大數據時代的定義與特點精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的大數據時代的定義與特點主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：大數據時代的定義與特點范文
關于大數據，就目前而言仍然沒有一個確切的、大家公認的界定，不同機構有不同定義，麥肯錫的定義：大數據是指無法在一定時間內用傳統數據庫軟件工具對其內容進行采集、存儲、管理和分析的數據集合。維基百科定義：大數據指的是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、處理并整理成為幫助企業經營決策目的的資訊。無論哪種定義，我們可以看出大數據并不是一種新的產品也不是一種新的技術，只是數字化時代出現的一種現象。大數據意味著包括交易和交互數據集在內的所有數據集，其規模或復雜程度超出了常用技術，按照合理的成本和時限捕捉、管理及處理這些數據集的能力。大數據時代的數據存在著多源異構、分布廣泛、動態增長、先有數據后有模式等特點。人們正被數據洪流所包圍，在大數據時代，正確利用大數據給人們的生活帶來了極大的便利，同樣使得大數據時代的數據管理面臨著新的挑戰。在大數據時代，大數據的價值利用以及大數據技術的運用在各行各業都逐漸得以充分的體現，在高校中，大數據和數據分析的價值更是可以充分體現，高校的大學生思想政治教育工作已經具備了大數據的特征。如：大學生每天使用的交流網絡平臺，每天都會產生由文字、照片、視頻、對話等構成的海量信息。
二、大學生思想政治教育有效性內涵理解
大學生思想政治教育是一個系統工程，任何一個層面的問題可能都不是表面所呈現的那樣僅僅屬于該層面，很可能與更深層的問題相關聯。大學生思想政治教育面對現代化、市場化。全球化與和諧社會建設的嶄新境遇，直接表現就是思想政治教育有效性的弱化。何為“有效性”？“有效”是指能“能實現預期目標”。作為一種價值屬性的體現，有效性是指特定實踐活動及其結果在相應價值關系中所表現出來的相應功能或功效。那么什么是“大學生思想政治教育有效性”？縱觀思想政治教育理論和實際工作者孜孜以求的探索，大學生思想政治教育有效性的本質體現的是大學生思想政治教育這一實踐活動本身及其結果所具有滿足主體需求的功能屬性，即全面提高大學生思想政治素質的功能屬性[1]。
三、大數據時代下大學生思想政治教育有效性提升的路徑
首先樹立大學生思想政治教育大數據觀念
第2篇：大數據時代的定義與特點范文
（遼寧師范大學檔案館，遼寧 大連 116029）
【摘要】本文在深刻解讀大數內涵的基礎上，結合高校檔案信息資源特點，分析大數據對高校檔案工作者理念、檔案資源建設、檔案信息安全及檔案利用服務等方面的影響，提出在大數據時代，高校檔案工作應該樹立全歸檔意識、構建檔案信息資源數據集、建設檔案信息安全體系、挖掘檔案信息大資源，推行個性化定制化檔案信息服務等應對策略。
關鍵詞 大數據；高校檔案；影響分析；對策研究
基金項目：本文為2014年度遼寧省檔案局科技項目“大數據時代高校檔案信息資源多元采集研究”（L-2014-R-12）的階段性成果之一。
作者簡介：寧燕子，研究方向為檔案信息化建設。
大數據時代的到來改變了傳統的IT架構與數據存儲和利用機構，必然也將對作為儲存信息知識、提供信息服務的高校檔案館形成沖擊與挑戰。因此，深刻理解大數據的內涵，結合高校檔案信息資源的特點，分析大數據對檔案工作者理念的影響、對檔案信息資源建設、檔案信息安全及檔案利用服務的影響，對高校檔案館面對大數據尋求應對與發展對策有著重要意義。
1大數據概述
近年來，隨著互聯網、物聯網、云計算等技術的深入發展，以及智能終端、社交網絡、數字地球等信息體的普及和建設，海量的結構化和非結構化數據己經充斥在人們日常生活的每個角落，并且每天還在以驚人的速度進行爆炸式的增長。美國互聯網數據中心(IDC)指出，全球數據量已由2005年的0.15ZB增長到2010年的1.2ZB。預計未來10年，全球數據量將以40%+的速度增長，2020年全球數據量將達到35ZB，人類正在逐漸步入一個大數據時代。
1.1大數據定義
目前，大數據并沒有形成一個統一的定義。研究機構Gartner的定義：大數據是指需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。維基百科的定義：大數據指的是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、處理并整理成為幫助企業經營決策目的的資訊。麥肯錫的定義：大數據是指無法在一定時間內用傳統數據庫軟件工具對其內容進行采集、存儲、管理和分析的數據集合。IDC將大數據定義為：為更經濟地從高頻率的、大容量的、不同結構和類型的數據中獲取價值而設計的新一代架構和技術。信息專家涂子沛在著作《大數據》中認為：“大數據”之“大”，并不僅僅指“容量大”，更大的意義在于通過對海量數據的交換、整合和分析，發現新的知識，創造新的價值，帶來“大知識”、“大科技”、“大利潤”和“大發展”。從以上幾種定義，我們可以看出，大數據是信息時代出現的一種現象，一種理念，一種處理技術。
1.2大數據特征
和大數據的定義不同，對大數據的特點業界有比較統一的認識。即大數據的4“V”特征。第一，數據體量巨大（Volume）。從TB級別，躍升到PB級別。物聯網、云計算、移動互聯網、車聯網、手機、平板電腦、PC以及遍布地球各個角落的各種各樣的傳感器，無一不是數據來源或者承載的方式。第二，數據類型繁多（Variety）。隨著傳感器種類的增多以及智能設備、社交網絡等的流行，數據類型也變得更加復雜，不僅包括傳統的關系數據類型，也包括以網頁、視頻、音頻、E-mail、文檔等形式存在的未加工的、半結構化的和非結構化的數據。第三，價值密度低（Value）。數據量呈指數增長的同時，隱藏在海量數據的有用信息卻沒有相應比例增長，反而使我們獲取有用信息的難度加大。以視頻為例，連續的監控過程，可能有用的數據僅有一兩秒。第四，流動速度快（Velocity）。形成流式數據是大數據的重要特征，數據流動的速度快到難以用傳統的系統去處理。大數據的“4V”特征表明其不僅僅是數據海量，對于大數據的分析將更加復雜、更追求速度、更注重實效。
2高校檔案信息資源呈現的特點分析
2.1檔案數量龐大，增長迅速
遼寧師范大學是一所省屬重點師范類院校，學校全日制在校生人數規模在22000人左右，在職教職工人數約為1800人。以遼寧師范大學為例，學校檔案館館藏檔案總量是66286卷（件），其中綜合檔案41913卷。近4年，綜合檔案年入館量以平均每年12.5%速度增長。截至2013年6月21日，全國普通高等學校（不含獨立學院）共計2198所。各高校檔案館檔案資源總和近億卷，堪稱海量。2011-2014年，遼寧師范大學綜合檔案入館數量統計結果見表1。
2.2檔案種類繁多，載體類型多樣
高校檔案是高等院校內部組織和個人在教學、科研、管理以及其它各項活動中直接形成的、對高校和社會有保存價值的文字、圖表、聲像等不同記錄方式和各種載體形態的歷史記錄。高校檔案具有形成主體多樣性，形成領域廣泛性的特點，因此形成了高校檔案信息資源種類繁多、載體記錄方式和載體形態多樣性的局面。如，遼寧師范大學檔案館集中統一保管12類檔案：黨群類、行政類、教學類、科研類、基本建設類、出版物類、外事類、財會類、聲像類、實物類、教職工人事類和學生類。高校檔案的載體類型多樣，除傳統的紙張外，還有以感光材料為載體的檔案，如縮微檔案；以磁性材料為載體的檔案，如錄音帶、錄像帶、幻燈片等；以磁、光、電為介質，通過計算機等設備閱讀的檔案，如，電子文檔、光盤數據庫等；以數據庫和網絡為基礎，以計算機主機硬盤、光盤為介質的檔案，如網絡信息、網站、網頁等。
2.3檔案數據資源豐富。
近年來，隨著高校校園信息化工作的推進，高校在檔案信息化工作方面的投入也在不斷加大，數字檔案館就是檔案信息化的成果之一。檔案信息化的一個基礎工作是檔案信息資源的數字化，即館藏檔案目錄數字化，館藏檔案全文數字化，電子文檔收集。據統計截止2010年10月15日，上海交通大學檔案館館藏檔案全文數字化總量為3667404頁，數字化信息資源約為2PB。一所高校的檔案數據資源已經達到PB級別。可想而知，全國2000多所高校的檔案數據資源總量相當可觀，內容相當豐富。
3大數據給高校檔案工作帶來的影響
3.1大數據對高校檔案工作者理念的影響
大數據帶給檔案工作的最大影響是對檔案工作者思維理念的沖擊。維克托·邁爾·舍恩伯格在《大數據時代》中明確指出，大數據時代最大的轉變就是，放棄對因果關系的渴求，而取而代之關注相關關系。傳統的邏輯性思維，考慮的是因為什么，所以必須怎樣，即由因到果的關系。而大數據思維只需要知道“是什么”，而不需要知道“為什么”。這顛覆了千百年來人類的思維慣例，對人類的認知和與世界交流的方式提出了全新的挑戰。大數據時代的到來，將從多個方面變革傳統的檔案思維模式。管理思維上，將推動檔案館從經驗驅動到循數管理的轉變，用數據說話；服務思維上，檔案館的服務理念將實現從供給導向到需求導向的轉變，實現從資源密集型服務到服務主導型的轉變；業務思維上，從追尋“因果律”走向審視“相關性”，從出現問題——邏輯分析——找出因果關系——提出解決方案的逆向思維模式，到收集數據——量化分析——找出相互關系——提出優化方案的正向思維模式轉變。
3.2大數據對檔案信息資源建設的影響
迫于物質和技術條件限制，在小數據時代我們無法對產生的所有成果(檔案)全部歸檔和保存，因而有必要制定一個歸檔范圍，即確定哪些要歸檔保存，哪些不需要歸檔保存；同時對歸檔保存的信息和數據要根據其價值確定不同的保管期限以節省人力和物力資源。近20年來，隨著移動互聯網、云計算、物聯網等新興技術的蓬勃發展和廣泛應用，以及各種傳感器的無所不在，信息技術已經可以將一切“數據化”。在過去的50年中，數字存儲成本大約每兩年就削減一半，而存儲密度則增加了5000萬倍。在大數據背景下，“一切歸檔”的目標已經具備了較為成熟的技術條件和物質基礎。大數據時代，檔案概念呈泛化趨勢，“每一條記錄都將變成具有長期保存價值的檔案，這些單位價值密度低的記錄信息將作為不可分割的整體來發揮檔案的價值”。“一切具有保存價值的文件、數據、視頻、實物都將視為檔案，基于信息系統的電子文件在形成之后‘一秒鐘’即形成‘電子檔案’”。
3.3大數據對檔案信息安全的影響
數據安全的問題一直是信息安全的重要內容，信息安全業界對于數據安全的探討從來沒有減少過，大數據時代的到來讓業內人士更加不確定。據報道，對全球200個安全權威專家調查表明：40%的專家無法處理所收集到的海量安全數據；35%的專家沒有足夠的時間或專業人員來分析他們收集的安全數據和信息。這些數字也更能直觀地說明在大數據時代，安全面臨的挑戰十分嚴峻。EMC信息安全事業部RSA公司的信息安全專家胡軍認為，安全是一個基礎的問題，數據價值越大，數據的量越大，安全面臨的風險就越大。大數據是信息化發展到一定階段的必然結果，大數據時代檔案信息資源的一個基本特征就是檔案信息的大規模數字化。數字化檔案信息具有以下特點：（1）對軟硬件系統的依賴性。技術的更新、軟硬件設備的升級可能會導致原有的信息無法識別。（2）存儲的高密度性。數字化檔案信息存儲的高密度性在我們節約館藏空間，擴大館藏容量的同時，也對載體的保護提出了更嚴格的要求，因為任何一條輕微的劃痕都有可能導致數以千計的檔案信息遭到破壞。（3）信息與載體之間的可分離性。數字化檔案信息可以以非實體形式進行加工和管理，這種可分離性造成了數字化檔案信息的易于更改、易于復制、自由流動、易于傳輸。
3.4大數據對檔案利用服務的影響
《大數據時代》的作者維克托·邁爾·舍恩伯格認為，“大量的數據能夠讓傳統行業更好地了解客戶需求，提供個性化的服務。定制化服務的關鍵是數據”。大數據時代，高校檔案服務方式將發生變革，檔案利用效率將大幅提升。大數據時代的檔案利用不同于傳統的“你來我找”的被動式服務，也不僅是利用現代信息技術進行制作、加工、傳播、轉換和二次開發。而是要通過對檔案信息資源挖掘、用戶信息和用戶需求進行分析、關系洞察及趨勢預測，開展基于海量檔案數據和先進技術分析的全息檔案資源的相關性研究，從而實現檔案信息資源與用戶需求的雙向理想控制。大數據時代高校檔案館會更多地開展主動推介式個性化服務。
4大數據時代高校檔案工作的對策
4.1樹立全歸檔意識
所謂全歸檔，包括三個方面的含義，一是接收，做到應收盡收。高校檔案的收集范圍應該涵蓋管理、教學、科研、教輔、后勤保障等所有校內單位。內容上要注意公文與業務材料并重，不可偏頗。檔案類型上既要做到傳統的紙質檔案與電子文檔并存，同時兼顧圖片、錄音、錄像、實物、數據庫、多媒體、網頁等多種類型。檔案的“收”要做到全流程控制，將檔案管理融入到學校辦公自動化系統、教學管理、行政管理、學生管理等系統中，將文件、數據歸檔流程寫入發文環節、教學環節、管理環節等，抓好文檔的前端控制。二是征集，做到用開放的心態面向全社會征集一切和學校相關的史料和實物。重點征集對象為學校老領導、老教授，學校知名校友。三是采集，采集網絡信息資源和用戶需求信息。高校的內部機構都建設有自己的門戶網站，這些網站上了大量的教學、科研、管理、對外交流等形式多樣的信息資源，高校檔案館要積極主動采集有保存價值的信息。另外高校檔案館還要采集用戶基本信息和用戶需求信息，以備對其進行分析，從而提供個性化服務。在大數據背景下傳統的檔案資源建設思想發生不小的變化，即我們已經不再需要確定一個歸檔范圍，不再需要對其價值進行人為的鑒定和加注標簽。我們所要做的就是將所有的真實的記錄全部歸檔，減少人為的影響，保存檔案的原貌，還原檔案的真實，從而構建一個基于互聯網的，以檔案數字資源為主體，以文本、圖片、音視頻等為形式的高校記憶數字資源庫。
4.2構建檔案信息資源大數據集
檔案數字化是大數據時代必要的基礎性建設，也是發揮高校檔案館潛在價值的重要臺階，緊抓大數據戰略的契機，實現檔案數字化建設跨越式發展，對高校檔案館而言，具有重要意義。具體需要做以下工作：結合高校檔案資源特點和工作實際，（1）研究制定高校檔案館館藏檔案數字化實施方案，全面啟動檔案數字化工作；（2）研究制定高校檔案館數字化建設實施方案，啟動數字檔案館建設；（3）研究制定高校檔案館紙質檔案數字化的規范和標準；（4）研究制定高校電子文檔移交與接收辦法；（5）運用云技術創建檔案大數據基礎架構，讓檔案大數據在這個平臺上運行；（6）運用云技術構建高校檔案信息資源的大數據集。
4.3建設檔案信息安全體系
大數據時代，高校檔案館的數字化館藏和虛擬館藏的比例會大大提高，檔案安全管理的重心要向數字化館藏和虛擬館藏方向傾斜。要確保數字化檔案信息內容的真實性、完整性、機密性和長期可用性。高校檔案館必須建立健全人防、物防、技防三位一體的檔案信息安全防范體系。具體的安全保障措施包括以下幾個方面：（1）加大對數字化檔案信息安全法規的理論研究；（2）制定高校數字化檔案信息安全解決方案；（3）購買優質的硬件設備并在運行過程中加強管理和維護，確保科學使用；（4）采用先進的網絡安全技術和數據安全技術等多種現代信息新技術。如訪問控制技術、防治病毒技術和安全檢測技術、密碼技術、備份技術、仿真、遷移、再生性技術、簽署技術、消息認證技術、防寫技術以及數字水印技術等；（5）使用正版軟件,增強安全意識并做到及時升級,及時打補丁，同時檢查系統的各項設置；（6）數據結構化；（7）加固網絡層端點的數據安全；（8）檔案信息數據庫異地存儲；（9）提高檔案從業人員的信息素養和職業道德意識。
4.4挖掘檔案信息大資源，推行個性化定制化檔案信息服務
高校檔案館擁有海量的檔案數據，同時掌握了豐富的傳統信息資源管理經驗，是大數據時代的“資本擁有者”，然而這些數據目前只有極少部分得到了有效開發。如何從海量原始檔案數據中發掘出有價值的信息和知識，滿足不同檔案用戶的信息需求，將成為高校檔案館的一項重要工作。高校檔案館要綜合運用數據挖掘、數理統計、機器學習、智能算法及云計算技術對檔案信息數據進行分析。具體流程如下：（1）制定針對不同服務對象和服務需求的服務目標；（2）采集用戶基本信息和用戶利用習慣信息，分析用戶檢索行為，建立用戶信息庫；（3）依據用戶潛在的檔案信息需求分析結果，檢索館藏檔案資源信息及網絡信息數據；（4）運用數據分析技術在智能數據處理平臺上對檢索出的數據進行過濾、整合、分析；（5）利用數據可視化技術和人機交互技術，對檔案信息數據進行解釋，借助高校檔案門戶網站、移動終端等多種手段檔案信息。
參考文獻
［1］劉智慧,張泉靈.大數據技術研究綜述[J].浙江大學學報,2014(6):954-972.
［2］中國教育部批準的高等學校名單、新批準的學校名單[OL]. moe.gov.cn /publicfiles/business/htmlfiles/moe/moe_229/201306/153565.html.
［3］[英]維克托·邁爾·舍恩伯格,肯尼思.庫克耶.大數據時代[M].浙江人民出版社,2013(1).
第3篇：大數據時代的定義與特點范文
關鍵詞：大數據；信息服務；圖書館
大數據已成為2012年以來的研究熱點。大數據被稱為"碎片中的智慧"，被視為驅動新一輪技術革命的關鍵力量，它正在顯現出巨大的價值。根據麥肯錫咨詢公司測算，大數據每年可為美國醫療服務業節省3000億美元，使零售業凈利潤增長60%，幫助制造業在產品研發、組裝等環節降低50%的成本。美國將大數據定義為"未來的新石油"， 全球500強企業中90%以上的重要決策都取決于深入的數據挖掘和分析。大數據已經滲透到當今每一個行業和業務職能領域，成為重要的生產因素。并隨著近年來互聯網和信息行業的發展而引起人們關注。
本文在大數據的時代背景下，探討了大數據的基本內涵與特征，它給醫院圖書館帶來的挑戰，以及通過對大數據在醫院圖書館信息服務方面的應用，期望能夠為未來的醫院圖書館信息服務創新體系提供一些參考。
1大數據的內涵與特征
1.1大數據的內涵 大數據目前還沒有統一的定義。維基百科定義大數據為巨量數據、海量數據、大資料，指的是所涉及的數據量規模巨大到無法通過人工，在合理時間內達到截取、管理、處理、并整理成為人類所能解讀的信息。
1.2大數據的特征 大數據的特征歸納為4個"V"。①數據體量巨大。從TB級別，躍升到PB級別；②數據類型繁多。網絡日志、視頻、圖片、地理位置信息等等。③處理速度快，1秒定律，可從各種類型的數據中快速獲得高價值的信息，這一點也是和傳統的數據挖掘技術有著本質的不同。④只要合理利用數據并對其進行正確、準確的分析，將會帶來很高的價值回報。業界將其歸納為4個"V"--Volume（大量）、Variety（多樣）、Velocity（高速）、Value（價值）。
2大數據與圖書館
依據大數據定義，單體圖書館數據總量雖然還沒有達到PB級，但從圖書館存儲數據種類和數量以及未來發展趨勢上來說，已經初步具備了大數據基本特征。圖書館除了館藏的圖書、期刊、論文等紙質資源外，還擁有大量的數據庫資源、多媒體資源、電子圖書、電子文檔，還有圖書館管理系統信息。此外，伴隨著平板電腦、智能手機等移動設備以及社交網絡的出現，移動終端用戶行為和服務等非結構化數據量逐年增加[1]。
2010年底，國家圖書館數字資源已達到480 TB，到"十二五"末，國家圖書館數字資源總量要達到1000 TB，每個省級數字圖書館可用數字資源量將達100 TB，每個市級數字圖書館可用數字資源量達30 TB，每個縣級數字圖書館可用數字資源量達4 TB。文化共享工程將建設"公共文化數字資源基礎庫群"，資源總量達到530 TB。
3大數據環境下對醫院圖書館信息服務的挑戰
當前數字時代，醫院數字圖書館結構化資源內容豐富，結構完整，包括電子圖書、電子期刊、電子報紙、數據庫、網絡資源在內的海量數字資源。非結構化數據如聲音、視頻、音頻、圖片等可視可聽的數據，因為信息技術原因以及不夠重視而缺乏。圖書館在此結構化資源基礎上盡力實現用戶的最大滿意和最大程度利用。但在大數據時代，醫學信息量以指數的態勢增長。要求醫院圖書館對醫療專業部門的支撐越來越強，醫務工作者沒有足夠的時間和精力查詢相關專業資訊，這就要求圖書館對醫學專業具有較強的支撐能力，能夠在浩如煙海的信息中找到最有效的信息，乃至參與醫療決策[2]。
4大數據環境下醫院圖書館信息服務
大數據時代要求醫院圖書館信息服務將向數據分析、數據挖掘方向轉移，利用大量的結構化、非結構化、半結構化數據去挖掘讀者行為，預測和分析讀者的興趣和潛在需求，從而主動的為用戶提供個性化、精準化的信息服務。
4.1提供主動的、有針對 醫院圖書館的服務對象主要可以分為：臨床醫護人員、醫技人員、科研人員、行政管理人員和進修生、實習生人員。顯然，各類用戶群對信息的需求差異很大，同一類用戶群中因為層次不同，信息需求也存在較大差異。通過大數據平臺的挖掘分析，區分開用戶群，然后針對不同用戶群開展不同層次的服務。醫療科研人員的學科專業性非常明顯，信息需求主要集中在與專業領域緊密相關的生物醫學文獻上，不同專業的用戶需求差異明顯，而相同專業的用戶具有相近的興趣度，根據其相似性，可以得出某一時期某一學科的科研熱點，以及該領域的研究進展，實時動態地為他們提供專屬信息，提高文獻推送效率，使醫療科研人員更快地洞察最新的科研走向。
4.2提供個性化、精準化服務 在大數據時代，用戶面對眾多數據資源，深受大數據所帶來的困擾，很難方便、快捷、準確地檢索到所需數據資料。圖書館可通過大數據分析平臺對每個用戶的檢索關鍵詞、瀏覽歷史、下載數據、流量數據、讀者留言、新書推薦以及其博客、微博、移動圖書館等各種社交媒體產生的交互信息的分析，挖掘每個用戶的隱性信息需求，發現并預測其信息需求特點以及趨勢，針對每個用戶提供精準的、個性化的信息，以提高每個用戶獲取信息的速度和深度。
5加強大數據人才培養
大數據時代對醫院圖書館工作提出了更高的信息服務標準，要求醫院圖書館不但能夠通過結構化數據了解現在醫療科研人員需要什么服務，也能夠利用非結構化數據、半結構化數據深度挖掘預測和分析將來會發生什么。美國研究圖書館協會提出，研究數據管理是下一代圖書館員的能力之一。研究型生物醫學專業圖書館應盡快引進或培養一支大數據管理專業隊伍。當前的任務是如何在現有基礎上，拓寬館員知識面，增強業務能力，使之成為大數據知識服務信息資源的組織者、傳播者、導航者和教育者[3]。
6對用戶隱私的保護
大數據收集了用戶的個人信息、搜索歷史、地理位置等大量信息，很可能威脅到用戶的隱私，讓用戶有知情權，個人數據保存期限和用途將有用戶自行設置，這樣既解除了用戶的顧慮，圖書館又能合法的利用數據，在不暴露用戶個人隱私的前提下為醫療科研人員提供優質的個性化服務。
7結論
大數據技術將有力推動醫學信息服務向更深層次和更廣范圍拓展。醫學圖書館員必須抓住發展機遇，不斷提升核心競爭力，利用大數據創新信息服務，滿足醫療科研人員日益增長的信息需求。
參考文獻：
[1]王捷.大數據時代下圖書館開展信息服務的對策[J].現代情報，2013，33（3）：81-83.
第4篇：大數據時代的定義與特點范文
大數據，作為一種數據管理的理念和方式，其之所以出現，是云計算和物聯網等信息技術的發展，與人類社會所積累的數據高速增長并海量積累相結合的結果。無論是如何定義，從本質上，大數據是信息管理者在當今的信息技術條件下，為解決新的海量信息處理需求，所提出的解決策略。而作為典型的信息管理活動之一的檔案事業，勢必會受到大數據理念的影響。
大數據并不是一個嚴謹而完整的學術概念，其所包含的內容相對比較抽象，從字面意義上進行理解，大數據所指的是數據規模的龐大。但從這一意義上來看，顯然無法與傳統的以往一系列概念進行區別，如“海量數據”（Massive Data）、“超大規模數據”（Very Large Data）。在學術界，對于大數據的定義尚未形成統一的觀點，但綜合各種說法，主流的思路是從大數據的特征出發，通過歸納的方式，通過對特征的描述進行定義。其中最有代表性的是3V定義[1]，即認為大數據需滿足3個特點：規模性（Volume）、多樣性（Variety）和高速性（Velocity）。此外在實踐層面，普遍認為大數據具有全數據規模、多數據類型、低價值密度、高處理速度的特點。
在數據管理理念層面，大數據的特點在于全數據規模、豐富的數據類型（可能包含半結構化數據）、全數據處理對象、多數據處理工具；在數據處理技術層面，大數據體現為對云計算和新一代數據庫的應用；在操作方式層面，大數據體現為對零散信息價值的重視及對數據之間相關而非因果關系的分析。
二、大數據對檔案工作帶來的機遇
（一）解決信息化背景下檔案的“脹庫”問題
近年來，隨著電子文件的理念逐步得到認可，以及檔案的單位管理成本的降低，加之人們對于歸檔保存的重要性的認識的提升，我國的檔案總量步入了一個高速增長的時期[2]，但與此同時，信息化背景下的檔案數據庫脹庫問題也隨之到來了，其中較為明顯的表現為“新增數據失敗”等[3]，脹庫問題帶來的，不僅僅對新增檔案管理上的難題，同樣重要的是，由于脹庫現象的出現，檔案的服務利用的效率將大打折扣，其原因在于案卷在出現脹庫的過程中，無法及時有效地歸檔并建立索引以提供服務，破壞了檔案案卷之間的連續性和關聯性，降低了檔案中所提供的信息的價值。信息化背景下檔案的“脹庫”問題，本質上在于存儲和計算資源分配的不夠合理，傳統的數據庫架構在處理新的海量數據的過程中，靈活性遠遠不夠。解決這一問題，需要求助于大數據技術框架中的云計算技術[4]，利用云計算技術強大的調配計算資源的能力，根據數據處理規模的需要，配置數字化檔案管理所需要的存儲和計算資源，保證檔案的服務利用效率。
（二）有利于推動社會檔案觀的普及
大數據的核心在于從海量的數據中挖掘價值[5]，這為檔案價值的進一步發現和提升，提供了一個新的思路。傳統的檔案服務利用概念中，檔案的服務利用對象是特定并且相對單一的，原因在于檔案通過卷宗的形式，將一個相對完整的信息“包裹”存留，這部分相對完整的信息最終成為了檔案卷宗的主題。而在服務利用的過程中，“主題匹配”成為了最為常見的檔案定位方式，而主要來自于政府機關、企事業單位的日常運行信息形成的檔案，其主題自然會牢牢地與其形成機關的業務活動相對應，而檔案卷宗中所包含的零散的信息價值，相對容易被忽略，如今被公眾廣泛利用的檔案，多數是民生檔案[6]，而其他類型檔案中的零散信息價值，缺乏有效的挖掘服務利用手段，這是社會檔案觀在普及過程中必須解決的問題之一，即如何幫助公眾挖掘他們所關心的分散于海量檔案中的信息價值。大數據為檔案的服務利用提供了新的價值挖掘工具，使得分散在海量數據中的零散價值成為可能，這就意味借助大數據的信息分析工具，公眾將能夠從主題上看上去并不相關的眾多檔案中，發掘其自身所需要的信息，獲取相應的信息價值，將推動公眾逐漸意識到檔案作為當今社會最重要的信息價值載體之一的重要意義，而一旦這樣的意識逐步成型，檔案社會觀將得到普遍的認可。
（三）有利于處理多載體類型的檔案
信息技術的發展對于檔案管理工作的重要影響之一，就是提供了多樣化的信息載體形式，豐富了檔案的類型，從最原始的紙質載體的文書檔案，發展到如今的音像檔案、圖片等等。而隨著電子文件概念不斷獲得認可，新的信息載體形式層出不窮，從理論上講，每當出現一種新的信息載體形式，就會相對應地出現該載體形式的檔案。這就意味著未來檔案的管理工作必將是基于多載體的，其載體的豐富程度可能會遠遠超過我們的預期，而為最大程度保證原始證據價值，在技術條件允許的前提下，未來的檔案管理工作將會嘗試接受半結構化的數據作為檔案，以最大程度地保留證據價值[7]。這使得未來的檔案載體形式將呈現數量多、增長快的特點，這就要求針對具體檔案類型的管理工具，或者抽象為一類特定的數據處理工具，是無法實現“One size fit all”的，即不再存在能夠完美處理所有的檔案載體類型的管理工具。這一點上與大數據對處理多數據類型過程中所提出的數據工具組合的理念，是相一致的。未來的檔案服務利用活動，由于其面向的檔案對象的載體是多樣的，對其進行利用的工具也將是多樣的，甚至為處理一些半結構化的數據的過程中，可能會需要多種數據處理工具的組合。
（四）有利于電子文件的管理
大數據將從真實性、有效性、及時性三個方面提升電子文件的管理水平。首先從真實性角度考慮，由于電子文件驚人的增長速度，其真實性鑒定工作一直是困擾檔案工作者的難題之一，傳統的“直接鑒定法”在實際操作的過程中所消耗的人力物力成本過于巨大[8]，因此鑒定文件的真實性需要求助于大數據技術處理海量數據并分析復雜數據的能力；第二，從有效性角度考慮，電子文件的結構化特征并不明顯，大量的電子文件都是半結構化甚至是非結構化的，在這種數據類型情況并不穩定的前提下，處理數據對象單一的傳統檔案管理數據庫結構是難于駕馭的，而大數據技術框架下對于多數據結構的兼容性，能夠較好地解決這一問題，提升對電子文件進行管理的有效性；第三，從及時性的角度考慮，電子文件的指數增長，使得及時地對新增檔案進行管理成為了檔案工作者所面臨的一大難題，這樣的海量數據的實時處理，是檔案管理過程中前所未有的，這需要利用大數據技術框架中通過云計算的方式提升數據處理的及時性，才能保證電子文件管理的及時性。
三、大數據背景下檔案工作的發展趨勢
（一）從數字化到數據化
為應對信息時代對于檔案工作新要求，檔案數字化的工作已經進行了多年，并在一定程度上解決了傳統檔案利用信息技術進行管理及共享的問題[9]，收到了相當的成效。但在大數據時代背景下，數字化僅僅是解決了載體形式或者說是信息技術的應用問題，可以理解為檔案工作對信息技術的適應性應用，對于深入的數據挖掘與利用是遠遠不夠的。在大數據的時代背景下，信息管理者已經不再滿足于更易管理和共享的信息形式，應更為關注信息所能帶來的價值，這就要求對于檔案的管理工作框架，需要實現從數字化到數據化的轉變，即不僅僅能夠實現對檔案案卷的數字化管理，更能夠根據海量數據挖掘利用的需要，對檔案的管理深入到數據層面，這將更為適合大數據技術架構下對數據的“流處理”模式。
（二）從信息共享到信息價值共享
隨著大數據時代的到來，數據挖掘技術的應用進入了一個全新的階段，所有的信息管理者都面臨著同樣一個問題：將簡單而直接的信息共享活動轉換為更為高級的信息價值的共享，即需要對自身所掌握的信息的價值有清晰的掌握和準確的理解，對應到檔案工作者的現狀上，即檔案工作者僅僅了解自己在管理哪些檔案并提供服務利用，已經無法適應大數據時代對檔案服務利用的要求了，而需要能夠了解自己所掌握的檔案能做什么，所提供的檔案利用服務所實現的是什么功能，也就是要明確所掌握的檔案的價值。這需要對檔案利用服務的認識有更加深入的認識，在大數據時代的背景下，由于對信息價值提取效率的提升，對于信息價值的共享將成為所有信息服務利用的主流趨勢，這對檔案服務利用工作將是全新的挑戰，這不僅僅要求能夠靈活地運用大數據技術在整合檔案數據的基礎上挖掘其中蘊含的價值，更加需要檔案工作者對于信息價值有著更為敏感的“嗅覺”。
四、大數據對檔案工作帶來的挑戰
（一）如何嵌入數據挖掘環節
傳統的檔案管理活動，最為通行的說法是包含收集、整理、保管、鑒定、統計和提供利用六個主要環節，這六個環節組成了基本的檔案管理活動，并組成了一次完整的信息從收集到提供利用的過程。在大數據的時代背景下，對于檔案管理活動提出了新的要求，即主動地挖掘其中的價值并提供利用服務，這就涉及到一個流程嵌入的問題，即數據挖掘環節應該通過什么樣的方式嵌入到檔案管理活動中來，是作為一個單獨的環節嵌入到檔案的管理流程之中，還是在傳統的檔案管理活動的某一環節中實現數據挖掘的功能，直接關系到檔案管理活動流程的合理性。數據挖掘的嵌入問題，當檔案事業逐步步入電子文件時代之后，必須要解決的問題。
（二）如何保障檔案信息的安全性
大數據對于檔案信息的共享程度提出了更高的要求，只有在檔案資源高度共享的情況下，大數據技術框架下的云計算平臺才能發揮作用，真正實現檔案信息價值的利用。但隨之而來，就是檔案信息的安全性問題，如何解決在多類型、多結構、高共享程度狀態下的數據安全問題，已經顯得十分棘手。工作人員操作失誤、設備及網絡故障、計算機病毒、網絡黑客攻擊等對檔案信息安全構成威脅的因素，在大數據的技術框架下，所造成的威脅可能會被相應地放大。大數據時代的檔案信息的保密工作，其重心很有可能不再是保密體制的設計，而更有可能是信息安全技術的有效應用。
第5篇：大數據時代的定義與特點范文
進入21 世紀，人類在信息存儲和處理能力方面不斷涌現技術性的突破，大數據（Big Data）一詞越來越多地被提及，人們用它來描述和定義信息爆炸時代產生的海量數據。大數據是繼云計算、物聯網之后IT產業又一次顛覆性的技術變革。大數據時代的到來，各行各業都面臨著對龐大而復雜的數據進行有效管理的巨大挑戰，人們越來越認識到對自身產生和擁有的大數據進行有效管理的重要性和迫切性，災害檔案數據管理也不例外。隨著計算機技術和網絡通訊技術的飛速發展，災害管理信息化程度不斷提高，災害檔案數字化、網絡化管理已成為網絡信息時代檔案管理工作的必然選擇。面對洶涌而來的大數據，災害檔案數據管理工作如何應對，是擺在我們面前一個亟需研究的課題。
一、大數據的概念
關于大數據的定義，最早提出“大數據”時代到來的全球知名咨詢公司麥肯錫稱：大數據是指無法在一定時間內用傳統數據庫軟件工具對其內容進行采集、存儲、管理和分析的數據集合。維基百科的定義：大數據指的是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、處理并整理成為幫助企業經營決策目的的資訊。還有學者認為大數據指的是需要新處理模式才能具有更強的決策力、洞察力和流程優化能力的海量、高增長率和多樣化的信息資產[1]。可以看出，大數據由海量交易數據、海量交互數據和海量數據處理三大主要的技術趨勢匯聚而成[2]。
從本質上看，大數據主要解決的是海量數據存儲、計算、挖掘和利用的問題。其特點可概括為“ 4V”，一是規模性（Volume），數據容量巨大，大型數據集合一般在幾十TB至PB級的數據量；二是多樣性（Variety），數據類別繁多，數據來自多種數據源，數據種類和格式日漸豐富；三是高速性（Velocity），數據處理速度快，在數據量龐大的情況下，實現數據的實時處理；四是價值性（Value），數據真實性高，愈發需要有效的信息資源確保其真實性與安全性[3]。可以說，大數據時代是一個數據資源更加豐富的時代，是一個信息技術更加先進的時代。
災害檔案數據資源主要來自災害管理和科研活動產生的電子文件，按照來源和形成方式不同，可以分為數據庫文件、電子數據表、字處理文檔、電子郵件、掃描圖像、地理空間數字記錄、數字照片、網站及其相關文檔。災害檔案數據具有分布性、多源性、異構性等特點。從災害檔案管理部門來看，災害檔案資源主要集中在民政、水利、氣象、地震、國土、環保、測繪、軍隊、海洋等部門，檔案數據源分散在不同部門、不同地點，并由不同行業、不同單位和組織機構所擁有。從災害檔案內容來看，包括災情、氣象、遙感影像、基礎地理、專題地圖、涉災行業、經濟統計、現場多媒體等多種數據。近年來，災害檔案數據管理有了較大提高，但由于缺乏強有力的技術支持，檔案信息服務水平還比較落后，普遍存在管理意識薄弱、數字化建設不足、服務方式被動、開發利用欠缺等一系列的不足，利用信息技術進行檔案數據分析、開發、利用、交換、共享的水平還很低，沒有充分發揮檔案信息的憑證、參考和情報作用，無法滿足管理部門對災害檔案信息的需求。
二、大數據技術在災害檔案數據管理中的應用優勢
目前大數據研究成果最多的是大數據技術和大數據應用。大數據技術的特色在于它依托云計算的分布式處理、分布式數據庫和云存儲、虛擬化技術對海量數據進行分布式數據挖掘，在金融、醫療、教育、軍事、電子商務甚至政府決策等幾乎所有的領域都有非常廣闊的應用空間。隨著大數據時代的到來，應用大數據技術讓災害檔案數據獲取、儲存、搜索、共享、分析，乃至可視化地呈現，成為了可能，為災害檔案數據管理提供新思路和新方法。
1.大數據技術對實現災害檔案智能管理提供強大保障。大數據技術具有的可靠安全的數據存儲、方便快捷的云服務、超強的計算能力、諸多技術的集合體、良好的經濟效益以及以用戶為中心的個性化服務等優勢，對實現災害檔案“存儲數字化、管理自動化、利用網絡化”智能管理提供保障。應用大數據技術對分散于不同部門、不同地理位置的檔案數據資源進行管理、傳輸、檢索和提供利用，滿足用戶對檔案信息的遠程訪問操作，包括信息查詢、檢索、統計、提取等，實現檔案數據資源的互聯互通和共享利用，將檔案“藏”和“用”的功能都提高到一個新的水平，對于充分發揮檔案數據資源的價值具有前所未有的推動作用。
2.大數據技術對實現災害檔案數據挖掘提供有力支持。數據越來越多。傳統的檔案管理以文檔管理為主，檔案基本處于被動利用，沉淀的檔案沒有人去分析利用，也沒有技術工具去支撐挖掘和分析。大數據最核心的價值就在于對海量數據進行存儲和分析，只有通過分析，才能獲取更多智能的、深入的、有價值的信息。在大數據時代，檔案系統中除了大量的文檔之外，還有海量結構化數據，并且數據利用的效果要大于文檔利用效果。檔案部門在收集大數據之后，通過主動調查利用者的需求，建立各種數據模型，對海量數據進行聚類、分類、相關性分析，找到數據之間的關系，提高檔案價值，將原來的“死檔案”變成“活信息”，為災害管理決策提供參考。
3.大數據技術對實現災害檔案知識服務提供解決途徑，解決災害檔案如何實現知識服務，如何從浩如煙海的檔案數據中快速識別、選擇和有效利用檔案信息，為災害管理部門提供知識服務和智力支持，發揮檔案的參考憑證、決策咨詢、評估依據作用。應用大數據智能識別、傳感與適配等技術，構建基于基礎框架體系、大數據處理體系、過程管理體系、大數據分析與決策體系、交互體系的大數據知識服務平臺[4]將成為有效的解決辦法和途徑。災害檔案大數據知識服務平臺搭建的是一個大數據獲取、存儲、組織、分析和決策服務資源和服務能力共享、交易和協作的智慧平臺，依據災害管理不同行業、不同領域、不同需求的大數據處理需求，在平臺上實現數據、知識、資源、能力、服務、過程和任務等資源和能力的共享和協作。
三、大數據時代下災害檔案數據管理的應對策略
當前，我國經濟發展已進入新常態，認識新常態、適應新常態、引領新常態，是當前和今后一個時期中國經濟發展的大邏輯，也是發展檔案事業的基本遵循。災害檔案工作主動適應新常態，需要分析發展新變化，順應發展新趨勢，這既是經濟社會發展對災害檔案管理提出的更高要求，也是檔案事業深化改革和持續發展的內在需要。在大數據時代背景下，災害檔案的產生主體、利用群體、生態環境都發生著新變化，災害檔案數據管理應用大數據技術分析、挖掘出龐大的檔案數據獨有的價值，從“被動服務”向“主動服務”轉變，還面臨著諸多挑戰，需要從以下方面加以完善和提高。
1.建立高效有序的運行機制。大數據建設是一項有序的、動態的、可持續發展的系統工程，必須建立良好的運行機制，以促進建設過程中各個環節的正規有序，實現統籌協調，搞好頂層設計。應當增強災害檔案數據管理意識，做好災害檔案數據發展規劃，并將其納入國家綜合防災減災規劃中，建立災害檔案數據標準與規范，構建檔案數據管理系統，實現災害檔案數據有效組織、集中存儲、共享與服務。
2.制定科學規范的建設標準。災害管理涉及部門多、領域多、專業復雜，各部門都是按照各自定義的內部數據標準進行信息系統建設，因此存在災害檔案數據資源結構不統一、標準不配套等問題。沒有標準就沒有系統，應建立面向不同主題、覆蓋各個領域、不斷動態更新的大數據建設標準，為實現各級各類信息系統的網絡互連、信息互通、資源共享奠定基礎。
3.搭建共享利用的服務平臺。我國的災害管理涉及多個部門，通過幾十年的努力，已經積累了海量與防災減災相關的專題數據，并建立了一些信息網絡系統，部分開展了信息共享，但絕大多數災害管理相關數據還沒有實現有效共享和利用。數據只有不斷流動和充分共享，才有生命力，所以應在各專用數據庫建設的基礎上，通過數據集成，實現各級各類信息系統的數據交換和數據共享。
4.培養高素質的專業隊伍。災害檔案大數據建設的每個環節都需要依靠專業人員完成。一方面，需要培養和造就一支懂指揮、懂技術、懂管理的大數據建設專業隊伍；另一方面，需要加強檔案管理人員對信息技術的掌握，加強檔案管理人員大數據相關知識的培訓和輔導，做好大數據背景下檔案管理的人才儲備。
第6篇：大數據時代的定義與特點范文
【關鍵詞】大數據 高校 綜合辦公 創新
伴隨著21世紀互聯網技術不斷發展，互聯網滲透到了世界之中的各個角落，其中包含當前比較前沿的科技領域以及我們實際生活中的方方面面。互聯網技術之中的大數據管理技術能夠不斷進行資源共享以及資源的傳播，所以，為了能夠在辦公之中實現高校并且達到創新，這些都是值得探究的問題。
1 大數據概述
1.1 大數據定義
大數據是指資料規模較為巨大，通過主流的軟件無法進行合理的分析以及采集及管理的資訊。大數據具有 4V 特點：Volume、 Velocity、Va- riety、Veracity， 是由數量巨大、 結構復雜、類型眾多的數據構成的數據集合， 是基于云計算的數據處理與 應用模式， 通過數據的整合共享， 交叉復用，形成的智 力資源和知識服務能力。
1.2 大數據的特點
1.2.1 大數據量巨大
一般都是以PB級別進行估量。
1.2.2 數據類型比較繁多
比如網絡日志、圖片、地理信息以及相關的視頻信息。
1.2.3 數據價值密度較低
將視頻作為例子，可以看到在不間斷的監控的視頻之中能夠真正用到的數據只有不到1秒鐘。
1.2.4 處理速度迅速
與傳統的數據挖掘技術明顯不同，大數據的處理速度非常迅速。云計算、物聯網、車聯網、手機、以及各種多媒體載體，這些遍布全球都是多媒體數據的來源。
2 在高校綜合辦公之中的實際應用
2.1 網絡辦公中的大數據技術應用
各類的網絡辦公團建存在著部門層次較多、管理鏈條較長以及面向的對象較廣的問題，大數據處理技術的應用可以很好的處理這些問題。大數據的技術發展，將海量的網絡信息進行有效的處理以及優化，最終達到便捷、預判以及可靠的效果。
在正常的網絡辦公之中，應該提升網絡辦公故障的預處理能力。網絡設備的故障的出現之前，應該進行對故障設備的預警，通過對網絡運行設備的基礎信息以及歷史運行的數據挖掘與良好的處理，可以進行設備的正常運行狀態的檢測值的設置。通過大數據技術，可以實時檢測計算機網絡的各種 活動，通過對網絡異常行為的發現、預警，網絡流量與狀態的監 測、分析，來處理眾多安全事件，從而提升網絡辦公體系的安全 防御能力。
2.2 提升資源合理配置，加強綠色通信的實現
伴隨著辦公之中的終端數據的激增，大數據技術不斷滲透到了資源的配置之中。所以在實際的辦公之中，應該對辦公的流程、文件的提取以及行政安排，進行能源消耗的降低并且營造綠色的網絡。
（1）實現網絡資源的動態分配。通過動態自適應的方法， 充分考慮服務需求、網絡流量等情況，再配備相應的行政資源。
（2）大數據技術支持龐大數據的存儲和處理，使行政管理資源的統一管理或統一備份成為可能。
2.3 進行有效的數據整合
行政辦公系統之中，數據類型不再是以單一的文本為主要資源形式的結構化數據，其中還包括眾多的音頻、視頻、地理位置，在綜合辦公之中這些數據的處理應該利用大數據進行高校快速的處理。將辦公之中的非結構化數據進行統一、整合以及科學重組，最后使得行政管理能夠迅速傳遞信息。
2.4 加強辦公的安全性
在大數據背景下進行辦公，應該加強辦公環境的安全性。大數據技術的應用實現了大量數據的處理以及實現。不可控制的大量數據其中包含病毒、黑客的攻擊以及系統的漏洞。為了能夠提升高校綜合辦公，應該加強辦公的安全性。可以從訪問控制、網絡隔離以及人侵檢測、病毒防治這幾個方面提升大數據環境辦公網絡安全度。
2.5 提升綜合辦公效率
大數據技術的應用提升了綜合辦公的效率，減少了冗余的時間。在行政辦公之中海量數據中存在著大量噪聲， 在數據集成時需要對數據進行清洗， 保證數據的質量和可信性。 有利于各部門之間快捷有效的溝通并開展工作。大數據技術實現了資源共享，資源可以快速在各部門與院系之間傳遞。人員處理信息資源的速度提升，提升了綜合辦公效率。
3 結束語
大數據時代的來臨，對于行政辦公的效率提升有著重要的作用。在高校綜合辦公之中，大數據必然有著廣闊的應用前景。綜合辦公在大數據時代將獲得巨大的突破，辦公中蘊藏著的巨大知識寶藏能夠得到更好的開發與利用。
參考文獻
[1]覃雄派，王會舉，杜小勇等.大數據分析――RDBMS與MapReduce的競爭與共生[J].軟件學報，2012，23（1）：32-45.DOI：10.3724/SP.J.1001.2012.04091.
[2]李玉梓.辦公軟件Excel的應用技巧[J].產業與科技論壇，2015，（9）：95-96.DOI：10.3969/j.issn.1673-5641.2015.09.053.
[3]高校辦公[J].辦公自動化：辦公設備與耗材，2012，（10）：48-48.
[4]王元卓，靳小龍，程學旗等.網絡大數據：現狀與展望[J].計算機學報，2013，36（6）：1125-1138.DOI：10.3724/SP.J.1016.2013.01125.
第7篇：大數據時代的定義與特點范文
關鍵詞： 大數據時代 高校宣傳思想工作 建議
大數據開啟了時代轉型之門，隨著信息技術的發展，海量的數據日益影響著人們的工作、學習和生活。8月19日，國務院常務會通過《關于促進大數據發展的行動綱要》，標志著大數據已經正式上升到國家最核心戰略。面對新的形勢，高校宣傳思想工作者如何搶抓機遇，以“大數據”思維推動各項工作提檔升級、創新發展，是一項亟須深入思考和實踐的重要課題。
一、大數據的概念及基本內涵
早在1980年，著名未來學家阿爾文?托夫勒便在《第三次浪潮》一書中，將“大數據”熱情地贊頌為“第三次浪潮的華彩樂章”。近年來，大數據更是廣受關注，不過，對于大數據概念的理解并未取得一致。麥肯錫是研究大數據的先驅，認為大數據指的是大小超出常規的數據庫工具獲取、存儲、管理和分析能力的數據集。國際數據公司（IDC）從大數據的四個特征來定義，即海量的數據規模（Volume）、快速的數據流轉和動態的數據體系（Velocity）、多樣的數據類型（Variety）、巨大的數據價值（Value）[1]。維克?托邁爾?舍恩伯格認為：“人們能在大規模數據的基礎之上做到的事情，并且這些事情在小規模數據的基礎上無法完成，就叫做大數據。人們能夠通過大數據獲得更新認知、創造更新的價值觀念;大數據還可以改變組織機構和市場，以及政府與公民關系。”強調以大數據技術為基礎的新思維和新方法[2]。
盡管對“大數據”的認識存在差別，但綜合不同的定義看，“大數據”在不同領域內包含三層含義，可以分別從現實和技術兩方面加以闡釋：第一層意義上的“大數據”指的是數據的巨量化和多樣化，現實方面指的是海量數據，技術方面指的是海量數據存儲;第二層意義上的“大數據”指的是大數據技術，現實方面指的是對已有或者新獲取的大量數據進行全面分析和利用，技術方面指的是云存儲和云計算;第三層意義上的“大數據”指的是大數據思維或者大數據方法，現實方面指的是把目標全體作為樣本的研究方式、模糊化的思維方式、側重相關性的思考方式等理念，技術方面是指利用海量數據進行分析、處理并用以輔助決策，或者直接進行機器決策、半機器決策的全過程大數據方法，這種對大數據的認知方式涉及“大數據項目”或“大數據技術應用”的認知[3]。
二、大數據在高校宣傳思想工作的應用價值
宣傳思想工作是在頭腦中搞建設，向來被認為務虛多于務實，經驗等同于規律，往往側重定性分析，忽視定量分析。在互聯網背景下，如何在師生產生的海量信息數據中尋找具有價值的內容，僅僅依靠傳統的定性分析方法顯然不適用。大數據引起變革的最重要方面在于它創造了前所未有的可量化維度，使定量分析方法取得了突破性進展，也為高校宣傳思想工作由定性向定量、感性向理性、務虛向務實轉變提供了新的機遇。
（一）夯實宣傳思想工作基礎。
大學生思想政治教育是高校宣傳思想工作的一項重要內容。由于當代大學生群體是伴隨著互聯網成長起來的，他們思想活躍，主動積極，并敢于創新和實踐行動，因此，對其思想動態、情感就更加難以把握，對其未來行為和言論更加難以預測。而大數據給思想政治教育提供了呈現和開發利用信息的方法，以全面收集學生網上、日常活動等海量信息為前提，通過加工和綜合處理使之轉化成有效信息的基礎上，進行分析、判斷、過濾、提純，使之成為有價值的“思想狀況大數據庫”，進而達成對教育對象的全面認識和準確把握。
（二）豐富宣傳思想工作方法。
高校身處國家意識形態工作的前沿，在這個“人人都有麥克風”的全媒體時代，如何加強網絡輿論引導，鞏固擴大宣傳思想陣地，已經是勢在必行。要預測分析引導輿情，首要條件是對各種關聯的數據進行分析計算。在大數據的支撐下，突破了傳統數據時代片面化、單一化、靜態化的思維，定量研究、定性研究、數學模型等許多新的研究工具和方法都可以利用，可以將看似無關緊要的輿情數據納入分析計算的范圍，從而使輿論引導工作更富科學性、前瞻性和有效性。
（三）創新宣傳思想工作方式。
隨著信息技術的發展，海量的數據影響著人們的工作和生活，對新聞生產方式也產生了廣泛的影響，數據新聞應運而生。“數據新聞”，也被稱為“數據驅動新聞”，簡而言之，就是一種新聞生產方式，對大量的數據和信息進行分析、處理，運用可視化和敘事化的手段，創作出一種新的新聞報道方式[4]。當前，高校校報、廣播等傳統媒體的生存環境正面臨著十分嚴峻的考驗，而受眾正向以互聯網為代表的新媒體遷移，而數據新聞正是在電子媒體上才能得以呈現。數據新聞通過可視化的技術呈現出來，使得新聞有了新的敘事的方法，它的私人訂制化、受眾可參與新聞創作的特點，是目前數據新聞與其他圖文新聞所不一樣的地方。
三、大數據時代宣傳思想工作面臨的主要問題
當前，我國“大數據”技術的開發應用，相比歐美等發達國家相對滯后，在高校宣傳思想領域引入相關的理念和技術，還屬于理論研究和實踐起步階段，并存在諸多難點。
（一）戰略認識有待深化。
如今，高校信息化建設正經歷著由簡單到復雜、由單一到多元、由局部到整體的全方位一體化的發展過程。數據分析、數據挖掘等技術，在招生、就業、教學、科研、人事、財務、資產、圖書借閱等方面逐漸開始嘗試運用，盡管這種探索還是不成熟的、淺層次的。但在宣傳思想工作領域，“穩、怕、守”的心理普遍存在，“探、闖、試”的勁頭不足。面對新時代、新形勢，在樹立大數據思維、應用前沿技術、推進方式方法創新上面缺乏機遇意識和前瞻眼光，在頂層設計、資源配置、宣傳發動等方面的工作基礎還比較薄弱，借助“大數據”為宣傳文化工作提檔升級仍需凝聚共識、匯聚力量。
（二）技術平臺有待完善。
近年來，隨著移動互聯網以及物聯網等新技術的興起，學校師生主動產生和由設備自動收集的信息越來越多，如微博、微信等社交信息，各類搜索點擊記錄信息等。這些信息的有效挖掘和分析，對開展宣傳思想工作有著非常重要的意義。但是上述信息存在著數據量大、結構復雜、產生頻率快的特點。由于缺乏統籌規劃，許多職能部門各自為政，不少應用系統之間沒有統一的技術和數據標準，數據不能自動傳遞，缺乏有效的關聯和共享，從而形成“數據孤島”。在需要連接多個數據源的情況下，數據的提取非常困難，而復雜的在線分析幾乎無法實現。
（三）人才隊伍有待加強。
大數據是一個綜合性課題，需要不同層級的人才。麥肯錫公司預計，美國到2018年深度數據分析人才缺口將達14萬～19萬人，能夠分析數據幫助公司獲得經濟效益的技術及管理人才有150萬人的缺口。中國能理解與應用大數據的創新人才更是稀缺資源[5]。目前，高校大多數宣傳思想工作者的學科背景都屬于文史類，大多數人僅僅是利用互聯網獲取資料、捕捉師生思想行為的信息，通過對微博、微信、QQ空間、貼吧、論壇等新媒體的簡單運用開展思想教育和行為引導，但對于深層次的多級輿情信息，師生針對某一事件評論反映出的情緒變化、行動性暗示等信息無法通過大數據、互聯網等相關知識和技術深度挖掘，這在很大程度上影響著宣傳思想工作與大數據時代的契合。
四、做好大數據時代宣傳思想工作的幾點建議
（一）加強領導，為大數據時代的宣傳思想工作提供堅實組織保障。
大數據建設是一項有序的、動態的、可持續發展的系統工程，必須加強頂層設計，搞好宣傳發動，以促進建設過程中各個環節的規范有序。一是做好大數據規劃。高校要利用制定“十三五“規劃這個有利時機，做好宣傳思想工作大數據發展的頂層設計，明確大數據發展的戰略目標、戰略任務和戰略重點，統籌推進相關數據中心及基礎數據庫建設。二是加大資源投入。大數據背后是一系列的數據挖掘、數據存儲、數據分析、數據顯示、數據安全等步驟，每個環節都需要大量人財物投入。三是加大宣傳教育力度，培養數據意識和數據素養。創新內容、形式和途徑，把大數據專業知識列入高校宣傳思想系統領導干部、工作人員教育培訓考核重要內容。
（二）整合資源，為大數據時代的宣傳思想工作提供一流技術平臺。
數據只有不斷流動和充分共享，才有生命力。一是建立統一的數據標準。要牢固樹立“大宣傳”意識，規范數據管理的方法、流程、定義，統籌和整合宣傳思想領域各方面異源異構性信息數據，實現各業務模塊間的數據庫的集成、交換和共享，消除“信息孤島”。二是建立嚴格的數據管理制度。制定信息采集和管控、敏感數據管理、數據交換、數據權益等領域的大數據管理規章制度，明確大數據采集、使用、開放等環節涉及信息安全的范圍、要求和責任。三是拓寬大數據挖掘獲取渠道。加大與人民網、新華網、新浪、騰訊、百度、鳳凰網等主要網站的合作，通過合作模式獲取后臺關鍵數據。
（三）創新機制，為大數據時代的宣傳思想工作提供強大智力支撐。
沒有一流的人才隊伍，做好大數據時代高校宣傳思想工作將是一句空話。因此，不斷創新機制，通過多種途徑和形式，開發培養一支大數據人才隊伍，提高宣傳思想工作的能力勢在必行。一要發揮高校學科優勢，協同科研單位、媒體機構、政府部門力量，開設專門的數據科學學科，加強各學科人才的交叉培養，重點培養綜合掌握統計學、計算機學、管理學、新聞傳播學等各方面知識的復合型人才，打造一支規模宏大的大數據人才隊伍。二是利用“聘任制”，不斷吸引社會專業人才進入高校宣傳思想工作系統。三是通過購買服務的方式，短期租賃高精尖大數據技術人才為我所用，不斷健全高校宣傳思想工作大數據技術人才體系。
參考文獻：
[1]趙國棟，等.大數據時代的歷史機遇[M].北京：清華大學出版社，2013.
[2]維克托?邁克?舍恩伯格，肯尼斯?庫克耶，著.盛楊燕，周濤，譯.大數據時代[M].杭州：浙江人民出版社，2013.
[3]馬奔，毛慶鐸.大數據在應急管理中的應用[J].中國行政管理，2015（3）.
第8篇：大數據時代的定義與特點范文
【關鍵詞】大數據；思想政治教育；現代化
一、大數據的定義及特點
研究機構Gartner定義“大數據”是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。然而，在各國提倡下、各行業創新發展過程中，目前所說的“大數據”不僅指巨量數據本身，也包括采集數據的工具、平臺和數據分析系統。維克托?邁爾-舍恩伯格及肯尼斯?庫克耶編寫的《大數據時代》中大數據指不用隨機分析法（抽樣調查）這樣的捷徑，而采用所有數據進行分析處理。大數據的4V特點：Volume（大量）、Variety（多樣）、Value（價值）、Velocity（高速），具體表述即為數據體量巨大、數據類型繁多、總價值巨大但有效價值密度低、處理速度快。由此可見，想要在創新中發展，必然要優化利用大數據。
二、大數據時代的機遇與挑戰
在傳統的高校思想政治教育工作中，核心是政治，最為顯著的教學方式是課堂授課式灌輸思想，教育成功的決定性因素是教育工作者的道德素質和理論水平。而現代化的思想政治教育的本質是為人民服務，確立以人為本的發展性教育理念，要以科學發展觀指導大學生思想政治教育現代化建設，保證教育工作的主客體同步現代化及教育內容和教學方式的現代化。
收集并整理符合時展要求的教育內容是思想政治教育工作的核心型任務。在互聯網和電子科技迅捷發展的過程中，大量的文字信息或是圖片視頻資料幾乎全部以電子數據方式進行傳播、留存。根據大數據的4V特點，巨量的不同存儲類型的思想政治教育內容能夠輕而易舉地被數據處理系統統一收集并使用大數據技術進行處理。大數據技術意味著從單一領域所包含的各種各樣類型的巨量數據集合中，快速獲得有價值信息，即符合現代化教育要求的內容。由此可見，大數據時代運籌帷幄的關鍵核心在于合理應用大數據技術，做到節約大量人力物力的資金成本，同時短時高效地完成數據處理過程并獲取最終成果。
對思想政治教育工作者而言，能夠從大數據中快速獲取大量現代化教學內容是令人振奮的。然而，如何從大數據中發掘出適用于當代大學生思想政治教育專題活動的具體內容和教學方式則是一個不容忽視的現實的挑戰。這就要求高校思想教育工作者腳踏實地地進行設計一套全新的、現代化的、對大學生思想政治覺悟和思維辯證能力具有深遠影響的解決方案。
三、現代化高校思想政治教育工作的創新
（一）樹立大數據意識，建立教學資源庫
高校的思想政治教育工作者和大學生群體作為教育改革創新中的主客體，被時代賦予了不可推卸的重任。90后的高校大學生從小便熟知計算機應用及互聯網的發展歷程，因而對于科技新生產物接受程度極高，與此同時，作為網絡和新媒體的主要應用者，大學生群體習慣于在生活及學習中借用電子科技處理問題或獲取知識。在先進的思想氛圍烘托下，高校思想政治教育工作者在教學過程中提倡樹立大數據意識有基本立足點。實踐是檢驗真理的唯一標準，因此，建立網絡教學資源庫作為必不可少的教育創新之舉，能夠彌補傳統的“填鴨式”教學模式中的缺陷，為學生自主學習思想政治內容提供了科技便利，實現資源共享。
（二）提高數據分析能力，補充數據核心內涵
大數據分析的五個基本方面，在不同領域的數據分析應用中會有不同的參考方向。教學資源的數據分析中需要采用的是語義引擎（即在大數據分析廣泛應用于網絡數據挖掘的過程中，可從用戶的搜索關鍵詞、標簽關鍵詞、或其他輸入語義，分析，判斷用戶需求，從而實現更好的用戶體驗和內容匹配），及數據質量和數據管理（即大數據分析離不開數據質量和數據管理，高質量的數據和有效的數據管理，無論是在學術研究還是在商業應用領域，都能夠保證分析結果的真實性和價值性）。建立網絡教學資源庫的根本是語義引擎的設置，需要將文本、圖片或視頻資源與教學內容的標簽關鍵詞信息一一對應。在保證數據信息內容一致性的同時，更為重要的是數據質量和數據管理，不能忽略教育資源中文本、圖片或視頻資源中的隱含信息，在信息處理過程中要補充數據核心內涵。
（三）補充教育實踐活動，實現思教創新改革
現代化的高校思想政治教育是指在全球化進程和我國社會主義社會建設過程中，人們的生活方式和思想觀念發生了根本的變化，因此思想政治教育需要結合新時代的變化進行改革，要以理論觀點結合創新實踐活動實現從傳統思想政治教育活動到現代化的理論與實踐相結合的轉型。高校思想政治教育工作者可以使用微信、微博等新媒體在日常工作中對學生進行潛移默化的思想引導，同時借助新媒體后臺的數據統計分析學生們在思想政治學習過程中期待的教學內容及實踐活動，或是開放網絡教學資源庫，讓學生們自主參與“DIY紅色經典路線”、“學生自主課堂展示教學”等專題活動，使網絡資源與實踐活動取長補短，完善現代化思想政治教育的創新。
作者簡介：高志遠（1986-），男，籍貫：遼寧省營口人，研究方向：大學生思想政治教育。
參考文獻：
[1]張海濱，郭霞n.論大數據時代背景下的高校思想政治教育.教育教學論壇.2014（12）.48-49
[2]孫長虹.大數據時代高校思想政治教育面臨的挑戰與對策.重慶理工大學學報（社會科學），2014（9）.143-145.
第9篇：大數據時代的定義與特點范文
關鍵詞：大數據；理論，技術
中圖分類號：TP311.13
1 大數據的定義
大數據本身是個比較抽象的概念。顧名思義，其表示數據規模的龐大與數據類型的繁多。近年來，隨著數據量的爆炸式增長，數據的計量已不能采用人們熟知的GB或TB為單位進行描述，而是以PB（1PB=1024TB）、EB（1EB=1024PB），甚至ZB（1ZB=1024EB）為計量單位。以利用電子顯微鏡構建大腦中的突觸網絡為例。據估算，大約1mm3大腦的圖像，數據量超過1PB，如此大的數據量無法采用傳統數據庫工具進行內容抓取、管理和處理。
目前，有關大數據的定義尚未統一，主要有以下3種。
《互聯網周刊》的定義為：大數據涵蓋了人們在大規模數據的基礎上可以實現而在小規模數據的基礎上無法實現的事情。也就是說，大數據讓我們以1種前所未有的方式，通過對海量數據進行分析來獲取蘊含巨大價值的產品、服務或深刻的洞見，最終形成變革之力。
相關研究機構認為：大數據是需要采用新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。從數據類別上看，大數據是指無法使用傳統流程或工具處理或分析的信息。其定義了那些超出正常處理范圍和大小、迫使用戶采用非傳統方法處理的數據集。
IBM通過分析大數據的特征對大數據進行了定義，認為：類型（variety）、數量（volume）和速度（velocity）是構成大數據的3個主要內容。其中，類型指數據中包含結構化、半結構化和非結構化等多種數據形式；數量指收集和分析的數據量非常大；速度指數據處理速度要足夠快。
2 大數據的產生
現如今，全球數據量正以前所未有的速度增長著，且隨著全球無線網絡覆蓋區域的不斷擴大，以及移動設備的出現與發展，數據的增長已不再受時間、地點的限制。從目前來看，大數據量的積累與增長主要經歷了3個階段。
信息化管理被動產生數據階段。企業為實現信息化管理，需存儲、處理企業辦公文件、財務報表、員工信息等數據。這一過程催生了數據庫的出現，如超市庫存系統、銀行交易記錄系統、企業員工醫療信息系統等。因此，辦公信息化促成了人類社會數據量的首次大飛躍。這個階段產生的數據的主要特點是：數據伴隨著一定的運營活動而產生，并記錄到數據庫中。例如，企業人力資源部門錄入員工的基本信息，員工的信息就出現在企業數據庫中，這種數據產生方式是被動的。
社交網絡與便攜設備主動產生數據階段。在這一階段，數據量的增長來自2個方面：一是開放社交網絡的出現，如微博、人人網，使用戶主動在社交網絡上發表自己的看法，分享自己關注的內容，這些過程產生了大量的數據；二是以智能手機、平板電腦為代表的新一代移動設備的出現，這些易攜帶、全天候接入互聯網的設備使人們能夠更方便地發表自己的想法等。這些都促成了人類社會數據量的第2次大飛躍，這一階段產生的數據是主動的。
人、機、物三者深度融合自動產生數據階段。隨著物聯網的發展，傳感器的使用越來越廣泛，人類制造的極小的、具有處理功能的傳感器等設備部署到世界的各個角落，或對社會的各種活動進行監控，或對人類身體健康狀況進行隨時隨地的監測，這些過程都產生了大量數據，形成了人類社會數據量的第3次大飛躍，這種數據的產生是自動的。
綜上所述，數據的產生經歷了從被動到主動，再到自動的過程，其中，自動產生數據的過程是形成大數據的根本原因。
3 大數據的關鍵技術
3.1 文件系統。針對數據存儲，文件系統需要考慮3個問題：高性能共享性、文件的管理和保護、重復數據的處理。尤其是在面對海量文件時，上述問題更加凸顯。例如：美國谷歌公司設計開發了谷歌文件系統GFS――（Googlefilesystem）。
GFS是構建在大量廉價服務器之上的可擴展的分布式文件系統，主要針對文件較大、且讀遠大于寫的應用場景，采用主從（Master-Slave）結構，通過數據分塊、追加更新（append-only）等方式實現了海量數據的高效存儲。同時，谷歌公司選擇電價較低的地點建立存儲庫，從而降低了運行成本。
3.2 數據庫系統。大數據的特點決定了數據庫系統需解決的問題：第一，數據量規模巨大。大數據時代的數據量遠遠超過單機所能容納的數據量，因此，必須采用分布式存儲方式。這就需要系統具有很好的擴展性，即適應大數據的數據庫系統應當具有良好的橫向擴展（scale-out）能力。第二，數據異構性。結構化數據、半結構化數據、非結構化數據均是大數據的重要組成部分。高效地處理多種數據類型是大數據時代數據庫技術面臨的重要挑戰之一。第三，設計理念要不斷創新。面對多種類型的數據，不可能存在統一的數據處理方式，這就要求新型的數據庫系統以不斷變化的角度對待數據。
數據分析與處理技術。傳統的針對結構化數據進行挖掘的理論已日臻成熟，但是針對大數據時代的數據類型，則需要開發新的數據處理與挖掘技術。
（1）Hadoop數據處理平臺。目前，數據的分析與處理尚沒有絕對合適的工具。Hadoop是當前最為流行的大數據處理平臺。Hadoop最先是模仿GFS和Mapreduce實現的云計算開源平臺。對Hadoop改進并將其應用于各種場景的大數據處理已經成為業界新的研究熱點，主要的研究成果集中在Hadoop平臺性能改進、高效查詢處理、索引構建和使用、基于Hadoop的數據倉庫構建、Hadoop與數據庫系統的連接、數據挖掘、推薦系統等方面。
（2）深度學習技術。深度學習通過建立類似人腦的分層模型結構，對輸入數據逐級提取從底層到高層的特征，從而建立起底層信號到高層語義的映射關系。近年來，谷歌公司、淘寶網、百度公司等掌握大量行業數據的企業都投入了大量人力物力，開展深度學習技術的研發工作，并在語音識別、圖像、在線廣告等領域取得了顯著進展。起初，簡單的機器學習模型比復雜模型更有效的觀點十分流行。例如，簡單的線性模型可能比復雜的神經網絡模型擁有更大的應用空間。然而，近幾年深度學習的快速發展促使人們開始重新考慮這個觀點：或許較復雜的模型或表達能力更強的模型才能充分發掘出海量數據中蘊含的價值；也許運用更復雜的深度學習模型能夠從大數據中發掘出更多有價值的信息和知識。
挖掘大數據的價值需要深度模型。如語音識別作為大數據機器學習的重要問題之一，在聲學建模部分，訓練樣本達到了幾億到十幾億，谷歌公司在1項語音識別實驗中，發現訓練后的模型對訓練樣本和測試樣本的預測誤差基本相當，然而一般訓練樣本的誤差要顯著小于測試樣本，出現這樣的結果只有1個解釋，就是大數據中包含豐富的信息維度，即便訓練后的高容量復雜模型，也處于欠擬合的狀態，所以，大數據需要深度學習。
與采用人工規則構造特征的方法相比，利用大數據來深度學習和構建特征，能夠刻畫出大數據內更加豐富的信息。在未來發展中，深度學習在大數據中的應用將會越來越普遍。
相關硬件設計與制造技術。硬件架構不同會極大地影響系統的處理效率。數據處理速度在很大程度上取決于處理過程中處理時間最長的節點。如果集群中硬件的性能差異過大，會導致大量的計算時間浪費在性能較好的服務器等待性能較差的服務器的過程中。在這種情況下，服務器的線性增長并不一定會帶來計算能力的線性增長。
針對這些問題，有2個技術問題需要關注：一是不同結構的硬件之間的匹配，以發揮最大使用率的技術問題；二是硬件設計技術的提升。
為提升數據的處理能力，需要使用高性能硬件。例如，近年出現的基于閃存的固態硬盤（SSD）采用新型尋址方式和硬件結構，從硬件層為存儲系統結構的革新提供了支持，為計算機存儲技術的發展和存儲能效的提高帶來了新的契機。
參考文獻：
[1]席曄文，楊金民.基于雙布魯姆過濾器的數據排重技術[J].計算機工程與應用.
