時間：2023-03-22 17:44:50
引言：易發表網憑借豐富的文秘實踐，為您精心挑選了九篇大數據金融論文范例。如需獲取更多原創內容，可隨時聯系我們的客服老師。
福建 廈門361005；3.英國諾丁漢大學
>> 大數據時代的供應鏈物流服務 雙渠道供應鏈中的價格決策與服務決策研究 從績效驅動因素看大數據時代的供應鏈變革 非對稱信息下雙渠道供應鏈的定價決策分析 大數據環境下供應鏈金融模式研究 大數據視角下電子商務平臺供應鏈金融的研究 大數據時代下的我國供應鏈金融發展形態研究 供應鏈管理中的大數據運用 大數據驅動下的圖書館服務創新 隨機需求下產能充足雙渠道供應鏈決策問題探討 需求不確定環境下閉環供應鏈回收渠道決策研究 電子商務環境下“雙渠道供應鏈”決策問題研究 全供應鏈下的庫存管控 碳交易風險下供應鏈企業低碳技術采納決策框架研究 供應鏈管理框架下的零售渠道合作 基于研發投入的雙渠道供應鏈決策優化研究 網上代銷雙渠道閉環供應鏈的定價與協調決策 淺析在大數據時代背景下如何提升物流供應鏈價值 SaaS服務供應鏈的創新結構研究 試論供應鏈金融服務創新 常見問題解答 當前所在位置：l.
[48]武漢市五交家電商業協會.關于2013年全市家電行業發展情況和2014年行業發展建議[R/OL].[2014-04-15]..
[49]馮芷艷，郭迅華，曾大軍，陳煜波，陳國青.大數據背景下商務管理研究若干前沿課題[J].管理科學學報，2013（1）：1-9.
[50]Ernst & Young.Globalonlineretailing[EB/OL]..
[51]徐思雅.服務創新能力對企業績效的影響：商業模式新穎性設計的調節作用[D].杭州：浙江大學論文，2014.
【關鍵詞】互聯網金融 大數據 商業銀行
一、緒論
（一）背景
隨著我國互聯網是迅速發展，互聯網模式迅速占據各行各業，而我國的互聯網經濟也取得了飛速的發展。截止2015年我國的網民已經達到了9億人，這個龐大的數字表明我國的互聯網市場的巨大潛力。此外，政府的大數據政策也開始向互聯網行業傾斜，表明了互聯網大數據時代的美好機遇的到來。互聯網金融的融資理財等模塊的發展也取得了很大的進步，第三方支付交易規模已經達到了11.9萬億，第三方移動支付交易規模達到了9.5萬億。
通過在大數據背景下研究互聯網金融的盈利模式，可以對于我國今后互聯網金融的發展提供良好的理論基礎，同時針對大數據環境下互聯網金融和傳統金融相比存在的優劣勢做出對比，可以為傳統金融的轉變提供良好的方案此外為互聯網金融的問題給出良好的解決措施，從而有利于我國互聯網金融的健康發展。
（二）相關理論和概念
互聯網金融是傳統金融行業與互聯網精神相結合的新興領域。互聯網“開放、平等、協作、分享”的精神向傳統金融業態滲透，對人類金融模式產生根本影響，具備互聯網精神的金融業態統稱為互聯網金融。
“大數據”是指以多元形式，自許多來源搜集而來的龐大數據組，往往具有實時性。在企業對企業銷售的情況下，這些數據可能得自社交網絡、電子商務網站、顧客來訪紀錄，還有許多其他來源。這些數據，并非公司顧客關系管理數據庫的常態數據組。
博弈論又被稱為對策論（Game Theory）既是現代數學的一個新分支，也是運籌學的一個重要學科。博弈論主要研究公式化了的激勵結構間的相互作用。是研究具有斗爭或競爭性質現象的數學理論和方法。
二、傳統金融盈利模式分析
（一）傳統金融機構盈利模式分析
廣義上說我國傳統的金融機構有銀行，基金，保險，證券公司等，這些公司都屬于我國傳統進行機構，傳統金融的盈利模式分為不同的機構進行簡單介紹。
1.銀行。我國的銀行主要盈利模式是吸納存款給存款人發放利息，同時對外房貸，收取貸款利息，其中貸款利息和存款利息的差額就的利潤，中間業務收入，同行拆借，承兌匯票貼現利息收入，信用證，托管業務等。這些構成了銀行的盈利來源。
2.證券。證券是多種經濟權益憑證的統稱，因此，廣義上的證券市場指的是所有證券發行和交易的場所，狹義上，也是最活躍的證券市場指的是資本證券市場、貨幣證券市場和商品證券市場。
3.保險。保險公司（insurance company）是銷售保險合約、提供風險保障的公司。保險公司可以這樣分類：人壽保險公司和財產保險公司。按照中華民國保險法之規定，兩者必須分開經營。所以有的保險公司成立了集團公司，下設獨立核算的人壽保險公司和財產保險公司。再保險公司是保險公司的保險公司，對保險公司承擔的風險進行分散和轉嫁。
（二）傳統金融在互聯網背景下發展的局限性
第一，產品品種優勢不明顯，投資門檻高，客戶體驗度差。銀行的流程繁瑣和復雜，使得一些客戶避而遠之，加上銀行近些年的理財產品不以客戶為中心，客戶理念差。
第二，渠道單一。對于傳統金融機構來說，更多的是來自物理渠道的客戶，商業銀行的客戶群體多來自網點的客戶，而線上客戶缺乏，也沒有線上客戶來源，線上市場推廣策略缺乏，缺乏市場前瞻性。
第三，傳統的管理戰略思想導致銀行發展緩慢。銀行帶有濃重的政治色彩，一直都是國家控股，對于銀行的戰略管理也是以國家戰略管理為核心而展開的，因此，銀行的變革一直在比較緩慢的。
第四，缺乏良好的人才選拔機制和內部晉升渠道?，F代管理中，具有競爭力的人才才能給公司帶來發展，銀行人才的競爭和選拔也缺乏合理性，傳統銀行很多都是關系戶，導致銀行內部人才缺乏公平競爭機制。
三、互聯網金融盈利模式分析
（一）互聯網金融的運作模式
第一，第三方支付企業指在收付款人之間作為中介機構提供網絡支付、預付卡發行預受理、銀行卡收單以及其他支付服務的非金融機構。代表企業：支付寶、易寶支付、拉卡拉、財付通為代表的互聯網支付企業，快錢、匯付天下為代表的金融型支付企業。
第二，P2P小額貸款。P2P金融又叫P2P信貸，指個人與個人間的小額借貸交易，一般需要借助電子商務專業網絡平臺幫助借貸雙方確立借貸關系并完成相關交易手續。
第三，眾籌融資模式。眾籌融資模式是基于“互聯網+金融”所創新的一種模式，意義不僅在金融創新本身，而在于對傳統金融領域和金融業態提出的挑戰，并且在一定意義上具有顛覆性。
第四，虛擬電子貨幣模式。虛擬貨幣是一種計算機運算產生或者網絡社區發行管理的網絡虛擬貨幣，可以用來購買一些虛擬的物品，也可以使用像比特幣這樣的虛擬貨幣購買現實生活當中的物品。
（二）互聯網金融主要盈利收入來源
我國目前互聯網金融發展迅速，很多的經營模式以規模制勝，P2P模式中的主要利潤來源是賺取中間的差價，借款人和貸款人之間的利息差為主要利潤來源。虛擬貨幣的主要利潤來源就是賣虛擬貨幣的收入扣除相應的成本之后所得利潤。對于眾籌融資模式來說，盈利模式大多數以收取傭金的形式來實現收益，其次，很多眾籌平臺也采取分成模式或廣告模式，也就是眾籌成功之后從其收取一定的廣告費。
四、大數據及互聯網金融視角下國有商業銀行盈利模式研究
（一）博弈論角度分析商業銀行和互聯網金融選擇
1.假設前提
第一，金融市場中只存在了商業銀行和互聯網金融兩個參與者。
第二，經濟人假設。商業銀行和互聯網金融機構是兩個理性經濟人，以個人最大利益為出發點，基于自身利益最大化做出決策。
第三，在應對互聯網金融同時商業銀行可以采取措施有合作和不合作，即選擇集合為（合作，不合作）。互聯網金融在應對商業銀行時采取的措施有合作和不合作兩種選擇，即選擇集合為（合作，不合作）。
第四，互聯網金融和商業銀行的博弈過程是完全的信息動態博弈，即在博弈過程中，商業銀行很清楚的了解到互聯網金融的交易模式及其有點，在互聯網金融機構也了解商業銀行的優勢所在。
2.博弈過程
商業銀行和互聯網金融博弈模型
博弈過程的開始我們以商業銀行首先做出選擇，上圖所示。最上方商業首先進行選擇信息集（合作，不合作），如果商業銀行選擇不合作，那么博弈結束，各自都以自己的利益最大化為目標開始自己的發展。
如果商業銀行選擇合作，那么就開始由互聯金融機構開始選擇，這個時候互聯網金融機構可以選擇合作還是不合作，選擇不合作，那么互聯網金融機構就可以借助商業銀行的優勢綜合自己的優勢來大力發展自身，而商業銀行則不能利用互聯網金融的優勢去發展自身。如果互聯網金融機構選擇合作，那么相互之間就可以進行優勢互補，從而達到雙贏的局面。
從上圖可以看出來，商業銀行在博弈中的處境和地位，選擇不合作那么就會處于劣勢，可能會被互聯網金融搶占原有的市場，如果選擇合作的時候，互聯網金融業選擇合作那么雙方都可以得到一個很好的發展局面，如果互聯網金融不選擇合作，那么商業銀行就會成為犧牲品，優勢被互聯網金融所利用，逐漸被互聯網金融邊緣化。
互聯網金融機構選擇是否合作，都可以看得出來其的發展結構。如果選擇不合作，那么必然受到道德風險的阻礙，根據自身利益最大化做出選擇，那么在短期內必然受到信用方面的負面影響。所以從長遠來看，互聯網金融機構根據自身利益最大化原則是比要和商業銀行進行合作。如果為了避免不合作情況的發生，商業銀行會選擇與互聯網金融機構簽訂一份相互合作的協議，以維持合作的狀態。
（二）大數據互聯網背景下商業銀行創新盈利模式
互聯網迅速發展，商業銀行的客戶大數據必然是其發展的基礎。大數據能力將成為銀行的核心競爭力。所謂的“核心競爭力”，關鍵的要素是“不可復制”、“不可替代”。
數據是大銀行的戰略資產。隨著數據挖掘技術的發展，銀行可謂是數據密集型行業，其資產不僅是貸款等，還包括數據。要把數據作為重要資產保護、經營，這是大銀行區別于小銀行，也是現代銀行區別于傳統銀行的關鍵之處。而且數據財富是沒有天花板的，可以不斷挖掘、不斷創造，最近國際上很多機構都在探討如何量化數據等無形資產的價值。
商業銀行通過對自己原有客戶群體的數據挖掘提煉客戶需求，提高客戶服務質量，從而改變當前銀行的困局。創新服務模式，提高服務效率和便捷性。每個用戶都會辦理銀行卡，利用這個基礎進行相關客戶端軟件安裝，對于有余額的客戶提供理財服務，發展互聯網銀行多種理財方式和渠道。
未來商業銀行的業務模式中將轉移到以大數據客戶資源為核心，以數據資源為主要競爭力量和利潤來源，來擴大和發展銀行相關業務。
五、結論
在以網絡化和大數據化為特征的新經濟時代，金融和大數據交叉融合，大數據由助于提升金融市場的透明度，通過從海量的數據中快速獲取有價值的信息以支持商業決策，進一步推動金融業發展，大數據促進互聯網金融企業實現精準營銷，提高客戶體驗度。
[關鍵詞]互聯網金融；風險；監管層面
[中圖分類號]F832[文獻標識碼]A [文章編號]1673-0461（2014）08-0035-04
互聯網金融監管之棋局
李丹
（西南政法大學，重慶401120）
[摘要]大數據時代背景下，互聯網技術的突飛猛進、金融壟斷的困境以及民間借貸政策的寬松為互聯網金融在中國興起提供了合適的“土壤”，作為有別于傳統金融的新模式，其在中國的出現形成了一場新的棋局。在此新局中，互聯網金融有不同于傳統經濟的風險類型――數據獲取、技術缺陷、迷信速度、網絡安全和權力異化，風險特征也異于傳統金融――擴散快、主體脆弱、易交叉傳染，而給“當局者迷”帶來了困惑，因此破解此迷局時，要結合其風險從交易技術、交易結構、權力契約三個層面理清互聯網金融的監管體系，破解這一“迷局”促進互聯網金融的進一步健康發展。
[關鍵詞]互聯網金融；風險；監管層面
[中圖分類號]F832[文獻標識碼]A [文章編號]1673-0461（2014）08-0035-04
[參考文獻][1] 齊愛民，陳文成.網絡金融法[M].湖南：湖南大學出版社，2002:1.
[2] 姚文平.互聯網金融[M].北京：中信出版社，2014：20.
[3] 宮曉林.互聯網金融模式及對傳統銀行業的影響[J].南方金融，2013（5）：88.
[4] 韓壯飛.互聯網金融發展研究[D].開封：河南大學碩士論文，2013：21.
[5] 姚文平.互聯網金融[M].北京：中信出版社，2014：9.
[6] 黃健青，陳進.網絡金融[M].北京：電子工業出版社，2011：188.
[7] 李耀東，李鈞.互聯網金融框架與實踐[M].北京：電子工業出版社，2014：458.
關鍵詞：大數據 環境 數字圖書館 安全威脅 對策 分析
中圖分類號：G250 文獻標識碼：A 文章編號：1672-3791（2017）02（c）-0219-02
大數據是當前社會發展中非常重要的組成部分，在大數據時代下，我國的圖書館管理也實現了高新技術的層面，圖書館數據流量也呈現出了級數非線性增長，大數據環境的主要特點是數據量大，高速且高價值。這也使得圖書館數據系統的復雜程度以及數據的管理難度有了極大的增加，大數據平臺也逐漸成為廣大黑客攻擊的主要目標，基于此，如何保證在大數據時代下，圖書館數據平臺的安全問題也就成為了當前主要的研究課題，怎樣有效利用大數據技術來構建智能圖書館，這對于提升圖書館的市場競爭能力都是非常有幫助的。
1 大數據時代下數字圖書館說面臨的安全威脅
1.1 數據中心IT系統安全需求
隨著我國圖書館現代化的不斷深入，圖書館系統也在不斷的更新換代當中，在圖書館體系的運用上，系統要求安全檢測具備更加廣泛的深度和需求，這樣一來就會導致圖書館數據中心系統的能耗急劇增加，檔子運行的整體速度大幅度的下降，所以，我們在研究大數據的時候，一定要保證圖書館數據中心系統部署可以真正的滿足用戶服務的需求，進而創建一個科學高效的圖書館系統架構，這也是當前圖書館系統深入部署的有效前提，一般來說，傳統的圖書館系統環境下，數據中心會設置相關的防范產品來控制數據流量的安全檢測，而由于這些傳統的安全策略對圖書館系統資源的耗能是非常大的，在加上圖書館數據流量總是出現延遲和數據丟失等問題也是非常的明顯，很明顯現在已經不能適應大數據時代下圖書館高校、快速的服務需求，在大數據環境下，圖書館在用戶服務的時候還有可能會面臨著木馬、病毒等安全方面的威脅，除此之外，黑客還可以利用云計算以及大數據等技術手段對新模式進行攻擊，所以，圖書館在復雜的大數據安全環境中，著呢用用加速、負載為單一的操作，對數據流在應用過程中只是做單一的處理，這也是為了能夠進一步消除數據流在安全檢測中出現延遲故障。
1.2 大數據給圖書館帶來了新安全問題
隨著大數據技術在圖書館應用的不斷加深，圖書館數據環境具有海量存儲、計數遞增等特點，與此同時，數據結構模式以及數據類型的多樣性特點也是非常明顯的，這也導致數據處理的格式其可變性和處理速率也更加的不確定。
在大數據時代，圖書館對云計算計數的依賴性也在不斷的增強，因此要求圖書館與云服務商要簽署符合大數據環境的云服務租賃協議。明確雙方的權利和義務。除此之外，云服務的安全保障有效性和安全管理效率也要有本質上的提升。這也與圖書館大數據應用安全息息相關。
除此之外，虛擬化技術也是當前我國圖書館大數據應用中非常重要的技術手段之一，數據虛擬化技術是一種允許用戶訪問和管理的方法，圖書館在利用虛擬化技術來改善圖書館系統的同時，也極大的降低了運營的實際成本，面臨著數據中心系統設備異構化等安全問題。
1.3 黑客會利用大數據技術對圖書館發起攻擊
在圖書館利用大數據技術提高服務質量以及獲取讀者需求的時候，黑客會運用大數據技術向圖書館發起攻擊，首先，圖書館大數據平臺存儲著大量的系統管理以及用戶服務等數據信息，這些信息大部分都是客戶的私密信息，而黑客通過對獲取的大數據資源進行分析，能夠明確圖書館的系統運營特點以及安全防范的相關措施，能夠運用大數據決策對圖書館發起非常精準的攻擊。
其次，由于大數據時代下的圖書館網絡具備非常強的社會化屬性，網絡數據還附帶復雜、敏感等特點，因此網絡數據平臺已經完成了不同圖書館大數據平臺的數據整合與資源共享。
1.4 讀者自身面臨的威脅
在大數據時代下，圖書館主要是通過對用戶行為數據的健康和采集來獲取讀者的個體特征，這些數據在確保圖書館用戶服務質量的同時，也面臨著泄露用戶信息的威脅，而為了進一步的提高系統管理與用戶服務決策的有效性，圖書館會通過擴展用戶數據采集的對象來不斷提升大數據幾何的數據價值。
首先，數據擁有者能夠通過對大部分無關的數據分析來獲取用戶的隱私信息，由于體術管對一些相對比較敏感的數據沒有一個明確的界定，這一狀況也使得很多機遇大數據的圖書館所有權和使用權也沒有明確的界定。
其次，隨著讀者個性化閱讀的不斷提升，讀者運用移動閱讀的頻率越來越高，現如今已經成為大數據時代下消除時間、地域、閱讀環境以及閱讀能力的主要模式。但是由于移動月底在帶給讀者閱讀便利性的同時也間接的泄露了用戶的個人信息。
2 基于大數據的數字圖書館安全防范策略
2.1 增強安全防御能力
2.1.1 現安全威脅
首先，我們的圖書館在利用大數據技術保護系統與服務安全的時候，我們的研究人員要對提供監控設備采集的大數據安全資源進行綜合的分析，明確惡意攻擊的來源，與此同時，還要通過對相關的安全指標數據關系來挖掘數據信息的價值，進而實現對非法攻擊者的精準預測。
其次，在構建安全管理大數據平臺的時候，要盡量使用一些技術相對成熟且兼容性強的數據來分析圖書館數據流，針對圖書館大數據服務于安全管理的相關需求來制定專業的大數據資源，增強圖書館基于大數據安全威脅發現的主動性。
2.1.2 構建基于大數據安全威脅與防御能力的評估評價體系
大數據安全威脅與預防能力的評價主要是針對當前我國圖書館精準評估安全威脅等級和安全防范能力的關鍵體系，圖書館基于大數據的安全威脅評估評價體系是圖書館服務信息與系統管理數據傳輸的重要載體，由于網絡安全關系著圖書館管理與服務安全的可靠性，所以，圖書館在數據中心的網絡傳統評估中，要平均的在網絡上部署大量的安全檢測數據采集設備，進一步保證安全評估平臺的全面性和準確性。
2.2 保證云計算計數和虛擬化數據的安全
在當前的大數據環境下，圖書館一般都會采用租賃等方式來采集圖書信息，除此之外，我們的研究人員在對云服務平臺的數據進行管理的傳輸的時候，圖書館最好是根據高校的計算機管理系統來實現對數據的自動化管理，不斷加強對讀者閱讀行為的安全管理，通過建立全面、高校的監控網絡來進一步實現對數據流的全程較差監管，這樣也能夠有效的避免數據出現非法監聽和竊取。
2.3 制定實施科學的大數據安全管理策略
首先，大數據安全管理平臺想要真正的實現安全管理和相關流程的整合，讓我們的圖書館能夠根據大數據安全信息來完成相關安全事件的管理和分析工作，因此需要我們的研究人員在對圖書館監控設備采集數據信息的時候，要對數據進行預先的處理，只有保證了數據格式的標準化之后，才能夠真正的用于圖書館管理和運用。
其次，圖書館安全管理平臺還要通過實時的監督管理系統來對圖書館安全威脅問題進行檢測和評估，并根據安全管理平臺數據反饋來實現對圖書館大數據運用平臺的參數設置，提升圖書館安全管理的強度。增強圖書館管理系統的整體效率。
3 結語
大數據自身的復雜性和多樣性特點使得在大數據環境下的圖書館出現了很多的不可預測攻擊行為，導致圖書館大數據資源在采集的過程中經常會出現很多的問題，我們此次主要針Φ鼻拔夜大數據時代下現代化圖書館的安全威脅問題進行了詳細的分析和研究，并針對出現的問題提出了幾點可行性的解決建議，希望可以為我國的圖書館安全問題提供有效的幫助。
參考文獻
[1] 蔡津津，郜新鑫，付建俐.基于業務元數據標準化的金融財經數據倉庫及服務系統架構探討[C]//中國新聞技術工作者聯合會2012年學術年會、五屆四次理事會暨第六屆“王選新聞科學技術獎”的“人才獎”和“優秀論文獎”頒獎大會論文集.2012.
[2] 周為鋼，楊良懷，潘建，等.論智能交通大數據處理平臺之構建[C]//第八屆中國智能交通年會論文集.2013.
[3] 喬向杰.基于大數據的旅游公共管理與服務創新模式研究[C]//北京兩界聯席會議高峰論壇文集.2013.
[4] 譚勝淋，陳曦.大數據的標準化研究[C]//市場踐行標準化――第十一屆中國標準化論壇論文集.2014.
[5] 包磊，羅兵，孫越林.大數據時代的態勢評估技術思考[C]//2014第二屆中國指揮控制大會論文集（下）.2014.
[6] 尹素格，王健，張桂剛，等.大數據技術在精確空投系統中的應用[C]//2014第二屆中國指揮控制大會論文集（下）.2014.
[7] 劉春琳，冷紅.基于大數據挖掘的城市關注平臺的構建與應用[C]//城鄉治理與規劃改革――2014中國城市規劃年會論文集（04城市規劃新技術應用）.2014.
[8] 飛.大數據時代中國期刊的發展機遇與探索創新[C]//第十二屆2014全國核心期刊與期刊國際化、網絡化研討會論文集.2014.
[9] 朱力緯，劉麗勤，王健.高?；诖髷祿r代的數字化校園建設研究[C]//中國高等教育學會教育信息化分會第十二次學術年會論文集.2014.
[10] 孫圣力，鄭志高，王平，等.RTDP系統網絡體系結構及其關鍵技術[C]//.2013年全國通信軟件學術會議論文集.2013.
[11] 張嵐，郭俊杰.信息安全風險評估的安全措施探討[C]//2011年通信與信息技術新進展――第八屆中國通信學會學術年會論文集.2011.
[12] 韓俊，劉曉婷.科技期刊在“云時代”所面臨的機遇和挑戰[C]//科學評價促發展，品質服務謀共贏――第九屆（2011）全國核心期刊與期刊國際化、網絡化研討會論文集.2011.
關鍵詞:大數據企業財務管理挑戰變革
21世紀是信息化、數字化和網絡化時代。數字信息逐漸滲入我國企業的血液，企業如何利用數據信息提高財務管理的水平，為企業領導提供科學可靠的決策依據，是企業發展的關鍵所在。企業面對數據時代的變化應該順應時代的發展,勇于面臨新的挑戰，接受新的事物，對企業財務管理進行深層次的變革，使其在當今信息數字化的市場游刃有余。
一、大數據背景的概述
(一)大數據背景的優勢
大數據的時代為企業帶來更多的機遇，促使企業更深層次的重視數據信息所反映的本質，深層次的挖掘數字信息的能量。經濟全球化意味著我國企業不僅僅面臨國內企業的競爭，更面臨國外企業搶占市場的危機。面對國內市場一時涌入大量的數據信息，傳統的企業財務管理水平已經不能應對現今的市場。企業財務部門需要更為高效、精確的處理大量數據信息的能力，企業領導根據數據信息所反映的現狀，從而估測未來市場的發展趨勢，結合企業自身的發展現狀，選擇最佳經營方案和正確決策，為企業更好、更快的發展創建良好的數據平臺。
(二)大數據背景的劣勢
大數據時代在為企業帶來更多新機遇的同時，也為企業帶來更多的新挑戰。大數據時代在為人們帶來便捷的同時，也對人們的隱私權提出挑戰，企業財務管理收集信息時也經常會觸及人們隱私權的問題。在這個時代中人們的隱私經常侵害，很多數據信息的采集都是為被人們許可，甚至有些組織直接出售人們的信息，直接侵害人們的隱私；除此之外企業在面臨大量數據信息的時候，要意識到收集的數據信息也存在虛假信息或表面信息，其所得出的結果很有可能具有片面性，甚至是虛假性，很容易誤導企業領導做出錯誤的決策。
(三)大數據背景對企業的要求
企業財務管理面臨大量的數據信息，其應該意識到對于數據信息處理的工作不是一個部門或者傳統的工作方式就可以勝任或解決。企業財務部門應該注重部門之間的協作，并對其數據信息的分析結果進行共享，促使企業各個部門對企業經營的現狀有一個深刻認知，確保各個部門做出對企業最佳的決策，確保各個部門協作企業高層領導引導企；面對數據信息大爆發的現狀，傳統的企業財務管理已經不能應付龐大的數據信息。目前我國數據信息處理的方案仍處于探索的階段，會計與估值方案應與科學技術巧妙結合，成功掌握市場的變動和發展趨勢，財務人員應熟練掌握相關先進的會計軟件和具備數據統計的工作能力，為企業創建完善的數據信息庫。
二、大數據背景下企業財務管理面臨的挑戰與變革
(一)企業財務管理理論的挑戰
企業財務管理理論主要是以非金融企業為主體，著重講述財務理論與金融工具相結合對財務資源的統籌、組織與配置，實現財務資源的科學、合理、利率最大化的目標?，F今大數據、互聯網和云計算的市場經濟環境為企業財務管理理論提出新的挑戰，其包括現今財務管理理論是否符合當下的企業財務管理實踐活動，股東價值的提升路徑和財務風險評估的精確性和預測性，企業財務管理論框架完善性等。從企業財務管理理論與財務管理實踐不相符的角度出發，使其財務學理論出現失誤，這些挑戰從側面反映出企業財務管理需要創新與突破，消除其局限性和落后性的負面影響。
(二)大數據背景下企業財務管理體系的創新
大數據背景下企業感受來自國際上新技術、新理念、新突破等多方面的壓力，為了促使我國企業財務管理趕上國際水平的大步伐，我國應該鼓勵企業財務管理不斷創新。目前我國一些大型企業已經意識到企業財務管理創新的重要性以及其研發的方向性。財務管理理論中“大司庫”的新概念被人們提出，大司庫是指利用管理統一、集中結算、多渠道融資、風險管理等方式對現金進行管理，降低企業金融風險和提高企業價值。以中國石油為例，其大司庫項目的實施，從觀念創新的角度分析是從資金集中管理到司庫管理再到大司庫管理。2000年中國石油實施資金的集中管理，實現規范資金收支、提高資金使用效率、降低資金成本、擴寬融資渠道等目標。隨著我國經濟飛速發展，資產的擴展和經濟全球化的程度不斷加深，顯出資金集中管理的落后性和局限性、2009年提出建立司庫項目，從之前的被動管理轉變為主動管理、戰略管理和超前管理。在大數據的背景下企業財務管理建立“大司庫”體系，實現統籌管理金融資源和金融業務，并有效控制金融風險，促進企業更加適應大數據的時展。
三、大數據財務管理的要點
大數據背景下龐大的數據信息、高效的處理能力、不穩定等特征對企業財務管理提出更為嚴峻的要求，企業迎接新的挑戰和發生巨大的變革，創建這個時代特有的“大數據財務管理”。
(一)企業價值內涵和驅動因素的變化
企業財務管理的最終目標是企業經濟利益最大化。傳統的財務管理經常將企業價值與市場價值混淆，造成企業財務管理以企業市場價值為參考依據。現代化的財務管理糾正企業價值的內涵，企業價值是企業實際利潤、現金和凈資產等因素共同決定。但是大數據背景下，國際股價與國內市場存在很大的差異，不能僅憑企業利潤、現金和凈資產來估算企業價值，還要對企業綜合競爭能力、商業模式發展潛力、創新能力等多方面進行評估。這些評估需要根據企業籌資來源、資金投入，網絡數據信息等方面的數據。利用大數據、互聯網和云計算等深度挖掘數據信息的能量，為企業創造更大的價值，由此可知企業收集、處理和預測數據信息的能力是企業市場競爭的主要內容。
(二)大數據財務管理邊界化的消除
大數據時代為企業數字化、網絡化和智能化提供優良的發展環境。大數據時代的數據共享特征為企業總公司和子公司之間的信息共享與交流提供便利。企業內部的數據信息能夠互通有無、整合歸納，使企業財務管理與企業項目聯合統籌管理，模糊企業財務管理與項目管理的便捷，實現數據集中管理，是企業大數據管理的必要條件，也是企業現代化改革的主要內容之一。
(三)投資決策標準的變革
企業投資決策直接影響企業近期或長期企業的發展狀態，因此企業必然要確保企業決策的正確性和前沿性。大數據背景下傳統的投資項目評估法已經不能適應大數據時代的市場變動，貨幣的之間價值隨之波動，很有可能造成企業決策的失誤，尤其是現金流小和未來現金流不定的投資項目更不能選擇這一評估標準。大數據和互聯網實現現金流的全程監控，能高效獲取精確的數據信息；其次是在大數據的背景下“現金流”少或未來現金流不定，企業根據企業資源來源與投資和發展前進的估算可以較為精確的確定現金流。
(四)企業財務風險管理的重新構建
企業財務管理中財務風險的有效控制是其管理的主要內容，實現風險評估和風險防控。顯然傳統的財務風險管理并不適應大數據下的企業發展。風險評估過程中企業上下級領導的交流由于權利的限制，溝通較為順利，但是部門之間的交流存在一定的障礙，企業應利用大數據、互聯網和云計算加強部門之間的溝通，并建立部門之間溝通的意識，真正發揮數據信息功共享的功能，為企業財務管理提供科學可靠的數據依據，有效預測以及評估企業項目風險。
四、結束語
綜上所述，大數據時代具有大數據、互聯網和云計算的標志性特征，在大數據背景下企業財務管理利用借助大數據的特征推動企業財務管理理論的完善，財務管理體系的創新，企業價值的重新定義，邊界化的消除，投資標準的確定等方面的改進與完善。
參考文獻：
[1]馬美芳.大數據背景下企業財務管理的挑戰與變革探討[J].商.2015（45）
[2]湯谷良,張守文.大數據背景下企業財務管理的挑戰與變革[J].財務研究,2015（1）
[3]張高勝.企業財務管理變革的新方向——“大數據財務”[J].現代商業.2015(26)
美國大數據研究學者表示，如今是大數據大行其道的世界，大數據可以帶來巨大的成就，在軍事、經濟及其他領域中，決策將日益基于數據和分析而做出，而并非基于經驗和直覺。正如《孫子兵法》所說：“知彼知己，百戰不殆”。所謂知者，乃數據也，數據要“未卜先知”。在大數據時代，“知彼知己”、“未卜先知”能夠更加容易地實現。
白宮里的大數據戰略
如今，美國已進入“大數據”時代?！按髷祿睂π畔⒈〞r代的嶄新描述，它的基本單位是“太”（TB），而1000個“太”則等于一“拍”（PB）。這個單位有多大？舉個例子，美國國會圖書館是世界上最大的圖書館之一，它所有印刷品的信息量加起來只有15太，而全美國僅在2010年一年的新增數據量就足足有3500拍，這比13億中國人人手一本1500頁的書加起來的信息量還要大。
奧巴馬政府意識到大數據技術的重要性，將其視為“未來的新石油”。2012年3月，奧巴馬政府在白宮網站了《大數據研究和發展倡議》。2012年5月，美國數字政府戰略，更是提出要通過協調化的方式，以信息和客戶為中心，改變聯邦政府工作方式，為美國民眾提供更優的公共服務。其中關鍵，就是政府必須保證美國民眾可以隨時隨地通過任何平臺或設備獲取政府信息和公共服務。美國國家科學基金會、國家衛生研究院、國防部、能源部、國防部高級研究局、地質勘探局等六個聯邦部門和機構承諾，將投入超過2億美元資金用于研發“從海量數據信息中獲取知識所必需的工具和技能”。
美國最重要的數據開放平臺就是奧巴馬政府在2009年推出的Data.gov，Data.gov也是美國“開放政府”承諾的關鍵部分。依照原始、地理數據和數據工具三個門類，涵蓋了農業、 氣象、金融、就業、人口統計、教育、醫療、交通、能源等大約50個門類，匯集了“從家庭和企業能耗趨勢分析到全球實時地震通知等，甚至還可以查詢從好奇號火星漫步者發回來的數據中得知火星的天氣情況”。
為了確保美國民眾能方便快捷地找到政府服務欄目，美國在各聯邦政府層面實施了“數字分析項目”，“這是政府IT部門第一次摸清公眾都在網站上尋找什么信息、在哪里尋找這些信息，以及他們是否能夠順利找到信息等情況?！闭甀T部門還對聯邦政府網站在移動設備上的使用進行了優化，并開發了移動應用程序，確保美國公民隨時、隨地，通過任何設備都能獲取政府信息。
大數據戰略在企業
除了政府，美國企業也同樣擁有對于數據重視和應用的歷史傳統。
早在大數據概念火熱起來之前，美國信息技術產業在大數據產業已經有了很多技術積累，這使得美國的大型信息技術企業可以迅速轉型為大數據企業。有的企業自身是大數據技術的推出者，谷歌就是典型代表。大數據核心技術Hadoop是雅虎員工Doug Cutting根據谷歌2003年的學術論文研究而來。有的企業則通過收購業內已經存在的大數據企業來建立大數據業務，典型代表是IBM。自2005年以來，IBM出資160億美元收購了超過30家大數據企業。大數據不同于傳統的結構化數據，而是充斥了非結構化數據和半結構化數據，美國在結構化數據庫領域有數據庫行業的領頭羊甲骨文公司，但甲骨文公司也推出了大數據業務。甲骨文公司成為了業界首個以全面、軟硬件集成的產品滿足企業關鍵大數據需求的公司。它可幫助客戶進一步提高效率、簡化管理并洞察數據的內在本質，從而最大限度地挖掘數據的商業價值。
不僅如此，全球最大的芯片企業英特爾也進入大數據產業，而全球最大的PC廠商惠普也在精簡PC業務，2011年斥資110億美元收購英國大數據企業Autonomy公司，進入大數據業務。美國信息技術產業的大企業，從軟件企業到硬件企業，從門戶網站企業到社交網絡企業，紛紛介入大數據。因此，大型信息技術企業順應時代潮流，轉型升級為大數據企業，是美國發展大數據產業的重要推動力。美國一些大型公司已經開始贊助大數據相關的競賽，并且在為高等院校的大數據研究提供資金。
作者簡介
段云峰
承擔了國內最大電信運營商的數據倉庫和大數據中心的設計和建設、運營工作(截止到2015年該系統達到18000TB存儲容量，累計投資120億元)，積累了15年的大數據領域的實際工作經驗。帶領相關的團隊，從系統創建到系統運營，開發了很多大數據領域的各種應用。積累了國內唯一的大數據在大企業建設、運營方面的經驗。其前后主持設計的文檔，有150余冊、1200多萬字，涉及大數據系統的數據模型、數據接口、系統架構、質量管控、業務應用、系統安全等各個領域。
秦曉飛
具有理學學士、工學學士和管理學碩士學位。最近十幾年先后從事BI系統的運維、開發、項目管理以及應用推廣等工作，參與并見證了中國移動BI系統從TB級別數據倉庫向PB級別大數據平臺跨越的整個過程。先后獲得高級工程師、信息系統項目管理師、高級電信業務師、國際信息系統審計師等專業資格認證，并且被評為2012年山西省青年崗位能手。在《移動通信》《中國新通信》《電子世界》《信息與電腦》等雜志發表多篇專業論文，并且申報了多項國家發明專利。
目錄
01大數據現狀／1
1.1大數據的概念和特點／2
1.2互聯網思維的故事／4
羊毛出在豬身上／4
圈客戶／圈眼球／4
1.3“天變了”／5
用戶變了／6
平臺變了／8
金融變了／9
營銷變了／9
思維變了／10
1.4大數據為什么需要互聯網思維／12
大數據項目不同于傳統IT項目／12
大數據產業是咨詢服務產業／13
互聯網思維是咨詢服務產業的法寶／14
大數據“變現”需要互聯網思維／15
大數據中“群眾的智慧是無窮的”／15
1.5小結／16
02堪比“文藝復興”的互聯網思維／17
2.1文藝復興的意義類比／18
藝術解放思想，思想解放生產力／19
引導了第一次工業革命／19
互聯網引導新的工業4.0／20
改寫金融業，改寫社會／21
2.2互聯網企業的發展／21
BAT的造夢／22
IT技術成為企業的核心競爭力／22
2.3互聯網思維的概念／24
2.4互聯網思維的特點／24
2.5互聯網思維改寫了手機產業／26
2.6互聯網思維改變大數據／29
大數據的客戶體驗／29
大數據的產品化思維／30
大數據的平臺思維／37
大數據的迭代思維／42
2.7大數據的新生／44
從配角到主角／44
產業化成為可能／45
大數據的春天／45
2.8小結／46
03大數據的發展／47
3.1大數據產業的發展／48
互聯網改寫了歷史，大數據改寫了互聯網／48
第三次浪潮中的新興產業／49
數據成為最大的資產／50
促進“理性社會”／51
3.2從網絡運營到大數據運營／52
互聯網平臺如何使用用戶數據／53
建立數據分析保障管理體制／55
從基礎設施到產品提供／57
從網絡產品到數據產品／59
3.3如何運營大數據／60
互聯網基因／60
對內服務／63
對外服務／66
大數據營銷／68
3.4大數據發展的瓶頸／69
與傳統IT不同／70
機構和機制不同／71
新理論和新思維／71
轉型更難／72
3.5小結／72
04大數據的客戶體驗／74
4.1客戶是誰／75
內部客戶／外部客戶／77
個人客戶／集團客戶／78
校園客戶／80
4.2客戶的大數據需求是什么／80
取數——“取柴火”／82
取知識——“將柴火燒成炭”／83
取專業建議——“集體供暖”／84
4.3客戶體驗是什么／85
什么是體驗／85
數據如何可讀／90
“啤酒和尿布”的另一個角度解讀／95
4.4客戶體驗如何提升／96
服務不同角色／96
娛樂思維／98
管家式服務／98
4.5小結／99
05大數據產品設計／100
5.1大數據產品背景／101
產品長什么樣／101
谷歌是搜索門戶還是數據門戶／102
提品還是平臺／103
賣咨詢服務／104
智慧產品／104
5.2大數據產品內容／105
工具類／106
中間類／107
像棋譜一樣的知識庫／108
數據分析手機／109
互聯網聯通了人，數聯網聯通了大腦／110
5.3產品的“客戶流量”／110
吸引客戶／110
運營客戶／111
5.4大數據產品類比／113
大數據的搜索門戶／113
大數據的社交平臺／113
大數據的電商平臺／115
大數據的云化——在云里找數據／115
5.5大數據產品特點／115
目的決定產品特點／116
通過對比顯示價值／116
更多的群眾參與／116
5.6產品的界面優化／117
從蘋果App中學習什么／117
結果的可視化／117
5.7產品的用戶定位／117
如何讓孩子看懂／118
數據的消費者／118
DIY發燒友／118
產品的商業模式／118
5.8小結／119
06大數據的極致思維／120
6.1產品的極致／121
傻瓜化的App／121
新的觸摸屏在哪里／123
服務的極致／124
專家的極致／125
棋手的極致／126
智能改造之后的極致產品／127
智慧產品的極致／132
6.2思維的極致／134
兵書的知識提煉／134
參謀的極致／134
知識庫和運維／135
思維的“眾籌”／135
6.3營銷的極致／136
點對點的精準營銷／136
成本控制的極致／137
6.4“講故事”的極致／137
吸引人的標題／138
吸引人的敘事方法／139
吸引人的數據證據選擇／140
6.5小結／140
07大數據的快速迭代／142
7.1怎么“快”／143
標準零件的拼接／143
分析過程簡單／143
不要追求完美，但求不斷完善／144
7.2數據的標準／144
大數據是否還有邏輯模型／144
口徑的管理／145
業務元數據和技術元數據／145
7.3平臺的標準／146
云計算平臺的標準化／146
PaaS還是SaaS／147
7.4環境的標準／148
編程規范和標準／148
軟件結算的標準等／149
7.5迭代的知識積累／149
農業知識積累出的農歷／149
何時更新、如何更新／150
7.6小結／150
08大數據的平臺思維／151
8.1大數據的平臺定義／152
數據得到豐富，取得規模效益／153
運營能夠細分，拓展發展前景／153
8.2大數據平臺思維的特點／153
平臺越來越通用，應用越來越專業／153
孤立的數據是金，共享的數據是鉆／154
數據的多維決定著平臺價值的多樣／154
8.3大數據的平臺實體——“數聯網”／154
數據交換的高效網絡／155
數聯網的內容／155
訪問工具／160
數據管控／161
8.4大數據平臺的生態環境／180
誰會購買大數據產品／181
各方獲利的互聯網模式／182
速度彌補精度／184
8.5平臺SDK的開放性／185
平臺的可編程API接口／186
數據的標準／186
數據的可讀性／187
加工的簡化性／188
容易參與／190
人人參與／192
8.6互聯網企業的數據開放平臺／192
阿里巴巴的御膳房／192
騰訊的微信開放平臺／199
百度的阿拉?。?02
8.7人人的“數據”到數據的“人人”／204
8.8互聯網平臺升級到大數據平臺／205
互聯網平臺是新時代的農業文明／205
大數據平臺的價值最大化／205
電信運營商，新的電力公司or大數據公司／206
8.9小結／207
09大數據的跨界思維／208
9.1大數據跨界的背景／209
Hadoop的興起，去了IOE／209
大數據的滲透——大數據×／210
9.2大數據跨界的定義／211
大數據跨界的特點／211
大數據跨界的展望／213
大數據跨界的案例／215
9.3大數據的業務多維／216
橫看成嶺側成峰／216
數據的行業解讀／216
9.4大數據的行業交叉／216
電信數據與金融數據的交叉／217
電商數據與醫藥數據的交叉／219
9.5小結／220
10大數據實踐案例探索／222
10.1大數據提升客戶體驗／223
基于角色的應用／223
解決問題的應用／226
用戶的GUI界面／234
10.2大數據實現產品化／238
BI Store案例／238
自助分析工具／242
用戶的知識庫／251
10.3大數據的極致思維／254
思維導圖案例／255
大數據分析報告劇本／256
10.4大數據的跨界思維／258
大數據在交通行業的應用／258
大數據在金融行業的應用／259
大數據在制造業的應用／261
10.5大數據的平臺思維／261
淘寶的API開放平臺／261
某電信運營商的對外開放平臺／265
10.6大數據的快速迭代／267
多波次灰度營銷／267
數據字典的迭代／268
10.7小結／269
【關鍵詞】 互聯網金融 風險控制手段
金融的本質是風險管理，風控是所有金融業務的核心。典型的金融借貸業務例如抵押貸款、消費貸款、P2P、供應鏈金融、以及票據融資都需要數據風控識別欺詐用戶及評估用戶信用等級。傳統金融的風控主要利用了信用屬性強大的金融數據，一般采用20個緯度左右的數據，利用評分來識別客戶的還款能力和還款意愿。
互聯網金融公司利用大數據進行風控時，都是利用多維度數據來識別借款人風險。同信用相關的數據越多地被用于借款人風險評估，借款人的信用風險就被揭示的更充分，信用評分就會更加客觀，接近借款人實際風險。常用的互聯網金融大數據風控方式有以下幾種：
1 驗證借款人身份
驗證借款人身份的五因素認證是姓名、手機號、身份證號、銀行卡號、家庭地址。企業可以借助國政通的數據來驗證姓名、身份證號，借助銀聯數據來驗證銀行卡號和姓名，利用運營商數據來驗證手機號、姓名、身份證號、家庭住址。
如果借款人是欺詐用戶，這五個信息都可以買到。這個時候就需要進行人臉識別了，人臉識別等原理是調用國政通/公安局API接口，將申請人實時拍攝的照片/視頻同客戶預留在公安的身份證進行識別，通過人臉識別技術驗證申請人是否是借款人本人。
2 分析提交的信息來識別欺詐
線上申請時，申請人會按照貸款公司的要求填寫多維度信息例如戶籍地址，居住地址，工作單位，單位電話，單位名稱等。如果是欺詐用戶，其填寫的信息往往會出現一些規律，企業可根據異常填寫記錄來識別欺詐。例如填寫不同城市居住小區名字相同、填寫的不同城市，不同單位的電話相同、不同單位的地址街道相同、單位名稱相同、甚至居住的樓層和號碼都相同。還有一些填寫假的小區、地址和單位名稱以及電話等。
如果企業發現一些重復的信息和電話號碼，申請人欺詐的可能性就會很高。
3 分析客戶線上申請行為來識別欺詐
欺詐用戶往往事先準備好用戶基本信息，在申請過程中，快速進行填寫，批量作業，在多家網站進行申請，通過提高申請量來獲得更多的貸款。
企業可以借助于SDK或JS來采集申請人在各個環節的行為，計算客戶閱讀條款的時間，填寫信息的時間，申請貸款的時間等，如果這些申請時間大大小于正常客戶申請時間，例如填寫地址信息小于2秒，閱讀條款少于3秒鐘，申請貸款低于20秒等。用戶申請的時間也很關鍵，一般晚上11點以后申請貸款的申請人，欺詐比例和違約比例較高。
這些異常申請行為可能揭示申請人具有欺詐傾向，企業可以結合其他的信息來判斷客戶是否為欺詐用戶。
4 利用黑名單和灰名單識別風險
互聯網金融公司面臨的主要風險為惡意欺詐，70%左右的信貸損失來源于申請人的惡意欺詐。客戶逾期或者違約貸款中至少有30%左右可以收回，另外的一些可以通過催收公司進行催收，M2逾期的回收率在20%左右。
市場上有近百家的公司從事個人征信相關工作，其主要的商業模式是反欺詐識別，灰名單識別，以及客戶征信評分。反欺詐識別中，重要的一個參考就是黑名單，市場上領先的大數據風控公司擁有將近1000萬左右的黑名單，大部分黑名單是過去十多年積累下來的老賴名單。
5 利用移動設備數據識別欺詐
行為數據中一個比較特殊的就是移動設備數據反欺詐，公司可以利用移動設備的位置信息來驗證客戶提交的工作地和生活地是否真實，另外來可以根據設備安裝的應用活躍來識別多頭借貸風險。
欺詐用戶一般會使用模擬器進行貸款申請，移動大數據可以識別出貸款人是否使用模擬器。欺詐用戶也有一些典型特征，例如很多設備聚集在一個區域，一起申請貸款。欺詐用戶還有可能不停更換SIM卡和手機，利用SIM卡和手機綁定時間和頻次可以識別出部分欺詐用戶。
6 利用司法信息評估風險
涉毒涉賭以及涉嫌治安處罰的人，其信用情況不是太好，特別是涉賭和涉毒人員，這些人是高風險人群，一旦獲得貸款，其貸款用途不可控，貸款有可能不會得到償還。尋找這些涉毒涉賭的嫌疑人，可以利用當地的公安數據，但是難度較大。也可以采用移動設備的位置信息來進行一定程度的識別。如果設備經常在半夜出現在賭博場所或賭博區域例如澳門，其申請人涉賭的風險就較高。
總結：總之，互聯網金融的大數據風控采用了用戶社會行為和社會屬性數據，在一定程度上補充了傳統風控數據維度不足的缺點，能夠更加全面識別出欺詐客戶，評價客戶的風險水平?；ヂ摼W金融企業通過分析申請人的社會行為數據來控制信用風險，將資金借給合格貸款人，保證資金的安全。
【參考文獻】
【關鍵詞】大數據 生物信息 知識提取 數據挖掘
1 數據挖掘的功能
數據挖掘是從大量的數據中四棟搜索隱藏于其中的具有特殊關系性的信息過程。它是數據庫知識發現KDD中的一個步驟。知識發現KDD過程由以下3個階段組成：數據準備、數據挖掘、結果表示和解釋。數據挖掘跟許多學科都交叉關聯，包括數據庫技術、統計學、機器學習、人工智能、云計算和可視化等。
數據挖掘的實際應用功能可分為三大類和六分項：分類和聚類屬于分類去隔類；回歸和時間序列屬于推算預測類；關聯和序列則屬于序列規則類。分類常被用來根據歷史經驗已經分好的數據來研究它們的特征，然后再根據這些特征對其他未經分類或是新的數據做預測。聚類是將數據分群，其目的是找出群間的差異來，同時找出群內成員間相似性?；貧w是利用一系列的現有數值來預測一個數值的可能值。基于時間序列的預測與回歸功能類似，只是它是用現有的數值來預測未來的數值。關聯是要找出在某一事件與數據中會同時出現的東西。
2 降維
從降維的角度講，整個數據挖掘的過程就是一個降維的過程。在這個過程中，需要對數據刪除線性關系比較強的特征數據，再用一些算法，如信號分析算法、傅里葉轉換、離散小波轉換等算法，從數據中提取特征，再對數據做主成分析處理，得到最后的特征，再用數據挖掘算法來將這些特征轉化為人類可讀取的數據或信息。
3 分布式數據挖掘解決方案
隨著分布式計算技術、云計算技術、hadoop生態圈和非結構化數據庫等技術的發展，以及對大數據挖掘的需求，出現了一批分布式數據挖掘，比較典型的有Apache推出的基于Hadoop的Mahout和加利福尼亞大學伯克利分校AMP實驗室推出的基于Spark的MLBase。在Mahout中主要實現3種類型的數據挖掘算法：分類、聚類（集群）和協同過濾。相比Mahout而言，MLbase更好的支持迭代計算，它把數據拆分成若干份，對每一份使用不同的算法和參數運算出結果，看哪一種搭配方式得到的結果最優。
4 大數據下的具體應用實例――生物信息學的應用
生物信息學（Bioinformatics）是生命科學、計算機科學、信息科學和數學等學科交匯融合形成的一門交叉學科。近年來隨著先進儀器裝備與信息技術等越來越廣泛和深入的整合到生物技術中來，生物醫學研究中越來越頻繁的涉及到大數據存儲和分析等信息技術。在使用計算機協助生物信息時，處理僅有計算機輔助的方式存儲數據很顯然是不夠的，生物信息學研究的目的是運用計算機強大的計算能力來加速生物數據的分析，理解數據中所包含的生物學意義。當前生物信息學研究的熱點有：
（1）由以序列分析為代表的組成分析轉向功能分析。
（2）由對單個生物分子的研究轉向基因調控忘了等動態信息的研究。
（3）完整基因組數據分析。
（4）綜合分析。
生物信息數據具有如下特點：高通量與大數據量；種類繁多，形式多樣；異構性；網絡性與動態性；高維；序列數據等特點[5]。針對這樣的生物數據信息，要結合當前的大數據分析方法進行分析和理解。當前數據挖掘實現對生物信息分析的支持主要有：生物數據的語義綜合，數據集成；開發生物信息數據挖掘工具；序列的相似性查找和比較；聚類分析；關聯分析，生物文獻挖掘等方面。
參考文獻
[1]許凡.大數據時代的數據挖掘技術探討[J].電子技術與軟件工程，2015（08）.
[2]洪松林.數據挖掘技術與工程實踐[M].北京：機械工業出版社，2014（11）.
[3]李榮.生物信息數據挖掘若干關鍵問題研究與應用[D].復旦大學（博士論文），2004（11）.
[4]宋杰.生物信息數據挖掘中的若干方法及其應用研究[D].大連理工大學（博士論文），2005（04）.
[5]孫勤紅.基于梯度采樣局部收斂的生物信息大數據挖掘[J].科技通報，2015（10）.
作者簡介
孫勤紅（1979-），女，山東省人?，F為三江學院計算機科學與工程學院講師。研究方向為人工智能、數據挖掘。
沈鳳仙（1984-），女，江蘇省人?，F供職于三江學院計算機科學與工程學院。研究方向為數據挖掘。
