的学习材料，通过在线测验发现每个学习者的知识弱点，针对这些弱点进行相对应的重点训练，基于记忆规律的复习提醒机制。这种就形成了师生的新型“师徒关系”。这种模式能够让教师完全了解每一个学习者的水平和学习能力，显然是学习的最有效的方式。邢丘丹等指出，在线教育交互分为个别化交互和社会化交互，前者是学习者和学习资料之间的交互，后者是学习者和教师或者学习者之间的交互，社会互是提高在线教育交互水平的关键因素。在线交互平台身份认证体系的建立，针对信息资源的存储和分析，服务器等硬件设施的架构都能够推动在线教育交互活动的顺利进行。

（四）大数据时代推动新型学习支持工具的发展

张振虹等[8]指出，学习仪表盘是随着在线教育蓬勃发展和大数据时代来临而产生的一种新型的学习工具，基于信息跟踪技术和镜像技术，对学习者的学习行为、学习习惯、兴趣等信息进行有效的记录和追踪，通过科学化的分析，达到可视化和个性化的显示，为在线学习的学习者、教师、教育管理者和研究者提供多方面的学习信息，也帮助学习者进行有效的自我认知，帮助自我实现个性化学习。新型学习支持工具的出现和发展为学习者在网络平台进行学习提供了高效的学习支持。

三、研究的发展趋势

大数据论文篇(2)

大数据与工程造价融合的意义主要分为两个方面：一方面，此种类型的融合切实的推进了大数据体系的发展与完善，从应用的层面对大数据的概念与理论进行升华，并为大数据在企业基础管理层面的应用奠定了方向，为后续企业管理方式、战略制定等核心控制途径提供了另一种优化思维；另一方面利用大数据与工程造价的融合，能够彻底完成工程造价的电算化体系建设，由单一的计算机为工具的计算方式向计算机为主体的预算模式转变，能够有效的推动我国工程造价电算化的体系建设。而就融合后的优势而言其主要分为如下几个方面：（1）增加工程造价的合规性。大数据的优势在于多维度数据之间的相互认证，能够有效的剔除异常数据，并使得其在更长的时间节点上保障数据的准确，进而体现了工程造价的合规性；（2）增加工程造价的动态性。通过大数据手段对其数据库进行构建，不仅能够使得数据库处于时刻的变更与更新过程，还能够通过对更为基础的成本信息监控建立必要的预警机制，使得数据具有动态性的同时保障动态性对工程的指导意义；（3）增加工程造价的全面性。利用大数据手段对工程造价体系进行构建不仅能够在物料成本、运输成本以及人工成本等一系列可控因素方面加以体现，还能够对由于气象、质量评价等隐性影响因素加以体现，使得工程造价成本结构更为合理，数据更为全面；（4）增加工程造价在后续施工建设中的指导性。造价预算是一个动态系统，并对建设全生命周期的成本进行预判，对后续的施工具有更为重要的指导意义。

二、大数据与工程造价融合途径分析

上文讨论了大数据与工程造价融合的意义与优势，通过上文的分析我们可以认为工程造价与大数据体系的联合是未来其电算化体系发展的重要模式。而如何建立融合途径，将大数据思维融入到工程造价管理体系中来是摆在我们面前的主要问题。本文认为，其具体的融合途径可以从硬件、软件等两个方面来进行开展。

1硬件层面硬件准备是完成大数据与工程造价融合的第一步

，同时也是其重要基础。在具体的硬件层面的构建主要分为如下几个方面：第一，需要完成相关硬件设施的配套工作，大数据存储及其分析是一个系统工程。需要提高相应工作环境的计算机水平，并建立大型数据库以供后续具体实行奠定物质基础；第二，建立与其他数据库的联通硬件准备，大数据计算不能依赖于单一的数据库，由于其数据来源的多元化，因此数据库之间的互通要求相对较高。在此方面准备的过程中不仅需要做到数据库之间实时的数据调取，更应该做到数据的安全保障。

2软件层面大数据与工程造价融合途径

融合过程中的软件准备更为重要，具体可以分为如下几个方面：一方面，我们需要做好相关的人力资源配伍，在工程造价预算团队中形成大数据的思维，并将其融入到全部的工作中去，避免其仅作为一种工具的尴尬局面；一方面，我们需要做好相关的软件设计基础，即保障软件的有效性，同时对软件实际价值进行讨论。另一方面，我们需要相关的人才与相关技术的准备。不仅通过人才引进等方式提高团队的整体大数据适应性，还需要通过对原有员工的培训来使其掌握大数据应用原理与技术。

三、基于大数据的工程造价体系优化

上文对大数据与工程造价体系的具体融合与准备进行了讨论，在实际的执行过程中还需要系统的数据划分与数据库分类才能够将这一技术具体的应用到工程造价领域。根据工程造价的相关因素与次级因素，本文认为需要对如下数据进行具体的明确其主要的大数据类型分为四项，说包含的二级变量为15项，数据项目均有独立的数据库来完成累计与存储，并建立在时间节点下的生成报告与数据节点。在实际的电算化工程造价的计算过程中对不同时期内的数据进行调取能够生成整体的造价变化曲线，同时由于其动态数据计算的总类相对较多能够使得数据之间具有严谨的逻辑关系，如工种信息、工时以及工种成本之间即通过之间数据的变动来表征总体人力成本的总量变化，又通过其严谨的内在逻辑来保障数据与造价计算的准确性。此外，通过此种大数据的规划模式还能够对空间轴变化规律以及时间轴变化规律的不同阶段成本开支进行细分。如施工建设过程中物料运输的垂直变化决定了工期的不均衡分布；气象信息的变化决定了工期信息的非计划变动等因素，通过对上述若干个指标的监控能够使得工程造价体系对实际的工程施工起到指导性作用。

四、总结

大数据论文篇(3)

1.互联网融资平台的技术优势。首先，传统信用评级使用的数据，主要是来自于企业在各类生产运营活动结束后汇总、记录的运营数据，这些数据多以文件或电子文档的形式存在。比如从企业财务报表可以获得财务数据，从季报、年报等可以获得销售数据，从仓库台账可以获得存货数据等。而利用大数据技术，则不局限于生产运营结束后，从运营前的准备过程、运营中的操作过程都可以收集到数据进行信用分析，数据的形式从文本扩展到音频、图片、视频等多媒体形式，收集的范围也从企业文件扩展到各种存储媒质、互联网网页上、电商网站的后台数据库中，甚至社交软件的聊天记录里，从运营大数据扩展到交易大数据、交互大数据，因此包含的内容也更加丰富，不仅包含传统评级必需的“硬信息”，也包含丰富的“软信息”，从而形成实现对企业的全面、实时、动态性信用评级的基础。其次，在获取到这些信息后，需要在云计算下利用大数据机器学习技术进行数据挖掘和知识发现，这需要有软件和硬件良好的结合与支持。互联网平台能够为云计算和大数据机器学习提供这种对接通道。由此可见，利用人力资源进行信用评级的传统做法在信用大数据下就不再适用，而必须在一个组织规范的互联网平台上才能进行，因此通过互联网平台进行信用评级是技术上的必然要求。

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。

五、结论和展望

大数据论文篇(4)

基于大数据的智慧云公交调度管理系统建立于智慧公交调度之上，以公交调度业务为主线，在公交车上部署GPS一体化设备、视频监控设备等，以2G/3G/4G为网络通道，上位机上部署服务器、调度工作站、维护工作站、监管工作站等硬件设备，以及相关的调度作业、实时监管、远程维护等软件系统，实现上下位数据交互。

2技术框架及功能设计

为了确保公交数据多年的数据不丢失，公交系统运行稳定、快速高效，整个系统采用数据仓库、云技术、大数据、虚拟网络等高端技术设计，实现从终端数据采集、基础数据运维、调度作业、实时监管、高级挖掘分析等功能。服务器集群由GPS前置机、时实库处理服务器、数据库服务器、WEB应用服务器、文件服务器、流媒体服务器等服务器及相关的交换机、路由器等组成。放在中心机房，统一管理和维护。公交车安装GPS一体化设备、视频监控设备等，实时传输车辆的运行状况数据、接收并处理调度中心发出的信息、报站及预报站，与后台管理中心进行双向信息交流和通话。同时，车载终端系统还会对车辆速度、行车线路、停靠站点等进行智能分析，当某些参数超过标准值时，终端系统会自动报警，司机可采取相应措施，使公交车更加安全可靠。同时，调度中心能掌握路上运行车辆载客量、速度、停靠、等各种情况信息，可根据车辆位置速度等因素预计出车辆到站时间、距离等，并将这些预报信息通过GPRS发送到各电子站牌显示出来，乘客通过电子站牌可清楚了解等车情况，极大方便了乘客，提高了公交服务质量。调度中心和二级调度通过调度管理系统，将电子地图、公交线路网分别或同时，全部或局部显示在屏幕上，通过操作可以在电子地图上选取车辆并显示此时车辆的运行状态、速度、方向、线路号、车牌号码、车型等，实现监视、调度、管理各自管辖的公交车，并对公交车、司机等进行上下班、里程、正点率、完成率、油耗、材损等考核和独立核算。

3关键技术分析

3.1数据仓库设计、数据挖掘实现

公交GPS数据每10s上传1包（约100个byte），每辆车平均运行14个小时，1万辆车1个月的GPS实时数据大约为151M，加上调度排班、报警、加油加气、维修保养、票款收入等数据，每个月的实时数据大约500M，若加上视频监控报警采集数据（1个月约30G）将达到1年就是366G，存储10年就是3.7T，这样大规模的数据要快速存取，用以往的关系型数据库管理已经很难满足要求，所以采用大数据技术对这些数据进行存储、清洗、梳理、钻取，按需求将数据分布统维度和粒度生成熟数据保存，采用数据挖掘算法，快速为用户按需提供数据是必然，也是实现基于大数据的云智能公交调度管理系统的基础。

3.2云技术服务技术

大数据存储在数据中心，而应用存在各个离散的终端，网络资源不一致，通讯速度也千差万别，大规模数据快速访问而不耽误公交实时调度，用原始的方法几乎是不可能满足需求，利用云技术，将数据分块、切片、缓存、差异化数据交互等处理，建立云服务及云端应用机制，实现全网硬件资源综合利用的大虚拟网络环境，充分利用网内所有硬件资源，实现公交快速调度作业是该系统的关键所在。

4结论

大数据论文篇(5)

（1）从数据规模上说，项目型组织在项目管理创新中所能利用的数据规模之大超出了传统认知的范畴。一是自项目型组织成立开始，就不断地积累着与项目相关的各种信息和数据；二是随着相关制度的完善，大量与项目型组织及项目相关的数据通过政府信息平台得以公开；三是遍于媒体和网络中各类相关数据和信息。所有这些信息加起来，成为项目型组织进行项目管理创新中可待开发的无尽财富。

（2）从数据来源和结构的角度看，大数据具有多源异构特征。多源性体现在项目管理创新涉及的数据不仅来自于项目型组织和项目本身，还可能来自于政府相关部门、其他组织和网络媒体；异构性一方面体现在数据的表现形式，项目管理创新中的数据不仅以电子形式存在，还可能以纸质或音像制品等其他形式存在，另一方面，从使用的角度看，数据不仅包括可以直接使用的结构化数据，还包括海量的需要进一步处理的半结构化数据和非结构化数据。

（3）从数据的动态性角度看，不论是项目型组织、项目本身还是外部相关数据都处于一个不断积累的过程中。对这些新的数据流的实时处理，为项目管理创新的持续提升和改进提供了可能。

综上所述，大数据成为当前项目管理创新的基本背景。大数据之“大”，对于项目型组织开展项目管理创新具有如下影响：

（1）大数据的存在扩展了项目型组织可利用的资源和条件的范围，使得项目型组织能够在一个更广泛的组织生态中开展创新工作。

（2）大数据决定了项目管理创新是数据驱动的，大数据的存在使得项目型组织开展项目管理创新决策更为科学，数据分析结果成为创新方案决策和评估创新绩效的核心依据。

（3）大数据要求项目型组织在组织文化及工作流程等方面做出相应改变，以适应新背景下项目管理创新的要求。一方面大数据之“大”，要求项目型组织变革创新思维方式，从动态的视角出发，基于动态的数据收集和分析结果做出决策；另一方面，在大数据背景下，创新的中心不再仅仅是流程、知识或者技术，而是数据和基于数据分析的发现，这就要求项目型组织必须重视项目管理创新中的数据问题。

2传统项目管理创新与大数据下的项目管理创新比较

项目管理创新的传统模式，主要是基于工程实践、问题驱动的探索式创新。这种模式从特定的工程实践管理问题出发，借助组织知识和专家智慧，利用定性分析或定性与定量相结合的方法，找到解决问题的途径，实现项目管理创新。近年来较有影响力的项目管理创新，如苏通大桥工程项目的综合集成管理、京沪高速铁路工程的标准化管理等，就是这类创新的典型代表。由于探索式创新往往是针对一类特定的工程，使得同类工程项目，能够在已有探索式创新的基础上，通过非本质性的修正，解决本工程面临的管理实践问题，从而形成传统模式的一种衍生模式，即借鉴式创新。但借鉴式创新往往重在形式而非本质，所以鲜有成功案例。例如在京沪高速铁路工程的标准化管理创新取得成功后，大量高速铁路项目乃至公路项目都竞相模仿，但从实际效果看，并不如预期那么理想。大数据下的项目管理创新，则与传统模式有本质不同。传统项目管理创新犹如“池塘捕鱼”，而大数据下的项目管理创新则如同“大海捕鱼”。此处的“池塘”和“大海”指的是创新的环境和条件，“鱼”代表的是可能存在的项目管理创新选择，而“捕鱼”的过程即是实现项目管理创新的方法和路径。环境和条件的变化，必然影响到可能的实现途径和结果。因此，从“池塘”到“大海”的变化，决定着传统项目管理创新和大数据下的项目管理创新存在着诸多本质性的区别。

2.1创新环境和条件的区别

传统项目管理创新的基本背景是“池塘”，“池塘”意味着有限的生态，即创新是围绕着组织知识、专家智慧等少数项目型组织自身可能拥有的资源展开的，资源的有限性限制了实现创新的手段和方法。大数据下的项目管理创新，其基本背景是“大海”，“大海”在某种程度上意味着资源的无限性，大数据下的项目管理创新不仅依赖于项目型组织，还可借助于更为广泛的组织生态中的资源，从而为创新提供了更为有利的条件。

2.2驱动因素、创新方式和路径的区别

传统项目管理创新是问题驱动的，项目型组织领导、管理专家等在“池塘”所提供的资源条件下，应用德尔菲法、头脑风暴法、决策树法等定性或定性定量相结合的方法，自上而下地找到一种创新的方案。而大数据背景下，创新不仅可能是出于问题驱动，同时也可能是基于数据，更多情况下是二者的结合，即提出问题，然后借助于数据确定问题。考虑到数据的共享性，在大数据背景下，可以通过更广泛参与的形式实现项目管理创新。一方面，项目型组织的领导及专家，借助于专业人员对数据的分析处理，形成初选方案，另一方面，项目型组织中其他人员也可以在数据平台下开展研究和分析，提供备选方案，甚至还可以通过一定程度的数据公开，如同众包类网站那样，寻求网友提供的解决方案，从而形成项目管理创新备选方案集。从创新路径来看，大数据背景下的项目管理创新，不再仅仅是自上而下的，而且还可以是自下而上，甚至是网络化的协同方式。在大数据时代，数据是项目管理创新中最重要的要素，而数据分析方法则是寻求创新的核心问题。目前常见的云计算、数据分析等，尽管也可以用于传统项目管理创新问题，但在大数据背景下，这一问题的应用广度和深度完全不同。

2.3创新结果及成功关键因素的区别

传统项目管理创新中，受创新背景、条件和手段的限制，可能获得的创新方案是有限的，并且最终创新方案能否获得成功，关键在于资源约束下专家知识的应用。在大数据背景下，创新方案存在更多的可能性，并且最终创新方案决策主要取决于数据分析的结果以及项目型组织对结果的解读；创新方案在实践中是否成功，关键在于数据的可得性和数据分析结果及解读的准确性。基于以上分析，传统项目管理创新与基于大数据的项目管理创新的区别如表1所示。

3基于大数据的项目管理创新模型

大数据是项目管理创新的核心要素，而数据处理过程则是大数据问题的关键。相关领域的研究表明，数据处理过程与创新过程存在一种耦合关系，因此，围绕着创新过程中的数据问题，本文建立了基于大数据的项目管理创新模型。

3.1数据获取与创新问题界定

在项目开始，项目型组织首先要确定是否要进行项目管理创新。这一决策涉及的关键问题是数据的获取问题。借助于BIM技术，将项目的主要技术数据以二维或三维方式呈现出来；借助数据转换技术，将现有的其他形式的数据转化为电子化信息；借助各类信息检索技术，利用搜索引擎等搜集媒体上公开的相关数据。基于获得的这些数据，项目型组织评估是否要进行创新以及能否创新。一旦做出肯定的回答，则需借助于数据，根据项目型组织管理层及专家知识确定项目管理创新问题。问题的界定通常包括两个阶段：一是大致确定需要创新的范围或领域；二是借助于初步的定性数据分析，明确界定创新问题。

3.2数据处理分析与创新方案决策

这一阶段，主要是项目管理创新方案决策，而创新方案的形成和决策则取决于数据处理和分析。项目型组织获取的各类数据，需要进一步的处理，首先需要将大量半结构化数据和非结构化数据，通过数据整合和数据提炼，转化为可用于分析的结构化数据，形成项目管理创新的数据平台。然后由专业分析人员应用云计算、数据挖掘技术、统计分析等分析技术，找到项目管理创新问题范畴内，各类数据之间的关联模型，通过数据分析发现可能影响创新成功或失败的关键因素，提炼出项目管理创新中的核心问题。项目管理创新一般涉及到大量的问题，而数据处理的结果，因数据的可得性、数据人员的专业能力、使用的数据处理方法以及对分析结果的解读的不同而有所差异，并进而可能影响到项目管理创新方案的科学性和合理性。通过共享数据平台信息，项目型组织可以在不同层面、不同维度上获得项目管理创新方案，一是项目型组织领导或专家，自上而下地根据数据分析结果形成项目管理创新方案，二是由项目型组织工作人员，根据数据分析结果自下而上地形成项目管理创新方案，三是可以通过项目型组织外部人员，利用网络渠道收集数据共享平台形成的方案，最终构成项目管理创新方案集。根据数据处理分析的结果，对备选项目创新管理方案进行再验证，包括形成方案的依据的合理性和科学性、预测方案实施成功的概率、以及可能取得的效果，从而择优选择创新方案。

3.3动态数据与创新方案实施

创新方案在项目生命周期内实施，随着项目的进展，一方面项目实施方面的数据在积累，另一方面，创新方式实施绩效的数据也在积累，这两类数据经过收集、处理过程，成为数据共享平台的一部分，并为项目创新方案的实施绩效评价提供依据。同时动态数据的分析结果，有助于项目创新方案的动态优化。从而确保方案不是一个静态的过程，而是随着项目的进展而处于持续改进的过程之中。

3.4新一轮数据收集和分析过程与创新方案的提升

基于大数据的项目管理创新方案，始终经历着数据分析结果的检验，借助数据收集和分析，应用于其他类似项目中去，因而可能避免借鉴式创新带来的困境。通过对新的项目的相关数据的收集和进一步分析结果，可以恰当的方式对原有项目管理创新方案进行修正，从而在某种程度上实现项目管理创新方案的提升。

4大数据下项目管理创新实施建议

为使基于大数据的项目管理创新模型在项目实践中具有可操作性，提出如下建议：

（1）项目型组织应着手进行企业文化和决策机制方面的改革。努力建立一种与大数据管理创新相适应的广泛参与的企业文化，将以往基于组织领导者意图或专家知识的决策转化为数据驱动的决策，以数据分析结果作为决策和评价的基础。

（2）以信息化建设为中心，优化设计组织结构。项目型组织宜在传统的职能型或矩阵制组织结构中增加专门的信息部门，用以收集、处理和分析数据，为项目管理创新及其他组织业务提供支持，同时加强信息部门与业务部门、外界的配合与合作，尽可能完善地获取数据和信息；以信息化为中心重新组织工作流程，实现从业务部门、项目型组织到组织生态等不同层次的数据过程的贯通。

大数据论文篇(6)

1.计算机网络安全概述。

计算机网络安全，是指利用相关网络管理控制与技术，确保在一个网络环境中数据的完整性、保密性及可用性。计算机网络安全，主要包括逻辑安全与物理安全两个方面，其中，逻辑安全包括数据的保密性、完整性及可用性，防止没有经过授权对数据进行随意篡改或破坏的行为；物理安全包括相关设备与设施在受到物理保护的条件下保护设备上的数据免于丢失、破坏。

2.计算机网络存在的主要安全问题。

目前，计算机已经广泛应用于各行各业，人们对计算机网络的认识与利用水平也显著提升，办公、社交、生活等方方面面都离不开计算机网络。计算机网络在丰富和改变人们生活的同时，其存在的安全问题也不得不让人们警醒，经过笔者梳理，计算机网络安全问题主要存在以下几个方面：

1）网络病毒所导致的安全问题。

在计算机网络技术快速发展的过程中，也出现了越来越多、感染力越来越强的新病毒，它们无时无刻地影响着计算机网络的安全。由于计算机网络病毒具有复制性，能够感染其他程序和软件，因此，一旦计算机中了病毒，其所运行的每一步都将是危险的，都会存在让病毒也随之运行并产生破坏行为，然后应用程序被破坏，机密数据被盗用或被破坏，甚至让整个计算机系统瘫痪。

2）人为操作失误所导致的安全问题。

在人们进行计算机相关操作过程中，人为操作失误可能会引起计算机的安全漏洞，或者泄露了某些重要的信息，而这些信息一旦被不发分子所利用，便会造成难以挽回的损失。

3）网络黑客攻击所导致的安全问题。

在大数据时代下，网络黑客对计算机网络的攻击具有更隐蔽、破坏性更强的特点。由于在大数据时代下，网络黑客通过非正常手段窃取到某一重要数据时，一旦其利用这些数据进行非法行为时便会引起巨大的波及。同时，在海量的数据中，难以及时识别网络黑客的攻击行为，对于计算机网络安全而言是一种严重的威胁。

4）网络管理不到位所导致的安全问题。

在网络安全维护中，网络安全管理是非常重要的环节，但是目前很多使用计算机的个人乃至企业、政府部门并没有对网络安全管理引起足够的重视，从事使得计算机网络的安全受到各种威胁，最终导致大量的计算机网络安全事件频繁发生。五是，网络系统自身的漏洞所导致的安全问题。理论上而言，一切计算机网络系统都存在某些漏洞。同时，在用户使用各类程序、硬件过程中由于人为疏忽也会形成一些网络系统漏洞。二者相比，后者的破坏性常常是巨大的，很多不法分子通过非法途径给用户造成计算机系统漏洞，进而窃取用户信息，给用户造成巨大的损失。

二、大数据时代下的计算机网络安全防范对策

1.加强病毒治理及防范工作。

在大数据时代，计算机病毒的种类与数量与日俱增，对其进行治理与防范是较为困难的。在对计算机病毒进行治理与防范时，笔者认为最重要的是防范，这种防范是一种主动的、积极的治理，可以通过加强计算机防火墙部署来提高网络环境的安全性，将那些不稳定的、危险的网络因素隔离在外，进而实现对网络环境的安全保护。同时，计算机使用者树立正确的病毒防范意识，在计算机日常使用中，能够定期利用杀毒软件对所使用的计算机网络环境进行杀毒，并更新病毒样本库，进而确保对计算机网络的扫描能及时识别计算机病毒并进行及时的处理。

2.加强黑客防范工作。

隐藏在大数据背后的网络黑客一旦实施其不法行为，常常会产生巨大的安全问题，因此，为了防范计算机网络安全，应当积极整合大数据的海量信息优势，建立科学的网络黑客防范攻击的模型，以此来提升识别网络黑客的反应速度。通过加强计算机网络的内外网的割离、加强防火墙配置，能够有效降低黑客攻击的可能性。同时，还可以大力推广数字认证技术，加强对访问数据的有效控制，并合理认证，有效避免非法目的用户的非法访问，进而提升对网络安全的有效保护。

3.加强网络安全管理。

使用计算机的个人及机构，需要从思想上高度重视网络安全管理的重要性，在熟悉大数据的特征与性能的基础上采取安全的管理措施，时常关注网络安全管理，从技术上给予网络安全保障的同时，还需要通过有效的网络安全管理来实现大数据时代下计算机网络安全的防范目的。对于机构而言，需要从宏观上认识到网络安全管理的重要性，并建立动态的、有序的、系统的管理规章，依托于云计算技术构建一个更加高级的智慧平台来加强网络安全的防范，进而确保网络安全。对于个人而言，需要从主观上认识到网络安全的重要行，在进行计算机操作中，要养成规范化的、文明的使用计算机网络的习惯，尤其是对于一些钓鱼网站、非法链接，要从主观上认识到其危害，并做自我做起，将网络安全问题尽可能消灭，不传播有安全隐患的信息或链接。

4.加强网络系统漏洞的修复工作。

大数据论文篇(7)

英国NFI项目每年均对上个财政年度的数据分析和对比情况出具审计报告，不仅横向对比各行业数据欺诈的件数和金额，还纵向对比近年来的变化情况。一方面勾勒出欺诈问题出现的高风险重点行业和重点领域，为审计项目的选择锁定重点；另一方面动态反映数据欺诈问题的变化趋势，不仅发现问题，还有针对性地跟踪某类欺诈问题是否得到了遏制，已经发现的问题是否得到了有效整改。我国审计始终强调全面审计、突出重点，但是如何发现和突出重点却一直是审计实践面临的难题。不但可以通过大数据的汇总、统计功能对被审计单位的情况进行总体把握，还可以通过横向、纵向对比，聚类、关联分析，发现存在虚报冒领、挤占挪用、重复申报、截留套取等违法违规问题的高发行业、领域、环节、单位和部门，为审计延伸提供精确制导的坐标，为审计项目计划提供确切实在的依据。

二、大数据分析是绩效审计的利器

英国NFI通过大数据分析，不仅发现个案问题，还对同类问题的产生原因进行分析，促使相关部门和单位完善制度，堵塞漏洞，提高公共资金的使用效率和效益。近年来，随着我国财经制度的不断完善和加强，违反财经纪律、违法违规的问题得到了很大遏制，国家审计在继续查处违法违规性问题的同时，也十分注重对公共财政资金使用绩效进行审计。通过大数据集中分析平台的关联分析查询，能够从整体层面高效、便捷地发现诸如公共财政资金滞留的具体环节、时间；发现公共财政资金投向不符合产业政策导向；发现财政专项资金分配在地区和部门间存在的不均衡、不合理；发现财政投入的建设项目存在的进度滞后、效益与预期不符等问题。大数据提供的证据与审计抽查相比，能够更加全面、客观地反映某项公共财政资金产生的整体效果和存在问题。在此基础上提出的审计意见和建议，更加充分、准确和有针对性，更能促使相关部门和单位完善制度、落实责任、加强管理，更好地实现公共财政资金的价值。

三、如何构建审计大数据平台

1.通过立法为建立审计大数据集中分析平台奠定基石。英国NFI的数据收集和分析工作是依据2008年7月21日修订的数据配比法案进行的，法律授权使英国审计委员会将数据收集、整理、分析等工作成为常态，这是审计开展大数据分析的基石。目前，我国审计法授予了审计机关在审计期间获取被审计单位数据的权力，但是审计项目是单个开展的，各被审计单位之间的数据不能完全地相互关联，形成了一个个数据孤岛；并且，审计项目一结束，被审计单位就不愿意继续向审计机关提供数据，难以对被审计单位进行持续的审计监督。借鉴英国的经验，我国应当从法律层面明确属于国家审计范围的政府部门、企事业单位、公共机构，以及使用公共财政资金的企业、单位等应当定期向审计机关提供电子数据，为国家审计进行大数据分析创造条件，从根本上解决目前存在的数据收集难、不完整、时效性差等问题，将一个个数据“孤岛”连接起来，在此基础上进行深入的关联、对比和分析，真正发挥信息时代大数据的强大作用。

2.建立统一的数据格式标准。英国NFI项目的数据涉及相关政府部门、医院、学校、养老金管理机构、房屋管理机构、银行、部分私营企业等，提供的数据包括单位财务数据、单位业务数据、部分员工个人数据等，所有提供的数据均按照NFI项目指定的数据格式范围。NFI收到各单位上传的数据后，只需经过少量的数据清理，就可以整合到数据集中分析平台中，对不同部门、机构、单位的数据进行对比分析。在信息化高度发展的今天，我国应当由审计部门牵头，工信部、协会、高校等合作，建立统一的数据共享接口，在现有的审计署财务数据接口的基础上，扩充和整合管理数据、业务数据等信息，实现大数据兼容匹配。