前言：尋找寫作靈感？中文期刊網用心挑選的大數據下的信息管理論文(共2篇)，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。
（一）
一、大數據
2013年3月，IDC數字宇宙報告《大數據，更大的數字身影，最大增長在遠東》預計到2020年數字宇宙規模將達到40ZB。這意味著需要大量的人力和技術對如此龐大的數據進行處理、分析和管理。在此情況下，對于大數據環境下新型人才的培養問題在近年逐漸受到重視。未來對具有大數據管理和分析能力的人才需求將快速增長，這些人員除了具備相應的技術能力、管理能力、社交能力、系統分析和開發的能力外，還需要具備深度分析數據的能力。同時，一些和大數據相關的職位也會應運而生，例如數據分析師、數據架構師等。2011年麥肯錫全球研究所給出的一份報告預測，美國到2018年對具有良好信息素養的經理人才的需求量大約在150萬人，此外，還需要14萬～19萬數據分析方面的資深專家。在我國，互聯網企業、電子商務、金融機構、醫療衛生、零售、保險等行業及政府數據中心對大數據專業人才的需求量都很大。
二、大數據時代下山東理工大學信管專業培養模式
大數據時代產生對相關人才的巨大需求，因此，山東理工大學（以后簡稱“我校”）信管專業提出了新的培養標準和課程設置體系，培養具有我校特色的信息管理專業人才。
1.培養目標和培養標準
在大數據環境下，重新定位信管專業的培養目標和標準，以適應“大數據”對專業人才提出的新要求，是信管專業建設的首要議題。我校信管專業突破國內高校信息管理專業人才培養的三種主要模式（一是強調IT技術，弱化了現代管理理論與方法；二是強調管理又過于弱化了IT技術；三是IT技術與管理相融合，但實際效果不理想），強調學生不但要掌握現代信息系統的規劃、分析、設計、實施和運維等方面的方法與技術，更要具有現代管理科學思想和較強的信息系統開發利用以及數據分析處理能力。我校信管專業還制定了全新的培養標準矩陣（如表1所示），從五大方面28個小方面更為詳實地闡述了信管專業學生需具備的技能和能力，并為課程的設置提供了依據。
2.課程設置體系
為了滿足大數據時代對人才提出的新要求，我校信管專業課程設置圍繞主干學科（管理學、經濟學、計算機科學與技術、管理科學與工程）不僅設置了國內高校信管專業常設的管理學、統計學、管理信息系統、數據庫原理與應用、數據結構與算法分析、計算機網絡基礎與應用、Java程序設計、電子商務等課程外，還設置了數據倉庫與數據挖掘、商務智能與人工智能等相關課程，使學生在理解新興數據處理模式的同時，智能化數據分析處理及決策支持能力得到訓練。與此同時，還設置了基于移動終端的APP開發、企業信息系統構建與仿真、電子商務平臺架構設計等課程，使信管專業的學生成為擁有合理知識結構的復合型人才。大數據時代下新型的信息管理與信息系統專業人才的培養既要高度重視理論知識的學習，又要加強實踐能力的培養。為此，我校信管專業還設置了工程實訓、軟件實習等實踐項目，以及為期10周的IM&IS應用實踐環節，為學生搭建實踐平臺，拓寬實踐渠道。通過3年在校學習及總計約1年的實踐鍛煉，我校信管畢業生不僅具有良好的管理知識基礎、信息技術應用能力，現代信息系統的開發利用的能力，還具備智能數據分析處理工具的操作能力以及綜合數據分析處理能力。3.特色大數據時代下，我校信管專業制定了具有自身特色的培養模式，即：培養目標和標準與行業發展結合，適應大數據對人才能力需求的變化；培養具有綜合分析和管理能力，強調動手能力的新型信管人才。
三、總結
信息管理與信息系統專業是一個跨管理學、計算機技術、網絡技術、數理統計學等學科的專業，具有適應范圍廣、發展變化快等特點。大數據時代為山東理工大學信息管理專業建設提出了新挑戰和發展機遇，信管專業能否靈活應對、轉變發展思路、積極創新還有待時間的檢驗。
作者：劉婷婷 李長儀 張立濤 單位：山東理工大學商學院
（二）
一、信息管理系統分析
1、產品質量風險信息管理系統現狀分析
當前，對產品質量風險信息的管理，大多采用的是軟件信息管理系統。這些軟件信息管理系統，主要是偏重支撐業務工作的管理系統，重點在于實現數據的流入、加工、存儲和流出，在數據的利用加工方面存在明顯的不足。產品質量風險信息管理系統也是這個時代的產品，也同樣具備此類特征。產品質量風險信息管理系統，是產品質量風險監測與預警體系建設的信息化載體，主要實現從風險信息采集、風險信息研判、風險信息處置、風險信息批示和風險信息處理的全過程監管系統。因此，其不足之處體現在以下幾方面。
（1）數據管理和利用不足。對互聯網采集的海量數據以及產品質量監管系統等其他業務系統對接數據，都只停留在數據錄入、查詢統計、保存入庫等初步的管理層面，數據價值沒有得到較好的應用。
（2）數據資源孤立存在。產品質量信息存在各個業務系統中，各種數據沒有有效關聯起來，以點的形式存在，無法從面上把握數據價值，利用率低下；數據各自獨立，容易導致數據的不一致，垃圾數據片段存在，給數據價值利用帶來片面甚至錯誤的影響。
（3）缺乏數據智能分析等有效手段。在當前大數據技術潮流下，原先的數據查詢和統計已經滿足不了當前的需求，需要加強專項信息智能分析、綜合信息分析、自動預警提示等數據挖掘分析功能。
2、大數據與產品質量風險信息管理的聯系
產品質量風險監測工作，一方面要廣泛采集各類風險信息，另一方面要從海量信息中識別出有用信息。這與大數據技術恰好是密切關聯的。產品質量風險信息管理系統，需要整合產品質量監管系統等質檢系統各個業務數據，并充分利用大數據技術平臺對各類數據處理，來支撐業務的智能分析和預測工作。利用大數據技術，建設產品質量風險信息管理系統，實現產品質量風險智能分析平臺，實現數據的可追溯、智能分析和圖文展示，以及動態監控和自動風險提示，從而達到對風險信息進行有效管理和利用，提高產品質量監管的科學性、針對性和時效性。
二、大數據技術的應用分析
1、業務系統數據資源整合利用
面向服務體系架構(Service-OrientedArchitecture，SOA)技術，整合產品質量相關業務系統數據，基于關系數據庫搭建風險信息主題庫，內容包括企業組織機構代碼、企業基本信息、企業產品信息、產品認證信息、監督抽查信息，同時整合產品傷害主題庫和產品缺陷信息庫，把各個業務系統的質量信息關聯起來，實現信息的關聯。信息資源的整合是大數據應用的基本前提。
2、搭建產品質量風險信息數據倉庫
搭建產品質量風險信息數據倉庫，數據倉庫是一個用于儲存業務的關鍵知識及信息的倉庫，數據倉庫是面向主題的、集成的、穩定的、隨時間不斷變化的數據集合，用以支持經營管理中決策制定過程。建立風險信息數據倉庫將歷史數據按照不同的分析維度來進行匯總和呈現，以便風險監測和評估提供某個維度的信息支持。風險信息主題庫等各個主題數據庫的數據，經過清洗、加工、整合、匯總、轉換等過程，進入風險信息數據倉庫。風險信息數據倉庫是一個逐步積累的過程，是智能分析、數據展示、動態報表、決策支持，以及數據挖掘的統一的數據集中地?；跀祿}庫，我們使用聯機分析處理(On-LineAnalyticalProcessing,OLAP)技術，實現決策支持或者多維環境特定的查詢和報表需求。OLAP的核心是“維”，在該多維數據模型中，可以通過上卷（roll-up）、下鉆（drill-down）、切片和切塊（sliceanddice）等方法，從不同角度來處理和觀察質量風險數據。
3、數據挖掘
面對海量的產品質量風險數據分析，需要引入數據挖掘（DataMining,DM）技術。數據挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中，提取隱含在其中的人們事先不知道的，但又是潛在有用的信息和知識的過程。處理風險監測的分析需求，特別是產品信息、企業信息、風險信息和監督抽查信息等各種業務信息并存的情況下，可通過決策樹、神經網絡、遺傳算法和關聯規則挖掘算法，來實現關聯分析、聚類、概念描述、偏差監測和自動預測趨勢和行為等，從而發現隱含的、有意義的質量知識來達到我們的挖掘目的，滿足風險監測、風險分析與評估的應用目標。
4、智能分析與預測
“讓數據自己發聲”是大數據的一個重要應用理念，通過數據倉庫和數據挖掘技術，把監測到的風險數據進行自動智能歸類。以廣東省為例，在廣東省電子地圖中，按照地區（可鉆取到縣一級）自動完成信息歸類，并顯示該地區的風險數據條數，并用顏色深淺表示區域內產品質量風險信息的聚集程度，當滿足預警提示條件時，則地區地圖標紅預警提示，實現實時的風險信息監測和動態展示。鉆取某地區時，即出現產品信息圖，以智能類聚后的關系圖進行展示。以產品為圖表中心，四周發散到產品列表、行業信息、企業信息、監督抽查、傷害信息、網絡熱點、風險信息和投訴舉報等多類信息，每一類信息都可以自己為中心，對外進行四周發散關聯。再以企業信息為例，對外關聯到獲獎情況、基礎信息、抽查信息、投訴信息等；同理，每一個點信息都可以為中心，繼續向四周發散聚類，從而形成一個巨大而又鏈接的關系圖，以實現信息的聚類、關聯和分析利用。
三、結語
大數據技術在產品質量風險信息管理中的應用研究，解決了傳統信息管理系統所面臨的數據孤立和利用不足等諸多問題，從業務系統數據資源整合、搭建產品質量風險信息倉庫、數據挖掘、智能分析和預測等技術應用，實現以海量數據資源為基礎、以智能分析為手段的產品質量風險信息管理系統，提升了產品質量風險信息管理的效率和水平，對進一步提高風險監控工作的科學性和針對性，具有較大的實際意義。
作者：蔡佳苗 陳學章 巫俊宏 單位：廣東省標準化研究院
