时间：2022-12-09 13:22:16
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篇大数据论文，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。
1国外研究综述
1.1旅游网络信息导引作用探究
近年来，国外学者针对无形信息流对有形人流的导引作用问题进行了有益探索，包括旅游网站信息对潜在游客导引作用的说明，旅游网站对有形人流的导引过程和导引机理分析。主要研究通过针对供需行为，对旅游网站在线服务能力和旅游网站使用者满意度之间的协同关系进行了研究，并提出了反映网站信息流与现实人流关联性的模型。
1.2基于网络搜索数据的时空导引作用的定量估算研究
基于网络搜索数据的预测研究始于医药领域，最早是利用网络搜索指数提前预测出流感发病情况及流感的死亡率。在房地产方面也有类似的实证研究，发现网络关注度对美国房屋的交易价格和交易量具有较强的预测能力；这些研究对基于网络搜索技术的旅游行为预测研究起到促进和深化作用。在量化研究方面，主要集中在建立回归分析模型，对美国零售业、房地产业、交通运输业、旅游行业的产品销量进行预测，在传统的回归模型的因变量中加入与预测对象有关的关键词关注度指数，预测结果的精度均有较大的改善。国外在宏观经济领域，通过网络搜索指数与宏观经济的研究主要集中在失业率、消费、股市指数、经济现象和经济衰退等方面。研究表明，在庞大的网络搜索数据被网络搜索工具记录下来的过程中，这些庞大的搜索数据与现实的社会行为之间存在一定的相关性。在旅游网络行为方面成果较少，大部分研究侧重于网络整体性信息与某些社会行为宏观的、概括性的关联性研究。
2国内研究综述
目前，我国学者对大数据相关问题研究较多，应用在各个领域，在旅游方面的研究主要集中在三个方面：大数据出现后对旅游业带来的影响研究；具体搜索引擎的数据与实际旅游市场需求的相关性研究；利用搜索引擎数据对旅游市场的预测方法研究。
2.1大数据对旅游业带来的影响研究
伴随着大数据、云计算的产生及在各个领域的应用，很多学者提出了旅游大数据的概念，并从旅游大数据的产生，旅游大数据的挖掘，旅游大数据的应用方面提出了见解。伴随着网络技术的发展，旅游企业及用户对网络的使用，导致旅游数据信息爆炸性的增长，旅游数据已经形成一个巨大的海量信息空间，这些海量数据的产生，如何应用这些数据，找出规律，应用在旅游业当中。在大数据的挖掘方面，大多采用关联分析对旅游数据进行搜索，并从中找出出现概率较高的模式，或者通过数据的聚类与分类，分析旅游数据的相似性，为决策者提供决策支持。大数据在旅游行业的运用方面主要提出在旅游市场营销，线路优化、挖掘有价值的旅游信息方面。
2.2具体搜索引擎的数据与实际旅游市场需求的相关性研究
在大数据与实际旅游市场相关性研究方面成果较多，在搜索引擎的的选择方面，国内研究大多选择百度指数这种海量免费数据，并通过百度指数的搜索量和实际游客量之间的关系分析，主要研究体现在：搜索关键词的选取技术；网络信息流和实际游客量之间存在正相关性，网络空间信息流是一种重要的“前兆”导引现象。对关键词的选取，大多数研究中采取根据旅游活动的六大要素，或通过问卷调查、关键词推荐的方法获得；大多数研究选取了五一、十一等主要节假日的客流量及网络关注度进行对比，发现旅游网络关注度和景区客流量之间存在正相关关系；旅游者在产生旅游需求的前提下，通过网络提供的旅游信息进一步了解旅游地概况，为其旅游的目的地，因此，旅游者对旅游网络信息的关注度一定程度上昭示其出游行为，基于此，旅游信息流又是重要的旅游客流的“前兆”。
2.3运用大数据进行景区旅游市场预测的研究
对于旅游市场的预测研究成果较多，大多数研究都采用历史数据对未来游客量进行研究，在预测方法上不断创新，但在数据的选择上面基本停留在使用历史统计数据。运用大数据进行旅游市场预测研究的研究成果较少，大多数还停留在相关性研究方面。黄先开以北京故宫为例，建立了没有百度关键词和加入百度关键词的两种预测模型并进行了预测精度比较。运用带有百度关键词的模型可以实现利用当天及滞后1～2天的百度指数数据预测故宫当天的游客量，不仅增强了预测的时效性，还可以更加及时、准确地为故宫景区管理部门提供决策的依据。
3结论
(一)反馈信息电子化物流信息化、电子化是电子商务物流的基本要求，是以电子计算机为主、以各种电子设备为辅助工具的物流信息形成、传递、储存的管理方式，不同于计算机诞生之前物流信息反馈主要通过书面、口头形式进行传递和储存。物流信息作为企业信息化的重要组成部分，物流信息电子化减少了企业组织的差旅费用、提高了工作效率、降低了劳动强度、减少了污染和拥挤等等。但是，电子化的信息出现了泛滥、甄别困难等问题，同时计算设备的损坏可能导致大量信息的损失等。在电子商务时代，要提供最佳的服务，物流系统必须要有良好的信息处理和传输系统。
(二)反馈内容全面化云计算的出现，为处理大量不规则的“非结构数据”提供了技术方法。以云计算为基础的物流技术，可以便宜而有效地将物流活动中大量、全面、多变的数据内容存储下来，并随时进行分析和计算。这些技术主要有数据采集技术、数据存储技术、数据交换技术、数据处理技术等。采集技术有传感器、扫描仪等，在物流中移动数据采集器(MDE)经常用于对仓库库存的盘点或者货架上预订数据采集，该技术在运输部门或者外部服务也有重要的价值。另外，电子数据载体如芯片、程序化数据载体(PDP)、移动数据存储器(MDS)及卫星接收发送装置，可以超越数米的距离进行读取、编辑和存储;电子数据交换(EDI)可以节省时间、提高质量和降低成本。物流信息技术是物流现代化的重要标志。
(三)反馈速度迅捷化电商物流服务业不同于传统物流服务业，快速反应是电商物流企业的核心竞争力。电子商务物流重在提供及时的服务、信息和决策反馈。目前，在大型的配送公司里，ECR和JIT系统使得顾客化服务得以快速响应。ECR即有效客户信息反馈，据此可做到客户要什么就生产什么，而不是生产出东西等顾客来买。物流企业快速反应的影响因素主要有信息系统、顾客服务、时间管理、成本控制、物流硬件、协调控制和物流人才等。
(四)反馈信息社会化在我国，企业甚至是上市公司信息披露不足，而数据、信息共享是电商时代的趋势和必然。因此，如何建立信息处理系统，及时获得必要的信息，对电子商务物流企业来讲，是个时代的考验，更是个难题。在将来的物流系统中，“24小时送达”成为物流配送的极致追求，搭建社会化物流平台成为电商企业共同的事业。阿里巴巴从2011年开始规划的天网地网，就是要做一个信息平台，向物流合作伙伴开放相关信息接口以分享数据。数据服务是阿里巴巴物流战略核心，更是未来大物流系统的支撑。未来物流系统的输出内容———信息，可以当作独立的商品或者作为商品成分进行出售。
二、电子商务物流服务业的反馈机理
反馈是大数据时代物流组织受社会需求推动，为了满足企业和消费者的个性化需求，运用收集、存储和融合信息的技术方法，引发的以数据化为核心的物流管理变革。随着互联网在经济与社会活动中的广泛渗透，将电子商务物流产业发展推向新的高度，其发展日益受到政府、企业、消费者和环保主义者的广泛关注。企业和消费者的满意度，取决于快速响应的物流管理系统。
(一)电子商务物流服务流程电子商务物流服务流程，可以用图直观表示，通过流程图可以窥见电子商务物流的反馈流程和反馈形式。图1融合了B2B、B2C、C2C交易的物流服务流程，不同的电子商务模式交易特点不同，但都具备总物流量大、服务范围广的特点，服务内容和服务特点基本相同，物流服务一般都采用第三方物流。B2B和B2C电子商务物流关键在远程运输，而C2C的关注点在末端配送。
(二)电子商务物流反馈内容电子商务物流服务内容涵盖了订单管理和数据分析、仓储与分拣、运输配送与交付、逆向物流服务、回收物流服务和客户服务。可以讲，电子商务物流服务内容有多广，物流系统反馈的信息内容就有多丰富。物流系统会对顾客提交的订单相关数据进行分析，透过分析报告可以帮助制造商以及经销商及时了解市场，便于随时调整市场推广方法;电子商务物流系统可以对仓储和分拣中心进行监测，提供有效的库存管理信息，使制造商或者经销商保持合理的库存;电子商务物流系统通过网络将供应链节点信息进行集成、整合，将实物库存信息化作为虚拟库存;运输配送与交付环节，通过融合多种终端技术采集物流信息并进行综合处理，增强了物流企业对物流配送过程的可控性，消费者则通过互联网对配送企业和商品“宝贝”信息流动实时状态了如指掌;电子商务的逆向物流反馈服务关键在提高顾客满意度。当然，随着环境保护的加强，废弃物处置问题不断受到关注，物流系统必须提供回收服务物流服务，这有利于提高物流企业在电子商务市场上的低碳竞争力。追求客户满意，挖掘潜在需求是电子商务物流企业不断创新的动力。
(三)电子商务物流反馈技术物流技术指物流活动中所采用的自然科学与社会科学方面的理论、方法，以及设施、设备装置与工艺的综合。而电子商务物流反馈技术，主要指物流服务流程中物资信息的收集、存储和融合方法。先进的信息融合技术提高了物流系统的信息处理与控制能力，使物流配送信息的交互和处理跨越时空限制，通过终端物流信息反馈与融合，实现信息到实际操作的高速转换，为物流企业决策层提供信息支持，从而不断提高物流企业的服务能力。常用的物流信息反馈设备有:各种传感器、GPS定位设备、射频识别设备、扫描器等;信息融合方法有:嵌入约束法、证据组合法、人工神经网络法等;信息传输交换技术有:计算机网络技术、电子数据交换技术等。
三、对大数据时代电子商务物流行业发展的建议
大数据作为信息革命的第二个，为电子商务物流行业的发展提供了广阔的空间。电子商务物流行业必须树立并强化数据优化行业的理念，以大数据的眼光，加强大数据研究，为客户提供更先进、增值性的服务。
(一)树立并强化大数据理念现代物流的发展趋势是全球化、信息化、系统化、标准化和多功能化，而数据化则是现代物流的核心。当前电子商务物流体系虽然在业务经营中加强了对数据的分析和应用，但缺乏对大数据应用的战略性思考和主动挖掘意识。信息采集较多，但深度加工挖掘较少，导致大量的数据信息成为“睡眠数据”而不能发挥其应有的价值。客户细分不够精准，没有在业务营销和客户关系管理活动中运用科学模型，缺乏对客户服务需求的偏好判断和消费行为习惯的细分。在大数据时代电子商务物流的发展必须要有效整合大量的数据，通过各种分析模型，将数据转化为信息资源，只有这样才能将大数据作为战略性资产，为行业管理和决策提供强有力依据。
(二)开拓新的数据服务市场目前，电商业、物流业的发展呈现跨界竞争，电子商务企业进军物流行业，物流企业开发电子商务，行业间呈现交叉融合发展。当大家的目光还停留在究竟是做电商赚钱还是搞物流赚钱时，我们可将大数据看成一个大市场，联合电商业、物流业、银行业乃至通讯业合作，通过各大行业间的数据存储、加工、分析、融合，形成大数据产品，提供大数据服务，开辟数据服务市场。
近年来，随着互联网技术的发展，大数据越来越受到关注，其应用逐步渗透至多个行业，开启了全新的数据时代。数据是征信业务开展的基础资料，征信活动主要是围绕数据进行采集、整理、保存、加工，并最终向信息使用者提供。大数据不仅为征信业发展提供了极为丰富的数据信息资源，也改变了征信产品设计和生产理念，成为了未来征信业发展最重要的基石。我国征信业发展尚处于起步阶段，在大数据时代存在征信法律制度和业务规则不够完善、征信机构数据处理能力有待提高等问题。未来征信业面临的机遇和挑战并存，研究大数据时代征信业的发展具有重要意义。
大数据时代征信业面临的机遇和挑战
目前，对大数据无公认的定义，一般认为大数据是指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、并整理成为服务于经营决策的资讯。大数据的出现，使征信业发展面临的外部环境发生了巨大的变化。
(一)大数据时代征信业面临的机遇。
1.优化征信市场的格局。
随着征信机构市场化运营机制的确立，将会有更多信息资源优势的企业借助互联网、大数据等信息技术的创新进步，从征信业薄弱环节切入，通过服务创新或产品创新打破原有的征信市场格局。一是电商企业将组建征信机构。以阿里巴巴为例，其利用淘宝、天猫、支付宝平台上的行为数据和信用情况，建立成了涵盖数十万企业的数据库，具备了开展网络征信服务的基础和实力。二是金融机构建立征信机构。例如平安集团拟整合网贷信息、银行信贷信息、车辆违章信息等，建立金融数据挖掘中介机构。三是新型征信机构应运而生。一些大数据公司依靠技术手段，以电子商务、社交网络为平台，采集信息，提供信用信息服务，可能成为新型的征信机构。
2.推动征信业的转型升级。
大数据给征信业带来转型升级的历史机遇，未来的征信业将以智能数据分析系统为平台，利用大数据挖掘技术，支持征信业发展创新。大数据支持征信业升级和转型主要体现在二个方面。一方面大数据促成征信业建立全新的风险控制体制，向有效监管转型。大数据技术对客户信用信息进行深度挖掘，实时监控，防范潜在的信用风险。另一方面大数据支持征信机构向精细化管理转变。大数据的核心优势在于信息挖掘，精细化管理的首要条件是充分信息化，包括业务信息化和管理信息化。
3.促进征信业差异化竞争。
征信机构通过采用不同的数据来源，不同的数据处理方式，针对不同的客户，开发出不同的产品，满足不同层次客户的市场需求，实现差异化竞争。例如，金融机构对征信服务的需求将从单个借款主体的信用报告，扩展到运用信用信息拓展网络影响和金融服务渠道。P2P网络借贷、电商金融等业态需要借助信用信息共享防范风险，降低交易成本。
4.拓展征信数据来源。
大数据使征信数据来源呈现多元化、多层化和非结构化的特点，更加全面和真实地反映信息主体的信用情况。征信机构从在政府部门、金融机构等实体机构中采集信息，转向从互联网等虚拟世界中获取信息。在数据采集的广度和深度上，征信数据量将激增，采集包括证券数据、保险数据、商业信用数据、消费交易数据和公共事业缴费数据等，全面地覆盖与信息主体相关的各项因素。
(二)大数据时代征信业面临的挑战。
1.现有征信业务规则与大数据时代不匹配。我国有关征信业的法律法规的规制对象主要是传统金融领域，《征信业管理条例》及其配套制度初步构建了我国征信业的法律法规框架，但是《征信业管理条例》是否满足大数据时代征信业务的规则要求，尚未得到市场验证。目前，缺少对大数据时代征信活动的规范，如有关大数据采集、整理、保存、加工和处理的制度要求。因此，还需要进一步细化和完善征信业务规则，以更好促进大数据时代征信市场的发展。
2.征信业监管技术和水平需改进。大数据时代给征信业发展带来深刻影响，同时也对征信业监管提出了更高的要求。要适应大数据时代的征信监管需求，征信监管水平要能跟上大数据征信的发展水平，监管政策要符合大数据的基本规律，监管人员要具有适应大数据的知识和能力。在行业自律监管方面，我国行业监管尚未发育成熟，行业标准尚未统一，行业规范以及行业职业道德等内容尚未完善。
3.信息安全和隐私保护形势严峻。随着数据的进一步集中和数据量的急剧增长，对海量数据进行安全防护变得更加困难，数据的分布式处理也加大了数据泄露的风险，隐私保护和数据安全成为制约大数据发展的瓶颈。大数据时代下的征信业同时具有了大数据和征信两个特性，对隐私保护和数据安全的要求更高。
4.数据处理能力亟待提高。如何有效处理大数据，是大数据发挥作用的重要环节。益百利等大型征信机构在数据处理方面已经采取多层次数据挖掘等先进技术，利用私有云平台，对系统中海量数据进行处理和研发，减少主观判断，提高风险预测的准确性。但是目前我国征信机构发展起步较晚，缺少对数据处理的核心技术，导致数据分析结果不能够准确的识别个体或组织的行为。
5.硬件基础设施需要全面升级。过去征信机构存储征信数据主要是在本地建立数据库，大数据时代随着数据量呈几何级数的增加，征信机构硬件技术的发展已经跟不上数据容量的增长速度，数据存储面临较大压力。
大数据时代征信业发展的措施与建议
随着大数据时代的到来，未来征信业发展要从制度设计、技术进步、信息共享、监督管理、隐私保护等方面不断创新，促进征信业在大数据背景下的跨越式发展。
(一)建立符合大数据的征信法律制度和业务规则体系。现有的征信法律体系都是基于传统数据模式下制定的，难以满足大数据等新技术条件下征信业发展的制度需求。在征信业务开展过程中，大数据的收集使用可能涉及国家信息安全、企业商业秘密、公民隐私等，为了给大数据条件下征信业发展提供制度保障，需要从征信立法层面完善信息安全和数据管理的法律制度，明确大数据背景下数据采集、整理、加工、分析、使用的规则，确保大数据时代征信业发展有法可依。
(二)加强征信产品创新。随着可获得的数据量呈几何倍数的增加，征信机构通过深度挖掘和使用这些数据，就可以极大地拓展征信产品的种类，不仅能够提供信用报告查询等基础服务和产品，还可以提供其他综合性产品，满足社会各界的需求。从征信产品的满足层次高低的不同，可以分为宏观、中观和微观的征信产品。宏观层面，征信机构通过大数据分析可以对系统性、全局性的风险信息进行预测。中观层面，征信机构的海量数据包含大量时效性和政策含义都很强的信息，可以灵活多样地进行多维度组合分析。把这些信息整理和挖掘出来，建立对应的指数体系，有助于行业监管。微观层面，在信用主体(包括企业和个人)同意的前提下，征信机构可以提供每一个信用主体的信用报告、信用评分、身份验证、欺诈检测、风险预警、关联分析等多种数据服务。
(三)提高大数据技术处理能力。大数据价值的完整体现需要多种技术的协同。数据抽取与集成、数据分析以及数据解释，是大数据时代征信数据处理的三个重要环节，在数据处理过程中搜索引擎、云计算、数据挖掘等新技术使用必不可少。因此，征信机构要加大数据处理分析专业人才队伍的培养，同时要引进大数据处理的专业方法和工具，建立前瞻性的征信业务分析模型，更好的把握、预测市场和信息主体的行为。
(四)健全大数据信息共享机制。完善的大数据标准体系是推进数据共建共享的前提。目前，我国来自各行业、各渠道的数据标准存在差异，成为阻碍数据开放和共享的关键瓶颈。建议尽快统一标准和格式，以便进行规范化的数据融合，提升大数据的整合能力，打破资源部门间的信息孤岛，从而完善信息共享机制。
（一）保险业应用数据的传统
对于传统型数据的应用，保险业有着悠久的历史。人们在长期的生活实践中总结发现，在随机现象的大量重复中往往会出现几乎必然的规律，这种规律即大数法则或大数定律。概率论中的大数法则就是保险人计算保险费率的基础，只有在承保大量风险单位的情况下，大数法则才能显示其作用。根据大数定律的另一个特点，风险单位的数量越多，风险的预期损失就越接近实际损失。保险人正是凭借这种方法比较精确地预测风险，合理厘定保险费率。长期的数据分析传统不仅为保险业积累了许多数理分析人才，同时也养成了保险业数据分析的传统和习惯。这些都为保险业应用大数据垫定了良好的基础。
（二）保险业应用大数据的硬件条件
数据具有大量、高速、多样、价值的特点，这说明大数据中的数据具有即时性而不是一成不变的，数据量庞大而复杂，对处理分析能力有很高的要求。保险业虽然有很丰富的对传统数据的数理分析经验，可是对超大型数据的分析必须依赖专业的存储技术和计算技术。保险公司需要先租赁互联网企业专业的数据存储设备，运用互联网企业的云计算分析能力对数据进行计算，寻求想要的信息。
（三）保险业应用大数据的软件条件
近年来，许多有过传统数据分析基础的人，开始关注大数据的分析，一种新的职业也随之诞生，即“数据科学家”。与传统科学家不同，数据科学家还需要有互联网思维、懂软件程序和统计学。大数据技术仅仅为我们提供参考数据，它是一种信息资源，是一种帮助人们理解世界的工具，但是它不解释信息，对数据的分析解读仍然需要专业人才来进行。由于保险公司的经营方式、经营基础、经营环境和经营对象等方面与其他企业存在明显差异，保险公司应该成立自己的数据分析部门，培养了解自己行业的专业数据分析人才。
二、大数据在保险业中的应用——以众安财险为例
（一）众安财产保险公司背景
众安财产保险公司（下文简称“众安”），是我国首家互联网保险公司，是保险业与互联网业合作的一种大胆尝试。众安保险是由平安、阿里巴巴、腾讯等国内知名企业发起，保监会批准成立的网络保险公司，公司的注册资本金10亿元人民币。众安作为一家互联网在线财产保险公司，完全颠覆了我国现有的保险营销理赔模式，不设任何的地域性分支机构，而是完全通过互联网实现销售和理赔。这一转变是对保险业运营模式的大胆尝试。
（二）大数据在众安财产保险公司的应用
1.大数据在业务费率制定中的应用。
传统的费率厘定是通过分析这一类人的风险发生概率，再根据风险发生的概率厘定这一类人的保险费。获得的数据量越大，在数据中获得的有效信息也就越多。众安在拥有庞大的有效数据和云计算能力的前提下，有能力将费率的厘定更加具体化，由一类人细化到几十个人甚至一个人。随着风险的复杂化，平均费率已经不能准确反映每个成员的风险发生概率，一些细微的个人生活习惯往往就会增加发生风险的概率，支付宝、淘宝、微信等APP已经成为每个人生活的一部分，对这些功能性APP的数据进行整理分析，可以细化人群，分析使用者的生活习惯，通过对客户生活习惯的分析，一方面可以细化同类人群，另一方面可以更准确地评估人群将会面对的风险。
2.大数据在客户服务中的应用。
客户关系的维护，除了即时快速解决客户的问题之外，还需要根据客户的不同投其所好，提高客户消费的满意度，从而提高客户的忠诚度。众安财险的庞大数据量中，记录了许多客户的日常生活数据，大到浏览、交易记录，小到登录社交网络的时间，就像现在许多APP或者门户网站所推出的根据浏览的记录对你进行你可能喜欢商品的推荐。众安通过对客户在淘宝、支付宝、微信等多家公司的各种信息数据的收集分析，有能力分析出一个客户的个人喜好、经济水平、生活习惯和生活规律。在客户需要服务的时候及时为客户解决问题，甚至在可能发生问题前对客户进行提醒，避免损失的发生。对庞大的客户群体施行这一行为是传统保险业客户服务部门无力为之的。众安良好的数据分析能力，合作伙伴的强大数据收集能力，都能有效提高众安的预测能力，并为众安带来质的变化。
3.大数据在业务开拓中的应用。
众安通过大数据分析，获取客户需求、心理等方面的信息，获取潜在的目标客户，进行有针对性的行销策略，力求达到事半功倍的效果。良好的市场细分可以合理分配公司的营销资源，避免不必要的资源浪费，在寻求经济收益增长的前提下控制成本。优质的数据加上强大的数据分析能力，使得众安在对客户的了解和对市场的预测方面有着其他传统公司无法比拟的能力。
（三）实例分析总结
一、大数据开辟未来数字出版中的应用方案
1.进行销售的精准策划当前数字出版企业的竞争十分激烈，推出新的产品会有一定的风险。数字出版生产商必须在推出产品前建立一定的品牌形象，以此来减少产品的风险，增加产品的市场竞争力。在大数据的背景下，数据具有很强的经济价值。理论指出，行动是一个人的意愿决定的，这个意愿是个人对社会行为的态度和社会反映。传统的营销方式仅仅关注消费者的话语表达，而从话语中不能深层次观察出受众的心理。利用大数据预测用户行为时，要详细了解消费者对事物的态度和消费意愿，关注消费者的心理诉求。对消费者进行数据分析，整合一定的碎片信息，通过相关计算得出消费者对消费物的态度。和传统的抽样调查相比，数字出版企业利用大数据能够十分准确地把握消费者的具体组成和各个阶段的心理需要，并重新调整经营手段，以此来阶段化调整数字出版各个阶段中的内容比重，针对性地提供服务，增加消费者的粘合度。《卫报》是英国第二大日报，是业界使用新技术的重要先锋，其网站设置了专门的数据频道。其总经理发表了《数字新闻读者的“大数据”蕴藏巨大价值》，认为“大数据”可应用在媒体行业中，消费者的“大数据”隐藏很大的价值，不少数据能够吸引受众，并为内容商带来利益。
2.针对消费者个性需要推出产品个性化贯穿于整个信息化过程中，大数据能够将数据推向一个个性化方向，“这种个性化是基于系统通过分析读者阅读行为、喜好，从而获得对用户需求的感知。每个读者获得专属于自己的书，就是这种个性化服务的一种典型体现。在技术意义上，这种模式是能够成为现实的。”针对消费者的个性化需求推出产品，消费者肯定会购买，当消费者对满足个性化的产品满意时，数字出版的内容也能实现其价值，整个企业能获得一定的进步。消费者接触各种营销推广信息时，消费者的情感态度、认知行为会发生一定的变化，对于这种变化，传统的小规模范围内的问卷调查无法获得准确的信息，根本做不到监测全部，大数据背景下的网络平台将发挥出巨大的作用。淘宝每天会遇到几亿用户，每个用户具有不同的爱好与特征，淘宝将消费者的信息搜集起来，进行大数据分析，根据消费者的个人需要再去投放最合适的个性化产品广告，从而达到淘宝销售传播的效果最大化。建设个性化的数字出版平台能够把消费者和出版的企业联系起来，这点在当今大数据时代具有很重要的意义：数字出版的个性化平台要和各种终端（手机、IPad）、社交媒体（微信、微博、论坛）进行无缝连接，促使消费者得到快捷的阅读和便利的分享体验。数字出版内容的个性化定制购买与在线支付紧密联系在一起，这样，消费者就能轻而易举地购买产品。个性化数字平台和数据分析商进行链接，实现消费者的体验需求。例如，对于收费电子书，可以提供部分章节让读者进行阅读，这些电子书能够在被阅读时随时评论和分享。当读者在阅读时，平台能够及时收集到数据，关注到读者的静态与动态，读者的年龄、性别、收入、学历、地点、工作、读完免费部分会不会购买后继章节、读者一般在一页上停留的时间长短等信息全部被搜集起来，通过综合信息来分析和判断用户的经验。对于具有语音交互功能的数字出版App，数字出版商可以联合智能手机、IPad等阅读端的触摸屏、麦克风来监测用户的使用时间和场景，利用监测数据来评定这个App的质量。
3.优化研发生产整体平台在现代数字出版企业管理过程中，数字出版产品自开始研发阶段，就由RDM（ResearchDevelop-mentManagement研发管理系统）进行管理，生产过程一般由ERP（EnterpriseResourcePlanning企业资源计划系统）和数字化制作工具管理，供应链由SCM（Supplychainmanagement供应链管理）进行管理。如果使用系统对整个产品研发生产整体流程进行分析，就类似于将整个研发生产的整体流程进行扩大分析，并抽取精华进行观察，这对优化整体流程，提高产品的质量与生产效率具有很大的意义。产品研发过程中，可以实时利用大数据一起来建设协同编纂平台，在这个平台当中，作者、生产商、编辑、校对、平台商等相关工作人员可以一起进行协同编纂，并进行协同，形成新的BPP（BusinessProcessPlatform企业业务流程平台）。在这个协同编纂平台中，作者、生产商、编辑、校对、平台商等相关工作人员在工作过程中产生大量的非结构化数据。利用大数据对这些非结构化数据进行分析，往往能发现文本中的常见错误、制作中的瓶颈、工作人员能力的欠缺等，相关工作人员从而可以在后继的工作过程中拾遗补缺，调整工作方法，采取措施进行应对。当今诸多消费者不愿付费阅读的问题也可能会被较好地解决。鉴于协同编纂的兴起，数字出版企业就能根据目标消费者阅读需求来开发数字产品，注意产品的设计者、生产商、编辑、校对、平台商等每个环节工作人员与消费者之间的互动情感，对消费者的反馈信息进行开发，反思协同编纂中哪些工作环节导致消费者付费意愿不高，促使开发消费者付费心理的问题在根本上得到重视，这样，消费者就会拥有付费的意愿。
4.国有数字出版媒体利用大数据做出表率我国的国有数字出版单位属于“事业性质，企业管理”，同样也受到大数据的影响。国有数字出版单位生产力的未来提升，必然和大数据的获取、释放紧密相关。西方的媒体、政府、公民三者实行“媒体-政府-公民”三足鼎力趋势，三者之间保持相对独立，媒体得不到政府的资金或数据支持。我国的国有数字出版单位来源于国有传统媒体，充当着党和政府的喉舌，比其他商业媒体容易获得大数据。国有数字出版单位在不违背保密原则的前提下，应该尽可能和政府保持沟通，获得一个议题的全部数据，分析相关性，并最后释放到产品生产，这样就能在和他国媒体、其他商业媒体的竞争中保持自身的优势。国有数字出版单位对数据的获取和释放有着一定的依赖度：国有数字出版单位依赖政府收集数据的程度，国有数字出版单位依赖政府释放大数据的程度。大数据时代，国有数字出版单位的力量想壮大，数据权限的获取和释放程度是很重要的方面，国有数字出版单位在优先利用大数据将自身产品做大做强时，也就为其他商业媒体做出了表率，提示了一定的经营路径。
二、未来大数据技术在数字出版中存在的缺陷与挑战
1.部以XML格式输出———该问题成为当前大数据技术中的重要难题。依托大数据，从庞大的非结构化数据中来揭示新的意义和关系，并实现精准生产和精准营销是当下数字出版面临大数据而努力的方向。只有完善的XML格式输出技术，未来的数字出版才能做到聚类分析、聚类融合、网络分析、数据集成、可视化分析等。
2.收集渠道闭塞搜集各种信息来完成大数据采集是数字出版未来的趋势，但目前的数字出版信息搜集仍存在一些缺点：数字出版产品在整个研发、生产、销售过程中还没有彻底完成信息化经营，整体搜集难度显得较大；数字出版的云存储平台根本不具备海量存储功能；数字出版中的内容商、平台商还没有完全转换成数据提供商，因此，他们无法及时获取数据；当前的数字出版产品无法记录消费者使用过程中的痕迹，因此即使数字出版中的内容商、平台商变成数据提供商，也无法记录数据。
3.高端数据分析人才极其匮乏对大数据进行分析，熟练运用Hadoop、MapRe-duce、分布式文件系统、并行计算框架等技术的人才十分缺乏，而很多高校的计算机和出版专业也没有专设数据分析研究方向来培养学生，这也直接导致数字出版领域的高端数据人才匮乏不堪。
4.数字出版商仍旧无法转变经营思路从数字发展趋势看，数字出版商要高度重视数据的搜集、整理和应用。目前数字出版内容商、平台商仍旧将自己的经营思路定于原始粗糙的财务分析软件分析基础上，没有从战略高度看待大数据的到来，没有意识到大数据对整个数字出版经营的重要价值。利用大数据进行产品设计、广告开发、效果测定、企业改革，需要一定的管理与经营思路转型。
作者：杨曙单位:常州工学院人文社科学院
个性化教学就是尊重学生个性的教学，必须根据每个学生的个性、兴趣、特长、需要进行施教，亦即学生需要什么，教师便授予什么，学生完全是一种自主性的学习。个性化教学也就是孔子所倡导的“因材施教”。那么，在大数据时代的今天，作为教师如何实施个性化教学，从而实现因材施教呢？
1.利用大数据的规模性了解学生差异。
每个学生都是不同的个体，有着鲜明的个性，因此，作为教师，首先要做的就是深入了解学生，这样的教学才有针对性。大数据的特征之一就是规模性，规模性指的是巨大的数据量以及数据规模的完整性。因而，教师完全可以凭借数据库中巨大、完整的数据了解学生诸如家庭背景、努力程度、学习态度、智力水平、认知水平等数据。教师只有真正了解了学生的发展情况，才能制定合适的学习计划，学生才会对学习产生兴趣，才会进步。
2.利用大数据的高速性营造和谐氛围。
美国心理学家罗杰斯曾说过：“成功的教学依赖于一种真诚的尊重和信任的师生关系，依赖于一种和谐安全的课堂氛围。”课堂上，让思维的火花翻新，让智慧的结晶生辉，让课堂百花齐放，形成师生互相尊重与信任的氛围，这应该是最理想的课堂状态。大数据的特征之二就是高速性，高速性指的是数据流和大数据的移动性，现实中则体现在对“实时性”的需求上，即能在第一时间抓住重要事件的发生信息。课堂上，教师可以利用大数据的这一特征，时时关注学生多样性学习动态，包括学生不同的表达方式、不同的解题思路、不同的探究结果，对有独到见解的要实时鼓励，对有误解偏差的要实时纠正，对有需要完善的要实时补充，如此，学生才能积极主动、充满自信地学习。
3.利用大数据的多样性选择学习方式。
个性化教学的落脚点是实现个性化的学习，教师应鼓励学生选择自己喜欢的学习方式。学习方式是学习者一贯表现出来的具有个性特点的学习策略、学习倾向的总和。选择自己喜欢或习惯的学习方式，对学习者而言能达到事半功倍的效果。大数据的多样性，指的是有多种途径来源的关系型和非关系型数据。互联网时代，各种设备通过网络连成一个整体，这意味着数据的种类变得繁多，除了简单的文本信息外，还可以对传感器数据、音频、视频、日志文件进行点击，获取可用的信息。这个时候，教师鼓励学生选择自己喜欢的方式，自己感兴趣的数据，个人或小组均可，开始或自主或合作的探究学习，完成学习目标，提高综合学习能力。
4.利用大数据的价值性落下点“睛”之笔。
任何学生的学习活动终究离不开教师的点拨与引导，唯有这样，方能醍醐灌顶，学有大成。互联网女皇marrymeeker在2012年论及互联网发展趋势中，用生动的图像来描述大数据的价值性：一幅是整整齐齐的稻草堆，另一幅是稻草堆中一根缝衣针的特写。寓意是通过大数据的帮助，可以在稻草堆中找到你所需要的东西，哪怕是一根小小的缝衣针，这就是大数据的价值性。那么，在课堂上，教师可以利用大数据的价值性，呈现出不同层次的难点予以解决，对不同层次的学生状况予以评价、对不同层次的学习能力予以拓展。
二、个性化教学应注意的几个问题
1.忌从数据化回到数字化。
数据化和数字化的区别在于，通过数据我们可以了解并理解一个学生，而通过数字我们只能看到一个学生的表象，这对学生的发展是绝对没有好处的。我们不得不承认在实施素质教育的今天，仍有一部分教师注重应试教育，看分识人，唯分对人，不习惯、也不喜欢看数据评价，这便与大数据时代下个性化教学相悖了。
2.个性化教学不是对传统教学的全盘否定。
（一）数据深度挖掘与预测研究对海量数据进行挖掘，分析、提炼出有价值的信息，一直是交警总队在常态交通管理中努力和不断尝试并力求达到的分析动态化、管理精细化的目标。在交通事故预警方面，我们通过对370余万条交通事故的地点、人员、车辆等信息分析，每年市、区两级事故易发或死亡人数较多的“黑点”，由总队定期督促属地交警支（大）队限期整改。针对一段时间内本市欺诈通事故（俗称“碰瓷”）高发的情况，我们建立并不断补充完善了事故“碰瓷”嫌疑人员和车辆黑名单，通过提前预警、发案比对等方式累计锁定相关嫌疑人415人，取得了很好的成效。在交通状况评价方面，我们以道路拥堵程度、交通事故数量为主要评价要素，创新性地将各区（县）地面道路和快速路的整体交通情况以“指数”的形式分色展现，供业务部门和支（大）队参考。为掌握全市快速路交通流结构和集散规律，我们利用分布在中环及中环以内快速路上约300个断面构成的车牌识别系统实时采集流量数据，开展了集散性OD分析的探索，即将全市快速路网划分成20个“小区”，通过数学建模和车辆信息的跟踪，展现各“小区”间交通流转移的时空分布特征，为拥堵成因分析、排堵预案制定等提供参考。在道口安保方面，我们通过对历史数据的分类统计、比较，研究制定了重大活动安保工作的道口查控方案。2010年上海世博会举办前夕，时任市委书记的俞正声同志在G15沈海高速公路朱桥检查站现场，对“车驾查控系统”的技术架构、实时运作以及海量数据的采集、分析及应用状况进行了详细调研，当即要求我们研发“世博道口通行证管理及不停车安检系统”。上海世博会期间，该系统累计实时关联10多个数据库，核发297.7万余张通行证，不仅将进沪车辆安全审核检查关口前移，还通过利用“车驾查控系统”的实时比对功能，既做到了“持证”车辆的快速通行，又实现了“逢疑必查”的目标。世博期间，系统比对命中有关车辆1.5万余辆次，有效提升了民警的工作效率和打击精确度，同时也对预防和缓解全市各道口因安检引发的大面积拥堵问题起到了积极作用，减少了道口现场安检压力及对交通的影响，得到了各级领导和社会的一致肯定。在为“大公安”服务方面，我们尝试定期将网上追逃人员信息与本市机动车档案进行关联比对，筛选出在逃人员可能驾驶的机动车信息，累计抓获在逃人员329名，探索出了“先由人查车、再由车查人”的信息提炼新方法，取得了很好的实战效果。
（二）数据可视化随着各类统计、分析数据的不断增多，各级领导、基层民警都希望通过直接的“可视化”界面展示各类数据和信息。2009年，我们构建了基于GIS地图的应用平台，并将采集或共享的实时路况、“110”交通类报警事件、视频监控、快速路入口匝道控制、停车场泊位等信息在电子地图上进行分层次展现，这些实时、动态的信息可按需随时调阅。2010年上海世博会期间，根据安保工作的需要，我们制作了两张专题图。“进沪陆路道口流量专题图”实时展示当日全市进沪道口的机动车流量、“持进沪通行证”机动车流量、5分钟进沪流量等信息和道口排队区、安检区的视频监控信息。此外，通过对各道口历史流量的数据统计，提供流量预警信息。“世博园区管控区周边道路流量专题图”除整合了全市快速路、高速公路、地面主干道路的实时路况和快速路匝道开闭状态等信息外，实时展示当日进出世博管控区的机动车流量、5分钟流量等。两张图的应用，为市公安局“二指”坐镇指挥的领导以及民警实时掌握交通流量、科学指挥、调配警力等提供了依据，受到了充分肯定。
（三）参与“交通指数”的研究经过多年的建设，上海已经完成市区重要道路的交通流信息的采集，并实现以红、黄、绿三种颜色代表路况的信息。为使交通参与者全面、客观地了解本市道路交通的实时通行状态，向其提供了量化的拥堵指标。2009年，交警总队在数据应用上的视野不再仅着眼于自身，而是跨出一步，会同市政府相关部门，将手中的静态数据和市政府相关部门可共享的动态数据关联起来。继参与了荣获上海市科技进步一等奖的“上海世博智能交通系统关键技术及应用”项目研发之后，2011年起，交警总队积极配合上海市城乡建设和交通发展研究院（原上海市交通信息中心）研究“道路交通指数”。通过对大量采集的各类交通实时数据、历史数据进行统计、分析、比较，最终用“道路交通指数”这一数值方式来量化描述道路交通运行状态，同时结合GIS地图加以分色、分块展现，并通过网站、微博、手机APP等向公众实时，力争做到既能客观地评价交通拥堵状况，又能方便出行者的理解与记忆。
二、与当今“大数据”应用的差距
目前，“大数据”的应用处于发展初期，在我国更是刚刚起步。通过多年的实践和积极探索，交警总队“大数据”的应用成效明显，但我们感到，与当今国内外成功的“大数据”应用相比，我们还存在差距，主要表现在：
（一）在理念和思维上仍存在差距随着互联网、云计算、移动互联等相关智能技术的飞速发展，可以预见，“大数据”陈志康：公安交通管理“大数据”的应用与研究在公安交通管理方面的应用也将愈加广泛。但与其“4V”（即Volume大量、Velocity高速、Variety多样、Veracity真实性）特点相比，未来“大数据”的应用与发展绝不是简单依赖数据采集量的扩大，也不仅仅是服务器性能、数据的简单扩容或累加，而是对于其中蕴含的理念、思维的转变和突破。与“小数据”时代相比，“大数据”时代的转变是多方面的。例如，传统统计方法追求精确，但“大数据”只预测宏观趋势；传统的统计、研究关注因果关系，而“大数据”更强调数据之间的关联等。
（二）在技术和手段上仍较为匮乏就我们目前拥有的各类交通管理数据而言，其体量并不能称之为“大数据”。如果要同各警种的数据相关联，与市政府相关部门的数据相融合，将数据的应用转化为生产力，其所面临的困境还十分明显，这也直接反映了我们在技术和手段上的匮乏。2009年，我们便已利用“数据仓库”技术等当时较为成熟和先进的技术开展交通管理核心数据的深度挖掘，力求为业务部门提供更丰富、有效的统计数据，但受限于传统关系型数据库的架构，无论在计算效率还是结果表现上均无法得到“质”的突破。此外，我们对于海量视频的快速检索、车辆照片关键特征的提取等方面仍缺少高效的手段，使得对于这类非结构化数据的应用、管理仍处于初级阶段，对其中蕴含的有深层次应用价值的信息无法加以进一步挖掘。“大数据”的处理流程一般可概括为四个步骤，即“采集、预处理、统计分析、数据挖掘”。其中，“预处理”是当前传统数据处理中被忽视或被弱化的部分，除了受限于主流的关系型数据库（如Oracle）、集中式存储等架构外，还与缺少将非结构化数据（例如视频、图片、文本、声音等）向结构化数据（即可以用二维表结构来表达的行数据，例如存储在数据库中的记录）转换的有效技术手段有着重要关系。所以，现有的统计分析、数据挖掘等绝大多数针对的是结构化数据（目前仅占所有数据量的10%至20%，其余均为非结构化数据），难以真正体现“大数据”多样性的特点。
三、今后公安交通管理“大数据”的研究与应用方向
（一）研究和建立“公安交通管理大数据应用平台”结合市公安局“十三五”信息化建设规划，研究和建立“公安交通管理大数据应用平台”。不断学习研究Hadoop、虚拟化等新技术，构建全新的数据存储、处理技术架构，不但要使数据的存储容量更大、运算速度更快、展现形式更丰富，更要突破同类数据的局限，从看似毫不相干的数据之间发现关联性，真正体现“大数据”的精髓。
（二）满足数据采集的需求，提升管理水平“大数据”应用的核心是数据挖掘，为公安交通管理中遇到的难点问题提供原因分析依据，但其基础却是所采集数据的质量和种类。因此，一是要不断提高各类交通管理相关基础信息的采集质量，为后续数据处理奠定坚实的基础。二是要积极建立与市交通委员会、市保监会等社会相关部门的数据共享机制，扩充与机动车、驾驶人、特定行业管理、道路等相关的数据类型。三是依托高校、科研院所等专业力量进行深入研究，力争突破图片、视频等海量非结构化数据的管理难题，运用有效的数据模型和架构，实现类似结构化数据的统一描述、查询和处理。四是积极会同市公安局相关部门，在数据层面加强与市公安局“警综平台”“情报综合研判实战平台”“视频监控平台”“治安卡口信息综合管理平台”等的对接，为公安交通信息研判分析提供支撑。
（三）抓住重点，突破四个阶段的核心技术应用“瓶颈”我们要选择合适的软件、工具，真正将数据转化为信息，并提炼出有价值的信息。在数据采集方面，重点解决高并发数的访问、操作问题，使服务器、数据库负载均衡并分片处理。在预处理阶段，重点做好“生产库”向“资源库”的转移和数据清洗等工作，满足后续数据处理的实时计算需求。在统计分析阶段，要在了解业务需求的基础上，着重在不同数据的“关联性”上下工夫，找到规律。在数据挖掘阶段，要力争实现数据从“事后统计”到“事前预测”的突破。
对于医院人事管理中，基于大数据时代，创新医院人事管理方法，采取科学的管理方法，应用先进的科技设备，促进人事管理实现现代化的服务。可以为医院医务人员提供更加详细丰富的档案资源，并且在医院临床医疗以及科研教学、护理工作中，都可以提供优势全面的档案服务，提高医院人事管理效率水平，值得在实际工作中推广应用，具有一定的可行性。整合医院人事管理数据，对医院人事管理数据进行二次利用，有效提升医院人事管理质量，提升医院人事精细化管理程度，采用科学化、信息化管理方式，开发云计算的医院信息平台，基于云计算技术搭建医院信息平台，不仅可以有效地构建统一的访问门户，还能整合医院人事资源，提高医院人事管理水平。大数据时代，为医院人事管理提供现代化管理方法以及有效管理手段，创新医院人事管理工作格局，为医院人事管理发展创造优势条件。
2、大数据时代人事管理创新措施
2.1创新人事档案管理方法
实现医院档案网络化管理，应加强医院网络基础设施建设，为医院档案网络化管理提供设施保障；在医院档案网络化管理中，优化设计医院的局域网布局，有效实现对医院网络设备与基础设施的结合，医院加大配备网络通信设备资金投入，购置高端电脑、打印机、扫描仪，确保医院档案向电子档案的转化。再者，大数据时代下，对于医院的人事管理创新中，健全医院档案管理制度，收集、整理医院档案信息，还应该有效发挥档案管理的桥梁作用，传达和收发医院档案信息，对医院档案汇集的各项信息能进行精确地提炼、加工、处理，把档案中方方面面的思想统一起来，推进医院各项工作的高效运行，拉近医患之间的距离。
2.2健全人事管理制度
在大数据时代下，对于医院人事管理，要健全管理制度，确保医院人事管理的各项工作可以顺利开展，完善人事制度管理体制。对于医院人事管理中，可以避免管理职能隔离，提升医院资源管理环境，避免计算机边缘化，重视利用计算机进行医院人事管理工作，并且可以引进这方面专业人才，严格执行规章制度，有效确保人事管理流程的安全运作。在医院的人事管理中，为了有效确保医院各科室业务彼此间地顺利沟通，安排专职人员管理有关部门，落实人事管理的信息化建设。利用计算机建立人事管理系统，将大数据时代医院人员信息统计集合起来，加大人员信息利用率，对人事管理中各个数据进行分析，简化统计任务，提升工作效率和工作质量。提高行政管理水平，优化决策。医院人事管理中计算机的应用，能够大容量收集、分析、存储人事信息，在需要某个信息的时候能够通过计算机系统及时准确地查找出来，帮助选择方案，实现决策最优化，并且还能促进人事管理的规范化，辅助建立健全指标体系和管理制度，有效提升医院的行政管理水平。同时计算机还能对人事信息进行加工处理，很好地满足了人事管理中各种需要，适应新时期对人事管理的新要求。
2.3提升工作人员能力
对于大数据时代医院人事管理中，提升人事管理中工作人员的计算机水平，强化其人事管理能力。重视人事管理信息化建设工作，重视对业务科室管理人才的培养，如护士、药剂师、医生等，强化计算机应用能力培养，提高医院人事管理人员的信息化素质，对其进行信息化培训，使其在大数据时代下掌握更多的专业知识，为医院人事管理工作打下牢固基础。对于医院人事管理中，创新人才管理形式，提升人员工作能力，利用大数据时代信息化软件进行人员考核，每位员工都有属于自己的唯一固定代码，以此来查看医院员工的考勤信息，并以此为根据来进行考勤审批，将最后审批的薪酬交付管理员，进行员工工资结算。并且选用稳定的人事管理软件，加强医院人事管理的内部管理模式，提高自身的管理水平，人事管理人员不仅要熟练掌握计算机应用系统，还要熟悉医院各方面的工作内容，通过计算机更加科学合理地进行人事管理，提高大数据时代医院人事管理的效率，要加强大数据时代医院人事管理人员计算机应用、信息网络等知识和技术的培训，强化医院人事档案的信息化管理手段，使工作人员可以熟练运用现代计算机技术，管理、制作、保管医院人事信息。同时要学会对自己掌握的人事信息进行数据分析，为人事决策提供依据。
2.4强化人事监管
在大数据时代医院人事管理中，由于医院内部人事数据保密性的问题，故此应该强化人事管理的监管工作，特别是在大数据时代下，更是要加强医院人事数据的监管，确保数据安全。可以提升大数据时代人事管理系统的数据库结构性能，可以有效实现对医院人事资源的充分整合和利用，对医院人事大数据进行实时、准确监控，实时监控医院人事资源，均衡分配医院人事管理工作，提升医院大数据时代人事管理效率。降低大数据时代医院人事管理成本，加大产出收益。通过使用计算机缩短一些基础事物处理时间，减少人力资源浪费。大数据时代医院人事管理中，可以利用互联网，快速获取人事管理的最新信息，节约医院人力查找成本，通过医院对现有的医务人员进行合理的配置，降低投入成本获得最大劳动价值。大数据时代下，对于医院人事管理中，可以通过使用计算机节约下来的时间让医院人事管理工作人员，可以思考一些战略性的措施，为大数据时代医院取得更大的进步，提供可持续发展的动力。
3结论
1.1简介
（1）对于医院的管理者来说
信息统计对于医院未来的发展方向和医院出现的各种问题都能够通过数据进行判断，提高了管理者掌握正确方向的能力。
（2）信息统计工作
有利于对医院医疗的质量控制进行监管。目前，医院的发展趋向于专业化，一家医院的医疗质量和专业化程度是衡量医院医疗水平的重要标准。所以信息统计工作，一方面对本院的医疗水平进行统计，通过数据客观的衡量医院医疗水平；另一方面，通过对医疗病例进行统计可以对一个时期的患者患病率和患病原因进行统计分析，有利于医院具有针对性地建立医疗救治方案。
1.2管理模型医院信息统计管理模型可以分为两大主要内容。
（1）针对病患进行统计，统计内容包括病患性别、年龄、患病原因、病状、住院时间、诊治措施等。
（2）对医院的管理内容进行统计，统计各个部门间的人员流动、工作表现、部门效能等。
1.3对医院管理发挥的作用
医院信息统计工作对于医院的管理发挥着不可替代的作用，其主要表现包括以下几个方面：
（1）有利于医院质量管理的考核和评价
通过医院信息统计客观统计的数据可以对医院质量管理进行考核和评价。对医院各个科室的管理水平、医疗能力进行考核可以发现在科室活动中存在的问题，便于及时做出调整。对于医院员工的考核可以统计出员工的工作能力和工作表现，有利于约束员工行为，提高医生和护士的服务水平，提高医患关系的融洽度。
（2）有利于医院管理决策的正确性
医院的经营市场化形式趋于明显，在面对市场竞争中，医院的管理者每一项决定都关系着医院未来的发展。通过医院统计信息，医院的管理者可以准确地掌握自身的经营能力，同时通过对市场的统计分析可以准确判断出医院未来的发展方向，并能够通过统计数据加强自身的竞争力。
（3）有利于医院资源的整合
医院是集人力和物力为一体的综合性企业。在对医院资源的信息统计中，可以将人力资源和物力资源进行统计，便于医院进行管理。对于医院人力资源的统计主要是统计医生的专业能力和护士的服务水平。通过客观的数据可以了解医生在某一医疗领域的计数水平和护士的服务水平，一方面能够为医院针对某一科室进行人员加强配置，另一方面可以对人员的奖惩制度进行完善。对于医院物力资源的统计可以确保医院设备正常工作和耗材的储备充足。同时还可以避免资源的重复，给医院的经济造成损失。
（4）有利于医疗体系的建设
通过统计数据可以发现医院在某一方面的不足，通过具有针对性的建设，可以帮助医院建立较为完善的医疗体系，更好地服务与百姓。医院医疗体系的建设是医院立足的根本，在现代化医疗体系建设中，数据的分析是医疗体系完善的基础，只有客观地评价医疗体系的结构和性能，才能够保证医院稳定发展。
2面临的问题
2.1信息化薄弱
随着信息化时代的到来，大数据的分析已经深入了各行各业，作为医疗的前沿，医院在信息化建设方面相对于其他行业相对薄弱。医院信息化薄弱问题一方面来自管理层对医院信息化建设的不重视问题；另一方面，医院信息化建设需要巨大的财力、物力和人力，医院将精力投入在医疗设备的改进和医疗水平的提高方面，在信息化建设上就难以投入过多的精力。
2.2信息化统计内容单一
在大数据时代，医院信息统计工作内容越来越丰富，然而一些医院并没有意识到信息统计数据的重要性，信息统计内容还只局限于对病人的病例进行统计。由于统计内容的单一，难以形成有效的分析数据，对于医院的管理和医疗水平的提高不能发挥出统计数据实际的价值。
2.3信息化统计专业性差信息化
在医院管理中的应用缺乏统计的专业性，目前，医院所采用的信息化系统主要包括HIS医院管理系统和CIS临床信息系统，这两套系统主要功能是降低劳动化强度辅助医院进行人和物的管理，而对于统计数据适用性并不强。所以医院信息化急需具有专业性的统计系统，充分利用数据的价值，帮助医院进行管理和医疗能力的提高。
3发展对策
3.1提高统计信息质量在大数据时代
大量的信息集中在医院的信息科，如何快速将这些信息进行分类和提取是信息科所要面临的重要课题。信息的准确性是信息统计工作必须严格管控的内容，在现代化医疗体系建设中，把握信息的质量的关键在于建立信息内容评价标准和信息应用规范，信息数据的应用具有3个主要特征，一是准确性，二是适用性，三是及时性。统计信息的评价标准和应用规范主要围绕信息数据这3个主要特征进行确立。
（1）信息的准确性信息的准确性
对于来自方方面面的信息真伪进行判断，只有准确的信息才能够成为有效信息，在医院中如果误用了错误信息数据则会造成严重的问题。提高信息的准确性首先要明确信息的来源，其次要对信息的真伪进行辨别，最后对信息的价值进行评价。
（2）信息的适用性
在医院的信息管理中，如何从大量的信息内容中获取对信息应用目标有用的数据是信息管理的内容之一。信息的适用性选择需要建立统一的标准，避免“张冠李戴”造成信息错用的问题。信息的适用性原则主要从医院自身的信息采集为标准，因为不同的医院在信息产生上都不相同，只有利用自身的信息才能确保信息的适用性。
（3）信息的及时性信息具有时效性
相同的事情在不同的阶段所产生的信息不一定完全相同，因此，在信息采集和统计时，必须要以最新数据为价值参考，加快信息刷新的频率，降低失效信息勿误的可能性。信息统计的及时性主要表现在医院建立信息及时交流的基础上，只有增强科室之间、部门之间、人员之间的信息沟通机制才能保证信息及时被利用。
3.2科学化管理利用大量的数据统计促进医院科学化
管理是医院信息统计工作的核心内容。医院信息统计科学化管理主要实现以下几方面工作目标：
（1）信息统计的评测信息统计的评测功能
可以对医院的人员、设备、耗材等进行统计，还可以对近段时间的医患病因进行统计，通过对医院各项数据的统计与近期医患病因的统计可以分析出在某段时间医院需要加强某方面医疗的能力。利用信息统计的评测功能还可以对医院某一专项的医疗水平进行评测，统计医疗过程中的不足，帮助医生及时调整医疗方案。
（2）信息统计的决策
我国医疗体制改革不断完善进行中，对于来自各个层面的数据进行统计分析，能够为医院的管理者提供准确的决策依据，帮助决策者正确判断医院经营方向。并且通过对本院的统计信息可以快速找到医院系统中的薄弱环节，依靠准确的数据为管理者提供医院改革的参考。
（3）信息化统计的监督
医院医疗和服务的质量是医院水平的重要表现，医院信息统计可以对医院的各个科室、每一位医生及护士的工作能力和工作状态进行一个时期的统计，通过数据可以客观地、真实地反映出不同科室的医疗质量和个人的服务水平。信息化统计的监督功能是保障医患关系融洽的重要手段，通过建立奖惩制度提高医生和护士的工作认真性，而信息化的统计数据则是衡量和监督医生和护士工作积极性的重要参考。
4结语
大数据与工程造价融合的意义主要分为两个方面：一方面，此种类型的融合切实的推进了大数据体系的发展与完善，从应用的层面对大数据的概念与理论进行升华，并为大数据在企业基础管理层面的应用奠定了方向，为后续企业管理方式、战略制定等核心控制途径提供了另一种优化思维；另一方面利用大数据与工程造价的融合，能够彻底完成工程造价的电算化体系建设，由单一的计算机为工具的计算方式向计算机为主体的预算模式转变，能够有效的推动我国工程造价电算化的体系建设。而就融合后的优势而言其主要分为如下几个方面：（1）增加工程造价的合规性。大数据的优势在于多维度数据之间的相互认证，能够有效的剔除异常数据，并使得其在更长的时间节点上保障数据的准确，进而体现了工程造价的合规性；（2）增加工程造价的动态性。通过大数据手段对其数据库进行构建，不仅能够使得数据库处于时刻的变更与更新过程，还能够通过对更为基础的成本信息监控建立必要的预警机制，使得数据具有动态性的同时保障动态性对工程的指导意义；（3）增加工程造价的全面性。利用大数据手段对工程造价体系进行构建不仅能够在物料成本、运输成本以及人工成本等一系列可控因素方面加以体现，还能够对由于气象、质量评价等隐性影响因素加以体现，使得工程造价成本结构更为合理，数据更为全面；（4）增加工程造价在后续施工建设中的指导性。造价预算是一个动态系统，并对建设全生命周期的成本进行预判，对后续的施工具有更为重要的指导意义。
二、大数据与工程造价融合途径分析
上文讨论了大数据与工程造价融合的意义与优势，通过上文的分析我们可以认为工程造价与大数据体系的联合是未来其电算化体系发展的重要模式。而如何建立融合途径，将大数据思维融入到工程造价管理体系中来是摆在我们面前的主要问题。本文认为，其具体的融合途径可以从硬件、软件等两个方面来进行开展。
1硬件层面硬件准备是完成大数据与工程造价融合的第一步
，同时也是其重要基础。在具体的硬件层面的构建主要分为如下几个方面：第一，需要完成相关硬件设施的配套工作，大数据存储及其分析是一个系统工程。需要提高相应工作环境的计算机水平，并建立大型数据库以供后续具体实行奠定物质基础；第二，建立与其他数据库的联通硬件准备，大数据计算不能依赖于单一的数据库，由于其数据来源的多元化，因此数据库之间的互通要求相对较高。在此方面准备的过程中不仅需要做到数据库之间实时的数据调取，更应该做到数据的安全保障。
2软件层面大数据与工程造价融合途径
融合过程中的软件准备更为重要，具体可以分为如下几个方面：一方面，我们需要做好相关的人力资源配伍，在工程造价预算团队中形成大数据的思维，并将其融入到全部的工作中去，避免其仅作为一种工具的尴尬局面；一方面，我们需要做好相关的软件设计基础，即保障软件的有效性，同时对软件实际价值进行讨论。另一方面，我们需要相关的人才与相关技术的准备。不仅通过人才引进等方式提高团队的整体大数据适应性，还需要通过对原有员工的培训来使其掌握大数据应用原理与技术。
三、基于大数据的工程造价体系优化
上文对大数据与工程造价体系的具体融合与准备进行了讨论，在实际的执行过程中还需要系统的数据划分与数据库分类才能够将这一技术具体的应用到工程造价领域。根据工程造价的相关因素与次级因素，本文认为需要对如下数据进行具体的明确其主要的大数据类型分为四项，说包含的二级变量为15项，数据项目均有独立的数据库来完成累计与存储，并建立在时间节点下的生成报告与数据节点。在实际的电算化工程造价的计算过程中对不同时期内的数据进行调取能够生成整体的造价变化曲线，同时由于其动态数据计算的总类相对较多能够使得数据之间具有严谨的逻辑关系，如工种信息、工时以及工种成本之间即通过之间数据的变动来表征总体人力成本的总量变化，又通过其严谨的内在逻辑来保障数据与造价计算的准确性。此外，通过此种大数据的规划模式还能够对空间轴变化规律以及时间轴变化规律的不同阶段成本开支进行细分。如施工建设过程中物料运输的垂直变化决定了工期的不均衡分布；气象信息的变化决定了工期信息的非计划变动等因素，通过对上述若干个指标的监控能够使得工程造价体系对实际的工程施工起到指导性作用。
四、总结
1、信息搜集的主要内容。
主要划分为清楚明白直接体现信贷风险的“硬信息”和反映潜在信贷风险、具有隐形相关性的“软信息”，以及全流程信贷风险管理的十个方面。硬信息———企业相关财务数据：资产负债表、现金流量表与损益表相关数据，工商、税务部门存放的与企业相关文件和银行内部相关资料;软信息———企业经营的潜在暗示性信息：用水量、用电量、机器运转时期估算和维修保养周期数据、存货盘点审计数据、往来供应商渠道商账户结算信息等。企业经营负责人个人相关信息：商誉、商会与商业伙伴评价、健康状况、人品等，是否有不良嗜好、个性特点、知识结构与水平、经营风险防控能力、家庭情况等。
2、信息搜集后续分析处理的方法。
单一的硬信息可能存在缺陷和隐忧，如公司资本不足，通过申请垫资的方式满足工商注册登记要求；公司财务数据不真实、存在虚开票据和担保等问题。同样，单一的软信息也有一定的风险，软信息的判断过于主观化，忽视企业基本面和相关行业数据。因此，银行在进行信贷风险管理的过程中，需要对“硬信息”和“软信息”加以整合，需要建设规范化的信息数据处理系统，对信息进行整合和处理。
二、信息搜集分析处理的主要工作重点
在实际工作中，对企业财务数据的还原能力、强化信息分析处理防控风险管理的方法都是关键，具体而言：信贷准入方面：对行业风险敏感性、前瞻性不足，盲目进入“两高一剩”行业及风险敏感性行业，客户评级不审慎，评级结果虚高，甚至人为抬高信用等级，客户评级结果应用不严格，盲目进入低信用等级客户，客户分类不审慎，分类结果偏离客户分类标准，甚至伪造信息套取高分类结果，对客户经营管理情况掌握不到位，盲目进入生产经营不正常、财务状况不佳、发展战略明显失当的客户，对客户融资结构掌握不到位，盲目进入多头融资、过度融资、涉及民间融资的客户，对客户对外投资情况掌握不到位，盲目进入过度投资、主营业务不突出的客户，对客户对外担保情况掌握不到位，盲目进入对外担保过度、担保链复杂的客户，对客户信用记录掌握不到位，盲目进入存在不良信用记录或他行退出客户，对客户资金链掌握不到位，盲目进入资金链紧张、还贷来源不正常、涉及应急转贷的客户。授信管理方面：授信额度理论值测算不审慎，测算方法选用不正确，测算结果偏离客户金融实务研究实际，授信额度核定不审慎，偏离客户实际用信需求，存在过度授信问题。尽职调查方面：信贷调查不深入，实地调查缺失，调查方式单一，简单采用问答式调查，第三方调查不到位，信贷调查资料收集不齐全，重要资料缺失，调查信息不全面，对关联关系、资金用途、融资结构、对外投资、对外担保、贷款归行等关键信息了解不深入，客户信息真实性核查不到位，财务数据等重要信息失真，信贷调查分析不到位，未客观全面反映客户经营及风险状况，甚至刻意隐瞒重要风险信息。担保管理方面：抵质押贷款占比低于同业平均水平，信用保证方式贷款占比偏高，单个客户贷款抵质押比例与调查银行信用份额明显不匹配，保证人准入不严，保证人代偿能力不足，担保链复杂、关联担保普遍，对保证人动态监管不到位，出现重大不利变化应对不及时，导致担保保障度下降，押品准入不严格，押品不合格或变现能力存在重大缺陷，押品估值评估不审慎、不规范，价值明显高估，动态重估流于形式。用信管理方面：流动资金贷款发放与客户用款计划不匹配，固定资产贷款发放进度快于项目进度发放或资本金到位进度。贷后管理方面：贷后资金流向监管不到位，贷款资金被挪用，流向高风险领域，客户账户资金监管不到位，对货款归行、账户结算量等关键信息异地情况应发现未发现，还款资金来源监管不到位，还款资金未有效控制，或还款资金来源不正常，评级分类动态管理不到位，对出现风险的客户未及时调低等级，导致高等级客户违约。风险分类制度执行不到位，对出现风险的业务未及时调整形态，资产质量反映不真实。
三、强化信息搜集分析处理的建议
风险管理工作要在对相关信息进行科学审视的基础上，进一步整合强化，实现风险管理部门与其他部门携手合作，内部系统互相挂钩进行整体布局和防控、工作流程优化，从而确保信贷资产最优、客户资产质量最佳、经营风险最小的目标。对此应：
1、切合大数据开展优化。
为顺应大数据时代的潮流，迫切需要对信息数据进行整合，国外商业银行将大数据应用于银行风险的管理领域。美国一家名为SCOR的金融信息公司抓取并分析客户的社交网站数据，为银行提供更为准确的信用评估结果，降低银行的信用风险和成本。SCOR公司收到银行客户的信用评估申请后，经客户同意，将调取其在facebook、twitter等社交媒体的数据，分析客户的行为特点，兴趣爱好，甚至会根据该客户朋友圈特性来对客户信用风险来进行评估。社交数据真实反映客户行为，能帮助银行更准确地判断客户的违约风险，最终降低银行的信用风险。要在商业银行数据处理中心，依托互联网、“云计算”信息技术，通过分析和应用海量非结构化的数据，推动企业业务价值,用高度的技术能力和知识，对信贷相关数据和信息进行处理，加强对下属各级分支行的业务指导。通过金融云信息平台，以数据信息大集中为依托，运用技术管理手段控制风险，使风险监控系统更好地发挥作用。
2、完善风险管理信息数据整合系统。
建立商业银行信贷风险管理体系的最终目标是对信贷风险进行有效控制，防止和减少损失，保障其经营活动能安全、顺畅地进行。具体而言，体现在两个方面：一是在风险损失发生前，银行可借助风险管理体系，预测风险发生的可能性和影响程度，做出有效的对策，预防和减小风险，以最低的损失来获取控制风险的最佳效果；二是在风险损失发生之后，商业银行采取有效的措施，使商业银行不致于因风险的产生而造成更大的损失甚至危及其生存，并确保银行盈利性目标的顺利实现。在宏观层面系统设置上，要进一步强调垂直化、单元化的风险管理部门组织结构建设。实行风险管理部门的内部独立性，同时推广先进风险管理工具，对分析与评估技术进行科学量化，确保信贷风险的整体系统控制。近日银监会核准了六家银行（工、农、中、建、交和招行）在集团和法人层面实施资本管理高级方法，具体范围为第一支柱信用风险初级内部评级法、部分风险类别的市场风险内部模型法、操作风险标准法。商业银行应切实将风险量化、资本约束作为经营管理的核心要求，形成风险、收益平衡的经营理念，通过充实客户相关数据信息资料库，构建健全的管理信息系统、风险控制系统和决策支持系统，在线实时监控系统，实现制度化和规范化，使得风险管理工作成为科学，而不是依赖于个人主观判断。
3、风险经理与客户经理共同协调合作。
在制度的设计上，进一步落实风险经理与客户经理平行工作制度，加强对企业财务真实数据的还原能力，同时高度关注对应性重点指标，出现异常变化立即开展现场核查，审慎评估风险，研究落实针对性措施。对重点区域、重点行业、重点业务、重点环节开展高强度的现场监管，在保持合规性监管高压态势的同时，进一步突出风险性检查，切实提高现场监管检查质量和效率，提高风险处置效率，严格风险处置纪律。要真实反映信贷资产质量，强化客户评级和风险分类动态管理，及时按客户评级和风险分类相关要求调整客户评级和贷款形态，防止客户直接违约，严控评级偏离度。对符合总行强制调整贷款形态的情形，必须及时进行形态调整，严控分类。对于为了完成阶段性的工作指标，在较少考虑风险的情况下突击放款的行为要坚决制止。
4、落实激励约束机制和经营监管。
关键词：大数据；学术期刊；评价标准；创新
DOI：10.163 15/j.stm.2016.04.014
中图分类号：F276.3 文献标志码：A
学术期刊办刊水平的高低最终要通过期刊评价予以检验，从一定程度上讲，期刊评价的标准决定了期刊未来发展的方向和目标，期刊评价标准的合理设立对学术期刊的健康成长至关重要。随着移动互联网、云计算、可信计算等一系列新型信息技术的迅猛发展，一个大规模数据生产、储存、分享、应用的“大数据”时代逐渐开启。“大数据”时代的到来，对我国学术期刊的未来发展将产生巨大影响，期刊的运营模式、出版流程都将发生根本性变革，如一些学者所预测的，“大数据”时代的到来将造就全新意义上的学术期刊。相应地，“大数据”也将导致学术期刊评价的革命，一方面，大数据时代学术期刊功能定位的变化要求必须确立新的、符合时展要求的评价标准，另一方面，大数据科技的应用也将为期刊评价提供新的技术手段与方法，大大提升期刊评价标准的精确性与全面性。在这一背景下，深刻把握大数据时代学术期刊发展规律，科学探析大数据时代期刊评价标准可能的创新与发展方向，对于我们有效应对大数据挑战，推动学术期刊的未来发展具有重大意义。本文拟对这一问题进行初步探讨，以期对未来期刊评价方面的研究有所启示。
1我国当前主要学术期刊评价系统及其评价标准
1.1我国当前主要学术评价系统
我国当前的学术评价体系起源于20世纪70年代，经过几十年的变革与发展，目前形成了既符合国际化评价标准要求又具有我国学术研究特色的学术期刊评价体系。根据学科和专业研究领域的不同，目前已形成了5大期刊评价权威系统并根据其系统要求定期出台期刊评价报告，这5大系统包括：南京大学研制的《中国人文社会科学引文索引》、北京大学图书馆研制的《中文核心期刊要目总览》、中国社科院文献信息中心研制的《中国人文科学引文数据库》、中国科学院文献情报中心研制的《中国科学引文数据库（CSCD）》以及中国科学技术研究所研制的《中国科技论文与引文数据库》。
1.2五大评价系统的具体评价标准及其特征
这5大评价系统的期刊评价标准主要是根据布拉德福文献集中定律和加菲尔德文献集中定律予以制定，其具体评价指标则参考了美国EI、SCI等国际期刊数据库的评价标准。所谓布拉德福集中定律，是1934年由英国学者S.L.布拉德福提出的，他在对一些特定的学科领域期刊的数量及其刊登的相关论文数量进行统计的时候，发现期刊的内容对于某一个别学科来说呈现出远近亲疏不等的情况，“如果将科学期刊按其登载某个学科论文数量的大小，以渐减顺序排列，那么可以把期刊分为专门面向这个学科的核心区和包含着与核心区同等数量论文的几个区。这时，核心区与相继各区的期刊数量成1：a：a的关系。”核心区的期刊就是刊载学科论文数量最多、包含相关信息最丰富的那部分期刊。加菲尔德文献集中定律，是20世界60年代，由美国学者加菲尔德提出的期刊分布定律，他通过对一些综合性和专业性检索工具检索和收录论文的比率进行分析，发现各学科的核心期刊主要集中在少数的期刊中，而主要的期刊则更少，大多数学科期刊的发展呈现出明显的集聚效应。这两大定律是目前国际上制定学术期刊评价标准的主要依据，我国五大期刊评价系统也主要以这2个定律为准则，并在此基础上制定了大致类似的评价标准，五大评价系统的具体评价指标，如表1所示。
这五大评价系统的评价标准具有几个共同的特征：首先，5个期刊评价系统都是采用引文分析法，即通过对期刊论文索引量、被引频次和影响因子等指标的统计分析来对期刊质量作出评价，这3个指标也是期刊评价中的核心标准；其次，期刊评价数据的采集主要依托中国知网、万方、维普等网络数据库的数据资源进行统计，不进人这些数据库的文献不计入统计；再次，期刊评价基本是围绕期刊刊载文章的影响力指标进行评价，在专业领域越有影响的期刊，其评价结果就越好。
客观来讲，当前五大评价系统的评价标准是在借鉴国际已有成功经验并结合了我国学术研究特色来设定和构建的，它通过对客观数据的严格统计分析来对期刊予以评价，在一定程度上避免了人情因素、主观偏见对期刊评价的负面影响，具有相当的客观性与科学性。但同时，以影响因子和引文分析为核心的评价标准也存在诸多局限：首先，由于不同检索数据库所收录和统计的文献及期刊种类和数量有所不同，导致同一期刊依据不同数据库数据计算出的影响因子常常产生巨大差异；其次，不同学科发展情况和设置缺陷导致期刊统计源结构不合理，一些学科的期刊统计源期刊很多，影响因子较高，而一些冷门学科的期刊统计源极少，影响因子很低；最后，当前的评价标准主要关注后的索引量、被引频次，不仅评价指标片面，而且难以避免不当引文、无效引文对统计结果的影响。
2大数据对学术期刊评价标准的影响
大数据技术的应用给学术期刊的未来发展带来巨大变革，这些变革集中体现在对学术期刊评价标准的深刻影响之中。
2.1期刊评价的可采集指标更为丰富
在大数据的背景下，期刊出版发行形态将发生巨大变化，以前以纸质印刷、定期刊发为标志的出版方式将向电子化、网络化、不定期出版方向转移。期刊论文的创作、审核、修改、编辑、发表以及发表后所产生的社会反馈和影响都将依托于数字化网络平台进行，而这整个过程中的所有数据也将通过大数据技术予以记录，除了转引率、被引频次等数据，大数据和云存储技术可以为期刊评价提供更丰富的数据资源和种类以备采集，并作为期刊评价新的指标。比如，大数据技术支持下的电子阅读终端可以记录读者对某篇文章的阅读时间、次数，甚至在某些段落的停留时间，这对于未来期刊的反馈评价将是一个重要指标；再比如，通过“云存储”、“云计算”等技术可以对前的选题热度、潜在价值做出客观评测和计算，这可以做为期刊选题价值的评价指标；除此之外，大数据还可以收集并记录期刊选题策划方案、编辑规范性、构图设计水平等方面的信息，为学术期刊的整体评价提供参照指标。
2.2期刊评价的数据统计更加全面精准
以往对评价数据的采集，主要依据知网、维普、万方等数据库统计源，但许多没有被这些数据库收录的期刊却不能进入统计范围，而且由于检索系统所收录的期刊群组成差异较大，所计算的影响因子值也会产生较大差异，导致同一刊物在不同检索系统中计算出明显不同的影响因子数。而依托大数据技术的期刊评价数据采集，不仅可以覆盖全网络信息资源并统一计算方法，避免因数据库收录不足和算法差异导致的因子计算缺陷，而且对于被何种方式引用，引用量多少，有效还是无效引用，自引还是他引，都能准确记录，实现对期刊评价相关数据更为全面和精准的统计。更关键的是，大数据能够为期刊评价提供论文编辑出版发行过程中的全数据样本，并对后的索引转载情况实时动态更新，对读者阅读评价反馈全面搜集，从而实现评价数据统计的静态与动态统一、主观与客观结合。
2.3期刊评价的读者影响力更加突出
大数据背景下，期刊评价将更加突出读者评价的地位和作用。以前的期刊评价统计实际上是注重论文引用者和转载者的评价地位，兼顾同行、专家和评价机构的综合评议。但是对公开发行的期刊论文来说，论文的引用和转载者可能只是读者中的一小部分，大多数读者在阅读后不一定会将之运用到学术创作之中，但同样会对文章质量作出心理评价，这种评价实际比单纯的引文评价更全面、更有说服力但也更难以计量。而随着数字技术的发展，大数据时代的期刊出版将逐渐进化到电子出版阶段，新的电子期刊平台将不仅是一个阅读平台，更是期刊社为读者、作者、专家提供的一个互动服务平台，在这个平台上，不仅读者的浏览偏好和阅读反馈会被储存下来，而且通过独特的互动窗口，他们还可以和作者、编辑、审稿专家进行直接讨论，他们对文章内容的意见、对刊物选题策划、栏目设计、编辑方式、服务水平甚至是办刊宗旨的建议都将被完整记录，并成为期刊评价重要的参考指标。与此同时，由于大数据技术将使评价机构进行期刊数据收集和质量评价的整个过程变得更为公开透明，无形中就降低了评价机构的控制力与影响力，相对地也就更加凸显出读者群体在期刊评价中的作用。
2.4期刊评价的创新性指标更加重要
大数据时代的期刊将进入电子出版为主，纸质出版为辅的阶段。相对于纸质载体，电子载体具有无限承载能力和丰富多样的表现形式，这必然突破原来期刊篇幅、版面、格式的限制，期刊刊载论文数量将大大增加。同时，由于期刊审稿流程的变革，期刊未来会将收到的论文经过简单编辑处理直接通过电子平台，而不再经过繁琐的审稿流程（经过读者和同行评议，获得较高评价的论文再以纸质出版），这又必然导致期刊论文质量的良莠不齐。原来以索引量和发表数的比值为计算指标的影响因子评价的缺陷将更加突出。如何从海量出版信息中发现、挖掘出具有创新价值的内容，以最方便的方式提供给读者阅读评价，将是期刊首先要考虑的问题，也是未来期刊评价中非常重要的参考指标，这也将使期刊评价中的创新性、吸引力指标凸显到更加重要的位置。
3大数据背景下学术期刊评价标准的具体指标及其计算公式
大数据彻底改变了学术期刊未来发展模式及其评价方式，同时也为未来期刊评价的发展创新提供了强大的技术支持和充足的数据资源。笔者认为，依托大数据技术，未来学术期刊评价的参照指标将发生巨大变化，与当前主要参照转引率和影响因子来评价不同，未来期刊评价的指标将更加多元、更加精细，而且也将在很大程度上弥补当前评价指标的局限与不足。具体来说，未来大数据背景下，学术期刊的评价指标将可能包括以下几个方面：
3.1关注度评价指标
依靠大数据的技术支持，未来期刊评价可以尝试将期刊论文的关注度列入评价标准之中。电子化阅读终端和云计算技术可以准确记录读者在阅读期刊时的阅读量、点击量、阅读时间、阅读段落甚至是可能的阅读字数，有效记录并计算读者阅读的关注点与精细程度，阅读之后在学术社交网络和开放存取平台中被讨论的次数，并实现对期刊论文受关注度地量化统计，这将为期刊评价提供重要的参考指标。客观来讲，期刊的受关注度并不能直接反映期刊刊载文章的水平和深度，尤其对一些相对冷门的学科和研究领域，文章的专业性比较强，读者比较小众，关注度也较低。因此，在将关注度作为期刊评价指标时，必须避免单纯的量化统计，而应结合学科在不同时期的纵向对比，以及文章在稳定读者群体中关注度的变化来具体衡量，笔者认为，可以尝试在不同学科之间设置合理的浮动系数，以统计数据乘以浮动系数来计算期刊真实的关注度水平。
3.2创新观点评价指标
在大数据时代，对期刊学术水平的评价将不只体现在对其刊载论文水平的评价上，而会更应进一步细化到观点评价的层面。未来结合大数据技术的检索工具可以实现对期刊发表内容的观点检索，对期刊中关注度高、创新性大、前沿性强、具有较大影响力的观点进行数据统计和分析，以读者和同行“点亮”和转发的观点数量为统计指标，代替单纯对论文引用和下载地统计。观点评价的特点在于灵活、简洁，易于突出重点，可以更加凸显作者思维成果的创新度。它改变了以往期刊评价难以量化计算期刊创新性的局限，细化了期刊评价的创新性标准。与论文评价相比，它不仅更加适应数字化出版时代“眼球经济”发展潮流，同时也更加符合大数据时代期刊出版业态的变革趋势。
