時間：2023-04-01 10:06:57
緒論：在尋找寫作靈感嗎？愛發表網為您精選了8篇大數據論文，愿這些內容能夠啟迪您的思維，激發您的創作熱情，歡迎您的閱讀與分享！
客戶關系管理是基于對客戶數據的充分分析而進行的，作為客戶關系管理的重要分支，數據處理與分析對客戶生命周期管理的重要意義不言而喻。大數據時代下，隨著數據處理工具與軟件的飛速提升，對客戶生命周期管理產生了新的革命。各類微信、網站等自媒體工具的發展更是為客戶生命周期管理注入新的生機。
(一)大數據促進精準化傳播溝通
利用各種數據信息的交叉檢索，有助于樓盤項目尋找目標客戶，并精準化信息。傳統精準傳播方式包括短信和DM直郵，但在大數據時代下，利用微信和網站等各種自媒體渠道工具，可以發送更多直觀互動的信息。尤其在企業已實現酒店、百貨、地產、消費品零售等跨行業規模化運作的時候，數據的綜合利用顯得尤為重要。通過將企業各業務模塊的數據進行搜集和綜合處理，可以確保客戶資源的共享，更有利于企業品牌的傳遞，使客戶在未到訪樓盤項目售樓處之前，就已經對企業的實力建立信心。
(二)大數據有助于客戶篩選
跟進傳統的樓盤項目客戶登記方式為紙質的上門客戶登記本，大部分項目均未實現上門客戶信息的電子化。借助明源軟件、金鵬軟件等銷售軟件及身份證識別器工具，可以推動客戶信息電子化的錄入，并提升客戶信息的準確度。對客戶的來源、性別、職業、置業需求等各類基礎數據的匯總和交叉分析，能提升客戶的精準跟蹤，并結合客戶的銷售抗性進行有針對性的溝通，促進項目銷售。
(三)利用數據化工具維護
成交業主滿意度大部分樓盤項目在客戶成交后，缺乏有效維護。在房地產行業圈層口碑效應不可忽視的背景下，客戶成交往往意味著新的生意的起點。利用數據化的工具對成交客戶進行跟蹤維護，有利于持續跟進客戶對樓盤項目的各種反饋，促進老帶新的口碑傳播、推薦以及重復購買，亦可持續提升客戶的滿意度。
(四)利用大數據進行業主需求
維護隨著建筑科技與智能化的不斷發展，居住環境也在不斷升級。以往的開發商客戶關系維護，僅到業主入伙截止。事實上，業主入伙居住后，對業主居住需求的跟蹤和維護也是非常重要的。物業公司可以配合開發商，通過組織各類業主活動，獲知客戶的需求，例如：搬遷至另一個城市工作——產生異地置業的需求；對目前的居住環境產生升級換代的需求——產生新的高檔次項目的購買需求等；這些種種需求，都是客戶購買同一品牌樓盤項目的機會，通過對客戶關系的維系，產生客戶品牌忠誠，對于規模化開發的大企業尤為重要。
二、結束語
在橋梁工程中，數據按時間上的劃分可以分為兩類，靜態數據與動態數據。靜態數據主要指橋梁的相關信息資料庫與科學實驗產生的數據。信息資料庫是一種相對靜態數據，因為這些數據資源每過一段時間將更新一次。各國家和各地方政府部門基本建立了橋梁工程資料庫及相關系統，列舉出主要國家和地方政府的橋梁管理系統，包括建成時間、系統功能、與建設部門等。除國家政府部門外，各科研單位也在完善各自的橋梁統計分析系統，系統中主要包括橋梁的橋型、跨徑、材料、建成時間等基本信息，還包括橋梁的病害、橋梁狀況評定等相關內容。橋梁的科學試驗數據主要來源于各大高校和科研單位科學研究中的模型試驗、振動臺試驗、風動實驗、橋梁的荷載試驗等產生的數據。這類數據的有效分析處理形成各類科學研究成果，但是此類數據的開放程度低，造成數據資源的極大浪費。橋梁的動態數據主要來自于橋梁的施工監控和成橋運營階段健康監測系統，此類數據由安裝在橋梁上的實時監測傳感器獲得，包括位移傳感器、速度傳感器、加速度傳感器、應變計、溫度計、風速儀、GPS等。統計了國內部分橋梁健康監測系統的傳感器數量以及安裝時間。各類傳感器配以相關的采集系統來獲得數據信息，再通過相關軟件分析、處理，從而掌握橋梁的實時健康狀況，對橋梁的狀態進行評估與預測。整個橋梁健康監測體系。
2開發橋梁工程領域大數據資源意義
利用橋梁的靜態數據庫，可以了解橋梁的基本信息，為全國的橋梁統計、普查與管理提供信息資源。科研數據的開放有助于學術界的交流、創新，取得更為豐富的科研成果。橋梁動態數據包括施工監控數據與成橋運營階段的監測數據，充分利用與挖掘大數據資源，可以提高橋梁的施工質量、加快施工進度，提前預測和解決施工過程中可能出現的問題，減少質量事故和經濟損失。成橋運營階段的監測數據主要為橋梁的健康狀況評估提供依據，掌握橋梁所處的狀態，分析、處理數據資源，提高預測、分析、解決問題的能力。可為同類橋梁的施工管理與養護等，提供寶貴經驗。同時大數據資源的開放、共享，有助于節約國家資金和社會資源。
3存在問題及解決方法
（1）最先遇到的也是最棘手的問題是數據的去冗、去噪，從海量數據中挖掘大數據資源價值。目前，所列一座特大橋上各類傳感器每天采集的數據達到幾個GB到幾十GB，甚至上百GB，如此海量的數據如何去處理，有效剔除無用的信息，找尋剩余有用的信息，從而產生新的價值、新的資源。這也是在大數據時代有效利用大數據資源要解決的首要問題。解決這一問題的主要途徑是編譯相關的去冗、去噪的智能分析軟件，同時可以利用云計算、云分析、云管理等方法來提高解決這一問題的效率，使大數據變為有用數據，做到真正智能化分析。
（2）現在各政府部門和科研單位，都在做自己的橋梁信息庫以及監測研發數據庫等，而且大多數數據庫都是相類似、重復的。這樣造成資源的極大浪費，包括勞動力、資金等。解決這一問題的有效途徑是加強政府部門、科研單位內部以及之間的相互合作，開放和共享數據資源，這也是大數據時代的必然趨勢。各部門和科研單位可以有步驟、分階段地開放共享各自所擁有的數據資源，不論是采用付費或免費的方式。
（3）由于大數據具有“4V”等特點，在大數據研究的初期階段，大數據的價值還未充分體現時，要儲存、分析、利用大數據資源，需有軟件、硬件等基礎設施的投入，國家和科研單位應提供專項資金的支持，同時國家可制定相關鼓勵支持政策。
（4）在大數據時代成熟以后，應建立相關法規，規范和保護數據的開發利用，制訂相關統一標準，提高數據的使用效率。
4結語
1.1大數據對大量數據信息的處理
由于歷史文化名城展示與利用涉及到的內容很多，包括歷史學、地理學、建筑學、社會學、景觀生態學等，與此同時，隨著科學技術的進步，先進的數據采集、建筑測繪等軟硬件設施已經大量應用于歷史文化名城的展示與利用當中，在此過程中產生了數量龐大的數據信息，而大數據能夠對這些龐大的數據信息進行快速準確的處理．所謂“大數據”就是指需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產．例如，三維激光掃描技術是一種通過激光反射的原理，將被測量對象通過三維激光掃描系統的處理，構建成一整套的點云數據模型，在此基礎上，通過專業的三維軟件技術對于被測對象進行逆向的數字化構建，從而能夠進行后續的數字化的研究與利用．在此過程中，點云數據會大量涌現，尤其是對于展示與利用真實性要求更高的項目而言，所產生的數據將會無限接近于真實的被測對象，數據會呈現出幾何數量級增長．數據量大，能夠促進歷史文化名城展示與利用在探索方法和研究理念的層面上產生根本性的變革．對于早期的歷史文化名城的展示與利用來說，由于受到認知性和數據分析能力的影響，人們就某一處歷史文化名城的展示與利用的形式、內容以及方法上，僅僅是能夠通過數量有限的樣本案例和數據資料，利用較為傳統的技術手段進行數據的分析、評估和管理．大數據的應用，能夠將大量的歷史文化名城的相關信息進行有目的性的篩選和處理，為展示利用的方式、方法在名城中的應用，提供了較為全面和具體的對策措施，提高展示利用實施的精確性．
1.2大數據對多樣數據類型的處理
歷史文化名城在展示利用時涉及到的數據繁多復雜．單就其中的某一處歷史建筑來講，《歷史文化名城、名鎮、名村保護條例》對建筑本身的歷史檔案包括了5項內容:1)建筑藝術特征、歷史特征、建設年代及稀有程度;2)建筑的有關技術資料;3)建筑的使用現狀和權屬變化情況;4)建筑的修繕、裝飾裝修過程中形成的文字、圖紙、圖片、影像等資料;5)建筑的測繪信息記錄和相關資料．除此之外，還有關于歷史沿革、歷史事件、地名典故、名人軼事等資料．上述幾項內容，基本涵蓋了一處歷史建筑的歷史價值和人文價值，這些詳細資料，在歷史文化名城的展示利用時會起到舉足輕重的作用．在歷史文化名城的展示利用的過程中，數據的類型非常多，有圖片資料、文字資料、影像資料、圖紙資料、點云數據等．在以往展示利用處理數據信息的時候，利用傳統的數據處理技術，事先定義好結構化的數據．結構化數據是將對象數據向便于查詢、處理的方向抽象的結果．結構化數據即行數據，存儲在數據庫里，可以用二維表結構來邏輯表達實現的數據．結合到典型場景中更容易理解，比如企業ERP、財務系統;醫療HIS數據庫;教育一卡通;政府行政審批;其他核心數據庫等．在結構化數據過程中，通常會忽略一些特定條件之下所不必考慮的細節，篩選出有用信息．隨著互聯網技術、展示利用技術以及測繪技術的快速發展和演進，非結構化的數據大量的出現，難以用結構化來進行表示，在存儲記錄數據的同時還要儲存數據的結構，增大數據存儲和處理的難度．相對于結構化數據而言，不方便用數據庫二維邏輯表來表現的數據即稱為非結構化數據，包括視頻、音頻、圖片、圖像、文檔文本等形式．具體到典型的案例中，如醫療影像系統、教育視頻點播、視頻監控、國土GIS、設計院、文件服務器PDM/FTP)、媒體管理等具體應用資源，這些行業對于存儲需求包括數據存儲、數據備份以及數據共享等．目前在歷史文化名城展示與利用當中，所利用的數據大部分都是非結構化的數據，而這些非結構化的數據將會逐漸成為主流化的數據．隨著歷史文化名城保護的發展，與展示利用相關的影響因子指標數量上必定會更加的豐富和細化．為了滿足歷史文化名城展示與利用的目的，在相關數據激增的同時，新的數據類型還會不斷出現，很難用一種或是幾種規定的模式來描述趨于復雜、多樣性的數據形式．而大數據與傳統的數據處理方式最大的不同之處就是，它在非結構化數據和信息的方面能夠最大限度地將大量歷史文化名城展示與利用的相關影響因子指標的細節信息進行數據非結構化，可以減少在數據處理過程當中的數據流失現象，為展示與利用提供更加充分的情報信息與技術支撐．
1.3大數據對數據信息的快速處理
由于科學技術水平的飛速發展和普及，數據越來越龐大，必須有相應的數據處理能力才能夠將大量的數據進行充分而有效的利用．歷史文化名城的展示與利用發展到今天，展示利用的相關數據除了具有傳統屬性以外，還具有時效性，通常某些數據的價值會隨著時間的推移而迅速降低，能否快速準確地處理這些數據，則是充分體現它們的價值所在，而大數據的特點就在于能夠快速、持續、實時的處理數據，從而能夠滿足相關的需求．在經濟發展和大規模建設工程中，經常會忽略歷史文化名城的歷史文脈的科學展示與利用．有時會單純地將歷史文化名城的展示與利用和社會發展、自然環境及其居民生活割裂對待，這樣會惡化居民的生活環境，不利于拉動居民的消費，不利于延續傳統的歷史文脈，不利于文化產業的發展，不利于創造品牌效應，降低城市的知名度，不利于歷史文化名城的可持續發展，對傳統風貌會造成嚴重破壞．在大數據的背景下，為了保護這些稀缺的展示利用資源，使得名城保護能夠可持續發展，大數據就需要對名城的相關數據進行快速處理，及時快速的提出有效、合理的保護措施．
2大數據在歷史文化名城展示利用中數據處理的應用
2.1在歷史文化名城空間數據上的應用
在《歷史文化名城、名鎮、名村保護條例》中提到，歷史文化名城、名鎮、名村應當整體保護，保持傳統格局、歷史風貌和空間尺度，不得改變與其相互依存的自然景觀和環境;建設控制地帶內的新建筑物、構筑物，應當符合保護規劃確定的建設控制要求;核心保護范圍內的歷史建筑，應當保持原有的高度、體量、外觀形象及色彩等，從條例以上的內容描述可以看出，與歷史文化名城展示與利用的相關信息具有非常典型的空間性．歷史文化名城展示與利用中空間數據的采集，基于移動設備、互聯網絡、測繪系統、自動記錄系統、數據檔案系統等，以及通過這些系統綜合分析所產生的再生數據．大數據通過整合和深入提取這些空間數據，將這些信息進行重新利用，實現海量展示與利用的數據信息的實時處理，智能判斷以及快速決斷，為某一項歷史文化名城的展示利用提供決策依據．隨著三維激光掃描技術的逐漸成熟，在歷史文化名城的街區展示利用中，通常采用三維激光掃描技術，將歷史街區現有的建筑特征和風貌進行數據的采集和整理，之后通過計算機相關軟件的處理，恢復歷史街區傳統的風貌特征，并通過虛擬現實等技術手段將其進行一定的場景重現．
2.2在歷史文化名城數據分析上的應用
由于大數據在信息處理上具有透徹感知、廣泛互聯互通、深入智能等特點，能夠借助互聯網絡進行傳遞、協同以及共享操作，在通過利用先進的數據分析技術，深入分析收集到的展示利用的數據后，進而獲取到更加具有創新性的、系統性的、全面性的數據信息來滿足某一項歷史文化名城在這方面的信息需求．大數據在數據分析方面的應用，從過去單維度的項目計劃、項目管理和項目執行，轉變為多維度的新興的項目協作關系．在這種新的組織關系下，每一處歷史文化名城個體，在進行展示與利用項目的籌劃、設計和實施過程中，都可以精確地、自由地、即時地共享和獲得相關信息，發掘同一類型數據的共性和不同，對彼此各自的特點進行正面、真實、合理的歸納與總結，找到若干種恰當的展示與利用的方式與方法，然后進行比較和選擇，以達到最佳的展示利用的效果．大數據的應用，促進了歷史文化名城的數字化基礎構建和物理設備的相互融合，通過數據對于名城的數據采集和匯總，經過網絡實現人與物的統一與整合，之后再通過云計算技術，使其對于歷史文化名城的展示與利用的管理更加動態化、系統化．
3大數據對歷史文化名城展示利用的意義
歷史文化名城的組成是由歷史文脈和城市形態兩大重要要素構成．現在愈來愈多的人們開始呼吁政府有關部門采取有效的措施，保護和傳承歷史文化名城的歷史脈絡和注重塑造城市形態，傳承歷史記憶，展現人文氣息．在社會經濟處于重大歷史變革的今天，對于歷史文化名城傳承的思考更加具有意義．歷史文化名城的歷史文脈和城市形態通常表現為包括城市空間形態、結構形態、聚集形態等一些具有可讀性強的、城市意向明顯的、靜止性的、永久性的客觀物體．城市形態作為物質屬性，其展示利用通常是展現城市的空間輪廓、城市肌理、街道格局、風貌特征、建筑物和構筑物本體等;而歷史文脈作為非物質屬性，其展示利用通常是展現與歷史文化形態有直接聯系的演變規律、歷史事件、社會結構、社會制度、哲學思想、倫理觀念、語言文字、文學藝術、禮儀風俗以及地域文化等．歷史文脈的展示通常是結合歷史文化名城的物質空間和相關史實文獻資料的整理，采用聲、光、電等現代的技術手段將抽象的歷史文脈以一種相對具體的形式進行展示．大數據的功能和作用就是能夠把城市形態和歷史文脈等這些具有物質屬性和非物質屬性的資料信息進行數據化、數字化的統計、整理和歸納，以一種清晰的思路與方式展示歷史文化名城文化創造的成就，以生動、形象、完整的方式來詮釋歷史文化的脈絡．通過大數據在歷史文化名城形態特征的展示與利用，探索古代與現代文明相互融合的有效方式與途徑，在保持相關歷史記憶的同時，加入新的科學、技術的活力，從而促進歷史文化名城的可持續發展．從歷史文化名城的展示利用的角度來說，加強文化遺產展示與利用和促進經濟與社會發展的有機結合，探索展示利用的有效解決途徑和方式，是為歷史文化名城的展示與利用提供策劃方案、擬定策略、提供決策的科學依據．只有在保持古城的形態和歷史文脈傳承的前提下，選擇大數據的方式進行歷史文化名城的展示與利用，文化遺產本身及其遺產價值才能以更有成效、最佳的方式體現．
4結語
1.大數據的背景與特點
（1）信息規模大。大數據的發展是與互聯網息息相關的，互聯網技術的時時更新與不斷發展，無疑產生了海量數據。毫不夸張地說，無時無刻不在產生新的數據。常規數據的存儲單位一般為GB或TB，而大數據的單位往往是PB、EB甚至ZB，可見大數據的數據量之大之多。（2）數據的多樣性。以前的數據大都是結構化的數據，現在由于信息的采集、加工與傳輸技術的不斷發展，尤其是在互聯網絡上，產生各種非結構化的數據，代表性的非結構化數據包括音頻、視頻、傳感數據，互聯網上的以博客、微博為代表的文本數據等，使得數據的具體形態呈現多樣性。（3）復雜關聯性。在當今互聯網的時代，產生的各種各樣的聯系，比如在電子商務網站上購物，曾經搜索過的關鍵詞會成為電商網站制定個性化推薦、進行精準營銷的最主要依據，個人在不同的社交網站上所提供的個人信息，以及在電商網站購物所留的具體信息都可以轉成為有效的商業信息。這就表明了數據之間聯系的緊密與密度，也說明了數據間的關聯復雜性。（4）價值密度低。當然，海量的數據并不意味著海量的價值，不可能所有的信息都具有價值，如一些冗余信息。需要利用數據挖掘技術，對海量信息進行有效地提取與挖掘，找到具有價值的數據，并將其運用到商業活動中。
2.大數據時代第三方物流企業CRM面臨的挑戰
在了解了大數據的特征之后，我們便對大數據有了一個清晰的認識。那么在這個以數據為中心的大時代背景下，對第三方物流企業，對現在逐步將客戶升級為企業核心競爭力、強調以客戶為中心的第三方物流企業CRM帶來了什么樣的機遇與挑戰，值得我們深思。CRM既是一種管理理念，也是一種應用軟件，更是一種管理模式。客戶一直都是企業非常重視的資源，而且對客戶的重視早已從交易進行中擴展為注重潛在客戶（即交易尚未發生時）、重視售后管理（即交易發生后），即在整個過程中都強調客戶的地位和重要性。當今充滿信息的時代，人們更加重視客戶的管理，由此可以看出，客戶的概念已經發生很大的變化。客戶概念的泛化，無疑使客戶需求變得具有多樣性、多重性和差異性。在這個數據高速增長、信息高度發達的年代，無疑數據是驅動物流企業發展的動力。那么面對海量數據，低密度的價值數據，物流企業的數據“短板”，與客戶信息、客戶需求之間的矛盾與差距，使得物流企業在大數據時代進行客戶關系管理時面臨嚴峻的挑戰，主要體現在以下幾個方面：（1）數據不足與客戶流失控制與預測不足之間的矛盾。客戶流失一直以來就是企業面臨的重大考驗，而如何能夠有效的控制與預測客戶的流失也一直是長期討論的熱點。針對客戶流失的控制與預測，傳統的方法是建立在收集客戶信息、資料的基礎上，對客戶的滿意度進行分析。而往往這些數據是非常具有局限性的，僅僅是來自第三方物流企業自身積累的客戶服務信息，而且在分析時并沒有突出分析客戶的忠誠度。而現如今客戶的需求多種多樣，且時時變化，客戶的很多信息大多體現在社交網站或商務網站，而且信息的價值密度又比較低，造成物流企業不能很好的去收集、分析客戶的信息，去有針對性的滿足客戶需要，去提高客戶的忠誠度。因此，只能用相對少且相對固定的數據制定客戶流失控制策略，或進行客戶需求預測及市場預測，這些做法往往效果不理想。（2）數據更新不足與客戶聚類以及個性化服務不足的矛盾。對客戶數據進行聚類分析，是第三方物流企業進行客戶關系管理很重要的一個應用方面。第三方物流企業的市場管理、銷售服務等都與客戶關系管理密切相關，都是強調以客戶為中心。而根據數據對不同的客戶群體進行聚類分析能夠做到有針對性的進行管理，在降低客戶關系管理成本的同時，也能夠有效的制定實施營銷策略。而對于物流行業這樣一個數據驅動型的物流企業，數據的更新可以說是至關重要，要求及時將新的信息反饋給管理部門。而普遍的結構化數據，或已有的數據庫數據信息相對陳舊，脫離客戶不斷變化的需求，這必然導致據此制定的各項CRM策略缺少有效性，甚至是營銷策略的失誤。（3）數據類型單一與關聯性分析不足的矛盾。大量單一的客戶結構化數據對已有客戶的需求分析具有一定作用，然后對潛在客戶或提高客戶忠誠度上的作用不是很大。當前信息時代，除了傳統的結構化數據，可以通過各項技術獲得更多的半結構化的如網頁、文本等數據，及一些非機構化數據，這些數據往往和客戶的已有信息相關聯，這些數據的收集與分析，能夠為發展潛在客戶提供基礎。當前第三方物流企業大部分依舊依賴于結構化數據，數據類型比較單一，不能及時了解客戶的進一步需求或與當前需求相關的產品或服務，造成對潛在市場的忽略。（4）客戶需求變化與CRM模式滯后之間的矛盾。許多第三方物流企業對CRM的認識還停留在傳統的與客戶互動及管理方式上，雖然認識到了客戶的重要性，但是在具體客戶關系實施管理上，還存在很多問題，與信息時代的要求嚴重脫節。同時，在海量數據到來之時，又顯得力不從心，無法挖掘出有效的價值信息。這種“遲鈍”導致客戶需求得不到最大滿足，對第三方物流企業而言，面對殘酷的市場競爭，時刻把握客戶的需求，更好地為客戶服務顯得尤為重要。反之，則會導致被潛在客戶所忽視，被老客戶所拋棄，被客戶拋棄意味著企業被市場淘汰。
二、大數據在第三方物流企業CRM中的應用
1.大數據下第三方物流企業CRM框架設計
在將大數據技術應用在第三方物流企業CRM的過程中，在整個CRM框架設計中都要明確體現出整個CRM的工作都是圍繞客戶進行的。各種商業目標定義的來源是客戶，數據挖掘與分析的數據來源也是客戶，最后具體的商業應用也是作用于客戶。同時，數據的正確獲取，數據的有效預處理，數據的合理存儲，采用優秀的數據處理技術進行數據處理，以及優秀數據挖掘方法和技術的選擇與應用，這些工作都離不開信息技術。包括大規模并行處理數據庫、數據挖掘、互聯網技術、分布式文件系統和可擴展的存儲系統等。該模型以客戶信息為主線，將第三方物流企業的客戶關系管理分為三個層次：客戶信息收集層、客戶信息分析層、信息輸出———客戶服務與支持層，在整個過程中都離不開網絡技術、數據挖掘等技術層面的支持。具體說，在將大數據應用于第三方物流企業CRM中時，第一步需要通過大數據獲取技術得到足夠多的各種類型的數據，主要包括從客戶和市場等企業的外部環境，以及公司銷售記錄等內部渠道，收集各種客戶信息和市場信息，形成大數據集；第二步需要應用包括數據倉庫、數據挖掘和商業智能等技術手段對獲取的大數據集進行計算、匯總，通過“聚類分析”、“關聯分析”、“數據融合”，實現對客戶的個性化分析、競爭情報分析、市場需要變動和產品擴展分析及共性分析，得到應用型數據，這樣做的目的主要解決傳統CRM中個性化服務不足、市場拓展、市場趨勢預測不足的問題；第三步針對第二步的客戶分析，圍繞這個“中心”，把這些信息輸出給客戶或企業內部用來制定各種決策及提供服務支持，形成可行性報告，應用于服務管理、市場管理、銷售管理及物流企業管理。通過整個CRM系統，不僅成功的對客戶信息進行收集、分析、輸出，同時將客戶各種背景數據和動態數據收集整合在一起，同時將運營數據和外來市場數據經過整合、變換載進數據倉庫。不僅重視怎樣從技術上實現對大數據應用的過程，并且著重強調的是解決傳統CRM的弊端，將大數據時代物流企業CRM所面臨的問題在整個流程中進行解決。
2.大數據背景下第三方物流企業CRM應解決的問題
1國外研究綜述
1.1旅游網絡信息導引作用探究
近年來，國外學者針對無形信息流對有形人流的導引作用問題進行了有益探索，包括旅游網站信息對潛在游客導引作用的說明，旅游網站對有形人流的導引過程和導引機理分析。主要研究通過針對供需行為，對旅游網站在線服務能力和旅游網站使用者滿意度之間的協同關系進行了研究，并提出了反映網站信息流與現實人流關聯性的模型。
1.2基于網絡搜索數據的時空導引作用的定量估算研究
基于網絡搜索數據的預測研究始于醫藥領域，最早是利用網絡搜索指數提前預測出流感發病情況及流感的死亡率。在房地產方面也有類似的實證研究，發現網絡關注度對美國房屋的交易價格和交易量具有較強的預測能力；這些研究對基于網絡搜索技術的旅游行為預測研究起到促進和深化作用。在量化研究方面，主要集中在建立回歸分析模型，對美國零售業、房地產業、交通運輸業、旅游行業的產品銷量進行預測，在傳統的回歸模型的因變量中加入與預測對象有關的關鍵詞關注度指數，預測結果的精度均有較大的改善。國外在宏觀經濟領域，通過網絡搜索指數與宏觀經濟的研究主要集中在失業率、消費、股市指數、經濟現象和經濟衰退等方面。研究表明，在龐大的網絡搜索數據被網絡搜索工具記錄下來的過程中，這些龐大的搜索數據與現實的社會行為之間存在一定的相關性。在旅游網絡行為方面成果較少，大部分研究側重于網絡整體性信息與某些社會行為宏觀的、概括性的關聯性研究。
2國內研究綜述
目前，我國學者對大數據相關問題研究較多，應用在各個領域，在旅游方面的研究主要集中在三個方面：大數據出現后對旅游業帶來的影響研究；具體搜索引擎的數據與實際旅游市場需求的相關性研究；利用搜索引擎數據對旅游市場的預測方法研究。
2.1大數據對旅游業帶來的影響研究
伴隨著大數據、云計算的產生及在各個領域的應用，很多學者提出了旅游大數據的概念，并從旅游大數據的產生，旅游大數據的挖掘，旅游大數據的應用方面提出了見解。伴隨著網絡技術的發展，旅游企業及用戶對網絡的使用，導致旅游數據信息爆炸性的增長，旅游數據已經形成一個巨大的海量信息空間，這些海量數據的產生，如何應用這些數據，找出規律，應用在旅游業當中。在大數據的挖掘方面，大多采用關聯分析對旅游數據進行搜索，并從中找出出現概率較高的模式，或者通過數據的聚類與分類，分析旅游數據的相似性，為決策者提供決策支持。大數據在旅游行業的運用方面主要提出在旅游市場營銷，線路優化、挖掘有價值的旅游信息方面。
2.2具體搜索引擎的數據與實際旅游市場需求的相關性研究
在大數據與實際旅游市場相關性研究方面成果較多，在搜索引擎的的選擇方面，國內研究大多選擇百度指數這種海量免費數據，并通過百度指數的搜索量和實際游客量之間的關系分析，主要研究體現在：搜索關鍵詞的選取技術；網絡信息流和實際游客量之間存在正相關性，網絡空間信息流是一種重要的“前兆”導引現象。對關鍵詞的選取，大多數研究中采取根據旅游活動的六大要素，或通過問卷調查、關鍵詞推薦的方法獲得；大多數研究選取了五一、十一等主要節假日的客流量及網絡關注度進行對比，發現旅游網絡關注度和景區客流量之間存在正相關關系；旅游者在產生旅游需求的前提下，通過網絡提供的旅游信息進一步了解旅游地概況，為其旅游的目的地，因此，旅游者對旅游網絡信息的關注度一定程度上昭示其出游行為，基于此，旅游信息流又是重要的旅游客流的“前兆”。
2.3運用大數據進行景區旅游市場預測的研究
對于旅游市場的預測研究成果較多，大多數研究都采用歷史數據對未來游客量進行研究，在預測方法上不斷創新，但在數據的選擇上面基本停留在使用歷史統計數據。運用大數據進行旅游市場預測研究的研究成果較少，大多數還停留在相關性研究方面。黃先開以北京故宮為例，建立了沒有百度關鍵詞和加入百度關鍵詞的兩種預測模型并進行了預測精度比較。運用帶有百度關鍵詞的模型可以實現利用當天及滯后1～2天的百度指數數據預測故宮當天的游客量，不僅增強了預測的時效性，還可以更加及時、準確地為故宮景區管理部門提供決策的依據。
3結論
云會計可以讓企業將工作重心轉移到經營管理上，而將會計信息化的基礎建設和軟件服務工作外包給互聯網企業，這種模式所帶來的優勢和效率顯而易見，將推動企業管理模式的轉變和思維模式的轉變。與此同時，要在企業中推廣云會計的應用，還存在著急需突破的困境，這些困境不但制約云會計服務商的發展壯大，也無法消除企業采納云會計的種種疑慮。首先是數據標準缺失困境。目前尚沒有明確的指導性和約束性文件，云會計服務商只是憑著商業邏輯開發相關的軟件并提供硬件基礎服務，用戶也只是根據自身需要選擇相應的服務，至于是否符合未來云會計數據的要求，則無暇顧及。各廠商在開發產品和提供服務的過程中各自為政，為將來不同服務之間的互連互通帶來嚴重障礙。例如，用戶將數據托管給某個云會計服務商，一旦該服務商破產，用戶能否將數據遷移至另一個云會計服務商？如果用戶將數據同時托管給多個云會計服務商，能否便捷地執行跨云的數據訪問和數據交換？目前在數據的處理標準方面還沒有具體的突破，尤其是在數據匯集以后，如何整理？如何分析？如何訪問？是三個密切聯系又急需解決的問題。在大數據環境下，數據該如何共享？如何保持一致性？也必須有標準來支撐。另外，數據的質量標準是保證數據在各個環節保持一致的基礎，這方面的缺失使數據的應用范圍受到極大約束。由于數據標準的缺失，導致云會計的應用及服務標準也難以制定，如何對不同云會計服務商提供的服務進行統一的計量計費？如何定義和評價服務質量？如何對服務進行統一的部署？這些問題也使得云會計的普及舉步維艱。其次是安全問題困境。云會計的安全不僅涉及當事企業，也與許多第三方企業的利益息息相關，這個問題解決得好，可以極大地促進云會計的發展，否則將使涉事企業面臨經濟、信用等多方面的巨大損失。一是存儲方面的安全問題，云會計的存儲技術運用虛擬化及分布式方法，用戶并不知道數據的存儲位置，云會計服務商的權限可能比用戶還要高，因此云會計的數據在云中存儲時，如果存儲技術不完善，那么會計信息面臨嚴重的安全隱患。二是傳輸方面的安全問題，傳統的會計數據在內部傳輸時，加密方法一般比較簡單，但傳輸到云會計服務商的云端時，可能被不法用戶截取或篡改，甚至刪除，將導致重大的損失。
二、數據標準困境的解決方法
要解決云會計中的數據標準困境，必須厘清數據標準的制定原則和制定思路，才能推動云會計的健康發展。
（一）數據標準的制定原則
云會計的最大特點是數據海量、數據互通、數據復雜等不同于以往會計信息系統中的結構化數據格式，是一種大數據的表現形式。標準化的云會計數據不但有助于解決“信息孤島”問題，更可以大大降低數據的使用成本、軟件的兼容成本等。在制定標準化數據過程中，要樹立高效性、可用性、經濟性三者互相協調的觀念，既要反對簡單沿用他國標準的做法，也要摒棄完全定制化的觀念，要堅持可持續、可協同的標準化思路。高效性是指云會計的數據標準要使得產出投入比最大化，如系統方面的投入與系統運算能力是否協調，存儲空間的效率是否高效，數據中心的能源消耗是否最小化，設備的維護成本是否最低等；云會計的高效性直接影響到云會計服務商與企業用戶的可持續發展，否則許多投入成本可能會演化為沉沒成本。可用性是指云會計的數據標準不僅使云會計服務商能夠滿足用戶當前的需求，而且能夠不斷升級，滿足用戶的未來需求。可用性越好，那么在發生業務變動時，系統的遷移性越好，即使在發生系統故障時，恢復時間也能最短化。經濟性要考慮全周期的成本，如標準建設的成本、標準應用的成本等，另外一個值得注意的是用戶的學習成本，雖然它不一定直接與用戶的經濟成本掛鉤，但會影響到用戶使用系統的積極性，一個難以掌握、難以使用的標準終究會遭到用戶的拋棄，沒有長久的生命力。
（二）數據標準的制定思路
鑒于以上所闡述的數據標準的制定原則，建議按照“官方引導，協同制定，繼承擴展”的思路來制定數據標準。云會計的數據標準不僅是個別企業的標準，而且關系到所有企業能否相互交換、相互溝通的基礎性工作。單純由官方（協會或政府）統一進行設計，再把標準無償地開放給社會使用，其優點是工作效率高、設計成本低，但標準并非直接來源于會計工作的實際情況，標準的客觀性略差，可行性較低。單純由民間設計，企業按照實際會計工作需要自主制定，再以某種收費或免費的方式向其他企業開放，其優點是標準相對客觀，可行性較高，但整體的社會成本較高，推進速度慢、公信力差。這兩種方式均難以克服固有的缺點，因此最好的方式是將官方的公信力和民間的積極性相結合，協調各方資源，協同制定數據標準，以公共產品的形式免費供給各企業使用。為了推動我國會計信息化的蓬勃發展，我國早在2004年就制定并了《信息技術會計核算軟件數據接口》（GB/T19581－2004）國家標準。于2010年6月又了更新版的《財經信息技術會計核算軟件數據接口》（GB/T24589-2010）系列國家標準。隨著國際上以XBRL（可擴展商業報告語言，eXtensibleBusinessReportingLanguage）為基礎的會計數據標準的誕生，我國于2010年10月了《可擴展商業報告語言（XBRL）技術規范》（GB/T25500.1-2010）系列國家標準和《企業會計準則通用分類標準》。由此可見，我國在會計數據標準的制定和應用方面始終走在國際的前沿，尤其是GB/T24589-2010系列標準，不僅包括了會計科目、會計賬簿、記賬憑證、會計報表，還涵蓋了應收應付、固定資產等內容，填補了國內標準化方面的空白，即使在國際上也處于領先的地位。因此此類標準既具有社會意義，也具有經濟意義；既推動國內會計事業的發展，也能助力國際會計事業的發展。因此，建議對該標準的實際應用情況進行跟蹤研究，確切了解標準的應用效果和應用質量等，收集企業的反饋意見，發展并完善，結合云會計的特點，制定新版的標準，在國內推廣的同時，也將其貢獻給世界標準化組織，為其他國家或世界性組織提供參考。
（三）制定數據標準的具體建議
大數據環境下，為了使云會計真正高效、廉價地為企業服務，使云會計的有關應用早日落到實處，本文嘗試提出制定數據標準的若干建議。基礎性標準。基礎性標準是原則性的、指導性的，為整體的標準體系提供總則規范、專用術語及參考架構等，目的是為建立龐大的標準體系打下基礎，起到統一、規范的作用，并為將來的標準建設提出原則性指導意見。數據的處理標準。數據的處理包含了數據整理、數據分析和數據訪問三個部分，相應地就要制定數據整理標準、數據分析標準、數據訪問標準。數據整理標準是指在數據采集匯聚后，初步的處理方式和方法，細分后又包含數據表示、數據注冊和數據清理三類標準。數據分析標準主要針對大數據環境下數據分析的性能、功能等提出具體指標，并進行規范。數據訪問標準則要求制定標準化的接口及共享方式，最大化地擴大數據的應用范圍。數據的質量標準。數據的質量標準針對數據質量提出具體的管理要求和指標要求，確保數據的質量，使其在產生、存儲、交換和使用等各個環節中保持一致，并對數據全生命周期進行規范化管理，一般應該包括元數據質量標準、質量評價標準和數據溯源標準三類。應用及服務標準。應用及服務標準主要是針對大數據提供的應用和服務，在技術、功能、開發、維護和管理等方面進行規范，主要包括開放數據集和數據服務平臺兩類標準。其中開放數據集標準是為了向第三方開放數據而制定的規范標準，數據服務平臺標準是對大數據服務平臺所提出的功能性、維護性和管理性標準。
三、安全困境的解決方法
云會計的應用使得用戶與會計信息的物理存儲位置產生空間上的分離，在通過互聯網傳輸、儲存和使用數據、信息的過程中，安全問題成為企業關注的一個重點，云會計服務商必須構建完善的安全管理機制，并隨著技術的發展不斷改善，才能保證企業獲得安全的云會計服務。云會計的安全問題首先體現在會計信息的傳輸階段。在企業內部傳輸時，在適當的物理措施和制度保證基礎上，通過簡單的加密就可以保證信息的安全。但會計信息一旦要傳輸至云中時，那么會計信息的安全性就受制于云會計服務商。由于云會計的信息傳輸載體是互聯網，傳輸過程中信息可能被非法截留，甚至被篡改。第二個問題體現在會計信息的存儲方面。云會計的應用可以使企業便捷地獲得并處理會計信息，但云會計采用了虛擬化的分布式方法，用戶并不清楚會計信息的存儲位置，不法分子可能會對云端的會計信息發起攻擊，盜取或篡改其中的信息。第三個問題體現在會計信息的使用階段。作為商業機密，會計信息的使用對象一般是與財務密切相關的工作人員或企業管理人員，在日常工作中，保密不周、人機分離、密碼過于簡單、角色劃分錯亂、權限錯配等都會使會計信息泄露出去。建議從以下包含技術手段及管理手段的七個方面展開工作，解決云會計的安全問題。
（一）研發云會計的大數據水印技術
以往為了加強對多媒體數據的版權保護，數字水印曾經是一種主要的加密手段，在不影響使用的前提下，將標識信息以隱蔽的方式插入到多媒體數據載體的內部。但云會計中的大數據具有無序性、動態性等特點，在其中插入水印要非常謹慎，其前提是會計大數據中存在冗余信息。可以將少量水印信息嵌入到會計大數據的冗余信息位置上，既可以識別出大數據的所有者及使用對象，也有利于追蹤分布式環境下的泄密者。
（二）研發會計大數據的溯源技術
由于云會計數據的來源繁雜多樣，有必要記錄這些數據的來源以及傳播和計算過程，可以采用數據庫領域的數據溯源技術，通過標記法對數據進行標記，記錄數據在云端的查詢與傳播歷史。數據溯源技術應用于云會計中還需要解決以下兩個問題：（1）數據溯源是否危及隱私保護。數據溯源要分析會計大數據的來源，而數據來源本身就是非常敏感的隱私數據，這樣的溯源可能無法獲得用戶的諒解。（2）數據溯源的自身安全保護，當前大多數大數據溯源技術并未充分考慮安全問題，如標記本身是否正確、標記與數據之間是否綁定等，而大數據的高速性、大規模、多樣性等特點使之更難解決。
（三）加強用戶身份及會計云身份的認證
在云會計的應用中，除了對用戶身份的認證外，還必須設置對會計云的身份認證，只有這種雙向認證得到有效落實，云中的數據才能被安全地合法訪問。首先，會計云是一個海量的分布式系統，擁有龐大的用戶群體，具有動態性和跨區域的特點，很難對違法數據進行跟蹤和管制。如果云會計服務商不能對用戶進行嚴格的認證，就會給惡意攻擊者留下可乘之機。因此無論用戶在何處登錄，云會計服務商和應用程序都要驗證用戶的合法身份。其次，為達到欺詐目的而在互聯網上駐留的“黑會計云”也將不斷涌現，用戶可能遭到惡意軟件的攻擊，也可能會被網絡釣魚。因此用戶在使用會計云之前，必須對會計云的身份進行驗證。為了達到用戶與會計云的雙向認證，必須建立跨云認證模型，實現用戶與會計云之間安全且高效的互相認證，確保雙方的數據安全。
（四）制定用戶可驗證的數據存儲方案
用戶把自身的數據存儲在云中，就必須依賴云會計服務商確保數據的安全性，但在外包服務的商業模式下，云會計服務商的可信度難以評估，很難讓用戶相信自己的數據被云會計服務商正確地存儲、處理，為此云會計服務商必須制定用戶可驗證的數據存儲方案。云會計服務商可以建立一種動態化更新及開放式驗證的數據完整性核查方案，確保數據的完整性及可恢復性，使用戶隨時可以知曉存儲在云中的數據的正確性，即使在數據遭到一定程度的損壞時，也能從會計云中取回全部數據。在此基礎上，擬訂數據泄露的問責方案，使用戶在懷疑數據遭到泄露時，可以核查甚至追究云會計服務商的相應責任。
（五）設置動態數據的安全保護機制
在功能日益復雜的情況下，云會計的應用程序也不斷大型化，云會計服務商的安全保護經驗和技術水平也參差不齊，為用戶提供的應用程序肯定會存在各種安全漏洞。在云會計為多個用戶提供服務的環境下，一個相同的服務進程要處理多個用戶的數據，如果應用程序存在安全漏洞，那么個別的惡意用戶就有機會盜用其他用戶的權限，竊取數據和商業機密，所以應該設置防止非法用戶惡意操作的動態化數據安全保護機制。可以對數據流進行分散控制，一方面對數據進行細粒度標記；另一方面基于數據流策略對數據的流向進行約束，從而實現在相同的服務進程中對不同的用戶數據進行隔離，達到保護數據的目的。
（六）建設可信的會計云計算平臺
在云會計環境下，用戶將數據及計算全部托管到云端，不僅無法對自身的數據進行控制，更無法對云會計服務商的計算過程進行監督，為了達到用戶對云會計信任的目的，云會計服務商必須通過一整套安全技術手段，建設用戶可以遠程監督的云會計計算平臺，從而提高用戶的信任度。可以通過建設虛擬的可信云會計計算平臺，為數據存儲及會計核算中的所有數據提供可信的運行環境。
（七）建設管理、心理、法律三個安全軟屏障
除了上述各種技術手段保障云會計的安全外，還應該從管理、心理、法律三個方面建設安全軟屏障，從而達到“軟硬結合”的境界，全方位保障云會計的健康運行。
1.管理軟屏障。
作為高端的會計信息化系統，云會計的安全保障離不開“三分技術，七分管理”，對物理設備和從業人員進行嚴格管理。對物理設備既要做好隔離工作，也要在移動和更換過程中嚴格控制。對從業人員建立嚴格的身份控制和權限劃分，不同級別的從業人員只能訪問權限內的數據。經常更換用戶名和密碼，對數據訪問行為進行嚴格記錄。云會計服務商不能獲取用戶的會計數據，只能操作工作權限內的數據。
2.心理軟屏障。
利用各種宣傳手段對用戶和管理人員進行軟約束，使其了解云會計的安全特點和自身應該嚴守的工作規范，避免由于誤操作和惡意操作給云會計帶來各種威脅。
3.法律軟屏障。
在大數據時代，優質教育資源共享的主體包括共享的雙方，也就是資源需方和資源供方。隨著時代的發展，優質教育資源的供方不僅包括各級各類學校、教育職能部門、公益組織和科研機構等非營利機構，也可以囊括教育資源提供商，甚至個體也可以成為優質教育資源的供方。要促進優質資源的共享，就要充分發揮互聯網的共享性、平等性、開放性特點，全面拓展優質教育資源供方的來源。優質教育資源的供需雙方并非一成不變的，在大數據時代，要積極促進優質教育資源供需雙方的相互轉化，盡量做到各取所需、各盡其能，使優質教育資源的供需雙方能夠互相交叉和重疊。
二、大數據時代優質教育資源共享的運行系統
要提高優質教育資源共享的效率，促進我國高中教育的不斷發展，就必須重視優質教育資源共享的運行系統建設，要使共享的優質教育資源能夠滿足我國高中教育教學的需要，從而使優質教育資源的利用效率得到提高。
1.優質教育資源共享的建設系統
優質教育資源共享運行系統的第一個環節就是建設系統，進行優質教育資源的匯集和開發工作。建設系統要將教育資源分為非數字化教育資源和數字化教育資源兩種，對于數字化教育資源主要是直接匯集和開發，對于非數字化教育資源還要進行數字化加工和制作，使其符合媒體文件的載體和格式。建設系統還要將已有的教育資源進行匯集和整合，使其匯聚起來，能夠進行推廣、評估和歸類。
2.優質教育資源的傳送系統
傳送系統主要負責傳輸和配送優質的教育資料。例如，可以向特定的目標區域進行優質教育資源的配送，包括少數民族地區、貧困地區等等。也可以通過對口幫扶的形式，使優質教育資源的供需雙方結成對子。在大數據時代，要充分利用先進的社會計算、4G技術、三網融合、寬帶網絡等技術，提升優質教育資源的投入產出比。
3.優質教育資源的使用系統
使用系統要具備相應的硬件設備條件，使資源需方能夠順利獲取教育資源。使用系統還應該具備指導、培訓、高級檢索等功能模塊，使資源需方能夠按照自己的具體需求獲取和檢索優質教育資源。需方也可以對優質教育資源進行再加工，例如，高中學校可以對先進的教育教學理念進行二次加工，使之能夠與自身的教材版本、學情相符合。
4.優質教育資源的評估系統
近年來，隨著互聯網技術的發展，大數據越來越受到關注，其應用逐步滲透至多個行業，開啟了全新的數據時代。數據是征信業務開展的基礎資料，征信活動主要是圍繞數據進行采集、整理、保存、加工，并最終向信息使用者提供。大數據不僅為征信業發展提供了極為豐富的數據信息資源，也改變了征信產品設計和生產理念，成為了未來征信業發展最重要的基石。我國征信業發展尚處于起步階段，在大數據時代存在征信法律制度和業務規則不夠完善、征信機構數據處理能力有待提高等問題。未來征信業面臨的機遇和挑戰并存，研究大數據時代征信業的發展具有重要意義。
大數據時代征信業面臨的機遇和挑戰
目前，對大數據無公認的定義，一般認為大數據是指所涉及的資料量規模巨大到無法通過目前主流軟件工具，在合理時間內達到擷取、管理、處理、并整理成為服務于經營決策的資訊。大數據的出現，使征信業發展面臨的外部環境發生了巨大的變化。
(一)大數據時代征信業面臨的機遇。
1.優化征信市場的格局。
隨著征信機構市場化運營機制的確立，將會有更多信息資源優勢的企業借助互聯網、大數據等信息技術的創新進步，從征信業薄弱環節切入，通過服務創新或產品創新打破原有的征信市場格局。一是電商企業將組建征信機構。以阿里巴巴為例，其利用淘寶、天貓、支付寶平臺上的行為數據和信用情況，建立成了涵蓋數十萬企業的數據庫，具備了開展網絡征信服務的基礎和實力。二是金融機構建立征信機構。例如平安集團擬整合網貸信息、銀行信貸信息、車輛違章信息等，建立金融數據挖掘中介機構。三是新型征信機構應運而生。一些大數據公司依靠技術手段，以電子商務、社交網絡為平臺，采集信息，提供信用信息服務，可能成為新型的征信機構。
2.推動征信業的轉型升級。
大數據給征信業帶來轉型升級的歷史機遇，未來的征信業將以智能數據分析系統為平臺，利用大數據挖掘技術，支持征信業發展創新。大數據支持征信業升級和轉型主要體現在二個方面。一方面大數據促成征信業建立全新的風險控制體制，向有效監管轉型。大數據技術對客戶信用信息進行深度挖掘，實時監控，防范潛在的信用風險。另一方面大數據支持征信機構向精細化管理轉變。大數據的核心優勢在于信息挖掘，精細化管理的首要條件是充分信息化，包括業務信息化和管理信息化。
3.促進征信業差異化競爭。
征信機構通過采用不同的數據來源，不同的數據處理方式，針對不同的客戶，開發出不同的產品，滿足不同層次客戶的市場需求，實現差異化競爭。例如，金融機構對征信服務的需求將從單個借款主體的信用報告，擴展到運用信用信息拓展網絡影響和金融服務渠道。P2P網絡借貸、電商金融等業態需要借助信用信息共享防范風險，降低交易成本。
4.拓展征信數據來源。
大數據使征信數據來源呈現多元化、多層化和非結構化的特點，更加全面和真實地反映信息主體的信用情況。征信機構從在政府部門、金融機構等實體機構中采集信息，轉向從互聯網等虛擬世界中獲取信息。在數據采集的廣度和深度上，征信數據量將激增，采集包括證券數據、保險數據、商業信用數據、消費交易數據和公共事業繳費數據等，全面地覆蓋與信息主體相關的各項因素。
(二)大數據時代征信業面臨的挑戰。
1.現有征信業務規則與大數據時代不匹配。我國有關征信業的法律法規的規制對象主要是傳統金融領域，《征信業管理條例》及其配套制度初步構建了我國征信業的法律法規框架，但是《征信業管理條例》是否滿足大數據時代征信業務的規則要求，尚未得到市場驗證。目前，缺少對大數據時代征信活動的規范，如有關大數據采集、整理、保存、加工和處理的制度要求。因此，還需要進一步細化和完善征信業務規則，以更好促進大數據時代征信市場的發展。
2.征信業監管技術和水平需改進。大數據時代給征信業發展帶來深刻影響，同時也對征信業監管提出了更高的要求。要適應大數據時代的征信監管需求，征信監管水平要能跟上大數據征信的發展水平，監管政策要符合大數據的基本規律，監管人員要具有適應大數據的知識和能力。在行業自律監管方面，我國行業監管尚未發育成熟，行業標準尚未統一，行業規范以及行業職業道德等內容尚未完善。
3.信息安全和隱私保護形勢嚴峻。隨著數據的進一步集中和數據量的急劇增長，對海量數據進行安全防護變得更加困難，數據的分布式處理也加大了數據泄露的風險，隱私保護和數據安全成為制約大數據發展的瓶頸。大數據時代下的征信業同時具有了大數據和征信兩個特性，對隱私保護和數據安全的要求更高。
4.數據處理能力亟待提高。如何有效處理大數據，是大數據發揮作用的重要環節。益百利等大型征信機構在數據處理方面已經采取多層次數據挖掘等先進技術，利用私有云平臺，對系統中海量數據進行處理和研發，減少主觀判斷，提高風險預測的準確性。但是目前我國征信機構發展起步較晚，缺少對數據處理的核心技術，導致數據分析結果不能夠準確的識別個體或組織的行為。
5.硬件基礎設施需要全面升級。過去征信機構存儲征信數據主要是在本地建立數據庫，大數據時代隨著數據量呈幾何級數的增加，征信機構硬件技術的發展已經跟不上數據容量的增長速度，數據存儲面臨較大壓力。
大數據時代征信業發展的措施與建議
隨著大數據時代的到來，未來征信業發展要從制度設計、技術進步、信息共享、監督管理、隱私保護等方面不斷創新，促進征信業在大數據背景下的跨越式發展。
(一)建立符合大數據的征信法律制度和業務規則體系。現有的征信法律體系都是基于傳統數據模式下制定的，難以滿足大數據等新技術條件下征信業發展的制度需求。在征信業務開展過程中，大數據的收集使用可能涉及國家信息安全、企業商業秘密、公民隱私等，為了給大數據條件下征信業發展提供制度保障，需要從征信立法層面完善信息安全和數據管理的法律制度，明確大數據背景下數據采集、整理、加工、分析、使用的規則，確保大數據時代征信業發展有法可依。
(二)加強征信產品創新。隨著可獲得的數據量呈幾何倍數的增加，征信機構通過深度挖掘和使用這些數據，就可以極大地拓展征信產品的種類，不僅能夠提供信用報告查詢等基礎服務和產品，還可以提供其他綜合性產品，滿足社會各界的需求。從征信產品的滿足層次高低的不同，可以分為宏觀、中觀和微觀的征信產品。宏觀層面，征信機構通過大數據分析可以對系統性、全局性的風險信息進行預測。中觀層面，征信機構的海量數據包含大量時效性和政策含義都很強的信息，可以靈活多樣地進行多維度組合分析。把這些信息整理和挖掘出來，建立對應的指數體系，有助于行業監管。微觀層面，在信用主體(包括企業和個人)同意的前提下，征信機構可以提供每一個信用主體的信用報告、信用評分、身份驗證、欺詐檢測、風險預警、關聯分析等多種數據服務。
(三)提高大數據技術處理能力。大數據價值的完整體現需要多種技術的協同。數據抽取與集成、數據分析以及數據解釋，是大數據時代征信數據處理的三個重要環節，在數據處理過程中搜索引擎、云計算、數據挖掘等新技術使用必不可少。因此，征信機構要加大數據處理分析專業人才隊伍的培養，同時要引進大數據處理的專業方法和工具，建立前瞻性的征信業務分析模型，更好的把握、預測市場和信息主體的行為。
(四)健全大數據信息共享機制。完善的大數據標準體系是推進數據共建共享的前提。目前，我國來自各行業、各渠道的數據標準存在差異，成為阻礙數據開放和共享的關鍵瓶頸。建議盡快統一標準和格式，以便進行規范化的數據融合，提升大數據的整合能力，打破資源部門間的信息孤島，從而完善信息共享機制。
