大数据时代的缺点范文
发布时间：2024-01-10 15:00:26
导语：想要提升您的写作水平，创作出令人难忘的文章？我们精心为您整理的13篇大数据时代的缺点范例，将为您的写作提供有力的支持和灵感！
篇1
在大数据时代，人们的生活方式、行为方式、思维层面都在发生着变化；而新闻传播同样受到了影响，在传播方式上出现了转变。传统新闻传播方式，是依靠电视传播或者是纸质媒体（如：报纸）进行传播。如今，新闻是依靠大众媒体以及新兴媒体进行传播，新闻内容变得更加的丰富和多样，以趣味性来吸引受众群体。互联网的普及拓展了大众的视野，大众对新闻的要求也越来越高，人们希望传播的新闻能够更加的细致、深入，提高新闻的互动性和可视性。
一、大数据传播新闻的优缺点
（一）大数据传播新闻的优点不同的人有着不同的要求，过去的新闻传播存在一定局限性，不能够很好的满足大众的要求。而大数据具有海量性和丰富性的特点，能够让新闻的传播方式更加的多样化，更能够满足人们的不同要求。在大数据时代，新闻机构可以充分的利用大数据的技术优势对新闻进行传播；可以对每一位用户进行全面的记录，对所有的数据进行整合和分析，了解每一位受众的喜好，根据他们的喜好提供对应的新闻内容。如此，受众对新闻更加的感兴趣，从而有效的提高大众对新闻的关注度。由于现在的媒体数量越来越多，媒体之间的竞争更加的激烈。为了能够让媒体在竞争市场中脱颖而出，就需要合理的利用大数据技术，让所的新闻的指向性更强。大数据技术能够在丰富繁杂的信息中快速的搜集到有价值的信息，让所传播的新闻对受众的吸引力更强。
（二）大数据传播新闻的缺点其一，新闻内容质量较低。在大数据时代，大部分的媒体将关注的重点放在新闻的时效性和流量。为了追求时效性和流量，有多数的新闻内容并没有经过严谨的整理和审核，直接在网上，使得网络上的新闻的真实性较低，文章的质量也不高。其二，在大数据时代，每一个人都可以在网络上发表新闻，这样的新闻没有经过严格的审核，因此，不能够保证新闻的真实性。
二、提升新闻传播的核心竞争力的优势
（一）表现方式更加多样化从传统电视或者是报纸的传播方式可以看出，虽然在一定程度上扩大了新闻传播的范围，但是新闻传播的表现形式依旧比较的单一。如今，在大数据时代，可以将新闻传播的表现形式进行融合，多样化的表现形式能够让新闻传播的更快、更广。
（二）新闻的互动性更强大数据时代，人们可以自主选择新闻，可以自己搜集新闻获取所需要的信息。除此之外，大众在看到新闻之后，可以表达自己的感受，比如：面对喜欢的新闻，可以对其进行点赞或者转发，当遇见不喜欢的新闻时，也可以在新闻下面的评论区表达自己的观点。提高新闻的互动性，让新闻与大众之间的距离也会缩短。新闻不再“远在天边”，而是“近在眼前”。
（三）新闻传播更加个性化大数据时代，各大媒体争相抢夺的大众的注意力。为了能够增加大众的关注度，媒体就需要转换思维，转换成大数据思维，并要合理的应用大数据技术。媒体需要对大众进行详细的分析，从多方面的了解大众的需求。然后，根据大众的喜好传播相应的新闻内容。新闻机构需要在海量的数据中找寻所需要的内容、有价值的信息，然后采用传播速度相对较快的传播途径将新闻传播出去。
三、提高大数据时代新闻传播的核心竞争力的措施
（一）增强数据意识首先，在互联网普及的背景下，每一个人都能够提供一定的数据，数据的种类也多种多样。将每一个的“小”数据整合在一起，就形成了“大”数据。这些数据主要包括的就是人们的个人信息及其周围发生的事情。新闻工作者在使用大数据中的信息时，要对信息有清晰的认知，明白每一条数据背后的价值和意义。其次，在搜集信息的时候，可以从多个途径获得信息，比如：QQ、微信、微博等等，将所有与新闻相关的信息都整合在一起。还有，随着经济的不断发展，人们的生活节奏也逐渐的加快，大众对新闻传播的速度的要求越来越高，新闻者要尽可能的缩短新闻的传播时间，在新闻发生之后，就要立刻撰写新闻，并通过微博等媒体将新闻快速的传播出去，这就需要增加新的新闻传播途径。可以创建微信公众号，大众在公众号中阅读完新闻之后，就可以在新闻下方的评论区进行互动。微信公众号既能够在第一时间将新闻出去，又能够增加群众的互动性。
（二）整合媒体平台在我国，数据庞大且复杂，信息分布在各个媒体平台上。媒体平台在一般情况下都是处在相对独立的状态，各个平台的数据不能够很好的整合在一起，这样就会有很多信息被重复的利用，加大了数据的使用成本。所以，为了能够降低数据信息的使用成本，可以将各个平台的数据信息整合在一起，从整体对数据进行分析，这样，能够获得相较整合之前更好的参考信息，然后将信息提供给新闻传播，大众获得的信息更加的有价值。在对大数据进行整合的过程中，OverTheTop发挥十分重要的作用，它能够利用互联网技术，以用户为对象，为其提供第三方的服务。例如：在过年的时候，春晚所选取的内容就是根据大众的兴趣进行选择的。通过与百度建立合作的关系，对百度上的搜索记录进行大数据分析，从而了解大众的兴趣点。
（三）传播个性化的新闻内容传播新闻，最重要的为了带给民众一定的影响。所以，想要新闻内容打动群众，就要了解大众所需要的。大数据通过对民众的需求进行分析，针对受众特点，提供对应的感兴趣的东西，这样才能够吸引大众的注意力。过去媒体在获取数据的时候，都是进行实际的调查，然后耗费人力物力财力获得所需要的信息。如此，既增加了调查的成本，又不能够得到良好的数据。利用大数据技术，能够迅速的了解大众的需要，然后新闻机构制作相关的新闻内容，这样的新闻很容易吸引大众。除此之外，可以出台一些个性化的APP，用户可以在APP上对自己感兴趣的内容进行关注，APP再根据用户感兴趣的内容推送新闻，从而尽可能的满足人们的需求。还有就是，几乎每个人都有手机，通过网络应用推送新闻，用户可以随时随地的查阅新闻，方便用户的阅读。
（四）智能推算大数据虽然能够方便人们的日常生活，但是由于有的数据在传播的过程中没有得到审核，有许多的信息都是低俗的，这对受众的价值观造成一定的影响。人们对信息越来越依赖，各种网络信息充斥人们的生活，因此，要加强对数据的处理。但是，数据的制造和传播速度都非常快，如果是人为的去筛选，这将是一个非常大的工作量。而使用大数据技术，就可以对信息进行快速的筛选。让网络上不良的数据信息尽可能快速的被处理掉。
（五）传播方式的可视化使用大数据技术，对大量的数据进行处理，筛选出其中的关键信息，对所得到的信息进行整理和分析，同时，相关的信息监管部门还要对信息进行监督，然后再传递信息内容。每一条新闻都是带有一定的影响力，相关的监管部门可以对这些影响力进行合理有效的利用，发挥信息的最大价值。比如：之前的奥巴马的就职典礼，有一张高清的带有众多群众的照片张贴在华盛顿邮报官方网。观众从新闻上能够看到自己，这样能够大大的提高人们的参与感。
篇2
doi：10.3969/j.issn.1673 - 0194.2017.04.109
[中图分类号]R197.322 [文献标识码]A [文章编号]1673-0194（2017）04-0-02
0 引 言
大数据时代的到来，为经济发展带来了机遇，大数据的广泛应用能够为工作和生活带来变革性的发展。大数据的发展应用，对医院各项工作也带来了变化，特别是对医院财务档案管理发展的影响更为突出。如何在大数据时代，进一步加强对医院财务档案的管理是本文研究的重要内容。
1 大数据时代和医院财务管理档案的相关概述
1.1 大数据时代
大数据时代是指数据更加全面且复杂的时代，其具有数据海量化、类型众多、价值密度低、速度快、时效高等特点。
1.2 医院档案
医院档案是指医院在正常运营的过程中，从事各项活动所产生的，具有一定价值的原始记录，包括管理、医疗、科研、基建、财务和统计等活动中产生的文件。
1.3 医院财务档案管理
医院财务档案管理是指将医院运营过程中，各个活动事项所产生的各类财务档案进行搜集管理，这一搜集管理要达到统一、集中、规范的要求。医院财务档案管理是要建立分类编号、输入电脑存储以便查询，是一个功能完善的管理系统。
2 大数据时代医院财务档案管理的优缺点
2.1 大数据时代对医院财务档案管理发展的优势
大数据时代的来临，医院利用大数据的优势，可以充分进行信息整合，保证达到医院财务档案信息共享的目的。随着医院的不断发展，需要对医院财务档案做到有效记录和快速查阅，传统的纸质管理和现有的信息化管理还满足不了医院对财务档案管理的需求。借助大数据的医院财务档案管理能够充分发挥大数据、云计算等技术优势，实现高效化和自动化的发展需要。借助大数据的医院财务档案管理可以优化医院的财政管理和档案管理，且对提升人力资源管理也有重要作用，对医院各部门协同，整体凝聚力以及整体工作效率都有提升作用。大数据时代的到来，医院充分利用大数据的优势可以明显提高医院财务档案的使用频率，提高医院财务档案管理的效率。当前的医院财务档案管理的信息化程度还较低，不能满足医院对财务档案信息化管理的要求，大数据时代的来临，可以实现细化财务记录的快速查询和下载保存及分享，彻底抛弃了传统的复制打印，甚至手工抄写，可以保证医院财务档案信息的完整和准确，大大提高了医院财务档案的管理效率，进一步实现了整个医院的快速发展。大数据时代可以显著提升医院财务档案管理的安全性，财务档案记录着医院各个事项的动态，特别是资金的相关情况，安全性是医院财务档案的重要工作，大数据的利用可以有效的保证财务档案信息的安全性，避免了当前信息化程度低或者传统财务档案管理带来的风险，充分发挥了大数据时代财务档案管理的数字技术优势。
2.2 大数据时代对医院财务档案管理发展的不足
大数据时代的到来，给医院财务档案管理带来众多好处的同时，也有一定的不足之处。大数据的应用，不能完全保证医院财务档案信息的真实性，医院各项活动a生财务信息的原始凭证也没有办法保证原始性。医院财务档案信息查询是通过网络进行的，使用人员并没有见到真实的原始财务凭证，只能看到网上上传的信息，这些信息是医院财务档案管理人员通过手工输入电脑实现的，对后期使用者信息识别及纠正都会带来极大的不便，医院财务档案管理人员甚至会因为牟利而对财务档案信息进行篡改，为医院财务带来损失，这与大数据的应用初衷是背道而驰的。大数据的应用对医院财务档案信息不能完全保证其安全性和保密性，所有的信息都通过网络进行计算、查询、使用，在黑客冲击的时代，大数据技术也存在漏洞，在医院财务档案共享和使用的过程中，可能会出现安全性问题，这会给医院带来不必要的损失。
3 大数据时代医院财务档案管理发展面临的问题
3.1 传统的财务档案管理观念
医院财务档案信息化管理已经进行了一段时间，但是，医院财务档案管理的信息化并没有改变医院财务档案管理的观念传统性，这首先表现在医院领导的不重视，医院领导的观念没有随着大数据的到来而改变，仍然沿用传统的方式对医院财务档案进行管理，同时，医院的财务档案管理人员也没有意识到大数据给他们工作带来的影响，没有持续地接受新观念、新技术，导致医院财务档案管理效率不高，财务信息利用率不高，最终导致整个医院的工作效率没有提升。
3.2 管理不规范
医院财务档案管理存在不规范的问题，这种不规范体现在没有一个切实可行的财务档案管理制度，制定的制度也没有切实的贯彻执行，对医院财务档案的保存依然不规范，虽然信息化可以不用经常翻阅原始或者纸质的档案，但是对日常的财务档案信息输入网络后仍然需要保留很长一段时间的原始凭证，这些凭证的保存并没有实现信息化，且保存也没有进行科学的分类和进行必要的防水、防火、防虫、防潮、防盗、防光和防尘等处理，财务档案保管不规范，没有专门的保管场地。
3.3 缺少专业管理人员
档案管理需要有专门专业的人员进行管理，这样才能保证档案得到充分的利用，医院财务档案管理是医院档案管理的重要部分，但却没有专业的财务档案管理人员进行管理，甚至并不是档案管理方面的人员进行的管理，是其他行政内勤人员兼管，没有财务基础的知识和计算机方面的知识，这会对财务档案管理应用大数据起到阻碍作用。
4 大数据时代医院财务档案管理发展的对策
4.1 转变观念
大数据时代的到来，无论是医院的领导还是医院财务档案管理人员，都需要对新时代的技术应用进行观念的更新，合理的、具有针对性的将大数据应用到医院财务档案管理上，可以更好地实现医院财务档案管理的信息化、自动化，实现财务档案管理的高效率。
4.2 扩充专业人员
在医院不断发展的过程中，医院财务档案管理工作也将随之变得复杂，特别是大数据时代的到来，其需要有专业的人员参与到医院财务档案的管理。专业管理医院财务档案的人员需要具备一定的财务知识，以更好、更精准地对医院财务档案进行查询使用，还需要具备一定的计算机网络知识，以更快捷地提取医院财务档案信息，实现快速共享的目的。同时，还要有档案管理的专业技能，保证医院财务档案管理科学有序。
4.3 增强软硬件设施
软件和硬件设施虽是辅助财务档案管理的工具，但是，大数据时代的到来，医院需要加强对软件和硬件设施的升级，特别是软件设施的升级改造。通过大数据的使用，医院不仅可以有效预测和观测医院财务动态，还能提升已发生的财务活动的利用效率。硬件设施体现在原始凭证的科学分类保管，保证在需要查询医院财务原始凭证时能及时提取相关资料。
4.4 大数据应用安全
大数据应用具有众多优势，但是也有其安全性和保密性的问题，这需要有专业的人员对大数据应用环境下医院财务档案管理的安全性作出保障，专业人员可以使用先进的加密技术和使用权限设置，保证医院财务档案的安全，同时也减少了因漏洞导致的泄密风险。
4.5 大稻菰擞玫绞导使ぷ
大数据应用是要切实运用到医院的财务档案管理中，真正实现技术服务工作，提升服务效率，而不是因为不懂或者一味地追求高端技术，导致设备的浪费或影响正常的财务档案管理工作。
5 结 语
大数据时代的到来，改变了传统的医院财务档案管理方式，加速推进了医院财务档案管理的信息化程度。大数据应用于医院财务档案管理可迅速提升医院财务档案的管理效率，从而提升整个医院的管理效率。
主要参考文献
[1]于雅娟.大数据对医院档案管理发展的影响[J].档案管理，2016（2）.
篇3
一、企业人力资源管理工作受大数据的影响
1、大数据在人力资源管理中的应用
大数据时代的到来不仅对人们的生活带来了影响，其本身蕴藏着的能量也对企业的改革和创新都带来了影响。大数据实际上是一种多元化、增长迅速、信息海量的数据信息对多元化信息的处理和应对能力。大数据时代是在互联网的基础上产生的，数据信息是其主要的特点。在不同领域中，对于大数据的应用也表现出不一样的特点，尤其是在人力资源管理的领域内，大数据被运用在“人”与“事”数据管理的采纳和处理上，同时也是企业的管理者做出人力资源管理决策的依据。
2、企业人力资源管理工作受大数据的影响
在这个知识时代下，随着新时代的到来，企业的经营以及管理数据都跟信息技术相结合到一起，同时在这个时代下，人力资源管理工作也受到了很大的技术以及思想冲击[1]。对于一个企业来说，好的管理技术不仅能够为企业培养出好的人才，而且对于企业的办事效率和提高员工的工作积极性都有良好的推动作用，进而推进企业的发展。大数据在企业管理中的应用可以通过对数据进行整理和分析，对企业的岗位和人员变化及时的了解，同时也对员工的个人情况掌握清楚，之后方便企业的决策者根据数据做出人力资源决策，有效的提高工作的科学性。但是大数据对于企业的人力资源来说也是一种挑战，因为在企业的管理过程中，需要依据很多的数据才能做出决策，所以如果数据受到影响，那么就可能会泄露企业的人力资源管理信息，影响企业管理工作的展开。所以，我们应该将人力资源的安全管理和信息结合在一起，运用数据能够精准的作出决定；另外一点，还要加强数据的安全管理，建立健全安全防御机制，保证数据的安全性。
二、企业人力资源管理在大数据时代下存在不足
1、管理思想比较落后
信息技术迅速发展的同时也是大数据时代即将到来的一种标志。但是一些企业的管理思想跟不上时代的脚步，人力资源管理方面没有一个健全的能够反应员工信息的系统。人力资源管理思想落后的几个主要表现如下：第一，人员的招聘主要依据是离职人数，对于人员每年的离职率和离职情况没有一个健全的系统做相关的数据记录，也没有对人员做好相关的培训，所以，这种管理方式也导致了人力资源管理的工作比较懒散，没有大局意识，无法保证企业能够招聘到合适的专业人才；第二，之前的管理方式对员工的生活关注度不够，没有掌握员工自身的优缺点，无法有针对性的对员工进行培训，导致了企?I员工无法将自身的职业规划和企业发展前景联系到一起。员工在工作的过程中也出现懒散、缺乏追求、盲目工作的状况[2]。
2、管理方式比较落后
新的数据时代的到来，对于企业来说尤其是对员工的管理工作带来了很大的冲击和挑战，但是在管理体制的影响之下，人力资源管理的工作也很难展开，因此在人力资源管理的过程中也无法获得有用的数据。大数据时代背景下，对于人力资源管理的体系比较落后，主要表现在以下几个方面：第一，企业聘请员工的方式和培训的方式都存在缺陷；第二，企业中的人力资源部门缺乏对员工成长和相关工作信息的系统管理，缺少系统的信息管理和检索体系；第三，无法有效的分析好企业发展的内外部状况，无法根据外界环境的变化做出企业职位的创新与改革，因此在大数据时代下，想要提高员工的专业化水平十分困难。
3、管理模式的创新存在困难
在这个数据时代背景下，知识更新的速度也越来越快，这也导致了人才的更新速度不断加快，这对于旧的管理模式来说是一种极大的挑战。但是受传统的管理模式的影响，人力资源就是负责招聘，所以想要完成人力资源管理模式的创新比较困难，想要培养有特色的人才，建立新的招聘方式也是一种具有难度的工作。
三、大数据时代背景下优化企业人力资源管理的方法
1、改变人力资源管理的思想
想要一个企业的发展跟上时代的脚步，企业对于人力资源管理的改革就必须要做到与时代相适应，在对时代的发展有了一定的掌握之后，将人力资源管理域数据信息结合起来，同时，实现人力资源管理模式创新的一大主要途径就是改变人力资源管理者的管理思想[3]。为实现人力资源思想的更新，我们需要注意以下几个方面：第一，企业的人力资源管理者要掌握大数据的发展方向，跟上时代的步伐，对大数据的特点进行掌握，对原有的管理思想做出改变，适应新的时代管理模式，做到从全局对人力资源进行管理。第二，员工要做到与时俱进，适应大数据时代的发展，方便企业人力资源管理工作的进一步展开。所以人力资源的管理者一定要掌握好大数据的发展信息，之后将信息传递给员工，提高员工的信息理念；第三，建立健全信息采集、整合的机制，对数据进行分析之后得出企业人力资源管理的现状，之后做出人力资源规划，从多个方面调动员工的工作积极性。
2、健全人力资源管理的体系
企业在数据迅速发展的环境下，内部的管理逐渐发生了变化，企业能否根据数据的变化及时的做出管理体系上的创新和调整，这将关系到企业未来发展的方向和成败。所以，在这个大数据时代下，对人力资源的管理体系进行创新十分重要，体系的创新主要可以从以下几个方面进行：第一，加大企业员工的培训和聘请力度。人力资源的管理部门和管理者应该对每一个员工的情况都有一个详细的掌握，了解企业的发展前景与员工的职业规划是否相符合，除此之外，人力资源部门需要对员工的优缺点做好记录，有针对性的对员工进行培训，帮助员工和企业共同进步和发展；第二，建立健全企业的人力资源管理体系和管理配置，员工的信息包括员工每一年的考核状况、出勤情况、认知情况等，我们建立的信息管理机制能够全面的对员工的信息进行掌握和记录；第三，在这信息发展迅速的大数据时代背景下，企业为了在新的发展形势下取得成绩，就要加强对员工岗位的开发，比如：设置数据信息管理岗位以及数据信息安全管理岗位，确保企业信息的安全。
3、改革人力资源管理的方式
篇4
从2011年“大数据”一词首次被提出至今，“大数据”越来越普遍的出现在人们的生活当中。曾被奥巴马称为新一代石油的“大数据”为人们提供了更多的机会来操纵数据，充分利用数据分析的结果，为企业的决策提供可靠的依据，因此不少企业将“大数据”看做竞争优势的标志。“大数据”时代给企业的确带来了前所未有的发展机遇。庞大的数据汇聚了大量有利信息，企业在数据基础上对其进行科学有效的分析，就会汇总出某种数据趋势及发展走向，为企业的重大决策提供数据支持。但是“大数据”时代是一把双刃剑，它同样给企业带来了挑战。欲想充分利用“大数据”，企业必须要具备专业的人才，没有专业的人才对数据进行分析综合的企业既是拥有大数据也无法发挥作用。这给企业在培养人才方面带来了挑战。那么，在大数据时代背景下，企业财务管理将会有哪些转变呢？
一、财务员将使财务人员脱离大量的低端、重复工作
以往企业财务管理总是存在以下一些问题，使得财务信息并没有发挥其真实的作用。具体问题有：需要大量的财务人员对以往的财务信息进行整理核查，并且仅仅依靠员工来进行信息整理效率比较低，往往上交的财务报表缺乏时效性，其信息价值也被大打折扣;传统的财务信息处理面临着另一巨大缺陷即信息的准确性高低。由于人类的机能限制，人类存在疲劳感，因此简单的人工录入过程可能会出现错录、漏录的现象，降低了财务信息的准确性;随着企业的不断壮大，不同部门交错存在，仅仅依靠一个财务部门来整理财务信息是不太现实的，整理速度更加缓慢、准确性不断降低。然而，“大数据”时代背景下，企业将会迎来财务部门的春天。大数据的一个拓展---财务云的出现，基本上颠覆了以往企业财务人员的工作。目前，使用财务云的企业，其财务处理处于一种动态整合的状态，具有三大特点：财务处理的整个流程都在网上进行（包括报账、资金支出申请和审核），人工干预的方面很少，克服了以往人工处理的种种弊端，提高了财务信息的准确性;财务云的另一大用处即相当于一个信息化共享平台，使得财务信息公开透明，起到各部门之间信息交流及互相监督的作用;财务云集多种功能与一身，既有财务信息服务共享功能，又能为企业提供预算、成本控制的分析报告，还可以帮助企业更好的觉知财务风险，提前准备。但是，“大数据”时挥作用的前提有两个，其一，企业内部需要反馈准确的财务信息，不能在财务信息处做手脚，出现黑账，否则“大数据”的结果仍然是不准确的，不利于企业决策。其二，企业需要培养或招聘一些既懂得财务管理知识又懂得计算机技术知识（数据处理能力高）的综合性人才，为“大数据”的运行提供技术支撑。
二、企业财务风险管理和内部控制将发挥巨大作用
如果说财务管理是企业运作的核心，那么财务风险就是最具危险性的因素，是企业谈虎色变的对象，企业内部稍有变动或外部市场环境稍有变化都可能导致企业面临巨大的风险。一直以来，企业财务风险一直没有彻底解决，目前最行之有效的措施就是建立科学、可行、有效的内部控制制度。“大数据”时代的到来将会促使企业财务风险管理和内部控制将发挥巨大作用，其原因有二：其一，财务云的存在使得企业所有的账务都是在网上操作，财务信息采集之后往往不可更改和做手脚，财务信息更加的准确、全面。加之大数据的技术支撑，财务人员可以从多方面、多角度来分析企业前期的财务信息，对企业以往的经营状况、盈利情况、资金流动情况，核查企业财务信息，画出企业财务走势及行业发展趋势等，帮助企业更好的作出投资决策，提高财务人员对风险的辨别和处理能力等。其二，大数据具有高度的敏感性，具有灵敏的风险识别和管理程序，并是一个动态里连续的过程。启用大数据就相当于构建了一套科学的风险预警机制，企业在开启大数据的程序之时，所有的数据都会被采集和记录，全程监控着企业各项目的财务信息，其是监控--预警--处理的循环过程，不仅在项目之初对风险进行评估，还会在项目实施之中进行适当控制，更会在项目结束之后反思实施过程中的失误，总结经验教训。正是由于大数据的这些功能，企业财务管理具有了预测性，企业根据大数据信息选择最优方案，在获取更大利益的同时又能规避其他财务风险。
三、全面开展企业成本管理以及预算管理
(一)成本管理
面对愈来愈激烈的市场竞争，不少企业选择通过控制生产成本来获取更多的利益，这本身并没有错误，但是企业成本管理还处于不成熟的阶段，仍然存在诸多问题。例如，企业在缩减成本的过程中，会出现一些误区即一味地缩减成本而不考虑产品的质量，导致企业产品信誉受损，不利于企业的长期发展。再如，企业成本信息的管理不足，不少成本信息内容不全且整理速度缓慢，成本核算结果不准确，不利于后期的预算管理和成本分配。
(二)预算管理
预算管理所针对的是后期企业财务资源的分配活动，建立在成本管理的基础之上。其目的是在成本管理的基础上更好的对后期各项目的财务资金等协调分配。尽管企业全面预算管理能够促进企业的发展，但目前企业全面预算管理还很不成熟，不能发挥作用。笔者认为，多数企业并没有做好开展全面预算管理的基础即成本管理缺乏。由于后期全面预算管理必须是建立在准确的前期成本管理结果之上的，没有前期成本管理结果的支持，后期的预算金额以及分配比例都会失真，甚至是企业财务人员脑袋一拍，想出来的，根本没有数据支撑，缺乏科学依据，这样的财务预算管理根本没有半点用处。此外，对预算的执行程度不够也是导致预算管理失败的一个重要原因。
(三)大数据时代背景下企业成本管理以及预算管理
随着大数据时代的到来，企业面临的成本管理及预算管理问题有所缓解，企业将全面开展成本管理和预算管理。首先，成本管理方面。根据以上的阐述，大数据对企业内部财务信息的记录是十分完备的，信息齐全，克服了以往成本信息内容不全且整理速度缓慢，成本核算结果不准确的缺点，大数据技术同样也加快了企业财务信息整理的速度，这样一来，企业可以更好的利用企业成本信息，做好成本管理，为后期预算管理奠定基础。其次，预算管理方面。成本管理的完成是预算管理中预算编制的前提，财务人员依据企业以往各项目成本信息，前后进行比较，找出差异，从科学的角度制定各项目下一个阶段的成本和经营目标，克服了原来拍脑袋定预算的缺点。此外有效的预算控制体系可以帮助企业在预算执行过程中更好的完成预算目标。
四、减少企业财务信息的不对称性，提高大企业股东的管控能力，帮助中小企业融资
随着企业经营规模的不断扩大，企业财务信息更是庞大复杂，导致一些股东根本不能很清晰明了的掌握企业内部财务信息状况，不能很好的管理下级管理者，这就是所谓的财务信息不对称性。股东管控能力的降低会造成下级管理者胡作非为而无人监管的局面，因此笔者认为只有加大对下级管理者的管控，才能使得企业在正轨上越走越远，取得长期发展效益。大数据时代的到来正好提供了这个契机。由于大数据，数据的分布不会过于偏颇，而是比较符合正态分布，股东可以获取除下级管理者汇报的数据之外，还可以获得其他非员工人员的反馈，更加真实有效，更好的监督下级管理者的行为。对于中小型企业的融资问题，大数据同样具有一定的优势。之前中小型企业之所以融资困难，是由于各中小型企业缺乏信息沟通，财务信息不准确，银行贷款成效甚微。大数据的特点刚好可以解决中小型企业融资面临的困境。大数据所提供的企业财务信息数据远比企业自身提供的数据更加全面准确，可以帮助企业做好财务报表，方便银行贷款审核。当然，大数据为各中小型企业之间的沟通起到了关键作用。由于企业之间可以看到对方的各项财务信息及信誉度，各企业可以选择心仪的对象进行合作，共谋发展。
五、结束语
大数据时代的到来的确为企业财务管理带来了许多便利，提高企业财务管理水平，使得企业在竞争激烈的市场中寻求更好的商业伙伴，共同发展进步。但是，大数据同样给企业带来了挑战，企业要综合衡量利弊，抓住机遇，完善企业制度，充分利用大数据带来的便捷，实现企业战略性发展目标。
作者:王金军 单位:江门市绿润炭化科技有限公司
篇5
1.1大数据时代概述
随着计算机网络以及通信技术的快速发展和应用，全球信息化程度越来越高，几乎各行各业以及各个领域都被计算机网络所覆盖，同时大量数据和信息也逐渐渗透到其中，最终促进了信息行业以及网络通信行业的高度发展，这就表示人类已经迈入大数据时代。大数据时代主要是通过数据和信息的形式渗透到各个领域和行业中，然后再通过感知、共享和保存海量信息以及数据来构建数字世界。在大数据时代下，人们逐渐开始通过对事实数据的分析与参考，来做出各种决策或者是来看待各种问题。由此可见，大数据时代将引领社会的巨大变革。
1.2大数据时代下的网络信息安全问题
随着计算机网络技术的广泛应用，在各个领域内发挥的作用越来越突出，而大数据就是在这种背景下形成的，信息和数据对于生产和生活的发展起着越来越重要的作用，因此，对信息和数据安全的保护也就显得十分重要，而要想实现对信息和数据的安全保护，就要从计算机网络信息安全技术入手。在大数据时代下，计算机网络信息安全涉及各种不同的领域和技术，只有通过对多种相关技术的综合利用。才能够在一定程度上确保计算机网络的安全性。大数据时代下，计算机网络信息安全问题带来的威胁有以下几个方面。
第一，泄密。大数据时代下，网络对一些比较敏感数据和信息的传输与处理越来越多，该系统一旦出现泄密等安全问题，那么就会造成极大的影响，尤其是军事单位以及政府机构，泄漏会对其造成更大的危害。
第二，服务中断。如果系统受到恶意攻击，那么就很有可能使得整个计算机系统不能正常运转，例如：视频会议中断以及内部文件无法流转等，这不仅会导致正常工作的混乱，而且还大大降低了工作效率。
第三，经济损失。当前，很多行业的计算机系统内部具有很多敏感性的数据和信息，尤其是一些金融行业的财务方面的数据和资料，一旦受到恶意攻击，就会给本单位或者公司带来不可估量的经济损失。
2大数据时代下计算机网络信息安全技术分析
2.1数据加密技术
针对重要的数据，利用相关技术手段将其转变为乱码进行传送，这就是所谓的加密技术。当数据以乱码的形式传送到目的地后，还要利用一定的还原技术对其进行解密。私人密钥和公开密钥加密分别是加密技术的两大类技术。
对于私人密钥加密技术来说，其主要是使用了相同的密钥来进行数据的加密和解密，也就是说采用了对称的密码编码技术，加密的密钥同时也是解密的密钥，因此，可以将这种加密方式称之为对称加密算法。在密码学中，对称加密算法的典型代表是DES算法，即数据加密标准算法。
对于公开密钥加密技术来说，其与私人加密算法不同，该种加密算法主要是应用两个密钥，即私有的和公开的密钥。这两种密钥是一对，在计算机系统中如果数据加密的形式采用了私有密钥，那么必须使用其所对应的公开密钥才能够解密；如果数据加密形式采用了公开密钥，那么必须使用其所对应的私有密钥才能够解密。因此，这种算法也可以称之为非对称加密算法，因为其使用的是不同的密钥。在密码学中，RSA算法是公开密钥的典型代表。
私有密钥的优点是运算速度快、使用简单快捷。但是，私有密钥的缺点是具有较为繁琐的过程和潜在的危险，要求密钥的分发必须安全可靠。公开密钥的优点是具有较好的保密性，并使用户密钥交换的需要得以消除。但是公开密钥的缺点是速度慢，无论是加密还是解密，其所需要的时间较长。因此，公开密钥比较适合一些较少数据的加密。
对于一些重要的计算机系统来说，可以采用以上两种算法相结合的方式来进行专用应用程序的设计。针对用户通信建立之初或者用户认证时，一定要采用公开加密算法，当利用该种密钥形式建立连接之后，双方再针对通信进行私有密钥的协商，而要采用私有密钥来进行后续的加密和解密工作，从而有效克服私有密钥以及公开密钥的缺点。
2.2防火墙技术
作为网络信息安全的一种有效保障，防火墙一般处于网络边界上，而且其对于不同类型的网络通信都是通过制定一系列规则来进行拒绝或者同意。当前，在对防火墙进行选择、部署和配置时应当注意以下几个方面。
（1）为了能够实现私有地址与合法地址之间的合法转换，防火墙还必须具备NAT功能。（2）因为很多网络一般都有多个子网组成，因此，在进行防火墙部署时，应当在一些重要子网的边界考虑其部署情况，而不是仅仅局限于整个网络边界。（3）作为防火墙中最为重要的一部分内容，规则起着很关键的作用。但是有的单位并没有考虑到这一点，规则安装完成之后就再没有对其进行完善和更新，这样防火墙就容易出现安全隐患，因为网絡攻击方式以及网络入侵技术是不断变化的，而防火墙规则也应当及时跟上变化，进行及时修改。（4）防火墙要按照“最小授权”原则来进行科学配置，并确定有必要时，才能够允许通过。（5）要对防火墙规则顺序进行关注，一旦发现符合条件的防火墙规则顺序，则立即对其进行处理，这样就避免了很多后续重复性检查工作。（6）防火墙一般都具备日志功能，因此一定要注意做好其审计工作，将危害系统安全的访问用日志记录下来，从而有利于系统尽早发现安全隐患，并随之做出响应，确保系统安全运行。
2.3NAT技术
NAT，即网络地址转换，其主要用于私有地址与合法地址之间的合法转换。NAT虽然没有服务器或者防火墙等功能，但是能够有效地避免内部服务器真正地址的外泄，因为NAT能够通过地址转换实现对内部拓扑结构的隐藏，从而使得外部网络不容易对其进行攻击。一般情况下，通过防火墙或者路由器就能够实现NAT功能，主要分为静态和动态两种实现类型。对于静态的NAT来说，主要适用于需要给外部提供服务的机器，因为它能够将内部地址单独转换成一个外部地址。对于静态NAT映射的服务器而言，由于其拥有内部私有地址，因此，需要严格控制其系统安全以及访问控制，否则这些私有地址很可能会成为计算机系统受到外部攻击的跳板，所以，需要特别加以注意。对于动态NAT来说，适用于一些普通的计算机，它能够将多个内部地址转换为多个动态选择性的外部地址。
3结语
综上所述，随着科技的快速发展，网络信息安全攻击手段也在不断变化和发展。因此，计算机网络信息安全技术也不应是一个静止概念，而是随之不断向前发展的。本文主要从3个方面探究了大数据时代下计算机网络信息安全技术，即数据加密技术、防火墙技术以及NAT技术，希望能够为人们提供更好的计算机网络环境。
参考文献
[1] 丁佳.基于大数据环境下的网络安全研究[J].网络安全技术与应用，2014（4）：116.
篇6
一、前言
当今世界是一个信息高速发展的时代，随着网民参与互联网产品和应用的程度越来越深，互联网将更加智能，互联网的数据量也将呈爆炸式增长。可以预见公安行业信息化发展在未来几年里，数据将以每年 30%到50%的速度爆炸式增长。
在大数据时代下对系统又提出了新的需求：1、高并发读写的需求，高并发、实时动态获取和更新数据。2、海量数据的高效率存储和访问的需求，类似SNS网站，海量用户信息的高效率实时存储和查询。3、高可扩展性和高可用性的需求，需要拥有快速横向扩展能力、提供7*24小时不间断服务。
物联网发展和互联网应用带来了多源海量数据的存贮、管理、处理、融合、整合和挖掘分析问题，传统的关系数据库管理系统（SQL数据库管理系统）已不能完全适应这些海量数据的管理与计算要求，NoSQL数据库管理系统应运而生。NoSQL数据库主要有键-值存贮（key-value stores）、 BigTable、文件存贮数据库（document store databases）和图形数据库（graph databases）等类型，相关的数据库软件主要memcached， Redis， MongoDB， CouchDB， Apache Cassandra和HBase等等，都是开源的。
NoSQL数据库与传统的关系数据库管理系统相结合，为智慧城市数据管理提供整体解决方案，应用NoSQL并不是全盘否定SQL数据库，而应该是NoJustSQL依赖于SQL。
二、传统数据库在大数据处理中存在的问题
传统数据库，主要指关系型数据库，在长期的实践中体现出性能好、稳定性高等特点，在使用上也比较简单，功能强大，在实际的数据库工作和研究发挥了很好的作用。但关系数据库在应对大数据存在明显的问题：
1、分库分表缺点：
（1）受业务规则影响，需求变动导致分库分表的维护复杂。
（2）系统数据访问层代码需要修改。
2、Master-Slave缺点：
（1）Slave的实时性保障，在实时性要求很高的应用中，可能需要进行相关处理。
（2）在高可用性方面的问题，Master存在容易产生单点故障的致命弱点。
3、 MMM缺点： 本身扩展性差，一次只能一个Master可以写入，只能解决有限数据量下的可用性。
三、NoSQL概念
1、什么是NoSQL NoSQL是Not Only SQL的缩写，而不是Not SQL，它不一定遵循传统数据库的一些基本要求，比如说遵循SQL标准、ACID属性、表结构等等。相比传统数据库，叫它分布式数据管理系统更贴切，数据存储被简化更灵活，重点被放在了分布式数据管理上。
2、主流NoSQL数据库--HBase简介 HBase是Hadoop Database的简称，它是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBase技术，可在廉价的PC Server上搭建起大规模、结构化的存储集群。
HBase是由Google Bigtable的开源实现，类似于Google Bigtable利用GFS作为其文件的存储系统，HBase利用Hadoop HDFS作为其文件的存储系统；Google是通过运行MapReduce来处理Bigtable中的海量数据，HBase同样是通过利用Hadoop MapReduce来处理HBase中的海量数据的；Google Bigtable利用 Chubby来作为协同服务，HBase是利用Zookeeper来作为对应的。
四、NoSQL的特点分析
1、NoSQL是易扩展的
NoSQL数据库的种类繁多，但是他们有一个共同的特点，就是去掉了传统关系数据库的“关系型”这一特性，所以NoSQL数据库的数据之间是无“关系”的，这样的数据库就非常容易扩展，同时，在架构的层面上也具有可扩展性，有多种NoSQL数据库之间的整合能力。
2、NoSQL是灵活的数据模型
NoSQL数据库不需要事先为要存储的数据建立对应的字段，随时可以存储自定义的数据格式。而在传统的关系数据库里，增删字段是非常麻烦的，如果是大数据量的数据库表，增加一个字段简直是很麻烦的。
3、NoSQL是高可用的
NoSQL数据库可以方便的实现高可用的架构，而且不太影响性能。比如Cassandra，HBase模型，就可以通过复制模型实现高可用。
4、NoSQL是具有大数据量的处理能力，具有高性能的特点
NoSQL数据库都具有非常高的读写性能，尤其在大数据量下，这种读写能力体现更加突出，这得益于它的“无关系性”，数据库的结构简单，NoSQL的 Cache是记录级的，是一种细粒度的Cache，所以NoSQL在这个层面上来说就要性能高很多了。
五、“3.20”工程海量数据分析应用
“3.20”工程是在江苏省公安厅统一部署下开展的路面监控建设工程，要求在市区主要道路每3公里记录一次车辆轨迹，国道等城市道路每20公里记录一次。
由于“3.20”工程每天产生海量过车信息，数据总量大、日均增量大、占用存储空间多，仅仅依靠Oracle关系数据库技术的存储建库模式，已不能完全满足实战应用的需求。对于传统的关系数据库来说，在一张几百亿条数据记录的表里面进行SQL查询，效率极其低下，用户不可忍受。在传统的关系数据库系统中往往采用分库、分表的策略进行数据存储，这种方式使得单表的查询效率得到提高。然而在能耗监测系统中往往需要对全局数据进行综合统计查询，往往涉及到几十上百个表，查询效率无法保证。
这就需要在“大平台”总体数据库体系下，深入研究“大数据”应用处理问题，引进HDFS分布式文件系统，采用Hadoop架构的NoSQL数据库技术，科学规划设计数据存储、传输、建库的模式，满足“3.20”工程车辆数据应用需要。NoSQL数据库采用“键-值”对的方式对数据进行存储，该存储方式是不需要固定的表结构的，也就不存在连接操作，具体操作时效率就比较高。在大数据存取上具备关系型数据库无法比拟的性能优势。
Hadoop应用场景
基于Hadoop HDFS等分布式文件系统存储结构，能够有效解决海量数据快速读写的性能瓶颈问题，是开展“大数据”应用访问、统计分析很好的解决方案。
对于需要分析的大数据，特别是对于日均增量达4000万的过车信息数据等，采用NoSQL数据库技术，运用Hadoop的HDMS结构方式进行存储建库，搭建多个“3.20”工程大数据专题库，并利用MapReduce功能来进行数据分析，多台机器组成集群进行并行计算，以此提升全省“3.20”工程大数据的处理和分析能力。
在汇集整合全省道路监控网“3.20”工程相关信息资源的基础上，结合各警种业务部门实战需求，充分利用“大数据”技术，以人车案关联分析为建设重点，实现全省一体化查询服务、人车案关联分析、重点车辆电子档案、重点车辆积分预警、警务地理信息系统对接应用、指挥调度系统对接应用等功能，面向全省基层单位、专业部门、各级公安机关领导提供系统服务，为开展深度研判应用奠定基础。
参考文献
[1]黄富洁.公安决策支持系统的研究与设计[D].济南：山东山东大学，2004
篇7
所谓大数据分析，是指数字信息量巨大，具有宏观性，而无法简单地使用人脑或计算机对其进行处理与分析[1]。大数据的内容极为丰富，信息及其繁杂，所有数据混合在一起，所以，必须数据相关处理人员要用特殊的分析手段与方式进行处理，对其中的信息抽丝剥茧，找到需要的信息。但是在大数据分析时代中，信息存在在生活的每个领域，因此，我国传统市场营销模式不能适应社会的进步，企业也面临巨大的危机，因此，企业需要不断地改革和创新市场营销模式，进而提高企业的竞争力和综合实力，为企业的带来更多地利润，同时在一定程度上也能提高我国社会的进步。
1数据分析时代的演变过程
1.1数据1.0时代
数据分析是随着计算技术的出现而产生的，数据1.0时代也称商业智能时代。通过客观地分析来理解市场现象，决策已经不再是仅仅凭直觉或是市场调研来决定，而是帮助决策者更理性地作出决策。在计算机的协助下，企业可以将商品销售的全过程通过数据的形式录入数据库，相关人员可以对数据进行整合分析。但是也存在一些缺点，例如它并不重视信息及时分析。
1.2数据2.0时代
数据2.0时代从2005年开始，这个时代要求数据分析人员具备更高水平的数据分析能力，并且数据并不仅仅来自公司内部，也包括互联网以及各类公开的数据信息。
1.3数据3.0时代
随着我国信息技术的高速发展，很快便进入了数据3.0时代，又称为商品时代。在这个时代中，各行各业都十分重视数据分析，并且互联网发展速度进一步加快，信息更新速度也逐渐缩短，因此，企业应紧跟社会变化，制定适合社会发展和企业自身的营销策略。
2大数据时代市场营销的本质
在大数据背景下，消费者的行为不仅仅可以被量化和预测，也能过转变社会和行业的运行。
2.1消费者成为市场的主宰者
我国传统市场营销模式主要是对市场进行调研来采集市场信息，但是，在大数据背景下，这种营销模式已经不再适用。目前，消费者已经主宰市场营销的方向，消费者通过主动地寻找商品信息，筛选出性价比最高的商品。所以，企业应根据消费者的实际需要，制定正确的市场营销策略。消费者通过社交媒体等渠道表达自己需求，因此，企业可以从这类软件上精确地获得信息，进而制定更好的制定营销策略，促进商品下一步的设计研发。
2.2企业以精准营销为主
在大数据时代背景下，技术得到飞速发展，所以非结构化信息的搜集也成为可能，它不仅仅可以细分市场，也可以精准洞悉每个消费者对于商品的需求。通过对大数据的深入挖掘和系统分析，可以协助企业掌握消费者的需求和消费行为，特别是在每个消费者都具有独特的消费趋势。正因如此，大数据分析才可以更好把握消费者的消费行为，为企业精准地制定营销策略。
2.3企业营销理念—以人为本
传统的营销理念将大规模生产看成标准生产方式，并不重视个性化，忽视了消费者对于个性的追求。而如今，大数据分析的营销手段可以解决大规模生产与消费者之间个性化矛盾。企业重视以人为本制定正确的销售策略，将标准化与消费者的个性化需求相结合，进而刺激消费者的去购买商品，提高企业利润。
3大数据分析时代对于市场营销的影响
3.1细分市场，精准营销
随着信息技术的高速发展，越来越多消费者开始在网上消费，同时，在大数据分析时代下，企业可以根据消费者的浏览记录或商品的搜索记录来分析消费者的行为和偏好，进而制定适当的销售方案，为企业今后的发展奠定良好的基础。企业更加细致对市场进行细分，满足消费者的需求与偏好，进而制定并实施精准的营销战略。
3.2由单向营销转为双向实时跟进式营销
在传统的营销模式中，大多使企业的单向营销。但商品投放入市场后，客户、消费者对商品的反应和态度并不能得到实时有效的反馈[2]。在大数据的驱动下，这使得传统单向营销模式渐渐向实时跟进营销模式转变。其中数据是实时更新，企业可以直观的了解每个时间段和每类消费群体的情况，及时对商品进行调整，在此过程中，人力物力也消耗最少，同时不受时空限制。
3.3预测消费者的消费行为
在大数据的背景下，企业可运用大数据的分析技术，分析消费者的消费行为，预测消费者未来的消费行为，从而制定更好的营销策略。使企业可以与消费者形成一种一对一模式，满足消费者的个性化需求。
4大数据分析时代下市场营销策略
4.1树立以人为本的理念
数据的分析应以消费者为本，切实满足消费者的需求，同时对消费者的数据的要作好保密工作，尊重消费者隐私，促进企业的良性发展。
4.2精准抓取有用数据，摒弃大量无用数据
篇8
中图分类号：C829.29 文献识别码：A 文章编号：1001-828X（2015）024-000-01
一、引言
最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，大数据就是这个高科技时代的产物。大数据具有以下的鲜明特点：第一个特征是数据量大。第二个特征是数据类型繁多，多类型的数据对数据的处理能力提出了更高的要求。第三个特征是数据价值密度相对较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。第四个特征是处理速度快，时效性要求高，这是大数据区分于传统数据挖掘最显著的特征。
统计学专业是与数据分析处理联系最为紧密的学科之一。大数据时代的到来不仅为统计学专业的发展带来的前所未有的机遇，同时也带来了巨大挑战。传统的统计学专业已不再适应大数据时代的信息爆发式增长的要求，这就要求我们应该对统计学专业进行重新定位，并在此基础上调整相关课程，改革传统的教学手段以及完善教学评价体系，以适应大数据时代的到来。
二、统计学专业改革的建议
（一）人才培养目标的重新定位
如果说以往的统计学专业是以培养简单的“应用型”人才为目标，那么随着大数据时代的到来，社会不仅仅需要会应用基础统计知识处理相关领域的问题的单一的应用型人才，而是对人才提出了更高的要求：大数据时代下的统计学专业的人才除了应该具备基础的数据收集，处理和分析的能力之外，还应该了解相关应用领域的背景知识，而且应具备很强的自我学习能力，以适应大数据时代数据量大，总类繁多，时效性高等发展特点。因此，统计学人才培养目标应该重新作出调整，应该以培养全新的“复合型”统计人才为新的目标。
（二）课程设置的调整
随着人才培养目标的重新定位，随之而来的就是应该对不再适应时展要求的课程进行必要的调整。
首先，大数据的分析和处理与以往的经典分析方法有很大不同，以往的统计分析方法主要是建立在抽样基础之上，而大数据时代信息处理迅速，信息获得途径广泛，而且信息价值密度低，这就要求数据处理时，可以以全体作为样本，而不是进行抽样；分析时必须考虑所有数据而不是剔除所谓的异常数据。因此，以往的经典统计分析方法已不再适应大数据的处理和分析，必须适当的调整经典分析方法的课程设置，增加新的适用于大数据分析的课程。
其次，随着数据量的爆发式增长，所有的统计工作对计算机的依赖程度越来越高，这就要求统计学专业的学生不仅掌握统计学专业的基础知识，同时应该熟练掌握计算机专业知识相关知识，因此，在课程安排时，应注意计算机相关课程的适当增加。
基于上述原因，可以考虑增加如下课程：机器学习，模拟算法，数据挖掘，R语言软件分析等课程，同时适当降低传统分析方法课程的学时比重。此外，为了使学生能够对相关应用领域的背景知识有所了解，可适当增设与应用领域相关的通识课程。
（三）教学模式与手段的创新
以往的教学模式，通常是以课堂教学，掌握书本经典理论为主。虽然，传统教学手段有着学生理论基础扎实等诸多优点，但是同时也存才学生过于偏重理论知识的掌握，动手能力不足，理论与实践脱节等缺点。随着社会的发展，尤其统计学专业自身具有鲜明的应用专业特点。只采用传统的教学模式和手段显然不再适合大数据时代的需要；同时，随着大数据时代的到来，多媒体手段日益丰富多彩，为传统教学的创新提供了必要的支持。因此，为了适应大数据时代人才的要求，必须改革传统的教学手段和模式，在传统教学基础上，加大实验教学的比重，在传统教学外，增加社会实践环节，引入微课慕课，翻转课堂等全新教学模式，以提高学生的学习兴趣，锻炼学生理论应用于实践的能力，从而为以后使用大数据时代的工作打下坚实的基础。
（四）教学评价体系的完善
传统的教学评价体系，通常是采用书面考核的方式对学生的学习进行评价，随着时代的发着，单纯的笔试评价不足以衡量学生的全面能力，最后导致出现高分低能的情况的出现。
为了适应大数据时代对人才多方面能力的需求，必须对传统的考核评价体系做出适当的调整，以评价学生的多方面能力，尤其是动手能力，学习能力和应用相关理论处理实际问题的能力。具体可以采用多种考核方法相结合的方式。如：增加平时的考核力度，增加实践项目的考核，通过布置适当的项目论文，采用答辩的形式，以锻炼学生适应以后工作，独立分析解决问题的能力。
篇9
中图分类号：TP311 文献标识码：A 文章编号：1007-9416（2015）07-0000-00
大数据时代的超大数据体量以及占据一定比重的半结构化和非结构化数据的存在，就决定了传统数据库管理难以满足需求。大数据技术将会成为IT领域的新一代技术和架构，会帮助人们存储并管理好大数据，从复杂、庞大的数据里筛选出有价值的数据，加之各种技术以及产品的出现，很可能促使IT行业步入新的黄金时代。因此，分析研究大数据处理技术极具现实意义。
1 大数据特征
大数据具有以下四个特征：一是数据量庞大。大数据计算要存储以及处理的数据量是十分庞大的，而且这些数据都处于不断变化、增长以及更新的状态，所以数据量就会越来越庞大。这就要求承担处理数据任务的硬件设备必须具备很大的存储能力和良好的处理技能。二是数据多样化。在大数据时代需要处理的不单单是各种结构化数据，还有图片、文字、声音等非结构化数据，要识别并处理这些非结构化数据要耗费很大力量，而且识别度也需要进一步提升。三是数据快速型。大数据处理技术的目就是要能处理变化迅速的数据，摸索出其变化规律为决策提供辅助作用，确保数据的时效性以及各项决策的有效性。四是数据准确性。在处理数据的过程中必须要控制数据来源，确保数据准确性，而且要结合现实所需不断更新数据处理技术，确保数据处理结果具备准确性和有效性。
2 大数据处理技术
2.1 Hadoop 架构
Hadoop架构的核心构成部分是HDFS，即Hadoop分布式文件系统，全称Hadoop Distributed File Sytstem，以及Map Reduce分布式计算架构。其中HDFS以Master/Slave体系结构为基础，在集群里任命一个主节点担任Name Node，主要负责管理文件系统元数据，其余子节点担任Datanode，主要负责保存具体的数据块[1]。
Hadoop架构的关键点就是借助大量PC构成一个PC群以实现对数据的处理。在处理数据的时候，先分解数据，然后结合分配的相应电脑处理数据，最后整合数据处理结果。通过Hadoop平台实际操作发现，在Hadoop平台运行的时候，系统初始化需要较长的时间，如果是处理更新速度快的数据这是不容忽视的一个问题。并且，在处理某些小数据的时候，系统初始化时间就更久，对数据处理准确性的影响也就更大。所以，系统不适合处理较小数据。基于Hadoop架构对reduce任务进行处理的时候，各种技术问题就更加突出，在利用相应技术把数据转为存储实施处理的时候，不仅数据处理速度慢，还会占用很多的带宽。所以，Hadoop架构在处理变化速度较快的非离线数据时还存在很多问题。
2.2 Storm架构
和Hadoop主从架构相同，Storm架构也是以Master/Slave体系结构为基础，通过Nimbus与Supervisor两种服务进程实现分布式计算机，其中Nimbus进程在集群主节点运行，主要负责分派与分发任务，Supervisor进程在集群从节点运行，主要负责任务的具体执行。Storm架构利用Spout/Bolt编程模型通过流式方式处理消息。消息流是Storm架构里对数据的基本抽象，一个消息流对应一条输入数据封装，不断输进的消息流通过分布式方式得到处理。Spout组件是消息的生产者，在Storm架构里属于数据输入源头，能从多种异构数据源里获得数据，同时发射消息流。Bolt组件主要负责对Spout组件发射的信息流进行接收，同时完成相应的处理逻辑。如果业务逻辑比较复杂，就可串联多个Bolt组件，并且在每个组件里都编写相应的功能，进而呈现出整体的处理逻辑。
2.3 架构对比
就总体结构而言，Hadoop和Storm是相似的，具体构成部分对比如表1所示。
通过对比，Storm架构具有以下优点：在Storm架构实际运行时，系统不用每次都初始化，数据处理效率较高，在处理较小数据时这一优势更加显著；Storm架构的信息处理模式能确保数据的高效处理，更好地满足人们对UI数据的需求；spout组件能读取不同形式数据里的消息流，并把读取的消息流传递给bolt组件进行处理；结合处理业务量的大小以及业务难度的高低，Storm架构能串联多个bolt组件实现消息流的有效处理，进而实现数据处理的高效性与快速性。
3 结语
在互联网发展迅速的今天，新业务对数据处理的要求不断提升，当传统离线处理架构不能满足需求时，就可以使用大数据处理技术架构。但信息社会的最大特点就是瞬息万变，因此，对大数据处理技术我们也要不断变革与创新，使大数据处理技术得到更好地完善，这样才能更好地服务于社会、服务于人们。
参考文献
[1]任桂禾，王晶.浅谈大数据处理技术架构的演进[J].信息通信技术，2014（06）：47-51.
篇10
二、大数据概述
目前，国内外对大数据尚未有一个公认的基本概念.专业研究机构Gartner认为大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产；首先，大数据中的“大”不仅指数据量的规模庞大；也指数据结构已不只是传统上的数据结构，包括结构化数据、半结构化数据和非结构化数据。其次，大数据只有通过工具进行分析，才能实现其背后蕴含的价值和能。最后，大数据是“活”的，是不停更新的“真”数据。据此，大数据是指运用新技术工具，选择一种或多种分析方法，对大量结构化或半结构化数据进行分析，使数据背后的价值得以应用，从而影响及改变某领域的数据行为。尽管大数据没有公认的标准定义，但是对于其特征，学界较统一的认识是大数据具有四个基本特征，即规模化、多样化、快速化、价值化。规模化不仅是一个量化概念，更是一个定性的概念，机器生成的数据量远大于非传统数据量，且数据集合的规模不断扩大，已从GB到TB再到PB级，甚至开始以EB和ZB来计数。多样化是指数据类型繁多，包括结构化数据、半结构化数据和非结构化数据，至2012年末，互联网非结构化数据占整个数据量的75%以上，这类非传统数据格式变化极快。快速化是指对生成及变化的数据处理速度要求更高，即是1秒定律，大数据具有很强的时效性，用户只有把握好对数据的时效性才能利用这些数据。价值化是指大数据的价值密度低，商业价值高，例如视频，可能有用的数据仅仅有一两秒。
三、大数据时代背景下旅游业的变革
1.大数据改变旅游业发展策略。国家和地方政府非常重视旅游大数据的发展.2009年，国家旅游局信息中心申报“旅游基础数据库”项目；中国旅游业信息化“十二五”发展规划中明确提出把建设和运行全国旅游基础数据库作为重点项目开展；2015年10月，国务院办公厅《关于进一步促进旅游投资和消费的若干意见》，提出积极发展“互联网+旅游”，大数据是旅游产业发展到一定规模的必然方向，政府部门希望借助大数据对动态发展的社会需求做出科学的、客观的反应和理解，从而为政府部门、企业单位等提供科学决策。
2.大数据改变旅游者决策行为。2015年7月23日，中国互联网信息中心在北京《中国第33次互联网络发展状况统计报告》指出：截至2015年6月，在网上预订机票、酒店、火车票或旅游度假产品的网民规模达到2.29亿，较2014年底增长730万人，半年度增长率为3.3%。与此同时，手机预订机票、酒店、火车票或旅游度假产品的网民规模达到1.68亿，较2014年12月底增长3350万人，半年度增长率为25.0%，是整体在线旅行预订市场增长速度的7.6倍。我国网民使用手机在线旅行预订的比例由24.1%提升至28.3%，这说明现在越来越多的游客更愿意选择手机移动客户端进行旅行预定，手机移动客户端具有非常强的便利性。
3.旅游企业经营管理的变革。每次查询、预定、租凭及游后日志撰写、网络点评等都会产生大量数据，这些数据不仅对于越来越个性化的旅游者来说很重要，而且对于旅游企业来说也很重要.例如国内知名蚂蜂窝旅行网站，截至2015年2月，蚂蜂窝已积累8000多万用户，其中80%的用户来自移动端，点评数量达1600万条，超过50%的技术研发人员，有自己的数据研究中心，大数据是三大核心竞争力之一。蚂蜂窝对用户信息进行提取并分析其行为偏好，如攻略下载、旅游搜索与问答、目的地浏览等，得出自由行的热门目的地、热门酒店等聚焦性购买需求数据。根据这些数据，蚂蜂窝与全球供应商合作，进行自由行产品的用户反向定制和销售，协同供应商对自由行产品进行优化和重构。
四、大数据时代旅游营销模式创新
1.思维创新。维克托.迈尔•舍恩伯格在《大数据时代》书中指出，大数据时代最大的转变就是，放弃对因果关系的渴求，而取而代之关注相关关系。也就是说只要知道“是什么”，而不需要知道“为什么”，这就颠覆了千百年来人类的思维惯例。这种由关联性所带来的思维创新主要表现四个方面，①营销分析的重点从“为什么”转成“是什么”，从“因果关系“转成”关联关系“。②营销统计从”样本“到”总量，大数据的统计样本再也不是过去的抽样，而是全部的样本。③营销市场调研，从“定性”到“定量”.传统的市场调研分析存在一些不可量化因素，而大数据市场调研分析一切皆可量化。④销核心资产从“品牌”到“数据”，大数据时代，数据成为最有价值的资产。大数据时代所带来的营销创新思维非同小可，例如著名的“啤酒“与”尿布“营销故事。
篇11
1.1对图书馆技术体系的影响
随着云技术和各种信息技术的引进，图书馆的信息服务职能面临着软硬件等技术的挑战，大数据时代下的图书馆，馆内的信息资源主要通过网络平台实现信息资源的储存和传输，原有的硬件系统需要更新换代，以满足大数据时代下的硬件平台运行的高要求，实现信息服务功能。据调查显示，现有图书馆运用的仍然是Web2.0技术基础，采用的仍然为大型关系型数据库作为后台支撑，这在一定程度上阻碍了图书馆个性化服务体系的实现。原有的数据系统，很难应用大数据时代带来的数据的价值，进而对图书馆的效益产生影响。
1.2对馆员素质和能力的影响
大数据时代下，图书馆的读者服务结构发生了巨大的变化。在网络信息技术发展的环境中，图书馆信息资源由纸质逐渐向电子化、数字化、智能化发展，读者服务结构也由传统的手工操作、人为管理转换为全自动化操作、计算机和移动客户端管理。虽然近几年馆员素质有了一定的提高，但在高新技术人才方面还存在很大的空缺，很多图书馆都缺少高素质的综合型人才。
1.3对图书馆业务功能的影响
传统的图书馆业务功能主要是书、报、刊、图片等纸质载体和音视频资源的信息资源的收集、储存和租借。而在大数据时代下，图书馆业务功能具有多元化特点，不仅仅局限于对各种载体和音视频资源的收集、整合和保存，还包括从移动综合客户端、互联网上对用户的信息和阅读的频率等数据进行收集整合，并建立数据库，综合展开分析等方面。
2大数据时代图书馆的服务创新和发展
2.1加强信息资源建设
在大数据时代下，图书馆应该不断加强对信息资源建设的重视，尽量采集更多更丰富的信息资源，并提高信息资源的利用水平，以便尽快为读者用户提供更加方便快捷的信息服务。而收集大量的读者用户数据也是图书馆做出创新服务决策的重要依据，具有极高的参考价值。图书馆可以通过数据分析，进一步了解用户不同的个性化需求，如不同年龄的用户更偏向于哪种类型服务、不同社会阶层的用户对哪类资源更感兴趣、读者用户对馆内服务是否满意等。
2.2开展大数据分析服务
为避免边缘化，图书馆有必要开展大数据分析服务。首先，需要对图书馆自身建设所需的数据进行分析。这类分析一般以图书馆的现有数据位对象进行分析，如读者的借阅方式、行为爱好等，是一种对现有资源的分析与挖掘。其次，需要对读者所需的大数据分析。这类分析与当今图书馆为政府机关、企业、科研机构等客户群体所做的信息情报参考、竞争情报分析有所区别，其分析手段更加多样化，分析工作更具目的性。需要图书馆根据用户的个人爱好和阅读倾向进行更加全面的分析。
2.3提供个性化、智能化和多样化的图书馆服务
2.3.1利用数据分析提供个人化服务
在大数据时代，图书馆可以通过广泛的数据分析，如通过收集和分析读者借阅情况、书籍出版信息、社交网站评论、经济社会发展状况等各类数据，找出相关性，总体把握特定时期、特定读者群体的阅读习惯、知识需求、阅读兴趣和关注点，有针对性地通过互联网、移动客户端等平台向读者开展图书推荐、知识推送等阅读推广工作，为读者提供个性化服务。
2.3.2利用社区图书馆、流动图书馆、24小时自助借还书机等提供多样化服务
社区图书馆、流动图书馆、24小时自助借还书机等是图书馆深入读者用户、亲近读者用户的有效载体。大数据时代，可以通过数据分析，把握特定区域的人群结构、判断出读者用户的图书服务需求，准确掌握服务的时间、内容、形式、和地点，为读者提供多样化的服务。
2.3.3打造集个性化、智能化、多样化服务于一体的图书馆
篇12
在当前的时代背景下，很多的行业都引入了大数据挖掘的理念，这既给计算机产业带来了发展机遇，也带来了挑战。因为想要做好大数据挖掘的相关工作，就一定要掌握数据分类算法，而数据分类算法可称得上是数据挖掘中的一道难关。随着数据分析的研究不断深入，人们开发了多种多样的分类算法，用以不断减轻其难度。通常都是以数据分类器为基准，进行相应的数据分类，包括决策树类、Bayes类、基于关联规则类以及利用数据库技术类，本文将对它们进行简单的阐述。
1 决策树分类算法
1.1 传统算法
C4.5算法作为传统的数据分类算法，有着很明显的优点，如规则简单易懂，实际操作易于上手。但是随着计算机的不断普及，数据的规模变的越来越庞大，其复杂程度也是日渐增长。C4.5已经逐渐无法满足新时期的数据分类处理工作了。并且由于决策树分类算法的规则，决定了在数据分类的过程中，要对数据进行多次重复的扫描和排序。特别是在构造树的时候，这种缺点更加明显。这不仅会影响数据分析的速度，也浪费了更多的系统资源。对于大数据挖掘来说，C4.5更加无法胜任，因为C4.5算法的适用范围十分有限，只能够处理小于系统内存数量的数据，对于内存无法保留的过于庞大的数据集，C4.5甚至会出现无法运行的情况。
1.2 衍生算法
（1）SLIQ算法和SPRINT算法都是由C4.5算法改良而来，在其基础上做了一些技术性的完善，例如增强了数据的排序技术，并采取了广度优先的处理策略。这使得SLIQ算法能够很好地记录数据处理的个数，并具有相当优秀的可扩展性，为处理大数据提供了基础条件。但是SLIQ算法也存在一些缺点，由于它是以C4.5算法为基础的，因此在进行数据处理时，仍需要将数据集保留在内存中，这就导致SLIQ算法的可处理数据集的大小受到了限制。即数据记录的长度一旦超过了排序的预定长度，SLIQ算法就很难完成数据处理和排序的工作。
（2）SPRINT 算法是为了解决SLIQ算法中数据集大小受到内存限制的问题而开发出来的。SPRINT 算法重新定义了决策树算法的数据分析结构，改变了传统算法将数据集停留在内存中的做法。值得一提的是，它没有像SLIQ 算法那样讲数据列表存储在内存当中，而是将其融合到了每个数据集的属性列表中，这样既避免了数据查询时重复扫描造成的速度缓慢，又释放了内存的压力。特别是在进行大数据挖掘时，由于数据的基数过大，在每个数据集的属性列表内寻找所需数据能够大大节省分析的时间，对数据进行分类的工作也变得更加便捷。但是SPRIT算法同样存在一些缺点，对于不具有可分裂属性的数据列表，由于它只能在数据集内进行分析，结果可能不是十分准确，导致其拓展性受到了限制。
2 其他分类算法
2.1 Bayes分类算法
Bayes分类算法是利用概率统计学而开发出来的一种算法，在目前数据分类中应用比较广泛。但是其缺点也比较明显，由于Bayes分类算法需要在分析之前对数据的特性做出一定的假设，而这种假设往往缺少实际数据的理论支持，因此在数据分析过程中就很难做到准确有效。在此之上，TAN算法又被开发出来，它是为了提高Bayes分类算法的假设命题的准确率，也就是降低了NB任意属性之间独立的假设。
2.2 CBA分类数据算法
基于关联规则的分类算法就是CBA分类数据算法。这种算法一般需要用到数据构造分类器，在数据分析的过程中，先搜索到所有的右部为类别的类别关联规则，这被称为CAR；然后再从CAR中选择合适的数据集。CBA算法中主要用到的是Apriori算法技术，它能够使潜在的数据关联规则呈现到表面，方便进行归纳整理。但是由于其在进行数据分类时容易出现疏漏，因此经常采用设置最小支持度为0的办法来减少遗漏的数据，这就造成了算法的优化作用不能完全发挥，降低了运行效率。
2.3 MIND和GAC-RDB算法分类算法
在大数据挖掘的背景下，未来数据分类算法的发展方向应当是以数据库技术为基础的的分类算法。尽管很久之前就已经有一些专门研究数据库的人员发现并提出了基于数据库技术的分类算法，但是并没有得到实际运用。因为在进行数据挖掘和数据分析的时候，很难将其与数据库的系统集成，目前来说，MIND和GAC-RDB算法还能够较好地解决这个问题。
2.3.1 MIND算法
MIND算法与决策树算法有些相似，都是通过构造数据分类器来进行数据分析。但是MIND算法采用了UDF方法和SQL语句来与数据库系统实现关联。在进行数据分析时，UDF方法能够大大缩短对每个节点的数据特性进行分析的时间，这样就在为数据库的集成提供了理论基础。SQL语句是通过对数据集的属性进行分析，以便从中选择出最合适的分裂属性，然后给数据排序，这样就节省了数据分类的时间。但是MIND算法还不能直接在数据库系统中实现查询功能，更重要的是，该算法的维护成本过高，不利于普及。
2.3.2 GAR-RDB算法
GAR-RDB算法在MIND算法的基础上进行了更多的改进，能够充分利用数据库系统进行聚集运算，也就是实现了数据库系统的集成。该算法拥有分类准确，分析迅速，执行更快的优点，同时可拓展性也比较出色。更重要的是，它可以充分利用数据库提供的查询功能，从而避免了重复扫描数据集的现象，缩短了分析的时间，节约了系统资源。只要在自动确定参数取值的技术上进行一些改进，该算法就能很好地胜任大数据挖掘的数据处理工作。
3 总结
大数据挖掘是时展的潮流，因此数据分类算法的重要性也将随着显现。通过分析几种不同的算法，能够在数据分析速度、可扩展性和结果的准确性上进行比较，从而选择最适合的数据分类算法。它们都在不同程度上有着各自的优缺点，因此要继续深入研究以开发出更好的分类算法。
参考文献
[1]钱双艳.关于数据挖掘中的数据分类算法的综述，2014（13）.
篇13
借助互联网，消费信息的获取更加容易，信息越来越透明
信息不对称是商业得以发展的本质。传统的商业时代，买卖之间的信息获取能力差异非常大，地域分隔、时空隔绝、传播困难，消费者获取信息的成本非常高，在这种情况下，只要稍有头脑的商家都可以借助信息差异获取利益。
在互联网时代，信息呈现爆炸性发展和蔓延，购物的时间差和区域差已经在互联网以秒计时的全球化传播冲击下不再成为壁垒。每个消费者都可以上网查询资料、比较价格甚至可以借助一些信息化技术进行虚拟试用，信息透明化让商家彻底曝露在消费者面前。
即便是大数据本身，不仅仅能服务商家企业，也能够服务消费者，成为消费者购物时的重要参谋和助手。有经验的消费者，日积月累就会形成自己的大数据，还有一些专业机构综合汇总各种数据提供更加专业化的建议和参考服务，与一些商家孤立和割裂的数据相比，社会化的大数据更具有优势，也成为对抗商家大数据“忽悠”的利器。
商家销售行为的传播速度极快，很容易形成效仿和其他竞争者的及时应对，脱颖而出更难
与消费者博弈大数据的使用还只是一个侧面，更严重的威胁来自与直接竞争对手或者潜在进入者的面对面对抗。
在世界各地拥有1200家酒店的喜达屋酒店及度假村集团系统分析当地及世界经济因素、活动和天气预报，以此优化房价。由于知道了北美核心客户群的本国天气如何影响那些客户在阳光灿烂的加勒比海度假一周愿意花的钱，他们知道了什么时候降低房价或开展营销促销活动最合适，其每间客房的收入增长了近5%。这样的策略当然有效，可会是其一家独享的方案吗？
大数据时代，信息传播的速度极快，大数据也成为信息搜集和分析的重要方式。在这种情况下，一家企业开展的营销活动，很可能在发起的初期甚至还没有正式上线的时候就被对手获知，针对性的营销方案已经在制定中，商家已经很难建立起差异化的营销优势。
一种新产品上市，即便有专利的壁垒，但通过大数据的方式很可能被竞争对手反向工程，或者通过大数据分析出产品的优缺点与消费者的痛点，在竞争对手刻意的模仿与微创新之下，产品的优势也很难长期保持。
还有潜在的竞争对手在蠢蠢欲动，以往行业的门槛在大数据时代越来越低，一些跨界的巨头借助自身掌握的大数据能力切入新领域更加容易，也给不同的行业带来了格局上的变化，新老企业都面临巨大的挑战和压力。
信息爆炸造成信息风暴，一招可以制胜，反过来，一个烂招就可能变得一败涂地
大数据也不会是百战百胜的。事实上已经有过很多大数据营销失败的教训，有平台预测过的某电影的票房会很高，可结果却以惨淡收场，至于那些号称用大数据预测球赛结果与竞选获胜的，更是屡屡失算。
在有些时候，大数据真有点向算命先生，即便很多次预测准确，但只要一次失手，就有可能前功尽弃，一世英名付于流水。2008年，Google第一次开始预测流感就取得了很好的效果，比美国疾病预防控制中心(Centers for Disease Control and Prevention)提前两礼拜预测到了流感的爆发。但是，几年之后，Google的预测比实际情况(由防控中心根据全美就诊数据推算得出)高出了50%。媒体过于渲染了Google的成功，出于好奇目的而搜索相关关键词的人越来越多，从而导致了数据的扭曲。
借助大数据的研究成果和大数据的手段，可以使用一个妙招或开发一个产品实现爆款，但也有很大的风险因为一个失误而马失前蹄功败垂成。
如今，大数据的基础是信息大爆炸，同时伴随的也是信息的传播风暴，风暴口上站着，有可能被吹得飞将起来，也有可能被吹到大海里变得杳无音信。
消费者的信息太多，选择太多，大数据分析结果的适用性在下降
信息多是好的，但信息太多也有可能呈现负面结果。大数据需要大量的全面的数据资料，可越大的数据越全面的数据，就越容易受到噪声的影响，分析结论的可靠性反而会下降，错误的使用大数据，还不如没有大数据。
一家保险公司想了解日常习惯和购买生命保险意愿之间的关联性。由于随后觉得习惯太过于宽泛，该公司将调查范畴限定到是否吸烟上。但是，工作仍然没有实质进展。不到半年，他们就终止了整个项目，因为一直未能发现任何有价值的信息。
