数据时代的平台战（精选11篇）
数据时代的平台战 第1篇
当今社会信息化和网络化的发展导致产生的数据爆炸式的增长。据统计,平均每一秒有200万用户在使用Google搜索; 每一分钟,微博推特上新发的数据量超过10万; 社交网络“脸谱”的浏览量超过600万; 各种监测、感应设备也在源源不断地产生数据。2012年全球信息总量已经达到2. 7ZB,而2015年这一数值预计会达到8ZB。显然,大数据时代已经到来[1,2,3,4,5,6,7,8,9]。大数据的火热并不意味着对于大数据的了解深入,反而表明大数据存在过度炒作的危险[10]。大数据的基本概念、关键技术以及对其的利用均存在很多的疑问和争议[10]。本文首先简要介绍大数据的基本概念,分析大数据时代面临的新挑战,在此基础上,设计一种安全的网络数据云存储平台。
1. 1大数据的基本概念
大数据并不是数据大。普遍的观点认为,大数据指规模大且复杂以至于难以用现有的数据库管理工具或者传统的数据处理软件处理的数据集。人们用“大数据”一词描述和定义信息爆炸时代产生的海量数据, 并命名与之相关的技术发展与创新。大数据的常见特点包括: 数据量大( Volume) 、类型繁多( Variety) 、速度快时效高( Velocity) 。除此之外,还有提出4V定义的,即尝试在3V的基础上增加一个新的特性。关于第四个V的说法并不统一,IDC认为大数据还应当具有价值性( Value) ,大数据的价值往往呈现出稀疏性的特点。而IBM认为大数据必然具有真实性( Veracity) 。下面详细描述3V特性和Value特性。
( 1) 数据量大: 大数据的起始计量单位至少是P( 1000个T) 、E( 100万个T) 或Z( 10亿个T) 。
( 2) 类型繁多: 数据类型包括网络日志、音频、视频、图片、地理位置信息等等,多类型的数据对数据的处理能力提出更高的要求。
( 3) 速度快时效高: 处理速度快,时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。
( 4) 价值密度低: 数据价值密度相对较低。如随着物联网的广泛应用,信息感知无处不在,信息海量,但价值密度较低,如何通过强大的机器算法更迅速地完成数据的价值“提纯”,是大数据时代亟待解决的难题。
数据规模越大、类型越复杂,处理的难度也越大,但对其进行挖掘得到的价值更大。
1. 2大数据带来的挑战
目前,大数据技术的运用仍存在一些困难,应用不同、服务对象不同,面临的困难也不相同。综合大数据挖掘技术面临的困难和大数据安全方面的需求,认为大数据带来以下挑战。
( 1) 数据采集、存储和生命周期管理。
由于互联网巨大规模的应用,物联网、移动互联网的飞速发展,数据类型、数据结构、数据模式越来越复杂多样,数据模型、参数和学习方法出现更多的不确定性。在数据采集阶段,特别是对于传感器采集的大量数据,要解决的问题是如何去除冗余信息、附上时空标志、去伪存真,尽可能收集异源异构的数据,必要时还可与历史数据对照,多角度验证数据的全面性和可信性。在数据存储阶段,要解决的问题是如何利用冗余配置、分布化和云计算技术,按照一定规则对数据进行分类,通过过滤和去重,减少存储量,同时加入便于日后检索的元数据,以达到低成本、低能耗、高可靠性目标。同时,完全保留累计增长的原始数据,特别是各种监测、感应设备产生的原始数据,既不现实也不合理。对数据进行合理的生命周期管理,保证有用数据的持久性存储和冗余数据的及时清理,是大数据时代亟需解决的问题。
( 2) 数据的处理,包括数据处理方法的高效性、数据处理结果的可信性以及可视化呈现。
大数据的价值密度相对较低,需要快速提纯。有些行业的数据涉及上百个参数,其复杂性不仅体现在数据样本本身,更体现在多源异构、多实体和多空间之间的交互动态性,难以用传统的方法描述与度量,处理的复杂度很大,需要将高维图像等多媒体数据降维后度量与处理,利用上下文关联进行语义分析,从大量动态而且模棱两可的数据中综合信息,并导出可理解的内容。不同的数据处理方法和数据分析模型可能带来不同的数据处理结果,如何判断数据处理结果的可信程度,以更准确合理的方式调整数据处理方法,是当前面临的一个难题。数据的分析模型一般基于某些假设,决策者在得到分析结果时,往往要根据分析模型判断假设条件是否合理。因此,处理的结果还要满足可视化呈现以及可回溯、可判定的需求。
( 3) 数据的安全和隐私问题。
与其他信息一样,大数据在存储、处理、传输、使用等过程中,都存在安全问题。保护对象不仅包括大数据本身,也包括对大数据进行处理和分析后得到的知识。在大数据时代,淘宝知道我们的购物习惯,腾讯知道我们的好友联络情况,亚马逊知道我们的阅读习惯,Google、百度知道我们的检索习惯。即使无害的数据被大量收集以后,也会暴漏个人隐私。在大数据时代,数据的生产者,也是数据的存储、管理和使用者,因此原有的技术手段已经无法限制对用户信息的非法使用。
本文设计的安全云存储平台充分考虑用户的安全需求,使用私有云和公共云的混合云架构,在云间迁移策略方面充分考虑安全问题,使用加密数据进行迁移。
2安全云存储平台架构
安全云存储平台包含四个部分,私有云、公共云、管理层和客户端。如图1所示。
2. 1客户端
客户端和云存储平台之间的数据通道为标准S3接口。客户端通过标准S3接口获得私有云提供的存储服务,包括上传,下载,删除,更新,文件夹同步等操作。客户端通过消息队列与管理层、私有云管理程序mi- grate_manager_on Swift进行通信,完成新用户注册、用户密码修改、用户数据迁移等相关操作。
2. 2私有云
私有云包含三个模块: 加密IP - SAN、私有云分布式对象存储系统Openstack Swift、私有云管理程序mi- grate_manager_on Swift。其中,加密IP - SAN是具有加解密功能的磁盘阵列,通过标准i SCSI接口与分布式对象存储系统Swift对接,作为私有云存储的硬件资源。加密IP - SAN保证存储的安全性,即使存储磁盘被盗取,用户数据也不会被识别和窃取,从而防止硬件失窃导致的数据泄露事件,避免数据丢失给用户造成巨大损失。私有云分布式对象存储系统为开源软件Openstack Swift,认证模块基于Swift的插件Swauth。Swift是一种可伸缩的对象存储系统,采用标准化的服务器存储PB级可用数据。内建冗余和数据恢复机制,没有主控节点,因而具有极好的性能以及可扩展性。Swift不能像传统文件系统那样进行挂载和访问,只能通过Re ST API接口访问数据,并且这些API与亚马逊的S3服务API是兼容的。migrate_manager_on Swift为驻守在Swift的代理服务器上的管理程序,负责处理客户端、管理层与Swift、Swauth之间的消息交互。并直接调用Swauth和Swift的接口。
Swift系统主要组件包括Proxy Server,Storage Server,Consistency Servers和Ring[11]。
Proxy Server是提供Swift API的服务器进程,负责Swift其余组件间的相互通信。对于每个客户端的请求,它将在Ring中查询Account、Container或Object的位置,并且相应地转发请求。Proxy提供Rest - full API,并且符合标准的HTTP协议规范,使得开发者可以快捷构建定制的Client与Swift交互。
Storage Server提供磁盘设备上的存储服务。在Swift中有三类存储服务器: Account、Container和Object。 其中Container服务器负责处理Object的列表,Container服务器并不知道对象存放位置,只知道指定Contain- er里存储的Object。Object信息以sqlite数据库文件的形式存储。Container服务器也做一些跟踪统计,例如Object的总数、Container的使用情况。
在磁盘上存储数据并向外提供Rest - ful API并不是难以解决的问题,最主要的问题在于故障处理。 Swift的Consistency Servers的目的是查找并解决由数据损坏和硬件故障引起的错误。主要存在三个Server: Auditor、Updater和Replicator。Auditor运行在每个Swift服务器的后台,持续地扫描磁盘检测对象、Container和账号的完整性。如果发现数据损坏,Auditor将该文件移动到隔离区域,然后由Replicator负责用一个完好的拷贝替代该数据。在系统高负荷或者发生故障的情况下,Container或账号中的数据不会被立即更新。如果更新失败,该次更新在本地文件系统上会被加入队列,然后Updaters会继续处理这些失败的更新工作,其中由Account Updater和Container Updater分别负责Account和Object列表的更新。Replicator的功能是处理数据的存放位置是否正确并且保持数据的合理拷贝数,它的设计目的是Swift服务器在面临如网络中断或者驱动器故障等临时性故障情况时可以保持系统的一致性。
Ring是Swift最重要的组件,用于记录存储对象与物理位置间的映射关系。在查询Account、Container、 Object信息时,就需要查询集群的Ring信息。Ring使用Zone、Device、Partition和Replica维护这些映射信息。 Ring中每个Partition在集群中默认有3个Replica。每个Partition的位置由Ring维护,并存储在映射中。 Ring文件在系统初始化时创建,之后每次增减存储节点时,需要重新平衡Ring文件中的项目,以保证增减节点时,系统发生迁移的文件数量最少。
2. 3公共云及云间迁移
在私有云空间不足而又不能即时扩容时,为了保证对用户的服务不中断,我们提供私有云和公共云组成的混合云服务。当私有云空间不足时,系统通过详细设计的迁移策略,保证用户的数据在迁移过程中的安全性。同时,保证用户在访问被系统迁移到公共云上的数据时,能得到与存储在私有云相同的无差别服务。公共云系统包括百度云,腾讯云,阿里云等商业云存储服务提供商提供的公共云服务平台。
2. 3. 1管理层
管理层提供私有云存储空间管理、数据迁移管理,用户管理等相关管理功能。私有云存储空间管理指管理层对私有云的剩余空间进行监控,当私有云剩余空间不足时,启动迁移动作。数据迁移管理指管理层确定哪些文件将被迁移至公共云。用户管理指管理层负责用户信息的管理,包括用户保存哪些文件,以及保存文件的位置是私有云还是公共云等。
2. 3. 2云间迁移策略
云间迁移策略充分考虑用户的安全需求、私有云空间的健康状态、文件被访问的记录信息,保证在迁移时不影响或者尽可能少地影响私有云向用户提供的服务。根据私有云剩余空间情况、用户活跃度和文件活跃度,即用户登录次数、文件被访问的时间和次数,进行既满足私有云剩余空间充足、也满足向公共云迁移的文件在将来被访问的流量尽可能少的云间迁移。
2. 3. 2. 1从私有云向公共云的迁移流程
从私有云向公有云的迁移流程如图2所示。包含以下步骤:
步骤1: 管理层扫描私有云剩余空间情况。对于剩余空间设定双门限值: 普通低门限值THL,紧急低门限值THU。假设当前剩余空间值为Xr。当满足条件Xr > THL时,定义剩余空间为健康状态,无需其他操作; 当满足条件THU< Xr < THL时,定义剩余空间为亚健康状态,启动迁移定时器,准备在私有云服务空闲时刻进行迁移; 当满足条件Xr < THU时,定义剩余空间为不健康状态,立即启动迁移操作。
步骤2: 当管理层的迁移定时器触发或者由于剩余空间为不健康状态管理层立即启动迁移操作时,管理层扫描数据库,查看文件的访问记录。根据最后访问时间记录信息,标记不活跃用户的最后访问时间距离当前时间最长的文件。
步骤3: 管理层获得标记文件列表,并通过映射函数,获得文件在私有云的具体存储位置,包括存储节点IP地址和存储节点的目录结构信息。
步骤4: 管理层根据文件目录结构信息,从私有云的存储节点将文件对应的密数据复制到本地缓存。 步骤5: 管理层通过公共云开放API,将复制到本地的待迁移数据上传到公共云。
步骤6: 管理层更新数据库,将用户和对应的文件的位置信息进行更新。便于用户再次访问该文件时, 及时准确的向用户提供服务。
步骤7: 管理层通知私有云管理程序,删除已经复制到公共云的文件。 步骤8: 私有云管理程序通过数据库,获得标记文件列表。
步骤9: 私有云管理程序根据标记文件列表,删除私有云上的文件副本。
步骤10: 私有云管理程序更新数据库,再次标记文件列表,确保标记过的文件不再重复操作,从而保证下次迁移正常进行。
2. 3. 2. 2由公共云向客户端和私有云的迁移流程
从公有云向客户端和私有云的迁移步骤如图3所示,包含以下步骤:
步骤1: 客户端下载文件,该文件已经被系统迁移至公共云。客户端向管理层请求文件迁回。 步骤2: 管理层查询数据库,获取该文件的位置信息和具体参数。
步骤3: 管理层以密文数据形式从公共云迁回文件。
步骤4: 管理层通过解密器将文件还原成明文,并下载到客户端。客户端获得下载服务。
步骤5: 为了用户在下次访问该文件时能更快速,当私有云空间充足时,即私有云剩余空间大于THL时, 将该文件存放到私有云中。管理层以用户的< 账号、用户名、文件夹、文件名> 信息为入参,通过私有云管理程序,将该文件存放至私有云上。
步骤6: 私有云管理程序更新数据库。保证客户端再次下载该程序时,可以直接从私有云获得服务。
3相关工作及实验
目前已经有多家互联网公司提出多种商业混合云存储方案,如国外的亚马逊、Vmvare、惠普、微软等公司,都有混合云存储方案。同时,国内的腾讯、阿里巴巴、华为等也都有自己的混合云解决方案。本文提出的安全云存储平台与商业混合云存储方案相比,具有以下特点: 1加密采用流式加密方法,并支持国产密码,适用于安全性能要求高的行业; 2云间迁移对用户透明,并且在迁移过程中保持密数据迁移,加密强度在迁移过程中不被破坏; 3支持大量小文件存储,适用于日志文件的存储和更新。
该平台在DELL服务器上进行文件上传的速率测试。服务器型号DELL Power Edge R720,CPU型号“24 Intel( R) Xeon( R) CPU E5 - 2620 0 @ 2. 00GHz”、网卡速率1000Mbps。本次测试采用三种测试方法,分为基于scp命令行的方法测试网络传输速率,采用基于cp命令行的方法测试硬盘IO读写速率和采用S3接口上传的方法测试多副本情况下安全云存储平台的速率。对大小为368576776字节的文件进行50次上传实验,测试结果如表1所示。安全云存储在副本数为3个的情况下,平均上传速率略高于网络传输速率的三分之一,为29. 60 Mbps。安全云存储可以通过修改配置的方式修改副本数,提高上传速率。测试结果也表明加密算法并没有降低上传的速率。
4总结与展望
为了应对大数据的发展趋势,更好的满足用户数据安全存储的需求,亟需构建新型的网络数据安全云存储平台。与传统的数据平台不同的是,大数据海量的规模、多样的类型、快速的流动和动态的体系,以及巨大的价值是网络数据安全云存储平台构建需要重点考虑的几个因素。除此之外,数据的分类存储、数据平台的开放性、私有云向公共云的数据迁移等都为安全云存储平台的建设带来前所未有的挑战。
摘要：云计算、物联网、社交网络等新兴服务促使人类社会的数据种类和规模正以前所未有的速度增长,大数据时代正式到来。数据从简单的处理对象开始转变为一种基础性资源,如何更好的存储和利用大数据已经成为普遍关注的话题。本文对大数据的基本概念进行剖析,分析了大数据带来的挑战,在此基础上,设计了一种安全的混合云存储平台架构。该混合云存储平台架构已经应用于智能云电视产业链项目,目前已正常运行10个月。
关键词：大数据,云计算,安全云存储
参考文献
[1]Nature.Big Data[EB/OL].[2012-10-02].http://www.nature.com/news/specials/bigdata/index.html.
[2]Randal E.Bryant,Randy H.Katz,Edward D.Lazowska.Big-Data Computing:Creating revolutionary breakthroughs in commerce,science,and society[EB/OL].[2012-10-02],http://www.cra.org/ccc/docs/init/Big_Data.pdf.
[3]Science.Special Online Collection:Dealing with Data[EB/OL].[2012-10-02].http://www.sciencemag.org/site/special/data/.
[4]D.Agrawal,P.Bernstein,E.Bertino,et al.Challenges and Opportunities with Big Data-A community white paper developed by leading researchers across the United States[EB/OL].[2012-10-02],http://cra.org/ccc/docs/init/bigdatawhitepaper.pdf.
[5]James Manyika,Michael Chui,Brad Brown,et al.Big data:The next frontier for innovation,competition,and productivity[EB/OL].http://www.mckinsey.com/Insights/MGI/Research/Technology_and_Innovation/Big_data_The_next_frontier_for_innovation.
[6]World Economic Forum.Big Data,Big Impact:New Possibilities for International Development[EB/OL].http://www3.weforum.org/docs/WEF_TC_MFS_Big Data Big Impact_Briefing_2012.pdf.
[7]Big Data Across the Federal Government[EB/OL].[2012-10-02].http://www.whitehouse.gov/sites/default/files/microsites/ostp/big_data_fact_sheet_final_1.pdf.
[8]UN Global Pulse.Big Data for Development:Challenges&Opportunities[EB/OL].http://www.unglobalpulse.org/projects/BigDatafor Development.
[9]NY Times.The age of big data[EB/OL].[2012-10-02].http://www.nytimes.com/2012/02/12/sunday-review/bigdatas-impact-in-the-world.html?pagewanted=all.
[10]孟小峰,慈祥.大数据管理:概念、技术与挑战[J].计算机研究与发展.2013,50(1):146-469
数据时代的平台战 第2篇
寻宝大作战
【微信寻宝大作战】自恋、好事、聪明、手快的微迷们，【微信寻宝大作战】来啦！现在用上你们的童年、青春+回忆，为你的小手加足马力，参与【XXXX】官方微信、微博互动活动，闯出一片天地，互动乐不停！即有机会赢取“刮刮卡”一张！每周参与，每周有奖！快来邀请好友一起关注XXXX【微信寻宝大作战】吧！
从即日起，关注【XXXX】官方微信，参加【微信寻宝大作战】活动，XXXX等你来拿。号召亲朋好友一起参与，机会多多！朋友围坐一起闯关，趣味更浓更滋味！朋友圈分享，好东西朋友一起来分享！【邀请好友】：
①进入微信 →朋友们 →添加朋友 →查找微信公众帐号 →输入 XXXX → 点击关注 【活动时间】：
每周一期，每周三发布谜面！【活动规则】：
参与请输入：芝麻开门+手机号！根据谜面提示回答宝贝所在地址，如回答正确，系统将给予提示，可领取XXXX！（每周限前200名用户）
共计：
元 【分享大礼】：
数据时代的平台战 第3篇
关键字：大数据;数据仓库;教育决策
中图分类号：TP393 文献标志码：A 文章编号：1673-8454（2015）01-0014-02
一、教育的大数据时代
在大数据的时代，各行各业都在谈大数据，它的影响辐射各行各业，并且已经开始在信息产业、交通运输、医疗卫生、食品安全等领域中发挥出重要作用。与此同时，作为面向社会公众的教育行业，无论从教育数据资源的情况，还是对大数据的分析应用需求看，亦进入了大数据时代。
教育管理信息化是《国家中长期教育改革和发展规划纲要（2010-2020年）》和《教育信息化十年发展规划（2011-2020年）》所确定的教育信息化建设核心任务之一，对支持教育宏观决策、加强教育监管、提高各级教育行政部门和学校的管理水平、全面提升教育公共服务能力具有不可或缺的重要作用。教育改革发展涉及面广、难度大，越来越需要准确全面的数据分析和服务作为教育科学决策的支撑。建设国家教育管理信息系统，就是建立涵盖学生、教师、学校资产及办学条件的教育管理信息系统和基础数据库，并以此为基础建立数据分析与科学预测的教育决策服务系统，已成为支持教育改革与宏观决策的现实需求。国家教育管理信息系统的建设，也为教育大数据的积累奠定了基础。
二、教育大数据仓库与数据服务支撑平台
教育大数据仓库与数据服务支撑平台是基于教育服务与监管基本宗旨，统筹考虑教育事业全局，以适应大数据时代教育数据新特征和支撑教育监管和决策的数据分析为出发点，集成大数据思路和传统数据仓库架构，构建纵向覆盖各级教育机构，横向覆盖教育各业务领域的、统一的教育数据信息资源中心，将合适的教育数据资源及时、有效地提供给合适的教育管理、决策者进行教育主题研究分析、评价和预测，促进教育监管与决策更加合理性、准确性、科学化以及智能化，服务于教育事业的改革创新，支撑教育事业智慧化的发展趋势。
1.总体架构
平台的总体架构以教育系统全局为视角，以应用为驱动，基于SOA的理念，运用柔性架构设计思想和分层体系架构，以“满足当前应用、扩展未来需求”为目标，综合考虑大数据时代下新的技术思路和传统数据仓库的优势，采用组件化、服务化的方式，灵活适应功能、分析内容的动态追加和变更，满足系统未来变化的需要。架构的主要内容以及相互之间的逻辑关系如图1所示。
2.主要内容
（1）数据集成整合系统：是将各种数据源中的各种类型的数据按照教育数据资源中心的数据规范要求进行清洗、转换等操作，将符合教育数据资源标准体系要求的数据整合、加载到教育数据资源中心，为后续的统计、分析、挖掘业务提供高质量、规范化的数据资源;
（2）数据管控系统：是对数据资源的集中管控，保证数据的准确性、完备性和安全性。主要建设元数据管理、数据质量管理和数据安全管理，从而达到对教育数据资源中心中数据的管控;
（3）数据治理体系：是对教育数据资产管理行使权力和控制的活动集合，是建立教育数据管理制度、指导教育系统执行数据规划、数据环境建设、数据安全管理、元数据管理、数据质量管理等其他数据管理活动的持续改进过程和管控机制;
（4）数据服务调度管理系统：是整个平台的“发动机”，以教育管理各级行政单位、各级各类学校、科研院所以及社会公众等不同团体在监管、决策、研究分析以及公众数据服务等应用为驱动，将教育数据资源中心数据按照一定的规则，运用合适的智能分析技术，以组件化、模块化、服务性的方式及时、准确、合理地推送给数据分析应用中心，从而直观、友好地展现给不同的监管者、决策者、研究分析人员以及社会公众;
（5）智能分析系统：主要是利用教育数据资源中的数据，通过即席查询、统计报表、多维查询、数据挖掘等技术手段，进行多种教育主题的综合分析以及通过大量数据信息挖掘潜在信息，实现教育的评价与预测等，然后以一种合适的、直观可视化的、有好的方式及时、准确地提供给相关教育监管、决策、研究分析人员以及社会公众，从而实现教育监管、决策以及研究分析的科学化、智能化。
3.预期目标
（1）汇集不同来源的各种教育数据资源，建立起统一、规范的教育数据信息视图，形成覆盖教育各领域的、综合的、面向各种教育主题的教育数据资源中心，实现统一的教育数据管控、治理机制;
（2）形成面向不同主体的、特定领域的教育应用主题的数据集合，按照不同的教育主题进行组织、汇总、管理数据，满足政府（教育行政单位及国家其他行政单位）、学校、社会公众、国际教育团体等不同教育数据应用主体对数据进行分析解读、评价和预测的需求;
（3）建立柔性化的分析性数据应用服务的统一出口，通过灵活的组件化方式，将特定的数据集以合适的数据展示形式及时地、直观地提供给各种不同的教育数据应用领域，满足教育监管与决策的数据服务需求;
（4）建立国家、省两级教育大数据仓库与数据服务支撑平台体系，既实现不同教育级别不同类型教育数据资源的整合与集成，同时又能够满足国家和省级不同的应用需求;
（5）构建一套全面的、标准化的、可操作性的教育数据资源服务保障体系，形成一种长久有效的教育数据资源服务保障机制，可持续性地为教育监管与决策服务。
总之，国家教育大数据仓库和数据服务平台的建设实施，将全面、有效地支撑各级各类教育数据资源的分析，并且使教育监管与决策智能化的能力得到逐步提升。
三、结语
当今各行各业都在大谈大数据的时代，大数据的开发应用已经被许多国家提到国家战略的高度来进行研究。今年初李克强总理所做的政府工作报告中明确提出要设立新兴产业创业创新平台，在大数据等方面赶超先进，引领未来产业发展。作为国家公共管理部门，教育如何适应大数据时代，并利用大数据的开发应用推动教育事业的发展、改革与创新，支撑教育事业智慧化的发展趋势，是当前所有教育同仁共同思考的话题。并且随着国家教育信息化战略的实施，大数据的开发应用需求更加迫切，所以我们应当适应大数据潮流，把握机遇，充分利用大数据，结合教育信息化建设现状，构建教育大数据资源中心，有效支撑教育的监管和决策，推动教育的智慧化，从而实现教育的变革。
参考文献：
[1]张春艳.大数据时代的公共安全治理[J].国家行政学院学报，2014（9）.
[2]沈菲飞.基于数据仓库的高校学生管理预警与支持系统[J].巢湖学院学报，2007，9（5）.
[3]（英）Viktor，Kenneth著，盛杨艳，周涛译.大数据时代-生活、工作与工作思维的大变革[M].浙江：浙江人民出版社，2013.
[4]韩蕊.大数据让数据仓库更具有价值[J].互联网周刊，2014（3）.
[5]俞燕萍，丁荣涛.基于数据仓库技术的学生就业趋势分析系统设计[J].中国科技信息，2008（7）.
大数据时代的海洋云平台建设浅析 第4篇
2012年, 我国数字出版产业整体收入规模为1935.49亿元。其中电子书收入为31亿元, 超过540家出版社开展了电子图书出版业务, 共出版电子图书超过100万种, 电子图书的产品规模从2009年到2012年, 增长率为66.67%。新闻出版总署已经明确提出, 到“十二五”末, 我国数字出版总产值力争达到新闻出版总产值的25%。我国的数字出版产业已经步入快速发展阶段, 占整个文化产业的比例逐年上升, 已经成为出版产业的主要发展方向, 是国民经济和社会信息化的重要组成部分。根据新闻出版产业的特点, 政府始终是我国数字出版业发展的引导者和主要推动力, 政策带动了产业变革的深入, 传统的出版单位则是图书数字出版的主力军与重要支柱, 其数字转型的速度与质量, 关系着整个数字出版产业的市场主体构成与规模效益。信息及通信技术大发展, 大数据时代的到来, 云计算、二维码、3D打印技术、增强现实 (AR) 技术等新兴的科学技术使得新兴媒体呈现出跨时空界限的优势。数字化技术的浪潮给整个出版行业带来了强有力的冲击。当今的出版企业发展必须融入网络科技发展、信息技术的潮流当中, 探索和形成全新的适合自身的经营模式, 开拓市场新机遇。
二、专业出版社开展数字出版的优势
数字出版不仅仅指直接在网上编辑出版内容, 也不仅仅指把传统纸质版的出版物数字化, 或者把传统的东西扫描到网上, 它涉及版权、发行、支付平台和最后具体的服务模式, 即:数字内容通过网络, 在手机、PC、平板电脑、电子阅读器、MP3等终端上实现阅读, 提供电子阅读等服务的出版行为。
专业出版社拥有大量的专业图书, 这既是出版社文化产业的核心价值, 也是广大科技工作者不可或缺的专业知识宝库, 如海洋出版社建社30多年来, 出版了几千套海洋专业书籍, 涵盖了海洋各学科领域, 是海洋领域科技工作者和学生的宝贵资源, 但由于历史的原因, 一些老版本的图书很难找到, 查询起来很不方便。更为主要的是, 随着技术的进步和生活节奏的加快, 现代人越来越习惯于电子读物, 依赖于电子读物, 这就要求专业出版社为广大科技工作者提供可以检索、阅读和下载的电子图书。
专业出版社具有“专、精、特”的特点, 其在建设数字出版平台方面具有许多优势:首先, 专业出版社内容资源的一大特色是专业及同类知识点之间的相关性, 如海洋出版社出版的专著类图书, 主要集中在海洋学科领域, 数字出版可以按照海洋知识结构体系之间的联系, 将分散零碎的各种著作文献资源关联在一起, 进行有效的资源整合, 形成交错、传递和链接的特色资源库, 用户可以高效准确地检索、查询到需要的信息, 更专业、更深层次地解决用户需求, 并满足延伸阅读的需要。其次, 对于数字出版而言, 内容资源才是核心价值。专业类出版的内容产生周期较长但时效性也长, 是市场竞争的有力法宝。专业出版社在长期的专业出版过程中, 积累了丰富的内容资源, 这些专业的、独创的内容资源是行业所特有的, 难以模仿。再次, 在特定行业内有相当知名度。如海洋出版社的专著类产品在业内具有相当的品牌特色和知名度, 为数字产品进入专业市场和提供专业服务奠定了良好基础。另外, 用户的稳定性和小众化。由于专业出版社的出版物所涉及领域非常集中, 其消费群体也就相对集中和固定, 这为数字出版平台的链接使用提供了便利条件, 可以为客户提供更加符合需要的内容, 每一个用户可以找到自己的特殊需求, 享受到专业的服务。最后, 版权能得到有效保护。专业出版社大量的、宝贵的内容资源具有专业性和独占性, 借用数字水印等加密技术、合理严格的授权许可模式和保护体系, 建立完善、可靠的数字版权保护机制, 使数字产品不易被非法复制或盗版。
三、“云”推动数字出版
云计算是基于互联网的IT基础设施的交付和使用模式。基本概念是将用网络连接起来的海量的信息资源进行统一的管理和调配, 形成能为用户提供按需服务的计算资源池, 因为其资源丰富而被称为“云”。利用网络中数据和软件的能力, 按照用户的需求提供共享的软硬件和信息资源。
建立在云计算技术、移动互联网和便携式移动接收终端基础上的云服务模式, 是数字出版产业未来发展的主要方向之一。通过云计算、云服务模式, 数字出版商使分散的、碎片化的出版资源整合成整块的“云”, 可以把相关数字内容和服务项目放在云端服务器上, 供消费者随时随地按需购买或免费使用。建立统一的、在线数字出版云平台, 最大限度地方便了消费者使用, 极大地拓展了数字出版的经营领地和服务范围。通过云出版平台, 出版社可以对社内资源加密, 可以选择发行渠道进行授权、安全分发。销售渠道的数据会实时反映在平台上, 出版单位可以随时掌握, 并且, 出版社可以根据后台数据的分析, 掌握读者的查询、点击、购买等行为。
云计算技术在数字出版中能空前地节约制作和维护成本。减少出版企业在经营成本上的投资, 不必投入大量的资金购买硬件设施和系统软件。另外, 云计算技术能够提供高效的计算能力, 在海量数据加工处理方面比传统的应用具有明显的优势, 能为数字出版内容的深加工和使用提供有力的技术保障。
四、媒介融合推进新型数字内容投送平台建设
2012年数字出版内容投送平台的建设与发展是推动产业发展的突破口, 国内大部分出版集团都成立了数字传媒公司或数字出版部门, 搭建起集资源、服务、信息为一体的专业化、市场化的全方位服务平台。在这一平台上数字产业链上的内容提供商、技术提供商、产品销售商进行更深层次的相互投资参股合作, 共同开发数字出版业务。对自身的高品质的内容进行一种积极的资源整合, 实现多元化产品形态、多渠道传播。
海洋数字出版服务平台是建立在海洋出版社自身强大的资源优势和出版实力基础上的, 它可以深度挖掘资源的出版价值, 以优势项目为突破口, 做大做强。这个平台的核心技术包括以下五大系统:
(1) 海洋云运营与服务平台系统。
(2) 资源创作加工系统:海洋既有数字资源深度开发系统, 海洋知识创作生产发布一体化系统, 海洋科技、社科音像和电子出版物制作加工系统, 海洋知识资源加工管理系统。
(3) 海洋知识资源总库:海洋数字图书馆, 海洋百科大辞典集成系统, 海洋学科知识条目数据库, 海洋类专业学位论文全文资源库, 海洋学术会议全文资源库。
(4) 系统运营与服务支撑系统:包括硬件系统和软件系统。其中软件系统由如下几个部分构成:海洋数字内容传播与服务平台, 海洋百科开放式与协同创作共享平台, 海洋在线翻译平台, 海洋知识资源复合出版管理平台, 互动交流平台, 按需出版与数字印刷服务平台。
(5) 版权保护与安全认证系统。
海洋数字出版系统的建立是一个复杂的工程, 输入端包括内容提供商、技术服务商和作者。在海洋云平台上, 通过五大核心系统的运行, 建立起海洋数字出版数据库, 再利用云终端系统, 为用户提供服务 (图1) 。
五、总结与展望
处于大数据时代的传统专业出版社, 在海量繁复的信息内容中, 探索适合自身的数字出版领域的新型产品、服务、商业模式与投资机会, 将是全新的挑战。加快海洋信息化进程, 实施对海洋书刊资料的数字化, 是响应时代号召, 保障海洋事业健康快速发展的最根本的途径。海洋数字内容投送平台的建设可以达到资源共享及信息服务的社会化, 为海洋管理部门、海洋科研、生产单位、海洋的开发和科研活动提供准确、权威的数据资料, 是当今信息社会开展海洋调查和科研工作、加强海洋管理必不可少的辅助手段, 也是为海洋事业服务最便捷的手段。我们要抓住机遇, 发挥自身优势, 实现图书出版的跨越式发展, 为科技进步和经济发展铸就文化平台, 为海洋经济的发展, 为科研教学的创新, 贡献我们的力量。
摘要：随着大数据时代的到来, 各项新兴的科学技术使得新兴媒体呈现出跨时空界限的优势。数字化技术的浪潮给整个出版行业带来了强有力的冲击。数字出版是科技发展的必然。专业出版社云平台建立, 对推动本行业的科技进步具有重要、深远的影响。同时, 该平台的建设, 必将给专业出版社带来新的生机, 从而创造新的经济增长点。数字出版系统的建立是一个复杂的工程, 专业出版社资源优势和云计算技术为此提供了可能性。
关键词：数字出版,海洋,云计算
参考文献
[1]郝镇省.2012—2013中国数字出版产业年度报告[M].中国书籍出版社, 2013.
[2]刘成勇.推动数字出版进入高铁时代[J].出版参考, 2011 (21) .
[3]苗地.基于云计算技术的数字出版模式研究[J].出版发行研究, 2012 (6) .
[4]蒋宏.传统出版向数字出版转型的现实困惑与发展方向[J].现代出版, 2011 (3) .
时代新人说—对话战疫英雄观后感 第5篇
、播出时间及平台
播出时间：5月18日(星期一)上午10时(总时长为45 分钟)。
播出平台：黑龙江广播电视台新闻法治频道、少儿频道，黑龙江新闻广播、龙视频快手号、龙视新闻快手号。
二、收听收看人员
全院大学生、马克思主义学院全体教师、全院所有学生辅导员。
三、活动内容
数据时代的平台战 第6篇
关键词：大数据；图书馆馆员；信息素质；教育服务平台
中图分类号：R058 文献标志码：A 文章编号：1673-8454（2016）03-0094-03
一、引言
伴随着大数据时代的到来，数据资源的承载形式、数量与类型都发生了巨大的变化，大数据同过去的海量数据有所不同，其基本特征可以用4个V来概括（Volume、Variety、Value和Velocity），即体量大、多样性、价值密度低、速度快。大数据技术是从各种各样类型的巨量数据中，快速获得有价值信息的技术，解决大数据问题的核心是大数据技术。“大数据”不仅指数据本身的规模，也包括采集数据的工具、平台和数据分析处理系统。大数据最重要的现实是对大数据进行分析，只有通过分析才能获取很多智能的、深入的、有价值的信息，所以大数据的分析方法在大数据领域就显得尤为重要，是决定最终信息是否有价值的决定性因素。基于大数据的特点，大数据分析存在的方法理论通常包括如下几个方面，如图1所示。大数据时代获取价值信息的难度增大，因此，对图书馆馆员的专业级信息素质提出了更高的要求，馆员需要学习和掌握数据采集、资源组织、统计分析和数据挖掘等多种大数据知识与技术，以便能为读者提供高质量的信息服务和知识服务。信息素质（Information Literacy），是指明确信息需求、选择信息源、检索信息、分析信息、综合信息、评估信息、利用信息的能力。信息素质的内涵包括4个方面——信息意识、信息能力、信息道德和终身学习的能力。信息素质是1974年由美国信息工业协会的会长Paul Zurkowski首先提出的，发展到今天，最为广泛性的解释是作为具有信息素质的人，必须具有一种能够充分认识到何时需要信息，并且有能力有效地发现、检索、评价和利用所需要的信息，解决当前存在问题的能力。
二、平台架构方案
本平台基于B/S模型，采用ASP.NET+SQL Server +IIS技术方案，充分结合主流的多层平台架构技术，具备分布式、并发事务处理等能力，平台架构模型如图2所示，客户端使用浏览器形式，因而不需要安装特殊的客户端软件，使平台在易用性、管理及运行等方面变得更为简单、便捷，同时，平台亦具有良好的可靠性、适应性和可移植性等特点。
三、平台功能模块构成
本平台主要包括课程管理、测试管理、在线讨论与留言管理、专家讲座和用户管理等5个主功能模块，其中各功能模块又下设多个子功能模块，平台功能结构如图3所示：
（1）课程管理模块：是平台的核心功能模块，包括课程管理、课件及资源下载、数据挖掘技术与工具、案例分析管理、多媒体视频管理和常用术语等6个子功能。课程管理模块使馆员在有限的时间内，能自主地学习信息素质的基本知识，学会信息技术，提高信息服务能力。
课程管理模块主要完成课程的展示、上传、下载、修改、视频在线实时点播和点击量统计等任务。信息素质课程包括：数据采集、数据存取、基础架构、数据处理、统计分析（差异分析、相关分析、T检验、偏相关分析、距离分析、回归分析、曲线估计、因子分析、聚类分析、快速聚类法与聚类法、判别分析、多元对应分析或叫“最优尺度分析”、Bootstrap技术等）、数据挖掘（分类Classification、估计Estimation、预测Prediction、相关性分组或关联规则Affinity Grouping or Association Rules、聚类Clustering、描述和可视化Description and Visualization）、复杂数据类型挖掘（Text、图形图像、视频、音频等）、模型预测、结果呈现（云计算、标签云、关系图）等类型。
课件及资源下载功能主要完成课程课件、教材、参考文献和教学大纲等资源的显示、上传、下载等操作，模块中集成了大量的培训课程课件、数据库的培训课件以及第三方的培训课件。
检索知识与检索技巧模块主要包括检索技术等相关文章的展示、上传、下载和更新等任务。
案例分析管理主要完成典型案例的显示、增加、修改、删除和查询等操作。
多媒体视频管理包括教学视频和专家讲座视频两部分，平台所支持的培训视频格式为.avi、.mp4、.flv和.rm等。
常用术语模块包括各种信息知识和技术概念、重要人物、专有名词、组织机构名称缩写以及英文对照等信息，馆员可以利用术语表更顺畅地进行学习。
（2）测试管理模块：包括仿真练习和在线自我测试2个功能，用于馆员对所学的信息知识和技术等进行课程复习、内容巩固、知识扩展及自我测试；有助于馆员了解自己信息素质的实际水平，并有针对性地专门强化某方面能力。
（3）留言、咨询管理模块：该模块开拓了馆员与教师之间进行交流的虚拟空间，通过该功能双方可以通过同步或异步交流方式，实现信息交换和信息共享，是馆员完成自主学习不可或缺的环节。
（4）专家讲座模块：模块完成讲座视频的上传、下载和播放等功能，讲座主要包括数据库的使用、检索挖掘工具使用，专家讲座有利于馆员增加对热点知识、前沿知识、处理技术及技巧的学习与掌握。
（5）用户管理模块：主要完成用户的登录管理、新用户的注册和密码找回等功能。平台中的用户被分为馆员、教师、专家和系统管理员四种类型，每种类型的用户都具有不同的权限，查看、管理不同的功能模块及其子模块。平台中的密码均以密文形式保存，加强了平台的安全性保障。
四、平台核心模块的实现
图书馆馆员信息素质教育服务平台的前台主界面，如图4所示，后台管理界面如图5所示。
课程管理模块的实现：主要实现了课程和相关视频的查看、上传、下载、课程评价和点击量统计等功能。这部分内容是经过精心设计、安排的，不但包括管理学的内容，例如管理学的经典案例分析、决策、预算、控制等课程内容，还包括信息检索、重组、评价与利用等内容，主要培训课程包括信息素质概论、信息检索、数据挖掘、信息资源和信息评价与利用、大数据技术等，还包括如何查找期刊的影响因子，如何查找哪些期刊被SCI收录，科技文献类型有哪些、如何识别，如何查找哪些期刊被EI收录，如何查找论文被引用的情况，如何查找各学科核心机构、科学家和研究热点，如何查找全球学者信息，如何定期获取所需某种期刊的目次信息，如何利用网络学术交流平台等检索技术。前台课程信息展示列表如图6所示。
留言、咨询管理功能模块的实现：该功能是平台的主要功能之一，实现了教师或专家与馆员之间的答疑、讨论等任务，通过该功能教师与馆员能够进行一对一的沟通与交流，同时该模块还具有历史记录的增加、删除、修改和查询等操作功能。留言管理功能的留言板窗口如图7所示：
五、平台应用分析
信息素质教育服务平台已成功进行相关系统测试，已发布与部署完成，运行状况稳定，平台性能表现良好。平台的构建与应用给图书馆馆员在信息服务工作中带来了如下几方面的益处：
（1）平台的应用使图书馆馆员学会了在大数据时代如何获得各种各样的信息源、如何有效地管理各种信息。
（2）平台的应用使馆员掌握了信息检索的技巧与策略、信息伦理与科学道德等知识。
（3）平台的应用提升了馆员对信息的整体认知，拓宽了馆员学习信息知识和技术的渠道，是集中信息素质教育培训的有力补充。
（4）平台的应用节省了馆员学习的成本，突破了集中培训的地域空间与时间上的限制，馆员可以通过手机、电脑等终端设备进行自主学习，有效地提升了馆员的信息素质。
（5）平台的应用也方便了培训课程、讲座等信息的管理、查询、统计和分析等工作。
六、结束语
图书馆馆员信息素质教育服务平台是集信息检索知识及技巧、文献写作、信息能力自测、信息交流答疑于一体的信息服务空间。通过系统化的教学指导、大量的案例及讲座视频等让馆员学会专业级的信息检索、采集、预处理，统计和分析、数据挖掘等大数据技术，以提高自身的信息素质、提升信息服务能力与水平。
参考文献：
[1]黄丽霞，蒋永福，傅荣贤.基于新建构主义的高校信息素质教育模式研究[J].图书情报工作，2014（7）：35-39.
[2]崔雷，刘伟，闫雷，张晗，侯跃芳，黄莹娜，张浩.文献数据库中书目信息共现挖掘系统的开发[J].现代图书情报技术，2008（8）：70-75.
[3]梁作明，张悦忍.大数据背景下高校图书馆的应对策略[J].中国管理信息化，2014（23）：108-109.
[4]高珊.大数据时代的图书馆用户服务创新[J].上海高校图书情报工作研究， 2014（4）：45-49.
[5]杨屹.图书馆员信息素质与读者服务的相关探讨[J].科技创新导报，2014（35）：217-217.
[6]黄力.高校图书馆与在职研究生信息素质教育[J].情报探索，2015（1）：107-109.
数据时代的平台战 第7篇
1 作为媒体的数据库
1.1 数据库及其发展
源起于20世纪七八十年代之交、由文件管理系统发展起来的数据库,如今已经发展到其高级形态。从技术上已经发展为具备网上功能的多媒体关系数据库管理系统,可以在网上实现以各种可检索元素为节点的纵横交错的跨库、跨领域、跨国界的互联互检。在实践中,数据库或作为管理信息系统中的重要部分发挥数据存储及调用功能,为研究及决策支持服务;或作为信息存储和传播系统,本身即成为一种传媒。本文所讨论的主要是后一种数据库。
公认比较完整的数据库定义来自J.Martin,在J.Martin看来:“数据库是存储在一起的相关数据的集合,这些数据是结构化的,无有害的或不必要的冗余,并为多种应用服务;数据的存储独立于使用它的程序;对数据库插入新数据、修改和检索原有数据均能按一种公用的和可控制的方式进行。当某个系统中存在结构上完全分开的若干个数据库时,则该系统包含一个数据库集合’。”[1]
数据库的特点在于:尽可能不重复,以最优方式为某个特定组织的多种应用服务,其数据结构独立于使用它的应用程序,对数据的增、删、改和检索由统一软件进行管理和控制。[1]
以中国知网(同方数据)为例:其科技学术文献总库,现已收录文献2518万篇;人文社科学术文献总库,2584万篇;国际学术文献总库,344万篇;收录8200多种重要期刊。另外还有博士论文全文、优秀硕士论文全文、中国重要会议论文全文、重要报纸全文、中国年鉴全文、中国专利全文、国家科技成果全文、中国标准数据、党建期刊文献、国际标准全文等数据库(中国知网2009.6.25数据)。与中国知网并存的万方数据库也收有4000余万条各类学术文献(万方数据2009.6.25数据)。
如今,以同方和万方数据为代表的学术文献数据库已是在中国做学术研究难以绕行的学术信息堡垒。各种传统媒介,特别是学术期刊,已经被国内外此类学术文献数据库所绑架,以至于不进入有代表性的数据库便难以生存或降低生存质量。不得不面对的未来趋势是:要么与数据库并存,为数据库添砖加瓦,要么被数据库所埋藏。一些无纸网刊及当前尚且有纸的学术期刊,多半迟早会沦为数据库的上游信息提供商。
1.2 数据库与新媒体
有人“把关联媒体内容的系统服务统称为新媒体业务。新媒体的低成本、互动性、原创性、分众性的特点将使21世纪成为新媒体的世纪。”“以数字电视、互联网、分众广告等等为代表的新媒体不断涌现”[2]还有人说新媒体将电信、数据通信和大众传媒集成于一种媒体之中,整合了报刊、书籍、电话、广播、电影、电视等传统媒体,使以前各自分离的传播形式得以重叠、连接与整合,从而对文字、影像、声音乃至传者与受众都进行了重新构型,形成一种集制作者、销售者、消费者于一体的新型系统和新型传受方式。[3]
如果将广义的传播媒体定义为“信息传递的载体、渠道、中介物、工具或技术手段”[4],那么数据库无疑是一种媒体。
如果将建立在数字技术和网络技术的基础之上的各种媒体形式统称为新媒体,[5]那么数据库显然属于新媒体。但在新媒体技术和传播研究及实践运用已得到高度认同和普及的今天,数据库似乎尚在新媒体视野之外。尤其特别的是,走在数据库技术传播运用前列的学术期刊界,技术性研究和运用已相当成熟,却也少见将数据库作为传播平台的理论研究。
当前,依据不同的划分标准,也有将网络媒体统称为第四媒体甚至第五媒体的。笔者以“数据库”+“传播”、“数据库”+“传媒”、“数据库”+“第四媒体”或“第五媒体”、“数据库”+“新媒体”,在CNKI中按主题、题名、关键词搜索,要么为零结果,要么为不相关结果;以“数据库”+“传播”在百度中搜索,有零星的关于“数据库新闻”和“营销传播数据库”的篇章出现,但以“数据库”+“科学传播”或“科技传播”搜之,则未见相关结果。
可见,所谓“第四媒体”、“第五媒体”,在研究者的意识中并未包含数据库,比“第四媒体”、“第五媒体”宽泛的“新媒体”概念中逻辑地内涵了数据库,但从叙述和举例来看,数据库也在新媒体研究者的视野之外。也就是说,在新媒体研究上,出现了数据库的缺位。
人们在研究新媒体的时候为何淡忘了数据库?与新媒体研究中常被列举到的诸如网络、手机、户外多媒体广告、校园视频、数字电视、数字电影、博客、播客、BBS等等新媒体形式相比,数据库有什么不同?
笔者以为,原因主要有二:一是在一般性观念中,数据库常被默认为IT业的一种技术手段,的确,如果不是在科技文献数据这个领域崭露头角,数据库的传播潜质还真是难得进入人文研究者的视野;二是至目前,数据库还是设有门槛的数据堡垒绝大多数数据库均是付费方可得入的小众信息工具,尚未进入大众传媒的阵营。
1.3 数据库作为新媒体的潜质
如果以还原论的思路将世界还原为其最本质的构成要素,那么世界是由物质、能量和信息三种要素构成的。在前信息社会,信息也广泛地存在,并被人们利用着。它存在于人们对自然、社会及身边无所不在的事务的认识中,存在于人与人之间的交往和对话中,存在于人们总结出来的各种知识和经验中,存在于人类积累和传承的各种文明和文化中。但人们那时对信息的使用是无意识的,人们并不知道、还未认识到有一种叫做信息的东西。人类最早认识到信息是在发明和使用了电报以后很久的1948年,那一年美国的香农第一次提出了信息问题,并给出了计量信息的方法,提出了一种叫做“信息论”的数学理论。自那时起,人类开始了将信息作为独立对象的研究;进而,人们又发现,原来信息是构成客观世界的第三种要素。
随着交通运输及通信手段的进化发展,人类社会的生产、生活节奏变得越来越快,需要交流和处理的信息也越来越多,特别是随着电脑和网络技术的发展和广泛应用,出现了专门以生产、存储和传送信息为工作和经营内容的信息业,亦即所谓第四产业。如今人类社会已进入信息社会的高级阶段全球化、网络化时代。这个时代,地球村的村民正在成为互联网的网民,网民们正在互联网上拷贝和构建一个比现实世界更为复杂的、具有无限扩张前景的虚拟世界。在这个需要与现实世界完备接合,再生发出无止境的结构信息的虚拟世界中,数据库拥有强大的整合潜质。
中国传媒大学的黄升民认为:构成新媒体的基本要素是基于网络和数字技术所构筑的三个无限,即需求无限、传输无限和生产无限。这三个无限,无不需要有数据库的支持。[5]
随着信息爆炸而起的信息污染,使得虚拟世界变得比现实世界更加无秩序。也可以说,当前虚拟世界的重要特征就是它的随意性、杂乱性、无序性,数据库所具备的对杂乱数据的结构化、秩序化、规则化的整理、挖掘、互联,及便捷的检索和传播功能,将为网络世界新秩序的建立提供一种可能。
因此,应该重视数据库的传播学研究和传媒化建设。
2 科技传播
2.1 对科技传播内涵的两种不同理解
科技传播(关于“科学传播”还是“科技传播”是另一个需要讨论的问题,本文不拟涉及,权且依语境互用这两个概念)是一个饱受争议的概念。翟杰全认为,科学传播是“指科技知识信息通过跨越时空的扩散而在不同个体间实现知识共享的过程,包括专业交流、科技教育、科学普及、技术扩散等四个基本方面”。[6]吴国盛等人的科学传播概念则是在大众层面上的,是一个用于取代科学普及的概念。[7,8,9]笔者以为,双方各有道理,不如将翟杰全的科学传播定义为广义科学传播,而将吴国盛的科学传播定义为狭义科学传播。这样即可以免去无谓的争执,还可以各安其位地去探讨各自的问题。其实,现在的许多讨论,包括本文,都是经常在不同的语境下互换这两层概念的内涵。广狭定义法是通用的定义方法,有特定的方法论意义。[10]
“科学传播”这个词组中逻辑地涵纳了包括专业交流、科技教育、科学普及、技术扩散这所有的内容,如果只将“科学传播”替代“科学普及”,则会造成概念的割裂。[11]而概念割裂的结果又带来了对媒体理解的割裂。因为对科学普及的理解,一般是针对普罗大众的,是在公众意义上的。而专业交流、技术扩散是在同行或同业之间的。笔者以为,如同方、万方这样的学术信息数据库未进入原本在使用这些数据库作为工具进行学术研究的科学传播理论研究者的对象化研究视野,原因可能也就在于此。研究者们从未将这些数据库中的信息当作与科学普及相关的信息对待过,也便自然不会引发数据库作为科学传播传媒的关注和进一步研究。
2.2 科技传播的手段和实践
在我们国家,有一个说怪不怪的现象:科技传播的研究,起始于科技哲学研究者,在传播学领域却根本无人关注;起始于科技哲学领域的科技传播研究也基本无关乎传播学的理论。说怪,是说这是一种不合逻辑的现象,说不怪是因为这种现象的发生,有深刻的历史原因。由于文理分科,在我国属于文科范畴的传播学研究者们基本没有自然科学背景,自然也就没有科学技术的视野。而科技哲学阵营中的学者,受过传播学的训练的也寥寥无几。
现在,多数综合性大学或偏文科的大学中都设有与传播学相关的学院或系、专业,培养出了大量的传媒工作者,但这样的文科生出身的传媒工作者,在如今科学技术已渗入社会生产、生活每一个角落的今天,每当遇到有少许的科学技术含量的问题经常就要出现错报、误报、误读现象。
当前,面向公众的科技传播手段和实践,多聚焦于包括网络媒体在内的大众传媒、科技馆、博物馆、公众科普活动(如科技周、科技节等)、户外传媒,未见有关注数据库传媒的的使用或提法。
2.3 由科技信息、学术论文传播起始的数据库传媒服务
数据库也不是什么新鲜东西,人类社会有数千年传统的图书馆、藏书楼、档案馆从最宽广的意义上,都是文献信息的集成,只是原先人们没把这些称为数据库。在数字技术用于对文献的全方位处理,使之数字化之后,人们才将这所有的文字、图画、声像等等东西统称为数据。在国际科学技术研究及开发领域,专利数据、科研数据的集成其实早已形成了成熟的数据库,比方说国际基因组计划中的测序研究,各国科学界凡是测绘出任何基因组图谱,都会将结果上传到统一的数据库中与全世界的同行共享。但由于这样的数据库与百姓生活甚至一般的科研或学术工作者都没有任何交集,根本进入不了公众的视野。再有就是产品信息类数据库,由于与营销活动相关,一般也不会引发人们对它的传媒性研究。
可以说,对学术论文的数据化及数据库服务,是数据库传媒服务的起始。笔者注意到,同方数据中加入了2000年以后中国重要报纸全文数据库,这是一个学术数据库走向大众传媒的信号。
或许,同方在设置这个数据库时,考虑的只是数据库建设的完备性。但这样的一小步,却可以看成是数据库传媒化进程的一大步。是数据库媒体化的一个端倪。
3 以数据库作为科技传播平台
3.1 数据库的传媒优势
数据库与其它传媒的不同和优势也就在于它的特点:尽可能不重复,以最优方式为某个特定组织的多种应用服务,其数据结构独立于使用它的应用程序,对数据的增、删、改和检索由统一软件进行管理和控制;在于它的结构化、规范化和互联互检;在于它在庞大的信息资源中为不同人、不同需要提供个性化服务的能力每个人都可以去其中寻找和找到自己想要的东西,数据库甚至可以提供远超出检索者预期的超值服务。
数据库的可传播性是不言而喻的,全面性和丰富性也是数据库的题中之意,只是达到真正全面和丰富的数据库需要一个建设、贯通和整合过程。由于有强大的超链接功能和规范的链接节点设定,内容和链接的秩序性和可靠性使数据库迟早成为其它传媒的归宿或倚靠对象。
要么数据库传媒化,要么传媒数据库化,否则都将丧失优势,限制生存空间。
3.2 传媒数据库离我们还有多远
应该说,如今的数据库的建设尚处于基建阶段,刚刚起步。还远未达到与大众传媒的交集和整合。但端倪是显见的,趋势是显见的。
Andy Oram有言:“一些技术只是加强人们已经在做的事令这些活动更加快捷、轻松或便宜,而另一些技术则提供了全新的可能性。我们通常认为,第二种影响更为重要。”[12]笔者以为,数据库对传播的意义也在于此。
关于数据库新闻,有这样的论述:“第四媒体的出现引来了惊喜和机遇。而如何把握新的惊喜和新的机遇,就在于我们能否把握住这个媒体的技术亮点,能否利用自身具有的资源充分发挥这个媒体的优势。数据库是计算机时代信息处理的技术基础,它对于计算机技术的应用和能力拓展做出过重要历史贡献,而把计算机连接起来做成一个网络进行资源和信息的共享,则更是对数据库能力的一次大拓展,当然也更是对计算机能力的一次大拓展;新闻发展到网络阶段,它更需要满足不同层次、不同需求的受众的偏好,这就是窄播’的需要,这也是交互式的根本目标。因此给予同一个平台开发出不同的、完全符合个性化方案的新闻产品则是网络媒体义不容辞的任务,因此新闻产品的服务,实际上到了第四媒体阶段已经进入到一个交互式信息处理的阶段,它不能满足于传统新闻报道方式。因而利用计算机的信息处理技术,利用新闻发展的普遍规律,树立起第四媒体的特色目标,这就是数据库新闻。”[13]
数据库新闻观念的提出是媒体数据库化的端倪。与数据库媒体化的端倪相呼应,构成一种整合的端倪。
然而,端倪毕竟只是端倪,离变成现实还有相当大的距离。
比方说,打开数据库信息壁垒就是一个很大的困难。因为数据库建设是费用和人力浩繁的巨系统工程,没有必要的投入和收益,数据库的建设是不可想象的。那么打开这个信息壁垒的路在哪里呢?无论路在哪里,人们总是要找到这样的路。使数据库的信息面向公众也就是数据库机构和期刊界讨论的OA(Open Access,公开发布),说的也是这种趋势。
在数字化、全球化的今天,许多事情的发展速度都超乎人们的想象。一种有生命力的端倪,很可能在不远的将来就发展为一种潮流。因此有人说,对趋势的忽视常常带来可怕的、令人措手不及的后果。
3.3 打造科技传播数据库
前已述及,数据库的传媒化是大势所趋,但却只是初露端倪,离变成现实还有相当大的距离。但距离也就是机会。科技传播界应该抓住这一机会,适时开始谋划打造科技传播主题的数据库。
笔者以为,这一任务的完成,有几个方面的问题要考虑:
一是定位问题。也就是说,科技传播主题的数据库,应该如何定位?它与其他数据库的差异是什么,发展目标、服务对象和职责都是什么,自身的特色在哪里?
二是内容设置。有了自身的定位,明确了发展目标、职责和服务对象,内容设置的特色就出来了。不言而喻,科技传播的数据库,内容和形式上肯定要更加的丰富多彩,博大精深。
三是技术性问题。由于内容设置的大口径和高要求,因此在技术上比一般的文献数据库的要求也自然会要高得多。
四是人员问题。人员问题一直是科技传播界最大的问题。原因在于,无论是科技传播研究和还是科技传播实务,本身都是人文的、社会的,但它的主要研究和传播对象是科技的。因此这个领域是典型的两大部类交叉领域,对从业者的素质和知识背景要求极高。特别是数据库建设,又要求数据库技术。发现这样的人才和集结这样的工作队伍,是做科技传播领域的任何工作都要遇到的第一个门槛。
数据时代的平台战 第8篇
4G网络已经铺开, 在这大信息、大数据时代, 新媒体已逐渐成为媒体传播的主要渠道。而云计算作为一种新兴的技术, 对提升、优化大数据、对新媒体信息的处理有着巨大的作用。
云计算逐渐成为储存信息的主要方式, 数字信息化进程中, 产生了大规模的数据, 大数据的生成、处理和分析对传播学研究, 既是一种挑战也是一种机遇。大数据时代, 新媒体技术对人类社会的方方面面都起着深刻的影响, 包括了政治、经济、文化等等系统, 所以这一相关研究具有重要的现实意义。
大数据与新媒体的关系
大数据 (Big Data) 是指“无法用现有的软件工具提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合。”业界通常用4个V:一是数据体量巨大 (Volume) 、二是数据类型繁多 (Variety) 、三是价值密度低 (Value) 、四是处理速度快 (Velocity) 。
“大数据”是信息时代发展的必然结果, 现代信息类型丰富, 格式多样, 且成倍数增长, 从而使人类进入所谓的“大数据时代”。在这样一个信息时代, 要能够在社会中掌握时代的脉搏, 占据重要社会地位, 就必须拥有掌握数据并能对其分析、研究并加以利用的能力。“大数据”, 并不只是数据的规模大, 而是因量变已引起了质变, 从根本上进行了颠覆。
新媒体相对于报刊、户外广播、电视四大传统媒体新媒体被形象地称之为第五媒体, 它有五个特征, 包括有数字化、网络化、互动性、超文本、虚拟性。随着互联网的发展, 新媒体突飞猛进日渐成为人们获取信息和新闻消息的主要来源之一。微软首席执行官史蒂夫鲍尔默预测:“今后10年内, 所有媒体消费都将通过互联网渠道进行。届时, 传统意义上的印刷版报纸、杂志将不复存在, 所有东西都将以电子版的形式发行。”
新媒体的优势有:1.变化迅速;2.信息来源广;3.网络用户多;4.自媒体发布;5.技术先进;6.大众视角。所以我们说, 信息技术是新媒体发展的引擎。我们国家已经把新媒体应用上升到“要赢得未来必须赢得新媒体”的执政新理念。党的十八大鲜明提出要扎实推进社会主义文化强国建设, 增强文化整体实力和竞争力, 促进文化和科技融合, 发展新型文化业态, 提高文化产业规模化、集约化、专业化水平。构建和发展现代传播体系, 提高传播能力。这说明我国党中央非常重视新媒体传播的发展。
媒体的功能属性还包括了对社会的解读以及分析预判。而“大数据”能通过挖掘、分析和使用数据, 从而能够得到全面的社会信息的深刻了解。所以媒体要养成”数据为王”的观念。
云计算对新媒体的推动
云计算作为一种新兴的技术, 以其十分强大的计算能力、近乎无限的存储能力以及低廉的成本, 对提升、优化大数据、大信息的处理有着巨大的作用。IT公司Amazon、Google、Salesforce等也已在生产运行中初步使用了云计算技术, 并获得了利润。
从新媒体的业务发展来看它有这样一些需求或者是特点, 新媒体的数据存储量庞大, 数据信息处理量巨大, 终端多样化, 要求数据格式比较多样化, 另外数据共享额外存储的需求非常大。这样一些特征的需求正是云计算的特长, 云计算在系统处理数据的投资成本和性能弹性扩展等方面所具备的优势, 云计算能处理海量的数据, 能更加方便地对业务系统进行升级、扩展等等管理, 而且还能够对数据冗余进行处理, 能够按照需要进行资源的分配, 协同管理应用平台等, 可以为新媒体发展提供稳定而高效的保障。
云计算在新媒体业务平台的应用
我们考虑以云化新媒体信息资源的方式, 将分布在不同地域的各个数据库与系统平台中的信息集中, 并经过虚拟化与统一化改造, 实现业务高效的集成服务, 使得新媒体信息资源能够安全、合理、自由、有序的流动与共享, 为低成本高效率地新媒体信息管理提供崭新的思路。
基于云计算的平台构建新媒体应用模式:
■云存储将读写操作分散进行, 使得网络IO以及存储器IO能实现均衡读写;云存储还能够便捷地进行扩展。
■云并行计算能力, 能够实现实时编码能力, 提高数据压缩处理能力。
■虚拟IDC业务, 能够更好地利用资源, 能够更快地进行系统部署。
■新媒体发展业务平台的建设可以参考云计算体系架构的模型来进行:
采用Iaa S模式构建基础平台, 集中打造, 按需取用, 通过云管理平台进行资源的管理和调度;
该参照Paa S模式建设业务平台层, 各平台能力以服务的形式来向外提供;
采用Saa S模式建设应用服务层, 可基于底层的Paa S层服务和Iaa S层能力, 搭建起与合作伙伴或独立开发者共同参与的创新模式, 聚焦用户服务。
云计算技术的快速发展也需要有相适应的硬件环境, 由国防科大研制的天河二号超级计算机系统, 以峰值计算速度每秒5.49亿亿次、持续计算速度每秒3.39亿亿次双精度浮点运算的优异性能位居榜首, 成为全球最快超级计算机, 11月正式落户国家超级计算广州中心, 11月20日正式投入运行。天河二号研制成功半年来, 已在云计算和信息服务、智慧城市、电子政务等多个领域获得成功应用, 取得显著的经济效益和社会效益。超高速超算计算机的成功研制将为云计算的发展提供了强大的硬件支持。
云计算应用于新媒体前景广阔
既然云计算技术可以给新媒体业务带来更大的支撑, 我们来看一下云计算技术将能给在新媒体行业带来哪些应用:新闻集团为苹果i Pad平板电脑创建的数字报纸《The Daily》月下载量已达数亿, 全球知名出版集团兰登书屋即将加盟苹果的i Bookstore数字图书商店。还有韩国运营商抢夺个人云存储服务, 2010年全年中国管理型Saa S市场季度收入达4.45亿, 这些事例都说明新媒体发展迅猛, 已形成了巨大的数据资源, 急需利用云计算的功能及成熟优化的云计算模式来缓解压力, 满足新媒体的日益增长业务需求。云计算不再是“浮云”, 云计算已进入深度应用阶段。
数据时代的平台战 第9篇
1 大数据时代为茶叶行业带来的变化
大数据时代改变了传统茶叶的销售渠道, 消费者从实体店购买习惯向在线购买转变, 随之而来的, 是茶叶行业竞争的日渐激烈, 不同茶叶销售商之间, 不仅要对比质量, 还要对比价格和售后服务, 对茶叶经销商来说, 大数据时代为他们带来的既有机遇又有挑战。
1.1 购买渠道的网络化
在互联网风靡全国之前, 消费者购买茶叶的主要渠道是各地的茶业经营店, 是一种面对面的线下交易, 消费者被销售商的营业时间和地点所限制, 在交易活动中, 消费者处于被动地位, 此外, 基于求大于供的市场环境, 茶叶经销商的定价往往过高, 消费者的选择范围十分有限。随着大数据时代的到来, 通过互联网的线上交易成为人们青睐的商品购买方式, 针对茶叶而言, 茶叶经销商将自己产品展现在网络上, 并呈现一定的报价供消费者参考选择, 消费者可以不受营业时间与地点的限制, 随时随地在网络上浏览商品并购买, 由此, 消费者掌握了交易主动权, 茶叶购买渠道也日渐网络化、数字化。[2]
1.2 竞争日益激烈化
茶叶的网络销售, 直接带来信息透明化的结果, 消费者只要拥有一台可以上网的设备, 即可完成在线咨询与比价。目前, 我国经营茶叶生意的公司、企业众多, 茶叶销售的竞争越来越激烈, 各经销商都不遗余力地宣传自己的商品, 例如2013年, 信阳毛尖通过打折大聚惠的方式, 平均每件商品以低于平时30%的价格售出, 吸引了大量消费者, 此外, 部分茶叶经销商还在售后服务上为消费者提供保障, 例如淘宝网上的厦门茶叶品牌———“赵小姐”———承诺, 若消费者发现真空包装茶叶有漏气、变质等情况, 该店免费为消费者更换双倍同款产品, 并承担来回运费。[3]云南品牌茶叶普洱茶的经销商, 为了吸引更多消费者, 采取买茶叶送茶具的活动。在这样情况下, 消费者的可选择范围越来越大, 茶叶行业竞争也日益激烈, 大数据时代使得茶叶市场出现供大于求的现象。
2 构建大数据时代智慧茶叶科技“云”服务平台的必要性和可行性分析
结合大数据时代的特点和其为茶叶行业带来的新变化, 笔者认为, 构建智慧茶叶科技“云”服务平台具有必要性与可行性, 本章将从这两个方面进行论述。
2.1 必要性分析
首先, 在大数据环境下, 单一的线下茶叶产品交易是缺乏活力的发展前景的, 只有迎合消费者的消费习惯与消费需求, 采取线上线下营销相结合, 或以网络营销为主, 茶叶产品才能够受到大众的欢迎。其次, 大数据背景下, 上传至网络的茶叶信息数据量巨大, 需要有一个平台对这些数据进行集中的、有序的管理, 尽量避免信息繁杂和无效。再次, 智慧茶叶科技“云”服务平台是一个虚拟的平台, 可以根据消费者的不同需求制定个性化、自定义化的服务项目, 有利于增强消费者的粘性, 激发消费者的购买兴趣。最后, 构建智慧茶叶科技“云”服务平台是大数据时代对传统行业提出的必然要求, 是未来传统行业发展的趋势, 智慧服务有利于茶叶行业及时调整营销思想和营销策略, 同时也有利于保障消费者的权益。因此, 构建大数据时代智慧茶叶科技“云”服务平台势在必行。[4]
2.2 可行性分析
大数据环境下, 要想完成传统行业与互联网、物联网的深度结合, 最困难的一环在于技术上的流畅衔接, 具体到智慧茶叶科技“云”服务平台的构建, 则需要一个功能强大的数据处理器, 目前我国可以通过Hadoop软件实现海量数据的存储和分析, 此外, 利用Hadoop还能够制作出“云”服务的流程, 指导大数据时代智慧茶叶科技“云”服务平台的具体开发。[5]在其开发过程中, 还需要Ubuntu、HIVE和IMPA-LA等批量数据处理技术, 以完成非结构化的数据分析。此外, 庞大的受众群体也是构建大数据时代智慧茶叶科技“云”服务平台的可行性之一, 身处大数据时代, 越来越多的消费者选择网络渠道购买, 这就进一步鞭策茶叶行业的转型与茶叶“云”服务平台的发展。总而言之, 构建智慧茶叶科技“云”服务平台是切实可行的, 既有技术的保障又有消费者的支持。
3 大数据时代智慧茶叶科技“云”服务平台的构建
通过对茶业行业的考察和分析, 笔者认为, 构建大数据时代智慧茶叶科技“云”服务平台需要物理层、资源层、应用层以及网络层几方面的支持, 各层级的内容不同, 地位也不尽相同, 只有建设好每一层级, 才能构建起完善的、有效的智慧茶叶科技“云”系统。
3.1 物理层
大数据时代智慧茶叶科技“云”服务平台的物理层是指一些必要的硬件设备, 如网络服务、茶叶相关数据的储存设备等等, 完善的、先进的硬件设备是构建“云”平台的物质基础, 是构建有序的、高质的智慧茶叶科技“云”服务平台的有力支撑。此外, 智慧茶叶科技“云”服务平台的其他层级———资源层、应用层、网络层, 都离不开基础物理层的硬件设备。因此, 夯实数据处理的物理层, 在大数据环境下, 具有重要的作用和深刻的意义, 是搭建好智慧茶叶科技“云”服务平台的关键一步。
3.2 资源层
大数据时代智慧茶叶科技“云”服务平台的资源层是该平台的核心内容, 主要是指数据的内容, 例如茶叶的相关信息、平台服务模块资源、消费者反馈专区等等, 这些数据的输入和展示, 即智慧茶叶科技“云”服务平台的核心, 在整体的系统内, 资源层位于物理层之上、应用层之下, 是茶叶经销商、网络平台、消费者用户三主体的交汇层, 在一定程度上决定了茶叶行业网络化进程。[6]
3.3 应用层
应用层是大数据时代智慧茶叶科技“云”服务平台直接面向消费者、与消费者产生交流和互动的层面。在应用层中, 主要包括智慧咨询、智慧购买、智慧申请退换货、智慧评价与反馈等功能。完善的智慧茶叶科技“云”服务平台应用层, 应该集中体现网络的优势, 即可根据消费者的意愿, 为其提供全方位、个性化、多样化、自定义化的智慧服务。“秉承以消费者为中心的营销理念、一切为消费者服务”是构建大数据时代智慧茶叶科技“云”服务平台应用层过程中的核心指导思想和原则, 是决定智慧茶叶“云”服务平台构建成败的关键。
3.4 网络层
大数据环境下, 搭建智慧茶叶科技“云”服务平台的网络层, 是重点和难点。大数据时代智慧茶叶科技“云”服务平台网络层是指用户获取到“云”平台服务的途径, 用户只有通过CTNET或CMNET等途径, 才能够接入智慧茶叶科技“云”平台系统, 由此可见, 该平台并不是无限制开放的, 是需要一定条件的。进入系统的条件可以根据开发者的需要进行设定, 既可以注册会员用户, 也可以通过手机号码快捷登陆, 在网络层方面, 智慧茶叶科技“云”服务平台的设计和开发具有一定的灵活性和变化空间。
4 结语
综上所述, 结合大数据时代, 茶叶服务的转型迫在眉睫, 传统行业要紧紧跟随现代科学技术的发展, 不断改进自身的经营理念和服务方式。构建智慧茶叶“云”服务平台, 是有效沟通茶叶经销商与消费者的桥梁, 创建茶叶数据的保存和共享模式, 有利于扭转消费者交易被动地位, 有利于为茶叶行业注入鲜活生命力。因此, 在未来的发展中, 茶叶行业可以有意识地加入“云”服务平台建设中来, 充分利用完善的物理层基础设备、积极充实数据资源层、善于利用和开发面向消费者的应用层, 以及创新化、便捷化该体系的网络层, 以实现大数据时代智慧茶叶科技“云”服务平台的功能最大化。
参考文献
[1]钟燕.基于大数据的电子商务茶叶物流配送模式分析[J].福建茶叶, 2016, 05:74-75.
[2]史晓慧.茶叶产业信息服务与质量评价模型研究[D].湖南农业大学, 2013.
[3]赵小姐的茶销售网站.[EB/OB].[2016-9-8].https://detail.tmall.com/item.htm?spm=a230r.1.14.97.Nw MOE9&id=525755258372&ns=1&abbucket=10
[4]尹真平.网上购买茶叶的感知风险与购买意愿之研究[D].福建农林大学, 2009.
[5]Hadoop集群环境搭建.[EB/OB].[2016-9-8].https://en.wikipedia.org/wiki/Apache_Hadoop;http://hadoop.apache.org/docs/r2.7.0/
大数据时代下网络教学平台发展展望 第10篇
一、大数据的发展及特点
在世界经济论坛发布的《2013年全球信息技术报告》中指出, 大数据是一项可以帮助全球经济复苏的巨大潜力的新资产。2013年被称为“大数据元年”, 大数据展现出对社会全面的影响力, 逐渐由概念转变为现实。大数据是与物联网、智能制造、无线网络技术并行的又一项颠覆性的技术变革。在当今时代, 大数据成为近些年来学术领域的一个研究热点, 它的重要性已经得到了人们广泛认可。
大数据 (bigdata) , 也被称为巨量资料, 指其所涉及的资料规模巨大到无法透过目前主流软件工具的处理能力, 不能够在符合要求的时间内达到获取、处理、管理、并整理成为帮助人们开展工作为目的的资讯。大数据具有4V特点:即Volume、Velocity、Variety、Veracity。
二、网络教学平台的概念及特点
网络教学平台是为远程教学提供服务的一整套系统软件, 它在教学管理系统的控制下, 以网络教学资源为核心, 以学生有效学习为目的, 有效地使用教学资源, 能够全方位的为现代远程教学提供服务, 它是网络教学资源与学校的远程教学服务的有机集合。
网络教学平台具有在线教学的诸多优点。具体表现如下:
1. 网络教学平台能够为师生提供一个虚拟的交流平台, 使学生和老师能够实现在线或离线交流, 大大提高了信息反馈效率。
2. 学习者可以在网络教学平台上进行学习, 能够不受时间和空间的限制, 也可以对不同资源进行集中学习或者自主学习。
3. 教师可以利用网络教学平台提供的技术手段, 制作适合学习者使用的学习资源, 也可以借助平台辅助进行学习辅导和教学。
4. 学习者可以使用网络教学平台提供的功能, 进行个性化自主学习。
三、网络平台建设现状
在当代知识爆炸的时代, 科技发展迅速, 其中计算机网络的普及, 信息化和网络化已经成为21世纪的主旋律。根据2016年7月中国互联网信息中心发布的第38次《中国互联网络发展状况统计报告》显示, 截至2016年6月, 中国网民规模达到7.10亿, 互联网普及率达51.7%。在中国7亿多的网民中, 学生群体是网民中规模最大的职业群体, 占比为25.1%。
目前国内高校在信息化建设方面还处于相对落后的阶段, 与国外高校相比还存在一定的差距。目前, 虽然国内很多高校都已经构建或购买了网络教学平台, 但是国内现有的高校网络教学平台一般都存在着很多不足, 例如平台定位不明确、功能偏单一、运行管理落后等问题。另外, 平台中的教学资源建设缺乏广泛性和普遍性也是问题之一。
四、新型网络教学平台使用大数据的应用展望
1. 新型网络教学平台的数据搜索。
需要借助现代搜索引擎技术实现网络资源的搜集整理。在大数据时代, 数据量大幅增加, 如何又快又好的搜索到合适的资源成为资源使用的必要前提。而且, 信息不断在变化, 要实现信息的迅速更新, 这个过程应该是自动实现, 以提高使用者的效率及有效性。在这个过程中, 特别需要数据库技术及数据存储技术的支持。
2. 新型网络教学平台的数据整合。
随着教学平台技术的不断发展, 目前存在的教学平台各类较多, 使用技术也各自不同, 网络中的相关资源也是千差万别。必须借助大数据的相关数据处理技术, 将不断硬件下, 不同数据结构下, 不同类别的大量数据整合为可以综合使用的数据集合。在实现这个的过程中, 需要摒弃相关利益集团的利益关系, 因此这是一个长期而艰巨的任务。
3. 新型网络教学平台的数据真实使用。
在大数据时代, 数据量大是很重要的一个特点, 这也提出了一个问题, 如何在众多的答案中寻找到最适合自己的结果?这涉及到数据挖掘技术, 借助数据挖掘技术可以通过分析每个数据, 从大量数据中寻找其规律, 最终寻找到所需的答案或者解决问题的途径。这体现了从量变到质变的发展过程。
4. 新型网络教学平台的使用反馈及功能改进。
网络教学平台技术已经研究一段时间了, 但随着大数据等先进技术的不断出现及发展, 原有的功能和需求也在不断的变化, 如何利用好新技术成为社会发展的需要。这就需要研发者、使用者共同努力进行功能的改进及强化。及时的反馈对研发者来说, 指明了前进的方向, 而对使用者来说, 也向更好的使用迈进了一步。在新型网络教学平台中, 有效的在线沟通成为最鲜明的特点, 因此, 解决交互性也是改进及强化的重点。
5. 新型网络教学平台的监控措施。
网络教学平台的使用者是教师和学生, 但最主要的是学生, 如何保障学生学习的效果是平台的根本目的, 有效的监控及数据统计是解决的重要手段。通过监控, 可以实时调整平台的功能, 使学生的受教育过程更加符合学习规律, 更加有利于提高学生的知识水平和相应能力, 有利于改进教师的教学方法和过程, 有利于管理部门对于教学过程的整体控制及管理。借助平台的统计功能, 可以更好的进行数据分析, 指导平台教学过程的科学化和系统化。
网络教学平台已经成为教育教学体系中不可缺少的一个组成部分, 在大数据时代下, 在更加丰富的新技术促进下, 一定会绽放出更加灿烂的光彩。
摘要：随着新一代信息技术的飞速发展, 大数据技术在各个领域都引发了变革。在教育领域, 网络教学平台的发展正在如火如荼的进行着, 如何把新技术应用在现有的平台系统中, 具体从哪些方面进行建设及应用, 都是需要我们考虑的问题。本文从基本概念入手, 进而讨论新型教学平台的发展展望, 有助于新型教学平台的技术更新, 更好的为教学服务。
关键词：大数据,教学平台
参考文献
[1]罗浩.大学生基于网络教学平台自主学习的现状与对策[J].山东师范大学硕士论文.2014
数据时代的平台战 第11篇
4G时代的营销, 包括从网络硬件搭建、用户终端推广, 到业务模式构建、用户资费设定, 再到渠道定位、营销模式和服务模型等诸多方面, 对于电信运营商而言都是重要的挑战。
存量用户是企业收入的主要来源, 是流量经营、增值业务和信息化推广的基础。随着同质化竞争、替代竞争的加剧, 企业的存量用户、收入保有都面临着巨大压力。某电信运营商的传统存量经营工作主要有下列问题:资费结构不合理, 高单价老用户满意度低, 流失严重;酬金结构不合理, 导致代理商套卡, 用户频繁重入网;粘性业务捆绑少, 客户稳定度低;网络劣势, 对家庭用户捆绑力度不足;终端与竞争对手差距明显, 尤其在高端3G手机方面;TD网络覆盖不足; 传统语音业务单价下降;流量业务未产生足够替代作用;增值业务消费不足;一卡双号、双机用户分流业务严重;集团专线质量较差;高端终端用户被蚕食。同时, 传统的存量用户运营模式也有不少问题:方式简单, 无法精确定位不同存量用户的不同需求; 营销渠道限于电话营销或短信推送等方式, 营销效果难以评估等。
鉴于市场增长乏力、存量用户价值凸显的实际, 加强存量市场经营、构建存量经营新模式刻不容缓。
本文论述了如何依托大数据平台, 构建4G时代存量经营新模式, 新模式应用后取得较好效果。
2大数据平台系统体系架构
某电信运营商的存量经营以经营分析系统为基础, 将X86架构、分布式数据库和hadoop技术、业务分时协同机制整合在一起, 实现了经分核心仓库全云化。同时, 引入M域信令、上网日志等信息, 初步构建了公司级大数据平台, 应用于各类营销活动中, 使系统投资成本降低70%、效率提升5倍以上。在获得更高扩展性、稳定性、可靠性的同时, 满足了存量经营的大数据、实时响应处理需求。
大数据平台系统架构如图1所示。
3构建4G时代的存量经营新模式
针对传统存量经营模式存在的问题, 某电信运营商依托大数据平台, 从网络、资费、渠道、服务、营销、终端、业务等七个方面入手进行提升改进 (图2) , 构建了4G时代存量经营新模式, 实现了存量经营各项措施的相互融合推动, 进一步增强了客户粘性, 提高了中高端客户渗透率和网络覆盖率, 提升了用户ARPU和渠道赢利能力。
(1) 网络 :聚焦价值区域 , 增强网络覆盖 , 快速形成网络能力
网络能力是企业的核心竞争力。随着形势的发展, 网络能力必须快速跟上存量用户对高带宽、多种接入方式、全覆盖的要求。将网络覆盖聚焦高价值客户集中区域, 加快4G网络建设, 开展家庭有线宽带会战, 加大室内分布投入, 是提升网络价值、降低成本的重要途径。此外, 评估网元承载的用户价值, 降低2G分流比, 针对2G锁网加强终端操作引导 , 针对存量用户高抱怨区域进行重点网络优化, 以提高用户体验。
(2) 资费:量体裁衣, 发掘存量用户弹性需求
存量经营根据资费预演结果, 结合用户历史消费和资费适配度, 灵活控制资费降幅, 精确定位用户资费能力和接受度, 并向用户推荐适合的资费, 不仅有利于保护产品价值, 避免不合理的资费设计, 而且对提升客户满意度具有积极作用。资费推荐流程如图3所示。
(3) 渠道:降本增效, 加快渠道转型升级
对比传统渠道发展, 基于大数据时代的4G存量经营, 有着明显的成本和效率优势。
以前, 代办渠道存在折价销售有价卡套取酬金问题, 导致存量用户重入网。现在, 把有价卡改为无面值智卡, 消除了卡面值折价套利空间;改酬金坐支为后支, 根据用户消费额度和在网时长分月返还酬金。
以前, 终端捆绑、促销或短时活动叠加容易导致收入支出倒挂, 代理商通过拆包倒卡、养机养卡等行为套利, 造成存量流失。现在对所有成本、支出数据实施集中管理, 堵塞套利漏洞, 大大减少了套利行为。一是将业务查询等高成本、低价值业务转到电子渠道、代办渠道, 降低自营渠道成本;二是加强代办渠道业务引导, 提升存量、流量业务及终端类酬金占比, 迫使代办渠道走出去, 进而淘汰低价值渠道。
依托大数据平台, 实现自办厅营服一体, 并向线上销售、线下体验式营销转型。科学预测服务半径客流, 提升营业时间利用率, 动态调整铺货量和采购周期, 减少压货、断货问题。
(4) 营销:坐商改行商, 拓展存量用户接触面
据统计, 2012年某电信运营商的每月到厅客户量仅占25%, 大量客户“等企业上门”, 而企业大量的网点却在“等客上门”, 主要靠不断降价和优惠以维系指标。2013年初, 企业针对存量用户主动出击, 采取多样措施, 让客户经理、基层人员到客户中去, 实现客服“坐行合一”, 促进了客服能力的稳步提升。营销接触新模式如图4所示。
(5) 服务:营销服务一体化, 提高存量用户忠诚度
改变传统营销服务的分散格局, 在营销中实现服务, 在服务中实现营销。构建一线营销服务模型, 搭建“服务 + 营销”一体化流程体系。实际操作中, 组织开展“客服外呼”、“主动营销服务”、“情景营销”等, 将微笑服务和增效营销在运营一线实现有机统一。营销服务一体化模型及流程如图5所示。
(6) 终端:优化存量市场终端结构
以前, 移动4G终端成熟度低, 无价格优势, 业务受理相对复杂。现在, 采取多种措施以提升终端销售能力:利用大数据平台分析用户终端偏好, 采用话费捆绑、预存话费送手机形式, 针对性推荐不同机型。简化业务办理流程;终端内置USIM卡, 或支持远程自助换卡;结合用户信令, 进行养机养卡行为分析, 发现违规操作问题予以严肃处理。终端营销提升措施如图6所示。
(7) 业务:三网协同发展, 打破存量市场宽带捆绑困境
开展存量经营, 坚持以4G业务为核心, 实现光纤入户和无线局域网协同发展, 通过质量和价格杠杆将宽带用户有效引导至高价值网络。以“和家庭”为抓手, 加快拓展城区高价值家庭市场, 发挥破局作用。在公共热点、偏远农村区域, 将无线局域网作为有效手段, 满足客户多终端、多元化的上网需求, 形成三网协同发展。宽带营销分区域策略如图7所示。
4实施效果
(1) 改善网络感知, 提升客户满意度
大数据平台广泛汇集网络侧用户使用行为、基站信令和用户位置信息, 结合用户接触投诉、流量内容等数据, 利用平台的实时、跨域综合分析能力, 定位客户消费习惯、区域、终端与网元分布承载能力之间的矛盾, 从网络、服务多角度入手解决问题, 提高了客户满意度。网络感知优化如图8所示。
(2) 优化渠道部署, 提升客户满意度
借助大数据平台的用户位置信令处理能力, 利用GIS图形化工具, 将存量用户群分布展示到各区域, 通过对比客户群与现有渠道网点位置, 找到价值用户聚集区域, 作为营业厅、短时营销热点小区的选址参考。
(3) 提高外呼效率, 提升客户满意度
通过大数据平台与BOSS的实时互动, 实现营销目标自动获取和分派、营销脚本和交互策略制定、知识库和客户标签便捷获取等功能。通过该项目的推广, 企业客服日均外呼量提高45.37%、人均外呼量提高43.3%, 通话时长39秒人工效率显著提升。同时, 在对新4G用户的电话回访中, 用户普遍反映4G网速有了质的提高, 增强了用户黏性。
4结束语
某电信运营商积极探索4G时代存量用户经营新模式, 努力提升综合服务能力和客户服务水平, 取得了显著效果。大数据发展日新月异, 电信企业如何在关键业务流程、收益模式、外部关系网及价值链等方面创建新的商业模式, 将是下一步研究的重点。
参考文献
[1] 张利斌张广霞.基于双边市场理论的苹果App Store模式研究.计算机工程与科学, 2012 (4)
[2] 黄升民刘珊.“大数据”背景下营销体系的解构与重构[J].现代传播, 2012 (11)
[3] 吴伯凡.“大消费时代”的“杂交模式”.二十一世纪商业评论, 2011 (1)
