前言：中文期刊網精心挑選了大數據時代的感悟范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
大數據時代的感悟范文1
作者：[美]安娜?昆德蘭
譯者：徐力為
出版時間：2013年5月
內容推介：
當初，誰沒在青春的路口彷徨過？后來，誰沒在未來的道途中走岔過？再后來，誰沒在人生的彎道上徹悟過？因為走過，我們愈發懂得。人生是什么？人生就是我們腳下的路，是一連串生命的體驗，更是一次靈魂的遠行。在遠行的漫漫長途中，我們路過迷惘，路過失望，路過欣喜，路過淡然，路過一切繁華消殆的時光。它蹉跎了我們，也沉淀了我們；它剝去了我們青春的衣裳，也脫下了我們的年少無知與輕狂。那些我們走過的彎路也好，受過的疼痛也罷，都是來度我們的。最終，那些屬于我們的，還是會出現在我們要走過的路上。所以，親愛的，走吧，有些路你不走下去，就不知道它有多美。
精彩節選：
走到今天，才懂得了昨天。
在生活的道路上，我們只有展望未來，才能向前邁進；
只有回首過去，才能理解人生。
最近，一個朋友向我提了一個問題。她問我，假如我可以穿越時空回到過去，現在的我會給二十幾歲的自己提出什么建議。我不假思索地回答說，對那時的自己，我有兩條忠告，一條用來鼓勵自己，另一條用來提醒自己。
一方面，我會告訴那個年輕的自己，你聰慧、機智、勤勉，總體說來，是一位相當出色的姑娘，所以，如果有人打擊你，不要受他的影響，更不要被他左右，勇往直前，走自己認為正確的路；另一方面，我又不得不把一個不幸的事實告訴自己，對于生活中那些重要的事情，你還一無所知，一點也不了解。
在你年紀尚輕時，自以為什么道理都明白，認識不到自己的無知，這是在所難免的。人很難在青春時認識青春，只有走過了青春，才能認識青春。在以后的人生道路上，當你經歷了一些事情之后，就會漸漸領悟到什么是愛，怎樣維系自己的婚姻，怎樣對待自己的工作，怎樣養育子女，怎樣在反復遭遇挫折與失敗后振作起來，怎樣百折不撓地憑借頑強的毅力走向成功。你也會慢慢懂得，對自己而言，生活中哪些方面是至關重要的。
記得我二十多歲的時候，常常聽到長者們奉勸我說，不要在你人生一片空白、工作剛剛起步時，就心心念念地琢磨著以后在自己的名片上冠以哪種風光的頭銜。可我當時卻不把這些忠告放在心上，只盼自己盡快成熟起來，羽翼早些豐滿起來?，F在回想起來，真為自己當初的自負和虛榮感到羞恥。其實，那時的自己就像一個需要精心烘焙的蛋糕，急于求成只會適得其反，或者誤入歧途。
成長需要耐心與熱度。
我們從人生的起點走到終點，一路上自然會有許多感悟。但其中的大部分收獲并不是從教室或圖書館中得來的，而是在人生的實驗室里學到的。
當我們回首往事時，很多清晰的畫面會浮現在眼前――朋友的背叛、事業上的進步或擱淺、誤入歧途的困惑、美麗的錯誤、輕率的意見。不過，很多想法顯然只是事后諸葛。比如，在我們的孩子長大后，我們才終于懂得應該怎樣撫養孩子；當我們在事業上走過了一段漫長的道路之后，才明白當初那些在自己看來無法改變的計劃，其實是可以做出調整的。而這些智慧，我們當時并不能領悟，只有走過了，才能回頭加深對自己的了解，對生活也有了更加清醒的認識。
不曾走過，很難懂得。
作者：[英]維克托?邁爾-舍恩伯格、肯尼思?庫克耶
譯者：盛楊燕、周濤
出版時間：2013年1月
內容推介：
《大數據時代》是國外大數據系統研究的先河之作。維克托?邁爾-舍恩伯格在本書中前瞻性地指出，大數據帶來的信息風暴正在變革我們的生活、工作和思維，大數據開啟了一次重大的時代轉型，并用三個部分講述了大數據時代的思維變革、商業變革和管理變革。
維克托最具洞見之處在于，他明確指出，大數據時代最大的轉變就是放棄對因果關系的渴求，而取而代之關注相關關系。也就是說只要知道“是什么”，而不需要知道“為什么”。這顛覆了千百年來人類的思維慣例，對人類的認知和與世界交流的方式提出了全新的挑戰。
精彩評論：
什么是大數據？
大數據=海量數據+ 分析軟件+挖掘過程
以一種前所未有的方式，通過海量數據進行分析，獲得有巨大價值的產品和服務，或深刻的洞見。
大數據的前提是什么？數據化。
2000年時，有75%是模擬數據。
2007年，7%的存儲在模擬數據上，其他全是數字數據。
而到2013年，預計非數字數據只占不到2%。
86年的時候，有約40%的計算功能在袖珍計算器上，個人電腦處理能力之和都不超過計算器。
人類存儲信息量的增長速度比世界經濟的增長速度快4倍，而計算機數據處理的增長速度比世界經濟的增長速度快9倍。
大數據時代處理數據理念上的三大轉變：
要全體不要抽樣，
要效率不要絕對精確，
要相關不要因果。
案例剖析 ：
案例1：精準營銷決勝互聯網
案例2：Google預測流感趨勢
案例3：沃爾瑪，請把蛋撻颶風用品擺在一起
案例4：男人沖進超市，和經理吵架：
“我女兒還是高中生，你們卻給她郵寄嬰兒服和嬰兒床的優惠券！豈有此理！”
總結：
大數據時代的感悟范文2
2015年是云像數字成長非?？斓囊荒?，與2014年相比，公司營收得到三倍以上發展，更重要的是，2015年，云像數字確定了企業發展的核心：數字化戰略。
云像數字并不是單獨做數字營銷，或單獨做電子商務、大數據等，我們認為未來數字化核心不只是營銷或電商銷售層面的，它將是企業戰略層面的，是對互聯網化更加具像的表達。所以基于這些，云像數字核心就是沿著企業價值鏈分解、整合一些關鍵產品。在數字化戰略之下，衍生出“品效合一、全渠道、數據資產”這三個具體解決方案。具體來說：
第一：品效合一。其核心是，要將品牌傳播跟消費者互動、消費者的感知，和營銷效果、銷售打通，形成一個閉環。
第二：全渠道。強調銷售的全渠道、品牌傳播的全渠道、消費者體驗的全渠道，是完整界面、完整接觸點的概念，也是整個企業價值鏈在交互環節里面的體現。
第三：數據資產。將企業的社交數據、交易數據和行為數據整個打通，其核心是幫助傳統企業提供底層數據資產的服務。涉及大數據時，以往的做法是，各部門各做各的，CRM、電商、移動端都是如此。從2014年下半年開始，我們越來越多的將這幾方面數據源整合，未來，數據整合管理將是核心。
總結來說，2016年營銷要跟數據、技術、渠道、效果結合在一起，“無招勝有招”。如果營銷人沒有生意思維，只是考慮傳播、傳統廣告，這種營銷人在未來將被淘汰。從企業CEO角度考慮問題、去看待整個數字化戰略，將會發現營銷邊界越來越模糊，未來CDO（Chief digital officer，首席數字官）將開始大行其道，CMO和CTO向CDO轉變，這是更加契合未來傳統企業的互聯網化思考。未來互聯網時代營銷也需要被顛覆，尤其是互聯網時代的傳統營銷將要被顛覆。
2016營銷關鍵詞
價值鏈重塑
基于云像數字的互聯網服務產品，幫客戶獲取數據，把線下門店數據、客戶投放數據、客戶電商數據等幾個不同的數據源，按照行為數據、交易數據和社交數據這三類數據維度，基于數據整合做分析，再依據數據分析結果形成用戶畫像。
依托數據對消費者的洞察，再去設計產品，實現整個企業價值鏈改造。設計產品和服務的交互、設計傳播、設計服務環節，從生產研發到運輸傳播、銷售，售后，就是以數據為基礎重塑企業價值鏈。這就是云像數字的整個數據業務。
2015營銷感悟
大數據時代的感悟范文3
關鍵詞：大數據；陶瓷文獻；整合模式
江西省社會科學規劃一般項目《從文本到人本：“一帶一路”境遇下中國陶瓷文化的國際傳播策略》階段性研究成果，景德鎮市社會科學規劃重點項目《學習型社會視閾下數字閱讀“把關人”制度建構研究》階段性研究成果，景德鎮市科技局軟科學項目《景德鎮陶瓷文化傳播力構成體系研究》階段性研究成果。
在大數據時代，數據已然成為一種戰略資源而導引著社會資源的整合模式，基于一切皆為數據、一切皆可量化的整合效率，數據式整合無疑是促進跨文本、跨主體、跨行業、跨時空等諸多跨界式融合升級的基本動力。
中國陶瓷文化博大精深，是中國傳統文化的重要組成部分，也是實施“一帶一路”戰略的重要領域，而陶瓷文獻則是陶瓷文化的載體，其整合無疑具有重要意義。
1 文本整合模式：從文獻到文化
陶瓷文獻的類型眾多，包括陶瓷作品、期刊、圖書、報紙、古籍、特藏、以及電子資源等，它們作為陶瓷文化的載體，記錄與保存著源遠流長的中國陶瓷文化。當下，融合已經成為包括陶瓷文化在內的社會文化創新與發展的新常態，各種類型的陶瓷文獻之間也相互交融，因此，從文獻到文化的升級就成為陶瓷文獻整合的模式之一。這種語境下的文化既包括陶瓷文化，又不止于陶瓷文化，而是內容、關系、情感、時空、生活方式等諸多要素的雜糅，因而也是陶瓷文化與社會文化相互滲透、相互融合而成的多元文化共同體。
在大數據時代，由于文本數據化，數據相關化，因此從知識文本到智能文本以及從圖文文本到圖像文本的升級就是陶瓷文獻整合的路徑之一。
首先，智能文本
智能化是高科技時代的一個高頻詞匯，智能終端、智能家居、智能系統、智能生態等等已經進入百姓生活之中。就陶瓷文獻整合來看，智能文本主要包括智能編輯的文本以及智能終端的文本。在大數據時代，數據無時無處不在，一切皆為數據也必然要求一切皆可量化，因為身處海量數據之中的用戶其個性化需求顯得更為迫切，所以只有精準才能贏得用戶。而智能文本則堪當此任，其中，智能編輯的文本是基于智能算法與思維而能夠實現個性化與規?；?、以及專業化與便捷化等多元價值互動的文本，包括智能生成的文本、智能推送的文本以及智能服務的文本等。
就陶瓷文獻來看，智能生成的文本是指陶瓷文獻的科技性、藝術性、知識性、文化性、情境性等多元內容能夠實現智能組合而不受主體、專業等限制；智能推送的文本是指能夠基于用戶的各種行為，包括點擊、搜索、閱讀、發送、評論、收藏等行為，而進行智能推薦的文本；智能服務的文本是能夠為陶瓷生產、交易、投資、消費、管理等各種產業和社會活動提供服務的文本。比如基于陶瓷藝術品拍賣與收藏的數據而預測當前藝術品市場的投資熱點，以及基于陶瓷用具的產銷數據而設置時尚生活的議題。
智能終端的文本主要是適用于智能手機的移動文本，它包括生產、生活、學習、工作、休閑娛樂、社交、投資消費等各種場景的文本。比如，手機一卡通、手機支付、手機位置服務、手機知識推薦：移動閱讀、移動檢索服務、移動參考咨詢、移動學科服務、移動二維碼、移動視聽展示和移動特色資源、移動門戶服務等各種服務。這些移動文本可以消除陶瓷博物館、檔案館、圖書館、展覽館、文物局等時空的限制而進行實時實地傳播。
其次，視頻文本
陶瓷既是藝術之物也是生活之物，既具有工具理性也具有價值理性，既是金木水火土的結晶也是科技、藝術、文化、經濟等的濃縮，其自然景觀和人文景觀皆美不勝收，其物質文化和非物質文化都光輝璀璨。以瓷都景德鎮來看，“三面青山一面水，一城瓷器半城窯”；“陶舍重重倚岸開，舟帆日日蔽江來”等展開了一幅幅美輪美奐的畫卷。
視頻文本可以包括數據圖、網絡在線演示、互動圖標、圖片、動漫、視頻短片、影視劇等文本，是從圖文傳播向圖像傳播的轉型。這些不但是傳承陶瓷文化的絕佳載體，而且是講好陶瓷故事的有效形式。借助于形、聲、色、畫等眾多元素的視頻文本能夠將兼具物態、生態、活態等多元、多變形態的陶瓷文化展示得淋漓盡致，也能夠將動人、感人、催人奮進的陶工故事、城市故事甚至民族故事等陶瓷故事演繹得惟妙惟肖。比如，陶瓷物質結構的演進，包括石器、陶器、鐵器、銅器、銀器、陶瓷等；能量結構的演進，包括森林、水土、河流、光、熱、風等；工藝結構的演進，包括陶瓷七十二種工藝流程及其革新；組織結構的演進，包括官與民、行與幫、地緣與業緣等；社會生態結構的演進，包括作坊、窯址、礦坑、民居、里弄、店鋪、街道、集市等；這些結構相互交織而形成動態的陶瓷文化圖譜，適于視頻文本進行傳播。
2 人本整合模式：從文化到人化
從以信息為中心到以人為中心，以及從以傳者為中心到以用戶為中心的轉型，是大數據、云計算時代媒介傳播的新模式、新課題。
首先，關系人模式。
泛在網絡環境下，用戶不是分散的用戶，而是相互關聯、相互交融的網絡式用戶，因而也是無所不在、無所不能的關系人，既可以是公共關系人，也可以是社交關系人。
其一、公共關系人。公共關系是企業開展社會化經營的重要資源，而在公共領域與私人領域日益交融的環境中，公共關系存在于一切領域，公共關系人也日趨細分而多樣化。主要表現在：從名人公關到人人公關，任何人均可以是公關人。比如，就企業公關而言，對于企業員工與投資者，可以通過企業生活與家庭生活的互動而實現內部公眾式的公關；對于企業所在社區，可以通過公共信息、公益活動等而實現社區公眾式的公關；而對于消費者、受眾、用戶等，則可以通過消費者、體驗者、宣傳者以及咨詢者等多元角色的互動而實現市場公眾式的公關。
從品牌公關到微公關，任何時空均可以是公關領域。在傳統媒體時代，品牌是企業以及城市公關的法寶；而在微博、微信主導的微時代，微公關則頗為盛行。主要表現在：微平臺、微終端，包括微博、微信等平臺以及拍客、播客等新終端；微內容，包括信息、知識、思想、經驗、情感、情趣等內容；微形式，包括圖片、照片、視頻、微電影、微電臺、時尚秀等形式；微空間，包括物質、文化、心理、情感、情緒等多重空間。
其二、社交關系人。以個體為中心的社交平臺是對企事業等組織邊界的超越，因而人人皆社交，無社交不傳播；同時，社交平臺的開放性、便捷性、分享性以及聚合性等屬性使得其成為有效的生產、營銷平臺而滲透于各種生產經營領域。進一步而言，社交平臺開創了社會生產生活的新空間，社交關系人成為新寵。主要表現在：社交平臺加快了傳受互動，從而信息類內容、關系類內容、話題類內容等不斷增生；社交平臺加快了虛擬空間與現實空間的互動，從而傳播場域也就成為傳播場景；社交平臺加快了生產方式與生活方式的互動，從而促進了個性化的生產方式與生活方式?？傊?，社交關系人是傳受互動、產消一體等多元角色的交互，是口碑文化、粉絲文化等多元文化的體現。
其次，體驗人模式。
體驗是用戶時代傳播與營銷的基本模式，它既可以促進跨媒介形態傳播，也可以推動跨文化形態傳播。而就中國陶瓷文化傳播來看，體驗主要包括物態文化體驗、生態文化體驗以及活態文化體驗。
其一、物態文化體驗。從器物形態來看，陶瓷既可以是工藝之物，也可以是生活之物；既可以是科技的結晶，也可以是人文創意的體現；既可以是實用之物，也可以是紀念之物；從而也是各種體驗之物。比如，在瓷都景德鎮，陶瓷不但是城市文化的載體，瓷燈柱、大型城雕、陶藝青銅雕塑、山體陶瓷壁畫、巨型生肖瓷雕等城市環境到處可見；而且是企事業組織文化與行業文化的載體，瓷書、瓷畫、瓷板、瓷瓶、瓷杯等陶瓷語言可以詮釋獨特的企業文化、行業文化以及地域文化。
其二、生態文化體驗。天人合一，主張自然與人的和諧，追求季節氣候、地理環境、材料的自然美感、以及人工的巧作這四種因素的完美結合，是中國陶瓷文化藝術的基本審美標準，從而形成豐富多彩的生態景觀。生態系統可以為社會生產提供取之不竭、用之不盡的物質與能源，光、熱、風、水、土、礦、森林、河流、地形地貌等被人類利用以創新陶瓷生產方式；生態系統可以為陶藝創作提供靈感，梅蘭竹菊、青綠山水、花鳥蟲魚等皆是陶瓷藝術創作的基本題材；生態系統還可以為人的生存與發展提供新的生活空間，觀光旅游、休閑度假、養身保健、怡情悅性等生態模式倍受青睞。
其三、活態文化體驗。無論是物態文化，還是生態文化，其價值都是通過人的行動才能充分展示出來，活態的人是陶瓷文化的集中體現?；顟B文化體驗可以包括：工藝主體的傳授、表演、展示，瓷器、瓷畫、瓷樂、瓷舞、瓷飾、瓷甌雜技等都可以傳播瓷韻瓷味；社會與時代主體的跨時空交互，中國陶瓷文化源遠流長，流派眾多，宋、元、明、清等朝代均有各自特色，而通過跨時空交互，歷史的厚重與時代的脈絡則能得到體驗；人文主體的交流，活態的陶瓷文化既可以包括專業技藝與知識，也可以包括經驗、感悟與創意，還可以包括民風民俗等民間、民生文化，因此知識的教育、思想的討論、技藝的切磋、經驗的傳受、節慶活動的舉辦、方案的設計等均是人文交流的形式。
3 資本整合模式：從媒介到中介
大數據不僅僅是一種數據，而且更是一種思維。比如，用戶思維、簡約思維、極致思維、迭代思維、流量思維、社會化思維、平臺思維、跨界思維等等。因此，大數據時代，媒體不僅需要實現媒介內容與業務的轉型，而且需要實現思維與觀念的轉換，也就是資本的升級。進一步而言，媒體不僅僅是作為信息與內容的傳播者，而且是作為產業和社會的重構者；不僅需要對信息資源進行整合，而且需要對產業資源和社會資源進行整合；不但需要實現傳受互動，而且需要促進產城一體；從而實現信息媒介到社會中介的轉型。因為信息流、商品流、物質流、人才流、技術流、資金流、服務流等在大數據的無限覆蓋下而相互交融從而形成共生共榮、互聯互通、相互嵌入的融合生態，進而虛擬與實體之間、產品與服務之間、媒介與中介之間的邊界也日趨模糊，都成為社會網絡的一個個節點。
因應這種媒介與中介交融的趨勢，傳媒實施資本整合就是要實現從媒介資本向社會資本和創意資本的升級。
首先，社會資本的整合模式：從大眾到小眾。
大數據的全體樣本分析與全媒體、全民參與、全球聚合等是相輔相成的“全”時空類型傳播模式，從而大眾也日益細分而成為小眾。與前者相比，后者是傳受互動、產消一體、個體與社會對接、民族與世界交匯等等多元交互式的社會群體。
大數據時代的感悟范文4
關鍵詞：大數據;科技情報工作;挑戰;對策建議
中圖分類號： G250.2 文獻標識碼： A DOI： 10.11968/tsyqb.1003-6938.2015123
Challenges and Rethinking of S&T Information Service in Big Data Era
Abstract Data processing improvement is one of the main driven forces of S&T information service innovation. It becomes more and more difficult for S&T information institutes to face the challenges of scattered data resources， deepened and widened users' demands， and the complexity of big data analysis technologies. Meanwhile， these challenges make it possible for the innovation and sharp turn to new information service models. This paper analyzed the technical environment of big data， deconstructed the main challenges of intelligence work， and gave several suggestions as countermeasures.
Key words big data; S&T information service; challenges; suggestions
科技情報服務領域普遍將當前面臨的海量數據處理和服務能力的矛盾，視為泛在信息環境所涌現出的、特有的“大數據”問題，并產生了隱隱的“大數據憂慮”。隨著國家大數據戰略的提出，各界對數據問題的關注和對數據服務的需求激增，學術界和科技情報服務實踐中對“大數據”應用也呈現出多樣化的解讀，比如王飛躍提出的“基于ACP方法的開源情報解析理論框架”和“四熵服務”理念[1]，李廣建等提出的情報研究五個轉變[2]，賀德方、喬曉東、曾建勛等提出的“事實型數據+專用工具+專家智慧”的FAST4Wisdom服務理念[3-4]和情報學四維度拓展變革[5]，以及楊善林等提出的情報內涵轉變[6]等。因此，消解科技情報機構的大數據憂慮，洞察科技情報大數據發展特征與發展趨勢，是當前科技情報實踐領域的當務之急。
1 科技數據挑戰與科技情報服務的發展
科技情報服務領域大數據問題，實質是全球數據自發式、爆發式增長以及數據處理高效率要求的不對稱體現[7]。而科技情報工作很早就關注到知識增長趨勢及其在管理和服務領域帶來的信息爆炸與信息過載問題[8]?？萍记閳蠊ぷ鲝恼Q生之初起就一直面臨數據或信息資源的加工處理和分析利用的挑戰，并在不同發展階段呈現出不同的問題表征。在某種意義上，科技情報機構就是為解決“大數據”問題而誕生的專門機構，而數據挑戰也成為科技情報服務創新的內在動力。
1.1 科技情報初創時期的數據挑戰與服務創新
1944年，美國圖書館學家F.Rider關注到圖書館館藏大約每16年增長1倍，并以此估計耶魯大學圖書館將在2040年擁有超過2億冊圖書，大約2PB的信息存儲，而這些圖書將占據6000英里長的書架，至少需要6000名圖書館員完成編目和維護工作[9]。以當時的數據處理條件而言，2億冊圖書的存儲空間和集中管理維護就是可能的“大數據”問題。與之類似，戰后美國政府收繳的40噸德國和日本技術資料的處理，也超出了當時的文獻處理能力?？萍记閳蠼缣岢隽恕靶畔⒈ā钡睦砟?，并主張信息分析和處理工作的專門化和體系化，也視之為科技情報工作的開端。依托業務部門進行體系化的樹狀業務分解和專門信息的保存、交流和利用，構建跨部門協作保障體系，極大紓解了信息總量增長困難，并通過在1950年代引入縮微技術和數字存儲技術進一步緩解了信息存儲空間問題。
1.2 數字資源建設時期的數據挑戰與服務創新
20世紀60年代數據存儲技術的引入有效緩解了數據存儲和數據集中管理問題，但對原始數據的加工處理和分析技術短板卻再次成為“大數據”問題。例如20世紀50年代美國國家安全局雇傭了超過12000名安全技術人員來處理每年偵聽或加密的17000卷磁帶[10];1965年，美國國家數據中心的600個數據集存儲了1億張打孔卡片和3萬份存儲磁帶，但對其擁有的1.75億枚指紋記錄、每年7.42億份納稅記錄的分析束手無策[11]。因此，1965年Dunn報告認為，“面臨的最大問題就是不知如何發現不同機構、不同數據之間的內在關聯”[11]，即數據分析的“大數據問題”。Kaysen委員會提出的集中存儲和數據共享方案，推動數據庫技術、信息檢索技術和數據科學的產生。這一時期，科技情報服務機構也引入了數字存儲和數據庫管理體系，并引入了信息檢索技術，比如1966年《化學文摘（CA）》引入的自動處理系統和計算機可讀數據庫、1967年Roger Summit 主持開發的Dialog在線數據訪問。科技情報領域產生了以數據加工和信息系統管理為特征的海量科技情報服務，出現了從文獻保障服務向以數據庫、信息檢索為代表的技術服務的融合，提升了科技情報處理的數據數量和處理速度。
1.3 數據分析和處理時期的數據挑戰與服務創新
20世紀80年代數據庫技術日益成熟，以數據挖掘和高階數據分析為代表的數據分析和處理技術得到廣泛應用，數據分析進入智能化階段。但這一時期的數據分析主要局限于封閉計算環境的中央數據存儲、局限于結構化數據的分析和處理。因而，在20世紀80年代面臨的新的“大數據”問題是海量外部數據的采集、加工和分析，以及如何降低數據分析成本和重復建設的“數據黑洞”，因而以競爭情報、趨勢跟蹤等定向或定題的專項信息分析為代表的創新服務得以引入。科技情報服務機構完成了從信息數據產品向情報產品的升級，具備了情報監測和智能分析功能，光盤數據庫和應用軟件產品得到推廣，使得信息分析和預測水平有了大幅提升，比如1987年發行的Medline光盤產品、1988年的科技信息網絡STN Express■軟件以及90年代初期的大量面向個人計算機的數據應用軟件。
1.4 開放網絡和自動加工處理時期的數據挑戰與服務創新
20世紀90年代以來網絡技術、個人數據終端普遍采納，數據存儲成本快速下降，科技信息資源的分布發生了巨大變化。首先，以互聯網企業和技術服務企業為代表的新生業態迅速崛起，以圖書檔案和科技情報機構為中心的科技信息服務體系受到挑戰或顛覆;其次，數據可得性大大增加，數據規模和數據多樣性大大增加，以搜索引擎為代表的數據自動抓取、分析和推送技術極大增強了數據分析和處理能力，數據挖掘和機器學習技術得到廣泛推廣應用;再次，信息服務提供商更加積極地關注用戶個性需求和反饋，對用戶交互、行為數據和個性化推薦更加關注。這一時期，“總量巨大（Volume）”、“類型多樣（Variety）”的兩個“V”的問題已經凸顯，“大數據”問題初現端倪。相對于互聯網企業而言，傳統科技情報服務機構逐步通過兼并聯合、擴展數據來源，提升數據應用能力予以應對。這一時期，面向網絡的數據開放服務、數據集成與融合技術、數據應用分析工具與“數據+應用”的深度服務模式快速發展。比如SciFinder、SciVal、Scopus等數據分析工具的開發和 WorldCat全球協作機制和協同服務模式的發展。
2 大數據時代科技情報工作面臨的主要挑戰
大數據的4V特征，即超大規模和快速增長的數據體量（Volume）、異構和多樣性的數據結構（Variety）、大量不相關信息的低價值密度（Value）和大量實時分析應用工具的使用（Velocity），是數據分析和利用的主要障礙，在科技情報領域也同樣如此。此外，從整個社會和用戶需求角度看，科技情報機構的資源角色和地位進一步弱化，用戶需求向更深更廣信息分析領域拓展，情報服務與創新服務的融合以及資源-服務的一體化對科技情報機構的服務能力也提出了更高挑戰。
2.1 科技情報服務機構的資源優勢弱化
在數據開放趨勢下，可得可用的信息資源更加豐富，科技情報服務機構資源獨占優勢不復存在。以往科技情報服務過于依賴其資源優勢，而對信息加工、信息分析的優勢沒用充分重視，存在短期的“轉型瓶頸”。而政府數據公開、研究機構數據公開獲取以及數據集市商務模式（GitHub）的出現，加劇了科技情報機構作為數據樞紐角色的弱化。以政府數據公開為例，美國政府目前可提供192440個數據集[12]，英國政府可提供1353個部門和機構開放的20688個數據集、386個APP應用[13]。數據開放可得，意味著業務機構可直接跳過科技情報服務中介而直接存取和利用信息，對科技情報機構的資源業務服務帶來了挑戰。如美國NTIS提供的科技報告服務，因政府部門科技報告的免費公開，在1999年以后連續多年虧損。因而，單純提供內容獲取或計量的服務模式并不能完全支持業務決策的需要。
2.2 科技情報服務的用戶需求轉變
大數據環境下，用戶不再滿足于信息資源的整序獲取，不再滿足于以文獻單元為主要特征的加工整理和存取分析，而是對信息分析深度和廣度提出了更高要求：在深度上突出碎片化信息加工和計算化服務[14-15]，包括數據資源快速評價推薦、知識單元的抽取和分析、多維數據融合、細粒度數據分析以及可視化、計算化的數據呈現與分析，力爭將大數據去冗分類、去粗存精、去偽存真;在廣度上以全局性和宏觀戰略性情報服務為特征[16]，包括動態監測服務、態勢分析研究服務和前瞻預測研究服務三種類型，需要對多源數據、異構數據、隨機動態數據進行收割、融合、跟蹤和監控。同時，用戶數據或信息資源利用也不同于以往數據閱讀、數據參考和數據統計等淺層利用，而是在決策分析和學術研究中尋求高階數據分析、尋求多維數據的降維理解、尋求專家智慧的介入矯正、尋求從數據分析向情報解析的升級。因此，科技情報服務不可避免地將由傳統的依托資源數據的數據分析服務向多源多方協作的情報解析和計算分析服務轉變，是對現有科技情報機構的分析技術能力的挑戰。
2.3 資源服務一體化下的服務能力不足
科技情報機構過去一直強調資源保障能力，服務協作能力并未上升到戰略地位。當大數據開放環境使資源獲取相對容易時，反而發現“要讀的太多，要挖掘、發現和分析的隱織的內容太多太復雜，要掌握的方法、技術與工具太多太復雜，有效分析和利用信息成為一個日益復雜、負擔沉重的問題”[17]。對科技情報機構而言，提出了兩個要求：第一，要求全面介入，無處不在，并注重分析方法和分析技術的全面協助;第二，要求在科技情報服務流程中更早更深地介入用戶服務，提供更加精細化的服務內容，并提供更好的內容質量控制水平。
相比于傳統的委托服務模式，新的科技情報服務團隊將由行業專家、數據分析員、情報分析員 3 個角色構成[18]，并在選題階段更早介入服務流程，同時融合數據服務、信息服務和知識服務，提供資源與服務一體化的服務體系（見圖1）。依托大數據的科技情報服務要求與創新主體高度融合，以用戶解決問題為中心，融入解決問題的過程，支持對問題解決方案的探索、構建和測試等服務機制[19]，從選題確立到任務分解、任務實施、數據解析，均需雙方和行業專家頻繁交互與協作，以應對分析需求的易變性和不可預見性[20-21]。在服務過程中，大數據分析和可視化技術提升了用戶對數據的認知和理解，也可能將“情報服務”提升到知識協作、協同創新的高度，這也意味著科技情報服務人員的能力要求更高，可能需身兼行業專家、數據分析員、情報分析員中的多種角色。
3 大數據時代科技情報工作的資源保障體系建設
資源保障是信息服務的基礎，建立全面、高質、開放的可得資源體系仍是科技情報工作的首要任務。
3.1 建立信息資源保障的大數據理念
大數據環境下，信息資源保障的內涵有所不同：第一，信息資源利用形式更開放快捷，大量信息資源來不及建立知識產權屏障就已過時，使得信息資源的價值實現更依賴資源利用和分析的溢出效應，而非知識產權變現;第二，信息資源的邊界越來越模糊，以往受限于機構邊界和知識產權保護而構建的信息資源保障“優選精選”理念，正面臨低廉存儲、海量來源的資源體系沖擊;第三，信息資源的表現形式更多樣，質量參差不齊，直接利用困難，資源保障體系的重心逐漸由收藏保障向利用保障轉移;第四，隨著獨有信息資源優勢的弱化，信息資源保障的開放性和協作利用將更為突出。
3.2 擴展多元數據來源和新型數據存儲
科技信息機構應擴展資源的廣度，關注片段信息或社會網絡數據等低價值密度信息資源或新型信息資源的采集和保存[2]。在具體的采集和開發過程中，有兩種典型做法：一種主張搶救性保存，因擔心數字信息資源的易逝性，如不加以保存以后將無法利用，因而突出優先存儲，逐步利用的原則，并不一定要優先設定明確和具體的應用目標。典型的是美國國會圖書館啟動的網絡存檔項目，其已采集網絡數據500TB以上，尤其是2010年啟動的Twitter存檔的特種館藏項目已存儲2006～2010年的1700億條133.2TB的Twitter記錄[22]，并以每天5億條的規?？焖僭鲩L。目前雖然尚未完全開放服務并且也面臨數據解析整理的技術困難，但歷史學和人文學者均期待其資源的開放利用[23]。一種主張縱向驅動和片段利用驅動，突出以若干利用和主題推動項目的存儲，最終實現數據匯集和大數據。如聯合國在雅加達設立全球脈動（Globle Pulse）大數據利用[24]和大多數的政府開放數據集建設都采用縱向驅動方式。
3.3 推動深層數據存儲和核心資源質量
相對于文獻資源、規范元數據等資源形式，推動深層數據類型的采集和保存將有效提升科技情報機構的信息分析能力。以往科技情報機構的資源主體是文獻信息、描述信息、事實信息以及部分淺層知識資源，現在需要進一步加強內容實體信息、科學數據、深層知識資源以及用戶行為信息的保存，繼續發展和完善知識庫、本體庫、情景庫、資料庫、實體庫等新型數據庫類型[16]。比如中信所在專利分析中對人名、機構名和技術術語、領域深層主題及其相互關系的構建[3]，中科院科學數據中心對科學數據與科技文獻集成服務關鍵技術研究與應用[25]等。
3.4 科學規劃參考資源架構體系
大數據環境下，大多數科技情報機構都需要考慮自建數據源、開放數據源與商業數據源的混搭利用。美國中央情報局的首席技術官 Gus Hunter在推進OpenStack項目時，提出了參考資源架構（Reference Architecture）的規劃理念。相對于規范的學術資源和科技信息，大數據更零散、更原始、更復雜，巨量、快速和多樣的數據存在明顯的碎片化特征，并不能直接利用[2]。因而，科技情報機構需要建立更加具有層次性、協調性的數據來源和數據參考規劃，突出海量數據支撐與核心資源質量控制相結合的資源保障策略。一方面需要加強對科技信息獲取渠道及其內容的質量評價，構建多維度科技信息質量評價指標體系和綜合運用多種質量控制策略[26];一方面需要加強對信息資源的深度加工與科學解析，提升數據的可理解性和可用性。
3.5 加強多源科技情報資源的集成與聚合
大數據環境下，科技信息服務需要面對方法、工具、數據的離散化分布[3]，需要融合多種來源結構異質的數據，集成多種數據分析方法，并且通過融合多源數據發現資源之間潛在關聯[27]。關聯性或弱信息的挖掘，被認為是大數據服務區別以往科技情報服務的典型差異[28-29]。而通過把不同渠道、利用多種采集方式獲取的具有不同數據結構的信息匯聚到一起，形成具有統一格式、面向多種應用的數據集合，這一過程稱為多源數據融合[2]。相對于以往圖書情報機構基于目錄的OPAC、基于元數據收割協議的數字館藏、基于協議標準的跨庫檢索等聚合方法，當前的數字資源聚合更注重內容層面的知識發現，尤其是數據驅動的弱信息關注[30]以及注重內容片斷進行搜索、過濾、瀏覽、鏈接、注釋和分析的戰略性閱讀[31]。
資源融合過程也是數據處理和分析技術的應用過程。李廣建等統計了國際上143個數字資源整合項目[32]，歸納出數據倉庫、Mediator/ Wrapper（中介器或封裝器）、Agent和P2P等四種整合機制，而且約占85%的項目或系統采用前兩種方法，其中涉及海量存儲技術、ETL技術、信息源監控與更新技術、信息源選擇技術、信息抽取技術、查詢處理技術、結果整合技術、語義整合技術等。尤其針對云計算環境下多源、異構、大規模、動態信息資源特征和人們日益發展的個性化信息服務需求，基于語義的本體資源聚合、分布式協作資源聚合成為當前關注的焦點[33]。
3.6 積極推動資源開放獲取與協作
大數據環境下，科技情報機構還應充分利用開放數據，加強機構間的協作共享。具體需要從業務模式和技術手段層面加以規劃，改變傳統科技情報獲取方法，降低用戶情報獲取難度，促進資源有效利用。從業務模式上看，要加大政府開放信息源的有效利用和商業機構的技術力量協作，以提高數據使用的內在效率為原則，盈利動機為補充，引入社會力量參與[34]。以英國政府開放數據為例，目前已有多家數據創業公司與data.gov.uk合作，如Open Corporates的全球企業信息查詢、Placr的整合位置與數據查詢、Locatable的綜合稅率和交通情況的居住地與購房決策查詢等。從技術手段看，則需增加數據的可得性。通常采用關聯數據集（Linked Data Set）技術支持開放共享，以RDF（資源描述框架）構建數據模型，利用URI（統一資源標示符）定義數據實體，通過HTTP協議瀏覽并獲取數據[35]。
4 大數據時代科技情報工作的服務模式創新
資源、技術與服務是科技情報工作的核心要素，資源的改變、技術的提升必然需要匹配服務的創新與升級。大數據環境下，科技情報服務模式的創新強調以用戶需求為中心，注重運用大數據技術分析方法，并建立拓展的資源保障體系與用戶需求之間的關聯[29]。結合大數據本身特征，科技情報服務將進一步突出輕量化服務、細粒度服務、技術服務和一體化服務的趨勢。
4.1 輕量數據分析服務
輕量數據分析的服務設計主要基于動態數據和片段數據的快速增長，較小地犧牲信息分析準確性而開展的快速信息分析方式，即“短、平、快”的服務模式。動態數據的迅速更新與快速增長導致全量數據分析的難度與時間復雜度增加，大而全的分析模式反而會降低情報分析結果的時效性，降低情報價值。因而，輕量化科技情報服務模式要突出三個要點：一是強調數據的快速解析與知識發現，一般采用即時跟蹤和動態監控的服務方式[36];二是突出最大可能降低信息分析的效度損耗，建立高效的數據篩選機制，從大量信息中準確選擇目標數據，盡可能通過較小數據吞吐發現問題;三是突出用戶價值，通過用戶定制、用戶交互實時獲取用戶需求，滿足用戶多變需求。
4.2 細粒度情報解析服務
細粒度情報解析主要面向用戶的深層信息需求以及對海量數據信息的降維與濃縮需求。細粒度情報解析服務的實現方式主要有：第一，對文獻實體知識單元的提取和分析，對文獻主題、章節結構、文獻元素（如圖表、數據、化學式、專利號）等進行有效提取和聚合分析，典型如學術本體、知識地圖、知識擴散與突變等偵測;第二，對文獻資源之間的弱關聯關系的發現[37]，尤其是數據背后關系網絡的發現，發現數據或知識之間的相關關系;第三，對內容片斷進行搜索、過濾、瀏覽、鏈接、注釋和分析的戰略性解析。
從服務表現形式上，細粒度情報服務導致從單一渠道獲取數據的數量與質量下降，為了保證情報分析的有效性需要擴大數據來源，提高多源數據分析能力。一方面，針對不同渠道采集的異構數據進行有效解析和聚合;另一方面要關注泛在網絡知識的利用，以及將開放數據內在的交互性、開放性轉化為可以利用資源，并利用海量數據的可知識對象化、可計算化開展服務。
4.3 技術應用即服務方式
技術應用即服務方式是對資源保障分析的延伸，將信息分析過程技術化、工具化，并以服務的形式提供給用戶。典型的應用如萬方創新助手、百度數據開放平臺、百度開題助手、騰訊云分析等平臺，在數據服務基礎上，將數據解析和處理工具也提供給用戶，用戶不僅利用數據，而且也能享受服務方提供的高度定制化的技術工具。相對一般的SaaS服務，科技情報機構的技術應用服務本身不存在數據委托存儲的數據安全問題，同時更能體現科技情報機構資源與分析技術的協同效應。同時，技術服務也為科技情報機構之間提供了資源和服務合作的橋梁。歐美學術圖書館就建議情報服務機構提供從資源到資源管理的完整服務體系[38]。
4.4 全流程一體化服務
全流程一體化服務強調科技情報服務對業務過程的全程參與與支持，滿足用戶的多元需求。大數據時代數據準確采集與精確加工難度增加，業務部門或用戶對情報機構的依賴性將愈發明顯，科技情報可將服務鏈擴展到情報采集、加工、服務、服務反饋及延伸應用的全生命周期鏈。典型應用是OCLC提出的學術圖書館研究支撐服務[39]。OCLC發現研究者對情報機構的需求不僅僅是文獻提供與保障，還有研究機會發現（研究項目趨勢）、研究者的知識產權管理與商業價值實現、研究合作者發現、管理和存儲文本與數據集、大量文本或數據分析、改進信息檢索或管理能力、引文管理、尋找機會、職位晉升或工作機會發現、學術聲譽管理、出版前出版中和出版后的文獻管理等。
5 結語
在文獻服務、技術服務、應用服務和決策服務的演進過程中，不僅科技情報工作的服務對象逐漸從文獻資料、系統信息過渡到覆蓋全生命周期數據、文獻知識單元、分析與應用工具以及決策與咨詢建議的立體服務結構，而且用戶需求和受眾的情報利用方式也發生了變化。以學術領域的情報工作服務為例，知識大數據的興起不僅推動了學術知識工程和數據存儲服務在科技領域的深度應用[40]，科學家和人文學者對知識數據的利用方式改變也催生了知識大數據服務的誕生[41]。在商業領域，Chen和Chiang通過梳理情報分析技術進展，發現情報分析從面向數據庫的結構化數據分析向面向網絡的非結構化數據分析、移動網絡和感知數據分析的BI&A3.0快速轉變[42]。雖然科技情報機構面臨著大數據在資源保障和信息分析技術上的挑戰，但另一方面科技情報的應用領域越來越廣泛、用戶對科技情報機構分析能力的依賴將越來越強，面臨巨大的發展機遇。
參考文獻：
[1] 王飛躍. 知識產生方式和科技決策支撐的重大變革――面向大數據和開源信息的科技態勢解析與決策服務[J].中國科學院院刊， 2012， 27（5）： 527-537.
[2] 李廣建，楊林.大數據視角下的情報研究與情報研究技術[J].圖書與情報，2012（6）：1-8.
[3] 賀德方. 基于大數據、云服務的科技情報工作思考[J]. 數字圖書館論壇， 2013 （6）： 2-9.
[4] 喬曉東，朱禮軍，李穎，等. 大數據時代的技術情報工程[J]. 情報學報， 2014， 33（12）： 1255-1263.
[5] 曾建勛，魏來. 大數據時代的情報學變革[J]. 情報學報， 2015， 34（1）： 37-44.
[6] 王曉佳，楊善林，陳志強. 大數據時代下的情報分析與挖掘技術研究[J]. 情報學報， 2013， 32（6）： 564-574.
[7] 張斌， 馬費成. 大數據環境下數字信息資源服務創新[J]. 情報理論與實踐， 2014（6）：28-33.
[8] Santovena A Z. Big data： evolution， components， challenges and opportunities[D]. Massachusetts Institute of Technology， 2013.
[9] Rider，F.The scholar and the future of the research library： A problem and its solution[M].New York city： Hadham Press，1944.
[10] Kraus R. Statistical déjà vu： The National Data Center Proposal of 1965 and its descendants[J]. Journal of Privacy and Confidentiality， 2013， 5（1）： 1
[11] U.S.Bureau of the Budget，Office of Statistical Standards，Review of Proposal for a National Data Center，Statistical Evaluation Report No. 6， December 1965， reprinted in Edgar S. Dunn， Jr.， Social Information Processing and Statistical Systems-Change and Reform[M].New York： John Wiley & Sons， 1974：204.
[12] The Home of the U.S. Government's Open Data[EB/OL].[2015-10-10].https：//data.gov/.
[13] Openning Up Government UK[EB/OL].[2015-10-10].https：//data.gov.uk/data/search.
[14] 李國杰， 程學旗. 大數據研究：未來科技及經濟社會發展的重大戰略領域――大數據的研究現狀與科學思考[J]. 中國科學院院刊， 2012， 27（6）：647-657.
[15] 鄔賀銓.大數據時代的機遇與挑戰[J].求是，2013（4）：47-49.
[16] 趙凡， 冷伏海. 科技情報研究與服務的發展現狀與趨勢[J]. 數字圖書館論壇， 2006（10）：52-60.
[17] 張曉林. 研究圖書館2020：嵌入式協作化知識實驗室？[J]. 中國圖書館學報， 2012（1）：11-20.
[18] 劉如，吳晨生，李夢輝. 大數據時代科技情報工作的機遇與變革[J]. 情報理論與實踐， 2015， 38（6）： 35-39.
[19] 張曉林. 走向知識服務：尋找新世紀圖書情報工作的生長點[J]. 中國圖書館學報， 2000， 26（5）：32-37.
[20] 錢力， 張曉林， 李春旺，等. 利用OSGi的科技情報分析集成服務架構研究與應用[J]. 現代圖書情報技術， 2014（12）：62-70.
[21] 毛曉燕. 大數據環境下圖書館信息服務走向分析[J]. 圖書館工作與研究， 2014（3）：72-75.
[22] Library of Congress， “Update on the Twitter Archive At the Library of Congress”（January）[EB/OL].[2015-11-15].http：//loc.gov/today/pr/2013/files/twitter_report_2013jan.pdf.
[23] Zimmer M. The Twitter Archive at the Library of Congress： Challenges for information practice and information policy[J]. First Monday， 2015， 20（7）.
[24] Pulse U N G. Big data for development： Challenges &opportunities[M]. NacionesUnidas， Nueva York， mayo， 2012.
[25] 中科院數據云.科學數據與科技文獻集成服務關鍵技術研究與應用[EB/OL].[2015-11-10].http：///linkdata/597.jhtml.
[26] 裴雷， 孫建軍. 中國科技報告質量評價體系與推進策略[J]. 情報學報， 2014（8）：813-823.
[27] 楊善林， 羅賀， 丁帥. 基于云計算的多源信息服務系統研究綜述[J]. 管理科學學報， 2012， 15（5）：83-96.
[28] 官思發，朝樂門.大數據時代信息分析的關鍵問題、挑戰與對策[J].圖書情報工作，2015，59（3）：12-18，34.
[29] 李廣建，化柏林.大數據分析與情報分析關系辨析[J].中國圖書館學報，2014（5）：14-22.
[30] Palmer C L. Weak information work and “doable” problems in interdisciplinary science[J]. Proceedings of the American Society for Information Science and Technology， 2006， 43（1）： 1-16.
[31] Renear A H， Palmer C L. Strategic reading， ontologies， and the future of scientific publishing[J]. Science， 2009， 325（5942）： 828-832.
[32] 李廣建， 汪語宇， 張麗. 數字資源整合的實現機制及關鍵技術――對國外數字資源整合系統的實證研究[J]. 中國圖書館學報， 2007， 33（2）： 75-80.
[33] 劉向， 王偉軍， 李延暉. 云計算環境下信息資源集成與服務系統的體系架構[J]. 情報科學， 2014， 32（6）： 128-133.
[34] 王晴. 論科學數據開放共享的運行模式， 保障機制及優化策略[J]. 國家圖書館學刊， 2014， 23（1）： 3-9.
[35] 李志芳， 鄧仲華. 國內開放科學數據的分布及其特點分析[J]. 情報科學， 2015（3）： 9.
[36] 繆其浩. 當情報遇到大數據――大數據熱點情報跟蹤的回顧與感悟[J]. 情報探索， 2013（5）：1-3.
[37] Palmer C L， Cragin M H， Hogan T P. Weak information work in scientific discovery[J].Information processing & manage
ment， 2007， 43（3）： 808-820.
[38] Malpas，Constance.Cloud-sourcing Research Collections：Managing Print in the Mass-digitized Library Environment[R/OL].[2015-11-15].http：///research/publications/library/2011/2011-01.pdf.
[39] Susan Kroll and Rick Forsman. A Slice of Research Life： Information Support for Research in the United States[R/OL]. [2015-11-15].http：///research/publications/library/2010/2010-15.pdf.
[40] Lyon Liz. The Informatics Transform： Re-Engineering Libraries for the Data Decade[J].The International Journal of Digital Curation， 2012， 7（1）： 126-138.
大數據時代的感悟范文5
2016年12月26日，我有幸參加了在興義為期20天的全國配售電高級研修班。此次培訓是由貴州南電弘毅電力技術服務有限公司，依托于恒華科技深厚的電力技術底蘊、中電縱橫強大的電力管理咨詢隊伍，結合萬峰電力發電、輸變電、電網調度、配網建設管理、售電營銷一體化管理經驗，面向配售電公司、純售電公司的從業人員進行電力技術培訓。
培訓公共課程2天，生產運行2.5天，市場營銷4天，配網自動化0.5天，配電網規劃0.5天，總承包管理0.5天，截止至2017年1月6日，為期10天的理論課程已告一段落，從中得到了一些啟發和感悟，現小結如下：
一、課程開設情況
本次研修班開設的課程有電力基礎知識、電改政策解讀、配售電公司設立與運營、系統演示、在線監測、總承包管理、配網自動化、大數據應用、電子化招投標業務、配電網規劃、營銷現狀及發展趨勢、業務報裝、客服服務、供電合同、電能采集、抄表管理、核算管理、收費及賬務管理、線損管理、用電檢查、計量管理、負荷預測、實物資產管理、變電設備運維管理、設備檢修管理與狀態檢修、技改大修管理、技術監督管理，課程安排緊湊且貼近與配售電業務管理，講師們講授深入淺出，指明發展思路，使每一名學員飽餐了一頓精神食糧。
二、學習方面的感受
1、理順了發展思路
通過全面的業務知識及政策導向分析，使我拓寬了思維，并系統全面的對配售電這一新興行業有了新的認知，加深了對電力營銷這一崗位的認識。主要體現在兩方面：一是要積極研讀政策文件，堅定信念，探索配售電發展的思路；二是認識到自身的不足，需要不斷提高自己的專業知識、管理知識和職業修養；三是拓寬了對增值業務的理解及發展方向。
2、學習是永不枯竭的資源
過去的電力交易，是發電企業賣電給電網，電網再賣給用戶，其中發電企業得到的上網電價和用戶付出的購買電價，都是國家規定的。恰恰中間的電網環節成本沒有任何監管，簡單理解就是管住了兩頭，而放過了中間。自2015年"9號文件"的出臺后，中央電改腳步加快，貴州省在2016年下半年也組合拳式的了相應的配套文件，強力推進這個供給側改革。在經濟全球化、知識經濟化、信息快速化的趨勢越來越突出的時代，配售電這一新興行業的誕生對于我們來說至關重要的是學習，要在不斷學習的過程中重塑自我，提升自我，更新觀念，理清思路，不斷創新，增強企業的競爭能力。
三、業務認識提升
1、賣的是服務套餐
作為開發區配售電公司，政府的強力協調性是最大的優勢，但是南網的壟斷格局也沒那么容易打破，比如供電的可靠性、電能質量、調度的協調等等，一個環節的失誤就會導致我們失去客戶，而一旦失去了客戶，就很難再獲取，并會讓企業形象大大受損。對于前期沒有配網，只能開展純售電的公司而言，"服務"的提升是最大的競爭力，業余學習了一下德國的配售電改革案例，給用戶提供節能服務、優惠套餐等增值業務是一項重要思路。只有提高了服務能力，才能在售電中分得一杯羹。
2、智能信息工具充實管理手段
近日，中日韓三國等圍棋高手皆敗于連勝60局的"Master","Master"其實就是人工智能程序，可怕的是它走的每一步棋都完全不用思考，不像人類大腦會有諸多因素的干擾。而這類智能一體化系統同樣在配售電工作上既能準確的實現電能、電量、電費的采集運算及抄核收，又能為企業節約人工成本。通過使用大數據網絡來完善和提升企業管理，走向規范運作、管理科學、高效發展的具有綜合競爭能力的現代化企業。
3、未來最大的能源市場
馬云在2015年在貴陽"全球大數據峰會"上的分享發言，他說"互聯網是未來最大的能源".這句話，在12月31日上了李杰老師的課后，我才有了深切的感悟，最大的啟發是為什么要這么迫切的搶占充電樁市場，因為充電樁市場能靠"物聯網"帶動"互聯網+",且潛力巨大。簡單的解釋就是以充電樁為介質賣電，催生互聯網充值業務，再由充值業務衍生出"互聯網+"中電子商務、廣告、增值服務等等業務，還能通過大數據及GPS,統計出電動汽車的運行數據，商業價值巨大。而這些"能源市場"的催生也許會讓充電賣電成為輔助產品。
4、為做好電能期貨市場做準備
無論是朱老師的政策性解讀，王剛老師、陳寶珍老師、譚應波老師、孫兆乾老師業務知識解說，還是桂衡老師、李杰老師的配售電分析，都是在讓我們掌握了專業知識和政策導向下，幫助客戶養成良好的用電習慣，讓購售電偏差值得到有效控制。甚至可以更大膽的設想：以后用戶可以晚上充電，白天用電，用戶也可以將自己充的電賣給別人，這樣就可以實現電能的存儲和銷售，達到期貨交易的目的。
以上觀點純屬個人培訓學習的感悟，十天的培訓學習，課程多、時間緊，知識量大，許多知識我們還只是了解些皮毛，掌握的不多，認識還相當膚淺。但是，通過這次培訓學習，的確給我們更新了知識，開闊了眼界，為我們今后深入學習、實踐打下了堅實的基礎。
大數據時代的感悟范文6
在這之后，作為大連軟件園股份有限公司的總裁，高煒主持了大連軟件園的規劃開發、建設與運營管理工作，成為國內最早從事軟件園區投資運營管理的人士。
現在，“老軟件人”高煒遇到了軟件行業的新一輪變革?！斑@種驟變是每 30 年才遇到一次?！泵绹萍疾┛虰usinessInsider描述說，“上一次行業革命創造了今日的巨頭，像微軟、甲骨文和 SAP，同樣的事情會在這5 年內重演，新的行業巨頭和技術將崛起，也有一部分舊公司退出歷史的浪潮?！?/p>
5年內的暴風驟雨
高煒對這個驟變已有預感。
在印度考察時，他發現當地著名的塔塔集團，當年從軟件服務外包起步，現在為印度中小企業創立云平臺，客戶可按月付費使用最基本的會計和銷售管理軟件。另外兩家印度企業Cognizant和Wipro，利用云平臺、物聯網等技術搭建了家庭護理解決方案，承接美國病人的家庭護理外包業務，這些公司建立了美國運營中心、印度運營中心和外勤護工團隊，并為此配備了IT設備和基礎設施。
在國內，高煒他們在北京見過一家公司中啟創，創始團隊從西門子出來以后，創建了云計算公司，專門為一些不愿在IT上做大投入的小企業提供服務。客戶只要按月付費，例如每月支付200元，就可以遠程使用OFFICE等云平臺上提供的軟件，不同的費用標準所能使用的軟件也不同。
在上海，高煒接觸過的一家名為美庫爾的公司，雖然是做客戶管理的，但他們不開發軟件，而是運用大數據分析技術，針對某個人、公司或者組織設計營銷方案。比如說你上淘寶買東西，左邊有一欄東西，你看了什么、你會喜歡什么，他們利用這些數據，會自動總結出屬于你的營銷方案，然后把類似的東西都推送給你?！安痪们埃筮B軟件園參加在新加坡舉行的SSOW會上，有個專題研討會就在討論大數據和海量數據間的區別。當時大家有一個一致的觀點，大量的數據并不就是大數據，所謂大數據，是圍繞對象相關的數據給它整合起來。”高煒說。美庫爾做的就是基于大數據的生意，他們目前基于大數據在做上海迪士尼的消費體驗分析。
這些“新”企業，與高煒他們過去做軟件園10多年中接觸的傳統軟件企業有著一些根本的不同：
首先，它們對地域概念不再那么強了，身處何方都可以開展它們的業務。
其次，它們通過網絡來運營、管理業務；而且這些公司更加活躍，它們會熟練利用互聯網和新興的社交媒體來做營銷推廣。因此，它們對網絡的可靠性和穩定性非?？粗?。
再次，很多新型軟件企業不再像傳統軟件開發那樣依賴大量人力。這些新型企業規模通常不大，更加關注成本，關心有沒有便利的軟件服務，不用他們自己做投資，因此，它們對云服務更有需求。
此外，新企業更年輕，更喜歡創新性事物，更強調不拘一格的創新。
那么，高煒自然而然地要面對這樣的問題：在這樣的變化下，軟件園要做哪些改變呢？
追隨新生代
你可能會驚訝地發現，現在由大連軟件園股份有限公司負責規劃和運營管理的武漢軟件新城，在某種意義上實現了“智慧城市”的部分暢想：智能一卡通系統將園區內的門禁、停車收費和生活配套設施等服務都集成在一張卡片上，這張卡片同時接駁至區域內的公交系統，讓企業員工的生活和出行更為便利。園區內主要路口的大屏幕信息屏、樓宇內的多媒體觸摸查詢系統、電梯內的液晶電視屏，進行實時的信息、傳播和查詢，同時向園區內的移動終端用戶發送實時的信息推送通知。
在軟件園中規劃的公共服務平臺，除了那些滿足馬斯洛基本需求——像吃飯、交流的基礎設施外，現在也少不了云平臺。高煒想起多年前，在大連軟件園建設過程中，曾經有段時間，園區中有很多企業在接大型機軟件改造的外包業務，但卻沒有大型機開發平臺。當時，高煒他們就與IBM談合作，租賃了一個大型機平臺，拉線到那些軟件企業中去，讓大家來共享這個平臺做開發。
如今，這個平臺經濟和資源整合的基因仍然是軟件園最重要的特質之一?！鞍⒗锞褪翘峁┝艘粋€好的平臺，建立起了一個生態圈；軟件園也需要搭建好的平臺，建起一個生態圈。新時代下，云服務也成為公共平臺的一個組成部分?！备邿樥f。不久前，高煒與北京云基地等組織做了交流，現在云的生態鏈引進和商業運作，是他們嘗試做的一件事。
同時，怎么更好地利用互聯網去抓住客戶，服務客戶也是軟件園嘗試的一件事。
孵化器在近些年也已成為軟件園和開發區的一個必備功能。現在新型軟件公司發展非?？?，不斷涌現出新企業。在這個階段孵化器的作用很大。軟件園正在嘗試為小微企業提供打包式服務，采用分成形式，來探索新的盈利模式。軟件園也聯合風投一起運作，如果看好一家公司，可以給它免租，但是可能占它5%的股份，等這些企業上市或者有了發展后再來獲取回報，這些新的運營機制都在探索之中。
實際上，類似的模式，像打包服務，過去曾在巨型企業身上嘗試過、成功過。早在2002年，IBM日本公司有意把一部分軟件服務外包業務拿到大連來做。但跨國企業論證、審計流程繁瑣復雜，一般需要一年時間?！坝袥]有更簡單的方式來做這件事？”IBM相關負責人找到了大連軟件園。最終，高煒他們獨創了BOT（建設、運營、移交）模式——IBM把核心業務拿過來、核心團隊派過來，大連軟件園負責樓宇裝修、網絡設備安裝、人才招聘培訓，直到建立一個可以運營的公司，然后把公司整體移交給客戶。之后，軟銀、思科也都采用了這個模式入駐大連軟件園?！艾F在IBM在中國有1.6萬人，大連就有8000人?！睆牧闫鸩阶鲞@個項目的高煒每次提起來都非常自豪。如今，這樣的孵化思路又要結合新時代小企業的特點來調整和再復制。
快速的復制
萬達商業地產在全國各地快速地建設，讓高煒有很深的感悟。“王健林曾經講過，做商業地產、做ShoppingMall、做城市綜合體，過去沒有標準。但現在萬達為什么能做這么快、這么專業？就是因為它摸索建立起了一套最符合客觀規律的商業地產標準，設計從一開始就按照標準，設計完了一次成型”。
在中國，產業園區本身也是新生事物，產業樓宇的建設和設計也并無成熟先例。高煒他們在過去10多年做軟件園區的摸爬滾打中，在與世界500強客戶的合作切磋中，積累了大量的經驗。令高煒最難忘記的是2003年，美國GE公司請大連軟件園為它建設一個定制樓。當時GE給出的英文技術標準文檔有厚厚一摞，不僅包括配電、采暖、通風，就連休閑區、提款機、咖啡機的配置甚至衛生間的蹲位都有精細的標準。今天，大連軟件園也有能力做自己的精細化標準。今年是大連軟件園股份有限公司的“標準年”。高煒說，只有把實踐中總結出來的很多東西變成標準、流程，產業園區的復制才能實現高效和專業化。
例如在實踐中，大連軟件園發現，在數千人的軟件公司，男女比例通常達7：3，而服務型企業，如后臺服務中心則正好相反，所以，在產業樓宇建設中，他們引入了“預設機動衛生間”這個設計，隨時根據業主的情況來調配男女的蹲位比例。在軟件園中，加班現象比較常見，但常規寫字樓中央空調一般無法在非工作時間內運轉。大連軟件園就對空調進行分區控制，實現在非常規工作時間內可以針對局部區域集中提供空調服務，還能降低客戶加班時的空調延時費用。大連軟件園還通過科學設計與提升電梯操控，實現員工在高峰時段候梯時間不超過30秒的設計。通過優化平面設計，使辦公室最遠工位距離窗邊的長度不超過兩個柱距，保證每個工位都有好的自然采光和通風。這些經驗已被整理為標準流程，作為大連軟件園股份有限公司的建設規范。
在移動互聯時代，公司比以往任何時候都更關注員工的創造力。依賴創新的企業相信這樣一種理論——輕松愉悅的工作環境可以激發員工的創造力。美國《時代周刊》曾過一組有關Google總部Googleplex的照片，描述在加利福尼亞州山景城的Google總部那些不拘一格的設計，像在企業總部中融入高爾夫球場、游樂園、美容院、游泳池、水族館等等康樂設施和設計思路，來促進員工的創新性和協作能力。在新一代軟件園區建設規劃中，這也是一個不可避免的趨勢。高煒稱新的軟件社區也正在引入這樣的思路，提供適合創新群體的工作環境、生活環境的配套設施。
實際上，高煒做標準、提升產業園區建設復制能力是有根本動力的。現在，中國提出建設新型城鎮化，高煒認為，這個新型城鎮化要以產業為核心載體，而且作為核心載體的產業要更為綠色，減少對環境的污染，并能吸收更多的大學生就業?！敖衲瓯环Q為‘最難就業季’，新畢業大學生達到690萬?？墒俏磥?0年，每年預計會新增700萬大學生，而總的新增就業人口是1500萬左右，大學生將占到一半?！?高煒說。這就是新的形勢。他打了個比方，如果他們和某知名全球電子制造巨頭一同去一個地方投資，在過去，人們肯定會熱烈歡迎后者，但現在，高煒他們做得更綠色、更可持續發展的產業園區將更順應時代的潮流。
目前，大連軟件園股份有限公司已經進駐了蘇州、武漢等地，與當地一起進行生態科技城開發以及軟件園的投資運營。
