大数据论文
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篇大数据论文范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
大数据论文范文第1篇
客户关系管理是基于对客户数据的充分分析而进行的，作为客户关系管理的重要分支，数据处理与分析对客户生命周期管理的重要意义不言而喻。大数据时代下，随着数据处理工具与软件的飞速提升，对客户生命周期管理产生了新的革命。各类微信、网站等自媒体工具的发展更是为客户生命周期管理注入新的生机。
(一)大数据促进精准化传播沟通
利用各种数据信息的交叉检索，有助于楼盘项目寻找目标客户，并精准化信息。传统精准传播方式包括短信和DM直邮，但在大数据时代下，利用微信和网站等各种自媒体渠道工具，可以发送更多直观互动的信息。尤其在企业已实现酒店、百货、地产、消费品零售等跨行业规模化运作的时候，数据的综合利用显得尤为重要。通过将企业各业务模块的数据进行搜集和综合处理，可以确保客户资源的共享，更有利于企业品牌的传递，使客户在未到访楼盘项目售楼处之前，就已经对企业的实力建立信心。
(二)大数据有助于客户筛选
跟进传统的楼盘项目客户登记方式为纸质的上门客户登记本，大部分项目均未实现上门客户信息的电子化。借助明源软件、金鹏软件等销售软件及身份证识别器工具，可以推动客户信息电子化的录入，并提升客户信息的准确度。对客户的来源、性别、职业、置业需求等各类基础数据的汇总和交叉分析，能提升客户的精准跟踪，并结合客户的销售抗性进行有针对性的沟通，促进项目销售。
(三)利用数据化工具维护
成交业主满意度大部分楼盘项目在客户成交后，缺乏有效维护。在房地产行业圈层口碑效应不可忽视的背景下，客户成交往往意味着新的生意的起点。利用数据化的工具对成交客户进行跟踪维护，有利于持续跟进客户对楼盘项目的各种反馈，促进老带新的口碑传播、推荐以及重复购买，亦可持续提升客户的满意度。
(四)利用大数据进行业主需求
维护随着建筑科技与智能化的不断发展，居住环境也在不断升级。以往的开发商客户关系维护，仅到业主入伙截止。事实上，业主入伙居住后，对业主居住需求的跟踪和维护也是非常重要的。物业公司可以配合开发商，通过组织各类业主活动，获知客户的需求，例如：搬迁至另一个城市工作——产生异地置业的需求；对目前的居住环境产生升级换代的需求——产生新的高档次项目的购买需求等；这些种种需求，都是客户购买同一品牌楼盘项目的机会，通过对客户关系的维系，产生客户品牌忠诚，对于规模化开发的大企业尤为重要。
二、结束语
大数据论文范文第2篇
1.大数据的背景与特点
（1）信息规模大。大数据的发展是与互联网息息相关的，互联网技术的时时更新与不断发展，无疑产生了海量数据。毫不夸张地说，无时无刻不在产生新的数据。常规数据的存储单位一般为GB或TB，而大数据的单位往往是PB、EB甚至ZB，可见大数据的数据量之大之多。（2）数据的多样性。以前的数据大都是结构化的数据，现在由于信息的采集、加工与传输技术的不断发展，尤其是在互联网络上，产生各种非结构化的数据，代表性的非结构化数据包括音频、视频、传感数据，互联网上的以博客、微博为代表的文本数据等，使得数据的具体形态呈现多样性。（3）复杂关联性。在当今互联网的时代，产生的各种各样的联系，比如在电子商务网站上购物，曾经搜索过的关键词会成为电商网站制定个性化推荐、进行精准营销的最主要依据，个人在不同的社交网站上所提供的个人信息，以及在电商网站购物所留的具体信息都可以转成为有效的商业信息。这就表明了数据之间联系的紧密与密度，也说明了数据间的关联复杂性。（4）价值密度低。当然，海量的数据并不意味着海量的价值，不可能所有的信息都具有价值，如一些冗余信息。需要利用数据挖掘技术，对海量信息进行有效地提取与挖掘，找到具有价值的数据，并将其运用到商业活动中。
2.大数据时代第三方物流企业CRM面临的挑战
在了解了大数据的特征之后，我们便对大数据有了一个清晰的认识。那么在这个以数据为中心的大时代背景下，对第三方物流企业，对现在逐步将客户升级为企业核心竞争力、强调以客户为中心的第三方物流企业CRM带来了什么样的机遇与挑战，值得我们深思。CRM既是一种管理理念，也是一种应用软件，更是一种管理模式。客户一直都是企业非常重视的资源，而且对客户的重视早已从交易进行中扩展为注重潜在客户（即交易尚未发生时）、重视售后管理（即交易发生后），即在整个过程中都强调客户的地位和重要性。当今充满信息的时代，人们更加重视客户的管理，由此可以看出，客户的概念已经发生很大的变化。客户概念的泛化，无疑使客户需求变得具有多样性、多重性和差异性。在这个数据高速增长、信息高度发达的年代，无疑数据是驱动物流企业发展的动力。那么面对海量数据，低密度的价值数据，物流企业的数据“短板”，与客户信息、客户需求之间的矛盾与差距，使得物流企业在大数据时代进行客户关系管理时面临严峻的挑战，主要体现在以下几个方面：（1）数据不足与客户流失控制与预测不足之间的矛盾。客户流失一直以来就是企业面临的重大考验，而如何能够有效的控制与预测客户的流失也一直是长期讨论的热点。针对客户流失的控制与预测，传统的方法是建立在收集客户信息、资料的基础上，对客户的满意度进行分析。而往往这些数据是非常具有局限性的，仅仅是来自第三方物流企业自身积累的客户服务信息，而且在分析时并没有突出分析客户的忠诚度。而现如今客户的需求多种多样，且时时变化，客户的很多信息大多体现在社交网站或商务网站，而且信息的价值密度又比较低，造成物流企业不能很好的去收集、分析客户的信息，去有针对性的满足客户需要，去提高客户的忠诚度。因此，只能用相对少且相对固定的数据制定客户流失控制策略，或进行客户需求预测及市场预测，这些做法往往效果不理想。（2）数据更新不足与客户聚类以及个性化服务不足的矛盾。对客户数据进行聚类分析，是第三方物流企业进行客户关系管理很重要的一个应用方面。第三方物流企业的市场管理、销售服务等都与客户关系管理密切相关，都是强调以客户为中心。而根据数据对不同的客户群体进行聚类分析能够做到有针对性的进行管理，在降低客户关系管理成本的同时，也能够有效的制定实施营销策略。而对于物流行业这样一个数据驱动型的物流企业，数据的更新可以说是至关重要，要求及时将新的信息反馈给管理部门。而普遍的结构化数据，或已有的数据库数据信息相对陈旧，脱离客户不断变化的需求，这必然导致据此制定的各项CRM策略缺少有效性，甚至是营销策略的失误。（3）数据类型单一与关联性分析不足的矛盾。大量单一的客户结构化数据对已有客户的需求分析具有一定作用，然后对潜在客户或提高客户忠诚度上的作用不是很大。当前信息时代，除了传统的结构化数据，可以通过各项技术获得更多的半结构化的如网页、文本等数据，及一些非机构化数据，这些数据往往和客户的已有信息相关联，这些数据的收集与分析，能够为发展潜在客户提供基础。当前第三方物流企业大部分依旧依赖于结构化数据，数据类型比较单一，不能及时了解客户的进一步需求或与当前需求相关的产品或服务，造成对潜在市场的忽略。（4）客户需求变化与CRM模式滞后之间的矛盾。许多第三方物流企业对CRM的认识还停留在传统的与客户互动及管理方式上，虽然认识到了客户的重要性，但是在具体客户关系实施管理上，还存在很多问题，与信息时代的要求严重脱节。同时，在海量数据到来之时，又显得力不从心，无法挖掘出有效的价值信息。这种“迟钝”导致客户需求得不到最大满足，对第三方物流企业而言，面对残酷的市场竞争，时刻把握客户的需求，更好地为客户服务显得尤为重要。反之，则会导致被潜在客户所忽视，被老客户所抛弃，被客户抛弃意味着企业被市场淘汰。
二、大数据在第三方物流企业CRM中的应用
1.大数据下第三方物流企业CRM框架设计
在将大数据技术应用在第三方物流企业CRM的过程中，在整个CRM框架设计中都要明确体现出整个CRM的工作都是围绕客户进行的。各种商业目标定义的来源是客户，数据挖掘与分析的数据来源也是客户，最后具体的商业应用也是作用于客户。同时，数据的正确获取，数据的有效预处理，数据的合理存储，采用优秀的数据处理技术进行数据处理，以及优秀数据挖掘方法和技术的选择与应用，这些工作都离不开信息技术。包括大规模并行处理数据库、数据挖掘、互联网技术、分布式文件系统和可扩展的存储系统等。该模型以客户信息为主线，将第三方物流企业的客户关系管理分为三个层次：客户信息收集层、客户信息分析层、信息输出———客户服务与支持层，在整个过程中都离不开网络技术、数据挖掘等技术层面的支持。具体说，在将大数据应用于第三方物流企业CRM中时，第一步需要通过大数据获取技术得到足够多的各种类型的数据，主要包括从客户和市场等企业的外部环境，以及公司销售记录等内部渠道，收集各种客户信息和市场信息，形成大数据集；第二步需要应用包括数据仓库、数据挖掘和商业智能等技术手段对获取的大数据集进行计算、汇总，通过“聚类分析”、“关联分析”、“数据融合”，实现对客户的个性化分析、竞争情报分析、市场需要变动和产品扩展分析及共性分析，得到应用型数据，这样做的目的主要解决传统CRM中个性化服务不足、市场拓展、市场趋势预测不足的问题；第三步针对第二步的客户分析，围绕这个“中心”，把这些信息输出给客户或企业内部用来制定各种决策及提供服务支持，形成可行性报告，应用于服务管理、市场管理、销售管理及物流企业管理。通过整个CRM系统，不仅成功的对客户信息进行收集、分析、输出，同时将客户各种背景数据和动态数据收集整合在一起，同时将运营数据和外来市场数据经过整合、变换载进数据仓库。不仅重视怎样从技术上实现对大数据应用的过程，并且着重强调的是解决传统CRM的弊端，将大数据时代物流企业CRM所面临的问题在整个流程中进行解决。
2.大数据背景下第三方物流企业CRM应解决的问题
大数据论文范文第3篇
在大数据时代，优质教育资源共享的主体包括共享的双方，也就是资源需方和资源供方。随着时代的发展，优质教育资源的供方不仅包括各级各类学校、教育职能部门、公益组织和科研机构等非营利机构，也可以囊括教育资源提供商，甚至个体也可以成为优质教育资源的供方。要促进优质资源的共享，就要充分发挥互联网的共享性、平等性、开放性特点，全面拓展优质教育资源供方的来源。优质教育资源的供需双方并非一成不变的，在大数据时代，要积极促进优质教育资源供需双方的相互转化，尽量做到各取所需、各尽其能，使优质教育资源的供需双方能够互相交叉和重叠。
二、大数据时代优质教育资源共享的运行系统
要提高优质教育资源共享的效率，促进我国高中教育的不断发展，就必须重视优质教育资源共享的运行系统建设，要使共享的优质教育资源能够满足我国高中教育教学的需要，从而使优质教育资源的利用效率得到提高。
1.优质教育资源共享的建设系统
优质教育资源共享运行系统的第一个环节就是建设系统，进行优质教育资源的汇集和开发工作。建设系统要将教育资源分为非数字化教育资源和数字化教育资源两种，对于数字化教育资源主要是直接汇集和开发，对于非数字化教育资源还要进行数字化加工和制作，使其符合媒体文件的载体和格式。建设系统还要将已有的教育资源进行汇集和整合，使其汇聚起来，能够进行推广、评估和归类。
2.优质教育资源的传送系统
传送系统主要负责传输和配送优质的教育资料。例如，可以向特定的目标区域进行优质教育资源的配送，包括少数民族地区、贫困地区等等。也可以通过对口帮扶的形式，使优质教育资源的供需双方结成对子。在大数据时代，要充分利用先进的社会计算、4G技术、三网融合、宽带网络等技术，提升优质教育资源的投入产出比。
3.优质教育资源的使用系统
使用系统要具备相应的硬件设备条件，使资源需方能够顺利获取教育资源。使用系统还应该具备指导、培训、高级检索等功能模块，使资源需方能够按照自己的具体需求获取和检索优质教育资源。需方也可以对优质教育资源进行再加工，例如，高中学校可以对先进的教育教学理念进行二次加工，使之能够与自身的教材版本、学情相符合。
4.优质教育资源的评估系统
大数据论文范文第4篇
1.1“大数据”定义
所谓大数据（bigdata），或称巨量资料，通常情况下，是指涉及的资料规模庞大，在现有的技术条件的基础上，难以通过主流软件，在合理时间内对其进行撷取、管理、处理。对于“大数据”来说，其特征主要表现为：一是数据量（volumes）大，在实际应用中，把多个数据集放在一起，形成PB级的数据量。根据IDC（国际数据公司）的监测统计，2011年全球数据总量已经达到1.8ZB；二是数据类别（variety）大，数据来自多个数据源，无论是种类，还是格式，数据日趋丰富，以前所限定的结构化数据范畴等，已经被冲破，半结构化和非结构化数据早已囊括其中；三是数据处理速度（Velocity）快，在数据量非常庞大的情况下，能够对数据进行实时的处理；四是数据具有较高的真实性（Veracity），随着社交数据、物联计算、交易与应用数据等新数据源的兴起，冲破了传统数据源的局限，在这种情况下需要有效的技术，进一步确保数据的真实性、安全性。
1.2“大数据”技术
“大数据”的价值不只在于其数据量之大，更大的意义在于通过数据采集、处理、分析、挖掘等技术对“大数据”的属性，包括数量、速度、多样性等等进行分析，能获取很多智能的、深入的、有价值的信息。而这些信息提取过程可大致分为以下三个阶段。
1.2.1数据输入
将分布的、异构数据源中的关系数据、平面数据等数据进行采集抽取，然后对其进行清洗、转换、集成等，最后将数据加载到数据仓中，进而为数据联机分析、挖掘等处理奠定基础。其特点主要表现为并发数高，因为成千上万的用户有可能同时访问、操作数据，比较典型的就是火车票售票网站、淘宝等，在峰值时，它们并发的访问量能达到上百万，在这种情况下，在采集端需要部署大量数据库。
1.2.2数据处理
“大数据”技术核心就是数据挖掘算法，基于不同的数据类型和格式的各种数据挖掘的算法深入数据内部，快速地挖掘出公认的价值，科学地呈现出数据本身具备的特点。并根据用户的统计需求，对存储于其内的海量数据利用分布式数据库或分布式计算集群进行普通的分析和分类汇总等。其特点主要表现为用于挖掘的算法比较复杂，并且计算涉及的数据量和计算量都很大，常用数据挖掘算法都以单线程为主。
1.2.3数据输出
从“大数据”中挖掘出特点，科学的建立模型，通过导入数据，以得到用户需要的结果。这已在能源、医疗、通信、零售等行业有了广泛应用。
2“大数据”安全隐患
“大数据”时代，数据量是非线性增长的，随着数据价值的不断提高，黑客对于数据的觊觎已经由原来的破坏转变成窃取和利用，病毒或黑客绕过传统的防火墙、杀毒软件、预警系统等防护设备直接进入数据层，一些高级持续性攻击已经难以用传统安全防御措施检测防护。“大数据”的安全风险主要可以分为以下两个方面。
2.1从基础技术角度看
NoSQL（非关系型数据库）是“大数据”依托的基础技术。当前，应用较为广泛的SQL（关系型数据库）技术，经过长期的改进和完善，通过设置严格的访问控制和隐私管理工具，进一步维护数据安全。在NoSQL技术中，没有这样的要求。而且，对于“大数据”来说，无论是来源，还是承载方式都比较丰富，例如物联网、移动互联网、车联网，以及遍布各个角落的传感器等，通常情况下，数据都是处于分散存在的状态，难以对这些数据进行定位，同时难以对所有的机密信息进行保护。
2.2从核心价值角度来看
“大数据”技术关键在于数据分析和利用，但数据分析技术的发展，对用户隐私产生极大的威胁。在“大数据”时代，已经无法保证个人信息不被其他组织挖掘利用。目前，各网站均不同程度地开放其用户所产生的实时数据，一些监测数据的市场分析机构可通过人们在社交网站中写入的信息、智能手机显示的位置信息等多种数据组合，高精度锁定个人，挖掘出个人信息体系，用户隐私安全问题堪忧。
3“大数据”安全防范
由于“大数据”的安全机制是一个非常庞大而复杂的课题，几乎没有机构能一手包揽所有细节，因此业界也缺乏一个统一的思路来指导安全建设。在传统安全防御技术的基础上，通过对“大数据”攻击事件模式、时间空间特征等进行提炼和总结，从网络安全、数据安全、应用安全、终端安全等各个管理角度加强防范，建设适应“大数据”时代的安全防御方案，可以从一定程度上提高“大数据”环境的可靠度。
3.1网络安全
网络是输送“大数据”资源的主要途径，强化网络基础设施安全保障，一是通过访问控制，以用户身份认证为前提，实施各种策略来控制和规范用户在系统中的行为，从而达到维护系统安全和保护网络资源的目的；二是通过链路加密，建立虚拟专用网络，隔离公用网络上的其他数据，防止数据被截取；三是通过隔离技术，对数据中心内、外网络区域之间的数据流量进行分析、检测、管理和控制，从而保护目标数据源免受外部非法用户的侵入访问；四是通过网络审计，监听捕获并分析网络数据包，准确记录网络访问的关键信息；通过统一的策略设置的规则，智能地判断出网络异常行为，并对异常行为进行记录、报警和阻断，保护业务的正常运行。
3.2虚拟化安全
虚拟机技术是大数据概念的一个基础组成部分，它加强了基础设施、软件平台、业务系统的扩展能力，同时也使得传统物理安全边界逐渐缺失。加强虚拟环境中的安全机制与传统物理环境中的安全措施，才能更好地保障在其之上提供的各类应用和服务。一是在虚拟化软件层面建立必要的安全控制措施，限制对虚拟化软件的物理和逻辑访问控制；二是在虚拟化硬件方面建立基于虚拟主机的专业的防火墙系统、杀毒软件、日志系统和恢复系统，同时对于每台虚拟化服务器设置独立的硬盘分区，用以系统和日常数据的备份。
3.3数据安全
基于数据层的保护最直接的安全技术，数据安全防护技术包括：一是数据加密，深入数据层保护数据安全，针对不同的数据采用不同的加密算法，实施不同等级的加密控制策略，有效地杜绝机密信息泄漏和窃取事件；二是数据备份，将系统中的数据进行复制，当数据存储系统由于系统崩溃、黑客人侵以及管理员的误操作等导致数据丢失和损坏时，能够方便且及时地恢复系统中的有效数据，以保证系统正常运行。
3.4应用安全
由于大数据环境的灵活性、开放性以及公众可用性等特性，部署应用程序时应提高安全意识，充分考虑可能引发的安全风险。加强各类程序接口在功能设计、开发、测试、上线等覆盖生命周期过程的安全实践，广泛采用更加全面的安全测试用例。在处理敏感数据的应用程序与服务器之间通信时采用加密技术，以确保其机密性。
3.5终端安全
随着云计算、移动互联网等技术的发展，用户终端种类不断增加，很多应用程序被攻击者利用收集隐私和重要数据。用户终端上应部署安全软件，包括反恶意软件、防病毒、个人防火墙以及IPS类型的软件，并及时完成应用安全更新。同时注重自身账号密码的安全保护，尽量不在陌生的计算机终端上使用公共服务。同时还应采用屏蔽、抗干扰等技术为防止电磁泄漏，可从一定程度上降低数据失窃的风险。
4“大数据”安全展望
“大数据”时代的信息安全已经成为不可阻挡的趋势，如何采用更加主动的安全防御手段，更好地保护“大数据”资源将是一个广泛而持久的研究课题。
4.1重视“大数据”及建设信息安全体系
在对“大数据”发展进行规划的同时，在“大数据”发展过程中，需要明确信息安全的重要性，对“大数据”安全形式加大宣传的力度，对“大数据”的重点保障对象进行明确，对敏感、重要数据加大监管力度，研究开发面向“大数据”的信息安全技术，引进“大数据”安全的人才，建立“大数据”信息安全体系。
4.2对重点领域重要数据加强监管
海量数据的汇集在一定程度上可能会暴露隐私信息，广泛使用“大数据”增加了信息泄露的风险。政府层面，需要对重点领域数据范围进行明确，制定完善的管理制度和操作制度，对重点领域数据库加大日常监管力度。用户层面，加强内部管理，建立和完善使用规程，对“大数据”的使用流程和使用权限等进行规范化处理。
4.3加快研发“大数据”安全技术
大数据论文范文第5篇
大数据时代正带给企业根本性的变革，同时，也给职场精英们提供了机遇，但机遇与挑战并存。这对于初入社会的大学生而言，无疑是提出了一个巨大的挑战。
1.1大数据时代对大学生的数据驾驭能力提出了新的挑战
在大数据时代，大学生若想获得好的就业机会需要有较强的数据驾驭能力，即数据素养，在科学数据的采集、组织和管理、处理和分析、共享与协同创新利用等方面的能力，以及研究者在数据的生产、管理和过程中的道德与行为规范。而大学生们鲜有接触大量数据并从中剔除糟粕找寻有用数据的经历，顶多是进行过几次较浅显的问卷调查工作，对数据技术、数据分析方法及相关软件、国际数据化发展进程等知之甚少，在数据素养方面可以说是零基础。
1.2大数据时代对大学生理性思维能力提出了新的挑战
在大数据时代，人们对于过往经验的依赖程度降低，而对数据分析得来的实时结果信任度大大提升，因此赢得就业竞争需要大学生具备理性、逻辑性强的思维方式，从而能冷静、不带感彩地处理和分析数据，得出客观的结论。而大多数中国学生的理性、批判性思考的能力偏弱，缺乏个人的独立思考，且文科专业尤其是语言类专业的课程设置对培养大学生理性思维能力的作用较小，大学生的理性思维能力亟待提高。
1.3大数据时代对大学生精确、快速、实时行动的能力提出了新的挑战
大数据时代信息瞬息万变，因此数据也是具有时效性的，要获取实时数据反馈就必须有精确快速的反应能力和行动能力。一部分平常对于生活中的信息疏于收集的大学生可能会缺乏对信息的敏锐度，从而导致其较慢的反应力和行动能力，若其这方面的素质没有得到提高，则可能会在工作中产生在数据分析工作完成后却发现得出的结论已不具时效性的情况，导致丧失最佳的工作机遇，降低了自身的职业发展竞争力。
2如何在大数据时代提高大学生就业竞争力
大数据时代带给了大学生数据分析能力、思维方式、科学精神、行动力等方面的就业挑战，因此政府、各高校及大学生自身都应积极应对挑战，从不同层面克服困难，共同提高大学生在大数据时代的就业竞争力。
2.1高校、政府应建立大学生就业大数据分析机制，做好大学毕业生的就业、创业服务工作
大学生就业大数据分析离不开大数据的支持，而大数据的建设是一项科学、有序、动态且可持续发展的系统性工程。政府需要从建立运行机制、规范建设标准、建设共享平台、提供专业队伍等多方面进行支持，且通过建立各高校就业数据库，分析各校历年就业率与其获国家资源倾斜度的关系，也能调节教育支持的力度，更好地帮扶教育产业。除此之外，将就业数据库数据与就业市场相关数据相比，还能帮助人力资源供需双方形成更理性的预期，减少就业矛盾，实现人力资源市场的多赢。而学校通过广泛收集历年大学生就业期望、就业去向等信息，并将其数据化，收入数据库，能有效预测毕业生就业率、就业去向。
2.2高校应推行大数据战略，让大数据走进课堂教学，培养大学生大数据意识
各高校应结合大数据时代特征进行教学改革，推行信息化管理与信息化教学。学校的管理与教学活动都存在着固定性与周期性，如对教师的考核、学生测试成绩分析、就业情况分析等，可以利用计算机分析这些数据并推荐合适的解决方案；课堂上，教师也应顺应信息化教育，突破传统的教学方式，通过“微学“”微课”等方式提高学生的学习兴趣，从而提高学习的效果。同时，知识点也可以通过数据化与测试题建立联系，计算机可以通过分析错题数、做题时间等数据为老师提供不同学生对于不同知识点的掌握情况。只有在校园中营造一种大数据氛围，培养学生们利用数据分析找寻有用信息的习惯，才能让他们具备大数据意识，做好走进大数据时代职场的准备。
2.3大学生要提高数据驾驭能力，透过数据看本质
大学生可以多对社会热点问题进行实践调研，通过访谈、问卷调查等方式获取大量真实数据，然后通过整理分析这些数据锻炼自己的数据驾驭能力。在整理实践调研的数据时，掌握图表分析、数据模型及数据分析软件的使用方法，如Hadoop、MapReduce等，提高数据分析的工作效率和准确性。除了加强数据分析技术的学习外，也需要补充来自统计学、数据挖掘等学科的理论知识，为数据分析提供理论支持。同时，勤思考、多动手、多总结的做法也能帮助大学生透过数据看本质。海量数据中不乏有虚假、消极、错误的数据信息，因此大学生必须具备良好的数据分析能力。数据分析就是一个不断假设、验证的过程，耐心、肯钻研的科学精神能够帮助大学生在一次次的假设验证后找到本质的规律。通过不断地实践练习，提高对数据的敏感度、分析能力，为日后职场中更好地开展数据分析工作打下基础。
2.4大学生应养成独立思考的习惯，培养逻辑思维和理性思维方式
大数据时代是鼓励个性化的时代，鼓励通过数据挖掘发现隐藏于数据下的种种规律，要做到这点，大学生必须要有独立思考、不受常规想法束缚的能力。美国计算机专家埃齐奥尼尔购买机票后却发现周围比他买票晚的乘客票价居然比他的便宜，本来是再普通不过的生活现象，但这却引发了这位专家的思考。他分析到若获得美国每一条航线上每一架飞机内的每一个座位一年内的综合票价的数据库，就可以预测飞机票的涨跌势，为消费者提供参考。这样的思考促使他最终创立了Farecast票价预测工具，顾客平均每张机票可节省50美元。独立思考不是漫无目的地想，而是有逻辑地思考。大学生要注意在日常生活中就养成逻辑推理的习惯，在问“是什么”后还要问“为什么”，尝试通过自己的推理找到答案，这是大数据时代对人才的要求。
3结语
