时间：2024-03-28 14:38:50
引言：易发表网凭借丰富的文秘实践，为您精心挑选了九篇大数据时代产生的原因范例。如需获取更多原创内容，可随时联系我们的客服老师。
（一）大数据的概念和特点
大数据所指的不仅是规模，更是包括了数据形式的多样性和数据储存处理方面的复杂性。大数据在概念上指的是不仅大小超出常规，同时也有卓越的数据获取、储存和分析管理能力的数据库。
大数据具有数量大、数据多样、时效性高、价值密度低、真实性存疑的特点。互联网中每一年所产生的数据量都是海量，数据的多样性较高，数据处理速度异常快，但价值密度比较低，需要在大量数据中找出有价值的信息，另外，在网络社交账号中展示出的内容也往往是经过美化的结果，数据的真实性存疑。
（二）大数据时代的思维特征
大数据时代科技的进步也造成了思维方式的变化。大数据时代的思维方式与传统的思维方式相比出现了比较大的差距。
大数据时代思维方式的变化首先是在事物之间的相关性方面。传统的思维方式是找出事件发生的根本原因，并针对这一状况制定出解决方案；大数据时代的方式则是搜集更多的数据，进行量化分析之后找出其中的关系，不考虑事件发生的原因而直接找出解决方案。而大数据时代的思维方式也更加注重对整体的把握，而这一思维方式的变化也导致了大数据时代对数据准确性的要求有所降低。只要能够在庞大的数据量中找出事物发展的脉络，小部分数据细微的不准确是可以容许的。
2 大数据时代为思想政治教育方法带来的机遇和挑战
（一）大数据时代为思想政治教育方法带来的机遇
大数据时代的理念为思想政治教育展示了新的思维模式和研究方法。通过对学生日常行为的管理，针对日常行为中的数据进行分析，能够有效地掌握学生的思想行为，推动思教教育建设。另一方面大数据的全面数据化也能够将学生生活中的行为完全数据化，根据学生的结束记录、兴趣爱好、社会关系和关注的社会热点等元素进行数据化，将数据进行可视化处理，建立起数据建模，提供针对性的教学，解决学生生活中实际遇到的问题。
（二）大数据时代为思想政治教育方法带来的挑战
大数据时代对学生生活的全面掌握，导致产生了比较重大的伦理问题。首先是数据化是思维会导致将学生的情感和价值观全部数据化衡量，而对数据的过分依赖也导致容易出现个人失去反抗性和批判性，学生身上被贴上了“标签”。而大数据的思想政治教育在技术上遇到的问题也尚未得到解决，数据的收集、储存、挖掘都有一定的技术上的不足，而大数据本身的安全问题也会导致个人隐私的暴露，从而造成学生的人身财产安全的问题，更有可能导致西方国家通过网络技术上的优势进行意识形态的影响。
3 大数据时代思想政治教育方法的发展与创新
（一）树立大数据理念
在大数据时代促进思想政治教育方法的发展和创新，首先需要正视大数据时代已经到来了的现实，建立起大数据发展的意识，强化对数据的敏感性，并且树立起大数据的思想政治教育理念。将思维方式进行创新性的转变，构建起一个以思想政治教育部门为主题，其他相关部门进行辅助的管理机制，促进思想政治教育的合力。
（二）完善相关规章制度
建立起完善的相关规章制度能够有效地推动思想政治教育系统的发展和运转。教育部门推动相关的法律和条例的建设，健全对数据的监管和保密的措施，加强对数据安全的防控体系，构建起对数据牵涉的相关方进行责任承担的合理机制，教育方位更好地展开教育，往往会在学生不知道的情况下追踪学生的信息数据，这也对学生的隐私权造成了侵害，因此需要构建完善的相关规章制度。
（三）培养专业性人才
在大数据的时代背景下进行思想政治教育，需要相关的专业人才介入。可以通过从零开始培育专业人才，也可以强化从事思想政治教育的工作者本身的信息化素养，提高专业的思想政治教育者的数据技术方面的专业性。同时也需要培养从事思想政治教育的工作者的政治方向的坚定正确，保证工作者能够在大数据背景下西方意识形态输入时坚定社会主义意识形态的立场，培养学生的正确人生观和价值观。
（四）建立数据共享平台
将数据进行集中，通过建立数据分析和共享的平台，将学生日常生活中的思想数据进行整合，对每一位学生都建立起思想政治状况的模型，可以直接将学生的思想变化作出图表，一目了然的看出学生的思想变化，从而达成对每一位学生都能够提供更加全方位的服务。
关键词：大数据时代；网络思想教育；实效性提升
大数据时代促进了高校学生和教育思维方式的改革，随着教育理念和思想的转变，在教育方式和模式上面也会形成相应的变化。充分发挥大数据给高校教育模式带来的转变，以此对大学生的思想进行合理引导，帮助学生树立正确的价值观和思想观，更好的适应社会发展。
一、大数据在高校思想政治教育中的渗透
（一）大数据的时代内涵
大数据作为引领未来繁荣的技术变革，之所以能够在各方面改变人们的生活，在于通过对数据的分析与整合，从而挖掘出新的认知联系与价值观念。但是大数据给人们带来的改变并不是百利无害的，由于在数据处理和应用上还存在诸多待完善的因素，需要更强大的信息力量去支撑。
（二）大数据在高校网络思想政治教育中的渗透
随着信息技术的发展及其在各方面的渗透，学生无论是在日常生活还是学习中都离不开网络与信息，手机俨然成为大学生的“数字器官”，每日产生的数据量是庞大的。当前高校思想政治教育工作，需要充分了解学生的需求，以便个性化地服务于学生的成长成才，而了解学生需求及反馈的最好的办法，就是挖掘并利用这些信息数据，以此分析学生的行为。
（三）大数据应用于高校网络思想政治教育中的现状
根据目前高校思想政治教育的现状而言，大数据理念渗透不够深入，除了个别理科背景深厚、科研实力雄厚的高校初步引入了大数据，其他绝大多数高校还停留在传统模式上。当然，这与大数据应用的设施条件有直接关系。大数据的利用，需要依托强大的处理平台及存储空间，方能对海量数据进行控制与挖掘，这对普通高等院校技术能力与资金来源来说，相对较难。同时，思想政治教育工作者自身的思维观念，对数据的敏感程度等方面，也是参差不齐，这些都直接影响着高校思想政治教育与大数据的契合。
二、大数据为高校思想政治教育工作带来的机遇和挑战
（一）大数据为高校网络思想政治教育带来的机遇
大学生由于学习思维和行为模式时时刻刻在发生改变，每天在校园网络上都产生庞大的数据，这充分表明当下高校思想政治教育已经具备了大数据分析的数据量条件。这些数据也是学生思想变化、情感动态等行为的映射，对这些数据的收集与分析，得到的结论才是大学生的真实写照。这不同以往传统的抽样调查与样本分析得到的数据，传统方式会受很多因素的影响，得出的结论往往片面，不能正确体现出大学生群体的思想与情感全貌。对上述数据进行大数据分析，还可以对大学生行为进行预测与预警，对不良情绪、势头先知先觉，同时利用大数据共享特点，实现学校多部门、多方面参与，从而提前进行一定干预与处理，防患未然。
（二）大数据为高校网络思想政治教育工作带来的挑战
在大数据时代背景下，高校在进行思想政治教育中的针对性要求增强。以往传统的思政教育模式已经落后，不再适用于大数据时代的高校，大学生群体的情绪变化、思维模式将受到外界各类信息的冲击而波动。学校如何有针对性的进行思想政治教育的正确指导，转变思政教育模式，加强自身结构建设迫在眉睫。而当下如何使数据处理能力跟上数据产生的速度，也是摆在高校思政工作者面前的难题。而且大数据信息如何保护，个人隐私将会受哪些方面的威胁，数据的不客观性及误导性问题如何正确判断，使得高校在进行思想政治教育中的信息把握上也十分严峻。
三、在大数据时代背景下，提高高校思想政治教育实效性的有效措施
（一）树立高校思想政治教育的大数据思维观念
大数据时代的到来带给人们最直接的转变就是思维观念上的变化。因此首先就要建立一套行之有效的思维模式，强调高校各部门与思想政治教育之间的协作；其次就是要时刻保持思维的机敏性和前瞻性，准确的把握住现代学生的思维特点和思想教育工作之间的联系。最后就是要鼓励开放性思维和个性化思维的渗透，高校在进行思想政治教育过程中还要不断接受新的社会思潮。
（二）建立高校网络思想政治教育的大数据体系
数据是构成大数据时代的基础，为了适应大数据时代的发展趋势，高校在进行思想政治教育过程中要建立高校网络思想政治教育的大数据体系，从内部着手，整合各部门、各院系与思想政治教育工作有关的资源和衔接点。其次就是内外合作，将内部数据与校外一些新潮思想相结合，最大化的利用大数据的优势，增强校内大数据体系的建设。
（三）提高大数据时代高校思想政治教育工作者的素质
大数据时代不仅给教师和学生在教学形式和思维上带来极大的转变，同时也要求思政教育者在信息技术处理能力方面有很大的提升。大多数高校思政教育队伍均为文科出身，其在对数据敏感程度及处理思维上，远不如理工科。这也正是需要转变观念的基本原因。深化推进思政教育工作者数据意识，培养其数据处理意识，才能摸索出大数据时代下思想政治教育工作新的规律。
总结
根据本文的一系列分析可以看出，在这种新潮的时代背景下，高校在实施思想政治教育中应用大数据等新兴信息技术的必然性和重要性。只有不断加强高校自身的技术能力以及教育思维观念的转变，提高高校思想政治教育的创新意识与质量，才能引导学生在环境复杂、文化多样的社会中，更好的树立正确的社会价值观。
参考文献：
[1]陈银成,罗擎.社会热点问题引入高校思政教育工作中的价值研究[J].经营管理者，2016（23）
[2]张立敏.关于提高中国高校思政教育实效性的多途径探索[J].智能城市，2016（08）
1 大数据时代是思维变革的时代
大数据主要是指基于信息自动收集和存储技术产生的数据，大数据的收集可能基于某一明确而单一的目的，但大数据的应用却是可扩展的。手机用户的通话信息可用于生成话费账单，也可用于预测通讯设备的服务压力，还可用于开展社会关系网络分析，大数据之所以能产生令人振奋的成果，就是因为它整合多种来源的数据，从多角度、多层次、全方位开展分析。毫无疑问，大数据时代的这些分析思维的新动向反映了数据分析的方法论从还原分析向系统综合的转型。
大数据时代的思维变革是数据驱动的变革。维克托·迈尔-舍恩伯格在《大数据时代》一书中分析了大数据时代思维变革的3个主要方面：①更多，不是随机样本，而是全体数据；②更杂，不是精确性，而是混杂性；③更好，不是因果关系，而是相关关系[1]。这3个方面的思维转变都来源于数据内容和形式的转变，数据是思维变革的原动力。随机抽样方法的产生是为了以少量数据来反映研究目标全部数据的总体，大数据时代可以直接获取研究目标的全体数据，那么就应当分析全体数据来更好地反映研究目标的普遍性和特殊性。精确性去除了混杂，然而混杂并非毫无意义，对混杂的分析也可能产生重大发现，而且，随着数据数量的增长，特定混杂产生的影响会越来越小，规律会在大量数据下自然显现。对因果关系的研究朝向于最大化规律的扩展性，如果可以轻松获得事物的全部数据，那么应用其自身数据来发现自身规律更加具有优势，这是大数据时代关注相关关系的最根本原因。
大数据时代的思维变革将成为科学思维转变的契机。人们应用大数据的系统综合思维开展数据分析，产生了许多意想不到的成功；这些成功，必然会进一步鼓励系统综合思维的应用，产生积极反馈，推动科学思维的变革。从google的自动翻译系统，到亚马逊的商品推荐系统，再到IBM的汽车电力供应系统，基于系统综合思维的大数据分析已经撼动了从商业科技到医疗、政府、教育、经济、人文以及社会的各个领域。可以预见，随着大数据分析的深入开展，系统综合的思维将深入人心，并成为科学思维转变的契机。
系统综合是中国古代哲学的价值取向，因此大数据的思维与中医药的整体论和辨证观有很多相似之处。大数据分析立足于全体数据，要求多角度、多层次、全方位地理解和分析数据；中医药学也是如此，要求全面地收集症状，望、闻、问、切四诊合参。大数据强调现实发生的数据，不回避混杂；中医药学也强调严格设计的试验与临床真实情况的差异，关注临床实际。大数据强调发现相关关系，而中医药学应用的各种规律，从根本上说都是相关关系。可见，大数据的思维、方法和技术应用于中医药学具有先天的优势，可以产生巨大的理论和应用价值。
2 大数据思维对中药上市后研究的启示
大数据思维用于指导中药上市后研究，将开启全新的局面。在我国，中药上市后研究方兴未艾。由于上市前研究的不足，如病例数少、研究周期短、人群和用药条件限定严格等，加之历史原因部分中药上市前研究未能系统开展，中药须进行上市后的研究已成为各方共识[2]。中药上市后研究是新药上市前研究的延续，目的是全面考察中药在真实世界的疗效、不良反应、稳定性及费用等是否符合安全、有效、经济的合理用药原则，发现上市中药确切的临床定位、适宜的用药人群、优化的用药方案，同时找到其不良反应及影响不良反应发生的因素，为临床更好地应用中药提供参考。可见，要实现中药上市后研究的目标，单一的前瞻性或回顾性研究都是不够的，必须以大数据的思维，整合所有可获得的相关数据，并充分考虑数据之间的时序性和互补性，开展多角度、多层次、全方位的分析。
目前，可用于中药上市后研究的数据主要有Ⅳ期临床试验数据、被动监测数据、主动监测数据、医疗数据和文献数据。
Ⅳ期临床试验是新药的上市后应用研究阶段，通过临床观察考察药物在广泛使用条件下的疗效和不良反应，评价在普通或特殊人群中使用的利益与风险关系，改进给药剂量。Ⅳ期临床试验是中药上市后研究的最基本要求，其对广泛使用条件下有效性和安全性的观察都是初步的，不仅无法获得不良反应发生率，也很难系统地观察上市中药罕见和偶发的不良反应。
我国的被动监测系统主要是自发呈报系统（spontaneous reporting system，SRS），SRS是我国目前药物上市后安全性数据的主要来源，具有监测范围广、参与人员多、不受时空间限制的优点。国家药品不良反应监测中心于2003 年11 月开始启用SRS，目前数据量已达百万以上。2009年国家药品不良反应监测中心开始将SRS数据发给相关制药企业，鼓励企业开展研究。SRS可提供不良反应的相关数据，却无法提供药物使用人群的本底数据，因此要与其他数据整合以把握不良反应发生的全貌。
主动监测是中药上市后安全性评价的主要方式，上市中药的不良反应发生率只有通过主动监测才能获得。同时，罕见和偶发的不良反应，以及不良反应发生的类型、表现、影响因素等上市后研究关注的要点，也只有通过主动监测才能获得确证性的证据。中药上市后主动监测的形式通常为登记注册式的医院集中监测。按照上市中药的不良反应发生率估算样本量，往往都需监测万例以上。目前我国的主动监测一般都以项目的形式开展，然而这种单一品种一定时段的监测难以形成规模优势，投入产出比欠佳，监测结果也容易受到医院水平、人员资质等多方面的影响。因此建议建立主动监测体系，筛选全国各地各级有代表性的医院作为安全性监测哨点，开展标准培训和资格认证；通过认证的医院对本院所有药品开展常态化监测，将监测融入日常医疗活动之中；药品生产企业则通过支付一定费用来获取本品种的监测数据。这样，监测形成规模优势，成本大大缩减，监测则常态进行，源源不断地产生高质量的安全性大数据。
上市后研究关注药物在真实医疗环境中的应用情况，则医疗数据是最符合要求的大数据。大数据时代，由于医疗事务系统的广泛应用，医疗活动被真实记录下来，使得应用医疗数据开展上市后研究成为可能。医疗事务系统的数据积累主要体现于医院信息系统（hospital information system，HIS）。2007年的统计表明，我国三级甲等医院目前已基本普及HIS，县级医院中HIS的使用率也已达到60%。HIS数据与医疗实践同步，每时每刻都在扩充。一个1 000 张床规模的医院，电子病历系统（electronic medical record，EMR） 每日产生文字记录约150 万条，影像归档和通信系统（picture archiving and communication systems，PACS）每日产生图片数据量约8G[3]。而且，以上海市级医院临床信息共享项目为代表的区域HIS信息整合正在开展[4]。可以预见，HIS数据的整合必将形成典型的大数据。这将成为中药上市后研究最具潜力的数据源。
文献是各种研究的荟萃，其作为中药上市后研究的数据源具有很多优点，如报告者分布较广、可信度较高、研究周期较短、研究费用较低等。尤其重要的是，文献是发现罕见或偶发不良反应的重要线索。随着中药临床研究的不断发展，每年都有大量在各类学术期刊上，为中药上市后研究提供了丰富的资源。利用好这些资源，从这些资源上寻找证据和线索，对于科学系统地评价上市中药有重要的意义。
Ⅳ期临床试验数据、被动监测数据、主动监测数据、医疗数据和文献数据各有优势，也各有不足，应在大数据思维的指导下将其整合起来进行分析。数据整合带来创新，广泛的数据整合是大数据分析的特点之一。数据的总和比部分更有价值，而多个数据集的总和重组在一起比单个数据集的总和价值更大。大数据时代的中药上市后研究，应当尝试多方面数据的整合，以获得更加全面、更有价值的结论。
数据整合应充分考虑时序性。文献研究是其他研究的基础，开展中药上市后研究之始，通过全面地掌握文献，以发现研究品种可能的不良反应及其严重程度，初步评估其安全性，对于前瞻性研究设计中样本量的估计、CRF表的设计、不良反应应急预案的制定等均有价值。同时，文献研究也可为其他研究的开展提供线索。文献研究之后，应开展HIS数据分析，以了解上市中药在临床应用的真实情况，了解其应用人群、应用疾病、常用方案和方法，并根据文献线索开展重点研究。HIS数据一般不包括药物应用的安全性指标，但会涉及到疗效指标和医疗费用，因此可开展相关的有效性和经济学研究。HIS分析之后，应开展SRS数据分析。SRS数据分析可发现上市中药不良反应的具体情况，发现关于不良反应影响因素、禁忌人群和配伍禁忌的线索。SRS数据与HIS数据和文献研究结果相印证，可以较为全面地了解药物的安全特性，评估其临床应用中的风险和收益。当然，这样的研究结果只能提供线索，需要在此基础上进一步设计和开展Ⅳ期临床试验和主动监测等研究，以获得关于安全性、有效性和经济性的确证性的结论。
数据整合应充分考虑各数据间的互补性。文献数据来源广泛但报道零散；HIS数据真实具体但又缺少某些特定信息；SRS数据对不良反应描述详细但缺少用药人群的本底信息；主动监测和Ⅳ期临床数据可靠但费用昂贵。然而它们之间具有很好的互补性：HIS数据可提供临床应用的具体情况；文献数据和SRS数据可提供应用后安全性、有效性的具体情况；HIS数据、文献数据和SRS数据互为补充、互相印证，为研究者提供上市中药应用的概貌和具体细节，为Ⅳ期临床试验和主动监测的设计提供线索；Ⅳ期临床数据则形成上市中药安全性和有效性的初步证据；主动监测则在HIS数据、文献数据和SRS数据的基础上形成关于上市中药安全性的循证证据。
综上所述，应用大数据思维整合中药上市后研究的各种数据开展系统综合研究，更有利于全面把握上市中药的安全性、有效性和经济性，从而为临床合理用药提供更有价值的参考。
[参考文献]
[1] 维克托·迈尔-舍恩伯格， 肯尼思·库克耶. 大数据时代[M]. 杭州： 浙江人民出版社， 2013.
[2] 王永炎，吕爱平，谢雁鸣. 中药上市后临床再评价关键技术[M]. 北京：人民卫生出版社， 2011.
【关键词】大数据；教育形态；革新；哲学角度
一、引言
大数据技术基于云技术、物联网二者之间，大数据的到来是历史发展的自然进程。现如今，大数据已然成为一个热门词。对于它的探讨在各个领域都不胜枚举。我们今天探讨大数据技术在教育形态带来的变革，并从哲学的角度分析它的科学性和意义。
二、大数据时代的教育变革
教育这个词汇可谓是包罗万象。谈到教育，我们可以联想到传统的兴起于工业化时代的教育模式。这种教育模式是我们最为熟悉的，或者说是对教育狭义的理解。带着工业化显著的气息特色：老师、学生、课堂、黑板、讲桌、铃声等。那么广义的教育的定义是什么，我们从百科上找到了这样的定义；“教育是以知识为工具教会他人思考的过程，思考如何利用自身所拥有的创造更高的社会财富，实现自我价值。”那么我们在以知识为媒介进行思考的过程就是一个受教育的过程。我们探索历史的长河，在西方历史中尤为突出。从西方第一个哲学家泰勒斯起到大学的兴起，这期间传统的教育模式悄然形成，教育的概念逐渐塑立。泰勒斯建立了米利都学派，他的学生有阿那克西曼德、阿那克西美尼等。他们最先尝试以现实的物来解释世界，还提出了伟大的命题：“万物源于水。”泰勒斯用自己的思想和知识影响着他的学生，这开启了教育的先河。随后比较有规模的就是著名的三大哲学家：苏格拉底、柏拉图、亚里士多德。苏格拉底的教育模式颇为新奇，他自创的苏格拉底讽刺法1和助产术2是他施行教育的模式。到了柏拉图便建立起了柏拉图学园，与我们今天的课堂相近。亚里士多德的思想更是深深地影响了西方世界。随着生产力的发展经济的飞速转化，大学的兴起，工业化时代的到来，教育形态逐渐形成、稳固。
当今的时代，是互联网飞速发展的时期。“数据”一词是时代的浓缩代表。数据的集中以物联网、云计算等综合技术的成熟为基础，数据是过程性和综合性的考虑。透过数据看到的是世界的逻辑关系。大数据伴随着云技术和物联网是推动教育形态变革的主要力量。在这个时代，我们的知识将会无处不在，思考随时进行，因此我们的教育随时发生。教育形态自然会发生天翻地覆的变化。
大数据时代的教育变革的具体表现是我们探索的主要内容。变化是一个相对的概念，我们总结了以往的教育模式，再对比如今的教育方法，最终得出了变革的概念。如今我们有这样一组数据，美国从1997年以来的十多年间，在家上学的人数迅速增长。这样的数据就会引起我们的思考，这颠覆了我们从前在课堂上课的方式，那么家庭教育是怎样进行的呢。我们进行了统计，发现视频成为主要载体，这样的教育信息量更多更大，资源极其丰富。更是达到了随时学习、终身学习、按需学习。
2014年在清华大学举行的“首届全国高校学院院长高端论坛暨清华大学思想政治教育专业创建三十周年纪念大会”中，多次提到了教育形态的改革。打造立体教学模式、利用多媒体等方式统筹利用各项资源。这些数据都体现了我们教育形态发生的变革。
三、哲学角度看大数据与教育形态的关系
我们论述了大数据时代的到来引发了教育形态发生的变革。我们既看到了现象，就要从哲学角度透过现象追求本质，探索根本原因。看大数据是怎样潜移默化的影响教育形态。
探讨大数据的影响力我们可以从大数据的特征中总结。大数据的显著特征就是信息量大且繁多。这样对我们的思维模式有一个新的锻炼，会多带来不同。大数据的公开性和容易获得性是它的另一特点。大数据的产生是在商业过程中自动化产生并存储下来。那么这样的数据必然会给我们提供广泛的参考，进而预测性又是大数据的一大重要特征。我们讨论的这些是大数据显而易见的特征。大数据深层的特征是存在在它的研究方式中的。大数据不同于以往的调查方式，由于以往技术的局限多数进行的是抽样调查，这样得出的概率性远比整体调查少的多。大数据就是重全体轻抽样。那么对于大数据得出的结果，我们是重在分析它所展示的关系而非看重结果。我们探讨大数据的特征，可以举在教育中的一个实例来反映。
我们用简单的方式举例，一个学生考试得了80分。这是一个结果，更是一个数字。但是对于我们的大数据来说并不是这样的。它会分析数字背后的因果关系；它会整体调查影响学生分数的全部原因；更会产生预测性的断定，是否是家庭、智力或者是态度等因素影响了分数的形成。在大数据时代，我们的关注点从感性上升到了理性，这样的技术的运用让我们的世界观和方法论都有了理性的参考，这可以说是一个新事物。
我们总结了大数据的特征，更找到了大数据在教育形态发生变革的作用力。这样的研究方式，我们可以从哲学的角度探讨。
大数据采取的是整体调查。从这个角度来看，与我们的归纳主义3所倡导的主张有一致性。归纳主义认为，搜集尽量多的数据、事实，并从中推导出结论。大数据的研究方式似乎与归纳主义不谋而合，但是如果我们这样思考，就会将大数据的研究方式推到了狭隘的空间。
大数据带来的研究方式，我们从哲学的角度出发进行思考，对于今天互联网高速发展的时代有着很重要的意义。我们可以从既存的哲学研究方式中去思考它，更可以从它出发去创新新的思维模式。因为大数据不再是以往单纯的直线思维，它带来了多重立体的思考。这样的时代意义确实需要我们探讨。
参考文献：
[1]托夫勒：《未来的冲击》，电信出版社，2001.
[2]韩志君：《简析大数据在教育领域的运用》，《科技世界》，2014年第六期.
[3]刘凤娟：《大数据的教育应用研究综述》，《现代教育技术》，2014年08.
注释：
1.苏格拉底讽刺法：苏格拉底对待自恃有知却无知的人，从他们的观点出发，不断发问，最终将他们引入自相矛盾的境地。
【关键词】中小企业融资 大数据 贷款决策
一、信息不对称是中小企业融资难的主要原因
造成中小企业融资难的问题有各方面的原因，主要有以下几个：一是融资缺口的存在，即由于我国利率的市场化程度不高，实际借贷利率远高于银行法定利率，导致了信贷市场上供需严重失衡的问题。二是股票、债券等直接融资方式的成本和进入门槛过高，大多数中小企业无资格在直接融资市场获取资金支持。三是中小企业自身存在的问题导致自身难以获得银行资金支持，例如银行等金融机构对那些经营模式粗放、财务制度不健全的中小企业不得不采取更加严格的审核措施来防范贷款违约风险。归根结底，这些问题出现的根本原因在于银企之间信息不对称，从而导致了逆向选择和道德风险现象的出现。虽然银行贷款作为中小企业外源融资的首选途径，但由于中小企业与银行的往来较少，缺乏企业与企业主个人的信用状况详细数据，同时由于中小企业的业务较为单一，因此大多数企业没有意识到健全自身财务制度的重要性，也就导致了企业自身财务信息、资金使用情况、融资状况等相关信息的不透明，导致银行无法对其进行科学、准确的资信调查，从而难以审核和确定是否给予中小企业信贷支持，因此中小企业难以获得银行的贷款支持，从而形成了中小企业融资难的局面。
二、大数据时代下的信息处理流程
在互联网时代，伴随着云计算的异军突起，全球数据量呈现出爆发式的增长态势。随着大量数据的涌现，数据的复杂性也逐渐显现出来，由此产生的数据类型和应用处理方法相较传统方式也发生了巨大的转变，与传统的单纯数据采集不同，大数据时代下的数据处理流程可划分为：数据采集、数据处理与集成、数据分析、数据解释4个阶段。
以银行处理贷款业务为例，整个大数据处理流程如图1所示，即经各种数据源（如传感器、射频识别等）获取的贷款企业的经营、财务数据，因为其数据结构不同（包括非结构数据、半结构数据、结构数据），将收集到的企业数据经过适当的处理、清洗去噪以及进一步集成存储等技术处理，将其转变为统一标准的数据格式方便以后进行进一步的处理;然后再通过数据挖掘、智能算法、云计算等数据分析方法将这些数据进行处理分析，并最终将分析的结果通过“数据可视化”技术展现给客户，即是整个大数据处理的流程。
三、大数据时代下缓解融资困境的优势
在大数据时代下，商业银行可以做到对每个贷款客户的业务相关信息的数据采集，贷款者的商业投资和购买行为产生的数据信息都被记录到数据库中，通过数据挖掘技术的处理，可以产生极为有用的用户信息，从而避免潜在的逆向选择与道德风险。其次，在大数据时代，商业银行通过全自动化系统完成对融资客户相关信息的采集和处理，同时通过系统自动收集客户的供、产、销信息，可以准确、真实地了解客户的实际经营情况，而且由于已将人工干预降低到最低程度，业务处理效率也大幅提高，成本大幅降低，更有利于商业银行审核中心企业的贷款资质，同时也有利于增强贷款质量、控制贷款风险、提高贷款效率。而且随着传统信息结构的改变，大数据时代下银行的风险控制理念也随之改变。在过去避险理念的传统思想下，金融机构通过高利率或要求提供等值抵押品来避免贷款风险，而在大数据时代，变为了通过持续性监管（例如企业能否持续稳健经营、应收账款回收能力）来规避风险损失。而且这种持续性监管的方式进一步简化了业务流程，提升了信贷效率，符合中小企业“短、急、频”的贷款特点。
四、大数据时代下中小企业缓解融资困境的措施
（一）制度相关的政策，支持产业发展
我国应减少目前对科技活动和产业升级活动的直接干预，避免单纯采用行政手段来促进产业升级，而应出台相应的产业刺激政策，制定大数据产业发展总体战略规划;协调、管理和促进各个产业政策执行主体之间的合作和交流，充分利用政府的职能与政策的作用鼓励技术创新活动、营造技术创新的激励机制，从而为大数据行业的健康发展营造良好的基础设施和制度环境。
（二）制定相应的法律规范，加强数据应用范围的监督
法律必须明确规定金融机构和相关机构对客户信息的收集、存储、传播、处理和利用的规则，包括相关的实体规则和程序规则，以规范客户信息的利用和流通。具体包括哪些部门和个人有权查看客户信息、如何设立充分的安全保障机制以避免信息泄露等。
（三）建立实时数据对接平台
金融机构在传统融资时代下，只是通过贷款专员对申请贷款的中小企业进行了资信情况的审查，得到的大都是二手材料或时效性较差的财务资料，并没能实现与中小企业的实时对接，因此为了较少银行的贷款风险，加大中小企业的贷款成功率，有必要建立金融机构与中小企业的实时数据对接平台，及时了解贷款企业的信息流、资金流，获取中小企业的实际资信状况，从而做出贷款决策。同时，在做出贷款决策之后，可以通过实时数据对接平台了解中小企业的银行贷款使用方向以及是否有违约倾向，减少道德风险带来的借贷风险。
参考文献：
[1]李国杰，程学旗.大数据研究：未来科技及经济社会发展的重大战略领域――大数据的研究现状与科学思考[J].中国科学院院刊， 2012.
关键词：大数据 金融机构 竞争研究
一、大数据时代的特点及优势
在过去的若干年中，互联网的飞速发展直接导致了数据的爆炸式增长，在一定的程度上决定了未来企业在互联网发展的方向，大数据时代的来临，给商业、经济和其他方面都带来了极大地影响，越来越多的决策将会更加科学的根据大数据的分析来进行决定，这也能保证企业的决策和发展更加的科学化和准确化。大数据的优势体现在降低成本、数据多样性、大容量和高效率。首先从成本来看，大数据的应用确实能够大幅度的降低企业成本，交易双方可以避免很多中介的介入进行直接沟通和交易，再加上大数据时代带来的支付的便捷性，极大的降低了信息处理的经济成本，二者互相影响、互相促进，帮助企业实现了成本的大规模下降。从信息角度来考虑，大数据的应用为企业提供了海量的客户信息，双方可以更加便捷地完成详实的信息共享，大大提高了交易的速度和质量。此外，由于信用评定机制的快速发展和广泛应用，交易双方的信息和信用状况将会更加的公开化，在提高了交易效率的同时也很大程度的降低了违约概率。
二、大数据时代的到来对于金融机构的影响
（一）大数据能够提高金融机构的运行效率
大数据的时代下，互联网已经从传统的媒体行业开始逐步“占领”金融、教育、建筑、旅游等各行各业，在传统行业中建立起来新颖的商业模式，提高了行业效率。大数据的应用对于金融行业的影响具体如下。经过多年的发展，我国的大型银行和保险证券公司的数据量已经达到了100T的级别，如此庞大的数据库不仅见证了行业的发展，也给行业的信息处理能力提出了更高的要求，大数据的应用可以使金融机构的中介功能进一步发展，具体体现为虚拟化和电子交易的特点。大数据促进了金融机构创新产品的速度和效率，金融机构可以通过应用大数据对客户进行分类、分级别，根据不同阶层的客户提供相应的产品，使企业能够更灵活的把握市场变化，提高交易成功率，提高金融机构的盈利能力。
（二）大数据能够提高金融机构的结构效率
大数据和互联网的应用打破了传统的物理交易壁垒，通过虚拟化的信息流和数据流对大量的资源进行准确的分配，促进传统的物理生产关系发生改革，提高金融机构的结构效率，这对于传统行业的改革升级和未来发展具有十分重要的意义。目前我国的金融行业有两种传统的融资手段，一是通过银行信贷的融资方式;二是通过证券、股票、债权上市等直接融资方式。这两种传统的融资方式在多年间为我国的经济发展和资源分配做出了极大地贡献，但是这两种传统的融资方式也存在很大的交易成本。大数据等新兴的信息技术的应用在普及以后，从信息产生、传递等多个方面打破了信息不对称的传统弊病，降低了信息传递和加工成本，给金融模式提供了更加自由的双向互动社交化的可能性。
三、大数据时代下金融机构竞争策略分析
（一）加强历史数据的积累
大数据的本质是大量的高品质的标准化数据，国内金融产业传统的数据来源主要有两种：金融产业自身运营的数据积累和外部购进的数据。到目前为止，金融机构的自身数据积累依然是数据积累的主要方式，其原因有二：首先，金融机构自身积累的数据具有更高的真实性，在交易中产生的数据全部是由真实具体客户的实际交易行为产生的，也拥有相应的资金交易记录支持;其次，金融机构自身积累的数据库拥有更强的适应性，大数据的特点是在巨量的数据中找出相应的信息，而本身积累数据的密度比大数据更高，从数据成本方面来考虑，自身积累数据的挖掘成本显然也更低。
（二）提高产品开发能力
在大数据时代的背景下，金融机构想要做好革新，需要考虑两点内容：一是从传统的业务思想出发，将互联网和金融产业的合作突破传统的外延增长层次，二是要注意在着重发展技术的同时不要脱离实际。因此，金融机构需要认清大数据作为工具的特点，把握好大数据时代的发展方向，保持强劲的产品开发创新能力，时刻观察市场的细节变化并相应地根据市场研发新产品。
（三）做好充足的资本金准备
在大数据时代，金融产业的信用业务必将迎来高速的发展，在目前国内金融机构未来发展的重要方向之一是资产管理业务，而资产管理业务的关键就在于信用业务，两者不谋而合。资本金的监管是金融机构发展过程中的重中之重，资本金的释放能力基本决定了金融机构的营业规模。此外，大数据的后台建设也是一项浩大的工程，需要金融机构投入巨大的成本，并且数据后台的投入和实现系统效应之间存在很长的时间间隔，这同样对金融机构的资本金存量提出了很高的要求。因此，拥有更强资本金实力的大金融机构无论是在产品开发能力还是后台处理水平方面都占有很大的优势，而对于产品开发能力较弱，资本金较少的小金融机构来讲，就更需要把握市场，进行有效的转型。
参考文献：
关键词：大数据时代；大学生；就业指导
中图分类号：G647.38 文献标识码：A 文章编号：1671-2064（2017）05-0219-01
目前，我国大学生就业现状不容乐观，大学毕业生就业率低下，就业率已经成为学生选择学校和专业的重要因素。为了能考高分并上理想的大学及专业，学生仍然陷于书山题海之中，严重限制了素质教育的开展，甚至影响到学生接受高等教育的积极性。造成大学生就业率低的原因是多方面的，其中，社会大环境是造成大学生就业困境的客观原因，而人们陈旧的思想观念是导致就业难问题的主观原因。大数据时代的到来，为大学生就业难提供了多方面信息，为大学生就业指明了方向。
1 大稻荻ㄒ
大数据这个词虽被广泛提及和讨论，但目前还没有统一、准确的定义。我国著名学者涂子沛在其著作《大数据》中指出：“大数据之大，并不仅仅在于其容量大，更大意义在于通过对这些数据的交换、整合和分析，可以发现新的知识，创造新的价值，带来‘大知识’‘大科技’‘大利润’和‘大发展’。”综上所述，大数据能通过先进的计算机技术，对大量的、复杂的数据进行分析和挖掘，归纳出更多有价值的信息，从而指导实践、服务实践。
2 大学生就业指导工作现状分析
我国实行改革开放政策并成功加入WTO以后，国家经济稳步增长，但市场依然处于转型期，劳动密集型产业众多，高新企业、知识型企业相对缺乏。经济的高速发展并没有给大学生带来更多的理想岗位，却对大学生的综合素质及专业技能提出了更高的要求。随着高校毕业生人数的迅猛增长，就业竞争越来越激烈，对毕业生综合素质及专业知识要求普遍偏高，在招聘大学毕业生时常常难以获得满意的结果，“高不成、低不就”成了大学毕业生在就业问题上的普遍现象。
3 大学生就业指导工作面临的机遇和挑战
3.1 大数据时代就业途径
在大数据时代，通过数据技术的分析、运用并得到有价值的信息，从而引发各行业的变革已有很多实例，为很多行业的发展带来了指引和挑战。在高校教育中，数据及数据分析的价值也越来越受到人们的重视。种类繁多的数据，既提供了大量的信息，又加大了选择的难度网络招聘以其快捷和信息量大的特点创造了人才市场新的运作模式，正在成为大学生择业的新途径。大数据时代下，信息资源的共享与融合为求职者带来了方便，但同时，海量信息资源的获取和甄选又为求职者带来了困扰。
3.2 大数据时代就业竞争力
对大数据的分析，既体现出了社会对大学生的要求，又带来了教育改革的问题。通过对大数据的分析，能够更直观地看出社会对大学生的素质要求，即以大学生的专业学习和专业实践能力为基础的就业竞争“硬实”和大学生的思想道德素质、职业道德操守、团队精神、人际交往能力、独立创新意识等就业竞争中所谓的“软实力”。这些对就业竞争“硬实力”、“软实力”的要求都影响着大学教育，而这些转变需要通过教育改革来实现。
3.3 大数据时代给大学生就业指导工作带来的启示
（1）通过完善就业指导课程促进教学改革。高校应积极开展就业指导课程的改革，从教学环节就把学校人才培养与市场需求结合起来。在就业指导课程设置上，通过对大数据的分析，帮助学生了解企业需要什么样的人才、自己所学知识能应用于哪些行业，并体现到对学生的日常教学中，促使教学改革不断向就业倾斜，为学生增强就业竞争力打下基础。
（2）帮助大学生确立正确的择业观。在大数据时代迅速发展，就业竞争日益严峻的形势下，大学毕业生必须积极转变就业观念，解放思想，树立正确的择业观，加强并完善毕业生就业服务信息网站建设。就业服务信息网站不能仅局限于就业政策、传递就业信息、进行网上招聘和办理就业相关手续，而要在社会职业状况、就业环境预测、成功就业案例分析和网上咨询辅导等方面提供深层次的服务。同时结合就业指导课程帮助学生了解就业环境，树立正确的择业观，从而使学生能够正确地认清自我、评价自我，根据市场需求调整自我完善自我，不断增强市场竞争力。
（3）实现大学生就业指导精准的个性化服务。随着大数据时代的到来，培养学生科学地分类、整理以及应用网络就业信息的能力，有利于加强大学生对就业信息的判断和选择。
总之，大数据时代为解决大学生就业难问题中充分发挥就业指导的引导作用，通过大学生就业指导工作促进教学改革，帮助大学生树立正确的择业观，鼓励大学生创业和实现大学生就业指导的个性化服务。
参考文献
[1]杨阳.浅谈未来大数据时代的大学生思想政治教育才智.2013.
【关键词】大数据 会计信息化 发展趋势
从步入21世纪开始，包括互联网在内的诸多领域都得到了飞速发展，多样化、复杂化的信息数据充斥着人们的生活与工作，对各行业的发展具有着重要影响，这意味着人们已经进入了大数据时代。越来越多的国家开始进行大数据的发展与应用研究，希望能够深入了解大数据以及其对产业发展的影响，我国对大数据表现出了足够的重视，颁布了相关文件对大数据的发展进行了科学规划与设计，希望起到对大数据发展的促进作用。
一、大数据概述
从进入21世纪，大数据时代就已经来临，但目前对大数据的研究仍然较少且缺少一定的深度与广度。关于大数据的定义，该领域还没有形成一个统一的定义，许多研究学家给出了不同的结论，John Rauser认为大数据可以概述为超过了一台计算机运算能力的数据；美国公司麦肯锡认为大数据可以定义为在一定时间内不能用传统信息处理软件进行数据的捕获、处理的数据集合。而从广义上对大数据进行定义则认为大数据不仅包括数据的形式与规模，还包含对大数据的处理技术。大数据具有的特点可以概括为多样性、高速性、易变性、大量性以及真实性，虽然大数据存在一定的不足，但其在准确性上仍然存在一定的不足。
二、会计信息化发展现状
随着现代计算机技术的飞速发展，许多行业开始将这一互联网工具应用到企业经营与管理中，会计信息化就是在这一发展背景下会计行业与互联网技术的有机融合。在“十二五”期间，国家对会计行业的改革与发展提出了更高要求，将会计信息化作为了该领域发展的重要方向。我国会计信息化的发展萌芽于上世纪80年代，经过近些年的发展，已经获得了较多进步，但整体而言会计信息系统并没能得到深度改革与创新，仍然沿用传统的会计信息化模式，因此在市场实践中逐渐暴露出了许多问题，主要包括：会计信息不对称、会计信息失真、信息披露不完全、会计信息单一以及会计信息缺乏时效性。这些不足已经影响了企业会计信息系统的健康发展，同时也无法满足市场对于会计信息的要求，而随着大数据时代的来临，会计信息化系统将获得更多创新、快速发展。
三、大数据对会计信息化的影响
（1）对会计职能的影响。传统会计在市场中承担着对会计信息的核算与监督职能，但随着大数据时代的来临，会计职能开始向数据分析与信息掌控发展。企业会计信息化发展要求会计人员必须能够对会计数据进行有效掌控，同时还要对数据进行科学、全面的分析，从而提高会计信息对企业经营决策的指导性。
（2）对会计流程的影响。传统会计主要进行信息的记录，但大数据时代会计信息化则需要进行报告、分析、决策等多种工作，这就要求会计信息化流程必须做出相应改革。摒弃传统的会计流程模式，采用最新的系统ERP模式，从而极大的提高会计信息化系统的运算效率，使会计流程更加有序、高效。
（3）对会计分期的影响。会计分期的目的在于向相关部门更加有效的提供其所需的会计信息，而大数据时代的会计信息化让这一工作存在的必要性出现了分歧。由于会计信息化的创新发展使其能够储存更大的信息量，且能够做到会计信息的“随用随取”，有效提高了会计信息的操作效率，实际上已经极大的降低会计分期存在的必要性。
（4）对会计主体的影响。传统的会计信息工作更多的是依赖于员工操作，而在大数据时代下的会计信息化系统则需要会计人员拥有较高的网络、云计算等互联网技术，同时也要具备先进的专业知识，能够较好的适应现代会计信息化的发展，因此大数据会计信息化的发展对员工有着较高要求，而习惯了传统会计信息处理方式的老员工相对于现代年轻人则面临着更大挑战。
四、大数据背景下会计发展的新趋势
（1）资源共享平台拓展。在会计信息化发展过程中，建设资源共享平台是其中的重要环节，而这也将成为大数据背景下会计发展的重要趋势。资源共享平台能够为企业进行经营活动的决策提供信息支持，因此在会计信息系统中具有重要地位，而随着大数据时代的来临，为了避免出现信息孤岛现象，必须对企业的资源共享平台进行合理扩展，从而提高企业内部之间的信息交流与共享；同时现代社会信息化的发展现状也决定了资源共享平台的进一步扩展，通过这一平台的扩展，能够有效提高企业资源的整合效率，为会计使用者的资源查找、搜集等工作提供较大的便捷。在未来大数据背景下，会计信息化的发展必将走向拓展资源共享平台的道路。
（2）会计信息化成本降低。在会计信息化发展的过程中，其建设成本主要产生于两个方面：一是对会计信息化过程中基础设备与基础资源的购置费用，如计算机硬件与软件等；二是会计的咨询与规划费用，同时设备的更新与维护也将产生一定的成本支出，会计信息化的发展需要充足的资金支持，因此传统会计信息化必将产生极大的运营成本，对于企业而言是较大的经济负担。而在大数据背景下的会计发展将迎来成本降低的新趋势，其原因在于大数据下的会计信息化具有较高的资源利用率以及运行效率，不仅能够显著降低运营成本还能够有效降低时间成本，因此将给企业会计信息化建设带来成本降低的发展趋势。
（3）云计算技术的广泛应用。在大数据影响下，今后的会计信息化必将广泛应用云计算来提升企业对会计信息的处理能力。企业会计信息化系统将在云会计服务平台上进行信息的储存与处理，这一应用不仅能够极大的提高信息处理效率，同时还能够减轻会计人员的额工作负担，云计算技术的运用能够使会计人员的工作突破时间与空间的限制。其次云计算技术利用云端进行数据处理的特点，能够有效提高企业会计信息化工作的程序化与多样性，使会计信息化的发展更加高效。
五、结论
会计信息化是会计领域发展的重要内容，在大数据背景下，会计信息化发展具有了新的发展趋势。通过深入研究大数据对会计职能、会计流程、会计分期以及会计主体产生的影响，分析了未来在大数据时代中，会计信息化的资源共享平台拓展、成本降低、云计算技术广泛应用的发展新趋势，从而给企业会计信息化的发展提供一些参考意见。
1.“大数据”的名称来自于未来学家托夫勒所著的《第三次浪潮》
尽管“大数据”这个词直到最近才受到人们的高度关注，但早在1980年，著名未来学家托夫勒在其所著的《第三次浪潮》中就热情地将“大数据”称颂为“第三次浪潮的华彩乐章”。《自然》杂志在2008年9月推出了名为“大数据”的封面专栏。从2009年开始“大数据”才成为互联网技术行业中的热门词汇。
2.最早应用“大数据”的是麦肯锡公司（McKinsey）
对“大数据”进行收集和分析的设想，来自于世界著名的管理咨询公司麦肯锡公司。麦肯锡公司看到了各种网络平台记录的个人海量信息具备潜在的商业价值，于是投入大量人力物力进行调研，在2011年6月了关于“大数据”的报告，该报告对“大数据”的影响、关键技术和应用领域等都进行了详尽的分析。麦肯锡的报告得到了金融界的高度重视，而后逐渐受到了各行各业关注。
3.“大数据”的特点由维克托·迈尔-舍恩伯格和肯尼斯·库克耶在《“大数据”时代》中提出
维克托·迈尔-舍恩伯格和肯尼斯·库克耶编写的《大数据时代》中提出：“大数据”的4V特点：Volume（数据量大）、Velocity（输入和处理速度快）、Variety（数据多样性）、Value（价值密度低）。这些特点基本上得到了大家的认可，凡提到“大数据”特点的文章，基本上采用了这4个特点。
4.在云计算出现之后“大数据”才凸显其真正价值
自从有了云计算服务器，“大数据”才有了可以运行的轨道，才可以实现其真正的价值。有人就形象地将各种“大数据”的应用比作一辆辆“汽车”，支撑起这些“汽车”运行的“高速公路”就是云计算。最著名的实例就是Google搜索引擎。面对海量Web数据，Google于2006年首先提出云计算的概念。支撑Google内部各种“大数据”应用的，正是Google公司自行研发的云计算服务器。
众说纷纭的表达
《大数据时代》的作者维克托·迈尔·舍恩伯格解释：了解什么是“大数据”的定义非常关键。首先要明确的是，“大数据”并不是很大或者很多数据。根据维克托在书中的描述，“大数据”并不是一部分数据样本，而是关于某个现象的所有数据。第二点，由于掌握了关于某个现象的所有数据，那么在统计时就能接受更多不准确的信息。第三，“大数据”的分析着重在了解“什么”而不是“为什么”。比如人们可以通过各种相关数据来了解未来将会发生什么，而不是这些事情发生的原因。要探寻原因会更难，很多时候，知道会发生什么已经足够了。以上这些就是“大数据”的核心，有足够多的数据，允许数据中存在不准确的信息和不去探寻事件发生的原因而是探寻会发生什么事件。
维基百科对“大数据”的解读是：“大数据”（Big dafa），或称巨量数据、海量数据、大资料，指的是所涉及的数据量规模巨大到无法通过人工，在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息。
百度百科对“大数据”的定义为：“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透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。
传媒专家刘建明教授认为：“大数据”同信息是不可分离的，是指信息浩大数量的统计与技术运作。作为人类认矢口社会方法的一次飞跃，“大数据”技术将给企业运营、政府管理和媒体传播的科学化创造有效机制。
“大数据”的基本判断标准
