时间：2023-09-14 17:45:15
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇大数据与资产管理，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
【中图分类号】 F232；C935 【文献标识码】 A 【文章编号】 1004-5937（2017）02-0130-04
一、引言
随着云会计、大数据、人工智能和移动互联网[ 1 ]等现代化信息技术的迅速崛起，让许多企业在思考如何实现财务管理模式的升级与变革。财务共享服务中心的概念产生于20世纪80年代的西方发达国家，其主要思想就是要打破传统企业按职能设置部门的管理方式，用业务流程取而代之，建立新的企业管理过程，从而能够在宏观上优化企业的管理流程。当前，积极探索财务共享服务的实践应用是大型（跨地域的、多层级的）企业集团和国际企业集团正在努力的方向。主要包括两个方向：一是采取一步到位的方式，将集团内部所有财务活动全部实现共享服务，完全取消分子公司的财务组织；二是采取分步实施的策略，只将部分关键的财务业务分离出来集中到财务共享服务中心。由于存在部分企业集团仍处于传统资产管理模式，但是由于与资产相关的信息要素分散在财务、计划、生产、物流运输等各个完全独立的系统，成为了信息孤岛，所以很难达到资产全生命周期管理。信息融合技术的发展，促使计算机技术和通信技术应用更加广泛，资产信息化更容易达成。构建统一的管理平台，实现资产信息化，成为资产全生命周期管理的理论前提。
目前大部分集团企业的分、子公司以及智能部门所采用的资产管理信息系统存在数据交换壁垒，各个系统之间的数据流不能够精准交流，无法实现资源共享；另外，现今应用较广的ERP系统主要是将财务系统与采购物流进行了整合，还没有达到企业对全生命周期资产管理的需求。所以，特别需要整合现有资产管理信息系统资源，通过建设企业财务共享中心[ 2 ]对资产进行统一管理，对资产价值链上的业务流程和关键点进行控制，实现监控和实时分析，提高公司资产的综合创效能力。
近年来，资产管理和财务共享服务中心管理模式都受到学术界和实务界学者的关注。刘俊勇等[ 3 ]对主营影院建设的DD集团建立财务共享服务中心的过程进行了介绍和分析，并通过其实践得出建立财务共享服务中心需要考虑企业自身的特点，同时取得管理层的支持非常重要，财务共享服务中心的落脚点不在管控上而在服务上等。钱大益等[ 4 ]从资产采购与管理等层面入手，以网络技术为手段，数据共享为目标，对资产管理信息化系统进行整体构想与设计，并付诸实施，最终建立了包括资产采购、仪器设备管理、大型设备共享、房地产管理以及实验室管理的数据统一共享的信息化系统，并对每一个子系统的功能进行了描述。郎玲燕等[ 5 ]结合浙江大学国有资产管理的现状，提出了一种基于数据总线与服务总线渐进式推进国有资产管理信息系统的建设方法，详细阐述了系统的功能模块组成，总结了系统的建设特点。
基于现有的研究成果发现，学者们主要是从资产管理信息平台的构建以及资产管理的流程优化进行研究，还鲜有财务共享服务模式下的资产管理研究文献，而现有的研究成果还不能完全满足大型、跨国集团企业对于资产价值链上的业务流程和关键点进行控制的需求。随着大数据时代的来临，借助云会计、大数据、人工智能和移动互联网等技术手段，能够破除集团企业总部和子、分公司信息流交换壁垒，实现信息流无缝联接，通过财务共享服务平台，建立集团企业资产管理控制流程，可以强化对资产管理业务的控制能力，提高资产的综合创效能力。
二、大数据时代基于云会计的财务共享中心资产管理流程
随着云会计、大数据、人工智能和移动互联网等先进技术的发展与应用，越来越多的集团企业已经完成由陌生到认识、再到认可接受务共享服务模式的过程。企业可以通过这一创新财务管理模式实现财务管理由个体信息化向云信息化转型，既能提高对集团企业的资产进行全生命周期管控的效率，又能提高财务人员的工作效率。
图1是基于云会计和大数据技术建立的大数据时代基于云会计的财务共享中心资产管控框架模型，它包含云会计和大数据的技术特征，自上而下包括用户层、应用层、服务层、数据层、业务层和基础设施层6个层次。
用户层主要是集团企业的决策者，还包括集团公司以及它们的子、分公司和相关的公司等，需要从应用层的财务决策方案中结合自身集团企业实际状况，按照最优原则进行选择。
服务层其主要任务是：对来自数据中心或者数据仓库的数据进行接收、处理、利用、整合、分类（门户整理）和传递（基础服务），面向用户层集团企业的决策者及其子、分公司和相关干系者，根据他们的资产管理控制决策需求，构建如内部资产调拨决策、资产服务决策等方面的决策应用平台。
数据层其主要任务是：把与下游业务层关联的DBMS、File、HDFS、NOSQL等ODS业务由ETL进行数据抽取、转换和加载，同时借助大数据技术（如Hadoop、HPCC和Storm等）进行规范化、程序化、标准化处理。以资产管理为框架体系，建立包括固定资产、存货、无形资产、采购管理、生产管理、销售管理和仓储管理等多维度的数据中心或者数据仓库。
基础设施层主要是软件和硬件环境支撑，基于云会计技术条件下，将传统的智能终端、服务器、存储器、网络和安全等设备连接到云端，微观上可以为业务层各环节提供管理系统（采购、销售、生产和资产），宏观上可以从云端获得关联行业的数据，为上游的数据层、应用层收集所需资产管理控制数据。
三、大数据时代基于云会计的财务共享中心资产管理流程――以固定资产购置流程为例
资产管理一般包括存货管理、无形资产管理和固定资产管理。企业的存货管理控制主要是存货需求与采购控制、存货入库与保管控制、存货领用与发出控制、存货盘点和处置控制四个方面。无形资产管理业务流程主要包括无形资产取得与验收、使用与保护的无形资产处置。固定资产管理流程控制主要包括三个方面，一是固定资产构建控制，二是固定资产使用和维护控制，三是固定资产处置和转移控制。由于资产管理的内容范围较广，选择以固定资产购置流程为例进行分析。
固定资产是企业最重要的经济资源之一，同时也是企业能够实现再生产和持续经营的保障。强化固定资产的控制和管理，挖掘其深层潜力提高利用效率，不仅对保障企业的财产安全是必要的，而且是实现企业降低成本、提高企业核心竞争力的关键方式。企业进行固定资产管理的路线与准则是固定资产管理流程，因此，流程的合理性是固定资产管理是否有效的最重要因素。近几年，纵观我国大中型企业大多使用ERP系统实现对固定资产的管理，但是其固定资产的流程与传统流程没有较大差异，o法满足大数据时代下追求流程创新、模式创新的现代化集团企业要求。在这种情况下，对于固定资产管理流程的再造就十分必要。大数据时代基于云会计的财务共享中心固定资产购置流程如图2所示。
图2为财务共享中心固定资产购置流程，下面将详细阐述集团企业下的财务共享中心，包括购置申请、固定资产审批与购置以及档案管理等在内的核心环节。
（一）购置申请和供应商的确定
固定资产占比的提升是提升企业生产能力的重要因素之一。财务共享服务模式下固定资产购置的步骤之一是需要分子公司使用部门人员进行固定资产购置申请，在这一环节，分子公司使用部门人员首先需要充分了解企业的采购制度，选择正确的采购类别。值得注意的是，财务共享中心的固定资产采购类别将与费用预算的项目直接进行关联。
分子公司的总经理首先根据固定资产采购要求，对分子公司使用部门人员提交的固定资产采购申请进行确认。其次，由分子公司固定资产使用部门人员填写固定资产采购申请单。需要注意的是，请购部门可以利用基于云会计的财务共享中心获取预算信息、公司实际需求情况和国家相应的政策，在筹资能力、投资回收期、净现值以及产业政策等外部因素的基础上提出更加合理的固定资产需求计划；在考虑固定资产需求计划的财务与技术可行性方面，借助云平台可以获取相关数据，通过财务和技术的可行性分析确定固定资产和流动资产的结构；最后，结合获取的企业和市场情况以及综合类比，分析供应商的物流情况、信用程度、质量保障等要素，选择固定资产购置方式并确定供应商。
（二）固定资产审批与购置
分子公司的业务领导，即部门主管和总经理需要审核分子公司使用部门人员提交的购置固定资产申请，评估固定资产现有的水平是否能够满足战略目标的实现；评估购置固定资产的风险。最后，再对是否购置固定资产进行决策。基于云会计平台，分子公司的业务领导可以不受时间、空间的限制实现审批，其批量审批功能可以提高审批的效率。
集团企业可以借助云会计的财务共享中心获取自身固定资产使用情况的历史数据，对项目可行性进行研究、分析和决策。另外，由于编制固定资产投资预算，并按照规定的程序进行审批是保障固定资产投资决策科学合理的基础。因此，在集团企业财务共享中心的固定资产请购流程下，需要对预算内和预算外进行区分。如果请购的固定资产在预算范围之内，集团企业分子公司的部门主管将按照企业的相关制度规定对固定资产采购申请单进行审批。如果请购的固定资产超过了预算范围，需要通过分子公司的总经理室进行申请、审批。
通过分子公司审批的固定资产采购申请会进入集团企业的财务共享中心，共享中心的财务人员基于云平台数据对企业固定资产需求计划的财务可行性进行评估（包括合同的确定、推送合理交货时间、投保事宜和选择最优的付款方式等），对分子公司提交的固定资产采购申请单进行审批。然后，采购部会根据已经通过财务部审核的固定资产采购申请单进行固定资产采购，利用云平台实现与供应商的采购信息对接，实时了解固定资产采购的物流、进程等信息，保障固定资产采购的效率和安全。在固定资产采购完毕后，将提交的固定资产验收单和相关单据至财务部进行采购确认。在固定资产购置的全过程，财务部会利用财务共享中心与银行互联，对购置固定资产的资金进行监控，对固定资产的购置过程和结果进行审计，最后通过相关使用部门的反馈，对集团购置固定资产的配置效率进行评价。
（三）档案管理
固定资产档案是指作为固定资产的设备、仪器、仪表以及房屋建筑物等从规划、计划、制造（建造）、购置、安装、调试、使用、维修、改造、更新直至报废全过程，形成有保存价值的图纸、文字、说明、凭证和记录等文字资料，通过不断收集、整理、签字等工作归档建立的资产档案。其中设备维修技术资料是指设备安装、调整、试车、使用、维护、修理等所需的图纸、规程、技术标准、维修记录及其他有关技术资料。
固定资产购置的最后一个环节是档案管理，集团企业财务共享中心固定资产管理系统应当具备包括票据表单、影像和手写体的电子识别功能。同时，利用互联网+、人工智能和物联网感知技术等现代化技术，将上述与固定资产全生命周期活动相关的数据，如固定资产的预算控制信息、采购合同、使用和维护信息、处置决策等，上传归档至基于云会计的财务共享中心。
四、结语
随着云会计、大数据、人工智能和移动互联网等现代科技的不断发展，越来越多集团企业已经认识到：只有通过强化企业资产管理管控能力，才能够有效地将多余的、闲置的设备进行合理区分，为企业提高工作效率，降低成本，并视为竞争力的杠杆。集团企业本身具有庞大的资产数量，分别在各个分子公司、基层单位使用，现实情况是很多资产的利用率并不高，资产闲置和资产处置不规范等现象比比皆是，导致管理弱化，资产流失较为严重。
基于云会计和大数据技术建立的大数据时代云会计的财务共享中心资产管控框架模型，可以把固定资产管理需要的各类数据（如报告、质量监控、流程控制等相关信息）集中收集到统一的平台上，各个环节各取所需，采取针对性的措施保障资产安全和完整，优化和控制资产配置，防止超编、超标以及促进资产整合、调剂和共享，提高资产使用效益。
【参考文献】
[1] 程平，温艳好.基于云会计的AIS可信性层次结构模型[J].重庆理工大学学报（社会科学），2014（2）：24-31.
[2] 程平，万家盛.大数据时代财务共享中心云平台的构建及其应用[J].商业会计，2015（15）：20-22，85.
[3] 刘俊勇，韩琦，杨笑玉.DD集团建立财务共享服务中心的实践与启示[J].财务与会计，2015（6）：32-35.
1.研究背景
随着国家电网公司“两个转变”的深入推进，公司党组在“三集五大”体系建设中做出了建设总部和省（市）两级“运营监测（控）中心”的重大战略部署，实现对公司经营管理24小时即时在线监测分析，实现对规划、建设、运行、检修、营销、人资、财务、物资等业务全方位监测分析，实现对计划预算、资金收支、电力购销、资产全寿命周期、供电服务、产业发展、金融领域等全流程监测分析，构建集“全面监测、运营分析、协调控制、全景展示”于一体的综合管控平台。在国家电网公司运营监测（控）工作会议上，公司领导指出“数据是公司重要的公共资源，要牢固树立数据资产管理理念，真正将数据作为公司战略资产进行管理；各网省公司运营监测（控）中心要充分发挥主观能动性，不等不靠，主动作为；要充分利用大数据理念和方法，借鉴和应用国际最先进的技术成果和工具，与公司管理提升相结合，推动用数据来指导和管理企业，促进公司经营管理水平的全面提升”。
可见，公司依法治企、管理提升、深化大数据应用工作等新形势都对运监工作提出了新要求。运营监测（控）工作必须要以数据资产为依托、以发现问题为导向、以异动管理为抓手，以主题建设为根基，挖掘明细数据，强化监测分析，深化协调控制，通过引导、动态预警和及时纠偏，促进公司运营效率和经营效益持续有效提升。
2.运营监测（控）工作的现状与问题
当前，运营监测（控）工作已经取得了阶段性成果，初步实现对公司主营业务、核心资源、关键流程的监测分析，开始逐步发挥作用，但也存在以下一些问题。
2.1数据基础还不牢固
数据是企业管理的重要基础，是公司决策的重要依据，基础数据的偏差可能造成企业管理的失误，大量的数据失真甚至会影响企业战略决策。公司信息系统建设和应用已取得一定成效，但在运监业务开展过程中，也暴露出数据和系统应用方面存在的问题，主要表现在：业务信息系统未能实现公司业务全覆盖，业务衔接不紧密，不能有效融会贯通，业务追溯、原因分析无法有效实现；公司专业条线精细化管理程度不同，针对同一业务，由于标准不统一等原因，各专业数据未实现有效关联与集成，数据开放共享程度不够，尚未完全实现互联互通；部分业务信息系统应用水平不高，数据未实现全面在线生成，数据的及时性和真实性得不到保证，数据源头不清、多源输入，报表与业务运行数据“两张皮”；部分业务信息系统设计、开发和实施质量不高，影响系统应用，数据中心的数据可用性不高等。数据问题不仅制约了公司决策和专业管理提升，更影响了运监工作的有效开展。
2.2数据资产管理尚处于起步阶段
运营监测（控）中心作为公司运营数据资产管理部门，依据《国家电网公司运营数据资产管理办法》，目前已经接入22个专业的数万项业务指标和业务明细数据，但在建立运营数据资产管理机制，加强数据资产价值挖掘与应用方面存在欠缺。需研究制定运营数据资产管理工作方案，明确数据资产管理范围和工作内容，有序推进运营数据资产管理。需开展主数据梳理和数据字典收集，促进公司数据字典规范管理与使用。需通过公司统一的数据中心，接入运营业务明细数据，优化数据核查工具与规则，对数据流转各环节进行核查，提升运营数据质量。需切实推动大数据挖掘分析应用，提升公司运营数据资产价值。
2.3大数据平台支撑能力不足
公司大数据平台建设还处于试点研究阶段，大数据平台还未能支持运营监测相关业务应用。运营监测对数据的分析主要依赖数据分析工具和人工经验对主题数据进行分析，海量数据快速处理能力不足，难以支撑大规模海量数据的实时同步、实时存储、实时处理、实时共享和实时反馈，例如针对企业管理的分析应用数据存在一定的延时，不能满足即时查看和分析实时业务数据的需求。数据挖掘分析应用能力不强，现有的数据应用大部分为数据的可视化展现，数据集较为单一，分析方法较为传统，缺少对大规模跨业务多类型数据的深度挖掘分析，对外部数据的处理还缺乏相应的大数据分析手段和工具，难以充分发挥数据资产价值。
2.4运监体系及运作机制还需要不断完善
运营监测（控）工作的有效开展，离不开各部门、各单位的大力支持和紧密配合。省、地市、县三级运监体系初步建成，但各单位在运监业务开展、作用发挥方面还存在较大差异，部分单位对运监工作的重视和支持不够，导致业务开展不畅、作用发挥不够；业务部门对运监工作总体上是支持的，但少数部门对问题导向的管理方式认识不足，在业务信息系统数据共享、权限开放等方面未能到位。
2.5运监业务能力还需要不断提升
三级运营监测（控）中心成立以来，做了大量卓有成效的工作，初步实现业务协同运转，特别是在合法合?、计划进度、效率效益、趋势研判监测分析方面实现了重要突破，在加强风险防控、强化过程管控、促进横向协同、提升效率效益等方面取得重要成效。经过两年多的实践探索，公司初步建立三级运监体系，形成了相对成熟的监测分析思路，通过开展基于明细数据的监测分析，能够有效发现异动问题。但这只是走出了重要的第一步。特别是随着法治企业建设和“三集五大”全面建成，运营监测（控）中心还需要不断拓展功能、深化业务内涵，需要更加全面有效地发挥作用。
3.基于大数据挖掘的运营监测（控）体系建设
基于大数据挖掘的运营监测体系是以大数据平台和数据资产管理为基础，以运营监测（控）业务主题库和数据资产关联库为核心，依托相应的保障机制和协调控制手段，充分运用大数据挖掘技术促进运营监测（控）工作模式转变，达到主动感知、主动预防、主动参谋的目的，并通过成果和可视化展示，为公司经营决策提供支撑，为绩效管理提供支持，为企业效率效益提供保障。如图1所示。
3.1业务模型运作模式
数据资产关联库与运监业务主题库是运营监测体系的核心组成部分。关联库立足于数据层面，注重关联关系；主题库立足于业务层面，注重因果关系。主题库和关联库相对独立但又互相促进。大数据挖掘技术贯穿监测分析始终，通过主题库和关联库的有效运作，不断挖掘数据资产的价值，实现主动式运营监测。
扩充与更新业务监测范围、实时全面监测、问题穿透分析、趋势预测以及辅助决策提升五个目标的实现依赖于对关联库与主题库中各类阈值、规则、模型的使用。运营监测模型抽取新的（实时）数据资产，使用在线计算手段对数据资产中的重要监测指标、明细数据进行统计分析，并将相关结果与两个库中存储的关联关系阈值等进行比较实现关联关系的异动监测；通过调用两个库中存储的预测模型等进行实时分析，实现趋势预测目标。运营监测模型抽取实时数据，调用两库中的关联关系、判断规则、仿真模型、决策树等模型，并结合专家经验实现对问题的穿透分析，以及方案的辅助决策目标。
关联库立足于数据角度，通过大数据挖掘以及人工梳理进行创建。关联库的创建主要有三个来源：一是通过大数据技术对海量数据资产的挖掘产生隐性、模糊的数据关系；二是通过对业务关系分析产生显性、明确的数据关系；三是通过对主题相关规则整理产生显性数据关系。
主题库立足于业务角度，考虑公司要求与专家经验的同时，通过大数据分析规律进行创建。主题库创建的基础来源于设计人员对热点难点和问题的收集、整理。监测主题对应的监测专题以及判断规则主要也有两个来源：一是对专家业务经验进行固化；二是通过大数据挖掘技术产生数据之间的关联规律及规则。大数据挖掘既可以直接作用于主?}库，又可以通过关联库间接作用于主题库。
大数据技术贯穿整个运营监测的始终，是对专家经验的补充、验证与提升，是公司运营监测工作实现科学、高效、经济的有力保障。
3.2大数据挖掘对运营监测（控）工作的支撑作用
3.2.1扩充或更新业务监测范围
运用大数据技术创建数据关联关系，发现数据关联规律，设定关联关系阈值，进而扩充业务监测范围或更新监测内容。
3.2.2对实时监测分析的支撑
运用大数据在线计算、分布式计算等技术，丰富业务的监测计算手段，实现业务的实时监测分析。实时监测分析主要包括业务数据及其关联关系异动监测两个方面。对于业务数据，重点关注监测对象的选取，同时考虑准确性、及时性；对于关联关系的异动监测，首先选择核心的关联关系，对其变动趋势进行实时监测。
3.2.3对问题穿透分析的支撑
大数据挖掘技术对问题穿透分析主要体现在两个方面：一是采用大数据挖掘技术寻找数据之间的关联关系来深入发现问题。通过大数据关联分析方法可以很好地分析出数据之间存在的关联关系，并确定关联关系的强弱来寻找潜在的问题细节。二是基于某个业务主题，采用大数据技术对数据进行深入挖掘和分析，在关联分析的基础上，结合专家经验的梳理可以很好地促进公司对于问题因果原因的判断，追本溯源，定位问题的根源。
3.2.4对业务趋势预测的支撑
主动探寻事前预防监测的范围，并运用大数据挖掘技术创建业务预测分析模型，使运营监测从事后寻因转为事前预防监测。大数据挖掘中通常构建各类预测模型来实现对指标数据以及业务明细数据的预测。对于离散型的数据通常使用分类模型来实现预测，对于连续性的数据通常使用回归模型来实现预测。常用的分类分析方法有决策树、神经网络、支持向量机等，常用回归分析方法有线性回归分析、逻辑回归分析、Cox回归分析等。不论是分类预测还是回归预测，基于大数据的预测通常都需要对大量准确、全面的历史数据进行训练，不断地调整相关参数才能得出准确的预测模型。通常利用大数据的分布式计算来实现预测模型的创建，利用内存计算来实现对于监测指标或者业务明细数据的实时预测。
3.2.5大数据挖掘对数据资产关联库、运营监测主题库的支撑
大数据挖掘对数据资产关联库的支撑作用主要是通过大数据挖掘技术发现数据之间关联关系和统计规律，创建重要数据的预测分析模型。
大数据挖掘对运营监测业务主题库的支撑作用主要是大数据挖掘技术将主题的监测分析对象拓展到明细数据，促进规则和算法的产生并实现实时监测和在线分析，通过挖掘数据关联支持穿透分析，借助预测算法和模拟仿真等技术完成影响分析和改进策略研究。
3.3数据分析成果的可视化展示
为有效推进运用大数据挖掘进行主动式运营监测工作，需建立成果与可视化展示管理体系，实现相关工具、模型、典型经验和创新成果等统一管理和展示。
通过对数据资产关联库中的指标与指标、指标与明细数据、明细数据与明细数据之间的关联关系进行常规的大数据挖掘以及成果展现，对其中清晰的、明确的关联关系进行数据关联展示，对于模糊的、隐藏的关联关系可以通过数据溯源、数据模拟和穿透查询，在组织机构层级、数据频率等维度进行明细数据查看，支撑运监业务主题库的进一步分析。数据资产关联库可视化展现分为数据溯源展示、数据关联展示和数据模拟展示三部分。
对运监业务主题库中的主题进行长期、持续的大数据挖掘以及成果分析后，将其中数据稳定、结果可靠的主题形成固定的可视化展现场景。可视化场景包括主题故事线、监测对象、监测数据、轻度数据处理工具、可视化UI展现界面等内容。通过可视化展现方式，借助图形化手段将大量数据展示，提升监测主题的交互性，并能够从大量的数据中快速发现异常、捕捉规律，同时达到信息的快速传递。
3.4运营监测（控）工作的协调与控制
协调控制业务是运营监测（控）中心围绕公司运营管理，基于运营监测业务需求，通过横向协同和纵向管控方式，针对运营数据资产管理、数据资产关联库和运营监测（控）业务主题库建设及应用全过程，开展数据管理、异动协调、专项协调、辅助决策等工作内容，协调相关部门消除异动、解决问题、防范风险。
人类已经飞速进入了一个崭新的时代――移动互联时代。在移动互联时代，互联网将从范式、思想甚至哲学层面冲击和颠覆金融业固有的经营理念、运营流程、组织结构和风险管理，而移动互联网的核心技术，即大数据、社交网络和云计算将完全改变传统的资产管理行业。
身为万向控股副董事长，肖风拥有近20年的资产管理行业从业经验。他在本书中探讨了一个目前也许尚无定论的重要问题，即如何对新技术估值。他认为在移动互联的冲击下，投资规则、价值创造规则必然且已被重构。社交网络、大数据将成为观察市场的新利器。最为关键的是，关系链和数据流应成为企业估值的新核心指标。
马蔚华
【《投资革命：移动互联时代的资产管理》
推荐指数：
作者：肖风 著
出版：中信出版社肖风
肖风，中国万向控股有限公司副董事长兼执行董事、民生人寿保险股份有限公司副董事长、万向信托有限公司董事长、民生通惠资产管理有限公司董事长、通联数据股份公司董事长。1961年出生，中国南开大学经济学博士，有超过20年的证券从业经历和资产管理经验。其创建的博时基金公司是目前中国资产管理规模最大的基金公司之一。】
在1998年创建博时之前，肖风于1993年进入深圳市证券管理办公室工作，历任副处长、处长、证管办副主任。1992年到中国人民银行深圳经济特区分行就职，历任证券管理处科长、副处长。
近年来，特别是2013 年以来，随着以移动互联为代表的新兴信息技术的广泛应用，第三方支付、移动支付、网贷平台、众筹融资、网络理财等互联网金融形式迅猛兴起。凭借完全的时空跨越、高效的交易撮合、低廉的交易成本和优质的客户体验，互联网金融正在重构金融业的发展版图和竞争格局。
对传统银行而言，互联网金融是把“双刃剑”。一方面，互联网金融的出现及发展，已经并将持续撼动商业银行的稳固地位，对其资金融通和支付结算的中介职能，以及盈利增长、客群拓展及服务模式均构成了严峻挑战。实际上，信息技术企业想开展银行金融业务远非今日才开始。20世纪80 年代，比尔・盖茨认识到与其把信息技术系统出租给商业银行使用，不如自己办银行，但这一想法因当时美国银行业公会对美联储的游说而落空。当时，盖茨的那句名言深深震撼了金融界：“传统银行如果不改变，就会成为21 世纪将要灭绝的一群恐龙。”如今，互联网企业涉足金融业务已成为热潮，特别是对商业银行的业务进行了全面渗透，无论是在支付领域、融资领域，还是财富管理领域，目前均已占据了一席之地。
另一方面，互联网金融的蓬勃发展，在与商业银行形成多方面冲突的同时，也创造了二者之间广阔的合作空间。互联网能够在虚拟空间拉近距离，却不能缩短现实间的距离；能够提供海量数据，却不能解决人和人之间的信任问题。而有效的信息、人性化的渠道和现实的信任，正是网络时代最需要的。银行拥有广泛的客户资源，有较受公众认可的信赖感，还有相当完善的实体和电子渠道。凭借这些资源，银行的信用、支付和渠道媒介的功能将进一步强化。因此，从某种意义上讲，互联网金融与商业银行可以相辅相成。就像网上第三方支付以及手机支付的发展，由于其需要与银行账户、银行卡相连接才能发挥作用，在一定程度上相当于助力银行从现实世界延伸到了网络世界。互联网的最大特点是互联互通、惠及大众，银行可在控制风险的情况下，与同业、不同行业之间开展更加广泛和深入的互联互通，彼此优势可以得到更好互补。
互联网为传统金融带来的深刻影响，不仅体现在商业银行领域，也体现在资产管理的其他领域。我对肖风撰写的这本书，在很多方面颇有同感，尤其是对于影响资产管理行业未来发展的相关互联网技术问题的理解方面。首先，是对于互联网思维的理解。什么是互联网思维？有人说：得客户者得天下；也有人说：互联网公司不在意现在赚多少钱，看重的是用户的增长，用户越多，越有价值。这些都是互联网思维的表述。
而如何做到这一点？只有凭借极致的客户体验，牢牢抓住客户并为其创造价值，企业才能实现自身价值增长。未来的银行必须依靠客户至上取胜。要按照互联网的思维和经营方式来改造传统银行的经营方式，真正做到“因您而变”、“因势而变”；而只要摄入更多的“互联网基因”，更加积极主动地融入互联网，商业银行就不会终结。肖风在这本书中深入探讨了互联网思维对政府、市场、个人和企业的影响，并在此基础上对资产管理行业的发展趋势做出了研判，应该说具有一定的前瞻性。
其次，是对于社交网络的理解。社交网络的发展，必将给传统银行带来重大冲击；我惊叹于社交网络的巨大潜能，也在思考银行应该如何利用社交网络拓展新的业务与盈利增长点。2014 年春节，微信开发推出的“新年抢红包”产品极为火热，被认为是以零成本圈定了大批用户，社交网络对企业发展的重要作用由此可见一斑。
最后，是对于大数据的理解。进入21世纪以来，随着移动终端、传感器等现代通信设备的全面普及，以及云计算、物联网等新兴信息技术的快速发展，社会正迈入一个崭新的大数据时代。在大数据时代，人们将通过对海量信息进行汇总、整合、存储和挖掘，发现新知识，创造新价值，并最终实现“大科技”和“大发展”。数据技术革命浪潮的兴起，对商业银行的经营管理构成了严峻挑战，但同时又孕育着商业银行诸多良好的发展机遇。商业银行在市场拓展、客户经营、资源配置、定价管理、风险管理、网点布局等经营管理的各个领域、各个环节、各个方面都可以进行数据分析及其应用，进而不断提升管理的精细化水平。
（本文摘自永隆银行董事长、
招商银行前行长马蔚华为本书所作的序）
《2013年中国资产管理行业发展报告》
作者：巴曙松，陈华良等著
出版：中国人民大学出版社
本书立足于整个中国资产管理行业的宏观视角，采用把产业发展理论分析和金融机构实务经验有机结合的研究分析框架，在数据分析等传统研究范式的基础上，试图进一步剖析资产管理行业生态系统。
《中国资产管理行业发展报告（2014） 》
作者：智信资产管理研究院
出版：社会科学文献出版社
全书从资产管理产业链及相关方入手，将资产管理行业解构为资管机构、资产配置、客户渠道、风险管理、基础设施和制度建设六大板块，第一次突破了按照银行理财、信托、基金等子行业分类论证的传统思维定式。
《金融新格局：资产证券化的突破与创新》
作者： 郁冰峰
关键词：大数据技术；电气工程中；应用解析
电气工程影响重大，更是促进科技技术发展的重要前提，想要社会经济得到有效的发展，必须对新技术进行不断的创新和改革，从而有效的运用到电气工程当中。目前电气工程建设当中广泛应用的技术是大数据技术，通过大数据技术能够对管理信息和运行情况进行有效的检测，为了能够更好的促进电力系统正常运行，大数据技术的发展不容忽视。
一、大数据技术在电气工程中的应用意义
大数据技术的诞生给电气工程带来极大的促进作用，它是一种新的技术方法，更具有一定的优势，不需要花费大量的成本，采集数据时非常的迅速，而且能够有效的对数据进行分析和处理，不管是什么样规模的数据当中，大数据技术都能从中找出非常有价值的信息。和传统技术相比，大数据技术在数量上有着极其的优势，范围大，能够将数据进行深入的分析。当然了，大数据技术有很多种类型，我们常见的有视频、图片等，在进行不同类型的数据处理时，要求上也非常的高，电气工程在适应力上有着极大的挑战性。随着信息技术的不断发展，电气工程运用了互联网等技术，让电气工程在信息的获取等方面更加精准，用户通过搜索引擎对信息进行搜索时，能够在很短的时间内就能够为用户提供准确的数据，而且能够以实际情况进行更好的推荐。在互联网发展的背景下，大数据技术的发展也是非常明显的，能够让数据量上突显出大，而且能够实现数据在线的条件，这更利于电气工程的有效发展。
二、大数据技术在电气工程应用中的主要问题
电气工程当中，大数据技术被广泛的应用，这样更利于工作的有效开展，然而，实际当中依然存在诸多的不足，只有对这些不足进行不断的完善，才更利于电气工程的有效发展。目前情况来看，在大数据技术的研究上没有投入足够的资金，而且大数据方面的专业技术人才较为缺乏，这对于大数据的发展有着很大的影响。例如，对电气工程中的线路重过载进行管理时，配电线路相对的数量很多，而且在不同的地方进行了分布，很容易造成频繁的发生变化，负载方面均不同，这无疑会给管理方面带来极大的难度；一些线路重过载的现象比较严重，尤其是在夏季或者冬季的时候，会对线路的安全方面和供电方面造成极大的影响；在对线路重过载进行分析时方法上尤其的缺乏，这对于配网工程立项方面没有更加合理的参考依据；线路重过载预警需要专业的人才进行操作，这无疑会影响到其的精准性，以及有效的预防和控制。另外，在电气工程当中的信息数量的处理，大数据发挥了极大的作用，然而，它对于信息数据的安全方面没有起到很好的作用，一旦对一个人进行了定位，就能准确的掌握人的行踪，从而造成安全隐私方面的问题出现。因此，在安全问题方面，大数据技术的改革当中应该尤其的重视该问题，只有通过合理的方法进行有效的解决，才能让大数据技术发挥其更好的优势和作用。
三、大数据技术在电气工程中的应用措施
现代电气工程的发展，大数据技术有着非常重要的意义，它自身的优势给行业的发展起到了促进作用，然而想要大数据技术能够更好的发挥其自身作用，需要从下面几点为出发点：（一）电网调度中的应用。电气工程当中需要通过对相应的系统和服务器进行控制，在整个过程当中都是自动化设计。首先，针对电网调度，需要在运行过程中经济调度，这样能够让电网更好的运行。其次，电力在运行的过程当中，会产生大量的数据，通过对这些数据进行分析，这样能够自动预测电力系统中的负荷情况。最后，电网系统中会显示相关的数据，通过将数据进行分析，迅速的找出故障点，能够缩短时间，更利于迅速的对故障进行有效的处理。（二）配网资产管理大数据平台的建立。1、配网想要能够更好的运行，必须有详尽的资产管理做保证，这样才能在工作当中有效的运用现代计算机技术，对配网资产管理的大数据平台进行有效的建立。2、对于大数据平台的建立，需要对相关的资产存量和增量情况进行有效的管理，而且必须要同步，这样才能凸显出平台的真实性和一致性，这样更利于工作的有效运行。3、大数据平台必须包含以下几点内容，比如说，配电网每个环节的设备、要素、属性等方面的情况，例如，承载能力的情况，正常使用的时间等等。（三）各类传感器的有效连接。1、想要配网能够正常的运行，传感器和操作器应该选择优良的，并且进行相应的配置，只有这样才能将不同的参数进行有效的采集，采集的数据具有准确性的特点，这样才能与配网资产实体在属性上进行有效的结合，从而促进参数描述体系的形成。2、传感器和操作器所采集的数据不仅仅采集了就可以，还要能够对数据进行永久的保存，这样才能保证历史数据和实际实际的统一性，从而能够根据历史数据，对实际的配网情况进行合理的评价，并且对所有的设计等方面进行有效的检查，只有达到正确性，才能为预测提供有效的参考价值。（四）配网的准确扩张。1、配网在不断的发展中，和现实情况的适应过程中，用户及资产也在增加，在对配网资产添加的设计或者预想中，需要对现实情况进行比较，这样才能更好的进行完善，更利于设计和预测的有效性和准确性。2、在对配网资产平台上进行建立时，需要根据整体对配网进行设计、检验等，配网实际承载需要通过运行电参数进行描述，只有在建设中不断的完善和调整，才能让配网的整体处在科学的状态。只有在合理的操作情况下，让配网能够有效的链接，才能达到预期效果。（五）全资产大数据信息管理平台的有效建立。让大数据信息资产管理能够更加的精确和整体，需要对相关的增量和存量进行有效的建立，在建立的过程当中，为了让资产码的编码、授码管理得以实现，需要运用编码识别技术，让编码和资产能够有机的融合。在对城管资源模型的建立时，应该以空间地理信息为出发点，有效的运用公共设施资源，这样能够将业务方面进行有效的扩大，从而实现多方面信息的管理，让平台能够形成统一性。另外，地理和资源信息的有机结合，对于城市管理数字资源模型的形成有着非常重要的意义。
我国社会经济的发展离不开电气工程的支持，它有着十分重要的意义，因此，电气工程的发展不容忽视，在进行不断的改革和创新的过程中，也对工业的发展有着极大的影响。如今是新的时代，大数据技术的诞生给电气工程的发展带来了新的机遇，更具有极大的难度，只有对电气工程进行有效的规划，通过大数据技术的合理运用，以及对云技术的有效探索，从而让大数据技术在电气工程中充分发挥其优势和作用，更利于电气工程事业的有效发展。
作者:佘庆军 王善彪 林宏英
参考文献
[1]赵亮,饶元,戴涛.基于大数据的技术创新与决策方法研究[J].科技创新与应用.2015(32).
[关键词]大数据技术；电气工程；运用；问题；策略
1.大数据技术应用于电气工程中的功能定位
1.1全面提升信息化水平。我国住建部已经提出建立工程质量监督管理机制，改变工程质量监督检查模式，对工程质量安全实施有效监督，完成工程质量监管一体化工作平台建设，实现数据一个库、监管一张网、管理一条线的监管目标，电气工程在与大数据技术的融合取得了显著的成效。1.2全面提升数据分析能力。将电气工程与大数据技术相结合，可以构建电气工程质量管理系统，借助于信息化的管理手段及监管模式对传统的信息管理平台进行优化，及时获取企业内外部数据，并将其反馈给相关部门，指导电气工程的开展，为电气工程的实施提供充分的理论支撑。1.3全面提升数据支撑管理。电气工程信息管理系统的核心在于对获取的数据进行清洗、处理、分析以及挖掘，进而从中获取有价值的信息，指导电气工程管理决策的开展，优化企业的发展路径。电气工程与大数据技术相结合，可以利用物联网及传感器网络，及时获取电气工程内外部数据，帮助建筑企业实现更为全面、高效的管理模式。1.4全面提升质量管理依据。电气工程中的相关数据是基于大数据提升工程质量的依据，工程质量的提升需要借助于工程中的实时数据信息，参考全面的监管图像数据信息、了解多部门的检测数据、获取企业及时的施工数据等，通过将数据进行汇总与分析，为电气工程监管工作的开展提供重要保障，同时，大数据技术具有较强的共享性，可以有效规避信息不对称的现象，进一步提升电气工程的管理水平。
2.大数据技术在电气工程中的具体应用
2.1基于大数据技术的用电数据异常分析。通过对电气工程运行过程中的异常数据进行采集分析，可以有效发现系统中潜在的故障，数据在挖掘过程当中是存在不确定性、大量性以及不完全性，而这些特征会根据数据不同的特性进行划分，这也是有一定的复杂性。有一些信息还比较的模糊和随机，其中所能够提取出的信息也许具有潜在的价值，因此我们还需要小心的对待每个数据。借助数据挖掘技术，对于用电过程当中出现异常情况的检测方法主要有两种：其一是孤立森林算法的用电数据异常检测；其二是决策树算法的用电数据异常检测。在第一种异常检测算法中，首先需要对数据进行清洗及降维，其次根据数据构建异常检测模型，模型构建包括iTree的构建以及孤立森林的构建，iTree的构造步骤如下：在六个日负荷特性指标中随机选择一个特征；随机选择该特征的一个值k；根据每条记录所对应的信息特征来看，把特征当中小于K值的记录放在左分支上，其余大于等于K的记录则放在右分之上。将左右分支的构造进行归纳整理，要满足传入的数据信息保持一条记录，或者是将多条记录放在一起达到一定的高度。这样才能够保证每次的过程都能够满足历所有的iTree，然后就是在查询的过程当中，必须要将对象落到节点的位置上，让其平均通过的长度计算保持在一定的差值之内。最后再根据异差值的大小对用户进行评价，判断该用户是否为异常用户。在第二种异常检测算法中，基于决策树的用电数据异常识别模型的构建流程如下：首先构建训练集，对电气工程中的相关数据进行整理，用于对决策树的训练，其次，我们还可以采取相应的算法对所有数据进行处理，将已知的数据进行排序，然后再根据相应的特征进行划分，计算每个分类当中的信息增益根据计算得出来的最大值选择阙值，之后再利用阙值划分数据集。再者生成决策树，决策树的根节点到叶节点都对应一个分类规则，最后还需要对策书的合理性进行验证。2.2基于大数据技术的电气工程进度控制。形成科学的进度计划是实现进度控制的基础，在实际电气工程中，外在环境与内在要求的变化均会影响电气工程进度，为实现对电气工程进度的控制，可以引入大数据技术。时间目标通常是指工期期限，是建筑项目合同内指明的工程期限或者相关负责单位规定的时间期限，但电气工程涉及的内容较多，时间目标的制定较为困难，利用大数据技术可以综合进度情况、天气状况、工程难易水平以及施工技术等要素，更为科学制定出目标。随后为实现对进度的监控，需要将项目进行科学的分解，明确各项任务，大数据技术可以基于WBS理论，从粗至细地实现对项目活动的分解。在工程落实阶段需要遵循一定的顺序，大数据技术可以挖掘出各项任务间的联系，发现人力、信息、资源等方面的线索，从而更为科学地制定出电气工程先后次序。随后还需要绘制网络图，利用大数据技术画出网络图具有以下的优势：首先，要准确地表现出工作之间的状态以及逻辑关系，其次需要在断开网络的时候，再没有相应的逻辑工作时，将网络部图进行科学分布。通过空间结构，以地理信息作为基本特征，将公共设施的资源结合到城市管理当中，该模式具有一定的节约资源绿色发展，能够形成以地理位置为中心，将资源、管理信息等等作为业务支撑的基础，为我国的电气工程打下更坚实的基础，从而保证了电气运输以及工程的进度。2.3大数据技术在负荷特性分析与预测中的应用。大数据技术在负荷特性分析与预测中的应用主要可以分为以下三个方面，首先是关联规则法在负荷特性分析中的应用。电力负荷特性除了会受到内在自身因素的影响外，还会受到外在因素的干扰，负荷会表现出一定的规律性和波动性。关联规则法是在庞大的数据中找出各数据项之间频繁出现的联系，并分析负荷特性与影响因素的相关性，指导电气工程的正常运转。其次是聚类分析法在电力负荷特性分析和预测中的应用，聚类分析是将负荷数据与影响因素进行聚类，聚类后的数据构成了一组分类，某一类型的负荷聚在一起，它的负荷特性就会更好地呈现出来。再者是人工神经网络技术在电力负荷预测中的应用，利用神经网络技术可以模仿人脑进行智能化处理，对非线性的规律具有自适应的学习功能，在短期的负荷预测中可取得满意的效果。2.4大数据技术在电网调度中的应用。随着电力系统的数字化、智能化程度的不断提升，在电力系统中数据呈现出爆炸式增长的趋势，大数据技术的引入可以较好地实现对海量数据的分析，为推动电气工程与大数据技术的融合，需要构建相应的计算机管理系统实现对电气工程的控制，电气工程实施的各个阶段均是在电气工程的监管与指导下完成。首先，通过电网运行过程中的调度，确保电网可以稳定运行。其次，电力系统在运转的过程中，相关设备会产生大量的实时数据，通过将数据进行存储并分析，可以有效的推断出电力系统可以承受的负荷。再者，通过电气工程信息管理平台可以将相关数据进行可视化显示，借助于大数据技术进行分析，从而在较短的时间内发现电气工程中可能存在的故障点，消除系统中的安全隐患，保障电气工程的正常运转。基于上述要求，可以采用基于Spark技术的电网调度模型，架构图如图1所示。2.5大数据技术在配网管理及扩张中的应用。大数据技术在配网管理中的应用如下：首先是配网的多属性，为确保配网的可靠性与安全性，进行详尽的资产管理是前提。借助于信息技术，打造功能相对完善的配网资产管理大数据平台。其次是基于配网资产管理大数据平台实现对资产存量和增量的动态同步管理，为确保资产存量、增量与实际情况的一致性，需要反复的检验。再者，配网资产管理大数据平台需要完全体现出配电网的每个设备及相关参数，从而实现对相关数据的分析，提升配电网的性能。大数据技术在配网扩张方面的应用可以从以下两个方面考虑：首先，可以根据电气工程项目所拥有的资产和技术进行分析，在用户数量上能够保持增长又可以减少成本。那么，我们就需要在配置资产时要有足够的设计和预期，借助网络资产的管理，能够将实际的数据进行对比，其次就是在配比的过程当中需要整体来进行设置和评价。结合电力系统运行过程中的相关参数，科学分析出配网的实际承载能力，使配网处于高效、合理的运行状态下。配网管理与扩张需要借助于各类传感器，为确保各类传感器的有效连接，首先是需要选择性能较好的传感器和操作器，并在此基础上根据要求进行配置，实现对设备所产生数据的实时采集，确保获取数据的准确性与实时性，实时与配网资产实体的各类属性相结合，形成一个有机的参数描述体系。其次是在数据获取之后还需要做好数据存储工作，数据存储是一项较为重要的任务，可以确保资产属性时间沿革和电气参数历史沿革的有机统一，为电气工程相关决策的开展提供坚实的理论支撑。
3.结语
综上所述，大数据技术的不断发展为电气工程质量管理水平的提升提供了新的发展机遇，目前我国电气工程质量与大数据技术的结合仍存在一些问题，影响了电气工程质量的提升，笔者相信，通过不断地实践与探索，电气工程与大数据技术的结合将更为密切，这也是我国未来建筑行业发展的重要方向。
【参考文献】
[1]袁爽，胡振中.建筑大数据处理技术应用案例分析[C]//第五届全国BIM学术会议论文集，2019.
[2]陈庆财，鹿伟，王福林，等.大数据技术在建筑节能中的应用案例研究[J].建筑节能，2019，47(10)：105-108，116.
[3]董卫平.智能化技术在电气工程自动化控制中的应用[J].电力系统装备，2019(2)：43-43.
[4]郭艳波.大数据技术在智能电网中应用[J].建筑工程技术与设计，2017(10)：3495-3495.
[5]杨艺杰.电气工程及其自动化的智能化技术应用研究[J].海峡科技与产业，2019(08)：78-80.
[6]介贺彤.电气工程及其自动化中的智能化技术应用研究[J].电力系统装备，2019(08)：45-46.
[7]方明.电气工程及自动化智能化技术在建筑电气中的应用[J].居舍，2020(11)：34-34.
[8]张宇.建筑电气工程的智能化技术应用分析[J].建筑技术开发，2017(18)：72-73.
[9]隋立坤.建筑电气工程的智能化技术应用分析[J].科学技术创新，2014(15)：11.
[关键词]大数据；快递；发展创新[中图分类号]F252 [文献标识码]A [文章编号]1005-6432（2014）44-0023-02
1 引 言
继云计算、物联网之后，“大数据”成为技术领域的又一热点。在物流市场增速放缓、企业经营面临困难的背景下，有分析认为，“大数据”不仅能够帮助企业渡过难关，还将成为物流市场的新蓝海。
早在1980年，著名未来学家阿尔文・托夫勒便在《第三次浪潮》一书中，将大数据热情地赞颂为“第三次浪潮的华彩乐章”。美国互联网数据中心指出，互联网上的数据每年将增长50%，每两年便将翻一番，而目前世界上90%以上的数据是最近几年才产生的。此外，数据又并非单纯指人们在互联网上的信息，全世界的工业设备、汽车、电表上有着无数的数码传感器，随时测量和传递着有关位置、运动、震动、温度、湿度乃至空气中化学物质的变化，也产生了海量的数据信息。
大数据（Big Data），或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理并整理成为帮助企业经营决策更积极目的的资讯。（在维克托・迈尔-舍恩伯格及肯尼斯・库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据的方法。）大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Veracity（真实性）。
快递企业分为自营、自营加、自营加加盟、物流加盟四类，目前自营企业只有一家：顺丰。快递分为三类：商务快递、网购快递、特殊快递，还有一类是政府快递。自1984年我国开办国内特快专递业务以来至2010年快递业务收入突破500亿元，整整用了26年的时间，但从500亿元到突破千亿元大关只用了两年时间。
2 快递行业数据管理现状
2.1 企业自身对大数据的采集不重视
到现在为止，不少快递企业的操作及信息传输并不是很规范，这给基础数据的采集带来了不小的困难。
并且多数快递企业是加盟体制，对企业自身资料的采集和统计工作不重视，多数快递企业为了降低成本，不做客户信息录入，或者只记录发件人和收件人信息，自身所拥有的大数据资源没有得到开发和利用。
2.2 无法获得原始数据
对于以“网购”为主的快递企业来说，客户信息的电子版在电商手里，对于加盟模式的总部来说，客户信息的数据（行业分类、快递的商品品种及分类）、快递价格、收入等都掌握在具有独立法人资质的加盟商手里，还包括加盟商的车辆、人力资源等数据；由于加盟商与总部存在利益上的不同诉求，很多加盟商不会将真实的统计资料上报总部。
2.3 现有数据未充分利用
目前，多数快递企业的数据，存储几个月后便消失，数据在快递投送完毕后便终结其存在的意义。如果企业能对这些数据进行充分挖掘，在客户开发与维护、业务优化等方面，其商业价值不言而喻。
大物流领域利用大数据分析应用技术其实质就是利用地理信息、位置服务、物联网在物流行业里做信息系统化，将现有的粗放、零散、低效、高耗的物流企业数据资源加以整合，建设成可以依据空间地理信息来统一协调监管的现代化物流。逐步利用大数据驱动信息化物流建设，在信息化的现代物流模式下，大物流领域的任何物流车船归属企业的名称、物流车队的整体油耗、车船的位置信息、车船的行程轨迹、车船的运行周期等这类空间地理数据通过系统智能化处理。
3 快递行业发展创新
3.1 尽早建立数据资产管理策略
“数据作为一种新的资源，数据的拥有者将来会获得越来越大的话语权，整个社会的治理结构与规则将会发生非常深刻的变化，这是每个人都会面临的社会变迁。”中国物流界专家戴定一认为，智慧物流是物流的发展目标，而大数据能够支撑智慧物流的发展，物流行业和企业要利用好大数据，才能够真正从变革中受益。
在大数据时代，企业要想用数据制胜，就必须尽早建立数据资产管理策略。只有拥有战略性视野和专业技术，才能更好地获得商业洞察力，才能将数据资产转换成战略资产和竞争力。
大数据技术分析的目的是从海量的信息中分析出有效信息，以帮助使用者发现潜在机会。由于基础数据的分析工作量巨大，如何从繁复的基础信息中快速发现有效的信息，需要使用者在进行数据分析前明确分析目标、实现该目标所采取的方式，这样才能加强数据分析的针对性，帮助使用者进行决策。
3.2 加强预测与监测
大数据的核心是发现和预测，利用这个特点，还可以迅速提升快递物流行业的整体服务水平。在百世汇通，通过技术人员运用科技手段进行分析、提炼，大数据正在为企业战略规划、运营管理和日常运作提供重要支持和指导。据百世物流科技（中国）有限公司副总裁张砚冰介绍，百世汇通尝试运用大数据来管理、分析、判断加盟网点的运营行为，通过网点在系统内的足迹建立数据分析模型，成功地预测了几次网点的异动，使工作方式由被动式变为主动式、前置式，减少了大量客户投诉，把问题消灭在萌芽阶段。
3.3 向价值竞争转型
这几年，由于快递业陷入价格战，行业利润率已从2005年的近30%下降到现在的3%至5%。目前多数快递企业的利润率不到5%。由于需要应对不断上涨的人工、土地、资金等成本，以及愈演愈烈的价格战，企业利润日益微薄。
应用“大数据”技术，通过对各个物流环节的数据进行归纳、分类和整合，可以清楚地查看企业网络任何一个网点的经营现状和业务情况等。而通过运用科技手段进行分析、提炼，“大数据”还可以为企业战略规划、运营管理和日常运作提供重要支持和指导。
菜鸟网通过“大数据”所实现的数据透明与智能分析，无疑将给快递物流企业带来冲击。“大数据”让快递物流成本更加透明，让快递物流企业面对运营成本的直接PK，使公司间的角逐变得更加惨烈。
关键词：国有资产；高校财务；信息化管理
伴随我国高等教育事业的迅速发展，高校资产规模不断扩大，资产构成日益复杂，管理难度与日俱增。资产管理方式日新月盛，经历了从手工管理、单机系统管理、网络化系统管理的变化，如今，大数据的横行、数据共享的出现更是让管理模式踵事增华，本文就财务平台与国资平台的数据共享和对接管理进行讨论研究。
一、财务平台与国资平台对接
高校国有资产管理部门作为学校的资产管理者，统筹学校资产管理，业务通常包含了资产购置、资产入账、资产使用和资产查询四个方面，而资产购置与资产入账环节需置于有效的财务监督之下，与财务管理部门密切关联。
（一）资产购置
在高校内，资产的购置涉及预算编制、购置申请，前者在财务管理部门、后者在资产管理部门。随着计算机网络技术在高校的普及与应用，这两个部门都有了日趋完善的管理系统，但不同部门间管理系统标准不统一，相互间自成体系，互不关联，导致数据信息差异。
目前，资产购置时，经办人员一般先到财务平台查询确认预算、然后到国资系统中申请购置。过程中，往往会出现物资购置完成后经费不足，无力支付的尴尬局面。原因有两方面：一是时间差导致，购置前查询预算充足，但申购过程中，财务平台预算发生变化，国资平台未及时获取更新，购置结束后才发现预算已超支；二是经费本不一致导致，经办人在查询时确认了财务平台上A经费本有预算，但在国资平台上申购时错填成了预算不足的B经费本。
这两类原因，本质上都是由于财务平台与国资平台上数据不一致造成的，因此，在两平台间建立密切的藕合关系，进行动态互动，实现数据共享、同步，迫在眉捷。
跨平台间实现数据迁移，消息中间件是一个很好的工具，鉴于业务系统常常使用Oracle数据库存储数据，自身拥有完善消息传递机制的ActiveMQ消息中间件是一个不错的选择。财务部门管理的各项目明细预算数据作为数据源信息，发送到ActiveMQ中间件，当某项目明细预算发生变动时，数据源上的触发器将数据变动信息通过JMSSender发送给ActiveMQ。然后目标数据库即国资平台关联的数据库，从数据源列表中订阅需要同步的同构数据，通过JMSReceiver接受来自ActiveMQ更新信息，实现同步。（见图1）
就资产购置而言，将与资产相关的财务预算信息与国资处共享，在国资平台上进行物资购置申请时，可以对关联项目的财务资金预审，预算满足需要，同时符合国资管理部门其他审核要求，则审核通过，并根据预扣机制，对采购资金进行冻结，保留经费额度，防止采购过程中资金被其他经济活动占用。冻结的“专款”保留，直至物资采购完成，资产入库并在财务报账完成生成凭证后，冻结的经费额度自动取消，转换为实际支出。
财务平台与国资平台的对接管理，让国资管理部门能严格按照项目资金情况对购置过程进行精细的财务预算控制，有效避免物资采购验收完成等待付款时才发现预算超支的情况发生，提高管理水平。
（二）资产入账
1.报销
物资设备购买完成后，通常会在资产管理部门打印固定资产卡片，然后到财务部门报销。如今财务相关的各类软件发展日益成熟，多数高校都引入了网上预约报销系统，将国资管理部门软件平台上的资产入库信息如购买的物资名称、型号、金额等，自动及时的传送到财务平台上的网上预约报销系统成为形势所需。利用前文所述同一套平台同步机制，即可达到同步数据的目的。资产入库信息进入财务网上预约系统后，完善相关负责人、管理单位签字盖章等手续。财务人员根据收到的材料，从后台核算软件调取具体内容，自动生成智能凭证，对该笔业务进行预处理。
财务平台与国资平台在此处的对接管理减少了两部门协同工作中资产信息的二次录入，既减轻了工作量，又提高了效率，保证了数据的准确性。
2.对账
资产管理部门关注资产、财务部门关注账务，但对于学校而言，二者皆重，且需达到账帐相符的要求。传统方式下，通常需要定期将来自两个独立系统的数据手工对比，时效慢，效率低，易出错，难以保证账帐相符。若将财务平台与国资平台对接管理，则可以在两系统间建立中间库，同时保存来自两部门的信息，再利用软件自动进行核对比较，及时，高效，准确率高。
使用中间库的模式通常会选择ETL （Extraction-Transformation-Loading）工具来对数据进行抽取、交换和同步。ETL处理数据源时可根据时间戳和效验码先筛选目的数据，有效提高效率，且对平台和数据源的支持都相对较高。（见图2）
财务平台与国资平台的中间库对接管理中，国资部门完成入库手续时，将入库信息如物资名称、型号、金额、关联项目代码等信息传送至中间库，接下来财务部门报销做凭时，财务核算系统从中间库调取对应入库信息，做账后，凭证信息如科目、金额等返回中间库，两部门数据在系统进一步完成实时核对，达到账帐相符。
中间库自动对账系统代替传统手工对账模式，能极大提高对账效率，减少人员工作压力，有力的促进账帐相符。
二、面临的问题
高校财务一般都是物理隔绝的内网，然而平台对接势必涉及与其他平台的联通，系统安全管理的风险与压力必然大大增加，网络病毒、软件故障、操作失误等都极易导致财务信息的泄漏、被篡改。因此，提高安全技防水平事关重大，主要可以从两方面着手：一方面系统在设计开发时应注重软件的安全性和保密性，避免病毒破坏或黑客攻击，另一方面还应加强日常防护，如：身份认证、通信安全、数据加密、访问控制、病毒防范、权限管理、硬件防护、及时备份等。同时，对系统管理员专业的计算机维护经验也有了更高的要求。
另一方面，资产管理除了房屋建筑、设备、软件、动植物，还涉及到低值易耗品，若管理部门对低值易耗品的申购、入库未纳入国资平台，那势必导致与财务平台数据不一致。对此，可先采取将低值易耗品独立出来，单独对账的方式，或批量导入国资平台，保持与财务平台一致。
三、结语
高校的国有资产是高校综合实力的重要组成部分，财务平台与国资平台的对接，有利于优化资产管理流程、提高管理效率，加强管理水平，使资产管理工作更加科学化、高效化。
资产的使用涉及到各归口管理部门，如学院、部处、场馆、后勤等，将国资平台与协同部门间进一步建立对接，有机整合，对建立高校统一的数字化、网络化、信息化管理平台越来越重要。
参考文献：
[1]黄小敬.论高校国有资产管理信息化建设[J].学术论坛，2012（5）：196-199.
[2]拾以婵.财务软件在学校管理中的应用分析[J].财会学习，2015（8）：160-161.
[3]王君德.大连医科大学国有资产管理系统设计与实现[D].大连理工大学，2014.
[4]张亘铸.天翼高校资产管理平台的分析与设计[D].复旦大学，2011.
面对四面强敌，李彦宏显然坐不住了，他准备亲自上阵。去年12月，百度调整内部架构，成立百度金融服务事业群组（FSG），该金融事业群组由百度副总裁朱光负责日常工作，直接向李彦宏汇报，这也就意味着李彦宏亲自抓百度金融工作。对此，外界的解读是李彦宏将金融上升为百度战略级位置。
在今年的4月13日，百度CEO李彦宏在内部邮件中明确表示：“我会把更多的时间和精力放在互联网金融、无人驾驶车、人工智能等创新业务上，同时更多地从战略层面关注内容生态、服务生态、金融生态的布局和建设。”
于是我们注意到，6月初，百度将与太平洋产险发起设立一家股份制财产保险公司，计划做我国首家真正基于大数据的科技型互联网汽车保险公司。这也是继去年11月百度联合安联保险、高瓴资本拟发起设立百安保险后，再度在互联网保险领域发力。
近期还刚刚把万亿理财操盘手、前光大银行资产管理部总经理张旭阳成功挖角，张旭阳任副总裁，分管百度金融体系下理财和资产管理业务。
尽管李彦宏亲抓，业务触角也覆盖到金融各个领域，但百度金融一直没有一款爆款、有影响力的产品出现。在市场逐渐被阿里、腾讯、京东抢占后，百度在金融领域还有多少空间与优势，李彦宏到底有无把握追赶成功，我们还需要拭目以待。
不过，百度金融相关负责人对于未来还是信心满满，他向《投资者报》记者介绍，基于百度每天响应60亿次搜索请求的大数据以及以“百度大脑”为代表的人工智能将是百度金融的差异化优势。
在BAT队列中落后
细数一下，尽管百度布局金融的时间相对较晚，直到2013年才开始涉足互联网金融业务，但金融牌照早已覆盖众多领域，甚至超过了腾讯。从支付、消费信贷、征信到基金、证券、保险、银行，再到众筹，百度金融几乎覆盖了互联网金融的大部分业务范围。但是要让消费者说出，百度金融究竟有哪一款产品出名，这又很难。
其中，作为整个互联网金融产业链上的关键环节，支付一直是兵家必争之地。百度金融同样重视支付业务。这不仅是培育用户黏性的重要工具，也是O2O业务的桥梁。
据悉，百度钱包今年春节参与BAT红包大战，联动了手机百度、百度地图、百度糯米等百度生态的核心产品，通过这些流量入口，勾连用户吃穿住用行的五大场景，即通过红包激活消费，塑造支付入口。其中，在电影票房方面，百度钱包联合百度糯米抢占四成以上的在线电影平台份额，为全国票房贡献28.3%的份额。
百度钱包活跃账户数也获得空前增长，由2015年年末的5300万增加到今年一季度的6500万，同比更是翻倍。但是和之前早早布局的支付宝、微信支付相比仍有不小距离，数据显示，截至2016年2月底，支付宝实名用户数已经超过4.5亿。此外，微信支付在今年一季度用户数也达到4亿。
由此看来，支付业务还需努力，在消费金融方面，百度FSG则占据了场景优势。百度相关负责人表示，以“百度有钱花”切入，利用大数据技术建立征信体系，让金融供给惠及普罗大众，目前通过手机百度、百度糯米形成的生态联动，百度消费金融已在教育领域落地，用户可享受远程异地预授信，并获得秒批体验。此外，旅游、二手车、家装等领域的开拓也正快速地展开。但是从品牌影响力上，百度“有钱”明显不能与蚂蚁金服的“花呗”、京东金融的“白条”相抗衡。
此外，正在筹备的百信银行、百安保险由于未正式营业，无法判断前景。其他金融业务，包括基金、证券、保险、众筹等产品在市场上听不到声音。此前的百度百发、百赚等创新金融产品，也很少出现在公众视野中了。
面对错过支付入口的先发优势、缺少“引爆”款产品、各业务账户未完全打通等现状，李彦宏近期出的招数能够助力百度金融追赶竞争对手吗？
百度的新招数
越来越多的科技公司进击金融领域，诞生了FinTech（金融科技）类型公司，当前全球金融科技公司数量从2015年4月之前的800多家猛增至现在的2000多家。这些FinTech公司正在利用大数据、云计算等新兴技术重新定义人们的金融生活。
数据显示，百度目前是全球最大的互联网入口之一，拥有超过6亿移动用户和14款用户过亿的移动APP。百度每天响应60亿次搜索请求，海外足迹遍布200多个国家，中国网民更是平均每人每天使用10次百度搜索。百度金融的相关负责人表示，庞大的数据成为百度在金融业务上的发力点。
他们表示，在同一时间在百度上搜索同样的关键词，这些人的群体性需求、群体用户画像就会出现，将数据信息传递给产品团队制定策略与落地实施，再针对用户画像进行精准的金融业务推送成为百度金融的核心优势。
在大数据之后，李彦宏认为，人工智能将成为新的风口。他认为，人工智能对于金融也会产生变革性影响，可以真正做到让征信升级。百度FSG总经理朱光也表示：“以‘百度大脑’为代表的百度人工智能正在推动着高效服务连接、无人驾驶和普惠金融等领域的发展。”
从目前来看，百度金融在人工智能方面有两方面考虑，首先是和其他理财平台一样，结合百度人工智能研发成果，以智能投顾为着力点，为用户提供智能化的资产配置服务。其次，此次成立互联网汽车保险公司是对“智能+保险”的试水，新公司融合百度地图等数据与太平洋双方的优势，将探索出车险产品设计、风控、运营的全新模式。
互联网车险早有先例，去年11月，互联网保险公司众安与股东方平安保险了首个以O2O合作共保模式推出的互联网车险“保T”，保T车险将依托两家公司各自领域的大数据资源，根据用户的驾驶习惯等多维度因子实现差异化定价。百度金融在车险领域会如何运用大数据与人工智能进行产品创新，还需等其产品说话。
百信银行被寄予厚望
在金融业务领域，银行是传统金融构造中重要的组成之一。在去年第一批民营银行落地后，百度也积极申请筹备银行。去年11月，中信银行公告称，拟与百度合作共同设立直销银行，该直销银行拟定名称为“百信银行股份有限公司”，注册资金20亿元，由中信银行控股。
不过，公告之后，百信银行却迟迟未有落地的消息。据悉，今年中信银行在业绩会上透露，百信银行已经向银监会提出申请，银监会已经受理，可能还需要等待国务院的审批。
与此同时，从今年5月份开始，重庆富民银行、四川希望银行纷纷获批筹建，民营银行迎来第二批“开闸期”，百信银行能否赶上这一波风口还不得而知。
另一方面，腾讯和阿里巴巴又抢占了先机。近日，银监局批复了微众银行的首轮增资12亿元，投后估值为320亿元；网商银行披露的截至今年一季度的业绩显示，成立8个月以来，已经覆盖80万家小微企业，放出450亿元授信贷款。
不过，李彦宏并不打算走其他民营银行的路子，从目前披露的信息来看，百信银行是由传统银行主导，计划成为国内首家独立法人模式的直销银行，但具体运营将有别于传统电子银行部门下设的直销银行，百度会有哪些突出的模式和创新点？业界对此期待仍然较高。
有分析人士指出，在传统金融领域，不管是银行，抑或者保险方面，百度都喜欢选择和传统机构合作，占小股的方式快速切入，一方面有利于快速在多领域布局，但是小股份能否获得充分的话语权还未可知，显得略保守。
对此，百度金融相关负责人表示：“虽然说互联网金融的本质还是金融，但却并不等同于传统金融，互联网思维的重要性毋庸置疑。在银行和保险方面，传统机构有其独有的优势，百度作为互联网企业也有独有的优势，两者的合作中，我们要做的是优势互补，各取所长。”
实力派张旭阳加入
尽管布局略晚，互联网金融的市场前景巨大，李彦宏自然不会将金融“大蛋糕”拱手相让，而且当前金融科技的运营模式还在探索，盈利前景仍不明朗，或正是“群雄逐鹿”的好时机。
在业务开展之前，团队的搭建极其重要。和蚂蚁金服、京东金融选择财务出身的“当家人”不同，百度FSG总经理朱光并没有金融或者财务方面的从业背景。公开资料显示，朱光2008年12月加盟百度，长期在百度负责百度大市场、公关及政府关系团队。
此前百度金融已吸纳原美国运通高级副总裁王劲加盟，20年风控管理经验与百度人工智能、大数据技术融合，独创百度特色的风控管理体系，守护用户资金安全。
这一次，百度金融将橄榄枝抛向了前光大银行资产管理部总经理张旭阳。6月16日，张正式加入百度任副总裁，分管百度金融体系下理财和资产管理业务，同样向朱光汇报。
智慧油田是在数字油田的基础上，以大数据技术为核心，以降低成本，安全、环保地提升油气产量为目标，实现油田的勘探开发、油气生产、资产管理、流程再造等环节的科学化、透明化及智能化。
【关键词】智慧油田 大数据 应用
随着时代的发展，互联网与信息行业不断地进步，大数据分析的应用越来越广泛。随着国际油价持续低迷，石油企业利润大幅降低， 以降低成本，安全、环保地提升油气产量为目标，实现油田的勘探开发、油气生产、资产管理、流程再造等环节的科学化、透明化及智能化，成为石油行业信息化发展新的突破点。
1 大数据技术与大数据应用
1.1 大数据技术
大数据分析就是在信息网络技术以及科学技术的基础上，经过多元化的渠道与途径，对大量的数据进行收集、归纳、整理，进而形成具有庞大信息数据的体系。随着社会经济的快速发展，科学技术的不断创新，大数据与传统的数据分析存在明显的差异，这主要表现在数据信息量、数据结构、数据分析的方式等几个方面，数据的储存量变大了，传统的数据存储空间已经不能满足现在信息量，在数据信息量增加的过程中，数据处理模式也在不断地变化中，将大量的数据作为新的资源来源方式，大数据分析具有更强的灵活性，可以因时而变。
1.2 大数据特点
大数据具有较强的规模性、数据处理速度高、处理方式多样等特点，迅速成为信息领域颠覆性技术之一。数据处理量大、数据种类多、价值密度低、数据处理速度快是大数据分析的主要优点，这不仅改变了人们生活以及工作的方式，也推动了各行各业的发展。大数据时代有三大转变：
（1）可以分析更多的数据，可以处理和某个特别现象相关的所有数据，通过更高的精确性能够发现更多的细节。
（2）大量的数据分析处理，适当忽略微观层面的精确度，能够带来更佳的分析结果和更大的利益价值。
（3）无需挖掘因果关系，而是更注重事物之间的相关关系。大数据打破了传统数据的边界，改变了以往大多数依靠行业内部业务数据的局面，充分利用了数据资源，不仅包括企业内部数据，也包括企业外部数据，尤其是和消费者相关的数据。
2 大数据在石油行业的应用场景
在石油行业的上游和中游应用大数据分析结构化及非结构化数据具有十分重要的意义。对石油开采过程中产生的数据多维度的深入分析，将有助于快速发现石油、降低生产成本、提高钻井安全性、增大产量等。大数据将在下列石油生产领域应用发挥巨大作用。
勘探：通过应用先进的数据，比如模式识别，在地震采集过程中得到一个更全面的数据集，地质学家可以识别在使用大数据之前可能被忽略了的潜在的富有成效的地震数据。
开发：大数据分析可以帮助石油天然气公司评估生产过程。这些分析涉及到地理空间信息、信息推送、油气信息报道等可以让集团可以更智能的开发油气水井、更富有竞争力的领域发挥大数据分析的作用。
钻井：除了基于有限的数据来进行监控和告警，大数据分析可以使用真正的实时“钻井大数据”来基于多个条件异常或预测钻井成功的可能性。
生产作业：提高采收率是很多石油天然气生产公司的目标。大数据可以同时使用地震、钻井和生产数据，将储层的变化情况实时的提供给储层分析工程师，为生产人员提供举升方法改造方案。大数据也可以用来引导页岩气压裂。
维护：预测性维护对于油气田公司来说已经不是一个新的概念了。但是它并没有得到应有的关注和预算。在上游生产过程中，如果压力、体积、温度可以被一起采集和分析，并且与以往的设备损坏历史数据进行比较，那么预测就是可以自动化的。在中游输油管道的情况也是类似的。这种方法在需要探测故障，尤其是故障会影响健康，安全和环境的时候显得尤为必要。
3 典型应用
3.1 智能化井场
在井口部署单井综合测控柜和压力、温度等多种传感器，实现单井生产参数的采集以及对抽油机的远程启停及变频控制。井场所有数据上传至中心控制室的采集服务器显示、存储及应用，从而实现对单井生产全过程、全天候的远程管理，实现无人值守，井场只需要定期巡检。单井综合测控柜主要针对油井、气井、水井等目标实施智能监测和远程控制。本产品主要实现油井采集示功图、载荷、回压、井口温度、电流、电压有效值、有功功率、无功功率、功率因数、上下冲程最大电流值、上下冲程功率、平衡率、日用电量、累计电量、冲次、系统状态与采集时间等数据；远程控制抽油机的启停。另外，在每座井场内边缘树立监控杆，杆上安装红外一体化摄像机和无线传输设备，实现井场视频图像的采集；监控中心通过视频服务器实现井场视频图像的远程监视、管理、储存和控制。
3.2 油气生产物联网
油气生产物联网是通过部署井场数据采集、远程控制、智能视频监控系统，实现对各类生产井、站、管线的全过程、全天候、全业务、全覆盖，达到对井场自动感知、无人值守、重点巡查、组织维修的效果，实现提高劳动生产效率和安全生产的目标；对参与油馍产的各类资源（人员、设备、仪表等）形成实时管控；构建扁平化综合管理平台，减少管理层级，应用先进、综合技术手段提高管理实效。目前，华北油田油气生产物联网已建成了近2000口油井的数字油田；在山西晋城成功建成了我国第一个数字化、规模化煤层气田；在长庆苏里格气田建成了新一代天然气生产自动化测控系统，实现了远程24小时不间断对各类井站进行可视化监控、生产数据自动录入、远程设备控制、报表自动生成、远程批量启停单井、自动巡井等一系列操作及管理。
随着信息通信技术发展积极累至今，大数据作为新发明和新资源，正通过不断的技术创新和发展，让我们有机会更加深入走进信息社会，正在逐渐改变我们的生活方式和思维模式，其所带来的巨大价值正被人们认可，而且在社会整体建设中的信息孤岛现象将大幅消减，数据共享将成为可能，大数据的发展，有利于提高科学决策能力，有利于管理模式的改变，有利于节约社会资源和成本，提升公共服务保障能力。
参考文献
[1]李金诺.浅谈石油行业大数据的发展趋势[J].价值工程，2013（29）.
[2]宋亚奇，周国亮，朱水利.智能电网大数据处理技术现状与挑战[J].电网技术，2013（04）：927-935.
[3]翟淑伟，石奇光，杨燕玲，等.火电厂运行状态监测数据挖掘技术综述[J].华东电力，2012（02）：29-295.
Abstract： Nowadays， owing to the development of information technology rapidly， it has brought great changes to intelligent transportation field. The use and development of big data whose core is data in the field of transportation has brought the new technology connotation to the intelligent transportation， as well has great influence on the concept and model of the intelligent transportation. However， there are many problems for intelligent transportation when collecting， storing and utilizing big data. As the big data use in intelligent transportation is a new technology， there is no very effective measures. This paper summarizes and analyzes the challenges of big data use in the intelligent transportation field， and puts forward the solutions accordingly. Only in this way can we get the maximum commercial and research value from the big data， and make a great process in the intelligent transportation field.
Key words： intelligent transportation； big data； information security
0 引 言
近年来，由于城市化进程加速推进，交通系统和相关资源日趋紧张；人口不断的增长和越来越大的移动需求，更加增大了交通系统的压力。扩建道路、增加公共交通等传统的解决方案并不能从根本上解决我国目前交通系统面临的问题。大数据以及云计算技术的大力发展为解决问题打开了新的思路，智慧交通的概念由此提出。我们应该在推动城市空间结构调整、加强交通需求管理、优先发展公共交通的同时，依托高新技术手段，积极开展智慧交通建设，发挥已有能力，释放交通压力，促使交通出行安全[1]。此外，智慧交通可以直接有效地提高交通运行效率，是解决城市交通问题的根本手段和必要举措。大数据作为智能交通系统中的重要技术手段在智慧交通中的应用主要是为了发现从单一的交通数据中无法获取的信息，通过大量数据汇集融合，得到城市交通拥堵的原因以及在拥堵情况下的交通出行规律，围绕以人为基本核心，实现生活与交通的平衡，并为交通系统的管理与规划提供综合性决策[2]。
智慧交通中大数据主要应用于公共交通服务、交通引导、物流调度优化等方面，通过数据资源整合，依托云计算服务平台并应用大数据技术为公众提供便捷的出行服务[3]。如今，国内交通部门都在积极研究大数据技术在智慧交通中的应用，如杭州综合交通信息指挥中心利用大数据平台进行城市轨道交通数据分析，江苏省交通运输厅在大数据应用方面与百度展开深度合作，并签署了《战略合作框架协议》等。国外交通部门同样以公众便捷出行为宗旨，利用大数据分析提高交通效率[4]，如美国商用铁路就利用大数据分析结构提高运输的及时性。然而在智慧交通系统的实际建设中，大数据带来的信息安全挑战却不容忽视。
1 智慧交通中大数据应用面临的挑战
随着智慧交通的建设，大数据已经成为交通数据平台的重要载体，作为生产要素发挥重要作用。随着快速处理技术和分析提取技术的发展，可以迅速挖掘出其中所蕴含的价值信息，这些信息可以对系统的辅助决策提供帮助。智慧交通中的大数据可以突破各行政区域间的限制，进而共享数据信息。另外，大数据的组合效率和信息集成优势有利于综合性立体的交通信息体系的构建[5]；另外在交通资源配置、车辆安全方面利用大数据的快速性和可预测性提升交通预测水平都有极大帮助。然而，智慧交通中大数据掀起新的生产率提高和消费者盈余浪潮的同时，随着而来的是大数据应用过程中带来的挑战。
1.1 行业标准不统一
国内由于各个地区的经济发展不平衡，在实施智慧交通系统项目时，国家并没有统一的行业标准，所以造成许多地区的智慧交通系统相对独立，衔接和配合度不强[6]。在智慧交通中大数据的应用需要依靠前端传感器进行数据采集，由于铺设的前端传感器来自于不同的生产企业，这些行业并没有统一的接口标准，这就造成即使同一个城市的不同系统也很难进行衔接和配合。在智慧交通的大数据应用中，数据采集是非常重要的环节，由于不统一的标准会严重加大交通数据获取难度，从而妨碍交通流的分析与预测。
1.2 难以确保智慧交通系统基础设施的稳定性与可靠性
智慧交通系统的整合度和复杂度越来越高，然而其健壮性却没有随之提高，因此系统整体的信息安全风险随之增大。智慧交通系统往往需要大量的服务器和前端设备，包括信号控制、交通流量采集、交通诱导、电子警察、卡口等子系统，数据要和上级交通管理平台、下级交通管理子平台、公安业务集成平台等系统相连。系统具有流程复杂、业务系统众多、客户端分散等一系列特点。数据中心需要竭尽全力保证业务系统的正常运行。但是随着系统规模不断扩大，前端设备点位增加，设备故障点也呈几何级数增长，管理人员必须保证这些设备正常运行。在数据传输过程中，智慧交通系统中硬件设备因功能滞后或老化而导致传输速率下降以及网络延迟，这些都可能引起数据泄露以及丢失，严重影响大数据安全。
1.3 难以确保数据源的质量
数据的质量主要是指数据的真实性或可信度，具体可以分为数据出处和数据失真两个层面。智慧交通应用的数据主要来自于系统中的传感器和监控等设备收集的数据，大数据中心需要高质量的数据源，而目前设备长时间运行的性能得不到保证，数据质量不高限制了智慧交通业务高水平的扩展应用。现代化的交通诱导和交通信号控制需要实时准确的交通流量数据以供进行交通状态判断以及短时交通预测使用。而由于目前系统健壮性不足，难以自行判断数据质量，从而使得交通诱导和信号控制系统不能发挥预期效用，最后影响了整体智慧交通系统的投资价值。
1.4 增加隐私泄露风险
巨量的交通数据包含了个人的一些敏感信息。这些数据集中的存储增加了泄露的风险。一旦遭到非法使用，这将引起重大后果。无论从道德层面还是法律层面来看，都将对许多牵涉的用户造成影响。另外，由于数据量较大，对敏感数据的所有权和使用权并没有界定的明确标准，许多基于大数据的分析并未考虑其中涉及的个人隐私安全问题。
1.5 增加信息安全风险
智慧交通中的大数据应用是利用道路和车辆等配置的前端设备进行交通数据采集，并从超大量数据中分析出价值信息的过程。智慧交通中大数据的收集、传输、存储、分析过程都是依靠云计算平台和互联网传输进行的，而这个过程便增加了信息安全的风险。一方面，大数据所包含的复杂、敏感数据会引起更多潜在的攻击。另一方面，由于大量数据汇集在一起，一旦黑客成功攻击就会引起大量敏感数据的泄露，造成巨大损失，增加风险率。而且由于黑客一次性可以得到更多数据，这相当于降低了黑客攻击的成本。此外，智慧交通中许多数据传输本身就是借助于移动智能设备的采集和传输，如果这些设备感染具有监控和数据收集功能的病毒，这些敏感信息一旦被利用，不法组织便可能追踪到个人的实时位置以及监控个人的行为习惯等其他机密，这将增加个人信息安全风险，提高安全事故风险等级。
1.6 威胁现有的存储和安防措施
智慧交通系统应用大数据技术时，必然造成大量数据的汇集。如此巨量复杂的数据需要存储在更高安全管理标准的数据中心。由于原有交通系统中的数据存储中心很有可能并不符合规定，这便对现有的存储环境产生了威胁。另外，巨量的数据也会增加防护难度，影响现有安全防护措施的运行。安全防护手段更新升级的速度必须与数据增长的速度相匹配，一旦安全防护措施跟不上数据增长的速度，便会引起大数据安全防护漏洞。另外智慧交通系统是一个庞大的复杂系统，大数据应用需要各个子系统的衔接和配合。这必然需要许多工作人员共同参与，由于大数据包含许多非结构化数据，若使每位用户对应访问特定的信息子集，确保敏感信息的隔离，这便意味着需要保护数据的加密方案将会是一个新的挑战。数据的访问控制需要更谨慎，以确保用户只能访问授权其访问的数据。
2 智慧交通中的大数据应用应对策略
综上所述，对于智慧交通中大数据应用带来的各种挑战，应该从以下几个方面有针对性地、综合地加以解决。
2.1 加强交通平台资源整合，推进数据标准化
交通系统是庞大而复杂的系统，且覆盖范围非常广，各个交通平台衔接度不够。为了解决大数据应用在智慧交通中的行业不统一问题，首先国家应该推出交通平台的标准化措施，规范每个交通平台的统一化布局，包括交通系统物理层的每一个硬件设施的标准化接口以及交通系统软件层的每一个信息系统的标准化接口，实现各个平台从硬件到软件的互联性和兼容性，进一步推动交通信息化体系综合化和立体化。这样才可以为智慧交通中的大数据应用提供资源共享综合平台。此外，在实现跨部门、跨地区的交通互联共享平台的基础上，我们应该进一步规范交通系统的数据标准化，构建数据标准化体系，实现综合交通平台的数据存储。
2.2 加强交通大数据应用基础设施建设
基础设施对交通大数据的信息安全的影响不容忽视。基础设施作为智慧交通系统的物理层结构基础，一旦发生损坏或者出现问题，将很容易增加信息泄露或丢失的风险。因此，智慧交通中的基础设施建设至关重要，应该加强交通大数据应用基础设施建设[7]。加强交通大数据应用基础设施建设主要包括：及时对前端硬件设备进行更新和维护，应对智慧交通系统中的传输信息的网络线路以及传感器和监控等硬件设备进行定期的查验、维护和更新，严防因为基础设施的损坏或者老化等问题而造成信息数据的泄露或丢失；为了应对突发事件，智慧交通系统应该制定相对应的应急措施，以便当突发事件发生时，智慧交通系统能够保证继续安全和运行，从而确保信息数据的安全有效。
2.3 严格控制智慧交通中的数据真实度
大数据技术上有一个普遍观点认为数据可以说明一切，数据自身就是事实。大数据的核心价值在于通过对数据的分析挖掘，提炼价值信息并提供预测以及决策。大数据应用价值是建立在真实可靠的数据基础上的，一旦系统采集的数据本身存在错误，那么经过分析挖掘的预测以及决策非但不存在价值，而且会因为错误的决策进而造成损失与危害。因此，智慧交通系统数据采集时，必须通过严格的监控措施以及测试手段确保数据的真实性和可靠性。从数据源头开始把关，一旦发现虚假或恶意数据便及时剔除，同时可以利用稳健统计以及对抗式机器学习等方法减轻数据恶意插入的后果。此外，在智慧交通系统的数据采集过程中，为确保传输过程中数据不失真，应该尽可能减少人为影响和干预。
2.4 加强智慧交通系统中的大数据管理
智慧交通系统中，除了在技术上保护大数据信息安全，安全管理制度也非常关键，它是确保智慧交通数据平台中的大数据信息安全的重要基础。只有使用科学的大数据管理方法，才可以从海量的交通数据中获得真正价值，提升智慧交通系统的效率，降低各种安全风险。加强智慧交通系统中的大数据管理具体可以从以下4个方面进行：
2.4.1 完善智慧交通中的大数据资产管理
大数据作为智慧交通中的大数据应用的核心资产，许多安全问题都是在对数据进行管理的过程中。因此，在对其资产管理时，必须清楚定义数据元素，包含别名、格式以及其他特征标识；在对其进行描述时，必须列清该数据元素的信息来源和相关数据元素的其他信息；在对其使用信息的记录时，必须说明数据元素的产生和修改信息、访问历史记录、安全与访问控制信息等。
2.4.2 建立数据的安全系统
智慧交通数据中心的防护系统需要设立全面的安全防护，包括设立入侵检测系统、安全审计、防火墙、抵抗拒绝服务攻击、网络防病毒系统、流量整形和控制等措施。此外，智慧交通的数据中心还应该通过使用识别管理技术，加密技术并结合其他主动安全管理技术进行监测和控制交通数据从使用到迁移、停用的整个过程。
2.4.3 做好智慧交通中的大数据信息安全风险评估
智慧交通系统中的数据类型繁多，不同类型的数据都有相对应的风险等级。作为智慧交通的大数据中心应该将其进行分类，划分不同的安全风险等级。只有这样，才可以加强安全防范，更加明确安全风险治理目标，降低智慧交通数据泄露风险。
2.4.4 提高智慧交通系统的职员信息安全意识
智慧交通系统的运行，除了大数据平台以及相关硬件设施之外还需要各个部门职员的配合，他们在智慧交通系统的数据安全中扮演着至关重要的角色。尤其作为大数据中心平台管理的职员更应该提高对数据安全威胁的辨别能力，知晓其所管理的数据的重要价值。同时，智慧交通建设的过程中，更应该积极对职员进行相关数据安全培训，提高职员在数据安全防护方面的知识水平和方法战略认识。
综上所述，面对智慧交通中大数据应用的挑战，应该从以下方面加强应对：完善智慧交通中的大数据资产管理，加强大数据基础设施的更新和维护，严格控制数据真实度，加强大数据管理。
【关键词】大数据金融；电子商务；小微企业融资
我们正处在大数据的时代，社交网络、搜索引擎、云计算等热点名词层出不穷，在各种创新金融产品，如阿里小贷、众筹融资、人人贷等，造成经济市场巨大变革的同时，也给金融体系的稳定性、开放性和包容性Ю闯中的冲击。小微企业是我国国民经济的重要组成部分，但由于小微企业规模小，抗风险能力弱，缺乏有效担保，使其融资难变成发展瓶颈。近年来，大数据，云计算以及电子商务等技术的发展，使电子商务大数据金融融资平台积累了大量的用户浏览数据和交易信息，通过对其分析处理，利用自身的技术优势，在金融领域开展金融业务，改变了传统金融融资模式，也为小微企业融资开拓了新途径。
1 传统金融背景下小微企业融资分析
1.1 小微企业传统融资模式
小微企业资金来源主要分为两大部分，一部分是内源融资，主要有四种方式，一是利用留存盈余供应资金，二是吸纳企业主股本或天使投资股份进行融资，三是利用票据贴现，即将未到期的应收票据出售给银行，得到贴现利息进行融资。四是利用典当资产获得短期资金进行融资。另一部分是外源融资，其中外源融资又包括间接融资和直接融资两种模式。包括银行贷款融资，通过资本市场进行融资，以私募股权的形式进行融资和利用民间借贷融资。
1.2 传统融资模式融资难的原因
据调查，在我国的小微企业有外部融资的需求时，有约31.8%首选银行贷款渠道，显示出小微企业外源融资渠道狭窄。小微企业在向银行申请贷款时会面临许多障碍，有45.8%的小微企业等待到账时间漫长，41.1%的小微企业担保或抵押物品不足。
2 电商大数据金融融资模式分析
2.1 大数据金融背景下小微企业融资的特点
2.1.1 依托电商大数据金融融资模式实现融资
资金流是传统金融的首要考虑，而信息流是电商大数据金融融资模式首要考虑的。因此，通过客户在互联网的点击和留下的行为数据，这种电商大数据金融融资模式，比传统融资模式更易接受和推广。
2.1.2 基于大数据的运用，减少信息不对称
在网络融资模式设计和产品设计上，通过对发货量、物流记录、交易金额等数据的采集，及时快速的了解了小微企业融资需求，精准的定位了信用体系，减少了信息的不对称性，实现快速放款，满足小微企业融资个性化需求。
2.1.3 良性循环机制，有序的融资生态系统
电商大数据金融融资模式平台不需借助外力与各方联接，平台自身的运行过程即可实现一方增长促进另一方持续增长，这样的一个系统是一种良性循环机制。在电商运用过程中海量客户通过点击等留下大数据，不但优化了电商大数据金融融资模式平台，而且构建了良性有序的融资生态系统，最终直接融资市场的发展加快了金融脱媒进程。
2.2 电商大数据金融融资模式下小微企业融资的优势
2.2.1 运行机制方面的优势
借助大数据对企业的运营情况和反映其发展潜力的数据收集与整理，网络平台能够更便捷地评估客户的资信、盈利状况，对贷款申请进行及时处理，在适当的时间、地点、数量有效发放，为潜在小微客户金融服务提供了更多可能。
2.2.2 风险控制方面的优势
大数据金融利用其信息技术、云计算等，在小微企业融资的风险控制方面，确保发放贷款的安全性、降低违约率；借助创立多层次的微贷风险预警和管理体系，发放贷款前、中、后部分环环相扣；依据企业在交易平台上收集的信用数据，对企业的还款能力及还款意愿有效评估，从而有效地控制了贷款风险。
3 电商大数据金融融资模式的缺陷
3.1 缺乏相应的政策法规，金融监管滞后
在法律依据和监管方面，大数据应用面对的法律法规较少，监管部门不明确，犯罪成本较低等问题。相关监管部门无法实施对网络融资模式下资金流向的实效监控，造成网络融资模式的运行处于监管空白地带，金融监管部门无法对其监管约束。
3.2 网络贷款系统不健全、融资效率低
如今开展线上融资的借贷机构，在管理，跟进方面都和线下业务较难匹配，整个线上贷款系统还不健全，针对互联网平台上融资的核心机制的实践不深入，业务人员对线上信息的辨认较为低效。大部分审核、评估、审批等步骤的操作依然放到线下进行，没有真正实现线上融资操作。
3.3 各网络融资平台的信用体系不一致
目前我国各金融机构的电子化建设各自为营，网络融资模式的运行没有统一的操作标准，信用评价标准不统一，导致与银行或者其他第三方借贷机构合作的时候，合作借贷机构考虑的重点不同，随之融资的结果也不同。小微企业在不同的网络融资平台积累的信用无法实现互联共享，加大了信用审核的人力成本，降低了网络融资效率。
4 完善大数据金融模式下小微企业融资的建议
4.1 提升自身实力，提升产品竞争力
产品是企业竞争的核心，通过产品评判小微企业的经济效益，才能提升自身的授信等级。因此，小微企业只有通过企业的产品升级和设备技术改造，提高产品质量，占领市场份额，依据市场的需求不断提升产品科技含量，加快技术升级的速度。在优秀技术及管理人才方面加大引进的力度，对自生的发明创造，及时申请专利和软件登记，保护自身的知识产权，最终大多提升自身实力，提升产品竞争力。
4.2 加强信息建设，建立现代网络体系
除了提升自身实力，提升产品竞争力外，加强信息化建设是一个重要的方面。实现数字化车间，建立现代网络体系。建立现代网络体系，按照现代化的管理，将企业财务、人事、生产、市场等管理信息纳入企业的网络平台，这样就可以提高企业财务报表的可信度和真实性，争取赢得外界资金供应方的信任。
4.3 电商大数据平台不断优化服务
电商平台应不断加强金融产品设计创新和服务流程优化。可通过云计算和大数据等技术对小微企业的融资需求进一步研究，从操作流程、客户资格、还贷期限、还贷方式、还贷利率等方面设计更有效的方案，从而供给更针对化，个性化的融资产品，加深客户黏性及满意度，争取长久发展。
通过比较电商大数据金融融资模式与传统金融融资模式的优劣势，只要小微企业提升自身实力，提升产品竞争力，加强信息建设，建立现代企业制度。同时电商平台以高质量的数据为保证，建立专业化的大数据金融资产管理部门，将网络金融行业内的数据作为企业的战略资产来加强管理，制定数据管理的具体业务流程和业务标准，以制度化策略来提升数据管理质量，控制金融大数据管理风险，严控其金融企业的大数据核心资产外泄风险，促进平台核心竞争力提升。小微企业电商大数据金融融资模式将会得到快速发展。
【参考文献】
[1]王珂.基于互联网大数据平台的小微企业融资模式研究[D].长安大学，2014.
【关键词】大数据；海关审计；实现途径
上海自由贸易试验区、京津冀、广东地区海关区域通关、长江经济带海关区域通关一体化等重点领域的改革，已打破海关监管的地域藩篱，改变了海关传统的作业模式，对传统的翻单证、看账册的审计监督工作模式提出了挑战，海关审计传统作业模式难以适应海关改革的发展需要。探索在审计实践中运用大数据技术的途径，加大数据综合利用力度，提高运用信息化技术查核问题、评价判断、宏观分析的能力迫在眉睫。
一、大数据技术简介
大数据技术是数据分析的前沿技术。简言之，大数据技术就是一种从海量数据中快速获得有价值信息的能力。对于“大数据”（Big data），研究机构Gartner给出了这样的定义：“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
作为一项重要的技术革新，大数据技术具有以下几方面特点：一是数据基础必须具备海量特性；二是可以根据设定好的管理或经营目标反向寻找管理中实际存在的关键节点和核心环节；三是数据重新梳理有助于提升决策力和修正决策方案、使既有信息资产爆发更大价值。而这几方面的特点，与海关审计工作的各项需求是相契合的，海关当前林林总总的信息系统的建设，也为运用大数据技术实现审计信息化奠定了良好的基础。
二、海关审计实践中运用大数据技术的必要性和机遇
1.大数据技术在海关审计实践中的必要性
（1）国家对审计信息化建设提出了更高的要求。《国务院关于加强审计工作的意见》提出要“加快推进审计信息化。探索在审计实践中运用大数据技术的途径，加大数据综合利用力度，提高运用信息化技术查核问题、评价判断、宏观分析的能力。创新电子审计技术，提高审计工作能力、质量和效率”，给海关审计工作提出了更高的要求。
（2）海关现有监控系统的局限性无法完全满足审计工作需求。目前，对海关执法领域审计的数据分析主要依托综合业务管理平台、海关执法廉政风险预警处置系统等，难以完全满足审计工作提取数据量大、分析相对宏观等业务需求。主要表现在：一是在数据提取上，上述系统对一次性数据的提取均有上限控制，如综合业务管理平台只能支持50000条数据的一次性提取。二是在数据的运算上，上述系统都为在线系统，运算大容量数据时速度较慢，同时会影响其他用户的正常使用。三是海关通用财务管理系统、罚没财物管理等系统主要用于作业信息的记录及统计上报等，缺乏监控分析功能设置，基本建设等关键领域尚缺全国海关统一的管理系统，影响监督的深度和广度。
2.大数据技术给海关审计实践带来的机遇
（1）审计认同感大为加强。海关内审部门作为一个综合性的内部监督部门，早就秉承了用数据说话的传统。审计报告中无论是综合评价，还是揭示问题，无一不是以数字为支撑的。在大数据时代，充分利用数据仓库、联机分析、数据挖掘和数据可视化等技术、把离散存储于不同系统中的海量数据彼此关系并进行深度挖掘分析，可以对海关相关政策实施的效果、财政性资金的使用情况进行评估，从而得出客观的审计结论，从而进一步提升审计自身的地位。
（2）审计所需要的基础数据的获取将变得更为便利。随着大数据技术发展，跨越系统、跨越平台、跨越数据结构的技术将使海关内部、外部得以流畅协同，所有审计所需的数据在设置一定的权限后都可以直接获取，大大节约了审计成本。同时由于利用大数据技术，数据处理及分析响应时间将大幅减少，审计工作的效率将明显提高，可以同时对多个类别，多种领域的数据进行同时分析、处理。
（3）将更有利于提高审计报告的权威性和精准性。通过大数据技术可以对海关长年累月形成的业务和财务数据进行分析，挖掘出某种风险特点，提示违规问题的潜在规律，为海关党组决策提供关键依据，同时还可以评估上级决策的实施效果，从而不断发现问题。随着审计分析的进一步深化，不但是对纯数据可以进行分析挖掘，对视频资料、图表等都可以进行深度挖掘、人工智能。
三、大数据技术在海关审计实践中的实现途径
1.拓展基础数据资源
一是丰富海关执法相关领域基础数据源，打破部门之间存在数据壁垒，实现海关缉私行政执法数据、稽查数据、监管场所信息、口岸单位数据等的关联比对，尤其要打破目前各关区和海关各业务系统之间的数据壁垒，实现信息互联互通。二是海关预算和财务管理方面，引入海关通用财务管理、固定资产管理等现有信息系统的基础数据，打破现有系统之间数据分散、相互独立、无法互通的现状，实现“财”与“物”的联动比对，实现海关所有信息系统之间数据的对碰分析。三是推动海关有关部门进一步加大对物资采购、基建修缮等领域信息系统的开发建设，为实现财务管理、政府采购、基建修缮、资产管理的横向联动分析以及海关总署-直属海关-隶属海关三级纵向联动分析奠定基础。
2.完善现有海关系统
以海关执法廉政风险预警处置系统为依托整合优化执法领域审计数据分析平台，在充分利用现有系统数据资源和监控功能的基础上，开发定制部分海关审计监控指标，完善构建按照不同系统用户形成涵盖全国海关数据指标集中展示和预警模块。同时引入大数据思维，开发适应海关常规审计和经济责任审计实践需要的功能，一方面突出对被审计单位贯彻落实海关总署党组重大决策、重要政策执行、业务发展动态和变化趋势的整体分析把握，更突出对执法统一性、自由裁量权规制、高风险节点指标等落实情况的监控。另一方面，要充分应用结构分析、多维分析、挖掘分析等分析方法，开展海关横向区域间对比分析、跨业务领域数据结合分析和纵向历史趋势分析，为有效发现系统性、区域性风险提供数据支撑。
3.外购公认的优秀大数据服务
先进的分析技术和大数据工具的进步神速，它们正以前所未有的方式帮助用户获取新的统计角度和结果。Tableau、Qlikview和NoSQL等工具和平台迅速崛起带来了全新的分析视角和机会，基于成熟的分析、视觉化以及数据管理的全新生态系统也以日新月异的速度改变着信息使用者的分析能力。可提供这类工具的供应商不胜枚举，开放资源的开发商数量更是不计其数。作为海关审计的大数据建设，应该不仅仅局限于海关自身的技术开发力量，更为重要的是学会怎么利用现有的比较成熟的数据采集和挖掘手段，以降低成本，提升海关审计监督效益。
4.加强海关审计信息化队伍建设
不论大数据技术和审计信息化系统多么完美、便捷和智能化，但是，信息技术仍然只是一种工具，操作和使用的是审计人员。不论是过去和将来，真正发挥监督作用的，仍然是审计人员敏锐的判断力、分析力和核查能力。要更好发挥大数据技术在海关审计工作中的效果，应从以下几点入手，加强审计队伍的整体能力建设水平：一要加大海关信息化系统应用培训力度，进一步提高审计人员对数据的提取能力、分析能力、挖掘能力，培养一批既懂计算机技术又熟悉海关审计业务的复合型骨干人才。二要在现有海关审计专家基础上建立与信息技术专家合作的研发模式，租赁或引入熟悉大数据技术的人才，发挥“鲶鱼效应”，激活审计队伍学知识、用知识的热情和潜能。
参考资料：
[1]《国务院关于加强审计工作的意见》（国发[2014]48号），2014年10月
[2]刘家义.加快审计信息化建设步伐 全面提升审计能力和技术水平.在全国审计工作座谈会上的讲话，2012年7月10日
[3]王安春.审计信息化的必要性及实施原则.企业管理，2012年第2期
[4]徐正光.浅谈“大数据”背景下的审计分析
