前言：中文期刊網精心挑選了大數據論文范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
大數據論文范文1
在橋梁工程中，數據按時間上的劃分可以分為兩類，靜態數據與動態數據。靜態數據主要指橋梁的相關信息資料庫與科學實驗產生的數據。信息資料庫是一種相對靜態數據，因為這些數據資源每過一段時間將更新一次。各國家和各地方政府部門基本建立了橋梁工程資料庫及相關系統，列舉出主要國家和地方政府的橋梁管理系統，包括建成時間、系統功能、與建設部門等。除國家政府部門外，各科研單位也在完善各自的橋梁統計分析系統，系統中主要包括橋梁的橋型、跨徑、材料、建成時間等基本信息，還包括橋梁的病害、橋梁狀況評定等相關內容。橋梁的科學試驗數據主要來源于各大高校和科研單位科學研究中的模型試驗、振動臺試驗、風動實驗、橋梁的荷載試驗等產生的數據。這類數據的有效分析處理形成各類科學研究成果，但是此類數據的開放程度低，造成數據資源的極大浪費。橋梁的動態數據主要來自于橋梁的施工監控和成橋運營階段健康監測系統，此類數據由安裝在橋梁上的實時監測傳感器獲得，包括位移傳感器、速度傳感器、加速度傳感器、應變計、溫度計、風速儀、GPS等。統計了國內部分橋梁健康監測系統的傳感器數量以及安裝時間。各類傳感器配以相關的采集系統來獲得數據信息，再通過相關軟件分析、處理，從而掌握橋梁的實時健康狀況，對橋梁的狀態進行評估與預測。整個橋梁健康監測體系。
2開發橋梁工程領域大數據資源意義
利用橋梁的靜態數據庫，可以了解橋梁的基本信息，為全國的橋梁統計、普查與管理提供信息資源。科研數據的開放有助于學術界的交流、創新，取得更為豐富的科研成果。橋梁動態數據包括施工監控數據與成橋運營階段的監測數據，充分利用與挖掘大數據資源，可以提高橋梁的施工質量、加快施工進度，提前預測和解決施工過程中可能出現的問題，減少質量事故和經濟損失。成橋運營階段的監測數據主要為橋梁的健康狀況評估提供依據，掌握橋梁所處的狀態，分析、處理數據資源，提高預測、分析、解決問題的能力。可為同類橋梁的施工管理與養護等，提供寶貴經驗。同時大數據資源的開放、共享，有助于節約國家資金和社會資源。
3存在問題及解決方法
（1）最先遇到的也是最棘手的問題是數據的去冗、去噪，從海量數據中挖掘大數據資源價值。目前，所列一座特大橋上各類傳感器每天采集的數據達到幾個GB到幾十GB，甚至上百GB，如此海量的數據如何去處理，有效剔除無用的信息，找尋剩余有用的信息，從而產生新的價值、新的資源。這也是在大數據時代有效利用大數據資源要解決的首要問題。解決這一問題的主要途徑是編譯相關的去冗、去噪的智能分析軟件，同時可以利用云計算、云分析、云管理等方法來提高解決這一問題的效率，使大數據變為有用數據，做到真正智能化分析。
（2）現在各政府部門和科研單位，都在做自己的橋梁信息庫以及監測研發數據庫等，而且大多數數據庫都是相類似、重復的。這樣造成資源的極大浪費，包括勞動力、資金等。解決這一問題的有效途徑是加強政府部門、科研單位內部以及之間的相互合作，開放和共享數據資源，這也是大數據時代的必然趨勢。各部門和科研單位可以有步驟、分階段地開放共享各自所擁有的數據資源，不論是采用付費或免費的方式。
（3）由于大數據具有“4V”等特點，在大數據研究的初期階段，大數據的價值還未充分體現時，要儲存、分析、利用大數據資源，需有軟件、硬件等基礎設施的投入，國家和科研單位應提供專項資金的支持，同時國家可制定相關鼓勵支持政策。
（4）在大數據時代成熟以后，應建立相關法規，規范和保護數據的開發利用，制訂相關統一標準，提高數據的使用效率。
4結語
大數據論文范文2
1.大數據的背景與特點
（1）信息規模大。大數據的發展是與互聯網息息相關的，互聯網技術的時時更新與不斷發展，無疑產生了海量數據。毫不夸張地說，無時無刻不在產生新的數據。常規數據的存儲單位一般為GB或TB，而大數據的單位往往是PB、EB甚至ZB，可見大數據的數據量之大之多。（2）數據的多樣性。以前的數據大都是結構化的數據，現在由于信息的采集、加工與傳輸技術的不斷發展，尤其是在互聯網絡上，產生各種非結構化的數據，代表性的非結構化數據包括音頻、視頻、傳感數據，互聯網上的以博客、微博為代表的文本數據等，使得數據的具體形態呈現多樣性。（3）復雜關聯性。在當今互聯網的時代，產生的各種各樣的聯系，比如在電子商務網站上購物，曾經搜索過的關鍵詞會成為電商網站制定個性化推薦、進行精準營銷的最主要依據，個人在不同的社交網站上所提供的個人信息，以及在電商網站購物所留的具體信息都可以轉成為有效的商業信息。這就表明了數據之間聯系的緊密與密度，也說明了數據間的關聯復雜性。（4）價值密度低。當然，海量的數據并不意味著海量的價值，不可能所有的信息都具有價值，如一些冗余信息。需要利用數據挖掘技術，對海量信息進行有效地提取與挖掘，找到具有價值的數據，并將其運用到商業活動中。
2.大數據時代第三方物流企業CRM面臨的挑戰
在了解了大數據的特征之后，我們便對大數據有了一個清晰的認識。那么在這個以數據為中心的大時代背景下，對第三方物流企業，對現在逐步將客戶升級為企業核心競爭力、強調以客戶為中心的第三方物流企業CRM帶來了什么樣的機遇與挑戰，值得我們深思。CRM既是一種管理理念，也是一種應用軟件，更是一種管理模式。客戶一直都是企業非常重視的資源，而且對客戶的重視早已從交易進行中擴展為注重潛在客戶（即交易尚未發生時）、重視售后管理（即交易發生后），即在整個過程中都強調客戶的地位和重要性。當今充滿信息的時代，人們更加重視客戶的管理，由此可以看出，客戶的概念已經發生很大的變化。客戶概念的泛化，無疑使客戶需求變得具有多樣性、多重性和差異性。在這個數據高速增長、信息高度發達的年代，無疑數據是驅動物流企業發展的動力。那么面對海量數據，低密度的價值數據，物流企業的數據“短板”，與客戶信息、客戶需求之間的矛盾與差距，使得物流企業在大數據時代進行客戶關系管理時面臨嚴峻的挑戰，主要體現在以下幾個方面：（1）數據不足與客戶流失控制與預測不足之間的矛盾。客戶流失一直以來就是企業面臨的重大考驗，而如何能夠有效的控制與預測客戶的流失也一直是長期討論的熱點。針對客戶流失的控制與預測，傳統的方法是建立在收集客戶信息、資料的基礎上，對客戶的滿意度進行分析。而往往這些數據是非常具有局限性的，僅僅是來自第三方物流企業自身積累的客戶服務信息，而且在分析時并沒有突出分析客戶的忠誠度。而現如今客戶的需求多種多樣，且時時變化，客戶的很多信息大多體現在社交網站或商務網站，而且信息的價值密度又比較低，造成物流企業不能很好的去收集、分析客戶的信息，去有針對性的滿足客戶需要，去提高客戶的忠誠度。因此，只能用相對少且相對固定的數據制定客戶流失控制策略，或進行客戶需求預測及市場預測，這些做法往往效果不理想。（2）數據更新不足與客戶聚類以及個性化服務不足的矛盾。對客戶數據進行聚類分析，是第三方物流企業進行客戶關系管理很重要的一個應用方面。第三方物流企業的市場管理、銷售服務等都與客戶關系管理密切相關，都是強調以客戶為中心。而根據數據對不同的客戶群體進行聚類分析能夠做到有針對性的進行管理，在降低客戶關系管理成本的同時，也能夠有效的制定實施營銷策略。而對于物流行業這樣一個數據驅動型的物流企業，數據的更新可以說是至關重要，要求及時將新的信息反饋給管理部門。而普遍的結構化數據，或已有的數據庫數據信息相對陳舊，脫離客戶不斷變化的需求，這必然導致據此制定的各項CRM策略缺少有效性，甚至是營銷策略的失誤。（3）數據類型單一與關聯性分析不足的矛盾。大量單一的客戶結構化數據對已有客戶的需求分析具有一定作用，然后對潛在客戶或提高客戶忠誠度上的作用不是很大。當前信息時代，除了傳統的結構化數據，可以通過各項技術獲得更多的半結構化的如網頁、文本等數據，及一些非機構化數據，這些數據往往和客戶的已有信息相關聯，這些數據的收集與分析，能夠為發展潛在客戶提供基礎。當前第三方物流企業大部分依舊依賴于結構化數據，數據類型比較單一，不能及時了解客戶的進一步需求或與當前需求相關的產品或服務，造成對潛在市場的忽略。（4）客戶需求變化與CRM模式滯后之間的矛盾。許多第三方物流企業對CRM的認識還停留在傳統的與客戶互動及管理方式上，雖然認識到了客戶的重要性，但是在具體客戶關系實施管理上，還存在很多問題，與信息時代的要求嚴重脫節。同時，在海量數據到來之時，又顯得力不從心，無法挖掘出有效的價值信息。這種“遲鈍”導致客戶需求得不到最大滿足，對第三方物流企業而言，面對殘酷的市場競爭，時刻把握客戶的需求，更好地為客戶服務顯得尤為重要。反之，則會導致被潛在客戶所忽視，被老客戶所拋棄，被客戶拋棄意味著企業被市場淘汰。
二、大數據在第三方物流企業CRM中的應用
1.大數據下第三方物流企業CRM框架設計
在將大數據技術應用在第三方物流企業CRM的過程中，在整個CRM框架設計中都要明確體現出整個CRM的工作都是圍繞客戶進行的。各種商業目標定義的來源是客戶，數據挖掘與分析的數據來源也是客戶，最后具體的商業應用也是作用于客戶。同時，數據的正確獲取，數據的有效預處理，數據的合理存儲，采用優秀的數據處理技術進行數據處理，以及優秀數據挖掘方法和技術的選擇與應用，這些工作都離不開信息技術。包括大規模并行處理數據庫、數據挖掘、互聯網技術、分布式文件系統和可擴展的存儲系統等。該模型以客戶信息為主線，將第三方物流企業的客戶關系管理分為三個層次：客戶信息收集層、客戶信息分析層、信息輸出———客戶服務與支持層，在整個過程中都離不開網絡技術、數據挖掘等技術層面的支持。具體說，在將大數據應用于第三方物流企業CRM中時，第一步需要通過大數據獲取技術得到足夠多的各種類型的數據，主要包括從客戶和市場等企業的外部環境，以及公司銷售記錄等內部渠道，收集各種客戶信息和市場信息，形成大數據集；第二步需要應用包括數據倉庫、數據挖掘和商業智能等技術手段對獲取的大數據集進行計算、匯總，通過“聚類分析”、“關聯分析”、“數據融合”，實現對客戶的個性化分析、競爭情報分析、市場需要變動和產品擴展分析及共性分析，得到應用型數據，這樣做的目的主要解決傳統CRM中個性化服務不足、市場拓展、市場趨勢預測不足的問題；第三步針對第二步的客戶分析，圍繞這個“中心”，把這些信息輸出給客戶或企業內部用來制定各種決策及提供服務支持，形成可行性報告，應用于服務管理、市場管理、銷售管理及物流企業管理。通過整個CRM系統，不僅成功的對客戶信息進行收集、分析、輸出，同時將客戶各種背景數據和動態數據收集整合在一起，同時將運營數據和外來市場數據經過整合、變換載進數據倉庫。不僅重視怎樣從技術上實現對大數據應用的過程，并且著重強調的是解決傳統CRM的弊端，將大數據時代物流企業CRM所面臨的問題在整個流程中進行解決。
2.大數據背景下第三方物流企業CRM應解決的問題
大數據論文范文3
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。
大數據論文范文4
滿足客戶服務個性化，選擇多樣化將成為機場未來的發展方向。根據大數據背景以及實現“智慧機場”的要求，國內外機場都做出了巨大的努力來提高機場與客戶之間雙贏的合作伙伴關系，客戶幫助企業贏得競爭優勢，機場為客戶提供更周到的服務。北京首都國際機場T3航站樓和海口美蘭國際機場分別設置KABA自助登機設備，使得旅客可以體驗更加舒適的登機服務。深圳機場、德國慕尼黑機場完成機場智慧系統CDM上線試運行，使得航班準點率、旅客等待時間、累計航班延誤等均有大幅減少，提高了乘機旅客對機場的滿意度。廣州白云機場“i3Q候機寶”的應用。南京祿口國際機場T2航站樓國內首次聯合BIM的三維數字化技術實現獨特的結構設計，探索在大數據時代下運用先進技術為客戶提供了舒適的候機體驗環境，提高客戶的滿意度。阿姆斯特丹史基浦國際機場以旅客為中心設計了行李智能管理系統大幅度提升了顧客滿意度。英國倫敦蓋特威克機場通過數據與現有IT移動式前臺服務的整合、CDM系統的開發、徹底更新中斷機制等提高了運營效率，改善了旅客服務。澳大利亞悉尼機場、多倫多機場、泰國機場聯合IBM公司，建立一對一的在線營銷活動[2]-[4]。
2、大數據時代下的機場客戶價值模型
客戶是企業生存發展的必需品，是給企業帶來利益的關鍵所在。從消費方式、消費行為和消費特征等角度分析不同時期、不同類型的客戶給企業帶來的收益，即所謂的客戶價值分析。機場作為一個開放型、服務型的大企業，機場客戶價值涉及到機場自身、機場內相關服務行業、客戶三者之間的價值，從機場自身來說，通過客戶的乘機次數、場內消費情況等對客戶進行級別劃分，從而確定機場客戶的價值，根據價值制定相應的服務方式。隨著大數據時代的到來，機場客戶數據呈現爆炸性增長，分析機場的客戶價值就要從中挖掘出對機場有價值的數據，用于更好的為機場客戶服務，提高客戶對機場的忠誠度，實現機場客戶長期合作關系。對于國內機場來說，機場客戶價值包括當前價值、潛在價值以及客戶的忠誠度。大數據時代下的客戶價值分析不僅分析客戶的當前價值，而且能夠根據當前的消費行為，預測其以后的可能行為趨勢。通過挖掘客戶交易數據，借助預測模型，建立機場-旅客關系型營銷體系。旅客對機場來說有兩層關系，第一，旅客作為機場服務對象的客戶價值，能夠為機場帶來直接效益的部分，通過對旅客購買行為的分析來提高客戶滿意度、客戶忠誠度。第二，旅客與機場之間的關系價值，這為機場制定銷售策略、滿足旅客個性化服務奠定基礎，能夠挖掘旅客的發展潛力，建立旅客與機場間的長期關系，實現客戶終生價值。機場客戶關系管理如圖1所示。傳統企業客戶價值的計算通常用消費時間間隔、消費頻繁程度、消費額，這三個價值指標，然后根據計算結果對客戶進行排序分類[5]。傳統的RFM模型中R表示旅客最近一次的購買日據現今時間的天數；F表示旅客一段時間內購買該企業產品的次數；M代表旅客一段時間內購買該企業產品金額的總和。后來羅亮生等人根據機場自身要求和行業特點對這些指標進行調整，提出將L、R、F、M、C五個指標作為大數據時代下航空公司客戶價值評價的參數[6]。我們通過對以上模型的分析，給出機場的客戶價值分析RFTM模型：R表示客戶在指定機場的最近乘機時間間隔；F表示旅客一段時間內的累積乘機次數；T表示客戶在機場的平均滯留時間；M表示客戶在機場的平均消費金額。這些指標能夠反應旅客的乘機價值以及旅客忠誠度價值，對機場的客戶細分有一定的指導作用。根據RFTM模型提取機場旅客數據庫中的數據信息，計算出給定時間內每一個客戶所屬的客戶群，根據這四項指標以及客戶生命周期理論可以大致地將機場客戶分為四種類型[6]：當前價值高且潛在價值高為“重要”客戶，這類客戶能夠為機場帶來巨大且穩定的效益，最適合發展長期關系；當前價值低而潛在價值高為“大”客戶；當前價值高而潛在價值低為“中等”客戶；當前價值低且潛在價值低為“小”客戶。這對于機場常旅客管理策略發掘客戶價值有很大的幫助，然而隨著信息技術的發展，數據結構的變化，半結構化、非結構化數據增多，數據的爆炸性增長使得機場的數據挖掘和運用有所限制。結合機場的轉型發展要求以及大數據技術的快速發展，本文從大數據支撐技術入手對機場的客戶關系提出一種新的方式。
3、基于云技術的客戶關系實施模式設計
大數據時代下機場客戶關系的解決，需要依靠云技術進行實施。云技術是支撐大數據處理的核心技術之一，是一種基于互聯網的計算方式，它以WEB瀏覽器為載體來提供軟件與服務[7]。它的核心思想是統一管理和調度大量用網絡連接的各種資源，構成一個計算資源池或數據池，向用戶提供按需服務。用戶加入到云平臺中，不需要安裝額外的軟件就可以隨時隨地在可聯網的手機或電腦終端上通過WEB瀏覽器根據自己的需要訪問數據池中的云資源[8]。將云計算與機場CRM系統結合能夠為機場的客戶關系發展提供更廣闊的發展空間，可以實現機場以及相關部門實時數據信息的整合，為旅客提供及時的信息與個性化服務。軟件即服務(SaaS)，平臺即服務(PaaS)和基礎設施即服務(IaaS)是目前云計算的三大服務模式。SaaS是一種依靠互聯網提供軟件服務的應用模式，SaaS提供商為企業的信息化運作提供平臺，企業只需要根據自己的需求，自由選擇，無需擔心后期的維護等一系列服務。PaaS是一種將軟件研發的平臺或業務基礎平臺作為一種服務，能夠為企業提供半定制化的中間件平臺，如數據庫、存儲等，根據這個平添，企業可以開發自己的上層應用。IaaS基礎設施服務提供商提供給客戶對具體設施的利用，包括處理等。客戶可以根據自己的需求對操作系統、存儲空間、部分網絡組建等進行更改。將機場CRM整合到云平臺中，能夠實現機場客戶、數據資源隨時且同步共享，減少數據等的維護費用，方便對未來客戶的行為進行管理。在云技術架構下把機場所有數據的存儲、操作系統、應用系統以及軟件服務等視為資源，將其統一處理，通過客戶端接口和云端來進行交易。客戶通過接口進入云端之后，按照自己的需求獲取任何已提供的服務。綜上所述，機場的基于云平臺的CRM系統可以這樣來構想，主要分為云端和客戶端。CRM客戶端即WEB瀏覽器訪問層，對所有客戶開放，尤其是高價值的客戶，客戶通過接口訪問云端的各種數據資源。云端采用分層結構的模式，第一層為服務器提供商，主要為SaaS軟件服務提供商，機場選擇適合自己的既能為旅客提供服務又能連接機場內部信息的雙向平臺。第二層工作主要為數據的挖掘與存儲，包括旅客乘機行為、購票行為、滯留時間、累計消費等。通過云平臺，與機場相關的行業可以向旅客推行自己的產品及服務，旅客隨時可以享受到及時最新的消費信息。利用這種新型CRM系統為機場建立并維護旅客關系實現智慧轉型提供新思路。
4、結語
大數據論文范文5
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。
大數據論文范文6
（1）從數據規模上說，項目型組織在項目管理創新中所能利用的數據規模之大超出了傳統認知的范疇。一是自項目型組織成立開始，就不斷地積累著與項目相關的各種信息和數據；二是隨著相關制度的完善，大量與項目型組織及項目相關的數據通過政府信息平臺得以公開；三是遍于媒體和網絡中各類相關數據和信息。所有這些信息加起來，成為項目型組織進行項目管理創新中可待開發的無盡財富。
（2）從數據來源和結構的角度看，大數據具有多源異構特征。多源性體現在項目管理創新涉及的數據不僅來自于項目型組織和項目本身，還可能來自于政府相關部門、其他組織和網絡媒體；異構性一方面體現在數據的表現形式，項目管理創新中的數據不僅以電子形式存在，還可能以紙質或音像制品等其他形式存在，另一方面，從使用的角度看，數據不僅包括可以直接使用的結構化數據，還包括海量的需要進一步處理的半結構化數據和非結構化數據。
（3）從數據的動態性角度看，不論是項目型組織、項目本身還是外部相關數據都處于一個不斷積累的過程中。對這些新的數據流的實時處理，為項目管理創新的持續提升和改進提供了可能。
綜上所述，大數據成為當前項目管理創新的基本背景。大數據之“大”，對于項目型組織開展項目管理創新具有如下影響：
（1）大數據的存在擴展了項目型組織可利用的資源和條件的范圍，使得項目型組織能夠在一個更廣泛的組織生態中開展創新工作。
（2）大數據決定了項目管理創新是數據驅動的，大數據的存在使得項目型組織開展項目管理創新決策更為科學，數據分析結果成為創新方案決策和評估創新績效的核心依據。
（3）大數據要求項目型組織在組織文化及工作流程等方面做出相應改變，以適應新背景下項目管理創新的要求。一方面大數據之“大”，要求項目型組織變革創新思維方式，從動態的視角出發，基于動態的數據收集和分析結果做出決策；另一方面，在大數據背景下，創新的中心不再僅僅是流程、知識或者技術，而是數據和基于數據分析的發現，這就要求項目型組織必須重視項目管理創新中的數據問題。
2傳統項目管理創新與大數據下的項目管理創新比較
項目管理創新的傳統模式，主要是基于工程實踐、問題驅動的探索式創新。這種模式從特定的工程實踐管理問題出發，借助組織知識和專家智慧，利用定性分析或定性與定量相結合的方法，找到解決問題的途徑，實現項目管理創新。近年來較有影響力的項目管理創新，如蘇通大橋工程項目的綜合集成管理、京滬高速鐵路工程的標準化管理等，就是這類創新的典型代表。由于探索式創新往往是針對一類特定的工程，使得同類工程項目，能夠在已有探索式創新的基礎上，通過非本質性的修正，解決本工程面臨的管理實踐問題，從而形成傳統模式的一種衍生模式，即借鑒式創新。但借鑒式創新往往重在形式而非本質，所以鮮有成功案例。例如在京滬高速鐵路工程的標準化管理創新取得成功后，大量高速鐵路項目乃至公路項目都競相模仿，但從實際效果看，并不如預期那么理想。大數據下的項目管理創新，則與傳統模式有本質不同。傳統項目管理創新猶如“池塘捕魚”，而大數據下的項目管理創新則如同“大海捕魚”。此處的“池塘”和“大海”指的是創新的環境和條件，“魚”代表的是可能存在的項目管理創新選擇，而“捕魚”的過程即是實現項目管理創新的方法和路徑。環境和條件的變化，必然影響到可能的實現途徑和結果。因此，從“池塘”到“大海”的變化，決定著傳統項目管理創新和大數據下的項目管理創新存在著諸多本質性的區別。
2.1創新環境和條件的區別
傳統項目管理創新的基本背景是“池塘”，“池塘”意味著有限的生態，即創新是圍繞著組織知識、專家智慧等少數項目型組織自身可能擁有的資源展開的，資源的有限性限制了實現創新的手段和方法。大數據下的項目管理創新，其基本背景是“大海”，“大海”在某種程度上意味著資源的無限性，大數據下的項目管理創新不僅依賴于項目型組織，還可借助于更為廣泛的組織生態中的資源，從而為創新提供了更為有利的條件。
2.2驅動因素、創新方式和路徑的區別
傳統項目管理創新是問題驅動的，項目型組織領導、管理專家等在“池塘”所提供的資源條件下，應用德爾菲法、頭腦風暴法、決策樹法等定性或定性定量相結合的方法，自上而下地找到一種創新的方案。而大數據背景下，創新不僅可能是出于問題驅動，同時也可能是基于數據，更多情況下是二者的結合，即提出問題，然后借助于數據確定問題。考慮到數據的共享性，在大數據背景下，可以通過更廣泛參與的形式實現項目管理創新。一方面，項目型組織的領導及專家，借助于專業人員對數據的分析處理，形成初選方案，另一方面，項目型組織中其他人員也可以在數據平臺下開展研究和分析，提供備選方案，甚至還可以通過一定程度的數據公開，如同眾包類網站那樣，尋求網友提供的解決方案，從而形成項目管理創新備選方案集。從創新路徑來看，大數據背景下的項目管理創新，不再僅僅是自上而下的，而且還可以是自下而上，甚至是網絡化的協同方式。在大數據時代，數據是項目管理創新中最重要的要素，而數據分析方法則是尋求創新的核心問題。目前常見的云計算、數據分析等，盡管也可以用于傳統項目管理創新問題，但在大數據背景下，這一問題的應用廣度和深度完全不同。
2.3創新結果及成功關鍵因素的區別
傳統項目管理創新中，受創新背景、條件和手段的限制，可能獲得的創新方案是有限的，并且最終創新方案能否獲得成功，關鍵在于資源約束下專家知識的應用。在大數據背景下，創新方案存在更多的可能性，并且最終創新方案決策主要取決于數據分析的結果以及項目型組織對結果的解讀；創新方案在實踐中是否成功，關鍵在于數據的可得性和數據分析結果及解讀的準確性。基于以上分析，傳統項目管理創新與基于大數據的項目管理創新的區別如表1所示。
3基于大數據的項目管理創新模型
大數據是項目管理創新的核心要素，而數據處理過程則是大數據問題的關鍵。相關領域的研究表明，數據處理過程與創新過程存在一種耦合關系，因此，圍繞著創新過程中的數據問題，本文建立了基于大數據的項目管理創新模型。
3.1數據獲取與創新問題界定
在項目開始，項目型組織首先要確定是否要進行項目管理創新。這一決策涉及的關鍵問題是數據的獲取問題。借助于BIM技術，將項目的主要技術數據以二維或三維方式呈現出來；借助數據轉換技術，將現有的其他形式的數據轉化為電子化信息；借助各類信息檢索技術，利用搜索引擎等搜集媒體上公開的相關數據。基于獲得的這些數據，項目型組織評估是否要進行創新以及能否創新。一旦做出肯定的回答，則需借助于數據，根據項目型組織管理層及專家知識確定項目管理創新問題。問題的界定通常包括兩個階段：一是大致確定需要創新的范圍或領域；二是借助于初步的定性數據分析，明確界定創新問題。
3.2數據處理分析與創新方案決策
這一階段，主要是項目管理創新方案決策，而創新方案的形成和決策則取決于數據處理和分析。項目型組織獲取的各類數據，需要進一步的處理，首先需要將大量半結構化數據和非結構化數據，通過數據整合和數據提煉，轉化為可用于分析的結構化數據，形成項目管理創新的數據平臺。然后由專業分析人員應用云計算、數據挖掘技術、統計分析等分析技術，找到項目管理創新問題范疇內，各類數據之間的關聯模型，通過數據分析發現可能影響創新成功或失敗的關鍵因素，提煉出項目管理創新中的核心問題。項目管理創新一般涉及到大量的問題，而數據處理的結果，因數據的可得性、數據人員的專業能力、使用的數據處理方法以及對分析結果的解讀的不同而有所差異，并進而可能影響到項目管理創新方案的科學性和合理性。通過共享數據平臺信息，項目型組織可以在不同層面、不同維度上獲得項目管理創新方案，一是項目型組織領導或專家，自上而下地根據數據分析結果形成項目管理創新方案，二是由項目型組織工作人員，根據數據分析結果自下而上地形成項目管理創新方案，三是可以通過項目型組織外部人員，利用網絡渠道收集數據共享平臺形成的方案，最終構成項目管理創新方案集。根據數據處理分析的結果，對備選項目創新管理方案進行再驗證，包括形成方案的依據的合理性和科學性、預測方案實施成功的概率、以及可能取得的效果，從而擇優選擇創新方案。
3.3動態數據與創新方案實施
創新方案在項目生命周期內實施，隨著項目的進展，一方面項目實施方面的數據在積累，另一方面，創新方式實施績效的數據也在積累，這兩類數據經過收集、處理過程，成為數據共享平臺的一部分，并為項目創新方案的實施績效評價提供依據。同時動態數據的分析結果，有助于項目創新方案的動態優化。從而確保方案不是一個靜態的過程，而是隨著項目的進展而處于持續改進的過程之中。
3.4新一輪數據收集和分析過程與創新方案的提升
基于大數據的項目管理創新方案，始終經歷著數據分析結果的檢驗，借助數據收集和分析，應用于其他類似項目中去，因而可能避免借鑒式創新帶來的困境。通過對新的項目的相關數據的收集和進一步分析結果，可以恰當的方式對原有項目管理創新方案進行修正，從而在某種程度上實現項目管理創新方案的提升。
4大數據下項目管理創新實施建議
為使基于大數據的項目管理創新模型在項目實踐中具有可操作性，提出如下建議：
（1）項目型組織應著手進行企業文化和決策機制方面的改革。努力建立一種與大數據管理創新相適應的廣泛參與的企業文化，將以往基于組織領導者意圖或專家知識的決策轉化為數據驅動的決策，以數據分析結果作為決策和評價的基礎。
（2）以信息化建設為中心，優化設計組織結構。項目型組織宜在傳統的職能型或矩陣制組織結構中增加專門的信息部門，用以收集、處理和分析數據，為項目管理創新及其他組織業務提供支持，同時加強信息部門與業務部門、外界的配合與合作，盡可能完善地獲取數據和信息；以信息化為中心重新組織工作流程，實現從業務部門、項目型組織到組織生態等不同層次的數據過程的貫通。
