前言：中文期刊网精心挑选了大数据时代趋势范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
大数据时代趋势范文1
1引言
大数据时代的到来极大地改变了以往图书馆的数据管理方式，在数据产生方式、数据组织、数据存储和利用等环节都发生了较大的改变。需要运用无偏性、关联性、开放性大数据思维构建图书馆大数据架构。要把大数据作为一系统工程来考虑，从数据采集，数据存储到数据处理，数据分析及数据应用等方面考虑，构成图书馆大数据架构。
2图书馆大数据资源采集
2.1图书馆数字化资源
在数字化建设过程中产生了多种多样的各种电子资源，如，学术资源数据库、电子书刊、图书馆数据库中的书目信息、多媒体电子资源等，给图书馆提供了海量数据。
在大数据环境下，图书馆应该重视新型资源的收集。特别是基于读者访问图书馆资源时留存下来的信息行为和社交网络时代产生和出现的大量半结构化和非结构化数据。图书馆的MARC（Machine Readable Catalogue，机器可读目录）数据，用户查询书目产生的OPAC日志，读者位置、读者的借阅记录，电子数据库的检索、浏览、下载记录等可以是大数据或者说将可能成为大数据。构建在web2.0技术上的、允许用户创建交换信息内容的社会化媒体资源成为大数据的一个重要资源类型，包括合作项目（如维基百科）、内容社区（如YouTube）、博客、虚拟游戏世界、虚拟社会世界、社交网站等。另外，图书馆与学校部门、学生团体、社会团体、出版社产生一定的联系。由此会产生活动开展、场地租借、广告承载、新书出版等具有一定潜在商业价值的信息[1。大数据环境下的图书馆将会更加重视利用这类信息结合其他类型的数据，形成新的信息情报研究服务领域。
2.2数据资源共建共享与数据开放
图书馆大数据环境具有数据采集源单一、资源总量偏少、价值密度低、公信力差的问题。因此，如何破除大数据环境中原有的利益格局，实现图书馆内部系统、政府部门、合作服务商和社会团体大数据资源的全面开放与共享，是增强图书馆大数据资源的可用性、可控性、可检索性、可解释性、可再利用性、可被引用性、可管理与保存时效性的关键[2。为用户建立上传资源的通道，建立论坛、社区等馆员与用户、用户与用户之间的交互式共享平台。
3图书馆大数据存储、处理和分析
大数据背景下需要图书馆改进存储技术，不断扩大存储容量、提高传输速率和增强计算能力。数据存储上采用能够适应数据量大和模式不固定的数据存储的分布式存储方式。
大数据时代下，数据处理面临着数据集成，大数据的统一及融合的问题。图书馆的数据已经具有大数据特点、其数据环境规模庞大、平台结构复杂，大数据分布在各个不同网络节点中。在大数据产生后面临着如何使各种数据和信息规范、统一的表示及和融合，构建文献与数字资源体系的问题。因此，要研究通过对海量的，来自异构资源的数据和各种对象数据进行抽取、映射、收割、导入等手段进行预收集，形成格式统一、内容丰富、结构清晰的数据，灵活构建各种分类和界面，按照知识本体进行组织和揭示，进而保障强大高效的检索能力和良好的结果相关度排序。在处理数据时，对平台的选择将从Oracle 、DB2 和SQL Server三大主流关系数据库转向能够处理复杂的结构化数据和非结构化数据的Hadoop 等平台。
现代图书馆除了提供文献借阅、信息咨询等传统服务，还开展了大量的讲座、培训、展览、学术交流、读者沙龙等活动。大数据时代下，图书馆需要综合运用广大图书情报界所熟知的聚类分析、数据挖掘、网络分析、可视化分析、数据融合与数据集成等技术[3。对这些活动中产生的大数据进行处理和分析，寻找读者的偏好信息，做到精确化管理策略以及更精确的个性化信息推送。
4图书馆大数据应用
4.1提供“一站式”全功能检索
面对庞大、复杂、异构化的数据，读者需要的是“一站式”全功能的数据检索平台。图书馆需要在信息集成和数据融合的基础上提供强大的可靠的、具有数据过滤和去重功能、拥有智能、自动化的数据搜索能力的搜索引擎。如陈臣设计的图书馆大数据搜索引擎（图1），由爬虫与索引器、查询器、HDFS （Hadoop Distributed File System）、Hbase、搜索管理平台五部分组成。具备快速响应和复杂查询、分析的能力。同时，可支持不同的大数据平台系统结构，具有较高的容错性、可扩展性和较低搜索延迟，数据接口开放并向下兼容性[4]。
4.2在信息传播方式上将依托物联网、互联网和移动通信
大数据时代下，各种移动终端的出现和被利用，人们能够在各种时间、各种地点获得收集信息，这需要依托融合的物联网、移动通信网以及互联网络进行信息传播，最终实现为用户提供电视、电脑、手机等多种终端的接收。并以人为本，依托技术在移动服务上进行创新。大数据对传统的移动服务带来巨大的冲击，这种冲击不是“量”上的普通叠加，而是“质”的飞跃，它从用户群的整合、数据的重构、服务模式的挖掘、检索方式的变化等方面，深深地影响了图书馆传统的移动服务。大数据下的图书馆移动服务将在以下几个方面进行创新，丰富多样的数据信息源整合、智慧化的移动服务门户、全功能的个性化服务展示、“一站式”的全功能检索、用户增值体验和推荐式的知识获取[5]。
4.3主动提供针对不同读者的个性化推送服务
大数据时代下，读者的阅读行为、浏览内容和论坛及博客的评论等信息都能反映出其爱好习惯、阅读社会关系等等。而读者也有着快速获得精准信息的需求，因此，图书馆在大数据时代需要改变原有的统一的通知信息的推送服务方式，改善信息推送的针对性。图书馆提供个性化服务需要掌握用户自身的特点、不同阅读偏好和习惯模式等，进行用户群的精准划分和用户阅读情感定位，加强用户需求的研究。针对每一个用户的实际或潜在需求而得出图书馆应该推荐什么样的内容、匹配什么样的信息服务等，创建满足用户的个性化信息环境和反馈机制，把最合适的内容、以及未曾检索的近似资源，分层次地推送给用户，供其选择，并随其需求变化和馆藏资源的更新，把信息推送给用户，从而提升服务层次。这不仅加大了用户选择的余地， 也使用户在检索或浏览资源时不断发现新的信息[6]。如针对不同读者推送其感兴趣的新书、数据库、期刊等活动。
4.4提供研究动向以及研究热点的变化
大数据时代下，图书馆通过对读者行为信息数据的采集、处理，然后进行大数据分析，可以在宏观上分析相关领域科研热点的动向，为科研人员、科研部门的决策者提供服务，让他们更快的了解学科最新的科研走向，以及相关研究领域其他科研人员的研究进展。可以说通过大数据的分析，提升了图书馆在科研领域中的作用，为科研工作者提供了更多有价值的信息[7]。
4.5利用大数据精准图书馆管理决策
大数据时代下，图书馆数据的收集更加全面，可以改善抽样分析带来的偏差，能够得到更加精准的结论，为图书馆的管理决策提供依据。如，为图书馆的采编部门和数据库采购部门提供资源评价意见。通过采集、挖掘、处理和分析读者个人信息和网络社交行为中产生的非结构数据，分析出读者阅读兴趣偏好，读者多样化、个性化的需求以及需求的变化趋势，评估读者对各种资源的使用情况，预测读者对各种资源的需求情况，使图书馆读者决策采购产生最好的效果。
大数据时代趋势范文2
关键词：高职教育;大数据时代;发展趋势
大数据时代的到来，对人们的日常生活产生了很大影响。最近几年，大数据的发展使得生物、环境、金融以及军事等领域都进行了一场革命，教育事业也不例外。如何充分抓住大数据时代带来的机遇进行教育体制改革，为社会培养更多更优秀的人才，成为高职教育面临的重要问题。
1高职教育在大数据时代下存在的问题
第一，高职教育过程中侧重于理论知识的教学，忽视了理论与实践相结合。以前，我国很多高职在设置教育课程时侧重于对教材基本知识的课堂教学，无法与实际相结合，这样就导致高职学生在学习的过程中对课程中的某些核心技术无法形成正确的理解，以及无法真正把握教育技术的在实际中的应用，进而不能将所学习到教育知识与现实生活中的具体案例相结合，不能满足社会对应用型人才的要求。
第二，高职教育的实践力度小，约束了学生实践能力的不断提升。大部分高职特别强调理论知识以及实践教学，但是，还有一部分高职仅仅安排理论教育，没有开展相关的实践教学，这就容易导致高职偏重教育理论往往忽略了教育的实践模式。更有甚者，有些高职的高职教育仅仅存在于教学计划中，并没有开设相关的高职教育。在这样的环境下，高职学生学习教育课程的积极性较弱，无法明确教学的任务，进而导致学生的动手实践能力薄弱。
第三，高职教育采取传统的多媒体教学加课堂讲解的教学手段，限制了学生学习的的积极性。传统的高职教育采取多媒体教学与教师课堂讲解的教学模式，这种教学模式强调以教师为核心，借助于多媒体进行教学课程的演示讲解重点知识，往往忽略了学生的特点。高职学生学习知识仅仅通过老师讲解以及笔记来进行教育课程的学习，这导致高职学生无法培养独自思考的能力以及创新能力等。
第四，高职教育的相关机制不完善。相关机制的不完善，使得我国大部分高职在开展高职教学的过程中不能够及时掌握大学生的内心活动趋势，也同样为高职高职教学的工作者开展工作带来了很多难度。我国高职传统的教学模式采用课程考试以及平时成绩相结合的考察机制，教学课程的最终考核成绩仅仅偏重于学生的过程化，这无法切实调动学生学习的积极性，达不到高职开展高职教学的初衷，同时也无法培养出适应社会需求的人才。
第五，高职的高职教学对学生的个性化缺乏重视。社会的复杂性使得每个个体也具有各自的特性，这就导致了内心精神层面也存在差异化。在开展高职教学时，我国高职应该要求教学工作者要充分了解学生的差异化，在教学过程中始终贯彻人才培养的教育理念。
2高职教育在大数据时代下的改进措施
2.1建立健全相关教学机制。完善的教学机制，使高职院校在开展教学过程中能够充分把握学生精神思维的动态，真实了解学生的内心活动等都有很大帮助。基于此，高职教学要坚持“以人为本”的培养目标，这样就可以最大限度的激发学生的主观能动性和创造性，优化传统高职教学模式、推动人性化管理、培养学生的创新能力、提升学生的道德素质等等。
2.2强化高职人才培养环境建设，重视高职教学工作。良好的校园环境对学生产生的影响是巨大的，是潜移默化的，对于加强高职教学尤其重要。加强高职校园物质文化环境的建设，除了景观环境的建设外，还需要注重高职精神文化的建设，这具有更高一层的意境，也是高职校园文化的精髓所在，同时也应该完善高职的制度文化建设。
2.3推动高职院校学生的创新性发展。系统全面的知识理论对践行人才培养目标有着极大的指导作用，因此，在高职院校开展教学时要重视创新性。除此之外，高职教育还需要注重学生的实践性。
2.4提升高职教育队伍的整体质量。高职教育中的工作者对高职教育的质量有着非常大的作用，因此需要培养一批高质量、高品质的教职工队伍。首先，高职教育中的工作者要具备强硬的思想政治素质；其次，高职教育中的工作者要具有较高的人才培养意识；再次，高职教育中的工作者应当树立平等的教育理念。
2.5改善高职教育的教学方式。高职教育的目标是培养学生具备扎实的理论知识、优良的技术能力，同时在进行教学的过程中要注重创新高职教育的模式，这样可以呈现更好的效果，促进高职学生的全面发展。
3总结
我国在进行高职教育的过程中，应该结合大数据时代的背景，这样不仅有利于巩固我国高职学生的基础理论知识，同时也有助于提升我国高职学生的创新能力。在大数据时代下，我国高职院校应该着重于提高学生的技术创新能力，为社会各界培养综合素质高、技术能力强的优秀人才，进而推动国家经济的健康可持续发展。
引用：
[1]田其英.大数据时代对高职教育教学影响及变革研究[J].现代交际,2016,(16):229-230.
[2]吴地花.大数据时代的教育创新研究[J].教育探索,2016,(04):120-123.
[3]裴浪.浅析高职教育在大数据时代下的发展趋势[J].无线互联科技,2015,(15):99-100.
大数据时代趋势范文3
在“大数据”趋势的驱动下，企业具有更大规模的收集和处理数据的能力，越来越广泛的信息加速了各行各业决策的速率和准确率。而大数据的“大”，已成为存储业界目前所面临的严峻挑战。据IDC预测，到2015年，大数据技术和服务市场将从2010年的32亿美元增长到169亿美元，年复合增长率（CAGR）达到39.4%，几乎是整个信息和通信技术市场年复合增长率的七倍。快速的数据流转，动态的数据体系，以及越来越多样化的数据类型，面对如此海量的数据规模，尽管业界的专业人士不断的推崇“大数据”，但其所带来的复杂程度和处理难度，使得企业不得不去重新考虑存储基础架构的问题。
随着企业不断寻求通过各种方法创新并为客户构建更好的解决方案，他们面临的一个最大挑战是，如何使真正对社会具有深远意义以及可持续影响力的创新解决方案实现商业化。据 IDC 调查，到2014年，绝大部分数据将是非结构化数据。因此，在数据大爆炸或大数据的背景下，我们需要具备发挥非结构化数据巨大潜力的能力，以便生成新的可持续业务、从现有资产获取经济价值并提高用户生产效率。
大数据的基础架构需求
大数据数量庞大，格式多样化。大量数据和信息由家庭和办公场所的各种设备生成。它的爆炸式增长已超出了传统IT基础架构的处理能力，给企业带来严峻的数据管理问题。
IDC认为传统的基础架构不能满足大数据需求和挑战。支持大数据部署的架构必须可以动态调整，并具备以下主要特性：
- 按需提供的容量和可扩展性，使基础架构能够在必要时根据容量和性能扩展或缩减规模。
- 维持“始终在线”的环境以及防止计划外停机的故障恢复能力。
- 内置数据管理，并且能够在每个处理阶段以及每个后处理常规运行阶段管理数据保护、监管达标、处置和同化。
三步走，轻松驾驭大数据
基于对云计算和大数据的深入研究，HDS提出了颇具参考价值的三步云战略，即基础架构云、内容云和信息云。三步云战略基于企业现有的IT设施，为企业的所有数据提供单一的虚拟化平台。其中基础架构云目的为提供动态基础架构，以实现支持所有数据的单一平台。而内容云则基于这一单一平台，借助智能工具，实现对所有类型数据的索引、搜索和发掘。让数据可以更容易地被发现、共享并且重新利用，因而也会变得更有价值。在信息云中，和大数据会更加关联，让各种信息分析工具和流程与底层基础架构完美集成。连接不同的数据集，揭示其中的规律，以为企业用户提供有价值的信息和商业洞察，帮助客户应对在医疗、生命科学、能源研究、社会基础设施等领域的挑战。
大数据洞察，基础架构先行
针对大数据的容量需求，存储虚拟化是目前为止提高容量效率最重要最有效的解决方案，它为缺乏这些能力的现有存储系统拓展了自动分层和精简配置等存储效率的工具。拥有了虚拟化存储，便可以将来自内部、外部和多厂商存储的结构化和非结构化数据的文件、内容和块存储等所有的数据类型，整合到一个单一的存储平台上。当所有存储资产成为一个单一的存储资源池时，自动分层和精简配置功能就可以扩大到整个存储基础设施，从而可以轻松实现容量回收和利用最大化，甚至达到重用现有资产以延长使用，显著提高IT灵活性和容量效率，以满足非结构化数据增长的需求。目前，借助HUS中型企业可以在不影响性能的情况下能够扩展系统容量达到近3PB，自动更正性能问题，通过动态虚拟控制器实现快速预配置。此外，通过VSP的虚拟化，大型企业可以创建接近四分之一EB容量的存储池。
针对非结构化数据，传统文件系统中有限的索引节点总数导致文件系统可以容纳的文件、目录或其它对象的最大数量受到限制。而HNAS和HCP使用基于对象的文件系统，这使它们能够扩展到PB级，以及数十亿的文件或对象。位于VSP或HUS顶部的HNAS和HCP网关可以充分利用模块存储的可扩展性，同时享受到通用管理平台Hitachi Command Suite带来的好处。HNAS和HCP为大数据文件和内容构建起了相应的架构。
大数据时代趋势范文4
[关键词]大数据时代；计量业务管理软件；发展趋势
中图分类号：TP311.52 文献标识码：A 文章编号：1009-914X（2017）17-0112-01
前言
信息技术的诞生，给社会的发展带来一定的积极作用，通常情况下，我们可以将信息看做是一种非常重要的资源形式，如果从信息管理软件的角度出发来讲，它能很大程度的提高其工作效率，更能够让工作安全、顺利的开展，只有在应用实践基础上的信息资源，才能将其所存在的作用充分发挥出来。当前我国在计量管理软件方面已经较为成熟，但是软件在各个检定机构的应用上却存在差异性，所以必须根据各个单位所具有的自身特点，制定一套适合其自身发展的软件系统。
一、系统结构分析
可以说，系统软件也会分为不同的类型，一般来讲，经常可以看到的软件包括客户机/服务器模式（C/S）及相应的浏览器/服务器模式（B/S）。如果从C/S结构的角度来讲，这类的结构在开发的过程中，所需要的时间并不需要太长，而且这类的结构和其他的相比，更体现了其简单化，对于B/S结构来讲，这种模式对于其硬件设施要求比较高，只需要用户客户端安装相应的浏览器软件就可以展开操作，而在WEB环境下的办公自动化系统来讲，只需要在相应的服务器当中给与相应的配置及维护工作，对于在服务器系统升级及维护方面的费用及难度有效降低，促使办公自动化能够更好的得到应用。结合自身实际情况，在具体架构选择上课将C/S与B/S模式相结合，充分发挥各自优势环节。采用SQLServer2016数据库平台作为本系统的后台，针对数据报表，采用CrystalReport12.0[1-2]。
二、实验室计量业务管理分析
1、证书管理：为了能够让整个证书的数据信息都处于监控状态之下，需要在这个过程中，对工作流进行合理的运用，只有这样，才能更好的监控所使用的具体规则和标准器，并且更加的有效，除此之外，由于相关的工作人员在操作环节很容易出现失误的现象发生，使得证书数据其准确度上出现问题，更会发生错误的情况，所以，为了能够避免这样现象的发生，一些存在的假证书情况，应该及时的进行消除，并且要进行全部消除，对那些擅自修改证书的状况予以杜绝。对数据流程实施严密的监控，还应对仪器收发及质量管理当中的一些数据信息予以充分利用对证书的录入速度予以提高，并在录入过程中充分保证录入工作的一致性和准确性。在具体审核操作中，可以利用电子签名及电子版本予以落实，并就收发室对相关资料予以统一打印，从而能够更好的对证书纸张的节约。
2、仪器收发管理：这里应该从仪器收发管理角度为切入点，对于相关的条形码技术正好可以有效的运用，在管理的过程当中，想要完成管理，应该运用仓库管理模式，这样才能真正意义上的实现了器具、电打印以及分发检定等。在引起仓库进出时应先对其实施条形码扫描，促使仪器收发的工作效率得以提升，避免出现失误状况[3]。
3、计量收费管理：对检定器具实现收费管理操作，对收费核算单实施编辑及打印，并向客户予以器具的交付工作。
4、样品状态查询：当出现客户来电话及来人咨询相关问题时，在系统当中通过对客户的委托单编号输入到系统当中，实现对样品所存在的工作状态予以明了的目的。
5、统计查询：其主要内容包括年度计量收费数、检样品数及送检单位新增数等；通过多个条件，对客户具体的欠款情况予以统计；根据客户所在区域状况及在相应送检单位的类型方面，对客户的送检情况及缴费状况予以分别统计；对证书的合格率状况予以统计；对证书打印情况予以统计；各个科室对具体的工作进度统计进行有效检定及校准：主要针对半个月、一个月及一周内所存在的完成数，并将其根据送检单位的具体类别，对其实施汇总工作。
三、实验室计量体系管理分析
1、计量标准器具管理：在对这环节的管理时，相关的工作人员应该了解计量标准器具管理方面的实际情况，然后对相关的基本信息库进行有效的建立，当然了，在这个过程中，还应该以实际情况为出发点，对相关的报警系统进行科学、合理的建立，对于相关的责任人，应该对其的提醒要及时，这样才能让单位的计量真正的实现其标准性，能够准时实施送检操作，促使标准器的溯源在可靠性方法给与充分保障[4]。
2、设备管理：通常情况下，作为工作人员，应该根据设备管理的实际情况，然后对相关的计量器具信息库系统进行有效的建立，一般情况下，对于某种器具来说，如果用户要对其进行提交时，在整个器具库当中，将该器具具体的数据状况予以检索，而不需要对这些数据信息给与再次录入操作；对于特定器具所存在的证书记录及检定记录均可更为快捷的予以查询；报警机制的建立，对相关业务员及客户实施提交检定予以及时提醒。与此同时，还还包含整个院系部门当中其他相关的设备的管理。
3、技术资料管理：其主要对各种标准及规程相应的文件内容。
4、质量审核管理：应在部门内部建立相应的质量体系审核，即对内审的具体的实施计划、现场记录及安排等方面实施管理。
5、计量基准项目管理：对本机构当中以及具有比较成熟的检定及校准能力的各个项目进行管理。
6、实验室认可项目管理：对那些新的申请项目进行有效管理，并对此予以各种报表的出示工作。
7、人员管理：在这个环节当中，对于人员管理的实施，主要的工作重点和核心就是对特定群体的人员进行管理的实施，比如说已经拥有检定员证人员。相关的部门，为了让该环节有效的落实，应该根据实际情况为出发点，然后针对检定员，进行预警机制体系的科学制定，作为检定员，应该对换证复查等方面要进行及时的复查。当完成操作后将所得数据信息在数据库当中予以更新。促使检定员持证准确有效的开展工作予以保证[5]。
8、材料管理：材料管理主要抱恨对相关试剂、办公用品及标准物质等实施管理工作。
9、图书资料及采购管理：将所有的图书资料予以提供，从而更好的进行查询及检索。采购管理主要针对相关供应商档案管理及相应的申请记录等。
10、管理系统及维护措施：主要包含电子签名的管理工作及相应的选项和系统管理等。
11、办公自动化管理：主要包括有相关个人事务的管理、电子邮件及电子公告栏等内容。
结束语
上述论文对大数据时代计量业务管理软件的发展趋势进行了阐述，从综合的角度出发，对计量业务管理软件进行了有效的开发，该软件的问世，起到了积极作用，让相关的管理者，能够对每个科室计量检定和收费情况等方面进行有效的掌握和认识，并且还可以较为及时的将催检通知单予以发放，促使相关单位严格按照相关程序文件的规定予以严格遵守，且此种软件系统也与实现规范化管理的及本要求相符。对于相应检定人员来讲，能够通^计算机将本科室相应待检任务予以全面了解和掌控，当对其实施检定操作完成后，能够实现将证书及相应原始记录实施同步管理操作。
参考文献
[1] 何大英，黄月萍，蔡绮春，任智渊.工会经审业务管理软件的设计和操作.第二讲工会经审业务管理软件的知识库[J].中国工会财会.2016（05），59-84.
[2] 黄涛李宏伟孙立华等.省级计量检定机构业务管理网络软件的设计与应用[C]//全面建设小康社会：中国科技工作者的历史责任―――中国科协2016年学术年会论文集（下）.2017（09），9-16.
[3] 檀榜色.农行电脑业务管理必须加强[J].广西农村金融研究.2015（05），249-263.
大数据时代趋势范文5
店铺销售在电子商务的范畴里包含两种形式，一种是B2C里面的电子化零售，另外，也指C2C平台上的店铺形式。B2C的电子化零售店铺又分为制造商店铺直销(如戴尔，海尔商城，凡客诚品)及店铺平台销售(如京东，天猫，当当)。相较B2C的店铺销售，C2C的店铺销售为人熟知，如淘宝，易趣。
无论哪一种店铺销售，都面向最终消费者，故而市场竞争不会因为电子商务模式不同而衰减，除提升网店名牌效应，加强产品质量控制外，竞争的焦点主要体现为成本控制上。物流作为其中的一项越加被商家重视，越来越多的电子商务企业考虑兴建自己的物流团队，如京东的自建物流，与淘宝的大物流计划。
物流网络作为电子商务的瓶颈与基础，可以决定电子商务的成败。物流网络除具备基本的运输、仓储、配送等功能外，通过一定的改进与融合，亦可向分销转化，电子商务时代下店铺销售的新形式亦即出现。
1 概述
1)B2C的电子商务模式含义
B2C电子商务模式具体是指企业以网店销售的形式直接面对消费者提供各种产品和服务。其中，企业可以是传统的生产制造商，比如海尔与戴尔，设立网店直销其产品。也可以是网络销售平台，如京东网、天猫网、当当网等，其并不生产产品，只提供网站销售平台。
2)C2C的电子商务模式含义
C2C电子商务模式消费者在平台上设立店铺销售其产品的电子商务模式。C2C平台并不直接介入交易流程，只是作为平台供应者身份提供各项服务。
3)两种店铺模式的区别
B2C与C2C的店铺销售模式在定义上有些区别，但就商务实质上，面对的客户群体都是个体消费者，所以本质上利益相关性较大，竞争客观存在，而且较大。从目前的生活类购物网站淘宝网与京东网比较可以看出，客户群体都是个体消费者，主要的区分在于网民对网站的品牌价值认知，即淘宝网是偏向于廉价的服装类购物网站，而京东网是有一定品质保障的电子类购物网站。
2 店铺销售的盈利模式
B2C电子商务模式包括制造商直销，及电子分销商平台代售。制造商直销的店铺模式，其主要收入来源于销售产品所得。这种模式在国内的代表公司有海尔、凡客诚品等，特点是其必须为大众熟知的品牌。电子分销商平台代售，主要收入来源于销售所得的分成。此模式国内的代表型网站有纯网络分销平台(如当当网、京东网、易讯网等)和传统分销商建立的分销平台(如苏宁易购、国美在线)。纯网络分销平台由于没有传统分销网络的覆盖，仅能靠网上销售来传递产品与服务，故其与产品供应商的合作默契程度比不上传统分销商，在价格控制上也难以取得低于做电商的传统分销商的优势。
C2C电子商务模式的盈利模式还在探索当中，C2C平台由于扩张市场聚集用户的免费策略，导致店铺经营者不愿支出更多的成本，只能以广告，店铺插件，小程序等来维持。这也是国内很少有C2C平台的主要原因，投入巨大，收益甚微。淘宝网在很长一段时间都在烧钱，也是因为此原因，阿里巴巴公司才将店铺进行差别式对待，圈出能带来更多利润的店铺组建了天猫。
3 店铺销售的发展趋势
1)由做零售开始到做物流
B2C的电子化零售及C2C的店铺销售，都受制于一个关键要素，即物流网络的覆盖及物流成本的控制。戴尔公司的网络直销在中国大陆运行的并不成功，市场占有率并未实现预期，由于受到中国物流业现实的限制，戴尔将产品放进了苏宁、国美的柜台展销。
纯电子分销商也越加认识到物流的重要性，积极构建自己的物流网络。虽然网络渠道虽然可以实现销售、展示与在线服务，但是实体商品必需的物流网络，仍然是电子分销商的短板。由于与传统分销商的竞争关系，纯电子分销商并没有相应的物流网络作为支撑，在配送上只能借助于第三方物流，成本难以控制，物流质量难以保证，影响到用户体验。因此加强物流团队的建设，与物流网络的覆盖，是纯电子分销商保住竞争优势的唯一可行途径。
C2C的店铺销售，因其自身的散户特点，并没有相应的实力和流量来支撑物流团队，故其一般采用第三方物流模式完成产品的配送。但其负面效果也很明显，随着经济发展及各项成本的提升，物流成本的累积也成为必然，这让本来比较关注价格的用户在购买时会愈加小心谨慎。因此C2C店铺销售平台也有必要打造自己的物流团队，进一步降低物流成本，以更低的总价格保持网站的黏性。
2)由做物流网络到做分销网络
营销管理理论中经典的4P理论，包括了产品，价格，渠道与促销。其中渠道，又具体包含了以下三种渠道。即分销渠道、沟通渠道与服务渠道。分销网络作为分销渠道，其作用与意义在传统商务中自不必多言。在电子商务环境中，其重要程度亦没有丝毫减弱。
以苏宁易购与京东商城为例，两者都是以电器销售为主业的竞争对手，但区分亦很明显。京东以纯电子商务零售挑战既线下经营又作网上零售的苏宁易购，只能以价格战为噱头，究其主要原因，是电子商务并未能完全脱离传统商务环境，必须仍然围绕着4P开展营销活动。因此，也就必须要有分销网络。对于线下经营的苏宁来说，分销网络已经覆盖广阔，驾轻就熟。而对于京东，则只能依托于互联网的覆盖及物流体系的支撑。
无论对于哪一个电子商务零售网站，互联网的覆盖都是一种平等的优势。因此相互之间的竞争也就落在了物流体系上。纯电子商务零售企业在物流体系上的能力差距决定了其与对手之间的距离。鉴于此认知，很多电子商务网站着手打造自身的物流团队，开始走自营物流的道路。如亚马逊，又如京东。
自营物流的特点，决定了企业必须建设高效率、覆盖面积广的实体物流网络。这一网络的存在可以为用户完成网购相关的配送服务。但这一网络的实体特点，决定了它不仅可以是一个物流网络，还可以成为一个分销网络。
物流网络与分销网络的共同点有以下几个：
(1) 都是实体网络
(2)都接近最终消费者，且为最终消费者服务
(3) 都可以传递实体产品及服务
但两者之间的不同也很明显：
(1)分销网络是由批发商、经销商、零售商构成，而物流网络是由物流中心、仓库、及运输路线构成。
(2)分销网络更接近消费者，且环境更适宜于消费者消费。
(3)物流网络一般为分销网络提供物流服务
虽然物流网络与传统分销网络的不同很明显，但这不会成为一种阻碍，反而会成为另外一种优势。
物流网络如果直接转变为分销网络，会直接减掉分销环节，将价格控制在更低的水平。另外，物流网络如果转变为分销网络，可以将库存周转变得更得迅速，降低物流成本，且可以直接将库存转为现金流。
但物流网络转变为分销网络的不可能让用户在仓库或者物流中心体验到商城购物的美好感觉。这一劣势可以通过低价与快速选购或者送货上门来弥补。
3)物流网络转变以分销网络的设想
物流网络转变为分销网络的想法，是将线上与线下相结合，将实体与虚拟相结合。即可以通过对物流中心，仓库的合理设置与改造，将其变为可以直接面向消费者选购的场所。同时亦不失其原来的功能。
具体方案，可在物流中心，或是仓库设置客户选购区，通过计算机前台或者纸制的产品目录进行现场选购，现场取货;或者，通过家庭网上选购，就近仓库或者物流中心提货。
鉴于此，物流中心或仓库在选址上，也理应考虑消费者方便的需要，在地理位置上做出相应的妥协与让步，而不能仅考虑地段及相关因素造成的成本。
4 小结
由物流网络转为分销网络，是指将物流网络充分利用，结合物流中心及仓库的实体性、接近消费者的特性，针对消费者直接进行销售工作。但这并不能说明转变后的物流网络会取代传统的分销网络，在多元的商务社会里，两种分销模式势必会同时存在与相互竞争，至于哪种分销会更被青睐，最终仍取决于企业的上帝——消费者!
大数据时代趋势范文6
关键词 大数据技术；区域大气污染联防联控；区域大气质量模式
中图分类号X7 文献标识码A 文章编号 1674-6708（2014）116-0107-02
0 引言
近30年来，我国快速工业化和城市化发展使得多种大气污染问题集中爆发，表现为区域复合污染现象突出，大气氧化性增强，多种污染物在大气中发生复杂作用产生二次污染物，并随气象条件进行长距离传输，最终造成跨省市污染、区域性环境恶化趋势等现象。区域大气质量管理制度与管理手段需要根据污染发生、形成及影响机理研究的深化，并结合污染源变化、气象条件、总量减排、控制技术以及社会经济发展等多方面数据进行数据挖掘与深度分析。
大气污染联防联控监管数据包含了在线监测设备、互联网、视频监控、移动设备、IT设备等渠道产生的海量数据，其中80%以上是以非结构化的形式而存在的。传统的区域大气质量模式通过对监测数据、气象数据、地理数据等结构化数据的模拟分析，对区域大气污染联防联控工作的开展起到了一定作用，但是由于缺乏对视频、文档等非结构化数据的分析，具有一定的局限性。大数据技术在处理视频、语音、文档、图片等非文字形式呈现的非结构化的数据挖掘、专题分析与预测等方面则更加具备优势。在这样庞大的非结构化数据背后，利用大数据技术，从海量堆积的交互数据当中发现带有趋势性、前瞻性的信息，实现为区域大气质量管理提供有效科学的决策分析。
1 大数据相关概念与应用价值
1.1 大数据概念与特点
在所有的概念中，比较有代表性的概念是3V定义[1]，即认为大数据需要满足3个特点：规模性（volume）、多样性（variety）和高速性（velocity）。同时，有在3V基础上提出4V特点，国际数据公司（International Data Corporation，IDC）认为大数据还应具有价值性（Value）。尽管存在不同的表述，但一个普遍的观点是，大数据与“海量数据”和“大规模数据”的概念一脉相承，带来了巨大的产业创新的机遇。
1.2 大数据技术的应用价值
目前，大数据的开发与利用已经在医疗服务、零售业、金融业、制造业、物流、电信等行业广泛展开，并产生了巨大的社会价值和产业空间。2012年3月美国奥巴马政府了“大数据研究和发展倡议”（Big data research and development initiative），投资2亿以上美元，正式启动“大数据发展计划”，计划在环境、科学研究、生物医学等领域利用大数据技术进行突破[2]。
大数据技术为区域大气污染联防联控工作的开展带来了巨大的价值，但这些价值必须通过数据的有效整合、分析和挖掘才能释放出来。对于结构化数据的整合目前有很多解决方案和软件工具，而对于非结构化数据（如：文本数据、图像数据、信号数据、音频数据、视频数据等）的融合和整合，则面临了更多的挑战。海量数据的生成和累计是区域大气污染联防联控工作开展的必然结果。因此可以说大气污染联防联控工作的开展是建立在数据基础之上，诸多环境保护的决策问题必须通过数据分析才能解决。
2 区域大气质量模式的局限性及大数据技术带来的突破
2.1 区域大气质量模式的局限性
空气质量模式的应用为区域大气质量控制、分析不同空间尺度上空气质量变化状况和趋势以及污染防治提供有效科学依据。按照空间尺度划分，空气质量模式分为微尺度模式、城市模式、区域模式、大陆尺度模式和全球模式[3]。区域大气质量模式在大气污染联防联控监管工作的开展中具有一定局限性。
第一，区域大气质量模式通过输入研究地区的源排放、地形以及气象资料，运行模式得到该区域的空气质量数据，由于排放清单、气象数据以及模型自身均由不确定性，空气质量模型的模拟结果与真实值难免存在较大误差；
第二，在区域大气污染联防联控监管工作的开展过程中，产生了大量的结构化与非结构化数据，但是传统意义上的区域大气质量模式不能结合文档、视频、图片等海量非结构化数据进行综合模拟与分析，存在了大量的数据资源浪费现象；
第三，区域大气质量模式主要用于分析大气污染成因、机制，对重点污染行业、重点污染区域进行识别，并且对环境规划效益进行评估，大气污染联防联控相关的监管工作难以基于各类模型的分析结论有效开展。
2.2 大数据技术为区域大气污染联防联控监管工作带来的新突破
大数据技术通过数据的有效整合、分析和挖掘，为区域大气污染联防联控监管工作的开展带来了新的机遇。在传统区域大气质量模式的基础上，大数据技术对区域大气质量管理产生的海量数据进行了充分管理与应用。
区域大气污染联防联控监管工作的大数据处理流程包括3个方面，分别是数据抽取与集成、数据分析以及数据解释。
2.2.1 对大气质量监测及管理数据进行抽取与整合
区域大气质量监测数据具有多样性、数据来源广泛、数据类型复杂等特点，复杂的数据环境给大数据处理带来了挑战。首先对所需数据源的数据进行抽取和集成，从中提取出关系和实体，经过关联和聚合之后采用统一定义的结构来存储这些数据。在数据集成和提取时需要对数据进行清洗，保证数据质量及可信性。
2.2.2 区域大气污染联防联控数据分析
数据分析是整个大数据处理流程的核心，因为大气环境质量数据的价值产生于分析过程，从异构数据源抽取和集成的数据构成了数据分析的原始数据。根据不同应用的需求可以从这些数据中选择全部或部分进行分析。传统的分析技术如数据挖掘、机器学习、统计分析等在大数据时代需要做出调整。另外由于大气环境质量监测与管理数据常常具有实时性特点，需要在处理实时性和准确率之间取得一个平衡。
2.2.3 区域大气质量管理与决策的数据解释
区域大气污染联防联控数据分析是大数据处理的核心，但环保管理人员往往更关心结果的展示。如果分析的结果正确但没有采用适当的解释方法，则所得到的结果很可能让用户难以理解。数据解释的方法很多。区域大气污染联防联控的数据分析结果往往是海量的，同时由于涉及到多种污染物协同控制以及区域环境与经济发展等多维分析数据，结果之间的关联关系及其复杂，采用传统的解释方法基本不可行。需要通过可视化技术、数据起源技术以及人机交互技术等进行深入解释与展现，利用交互式的数据分析过程来引导用户逐步进行分析，使得用户在得到结果的同时能够更好地理解分析结果的由来。
3 大数据技术在区域大气污染联防联控的应用
总体来说，区域大气污染联防联控监管工作的开展需要综合污染物监测数据、行业交叉应用以及区域经济发展等多重维度，通过大数据技术对监管过程中产生的各类结构化数据与非结构化数据进行深入挖掘与分析，建立区域大气污染联防联控机制，签署区域环保合作协议，编制实施空气质量保障方案，实施省际联合、部门联动的环境监管模式，从而保障区域大气环境质量。
3.1 基于大数据进行区域大气监测数据分析
由于区域内多种污染物同时在大气中发生化学反应，引起暴露和产生沉降，对影响人类健康和生态系统都有着严重影响。但是区域大气环境监测重点实现单一污染物控制格局，对多种污染物之间的相互影响和协同控制的分析较少，对硫氧化物、氮氧化物、VOCs、重金属和NH3等相关监测数据缺乏相关分析[4]。
基于大数据技术，通过对区域大气环境质量监测数据、污染源在线监控数据等结构化数据与视频监控、暴露人口规模、人口地域分布和人群特征、污染物带来的健康风险等非结构化数据综合分析，实现数据协同减排，分析不同污染物之间的相关关系，并对污染减排量带来的物理损害减少进而减少的经济损失与污染物减排量之间的关系进行更深入的分析。
3.2 通过大数据实现与其他行业信息共享
目前区域大气环境质量管理工作的开展以环境保护各级业务部门为主，与气象、林业、交通等相关行业没有实现数据共享与综合分析，需要综合多行业角度，对区域大气环境质量进行预测预警。
基于大数据技术，结合气象、林业、交通等行业相关数据，进行数据挖掘与统计分析。如通过对区域气象条件与机动车统计数据的获取，综合该地区污染物排放监测数据，运用大气污染物扩散模型等计算出未来48小时内大气污染状况，并给出相关出行建议，在出现逆温等不利于污染物扩散的大气条件下，对相关企业进行排放控制或阶段性实施机动车限行管理，从而在一定程度上预防区域大气污染事件的发生。
3.3 大数据技术为区域综合发展提供决策分析
我国现行的空气质量管理仍是典型的属地模式，部门分割，缺乏有力、高效的跨行政区协调机制。虽然发达地区城市群已经开始对区域大气污染联防联控进行先试先行，但一些好的做法和经验并没有固化下来形成一种长效机制[5]。
大数据技术的实施，能够在区域大气污染联防联控总体规划同时，结合区域内经济发展水平、空气质量现状和管理水平等要素，在环境质量目标和达标时限上给出决策支持，实现区域大气污染联防联控差别化管理，为建立地区间协调和合作机制提供数据支持，构建“共同但有区别”的大气污染联防联控监管和规划体系。
4 大数据技术应用面临的挑战
目前，大数据技术在区域大气环境管理中的运用仍存在一些困难与挑战，体现在对海量空气环境监测与管理数据挖掘的四个环节中。空气质量监测与管理数据收集方面，要对来自空气质量自动监测站、污染源在线监控设备、视频监控、其他行业的数据附上时空标志，去伪存真，尽可能收集异源甚至是异构的数据，必要时还可与历史数据对照，多角度验证数据的全面性和可信性；对区域大气数据的存储要达到低成本、低能耗、高可靠性目标，在存储时要按照一定规则对监测数据进行分类，通过过滤和去重，减少存储量；对海量大气监测与管理数据的处理涉及上百个参数，其复杂性体现在多源异构、多实体和多空间之间的交互动态性，从大量动态数据中综合信息，并导出可理解的内容；结果实现可视化呈现，如采用标签云、历史流、空间信息流等可视化技术，以图形等可视化方式让结果更容易被理解与接受。
参考文献
[1]Grobelnik M.Big-data computing： Creating revolutionary breakthrough in commerce， science and society.2012.http：///eswc2012 grobelnik big data/.
[2]黄哲学，曹付元，李俊杰，等.面向大数据的海运数据系统关键技术研究[J].网络新媒体技术，2012，1（6）：21-26.
[3]刘烽，吴增茂.城市大气质量模式研究进展[J].环境科学进展，1999，7（2）：22-30.
