簡述大數據的概念范文

導語：如何才能寫好一篇簡述大數據的概念，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公文云整理的十篇范文，供你借鑒。

篇1

>> 大數據時代圖書館的知識服務探析 知識咨詢：大數據時代圖書館的知識服務增長點 向大數據知識服務：大數據時代圖書館服務模式創新 試析大數據時代醫院圖書館知識服務的困惑與挑戰 大數據時代的圖書館服務淺析 大數據時代圖書館的服務創新 大數據時代的圖書館服務初探 大數據時代的圖書館服務發展初探 大數據時代圖書館的微服務研究 大數據時代軍隊圖書館資源共建共享與知識服務創新 大數據時代圖書館服務探析 大數據時代圖書館信息服務變化 大數據時代高校圖書館服務功能新探 大數據時代圖書館信息服務模式探討 大數據時代的圖書館開放數據服務探析 “大數據時代”背景下圖書館移動數據服務的發展 大數據智能在圖書館知識服務中的應用思考 大數據時代的圖書館服務模式的創新 大數據時代下圖書館開展信息服務的對策 大數據時代下的圖書館移動服務創新研究 常見問題解答 當前所在位置：l，2012-10-02.

[2]Manyika J，Chui M，Brown B，et al.Big data：The next frontier for innovation，competition，and productivity[R/OL]./pagewanted=all，2012-10-02.

[6]Big data[EB/O L].，2012-10-02.

[15]Agrawal R，Srikant R.Privacy preserving data mining[C]∥Proc of SIGMOD 2000.New York：ACM，2000：439-450.

[16]Dwork C.Differential privacy[C]∥Proc of ICALP 2006.Berlin：Springer，2006：1-12.

（上接第32頁）

[4]Ritchie B，Brindley C.An emergent framework for supply chain risk management and performance measurement[J].The Journal of the OperationalResearch Society：Risk Based Methods for Supply chain Planning and Management，2007，58（11）：1398-1411.

[5]何勇，趙林度，何炬，等.供應鏈協同創新管理模式研究[J].管理科學，2007，5（20）：9-13.

[6]張旭梅，張巍，鐘和平，等.供應鏈企業間的協同創新及其實施策略研究[J].現代管理科學，2008，（5）：9-12.

[7]張巍，張旭梅.縱向溢出效應供應鏈企業間的協同創新研究[J].商業研究，2009，（384）：42-46.

[8]張巍，張旭梅.供應鏈企業間的協同創新及收益分配研究[J].研究與發展管理，2008，4（20）：81-88.

[9]Nancy C.Shaw，Mary J.M.，Francis D.T.A Case Study of Integrating Knowledge Management into the Supply Chain Management Process.Proceedings of the 36th Hawaii International Conference on System Sciences[C].Hawaii，2003.

[10]Kwok Kee Wei，Weiling Ke.Factors affecting trading partners knowledge sharing：Using the lens of transaction cost economics and socio-political theories[J].Electronic Commerce Research and Applications，2007，（6）：297-308.

[11]Daniel Perry，Jiju Antony Chengbo Wang，Craig Fergusson.A conceptual case-based model for knowledge sharing among supply chain members[J].Business Process Management Journal，2008，14（2）：147-165.

[12]Shaker A.Zahra a，Donald O.Neubaum b.Knowledge sharing and technological capabilities：The moderating role of family involvement[J].Journal of Business Research，2007，60：1070-1079.

[13]Sobrero M.，Roberts EB.The trade-off between efficiency and learning in interorganizational relationships for product development[J].Management Science，2001，（4）：493-511.

[14]Dyer，Nobeoka.Creating and managing a high-performance knowledge-sharing network：The Toyota case[J].Strategic Management Journa，2000，21：345-367.

[15]覃艷華，曹細玉.供應鏈中的知識共享與合作創新研究[J].科技管理研究，2006，（4）：183-186.

[16]吳成鋒，王玉梅，單偉.基于知識共享與知識創新提升供應鏈核心競爭力的研究[J].情報雜志，2010，29（11）：83-87.

[17]張旭梅，黃陳宣.逆向供應鏈企業間知識共享的決策機制研究[J].管理學報，2013，10（2）：233-237.

[18]翁莉，仲偉俊，魯芳.供應鏈知識共享的決策行為及影響因素研究[J].管理學報，2009，6（12）：1648-1652.

[19]劉麗賢，.供應鏈成員協同知識創新風險研究[J].技術經濟與管理研究，2012，（6）：28-31.

（本文責任編輯：孫國雷）2013年10月1第33卷第10期1現？代？情？報1Journal of Modern Information1Oct.，20131Vol.33No.102013年10月1第33卷第10期1政務信息管理的驅動力分析1Oct.，20131Vol.33No.10

篇2

    1.云計算及其編程模型MapReduce

    1)云計算簡述:大約從2007年下半年開始,云計算由于其能提供靈活動態的IT平臺,服務質量保證的計算環境以及可配置的軟件服務而成為熱門話題。文獻中給出了云計算的比較完整的定義:云計算一個大規模的由規模經濟驅動的分布式模型,位于其中的抽象的、虛擬的、動態可擴展的、可管理的計算能源、存儲、平臺、服務等通過因特網交付給外圍客戶。由上述云計算的定義我們知道,云計算首先得是大規模的、分布式的,少量的計算處理用不著云計算;其次,它是跟規模經濟相關聯的,比較形象的說法是,云計算資源跟“電”和“水”一樣,是按需收費的,并且是大規模式銷售的,通常在建立數據中心時會考慮成本因素;最后,它從廣義上說是給客戶的一種服務,可以包括提供存儲、計算等資源。云計算可以按服務的內容和交付形式分為基礎設施即服務(IaaS)、平臺即服務(PaaS)、軟件即服務(SaaS)等。在單機芯片集成度已進入極小尺度級別,指令級并行度提升也已接近極限的今天,縱向擴展似乎已經不夠現實,這也遠遠不能滿足大數據處理的要求,而云計算的要求比較寬松的允許異構網絡的橫向擴展,無疑給大數據處理帶來了方便。云計算能為大數據提供強大的存儲和計算能力,可以迅速、方便地為大數據提供服務,另一方面,大數據的處理需求也為云計算提供了更多更好地應用場景。由此,云計算作為大數據的支撐技術而倍受業界關注。

    2)MapReduce簡述:關系數據庫作為一門發展了近40年的主流數據管理技術,主要用于聯機事務處理(OLTP)應用、聯機分析處理(OLAP)應用和數據倉庫等,然而擴展性方面的局限使得其在大數據時代遇到了極大障礙。2004年,谷歌公司提出的MapReduce技術,以其利用大規模廉價服務器以達到并行處理大數據的目的而倍受學術界和工業界的關注,廣泛應用于機器學習、數據挖掘等諸多領域。基于MapReduce的大數據分析處理研究也在不斷深入,MapReduce作為一種非關系數據庫的數據管理工具代表,克服了關系數據庫擴展性方面的不足,將計算推向數據也迎合了大數據時代的內在需要,成為大數據處理的基本工具。而Hadoop作為模仿MapReduce而實現的一個云計算開源平臺,目前已成為最為流行的大數據處理平臺。MapReduce對于大數據處理的基本構思是分而治之,將大數據任務分解為多個子任務,將得到的各個子結果組合并成為最終結果。MapReduce對大數據的處理可抽象為兩個主要階段,Map階段對初始的鍵-值(Key/Value)對進行處理,產生一系列的中間結果Key/Value對,然后通過Reduce階段合并所有具有相同Key值的Key/Value對,得到最終結果。MapReduce對數據進行處理的應用思路如圖2所示。

    2.大數據獲取技術

    每天都有大量數據產生,并且這些數據通過不同的途徑,以不同的形式被接收和記錄。本節將簡單介紹幾種常見的大數據獲取途徑。

    (1)傳感器技術:近年來,傳感器技術蓬勃發展,無論是道路交通方面,還是醫療機構方面甚至是個人工作和生活場所,傳感器無處不在,大量的數據源源不斷地被傳感器所接收。可以說,傳感器的迅速普及,為大數據的獲取提供了有力地保障。傳感器技術的快速發展,也促進了傳感器網絡的逐步完善。由于構建傳感器網絡的設備、數據收集、數據存儲等方面的差異性,網絡孤島普遍存在,如何解決異構網絡所帶來的數據共享問題一度成為研究者們面臨的極大挑戰。不過隨后美國國家技術標準局(NIST)和IEEE共同組織了關于制訂智能傳感器接口和連接網絡通用標準的研討會,產生了IEEE1451傳感器/執行器、智能變送器接口標準協議族,試圖解決傳感器市場上總線不兼容的問題。2005年,開放地理空間聯盟(OGC)提出了一種新型的傳感器Web整合框架標準,讓用戶能透過Web的界面來進行節點搜尋、數據獲取及節點控制功能。文獻[12]對無線傳感器網路的路由協議進行了研究,指出多路徑路由發展的趨勢和挑戰,而文獻[13]則從生物學、商業、環境、醫療、工業以及軍事等領域探討無線傳感器的重要用途。

    (2)Web2.0技術:“Web2.0”的概念2004年始于出版社經營者O'Reilly和MediaLiveInternational之間的一場頭腦風暴論壇,所謂的Web2.0是指互聯網上的每一個用戶的身份由單純的“讀者”進化為了“作者”以及“共同建設人員”,由被動地接收互聯網信息向主動創造互聯網信息發展。Web2.0伴隨著博客、百科全書以及社交網絡等多種應用技術的發展,大量的網頁點擊與交流促使了大數據的形成,給人類日常生活方式帶來了極大的變革。

    (3)條形碼技術:條形碼的使用給零售業帶來了革命性的改變,通過內嵌ID等信息,條形碼在被掃描之后,快速在數據庫中進行ID匹配,便很快就獲知該產品的價格、性能、產商等具體信息,條形碼被廣泛應用于零售商店的收銀以及車站售票等業務中,每天大量的商品銷售記錄通過掃描條形碼而產生。近年來的智能手機的盛行,手機應用如微信中的二維條形碼也隨處可見,文獻[14]中設計了一種應用于手機應用的彩色二維條形碼,改善了用戶對應用程序的感受。

    (4)RFID技術:RFID與條形碼相比,擴展了操作距離,且標簽的使用比條形碼容易,攜帶一個可移動的閱讀器便可收集到標簽的信息,被廣泛應用于倉庫管理和清單控制方面。RFID標簽可以分為兩類,一類是被動的,如今被廣泛使用,其造價便宜,但是沒有內部電源,依靠閱讀器的射頻波產生能量,操作距離也很近,因而其適用性也受到了制約;另一類是主動的,其擁有內部電源,因此造價較貴,但是操作距離遠,存儲能力強,因而適用范圍廣,在未來這種標簽會受到普遍歡迎的。學術界在RFID技術的研究上已經取得巨大的進步。較早的工作重心大多集中在對標簽進行搜集的問題上,即盡可能快地在大量標簽中搜集他們的ID,而這方面最大的挑戰是解決多標簽同時競爭較窄的信道引起沖突的問題。研究者們提出了兩類解決思路,即基于ALOHA的協議[15-17]和基于樹的協議[18-20]。而其他的工作專注于標簽評估問題,即使用統計學的方法來評估一個龐大系統中的標簽數目[21-23]。總之,RFID由于具有操作范圍廣泛、性能穩定以及高存儲能力等特性,在工業界中將具有巨大的潛力。

    (5)移動終端技術:隨著科學技術的發展,移動終端諸如手機、筆記本、平板電腦等隨處可見,加上網絡的寬帶化發展以及集成電路的升級,人類已經步入了真正的移動信息時代。如今的移動終端已經擁有極強的處理能力,通信、定位以及掃描功能應有盡有,大量的移動軟件程序被開發并應用,人們無時無刻不在接收和發送信息。目前,智能手機等移動設備的數量仍然在迅猛增長中,移動社交網絡也會日益龐大和復雜,海量的數據穿梭其中,針對移動數據的處理也將越來越復雜。

    3.文件系統

    文件系統是支撐上層應用的基礎,本小節將簡要介紹面向大數據處理的文件系統如谷歌分布式文件系統(GFS),以及一些其他的分布式文件系統。

    1)分布式文件系統GFS:谷歌自行開發的文件系統GFS[24],是一個基于分布式集群的大型的分布式文件系統,它為MapReduce計算框架提供底層數據存儲和數據可靠性。GFS采用廉價普通磁盤,并把磁盤數據出錯視為常態,其自動多數據備份存儲也增加了可靠性。GFS基本構架中,GFSMaster保存了GFS文件系統的3種元數據:命名空間、Chunk與文件名的映射表、Chunk副本的位置信息,前兩個數據通過操作日志提供容錯處理能力,第3個數據存儲在ChunkServer上,可在Master失效時快速恢復Master上的元數據;GFSChunkServer是用來保存大量實際數據的數據服務器。GFS基本工作過程如下:(1)在程序運行前,數據已經存儲在GFS文件系統中,程序執行時應用程序會告訴GFSServer所要訪問的文件名或者數據塊索引是什么。(2)GFSServer根據文件名和數據塊索引在其文件目錄空間中查找和定位該文件或數據塊,并將這些位置信息回送給應用程序。(3)應用程序根據GFSServer返回的具體Chunk數據塊位置信息,直接訪問相應的ChunkServer。(4)應用程序直接讀取指定位置的數據進行計算處理。后來谷歌對GFS進行了改進,并對新版本命名為Colosuss,主要對原有的單點故障、海量小文件存儲等諸多問題進行了修正和改進,使得系統更加安全和健壯。

    2)其他文件系統:除了谷歌的GFS,業界其他針對大數據存儲需求的文件系統也層出不窮。Hadoop的文件系統HDFS[25]作為模仿GFS的開源實現,同樣也為Hadoop的底層數據存儲支撐,提供數據的高可靠性和容錯能力,擁有良好的擴展性和高速數據訪問性;SUN公司開發的Lustre[26]是一個大規模的、安全可靠的、具備高可用性的開源集群文件系統,美國能源部在此基礎上實現了新一代的集群系統,顯著提高了輸入輸出速度,已在高校、國家實驗室和超級計算研究中心產生了深遠影響;Facebook推出的針對海量小文件的文件系統Haystack[27]有效地解決了海量圖片存儲問題,它實現多個邏輯文件共享一個物理文件功能,并且增加緩存層,部分元數據直接被加載到了內存。

    4.數據庫系統

篇3

關鍵詞：大數據 高校內部審計 影響 建議

當前，大數據隨著云計算、移動互聯網、物聯網等的發展，對世界社會經濟生活產生了巨大影響。隨著海量數據的挖掘和應用，大數據正逐漸被廣泛運用于高校內部審計，并對高校內部審計產生較大影響。

一、引言

大數據是一個抽象概念，于20世紀90年代提出。真正應用解決問題和引起世界高度重視卻是源于2012年美國奧巴馬政府實施的“大數據研究和開發計劃”。目前，對“大數據”的定義有多種版本，比較權威的是互聯網數據中心（IDC）的描述：“大數據”是利用信息化社會所產生的海量數據，采用相關的新架構和技術，為獲取相關價值而進行技術發展與創新。大數據具有數據體量巨大、處理速度快、數據種類多、價值密度低、商業價值高的特點。

“大數據”在高校內部審計中的廣泛應用，影響了高校內部審計人員的觀念，改變了高校內部審計所面臨的內外部環境，更重要的是大數據能夠綜合利用數據，提高查核問題的效率，并通過整理、分析，挖掘相關性、趨勢性的大量潛在信息，進行全方位、立體式、多角度、多維度的描述，進行評價判斷和宏觀分析，降低審計風險，提高審計效率，充分發揮了高校內部審計“免疫系統”“一審、二幫、三促進”和“增值”的作用，對規范高校經濟管理、落實經濟責任、提高高校資金使用效益具有重要意義。

二、大數據應用對高校內部審計的影響

（一）大數據應用對高校內部審計發展方向的影響。目前，我國高校內部審計可以說是賬項基礎審計、制度基礎審計和風險基礎審計并存，不少高校內部審計仍以財務賬項基礎審計為主，審計中以資金合法性、合規性為重點，較少涉及資金績效、內部控制及風險審計等。在大數據時代，高校的信息化建設為內部審計提供了豐富開放的信息源；高校內部控制建設和基礎性評價工作使高校業務流程整合優化并更加趨于合理，信息更加貫通。高校高度整合的信息化平臺和信息化發展必將打破各高校以及高校內部各部門間的信息壁壘。高校管理風險控制點、高風險領域也隨之將發生變化。這些變化極大地拓展了高校內部審計的視角和審計范圍。特別是大數據時代，信息存儲、挖掘數據、分享數據、利用數據等的廣泛使用必將極大提高，促使高校內部審計向“信息化審計”“聯網審計”“數據化審計”“持續性審計”和“管理審計”等方向發展。高校內部審計不再僅僅是查錯防弊，更重要的是通過高校內部審計實現“增值”。

（二）大數據應用對高校內部審計理念的影響。在大數據時代，高校內部審計將由知識驅動、經驗驅動向數據驅動轉變。高校內部審計可利用數據既包括財務數據等結構化數據，如高校財務報表、財務決算所提供的數據，也包括非結構化和半結構化的數據，如高校使用的以文字、圖片、網頁、流程、音頻、視頻等存在的數據。審計人員利用大數據工具對高校發生的這些海量數據進行搜集、歸納、挖掘、整理和多維度分析，一方面可以發現有價值的審計線索，另一方面可以獲取更加客觀、全面且具有趨勢性的審計信息，為滿足高校內部審計結果提供更直接、更客觀、更全面的審計證據支持。同時高校內部審計通過運用大數據技術對在審計中獲得的大量審計證據進行歸納、匯總，從中找出高校內部管理中教學、科研、財務、基建等方面的發展趨勢和存在的共性問題，并通過相關性分析為高校內部管理提供數據證明和決策建議。高校內部審計人員在大數據審計下，面對海量數據，不必再追求小數據的“精確性”，而應站在宏觀和全局的角度審視問題，發現審計線索，并運用大數據分析得出科學合理的審計結論。因此大數據時代高校內部審計人員利用數據的方式和方法必將發生根本性改變，審計人員必須創新理念，相信“數據即是資源，也是審計證據”，全面開啟高校內部審計新時代。

（三）大數據應用對高校內部審計方法的影響。審計方法隨著科學技術和管理的發展而發展，經歷了賬表導向、系統導向和風險導向等審計方法。大數據時代，高校內部審計數據采集和處理來源及范圍更加豐富和多樣化，云計算、Hadoop海量數據處理平臺等大數據技術，數據挖掘、數據分析可視化等大數據分析方法的廣泛應用，以及數據導入和預處理的智能化，必將影響高校內部審計方法的改變。審計方法也將從事后審計向事中、事前審計，從抽樣審計向全面審計、持續審計，從精確的數字審計向數據審計，從因素分析法等傳統審計分析法向大數據分析法等轉變。在實施審計過程中，高校內部審計人員應大量使用數據挖掘、聯網審計、云計算數據庫等新型技術方法，以提高審計效率和質量。

（四）大數據應用對高校內部審計人員的影響。在大數據時代，審計人員通過云計算、大數據將審計中搜集的海量數據和相關信息資料進行匯總、整理、歸納，并進行關聯性分析和處理，從中找出高校管理方面存在的共性問題、內在規律和發展趨勢，并向學校管理者提出建議，促進高校管理水平提高。這些對高校內部審計人員綜合利用移動互聯網技術、云計算技術，大數據挖掘分析、預測判斷等綜合能力提出了更高要求，同時也為高校內部審計人員提供了更大的職場發展空間。目前我國高校內部審計人員大部分知識結構單一，主要由具備財務、建設工程等專業背景和專業資格人員組成，具有信息系統等專業知識背景、具備大數據綜合審計能力人員極少，同時高校內部審計人員對大數據時代審計的認識還不到位，直接影響了大數據時代下高校內部審計職能的發揮。

三、大數據時代下對高校內部審計的建議

（一）制定滿足大數據時代審計的相關法律法規制度。目前，我國高校內部審計利用大數尚處于起步階段，國家現行法律、法規以及相關制度對高校內部審計應用大數據進行審計相關內容未做明確規定，高校內部審計具體業務運用大數據缺乏具體操作執行指引；國家對高校運用大數據審計相關管理監督機制尚缺失；高校運用大數據審計所需信息系統和大數據平臺數據信息的安全性還不能得到完全保障。因此，國務院及相關部委應從“依法治國”“依法審計”的戰略高度，修改并完善審計相關法律法規和制度，并制定大數據下高校內部審計具體準則，指引高校運用大數據進行審計的流程和具體業務實施，規范高校內部審計人員的審計行為，明確大數據審計中數據搜集與存儲的制度化、規范化，大數據審計所形成審計證據、審計分析等的法律地位，作為大數據在高校內部審計應用中依法審計的基礎，為在大數據時代下高校內部審計提供一個規范、安全的環境和強有力的支撐。

（二）加快制定大數據審計應用的發展規劃。大數據審計在高校內部審計中的推廣應用是時展的必然。國家審計行政主管部門、教育行政主管部門和審計行業協會應根據內部審計特點結合高等教育發展規律，制定大數據應用在高校內部審計的長遠發展戰略規劃，在充分利用現有審計條件下，促使大數據有計劃、分步驟、分階段在高校內部審計得到充分應用，以提高高校內部審計效率和質量，充分發揮高校內部審計在學校管理中的“免疫系統”和“增值”的作用。

（三）加快高校內部審計大數據平臺和審計分析系統的建立和共享。在大數據下高校內部審計進行審計必須要有相應的數據平臺，才能實現數據的搜集、歸納、加工、轉換、交換、存儲、共享和管理，才能利用大數據技術進行分析。因此，一方面，教育行政主管部門在要求各高校進行信息化建設的同時要加快大數據采集、存儲、管理等平臺和審計分析系統建設，將各高校在內部管理過程中和內部審計中產生的大量數據存儲到大數據平臺上進行共享和交換。另一方面，為充分發揮大數據審計的功能，國家有關部門應組織力量開發與大數據審計相配套的審計軟件，讓高校內部審計人員能充分利用審計軟件進行內部審計工作，促使高校內部審計部門的管理能力、審計質量和審計效率得到極大的提升。

（四）加快高校內部審計大數據人才的培養。大數據時代下，高校內部審計發揮作用關鍵靠人。利用大數據進行高校內部審計雖然得到了很多高校管理層和內部審計人員的認可，但由于目前大數據在我國高校內部審計中的應用才剛起步，高校管理層對內部審計重視程度不夠，再加上高校內部審計人員知識結構單一，審計中習慣使用傳統的審計方法，對大數據接觸了解少，大數據技術還不會使用等問題存在，造成高校內部審計人員還難以滿足大數據時代下高校內部審計對具有大數據思維和創新能力的復合型人才需求。因此，教育行政主管部門和高校應加強高校內部審計隊伍建設和培養。一是推進高校內部審計隊伍職業化建設。要根據大數據審計需要，建立符合高校教育規律職業特點的內部審計隊伍管理制度，完善內部審計人員崗位設置和選撥任用機制，積極引進大數據審計應用和管理人才。二是完善高校內部審計隊伍職業教育培訓體系。根據高校內部審計特點和大數據審計對審計隊伍的要求，制定高校審計職業教育規劃，建立高校內部審計人員繼續教育和分崗位、分類分級培訓制度。特別是應采取多種途徑和方式加強對高校內部審計人員進行云計算、大數據技術等培訓，培養高校內部審計人員運用大數據進行分析和綜合判斷的能力，使其C合素質得到提升。同時要加強高校內部審計人員教育培訓網絡平臺建設，為培訓出適合大數據審計所需人才，對高校內部審計人員進行財務會計、審計、管理、云計算、大數據技術等知識進行綜合測試。這樣通過各種渠道拓寬內部審計人員知識結構，培養高校內部審計人員通過大數據審計發現數據線索、分析數據和解決問題的能力，打造一支高水平的內部審計團隊，真正發揮大數據在高校內部審計中的作用。X

參考文獻：

[1]秦榮生.大數據、云計算技術對審計的影響研究[J].審計研究，2014，（6）：23-27.

[2]秦榮生.“互聯網+”時代的審計發展趨勢研究[J].中國注冊會計師，2016，（1）：84-88.

篇4

關鍵詞：物聯網；智能產品；工業設計；設計思維

檢索：.cn

中圖分類號：TU 文獻標志碼：A 文章編號：1008 2832（2016）04-0104-03

一、物聯網時代到來

我們曾幻想過出門前雨傘會告訴你今天下雨，開車時車載導航會為你自動避開擁堵的道路，睡覺時房間的燈光隨著時間緩緩熄滅，這種種的未來生活情景，在無線網絡系統、信息技術、云計算以及傳感器技術等發展迅猛的今天，物聯網讓這些不在是幻想，它將軟件、硬件和數據結合到一起，將我們身邊的每一件設備和我們實時的行動或身體狀況形成一個網絡，萬物互聯的時代已經到來。

物聯網被稱作繼計算機、互聯網之后，信息通信產業的第三次浪潮（web3.0）。在web1.0時代，人們使用計算機作為互聯網終端，實現人機交互；web2.0通過互聯網把人與人之間的交流方式變得豐富多樣，信息的交互和傳遞超越了人機界面交互；到了物聯網時代，除了人與計算機以外，所有具有感知能力的物品都可以作為一個網絡的節點或終端。互聯網為物聯網的發展提供了技術支撐平臺和無線網絡的廣泛覆蓋，物聯網是互聯網的延伸和擴展，豐富了互聯網的應用。

（一）物聯網的概念

物聯網（internet of things）的概念最初來源于美國麻省理工學院（MIT）在1999年建立的自動識別中心（Auto-IDLabs）提出的網絡無線射頻識別（RFID）系統，即把所有物品通過射頻識別等信息傳感技術與互聯網連接起來，從而實現智能化識別和管理。2009年2月24日2009IBM論壇上，IBM公布了名為“智慧的地球”的最新策略，在這一策略中物聯網是這樣被定義的：把感應器嵌入電網、鐵路、橋梁、隧道、公路、建筑、供水系統、大壩、油氣管道等各種物體中，使它們結成網絡，并普遍連接，即是物聯網。簡單來說，物聯網使我們和物品在信息與通信技術的世界里獲得一個新的溝通維度，其目標從滿足人與人之間的溝通，發展到實現人與物、物與物之間的交流。

（二）物聯網時代智能產品的特點

相比于互聯網時代的智能化產品和智能化服務，物聯網的價值凸顯在萬物互聯的智能化。現在出現的一些的智能設備已不再是簡單的“連接”，而是在互聯網作為網絡架構的基礎上，能夠自主決定去感知信息源、預測信息的流向、以及如何做出反應和協作。接下來在以往互聯網時代的智能產品的基礎上，對現有的物聯網智能產品進行對比分析，其中的“物”有以下三個顯著的特點。

1.可識別化

如同人在社會中存在，為了方便管理，將每個人數據化，采用身份證編碼來識別每個人。隨著物聯網時代的到來，物品也同樣可以被編碼。從技術角度講，物聯網的網絡技術層級分為以下三級：一是傳感網絡，二是傳輸網絡，三是應用網絡。其中的傳感網絡以二維碼、RFID、傳感器為主，作為物體被識別的基礎。為了讓所有與網絡連接的物品方便識別管理和提取數據，RFID電子標簽技術就成為了物品的“身份證”。比如，在食品衛生領域，將放養的羊群中每一只樣都貼上一個二維碼標簽，這個標簽所包含的是這只羊的產地、質量等并被錄入系統，當這只羊被宰殺后，每一部分出售的肉都會貼上同樣的二維碼，羊肉被販賣后可以通過掃描二維碼在系統中查找到信息，做到真正的來有源頭，去有追溯，從而更有效地保障肉類食品安全；在公共交通領域，智能手機上交通系統軟件會獲取每輛車輛的位置信息，發送我們的位置信息以及速度，然后結合實時交通信息為我們提供最佳路線；在智能家居領域，家中只有可以連入網絡的電器都可以被智能控制器所感知，在這個智能終端上操作就可以直接控制電燈、自動窗簾、風扇、音箱、車庫大門等一切家用通電設備和系統。物聯網讓所有物品都能被感知和識別，他們每時每刻都產生著大量結構化和非結構化的數據，這些巨大的數據蘊含了對社會生活、經濟、教育、醫療等領域寶貴的信息。

2.系統化

相比于互聯網時代，產品和人、人和網絡、網絡和產品之間單一的連接，物聯網的出現，讓許多設備都有機地組合到了一起，從而形成了一個龐大而統一的系統，產品在這個系統中的角色被重新定義。例如，常規的智能冰箱可以通過用戶的設置自動調節溫度，但是物聯網要求智能冰箱作為一個食物的管理終端，如海爾的物聯網冰箱，可以通過用手機上安裝的軟件掃描食物的條形碼，當食物接近保鮮期時提醒用戶，還可以在食物短缺時自動推送購物網站的信息。在這個系統中，物聯網實現了從冰箱內食物到與購物網站，再到與用戶之間的多方面溝通。

物聯網時代的產品被賦予了更高的信息采集、數據處理信息交互的能力，人與產品之間的關系從人與物品直接接觸，衍生為由物品代替人與其他物品進行交互。在整個使用產品的過程中，產品之間頻繁的信息交換使得人可以解放更多的勞動力來專注于其他方面。在物聯網構建的系統中，每個產品不是孤立存在的，而是整個系統中的一個節點或終端。

3.智慧化

在物聯網時代到來以前，我們所說的智能產品是機械、電子、信息技術的結晶，通過植入的芯片，讓產品可以通過人的控制表現出之前設置好的某種功能。有人將物聯網時代的產品重新定義為“智慧型產品”，智慧型產品中的“智慧”解釋為從感覺到記憶再到思維這一過程，所以智慧型產品具有一定的學習記憶、根據不同情況判斷如何處理事件的能力。

簡單來說，物聯網時代產品的智慧化具體體現在物體的自我學習能力。如同智能硬件公司Nest生產的溫控器，它可以收集用戶的生活軌跡，如運動情況、體溫、甚至可以捕捉情緒波動和壓力等腦波，從而根據用戶的生活習慣來調節室溫，當你工作時，將溫度降低，讓你保持清醒；當雨雪天氣室溫降低，它也會自動的升高室溫。

通過這些物聯網的應用案例，可以對物聯網有更直觀的理解，在過去我們需要和設備有所接觸才能實現交互，而物聯網就像一個隱形的開關，當我們產生某種行為時，就觸動了這個開關，甚至不需要和物體接觸，就能使物體實現某種功能，物聯網時代的智能產品也就是“能夠學習和適應用戶行為的物體”。

二、物聯網時代的智能產品的“智商”層級

相比于互聯網時代的智能產品和服務，物聯網的實現有賴于物體間信息的發出和接收，現在市場上的物聯網智能設備層出不窮，總結這些產品發出和接受信息的范圍，以及自主感知、預測、反應和協作的實現程度，可以用“智商”這一概念來劃分智能產品感知和處理信息、以及做出反饋的水平。（圖1）

對于常規產品來說，其服務的對象始終都是人，設計師在設計產品時，從解決問題出發，立足于產品的使用環境以及與用戶之間關系，利用產品本身所具有的特性和功能來實現設計目標。在物聯網的背景下，設計師在面對智能產品設計時，首先應該確立解決方案的問題所在層級，其次針對不同的問題層級選取相應智商水平的產品類型，再系統的考慮產品與用戶及使用環境的關系，才能將產品的智慧發揮到極致。接下來就討論在物聯網的背景下，面對智能產品設計時如何在不同的層面進行思考和策略制定。

（一）平常智商產品

“平常智商”是指這一類產品的工作核心以感知為中心，通常是以某一個體或行為為感知對象，當周圍環境或使用者的行為發生變化，就好像觸發了一個隱形的開關，產品就會對這個刺激做出相應的反應，并且可以通過網絡與其他產品連接，進行“隔空對話”。如現在被大家津津樂道的智能家居就是此類產品的代表，智能烤箱可以通過wifi與手機相連，用戶可以在下班路上遠程控制烤箱開關以及溫度，烤箱也可以感知內部溫度變化，從而自行預熱和保溫；飛利浦、LG等品牌推出的智能燈泡同樣代表了非常直觀的物聯網體驗，通過在手機安裝程序，我們可以隨心開關燈、改變亮度和顏色，還能夠實現讓燈光伴隨音樂旋律舞動，活躍居室的氛圍。還有一類產品可以感知到處于同一網絡中的其他產品，與之進行點對點的交流。Good Night Lamp由一盞大燈和一盞小燈組成的燈具，小燈可以感知大燈的變化，如果放在小朋友房間的大燈被關閉，那么另一盞父母房間的小燈也隨之熄滅，這樣父母就知道孩子睡了，這類產品也在潛移默化的改變人與人之間的交流方式。

設計師在面對這類只需具備基本感知力、不需要調動其收集大量數據的“平常智商”產品時，需要全面考慮在產品所處的系統中可能產生的各種用戶行為和周圍環境的變化因素，產品應在感知不同信息時做出何種的反饋，充分挖掘智能產品的感知和反饋能力的無限可能，為消費者實現更好的用戶體驗。

（二）超常智商產品

“超常智商”指的是擁有明顯的自我學習和自主決策能力的產品。相比于前者在了解用戶行為方面的表現明顯更突出，甚至可以同時處理感知到的多種信息，提供系統化的解決方案。這種表現類似于我們使用瀏覽器時會覺得它的智力水平明顯高于人類，這并不是全靠軟件工程師或設計師的功勞，而是通過收集用戶在使用計算機時的行為及智能硬件工作時產生的大數據，結合實時高速的處理這些數據得到的結果，是匯集了智能硬件記憶學習和大數據處理的共同智慧。對于物聯網時代的智能產品來說，具備這種共同智慧的表現之一是自我學習能力。還是以Nest為例，在最開始的一周，Nest需要手動調整，一個人每天可能需要設置四次：起床，上班，下班，睡覺。但此后Nest就會利用自身算法，對用戶的每次手動調整進行記憶和學習，它將了解和記錄用戶的日常作息習慣和溫度喜好自行幫助用戶控制空調溫度，nest具備在感知力基礎上，發展了自我學習力，對用戶行為產生的數據做加工，在預測到某種行為時，自動的做出相應的反應。在此基礎上，還有一類產品具有自主規劃和決策的智慧，如芬蘭一家科技公司研制的可以提高回收垃圾效率、節約城市公共資源的智能城市垃圾箱Enevo One Collect。這款垃圾桶內置的傳感器可以檢測桶內垃圾的高度，當垃圾高度達到一定程度時它就會提示環衛人員垃圾箱已滿，這時環衛人員可以通過專用軟件查看區域內所有垃圾桶內的情況，更重要的是當環衛車輛出發時，系統會自動規劃好垃圾回收的最優路徑，快速略過那些還有足夠空間的垃圾桶。這一應用經專業機構統計可以解決近20%-40%的運營成本。

所以，當設計師在處理具備自我學習和自主規劃能力的產品時，例如智能健康、智能服務類的產品，需要打破產品本身具有功能的局限，充分利用物聯網全面深入的感知記憶能力和實時的海量數據處理能力，立足于挖掘整體系統中產品輸入和輸出信息的潛能，讓產品更好的理解用戶的行為意圖，提供更智慧更系統化的解決方案。

（三）超級智商產品

“超級智商”指的是智能產品在具備接受和處理其所在系統產生的大數據基礎上，可以與其他系統的產品進行大數據的交換，利用云計算技術將不同系統提供的海量數據協同運算分析，從而讓這些數據產生新的應用。物聯網構筑了物與物交流的橋梁，通過把分散運輸在這些橋梁上的數據資源化零為整，才能體現物聯網的終極價值。雖然現在面臨著數據孤島的問題，即很多潛在的大數據被掩埋在各類企業的數據庫中，但是我們仍然可以進行大膽設想。比如在上面提到的智能城市垃圾桶的案例中，如果某一區域的所有垃圾桶可以將內部產生的數據收集起來，如垃圾的回收頻率、垃圾品類占比，就可以分析出附近居民的消費水平、購物能力以及飲食偏好等。這些數據在某種程度上來說是很好的營銷數據，當考慮在這附近建造一個購物中心時，就可以通過分析這一類型數據不同時期變化，得到區域內的需求比重和趨勢、產品品類的市場受歡迎程度、消費者的消費能力等，最終應用于商場的品牌引入和產品銷售策略的調整。

這類擁有極超常智商的智能產品所處的角色已然從為用戶提供服務的一個節點或終端上升到一個完整的服務體系，當設計師希望將設計對象定義為物聯網中的信息節點去思考設計策略時，如智慧城市、智慧醫療、智慧交通等解決方案，就要充分考慮把服務系統中的每一個可以觸及的環節協同起來，這些環節是否可以進行信息和數據的共享，用智慧服務設計理念為使用者提供更高質量的體驗，從更有社會意義的角度來看，具有極超常智商的物聯網產品可以將一定區域內收集到的數據繪制成一幅完整的宏觀信息圖，將有價值的信息通過數據眾包推動社會監管進程，可能會賦予公眾一種責任的力量，并將公民的執行能力提升到一個新的層次。

篇5

關鍵詞:數據挖掘;因特網;服務

中圖分類號:TP

文獻標識碼:A

文章編號:1672-3198(2010)17-0357-01

1 數據挖掘的概念

數據挖掘(Data Mining)最早是在數據庫領域發展起來的。稱為數據庫中的知識發現(KDD,Knowledge Discovery in Database),據挖掘是從大量的包括結構化和非結構化數據中提取隱含在其中的、事先不為人知的、潛在的、有用的信息和知識的過程,它要求數據源應該是大量的、真實的、多媒體的;所發現和提取的信息和知識是潛在的、有效的并隱藏在大量數據背后,是用戶感興趣的、可理解、可運用的知識,數據挖掘是一個利用各種分析工具在海量數據中發現模型和數據間關系的過程。

2 數據挖掘的系統簡介

2.1 AuthorLink系統

最近,美國開發出了基于文獻計量分析的知識查詢系統,并借助于可視化技術首次將復雜的統計結果,用通俗易懂的圖像形式顯示給用戶,從而實現了知識信息提供服務的一次變革。

2.2 專利統計分析系統

人們關于專利的統計分析,事實上也是一種知識挖掘。目前,包括英國的WPI及美國、日本專利局等網絡站點,都在提供專利文獻檢索服務的同時提供專利統計分析的服務。

2.3 OLAP系統

OLAP系統(On-Line Analytical Processing聯機分析處理系統)也是一種典型的數據挖掘系統。這是一種含有數據導航、數據查詢、建模、預測和數據挖掘的數據分析系統。其中OLAP引擎可以在前端接口接受用戶提交的多維提問,并轉換成SQL語句,然后將提問查詢提交數據庫,最后以圖表的形式輸出。

3 數據挖掘的步驟

(1)確定應用領域:包括此領域的基本知識和目標;(2)建立目標數據集:選擇一個數據集或在多數據集的子集上聚焦;(3)數據預處理:在大數據集中,根據需求,利用數據凈化和整合技術,選擇與任務相關數據,在不降低其準確度的狀況下減少處理數據量;(4)數據轉換:找到數據的特征進行編碼,減少有效變量的數目;(5)數據挖掘:根據數據和所要發現知識的種類來確定相應的挖掘算法;(6)數據評價:將挖掘出的知識和數據以各種可視化方式顯示,并將其以圖形、文本等方式存儲在庫中,以便對它們進一步挖掘,直至滿意為止;(7)實施和應用:實施和應用階段是指利用數據挖掘技術所建立模型在實際項目中的應用,包括數據庫的構建,個性化用戶服務、基于知識的企業信息管理(MIS)、金融、證券、股票分析、電子商務、企業目標管理、決策支持等等。

4 數據挖掘服務的實現

4.1 數據挖掘為個性化服務打下基礎

收集用戶有關的信息,建立用戶信息庫。用戶是數字圖書館的重要資源,一個信息完整的用戶信息庫,能保證在充分挖掘的基礎上,了解用戶的普遍性需求與特殊性需求,從而開展有針對性的個性化服務。通過對用戶訪問日志記錄信息的挖掘,把握用戶興趣,有助于開展網絡信息推送服務以及個人信息的定制服務。但從用戶群整體來看,用戶的信息需求又是隨機的,這為一般用戶需求信息分析帶來了很大困難。數據挖掘從全局出發,以豐富、動態的聯機查詢和分析來了解用戶的信息需求。通過在線提問、調查表等方式,系統可以獲取關于用戶的用戶名、用戶訪問IP地址、用戶的職業、年齡、愛好等原始信息。然后,采取一定的挖掘規則(如關聯規則、聯機分析處理等),對這些數據進行融合分析,其結果是為每個用戶建立一個信息需求模型。根據用戶需求,主動跟蹤本地信息庫和網絡相關信息,收集用戶所需信息。為了提高準確度,還應對所收集的信息進行相關性分析,可以根據用戶提供的檢索詞,確定所檢索到的信息與該檢索詞的相關度。同時還可以利用智能推送技術將用戶所需信息推到用戶的計算機、電子信箱,甚至手機、PDA上。

4.2 數據挖掘使網絡資源的內容檢索成為可能

網絡內容挖掘是一個從文本、圖像、音頻、視頻、元數據等形式的網絡源信息中采用分類、聚類等形式的挖掘方法,發現有用信息,并將這些信息按滿足某種檢索方式的形式加以組織的過程。通過對網站內容的挖掘,主要是對文本內容的挖掘,可以有效地組織網絡資源。有的學者應用數據和文本挖掘技術在網絡上進行問題跟蹤,從而獲得了以前未知的有用知識,為信息內容分析提供了極大的可能性。網絡內容挖掘是目前網絡信息檢索發展的一個關鍵,通過對網頁內容挖掘,可以實現對網頁的聚類、分類,實現網絡信息的分類瀏覽與檢索;通過對用戶所使用的提問式(query)的歷史記錄分析,可以有效地進行提問擴展(query expansion),提高查全率和查準率;可以運用網絡內容挖掘技術進行關鍵詞加權算法,提高網絡信息的標引準確度,從而改善檢索效果。

篇6

關鍵詞：客戶生命周期；數據挖掘；應用分析

一、引言

在因特網快速發展的今天，電子商務的興起，以網絡資源發展為核心的新經濟模式逐漸突破傳統經濟模式的束縛，不斷發展的Internet拉近了人們彼此之間的距離，但Web上的海量信息卻又讓人們變得無所適從，使得客戶關系管理成為新經濟模式發展的核心問題。數據挖掘作為一個新興的、多學科交叉的應用領域，可以根據客戶的需求，從龐大數據量的數據庫中找出合適的數據，并加以處理、轉換、挖掘和評估，得出面對客戶需求的個性化知識和規則，指導客戶服務的流程與決策，提高客戶滿意度。因此，研究在網絡環境下面向客戶生命周期的數據挖掘流程，具有重要的使用價值。

二、客戶生命周期簡述

（一）基于生命周期的客戶類型

客戶的生命周期是由客戶與企業之間不同的關系階段構成，它是一個理解客戶行為的框架。在網絡環境下，研究基于生命周期的客戶類型，目的是通過參與電子商務業務活動發掘及提高客戶價值的整個過程。客戶的生命周期分為考查期、形成期、穩定期、退化期4個階段。在不同的階段，客戶對企業的作用和意義也不同，由此，可把客戶劃分為5種類型：潛在客戶――還不是客戶但已在目標市場中；有意向者――對產品和服務表示出興趣的潛在客戶；新客戶――首次使用產品和服務的客戶；確定的客戶――再次或已多次使用企業產品或服務的客戶，根據其盈利能力又可分為高價值客戶、高潛力客戶和低價值客戶；歷史客戶――那些已不再目標市場的客戶，或已經轉化為購買競爭對手產品的客戶。

（二）圍繞生命周期的客戶業務活動

分析圍繞生命周期的客戶業務活動能夠為確定數據挖掘的目標而指明方向。客戶生命周期直接影響到客戶對一個企業的長期價值。為了使客戶變得有價值，企業要在客戶的生命周期中開展各種經濟活動，最大程度上提高客戶對企業帶來的價值。圍繞客戶生命周期的各種業務活動如圖1所示。

1、考察期的主要業務活動是客戶獲取與客戶激活。客戶獲取是指如何吸引潛在客戶并將其轉變成有意向者的過程。由于在電子商務環境下，客戶獲取企業產品和服務的信息絕大部分是通過搜索引擎渠道引入，因此，搜索引擎優化和搜索引擎廣告的投放顯得尤為重要，一方面使企業站點排名靠前，另一方面是要符合用戶的語義需求，產生完全匹配效果；當潛在客戶到達站點后，通過各種有針對性或個性化的促銷手段激發用戶的購買興趣，使之注冊成為站點的客戶，并進一步激發該客戶的購買行為發生。

2、形成期的主要業務活動是客戶關系管理。一旦潛在客戶成為有意向者，企業的工作中心就是如何使客戶發生購買行為，并不斷提升客戶的價值。電子商務環境中，提升客戶關系管理的核心業務是如何展開一對一營銷，數據挖掘可從大量數據中發掘知識，指導個性化營銷開展，提升形成期客戶的價值。

3、穩定期的主要業務活動除了客戶關系管理外，還要進行客戶保持，其目標是防止客戶尤其是高價值客戶的流失。

4、退化期的主要業務活動是客戶贏回。通過提供激勵、產品和價格的優惠等方法將離開的客戶重新吸引回來。

（三）客戶生命周期與數據挖掘的關系

客戶生命周期為將數據挖掘應用于客戶關系管理提供了很好的框架。在數據挖掘的輸入方，客戶生命周期確定了什么信息是可以加以利用的；在輸出方，客戶生命周期給我們揭示了一些有用的東西。在數據挖掘的輸入方，依據客戶生命周期的各個階段的主要業務活動和提升不同客戶類型價值的目標，進行數據的選擇、檢查、修復、轉化，進而為數據挖掘做好數據的準備工作。在數據挖掘的輸出方，便是生成與各階段業務活動目標相關的數據挖掘知識和規則，來指導各階段業務活動，從而帶來客戶的高價值。

三、客戶生命周期各階段的數據挖掘的應用分析

（一）考察期的數據挖掘應用分析

1、數據挖掘目標的確定。考查期階段數據挖掘的目標即能夠在該階段發生的大量靜態和動態數據中發掘怎樣使大量客戶能夠瀏覽企業網站的信息，怎樣激發大量潛在客戶注冊，并產生對企業產品和服務興趣的行為的一系列規則和策略。

2、數據挖掘數據的準備。在網絡環境下，客戶獲取產品或服務的信息，可以通過廣告、電話促銷、E-mail等方式，但大部分情況下，客戶是通過搜索引擎到達目標市場的。若想獲取大量潛在客戶，搜索引擎的優化就非常重要，企業必須使自己的站點排名靠前，又要使表達自己產品或服務信息的語義符合用戶搜尋語言的語義。因此，基于這個問題就需要引入概念網絡庫來引導用戶的精確查詢，滿足獲取最大量的客戶。概念網絡也是一個知識庫，包括語言層面、本體論層面和常識層面，通過與檢索系統中的數據庫、數據倉庫、知識庫的映射，得出查詢結果，并與用戶相互反饋，直到用戶滿意，反饋結果存入用戶模型庫，以便指導以后查詢。

3、數據挖掘模型的建立。以搜索引擎語義挖掘為核心建立模型分析客戶獲取和客戶激活具有同樣的含義。只有當充分理解用戶的自然搜索語義狀態，并以概念網絡為導向組織網絡資源，不斷在用戶自然語言語義、概念網絡、網絡資源之間產生匹配和映射，搜索引擎才能更好地收集相關網頁，使用戶準確登錄到其想尋求產品和服務的站點，才能進一步激發客戶的注冊和購買熱情。而概念網絡就是運用數據挖掘的分類和聚類算法形成的結構良好的數據庫，實現同類或相似概念的聚類，不同概念間的分類。那么也可以運用數據挖掘中的關聯規則方法，使用用戶知識庫中關于用戶的個性化特征信息與反饋信息結合，發現具有某些特征的客戶會使用那些自然語言檢索，得出什么樣檢索路徑和檢索知識，客戶激活的概率是多少等知識。最后還要存入用戶知識模型中，以指導下一步的客戶獲取和激活。

4、數據挖掘模型的評估。最好的方法是排除用戶知識庫中已用過的訓練集，而規定在某一時間范圍內，考查用戶通過搜索引擎滿足查詢需求的狀態，如網站的瀏覽量和注冊量等。

（二）形成期的數據挖掘應用分析

1、數據挖掘目標的確定。形成期階段的主要業務活動是激發有意向者的購買行為。該階段數據挖掘的目標是產生如何提高新用戶購買行為的決策。

2、數據挖掘數據的準備。該階段用戶已經注冊，我們可以獲得關于用戶個人特征信息。產生激發用戶的購買行為的指導策略，還需要該站點確定用戶的個人特征信息、購買行為信息、購買產品信息、購買時間信息等作為該階段數據挖掘的重要數據。

3、數據挖掘模型的建立。通過對網站已確定用戶相關信息的聚類分類，如在電腦購物網站，A類客戶，學歷本科以上，月工資2000元以上，通常會點擊筆記本欄目，購買4000-6000元的新型國外品牌筆記本，從產生交易行為到交易成功在一天之內。當然，還可以運用關聯規則，產生交叉銷售，如A類顧客，還喜歡TCL、三星、Sony品牌的手機等，促使購買更多的產品。這種從以確定用戶的相關信息挖掘出促銷策略來指導具有相似特征的新用戶發生購買行為，具有重要意義。

4、數據挖掘模型的評估。評估最好的方法就是查看用生成的模型指導新用戶發生購買行為的次數和額度。

（三）穩定期的數據挖掘應用分析

1、數據挖掘目標的確定。穩定期的主要業務活動是提升客戶關系外，最重要的就是客戶保持。要想做好客戶保持工作，就應該在已確定用戶中進行客戶細分。因此，該階段數據挖掘的目標是進行客戶細分，并針對不同價值的客戶能夠找出不同的對策提升對企業的價值。

2、數據挖掘數據的準備。該階段的數據主要圍繞已成為站點客戶的數據信息，包括客戶基本特征數據、客戶的點擊流數據、網絡促銷活動數據及客戶交易數據等。

3、數據挖掘模式的建立。該階段用數據挖掘方法篩選出高價值的客戶和最有可能流失的客戶，不斷提升高價值客戶的價值能力，避免客戶的流失。如對客戶的需求模式和盈利價值進行分類，找出最有價值和盈利潛力的客戶群以及他們最需要的服務，更好地配置資源，改進服務，牢牢抓住最有價值的客戶；通過對客戶資源信息進行多角度挖掘，了解客戶各項指標，掌握客戶投訴等信息，從而在客戶流失之前捕獲信息，及時采取措施挽留客戶；還可通過數據挖掘發現流失客戶的特征，在那些具有相似特征的客戶還未流失之前，及時采取措施挽留客戶。

4、數據挖掘模式的評估。該模式的評估最重要的是運用該規則的企業判斷在同樣的時間段內，相同的高價值顧客的盈利能力的提升度，及運用數理統計時間平滑分析法判斷老顧客的流失量的多少。

（四）退化期的數據挖掘應用

1、數據挖掘目標的確定。退化期階段數據挖掘的主要目標便是找出策略能夠指導企業如何通過提供激勵、產品和價格的優惠等方法將離開的客戶重新吸引回來。

2、數據挖掘數據的準備。該階段的數據主要來自于已經離開企業的目標市場的老客戶的信息資料。如這些客戶的基本個人資料、購買該企業產品或服務的次數、周期、總的時間長度等。

3、數據挖掘模式的建立。該階段對已經流失的老客戶也需要進行細分，以便展開有針對性的客戶贏回活動，進行一對一營銷，才能正確實施各種激勵、促銷手段，節約企業成本，提高贏回效率。如對以前是企業高價值的客戶，通過數據挖掘發現其流失的原因，企業最好用電話或用企業郵箱發送E-mail的形式進行一對一營銷；對于之前就是企業低價值的客戶，我們也不能忽視，通過數據挖掘發現其購買行為的規律，如果該客戶購買次數超過一定的閥值或購買次數雖少，但每次購買的金額卻很大的客戶，都應該采取電話促銷或企業E-mail等形式的一對一營銷，再次贏回客戶。

4、數據挖掘模式的評估。該階段的評估重要是評估贏得客戶的質量。

四、結論

在全球信息化高速發展的今天，面對成級數增長的網絡信息，電子商務的發展變得越來越盲目，以“提升客戶滿意度”的宗旨也越來越難以實現，但慶幸的是，在信息不斷增加的同時，信息級數也在不斷的發展，數據挖掘技術的出現和應用，使人們從這種海量的信息中解脫出來。本文試圖面向客戶生命周期的各階段不同的客戶參與類型、不同的業務活動目標，提出各階段的數據挖掘的應用流程，力求對電子商務企業指導客戶服務流程提供一些啟示。

參考文獻：

1、劉琳.基于數據挖掘的現代企業客戶關系管理應用研究[D].東北師范大學,2006.

2、張玉峰.智能信息系統[M].武漢大學出版社,2008.

3、蘇新寧.數據倉庫和數據挖掘[M].清華大學出版社,2006.

篇7

關鍵詞：分位數；KNN

分位數是大數據集和數據流上計算經常使用的一種統計方法，通過分位數查詢能夠獲得統計信息以便為決策層提供數據支持。如果給出在d維空間的一組包含N個點集P及一個連續函數F且φ∈[0，1]，分位數查詢檢索在P中最小的第φN個F目標值。例如，中位數對應于0.5-分位數，而最大值是1分位數。分位數提供了數據分布的一個簡潔的概要，主要應用于在線決策支持、數據挖掘、選擇性估計、查詢優化等。

1 分位數

分位數又稱次序統計量，中位數是一個特例，分位數是關于數據分布的一個重要統計量。數據項完全有序數據集D的φ-quantile，就是使D中的秩（秩為數據集合的元素的個數）為φ|D|的那個元素，其中0

定義1.1（φ-分位數）：一個包含N個數據元素的有序序列的φ-分位數（φ∈（0，1]）就是秩為的元素「φN。分位數查詢的結果就是具有給定秩的數據元素。

例如，在圖1中顯示了一個數據流產生數據的樣本序列，其中每個數據元素由一個數據值表示，數據元素到達的順序為從左至右，在序列中數據元素的數量是16，序列排序后的順序為1，2，3，4，5，6，7，8，9，10，10，10，11，11，11，12。所以0.5分位數返回的是秩為8（=0.5*16）的元素，就是8；0.75分位數返回的是序列中秩為12的數據元素10。

2 KNN分析

最初的近鄰法是由cover和Hart于1968年提出的，隨后得到理論上深入的分析，是非參數法中最重要的方法之一。近鄰法的一個嚴重問題是需要存儲全部訓練樣本，以及繁重的距離計算量。

K最近鄰（K-Nearest Neighbor，KNN）是最近鄰法的擴展，是一個理論上比較成熟的方法，也是最簡單的機器學習算法之一，是一種基于距離度量的分類方法。KNN在早期的研究策略中已被應用于文本分類。當K=1時的一種特定的NN（Nearest Neighbor），NN強調的是最近點的重要性，而KNN則從整體考慮，是一種更為普遍的方法。K最近鄰居（KNN）查詢在計算機科學中是一個古典問題。KNN查詢目標是在數據集中找到距離查詢點q最近的K個目標點。現有的算法主要是基于R樹索引的查詢算法，本文所采用的KNN算法主要是在一個AR樹（聚合R樹）中進行的。

在N∞的條件下，K-近鄰法的錯誤率低于最近鄰法，同時最近鄰法和K-近鄰法的錯誤率上下界都是在貝葉斯決策方法的1～2倍之間錯誤率的范圍內。

KNN基本規則是：在所有N個樣本中找到與測試樣本的K個最近鄰者，其中各類別所占個數表示成與ki，i=1，2，……，c。定義判別函數為：gi（x）=ki，其中i=1，2，……，c。決策規則為：argmaxgi（x），i=1，2，……，c。與投票表決一樣，K近鄰一般采用K為奇數，這樣可以避免因2種票數相等而難以決策。

KNN方法的思路是：如果一個樣本在特征空間中的K個最相似（即特征空間中最近鄰）的樣本中的大多數屬于某一個類別，則該樣本也屬于這個類別。KNN算法中，所選擇的鄰居都是已經正確分類的對象。該方法在定類決策上只依據最鄰近的一個或者幾個樣本的類別來決定待分樣本所屬的類別。KNN方法雖然從原理上也依賴于極限定理，但在類別決策時，只與極少量的相鄰樣本有關。

KNN算法也可應用于回歸。通過在樣本中找到的K個最近鄰居，將這K個鄰居的屬性的平均值賦給該樣本，就可以得到該樣本的屬性。同時更有效的方法是將距離不同的鄰居對該樣本產生的影響給定不同的權值（weight），例如權值與距離成正比。

定義1.2（K-最近鄰居）：給定一個曲面散亂點集P={Pi（xi，yi，zi），i=1，2，…n}，設某個點為V（xv，yv，zv），則稱P中距離點V最近的K個點為點V的m鄰域點集，記為：MNB|V|=（P1，P2，…，Pm），稱為點V的K-近鄰，它反映了該點V的局部信息。K近鄰中的每個點稱為點V的鄰近點。

K最近鄰查找有很多應用，包括數據挖掘、多媒體、圖像處理和監測移動對象。考慮一個移動電話公司已經進行的一項調查是關于客戶對最喜歡的服務計劃的選擇。例如在圖2中，2個維度捕捉了一個月內計劃的2個屬性（例如，價格和air-time數量）。每個白點表示客戶對這些屬性的選擇，假設公司計劃啟動一項新的計劃對應于黑點q，為了評價q的潛在的市場流行度，管理者想要的是在q和客戶選擇之間的相似點的分布。為了這個目的，F可能由在q和白點之間的歐幾里德距離定義，同時檢索不同φ值的分位數。作為另一個空間形式的例子，假設在2中的點q是一個比薩店，而白點對應的是住宅建筑，對于商店的擁有者來說這個住宅建筑距離中位數的非常有用的，它可以為比薩外賣計劃配備充足數量的員工。在圖2中的查詢是一個單源查詢，因為數據點集的排序只取決于一個源。

3 多值對象的KNN研究展望

最近鄰居（NN）查詢和K最近鄰居（KNN）查詢在數據庫研究中是非常重要的查詢類型。在不同的背景環境下，多種形式的KNN查找被研究，包括道路網絡、移動對象、連續查詢等。傳統KNN的只有一個查詢結點，實際應用中可以有多個查詢結點，由于查詢點的數目以及它們在數據庫空間中分布的任意性，使得多值對象KNN查詢比只有一個查詢點的KNN查詢復雜得多，因此基于分位數概要的多值對象KNN是進一步研究的問題。

在許多應用中，像分析經濟數據，通常被看作為多值對象。例如，為了對比在幾個城市之間的家庭收入，經常從一個城市隨機收集一組家庭集合的收入作為樣本，那么城市即對比為樣本集。在這個案例中，每一個城市都被表示為一個多值對象，每個值被看作是一個范例或是一個樣本。再比如，對研究小組的評價其中每個研究小組都是一個多值對象，每個員工的教學與研究績效評價都對應一個范例。由于各種因素，像在不同城市中樣本有效性的不同，每個城市樣本的數量是不同的。類似的，根據范例的含義，2個研究小組的大小也可能是不同的，如，家庭的大小和員工的職位，這些范例可能有不同的權重。同樣，上述的體育實例中，每個球員都被視為一個多值對象的球員，其中球員每場比賽的統計（得分、助攻、籃板）都被視為具有相同權重的一個實例（其被標準化）。

上述實例包含了在一維空間的多值對象和單值點的查詢，研究覆蓋的數據對象是由在d維空間的多范例組成的，查詢對象也可以由在d維空間的多范例組成。例如，在NBA中，通過對球員的統計（得分、助攻、籃板、搶斷、蓋帽）來衡量每場比賽的球員的成績，都可以被看作是球員的一個范例，因此，每個球員都是一組范例。假設某個球隊想和球員A簽訂一個合同，想找出球員A的市場價值，針對球員最近比賽的成績，球隊可能想找出top-k與A“相似”的且具有存在合同的NBA球員。然后，球隊可以使用這K個球員的薪資信息來預測計劃A的薪資等級。

篇8

關鍵詞：檔案信息化；聲像電子管理規范；聲像檔案信息系統

一、研究背景及意義

近年來，信息化建設已成為檔案發展的新方向，特別是以信息技術為核心的信息化建設已成為社會發展的強大推動力。2002年國家檔案局、中央檔案館《全國檔案信息化建設實施綱要》，標志著我國檔案信息化建設的啟動。《全國檔案事業發展“十五”計劃》中，國家明確指出“把檔案信息化納入國家信息化建設的總格局。”緊跟國家信息化建設的步伐，實現檔案信息化建設與國家信息化建設同步發展，已經成為檔案部門的一項重要而緊迫的任務。回顧我國檔案信息化的歷程，總共經歷了萌芽起步（20世紀70年代末～90年代初期）、快速推進（20世紀90年代中期～21世紀初）以及系統發展（21世紀以后）三個階段。隨著信息化時代的到來，海量電子文件數據的涌現以及包括云計算、大數據處理技術、4G通信等新興技術的發展，無一不使傳統的紙質文件生命周期理論、全宗理論和價值鑒定理論受到了挑戰。海量電子文件的管理以及利用已成為檔案學理論的新發展方向，也是檔案信息化建設的重點方向。本文根據廣州市城市建設檔案館自行編制的《廣州市城市建設聲像電子檔案管理規范》以及自主研發的規范化聲像電子檔案管理系統展開調研，以期簡述廣州市城市建設檔案館檔案信息化建設的現狀并提出發展對策。

二、檔案信息化的概述

20世紀60年代日本的學者首次提出了信息化，而后20世紀70年代后期西方學者提出了“信息社會”、“信息時代”等概念。我國信息化起步較晚，1997年召開了全國第一次信息化工作會議。目前，關于檔案信息化并沒有統一的定義，與檔案信息化相關的諸如檔案數字化、檔案信息數字化等，其定義有一定的相似性卻又不盡相同。有關檔案信息化的內涵，楊公之(2011)定義為“檔案信息化是指在國家檔案行政管理部門的統一規劃和組織下，在檔案管理活動中全面應用現代信息技術，對檔案信息資源進行處置、管理和提供利用服務。”[1]張珺（2009）認為檔案信息化是檔案工作與信息技術手段的結合；檔案信息化是檔案事業發展中的一項動態系統工程，由諸多相關項目構成，是現代信息技術手段對管理目標的支持。[2]孟世恩與王穎（2004）認為檔案信息化可理解為“是以現代信息技術在檔案工作領域的實際運用為基礎，以檔案信息的資源化為主導，以實現資源共享為目的推動檔案工作發展的進步過程”。[3]《全國檔案信息化建設實施綱要》對檔案信息化的表述為“以檔案網絡建設為基礎，以檔案信息資源建設為核心，以擴大檔案信息資源開發利用為目標，加快推進檔案資源數字化、信息管理標準化、信息服務網絡化的進程。”系統核心功能方面還需要進一步完善。目前對于系統的配置管理、備份恢復、權限管理等核心的后臺管理功能都還比較簡單，存在嚴重的管理和安全風險。而且目前系統的部分核心業務功能嚴重不足，例如軟件對于圖片檔案的完整性管理的缺乏，導致一些查詢需要投入大量人力進行，對于聲像檔案的查詢利用和編研工作都帶來諸多不便。4.系統設計中尚未考慮到未來電子檔案和長期保存需要目前的系統主要處于應付現階段的管理模式，即以紙質+數字化的雙套制模式，不具備原生電子文件歸檔功能，也沒有針對電子檔案真實性、完整性、可用性、安全性的設計考慮。從長遠來看，結合信息化改革步伐（例如國土規劃信息化工作建設目標）以及本地信息環境的現實(云計算環境的逐步成熟和認證技術的落地)，未來城建聲像電子檔案管理系統應定位高遠，需要面向電子檔案管理的需要進行通盤考慮。

三、基于聲像電子管理規范的檔案信息化建設

廣州城市建設檔案館的信息化建設工作開展較早，上個世紀90年代初便開始著手建立檔案管理信息系統，在2002年后該館開始致力于建設數字城建檔案館。目前使用的聲像檔案管理系統為2005年開發的系統，隨著內外部環境的飛速變化與發展，使得現有的系統目前面臨著內外部環境的雙重壓力，其中既有信息系統自身業務需求發展所帶來的內部推動力，又有環境調整所帶來的外部拉動力，在雙向驅動力的作用下，信息系統的升級工作勢在必行。因此，該聲像系統的搭建正好解決了目前廣州市城建檔案館對信息化升級的要求。《廣州市城市建設聲像電子檔案管理規范》由廣州市城建檔案館在多年實踐中擬定，在業界也是首次明確以聲像電子檔案為研究對象，其規定了聲像電子檔案的術語和定義，聲像電子檔案的收集、整理、移交、保管、利用和元數據要求。針對原系統的不足以及工作中出現的各種問題，并基于《廣州市城市建設聲像電子檔案管理規范》中明確的標準、定義，利用成熟、專業的聲像處理技術，從以上有關信息化的表述中，我們可以發現信息技術、開發利用、資源共享這三個關鍵詞，雖然表述略有差異，但是，我們可以認為檔案信息化就是運用信息技術開發利用檔案，最終達到資源共享的目的。

廣州市城建檔案館現有的業務管理模式定型于本世紀初，館內以“數字化生產、檔案編研、自主建設”為立足點，在工作過程中取得了不少成果與榮譽，并曾一度成為城建檔案行業的學習典范。隨著時代的發展，新的上位法、國家標準和事業單位行政分類改革賦予廣州市城市建設檔案館在城建聲像檔案工作職能上的轉變，尤其使得其工作流程、服務方式、服務對象以及數量格式上產生的巨大變化，原有的聲像檔案管理系統的功能模塊已經難以應對日常工作中的管理需求，主要問題體現在以下幾方面。1.頂層架構設計不足廣州城建檔案館信息化工作總的來說是受業務需求驅動，歷經數十年時間的建設由多個系統構成的集合，尚未形成內部密切聯系、資源有效共享的覆蓋核心業務流程的綜合性的信息系統。現有的子系統集合有拼湊之感，無論從命名，乃至到功能覆蓋范圍來看，系統之間的關系并不是很清晰，軟硬件平臺不夠統一，使用部門和功能比較分散，信息集成度較低。這些已不能適應業務管理要求和新型城市化發展的要求。隨著時間的推移和業務管理的不斷發展，信息共享和系統集成的難度日益加大。2.系統功能整體性表現不足現有系統在整體層面上存在升級換代緩慢，用戶體驗友好性不足，子系統零散，缺乏統一入口等問題。現有系統中有相當部分都是獨立建設的，各項業務功能基本上是陸續拼接的，使用的編程平臺和后臺軟件存在較大差異，因而難以進行總體性的功能框架展示。目前信息系統對于業務活動的覆蓋面還不夠充分，例如實體管理與資源存儲管理就還很不完善，功能模塊之間的聯系基本上屬于各自為戰的局面，用戶需要根據自己的職權選擇進入不同的系統進行操作，加上命名方面的隨意性，導致用戶體驗較為零亂，沒有整體性概念。3.核心功能有待進一步強化建立專門的聲像檔案管理系統，對聲像檔案信息資源進行集中有效管理，通過網絡方式相互連接和提供利用，實現聲像檔案信息的有效、規范、科學管理以及資源共享。作為海量聲像檔案庫，能和其他信息系統建立關聯，提供聲像檔案資料從檔案收集、檔案管理、檔案利用完整流程的全流程的管理系統。其中功能模塊主要包括配設任務申請、任務分配、成果數據、數據查看、聲像檔案利用、著錄、目錄生成、檔案移交、專題制作、查詢檢索、統計報表檔案、用戶權限管理。本聲像電子檔案管理系統是基于《廣州市城市建設聲像電子檔案管理規范》的需求而量身訂造的。該系統的上線及推廣使用，將在一定程度上改變廣州市城市建設檔案館目前的工作流程，提高其對聲像電子檔案管理及調用的效率。這不僅順應了國家大力發展“互聯網＋”的戰略方針，而且通過《廣州市城市建設聲像電子檔案管理規范》與系統的相互結合，使得整個系統在使用上有章可循，有法可依。這將有效提高整個系統的搜索效率及降低維護成本。同時，這種標準化的系統也值得國內其他城市參考，我們可以預想在不久的將來全國各地都遵循一個統一標準進行對聲像電子文檔的管理，存放在一個相同的系統下，這個系統所產生的價值將是不可估量的。

作者:林康子 單位:廣東省廣州市城市建設檔案技術咨詢服務公司

參考文獻：

[1]楊公之.檔案信息化建設導論[M]中國檔案出版社，2001(9).

[2]張珺.我國檔案信息化建設的分析與對策[D]，2009.

[3]孟世恩，王穎.對我國檔案信息化建設實施的理論思考[J].檔案學研究，2004（5）.

[4]翟玉芳.檔案信息化建設研究[J].檔案研究，2016(1).

[5]王美琴.我國檔案信息化過程中的主要問題及對策[J].檔案研究，2011（1）.

篇9

1常見的幾種排序算法

1.1算法的基本概念

算法（Algorithm）是指解題方案的準確而完整的描述，是一組解決問題的指令集合，按照一定的語法規則輸入，在有限時間內獲得所要求的輸出。簡單說就是計算機的解題過程。算法具備以下幾個特征：有窮性，一個算法的執行次數必須是有限的；確切性，算法的中的語句都應該具有確切的語義；輸入，算法可以有0個或多個輸入，給運算對象賦初值；輸出，算法應該有一個或多個輸出，顯示算法的運行結果；可行性，算法的設計在原則上是可行的。

1.2排序算法的簡述

常見的幾種排序算法有：冒泡排序、選擇排序、快速排序、計數排序以及托普排序等。冒泡排序（BubbleSort），是最簡單的排序方法，其基本思想是：將要排序的元素看成是一組豎排的“氣泡”，較小的元素較輕，往上浮，通過若干次對這個“氣泡”序列的處理，讓最輕的浮到最上面，次輕的次之，依次完成排序。按照一般的教學方法，老師會先向學生講解冒泡排序的基本思想和相應代碼然后再執行。這種方式學生理解和掌握起來比較困難，也無法調動學生的學習積極性，更無法使學生靈活運用。因此，要設計出一個合理、高效的教學過程，調動學生的學習積極性，拓展學生的自主思維能力，使學生掌握冒泡排序算法的思想及其編程方法，并運用到解決實際問題當中。

2教學過程設計

2.1利用多媒體動態分解排序步驟

通過多媒體軟件將排序過程設計為動態效果，演示數據序列的交換過程。相鄰數據進行比較，大數下沉、小數上浮。這樣能直觀地展現冒泡序的過程，提高學生的學習興趣。

2.2排序過程動態解析

下面通過實例來說明冒泡排序的過程，設計排序的數據序列為：5，7，3，0，6五個數，進行升序排列，其過程分析如下。第一趟排序：先讓最上面相鄰兩個數字進行比較，如果上面的數大于后面的數，就交換兩者的位置，再將交換后的數依次與后面的數進行比較，經過4次這樣的比較，就可以讓最大的數“沉底”。第二趟排序：對剩下的4個數字，再進行兩兩比較，同前面過程一樣，經過3次比較，第二大的數就排到了倒數第二個位置。第三趟排序：對剩下的3個數，再進行兩兩比較，同前面過程一樣，經過2次比較，第三大的數排到了倒數第三個位置。第四趟排序：對剩下的2個數進行兩兩比較，過程同上，經過1次比較，第四大的數排到了倒數第四個位置。從而完成的本次排序。

2.3給出代碼與分析

根據前面對排序過程的分析可知，如有n個數要進行排序，則可總結出以下步驟：排序的趟數為n-1；相鄰兩數從前往后比；每趟比較n-1-i次；大小不對就交換。按照總結的步驟給出完成相應功能的代碼，學生接受和理解起來更加容易。其主要代碼如下：1For(i=0;i<n;i++)/*排序的趟數為n-1*/2{For(j=0;j<n-1-i;j++)/*相鄰兩數從前往后比,每趟比較n-1-i次*/3If(a[j]>a[j+1])/*大小不對就交換*/4{temp=a[j];5a[j]>a[j+1];6a[j+1]=temp;7}8}通過教學實踐證明，冒泡排序的思想容易理解，學生在將其轉換為程序言時較難，通過將排序過程作以上步驟總結后，學生在寫程序時只需安排步驟進行代碼編寫，簡單易行。再讓學生自己舉例，分析程序的執行過程，驗證冒泡排序的思想和代碼的正確性。

2.4引導學生發現問題，改進算法

在教學中讓學生跟著老師的思路理解并掌握知識點很重要，但同時引導學生發現算法設計中存在的問題或者不完善的地方，由此探索解決辦法，也是教學的一個重要目的。觀察分析排序過程的表1可發現，最后兩趟的數據順序是一致的，也就是說倒數第二趟排序就已經排序完成了，最后一趟排序過程是多余的。由此可見，不管初始數據序列如何，根據上面的算法設計都要進行n-1趟排序，而在實際序列中，可能在少于n-1趟的排序中就已經變成了有序序列，完成了排序，后面的循環就沒有必要了。這時老師可給出一個常規的改進算法：設置一個標志變量flag，如flag=1，表示有交換；flag=0，表示無交換。即是當flag=0時就結束循環，提高排序效率。具體做法是：在上述程序第1行下插入語句“flag=0;”，第6行下插入語句“flag=1;”，第7行下插入語句“if(flag==0)break;”。這樣在程序的內層循環中不再有值的變化時就可以跳出循環，結束程序，從而提高算法的效率。現代教育著重對學生創造性思維的培養，相對于知識的講授更重要的是讓學生掌握思維方式，發散思維就是創造性思維中的一種重要形式。通過上面的講解讓學生知道冒泡算法還有其不完善的地方，可進一步啟發學生對算法進行改進：如上浮下沉算法、快速排序算法、線性時間算法等。使學生能更快更好掌握排序算法的基本思想和原理，著重培養學生發現問題和解決問題的能力，激發學生的獨立思考和創新能力，這比將固化的知識點傳授給學生更加的重要和有效。

3結語

篇10

關鍵詞：移動互聯網技術；趨勢；熱點業務；智能終端

引言

互聯網技術出現以后，在很大程度上影響了世界各國的經濟、政治以及文化等。但是，傳統的互聯網技術在滿足用戶的實時接入網絡需求方面，卻難以發揮有效的作用。近幾年，移動互聯網以其全面、便捷的特點，實現了人們隨時隨地連接互聯網的夢想，已經逐漸發展為現代通信領域里的熱點領域。根據《2015中國移動互聯發展指數數據報告――2015年移動互聯網行業年度盤點》，了解到我國移動智能終端設備的規模截止2015年已達20億臺。從這個數據中可以看出，移動互聯網的應用已滲透到人們工作、生活的每個角落。2016年1月20日，《中國移動互聯網大數據指標規范》作為我國移動互聯網數據服務領域中，第一份成文的行業標準，在全球大數據峰會（GBDC）上正式。這是我國移動互聯網數據行業標準化建設中一個重要的里程碑。深入了解移動互聯網技術的發展趨勢及今后業務發展的熱點領域，具有重要的理論和現實意義，能夠為今后移動互聯網技術的發展以及業務的創新提供有效的依據。

1 移動互聯網技術

從廣義上來講，移動互聯網是通過無線的方式連接互聯網，并提供移動網絡訪問服務的各種網絡的總稱。作為移動通信和互聯網兩大領域通過深度融合所形成的產物，移動互聯網不僅繼承了互聯網的網絡體系架構，在網絡技術、能耗技術等方面還有很大的改進，能夠適應復雜多變的網絡環境，并且可以有效實現移動實時接入，從而使手機用戶及時獲取大量所需的信息，與傳統互聯網相比，具有很大的優勢。其特點表現為以下幾個方面。其一，移動互聯網技術能夠讓互聯網中的網絡資源與無線通訊之間形成緊密地融合。其二，移動互聯網技術的應用實現了移動終端與互聯網的有效結合，使得用戶能夠隨時的連接互聯網，不再受時間、地點等客觀環境因素的約束，獲取信息更加地方便、快捷。其三，移動互聯網的數據傳輸與傳統的互聯網相比不具有連續性。

2 移動互聯網的發展

2.1 我國移動互聯網的發展現狀

隨著我國經濟的快速發展以及互聯網技術水平的不斷提高，移動互聯網技術已經獲得了廣泛的應用。其相關業務在市場中所占據的份額不斷擴大，可以說，移動互聯網技術在未來的應用前景十分廣闊。目前我國移動互聯網業務的發展現狀具有以下幾個方面的特點。

2.1.1 相關業務逐漸豐富，呈多元化發展趨勢

現階段，我國移動互聯網產業正走向多元化的道路。部分領域已經進入穩定發展期，視頻、游戲、音樂、新聞、出行、醫療、移動支付等相關業務的推出，已經取得了迅速發展。與此同時，隨著商業模式逐漸地成熟，許多移動互聯網業務已經獲得了大量的收益。

2.1.2 熱點業務迅速發展，少數業務獨具優勢

隨著我國移動互聯網用戶的不斷增多，移動互聯網的業務種類增長的非常迅速。根據有關報告顯示，截止到2015年6月，我國的移動互聯網用戶規模已突破9億。空前的市場機遇，使得移動互聯網相關的熱點業務得到蓬勃的發展，并且呈現出多元化的發展格局。但是，從當前多元化的發展格局中可以看出，由于移動互聯網用戶的應用使用習慣趨向于“少而精”，因此只有少數業務獨具優勢，能夠實現快速增長。舉例來講，美團外賣、滴滴出行等服務于日常生活場景的典型應用為手機用戶提供了線下的便利服務，因此在市場中實現了快速地興起。我國移動互聯網相關業務在推動整個通信行業發展的過程中，貢獻出了重要的力量。

2.1.3 業務發展因地域不同呈集中化、地區發展不均衡

我國不同地區的經濟發展水平存在著一定的差異，因此，不同地區的人們生活條件同樣具有一定的差異，這就導致了移動互聯網發展水平呈現出明顯的區域性，業務發展因地域、人口等因素的影響，表現為集中化、地區發展不均衡等特點。隨人口遷移，用戶繼續向一線城市集中，在我國的經濟發達地區，集中了大約一半以上的移動增值業務經營者。但是，盡管其他地區的移動互聯網用戶規模不具優勢，也不能忽視其潛在的價值。

2.2 移動互聯網的發展趨勢

隨著我國移動互聯網技術的不斷發展，上網速度得到了進一步地提升。綜合國內外移動互聯網相關業務的發展狀況，可以預計，移動互聯網產業正在著重面向信息化、娛樂化、商務化和行業化發展，以滿足龐大的移動互聯網用戶需求，進而獲得更多的經濟效益。與此同時，移動互聯網與物聯網相融合，將會成為未來主要的發展趨勢。具有高效計算、智能感知、便捷傳輸、綠色節能等特性的移動互聯網將會是物聯網的基礎。首先，從信息處理的角度來看，移動云計算使得物聯網擁有更高效的處理能力。高效計算的移動互聯網技術可以讓其擺脫節點電量受限、計算能力受限等局面。在智能感知方面，擁有眾多傳感器以及最新傳感技術的智能終端將成為物聯網識別物體、采集信息的重要源節點。與此同時，多個智能硬件之間也可以通過APP來實現互連互通，從而有效實現物聯網。在網絡傳輸方面，移動互聯網的網絡接入方式以及組網方式都是物聯網所需的主要網絡技術，以保證物聯網能夠穩定的運行。在綠色節能方面，移動互聯網的定位、傳輸、能耗優化等技術均適用于物聯網。總之，移動互聯網與物聯網的融合勢在必行。

3 移動互聯網業務的熱點領域

我國的信息化產業發展非常迅速，截止到2015年6月，我國的移動互聯網用戶規模已突破9億。面對如此龐大的消費群體，未來移動互聯網業務的發展將具有以下幾個方面的特點。首先，在社交領域，未來移動互聯網業務將圍繞著關于興趣、企業社交等方面進行發展。因為人們對以興趣為目的的社交有著強烈的需求，所以移動社交不再是單純的PC端向移動端的簡單延續。以企業社交為例，企業社交目的在于為企業員工提供一個免費、自由的社交網絡，而移動互聯網技術使得企業社交愈加便捷。其次，在移動支付領域，今后主要的發展趨勢是從多種支付場景到一體化支付的轉型。隨著人們對于智能終端的廣泛應用，移動支付為人們提供更加便捷的服務方式，一些互聯網公司在移動支付的產品建設中，已經取得了一定的進展，如支付寶、微信支付、百度錢包等，均已實現了移動互聯網生態建設的重要一步。在今后的發展過程中，移動支付領域仍然有廣闊的發展空間。再次，在電子商務領域中，將從關注商品本身轉換為致力于關注交易模式及過程的創新，成為未來主要的發展趨勢。最后，工具類應用的豐富多樣為移動互聯網用戶提供了極大的便利，APP應用的重要性日益凸顯。

4 結束語

隨著我國社會經濟的不斷發展，移動互聯網技術得到了飛速的發展。當前，我國的移動智能終端已經基本完成了普及，據資料顯示，移動智能終端設備的規模截止2015年已達20億臺。隨著移動互聯網應用服務的大規模發展，當前正處于發展過程中的重要時間窗口。文章主要探討了移動互聯網技術以及發展現狀，并分析了移動互聯網的主要發展趨勢以及熱點業務，以供參考。

參考文獻

[1]鄒乃峰，廖名華.移動互聯網業務發展趨勢淺析[J].通信管理與技術，2011（4）.

[2]董愛先，王學軍.第5代移動通信技術及發展趨勢[J].通信技術，2014（3）.