大数据分析实验室方案

大数据分析实验室方案（精选8篇）

大数据分析实验室方案 篇1

主题教育整改方案

一、指导思想

以党的十七大精神为指导，以县教体局党委关于“思想大解放、作风大转变、服务大提升”主题教育的总体要求为核心，对照主题教育的目标任务，切实解决理论上、实践中存在的突出问题，进一步增强解放思想意识、提高工作能力，并立足实际，与做好自己的本职工作紧密结合起来，确定整改重点，完善整改措施，落实整改责任，解决突出问题，确保我校“思想大解放、作风大转变、服务大提升”主题教育取得明显成效。

二、整改问题

1、在思想解放程度不够。一是不敢解放思想，主要表现为缺乏紧迫感、责任感；因循守旧、固步自封，不敢突破“惯例”、不敢超越“本本”；不敢试、不敢闯、不敢创新，怕担风险。二是不愿解放思想，主要表现为胸中没有全局，本单位利益第一，不思进取，小进即满。三是不会解放思想，主要表现为闭关自守，视野狭窄，不善学习，能力不强；缺乏在竞争中求生存、图发展的能力。

2、科学发展观树得不牢。一是思想认识不适应，主要表现为没有把科学发展观真正作为指导方针和重大战略思想来认识。二是工作能力不适应，主要表现为视野不宽、思路不清，不善于在总揽全局中突出重点，在统筹兼顾中协调推进。三是工作作风不适应，主要表现为重当前轻长远，重“显绩”轻“潜绩”，热衷于搞形式主义，做表

面文章，缺乏实事求是、真抓实干的精神。

3、跨越式发展紧迫感不强。一是忧患意识不强，主要表现为对全校教育均衡发展的迫切性缺乏清醒的认识，缺乏紧迫感和责任感。二是进取意识不强，主要表现为不善于抢抓机遇、乘势而上。缺乏干大事、创大业、大发展的雄心壮志。三是责任意识不强，主要表现为只想做官、不愿干事，守摊子，熬资历，争“帽子”，思想却步，求稳怕错。

4、思想解放的力度不大。工作中循规蹈矩、因循守旧、墨守陈规、按部就班，缺乏工作主动性、创造性、积极性，不能用创造性的思维和方式开创性的工作。

5、服务师生的意识不强。没有自觉主动地把师生、家长、社会各界对我们的满意程度作为检验工作成效的最高标准，有些工作做的还不是那么令人满意，小成即满，不能做到精益求精，没有把工作做深做细，没有取得全体师生和社会各界的满意。

6、精神状态还不能很好的适应我校教育发展形势的要求。部分同志工作热情有所降低，精神状态不佳，安于现状，工作不够积极主动，不求有功，但求无过，缺乏强烈的事业心和责任感。

7、自觉学习的热忱不够。在日常工作中总是有意无意地放松了自我学习，忽视了知识能力的培养再造，学习的自觉性、主动性不强，不愿挤出时间学，即使有了时间也坐不下来、深不进去。在理论学习上还不够用心，理论素养还比较浅薄，与本职业务，有关的就学一点，与本职业务联系不紧的就不去学或者很少涉猎，在学习上搞实用主

义，知识结构单一，把握形势、了解大局不深不透，还不善于研究思考问题，不善于理论联系实际。终日埋头于纷繁复杂的事务堆里，常用老眼光、老办法、老经验去对待和处理新问题，头疼医头，脚疼医脚，对于一些具有前瞻性、指导性的理论学习不够，理解不深。

三、整改时限

从6月1日开始，到11月30日结束。

四、整改措施

1、进一步解放思想，强化“五种意识”。

一是强化工作上开拓进取奋勇争先的意识，克服工作标准不高，只求工作过得去，不求工作过得硬，满足现状的思想，要牢固树立干一流工作，创一流业绩的拼搏精神，使我校教育早日步入市级名校行列。

二是强化创新意识,针对教育改革与发展的新形势和新任务，创新工作思路，创新工作方法，创新工作水平。

三是强化发展意识，突出重点，加快发展，创造性地做好教育工作。

四是强化服务意识。切实把群众拥护不拥护、赞成不赞成、高兴不高兴、答应不答应作为想问题、办事情、做决策的出发点和落脚点。

五是强化学习意识。自觉学习中国特色社会主义理论和“十七大”精神，坚持用科学发展观武装头脑，指导行动，并将学习贯穿始终；正确把握科学发展观的实质和内涵，提高学习和运用科学发展观的自觉性，紧紧围绕事关教育全局的问题和班子成员思想实际，增强班子

成员解决热点、难点问题以及为基层服务和抓落实的能力。牢固树立共产主义理想信念，树立正确的世界观、人生观、价值观，自觉抵制各种错误思想。

2、增强服务意识和发展的危机感、紧迫感。在工作上，切实加大解放思想的力度，力戒“庸、懒、假、浮、蛮、散”六种不良现象。树立强烈的时间观念、效率观念、质量观念，与时俱进、开拓创新。严守党纪党规，遵守党的章程，严守组织纪律；工作上服从大局、服从组织，积极参加单位组织的各项活动。

3、严以律己、甘于奉献。正确对待个人得失，不计名利，不讲价钱，不图虚名，勤勤恳恳，兢兢业业，以新的境界、新的姿态投入工作。自觉接受监督，洁身自好，做到思想先进、工作扎实、作风稳健、一尘不染。工作上坚决服务以上级领导组织的决定，扎扎实实，创造性的的开展各项工作。

4、牢固树立全心全意为人民服务的宗旨观念。要以人民群众满意不满意作为衡量我们工作的第一标准，转变作风，与广大人民群众保持密切的联系，以实际行动提高新的境界、新的风貌、新的作为，树立起卫生行业的良好形象。

5、强化责任意识。建立完善岗位责任制，明确岗位职责；工作上加强协调合作，做到人人有责任，事事有人管，坚决杜绝推诿扯皮、配合不力等问题，提高工作效率。

6、进一步深化教育改革，创新学校管理方式，推行校务公开，财务公开制度，学校的各项重大活动，广泛征求师生意见，提高管理

水平和服务能力。

7、加强党风廉政建设。健全制度、监督并重的廉政机制，认真落实党风廉政建设责任制。加强单位内部廉政教育和惩防体系建设，抓好部门源头治腐工作，杜绝腐败行为的发生。加强理论学习和警示教育，不断增强党员干部的党性修养，牢固树立正确的人生观、权力观，增强廉洁从政的坚定性，拒腐防变的自觉性。

8、加强监督机制建设，自觉接受群众监督。

峡江县实验中学

大数据分析实验室方案 篇2

关键词：大数据,实验室,校企合作,专业建设

实验教学是高职院校教学中的重要组成部分, 是实施素质教育、培养富有工程实践能力和创新精神的高素质人才的关键环节。实践是发现理论、检验理论之本, 是培养创新人才之根。加强实验教学基础建设, 不断推进教学改革, 努力为高职院校实验教学提供示范经验, 带动实验室的建设工作。因此, 高职院校中实验室建设工作一直备受关注和重视。

四川信息职业技术学院是四川省唯一一所电子信息类公办高等职业院校, 四川省省级示范性高职院校。开设了应用电子技术、软件技术、数控技术等39个高职专业, 在校学生近8000人, 毕业生就业率历年在98%以上。学院以委市共建为支撑, 强化政、行、企、校四方联动, 搭建了四大发展平台 (创新创业平台、校企合作平台、集团化办学平台、技术服务平台) , 形成了“一支撑、四联动、四平台”的“144”办学模式, 走出一条根植信息产业, 培养信息人才, 服务信息社会的特色发展之路。

1 大数据创新实验室建设背景

近年来, 随着计算机和信息技术的迅猛发展和普及应用, 行业应用系统的规模迅速扩大, 行业应用所产生的数据呈爆炸性增长。由于大数据隐含着巨大的商业价值, 是“未来的新石油”, 对未来的科技与经济发展将带来深远影响。因此, 在未来, 一个国家所拥有运用数据的能力将成为综合国力的重要组成部分, 对数据的收集、整理、分析和运用也将成为国家间和企业间新的争夺焦点。

2014年, 大数据首次在中国政府工作报告中被列为国家重点产业推进方向。2015年, 李克强总理在政府工作报告中进一步提出“互联网+”行动计划, 推动移动互联网、云计算、大数据、物联网等与现代制造业结合。2015年8月19日, 国务院常务会议通过《关于促进大数据发展的行动纲要》, 其中明确指出推动政府大数据开放、共享和安全的重要性。9月26日, 国务院发文《国务院关于加快构建大众创业万众创新支撑平台的指导意见》 (国发〔2015〕53号) , 提出大力发展专业空间众创。11月3日发布的《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》提出, 拓展网络经济空间, 推进数据资源开放共享, 实施国家大数据战略, 超前布局下一代互联网。

有关统计显示, 目前有23个省份出台了74项与大数据相关的政策, 全国已建和在建的大数据产业园超过10个。今年9月底, 成都市大数据管理局正式成立, 这是继广州、沈阳后, 全国第3个设立大数据管理局的城市。在贵阳, 我国首家大数据交易所挂牌成立, 将大数据作为一种资产、一种商品正式进行交易。

2015年中国大数据市场将突破100亿元。而且这还是在中国99%以上的大数据未被有效应用的情况下。预计到2018年, 中国大数据市场规模将达到463.4亿元, 到2017年, 全球大数据市场收入将达500亿美元。

在此背景下, 学院为响应市场需求, 即将开设大数据分析专业课程, 其必要性已毋庸置疑。同时, 为配合大数据专业课程教学, 使学生能更好地学习和掌握该专业技术知识, 提升教学质量和办学水平, 应加强相关专业的实训和科研环境的建设和改造。因此大数据创新实训室在教学和科研中具有非常重要的作用, 只有使学生尽快掌握最新的大数据相关技术知识, 具备较强的理论和实践相结合的能力, 才能使学生日后更好地服务于社会, 创造良好的就业机会。

2 大数据创新实验室建设概况

2.1 设备清单 (见表1)

2.2 主要用途

2.2.1 教学实训

大数据创新实训室的主要功能是为该专业学生提供完备的配套上机实训环境, 建成后可让学生进行操作的内容主要有: (1) Hadoop平台的安装、配置及管理。 (2) 内存数据库Mem DB的安装、配置、使用。 (3) 分布式数据仓库MPP的安装、配置、使用。 (4) 分布式文件系统HDFS的安装、配置和使用。 (5) 分布式计算引擎Map Reduce的安装、配置和使用。 (6) Linux集群的安装、配置和使用。 (7) 分布式数据库Hbase的安装、配置和使用。

2.2.2 校企合作

大数据创新实验室因具备一定的软硬件设备基础, 可以与企业相配合, 为区域内的真实项目提供环境。与此同时, 学生与教师队伍也能从中直接了解到市场需求与行业用户特点, 体验真实项目流程, 应对各种实际技术问题, 为将来更好地适应领域内相关岗位工作积累宝贵经验。

2.2.3 培训认证

大数据创新实验室拥有专业的设备设施, 可以为大数据应用相关职业技术认证提供完备、严谨的培训与考试场所, 以就业竞争力为根本导向, 更好地服务于相关专业的学生, 满足教师提升个人技术水平与教学能力的需要。

3 大数据创新实验室建设目标

3.1 定位

四川信息职业技术学院大数据创新实验室 (以下简称大数据实训室) 将实行“开放、流动、联合”的运行机制, 以“测试, 创新、发展”为目标, 吸引行业优秀的专家学者和社会优秀人才共同开展大数据创新研究, 取得研究成果, 将在大数据应用创新实训室建设项目中发挥重要作用。大数据创新实训室将为行业信息化业务现代化建设提供强有力的、持续的科技撑。

大数据实训室将以行业创新关键技术研发和行业科学研究为主要目标, 促进科技成果转化, 形成以大数据创新为主导的研究特色, 是科技创新、数据产品化和大数据科技人才培养的载体。

大数据实训室应承担技术选型测试、软硬件测试、安全和风险测评、创新应用开发、新应用上线测试等任务, 为大数据应用创新提供实验基地, 为大数据核心技术实验和落地实施提供可靠保障, 为四川省、广元市大数据平台建设全面铺开奠定基础。

3.2 实训对象

目前, 大数据创新实训室主要面向软件技术专业及计算机网络技术专业的学生和教师, 提供对大数据课程配套的实训设备资源与演练环境。后续, 大数据可能会作为学院的基础课程之一, 则实训室将为更广大的有需求的师生群体提供大数据的基础理论入口和技术拓展平台。

3.3 建设思路

第一, 项目建设应该高起点并整合资源。实验室应联合国内领先的云计算、大数据创新企业进行共建, 整合企业优势资源, 推动科学研究和人才培养, 共同探索大数据应用, 培养更多高端的大数据专业人才, 促进产学研水平提升一个台阶。

第二, 完全开放数据创新服务。面向川北地区乃至整个四川省、西南地区开放, 形成较为成熟的大数据应用服务模式与大数据服务内容, 具备覆盖若干行业数据分析和企业数据分析的应用, 将研究成果转化成符合市场需求的产品, 形成区域性的社会影响力。

第三, 需要相应的技术创新与支持能力。具备搭建大数据采集、清洗、分类、应用平台所需的场所和先进、完备的数据应用服务与开发的条件设施, 拥有一支稳定的、专业化的大数据分析、梳理、开发队伍和管理人才队伍。

第四, 加强高层次、复合型人才的培养。此实验室工作涉及数据管理、平台实施交付和应用开发等多项技术, 目前单纯某一个方面的技术人才是不能满足这种要求的, 因此有必要加强对建设和管理需要的复合型人才的培养。

3.4 具体目标

(1) 建设基于云计算、分布式计算、融合计算等先进技术的大数据计算实验平台。此次大数据计算平台建设规模按PB级的数据分析计算存储量作为依据进行平台设计标准, 配备必要的高性能计算设备、高速网络、大容量存储设备, 满足大数据应用软件性能的需求。由于是大数据计算实验平台, 因此应用峰值持续时间、峰值系数等性能度量参数暂未作考虑。

(2) 大数据分析平台建设。采用内存数据库、分布式数据仓库和分布式计算引擎等大数据计算分析技术, 提供从GB到PB级数据在高并发访问、数据查询和分析处理等不同应用场景大数据处理的能力, 构建数据采集、数据存储、数据处理、数据应用开发的整个大数据生命周期管理体系。

4 大数据创新实验室建设水平与特色

4.1 总体水平

大数据创新实训室将成为学校大数据相关课程的实战和创新的支撑平台, 促进教师和学生开展基础理论验证和应用技能演练, 培养优秀的职业技术人才。同时, 实验室具备了较好的科研环境和实验条件, 成为具有较高水平的大数据创新研究基地和技术交流平台。并且通过实验室, 学校相关专业可实现校企之间的良性互动, 为构建新时期学校与市场接轨的校企合作体系奠定基础。

4.2 具体特色

(1) 形成校企共建的实验室建设模式特色。该实训室将与省内优秀的专业公司的深度合作, 依托企业的优势技术资源和实际经验合作办学, 与合作企业共享各自的优势资源。企业能将业界成熟、先进的技术思想与实用经验以讲课结合实训辅导的方式面对面地传授给学生和教师。同时, 学院将组建以优秀师资为领导、相关专业学生为主体、外聘资深从业人员为顾问的数据保护技术支持团队, 承接企业数据安全项目的实施、运维等工作, 发挥实习实训、工学结合的综合作用。

(2) 形成工学交替的人才培养模式特色。将构建起校内授课与校外实习交替结合的人才培养模式, 由合作企业定期提供实际项目机会, 参与真实的数据安全相关项目工作流程, 与市场接轨。

(3) 形成师资培训、职业培训为主的社会服务特色。该实验室将申请相关部门挂牌认定为该业务领域的培训基地和职业资格鉴定所, 承担大数据创新相关师资培训和相关技术岗位的培训、考试和考核。

5 大数据创新实验室建设效益分析

5.1 学生职业能力培养

在实训室完成上述实训课程后, 可使学生在规定学时内达成下述专业技能目标 (见表2) 。

达成上述技能目标的学生, 已基本具备胜任数据灾备工程师 (售前、售后) 、数据安全管理员、IT系统运维等岗位的核心技能与专业素养, 将具有良好的就业竞争力。

5.2 预期效益

(1) 大数据创新实训室将充分满足专业实习实训需求, 能同时容纳50名学生开展生产性实习实训, 形成校内基础实习实训、综合实习实训、模拟仿真实训和现场实践实习逐层次提高的实践教学环境, 实现功能系列化、设备先进化、环境真实化、人员职业化。学生实训中, 可以在老师带领和顾问支持下, 承接区域内的数据安全实施与运维工作, 实现校企双赢。

(2) 建成省内一流的区域共享型生产性实习实训、教师认证培训基地, 除完成本专业实习实训外, 还可接收周边学校的学生实训和师资培训任务。

(3) 社会服务显著扩大, 基地与社会、与更多的企业形成深度合作关系, 取得显著的社会效益和经济效益。实训室将作为学校的数据资产管理服务平台, 更深度地参与区域内行业、企业的数据安全项目, 成为相关企业应用性技术人才的重要储备力量。

(4) 以实训室建设带动相关专业建设。相关专业将更紧密地结合地方行业企业发展对技能型、复合型人才的需求, 提高人才培养质量, 显著提升相关专业学生就业率。

参考文献

[1]王晓岗, 张星, 李静, 等.开放实验教学管理研究[J].实验技术与管理, 2012 (4) :155-157.

[2]白洁.校企共建校内实训基地的探索与实践[J].实验技术与管理, 2012 (3) :181-183.

[3]陈莉欣, 郭辉, 秦昌明.地方高校实验室建设与管理的探索与实践[J].实验技术与管理, 2012 (3) :188-190.

[4]万长建, 姚菊香.高校实验室建设与管理精细化研究[J].实验技术与管理, 2012 (2) :188-190.

[5]刘丽葵, 贺丽苹, 伦璇.提升高校大型科研仪器在研究生培养中效能的思考[J].实验技术与管理, 2012 (2) :203-205.

[6]吴世华, 杨光明, 王秋长, 等.加强实验教学示范中心建设, 提高人才培养质量[J].实验技术与管理, 2012 (1) :4-6.

[7]杨威.实验室开放与管理[J].实验技术与管理, 2012 (1) :186-187.

[8]牛立元, 邓月娥, 孔德川, 等.高校教学科研公用平台的建设与使用[J].实验室研究与探索, 2012 (1) :165-167.

[9]车将, 廖允成.加强高校实验室管理建设的几点看法[J].实验科学与技术, 2011 (6) :183-185.

大数据分析实验室方案 篇3

关键字：桥梁　非线性　颤振

时程分析方法是桥梁风工程中的主要方法之一。过去的非线性时域分析方法都局限于抖振。其基本流程是首先模拟桥梁风场的脉动风速时程，根据脉动风速计算抖振力和自激力，然后将抖振力和自激力的计算编入非线性有限元程序中，最后再运用这样的程序进行计算。在这个流程中，非线性有限元程序是比较成熟的，但在脉动风速模拟和自激力的计算方面都还存在着对分析有重要影响的缺陷。由于时域中耦合自激力的计算比较困难，过去的时程分析中都没有考虑耦合的自激力，因此，这样的分析方法不能用来分析耦合颤振。

一.脉动风速的模拟试验

要进行抖振时程分析就必须首先模拟作用在桥梁上的脉动风速时程。本文采用经改进的谐波合成系列中的一种方法，大大提高了模拟效率，为在后文进行颤振时程分析中不断变换风速计算节约了时间。作用在大跨度桥梁上脉动风速可视为一维多变量随机过程。众所周知，用谐波合成法模拟一维多变量随机过程需要计算互谱密度矩阵的Cholesky分解。该分解通常采用迭代法求借，计算最大，常常影响模拟的规模的效率。本文作者利用桥梁上各点的互谱密度近似相等的特点，导出了显式的分解公式，并且采用了FFT技术，从而极大地提高了模拟效率。

二.风荷载计算

引起桥梁风振的荷载可以分为静力风荷载、抖振力和自激力。其中静力荷载按常规静力三分力系数计算，抖振力常按scanlan的准定常理论计算。

自激力的计算一直是研究得较多的课题之一。传统频域抖振和颤振分析方法中的自激力都采用scanlan提出的气动导数的线性表达式。由于该表达式是频域和时域的混合表达式，不能在时域中求解。为了在时域中顺利计算耦合自激力，Lin提出了一种用单位脉冲响应函数表达的统一自激力表达式。本文按Lin的理论计算耦合自激力。

Lin的理论基于二自由度耦合。然而，三自由度耦合对结构振动的影响最近也引起了一些学者的关注。虽然并非所有的自由度之间都具有耦合特性，但从理论和形式完备的角度出发，本文将Lin的理论从二自由度推广到三自由度，成功地实现了时域内三自由度耦合自激力的计算。

用脉冲响应函数表达的自激力适合于任意形式的振动，也适用于正余弦振动(颤振)。根据在正余弦振动形式下，脉冲响应函数表达的自激力与气动导数表达的自激力相等价的关系，Lin导出了用脉冲响应函数表达的自激力的具体表达形式。

三、统一的额报和抖报时域分析方法

在传统的步域分析方法中，抖振和颜振是通过完全不同的方法来分析的。其中，抖振分析用的是基于随机振动理论的响应谱方法，颤振分析用的是与特征值问题有关的半逆解法或复模态解法。风振时程分析的初衷是为了解决非线性情况下的抖振响应计算。但是颤振分析中所需要的计算自激力的公式在抖振时程分析中都要用到，所以从理论上讲，利用计算抖振时程分析的方法同样可以在时域中计算颤振。实际上，抖振和颤振并不是完全独立的。在任何风速之下，桥梁都受到抖振力和自激力的作用。当风速较低时，自激力很小，不起控制作用，桥梁的振动就体现为抖振。当风速增加到一定程度时，自激力逐渐发散，并控制桥梁的运动，桥梁就发生了颤振。因此，只要正确地描述了抖振力和自激力，运用时程分析这一仿真的分析方法，就可以算出一定风速之下桥梁的真实运动状态。如果表现为随机振动，则说明是抖振，我们就可以得到响应时程统计指标。如果是发散振动，就说明桥梁发生了颤振。只要不断进行搜索计算，我们就能在时域中找到桥梁的颤振临界风速。

根据以上设想，本文设计并首次成功地实现了时域中统一的颤振和抖振分析算法。

流程中，耦合自激力的计算是个关键。过去的一些抖振时程分析方法中常只近似考虑非耦合的自激力。而大跨度桥梁的颤振发散大多是受耦合自激力控制的，因此，过去的抖振时程分析方法不能用于计算颤振的原因就在于此。颤振发散的判断依据也是关键之一。考虑到结构在接近颤振临界状态时，振动形式逐渐从随机振动过渡到谐波发散振动，其振幅将逐渐增大，相应振动的阻尼将逐渐减小。因此，本文先通过位移时程曲线观察振幅的变化规律，当结构的振动明显过渡为谐波振动时，则根据计算结构的阻尼系统，当阻尼系统为负时，则认为结构进入颤振临界状态。

四.非线性颤振和抖振时程分析的程序设计

除了在时域中统一颤振和抖振分析方法以外，本文研究时程分析方法的目的还在于分析不同非线性因素对桥梁颤振和抖振响应的影响。与大跨度桥梁抖振和颤振有关的非线性现象主要有：

(1)几何非线性，包括平均风荷载引起的位移：由于大跨度桥梁相对细长，几何非线性现象不能忽视；

(2)有效攻角效应：由平均风荷载引起的位移使风对桥梁的攻角发生变化，从而使静力三分力系统和气动导数发生变化，因此附加攻角对桥梁的影响不能忽视。

根据以上分析流程并考虑这些非线性因素，借鉴一些通用有限元程序的理论和源代码。

大跨度桥梁在非线性情况下的颤振和抖振分析是目前桥梁风工程研究的热点之一。本文着重提出了时域中统一的颤振和抖振方法，同时解决了脉动风速的高效率模拟、结构几何非线性和气动非线性的处理方法。在此基础上，本文编制了计算程序Nbuffet并用该程序分析了江阴长江大桥非线性颤振和抖振响应。结果表明本文提出的方法及所编制的程序在理论和实践上都是正确的。

在此基础上，我们就可以在时域中增加考虑各种非线性因素对结构进行分析从而寻找结构对这些因素的敏感性；我们也可以根据时程计算来进行非线性的振动控制。而这些研究工作在頻域范围内是难以开展的。如果与CFD技术相结合，将可望实现从参数识别到结构宏观计算和控制的全过程分析。从而达到与风洞试验互为补充的目的。

大数据分析实验室方案 篇4

“迎省实验教学观摩现场会”实施方案

为了能使省教育厅在我县举办的现场会取得好的效果，从而达到实验室建设现代化、教学仪器配备标准化、实验室管理信息化、实验教学制度化。我校全体校委会成员集思广益、精心研究，特制定本实施方案。

一、指导思想

以全省实验教学现场会为契机，全面提升我校实验教学水平，加快教育现代化建设步伐，深化教育教学改革，全面实施素质教育，提高教育教学质量，办好让人民满意的教育。

二、提高思想认识，加强组织领导

我校对此次教学观摩现场会高度重视，成立了以黄中锋校长任组长的实验教学现场会领导小组。校委会全体成员对我校实验室、功能用房建设发展规划深入研究，并根据实验教学现场会的目标、任务和有关要求，制定适合本学校的实验室、功能用房建设的实施方案，并对全校的校容校貌及相关设施进行改造。

三、具体实施

（一）外部建设 第一阶段：

1、主席台及广场硬化建设，改造面积约1400m2。

2、学校各功能室更新改造，主体为粉刷墙壁及地板砖铺设。

第二阶段：

1、学校大门（电动门）更新改造。

2、更换过时、陈旧的仪器橱。

3、对现有微机室铺设地板，线路改造，更换微机桌椅。

4、更新办公室设备及学生桌凳。第三阶段：

对学校操场进行升级改造。

（二）实验室及功能用房的改造建设

1、装备多媒体教室、音乐室、微机室、实验室、仪器室、图书室、德育活动室等配套设施。

2、新增一个探究实验室、一个舞蹈室、一个机器人室。以上实施措施预计总投资98万元。

总之，我校加强组织领导，加大资金投资，确保实验教学现场会圆满成功。

促进大数据发展工作实施方案 篇5

为夯实我市大数据发展基础，以政府大数据开放开发为先导，提升政府治理水平为示范，营造适合大数据产业发展的市场环境，抢抓大数据产业发展机遇，形成大数据产业和应用特色优势，根据《国务院关于印发促进大数据发展行动纲要的通知》、《x省人民政府关于印发x省促进大数据发展实施方案的通知》、工信部《大数据产业发展规划》和《xx市大数据应用与产业发展规划》，制定本工作实施方案。

一、指导思想

坚持市委、市政府主导，加强顶层设计和统筹协调，把握国家大力发展新一代信息技术产业、推进中国制造xxxx、促进信息消费、全面推广三网融合等战略带来的新机遇，发挥市场在资源配置中的决定性作用，以体制机制创新为动力，以政府大数据开放开发为先导，推动大数据技术与社会经济各领域应用的深度融合;以企业为主体，突破大数据关键技术研发，着力推进数据汇集和发掘，深化大数据在各行业创新应用，重点锤炼若干优势产业环节，全面提升我市大数据产业发展水平。

二、工作目标

加快大数据部署，深化大数据应用，坚持创新驱动，坚持“资源、技术、应用、产业”四位一体、协同互动的发展模式，推进政府治理精准化、公共服务便捷化和产业发展协同化，释放大数据红利，着力将我市打造成为国家级大数据综合示范应用城市。

(一)创新应用成效明显

建立政府大数据管理应用相关制度和标准，构建大数据汇聚、共享、开放、应用体系。到xxxx年底，完成全市政府数据资源梳理，建成政府信息资源目录体系，建设完善大数据管理和服务平台。到xxxx年底，完成卫生、教育、交通、信用、环保、旅游、气象、公共安全等重点领域数据整合共享及应用示范项目建设，促进政府治理能力和公共服务水平的提升。

(二)技术产业发展领先

推动大数据与云计算、物联网、移动互联网等新一代信息技术融合发展，探索工业大数据技术产业化应用，促进传统工业转型升级和新兴产业发展。到xxxx年底，大数据开发利用在全市各领域中全面展开，多项大数据关键技术在国内领先，形成一批具有自主知识产权的大数据应用产品、系统和解决方案，培育一批特色鲜明的创新型示范企业，构建政产学研用多方联动、协调发展的大数据产业生态体系。

三、主要任务

(一)夯实大数据发展承载基础，构建政务数据共享体系

1.强化信息通信基础设施建设。实施全光网工程，全市建制村通光纤率达到xxx%。积极推进xG网络试验和领先发展，推进下一代互联网络建设，提高数据网络传输能力和覆盖率。加快各类大数据中心的建设，加强“三网融合”技术和业务应用创新。加快基础传输网络和感知网络建设，部署面向智能制造单元、智能工程以及物联网应用的低时延、高可靠的工业互联网。

(牵头单位：市通信管理局，实施单位：各基础通信运营企业，配合单位：各有关部门)

2.提升政务云平台服务水平。采用先进的云计算架构建设政务云计算数据中心，形成统一的应用基础支撑平台、统一的安全保障体系、统一的运行维护及管理平台，促进跨地区、跨部门基础资源的整合和共享。

(牵头单位：市经信局，实施单位：市信息中心，配合单位：各有关部门)

3.强化城市基础大数据库建设。按照大数据技术标准和要求，以市民库、法人库、空间基础数据库为基础，进一步建设信用库、电子证照库、视频库、交通信息库等城市基础大数据库。通过加强互联网.信息采集和利用，加大物联网数据采集设备部署和数据处理，鼓励通过合作、政府购买数据服务的方式，利用电信运营商、银行、企业的数据服务，形成城市基础大数据库群。

(牵头单位：市经信局，实施单位：市信息中心，配合单位：各有关部门)

4.建设政务信息共享协同平台。进一步推进《xx市政务信息资源共享管理暂行办法》实施，整合政府部门公共数据资源，促进互联互通，提高共享能力，提升政府数据的一致性和准确性。到xxxx年底，市级政府各部门实现数据统一共享交换的全覆盖，建成以市为节点的“横向到边，纵向到底”的政务信息共享协同平台。

(牵头单位：市经信局，实施单位：市信息中心，配合单位：市、区、街道、社区等)

5.建设政务数据开放平台。建设全市统一的政务数据开放平台，实施身份统一认证，面向公众提供数据查询、数据下载、应用接口等服务。利用统一开放平台汇聚和发布政务数据，保障数据权威、有序和安全。支持各类社会主体依托开放平台进行开发利用，支持政务数据开放平台与社会各类数据资源开放平台互联互通。

(牵头单位：市大数据办，实施单位：市经信局、市信息中心，配合单位：各有关部门)

6.加强大数据采集和利用。开展政府和社会合作开发利用大数据试点，完善金融、税收、审计、统计、规划、消费、投资、进出口、城乡建设、劳动就业、收入分配、电力、产业运行、质量安全、节能减排等领域国民经济相关数据的采集机制，推进各部门按照统一体系开展数据采集和综合利用，加强对宏观调控决策的支撑。

(牵头单位：市大数据办，实施单位：各有关部门)

7.建立健全政务大数据开放管理机制。制定《xx市政府大数据开放管理暂行办法》，建立政府部门和事业单位等公共机构数据资源开放的目录清单制度，制定数据开放标准和开放计划，明确开放政府数据的原则和要求，并对开放政府数据的对象、形式、边界进行严格定义，建立以共享、开放为原则的数据开放机制，纳入各部门政务绩效考核目标。政府部门信息系统建设应适应大数据发展需要，具备数据采集、汇聚、共享和开放设计基础，实现基础信息集中采集、统一汇聚、多方利用。推动中央国家机关、x省直机关信息系统建立数据共享机制，保证信息资源属地存储和共享应用。

(牵头单位：市大数据办，实施单位：市经信局、市法制局、市效能办)

(二)运用大数据提升政府治理水平

1.提升城市公共安全和执法管理的支撑能力。建立统一的公共安全调度指挥平台，实现执法部门间的数据流通共享。加强社会治理相关领域数据的归集、发掘及关联分析，增强风险管控能力，强化对妥善应对和处理重大突发公共事件的数据支持和应急联动，为综合应急管理提供支撑。

(牵头单位：市公安局，配合单位：各有关部门)

2.建设社会公共信用体系。贯彻落实《国务院办公厅关于运用大数据加强对市场主体服务和监管的若干意见》，建立全市统一的社会信用体系。归集政务、商务、社会和司法等各领域信用数据，完善共享应用平台，在企业监管、质量安全、节能降耗、环境保护、食品安全、安全生产、旅游服务、市场准入、商事广告、消费维权等领域，推动企业信用数据统一公示;在行政管理、执法和公共服务事务中逐步利用信用信息，开展多部门的信用联动奖惩机制;在市民生活中，加强诚信价值观的督导，通过大数据运用，构建公平诚信的`社会环境。在自贸区率先试点大数据对市场主体服务和监管，营造国际一流的营商环境。

(牵头单位：市信用办，实施单位：市发改委、市经信局、自贸区管委会、市信用服务中心，配合单位：各有关部门)

3.实施生态环境全方位监测。集成空气、水、土壤等监测数据，统一规划建设xx市环境监测大数据平台。加强多部门监测数据综合分析，全面、精确、及时掌握监测对象现状、动态变化、发展趋势以及相互影响，综合评价环境生态保护工程的实施效果，为城市规划、资源开发、生态环境保护等工作提供数据支撑。加强部门联防联动，共享监控监测数据资源，汇总分析环境监测、监察执法、污染源在线监控等信息，精准定位污染源头，为及时处置和反馈提供支撑。

(牵头单位：市环保局，实施单位：市海洋渔业局、市市政园林局)

4.构建城市空间建设规划管理协同工作体系。统筹国土、规划、建设、气象、海洋等部门的数据资源，建立城市建设多规平台大数据库，实现城市建设规划“一张图、一个平台、一张表、一套机制”，实现多个部门规划协同。依托市地理信息公共服务平台和市级政务信息共享协同平台，开发各类城市公共应用部件，建立专业业务应用图层，为政府决策、城市规划、地下管网管理、环境监测、卫生防疫、社会经济统计、人口计生、公安指挥、资源管理、交通管理、现代农业、海洋开发以及位置服务等提供开放性的空间应用支撑，进一步优化“多规合一”的发展布局和城市空间的科学治理，带动我市空间应用技术产业发展。

(牵头单位：市规划委，实施单位：市规划委、市国土房产局等)

5.完善社区网格化管理系统。通过大数据、云计算、物联网、移动互联网等新一代信息技术的应用，加快升级完善社区网格化管理系统，进一步优化系统功能，推进信息采集、问题受理、事项流转、处置反馈、考核评价等流程标准化、规范化。探索建设智慧综治平台，根据居民需求和特点，开发特色应用模块，实现人性化服务，推进审批受理服务和政务便民服务进社区。

(牵头单位：市综治办、市社区办，实施单位：市民政局、市经信局、市政务中心管委会、市行政执法局、各区政府、市信息中心)

(三)运用大数据提升公共服务能力

1.提升市级统一行政审批平台服务水平。建设统一的全流程行政审批平台，推进行政审批信息共享应用，提升审批效能建设。推进单一审批和并联审批融合，实现跨部门、跨层级项目审批、核准、备案的“统一受理、同步审查、信息共享、透明公开”。在“五证合一”、“一照一码”改革中，积极运用大数据手段，简化办理程序。

(牵头单位：市政务中心管委会，实施单位：各有关部门)

2.夯实“ixx”一站式惠民服务平台。建立全市公共惠民服务一站导航、一证通行、一次申办、一页查询的体系。整合政府各部门网上办事资源，提高社会服务供给和管理水平，利用大数据技术增强政务、民生服务的主动性、精准性、便捷性，促进社会管理服务模式创新。

(牵头单位：市经信局，实施单位：市信息中心)

3.促进医疗健康服务体系建设。构建电子健康档案、电子病历数据库，建设覆盖公共卫生、医疗服务、医疗保障、药品供应、计划生育和综合管理业务的医疗健康管理和服务大数据应用体系。探索预约挂号、分级诊疗、远程医疗、检查检验结果共享、防治结合、医养结合、健康咨询等服务，优化形成规范、共享、互信的诊疗流程。鼓励和规范有关企事业单位开展医疗健康大数据创新应用研究，构建综合健康服务应用。推进健康医疗大数据中心和产业园国家试点工程建设工作。

(牵头单位：市卫计委，实施单位：市人社局、市市场监督局、各医疗卫生机构等)

4提升社会保障服务能力。建设统一社会保障大数据平台，加强与相关部门的数据对接和信息共享，支撑大数据在劳动用工和社保基金监管、医疗保险对医疗服务行为监控、劳动保障监察、内控稽核以及人力资源社会保障相关政策制定和执行效果跟踪评价等方面的应用。利用大数据创新服务模式，为社会公众提供更为个性化、更具针对性的服务。

(牵头单位：市人社局，配合单位：市卫计委、各区政府)

5.构建新型教育文化服务体系。建设完善市教育云平台，提供统一门户、统一身份认证、统一接口和统一数据中心、“人人通”空间等基础支持服务，实现全市通用教育业务的集中化管理和信息资源的按需分配。推动智慧校园建设，以云计算、普适计算和物联网等新一代信息技术为基础，对校园的基础设施、教学内容、教育活动、教育信息等进行以人为本的数字化改造。探索终身学习管理制度，充分利用市网络和教育云服务中心的基础设施，以远程教育作为推进教育均衡发展和终身学习的手段，创建智慧学习社区。

(牵头单位：市教育局)

6.促进交通旅游服务能力提升。建立综合交通服务大数据平台，共同利用大数据提升协同管理和公共服务能力，积极吸引社会优质资源，利用交通大数据开展出行信息服务、交通诱导等增值服务。建立旅游大数据平台，对旅游产业发展情况分析、研判，科学制定管理决策，为提升旅游服务水平和管理水平，促进旅游消费和旅游产业转型升级提供有力支撑。

(牵头单位：市交通运输局、市旅游局，实施单位：市交通运输局、市公安局、市旅游局、市港口局)

7.构建智慧海洋服务体系。打造“智慧海洋”公众服务平台。以建设统一的xx海洋立体观测平台和海洋大数据平台为基础，主动对接，争取国家“智慧海洋”项目落地xx，发挥xx渔港、军港、商港三港合一的优势，形成覆盖空中、沿岸、海面、海底的立体综合感知网，通过对海洋生态、资源、渔业、海岛等信息的开放共享，全力推动我市创建全国首批智慧海洋示范城市，为公众提供更高质量的海洋景观文化体验、滨海旅游、灾害预警、文化科普、产业技术等服务，进一步实现关心海洋、认识海洋、经略海洋。

(牵头单位：市海洋渔业局，配合单位：市发改委)

8.建设市民卡大数据应用系统。适应移动互联网发展，依托市社保卡为主要载体，建立虚实结合的用卡环境。建设集统一身份认证、融合各种政务服务应用和便民支付为一体的市民卡综合服务平台，整合建立注册信息系统、读发卡系统、数据核检系统、身份认证系统、支付服务系统，应用接入交互系统等，实现虚实多卡融合，为市民的工作和生活提供更便捷的服务。

牵头单位：市经信局，实施单位：市人社局、人行xx中心支行、市信息中心)

(四)运用大数据推动相关产业发展

1.布局“大数据+”。面向经济社会发展需求，加大对大数据龙头企业和研发机构的招商，研发一批大数据公共服务产品，实现不同行业、领域大数据的融合，扩大服务范围、提高服务能力，推进大数据创新服务。积极推动不同行业大数据的汇聚、分析、挖掘和可视化，大力培育互联网金融、数据服务、数据安全、数据影视、数据探矿、数据化学、数据材料、数据制药等新业态，布局“大数据+”的产业新业态。

(牵头单位：市经信局，配合单位：市发改委等)

2.发展工业大数据。推进工业大数据应用，利用大数据推动信息化和工业化深度融合，研究推动大数据在研发设计、生产制造、经营管理、市场营销、售后服务等产业链各环节的应用，研发面向不同行业、不同环节的大数据分析应用平台，选择典型企业、重点行业开展工业企业大数据应用项目试点，积极推动制造业网络化和智能化。

(牵头单位：市经信局，配合单位：市发改委)

3.发展服务业大数据。推进服务业大数据应用，利用大数据支持品牌建立、产品定位、精准营销、认证认可、质量诚信提升和定制服务等，研发面向服务业的大数据解决方案，扩大服务范围，增强服务能力，提升服务质量，鼓励创新商业模式、服务内容和服务形式。推动大数据在贸易便利化、电子商务中的应用，充分利用口岸、海关、电子商务中形成的大数据资源为政府实施市场监管和调控服务，促进电子商务健康发展。

(牵头单位：市经信局，配合单位：市发改委、市商务局、自贸区管委会)

(五)强化大数据应用安全管理

1.加强大数据安全顶层设计。建设大数据应用安全保障体系，明确数据采集、传输、存储、使用、开放等各环节保障网络安全的范围边界、责任主体和具体要求，明确开放政府数据的原则和要求，严格定义开放政府数据的对象、形式、边界等，加强对基础信息网络和关键行业领域重要信息系统的安全保护，保障网络数据安全。建立网络安全信息共享机制，通过大数据分析，对网络安全重大事件进行预警、研判和应对处置。

(牵头单位：市大数据办，实施单位：市经信局、市信息中心)

2.加强大数据安全防护和监管。在大数据应用中推广国产密码算法。完善安全等级保护、风险评估等制度。加强网络空间和关键信息基础设施的信息安全防护，定期组织对大数据平台及服务商的可靠性及安全性测评、应用安全和风险评估，增强技术设施、重大系统、重要信息的安全保障和保密防护能力。推动大数据安全监测和预警通报工作常态化，加强大数据环境下防攻击、防泄露、防窃取的监测预警和应急处置能力建设。

(牵头单位：市大数据办，实施单位：市经信局、市信息中心)

四、保障措施

(一)加强组织领导

市促进大数据发展工作领导小组统筹全市大数据集中管理及开放应用工作，引导社会各行业大数据能力建设和开放共享，指导、督促、检查有关任务和政策措施的落实。

市促进大数据发展工作领导小组办公室(以下简称“市大数据办”)负责日常工作，以政务大数据共享开放为主线，推动建设市大数据公共开放应用服务平台，推进政务信息资源共享平台与大数据公共开放应用服务平台对接，促进相关产业发展。

设立大数据专家咨询委员会，负责审核政府数据开放的技术、法律、安全、知识产权、商业运营等专业性问题，对政务信息资源共享平台、政务数据开放目录、大数据公共开放应用服务平台的技术架构、实现路径和运维模式等提出专业咨询意见。

(二)加大政策支持力度

市信息化专项资金、市软件和信息服务业专项资金、市科技重大专项资金等相关产业资金，向大数据技术研发、公共服务平台建设、大数据应用和产业发展倾斜。引导社会资本共同发起设立市大数据产业投资基金，从不同层次和阶段扶持大数据产业发展，满足不同类别企业及其在不同阶段的发展需求。

(三)统筹规划建设与统一管理

统筹规划全市大数据应用建设发展，并统一管理市本级大数据相关项目建设资金，市本级大数据建设项目需经市经信局立项，有目标、有步骤地推进建设，促进政务数据资源互联互通、共享共用。完善资金管理配套办法和专家评审制度等，提高财政资金使用效率。

(四)加强人才培育引进

加强政府、高校、社会和企业之间合作，构建完备的人才体系。引导在闽高校开展数据科学和大数据专业学历教育，依托社会化教育资源，培育大数据跨界复合型人才和高端技术人才，提高我市大数据产业人员的业务水平。依托“海纳百川”人才政策，培养和引进大数据技术人才，鼓励和支持大数据高端人才来厦创业。切实推进产学研合作，推动科研机构和企业联合建立大数据工程中心、重点实验室和博士后工作站。

五、近期工作重点

(一)成立大数据专家咨询委员会。由行业主管部门、学术界、产业界国内一流专家学者组成，专家委设在市大数据管理中心，负责专家日常管理工作。

(牵头单位：市大数据办，实施单位：市经信局、市信息中心)

(二)制定《xx市政府大数据开放管理暂行办法》。建立政府部门和事业单位等公共机构数据资源目录，制定数据开放标准和开放计划。按照“开放优先、安全例外、分类分级”的原则，梳理第一批数据开放清单，加快开放资源汇聚。

(牵头单位：市大数据办，实施单位：市经信局、市信息中心，配合单位：各相关单位)

(三)建设政府大数据管理和服务平台。加快数据开放进程，培育新兴业态，助力经济转型，促进大数据创新应用和产业发展。

(牵头单位：市经信局，实施单位：市信息中心、各有关企业)

(四)建设医疗健康大数据中心。推动全市健康医疗数据平台的统一建设和数据整合、采集、互通、共享，打破条条框框和行业壁垒。制定完善相关方案和配套政策，全面启动健康医疗大数据中心建设。到xxxx年底，建成xx健康医疗大数据中心并成为全省大数据中心。

(牵头单位：市卫计委，配合单位：各相关部门)

(五)建成交通大数据分析应用平台。整合市交警支队、市公安xxx指挥中心、市交通运输局和信息集团等多个部门和单位的交通数据资源，对交通大数据分析挖掘，提高综合路况融合判态与发布、交通状态预测、交通事件监测及分级处理、车辆稽查布控等应用水平。

(牵头单位：市公安局，配合单位：市信息中心等)

大数据分析实验室方案 篇6

4月11日，“福建省大数据管理新技术与知识工程重点实验室”和“智能计算与信息处理福建省高等学校重点实验室”第一届学术委员会一次会议在我校召开。实验室学术委员 会主任曾文华教授主持会议。来自福州大学、华侨大学、莆田学院和我校的7位委员出席了会议。副校长王晓东出席会议并致辞。

会上，实验室副主任陈明玉、朱达欣就实验室2013年工作进展情况、2014年工作规划、实验室一期建设方案、开放课题管理规定、2014年开放课题指南等方面向委员们做了汇报。

在认真听取实验室工作报告并审阅相关材料后，委员们认为，泉州师范学院获得两个省级重点实验室来之不易，实验室获批后在创新能力、学科发展、平台建设、成果 产出、管理水平、人才培养、团队建设和对外合作等方面均有了全面显著的提高；实验室2014年规划提出的三个层次建设据有鲜明特色；开放课题的做法值得肯 定，应注意做好相应管理工作。

学术委员会希望学校加大对两个重点实验室经费投入，并争取泉州市政府配套建设经费，建议对重点实验室申报泉州市科研项目实施单独立项。

针对实验室今后目标与方向，与会委员们普遍认为，实验室应进

一步加强了高层次领军人才的引进与培养，加大对有发展潜质的优秀青年学术骨干的培养和支持力度。委员们建议，根据国家发展战略和地方产业发展需要，积极参与“东亚文化之都”建设，发挥与“南音”协同创新的综合优势，通过共同承担国家级重大项目或综合 性项目来凝炼实验室相关研究方向及力量。

会议结束时，王晓东指出，实验室建设尽管面临经费严重缺乏等诸多困难，但有信心通过努力，多方措筹，做好两个省级重点实验室，把泉州师范学院的学科建设及科研水平再上一个台阶。

数学与计算机科学学院有关负责人及重点实验室相关研究人员参加了会议。

大数据分析实验室方案 篇7

随着我国经济社会信息化和自动化水平不断提高, 在政府管理、公共服务、科学研究、商业应用等许多领域也面临大数据问题, 亟需各种有针对性和经济有效的解决方案, 快速提升我国在大数据领域的整体实力和国际竞争力。

本文结合中国科学院战略性技术先导专项“面向感知中国的新一代信息技术”中“海云数据系统”的研制实践[2], 提出基于互联网和数据中心、面向服务的大数据分析平台解决方案, 以满足日益增长的用户需求, 为我国开展大数据分析技术的研究和实践提供借鉴和参考。

一、大数据技术发展现状

大数据时代来临, 工业界是技术争霸的主战场。全球大数据产业界针对大数据特有的海量、非结构化、关系复杂、动态时变等特性以及不断涌现的各种新型应用需求, 围绕海量复杂数据的存储、管理、整合、处理、分析、展现、应用等主要环节, 已经形成了新的大数据产业体系。

从发展路线角度看, 业界将大数据产业划分为三大阵营:一类是以IBM、微软、惠普、ORACLE、EMC等为代表的传统IT领导厂商, 通过“硬件+软件+数据”整体解决方案向用户提供以平台为核心的完备的基础架构与服务, 并通过密集地并购大数据分析企业, 以迅速增强和扩展在大数据分析领域的实力和市场份额;一类是以SAS、SPSS等为代表的专业商务智能公司, 专注于智能数据分析;还有一类是以Google、Amazon、Facebook等互联网公司为代表, 基于自身的应用平台、庞大用户群和海量用户信息, 提供精准营销和个性化推荐等商业活动。以上三大阵营各有特点和优势, 形成了大数据时代三足鼎立的格局。

1. 整体平台解决方案厂商

以IBM、微软、惠普、ORACLE、EMC等为代表的传统IT巨头, 通过“硬件+软件+数据”的整体平台向用户提供大数据一站式解决方案。IBM在过去几年连续投入160亿美元, 收购了30多家与大数据相关的企业, 初步实现了大数据行业应用的布局。目前IBM在软件架构层面, 收购了商务智能软件供应商Cognos[3]、统计分析软件SPSS[4]、数据库分析供应商Netezza[5]。结合IBM的DB2数据库, 推出了支持Apache Hadoop的Info Sphere Big Insights软件[6], 支持大数据的应用。在硬件架构层面, IBM发布了集成了刀片服务器、存储、网络设备及相应软件系统的大数据一体机Pure Data[7], 提供数据仓库、和数据分析等功能。

为了应对行业竞争, 数据库龙头企业ORACLE推出了Oracle大数据一体机。该一体机集成了Oracle Exalogic中间件云服务器[8]、Oracle Exadata数据库云服务器[9]和Oracle Exalytics商务智能云服务器[10], 形成了ORACLE企业级端到端大数据的产品线。

通过收购Vertica公司, 惠普推出针对大数据的Vertica 6.1数据分析平台[11], 突破了传统数据仓库和数据库无法实现纵向扩展的瓶颈。在大数据管理方面, Vertica信息优化平台实现高速度、高性能、高可扩展, 通过内嵌R语言包实现了分析功能。Vertica数据分析平台以软件的形式存在, 可以加载在不同的计算资源上运行, 包括一体机, 同构或异构的硬件集群, 甚至是公有云环境。

存储服务器厂商EMC依托其Greenplum数据库推出了第一款Greenplum一体机产品 (Appliance) [12], 对原有的EMC硬件和Greenplum软件进行了整合。Greenplum采用不同于Oracle、DB2等数据库产品的shared-nothing大规模并行处理 (Massive Parallel Process, MPP) 架构, 特别适用于大数据分析场景, 可以通过增加节点方式进行横向扩展, 从而有效控制成本和性能。Greenplum包含支持结构化数据处理的Greenplum Database和非结构化数据处理的Greenplum HD (Hadoop) 。

整体平台解决方案厂商依靠自身原有的软件、硬件或技术优势, 通过收购及整合不同公司的产品线, 实现对大数据各个领域的覆盖。但是这种堆砌式的系统整合, 并不能彻底的突破大数据分析的瓶颈[2]。只有通过对自身产品和技术的原始创新, 才能实现对大数据处理问题的彻底解决。

2. 商务智能专业厂商

以SAS、Teradata、Hyperion、Business Objects、Cognos、SPSS等为代表的商务智能专业厂商长期专注于智能数据分析领域, 具有技术实力强、产品线丰富、深刻理解传统行业 (如银行、电信、零售) 应用需求等优势。近年来, 随着大数据分析竞争日趋激烈, 该类厂商成为传统IT巨头的争夺焦点, 早在2007年至2009年, Oracle、SAP、IBM等IT巨头就已完成对商务智能前四大厂商Hyperion、Business Objects、Cognos、SPSS的并购。

商务智能专业厂商在大数据时代的发力点在结构化数据处理。在大数据时代, 这些厂商开始加大在高可扩展计算、非结构化数据处理、以及与业务运营集成的实时处理 (即操作型商务智能) 等方面的投入和创新。例如, SAS在2012年推出了基于内存计算的高性能数据分析方案, 核心部件包括:SAS高性能分析服务器[13]、SAS可视化分析[14]和SAS Data Flux数据流处理引擎[15]。SAS高性能分析服务器采用库内分析和内存计算两种解决方案。库内分析技术在数据库内实现分析的过程, 用户过去开发的SAS程序可以直接移植使用, 而且这样的分析过程无需提取数据, 避免了数据传输的额外开销, 分析能力极大地提高。内存计算技术则利用大内存服务器的优势, 减少数据从硬盘加载到内存的机会, 把数据和分析程序直接放置在内存中执行, 特别适合具有迭代和嵌套模式的分析算法, 极大地提高了建模处理的速度。除此之外, SAS公司最新推出的高性能分析解决方案还采用了“SAS Visual Analytics”技术, 即可视化分析, 让用户及时地查看分析结果。

Teradata公司针对大数据处理提出了统一数据架构 (Teradata Unified Data Architecture, UDA) [16]下的Aster大数据分析平台[17]。该平台继承了Teradata公司统一数据架构在数据管理方面的优势, 它与大数据的收集、处理等工作紧密相连, 为企业提供一个完善的数据源。UDA通过Hadoop实现数据存储管理, 通过Aster实现数据探索和分析, 通过Teradata实现统一的数据架构, 将存储、分析与整合相互结合, 实现大数据价值的一个完整的闭环。

商务智能专业厂商 (如SAS、Teradata) 凭借在数据分析领域的长期积累, 在大数据的分析建模方面仍然处于行业领导地位。但是, 这些产品的大数据处理能力往往依赖于高性能服务器的处理能力, 虽然他们也在向Hadoop等分布式平台迁移, 但是实际的效果还有待观察。

3. 互联网公司

大型的互联网巨头, 如国外的Google、Facebook、Amazon, 国内的阿里巴巴、百度、腾讯等, 基于自身海量的用户信息和互联网处理平台, 依托大数据提供精准营销和个性化广告推介等商业活动。十年前, Google发表的GFS (Google File System) [18]、Map Reduce[19]和Big Table[20]论文催生了大数据处理的事实标准Hadoop。目前, Google通过自身开发的Caffeine平台[21], 直接将索引放置在分布式数据库Big Table上。Google还向用户提供了大数据的虚拟服务器业务, 用户可以把数据上传到Google, 采用Google提供的Big Query[22]和Google Compute Engine[23]等服务和基础设施完成数据查询和分析。

Facebook目前运行着世界上最大的Hadoop服务器集群, 存储的数据超过了100PB, 每30分钟可以处理的数据超过了105TB。然而, 爆炸式增长的数据使Facebook的Hadoop服务器集群难以承受, 出现数据雪崩问题 (avalanche of data) 。为此, Facebook开发出两种全新软件平台处理大数据的挑战, 第一种叫做“Corona (日冕) ”[24], 它可以实现在数目庞大的Hadoop服务器之间运行大量的任务, 并且不用担心软件错误会导致整个服务器集群出现崩溃。第二种叫做“Prism (棱镜) ”[25], 它实现了不同地域服务器的数据自动复制和传输, 使Facebook遍布全球数据中心的Hadoop服务器集群的数据得到同步, 形成更加庞大的Hadoop数据集群。

云计算服务提供商Amazon推出了Amazon弹性Map Reduce (Amazon Elastic Map Reduce) [26]。弹性Map Reduce是一项能够迅速扩展的Web服务, 运行在亚马逊弹性计算云 (Amazon EC2) 和亚马逊简单存储服务平台上 (Amazon S3) 上。作为业界领先的云计算服务提供商, Amazon提供网页检索、日志分析、数据挖掘、金融建模等数据密集型的任务需要的弹性云服务, 动态地满足用户对于计算资源的需求。

相对于国外互联网企业在大数据技术上的不断创新, 国内互联网企业主要在大数据应用模式上创新。阿里巴巴利用旗下淘宝网的历史交易数据, 推出了“淘宝指数”[27], 商家可以参考该指数指导生产、制定价格和控制库存。百度面对大数据时代企业需求, 从数据、工具及应用三个层面规划大数据时代的企业战略。腾讯利用自身强大的社会网络通讯平台资源, 通过大数据技术挖掘社会网络中的商业价值, 实现了不同产品营销平台, 为用户推荐感兴趣的产品和内容。

综上所述, 当前的大数据技术领域以产业引领为主, 在大数据集中的领域推出相应的产品和服务。学术界主要围绕其中的难点问题展开基础性研究[2]。目前, 围绕大数据的科学研究、技术创新、系统开发和实际应用刚刚起步, 无论产业界还是学术界, 正处在群雄并起的“大数据春秋时期”。可以预计, 在未来五至十年, 大数据领域将会发展成若干核心团队、公司、典型应用的“大数据战国时代”。

二、大数据分析平台体系架构

大数据没有一个明确的定义, 是一个相对的概念, 取决于当前所具有的数据处理能力。如果一个用户所面对的数据超出该用户所拥有的数据存储、处理和分析的能力, 致使该用户不能有效地利用数据, 该用户就面对大数据问题。在大数据时代, 个人、企业和机构都会面临大数据的问题。建设面向服务的大数据平台, 为众多的中小企业和个人用户提供大数据处理和分析的能力, 将成为大数据产业发展的重要方向。

面向服务的大数据分析平台以区域性智能数据中心及高速互联网为基础设施, 以互联网服务体系为架构, 以大数据存储、处理、挖掘和交互式可视化分析等关键技术为支撑, 通过多样化移动智能终端及移动互联网为用户提供数据存储、管理及分析服务。

大数据分析平台的拓扑架构如图1所示。其中部署在多个地方的智能数据中心提供大数据存储及计算平台, 通过平台服务器提供系统调用功能。门户服务中心将整合所有的智能数据中心存储和计算资源, 并通过web应用服务器和Open API服务器以web调用和Open API调用的方式提供大数据存储、管理及挖掘服务。终端用户利用移动智能终端通过互联网访问门户服务中心, 使用其提供的大数据存储、管理及挖掘服务。

大数据分析平台的系统架构如图2所示。系统包含3个层次:平台层为整个大数据分析平台提供基础平台支持;功能层提供基本的大数据存储和挖掘功能;服务层为用户提供基于互联网的大数据服务。具体包括:

(1) 平台层:为大数据存储和挖掘提供大数据存储和计算平台, 为多区域智能中心的分析架构提供多数据中心调度引擎;

(2) 功能层:为大数据存储和挖掘提供大数据集成、存储、管理和挖掘功能;

(3) 服务层:基于Web和Open API技术提供大数据服务。

三、大数据分析平台关键技术

建设面向服务的大数据分析平台, 需要研究和开发一系列关键技术 (如图3所示) , 主要包括:

1. 平台层

(1) 大数据分布式存储系统:针对数据不断增长的挑战, 需要研究大规模、非结构化数据的存储问题, 突破大数据的存储、管理和高效访问关键技术, 当前需要构建至少PB级存储能力的大数据平台才能满足一般的科研和应用需求。

(2) 分布式数据挖掘运行时系统:针对大数据挖掘算法运行的挑战, 突破Map Reduce技术的局限, 研究有效支持迭代、递归、层次及集成机制的海量数据挖掘编程模型和运行时系统, 构建大数据运行时系统。

(3) 智能数据中心联合调度技术:针对大数据存储和挖掘的挑战, 研究多数据中心的智能联合调度、负载均衡技术, 整合多个数据中心的存储和计算资源, 构建基于多智能中心的大数据服务平台。

2. 功能层

(1) 高可扩展性大数据挖掘算法:针对大数据挖掘的挑战, 研究基于云计算的分布式大数据处理与挖掘算法, 构建高可扩展的大数据处理与挖掘算法库, 实现TB级数据的建模能力。

(2) 大数据安全与隐私保护技术:针对数据挖掘“软件即服务” (Saa S) 模式的需求, 研究开发数据挖掘在云环境下的隐私保护、数据审计和节点数据挖掘技术, 确保大数据挖掘过程中的数据安全, 保证用户的隐私不被泄露。

(3) 分布式工作流引擎:针对大数据挖掘分布式调度的挑战, 研究基于云计算的分布式工作流调度、负载均衡技术, 构建高效分布式工作流执行引擎。

(4) 交互式可视化分析技术:针对传统分析方法交互性和可理解性不足的问题, 研究启发式、人机交互、可视化数据挖掘新技术, 实现大数据挖掘的高度人机交互功能。

3. 服务层

(1) 基于Web的大数据挖掘技术:突破传统的基于单机软件的数据挖掘技术, 创新基于Web的大数据挖掘方法和流程, 实现易于使用的基于Web的大数据挖掘技术, 构建基于Web的大数据分析环境。

(2) 基于Open API的大数据挖掘技术:突破传统的基于软件的数据挖掘技术, 创新基于Open API的大数据挖掘方法, 研究大数据挖掘开放接口、开放流程, 构建基于Open API的大数据分析模式。

为广大用户提供大数据处理和分析的服务功能, 大数据分析平台要突破传统的基于软件和高端服务器的数据挖掘传统技术体系, 采用基于云计算的大数据存储和处理架构、分布式数据挖掘算法和基于互联网的大数据存储、处理和挖掘服务模式。实现这一目标需要做如下创新:

(1) 系统架构创新:突破传统的基于软件和高端服务器的数据挖掘技术体系, 研发基于互联网和云计算的大数据存储、处理和挖掘的数据中心系统架构, 支持多用户、多任务的大数据分析环境;

(2) 服务模式创新:突破传统的一次性软件销售或软件租赁的高价格解决方案, 创新基于互联网的大数据存储、处理和分析服务模式, 为用户提供按需、廉价的大数据存储、处理和分析服务;

(3) 使用模式创新:突破传统的使用单机软件的方式, 创新基于互联网的大数据存储、管理和分析服务, 提供多终端 (台式机、笔记本、平板电脑、手机等) 、多途径 (浏览器访问, Open API调用等) 的用户使用模式。

四、大数据分析平台应用与产业化

商业应用是大数据分析平台的发展目标。随着我国企业信息化程度和水平不断提高, 越来越多的企业需要大数据分析的能力以提高竞争力。在互联网、电子商务、金融、电信、零售、物流等数据驱动型行业, 客户分群、客户行为分析、客户关系管理、市场营销、广告投放、业务优化、风险管理等企业核心业务越来越依赖于对数据的有效分析与挖掘。正如在《大数据:国家选择与产业方向》一书中所说, “大数据时代公司的价值, 与其拥有的数字资产的规模、活性成正比, 与其解释、运用数据的能力成正比”。因此, 如何从海量业务数据中挖掘有价值的信息和知识, 从而指导商业运营与决策、提高企业运营效率和盈利能力, 成为每个企业都将面临的重要挑战。

大数据分析平台基于分布式海量数据存储与计算环境, 提供图形化交互式数据处理和分析工具, 丰富的数据分析与挖掘算法, 以及交互式可视化分析工具, 通过互联网服务方式向用户提供服务。这种系统实现策略不仅符合大数据应用的发展趋势, 同时也满足中小企业和个人用户对于数据分析系统的可用性、时效性和低成本等方面的要求。

目前, 在大数据处理与分析领域, 国际上三支主要力量在不断地竞争与融合, 即大型互联网公司 (如Google、Amazon) 、传统商务智能公司 (如SAS、SPSS) 和传统IT公司 (如IBM、ORACLE、SAP) 。三方从各自优势出发, 不断增强针对大数据的分析智能性、计算扩展性和非结构化数据处理能力。尽管一些公司在上述领域取得突破并抢得市场先机, 但国际大数据产业整体上仍然处于起步阶段, 据IDC公司预测未来5年大数据分析产业年增长率高达9.8%, 到2016年全球产业规模将超过500亿美元。同时, 越来越多的大数据创新公司不断涌现并发展迅速, 也证明了该领域蕴含着巨大的发展潜力和广阔的市场前景。

大数据分析平台所采用的技术路线和应用模式融合了智能分析技术、高可扩展计算技术、非结构化数据处理技术和软件即服务 (Saa S) 应用模式, 符合当前国际大数据产业的发展趋势和产业化应用要求。一方面, 系统通过互联网服务方式向用户提供高可用、高易用和一站式的海量数据分析服务, 可有效降低企业应用门槛和成本, 通过专业化服务外包满足企业个性化需求。另一方面, 由于是开放架构的系统平台, 商业用户和其他软件提供商可通过系统提供的互联网服务开发接口 (Open API) 开发面向行业商务智能应用的解决方案, 孵化新型咨询公司、软件公司和信息服务公司, 有助于形成以平台为核心的大数据分析产业生态环境。

摘要：本文针对日益增长的大数据分析与信息服务的应用需求, 提出基于数据中心和互联网、面向服务的大数据分析平台解决方案, 为开展大数据分析相关的研究和实践提供借鉴和参考。首先对国内外大数据技术的产业现状进行回顾, 然后给出基于数据中心和互联网的大数据分析平台拓扑架构, 讨论大数据分析平台的系统功能和关键技术, 最后阐述该平台系统的应用和产业化前景。

大数据分析实验室方案 篇8

早在几年前，发达国家已经相继认识到大数据的重要意义。2012年，美国出台《大数据的研究和发展计划》，将大数据上升为事关国家核心竞争力的国家战略；2013年，英国出台《英国数据能力发展战略规划》，投资1.89亿英镑提高大数据的采集、分析能力；同年，澳大利亚发布了《公共服务大数据战略》，推进大数据的分析应用、与其他政策和技术协同以及为公共服务领域变革；2014年，美国又发布了《大数据：把握机遇，维护价值》，提出大数据是重要的发展机遇。

“目前，国内大数据行业在数据和技术方面发展程度与国外步伐相近，但与国外大数据应用方面还存在很大差距。”人大金仓大数据业务部总监白芸表示，从国外数据行业的发展状况来看，他们是在研发出很多创新应用场景之后，才得出了“大数据”这个词汇，比如，大数据预测流感、预测官员竞选结果等，这都不是传统的业务系统能够达到的效果

“即使目前通过技术手段将各类车辆、路桥、停车场数据都悉数采集，也不一定能通过数据创造出有价值的东西。”白芸以“大数据+交通”为例解释道，究其原因，在于国内目前数据模型设计颇为欠缺，“不是技术的断档，而是应用创新能力不足，数据摆到面前，却不知道怎么应用。”

在白芸看来，随着国内信息化的进步以及系统替代人工进程加快，信息化将逐步解决业务加速和职能高效的问题。在此基础上，大数据应用也将呈现出从无到有、再到优化和增值的趋势。在这个过程中，应用方自然会探索自身业务产生的数据究竟有多少价值，还能创造多少价值。

具體来看，目前国内大数据发展可以从数据、技术、应用这3个层面进行分析。

政府内部数据除了部门掌握的业务数据，还需要考虑不同系统数据之间的结构冗余，以及是否存在数据存储的“信息孤岛”；就外部数据而言，不同的政府部门究竟还需要哪些外部数据？通过什么方式获得？获取过程中需建立怎样的机制？

这些都是政府大数据建设过程中考量的焦点。“比如，住建部门根据自身数据只能了解房屋的售出率，如需分析出售房屋的空置率，或许就要参阅房屋的水表、电表信息，这就需要协调水务、电力等部门的数据。”白芸认为，“真正的大数据应用并不是仅仅根据现有数据绘制一份报表、一个曲线图，就能称之为大数据产品，这些依旧是一种传统的统计和数据分析。”

信息化将逐步解决业务加速和职能高效的问题，大数据应用也将呈现出从无到有、再到优化和增值的趋势。

沈阳军区总医院向人大金仓提出：医院内病人的平均住院时间与医院效益有哪些内在关联？如何利用两者内在规律更好地为病人服务？人大金仓基于此，打造了“医院大数据综合管理分析智能平台”，通过分析医院平均住院率的变化规律，为病人提供良好的医疗服务之外，也为医院带来了新的经济增长点。

经过十多年的底层数据研究和实践积累，人大金仓拥有全线数据库产品及数据资源分析、管理等能力，能够为客户提供“大数据规划、实施、运维全流程的技术支持”；此外，人大金仓大数据解决方案目前已经在医疗卫生、医院、教育、金融、通讯、政府部门、军工国防等十多个业务领域，成功实施交付了数十个数据中心和大数据解决方案项目。