大数据时代特征范文

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5篇大数据时代特征范例，将为您的写作提供有力的支持和灵感！

篇1

二、大数据时代下会计数据的新特征

（一）会计数据来源由原来的结构化向非结构化转变

静态结构化会计数据是由传统的运营系统产生的，通常情况下，结构化数据是以二维表的方式进行保存和管理，它是传统的数据库管理系统中的重要组成部分。

静态非结构化数据是通过现代科技设备产生的，在数据的管理过程中只能采用非关系型数据库将其保存。动态实时会计数据是与智能设备用户的地理位置、交易信息、使用场景相关联的，动态实时会计数据信息是大量的实时数据流。

非结构型的会计数据来源较为广泛，比如来自于传感器的各种类型数据、移动电话的 GPS 定位数据、实时交易信息、行情数据信息、用户的网络点击量等等，像网上书店这种通过互联网发展起来的电商，他们则通过存储顾客的搜索路径、 浏览记录、 购买记录等大量非结构化数据来分析顾客的购买倾向， 设计算法来预测顾客感兴趣的书籍类型，在开展会计工作过程中，这些都是需要考虑的重要会计因素。这些非结构化的会计数据直接影响了会计数据的构成。在如此多样化的数据结构中，可获得的数据常常是非结构化的，因此，传统的结构化数据库已经很难存储并处理多样性的大数据。

（二）会计数据处理由原来的集中式向分布式转变

大数据背景下数据量的指数化发展趋势明显，数据分析的样本空前巨大，数据分析处理的时效性要求更高，因此使得现在的数据会计处理方式与传统的会计处理方式不同，在计算全量和在线的数据时需要改变原来的集中式计算结构，企业要积极采用分布式或者扁平式的会计数据处理方式，以便能够跟上时代的步伐。企业在会计数据处理的时候可以采用Hadoop、MapReduce 或者Storm计算架构，这三种计算架构在会计数据的处理方面各有优势，同时也有自己不可避免的缺点，企业在选择会计数据计算架构的时候可以根据企业自身的具体情况进行选择，要谨慎的对三种计算架构进行综合分析和了解，以便适应不同类型会计数据计算的需要，为下一步的会计数据分析工作奠定基础，以便能够更好的为企业提供信息服务。数据处理中的重要工作内容就是数据的清理，数据清洗和数据验证等工作都将通过相应的电子设备来完成，工作人员只需要设定好相应的清洗和验证程序就可以清洗的效果，这不仅改变了以往的人工数据清洗方式，而且数据会更加真实，误差会更加小。这在提高数据处理工作效率的同时也提高了数据处理工作的质量。

（三）会计数据分析从数据仓库向深度学习进行转变

会计数据分析工作是企业在信息管理方面的重要内容。早期的会计电算化主要是面向操作型的，从会计的凭证、账簿和报表都没有可靠的历史数据来源，更加不能将会计信息转换为可用的决策信息。随着信息处理技术的应用，企业可以利用新的技术实现会计数据的联机分享，同时还引进了统计运算方法和人工智能技术对数据仓库进行横向和纵向的分析，将大量的原始数据转化为对企业有用的信息，提高了企业决策的科学性和可操作性。大数据时代下，会计数据分析改变了以往的传统关系数据库模式，将非结构化会计数据和动态实时会计数据纳入数据分析的范畴，使得企业可以根据这些信息进行定性和定量的分析，以便为企业对会计数据进行定向分析做好准备。

比如苏宁电器就积极构建ERP系统，在物流系统中将库存商品基础数据（包括产品编号、名称、规格型号，计划单价）、商家基本数据（包括商家编号、名称、地址、电话、邮编、银行账号等）与会计信息系统中物流信息系统的数据进行连接；资金流系统中保理、保险、银行客户的基本数据、支付结算方式编码、货币编码、利率编码等与企业会计信息系统中金融业务信息系统的数据是共享的。这就在一定程度上实现了会计数据共享和深度分析的作用。

（四）会计数据输出形式由图表化转向可视化

在以前的会计数据输出工作中，企业大多采用图表的形式来报告企业的会计信息，比如财务报表等，而在大数据的背景下，企业改变了以往的信息输出形式，而是将复杂的会计数据转化为直观的图形，通常会综合采用图形、表格和视频等方式将数据进行可视化呈现。同时，企业也可以采用API、XML和二进制等接口输出形式来输出数据，以便能够更好的将信息传达给信息内部和外部使用者， 为企业进行决策提供数据支持。

篇2

中图分类号：F425 文献标识码：A

文章编号：1003-0751（2015）01-0042-05

一、引言

移动互联网和现代信息技术的快速发展，将人们的生产生活带入到了“大数据时代”。根据互联网数据中心（IDC）估计，到2020年全球数字信息量将增长44倍，2011―2012年全球所创建的数据内容增长了48%，目前全球90%的数据都是在近两年中生成的。“大数据”与“海量数据”“大规模数据”的概念一脉相承，指的是“科学仪器、传感设备、互联网交易、电子邮件、音视频软件、网络点击流等多种数据源生成的大规模、多元化、复杂、长期的分布式数据集”。大数据在改变人们日常生活方式的同时，也显著地影响着企业的营销方式、管理模式、商业模式、竞争情报获取等多方面。有学者认为，大数据增强了企业决策的不确定性和不可预测性，传统的战略论逻辑遭遇到严峻挑战。大数据的兴起与应用，本质上意味着“一场管理革命”，改变了传统上依赖于经验与直觉决策的行业与领域，将企业带入到精准量化管理时代，使企业可以进行更可靠的预测、更有效的决策。

大数据发展对企业经营管理的各方面都产生了深刻影响。管理学界对大数据的影响已有敏锐的洞察，学者们开始重视并试图分析其对商务管理各方面潜在的影响。但梳理已有文献，笔者发现学者们对大数据影响的讨论与分析，主要聚焦于营销管理领域。如美国零售业巨头西尔斯公司通过群集（cluster）收集来自不同品牌的数据，基于此进行深度分析，结果让公司的推销方案变得更快捷、更精准。学者对大数据的分析之所以聚焦于营销管理领域，与大数据主要产生于消费者的访问、交易与评价记录有关。国际商业机器有限公司（IBM）中国开发中心首席技术官（CTO）毛新生指出，大数据不再是商业活动的附属品，大数据对企业而言，如同石油一样重要，收集、整合、分析、利用、校准大数据，每一个环节都体现了全新的商业能力。企业高管应重视大数据的价值，将其视为一种竞争要素和战略资源。鉴于战略管理领域关于大数据的影响分析现状，本文重点探讨大数据对企业战略思维的影响以及大数据时代企业战略思维的特征，以期为企业在新的竞争环境下进行管理决策提供参考。

收稿日期：2014-12-20

*基金项目：国家社会科学基金项目“大数据对企业非市场战略的影响研究”（14BGL053）。

作者简介：刘力钢，男，辽宁大学商学院教授，博士生导师（沈阳 110136）。

袁少锋，男，辽宁大学商学院讲师，管理学博士（沈阳 110136）。

二、传统战略思维回顾

战略思维是指企业高层管理者摆脱日常管理事务，获得对组织不同愿景规划以及环境变化的认识。战略思维的本质是企业决策者关于企业战略的决策思维，关系到企业战略决策的成败。战略思维的形成，始于战略决策者对企业及其所处的客观环境的认知。

企业战略思维形成的认知要素，在不同发展阶段具有不同的侧重点。20世纪60年代，研究的重点是“企业外部市场机遇及企业内部能力”;20世纪70年代，研究的重点是“企业外部环境的不确定性”;20世纪80年代，研究的重点是“企业利益相关者，企业所处行业的5种竞争力量，以及顾客、企业、竞争对手”;20世纪90年代，研究的重点是“企业核心竞争力”。根据不同年代战略思维认知要素所包含的维度不同，可以把战略思维模式分为以下几种：一元战略思维（20世纪70年代的“环境”战略思维，20世纪90年代的“核心竞争力”思维）、二元战略思维（20世纪六七十年代的经典SWOT思维）、三元战略思维（20世纪80年代的“顾客―企业―竞争对手”思维）、五元战略思维（20世纪80年代的“五力模型”思维），和N元战略思维（20世纪80年代的利益相关者思维）等。

已有文献基于对战略思维认知要素的分析，区分了战略管理理论兴起后的战略思维模式。战略管理的本质实际上是要重点思考三个问题：企业在哪里？企业将要去哪里？企业何时竞争？即企业如何利用自身有效的资源或资产，在充满竞争的环境下，满足顾客的需求，从而实现价值的创造。本研究从资源、竞争、顾客三方面出发，考察大数据对“以资源为本”“以竞争为本”和“以顾客为本”三种战略思维的影响及其表现出来的主要特征。三种战略思维的内涵与特征见表1。

三、大数据对传统战略思维的影响

1.对“以资源为本”战略思维的影响

Wemerfelt在其1984年发表的经典文章“A Resource-based View of the Firm”中提出，企业的组织能力、资源和知识的积累，是企业获得并保持竞争优势的关键。此后，Barney等学者进一步指出，企业是一系列资源的集合，企业所控制的有价值的、稀缺的、不可模仿的、不可替代的资源和能力，是企业获得持续竞争优势的关键。在此基础上，Prahalad和Hamel于1990年在Harvard Business Review上发表“The Core Competence of the Corporation”一文，认为企业提品或服务的特殊能力是基于其核心能力，它是企业可持续竞争优势的来源，不应将企业看作不同资源配置下的不同业务组合，而应将企业看作隐藏于业务组合背后的、更深层次的核心能力的组合。企业只有基于所拥有的资源而不断构建、培育和巩固其核心能力，才能获得可持续的竞争地位。基于核心能力的战略思维，实质上是以资源为本的战略思维模式的扩展和动态化，虽然存在差异，但两者都强调竞争优势的内生性。在以资源为本的战略思维指导下，企业决策者们愈加重视企业是否拥有不同于竞争者的独特资源，是否具有超越竞争对手的核心能力。

在大数据时代背景下，大数据无疑是现代企业重要的战略资源。如果企业基于现代信息技术，掌握各利益相关者特别是顾客的数据，将有助于其竞争优势的获取与维持。以“小米”为例，这个成立于2010年4月的移动互联网公司，秉承“为发烧而生”的经营理念，在2014年10月便成为仅次于三星公司和苹果公司的全球第三大智能手机制造商。在中国大陆市场，小米已经超过三星，成为智能手机领导者。小米公司的成功，在很大程度上可以归结于其“为发烧而生”的理念。该理念的内涵是小米公司基于“发烧友”（忠实顾客）设计手机，并以低价向他们出售手机。小米公司的创新体现在MIUI智能手机系统上，而该系统的先进性或优势，来源于广大的用户。截至2014年7月1日，小米手机已拥有7千万人的MIUI用户群。小米公司每周都会推出MIUI的新版本，进行渐进式系统升级，而系统升级的想法则来自于“号召上百万人提意见”。

掌握庞大的顾客信息数据，通过创建网络社区等方式与顾客实时互动，收集顾客想法、意见并给予及时回应（每周一个新版本的MIUI系统），不断地满足顾客的不同需求，是小米公司高速成长的主要因素。可见，拥有和利用大数据，能够让现代企业获得竞争优势并快速成长。获取大数据和利用大数据创造价值，成为新经济环境下“以资源为本”战略思维需要升级的内容。

一些传统企业缺乏获取并利用大数据的战略思维，导致在新的竞争环境中失掉了原有的竞争优势。以传统零售行业为例，很多零售企业的结账平台仅用于记录不同货物的销售量、销售金额等信息，缺乏对购买者信息的收集、分析与利用。再如，许多零售门店的监控摄像头仅用来防范偷窃，而不是用来记录顾客信息、分析顾客心理与行为。“万宝龙”就曾利用监视录像记录进店顾客的不同表现，然后让有经验的销售人员分析和判断，并将相关的知识体系制成软件，协助一线销售人员进行销售，使一线销售人员知晓什么时候该与顾客攀谈，什么时候让顾客自己挑选等，结果使单个门店的销售额提升了20%以上。

在大数据背景下，企业与外界环境之间的边界日益模糊，信息共享和知识溢出成为企业与利益相关者之间合作竞争与协同演化的主要方式。在这样的竞争背景下，信息和知识成为企业管理中的重要生产要素，也是决定企业创新力的关键。基于大数据平台与外界建立社会网络，从外界获取有价值的信息，是企业获得竞争优势的关键。因此，重视大数据这种战略资源，积极获取、利用这种战略资源以获得竞争优势，是“以资源为本”战略思维需要拓展的重心。

2.对“以竞争为本”战略思维的影响

以竞争为本的战略思维的产生，源于20世纪80年代以迈克尔・波特教授为代表的学者提出的竞争战略理论。在该理论的指导下，竞争成为企业战略思维的出发点。竞争战略理论认为，行业的赢利潜力决定了企业的盈利水平，而决定行业赢利潜力的是行业的竞争强度和行业背后的结构性因素。因此，产业结构分析是建立竞争战略的基础，理解产业结构永远是战略分析的起点。企业在战略制定时重点分析的是产业特点和结构，特别是通过深入分析潜在进入者、替代品威胁、产业内部竞争强度、供应商讨价还价能力、顾客能力等5种竞争力量，来识别、评价和选择适合的竞争战略，如低成本、差异化和集中化竞争战略。在这种战略理论的指引下，企业决策者会逐渐形成“企业成功的关键在于选择发展前景良好的行业”的战略思维。

伴随着大数据时代的到来，产业融合与细分协同演化的趋势日益呈现。一方面，传统上认为不相干的行业之间，通过大数据技术有了内在关联。例如，阿里巴巴已涉足金融、物流、云计算等行业，传统的零售企业开始从事电子商务。大数据平台的构建，以及对大数据的挖掘和应用，促进了行业间的融合。另一方面，大数据时代，企业与外界之间的交互变得更加密切和频繁，企业竞争变得异常激烈，广泛而清晰地对大数据进行挖掘和细分，找到企业在垂直业务领域的机会，已经成为企业脱颖而出、形成竞争优势的重要方式。在大数据时代，产业环境发生深刻变革，改变了企业对外部资源需求的内容和方式，同时也变革了价值创造、价值传递的方式和路径。因此，企业需要对行业结构，即潜在竞争者、供应商、替代品、顾客、行业内部竞争等力量，进行重新审视，进而制定适应大数据时代的竞争战略。

3.对“以顾客为本”战略思维的影响

伴随着20世纪90年代产业环境动态化、顾客需求个性化等发展趋势，以顾客为本的战略思维模式逐渐形成。这种思维模式的核心是，强调企业的发展必须以顾客为中心，无论是增强自身能力，还是拓展市场，都要围绕顾客需求展开。研究顾客需求、满足顾客需求是这种战略模式的出发点。在这种战略理念的指引下，企业决策者意识到，要想获得竞争优势，就要比竞争者更好地发掘并满足顾客需要，创造独特的顾客价值。

在大数据时代，以顾客为本的战略思维也需要有新的变革。围绕顾客需求和企业的产品价值链，大数据时代的一个突出特点是“社会互动”的深刻影响。从新产品开发、测试到新产品的投放，社会互动都扮演着日益重要的角色。例如，在新产品开发阶段，小米公司的MIUI系统开发同上千万MIUI用户的互动，是产品创新的智慧来源。再如，美国某T恤衫销售公司，每个员工都可以向其公司网站上传自己的设计，然后由网络用户对产品设计进行投票，公司最后决定销售投票率最高的T恤衫。英国的一家家具企业则通过其网站来测试消费者对每种新产品的看法，经过投票产生前5名新产品，然后才向市场正式推出新产品。在营销层面，当今的电商平台，无论是国外的亚马逊，还是国内的淘宝、京东，都对网络口碑高度重视。网络口碑的实质就是顾客之间对产品看法和意见的互动，后续消费者会根据已有的口碑进行消费决策，互动口碑已经成为产品营销的战略举措。

关于大数据时代顾客价值创造方式的分析的一个共同特点是，价值创造的主体变得模糊，社会互动日益突出。传统以顾客为本的战略思维，强调的是企业需要洞察市场、洞察顾客需求，进而设计新产品或改进已有产品，满足顾客需求并创造价值。由于大数据技术的发展，社会互动能够被观察和有效控制。因此，大数据对以顾客为本战略思维的影响，主要表现在重视企业和利益相关者的社会互动，例如同供应商互动设计更好的零部件，同顾客互动设计新产品、测试新产品、推销新产品。企业与利益相关者的互动，会以更高的性价比创造价值，满足顾客需求，从而获得竞争优势。

四、大数据时代战略思维的主要特征

在互联网时代，人们经常讨论怎样用互联网的方式思维，以及如何持有互联网的思想、互联网的思考方式。在大数据时代，应该有大数据的思维方式。参考美国西北大学凯洛格商学院陈宇新教授的论述，大数据时代的“大数据战略思维”特征主要表现为：定量、跨界、执行和怀疑。

1.定量思维特征

它是指“一切都可测量”。虽然现实经营管理的情况不是都可以测量，但是企业决策者要持有这样的理念。例如，现在很多餐饮连锁企业都有消费会员卡，但是一般只记录顾客的消费金额，关于顾客消费什么则并没有记录。如果有了这样的记录，每个顾客来消费时，就不仅可以判断他的消费水平，也能分析判断他的消费偏好。管理者如果具备定量思维，秉承一切都可测的思想，记录有用的顾客信息，将会对企业的经营和战略决策产生积极作用。

引领企业实现大数据转型的企业决策者，在进行企业重要决策时，应该养成看“数据怎么说”的思维习惯。参考数据分析结果进行管理决策，既能有效避免仅凭直觉判断的不足和风险，也能改变企业内部的决策文化，将企业经营模式从依靠“劳动生产率”转移到依靠“知识生产率”上来。

2.跨界思维特征

它是指“一切都有关联”。企业经营的各方面之间都有相关性，应该发挥领导者的想象力，将看似不相干的事物联系起来。例如，移动终端和PC终端的跨界，微信、社交网络跟电子商务的跨界，通过跨界能够开创新的商业模式，构建新的价值链。

如果说通过大数据挖掘消费者需求考验的是企业的洞察力，那么高效地满足客户需求考验的是企业内在的整合与优化能力。企业要想获得价值最大化，就要善于利用大数据提升价值链的效率，对其商业模式、业务流程、组织架构、生产体系等进行跨界整合，以进一步提升为客户服务的效率和企业竞争力。基于大数据的思维不仅可以提升企业的内在效率，还能帮助企业重新思考商业社会的需求，从而推动自身业务的转型，重构新的价值链。阿里巴巴集团就是充分利用大数据，成功地由一家电子商务公司转型为金融公司、数据服务公司和平台企业，它的转型给金融、物流、电子商务、制造、零售行业带来了深刻影响。

3.执行思维特征

它是指“一切都可利用”。执行思维强调充分地发掘、利用大数据。企业收集了大量的数据，但存放着不利用属于资源浪费。企业应该注重实效，将大数据蕴含的市场信息发掘出来，并执行下去，及时对市场和利益相关者作出反应。在大数据时代取得成功的企业，并不是简单地拥有大数据，而是通过对大数据的分析，发现市场机会，从而开发新的市场。企业依托大数据分析获得的创意，为市场提供相当独特的产品和服务，通过高效的组织运作与执行，最终赢得顾客、赢得市场。

4.怀疑思维特征

它是指“一切都可试验”。企业获取了大数据，进行分析获取一定信息之后，有时会导致决策产生更大的偏差。认为有了数据的支持就觉得实际情况就是如此，从而忽略了深入的思考。实际上，有的时候数据会产生误导，所以不能对数据有盲从的思想，相应地还要有怀疑试验的思想。例如，航空公司经常根据顾客在本公司的消费情况计算其顾客价值，进而根据顾客价值的大小采取不同的营销策略。假如A顾客在某航空公司年消费金额为2000元，公司可能将其归类为低价值顾客，实际上该顾客在其他航空公司年消费额超过2万元。面对这样的情形，航空公司仅仅根据自己掌握的顾客消费数据进行决策，难免会产生错误或偏差。因此，管理者还需要有怀疑试验思维，要思考获得的大数据是否全面，来源是否精准，不能盲目认为只要拥有大数据，就能够进行精准的决策。

五、结论与讨论

基于以上分析，参照麻省理工学院安德鲁・麦卡菲教授提出的“企业2.0”提法，大数据时代应发展大数据战略思维，同时应该将传统的战略思维升级到2.0版本，体现大数据时代的战略思维特征。大数据时代的企业战略思维总结如表2。

大数据时代，消费者的决策方式、购买行为等发生着显著变化。为此，企业经营管理过程中的战略思维应该进行变革。一方面，要对传统以资源、竞争和顾客为本的战略思维进行升级拓展;另一方面，要发展形成全新的大数据思维。

企业的战略思维涉及企业管理的最高层次，关乎企业的生存与发展前景。当代企业决策者要想获得商业成功，要筑百年基业，就要具备大数据时代的战略思维。许多成功企业的经验证明，正是企业领导层具有大数据时代的战略思维，引领企业开创了新的商业模式、新的价值创造方式，更好地为顾客、为社会创造了价值，才最终成就了企业的爆发式增长。因此，升级传统战略思维，构建大数据战略思维，开展体现大数据时代思维特征的战略管理，是企业可持续发展的重要条件。

参考文献

[1]徐明.当大数据成为差异竞争要素[J].哈佛商业评论，2013，（1）.

[2]冯芷艳等.大数据背景下商务管理研究若干前沿课题[J].管理科学学报，2013，（1）.

[3]张建设.大数据：战略论的终结与社会化决策的兴起[J].企业管理，2012，（10）.

[4][美]安德鲁・麦卡菲，[美]埃里克・布林约尔松.大数据：一场管理革命[J].哈佛商业评论，2012，（10）.

篇3

    面对大数据时代的来临,面对“大数据”所带来的新技术、新思维的变革,企业内部审计需要应时而变来适应商业模式、思维模式及数据处理模式的变化,从而影响了审计方式、审计抽样方法、审计评价模式、审计重点等。而内部审计人员不仅要能了解数据的变化以及数据处理技术的变革,更要能处理数据、分析数据、驾驭数据,要能够充分、及时地从大量复杂的数据中,辨认出对内部审计的意义与价值,并进而协助内部审计人员做出最佳的决策。“大数据”对企业内部审计的影响主要表现在以下几个方面:

    (一)审计方式由传统审计的事后审计、周期审计向连续审计转变。随着大数据技术的快速发展,审计方法和模式也在与时俱进。传统审计中,审计人员只是在完成财务报告或经过特定的周期或离职等情况的时候才进行审计,而且审计中并不是检查所有的信息,只是抽样分析。这种有限的检查对复杂的商业系统来说很难起到监督作用,而且传统审计的测试程序主要采用常规的方法关注被审计单位活动,包括数据、授权和执行等。企业如仍然采用这种审计方式,对于确认迅速发展的商务活动的真实价值或合法性显得过于迟缓;另外,从内部控制的角度来讲,我国目前的内部审计实务多是针对财务、会计事项,对经营活动、内部控制、管理事项的监督、评价极为有限,审计活动理念也多为“监督导向”型,而非“服务导向”型,公司部门间的不同流程缺乏衔接都使审计工作难以为经济活动提供全面的监控和服务。随着企业经济业务日趋复杂,信息技术迅速发展,企业电子商务和信息化建设逐渐成熟,越来越多的人意识到连续审计的重要性,而大数据技术及大数据基础使连续审计成为可能。连续审计可以降低传统审计过程中的浪费和时滞问题,降低审计错误和风险,促进企业发展。连续审计是信息技术与审计学科较好交叉融合的产物,是信息化条件下审计科学发展的必然,尤其对内部风险控制“实时性”要求极高的特定行业,如银行、证券、保险等金融和债务契约等行业中,实施连续审计监督迫在眉睫。某财产保险公司内部审计部门,已经在新开发的审计系统中固化了连续审计模块,该模块可以实现在线的风险预警,并安排专人进行日常数据式连续审计,将发现的风险数据、超预警值指标及问题登记为疑点,并建立审计底稿,按照重要程度进行远程审计、核实或下发给现场审计人员进行现场核实。该模块经过一段时间的使用,收到了很好的效果。

    (二)审计抽样开始系统化、模块化、智能化,并开始具有预测功能,而样本最终将扩展至数据全体。目前,常规审计工作已广泛采用随机抽查法,其意义用较小的投入来获得审计结论,提高审计效率;但利用抽查法所得出的审计结论存在着发生重大错误的可能性,其可能性的大小就意味着审计风险的大小。然而,数据量的爆炸式增长使审计人员意识到现行的抽样审计方法只是凭借审计人员的主观判断和实际经验对财务报表中的重大事项进行审查,而忽视了大量的业务活动,无法发现和揭示企业内部发生的、对财务报表真实性有重大影响的舞弊行为和技术性错误,难以对企业财务报表及经营管理做出准确的判断和评价。但是,庞大的企业规模和繁多的业务活动,致使审计工作难以回到详细审计方式,只能在抽样审计方法本身寻求改进。审计抽样开始向以下几个方向发展:一是审计抽样系统化。通过抽样系统增加审计抽样的实用性和效率性,为审计人员从大量的审计数据中抽取有用信息,为审计的预测分析提供依据,这样的抽样采用人工方式在海量数据的情况下是无法进行的;二是审计抽样模块化。通过模块化设计,审计抽样系统将得到最大的灵活性,以便抽样时采用各种模型组合便抽样更有效率;三是审计抽样的智能化。审计抽样系统将积极吸收审计、统计、计算机、人工智能等方面的最新研究成果,抽样模型及时得到更新,抽样经验在知识库中得到积累,审计抽样系统开始“学习”、“推理”,不断朝着智能化方向发展。将海量的数据经分析、预测等“加工”后,以知识的形式呈现给审计人员,为审计人员发现审计问题提供深度支持;四是审计抽样系统开始具有预测功能。随着大数据技术的发展,计算机的运算能力和处理速度不断提高。审计抽样系统会强大到处理复杂的运算,并利用大数据技术改进后的审计抽样算法来对这些审计数据进行分析并进行数据挖掘,找出特征数据,缩小抽取样本的数量,降低审计成本、提高审计效率;利用关联规则,预测被审计单位经营风险的高低,帮助审计人员确定审计重点,提高审计效率。通过审计信息系统所提供的庞大数据库可以实现对被审计单位的信息进行数据挖掘和综合分析,对被审计单位的财务及经营状况进行预测分析,为被审计单位提供决策依据。目前,某财产保险公司的审计系统,应用了大数据技术进行风险数据的提取,并应用PPS抽样、随机抽样、系统抽样、模型抽样、组合抽样等进一步提高审计效率。而在抽样模型中应用了汽修厂与驾驶员、报案人、定损员、收款人等的关联程度模型,伤者、驾驶员、报案人、联系人、领款人等的出险频繁度模型,人伤重复出险伤者、标的车多次与同一三者车碰撞出险等高风险模型,承保、理赔、财务系统非同一档案中上传相同照片等以“大数据”技术为基础的模型,收到良好的效果。

    然而,在不久的将来,伴随着以真实性、服务性为基础的各项企业内部审计的深化,随着数据信息化的深入以用大数据技术发展应用的深入,企业内部审计逐渐开始能够从大量的、杂乱无章的海量数据中发现潜在的有用的信息,能够从这些大量的数据中发现被审计单位运作的基本规律及特征;预测出被审计单位发展的趋势,从宏观上把握被审计单位科学地发展。审计也不仅仅局限于抽样审计,而是对企业所有财务、业务等经营数据的数字式连续审计。

    (三)促进审计成果的转化与应用。目前,内部审计成果应用主要是针对屡查屡犯的问题重点进行检查、督促整改,部分企业已经将审计成果应用闭环管理的手段对整改过程进行管理以达到良好的审计成果运用效果。大数据技术的出现,促进了审计成果的进一步应用。一是促进对以往审计中获取的大量信息资料和相关情况资料的汇总、归纳,从中找出财务、业务和经营管理等方面的内在规律、共性问题和发展趋向,通过汇总归纳宏观性和综合性较强的审计信息,以及运用审计成果,为各级领导提供数据证明、关联分析和决策建议,从而促进完善制度、机制、决策和执行,促进企业管理水平更上一层楼;二是促进问题的全面发现,即应用大数据技术可以将同一问题归入不同的类型使用,从不同的角度、不同的层面整合提炼以满足不同层次的需求。同时,通过对带有共性、普遍性、倾向性的问题进行挖掘,提炼出问题与数据中的关联性,可以将所有问题通过IT手段检查出来;三是应用大数据技术进行连续式审计有利于问题的整改监督;四是将审计成果进行知识化留存,通过大数据技术,将问题规则化并固化到系统中,以便于计算或判断问题发展趋势、对问题进行预警等;五是将审计人员与审计成果、被审计单位与审计问题进行关联,并进行信息化备案,在进行下次检查时,可以根据审计方案中的重点,有侧重地选取有相应检查经验的审计人员组成审计组,并按审计目标抽取相应被审计单位进行重点审计检查等。

    总之,大数据并非被过度渲染的产业题材,大数据对企业内部审计的影响,既是应对企业数据集中模式、数据爆炸式增长趋势而进行的实时处理超量数据的技术升级,又是将方方面面的数据进行电子化、信息化,并将信息规则化、知识化,最终使各种应用网络化、智能化的过程;大数据更是一次从分散到集成、从共享到协同、从封闭到开放、从离线孤立到持久在线云服务、从专享到普适的挑战。

    主要参考文献:

    [1]维克托·迈尔-舍恩伯格,肯尼思·库克耶.大数据时代中译本.浙江人民出版社,2013.

    [2]Bill Franks.驾驭大数据中译本.人民邮电出版社,2013.

    [3]陈丹萍.数据挖掘模式下的审计风险决策研究[M].中国社会出版社,2007.

    [4]陈福军.计算机辅助审计应用教程[M].清华大学出版社,2011.

    [5]《企业审计制度方法和技术建设》课题组.信息化环境下企业审计的技术方法[M].中国时代经济出版社,2011.

    [6]中国会计学会.企业内部控制自我评价与审计[M].大连出版社,2010.

    [7]陈倩雯.深圳审计研究成果论文选编:2010~2011[M].中国时代经济出版社,2012.

    [8]浙江省注册会计师协会.国际高级审计业务文集[M].中国财政经济出版社,2010.

篇4

1 大数据的含义及特征

大数据即人们常说的非结构化数据，它借助计算机网络，可以存储大量数据，并保证数据的真实性。体量、速度和多样性是大数据定义中的关键内容。其基本特征主要有：第一，大数据数据总量增长规模非常大。同种类型的数据在传输过程中处于快速增长状态。第二，数据增长的速度非常快，以指数级持续增长模式为主。第三，新的数据来源渠道越来越多，新的数据类型也不断丰富。第四，大数据的价值不断上涨，大数据可以为企业发展带来更多商机，是现代企业发展过程中必不可少的内容。

2 相关研究现状及存在的问题

情报关键词是表述某个文件或者论文中重要内容的词语。本文中介绍的大数据时代基于统计特征的情报关键词是指以网页为主的关键内容，提取关键词的主要目的是分析语义和对核心词语进行统计。网页关键词在自动摘要、信息检索以及自动问答等形式中都存在较多不确定因素，导致大数据时代基于统计特征的情报关键词提取方法问题重重。

3 大数据时代基于统计特征的情报关键词提取方法

3.1 关键词提取方法的分类 关键词提取方法分四类：第一，基于语义的方法。以词典为依据，对词和句子进行分析，对词和句子进行分类标注，满足计算机对多重信息片段的实际需求，通过计算获得情报关键词。第二，基于机器学习的方法。利用机器对训练语料库进行训练，结合各项系数的实际状况，确立相关的参数、建立准确的模型。第三，基于复杂网络的方法。明确候选特征词之间的关系，以既定的规则为出发点，构建一个复杂网络，通过相关数据计算出节点权重系数和介数，最大的综合值即为关键词。第四，基于统计的方法。词语具有相关统计信息，以统计信息为基础，提取相关关键词。

3.2 关键词提取方法的构造

3.2.1 中文词语的特征及自动分词。中文词语通常由两个或者两个以上的汉字组成，句子具有连续性，要求研究人员利用大数据对中文句子进行分析之前，将句子划分为若干小部分。目前已经有自动标注词性的系统，可以自动过滤词和通用词语。

3.2.2 网页文本的结构特征及词语统计特征。MTML是一种标记语言，该标记语言的证书的目的是描述网页文档内容，以成对的标记符号为依据，明确显示网页的各个部分。词语统计的特征主要有：如果某篇文章中某个词语出现的频率比较高，在其他文本中出现的频率偏低，那么，这个词语即可作为候选关键词；同一词语在不同标记符号中对文章内容的反映结果不一样，也就是说词语出现的位置对关键词的选择有至关重要的作用。

3.2.3 词语过滤。文本中通常会存在大量噪声词。噪声词与文章的内容联系不大，噪声词在文本中和文本集合中出现的频率均比较高，噪声词通过词频和文本频率乘积的离散系数自动过滤。不同内容的文本长度不一样，噪声词在文本中出现的频率数受文本长度的影响，离散系数是指某个词语在文本中的波动程度，词语的离散系数与该次在文本中出现的稳定性成正比，也就是说，离散系数越大，该次在文本中的稳定性越差。

3.2.4 中文关键词提取流程图。本文以TfDf指标为依据，采用离散系数的方法将文本中存在的噪声词过滤除去，对候选关键词共现概率分布进行分析。确定TFIDF和候选关键词的位置信息，以TFIDF-SK为计算方法，以函数TFIDF-SK值作为关键词重要性的衡量标准。TFIDF-SK算法系统流程图如图1所示。

■

图1 TFIDF-SK算法系统流程图

TFIDF-SK算法将输入文本集合进行处理，处理工作中必须将文本集合中的噪声词过滤除去，做好词语统计特征；将收集到的信息计入特征计算模块，该模块的主要功能是计算TFIDF值、词语位置信息和偏度；进入关键词重要性衡量模块，计算出TFIDF-SK值；判断关键词重要性度量大小，输出文本中的情报关键词。

4 结束语

目前，国内外对大数据时代基于统计特征的情报关键词的提取方法均有统一评价，在实际发展过程中强化统计特征情报关键词的提取方法显得尤为重要。因此，研究人员必须在了解大数据含义及特征的前提下，针对大数据时代基于情报关键词提取方法存在的问题，对相关方法进行深入研究，保障情报关键词的稳定性。

参考文献：

篇5

一、前言

信息技术的飞速发展，使人类社会来到了大数据的时代。大数据对人类社会产生了极大的影响。然而，大数据技术的意义不在于掌握这些海量的数据信息，而在于怎么合理地应用这些相关的技术。在外语教学中，我们可以合理地将相关的技术应用到教学活动中，作为教学工具、教学手段、教学内容，将大数据技术渗透到教学中，这必将对给我们的外语教学带来新的生机。

在未来的教学中，课堂将不再是学生获取知识的唯一途径，越来越多的网络学习途径将会出现，大数据技术将渗透到我们的教育领域，它对我们的教学产生了重要的影响。在大数据的时代背景下，我们传统的教学必将遭到挑战，作为高职院校的教师，基于高职教育的特殊性，我们该如何开展高职外语教学，如何合理地应用出现的新技术呢？这需要广大教师与相关人员不断地进行探索。

二、大数据的时代特征

人类步入21世纪，随着信息技术的不断发展，信息开始超速繁殖，数字化的信息迅速狂增。信息技术在不断地发展着，如今它已渗透到各行各业、各个领域。它的广泛应用促使社会出现了很多新技术，移动互联网、云计算、物联网，等等。人们在使用这些相关的软件设备时产生了大量的数据，全球的数据量正在快速地增长，大数据的时代已真正到来。在信息化的时代洪流中，“大数据”（big data）这一概念迅速蔓延，成为了各行业的热门话题。大数据具有Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）这四个特点。“大数据”是对疯狂增长的信息的生动描述。互联网开启的大数据时代对人类社会的影响是深远的。

三、大数据对高职外语教学的影响

信息时代的到来，势必给我们的教学带来了很多益处。手机的便捷，让我们的学生随时可以通过网络查阅相关的内容，微信、微博、QQ这些，也为我们的学生提过了大量的信息。这些便捷的渠道，已使学生们习惯于利用网络信息。

在大数据的时代背景下，互联网的快速发展促使很多新型的教学模式出现，如今的微课、慕课、翻转课堂都是面向数字化时代的大学英语教学改革，具有大数据的时代特征。微课是以视频为载体，将某个知识点或者教学环节以微课程的形式出现。这种短小、精致、便捷的微课程，使学生在任何时候、任何地点都可以进行远程自主学习。这种学习，将远程学习方式带到了学生的生活中。慕课是一种网络开放课程，它让我们的教学来到了“在线”时代。一系列的在线网络课程已经形成，这种在信息网络时代下的在线学习，给学生提供了大量的在线课程资源，方便了他们的学习。翻转课堂是指学生先在课前通过网络课程学习平台或是视频等相关资料进行学习，老师不再占用课堂时间讲授知识信息，他们只是在课堂上解答学生学习的疑难点。这种颠覆传统的教学方式主要是为了提高学生的自主学习能力，让他们更真实地去体验获得知识的过程。互联网掀起的数字革命正改变着我们传统的教学方式。微课、慕课、翻转课堂等新型的教学模式，正是大数据时代的历史变革。信息时代下的全新教学模式带给了我们新的理念、新的教学方法。

大数据时代下的互联网为我们的学生提供了丰富的学习资源，灵活、便捷的学习方式，使我们的学生有了更多的自主选择机会。对于外语学习，我们的高职学生可以通过网络获取更多有趣、有意义的视听说等教学资源。不同的学生可以根据自身的情况选择适合自己的内容，根据自身的特性，学生可以有效控制学习的时间和进度。高职学生的外语水平参差不齐，每个人的学习差异较大，他们可以根据自身的情况进行自主学习，因此，这些新时代的教学模式非常适合他们。然而传统的教学模式很难考虑到每个学生的特性，它针对的是全体学生。在大数据时代，传统的教学方式改变了，教师的角色也改变了。这些新出现的教学模式，让我们的教师从传统意义上的传授者变成了引导者。教学的主体不仅仅是教师，学生也是教学的主体。在课堂教学活动中，学生将会更多的融入课堂。高职教育重视的是学生实践能力的培养，大数据时代背景下的新型教学模式，可以更好地培养高职学生的动手能力、自主学习能力、实践能力，这与高职教育的特征是相符合的。

四、如何应对新时代的挑战

的确，在信息化、数据化的社会大环境下，网络教育模式、在线教育模式在教学活动中越来越流行。新时代的这些教学模式在我们的高职教学中越来越流行，他们已渗透到各个学科。然而，信息化的教学似乎只改变了传统的教学方式，它并没有改变教学质量。因此它还有许多不足之处需要我们去改进。要想将这种教育模式作为未来的主流模式，我们需要抓住传统的教学方式的核心，而不是摒弃传统教学的重要理念，将数据化、信息化的东西与高职学生的特性结合起来，创建适合他们的外语课堂教学模式。

大量的知识信息通过网络的形式呈现给学生，会使学生慢慢摈弃传统的课堂教学，忽略课堂教学的重要性，从而开始抵触传统的课堂，而过分依赖网络，学习上产生一种惰性。

新时代下的教学模式使学生也成了教学的主体，对学生的自主学习能力有了更高的挑战。只有具有较高自主学习能力的学生才能够达到一定的学生效果。然而高职学生的特殊性，他们能否真正意义上地达到自主学习？在大数据的时代背景下，为了达到更好的教学效果，外语教师应运用新的教学策略，设计合理的教学活动来促进学生的学习，从而真正提高教学质量，真正意义上地培养学生的外语能力。

总之，大数据时代的到来，为我们的教育教学带来了新的生机，新的教学模式、教学理念让我们的高职教育来到了一个新时代。在未来的教育发展中，大数据必将对高职教学改革产生一定的影响。作为高职院校的外语教师，我们如何应对新时代的挑战，如何将新技术与教学合理地应用，这些需要我们长期的探索与研究。

参考文献：

[1]张静.网络时代的教育与教师角色的转变[J].贵州师范大学学报，2003，（03）.