大数据时代：中国迎来新挑战（精选9篇）
日期：[2012年11月26日] 版次：[SA26] 版名：[深圳读本 深评] 稿源：[南方都市报] 网友
评论： 0 条
嘉宾简介
涂子沛，知名信息管理专家、专栏作家，先后为《南方都市报》、《IT经理世界》多个报刊网站撰写专栏，著有《大数据》。涂子沛先生在中美两国都有广泛的技术、管理从业经历。
赴美之前，曾在中国省、市、县几级政府的不同部门工作过，现担任K IT Solutions软件公司亚太事务主任、中国旅美科技协会董事、匹兹堡分会主席。涂子沛先生毕业于卡内基梅隆大学，获信息技术科学硕士、公共管理硕士学位。
关于大数据，我会讲三方面的内容：第一，解读一下大数据现象；第二，谈谈大数据这个现象的意义；第三，讨论一下这个时代对我们意味着什么？具体有一些什么样的挑战？
五因素促成大数据形成
首先讲讲大数据现象。“数据”不是“数字”，对数字可以有很多解读，但是对数据来说，它就是一个有根据的数字，是对客观事件的记录，所以它不仅仅是数字。进入信息社会之后，“数据”的概念和内涵在不断丰富。因为人类发明计算机之后有一个外来词就是“database”，翻译成中文是“数据库”。人类的计算机最早只能处理数据和数字，后来计算机技术不断向前发展，可以处理图像、文档、视频、音频。这一切的东西，无论是文档还是视频、音频，都存放在数据库中，所以，后来大家就把它们统称为“数据”。
不仅是数据的内涵在扩大，数据的体积也在扩大。但是这个“大”的含义也是在不断演变的，最早提出“大数据”的时候，这个“大”意味着重要。到2000年，这个定义又开始慢慢转变，这时很多企业的数据业绩有“太”级别的数据了。2000年，有一个宾夕法尼亚大学的教授定义说“200太的数据是大数据”。我认为大数据不仅仅是从容量来看，容量不是那么重要，而是要从大含量、大价值方面来看。
“大数据”现象是怎么形成的？我认为有5个因素，包括摩尔定律、普适计算、数据挖掘、社交媒体、云计算，它们促成了“大数据”的形成。首先说摩尔数据。1965年时，英特尔创始人戈登·摩尔发现了一个很重要的现象，总结出一个规律。他说同一个面积的芯片上晶体管的数量在成倍增长，每一到两年就增长一倍。这意味着存储量越来越大，计算量、计算的速度越来越快，越来越密集，同时价格在不断下降。从上世纪50年代人类开始有存储器之后到现在，它的价格下降了300万倍。
1988年时又出现了一个新现象，叫做“普适计算”，是马克·韦泽提出的。1988年，他说人类计算机浪潮应该有三组：第一组是主机阶段，很多人共用一个主机，这个主机非常大。然后，可以人手一机了，但是他说这不是终结，未来时代计算机变得非常微小，计算机会无处不在，甚至融入到日常环境中，你发现不到它在计算。我们现在是否已经进入这个时代了？个人的手机已经很小了，其实它就是一台个人电脑。还有无处不在的传感器。我们现在谈的互联网就是普适计算的一部分，覆盖全球的互联网就是它的一个子概念。它又为我们解决了一个新问题，这时人类收集数据的能力得到增强，不仅仅是保存数据了，我们还可以广泛收集数据，无处不计算。1989年时，一个新的东西成为热点，这就是“数据挖掘”。超市通过数据挖掘、购买记录，判断出顾客的需要，定向投放广告。数据挖掘有两种：一种是对过去进行挖掘，发现规律，把这种规律提炼出来；一种是对未来进行预测。数据挖掘解决了一个新问题，这就是现在人类不仅收集、保存数据能力很强，分析数据的能力也得到了提高。
2004年之后又有了一个新现象，社交媒体出现了。这时不仅是信息系统，每一个人都在贡献数据。原来的信息记录是一个严整的、有格式的，数据库也是这样的，这个长度是一致的。但是到微博时代就变成了非结构化的数据，每个人都在贡献数据。微博不仅在中国起到了这样的作用，在全世界都起到了很重要的作用。我前两天在北师大和别人交流，他们谈到了一个很有意思的现象。说一个学生总结了一个现象，“信息只能传播信息，行动才能够引发行动”。其实公民社会就是一个可以产生集体行动的社会。
2006年，“云计算”出现了。上世纪80年代的公用电话网解决不了私密通话的问题，后来有一个新技术叫做虚拟技术(VPN)，它解决了这个问题。就是你在想与别人通话时，立刻运行这个软件，就可以架设一条虚拟专线。他们就把这种服务称为“云”。1997年时，就有教授把“云”和“计算”结合到一起。为什么？他们认为计算也会变成这样。不要你去买芯片、处理器，计算会成为一种服务，想要的时候就来。云计算有三种模式：第一种是软件即服务，也就是用互联网上的软件，而不用自己装软件。第二种是平台即服务，用它的软件后，连操作系统都不要装了。第三种是设施即服务，不仅系统不需要了，自己的计算机也不需要了，只需要一个显示器就可以了。很多专业机构都认为“大数据”这个现象非常重要，是人类下一个创新竞争的前沿。2012年3月份，大数据甚至成为了美国的国家战略、国家行为，美国联邦政府把它上升到与当年的互联网和超级计算一样的高度。当年的互联网，美国政府投资5亿美元，现在对大数据的第一次投资也达到2亿多美元。
从“信息时代”走向“智能时代”
我认为大数据这个现象是一个革命性的变化，它意味着我们从“信息时代”迈向“知识时代”，最后再走向“智能时代”。
在信息时代，信息无所不在。信息时代再向前迈进就是知识时代，知识无所不在。知识是系统化的、有规律的、经过了分门别类整理的信息。进入大数据时代，不仅仅是知识无所不在，而且是智能无所不在。计算机最后就是发展到智能，能自己算，自动识别很多东西。大数据时代出现之后，数据成为一个重要的资源和创新的基础，成为这个生产过程当中一个基本的要素和资产。我们看到数据也可能成为一种可以交易的商品。数据最大的作用就是可增值性，通过整合可以发现新的知识。人类已经从软件时代进入了数据时代，正因为数据的重要，基于数据的创新和竞争成为企业、组织，甚至国家之间的一种竞争形式。
大数据还催生了很多管理创新。美国、英国三所大学合作，把240年庭审记录输入到电脑中去，进行分析，并且与其他数据进行整合，分析犯罪情况与社会的运行，经济情况的改变有没有关系。
社会科学在以前是很难量化的东西。你来研究我，我就会有一种抗拒，行为就被扭曲了。而这个时代的数据那么多，你的个人行为已经在网上被广泛记录了。当这些记录被整合到一起时，人的行为就可以量化了。
怎么去理解大数据？这绝对不能从体积上去理解，而是说人类现在分析数据的能力得到增强了。即使是小的数据，也能从中发掘出大的价值。美国为什么会有一些创新？因为数据是开放的，每个人都可以来挖掘。数据已经成了资产，成为一个创新的前沿，是一定要开放的，只有数据开放才能产生更大的价值。
中国需要法律规范数据发布
大数据对我们的未来意味着什么？意味着我们从知识时代向智能时代的迈进。最后来看一看大数据时代对我们究竟意味着什么样的挑战？特别是对于中国来说，意味着怎样的挑战？
互联网数据是如何产生的？主要是互联网和手机产生的。本来我们应该是个数据大国，但是很可惜，中国的数据很少。为什么？我认为是我们收集数据的意识比较差。即使有这种数据，数量也是比较低的，公信力也是比较差的。
还有一个很重要的方面是标签，就是你每发一条新的信息都要标签化，给这条信息来打标签。W eb3.0，这是一个什么时代？简单说，就是一个“打标签”的时代，它也叫做“羽翼网”，这时的搜索就会完全改变。“羽翼网”不仅仅是每个网站都有一个网址，每一个数据在网络上都有一个地址，你都可以找到那个数据。然后那个数据有很多标签对它进行定义，相同标签的数据可以自动联系起来。w eb2.0从另外一个角度来说，是一个“推时代”，是被动的时代。而未来时代是“拉时代”，主要权利在你，你想用什么数据在网上拉就行，而不是“推”。
中国数据质量低、公信力差，我们的传统也不重视数据，数据是一个任人打扮的“小姑娘”。我们还有另外一个问题，就是数据一致性低，这也是全世界面临的挑战。在大数据时代，数据要进行整合，这个系统和那个系统的数据要连接起来。这就牵涉到数据的定义了，我们现在面临的挑战是如何把各种不同的信息系统加总起来？现在在设计新系统时就要考虑数据定义必须和其他系统是兼容的，是可以对接起来的。
美国有《数据质量法》，公民、公司、组织对美国政府公布的数据是可以质疑的，可以提起审核、质疑，甚至最后可以打官司。中国也需要这样的法律来规范数据的发布。
在根本上，我们的文化传统或者我们这个国家，按文化传统来说是轻逻辑、轻数字的传统，在别的国家实现了数字化管理时，我们还是不能合理运用数据来进行管理。这就是“数据治国”。当然我们在用它的时候，不能说取代“依法治国”，这是两码事，不能把它极端化。因为数据代表了对客观世界的记录，数据的精神归根到底是一个尊重事实的精神，是一个理性的精神。你把角色建筑在数据之上，而不是建筑在意识形态之上，不是建筑在利益关系之上，而是建筑在事实之上。
还有一个挑战，这就是隐私权的挑战。我们认为隐私权是个人自由的一道屏障。大数据时代，如果有一种力量把所有的信息系统都加总，那你个人还有隐私吗？1974年时，美国就设立了《隐私法》，保护的主体就是数据。信息时代的个人隐私权也集中体现个人控制、编辑、管理自己数据和信息的一种权利。关于隐私权的变迁，在信息社会，隐私权的重心就体现在你的个人数据上。
数据开放和公开不一样
最后谈一谈开放数据。数据的价值在于整合，谁在这个社会中有最多的数据？政府是其中一个，你的数据需要整合，首先就要与人口、地理、天气、经济的信息这些最根本的数据进行整合，所以这部分数据是应该开放的。而开放这部分数据实际上也是有法理根据的，政府是纳税人供养的，它收集了我们的数据，但不开放给我们使用，这在法理上肯定是不合理的。
在这里，我还要强调一个概念，数据开放和数据公开是不一样的，我们可以举个例子来说明。例如你到商店中买东西，很显然，所有商品的价格是公开的，但是这不叫开放，什么叫开放？例如沃尔玛，把所有商品的价格以电子数据库的形式放到网上，这时另外一个公司可以把它的数据完全下载下来，立刻就与自己的数据对接起来。想象一下，如果所有的商店把它所有销售商品的价格开放到网上，会出现什么情况？这就是开放的效果，而不是公开的效果。
不能仅仅从数据公开的角度来理解数据开放，数据开放是能推进经济由粗放型增长向精细型发展转型的，是有利于经济转型的，是可以推动知识经济和网络经济发展的。数据开放还有什么作用？如果把数据库上的原始数据开放给公民，那么数据的公信力是否会提高？这可以让公民自己去计算。
数据开放的运动在海外绝对不仅仅是停留在政府层面，商业数据也在开放。从这个层面上来说，有一个新的词叫做“数据权”。它首先在英国产生，而不是在美国。开放数据不仅仅是一个知情权的问题，现在还是一个经济问题，是如何推动我国经济的转型升级的问题。涂子沛
大数据作为信息产业的最新热点,近两年不断得到国家重视和社会关注。在政府层面,去年9月,国务院出台了“促进大数据发展行动纲要”,随即十八届五中全会提出了进一步实施国家大数据战略;产业界也是积极行动,来自互联网、IT以及传统通信领域的各家企业纷纷加快了对于大数据技术与应用服务的研发推广。
如中国电商巨头阿里巴巴近日披露,其关联公司菜鸟网络借助于大数据技术,已经将快递服务覆盖到了全球224个国家和地区,主要集中在俄罗斯、美国、英国、法国、西班牙、澳大利亚、日本、韩国等国家,印度等新兴市场业务正在逐步开展。
国家发改委也在近日下发了“关于申报大数据领域创新能力建设专项的通知”,不仅明确了相关专项建设的目标、内容和重点,还将围绕大数据基础技术和应用技术两个维度,组建13个国家级大数据实验室。
其中,在提升大数据基础技术支撑能力方面,重点内容包括建设大数据系统计算技术、大数据系统软件、大数据分析技术、大数据流通与交易技术、大数据协同安全技术等五类国家工程实验室。
可以说,当前大数据在中国已经具备了根植的厚土,不再是空中楼阁,面向大数据的业务应用正在快速向各行业领域渗透。在近期召开的2016中国大数据技术与应用研讨会暨联盟成立大会上,工信部通信发展司副司长陈家春表示,中国已经为大数据发展做好了准备,主要基于四大优势基础。
中国市场迎来大数据发展机遇
首先,产业基础不断夯实,截至今年6月,国内网民数量达到7.1亿,移动电话用户规模突破13亿。如果按照每户月均接入流量700M计算,那么中国的互联网规模将进入G时代,而每天产生的数据量更是极其庞大。有数据显示,我国数据总量正以年均50%的速度增长,预计到2020年将占全球21%,中国正在成为真正的数据大国。
其次,技术基础不断进步,我国的信息通信技术正在逐步缩小与国际先进水平的差距。一些软硬件企业逐步掌握了大数据相关核心技术,一些互联网企业已率先建设大数据平台并开展运营。对于大数据产业发展中推崇的开源模式,来自中国的产业企业也是积极贡献,不断加重自身在开源标准中的比重。
再次,产业环境逐步成熟,数据统计显示,2015年我国云计算带动的上下游产业规模超过了3500亿元,这为大数据发展提供了有力的基础支撑,一批新兴的大数据企业崛起,各种新模式业态脱颖而出,形成规模的同时也吸引了社会资本,良性的大数据发展环境正在建立。
最后,市场应用逐步扩大,一些互联网企业率先利用大数据技术开展数据资源整合和挖掘,并应用于网络的社交、电商、广告、搜索等多种业务。多行业不断基于大数据推出应用服务,比如在金融行业,一些互联网金融平台推出的基于大数据的风险防控、信用评价等应用取得了不错效果。
保证数据源安全性是首要瓶颈
不过,陈家春副司长也表示,尽管大数据产业在中国得以发展,但依然存在挑战和瓶颈,比如信息不互通、共享机制尚未建立、技术创新仍显不足、法律法规及标准尚待完善、人才资源仍然短缺等。
尤其在保证数据源安全性方面,目前在法律法规和行业监管方面还存在很多空白,这也是相当一部分政府机关迟迟未能公开数据的主要顾虑之一。
今年2月，畅销书《大数据：正在到来的数据革命》的作者——旅美华人学者涂子沛，做客凤凰视频世纪大讲堂栏目，并预测未来5年内，大数据会在中国遍地开花。
一个真正的信息社会。首先是一个公民社会
头一回在美国上统计课，在国内政府部门做过近10年数据统计工作的涂子沛觉得“眼前一亮”。
这一讲的内容是统计学的意义。大胡子的印度裔教授一本正经地对学生们说：“我们信靠上帝。除了上帝，任何人都必须用数据来说话。”
教授大胆的观点一下子震撼了中国学生涂子沛。在他的印象中，数据往往被当成论证工具，更像是一种“证明领导意图的手段”。
但在这里，“数据”二字似乎有另一重含义。
2007年底，奥巴马访问了谷歌公司的总部。作为他的支持者，涂子沛在视频网站上观看了这次演讲。
“人民知道得越多，政府官员才可能更加负责任。”当时这位总统候选人一上来就表达了建设开放政府的决心。
面对谷歌公司的员工，奥巴马继而雄心勃勃地说：“我将把联邦政府的数据用通用的格式推上互联网。我要让公民可以跟踪、查询政府的资金、合同、专门款项和游说人员的信息。”
涂子沛记得，演讲在此时被热烈的掌声所打断。
这是涂子沛第一次将“公民权利”这样的大词与“数据”联系起来。也正是从那时起，这个从卡内基·梅隆大学毕业、并已经在一家美国公司就职的数据库程序员萌生了一个系统的写作计划。
2011年12月，涂子沛将21万字的书稿寄给国内几家出版社。
一家出版社的编辑对他说：“不管别人开出什么样的条件，我们都要。”而另一家出版社的主编则给涂子沛回复了一封邮件，写道：“这是一本中国社会需要的书。”
2012年7月，《大数据》一书出版。翻开这本以0和1的二进制代码图案为封面的新书，扉页上的题记别具一格：“一个真正的信息社会，首先是一个公民社会。”
“大数据”这一概念便迅速以夺目之势走进了我们的视野。
“什么是大数据？”初次接触大数据的人们最好奇的就是这个问题。
涂子沛解释，这首先是对信息爆炸时代的崭新描述。“如果把2013年全世界预计将存储的数据总量全部记在书里，那么这些书可以覆盖整个美国52次。如果将这些数据存储在只读光盘上，这些光盘可以堆成五堆，每一堆都可以伸到月球。”
不过在涂子沛看来，仅仅用数量之大解读大数据不够完整，能量之大才是大数据这枚硬币的另一面。一个经典的案例是，在甲型HINI流感爆发前几周，谷歌公司通过观察5000万条美国人最频繁检索的词条数据，发现“哪些是治疗咳嗽和发热的药物”这一主题的检索频率大增，进而准确预测了流感的发生及传播范围。
“面对海量数据，谁能更好地处理、分析数据，谁就能真正抢得大数据时代的先机。”这是涂子沛对大数据威力的评价。
美国是怎样做的
涂子沛在美国匹兹堡市一家联邦政府的合同商公司做程序员，每天面对的东西都是数据、代码或大大小小的表格。
但无论从哪个角度观察，他都不是一个单纯的IT行业的从业者。涂子沛爱读刘瑜和陈丹青的书，和匹兹堡大学著名史学教授许倬云是好朋友，还会在一个人开车的时候听几段古典诗词的朗诵。他的房间里，大部头的编程书籍和不少从国内带来的人文类图书整齐码放在书架上。书房的窗外，大树的树叶伸手可及，他喜欢对着一片新绿写作。
上世纪70年代初，涂子沛出生在一个法官家庭。因为从小看父亲断案，他很早就开始思考什么是“正义”这样的大问题。90年代中期，他进入当时的华中理工大学读书。学校里有人文讲堂的讲座活动，这个计算机专业的学生是最忠实的拥趸之一。讲座结束后，他常会在昏暗的路灯下追着讲师们请教问题，直到老师的家门口。
时任中国人民大学副校长的谢韬也来过人文讲堂。当时他给涂子沛签名并留下这样一句赠语：“要做新世纪国家的建设者。”
年已不惑的涂子沛至今仍然保留着这份情怀。他在博客上记录匹兹堡市的学生们如何因为征税问题质询市长，也写下这里的市民对阻止他们游行的匹兹堡警方怎样提起集体诉讼。
随后，看到奥巴马2007年在谷歌公司的演讲开始，涂子沛才意识到，原来自己一直关心的“公平正义”，竟然与每天朝夕相处的数据有着如此紧密的联系。
在此以前，和大部分人一样，涂子沛更愿意从技术层面去关注什么才是“大数据”——这是对信息爆炸时代的崭新描述。它的基本单位是“太”（TB），而1000个太则等于一“拍”（PB）。打个直观的比方，美国国会图书馆是世界上最大的图书馆之一，它所有印刷品的信息量加起来只有15太。而全美国仅在2010年一年的新增数据量就足足有350啪，这比13亿中国人人手一本1500页的书加起来的信息量还要大。
麦肯锡咨询顾问公司曾做出估测，未来数据仍然会以每年50%的速度增长，美国还需要14万至19万名拥有“深度分析数据”专长的工作者。
涂子沛便是其中之一。他会在自己的专栏文章中记录那些数据改变商业的故事：比如，沃尔玛的研究人员通过数据挖掘，发现四成左右的年轻爸爸在购买婴儿尿布时会顺手买点啤酒犒劳自己，便对这两种商品进行了捆绑销售，结果销售量双双增加。更夸张的事例是，一个高中女孩某天突然收到了超市寄来的婴儿服广告，父亲大为光火，但就在超市公开道歉几天后，这位父亲发现自己的女儿真的怀孕了。原来，超市已经可以通过顾客的食品消费数据做出趋势判断。
数据挖掘已经在美国形成了一条完整的产业链，不少大学还设立了相关的硕士学位。
2009年1月17日，新任美国总统奥巴马主持内阁的宣誓仪式并发表讲话。“很长时间以来，我们已经习惯了为华盛顿这个城市蒙上一层神秘的面纱，但从今天起，我们将不再沿承旧例。”
“为了引领一个开放政府的新时代，面对信息，政府机关的第一反应必须是公开。这意味着我们必须坚定地公开信息，而不是等待公众查询。所有的政府机关都应该利用最新的技术推进信息公开，这种公开，应该是及时的。”
这一天，奥巴马伏案用他标志性的左手姿势签署了他的首份总统备忘案《透明和开放的政府》。120天后，一个叫做Data，gov的网站正式上线发布。这是一个数据开放的门户网站，旨在全面开放美国联邦政府拥有的数据。
项目的负责人是维韦克·孔德劳，美国政府历史上的第一位首席信息官。“这是一场数据民主化的运动，我们正在把信息的力量放到美国人民手中。”这个不到35岁的印度裔帅小伙同样雄心勃勃。
事实上，作为雇用了约200万名工作人员的全美最大雇主，联邦政府共拥有848拍字节的数据总量。全世界最大的零售巨头沃尔玛，其数据库大小还赶不上商务部下属的美国普查局。
Data，gov的出现则为信息公开的发展注入了新的活力。截至2009年底，这个网站收到了社会各界约900项开放数据的申请。联邦政府最后回复：16%的数据立即开放、26%将在短期内开放、36%将计划开放，还有22%因为国家安全、个人隐私以及技术方面的限制无法开放。与此同时，行政管理预算局发布了《开放政府的指令》，命令各个联邦部门必须在45天之内，至少再开放3项高价值的数据。
在中国。大数据会一步步改变我们的生活
《大数据》一书在国内出版后，涂子沛在一家图书网站上看到了这样一条推荐语：这里有中国的问题，这里有中国的财富，这里有中国的乡愁。“当时就掉眼泪了。”曾经在边防部队生活过8年的涂子沛压低声音说，他平时车里放的歌就是罗大佑的《乡愁四韵》。
与此同时，越来越多基于大数据技术产生的创意正在实实在在地进入中国人的生活。
涂子沛说，《大数据》出版后不久，时任中央政治局委员、广东省委书记汪洋曾给省财政厅的全体干部推荐过《大数据》。汪洋讲到马云曾经对他说，现在数据就是竞争力：“你想不到全中国比基尼卖得最好的是哪几个省，一般人认为肯定是广东、海南。”
马云随即告诉汪洋，从淘宝数据上看，其实卖得最好的是新疆和内蒙古。他这样解释这种反常的相关性：估计每一个男人，都要给他的夫人、情人和对象一个美好的憧憬，“有一天我带你去下海”。
“当然这是他的一种解释，但是能反映什么呢，就是这些数据和你想象的不是一个概念。如果商家掌握了这个东西，其实你比基尼广告的重点不要放在广东做，你放到新疆、内蒙古去做啊，这效果可能就不大一样了。”汪洋给出了自己的解读。
曾经两次去阿里巴巴交流的涂子沛说，阿里金融正在试图通过大数据技术解决“小微企业融资难”的问题。“所有贷款都是通过信用贷款，不像银行那样需要房产或其他抵押品，也不需要走访约谈。因为他们会对客户的所有行为数据进行挖掘分析，再决定是否放贷。”
而在最近半年余额宝横空出世，“依靠大数据技术，IT企业也可以变成银行，很难想象吧？”涂子沛笑着说，“在中国，大数据会一步步改变我们的生活。”
有媒体曾经报道过支付宝的数据科学家们每天的工作：他们会把客户分成50个族群进行研究，其中有一个群体叫做都市轻熟男，还有一个群体叫千金美少女，而这些类型的划分依据就是用户在淘宝、天猫、支付宝和聚划算中的付费行为数据。在能识别用户之后，一个微妙的变化是，在写商品推荐文字的时候，不再是过去那样千篇一律地使用“亲”作为开头了。
类似的变化涂子沛也曾亲身感受过。有一回在国内演讲，他住在白天鹅宾馆，宾馆的信息部主任告诉他，这家宾馆的信息部有收集用水量的习惯。有一年，原本平稳的用水量突然出现了大幅波动，工作人员经过分析排查发现，花坛下有个水管漏水很久，“是数据让他们发现了问题”。
这一回，又一个与大数据有关的故事让他眼前一亮。在华东师范大学，一名女生因为减肥，5月份的饭卡消费较少，没想到竟然收到一条系统短信：“同学你好，发现你上个月餐饮消费较少，不知是否有经济困难？如有困难，可电话、短信或邮件我。如无困难，也请回复一下，以便下月不再重复问询。”
原来，这个消息来自学校的困难生预警系统，而这套系统正是基于学生饭卡消费的数据建成。涂子沛第一时间转发评论：“华东师大用数据表达爱和关怀。”
在一次演讲中，涂子沛曾这样说道：“今天，数据已经无处不在，我们的衣食住行、喜怒哀愁、吃喝玩乐都以数据的形式存在。通过数据、网络和软件，我们用数据来记录这个世界，再通过研究数据去发现这个世界。”
大数据产业有望成为拉动经济发展的“新风口”。工信部信息化和软件服务业司司长陈伟近日在媒体通气会上表示，目前包括北京、上海、贵州等先行先试的地方大数据产业和应用发展已初见成效。
工信部将出台促进大数据产业发展的推进计划，促进规划、标准、技术、产业、安全、应用协同发展。其中，在标准化方面，正在研制的10项国家标准中，8项已完成草案。下一步将重点开展数据格式接口、开放共享等标准体系建设。
“近日国务院印发《促进大数据发展行动纲要》，为我国大数据发展进行了顶层设计和统筹部署。工信部主要负责大数据产业发展以及应用示范相关工作。目前我们已支持和指导北京、上海、贵州、广州、陕西等地大数据产业和应用发展。”陈伟表示。他透露这些地方先行先试，主动探索，已初见成效。
数据显示，我国软件和信息技术服务业实现软件业务收入3.7万亿元，同比增长超过20%。其中，贵州省电子信息产业规模总量1437亿元，比上年增长60.6%。
而中国信息通信研究院不久前发布的《中国大数据发展调查报告》预测，20中国大数据市场规模将达到115.9亿元，增速达38%。未来随着应用效果的逐步显现，一些成功案例将产生示范效应，预计至中国大数据市场规模还将维持40%左右的高速增长。
不过，由于大数据产业和应用发展迅猛，亟需通过标准化的途径整合资源，固化现有成果，促进各方达成共识，形成统一的.数据格式、接口、安全、开放等各类规范，为我国数据开放共享提供基础，为数据安全应用提供保障，促进数据交易等新兴服务模式规范发展。
围绕大数据标准化，下一步将重点开展以下工作：
1.推动标准体系建设，推进数据格式接口、开放共享、数据质量、数据安全、大数据平台等重点标准研制
2.加强标准验证和应用试点示范，建立标准符合性评估体系，推动标准对产业和应用的支撑作用
3.继续积极参与国际标准化制定工作
事实上，在工信部和国标委的领导下，早在月2日全国信息技术标准化技术委员会大数据标准工作组(以下简称“工作组”)正式成立，统筹开展我国大数据标准化工作，大数据工作组组长由上海交通大学副校长梅宏院士担任。
挑战
2012年12月31日 08:41金融时报我有话说
杜金
对银行业而言，城镇化在地域上一头连着城镇、一头连着农村，在产业上一头连着工业和服务业、一头连着农业，在促进经济发展上一头连着投资、一头连着消费，既是金融支持经济结构调整的重点和引擎，也是银行业实现自身转型发展所仰仗的动力，给银行业发展带来新一轮的机遇和挑战。
记者杜金近期，“新型城镇化”成为社会关注的焦点之一。中央经济工作会议明确提出，“做好明年经济工作，必须加快调整经济结构、转变经济发展方式，使经济持续健康发展建立在扩大内需的基础上；必须毫不放松抓好“三农”工作，推动城乡一体化发展”，并强调指出，城镇化是我国现代化建设的历史任务，也是扩大内需的最大潜力所在，要积极稳妥推进城镇化，着力提高城镇化质量。
对银行业而言，城镇化在地域上一头连着城镇、一头连着农村，在产业上一头连着工业和服务业、一头连着农业，在促进经济发展上一头连着投资、一头连着消费，既是金融支持经济结构调整的重点和引擎，也是银行业实现自身转型发展所仰仗的动力，给银行业发展带来新一轮的机遇和挑战。城镇化或将继续推动银行业绩增长
过去十几年，中国城镇化建设飞速发展，并由此带来2000年以后中国各级政府财政收入的成倍增长。提到这段城镇化的“黄金时期”，不可忽视的一个重要的助力就是国家开发银行开发性金融模式在全国大规模的铺开，土地升值带来地方财政收入大幅度提高。此后，商业银行逐渐涌入这个市场，带动城镇化发展的同时银行也因此受益。
两年前，在农业银行(2.84,-0.03,-1.05%)上市前夕，时任农行董事长的项俊波在接受媒体采访时就表示，城镇化是农行未来最大的发展机会，农行要抓住未来中国城市化特别是小城镇化的机遇，大力开拓县域“蓝海市场”。到2012年，农行取得了良好成绩。截至6月30日，县域金融业务总资产47989.04亿元，较上年末增长9.2%。县域金融业务实现税前利润334.08亿元，较上年同期增长28.8%。
不仅农行，在业内普遍看来，新型城镇化在未来将是推动银行业规模与业绩增长的主要动力之一。“城镇化意味着大量基础设施建设，如住宅、学校、医疗机构、公共设施等，建设这些项目除了政府的财政支持外，金融机构的贷款支持必不可少。”中国银行(2.94,-0.01,-0.34%)国际金融研究所副所长宗良表示，城镇化同时意味着农村生产方式的转变，农业向集约化和规模化发展，工业经济的发展将吸纳更多农村剩余劳动力进城，而与城镇化息息相关的服务业的发展，则主要依靠民营和个体创业，这也将衍生大量小额信贷的需求。
城镇化建设的快速发展，将带动基础设施投资、房地产等方面需求的大幅提升，意味着这些领域将继续成为银行业务发展的重要方向。有研究机构测算，按照两万人的小城镇规模，基础设施建设人均约需1
万元，如果按照城镇化基本完成阶段城镇化率70%～80%计算，我国城镇基础设施投资还有很大空间。而就以往的规律来看，大规模基础设施建设的资金来源主要还是银行贷款。
不过，专家提醒，在支持城镇化发展的过程中，银行对房地产行业等领域出现的机遇要慎重把握。有专家表示，未来房地产贷款、政府融资平台和小微企业等领域贷款的走势仍是决定商业银行资产质量的关键因素。新型城镇化将进一步拉动经济，在宏观经济趋稳回升的背景下，商业银行不良贷款增长也将趋缓。对房地产行业来说，从今年二季度起，房地产贷款增长乏力的状态有所改变，但是其区域性、局部性风险仍不容忽视，另外地方融资平台虽经过清理和规范，但对潜在风险也需要保持高度警惕。新型城镇化对金融服务提出新需求
跟以往相比，新型城镇化更追求质量和效率，对金融服务也提出了新的更高的要求。
“新型城镇化更加重视城市的集群发展，对中小城镇基础设施贷款提出金融新需求。”农行农村产业金融部总经理李培峰表示，新型城镇化促进大中小城市与小城镇的协调发展、聚合发展，同时，也更加注重建设节能环保、和谐友好型城市，由此将带来城市建设尤其是中小城镇建设、生态城市建设的资金需求明显增加。
此外，在十八大报告中，强调“工业化和城镇化良性互动”，新型城镇化中产业集聚发展的金融需求也在发生新变化。李培峰认为，一方面，战略性新兴产业、工业园区、国内产业梯度转移以及技术创新等领域的金融需求明显增加；另一方面，新型工业化过程中，成长型企业更多、产业转移集聚加速等新特点，要求银行创造更多适合新型工业化发展的新产品、新服务。
全新内涵的城镇化，是在经济转型大背景下的新型城镇化，除了投资结构升级之外，消费升级也是“新型城镇化”过程中值得期待的。对于银行业来说，相比于投资的“逆袭”，消费的崛起才是城镇化更主要的方面，也是更值得银行关注的焦点。
随着工业化、农业现代化的发展，村镇居民的人均收入将大幅提升，消费能力不断增强，这将刺激村镇居民产生更多的金融需求。此外城市中低收入人群的收入水平也将不断提高，随之而来的是消费的升级。专家表示，面对消费的崛起和升级，银行除了要不断拓展消费金融供给渠道，开发多样化的消费金融产品，支持居民多样化消费融资需求外，还需要加强支付渠道建设，增加城镇ATM、银行卡受理设备数量，不断拓展银行卡使用范围，积极推广网上支付、电话支付、移动支付等支付创新业务。
以市场化方式推动城镇化业务发展
目前，适应推进城镇化建设的要求，银行金融机构面临着一些亟待解决的问题。
宗良说，目前比较突出的问题是城乡一体化格局不合理，商业银行金融服务能力不足。“以黑龙江某县级市为例，辖区乡镇平均拥有银行业金融机构网点才1.8个，远低于全国3.7个的平均水平。金融发展滞后不仅难以满足城镇化过程中居民财富增长和企业生产发展对金融产品和服务的需求，而且也不利于城镇化的稳步推进。”宗良补充道，“同时城镇化需要有活力的微观经济主体的支撑，目前银行业对创新型企业发展的支持力度也相对不足。”
对于今后银行如何支持新型城镇化建设，李培峰建议，要明确业务发展重点，在区域选择上，择优支持城市化水平较高、用地矛盾突出的经济发达地区城镇化建设；在项目选择上，要按照区位优势明显、产
业基础较好、运作主体规范、经济效益和经营行管理水平较高的要求，选择优质城镇化建设项目，作为支持对象。
“支持城镇化建设，不是大包大揽、不加选择。相反，要按照„政府主导、政策支持、产业支撑、农民自愿‟的原则，择优选择项目，以市场化方式推动城镇化业务发展。”李培峰认为。
宗良表示，银行应围绕城镇化过程中的相关需求，加大创新力度，可考虑从资金投向和产品方面加大支持力度。同时加大对创新型企业的扶持和政策倾斜，努力提供信贷、咨询等全面优质服务，并针对创新型企业研究新的风险控制办法。
移动互联网发展起来之后, 运营商在近两三年开始关注大数据。大数据不是新的概念, 在移动互联网发展起来后, 数据增长速度加快, 整个产业压力突出, 传统数据库技术已无法满足运营商对大数据充分利用的需求的背景下, 大数据成为近年来的热点。对运营商来说, 数据爆发性增长后, 带来的收入并未改观, 因此, 运营商面临着数据流的附加值被互联网公司赚走的挑战, 同时面临沦为管道化的尴尬, 如何利用好运营商手中的大数据, 成为需要面对的问题。
运营商面临数据管理和分析挑战
易观国际分析师黄萌表示, 大数据发展时间不长, 随着云概念和3G的深入发展, 运营商数据压力增大, 同时IDC扩容, 偏向以存储为主的云服务业务。
运营商新业务的涌现, 导致数据暴增。信令数据、互联网数据其规模已经达到数百TB, 甚至PB规模。此外, 据EMC数据计算事业部大中国区总经理刘伟光介绍, 数据的价值除了与数据规模相关, 还与数据处理周期成正比关系。也就是, 数据处理的速度越快、越及时, 其价值越大, 发挥的效能越大。而除了分析传统结构化数据外, 随着新增值业务拓展, 运营商对实现跨结构化、半结构化、非结构化数据进行高效分析有着愈发强烈的诉求。
而运营商面对海量数据和数据结构的变化, 不仅是成本, 还有管理和分析的挑战。黄萌认为, 运营商相对互联网企业有优势, 具有雄厚的资源和庞大的IDC集群, 拥有电信级的运营网络, 具有保证大数据实时、畅通传送的能力, 同时具有网络资源和运营能力。而相对互联网企业劣势的地方在于上层应用, 尤其是在Saas层面。
大数据有待深挖掘
南京邮电大学卢捍华教授认为, 大数据时代主要是对技术的综合运用和对数据的深度挖掘。对运营商来说, 大数据带来的机会大于挑战。运营商有自己的网络, 积累了大量非常有价值的数据, 可以进行客户分析。利用网络收集数据, 对运营商运营方式的改变是个机会。
真正实现精准化营销和精细化运营的秘诀就在于如何利用好运营商手中的大数据。海量话单、信令、互联网数据本身就是一笔宝贵的财富。利用好这些数据, 充分、及时地对这些数据进行深度分析挖掘, 不仅可以进一步提升服务质量、提高客户忠诚度、挖掘新商机、增加收入, 还可以通过优化资源配置、减少浪费来提升运营效率, 有效降低运营成本。
此外, 电信运营商信息化实施比较早, 本身大数据积累的也多, 例如以前的日志信息, 包含用户信息和设备信息, 可以进行挖掘使用。运营商越来越重视对数据的挖掘, 可以获得未来开发业务和开拓市场的机会。另一方面, 分析结果不会涉及隐私, 管理好了可以更少产生法律纠纷。此外, 电信运营商通过数据分析还可以提供面向社会的信息应用。
卢捍华教授认为, 大数据是对技术的综合应用, 要有开放、融合、服务和创新的心态, 大数据可以为运营商创造另一片天地。例如一个大数据的应用通过收集数据, 对大量图片进行分析, 最终形成一个场景图。这就是对数据分析、统计技术、图片处理技术和人工智能合成技术的综合运用。据悉, 南邮正在开发这方面的应用。
据了解, 目前中国三个电信运营商在业务支撑领域、网管IT支撑领域包括增值业务领域, 已经随着市场的需求诞生了很多新的大数据实时分析的项目。目前, 大数据主要应用在运营商的“信令”系统分析上, 此外, 运营商还可以通过“用户行为分析”系统, 进行精准营销。运营商还提供IDC服务, 通过“云”中心的方式为互联网企业提供服务。
对公市场前景巨大
黄萌表示, 单批、单次数据爆发性增长, 对其进行的可知的时间处理能力是关键点。对运营商来说, IDC服务在对政府和高校、企业等非个人业务市场上前景巨大;对于个人业务, 运营商刚开始做, 由于回收投资较慢、离散性强, 现在主要是针对个人精准运营的业务。智能管道方面, 运营商正在基于大数据平台进行流量分析, 但是落地的项目少。
据介绍, 运营商大数据战略还不太明晰, 但是有了一些建树。去年十月份中国移动开始做的、数据管理系统和平台, 覆盖很多园区、学校, 2.0技术比1.0技术大幅提升;中国联通2010年开始对企业提供IDC服务, 截至目前, 营收超20亿元 (人民币) ;中国电信2011年成立云公司, 尚无实体业务, IDC托管规模相对联通小很多。
据电信专家韩少敏介绍, 数据类型分为非结构化数据和媒体流, 运营商开展大数据分析面对的问题主要是硬件能力。数据一方面是纵向关系, 比如“信令”, 采用水平分隔数据的方式就可以, 按照时间段分别存储分析。此外还有横向关系, 需要垂直分隔, 由于查询复杂, 需要引入真正的算法去做。韩少敏认为, 目前掌握这方面能力的人才奇缺。并且, 运营商在分布式数据库方面少有进展。而从应用角度, 大数据一方面用作于统计分析, 建数据仓库, 其次还有非文本查询, 现在大多数数据库公司可以做以上两个方面, 而对于关系型数据共享层面, 目前还做不了。
中国联通在IDC服务方面走在三家运营商前面, 其面向企业提供服务, 目前通过按关系水平分隔的方式, 将数据集中起来, 但是一旦到关系型数据的共享层面, 因为没有数据模型, 找不到底层的数据库血缘, 目前的方案无法解决问题。但是运营商目前做这些数据积累, 可以为将来发展提供机会。
2012年5月17日，《中国新时代》作为特邀嘉宾全程参与了在北京召开的主题为“洞察 优于析 智于行”的智慧的分析洞察论坛。在本次大会上，IBM正式发布了基于业务分析洞察（BAO）理论基础之上的IBM智慧的分析洞察（Smarter Analytics）战略，以及帮助企业将“洞察力”转化为行动力，实现业务价值的“3A5步”智慧分析洞察动态路线图。
毫无疑问，IBM此举再次将“大数据”的实战意义推进了一步。近几年来，“大数据（Big Data）”一词快速升温，逐渐成为IT网络通信领域热门词汇。包括IBM、EMC、甲骨文、微软在内的各大巨头厂商纷纷跑马圈地，强势进入，投入了巨大的资源抢占这个领域的话语权。大数据市场的快速发展，主要得益于非结构化数据的爆炸式增长。
事实上，“大数据”并不是一项技术，而是由于不断增长的数据量和数据种类而逐渐衍生出来的一种现象。因此，“大数据”在业内并没有统一的定义。不同厂商，不同用户，站的角度不同，对大数据的理解也不一样。
一场信息社会的变革
然而，最早提出“大数据”时代已经到来的机构并非IBM， 而是全球知名咨询公司麦肯锡。麦肯锡在研究报告中指出，数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素；而人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。
麦肯锡的报告发布后，大数据迅速成为计算机行业争相传诵的热门概念，也引起了金融界的高度关注。随着互联网技术的不断发展，数据本身是资产，这一点在业界已经形成共识。“如果说云计算为数据资产提供了保管、访问的场所和渠道，那么如何盘活数据资产，使其为国家治理、企业决策乃至个人生活服务，则是大数据的核心议题，也是云计算内在的灵魂和必然的升级方向。” 业内人士如是说。
事实上，全球互联网巨头都已意识到“大数据”时代数据的重要意义。包括EMC、惠普、IBM、微软在内的全球IT 巨头纷纷通过收购“大数据”相关厂商来实现技术整合，亦可见其对“大数据”的重视。
IDC研究表明，数字领域存在着 1.8 万亿 GB 的数据。企业数据正在以 55% 的速度逐年增长。ReadWriteWeb表示，如今，只需两天就能创造出自文明诞生以来到 2003 年所产生的数据总量。现代企业正在经历规模化、多样化、高速化的数据挑战，“大数据”已成为重要的时代特征。
IBM全球副总裁兼大中华区软件集团总经理胡世忠表示：“大数据正带来一场信息社会的变革。大量的结构化及非结构化数据以及流数据的广泛应用，致使企业需要重新思考已有的IT模式；与此同时，大数据又将推动企业进行又一次基于信息革命的业务转型，使企业能够借助大数据带来的大洞察，获取更多的商业价值和发展机会，在激烈的市场竞争中脱颖而出。”
挑战？机遇？
然而，2011 年的《IBM - 麻省理工斯隆管理学院评论》显示：在对全球 100 个国家及地区从事 30 个行业的 3,000 名高管进行的调查中，有60% 的受访者表示无法有效利用所有数据。而近期 IBM 对 64 个国家及地区从事 19 个行业的 1,700 名首席营销官开展的最新调查更是进一步体现出了这个问题的严峻性：调查结果显示，71% 的首席营销官表示他们的企业没有做好充分准备来应对大数据的挑战。
因为大数据的概念听起来很美好，似乎利用大数据的大门在不久的将来就会打开。但一切并没有那么简单。企业需要的并不仅仅是供应商卖出的技术，而是借助他们的专家来解决海量数据。
SAP商业智能和内存售前经理Carl Streatfield说：“和10-15年前相比，企业现在的环境截然不同。”“2005年，人们创造的信息量达到了150EB，而到2011年，这一数字达到了1200EB。这便是大数据时代的来临。”这样的数据量是巨大的，是IT刚开始时所无法想象的，不过企业必须找到最好的有竞争力的方式解决这些数据。
“改变的机会存在于信息洪流中。不过了解数据的内部结构成为一大挑战，因为数据增长的速度太快，”Forrester高级分析师Brian Hopkins说。
越来越多的企业意识到了这种挑战：IT 负责人和职员无法有效地对海量数据进行有效地收集、处理和分析；另一方面，企业CEO 以及高层管理人员因不能及时获得所需的信息，而无法预测出潜在的业务风险，坐等商业机会的流失。
与此同时，也有越来越多的企业正在把握“大数据”时代的机遇：《麻省理工学院斯隆管理评论》和IBM商业价值研究院联合举行的2011年新智能企业全球高管调查和研究项目指出，2011年，58%的企业已经将分析技术用于在市场或行业内创造竞争优势，实现业务价值，这一数据比2010年增加了21%。
毫无疑问，“大数据”时代的机遇和挑战同时摆在了企业面前。
从“大数据”到“大洞察”
IBM在此时提出大数据平台战略，其目的显而易见，它正在以自己的优势瓜分这块庞大而诱人的蛋糕。IBM表示，IBM智慧的分析洞察将成为企业成长转型的重要战略之一，帮助企业成功将“大数据”挑战转化为机遇，最终实现从“大数据”到“大洞察”的重大转型及革新。“我们的大数据平台战略突破了传统数据仓库和数据管理理念，为企业组织提供实时分析信息流和因特网范围信息源的能力，实现更为经济高效的大数据管理，并为在此之上的业务分析和洞察奠定坚实的基础。”
IBM全球企业咨询服务部业务分析与优化服务大中华区总经理段仰圣表示：“在大数据时代，‘洞察’成为企业各个环节上至关重要的需求。因此IBM提出‘大洞察’的概念，通过IBM智慧的分析洞察为企业客户提供四个方面全方位的‘洞察’：第一是通过客户行为分析留住客户，并在此基础上实现客户群体的持续增长；第二是通过信息管理、业务分析、内容管理等先进手段，帮助企业优化IT水平及业务流程，提高运营效率；第三是通过将业务分析贯穿财务规划流程，洞悉企业利润和成本来源，改善结算流程的处理时间和完整性，促进财务流程转型；第四是将分析洞察包含在传统和新兴的风险类别中，预测未来的法规要求及检测欺诈，帮助企业管理风险、欺诈和合规性。”
IBM称，IBM智慧的分析洞察能够与任何企业以及职能部门进行整合，帮助其将“大数据”转化为“大洞察”。在此次大会上，IBM首次发布智慧分析洞察“3A5步”动态路线图（如图），旨在以全面完善的方法助力企业开辟“大洞察”征程。
IBM软件集团大中华区业务分析洞察及智慧地球解决方案总经理卜晓军表示：“IBM智慧的分析洞察在行业是独一无二的。‘智慧分析洞察3A5步动态路线图’不仅涵盖了IBM从软件、硬件、咨询服务到研究领域的卓越能力，同时也前瞻性地将普遍的大数据处理拓展到完善的‘大洞察’战略高度，充分涵盖信息价值发掘历程中的各个层面。目前，IBM在金融、医疗、制造、零售、公共、保险等领域具有深刻的实践。相信在未来，智慧的分析洞察将辐射各个行业，为大数据时代的企业带来不可估量的信息价值。”
早在2011 年5 月,麦肯锡公司[1]发布的《大数据: 下一个创新、竞争和生产力的前沿》报告中指出: 大数据的规模以及其存储容量正在迅速增长,大数据已经渗透到各个行业中,成为重要的生产因素,成为可以与物质资料和人力资本并论的生产要素。正如马克思[2]所说“各种经济时代的区别,不在于生产什么,而在于怎样生产,用什么劳动资料生产。劳动资料不仅是人类劳动力发展的测量器,而且是劳动借以进行的社会关系的指示器。”大数据的演进与生产力的提高将产生直接的关系,大数据将成为重要的生产资料。同时,用于大数据分析的关键技术包括云计算、数据仓库、Big Table等日趋成熟,使大数据的整合、处理、管理、分析成为可能。2013年,被称为“大数据时代元年”,标志着大数据时代的正式开始。进入2013 年,“大数据”走入了我们的生活,对各行各业产生了深刻的影响,每个行业的经营模式、生产模式、管理模式等正产生翻天覆地的变化,也为各行业带来了改革的契机。维克托·迈尔·舍恩伯格[3]在《大数据时代》中指出: “大数据开启了一次重大的时代转型。大数据正在改变我们的生活以及理解世界的方式,成为新发明和新服务的源泉,而更多的改变正蓄势待发……”大数据时代不仅仅包含着各种类型数量众多的数据,更重要的是代表了快速取得并有效利用有价值资料的能力。在大数据时代到来之前,由于定量研究是建立在假设和有限的抽样数据的基础上,使得定量研究复杂而缺乏准确性,大数据时代将彻底改变这一状况,它可以让纷繁复杂、单调枯燥的数据变成可以说话的信息,它的实质不仅在于大量的占有数据,更多的是提供了预测性和前瞻性的信息和知识。淘宝、京东等众多购物网站可以根据顾客的浏览历史数据判断出顾客的喜好和最近的需求; 沃尔玛等跨国连锁超市可以实现从啤酒、尿布、日用品等全系产品销售数据的分析,以此实现准确的物资仓储储备; 美国洛杉矶警局利用各类案件的大数据的分析来合理安排巡逻车和布置警力。这些无疑不是大数据预测性的体现。大数据的预测性帮助我们在特定的背景下提炼出数据潜在的规律,从而指导实践,提高效率。
2 大数据时代给大学教育带来的深刻影响
麦肯锡公司发布的《大数据: 下一个创新、竞争和生产力的前沿》报告中指出: 大数据的有效应用可以创造出巨大的潜在价值。运用在教育领域也势必通过多种方式创造价值,第一,在大学教育中,让原本互相分离的部门之间更加容易的获得相关的数据就可以使教学方案、教学计划、教育回馈等实现并行,大大提高教学效率; 第二,随着大学创造并储存更多数字形式的教育数据,应能够通过对比实验,提供更具有学习效果的教学方法; 第三,利用大数据对学生进行具体的细分,可以精确的制定更具有个性化的教学方案; 第四,在大学教育中利用大数据可以提供算法研究进而形成成熟的分析方法,可以改善教育决策的科学性,实现教育决策的风险最小化。大数据在大学校园里是无处不在的,网络、计算机及智能手机的普及让大学生的社交活动、在线学习,日常的信息管理等都成为大数据的主要来源。这些大数据在技术支持下将为教学本身提供数据驱动的检测,同时也给大学教育带来了深刻影响。首先,大数据时代的大学教育,学生的学习、老师的教学都发生在数字的环境中。大学教育所依赖的教学工具,电子教科书、数字化讲坛、甚至是大学本身都将是大数据获取的平台。在这个数字平台中,大学将收集以往无法收集或即使收集起来也没有反馈的数据,如大学生在线课堂的反馈、网络课程的中途退出、电子教科书上的标注、图书馆的借书记录等等都将被记录并进行处理。在这一过程中,大数据有能力将数据的生成、处理分析、利用分隔开来分类利用。其次,大数据时代大学教育可以实现符合每名学生的个体需求,而不是为一组类似的学生定制的个性化学习。传统的大学教育系统是基于平均水平的设计的教学方案,那么一定会同时伤害位于正态分布曲线两侧的学生。大数据时代学生将在各自的多媒体学习平台进行学习、互动,老师给的教学回馈也将是具有针对性,真正实现维克托. 迈克. 舍恩伯格所说的: 实际上是“一个尺寸适合一个人”的方式。最后,通过对大数据的分析,通过概率预测优化学习内容,学习方式和学习时间等具体内容。在大学教育这个数字平台,将更全面的发挥“预测”这个大数据最重要的功能,帮助我们更加准确对学习内容、学习的方式和时间进行精准的安排设置,提高整体效率。
3大数据时代大学教育面临的发展机遇
( 1) 单向度反馈向多向度反馈的变革。在传统大学教育中,反馈随处可见,课后作业、课堂参与、出勤率、论文及考试成绩等分数,都是学校及老师给学生及家长的反馈,但这种反馈几乎都是单向度的,即由教师和学校指向学生和家长。这些分数代表着学生在学校的学业表现,同时社会及用人单位也依赖这些分数作为衡量学生的学习行为的指标。现行的教育反馈只是对学生的学习表现进行打分,然而校方却很少评价自身,更不会全面和系统的对自身的教学进行评估,也不会对采用的教科书、测验和课堂讲解等教学内容和手段是否对学习有益进行衡量。大数据时代的到来正在彻底改变这一现状,大学将能够收集到过去无法获取的学习数据,并用于学习过程的处理。大数据还能使用新的方式组合数据,并充分发挥其作用以提高学习理解和学业表现,同时将分享给教师和学校管理者以改善教育系统,完成校方与学生的双向反馈。在传统大学教育中,学生在阅读教科书过程中,有的段落和篇章进行了反复阅读,那么是因为其讲述的内容丰富有趣,还是晦涩难懂,都无从可知。学生是否在特定的段落进行了标注及笔记,为什么这么做? 学生是否在中途就已经放弃了阅读? 如果是,放弃的位置是在哪里?这些问题传统方法无法给出准确答案。直到大数据时代的到来,才找到可行方案。当教科书出现在电脑上,上述的信息不仅可以采集还有可以进行处理,可是实现学生、教师、出版商之间的反馈。在传统大学教育中,也有专门的审核委员会对大量教材进行审核,但委员会的评估工作往往存在局限性,他们可以对内容的精确程度进行检验,并与公认的教学标准进行比较,但是缺少了解教材是否对学生有效的实证方法。在大数据时代,教科书出版商通过分析电子书平台上的综合数据分析,清楚地分析教科书中的有效内容和无效内容,以此作为完善写作的基础。在过去,教科书信息的反馈是单向的,即从出版商到学校,在大数据时代,信息的反馈是多项进行的,实现与校方、学生、教师、出版商的多项反馈。
( 2) 大学教育组织结构的变革。大数据时代大学的教学环节必然与大数据技术紧密相连,传统教育机构的组织管理机构势必作出调整与适应。
第一,大学教育将出现新的职业分工,大学数据的分析、处理和在教学中应用必须有专门的技术人员来完成。由一位对冲基金分析师创建的可汗学院,大数据成为了该学院运作的核心。截止2013 年年底,这个非盈利组织共有50 名员工,其中有10 人专门从事数据分析并取得了骄人的成绩。因此,专业的数据管理人员,数据分析人员,数据开发应用技术人员必将成大学教育中的新成员。
第二,大学组织管理机构的重组。数据之所以在大学教育中可以发挥巨大的作用,其中最重要的原因就是大数据能够迅速反映知识在各个环节传递中所遇到的问题和发生的状况,具有数据价值的时效性。校方的政策执行过程中的数据、老师教授过程的数据、学生学习过程中的数据都会第一时间被收集、分析、挖掘。
分析的结果也会实时呈现出来,如果还是通过传统的直线型或智能型的组织结构模式,很难在有效的时间内将数据分析结果快递下去。为了适应大数据时代信心的快速响应及传播的要求,扁平化的大学组织管理机构将成为大数据时代发展的趋势。
( 3) 提供个性化的教学方案。至今为止,大学的教学方式虽然进行了很大的改变,学生可以进行诸如小组讨论等多种方式的学习,但从本质上看并没有什么不同。学生们接受相同内容的课程学习,使用同样的教材,做着同样的习题。大数据时代的来临将给大学教育注入新的活力,大数据时代的预测性和前瞻性,为大学教育的个性化教学提供了可行前提。在大学校园,能够借助大数据对学生的学习情况进行记录及分析。学生普遍使用的QQ、微信、微博等社交网站、图书馆、网络课程、在线教育平台等可以记录并分析学生的每个学生的思想动态、家庭背景、考试成绩、学习过程等等。这些数据不仅可以帮助学校完成学生各自的思想教育,还能有针对性的进行专业知识的学习,从而形成系统的,有针对性的教学方案。大数据能够实现学习知识的扁平化,不需要把学科的知识按照专业、科目、年级进行严格划分,而是构建学科知识库,通过大数据来分析和预测学生的学习态度、学习习惯、对知识的掌握程度、进而向每名学生提供合适的课程内容,恰当的课程进度,适宜的辅导教师及准确的课程形式。正如维克托·迈尔·舍恩伯格在《大数据同行》一书中举的案例[4]: 在可汗学院,教师通过控制面板取得学生的学习进度,学生也在系统中发挥积极作用。学生每一次与系统的交互都被记录下来,这些是数据用于分析,并向教师、学生及家长提供学习情况的反馈。
( 4) 科学的教育决策方法。教育决策方法一定会紧跟大数据时代发展,利用大数据的科学方法分析决策活动,改变以往的依靠经验进行判断,采用大数据的新技术和方法进行决定,保证决策的精准性和可靠性。第一,大数据时代使决策信息的获取与处理更加科学。现代决策理论创始人伯特. 西蒙认为在决策的过程中至关重要的因素就是信息,信息是合理决策的生命线。大数据的信息平台为信息的收集提供了基础,大数据的数据处理技术让信息变得更加有效。决策者可以根据收集和处理过的信息,及时掌握问题的本质,做出科学的决策,同时在其后的反馈中发现决策方案的偏差,做出调整,保证教育决策的有效性和科学性。第二,定量分析与定性分析相结合的科学决策方法。以往的教育决策往往是按照决策人的经历和主观判断做出的,而忽视问题的复杂性、环境的多样性进行分析,特别是在大数据时代,教育决策呈现出很多新特点和新问题,传统的定性分析已经不能满足实际需求,定量分析则可以弥补定性分析在微观上的弱点,对备选方案进行定性和定量分析相结合的基础上,可以提升备选方案的可比性,做出科学的判断。
4 大数据时代大学教育的面临的挑战
( 1) 大数据技术层面的挑战。大数据技术层面的挑战既包括计算机等硬件条件的制约,同时也包括大数据人才缺乏的挑战。2012 年10 月,美国教育部发布的《通过教育数据挖掘和学习分析促进教与学》的报告中指出[5]大数据在教育应用的技术挑战主要有3 个方面: 第一,大数据的应用基础是首先拥有大量的数据样本,那就会涉及到对海量数据的采集、分析、储存和整理的问题,包括计算机的数据处理能力、云计算的技术挑战; 第二,大数据在大学教育中应用,对采集到的数据进行分析,最终得出解决问题的方法是大数据的核心环节,那必然要面对数据分析技术的挑战; 第三,数据兼容性的挑战,大学教育中的数据是以多种形式存在的,不同数据在不同的存储系统中有着各自的编码和格式,造成不同系统间的数据可能无法共享问题。人才短缺的挑战也不容忽视,麦肯锡公司预测美国到2018 年将缺乏数据分析人才14 万~ 19 万人,这些人才不仅需要具备固有的数学能力和专业知识,还要经过长时间的培训。面对中国大学教育大数据的挖掘及使用较晚,能够驾驭大学教育大数据的数据工程师也必将成为稀缺人才,从而制约着大数据在大学教育中的应用。
( 2) 大学生个人隐私及信息的挑战。在大学教育中,我们一方面享受大数据时代带给我们的便捷和具有个性化的教学方案,同时我们也在大数据的采集中为此付出了代价。每名学生在数字化的校园已经变得完成透明,课程内容、学习的进展,甚至于晚饭吃的什么都被一一记录下来,每个人似乎没有隐私可谈。虽然有一些国家和法律对已经颁布了一些隐私保护法,来防止对个人信息的全面采集和长期储存。这些法律通常都会要求数据的使用者公布数据采集的对象及用途,并且必须征得本人同意后才可以使用。大数据的价值在于数据可以重复利用,但在搜集数据的初期通常不会考虑数据的下次利用。个人的教育信息是特别敏感的,它深入到每名学生的成长历程中,在教育中,可以允许通过个人数据改进学习资料、学习工具,学习方法等,但如果要使用这些数据来预测学生未来的能来,必须有更加严格的监督管理机制。那么如何保护好每名学生的个人信息,让数据的使用机构为自己的滥用行为承担责任。在这个道路中还有很长的路要走,还要清除很多的障碍,面临着巨大的挑战。
( 3) 理性对待概率预测。在大学教育中,大数据的预测将无处不在,它会以所有人为对象进行教育数据的全面收集,用于对未来的学习进行预测。比如斯坦福大学的吴恩达教授发现在一门机器学习的课程中,有超过一半的同学做错了“计算成本”的线性回归,但经统计分析在浏览过编号为830 的论坛文章的学生中,则有64% 不会再犯同样的错误。如有学生再犯这个错误时,就不需要学生的自行判断而是依靠大数据的预测为驱动手段,系统将自动推送这篇文章帮助学生解决问题,提高学习效果。在大数据时代诸如此类的概率预测比比皆是,那这些概率的预测是否会限制学生学习的自由选择,并最终影响到学习的效率的提高。就如上面的例子,如果没有大数据的预测和驱动,有些学生可能只需要将相关知识遗忘的部分进行简单的温习,而不是需要花费大量时间进行大篇幅的阅读。如何利用旧的个人数据进行预测,预测的结果也必须理性的看待。大学生作为每个个体,都要不断的成长、发展和变化,而收集到的数据却始终保持不变,这些数据只能显示在数据收集的那个时期学生一些学习状况,那么未来的预测是否也要加入这些数据的影响呢。也就要求数据分析人员积极谨慎地对待这些数据,客观的判断这些数据信息与现在的学生是否存在着关联的关系。正如维克托·迈尔·舍恩伯格在《大数据同行》一书中讲到: “全面教育数据带来的首个重大威胁,并不是信息发布的不当,而是束缚我们的过去,否定我们进步、成长和改变的能力。”
大数据时代大学教育面临以上3 个方面的挑战,还要面临一些其他挑战,其一,在大学教育中大数据意识及大数据观念淡薄,缺乏一些数据公开和数据共享方面的政策和制度,导致虽然产生了大量的数据但对数据的保存、利用不够。其二,如何确定数据的可信性,在大学校园数据无处不在,社会的数据、通过传感器收集的数据和网络空间的数据,但这些数据并不都是可信数据。大数据在大学教育中面临的挑战是多种多样的,有些涉及技术层面,有些涉及政策层面,还有些涉及大数据本身,面对这些挑战,教育者只有前瞻性地思考应对大数据时代大学教育的策略,才可以利用好大数据的潜在价值,推动大学教育的变革。
摘要：随着大数据元年的到来,大数据已经开始冲击着各行各业,并影响着大学教育的方方面面。大数据时代将改善学习的核心要素,给大学教育带来深刻的影响。在大数据时代大学教育由单向度反馈转向多向度反馈,为实现个性化的教学方案提供必要的前提。同时大数据在大学教育中的应用还将面临技术层面、学生个人隐私及预测结果的正确运用等多方面的挑战。
关键词：大数据时代,大学教育,机遇,挑战
参考文献
[1]麦肯锡公司.大数据:下一个创新、竞争和生产力的前沿[M].赛迪译丛,2012:3.
[2]马克思.马克思恩格斯全集[M].北京:人民出版社,2002:210.
[3]维克多·迈尔·舍恩伯格,肯尼思·库克耶.大数据时代[M].盛杨燕,周涛,译.杭州:浙江人民出版社,2013:270.
[4]维克多·迈尔·舍恩伯格,肯尼思·库克耶.与大数据同行[M].赵中建.张燕南,译.上海:华东师范大学出版社,2015:121.
1.1 大数据概念
大数据指那些数据量特别大、数据类别特别复杂的数据集, 指无法用现有的软件工具提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合。从数据的类别上看, 大数据指无法使用传统流程或工具处理或分析的信息, 定义了那些超出正常处理范围和大小、迫使用户采用非传统处理方法的数据集。
1.2 大数据的发展历程
大数据不是最近才有的, 数据一直存在, 只是分析数据的技术近几年有了革命性的突破。从20世纪60年代的数据处理, 到70、80年代的信息应用, 再到90年代的决策支持模型, 进入2000年后的数据存储和挖掘, 到现在的大数据。大部分与大数据相关的技术和分析应用是从2010年左右出现的, 故大数据时代正处于发展初期。
1.3 大数据技术
大数据技术指从各种各样类型的数据中, 快速获得有价值信息的能力。适用于大数据的技术包括大规模并行处理数据库、数据挖掘电网、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。
大数据中的数据量巨大, 不仅包括结构化数据 (如数字、符号等) , 还包括非结构化数据 (如文本、图像、声音、视频等) 。使大数据的存储、管理和处理很难利用传统的关系型数据库完成。在大数据之中, 有价值的信息往往深藏其中。需要对大数据的处理速度非常快, 才能在短时间内从大量复杂的数据中获取到有价值的信息。
1.4 大数据挖掘
大数据只是一个简称, 没经过挖掘的大数据只是没有利用的资源。大数据不是指一般意义上的数据挖掘, 由于不仅是数据量太大, 而且往往包括数据的维度也很多, 人无法处理, 必须用电脑自动处理, 以挖掘数据中的规律。电脑根据简单而巧妙的算法, 进行数据统计, 找出规律。只需要对大量历史数据进行统计, 搜集很多的数据, 就能够找出其未来的走势。
1.5 大数据基本特性
大数据主要是进行预测, 预测未来将会出现什么样的结果。不是只分析出过去的走势和现状, 因为数据量非常大, 统计出来的结果更接近于现实, 也比较正确。
大数据重要的是新用途和新见解, 而非数据本身。大数据不是随机样本, 而是全体数据;不是精确性, 而是混杂性;不是因果关系, 而是相关关系。其基本特性为:数据体量巨大、类型繁多、价值密度低、处理速度快。
2 大数据适用于消防工作
2.1 大数据已应用于国内外政府部门
大数据有多个来源, 包括互联网、企业、政府部门等。企业、政府和研究机构都能够从他们搜集的海量大数据中获取价值, 大数据应用领先的国家已实施大数据应用项目, 以提高国家运行效率、透明度、民众福利和公共事务参与度, 确保经济增长和国家安全。
政府部门可与企业一样, 将大数据应用于公共服务部门, 政府能通过大数据完成目标、任务、决策制定过程、决策者、组织架构和战略。部分国家如澳大利亚、日本、新加坡、韩国、英国和美国等已开始应用大数据。
2.2 纽约消防利用大数据预测火灾地点
纽约大概有100万栋建筑, 每年其中3 000栋可能会起火。纽约消防部门认为可以通过数据挖掘, 分析各部门所储存的文件, 列出那些容易发生火灾的高危建筑物来达到预防火灾的目的。纽约消防部门采用了大约60个不同的要素做了一个算法, 该算法为城里的33万可检查的建筑物均算了一个危险系数, 其中包括区域居民平均收入、建筑物年龄、是否存在电气性能问题等。从这些数据里计算出火灾危险概率, 并依此由高到低进行安全性排查, 当消防人员进行每周的例行检查时, 电脑就会根据分析结果给出一个列表, 提醒他们应优先注意哪些建筑物。通过这一方式, 有效提高了消防员的工作效率。
2.3 智慧消防需要利用大数据
2013年, 受各地智慧城市建设热潮影响, 我国智慧城市投资增长率达到20.2%, 比2012年上升了5.3%。大数据作为构建智慧城市必不可少的技术在其中发挥着重要作用。在这一背景下, 消防部门应把大数据打造成提升消防工作的手段, 把大数据作为改进工作方式、指挥模式和管理方式的强大推动力。
2.4 大数据适用于火灾控制与防御
消防工作利用大数据能更有效地防范火灾。大数据虽然不能给出正确答案, 但在很多时候能去除错误答案, 可使消防工作更具效率。大数据的全面性对消防工作非常有帮助, 可以避免传统方法中抽样的局限性, 使消防工作全面利用有效数据。利用大数据对火灾预防和扑救行为进行积极主动的判断不同于传统方法, 通过大数据分析预测火灾、防止火灾发生将成为发展趋势。
3 大数据时代消防工作的机遇和挑战
3.1 消防信息化建设为大数据的应用提供了基础
近年来, 消防信息化建设快速发展, 消防计算机网络基本延伸至中队级, 大部分消防业务均实现了计算机管理, 如119接处警、重点单位消防管理、消防审核验收、社会单位消防监督检查、警力装备管理、灭火救援指挥等均已实现了计算机管理。这些业务系统的应用, 对提高消防工作效率和业务管理水平发挥了很大的作用。
3.2 大数据时代消防工作面临的问题
(1) 多年来, 各地消防部门建立了大量的业务系统, 积累了丰富的基础数据源, 但由于建设时期不同, 以及建设过程中受当时技术和认识的局限, 数据分布极为分散, 造成了过量的数据冗余和数据不一致, 使数据资源难以访问、管理并获得有效的决策支持。消防部队的信息通常是综合性的, 并且与业务需要紧密结合, 当前业务系统只提供了技术的基础保障, 数据只是存储在数据库中, 并没有建立起不同角度的分析主题。
(2) 目前, 已有的消防业务系统大都分散独立, 互联性差、信息管理分散, 数据的完整性、准确性、及时性等方面存在较大差距, 形成了许多信息孤岛, 缺乏共享的、网络化的信息资源。而且, 大量数据分别存放在不同的业务处理系统中, 无法及时获取并有效综合分析信息。
(3) 近年来, 各地消防部队三级网络建设工作已基本完成, 大部分单位都已将光纤接入网络, 但现有网络信息资源的利用不够, 简单应用多, 交叉重复也多, 大多数的建设停留在对现有业务的模仿和简单计算机化, 能支持管理和决策的应用少。
(4) 数据统计偏低, 数据利用落后, 数据的后期利用不足, 挖掘数据所蕴涵的各类深层次信息不足。如对火灾形势与地区自然条件、经济发展状况、城市化水平、行业分布特点等方面的关系缺乏深入研究与把握, 无法为消防工作决策提供有价值的分析信息。
(5) 统计人员素质良莠不齐。消防部队火灾数据的统计是通过基层大、中队采集而来, 但各基层大、中队火灾数据采集、审核人员缺乏专业的培训, 且流动频繁, 数据采集、审核人员的素质始终得不到质的提高, 经常导致统计数据混乱, 格式不能统一, 统计管理水平受到影响。
3.3 消防工作如何用好大数据
数据本身不产生价值, 如何分析和利用大数据对工作提供帮助才是关键。要充分发挥大数据技术在消防领域的作用, 必须摒弃业务部门自建自用的传统方法, 以适用于新时期消防工作需要。
(1) 广泛收集数据。消防工作中在应用大数据时, 不仅要处理多个来源、不同格式数据集成等一般问题, 而且还面临一些特殊挑战, 最大的挑战就是数据收集。因为消防工作中搜集的数据不仅来自多种渠道, 而且有不同的来源, 甚至涉及在不同的政府部门和机构之间分享数据, 需要通过多种方式采集或接收外部的资源数据。
(2) 充分用好数据。通过安全、稳定、跨系统、跨地区等的消防信息综合应用系统, 实现各子系统统一, 达到整个消防信息资源共享的效果, 奠定数据综合应用基础。通过大数据技术, 为消防各级领导决策和相关业务部门提供消防综合信息查询、分析。
(3) 有效利用沉睡的数据。应唤醒沉睡在消防部队、研究机构、检验机构、认证机构中的数据, 更好地为消防服务。现在很多数据都是孤岛, 将这些数据联系起来, 能使消防工作决策和判断更加准确。
(4) 发展和应用新技术。大数据能改进消防工作效率, 我们必须发展新的能力, 并采用新技术, 通过数据采集和分析, 将大数据转变为有用的信息, 为实时决策提供帮助和支持。
(5) 数据共享。消防数据资源不但要服务于消防本身, 还必须为整个社会提供及时有效的信息服务, 与其他政法部门、政府机关、社会单位实现安全、有效的信息共享。如综合利用数据库同步技术, 实现消防信息网数据库与共享平台数据库之间的双向数据同步。
3.4 大数据在消防工作中的应用前景
(1) 火灾统计分析方面。火灾统计是消防工作的基础, 准确真实的火灾数据是分析掌握火灾发生规律、反映火灾危害程度、辅助消防工作决策的主要依据。科学有效地对火灾数据进行统计, 对于研判火灾形势、准确把握火灾规律, 做好火灾预防、过程控制、火灾处置工作, 有效预防和遏止重特大火灾事故的发生具有重要的指导意义。利用大数据进行火灾数据统计和分析, 对提高消防决策能力、推进消防事业快速发展, 创造安全、和谐的社会环境有着十分重要的现实意义。
(2) 防火监督方面。利用大数据技术, 在防火监督工作中进行数据采集、分析处理, 能最大限度地利用各类数据资源, 延伸防火监督的触角, 提升防火管理的能力, 提高防火监督工作的效率。可以有效地做到全面、实时掌握各类场所的防火安全动态, 构建全面、实时的防火监督管理体系。
(3) 灭火救援方面。在建立健全火灾危险源、灭火救援预案、人员装备等基础信息库的前提下, 通过大数据的运用, 可有效整合各类数据资源, 提升灭火应急救援指挥体系决策能力和效率。
(4) 科学决策方面。利用大数据进行大规模的数据储存和管理, 全面的信息收集和分析处理, 使各级部门能及时、全面地了解各项业务的进展情况, 为人员管理、业务管理、后勤保障等提供科学决策的支持。
4 大数据时代消防工作需要解决的问题
(1) 注重数据保护, 保护数据安全, 为大数据时代的消防工作提供可靠网络环境, 降低数据存储的安全风险。构建全方位、纵深化、专业化的安全体系, 包括安全基础设施平台、安全应用支撑平台和安全网络防护平台, 用大数据分析的方法去发现一些潜在的威胁, 通过需求分析、风险评估、风险处理、策略评估等各种技术手段建立信息安全管理体系, 建立更高的安全防范。
(2) 培养数据意识和数据素养, 为大数据时代的消防工作提供思想保障。随着信息技术的飞速发展, 具备良好数据意识和数据素养, 建立用数据决策的理念, 是消防部门做好大数据时代消防工作的关键。要把大数据专业知识列入教育培训, 普及大数据知识, 宣传相关知识。
(3) 加强数据整合, 实现数据互联互通和充分共享, 为大数据时代的消防工作提供技术平台。应对大数据时代消防工作的需要, 进行部门间数据统筹规划, 建立应用系统之间的统一的技术和数据标准, 建立数据自动传递、有效的关联和共享, 消除数据孤岛, 建设统一技术平台。
(4) 加强人才队伍建设, 为大数据时代的消防工作提供优质智力支撑。大数据是一个综合性课题, 需要不同层级的人才, 开发和培养一支大数据人才队伍, 不断提高采集、挖掘、分析大数据的能力和水平。
摘要：对大数据背景及大数据挖掘, 大数据对消防工作的适用性, 大数据时代消防工作面临的机遇和挑战、需要解决的问题等进行了阐述。探讨通过借鉴其他领域的成功经验, 盘活各级消防部门、研究机构、检验机构、认证机构等部门的数据, 利用大数据发展我国的消防安全事业。
关键词：消防,大数据,消防安全
参考文献
[1]维克托-迈尔.舍恩伯格.大数据时代[M].杭州:浙江人民出版社, 2012.
