发布时间：2024-01-25 14:56:27
绪论：一篇引人入胜的大数据时代特征，需要建立在充分的资料搜集和文献研究之上。搜杂志网为您汇编了三篇范文，供您参考和学习。
随着大数据的广泛应用，使得人们更加重视数据信息的商业价值，将数据作为企业的资产以及战略资源。数据资源的合理化应用，能够释放更多的价值，提高企业的生产效率，促进产业创新。企业管理依托大数据，建立资源共享的互联网模式，能够解决数据信息孤岛问题，实现数据价值转换。
一、大数据时代企业管理的新特征
（一）加快企业和外界的信息互动
大数据时代下，企业信息来源较为广泛，信息互动较为便捷。部分企业为了更好的适应大数据时代变化，通过构建信息平台的方式，实现和外界的实时对话。比如，多数企业都建立了企业微信公共平台，增强和外界的信息互动。
（二）数据成为企业发展战略资源
互联网时代下，企业资源发生变化，除了原始资源外，数据信息也成为了企业发展战略的重要资源。当今时代，信息爆发，每分钟都在产生海量数据。对于企业来说，大数据能够帮助其更好的了解世界，精准预测和定位市场，成为生产经营管理的重要手段。譬如：某企业利用发数据分析，预测汽车产品购买人群。采用了IBM大数据处理方案，使得目标客户群的响应率得到15%左右的提升，客户忠诚度有了7%的提升。由此可见，借助大数据平台，开展需求分析，能够精准客户目标，提高营销服务的效果。
（三）风险防范能力增强
大数据时代背景下，企业经营管理面临着更大的风险。在大风险环境下，利用大数据，进行风险因素分析，能够提高企业风险防范能力，精准找出威胁企业稳定发展的因素，采取相应的措施，做好风险防范，有着积极的作用。需要注意的是，虽然从本质上来说，数据安全风险能够有效规避，但具体应用时，若信息泄露或者遗失，尤其是会计信息，会使得企业陷入危机，比如乐视企业的危机，正是由于内部信息泄露，进而引发的企业危机。
二、企业管理依托大数据的利弊分析
依托大数据，开展企业管理，有着以下利弊：1）利。利用管理数据资源池，能够为企业管理人员，提供更多的数据信息，减少数据调研的时间，提高决策的时效性和科学性；通过数据深度分析，预测市场变化以及竞争对手，制定有效的企业管理制度，能够推动企业持续化发展；利用数据挖掘技术以及工具，进行海量数据分析，掌握数据内在联系，挖掘其价值，能够预测供应链运行情况，制定供应策略，进而达到供应链要求。2）弊。在大数据时代下，信息安全成为人们关心的重点内容。从实际情况来说，数据信息违规采集和使用等情况时有发生，数据转移安全风险较大，私密数据泄露以及敏感信息窃取等问题，阻碍着大数据的应用和发展。不过从本质来说，管理大数据作为知识型数据，利用挖掘技术，能够实现数据剥离，不涉及企业隐私。即使是进行数据交互，通过物理隔离，也能够确保自由数据和客户数据的安全。总的来说，大数据给企业管理带来的利大于弊。
三、大数据时代下的企业管理策略
（一）提升数据与分析能力
从企业管理角度来说，若想充分发挥大数据的作用，需要提升数据预测和分析能力。大数据时代下，非结构数据较多，普通数据库难以有效处理TB及以上的数据。基于此，要升级数据存储系统。若条件允许，可建立基于云计算的数据信息系统，实现对ZB级及以上的数据全面分析，实现数据信息资源共享。云计算的应用，能够对各类数据，包括结构化数据和半结构化数据等，进行综合分析，提高企业数据分析能力，是当前企业数据分析较好的选择[1]。
（二）做好数据信息安全管理
对于企业来说，信息安全尤为重要，尤其是会计信息。其直接影响着企业的存亡，因此必须要加强信息安全管理。对于此问题，企业可采取以下措施：1）合理选择服务商。目前，企业可选择的云计算服务商较多。在选择时要做好对比分析，明确其服务水平和信誉情况，保证服务质量。2）建立具有风险隔离功能的系统，做好信息安全防护，谨防数据信息被窃取或者篡改。3）做好信息加密，若要共享数据信息资源，必须获得许可[2]。
（三）做好人才培养
依托大数据，有效开展企业管理，要保证技术得以有效运用。基于此，要做好人才培养工作。结合业务实际，进行人才培养。以会计人员培养为例，使其能够掌握会计信息系统应用方法，从繁琐的数据中，提取具有应用价值的信息，帮助企业制定管理决策。在进行人才培养时，可通过员工外派或者专家授课等方式，提高管理人员的素质水平。需要注意的是，为保证人才的质量，要注重新进人才的培养，健全人才培养机制，完善员工晋升机制，充分调动员工的积极性。
（四）充分挖掘大数据价值
从可应用领域来说，大数据可应用于企业管理的各个方面，具体包括生产运作、供应链、人力资源管理等。从当前企业管理大数据应用的实际来说，主要应用于财务管理，使得大数据的应用价值没有得到完全发挥。基于此，企业管理者要树立大数据思维，充分认识到大数据的作用。对于信息安全方面所存在的顾虑问题，要做好问题改进，积极探索有效的解决办法，发挥外界资源优势，结合企业的实际情况，研发管理大数据系统。
四、结束语
综上所述，大数据时代下，企业管理有了新的变化，加快企业和外界的信息互动、数据成为企业发展战略资源、风险防范能力增强。不过依托大数据的企业管理，有利有弊，需要企业做好完善工作，针对现存的问题，做好改进和完善。
面对大数据时代的来临,面对“大数据”所带来的新技术、新思维的变革,企业内部审计需要应时而变来适应商业模式、思维模式及数据处理模式的变化,从而影响了审计方式、审计抽样方法、审计评价模式、审计重点等。而内部审计人员不仅要能了解数据的变化以及数据处理技术的变革,更要能处理数据、分析数据、驾驭数据,要能够充分、及时地从大量复杂的数据中,辨认出对内部审计的意义与价值,并进而协助内部审计人员做出最佳的决策。“大数据”对企业内部审计的影响主要表现在以下几个方面:
(一)审计方式由传统审计的事后审计、周期审计向连续审计转变。随着大数据技术的快速发展,审计方法和模式也在与时俱进。传统审计中,审计人员只是在完成财务报告或经过特定的周期或离职等情况的时候才进行审计,而且审计中并不是检查所有的信息,只是抽样分析。这种有限的检查对复杂的商业系统来说很难起到监督作用,而且传统审计的测试程序主要采用常规的方法关注被审计单位活动,包括数据、授权和执行等。企业如仍然采用这种审计方式,对于确认迅速发展的商务活动的真实价值或合法性显得过于迟缓;另外,从内部控制的角度来讲,我国目前的内部审计实务多是针对财务、会计事项,对经营活动、内部控制、管理事项的监督、评价极为有限,审计活动理念也多为“监督导向”型,而非“服务导向”型,公司部门间的不同流程缺乏衔接都使审计工作难以为经济活动提供全面的监控和服务。随着企业经济业务日趋复杂,信息技术迅速发展,企业电子商务和信息化建设逐渐成熟,越来越多的人意识到连续审计的重要性,而大数据技术及大数据基础使连续审计成为可能。连续审计可以降低传统审计过程中的浪费和时滞问题,降低审计错误和风险,促进企业发展。连续审计是信息技术与审计学科较好交叉融合的产物,是信息化条件下审计科学发展的必然,尤其对内部风险控制“实时性”要求极高的特定行业,如银行、证券、保险等金融和债务契约等行业中,实施连续审计监督迫在眉睫。某财产保险公司内部审计部门,已经在新开发的审计系统中固化了连续审计模块,该模块可以实现在线的风险预警,并安排专人进行日常数据式连续审计,将发现的风险数据、超预警值指标及问题登记为疑点,并建立审计底稿,按照重要程度进行远程审计、核实或下发给现场审计人员进行现场核实。该模块经过一段时间的使用,收到了很好的效果。
(二)审计抽样开始系统化、模块化、智能化,并开始具有预测功能,而样本最终将扩展至数据全体。目前,常规审计工作已广泛采用随机抽查法,其意义用较小的投入来获得审计结论,提高审计效率;但利用抽查法所得出的审计结论存在着发生重大错误的可能性,其可能性的大小就意味着审计风险的大小。然而,数据量的爆炸式增长使审计人员意识到现行的抽样审计方法只是凭借审计人员的主观判断和实际经验对财务报表中的重大事项进行审查,而忽视了大量的业务活动,无法发现和揭示企业内部发生的、对财务报表真实性有重大影响的舞弊行为和技术性错误,难以对企业财务报表及经营管理做出准确的判断和评价。但是,庞大的企业规模和繁多的业务活动,致使审计工作难以回到详细审计方式,只能在抽样审计方法本身寻求改进。审计抽样开始向以下几个方向发展:一是审计抽样系统化。通过抽样系统增加审计抽样的实用性和效率性,为审计人员从大量的审计数据中抽取有用信息,为审计的预测分析提供依据,这样的抽样采用人工方式在海量数据的情况下是无法进行的;二是审计抽样模块化。通过模块化设计,审计抽样系统将得到最大的灵活性,以便抽样时采用各种模型组合便抽样更有效率;三是审计抽样的智能化。审计抽样系统将积极吸收审计、统计、计算机、人工智能等方面的最新研究成果,抽样模型及时得到更新,抽样经验在知识库中得到积累,审计抽样系统开始“学习”、“推理”,不断朝着智能化方向发展。将海量的数据经分析、预测等“加工”后,以知识的形式呈现给审计人员,为审计人员发现审计问题提供深度支持;四是审计抽样系统开始具有预测功能。随着大数据技术的发展,计算机的运算能力和处理速度不断提高。审计抽样系统会强大到处理复杂的运算,并利用大数据技术改进后的审计抽样算法来对这些审计数据进行分析并进行数据挖掘,找出特征数据,缩小抽取样本的数量,降低审计成本、提高审计效率;利用关联规则,预测被审计单位经营风险的高低,帮助审计人员确定审计重点,提高审计效率。通过审计信息系统所提供的庞大数据库可以实现对被审计单位的信息进行数据挖掘和综合分析,对被审计单位的财务及经营状况进行预测分析,为被审计单位提供决策依据。目前,某财产保险公司的审计系统,应用了大数据技术进行风险数据的提取,并应用PPS抽样、随机抽样、系统抽样、模型抽样、组合抽样等进一步提高审计效率。而在抽样模型中应用了汽修厂与驾驶员、报案人、定损员、收款人等的关联程度模型,伤者、驾驶员、报案人、联系人、领款人等的出险频繁度模型,人伤重复出险伤者、标的车多次与同一三者车碰撞出险等高风险模型,承保、理赔、财务系统非同一档案中上传相同照片等以“大数据”技术为基础的模型,收到良好的效果。
然而,在不久的将来,伴随着以真实性、服务性为基础的各项企业内部审计的深化,随着数据信息化的深入以用大数据技术发展应用的深入,企业内部审计逐渐开始能够从大量的、杂乱无章的海量数据中发现潜在的有用的信息,能够从这些大量的数据中发现被审计单位运作的基本规律及特征;预测出被审计单位发展的趋势,从宏观上把握被审计单位科学地发展。审计也不仅仅局限于抽样审计,而是对企业所有财务、业务等经营数据的数字式连续审计。
(三)促进审计成果的转化与应用。目前,内部审计成果应用主要是针对屡查屡犯的问题重点进行检查、督促整改,部分企业已经将审计成果应用闭环管理的手段对整改过程进行管理以达到良好的审计成果运用效果。大数据技术的出现,促进了审计成果的进一步应用。一是促进对以往审计中获取的大量信息资料和相关情况资料的汇总、归纳,从中找出财务、业务和经营管理等方面的内在规律、共性问题和发展趋向,通过汇总归纳宏观性和综合性较强的审计信息,以及运用审计成果,为各级领导提供数据证明、关联分析和决策建议,从而促进完善制度、机制、决策和执行,促进企业管理水平更上一层楼;二是促进问题的全面发现,即应用大数据技术可以将同一问题归入不同的类型使用,从不同的角度、不同的层面整合提炼以满足不同层次的需求。同时,通过对带有共性、普遍性、倾向性的问题进行挖掘,提炼出问题与数据中的关联性,可以将所有问题通过IT手段检查出来;三是应用大数据技术进行连续式审计有利于问题的整改监督;四是将审计成果进行知识化留存,通过大数据技术,将问题规则化并固化到系统中,以便于计算或判断问题发展趋势、对问题进行预警等;五是将审计人员与审计成果、被审计单位与审计问题进行关联,并进行信息化备案,在进行下次检查时,可以根据审计方案中的重点,有侧重地选取有相应检查经验的审计人员组成审计组,并按审计目标抽取相应被审计单位进行重点审计检查等。
总之,大数据并非被过度渲染的产业题材,大数据对企业内部审计的影响,既是应对企业数据集中模式、数据爆炸式增长趋势而进行的实时处理超量数据的技术升级,又是将方方面面的数据进行电子化、信息化,并将信息规则化、知识化,最终使各种应用网络化、智能化的过程;大数据更是一次从分散到集成、从共享到协同、从封闭到开放、从离线孤立到持久在线云服务、从专享到普适的挑战。
主要参考文献:
[1]维克托·迈尔-舍恩伯格,肯尼思·库克耶.大数据时代中译本.浙江人民出版社,2013.
[2]Bill Franks.驾驭大数据中译本.人民邮电出版社,2013.
[3]陈丹萍.数据挖掘模式下的审计风险决策研究[M].中国社会出版社,2007.
[4]陈福军.计算机辅助审计应用教程[M].清华大学出版社,2011.
[5]《企业审计制度方法和技术建设》课题组.信息化环境下企业审计的技术方法[M].中国时代经济出版社,2011.
[6]中国会计学会.企业内部控制自我评价与审计[M].大连出版社,2010.
[7]陈倩雯.深圳审计研究成果论文选编:2010~2011[M].中国时代经济出版社,2012.
[8]浙江省注册会计师协会.国际高级审计业务文集[M].中国财政经济出版社,2010.
中图分类号：G250 文献标识码：A 文章编号：1672-3791（2014）07（c）-0253-02
随着大数据时代的到来，信息市场的发展，信息服务机构的大量涌现，使得高校图书馆面临着巨大的挑战。为了图书馆能顺应时展要求，不断满足用户的信息需求，图书馆需要进行特色信息资源建设，推送个性化的信息服务。因此，本文通过研究地方信息资源整合，从而推进图书馆特色信息资源建设，亦能提升图书馆的个性化信息服务能力。
1 大数据的内涵
大数据（big data），或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。[1]在维克托・迈尔-舍恩伯格和肯尼斯・库克耶编写的《大数据时代》中大数据指不用随机分析法这样的捷径，而采用所有数据的方法。大数据的4V特点既是：Volume（大量）、Velocity（高速）、Variety（多样）、veracity（真实性）。[2]
最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”维克托指出，大数据时代的来临使人类第一次有机会和条件，在非常多的领域和非常深入的层次获得和使用全面数据、完整数据和系统数据，深入探索现实世界的规律，获取过去不可能获取的知识，得到过去无法企及的商机。[3]大数据之所以可能成为一个“时代”，在很大程度上是因为这是一个可以由社会各界广泛参与，八面出击，处处结果的社会运动。[4]
2 大数据时代高校图书馆面临的挑战
大数据时代的到来，使得普通的机构、企业和政府部门也可以像原本的少数象牙塔之中的学术精英圈子那样通过数据分析获得知识、商机和社会服务能力。[4]大数据将逐渐成为现代化社会基础设施的一部分。现代社会的经济学、政治学和许多学科门类都在大数据时代的影响下发生着巨大甚至是本质上的变化与发展，进而整个人类的价值体系、知识体系和生活方式也在随之变化。
所以，大数据时代的到来同样对图书馆带来了冲击与挑战。
（1）数字图书馆建设。
在大数据时代，高校图书馆要得以长足发展，数字图书馆的建设是保持图书馆可持续发展的重要举措。数字图书馆的核心是进行信息资源的建设，需要充分挖掘和利用大数据技术，不断丰富信息资源内容，完善信息资源结构。在资源建设中，更需重视特色信息资源的建设，重视资源的共建共享，建成大数据资源。
特色数据库的建设则是特色信息资源建设的体现，在大数据时代，用户对信息检索结果无论是在数据量上还是结果展现形式上都有着更高的要求，而图书馆应该利用自身的馆藏特色以及学科优势，建设学科专业特色适应用户需求的特色数据库，为高校的教学和科研提供高层次的信息服务，满足用户的个性化、专业化需求。建设特色数据库，实现信息资源的优势互补，有利于珍稀文献信息资源的保存和利用，有利于实现馆际之间信息资源的共建共享。
（2）图书馆地位的动摇。
随着大数据时代的来临，各种信息服务机构伴随信息市场的发展而崛起，图书馆作为用户信息获取必需途径的地位日渐降低，而随着信息网络的发展将海量信息通过各种技术手段向用户推送，为用户提供了一个更加便捷的信息交流平台，可以根据自身需求进行信息的检索。因此，高校图书馆应发挥自身优势，充分利用图书馆的特色信息资源，为用户提供个性化的定制服务，甚至可以进行服务推广，为社会用户提供信息服务，这都是高校图书馆未来将要拓展的服务范围。
（3）大数据时代用户需要图书馆提供更好的信息服务。
图书馆信息化程度的提高，使得信息服务成为了当前图书馆服务的要内容之一。在大数据时代，用户需求更加多样化、复杂化，期待获得更好的服务，这就需要图书馆工作人员了解用户需求，分析用户特点，并能系统地了解大数据及其特征，建立高效可控的数据处理流程，掌握多种数据分析方法为用户服务，满足不同用户的需求。榆次同时，图书馆工作人员需要不断提高知识储备，具备全面的综合素质，能够通过结构化数据了解现在客户需要什么服务，也能够利用大量的非结构化数据、半结构化数据从图书馆用户的服务关系中去挖掘正在发生什么，预测和分析将来会发生什么，以便以更好的服务模式应对未知的危机及挑战。[5]
3 大数据时代地方信息资源的整合
在大数据时代下，无论是进行数字图书馆建设，还是进行数字资源平台建设，都需要大量非结构化数据、半结构化数据，数据来源则是纷繁复杂的，通过丰富的信息资源获取数据，从而发现数据之间的关联性，不断获得有价值的各种信息，从而不断完善信息资源结构。
地方信息资源载体形式多，不仅包括纸本文献，还可以包括图片、视频、音频等文献资料；并且形式多，还包括已有的地方信息资源特色数据库及各种信息网络。因此要利用各种信息途径，丰富地方文献资源，特别是各种载体形式的灰色文献资源，不断拓展灰色文献的来源渠道。对纸本文献进行搜集，归纳和整理，进行数字化，从而获得丰富数据；还可对各种数据库进行站内信挖掘，也可通互联网对网页、微博、传感器、多媒体等信息进行挖掘。
同时还应加强地方原生信息资源的建立，“原生文献信息资源”是指高校在教学、科研和管理过程中产生的，主要包括导师、博硕士研究生发表撰写的专著、期刊论文、会议论文、研究报告、科研成果以及各教学单位使用和制作的多媒体课件、各种专题数据库等。[6]原生信息资源是高校教学实践和学术理论研究的重要成果，是高校教师的自产性成果，其建设成本低、利用价值高，又达到很好的文献保障作用。
地方信息资源整合还应当注重资源的共建共享。资源的共建共享面对海量信息资源与用户信息需求的不断增长，一个图书馆已经无法独自满足用户的所有信息需求，图书馆可以寻求广泛的协调与合作，对已有资源进行充分整合，形成有序的资源集合，逐步呈现一个地区，乃至一个国家，甚至全球数字图书馆的共建共享平台。
随着大数据时代到来，其不断推进的技术将为图书馆数字化建设提供强有力的技术支撑和指导方法，高校图书馆作为信息与知识重要“集散存储处理中心”，既是大数据的重要载体，又是构成大数据的重要元素。因此，图书馆馆员要把握好信息环境下图书馆的发展特点，不断学习充电，更新自己的知识储备。由于本人对于大数据的相关知识处于学习之中，还需进一步的学习研究，已能更好对大数据时代高校图书馆的信息资源服务进行更深入的研究。
参考文献
[1] 360百科[EB/OL].大数据.
[2] （美）维克托・迈尔-舍恩伯格，肯尼思・库克耶盛，杨燕，周涛，译.著.大数据时代[M].杭州：浙江人民出版社，2013：9-23.
[3] 360百科[百科].[EB/OL].大数据时代.
