（一）
一、大数据
2013年3月，IDC数字宇宙报告《大数据，更大的数字身影，最大增长在远东》预计到2020年数字宇宙规模将达到40ZB。这意味着需要大量的人力和技术对如此庞大的数据进行处理、分析和管理。在此情况下，对于大数据环境下新型人才的培养问题在近年逐渐受到重视。未来对具有大数据管理和分析能力的人才需求将快速增长，这些人员除了具备相应的技术能力、管理能力、社交能力、系统分析和开发的能力外，还需要具备深度分析数据的能力。同时，一些和大数据相关的职位也会应运而生，例如数据分析师、数据架构师等。2011年麦肯锡全球研究所给出的一份报告预测，美国到2018年对具有良好信息素养的经理人才的需求量大约在150万人，此外，还需要14万～19万数据分析方面的资深专家。在我国，互联网企业、电子商务、金融机构、医疗卫生、零售、保险等行业及政府数据中心对大数据专业人才的需求量都很大。
二、大数据时代下山东理工大学信管专业培养模式
大数据时代产生对相关人才的巨大需求，因此，山东理工大学（以后简称“我校”）信管专业提出了新的培养标准和课程设置体系，培养具有我校特色的信息管理专业人才。
1.培养目标和培养标准
在大数据环境下，重新定位信管专业的培养目标和标准，以适应“大数据”对专业人才提出的新要求，是信管专业建设的首要议题。我校信管专业突破国内高校信息管理专业人才培养的三种主要模式（一是强调IT技术，弱化了现代管理理论与方法；二是强调管理又过于弱化了IT技术；三是IT技术与管理相融合，但实际效果不理想），强调学生不但要掌握现代信息系统的规划、分析、设计、实施和运维等方面的方法与技术，更要具有现代管理科学思想和较强的信息系统开发利用以及数据分析处理能力。我校信管专业还制定了全新的培养标准矩阵（如表1所示），从五大方面28个小方面更为详实地阐述了信管专业学生需具备的技能和能力，并为课程的设置提供了依据。
2.课程设置体系
为了满足大数据时代对人才提出的新要求，我校信管专业课程设置围绕主干学科（管理学、经济学、计算机科学与技术、管理科学与工程）不仅设置了国内高校信管专业常设的管理学、统计学、管理信息系统、数据库原理与应用、数据结构与算法分析、计算机网络基础与应用、Java程序设计、电子商务等课程外，还设置了数据仓库与数据挖掘、商务智能与人工智能等相关课程，使学生在理解新兴数据处理模式的同时，智能化数据分析处理及决策支持能力得到训练。与此同时，还设置了基于移动终端的APP开发、企业信息系统构建与仿真、电子商务平台架构设计等课程，使信管专业的学生成为拥有合理知识结构的复合型人才。大数据时代下新型的信息管理与信息系统专业人才的培养既要高度重视理论知识的学习，又要加强实践能力的培养。为此，我校信管专业还设置了工程实训、软件实习等实践项目，以及为期10周的IM&IS应用实践环节，为学生搭建实践平台，拓宽实践渠道。通过3年在校学习及总计约1年的实践锻炼，我校信管毕业生不仅具有良好的管理知识基础、信息技术应用能力，现代信息系统的开发利用的能力，还具备智能数据分析处理工具的操作能力以及综合数据分析处理能力。3.特色大数据时代下，我校信管专业制定了具有自身特色的培养模式，即：培养目标和标准与行业发展结合，适应大数据对人才能力需求的变化；培养具有综合分析和管理能力，强调动手能力的新型信管人才。
三、总结
信息管理与信息系统专业是一个跨管理学、计算机技术、网络技术、数理统计学等学科的专业，具有适应范围广、发展变化快等特点。大数据时代为山东理工大学信息管理专业建设提出了新挑战和发展机遇，信管专业能否灵活应对、转变发展思路、积极创新还有待时间的检验。
作者：刘婷婷 李长仪 张立涛 单位：山东理工大学商学院
（二）
一、信息管理系统分析
1、产品质量风险信息管理系统现状分析
当前，对产品质量风险信息的管理，大多采用的是软件信息管理系统。这些软件信息管理系统，主要是偏重支撑业务工作的管理系统，重点在于实现数据的流入、加工、存储和流出，在数据的利用加工方面存在明显的不足。产品质量风险信息管理系统也是这个时代的产品，也同样具备此类特征。产品质量风险信息管理系统，是产品质量风险监测与预警体系建设的信息化载体，主要实现从风险信息采集、风险信息研判、风险信息处置、风险信息批示和风险信息处理的全过程监管系统。因此，其不足之处体现在以下几方面。
（1）数据管理和利用不足。对互联网采集的海量数据以及产品质量监管系统等其他业务系统对接数据，都只停留在数据录入、查询统计、保存入库等初步的管理层面，数据价值没有得到较好的应用。
（2）数据资源孤立存在。产品质量信息存在各个业务系统中，各种数据没有有效关联起来，以点的形式存在，无法从面上把握数据价值，利用率低下；数据各自独立，容易导致数据的不一致，垃圾数据片段存在，给数据价值利用带来片面甚至错误的影响。
（3）缺乏数据智能分析等有效手段。在当前大数据技术潮流下，原先的数据查询和统计已经满足不了当前的需求，需要加强专项信息智能分析、综合信息分析、自动预警提示等数据挖掘分析功能。
2、大数据与产品质量风险信息管理的联系
产品质量风险监测工作，一方面要广泛采集各类风险信息，另一方面要从海量信息中识别出有用信息。这与大数据技术恰好是密切关联的。产品质量风险信息管理系统，需要整合产品质量监管系统等质检系统各个业务数据，并充分利用大数据技术平台对各类数据处理，来支撑业务的智能分析和预测工作。利用大数据技术，建设产品质量风险信息管理系统，实现产品质量风险智能分析平台，实现数据的可追溯、智能分析和图文展示，以及动态监控和自动风险提示，从而达到对风险信息进行有效管理和利用，提高产品质量监管的科学性、针对性和时效性。
二、大数据技术的应用分析
1、业务系统数据资源整合利用
面向服务体系架构(Service-OrientedArchitecture，SOA)技术，整合产品质量相关业务系统数据，基于关系数据库搭建风险信息主题库，内容包括企业组织机构代码、企业基本信息、企业产品信息、产品认证信息、监督抽查信息，同时整合产品伤害主题库和产品缺陷信息库，把各个业务系统的质量信息关联起来，实现信息的关联。信息资源的整合是大数据应用的基本前提。
2、搭建产品质量风险信息数据仓库
搭建产品质量风险信息数据仓库，数据仓库是一个用于储存业务的关键知识及信息的仓库，数据仓库是面向主题的、集成的、稳定的、随时间不断变化的数据集合，用以支持经营管理中决策制定过程。建立风险信息数据仓库将历史数据按照不同的分析维度来进行汇总和呈现，以便风险监测和评估提供某个维度的信息支持。风险信息主题库等各个主题数据库的数据，经过清洗、加工、整合、汇总、转换等过程，进入风险信息数据仓库。风险信息数据仓库是一个逐步积累的过程，是智能分析、数据展示、动态报表、决策支持，以及数据挖掘的统一的数据集中地。基于数据仓库，我们使用联机分析处理(On-LineAnalyticalProcessing,OLAP)技术，实现决策支持或者多维环境特定的查询和报表需求。OLAP的核心是“维”，在该多维数据模型中，可以通过上卷（roll-up）、下钻（drill-down）、切片和切块（sliceanddice）等方法，从不同角度来处理和观察质量风险数据。
3、数据挖掘
面对海量的产品质量风险数据分析，需要引入数据挖掘（DataMining,DM）技术。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的人们事先不知道的，但又是潜在有用的信息和知识的过程。处理风险监测的分析需求，特别是产品信息、企业信息、风险信息和监督抽查信息等各种业务信息并存的情况下，可通过决策树、神经网络、遗传算法和关联规则挖掘算法，来实现关联分析、聚类、概念描述、偏差监测和自动预测趋势和行为等，从而发现隐含的、有意义的质量知识来达到我们的挖掘目的，满足风险监测、风险分析与评估的应用目标。
4、智能分析与预测
“让数据自己发声”是大数据的一个重要应用理念，通过数据仓库和数据挖掘技术，把监测到的风险数据进行自动智能归类。以广东省为例，在广东省电子地图中，按照地区（可钻取到县一级）自动完成信息归类，并显示该地区的风险数据条数，并用颜色深浅表示区域内产品质量风险信息的聚集程度，当满足预警提示条件时，则地区地图标红预警提示，实现实时的风险信息监测和动态展示。钻取某地区时，即出现产品信息图，以智能类聚后的关系图进行展示。以产品为图表中心，四周发散到产品列表、行业信息、企业信息、监督抽查、伤害信息、网络热点、风险信息和投诉举报等多类信息，每一类信息都可以自己为中心，对外进行四周发散关联。再以企业信息为例，对外关联到获奖情况、基础信息、抽查信息、投诉信息等；同理，每一个点信息都可以为中心，继续向四周发散聚类，从而形成一个巨大而又链接的关系图，以实现信息的聚类、关联和分析利用。
三、结语
大数据技术在产品质量风险信息管理中的应用研究，解决了传统信息管理系统所面临的数据孤立和利用不足等诸多问题，从业务系统数据资源整合、搭建产品质量风险信息仓库、数据挖掘、智能分析和预测等技术应用，实现以海量数据资源为基础、以智能分析为手段的产品质量风险信息管理系统，提升了产品质量风险信息管理的效率和水平，对进一步提高风险监控工作的科学性和针对性，具有较大的实际意义。
作者：蔡佳苗 陈学章 巫俊宏 单位：广东省标准化研究院
