来源：www.daxuelw.org 发布时间：2016-12-12
一、大数据概述
随着信息技术的不断发展，大数据、云计算、移动互联通讯等技术应用日趋成熟，“互联网+”模式下信息管理思维、信息技术手段同社会发展之间的融合更为全面更为紧密。据IDC(Internet DataCenter 互联网络中心)的调查报告显示，全球大数据产业未来3 年之内还将出现200%的累计增长，市场规模将超过240.9 亿美元，其整体增速约为目前信息通信技术市场的7 倍，2016 年大数据行业的收入将达241.2 亿美元。而我国的市场规模将从2011年的7760 万美元增长到2016 年的6.17 亿美元，未来5 年的复合增长率将达51.4%，市场规模将增长近7 倍。目前，大数据应用已经在金融、天文、军事、医学等领域日臻完善。这对大数据及其理论思想的发展形成了广泛的产业与行业驱动效应，对我们所处的社会与生活方式也产生着日益深远的影响。
纵观大数据的迅猛发展，可以说其产生和发展虽然并非以突变的形式实现，但在对数据集合的应用方式与理念上，大数据却具有划时代的意义。其发展特点主要表现为：1.大数据与传统数据集合在功能实现上的要求一脉相承。无论是传统数据集合还是大数据的产生，其自身功能实现都是通过获取数据逻辑关系形成宝贵的信息价值、积极资讯和知识资源，进而为组织和个人的决策起到信息支持作用。2.大数据的发展历程实现了传统数据由被分析处理的对象到分析处理主体的角色转变。当一个社会组织中数据的积累量足够大，量变将会引起质变。“大数据”通过对海量数据有针对性的分析，赋予了互联网智商，这使得互联网的作用从简单的数据交流和信息传递上升到基于海量数据的分析。简言之，“数据开始能够思考”。这是继云计算、物联网之后计算机领域的又一次颠覆性的技术变革，它对于国家治理模式，企业的决策、组织和业务流程以及个人生活方式都将产生巨大的影响。
(一)大数据思想的概念内涵
维基百科中关于大数据的定义为：大数据是指利用常用软件工具来获取、管理和处理数据所耗时间超过可容忍时间的数据集。IDC 对大数据做出的定义为：大数据一般会涉及两种或两种以上数据形式。它要收集超过100TB 的数据，并且是高速、实时数据流；或者是从小数据收集开始，但数据每年会增长60%以上。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。不难看出以上定义或以定性的描述方式提出，或以定量的量化方式提出。但有些定义在内容所指方面模糊不清，有些则单纯量化了大数据内涵特征的某个或某些方面，大数据内在的全部要义尚没有准确的概念定义。
应该说，大数据目前并没有确切的概念定义。因此，可以将大数据理解为“涵盖了人们在大规模数据的基础上可以做的事情，而这些事情在小规模数据的基础上是无法实现的。换句话说，大数据让我们以一种前所未有的方式，通过对海量数据进行分析，获得有巨大价值的产品和服务，或深刻的洞见，最终形成变革之力”。
在自身特性方面，大数据的基本特性可用“4V”概括：
1.(Volume)数据体量巨大。从KB 级别，跃升到YB 级别。计算机对数据的存储先后经历了如下数量级的跃升：大数据中的体量巨大主要源于信息技术的广泛应用与信息技术水平的不断提高。一方面，随着计算机与网络技术的普及应用，社会实践活动也越来越多地被高集成、高存储的信息处理工具所记录。数据规模呈现出了巨量空前的爆炸式增长。另一方面，随着信息技术的飞速发展，计算机及网络环境下针对数据的交互、存储、运算等信息应用技术水平也不断地迅猛提升。同时，云存储、云计算等技术的发展又进一步激发了数据体量的增长。
2.(Variety)数据类型繁多。大数据环境下，与数据规模浩大伴生的特点则是纷繁多样的数据类型。目前的计算机与网络存储不再单一涵盖文本文件，存储对象包括网络日志、视频、图片、地理位置信息等等。多样化数据的呈现对数据处理的原则、方式、技术提出了新的要求。
3.(Veracity)价值密度低。数据体量的巨大与数据类型的多样决定了大数据的价值特点：一方面大数据体量巨大，涵盖了我们所处的环境，在各领域活动中产生大量的数据，并且这种数据越来越全面具体地记录着现实世界。另一方面虽然大数据拥有巨大的价值总量，但同时它也具有数据价值密度低、价值不易提取的特点。
4.(Velocity)处理速度快。如果说传统数据挖掘的处理速度快是“改善型”的需求，那么大数据环境下对数据处理速度的要求则是“刚需型”的。在数据总量从PB 级向着ZB 级发展，单位时间数据增量达到传统数据量总合相同甚至数倍的环境中，要通过运算处理提取出所需数据及其价值，势必对数据处理速度提出极高的要求。
在大数据产业已成规模的今天，企业在大数据管理应用方面的需求尤为迫切，数据俨然成为了企业中继人财物之后又一重要的战略资源。“4V”特性的提出，让我们更加清晰地认识到大数据与传统数据在质与量上的本质区别。能否合理解决这些本质特性在数据收集、存储、整合与开发利用方面的要求，成为大数据环境下企业对数据管理应用成功与否的关键。
(二)大数据思想的本质及特点
大数据拥有全新的内涵与特征，其形成因素不乏客观上信息技术的发展与数据的积累，而更加不容忽视的因素则是大数据思想的产生。大数据思想是“人脑中的大数据”，它先于现实中大数据的产生。在数据膨胀初期，人们便试图颠覆传统的思维模式寻求全新的数据管理模式。面对数据规模、种类、需求的激增激变，管理者能动地改造了自身的数据观和方法论，逐步发展为成熟的大数据思想。伴随着这种管理思维的完善与发展，数据集合规模进一步扩张，潜在价值进一步激活，管理效率进一步提升，资源类型进一步丰富，量变的不断积累最终迎来了质变后的大数据时代。
通过研究大数据的发展历程及其内涵，我们可以对这背后的大数据思想加以总结。笔者认为，大数据思想是一种“顺势而为，乘势而上”的管理思想，其本质是通过适当的管理、处置和分析对管理主体尽可能地提高数据集合的完整度，激发与呈现数据集合潜在的巨大应用价值。它与大数据的内涵特征相互适应，相互统一，互为促进，共同发展。在对这种思维理念的研究中，总让人联想到古代大禹治水中的管理思想。面对巨量数据集合的到来犹如面对浩大迅猛的洪流，只有运用疏堵相宜的管理思维，方可化“危”为“机”，为我所控，为我所用。大数据思想的内在本质，决定了其思想内容较传统数据思想所独有的特点。
1.大数据思想追求数据的完整性
大数据思想中对数据完整性的追求，实际上是一种“样本=总体”的思维转变。其主张在收集、管理和利用数据以获得数据价值的过程中应面向总体数据，而不再仅仅依靠小规模的抽样数据集合。大数据环境下，计算机技术的大幅提高使人们对大规模数据集合的处理成为现实。针对体量巨大、类型复杂、价值分散数据的处理实现了高效、迅速而精准。这种对数据近乎完整的处理显然比小规模抽样数据的处理更趋于理想。这里我们采用“近乎完整”来描述大数据，是因为必须进一步认清大数据的完整性思想。即大数据主张“样本=总体”，这种思想中的数据似乎称之为“全数据”更为贴切，但事实上完整性思想充分认识到了现实中人类可以获取和处理的数据依然是有限的，也永远是有限的，只是我们处理的数据量发生大幅增加，而且未来会越来越多。其实质是以“样本=总体”的思想指导实践中的“样本→总体”(趋近于)。由此可见，大数据中的“大”并非只具有形容涵义，同样具有动态涵义，且这种动态的“大”在充实数据集合方面具有矢量性的特点。这一特点的表现正是对数据完整性的追求。
2.大数据思想充分接纳数据的混杂性
大数据思想的又一特点是其对数据精确性的要求不再执着，转而开始接纳数据的混杂性。这里提到的数据混杂性主要指两个方面：一方面是大数据环境下，伴随着数据体量的扩张，不精确的甚至错误的数据也在不断产生；另一方面则来源于纷繁复杂的数据的类型和格式。这也是大数据自身特点的突出体现。
所谓接纳数据混杂性的思想，实际上有两层含义，即我们无需也无法再执着数据的精确性。大数据环境中我们处理和应用的对象不再是传统的小规模数据样本，数据的更加完整降低了处理中对数据精确性的依赖。大数据遵循“样本=总体”的理念，我们的数据规模更加接近于总体数据。虽然它尚未也无法实现绝对的“样本=总体”，但在数据规模与数据需求极不对称的情况下，相对的“样本=总体”已经在大数据环境下得以实现，并且随着规模的扩大，对精确度的依赖明显减弱。接纳混杂性的思想正是运用大数据的规模效应来消除不精确数据的影响，使得大数据的简单处理比小数据的复杂处理更有效，进而实现更客观、更高效、价值总量更高的数据应用。
3.大数据思想强调数据的相关关系弱化因果关系
传统数据环境中，数据处理工具对人的辅助水平较低。在具体到特定数据的提取、处理、分析方面需要选取小部分数据来逐一分析。但在大数据环境下，数据体量规模巨大、类型庞杂，系统依赖的是相关关系，相关性的数据更容易被计算机处理和分析。随着大数据时代计算机技术的迅速发展，计算机数据处理能力的提高，使得电脑运行速度更快，存储空间更大。经过运算分析，计算机能够发现数据的“非线性相关关系”。在网络技术空前发展的今天，智能手机的应用俨然已成为个人网络行为的数据传感器，网络环境下记载了人们越来越详细的活动数据。计算机网络通过对这些数据客观的相关性分析，可以获得个人的兴趣、习惯和需求的信息资料，而这种分析方式与传统环境下通过对用户样本数据运用统计分析得出结果的方式迥然不同。
强调数据相关性思想是一种对数据处理由传统的经验思想向大数据的证析思想的转变。在此思维转变的基础上形成的大数据相关关系分析法更加准确、更加迅速，同时不易受人们主观动机和需求的影响，而且建立在相关关系分析法基础上的预测更是大数据追求相关性思想的核心体现。
二、大数据思想在企业档案管理中的价值
引入大数据思想变革企业档案管理工作，正是将这种顶层规划设计与企业自身内部需求与外部环境相结合产生的探索和创新。其目的在于通过对大数据思想的研究与应用，着力解决新形势新环境下企业档案管理工作中的一系列理论与实践问题，实现企业档案工作的主动性、协调性、灵活性、高效性运转，服务于企业核心市场竞争力的增强与企业发展战略的实施。大数据思想为企业档案管理认识提供了全新的视角和思路，现有的企业档案管理实践也将因此产生深刻的变革和发展。其研究价值体现在以下几方面。
(一)大数据思想变革企业档案管理的理念价值
首先，大数据思想下的企业档案管理变革强调对档案的数据级管理，使传统企业档案管理理论中的文档概念加以延伸。档案作为社会实践活动的原始记录，在很长的一段时期内都是以文档形态存在的，在大数据思想下全新的档案信息承载单位可能是文档级别的，也可能是数据级和系统级的，甚至将以企业私有云的形态出现。这为企业档案管理开启了全新的研究和变革的领域。
同时，大数据的核心在于预测分析的客观性。通过对企业档案管理范围内全部数据的分析获得企业自身的档案需求，相较传统经验性的管理更加具有客观性与适应性。将大数据思想融入企业档案管理中，能够让企业档案部门和档案工作更清晰、准确、及时地获得企业内在档案信息需求并实现基于量化数据的解构分析。
再有，大数据思想下的企业档案管理变革有利于管理者认识企业档案的完整价值，并由此促进企业档案的功能扩展。基于档案资源体系的完善和档案需求的深度挖掘，不仅能在开发利用中充分发挥档案信息的价值，更重要的是能够提升档案部门在企业中的价值和地位，使企业档案工作实现良性机制下的持续发展。
(二)运用大数据思想变革企业档案管理的实践价值
1.运用大数据思想变革企业档案管理有利于促进企业档案资源的整合开发；让企业档案信息资源最大限度地承载企业发展的原始记录信息。通过不断收集企业发展中产生的原始记录信息，能够充分证析企业行为，传承企业文化。
2.运用大数据思想变革企业档案管理有利于增强管理业务流程的适应性和扩展性。档案工作业务流程在充分考虑数据完整性、混杂性、相关性的基础上，能够更充分地与企业行政管理、生产经营、科技研发、教育培训等业务流程进行对接，进而确保企业档案管理适应各类信息数据需求，扩展管理功能。
3.运用大数据思想变革企业档案管理有利于确保档案及其管理部门的职能得以充分发挥。企业档案工作中引进基于档案大数据的预测分析功能，将为企业的战略决策、情报分析、技术改进等诸多方面提供更为客观、完整的参考材料。当前，企业的档案管理部门大有向企业数据中心、知识中心发展的趋势，伴随着部门职能的充分发挥，大数据思想下的企业档案工作正在发生着深刻的变革。
TAG标签：
代写MBA论文 代写硕士论文 代写毕业
82274534