大数据时代观下的教育质量监控(下)

第一篇：大数据时代观下的教育质量监控(下)

大数据时代观下的教育质量监控(下)

大数据时代观：一种可以采纳的思维模式

依据现有传统思维模式实现上述的“全数据”评估，必然存在人力、物力和海量数据的困境。因此，我们必须转变思维模式，革新传统监控评估技术。大数据时代观就是一种可以采纳的思维模式。其关键是“样本=总体”。

在信息处理能力受限的时代，世界需要数据分析，却缺少用来分析所收集数据的工具，因此随机抽样应运而生，“抽样”的目的就是用最少的数据得到最多的信息，它可以被视为那个时代的产物。但是，当感应器、手机导航、网站点击等被动地收集了大量数据，而计算机可以轻易地对这些数据进行处理，我们可以获得海量数据的时候，其缺陷越来越难以忽视了。〔见维克托?迈尔-舍恩伯格（英）《大数据时代：生活、工作与思维的大变革》（中文版）.浙江人民出版社.2012版，以下简称“维克托文”〕例如用抽样的方法分析整个人口的情况，正确率可达97%。对于某些事物来说，3%的错误率是可以接受的。但是对于教育来说，3%的错误率是不能接受的。数据处理技术已经发生了翻天覆地的改变，我们的方法和思维也要跟上这种改变，要以每一个学生数据中心，合法地收集他们的所有数据，用“样本=总体”为思路，设计评估，设计质量监控。

（一）大数据时代观点综述

进入2012年，大数据（big data）一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数大数据时代来临，并命名与之相关的技术发展与创新。大数据时代观下有许多成功案例，如2009年甲型H1N1流感爆发的时候，谷歌更有效、更及时的发布了“流感”指示标。令人惊人的是，谷歌的方法是建立在大数据的基础之上的，而不需要分发口腔试纸或联系医生。这是当今社会所独有的一种新型能力：以一种前所未有的方式，通过对海量数据进行分析，获得有巨大价值的产品和服务，或深刻的洞见。（见“维克托文”）

为了引入大数据时代的基本观点，我们对这段时间内与监控有联系论点做一个综述。

首先，“从硅谷到北京，大数据的话题正在被传播。”“我们的行为、位置，甚至身体生理数据等每一点变化都成为了可被记录和分析的数据。……如今，一个大规模生产、分享和应用数据的时代正在开启。”“互联网时代，尤其是社交网络、电子商务与移动通信把人类社会带入了一个以PB（1024TB）为单位的结构与非结构数据信息的新时代。”大数据也将改变我们生活中最重要的方面，因为它为我们的生活创造了前所未有的可量化的维度。大数据已经成为了新发明和新服务的源泉，而更多的改变正蓄势待发。

其次，让数据“发声”。“大数据”专家杰夫?乔纳斯（Jeff Jonas）提出要让数据“说话”。在数字化时代，数据处理变得更加容易、更加快速，人们能够在瞬间处理成千上万的数据。但当我们谈论能“说话”的数据时，我们指的远远不止这些。

其三，“样本=总体”。当数据处理技术已经发生了翻天覆地的变化时，进行抽样分析在大数据时代就像在汽车时代骑马一样。（见“维克托文”）随机抽样取只是一条捷径，是在不可收集和分析全部数据的情况下的选择，它本身存在许多固有的缺陷。一旦抽样过程中存在任何偏见，分析结果就会相去甚远。探索以大数据为基础的克服抽样缺陷的解决方案，是提高数据利用效率的重要手段。联系到我国现代化所面临的种种问题以及教育、交通、医疗保健等各方面挑战，通过大数据这种创新方式来解决问题，意义就更大。（见“维克托文”）

其四，大数据的核心就是建立在海量数据的基础之上的1预测。有预测的监控，才有可能不断完善受监控的学校或区域。而这种“完善”是自主，内在的，随着监控系统接收到的数据越来越多，它们可以聪明到自动搜索最好的信号和模式，并监控系统也将自己改善自己。将目前单纯依靠人类判断力的监控模式，转变为监控在计算机系统帮助下，成为受监测的主体和监控实施者共同自主完善模式下的监控行为。

从上述大数据的观点来看，目前在教育质量监控评估上，过于依赖“抽样”数据，都比较重视各种终端信息的采集，但对于管理和教学过程中的信息及发展性的信息关注不够，教学质量信息采集时效性较差，是出现“两费两差一不足”，不利于对教学质量进行全过程管理，影响教学质量评估诊断、促进效用的及时发挥。

（二）大数据时代观下的教育质量监控设想

目前评价方法一般是“加权求和”，虽然简单，但容易降低评价的可能性，无法发挥数据全部作用。现有的网络评价应用无疑延伸了评价的时间、拓宽了评价的空间、丰富了监控的内容，但同时也使评价数据库的数据急剧增多，这些浩瀚的数据背后隐藏着许多重要的信息。传统的数据分析手段只能获取这些数据的表层信息，难以从中挖掘出有助教学决策的有价值的信息，来构建有效的教学质量预警机制。

以下我们从教育质量监控体系包括以下五个相互联系、相互影响的子系统（即教育教学质量管理理念、组织机构、资源状况、教育教学过程和质量评价分析）出发，谈谈教育质量监控的设想。

1.树立以学生发展为本质量监控的出发点和归宿。首先在监控上要关注每一个学生的发展，监控的样本等于所有学生，将学生体检的健康数据、出入校门或班级的出勤数据、进入场所（宿舍、饭堂、图书馆的时间）时间、作业次数记录、以及学业水平数据、家庭及社区环境数据、入学毕业跟踪数据都作为监控的对象，并在此基础上形成区域（或学生）学生发展状况报告，发布学生健康状况报告、学业水平报告。

2.教育管理机构为主导的全员参与监控实体。组成一个纵横交错、相互作用、相互制约的监控机构网，对教育活动的全过程实施全面监控。

3.区域内一体化的资源状况监控系统。监控人力资源管理、基本设施建设与管理、经费管理等。在此基础上可以了解区域内的均衡化发展的程度，学校资源利用情况。

4.实时化教育过程监控系统。实时化过程监控是对教学计划运行过程的观察、监督，对偏离教学质量目标的行为进行实时分析和处理，保障课程设施正常开展，防范不按国家要求设置课程情况，防范加班加点情况。监控主要包括教学准备与设计监控、课堂教学过程监控、课程考试监控、实践教学监控等。目前来看，课堂教学评价系统记录产生大量评价数据，然而，这些数据主要是在日常教务管理过程中产生的，是教学质量测量的最重要的数据源，管理系统一般都没有对其进行深入分析，也没有发现其中隐藏的各种知识，这就使得教学管理人员无法从整体上把教学的综合效果、变化趋势等，教务管理系统积累的海量数据没有能够发挥应有的作用。要利用专门的分析软件进行分析，为改进教学、提高教学质量服务。

5.评语式的质量评价分析系统。要培育大数据时代的监控专家，保障教育“数据”真正发言，形成基本“评语”；要努力开发符合“全数据”的智能化教育管理系统，该系统对现有教育管理系统具有很强的兼容性，能够采纳已有数据。

为实现上述五点设想，建议采取以下工作策略：

1.组建适合“全数据”质量监控机构和队伍；

2.研究“全数据”质量监控理论，开发监控框架，建立适合全数据评价评估的数学模型；

3.摸清我省现有中小学学校内管理系统的类型（教务、学籍、图书、健康、成绩等等），同时要研究非教育系统与学生相关的数据系统，在此基础上充分利用现有数据资源；

4.监控中的有关指标尽量避免抽样，其数据指向是现有教工、学生的日常数据，达到两个目标：监控评估是真实的，监控数据不需要临时采集。

（三）教育监控系统数据库

教育监控系统数据库建设首先要抓好数据框架研究。从宏观上看，质量监控系统数据一般分为 “硬数据”和“软数据”。（见凌惜勤等《建立校级教学基本状态数据系统，完善教学质量监控体系》教改经纬.2011.总第219期）

“硬数据”一般是以数字的形式出现，具有统计功能，主要包括数量，名次和比率，如在校学生数、师资队伍情况、学校占在面积、校舍及实验室面积、教学仪器设备的数量及价值、图书馆藏书及体育场馆面积，各项教学经费投入情况等。而“软数据”一般是指对客观事物的判断和描述，不具有统计功能，主要包括文字、文档、图像信息等。大数据观点下，格外重视“软数据”。挖掘这些数据往往可以深入分析学校的办学指导思想，办学目标定位、人才培养方案、教学计划的制定与落实情况、教学管理制度的制定及执行情况、教学质量标准的制定及监控情况，各种评估、评价（如学生评教、教师评学、各级各类的听课评价，社会及用人单位的评价等）及反馈、各种总结报告、获奖情况，无疑这些数据是十分重要的监控信息。要重视软数据库模式的标准研究和建设。

为实现以学生发展为中心的全数据理念，首先要建立适合其理念数据维度。例如TQMDSS（见张忠玉等《一种基于本科教学质量监控的决策支持系统》华南师范大学学报（自然科学版）.2007，04）中重要的维度有：

1.时间维度。根据学校的实际情况又分为年度维度和学期维度，其属性较为简单“年度（年度编号，年度）；学期（学期编号，学期）。

2.学生维度。学生、教师信息都存放在TQMS中的用户信息表中，为了方便区分教师和学生，在数据源数据库Classroom Teaching中，建立专门的学生视图，作为学生维度数据源。这样学生维度属性为：学生（学生号，年级，学生姓名）。由于学生用户太多，为便于筛选，采用多级别维度；依次为年级、学院、专业、高级别的学生集合必须包含低级别的学生集合。

3.教师维度。同学生维度一样，建立教师视图作为教师维度数据源，教师维度属性为：教师（教师号，学院、教师名）；教师没有年级和专业属性（因此许多高校教师主要以院系为单位管理，经常跨专业授课）。

4.教学班级维度。教学班级是对某学期、某教师为某班级（教学对象）开设的某一门课程的抽象描述。

其次，为提高监控工作的水平，要设法保障监控数据质量。

可能造成统计数据质量不高的原因会是多方面的，如法制意识不强；统计人员队伍素质不高；被统计或调查对象不配合。提高统计数据质量的措施首先要提高统计人员素质；要把握数据源头，夯实统计数据质量基础；也要对统计数据质量进行监控。对数据质量监控的方法可以分为以下几类：按监控时间可分为日常监控和时点监控；安数据质量监控范围可分为抽样监控和全数监控；安数据质量监控的手段可分为审核、复核、校验、实地检查。

大数据时代观下监控模式的发展前景

（一）用数据库（包括学校概况、师资队伍、校园校舍、办学经费、图书资料、仪器设备、专业与课程、教学管理、教学效果、学生基本情况等数据群组信息）可以达到教育质量全面监控的目的，形成全面的、动态的教学质量监控体系。各个学校的状态数据库所采集的数据项是原始的，是真实、客观、准确的，未来开发的监控系统会自动生成各项工作中所需要的衍生数据，为更深的层次分析教育现象产生的原因以及教育发展的偏差和趋势服务。

（二）监控系统将是智能化的实时的开放的系统，从目前监控过于依赖专家的单一模式，转变为将系统数据分析与专家协调监控模式。系统也将有利于实施民主监督与社会监督。

（三）有利于教育主管部门和学校用数据信息治校，而不是分数治校。教育行政部门用数据发现“细微”的问题，及时提醒，引导教育，而不是分数掐死教育。也可以有效避免将教学质量监控等同于考试，避免监控沦落为片面追求升学率的推手。

（作者单位：广东省教育研究院）

责任编辑 邹韵文

第二篇：大数据时代下的生活方式

论文简介

本论文第一部分介绍了大数据的定义及特征以及如何使用大数据；第二部分分别介绍了大数据在商业预测、体育领域、购物等方面的应用；第三部分介绍了大数据带来的风险和隐私问题；最后一段总结全文内容。

大数据时代下的生活方式

从2012年开始，大数据一次开始明显的受到广泛关注。通常“大数据”一词，给人的感觉就是信息时代下产生的海量的数据，这是我们最直观的感受。如果要给大数据一个比较专业的定义的话，可以这样描述：大数据，是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。国际数据公司也给出了大数据的四大特征：海量的数据规模（vast）、快速的数据流转和动态的数据体系（velocity）、多样的数据类型（variety）和巨大的数据价值（value）。从大数据的特征中我们可以看出，大数据强调数据的海量还流转。在我们现在身处的互联网时代，我们每打开一个网页，搜索一个关键字，网购一件商品，都会产生大量的数据，海量的数据似乎就是这个时代的产物。同时，即使在线下，我们随身穿戴的智能设备，比如手机、手环等，也在实时的上传数据到云端，网络互连也让数据更加方便快捷的流动。大数据到底有多大？一组名为“互联网上一天”的数据告诉我们，一天之中，互联网产生的全部内容可以刻满1.68亿张DVD；发出的邮件有2940亿封之多（相当于美国两年的纸质信件数量）；发出的社区帖子达200万个（相当于《时代》杂志770年的文字量）；卖出的手机为37.8万台，高于全球每天出生的婴儿数量37.1万……

大数据中虽然蕴含着海量的信息，但其价值并不体现于此。数据之海量，包含着许多无用的信息，如何处理大数据，获得有用信息才能体现大数据的价值。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。目前，国内外的一些大公司都已经具备了一定的对大数据的“加工能力”，他们正在利用大数据的价值提升自身的服务以及改善我们的生活。

大数据在商业制作的案例

2013年出品的美国政治题材电视剧《纸牌屋》受到广泛好评，就连美国总统奥巴马也是《纸牌屋》的粉丝。然而一部《纸牌屋》，就让全世界的文化产业界都意识到了大数据的力量。《纸牌屋》的出品方兼播放平台Netflix在一季度新增超300万流媒体用户，第一季财报公布后股价狂飙26%，达到每股217美元，较去年8月的低谷价格累计涨幅超三倍。这一切，都源于《纸牌屋》的诞生是从3000万付费用户的数据中总结收视习惯，并根据对用户喜好的精准分析进行创作。

《纸牌屋》的数据库包含了3000万用户的收视选择、400万条评论、300万次主题搜索。最终，拍什么、谁来拍、谁来演、怎么播，都由数千万观众的客观喜好统计决定。从受众洞察、受众定位、受众接触到受众转化，每一步都由精准细致高效经济的数据引导，从而实现大众创造的C2B，即由用户需求决定生产。

如今，互联网以及社交媒体的发展让人们在网络上留下的数据越来越多，海量数据再通过多维度的信息重组使得企业都在谋求各平台间的内容、用户、广告投放的全面打通，以期通过用户关系链的融合，网络媒体的社会化重构，在大数据时代下为广告用户带来更好的精准社会化营销效果。

大数据在体育领域的应用

2014年巴西世界杯，德国再次捧得世界杯的奖杯。而在悄然影响绿茵场强弱较量的“大数据”，对德国队来说可谓功不可没。在世界杯比赛开始前，德国足协就与SAP公司合作，“私家定制”了一款名为“Match In-sights”的足球解决方案，用以迅速收集、处理分析球员和球队的技术数据，基于“数字和事实”优化球队配置，提升球队作战能力，并通过分析对手技术数据，找到在世界杯比赛中的“制敌”方式。

这款数据分析系统首先通过摄像头、传感器等工具捕捉到球员跑动速度、位置、控球时间、防御范围、动作细节等大量数据，并传入数据库，随后，基于SAP HANA平台运行的分析工具可迅速对这些数据进行后台分析处理。据SAP介绍，在短短10分钟内，10名球员用3个球进行训练，可产生超过700万个可供分析的数据点，而SAP数据分析平台完全可对这些数据实现实时处理。

通过这些数据进行加工处理提取有用信息，德国队教练可以迅速评估比赛状况、每个球员的特点和表现，球员的防守范围，对方球队的空挡区等信息。通过这些信息，教练可以更有效地对球员上场时间、位置、技战术等情况优化配置，以提升球队表现。

与此同时，在了解自己的基础上，德国队还利用这一工具对对手的技术数据进行了分析，这些分析涉及对手球队的几乎所有方面。德国队教练组并根据分析结果针对不同的对手确定相应战术，从而提高了球队获胜的概率。

大数据在购物方面的应用

经常在浏览购物网站的用户可能会注意到一个有趣的现象：两个人打开同一个网址，显示的内容却不一样。这是由于用户之前在访问购物网站时留下了一些数据，购物网站通过收集大量的用户留下的数据，进行加工分析，针对用户的喜好向用户推荐有用的商品。不同的用户喜好不同，商家会根据用户不同的喜好推荐不同的商品，所以当不同的人打开同一个网址时显示的内容却不相同。

这种案例不只是发生在互联网上，在线下的商店中也有类似的应用。最经典的案例就是“尿布和啤酒”的故事：在美国沃尔玛超市中有一个有趣的现象：尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这不是一个笑话，而是发生在美国沃尔玛连锁店超市的真实案例，并一直为商家所津津乐道。对于这种现象有这样的解释：美国的妇女们经常会嘱咐她们的丈夫下班以后要为孩子买尿布，而丈夫在买完尿布之后会顺手买回自己爱喝的啤酒来犒劳自己，因此这就增加了啤酒和尿布在一起购买的机率。

发现这种现象的超市是通过对一年多原始交易数字进行详细的分析，才发现了这对神奇的组合。

大数据在其他方面的应用

大数据的应用不仅给商家带来了更多的收益，其对改善大家的生活方面也是功不可没。以前在浏览购物网站时面对琳琅满目的商品会不知所措，而在网上的商品更是海量，选择依据自己喜欢的需要花费很长的时间。现在根据分析大数据生成的商品推荐功能，大大节省了用户搜索心仪商品的时间，提升了用户体验。近些年，美国谷歌公司通过使用搜索的数据来预测实时流感动态对流感传播的预测。研究显示，结合传统监测方法和大数据，可以预测美国未来1周的流感感染情况。这一发现可能影响国家层面和地方层面预防和流感暴发控制。这种利用大数据对传播性疾病的预测可是让我们防患于未然，提高了我们的生活质量。大数据已经渗透到了生活中的各个方面，2014年04月04日，百度上线了一款新的大数据产品“百度预测”。这款可以通过分析大数据，对经济指数、疾病、高考、城市、旅游景点、体育赛事、电影票房等方面进行预测。通过对高考情况的预测，可以让考生选择更加适合自己的高校和专业；通过预测旅游景点，可以帮助我们做出更佳的出行方案。这些应用十分贴近生活，实实在在的让我们每个人都能够享受到大数据带来的价值。

大数据预测带来的问题

一、风险问题

由于大数据中包含了海量的数据，这些数据是否真的有用？如何有效的区分有用数据和干扰数据？这些问题不禁会让我们担心，从这些杂乱的数据中分析出来的结果是否真的可靠。

2008年，谷歌第一次开始预测流感就取得了很好的效果，比美国疾病预防控制中心提前两礼拜预测到了流感的爆发。但是，几年之后，谷歌的预测比实际情况(由防控中心根据全美就诊数据推算得出)高出了50%。据分析，这是由于媒体过于渲染了谷歌的成功，出于好奇目的而搜索相关关键词的人越来越多，从而导致了数据的扭曲。如果根据这样的数据分析出的结果必然大大的偏离实际，做出错误判断。

二、隐私问题

在大数据时代背景下，个人数据能够更容易获取和更广泛传播，而侵犯隐私权的行为却难以察觉，侵犯后果愈加严重。大数据时代的主要特点之一在于数据的膨胀、开放以及高速传播。借助强大的搜索引擎，许多希望被各种利益团体得到的信息，当然包括个人信息，都可以在虚拟的网络世界轻易获取。可是，与获得和传播个人隐私的“易”相比，若想在海量的信息中主动觉察到个人数据隐私权受到侵犯的蛛丝马迹，可谓“难”。

在网络空间，尤其在大数据时代，隐私的丧失很容易发生。在移动互联、网络社交、定位系统与大数据分析愈演愈烈的今天，手机、导航仪、电脑、电视机，每个电机设备都有可能成为数据的记录端口，隐私保护则成为了最大的难题。利用大数据获取有价值的信息固然十分重要，但如何防止这些数据被过度泛滥、被公开和不法分子利用，则是大数据分析者们必须思考的问题。

综述

大数据时代无论是国家、企业还是个人都面临这机遇和挑战，能够正确合理地使用大数据能够给国家和社会带来福利，给企业创造大量的财富，也能够使每个人的生活得到改善。不过，要想做到够准确利用大数据，并能够控制风险，保护隐私，还有很长一段路要走。但无论怎样都不能否认，大数据标志着一个时代，无论时谁都无法抵制这个时代的来到。

第三篇：大数据时代下的银行业

大数据时代下的银行业

一、前言

2012 年3 月，奥巴马政府宣布投资2 亿美元启动“大数据研究和发展计划”，并且定义为“未来的新石油”，希望增强政府收集、分析和萃取海量数据的能力。这个由世界最强国家政府推动的项目，标志着“大数据”时代的到来。

近年来,移动互联网、物联网等迅速发展,使得新数据源不断出现,全球的数据总量正呈指数增长,过去3年间产生的数据量已超过以往总和。大数据时代的到来已经成为全球共识,数据正成为与物质资产和人力资本相提并论的重要生产.随着信息技术及互联网的快速发展，社会正在走向全面数字化。处于大数据时代的银行业，正面临着一场经营方式的大变革。一方面，互联网和大数据打破了原有银行在渠道和信息上的壁垒，给银行带来更多的竞争对手；另一方面，大数据将推动银行更加科学地经营管理，从而促进银行更健康地发展。

二、大数据时代银行业分析

目前，银行业正处在以客户为中心、以市场为导向的激烈竞争时代，如何应用先进的计算机网络技术跟踪、预测银行客户的发展动向，最大限度地挖掘客户信息的潜在价值，并利用这些信息来改进银行服务，提高竞争能力对银行来说至关重要。

（一）独特优势分析

对银行独特优势或其存在理由的理解有很多角度，基本的一种是将银行看作一个信息处理的机构，它能够获得和处理金融市场所无法获得的信息，并通过贷款决策向市场发送有关借款人信用的信号。

所谓市场无法获得的信息，首先来自于借款人为获得贷款而自愿向银行做出的披露，其次来自于银行家对于借款人进行的近距离的调查和判断。这些信息又可以分为两类，一是能够被编排的、数码化的或结构化的；二是只能意会的。银行贷款决策的做出，固然有赖于对于数码化信息进行分析的技术，但也离不开银行家的职业直觉和判断。

（二）机会分析

1、助推经营转型。以小微贷款发展为例，导致小微企业贷款难的原因很多，包括缺乏足够的抵押担保、缺乏信用评价机制、银行管理成本高等等。而大数据给这个难题带来了新的解决思路，通过大数据可以建立更完善的信用评价机制、风险定价机制、贷款全流程管理机制，并降低人工成本。

2、提升精准营销能力。通过大数据技术，信用卡客户营销可能基于以下的流程：首先对客户的性别、年龄、职业、金融资产、刷卡频度、消费地点、购物种类、营销活动参与情况等数据进行分析，得到客户的贡献度、活跃度和行为偏好等客户特征；然后根据客户特征进行分类差异化营销设计、举办营销活动；最后根据营销结果再进行数据分析，为下次改善提供参考。

3、提高客户满意度。通过分析客服中心的咨询、投诉内容，可以及时发现产品或服务存在不起眼的小缺陷，而改变这些小缺陷，可能会极大地提升客户满意度。通过对大量交易、行为数据、社交网络数据的分析，可以帮助银行找准客户需求，真正做到以客户为中心设计开发产品。

4、创新品牌营销策略。大数据时代，信息传播的方式、渠道和速度都是前所未有的。社交网络将会成为品牌营销的主阵地，客户在社交媒体上快速传播自身体验和感受的影响力将远远超过空洞的形象广告。传统上依赖信息不对称的品牌营销都将无所适从，与其投巨额资金到媒体做广告，不如扎扎实实地搞好自身的产品和服务，通过客户来帮助银行宣传。

三、对我行采取的策略建议

大数据时代是分析时代。大数据分析的实质就是将客户放到更大的社会背景下加以曝光，准确定位环境中客户所处的位置符合怎样一种商业模式；到现在为止没有任何技术能超越人（对我行来说就是客户经理）更能对活生生的客户加以把握分析，客户经理是最好的社会感知装置，同时又肩负将银行预定的熟悉的关系模式导入到现实社会网络，扩大关系。

打好数据基础。“在今天的社会中，最重要的资源，不再是劳力、资产或是土地，而是数据和知识。”我行首先要把行内业务系统的数据用好，这些数据是高价值密度的数据。除了要完整地保存这些数据外，还需要注意数据治理，保证内部数据的可用性。在此基础上，还需要进一步打破传统数据源边界，通过各种渠道和方式获取行外数据。银行可以通过合作、购买、收集等方式获取相关的数据，包括政府公布的各类统计数据、央行征信数据、企业客户的ERP数据、第三方评级机构的数据，以及电商、社交网络的数据等等，用以丰富和完善数据资源。

做好技术支撑和人才培养。当前采用传统的数据库已难以支撑大数据的需求，需要采用开放式的并行计算架构来建设大数据平台。而技术支撑的关键在于人才，既需要熟悉大数据技术的科技人才，也需要具有数据思考能力的业务人才，更需要具有综合素质的数据科学家。

强化数据治行理念。“除了上帝，任何人都要凭数据来说话。”要强化依靠数据说话的理念。首先要改善现有的管理决策文化，真正把数据分析作为决策重要依据；其次要优化数据分析流程，更好地把业务与技术融合在一起。

创新业务发展。大数据应用的深入，将为银行经营模式、业务流程的转变提供依据。我行需要建立新型的创新机制，为基于大数据分析的业务创新提供充分的条件和保障。无论是产品服务创新、风险管理创新、客户营销创新还是运营模式创新，大数据分析都将成为必不可少的途径。

四、结束语

在这个不断创造神奇的大数据时代，银行无法置身度外。若干年后，我们再回看银行的转变，也许会发现改变银行的不是某个人，某个企业，而是大数据。因此，我行有理由自信地拥抱大数据时代，具备作为信息处理机构的传统优势，在大数据时代有无限机遇。

附：基于数据挖掘的银行客户管理信息系统的构建（百度完全摘抄，供参考）

(一)顾客互动模块｡它为整个客户管理信息系统提供具体的客户信息,这些信息包括客户的基本信息､财务会计信息､行为特征信息､信用信息等,把这些数据信息进行预处理存入数据库后,可以为银行的客户工作提供有利的支持,银行可以在此系统的支持下选定最为便利的渠道同客户进行沟通,同时也可以在客户营销管理的进程中直接为这些渠道提供信息｡

(二)公共信息模块｡公共信息模块是存储金融信息和金融行情的模块,它可以为银行提供服务和支持,能使银行便捷地查阅各种金融信息与行情｡同时,这个拥有大量信息的模块系统还可以充分利用资源为客户提供专家服务建议､标准化的流程支持和随时更新的公用信息,使银行和客户都能获得及时宝贵的信息反馈

(三)银行产品信息模块｡银行产品信息包括银行为客户所开发的各种金融传统产品和衍生产品｡随着金融市场的开放与发展,金融衍生产品层出不穷,银行这些产品的出现为拓展客户服务提供了很大的平台,有关信息包括这些产品的特征､价格､适用等｡产品信息模块可以为客户提供有关产品信息的服务和支持并为信息库不断提供新的产品信息｡

(四)数据存储模块｡信息库可以在数据上进行清理和集成,消除信息噪声和不一致数据,使多种数据组合在一起,然后将结果数据存放在分门别类的数据仓库中,再根据使用客户管理信息系统的银行请求,数据仓库可以负责高效地提取相关数据｡同样,存储模块信息也可以进行不断的更新｡

(五)数据分析模块｡数据分析模块一方面通过定制的评价和分析模型对提取的数据进行分析和评价,然后按照银行的业务侧重点把目标客户从中筛选出来;同时,以各种信息为基础,分析出客户的行为特征,这样就可以为银行进行个性化的差别服务提供分析依据｡另一方面,为银行指定客户拓展策略和创新产品提供依据｡

(六)工作管理模块｡工作管理模块的主要任务是对分析模块分析出来的银行重点客户进行管理｡银行客户经理通过该工作平台,针对不同的客户,将合适的产品通过合适的渠道在适当的时期以合理的价格销售给不同的目标客户,这就克服了传统客户管理上费时费力在庞大的客户资料中难甄别出重要客户的弊端,同时,基于数据挖掘的工作管理模块更能高效科学地根据不同的客户群制定出针对性很强的销售策略｡

第四篇：大数据时代下民主党派的参政议政

大数据时代下民主党派的参政议政

作者：张凌

参政议政是民主党派的主要职能之一。中共中央总书记习近平在中央统战工作会议上提出“要支持民主党派加强思想、组织、制度特别是领导班子建设，提高政治把握能力、参政议政能力、组织领导能力、合作共事能力、解决自身问题能力”。这既是在新形势下对参政议政工作的思考，也是对民主党派如何履职的新要求。

现在是移动互联网+、物联网、信息服务、大数据的时代。当下的任何决策如果缺少大数据环境下的数据挖掘和分析将降低决策的科学性和成功率，因此民主党派如何在大数据时代下进行参政议政将是一项重要的研究课题。

一、大数据时代下的新思维

电商投放广告、物流调度运力、证监会抓“老鼠仓”、民航节约成本、农民破解养猪周期、制片人拍电影……看似毫不相关的事儿，背后都有大数据的身影。

大数据真正的本质不在于“大”，而是在于背后跟互联网相通的一整套新的思维。大数据跟传统的数据最大的差别在哪呢？第一，在线。不在线的数据不是大数据，因为使用者根本没时间把它导出来使用，只有在线的数据才能马上被计算、被使用。第二，实时。大数据必须实时反应，例如在淘宝输入一个商品，后台必须在10亿件商品当中瞬间进行呈现。第三，全貌。大数据还有一个最大的特征，它不再是样本思维，它是一个全体思维。以前一提到数据，人们第一个反应是样本、抽样，但是大数据不再抽样，不再调用部分，我们要的是所有可能的数据，它是一个全貌。因此“全数据”是大数据的重要特征。

二、民主党派参政议政现状概述

各民主党派坚持围绕中心、服务大局，通过多种形式，积极为经济社会等各项建设事业建言献策，取得了良好成效，也赢得了社会各界的好评和赞誉。但是冷静客观地分析民主党派参政议政工作实际和面临的新形势、新任务，还存在以下几个问题和困难。

（一）获取有效信息途径不畅。“信息孤岛”的普遍存在是造成信息不对称的主要原因。民主党派成员缺乏固定、可靠、有效的信息获取渠道，单凭对口联系单位的情况通报和寄送的一些文件材料，很难得到准确真实的第一手资料，有些问题和数据得不到核实。民主党派对中共党委、政府的有关工作知情不足、了解不深，不能及时、准确地了解相关工作情况，无法从根本上解决知情献策的要求。

（二）获取有效信息方法落后，缺乏全局性。民主党派主要的参政议政信息采集方式还是通过较为传统的信息联络员、党派成员搜集和传递信息，这样的信息传播方式成本较高，效率较低。与此相对的是，网络时代信息传播的成本极低，但是民主党派还尚未很好地利用网络媒体搜集民意。而且民主党派参政议政的方式多以随机发散式为主，虽机动灵活且容易出短期效应，但系统性不够。

（三）参政议政缺乏前瞻性。当下一些提案都是事件发生后再提出“解决提案”，往往“头痛医头脚痛医脚”，缓解的是眼前困难却忽略了长远的发展，缺乏前瞻性。为此，民主党派的提案不仅要能够对当下的问题提出参考性意见，而且还能对未来可能出现的问题进行积极关注与思考，并作出科学预测、判断提出优化的对策，为执政党和各级政府的科学决策提供参考。

（四）参政议政深度有待加强。在实践中，民主党派成员的参政议政往往只能依靠本身具有的政治敏感性或是自身工作领域可掌握到的相关信息，参政议政多见广度而少见深度。其次，个别党派成员只将政协委员当成是一种荣誉，而忽视了责任，认为民主党派参政议政只是一种形式走过场而已，参政议政意识薄弱，挂名不出力，在任期内甚至提交不了几个像样的提案。另一方面，民主党派虽然人才荟萃、智力密集、联系广泛，但是存在着个人参政议政能力强、集体参政议政能力弱的现象，未能形成强有力的集体参政议政机制，充分发挥集体参政议政的作用。

（五）参政议政实效不明显。尽管在参政议政中各民主党派提出了许多富有价值的意见建议，产生了良好的社会效应，但是从整体上看，由于很难及时全面地掌握第一手信息，造成民主党派对政府部门决策的过程、实施的情况和结果掌握不多，知之甚少。建立在不全面了解相关信息基础上的参政议政，提出的意见建议往往缺乏可操作性，难以被政府部门采纳，更难让政府部门作决策参考。有些提案缺少实效性。民主党派提出的高质量提案，应该既要注重提案的务实性，讲究提案的现实意义和未来价值，也要根据提案涉及的问题，提出切实可行并且政府部门能够解决、落实的方案。

三、迎接大数据时代下参政议政新常态，提高参政议政新水平

随着中国共产党领导的多党合作和政治协商制度的发展和完善，执政党和政府对参政党的期望和要求也逐步提高。各民主党派应坚持把发展作为参政议政的第一要务，围绕政治、经济、文化和社会生活中的重要问题及人民群众普遍关心的问题，选择一些具有综合性、全局性、前瞻性的课题，深入开展调查研究，反映社情民意，以进一步增强意见和建议的科学预见性与可操作性。

在新时期，民主党派要主动拥抱移动互联网+、物联网、信息服务、大数据，探索参政议政新常态，提高参政议政新水平。

（一）利用大数据突破“信息孤岛”，提高参政议政水平。大量公共数据由基层各部门分散掌握，由于缺乏统一的数据交换平台，往往形成一个个“信息孤岛”。“信息孤岛”引起信息不对称，导致民主党派参政议政提案滞后，甚至是已经解决的问题再次被提及。调研撰写优质提案必须打破部门利益垄断，对交通、教育、民政、医疗卫生、户籍等各部门数据进行综合分析、挖掘和利用。

大数据为收集社情民意汇聚民智提供了新的技术平台。国务院办公厅印发信息公开意见《2015年政府信息公开工作要点》（国办发[2015]22号）对政府信息公开提出更高要求。2013年住建部公布103个国家智慧城市试点。大数据将打破部门“信息孤岛”，助力政府简政放权引“社会之渠”浇灌公共服务之地，这也为民主党派参政议政、提高议案水平提供了重要机遇。

民主党派要充分利用“大数据”工具，加大调查研究的力度，使提案努力做到“深”、“准”。所谓“深”，就是在前期大数据分析的基础上，调查研究更加深入，深入到基层，深入到现场，深入到群众当中去，以便掌握大量的第一手材料或数据，这些数据又为下一步工作提供基础和依据。所谓“准”，就是调查的情况要准确，大数据挖掘和分析能够帮我们去伪存真，使得在调查中既了解好的一方面也真正掌握存在的问题，既与领导同志交谈也要倾听群众的意见与呼声，使调查获得的情况和信息准确可靠。

（二）利用大数据提高参政议政前瞻性、全面性和实效性。大数据的核心是预测，并不是要教机器像人一样思考，而是要把数学计算运用到海量数据上，来预测事情发生的可能性。民主党派参政议政要善于把握“大数据”预测功能，根据海量的数据挖掘和分析，改变过去提案都是“事后�T葛亮”的作用，使得提案具有前瞻性、全面性和实效性。

过去，参政议政都是根据已经发生的现象提出解决“议案”，现在通过对城市地理信息、经济、文化、社会、人口等海量信息的挖掘和分析，做到议案的“活”、“实”。此外，大数据挖掘和分析能够对社会现象去粗取精、去伪存真、科学分析、实效建议。大数据分析能够发现政府没有及时发现的现象，使存在的问题浮出水面。例如：围绕环境、交通、医疗、教育等，收集海量数据进行分析从而构建城市日常运营以及应急联动指挥响应管理平台；通过实时监测水中各项参数，结合卫星遥感等多源异构数据，分析环境生态变化趋势；利用电力数据分析房屋空置率；建立网络舆情监测体系，绘制社会不同时段情绪波动的实时色彩图，监控社会情绪，构建主动式虚拟社会管理体系和管理模式。

（三）利用大数据提高参政议政科学性，改进社会管理，搭建公共服务平台。参政议政调研的重点是基层，难点也是基层。大数据背景下的决策实现了社会管理重心下沉，网络信息披露的速度远高于线下的调查速度，基于大量科学可靠的数据，开展社会调查发现和验证规律变得可行，社会的决策行为越来越取决于数据和分析，不再仅依靠经验和直觉，从而实现“经验管理”到“科学治理”的转变。

因此席卷全球的“大数据”热潮和“民主协商”、“参政议政”有了一次巧妙的碰撞和融合。微博、微信是草根阶层的聚集平台，汇聚了广泛的民意，是收集信息的新天地，网络社交平台能够使民众和政府进行全天候的密切联系。科学分析处理电子政务的数据，能够提高参政议政的科学性和精确性。

大数据不仅是一种信息技术，更是一种方法论，它代表一个新时代的到来。虽然目前存在一些现实问题和技术障碍，但是政府已对大数据等科技战略进行重点布局，构建了大数据研究平台，整合创新资源，实施“专项计划”。

大数据时代下民主党派的参政议政工作充满了机遇与挑战。各民主党派要高举中国特色社会主义旗帜，在中共中央领导下力求把握历史脉络、时代脉搏、宏观走向和战略布局。利用新信息技术和大数据工具为参政议政提供科学、真实的依据，使提案言之有理、言之有据，全面准确且具有前瞻性，开创新形势下参政议政工作的新常态，提高新水平。

第五篇：大数据时代下的移动健康

用数据“防病” ：大数据时代的个人健康管理

“精准医疗大数据的普及化，正带来中国乃至全球健康产业的变革。”最近，浙大一院正式成立“精准医疗中心”，中国中国工程院院士、浙大一院传染病诊治国家重点实验室主任、感染性疾病诊治协同创新中心主任李兰娟教授在“医疗健康大数据与精准医学”的专题报告会上称。

在大数据的时代，医学最大的改进就是个性化和精准治疗时代的到来。有了大数据的分析，“看医生”模式正转变为“被医生看着”。家用智能硬件设备的生命体征检测，使得低成本、高效率的全数据收集模式成为可能，几乎人人都能适用。而精准医疗的长期目标，是每个人的健康管理。李兰娟团队将在浙江创建一个人数规模超过100万的志愿者队列，基于他们的基因数据、生物样本、生活信息及所有电子健康信息数据库将推动浙大一院团队做出一系列新研究。此前，中科院已经联合其院属企业中科新知共同研发了心晓管家健康模型和大数据挖掘，以HRV为主导的多参数健康模型能够为每个人提供专属的健康趋势。

移动健康迅猛发展，通过移动互联网，用户的个体化自我监测变成现实，通过移动APP，用户与医生能随时随地地在线联系，通过医疗大数据和健康模型报告，医生和家属能清晰地看到健康疾病趋势。我国目前医疗资源稀缺，医生和护士短缺，医疗服务业普遍人手不足，而培养一名医生需要10年到15年，培养一名护士需要8到9年，培养周期长导致后续力量难以迅速填补。此外，医疗资金短缺，使得医疗服务软硬件提升困难。因此，如何利用移动健康产品提高人们的自我监测能力，提高医生们的诊断效率显得尤为重要。北京大学创新教育与研究院执行院长蔡剑教授介绍：目前我国移动数据和桌面应用已超过美国，我国用户花在这方面的时间比例为55%，美国为38%。数据的不断增加导致了“数据洪灾”，现有数据不是不够大，而是太大，大得没有时间和精力去分析。在移动医疗健康领域，也是如此。拥有类似心晓健康模型的大数据分析工具，以精准、无扰、连续的生命体征监测数据代替医院的逐点数据进行分析，从而得出健康趋势，将使目前市场上智能硬件数据没有实际意义的现状大大改观。

至2017年，全球移动医疗市场价值将达200多亿美元，其中我国将占三分之一。面对广阔的市场前景，完美的移动医疗工具将是能使个人、医生真正获益的产品。无扰、精准、连续的个体化监测数据能够为大数据发现问题、寻找问题、完善对策提供保障，这也是中科新知和心晓健康管家一直在努力追求的。