時間：2023-05-19 16:04:58
導語：在大數據開發的過程的撰寫旅程中，學習并吸收他人佳作的精髓是一條寶貴的路徑，好期刊匯集了九篇優秀范文，愿這些內容能夠啟發您的創作靈感，引領您探索更多的創作可能。
通過一系列收購，EMC已經建立了一條比較完善的大數據產品線。在此基礎上，EMC拋出了大數據之旅的三段論。
第一關：構建云基礎架構
大數據分析和處理的基礎是完善的云基礎架構，主要包括大數據存儲和大數據分析兩個平臺。
EMC大數據存儲平臺的兩大支柱產品是Isilon集群NAS以及Atmos海量智能存儲。Isilon集群NAS是EMC兩年前收購的產品，具有很強的橫向擴展能力，使用起來非常方便。目前，Isilon集群NAS被用于許多云存儲的項目。Atmos海量智能存儲可以很好地支持分布式大數據計算。許多電信運營商基于Atmos構建了公有云系統，其部署非常簡單，而且性價比很高。
EMC的大數據解決方案分成純軟件和軟硬件一體兩種。Isilon集群NAS與Greenplum軟件組成了一體化解決方案。蔡漢輝介紹說：“Isilon集群NAS目前主要作為大數據存儲平臺，可與Greenplum、Hadoop結合，但同時也會兼顧傳統存儲應用。為了更好地支持大數據和云服務，Isilon集群NAS在今年底還會開放API，讓更多第三方的廠商能基于Isilon集群NAS平臺進行開發。”
EMC大數據分析平臺的核心是兩年前收購得來的Greenplum的產品，主要包括Greenplum Database（支持結構化數據庫）和Greenplum HD（支持Hadoop）。蔡漢輝介紹說：“Greenplum大數據分析平臺可以實時處理任何來源的數據，包括結構化、半結構化和非結構化的數據。Greenplum不僅可以處理PB級的數據，而且處理速度可以達到10TB/h。”
第二關：實現社交化服務
構建高性能、可靠、靈活的大數據分析平臺是第一步，接下來，用戶要構建數據處理的協作平臺，建立自助服務的環境。EMC把這個階段稱為社交化階段。
2012年3月，EMC了首個用于大數據的社交工具集Greenplum Chorus，使得數據科學家可以通過類似Facebook的社交方式進行協作。Greenplum Chorus是EMC中國研發團隊主導開發的產品。Greenplum Chorus基于開放的架構，是一個用于數據挖掘和協作分析的流程平臺。Greenplum Chorus包括數據探索、個人項目工作空間（又稱個人沙盒）、數據分析和幾個主要環節。
Greenplum Chorus開發主管莊富任介紹了Greenplum Chorus的工作流程：Greenplum Chorus提供了強大的搜索引擎，可以快速尋找到數據，并將這些數據進行關聯，從而實現數據采集的可視化；采集來的數據被放到個人沙盒中進行處理，這個處理過程不會影響整個數據庫的運行；在協作分析階段，數據分析人員可以共享工作空間、代碼，協同工作兼具靈活性和安全性；最后，相關的處理結果被出來。上述處理過程將循環往復。
Greenplum Chorus未來將走向開源。EMC已經了一個名為OpenChorus的計劃，其目標是促進技術創新，同時促進那些運行在Greenplum Chorus平臺上的協作的、社交化的數據應用的普及。2012年下半年，EMC還將公布Greenplum Chorus源代碼，讓更多人加入到Greenplum Chorus陣營中來。
第三關：敏捷開發服務
大數據處理的第三個階段就是構建一個敏捷的開發環境，用于實時決策，并且更好地支持大數據應用程序。
從形式上看，傳統的大數據方案包括打包方案和定制化開發兩種。打包方案具有高效率、低成本的優勢，但是需要精確的數據模型。定制化開發可以實現應用的創新，但是實施起來難度大，周期長，而且價格昂貴。EMC希望為用戶提供一種敏捷開發的方式，在充分發揮上述兩種方案優勢的同時彌補其不足。為此，2012年3月，EMC收購了Pivotal Labs公司。Pivotal Labs是一家私營的敏捷軟件開發服務和工具提供商。
關鍵詞：大數據時代；軟件工程；技術分析
1大數據時代概述
目前隨著科學技術的不斷發展，互聯網技術應用到社會的各個層次各個領域中，人類社會的發展已越來越離不開網絡技術的支持。大數據時代即在這種背景下應運而生，人們可以將大數據通俗地理解成數量極其龐大的數據信息，是計算機軟件技術發展的一次偉大變革，而且對社會及人們生活的影響作用逐漸增強，被廣泛地應用于企業管理及公共事務管理等各個方面，促進社會向更高層次發展。同時，不同類型和領域的信息數據收集既是從事生產和生活的最基本元素，更是計算機軟件工程的最原始依據。大數據時代的背景下，軟件開發人員可以更加方便地獲取數據信息，同時也對其更好地應用這些數據提出了更高的要求。總之，大數據時代需要大量先進的軟件技術人員，領悟大數據時代的真正內涵，并將大數據時代的精髓更好地運用到技術分析中去[1]。
2軟件工程技術現狀分析
進入互聯網階段，計算機軟件工程技術處于高速發展的態勢，大數據時代背景下，要求計算機軟件工程技術結合大數據技術，更好地服務社會。當前情況下，與大數據有關計算機軟件技術包含虛擬化技術（VirtualReality，VR）和云儲存技術，VR技術能提高信息處理的速度，云儲存技術提高了信息數據的儲存效率。大數據技術同時具備專業性和實用性的特點，對軟件工程技術工作提出了更高的要求，不僅能收集整理各種各樣的數據信息，保證數據信息的安全性和有效性，剔除數據信息對軟件分析的不良影響，更要能利用大數據不斷創新思路。對于我國現階段的軟件工程技術水平來說，要認識到與發達國家相比，還存在著一定的差距，因此軟件工程技術人員更要適應大數據時代的潮流，讓軟件工程技術工作提到更高的臺階[2]。
3大數據時代背景下軟件工程技術分析
3.1軟件工程技術分析全新思路及方法
在軟件工程技術分析長期的發展過程中，逐步形成了一套固有的思想與設計方法，對軟件工程技術工作起到了一定的促進作用。同時，時代是進步和發展的，軟件工程技術者也要用發展的思維模式對待工作。在大數據時代背景下，軟件工程技術工作需要適應時代的要求，在原有理念的基礎上，力求探求更符合時代特色的軟件開發思想和理念。首先，根據大數據時代大數據處理的特殊形式，考慮如何更好地開發出更能支持數據處理的軟件系統，逐步形成獨特的面向大數據的軟件工程技術思想，使用適應于大數據時代特點的軟件工程技術方法。其次，在軟件工程技術工作過程中，技術人員會接觸到很多軟件過程數據，或多或少都具備一些大數據的特點，所以軟件技術人員應該認真分析數據的特征，找出有利用價值的數據群，并充分利用這些有價值的數據，力求在探求的過程中發現可能的軟件工程規律，并將其運用到后續軟件工程技術的工作中去，這樣反復不斷地分析思想及方法的更新，會促進技術人員逐步形成基于大數據的軟件工程技術分析方法，其正是適用于大數據時代背景下寶貴的軟件工程技術分析方法[3]。
3.2軟件工程技術需要全新的技術手段和工具
對于軟件工程技術分析而言，在很長的一段時間內，技術手段比較單一，技術分析工具比較簡單，這些手段及工具適用于比較單純的分析對象，但是對于大數據時代背景下的數據處理就顯得捉襟見肘了，尤其對于大交匯數據的處理，不能做到全面研究，因此軟件工程技術仍然需要新的技術手段和工作。鑒于現代社會生產及生活特點，大數據的范圍包羅萬象，大數據來源于生產生活中的方方面面，不僅包括生產企業或消費者個人在生產或消費的過程中產生的各種交易數據，還包含消費者在各類交易媒介中產生的大交匯數據，諸如美團、支付寶等各類網絡終端或POS機、手機APP等移動終端中的大交匯數據。在這些數據中，交易數據通常情況下屬于結構化的數據，軟件開發者們在處理這些數據時，可以運用傳統的設計技術手段和工具來完成。但是大交匯數據一般狀況下屬于半結構化甚至有些屬于非結構化數據，軟件開發者如果單純用傳統的數據處理方式將無法完整地處理這些數據，不論是從存儲和管理方面，還是從更高層次的分析和應用層面，都要求軟件技術人員運用諸如云計算技術等新的手段及技術工具。與此同時，由于大數據具有涉及范圍廣、數據紛繁復雜的特點，軟件技術者必須具備將大數據并行分析的能力，并能從中挖掘出有利用價值的信息，這就要求軟件工程技術人員能準確地認識到傳統數據挖掘手段單點式挖掘依存性高、實時性差等不足，探尋針對大數據分布式存儲特點的數據處理方法，增強自身對快速變化的數據實時處理的能力。
3.3軟件工程技術需要全新的需求分析方式
從理論上講，軟件工程技術分析基本思路：軟件工程技術分析首要的工作即是進行嚴謹的需求分析，深刻理解軟件需求者的真正需求，根據需求確定要技術分析的軟件系統的功能需求、性能需求以及其他各方面的需求。繼而在此基礎上進行后續的軟件開發設計、測試及交付使用等其他重要工作。但是需求分析是軟件工程技術的先決條件，很大程度上決定了項目軟件設計最終能否成功交付。傳統的需求分析方式，一般是采用與軟件需求者進行面對面的交談或者對大眾需求者進行紙質問卷調查的形式，軟件工程人員通過內部成員收集到的信息進行全面討論，絕大多數情況下技術人員會滲透到業務流程中，因此必然會經歷較長的過程，消耗較長的時間，使得軟件設計的時效性得不到很好的保證。在大數據時代的背景下，大數據時代數據繁雜瞬息萬變的特點要求必須加快軟件工程技術分析結果的推出進程，而且要滿足軟件升級換代的速度要求，軟件工程技術人員必須在短時間內收集大量用戶的需求，并以最快的速度做出反應，完成相應的設計開發測試等工作，并在測試的過程中用同樣的方式收集測試用戶的反饋，對反饋意見歸納分析，運用到軟件系統的優化工作中，使得設計產品迅速得到完善。實際上，在大數據時代背景下，想要獲取廣大軟件需求者的真正需求，并不需要需求者面對面直接參與，畢竟這種形式能參與的需求者并不會太多，甚至有時不具有代表性，軟件工程技術人員首先可以通過網上問卷調查的形式更大程度地了解受眾人群的需求，更重要的是借助大數據分析的手段，通過對需求者一系列的網上活動來獲取更加有價值的需求。總之，大數據時代背景下軟件工程技術需求分析思想的變革，必然會引起軟件設計思維方式以及設計流程的變革[4]。
3.4軟件工程技術人才培養要有適合時代特色的培養方案和師資力量
軟件工程技術人才培養，一定要圍繞時代特點來開展，因此軟件工程技術人才培養方案是應該不斷更新和優化的。時代的變更、大數據時代的到來，必然會對原有的人才培養方案提出更高的要求。大數據時代需要軟件工程技術人員具有快速的反應能力、敏銳的觀察力和綜合分析能力，旨在培養和加強人員的實踐創新能力。軟件工程技術需要全新的思維模式和創新模式，更需要不斷向技術人員的隊伍注入新鮮的血液，大數據時代背景下，對專業軟件工程技術人員的培養工作刻不容緩，要想做好設計人員的培養工作，必須制定出符合大數據時代特點的專業培養方案，并依據培養方案的要求，儲備雄厚的師資力量。專業的培養方案為軟件工程技術人才培養指明了培養方向和目標，而雄厚的師資力量更是專業技術人才培養的重要保障，確保了軟件工程技術人才知識的先進性和專業性。大數據時代背景下，不論是從軟件工程技術思想和設計方法方面，還是從技術手段和技術工具上，以及需求分析方式上的轉變方面，都要在軟件工程技術培養方案中體現出來，也給培養方案的制定提出了更高的要求，其中培養目標和課程設置尤為重要，要一切以大數據時代特點為理論依據，才會使培養方案更具時代特色，緊跟時代的步伐。在硬件方面，一批擁有過硬技術本領的師資隊伍的組建，是培養優秀軟件工程技術人才的有力保證，同時用于實訓的實驗平臺的建設也要能跟上培養方案的要求。
4結語
綜上所述，大數據時代，為軟件工程技術分析帶來了新的挑戰和機遇，軟件工程技術要依托大數據時代的特點和要求，不斷優化設計模式，主要體現在：全新的設計思想和設計方法、全新的技術手段和設計工具、全新的需求分析方式以及適合時代特色的培養方案和師資力量等方面。如何更好地抓住大數據時代機遇，并不斷迎接新的挑戰，合理有序地做好這幾個方面的工作，是軟件工程技術人員需要重點考慮的問題。
[參考文獻]
[1]何克清，李兵，馬于濤，等.大數據時代的軟件工程關鍵技術[J].中國計算機學會通訊，2014（3）：8-18.
[2]周明輝，郭長國.基于大數據的軟件工程新思維[J].中國計算機學會通訊，2014（3）：37-41.
大數據是互聯網技術變革所形成的新的社會態勢，也是未來社會需要面臨的主要社會形態。在大數據時代下，軟件工程技術與大數據技術呈現出互相影響、相互促進關系。面臨社會對軟件工程技術提出的機遇與挑戰，相關人士需抓住機遇、迎接挑戰，致力于軟件工程技術的開發與應用，提高信息數據處理能力，發揮我國各行業技術優勢。
一、軟件工程技術定義
軟件工程技術是指應用計算機基礎技術，應用編程語言對軟件功能、軟件操作等內容進行優化，將其應用在信息處理之中。我國對軟件工程基礎技術研究起源于上個世紀八十年代，并首次召開了軟件工程研討會，將其作為一個具體學科也在八十年代初。現如今，軟件工程技術已經成為一個普遍名詞，是各行業、各部門主要研究對象。
二、大數據時代下軟件工程關鍵技術
（一）軟件服務工程技術
軟件服務開發符合我國當下社會主流需求，也是社會發展的主流需要。其在技術上主要應用在服務功能比較明顯的軟件開發之中，主要是指以工程化形式，利用計算機系統編程語言、開發程式及步驟、數據系統等內容，實現具備服務功能、應用功能軟件的開發。軟件工程開發以服務能力為核心，以虛擬特征以及分布樣式為基礎，對用戶具體應用情況進行調試，保障用戶應用軟件工程系統科學性、穩定性、安全性。與此同時，服務軟件工程技術可實現應用數據之間的整合，提高軟件管理操作能力，對各項操作流程等進行明確。在大數據時代背景下，服務軟件工程開發技術更加傾向于局域網內部應用，可以保護局域網內部用戶不會受到木馬病毒惡意襲擊，極大程度保障軟件工程應用安全性。例如，某企業應用服務軟件工程技術，致力于服務與應用效果軟件系統開發，將其應用在企業整體業務管理之中，為了提高軟件服務工程應用效率，賦予了軟件私人訂制功能，強化軟件服務工程自定義效果。由于該技術應用需要進行大量投資，在我國很多中小型企業中沒有得到廣泛應用，軟件工程開發人員需在深度市場調研基礎上，提高該技術應用能力[1]。
（二）眾包軟件服務工程
在眾多軟件工程技術中，大多數均具備的功能為處理信息、數據的集中性，可以生成大量數據信息，并呈現出集中性等特征。眾包軟件工程技術在世界各國均得到了廣泛普及，是各國的重點研究對象。該技術在應用過程中可以流式數據、密集數據研究為主，實現系統化服務平臺構建，其核心應用價值在于具有很強服務能力，并以群體信息服務等方式，優化自身應用價值。該軟件工程技術相比較企業技術而言，具有明顯優勢，其在數據實質表現上具有真實性特征，忽略了軟件形式要點，并不具備單位量化特征，重點突出在集中性上。眾包軟件工程技術具有很廣闊發展空間，在市場有很強的發展前景，其技術能力與軟件開發程度、系統管理能力息息相關，開發單位需重視該技術中數據傳輸有效性，促進軟件長久穩定發展。眾包軟件工程技術以專業理論分析為依據，可從整體角度實現數據信息傳輸、處理等功能，以全面服務為核心，實現軟件系統開發。企業及有關部門需強化眾包軟件開發技術應用，提高技術應用水平，在技術上進行創新，提高自身競爭實力。
（三）密集型數據科研技術
“第四范式”是密集數據研究一種，在2007年由吉姆格雷提出。在該技術理論研究過程中，強調大數據儲存技術應用價值性，以統一的理論方法作為數據研究主要支撐。在該技術開發與應用過程中，對其傳統軟件工程中一、二、三范式進行理論與數據分析，提高其短時間內的數據儲存與信息處理能力。在經過反復試驗對比之后，研究人員改變傳統思維模式，首先致力于“第四范式”數據結構研究，在整合驅動大數據基礎上，對軟件服務價值進行了全面概述。針對密集型數據分析方式，傳統的數據周期、信息流程方法已經無法適用，在模型效果上存在滯后性。研究人員以原本數據、信息、模型研究為基礎，對其數據服務、信息服務等進行推演，逐漸構建出第四范式模型，對其服務能力、服務價值等進行了全面優化。“第四范式”是大數據時代下，軟件工程開發關鍵技術之一，在不斷的研究中得以完善，可以實現密集數據生命周期有效提高，以全新的數據模型，為軟件工程開發提供技術保障。有關部門需給予高度重視，使其能夠適應未來社會的發展。
（四）軟件工程技術在企業中應用
軟件工程技術在企業中應用主要體現在兩個方面，一是在信息通信中應用，二是在信息解決問題中應用。以某企業發展為例，某企業在運行過程中應用計算機軟件工程監測技術，實現用戶信息數據有效處理，并對用戶信息進行科學保存。軟件工程技術在逐漸發展中，其功能也在不斷完善，信息通信功能可以為企業留存大量客源，具有十分巨大的行業價值。在信息解決方面應用軟件工程技術，其主要應用方向在于系統平臺管理，在大數據時代下，軟件工程技術需具備以下五個環節，分別為產品抽樣、產品樣本采集、信息優化修改、構建數據模型、生產效果評定。企業應用軟件工程技術進行信息問題解決，可以實現企業整體數據的有效分析與整合，保障企業內部信息準確、全面。所以。企業要重視軟件工程關鍵技術應用，提高自身軟件技術應用能力，致力于企業經濟效益提高，進而提高自身競爭能力[2]。
結論：
總而言之，大數據時代在不斷深入發展過程中，國家以及企業均需要給予高度重視，在軟件工程技術開發上進行創新，并強化大數據時代下軟件工程理論與實踐研究，為企業發展提供更加優質技術服務。在未來發展中，軟件工程技術將會越來越完善，其在技術上能給予用戶更加優質服務，在信息處理速度與穩定性上均會得到極大程度提高。
參考文獻：
關鍵詞：大數據；數據創新；數據公開
中圖分類號：C931 文獻標識碼：A DOI：10.3969/j.issn1003-8256.2013.02.010
網頁時代，google憑借強大的搜索功能搶得先機；社交媒體時代，facebook憑借領先的分享模式獨領；大數據時代，什么樣的企業能執牛耳？
1、大數據時代的三種公司
按照牛津大學教授、《大數據時代：生活、工作與思維的大變革》作者維克托·邁爾·舍恩伯格的觀點，大數據產業的價值創造一般有三部分組成：數據本身、處理數據的技能以及利用數據的創新思維。這三者也分別代表了大數據產業中的三種公司類型。
大數據掌控公司。這類公司擁有大量數據或至少可以收集到大量數據，卻不一定有從數據中提取價值的技能或者用數據催生創新的思想。最好的例子是twitter，它擁有海量數據，但是它的數據都通過兩個獨立的公司授權給別人使用。
大數據技術公司。這一類公司通常是咨詢公司、技術供應商或者分析公司。它們掌握了專業技能但并不一定擁有數據或提出數據創新性用途的思想。比如，沃爾瑪和Pop-Tarts這兩家零售商就是借助天睿公司（Teradata）的分析來制定營銷方案—而天睿這樣的公司就是大數據分析公司。
大數據點子公司。Jetpac是通過想法將大數據轉化為價值的一個例子。這家公司通過用戶分享到網上的旅行照片來為人們推薦下次旅行的目的地。對于這些公司來說，數據和技能并不是成功的關鍵，讓這些公司脫穎而出的是其創始人和員工的創新思維，它們有實現數據新價值的獨特想法。一般來說，這類公司的創始人會是外行人，他們思考的只是將數據轉化為價值的可能性，而不考慮所謂的可行性—可行給技術人員操作。
當然，有一些公司，比如google，就是既擁有數據，也具有技術，同時還不缺點子的公司。以上分類，舍恩伯格也認為，只是針對采用信息化系統已久的非互聯網公司的大數據價值鏈。而這些公司，正是大數據成為信息技術領域最新創新點的主要原因。
2、大數據處理：外包模式
國內一些具有大數據的非互聯網公司也逐漸意識到了大數據能夠帶來的機遇。如上海的上廣電就是一個典型例子。他們通過安置機頂盒，在給電視觀看者提供數字內容的同時，也獲得用戶觀看習慣的數據。同時，電視的位置也是可知的。基于這兩種數據，就可以開發出一定種類的新的服務。
比如，基于客戶行為的個性廣告。如果某一家庭喜歡看少兒節目，廣告就可以推送與兒童有關的。再比如，基于客戶位置的信息推送。如果某用戶居處附近有商家在打折，電視就可以推送這些打折信息。還比如，基于群體行為的廣告定價。根據用戶的過往數據，可以比較有把握地預測一部電視劇是否會火。
作為電視臺，上廣電（至少目前）并不具備大數據開發技能，但他們顯然也不愿意將他們的數據直接交給大數據處理公司。所以如果他們想要從機頂盒數據中開發新的服務，一定會選擇有能力的大數據專家或者公司上門服務。而他們根據計算結果進行應用即可。
3、大數據處理：中間商模式
在大規模爆發的大數據產業中，舍恩伯格認為，全新的數據中間商將橫空出現。他例舉了交通數據處理公司Inrix。這家公司位于美國西雅圖，它匯集了來自美洲和歐洲近1億輛汽車的實時交通數據。這些數據來自寶馬、福特、豐田等私家車，還有一些出租車和貨車等商用車。私家車主的移動電話也是數據的來源。一方面這家公司通過智能手機為用戶提供免費的交通信息，另一方面它也得到了這些車輛的同步數據。Inrix是典型的獨立運作的大數據中間商。每個汽車制造商可能都會利用自己的車輛在行駛過程中生成的成千上萬條數據來預測交通狀況，但這種預測不準確也不全面。但Inrix匯總了各家車廠車輛的數據，隨著數據量的激增，預測結果越來越準確。
作為汽車制造商，各汽車公司并不一定掌握分析數據的技能，他們的強項是造車而不是路況分析。所以他們都很樂意第三方來做這一預測的工作，而且這些同行業的競爭者并不介意通過行業外的中間商來匯集他們各自手中的數據。
第三方的數據商出現固然是一種趨勢，但這只解決了公司愿意提供的那些數據的處理。事關商業競爭力的數據一般公司是不會交給第三方數據公司的。
4、面對更大的客戶需求，還有沒有別的模式？
大數據越來越“大”。媒體、交通、運輸、食品、醫療等領域，都有大量數據在持續積累當中。目前幾乎所有對大數據的定義，都包括了“海量”、“實時快速”、“多種類”這三種特點。在大小公司的數據開發成為規模后，大數據將呈井噴狀態。
根據IBM和牛津大學的合作報告《大數據在真實世界中的運用—創新型企業如何從不確定數據中提取價值》，2012年，在接受他們調研的1061家公司中，28%的公司開始試點和實施大數據戰略，47%的公司處于規劃階段而剩下24%則處于概念認識階段。他們的全球調研發現，雖然大多數企業對大數據是為何物還不清晰，但是都表現出了越來越濃的興趣。未來越來越多的公司將意識到大數據的價值并尋找大數據技能和創新公司。不利用大數據的公司，很有可能被利用大數據的同行公司甩開。
可以預見，絕大多數公司都實行大數據戰略后，數據分析的要求要比現在大的多。這一方面將會刺激大數據技術處理公司的增長，同時也會刺激大量的數據中間商的出現。但是，應對越來越大的大數據處理需求，還有什么新的模式來嗎？
5、大數據處理的技術黑箱
大數據處理最主要的目標，就是將機器可讀的“數據”轉化為可以應用的“知識”。
無論是交給大數據技術處理公司，或者中間商，他們的工作內容，都是將公司的“數據”轉化為可供利用的“知識”。而這個轉化過程，一則需要一定的技術，二則需要一系列的軟硬件。具體的轉化過程—大數據處理的技術黑箱。如下圖（由上海交大梁曉峣教授和朱其立教授聯合繪制）所示。
在目前熱炒的“大數據”概念中，其實對于不同企業意味著不同的意義。如，IBM、Intel等比較關注最底層的硬件層，oracle等則比較關注系統軟件層，百度、街旁等比較關注最上面的應用軟件層，現在最為大眾所知的也是最上面這一層，如facebook、新浪微博的廣告推送，騰訊的微信即時聊天服務等。
但是“知識工程層”，也就是，在硬件和系統架構的基礎上，如何將“數據”轉化為“知識”，一直被當作是大數據公司內部的技術能力，人們往往并不對其深入剖析。
6、一種新模式：大數據處理平臺模式
事實上，從“知識工程層”著手發展，是可以大有作為的。如果一個客戶，將其數據提供給一個大數據技術公司，該公司將其數據轉化為“知識”，就完成了一種業務。這也就是本文一開頭提到的第二種公司—大數據技術公司的業務流程。
如果，有多個客戶將數據傳給不同的數據技術公司，而這些公司同時在這一平臺作業。那么，各個數據處理公司不僅分別滿足了各自的客戶，同時平臺也匯集了各個客戶的數據，進而有了將這些數據重組、混搭的機會。這種情況所能帶來的效益更是不可估量的。因為大數據處理，數據越“大”，創新的機會越多。而在處理各種數據的基礎上，平臺的技術能力和數據基礎也得到一步步加強。隨著領先者效應，有可能成為大數據時代的No.1企業。
所以，有沒有可能建立一個國有數據處理平臺？此平臺，可以處理各種客戶的數據處理需求。在滿足各種客戶自身需求的基礎上，還可以利用客戶的數據—在客戶同意的條件下—進行新的二次甚至三次開發利用。同時客戶也可以分得新一輪開發所創造的價值。
大數據帶動的在這一層級的產業需求，其下層的IBM、Intel、 oracle等以及其上層的facebook，百度等，由于“船大難掉頭”無法顧及。當然，即便他們想發展，也還面臨另兩個關鍵問題。一，第一桶數據哪里來？二，由于客戶眾多，數據必須有足夠的安全保障。
7、政府的作用：提供第一桶數據和控制平臺發展方向
最近幾年，政府數據開放運動（open data）在很多國家展開。這些國家公開政府數據的目的是為了刺激各種數據處理公司對政府的數據再利用從而創造新的價值。中國由于各種原因一直沒有加入此一行動，所以大部分的政府數據是處于擱置狀態的。
我們認為，在不公開政府數據的情況下，政府也可以成立一個國有的大數據處理平臺對政府自身的數據進行處理。這樣，既可以保證政府數據不發生外泄，同時也可以二次開發利用創造新價值。
而這一政府主導的平臺，也可以接受各個企業將其數據融入。企業出于對政府數據安全的信任，會愿意將自己的數據分享到政府的平臺。作為回報，企業可以得到該平臺基于各種類型數據所計算出的知識，提供的各種創新應用以及盈利的一部分。
當然還有另外一種可能，企業而不是政府建設這一平臺，但政府可以分享自己的一部分數據給以支持。通過這第一桶數據，該平臺可以進一步吸收其他企業、社會數據，并最終壯大。
8、待討論的問題
政府提供數據培養企業，一定存在這樣一個問題：政府數據作為一種獨特的資源，政府應當提供給哪個企業？選擇企業，無論是一家還是若干家，都是“選擇贏家”式的。這無疑會被認為是某種程度的政府“慈父主義”。歐美發達國家的處理方式，是將能夠公開的政府數據公開在互聯網上，任何企業或個人都可以開發利用。但是，在中國的背景下，一旦政府數據也通過互聯網公開，很有可能被國外發達數據公司搶先開發。如何平衡這兩者之間的矛盾，還需進一步研究。
參考文獻：
[1] [英] 維克托·邁爾·舍恩伯格（Viktor Mayer-Sch-nberger）肯尼思·庫克耶（Kenneth Cukier）.大數據時代——生活、工作與思維的大變革[M].杭州：浙江人民出版社，2012.12
大數據時代的到來，對整個世界都已經產生了巨大影響，具體到軍隊檔案管理領域，大數據的功能作用以及其對檔案管理工作的影響則主要表現在以下幾點：一是分析判斷能力強，方便了電子文件的鑒定和索引。大數據時代，電子文件以指數級的速度增長，給電子文件的管理帶來了前所未有的挑戰，雖然我們知道浩瀚的電子文件中蘊藏著巨大的“金礦”，但我們逐漸發現想要從這些電子文件中“淘金”比紙質文件還困難。面對著巨量的電子文件，逐一閱讀每一份電子文件的原文恐怕實在是無能為力。而大數據技術的強大功能作用為上述問題的解決提供了有效的幫助。在普通的硬件上安裝大數據轉發器，就能收集數據形成的龐大的系統數據，大數據軟件可以為機器生成的海量數據建立索引，將其整理成可以搜索的鏈接，這正是檔案工作迫切需要的技術。除此之外大數據技術還能完成數據的分類、數據的挖掘，從而使檔案管理擁有應對越來越復雜的數據的分析能力。二是處理技術手段高，解決了非結構化數據的處理難題。大數據類型繁多，包括結構化數據、半結構化數據和非結構化數據，至2012年末，非結構化數據占有比例達到整個數據量的75%以上。面對著快速增長的非結構化文件，檔案工作者在進行電子文件管理時困難重重，現在基于大數據技術的數據庫，如SQL已經既可以做關系數據，也可以做空間數據、圖像、數據流等非結構化數據，而且基于對象的存儲架構可以在一個系統中管理十億級別的文件數量，還不會像傳統存儲一樣遭遇元數據管理的困擾，大數據技術為檔案工作者管理非結構化電子文件的問題提供了解決之道。三是數據存儲容量大，避免了海量信息和數據的丟失。近年以來，在檔案數據庫的使用過程中，常常會碰到無法向數據庫中增加新的檔案數據的情況。要想安全地存儲巨量的檔案數據，不可能一味的蓋大樓、蓋機房，這就要求我們必須優化存儲、提高效率和節約成本，其實比起其他諸如電信行業、通信行業、電子商務等行業面臨的數據存儲空間問題，其實檔案行業的存儲空間問題只是小巫見大巫，大數據在計算機領域已經具有相當的成熟度，這也說明大數據技術對于解決存儲海量數據問題的有用性，這些公司使用大數據的經驗對檔案行業解決數據的存儲問題具有高度的借鑒意義。
2檔案管理運用大數據的策略
既然大數據時代已經到來，而且其功能作用對部隊檔案管理工作有著較為深遠的影響，運用得當，大數據將給我軍檔案管理工作帶來前所未有的成功，那么如何將大數據的理念較好地運用到檔案管理工作中來呢？
2.1建立檔案資源管理中心
大數據技術支持龐大數據的存儲和處理，使檔案資源的統一管理成為可能。為了維護檔案的安全及對檔案資源的綜合掌控，檔案需要備份，目前檔案館采用的是檔案的電子備份，檔案部門是否可以在全軍范圍內建立一個區域或者檔案備份中心，并且各部隊檔案部門能夠做到資源共享呢？只要通過嚴密驗證和科學規劃，這一措施是完全可行的。若全軍的檔案數據資源能集中起來，那么利用大數據進行檔案資源的管理、開發和利用將指日可待。
2.2培養大數據分析的專業人才
外界企業通過尋求和專門的大數據開發公司合作，較好的運用了大數據技術。而檔案管理牽扯到部隊保密工作，若想引入大數據，又要有效防止信息數據的泄露，就必須加緊健全信息化檔案管理人才隊伍，花大力氣培養大數據分析的部隊專業技術人才，方能有效避免擁有大量數據卻不懂數據分析的尷尬。
2.3開發大數據分析工具
部隊檔案管理區別于地方，存在特殊性和敏感性。這就要求我們必須結合部隊實際及檔案建設的特點，開發出一套符合我們自己的大數據分析工具。
3檔案管理運用大數據應注意的事項
【關鍵詞】實驗室建設 實驗室管理 大數據 計算資源管理
1 引言
隨著大數據應用的推廣，在教育領域上，大數據應用被用于分析學生的基礎信息數據、學習過程數據、學習行為數據、技能狀態數據和學習偏好數據等，借助相關的數據分析為教育活動、培養模式和教育決策提供合理的、有效的、科學的數據支撐。在大數據背景下，對高校實驗室的建設、管理及應用提出了更高的要求：
（1）實驗室建設應建設在具備計算資源的管理、數據存儲、數據采集能力的功能框架上；
（2）實驗室應能為各專業學生提供具備大數據實驗、大數據分析能力的計算資源及框架；
（3）實驗室平臺應具備產學研培養模式的服務能力。
以人才培養與學科研究/建設互動為原則，大數據背景下實驗室建設與學科發展、創新人才培養、師資技術培訓緊密結合，本文提出了基于項目管理和計算資源管理的計算機專業實驗室建設及管理的研究，并提出合理的解決方案，為推動教學和課程改革，推動教學模式和教學手段轉變，具備分析學生技能、學習行為及數據處理（數據采集、存儲、分析）能力，形成技能型、應用型人才培養模式創建一個良好的實驗教學環境。
2 大數據背景下計算機專業實驗室建設需求
在大數據背景下，隨著學校近年來專業數量的進一步擴大，增加的專業對實踐動手能力要求較高，為了達到更好的教學效果，現在的教學模式亟需發生變革，必須尋求一種更有效的實訓模式。結合計算機學科及專業實驗需求，實驗室的建設應具備前瞻性、擴展性、普適性的特征，專業實驗室的管理是管理員對計算資源進行運維的過程，體現了應用與理論相結合的需求。實驗室具備云計算、云服務及數據處理的能力，為培養新型技能型人才提供良好的實驗教學、實習實訓、對外服務的平臺及教學環境。在大數據背景下，計算機專業實驗室的建設及管理應從以下的幾個方面進行規劃及分析：
（1）針對計算機學科各專業的共同特征，在理論教學中各課程間是一個協同耦合的關系，以軟件開發過程為主線，將專業課程用規范的軟件項目過程模式應用到實踐教學管理中，將新的軟件開發模式、新的開發技術、新的業務流程快速地部署到實踐教學中并實施――該過程的實現對實驗室建設提出了專業實驗室中應具有基于項目管理平臺的能力。
（2）針對云計算、大數據應用的發展，為各專業學生提供個性化服務，實驗室應以虛擬計算資源的方式對各類用戶提供系統平臺服務、數據存儲及數據分析能力的計算節點：一方面通過實驗室平臺能方便快捷地管理硬件設施并以虛擬資源的形成呈現出來；另一方面所搭建的對計算資源進行管理的云計算平臺能為學生學習與計算資源管理相關的一系列課程的開設提供良好的軟件和硬件相結合的實驗環境。
（3）實驗室管理中應提供云服務平臺的管理模式，各類各層次及企業機構用戶能按其在參與的項目中所擔任的角色參與項目信息的共享、項目開發過程的協同、任務的分發及監督、討論等基于項目管理的活動，并可提供方便地按需進行系統環境的配置、開發平臺的部署等。
（4）提供知識庫管理功能，在課程上、在項目開發模版上、在開發素材上、在代碼復用上，為項目開發人員提供支撐的知識庫及歸檔服務。
（5）計算機專業實驗室的建設是一項既有硬件建設，又有軟件平臺建設的復雜工程，同時針對計算機專業的特點，實驗室是學生走向崗位的跳板和橋梁，其軟件平臺的建設應以產學研平臺為指導原則進行構建。
結合計算機學科的發展，云計算技術類專業在教學過程中通過實驗室平臺依靠云計算技術的模擬實踐環境的構建，將各行業實際的應用過程整合進來，把專業知識和實踐方法綜合與貫通起來，能更好地解決云計算技術類專業人才的培養和師資培訓的問題。
3 計算機專業實驗室建設方案及管理模式
3.1 實驗室建設方案的總體框架
針對高校的特點，實驗室建設的總體應用架構的搭建及系統平臺的構建遵循面向服務架構（SOA）原則，具備安全性、集中性、高效性、高可靠性、開放性、可擴展性。實驗室的總體框架由軟件平臺和硬件設備整合而成，主要包含了：
（1）應用層――教學實驗實訓管理；
（2）云服務平臺層――云服務運維管理層；
（3）虛擬資源層――計算資源的虛擬化及管理；
（4）基礎設施層――服務器及網絡等物理設備。
方案的總體框架如圖1所示：
圖1中“計算資源管理平臺”主要負責以下的工作：
用戶管理：團隊用戶的申請、審批、權限、生產環境及計算資源的配置模板管理。
計算資源分配管理：針對用戶的需求，制作對應的軟件生產環境系統鏡像（配置生產環境、開發嘞薜齲，并為其分配相應的計算資源。
在線用戶管理：用戶VM的管理、計算資源的回收和分配；
基礎設施的管理：在基礎設施中添加、維護物理服務器的入群和退出等。
計算資源管理平臺是一個基于云計算應用的管理平臺，部署上主要采用一臺高性能服務器或與云服務平臺層的服務器（高性能服務器）捆綁在一起。
3.2 實驗室管理平臺――軟件項目管理平臺
為實現實驗室的高效管理，為實現產學研的實習實訓模式，實驗室管理和核心平臺――軟件項目管理平臺，平臺主要由三個子平臺構成，其框架如圖2所示。
3.2.1 知識資源庫管理平臺
一方面為支持構件（源碼庫、類庫），相關的文檔――需求說明書、開發計劃、設計說明書等，設計素材，測試用例，案例庫等各個項目研發過程性知識資源的復用，以提高項目研發的效率；另一方面為教育培訓提供各個方面的知識資源案例，為培養軟件研發人才提供詳細的項目過程管理規范、項目案例示范、編碼案例示范、文檔模板及文檔撰寫示范。
3.2.2 協同開發服務云端平臺
以協同軟件生產線為業務工作流（需求分析設計任務分解任務分發開發整合（單元測試）測試驗收），線上（云端）主要管理：任務分解、任務分發、開發、整合（單元驗收）、項目驗收五個過程，其它過程為線下管理。在平臺上，首先將需求與設計部分（線下由項目負責人、項目經理完成――教師、學生、企業協同完成任務的設計及分配）產生的軟件設計說明書作為一個新的項目在平臺中進行注冊的初始化文檔導入系統，線上部分主要有：組織級項目管理、項目生命周期管理、任務管理、測試管理、評審管理、外包管理、審查管理、知識和文檔管理等基于混合敏捷開發方法（即支持敏捷和傳統的項目管理）的標準和方法。
3.2.3 協同開發桌面云
將桌面計算機的計算和存儲資源（包括CPU、硬盤、內存）集中部署在云計算數據中心機房，通過虛擬化技術將物理資源轉化為虛擬資源，并按需向用戶提供虛擬桌面服務。實現完整的水平整合和云化企業異構IT基礎設施的能力，能夠支持數據中心虛擬化或桌面虛擬化構筑云計算基礎架構和運營模式，實現固定和移動融合的云接入能力，幫助學生跨學院/跨區域對項目開發環境下的桌面、應用和數據進行統一管理、和聚合，提升軟件項目研發過程的信息安全及技術保密。
該平臺基于項目過程建立一個以流程導向、以軟件項目為中心的實驗室運維支撐平臺，為整個云實驗室提供一套行之有效的運維管理體系。
3.3 實驗室管理的內容
3.3.1 實驗教學管理模式
按照“三位一體”原則，主要由實驗室管理員、課程教師、學生、企業機構四個角色，為云計算教學實踐和實驗提供一個統一的管理服務模式，在管理平臺中完成實驗資源調度管理、教學資源管理、實訓課程管理、實驗軟件管理、實驗考核管理、用戶管理、權限管理及其他個性化設置管理等。
3.3.2 實驗課程管理
按照計算機學科各專業將課程理論和云實驗課程兩部分組成，涵蓋基礎原理、核心技術、平臺實踐、應用案例等。
最終用戶通過網絡，使用各種PC瀏覽器或移動終端設備接入實驗教學管理門戶，通過統一身份認證、訪問控制等安全策略控制后，使用云實驗室各種虛擬云資源及學校云實驗課程，為最終用戶提供云計算教學和體驗。
4 計算機專業實驗室實施架構及基礎業務流程
解決方案實施架構及基礎業務流程如圖3所示。
為了降低實驗室的維護成本，提高信息安全管理力度，采用“云端集中化”模式，通過云桌面技術將學生個性化桌面集中部署在服務器上，不同設備可以隨意訪問，同時實現桌面維護簡單化、業務數據集中化。具備：
（1）穩定、節能；
（2）少故障、易維護；
（3）模板式桌面部署，系統安裝、軟件分發、環境設置、故障恢復等工作可以一鍵下發，減少運維工作量；
（4）移動化、更靈活提升辦公效率；
（5）安全、易備份，業務數據集中存儲，形成分布式共享數據存儲，提供經濟高效的存儲。
5 結束語
在大數據背景下，高等教育的實驗室建設及配套的管理平臺應具備高開放性和可擴展性，一方面形成高效的實驗室管理模式的配套工具；另一方面能為培養計算機專業提供與研究熱點相關的實驗環境。
參考文獻
[1]陳雷.大數據學習分析的研究與應用――以浙江省教師教育MOOC培訓平臺的課程為例[J].現代教育技術，2016，26（08）：109-115.
[2]張艷艷，韓濤，高秀芝，等.基于大數據時代背景下的實驗室管理改革方向[J].教育教學論壇，2016（05）：219-220.
[3]毋妙麗，段曉英.基于云桌面的虛擬實驗室建設及應用[J].中國現代教育裝備，2016（23）：10-12.
[4]王娟 高等院校專業實驗室建設與管理探析[J].中國輕工教育，2016（01）：64-66.
[5]歐躍發，黃文明.基于云計算的虛M實驗系統的設計及應用[J].電腦知識與技術，2016（08）：097.
[6]劉世偉，田世鵬，甘濤，等.虛擬實驗室的研究與應用現狀綜述[J].物聯網技術，2016，6（09）：82-83.
作者簡介
莫瀟曉（1981-），男，廣東省肇慶市人。現為肇慶學院教育技術與計算機中心助理實驗師。研究方向為實驗室管理、虛擬實驗室、云計算。
一、“互聯網+”的重要標志：大數據時代
“互聯網+”行動計劃日益滲透到各行各業，它代表著時展方向，對人力資源管理帶來了創新變革。隨著科學技術水平的不斷提高，大數據應用已經在各行各業中體現出不可替代的價值，形成了“大數據+人力資源管理”的管理思維方式。大數據應用的出現意味著數據能夠廣泛滲透到各行各業及各個業務職能領域中；同時海量數據的應用掀起了新一輪的消費者盈余浪潮，并使得生產率有所增長。隨著互聯網及云計算等科技的興起及普遍使用，大數據作為新時代的產物，在越來越多、越來越復雜的海量數據下成功塑造出這一全新的概念。
大數據的主要特征有數據體量巨大、數據類型繁多、價值密度低和處理速度快。大數據作為海量數據的集合體，存在三種分類方式：（1）半結構化數據。例如用windows系統進行處理的文字、電子郵件及在網上閱覽的新聞等信息。（2）結構化數據。例如企業財務系統、人事系統等數據都是結構化的數據。（3）非結構化數據。例如移動終端、傳感器及社交網絡等產生的數據。大數據時代給人力資源管理帶來了新的思維和機遇，以大數據的思維模式，整合各類數據，挖掘數據價值。因此，“大數據+人力資源管理”必定是人力資源管理的發展趨勢
二、大數據應用在人力資源管理中的作用
1.大數據應用使數據具有廣泛的可獲取性及高透明度。部分制造商正在試圖通過集成多種系統的數據，并試圖通過從客戶和外部供應商獲取數據來共同完成產品的制造。例如汽車制造行業，汽車的零部件通過全球供應商集中提供。企業及其供應鏈合作伙伴通過這種高度集成的平臺可以在產品的初期設計階段就開始相互協調工作。
2.大數據通過改變決策的制定方式對競爭產生影響。大數據應用能夠使決策制定產生根本性的轉變。大數據可以通過利用可控實驗，使企業能夠對假設進行驗證，并對數據顯示的結果進行分析，從而達到利用大數據指導投資決策及運作方式的目的。大數據應用對面向用戶的企業有著極其重要的影響作用，面向用戶的企業通過對數據的分析和劃分來對用戶進行定位，而大數據應用可以使用戶質量實現質的飛躍，使用戶的實時性及個性化制定成為現實。新一代的零售商已經采取利用大數據應用，并且通過互聯網的點擊量對用戶進行定位和跟蹤，同時能夠影響并更新用戶的個人愛好，通過實時模仿其可能發生的行為對自己的產品進行改進和完善。
3.大數據對數據管理所做的改變及替代趨勢。大數據應用通過提高機器的分析能力及算法，能夠使制造商獲得更高的生產率。例如部分制造商利用大數據算法對生產線的傳感數據進行分析，為減少及避免損失創建自動調節過程，以達到減少成本過高的人工干預并實現生產率的提高。
4.基于大數據應用的新型商業模式產生。大數據的廣泛應用促使許多在價值鏈中生存的新型公司產生，通過商業交易創建具有高價值的“排出數據”，這種商業模式已被大量新型公司采用[1]。
三、大數據應用在人力資源管理中的價值
大數據應用使得人力資源管理系統的數據來源得到拓寬，并使人力資源的信息采集能力得到提升，使數據量最大化。大數據應用對人力資源管理的精確性、客觀性及針對性都有十分重要的作用。
大數據應用為人事工作提供更加全面的量化參考基礎。在組織人事工作的過程中，利用大數據的分析方式可以對人員流動、績效考核結果及人員培訓需求等進行有效分析。利用大數據的優勢結合全面的人力資源信息并對其進行反復持續地深入挖掘，利用人才分析或人力資源核算等方法，使大數據為人力資源管理工作發揮出戰略性的預判能力。
在大數據時代下，人力資源管理系統已經打破了傳統的組織形式并開始向普通員工靠近，從而在與員工交流的過程中產生更多的交互性數據，這樣不僅可以優化人力資源的組織結構，同時為員工服務創造出有利的條件，使員工能積極參加到認識管理工作中，并且使人力資源管理有更加規范的工作流程。
人才的核心競爭力在大數據時代下正發生著巨大的變化，利用大數據可以建立高效的人才數據管理模式。在大數據新時代下數據已成為企業的核心資產之一。通過對大數據應用的使用使得企業的一切信息都能夠被錄入和存儲，并且通過對企業及員工群體的信息進行有效分析和總結。
四、大數據下人力資源共享網絡的組織模式設計
1.人力資源共享網絡的構建框架。人力資源共享網絡的構建包括以下四個部分：確定共享網絡的目標、選擇共享伙伴、組織共享網絡結構和共享網絡的運行及反饋與平臺的設計開發。其中選擇共享伙伴與構建共享網絡平臺的設計開發是人力資源共享網絡建設的核心部分，因此，對二者進行深入分析[2]。
2.人力資源共享網絡的伙伴選擇。在人力資源共享網絡的建設過程中，共享網絡的伙伴可能是任何行業的人員或企業，因此，在選擇過程中，通過對人力資源狀況進行識別與評估，對候選共享伙伴進行初步確定，同時在此基礎上根據海量信息及經驗制定合理的共享伙伴評價體系與指標，從多方面對伙伴進行綜合性的評價，最終確定合適的共享伙伴名單。影響人力資源共享網絡選擇共享伙伴的因素有很多，根據不同的人力資源情況會出現不同的選擇側重點，在選擇過程中應根據共享網絡的建設目的及各組織進行合作的宗旨，從而確定對共享伙伴選擇中的評價體系。
3.人力資源共享網絡的平臺設計及組織結構。在確定網絡共享伙伴之后，開始對網絡組織進行詳細設計，其中包括網絡共享平臺的設計及組織結構設計：（1）人力資源共享網絡組織結構。在人力資源共享網絡組織的運行過程中，應建立各項功能機構并且執行網絡共享合作協議，使共享成員組織之間能夠有效而具體地開展人力資源共享活動。人力資源網絡共享組織一般具有兩個層次的功能機構：一是從微觀上根據具體的人力資源網絡共享需求及合作項目、目標組建人力資源網絡共享合作團隊，并且形成人力資源共享體系，運用不同的網絡共享方式實現需求者與人力資源擁有者之間的網絡共享；二是從宏觀的層次上建立由共享成員組織共同參與的高層管理機構，對整個人力資源網絡共享組織內部的工作負責并進行協調[3]。（2）人力資源網絡共享平臺的設計開發。人力資源網絡共享的平臺設計開發工作主要有以下幾個環節：利用網絡服務器將人力資源擁有的能夠進行編碼的知識及每個成員組織提供的相應人力資源信息進行傳遞；通過網絡共享平臺的各個內部子系統的運作，對人力資源編碼化的知識進行處理加工并且對共享成員間人力資源的需求進行匹配；最后通過網絡或人工傳輸，對每個網絡共享團隊的實踐活動進行指導。人力資源共享網絡平臺由以上各環節共同構成。
五、大數據下人力資源網絡的協調機制
人力資源網絡共享平臺的開發設計作為共享成員之間進行人力資源及知識共享的基礎平臺環境，還需要能夠支持整個網絡共享組織運行的協調機制，通過與協調機制的配合才能夠使得共享網絡組織的運行目標得到實現。
協調機制在人力資源網絡共享組織中主要強調以下幾點：配合并協調人力資源網絡共享平臺的運作過程；通過網絡共享文化培養及激勵機制等方式對各共享成員組織間的合作關系進行協調，達到使每個共享成員都能夠以有效的目標優化方式與其他成員合作共同達成目的。協調機制主要包括網絡目標分解、網絡組織結構及具體執行等層次的內容。
因此，人力資源網絡共享組織的協調機制主要在向前協調及向后協調兩個方面進行作用[4]。
1.人力資源共享網絡組織協調機制的向前協調作用。人力資源網絡共享組織的向前協調主要強調根據各共享成員的差異在共享網絡組織構建過程中預先設計合理的協調機制，以達到協調管理各共享成員組織與人力資源網絡共享整體運作的關系。
2.人力資源共享網絡組織協調機制的向后協調作用。人力資源網絡共享的向后協調機制主要包括發現、分析及解決問題三個部分。協調機制在人力資源網絡共享組織中主要著手解決在共享網絡運行中已經存在的沖突或問題。作為一種反饋模式被動地對事后出現的問題進行解決。
在人力資源網絡共享組織的運行過程中存在大量需要處理的共享伙伴之間的制約及依賴關系，因此，全面、正確地對其進行形式化描述并對整個運行過程進行有效的維持，從而減少共享成員組織間出現沖突的情況以降低協調工作量。
“大數據時代的預言家”維克托近日在北京面對一萬多名技術信徒再次預言。
顯然，這三大經典的技術信條在大數據時代面臨動搖，
技術信徒的思維模式也即將發生顛覆。
那么，大數據對技術信徒意味著什么？
他們又將如何面對這一顛覆性的變革？
“技術匯成一條大河，一波推動另外一波。”IBM中國開發中心首席技術官兼新技術研發中心總經理毛新生帶著對技術的滿腔癡迷這樣形容道。
一波未平一波又起，移動、社交商務、云計算、大數據等先后涌現的新趨勢正在融合成一股巨大的潮流，將所有的行業IT化，進而推動商業和社會的演進。這也就意味著“科技是第一生產力”在當下有了更深層次的涵義——“IBM認為，在由新一代技術組成的智慧運算時代，中國的企業家們需要更為戰略地思考信息科技的定位，將其運用到自身的變革轉型之中。” IBM全球副總裁兼大中華區軟件集團總經理胡世忠為企業新發展出謀獻策。
由2012年的“軟件技術峰會”改名為2013年的“技術峰會”，在這么一個盛會上，IBM試圖展示的內容涵蓋范圍更為廣泛——移動應用、大數據、云計算、DevOps軟件持續交付、應用整合、社交商務、專家集成系統等熱議話題，上百場技術主題演講、28場分論壇、22場動手實驗室和80個未來產品的現場演示，再加上被譽為“大數據時代的預言家”的《大數據時代》作者維克托·邁爾-舍恩伯格以及數十位來自IBM的院士、杰出工程師、相關領域的全球首席技術官和首席架構師的現場分享，IBM 2013技術峰會再次成為技術精英們關注的焦點。 大數據的新信條
《大數據時代》作者、牛津大學網絡學院互聯網治理與監管專業教授維克托·邁爾-舍恩伯格的出現著實讓場內數以萬計的技術信徒激動了一把。作為深刻洞察大數據給人類生活、工作和思維帶來的大變革的第一人，維克托以價格預測網站的例子作為開場白，論證了大數據已經悄然在大眾的身邊出現并給他們的生活帶來改變。
“全體性、混雜性和相關性是大數據的三個主要特點，而且這三個特點是互相加強的。”維克托歸納出了大數據對應的思維變革。收集和分析更多的數據才能獲取足夠的數據隱含的細節，這些細節恰恰是隨機抽樣所錯失的。“干凈”的、高質量的數據不再是標的，大數據需要我們摒棄對宏觀上精確性的追求，轉而獲得微觀上的準確性，即接受混雜的數據。最重要的是，人們不再沉迷于追尋數據之間的因果關系，即不再糾結于為什么，而是直接獲得“是什么”的答案，并通過應用相關關系，更好地捕捉現在和預測未來——抽樣因錯失細節得不償失，盲目追求精確性已經過時，執著于因果關系喪失機遇。
如何在大數據時代生存？維克托指出了兩個關鍵點：一是意識到技術或者規模并不是成功的充分條件。遺忘規模經濟，因為它的效益會逐漸淡化。20年前，一個公司只有擁有上十萬臺的服務器才能提供搜索服務，但在大數據時代，由于云計算的便利性，不擁有實體服務器的公司，如前文提到的，它只有30個員工，但它有能力為其上10億的用戶提供數據分析。二是為了在大數據時代獲得勝利，大數據的思維模式不可或缺，工具的力量不容小視，分析能力是必要的。藍色被谷歌選為搜索窗口的色彩，但藍色實際上有51種，而且這51種藍色人依靠裸眼無法明確區分，卻能在心理層面給人帶來不同的感受。經過大數據分析，谷歌發現原本由人工選出來的藍色會導致谷歌損失200億～300億美元的收入，因為這一種藍色并不最具備誘惑力，無法激起人們點擊的欲望。
大數據的力量需要具備大數據的思維模式，并有效利用大數據的工具去發掘。IBM杰出工程師、InfoSphere Stream高級開發經理James R Giles闡述了IBM對大數據的看法：“我們正一步步走到了一個新紀元——大數據時代。如同對待自然資源一樣，我們需要開掘、轉變、銷售、保護大數據資源；不同的是，大數據資源是無窮無盡的，我們不能任由大數據淹沒自己，而應該在獲得洞察需求的驅使下獲得價值。”
大數據的類型廣義而言有移動數據和靜態數據，還有結構性數據和非結構性數據，這對應著不同的處理方式。“技術人員的責任是，能夠去管理這些數據，能夠理解這些從不同的數據源而來、不同類型的數據，能夠分析這些數據，得出結論，讓其提供決策支持，為企業擁抱新的大數據時代提供技術支撐，以保證管理、安全、商業的持續性。” James R Giles號召技術人員積極行動，以大數據的思維模式展現技術的價值和魅力。
找到內在聯系
技術的趨勢總是融合，也只有有機融合才能形成合力，發揮更大的威力，而實現這一合力的前提是明確各個趨勢之間的內在聯系。
“實際上，社交商務、移動、大數據、云計算是一體化的。”毛新生建議技術人員用一個全面的、融合的范式來沉著看待和應對紛繁的熱點技術，理解這些熱點會如何影響整個IT的走向，進而明晰IT如何可以很好地支持各行各業的業務轉型和創新，“讓每個行業都可以從新的技術轉型當中獲得足夠的原動力”。
從貼近最終用戶的角度來看，移動技術、社交技術改變了商業機構與其雇員、客戶進行互動的方式。“就我個人的經歷而言，航空公司的移動應用可以提供更好的客戶交互。我是西北航空公司的粉絲，因為它家的移動應用服務很貼心，比如查詢航班信息、根據我的喜好預留位置、定制化地進行社交推薦等。”毛新生以一個普通消費者的感受證明了企業通過移動應用收集并利用用戶行為數據所帶來的服務質量的提升。
移動催生了“一種嶄新的服務交付端點”，即為用戶提供了更多樣化的服務體驗點，讓用戶隨時隨地可以利用碎片化的時間去獲得業務服務，也為企業帶來了全新的服務交付渠道。移動這個渠道提供了更為豐富的全樣性數據，在此基礎上，大數據分析就更可信。“移動所具備的碎片化特點會帶來更大量的用戶行為信息。當把所有的人的行為結合在一起，就可以做群體的社會性分析。社會性分析會得到比較準確的群體特征。而群體特征足以獲得很好的交叉銷售與線上銷售機會。”毛新生認為移動與大數據結合給企業提供了新的商業機會。
移動的設備無處不在。人、汽車，甚至建筑物、道路、橋梁，它們無時無刻不在提供數據，這就是新的數據源，是它們引領我們來到維克托所描述的更為廣闊的大數據世界。
移動和社交商務的便捷性使得企業的整個業務流程變得非常自動化，用戶可以享受自助服務，對應到企業端就意味著業務流程對前端的需求要反應得更為迅速，也意味著各個業務系統之間無縫連接，否則沒有辦法支撐以最終用戶為中心的服務體驗，但跨部門和跨應用的整合實屬不易。進一步延伸開來，對用戶體驗的追求是無止境的，合作伙伴的API和服務可以作為補充，這即是“跨企業邊界”的行為。這種行為必然導致大規模的用戶訪問。這些整合和外部拓展都需要云計算提供靈活有效的基礎。沒有云計算，移動前端的體驗、大數據分析的效果都會大打折扣。“云的基礎設施使大規模互動、大規模數據處理、大規模應用可以更好地服務我們。”毛新生指出。
環境變化加速，競爭更加激烈，要求企業的反應速度越來越快，應用以及端到端解決方案快速改變。毛新生饒有興致地介紹道：“這個改變有多快呢？我們有的客戶嘗試以天為周期去改變，這意味著應用和業務流程的設計、開發、部署、測試、維護的整個過程要大大加快，也就是所謂的DevOps。只有把敏捷的開發和運維結合起來，生命周期變得以天為周期，才能響應新的商業環境。”
“移動、云計算、大數據、社交商務之間的緊密聯系讓我們應該以整體的眼光來審視它們。”胡世忠堅信，它們的組合可以創造可持續的競爭優勢，可以迸發變革的力量。
至于一個企業應該從哪里下手來實現這一幅宏偉藍圖？毛新生給出的答案是：“每一個企業，因為它所處的行業或者特定的情況而擁有不同的切入點，有一些企業需要從移動開始，有一些企業需要從云計算開始，有一些企業需要從大數據開始，但是它們是不可分割的整體，只有綜合地運用它們，找到適合自己的切入點，一步一步腳踏實地，才能掌握先機，打造競爭力。在這個過程中，要擁有正確的思維，改變既有思維，理解趨勢，制定策略。”
例如，銀行、保險、零售業這一類和最終消費者打交道的服務業在很大概率上需要先從移動、社交商務入手，從而使其有機會改善和用戶交互的過程。而以數據為生的行業會琢磨如何將自己的內容和資源數據增值，而傳統的運營基礎設施的重資產企業，會追求將資產數字化，得到數據并進行分析，以優化資產的生命周期管理來預防性地降低維護成本，這些企業是以大數據作為切入點的。還有一些企業希望跨行業整合進行業務創新，背后牽扯到它們自身現有的業務模式和新業務模式的整合，這種情況下需要以云的方式構建新的應用、服務、商業流程。
毛新生認為切入點不同只是表象，每一種場景到最后都是綜合性的運用，要把這幾個技術綜合運用起來。從前端開始，首先是利用移動，并借助社交渠道交流，很快這些渠道會得到新的數據，這些新的數據和原有的交易數據和積累的數據結合起來做進一步的數據分析，這就是大數據分析。大數據分析以后可以做社交推薦、關聯推薦了。隨后，能不能跨界再實現更廣泛的銷售？跟別的價值鏈上的合作伙伴合作，那么引入云是解決之道。數據量增大，用戶數增多，云的基礎設施可以讓成本更合理。“所以說，到最后都是綜合性的應用，盡管起點不一樣”，毛新生說。
對技術人員而言，IT就是交付業務流程的基礎，是信息化的工具。它的目標無非是優化業務流程或者創新業務流程。創新到達一定程度后，業務流程的量變會導致質變。“這就解釋了為何全球越來越多的CEO將技術視為驅動企業發展的首要因素。” IBM軟件集團大中華區中間件集團總經理李紅焰強調，技術人員有能力，也有責任將“看不見的技術轉變為看得見的享受”。
移動開發的轉變
在大數據的帶領下我們進入移動時代，企業有了新機遇，技術人員卻有了新挑戰。為什么移動開發和之前不一樣呢？有什么不一樣呢？這成為了縈繞在技術人員腦子里最主要的兩個問題。
IBM杰出工程師及IBM移動平臺首席架構師Greg Truty解答了這兩個疑問。他認為，很多企業現在所做的事情與在移動的狀態下做的事情是不一樣的，移動狀態下的任務和規劃更具有戰略性。移動應用是在不穩定的網絡上運行的，所占用的資源更少。用戶在移動設備上和非移動設備上的體驗是完全不一樣的，他們會希望在不穩定的網絡上仍然能夠獲得良好的體驗。企業現在需要思考的是，怎么樣把大量數據、大量體驗變成一些有意義的體驗。同時，移動管理的需求也不一樣了，開發的特性也不一樣了。比如對一個企業來說，移動開發周期更短，有更多設備需要支持，有更多開發方法可供選擇，也有更多的工具和庫可供選擇，這時候企業就需要仔細斟酌，哪些開發方法和工具是自己需要的。
自然而然，對于設備的管理也有了變化，因為應用變化了。“一直以來，客戶端服務器的應用架構是企業在使用的。你需要協調在服務器端的服務以及在客戶端的服務，挑戰非常大。你不可能強迫客戶運行你的應用，而必須能協調和兼容原有的系統。這是非常關鍵的一點。” Greg Truty強調了設備管理的重要性。
此外，產品種類也非常多，新應用層出不窮。Greg Truty 認為多而新的局面下更需要冷靜處理：“我們會把應用和數據結合起來，移動和社交網絡結合起來，這樣做會創造一些新的得到數據的機會，需要進行管理。新的機會、新的技術，給整個IT組織帶來了更多的挑戰。”
關鍵詞：網絡大數據 特點 統計 分析利用
中圖分類號：TP309 文獻標識碼：A 文章編號：1007-9416（2016）11-0237-01
大數據信息種類繁多，不僅包含了大量的結構化數據，還包含大量的非結構化數據，對這些數據的統計和整理是一項較為復雜的工作，必須先將非結構化數據轉換為結構化數據，可是由于當前信息數據的統計標準還不統一，大數據的采集方式、分析手段等方面還存在一些問題，因此大數據的利用效率并未達到最佳狀態，大數據的分析利用還有待我們進一步的研究和和完善。
1 大數據的特點
大數據的“大”就是特點之一，他代表大數據信息量大、規模大，且大數據的規模會保持持續、高速的增長趨勢。其次，大數據的價值高，這些數據被廣泛的應用于數學、物理、生物、工程、管理、營銷等多個方面，在其中占有很重要的角色。例如，部隊管理上，利用大數據分析管理經驗、預測管理結果等，對提高部隊的綜合管理水平很有幫助。 此外，大數據信息相對于簡單的信息加工有許多優勢，一方面，大數據信息加工要不斷的積累和更新，而一般的簡單信息加工具有重復加工、反復存儲等缺點，無形中增加了信息收集、加工、利用的成本。因此相對于簡單的信息加工，大數據的價值優勢顯而易見。再次，大數據具有交叉復用的特點，數據存入信息庫后可以被不同的人同時調用，數據信息也可被反復調用，這樣的數據庫節省了信息資源整理的成本，對提高信息資源的利用效率意義重大。第四，大數據具有全信息可見性，一方面，大數據信息量豐富，各類信息包含其中，且更新速度較快，信息類型全面，利用效率高。另一方面，大數據對于信息的生產、組織、流通等有較為成熟的流程，這樣既保證了信息收集的全面性，也確保了數據庫信息的廣泛性、全面性。
2 大數據的統計
大數據是當前計算機網絡應用的發展趨勢，大數據的統計方式和分析方式都很豐富，當前大數據的統計目的在于更深層的挖掘信息廣泛信息背后的巨大價值。在應用過程中人通過大數據要看到的是事物的本質和全面情況，要了解事物的實時發展情況，因此大數據統計中，對于數據分析、數據收集、用戶信息等較為重視，大數據的統計和分析利用要對不同來源的信息數據進行科學的、有效的整合，才能滿足“人、機、物 ”對信息交換融合需求，提高人機交流的效果，更好的把握物發展的趨向和規律，以實現數據信息利用的更高價值。
3 大數據的分析利用
大數據的分析利用形式很多，就大數據分析而言大體分為可視化分析、實時分析、關聯分析。以可視化分析為例，可視化就是能夠直觀的看到的信息數據，如文本、圖片、圖像等，在數據整理中發現不同類型知識結構和內容的可直觀的進行分類、加工、利用，這些信息數據的應用是用來反映一個事物與其他事物的關聯性，其特點是可以直觀的應用信息數據，也可深挖數據信息，還可對數據信息進行預測分析，不同的大數據利用目的，可通過不同的方式分析、應用信息數據，在可視化分析過程中，信息互交性強是一個最突出的特點，信息的者不僅是信息的傳播者，還是信息的接收者，不同的大數據用戶可通過信息交互的形式管理和開發信息數據，使信息數據更具利用價值。其次，可視化分析的直觀性很強，信息數據顯示出多維性，信息數據的分類、排序、組合等可不斷的變化，其顯示也可分為圖像、三維、動畫等，形式非常豐富，加工利用的價值很高。其他分析手段的應用也很廣泛，但不論哪一種分析手段，大數據分析的最終目的都是對信息數據的利用，在這一過程中要通過計算機網絡強大的信息傳輸、存儲、分析等功能，揭示事物之間的聯系和事物的發展規律，并結合對信息數據的挖掘，開發信息數據隱藏的價值，揭示事物之間內在的聯系，以便更準確的掌握事物的發展動向，預測事物的發展趨勢。當前，大數據分析利用還存在一些難點，例如大數據標準不統一、采集方法單一、數據處理龐雜等，要提高大數據的分析利用價值，這些問題是值得考慮的。第一，統一大數據標準，結合大數據不同的特點、來源等，將非結構化數據進行標準化處理，以方便信息的統計和分析利用。同時完善大數據統計的指標，簡化大數據的統計、利用過程。第二，完善和豐富大數據的采集方式，同時改進數據處理方式，使用戶在大數據利用中能夠轉變身份，不僅是大數據的應用者，還是大數據的建設者。第三，豐富大數據分析手段，進一步改進非結構化數據轉換為結構化數據的方法和技術，以提高信息數據的分析效率，增加其利用價值。此外，應結合大數據統計和分析利用中的各種問題，系統的分析大數據的統計、分析、利用規律，更深層的挖掘信息數據的潛力，使其更好的為我們服務。
4 結語
大數據的利用在當前的計算機網絡應用中早已成為熱門話題，但具體的利用手段還不成熟，其中存在著一些不足和安全隱患，針對這些問題大數據的利用效益顯然更受人們關注。總之，大數據的發展是信息時代的必然趨勢，為信息數據的統計、分析、利用提供了絕佳的機會，使信息資源的利用價值更為突出。因此，研究大數據的統計和分析利用不僅要停留在當下，更要放遠眼界，重視信息科技的發展，才能將對大數據的研究推向另一個高度。
參考文獻
[1]張莉，林海霞.給予互聯網信息傳輸的網絡大數據校準技術研究[J].激光雜志，2016（06）：119-122.