時間：2022-12-09 13:22:16
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇大數據論文，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
1國外研究綜述
1.1旅游網絡信息導引作用探究
近年來，國外學者針對無形信息流對有形人流的導引作用問題進行了有益探索，包括旅游網站信息對潛在游客導引作用的說明，旅游網站對有形人流的導引過程和導引機理分析。主要研究通過針對供需行為，對旅游網站在線服務能力和旅游網站使用者滿意度之間的協同關系進行了研究，并提出了反映網站信息流與現實人流關聯性的模型。
1.2基于網絡搜索數據的時空導引作用的定量估算研究
基于網絡搜索數據的預測研究始于醫藥領域，最早是利用網絡搜索指數提前預測出流感發病情況及流感的死亡率。在房地產方面也有類似的實證研究，發現網絡關注度對美國房屋的交易價格和交易量具有較強的預測能力；這些研究對基于網絡搜索技術的旅游行為預測研究起到促進和深化作用。在量化研究方面，主要集中在建立回歸分析模型，對美國零售業、房地產業、交通運輸業、旅游行業的產品銷量進行預測，在傳統的回歸模型的因變量中加入與預測對象有關的關鍵詞關注度指數，預測結果的精度均有較大的改善。國外在宏觀經濟領域，通過網絡搜索指數與宏觀經濟的研究主要集中在失業率、消費、股市指數、經濟現象和經濟衰退等方面。研究表明，在龐大的網絡搜索數據被網絡搜索工具記錄下來的過程中，這些龐大的搜索數據與現實的社會行為之間存在一定的相關性。在旅游網絡行為方面成果較少，大部分研究側重于網絡整體性信息與某些社會行為宏觀的、概括性的關聯性研究。
2國內研究綜述
目前，我國學者對大數據相關問題研究較多，應用在各個領域，在旅游方面的研究主要集中在三個方面：大數據出現后對旅游業帶來的影響研究；具體搜索引擎的數據與實際旅游市場需求的相關性研究；利用搜索引擎數據對旅游市場的預測方法研究。
2.1大數據對旅游業帶來的影響研究
伴隨著大數據、云計算的產生及在各個領域的應用，很多學者提出了旅游大數據的概念，并從旅游大數據的產生，旅游大數據的挖掘，旅游大數據的應用方面提出了見解。伴隨著網絡技術的發展，旅游企業及用戶對網絡的使用，導致旅游數據信息爆炸性的增長，旅游數據已經形成一個巨大的海量信息空間，這些海量數據的產生，如何應用這些數據，找出規律，應用在旅游業當中。在大數據的挖掘方面，大多采用關聯分析對旅游數據進行搜索，并從中找出出現概率較高的模式，或者通過數據的聚類與分類，分析旅游數據的相似性，為決策者提供決策支持。大數據在旅游行業的運用方面主要提出在旅游市場營銷，線路優化、挖掘有價值的旅游信息方面。
2.2具體搜索引擎的數據與實際旅游市場需求的相關性研究
在大數據與實際旅游市場相關性研究方面成果較多，在搜索引擎的的選擇方面，國內研究大多選擇百度指數這種海量免費數據，并通過百度指數的搜索量和實際游客量之間的關系分析，主要研究體現在：搜索關鍵詞的選取技術；網絡信息流和實際游客量之間存在正相關性，網絡空間信息流是一種重要的“前兆”導引現象。對關鍵詞的選取，大多數研究中采取根據旅游活動的六大要素，或通過問卷調查、關鍵詞推薦的方法獲得；大多數研究選取了五一、十一等主要節假日的客流量及網絡關注度進行對比，發現旅游網絡關注度和景區客流量之間存在正相關關系；旅游者在產生旅游需求的前提下，通過網絡提供的旅游信息進一步了解旅游地概況，為其旅游的目的地，因此，旅游者對旅游網絡信息的關注度一定程度上昭示其出游行為，基于此，旅游信息流又是重要的旅游客流的“前兆”。
2.3運用大數據進行景區旅游市場預測的研究
對于旅游市場的預測研究成果較多，大多數研究都采用歷史數據對未來游客量進行研究，在預測方法上不斷創新，但在數據的選擇上面基本停留在使用歷史統計數據。運用大數據進行旅游市場預測研究的研究成果較少，大多數還停留在相關性研究方面。黃先開以北京故宮為例，建立了沒有百度關鍵詞和加入百度關鍵詞的兩種預測模型并進行了預測精度比較。運用帶有百度關鍵詞的模型可以實現利用當天及滯后1～2天的百度指數數據預測故宮當天的游客量，不僅增強了預測的時效性，還可以更加及時、準確地為故宮景區管理部門提供決策的依據。
3結論
(一)反饋信息電子化物流信息化、電子化是電子商務物流的基本要求，是以電子計算機為主、以各種電子設備為輔助工具的物流信息形成、傳遞、儲存的管理方式，不同于計算機誕生之前物流信息反饋主要通過書面、口頭形式進行傳遞和儲存。物流信息作為企業信息化的重要組成部分，物流信息電子化減少了企業組織的差旅費用、提高了工作效率、降低了勞動強度、減少了污染和擁擠等等。但是，電子化的信息出現了泛濫、甄別困難等問題，同時計算設備的損壞可能導致大量信息的損失等。在電子商務時代，要提供最佳的服務，物流系統必須要有良好的信息處理和傳輸系統。
(二)反饋內容全面化云計算的出現，為處理大量不規則的“非結構數據”提供了技術方法。以云計算為基礎的物流技術，可以便宜而有效地將物流活動中大量、全面、多變的數據內容存儲下來，并隨時進行分析和計算。這些技術主要有數據采集技術、數據存儲技術、數據交換技術、數據處理技術等。采集技術有傳感器、掃描儀等，在物流中移動數據采集器(MDE)經常用于對倉庫庫存的盤點或者貨架上預訂數據采集，該技術在運輸部門或者外部服務也有重要的價值。另外，電子數據載體如芯片、程序化數據載體(PDP)、移動數據存儲器(MDS)及衛星接收發送裝置，可以超越數米的距離進行讀取、編輯和存儲;電子數據交換(EDI)可以節省時間、提高質量和降低成本。物流信息技術是物流現代化的重要標志。
(三)反饋速度迅捷化電商物流服務業不同于傳統物流服務業，快速反應是電商物流企業的核心競爭力。電子商務物流重在提供及時的服務、信息和決策反饋。目前，在大型的配送公司里，ECR和JIT系統使得顧客化服務得以快速響應。ECR即有效客戶信息反饋，據此可做到客戶要什么就生產什么，而不是生產出東西等顧客來買。物流企業快速反應的影響因素主要有信息系統、顧客服務、時間管理、成本控制、物流硬件、協調控制和物流人才等。
(四)反饋信息社會化在我國，企業甚至是上市公司信息披露不足，而數據、信息共享是電商時代的趨勢和必然。因此，如何建立信息處理系統，及時獲得必要的信息，對電子商務物流企業來講，是個時代的考驗，更是個難題。在將來的物流系統中，“24小時送達”成為物流配送的極致追求，搭建社會化物流平臺成為電商企業共同的事業。阿里巴巴從2011年開始規劃的天網地網，就是要做一個信息平臺，向物流合作伙伴開放相關信息接口以分享數據。數據服務是阿里巴巴物流戰略核心，更是未來大物流系統的支撐。未來物流系統的輸出內容———信息，可以當作獨立的商品或者作為商品成分進行出售。
二、電子商務物流服務業的反饋機理
反饋是大數據時代物流組織受社會需求推動，為了滿足企業和消費者的個性化需求，運用收集、存儲和融合信息的技術方法，引發的以數據化為核心的物流管理變革。隨著互聯網在經濟與社會活動中的廣泛滲透，將電子商務物流產業發展推向新的高度，其發展日益受到政府、企業、消費者和環保主義者的廣泛關注。企業和消費者的滿意度，取決于快速響應的物流管理系統。
(一)電子商務物流服務流程電子商務物流服務流程，可以用圖直觀表示，通過流程圖可以窺見電子商務物流的反饋流程和反饋形式。圖1融合了B2B、B2C、C2C交易的物流服務流程，不同的電子商務模式交易特點不同，但都具備總物流量大、服務范圍廣的特點，服務內容和服務特點基本相同，物流服務一般都采用第三方物流。B2B和B2C電子商務物流關鍵在遠程運輸，而C2C的關注點在末端配送。
(二)電子商務物流反饋內容電子商務物流服務內容涵蓋了訂單管理和數據分析、倉儲與分揀、運輸配送與交付、逆向物流服務、回收物流服務和客戶服務。可以講，電子商務物流服務內容有多廣，物流系統反饋的信息內容就有多豐富。物流系統會對顧客提交的訂單相關數據進行分析，透過分析報告可以幫助制造商以及經銷商及時了解市場，便于隨時調整市場推廣方法;電子商務物流系統可以對倉儲和分揀中心進行監測，提供有效的庫存管理信息，使制造商或者經銷商保持合理的庫存;電子商務物流系統通過網絡將供應鏈節點信息進行集成、整合，將實物庫存信息化作為虛擬庫存;運輸配送與交付環節，通過融合多種終端技術采集物流信息并進行綜合處理，增強了物流企業對物流配送過程的可控性，消費者則通過互聯網對配送企業和商品“寶貝”信息流動實時狀態了如指掌;電子商務的逆向物流反饋服務關鍵在提高顧客滿意度。當然，隨著環境保護的加強，廢棄物處置問題不斷受到關注，物流系統必須提供回收服務物流服務，這有利于提高物流企業在電子商務市場上的低碳競爭力。追求客戶滿意，挖掘潛在需求是電子商務物流企業不斷創新的動力。
(三)電子商務物流反饋技術物流技術指物流活動中所采用的自然科學與社會科學方面的理論、方法，以及設施、設備裝置與工藝的綜合。而電子商務物流反饋技術，主要指物流服務流程中物資信息的收集、存儲和融合方法。先進的信息融合技術提高了物流系統的信息處理與控制能力，使物流配送信息的交互和處理跨越時空限制，通過終端物流信息反饋與融合，實現信息到實際操作的高速轉換，為物流企業決策層提供信息支持，從而不斷提高物流企業的服務能力。常用的物流信息反饋設備有:各種傳感器、GPS定位設備、射頻識別設備、掃描器等;信息融合方法有:嵌入約束法、證據組合法、人工神經網絡法等;信息傳輸交換技術有:計算機網絡技術、電子數據交換技術等。
三、對大數據時代電子商務物流行業發展的建議
大數據作為信息革命的第二個，為電子商務物流行業的發展提供了廣闊的空間。電子商務物流行業必須樹立并強化數據優化行業的理念，以大數據的眼光，加強大數據研究，為客戶提供更先進、增值性的服務。
(一)樹立并強化大數據理念現代物流的發展趨勢是全球化、信息化、系統化、標準化和多功能化，而數據化則是現代物流的核心。當前電子商務物流體系雖然在業務經營中加強了對數據的分析和應用，但缺乏對大數據應用的戰略性思考和主動挖掘意識。信息采集較多，但深度加工挖掘較少，導致大量的數據信息成為“睡眠數據”而不能發揮其應有的價值。客戶細分不夠精準，沒有在業務營銷和客戶關系管理活動中運用科學模型，缺乏對客戶服務需求的偏好判斷和消費行為習慣的細分。在大數據時代電子商務物流的發展必須要有效整合大量的數據，通過各種分析模型，將數據轉化為信息資源，只有這樣才能將大數據作為戰略性資產，為行業管理和決策提供強有力依據。
(二)開拓新的數據服務市場目前，電商業、物流業的發展呈現跨界競爭，電子商務企業進軍物流行業，物流企業開發電子商務，行業間呈現交叉融合發展。當大家的目光還停留在究竟是做電商賺錢還是搞物流賺錢時，我們可將大數據看成一個大市場，聯合電商業、物流業、銀行業乃至通訊業合作，通過各大行業間的數據存儲、加工、分析、融合，形成大數據產品，提供大數據服務，開辟數據服務市場。
近年來，隨著互聯網技術的發展，大數據越來越受到關注，其應用逐步滲透至多個行業，開啟了全新的數據時代。數據是征信業務開展的基礎資料，征信活動主要是圍繞數據進行采集、整理、保存、加工，并最終向信息使用者提供。大數據不僅為征信業發展提供了極為豐富的數據信息資源，也改變了征信產品設計和生產理念，成為了未來征信業發展最重要的基石。我國征信業發展尚處于起步階段，在大數據時代存在征信法律制度和業務規則不夠完善、征信機構數據處理能力有待提高等問題。未來征信業面臨的機遇和挑戰并存，研究大數據時代征信業的發展具有重要意義。
大數據時代征信業面臨的機遇和挑戰
目前，對大數據無公認的定義，一般認為大數據是指所涉及的資料量規模巨大到無法通過目前主流軟件工具，在合理時間內達到擷取、管理、處理、并整理成為服務于經營決策的資訊。大數據的出現，使征信業發展面臨的外部環境發生了巨大的變化。
(一)大數據時代征信業面臨的機遇。
1.優化征信市場的格局。
隨著征信機構市場化運營機制的確立，將會有更多信息資源優勢的企業借助互聯網、大數據等信息技術的創新進步，從征信業薄弱環節切入，通過服務創新或產品創新打破原有的征信市場格局。一是電商企業將組建征信機構。以阿里巴巴為例，其利用淘寶、天貓、支付寶平臺上的行為數據和信用情況，建立成了涵蓋數十萬企業的數據庫，具備了開展網絡征信服務的基礎和實力。二是金融機構建立征信機構。例如平安集團擬整合網貸信息、銀行信貸信息、車輛違章信息等，建立金融數據挖掘中介機構。三是新型征信機構應運而生。一些大數據公司依靠技術手段，以電子商務、社交網絡為平臺，采集信息，提供信用信息服務，可能成為新型的征信機構。
2.推動征信業的轉型升級。
大數據給征信業帶來轉型升級的歷史機遇，未來的征信業將以智能數據分析系統為平臺，利用大數據挖掘技術，支持征信業發展創新。大數據支持征信業升級和轉型主要體現在二個方面。一方面大數據促成征信業建立全新的風險控制體制，向有效監管轉型。大數據技術對客戶信用信息進行深度挖掘，實時監控，防范潛在的信用風險。另一方面大數據支持征信機構向精細化管理轉變。大數據的核心優勢在于信息挖掘，精細化管理的首要條件是充分信息化，包括業務信息化和管理信息化。
3.促進征信業差異化競爭。
征信機構通過采用不同的數據來源，不同的數據處理方式，針對不同的客戶，開發出不同的產品，滿足不同層次客戶的市場需求，實現差異化競爭。例如，金融機構對征信服務的需求將從單個借款主體的信用報告，擴展到運用信用信息拓展網絡影響和金融服務渠道。P2P網絡借貸、電商金融等業態需要借助信用信息共享防范風險，降低交易成本。
4.拓展征信數據來源。
大數據使征信數據來源呈現多元化、多層化和非結構化的特點，更加全面和真實地反映信息主體的信用情況。征信機構從在政府部門、金融機構等實體機構中采集信息，轉向從互聯網等虛擬世界中獲取信息。在數據采集的廣度和深度上，征信數據量將激增，采集包括證券數據、保險數據、商業信用數據、消費交易數據和公共事業繳費數據等，全面地覆蓋與信息主體相關的各項因素。
(二)大數據時代征信業面臨的挑戰。
1.現有征信業務規則與大數據時代不匹配。我國有關征信業的法律法規的規制對象主要是傳統金融領域，《征信業管理條例》及其配套制度初步構建了我國征信業的法律法規框架，但是《征信業管理條例》是否滿足大數據時代征信業務的規則要求，尚未得到市場驗證。目前，缺少對大數據時代征信活動的規范，如有關大數據采集、整理、保存、加工和處理的制度要求。因此，還需要進一步細化和完善征信業務規則，以更好促進大數據時代征信市場的發展。
2.征信業監管技術和水平需改進。大數據時代給征信業發展帶來深刻影響，同時也對征信業監管提出了更高的要求。要適應大數據時代的征信監管需求，征信監管水平要能跟上大數據征信的發展水平，監管政策要符合大數據的基本規律，監管人員要具有適應大數據的知識和能力。在行業自律監管方面，我國行業監管尚未發育成熟，行業標準尚未統一，行業規范以及行業職業道德等內容尚未完善。
3.信息安全和隱私保護形勢嚴峻。隨著數據的進一步集中和數據量的急劇增長，對海量數據進行安全防護變得更加困難，數據的分布式處理也加大了數據泄露的風險，隱私保護和數據安全成為制約大數據發展的瓶頸。大數據時代下的征信業同時具有了大數據和征信兩個特性，對隱私保護和數據安全的要求更高。
4.數據處理能力亟待提高。如何有效處理大數據，是大數據發揮作用的重要環節。益百利等大型征信機構在數據處理方面已經采取多層次數據挖掘等先進技術，利用私有云平臺，對系統中海量數據進行處理和研發，減少主觀判斷，提高風險預測的準確性。但是目前我國征信機構發展起步較晚，缺少對數據處理的核心技術，導致數據分析結果不能夠準確的識別個體或組織的行為。
5.硬件基礎設施需要全面升級。過去征信機構存儲征信數據主要是在本地建立數據庫，大數據時代隨著數據量呈幾何級數的增加，征信機構硬件技術的發展已經跟不上數據容量的增長速度，數據存儲面臨較大壓力。
大數據時代征信業發展的措施與建議
隨著大數據時代的到來，未來征信業發展要從制度設計、技術進步、信息共享、監督管理、隱私保護等方面不斷創新，促進征信業在大數據背景下的跨越式發展。
(一)建立符合大數據的征信法律制度和業務規則體系。現有的征信法律體系都是基于傳統數據模式下制定的，難以滿足大數據等新技術條件下征信業發展的制度需求。在征信業務開展過程中，大數據的收集使用可能涉及國家信息安全、企業商業秘密、公民隱私等，為了給大數據條件下征信業發展提供制度保障，需要從征信立法層面完善信息安全和數據管理的法律制度，明確大數據背景下數據采集、整理、加工、分析、使用的規則，確保大數據時代征信業發展有法可依。
(二)加強征信產品創新。隨著可獲得的數據量呈幾何倍數的增加，征信機構通過深度挖掘和使用這些數據，就可以極大地拓展征信產品的種類，不僅能夠提供信用報告查詢等基礎服務和產品，還可以提供其他綜合性產品，滿足社會各界的需求。從征信產品的滿足層次高低的不同，可以分為宏觀、中觀和微觀的征信產品。宏觀層面，征信機構通過大數據分析可以對系統性、全局性的風險信息進行預測。中觀層面，征信機構的海量數據包含大量時效性和政策含義都很強的信息，可以靈活多樣地進行多維度組合分析。把這些信息整理和挖掘出來，建立對應的指數體系，有助于行業監管。微觀層面，在信用主體(包括企業和個人)同意的前提下，征信機構可以提供每一個信用主體的信用報告、信用評分、身份驗證、欺詐檢測、風險預警、關聯分析等多種數據服務。
(三)提高大數據技術處理能力。大數據價值的完整體現需要多種技術的協同。數據抽取與集成、數據分析以及數據解釋，是大數據時代征信數據處理的三個重要環節，在數據處理過程中搜索引擎、云計算、數據挖掘等新技術使用必不可少。因此，征信機構要加大數據處理分析專業人才隊伍的培養，同時要引進大數據處理的專業方法和工具，建立前瞻性的征信業務分析模型，更好的把握、預測市場和信息主體的行為。
(四)健全大數據信息共享機制。完善的大數據標準體系是推進數據共建共享的前提。目前，我國來自各行業、各渠道的數據標準存在差異，成為阻礙數據開放和共享的關鍵瓶頸。建議盡快統一標準和格式，以便進行規范化的數據融合，提升大數據的整合能力，打破資源部門間的信息孤島，從而完善信息共享機制。
（一）保險業應用數據的傳統
對于傳統型數據的應用，保險業有著悠久的歷史。人們在長期的生活實踐中總結發現，在隨機現象的大量重復中往往會出現幾乎必然的規律，這種規律即大數法則或大數定律。概率論中的大數法則就是保險人計算保險費率的基礎，只有在承保大量風險單位的情況下，大數法則才能顯示其作用。根據大數定律的另一個特點，風險單位的數量越多，風險的預期損失就越接近實際損失。保險人正是憑借這種方法比較精確地預測風險，合理厘定保險費率。長期的數據分析傳統不僅為保險業積累了許多數理分析人才，同時也養成了保險業數據分析的傳統和習慣。這些都為保險業應用大數據墊定了良好的基礎。
（二）保險業應用大數據的硬件條件
數據具有大量、高速、多樣、價值的特點，這說明大數據中的數據具有即時性而不是一成不變的，數據量龐大而復雜，對處理分析能力有很高的要求。保險業雖然有很豐富的對傳統數據的數理分析經驗，可是對超大型數據的分析必須依賴專業的存儲技術和計算技術。保險公司需要先租賃互聯網企業專業的數據存儲設備，運用互聯網企業的云計算分析能力對數據進行計算，尋求想要的信息。
（三）保險業應用大數據的軟件條件
近年來，許多有過傳統數據分析基礎的人，開始關注大數據的分析，一種新的職業也隨之誕生，即“數據科學家”。與傳統科學家不同，數據科學家還需要有互聯網思維、懂軟件程序和統計學。大數據技術僅僅為我們提供參考數據，它是一種信息資源，是一種幫助人們理解世界的工具，但是它不解釋信息，對數據的分析解讀仍然需要專業人才來進行。由于保險公司的經營方式、經營基礎、經營環境和經營對象等方面與其他企業存在明顯差異，保險公司應該成立自己的數據分析部門，培養了解自己行業的專業數據分析人才。
二、大數據在保險業中的應用——以眾安財險為例
（一）眾安財產保險公司背景
眾安財產保險公司（下文簡稱“眾安”），是我國首家互聯網保險公司，是保險業與互聯網業合作的一種大膽嘗試。眾安保險是由平安、阿里巴巴、騰訊等國內知名企業發起，保監會批準成立的網絡保險公司，公司的注冊資本金10億元人民幣。眾安作為一家互聯網在線財產保險公司，完全顛覆了我國現有的保險營銷理賠模式，不設任何的地域性分支機構，而是完全通過互聯網實現銷售和理賠。這一轉變是對保險業運營模式的大膽嘗試。
（二）大數據在眾安財產保險公司的應用
1.大數據在業務費率制定中的應用。
傳統的費率厘定是通過分析這一類人的風險發生概率，再根據風險發生的概率厘定這一類人的保險費。獲得的數據量越大，在數據中獲得的有效信息也就越多。眾安在擁有龐大的有效數據和云計算能力的前提下，有能力將費率的厘定更加具體化，由一類人細化到幾十個人甚至一個人。隨著風險的復雜化，平均費率已經不能準確反映每個成員的風險發生概率，一些細微的個人生活習慣往往就會增加發生風險的概率，支付寶、淘寶、微信等APP已經成為每個人生活的一部分，對這些功能性APP的數據進行整理分析，可以細化人群，分析使用者的生活習慣，通過對客戶生活習慣的分析，一方面可以細化同類人群，另一方面可以更準確地評估人群將會面對的風險。
2.大數據在客戶服務中的應用。
客戶關系的維護，除了即時快速解決客戶的問題之外，還需要根據客戶的不同投其所好，提高客戶消費的滿意度，從而提高客戶的忠誠度。眾安財險的龐大數據量中，記錄了許多客戶的日常生活數據，大到瀏覽、交易記錄，小到登錄社交網絡的時間，就像現在許多APP或者門戶網站所推出的根據瀏覽的記錄對你進行你可能喜歡商品的推薦。眾安通過對客戶在淘寶、支付寶、微信等多家公司的各種信息數據的收集分析，有能力分析出一個客戶的個人喜好、經濟水平、生活習慣和生活規律。在客戶需要服務的時候及時為客戶解決問題，甚至在可能發生問題前對客戶進行提醒，避免損失的發生。對龐大的客戶群體施行這一行為是傳統保險業客戶服務部門無力為之的。眾安良好的數據分析能力，合作伙伴的強大數據收集能力，都能有效提高眾安的預測能力，并為眾安帶來質的變化。
3.大數據在業務開拓中的應用。
眾安通過大數據分析，獲取客戶需求、心理等方面的信息，獲取潛在的目標客戶，進行有針對性的行銷策略，力求達到事半功倍的效果。良好的市場細分可以合理分配公司的營銷資源，避免不必要的資源浪費，在尋求經濟收益增長的前提下控制成本。優質的數據加上強大的數據分析能力，使得眾安在對客戶的了解和對市場的預測方面有著其他傳統公司無法比擬的能力。
（三）實例分析總結
一、大數據開辟未來數字出版中的應用方案
1.進行銷售的精準策劃當前數字出版企業的競爭十分激烈，推出新的產品會有一定的風險。數字出版生產商必須在推出產品前建立一定的品牌形象，以此來減少產品的風險，增加產品的市場競爭力。在大數據的背景下，數據具有很強的經濟價值。理論指出，行動是一個人的意愿決定的，這個意愿是個人對社會行為的態度和社會反映。傳統的營銷方式僅僅關注消費者的話語表達，而從話語中不能深層次觀察出受眾的心理。利用大數據預測用戶行為時，要詳細了解消費者對事物的態度和消費意愿，關注消費者的心理訴求。對消費者進行數據分析，整合一定的碎片信息，通過相關計算得出消費者對消費物的態度。和傳統的抽樣調查相比，數字出版企業利用大數據能夠十分準確地把握消費者的具體組成和各個階段的心理需要，并重新調整經營手段，以此來階段化調整數字出版各個階段中的內容比重，針對性地提供服務，增加消費者的粘合度。《衛報》是英國第二大日報，是業界使用新技術的重要先鋒，其網站設置了專門的數據頻道。其總經理發表了《數字新聞讀者的“大數據”蘊藏巨大價值》，認為“大數據”可應用在媒體行業中，消費者的“大數據”隱藏很大的價值，不少數據能夠吸引受眾，并為內容商帶來利益。
2.針對消費者個性需要推出產品個性化貫穿于整個信息化過程中，大數據能夠將數據推向一個個性化方向，“這種個性化是基于系統通過分析讀者閱讀行為、喜好，從而獲得對用戶需求的感知。每個讀者獲得專屬于自己的書，就是這種個性化服務的一種典型體現。在技術意義上，這種模式是能夠成為現實的。”針對消費者的個性化需求推出產品，消費者肯定會購買，當消費者對滿足個性化的產品滿意時，數字出版的內容也能實現其價值，整個企業能獲得一定的進步。消費者接觸各種營銷推廣信息時，消費者的情感態度、認知行為會發生一定的變化，對于這種變化，傳統的小規模范圍內的問卷調查無法獲得準確的信息，根本做不到監測全部，大數據背景下的網絡平臺將發揮出巨大的作用。淘寶每天會遇到幾億用戶，每個用戶具有不同的愛好與特征，淘寶將消費者的信息搜集起來，進行大數據分析，根據消費者的個人需要再去投放最合適的個性化產品廣告，從而達到淘寶銷售傳播的效果最大化。建設個性化的數字出版平臺能夠把消費者和出版的企業聯系起來，這點在當今大數據時代具有很重要的意義：數字出版的個性化平臺要和各種終端（手機、IPad）、社交媒體（微信、微博、論壇）進行無縫連接，促使消費者得到快捷的閱讀和便利的分享體驗。數字出版內容的個性化定制購買與在線支付緊密聯系在一起，這樣，消費者就能輕而易舉地購買產品。個性化數字平臺和數據分析商進行鏈接，實現消費者的體驗需求。例如，對于收費電子書，可以提供部分章節讓讀者進行閱讀，這些電子書能夠在被閱讀時隨時評論和分享。當讀者在閱讀時，平臺能夠及時收集到數據，關注到讀者的靜態與動態，讀者的年齡、性別、收入、學歷、地點、工作、讀完免費部分會不會購買后繼章節、讀者一般在一頁上停留的時間長短等信息全部被搜集起來，通過綜合信息來分析和判斷用戶的經驗。對于具有語音交互功能的數字出版App，數字出版商可以聯合智能手機、IPad等閱讀端的觸摸屏、麥克風來監測用戶的使用時間和場景，利用監測數據來評定這個App的質量。
3.優化研發生產整體平臺在現代數字出版企業管理過程中，數字出版產品自開始研發階段，就由RDM（ResearchDevelop-mentManagement研發管理系統）進行管理，生產過程一般由ERP（EnterpriseResourcePlanning企業資源計劃系統）和數字化制作工具管理，供應鏈由SCM（Supplychainmanagement供應鏈管理）進行管理。如果使用系統對整個產品研發生產整體流程進行分析，就類似于將整個研發生產的整體流程進行擴大分析，并抽取精華進行觀察，這對優化整體流程，提高產品的質量與生產效率具有很大的意義。產品研發過程中，可以實時利用大數據一起來建設協同編纂平臺，在這個平臺當中，作者、生產商、編輯、校對、平臺商等相關工作人員可以一起進行協同編纂，并進行協同，形成新的BPP（BusinessProcessPlatform企業業務流程平臺）。在這個協同編纂平臺中，作者、生產商、編輯、校對、平臺商等相關工作人員在工作過程中產生大量的非結構化數據。利用大數據對這些非結構化數據進行分析，往往能發現文本中的常見錯誤、制作中的瓶頸、工作人員能力的欠缺等，相關工作人員從而可以在后繼的工作過程中拾遺補缺，調整工作方法，采取措施進行應對。當今諸多消費者不愿付費閱讀的問題也可能會被較好地解決。鑒于協同編纂的興起，數字出版企業就能根據目標消費者閱讀需求來開發數字產品，注意產品的設計者、生產商、編輯、校對、平臺商等每個環節工作人員與消費者之間的互動情感，對消費者的反饋信息進行開發，反思協同編纂中哪些工作環節導致消費者付費意愿不高，促使開發消費者付費心理的問題在根本上得到重視，這樣，消費者就會擁有付費的意愿。
4.國有數字出版媒體利用大數據做出表率我國的國有數字出版單位屬于“事業性質，企業管理”，同樣也受到大數據的影響。國有數字出版單位生產力的未來提升，必然和大數據的獲取、釋放緊密相關。西方的媒體、政府、公民三者實行“媒體-政府-公民”三足鼎力趨勢，三者之間保持相對獨立，媒體得不到政府的資金或數據支持。我國的國有數字出版單位來源于國有傳統媒體，充當著黨和政府的喉舌，比其他商業媒體容易獲得大數據。國有數字出版單位在不違背保密原則的前提下，應該盡可能和政府保持溝通，獲得一個議題的全部數據，分析相關性，并最后釋放到產品生產，這樣就能在和他國媒體、其他商業媒體的競爭中保持自身的優勢。國有數字出版單位對數據的獲取和釋放有著一定的依賴度：國有數字出版單位依賴政府收集數據的程度，國有數字出版單位依賴政府釋放大數據的程度。大數據時代，國有數字出版單位的力量想壯大，數據權限的獲取和釋放程度是很重要的方面，國有數字出版單位在優先利用大數據將自身產品做大做強時，也就為其他商業媒體做出了表率，提示了一定的經營路徑。
二、未來大數據技術在數字出版中存在的缺陷與挑戰
1.部以XML格式輸出———該問題成為當前大數據技術中的重要難題。依托大數據，從龐大的非結構化數據中來揭示新的意義和關系，并實現精準生產和精準營銷是當下數字出版面臨大數據而努力的方向。只有完善的XML格式輸出技術，未來的數字出版才能做到聚類分析、聚類融合、網絡分析、數據集成、可視化分析等。
2.收集渠道閉塞搜集各種信息來完成大數據采集是數字出版未來的趨勢，但目前的數字出版信息搜集仍存在一些缺點：數字出版產品在整個研發、生產、銷售過程中還沒有徹底完成信息化經營，整體搜集難度顯得較大；數字出版的云存儲平臺根本不具備海量存儲功能；數字出版中的內容商、平臺商還沒有完全轉換成數據提供商，因此，他們無法及時獲取數據；當前的數字出版產品無法記錄消費者使用過程中的痕跡，因此即使數字出版中的內容商、平臺商變成數據提供商，也無法記錄數據。
3.高端數據分析人才極其匱乏對大數據進行分析，熟練運用Hadoop、MapRe-duce、分布式文件系統、并行計算框架等技術的人才十分缺乏，而很多高校的計算機和出版專業也沒有專設數據分析研究方向來培養學生，這也直接導致數字出版領域的高端數據人才匱乏不堪。
4.數字出版商仍舊無法轉變經營思路從數字發展趨勢看，數字出版商要高度重視數據的搜集、整理和應用。目前數字出版內容商、平臺商仍舊將自己的經營思路定于原始粗糙的財務分析軟件分析基礎上，沒有從戰略高度看待大數據的到來，沒有意識到大數據對整個數字出版經營的重要價值。利用大數據進行產品設計、廣告開發、效果測定、企業改革，需要一定的管理與經營思路轉型。
作者：楊曙單位:常州工學院人文社科學院
個性化教學就是尊重學生個性的教學，必須根據每個學生的個性、興趣、特長、需要進行施教，亦即學生需要什么，教師便授予什么，學生完全是一種自主性的學習。個性化教學也就是孔子所倡導的“因材施教”。那么，在大數據時代的今天，作為教師如何實施個性化教學，從而實現因材施教呢？
1.利用大數據的規模性了解學生差異。
每個學生都是不同的個體，有著鮮明的個性，因此，作為教師，首先要做的就是深入了解學生，這樣的教學才有針對性。大數據的特征之一就是規模性，規模性指的是巨大的數據量以及數據規模的完整性。因而，教師完全可以憑借數據庫中巨大、完整的數據了解學生諸如家庭背景、努力程度、學習態度、智力水平、認知水平等數據。教師只有真正了解了學生的發展情況，才能制定合適的學習計劃，學生才會對學習產生興趣，才會進步。
2.利用大數據的高速性營造和諧氛圍。
美國心理學家羅杰斯曾說過：“成功的教學依賴于一種真誠的尊重和信任的師生關系，依賴于一種和諧安全的課堂氛圍。”課堂上，讓思維的火花翻新，讓智慧的結晶生輝，讓課堂百花齊放，形成師生互相尊重與信任的氛圍，這應該是最理想的課堂狀態。大數據的特征之二就是高速性，高速性指的是數據流和大數據的移動性，現實中則體現在對“實時性”的需求上，即能在第一時間抓住重要事件的發生信息。課堂上，教師可以利用大數據的這一特征，時時關注學生多樣性學習動態，包括學生不同的表達方式、不同的解題思路、不同的探究結果，對有獨到見解的要實時鼓勵，對有誤解偏差的要實時糾正，對有需要完善的要實時補充，如此，學生才能積極主動、充滿自信地學習。
3.利用大數據的多樣性選擇學習方式。
個性化教學的落腳點是實現個性化的學習，教師應鼓勵學生選擇自己喜歡的學習方式。學習方式是學習者一貫表現出來的具有個性特點的學習策略、學習傾向的總和。選擇自己喜歡或習慣的學習方式，對學習者而言能達到事半功倍的效果。大數據的多樣性，指的是有多種途徑來源的關系型和非關系型數據。互聯網時代，各種設備通過網絡連成一個整體，這意味著數據的種類變得繁多，除了簡單的文本信息外，還可以對傳感器數據、音頻、視頻、日志文件進行點擊，獲取可用的信息。這個時候，教師鼓勵學生選擇自己喜歡的方式，自己感興趣的數據，個人或小組均可，開始或自主或合作的探究學習，完成學習目標，提高綜合學習能力。
4.利用大數據的價值性落下點“睛”之筆。
任何學生的學習活動終究離不開教師的點撥與引導，唯有這樣，方能醍醐灌頂，學有大成。互聯網女皇marrymeeker在2012年論及互聯網發展趨勢中，用生動的圖像來描述大數據的價值性：一幅是整整齊齊的稻草堆，另一幅是稻草堆中一根縫衣針的特寫。寓意是通過大數據的幫助，可以在稻草堆中找到你所需要的東西，哪怕是一根小小的縫衣針，這就是大數據的價值性。那么，在課堂上，教師可以利用大數據的價值性，呈現出不同層次的難點予以解決，對不同層次的學生狀況予以評價、對不同層次的學習能力予以拓展。
二、個性化教學應注意的幾個問題
1.忌從數據化回到數字化。
數據化和數字化的區別在于，通過數據我們可以了解并理解一個學生，而通過數字我們只能看到一個學生的表象，這對學生的發展是絕對沒有好處的。我們不得不承認在實施素質教育的今天，仍有一部分教師注重應試教育，看分識人，唯分對人，不習慣、也不喜歡看數據評價，這便與大數據時代下個性化教學相悖了。
2.個性化教學不是對傳統教學的全盤否定。
（一）數據深度挖掘與預測研究對海量數據進行挖掘，分析、提煉出有價值的信息，一直是交警總隊在常態交通管理中努力和不斷嘗試并力求達到的分析動態化、管理精細化的目標。在交通事故預警方面，我們通過對370余萬條交通事故的地點、人員、車輛等信息分析，每年市、區兩級事故易發或死亡人數較多的“黑點”，由總隊定期督促屬地交警支（大）隊限期整改。針對一段時間內本市欺詐通事故（俗稱“碰瓷”）高發的情況，我們建立并不斷補充完善了事故“碰瓷”嫌疑人員和車輛黑名單，通過提前預警、發案比對等方式累計鎖定相關嫌疑人415人，取得了很好的成效。在交通狀況評價方面，我們以道路擁堵程度、交通事故數量為主要評價要素，創新性地將各區（縣）地面道路和快速路的整體交通情況以“指數”的形式分色展現，供業務部門和支（大）隊參考。為掌握全市快速路交通流結構和集散規律，我們利用分布在中環及中環以內快速路上約300個斷面構成的車牌識別系統實時采集流量數據，開展了集散性OD分析的探索，即將全市快速路網劃分成20個“小區”，通過數學建模和車輛信息的跟蹤，展現各“小區”間交通流轉移的時空分布特征，為擁堵成因分析、排堵預案制定等提供參考。在道口安保方面，我們通過對歷史數據的分類統計、比較，研究制定了重大活動安保工作的道口查控方案。2010年上海世博會舉辦前夕，時任市委書記的俞正聲同志在G15沈海高速公路朱橋檢查站現場，對“車駕查控系統”的技術架構、實時運作以及海量數據的采集、分析及應用狀況進行了詳細調研，當即要求我們研發“世博道口通行證管理及不停車安檢系統”。上海世博會期間，該系統累計實時關聯10多個數據庫，核發297.7萬余張通行證，不僅將進滬車輛安全審核檢查關口前移，還通過利用“車駕查控系統”的實時比對功能，既做到了“持證”車輛的快速通行，又實現了“逢疑必查”的目標。世博期間，系統比對命中有關車輛1.5萬余輛次，有效提升了民警的工作效率和打擊精確度，同時也對預防和緩解全市各道口因安檢引發的大面積擁堵問題起到了積極作用，減少了道口現場安檢壓力及對交通的影響，得到了各級領導和社會的一致肯定。在為“大公安”服務方面，我們嘗試定期將網上追逃人員信息與本市機動車檔案進行關聯比對，篩選出在逃人員可能駕駛的機動車信息，累計抓獲在逃人員329名，探索出了“先由人查車、再由車查人”的信息提煉新方法，取得了很好的實戰效果。
（二）數據可視化隨著各類統計、分析數據的不斷增多，各級領導、基層民警都希望通過直接的“可視化”界面展示各類數據和信息。2009年，我們構建了基于GIS地圖的應用平臺，并將采集或共享的實時路況、“110”交通類報警事件、視頻監控、快速路入口匝道控制、停車場泊位等信息在電子地圖上進行分層次展現，這些實時、動態的信息可按需隨時調閱。2010年上海世博會期間，根據安保工作的需要，我們制作了兩張專題圖。“進滬陸路道口流量專題圖”實時展示當日全市進滬道口的機動車流量、“持進滬通行證”機動車流量、5分鐘進滬流量等信息和道口排隊區、安檢區的視頻監控信息。此外，通過對各道口歷史流量的數據統計，提供流量預警信息。“世博園區管控區周邊道路流量專題圖”除整合了全市快速路、高速公路、地面主干道路的實時路況和快速路匝道開閉狀態等信息外，實時展示當日進出世博管控區的機動車流量、5分鐘流量等。兩張圖的應用，為市公安局“二指”坐鎮指揮的領導以及民警實時掌握交通流量、科學指揮、調配警力等提供了依據，受到了充分肯定。
（三）參與“交通指數”的研究經過多年的建設，上海已經完成市區重要道路的交通流信息的采集，并實現以紅、黃、綠三種顏色代表路況的信息。為使交通參與者全面、客觀地了解本市道路交通的實時通行狀態，向其提供了量化的擁堵指標。2009年，交警總隊在數據應用上的視野不再僅著眼于自身，而是跨出一步，會同市政府相關部門，將手中的靜態數據和市政府相關部門可共享的動態數據關聯起來。繼參與了榮獲上海市科技進步一等獎的“上海世博智能交通系統關鍵技術及應用”項目研發之后，2011年起，交警總隊積極配合上海市城鄉建設和交通發展研究院（原上海市交通信息中心）研究“道路交通指數”。通過對大量采集的各類交通實時數據、歷史數據進行統計、分析、比較，最終用“道路交通指數”這一數值方式來量化描述道路交通運行狀態，同時結合GIS地圖加以分色、分塊展現，并通過網站、微博、手機APP等向公眾實時，力爭做到既能客觀地評價交通擁堵狀況，又能方便出行者的理解與記憶。
二、與當今“大數據”應用的差距
目前，“大數據”的應用處于發展初期，在我國更是剛剛起步。通過多年的實踐和積極探索，交警總隊“大數據”的應用成效明顯，但我們感到，與當今國內外成功的“大數據”應用相比，我們還存在差距，主要表現在：
（一）在理念和思維上仍存在差距隨著互聯網、云計算、移動互聯等相關智能技術的飛速發展，可以預見，“大數據”陳志康：公安交通管理“大數據”的應用與研究在公安交通管理方面的應用也將愈加廣泛。但與其“4V”（即Volume大量、Velocity高速、Variety多樣、Veracity真實性）特點相比，未來“大數據”的應用與發展絕不是簡單依賴數據采集量的擴大，也不僅僅是服務器性能、數據的簡單擴容或累加，而是對于其中蘊含的理念、思維的轉變和突破。與“小數據”時代相比，“大數據”時代的轉變是多方面的。例如，傳統統計方法追求精確，但“大數據”只預測宏觀趨勢；傳統的統計、研究關注因果關系，而“大數據”更強調數據之間的關聯等。
（二）在技術和手段上仍較為匱乏就我們目前擁有的各類交通管理數據而言，其體量并不能稱之為“大數據”。如果要同各警種的數據相關聯，與市政府相關部門的數據相融合，將數據的應用轉化為生產力，其所面臨的困境還十分明顯，這也直接反映了我們在技術和手段上的匱乏。2009年，我們便已利用“數據倉庫”技術等當時較為成熟和先進的技術開展交通管理核心數據的深度挖掘，力求為業務部門提供更豐富、有效的統計數據，但受限于傳統關系型數據庫的架構，無論在計算效率還是結果表現上均無法得到“質”的突破。此外，我們對于海量視頻的快速檢索、車輛照片關鍵特征的提取等方面仍缺少高效的手段，使得對于這類非結構化數據的應用、管理仍處于初級階段，對其中蘊含的有深層次應用價值的信息無法加以進一步挖掘。“大數據”的處理流程一般可概括為四個步驟，即“采集、預處理、統計分析、數據挖掘”。其中，“預處理”是當前傳統數據處理中被忽視或被弱化的部分，除了受限于主流的關系型數據庫（如Oracle）、集中式存儲等架構外，還與缺少將非結構化數據（例如視頻、圖片、文本、聲音等）向結構化數據（即可以用二維表結構來表達的行數據，例如存儲在數據庫中的記錄）轉換的有效技術手段有著重要關系。所以，現有的統計分析、數據挖掘等絕大多數針對的是結構化數據（目前僅占所有數據量的10%至20%，其余均為非結構化數據），難以真正體現“大數據”多樣性的特點。
三、今后公安交通管理“大數據”的研究與應用方向
（一）研究和建立“公安交通管理大數據應用平臺”結合市公安局“十三五”信息化建設規劃，研究和建立“公安交通管理大數據應用平臺”。不斷學習研究Hadoop、虛擬化等新技術，構建全新的數據存儲、處理技術架構，不但要使數據的存儲容量更大、運算速度更快、展現形式更豐富，更要突破同類數據的局限，從看似毫不相干的數據之間發現關聯性，真正體現“大數據”的精髓。
（二）滿足數據采集的需求，提升管理水平“大數據”應用的核心是數據挖掘，為公安交通管理中遇到的難點問題提供原因分析依據，但其基礎卻是所采集數據的質量和種類。因此，一是要不斷提高各類交通管理相關基礎信息的采集質量，為后續數據處理奠定堅實的基礎。二是要積極建立與市交通委員會、市保監會等社會相關部門的數據共享機制，擴充與機動車、駕駛人、特定行業管理、道路等相關的數據類型。三是依托高校、科研院所等專業力量進行深入研究，力爭突破圖片、視頻等海量非結構化數據的管理難題，運用有效的數據模型和架構，實現類似結構化數據的統一描述、查詢和處理。四是積極會同市公安局相關部門，在數據層面加強與市公安局“警綜平臺”“情報綜合研判實戰平臺”“視頻監控平臺”“治安卡口信息綜合管理平臺”等的對接，為公安交通信息研判分析提供支撐。
（三）抓住重點，突破四個階段的核心技術應用“瓶頸”我們要選擇合適的軟件、工具，真正將數據轉化為信息，并提煉出有價值的信息。在數據采集方面，重點解決高并發數的訪問、操作問題，使服務器、數據庫負載均衡并分片處理。在預處理階段，重點做好“生產庫”向“資源庫”的轉移和數據清洗等工作，滿足后續數據處理的實時計算需求。在統計分析階段，要在了解業務需求的基礎上，著重在不同數據的“關聯性”上下工夫，找到規律。在數據挖掘階段，要力爭實現數據從“事后統計”到“事前預測”的突破。
對于醫院人事管理中，基于大數據時代，創新醫院人事管理方法，采取科學的管理方法，應用先進的科技設備，促進人事管理實現現代化的服務。可以為醫院醫務人員提供更加詳細豐富的檔案資源，并且在醫院臨床醫療以及科研教學、護理工作中，都可以提供優勢全面的檔案服務，提高醫院人事管理效率水平，值得在實際工作中推廣應用，具有一定的可行性。整合醫院人事管理數據，對醫院人事管理數據進行二次利用，有效提升醫院人事管理質量，提升醫院人事精細化管理程度，采用科學化、信息化管理方式，開發云計算的醫院信息平臺，基于云計算技術搭建醫院信息平臺，不僅可以有效地構建統一的訪問門戶，還能整合醫院人事資源，提高醫院人事管理水平。大數據時代，為醫院人事管理提供現代化管理方法以及有效管理手段，創新醫院人事管理工作格局，為醫院人事管理發展創造優勢條件。
2、大數據時代人事管理創新措施
2.1創新人事檔案管理方法
實現醫院檔案網絡化管理，應加強醫院網絡基礎設施建設，為醫院檔案網絡化管理提供設施保障；在醫院檔案網絡化管理中，優化設計醫院的局域網布局，有效實現對醫院網絡設備與基礎設施的結合，醫院加大配備網絡通信設備資金投入，購置高端電腦、打印機、掃描儀，確保醫院檔案向電子檔案的轉化。再者，大數據時代下，對于醫院的人事管理創新中，健全醫院檔案管理制度，收集、整理醫院檔案信息，還應該有效發揮檔案管理的橋梁作用，傳達和收發醫院檔案信息，對醫院檔案匯集的各項信息能進行精確地提煉、加工、處理，把檔案中方方面面的思想統一起來，推進醫院各項工作的高效運行，拉近醫患之間的距離。
2.2健全人事管理制度
在大數據時代下，對于醫院人事管理，要健全管理制度，確保醫院人事管理的各項工作可以順利開展，完善人事制度管理體制。對于醫院人事管理中，可以避免管理職能隔離，提升醫院資源管理環境，避免計算機邊緣化，重視利用計算機進行醫院人事管理工作，并且可以引進這方面專業人才，嚴格執行規章制度，有效確保人事管理流程的安全運作。在醫院的人事管理中，為了有效確保醫院各科室業務彼此間地順利溝通，安排專職人員管理有關部門，落實人事管理的信息化建設。利用計算機建立人事管理系統，將大數據時代醫院人員信息統計集合起來，加大人員信息利用率，對人事管理中各個數據進行分析，簡化統計任務，提升工作效率和工作質量。提高行政管理水平，優化決策。醫院人事管理中計算機的應用，能夠大容量收集、分析、存儲人事信息，在需要某個信息的時候能夠通過計算機系統及時準確地查找出來，幫助選擇方案，實現決策最優化，并且還能促進人事管理的規范化，輔助建立健全指標體系和管理制度，有效提升醫院的行政管理水平。同時計算機還能對人事信息進行加工處理，很好地滿足了人事管理中各種需要，適應新時期對人事管理的新要求。
2.3提升工作人員能力
對于大數據時代醫院人事管理中，提升人事管理中工作人員的計算機水平，強化其人事管理能力。重視人事管理信息化建設工作，重視對業務科室管理人才的培養，如護士、藥劑師、醫生等，強化計算機應用能力培養，提高醫院人事管理人員的信息化素質，對其進行信息化培訓，使其在大數據時代下掌握更多的專業知識，為醫院人事管理工作打下牢固基礎。對于醫院人事管理中，創新人才管理形式，提升人員工作能力，利用大數據時代信息化軟件進行人員考核，每位員工都有屬于自己的唯一固定代碼，以此來查看醫院員工的考勤信息，并以此為根據來進行考勤審批，將最后審批的薪酬交付管理員，進行員工工資結算。并且選用穩定的人事管理軟件，加強醫院人事管理的內部管理模式，提高自身的管理水平，人事管理人員不僅要熟練掌握計算機應用系統，還要熟悉醫院各方面的工作內容，通過計算機更加科學合理地進行人事管理，提高大數據時代醫院人事管理的效率，要加強大數據時代醫院人事管理人員計算機應用、信息網絡等知識和技術的培訓，強化醫院人事檔案的信息化管理手段，使工作人員可以熟練運用現代計算機技術，管理、制作、保管醫院人事信息。同時要學會對自己掌握的人事信息進行數據分析，為人事決策提供依據。
2.4強化人事監管
在大數據時代醫院人事管理中，由于醫院內部人事數據保密性的問題，故此應該強化人事管理的監管工作，特別是在大數據時代下，更是要加強醫院人事數據的監管，確保數據安全。可以提升大數據時代人事管理系統的數據庫結構性能，可以有效實現對醫院人事資源的充分整合和利用，對醫院人事大數據進行實時、準確監控，實時監控醫院人事資源，均衡分配醫院人事管理工作，提升醫院大數據時代人事管理效率。降低大數據時代醫院人事管理成本，加大產出收益。通過使用計算機縮短一些基礎事物處理時間，減少人力資源浪費。大數據時代醫院人事管理中，可以利用互聯網，快速獲取人事管理的最新信息，節約醫院人力查找成本，通過醫院對現有的醫務人員進行合理的配置，降低投入成本獲得最大勞動價值。大數據時代下，對于醫院人事管理中，可以通過使用計算機節約下來的時間讓醫院人事管理工作人員，可以思考一些戰略性的措施，為大數據時代醫院取得更大的進步，提供可持續發展的動力。
3結論
1.1簡介
（1）對于醫院的管理者來說
信息統計對于醫院未來的發展方向和醫院出現的各種問題都能夠通過數據進行判斷，提高了管理者掌握正確方向的能力。
（2）信息統計工作
有利于對醫院醫療的質量控制進行監管。目前，醫院的發展趨向于專業化，一家醫院的醫療質量和專業化程度是衡量醫院醫療水平的重要標準。所以信息統計工作，一方面對本院的醫療水平進行統計，通過數據客觀的衡量醫院醫療水平；另一方面，通過對醫療病例進行統計可以對一個時期的患者患病率和患病原因進行統計分析，有利于醫院具有針對性地建立醫療救治方案。
1.2管理模型醫院信息統計管理模型可以分為兩大主要內容。
（1）針對病患進行統計，統計內容包括病患性別、年齡、患病原因、病狀、住院時間、診治措施等。
（2）對醫院的管理內容進行統計，統計各個部門間的人員流動、工作表現、部門效能等。
1.3對醫院管理發揮的作用
醫院信息統計工作對于醫院的管理發揮著不可替代的作用，其主要表現包括以下幾個方面：
（1）有利于醫院質量管理的考核和評價
通過醫院信息統計客觀統計的數據可以對醫院質量管理進行考核和評價。對醫院各個科室的管理水平、醫療能力進行考核可以發現在科室活動中存在的問題，便于及時做出調整。對于醫院員工的考核可以統計出員工的工作能力和工作表現，有利于約束員工行為，提高醫生和護士的服務水平，提高醫患關系的融洽度。
（2）有利于醫院管理決策的正確性
醫院的經營市場化形式趨于明顯，在面對市場競爭中，醫院的管理者每一項決定都關系著醫院未來的發展。通過醫院統計信息，醫院的管理者可以準確地掌握自身的經營能力，同時通過對市場的統計分析可以準確判斷出醫院未來的發展方向，并能夠通過統計數據加強自身的競爭力。
（3）有利于醫院資源的整合
醫院是集人力和物力為一體的綜合性企業。在對醫院資源的信息統計中，可以將人力資源和物力資源進行統計，便于醫院進行管理。對于醫院人力資源的統計主要是統計醫生的專業能力和護士的服務水平。通過客觀的數據可以了解醫生在某一醫療領域的計數水平和護士的服務水平，一方面能夠為醫院針對某一科室進行人員加強配置，另一方面可以對人員的獎懲制度進行完善。對于醫院物力資源的統計可以確保醫院設備正常工作和耗材的儲備充足。同時還可以避免資源的重復，給醫院的經濟造成損失。
（4）有利于醫療體系的建設
通過統計數據可以發現醫院在某一方面的不足，通過具有針對性的建設，可以幫助醫院建立較為完善的醫療體系，更好地服務與百姓。醫院醫療體系的建設是醫院立足的根本，在現代化醫療體系建設中，數據的分析是醫療體系完善的基礎，只有客觀地評價醫療體系的結構和性能，才能夠保證醫院穩定發展。
2面臨的問題
2.1信息化薄弱
隨著信息化時代的到來，大數據的分析已經深入了各行各業，作為醫療的前沿，醫院在信息化建設方面相對于其他行業相對薄弱。醫院信息化薄弱問題一方面來自管理層對醫院信息化建設的不重視問題；另一方面，醫院信息化建設需要巨大的財力、物力和人力，醫院將精力投入在醫療設備的改進和醫療水平的提高方面，在信息化建設上就難以投入過多的精力。
2.2信息化統計內容單一
在大數據時代，醫院信息統計工作內容越來越豐富，然而一些醫院并沒有意識到信息統計數據的重要性，信息統計內容還只局限于對病人的病例進行統計。由于統計內容的單一，難以形成有效的分析數據，對于醫院的管理和醫療水平的提高不能發揮出統計數據實際的價值。
2.3信息化統計專業性差信息化
在醫院管理中的應用缺乏統計的專業性，目前，醫院所采用的信息化系統主要包括HIS醫院管理系統和CIS臨床信息系統，這兩套系統主要功能是降低勞動化強度輔助醫院進行人和物的管理，而對于統計數據適用性并不強。所以醫院信息化急需具有專業性的統計系統，充分利用數據的價值，幫助醫院進行管理和醫療能力的提高。
3發展對策
3.1提高統計信息質量在大數據時代
大量的信息集中在醫院的信息科，如何快速將這些信息進行分類和提取是信息科所要面臨的重要課題。信息的準確性是信息統計工作必須嚴格管控的內容，在現代化醫療體系建設中，把握信息的質量的關鍵在于建立信息內容評價標準和信息應用規范，信息數據的應用具有3個主要特征，一是準確性，二是適用性，三是及時性。統計信息的評價標準和應用規范主要圍繞信息數據這3個主要特征進行確立。
（1）信息的準確性信息的準確性
對于來自方方面面的信息真偽進行判斷，只有準確的信息才能夠成為有效信息，在醫院中如果誤用了錯誤信息數據則會造成嚴重的問題。提高信息的準確性首先要明確信息的來源，其次要對信息的真偽進行辨別，最后對信息的價值進行評價。
（2）信息的適用性
在醫院的信息管理中，如何從大量的信息內容中獲取對信息應用目標有用的數據是信息管理的內容之一。信息的適用性選擇需要建立統一的標準，避免“張冠李戴”造成信息錯用的問題。信息的適用性原則主要從醫院自身的信息采集為標準，因為不同的醫院在信息產生上都不相同，只有利用自身的信息才能確保信息的適用性。
（3）信息的及時性信息具有時效性
相同的事情在不同的階段所產生的信息不一定完全相同，因此，在信息采集和統計時，必須要以最新數據為價值參考，加快信息刷新的頻率，降低失效信息勿誤的可能性。信息統計的及時性主要表現在醫院建立信息及時交流的基礎上，只有增強科室之間、部門之間、人員之間的信息溝通機制才能保證信息及時被利用。
3.2科學化管理利用大量的數據統計促進醫院科學化
管理是醫院信息統計工作的核心內容。醫院信息統計科學化管理主要實現以下幾方面工作目標：
（1）信息統計的評測信息統計的評測功能
可以對醫院的人員、設備、耗材等進行統計，還可以對近段時間的醫患病因進行統計，通過對醫院各項數據的統計與近期醫患病因的統計可以分析出在某段時間醫院需要加強某方面醫療的能力。利用信息統計的評測功能還可以對醫院某一專項的醫療水平進行評測，統計醫療過程中的不足，幫助醫生及時調整醫療方案。
（2）信息統計的決策
我國醫療體制改革不斷完善進行中，對于來自各個層面的數據進行統計分析，能夠為醫院的管理者提供準確的決策依據，幫助決策者正確判斷醫院經營方向。并且通過對本院的統計信息可以快速找到醫院系統中的薄弱環節，依靠準確的數據為管理者提供醫院改革的參考。
（3）信息化統計的監督
醫院醫療和服務的質量是醫院水平的重要表現，醫院信息統計可以對醫院的各個科室、每一位醫生及護士的工作能力和工作狀態進行一個時期的統計，通過數據可以客觀地、真實地反映出不同科室的醫療質量和個人的服務水平。信息化統計的監督功能是保障醫患關系融洽的重要手段，通過建立獎懲制度提高醫生和護士的工作認真性，而信息化的統計數據則是衡量和監督醫生和護士工作積極性的重要參考。
4結語
大數據與工程造價融合的意義主要分為兩個方面：一方面，此種類型的融合切實的推進了大數據體系的發展與完善，從應用的層面對大數據的概念與理論進行升華，并為大數據在企業基礎管理層面的應用奠定了方向，為后續企業管理方式、戰略制定等核心控制途徑提供了另一種優化思維；另一方面利用大數據與工程造價的融合，能夠徹底完成工程造價的電算化體系建設，由單一的計算機為工具的計算方式向計算機為主體的預算模式轉變，能夠有效的推動我國工程造價電算化的體系建設。而就融合后的優勢而言其主要分為如下幾個方面：（1）增加工程造價的合規性。大數據的優勢在于多維度數據之間的相互認證，能夠有效的剔除異常數據，并使得其在更長的時間節點上保障數據的準確，進而體現了工程造價的合規性；（2）增加工程造價的動態性。通過大數據手段對其數據庫進行構建，不僅能夠使得數據庫處于時刻的變更與更新過程，還能夠通過對更為基礎的成本信息監控建立必要的預警機制，使得數據具有動態性的同時保障動態性對工程的指導意義；（3）增加工程造價的全面性。利用大數據手段對工程造價體系進行構建不僅能夠在物料成本、運輸成本以及人工成本等一系列可控因素方面加以體現，還能夠對由于氣象、質量評價等隱性影響因素加以體現，使得工程造價成本結構更為合理，數據更為全面；（4）增加工程造價在后續施工建設中的指導性。造價預算是一個動態系統，并對建設全生命周期的成本進行預判，對后續的施工具有更為重要的指導意義。
二、大數據與工程造價融合途徑分析
上文討論了大數據與工程造價融合的意義與優勢，通過上文的分析我們可以認為工程造價與大數據體系的聯合是未來其電算化體系發展的重要模式。而如何建立融合途徑，將大數據思維融入到工程造價管理體系中來是擺在我們面前的主要問題。本文認為，其具體的融合途徑可以從硬件、軟件等兩個方面來進行開展。
1硬件層面硬件準備是完成大數據與工程造價融合的第一步
，同時也是其重要基礎。在具體的硬件層面的構建主要分為如下幾個方面：第一，需要完成相關硬件設施的配套工作，大數據存儲及其分析是一個系統工程。需要提高相應工作環境的計算機水平，并建立大型數據庫以供后續具體實行奠定物質基礎；第二，建立與其他數據庫的聯通硬件準備，大數據計算不能依賴于單一的數據庫，由于其數據來源的多元化，因此數據庫之間的互通要求相對較高。在此方面準備的過程中不僅需要做到數據庫之間實時的數據調取，更應該做到數據的安全保障。
2軟件層面大數據與工程造價融合途徑
融合過程中的軟件準備更為重要，具體可以分為如下幾個方面：一方面，我們需要做好相關的人力資源配伍，在工程造價預算團隊中形成大數據的思維，并將其融入到全部的工作中去，避免其僅作為一種工具的尷尬局面；一方面，我們需要做好相關的軟件設計基礎，即保障軟件的有效性，同時對軟件實際價值進行討論。另一方面，我們需要相關的人才與相關技術的準備。不僅通過人才引進等方式提高團隊的整體大數據適應性，還需要通過對原有員工的培訓來使其掌握大數據應用原理與技術。
三、基于大數據的工程造價體系優化
上文對大數據與工程造價體系的具體融合與準備進行了討論，在實際的執行過程中還需要系統的數據劃分與數據庫分類才能夠將這一技術具體的應用到工程造價領域。根據工程造價的相關因素與次級因素，本文認為需要對如下數據進行具體的明確其主要的大數據類型分為四項，說包含的二級變量為15項，數據項目均有獨立的數據庫來完成累計與存儲，并建立在時間節點下的生成報告與數據節點。在實際的電算化工程造價的計算過程中對不同時期內的數據進行調取能夠生成整體的造價變化曲線，同時由于其動態數據計算的總類相對較多能夠使得數據之間具有嚴謹的邏輯關系，如工種信息、工時以及工種成本之間即通過之間數據的變動來表征總體人力成本的總量變化，又通過其嚴謹的內在邏輯來保障數據與造價計算的準確性。此外，通過此種大數據的規劃模式還能夠對空間軸變化規律以及時間軸變化規律的不同階段成本開支進行細分。如施工建設過程中物料運輸的垂直變化決定了工期的不均衡分布；氣象信息的變化決定了工期信息的非計劃變動等因素，通過對上述若干個指標的監控能夠使得工程造價體系對實際的工程施工起到指導性作用。
四、總結
1、信息搜集的主要內容。
主要劃分為清楚明白直接體現信貸風險的“硬信息”和反映潛在信貸風險、具有隱形相關性的“軟信息”，以及全流程信貸風險管理的十個方面。硬信息———企業相關財務數據：資產負債表、現金流量表與損益表相關數據，工商、稅務部門存放的與企業相關文件和銀行內部相關資料;軟信息———企業經營的潛在暗示性信息：用水量、用電量、機器運轉時期估算和維修保養周期數據、存貨盤點審計數據、往來供應商渠道商賬戶結算信息等。企業經營負責人個人相關信息：商譽、商會與商業伙伴評價、健康狀況、人品等，是否有不良嗜好、個性特點、知識結構與水平、經營風險防控能力、家庭情況等。
2、信息搜集后續分析處理的方法。
單一的硬信息可能存在缺陷和隱憂，如公司資本不足，通過申請墊資的方式滿足工商注冊登記要求；公司財務數據不真實、存在虛開票據和擔保等問題。同樣，單一的軟信息也有一定的風險，軟信息的判斷過于主觀化，忽視企業基本面和相關行業數據。因此，銀行在進行信貸風險管理的過程中，需要對“硬信息”和“軟信息”加以整合，需要建設規范化的信息數據處理系統，對信息進行整合和處理。
二、信息搜集分析處理的主要工作重點
在實際工作中，對企業財務數據的還原能力、強化信息分析處理防控風險管理的方法都是關鍵，具體而言：信貸準入方面：對行業風險敏感性、前瞻性不足，盲目進入“兩高一剩”行業及風險敏感性行業，客戶評級不審慎，評級結果虛高，甚至人為抬高信用等級，客戶評級結果應用不嚴格，盲目進入低信用等級客戶，客戶分類不審慎，分類結果偏離客戶分類標準，甚至偽造信息套取高分類結果，對客戶經營管理情況掌握不到位，盲目進入生產經營不正常、財務狀況不佳、發展戰略明顯失當的客戶，對客戶融資結構掌握不到位，盲目進入多頭融資、過度融資、涉及民間融資的客戶，對客戶對外投資情況掌握不到位，盲目進入過度投資、主營業務不突出的客戶，對客戶對外擔保情況掌握不到位，盲目進入對外擔保過度、擔保鏈復雜的客戶，對客戶信用記錄掌握不到位，盲目進入存在不良信用記錄或他行退出客戶，對客戶資金鏈掌握不到位，盲目進入資金鏈緊張、還貸來源不正常、涉及應急轉貸的客戶。授信管理方面：授信額度理論值測算不審慎，測算方法選用不正確，測算結果偏離客戶金融實務研究實際，授信額度核定不審慎，偏離客戶實際用信需求，存在過度授信問題。盡職調查方面：信貸調查不深入，實地調查缺失，調查方式單一，簡單采用問答式調查，第三方調查不到位，信貸調查資料收集不齊全，重要資料缺失，調查信息不全面，對關聯關系、資金用途、融資結構、對外投資、對外擔保、貸款歸行等關鍵信息了解不深入，客戶信息真實性核查不到位，財務數據等重要信息失真，信貸調查分析不到位，未客觀全面反映客戶經營及風險狀況，甚至刻意隱瞞重要風險信息。擔保管理方面：抵質押貸款占比低于同業平均水平，信用保證方式貸款占比偏高，單個客戶貸款抵質押比例與調查銀行信用份額明顯不匹配，保證人準入不嚴，保證人代償能力不足，擔保鏈復雜、關聯擔保普遍，對保證人動態監管不到位，出現重大不利變化應對不及時，導致擔保保障度下降，押品準入不嚴格，押品不合格或變現能力存在重大缺陷，押品估值評估不審慎、不規范，價值明顯高估，動態重估流于形式。用信管理方面：流動資金貸款發放與客戶用款計劃不匹配，固定資產貸款發放進度快于項目進度發放或資本金到位進度。貸后管理方面：貸后資金流向監管不到位，貸款資金被挪用，流向高風險領域，客戶賬戶資金監管不到位，對貨款歸行、賬戶結算量等關鍵信息異地情況應發現未發現，還款資金來源監管不到位，還款資金未有效控制，或還款資金來源不正常，評級分類動態管理不到位，對出現風險的客戶未及時調低等級，導致高等級客戶違約。風險分類制度執行不到位，對出現風險的業務未及時調整形態，資產質量反映不真實。
三、強化信息搜集分析處理的建議
風險管理工作要在對相關信息進行科學審視的基礎上，進一步整合強化，實現風險管理部門與其他部門攜手合作，內部系統互相掛鉤進行整體布局和防控、工作流程優化，從而確保信貸資產最優、客戶資產質量最佳、經營風險最小的目標。對此應：
1、切合大數據開展優化。
為順應大數據時代的潮流，迫切需要對信息數據進行整合，國外商業銀行將大數據應用于銀行風險的管理領域。美國一家名為SCOR的金融信息公司抓取并分析客戶的社交網站數據，為銀行提供更為準確的信用評估結果，降低銀行的信用風險和成本。SCOR公司收到銀行客戶的信用評估申請后，經客戶同意，將調取其在facebook、twitter等社交媒體的數據，分析客戶的行為特點，興趣愛好，甚至會根據該客戶朋友圈特性來對客戶信用風險來進行評估。社交數據真實反映客戶行為，能幫助銀行更準確地判斷客戶的違約風險，最終降低銀行的信用風險。要在商業銀行數據處理中心，依托互聯網、“云計算”信息技術，通過分析和應用海量非結構化的數據，推動企業業務價值,用高度的技術能力和知識，對信貸相關數據和信息進行處理，加強對下屬各級分支行的業務指導。通過金融云信息平臺，以數據信息大集中為依托，運用技術管理手段控制風險，使風險監控系統更好地發揮作用。
2、完善風險管理信息數據整合系統。
建立商業銀行信貸風險管理體系的最終目標是對信貸風險進行有效控制，防止和減少損失，保障其經營活動能安全、順暢地進行。具體而言，體現在兩個方面：一是在風險損失發生前，銀行可借助風險管理體系，預測風險發生的可能性和影響程度，做出有效的對策，預防和減小風險，以最低的損失來獲取控制風險的最佳效果；二是在風險損失發生之后，商業銀行采取有效的措施，使商業銀行不致于因風險的產生而造成更大的損失甚至危及其生存，并確保銀行盈利性目標的順利實現。在宏觀層面系統設置上，要進一步強調垂直化、單元化的風險管理部門組織結構建設。實行風險管理部門的內部獨立性，同時推廣先進風險管理工具，對分析與評估技術進行科學量化，確保信貸風險的整體系統控制。近日銀監會核準了六家銀行（工、農、中、建、交和招行）在集團和法人層面實施資本管理高級方法，具體范圍為第一支柱信用風險初級內部評級法、部分風險類別的市場風險內部模型法、操作風險標準法。商業銀行應切實將風險量化、資本約束作為經營管理的核心要求，形成風險、收益平衡的經營理念，通過充實客戶相關數據信息資料庫，構建健全的管理信息系統、風險控制系統和決策支持系統，在線實時監控系統，實現制度化和規范化，使得風險管理工作成為科學，而不是依賴于個人主觀判斷。
3、風險經理與客戶經理共同協調合作。
在制度的設計上，進一步落實風險經理與客戶經理平行工作制度，加強對企業財務真實數據的還原能力，同時高度關注對應性重點指標，出現異常變化立即開展現場核查，審慎評估風險，研究落實針對性措施。對重點區域、重點行業、重點業務、重點環節開展高強度的現場監管，在保持合規性監管高壓態勢的同時，進一步突出風險性檢查，切實提高現場監管檢查質量和效率，提高風險處置效率，嚴格風險處置紀律。要真實反映信貸資產質量，強化客戶評級和風險分類動態管理，及時按客戶評級和風險分類相關要求調整客戶評級和貸款形態，防止客戶直接違約，嚴控評級偏離度。對符合總行強制調整貸款形態的情形，必須及時進行形態調整，嚴控分類。對于為了完成階段性的工作指標，在較少考慮風險的情況下突擊放款的行為要堅決制止。
4、落實激勵約束機制和經營監管。
關鍵詞：大數據；學術期刊；評價標準；創新
DOI：10.163 15/j.stm.2016.04.014
中圖分類號：F276.3 文獻標志碼：A
學術期刊辦刊水平的高低最終要通過期刊評價予以檢驗，從一定程度上講，期刊評價的標準決定了期刊未來發展的方向和目標，期刊評價標準的合理設立對學術期刊的健康成長至關重要。隨著移動互聯網、云計算、可信計算等一系列新型信息技術的迅猛發展，一個大規模數據生產、儲存、分享、應用的“大數據”時代逐漸開啟。“大數據”時代的到來，對我國學術期刊的未來發展將產生巨大影響，期刊的運營模式、出版流程都將發生根本性變革，如一些學者所預測的，“大數據”時代的到來將造就全新意義上的學術期刊。相應地，“大數據”也將導致學術期刊評價的革命，一方面，大數據時代學術期刊功能定位的變化要求必須確立新的、符合時展要求的評價標準，另一方面，大數據科技的應用也將為期刊評價提供新的技術手段與方法，大大提升期刊評價標準的精確性與全面性。在這一背景下，深刻把握大數據時代學術期刊發展規律，科學探析大數據時代期刊評價標準可能的創新與發展方向，對于我們有效應對大數據挑戰，推動學術期刊的未來發展具有重大意義。本文擬對這一問題進行初步探討，以期對未來期刊評價方面的研究有所啟示。
1我國當前主要學術期刊評價系統及其評價標準
1.1我國當前主要學術評價系統
我國當前的學術評價體系起源于20世紀70年代，經過幾十年的變革與發展，目前形成了既符合國際化評價標準要求又具有我國學術研究特色的學術期刊評價體系。根據學科和專業研究領域的不同，目前已形成了5大期刊評價權威系統并根據其系統要求定期出臺期刊評價報告，這5大系統包括：南京大學研制的《中國人文社會科學引文索引》、北京大學圖書館研制的《中文核心期刊要目總覽》、中國社科院文獻信息中心研制的《中國人文科學引文數據庫》、中國科學院文獻情報中心研制的《中國科學引文數據庫（CSCD）》以及中國科學技術研究所研制的《中國科技論文與引文數據庫》。
1.2五大評價系統的具體評價標準及其特征
這5大評價系統的期刊評價標準主要是根據布拉德福文獻集中定律和加菲爾德文獻集中定律予以制定，其具體評價指標則參考了美國EI、SCI等國際期刊數據庫的評價標準。所謂布拉德福集中定律，是1934年由英國學者S.L.布拉德福提出的，他在對一些特定的學科領域期刊的數量及其刊登的相關論文數量進行統計的時候，發現期刊的內容對于某一個別學科來說呈現出遠近親疏不等的情況，“如果將科學期刊按其登載某個學科論文數量的大小，以漸減順序排列，那么可以把期刊分為專門面向這個學科的核心區和包含著與核心區同等數量論文的幾個區。這時，核心區與相繼各區的期刊數量成1：a：a的關系。”核心區的期刊就是刊載學科論文數量最多、包含相關信息最豐富的那部分期刊。加菲爾德文獻集中定律，是20世界60年代，由美國學者加菲爾德提出的期刊分布定律，他通過對一些綜合性和專業性檢索工具檢索和收錄論文的比率進行分析，發現各學科的核心期刊主要集中在少數的期刊中，而主要的期刊則更少，大多數學科期刊的發展呈現出明顯的集聚效應。這兩大定律是目前國際上制定學術期刊評價標準的主要依據，我國五大期刊評價系統也主要以這2個定律為準則，并在此基礎上制定了大致類似的評價標準，五大評價系統的具體評價指標，如表1所示。
這五大評價系統的評價標準具有幾個共同的特征：首先，5個期刊評價系統都是采用引文分析法，即通過對期刊論文索引量、被引頻次和影響因子等指標的統計分析來對期刊質量作出評價，這3個指標也是期刊評價中的核心標準；其次，期刊評價數據的采集主要依托中國知網、萬方、維普等網絡數據庫的數據資源進行統計，不進人這些數據庫的文獻不計入統計；再次，期刊評價基本是圍繞期刊刊載文章的影響力指標進行評價，在專業領域越有影響的期刊，其評價結果就越好。
客觀來講，當前五大評價系統的評價標準是在借鑒國際已有成功經驗并結合了我國學術研究特色來設定和構建的，它通過對客觀數據的嚴格統計分析來對期刊予以評價，在一定程度上避免了人情因素、主觀偏見對期刊評價的負面影響，具有相當的客觀性與科學性。但同時，以影響因子和引文分析為核心的評價標準也存在諸多局限：首先，由于不同檢索數據庫所收錄和統計的文獻及期刊種類和數量有所不同，導致同一期刊依據不同數據庫數據計算出的影響因子常常產生巨大差異；其次，不同學科發展情況和設置缺陷導致期刊統計源結構不合理，一些學科的期刊統計源期刊很多，影響因子較高，而一些冷門學科的期刊統計源極少，影響因子很低；最后，當前的評價標準主要關注后的索引量、被引頻次，不僅評價指標片面，而且難以避免不當引文、無效引文對統計結果的影響。
2大數據對學術期刊評價標準的影響
大數據技術的應用給學術期刊的未來發展帶來巨大變革，這些變革集中體現在對學術期刊評價標準的深刻影響之中。
2.1期刊評價的可采集指標更為豐富
在大數據的背景下，期刊出版發行形態將發生巨大變化，以前以紙質印刷、定期刊發為標志的出版方式將向電子化、網絡化、不定期出版方向轉移。期刊論文的創作、審核、修改、編輯、發表以及發表后所產生的社會反饋和影響都將依托于數字化網絡平臺進行，而這整個過程中的所有數據也將通過大數據技術予以記錄，除了轉引率、被引頻次等數據，大數據和云存儲技術可以為期刊評價提供更豐富的數據資源和種類以備采集，并作為期刊評價新的指標。比如，大數據技術支持下的電子閱讀終端可以記錄讀者對某篇文章的閱讀時間、次數，甚至在某些段落的停留時間，這對于未來期刊的反饋評價將是一個重要指標；再比如，通過“云存儲”、“云計算”等技術可以對前的選題熱度、潛在價值做出客觀評測和計算，這可以做為期刊選題價值的評價指標；除此之外，大數據還可以收集并記錄期刊選題策劃方案、編輯規范性、構圖設計水平等方面的信息，為學術期刊的整體評價提供參照指標。
2.2期刊評價的數據統計更加全面精準
以往對評價數據的采集，主要依據知網、維普、萬方等數據庫統計源，但許多沒有被這些數據庫收錄的期刊卻不能進入統計范圍，而且由于檢索系統所收錄的期刊群組成差異較大，所計算的影響因子值也會產生較大差異，導致同一刊物在不同檢索系統中計算出明顯不同的影響因子數。而依托大數據技術的期刊評價數據采集，不僅可以覆蓋全網絡信息資源并統一計算方法，避免因數據庫收錄不足和算法差異導致的因子計算缺陷，而且對于被何種方式引用，引用量多少，有效還是無效引用，自引還是他引，都能準確記錄，實現對期刊評價相關數據更為全面和精準的統計。更關鍵的是，大數據能夠為期刊評價提供論文編輯出版發行過程中的全數據樣本，并對后的索引轉載情況實時動態更新，對讀者閱讀評價反饋全面搜集，從而實現評價數據統計的靜態與動態統一、主觀與客觀結合。
2.3期刊評價的讀者影響力更加突出
大數據背景下，期刊評價將更加突出讀者評價的地位和作用。以前的期刊評價統計實際上是注重論文引用者和轉載者的評價地位，兼顧同行、專家和評價機構的綜合評議。但是對公開發行的期刊論文來說，論文的引用和轉載者可能只是讀者中的一小部分，大多數讀者在閱讀后不一定會將之運用到學術創作之中，但同樣會對文章質量作出心理評價，這種評價實際比單純的引文評價更全面、更有說服力但也更難以計量。而隨著數字技術的發展，大數據時代的期刊出版將逐漸進化到電子出版階段，新的電子期刊平臺將不僅是一個閱讀平臺，更是期刊社為讀者、作者、專家提供的一個互動服務平臺，在這個平臺上，不僅讀者的瀏覽偏好和閱讀反饋會被儲存下來，而且通過獨特的互動窗口，他們還可以和作者、編輯、審稿專家進行直接討論，他們對文章內容的意見、對刊物選題策劃、欄目設計、編輯方式、服務水平甚至是辦刊宗旨的建議都將被完整記錄，并成為期刊評價重要的參考指標。與此同時，由于大數據技術將使評價機構進行期刊數據收集和質量評價的整個過程變得更為公開透明，無形中就降低了評價機構的控制力與影響力，相對地也就更加凸顯出讀者群體在期刊評價中的作用。
2.4期刊評價的創新性指標更加重要
大數據時代的期刊將進入電子出版為主，紙質出版為輔的階段。相對于紙質載體，電子載體具有無限承載能力和豐富多樣的表現形式，這必然突破原來期刊篇幅、版面、格式的限制，期刊刊載論文數量將大大增加。同時，由于期刊審稿流程的變革，期刊未來會將收到的論文經過簡單編輯處理直接通過電子平臺，而不再經過繁瑣的審稿流程（經過讀者和同行評議，獲得較高評價的論文再以紙質出版），這又必然導致期刊論文質量的良莠不齊。原來以索引量和發表數的比值為計算指標的影響因子評價的缺陷將更加突出。如何從海量出版信息中發現、挖掘出具有創新價值的內容，以最方便的方式提供給讀者閱讀評價，將是期刊首先要考慮的問題，也是未來期刊評價中非常重要的參考指標，這也將使期刊評價中的創新性、吸引力指標凸顯到更加重要的位置。
3大數據背景下學術期刊評價標準的具體指標及其計算公式
大數據徹底改變了學術期刊未來發展模式及其評價方式，同時也為未來期刊評價的發展創新提供了強大的技術支持和充足的數據資源。筆者認為，依托大數據技術，未來學術期刊評價的參照指標將發生巨大變化，與當前主要參照轉引率和影響因子來評價不同，未來期刊評價的指標將更加多元、更加精細，而且也將在很大程度上彌補當前評價指標的局限與不足。具體來說，未來大數據背景下，學術期刊的評價指標將可能包括以下幾個方面：
3.1關注度評價指標
依靠大數據的技術支持，未來期刊評價可以嘗試將期刊論文的關注度列入評價標準之中。電子化閱讀終端和云計算技術可以準確記錄讀者在閱讀期刊時的閱讀量、點擊量、閱讀時間、閱讀段落甚至是可能的閱讀字數，有效記錄并計算讀者閱讀的關注點與精細程度，閱讀之后在學術社交網絡和開放存取平臺中被討論的次數，并實現對期刊論文受關注度地量化統計，這將為期刊評價提供重要的參考指標。客觀來講，期刊的受關注度并不能直接反映期刊刊載文章的水平和深度，尤其對一些相對冷門的學科和研究領域，文章的專業性比較強，讀者比較小眾，關注度也較低。因此，在將關注度作為期刊評價指標時，必須避免單純的量化統計，而應結合學科在不同時期的縱向對比，以及文章在穩定讀者群體中關注度的變化來具體衡量，筆者認為，可以嘗試在不同學科之間設置合理的浮動系數，以統計數據乘以浮動系數來計算期刊真實的關注度水平。
3.2創新觀點評價指標
在大數據時代，對期刊學術水平的評價將不只體現在對其刊載論文水平的評價上，而會更應進一步細化到觀點評價的層面。未來結合大數據技術的檢索工具可以實現對期刊發表內容的觀點檢索，對期刊中關注度高、創新性大、前沿性強、具有較大影響力的觀點進行數據統計和分析，以讀者和同行“點亮”和轉發的觀點數量為統計指標，代替單純對論文引用和下載地統計。觀點評價的特點在于靈活、簡潔，易于突出重點，可以更加凸顯作者思維成果的創新度。它改變了以往期刊評價難以量化計算期刊創新性的局限，細化了期刊評價的創新性標準。與論文評價相比，它不僅更加適應數字化出版時代“眼球經濟”發展潮流，同時也更加符合大數據時代期刊出版業態的變革趨勢。
