大数据在旅游业的应用

大数据在旅游业的应用（精选8篇）

大数据在旅游业的应用 篇1

(1)大数据对旅游行业的促进作用。随着信息技术的不断发展，人们的生活理念与生活方式出现了很大的改变，在市场上随处可见各种各样的信息，对这些信息进行收集整理，适当的归纳并进行分析，可以从中得到有效的发展经验，能够促进整个商品市场形成一个完整的体系。从事旅游行业的企业利用大数据进行分析能够发现企业存在的问题以及优势，能够生产出更加符合客户需求的产品，根据客户的需求生产出多样化、个性化的产品或者服务，进一步的提升自身价值。

(2)提高旅游行业服务质量。通过大数据全方位的分析整个旅游行业客户的具体信息，利用相关的软件进行建模运算能够得到有效的结果，再对信息进行推理分析，得到自身想要的数据。不仅能够推动整个旅游行业的发展，还能够让旅游景点及时按照部门或者是景区的布置加强公共服务体系的建设，从而满足消费者日趋多元化趋势的发展需求。能够对客户的服务进行一对一服务，让客户得到更加全面的服务，提高游客对旅游景点公共服务满意度。

(3)改善旅游行业经营管理。旅游企业利用旅游信息的挖掘以及具体的分析，能够对旅游行业进行有效的指导，对旅游景点的基础设施进行有效的管理。及时地了解客户的偏好以及特征，提升企业产品与服务的有效度，可以按照数据结果对企业运行情况进行具体的分析，还能够对运行结果进行全方位的监测，对旅游产品进行有效的掌握与管理，从而促进旅游行业的快速发展。

大数据在旅游业的应用 篇2

一、大数据概述

1、大数据的内涵

随着互联网、云计算和物联网的迅速发展,大数据也逐渐成为人们关注热点。 早在1980年著名未来学家阿尔文·托夫勒在《 第三次浪潮》 中将大数据比喻成是“ 第三次浪潮的华彩乐章”。 2008年美国《 自然》 推出的名为“ 大数据”的专刊,创造了“ 大数据”的概念。 2009年大数据的理念逐渐深入人心,受到广大学者和专家的关注。 最初的概念认为大数据是指需要的信息量过大,已经超出一电脑在处理数据时所能使用的内存量。 一般的概念认为在一定时间内通过传统的技术无法取得、管理、处理的数据集的总称。 Reilly Media公司对大数据的定义则更注重大数据在管理和分析系统起到的关键作用,认为当数据的数据量和性能大到足够能成为实施数据管理及分析系统的设计和决定因素时,可称之为大数据。 目前大数据并没有一个权威性的定义,不同的企业、机构、专家对大数据的定义各不相同。 总的来看,对于各不相同的定义中也存在着共性,即大数据不仅数量大,而且形式多样化、结构复杂,传统的技术难以满足实时处理数据的要求。

2、大数据的特征

大数据的广泛应用开拓了IT行业发展的新局面,对社会的方方面产生的重要影响,同时也增加了社会各行业对大数据的理解。 2013年IBM公司在发布《 分析:大数据在现实世界中的应用》 时,将大数据的特征解析为“ 4V”即Volume( 容量大)、Variety( 种类多)、Velocity( 速度快) 和Veracity( 真实性)。 目前也有学者认为价值密度低( Value) 也是大数据的一个重要的特征,而且国内一些媒体提出大数据除了具备“ 4V”以外,还呈现出结构复杂的特点。 综上所述,大数据的特征可解析为“ 5V+1C”,即Volume( 容量大) 、Variety( 种类多) 、Velocity( 速度快) 和Veracity( 真实性)、Value( 价值密度低)、Complexity( 复杂性)。 其中,Vol- ume不但指数据的数量巨大, 而且当数字转换为信号时能够完整的被保存。Variety为我们在海量数据中把看似无用的信息转变为有用的信息提供可能。 Velocity能够加速数据交换,更快地满足客户实时性需求。Veracity是大数据应用的重要前提,数据分析应该基于准确的基础数据才能做出有意义的决定。 Value是指在海量的数据中只有极少量的数据的有价值,我们所做的是利用云计算、智能化等技术平台挖掘有价值的信息,促成正确的决策和行动。 Com- pl exi ty指的是数据结构的复杂,大数据中有95%的数据属于非结构化数据,实时处理非结构化数据是大数据所面临的重要挑战。 大数据的容量大和复杂性的特征使传统的数据管理技术面临严峻的挑战,大数据技术的研究和应用势在必行。

二、旅游大数据

旅游大数据是智慧旅游的“ 智慧之源”,顾名思义,就是利用大数据的方法和技术,有效收集整合旅游监管数据、 移动运营商数据、旅游行业数据,实现对游客信息进行多维度的精准分析和有效预测,让数据自己“ 说话”。 目前信息孤岛问题制约着旅游大数据的应用,我国具有大量的旅游网站,由于体制和利益因素的影响,这些数据之间缺乏统一的标准,难以共享和应用,信息孤岛导致数据利用效率抵下、信息资源大量冗余等问题。

解决信息孤岛问题,一方面要着力构建旅游信息数据交换平台,制定统一的数据采集标准。 研究制定旅游行业数据库和元数据库的内容标准,制定旅游行业数据分级规范和旅游数据分类规范,进行数据采集、编目、分级,实现旅游数据分类归档、授权应用;建立数据共享机制,解决信息数据交换和共享问题;利用数据挖掘、数据分析等技术, 构建科学化、智能化、人性化的数据分析系统,发挥数据综合服务和应用效能,提升旅游管理服务水平。 另一方面要依托“ 网站集群”,形成“ 省—市( 州) —县( 区) ”多级一体的旅游电子政务体系,实现信息的逐级报送、审核和发布,实现资源共享,解决信息孤岛。

三、旅游大数据在智慧旅游中的应用

1、面向企业的应用

在旅游供应链中涉及到食、住、行、游、购、娱六类供应商, 在智慧旅游中能够充分运用大数据的主要有酒店、航空公司、旅行社和景区等住、行、游三类供应商。 对于这些企业而言,大数据的应用主要有两个方面:一方面是对于企业自身而言, 实现企业管理信息化和内部的运营监管; 另一方面是面向游客进行营销宣传,企业与主要的搜索引擎和旅游电子运营商合作,对游客大数据进行充分的分析挖掘,掌握旅游消费者的需求信息,为制定旅游营销策略提供依据。 目前很多平台型旅游企业( 携程、艺龙、去哪儿、 蚂蜂窝等) 已经开始应用大数据,开发自己的产品体系,为更好地实现与酒店、旅行社等旅游产品供应商服务的拼配与对接。 他们具有专门的技术人员提取旅游攻略引擎中的用户信息,提取酒店、购物、拍照、点评等关键信息后,进行系统化的分类整理,经过人工分析和编辑后形成旅游攻略和调查报告,为旅游产品供应商提供更加精准的产品研发和营销策略。 例如,国内知名自助游网站蚂蜂窝与酒店合作开启反向预订模式,大大提高了酒店的销售量;Hopper旅游网站利用大数据为旅游者提供旅游景点推荐。 因此,大数据的应用可以使企业向旅游企业以全新的方式销售旅游产品。

2、面向政府的应用

在大数据当道的时代,数据就是资本,政府运用大数据不仅能够实现旅游行业管理的宏观调控,而且能够掌握公共服务的主动权。 对于政府自身而言,要全面提高电子政务水平,构建电子政务集群体系;加强与交通、气象、海关、公安等部门的横向合作,同时将互联网旅游企业、典型的旅游投资、散客消费等纳入到统计系统中,实现跨部门、 跨行业、跨地区的资源共享;建立旅游大数据交换平台,形成数据互换和共享机制。 对于企业而言,政府要提高宏观引导能力,依据大数据监测平台及时准确发布有关旅游经济运行的数据信息,提高信息引导能力;依据大数据技术提高舆情监测和动态分析能力,创造有利于旅游业发展的舆论环境。 对于游客而言,政府要提高公共服务能力。 例如,开发旅游公共服务应用APP,向游客及时推送交通、天气、签证等信息,为旅游提供指引;加强对旅游景区等场所的公共WIFI服务设施的建设,通过免费WIFI可以获取游客的相关信息,推送旅游APP;依据大数据技术提高旅游呼叫中心的工作效率,不仅能够高效处理游客投诉,抚慰游客情绪,而且能够实现事故预警,应急处置,有利于保留景区口碑和景区的长远发展。

3、面向游客的应用

游客是旅游产品的消费者,是实现智慧旅游的核心价值。 广大游客在智慧旅游中的消费信息是在旅游大数据中需要挖掘的重要内容,依托大数据技术对其进行分析,制定出更加适合游客的旅游产品,因此,旅游大数据产生于游客,又服务于游客。 当我们想到一个陌生的景区旅游时,在出游前,第一,在搜索引擎收集出行的信息,体验虚拟旅游;第二,确定旅游目的地,下载APP;第三,下单订购门票或实时支付。 出游中,第一,手机接收二维码;第二,利用智能交通规划路线;第三,刷二维码进入景区;第四,APP增强现实,语音导览;第五,遭遇紧急突发事件求助;第六,查周边吃住行购,刷二维码完成消费。 出游后,第一,景区游玩,分享心情;第二,点评分享旅游经验。 在整个游客自助智慧旅游流程中,给游客带来了全新的体验。 为了满足广大游客的消费需求,刺激旅游消费,智慧旅游系统平台建设需要进一步深化,做到旅游景区立体化和形象化,游客在手机上能够身临其境地感受景区的真实特征,提高游客的出游欲望;依据大数据技术,为游客制定出行路线的同时能够评估出行费用,方便游客出行;完善景区APP终端, 除了为游客提供景区信息外,还要提供一键呼救、游客位置信息、轨迹信息等多种服务,充分保证游客的安全利益。

四、结语

目前大数据在智慧旅游中的应用多体现在在线旅游企业对大数据的应用,随着社会经济的发展,对数据和信息资源的依赖程度也日益增加,旅游行业对大数据技术和大数据应用方面关注度日益提升,本文阐述了大数据发展的背景、大数据特征以及大数据的关键技术,并结合旅游业的特点,阐明了旅游大数据的内涵、旅游大数据的主要任务,重点从旅游供应链的视角分析了大数据在智慧旅游中的应用。 目前,对于大数据在智慧旅游中的应用研究仍处于起步阶段,融合云计算和大数据技术促进智慧旅游的不断发展,需要我们进一步深入了解大数据,为大数据的应用做好充分的准备。

参考文献

[1]维克托.迈尔舍恩伯格著,盛杨燕、周涛译:大数据时代:生活、工作与思维的大变革[M].浙江人民出版社,2013.

[2]马建光、姜巍:大数据的概念、特征及其应用[J].国防科技,2013(2).

大数据在农业中的应用 篇3

想与老朋友联系？有应用程序。想记录健身目标？有应用程序。想让农场更具有可持续性？当然，也有应用程序！在技术驱动的世界中，农民、科学家和农业经济学家正在利用大数据的研究来保持领先地位。

几前年，美国农场局（American Farm Bureau）的几名成员说，数据根本就不会出现在他们的议事日程上。但是在今天，数据却频频出现在PowerPoint幻灯片、各种谈话，以及问答大会中。2014年11月30日，Quentin Hardy在《纽约时报》上发表的文章《在土地和数据中工作（Working the Land and the Data）》中指出，今天如果想要在农业中取得成功，就不要只想着把时间花在田间地头，相反，应该花在电脑屏幕上。

预计到2050年，世界人口将达到90亿。为此，全球粮食产量必须增加70%，才能够养活这个世界。同时，随着新兴经济体生活水平的提高，对肉类的需求也会增加，这就需要更大量的土地来提供动物饲料。然而，全球的耕作用地总量是有限的，因此要怎样养活这些人口对农民而言无疑是巨大的负担。2014年3月，在联合国政府间气候变化专门委员会（IPCC）发布的一系列报告中，粮食安全成为一个倍受关注的领域。

许多农场技术专家认为，大数据这项新技术来得正当时。通过大数据分析与研究，农民能够预测最佳播种时间、用什么类型的种子以及在哪里种植，以提高产量、降低运营成本，并尽量减少对环境的影响。未来的粮食安全依赖于强健且适应性强的植物与动物性作物的生产及发展，因此让大数据这个沉睡的巨人充分发挥在农业中的潜力就变得至关重要，也刻不容缓。

大数据在农业中的作用概览

农民熟知自己的每英亩土地，从作物每一寸的生长，到可能破坏作物的虫害，再到风、雨、雪、霜、热和灰尘。可以说，农民对所有这一切对土地的影响了如指掌。但毕竟，他的能力是有限的。很多时候，农民没有足够的人力或资本来利用他所收集的数据来做事情。在近几十年的高科技热潮中，农业世界已经悄然引入了数据聚合技术。比如在农用机械中整合内置的数据系统，在谷仓或联合收割机中启用无线网络，而一些大型农场开始使用软件来管理业务。

生产是农业产业中最最重要的词。据统计，在过去的将近70年间，美国的农业产量增加了一倍多，平均每年大约增长1.5%。但是，这还远远不够，因为在每个农民的脑海中，或者是每个农业产业人的脑海中，都会时刻想着如何养活在2050年将会高达90亿的人口。可耕地的减少和管理法规要求的增加，都迫使农民要“少花钱多办事”，使用更少的化学品，并采用非常精确的施肥方式，从而取得更高的产量。这也正是为什么杂交种子会有吸引力，为什么大农业公司会取得胜利，为什么在新的水平上追踪数据具有革命性意义的原因。随着全球人口的增加，天气波动性的增长，以及依赖石油的农业对化石燃料的价格越来越敏感，必然会激励更多地利用新技术来提高作物产量，并管理风险。围绕着基因组学、生物信息学以计算生物学的研究活动都已经取得了重大进展，使得科学家和组织能够更好地养活全世界，并提高食品和动物作物的质量。这些研究都涉及宠大的数据集和计算分析。那么，在这样一个生态系统中，大数据的作用是什么？

首先，也是最重要的，农民需要测量和了解数量巨大、种类多样的数据所能带来的影响，因为这些数据驱动着他们的耕地的整体质量与产量。这些数据包括当地的天气数据、GPS数据、土壤细节、种子、化肥和作物保护剂规格等等。充分利用这些数据运行长期和短期模拟，以应对气候变化、市场需求或其他参数造成的“事件”，对要实现利润最大化农民而言不可或缺。同时，从监管的角度来看，在整个供应链跟踪并追溯产品，或是实行原产国标签，无疑是额外的大数据挑战。

其次，种子、植物保护剂和肥料的供应商需要接收所有的这些数据，将其放入统一的模型中，并使用专用算法，以便向农民提供尽可能最好的解决方案和服务。

再次，农业机械制造商是整个价值链的另一个重要组成部分。他们不仅需要确保其资产能在最低成本保持最长的正常运行时间，还要支持移动数据采集（如土壤样本、水分监视器和传感器、田间作物的颜色、生长速率、天气破坏、营养水平、农作物品种等），并能让这些信息在价值链内被实时获取，以进行进一步的处理。

除了农民、农业企业、供应商和农业机械制造商以外，气象站和实验室、贸易商和行业合作伙伴、技术和解决方案提供商等也是这个日益复杂的生态系统的一部分，他们对来自无数信息源的大数据也有巨大的需求。这就需要向农业供应网络中的所有利益相关者提供一个独立的、以大数据为手段的、值得信赖并且安全的平台，让他们在支持精准农业的概念时，能够互惠互利地放置、分享和交换数据。同时，这一平台应该简化并协调农民和与其有共同最终目标的各个利益相关者之间的合作，不断推动产量提高，并可持续地养活世界上不断增长的人口。

使用现代化的机器，就意味着很难摆脱大数据。可以说，数据科学是农业新的推动力。在农业支出中，大约有2/3是侧重于做出选种、繁殖和土地使用权的决策。而有大量的数据会影响这些决策。现在新的数据采集技术，比如航空影像等，具有很高的价值。对农民来说，考虑使用他们收集的对自己有利的信息非常重要。

大数据应用——精准农业

大数据在农业中应用最普遍的领域之一就是精准农业。通过对气候、土壤和空气质量、作物成熟度，甚至是设备和劳动力的成本及可用性方面的实时数据收集，预测分析可以用来做出更明智的决策，而这就是所谓的精准农业。在精准农业中，控制中心实时收集并处理数据，来帮助农民在播种、施肥和收割作物等方面做出最明智的决策。遍布田间的传感器用于测量土壤和周围空气的温度与湿度。此外，卫星图像和无人机会被用来拍摄田地的照片。随着时间的推移，图像会显示作物成熟，加上对未来48小时的精准天气预测模型，就可以建立模型并进行模拟，从而预测未来的情况，并帮助农民做出前瞻性的决策。

nlc202309051254

农民无法创建土地，甚至他们在不断地失去耕地，因此他们必须最大限度地发挥耕地的潜力，而精准农业能让农民更高效。最近一份对种植大豆的农民的调查数据显示，精准农业可以得到快速回报——种子、肥料和化学品的使用节省高达15%。另一份出自美国国务院高级科学顾问Raj Khosla教授的研究表明，仅使用一种类型的精密技术，农民就可以将产量增加16%，而同时将用水量减少50%。如果足够重视精密技术，并加以合适地利用，精准农业将让农民有机会加倍其产出，从而养活90亿人，并改变社会对农业这一产业的认知。

大数据遍布于农业生产的整个价值链，也就意味着，几乎在这一价值链的每一个环节，都有精准农业的概念。仅仅天气一项，就足以为例。

为了能够以最佳方式种植农作物，农民需要通过数据了解在某一特定的区域如何培养这些作物，为此需要考虑种子对天气和当地疾病的耐性，同时还要考虑种植的种子对环境产生的影响。例如，在河附近的田地种植，最好就选用需要较少肥料的种子，从而减少污染。

一旦种子已经种下，围绕着施肥和维持作物的各种决策都对时间非常敏感，并且很大程度上受天气的影响。如果农民知道第二天会有大雨，他们可能会决定今天不施肥，因为肥料将会被冲走。知道是否即将下雨也可能会影响何时灌溉。由于全世界有70%的淡水资源被用于农业，能够更好地管理农业用水将会对全球淡水供应产生巨大的影响。

天气不仅影响作物如何生长，而且会影响围绕作物收割和运输的物流。例如当收割甘蔗的时候，就需要土壤足够干燥，从而可以支持收割设备的重量。如果土壤潮湿，设备就可能会破坏农作物。通过数据了解未来几天的天气情况，以及哪些区域会受到影响，就可能提前做出更好的关于工人部署的决策。

作物收获之后，将其运输到配送中心的物流至关重要。大量的食物浪费发生在分配环节，因此尽快在合适的温度下运输食物很重要。而天气也可能会对此造成影响。比如如果很多道路是泥土路的话，大雨就会导致卡车陷入泥中。通过了解哪里会下雨，有哪条路可能会受到影响，公司就可以更好地选择出运输食物的最佳路线。

随着全球食品供应链需求的日益增加，以可持续发展的方式实现农业资源最大化至关重要。因此，大数据带动的精准农业也势必继续持续发展。同时，由于属于高科技的工作，因此相比于传统农业，精准农业更能够吸引年轻人的到来，这无疑增加了农业在整个社会价值链中的活力。

面对大数据，大型农业公司的反应

现在，当有人提到农业时经常会想到的是什么？是孟山都公司（Monsanto）。虽然该公司已经被妖魔化为企业贪婪和罪恶的代表，但也正是它使得农业产业发生了革命性的改变。成立于1901年的孟山都公司最初是销售DDT、牛激素、多氯联苯（PCB）和阿斯巴甜的化学公司。从20世纪80年代起，孟山都公司开始购买种子企业并投资于生物技术研究，战略性地过渡成为一家农业公司。孟山都公司早在公众认识到之前就看到了农业的长期机会，并投注于此。该公司认为，农业大数据是个价值数十亿美元的投资，而其在2012年5月到2014年2月间收购的几家农场数据分析公司也验证了这一点。

2012年初，孟山都公司收购了精密播种（Precision Planting）公司，该公司生产的硬件和软件能够在田间播种空间、深度以及根系方面向农民提供帮助。2013年10月，孟山都公司以9.3亿美金收购了农业数据科学的最大的公司之一，即位于旧金山的气象数据分析公司——气候集团（Climate Corporation），标志着要转向数据与生物技术解决方案的整合。而金融时报（Financial Times）报道说，孟山都公司的这一收购行动标志着首宗重大的“大数据”收购顺利完成。随后，在2014年2月，气候集团买下了总部设在旧金山的土壤测试服务公司Solum。而孟山都公司的主要软件产品FieldScripts适用于所有的这些系统，以确定土壤的生产力和产量。

孟山都公司的总裁兼首席运营官Brett Begemann说，随着数据存储越来越便宜，并且能够更容易地从一个平台转移到另一个平台，他们预计精准农业将继续快速增长，而目前该公司还仅仅是开始探索使用这些工具能够为农民所创造的价值。孟山都公司估计称，在种植方面的建议有可能每年让全球作物产量增加值达200亿美元。

几乎所有的大型农业公司都纷纷向农业大数据投钱。杜邦先锋（Dupont Pioneer）使用精准农业技术已经有相当长的时间了，并且最近加大了其服务。在孟山都公司收购气候集团之后，杜邦公司（Du Pont）和迪尔公司（Deere）都与其他公司合作，推动自己进军农业数据科学。目前，Deere的FarmSight、孟山都公司（Monsanto）的FieldScripts和先锋公司（Pioneer）的Field360都是被广泛使用的农业大数据系统，所有这些系统都与气候云（Climate cloud）相结合，它们可以让农民收集来自机械化农场设备的种植和产量数据并将这些信息输入数据库，当与多个来源的匿名数据整合后，能够得出详细的对策。或许，这将有机会彻底改变农业，它使农民与公司之前的事务更加透明，并有助于农业的成功。

大数据在农业中应用的具体案例

MySmartFarm 农民都不可避免地要使用数据，有机农业运营更需要采集大量的耕作数据。MySmartFarm的创始人兼首席执行官Wolfgang van Loeper正在利用大数据来改造农业。MySmartFarm致力于为农民创造一种环境，让他们的耕种更适应自然，即更多地利用大自然的技巧，用更低的成本收获庄稼，并让作物含有更多的重要的天然植物营养素，这些营养素在经过大量化学处理的农产品中含量很少。

MySmartFarm是个SaaS系统，它将收集到的数据与预测数据相结合，帮助农民对预测或趋势做出反应。通过MySmartFarm系统，农民能够拥有他所有的数据，包括收获、施肥、实验室、天气、疾病，以及来自当地土壤或叶片水分和卫星传感器的传感器数据，同时还能有重要的映射和地理信息系统数据。MySmartFarm将所有这些数据与气候数据相结合，并产生新的情报。将其加入农民自身完整的安全存储的数据中，农民可以得出一个非常方便的管理仪表板，指明面对众多的参数时，要做出快速而高效的决策，最重要的是什么，从而更及时地采取行动。

论文：大数据在高校中的应用研究 篇4

高校中汇聚着大量的信息，从学生角度来看，包括联系方式等基本信息，食堂消费、住宿晚归等生活信息，选课、课后作业、借阅图书、成绩等学习信息，参与的社团、竞赛、讲座等第二课堂信息;从教师角度来看，包含教学任务、课件等教学信息，论文著作、科学研究数据等科研信息;从管理者的角度来看，包含学校的资产信息、师资信息、招生就业信息等。同时随着移动互联网以及物联网等新技术的兴起，学校师生主动产生和由设备自动收集的信息越来越多，如微博、微信等社交信息，各类搜索点击记录信息等。上述信息存在着数据量大、结构复杂、产生频率快的特点。这导致利用常用软件工具捕获、管理和处理此类数据所耗费时问超过了可容忍的时问。

大数据的处理流程与一般数据的处理过程类似，可以定义为在合适工具的辅助下对广泛异构的数据源进行抽取和集成，将结果按照一定的标准统一存储，利用合适的数据分析技术对存储的数据进行分析从中提取有益的知识，并利用恰当的方式将结果展现给终端用户。具体来说可以分为数据抽取与集成、数据分析和数据展示。

数据抽取与集成

大数据的数据来源非常广泛，既包括传统的关系型数据库，也包括半结构化数据，以及以视频、音频、文本和其他形式存在的非结构化数据。数据抽取和集成要解决的主要问题就是收集各种碎片化的数据，对数据进行清洗，保证数据质量，同时根据时问演进小断更新数据模式，确定数据实体及其之问的关系，最终将数据按照统一的格式进行存储，以便提供给 上层用来进行数据分析。

目前高校已经基本建立了完备的管理信息系统、学习管理系统等，在统一数据中心中积累了大量的结构化数据;同时各类系统中还散布着大量的半结构化和非结构化数据。半结构化和非结构化的数据经过一定处理后，可以转化为更容易分析使用的结构化数据。

数据分析

经过抽取和集成得到的数据，需要经过分析挖掘其潜在的价值。传统的数据挖掘、机器学习、统计分析等方法仍然可以用来对数据进行分析，只是需要根据大数据的特征进行调整。首先，为了实现对海量数据的分析，需要依据模型，将数据拆分处理，然后再将结果汇总，一个完整的分析可能会经过多层类似的处理过程;其次，大数据的应用通常具有实时性的特点，数据的价值会随着时问的流逝而递减，因此分析方法需要平衡处理的效率和准确率;最后，大数据一般构建在云计算平台之上，分析方法需要考虑与云计算平台的集成或做为一种云服务。

数据展示

大数据在旅游业的应用 篇5

摘要：针对互联电网中电能生产的地域差异以及各区域电能消耗量不同所产生的问题，提出了面向大型互联电网的大数据分析技术，使互联电网智能化、节能化，同时充分实现该技术对电力系统中现有存储数据的整合利用，分析了基于大数据分析下的互联电网模型，同时探讨了该技术在目前所面临的问题与挑战。

关键词：大数据分析;互联电网;电力调度;新能源并网

随着国民经济的发展，大量行业对电力稳定性、经济性要求日益增长，同时，电网技术的不断发展和智能化与电网技术的融合，现在电网发生了巨大的改变：由单一的、小范围的电能输送载体，变为了综合性的具有着强大能源配置能力的网络系统。但是，大型综合电力网络系统也带来了海量的数据：分布更加广泛，结构更加复杂，数量也更加庞大。这也给电网互联的经济性运行带来了巨大的挑战。为了解决上述困境，可以引入大数据分析技术，在现有电力设备基本不变的基础上，建立互联电网内的大数据处理平台，便于资源的调度优化，也便于大型互联电网的稳定运行。

大数据在旅游业的应用 篇6

摘要：随着大数据技术的发展，其在教育领域的应用也越来越广泛，极课大数据就是通过对学生的大量作业及测试进行统计处理，快速得到详细的学生个体及班级整体的数据分析、有针对性的诊断报告和个性化学习包等，从而让教和学都更有针对性，达到提高教学效率的目的。

关键词：极课大数据;e学习;个性学习;高中化学

文章编号：1008-0546（2015）09-0020-02 中图分类号：G632.41 文献标识码：B

doi：10.3969/j.issn.1008-0546.2015.09.006

一、什么是极课大数据

大数据，指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。它能提高对数据的“加工能力”，通过“加工”实现数据的“增值”。在我们的生产生活和工作学习中有很多难以收集和使用的数据，但这些数据经过收集和处理会为人类创造更多的价值，信息技术的发展为这些数据的收集提供了保证，从而让大数据的价值被逐渐的利用起来。

大数据在教育领域的应用也在不断的被开发出来，“极课大数据”就是其中之一。“极课大数据”是基础教育学业采集与学情追踪反馈系统，极课系统基于自主研发的图像算法和数据分析模型。通过对学生所做作业的扫描批阅，可以获得作业中反馈的大量信息，让教师、家长和学生都能在第一时间科学地了解到每个学生的学习状况，从而有针对性的解决问题，让学生的学习更有个性化，从而提高学习效率。

二、如何使用极课大数据

极课大数据的硬件要求就是一台阅卷仪和一台电脑，在电脑中装入“极课”软件就可以使用了。教师按照以往习惯在电脑中用word编写好电子作业，按照极课系统的要求将作业导入，系统会为每份作业生成相应的二维码，便于系统在扫描的时候识别。根据实际需要，作业中会在每小题或每大题增加定位点和老师的打分栏，这些是为了系统扫描时识别老师在每小题上的打分。作业打印出来后，与以往的作业相比，相同的地方是它们都是纸质作业，学生就像以往一样在作业纸上书写答案，但是要在指定位置贴好含有自己身份信息的二维码，此二维码是系统用于识别学生身份的;选择题可以直接用2B铅笔填涂答案（见图1）。

作业完成上交后，教师不用手工批阅选择题，非选择题按照以往一样批阅，但是学生该小题的所得分数不是直接扣分或加分，而是用红笔在每小题的分数栏中圈出，这样在扫描的过程中，极课系统通过程序设定的图像算法，就能识别出该小题的得分了（见图2）。

教师将作业批阅完后，在极课系统选择对应的作业，通过配备的扫描仪，就可以对所有学生的作业进行扫描了，在扫描时，系统能同时批好选择题并识别出非选择题的分数。扫描结束，所有学生作业的扫描版和相关数据就都在电脑中了，上传数据后，在同一时间里，不管你在哪里，只要能够连接网络，登陆极课系统的电脑客户端或手机客户端，你都能够查阅这一次的作业情况。每次的作业和测试都这么做的话，学生的学习情况就被储存下来，经过系统分析，就会得到很多有用的信息，有效的利用这些信息，教师对自己的教和学生对自己的学都会有更加科学的认识。

三、极课大数据可以提供什么

1.快速的数据处理

快速得出每个学生的分数，不用人工登分统计;按分数排名后，可以迅速找到低分学生和缺交学生，并能随时调出某个学生的作答情况，并与班级的整体情况进行对比，低分学生与班级平均水平相差较大的知识点，应该是他最容易提升的部分，这就为他的学习指明了方向，让学习目标更明确。

2.详细的数据分析

教师能够看到每一小题的正确率，并可以查看每个选项都有哪些学生选择。对某个特定的知识点，能同时了解班级的整体情况和学生的个别情况，讲解时可以更加有针对性;系统设置了班级间的横向比较，可以比较不同小题每个班级的作答情况，让教师对自己的教学效果有更清楚的认识。

3.针对性的诊断报告

极课系统可以将学生每次的作业和作业情况的相关数据长期储存，可以查看某学生相应知识点的掌握情况与班级的整体水平进行比较，及时发现自己的薄弱点，加以提高;经过一段时间的极课系统的使用，就能够反馈出学生的学习变化情况，便于学生及时调整学习策略和学习状态，用科学的方法来指导自己（图3）。

4.个性化的学习包

教师都知道，书本上的知识点就是固定的那些，但是学生面对的题目却是浩如烟海，盲目做题只能让学生迷失了方向，而不知到底要掌握什么。通过细心观察我们不难发现，题目虽多，但考察的内容还是课本和课程标准的，只要把自己不会的题目找出深层次的原因，从根本上理解掌握，就不用去花大量时间做一些自己已经会了和还不会的题目了。做一份试卷的错题和做一份试卷相比，在对知识有相同提升的时候，显然前者耗时少，效率高。

虽然错题重做是提高学习效率的好办法，但是抄写错题需要花费大量时间;剪贴错题不仅损坏了原有的作业，并且已经有了做过的痕迹，对学生的重新思考有干扰作用，难以确定再做时是否真正掌握。所以学生对于建立自己的错题本总是难以长期坚持，也就浪费了这一大好资源。极课大数据可以轻松解决这个问题，极课系统有学生每次做作业的详细信息，只要在该学生的学业详情中点击生成错题本，就可以有一份完全针对该生薄弱点的独一无二的错题汇总了，从而得到错题本，每个学生经过一段时间，就会拥有自己个性化的学习包了。

四、极课大数据的优点

1.与网上阅卷相比

网上阅卷是将学生的试卷扫描成电子版，老师通过电脑进行批阅，有多少老师批卷，就需要多少电脑，批阅无痕迹，只有成绩，这种只适合中高考和大型统考阅卷，平时教学不宜使用。使用极课大数据，硬件投入少，一台扫描仪和一台电脑可以供多个老师使用;批改纸质作业可以减轻教师的视力疲劳;学生的作业和试卷上都有教师的批改痕迹，有时还有教师和学生的互动，这些痕迹和互动是学生的学习经历，有助于他们看到自己的知识掌握和理解情况，从而有针对性的解决学习中的问题。

2.与网络作业相比

随着信息技术的发展，e学习在教育教学中的应用也越来越广泛，有些学校将学习内容放置在网上，学生在网上完成作业。这样虽然能查看学生作业进程和方便的统计出学生完成作业的情况，但是要求学生随时能够上网，这就要为每个学生配备电脑，经济投入较大，并且不利于学生的视力保护，学生的零散时间难以被利用，实际上是降低了学生的学习效率。

3.与传统的作业相比

极课大数据可以在很大程度上提高教师的统计效率。以往教师为了知道平时作业的正确率，一般采取边批阅边用“正”来统计数目，在花名册上打钩来找出做错或对做的学生，这些方法的效率很低，多数教师都无法长期坚持下去，最终就不再统计，作业评讲时只能从感觉和经验出发，讲评的针对性就难免有偏差，不能完全从学生的实际需要出发。

另外，在传统的作业中，当学生在家完成寒暑假作业时，学生的作业进展和质量老师是无从得知的，只能等到开学才知道，而开学时一般又忙于新课的学习，对假期作业重视不够，使得学生花费时间和精力完成的作业达不到应有的效果。使用极课大数据中的网上作业模块，学生在完成选择题并提交后，教师和学生都能得知作答情况，教师可以根据班级的总体数据，将错误率较高的题目进行讲解并制成微课挂在网上，学生在家根据自身需要进行学习，这样可以将假期作业的作用更好的发挥出来。

五、总结

在目前的教育形式下，高考成绩作为高校录取学生的重要依据，我们教育工作者总是希望自己的学生能够有更好的学习方法，取得更好的成绩。极课大数据的应用，可以获得更多的传统手段无法提供的教学信息，从这些信息出发，可以使教师的教和学生的学都更有针对性，从而提高学生的学习效率。极课系统的开发还在不断的完善中，随着越来越多学校的投入使用并将使用过程中的建议加以反馈，相信极课系统会更好的为教学服务的。

参考文献

[1] 极课大数据公司网站：http：///

[2] 余小高.大数据环境中微课程个性化学习的研究[J].中国信息技术教育，2015，（7）：126-128

大数据技术在电力企业的应用 篇7

中国的电力工业经过几十年来的高速发展, 随着下一代智能化电力系统建设的全面展开, 中国的电力系统已经成为了世界上最大规模关系国计民生的专业物联网, 甚至在某种程度上, 这张遍及生产经营各环节的生产关系网, 构筑起了中国最大规模的“云计算”平台, 为从时间和空间等多个维度进行大范围的能源资源调配奠定了基础。对于电力行业而言, 电力大数据将贯穿未来电力工业生产及管理等各个环节, 起到独特而巨大的作用, 是中国电力工业在打造下一代电力工业系统过程中有效应对资源有限、环境压力等问题, 实现厚积厚发、绿色可持续性发展的关键。

1 大数据的概念和发展现状

大数据, 或称巨量资料、海量资料, 指的是所涉及的资料量规模巨大到无法透过目前主流软件工具, 在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。敲打键盘, 点击鼠标的每一个输入都是数据, 整理起来分析排行, 它的功能不仅仅止于事后被动了解市场, 搜集起来的资料还可以被规划, 引导开发更大的消费力量。

大数据的快速发展, 使它成为IT领域的又一大新兴产业。据中估算, 国外大数据行业约有1000亿美元的市场, 而且每年都以10%的速度在增长, 增速是软件行业的两倍。我国2012年大数据市场规模大约4.7亿元, 2013年增速将达到138%, 达到11.亿元, 产业发展潜力非常巨大。

国家电网公司在2013年底前已全面完成各级供电公司运营监测 (控) 中心建设, 福建电力公司已经运用大数据挖掘技术进行了相关探索, 基于数据挖掘的客户用电行为分析能够提高客户行为分析的精确度, 并实现对客户的用电行为进行定量化描述;与专业部门开展的分析相比, 基于数据挖掘的客户用电行为分析更加注重对客户用电风险的预测和大客户用电效益的挖掘, 促进公司运营效率和服务水平的提升。

2 大数据技术的应用分析

大数据的应用具有显著的财务价值, 而作为天然联系千家万户厂矿企业的中国电力工业, 其所产生的电力大数据价值尤为宝贵。电力数据以其同用电客户的紧密耦合可以实现对用户360度的精确定位, 电力数据以其同国民经济的紧密耦合可以实现对区域经济走势的准确还原, 电力数据以其同电力生产的紧密耦合可以实现对电力设施设计、生产阶段的反馈指导。总之, 电力大数据的有效应用可以面向行业内外提供大量的高附加值的内容增值服务。

2.1 电力大数据特征

电力大数据的特征可以概括为3“V”3“E”。其中3“V”分别是体量大 (Volume) 、类型多 (Variety) 和速度快 (Velocity) , 3“E”分别是数据即能量 (Energy) 、数据即交互 (Exchange) 、数据即共情 (Empathy) 。如仅从体量特征和技术范畴来讲, 电力大数据是大数据在电力行业的聚焦和子集。但电力大数据更重要的是其广义的范畴, 其超越大数据普适概念中的泛在性, 有着其他行业数据所无法比拟的丰富的内涵。

2.2大数据技术体系

根据大数据处理的生命周期, 大数据的技术体系通常可以分为大数据采集与预处理, 大数据存储与管理, 大数据计算模式与系统, 大数据可视化计算以等几个方面。

2.1.1大数据采集与预处理

根据Map Reduce产生数据的应用系统分类, 大数据的采集主要有四种来源:管理信息系统、Web信息系统、物理信息系统、科学实验系统。

针对管理信息系统中异构数据库集成技术、Web信息系统中的实体识别技术和Deep Web集成技术、传感器网络数据融合技术已经有很多研究工作, 取得了较大的进展, 已经推出了多种数据清洗和质量控制工具, 例如, 美国SAS公司的Data Flux, 美国IBM公司的Data Stage, 美国Informatica公司的Informatica Power Center。

2.2.2 大数据存储与管理

大数据给存储系统带来了3个方面的挑战:1) 存储规模大, 通常达到PB (1, 000 TB) 甚至EB (1, 000PB) 量级。2) 存储管理复杂, 需要兼顾结构化、非结构化和半结构化的数据。3) 数据服务的种类和水平要求高, 换言之, 上层应用对存储系统的性能、可靠性等指标有不同的要求, 而数据的大规模和高复杂度放大了达到这些指标的技术难度。这些挑战在存储领域并不是新问题, 但在大数据背景下, 解决这些问题的技术难度成倍提高, 数据的量变终将引起存储技术的质变。

根据为上层应用提供的访问接口和功能侧重不同, 存储与管理软件主要包括文件系统和数据库;在大数据环境下, 目前最适用的技术是分布式文件系统、分布式数据库以及以及访问接口和查询语言。

索引和查询技术是数据处理系统的重要入口之一, 近年来随着数据量 (Volume) 、数据处理速度 (Velocity) 和数据多样性 (Variety) 的快速发展, 大数据相关的索引和查询技术做为大数据的主要入口之一也变得更为重要。

目前各大数据库厂商, 例如Oracle、IBM、Greenplum都已经有支持分布式索引和查询的产品, 很多No SQL数据库例如Mongodb、HBase、Cassandra也支持分布式索引和查询。还有很多面向全文检索的产品例如Solr、Elastic Search、Sphinx均支持分布式全文索引和查询, 且这些产品都是开源的。值得一提的是Greenplum的GPText将Solr的全文检索能力引入到了Greenplum数据库之中, 使得它可以同时支持SQL和Solr的全文检索。

2.2.3 大数据计算模式与系统

计算模式的出现有力推动了大数据技术和应用的发展, 使其成为目前大数据处理最为成功、最广为接受使用的主流大数据计算模式。

根据大数据处理多样性的需求和以上不同的特征维度, 目前出现了多种典型和重要的大数据计算模式。与这些计算模式相适应, 出现了很多对应的大数据计算系统和工具[16]。

2.2.4 大数据可视化分析

在大数据时代, 数据的数量和复杂度的提高带来了对数据探索, 分析, 理解和呈现的巨大挑战。除了直接的统计或者数据挖掘的方式, 可视化通过交互式视觉表现的方式来帮助人们探索和解释复杂的数据。一个典型的可视化流程是首先将数据通过软件程序系统转化为用户可以观察分析的图像。利用人类视觉系统高通量的特性, 用户通过视觉系统, 结合自己的背景知识, 对可视化结果图像进行认知, 从而理解和分析数据的内涵与特征。同时, 用户还可以交互地改变可视化程序系统的设置, 改变输出的可视化图像, 获得对数据的不同侧面的理解。因此, 可视化是一个交互与循环往复的过程。

大数据时代涌现并推动了很多可视化商业化的机会。Tabealu的成功上市反映了市场对可视化工具的需求。类似IBM Manyeyes这样在线可视化工具的流行, 则表明在一定程度上满足了广大普通用户对可视化方法的需求。国际的几个大公司也在开展相应的研究, 企图把可视化引入其不同的数据分析和展示的产品中。各种可能相关的商品也将会不断出现, 对可视化服务的商业需求将是未来的一个最大方向。

2.3 大数据技术应用前景

电力工业作为国家基础性能源设施, 为国民经济发展提供动力支撑, 与社会发展和人民生活息息相关, 是国民经济健康稳定持续快速发展的重要条件。电力大数据的爆炸性增长并不是简单的数据增多的问题, 而是全新的思维定式改变的问题。积极应用大数据技术, 推动中国电力大数据事业发展, 重塑电力“以人为本”的核心价值, 重构电力“绿色和谐”的发展方式, 对真正实现中国电力工业更安全、更经济、更绿色和更和谐的发展具有极大的现实意义。

电力生产销售的“实时性”, 使得电力行业不得不靠基础设施的过度建设来满足电力供应的冗余性和稳定性。这种过度建设带来的发展方式是机械的, 也是不经济的。在中国电力需求日益攀升的今天, 经济性的可持续发展理念必然是电力行业无法回避的问题。电力行业对大数据的需求, 其迫切性将大大超越其它基础能源行业。首先, 在电力生产环节, 风光储等新能源的大量接入, 打破了传统相对“静态”的电力生产, 使得电力生产的计量和管理变得日趋复杂。其次, 电能的不可储存性, 使得电力工业面临极其复杂的安全形势。电能的“光传输”特性, 瞬间的电网失衡会造成无法挽回的损失。再依靠“人工+设备+经验判断”的半自动生产经营方式, 电力系统的生产经营人员将承面临着无法承受之重;最后, 在电力经营环节, 随着下一代电力系统的逐步演进, 高度灵活的数据驱动的电力供应链将逐步取代传统的静止的电力供应链。这种灵活性来自于电力系统管理者们对电力设施真正运行状态的洞察力。通过获取质量更好、粒度更细的数据, 才能真正提升电力行业对当前电力供应链的“能见度”, 电力生产供需管理才能变得更为有效电力的经营管理者可以通过这些信息记录, 了解电力基础设施的历史、可靠性和成本, 来整体优化电网, 进而完成高度准确和精确的预测需求;电力的消费者可以通过对功耗的实时了解, 有意识地调整自己的用电方式, 这能够带来显著的能源节约。

4 结束语

未来的智能电力系统不仅承载电力流, 也将承载着信息流和业务流, “三流合一”的智能电力系统的价值也将随之跃升, 而这种跃升显然具有大数据的时代特征。当网络中传输不只是电能, 更重要的还有数据, 我们电力人也需要积极主动的去探索如何来科学合理的释放数据能量, 以推动传统电力工业的升级, 以适应未来经济社会的发展需要。电力大数据的价值已经相当庞大, 但如果实现进一步延伸, 将电力大数据与人们生产生活数据, 与政府企业等多行业数据相结合, 将产生更多更大的价值增值潜力, 实现数据价值在电力系统外部的流动和发展。

摘要：在IT技术飞速发展的今天, 随着大数据技术的不断应用, 为电力企业在经营管理上提供了重要的技术支持。本文介绍大数据概念、大数据发展、探讨大数据技术在电力企业内的应用前景。

关键词：大数据,发展,应用

参考文献

[1]中国电力大数据发展白皮书 (2013年)

大数据在旅游业的应用 篇8

关键词：统计数据；思政（概论）课教学；应用；探索

互联网的出现，云计算的兴起，大数据的生成，为思政（概论）课教学利用统计数据提供了可能和方便，使思政（概论）课教学更富有时代性、时效性、实效性和说服力。

一、大数据为思政（概论）课教学援引统计数据提供了可能

思政（概论）课作为大学生的必修课，与专业课相比，其内容可以说抽象、深奥且枯燥，要调动学生学习的积极性，需要授课教师利用一切手段，包括教学方法、教学技巧、教学心理、教学管理技巧、教学组织技巧、语言表达、面部表情、肢体动作、科技设备和科技手段等。

统计数据是统计工作活动过程中所取得的反映国民经济和社会现象的数字资料以及与之相联系的其他资料的总称。全球知名咨询公司麦肯锡称：数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。随着云计算的出现，我们的生活和工作日益离不开大数据。大数据为我们的教学也带来深刻变化，大数据为我们在教学中援引统计数据提供了可能。本文探讨的是统计数据在思政（概论）课教学中的应用。

二、思政（概论）课教学中援引统计数据的表现

我在思政（概论）课教学中应用了如下统计数据：

由于社会不断向前发展，改革开放不断推向深入，进入深水区，中国特色社会主义建设不断取得新进展，在思政（概论）课教学中援引统计数据时，应注意与时俱进，及时更新统计数据。

我在准备思政（概论）课教学内容和教学时，主要援引了一些国家部委的官方统计数据、著名学者的统计数据和一些网站统计数据：中国历年国内生产总值的统计数据，中国历年人均收入的统计数据，中国历年的进出口统计数据，中国历年的对外投资统计数据，中国历年吸引外资的统计数据，中国历次人口统计数据，中国历年反贪腐的统计数据，中国历年主要进出口产品统计数据，中外能源和资源利用率对比的统计数据，中国与主要发达国家多年国内生产总值对比的统计数据，世界主要能源和资源可用年限的统计数据，中华民族格局形成的6大特点，近20年来落马的高级领导名单，全球每年约210万人死于PM2.5等颗粒物浓度上升，基尼系数，恩格尔系数等。

三、统计数据在思政（概论）课教学中的作用

大数据时代的来临，为知识与文化的传播开创了前所未有的历史阶段，也为思政课教学带来了惊喜与震撼。统计数据在思政课教学中的应用，不仅给思政课的教学提供了空前的便利与支持，也给教与学带来了革命性的意义，同时也带来了挑战。

教学实践表明，教师有效地援引统计数据，对于学生学习能力以及问题意识的培养和爱国主义的塑造具有重要意义。教师通过对统计数据的真正利用，可以激发学生的学习与发现的兴趣，是培养自主学习能力、思辨能力的路径。学生通过接触统计数据，不仅可以获得建构知识的能力，而且还能得到信息素养的培养。建构知识的能力首要是自主学习能力的获得。课堂上，教师通过告知学生对统计数据的选取与利用等环节的实践，使学生的学习从以教师主讲的单向指导的模式而成为一次建设性、发现性的学习，从被动学习而成为主动学习，由教师传播知识而到学生自己重新创造知识。

相对于专业课教学内容，思政（概论）课教学内容略显枯燥，对学生缺乏吸引力，这是学生上政治课产生厌倦情绪的重要原因。思政（概论）课教师必须注重改进教学方式和丰富教学内容，让课堂教学富于时代性。随着大数据时代的到来，为完成这一教学目标提供了极大的帮助。

在思政（概论）课教学中与时俱进地应用统计数据，可以使思政（概论）课教学富于时效性。具体表现为，可以使思政（概论）课教学内容富于时代性，可以使思政（概论）课教学富于应时性，使教学手段和教学形式合时性。在思政（概论）课教学中与时俱进地应用统计数据，可以使思政（概论）课教学的某些环节，达到真实有效的状态与程度，可以更好地影响学生的思想与行为。

在思政（概论）课教学中与时俱进地援引统计数据，可以使思政（概论）课教学富于实效性。具体表现为，可以使思政（概论）课教学社会价值最大化、最优化。可以是学生更好地把握党和国家的路线方针政策，正确认识国情和国家经济社会发展的现状，树立正确理想信念，辩证地看待和处理热点问题，树立正确的人生观。

大数据时代为思政（概论）课教学提供了丰富而鲜活的素材，可以轻易援引几乎一切所需数据，使思政（概论）课教学真实、生动、有效。在思政（概论）课教学中援引统计数据，可以使社会主义改造理论、建设中国特色社会主义理论、社会主义本质理论、社会主义改革开放理论、建设中国特色社会主义总布局理论、实现祖国完全统一理论、中国特色社会主义外交和国际战略理论、建设中国特色社会主义的根本目的和依靠力量理论、中国特色社会主义领导核心理论更具说服力。总之，援引统计数据论证思政（概论）课教学中的理论、路线、方针、政策、原则、策略和作法使思政（概论）课教学更具说服力。

总之，在思政（概论）课教学中援引统计数据，可以使思政（概论）课教学富于时代性、时效性、实效性和说服力，有利于培育学生的爱国主义情怀，有利于培育德智体美全面发展的社会主义合格建设者和可靠接班人。

参考文献：

[1]《毛泽东思想和中国特色社会主义理论体系概论》，高等教育出版社，2013年修订版。

[2]http：//baike.baidu.com/subview/6954399/13647476.htm？fr=aladdi

[3]http：//baike.baidu.com/view/553047.htm？fr=aladdin

[4]刘丽娟，孙玉娟，杜黎黎.《高校思想政治理论课教学时效性评估研究》.《世纪桥》，2013 年第5 期