邮政大数据技术应用可行性分析

第一篇：邮政大数据技术应用可行性分析

邮政大数据技术应用可行性分析

摘 要：随着当前各行业信息化的发展，邮政行业各类信息化系统积累了海量的业务数据，这些数据分散在不同的业务领域。由于业务的扩展，数据呈现出几何级地快速增长趋势，并且明显表现出数据量庞大、数据类型多样、价值密度低等特点。传统的数据分析处理方式已经无法满足行业需求。通过引入针对大数据的数据采集、数据处理、数据存储及管理、数据分析与挖掘等技术，可以有效地解决对海量业务数据的分析、价值挖掘问题，进而通过对大数据技术的应用，达到对客户需求的精准把控、对现有业务流程的优化、对业务发展趋势的预判等目的，最终实现对整个邮政行业发展的促进效果。

关键词：邮政 大数据 可行性 应用

中图分类号：TP27 文献标识码：A 文章编号：1672-3791（2017）11（b）-0010-02

认识大数据

大数据，又称巨量资料，指的是所涉及的数据资料量规模巨大到无法通过人脑甚至主流软件工具，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。大数据具有如下特点。

1.1 数据量大

一组数据的计量单位转换比例：1T=1000G、1P=1000T、1E=1000000T、1Z=1000000000T。上述各种单位都是大数据的常用衡量单位。

1.2 类型繁多

大数据包含的不只有普通意义上的结构化数据，还有各种非结构化数据，如音频、视频、地理位置、网络文章等。

1.3 价值密度低

互联网，尤其是移动互联网的普及，越来越多的联网设备参与到数据的生产过程，特别是随着物联网的广泛应用，信息感应收集无处不在。产生的海量数据真正附带使用价值的只是很少一部分。所以对大数据中有价值数据的筛选过滤是应用大数据的必要环节。

1.4 高速数据处理

既有的技术架构和路线，已经无法高效处理如此海量的数据，而对于相关组织来说，如果投入巨大采集的信息?o法通过及时处理反馈有效信息，那将是得不偿失的。大数据技术的典型应用场景

当前，大数据技术迅速发展，正在向各行业渗透，例如银行业。银行业本质上就是要面向客户提供金融服务，通过对数据的分析，可以更准确地把握客户需求，有针对性地研发金融产品，提供金融服务。一方面面对不同区域，差异化管理。通过分析不同区域人群的差异化数据，量身制定符合各区域需求的管理措施；另一方面，针对不同客户，实行差别化产品和服务。通过对大数据的分析挖掘，得出客户喜好，向客户推荐符合其个人喜好的金融产品，实现精准营销。大数据技术在邮政行业的应用

邮政业务结合使用大数据技术的与银行业相比，邮政行业业务类别较多，涉及到寄递、电商、金融等三个方向。各业务方向当前独立运营，虽然也积累了大量的数据，但这些数据却只是单独分布在各自领域，还有很大一部分潜在价值未被发掘。

3.1 成立针对大数据应用的机构

很多现代企业都成立了自己的大数据应用方面的组织机构，专门负责企业大数据应用的开发，旨在提升自身的企业竞争力。对邮政企业而言，同样具备建立相应研究机构的条件。首先，邮政企业积累了海量的数据资源，亟待利用。其次，邮政多年来的信息化建设以及深入的业务应用模式，对业务数据的深入应用方面积累了丰富的经验。最后，邮政庞大的机构人员队伍中储备了大量的数据应用技术、信息应用技术、业务经营分析、统计学等方面的专业人才。

3.2 规范数据标准，提升数据质量

3.2.1 梳理数据来源渠道，规范数据准入标准

邮政企业内部业务种类繁多，相应的业务信息化系统也较多，产生的业务数据模式也各有差异。在此类数据上应用大数据技术，必须对数据的产生渠道进行规范化梳理，尤其是对组织机构、客户信息、地理位置信息等核心基础信息的采集，必须要求按照统一的格式规范进行。

3.2.2 夯实原有数据质量，拓展数据来源

邮政现有各类应用系统产生的数据业务完整性差、业务相关性较差，各个业务系统之间数据可借鉴性较差，需要就上述问题从技术层面、管理层面进行完善和加强。同时增多数据来源渠道，丰富业务数据的种类。

3.3 破除企业内专业壁垒，打造大数据平台

3.3.1 杜绝信息孤岛

邮政行业业务种类丰富，各业务类别之间差异较大，结果导致数据应用时，各业务类别难以突破本专业壁垒，汲取其它专业数据，助力本专业业务发展。信息的孤岛化现象比较严重。

3.3.2 打造大数据平台

（1）数据采集。

大数据平台制定统一的数据采集规范，各专业依据该规范重构自己的业务数据，并推送到大数据平台，实现各业务数据的格式统一。同时要保证业务数据推送、汇总过程中的安全。

（2）数据存储。

将各业务方向业务系统数据进行统一管理，数据归集存储，以实现节省成本、提高数据利用率、降低机房能耗等目的。按照规则对数据进行分类，同时利用过滤和去重技术，减少数据的存储总量，并加入标签，利于数据的检索。

（3）数据处理。

邮政各业务方向数据自身复杂度较高，数据来源和结构多样，不同业务流程之间数据交互度高，造成传统方法难以描述、衡量。相关人员只有通过业务关联进行语义分析，进而挖掘综合信息；而专业技术人员需要利用专业手段衡量、处理，并得出所需的数据报表并产出有价值的分析报告。

（4）数据应用。

可以基于大数据平台构建数据可视化应用系统，根据实际业务需求，定制不同的数据可视化展现方式，为不同业务人员提供个性化的数据分析、趋势预判可视化展现。

3.4 加强大数据应用，服务企业经营理念

（1）基于客户行为分析的产品与服务营销。

整理统计邮政业务中用户的消费记录，发掘客户消费潜力和消费习惯，并制定对应策略进行精准营销。

（2）基于客户评价的产品与服务提升。

注重收集整理各业务方面客户反馈的评价信息，根据评价信息发掘产品、服务中存在的问题，通过修正和完善问题，使产品和服务更加符合用户需求。

（3）基于数据分析的广告投放，加大营销宣传效果。

基于数据分析结果进行广告投放，避免毫无依据的盲目投放。

（4）基于数据分析的产品定价。

综合参考同类产品定价数据，并实时统计价格走势，通过大数据技术实现价格走势预判，为产品定价提供预判依据。

（5）基于客户异常行为的客户流失预测。

收集整理客户行为数据时，重视异常情况的发现与形成原因分析。深入了解底层需求，掌握市场动态，并做出准确的市场预测，预算出客户流失带来的收益损失，及时反馈市场经营部门，以便制定可行的应对措施，降低风险，预估风险。

（6）基于环境数据的外部形势分析。

对于企业外部的数据信息加强收集与整理，全面掌握社会市场动态，了解市场发展走势，正确估计市场形势。做好企业相应的分析与预警。

（7）企业管理数据的应用分析。

做好企业经营生产大数据应用的同时，也要对管理数据进行采集与整理，包括财务管理、人事管理等数据信息等方面。结语

总而言之，邮政正处在集约化、信息化、标准化、现代化进程中，对大数据的分析、挖掘对于企业管理体制优化，精准把握市场机会，实现产业转型和升级，实现科学的良性的可持续发展具有重要意义。

参考文献

[1] 谷斌.论大数据背景下的邮政数据分析与整合[J].邮政研究，2014（6）：10-12.[2] 赵国栋.大数据时代的历史机遇-产业变革与数据科学[J].中国科技信息，2013（19）：100-101.[3]（英）维克托?迈尔-舍恩伯格，肯尼思?库克耶.大数据时代：生活、工作与思维的大变革[M].浙江人民出版社，2012.

第二篇：技术可行性分析

技术可行性分析技术分类

1.1以技术先进程度分

1.2按公开程度分

1.3从形态上分技术选择原则

2.1选择技术应从宏观、微观两个方面考虑

2.1.1宏观上考虑

2.1.2微观上考虑

2.2 从国情出发选择适用技术

2.3选择技术要符合国家标准化要求 ３ 技术来源选择

3.1 制造新

3.2 跨国公司

3.3 贸易新

3.4 中间新

４ 技术引进方式

4.1 单纯技术知识(软件)引进

4.2 引进技术和设备相结合4.3 技术引进与合作生产相结合4.4 技术引进和资金借贷相结合4.5 技术引进和利用资金相结合５ 选择引进方式时应考虑的因素

5.1 合理的获取更多的先进适用技术

5.2尽可能利用外国资金

5.3 利用供方的先进管理技术

5.4 资源选择

６ 项目研究的意义程序和内容

6.1机会研究

6.2 初步可行性研究

6.3 正式可行性研究

6.4财务研究市场调查与预测

７.1市场调查的内容及市场调查市场

7.1.1 市场调查的内容

7.1.2市场调查方法市场预测

8.1 定量要求

8.2原材料、物资的供应

8.3生产销售规划技术分类

1.1以技术先进程度分

ａ已经过时有待更新或已有新技术替代的技术为落后技术；

ｂ有的领域内一般水平的技术或者已经广泛采用的成熟技术为一般技术；

ｃ个别国家个别企业掌握的但在有关技术领域内未广泛采用的技术为中间技术；

ｄ已完成科研设计，但尚未掌握生产的技术或只有基础理想的研究尚未经过应用研究的技术为先进技术。

1.2按公开程度分

ａ公开技术

公开发表的科技理论和实际知识，如科技书刊，论文报告，学术会议资料，不属工业产权范围，可以自由传播，无偿利用；

ｂ专有技术

专有技术（又叫秘密技术）是没有取得专利权的不公开的技术知识（包括可以取得专利权，而拥有技术的发明人不愿申请的技术，有的就是专利技术中未公开的核心技术和关键数据资料）不存在保护期，而要求受方对第三者保密，受合同法、侵权行为，不正当竞争法、刑法等法律保护；

ｃ专利技术

受专利法保护的发明技术，专利技术需符合新颖性、创造性、实用性要求，在保护期内不受侵犯，技术贸易包括许可证贸易、技术咨询等方式获得。

1.3从形态上分

严格讲技术是指制造产品应用生产方法或提供服务的系统知识，是智能形态的。实际上技贸中也转让关键设备、检测手段本身凝聚着的专利技术和专有技术，这部份是物化技术。确定技术转让价格要考虑的因素。

技术价格＝直接费＋间接费用＋利润补偿

直接费用━━提供方为转让技术而发生的费用，如派员谈判，接待考察，复印资料，提供样品等。

间接费用━━是提供方对技术的研究、开发费用的补偿，是按该技术可转让次数分摊的。开发费用包括物化劳动消耗(材料、工具、设备器材等消耗)

物化劳动消耗(人员工资奖励，补贴知识更新等费用)

利润补偿━━是指提供方由于技术转让使供方蒙受利润损失的补偿。

在确定技术价格时还要考虑

ａ技术价格与其推广价值成正比；

ｂ技术的无形消耗，在导入期、成长期价值高，饱和期下降，淘汰期为零； c支付方式。

2技术选择原则

2.1选择技术应从宏观、微观两个方面考虑

2.1.1宏观上考虑

是否符国家经济建设的战略目标和技术政策，是否有利于国家科学技术的发展和行业技术改造，克服国民经济薄弱环节。是否有利于国内资源，对劳动就业带不带来影响。是否影响国民经济的综合平衡（包含资金外汇平衡，物资平衡等）是否会造成环境污染，是否违反有关法规等。

2.1.2微观上考虑

ａ是不是投资少、见效快、盈利大、创汇高；

ｂ技术先进程度，生命期，推广价值；

ｃ企业本身消化吸收能力，技术管理能力和重要的配套设施和基础设施维修检测能力等。

2.2 从国情出发选择适用技术

将先进性和适用性结合起来，英国发展经济学家舒马赫(Schumacher)1973年在“小的就是美的”一文中提出了适用技术观点。

2.3选择技术要符合国家标准化要求

ａ引进国际标准和先进标准作为引进技术的组成部份；

ｂ避免同一技术有不同标准规格各导；

ｃ遵循国家技术政策和装备政策，如电源频率、电压等级、计量制度、劳动安全和卫生保健标准等方面的国家法令和规定。

３技术来源选择

3.1 制造新

从事产品开发生产和技术开发，本身拥有技术和一定物力，通过产品出口和转让技崐术获取利润但其销售渠道不一定很宽。

3.2 跨国公司

从事技术开发、产品生产和进出口贸易，搞多种经营财力雄厚，技术力量强大，控制原料来源，零部件加工，制成品生产并拥有庞大的国际销售网。

3.3 贸易新

专门从事进出口贸易，本身没有技术，而有一定的销售渠道。

3.4 中间新

本身无技术的销售渠道，资金往往很少，专门从事牵线搭桥的获取佣金。

４技术引进方式

4.1 单纯技术知识(软件)引进

如许可证贸易、技术服务、咨询服务等。

4.2 引进技术和设备相结合为成套设备合同，交钥匙工程合同，产品利税同等。

4.3 技术引进与合作生产相结合4.4 技术引进和资金借贷相结合如补偿贸易，租赁等。

4.5 技术引进和利用资金相结合如合资经合作经营等。

许可证贸易的标的包括，专利技术使用权专有技术的使用以和新标的使用权。

５选择引进方式时应考虑的因素

5.1 合理的获取更多的先进适用技术

如何按合理的因素条件从供方获取更多的先进适用技术尽快形成生产力并在合同有效期使用对方提供的新开发技术。

5.2尽可能利用外国资金

如何尽可能利用外国资金以减轻支付现汇的负担。

5.3 利用供方的先进管理技术

如何利用供方的先进管理技术、销售技术开拓国外市场扩大出口。

5.4 资源选择

如何选择自己的资源优势力求减少对外依赖。

６项目研究的意义程序和内容

项目可行性研究是对筹划的项目进行全面系统分析仔细检验各有关方面，各种条件和因素，从而决定付诸实施的可能性的研究，是一门寻求优化的技术，是一门综合科学，核心问题是技术经济评价与分析。

搞可行性研究必须以客观事实为依据，先论证后决策。

分成步骤：机会研究━━初步可行性研究━━正式可行性研究━━评价决策

6.1机会研究

机会研究包括项目的社会经济背景，发展趋势，基础条件，目的是寻求有利投资机会和鉴别项目的设想，研究费占总投资额的0.1%～1%。

6.2 初步可行性研究

初步可行性研究是对项目进行初步的技术经济分析，并对方案做出初步选择，解决如下问题：ａ．投资机会是否有希望，是否不要开展正式可行性研究；

ｂ．确定项目的可靠性，指出需要详细分析的关键问题；

ｃ．对项目的关键问题是否需作辅助研究如市场调查实验室试验，实验工厂试验等深入的功能研究。

初步可行性研究要求有一定精度其误差不得超过±30％，研究费占总投资的0.25%～1.5%，重点放在分析各种可能的方案做出初步论证，检查下述内容。

合作对象地点和厂址市场状况 原材料等投入

项目设计费用估算进度安排 财务分析

最后填写项目建议书

6.3 正式可行性研究

是确定方案是否可行，并选出最佳方案，研究精度要求达到±10％，研究费为总投资的1～3％。

一项周密可行性研究需对有关工作收集大量的信息和资料的基础上进行分析，包括市场研究、技术研究、管理研究、财务研究、社会研究等诸方面。

从市场研究入手，从市场调查和预测市场开始分析市场供求情况，竞争情况，并对价格和销售活动做出估计，进而预测市场容量根据潜在的市场份额而确定目标市场。

技术研究涉及产品的品种、规格、质量要求、工艺图样设计、产量、机器设备的确定，物资、能源的崐供应和来源。工厂生产能力、物料投入、地区和厂址的选择，生产布局结构的决定。管理研究决定组织班子，组织机构和形式确定项目负责人，考虑与项目有关的政策法规、法律要求税收及工程建设进度的安排，并对经营活动提出积极的建议。

6.4财务研究

评估获利能力，确定所需资金及来源和贷款偿还能力，还贷计划，同时分析生产增的盈亏崐平衡点，研究最佳运用资金的方案。市场调查与预测

市场调查与预测关系密切。市场调查包括对市场中的供求竞争等因素，以及各种技术情报外部环境、政府法令等方面的数据资料进行收集，说明和解释，从而对某产品测算其可能进入市场的程度，考虑投入和来源的数额，确定生产规模。预测是根据市场调查所得到的有关资料以及市场的变化因素进行细微的分析研究运用科学方法测算出未来一定时期内市场对该产品的需求量和变化趋势，市场调查是预测的前提，预测是否准确，在很大程度上取决于市场调查的充分性和可靠性。

７.1市场调查的内容及市场调查市场

7.1.1 市场调查的内容

市场调查主要从三个方面进行。

ａ．对现有市场因素，包括历史消费量的调查和计算。

ｂ．探讨未来市场包括潜化市场需要量的调查。

ｃ．进行相关性分析研究，研究市场组合策略。如产量价格、广告、销售渠道、售后服务等对市场销售活动的影响和效果。

7.1.2市场调查方法

ａ．直接调查

派人到销售地区进行观查和记录；用仪器测录现场情况；准备调查提纲，调查表函调，面访询问座谈。

ｂ．间接调查

向有关部门收集现成的记录统计资料。

注意:所有资料都有时间性并受技术、经费和主观判断力的影响，调查所得数据可运用数理统计方法进行整理、计算和分析，所得的供求差额作为评估依据。市场预测

市场预测主要从如下三方面进行。

8.1 定量要求

品种规格要求不同时期消费水平，购置力水平，公众嗜好，价格等因素预测市场近期、中期、远期的需求和发展趋势，还应注意生产发展科技、进步和人口变化所引起的倾向性变化和周期性变化；某些替代性商品和相关部门的影响。

8.2 考虑原材料、物资的供应渠道，供应质量、进度、运输方式和条件，预测生产供应情况。考虑物资供应时应注意。

ａ．应充分利用国内资源；

ｂ．引进项目所需要的紧张物资以及扩大生产后预计增加的部分，必须得到供应者保 证； ｃ．所需资金和外汇要落实；

ｄ．尽力消除对外长期依赖；

ｅ．对所需国外物资的国内外价格进行比较，并分析它对成本的影响；

ｆ．供应地选择及协作关系的选择。

8.3 在摸清市场行情的基础上制定生产销售规划

第三篇：大数据应用实例分析

电信运营商的阳关大道

——大数据应用实例分析

09012208

黄文婷

摘要：

随着全球数据化、网络宽带化，基本的数据量越来越大，由此我们进入了大数据时代。本文探讨了大数据内涵与意义，从电信行业这一大数据应用实例进行分析，介绍了大数据在电信行业的应用、必要性及相关措施。

关键词：大数据

电信

应用

正文：

一、大数据的内涵与意义

（一）大数据的意义

大数据和云计算一样，近两年来越来越多的受到人们的关注。那么什么是大数据呢？ 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。(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》中，大数据指不用随机分析法(抽样调查)这样的捷径，而采用所有数据的方法)对于“大数据”（Big data），研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

（二）大数据的特性

大数据有4V特点：Volume(大量)、Velocity(高速)、Variety(多样)、veracity(真实性)。大数据的4个“V”，或者说特点有四个层面：第一，数据体量巨大。从TB级别，跃升到PB级别；第二，数据类型繁多。包括网络日志、视频、图片、地理位置信息等等。第三，数据的来源，直接导致分析结果的准确性和真实性。若数据来源是完整的并且真实，最终的分析结果以及决定将更加准确。第四，处理速度快，1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。业界将其归纳为4个“V”。

（三）大数据的应用意义

大数据最核心的价值就是在于对于海量数据进行存储和分析。相比起现有的其他技术而言，大数据的“廉价、迅速、优化”这三方面的综合成本是最优的。

此外，大数据的潮流虽然依赖于信息通信技术的成熟，但它对整个世界的影响绝不仅限于技术层次。它借助信息技术的创新与发展，及数据的全面感知、收集、分析与共用，引导我们以全新的思维看待世界，养成决策思维行为须根据事实与数据的分析判断，舍去凭借经验和直觉的习惯作风。可预见，它将对惯于“差不多”的思维造成巨大的冲击。

很多人一提到大数据，就会不由自主想到那个关于啤酒和尿布的经典案例。事实上，随着移动互联网、智能终端、云计算、物联网技术以及电子商务、社交媒体等应用的飞速发展，大数据已经越来越多的渗透到生活方方面面，宣告着我们已经进入了信息爆炸的大数据时代。电信运营商历经语音、短信、数据三个发展浪潮，积累了大量如文本信息、音频、视频、图片等非结构化数据，在大数据时代无异于拥有了一条发展的阳关大道。而机智的电信运营商也致力于研究如何在这条道路上比别人跑得更快以获得更多的利益。

二、大数据在电信行业的应用

（一）电信行业大数据应用的四个方向

现阶段电信运营商利用其拥有的大数据进行全面、深入、实时的分析和应用，是应对新形势下的挑战、避免运营商沦为管道化的关键。从大数据的具体应用方向来看，当前应主要集中在四个方向：流量经营精细化、智能客服中心建设、基于个性化服务的客户体验提升以及对外数据服务。

1.流量经营精细化

在流量经营精细化上，大数据应用的价值主要体现在深入洞察客户、助力精准营销和指导网络优化三个方面。首先，基于客户终端信息、手机上网行为轨迹等丰富的数据，借助DPI(Deep Packet Inspection，深度数据包检测)技术等，建立客户超级细分模型，为各细分群组客户打上互联网行为标签，可以帮助运营商完善客户的360度画像，帮助运营商深入了解客户行为偏好和需求特征；其次，根据用户行为偏好，推送合适的业务，并根据对客户特征的深入理解，建立客户与业务、资费套餐、终端类型、在用网络的精准匹配，同时也能做到在推送渠道、推送时机、推送方式上满足客户的个性化需求，实现全程精准营销；再次，利用大数据技术实时采集处理网络信令数据、监控网络状况、识别价值小区和业务热点小区，更精准地指导网络优化，实现网络、应用和用户的智能指配。2.智能客服中心建设

作为运营商与客户接触的第一界面，客服中心(或称客户联络中心)拥有丰富的数据资源，可以称得上是客户信息的“聚宝盆”，利用好客服中心的客户接触数据对于建设智能化客服中心意义重大。利用大数据技术可以深入分析客服热线呼入客户IVR(Interactive Voice Response，互动式语音应答)行为特征、访问路径、等候时长等；同时结合客户历史接触信息、基本属性等可以建立热线呼入客户的智能识别模型；基于客户智能识别模型可以在某类客户下次呼入前预先推测其呼入的需求大体是什么，IVR接入后应该走什么样的节点和处理流程。这样，就可以基于呼入客户习惯与需求的事先预测而设计按键菜单、访问路径和处理流程，合理控制人工处理量，缩短梳理时限，为客户服务中心内部流程优化提供数据支撑，有助于提升热线服务管理水平，加速热线营销渠道资源整合，有效识别客户投诉风险，助力智能客服中心的建设。

3.基于个性化服务的客户体验提升

大数据时代对于运营商为客户提供服务来说更加侧重于“小”，即更加关注每个个体“小我”的个性化需求，而融合了电商、医疗、社交等方面信息的“大”数据正是为了更深入的理解“小我”、服务好“小我”。利用大数据技术，一方面可以建立更全面、丰满的客户画像，另一方面还可以量化分解客户接触信息，识别客户特征与习惯偏好，预测客户可能在何时手机会出现故障、何时会产生换机行为等，为客户提供定制化的服务，优化产品、套餐和定价机制，实现“一户一策”的差异化、个性化服务，提升客户体验与感知。由此可见，大数据将为移动互联网时代的客户服务带来一次变革，给客户服务带来极大的想象空间和无限的发展前景。4.对外数据服务

对外数据服务是大数据应用的高级阶段，这个阶段电信运营商不再局限于利用大数据来提升内部管理效益，而是更加注重数据资产的平台化运营。利用大数据资产优势，将数据封装成服务，提供给相关行业的企业用户，为合作伙伴提供数据分析开放能力。例如，Telefonica和Verizon已经成立专业化数据公司来运作对外数据售卖的服务。再如，如果将无线城市与物联网、电子政务等方面的信息结合起来，将能为电信运营商的数据和政府的政务数据增值，对于打造一个开放数据平台和民生服务平台有重大意义。让数据在不同行业之间流动起来，实现体外循环将能进一步释放数据的价值。当然，以简单的Data Seller模式售卖数据服务时，需要 注意保护客户隐私、打消隐私顾虑。

（二）电信行业大数据应用的效益

网络上的每笔搜索，网站上的每笔交易，敲打键盘、点击滑鼠的每一个动作，都在输入数据，经过整理分析后，它可能显示市场的脉络、甚至更具商业价值的开发着力点。曾有统计，运用大数据的分析，可以让公司增加50%的新客户，让政府减少30%的成本。这些如海潮般涌入的大量资料，正是云端时代的新金脉，已经创造出惊人的效益。

三、大数据在电信行业应用的必要性与措施

电信运营商拥有大量的数据资源，如网络信息、用户终端信息、用户位置信息等，只要对电信网络有深刻的理解和技术积累，具有敏锐的行业发展嗅觉和强大的产业研发能力，基于大数据进行深度挖掘分析，将丰富的网络、用户等数据资源加工抽取后封装为服务，将数据资源在一定程度上货币化，向大客户提供增值服务，就能增加新的盈利模式。这无疑是电信运营商发展盈利的一条阳关大道。

面向大数据时代，运营商的及时转型成为必然，否则将有被互联网企业超越的可能性。理论上讲，运营商拥有颇具优势的大数据资源并不是完全不可替代，例如，用户的位置信息就可以通过多种APP应用获得，用户的网络使用信息也可以通过多家互联网企业合作获取，互联网企业通过泛互联网化收集更多的大数据信息。另一方面，多行业的垂直整合将成为趋势，在数据应用层面，行业企业通过多种手段搜集大量的用户数据，将更贴近用户，更理解用户，为其提供更适当的服务，大数据将成为资产更具有战略意义，各个行业及单位都在关注大数据。

根据大数据数量大、时效性要求高、数据种类及来源多样化等特征，运营商首先获取更多有用的大数据资源，例如，很多的网络运行信息，包含大量有价值的用户行为和位置信息，这样的信息可以加以利用。有了资源应该加以利用，避免大数据资源的浪费。事实上，一些运营商拥有大数据这样的金山，却似乎无奈坐看并逐渐沦为管道，在不断强化传统市场的效益考核，却好像在忽视大数据价值的流失。

大数据在电信行业应用措施主要有三个方面：

1）梳理并整合业务部门对大数据的需求，立足分析需求，做好大数据的IT体系构架的规划。大数据相关技术条件的成熟、大数据分析能力及分析应用经验的积累等多方面因素，都是制约企业建设的建设IT系统的条件，要充分抓住大数据带来的机会并避免“心急吃不了热豆腐，反被热豆腐伤害”的问题。

2）落实基于品质管理资料的经营新模式。面对大数据时代的趋势潮流，学会既然无从抗拒，就积极响应，以共享大数据带来的潜在效益。

3）以职能部门提供整体IT支撑方式向嵌入业务流程实时数据的分散能力支撑方式转变。这种转变趋势又称IT支撑“消费化”趋势。在大数据时代，数据从支撑企业中高层运营管理决策普及到支撑企业的产品运营、市场运营、客户服务，甚至在智能管道运营全流程中涉及从企业中高层运营管理人员到基层生产执行人员，很明显，这种数据获取和分析能力如果集中在IT职能部门，而不是全体人员均结合自身业务需求而具备的话，大数据分析驱动的各项运营管理应用即成为不可能的任务。

四、结语 从电脑技术的演进来说，“大数据”是既资料探勘、云端计算之后一项革命性的趋势发展。庞大的数据资源迫使各个领域的运作造成量化的质变，目前全世界无论是学术界、企业界、产业界甚至是政府单位都在积极研究大数据分析。在这种背景下，电信行业也结合自身特征，进行相关的研究与应用，奔跑在大数据铺就的阳关大道上，成为激烈竞争中的新赢家。

参考文献：

[1]黄小刚．电信行业大数据应用的四个方向．业务与运营．2013(6)：26-28 [2]季鸿，张秀凤，柴林麟．大数据在电信行业的应用展望．通信企业管理．2014(1)：76-77 [3]卢云许．电信行业大数据应用浅析．信息工程系统．2013(12)：29-30 [4]潘海鹏．浅谈电信行业大数据的意义与应用．电子世界．2014(3)：21-23 [5]史斌，周双阳．电信行业如何应用大数据．新引擎．2013（7）：47

第四篇：大数据技术在环境监测中的应用分析

大数据技术在环境监测中的应用分析

一、环境监测在环境保护中起到的重要作用

（一）环境监测为环境保护工作指明方向

环境保护的任务非常繁重，因为它涉及的范围很广，如水污染、大气污染、土壤污染、噪声污染等。环保部门需要面对辖区内全面性的环境保护工作，点多面广，通常对环境污染的控制工作也只是提供一个临时性、应急性的解决方案，大多会经历“污染-治理-改善-再污染-再治理”的反复性阶段，才逐步改进辖区环境质量。所以，总是在严重污染的情况下开展的环境保护突击治理是非常不明智的、不合理的，也不是环境保护的治本之策，环保部门必须采用更科学的治理措施。在这个大背景下，环境监测将能够发挥重大作用，它可以提供辖区环境质量的现状数据，使环保部门做更少的工作，找到一个更科学、合理的环境污染控制的方向。环境监测系统将收集在全国各地，如大气、水、土壤和其他自然环境污染，收集后的数据进行统一分析。这个环境的污染，环保部门可以通过环境监测系统检查全国各地，有利于环境保护部门更直接地发现彼此之间是否存在相关性的环境污染，并为下一步环保工作指明了方向。

（二）环境监测为环保标准的制定提供依据

环保部门的工作也需要有相应的参照标准，确定是否在大气、土壤、水环境保护工作中有参考性和对比性，能了解当前的环境质量现状是否符合环境质量标准要求。如果发现污染的情况，还需要使用标准来衡量环境污染程度。因此，核定环境标准非常重要，环境监测系统的使用可以提供明确当前环境质量的环现状标。当环保部门开展环境监测工作，需要在自然环境中不同点位、不同时期采集各种数据，对这些数据进行比较分析，以了解不同的地方在同一时期、不同时期当地自然环境的污染或污染的情况。这些数据可以对中国的环境污染状况反应良好，环境标准的制定提供数据支持。

二、环境监测在环境保护中的应用

（一）对环境监测的技术进行创新

随着环境污染问题日益突出，中国的环境保护工作形势也越来越复杂，工作要求越来越高。为确保环境监测系统能在环境保护工作中发挥更大更积极的作用，必须尽快对传统的环境监测技术实施改革。例如，根据污染源的监测情况，环境监测技术部门应研究如何更有效地解决水污染问题，能更深入的分析固体废物污染、颗粒物污染、噪声污染、电磁污染等不同污染源，帮助环境保护部门从污染源方面解决污染问题。

（二）完善环境监测预警系统一个在造成中国环境污染的重要原因，是越来越多的不能检测的指标和治理环境问题的出现，与环境监测预警系统建设能力不足，难以及时发现环境污染问题。因此，我国亟待提高环境监测和预警系统，从人员和技术2个方面完善预警系统。一是要明确各岗位岗位人员的具体职责，运用严格的岗位考核机制，使全体员工能够严肃严谨地开展工作。二是要采取有效的环境监测手段，找出环境问题，制定科学的治理方案。三是要提高环境监测预警系统响应速度，做到来之能战、战之能胜。

（三）建立国家级的监测网络

环境污染治理是我国的一项重要任务，建立国家环境监测网可以使我国的环境监测工作更加全面。第一，国家监测网络可分析自然环境的各种元素，建立全方位无缝隙的监测网络，如空气，噪音，地下水，地表水，土壤等。第二，环境监测网络需要分为不同的层次，可参照网格化环境监管工作的模式，设立省、市、县、乡镇等。第三，监控数据要实现在线传输、排序、分析等功能。这对我国了解当前环境污染问题有很大帮助，也能更好地解决当地污染控制措施的现状。

（四）创建符合我国国情的环境监测技术管理体系

针对以上问题，中国的环境监测管理体系必须立足现实，从实际情况出发，在科学发展规律的基础上，保证技术的使用和配置的标准化。因此，除了加强环境监测技术管理工作，也必须对设备性能监测技术及时校对，确保每个设备是最好的工作状态，进而提高监测数据的准确性，避免数据错误，提高监测效果。同时，有必要对监测工作的技术实力进行分析，根据实际情况制定相应的方案，提高技术分析的准确性。此外，严格按照国家有关标准制定管理制度，同时注重监测结果也要充分考虑到国家的整体发展，这是确保科学成果的条件之一。

（五）加强对环境监测技术设备的高效管理

环境监测设备的重要性无需强调，只有更先进的设备，才能确保监测数据的准确性。工作人员必须有清醒的认识，坚持观点，明确设备管理的方向，提高人性化和科学的监测设备管理。同时，根据具体情况合理配置技术资源，实现优化配置，减少闲置，避免资源浪费。此外，最关键的是要加强设备采购管理，严格落实审计要求，配备专业的检测和维修人员，提高设备使用效果的使用性能，延长使用寿命的发展，以促进环境监测技术的工作。

（六）制定合理的人才培养计划

人才是根本，环境监测部门的领导层也要充分意识到这一点，认识到人才培养与环境监测之间的供给关系，增强人才的专业水平与实际工作能力，同时监测部门的负责人要结合本单位的具体工作情况，加强培训，注重教育，进而使得工作人员可以更快地进入到工作状态，提高工作效果，改善监测水平，改善环境质量。

第五篇：《大数据：技术与应用》学习心得

4月1日上午，“新时代学习大讲堂”第二期时代前沿知识专题讲座贵阳举行。中国科学院院士，北京理工大学党委常委、副校长，贵州省大数据产业发展研究院院长梅宏围绕大数据技术与应用作专题报告。

本次讲座上，梅宏院长从“大数据是什么”、“如何应对大数据”、“如何应用大数据”、“大数据现状和思考”等多个方面，全方位、多角度、立体式地解读了大数据的技术与应用，语言生动、内容详实，既传达了党中央的精神，又谈了自身学习体会，既解读了大数据发展的规律，又提出了学习领会的意见建议，为贵州省各级领导干部、国家机关、公职人员学习互联网知识，熟练掌握大数据知识指出了路径、传授了方法。

通过学习，我们知道信息时代的到来，感受到的是技术变化日新月异，随之而来的是生活方式的转变，我们这样评论着的信息时代已经变为曾经。如今，大数据时代成为炙手可热的话题。

今天，信息是一个高度概括抽象概念，是一个发展中的动态范畴，是进行互相交换的内容和名称，信息的界定没有统一的定义，但是信息具备客观、动态、传递、共享、经济等特性却是大家的共识。数据是描述事物的符号记录，是可定义为意义的实体，它涉及到事物的存在形式。它是关于事件之一组离散且客观的事实描述，是构成信息和知识的原始材料。数据可分为模拟数据和数字数据两大类。数据指计算机加工的“原料”，如图形、声音、文字、数、字符和符号等。从定义看来，数据是原始的处女地，需要耕耘。信息则是已经处理过的可以传播的资讯。信息时代依赖于数据的爆发，只是当数据爆发到无法驾驭的状态，大数据时代应运而生。

在大数据时代，大数据时代区别与转变就是，放弃对因果关系的渴求，而取而代之关注相关关系。也就是说只要知道“是什么”，而不需要知道“为什么”。数据的更多、更杂，导致应用主意只能尽量观察，而不是倾其所有进行推理。小数据停留在说明过去，大数据用驱动过去来预测未来。数据的用途意在何为，与数据本身无关，而与数据的解读者有关，而相关关系更有利于预测未来。大数据更多的体现在海量非结构化数据本身与处理方法的整合。大数据更像是理论与现实齐头并进，理论来创立处理非结构化数据的方法，处理结果与未来进行验证。大数据是在互联网背景下数据从量变到质变的过程。小数据时代也即是信息时代，是大数据时代的前提，大数据时代是升华和进化，本质是相辅相成，而并非相离互斥。客户数据、交易数据、管理数据等海量数据不断增长，海量机遇和挑战也随之而来，适应变革，适者生存。我们可以有更广阔的学习空间、可以有更精准的决策判断能力这些都基于数据的收集、整理、驾驭、分析能力，基于脱颖而出的创新思维和执行。

李再勇副省长在主持讲座时指出，此次专题讲座既是一次培训辅导，也是一次了解大数据、弄懂大数据、运用大数据的好机会，大家要认真学习、深刻领悟，将大数据知识运用到实际工作中。并要求，广大党员干部一是要精准把握总书记关于大数据发展系列重要讲话精神的核心要义，要利用大数据在商用、政用、民用等多方面“聚通用”协同发展；二是要以大数据发展重构经济体系，努力实现贵州经济高质量发展，要以供给侧改革为主线，以大数据发展加快对传统产业结构和产业体系的重构、重组，实现质量、效率、动力三大变革；三是要以大数据发展提升治理体系、治理能力，不断推进政府管理和社会治理模式的创新，要在数据重构中找到适合人类社会管理的规律。四要以大数据发展促进民生发展，不断提升公共服务均等化、普惠化、便捷化，要通过大数据进一步推动共享发展，共享发展的平台和路径以及技术，加快共同富裕的步伐。