时间：2024-01-22 15:07:17
序论：在您撰写大数据时代数据的价值时，参考他人的优秀作品可以开阔视野，小编为您整理的7篇范文，希望这些建议能够激发您的创作热情，引导您走向新的创作高度。
在大数据时代中，大数据的应用效能、应用方便度、应用当地覆盖面是未来大数据应用所关注的重点，而目前在大数据应用方面存在许多的问题，这些问题的存在影响了未来大数据的应用，如何解决这些问题，重现在开始从最基础方面开始，解决这些问题是大数据未来应用的重要工作。本文首先列举了目前大数据应用中存在的问题，分析了产生这些问题的原因，针对这种情况提出了基于基础数据结构体系建立的解决方案设想，为未来大数据应用发挥更大效益的解决方法。
【关键词】大数据 基础数据结构 软件工程 数据标准
随着智慧城市建设项目的开展，作为智慧城市建设的重要基础就是围绕大型基础数据平台的建设，在业界定义为大数据时代的来临。围绕大数据的概念，在全国范围内的各领域各行业都在大数据的如何组织、如何应用、如何共享、如何关联召开了各类研讨会。大数据应用的云计算技术、数据仓库技术等成为业内讨论的重要话题。本人认为，在做了这些工作后，应回过头来看一看，无论数据量有多大，都离不开基础数据结构与体系的建设，在此要阐明的一个基本观点就是在大数据时代更应该重视基础数据结果的研究与应用。
1 大数据的概念
什么是大数据， IBM 最早的定义是：将大数据的特征归纳为4个“V”（量Volume，多样Variety，价值Value，速Velocity），或者说特点有四个层面：第一，数据体量巨大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）；第二，数据类型繁多。比如，网络日志、视频、图片、地理位置信息等等。第三，价值密度低，商业价值高。第四，处理速度快。最后这一点也是和传统的数据挖掘技术有着本质的不同。
在大数据概念中的第一条是数据量大，这是大数据的特点，而却随着信息系统应用的深入，数量的数量级也在不断的提高，这是毋容置疑的。我们在此要讨论的是第二条数据类型繁多的问题。
2 目前大数据应用存在的主要问题
随着信息化系统应用的深入，在社会、自然界、生活中所涉及的数据面越来越广，由此使得数据类型也越来越多，数据类型的数量在不断增加，这些数据类型之间的关系和相互关联性也越来越复杂，大数据量下的数据应用造成了困难。数据结构类型繁多造成问题主要表现在以下几个方面。
2.1 数据类型是有限量的认识不清楚
未来大数据情况下，数据类型是有限量的还是无限量的概念模糊，为此首先要么明确一个基本的概念，那就是，数据类型在繁多，但是数据类型的数量是有限量的，只是这个限量的数量级大一些而已。在数据类型是有限量的情况下，对于解决数据类型繁多的方法是完全不同的。
如果数据类型的量是无限量的，那么解决问题的方法是要研究解决数据类型问题的方式是研究规律，拿出解决问题的方式与方法，对于具体数据类型时，按照方式方法理论与技术去解决问题。如果数据类型是有限量的话，那么解决问题的方式就不只是从理论上的解决问题方法，而应该更加切合实际的去针对每一种数据类型直接进行研究，形成数据标准，指导各个系统对每一个具体数据类型的应用。
2.2 相同数据在不同系统中的表现类型繁多
由于系统开发方各自的开发经验、所开发系统的规模不同，系统应用方对系统要求不同，系统应用行业的不同，使得在开发过程中，对于数据类型的定义只遵循本系统使用需要进行定义，没有完整的标准，即是有相应的国家或国际标准，也不能完全遵循。
2.3 各个行业制定的标准相互矛盾
各个行业在制定相应的标准时，是以满足自身需要为主导，造成了数据类型在其数据定义时不但长度不同，就是数据类型都不相同。这也就造成了各个系统在未来大数据应用中出现了严重的数据应用障碍。
2.4 大数据应用的实现效率低
由于不同系统技术数据结构的不统一，使得对于大数据的应用上要对不同系统的数据结构进行分析，构建关联，而后才能进行数据的应用，这项工作的工作量大，技术含量高，降低数据的应用效率。这些都是事后分析数据存在的问题。
2.5 数据浪费巨大
由于数据各个系统间数据结构的不同，加上分析手段的局限性，使许多的数据无法进行使用，由此也降低了数据的使用率。并造成数据的大量浪费。
3 造成目前对大数据应用存在问题原因
由于以上几方面的问题存在，为了做好大数据的应用，许多相应的技术应运而生，数据仓库技术、网格技术、云计算的数据处理技术等等。这些技术促进了数据应用的发展，提高了数据应用效率，为大数据应用发挥了巨大作用。但是这种做法只能针对具体的大数据应用项目起到作用，不能从根本上解决问题。那么造成这种问题根本是什么呢？
3.1 理论基础有偏差
目前所有这些高精尖技术的发展，为大数据应用的发展起到了不可替代的作用，但是这些技术在理论出发点上存在偏差，那就是，这些技术的理论出发点设定的是，数据类型是无限量的，是无穷尽的，所以所有的技术研究都不面对具体的数据项，这样做的结果是促进技术的发展，弊端是不能面对具体的应用，所有的技术应用都要在这就技术下进行二次应用研究。也就是，这些理论是治标不治本的做法。
有限量数据类型与无限量数据类型是两个根本不同的概念，对于技术的发展影响也是完全不同的。为此，目前在无限量数据类型概念下的大数据应用技术与体系将会存在极大的局限性，对未来的大数据应用造成影响。
3.2 对大数据认识有偏差
目前在各个系统对大数据的应用中，对大数据的认识是，只要有足够量的数据，就是大数据，而对于数据之间的关系，整体的数据结构体系没有很深的认识，甚至将原有的多个分散的系统中的数据库，做一个小的关联数据库，就认为是数据云计算，就是综合数据平台了，而在这种情况下，对于大数据的应用，因为系统的独立，数据库的独立、数据结构的不统一造成了大数据应用的瓶颈和障碍，在系统应用到一定程度后，数据量是很大，但是无法进行大数据应用，或者说是要进行大数据的应用，需要另外投入很高的成本进行数据整理、数据管理和数据分析。所以应该明确的是，在数据结构混乱的情况下，在大的数据量也不能称为大数据，这个观念上的偏差，是造成目前数据应用困难的原因之一。
3.3 数据结构不规范
这些情况的出现，归结的一起，就是数据结构不规范，不统一。在三方面主要原因造成这个局面，一是目前的应用系统的开发，由不同的公司进行，每个开发单位对数据结构的定义有各自的标准，基本都是按照多年开发经验总结出来的，因此各个公司开发的系统在数据结构上相差很远。二是对于同一个公司不同时期开发的系统所涉及的数据结构不统一，到后期，开发单位不愿意在投入成本对前期开发的系统进行重新开发，这就造成了前期开的的系统中的数据结构与后期开发的数据结构不统一。三是对于应用开发单位在开发每一个具体应用项目时，由于是不同的开发小组在进行，为此，在进行数据结构设定时，只为了满足本系统开发的需要，而没有考虑系统未来的发展和系统的整体架构，这也造成了不同应用系统中对相同字段的设定不相同，数据结构不统一。以上这些都是在应用系统开发过程中遗留的问题，而这些问题严重影响了大数据的使用。
3.4 有统一的标准不用
在系统开发过程中涉及的数据结构，许多都有相应的标准，主要有以下几个方面，一是国家法律层面的，对于一些重要的数据要求以立法方式进行规范。二是国家标准，制定和规范了国家层面的有关方面的数据要求和限定。三是部颁标准，由各个部委办局制定的相应标准，这些标准有一大部分直接针对信息化系统建设的应用和数据标准。四是行业标准，作为每一个行业内进行行为约束的标准，这种标准虽然不具备强制性，但是在行业内是一个自觉遵守的标准。四是国际相关标准，虽然国际标准没有任何的法律约束性，但是为了走出去，各行各业都在遵循这个标准。
这些标准都是在系统建立时的数据结构依据，但是目前许多系统在进行数据结构设定时，都没有按照这些标准执行，而是根据自己系统的需要进行设定的。这使得许多的系统中的数据不能相互交换使用，由此而影响了大数据的应用。
3.5 不同行业对标准的设定不统一
在国家标准体系中，由于标准制定的年代不同，同是一个部门颁布的标准对相同的数据要求也不同，各个部门由于独立制定标准，同样出现相同数据在不同部门制定的标准中规定的不同，这几方面原因也就造成了即使遵照标准，也存在着相同数据在不同应用系统中的数据结构不同的现象。
以上是大数据应用问题出现的主要原因，作为大数据应用的刚刚起步阶段，应针对这些问题进行研究给出相应的解决方案，为未来大数据应用的发展打下一个良好的基础，避免今后的大数据应用走弯路。
4 解决大数据应用问题的对策
解决大数据应用存在的问题，应从最基础的数据结构建立开始，从根本上去解决问题，也为未来大数据应用的发展打下一个良好的基本数据结构基础，对此提出以下几方面的对策。
4.1 开展和加强对基础数据结构建立的理论研究
从软件工程学的角度出发，以数据结构类型是有限量的概念为依托，围绕具体的数据类型开展数据结构体系的理论研究。依托一个数据结构分类的理论体系来支撑整个数据结构体系的划分，其中包括划分方法、划分层次、划分的软件工程学理论支撑等内容，制定大数据底层数据结构划分的理论体系，形成在大数据下的数据结构构建的理论体系。
4.2 开展对具体数据结构的研究
按照建立的数据结构理论体系要求，对每一个具体数据结构进行研究，针对数据项的名称、类型、含义、层次、结构、与其他数据的关系、涉及内容规定等方面制定出具体数据的标准。这项工作可以在有组织的情况下由全社会共同参与，按照指导理论的要求进行研究，这样，随着应用系统的不断深入，所涉及的数据类型项将逐步扩展，最终实现数据的全覆盖，而完成整个架构体系的建立。
4.3 制定相应的数据结构标准
对于由各个方面制定的数据结构进行分类、筛选、审核，而后想这些结构形成一个统一的架构体系，制定相应的技术标准，通过这个标准来规范应用系统的开发，形成完整的、规范的、统一的数据结构体系，为大数据应用打下坚实的基础。
4.4 成立相应的机构来负责这项工作的完成
对于这项工作的开展，应在软件工程相应的有关组织下，建立一个专门的机构，负责指导这项工作的完成。由这个机构成立专门的实验室，负责整体架构的制定，数据类型项的搜集、分类、筛选，并形成统一的数据库体系，为所有的应用系统的开发提供数据库基础支撑和服务。
综上所述，通过对基础数结构的研究与体系的建立，从根本上解决大数据应用的效率，充分发挥未来大数据的作用，简化大数据应用的方式与过程。
参考文献
[1]严霄凤，张德馨.大数据研究[J].计算机技术与发展，2013（04）.
[2]李学龙，龚海刚.大数据系统综述[J].中国科学：信息科学，2015（01）.
[3]方璐.大数据时代的科学研究方法[J].浙江工业大学，2014.
作者简介
李铧（1962-），男，江苏省无锡市人。学士学位，现为无锡科技职业学院教师、高级工程师。主要研究方向为软件工程学、物联网概论。
2012年岁末，教育部职业与成人教育司司长葛道凯教授、国家开放大学党委副书记张少刚研究员、国家开放大学现代远程教育研究所魏顺平博士合著的《教育数据挖掘：方法与应用》一书由教育科学出版社出版。该书基于大数据时代背景，指出致力于从大量数据中提取或“挖掘”知识的数据挖掘将有助于发挥教育数据的价值，数据以及数据挖掘可以作为审慎决策的依据。该书是国内率先结合大数据时代背景讨论如何挖掘教育数据价值的专著，以“教育数据挖掘”为主题，围绕教育数据挖掘的方法和应用两大方面展开论述，根据实际任务情境构建了若干数据挖掘模式，并结合远程开放教育领域研究和实践中的实际问题展开了大量实证研究，检验了教育数据挖掘的重要价值。
教育数据挖掘是一个将来自各种教育系统的原始数据转换为有用信息的过程，这些有用信息可为教师、学生、家长、教育研究人员以及教育软件系统开发人员所利用。教学、管理、科研是教育机构的基本活动，根据数据挖掘在这三个业务领域的具体应用，可以将教育数据挖掘进一步细分为E-Learning数据挖掘、E-Management数据挖掘和E-Research数据挖掘等。
该书通过E-Learning数据挖掘、E-Management数据挖掘和E-Research数据挖掘等三大领域数据挖掘的7项实证研究，对于远程开放教育领域可获得的数据种类、可采用的数据挖掘方法和工具以及可挖掘得到的知识模式有了一个较为完整的认识，得出了以下基本结论：①恰当运用数据挖掘技术能为优化教育规划和管理、提高教育教学质量、改进教育软件设计与开发提供有益帮助；②对于多数教育机构来说，在教育教学过程中适时应用数据挖掘技术不仅是必要的，也是可能的；③研究人员借助数据挖掘方法，基于各种专业数据库，一定程度上可更全面、快速、准确地了解某一研究领域的现状，并预测未来发展方向；④注重教育教学过程、管理过程及研究过程中相关信息的采集和存储是有价值的。
>> 大数据背景下国家治理的现代化建设研究 大数据视角下政府治理能力现代化探究 大数据施政平台引领下政府现代化治理水平的提升 国家治理现代化的地方性视角 国家治理视角下政治文化的现代化思考 数据共享：国家治理体系现代化的前提 大数据为实现国家治理现代化提供了技术平台和实现路径 国家治理现代化视域下的协商民主 论政府主导下的国家治理现代化 治理现代化视角下的维稳 宗族视角下的乡村治理现代化 大数据与政府治理能力现代化 群众路线视角下国家治理能力现代化路径初探 国家治理现代化的新意 国家治理现代化的关键 运用大数据推进政府治理现代化的路径选择分析 大数据在政府治理能力现代化中的应用研究 人的现代化视阈下的国家治理体系和治理能力现代化 国家治理现代化 信息经济学视角下推进国家治理能力现代化的思考 常见问题解答 当前所在位置：l），2015-4-10.
⑩徐子沛.大数据.广西师范大学出版社，2012.
{11}中国互联网络信息中心（CNNIC）的第34次《中国互联网络发展状况统计报告》，2014-6.
.cn/gywm/xwzx/rdxw/2014/201407/t20140721_47439.htm，2015-4-10.
{12}石菲.我国电子政务十年发展成就.中国信息化，2011，（12）.
{13}道格拉斯・斯诺.制度、制度变迁与经济绩效.上海人民出版社，2008.3.
参考文献：
〔1〕格里・斯托克.作为立论的治理：五个论点[J].国际社会科学，1999，（1）.
数据帮你做决策
过去的运营驱动数据将变为数据驱动运营，大数据不仅指海量的数据，还包含数据的细分，企业内部几乎所有的环节都将以数据的形式加以展现，比如各业务环节的时间节点衍生出的效率优化。在亚马逊，每天会有大量的基于运营的报表和数据处理，运营策略、市场推广策略的改变主要是看数据，它自行定义的自动补货模型就是基于时间序列和极值的原理而形成的，有效地解决完全依靠人工的订货、补货模式，提升了库存管理的效率。
分析用户的智慧
电商最根本的就是做用户体验，当电商手里有了大量的消费者购买行为的数据，消费者研究甚至可以具体到某一个用户，包含区域购买力、商品区域化、客户分层、购物周期、购物偏向性、投诉原因等诸多数据，指标的结合将为企业实行差异化战略和精准式营销提供重要依据。通过数据分析，还可以有效的识别与竞争对手差异因素，开创新的蓝海，为消费者提供更适宜的购物体验。
打造立体的“数据网”
电子商务内部的信息流转都可以转化为数据，多维度、多视角的使用数据，通过某一核心维度将数据的范围逐渐扩大，将某一行为产生的原因与合理性通过十几个甚至更多的数据标准加以展现，使之更加准确和突出重点，比如销售数据就可以以销售额为核心。将产品销售的区域性、周期性、售后的退换货、客诉率、订单的周期性、客户的忠诚度等多种指标综合分析。
让数据“看得见，摸得着”
传统意义上的数据分析更多的是以简单的图表或者PPT的形式加以展现，不够直观，2010年以后数据信息图兴起，为数据分析和结果输出提供了非常好的视觉效果和理解性，利用简单的图形组合将单一的图表转化为了更丰富的内涵结果，极大地刺激了人们的感官神经，使枯燥的数据变得生动形象，数据信息图只是数据可视化深入发展的一种表现，大数据时代会衍生出很多类似的方法。
大平台需要“一碗水端平”
就时间性而言，基本分析主要是基于历史数据和现实数据，模型可以提供长期的预测数据并评估现实数据的合理性，二者相互补充，不同方法之间相互补充和对比能对业务发展提供更准确的参考依据。随着电商业务模式的稳定和成熟，模型的使用会逐渐增加，尤其是在消费者研究、销售预测、库存管理方面；简单或复杂的方法都是必须的，二者的作用不同，在构建大数据平台时，电商需要更好地平衡二者之间的关系，使之发挥相应的效用。
[关键词]大数据；生态旅游；影响；对策
[DOI]10.13939/ki.zgsc.2015.43.045
1 大数据时代下的生态旅游内涵
随着时代的进步，科技的日新月异，以互联网为平台的大数据技术向企业展示了以前从未经历过的商业体验，通过大数据精准的数据分析，可以有效的知道企业的目标客户群体从而进行精准的定位，以这种方式获得较高的收益。生态旅游作为旅游业的一个分支，在大数据时代又给它赋予了一个新的内涵――生态旅游不是一种炒作，它是人类生态意识的觉醒，并且是一种时间活动，生态旅游是一种市场需求，核心的内涵是以自然为基础，具有环境、社会和经济的可持续性，通过大数据对人群的消费意向分析，可以对当地地区的发展做出贡献，并且是一种可以盈利的活动。
2 生态旅游对经济的积极影响
生态旅游业充分利用大数据技术分析生态旅游，通过互联网平台向国内外大众提供生态旅游区的旅游产品信息，为社会经济发展、生态旅游开发促进区域经济发展这主要表现在：
（1）增加就业机会，稳定社会秩序。旅游业属于劳动密集型产业，能够带来很多就业的机会，生态旅游作为旅游业的一种类型提倡团队规模小型化、服务专业化、环保严格化，利用大数据技术客观上创造了更多的就业机会。例如，在内蒙古地区的秀美草原，几乎所有农户都以不同形式参与了旅游服务、管理与环境保护，旅游经济收入已成为社区居民的主要经济来源。同时，按照国际上通行的要求，旅游业在间接就业和直接就业之间的比例是5：1。生态旅游的发展能够在最大程度上吸收大量的社会失业、下岗以及闲散人员，这样就对社会经济的发展提供了一个良好的社会环境。并且提高了该地区的知名度，让更多的投资者愿意出资，改善生态环境，无形中产生了品牌效应，增加了无形资产，为当地经济更好的发展提供条件。
（2）增加区域经济收入，提高自我发展能力。在进行大数据分析后会对区域生态旅游的开发带来较为明显的直接经济效益和间接经济效益。根据权威媒体估算，在外国如果直接旅游的收入是1美元的话，那么就可以带动2.5美元的间接收入。我国的旅游产业如果能够有1美元的话，就可以带动GDP增长3.2美元。尤其是在条件落后的地区，发展生态旅游业可以带动当地经济的发展，帮助当地居民脱离贫困，走向致富的道路。如贵州镇宁黄果树、云南西双版纳、内蒙古呼伦贝尔这些地方在引入了大数据技术后，改变了相对落后的局面，发展生态旅游，促进了当地经济的发展，同时也提高了地区自我发展的能力。
（3）改善了区域产业结构，促进生态旅游地向开放型经济转化。旅游消费是生活质量较高的一种消费，这就要求旅游产品更迭的速度要比耐用型的消费品要快，相关企业要采用大数据这个精准的新技术手段找到旅游目标，这样才能够促使生态旅游地区的经济产业结构发生明显的转变，做出可行性调整，激发当地的经济活力，如果大数据应用的得当甚至可以把生态旅游旅游业可成为区域重要产业，支柱产业。为当地的经济向开放型转换。
3 生态旅游对经济的不利影响
大数据在生态旅游当中尤其是对当地旅游的经济发展起到了促进作用，但伴随着经济的发展也会有一些不利的影响：
（1）过分依赖生态旅游业可能导致区域经济发展的不稳定性。生态旅游的经济效益主要通过门票收入、提供的商品与服务的价值以及组织与个人的捐赠等途径获得。但由于生态旅游的发展受多种因素的影响与制约，具有较高的敏感性和脆弱性。同时，生态旅游业的产业结构层次较低，可利用资源有限，经济效益不显著。因此，如果仅仅是依托大数据分析对生态旅游地区经济发展是有限的。生态旅游的发展也受多种因素影响，这些因素复杂多变，导致生态旅游业自身存在着极大的不确定性这种不确定性包括敏感和脆弱方面，比如旅游当地出现政治波动、客源国政策波动等问题，会导致旅游业的萧条，使当地区域经济呈现出危机。甚至一蹶不振。而影响生态旅游经济效益发挥的因素包括区域旅游发展水平、区域经济发展规模、区域旅游资源特色特征与旅游活动类型、旅游投资规模等多种因素。
（2）生态旅游大量发展可能导致产业结构的不利改变。生态旅游大量发展以后，虽然通过大数据分析可以精确的找到什么时间有哪些人更愿意进行生态旅游，但是可能会因为旅游业量大后，收入高于其他一些行业收入，一些人放弃原从事的职业而改行从事旅游业，如弃农经旅，导致农副产品生产能力下降，而生态旅游发展对农副产品需求增多，导致农副产品价格上扬，并且生态旅游的经济收入在很多地方并没有注入到地区经济系统中以促进地方经济的发展，生态旅游者的消费在很大程度上是用于支付交通运输和其他旅行花费，而在目的地的消费很少。此外，由于大多数生态旅游区地理位置偏远，信息来源渠道少，接待设施不足，旅游人数少，生态旅游的乘数效应和就业效应较低。由于生态旅游者与当地社区居民之间的经济文化差异大，因而容易产生社会文化冲突。
（3）生态旅游业发展可能导致旅游地物价和地价上涨。生态旅游规模化的发展强大以后，会诱发一些产品需求的急增：比如说手工艺品，食品，土特产品，日用工业品等。提高了这些商品的边际利润，使一些物价上升的很快；并且，由于生态旅游业的发展，像度假村、宾馆、酒店、旅游的娱乐设施等等要占用一大批的土地，虽然看似增加了土地拥有者和建筑公司的收入，但当地居民不得不为自己的食品、日用品等及住房建造、购房、租房付出更多的开支，也易造成当地居民的不满。
4 发展生态旅游的对策
大数据时代不仅仅是数据的简单堆积，而且旅游者的流动不单单是人群本身的流动，还带来了人才流、信息流、资金流等，同时对生态旅游等诸多方面产生影响，对发展生态旅游的地区来说，我们应该采取如下的策略：
（1）提高公众对可持续发展的认识，培养相关人才。当地社区接待的自助游客或背包游客越多，其获得的旅游直接经济效益就越大。地方对生态旅游投资的规模越大，宣传促销力度越大，其所获得的旅游间接和诱导效应也就越大。很显然，提高生态旅游经济效益的根本不仅仅在生态旅游资源的保护而更为重要的是在市场开发。在世界很多旅游目的地由于大众旅游业早已存在，为了吸引更多的旅游者或增加游客们的停留时间，旅行商们往往以生态旅游作为宣传促销的手段，以获取更高的经济利益。而在缺乏传统的吸引大众旅游者产品的地方，也可能因为缺少大众旅游产品竞争优势而采用生态或绿色产品的营销策略来发展地方旅游业。由此可见，在生态旅游原则的约束下，发展生态旅游的自然环境背景和模式是可以多种多样的，既可以在未受人类干扰的地方发展小规模的生态旅游，也可以在恢复或修复后的生态环境中发展，关键是这种旅游方式必须是可持续的。
（2）进行示范引导，提升生态旅游地人民的素质。生态旅游者作为生态旅游资源与环境的使用对象和保护对象，当地居民通过生态旅游者热爱自然、保护自然的影响，不知不觉的改变生产、生活等方式，让这种生态旅游为代表的可持续发展理念，使当地区民自觉的接受，使他们从一种被动保护生态旅游资源和环境转变为积极主动的保护，提升了当地居民文明素质，为社会经济的可持续发展提供一个坚实的基础。
（3）改善生态旅游地政治环境，促进生态旅游地民族文化的发展。生态旅游往往是一种跨国界、跨地区的广泛人际交往活动。生态旅游的国际化方式向世界展示一个国家的友好和对外开放，旅游服务是一种面对面的服务，这种服务质量的好坏直接影响到国家的形象，有利于扩大国际合作，同时努力改善自我的政治、政策环境，从而促进区域社会发展，是软实力的体现。生态旅游包括自然生态旅游和民族文化生态旅游两大部分。这就要求要充分的利用好大数据技术对其进行管理，比如说民族文化生态旅游中的一些民族文化资源挖掘、整理、保护和发扬，在提高了民族文化知名度的同时又实现民族文化资源价值，促进了区域性的生态旅游民族文化发展。
5 结 论
总之，发展生态旅游经济的价值是多方面的。在大数据时代，通过信息流、资金流、人才流的合理配置，资源丰富的地区可以为当地赚取更多外汇，为地方居民提供更多的就业机会，促进基础设施建设与开发，增加地区经济的长期稳定性和多样性。通过提供本地的商品和服务，将生态旅游作为狩猎的替代方式，为环境资源保护提供动力，促进生态系统的健康与稳定发展，同时，也为地方传统经济模式的转型和政府对资源与环境管理做出贡献。当然生态旅游如果管理不当，也不可避免地会在资源环境的利用方面产生一定负面经济影响。所以对生态旅游的地区经济和非经济影响的再探析具有较大的意义。
参考文献：
[1]明庆忠，陈英，李庆雷.低碳旅游：旅游产业生态化的战略选择[J]. 人文地理，2010（5）.
关键词：大数据；大数据时代；管理会计；提升；价值
近年来，企业数据量的快速增长让管理会计力不从心，尤其是在分析和处理海量信息方面遭遇了重大瓶颈。对大数据应用的研究，逐渐成为有效提升管理会计工作质量的重要议题。在2013年12月，财政部了《企业会计信息化工作规范》，它被视为大数据时代企业财务数据分析变革的集结号。
一、大数据时代所倡导的管理会计变革
管理会计是企业发展中的一项关键工作，在大数据时代，管理会计应加强对财务数据的分析和处理，深入挖掘数据背后的信息，从而为企业创造价值。随着企业对大数据依赖程度的提高，管理会计要实现价值提升，应从以下三个方向进行变革。
(一)服务型向管理型转变
管理会计职能以往被单纯的定义为向管理层提供信息。在大数据时代，管理会计的职能应得到拓展。通过大数据平台，企业管理层可以实现广泛互联，不仅是企业内部，还可以揽括企业上下游的供应商和客户等，实现会计信息的集成共享。在此基础上，管理会计可以有效地分析经济趋势、竞争对手、市场环境、供应商及客户需求等信息，从而充分发挥会计工作的主动性及创造性，更有利于企业的长期发展。从某种意义上来说，管理会计已不是企业管理体系的旁观者，而是逐步蜕变为企业内部的一系列具体“管理行动”，成为管理控制机制的设计者、管理控制活动的参与者，甚至在部分控制领域，扮演领导者的角色。
(二)事后分析型向过程控制型转变
传统的管理会计主要是事后对企业的经营管理控制进行分析。在大数据时代下，仅仅对结果进行分析是不够的。结果的分析不能全面地了解企业情况，应融入到企业经营的全过程中，加强对经营过程的分析，向全过程管理控制转变。通过对大数据的应用，管理会计能够对经营过程中的关键成功因素进行再判断，对关键指标的偏离情况进行再分析，对过程行动计划和方案进行再修订，对核心资源要素进行再配置等一系列管理工作，高效地分析事前、事中和事后数据，有效提升数据分析能力，为企业的长期健康发展提供重要保障。
(三)传统处理型向信息管理型转变
随着社会的不断进步，企业的信息化程度越来越高，对信息技术的应用也越来越广泛。特别是在管理会计工作中，信息技术的有效应用对于提高工作质量有着极大的帮助。在大数据时代，由于企业的数据不断增加，传统的信息处理方法已经无法满足管理会计工作的需求，加强信息管理，提高信息化水平已刻不容缓。此外，通过将信息技术重点运用在大数据处理上，可以有效地提高信息的准确性、及时性和完整性，从而更有利于管理会计工作的开展。
二、大数据时代管理会计面临的问题
管理会计作为会计的一个分支，是精细管理和价值创造的重要工具。然而一直以来，管理会计由于高水平人才缺乏，常常不受企业高级管理层的重视。企业的会计工作往往集中在财务核算上，账务处理和报表编制占据了主要工作精力。为企业提供决策支持的管理会计没有得到应有的地位。具体来说，当前管理会计所面临的问题包括：
(一)企业对管理会计重要性认识不足
在我国，财务人员晋升到企业高级管理层的情况较为罕见。企业经营过程中，往往侧重于营销、生产、质量等环节。而财务管理作为企业管理中的重要一环，受到的重视程度不高。管理会计作为会计体系中的重要组成部分，可以为企业的生产经营活动提供关于规划、控制和考核等方面的重要信息，并协助管理者进行决策。部分企业的经营决策者由于缺乏分析和理解会计信息的能力，所以并不十分重视管理会计所提供的资料，使得管理会计在企业中的重要性下降。此外，一些中小型企业则认为管理会计是大型企业才需要的，对于中小型企业，管理会计成为了可有可无的存在。
(二)高水平管理会计人才不足
在我国，目前适应企业需求的高水平管理会计人才严重不足。这主要是两方面的因素造成的：第一，对会计专业的培养存在问题。在我国的大学教育中普遍偏重财务会计，而不注重管理会计。同时，专业学科的设置较为单一，授课的知识面相对较窄。对于一个合格的管理会计人员来说，不仅要具备扎实的财务专业知识，同时还需要具备广泛的其他专业学科知识，以适应不同工作环境下的需要。第二，企业会计人员的整体专业素质亟待提高。许多企业的会计人员对管理会计的认识不足，还停留在基础的财务分析方法上。事后记账、出具报表成为主要的日常财务工作，极少主动将管理会计的方法与实际工作中获取的信息有效结合起来进行分析。同时，一个优秀的管理会计，不仅要懂得管理、数学和经济等方面的知识，还要全面了解企业的经营流程。目前，这类复合型人才在我国相当缺乏。
三、大数据时代管理会计工作提升路径
这是一个高度信息化，到处充斥着数据的时代。管理会计的作用恰恰是基于广泛数据分析，为管理者进行科学决策提供保障。因此，无论是在国家层面还是企业层面，都应该尽快转变观念，认识到大数据时代管理会计工作的重要性，并加强管理会计人才的发掘和培养。具体来说，大数据时代管理会计工作的提升路径可以包括：
(一)建设管理会计体系
首先，在国家层面应将会计准则与国际接轨，同时加大对管理会计理论的研究，并结合中国实际情况，制定一套适应中国国情的管理会计体系；其次，在高等教育层面应合理设置课程，加强管理会计学习，并适当融入大数据相关知识，以适应新形势的要求；最后，将大数据下管理会计实践中的优秀案例和先进经验，列入会计人员后续教育项目中，供广大从业人员交流和学习。
(二)部署财务职能转型
在大数据时代，财务职能的发展趋势是协助企业进行资产管理、风险控制、决策支持、价值引领等方面。传统的财务职能应尽快部署转型，将日常的标准化、重复性工作进行剥离、集中或外包，并重新定义财务流程和岗位职责，将管理会计作为企业财务职能的核心。
(三)培育管理会计人才
数据来源广泛、体量巨大、种类繁多，这些都是大数据时代的标签。只有通过专业的管理会计人才进行深度的挖掘和分析，才能从中得出对企业决策有价值的信息。因此，人才是企业有效运用管理会计的关键因素。要加强管理会计人才的培育，一方面可以加大招聘力度，通过丰厚的薪酬待遇和良好的工作环境，吸引优秀的人才加入；另一方面，通过对现有员工开展培训和交流等活动，提升员工能力，补齐知识短板，更好地适应企业的要求。
(四)强化管理会计地位
高级管理层要充分意识到管理会计对企业的重大意义，并促进企业的经营管理层重视管理会计。除此之外，还要加强财务人员的组织地位，给予一定的权力以便顺利开展信息搜集、整理和分析等工作，深化管理会计的应用。
四、大数据时代管理会计的价值展望
大数据时代对数据的应用日趋广泛，管理会计工作者应发散思维，积极寻找为企业创造价值的领域。目前，在大数据时代管理会计的价值展望包括：
(一)决策支持
在传统的企业管理中，由于数据缺乏，决策往往是凭决策者的经验和商业直觉来进行判断。大数据则对企业决策方式产生了重大影响，通过历史数据的积累和数学建模、数据挖掘技术等方式，能够提供更理性的数据决策模式。管理会计可以充分利用大数据分析方面的优势帮助企业进行决策。当遇到重大决策问题时，管理会计应尽可能全面的收集企业内外部数据，为决策者做出合理决策提供保障。
(二)预测支持
在传统的管理会计中，较少涉及预测职能。而在目前的大数据应用领域，最突出的就是预测技术。预测技术可以拓展管理会计的职能范围，并作为管理会计为企业创造价值的重要方式。以销售环节为例，企业急需依据客户的个人身份、购买记录、位置信息、社交习惯等信息构建预测模型，进而有针对性的进行分类促销。数据越大越精确，越有利于模型作出准确的预测。目前，许多企业都在加大对预测领域的投入，管理会计应利用自身专业性，帮助企业建立预测模型，从而提升企业管理效率与运营绩效。
(三)控制支持
控制是指企业为管理风险、增加实现既定目标的可能性而采取的行动。这些行动由管理层负责计划、组织并指导实施，为实现目标和目的提供合理保证。大数据时代强调企业对日常经营管理活动进行全面地记录和分析，因此提升控制的效率被视为决定性因素。管理会计中的流程管理和内部控制等，将极大地加强企业对于运营的控制，从而保证运营效率。
(四)评价支持
管理会计负责对组织内部的个人、机构或项目进行评价，其评价标准即包括财务信息，也包括大量非财务信息，从而有效规避单纯依赖财务信息评价的缺陷。大数据时代对评价职能进行了改变，在传统的评价中，企业更侧重内部评价，而大数据时代因为拥有大量外部信息作为评价依据，所以应该加强从客户价值的角度进行评价。管理会计的业绩评价工具可以更好的适应这种转变，从而提升管理会计的价值。
五、结束语
管理会计是企业发展的关键工作之一，随着大数据时代企业数据的日益丰富，管理会计的工作也面临着许多挑战。如果拒绝适应和改变，不仅会对企业会计数据的收集、整理和应用等工作造成困扰，甚至还会对企业的发展形成制约。管理会计应把握时代的脉搏，积极的面对大数据，深入地分析大数据，从而为企业管理层提供有价值的信息。作为企业则应该紧紧抓住这一契机，采取有效措施积极应用大数据，使企业的发展再上一个新的台阶。笔者结合自身多年工作经验，以及对管理会计的认识，论述了在大数据时代管理会计面临的变革和问题，并阐述如何更好地提升管理会计工作，创造出更多的价值。希望本文能为读者对提高管理会计的工作质量、创造管理价值提供一些思考和启发，共同为推动国家经济的发展，保障经济平稳运行贡献力量。
作者:袁莉萍 单位:南通新源投资发展有限公司
参考文献:
[1]王镕溪.浅析大数据对管理会计的影响及对策[J].中国经贸，2015(15).
[2]赵慧.大数据引领管理会计变革[N].中国会计报，2015.
【关键词】大数据时代 “四V”特征 流量经营 安全威胁
随着移动互联网、物联网、云计算等的快速发展，及视频监控、智能终端、应用商店等的快速普及，全球数据量出现爆炸式增长。即使在遭遇金融危机的2009年，全球信息量也比2008年增长62%，达到80万PB（1015字节），2010年增至120万PB。据IDC预测，至2020年全球以电子式形存储的数据量将达32ZB（1021字节）。以120万PB数据为例，如果将其刻录在DVD上，再将这些盘片堆叠起来，可从地球到月球垒一个来回！
在此背景下，电信运营商在其网络无休止扩容的同时，却面临“增量不增收”的困境；而一些采用“数据驱动型决策”模式经营的公司，则可将其生产力提高5%～6%。因此，有必要深入研究大数据时代（Big Data Era）的挑战、价值与务实应对策略。
1 大数据时代的基本特征
据统计，2010年以互联网为基础所产生的数据比之前所有年份的总和还要多；而且不仅是数据量的激增，数据结构亦在演变。Gartner预计，2012年半结构和非结构化的数据，诸如文档、表格、网页、音频、图像和视频等将占全球网络数据量的85%左右；而且，整个网络体系架构将面临革命性改变。由此，所谓大数据时代已经来临！
对于大数据时代，目前通常认为有下述四大特征，称为“四V”特征：
（1）量大（Volume Big）。数据量级已从TB（1012字节）发展至PB乃至ZB，可称海量、巨量乃至超量。
（2）多样化（Variable Type）。数据类型繁多，愈来愈多为网页、图片、视频、图像与位置信息等半结构化和非结构化数据信息。
（3）快速化（Velocity Fast）。数据流往往为高速实时数据流，而且往往需要快速、持续的实时处理；处理工具亦在快速演进，软件工程及人工智能等均可能介入。
（4）价值高和密度低（Value High and Low Density）。以视频安全监控为例，连续不断的监控流中，有重大价值者可能仅为一两秒的数据流；360°全方位视频监控的“死角”处，可能会挖掘出最有价值的图像信息。
2 大数据时代面临的挑战
（1）运营商带宽能力与对数据洪流的适应能力面临前所未有的挑战，管道化压力化解及“云—管—端”的有效装备也均面临新挑战。
（2）大数据的“四V”特征在数据存储、传输、分析、处理等方面均带来本质变化。数据量的快速增长，对存储技术提出了挑战；同时，需要高速信息传输能力支持，与低密度有价值数据的快速分析、处理能力。
（3）海量数据洪流中，在线对话与在线交易活动日益增加，其安全威胁更为严峻；而且现今黑客的组织能力、作案工具、作案手法及隐蔽程度更上一层楼，典型的有APT（Advanced Persistent Threat，高级持续性安全威胁）。
（4）大数据环境下通过对用户数据的深度分析，很容易了解用户行为和喜好，乃至企业用户的商业机密，对个人隐私问题必须引起充分重视。
（5）大数据时代的基本特征，决定其在技术与商业模式上有巨大的创新空间，这将对可持续发展起关键作用。
（6）大数据时代的基本特征及安全挑战，对政府制订规则与监管部门发挥作用提出了新的挑战。
3 大数据带来的价值
（1）利用大数据特征，借助云计算等有效工具，深度挖掘流量与数据价值，可帮助运营商实施好流量经营，减轻管道化风险，发扬“云—管—端”的智能管道的威力。
（2）多业务环境下掌握用户体验效果尤为重要，可从海量用户数据中深度分析、挖掘出用户的行为习惯和消费爱好，以实施精准营销及网络优化，掌控数据增值的“金钥匙”。
（3）掌握好大数据的存储、分类、挖掘、快速调用和决策支撑，并应用于企业的日常运营、维护及战略转型中，成为企业可持续发展、维持竞争优势的当务之急与重要途径。
（4）充分利用对大数据的分析、挖掘，可帮助找到隐蔽性极强的APT之类的安全威胁，助力信息安全部门找到应对新型安全威胁的有效途径。
（5）通过对公共大数据的分析、挖掘与利用，可减少欺诈行为及错误数据的负面作用、追收逃税漏税及刺激公共机构生产力等，帮助政府节省开支。例如英国政府即通过此途径节省大约330亿英镑/年。
4 大数据时代的应对策略
（1）大数据时代应以智慧创新理念融合大数据与云计算，在大数据洪流中提升知识价值洞察力，实施高效实时个性化运作，建立有效增值的商业模式，确保应对APT之类的新型安全威胁。
（2）电信运营商转型中流量经营已成共识，即以智能管道与聚合平台为基础，以扩大流量规模、提升流量层次及丰富流量内涵作为基本经营方向，并以释放流量价值为基本目标，可见大数据和云计算的深度融合与此流量经营目标十分吻合。实际上已经有一些运营商借助大数据Hadoop云工具管理与分析网络中的用户数据，为日常运维及制定市场战略等提供有效支撑。
（3）针对大数据时代的基本特征，加强全方位创新。包括IBM、EMC、HP、Microsoft等在内的IT巨头，纷纷加速收购相关大数据公司进行技术整合，寻找数据洪流大潮中新的立足点。而涉及人工智能、机器学习等新技术的创新应用，已初显效益。
