时间:2022-04-27 02:20:07
导言:作为写作爱好者,不可错过为您精心挑选的10篇大数据论文,它们将为您的写作提供全新的视角,我们衷心期待您的阅读,并希望这些内容能为您提供灵感和参考。
大学教育是第二次产业革命时为了适应工业所需的大量的技术人员的产物。当今,学生知识的来源不再局限于课堂,不再拘泥于某一个专业,他们可通过互联网、微信、微博等信息平台来获取文本的、图像的甚至是视频的各种知识。学生的知识面将比以往的任何朝代更加宽范,对校园以外世界的了解将更加深入。比如现在的在线教育平台edX和Mooc,上面有世界著名学府的各种课程,包括我国清华和北大的优秀课程。学生只要通过互联网,就可以接受到名校的教育,在学习过程中,通过鼠标点击的记录,可以研究学习者的活动轨迹,发现不同的人对不同的知识点有何不同的反应,用了多少时间,哪些知识点需要重复或强调,哪种陈述方式或学习工具最有效。通过分析这种秩序和规律,在线学习平台也在逐渐弥补没有老师面对面交流指导的不足。同时现在的教育平台还能通过虚拟现实进行实践辅导。以麻省理工开放的电子电路课程为例,注册这一门课的人比整个麻省理工所有在世校友总数还多。由此可见,许多学生已经把注意力放到了课堂之外。
2、如何积极应对
对于学校:在学生从课堂走到互联网时,未来的学校存在的意义在哪儿,是学校更应该关注与关心的。学生可以在宿舍甚至在家就完成了各种课程的学习和同学之间的交流,那么对学生的考核和效果的评定也不再局限于某一个固定场所来进行。学校更应该重视图书馆电子资源的建设和开放,更应该重视实践实验室的建设,提供更多方便学生来进行实习和实践训练的场所和项目。对于教师:在大数据时代,教师的教与授又该体现在哪儿呢?我们更应该深刻思考,改变传统的课堂教学的思维模式。我们可以将教的过程放在网络平台上,放在课前来进行,课堂中以学生做作业、教师指导和答疑为目的。这只是改变了传统的教学模式,对于教师自身我们又该如何作呢?在面对丰繁复杂庞大的数据时,我们应积极跟进发展自我,重新进行定位。一类应加强自己的实践操作能力,专业从事实践辅导和教学;另外一类专业从事研究;另外一类抓住大数据所给予的机遇,发展自己,跟上时代步伐,成为专业化极强的教师,对专业进行解惑和学习方向的指导。对于学生:知识和信息量极大丰富,我们如何从中甄别出有利于自己的知识,对自己进行特色化的教育,需要自己的判断力和教师、家长的指导。我们要关于利用已有的学习平台和学习媒介,不断提高自己的自学能力,发展自己的创造性和创新性的能力。
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.
对于传统型数据的应用,保险业有着悠久的历史。人们在长期的生活实践中总结发现,在随机现象的大量重复中往往会出现几乎必然的规律,这种规律即大数法则或大数定律。概率论中的大数法则就是保险人计算保险费率的基础,只有在承保大量风险单位的情况下,大数法则才能显示其作用。根据大数定律的另一个特点,风险单位的数量越多,风险的预期损失就越接近实际损失。保险人正是凭借这种方法比较精确地预测风险,合理厘定保险费率。长期的数据分析传统不仅为保险业积累了许多数理分析人才,同时也养成了保险业数据分析的传统和习惯。这些都为保险业应用大数据垫定了良好的基础。
(二)保险业应用大数据的硬件条件
数据具有大量、高速、多样、价值的特点,这说明大数据中的数据具有即时性而不是一成不变的,数据量庞大而复杂,对处理分析能力有很高的要求。保险业虽然有很丰富的对传统数据的数理分析经验,可是对超大型数据的分析必须依赖专业的存储技术和计算技术。保险公司需要先租赁互联网企业专业的数据存储设备,运用互联网企业的云计算分析能力对数据进行计算,寻求想要的信息。
(三)保险业应用大数据的软件条件
近年来,许多有过传统数据分析基础的人,开始关注大数据的分析,一种新的职业也随之诞生,即“数据科学家”。与传统科学家不同,数据科学家还需要有互联网思维、懂软件程序和统计学。大数据技术仅仅为我们提供参考数据,它是一种信息资源,是一种帮助人们理解世界的工具,但是它不解释信息,对数据的分析解读仍然需要专业人才来进行。由于保险公司的经营方式、经营基础、经营环境和经营对象等方面与其他企业存在明显差异,保险公司应该成立自己的数据分析部门,培养了解自己行业的专业数据分析人才。
二、大数据在保险业中的应用——以众安财险为例
(一)众安财产保险公司背景
众安财产保险公司(下文简称“众安”),是我国首家互联网保险公司,是保险业与互联网业合作的一种大胆尝试。众安保险是由平安、阿里巴巴、腾讯等国内知名企业发起,保监会批准成立的网络保险公司,公司的注册资本金10亿元人民币。众安作为一家互联网在线财产保险公司,完全颠覆了我国现有的保险营销理赔模式,不设任何的地域性分支机构,而是完全通过互联网实现销售和理赔。这一转变是对保险业运营模式的大胆尝试。
(二)大数据在众安财产保险公司的应用
1.大数据在业务费率制定中的应用。
传统的费率厘定是通过分析这一类人的风险发生概率,再根据风险发生的概率厘定这一类人的保险费。获得的数据量越大,在数据中获得的有效信息也就越多。众安在拥有庞大的有效数据和云计算能力的前提下,有能力将费率的厘定更加具体化,由一类人细化到几十个人甚至一个人。随着风险的复杂化,平均费率已经不能准确反映每个成员的风险发生概率,一些细微的个人生活习惯往往就会增加发生风险的概率,支付宝、淘宝、微信等APP已经成为每个人生活的一部分,对这些功能性APP的数据进行整理分析,可以细化人群,分析使用者的生活习惯,通过对客户生活习惯的分析,一方面可以细化同类人群,另一方面可以更准确地评估人群将会面对的风险。
2.大数据在客户服务中的应用。
客户关系的维护,除了即时快速解决客户的问题之外,还需要根据客户的不同投其所好,提高客户消费的满意度,从而提高客户的忠诚度。众安财险的庞大数据量中,记录了许多客户的日常生活数据,大到浏览、交易记录,小到登录社交网络的时间,就像现在许多APP或者门户网站所推出的根据浏览的记录对你进行你可能喜欢商品的推荐。众安通过对客户在淘宝、支付宝、微信等多家公司的各种信息数据的收集分析,有能力分析出一个客户的个人喜好、经济水平、生活习惯和生活规律。在客户需要服务的时候及时为客户解决问题,甚至在可能发生问题前对客户进行提醒,避免损失的发生。对庞大的客户群体施行这一行为是传统保险业客户服务部门无力为之的。众安良好的数据分析能力,合作伙伴的强大数据收集能力,都能有效提高众安的预测能力,并为众安带来质的变化。
3.大数据在业务开拓中的应用。
众安通过大数据分析,获取客户需求、心理等方面的信息,获取潜在的目标客户,进行有针对性的行销策略,力求达到事半功倍的效果。良好的市场细分可以合理分配公司的营销资源,避免不必要的资源浪费,在寻求经济收益增长的前提下控制成本。优质的数据加上强大的数据分析能力,使得众安在对客户的了解和对市场的预测方面有着其他传统公司无法比拟的能力。
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。
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。
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.
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
1.2可靠性网络信息安全和保密技术的可靠性是指网络信息系统能在设定的时间和条件下,完成规定的任务,从而保证网络信息系统的正常运行。
1.3保密性网络信息安全和保密技术的保密性是指网络信息不被非授权用户使用、修改等操作,保密性是防止信息资源泄露给非授权用户,保证信息资源只能为授权用户使用。
2网络信息安全和保密层次结构
2.1物理安全网络信息安全和保密的物理安全是指在物理介质层上对网络信息进行安全保护,物理安全是网络信息安全的基本保护层,是整个网络信息安全和保密系统必不可少的组成部分。
2.2安全服务安全服务是指应用程序层对信息资源进行分析,从而保证信息资源的完整性和真实性,然后对信息资源进行保密,防止各种攻击手段和安全威胁,为用户提供安全可靠的信息资源。安全服务的内容有安全连接、安全协议、安全机制等。
2.3安全控制安全控制是指对网络信息系统的信息传输、储存等操作进行管理控制,确保在传输、储存过程中,信息资源不被删除、更改,安全控制的重点是在网络信息处理过程中,对信息进行安全保护。
3网络信息安全和保密的威胁来源
3.1恶意攻击恶意攻击是指人为恶意的攻击网络信息系统,造成信息丢失、篡改等现象,恶意攻击可以分为主动攻击和被动攻击两种情况,主动攻击是指利用各种手段有选择性的修改、删除、添加、伪造信息;被动攻击是指在保证网络信息系统正常运行的情况下,窃取、、破译、截获信息资源。人为恶意攻击的危害性非常大,对网络信息系统的运行有很大的影响。
3.2安全缺陷网络信息系统是由多个技术领域组成的,有计算机系统和通信线路中存在安全缺陷,从而为网络信息系统的安全留下一定的隐患。由于计算机的硬件很容易受到人为破坏,而软件资源很容易受到病毒的干扰和破坏,而通信线路容易受到攻击,因此,网络信息系统具有一定的安全缺陷。
3.3软件漏洞网络信息系统由软件和硬件组成,由于软件程序的编程方式多种多样,导致网络信息系统的软件很容易留下一些安全漏洞,如操作系统的安全漏洞、数据库的安全漏洞、IP协议的安全漏洞、网络软件和网络服务的漏洞、口令设置漏洞等,这些安全漏洞对网络信息的安全状态有很大的影响。
4提高网络信息安全和保密的措施
4.1采用安全性高的系统和数据加密技术网络信息系统的安全等级从高到低可以分为A级、B3级、B2级、B1级、C2级、C1级、D1级等,常用的网络信息系统为C2级操作系统,对于极端重要的系统可以选择B级操作系统,对于保密要求高的信息,要将传统的信息加密技术和新型的信息隐藏技术结合起来,从而保证信息在传输、储存过程的安全,利用隐藏技术、数据嵌入、数字水印、指纹等手段,能将机密的信息隐藏在普通的文件中,然后利用网路进行传递,确保信息保密的可靠性,从而保证信息资源的安全。
4.2安装防病毒软件和防火墙要在主机上安装防病毒软件,对病毒进行定时检测,主动截杀病毒,对系统进行检测,这样不但能有效的减少病毒对网络信息系统的危害,还能有效的对文件、邮件等进行监控。防火墙是由软件和硬件组成而成的,它能在内部网和外部网中间建立一个安全网管,对数据包进行过滤,控制网络信息的流向,隐藏内部IP地址,防火墙还能对系统进行网络安全隔离,对外网用户的非法访问进行控制,有效的防治外部的拒绝服务攻击。防火墙不但能防止外部的恶意攻击,还能屏蔽网络内部的不良行为,防止其将保密信息泄露出去。
4.3安装入侵检测系统和网络诱骗系统入侵检测系统是保证网络信息系统防御体系的重要组成部分,入侵检测系统由软件和硬件共同组成,完善的入侵检测系统能对内部攻击和外部攻击进行防护,有效的弥补防火墙静态防御不足的问题,入侵检测系统能在网络信息系统受到危害前,进行拦截和报警,能及时的消除系统存在的安全隐患。网络诱骗系统是指构建一个和真实网络信息系统相同的系统,诱骗入侵者进行攻击,从而检测出入侵者攻击的重点,然后对其进行重点保护,同时收集入侵者的相关信息,分析入侵者的目的及入侵手段,为入侵者的恶意破坏行为提供有效的证据。
1.2大数据对发电企业财务职能的影响大数据对发电企业财务职能的影响主要体现在财务管理的理念和模式、财务人员职能与定位、数据分析与应用、决策支持的及时性与有效性、财务内部控制与风险管理的针对性与有效性等方面。在大数据时代,包括发电企业在内的社会经济组织在各领域的决策将更加依赖数据和分析,而非是以往的主要靠经验和直觉。财务数据作为发电企业的核心数据,反应和支撑着发电企业资金及业务的正常运转,通过对财务数据的处理和信息的充分挖掘和分析,能够有效帮助发电企业改进财务管理,提升应对各种财务风险的能力,为管理者提供决策依据,进而为企业创造价值。可以说,发电企业从各种各样类型的财务数据中快速获得有价值信息的能力,将直接决定企业在未来愈发激烈的市场竞争中的生存能力。
2大数据时电企业财务职能面临的主要变革
2.1财务管理的理念将向保障战略目标的实现变革毫不夸张的说,数据决定成败,数据将成为保障发电企业战略目标实现的决定性手段,缺乏财务数据支持的企业战略终将是空中楼阁、镜中之月。传统财务管理的理念主要立足于核算和监督,随着优秀发电企业在管理上不断追求卓越和不断通过信息技术来提升管理效能,发电企业积累和掌握数据空前庞大,而这些庞大数据的核心价值在于数据的深化应用。这就要求发电企业在财务管理的理念上进行深刻变革,通过借助大数据时代先进的管理手段和工具,深入加强财务管理的分析、控制、预测等职能的发挥,充分发挥财务在战略决策和价值创造方面的作用,使财务数据成为企业通过配置资源来保障战略目标实现的指挥棒和主要的衡量标准,使战略目标立足扎实、战略管理行为科学、战略保障坚强有力。
2.2财务决策支持的重心将向深、向宽变革随着发电企业在推进财务决策支持职能发挥方面的不断努力,财务决策支持在总体财务职能方面的比重正在逐渐上升,如国内较为优秀的国华电力提出要在未来将财务决策支持占财务职能的比重由以往的10%提升到50%。以往,财务人员主要基于财务报表的数据,通过对数据的分析为管理者提供决策支持,但财务报表的数据毕竟是有限的,反应的信息面相对狭窄,只能为管理者提供有限的信息。大数据时代,发电企业面对的数据范围越来越宽、数据精细化程度越来越高、数据之间的关系链也更为完整,这就为财务决策支持提供了海量的数据信息,使财务分析能够深入到最基础的业务单元,从而使企业效益和成本的驱动因素更为明确,驱动因素对效益和成本的影响程度也更为精确。以存货周转率为例,通过报表分析手段,只能反馈存货周转率与基期对比的偏离程度,但通过大数据手段,可以明确找到存货周转率偏低的直接驱动因素,到底是哪些存货存在偏差,偏差程度到底有多大。再如通过数据积累和分析,可以精确预测各种驱动因素的变化对发电负荷率的影响程度、对煤耗的影响程度。这样就能帮助决策者的决策行为更加科学、更加有效。
2.3财务职能发挥方式将向统筹协调变革国家会计学院秦荣生教授形象地指出,要“修身、齐家、管公司、治国、平天下”。传统财务职能仅需依靠财务部门自身便可发挥作用,做好“修身”即可。随着ERP等信息手段的应用,财务管理职能的发挥逐步与人力资源、供应链管理、生产管理等企业各类信息系统深度整合,协同发挥效力。在这种新的形势下,财务部门仅仅依靠发挥自身本位职能,是远远无法满足现代社会对财务职能发挥的要求。这就使财务职能的发挥开始朝着统筹协调企业整体资源配置进行变革,不仅要做好“修身”,更要“齐家、管公司”,通过发挥财务的统筹协调职能,帮助企业规范管理、优化资源配置、有效管控风险、提升经营绩效。
2.4财务管理手段将向精益管理变革精益管理丰田公司制胜的法宝,其核心是以最小资源投入,包括人力、设备、资金、材料、时间和空间,创造出尽可能多的价值,为顾客提供新产品和及时的服务。而大数据管理的特征集中体现在更细、更多、更快和更优四个层面,可以促进精益管理向着效率更高、效益更佳的方向迈进。在国内外经济形势处于低谷的宏观背景下,发电企业面临日益复杂和残酷的市场竞争,这样的宏观经济形势与大数据时代叠加,催生发电企业财务管理的手段必须朝着精益管理变革。如有了大数据的基础,通过精益财务分析可将大数据的信息精确加工,形成针对性强、可操作性强的管理建议;通过精益对标,发电企业不仅可以实现与同行业先进绩效的对标,也可以实现对不同行业最佳指标标准的对标;通过精益预算管控,实现企业资源的最优配置;通过集约化财务共享平台的搭建,实现财务职能的精益管理。
2.5财务人员的职能定位将向价值创造变革在大数据时代,财务人员所面对的数据规模日趋庞大、数据类型日益复杂,而企业管理者对高价值财务信息时效性的要求越来越高。这就要求大数据时代的财务人员,除了必须具备扎实的财务处理能力以外,还必须进行职能定位的变革,通过熟练运用大数据带来的信息为企业创造价值能力。对于财务总监来说,大数据的运用将使其由目前的企业理财幕僚变革为战略制定者,由价值管理者变革为价值创造者;对于财务人员来说,对财务数据的处理能力将成为其价值体现、绩效衡量的主要标准。
2.6财务风险管理将向实时管控变革以往财务风险管控的基本模式为事前评估,事中控制,事后分析,往往依赖财务人员的经验和判断,管控效果难以保证。而现在,大数据为财务风险管控提供了非常宝贵的管理载体和平台,通过大数据的收集、分析和整理,完全可以做到在财务信息系统预定义各种风险控制规则,触发规则定义的预警条件,即可将预警信息传达到发电企业总部。如发电企业可以明确界定职工福利费的列支范围并设置预警条件,当财务系统录入不符合规定列支范围的福利支出时,系统将自动预警并暂停交易,待发电企业总部核查后再行处理。
3发电企业如何迎接大数据的机遇和挑战
大数据以其固有的特征影响着时代的变迁,也将为发电企业财务管理职能带来巨大的变革,这种变革对发电企业来讲,不仅意味着机遇,也将是一种挑战。发电企业要积极行动起来,在迎接大数据带来的重要机遇的同时有效应对其带来的挑战。主要是要做到:
3.1明确设定财务大数据管理的目标发电企业面对大数据管理的趋势,首先要设定清晰而又明确的财务大数据管理目标,就是要通过财务大数据管理和应用,为企业财务管理职能的平台跨越奠定基础,从而形成高附加值的企业战略保障能力,促进企业价值最大化。
3.2建立健全财务大数据管理和应用能力大数据管理能力的关键衡量因素体现在高质量的数据、先进的工具、精通数据的员工以及支持分析决策的流程和机制。发电企业对此要有深刻的认识和理解,并在企业运营和管理过程中建立相对应的管理机制,通过优化财务数据管理流程、提升财务人员运用大数据能力、建立健全决策支持模型等手段,来不断提升企业财务大数据管理和应用能力。
3.3不断优化财务管控架构财务管控架构是财务大数据管理的前提和基础。发电企业要通过财务共享平台建设,在横向职能架构上加强与企业营销、生产、运营和管理平台的横向集成,在纵向职能架构上实现集团层面与下属单位的财务管理职能一体化,保障财务大数据管理的宽度和深度。
3.4加强信息安全管理保障数据安全财务大数据在为企业带来极大便利和良好效益的同时,也将面临着数据安全等方面的风险。这就要求发电企业通过在制度层面、管理层面、契约层面和技术层面加强管理,保障企业自身的财务信息安全。
4发电企业如何应对大数据带来的风险
凡事有利必有弊。发电企业在充分受益大数据带来的各种便利时,也要高度重视并有效管控大数据带来的各种风险,特别是核心财务数据的管理和应用值得高度重视。
4.1财务数据管理风险如前所述,大数据时代,数据产生的增值效益日益突出,由此为数据管理提出来更高的要求。发电企业财务数据管理风险主要表现在因数据管理不到位造成的各种不良后果,表现在:财务系统因病毒、网络攻击、火灾及自然灾害等情况造成的无法正常使用;因管理不善造成的财务数据丢失、数据遭篡改,造成数据不能正常使用。这就要求发电企业在财务数据管理方面,一是要加强制度建设,建立异地备份等管理机制,特别是要考虑当前发电企业集团化运转条件下信息系统一体化的数据安全问题;二是要加强信息安全管理,通过可靠的杀毒系统、系统防火墙建立可靠的信息安全屏障;三是要明确数据管理人员的职责,建立数据管理牵制机制。
4.2财务数据质量风险由于数据的爆发性增长,在大数据时代财务数据的质量直接关系着,甚至是决定了数据应用的效率和效果。发电企业财务数据质量风险主要表现在由于财务数据不准确造成错误的分析结果,误导管理层;因财务数据不完整造成决策支持效果不佳。这就要求发电企业在数据采集、处理和应用的过程中必须确保财务数据的质量。而在衡量数据的质量时,要充分考虑数据的准确性、完整性、一致性、可信性、可解释性等一系列的衡量标准。
4.3财务数据应用风险传统数据管理的重心侧重于数据收集,而在大数据时代,数据应用成为整个数据管理的核心环节,数据应用者比数据所有者和拥有者更加清楚数据的价值所在。发电企业数据应用风险主要表现在由于对于高质量数据的不当应用,如使用了错误的财务分析模型,甚至是人为滥用造成偏离数据应用目标的情况;财务数据在应用过程中因数据管理不到位或人为因素造成企业商业机密泄露。这就要求发电企业高度重视大数据的应用管理,首先是要明确数据应用管理的目标,并建立高效的数据应用管理机制,以确保数据的应用效果;其次是要通过明确数据应用者的管理职责,加强数据应用过程中的核心信息管理,确保企业核心商业机密的安全性。
4.4财务数据过期风险传统数据管理强调“存在性”,即只要能获取数据即可满足企业的要求,财务数据的分析和应用的基准数据更多的是以往年度。而在大数据时代,发电企业对数据时效性的要求空前提高。发电企业财务数据过期风险,主要表现在对于数据的时效性管理不到位,财务数据反馈不及时造成决策不及时,贻误商业机会等情况。这就要求发电企业要从战略导向出发,高度重视数据应用的时效性管理,一方面在财务数据获取环节要充分考虑时间的及时性和可靠性,另一方面要在数据应用环节注意对数据的甄选,确保财务数据必须更多地立足当前,面向未来,只有这样,才能帮助企业在瞬息万变的市场环境中充分发挥作用。