第一篇：数据大数据时代范文
大数据时代的“数据解读”
褚宝福 鲍静 摘 要：大数据时代提高学生解读数据能力是我们提升教学有效性的新课题。面对《经济生活》教材中的众多经济数据，我们不能止步于浅层次的文本阅读，还需要将它们从“知识”“情感”和“思想”三个维度上进行解读，使其融入知识、能力及情感态度价值观“三维”目标之中，为拓宽学生知识视域、提升学习能力、培育正性情感、树立正确价值观服务。 关键词：经济数据 知识性解读 能力性解读 思想性解读 褚宝福，男，浙江省嘉善高级中学，中学高级教师;鲍静，女，浙江省嘉善高级中学，中学一级教师。 大数据时代，学会正确解读数据已成为人们应具备的重要技能之一。因此，培养和提升学生解读数据能力就成为我们提升教学有效性的新课题。普通高中思想政治课教科书中设置了大量的数据，仅人民教育出版社2014年3月第6版普通高中必修
一、经济数据的知识性解读 所谓知识性解读，指的是教师在教学时，能够从纵横两个视角引导学生对《经济生活》中的数据进行解读，让学生获取相关的经济学知识，以达成思想政治课的知识目标。 1.基于纵向视角的知识性解读。从纵向视角对经济数据进行知识性解读，强调的是对一定的经济数据进行历史性考察，并据此解读出相应的经济学知识。如对教科书第10页“2010年4月8日人民币对美元的汇率中间价为682. 59，2013年4月8日人民币对美元的汇率中间价为626.5”这一数据，我们的历史性考察分两步：首先是选择四个典型的历史时期来考察汇率情况。一是1953年到1972年，国家实行计划经济，实行严格管制和固定不变的汇率政策，使人民币对美元的汇率基准价长期稳定在246.1上。二是1981年至1993年，国家实行对外开放，发展社会主义市场经济，为扶持出口，增加外汇收入，人民币对美元的汇率基准价控制在149和195.8之间。其中1985年至1993年国家为平衡国际收支，实行官方牌价与外汇调剂价格并存的政策，使人民币对美元的汇率基准价由293.6逐渐上升到576.2。三是1994年至2005年，为进一步完善发展社会主义市场经济体制，国家逐步形成了以市场供求为基础的、单一的、有管理的浮动汇率制。人民币对美元的汇率基准价保持在835与819间浮动。四是2005年7月21日起至今，实行以市场供求为基础的、参考一蓝子货币进行调节、有管理的浮动汇率制度。人民币对美元的汇率基准价水平由797上升到619，并呈稳中有升的特点。其次，在上述四个时期考察的基础上，我们可引导学生解读出这样一些基本的经济学知识：一是我国的汇率政策是为适应并促进不同时期经济社会发展的需要而制定的，期间经历一个由严格管制向市场逐渐过渡的历史过程，并呈日趋市场化开放化的发展趋势。二是汇率是以另一国货币来表示的本国货币的价格，其高低最终由外汇市场决定，但同时也会受到国家政策等因素的影响;三是一国汇率数据的变动会对该国经济发展和居民生活带来一定的影响。我国人民币汇率总体呈上升趋势，这对我国经济发展和人民生活既有利也有弊，需要我国防范汇率风险等。 2.基于横向视角的知识性解读。从横向视角对经济数据进行知识性解读，强调的是对经济数据横向间的各类关系进行分析，并解读出其中所蕴涵的经济学知识。如对教材第66页“财政收入”这一数据，我们的知识性解读也分两步进行：首先将教材上“2012年财政收入”来源项目细化，并选择典型项目进行横向分析。一是分析财政收入、税收收入、非税收收入的数量及关系：2012年财政收入117210亿元(不含债务收入)，税收收入100601亿元，非税收收入16639. 24亿元，分别占全部财政收入的85. 83%和14. 20%。二是分析税收中几个主要税种的数量及关系：国内增值税26415.5亿元、国内消费税7875. 58亿元、营业税15747. 64亿元、企业所得税19654亿元、个人所得税5820. 28亿元、关税103.5亿元等，其中国内增值税已成为我国目前税收的主要来源，企业所得税次之，营业税居第三，然后是国内消费税和个人所得税，关税数量较少。三是分析非税收收入中主要项目数量及关系：行政事业性收费4579. 54亿元、国有企业利润1154. 02亿元、罚没1559. 81亿元等，其中行政事业性收费最多位居第一，而国有企业上交利润相对比较少，低于各类罚没收入。四是几类主要国有企业利润数量及关系：烟草企业252. 64亿元、石油化工企业308.
45、电力企业76. 74亿元、煤炭企业106. 54亿元、电信企业106. 90亿元、电子企业1. 65亿元、金融企业0.33亿元、转制科研企业1.88亿元等，其中石油化工、煤炭、电力等资源类国有企业利润占总利润的42. 61%，而科技为主的国有企业利润只占总利润的9.5%。其次在上述分析的基础上，我们可引导学生解读出这样一些基本经济学知识：一是税收是依法取得财政收入的基本形式，是财政收入的主要来源。二是增值税、营业税、企业所得税等是国家收入的主要来源，但也直接影响企业的生存和发展。当前的税收改革特别是“营改增”，对国家税收总量及企业发展与竞争力影响甚大。三是非税收收入中行政事业性收费太多，而国有企业上交利润偏低，与国有经济的性质、地位及作用不匹配。四是国有企业利润结构不合理，其中资源类国有企业的利润占利润总量过高而科技类国有企业利润偏低，这表明我国仍需要大力推进经济发展方式的转型升级。
二、经济数据的能力性解读 所谓能力性解读，指的是教师在教学时，能够引导学生运用比较、综合两种方法对《经济生活》中的经济数据进行解读，提升学生分析数据和概括数据的能力，以达成思想政治课的能力目标。 1.基于比较方法的能力性解读。运用比较方法对经济数据进行能力性解读，强调的是对不同的经济数据，依据一定的标准进行相应的比较，以培养和提升学生分析数据的能力。如对教材第82页虚线框中的“农村居民人均纯收入”和“城镇居民人均可支配收入”数据的能力性解读，可分下述两种情况：首先，对同一经济主体在不同时间点上的数据进行纵向比较性解读，以培养学生纵向分析数据的能力。如可将教材82页上“农村居民”和“城镇居民”两类经济主体的经济数据，分别补充上2013年和2014年的最新数据，形成下述比较表格： 依据上述表格数据，引导学生分别分析从2009年至2014年农村居民人均纯收入和城镇居民人均可支配收入数据变动的特点：城乡居民人均收入逐年增加，但农村居民收入增长速度快于城镇等。其次，对同一时间点上不同经济主体的数据进行横向比较性解读，以培养学生横向分析数据的能力。我们同样可依据上述表格，引导学生分析我国在2009年至2014年期间，每年农村居民和城镇居民人均收入数据的差异情形：城镇居民收入高于农村居民，绝对差距数据在拉大等。 2.基于综合方法的能力性解读。运用综合方法对经济数据进行解读，强调的是在一定的范围内对不同经济主体的经济数据进行相应的综合，以培养学生的数据概括能力。一般我们可选择两种主要范围展开综合性解读：首先就同一教学单元中的经济数据进行综合性解读，以培养学生从单元经济数据中概括出相应结论的能力。如对第二单元“生产、劳动与经营”中的主要数据，我们按照因果联系的逻辑原则，将“我国主要产品产量居世界位次”、“城乡居民储蓄存款余额”、“储蓄存款利息和股票价格”、“投资理财的分配数额”、“保险理赔数额”等数据进行综合，形成下述数据体系：依据上述体系，引导学生对①②③④四组原因结果关系进行概括，可得到这样的结论：随着我国我国经济不断发展、经济实力不断增强，居民储蓄余额不断增加，同时由于国家经济的发展和居民储蓄余额的增加，会引起居民投资理财途径的多样，而这会进一步提高了居民的储蓄余额和国家经济的发展，由此在居民投资与国家经济发展间形成了相互促进的良性互动。总之，一国经济的发展与投资间存在着密切的关系，需要我们正确地处理。其次对教材中不同单元中经济数据进行综合性解读，以培养学生从不同单元经济数据中概括出相应结论的能力。如对第二单元“生产、劳动与经营”和第三单元“收入与分配”中的众多数据，我们同样可依照因果联系的逻辑原则，进行综合，形成下述综合体系： 依据上述体系，引导学生对①②③④⑤⑥六组原因结果关系进行概括，可得到这样的结论：第一，随着我国经济的发展，不仅带来居民投资增多和日趋多样，而且还促使国家财政收入、企业收入和居民收入不断提升及财政支出数量的增加。第二，我国居民投资和财政投资的增加，必然促进我国经济的发展。第三，国家财政收入的增加、企业利润、居民收入的不断提升，也必将推动我国经济的发展。第四，在国家财富一定情况下，投资的增加会引起收入的减少，而收入的增加会引起投资的减少，两者存在此消彼长的关系。第五，国家、企业和个人之间收入分配结构的变化会影响国家经济的发展，同样国家投资结构和居民投资变动也会影响国家经济的发展。总之，一国经济的发展既需要投资的作用，也需要消费的作用，因此必须协调好投资与消费的关系，实现经济的转型与持续发展。
三、经济数据的思想性解读 所谓思想性解读，指的是教师在教学时，能够引导学生从现象和原因两个层面对《经济生活》中众多经济数据进行解读，让学生接受情感熏陶和价值观教育，以达成思想政治课的情感态度价值观目标。 1.基于现象层面的思想性解读。经济数据本身较为抽象枯燥，缺乏情感，但与数据形成、变动相关的经济现象却是具体、丰富的。教学时，我们可借助这些现象进行情感性解读，让学生接受情感熏陶、培养学生积极向上的正性情感。如对教材89页中的“投资和消费对经济增长的贡献率”数据，我们在教学时可分两种情形进行：首先选择与“投资对gdp增长贡献率”的经济现象进行解读，如列举各省市县政府投巨资建设“美丽乡村”，培养学生热爱乡村的情感。其次，我们选择与“消费对gdp增长贡献率”数据相关的经济现象进行解读，如例举因书香社会建设而形成的“阅读消费”现象培养学生热爱读书的情感喜好。 2.基于原因层面的思想性解读。经济数据本身反映的是一种客观事实，显得呆板和冷漠，缺乏生动的教育性。但数据产生及变动背后的原因，却值得人深入思考。教学时借助这些数据背后的原因，我们可以让学生了解党和政府所做出的各种努力和探索，进而借此进行价值观教育，以帮助学生树立正确的价值观。如对教材89页中的“投资和消费对经济增长的贡献率”数据，我们可以对其进行补充扩展并形成下述表格，然后分两种情形进行解读。 首先选择“投资对gdp增长贡献率”数据进行原因性解读。我国2000年至2014年“投资对gdp增长贡献率”呈现由低到高、再由高到低的变动特点，主要原因有二：一是我国投资政策由偏向追求发展速度转向追求发展质量与效益，二是投资结构由偏重经济建设转向民生发展。这样的解读，不仅可使学生认识到我们党和政府立足经济发展的实际，制定和实施科学的投资政策，实现了经济的平稳运行，而且还能体会到政府在制定和实施投资政策时始终坚持“以人为本、以民为本”的出发点和落脚点，从而有利于学生树立乐于为国家、为民众奉献的正确价值观。其次选择“消费对gdp增长贡献率”数据进行原因性解析。自2010年后我国“消费对gdp增长贡献率”保持持续增长态势，其背后的重要原因是政府贯彻落实科学发展观，扩大内需、提高城乡居民生活水平，努力实现经济发展方式的转型。这样的原因解读，不仅让学生认识到政府根据经济发展的客观规律，充分发挥消费对经济的拉动作用，实现经济发展方式的转型，而且还能真正体会到政府在制定和实施消费政策时同样始终坚持提升人民生活水平、满足人民需要这一社会主义生产的本质与目的，从而有利于学生树立以人民利益为最高的价值标准和价值追求。 学会筛选、分析、解读数据，是大数据时代生存发展的必备技能。普通高中教科书中的数据，作为一种教学资源，不应该只停留于浅显的阅读文本层次上。我们需要站在培养学生适应时代发展要求的新高度来解读，将知识、能力、情感态度价值观等目标融入经济数据的教学之中，让枯燥的、抽象的，甚至是呆板的、冷漠的经济数据富有灵性，充满情感。 (责任编辑：刘丹)
第二篇：读《大数据时代》有感：大数据与小生活
大数据与小生活
--读《大数据时代》有感
施佳驰
不知从什么时候开始，"大数据"这个词悄然成为了我们的常用词汇;我们也不知从什么时候开始，迈进了"大数据时代".那么，大数据时代究竟是一个怎样的时代?英国"大数据时代的预言家"维克托迈尔·舍恩伯格和肯尼思 库克耶的《大数据时代》对此有着详细而深刻的洞见。
一、什么是大数据?
根据《大数据时代》中所说，"大数据是人们在大规模数据的基础上可以做到的事情，而这些事情在小规模数据的基础上是无法完成的。大数据是人们获得新的认知、创造新的价值的源泉，大数据还为改变市场、组织机构以及政府与公民关系服务。"、"大数据即一种新型的能力：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。" 大数据有两层含义，第一层含义，大数据是一个总结性的概念，是对海量数据的总称;第二层含义即书本中所指出的，是一种新型的能力与方式。区别于小规模数据时代的抽样分析，大数据时代，分析的样本不再需要经过抽样，直接将全体数据进行更快更准确地分析。
二、大数据的核心是什么?
大数据的核心应当是减少冗余，提高资源配置效率。根据收集到的数据分析、挖掘出庞大数据库独有的价值，以便进行干预或提供相应的资源与服务。自古以来，人类社会的发展便是资源配置不断优化的过程，大数据作为一种新型的生产工具，它能让我们通过分析海量的数据，得知该如何更有效地分配稀缺的资源。
如医院通过对某个病人病史、生活习惯、衣食住行、工作娱乐情况等进行全方位分析，便可以准确了解病人的生活情况与生活环境，精确地指出症结引起原因所在，只要建议病人针对引起病源的因素做出调整或进行医学干预，便可以了，避免了对病人过多的用药与过大范围的盲目干预。
同样的道理，如果银行通过分析某一申请人的家庭情况、消费历史、生活习惯、财务习惯、网页浏览记录等各方面的数据，便可以清晰了解此申请人各方面的情况，甚至可推测其内心的真实想法与将要采取的做法，从而判断申请人的贷款申请资格，决定该不该授信，授信多少等内容，所有的信息在大数据时代，能在系统中搜索一下，几分钟便能全部收集完成。相比以前，()申请人申请后，银行得派出两名客户经理上门进行访问、调查、收集电信、征信等多方面的信息，再进行人工分析、鉴别等过程，耗费的时间多不说，风险也相对更高。
可见，大数据的运用不但提高了工作效率，节省了机构与申请人的时间，更能基于精确的信息，确保风险可控，且保证了授信给该申请人的正确性，将有限的资金用在刀刃上，提高资源配置质量。
三、什么是大数据思维?
书中指出，大数据思维是一种意识，认为公开的数据一旦处理得当就能为千百万人急需解决的问题提供答案。大数据与三个重大的思维转变有关：首先，要分析与某事物相关的所有数据，而不再依靠分析少量的样本;其次，乐于接受数据的纷繁复杂，而不再追求精确度;最后，我们的思维不再探求难以捉摸的因果关系，转而关注事物的相关关系。
大数据思维应当是一种意识，认识到大数据的无穷威力，并积极拥抱这个繁荣的时代;世界上的一切都是信息，都是可以量化分析的信息。如果将相关的信息进行交互分析，便能获得"上帝的视觉"——窥视知道分析对象的一切，包括所思所想;获得的信息可以通过类比，准确推测分析对象的想法以及未来行为;根据推测出来的内容进行干预或服务，从而获得商业机会;在一切均有记忆、一切均能收集、能更加准确预测未来的时代，我们或许受困于过去的行为;在这个时代，对隐私权、公平与正义的探讨上升至一个新的语境。
四、新的时代，我们该怎么办?
老子说，无为而治。因此，我们还是该吃饭就吃饭，该逛街就逛街，想吃甜点便吃甜点，过自己的生活，努力自己的工作。大数据是一种意识，更是一种工具，所有的工具最终都是为了让我们生活得更加方便、更加如意，而作为最高智慧生物的我们，要做的，便是习学如何通过这新的工具，改造世界，创造生活。
当然，西方也有谚语：预测未来最好的办法是创造未来。面对新的时代，我们，努力将生活过成自己想要的样子，便是最好的信条。
第三篇：大数据时代
“大”数据时代 众所周知，数据本身就蕴藏着价值，但是将有用的数据与没有价值的数据进行区分看起来可能是一个棘手的问题。
显然，您所掌握的人员情况、工资表和客户记录对于企业的运转至关重要，但是其他数据也拥有转化为价值的力量。一段记录人们如何在您的商店浏览购物的视频、人们在购买您的服务前后的所作所为、如何通过社交网络联系您的客户、是什么吸引合作伙伴加盟、客户如何付款以及供应商喜欢的收款方式……所有这些场景都提供了很多指向，将它们抽丝剥茧，透过特殊的棱镜观察，将其与其他数据集对照，或者以与众不同的方式分析解剖，就能让您的行事方式发生天翻地覆的转变。
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。
“大数据”这个术语最早期的引用可追溯到apache org的开源项目Nutch。当时，大数据用来描述为更新网络搜索索引需要同时进行批量处理或分析的大量数据集。随着谷歌MapReduce和Google File System (GFS)的发布，大数据不再仅用来描述大量的数据，还涵盖了处理数据的速度。
早在1980年，著名未来学家阿尔文·托夫勒便在《第三次浪潮》一书中，将大数据热情地赞颂为“第三次浪 潮的华彩乐章”。不过，大约从2009年开始，“163大数据”才成为互联网信息技术行业的流行词汇。美国互联网数据中心指出，互联网上的数据每年将增长50%，每两年便将翻一番，而目前世界上90%以上的数据是最近几年才产生的。此外，数据又并非单纯指人们在互联网上发布的信息，全世界的工业设备、汽车、电表上有着无数的数码传感器，随时测量和传递着有关位置、运动、震动、温度、湿度乃至空气中化学物质的变化，也产生了海量的数据信息。
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”。
大数据就是互联网发展到现今阶段的一种表象或特征而已，没有必要神话它或对它保持敬畏之心，在以云计算为代表的技术创新大幕的衬托下，这些原本很难收集和使用的数据开始容易被利用起来了，通过各行各业的不断创新，大数据会逐步为人类创造更多的价值。
第四篇：大数据时代银行
近年来，大数据热潮引发了一场思维、生产和生活方式的重大变革，可以说开启了全新的时代。对于天然具有数据属性的金融业来说，一方面，大数据能够为金融机构的经营管理提供充分的信息支持;另一方面，大数据滋生的新型金融业态对传统金融机构带来了严峻挑战。在这场社会大变革中，金融机构将如何应对，非常令人期待。为此，本刊邀请了多位金融机构的高级管理者以及业内专家，共同探讨大数据时代金融业的变革与发展。
近十年来，中国银行业的改革发展取得了令世界瞩目的成就。在今年《银行家》《福布斯》发布的大企业排行榜和市值排名上，五家大型商业银行均已跻身世界前列。随着以移动互联网、云计算、“大数据”和物联网为代表的信息革命的兴起，银行业又一次面临新的机遇和挑战。中国银行业能否用好大数据，实现经营、管理和服务创新，决定了其未来的可持续发展能力。
银行业已初步具备运用大数据的基础
大数据是信息技术与互联网产业发展到特定阶段的产物，从互联网到物联网，从云计算到大数据，信息技术正在从产业基础走向产业核心。而银行业作为与信息技术深度结合的行业，互联网思维和决策数据化已开始嵌入经营管理的全流程。大数据实质是“深度学习”，能够为银行提供全方位、精确化和实时的决策信息支持。银行的经营转型、产品创新和管理升级等都需要充分用好大数据。目前，银行在客户分析、风险管理方面对大数据运用已初步积累了一定的经验，为未来过渡到全面大数据运用奠定了良好基础。
20世纪90年代，随着信息技术发展，国内银行业顺应潮流，将信息技术广泛应用到业务处理和内部管理，以提高服务管理效率。进入21世纪，大银行率先推进系统大集中和数据大集中，整合原有分散化的信息系统，不断适应加快产品创新、提升客户体验等市场需求，建立数据仓库和数据平台，信息化程度不断提高。近几年，银行业大力发展面向客户的新一代核心业务系统，信息系统建设日趋完备，电子银行等在线金融服务大幅增长，在提升客户体验和风险管控能力、满足监管各项要求的同时，形成并储存了庞大的可用数据资源。银行业的数据资源不仅包括存贷汇核心业务结构化数据，也包含客户电话语音、在线交易记录、网点视频等非结构化数据。
中国建设银行(以下简称建设银行)从2011年开始建设企业级全行共享的新一代核心业务系统，以客户为中心、面向服务设计架构，实现业务与IT融合、产品快速创新的目的，目前已初具规模。特别是在新一代系统设计中，充分考虑数据储存和应用的重要性，并专项设置了数据集成层模块，包括数据缓存区、数据记录系统、历史数据存储、分析数据仓库、实时数据仓库、公共数据集市。
银行业开始尝试接入和整合外部数据资源。在传统的数据分析模式下，银行业出于市场分析、内部管理、监管需要，产生并记录了巨量的文本式结构化数据，涉及客户账户资金往来、财务信息等，以及网银浏览、电话、视频等非结构化数据。但是，传统意义上的银行仅能掌握客户与银行业务相关的金融行为，无法获得客户在社会生活中体现兴趣爱好、生活习惯、消费倾向的情感或行为数据，无法与业务数据形成联动。随着电子商务的快速发展和移动金融的深化，银行业逐步加强与外部数据源对接，甄别有效信息，整合多渠道数据，丰富客户图谱。目前，已有多家银行进行了有益尝试。
一是银行与电商平台形成战略合作。银行业共享小微企业在电商平台上的经营数据和经营者的个人信息，由电商平台向银行推荐有贷款意向的优质企业，银行通过交易流水、买卖双方评价等信息，确定企业资信水平，给予授信额度。建设银行曾在这方面做过有益的尝试。此外也有银行参股电商、开展数据合作的案例。
二是银行自主搭建电商平台。银行自建电商平台，获得数据资源的独立话语权。在为客户提供增值服务的同时，获得客户的动态商业信息，为发展小微信贷奠定基础，是银行搭建电商平台的驱动力。2012年，建设银行率先上线“善融商务”，提供B2B和B2C客户操作模式，涵盖商品批发、商品零售、房屋交易等领域，为客户提供信息发布、交易撮合、社区服务、在线财务管理、在线客服等配套服务，提供的金融服务已从支付结算、托管、担保扩展到对商户和消费者线上融资服务的全过程。
三是银行建立第三方数据分析中介，专门挖掘金融数据。例如，有的银行将其与电商平台一对一的合作扩展为“三方合作”，在银行与电商之间，加入第三方公司来负责数据的对接，为银行及其子公司提供数据分析挖掘的增值服务。其核心是对客户的交易数据进行分析，准确预测客户短时间内的消费和交易需求，从而精准掌握客户的信贷需求和其他金融服务需求。
银行业有处理数据的经验和人才。数据分析和计量模型技术在传统数据领域已得到较充分运用，同时也培养出大批精通计量分析技术的人才。如在风险管理方面，我国金融监管部门在与国际接轨过程中，引入巴塞尔新资本协议等国际准则，为银行业提供了一套风险管理工具体系。银行在此框架下，利用历史数据测度信用、市场、操作、流动性等各类风险，内部评级相关技术工具已发挥出效果，广泛应用于贷款评估、客户准入退出、授信审批、产品定价、风险分类、经济资本管理、绩效考核等重要领域。
银行已初步尝试应用大数据。我国银行业大规模运用大数据技术尚不成熟，但多家银行已从关键点、具体业务入手应用大数据挖掘技术，解决效率提升中的难题。例如，有的银行提供集电话、网络在线、客户端、微博、微信于一体的整合服务平台，也有的银行信用卡中心开发智能云语音，着眼于客服语音信息的挖掘和分析，通过对海量语言数据的持续在线和实时处理，为服务质量改善、经营效率提升、服务模式创新提供支撑，从而全面提升运营管理水平。还有些银行在个人客户营销方面，着重客户数据分析，摸索出客户行为模式和潜在需求，促成定向精准销售。例如，通过分析客户行为数据和财务数据来锁定潜在客户，根据客户行为规律，并结合其所在区域、行为内容来确定消费习惯，开展针对性营销;通过分析交易记录信息来有效识别小微企业客户，并用远程银行和云转借实施交叉销售。此外，有的银行还将其内部客户编号和微博、QQ、邮箱等相对应，将互联网数据与传统数据一起存储，建立数据库，不仅了解客户理财、基金购买等交易行为的频繁程度，还可以发现其他动态信息如出差、喜好和社交圈等。
国际同业大数据运用的经验教训
金融业大数据运用的国际经验主要体现在快速判断宏观经济趋势、分析预测客户及交易对手行为、防范欺诈、改进内部效率以及外包非核心业务等方面。
快速判断宏观经济形势。英国央行已经开始运用大数据对英国房地产市场和劳动力市场趋势作出快速判断。以前，英国央行通过统计部门发布的房地产销售数据、就业数据等，判断房地产市场和劳动力市场变动趋势，但统计部门的数据一般有数日乃至数周的时滞，不利于对形势的快速判断。目前，英国央行已通过对一些网络搜索关键词的监控，如“按揭”“房价”“职位”等，获取最新的经济运行情况。
分析预测客户及交易对手行为。由谷歌(Google)前首席信息官Douglas Merrill创办的信用评估公司ZestFinance，通过大数据技术把收集的海量碎片化数据整合成完整的客户拼图，较为准确地还原客户的真实状况和实际信用状况，并据此支持合作公司向难以从银行获得贷款的美国人提供“工资日贷款”(payday loan)。西班牙对外银行(BBVA)推出的具有记忆功能的ATM机ABIL，不但能记住客户习惯的取款金额、频率，还能根据其账户情况给出相应的取款建议。美国一些基金公司在几年前开始借助社交媒体大数据，分析市场情绪变动，进而判断未来交易是扩大还是萎缩。近期，这些基金公司进一步通过分析金融交易大数据，识别交易对手的交易特征，预判交易对手的交易动向，并采取相应的操作，以获取差价。
防范欺诈。运用大数据分析软件，可以预防信用卡和借记卡欺诈。通过监控客户、账户和渠道等，提高银行在交易、转账和在线付款等领域防御欺诈的能力。在监控客户行为时，大数据可以识别出潜在的违规客户，提示银行工作人员对其予以重点关注，从而节省反欺诈监控资源。
改进内部效率。美国银行用大数据分析该银行某呼叫中心员工的行为，通过在员工姓名牌中置入感应器，监控员工的行走线路与交谈语气，可以知道员工在工作场所的社交状况。监控结果表明，那些一起享受工间休息并相互交流的员工工作效率更高，他们可以在日常交流中分享如何应付“难缠”顾客的小窍门。美国银行发现这一现象后，即转而推行集体工间休息，此后员工表现提升了23%，而员工说话语调所反映出的压力水平则下降了19%。另外，还有些欧美银行运用大数据评价分支机构绩效并获得显著成效。
大数据的应用存在运维风险和运营风险等，前者如数据丢失、数据泄露、数据非法篡改、数据整合过程中的信息不对称导致错误决策等，后者如企业声誉风险、数据被对手获取后的经营风险等。因此，必须加强数据管控。这方面既有成功的经验，也有值得总结的教训。从已出现的问题看，最大的风险来自网络攻击和欺诈：2011年，网络银行欺诈给日本53家银行造成2700亿日元(约合225亿元人民币)的损失;2012年，诈骗集团曾攻击欧美至少60家银行的网络，盗取银行资金;2013年，国内某保险公司受黑客攻击，造成数十万保单信息泄露。为此，一是高度重视并推进统一的数据标准，并做好数据清洗，保证数据质量。二是审慎划定数据边界，合理开展内外部数据共享和非核心数据业务外包。三是大数据下应更加重视隐私保护和信息安全，加大对反网络攻击的投入。
推动大数据应用的策略
党的十八大提出坚持走中国特色新型工业化、信息化、城镇化、农业现代化道路，信息化已升级为国家战略。我国银行业加快大数据应用不仅具有行业意义，而且对于推动我国信息化进程、服务“新四化”发展也有重要作用。我国银行业要从战略高度充分认识到大数据分析、运用的重要性，从管理体系建设、具体运用模式方面不断探索，打造银行业在大数据时代的核心竞争力。
建立完善的大数据工作管理体系。银行业应充分认识大数据的重要性，在总行层面建立大数据工作推进机制，制定大数据工作规划，主管数据部门对大数据工作进行统筹规划、组织协调、集中管理，业务部门承担大数据采集、分析和应用的职责，全面定义、收集、多方式整合集团内外部各类数据，形成管理数据、使用数据和推广数据的有效工作机制。
增强数据挖掘与分析运用能力。在银行内部全面推广基于数据进行决策、利用信息创造价值的观念，引进数据挖掘和大数据运用专业方法和工具，培养专业数据挖掘分析人才队伍，重视人才的经济金融、数学建模、计算机新型算法等复合型技能，建立前瞻性的业务分析模型，把握、预测市场和客户行为，将数据深度运用到业务经营管理过程，利用数据来指导工作，设计和制定政策、制度和措施，做到精准营销和精细管理。
以大数据技术促进智慧银行建设。推动大数据向生产力转化，加快产品创新实验室的技术研发，把实验室成熟产品运用于客户的营销和服务，推进智慧银行建设，把技术创新优势转化为竞争优势。网点服务要运用好大数据等技术成果，推广普及智能叫号预处理、远程银行VTM、电子银行服务区、智能互动桌面、人脸识别等创新服务，将传统银行服务模式和创新科技有机结合，利用智能设备、数字媒体和人机交互技术为客户带来“自助、智能、智慧”的全新感受和体验。智慧网点在建设推广中，还应充分采用用户交互技术和体验设备，吸引客户浏览、试用、比较各类金融产品，辅以工作人员推荐，从地域、客户、产品等多种维度，挖掘客户需求，实现对合适客户、在合适时间、通过合适渠道、推荐合适产品。
建立基于大数据分析的定价体系。当前，资金的交易变动频率和流动性加快，大数据从更宽广角度，预判负债的波动情况，能更灵活测算是否满足监管要求和贷款需求变化，从而为银行以存定贷、以贷吸存策略提供量化支撑，可有效降低资金成本。银行还要运用大数据分析，建立起综合服务和信贷差异化定价体系，做到对不同产品、不同行业、不同区域实施差别化定价，最终实现一户一策的综合化、差异化服务，提升精准营销水平。例如，将对公、对私客户逐步纳入定价系统，进行客户选择，不同服务内容享受不同信贷优惠，达到差别化定价和客户最佳体验的双重目的。
依托大数据技术提升风险管理水平。大数据能较好地解决传统信贷风险管理中的信息不对称难题，提升贷前风险判断和贷后风险预警能力，实现风险管理的精确化和前瞻性。大数据时代，银行业可以打破信息孤岛，全面整合客户的多渠道交易数据，以及经营者个人金融、消费、行为等信息进行授信，降低信贷风险。如建设银行依托“善融商务”开发出大数据信贷产品“善融贷”后，银行可实时监控社交网站、搜索引擎、物联网和电子商务等平台，跟踪分析客户的人际关系、情绪、兴趣爱好、购物习惯等多方面信息，对其信用等级和还款意愿变化进行预判，在第一次发生信贷业务，缺乏信贷强变量情况下，及时用教育背景、过往经历等变量进行组合分析，以建立起信贷风险预警机制。由历史数据分析转向行为分析，将对目前的风险管理模式产生巨大突破。
大数据是信息革命中非常前沿且快速发展的技术，银行业要抓紧解决内部数据挖掘分析和外部资源的安全整合利用问题，加快人才队伍建设和技术成果转化，通过大数据的高效应用，加速推进银行业的转型升级和可持续发展
第五篇：大数据时代下数据挖掘技术与应用
【摘要】人类进入信息化时代以后，短短的数年时间，积累了大量的数据，步入了大数据时代，数据技术也就应运而生，成为了一种新的主流技术。而研究数据挖掘技术的理念、方法以及应用领域，将对我国各个领域的未来带来更多的机遇和挑战。本文就大数据时代下数据挖掘技术与应用进行探究。
【关键词】大数据，数据挖掘，互联网
数据挖掘是一门新兴的学科，它诞生于20世纪80年代，主要面向商业应用的人工只能研究领域。从技术角度来看，数据挖掘就是从大量的复杂的、不规则的、随机的、模糊的数据中获取隐含的、人们事先没有发觉的、有潜在价值和知识的过程。从商业角度来说，数据挖掘就是从庞大的数据库中抽取、转换、分析一些潜在规律和价值，从中获取辅助商业决策的关键信息和有用知识。
1.数据挖掘的基本分析方法
分析方法是数据挖掘的核心工作，通过科学可靠的算法才能实现数据的挖掘，找出数据中潜在的规律，通过不同的分析方法，将解决不同类型的问题。目前常用的方法有聚类分析、特征数据分析法、关联性分析等。
1.1聚类分析法。简单来说聚类分析就是通过将数据对象进行聚类分组，然后形成板块，将毫无逻辑的数据变成了有联系性的分组数据，然后从其中获取具有一定价值的数据内容进行进一步的利用。由于这种分析方法不能够较好的就数据类别、属性进行分类，所以聚类分析法一般都运用心理学、统计学、数据识别等方面。
1.2特征性数据分析法。网络数据随着信息时代的到来变成了数据爆炸式，其数据资源十分广泛并且得到了一定的普及，如何就网络爆炸式数据进行关于特性的分类就成为了当下数据整理分类的主要内容。此外还有很多方法都是通过计算机来进行虚拟数据的分类，寻找数据之间存在的普遍规律性完成数据的特性分析从而进行进一步分类。
1.3关联性分析法。有时数据本身存在一定的隐蔽性使得很难通过普通的数据分析法进行数据挖掘和利用，这就需要通过关联性分析法完成对于数据信息的关联性识别，来帮助人力完成对于数据分辨的任务，这种数据分析方法通常是带着某种目的性进行的，因此比较适用于对数据精准度相对较高的信息管理工作。
2.数据挖掘技术的应用
数据挖掘技术的具体流程就是先通过对于海量数据的保存，然后就已有数据中进行分析、整理、选择、转换等，数据的准备工作是数据挖掘技术的前提，也是决定数据挖掘技术效率及质量的主要因素。在完成数据准备工作后进一步对数据进行挖掘，然后对数据进行评估，最后实现运用。因此，数据挖掘能够运用到很多方面。如数据量巨大的互联网行业、天文学、气象学、生物技术，以及医疗保健、教育教学、银行、金融、零售等行业。通过数据挖掘技术将大数据融合在各种社会应用中，数据挖掘的结果参与到政府、企业、个人的决策中，发挥数据挖掘的社会价值，改变人们的生活方式，最大化数据挖掘的积极作用。以教育行业为例，探究数据挖掘技术在高校教育教学活动中的应用。
2.1在高校管理中的应用。数据挖掘技术在高校管理的内容主要包括：高校招生录取工作、贫困生选定以及优秀生评定等。高校每年的招生工作是学校可持续发展的重要环节，直接影响到高校教学质量以及发展情况。比如数据挖掘技术在高校管理中的应用主要是对学生高考成绩、志愿填报、以及生源来源地等多方面信息进行整理分类汇总。具体步骤是通过进行数据的收集和预处理，建立相关数据模型，采用分类算法，提取和挖掘对用户有用的信息，然后进行数据挖掘的数据存储形式。目前高校数据挖掘技术应用的范围比较广泛，由于高校管理内容比较复杂，因此在其管理内容的每个小部分也开始利用数据挖掘技术进行管理，比如学生成绩管理，课堂教学评价系统等。
2.2在高校课堂教学评价中的应用。数据挖掘技术在高校课堂教学评价系统中的应用主要也是利用关联分析法。首先先对数据进行预处理工作，数据的预处理是数据挖掘技术的关键步骤，并且直接影响着数据挖掘技术的应用效率。数据预处中要将教师的基本信息、教师教授课程以及教师的职称、学历、学生信息以及学生课表相关信息进行数据初始记录。对于教师的评价内容根据高校自身的条件和需求而定，学校教学评价管理部门登录学校教务系统后，将学生所选择的选项对应转换为教师的分值，通过计算机计算总分后得出教师的学期得分。学生对于教师教学的评价在一定程度上也反映了自己的学习情况，如对教师的评价为零分，则说明学生也否定了自己的学习效果。 2.3在高校学生信息管理系统中的应用。高校学生信息管理系统中管理要素主要是学校的领导、任课教师、学生以及家长。系统的功能要包括：对不同的用户设置不同的使用权限;对学生的基本信息以及学生浏览管理网站的记录要做到明确记录;各个学院不同专业的学生课程要能准确公布并允许学生根据实际情况修改;成绩管理要能实现大批量添加及修改;还有比如评优活动、党务管理等具体功能。数据挖掘技术在高校学生信息管理系统中的应用主要是利用决策树的方法。学生信息管理的基本数据就是学生入学时填写的基本信息表，内容包括学生的姓名、学号、考勤以及学习成绩等，这些都是学生特有的属性，学生信息管理利用决策树方法就是将学生的这些属性作为决策元素，监理不同的决策节点，实现对学生全方位的考核和评价，完整的了解到每位学生的具体信息。
2.4高校图书馆信息系统中的应用。数据挖掘技术最基本的应用就是通过对现有的数据进行分析来了解学校图书馆现有资源利用情况，为图书馆的未来建设提供可靠数据。数据挖掘技术能够使图书馆资源得到极大程度的优化整合。比如数据挖掘技术可以对检索记录进行整理，将手工数据转变为电子数据记录。其最大的优势就是利用数据挖掘技术更加全面的分析总结数据库资源，帮助图书馆管理人员对于图书馆信息的补充和调整，还能够为高校图书馆的馆藏工作建设提供有效的引导。数据挖掘还能应用于图书馆的多媒体数字资源，多媒体数据挖掘技术能够更为快捷和准确的为读者提供相应的服务。
3.结语
数据挖掘技术是近几年新产生的网络技术，可是它的广泛应用性受到了很多公司以及研究人员的喜爱。这些年来，伴随着时间的推移以及网络技术的不断发展大数据挖掘技术不断的被更新，开发，而且在金融、管理、教学等行业中都得到了广泛的应用。我相信随着网络技术的不断发展，大数据挖掘技术的应用面将会越来越广。
【参考文献】
[1] 董彩云 ， 曲守宁 . 数据挖掘及其在高校教学系统中的应用 [J]. 济南大学学报 ( 自然科学版 )，2004(1)： 65-68.
[2] 陆川，王静静.数据挖掘技术在高校教学管理中的应用研究[J].北京：电脑开发与应用，2009，3.
[3]《中国电子科学研究院学报》编辑部.大数据时代[J].中国电子科技研究院学报，2013(01)：41-43. [4]魏娟，梁静国.基于数据挖掘技术的企业客户关系管理(CRM)[J].商业研究，2005(07).