大数据发展战略

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇大数据发展战略范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

大数据发展战略范文第1篇

关键词：大数据；大数据人才；发展战略

人类进入信息时代，意味着大数据时代业已来临。大数据时代将为人类社会带来全新挑战。大数据，顾名思义，大就是海量，数量庞大。大数据时代信息容量更加巨大，数据类型趋于多样化，要求更快的反应速度和处理速度。

一、大数据人才重要性

“麦肯锡全球研究院将‘大数据’定义为‘无法在一定时间内使用传统数据库软件工具对其内容进行获取、管理和处理的数据集合’”[1]。新世纪以来，世界发达资本主义国家十分重视数据人才培养和相关科学问题的研究。“如美国纽约大学、英国邓迪大学均从2013年起设立数据科学硕士学位，美国哥伦比亚大学将从2015年起设立数据科学博士学位”[2]。“在国内，香港中文大学自2008年起就设立了“数据科学商业统计”科学硕士学位，清华大学新近成立了数据科学研究院，自今年9月起开始招收研究生；西安交大、浙江大学、华东师大等高校也先后设立了数据科学研究中心”[2]。2013年《上海推进大数据研究和发展三年行动计划》正式启动。大数据时代去缺乏有深入的数据分析能力的人，在市场上是紧缺状态。

明代高攀龙《答袁节寰中丞》：“今天下难联者人心，难得者人才。”“科技兴国”的第一步是“人才发展战略”，人才资源已经成为“第一资源”，可见人才在大数据时代的重要性不容忽视。《国家中长期人才发展规划纲要（2010-2020年）》具体包含12项重大人才工程。可见国家对人才问题重视程度之高。大数据时代最重要的日程之一就是计算机人才培养问题。唯有解决好这一问题，中国才能在大数据浪潮中立于不败之地。一个国家对大数据的掌握，甚至可以影响一个国家的综合国力，对数据的占有权将成为国家竞争中的核心问题之一。

二、大数据人才是打破发展困局的关键

我国大数据虽然发展很快，但在智慧城市建设、基础软件研发、数据流动性等方而尚存在一些不足。

现阶段中国仅处于大数据时代的萌芽阶段。以往人们认知的传统的数据并不能够等同于大数据，传统的数据分析和数据统计手段也并不适用于大数据领域。国内企业在数据库、数据仓库、商业智能等领域基础薄弱，大数据的意识和重视程度甚至创新精神，都较为薄弱或者有所或缺。现阶段中国国内缺乏领军企业占据大数据生态系统主导地位。做大数据产业不难，但是真正做精做强，占据以核心软件产品为主导地位的生态系统很难。现阶段中国数据获取壁垒和行业间壁垒存在。

对大数据人才的培养力度不足、人力物力投入不够，人才导致中国大数据发展陷入难题。人才发展是大数据发展的关键和重中之重。

三、 大数据时代的计算机人才发展战略

大数据时代的计算机人才需求发展趋势是复合型人才，与此同时，对数据科学家、数据分析师专门人才的极为渴求，而由于学校培养与企业环境经常性脱节，应该大力加强校企合作，逐步形成产学研联动发展。

（一）培育大数据复合型人才

“中国急需对数学、统计学、数据分析、机器学习和自然语言处理等多方面知识综合掌控”[3]的复合型计算机人才。在传统的大学培养和教育体制下，我们在一些与大数据相关的专业学科领域已经储备了大量人才，包括统计学、数学、人工智能、可视化等方面，但是大数据需要的是复合型的人才，需要将深厚的技术背景与所在行业和业务领域的需求相结合[4]。

（二） 培育数据科学家群体

大数据最关键的部分是数据分析和挖掘数据价值……就需要大量的数据科学家[3]。“数据科学家……一定要懂得算法，知道用什么样的方法可以更好地挖掘出大数据的价值。”[4]。在某种程度上，数据科学家就像是一个转换器，在大数据项目中起到了承上启下的作用。[4]。

（三） 强化数据分析队伍力量

知其然而知其所以然，在当前，中国数据分析与管理人才极端紧缺，中国企业必须加大招聘和人才挽留力度，同时学校应该加大这方面的专业教育力度。数据分析专业在高校的设立也是势在必行，但目前这方面仍是大数据教育的软肋。在学校的领导层决策层必须适时地重视数据分析专业的设立，重视数据分析专业学生的招收工作，实时跟进，不容懈怠。

（四） 利用校企合作作为有效途径

仅仅依靠偏向于理论研究的大学教育，很难培养出更符合企业和市场实际需求的实用型的大数据人才，因为学校往往并没有提供真正的大数据环境给学生。所以大数据技术与应用必须特别强调与企业实践的有机结合。具有大数据专业的学与大数据企业的互动联合，将造成孵化大数据精英人才的最佳环境。一方面，积极聘请企业中的大数据专家到学校授课。以其大数据实践经验为主要传授内容，使得学校的大数据教育能够紧跟企业、社会发展速度，把握市场需求脉搏。另一方面希望大数据企业为大数据专业学生提供实习机会，给予优先录用的机会，以提高学生的积极性。

参考文献：

[1]朱东华，张嶷，汪雪锋.大数据环境下技术创新管理方法研究[J].科学学与科学技术管理，2013，（4）：172-180.

[2]沈湫莎.上海启动大数据人才培养计划[J].现代人才，2014，（3）：8.

[3]谢然.大数据人才“求贤若渴”[J].互联网周刊.2014，（20）：22-23.

大数据发展战略范文第2篇

顶层设计在智能电视产业遇到的“长链条”困难

近些年，学者们对智能电视的研究不断深入。刘国信（2013）分析了2013年智能电视发展趋势。②乔维、薛楠（2012）分析了智能电视的技术特点与发展现状，介绍了智能电视产业发展现状，探讨提出了未来智能电视产业的发展趋势。③金晶（2012）通过统计国内外主要智能电视制造商的有关电视操作系统专利申请数量及其增长趋势，分析了智能电视操作系统的研发趋势和战略布局，并通过统计中国主要智能电视研发企业申请的有关电视操作系统的专利，分析中国智能电视行业未来的发展趋势。④郭丽君（2011）认为，智能电视应该具有四个特征：一是应用程序商店可以实现电视功能的可扩展；二是自然的人际交互方式，如语音、触摸和手势等；三是创新的用户界面和体验；四是有计算和存储能力的控制芯片，有强大的网络服务功能和互动功能。⑤促进我国智能电视的发展，需要从各个方面进行研究，为国家政策设计提供理论指导。如果能对智能电视产业进行“长链条”的理论研究，则更有现实意义。

2013年8月，国务院《关于促进信息消费扩大内需的若干意见》（国发〔2013〕32号）明确指出，要支持发展智能电视，促进终端与服务一体化发展。落实这一文件，将智能电视打造成为一个内容和服务聚合平台，需要我们通盘进行考虑。从“长链条”的角度来看，智能电视产业链包括上游电视内容和应用软件提供商，中游电视平台运营商和下游终端、配套硬件生产厂商等。智能电视产业所处的发展环境已不是一个简单的产业链，而是一个复杂多变的政治和经济生态系统。从智能电视的芯片设计到电视受众的信息消费，应考虑众多因素和环节：党的方针政策、国家政策、产业、企业、技术、标准、工艺、产品（服务）、消费者（受众）。但在智能电视产业的政策设计实践中，很难同时全面且充分地考虑上述各个方面。因此，综合性制度安排即使出台了，也很难落地。因为目前我国电视产业没有实现全产业链的一体化，电视内容供应、电视节目传输、终端硬件（电视机）制造等的主体不同，还没有完整的产业数据链及定量分析为国家规划和产业政策提供全面有力的支撑。

大数据助推智能电视产业发展实现消费需求牵引

我国智能电视产业有两大任务，一是促进经济发展，二是增加社会福利。消费者（受众）需求满足程度是智能电视社会福利的重要方面。因此，智能电视产业要解决的核心问题有两个：一是如何及时发现甚至准确预测消费需求；二是如何将更多的产业利润留在国内。纵观我国电视业，无论是购买电视机的消费者，还是观看电视节目的受众，他们的消费需求都很难被及时发现甚至准确预测。从黑白电视到彩色电视、从模拟电视到数字电视、从2D电视到3D电视、智能电视和智能云电视，我国电视业迅速发展。电视厂商推出的各种称谓繁多，2009年倡导网络电视，2010年推广3D电视，2011年主打云电视，消费者的感觉是几乎每年一个新概念，出现新概念创造需求，形成“生产创造需求”古典经济模式，而不是依靠消费需求，驱动产品生产和电视节目制作。从受众的消费角度来分析，观看电视节目是一种被动的事情。电视台努力追求的“收视率”也颇受争议。受操作程序、统计方法和样本数据等因素影响，收视率是否真实地反应了广大受众的消费需求，还有待讨论。

大数据为及时发现甚至准确预测消费需求提供了新途径。大数据时代已经到来，并引起了传媒经济学和产业经济学界的高度关注。于薇（2012）从“大数据”的概念入手，对其特征进行梳理总结，对“大数据”处理的核心技术进行分析。⑥2012年9月举行的第二届“新媒体与社会发展”全球论坛就“大数据对社会的影响”“互联网对传统媒体的影响”“大数据时代带来的机遇与挑战”以及“互联网空间改变了什么”等主题展开研讨，论述了大数据对社会生活的影响及其带来的机遇与挑战。⑦官建文、刘扬和刘振兴（2013）指出，数据将成为新闻的“富矿”与核心资源。新闻传媒业作为信息传播的前沿行业，它所面临的冲击和挑战是显而易见的。⑧喻国明、何睿（2013）梳理了大数据时代传媒经济研究框架及工具的演化，认为演化经济学、制度经济学、计算机和通信技术等视角和方法的引入，更加凸显了传媒经济学“跨学科”和“融合”的特征。⑨这些研究成果对促进智能电视产业的发展很有帮助，但还无法充分满足智能电视产业政策设计的需求，有待基于相关的大量数据，进行数据挖掘，从大量统计数据中寻找智能电视产业的内在规律。数据挖掘最大的特色是，进行自动推理，寻找数据本身自己的特点。目前大数据应用相对较为成熟的领域，有电子商务、通信、金融服务等行业领域。要借鉴相关经验，应用关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等方法，进行大规模的精准化的智能电视领域消费者行为研究，通过对消费偏好、消费需求等挖掘分析，来支撑智能电视业的科学决策，减少风险并最大化受益。

应用数据挖掘方法剖析智能电视产业的利润模式

中国电视产业“大而不强”的问题一直困扰大家。用来反映我国电视产业成绩的数据，主要是产业规模和广告收入等指标。这些数据可以在一定程度上反映电视业的规模扩张速度、产业价值创造活动的强弱，但无法证明中国从中获得了合理的产业利润。解决这些问题需要有新思路和新方法。产业利润低是容易看见的问题，而深层次的原因是，我国标准化工作起步较晚，整体水平较低。在标准、专利和认证等西方国家主导的制度控制下，我国电视产业的利润一直大量外流。但是，到底外流了多少，目前还没有确切的说法。理论界对这个问题一直无法回答，因为我们对一些关键问题还没有破题。比如，标准与经济的关系、标准在经济发展中的作用，是经济学研究中还没有完全解开的“谜”。现代经济的关键要素是核心技术和标准。没有掌握关键的生产要素，也就没有财富分配话语权，“租用”别人的核心技术和标准，辛辛苦苦地制造产品，创造产业利润的大头，只好被别人拿走。

解释“中国电视产业利润外流多少才合理”的问题，需要我们顺应大数据时代的要求，应用数据挖掘方法，进行深入剖析。其主要步骤：理解数据和数据的来源，获取相关知识与技术，整合与检查数据，去除错误或不一致的数据，建立模型和假设，实际数据挖掘工作，测试和验证挖掘结果，解释和应用等。我们要在获取充足数据的基础上，先利用数据本身确定智能电视标准对经济效益影响的指标，建立合适的模型，再结合专家经验法，对指标和模型进行改进，利用建立的模型，对实际数据进行分析，针对得出来的结论进行解释。

绿色数据中心支撑智能电视信息消费可持续发展

融合发展是智能电视产业的显著特色，IT企业和传统电视企业纷纷进军智能电视。这方面的理论研究和新闻报道已经很多了。山林在《互联网公司“围攻”智能电视》（2013）中指出，越来越多的互联网公司瞄准了前景巨大的电视机市场，通过推出互联网电视机顶盒和智能电视来抢食千亿级的大市场。⑩阿里巴巴与华数传媒合作阿里盒子，继小米、乐视、PPTV之后杀入互联网机顶盒市场，抢占“第四屏”。苹果、联想、微软、谷歌等IT巨头都进入了智能电视市场。其他参与竞争者还包括零部件制造商、软件商、运营商、中间商等。罗清启（2010）认为，智能电视的兴起彻底颠覆了原有的产业竞争要素，产业游戏规则正在被改写，操作软件、核心芯片等软性因素正成为决定企业产业地位的关键要素。{11}

智能电视具有富媒体、强交互、超清晰、高能效和终端兼容等特点，未来智能电视竞争除了核心芯片、基础软件、内容、显示屏等主导因素之外，还有一个极其重要的方面尚未引起人们的充分关注，那就是数据中心。2006年，天津网通、世纪互联数据中心有限公司在天津成立国内首家新媒体应用数据中心。傅伟、关亚东（2012）认为，云计算数据中心是最新的第三代数据中心，可以有效满足传媒集团的发展需求。徐成达在《数据中心三大应用架构满足富媒体增长需求》（2011）中认为，单一规模或架构已不能满足数据中心所有的业务需求，只有清晰掌握数据中心的任务和关键要求，网络架构师才能优化其设计，交付最佳性能。迄今为止，从绿色数据中心的视角讨论智能电视产业和信息消费的文献还较少。丁蔚（2012）认为，到2015年，全国的数据中心可能将消耗掉三峡电站1年的发电量。{12}吴延鹏（2013）指出，我国有近54万个数据中心在运营，并以每年18%的增长率高速增长。只有绿色数据中心，才能支撑智能电视信息消费可持续发展。《国务院关于促进信息消费扩大内需的若干意见》指出，要统筹互联网数据中心（IDC）等云计算基础设施布局；要加快落实民间资本经营数据中心业务相关政策，简化数据中心牌照发放审批程序。然而，国家政策要落实，需要相应的技术标准进行支撑和引导。我国目前数据中心节能降耗工作缺乏指导性的标准，缺乏科学的能耗测量方法，特别是对非结构化数据占主要比例的智能电视数据中心，其扩张速度会非常迅速，能效对成本的影响很大。智能电视数据中心的可持续性发展问题，会是影响智能电视行业洗牌结果的重要因素。

构建标准化全业务链全生命周期多元化投入机制

智能电视产业链长、市场大，转型升级的示范意义大，应形成标准化与产业化协同发展的局面。我国智能电视标准化工作取得了突出成绩，2012年5月，国际电工委员会音频视频及多媒体系统与设备委员会（IEC/TC100）2012年战略咨询组（AGS）会议，指定我国标准化专家为智能电视国际标准项目负责人以及3D技术国际标准工作组的联合组长，为我国智能电视产业实现与发达国家在标准化领域同步发展奠定了基础。但整体而言，我国国内国际标准化水平较低，严重影响了产业的发展。造成这一问题的重要原因是，还没有形成标准化全业务链和全生命周期的多元化投入机制。要通过财政资金的前期引导和后期奖励等多种方式，构建公共财政、开发性金融、商业金融、社会资本等多元化投入机制。着力支持重大关键技术标准研发、综合标准化工程、国际标准化合作、标准化基地建设等。国家和地方设立战略性新兴产业标准化发展专项资金，支持关键共性标准的研制；在国家科技项目中，加大标准研制的经费投入。充分发挥开发性金融的政策职能，支持与国家发展战略密切相关的重大关键标准及其核心技术研发；发挥金融“窗口”指导功能，引导国有商业银行支持产业化前景好的重要标准的应用推广；探索标准制定、修订经费来源的多渠道融资模式，扩大资金投入规模，充分运用市场机制，带动社会资金投向智能电视产业标准制定、修订工作，引导企业参与战略性新兴产业标准化工作，大力支持龙头企业实质性参与国际标准化活动；鼓励社会资本参与标准试验验证、认证、培训、标准发行、数字化宣传等业务。

（作者单位：中央财经大学 中国电子技术标准化研究院）

栏目责编：邵满春

注释：①申其辉：《传媒经济研究的未来发展模式：长链条+大视野》，《声屏世界》，2009（2）。

②刘国信：《2013年智能电视发展趋势》，《农村电工》，2013（5）。

③乔 维，薛 楠：《智能电视产业发展现状及趋势研究》，《电视技术》2012（S1）。

④金 晶：《由专利申请分析智能电视操作系统的研发趋势》，《电视技术》，2012（2）。

⑤郭丽君：《平板电视：智能炒作只为钱》，《光明日报》，2011/06/28。

⑥于 薇：《“大数据”背景下的信息处理技术分析与研究》，《数字图书馆论坛》，2012（11）。

⑦王 平，何筱媛：《大数据时代的机遇与挑战——第二届“新媒体与社会发展”全球论坛暨中英“新媒体与社会发展”双边对话综述》，《新闻记者》，2013（3）。

⑧官建文，刘 扬，刘振兴：《大数据时代对于传媒业意味着什么？》，《新闻战线》，2013（2）。

⑨喻国明，何 睿：《大数据时代传媒经济研究框架及工具的演化——2012年我国传媒经济研究文献综述》，《国际新闻界》，2013（1）。

⑩山 林：《互联网公司“围攻”智能电视》，《中华工商时报》，2013/07/26/第B03版。

大数据发展战略范文第3篇

一、信息化审计给内部审计带来的巨大变化

信息化审计具有信息主导、覆盖全面、技术创新等特征，与传统审计模式相比，它必将给内部审计工作理念、作业模式、管理模式等方面带来深远影响。本文所称“信息化审计”，是指充分运用大数据分析技术，通过信息的全面掌握、充分挖掘和技术的广泛运用，实现对风险的前瞻、全面、深入、持续的审计覆盖。

1.大数据时代下的信息化审计将使持续性审计模式成为现实

持续性审计将成为内部审计发展的方向和重心。持续性审计的概念在内部审计理论研究中由来已久，但囿于技术与信息条件所限，在国内一直未能切实实现，内部审计可以常态化开展对机构和业务的持续关注、风险评估、持续监测、专项分析、审计发现跟踪等活动，动态掌握被审计单位的业务运营状况、风险变化态势等整体情况，有效识别和实时跟踪业务经营和风险管理中存在的主要问题，实现对整个集团全机构、全产品各类风险的“全面、深入、持续”的有效审计覆盖，并以此为主线形成内部审计对业务发展及经营管理中各风险环节及其随环境变化情况的持续关注与快速反应。

2.审计项目更具延展性、纵深性

对信息的全面掌握、充分挖掘和技术的广泛运用，将会极大地改变现有审计项目的作业模式，大幅提升审计效能。

一是立项依据将由“专家经验+风险评估”向“持续性审计信息触发”转变。以持续性审计中的审计发现作为触发点进行审计项目立项，审计项目更具针对性、时效性。

二是审计视角将由识别“单业务条线风险”向运用整合信息“全面识别风险”转变。通过对跨部门、跨机构、跨区域、跨业务、跨产品、跨风险信息的关联整合，审计项目更具综合性、系统性。

三是审计范围将由“抽样审计”向“全量审计”转变。大数据挖掘技术的应用，使审计范围不再受制于随机抽样样本，而是着眼于总体数据，审计项目更具全面性、整体性。

四是工作方式将由“现场+非现场”向“信息化+智能化”的方式转变。提升审计发现能力，审计项目的作业模式发生颠覆性变化。

3.内部审计管理模式将重新构造

信息化审计的另一层涵义，是审计管理的全面智能化。计划制定与调控的科学化，资源配置与管理的合理化，通过以人财物为核心的审计资源管理系统，对审计项目预算、资源配置、进度安排、效率评价等进行管理，实现审计资源利用效率最大化、效果最优化；利用信息系统在线监督、跟踪预警功能，实现审计资源弹性控制与动态调配。流程控制与监督的规范化。通过审计项目库的反馈信息记录功能及审计成果统计报表软件，自动对审计成果等进行科学合理的分类统计、汇总分析与归纳提炼，实现对审计成果的解读、共享与再利用，并及时跟踪、全面记录和定期督查整改情况，促进审计发现问题及时整改到位。

二、“信息化审计”策略的实施路径

信息化审计建设是“牵一发辄动全身”的系统工程，需要在顶层设计上进行整体规划，有步骤地推进。

1.信息化审计的前提是对内外部相关信息“全生命周期”的管理与应用

通过对信息产生、获取、应用、退出等环节进行的自动化、系统化管理。内部审计要紧跟业务发展与系统建设，了解业务数据信息的性质、内容、结构、过程与逻辑关系，并建立多元化渠道实现对信息的全面获取。整合、高效能的数据仓库，挖掘和流转，实现信息的有效应用，从风险、业务、产品等各个视角对审计信息进行筛选、清洗、开发、加工，使整个审计信息结构清晰、粒度细化、动态更新、调用顺畅，为各类审计作业与管理提供有力支持。通过动态管理，实现失效信息的及时退出。

2.信息化审计的基础是搭建具备“大数据”处理能力的“云计算”平台

通过开放、整合的审计服务平台，实现对审计活动全流程、全方位覆盖，为审计活动的自动化和智能化提供数据信息、计算能力和软件应用等高度共享的云审计服务。搭建审计数据平台，建立审计信息云。不断扩充数据信息资源，通过“打标签”将非结构化信息标准化，实现各类信息资源的有效管理、充分共享和灵活检索。搭建审计应用平台，建立审计服务云。

3.信息化审计的核心是要形成一套“智能化”的审计方法体系

发展商业智能，持续优化从业务思路出发的审计分析技术。创新并行审计技术，强调内部审计对于业务发展、产品设计、系统开发的全流程参与，强化内部审计对业务本质的理解，以业务思路为出发点，构建、优化、管理、应用审计模型，突出审计的同步性、时效性和协同性。审计人员可以借助信息化设备随时查询业务报表、随时掌握风险动态、随时开展线上分析，同时将大量审计知识积累纳入智能的计算机系统，借助计算机模拟人类的思维过程，实现审计模型的自校验、自完善与自调整。强化数据驱动，逐步建立从数据信息出发的审计分析技术。拓展数据挖掘技术，利用聚类、关联、群集分析等方法，对海量数据进行深层次分析，揭示其本来特征和内在联系，获取审计线索、发现审计疑点，准确定位风险，快速形成审计思路，促进内部审计由事后查处与事中控制并重，逐渐向事前预防、事中控制为主转变。

大数据发展战略范文第4篇

【关键词】大数据 电信运营商 数据资产

1 引言

近年来随着社交网络的兴起、移动互联网的快速发展、数据传感器的大量应用，数据量出现了爆炸式的增长，大数据时代正式来临。电信运营商在长期的运营过程中也积累了大量特有的数据，但由于种种原因，数据并没有得到很好的“价值挖掘”，如何充分利用这些数据资源，开发出能产生现金流的服务或应用，即大数据资产变现，是国内外电信运营商普遍关注的问题。本文接下来将对此进行分析，规划电信运营商的大数据发展策略，并就实施路径给出了具体建议。

2 电信运营商的数据资源

用户在通话、短信、上网等过程中，产生了大量记录，运营商由于其业务特点，积累了很多特有的数据，包括人们的身份信息、实时位置信息、上网行为信息等。可以说，运营商记录了人们现代生活的“指纹”，如何对这些数据资源进行挖掘和分析，发挥数据的潜在价值，是当前业界人士普遍关注的问题。

如图1所示，运营商的数据主要来源于以下三个方面：

（1）通信业务数据

这部分数据由CRM（客户关系管理系统）、计费帐务、客服、渠道等IT（信息系统）系统在通信业务的开展过程中产生。例如用户资料、语音、短信、数据等使用记录（话单）、费用记录（账单）、业务订购记录等。这些数据原本的作用是提供更好的客户服务、实现更加准确和灵活的计费等，在大数据时代，它们可以被赋予更丰富的内涵。

（2）网络类数据

这部分数据内容最为丰富，用户上网时的IP地址结合客户资料信息，可以很准确地追溯到人们的身份信息、家庭住址、上网时间、地点等。DPI（Deep Packet Inspection，深度包检测）数据经过分析后，可以清楚知道用户的网络行为，比如访问过哪些网站，购买过哪些商品，从而判断出用户的兴趣及关注点。通过移动位置信令，还可以实时地获取用户当前的所处的位置。

（3）互联网业务数据

这部分数据来自Web（互联网）和App（应用程序）客户端的数据，一般通过JS（一种脚本语言）插码或SDK（Software Development Kit，软件开发工具包）的方式收集，包括支付记录、商铺信息、终端数据、内容订购以及消费记录等信息。

3 电信运营商发展大数据面临的问题

（1）数据质量不高，未充分挖掘

现阶段运营商的数据大多分散在不同领域的多个独立系统中，各平台之间数据模型缺乏统一规划，数据质量不高，并存在较多的不一致性问题。另一方面现有系统对数据的采集挖掘不够深入及全面，无法支撑更精准的分析及应用。

（2）数据分析能力欠缺

缺乏既精通数据挖掘分析、又熟悉电信业务的人员，复合型大数据人才的磨合及培养是一个较为长期的过程。市场瞬息万变，如果不能在有效时间内形成分析结果，那么就失去了意义。而面对海量的数据，如何在短时间内确定分析维度，建立合适的模型，这都需要一个知识及经验的积累过程。

（3）相关法律不够健全

法律边界模糊，运营商虽然拥有大量的客户信息及行为数据，但由于可能触犯客户隐私，所以并不能随意使用，这也大大限制了运营商大数据业务的拓展。

4 运营商大数据的内部应用

运营商不仅是大数据的生产者，而且也是传输者和使用者。由于市场和隐私问题，目前运营商在大数据的使用上还是以内部应用为主，用大数据优化网络质量、提升客户体验，更好地支撑前端营销及后端运营。

4.1 辅助网络建设及优化

采集和分析大量现网数据，通过用户行为对网络关键性能指标的影响，分析用户行为规律的内在机理。将用户的话务、流量变化与时间周期、位置分布、人员属性等用户行为，与网络的节点分布、容量配置等网络资源进行关联分析。通过分析各种因素的内在联系，找出其规律，建立网络关联模型，使得网络规划、建设更加准确高效。另一方面，运营商还可以建立评估模型对现网的效率和成本进行评估，及时调整资源配置，对网络进行优化，不断提升网络质量和网络利用率。

4.2 提升客户服务质量

运营商积累了大量的客户行为和需求数据，利用大数据技术对客户的行为特征（例如等候时长，关联用户接触纪录、套餐订购及消费、投诉纪录等）进行深入分析，可以更准确识别热点问题、客户情绪、客户兴趣，从而更好地进行客户关怀。还可以针对客户兴趣进行精准营销，主动向客户推荐合适的业务及套餐。通过大数据方法进行客户分群，提前发现高流失风险客户，并作相应的客户关怀及挽留措施，可以有效避免客户流失，甚至可以“策反”部分异网客户。

4.3 提高企业运营管理效率

从网络、业务、用户、终端等多个维度全面监控运营商的业务运营状况，构建各类业务的综合指标体系及评价模型，从业务贡献度、对网络资源的占用、用户感知、业务替代性等多个维度对业务进行全面评估，从而更好地支撑业务的创新与改进。还可以通过数据分析对业务和市场经营状况进行总结和分析，相对于传统的经营分析系统，利用大数据技术能够处理更大的数据量，进行更深层次的挖掘分析，从而更好地支撑经营决策。

5 运营商大数据的价值挖掘

大数据发展战略范文第5篇

>> 浅析企业数字化科技图书馆建立和发展 论社区图书馆发展战略 国家科技图书文献中心美国Syracuse大学联合举办“第四期中美数字图书馆高级研讨班” 发达国家宽带发展战略分析及启示 论中小型科技图书馆读者服务管理工作 现代信息技术对科技图书馆的作用 大学图书馆生存之道:基于图书馆再造理念的发展战略转型 基于信息环境下的公共图书馆馆藏发展战略简述 大数据环境下数字图书馆建设的发展战略研究 关于党校图书馆发展战略的几点思考 浅谈图书馆的科学定位与发展战略 论高校转型发展战略中图书馆资源建设的重要作用 大数据环境探讨数字图书馆建设的发展战略 德国国家图书馆的前世与今生 国外国家图书馆网站建设现状研究及启示 国家科技发展战略体系化演进述评 德国露天图书馆 试论南疆少数民族地区图书馆可持续发展战略 发达国家大数据发展战略的启示 全民图书馆：面向发展中国家的数字图书馆 常见问题解答 当前所在位置：.

[5] 顾立平. 首届中国数据馆员培训班在京顺利举办[EB/OL]. [2015-10-05]. .

[27] Visinfo.[EB/OL]. [2015-08-29]. .

[29] 王军， 卜书庆. 网络环境下知识组织规范研究与设计[J]. 中国图书馆学报， 2012， 38（4）： 39-45.

[30] 王海花， 黄金霞， 刘雪梅. ORCID在机构知识库建设中的应用研究[J]. 图书情报工作， 2015， 59（17）： 134-140.

[31] 经管之家[EB/OL]. [2015-10-05]. http：//.

[32] 小木虫论坛[EB/OL]. [2015-10-04]. http：///bbs/.

[33] 徐红玉， 李爱国. 中国科学院系统与高等学校机构知识库建设比较研究[J]. 图书情报工作， 2014， 58（12）： 78-83.

[34] 韦成府， 聂华， 崔海媛. 多馆协作开发的机构知识库建设――以CALIS机构知识库项目为例[J]. 大学图书馆学报， 2014（3）： 69-73.

[35] 赵乃u， 王海燕. Drupal平台嵌入图书馆网站中的功能拓展研究[J]. 图书馆学研究， 2013（11）： 26-29.

[36] 王悦辰. 国内四大中文知识发现系统比较分析[J]. 图书馆工作与研究， 2015， 1（9）： 42-45.

[37] 百度学术[EB/OL]. [2015-10-04].http：//.

[38] 吴新年. 学术图书馆的科研数据管理服务[J]. 情报资料工作， 2014， 35（5）： 74-78.

[39] Project overview[EB/OL]. [2015-09-05]. https：//tib.eu/en/research-development/project-overview/.

作者贡献说明：

孔 媛：撰写论文原稿，调研案例，修订论文；

顾立平：确定选题方向，拟定论文框架，指导写作。

The Observation and Consideration of the Implementation of the German National Library of Science and Technology（TIB）’s Strategic Plan

――The Possibilities of the Product-Driven Strategy

Kong Yuan1，2 Ku Liping1，2

1National Science Library， Chinese Academy of Sciences， Beijing 100190

2School of Economics and Management， University of Chinese Academy of Sciences， Beijing 100049