大數(shù)據(jù)時代的缺點精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的大數(shù)據(jù)時代的缺點主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：大數(shù)據(jù)時代的缺點范文

關(guān)鍵詞：“互聯(lián)網(wǎng)+”；大數(shù)據(jù)；高校學(xué)生；黨建

一、“互聯(lián)網(wǎng)+”時代和大數(shù)據(jù)思維的基本概念

2015年的政府工作報告中提出：政府將制定“互聯(lián)網(wǎng)+”行動?！盎ヂ?lián)網(wǎng)+”，不是簡單的互聯(lián)網(wǎng)相加傳統(tǒng)行業(yè)，而是互聯(lián)網(wǎng)與傳統(tǒng)行業(yè)創(chuàng)新融合，指的是互聯(lián)網(wǎng)借助于其信息透明化、低成本、深化分工和提升效率等功能特點，推動各行各業(yè)轉(zhuǎn)型升級。“互聯(lián)網(wǎng)+”時代將互聯(lián)網(wǎng)與社會各領(lǐng)域建立有效連接，疊加云計算、物聯(lián)網(wǎng)和大數(shù)據(jù)等信息技術(shù)，打破信息的不對稱，將各個領(lǐng)域的數(shù)據(jù)信息、科學(xué)資源整合優(yōu)化，并結(jié)合各自優(yōu)勢，實現(xiàn)融合發(fā)展，改變了人的工作、生活和思維方式。隨著“互聯(lián)網(wǎng)+”時代大數(shù)據(jù)技術(shù)的發(fā)展，我國教育數(shù)據(jù)不斷豐富，現(xiàn)代教育信息技術(shù)不斷發(fā)展，使得教育領(lǐng)域的大數(shù)據(jù)應(yīng)用成為可能。

大數(shù)據(jù)是由多種數(shù)據(jù)類型組成，體量巨大，并以高速巨量的特點增加的具有潛在價值的信息資產(chǎn)。大數(shù)據(jù)時代的主要特點：一是數(shù)據(jù)量十分龐大，傳統(tǒng)的計算機一般無法進行有效的深度處理，并呈幾何指數(shù)增長。二是數(shù)據(jù)類型多種多樣，除傳統(tǒng)的數(shù)字、文字、符號等結(jié)構(gòu)化數(shù)據(jù)外，音頻、視頻、圖片、郵件、GPS數(shù)據(jù)及各種傳感器產(chǎn)生的非結(jié)構(gòu)化數(shù)據(jù)增長速度十分驚人?！洞髷?shù)據(jù)時代》作者維克托?邁爾-舍恩伯格認為：大數(shù)據(jù)是一種價值觀、方法論，我們面臨的大數(shù)據(jù)不是隨機樣本，而是全體數(shù)據(jù)；不是精確性，而是混雜性；不是因果關(guān)系，而是相關(guān)關(guān)系。從中可以得到啟示，大數(shù)據(jù)時代需要樹立全局性思維、個性化思維、相關(guān)性思維和智能化思維。

二、“互聯(lián)網(wǎng)+”時代高校學(xué)生黨建領(lǐng)域的大數(shù)據(jù)思維

（一）傳統(tǒng)互聯(lián)網(wǎng)與高校學(xué)生黨建結(jié)合的缺點和不足

高校黨建管理部門在傳統(tǒng)的互聯(lián)網(wǎng)與高校學(xué)生黨建相結(jié)合曾做了一些嘗試與努力，如建立黨員信息管理庫、建立紅色陣地專題網(wǎng)站、開設(shè)黨校培訓(xùn)學(xué)習園地等形式，在一段時期內(nèi)一定程度上激發(fā)了學(xué)生的熱情，但還有不少缺點和不足。傳統(tǒng)的互聯(lián)網(wǎng)與高校學(xué)生黨建的簡單結(jié)合存在功能單一，吸引力不足，宣傳內(nèi)容偏教條化，可讀性不強等情況。近年來，雖有利用博客、微博、微信公眾號與高校學(xué)生黨建相結(jié)合的嘗試，也存在用戶持久關(guān)注不夠，活躍度不夠，互動交流少，傳播力、影響力不足等現(xiàn)象，與傳統(tǒng)的黨建工作存在同質(zhì)化趨向，出現(xiàn)內(nèi)容與形式單調(diào)、功能單一等問題，沒有充分考慮到大學(xué)生黨員在價值實現(xiàn)、社交、情緒表達等方面的需求，亦沒有考慮到大學(xué)生黨員的多樣化和個性化需求。

（二）“互聯(lián)網(wǎng)+”時代大數(shù)據(jù)思維在高校學(xué)生黨建領(lǐng)域的應(yīng)用

“互聯(lián)網(wǎng)+”時代，隨著大數(shù)據(jù)技術(shù)和思維的不斷發(fā)展，通過數(shù)據(jù)挖掘技術(shù)，人們可以獲得與分析高校學(xué)生黨建領(lǐng)域更多的數(shù)據(jù)，甚至是與之相關(guān)的所有數(shù)據(jù)，從而可以帶來更全面的認識，可以及時發(fā)現(xiàn)高校學(xué)生黨建領(lǐng)域所包含樣本無法揭示的細節(jié)信息，相應(yīng)的，思維方式也可由樣本思維轉(zhuǎn)向全局性思維。大數(shù)據(jù)時代，人們可以通過大數(shù)據(jù)技術(shù)挖掘出高校學(xué)生黨建各子領(lǐng)域存在的相關(guān)關(guān)系，運用這些認知與洞見就可以幫助人們直觀現(xiàn)在和預(yù)測未來，而建立在相關(guān)關(guān)系分析基礎(chǔ)上的預(yù)測正是大數(shù)據(jù)的核心議題，思維方式應(yīng)向個性化教育思維和相關(guān)性思維轉(zhuǎn)變。大數(shù)據(jù)時代也將不斷提升系統(tǒng)的社會計算能力和智能化水平，從而獲得具有洞察力和新價值的東西，甚至類似于人類的“智慧”，這將推進思維方式由自然思維轉(zhuǎn)向智能化思維。

1.高校學(xué)生黨建須關(guān)注全體學(xué)生的全體數(shù)據(jù)，樹立全局性思維

“互聯(lián)網(wǎng)+”時代，高校學(xué)生黨建須關(guān)注全體學(xué)生樣本的全部數(shù)據(jù)信息，而不是一個學(xué)生的單一數(shù)據(jù)信息。在“互聯(lián)網(wǎng)+”時代，采用大數(shù)據(jù)分析方法，了解學(xué)生最自然、最真實狀態(tài)下相對準確的全部思想動態(tài)和行為走向?qū)⒊蔀榭赡?，高校學(xué)生黨建工作者需要樹立全局性思維。高校學(xué)生黨建載體需要多元并進，建立多層次全方位的綜合平臺，在做好黨員信息管理庫、建立紅色陣地專題網(wǎng)站、開設(shè)黨校培訓(xùn)學(xué)習園地的同時，開通課程微信公眾號平臺、微博平臺、QQ群、APP應(yīng)用平臺，利用互聯(lián)網(wǎng)資源，嘗試開發(fā)慕課教程，為學(xué)生提供多種選擇，并允許多環(huán)節(jié)使用手機或便攜式筆記本作為工具參與學(xué)習，跟蹤了解全體學(xué)生的學(xué)習與思想動態(tài)，保留全體學(xué)生的相關(guān)平臺數(shù)據(jù)，通過大數(shù)據(jù)技術(shù)對這些數(shù)據(jù)進行分析，發(fā)現(xiàn)相應(yīng)問題，并進行改革和更新。大數(shù)據(jù)技術(shù)使得高校學(xué)生黨建數(shù)據(jù)來源覆蓋范圍更加廣泛，可以獲取學(xué)生參與過程中所有數(shù)據(jù)，大數(shù)據(jù)發(fā)展到一定程度后，甚至復(fù)雜的非結(jié)構(gòu)化數(shù)據(jù)如連學(xué)生在應(yīng)用端訪問的停留時間、鼠標或指頭滑行軌跡、是否有效地學(xué)習規(guī)定內(nèi)容等數(shù)據(jù)信息都將可能獲得，數(shù)據(jù)覆蓋面可以非常廣，數(shù)據(jù)源更寬泛，數(shù)據(jù)層次更豐富，只要產(chǎn)生數(shù)據(jù)活動的記錄都可被獲取，并進行數(shù)據(jù)挖掘和分析，得出有效結(jié)果。

2.高校學(xué)生黨建須關(guān)注的內(nèi)容可從混雜的數(shù)據(jù)中提取潛在價值，樹立個性化教育思維

“互聯(lián)網(wǎng)+”時代，采用大數(shù)據(jù)技術(shù)獲取大學(xué)生的所有數(shù)據(jù)時，會得到一些混雜的數(shù)據(jù)。但紛繁復(fù)雜的數(shù)據(jù)并非一無是處，而是有其潛在的可挖掘的價值。尤其是新時代大學(xué)生個性鮮明，想法各異，從混雜的數(shù)據(jù)中提取有潛在價值的信息，能更有針對性地開展好黨建育人工作。因此，高校學(xué)生黨建工作者應(yīng)樹立個性化教育思維。由于黨建工作對象的個人經(jīng)歷、知識儲備各異，為了使高校學(xué)生黨建工作更具針對性，應(yīng)該為黨建工作對象提供個性化的“自助式”選擇菜單。高校學(xué)生黨建網(wǎng)站、微博、微信、QQ群、APP應(yīng)用等新平臺可根據(jù)工作對象的不同情況開設(shè)“自助式”菜單，學(xué)生可根據(jù)自身實際情況、優(yōu)缺點、興趣愛好等選擇自己需要的內(nèi)容。高校學(xué)生黨建通過大數(shù)據(jù)挖掘技術(shù)和信息反饋，在資源推送時把學(xué)生的個性需求擺在首位，將內(nèi)容有針對性地傳遞給每位學(xué)生，促進學(xué)生均衡發(fā)展。

3.高校學(xué)生黨建的內(nèi)容具有數(shù)據(jù)相關(guān)關(guān)系，須樹立相關(guān)性思維和智能化思維

在“互聯(lián)網(wǎng)+”和大數(shù)據(jù)時代，了解數(shù)據(jù)之間的相關(guān)關(guān)系可以促進我們更好地開展教育工作。學(xué)生思想動態(tài)出現(xiàn)大的變化不會是瞬間的，通過收集分析學(xué)生的所有數(shù)據(jù)我們可以預(yù)先捕捉到學(xué)生的相關(guān)信號，預(yù)測可能發(fā)生的事件，早發(fā)現(xiàn)、早化解、早處理。大數(shù)據(jù)時代提升智能化水平后，使得獲得具有洞察力和新價值的東西更為容易，這就需要高校學(xué)生黨建工作者將推進思維方式由注重因果關(guān)系轉(zhuǎn)向相關(guān)性思維，由自然思維轉(zhuǎn)向智能化思維。傳統(tǒng)的高校學(xué)生黨建模式主要是關(guān)注和分析學(xué)生的歷史信息，數(shù)據(jù)少，時效性差。而在“互聯(lián)網(wǎng)+”時代，借助大數(shù)據(jù)技術(shù)，高校學(xué)生黨建可積極關(guān)注數(shù)據(jù)的相關(guān)性，實現(xiàn)數(shù)據(jù)之間實時互動，收集整理海量數(shù)據(jù)。大數(shù)據(jù)的真正價值在于將海量數(shù)據(jù)和全樣本數(shù)據(jù)進行相關(guān)性分析，通過精準分析后能夠更準確地將結(jié)果進行量化，從數(shù)據(jù)中獲取價值，實現(xiàn)智能化結(jié)果，得到的結(jié)果也將更全面、更準確。高校學(xué)生黨建領(lǐng)域通過把握數(shù)據(jù)相關(guān)關(guān)系實現(xiàn)智能化的分析、預(yù)測和判斷在今后一段時間里將成為可能。

三、“互聯(lián)網(wǎng)+”時代大數(shù)據(jù)思維在高校學(xué)生黨建領(lǐng)域應(yīng)用面臨的主要問題

（一）高校學(xué)生黨建參與者運用“互聯(lián)網(wǎng)+”和大數(shù)據(jù)思維的觀念淡薄

一些高校學(xué)生黨建參與者對運用互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)開展黨建工作的必要性和緊迫性認識不足，往往擔心互聯(lián)網(wǎng)和大數(shù)據(jù)等新形式的應(yīng)用會給黨建工作帶來問題和不便，對運用網(wǎng)絡(luò)和大數(shù)據(jù)技術(shù)開展黨建工作持十分謹慎的態(tài)度。更有甚者，有些高校學(xué)生黨建工作者對網(wǎng)絡(luò)信息和模式等新形式采取回避態(tài)度，忽略了互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)對人們生活方式產(chǎn)生的重要影響。另一方面，目前高校學(xué)生黨建領(lǐng)域信息化建設(shè)還停留“+互聯(lián)網(wǎng)”模式上，“互聯(lián)網(wǎng)+”平臺的融合創(chuàng)新基本沒有涉及，大數(shù)據(jù)技術(shù)的建設(shè)還未啟動或者提及。傳統(tǒng)管理模式還占主導(dǎo)地位，憑經(jīng)驗和感覺辦事占比較高，高校學(xué)生黨建參與者缺乏“互聯(lián)網(wǎng)+”的融合應(yīng)用意識和大數(shù)據(jù)思維，覺得大數(shù)據(jù)復(fù)雜，不注重數(shù)據(jù)采集和儲存，不會數(shù)據(jù)分析和處理，也不愿意學(xué)習或者培養(yǎng)專門人才。

（二）高校學(xué)生黨建參與者對“互聯(lián)網(wǎng)+”和大數(shù)據(jù)思維的運用存在較大的難度

高校學(xué)生黨建參與者雖然也使用了一些互聯(lián)網(wǎng)形式，如建立專用的黨建網(wǎng)站，但實際功能發(fā)揮不足，吸引力不強，在線平臺或反饋平臺通常處于休眠狀態(tài)，信息化建設(shè)水平相對低下，更難提“互聯(lián)網(wǎng)+”各領(lǐng)域各平臺的大數(shù)據(jù)技術(shù)應(yīng)用。高校學(xué)生黨建使用大數(shù)據(jù)技術(shù)的統(tǒng)一平臺尚難以創(chuàng)建，缺乏統(tǒng)一規(guī)范，各系統(tǒng)和平臺之間的兼容存在問題，數(shù)據(jù)存儲、挖掘和分析技術(shù)水平較低，大數(shù)據(jù)信息的內(nèi)在關(guān)聯(lián)隱蔽，有用數(shù)據(jù)的挖掘存在困難，大數(shù)據(jù)建設(shè)發(fā)展受限。另一方面，高校學(xué)生黨建領(lǐng)域缺乏專業(yè)從事大數(shù)據(jù)分析專門人才，數(shù)據(jù)信息使用、收集、存儲沒有統(tǒng)一標準，影響大數(shù)據(jù)技術(shù)的精準性；面對海量信息資源，缺乏有效篩選、挖掘、分析和處理的能力。

（三）高校學(xué)生黨建參與部門各自為戰(zhàn)，數(shù)據(jù)信息共享存在壁壘

在“互聯(lián)網(wǎng)+”時代，高校學(xué)生黨建的數(shù)據(jù)和信息需要通過云計算、大數(shù)據(jù)技術(shù)在云端進行充分融合，但因與高校學(xué)生黨建存在密切關(guān)聯(lián)的部門多，信息分布廣，數(shù)據(jù)信息共享尚存在壁壘，更難提云端共享。黨建工作過程中產(chǎn)生的大量數(shù)據(jù)，各領(lǐng)域各部門應(yīng)用平臺不一，數(shù)據(jù)信息存儲和管理模式不一，數(shù)據(jù)規(guī)模不等，格式各異，對數(shù)據(jù)采集的重視程度不一，沒有共享平臺，各部門各自為戰(zhàn)，難以實現(xiàn)互聯(lián)互通，數(shù)據(jù)共享難度大。再加上受目前的體制機制影響，各領(lǐng)域各部門之間的信息壁壘難以根除，相互之間非但存在數(shù)據(jù)共享的困難，甚至還互相抵觸，造成數(shù)據(jù)質(zhì)和量的不均衡，嚴重制約高校學(xué)生黨建領(lǐng)域大數(shù)據(jù)技術(shù)的發(fā)展。

（四）高校學(xué)生黨建網(wǎng)絡(luò)信息泄密隱患大，安全防范力量不強

目前，高校雖然在信息技術(shù)和管理上得到了一定的加強，但在信息安全領(lǐng)域還存在極大的安全挑戰(zhàn)。因缺乏信息安全專業(yè)技術(shù)人才，再加上信息安全核心技術(shù)受制于人，通常依賴外界廠商提供，給信息安全埋下隱患。同時，現(xiàn)階段亦缺乏有針對性的信息安全保護制度，比如黨建工作云端信息和各領(lǐng)域各部門信息歸屬誰管轄，誰有權(quán)限收集和使用大數(shù)據(jù)，大數(shù)據(jù)銷毀的時限和準則，大數(shù)據(jù)信息的轉(zhuǎn)讓和共享范圍等沒有清晰和明確的規(guī)范制度和法律。如近幾年社會上頻頻出現(xiàn)因信息泄露造成的電信詐騙問題，尚難以處理和解決。

四、“互聯(lián)網(wǎng)+”時代大數(shù)據(jù)思維在高校學(xué)生黨建領(lǐng)域應(yīng)用的對策與建議

（一）加強高校學(xué)生黨建育人模式改革，做好“互聯(lián)網(wǎng)+”時代基于大數(shù)據(jù)思維的高校學(xué)生黨建模式頂層設(shè)計

“互聯(lián)網(wǎng)+”時代基于大數(shù)據(jù)思維的高校學(xué)生黨建模式創(chuàng)新重在數(shù)據(jù)化上，量化一切信息是數(shù)據(jù)化的核心，包括文字、方位、社交信息等的數(shù)據(jù)化，提高大數(shù)據(jù)意識，主動學(xué)習新媒體和大數(shù)據(jù)思維。以蘇州大學(xué)為例，可以建立以黨委組織部、黨校和黨委辦公室作為聯(lián)合牽頭單位，從戰(zhàn)略上將“互聯(lián)網(wǎng)+”與大數(shù)據(jù)思維納入高校學(xué)生黨建工作，總體謀劃，整體推進。同時，學(xué)校黨建育人相關(guān)單位將作為支撐單位，研究和部署大數(shù)據(jù)的數(shù)據(jù)化管理機制，各學(xué)院（部）及輔導(dǎo)員具體落實的一套運行機制。讓“互聯(lián)網(wǎng)+”時代大數(shù)據(jù)決策成為一種新的決策方式，依據(jù)大數(shù)據(jù)進行決策，讓數(shù)據(jù)主導(dǎo)決策。大數(shù)據(jù)時代的高校學(xué)生黨建需要各部門、各組織、黨建工作隊伍之間相互協(xié)同才能完成，在樹立數(shù)據(jù)意識的基礎(chǔ)上做出科學(xué)決策。通過頂層設(shè)計，建立通用標準，明確職責劃分，打破部門限制，使得“互聯(lián)網(wǎng)+”時代基于大數(shù)據(jù)思維的高校學(xué)生黨建能以科學(xué)、高效的模式運行。

（二）加強“互聯(lián)網(wǎng)+”和大數(shù)據(jù)領(lǐng)域?qū)I(yè)技術(shù)人才培養(yǎng)，提高大數(shù)據(jù)思維素養(yǎng)

大數(shù)據(jù)建設(shè)的每個環(huán)節(jié)都需要依靠專業(yè)人員完成，高校學(xué)生黨建需要加緊制定大數(shù)據(jù)相關(guān)人才培養(yǎng)計劃和方案，把培養(yǎng)數(shù)據(jù)骨干力量作為重中之重建設(shè)來抓，努力培養(yǎng)和造就一支懂管理的大數(shù)據(jù)建設(shè)專業(yè)隊伍。數(shù)據(jù)是“互聯(lián)網(wǎng)+”時代高校學(xué)生黨建工作創(chuàng)新的基礎(chǔ)，高校內(nèi)部要進行數(shù)據(jù)資源整合，搭建校級大數(shù)據(jù)基礎(chǔ)平臺。高校也要積極走出校外，尋求與相關(guān)教育部門和網(wǎng)絡(luò)媒體合作，獲取數(shù)據(jù)充實到大數(shù)據(jù)庫中。同時，高校學(xué)生黨建育人也要順應(yīng)“互聯(lián)網(wǎng)+”時代的發(fā)展需要，充分利用內(nèi)部資源，拓寬人才培養(yǎng)渠道，培養(yǎng)一批具有較強數(shù)據(jù)抓取、數(shù)據(jù)篩選、數(shù)據(jù)分析、數(shù)據(jù)綜合等能力的黨建工作隊伍，打造一支復(fù)合型的專業(yè)化團隊。

（三）著手建立數(shù)據(jù)共享平臺，整合“互聯(lián)網(wǎng)+”時代高校學(xué)生黨建數(shù)據(jù)資源

“互聯(lián)網(wǎng)+”和大數(shù)據(jù)技術(shù)是高校學(xué)生黨建未來的發(fā)展方向，需要整合發(fā)展過程中的分散資源，建立統(tǒng)一應(yīng)用平臺和應(yīng)用系統(tǒng)，在各專用數(shù)據(jù)庫建設(shè)的基礎(chǔ)上，實現(xiàn)各級各類信息系統(tǒng)的數(shù)據(jù)交換和數(shù)據(jù)共享。在建設(shè)過程中，建立信息共享交換機制，打破部門壁壘，統(tǒng)一高校學(xué)生黨建相關(guān)的數(shù)據(jù)標準和數(shù)據(jù)格式，消除部門間的信息“孤島”，提升各領(lǐng)域各部門的數(shù)據(jù)整合能力。將可以公開的數(shù)據(jù)統(tǒng)一共享到專用云平臺，避免數(shù)據(jù)割據(jù)，做到數(shù)據(jù)互通，使得各領(lǐng)域各部門的數(shù)據(jù)在統(tǒng)一的云平臺內(nèi)交換暢通。

（四）加強信息安全管理，增強高校學(xué)生黨建信息的風險防御能力

大數(shù)據(jù)技術(shù)在高校學(xué)生黨建領(lǐng)域的應(yīng)用是一把雙刃劍，管理不善可能帶來不良后果。高校學(xué)生黨建參與者在實施大數(shù)據(jù)技術(shù)過程中一定要樹立安全觀念，制定安全規(guī)范規(guī)章制度，防止數(shù)據(jù)泄露，明確大數(shù)據(jù)使用渠道和范圍，提高網(wǎng)絡(luò)安全防范能力，保障“互聯(lián)網(wǎng)+”時代大數(shù)據(jù)思維在高校學(xué)生黨建領(lǐng)域應(yīng)用的有序發(fā)展?！盎ヂ?lián)網(wǎng)+”時代在數(shù)據(jù)收集時亦可能會侵犯學(xué)生的隱私權(quán)，這就對數(shù)據(jù)使用者提出了更高的要求，在數(shù)據(jù)使用時需要保障學(xué)生的合法權(quán)益。高校學(xué)生黨建管理部門也要提高風險預(yù)判能力，通過大數(shù)據(jù)技術(shù)來加強應(yīng)用平臺的風險防控水平，建立風險控制機制，嚴格監(jiān)管，維護信息安全。另外，大數(shù)據(jù)也可能沒有那么可靠，數(shù)據(jù)的質(zhì)量可能很差，數(shù)據(jù)分析可能存在錯誤或者具有誤導(dǎo)性，需要制定詳細、縝密的數(shù)據(jù)質(zhì)量管理制度。

參考文獻：

[1]陳麗珊.“互聯(lián)網(wǎng)+大數(shù)據(jù)”與創(chuàng)新營銷[J].通信企業(yè)管理，2015，06：18-19.

[2]俞立平.大數(shù)據(jù)與大數(shù)據(jù)經(jīng)濟學(xué)[J].中國軟科學(xué)，2013，07：177-183.

[3]張巖.“互聯(lián)網(wǎng)+教育”理念及模式探析[J].中國高教研究，2016，02：70-73.

作者簡介：

第2篇：大數(shù)據(jù)時代的缺點范文

關(guān)鍵詞：大數(shù)據(jù);大數(shù)據(jù)時代;云計算

一、什么是大數(shù)據(jù)

1980年，著名未來學(xué)家阿爾文?托夫勒便在《第三次浪潮》一書中，將大數(shù)據(jù)熱情地贊頌為“第三次浪潮的華彩樂章”。自2009年開始，“大數(shù)據(jù)”成為互聯(lián)網(wǎng)信息技術(shù)行業(yè)的流行詞匯。那么何謂“大數(shù)據(jù)”呢？“大數(shù)據(jù)”（big data），或稱巨量數(shù)據(jù)、海量數(shù)據(jù)，是由數(shù)量巨大、結(jié)構(gòu)復(fù)雜、類型眾多數(shù)據(jù)構(gòu)成的數(shù)據(jù)集合，是基于云計算的數(shù)據(jù)處理與應(yīng)用模式通過數(shù)據(jù)的集成共享、交叉復(fù)用形成的智力資源和知識服務(wù)能力。還有研究機構(gòu)如此定義“大數(shù)據(jù)”：“大數(shù)據(jù)”是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。從某種程度上說，“大數(shù)據(jù)”是數(shù)據(jù)分析的前沿技術(shù)，是從各種各樣類型的數(shù)據(jù)中，快速獲得有價值信息的能力。

在我國，“大數(shù)據(jù)”作為一個較新的概念，目前尚未直接以專有名詞被政府提出來給予政策支持。不過，在2011年12月8日工信部的物聯(lián)網(wǎng)“十二五”規(guī)劃上，把信息處理技術(shù)作為4項關(guān)鍵技術(shù)創(chuàng)新工程之一被提出來，其中包括了海量數(shù)據(jù)存儲、數(shù)據(jù)挖掘、圖像視頻智能分析，這都是大數(shù)據(jù)的重要組成部分。而另外3項關(guān)鍵技術(shù)創(chuàng)新工程，包括信息感知技術(shù)、信息傳輸技術(shù)、信息安全技術(shù)，也都與“大數(shù)據(jù)”密切相關(guān)。2013年5月10日，阿里巴巴集團董事局主席馬云在淘寶十周年晚會演講時說，大家還沒搞清PC時代的時候，移動互聯(lián)網(wǎng)來了，還沒搞清移動互聯(lián)網(wǎng)的時候，大數(shù)據(jù)時代來了。是的，大數(shù)據(jù)時代真的來了。

二、大數(shù)據(jù)的特點

1.數(shù)據(jù)體量巨大。以互聯(lián)網(wǎng)為例，一天之中，互聯(lián)網(wǎng)產(chǎn)生的全部內(nèi)容可以刻滿1.68億張DVD;發(fā)出的郵件有2940億封之多;發(fā)出的社區(qū)帖子達200萬個，相當于《時代》雜志770年的文字量。截止到2012年，全球數(shù)據(jù)量已經(jīng)從TB（1024GB=1TB）級別躍升到PB（1024TB=1PB）、EB（1024PB=1EB）乃至ZB（1024EB=1ZB）級別。國際數(shù)據(jù)公司（IDC）的研究結(jié)果表明，2008年全球產(chǎn)生的數(shù)據(jù)量高達1.82ZB，相當于全球每人產(chǎn)生200GB以上的數(shù)據(jù)。而到2012年為止，人類生產(chǎn)的所有印刷材料的數(shù)據(jù)量是200PB，全人類歷史上說過的所有話的數(shù)據(jù)量大約是5EB。IBM的研究稱，整個人類文明所獲得的全部數(shù)據(jù)中，有90%是過去兩年內(nèi)產(chǎn)生的。而到了2020年，全世界所產(chǎn)生的數(shù)據(jù)規(guī)模將達到今天的44倍。

2.數(shù)據(jù)類型繁多。大數(shù)據(jù)時代來臨首先由數(shù)據(jù)豐富程度決定的，大數(shù)據(jù)來源于各種各樣的渠道?；ヂ?lián)網(wǎng)、社交網(wǎng)絡(luò)的全球化普及，大量的UGC（互聯(lián)網(wǎng)術(shù)語，全稱為User Generated Content，即用戶生成內(nèi)容的意思）內(nèi)容、音頻、文本信息、視頻、圖片等非結(jié)構(gòu)化數(shù)據(jù)出現(xiàn)了。云計算、移動互聯(lián)網(wǎng)、車聯(lián)網(wǎng)、手機、平板電腦、PC以及各種各樣的傳感器，無一不是數(shù)據(jù)來源或者承載的方式。

3.數(shù)據(jù)允許不精確。在越來越多的情況下，使用所有可能獲取的數(shù)據(jù)變得更為可能，但為此也要付出一定的代價。以視頻為例，連續(xù)不間斷監(jiān)控過程中，可能有用的數(shù)據(jù)僅僅有一兩秒。然而，在不斷涌現(xiàn)的新情況里，允許不精確的出現(xiàn)已經(jīng)成為一個新的亮點，而非缺點。大數(shù)據(jù)時代要求我們重新審視精確性的優(yōu)劣，不僅讓我們不再期待精確性，也讓我們無法實現(xiàn)精確性。

4.數(shù)據(jù)要求處理速度快。速度要求是大數(shù)據(jù)處理技術(shù)和傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)最大的區(qū)別。大數(shù)據(jù)是繼云計算、物聯(lián)網(wǎng)之后IT產(chǎn)業(yè)又一次顛覆性的技術(shù)變革。云計算主要為數(shù)據(jù)資產(chǎn)提供了保管、訪問的場所和渠道，而數(shù)據(jù)才是真正有價值的資產(chǎn)。企業(yè)內(nèi)部的經(jīng)營交易信息、物聯(lián)網(wǎng)世界中的商品物流信息，互聯(lián)網(wǎng)世界中的人與人交互信息、位置信息等，其數(shù)量將遠遠超越現(xiàn)有企業(yè)IT架構(gòu)和基礎(chǔ)設(shè)施的承載能力，實時性要求也將大大超越現(xiàn)有的計算能力。

三、大數(shù)據(jù)時代下的變革

“這是一場革命，龐大的數(shù)據(jù)資源使得各個領(lǐng)域開始了量化進程，無論學(xué)術(shù)界、商界還是政府，所有領(lǐng)域都將開始這種進程?！报D―哈佛大學(xué) 社會學(xué)教授加里?金如是說。大數(shù)據(jù)時代下網(wǎng)民和消費者的界限正在消弭，政府、企業(yè)或社會的疆界變得模糊，數(shù)據(jù)成為核心的資產(chǎn)，并將深刻影響政府的管理模式、企業(yè)的業(yè)務(wù)模式。大數(shù)據(jù)對國家治理模式，對企業(yè)的決策、組織和業(yè)務(wù)流程，對個人生活方式都將產(chǎn)生巨大的影響。未來大數(shù)據(jù)將會如基礎(chǔ)設(shè)施一樣，有數(shù)據(jù)提供方、管理者、監(jiān)管者，數(shù)據(jù)的交叉復(fù)用將大數(shù)據(jù)變成一大產(chǎn)業(yè)。2012年3月22日，奧巴馬政府宣布投資2億美元拉動大數(shù)據(jù)相關(guān)產(chǎn)業(yè)發(fā)展，將“大數(shù)據(jù)戰(zhàn)略”上升為國家戰(zhàn)略，甚至將大數(shù)據(jù)定義為“未來的新石油”。

第3篇：大數(shù)據(jù)時代的缺點范文

關(guān)鍵詞：云計算 數(shù)據(jù)模型 云數(shù)據(jù)庫 NoSQL數(shù)據(jù)庫

0 引言

從2006年Google提出“云計算”的概念至今，云計算正以史無前例的速度發(fā)展，國內(nèi)外各大IT企業(yè)都在開署各自的云計算平臺，云計算的應(yīng)用更趨多樣化，目前在互聯(lián)網(wǎng)上我們看到的很多應(yīng)用都可以看到“云”的身影，諸如“云存儲”、“云安全”、“云物聯(lián)”、“云郵件”、“云輸入法”等等?？偟膩碚f云計算包括三個層次的服務(wù)：基礎(chǔ)設(shè)施即服務(wù)（IaaS），平臺即服務(wù)（PaaS）和軟件即服務(wù)（SaaS）。云服務(wù)模式實現(xiàn)了資源集中配置和管理，實現(xiàn)按需采購、配置，避免資源浪費，能夠更好滿足用戶不斷變化的需求。同時降低管理維護成本，隨著云計算技術(shù)的不斷發(fā)展，系統(tǒng)的可靠性、擴展性、穩(wěn)定性也會更好，云計算將影響傳統(tǒng)數(shù)據(jù)庫的發(fā)展趨勢，云服務(wù)模式將逐步得到市場認可，反過來講，傳統(tǒng)數(shù)據(jù)庫必須能更好適應(yīng)云計算環(huán)境的需求。傳統(tǒng)的關(guān)系型數(shù)據(jù)庫由于其天生的限制，已經(jīng)越來越無法滿足目前時代的要求，云計算時代對數(shù)據(jù)庫技術(shù)提出了新的需求，主要表現(xiàn)在海量數(shù)據(jù)處理，大規(guī)模集群管理，低延遲讀寫速度，建設(shè)及運營成本。雖然它在數(shù)據(jù)存儲方面占據(jù)了不可動搖的地位，但對數(shù)據(jù)擴展、讀寫速度、支撐容量以及建設(shè)和運營成本的要求方面，就稍顯遜色。下面我們來探討適應(yīng)于云計算的數(shù)據(jù)庫所支持的數(shù)據(jù)模型。

1 云數(shù)據(jù)模型的類型

無論是關(guān)系型數(shù)據(jù)庫還是非關(guān)系型數(shù)據(jù)庫，都是某種數(shù)據(jù)模型的實現(xiàn)，不同的數(shù)據(jù)模型可以滿足不同的應(yīng)用需求。數(shù)據(jù)模型會影響客戶端通過API對數(shù)據(jù)的操作，決定了客戶端如何對數(shù)據(jù)進行編碼存儲。云數(shù)據(jù)庫的設(shè)計可以采用不同的數(shù)據(jù)模型，目前適應(yīng)于云計算平臺的數(shù)據(jù)模型有以下幾類：

1.1 基于云計算的關(guān)系模型。關(guān)系型云數(shù)據(jù)庫的數(shù)據(jù)模型涉及行組和表組等相關(guān)概念。此模型的數(shù)據(jù)結(jié)構(gòu)為一個表是一個邏輯關(guān)系，它包含一個分區(qū)鍵，用來對表進行分區(qū)。具有相同分區(qū)鍵的多個表的集合稱為表組。在表組中，具有相同分區(qū)鍵值的多個行的集合稱為行組。一個行組中包含的行總是被分配到同一個數(shù)據(jù)節(jié)點上。每個表組會包含多個行組，這些行組會被分配到不同的數(shù)據(jù)節(jié)點上。一個數(shù)據(jù)分區(qū)包含了多個行組。因此，每個數(shù)據(jù)節(jié)點都存儲了位于某個分區(qū)鍵值區(qū)間內(nèi)的所有行。微軟的SQL Azure云數(shù)據(jù)庫就是基于此模型的。

1.2 NoSQL數(shù)據(jù)庫數(shù)據(jù)模型。由于在設(shè)計上和傳統(tǒng)的關(guān)系型數(shù)據(jù)庫相比有很大的不同，故稱此類數(shù)據(jù)庫為“NoSQL（Not only SQL）”系列數(shù)據(jù)庫，即非關(guān)系型的數(shù)據(jù)庫。與關(guān)系型數(shù)據(jù)庫相比，此類數(shù)據(jù)庫非常關(guān)注對數(shù)據(jù)高并發(fā)讀寫和海量數(shù)據(jù)的存儲，在架構(gòu)和數(shù)據(jù)模型方面做了簡化，而在擴展和并發(fā)等方面做了增強。此類數(shù)據(jù)庫種類繁多，且各有優(yōu)缺點，其數(shù)據(jù)模型有如下四類：①鍵值（key-value）存儲模型。使用一個哈希表，這個表中有一個特定的鍵和一個指針指向特定的數(shù)據(jù)。其數(shù)據(jù)模型為一系列的鍵值對。它能提供非?？斓牟樵兯俣?、大的數(shù)據(jù)存放量和高并發(fā)操作，非常適合通過主鍵對數(shù)據(jù)進行查詢和修改等操作，缺點是存儲的數(shù)據(jù)缺少結(jié)構(gòu)化，不支持復(fù)雜的操作。運用此模型的數(shù)據(jù)庫有BigTable、Tokyo cabinet/Tyrant、Redis、Voldmort、Berkeley DB等。②列式存儲模型。列式存儲和關(guān)系模型相似，與關(guān)系模型存儲記錄不同，列式存儲以流的方式在列中存儲所有的數(shù)據(jù)。其數(shù)據(jù)模型為以列簇式存儲，將同一列數(shù)據(jù)存放在一起。屬于同一列的數(shù)據(jù)會盡可能地存儲在硬盤同一個頁中，而不是將屬于同一個行的數(shù)據(jù)存放在一起。使用列式數(shù)據(jù)庫，將會節(jié)省大量I/O，并且大多數(shù)列式數(shù)據(jù)庫都支持Column Family這個特性，能將多個列并為一個小組。總體而言，這種數(shù)據(jù)模型的優(yōu)點是查找速度快，可擴展性強，更容易進行分布式擴展，缺點是功能相對局限。運用此模型的數(shù)據(jù)庫有Cassandra、HBase、Riak等。③文檔模型。在數(shù)據(jù)結(jié)構(gòu)上，文檔型和鍵值型很相似，也是一個key對應(yīng)一個value，但是這個Value主要以JSON或者XML等格式的文檔來進行存儲，是有語義的，并且文檔數(shù)據(jù)庫一般可以對Value來創(chuàng)建Secondary Index來方便上層的應(yīng)用，而這點是普通鍵值數(shù)據(jù)庫所無法支持的。這種數(shù)據(jù)模型的優(yōu)點是對數(shù)據(jù)結(jié)構(gòu)要求不嚴格，缺點是對查詢性能不高，而且缺乏統(tǒng)一的查詢語法。運用此類模型的數(shù)據(jù)庫有MongoDB、CouchDB等。④圖形模型。圖形結(jié)構(gòu)的數(shù)據(jù)庫同其他行列以及剛性結(jié)構(gòu)的SQL數(shù)據(jù)庫不同，它是使用靈活的圖形模型，并且能夠擴展到多個服務(wù)器上。其數(shù)據(jù)模型為圖結(jié)構(gòu)，其優(yōu)點是可以很方便地利用圖的相關(guān)算法，缺點是需要對整個圖做計算才能得出結(jié)果，不容易做分布式的集群方案。運用此類模型的數(shù)據(jù)庫有Neo4J、InfoGrid、Infinite Graph等。數(shù)據(jù)模型有著各自的優(yōu)缺點，它們適用于不同的領(lǐng)域。不管選擇關(guān)系模型，還是非關(guān)系模型，都要根據(jù)實際應(yīng)用的場景做出選擇。有時候單一的數(shù)據(jù)模型并不能滿足我們的需求，對于許多大型的應(yīng)用可能需要集成多種數(shù)據(jù)模型。

第4篇：大數(shù)據(jù)時代的缺點范文

[關(guān)鍵詞]：大數(shù)據(jù) 高校學(xué)困生 立體精準 幫扶模式

伴隨著移動互聯(lián)技術(shù)普及、社交網(wǎng)絡(luò)快速興起、電子商務(wù)井噴式發(fā)展等信息技術(shù)的迅猛推進，人類社會正悄然步入大數(shù)據(jù)時代――以數(shù)據(jù)為核心的全新信息時代。面對大數(shù)據(jù)浪潮全面來襲，傳統(tǒng)的學(xué)業(yè)指導(dǎo)理念、方式和方法勢必受到數(shù)據(jù)革命的挑戰(zhàn)，特別是針對高校學(xué)習困難學(xué)生（以下簡稱“學(xué)困生”）的幫扶工作也將迎來新的機遇與挑戰(zhàn)。因此，高校教育工作者（以下簡稱“教育者”）應(yīng)該基于大數(shù)據(jù)的背景下，認真思考如何依靠分析數(shù)據(jù)構(gòu)建立體精準的學(xué)困生幫扶模式，幫助他們盡早走出學(xué)業(yè)困境，促使其自覺完成從“后進”到“先進”的轉(zhuǎn)化。

1大數(shù)據(jù)概述

《大數(shù)據(jù)時代》的作者維克托?邁爾?舍恩伯――“大數(shù)據(jù)時代預(yù)言家”從價值的角度生動的闡述了大數(shù)據(jù)的概念，人們通過掌握海量數(shù)據(jù)，從而發(fā)現(xiàn)和挖掘隱藏在數(shù)據(jù)背后的規(guī)律和價值，證明了大數(shù)據(jù)不僅是一種新技術(shù)，更為重要的是一種全新的思維方式和認知能力，我們將其生動的稱之為“大數(shù)據(jù)思維”和“大數(shù)據(jù)能力”。

2大數(shù)據(jù)視角下高校學(xué)困生幫扶工作面臨的現(xiàn)狀與挑戰(zhàn)

2.1 高校學(xué)困生幫扶工作的現(xiàn)狀

學(xué)困生問題在國內(nèi)高校中普遍存在，這個困難學(xué)生群體的存在是一個不容忽視的問題，也成為了高校教育工作的重點與難點。筆者通過學(xué)困生案例研究發(fā)現(xiàn)，學(xué)困現(xiàn)狀的形成是一個動態(tài)的復(fù)雜過程，前期成因識別和后期幫扶應(yīng)該是基于科學(xué)的分類和“社會化支持”而開展相應(yīng)的工作，但是傳統(tǒng)的學(xué)困幫扶工作大多數(shù)獨立了前期和后期的聯(lián)系，還存在以下弊端。

2.1.1 成因識別精準度低

傳統(tǒng)學(xué)困成因識別僅限于“課堂表現(xiàn)”和“考試成績”兩項指標，沒有深挖學(xué)生學(xué)困現(xiàn)狀背后的因素，未建立科學(xué)系統(tǒng)的學(xué)困篩選體系，突出存在靜態(tài)識別、考量指標過少、缺乏數(shù)據(jù)分析等缺點。

2.1.2 缺乏精準個性化幫扶

在開展學(xué)困生幫扶工作時，往往采取“一刀切”的方式，缺乏精確的分類指導(dǎo)、分層幫扶和動態(tài)管理的實施原則，沒有遵循學(xué)生特點，導(dǎo)致了幫扶效果不佳。

2.1.3 助困群體單一

以往的學(xué)困生幫扶工作一直依賴帶班輔導(dǎo)員（班主任）開展，而輔導(dǎo)員個體的時間、精力和幫扶手段受限，導(dǎo)致了“花大力氣，收小效果”的工作成效，間接形成了學(xué)困生教育工作難點。

2.2 大數(shù)據(jù)視角下高校學(xué)困生幫扶工作面臨的挑戰(zhàn)

2.2.1 數(shù)據(jù)的非結(jié)構(gòu)化類別增多，幫扶信息篩選難度增大、精確度更高

傳統(tǒng)學(xué)困生信息的采集來自于小規(guī)模結(jié)構(gòu)性數(shù)據(jù)樣本的收集，不僅數(shù)據(jù)精確度高，而且采集過程也要求零失誤，其工作量和干擾因素較小，但最大不足就是取得的信息寬度十分有限。而大數(shù)據(jù)時代涌現(xiàn)了大量的非結(jié)構(gòu)化數(shù)據(jù)，包括學(xué)生的心理特征、行為習慣、個人性格偏好等類型數(shù)據(jù)，使得教育者掌握的數(shù)據(jù)總量無限的接近學(xué)生個體，其采集過程的精確度也有較大差別，所以其中必然包含了很多不準確、甚至是錯誤的信息，容易對我們的信息篩選工作產(chǎn)生誤導(dǎo)和增大難度，這就要求學(xué)生管理工作者處理海量的非結(jié)構(gòu)化數(shù)據(jù)，更加全面精準的掌握學(xué)生的個體信息，更加客觀的分析和研判學(xué)生的個體化差異，接納學(xué)生個體的復(fù)雜性。

2.2.2 數(shù)據(jù)的整體性增強，精準、清晰的個性化幫扶趨勢更為明顯

以往我們開展學(xué)困生幫扶工作時，往往采用小規(guī)模的數(shù)據(jù)抽樣調(diào)查的方式作為方案制定依據(jù)，比如單純根據(jù)學(xué)生成績開展學(xué)業(yè)指導(dǎo)工作，而忽略學(xué)生個體在學(xué)習上真正的困難原因和根本訴求，不符合教育規(guī)律和學(xué)生個人發(fā)展。隨著信息化教育管理體系的推進，趨于完整的學(xué)生信息數(shù)據(jù)采集和分析也即將成為新常態(tài)，所以必然會強調(diào)教育者重視數(shù)據(jù)的整體性，在此基礎(chǔ)上運用先進的數(shù)據(jù)挖據(jù)技術(shù)分析學(xué)生個體差異，才能制定加符合學(xué)生的身心發(fā)展規(guī)律的個性化幫扶計劃。

3大數(shù)據(jù)視角下構(gòu)建高校學(xué)困生立體精準幫扶模式

學(xué)困生幫扶工作從本質(zhì)而言是遵從“為了一切學(xué)生”的工作理念，是踐行尊重教育規(guī)律和學(xué)生身心發(fā)展規(guī)律的實際行動，應(yīng)該接納不同的學(xué)生個體特點，推行學(xué)業(yè)、心理、生活的全方位輔導(dǎo)。那么整個幫扶工作的模式應(yīng)該定位為：基于學(xué)困生數(shù)據(jù)的全面采集和精確分析，并且依托幫扶方式、助困群體、幫扶角度三個維度建的“立體精準幫扶體”。

3.1 搭建科學(xué)動態(tài)的學(xué)困生數(shù)據(jù)平臺，精準識別學(xué)困成因

大數(shù)據(jù)技術(shù)的應(yīng)用基礎(chǔ)必須依靠數(shù)據(jù)平臺的搭建，而開展學(xué)困生幫扶工作的第一步就是要全面、準確的掌握學(xué)生個人信息，分析、判斷學(xué)困成因和根源。教育者應(yīng)實時采集校內(nèi)各信息平臺的共享數(shù)據(jù)，并進行研究整理，提取課堂出勤情況、學(xué)期GPA成績等數(shù)據(jù)，籍此建立科學(xué)動態(tài)的數(shù)據(jù)平臺，掌握學(xué)困生的學(xué)習特征，精準分析學(xué)困成因，并進一步對成因進行分類和歸納，制定個性化的學(xué)業(yè)指導(dǎo)。

3.2 引入融合多樣幫扶元素，構(gòu)建“立體幫扶網(wǎng)絡(luò)”

教育者擁有大數(shù)據(jù)思維模式，改變教育者 “單兵作戰(zhàn)”的慣性思維模式，加深對大量非結(jié)構(gòu)化數(shù)據(jù)的分析挖掘，在堅持“個體為單位、一幫一助、控制助困規(guī)模、分類指導(dǎo)、分層幫扶”的實施原則，引入多樣化的幫扶元素應(yīng)對多元化的學(xué)困成因，進一步組建“學(xué)業(yè)幫扶團”和“學(xué)業(yè)指導(dǎo)團”、開展“兩輔”（線上輔導(dǎo)和線下輔導(dǎo)）、保持“三聯(lián)”（聯(lián)系學(xué)困生、聯(lián)系學(xué)生家長、聯(lián)系教師），構(gòu)建教師、學(xué)生、家長組成“全員育人網(wǎng)絡(luò)”，推行學(xué)業(yè)、心理、生活的“全方位立體幫扶網(wǎng)絡(luò)”。

3.3 建立學(xué)習評價體系，動態(tài)跟蹤管理和前置學(xué)困幫扶工作

筆者通過調(diào)查研究發(fā)現(xiàn)，教育者一般都依據(jù)學(xué)習效果對學(xué)生進行評價，忽略了學(xué)習這個動態(tài)的結(jié)果，而大數(shù)據(jù)則是將結(jié)果性指標轉(zhuǎn)變?yōu)榘l(fā)展性指標，有利于教育者動態(tài)跟蹤學(xué)困生的學(xué)習過程，及時發(fā)現(xiàn)問題、解決問題，從而更好地對教育進行調(diào)控，修改和制定更加切合實際情況的決策。

參考文獻：

[1]卞友江.“大數(shù)據(jù)”概念考辨[J]. 新聞研究導(dǎo)刊，2013（05）.

[2]孟小峰，慈祥.大數(shù)據(jù)管理：概念、技術(shù)與挑戰(zhàn)[J].計算機研究與發(fā)展，2013，50（1）：146-169.

第5篇：大數(shù)據(jù)時代的缺點范文

事實可能不是這樣。道高一尺，魔高一丈。在商業(yè)企業(yè)利用大數(shù)據(jù)提高自己營銷能力的同時，消費者也在進步，甚至聰明進化的速度還可能超過商家，因此而形成新的買賣能力平衡。大數(shù)據(jù)只是工具，商家可以用，消費者也可以用，而且，很可能消費者的利用程度更高，能力也更強。

借助互聯(lián)網(wǎng)，消費信息的獲取更加容易，信息越來越透明

信息不對稱是商業(yè)得以發(fā)展的本質(zhì)。傳統(tǒng)的商業(yè)時代，買賣之間的信息獲取能力差異非常大，地域分隔、時空隔絕、傳播困難，消費者獲取信息的成本非常高，在這種情況下，只要稍有頭腦的商家都可以借助信息差異獲取利益。

在互聯(lián)網(wǎng)時代，信息呈現(xiàn)爆炸性發(fā)展和蔓延，購物的時間差和區(qū)域差已經(jīng)在互聯(lián)網(wǎng)以秒計時的全球化傳播沖擊下不再成為壁壘。每個消費者都可以上網(wǎng)查詢資料、比較價格甚至可以借助一些信息化技術(shù)進行虛擬試用，信息透明化讓商家徹底曝露在消費者面前。

即便是大數(shù)據(jù)本身，不僅僅能服務(wù)商家企業(yè)，也能夠服務(wù)消費者，成為消費者購物時的重要參謀和助手。有經(jīng)驗的消費者，日積月累就會形成自己的大數(shù)據(jù)，還有一些專業(yè)機構(gòu)綜合匯總各種數(shù)據(jù)提供更加專業(yè)化的建議和參考服務(wù)，與一些商家孤立和割裂的數(shù)據(jù)相比，社會化的大數(shù)據(jù)更具有優(yōu)勢，也成為對抗商家大數(shù)據(jù)“忽悠”的利器。

商家銷售行為的傳播速度極快，很容易形成效仿和其他競爭者的及時應(yīng)對，脫穎而出更難

與消費者博弈大數(shù)據(jù)的使用還只是一個側(cè)面，更嚴重的威脅來自與直接競爭對手或者潛在進入者的面對面對抗。

在世界各地擁有1200家酒店的喜達屋酒店及度假村集團系統(tǒng)分析當?shù)丶笆澜缃?jīng)濟因素、活動和天氣預(yù)報，以此優(yōu)化房價。由于知道了北美核心客戶群的本國天氣如何影響那些客戶在陽光燦爛的加勒比海度假一周愿意花的錢，他們知道了什么時候降低房價或開展營銷促銷活動最合適，其每間客房的收入增長了近5%。這樣的策略當然有效，可會是其一家獨享的方案嗎？

大數(shù)據(jù)時代，信息傳播的速度極快，大數(shù)據(jù)也成為信息搜集和分析的重要方式。在這種情況下，一家企業(yè)開展的營銷活動，很可能在發(fā)起的初期甚至還沒有正式上線的時候就被對手獲知，針對性的營銷方案已經(jīng)在制定中，商家已經(jīng)很難建立起差異化的營銷優(yōu)勢。

一種新產(chǎn)品上市，即便有專利的壁壘，但通過大數(shù)據(jù)的方式很可能被競爭對手反向工程，或者通過大數(shù)據(jù)分析出產(chǎn)品的優(yōu)缺點與消費者的痛點，在競爭對手刻意的模仿與微創(chuàng)新之下，產(chǎn)品的優(yōu)勢也很難長期保持。

還有潛在的競爭對手在蠢蠢欲動，以往行業(yè)的門檻在大數(shù)據(jù)時代越來越低，一些跨界的巨頭借助自身掌握的大數(shù)據(jù)能力切入新領(lǐng)域更加容易，也給不同的行業(yè)帶來了格局上的變化，新老企業(yè)都面臨巨大的挑戰(zhàn)和壓力。

信息爆炸造成信息風暴，一招可以制勝，反過來，一個爛招就可能變得一敗涂地

大數(shù)據(jù)也不會是百戰(zhàn)百勝的。事實上已經(jīng)有過很多大數(shù)據(jù)營銷失敗的教訓(xùn)，有平臺預(yù)測過的某電影的票房會很高，可結(jié)果卻以慘淡收場，至于那些號稱用大數(shù)據(jù)預(yù)測球賽結(jié)果與競選獲勝的，更是屢屢失算。

在有些時候，大數(shù)據(jù)真有點向算命先生，即便很多次預(yù)測準確，但只要一次失手，就有可能前功盡棄，一世英名付于流水。2008年，Google第一次開始預(yù)測流感就取得了很好的效果，比美國疾病預(yù)防控制中心(Centers for Disease Control and Prevention)提前兩禮拜預(yù)測到了流感的爆發(fā)。但是，幾年之后，Google的預(yù)測比實際情況(由防控中心根據(jù)全美就診數(shù)據(jù)推算得出)高出了50%。媒體過于渲染了Google的成功，出于好奇目的而搜索相關(guān)關(guān)鍵詞的人越來越多，從而導(dǎo)致了數(shù)據(jù)的扭曲。

借助大數(shù)據(jù)的研究成果和大數(shù)據(jù)的手段，可以使用一個妙招或開發(fā)一個產(chǎn)品實現(xiàn)爆款，但也有很大的風險因為一個失誤而馬失前蹄功敗垂成。

如今，大數(shù)據(jù)的基礎(chǔ)是信息大爆炸，同時伴隨的也是信息的傳播風暴，風暴口上站著，有可能被吹得飛將起來，也有可能被吹到大海里變得杳無音信。

消費者的信息太多，選擇太多，大數(shù)據(jù)分析結(jié)果的適用性在下降

信息多是好的，但信息太多也有可能呈現(xiàn)負面結(jié)果。大數(shù)據(jù)需要大量的全面的數(shù)據(jù)資料，可越大的數(shù)據(jù)越全面的數(shù)據(jù)，就越容易受到噪聲的影響，分析結(jié)論的可靠性反而會下降，錯誤的使用大數(shù)據(jù)，還不如沒有大數(shù)據(jù)。

一家保險公司想了解日常習慣和購買生命保險意愿之間的關(guān)聯(lián)性。由于隨后覺得習慣太過于寬泛，該公司將調(diào)查范疇限定到是否吸煙上。但是，工作仍然沒有實質(zhì)進展。不到半年，他們就終止了整個項目，因為一直未能發(fā)現(xiàn)任何有價值的信息。

就消費者行為分析來說，商家借助各種手段來研究消費者，包括消費者的個人資料、家庭信息、收入情況、歷史消費行為、愛好，甚至開什么車、吃什么飯、經(jīng)常與怎樣的異性約會，但這些信息太多太雜以后，也會讓分析者無所適從。

第6篇：大數(shù)據(jù)時代的缺點范文

一、就業(yè)形勢分析

現(xiàn)階段，高校學(xué)生就業(yè)率與就業(yè)質(zhì)量正逐漸成為衡量各高校辦學(xué)水平及教學(xué)質(zhì)量的重要指標，已經(jīng)引起了各高校的強烈關(guān)注并為此出臺了各種幫助學(xué)生就業(yè)的計劃。根據(jù)教育部官網(wǎng)畢業(yè)生數(shù)據(jù)統(tǒng)計，預(yù)計2021年高校畢業(yè)生人數(shù)將達到909萬人，各高校畢業(yè)生依舊呈快速上升趨勢，同時，部分行業(yè)高校人才需求逐漸飽和、高校人才培養(yǎng)跟不上行業(yè)結(jié)構(gòu)性調(diào)整需要和企業(yè)招聘時效性低的情況仍然存在，極大影響了高校畢業(yè)生的高質(zhì)量就業(yè)。目前，大數(shù)據(jù)技術(shù)早已加入國家發(fā)展戰(zhàn)略計劃中，社會就業(yè)情況也加入政府工作報告中，大數(shù)據(jù)技術(shù)在高校學(xué)生就業(yè)方面的運用更是為高校提升學(xué)生就業(yè)與人才培養(yǎng)質(zhì)量提供了新的機遇與方向，為高校精準就業(yè)服務(wù)提供了更加科學(xué)的技術(shù)指導(dǎo)。近年來，部分高校已經(jīng)開始運用大數(shù)據(jù)技術(shù)分析社會行業(yè)發(fā)展狀況，完善人才培養(yǎng)方案與實現(xiàn)學(xué)生和企業(yè)精準對接以提高學(xué)生就業(yè)質(zhì)量。運用互聯(lián)網(wǎng)、云計算和大數(shù)據(jù)等技術(shù)，搭建學(xué)生與企業(yè)線上“智能配對”線下“精準就業(yè)”的高校智能就業(yè)平臺，探索培養(yǎng)更符合行業(yè)所需的個性化高校人才培養(yǎng)方案與適應(yīng)新時代行業(yè)發(fā)展的精準就業(yè)服務(wù)新模式，為各高校學(xué)子提供更高質(zhì)量的就業(yè)信息，已成為新時代各高校學(xué)生就業(yè)服務(wù)的目標。對此，高校應(yīng)該基于大數(shù)據(jù)技術(shù)精準把握行業(yè)發(fā)展狀況，以大學(xué)生高質(zhì)量就業(yè)為目標，進行高校人才培養(yǎng)戰(zhàn)略的制定。因此，高校智能就業(yè)服務(wù)平臺的出現(xiàn)，不僅可以解決社會上企業(yè)招不到所需人才和學(xué)生所學(xué)知識已被淘汰的問題，而且對提升高校人才培養(yǎng)質(zhì)量與辦學(xué)水平具有顯著作用。

二、大數(shù)據(jù)在高校就業(yè)工作中的定位

現(xiàn)如今，人工智能、大數(shù)據(jù)和區(qū)塊鏈技術(shù)正在教育領(lǐng)域引發(fā)一場全新的革命浪潮，為提升高校培養(yǎng)人才質(zhì)量和辦學(xué)水平，使學(xué)生更加快樂、高效、智能地學(xué)習知識提供了重要的技術(shù)支撐。大數(shù)據(jù)作為互聯(lián)網(wǎng)時代“萬物互聯(lián)”階段的推動力也推動著教育的發(fā)展，其數(shù)據(jù)科學(xué)思維和技術(shù)促進了教育決策的科學(xué)化、高校發(fā)展的智能化、人才培養(yǎng)的個性化。大數(shù)據(jù)技術(shù)將重新定義高校就業(yè)生態(tài)系統(tǒng)，高校知識將更加滿足行業(yè)需求，學(xué)生在校就能接觸行業(yè)發(fā)展的最新消息，學(xué)生都將找到最適合自己的工作。大數(shù)據(jù)技術(shù)在高校就業(yè)中的應(yīng)用，將突破傳統(tǒng)高校就業(yè)推薦方式的次元壁，為高校大學(xué)生高質(zhì)量的就業(yè)帶來新的機遇。

三、大數(shù)據(jù)在高校就業(yè)工作中的應(yīng)用

將大數(shù)據(jù)應(yīng)用于高校就業(yè)的實際問題，將突破傳統(tǒng)的就業(yè)方式，為廣大學(xué)生和用人單位提供便利，最終實現(xiàn)既定的雙贏目標。在以往的就業(yè)模式中，對于應(yīng)屆大學(xué)生的就業(yè)，通常是由學(xué)校建立關(guān)系，然后由用人單位和學(xué)生本人進行雙向選擇，最后簽訂三方協(xié)議。但這種就業(yè)模式也存在“學(xué)生所學(xué)”與“企業(yè)所需”不匹配的問題。為更好地服務(wù)社會，協(xié)調(diào)好學(xué)生、高校和企業(yè)的關(guān)系，應(yīng)全面實現(xiàn)高校學(xué)生培養(yǎng)至企業(yè)人才供給的流程化信息服務(wù)，從而滿足大學(xué)生對行業(yè)就業(yè)信息了解和個性化咨詢服務(wù)的需求，提高學(xué)生就業(yè)教育的精準性，從根本上解決師資匱乏、與行業(yè)把握不精準的問題。同時，利用大數(shù)據(jù)技術(shù)對社會上海量就業(yè)創(chuàng)業(yè)信息數(shù)據(jù)進行挖掘和分析，獲取精準、有效的信息，并根據(jù)學(xué)生個性化需求完善高校人才培養(yǎng)方案，提升學(xué)生就業(yè)能力，從而解決人才培養(yǎng)與市場就業(yè)需求不匹配的結(jié)構(gòu)性矛盾。為了滿足上述業(yè)務(wù)需求，建立采用分層結(jié)構(gòu)的智能就業(yè)平臺，其通過不同的主題庫，以滿足學(xué)生不同的業(yè)務(wù)需求。

（一）為學(xué)生檢測學(xué)習服務(wù)

大學(xué)生首次注冊登錄時，平臺將收集他們的興趣、專業(yè)、特長、愛好等基本信息，為每個用戶進行個性化定制職業(yè)生涯規(guī)劃，然后幫助用戶設(shè)定學(xué)習目標，包括短期目標和長期目標。目標的內(nèi)容主要來源于企業(yè)招聘服務(wù)信息庫中的招聘需求，從而實現(xiàn)學(xué)生的學(xué)習目標，學(xué)會應(yīng)用，學(xué)以致用。同時，學(xué)生的學(xué)習情況也會隨時更新，根據(jù)自己的學(xué)習能力來提升目前適合企業(yè)的能力。

（二）為企業(yè)招聘服務(wù)

企業(yè)用戶通過企業(yè)賬號登錄，不定期向智能平臺企業(yè)對人才的需求。后臺通過企業(yè)需求分析，將其招聘需求更新為學(xué)生私人定制的學(xué)習目標，相當于企業(yè)直接培養(yǎng)他們所需要的人才。同時，將學(xué)生的學(xué)習數(shù)據(jù)通過后臺大數(shù)據(jù)推送到企業(yè)分析行業(yè)，供企業(yè)選擇，從而減少招聘過程中人力資源效率低下的問題。

（三）為高校教育理念提升服務(wù)

高?？梢愿鶕?jù)自己的賬號登錄，關(guān)注本校學(xué)生和留學(xué)生的學(xué)習能力，以及企業(yè)招聘的需求信息，使高校能夠根據(jù)企業(yè)的需求和本校學(xué)生的學(xué)習情況進行準確地教育學(xué)生。同時，學(xué)校還可以分析自身的優(yōu)缺點，提高競爭力、知名度、就業(yè)率。

四、大數(shù)據(jù)時代大學(xué)生就業(yè)趨勢展望

第7篇：大數(shù)據(jù)時代的缺點范文

【關(guān)鍵詞】大數(shù)據(jù)；數(shù)據(jù)分析；應(yīng)用領(lǐng)域

1.大數(shù)據(jù)的定義

美國國家標準和技術(shù)研究院對大數(shù)據(jù)做出了定義：“大數(shù)據(jù)是指其數(shù)據(jù)量、采集速度，或數(shù)據(jù)表示限制了使用傳統(tǒng)關(guān)系型方法進行有效分析的能力，或需要使用重要的水平縮放技術(shù)來實現(xiàn)高效處理的數(shù)據(jù)?！蔽覀冋J為大數(shù)據(jù)價值鏈可分為：數(shù)據(jù)生成、數(shù)據(jù)采集、數(shù)據(jù)儲存以及數(shù)據(jù)分析。數(shù)據(jù)分析是大數(shù)據(jù)價值鏈的最后也是最重要的階段，是大數(shù)據(jù)價值的實現(xiàn)，是大數(shù)據(jù)應(yīng)用的基礎(chǔ)，其目的在于提取有用的值，提供論斷建議或支持決策，通過對不同領(lǐng)域數(shù)據(jù)集的分析可能會產(chǎn)生不同級別的潛在價值。

可用于大數(shù)據(jù)分析的傳統(tǒng)數(shù)據(jù)分析方法：（1）聚類分析。聚類分析是劃分對象的統(tǒng)計學(xué)方法，指把具有某種相似特征的物體或者事物歸為一類。聚類分析的目的在于辨別在某些特性上相似（但是預(yù)先未知）的事物，并按這些特性將樣本劃分成若干類（群），使在同一類內(nèi)的事物具有高度的同質(zhì)性，而不同類的事物則有高度的異質(zhì)性。聚類分析是一種沒有使用訓(xùn)練數(shù)據(jù)的無監(jiān)督式學(xué)習。（2）因子分析。因子分析的基本目的就是用少數(shù)幾個因子去描述許多指標或因素之間的聯(lián)系，即將相互比較密切的幾個變量歸在同一類中，每一類變量就成為一個因子（之所以稱其為因子，是因為它是不可觀測的，即不是具體的變量），以較少的幾個因子反映原數(shù)據(jù)的大部分信息。（3）相關(guān)分析。相關(guān)分析法是測定事物之間相關(guān)關(guān)系的規(guī)律性，并據(jù)以進行預(yù)測和控制的分析方法。社會經(jīng)濟形象之間存在著大量的相互聯(lián)系、相互依賴、相互制約的數(shù)量關(guān)系。這種關(guān)系可分為兩種類型。一類是函數(shù)關(guān)系，它反映著現(xiàn)象之間嚴格的依存關(guān)系，也稱確定性的依存關(guān)系。在這種關(guān)系中，對于變量的每一個數(shù)值，都有一個或幾個確定的值與之對應(yīng)。另一類為相關(guān)關(guān)系，在這種關(guān)系中，變量之間存在著不確定、不嚴格的依存關(guān)系，對于變量的某個數(shù)值，可以有另一變量的若干數(shù)值與之相對應(yīng)，這若干個數(shù)值圍繞著它們的平均數(shù)呈現(xiàn)出有規(guī)律的波動。（4）回歸分析。回歸分析是研究一個變量與其他若干變量之間相關(guān)關(guān)系的一種數(shù)學(xué)工具，它是在一組實驗或觀測數(shù)據(jù)的基礎(chǔ)上，尋找被隨機性掩蓋了的變量之間的依存關(guān)系。通過回歸分析，可以把變量間的復(fù)雜的、不確定的關(guān)系變得簡單化、有規(guī)律化。

雖然這些傳統(tǒng)的分析方法已經(jīng)被應(yīng)用于大數(shù)據(jù)領(lǐng)域，但是它們在處理規(guī)模較大的數(shù)據(jù)集合時，效率無法達到用戶預(yù)期，且難以處理復(fù)雜的數(shù)據(jù)，如非結(jié)構(gòu)化數(shù)據(jù)。因此，出現(xiàn)了許多專門針對大數(shù)據(jù)的集成、管理及分析的技術(shù)和方法。

2.大數(shù)據(jù)分析方法

布隆過濾器：其實質(zhì)是一個位數(shù)組和一系列HASH函數(shù)。布隆過濾器的原理是利用位數(shù)組存儲數(shù)據(jù)的HASH值而不是數(shù)據(jù)本身，其本質(zhì)是利用HASH函數(shù)對數(shù)據(jù)進行有損壓縮存儲的位圖索引。其優(yōu)點是具有較高的空間效率和查詢速率，缺點是有一定的誤識別率和刪除困難。布隆過濾器適用于允許低誤識別率的大數(shù)據(jù)場合。

HASH法，其本質(zhì)是將數(shù)據(jù)轉(zhuǎn)化為長度更短的定長的數(shù)值或索引值的方法。這種方法的優(yōu)點是具有快速的讀寫和查詢速度，缺點是難以找到一個良好的HASH函數(shù)。

索引：無論是在管理結(jié)構(gòu)化數(shù)據(jù)的傳統(tǒng)關(guān)系數(shù)據(jù)庫，還是管理半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的技術(shù)中，索引都是一個減少磁盤讀寫開銷、提高增刪改查速率的有效方法。索引的缺陷在于需要額外的開銷存儲索引文件，且需要根據(jù)數(shù)據(jù)的更新而動態(tài)維護。

TRIE樹：又稱為字典樹，是HASH樹的變種形式，多被用于快速檢索，和詞頻統(tǒng)計。TRIE樹的思想是利用字符串的公共前綴，最大限度地減少字符串的比較，提高查詢效率。

并行計算：相對于傳統(tǒng)的串行計算，并行計算是指同時使用多個計算資源完成運算。其基本思想是將問題進行分解，由若干個獨立的處理器完成各自的任務(wù)，以達到協(xié)同處理的目的。

傳統(tǒng)數(shù)據(jù)分析方法，大多數(shù)都是通過對原始數(shù)據(jù)集進行抽樣或者過濾，然后對數(shù)據(jù)樣本進行分析，尋找特征和規(guī)律，其最大的特點是通過復(fù)雜的算法從有限的樣本空間中獲取盡可能多的信息。隨著計算能力和存儲能力的提升，大數(shù)據(jù)分析方法與傳統(tǒng)分析方法的最大區(qū)別在于分析的對象是全體數(shù)據(jù)，而不是數(shù)據(jù)樣本，其最大的特點在于不追求算法的復(fù)雜性和精確性，而追求可以高效地對整個數(shù)據(jù)集的分析?？傊?，傳統(tǒng)數(shù)據(jù)方法力求通過復(fù)雜算法從有限的數(shù)據(jù)集中獲取信息，其更加追求準確性；大數(shù)據(jù)分析方法則是通過高效的算法、模式，對全體數(shù)據(jù)進行分析。

3.大數(shù)據(jù)應(yīng)用領(lǐng)域

目前根據(jù)數(shù)據(jù)的生成方式和結(jié)構(gòu)特點不同，可以將數(shù)據(jù)分析劃分為6個關(guān)鍵技術(shù)領(lǐng)域：（1）結(jié)構(gòu)化數(shù)據(jù)。一直是傳統(tǒng)數(shù)據(jù)分析的重要研究對象，目前主流的結(jié)構(gòu)化數(shù)據(jù)管理工具，如關(guān)系型數(shù)據(jù)庫等，都提供了數(shù)據(jù)分析功能。（2）文本。是常用的存儲文字、傳遞信息的方式，也是最常見的非結(jié)構(gòu)化數(shù)據(jù)。一直演化到21世紀初新興的在線社交網(wǎng)絡(luò)分析。（3）WEB數(shù)據(jù)。WEB技術(shù)的發(fā)展，極大地豐富了獲取和交換數(shù)據(jù)的方式，WEB數(shù)據(jù)高速的增長，使其成為大數(shù)據(jù)的主要來源。（4）多媒體數(shù)據(jù)。隨著通訊技術(shù)的發(fā)展，圖片、音頻、視頻等體積較大的數(shù)據(jù)，也可以被快速地傳播，由于缺少文字信息，其分析方法與其他數(shù)據(jù)相比，具有顯著的特點。（5）社交網(wǎng)絡(luò)數(shù)據(jù)。從一定程度上反映了人類社會活動的特征，具有重要的價值。（6）移動數(shù)據(jù)。與傳統(tǒng)的互聯(lián)網(wǎng)數(shù)據(jù)不同，具有明顯的地理位置信息、用戶個體特征等其他信息。

大數(shù)據(jù)未來的應(yīng)用領(lǐng)域和方向還包括以下幾個方面：（1）大數(shù)據(jù)可視化。在許多人機交互場景中，都遵循所見即所得的原則，例如文本和圖像編輯器等。在大數(shù)據(jù)應(yīng)用中，混雜的數(shù)據(jù)本身是難以輔助決策的，只有將分析后的結(jié)果以友好的形式展現(xiàn)，才會被用戶接受并加以利用。報表、直方圖、餅狀圖、回歸曲線等經(jīng)常被用于表現(xiàn)數(shù)據(jù)分析的結(jié)果，以后肯定會出現(xiàn)更多的新穎的表現(xiàn)形式，例如微軟的“人立方”社交搜索引擎使用關(guān)系圖來表現(xiàn)人際關(guān)系。（2）面向數(shù)據(jù)。程序是數(shù)據(jù)結(jié)構(gòu)和算法，而數(shù)據(jù)結(jié)構(gòu)就是存儲數(shù)據(jù)的。在程序設(shè)計的發(fā)展歷程中，也可以看出數(shù)據(jù)的地位越來越重要。在邏輯比數(shù)據(jù)復(fù)雜的小規(guī)模數(shù)據(jù)時代，程序設(shè)計以面向過程為主；隨著業(yè)務(wù)數(shù)據(jù)的復(fù)雜化，催生了面向?qū)ο蟮脑O(shè)計方法。如今，業(yè)務(wù)數(shù)據(jù)的復(fù)雜度已經(jīng)遠遠超過業(yè)務(wù)邏輯，程序也逐漸從算法密集型轉(zhuǎn)向數(shù)據(jù)密集型?？梢灶A(yù)見，一定會出現(xiàn)面向數(shù)據(jù)的程序設(shè)計方法，如同面向?qū)ο笠粯?，在軟件工程、體系結(jié)構(gòu)、模式設(shè)計等方面對IT技術(shù)的發(fā)展產(chǎn)生深遠的影響。

4.結(jié)束語

大數(shù)據(jù)引發(fā)思維變革。在大數(shù)據(jù)時代，數(shù)據(jù)的收集、獲取和分析都更加快捷，這些海量的數(shù)據(jù)將對我們的思考方式產(chǎn)生深遠的影響。分析數(shù)據(jù)時要盡可能地利用所有數(shù)據(jù)，而不只是分析少量的樣本數(shù)據(jù)。相比于精確的數(shù)據(jù)，我們更樂于接受紛繁復(fù)雜的數(shù)據(jù)。我們應(yīng)該更為關(guān)注事物之間的相關(guān)關(guān)系，而不是探索因果關(guān)系。大數(shù)據(jù)的簡單算法比小數(shù)據(jù)的復(fù)雜算法更為有效。大數(shù)據(jù)的分析結(jié)果將減少決策中的草率和主觀因素，數(shù)據(jù)科學(xué)家將取代“專家”。 [科]

【參考文獻】

第8篇：大數(shù)據(jù)時代的缺點范文

大數(shù)據(jù)對傳媒業(yè)產(chǎn)生了革命性的影響，其實，不僅傳媒行業(yè)會受到大數(shù)據(jù)帶來的影響，大數(shù)據(jù)也對傳媒學(xué)術(shù)研究產(chǎn)生巨大的沖擊和挑戰(zhàn)。目前已經(jīng)有學(xué)者開始就大數(shù)據(jù)對傳媒研究的影響進行了初步分析，但總體而言，新聞傳播學(xué)界對大數(shù)據(jù)的研究偏重于現(xiàn)象描述和情況介紹，對大數(shù)據(jù)給學(xué)術(shù)研究帶來的挑戰(zhàn)和學(xué)術(shù)創(chuàng)新問題的研究卻較少?；诖?，本文以傳媒經(jīng)濟研究為對象，考察大數(shù)據(jù)對傳媒經(jīng)濟研究帶來的挑戰(zhàn)，為大數(shù)據(jù)背景下傳媒經(jīng)濟研究的發(fā)展提供行動路線圖。

大數(shù)據(jù)對傳媒經(jīng)濟研究帶來的挑戰(zhàn)

傳媒經(jīng)濟學(xué)的理論背景來自經(jīng)濟學(xué)，包括微觀經(jīng)濟學(xué)理論、產(chǎn)業(yè)經(jīng)濟學(xué)理論、制度經(jīng)濟學(xué)理論等。有學(xué)者認為，大數(shù)據(jù)在研究對象、研究工具、研究理論和研究方法等方面對傳統(tǒng)經(jīng)濟學(xué)形成了沖擊，由此提出大數(shù)據(jù)經(jīng)濟學(xué)（Big Data Economics）概念，認為應(yīng)該運用大數(shù)據(jù)思想對傳統(tǒng)經(jīng)濟學(xué)進行深化研究。在傳媒經(jīng)濟學(xué)研究方面，大數(shù)據(jù)在研究范式、研究理論、研究方法、研究工具以及研究對象等方面都會對既有研究產(chǎn)生沖擊，傳媒經(jīng)濟學(xué)研究面臨著理論創(chuàng)新的挑戰(zhàn)。

1.研究范式

按照庫恩的界定，范式是一個學(xué)術(shù)群體中大部分成員共同認可的一整套前提假設(shè)，是學(xué)術(shù)共同體公認并共享的世界觀。傳媒經(jīng)濟學(xué)基本遵循著新古典主義經(jīng)濟學(xué)的研究范式，新古典主義經(jīng)濟學(xué)的核心是理性人假設(shè)。理性人假設(shè)認為人是追求自身效用最大化的理性個體，在制定每一項決策時都會嚴格按照成本收益比進行考量和計算。但批評者指出，完全理性假設(shè)在現(xiàn)實中并不存在。在現(xiàn)實中，一方面，搜索信息需要花費巨大的時間成本和精力;另一方面，人們?nèi)狈Ψ治龊吞幚砭蘖啃畔⒌墓ぞ吆头椒āＲ虼?，人們只會搜索有限信息，以此作為決策的依據(jù)，這就是有限理性假設(shè)。

有限理性假設(shè)比完全理性假設(shè)更加接近現(xiàn)實，但這兩種假設(shè)有著共同的前提，即個體對信息的搜索和處理需要巨大的成本。因而，決定采用完全理性假設(shè)還是有限理性假設(shè)時，主要是比較獲取信息的成本和從信息中得到的收益：當信息收益大于信息成本時，繼續(xù)搜尋信息，逼近完全理性假設(shè);當信息成本等于或大于信息收益時，停止信息搜索，按照有限理性假設(shè)采取決策。

在大數(shù)據(jù)環(huán)境下，理性假設(shè)的前提遇到了挑戰(zhàn)，大數(shù)據(jù)技術(shù)極大地減少了受眾搜索信息的成本，受眾可以輕而易舉地獲取決策所需的各種信息，并利用數(shù)據(jù)處理技術(shù)對信息的收益進行計算，在此基礎(chǔ)上作出決策，這使得有限理性范式失去了解釋力。同時，信息成本和交易成本的大幅下降，使網(wǎng)絡(luò)空間出現(xiàn)了許多新的組織形態(tài)和交易形式，如以分享、合作為主題的維基百科、開放源代碼、網(wǎng)絡(luò)共享等，這些新的組織形式無法用理性范式進行解釋，如果從理性的角度計算成本收益關(guān)系，那么人們沒有動力進行網(wǎng)絡(luò)分享與合作。然而，這種“無組織的組織力量”在今天的互聯(lián)網(wǎng)世界越來越常見。這些大數(shù)據(jù)時代的新現(xiàn)象很難用理性范式進行解釋，我們需要用新的傳媒經(jīng)濟學(xué)研究范式解釋這些行為和現(xiàn)象。

2.研究理論

在研究理論上，大數(shù)據(jù)時代的傳媒經(jīng)濟研究不僅需要經(jīng)濟學(xué)理論，也需要社會學(xué)理論、網(wǎng)絡(luò)科學(xué)理論等其他學(xué)科理論。傳統(tǒng)的經(jīng)濟學(xué)理論中，個體脫離了所屬的社會結(jié)構(gòu)和社會群體，研究者忽視了社會關(guān)系、人際傳播、社會結(jié)構(gòu)因素對個體的影響，脫離個體所鑲嵌的社會情境因素來考察個體，犯了“低度社會化”的錯誤。在傳媒經(jīng)濟理論中，無論是生產(chǎn)者還是消費者，他們的生產(chǎn)行為和消費行為都是黑箱，我們不知道生產(chǎn)者和消費者是如何做出生產(chǎn)和消費決策的，哪些因素產(chǎn)生影響、如何影響等一系列問題都處在黑箱中。

在大數(shù)據(jù)的幫助下，研究者可以借助于社會學(xué)理論和社會網(wǎng)絡(luò)研究理論，把個體納入到一定的社會結(jié)構(gòu)和社會情境中，考察個體鑲嵌其中的社會關(guān)系因素如何影響個體的媒介接觸和媒介消費行為，研究影響個體行為的各種因素及其影響機制，揭開人們媒介接觸和媒介消費行為的黑箱，從而發(fā)展出能夠揭示傳媒經(jīng)濟行為一般規(guī)律的理論。

3.研究工具和方法

傳媒經(jīng)濟學(xué)主要的研究方法包括抽樣調(diào)查、內(nèi)容分析、假設(shè)檢驗、實驗研究等，盡管這些方法有其優(yōu)點，但它們的缺點也是顯而易見的，這些傳統(tǒng)方法都無法對海量數(shù)據(jù)進行分析，在大數(shù)據(jù)面前，這些傳統(tǒng)方法基本是無能為力的。

以抽樣調(diào)查方法來說，在大數(shù)據(jù)來臨之前，受制于研究條件和數(shù)據(jù)可得性，研究者只能對有限的數(shù)據(jù)進行抽樣，通過對有限樣本的分析推斷總體的狀況。抽樣分析的前提是所抽取的樣本能夠代表總體，但在研究中很難使樣本能夠完全代表總體，樣本與總體總會存在一定的誤差，抽樣調(diào)查的價值也因此打折扣。在大數(shù)據(jù)時代，可以直接對總體數(shù)據(jù)進行分析，而無需通過抽樣調(diào)查來估計總體狀況。同樣，內(nèi)容分析法也是基于抽樣分析，通過抽取樣本對媒介內(nèi)容進行研究。實驗法也是對少數(shù)受試者施加試驗刺激，通過與對照組進行比較研究，觀察實驗刺激產(chǎn)生的效果。這些傳統(tǒng)方法都是小數(shù)據(jù)時代處理信息所采用的方法，并不適用于大數(shù)據(jù)環(huán)境，大數(shù)據(jù)需要學(xué)者設(shè)計運用新的研究方法與研究工具。

4.研究對象

在微觀經(jīng)濟學(xué)研究中，研究對象是個體的企業(yè)、家庭或個人，研究者通過對單個企業(yè)或個人的生產(chǎn)、消費等行為的分析，考察影響他們決策的各種因素。在傳媒經(jīng)濟學(xué)研究中，媒體、受眾也是作為個體存在的。這種研究有兩方面缺陷，一是個體的消費行為始終處在黑箱中，我們不知道個體是如何做出消費行為決策的。二是研究只見樹木不見森林，無法從對個體的研究中獲知關(guān)于總體的狀況，而總體狀況具有極大的研究價值和應(yīng)用價值。

大數(shù)據(jù)可以在這兩方面做出改進，首先，借助于大數(shù)據(jù)技術(shù)，研究者可以對受眾的媒介接觸行為和媒介消費行為進行準確的追蹤分析，掌握受眾在每時每刻的媒介接觸和消費行為。另外，大數(shù)據(jù)可以使研究者獲知受眾整體的媒介接觸和消費情況，進而對受眾的媒介接觸和消費趨勢做出預(yù)測。

5.研究主體

大數(shù)據(jù)對傳媒經(jīng)濟研究者也提出了挑戰(zhàn)，在大數(shù)據(jù)時代，研究者需要對大數(shù)據(jù)有深刻的理解和把握，充分認識大數(shù)據(jù)對傳媒經(jīng)濟研究帶來的深遠影響，學(xué)會從大數(shù)據(jù)的研究范式出發(fā)思考問題。另外，研究者也需要掌握數(shù)據(jù)分析的方法和工具，學(xué)會利用大數(shù)據(jù)分析工具對傳媒經(jīng)濟學(xué)的各類問題進行研究。同時，跨學(xué)科的學(xué)術(shù)合作與學(xué)術(shù)交流也變得更加重要，任何單一學(xué)科的視角和方法都難以對大數(shù)據(jù)環(huán)境下的傳媒經(jīng)濟現(xiàn)象做出充分的解釋。只有從傳播學(xué)、經(jīng)濟學(xué)、社會學(xué)等多種理論視角進行跨學(xué)科考察，才能對大數(shù)據(jù)環(huán)境下的傳媒經(jīng)濟問題做出深入的研究。

大數(shù)據(jù)時代傳媒經(jīng)濟研究的創(chuàng)新

大數(shù)據(jù)對傳媒經(jīng)濟學(xué)研究提出了相當大的挑戰(zhàn)，在大數(shù)據(jù)環(huán)境下，傳媒經(jīng)濟研究至少可以在以下四個方面進行創(chuàng)新：

1.受眾行為分析

受眾的媒介接觸和媒介消費行為，始終是傳媒經(jīng)濟研究的核心問題。在小數(shù)據(jù)時代，很難準確全面地了解受眾的媒介接觸和媒介消費行為，無論是傳統(tǒng)的入戶調(diào)查，還是受眾的自我報告，都存在兩方面問題：一是樣本量太小，從樣本中得出的結(jié)論不具有推廣性;二是受眾在接受調(diào)查時經(jīng)常會給出有偏向的答案，由于第三者效應(yīng)的存在，受眾總會有美化自身行為的可能性。這使得對受眾媒介接觸和媒介消費行為的研究變得非常困難。

大數(shù)據(jù)技術(shù)能夠?qū)κ鼙姷拿浇榻佑|和媒介消費行為進行實時分析，比如受眾在網(wǎng)絡(luò)上點擊了哪些頁面、停留了多長時間、鏈接到哪些網(wǎng)站、購買了什么商品、發(fā)表了怎樣的評論等信息都可以被后臺服務(wù)器保留，通過分析受眾的個人接觸信息，可以準確把握受眾媒介接觸行為的特點和模式，進而對受眾進行有針對性的營銷。

2.市場趨勢預(yù)測

大數(shù)據(jù)技術(shù)可以對市場趨勢做出準確預(yù)測，舍恩伯格認為，大數(shù)據(jù)的核心就是預(yù)測，它是把數(shù)學(xué)算法運用到海量數(shù)據(jù)上來預(yù)測事情發(fā)生的可能性。一個著名的例子是Farecast票價預(yù)測工具，這個工具通過對近十萬億條機票價格數(shù)據(jù)進行分析，預(yù)測美國國內(nèi)航班機票價格，其預(yù)測的精準程度達到75%，每位使用該系統(tǒng)的消費者每張機票可節(jié)約50美元。

3.廣告及營銷精準度研究

在小數(shù)據(jù)時代，廣告投放呈現(xiàn)出撒胡椒面式的粗放形態(tài)，廣告的投資回報率很低，商品的營銷手段也較為粗糙，難以對受眾進行一對一的精準營銷。大數(shù)據(jù)環(huán)境下，通過對每位消費者的消費習慣和消費模式數(shù)據(jù)進行統(tǒng)計分析，可以進行精準的廣告投放和商品營銷，提高廣告和營銷的精準度。

比如，亞馬遜運用數(shù)據(jù)挖掘技術(shù)，通過分析用戶的瀏覽、收藏、購買、評論及其他用戶的反饋等數(shù)據(jù)，預(yù)測每位消費者可能感興趣的內(nèi)容，將其推薦給消費者。亞馬遜提出，在最理想的情況下，亞馬遜只會推薦一本書，而這本書就是消費者將要購買的那本書。

4.盈利模式創(chuàng)新研究

大數(shù)據(jù)環(huán)境下，媒體的盈利模式也需要做出調(diào)整。在讀者量不斷下滑、廣告市場被新興媒體分流的現(xiàn)實背景下，傳統(tǒng)的二次售賣模式難以為繼。傳統(tǒng)媒體必須創(chuàng)新盈利模式，利用大數(shù)據(jù)技術(shù)帶來的機會，整合數(shù)據(jù)資源，尋找新的盈利增長點，實現(xiàn)自身的逆轉(zhuǎn)。傳媒盈利模式的創(chuàng)新也是傳媒經(jīng)濟研究的重要問題之一。

參考文獻：

第9篇：大數(shù)據(jù)時代的缺點范文

關(guān)鍵詞：非概率抽樣 社會網(wǎng)絡(luò) 大數(shù)據(jù)

中圖分類號：F626.5

文獻標識碼：A

文章編號：1004-4914（2016）03-030-02

一、研究意義

傳統(tǒng)的社會網(wǎng)絡(luò)主要存在于人群中的血緣關(guān)系、地緣關(guān)系、政治關(guān)系、經(jīng)濟關(guān)系、宗教關(guān)系以及其他社會性的聯(lián)系，這些或強或弱的人際關(guān)系形成了各種各樣的社會網(wǎng)絡(luò)。有些社會網(wǎng)絡(luò)是開放的，可以通過多種方法進行調(diào)查研究，比如對于親緣關(guān)系和同伴關(guān)系的研究，這些研究甚至可以通過直接的問卷調(diào)查進行；但有些網(wǎng)絡(luò)是封閉的，從外部很難進入，對這些網(wǎng)絡(luò)的調(diào)查研究和深入分析比較困難，比如一些特殊人群的圈子、宗教網(wǎng)絡(luò)或者政治性群體。

隨著互聯(lián)網(wǎng)的蓬勃發(fā)展，社交型網(wǎng)絡(luò)帶來了社會網(wǎng)絡(luò)的極度膨脹和蔓延，大量虛擬的社會網(wǎng)絡(luò)呈現(xiàn)在人們面前，這個被稱為“網(wǎng)友”的社會群體逐漸成為新的社會網(wǎng)絡(luò)研究對象。人們的群體認知和社會交往都發(fā)生了極大的改變，社會群體的規(guī)模、結(jié)構(gòu)、關(guān)聯(lián)和復(fù)雜性都大大加強。

同時，2012年以來，人們對于大數(shù)據(jù)時代的探討和研究越來越多，其中一個重要的問題就是大數(shù)據(jù)時代是否還需要抽樣。有學(xué)者建議使用行政記錄或相關(guān)的基礎(chǔ)數(shù)據(jù)的完全統(tǒng)計分析來取代抽樣調(diào)查。就社會群體而言，群體大數(shù)據(jù)的記錄和分析同樣具有很大的困難，這是由于社會網(wǎng)絡(luò)的邊界屬性和區(qū)隔特征所決定的，大多數(shù)社會網(wǎng)絡(luò)的成員之間有著相似的群體特征，而與外部個體有著顯著的區(qū)隔。比如宗教團體成員之間的互信關(guān)系、艾滋病患者之間的“同病相憐”關(guān)系等，都無法通過簡單的大數(shù)據(jù)關(guān)系實現(xiàn)統(tǒng)計分析和推斷。因此，抽樣調(diào)查就顯得比較重要。

由于社會網(wǎng)絡(luò)的現(xiàn)實性及其成員之間的特殊關(guān)聯(lián)，利用現(xiàn)有的隨機抽樣的方法幾乎無法完成調(diào)查和統(tǒng)計分析，一是因為無法得到一個社會網(wǎng)絡(luò)成員的抽樣框，其成員的花名冊通常是保密的或者不可知的；二是因為即使有抽樣框，對這些特殊群體的訪問也是無法實現(xiàn)的；三是一些社會網(wǎng)絡(luò)人群對面向社會現(xiàn)實的抽樣調(diào)查有著天然的抗拒和排斥心理。

然而由于研究或?qū)嵺`的需要，有時需要對網(wǎng)絡(luò)人群的相關(guān)情況進行估計，通過相關(guān)理論和實踐研究發(fā)現(xiàn)，一些非概率抽樣方法可以應(yīng)用于上述情況中。

本文回顧了可應(yīng)用于網(wǎng)絡(luò)人群抽樣的非概率抽樣方法。

二、利用非概率抽樣方法對社會網(wǎng)絡(luò)人群抽樣的研究現(xiàn)狀

目前來看，國內(nèi)學(xué)者對非概率抽樣方法對隱藏人群抽樣的研究還比較少，無論研究的程度和寬度均與國外學(xué)者有較大差距。

國外學(xué)者對社交網(wǎng)絡(luò)人群的的抽樣研究做了許多細致而有效的工作，其成果大體可以分為以下四類：

1.對抽樣方法的理論研究。Goodman（1961）{1}詳細地介紹了S階段K推薦滾雪球抽樣的定義，并討論了如何通過抽樣樣本對總體的一些特征做出推斷，例如以S=K=1的情形為例，對如何表示總體中相互推薦的關(guān)系數(shù)目進行了詳細論證，他指出，在對隱藏人群進行抽樣時，滾雪球抽樣比簡單隨機抽樣更具效率。Salganik（2006）{2}對同伴驅(qū)動抽樣的設(shè)計效應(yīng)和抽樣規(guī)模進行了深入討論，并發(fā)現(xiàn)在使用同伴驅(qū)動抽樣時，所需要的樣本容量是簡單隨機抽樣下的2倍。Heckathorn（2007）{3}提出在假設(shè)合理的情況下，同伴驅(qū)動抽樣能夠?qū)傮w作出漸進無偏估計。

2.結(jié)合具體案例，對抽樣方法理論進行驗證性研究。Malekinejad等人（2008）{4}通過實際調(diào)查發(fā)現(xiàn)，如果設(shè)計合理，同伴驅(qū)動抽樣在被應(yīng)用到高危人群抽樣時，是一種有效的方法。Wejnert（2009）{5}論證了在使用真實數(shù)據(jù)的情況下，利用同伴驅(qū)動抽樣是能夠給出有效的估計的。Sadler等（2010）{6}討論了滾雪球抽樣在招募隱藏人群時的優(yōu)缺點，認為在使用滾雪球抽樣時，應(yīng)當十分慎重。Johnston等（2010）{7}討論了在實際應(yīng)用同伴驅(qū)動抽樣時所面對的優(yōu)缺點。Perez等（2011）{8}利用實際數(shù)據(jù)證明了，在恰當?shù)氖褂脻L雪球抽樣方法后，對少數(shù)人群的抽樣節(jié)省而高效。Korf（2012）{9}利用數(shù)據(jù)再次驗證了同伴驅(qū)動抽樣比隨機抽樣在面對隱藏人群時更為有效。

3.對不同抽樣方法的比較研究。Heckathorn（1997）{10}比較了滾雪球抽樣和同伴推動抽樣的不同點，他指出，同伴推動抽樣利用二次激勵提高了抽樣者推動和控制的效率并減少了花費。Salganik和Heckathorn（2004）{11}在比較了目標抽樣和時間空間抽樣在對隱藏人群的估計偏差方面的不足后，提出了同伴驅(qū)動抽樣通過充分利用社會網(wǎng)絡(luò)結(jié)構(gòu)的信息，能夠更好的對總體作出相應(yīng)估計，并給出了相應(yīng)數(shù)學(xué)推導(dǎo)。Magnani等（2005）{12}在研究如何對隱藏人群抽樣時，比較了滾雪球抽樣、目標抽樣、時間空間抽樣以及同伴驅(qū)動抽樣等抽樣方法的優(yōu)劣。Semaan（2010）{13}從目的、應(yīng)用、調(diào)查過程以及優(yōu)缺點等方面對時間空間抽樣和同伴推動抽樣做了對比。Kral等（2010）{14}以招募美國舊金山的吸毒者為例，比較了同伴驅(qū)動抽樣和目標抽樣的效果。他發(fā)現(xiàn)，兩種方法各具優(yōu)勢，綜合兩種方法也許是更好的抽樣方法。

4.將抽樣方法應(yīng)用于各種領(lǐng)域中的橫向研究。Baltar等（2011）{15}在利用臉譜來研究移民時，借助了滾雪球抽樣。Illenberger（2013）{16}利用滾雪球抽樣設(shè)計來從已有數(shù)據(jù)中估計拓普網(wǎng)絡(luò)的特性。

三、應(yīng)用到社交網(wǎng)絡(luò)平臺的思考

從已有的研究看，由于隱藏人群的比例較小且常常難以接觸，常規(guī)的抽樣方法難以有效實施，學(xué)者們普遍認為滾雪球抽樣以及同伴驅(qū)動抽樣是較好的抽樣方法，這是因為上述方法借助了人際網(wǎng)絡(luò)，提高了調(diào)查效率。

對網(wǎng)絡(luò)人群的抽樣方法研究集中在滾雪球抽樣和同伴驅(qū)動抽樣上，二者的區(qū)別在于同伴驅(qū)動抽樣加入了二次激勵機制。已有學(xué)者借助滾雪球抽樣在虛擬網(wǎng)絡(luò)中實現(xiàn)對目標群體的抽樣。結(jié)合上述兩種抽樣方法的特點，當需要在線上發(fā)起一項調(diào)查時，同伴驅(qū)動抽樣可能將是一種較好的調(diào)查方式，而如果想要對社交網(wǎng)絡(luò)中某一群體的特征做研究，考慮到網(wǎng)友之間的推薦關(guān)系可由已存在的“好友”關(guān)系所替代，借助網(wǎng)絡(luò)技術(shù)就能達到搜集數(shù)據(jù)的目的，滾雪球抽樣和同伴驅(qū)動抽樣的效果是基本相同的。

四、小結(jié)

處于大數(shù)據(jù)時代，大數(shù)據(jù)的一個重要特征就是體量巨大。在這個時代，人們能夠從幾乎任何數(shù)據(jù)中獲得可轉(zhuǎn)換為推動人們生活方式變化的有價值的知識。在大數(shù)據(jù)時代，信息會展現(xiàn)出其前所未有的能量，因此，獲取信息尤其是有價值的信息是很重要的。對于處于社會網(wǎng)絡(luò)結(jié)構(gòu)的人們（尤其是特殊群體）而言，他們身上也蘊含著豐富的信息，如何有效的從他們身上獲取信息至關(guān)重要。

對于處于社會網(wǎng)絡(luò)中的人們而言，由于無法獲取抽樣框等原因，在利用傳統(tǒng)的概率抽樣方法時，很難有效地獲取所需信息。解決這一問題的重要途徑就是利用滾雪球抽樣、同伴驅(qū)動抽樣等非概率抽樣方法，即在充分利用社會網(wǎng)絡(luò)結(jié)構(gòu)的特點之上，完成對目標群體的抽樣，特別的，在面對社交網(wǎng)絡(luò)時，應(yīng)當注意利用其已存在并可被識別的“網(wǎng)友”關(guān)系。

本文詳細介紹了利用非概率抽樣方法對社會網(wǎng)絡(luò)人群抽樣的研究現(xiàn)狀，并在此基礎(chǔ)上給出了今后應(yīng)用的思考，當然，就如何使用非概率抽樣方法在社會網(wǎng)絡(luò)上實現(xiàn)目標群體的抽樣還有待進一步的研究。

[課題支持：1.2013年山西省普通高校特色重點學(xué)科項目《山西綜改實驗區(qū)建設(shè)統(tǒng)計調(diào)查與評價方法設(shè)計和應(yīng)用》；2.2015年山西省研究生創(chuàng)新項目《轉(zhuǎn)型期社會網(wǎng)絡(luò)非概率抽樣研究》編號2015SY47]

注釋：

{1}Goodman Leo A. Snowball Sampling. Annals of Mathematical Statistics. 1961；32：148 170.

{2}Salganik Matthew J. Variance Estimation， Design Effects， and Sample Size Calculations for Respondent-Driven sampling. Journal of Urban Health. 2006；83：i98 i112.

{3}Heckathorn Douglas D. Extensions of Respondent-Driven Sampling： Analyzing Continuous Variables and Controlling for Differential Recruitment. In： Xie Yu.， editor. Sociological Methodology. vol. 37. Boston， MA： Blackwell Publishing； 2007. pp. 151 207.

{4}Malekinejad M， Johnston LG， Kendall C， Kerr LR， Rifkin MR， Rutherford GW. Using Respondent-Driven Sampling Methodology for HIV Biological and Behavioral Surveillance in International Settings： A Systematic Review. AIDS and Behavior. 2008；12：105 130.

{5}Wejnert Cyprian. An Empirical Test of Respondent-Driven Sampling： Point Estimates， Variance， Degree Measures， and Out-of-Equilibrium Data. In： Xie Yu.， editor. Sociological Methodology. vol. 39. Hoboken， NJ： Wiley-Blackwell； 2009. pp. 73 116.

{6}Sadler， Hau-Chen Lee， Lim， Fullerton. Recruitment of hard-to-rearch population subgroups via adaptations of the snowball sampling strategy. Nursing and Health Sciences. 2010：12：369-374.

{7}Lisa G. Johnston and Keith Sabin. Sampling hard-to-reach populations with respondent driven sampling. Methodological Innovations Oline. 2010.pp.38-48.

{8}Daniel F.Perez， Jason X.Nie， Cheis I.Ardern， Natasha Radhu， Paul Ritvo. Impact of Participant Incentives and Direct and Snowball Sampling on Survey Response Rate in an Ethnically Diverse Community：Results from a Pilot Study of Physical Activity and the Built Environment. J Immigrant Minority Health. 2011.

{9}Korf. Differential Profiles of Crack Users in Respondent-Driven and Institutional Samples：A Three-Site Comparison. European Addicition Research，2012：18，192.

{10}Heckathorn Douglas D. Respondent-Driven Sampling： A New Approach to The Study of Hidden Populations. Social Problems. 1997；44：174 0199.

{11}Salganik Matthew J， Heckathorn Douglas D. Sampling and Estimation in Hidden Populations Using Respondent-Driven Sampling. In： Stolzenberg Ross M.， editor. Sociological Methodology. vol 34. Boston， MA： Blackwell Publishing； 2004. pp. 193 239.

{12}Magnani Robert， Sabin Keith， Saidel Tobi， Heckathorn Douglas D. Review of Sampling Hard-to-Reach and Hidden Populations for HIV Surveillance. AIDS 2005. 2005；19 Suppl2：S67 S72.

{13}Salaam Semaan. Time-Space Samping and Respondent-Driven Sampling with Hard-To-Reach Populations. Methodological Innovations Online. 2010：5：60-75.

{14}Kral， Malekinejad， Vaudrey， Martinez， Lorvick， McFarland， Raymond. Comparing Respondent-Driven Sampling and Targeted Sampling Methods of Recruiting Injection Drug Users in San Francisco. Bulletin of the New York Academy of medicine. 2010.

{15}Fabiola Baltar， Ignasi Brunet. Social research 2.0：virtual snowball samling method using Facebook. Internet Research. 2012：pp.57-74.

{16}Johannes Illenberger， Gunnar Fl？tter？d. Estimating network properties from snowball sampled data Working Paper 11-01. Preprint submitted to Social Networks. 2013

（作者單位：山西財經(jīng)大學(xué)統(tǒng)計學(xué)院 山西太原 030006）