大数据论文毕业论文

2401694 3890
    


来源:
Licence:
联系:
分类:
平台:
环境:
大小:
更新:
标签:
联系方式 :
免费下载 ×

下载APP,支持永久资源免费下载

限免产品服务请联系qq:1585269081

下载APP
免费下载 ×
下载 ×

下载APP,资源永久免费


论文定制和修改服务请联系qq:1585269081 如果出现不能下载的情况,请联系站长,联系方式在下方。

免费下载 ×

载论文助手APP,资源永久免费

论文定制和修改服务请联系qq:1585269081 免费获取

如果你已经登录仍然出现不能下载的情况,请【点击刷新】本页面或者联系站长


 

 

 

 

1 绪论……………………………………………………………………………………………………… 3

 

 

2 大数据概述……………………………………………………………………………………………… 3

 

  2.1 什么是大数据 ……………………………………………………………………………………… 3

 

  2.2 大数据的三个层次 ………………………………………………………………………………… 4

 

  2.3 云存储对大数据的促进作用 ……………………………………………………………………… 5

 

  2.4 大数据未来的行业应用 …………………………………………………………………………… 6

 

 

3 大数据时代的机遇与挑战……………………………………………………………………………… 7

 

  3.1 机遇与挑战并存 …………………………………………………………………………………… 7

 

  3.2 大数据时代如何抓住机遇并应对挑战 …………………………………………………………… 7

 

 

4 国内外有关大数据以及信息资源共享的研究现状…………………………………………………… 9

 

  4.1 境外的大数据发展 ………………………………………………………………………………… 9

 

  4.2 国内外有关"政府数据信息共享"研究与比较  …………………………………………………… 10

 

 

5 参考文献 ………………………………………………………………………………………………… 11

 

 

 

 

 

 

    说起大数据,估计大家都觉得只听过概念,但是具体是什么东西,怎么定义,没有一个标准的东西,因为在我们的印象中好像很多公司都叫大数据公司,业务形态则有几百种,感觉不是很好理解,所以我建议还是从字面上来理解大数据,在维克托•迈尔•舍恩伯格及肯尼斯•库克耶编写的《大数据时代》提到了大数据的4个特征,一个是数量大,一个是价值大,一个是速度快,一个是多样性。

关于大数据的概念其实在1998年已经就有人提出了,但是到了现在才开始有所发展,这些其实都是和当下移动互联网的快速发展分不开的,移动互联网的高速发展,为大数据的产生提供了更多的产生大数据的硬件前提,比如说智能手机,智能硬件,车联网,Pad等数据的产生终端。这些智能通过移动通信技术和人们的生活紧密的结合在一起,在人流、车流的背后产生了信息流,也就产生了大量的数据。

其次就是移动通信技术的快速发展,在2G时代,无线网速慢,数据产生也非常慢,数据体量也不够,所以还是无法形成大数据,而到了4G时代,终端数据的增加,使得任何的移动终端都在无时无刻的产生着大量的数据,这个也是大数据到来的一个条件之一。

第三个方面的就是大数据相关技术的飞速发展,如云计算,云存储技术,他们的快速发展,是大数据诞生的温床,如果没有这些技术,即使有大量的数据也只能望洋兴叹。传统的存储技术相对落后,根据不同数据实行单一存储,这个显然满足不了大数据的需求,而云时代的存储系统需要的不仅仅是容量的提升,对于性能的要求同样迫切,与以往只面向有限的用户不同,在云时代,存储系统将面向更为广阔的用户群体,用户数量级的增加使得存储系统也必须在吞吐性能上有飞速的提升,只有这样才能对请求作出快速的反应,云储存技术的成熟为大数据的快速发展奠定了基础。

 

 

 

 

 

2.1 什么是大数据?

 

说起大数据,估计大家都觉得只听过概念,但是具体是什么东西,怎么定义,没有一个标准的东西,因为在我们的印象中好像很多公司都叫大数据公司,业务形态则有几百种,感觉不是很好理解,所以我建议还是从字面上来理解大数据,在《大数据时代》提到了大数据的4个特征,一个是数量大,一个是价值大,一个是速度快,一个是多样性。

一个是数量比较大,大致有多大,就是大到PB级别,甚至ZB级别,1PB等于1024TB,1TB等于1024G,那么1PB等于100多G,当然了具体的计算方法可以相关资料数据进行查询,总之,和传统的单个网站数据库存储的数据相比,已经是它的上百倍还多,而只有数据体量达到了PB级别以上,才能被称为大数据。第二个是价值大,价值是大体量数据的更深一步的演变,就是说,你如果有1PB以上的全国所有20-35年轻人的上网数据的时候,那么它自然就有了商业价值,比如通过分析这些数据,我们就知道这些人的爱好,进而指导产品的发展方向等等。如果有了全国几百万病人的数据,根据这些数据进行分析就能预测疾病的发生。这些都是大数据的价值。

第三个就是多样性,如果只有单一的数据,那么这些数据就没有了价值,比如只有单一的个人数据,或者单一的用户提交数据,这些数据还不能称为大数据,所以说大数据还需要是多样性的,比如当前的上网用户中,年龄,学历,爱好,性格等等每个人的特征都不一样,这个也就是大数据的多样性,当然了如果扩展到全国,那么数据的多样性会更强,每个地区,每个时间段,都会存在各种各样的数据多样性。

第四个是速度快,就是通过算法对数据的逻辑处理速度非常快, 1秒定律,可从各种类型的数据中快速获得高价值的信息,这一点也是和传统的数据挖掘技术有着本质的不同。

总之,这些就是大数据的四个特征,只有具备了这些特征的数据才能称为大数据,那么实际中的大数据是怎么样呢?业内著名的和大数据相关的公司,七牛云存储将要在8月29日、30日举办一次大数据的会议,对于位于大数据技术产业链上的公司来说,我们应该可以获得更多的干货爆料。

 

2.2 大数据的三个层次

 

大数据有三个层次,第一个是数据采集层,以App、saas为代表的服务。第二个技术服务层,以七牛云存储为代表的大数据技术服务层,这些包括数据的存储,数据的分析,数据的挖掘等等,第三个是数据应用层,以数据为基础,为将来的移动社交、交通、教育,金融进行服务。本模块主要讲第一个层次,后面两个层次在下面的模块再细讲。

数据采集层——App、saas服务

在移动互联网时代,大数据的来源层有两个方面,一个方面是面向个人的数据来源前端如各种各样的App,一方面是面向企业服务的saas服务的产品。

面向个人的App:饮食领域的App,如饿了么,用户通过App进行选餐,下单,通过App交互就会形成饮食领域的大数据;在o2o领域,如嗒嗒巴士,用户通过使用App进行乘坐交通,上班下班,就会形成交通领域的大数据,如穿衣助手,用户通过App进行选择衣服颜色,样式,进行搭配,就会形式服务类的大数据,当然了还有秒拍、快看等娱乐类的消费数据。面向个人用户的App,以满足用户的需求为主要出发点,产生用户的数据,这些数据包括以个人基础的数据,也包括随群体数据,随着App用户量的增长,这些App数据就成了大数据。

面向个人的数据来源:直接通过用户的需求产生数据,而面向企业服务的——saas服务则不一样,他们通过为企业提供一套完整的解决方案,而产生数据,比如图灵机器人,人脸识别技术,气象plus、海康威视等,他们通过完美的解决方案服务企业,最终服务用户,从而产生大数据,数据采集层,是大数据的来源,也是大数据的基础。

 

 

2.3云存储对大数据的促进作用

 

有了数据采集层,那么下一步就是数据的存储层了,使用云存储技术将数据存储在云主机上,保证数据的安全、稳定、高效都需要云存储技术来完成。云存储主要负责数据的存储以及计算,比如七牛的云存储技术,云存储技术是大数据发展跨不过去的一道坎,如果没有云存储技术,大数据就不能得到发展。

(1)云存储中面向企业存储的数据最大

当前的云存储分为公共云存储和私有云存储,公共云存储主要是面向个人,比如百度网盘等,而私有云存储主要是面向企业,其实面向企业的云存储的存储的大数据最终来源还是来自个人,比如目前的很多saas服务,IM、统计等企业服务,服务主要是面向个人的App,而类似七牛云存储这样的云存储则是出于更底层,基于云主机之上,而位于所有个人服务、企业服务之下,所以说,七牛云存储应该积累了更多的大数据,而通过即将月底举办的这次《数据重构未来》的大会,我想可以获得更多的关于大数据的干货。

(2)云存储满足了海量数据的存储需求

随着移动互联网的快速发展,传统的存储方式已经在容量、性能、智能化等方面无法满足需求。云存储的出现,比如类似和七牛一样的云存储技术,从功能上弥补了传统存储的不足,通过虚拟化大容量存储、分布式存储和自动化运维等功能,实现了存储空间无限增加和扩容,自动化和智能化功能提高了存储效率。另外,规模效应和弹性扩展,降低运营成本,避免资源浪费。

(3)云存储技术节省了开发者的成本

特别是当下移动互联网的火爆,使得App行业出现了爆发式的增长,App的 数量已经达到了300百万以上,同时图片App、视频App、音频App如camera360、优酷视频、荔枝FM等App都会在发展过程中产生大量的数据,对于这些数据来说,如果让企业自身去开发一款分布式的存储系统,这可能需要构建一个几十人的开发团队,成本也会大大增加,而通过使用类似七牛一样的云存储,可以节约企业成本,让企业发展更加迅速。

(4)云存储技术为大数据分析提供了基础依据

作为大数据的存储服务商,云存储有着非常大的数据挖掘潜力,云存储平台为大数据的分析提供了“水”的来源,有了这些数据,同时配置上一些数据分析工具,完全可以产生一些非常有价值的分析数据报告。

比如基于云存储服务这个基础,可以在企业的需求下,为企业提供企数据分析,例如这款应用在哪些地区受访问次数多、怎样的用户更喜欢这款应用等,但不会涉及分析用户隐私相关的数据。当然了,还可以针对整个图片行业、视频行业、以及音频行业提供受众的用户行为、以及特征这一系列的群体特征。

这些都是云存储在存储的数据体量达到大数据的特征后,能做的一系列的分析依据。所以说云存储是大数据发展中的最重要的一个环节。

 

 

 

2.4大数据未来的行业应用

 

说了大数据的采集层,数据存储层,那么最后讲下大数据的应用层,既然有了大数据,那么以大数据为基础,就会产生以移动金融,移动社交,O2O,在线教育等多方面的应用。

(1)移动金融

随着移动互联网金融的发展,金融交易与支付已经从桌面电脑延伸到移动智能终端,企业自身只能从内部洞察经营情况,或从市场中获得不全面的统计信息,作为决策参考。比如银联智惠可以帮助企业能够从外部了解市场,洞察对手的位置,了解市场趋势和自身的地位,通过利用自身优势通过全行业的交易记录得到高质量的基础数据,并替企业完成了大量繁琐的数据采集、清理工作,整合到企业的基础经营分析数据库中,让企业事半功倍。

当基础数据进入企业数据库后,通过银联智惠的用户画像模拟器进行目标客户消费行为建模,将历史交易行为分得出目标客户的交易共性特征,从而完整的从消费性别、消费年龄、消费习惯、消费频率、消费区域、消费偏好等多重维度完整描述客户群的轮廓,并得出客户的上下游关联交易行为特征,让企业真正认知客户群体的全貌,从而进行有效的商业决策。

(2)移动社交

随着脉脉,恋爱记等社交应用的用户越来越多,用户的社交行为将会成为大数据的分析基础,通过分析用户的社交时间、对象、地点以及行为,可以分析出用户的爱好、年龄、需求,同时基于用户的大数据,可以针对这些数据做定向营销,从而大大提升了营销的效果,而相比之前的营销手段,则是基本根据人员的策划和想象得出,没有数据参考,营销的效果也不好把控。比如脉脉可以通过一些用户数据为企业招聘到合适的人,同时还能为一些用户提供一些合适的职位,完成需求和供求的高精度的匹配。例如以记录恋爱为主的社交App,可以通过分析情侣之间的数据,获得更多的情感数据,从而为一些适龄男女提供恋爱的指导。这些都是基于大数据的应用。

(3)O2O类的应用

移动互联网的深入发展,促进了O2O的繁荣,以嗒嗒巴士为代表的定制公交车应用,就是大数据的代表应用。

传统的公交出行在公交站、公交路线的设定上,相对来说比较固定,通过分析一个城市内的群体出行数据,可以获得人群随着时间的出行规则,比如知道在早上8点为出行高峰,而从某个小区到某个写字楼的人流数为最大,那么我就定制一条公交线路出来,对于用户来说,满足了用户的需求,而对于公交公司来说,则是优化了交通路线,节约了资源,间接提升了成本,这些都是大数据的好处。

还有更多的领域可以用到大数据,如大数据医疗,大数据营销,可穿戴设备等等。通过大数据可以创造出更多价值,正如一篇文章说到,通过大数据让做事的方法更加容易,让现实从三维空间变成了二维码空间,就像宇宙的虫洞一样,可以直接达到目标。意思是在过去没有大数据做参考,我们需要试验多次,才能知道那条路是对的,但是现在有了大数据做数据参考,我们可以直接到达终点。所以说大数据使得事情的发展变得更加简单。

 

 

 

3.1机遇与挑战并存

    大数据分析给现代社会带来了新的机遇与挑战。一方面,与传统研究侧重于揭示事物的共性不同,大数据研究将有助于人们发现事物的个体特性,并针对每一个体的特性给出个体化的解决方案。同时,大数据研究也将使人们能够从大量个体的差异变化中,揭示其中存在的难以察觉的规律。另一方面,大数据的海量样本规模和高维数特征也引入以下显著特性:数据搜集的偏差性、数据产生的异母体性、计算成本、噪音的累积叠加、假关联性、外生性,以及测量误差等等。为了应对这些挑战,需要引入新的计算和统计方法。

    首先,从计算的角度来看,大数据提供的数据量巨大,这会给实施统计计算和最后完成统计估算和检验带来问题。比如,对于一个列数上百万的矩阵,一次简单的矩阵求逆操作在计算上都是困难的。其次,从统计分析的角度来看,大数据经常包含被抽样个体的大量特征信息,即样本的个异性和高维性。个异性和高维性给统计分析与计算带来诸多问题,包括异母体、噪音累积、假相关、内生性。以假相关性为例,高维数会增加发现欺骗性关联的风险。比如,在人类基因表达数据分析中,学者可能会认为第八对染色体上的某个重要致癌基因(MYC)和Y染色体性别决定基因(SRY)有很强的相关性。但是,这可能仅仅是因为考虑的基因数目太高,以至于有些高相关性的出现只是偶然事件。

 

3.2大数据时代如何抓住机遇并应对挑战

 

    (1)大数据资源”成为重要战略资源

    互联网时代,“资源”的含义正在发生极大的变化,它已不再仅仅只是指煤、石油、矿产等一些看得见、摸得着的实体,“大数据”,也正在演变成不可或缺的战略资源。互联网、物联网每天都在产生大量的数据,这些庞大的数据资源,为人们依据数据了解世界、了解市场、了解人们的生活提供了可能。大数据已经被视为一种资产、一种财富、一种可以被衡量和计算的价值。得大数据者得天下,是一些推崇大数据时代的变革者所坚信不疑的判断。

    (2)“大数据决策”成为一种新决策方式

    依据大数据进行决策,从数据中获取价值,让数据主导决策,是一种前所未有的决策方式,并正在推动着人类信息管理准则的重新定位。随着大数据分析和预测分析对管理决策影响力的逐渐加大,依靠直觉做决定的状况将会被彻底改变。

    2009年爆发的甲型H1N1流感病毒,谷歌公司就是通过观察人们在网上搜索的大量记录,在流感爆发的几周前,就判断出流感是从哪里传播出来的,从而使公共卫生机构的官员获得了极有价值的数据信息,并做出有针对性的行动决策 ,而这比疾控中心的判断,提前了一两周。美国的Farecast系统,它的一个功能就是飞机票价预测,它通过从旅游网站获得的大量数据,分析41天之内的12000个价格样本,分析所有特定航线机票的销售价格,并预测出当前机票价格在未来一段时间内的涨降走势,从而帮助虚拟乘客选择最佳的购票时机,并降低可观的购票成本。

    (3)“大数据应用”促进信息技术与各行业深度融合

    有专家指出,大数据及其分析,会在未来10年改变几乎每一个行业的业务功能,从科学研究到保险,从银行业到互联网,各个不同的领域都在遭遇爆发式增长的数据量。在美国的17个行业中,已经有15个行业大公司拥有大量的数据,其平均拥有的数据量已经远远超过了美国国会图书馆所拥有的数据量。

    在医疗与健康行业,根据数据预测,如果具备相关的IT设施,数据投资和分析能力等条件,大数据将在未来10年,使美国医疗市场获得每年3000亿美元的新价值,并消减2/3的全国医疗开支。

    在制造业领域,制造企业为管理产品生命周期将采用IT系统,包括电脑辅助设计、工程、制造、产品开发管理工具和数字制造,制造商可以建立一个产品生命周期管理平台PLM(Product Lifecycle Mansgement),从而将多种系统的数据集合在一起,共同创造出新的产品。

    此外,在交通、能源、材料、商业和服务等行业领域甚至在新闻传媒领域,也都在以大数据为发展契机,加速这些行业与信息技术的深度融合。

    (4)“大数据开发”推动新技术和新应用不断涌现

    大数据的应用需求,是大数据新技术开发的源泉。在不久的将来,也许很多原来单纯依靠人类自身判断力的领域应用,最终都将被计算机系统的数据分析和数据挖掘功能,所普遍改变甚至取代。一小片合适的信息,也许会促使创新迈进一大步;一组数据,也可能会得到数据收集人难以想象的应用,甚至可能在另一个看起来毫不相关的领域得到应用。借助这些创新型的大数据应用,数据的能量将会层层被放大。

    “语义网(Semantic Web)”,也称为下一代互联网,实际上就是“数据网”(Web of Data)。语义网是一个全球的数据库网,在这个数据库网中,计算机可自动为用户搜寻、检索和集成网上的信息,而不再需要搜索引擎。大数据时代正在催生的这个最大的技术变革,就是要重新构造互联网,打造出下一代互联网。

    (5)“大数据安全”上升为国家战略安全

    传统意义上的国家安全,是指军队对国家领土安全的保护,是国家之间军事实力的较量。但在互联网高度发达的大数据时代,网络变成了几乎是透明的虚拟世界,也因此使国家安全的环境和内涵发生了极大的变化,对大数据的安全保存、防丢失和防破坏等问题,成为我们必须要面对的安全难题。大数据安全,已经上升成为国家安全的重要组成部分。

    在大数据时代,数据安全的威胁随时都有可能发生。各种国家信息基础设施和重要机构所承载着的宠大数据信息,如由信息网络系统所控制的石油和天然气管道、水、电力、交通、银行、金融、商业和军事等,都有可能成为被攻击的目标。

    此外,大数据也为网络恐怖分子提供了新的资源支持,有可能使恐怖分子通过网络侵入到人们工作生活的方方面面,并通过威胁、攻击、破坏,瘫痪民用或军事基础设施等手段,达到其制造心理恐慌和财产损失,威胁国家安全和社会安全的目的。

    (6)大数据时代将成为世界发展主潮流

    世界上许多国家都已经认识到了大数据所蕴含的重要战略意义,纷纷开始在国家层面进行战略部署,以迎接大数据技术革命,以此来面对新机遇和新挑战。

 

4 国内外有关大数据以及信息资源共享的研究现状

 

 

4.1境外的大数据发展

  大数据的发展与政府数据开放之间有着不可分割的关系,可以说民间商业应用对利用数据的愿望是推动大数据发展的主要动力,政府将掌握的大量信息资源开放给公众是大数据发展的关键。各国商业公司、组织和个人都可利用政府公开的数据平台,经过加工、分析,发布应用程序,向公众提供数据服务。爆炸式的数据汇集,促进了大数据思维、技术、工具的蓬勃发展。

  美 国 于 1997 年 建 立 了 首 个 全 面 公 开 联 邦 政 府 统 计 数 据 的 网 站fedstats.gov,2007年建立了联邦政府资金使用情况的网站(USAspending.gov)和经济刺激计划资金使用情况 (Recovery.gov)。2009 年,颁布了《开放政府指令》(US Open Government Directive),这项法案要求在"透明"(transparency)、"参与"(participation)、"协同"(collaboration)的原则下在政府网站上发布更多数据库,通过网站数据开放使公众了解政府信息。2009 年 5 月正式推出了data.gov 网站,由联邦信息官主导,以公民可以自由检索并获得联邦政府数据、实现政府透明化为目的,要求各联邦政府机构 data.gov 提供信息。截至 2013 年5 月,该网站提供来自 172 个联邦部门、机构和组织的 373029 条原始和地理空间数据、1209 个数据工具、350 个电脑应用、137 个手机应用。

  英国于 2010 年发布了政府数据网站 data.gov.uk,促进企业、公益组织、个人爱好者开发出更多的应用程序,并通过这些应用程序将政府数据向公众更好的公开。2012 年,发布新的政府数字化战略,旨在使政府服务实现"默认数字化",提供数字服务每年能为英国政府节约 17 亿-18 亿英镑。英国承诺 2015 年前开放有关交通、天气和健康方面的核心公共数据库,并将投资 1000 万英镑建立世界首个"开放数据研究所"(OpenDataInstitute)。

  澳大利亚于 2009 年推出了 data.gov.au,作为政府信息目录,用户可以方便搜索、浏览政府数据,目前包括 114 个部门的 1120 个数据库。

  日本没有发布 data.gov 网站,但是于 2012 年发布了电子政务开放数据战略草案和《面向 2020 年的 ICT 综合战略》,并在 2013 年行动计划提出"通过大数据和开放数据开创新市场".

  欧盟委员会于 2010 年提出"欧盟开放数据战略"和相关法律提案,希望让欧洲企业与市民获取欧盟公共管理部门的所有信息,计划在 2013 年建立一个汇集不同成员国以及欧洲机构数据的"泛欧门户"。

  在开放数据的风潮下亚洲的中国香港、中国澳门、新加坡和韩国都建立了本国或地区的 data.gov 网站,目前为止,全世界已正式建立数据开放门户网站的国家和地区达到了 35个。

    2011年美国、英国、巴西、挪威、墨西哥、印尼、菲律宾、南非等八国宣布成立"开放政府联盟"(OGP),并发布《开放政府宣言》。

    2011 年,美国联邦政府宣布将和印度政府合作,将现有的 data.gov 改造成开源平台,并且与 2012 年开放全部平台代码,印度将率先移植 data.gov 作为中央政府的数据开放平台。

 

4.2 国内外有关"政府数据信息共享"研究与比较

 

  与国外相比,国内关注"政府数据信息共享"的研究不论是在广度还是深度上,均稍有不足,且国内研究起步晚了几年,不过国内研究也取得了较好的进展。早年已有学者提出要在全国推行"小共享、大共建"信息共建共享模式,即通过系统共建信息平台实现全国共享,或通过区域性共建达到逐步融合,实现全国政务信息共享。还有人通过高超的网络技术分析,发现政务信息是在网络上呈散乱分布的,因此提出要实现全国信息共享,必须首先发现网络环境下政府信息资源的异质性构成。也就是说,应该分析政府数据信息的类型。

  国内行政管理领域的学者通过分析政府的科层制度,以科层内信息如何传递为主题,发现由于行政科层内部协调机制不完善,从而导致政府部门间信息共享的障碍以及对策。还有人在更为具体的层面展开具体的策略分析。例如通过分析国际电子政务发展的成熟度模型,对我国电子政务建设的推进体制、机制和方法进行了分析,并且提出了跨部门政府信息资源共享的管理实施问题解决方法。有些学者在总结以前研究的基础上提出了电子政务环境下政府信息资源的共享模式和策略。再如,通过研究大数据时代政府信息沟通的网络模式和传统模式,阐述了电子政务下政府信息沟通网络模式的交流过程,并预测分析了网络环境下政府信息沟通可能出现的问题,提出政府信息沟通的网络模式。还有一批学者提出了政府部门间信息共享的理想状态、整体框架和动态实施过程,并从共享规划、流程再造、政府业务、组织再造和实施保障四个方面阐述了对政府部门间信息共享模式。

  国外较具深度的相关研究以欧美为主,有关"政府数据信息共享"的研究集中于最近十几年中。例如,大卫·兰德史伯格与佐治·沃肯主要在技术层面研究了政府信息共享障碍,存在软硬件兼容困难、公私财产界限不明确和数据共享标准不一致等问题。伍思雷和保罗斯基等人分析、和解释了信息共享中利益相关者的决策模型和过程,研究了信息共享过程中利益相关者所面临主要问题的态度及相互关系.Shuang Sun 和 John Yen 提出用信息供应链平衡信息需求和供给,利用信息需求计划(计划、推断和满足信息需求,并用满足率(Fill rate)和总成本(Total cost)来衡量信息供应链.阿赞德与法拉等人则通过研究电子政务框架发展过程后,指出内在需求是电子政府长期维持的动力.Tung-Mou Yang 和TerrenceA. Maxwell 提出了消除组织内部的信息共享影响的对策建议。上述这些国外的相关研究都值得国内建设政府信息共享平台时予以借鉴。

  应该对国内外相关研究展开一些比较,以发现各家长短优劣。显然,欧美学者在政府信息管理领域、对政府信息资源共享问题的研究起步较早,不仅分析了不同组织和技术环境下的信息共享问题,而且形成了较具系统性的研究。

  更为重要的是,他们能够从理论层面出发,运用实际平台建设之中。因此,国外研究者在大数据的时代背景下,推进了对政府部门信息资源共享研究,体现出这一研究领域的高应用性和高科技性特征。而相应来说,国内学者对政府信息资源共享问题研究起步较晚,但是随着今年政府信息化加深和信息技术的迅猛发展,研究成果呈快速增长趋势,并且大量借鉴国外关于政府信息资源共享的理念,结合我国实际情况,也提出不少信息资源共享的发展方向和实现方法。

  经过比较国内和国外的相关研究,也可以从总体上看到,目前的研究仍然聚集在建设制度层面,主要是进行可行性与有效性的说理,相对较少实践案例的总结,真正展开数据共享平台建设的例子也是凤毛麟角。尤其是国内学者,还仍然停留在政府数据信息资料共享的必要性和可行性的论证方面,对具体策略的研究还是有所不足。由此可见,一个时代的到来首先要有理念上的突破与革新,必须在理念与实践上双重推进,才能引领时代潮流。

 

 

 

5  参考文献

 

 

《大数据时代》——维克托•迈尔•舍恩伯格及肯尼斯•库克耶

 

 

《一篇文章为你解读大数据的现在和未来》——李建华

 

《大数据时代带来的机遇和挑战》——百度文库(由Michael上传并分享)

 

 

《大数据技术研究综述》—— 学术堂

 

 

 



看大家都在讨论什么

0 条评论
免费下载 ×

下载APP,支持永久资源免费下载

下载APP 免费下载
温馨提示
请用电脑打开本网页,即可以免费获取你想要的了。