大数据时代下范文

第一篇：大数据时代下范文

大数据时代下数据挖掘技术与应用

【摘要】人类进入信息化时代以后，短短的数年时间，积累了大量的数据，步入了大数据时代，数据技术也就应运而生，成为了一种新的主流技术。而研究数据挖掘技术的理念、方法以及应用领域，将对我国各个领域的未来带来更多的机遇和挑战。本文就大数据时代下数据挖掘技术与应用进行探究。

【关键词】大数据，数据挖掘，互联网

数据挖掘是一门新兴的学科，它诞生于20世纪80年代，主要面向商业应用的人工只能研究领域。从技术角度来看，数据挖掘就是从大量的复杂的、不规则的、随机的、模糊的数据中获取隐含的、人们事先没有发觉的、有潜在价值和知识的过程。从商业角度来说，数据挖掘就是从庞大的数据库中抽取、转换、分析一些潜在规律和价值，从中获取辅助商业决策的关键信息和有用知识。

1.数据挖掘的基本分析方法

分析方法是数据挖掘的核心工作，通过科学可靠的算法才能实现数据的挖掘，找出数据中潜在的规律，通过不同的分析方法，将解决不同类型的问题。目前常用的方法有聚类分析、特征数据分析法、关联性分析等。

1.1聚类分析法。简单来说聚类分析就是通过将数据对象进行聚类分组，然后形成板块，将毫无逻辑的数据变成了有联系性的分组数据，然后从其中获取具有一定价值的数据内容进行进一步的利用。由于这种分析方法不能够较好的就数据类别、属性进行分类，所以聚类分析法一般都运用心理学、统计学、数据识别等方面。

1.2特征性数据分析法。网络数据随着信息时代的到来变成了数据爆炸式，其数据资源十分广泛并且得到了一定的普及，如何就网络爆炸式数据进行关于特性的分类就成为了当下数据整理分类的主要内容。此外还有很多方法都是通过计算机来进行虚拟数据的分类，寻找数据之间存在的普遍规律性完成数据的特性分析从而进行进一步分类。

1.3关联性分析法。有时数据本身存在一定的隐蔽性使得很难通过普通的数据分析法进行数据挖掘和利用，这就需要通过关联性分析法完成对于数据信息的关联性识别，来帮助人力完成对于数据分辨的任务，这种数据分析方法通常是带着某种目的性进行的，因此比较适用于对数据精准度相对较高的信息管理工作。

2.数据挖掘技术的应用

数据挖掘技术的具体流程就是先通过对于海量数据的保存，然后就已有数据中进行分析、整理、选择、转换等，数据的准备工作是数据挖掘技术的前提，也是决定数据挖掘技术效率及质量的主要因素。在完成数据准备工作后进一步对数据进行挖掘，然后对数据进行评估，最后实现运用。因此，数据挖掘能够运用到很多方面。如数据量巨大的互联网行业、天文学、气象学、生物技术，以及医疗保健、教育教学、银行、金融、零售等行业。通过数据挖掘技术将大数据融合在各种社会应用中，数据挖掘的结果参与到政府、企业、个人的决策中，发挥数据挖掘的社会价值，改变人们的生活方式，最大化数据挖掘的积极作用。以教育行业为例，探究数据挖掘技术在高校教育教学活动中的应用。

2.1在高校管理中的应用。数据挖掘技术在高校管理的内容主要包括：高校招生录取工作、贫困生选定以及优秀生评定等。高校每年的招生工作是学校可持续发展的重要环节，直接影响到高校教学质量以及发展情况。比如数据挖掘技术在高校管理中的应用主要是对学生高考成绩、志愿填报、以及生源来源地等多方面信息进行整理分类汇总。具体步骤是通过进行数据的收集和预处理，建立相关数据模型，采用分类算法，提取和挖掘对用户有用的信息，然后进行数据挖掘的数据存储形式。目前高校数据挖掘技术应用的范围比较广泛，由于高校管理内容比较复杂，因此在其管理内容的每个小部分也开始利用数据挖掘技术进行管理，比如学生成绩管理，课堂教学评价系统等。

2.2在高校课堂教学评价中的应用。数据挖掘技术在高校课堂教学评价系统中的应用主要也是利用关联分析法。首先先对数据进行预处理工作，数据的预处理是数据挖掘技术的关键步骤，并且直接影响着数据挖掘技术的应用效率。数据预处中要将教师的基本信息、教师教授课程以及教师的职称、学历、学生信息以及学生课表相关信息进行数据初始记录。对于教师的评价内容根据高校自身的条件和需求而定，学校教学评价管理部门登录学校教务系统后，将学生所选择的选项对应转换为教师的分值，通过计算机计算总分后得出教师的学期得分。学生对于教师教学的评价在一定程度上也反映了自己的学习情况，如对教师的评价为零分，则说明学生也否定了自己的学习效果。 2.3在高校学生信息管理系统中的应用。高校学生信息管理系统中管理要素主要是学校的领导、任课教师、学生以及家长。系统的功能要包括：对不同的用户设置不同的使用权限;对学生的基本信息以及学生浏览管理网站的记录要做到明确记录;各个学院不同专业的学生课程要能准确公布并允许学生根据实际情况修改;成绩管理要能实现大批量添加及修改;还有比如评优活动、党务管理等具体功能。数据挖掘技术在高校学生信息管理系统中的应用主要是利用决策树的方法。学生信息管理的基本数据就是学生入学时填写的基本信息表，内容包括学生的姓名、学号、考勤以及学习成绩等，这些都是学生特有的属性，学生信息管理利用决策树方法就是将学生的这些属性作为决策元素，监理不同的决策节点，实现对学生全方位的考核和评价，完整的了解到每位学生的具体信息。

2.4高校图书馆信息系统中的应用。数据挖掘技术最基本的应用就是通过对现有的数据进行分析来了解学校图书馆现有资源利用情况，为图书馆的未来建设提供可靠数据。数据挖掘技术能够使图书馆资源得到极大程度的优化整合。比如数据挖掘技术可以对检索记录进行整理，将手工数据转变为电子数据记录。其最大的优势就是利用数据挖掘技术更加全面的分析总结数据库资源，帮助图书馆管理人员对于图书馆信息的补充和调整，还能够为高校图书馆的馆藏工作建设提供有效的引导。数据挖掘还能应用于图书馆的多媒体数字资源，多媒体数据挖掘技术能够更为快捷和准确的为读者提供相应的服务。

3.结语

数据挖掘技术是近几年新产生的网络技术，可是它的广泛应用性受到了很多公司以及研究人员的喜爱。这些年来，伴随着时间的推移以及网络技术的不断发展大数据挖掘技术不断的被更新，开发，而且在金融、管理、教学等行业中都得到了广泛的应用。我相信随着网络技术的不断发展，大数据挖掘技术的应用面将会越来越广。

【参考文献】

[1] 董彩云 ， 曲守宁 . 数据挖掘及其在高校教学系统中的应用 [J]. 济南大学学报 ( 自然科学版 )，2004(1)： 65-68.

[2] 陆川，王静静.数据挖掘技术在高校教学管理中的应用研究[J].北京：电脑开发与应用，2009，3.

[3]《中国电子科学研究院学报》编辑部.大数据时代[J].中国电子科技研究院学报，2013(01)：41-43. [4]魏娟，梁静国.基于数据挖掘技术的企业客户关系管理(CRM)[J].商业研究，2005(07).

第二篇：大数据时代下贵阳建设智慧城市

2013年11月15日，第四届中国意大利创新论坛在北京召开，作为本届论坛六个平行圆桌会议之一的“贵阳智慧城市建设专题研讨会”吸引了国内和意大利政产学研界近百人参加，大家纷纷对贵阳智慧城市建设表示出浓厚的兴趣。在会上，贵阳市提出在2015年前将建成的包括“一个公共平台，一个管理中心，政务、产业、民生三大应用方向，信息基础建设、智慧应用等六大支撑体系，建筑节能、指挥交通等九个示范应用”在内的“智慧贵阳”体系框架。那么，建设智慧城市的前提条件是什么?

如果将智慧城市比喻为人，将组成智慧城市感知功能的传感器比作人的五官，将连接传感器的网络比作神经，将控制和存储信息的云技术比作中枢，那么大数据就是智慧城市的所有体征数据的总和。人要正常运作,各个零部件数据指标必须达标，一座智慧城市亦如此。

所以一座真正的“智慧城市“，要体现出人类社会对现代城市和运营管理新的科技发展的水平，智慧，它必然来自于对各种数据充分分析和利用。因此如何对数据进行分析和利用，促进人类智慧运用管理城市，建设迫切使用先进的技术包括数据挖掘和功能的强大的运算系统，从而来整合分析跨地域，跨行业，跨部门的海量数据的处理，将特定的知识应用于特定的行业和特定的解决方案中，来正好的支持整个经济社会发展的决策和相关行动。这也正是建设智慧城市面临的重要挑战。

21世纪随着大数据技术领域的开发与不断创新，现今技术已经能够短时间内处理、分析庞大复杂的数据，这为“智慧城市”的建设提供了强有力的支撑。如今，越来越多的城市提出建设“智慧城市”的命题，并不断摸索与落实，成绩显著。

作为贵州省会的贵阳同样迎来建设智慧城市的契机，早在2010年10月，在贵阳市政府与IBM共同举办的“智慧城市·感知贵阳”论坛上，就已经勾勒出“感知贵阳、智慧城市”的远景，而建设智慧城市也纳入到贵阳市“十二五” 工业和信息化发展规划中。2013年年初，贵阳乌当区入围我国首批90个智慧城市，同年8月，乌当区智慧城市综合管理平台正式开工建设。在2013年智慧城市任务书项目开展情况评分中，乌当区在全省10个国家智慧城市试点中总排名第二，在4个县级试点中排名第一，获得“以奖代补”专项资金70万元。

打造智慧城市，对贵阳市的好处无疑是十分巨大的。智慧城市所涉及的智慧交通、无线城市、智慧医疗、云电视等都对提高贵阳市民的生活品质有着极大的促进作用。智慧交通将打破贵阳传统城市交通管理与发展模式，极大地缓解交通需求与交通设施供给的尖锐矛盾，为市民出行提供便利的交通;无线城市能够为公众提供利用无线终端或无线技术获取信息的便利服务,实现城市信息化和现代化;智慧医疗能够实现医疗信息实时共享，简化就医流程、降低医疗费用，增加群众就医便利性;云电视将电视连上网络，观众就可以随时从外界调取自己需要的资源或信息。

同时引入大数据处理技术，在互联网、物联网、云计算平台、电信网、广电网、无线宽带网等技术实现系统化整合的基础上，充分利用高度集成的智慧技术，以配套设施与相关政策促进、带动智慧产业发展，为居民提供更加优质、高效、方便、快捷，更加亲民、协调、节能、集约，具有高度智慧化的公共服务。

随着智慧城市建设日趋完善，必然催生大数据运营行业的发展，将出现非常重要的大数据运营和管理新型行业和龙头企业。贵阳市政府的一系列政策举措便是最好的信号，观山湖区将率先开通无限城市网络、乌当区智慧城市综合管理平台建设开工，中关村进驻贵阳、富士康选址贵阳、贵阳高新未来产业城承建大数据中心等等举措，都印证着贵阳市政府建设智慧城市的决心。

第三篇：大数据时代下的银行业

一、前言

2012 年3 月，奥巴马政府宣布投资2 亿美元启动“大数据研究和发展计划”，并且定义为“未来的新石油”，希望增强政府收集、分析和萃取海量数据的能力。 这个由世界最强国家政府推动的项目，标志着“大数据”时代的到来。

近年来,移动互联网、物联网等迅速发展,使得新数据源不断出现,全球的数据总量正呈指数增长,过去3年间产生的数据量已超过以往总和。大数据时代的到来已经成为全球共识,数据正成为与物质资产和人力资本相提并论的重要生产.随着信息技术及互联网的快速发展，社会正在走向全面数字化。处于大数据时代的银行业，正面临着一场经营方式的大变革。一方面，互联网和大数据打破了原有银行在渠道和信息上的壁垒，给银行带来更多的竞争对手;另一方面，大数据将推动银行更加科学地经营管理，从而促进银行更健康地发展。

二、大数据时代银行业分析

目前，银行业正处在以客户为中心、以市场为导向的激烈竞争时代，如何应用先进的计算机网络技术跟踪、预测银行客户的发展动向，最大限度地挖掘客户信息的潜在价值，并利用这些信息来改进银行服务，提高竞争能力对银行来说至关重要。

(一)独特优势分析

对银行独特优势或其存在理由的理解有很多角度，基本的一种是将银行看作一个信息处理的机构，它能够获得和处理金融市场所无法获得的信息，并通过贷款决策向市场发送有关借款人信用的信号。

所谓市场无法获得的信息，首先来自于借款人为获得贷款而自愿向银行做出的披露，其次来自于银行家对于借款人进行的近距离的调查和判断。这些信息又可以分为两类，一是能够被编排的、数码化的或结构化的;二是只能意会的。银行贷款决策的做出，固然有赖于对于数码化信息进行分析的技术，但也离不开银行家的职业直觉和判断。

(二)机会分析

1、助推经营转型。以小微贷款发展为例，导致小微企业贷款难的原因很多，包括缺乏足够的抵押担保、缺乏信用评价机制、银行管理成本高等等。而大数据给这个难题带来了新的解决思路，通过大数据可以建立更完善的信用评价机制、风险定价机制、贷款全流程管理机制，并降低人工成本。

2、提升精准营销能力。通过大数据技术，信用卡客户营销可能基于以下的流程：首先对客户的性别、年龄、职业、金融资产、刷卡频度、消费地点、购物种类、营销活动参与情况等数据进行分析，得到客户的贡献度、活跃度和行为偏好等客户特征;然后根据客户特征进行分类差异化营销设计、举办营销活动;最后根据营销结果再进行数据分析，为下次改善提供参考。

3、提高客户满意度。通过分析客服中心的咨询、投诉内容，可以及时发现产品或服务存在不起眼的小缺陷，而改变这些小缺陷，可能会极大地提升客户满意度。通过对大量交易、行为数据、社交网络数据的分析，可以帮助银行找准客户需求，真正做到以客户为中心设计开发产品。

4、创新品牌营销策略。大数据时代，信息传播的方式、渠道和速度都是前所未有的。社交网络将会成为品牌营销的主阵地，客户在社交媒体上快速传播自身体验和感受的影响力将远远超过空洞的形象广告。传统上依赖信息不对称的品牌营销都将无所适从，与其投巨额资金到媒体做广告，不如扎扎实实地搞好自身的产品和服务，通过客户来帮助银行宣传。

三、对我行采取的策略建议

大数据时代是分析时代。大数据分析的实质就是将客户放到更大的社会背景下加以曝光，准确定位环境中客户所处的位置符合怎样一种商业模式;到现在为止没有任何技术能超越人(对我行来说就是客户经理)更能对活生生的客户加以把握分析，客户经理是最好的社会感知装置，同时又肩负将银行预定的熟悉的关系模式导入到现实社会网络，扩大关系。

打好数据基础。“在今天的社会中，最重要的资源，不再是劳力、资产或是土地，而是数据和知识。”我行首先要把行内业务系统的数据用好，这些数据是高价值密度的数据。除了要完整地保存这些数据外，还需要注意数据治理，保证内部数据的可用性。在此基础上，还需要进一步打破传统数据源边界，通过各种渠道和方式获取行外数据。银行可以通过合作、购买、收集等方式获取相关的数据，包括政府公布的各类统计数据、央行征信数据、企业客户的ERP数据、第三方评级机构的数据，以及电商、社交网络的数据等等，用以丰富和完善数据资源。

做好技术支撑和人才培养。当前采用传统的数据库已难以支撑大数据的需求，需要采用开放式的并行计算架构来建设大数据平台。而技术支撑的关键在于人才，既需要熟悉大数据技术的科技人才，也需要具有数据思考能力的业务人才，更需要具有综合素质的数据科学家。

强化数据治行理念。“除了上帝，任何人都要凭数据来说话。”要强化依靠数据说话的理念。首先要改善现有的管理决策文化，真正把数据分析作为决策重要依据;其次要优化数据分析流程，更好地把业务与技术融合在一起。

创新业务发展。大数据应用的深入，将为银行经营模式、业务流程的转变提供依据。我行需要建立新型的创新机制，为基于大数据分析的业务创新提供充分的条件和保障。无论是产品服务创新、风险管理创新、客户营销创新还是运营模式创新，大数据分析都将成为必不可少的途径。

四、结束语

在这个不断创造神奇的大数据时代，银行无法置身度外。若干年后，我们再回看银行的转变，也许会发现改变银行的不是某个人，某个企业，而是大数据。因此，我行有理由自信地拥抱大数据时代，具备作为信息处理机构的传统优势，在大数据时代有无限机遇。

附：基于数据挖掘的银行客户管理信息系统的构建(百度完全摘抄，供参考)

(一)顾客互动模块｡它为整个客户管理信息系统提供具体的客户信息,这些信息包括客户的基本信息､财务会计信息､行为特征信息､信用信息等,把这些数据信息进行预处理存入数据库后,可以为银行的客户工作提供有利的支持,银行可以在此系统的支持下选定最为便利的渠道同客户进行沟通,同时也可以在客户营销管理的进程中直接为这些渠道提供信息｡

(二)公共信息模块｡公共信息模块是存储金融信息和金融行情的模块,它可以为银行提供服务和支持,能使银行便捷地查阅各种金融信息与行情｡同时,这个拥有大量信息的模块系统还可以充分利用资源为客户提供专家服务建议､标准化的流程支持和随时更新的公用信息,使银行和客户都能获得及时宝贵的信息反馈

(三)银行产品信息模块｡银行产品信息包括银行为客户所开发的各种金融传统产品和衍生产品｡随着金融市场的开放与发展,金融衍生产品层出不穷,银行这些产品的出现为拓展客户服务提供了很大的平台,有关信息包括这些产品的特征､价格､适用等｡产品信息模块可以为客户提供有关产品信息的服务和支持并为信息库不断提供新的产品信息｡

(四)数据存储模块｡信息库可以在数据上进行清理和集成,消除信息噪声和不一致数据,使多种数据组合在一起,然后将结果数据存放在分门别类的数据仓库中,再根据使用客户管理信息系统的银行请求,数据仓库可以负责高效地提取相关数据｡同样,存储模块信息也可以进行不断的更新｡

(五)数据分析模块｡数据分析模块一方面通过定制的评价和分析模型对提取的数据进行分析和评价,然后按照银行的业务侧重点把目标客户从中筛选出来;同时,以各种信息为基础,分析出客户的行为特征,这样就可以为银行进行个性化的差别服务提供分析依据｡另一方面,为银行指定客户拓展策略和创新产品提供依据｡

(六)工作管理模块｡工作管理模块的主要任务是对分析模块分析出来的银行重点客户进行管理｡银行客户经理通过该工作平台,针对不同的客户,将合适的产品通过合适的渠道在适当的时期以合理的价格销售给不同的目标客户,这就克服了传统客户管理上费时费力在庞大的客户资料中难甄别出重要客户的弊端,同时,基于数据挖掘的工作管理模块更能高效科学地根据不同的客户群制定出针对性很强的销售策略｡

第四篇：大数据时代下的个人信息安全

【背景链接】 2015年8月，《网络安全法(草案)》向全社会公开征求意见，公民的信息安全问题再次受到人们的广泛关注。公民的信息安全主要涉及身份信息及财产信息，对这些信息的有效保护是法治社会的应有之义。

2015年7月22日，在北京召开的中国网民权益保护论坛上，中国互联网协会12321网络不良与垃圾信息举报受理中心发布了《中国网民权益保护调查报告(2015)》。《报告》显示，在权益认知方面，网民普遍认为，在网络上，隐私权是最重要的权益，其次是选择权和知情权。近一年来，网民因个人信息泄露、垃圾信息、诈骗信息等现象导致的总体损失约805亿元。

《报告》还指出，网民被泄露的个人信息涵盖的范围也非常广。78.2%的网民个人身份信息被泄露过，包括网民的姓名、学历、家庭住址、身份证号及工作单位等;63.4%的网民个人网上活动信息被泄露过，包括通话记录、网购记录、网站浏览痕迹、IP地址、软件使用痕迹及地理位置等。

2014年12月，中国铁路客服中心12306网站发生信息泄露，大量用户数据在互联网上疯传，包括用户账号、明文密码、身份证号码、电子邮箱等。而早在几年前，更有媒体曝出不少酒店开房记录被流出。著名的“3Q”大战更是引起国人对个人信息安全的关注。

2014年3月，众多媒体曝出携程网“信用卡泄密门”。漏洞报告平台乌云网发布消息称，携程将用于处理用户支付的服务接口开启了调试功能，使所有向银行验证持卡所有者接口传输的数据包均直接保存在本地服务器。但同时，因为保存支付日志的服务器未作较严格的基线安全配置，存在漏洞，导致所有支付过程中的调试信息可被骇客任意读取。

【标准表述】

伴随着科技进步，互联网及移动互联网的快速发展，云计算大数据时代的到来，人们的生活正在被数字化，被记录，被跟踪，被传播，大量数据产生的背后隐藏着巨大的经济和政治利益。大数据犹如一把双刃剑，它给予我们社会及个人的利益是不可估量的，但同时其带来个人信息安全及隐私保护方面的问题也正成为社会关注的热点。

[大数据时代下个人信息受到侵犯的表现]

一、数据采集过程中对隐私的侵犯

大数据这一概念是伴随着互联网技术发展而产生的，其数据采集手段主要是通过计算机网络。用户在上网过程中的每一次点击，录入行为都会在云端服务器上留下相应的记录，特别是在现今移动互联网智能手机大发展的背景下，我们每时每刻都与网络连通，同时我们也每时每刻都在被网络所记录，这些记录被储存就形成了庞大的数据库。从整个过程中我们不难发现，大数据的采集并没有经过用户许可而是私自的行为。很多用户并不希望自己行为所产生的数据被互联网运营服务商采集，但又无法阻止。因此，这种不经用户同意私自采集用户数据的行为本身就是对个人隐私的侵犯。

二、数据存储过程中对隐私的侵犯

互联网运营服务商往往把他们所采集的数据放到云端服务器上，并运用大量的信息技术对这些数据进行保护。但同时由于基础设施的脆弱和加密措施的失效会产生新的风险。大规模的数据存储需要严格的访问控制和身份认证的管理，但云端服务器与互联网相连使得这种管理的难度加大，账户劫持、攻击、身份伪造、认证失效、密匙丢失等都可能威胁用户数据安全。近些年来，受到大数据经济利益的驱使，众多网络黑客对准了互联网运营服务商，使得用户数据泄露事件时有发生，大量的数据被黑客通过技术手段窃取，给用户带来巨大损失，并且极大地威胁到了个人信息安全。

三、数据使用过程中对隐私的侵犯

互联网运营服务商采集用户行为数据的目的是为了其自身利益，因此基于对这些数据分析使用在一定程度上也会侵犯用户的权益。近些年来，由于网购在我国的迅速崛起，用户通过网络购物成为新时尚也成为了众多人的选择。但同时由于网络购物涉及到的很多用户隐私信息，比如真实姓名、身份证号、收货地址、联系电话，甚至用户购物的清单本身都被存储在电商云服务器中，因此电商成为大数据的最大储存者同时也是最大的受益者。电商通过对用户过往的消费记录以及有相似消费记录用户的交叉分析能够相对准确预测你的兴趣爱好，或者你下次准备购买的物品，从而把这些物品的广告推送到用户面前促成用户的购买，难怪有网友戏称“现在最了解你的不是你自己，而是电商”。当然我们不能否认大数据的使用为生活所带来的益处，但同时也不得不承认在电商面前普通用户已经没有隐私。当用户希望保护自己的隐私，行使自己的隐私权时会发现这已经相当困难。

四、数据销毁过程中对隐私的侵犯 由于数字化信息低成本易复制的特点，导致大数据一旦产生很难通过单纯的删除操作彻底销毁，它对用户隐私的侵犯将是一个长期的过程。大数据之父Viktor Mayer-Schonberger认为“数字技术已经让社会丧失了遗忘的能力，取而代之的则是完美的记忆”。当用户的行为被数字化并被存储，即便互联网运营服务商承诺在某个特定的时段之后会对这些数据进行销毁，但实际是这种销毁是不彻底的，而且为满足协助执法等要求，各国法律通常会规定大数据保存的期限，并强制要求互联网运营服务商提供其所需要的数据，公权力与隐私权的冲突也威胁到个人信息的安全。

[大数据特点决定了其面临更加严峻的个人信息安全保护形势] 大数据具备数据体量大、数据类型繁多、价值密度低和处理速度快四大特点，在大数据演进路径中除了面临传统互联网时代所有的信息安全问题外，还因自身特点使得其面临更加严峻的个人信息安全保护问题. 一是数据收集缺乏针对性，容易导致广泛、不合理、过度收集个人信息数据，常常通过覆盖面很广的个人信息收集和分析后才能找出其中有价值的信息，在此过程中很难避免不触碰到一些个人隐私数据。

二是个人信息数据多种多样，如智能终端、智能手环、物联网、位置导航等个人端产生的海量信息，这些开放、分散的数据实时接入网络，管理员很难像传统互联网管理一样逐一对其编辑和管理，进行实时跟踪保护。

三是开源的开发环境、频繁的迭代升级、轻量化的快速部署和规模复制、分布式和非关系型数据存储，容易使企业在源头上忽视个人信息安全问题。

四是在数据进行分析利用后，往往将大量的看似无价值、碎片化的个人信息数据随意丢弃，容易导致被其他企业甚至不法分子进行广泛收集和合成分析后变成其所用的高价值数据。

五是大数据集群保障了快速的处理特点，但其自我组织性和自由开放性使用户与多个数据节点同时通信互联，容易导致数据节点被渗透、被攻击，甚至产生信息数据“脱裤”等整体泄露事件。

[大数据安全技术体系难以防范的个人信息安全问题] 一是我国大数据体系建设所使用的操作系统、计算芯片、虚拟软硬件等核心技术基本被国外垄断，容易被掌握核心技术的国家、组织植入后门，甚至不法分子有组织的利用。

二是现有的安全防护体系建设仍停留在传统互联网时代思维，当前对大数据个人信息防护技术仍采用安全漏洞整改、防劫持、防篡改、防攻击等传统手段，基本属于被动的威胁防御思想，此类防护技术应用到大数据个人信息保护方面只能针对数据保护中的某一个环节，不能实现广度和深度防护，而大数据环境下个人信息安全保护要求必须对全业务流程、全应用场景、全生命周期进行体系化的技术防护，现有的安全技术防范体系无法满足要求。

[对策措施] 加强个人信息保护，要完善现有法律法规。对个人信息保护最好的办法还是立法，通过法律明确组织和个人在处理信息过程中的责任，建立个人信息的监管体制，明确滥用他人个人信息的行政处罚制度和责任。这次公安机关统一调动各地区、各警种的力量，依法采用各种特殊侦查手段，对此类违法犯罪活动的集中打击行动就卓有成效。

加强个人信息保护，要加大对信息源头的监管。工商、医疗、民政、银行、民航、电信、网站等一些部门和服务机构，在履行职责或提供服务过程中，具有收集、查阅、管理、控制公民个人信息的便利。要对这些部门和机构行为均予以严格规范，明确个人信息保护的原则和要求，落实工作责任，加强监管保护。

加强个人信息保护，要提高公众的自我保护意识。加强对公民道德素质的教育，引导公众自觉学习信息安全方面的知识，首先自己要注意保护好自己的个人资料，不要乱扔或乱说。再者要敢于争取属于自己的个人权益，不要谁要信息都给，要问清楚对方要这些信息干什么，把信息看作是宝贵的财富，提高警惕，不轻易泄露信息。

【文章重要位置设计】 [标题] 1.个人信息安全需法律“保驾护航”

2.为网络信息安全筑起严密“防火墙”

3.织好保护个人信息的“法网” [开头] 示例一

随着我国信息化提速，互联网、移动互联网正在加快融入人们的生活。人们已习惯于通过网络交流沟通、浏览新闻、搜索信息、网上购物、预订机票„„很难想象，离开网络生活将会是怎样。 然而在网络时代，个人信息泄露的风险也无处不在，收集、窃取和倒卖个人信息的情况比较常见，媒体曝光的许多案例让人触目惊心。

示例二

这些年，网络技术迅猛发展、广泛应用，在促进经济社会发展同时，也带来很多严重问题，利用网络侵犯公民、法人和其他组织合法权益的问题愈加突出，损害群众利益，影响社会稳定，严重的甚至危害国家安全。虽然我国针对个人信息的法律法规不少，但有关网络信息保护的法律规范还比较薄弱，必要的管理措施如果缺乏法律依据，因此制定关于加强网络信息保护的决定，是广大人民群众的期盼和愿望，是适应形势发展需要的重要举措，非常必要和及时。

示例三 买了新房，装修公司电话就“接踵而至”;孩子还未出生，手机已被奶粉推销电话打爆„„这样的公民个人信息是怎样泄露出去的，对此类问题寻根究底的同时，网络个人信息安全的问题也暴露在公众面前，如何保护好此类信息，是全社会共同面临的问题。

[结尾] 示例一

互联网非法外之地。营造和谐的网络环境，不仅需要互联网行业的自律和网民的自我保护意识，法律的清晰界定更是维护网民权益的最后关卡。我们期待全国人大常委会关于加强网络信息保护的决定出台后，有关方面依法加强监管，切实为个人信息筑起一道严密的“防火墙”、“安全网”，营造健康有序的网络环境。

示例二

织好这张“法网”，需健全个人信息保护机制。目前，我国涉及保护个人信息的法律虽多，但相关规定条款过于分散、操作性不强，由此也导致公民维权面临成本高、取证难等问题。同时，在涉及个人信息保护的法规中，金融、电信等领域的相关规定较为具体，而对职业中介等一些机构的个人信息保护规定则比较缺失。解决这些问题，建立一部专门、权威的法律必不可少，提高执法力度，为公众建立一道信息泄露“防火墙”也很重要。

第五篇：大数据时代下中国纺织服装的选择

当你在一家大型购物中心挑选商品时，商场的传感器已经记录下你走进每一家店铺的时间，后台的管理人员正在通过这些信息分析前不久摆放在店铺门口的宣传板是否起到作用……不经意间，大数据已经渗透到了你的生活。

从大数据(bigdata)的定义看，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理并整理成为帮助企业经营决策更积极目的的资讯。大数据的4V特点是Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)。

企业对大数据的追求无疑都聚焦在“Value(价值)”上，渴望大数据给企业带来滚滚的利润，将濒临衰败边缘的企业拉回到正常的发展轨道。但是，从大数据的4V特点排序来看，价值是4个特点的核心，需要经过对它的“Volume(大量)、Velocity(高速)、Variety(多样)”3个特点的完全认知和深入分析利用的基础上，才有可能赢得价值的回报。

而近两年，大数据俨然已成为企业老总的管理流行词，不管是大企业还是小企业，对于大数据给企业带来利益和希望的渴望溢于言表。

据牛津大学与IBM在去年年初发布的统计数据显示，28%的全球企业已经开始进行大数据实践。而在中国，四分之一的企业也正在积极投入大数据业务，中国亦成为极具代表性的大数据实践市场。

“未来电商的最大诱惑与杀伤力就是大数据的应用时代。”七匹狼董事长周少雄认为，中国的企业跟美国比较，有一个很重要的特性就是人口基数的区别，中国消费群体所产生的这种数据量，与国外相比不可同日而语。很多企业之所以这么关注电商就是看中了其中的数据运用，说白了线上销售无非就是流量的竞争、转化率的竞争，这些都离不开数据的分析。

当当网掌门人李国庆曾经在接受媒体采访时就表示，“电子商务应该是大数据的应用，数据分析、搜索和个性化推荐”，而并不是一说电商大家认为就是商务、物流、库房这些事，“我说可不是把实体店的东西，拍拍照，精美点，修修图，再搁到这儿就叫电子商务。”

的确，大数据的出现将人类发展带入了一个崭新的无限遐想的时代，“还没有大数据?等着被竞争对手淘汰吧!”这是最近流行的一句话。随着大数据的炙手可热，这样的论调逐渐多了起来，大数据已不可避免地被人们所提及。然而，企业向大数据“淘金”的过程并不顺利。

从目前来看，从用设备和网络提供服务，到服务关联到数据本身，数据已经成为企业信息化的核心。但是，在现实中企业不是站在数据链上来认识大数据和它的功能。数据有它产生、存储、处理、统计、分析、挖掘、应用、互联互通等多角度的特点，而不仅仅是一个软件的问题。对于一个服装企业来说，在面料环节的数据没有充分掌握和分析处理的情况下，遗留问题会直接传导到成衣环节甚至更远的下游。

其实，国内制造业，如纺织服装产业正面临结构升级，需要创新驱动，这个创新驱动的源泉就是从底层基础数据等各个方面出发，把信息技术中的数据量挖掘出来，奠定大数据为企业更好服务的最基本条件。

另外，市场环境的变化有好的一面，而差的一面也很明显。如数据安全问题，一个服装的品牌“设计DNA”或者客户数据库可以在一夜之间成为另一品牌的核心内容。而数据量的激增、数据多样性和复杂性，同样都成为企业面临的挑战。而这也是让众多企业难以对大数据想说爱不容易的主要原因。

赵康

北京赛智时代信息技术咨询有限公司总经理

大数据将对服装企业的业务产生多方面的影响，如向客户进行产品推荐、基于客户反馈进行产品设计、通过分析客户的喜好实

关于大数据，最近一段时间也有不同的声音。有人认为这个概念渲染得过度，有点“飘”了，让人有点跟不上了;甚至有人怀疑，大数据是IT厂商或是服务公司的一种宣传新花招。

我认为，任何一个潮流出来时总会伴随各种声音，让人们觉得恐惧、恐慌，不知所措，同时又觉得这一潮流有一定的合理性。再过一段时间之后，这个潮流才可能尘埃落定。大数据这一概念正处在“千树万树梨花开”的状态，不过，企业是否能成功运用大数据取决于企业互联网基因的多少。

作为一个老板，董事会要决策，不要担心技术问题，技术永远不是第一位的问题。第一位的问题是什么?是目标、决策、客户这些问题本身。企业要成为互联网转基因企业，将面临诸多方面的挑战：一是能不能跨界，过去狭义的服装行业就是衣、帽、鞋袜这些产品，其实它不是简单的这种狭义的产业概念，它可以把别的行业的人都混搭过来。比如说Nike，它就能跨界到儿童运动心理学、医疗、保健等方面，所以每年涌现成千上百的创意，它能随时邀请合作伙伴、客户、消费者在Nike上进行点滴创新。

其次，缔造创新文化，客户需要流畅的体验，客户体验在哪里停滞了，就是企业的基现在网络社区中的产品营销、更加理性地进行广告投放、对流行时尚趋势进行预测、基于交易分析进行产品定价、基于环境分析问题产生原因等。

在商务电子平台上，采集和分析用户数据是大数据应用很重要的方面。另外，基于客户反馈，企业在web2.0时代能与客户有更多地互动，与客户进行不断地沟通。其中评论信息确实能够反映出客户对产品的体验，并对产品提出更多、更高的要求。比如有人会说“要是有别的颜色更喜欢”、“要是配一个什么样的东西，会更好”、“可惜没有这个孩子的风衣”等等，对这些评论进行有效地把握和分析，能够发挥出非常大的价值。

它对我们改进产品设计、进行产品定价、客户服务、改善运营体系等，都会有非常好的帮助。虽然这些数据很零散，但我们要从这些零散的数据中挖掘出潜在的价值。基于客户反馈的产品的设计，这是大数据运用的一个重要领域。

此外，网络社区中的很多热门话题，往往会先于一些流行趋势预测机构的发布。对这些热点话题进行分析，能够很有效地、更早地判断出流行趋势。这个方面应该是服装企业领导人要去关注的。这需要企业思考如何将网络社区、搜索引擎进行数据的有效衔接，进而预判时尚流行趋势。

基于环境分析一个问题的发生，也是大数据能带来的益处。举个例子，如果在经营过程中发现物流、资金流都控制得很好，但销量在不断下降，这可能与大环境相关。这时候需要通过环境分析：是竞争对手降价带走了我们的销售量?还是由于天气的原因，或者是在社交网络上传播的一些信息导致了我们外部环境的变化?对环境进行分析，能够有效的发现企业所面临的外部经营环境。

这是服装企业中现在能够看到的一些大数据的应用。当然，大数据会涉及到企业经营的各个方面，这些相关数据的采集和分析，都能给企业领导者作出决策提供更大的价值。

段永朝

财讯传媒集团首席战略官础设施、组织架构、业务流程、人员设置，甚至是理念出现了问题。

因此，大数据时代要成为一个互联网转基因企业，必须抓住三个关键：一是安装一个数据引擎，如果没有一定要找一家技术公司帮忙。其二，一定要围绕数据、围绕客户行为和体验描绘出数据试图。试图是什么?就是要想象数据背后消费者的行为到底是怎样的。三打造数据链条。当有了想象、数据畅想之后，回头再审视采购、营销环节，看是否能支撑这样的玩法，并让它来统领你的生产、制造。

所以，一定要改造你的企业基因。让他有更多互联网色彩，这样你才能立于不败之地，与合作伙伴达成共赢。

柏林森

北京百分点信息科技有限公司创始人

作为一个数据方面的主业者，从科学和工程的层面来给大家分享心得。首先我先简单地说一下我们对于数据和大数据这件事儿的理解，因为这个词现在非常热了，提的也非常多。但是大多数人谈到这个词的时候，基本上内涵和外延都不太清楚。从主业者角度来说，我想有两条，基本第一条就是不管是什么新概念，不管大数据也好，O2O也好，首先肯定是由企业的目标所驱动的，一定为我们带来效益，无非是提高我们运营效益。第二提高我们营销效益，这是大数据的作用，CPI(居民消费价格指数)倒过来推动。大数据的运用，一定是行业相关的，这是我们从事多年数据工作的重要体会，一定是跟某一个行业纵深非常紧密地结合，我们才可能产生数据的增值。那么回到大数据，简单地来说，比如说我们和某一个服装企业合作，或者一起关注大数据。具体指的是什么?其实不是特别复杂。

第一先从数据来源商来说，由于技术的发展，使得以前很多我们不能采集或者量化的数据，现在可以采集和量化了，就是我们有新的数据。

第二，我们企业内部很多割裂的数据，现在会打通在一起。比方说销售数据，ERP里的数据，竞销存的数据这些可以打通。

第三，我们会有外部数据进行补充，即所谓我们企业内部用的大数据。

对于一个服装企业来说，假如我们是一个典型的企业，我们线下都是有店的，线下实体店，线上也有店。首先第一部分由于现在的技术，我们在线下可以像在线上一样定位，并且可以追踪一个消费者的行为轨迹，这一部分数据是我们之前不能得到的。同时我们可以把它和我们在天猫的官网、一号店、京东等等平台都打通，我们企业内部的数据，不管是从ERP、CPI这些需要汇总在一起。

作为百分点来说，我们还有大量的第三方行业数据进行汇聚。所有这些数据汇聚在一起，分析、挖掘。最后的目标第一无非是提高我们运营的效率，第二提高我们营销的效率。那么我们做的事儿无非是说动用了大数据，或者动用了刚才我们说的这些数据的工具。

陈宇新

复旦大学管理学院数据驱动管理决策研究中心首席顾问

大数据微时代，有哪些主要的特点，我总结了一下大概有这么一些特点。一个是个体性，顾名思义做到各地消费者身上。一个是连续性，我们营销不是一次广告或者是促销活动，而是基于数据的连续行为，也为我们消费者在自媒体上面，在各种媒体等等社交网络上，都是不断地产生对品牌的提及，对品牌的接触，对品牌的互动。另外还有一些实事性，大家还知道很多电商也好，或者是线下也好，大量的推荐这样一些活动，这种做法本身要求有完全非常快速地反应，实事地反应。

当然还有互动性，不用多说大家都知道，最重要的两个我觉得可能最深刻带来的变化，就是可测性和可实验性。过去很多营销的活动建立在一种判断、一种感觉、一种意会上。现在可以做到测量，定量的做到测量，在测量的基础上进行试验，通过试验的方法找到最优的营销策划方案。然后因为这些变化，我们过去的营销主要是通过基于客户的这种想法来做营销的决策。我们认为他们怎么想的，他们什么偏好，他们怎么思考怎么来做营销的。现在在大数据时代，更多的是基于行为，他们搜索什么东西，他们网上浏览什么东西，购买什么东西，提问什么东西，这些都是行为，通过行为来做营销，通过对他们想法的猜测来做这个决策。

最后就是说，因为大数据和微时代的到来。我们现在数据积累下来会产生一个非常强的反馈效应。什么意思?就是说我的企业数据比较多，可以把营销做得非常深入细致，做得非常好。做得好之后会有更多消费者到我这来，来了之后我的数据就更多了，数据更多做得更加精致更好，以前想做大、做强，大数据时代做大往往意味着做强。数据本身就可能成为垄断性的资源，成为行业准入的壁垒。大家可以看到，为什么阿里、腾讯、美国谷歌等等，他们的Facebook为什么进行这么多并购、收购。道理就是在大数据时代，必须要做大，做大之后有大量的数据源，不同的来源，做大就可以做强。大家可以看到风起云涌的这种并购行为在互联网巨头身上发生，这是我们现在的主要特征。

于刚

1号店董事长

数据(Data)是原始和零散的，经过过滤和组织后成为信息(Information)，将相关联的信息整合和有效的呈现则成为知识(Knowledge)，对知识的深层领悟而升华到理解事物的本质并可以举一反三则为智慧(Wisdom)。所以数据是源头，是决策和价值创造的基石。

数据的应用大致分以下几个步骤：a.数据采集、核实与过滤;b.在数据仓库内的分类和储存;c.数据挖掘以找到数据所隐含的规律和数据间的关联;d.数据模型建立和参数调整;e.基于数据的应用开发和决策支持。下面用实例来说明。

1、美国医药网站WebMD根据怀孕的女性用户填写的受孕信息定期给用户寄EDM，提醒母亲在该时间点的注意事项，需要摄入的营养，产前的生理变化和要做好的思想准备，产后的恢复，宝宝的育养和健康，等等。

2、1号店利用对大数据的分析给顾客发送个性化EDM。若顾客曾经在1号店网站上查看过一个商品而没有购买，则有几种可能：a.缺货，b.价格不合适，c.不是想要的品牌或不是想要的商品，d.只是看看。 若在顾客查看时该商品缺货则到货时立即通知顾客;若当时有货而顾客没有买就很有可能是因为价格引起的，则在该商品降价促销时通知顾客;同时，在引入和该商品相类似或相关联的商品时温馨告知顾客。另外，通过挖掘顾客的周期性购买习惯，在临近顾客的购买周期时适时的提醒顾客。

3、淘宝在2012年推出了淘宝时光机。该应用通过分析顾客自注册为用户以来的行为，用幽默生动的语言告知顾客淘宝的成长，和该用户相类似喜好的其他用户的统计行为，对该顾客经过分析后对其喜好的了解和对其行为的预测，等等。用生动的文稿和个性化的数据、拉近了和顾客的距离。

4、Google的Adsense对顾客的搜索过程和其对各网站的关注度进行数据挖掘。并在其联盟内的网站追踪顾客的去向，在联盟网站上推出和顾客潜在兴趣相匹配的广告，精准化营销，提高转化率。

5、Amazon近几年推出了FDFC(Forward Deployed Fulfillment Center)的概念，以加快对顾客配送的速度。Amazon的订单履行中心分两个层级：FC和FDFC，其中FC品种更齐全，而FDFC在物理位置上更靠近目标市场，但品种重点容纳针对目标市场的热销商品，顾客的大部分需求可以通过FDFC来满足，不能满足的长尾商品则由FC来满足。这样顾客急需的商品多数可以通过FDFC以更快捷和低成本的物流来完成。由于热销商品是随着时间和季节而改变的，故将什么商品储存在FDFC的决策是动态调整的，而此决策的依据就是对顾客需求的分析和预测。

各种应用的例子难以穷举，但趋势十分清楚：大数据的应用价值和潜力不再被人低估。但并不是所有企业都能在大数据这个金矿里真正挖到金子的。只有那些有远见有视野，重视系统，舍得投入，吸引了优秀的分析和系统人才的企业才会有所斩获。

苏异钢

上海市纺织科学研究院党委书记

中国服装定制古已有之，北京的“鑫昌祥”、“隆庆祥”、“协昌”和上海的“荣昌祥”、“亨生”都是享誉百年的品牌，但近些年，这些百年老店被逐步边缘化，丧失了原有的时尚话语权与市场地位。

与之形成对照的是借助云计算顺势而起的新型服装定制产业。目前，七匹狼、绍兴网上轻纺城、好购网、男装定制品牌“私家裁缝”、恒龙等企业，都对服装云数据和云定制模式进行了创新和探索，抢占了先机。

服装定制是未来一块新兴、潜在的市场。特别是借助云计算的发展，服装云定制充分调动各方资源，大大降低企业的库存、风险和成本。可以预见，随着网络技术不断地完善和大数据采集处理的便捷，服装云定制这种模式会迅速崛起。

服装定制之所以高级，主要在于其更高的专业标准以及更细致的服务。服装云定制是一个将服装设计师、服装企业、面料供应商、加盟店以及消费者等集于一体的平台，平台上的每一个网络云端都有自己的质量标准。从服装设计到最终的销售成衣整个流程中，标准和检测都如影随形。

采购的面料是否含有禁用或限用的染料或助剂，重金属残留是否超标，面料湿度是否符合国家要求，功能性产品是否达到相应的功能性要求，来自国外的云订单是否符合相关国家的标准等等。这些标准都是消费者和采购商十分关注的。另外，云定制的企业平台连接着服装制作企业、面料供应商、加盟店，可以通过信息化和门槛标准来规范并认定上述企业，这将成为服装定制产业链的引领者。

得标准者得天下，高级定制竞争的核心是看谁以更高的标准提供更好更快的服务。目前，淘宝、天猫已经制定了纺织品质检行为的规范细则，但很多开展服装云定制的企业还没有认识到这一点。