社交媒体信息动态分析模板(10篇)

导言：作为写作爱好者，不可错过为您精心挑选的10篇社交媒体信息动态分析，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。

篇1

（1）大数据下科技信息处理的标准化体系研究相比传统的科技信息，大数据环境下的科技信息的来源、类型、内容和数据格式更为复杂，制定和完善科技信息的标准化体系和内容是及其必要的。信息资源的标准化体系是保证信息有效存储、处理、分析和利用的基础和前提。本文认为将依据当前科技信息现状，针对具体领域研究和制定大数据下的科技信息处理规范和建议是必要的。（2）大数据下的科技信息资源的建设方法研究借助大数据技术可实现科技信息的大数据处理与大数据存储，实现多源异构的科技信息完成数据的存储、处理、交换等功能。大数据下的科技信息资源的建设方法研究需要从数据本身和数据的组织两个研究视角出发，分析梳理大数据环境下科技信息资源在建设中面临的难点和关键性技术问题，研究和提出科技信息资源的知识组织系统框架和基本构建方法。（3）大数据下的科技信息资源的分析方法研究结合科技大数据特点，主要利用深度学习技术解决科技大数据的高维数据降维处理问题。研究和探索面向科技信息资源的分析方法，提出不同类型科技信息资源的关联分析、重要性分析、主题演化路径等深层次的信息分析方法和技术，通过系列分析方法和技术研发，解决科技信息资源管理工作中存在的问题，研究方法在实践中进行创新和发展。世界的发展、科技的换代、媒介的延伸以及人文的变更，汇聚成一股巨大的洪流，加速了我们所处时代的变换，人工智能技术已经渗透到各个技术领域，以上问题涉及科技信息的组织和分析，需要人工智能技术的融合，即与人工智能技术的深度融合必将推动科技信息进入全新时代。

人工智能应用于科技信息领域的研究意义和主要研究内容

人工智能为解决科技信息的获取和分析提供解决途径（1）人工智能可拓展获取科技信息的来源。从事智能分析的美国Stabilitas公司的首席运营官ChrisHurst认为：“人工智能可以扩大信息工作的范围，不会遗漏那些有价值的细节。”科技信息同样需要通过各种渠道获取世界各国的同类信息，利用分布式网络爬虫等人工智能技术可获取全世界的开源信息，包括文本和音视频数据。（2）人工智能可加快处理科技信息数据的速度。美国中央信息局肯特学校教信息分析的校长JosephGartin认为：“梳理社交媒体来获得信息并不是什么新鲜事，让人耳目一新的是如今我们收集社交媒体数据的数量之大和速度之快。”海量的科技信息通过人工智能技术可以快速处理亿万比特的数据，从而了解世界各国同类信息或事件，将每天接收到的大量数据转变为能够用于政策和战场行动的信息。（3）人工智能使科技信息的分析自动化、智能化。据俄罗斯通讯社报道，俄罗斯总统普京表示：“无论谁在这一领域中处于领先地位，都将成为世界的统治者。”普京认为：人工智能是未来权力的关键。利用自然语言处理技术、语音识别、图像检索等人工智能技术可以极大的提高信息人员检索有用信息的速度。此外，知识图谱作为人工智能的知识库基础，基于知识图谱可实现分析对象的多维多步自动关联分析，利用深度学习模型可大大提高多因素影响的系统分析，获得更好的信息分析效果。主要研究内容（1）基于人工智能技术的科技信息的知识存储和管理大数据下的科技信息具有海量、异构、跨媒体的特点，其知识存储和管理需要对结构化或非结构化的跨模态数据进行语义智能化计算研究，以为统一语义范畴下的数据查询提供便捷的元数据服务；对跨媒体知识统一组织进行研究，为不同关系结构，不同模态数据的统一存储与管理提供结构基础；同时，需要对跨媒体知识的更新进行研究，为动态的数据存储与多变的业务管理提供支撑。最后，对跨媒体知识检索与查询进行研究，从实际的检索和查询业务角度出发，制定规则，优化性能，提升知识数据被获取时的准确性与高效性。（2）基于人工智能技术的科技信息与知识的深度揭示与聚类加强科技信息资源的多源多模态数据整合关联、信息抽取、不确定推理、机器学习、自然语言处理等人工智能技术研发与应用；利用人工智能技术实现科技信息资源的外在层面的资源整合，资源内在特征的深度聚合，实现科技信息与知识的深度揭示与聚类。通过可视化方式实现科技信息知识（研发技术、研发机构、研发人员等）的聚合、揭示与展示。其中重点利用语义分析技术、词表/本体构建技术、知识图谱技术、大数据分析等人工智能技术，通过可视化方式实现科技信息知识的聚合、揭示与展示；实现对格式各异、内容复杂的数字资源进行深层次的揭示，从资源外在层面的资源整合，深入到资源内在特征进行深度聚合，实现信息与知识的深度揭示与聚类，同时将科技信息知识服务嵌入知识交流之中。技术路线图如图1所示。（2）基于人工智能技术的科技信息前沿技术发现与预警研究前沿技术发现与预警旨在有效指导和开展科技研究，国内外已有研究在信息对象和研究方法上比较单一，信息价值和服务效果受限。科技信息前沿技术发现与预警研究应更强调面向信息源的全面收集、处理、分析的一定程度智能化生产过程，更好的感知非完备信息，辅助信息用户把不确定性预测变成更确定性预测。研究将不同类型的信息源进行整合、融合，多维度的分析科技前沿技术特征，从不同角度实现有价值信息的综合叠加和映射，从中发现、分析和描述科技前沿技术问题，为科技领域专家实现科技前沿的准确辨识提供服务，实现有效的技术预警。技术路线图见图2所示。

基于人工智能技术的科技政策动态分析平台设计

篇2

1993年1月，美国第42任总统比尔·克林顿刚上任就授权商务部长罗恩布朗成立了“信息基础设施特别小组”。这个小组由商务部长罗恩布朗、副总统戈尔、总统经济顾问委员会主席劳拉泰森和一些经济、法律、技术、电信方面的专家组成，小组的主要任务就是制定国家信息技术的中长期发展规化。同年2月，小组辅助克林顿总统制定了“国家信息基础建设计划(NII)”，也就是美国的“信息高速公路”计划。这一发展计划的主要内容是预备在2015年以前，建立起一个连结全美几乎所有家庭和社会机构的光纤通信网络，促进信息技术的高速发展，增强网络信息服务的能力。这一计划的服务范围包括教育、卫生、娱乐、商业、金融、科研等各个领域。国家信息基础建设计划是计算机技术和通信技术发展融合的产物，它的实施给美国人民的工作、学习、生活带来了“革命性变化”，推动了信息技术的高速发展。

为实现这一战略计划，美国政府准备投资4000亿美元，支持相关科研机构与企业的发展，推动国家信息技术基础设施建设。这一战略的实施，取得了丰硕的成果：覆盖全国的基于光纤技术的通讯网络逐渐形成，使网络通讯能力提高了数千倍；高性能计算机开始研发与生产，当今世界上10个运算最快的高性能计算机中有6个在美国；大型网络通信公司在政策的支持下快速发展，产生了思科、IBM、谷歌、亚马逊等全球性的网络技术公司；以实现人人相联、物物相联、人物相联的物联网开始显现；建立在高性能计算机与虚拟运算基础之上的云计算雏型逐渐形成。

信息技术的发展深刻改变了美国经济和社会的发展模式，使美国的经济与科技始终处于世界前列。信息技术产业成为美国最重要的支柱性产业，同时信息技术的发展也改变了人们的思维与参与民主政治的方式。2008年，奥巴马在竞选美国总统时，充分利用互联网社交媒体，把信息技术当作竞选工具，开创了利用网络媒体赢得大选的先例，奥巴马也成为第一个“真正社交”的总统。奥巴马是一个对互联网有深刻理解的人，他十分了解互联网与社交媒体对社会政治的影响。为了扩大影响，吸引选民，他与他的竞选团队利用社交网络发出1300万封邮件来解释自已的竞选主张，吸引了400多万捐款者，这些捐赠成为奥巴马竞选经费的主要来源。奥巴马还利用Twitter了自已竞选总统的演说，这条消息被Twitter广泛转发，据说在竞选期间，平均每分钟就被转发2.5万次，在美国及全世界都产生了极大的影响，这一切都成为他竞选成功的关键。

2009年，奥巴马总统上任不久就任命维维克·昆德拉为联邦政府首席信息官。这是一个新设的职务，其主要职责是制定与政府信息技术有关的政策和战略规划、负责联邦政府所有科技预算的分配与使用、帮助促进总统的技术政策议程等。昆德拉上任后表示，他将负责利用云计算技术，改善和加强政府部门的信息资源管理，制定云计算政策与规划，推动政府采用云计算。

2009年9月，美国联邦信息委员会宣布了联邦政府云计算发展计划，这一计划主要包括三个方面的内容：一是开通联邦apps.gov官方网站，主要展示并提供得到政府认可的云计算应用，包括基于云计算的商务应用、办公应用、社交媒体软件应用及相关的云计算基础设施应用，从而推动政府部门接受云计算的理念；二是建立联邦云计算的示范工程，引导政府部门利用云计算改善工作效率与降低投入；三是联邦大规模采购云计算服务，提高政府利用云计算的能力与水平，扶持云计算科技企业，带动云计算产业的整体发展。

2010年12月，昆德拉制定了《改革联邦政府IT管理的25条实施计划》，明确提出“云优先”策略。所谓“云优先”策略，就是明确要求各个政府部门在进行信息化建设与大规模采购信息技术设备时，优先考虑云计算技术。并要求到2012年6月底，各部门至少将3项服务迁移至云计算服务上。在这一策略的推动下，联邦政府各部门的应用服务大都迁移至云服务平台，政府部门的云计算应用水平大幅提高。

2011年2月，美国政府了《联邦云计算战略》，这一战略明确指出了下一步政府云计算发展的目标，主要内容包括：1.明确度量云计算产生的效益、注意事项和选择条件。2.指导各政府部门向云平台迁移，为部门决策提供咨询与应用案例。3.进一步加强云计算设施的部署力度，使各部门信息资源尽快向云平台迁移。4.制定联邦政府的云计算发展行动计划，确定相关部门职责，推动云计算的部署。随着云计算战略的出台，联邦政府强调各部门要重新审视本部门的技术资源战略，将云计算应用纳入到本部门的预算当中，切实执行“云优先”策略。最大限度地提高资源利用率，降低成本，重视应用云计算技术，提高政府工作效率与反应能力。

《联邦云计算战略》的主要目的是指导各政府部门向云平台迁移；通过政府对云计算的应用，带动云计算产业的发展；制定云计算技术发展标准与产业规范，引导云计算发展；为相关技术企业提供支持。为落实这一战略，联邦政府成立了云计算督导委员会、云计算咨询委员会、云计算电子邮件工作组、云计算安全工作组、云计算标准和技术工作组等多个专门机构，协调指导各部门云计算工作的推进，制定相关的法规政策。联邦政府还邀请高等院校、信息协会、科研机构及大型云计算公司参与其中，为战略决策、技术实现、安全保障等工作提供支持。

为了有效地推进该各项工作的发展，联邦政府指定国家标准技术研究院、通用服务总局、国土安全部、联邦信息管理委员会、管理与预算办公室五个管理决策机构与部门共同负责各项工作的实施，各部门各负其责，共同推进。国家标准技术研究院负责牵头协调联邦、地方政府、私有企业以及国际实体，制定云计算标准和指南，规范云计算应用方案与实施流程；通用服务总局负责研发政府部门的合同媒介，研发以需求为导向的云计算解决方法，为政府应用云计算提供咨询与建议；国土安全部负责监控与云技术相关的安全问题，注重信息保护与数据安全，制定云计算安全方案；联邦信息管理委员会负责促进政府部门应用云计算，甄别下一代云技术，将实践与可操作的案例加以分析并做成模板共享；管理与预算办公室在联邦政府部门间协调相关活动，确定云相关优先领域，提供部门执行指南。

为了提高工作效率，在云计算工程项目方面，联邦政府采用“一次批准多次应用”的方式，简化云计算服务提供商的审批流程。在风险管理方面，政府出台《联邦风险和授权管理方案》，指导政府部门评估风险，分析潜在的安全漏洞，提高云计算应用中的风险控制能力。

美国政府在云计算发展的关键时刻，从国家战略的高度，制定云计算发展规划，明确云计算发展模式与技术标准，确定国家云计算发展的路线，从而确立了美国在云计算发展中的领导地位，展现了美国云计算产业发展的强劲竞争力。这一战略的制定，也影响了世界其它国家对云计算的认识与政策，许多国家纷纷制定相关的计划与战略，推动本国云计算的发展。因此，有人说《联邦云计算战略》引发了世界范围内的云战争，使人类社会进入了云计算的时代。

篇3

本研究分析了在乳腺学科文献基础上开展的读者大数据意识的调查，旨在利用反馈数据为期刊品牌建设提供参考建议。以2011年1月～2015年12月《中国肿瘤临床》的作者为读者调查对象，基于E-mail、微信群发放问卷，使用E-mail回收问卷，对问卷中涉及到的调研对象的地区分布情况、调研对象性别、年龄分布情况、调研人员属性分布、调研对象学科分布进行定量分析与定性分析。样本回收量为148份，样本对象特征具有邮箱联系方式，样本参考价值较大，问卷结果真实、可信，权威性高。对于参与问卷调查的乳腺肿瘤学科的读者提供近10年的基于大数据的乳腺肿瘤学科分析报告。问卷调查设定以下内容：①是否具有大数据意识；②是否认可量化的大数据信息可提供本学科的科研动态；③是否关心期刊的大数据信息推送；④是否采用大数据获取信息；⑤对提供的大数据信息质量是否有心理付费价位；⑥是否期待有关科技期刊的评价分析服务；⑦以《中国肿瘤临床》为例探索科技期刊服务读者的可能性。上述数据收集结束后进行统计分析。

2调查结果

篇4

IBM现在告诉你，他还要帮助你做营销。“IBM还是个Nerd（书呆子），但我们要把科学引入营销艺术。”IBM企业营销管理集团（EMM）副总裁李有群在接受《成功营销》独家专访时这么说。

好莱坞式传奇

在技术派当道的IBM管理层中，李有群表现出难得的风趣。“我很想在大家面前说中文，但是有很多专业术语实在不知如何表达。”首次在中国媒体前公开亮相，李有群这样调侃自己。即使中文不是很好，对数字有绝对的敏感，在演讲过程中多次核对、纠正同声传译者对几个数据的说法。

这种敏感，除了职业、专业使然，是否还源于在拉斯维加斯靠脑袋挣钱的过去？

李有群可以说是一位天生的企业家，进入IBM之前，拥有一连串的创业经历。高中时就创办了他的第一家软件公司，还是提供营销解决方案的公司Unica的创始人。Unica曾是IBM的供应商，其在营销方面的创新举措被IBM看中，于2010年和Coremetrics一起被IBM花30亿美元收购，这才有了之后的EMM――2010年6月组建的IBM企业营销管理集团。李有群现在仍兼任Unica品牌的首席执行官，酝酿着其他收购计划。

在麻省理工学院上学期间，李有群一度每个周末都混迹于拉斯维加斯的赌场。周五晚上飞过去，周六晚上回学校。不过，那个时候李有群并不是沉迷赌博。他曾是该学院传奇组织“21点”小组的一员。“我们是算牌，不是赌博。”李有群说，“那就像一个真正的公司在运作，整个团队有35个人，每年的业绩都是成倍增长。”

这段赌场疯狂故事后来被拍成了好莱坞电影《决胜21点》。虽然李有群认为电影并不很真实，过于戏剧化，但仍不失为一段值得说道的经历。

步入职业经理人生涯

除了Unica，IBM还收购了另一家软件公司Coremetrics。Coremetrics偏重于网络分析，而Unica偏重于端到端的市场营销管理，新组建的EMM企业营销管理集团旨在提供营销解决方案以及为面向业务营销主管的销售活动提供保障。李有群负责管理的就是这么一个隶属于IBM的行业解决方案部门，他要离开创业生涯，进入职业经理人领域。

从智能手机到社交网络，再到网络电视，林林总总的新技术改变了人们的消费方式、购买方式以及企业与个人的互动方式。互联网的功能在不断外延、扩大，并通过社交网站、移动终端等，提供了更多的关联。以前网络内容主要是由媒体提供，而现在消费者可以通过微博、播客等各种各样的渠道提供他们的想法，为网络提供内容。在这一过程中，营销模式也在迅速演变。如今的消费者变得很强势――他们可以在合适的时间以合适的价格购买他们所需的商品。当他们凝聚到一起，可以很轻松地捧红或者毁掉一个品牌。

“2010年在美国，网上由消费者提供的有关产品的信息达到了约5000亿条。企业必须从以产品为中心变为以客户为中心，赢得客户，保留客户。”李有群说，“营销的目标就是激发需求，产生更多的潜在客户，为公司的品牌进行服务。”

消费者的信息和需求如何获得？在先后收购了Unica、Coremetrics之后，IBM全面发力进军营销技术市场。IBM将EMM部门作为“智慧商务”（Smar ter Commerce）计划的一部分，融合IBM全球的技术与服务资源，将为市场带来更广泛的营销功能以及其他的职能支持，从而帮助企业创建以客户为中心的业务。“我们要把科学引入营销艺术，利用技术、利用数据，将营销艺术的想象力、创造力和策略规划做得更好。”

IBM的EMM解决方案帮助企业在计划及预算、人力及流程、数据及资产和衡量及业绩几个层面推动实际市场营销价值。通过部署EMM解决方案，将帮助提高在线转化率、增加市场活动、提高客户重返率、减少市场周期/提高效率、精准定位广告提升业绩、改善市场活动质量等。

“这是更为一体化的服务，EMM解决的是所有端到端的问题。”在李有群设想下，CMO应该不需要从一个软件跳到另一个软件，不需要好几家甚至几十家供应商，而需要一个整合营销方案供应商。

开拓中国市场

李有群的这次公开亮相，甚至动用自己的个人传奇经历吸引目光，就是为了带领EMM拓展中国内地市场。

“我们在中国内地才刚刚开始，但是在美国、欧洲，以及亚洲的新加坡、泰国、印度和台湾地区，都有很多公司在用EMM的解决方案。”即使在中国是从零开始，李有群当然也懂得榜样力量的重要性，他借助欧洲最大的金融服务机构之一――ING荷兰国际集团的案例来说明。

金融机构如果只采用单一渠道与客户沟通，其运行时间点和客户需要的时间点肯定是有差异的。比如，客户希望的是他们在想要找到银行的时候就能立即实现，但实际上他们只能跟着银行的时间转。ING意识到这一点，并且希望提高营销活动与客户的相关性。

篇5

在电子商务时代，通过网络用户即可随时随地对各种产品和服务信息进行搜索，且能够依靠智能手机快速完成交易。这种商业模式的改变，要求电子商务企业的营销策略也应随之改变。对我国电子商务企业来说，在巨大的商机面前，如何做好精准营销，对电子商务企业的发展具有重要意义。而在分析电子商务精准营销策略前，首先应对精准营销本身及其在电子商务领域的应用意义、现状有一定了解。

一、精准营销在电子商务中的应用价值

（一）精准营销是电子商务低成本扩张之路的必然选择电子商务是一种以营利为目的的市场主体，为了得到更好的发展电子商务无时无刻不在探索低成本扩张之路。精准营销与传统营销模式相较而言，能够更加明确地对顾客进行定位，通过不同的营销手段，给不同的群体提供与之相适应的营销策略。而传统营销模式则主要依靠大面积广告投放推广产品，这种“铺天盖地”的营销效果，大大提高了电子商务产品推广的成本。而精准营销则在促进电子商务产品宣传力度提高的同时，节省了顾客甄别广告、比较商品质量等的时间，使顾客能够主动接受营销信息，使营销过程更加有效率，无论对消费者还是对电子商务企业的低成本扩张来说，无疑都是一个很好的选择。

（二）精准营销可有效满足电子商务用户群体个性化需求消费者对于商品的选择，当前主要落脚于产品质量、不同的外观设计、以及售后服务的好坏等，要求电子商务企业正确认识消费者的不同消费心理，准确地切合消费者对产品的期望值。通过精准营销这一理念的影响，电子商务对于消费者个性化需求将会更加重视，在精确营销引导下对消费者的个性化需求进行分析。精准营销作为可以贯穿电子商务全过程的营销模式，能够通过自动订货、下单及跟踪等流程，使顾客的不同需求得到更好的满足，能够有效缩短电子商务企业与消费者的距离。

（三）精准营销是提高电子商务核心竞争力的基础条件精准营销能够使消费者电子商务消费渠道尽可能地缩小，可在保证消费者获取完整产品的基础上促进电子商务产品流通环节的减少，在电子商务服务水平方面具有很大促进作用。

二、精准营销在电子商务应用中亟待解决的问题

（一）电子商务未真正理解精准营销，目标定位不够精准在精准营销的理解上，很多电子商务企业对传播渠道与媒体比较看重，认为消费者精准地接收到广告信息即为精准营销。这一过程显然没有认识到媒体和渠道的不同属性，没有切实地考虑消费者面对广告的感受。电子商务营销服务当前对自身产品和服务的关注较多，缺乏足够的市场调研，对消费者的需求缺乏深入地分析与动态跟踪，营销目标定位还不够精准。一些电子商务企业因交易量不多，对目标消费者的相应信息获得不足，容易根据其他企业营销经验对消费者采取假设式定位，导致目标定位出现偏差；还有一些企业虽然开始拥有较准的营销定位，但因缺乏动态跟踪，导致发生后来营销定位不准的情况。

（二）轻视精准营销过程，缺乏对消费者的增值服务当前电子商务精准营销，比较注重产品购买和浏览推荐，即仅仅重视广告范畴，对精准营销的全过程有所忽视。互联网中心数据也显示，当前电子商务领域所推崇的“精准营销”还比较片面，主要为广告本身。但即便如此，这些广告的投入依然普遍缺乏精准性。电子商务投放的广告，较少从网站本身特点出发，对广告的点击率、知名度比较关心，虽然消费者可短期内对电子商务产品与服务有一定了解，但较难精准地调动消费者消费欲望，导致精准营销效果较差。在交易完成后，电子商务精准营销还缺乏对消费者的增值服务开发，比较着重消费者对产品的评价信息，忽视了消费者后续购买对增值服务的依赖，不利于电子商务精准营销效果长期性的保持。

（三）电子商务精准营销基础设施落后，复合型人才短缺在电子商务精准营销中，产品与服务能否高效到达消费者那里，是其重要服务内容。但目前我国电子商务物流配送设施也依然比较落后，物流效率不高，无法满足电子商务精准营销的要求，使电子商务精准营销的实施和发展受到一定程度的限制。精准营销与电子商务都属于新兴领域，对人才需求比较旺盛。但当前我国电子商务精准营销领域从业人员，大多仅精于电子商务或者精确营销，复合型人才短缺，缺乏人才支撑的电子商务精确营销效果较差。

三、电子商务精准营销的改善策略

（一）建立健全消费者数据库，对电子商务营销市场精准细分和定位对目标消费者进行精准地定位，是电子商务精准营销的要义，而这一行为的实现则需要依靠对消费者电子商务消费倾向的分析。消费者在电子商务领域消费的过程中，主要经过三大阶段，第一阶段为寻找需要购买的产品，第二阶段为购买产品，第三阶段为售后服务。而这一过程中包含着消费者众多消费信息，电子商务精准营销应根据消费者的数字化消费信息，对电子商务消费者数据库进行建立健全。数据库中的信息除了应包含消费者的地区划分，消费者访问次数，还应包含消费者浏览倾向，对产品的评价和问题的反映，以及消费者的售后需求等。电子商务企业各个部门都应对消费者数据库给予关注，精确营销部门可根据消费者数据库对营销市场进行精准的细分和定位。针对需要营销的产品或服务，电子商务精确营销人员不仅应对消费者兴趣爱好进行分析，对消费者价值进行分析，对潜在消费者规模进行分析，而且应对消费者的交易情况、沟通深度等进行分析，通过一系列的分析锁定消费者所表现出的整体行为特征，在此基础上确定电子商务企业营销产品的目标市场。对于已经采集到的数据，电子商务企业应定期地挖掘，通过动态分析对消费者实施优选，电子商务企业要根据市场测试验证对市场定位的准确与否进行区分。其中网络营销效果的衡量指标见表1。

（二）整合广告投放平台、方式，增强电子商务广告投放传播精准性根据2016年1月中国互联网信息中心的数据可知，截至2015年12月，中国网民的数量已经达到6.88亿，搜索引擎用户在规模上则达到了5.66亿，在使用率上达到了82.3%，已经成为我国第二大网络应用。关于网站流行度的判定方式则见表2。针对这种情况，我国电子商务企业在广告投放方式上，既可对竞价排名进行优先选择，也可将其与窄告结合起来，以实现对更多目标客户和更大广告效果的获取。电子商务企业也可对微信、微博等充分利用，通过这些平台受众制定精准地广告投放方案，以使广告投放成本尽可能地降低，获取更高的收益。选择广告投放形式时，可采用行为定向广告，也可对内文匹配广告形式加以选择。当电子商务企业处于市场初期，需要扩大品牌知名度时，则可在内文匹配广告的预算上相应地提高比重；而当电子商务企业想要是使广告与目标消费群更有效地触及，则可在行为定向广告的预算上相应地提高比重，以增强电子商务广告投放传播精准性。

（三）提供针对性电子商务营销服务，对完善的消费者增值服务体系进行构建根据营销实践可知，对新消费者进行开发时，其所花费的成本比留住老顾客高出大约10倍。所以，电子商务营销必须重视对现有消费者的把握，促进现有消费者忠诚度与重复购买率的提升。而老消费者比较看重的是完善的后续服务，电子商务企业应加大力度对完善的消费者增值服务体系进行构建，将更加超值的服务提供给消费者，在对产品和服务质量给予充分保证的同时，针对可能出现的问题提供完美的解决方案，及时解决和应对消费者的各项问题。电子商务企业所提供的该类服务，应尽可能地超越消费者期望需求，从而促进消费者满意度的提升，留住老消费者的同时，吸引更多的新消费者，以实现消费者的链式反应。针对已经流失的消费者，应探究其流失原因，通过对其流失因素的评估，对相应补救措施进行采取，推动消费者回流。

（四）完善电子商务基础设施与商务法律，加强培养电子商务精准营销人才电子商务精准营销效果的发挥，与电子商务基础设施、商务法律和专业人才等均密切相关。电子商务企业应根据企业发展情况，对合适的物流模式加以选择。电子商务企业规模较大时，可对自营物流方式加以采用；规模较少的电子商务企业，可对第三方物流模式加以选择。良好的物流情况，能够提高电子商务精准营销的精准性与效率。另外，作为一种虚拟市场，电子商务领域中很容易发生违法违规现象，为了给电子商务精准营销的有效运行提供更好地保障，必须对与电子商务精准营销的相关法律进行完善，通过有效的措施促进电子商务领域交易安全度的提高，使消费者对电子商务精准营销更加信任。政府也应对宏观调控作用充分发挥，加大建设电子商务基础设施，同时积极引导精准营销在电子商务领域中的优化，创造良好的基础环境和法律环境给我国电子商务精准营销。

四、结语

总之，精准营销产生于信息化背景下，现代信息技术手段是其重要依托，可以预见企业良性长远发展。网络信息技术的迅速发展，降低了消费者对信息技术进行使用的成本，网络准入门槛越来越低，也让更多人的接触电子商务等新兴消费模式。作为一种以现代信息技术手段为依托的营销模式，精准营销在大众收益群的分析上可以更加准确，根据不同顾客群体消费倾向等，精准营销可以更迅速地对不同产品或服务的最新信息进行，促使物流与售后服务可以更加及时、完善，对消费者的正常权益进行维护，为企业可持续发展给予保障。

作者:马娟 单位:广州市交通运输职业学校

参考文献：

[1]李维胜,蒋绪军.电子商务精准营销对策研究[J].开发研究,2013(02).

篇6

未来网络：云网集成

在未来网络架构中，大量的网络功能将在边缘实现云化，因此网络和业务资源的部署将转向各种类型的数据中心，而云技术和网络技术的结合则构成了集成云网络（CIN-Cloud Integrated Network）。CIN支持网络可编程、多租户和弹性，并实现SDN、NFV和云平台的无缝结合。低时延和高吞吐的业务必须靠近用户，从而形成边际云节点，并提供高带宽连接。宽带接入作为用户获取服务的手段，逐渐统一到“短无线”和“长有线”的融合接入方式。“短无线”是指用户终端的最终接入手段无线化，使得用户的接入更加方便；“长有线”是指有线宽带接入尽可能地靠近用户终端，保障用户接入的高带宽需求，从而提升用户体验，降低建网成本。此外，云计算和IoT技术的普及将在网络中产生大量的数据，借助大数据技术增强网络的智能，进而加速业务的自动化过程甚至催生新的通信业务。

未来网络的边缘节点将形成统一的分布式数据中心，运营商采用SDN/NFV技术在网络的边缘实现各种各样的网络功能，比如vCPE、vCDN、vRAN和vBNG等，称为“软边缘”。在网络的核心则充分利用硬件的高速转发性能，实现简单、面向连接、大颗粒度的业务流高速转发，称为“硬核心”。网络操作系统提供集中化的控制平面，贯穿整个边缘和核心网络，为各种分布式业务、网络和设备建立连接。通过对网络切片，操作系统建立网络的逻辑视图，形成各种虚拟网络，从而将网络真正地抽象出来。

泛在接入：“无限”体验

未来的接入网络不仅需要以经济成本提供用户所需的更大业务带宽，满足千倍流量增长的需求，而且还需要满足百倍于人人通信数量级的物物连接数，以及人人、人物及物物无所不在的连接需求。在云网集成的大背景下，未来的接入网络将体现前所未有的融合趋势，呈现出“长有线、短无线”的发展特点，即使在资源受限的情况下，也能为用户提供随时随地的“无限”接入体验，满足带宽、连接数的极大需求。

随着4K极清视频、多媒体社交网络分享以及个人云应用等新型业务的不断丰富，个人用户对于带宽的需求呈现出爆炸式增长，对称的百兆乃至千兆入户在全球范围内也将更为普遍。对称10G PON结合FTTH正成为宽带网络的战略投入领域，其中XGS PON光模块可以与10G EPON共享相同的产业链， 能够以经济的成本实现10Gbps对称带宽；同时，基于G.989协议，确保向支持40Gbps带宽的TWDM PON（NGPON2）平滑演进。PON的应用不断拓展到更多领域，利用PON可经济高效地为LTE乃至5G无线小型基站提供回传或前传，通过“补盲补热”，大幅提升移动用户体验，逐步演进到固移融合。此外，POL无源光局域网将“光进铜退”推进到企业局域网，大幅降低机房空间、设备能耗和总投资成本，是企业新建和改造办公网络的重要选择，成为PON未来发展的重点领域。

未来移动通信将主要支持移动宽带和IoT两大类业务，在无线接入方面存在颠覆和演进两条技术路线，共同构成未来5G网络。5G颠覆性技术包括多载波技术UF-OFDM、超窄带通信、大规模MIMO系统、超密集组网、毫米波通信、5G与LTE及WiFi的集成等；向5G演进的LAA、FD-MIMO/BF、NB-IoT等LTE-A Pro技术，将满足未来IoT与移动宽带的部分需求。在网络架构方面，借助于云计算、SDN、NFV及网络虚拟化等技术，5G将创建以用户和业务为中心、服务虚拟化与定制化的网络切片，动态适配流量拓扑与连接数，全面满足移动宽带与IoT等多元化业务需求。

智能连接：软件定义

基于固定带宽的静态网络难以应对动态变化的数据流量和带宽调整的需求，因此，建立软件定义的智能连接，将是承载网发展的重要方向。软件定义的智能连接除需具备更高速率、更低时延、按需带宽分配等特征外，还将引入SDN控制层实现全网状态下的自动弹性调整。IP和光传输作为连接的主要元素，与光/电物理技术的发展紧密相连。为此，为提升网络效率，除了优化网络结构、增加网络智能外，还需采用新型材料和芯片技术，以实现智能连接，满足云/数据中心间的长距离连接、5G移动前传网络和数据中心内的短距离连接等需求。

SDN是承载网实现软件定义连接的重要手段，可以实现IP与光网络在控制、管理和数据三个平面的融合， 并做到IP层与光层的网络拓扑共享、网络资源统一管理、网络连接协同配置。其次，实施IP/光网络连接的按需精准化动态调整，为上层业务提供虚拟动态切片网络和连接。同时，运营商通过提升IP网络接口和光传输路径带宽，减少网络层次，并由集中化的控制单元计算最优的路径，为用户提供低延时的网络连接，满足时间敏感性业务的需求。

此外，在光电技术上，采用新型的BiCMOS电路设计、锗硅材料、硅光集成技术等，以减小器件尺寸、提高时钟频率、改善光路性能，提供200/400/500G的灵活可调高速光连接和T比特级的光系统，及路由器单端口400G的接口能力。在IP业务上，软件定义的VPN实现了企业VPN的快速灵活部署，紧密整合企业VPN和DC资源；引入策略驱动的修改和自动化，使分散的用户端可根据应用需求自助服务。

万物互联：网络为本

网络是万物互联之根本，《中国制造2025》、“互联网+”等国家战略的实施，都将以网络为基础设施和创新要素，推动产业转型。为顺应需求，首先，网络必须具备高可靠的通信能力；其次，物联网的网络连接类型丰富多样，含近程网络、接入网络以及业务网络等，需要通信网络具备异构网络间的无缝信息交换能力；最后，需要端到端的安全机制保障企业资产及业务安全。

云网集成的未来网络结合了SDN、NFV和云计算技术，为万物互联提供了坚实的网络基础。第一，边际云同时支持低网络时延和高带宽，确保云辅助驾驶、增强现实等业务的实施；第二，针对物联网海量终端信令开销大的难点，利用网络虚拟化中的切片功能，为物联网应用提供虚拟专属网络，并优化其信令设计；第三，边际云提供的高性能处理能力，为大量低功耗、低处理能力的IoT终端完善了其业务功能；第四，集成云网络提供高效和可信环境，全面保障物联网数据的生产、交换和使用的安全。随着物联网应用的不断丰富和普及，集成云网络的重要性将日益凸显。

业务平台：开放创新

云网集成的未来网络，为运营商打造开放创新业务平台提供广阔发展空间。敏捷创建、自动部署、按需提供、精益运维将是业务平台的发展趋势。未来业务平台将以构建端到端网络业务为中心，更加关注业务编排、网络资源的统一调度和NFVI的管理。为此，需要将物理及虚拟的网络资源统一抽象，根据业务需求，构建新型的网络业务模型，对网络资源数据进行动态分析，以实现网络业务链的自动高效链接；通过实时分析业务状态、网络运行监控、故障分析和恢复等措施，完成业务实现和业务保障的动态管理；基于OpenStack、TOSCA、USDL等技术，NETCONF/YANG等开放协议接口以及DevOps、开源软件等创新模式，实现开放的业务平台。

开放的平台提供多样化的业务创新能力，更好地支持物联网与移动互联网应用、支撑运营商探索新型B2B业务。例如按时按需带宽、增强网络切片用户控制、实时上下文相关的服务质量优化、跨运营商动态虚拟网络等动态使能业务；企业接入（SD-VPN、vCPE），IaaS（计算、存储、桌面），安全服务（例如防火墙、入侵检测、入侵防护、内容过滤和端点安全）等网络扩展业务；情境感知、大数据处理及分析和增强智能等网络智能业务。

泛在安全：按需定制

《中国制造2025》、“互联网+”等一系列战略的顺利实施，互联网和物联网多样化业务的健康发展，需要全方位的信息安全保障。采用系统性的安全方法，将传统的安全功能进行重构，借助于全网的拓扑结构，结合自学习自动防护安全管理功能，将重构后的安全功能推送给对安全有需求的网络和应用，使其能根据自身运行环境定制安全功能，实现动态的安全服务。

NFV增强了安全的灵活性和扩展性，SDN的集中控制则促进了对网络攻击进行自动地快速响应。借助于NFV和SDN的技术优势，将传统的安全功能如基于端点、边界、网络的安全进行虚拟化，结合新增加的安全功能如安全分析、安全攻击自动化管理等，构建一个网络安全能力中心；网络和应用通过SDN控制器在调用网络资源的同时，根据具体安全需求向网络安全能力中心请求相应的安全服务能力，SDN控制器根据相应的安全需求和安全策略将安全服务能力推送给网络和应用进行安全服务，网络和应用运行结束时，其所请求的安全服务能力也会终止，从而实现按需供给的动态安全服务。

此外，量子密码技术将是未来通信网络安全保障的重要补充。由于传统的基于大数分解的加密算法如RSA面临云计算时代超高计算能力带来的威胁，而量子技术的测不准原理能防止秘密信息的泄露，从而有效地提高网络安全可靠性。

绿色通信：畅行节能

当前网络和数据中心消耗了全球约4%的电力，是影响碳排放的重要因素。不断增强的终端能力，不断增长的带宽需求，以及物联网的日渐兴起，带来了千倍流量增长的难题。按现有的建网方式，能量消耗将随流量的增长而线性增长，这不论是从可持续发展的生态角度、环保立法力度不断加大的法制角度，还是从运营商的投资角度来说，都是无法接受的。

篇7

中图分类号：F253.9 文献标识码：A

Abstract： In the era of big data， logistics service enterprises are facing greater challenges， they also have a better opportunity at the same time to analyze the characteristics of the modern agile logistics. In the context of different information technology， the operating mechanism of agile logistics is different， and the new content and new direction of agile logistics is studied. The operation mechanism of the traditional agile logistics is analyzed， and the operation model of agile logistics based on the large data information is constructed. From the traditional agile logistics system to a diversified， open， efficient extension of development， enrich the concept of agile logistics. The construction of agile logistics operation model provides a practical significance for the logistics practitioners and the new era of logistics service enterprises.

Key words： agile logistics； big data； modern logistics technology

0 引 言

敏捷的起源要追溯到1991年，当时美国的Lehigh大学联合国内13家公司共同撰写了名为《美国21世纪制造企业战略》的报告，在这份报告里首次提出了敏捷制造（Agile Manufacturing）和虚拟制造（Virtual Manufacturing）的新概念[1]，在此后的几年里，敏捷制造被广大学者和从业人士广泛研究，研究的成果也得到了广泛应用。2000年，美国斯坦福大学全球供应链管理协会在敏捷制造及相关概念的基础上，构建了全球供应链敏捷性模型，从产品开发柔性、采购柔性、制造柔性和后勤柔性四个方面分析了全球供应链的运行模式，并讨论了四个柔性因素对敏捷供应链的影响[2]。

在此后的几年里，学者们将敏捷的含义进行了广泛的拓展，从敏捷供应链到敏捷物流。敏捷供应链在国外得到了更广泛的研究，而敏捷物流在国内得到了相对广泛的研究。至于敏捷供应链，南开大学的王玲等对敏捷供应链的研究做了总体概述[3]，在此不再赘述。武汉理工大学的王洪波对敏捷物流系统的构建及运行方式进行了深入的研究[4]，华中科技大学的刘小群、马士华对敏捷物流的运作技术与方法进行了深入的研究[5]，大连海事大学的王惠等对敏捷物流的配送问题进行了动态分析[6]。目前，在国内大数据一直是研究的热点，大数据和敏捷物流结合的研究还很少见，而在IT行业的热度却一直未减。

1 大数据对敏捷物流的影响

大数据字面理解就是大量的数据，这个大量也就是巨量，其规模超出了在可承受的时间范围内用常规软件工具进行捕捉、管理和处理，还有利用。维克托・迈尔―舍恩伯格和肯尼斯・库克耶在其有关大数据的著作中明确预测是大数据的核心，量化一切是数据化的核心，把一切事物数据化[7]。 在今天，大数据是研究的热点也是商业应用的主流元素之一，大数据在先进的物流服务公司也有着一定的运用，如顺丰速运公司利用大数据管理客户的订单，从客户拨打客服电话要求派单时，顺丰速运的数据库就开始记录和运作这个订单。

近年来，人们越来越重视到大数据的价值，大数据可以被广泛使用，人们迫切地想把相关的数据转换成有用的资源优势。大数据对各行业都有一定影响，大数据对物流行业有着深刻的影响，它体现在以下几个方面：

（1）寻找优质的服务提供商更有效

当一个客户需要寻找物流服务提供商时，他可以利用大数据平台来找到最适合自己需求的物流服务提供商，他还可以利用大数据对该公司过去的服务情况进行分析，以此来获得更好口碑，更高可靠性的业务信息。

（2）订单效率大幅度提升

大数据可以更高效地完成订单，不需要复杂的手续，通过电话或网络传输必要的基本信息之后，就可以足不出户实现配送需求。

（3）配送运输效率大幅度提升

当一个订单生成时，大数据可以帮助选择最优的配送路线，如果是多个仓库内提货再配送，大数据还可以分析在哪个仓库提取哪些物品以及提取的数量。这些会更加快速地完成订单的准备工作以及订单的配送运输。

（4）仓储管理更高效

通过大数据可以分析出仓库中哪些物品达到了最低库存水平，可以根据相应的数据信息来预测某些物品的未来几个月的趋势，甚至可以直接向上游供应商下订单。

敏捷物流的灵魂是更高效率，更高质量满足客户的需求，更低成本来提高企业的收入。通过对比普通物流服务模式，大数据对敏捷物流的影响更为重要，因为大数据直通敏捷物流的核心。通过先进的技术手段来实现敏捷物流是当下更为迫切的事情，而大数据时代的来临是敏捷物流发展的春天。如图1所示，物流供需两方通过大数据平台实现敏捷物流的运行。

2 大数据驱动下的敏捷物流运行分析

2.1 大数据的挖掘、处理与储存

大数据的挖掘就是针对在普通的数据挖掘技术基础之上发展起来的特定的挖掘技术，它可以满足对海量数据的抓取以及临时存储。大数据挖掘通过设定的计算算法搜索相应的信息，它与计算机科学、统计科学、人工智能和模式识别的搜索算法、信息论、信号处理等学科紧密相联。在进行大数据挖掘的时候首先要有一个挖掘的原始数据范围，然后根据设定的算法进行选择数据，选择好数据之后就要进行预处理，把数据的结构转换成可存储的统一的结构，然后再根据设定的特定的算法进一步对预处理后的数据进行挖掘，进行存储或者分析和同化。大数据挖掘常用的算法有Apriori、K-means、pagerank、Adaboost等，在运用这些算法的时候也会用到关联规则。所谓的关联规则就是两个或两个以上变量的取值之间存在着或近似存在着某种规律，可以分为因果关联、时序关联以及简单关联三类。数据的关联规则是数据库中存在的一类重要的潜在可被发现的信息，这些信息往往有着很高的利用价值。如图2所示，一个大数据挖掘的模型图。

挖掘了数据之后还要进行处理，也就是通常所说的数据清理或数据清洗。数据清理可通过分类、相关性分组、聚类、复杂数据类型挖掘等纠正数据库中可识别的错误，包括检查数据一致性，处理无效值、缺失值以及重复值。通过对数据的处理，可以构建基础的可靠性比较高的数据库，为后面的数据利用做了有效的铺垫。

得到了大数据之后，接下来就要进行存储。据预测，到2020年全球以电子形式存储的数据量将达到近35ZB，是2009年的40倍之多。根据IDC的统计，2010年底全球已经有了超过120万PB的数据量了。这么巨量的数据很难用物理的存储设备来进行集中存储。所以，在实际运用中对数据的存储可分不同地点进行分类存储，或者寻求专业的数据管理公司进行存储，也可就某公司的具体业务相关数据进行存储以备使用。

2.2 根据储存的大数据实现更高效的敏捷物流

敏捷物流系统是一个相对复杂的系统，它在运行的过程中有着很强的动态性，而且它还涉及了不同组织之间的信息、资源等元素的交互与协调。敏捷物流运行的评价指标就是快速、及时、可靠性、成本等关键要素，根据这样几个要素进行评判所构建的敏捷物流系统的优劣是有一定科学依据的。有了稳定的敏捷物流系统之后，再结合大数据及相关技术手段，可实现敏捷物流的高效运转。对物流服务提供商来说，更高效的服务也就意味着更丰厚的回报。例如，全球著名的邮递和物流集团 Deutsche Post DHL旗下公司DHL公司，它是国际快递和物流行业的全球市场领先者，它提供快递、水陆空三路运输、合同物流解决方案，以及国际邮件服务，目前在中国大陆地区有快递服务、电子商务、货物运输和供应链方案四种服务模式。DHL公司的国际网络将超过220个国家及地区联系起来，全球员工总数超过31.5万人。在2015Teradata大数据峰会上，DHL公司做了“DHL的数据科学―迅速了解成本并拉动利润率增长”为主题的分享活动。DHL公司积极面对大数据浪潮，把大数据及相关的技术应用于对物流风险的管理，从而可以为客户提供更优质的服务，并推出了相应的解决方案Resilience360。Resilience360已经得到了DHL公司客户的一致认可，并为用户创造了价值。全球最大的底盘与传动技术提供商德国采埃孚（ZF）集团在生产拖延的情况下，为保证客户交货日期，公司会采用空运的方式交货，每年ZF需要进行1万余次这类特殊情况空运，涉及55个国家。在传统的物流运输模型中，此时的成本很高而且意外的风险也很大。当Resilience360出现后，它可以很好地帮助ZF集团对供应链环节各种潜在风险进行可视化管理，使管理层有直观的方式了解和控制可能的潜在风险点。Resilience360系统对涉及ZF集团的500余个站点和167个机场进行风险评估，生成风险评价报告，甄别出若干个高风险机场，并根据风险程度规划应变方案。此外，Resilience360系统还根据ZF集团对新兴市场（中国、印度、巴西等）的战略规划和运营状况进行优化，减少空运成本支出。通过对非结构化的数据进行大数据技术处理，并识别潜在的供应链风险，DHL公司在大数据应用原理并不算特别复杂，但有效地提高了客户的满意度，同时也塑造了其物流服务的个性化和差异化。

为了使客户更有效地进行供应链管理，降低或者避免风险，物流服务提供商必须做到：首先要建立一个模型包括描述供应链所有因素及其关系的拓扑图，然后持续监控对供应链的绩效产生影响的各种因素。为达到这个目的，物流服务提供商要从社交媒体、历史信息、综合新闻、天气预报、股市等公开的海量信息中抓取有关地区政治、区域经济、卫生、自然环境等数据，然后对这些数据进行整合与分析。

2.3 敏捷物流运行模型

敏捷物流运作的基本原理就是在控制成本的前提下进行供应链整体物流响应时间的压缩，也就是物流服务提供商在获得客户订单或预测到客户订单后，通过一系列的相关运作，可能包括原材料的采购、原材料的加工、仓储管理和运输等环节，最后保质守时的交到客户手中。敏捷物流在时间方面的控制，需要供应链各节点在物流、信息流、资金流等方面进行集成整合，其中集成整合的运作是最为关键，也是最难以实现的重要因素[8]。如图3所示，结合大数据的敏捷物流运作模型。

在实际运用中，敏捷物流在不同的行业还是有所区别的，例如，针对冷链物流和普通物流就有着很大的不同。此外有的企业是自营物流，而企业本身的核心业务在于生产，此时的敏捷物流运行模式也是有所不同的。针对第三方物流服务提供商来说，敏捷物流的发展有更大的空间，敏捷物流的运行也有更高的可行性以及可靠性。

3 研究总结

研究了大数据驱动下的敏捷物流的运行机制，结合大数据的特点和敏捷物流的特点实现敏捷物流的服务。在国内，敏捷物流的发展还很不完善，而且从地域上来看也很不均衡，东部沿海地区与西部欠发达地区存在着比较大的差距。如何在国内实现敏捷物流，对物流服务企业来说不应该是盲目的扩大服务点或其他硬件设施，而是应该利用现代科学技术实现自身的飞跃发展。大数据对敏捷物流的帮助是有目共睹的，很多企业也实践了这一点，例如亚马逊（Amazon）公司预判顾客可能会下的订单，并做好仓储准备，甚至可以在顾客下订单之前就将货物送到顾客手中。如何利用好大数据是未来的重要研究方向，目前云计算科学技术的发展也很迅速，结合云计算和大数据的研究，如果可以应用到敏捷物流的发展中将会极大地促进服务效率的提升。

参考文献：

[1] Kidd P T. Agile Manufacturing： a strategy for the 21st century[C] // In Agile Manufacturing （Digest No. 1995/179）， IEE Colloquium on， Coventry： IET， 1995：1-6.

[2] Patty Swafford， Soumen Ghosh， Nagesh Murthy. A Model of Global Supply Chain Agility and its impact on Competitive Performance[C] // Stanford Global Supply Management Forum Working Paper， 2000.

[3] 王玲，吕坤. 敏捷供应链研究综述[J]. 物流技术，2010（2）：169-171.

[4] 王洪波. 敏捷物流系统构建及运行方式研究[J]. 武汉理工大学学报（交通科学与工程版），2011，35（4）：817-820.

[5] 刘小群，马士华. 支持快速客户响应的敏捷物流运作技术与方法[J]. 科研管理，2007，28（2）：152-159.

篇8

“慕课”是英文“MOOCs”（Massive Open Online Courses，大规模开放在线课程）的中文音译。2013年，“慕课”成为我国教育界的热词，并引发了“颠覆”“引爆”“革命”“新大陆”“飓风”之类的热评。“慕课”的本质是什么？如何评价“慕课”的意义与作用？“慕课”有什么优势和不足？如何扬长避短发展我国职业教育的“慕课”？本文将围绕上述问题进行分析和探讨。

一、“慕课”：与时俱进的远程职业教育

一般认为，“慕课”2008年起源于加拿大，2011年在美国流行，2012年进入我国并于2013年得到了迅速发展。从本质看，“慕课”是远程教育在现代职业教育环境和技术条件下的升级版，可以通俗地称为“远程教育3.0的升级版”。远程教育由于信息传送方式和手段不同，经历了三个发展阶段：远程教育1.0 阶段是以邮递的纸质材料为载体的函授教学阶段；远程教育2.0 阶段是以广播、电视为载体的广播电视教学阶段；远程教育3.0阶段是以计算机、多媒体与信息通信技术为载体的网络教学阶段。“慕课”与通常意义上的职业教育网络教学相比，在物质与技术载体上没有本质不同，但在教学理念和方式上，借助于新一代信息技术的应用成果进行了重要创新，主要体现在职业教育的四个方面：首先是教学平台的开放性，将封闭的教学平台变成了开放的平台，实现了跨学科、跨校、跨文化教学资源在线集成和共享，增强了资源的丰富性和新鲜度；其次是教学资源的优质性，目前的教学资源主要来自于国家示范校，课程质量高且可以免费获取，增强了网络教学的吸引力和学习者的积极性；再次是教学质量的可控性，充分利用大数据技术对学生的学习行为进行动态分析，便于教师因材施教和学生持续改进学习，提高了教学的针对性和有效性；最后是教学环境的交互性，利用社交工具软件，构成虚拟社区、虚拟班级，改变了网络教学中存在的学生“孤独学习”的“硬伤”，教与学之间、不同的学习者之间可以在虚拟空间里构建学习共同体，相互探讨、思维碰撞，提高了学习深度和学习的兴趣。从这个意义上说，“慕课”源于远程教育3.0又高于远程教育3.0，是远程教育3.0的升级版。

二、“慕课”：实现职业教育公平的利器

“慕课”及现代远程职业教育最突出的优势是超越时空。在移动互联网应用日趋普及的今天，任何年龄的人都可以实现随时随地学习，还可以对碎片化时间进行充分利用，是一种比较经济的职业教育形式。与现代远程教育相比，“慕课”至少有两大优势：一是资源上的集零为整。由于多个职业院校同时向一个开放的平台提供资源，提高了教学资源的集成规模、集成效率和更新周期，使“慕课”具有现代远程教育无与伦比的规模效益。二是教学产品的无限分享。假定职业教育的外部性相对不变，传统公立学校之间的教育资源分配是不均衡的，拥有优质教育资源的学校由于场地、师资、教学设施及学生学习能力等因素限制，不可能为所有学生提供学习机会，也不可能无限扩大招生规模，从产权角度看，具有一定排他性，因此公立教育机构提供的产品更接近于俱乐部产品（私立学校提供的产品更接近于私人产品），并且随着学校层级的提升，产品的排他性是不断增强的。“慕课”由于是一个开放的平台且提供的是免费的课程学习，任何一个人使用“慕课”学习均不影响其他人的使用，解决了传统职业院校学习机会不足的瓶颈；同时，“慕课”平台上目前汇聚的课程都是国家示范校精心打造的优秀课程，解决了优质教育资源让更多学习者分享的问题。“慕课”提供的教育产品更接近于公共产品，为从根本上解决优质教育资源不足、教育机会不公平的社会问题提供了一个技术实现的可能，引起了职业教育者的普遍关注和职业教育理想主义者的赞誉。

三、“慕课”：并非完美的职业教育教学模式

首先，“慕课”以学习者为中心，对学习者的自主认知、自控学习提出了要求。学习者需要自己来决定学习的时间、参与的方式与程度、学习的持续性等。显然，对于学龄较小、学习能力较弱、意志力不强的学习者是不适合的。总体来看，“慕课”比较适合具有一定的逻辑思维能力和较强自我控制能力的学生。其次，从“慕课”提供课程内容看，目前主要还是通识类、专业基础类课程，对于操作性、个体性较强的课程，如实践实训类课程、运动性课程、艺术性课程等，“慕课”的在线学习无法提供针对每个学习者的现场教学。最后，目前“慕课”还有明显的不足：一是教学的程式化。课程内容是根据教师的意图事先制作好的，在学习过程中，尽管教学者之间有互动，但总体上学习者仍然是按教师的设计按部就班地学习，课程资源在设计中无法兼顾所有学习者认知上的差异性。二是教学过程的不可控。学习者使用“慕课”平台具有非线性学习的特点，即学习者对感兴趣的学习资源可以通过超链接的形式随意获取。“慕课”拥有的大量优质资源，会诱导学习者对信息追求过多过广而偏离应有的学习主线。三是学习成绩的真实性。学习者的学习、考试等都是通过在线进行，对教师而言，这些是不可控的，如何防止学习者在完成作业时抄袭、在考试时让人代考等，尚缺乏可行的监管方式。四是信息交互的不完整性。教师和学生在教学活动中提供给对方的信息是多元的，不仅有言语、表情，还有语气、身体语言及特定学习者群体构成的学习氛围等，“慕课”让教学双方、学习者之间感知到的信息是不完整的。五是交互学习不充分。“慕课”提供的虚拟学习社交空间，在进行研究性、探索性、思辨性的学习互动时，缺乏制造思维激荡和头脑风暴的学习环境，同时，面对虚拟空间里数量可以无限扩大的学习者，教师与学生的交互必然是不充分的。上述分析仅限于职业教育教学的微观层面，“慕课”的发展尚处于“小荷才露尖尖角”阶段。随着“慕课”技术的不断演进，特别是像3D技术、可穿带式设备等应用，“慕课”所提供的学习方式会更加便捷、学习环境会更加场景化和仿真；大数据技术和学习分析技术等应用，会使个体学习越来越趋于个性化。就本质而言，“慕课”是新技术与传统教学融合应用的一个成功实践，甚至可以成为现代职业教育日益重要的组成部分。

篇9

中图分类号：G250文献标识码：A文章编号：1003-1588（2015）05-0095-03

近年来，高度连接的世界和迅速扩张的社交媒体使得数据产生的范围、方式、途径发生了翻天覆地的变化，其组成结构、类型格式、存在形态等都愈加复杂，全球进入到一个以数据驱动社会创新、经济增长的大数据时代。大数据时代，人类在实践中逐渐意识到数据的重要性，并通过对数据的进一步采集、存储、整合、分析、利用发现新的知识、创造新的价值，为社会带来全新的发展机遇。目前，大数据作为一项新兴的信息技术，受到了大型企业、信息服务机构乃至政府的高度重视，其带来了一场知识革命，庞大的数据量将对各个领域产生巨大影响。因此，大数据成为一个至关重要的课题，吸引了大量学者对其进行深入研究，笔者在查阅国内外相关文献的基础上，对大数据的理论研究、大数据的应用研究、大数据时代面临的挑战进行了综合分析，以期展望未来大数据的发展趋势。

1大数据的理论研究

由于“大数据”一词是近几年才提出的，因此理论研究是学术界研究的热点，其包括大数据的内涵、技术等方面。

1.1大数据的内涵

1.1.1定义。大数据作为新出现的名词，尚未有一个标准的定义，人们对大数据的理解也各不相同。全球知名咨询机构麦肯锡公司在其的研究报告中对大数据作了如下定义：其大小超越了典型数据库软件的采集、存储、管理以及分析等能力的数据集。李国杰院士及程学旗教授认为，大数据是指无法在可容忍的时间内用传统IT技术和软硬件工具对其进行感知、获取、管理、处理和服务的数据集合[1]。学者韩翠峰则认为，大数据是存储在数据库中的结构化数据以及由图片、音视频、电子邮件、社交网络等产生的半结构化数据与非结构化数据的总和[2]。笔者通过对比分析发现，大数据并非单纯指数据量的大小，而是指在体量浩大、模态繁多的数据中能快速获取有价值的信息。

1.1.2特点。大数据是指无法用现有的软件工具提取、存储、搜索、共享、分析、处理的海量且复杂的数据集合。业界通常用“4V”来描述其特征：①数据体量巨大（Volume）。随着科学技术的进步与发展，数据集合的规模不断扩大，已由TB级升至PB级。②数据种类繁多（Variety）。目前，数据类型愈发多样，非结构化数据越来越多，如微博微信、图片视频、地理位置信息等，这对数据处理能力提出了更高要求。③处理速度快（Velocity）。随着移动网络的发展，人们对数据的实时应用需求变得更为普遍，因为一些数据具有很强的时效性，所以需要快速处理，这是其区别于传统数据挖掘的最显著特征。④价值密度低（Value）。数据的价值巨大，但囿于传统的思维方式与技术方法，其价值密度却与数据总量成反比。NetApp指出，大数据主要包括3大要素：大分析，通过对巨大数据集合的实时分析，帮助用户获取新的价值；高带宽，达到更快的数据处理速度；多内容，能轻松实现数据的恢复、备份、复制与管理，在不丢失任何信息的情况下实现高扩展性[3]。Wakefield Research在2012年的大数据研究中揭示了大数据的3个特点和现状。首先，大数据已经到达了一个临界点，数据已变得普遍，现在其已是大家的事务。其次，大数据在开创领导者工作议程的价值上已经达到了一个顶点。最后，关键业务功能不充分地支持数据为它许诺的价值，挣扎于庞大的体积和安全问题中，公司开始重新考虑他们的数据战略。

1.2大数据的技术

大数据技术是近年来备受关注的一个热点，是指从各种各样类型的数据中，快速获得有价值信息的能力。随着互联网的迅猛发展，数据量的增长速度越来越快，传统技术已无法满足人们对大数据的处理需要，很多研究者开始关注与大数据分析相关的技术。

1.2.1云计算。中国人民大学孟小峰教授认为，大数据的关键技术主要涉及云计算和大数据分析工具[4]。云计算是大数据的基础平台，正是有了云计算技术在数据存储、数据管理以及数据分析等方面的支撑，大数据才得以广泛应用。云计算技术中主要涉及文件系统、数据库系统、检索与查询技术、数据分析技术等。

1.2.2大数据分析工具。目前被广泛关注和应用的分布式系统基础架构Hadoop已经发展成为包括文件系统（HDFS）、数据库（HBase、Cassandra）、数据处理（MapReuce）等功能模块在内的完整生态系统（Ecosystem）。其可以高速捕捉、发现并分析数量大、结构复杂的数据，为用户决策与创新提供丰富的知识和有效的答案。

1.2.3并行数据库。并行数据库技术起源于20世纪80年代后期，研究的重点是并行数据库的物理组织、操作算法、优化调度策略。当前主流的并行数据库都支持标准SQL，并且实现了数据库界过去30年提出的许多先进技术。其主要采用shared-nothing结构，将关系表在节点间横向划分，并利用优化器对执行过程进行调度和管理，目标是通过多个处理节点并行来执行数据库任务，提高整个数据库系统的性能和可用性。

1.2.4MapReduce。MapReduce是一种用于大规模数据集的并行运算的编程模型，其主要思想源于函数式编程语言以及矢量编程语言。MapReduce起初主要用来处理互联网数据，但其简单而强大的数据处理接口和对大规模并行执行、容错及负载均衡等实现细节的隐藏，使其迅速在机器学习、数据挖掘、数据分析等领域被广泛应用。MapReduce将数据处理任务抽象为一系列的Map（映射）―Reduce（归约）操作，Map主要完成数据的过滤操作，Reduce主要完成数据的聚集操作。其输入、输出数据均以〈key， value〉格式存储，用户在使用该编程模型时只需按照自己熟悉的语言实现Map函数和Reduce函数即可，MapReduce框架会自动对任务进行划分以做到并行执行[5]。

2大数据的应用研究

研究者除了对大数据进行基础的理论研究外，也开始倾向于应用方面的研究，如公共事业、物流零售、文化娱乐、能源制造、金融保险、IT互联网等众多领域。

2.1自然科学

因专业需要，自然科学界很早就进入了大数据研究时代，科学研究已经被大数据彻底改变。如：在天文领域，The Sloan Digital Sky Survey已经变成如今全球天文学家的信息来源中心；在生物科学领域，借助对大数据的研究，已有了建立公共数据库行之有效的方法；在医学领域，对信息技术的利用在减少医疗费用的同时也提高了治疗的质量，实现了事先预防。

2.2社会科学

大数据应用于社会科学基本是在研究工具引入计算机以后才开展的，其中尤为突出的是商业方面和社会管理方面。

2.2.1商业方面。由于手机、电脑等通信工具的普及，海量的数据开始能够被发现并收集起来。通过数据的挖掘、处理、整合，可以将存储在不同系统中看起来毫不相关的数据联系到一起，从中找出相关关系，并获得一幅关于企业运营的完整图景。此外，运用大数据技术可以推动企业的业务升级转型，如金融类和零售类的企业以往在评估用户信用等级和店铺仓储方面需要耗费大量的人力、物力，而运用大数据分析技术之后，能及时处理相关信息，提高运营效率，总结发展过程中的模式，并改善预测未来的能力[6]。

2.2.2社会管理方面。世界各国政府在国家管理方面已经引入了各种数据分析，以期从繁杂的社会现象中总结出科学的政策来指引民众，保证社会的稳定有序发展。如美国政府将犯罪率加以统计，以期预测未来可能发生的犯罪行为，从而预防犯罪事件的发生。

3大数据时代的挑战和趋势

3.1大数据时代面临的挑战

3.1.1大数据需求不够清晰。很多业务部门不够了解大数据及其应用价值，很难提出精准的大数据需求，阻碍了企业对大数据的利用。同时，很多有价值的历史数据由于没有应用场景而被删除，导致了数据资产流失。因此，大数据从业者应该与专家共同探讨，分享大数据应用场景，从而使更多的业务人员真正了解大数据的价值。

3.1.2数据孤岛现象严重。由于数据常常散落在不同的业务部门，并存储在不同的数据仓库中，同时不同业务部门的数据技术也不尽相同，这就导致数据在企业内部无法有效关联与整合，进而影响数据价值的挖掘。因此，如何将不同部门的数据联通，并实现技术与工具的共享，值得我们深入思考。

3.1.3数据可用性低。很多企业不够重视大数据的预处理工作，导致收集到的庞大规模的数据不规范、不准确、质量差，不便于挖掘有价值的信息。因此，如何利用大数据的去冗降噪技术，提高数据的可用性和准确性，一直是学界争论的话题。

3.1.4技术架构。数据量的急剧增长超越了系统的数据处理能力，如何构建分布式的数据仓库且可方便扩展成为挑战。海量数据需要强大的数据中心作为支撑，如何在保证数据稳定、支持高并发的同时，减少服务器的低负载，也将成为挑战。

3.1.5数据安全。在数据收集的过程中，暂时还没有一个比较系统有效的措施来保证信息不外泄，即使有较为完备的方案，也存在着高成本与极大的复杂性，甚至会产生新的漏洞。这些情况成为现阶段难以逾越的鸿沟，如何保证用户的信息安全成为大数据时代非常重要的课题。

3.1.6人才缺乏。大数据开发建设的各个环节都离不开专业人才，据Gartner预测，到2015年，全球将新增440万个与大数据相关的工作岗位，且需要的是能够综合掌握数学、统计学、数据分析、机器学习、自然语言处理等的复合型人才。因此，高校应与企业合作，共同培养并造就一支熟悉大数据技术、有大数据应用经验的专业队伍，以保证大数据市场的长远发展。

3.1.7数据开放。各系统建设缺少统一规划、统一标准，因而形成了很多“信息孤岛”，致使数据开放程度较低，阻碍了数据的有效利用。同时，由于我国缺少有关大数据方面的立法，导致无法既保证数据共享又防止数据滥用。另外，如何在推动数据全面开放、应用、共享的同时有效保护用户隐私，也将是大数据时代的一个重大挑战。

3.2大数据研究的发展趋势

3.2.1逐渐成为重要的战略资源。已有越来越多的国家宣布架构大数据的传播机制并进一步扩大规模，力图在大数据时代的信息竞争环境下处于主导地位，相信未来大数据将成为提升机构和企业竞争力的强大武器。

3.2.2在更多领域发挥作用。目前，大数据在互联网、金融等领域已取得较好的应用效果，未来相信大数据将会在更多领域得到应用，以帮助企业更好地满足用户的现实需求和潜在需求，并带来广泛的社会价值。

3.2.3大数据的价值要在开放的基础上才能得以实现，尤其在公共事业方面。我国一些城市和部门正在逐渐开展数据开放工作；另外，对于不同行业，数据共享也是体现数据价值的重要途径，未来相信数据共享会成为一种趋势，并将出现不同领域的数据联盟。

3.2.4安全隐私问题将成为研究重点。在发展大数据分析的同时，对其涉及的安全隐私问题，各个研究机构已经开始有所作为。在设计LDCC（洛桑数据收集活动）时，NOKIA公司在与志愿者相关数据、匿名化及研究人员承诺方面做了一定的探索。

3.2.5创造新的就业岗位。大数据的出现与应用将创造一批新的就业岗位，如数据分析师、数据管理专家、数据产品经理等。由于强烈的市场需求，未来高校将逐步开设大数据相关专业，同时与企业紧密合作，以培养专业人才。

大数据时代的到来以及大量相关技术的广泛应用极大地影响了承载着知识存储、组织、开发与传播重任的图书馆的命运，如何避免被边缘化，将自身从传统意义上的静态收集转为动态分析并进行有效检索成为图书馆从业人员当下要解决的重要课题。

参考文献：

[1][ZK（#]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（27）：648-654.

[2]韩翠峰.大数据带给图书馆的影响与挑战[J].图书与情报，2012（5）：38.

[3]NetApp. Big Data Solutions for Government[EB/OL].[2014-08-10].http：///us/solutions/in-dustry/government/bigdata.aspx.

[4]孟小峰，慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展，2013（50）：152-159.

篇10

②大数据可视化

③BI商业智能分析

④大数据检索

⑤产品大数据分析

⑥大数据预测、咨询

⑦大数据服务支撑平台

⑧机器学习技术

“大数据分析、可视化及BI领域——

虽然这三个领域在功能及应用范围上各有千秋，但实质上可以说是相辅相成：通过大数据的基础分析工具，研究人员可以获得数据内部的逻辑及结果表现，但通常这些结果过于复杂并缺乏合理的表达形式，使数据科学家及企业的管理者无法快速领会并对经营活动进行调整。

因此大数据的可视化方案应运而生，多数可视化方案都作为数据分析工具的延伸而存在，但也有少部分公司另辟蹊径，采用非传统方式将数据的可视化更加贴近需求。BI则是大数据分析和可视化与业务场景的结合，作为企业内部管理工具，使企业的价值有了极大的增长，成为了大数据应用领域重要的一环。

{ 1 }大数据分析领域，在朝向易用、简单化发展

大部分大数据分析企业的现状，可以说是将数据的分析、可视化及数据的采集、治理、集成进行了一体化，以大数据的分析平台形式存在。例如Fractal Analytics除了具备数据分析功能外，还提供自动化数据清理及验证服务，能够返回标准化的结构化数据；Voyager Labs则能够实时采集、分析遍布世界各地的数十亿个数据点，帮助用户进行预测。

上述典型公司主要面向大型企业进行定制化全流程服务，客单价有时高达千万美元级别，例如Fractal Analytics的客户就包括飞利浦、金佰利等大型公司，其高昂的价格及服务令小型企业望尘莫及。

但随着大数据技术的逐渐普及，SaaS化的大数据分析服务将是一个明确的发展方向，而其使用门槛也将大幅降低，从而将大数据分析的能力逐步赋予给中小企业，以真正的实现其基础资源的价值。同时确保企业数据安全的数据脱敏、数据保护市场也会随着SaaS化的到来而逐步拓展出新的市场空间。

目前大数据技术简化、低成本、易用的趋势已经在部分公司的产品策略上有所体现，例如大数据分析公司Domino的产品让数据科学家只需专注于自己的分析工作，而不用关注软硬件基础设施的建立及维护，Datameer更进一步开发出的产品屏蔽了复杂的大数据分析底层技术，通过类似电子表格的可视化数据分析用户界面，让企业的员工能够快速上手使用，RapidMiner Studio可零代码操作客户端，实现机器学习、数据挖掘、文本挖掘、预测性分析等功能。

在大数据分析能力普及的同时，提升数据分析性能、优化数据分析结果的技术研发也在快速进展中。例如SigOpt通过自主开发的贝叶斯优化(Bayesian Optimization)算法来调整模型的参数，获得了比常见的网格搜索(grid searching technique)解决方案更快、更稳定、更易于使用的结果，目前SigOpt的产品不仅可以让用户测试不同变量，还能够提供下一步的测试建议，以帮助用户持续优化改善数据分析结果。

令人感到欣喜的是，在大数据分析领域还存在着一些颠覆了传统数据分析理论，采用独特方式方法进行数据分析的公司。这类公司的技术对传统数据分析方法进行了很好的补充，在特定领域有着成功的应用。

这类公司中的典型之一是由三位全球顶尖的数学家创立的Ayasdi，它利用拓扑数据分析技术和上百种机器学习的算法来处理复杂的数据集，不仅可以有效地捕捉高维数据空间的拓扑信息，而且擅长发现一些用传统方法无法发现的小分类，这种方法目前在基因与癌症研究领域大显身手，例如一位医生利用Ayasdi的数据分析技术发现了乳腺癌的14个变种，如今Ayasdi已经在金融服务和医疗保健行业中获得了相当数量的客户。

{ 2 }可视化技术，逐步实现了自动化、智能化

大数据可视化是连接数据分析结果与人脑的最好途径，因此可视化技术的高低也成为了左右大数据企业获客能力的重要因素。目前可视化的发展方向同大数据分析一致，都是朝着简单、自动化、智能的方向在努力。

典型企业如Alteryx是一个提供一站式数据分析平台的初创公司，旨在让用户在同一个平台上完成数据输入、建模以及数据图形化等操作，将数据运算与精美的图像完美地嫁接在一起，并能够和SAS和R语言一样进行数据的统计和分析。

通过可视化帮助用户实现真正的管理能力提升也是重要的功能之一，德国大数据公司Celonis通过流程挖掘技术，从日常记录中提取数据、发现关键因素，并最终揭示公司在业务中的执行情况，能够帮助客户公司提高30%的工作效率。

发展到如今，可视化技术已经不局限于传统的分析结果展示，而是能够直接转换文本、图片等非结构化的数据并直观展现，例如Quid利用机器智能读取大量文本，然后将该数据转换为交互式视觉地图，以节约过去通常会耗费在阅读检索中的大量时间。Origami帮助营销人员将CRM、社交媒体、邮件营销和调查报告等跨平台的数据整合并进行有效分析，使其简单化、直观化、视觉化，人人都能够高效实用。

同时数据分析及可视化对硬件应用的革新也在进行中，开发GPU关系数据库服务的Kinetica获得了5000万美元A轮融资，采用同一技术路线的MapD也已经能够做到比传统计算内核快100倍的速度对大数据进行查询与可视化。

{ 3 }BI技术摆脱"鸡肋"，实时便捷普惠政企效率提升

BI技术的发展已经有了较长的历史，但由于技术因素此前一直被限制于企业内部采集与应用，实际发挥的效果有限并且使用率不高。如今在数据采集与应用范围普及与大数据分析、可视化技术的推动下，通过数据仪表板、智能决策等方式提升企业运营效率利器的BI再次获得了资本市场的青睐，Tableau作为BI的代表性企业已经顺利IPO目前市值超过48亿美元，另一家代表性企业DOMO估值也达到20亿美元，成长速度远超传统商业软件公司。

相比于可视化技术，BI更偏重于实际的应用，通过模板化、SaaS化及去代码等方式，BI应用范围不再局限于数据科学家及企业高管，可预见未来企业内部每个员工都可以通过BI工具获知自己及所处部门的各项数据，并能够有针对性的改进工作方式与方向。

已经累计融资1.77亿美元的Looker令用户能够使用自然语言进行查询，降低了查询大型数据集的门槛；GoodData为企业提供大数据分析SaaS服务，其所有的数据分析服务实现了100%云化，企业可以将公司已有数据导入GoodData的云平台，再对数据做跟踪、切分、可视化、分析等处理。

BI领域一个有意思的应用案例是Qlik公司的产品受到了中国海关总署的高度赞扬。海关总署每天都需要进行庞大的数据分析，Qlik则通过图形化数据展示，使海关管理人员不再受平台和时间的限制，能够多视角长跨度的分析，实现了对于现有海量数据的业务的快速展示，极大地促进了稽查效果。

“企业大数据检索、产品大数据分析、大数据咨询预测、大数据平台及机器学习领域——

企业大数据检索能够充分挖掘并释放企业数据的潜力；产品的大数据分析使用户行为成为了产品设计与运营环节的重要参考因素；大数据技术与咨询业务的结合则对咨询行业形成了很大的影响，数据技术导向的咨询业务将极有可能成为未来行业的主流选择；大数据服务支撑平台类企业则为大数据技术的普及和实用化做了很大的贡献，是大数据技术生态中不可或缺的一环；最后是机器学习，作为大数据分析的底层技术方法也逐渐开始得到广泛应用。

首先将企业大数据检索、产品大数据分析、大数据咨询预测、大数据平台和机器学习这五个领域的典型企业列举如下，接下来将分版块进行详细介绍。

{ 4 }企业大数据检索

移动互联网的普及与SaaS服务的兴起令企业沉淀的数据量呈指数级上升，但目前对企业数据价值的挖掘仅仅停留在较浅层面，真正的大数据分析能力还尚未应用。因此如何做好企业内部数据信息价值的发掘成为了关键的第一步。

提升企业数据挖掘检索能力，并将检索的技术门槛降低的典型企业有Algolia，目前其产品具备关键字输入智能容错功能，并提供搜索排名配置，能够让普通员工也能按需要找到自己所需的数据信息。同时Algolia还为移动设备提供了离线搜索引擎，其C++ SDK可以嵌入到应用服务器端，这样即便没有网络连接应用也能提供搜索功能，适用范围很广。

而在SaaS化服务兴起的同时，企业采用多种软件导致内部数据不联通而形成了数据孤岛。根据互联网女皇Mary Meeker的分析，不同行业的公司平均使用SaaS服务的数量从最低25个至高达91个，需要跨平台数据检索分析服务。Maana开发的数据搜索和发现平台Maana Knowledge Graph，其长处便是收集来自多个系统或者"孤岛"的数据，并将其转换为运营建议，可广泛应用于多个行业。

{ 5 }产品大数据分析

产品大数据分析相对其他应用来说关注度稍低，但其能够发挥的功能并不少。通过收集用户的浏览、点击、购买等行为，不单从宏观上能够察觉用户群体的喜好变化提前应对，微观上还能够构建用户画像，从而做到定制的产品推荐与营销，能够有效的提升用户的消费水平与满意程度。

Mixpanel便是一家提供类似产品的公司，其让企业用户跟踪用户的使用习惯提供实时分析，其产品有用户动态分析(Trends)、行为漏斗模型(Funnels)、用户活跃度(Cohorts)及单用户行为分析(People)等几个模块，全面的覆盖了可能发生的用户行为与场景。

{ 6 }大数据咨询预测

如今大数据技术的发展为事件分析和预测提供了可能，并且准确度和处理速度已经具备了很大竞争力，传统咨询公司的处境类似于现在面对AI威胁的华尔街分析师，或许不久之后就将会被替代。因此随着逐渐出现大数据咨询公司的同时，传统咨询企业也纷纷与大数据技术公司合作，甚至成立了自己的数据业务部门。

Opera Solutions便是一家依托大数据分析的咨询公司，其创始人是咨询行业资深人士，曾创办了商业咨询公司Mitchell Madison和Zeborg。

目前Opera致力于金融领域的数据分析类咨询，通过建模、定量分析给客户提供建议，解决客户的商业问题。例如其计算机系统可以一次性采集数十亿条数据，包含从房产和汽车价格到经纪账户和供应链的实时数据等，通过分析从中获得有关消费者、市场和整个经济体系将如何行动的信号或见解。其客户包含了咨询机构及花旗银行等公司，最近还为摩根士丹利提供了帮助经纪人团队给其客户提供投资建议的业务。

新技术、机器学习与咨询预测行业的结合，相比于仅使用大数据分析技术能够获得更好的效果，也成为了行业内的一个小热点。例如基于社会物理学原理的Endor能够依托少量数据生成统一的人类行为数据集，并比传统海量数据分析方式更早的做出模式识别与判断。在甄别facebook上受ISIS控制的账号的实验中，根据已知少量ISIS账号特性，Endor高效分辨出了新的ISIS疑似账号并且准确度令人满意。

{ 7 }大数据服务支撑平台

目前围绕着大数据技术与大数据产业生态链发展的，还有许多是平台服务型的公司，这类公司具备一定的技术水平，但主要通过服务大数据技术公司及科研人员而存在，是技术生态中不可或缺的一环。

Dataiku创建了一个云平台，旨在使数据科学家和普通员工更容易获得公司收集的大数据，并通过机器学习库缩短了专家以及数据分析师所需要的时间。

Algorithmia的平台上提供包括机器学习、语义分析、文本分析等通用性算法，一旦用户找到想用的算法，只需添加几行简单的算法查询代码到应用中，Algorithmia的服务器就会与应用连接，避免了开发者的重复劳动。

目前部分向开发者社区业务发展过渡的平台型企业，因其资源已经得到行业巨头的青睐，被Google收购的Kaggle便是一例，通过举办数据科学周边的线上竞赛，Kaggle吸引了大量数据科学家、机器学习开发者的参与，为各类现实中的商业难题寻找基于数据的算法解决方案。同时Kaggle为其社区提供了一整套服务，包括知名的招聘服务以及代码分享工具Kernels。

{ 8 }机器学习

机器学习，是模式识别、统计学习、数据挖掘的技术手段，也是计算机视觉、语音识别、自然语言处理等领域的底层技术，在附件的介绍中大家可以看到，微软Azure、Google云平台及AWS都推出了自己的机器学习产品，而众多的机器学习创业公司则通过提供有特色的技术或服务进行差异化竞争。