時間：2023-06-05 09:54:57
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇大數據庫建設方案，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
關鍵詞：經營分析；數據倉庫；大數據；云計算
中圖分類號：TP311.13
1 研究背景和意義
隨著移動互聯網時代的到來，三大運營商的業務重點正在從話音、數據業務向互聯網業務轉變。這種轉變將對經營分析系統帶來迫切的需求。一方面，日益嚴峻的競爭環境要求經營分析系統分析粒度更加細化，為前臺客戶發展、客戶保留提供更為細致的分析結果；另一方面，隨著業務模式的轉變，海量的互聯網數據需要納入分析范圍，這兩方面的因素決定了未來幾年經營分析系統的規模和處理性能將超常規發展。因此，經營分析系統傳統的高端小型機+磁盤陣列的建設模式已難以適應移動互聯網時代企業發展的要求，亟需尋找低成本、高性能的演進方案。
2 云計算與大數據
自Google提出云計算概念以來，已使得IT行業發生了巨變。最近一年來，大數據概念迅速興起。大數據的興起說明數據已成為重要的資產，誰擁有更多數據、更善于使用數據，就能吸引用戶、產生價值，在未來IT行業發展中占據競爭的主動。
大數據技術與云計算的發展密切相關，大數據技術是云計算技術的延伸。大數據技術涵蓋了從數據的海量存儲、處理到應用多方面的技術，包括海量分布式文件系統、并行計算框架、NoSQL數據庫、實時流數據處理以及智能分析技術等。云計算為大數據提供了發展的可能，大數據是云計算絕佳的業務領域。
大數據技術為運營商帶來絕佳的轉型機會。除應用于傳統企業運營管理分析外（如戰略分析、競爭分析、運營分析、流量經營分析、網絡管理維護優化、營銷分析），還可利用積累的數據，為用戶提供內容服務，例如根據對用戶上網行為的分析，為用戶推薦應用商店軟件、IPTV視頻節目等。因此三大運營商應抓住機會，發力完善擴充運營分析系統，盤活龐大的數據資產，拓展業務領域。而這種轉型，需要現有的數據倉庫向云計算架構演進。
而就技術來說，目前應用與大數據領域的云計算技術主要包括MPP（大規模并行處理）數據庫與Hadoop技術。
3 云計算MPP數據倉庫關鍵技術分析
隨著大數據時代的到來，傳統的數據倉庫系統已無法滿足性能和成本兩方面的挑戰。而廉價的x86設備通過分布式并行處理軟件集群實現了低成本、高性能的解決方案。雖然傳統交易型數據庫在向x86云平臺遷移過程中仍有許多問題難以解決，但在分析型數據領域，由于其數據操作多為連續讀寫，業界已有較多x86云計算MPP數據庫解決方案，構建價格低廉的基于x86平臺的云數據倉庫已成為現實。MPP云計算數據倉庫關鍵技術如下所述。
3.1 數據庫SharedNothing集群架構
面對大數據量的處理，MPP是數據倉庫的必然演進方向。并行數據庫架構方式主要包括SharedDisk和SharedNothing兩種。
SharedDisk架構指數據庫集群中每一個CPU使用自己的私有內存區域，通過內部通訊機制直接訪問所有磁盤系統。其主要特點為高并發、高可用性。但其存在資源爭用問題，當為大數據量處理增加更多的CPU時，因為增加了對內存訪問和網絡帶寬的競爭，系統反而有可能減慢。
而在SharedNothing集群中，每一個CPU都有私有內存區域和私有磁盤空間，而且2個CPU不能訪問相同磁盤空間，CPU之間的通訊通過網絡連接。其主要特點為，支持大數據量處理高并行、低并發、低可用性。當事務數量不斷增加時，SharedNothing體系可通過增加額外的CPU和內存來數據庫穩定增長，從而可以保證每個事務處理時間不變。同時，SharedNothing在運行過程中降低了競爭資源的等待時間，從而提高了性能。
就其適用場景而言，當應用代碼量很大、相關數據量比較小時，SharedDisk更加適合這種典型的OLTP應用；如計費系統。而當相關數據量很大、而應用代碼并發量很小時，由于SharedNothing架構可將單一大任務分解為多個小任務、同時在多個節點處理，通過并行縮短任務處理時間，從而大大提升系統性能。因此SharedNothing架構是云計算數據倉庫的必然選擇。
3.2 列式數據庫
列式數據庫是以列相關存儲架構進行數據存儲的數據庫，主要適合于批量數據處理和即席查詢。相對應的是行式數據庫，數據以行相關的存儲體系架構進行空間分配，主要適合小批量的數據處理，常用于聯機事務型數據處理。
列數據庫在數據倉庫、商務智能領域應用中有著先天的優勢：獨特的存儲方式，能夠迅速的執行復雜查詢；列數據庫的壓縮技術，更是能為數據倉庫、商務智能應用中巨大的數據量節約存儲成本；列數據庫先進的索引技術也大大提高了數據庫的管理，其優勢詳見下表，可見列式數據庫是云計算數據倉庫的不二選擇。
4 運營商經營分析系統演進方式探討
如前所述，隨著移動互聯網的快速發展，三大運營商如想在競爭中占據鰲頭，則其經營分析系統應快速跟進，提升性能、擴大容量，抓住行業變革的機遇，采用云計算技術構建海量數據分析平臺，實現數據的價值化。因此，經營分析系統應在近期快速搭建企業統一云計算分析平臺。
就平臺搭建方式而言，可采用MPP數據庫與Hadoop技術結合的方式。MPP數據庫用于處理結構化數據和大批量分析任務，實現對經營分析系統核心數據倉庫的接管和替代；而Hadoop適合處理非結構化數據與NoSQL數據，適應小粒度高并發數據處理場景，應用于ETL等子系統，與云計算MPP數據倉庫形成互補，充分提升數據倉庫的處理能力。
4.1 MPP數據庫建設方式建議
從業界主流的兩種云數據倉庫技術路線來看，一體機方案雖然性能較高，但其無法支持在線平滑擴展，在業務靈活性方面受限；且其硬件為專有硬件，容易形成對特定廠家的綁定；產品價格普遍較高，較傳統建設方式優勢不明顯，隨著未來數據量的激增，必將對企業產生較大的成本壓力。
而軟件數據庫管理系統技術路線則在靈活性方面占據優勢，可隨著未來業務的變化在線擴展系統；其硬件支持標準x86設備，未來建設選型空間較大，系統總體投資較低；在未來使用大云HugeTable時，標準的x86硬件也可平滑利舊。因此，運營商應盡早引入基于軟件數據庫管理系統的云計算數據倉庫產品，一方面降低系統建設成本，另一方面通過系統遷移部署及早積累經驗，規范應用軟件，為未來全面轉向云計算數據倉庫做好準備。
4.2 落地實施建議原則
由于云計算數據倉庫技術較為前沿，在通信行業落地案例極少，缺乏可借鑒的建設經驗；而經營分析系統已逐漸由后臺決策支持系統轉變為支撐前臺業務發展的生產系統，出于保證系統穩定性考慮，在從現有經營分析系統向云平臺遷移時，應審慎、分階段實施。
另一方面，現有經分系統運行壓力已非常大，新業務需求層出不窮，系統能力擴容迫在眉睫。結合兩方面考慮，云計算數據倉庫落地建議以“分流減壓、可用驗證、漸次替換”分步實施方式進行。
5 結束語
云計算技術在大數據處理方面已具備較好的實踐基礎，可滿足運營商經營分析系統低成本、高性能建設的需求，及早探索云數據倉庫的建設，近期將有助于其在移動互聯網時代占據競爭優勢。遠期則可以在經營分析系統基礎上，搭建大數據分析平臺，通過自己采集、第三方提供等方式匯聚數據，并對數據進行分析，滿足在線廣告、電子商務等行業的數據分析需求。
參考文獻：
關鍵詞：物資信息系統；大數據；解決方案
中圖分類號：TP315 文獻標識碼：A 文章編號：1007-9416（2017）03-0100-02
鐵路物資應用大數據管理系統首先構建物資專業數據庫，需要補充和完善需要的數據項，構建物資專業全量數據體系，例如增加重要物資的生產日期，技術證件（復印件或圖片），驗收記錄，復檢復驗業務數據，質量問題圖片數據，供應商的生產許可數據、生產資質（圖片）等數據；其次完善物資管理職能，豐富和增加基礎數據源，例如修舊利廢管理，廢舊物資管理等，在提高對廢、舊物資管理的同時，完善物資管理數據源；系統通過歸集處理，完成對物資專業產生的數據、與物資有關的其他數據、來自互聯網上的相關數據，還包括手工編輯導入的數據等集中處理，將這些數據（結構化、非結構化）歸集到大平臺數據庫中，形成數據源；數據存儲和處理，采用大數據技術對歸集的數據源進行清洗、轉換并存入不同的數據庫，并進行匯總、挖掘處理，形成對外統一的大數據接口；數據查詢、分析和預測系統對處理后的大數據根據業務需求進行各種統計、查詢和預測，達到讓數據張口，靠數據說話，減少因缺少數據支撐而帶來的偏差，降低決策風險。
1 物資管理數據體系
在物資管理信息系統中，增加物資的生產日期、入庫驗收信息，相關技術證件、復檢復驗數據等；在物資質量問題反饋管理中增加質量問題圖片；增加物資屬性圖片及供應商的詳細信息（如生產規模、信譽等級、資質、生產許可和認證等），建立物資專業基本信息庫，形成物資管理全量數據體。
1.1 完善物資管理職能
增加修舊利費管理子系統，對卸下的配件經過維修再利用，提高物資的使用率；增加廢舊物資管理子系統，將報廢的各類物資進行分類歸集，由物資處進行統一處置，清算處理，沖減成本；增加物資質量跟蹤管理子系統，與各專業的生產檢修系統進行互聯互通，實現對物資采購、檢驗、使用、維修、報廢等全過程管理。
1.2 數據采集
數據采集就是從數據源收集、識別和選取數據的過程，隨著業務的進行，各類數據的累積越來越大，如何有效地收集這些數據，保證采集數據的可靠性，避免重復數據，保證數據的質量，是數據采集這個環節需要解決的。
數據采集分為兩個來源：數據來自應用系統之外，簡稱為外部采集；數據來自引用系統內部，簡稱為內部采集。
外部采集主要來自物資經營的專業網站，例如東方財富網等其他一些網站，數據包括關注物資的價格變化數據，供應商的生產、銷售數據，價格數據；還包括國家統計部門的GDP、PPI和CPI等；包括總公司、路局專業處室的下一時間段的大修、更新項目計劃數據，主要用來分析和預測價格走藎下一階段的物資采購預測等。
1.3 數據挖掘
數據挖掘作為一種決策支持過程，高度自動化地分析企業的數據，做出歸納性的推理，從中挖掘出潛在的模式，幫助決策者調整市場策略，減少風險，做出正確的決策。針對歸集的大量相關業務數據，進行清洗、刪除和處理，保證數據的有效性和正確性，然后分析物資專業所關注各項內容（或關鍵指標）之間潛在的關系，找出影響分析結果的主、次因素，作為數據挖掘的基礎。
2 數據分析和展現
在大數據分析與業務協同的基礎上，利用基本分析引擎驅動的圖形信息顯示功能，建立管理儀表盤跟蹤、分析、監控、預測關鍵指標和目標，實現對物資價格預測、需求和采購分析、質量跟蹤、廉政風險防控等業務決策模型的最終分析運用結果進行展現。
2.1 重要物資價格變化趨勢
根據每月產生的采購價格，形成價格的直觀圖表，同時可以關聯相關數據預測未來一段時間內的價格走勢；也可以顯示歷史（一年前過兩年前的）變化，作為比較依據。
2.2 重要物資需求預測分析
根據物資大數據，可以分析預測出下年度的重要物資的需求數量，以便根據市場情況，提前做出采購預算，保證供應；分析結果可以通過報表或柱狀圖展示。
2.3 物資采購綜合分析
根據物資大數據，對物資采購的各項指標進行綜合分析，包括采購周期、采購方式、物資使用方向、采購金額、供應商反饋及問題投訴，從中發現可能存在的廉政風險，強化陽光采購。
2.4 庫存周轉與采購周期分析
根據物資專業大數據，對全局的庫存物資的周轉天數（能夠按照物資小類、物資大類等）及相對應的采購周期進行分析，查找周轉天數差異，找出問題所在，提高庫存的周轉率，杜絕庫存積壓、減少庫存資金占用；分析結果通過報表或圖形展現。
3 技術方案
總體架構。整個架構分為5層：
數據源層，處于整個架構的最底層，包含物資管理系統及與之關聯的全部業務數據：結構化、半結構化和非結構化。
獲取層：數據采集（ETL），負責對源數據的采集、清洗、轉換和加載，包括：把原始數據加載到Hadoop平臺。
數據層：包括主數據倉庫、分布式數據庫及Hadoop云平臺，Hadoop云平臺負責存儲海量的單據數據，提供并行的計算和非結構化數據的處理能力，實現低成本的存儲和低時延、高并發的查詢能力；主數據倉庫（與MPP合設）負責存儲指標數據、KPI數據和高度匯總數據；分布式數據庫（MPP）負責存儲加工、關聯、匯總后的業務數據，并提供分布式計算、支撐數據深度分析和數據挖掘能力，向主數據倉庫輸出KPI和高度匯總數據。
能力層：負責向上層的應用方提供大數據平臺能力，同時提供統一的數據開放接口，使多方大數據應用方享用。
應用層：為用戶提供大數據平臺的數據分析、查詢、挖掘等功能，實現對物資管理專業的需求預測、采購預期、價格走勢、物資質量跟蹤、供應商績效考核等綜合分析。
4 安全方案
基于信息安全等級保護二級要求落實安全措施的要求，結合本系統的具體需求，在系統設計時，應重點考慮應用安全、數據安全和網絡安全三個方面。
4.1 應用安全
應用安全是信息系統整體防御的最后一道防線。在應用層面運行著信息系統的基于網絡的應用以及特定業務應用。基于網絡的應用是形成其他應用的基礎，包括消息發送、web瀏覽等，可以說是基本的應用。業務應用采納基本應用的功能以滿足鐵路物資管理信息系統的要求。由于各種基本應用最終是為業務應用服務的，因此對應用系統的安全保護最終就是如何保護系統的各種業務應用程序安全運行。
4.2 數據安全
系統處理的各種數據（用戶數據、系統數據、業務數據等）在維持系統正常運行上起著至關重要的作用。一旦數據遭到破壞（泄漏、修改、毀壞），都會在不同程度上造成影響，從而危害到系統的正常運行。由于物資應用大數據管理系統的各個層面（網絡、主機、應用等）都對各類數據進行傳輸、存儲和處理等，因此，對數據的保護需要物理環境、網絡、數據庫和操作系統、應用程序等提供支持。各個“關口”把好了，數據本身再具有一些防御和修復手段，必然將對數據造成的損害降至最小。
另外，數據備份也是防止數據被破壞后無法恢復的重要手段，而硬件備份等更是保證系統可用的重要內容。
4.3 網絡安全
網絡安全為物資應用大數據管理系統在網絡環境的安全運行提供支持。一方面，確保網絡設備的安全運行，提供有效的網絡服務，另一方面，確保在網上傳輸數據的保密性、完整性和可用性等。該系統納入鐵路總公司、鐵路局網絡和信息安全保障體系中。
4.4 關鍵技術
大數據并非一項新技術，其前身是商務智能BI，是一系列信息技術的集合。怎樣將數據中的價值挖掘出來，并以直觀、清晰地方式展現在人們面前，是大數據解決的基本問題。數據展現通過借助表格、圖片等手段，揭示隱藏在數據背后的模式與數據之間的關聯關系，它以簡單、友好的方式將這種關系呈現給用戶，可以有效地提升數據的使用效率。該系統包括數據采集、數據管理、計算處理、數據分析和數據展現5個技術環節。
數據存儲是大數據時代需要解決的重要問題。目前，鐵路物資系統保存了大量的結構化數據，然而亟待解決的是海量半結構化和非結構化數據的存儲問題。非結構化的數據主要采用對象存儲系統或分布式文件系統進行存儲，本文采用Hadoop分布式文件系統。Hadoop基于一種_源的理念實現的分布式文件系統；半結構化數據可以使用NoSQL數據庫HBase中存放；結構化數據存放在關系型數據庫Oracle或SQL Server中。HDFS（Hadoop Distributed File System）是Hadoop的核心模塊之一，具有如下特點：
在一個多節點塊集群存儲文件；在節點間復制模塊；主從架構；沒有文件更新；一次寫，多次讀；大數據塊順序讀模式；為批處理設計。
大數據時代的數據有以下幾個特征：大體量（Volume）、多樣性（Variety）、大價值（Value）、時效性（Velocity）、準確性（Veracity）的5V特點。常規的數據分析僅僅是對己有數據的靜態分析，并不能進行動態的預測，而物資系統要求動態實時的反應生產實際，所以該系統大數據分析的難點是動態化、多維化和深度化。
適用于大數據的技術，包括大規模并行處理（Mpp）數據庫，數據挖掘電網，分布式文件系統，分布式數據庫，云計算平臺，互聯和可擴展的存儲系統。
5 結語
5.1 實施策略
大數據平臺的建設工作量大、周期長、涉及部門多，系統的實施應遵循統一指揮、統一規劃的原則，系統實施過程采用分步建設、試點先行的原則，在明確分工的基礎上，大力協同，科學實施，確保各項工作的有序推進。
5.2 項目實施組織
成立物資應用大數據管理信息系統項目工作組，按照本方案有序推進實施工作。項目工作組負責總體指導和統籌協調，解決系統工程建設中的重大問題，確保按統一規劃和建設標準進行實施；協調設計單位、相關接口系統的設計開發單位、業務處室和站段直接的分工協作。
成立專家組負責業務指導和技術把關，為項目開發和實施過程中出現的問題提供咨詢支持。
關鍵詞:大數據；會展企業；精準營銷
大數據背景下，數據信息接受、獲取、分享渠道的改變，顛覆了會展企業傳統營銷模式。會展企業傳統的營銷模式已經不能夠滿足新時代下企業發展模式，需要進行轉變與創新。針對會展企業發展而言，精準的會展企業營銷模式，能夠拓寬發展渠道，滿足消費者需要，增強會展企業核心競爭力。因此，研究大數據背景下會展企業精準營銷策略十分重要，使會展企業經濟發展增收的需要。
一、大數據背景下會展企業精準營銷價值
(一)提升會展企業營銷效率在會展企業發展的今天，精準性營銷模式已經在其營銷、管理、運行模式中推廣，并且被多數會展企業運用到自身營銷管理模式中，取得良好的經濟效益。但從當前會展企業發展現狀來看，還有部分會展企業還是依靠廣告銷售、電話銷售形勢進行營銷，這種營銷模式雖好，但投入過大，并且對目標客戶的獲取量較少，增強會展企業營銷成本，不利于會展企業進一步發展，而會展企業實現精準性營銷模式，借助大數據技術，立足于互聯網平臺中，根據自身發展模式，挖掘、收集、整合、處理數據信息，明確目標客戶，根據目標客戶形式，調整會展活動形式，滿足受眾面消費需要，提升會展企業目標客戶的轉化率。
(二)加強會展企業品牌建設大數據背景下，借助先進技術的干擾、引領，有助于建設會展企業品牌服務模式，促進會展企業走可持續發展路徑。品牌建設增強會展企業知名度，使目標客戶與會展企業構建良好的合作關系。可以說，大數據時代的來臨，拓寬會展企業營銷渠道、創新營銷組織模式、革新營銷手段，提升會展企業經濟效益的增收。
(三)滿足會展企業客戶實踐體驗大數據背景下，會展企業營銷模式，借助先進技術效度，獲取目標客戶參會前、中、后的行為數據信息，根據這些信息預測目標客戶的消費行為偏好，對產品進行進一步升級、優化，并且借助互聯網平臺，收集目標客戶的數據信息，諸如消費偏好、興趣愛好等信息，根據這些信息為目標客戶構建參展方案，提供給目標客戶，增強目標客戶產品體驗效度，實現一對一的參展形式服務，進而提高會展企業服務水平。
二、大數據背景下會展企業精準營銷困境
大數據背景下，不僅為會展企業精準營銷實現帶來一定的機遇，與此同時，也是為會展企業精準營銷實現帶來一定的困境。
(一)數據處理技術滯后在大數據背景下，為會展企業提供豐富的信息數據，有效的運用信息數據，推進會展企業精準性營銷模式，這為會展企業發展帶來契機。例如：在精準性營銷中，應重視數據信息的存儲、收集等工作，以此實現信息數據在會展企業發展中的價值。但從當前會展企業營銷模式來看，數據信息的運用對會展企業發展不形成實質性的價值，使信息數據運用停留在形式，沒有發揮其根本性效度，影響到會展企業營銷效率的提升。從當前會展企業信息數據運用情況來看，信息數據的運用大都停留在采集層面上，分析數據大都借助人工形式進行，發揮不了大數據在會展企業精準營銷模式中的運用效度。
(二)工作人員信息素養不強人才是會展企業發展的原動力，也是會展企業走可持續發展的有力支撐。在大數據背景下，需要加強工作人員信息素養，使工作人員合理的收集、運用、分析、整合、提取信息數據，以針對性、精準性、合理性的信息數據為會展企業發展提供支撐，進而使會展企業實現精準化營銷模式。但從當前會展企業精準化營銷現狀來看，工作人員信息素養不足，影響到大數據在營銷管理模式中的運用效度。例如：雖然會展企業已經將大數據推進營銷工作中，但部分工作人員還是將思想理念停留在傳統營銷模式中。究其原因，是工作人員信息素養不高，制約了會展企業進一步發展。
三、大數據背景下會展企業精準營銷策略
(一)推進會展企業智能化發展大數據時代下，會展企業應轉變自身營銷模式，意識到大數據技術運用到會展企業發展中的價值，發揮大數據技術的優勢，推進會展企業智能化發展。首先，會展企業應轉變自身發展理念，以精準化營銷理念為導向，轉變企業領導層、管理層、員工層思想理念，借助大數據時代的發展優勢，以大數據技術推進自身工作模式、管理模式、決策模式的更新，促進會展企業發展。其次，借助大數據技術，構建會展企業智慧化服務平臺，推進會展企業內部各個部門之間的聯系，促進各個部門數據信息的往來，以數據信息的合理運用為基礎，提升會展企業管理、經營、營銷、運行方式、拓寬營銷渠道，以此推進營銷組織體系的革新。與此同時，構建會展企業智能化服務平臺，為目標客戶提供個性化產品服務，滿足目標客戶消費需要，實現自身營銷模式的轉變。最后，拓寬營銷渠道，改變單一的營銷渠道模式，借助大數據技術，加強數據信息的分析、處理能力，實現營銷渠道的多元化，并且推進一對一營銷策略的開設，達到會展企業營銷模式精準性。
(二)推進大數據技術與會展業態的協同發展在會展企業歷程中，應緊跟時代的發展步伐，推進數據信息在會展企業發展中的有效運用，為員工工作模式、管理人員管理模式、領導層決策模式提供有力的數據信息支撐，不斷的加強數據信息的分析、整合、獲取，提升會展企業經濟效益。大數據背景下，會展企業應對參展商、個體組織等信息進行全方位的收集，對參會人員相關信息進行精準化，構建個體檔案數據庫，隨時隨地為參會人員提供個性化的服務，建立良好的互幫互助關系，構建參會人員個體檔案信息，知曉每一名參會人員信息，根據展會舉行形式，向參展人員推送相關的服務模式，吸引參展人員前來，達到良好的營銷模式。與此同時，根據參展人員實際情況，進行產品生產、研發，滿足受眾面，增強產品銷售、營銷效度，提供精準性的服務模式，促進會展企業健康、有序發展。
(三)構建會員制大數據背景下，推進會員制的構建，通過數據平臺，向目標客戶推薦立體化的營銷模式，加強宣傳力度，推進市場調研活動的開展，實現構建會展企業品牌發展效度。會員制的構建能夠為會展企業發展建立一個穩定的客戶關系，加強目標客戶的轉化，樹立良好的企業信仰，進而提升會展企業品牌效度。與此同時，基于會展企業具有自身發展的特殊性，會員制的構建能夠隨時隨地的與客戶進行聯系，加強相互交流與互動，以客戶需要推進會展企業發展。因此，在會展企業發展歷程中，應重視會員制的運用，借助大數據效度對會展企業會員客戶進行針對性的分析。在會展企業會員制構建中，應注意以下問題：一是在會展企業精準營銷模式中，不能夠為了增加會員的數量，而降低會員準入制標準。會員制的構建，立足于會展企業發展形式，準確定位目標客戶，是客戶以成為會員而尊尚。反之，降低會員準入制標準，任何人都可以參與到會員群體中，使會員尊尚得不到體現，凸顯不了會員制的構建價值。二是在會展企業精準營銷模式中，為目標客戶入會員模式提供多元化渠道，改變單一的入會標準，拓寬渠道。與此同時，定期與會員進行交流，提供會員個性化服務項目。例如：會員生日，贈送參會券、禮品等，增強會員產品體驗滿意度，使會員客戶認可會展企業營銷模式。
(四)做好會展企業營銷模式大數據背景下，為會展企業營銷模式提供契機，推進營銷模式的有效性、科學性，以此彰顯會展企業營銷價值。在會展企業中，整合數據信息，有效的運用信息數據，分析目標客戶需要，根據目標客戶需要，進一步明晰營銷模式，構建營銷方案，滿足目標客戶消費需要。在會展企業精準營銷模式中，通過交流，投其所好，構建長效的合作關系，增強服務質量，進而提升會展企業精準化營銷模式。與此同時，根據收集會展企業數據信息，納入到目標客戶數據庫中，以便需要的時候進行運用，拓寬數據庫數據信息，增強數據庫數據信息的針對性、合理性、科學性，實現大數據技術在會展企業精準營銷中的運用價值。
(五)加強數據庫的管理大數據背景下，會展企業借助先進技術推進自身營銷模式、渠道、組織的變革，需要加強數據庫的管理。在時展的今天，數據信息對于每一名個體而言都是不可或缺的信息資源，是一種寶貴的數據資源。然而，會展企業發展模式不同，其對數據信息的運用需要科學性、合理性、規范性的運用，以此需要加強數據庫的管理，通過有效的數據庫管理模式，加強數據信息分析、運用、提取的實效性，推進會展企業進一步發展。在數據庫管理中，將數據庫分為過個子數據庫，諸如會展企業與消費者協調發展數據庫、會展企業與生產商發展數據庫、會展企業與其他會展企業數據信息共享數據庫等，加強每一個子數據庫的管理效度。與此同時，數據庫的管理應加強數據庫的調查工作，促進目標客戶的轉化形式，加強對競爭對手數據信息的分析，推進自身數據信息運用、管理的精準性，提升會展企業營銷模式。
(六)提升工作人員核心素養大數據背景下，人才是會展企業發展的原動力，也是大數據能夠有效的運用到會展企業營銷模式的保障。因此，會展企業在實現精準化營銷模式中，應重視人才的培育，加強人才管理、教育效度，使人才更好的為會展企業發展服務，進而促進大數據有效的運用到會展企業營銷模式中。首先，會展企業開展有效的培訓工作，根據大數據背景下精準營銷模式特性，構建培訓方案，使工作人員參與到其中，提升工作人員專業化能力以及信息素養。其次，工作人員應具有自我學習意識，通過學習不斷的提升自身，促進自身專業化、職業化發展，以此更好的運用大數據技術開展營銷工作模式。
摘 要：大數據與云計算是近兩年IT界最為流行的兩個關鍵詞，各大IT廠商也都看到了大數據所蘊含的商業價值并展開了一定的產品研發與商業應用。在大數據時代，圖書館的數據處理及服務將會發生顯著的變化，從大量的數據集中去分析和挖掘潛在的價值，以便圖書館決策層及時做出相應的建設方案調整將成為圖書館的一大主要業務，圖書館服務也將隨著圖書館服務策略的調整而做出服務方式、途徑等方面的改變。
關鍵詞：大數據 云計算 數據處理 數據分析 信息服務 圖書館服務 數據挖掘
中圖分類號：G253 文獻標識碼： A 文章編號： 1003-6938（2012）04－0120-03“大數據”（Big data）是IT界繼“Web2.0”、“數據挖掘”和“云計算”之后近兩年最流行的詞，大數據革命也正以Apache Hadoop為中心如火如荼的進行著，IBM、EMC、Oracle、VMware和Microsoft等商業機構已看到了在這場革命中蘊含的商業價值，并基于云計算等平臺開發了諸如BigInsights產品［1］的數據計算、數據收集等服務。實際應用方面，EMC和VMware已經做出了表率，EMC中國區總裁蔡漢輝介紹說，中信銀行在實施了EMC提供的大數據解決方案以后，取得了不錯的效益，如中信銀行在2011年大概有1200多個營銷活動，以前他們舉辦一個營銷活動大概需要兩周左右的時間做配置。但是通過運用EMC提供的大數據解決方案后，只需要2～3天就可以配置成功［2］。美國政府也預測到了這場革命中的戰略價值，奧巴馬政府于2012年3月29日宣布推出“大數據的研究和發展計劃”，意在推進和改善聯邦政府部門的數據收集、組織和分析工具及技術，以提高從大量的、復雜的數據集合中獲取知識和洞見的能力［3］，把大數據上升到了國家戰略的高度。但對于社會中以知識存貯、利用與開發為己任的圖書館來說，在這個“大數據”時代如何提高海量增長的文獻數據處理能力，搜尋新的數據計算、知識發現及信息服務的新途徑，是圖書館界學術研究的一大思考所在，而要真正解決這個問題，就要理性的認識“大數據”及其帶給我們的環境與改變，逐層分析這些圖書館可以利用的理念、技術與工具，實現圖書館讀者信息服務能力的提升，進而推動我國圖書館事業的發展。
1 大數據概述
大數據目前尚沒有統一的定義，部分業界專家如《著云臺》的分析師團隊認為，大數據通常用來形容一個公司創造的大量非結構化和半結構化數據，這些數據在下載到關系型數據庫用于分析時會花費過多的時間和金錢［4］。因此，大數據通常被認為是一種數據量很大、數據形式多樣化的非結構化數據［5］。
1.1 大數據的特點
隨著對大數據研究的進一步深化，IT界對大數據的特點有了較為全面和統一的認識，即：（1）大數據的種類繁多，并在編碼方式、數據格式、應用特征等多個方面存在差異性，多信息源并發形成了大量的異構數據；（2）通過各種設備產生的海量數據，其數據規模極為龐大，遠大于目前互聯網上的信息流量，PB級別將是常態；（3）涉及到感知、傳輸、決策、控制開放式循環的大數據，對數據實時處理有著極高的要求，通過傳統數據庫查詢方式得到的“當前結果”很可能已經沒有價值；（4）數據持續到達，且只有在特定時間和空間中才有意義；（5）通過數據庫處理持久存儲的數據不再適用于大數據處理，需要有新的方法來滿足異構數據統一接入和實時數據處理的需求［5］。
1.2 大數據的應用領域與范圍
盡管大數據的概念形成較早，但對其技術的研發還是近幾年才發展起來的，從目前來看，大數據技術主要涵蓋的領域有可視化分析、數據挖掘算法、預測性分析能力、語義引擎、數據質量和數據管理等，具體來說，目前主要有包括分布式緩存、基于MPP的分布式數據庫、分布式文件系統、各種NoSQL分布式存儲方案等。技術及應用的不普及與不成形使得大數據的技術門檻較高，因此目前在該領域展開競爭的大都是在數據存儲、分析等領域有著傳統優勢的IT廠商。如Oracle了Oracle大數據機、VMware推出了虛擬化架構+云平臺的開源項目Serenget、EMC推出了EMC Hadoop等。IBM在大數據領域的優勢則較為全面，而機器人“沃森”在人機大戰中獲勝，更成為IBM為其大數據分析解決方案加分的例證，此外，IBM還研發出了一系列大數據分析計算軟件，如基于云端Hadoop的分析軟件InfoSphere BigInsights、針對iPad用戶推出的全新移動分析應用軟件Cognos Mobile、擁有映射功能的全新預測分析軟件SPSS Statistics 20.0、全新的后臺數據篩選及維護軟件InfoSphere Information Server8.7等［6］。對其核心技術如Hadoop的應用也主要是在一些企業的數據分析等領域，如百度的搜索日志分析，騰訊、淘寶和支付寶的數據倉庫等。
大數據最典型的另一應用案例是大數據技術在沃爾瑪的應用。沃爾瑪是最早通過利用大數據而受益的企業之一，早在2007年，沃爾瑪就建立了一個超大的數據中心，其存儲能力高達4PB以上。通過對數據中心中消費者的購物行為等非結構化數據進行分析，沃爾瑪成為最了解顧客購物習慣的零售商，并創造了“啤酒與尿布”的經典商業案例。大數據的另一應用案例就是3月11日日本大地震發生后僅9分鐘，美國國家海洋和大氣管理局（NOAA)就了詳細的海嘯預警。通過對海洋傳感器獲得的實時數據進行計算機模擬， NOAA隨即便制作出了海嘯影響模型并出現在YouTube等網站［7］。我國應用大數據技術的企業當前只是鳳毛麟角，目前僅有為數不多的企業正在開展相關的項目建設。如中國聯通正在通過采用基于云平臺及英特爾發行版Hadoop的大數據解決方案來構建移動通信用戶上網記錄集中查詢與分析支撐系統。這一系統可為企業的客戶服務人員提供客戶上網記錄的快速查詢服務，也可為客戶本人提供高效的異常大流量上網記錄自助查詢服務，這將有助于解決流量投訴問題。該項目將在2012年10月結束，屆時除了為客戶服務人員提供服務外，系統還可以為企業的業務部門提供分析與決策服務，并有望在未來幫助企業更為準確地把握用戶偏好，從而讓中國聯通能更有效地制定市場策略和開發新業務［8］。
【關鍵詞】大數據時代；城市規劃；響應；以人為本
信息與通訊技術的發展引領了大數據時代的到來，大數據的概念可以簡化為各種規模巨大并且無法利用手工的形式對其分析、解讀、處理的大批量信息資料。大數據的運用勢必會對傳統城市規劃方案的擬定與推行產生一定的影響，此時新的思維方式與方法應用到城市規劃進程中，這是對大數據時代的響應。如何使大數據時代的實效性充分的發揮出來，這已經是城市規劃工作者普遍關注的問題，本文將對其進行深入的分析與探討[1]。
1.大數據時代在城市規劃中發展的模式
1.1特征
大數據時代下各種技術能夠對數據信息進行高效的處理進而使城市空間規劃更具科學性，GPS等追蹤定位技術的應用使規劃者對城市的空間結構有更加全面、清晰的了解；大數據時代最大的特征是“大體積、大容量”，包含了城市發展的現實狀況與特點，能夠采集處理超大量的數據信息；
1.2發展形式
大數據時代的到來，使城市規劃者積極地站在城市微觀的視域下，對居民的日常生活活動進行整體的分析，從而落實城市空間規劃與布局的工作任務[2]。在大數據時代背景中，城市規劃者將目光放在全球定位系統、手機數據、網絡日志以及公交刷卡數據等方面上，在其協助下建設出的城市規劃模型更具直觀性與科學性，此時的規劃工作在對城市空間調整與分布時所提及到的行為方式更具規范性、合理性。
2.大數據時代中城市規劃編制的響應
2.1實時化響應
在傳統的城市規劃工作中，先進計算設備與處理技術的缺乏降低了工作效率，且數據信息獲取的周期通常是以年為單位。大數據時代的到來，使原有的城市規劃狀況逐漸向實時化轉型，而實時化體現在數據資料收集方面的同時，也是城市規劃響應的表現形式，換句話說，實時化響應是建立在大數據時代、城市規劃基礎之上的。此時多樣化的信息通訊技術、處理技術自身的優勢充分地發揮出來：這些技術提高了城市規劃對數據收集、處理、分析的精準度與快捷性；使數據收集工作能夠實現實時、有序的目標，并與城市規劃進程同步運行。在數據庫技術、計算機等現代化技術的協同配合下，城市規劃者建立了高完整度的數據庫，使得各類數據資料得到有序安放與保管；而對于那些近期收集到的新數據信息，相關設備對其進行篩選以后可以被直接輸送到與之相匹配的數據庫中儲存，有助于城市規劃者在最短的時間內采集到具有時效性的數據資料，以此提高城市規劃模型的直觀性與可靠性；
2.2多源時空數據的收集
在過去，城市規劃者所獲數據信息一般都是在問卷調查、統計年鑒或者是文獻資料中提取出來的，數據樣本容量小且不具典型性，難以在規劃中體現實際參考價值。而在大數據時代導向下各種高端技術順利的引用與應用，常見的有3S技術、云處理技術、數據挖掘技術等，這些技術的合理應用，拓寬了城市規劃中數據資料來源的渠道，另外地形復雜區域時空間數據的搜集工作也不再是難題。而數據挖掘技術自身的性能又是特殊化的，能夠將匯總的數據信息進行全面而深入的分析，剔除無實用價值的部分，為打造城市規劃區域全景注入動力。例如，在對城市園林建設進行規劃布局時，過去需要大量的人力資源去完成數據信息的采集工作，繼而對其進行計算分析，而基于園林建設面積大數據處理技術的應用，海量的數據能夠在極短的時間里被獲取與準確的分析，這就為園林建設的科學規劃布局提供了參考價值。此時的數據信息發揮了指導作用，使城市園林建設規劃布局更具合理性。總之，多源時空數據參與到城市規劃進程中，使城市規劃、布局等工作彰顯出全面性、合理性等特征。
3.大數據時代城市規劃實施評價的響應
3.1靜態向動態的有效轉型
城市規劃之所以能夠從“靜態、藍圖式”順利的轉型為“動態、過程式”，主要得力于相關技術的應用。在高端技術的輔助下，即使時空大數據多樣化、數據信息繁雜化，但是當它們出現于城市規劃方案擬定的工作中時，也不會對規劃的精細度造成任何的干擾，并且還能夠及時地發覺規劃進程中數據信息存在遺漏、缺失等相關問題，為城市規劃方案的及時調整與改進提供了輔助動力。大數據時代中城市規劃在方方面面都能體現動態化的風貌，此時城市規劃方案與體系的制定不再是“一次性”的，編寫、規劃、檢驗、改編、實行等環節始終處于循序運轉的模式中，從而使得城市規劃進程中所涉及到的各個子系統之間能夠實現彈性互動的目標；
3.2以人為本的規劃原則的落實與應用
在大數據時代背景中，城市規劃不再以“空間為本”，而是積極地向以“以人為本”的方向轉型，這主要是由于大批量數據信息的發源者為群眾個體、數據更顯多源化。此時大數據技術的應用，使每個居民所提供的數據得到全面而深入的分析，那么我們可以推斷城市規劃工作是卓有成效的。例如城市規劃者參照該城市人口分布的疏密情況、土地資源使用狀況等可視化信息，對公交刷卡數據、手機充值數據等基本信息的系統化進行分析，并在此基礎上落實對城市規劃方案的評價工作，明確城市在未來幾年的發展趨勢。容積率指標的應用，能夠協助城市規劃者快捷的完成對城市人口密集度、社會功能混合度審核與改進的工作內容，最終完成對設計效果考評的任務。
4.結束語
其實，大數據時代下，城市規劃在眾多方面都積極對其做出響應，提升了多維轉變的可能性，例如“人工化”到“智能化”的轉變、“分散化”到“協同化”的轉變、“粗放化”到“精細化”的轉變等。在大數據時代背景下，城市規劃進程始終要堅持“以人為本”的規劃原則，積極關注城市居民個體生活的品質，在先進技術的輔助下，早日落實城市規劃信息化建設的偉大目標[3]，為推進我國現代化城市發展的腳步提供動力支持，同時使我國社會主義市場經濟健康、平、高效地發展與運行。
參考文獻：
[1]席廣亮，甄峰.過程還是結果？――大數據支撐下的城市規劃創新探討[J].現代城市研究，2015.
關鍵詞：通信；消防指揮；數據庫技術；消防通信
Abstract: this paper as the foundations of the digital technology of database technology are introduced, and pray for the fire communication command system in the application of the article fire command system database technology to the requirements are analyzed, and put forward its own control communication command system to strengthen the database construction Suggestions for the future, and fire control communication command system development trend were discussed.
Keywords: communication; Fire service; Database technology; Control communication
中圖分類號： TN91文獻標識碼：A 文章編號：
隨著世界科學技術的飛速發展，尤其是計算機互聯網通訊技術的發展，各種各樣的應用軟件深入到各行各業，然而這些應用軟件都必須基于數據庫技術之上，因此數據庫技術相當重要。面對當前的新技術和當前火災的新特點，必須實現消防警報接入的數字化，災情判斷智能化，指揮系統網絡化，人員調度集群化以適應當前信息社會的發展。要想實現以上的消防需要，必須建立起一個統一消防指揮平臺，其中數據庫技術是其實現的后臺技術，是其實現的基礎。因此加強數據庫技術在消防指揮系統中的應用就顯得非常重要了。
一、數據庫技術簡介
數據庫技術是信息系統的一個核心技術，是一種計算機輔助數據管理的方法，能夠高效的獲得并處理信息。是當代信息科學技術的重要組成部分，是計算機進行數據處理與管理的核心技術，已廣泛應用與社會的各個領域，其中消防通信指揮系統就是一個很重要的方面。數據庫技術在某一領域應用往往要結合一定的數據庫管理系統，形成一個功能完備的數據庫系統。
二、數據庫技術在消防通信指揮系統中的應用
數據庫系統在城市消防通新系統的應用主要包括消防通信指揮中心和消防站 以及移動消防通信指揮中心三個地點。過程上分為火警受理、火警指揮火警相關信息查詢三部分組成，對數據庫的功能、性能和內容有以下要求：
（一）城市消防通信指揮系統對數據庫的功能要求
一個城市的消防通信指揮系統包括消防通信指揮中心、消防站點、移動指揮中心、消防重點監控單位、聯防輔助單位等組成。在一次的火警的過程上又分為報警階段、火警受理和信息收集階段、通信指揮中心綜合調度階段。城市消防通信指揮系統中的數據庫應滿足下列功能要求：
1.數據庫應包括火警接收、火警辨識、出動方案編制、下達出警命令、火場事故處理輔助計劃、滅火作戰記錄等。
2.能夠方便顯示火警電話呼入和報警主叫號碼以及用戶名稱和地址。
3.有方便的數據統計窗口，對報警信息詳細的分類統計。
4.能夠自動或人工對火災類型進行識別，制定出警方案，下達出警命令。
（二）消防通信指揮系統對數據庫的性能要求
作為一個城市消防的主要組成部分，消防通信指揮系統中的數據庫應滿足以下的性能要求，
消防案件報警時，數據庫消防案件受理子系統必須做到通信網絡的暢通，通過數據的準確全面的采集、以及完備的與消防有關的信息。他的步驟一般包括以下幾步：
1.火警電話受理，對報警人，報警人的電話和報警主叫號碼以及用戶名稱進行記錄。若能擁有足夠的硬件資源，配有電話報警的錄音系統是一個不錯的選擇。
2.確定火點，根據報警人所提供的報警信息，確定火點發生的位置，并結合自身數據庫提取有關的GIS數據，完成火點定位。以便對火場地點的信息進行完善的查詢，方便出警信息的編制。
3.案件記錄。記錄火警案件的信息，通過城市消防通信指揮系統火警立案信息，對立案時間、報案人、報案人的通訊方式、案件類型、案發地點等。
確定合理的調度方案。根據火場位置確定最近的消防站點和其他可利用資源。
（三）數據庫為消防通信指揮系統提供的內容
為滿足消防通信指揮系統的功能要求，其數據庫數據應包括以下內容：
1.消防地理信息數據庫、消防水源分布、消防救援工具數據、消防安全重點單位數據、當地氣象數據、化學品數據、滅火救援解決方案、不同火災特性數據、出警滅火記錄、模擬訓練記錄。
2.消防地理信息數據包括：
（1）消防站點分布及消防實力。詳細內容包括站點名稱、主要負責人姓名、消防戰士數量及質量、通信員姓名、消防車輛編號及狀態、其他消防用品配備情況。比如，消防救援用品名稱、數量和質量、放置地點等。（2）本市的消防地圖，不僅要包括城市的消防地圖，還要包括城鄉結合部和遠郊鄉村地圖，要詳細到街道。包括街道的名稱編號、寬度、長度、及路面情況以及其岔路口。標明附近的消防站和相關救援單位的分布，火災現場的消防水源分布、消防器材分布等。對水源的數據應詳細到名稱、位置、水量、壓力、管網及其接口分布等。
三、加強數據庫建設，提高消防通信指揮系統的效率
從以上我們基本知道了消防通信指揮系統對數據庫的基本要求，那應該給消防通信指揮系統配備一個什么樣的數據庫，怎樣配置數據庫呢。對此沒有一個固定的答案，要根據所在城市具體情況做出具體的決定。一般要考慮的因素包括預算、城市規模，硬件和軟件的性能和穩定性，數據庫容錯能力等。要根據不同的預算來確定要實現的消防通信指揮系統的功能和規模，讓后再根據功能和規模來確定系統需要數據庫的軟硬件達到的水準。
四、未來消防通信指揮系統中的數據庫應用展望
例如已在部分省市實施的三警合一的模式等。目前消防通信指揮系統主要有以下幾個方向，我們看一下數據庫在其中的作用。
（一）消防通信指揮系統的一體化
為了能實現各單位之間的協同作戰，提高作戰效率，應對日益復雜的網絡情況和巨大數據流，實現各通信單位的互聯互通，各設備的集中管理，對數據進行控制和共享，數據庫智能化水平必須提高。（二）虛擬城市技術
隨著計算機虛擬技術的發展，計算機虛擬城市成為可能。將會給未來的消防通信指揮帶來革命性的變化，大大提高小房官兵的作戰效率。作戰指揮人員能夠更加直觀的了解火場情況。以便迅速做出作戰部署，節約時間。實現消防作戰的快速反應、智能決策和科學指揮。要想做到以上幾點，其數據庫就必須滿足存儲虛擬城市對大數據量的存儲要求。同時也要有一定的數據運算處理能力。（三）城市監控網絡分布及其智能化
為了提高城市的防火救火能力，就必須加大對城市的火災發生情況的監控力度。提高監控設備對火災火情的判別與應對能力，這就要求監控設備必須擁有一定的智力，其智力需要大數據量的支持。沒有一定的數據量也就沒有相應的智能化水平。所以說必須保證監控設備的數據儲量和運算能力。
結語：
隨著互聯技術的發展，尤其是當今的云計算技術和物聯網技術正由原來概念逐步走向現實應用。數據庫技術作為云計算技術和物聯網技術的基礎，必將在未來的西方通信指揮系統中發揮著越來越大的作用。所以消防通信指揮中心要不斷加大自身數據庫管理人才的管理力度和培養力度，提高消防指揮科學水平。
[參考文獻]：
[1]張德群.地理信息系統在城市消防通信指揮系統中的應用[J].消防科學與技術, 2012(3)
【關鍵詞】 大數據 電力企業 智能營銷 電力能源
【中圖分類號】F426.61 【文獻標識碼】A
電力工業是中國國民經濟的重要基礎，電力營銷則是電力企業發展運營的關鍵。在大數據時代及電力企業管理精益化、優質化內在需求的雙重背景下，電力智能營銷模式的探索和實踐迫在眉睫。因此，本文將借勢大數據深入研究電力智能營銷模式，以期能夠解決傳統營銷模式存在的問題，實現滿足客戶需要的安全性、實時性、環保性電能需求的目標。
一、國內外電力營銷發展現狀
1.電力大數據的內涵
電力大數據通過對電力能源公司自身良性發展和市場個性化需求的挖掘和滿足，驅動電力企業從“以人為本”的高度重新審視自身核心價值，由“以電力生產為中心”向“以客戶需求為中心”轉變。
2.智能營銷的內涵
智能營銷模式，即通過對數字技術的運用，將電網運行與業務需要、社會效益等關聯起來。智能營銷模式通過經營、銷售、營銷等系統的全面自動化，實現電網企業與市場參與者之間的實時互動與能源供需平衡調度。智能營銷模式是一種更安全、更經濟、更環保的電力服務和銷售模式。
3.發達國家電力營銷研究現狀
發達國家電網架構變化小，市場發展較為成熟，需求基本趨于飽和，電力供應及冗余儲備趨于平衡，供電質量和電力市場效益最大化是其關注重點。
以美國為主的北美電網，起步早，發展較為成熟。營銷安全和供電可靠性是北美電網營銷模式研究重點。北美供電企業相繼出臺各種電價優惠政策，例如錯避峰電價優惠、交通工具充電優惠等，以應對用電浪費、用電高峰等問題。
日本電力營銷業務面較為寬廣成熟，主要包括：遠程抄表、合同事務、增供擴銷及費率核算等業務。其營銷模式的特點主要表現為：對目錄電價進行差別定價，以此錯開高峰，引導負荷分流，降低供電成本；對經濟產業省份申請備案，制定差別電價目錄，例如對全電氣化住宅提供電價優惠政策，增加售電量；積極向客戶推薦新型蓄能電器等。
英國電力擁有成熟的發、輸、配、售環節及強大的交易結算體系，其電力營銷業務主要包括報裝接電、裝表抄表、斷電通知、故障處理、供電恢復和電能質量等幾個方面。其電力營銷模式的特點是用戶可自主選擇銷售電價方案，允許支付電費時間尺度和結算方式靈活多樣。
相較于中國，發達國家電力營銷更具有服務性、融合性，與營銷緊密結合的技術工作融于各技術部門。從營銷組織結構及業務模式方面，發達國家電力行業的營銷部門較少，營銷工作基本都以用戶為中心，工作內容主要包括向電力客戶提供電能需求的咨詢及相關設計方案，抄表收費及搶修等技術類工作大多外包給第三方公司。
4.我國電力傳統營銷模式面臨的壓力
伴隨著中國電力市場改革日益深化，當前電力企業運營方式正在向滿足電力市場需求和提高客戶滿意度方向發展。新形勢對電力營銷提出了更高要求，給電力企業運營帶來了多方面壓力。
一是用戶服務需求越來越高。目前居民和企業對電力的依賴性越來越強，同時對停電容忍度也越來越弱。特別是在非計劃或故障停電期間，優質服務面臨的壓力越來越大，給電力企業優質服務提出了更高要求。二是電力企業精益化管理對線損管理方面提出更高要求。線損管理作為考核電力企業經營水平的三大經濟指標之一，是企業降損節能、提高效益的重要環節。當前線損管理依然存在制度建設中可操作性不強、線損管理科技化動態管理不夠、電網設計不夠合理、客戶用表計量精度不高等問題，更關鍵的核心題是線損統計指標失真問題。三是電費回收形勢嚴峻。
二、大數據時代電力智能營銷模式設計
1.智能營銷模式設計
大數據環境使得智能營銷所需的市場、用戶和電能產品信息的收集、分析處理及利用成為可能。電力智能營銷模式，以大數據平臺作為數據支撐，形成由“電力營銷數據采集――數據分析――模型構建――智能評估”構成的持續循環的閉環模式。
（1）數據采集。借助大數據平臺，通過門戶網站、移動終端等各種渠道收集電力營銷各業務系統數據，建立電力數據庫，數據包括：各用戶供售電量數據，電能信息采集數據，供用電合同管理數據，新裝、線損與能效管理數據，增容及變更用電數據，計量點管理，有序用電管理數據，業務處理數據，95598客戶服務數據，客戶關系管理、客戶聯絡、客戶檔案資料管理數據，稽查及工作質量數據。存儲原始數據，并預處理分析已有數據和實時數據，形成基礎電力數據庫。
（2）數據分析。結合基礎數據庫和大數據平臺相關實時數據，深度挖掘并分析電力數據，結合國家宏觀政策、社會經濟發展態勢、自然環境形態等關聯因子在內的各種數據，全面深入研究不同地區、不同行業用戶的用電規律和用電行為習慣。
（3）模型構建。根據用戶特征與偏好，構建用戶用電特征模型及電力智能營銷模型。借助大數據平臺構建智能營銷場景，根據營銷情境制定不同的營銷業務方案，實現營銷方案與數據庫的互相匹配；然后通過有效預測用電量需求，準確制定用電需求側管理方案及有序用電手段，提升電力資源利用率，降低供電成本；根據客戶特性對客戶進行細分，并提供有針對性的營銷及服務策略；構建用戶信用等級模型，提升電費回收水平；監測客戶異常用電行為，避免偷電、竊電行為的發生。
（4）智能評估。實時更新數據庫，以便及時掌握電力營銷信息。借助大數據平臺對營銷實施過程進行實時監測，對市場異常數據、狀態提供在線可視化預警功能。平臺在線監控營銷態勢，及時監測營銷突發狀況，制定解決方案，反饋后期市場評估信息，修正解決方案，為下一階段營銷模式的改進優化提供科學決策依據。
2.電力智能營銷模式實施策略
（1）電能產品策略。產品是企業市場營銷的重要因素之一，保證電能產品質量是電力智能營銷的基礎和關鍵。電力能源企業對不同用戶供電質量付出的成本差別較大。依據市場中成本與收益相匹配的原則，應對消費者進行細分，對不同的客戶采取不同的電價。利用大數據技術對龐大的用戶電表進行快速區分，對各類電力用戶收取差異化電價，實現精細化管理目標。
（2）動態電價策略。大數據環境使網上競價成為可能。當分布式電源產生的電能能夠滿足電網并網條件時，即在電力營銷平臺發出售電意向，營銷平臺接受售電請求后，反饋給分布式電源，進一步詢問預計上網電量、上網價格和上網時段，然后在電力網絡營銷平臺實時售電信息。當客戶同意其上網電價并購買后，平臺即通過電網先進技術設備，自動完成網上競價交易過程。
數據交易平臺能夠變革傳統發電上網“一廠一價”的定價機制，逐步形成較為成熟的電力自由競爭市場，使得分布式電源與大電廠具備相同的市場地位，借助市場經濟杠桿，有效降低上網電價，錯開高峰，充分利用能源，保護環境。
（3）優質供電服務策略。根據客戶用電量的增量和存量、負荷率、電費回收率、電價水平、電源等級、能耗水平等指標對售電市場進行細分，利用大數據整合分析技術對用戶進行聚類分析，建立優質電力用戶庫，優先提供優質的供電服務。
（4）電力促銷策略。一是運用電力廣告進行促銷宣傳。在宣傳上側重突出電能的清潔能源屬性，引導公眾全面認知電能產品的便捷、經濟、優越等特性，并逐步形成累積的宣傳效應。二是正確引導電力客戶展_電能替代工作。通過增加電能終端消費比重，逐步促進電力客戶轉變用能觀念。
三、基于大數據的電力智能營銷實際應用
1.利用大數據挖掘潛在電能替代客戶
傳統電能替代項目的挖掘主要依靠地方經信局、環保局等部門來推進，難以保證電能替代工作的可持續推進，也缺乏對電能使用市場按行業、屬性的系統了解和分析。浙江蕭山利用大數據建設“電能替代客戶全過程服務”智能系統，收集和錄入轄區內五千多戶專變用戶能耗數據，按照行業細分，逐個開展運算模型構建，并結合專變用戶智能APP實時跟蹤更新客戶數據庫。
2.利用大數據分析客戶用電行為
福建省電力公司開展基于大數據挖掘的客戶用電行為分析，建立客戶用電行為分析模型，以龐大海量的客戶用電行為數據為基礎，對不同客戶的用電行為、用電負荷情況等基本信息進行深入分析，推進用電客戶細分管理、欠費和用電檢查風險有效預測、移峰填谷科學管理，實現科學的客戶認知、風險管理、個性化營銷和服務的目的，從而有助于提升客戶服務質量和風險防范能力。
3.利用大數據實現信息資源跨界整合
關鍵詞：互聯網；智慧校園；新需求
中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2017）02-0010-01
1引言
高校作為互聯網新技術應用的前沿陣地，要解決傳統的數字化校園信息數據動態性與基于智能移動端師生查閱信息的問題還是難以企及。只有開拓創新，積極建設先進的智慧校園才能真正提升校園數字信息化建設的水平。整合資源，面向服務，決策管理，提供統一的管理服務平臺。因此，本文提出一個掌上智慧校園的解決方案，以提高數字化校園的服務質量解決用戶難以實時信息的難題，實現有效資源的最大化利用。
2方案概述
2.1整體布局
本方案研究設計出一種基于移動終端的智慧校園解決方案。該方案明確采用平立性高及具有多用戶且安全特點的J2EE開發技術。前端選用JAVA編程環境下的SpringMVC和MyBatis框架。后臺采用MYSQL軟件來存儲并關聯數據來實現用戶的登陸等服務。為了加快系統的響應速度對數據庫進行優化并添加內存數據庫Redis。最終在服務器端搭建出一款高性能的體系架構，并用Android編寫出師生所需求的手機客戶端應用。如學術論壇、失物招領、書籍查閱、活動通知、課程查詢、在線聽課等。為了保證前端應用的正常進行，防止網頁服務器過載等情況，準備采用LVS+Keepalived4的負載均衡技術。并通過Nagios4監控主機資源、網絡服務狀態的功能對負載均衡器、網頁服務器、數據庫等進行資源監控等。
2.2開發環境支持
本系統相關開發環境主要包括系統開發軟件Android Stadio，系統集成開發工具eclipse和數據庫管理軟件MySql。eclipse需要安裝JDK軟件開發工具包以及部署apache-tomcat服務器；Android Stadio 時需要安裝Android SDK軟件開發工具包；系統的開發過程中需要一個外網IP和若個內網IP；在配置Mysql數據庫時需要安裝Mysql Datafiles環境和Navicat for MySQL開發工具。
2.3方案的難點解決
本方案的難點在于龐大的數據整合。解決方法是通過在數據庫管理軟件MySql中建立數據表數據庫，用連接關聯起來，實現大數據的整合。然后對龐大的數據進行解析并模擬出函數預測方案。通過模擬出的函數方案構建出數據邏輯模型以實現對新數據的趨勢預測。與此同時，本方案還會綜合校園各方面數據、通知、信息等，通過科學的預測方法做出快速的反應，從而體現智慧校園的智能性。
3方案的實現
本方案利用信息顯示與推送智能化，通過PC端，實現跨平臺、多途徑，將有用的通知訊息快速推送到查詢者手中，實現信息的最大價值。
APP通過Android開發平臺設計實現，旨在打造出學校的便捷資源服務平臺。系統主要實現服務功能，最大限度地為廣大師生提供盡可能的便捷服務。。用戶可以通過系統引導完成完善自己的信息注冊。注冊成功后可以實現自己所需要的一些服務，比如可以查看相關自身的通知信息，進行資源共享，查閱學校圖書館的圖書資源等等。數據資源共享的基礎是建立在同一格式的稻菘饃希以實現用戶間數據交換。同時我們將采用SSH三大框架中的Spring框架，實現一個“輕量級”的軟件架構，降低app使用時所消耗的內存資源。
搭建本文解決方案的app的應用框架時，將其分為四個層面。首先，是數據緩存層，這一部分主要對全校師生的資料信息進行數據存儲，并且可以對數據進行智能分析和處理；第二層，是平臺支持層，這個層面主要實現app后臺服務所具有的功能，如身份驗證、推送信息、數據緩存等；第三層，是網絡接入層，這個層面主要是使app無論是在連接無線網還是使用數據流量的情況下均能正常使用；最后一層為移動終端訪問層，即進入之后所能訪問到的app所具有的一切功能。
4總結
掌上智慧校園搭建出集教學、科研、管理和校園服務為一體的智能化服務平臺，便于提高校園工作、學習效率和生活的質量。相信隨著人們對教育服務質量的需求提高和及時性的要求，會有越來越多的師生需要能夠及時信息的平臺，這對開發者來講是一個契機。
參考文獻：
[1] 朱宇華.高校智慧校園應用支撐平臺建設討論[J].電腦知識與技術.2016，10（12）：268-270.
智慧城市的建設離不開大數據，它涵蓋了城市的規劃、建設、管理、政府決策與公共服務、企業運營、百姓生活等方方面面。
智慧城市沒有統一的定義、沒有既定目標、沒有完美模式，只有起點，沒有終點，永遠是過程。在智慧城市建設中，大數據將改變政府城市治理與服務模式，改變企業的經營模式，改變百姓的生活方式。
大數據是智慧城市建設的基礎，大數據是城市實現智慧化所需要的“知識庫”的總集合。將推動城市走向“智慧化”。在大數據時代，政府扮演著越來越重要的角色。
在傳統社會，政府是一層層的控制數據信息。但到了現代社會，大數據在實時產生，不容易受到控制。每一次位置移動、按鍵刷屏、傳感感應都在產生數據。到2003年，人類共創造數據5EB（5120PB），現在我們每2天就生成5EB的數據。網絡新媒體已超過CCTV成為最受信賴、關注最多的媒體。基于此，城市管理者需要快速決策與響應，需要對數據進行實時的、智能化的采集、整理、挖掘和分析，以輔助城市決策者處理日常事件和應急事件。
傳統的信息化系統很受局限。它缺乏頂層設計，容易形成信息孤島，無法對事件進行全面感知。另外，城市信息資源過度分散，數據部門私有，人為壁壘嚴重。同時，它還缺乏統一的信息化平臺，各部門信息化系統之間不能實現互聯互通，無法形成協同行動能力。封閉的內部管理系統，缺乏公眾的參與互動，還有重復建設，造成了財政資源的嚴重浪費。基于這些弊端，建議成立強力機構，統一規劃、建設、管理和運營城市大數據。
由市級主管領導牽頭，成立智慧城市運營中心，政府可以利用大數據行使許多職能：可以參與和審核智慧城市的頂層設計，規劃和審核各行業信息化發展的總體目標、框架、任務、運營管理機制等；制定相關政策法規與標準，負責城市信息資源整合與共享；多部門協同與指揮城市運行的集中監控，會促進面向社會的大數據開放應用、服務與交易體系的形成。這樣，政府治理的模式將從管理走向服務，傳統的政府IT信息化架構將被“云-端”互動的智慧城市所取代。
運營中心是智慧城市的心臟。它是城市大數據的資源池、城市物聯網的樞紐，可以全面感知城市運營數據，實現跨部門、跨區域、跨系統的高效協同與應急響應。面向社會企業與公眾的服務平臺，能降低城市信息化建設與運維的成本，最大限度地降低政務成本、提升城市效率。例如，麥肯錫證明歐洲部門應用大數據以后，行政管理費用降低2500億美元。
地理空間數據庫是智慧城市的“樁基工程”，實景三維影像是智慧城市建設的解決之道。立得空間是世界領先的移動測量系統提供商，能提供地理空間數據采集、處理、存儲、管理、、數據共享與交換、服務，最終實現各行業智慧應用的一體化解決方案。立得空間建立的時空信息云服務平臺，是目前國內最大地理信息在線服務平臺，從底層開發，兼容異構硬、軟件，原系統遷移、新系統再造均方便易行。可以與GIS緊耦合，高效管理結構化、非結構化和半結構化的數據。實現自主產權化，免除“棱鏡門”之虞，標準化的設計，適合各種數據規模用戶需要。
立得空間參與的實景三維解決方案，覆蓋了智慧城市應用包括智能交通、數字旅游等在內的8大領域，為武漢、西安、成都等地信息主管部門提供常年數據服務。同時立得空間還參與了武漢、成都、溫江、樟樹等地智慧城市的頂層設計。
關鍵詞廣州日報大數據排行榜
一、對標國際樣板研制國內首個權威媒體大學排行榜單
在國際上，根據公開資料顯示，由權威媒體生產和的媒體大學排行榜主要有美國的“USNEWS大學排行榜”，英國的“THE世界大學排名”，這兩大知名大學排行榜，皆由獨立的第三方（媒體），已獲得國際社會的廣泛認可。其中USNEwS大學排行榜由《美國新聞和世界報道》推出，在美國多個機構對大學進行的排名中，已經成為最有影響力的排行榜。“THE世界大學排名”是由英國《泰晤士高等教育》與湯森路透集團合作推出的新的世界大學排名。
在我國，此前一直沒有媒體涉及這一領域。2015年，國務院出臺《統籌推進世界一流大學和一流學科建設總體方案》，明確提出要推進高校的“管”“辦”“評”分離，“積極采用第三方評價，提高科學性和公信度”，對學校的學科、專業和課程等水平和質量進行評估。
廣州日報數據和數字化研究院的“2016廣報世界一流大學學科排行榜”是國內首個由權威媒體研制、的公益性大學排行榜，填補了國內主流媒體大學排行榜的空白，旨在搶抓國內乃至亞洲媒體在大學排行領域的話語權和標準權。
廣州日報數據和數字化研究院是廣州日報報業集團在媒體融合轉型過程中涉獵大數據傳播和推廣的有益探索，旨在通過以數據挖掘和數據分析為載體，呈現專業的數據新聞，借助專業的數字化技術，進行信息產品或咨詢產品的開發，并提供解決方案和符合時代要求的傳播方式，最終推出覆蓋若干行業領域國內有影響力的新型智庫，為報業挖掘新的贏利模式。“2016廣報大學一流學科排行榜”則是廣州日報數據和數字化研究院通過數據挖掘和數據分析研發的重要新聞信息產品。
二、“量身定制”大數據探索傳統媒體生產和傳播新模式
對媒體行業來說，應用大數據技術可以使新媒體和傳統媒體產業邊界更加模糊，產業鏈條更趨于多樣化，掌握大數據思維能促進媒體轉型，重塑傳統媒體。但從國內媒體發展的現狀分析，要真正理解大數據在媒體融合發展的重要性，首先需要厘清大數據理念如何在傳統媒體轉型中的應用。
在《大數據時代》一書中，大數據概念的核心首先是“海量”。對于傳統媒體，獲得“海量”數據存在很大難度。因此，在探討傳統媒體利用大數據方面，可以先從以下三個相關概念描述數據利用的現狀：數字新聞、數據新聞和大數據新聞。數字新聞（Digitaljournalism），是指對文本、圖片、視頻等進行數字化，從而通過互聯網技術能傳輸的新聞報道；數據新聞（Datajournalism），是指用數據驅動的新聞，是內容量化了的報道，是用數據作為表述形式的新聞。
在國內，盡管已有大數據新聞試水，如騰訊位置大數據，推出《十一國慶旅游人氣排行榜》《五一出行利器》等媒體新聞產品，但數據在傳統媒體（尤其是報業）新聞生產方面的應用，更多的是對不同領域、層面的大數據進行分析、處理后，可以通過可視化和敘事化的手段創作出的數據新聞，不屬于真正意義上的“大數據新聞”，也不屬于在大數據基礎上生產的媒體產品。
廣州日報數據和數字化研究院改變傳統報業信息生成模式，借助大數據技術，結合受眾對國內高校改革的關注，以及對高校“雙一流”（一流大學和一流學科）大學排名的興趣，運用大數據理念，采取“量身定制”的方式，通過對國內327所大學（香港特別行政區、澳門特別行政區和臺灣地區高校以及軍事類院校除外）的“海量”數據進行收集、挖掘，在建構科學的評價數據模型后，在大數據的基礎上進行“量身定制”的有益探索與嘗試，生產出不同于數字新聞和數據新聞的媒體產品――“2016廣報大學一流學科排行榜”，并通過廣州日報全媒體。
在傳播模式上，“2016廣報大學一流學科排行榜”的改變了傳統媒體的內容傳播模式，有效實現“二次傳播”。因其專業性、權威性，排行榜的“二次傳播”效應很大，擴大、增強了排行榜的影響力和傳播力。同時，排行榜也得到學界、業界和高校的關注和認可，在國內外引發廣泛而積極的影響。
三、構建科學評價體系搶占標準權和話語權
評價體系是關系到榜單科學性的關鍵所在。為制定一個具有前瞻性和引領性的評價體系，在推出排行榜前，廣州日報數據和數字化研究院邀請國內教育專家研討指標體系，同時聽取高校負責人、教師及關心高等教育的社會各界熱心人士的意見和建議，不斷完善評價體系。
在評價體系方面，排行榜在遵循數據易采集、可采集、具權威性的基礎上，設置四個操作性強的一級評價指標：科學研究指數、人才培養指數、學科聲譽指數和二次評估指數，對國內327所大學40個學科進行科學評價，從而樹立國內權威媒體在該領域的領先地位，推動建立起更符合中國國情、具有中國特色的學科評價體系，并希望借此增強中國在世界大學評價領域的話語權，打造世界大學排行榜第三極，建立中國乃至亞洲在世界大學評價領域的話語體系。
【關鍵詞】 通信管理系統 數據庫雙機 負載均衡
國家電網公司通信管理系統是公司借鑒信息化建設經驗對通信專業進行流程優化和應用整合，構建公司系統內縱向到底、橫向到邊的通信管理系統，它提供一體化通信技術支持系統解決方案，實現功能和數據的本地實用化及縱向橫向交互，實現通信實時運行、運行管理、專業管理的集約化、標準化、智能化，提升公司通信運行管理水平，提升通信網集中管控能力，為國家電網公司“三集五大”建設提供有力支撐。隨著通信管理系統在電力通信生產的逐步深化應用，系統的穩定運行是系統應用的最基本保障，因此建立一個高性能、高可用性、分布式的數據庫服務器系統有著極其重要的意義。
一、Oracle RAC 技術分析
而今在全球競爭激烈的經濟時代，大數據存儲分析已經在各行各業得到應用，隨著應用程度的深化，數據的安全性越來越重要。據有效的統計數據顯示，平均每小時的數據庫宕機會導致上百萬美元的損失，更嚴重的數據丟失會直接導致企業從此隕落。因此，要保證企業業務的連續性，必須盡可能減少應用系統宕機事件，從而減少對用戶的影響。
Oracle實時應用集群（RAC：Real Application Cluster）是數據庫的并行實現，是相互連接多臺服務器的處理能力組成的一個加強運算環境，通常稱為集群。1個集群至少有兩個節點組成。在RAC環境下，所有節點可在同一數據庫上并發執行事務，RAC保證每個節點訪問共享數據的一致性和完整性。RAC還提供了完善的高可用性和可伸縮性，可以根據需求向集群增加服務器，而不需要應用程序的調整。
Oracle RAC集群跟其它數據庫技術相比，具有其關鍵的特性優勢來增強集群數據庫的高可用性、可擴展性和可管理性，以上特征優勢很好的解決了單機運行問題可能會出現的問題[1]。通信管理系統單機運行不能滿足業務不間斷的需要，單機模式下數據存儲不安全，備用服務器啟動遲緩，增加了宕機時間。Oracle RAC集群技術適合可靠性、擴展性、系統性能要求相對較高的大型應用系統，允許從集群系統的多節點訪問應用系統，在提供與硬件環境相匹配的性能的同時，做到應用軟件和數據庫用戶與軟硬件故障的隔離。因此，使用Oracle RAC技術搭建通信管理系統數據庫是一種較為理想的方案。
二、通信管理系統數據庫架構設計
國網冀北公司按照通信管理系統數據庫統一版本要求，在冀北現有硬件環境下安裝Oracle_11g數據庫。在方案制定過程中，冀北摒棄了Oracle10g通常采用的有IBM的HACMP實現磁盤共享解決方案，采用Oracle11g中自帶的ASM磁盤管理方案，使得共享磁盤管理不依賴與操作系統本身，而是交由Oracle集群自身進行管理，這樣在安裝和后期的維護上都帶來了便捷，降低了維護難度。冀北搭建的數據庫雙機架構圖。
三、配置過程及問題分析
在數據庫安裝過程中有三個問題需要引起重視。
3.1時間同步問題
數據庫雙機必須保持兩臺數據庫服務器的時間一致，否則將導致數據庫雙機安裝失敗，因此建議安裝前配置好同步時鐘服務器，如不具備條件可根據安裝文檔中方法在兩臺數據庫服務服務器中選一臺作為時鐘服務器，另外一臺作為客戶端，確保時間一致后方可進行安裝。
3.2數據庫服務器之間網絡問題
在數據庫GRID安裝過程中兩臺數據庫服務器之間會進行頻繁的數據拷貝操作，因此數據庫之間需要使用千兆交換機進行連接。由于冀北現場采用百兆交換機導致在GRID安裝過程中失敗了兩次，最后通過網線直連完成了整個安裝工作。
3.3表空間用戶創建注意事項
在使用創建表空間用戶腳本時“表空間存放路徑”需要填寫雙機數據庫安裝過程中的Disk Group name 并在前面要加上“+”。
四、結語
通信管理系統利用Oracle RAC搭建雙機數據庫，避免了單節點數據庫運行存在的諸多問題，Oracle RAC的高安全、高可靠、高效率保證了通信管理系統7x24小時不間斷運行，為通信管理系統穩定運行提供了保障。
關鍵詞：大數據；員工培訓；網絡
隨著“中國智造”和“互聯網+”的提出，傳統的企業員工培訓模式已不能適應發展要求。因此，從企業實際情況出發，利用大數據技術將信息化建設的成果運用到培訓管理中，通過頂層設計，高位推動，合力共為，逐步形成大培訓格局和“全員學習、全員培訓”局面，實現“向培訓要能力，以培訓促發展”的現代企業管理理念，是人才紅利時代企業在市場競爭中立于不敗之地的一項重要競爭優勢。
一、大數據培訓概念
大數據（big data，mega data），指的是需要新處理模式才能具有更強的決策力、洞察力和流程優化能力的海量、高增長率和多樣化的信息資產。意味著不用隨機分析法（抽樣調查）這樣的捷徑，而采用所有數據進行分析處理。
而企業員工培訓主要是解決企業人才的“留、選、育、用”問題中的“育”，利用真實客觀有價值的大數據技術進行員工培訓管理，可以極大地提升管理效率。某企業著眼于企業和員工的共同發展，高度重視培訓保障體系建設，經過多年的信息化基礎建設，該企業區域內的計算機網絡網絡覆蓋率100%，同時擁有技術過硬的各專業信息化人才隊伍，為大數據在員工教育培訓體系實施提供了的有力支持。
二、如何利用大數據實現培訓管理提升
（一）建立企業資源數據庫
數據庫內容應包括相關的各種數據如企業愿意目標、企業年度計劃任務等，員工的基本信息、技能及各種素質，并保證及時更新數據庫信息。
（二）針對培訓對象設計培訓方案
培訓方案，即整個培訓項目的實施方案，是對包括培訓目標、培訓內容、培訓方式、培訓時間、培訓地點、培訓教師、培訓考核等預先做出的系統性的謀劃與設定。培訓方案是使培訓付諸實施的指令性文件，科學合理的培訓方案，可以使培訓有序地朝著既定目標良性運作。因此，大數據技術使培訓方案更具有針對性和可操作性。通過細化員工培訓需求分析，合理地把員工職業生涯和企業培訓需求結合起來，根據大數據的分析結果選擇培訓方法，結合傳統的員工培訓形式如講授法、視聽技術法、討論法、自學法、角色扮演法、案例分析法、互動小組法和網絡培訓法等，設計出可以使員工更好地接受培訓的方法。
（三）結合培訓需求設置培訓內容
1、堅持從企業和員工的需求結合上設置培訓內容。培訓內容是按照“缺什么就補什么，需要什么就滿足什么”的原則，通過對企業發展需要什么樣的人才，企業的中心工作和重點工作需要解決什么樣的問題，員工勝任崗位工作有什么樣的需求等調研，通過大數據分析的基礎上形成的。
2、注重從師資和教學形式的選定上激活培訓內容。同樣的培訓內容，選派不同的授課教師，采用不同的教學形式，培訓效果乃至培訓的質量會有明顯的不同。
（四）按照培訓規范優化培訓管理
一是加強培訓期間學員勞動紀律和學習紀律檢查，檢查結果作為評選優秀學員依據之一；二是按照培訓規范，堅持培訓考核；三是加強對培訓教師和培訓管理人員的綜合考評，考評結果作為評優依據之一。
（五）依據培訓目標組織培訓評估
1、充分認識培訓評估地位作用。培訓評估是總結培訓得失、改進培訓、提高質量有著十分重要的作用。通過應用大數據技術從而使培訓需求確定的更加準確、培訓內容設置的更加合理、培訓資源利用的更加充分、培訓內容與形式的結合更加相得益彰，同時，還可以有效的對培訓進行調整和糾偏。
2、努力探索培訓評估方式方法。一是要建立培訓評估制度，堅持每開展一次培訓就組織一次評估；二是要針對培訓教學、管理、考核的各個環節，特別是培訓結束后的跟蹤調查環節設計相對全面完成的評估方案，最大限度地收集評估信息；三是要堅持多種方法的有機結合，通過問卷、座談、調研、數據分析等形式進行定性和定量分析，完成客觀真實的培訓評估報告。
三、大數據培訓管理的實踐
（一）信息傳遞的遠程性和交互性
由于時間空間局限性，企業面臨大型培訓任務往往需要固定培訓場地，甚至需要分批次進行，而網絡教學不再需要集中于有限的空間，在教室以外的辦公室、家里甚至出差在外，仍可參與培訓，極大提高培訓信息傳遞靈活性。加強學員和教師之間、學員之間的交互，教師更快捷地獲得教學反饋檢驗教學效果，學員能及時獲得教師的指導，學員之間還可以進行協作學習。
（二）培訓內容的豐富多樣性和資源的共享性
借助網絡的傳遞，培訓內容可以融圖形、圖像、圖表、聲音、文字于一體，有利于W習者參與感官認知，利于激發學習興趣，促進對培訓內容的理解。同時，虛擬整合培訓系統內的培訓資源，可實現師資、課件、電子圖書資料、培訓及研究成果等資源的共享，最大限度發揮優質培訓資源的作用。
（三）學習方式的自主性
網絡遠程教育的顯著特征是：任何人、任何時間、任何地點、從任何章節開始、學習任何課程。在學習模式上最直接體現了主動學習的特點，充分滿足了現教育和終身教育的需求。
