掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
大數據與創新績效評價 版權信息
- ISBN：9787030697097
- 條形碼：9787030697097 ; 978-7-03-069709-7
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
大數據與創新績效評價 本書特色
適讀人群 ：關注大數據、互聯網、人工智能等科技變革浪潮中企業發展和經濟發展的管理者、研究者，致力于創新發展的企業領導者和產業管理人員，研究經濟學、管理學、社會學和相關專業的師生運用大數據技術評價創新績效，是企業、政府部門和相關學科師生普遍關注的熱點，這是本書**的賣點。
大數據與創新績效評價 內容簡介
本書從大數據、互聯網和人工智能為主流的科技創新時代出發，系統研究闡述了大數據時代評價企業、產業、區域發展業績的理論基礎和影響機制，在定性分析相關因素及其相互關系的基礎上，選擇結構化和非結構化的評價指標，構建融入大數據技術的企業創新、產業創新、區域創新的評價指標體系，結合靠前直接投資（FDI）和對外直接投資（OFDI）的靠前經濟發展環境，優化了基于大數據平臺的創新績效評價模型，并運用現實數據進行了實證分析與創新績效評價，進而分析評價了環境全要素生產率、區域綠色創新和高科技產業創新等體現總體、區域和產業創新發展的績效，并針對性闡述了運用大數據技術和平臺提升創新發展質量的對策建議。 本書適合關注大數據、互聯網、人工智能等科技變革浪潮中企業發展和經濟發展的管理者、研究者閱讀，適合致力于創新發展的企業和產業管理人員閱讀，也適合研究經濟學、管理學、社會學和相關專業的師生閱讀參考。
大數據與創新績效評價 目錄
目錄
緒論 1
0.1 大數據的概念 2
0.2 大數據的特征 4
0.3 大數據的前景 5
第1章 大數據、核心技術能力與企業創新績效 8
1.1 相關概念與理論基礎 8
1.1.1 核心技術能力理論 9
1.1.2 技術多元化理論 11
1.1.3 動態能力理論 13
1.1.4 創新績效理論 14
1.2 核心要素與研究假設 17
1.2.1 核心要素指標 18
1.2.2 關系分析及研究假設 18
1.2.3 變量測度與數據來源 21
1.2.4 實證分析與結論 26
1.3 技術多元化戰略運用大數據提升企業創新績效重要路徑 34
1.3.1 構建大數據人才培養體系 34
1.3.2 加強核心技術研發創新 34
1.3.3 完善社會化創新支撐體系 35
1.3.4 優化技術多元化戰略舉措 35
1.4 結論與展望 36
第2章 大數據、FDI與產業創新績效 37
2.1 相關概念與理論基礎 37
2.1.1 創新與自主創新能力 38
2.1.2 技術創新類型與績效 39
2.1.3 外國直接投資 41
2.1.4 FDI技術溢出效應 42
2.1.5 技術溢出效應的爭議 43
2.2 FDI在中國的發展現狀分析 43
2.2.1 FDI在中國的發展階段分析 44
2.2.2 FDI在中國的產業分布特征 45
2.2.3 FDI的主要來源方及投資方式 47
2.3 FDI技術溢出效應的行業差異性分析 49
2.3.1 FDI對于行業自主創新能力的影響 49
2.3.2 行業分類以及變量選取 50
2.3.3 FDI技術溢出效應的行業差異性 53
2.4 典型行業FDI技術溢出效應時序差異性分析 57
2.4.1 通信設備、計算機及其他電子設備制造業 57
2.4.2 有色金屬冶煉及壓延加工業 59
2.4.3 離散制造和流程制造行業分析結果比較 60
2.5 運用大數據提升FDI質量的路徑 60
2.5.1 實施不同行業差異化引進外資政策 60
2.5.2 增加行業科研投入提高行業創新效率 61
2.5.3 應用大數據平臺改善行業創新環境 62
2.6 結論與展望 63
第3章 大數據、OFDI與區域創新績效 64
3.1 相關概念與理論基礎 65
3.1.1 壟斷優勢理論 65
3.1.2 市場內部化理論 65
3.1.3 產品生命周期理論 66
3.1.4 邊際產業擴張理論 66
3.1.5 國際生產折中理論 67
3.1.6 OFDI動機與流向 67
3.2 OFDI對區域創新績效的影響分析 69
3.2.1 OFDI逆向技術溢出效應分析 70
3.2.2 中國對外直接投資現狀分析 76
3.2.3 OFDI與創新績效的實證分析 81
3.3 典型區域OFDI發展狀況剖析 81
3.3.1 典型區域OFDI階段分析 81
3.3.2 典型區域OFDI特征分析 84
3.3.3 典型區域OFDI問題分析 87
3.3.4 典型區域OFDI創新績效影響的實證分析 89
3.4 運用大數據防范OFDI風險提升績效路徑 91
3.4.1 運用大數據構建國際化人才體系 91
3.4.2 運用大數據提高自主研發創新力度 91
3.4.3 運用大數據構建社會化創新服務體系 92
3.4.4 運用大數據提高對外直接投資效率 92
3.5 結論與展望 93
第4章 大數據、創新投入與環境全要素生產率 94
4.1 相關概念與理論基礎 94
4.1.1 環境全要素生產率內涵 94
4.1.2 環境全要素生產率測算方法 96
4.1.3 基于不同環境要素的測度指標 98
4.1.4 環境全要素生產率空間溢出效應 100
4.1.5 環境全要素生產率的影響因素 102
4.2 省際環境全要素生產率的測度分析 107
4.2.1 省際GTFP測度方法 108
4.2.2 指標選取與數據說明 110
4.2.3 中國GTFP的測度結果 111
4.2.4 省際GTFP的測度結果解析 120
4.3 環境全要素生產率的時空分布及檢驗 121
4.3.1 GTFP的時空演變格局 122
4.3.2 GTFP的時空分布測度方法 122
4.3.3 省際GTFP的空間自相關檢驗 125
4.3.4 GTFP時空分布測度結果解析 127
4.4 環境全要素生產率影響因素的空間計量分析 128
4.4.1 空間計量模型介紹 128
4.4.2 變量選取及樣本數據處理 129
4.4.3 GTFP的空間面板估計 133
4.4.4 GTFP空間面板估計結果解析 141
4.5 運用大數據驅動創新提升GTFP路徑 142
4.5.1 運用大數據構建協同創新體系 142
4.5.2 運用大數據打造云網端ICT格局 143
4.5.3 運用大數據釋放科技創新活力 144
4.5.4 運用大數據提升創新驅動整體效益 144
4.6 結論與展望 145
第5章 大數據、綠色創新與區域綠色創新效率 146
5.1 相關概念與理論基礎 146
5.1.1 關于綠色創新的研究 147
5.1.2 關于區域創新效率的研究 150
5.1.3 綠色創新與區域創新效率研究 153
5.2 區域綠色創新效率差異性及成因實證分析 154
5.2.1 綠色創新的內涵解析 154
5.2.2 評價體系與評價指標 156
5.2.3 綠色創新效率分析模型 159
5.2.4 區域綠色創新效率描述性統計分析 161
5.2.5 區域綠色創新效率測算及結果分析 169
5.3 區域綠色創新效率影響因素分析 172
5.3.1 綠色創新效率影響因素界定 172
5.3.2 創新效率影響因素分析模型 174
5.3.3 實證分析與結果解析 176
5.4 運用大數據提升綠色創新效率 177
5.4.1 運用大數據優化環境規制協同機制 177
5.4.2 運用大數據強化綠色創新政策保障 178
5.4.3 運用大數據促進區域創新體系建設 178
5.5 結論與展望 179
第6章 大數據、數字化與高技術產業創新績效 180
6.1 相關概念與理論基礎 180
6.1.1 數字化與數字化轉型 180
6.1.2 數字化轉型與產業創新發展 182
6.1.3 高技術產業創新效率與測度方法 183
6.1.4 數字化轉型的相關理論基礎 185
6.2 數字化轉型評價指標體系構建及測算 191
6.2.1 數字化轉型評價指標 191
6.2.2 數字化轉型程度測算 194
6.2.3 測算結果分析與討論 196
6.3 高技術產業創新效率測算及分析 209
6.3.1 創新效率測度模型的構建 210
6.3.2 指標選取及數據來源 210
6.3.3 測算結果及分析 212
6.4 數字化轉型影響高技術產業創新效率實證研究 218
6.4.1 變量選取及統計分析 218
6.4.2 實證分析及結果討論 220
6.5 運用大數據提升高技術產業績效 224
6.5.1 加快數字基礎設施建設 224
6.5.2 加強數字化核心技術創新 225
6.5.3 加快推進政府數字化轉型 225
6.5.4 積極引導產業數字化轉型 225
6.5.5 加快數字經濟金融體系建設 226
6.5.6 加大數字化人才培養規模 226
6.6 結論與展望 226
參考文獻 228
后記 244
緒論 1
0.1 大數據的概念 2
0.2 大數據的特征 4
0.3 大數據的前景 5
第1章 大數據、核心技術能力與企業創新績效 8
1.1 相關概念與理論基礎 8
1.1.1 核心技術能力理論 9
1.1.2 技術多元化理論 11
1.1.3 動態能力理論 13
1.1.4 創新績效理論 14
1.2 核心要素與研究假設 17
1.2.1 核心要素指標 18
1.2.2 關系分析及研究假設 18
1.2.3 變量測度與數據來源 21
1.2.4 實證分析與結論 26
1.3 技術多元化戰略運用大數據提升企業創新績效重要路徑 34
1.3.1 構建大數據人才培養體系 34
1.3.2 加強核心技術研發創新 34
1.3.3 完善社會化創新支撐體系 35
1.3.4 優化技術多元化戰略舉措 35
1.4 結論與展望 36
第2章 大數據、FDI與產業創新績效 37
2.1 相關概念與理論基礎 37
2.1.1 創新與自主創新能力 38
2.1.2 技術創新類型與績效 39
2.1.3 外國直接投資 41
2.1.4 FDI技術溢出效應 42
2.1.5 技術溢出效應的爭議 43
2.2 FDI在中國的發展現狀分析 43
2.2.1 FDI在中國的發展階段分析 44
2.2.2 FDI在中國的產業分布特征 45
2.2.3 FDI的主要來源方及投資方式 47
2.3 FDI技術溢出效應的行業差異性分析 49
2.3.1 FDI對于行業自主創新能力的影響 49
2.3.2 行業分類以及變量選取 50
2.3.3 FDI技術溢出效應的行業差異性 53
2.4 典型行業FDI技術溢出效應時序差異性分析 57
2.4.1 通信設備、計算機及其他電子設備制造業 57
2.4.2 有色金屬冶煉及壓延加工業 59
2.4.3 離散制造和流程制造行業分析結果比較 60
2.5 運用大數據提升FDI質量的路徑 60
2.5.1 實施不同行業差異化引進外資政策 60
2.5.2 增加行業科研投入提高行業創新效率 61
2.5.3 應用大數據平臺改善行業創新環境 62
2.6 結論與展望 63
第3章 大數據、OFDI與區域創新績效 64
3.1 相關概念與理論基礎 65
3.1.1 壟斷優勢理論 65
3.1.2 市場內部化理論 65
3.1.3 產品生命周期理論 66
3.1.4 邊際產業擴張理論 66
3.1.5 國際生產折中理論 67
3.1.6 OFDI動機與流向 67
3.2 OFDI對區域創新績效的影響分析 69
3.2.1 OFDI逆向技術溢出效應分析 70
3.2.2 中國對外直接投資現狀分析 76
3.2.3 OFDI與創新績效的實證分析 81
3.3 典型區域OFDI發展狀況剖析 81
3.3.1 典型區域OFDI階段分析 81
3.3.2 典型區域OFDI特征分析 84
3.3.3 典型區域OFDI問題分析 87
3.3.4 典型區域OFDI創新績效影響的實證分析 89
3.4 運用大數據防范OFDI風險提升績效路徑 91
3.4.1 運用大數據構建國際化人才體系 91
3.4.2 運用大數據提高自主研發創新力度 91
3.4.3 運用大數據構建社會化創新服務體系 92
3.4.4 運用大數據提高對外直接投資效率 92
3.5 結論與展望 93
第4章 大數據、創新投入與環境全要素生產率 94
4.1 相關概念與理論基礎 94
4.1.1 環境全要素生產率內涵 94
4.1.2 環境全要素生產率測算方法 96
4.1.3 基于不同環境要素的測度指標 98
4.1.4 環境全要素生產率空間溢出效應 100
4.1.5 環境全要素生產率的影響因素 102
4.2 省際環境全要素生產率的測度分析 107
4.2.1 省際GTFP測度方法 108
4.2.2 指標選取與數據說明 110
4.2.3 中國GTFP的測度結果 111
4.2.4 省際GTFP的測度結果解析 120
4.3 環境全要素生產率的時空分布及檢驗 121
4.3.1 GTFP的時空演變格局 122
4.3.2 GTFP的時空分布測度方法 122
4.3.3 省際GTFP的空間自相關檢驗 125
4.3.4 GTFP時空分布測度結果解析 127
4.4 環境全要素生產率影響因素的空間計量分析 128
4.4.1 空間計量模型介紹 128
4.4.2 變量選取及樣本數據處理 129
4.4.3 GTFP的空間面板估計 133
4.4.4 GTFP空間面板估計結果解析 141
4.5 運用大數據驅動創新提升GTFP路徑 142
4.5.1 運用大數據構建協同創新體系 142
4.5.2 運用大數據打造云網端ICT格局 143
4.5.3 運用大數據釋放科技創新活力 144
4.5.4 運用大數據提升創新驅動整體效益 144
4.6 結論與展望 145
第5章 大數據、綠色創新與區域綠色創新效率 146
5.1 相關概念與理論基礎 146
5.1.1 關于綠色創新的研究 147
5.1.2 關于區域創新效率的研究 150
5.1.3 綠色創新與區域創新效率研究 153
5.2 區域綠色創新效率差異性及成因實證分析 154
5.2.1 綠色創新的內涵解析 154
5.2.2 評價體系與評價指標 156
5.2.3 綠色創新效率分析模型 159
5.2.4 區域綠色創新效率描述性統計分析 161
5.2.5 區域綠色創新效率測算及結果分析 169
5.3 區域綠色創新效率影響因素分析 172
5.3.1 綠色創新效率影響因素界定 172
5.3.2 創新效率影響因素分析模型 174
5.3.3 實證分析與結果解析 176
5.4 運用大數據提升綠色創新效率 177
5.4.1 運用大數據優化環境規制協同機制 177
5.4.2 運用大數據強化綠色創新政策保障 178
5.4.3 運用大數據促進區域創新體系建設 178
5.5 結論與展望 179
第6章 大數據、數字化與高技術產業創新績效 180
6.1 相關概念與理論基礎 180
6.1.1 數字化與數字化轉型 180
6.1.2 數字化轉型與產業創新發展 182
6.1.3 高技術產業創新效率與測度方法 183
6.1.4 數字化轉型的相關理論基礎 185
6.2 數字化轉型評價指標體系構建及測算 191
6.2.1 數字化轉型評價指標 191
6.2.2 數字化轉型程度測算 194
6.2.3 測算結果分析與討論 196
6.3 高技術產業創新效率測算及分析 209
6.3.1 創新效率測度模型的構建 210
6.3.2 指標選取及數據來源 210
6.3.3 測算結果及分析 212
6.4 數字化轉型影響高技術產業創新效率實證研究 218
6.4.1 變量選取及統計分析 218
6.4.2 實證分析及結果討論 220
6.5 運用大數據提升高技術產業績效 224
6.5.1 加快數字基礎設施建設 224
6.5.2 加強數字化核心技術創新 225
6.5.3 加快推進政府數字化轉型 225
6.5.4 積極引導產業數字化轉型 225
6.5.5 加快數字經濟金融體系建設 226
6.5.6 加大數字化人才培養規模 226
6.6 結論與展望 226
參考文獻 228
后記 244
展開全部
大數據與創新績效評價 節選
緒論 大數據時代已經來臨。 2012年 1月，達沃斯世界經濟論壇報告《大數據大影響》稱大數據就像貨幣和黃金一樣，是一種新的經濟資產。 2012年 3月，美國聯邦政府宣布啟動“大數據研究與開發計劃”（Big Data Research and Development Initiative），旨在實現以政府為核心的全球數據化運動，提高自身對大數據運用的能力，解決國家科學戰略遇到的難題。同年，日本政府制定了“活躍在 ICT領域的日本”的大數據戰略，并于 2013年升級為“創建*尖端 IT國家宣言”的新 ICT戰略，將大數據戰略放在技術創新戰略的首要位置。 2014年，英國政府為了促進政府及高等教育等公共領域的大數據應用，在投入八類高新技術的 6億英鎊投資中劃撥三成用于大數據技術的研發。中國“十三五”規劃綱要明確提出實施“國家大數據戰略”，2017年由中國管理科學學會大數據管理專委會、國務院發展研究中心產業互聯網課題組和上海新云數據技術有限公司聯合組織編寫的《大數據應用藍皮書：中國大數據應用發展報告 No.1（2017）》，清晰分析了大數據的發展狀況、存在問題和制約因素，強調要全面促進大數據產業發展，加快數據強國建設。 中國信息通信研究院發布的《大數據白皮書（2016）》顯示，全球各行業均有大量的數據不斷產生且數據量高速增長， 2015年全球數據產生量已經達到 8.59ZB（圖 0-1），報告中預計 2020年全球數據產生量將達 44ZB，屆時中國數據量也預計達到 8060EB，預計占全球數據總量的 18%。與此同時，中國大數據產業的規模也在持續高速增長，中國信息通信研究院結合對大數據相關企業的調研測算發布的《中國大數據發展調查報告（2018年）》（圖 0-2）表明， 2017年中國大數據產業總體規模已達 4700億元，預計 2020年中國大數據產業總體規模將超萬億元。工業和信息化部發布的《大數據產業發展規劃（2016—2020年）》指出，中國將大力支持前沿技術創新，加快關鍵產品研發，通過產學研推進大數據與云計算的深度融合，努力突破核心技術，深化大數據與金融、電信、政務、交通等各個行業的融合應用，培育持久動能、培育競爭優勢，提升管理能力。報告中預測到 2020年，中國將基本形成“技術先進、應用繁榮、保障有力”的大數據產業體系。顯然，大數據不僅是當前的研究熱點，也成了國家和企業提高競爭力、促進科技創新、經濟轉型的重要載體。 圖 0-1 2011～2020年全球數據產生量 數據來源：中國信息通信研究院 圖0-2 2015～2020年中國大數據產業總體規模及增速 數據來源：中國信息通信研究院 0.1 大數據的概念 “大數據”一詞*早是于 20世紀 80年代由美國著名未來學家 Alvin Toffler在《第三次浪潮》（The Third Wave）中提出，他將大數據稱為“第三次浪潮的華彩樂章”。但是，之后相當長時期內，相關科研人員將大數據局限于計算機科學中，認為大數據是“海量數據”的別稱，因此大數據并未進入經濟社會運行層面和國家戰略決策層面，大數據的概念與內涵并未廣為人知。直到 2008年，Nature雜志出版了專刊 Big Data，基于多個學科的研究現狀系統地介紹了“大數據”所蘊含的潛在價值與挑戰，“大數據”才逐步成為各大學科的研究熱點。 2011年，Science雜志出版的專刊 Dealing with Data則標志著“大數據”時代的來臨。 2012年 3月，美國政府宣布啟動“大數據研究與開發計劃”，奧巴馬政府宣布投資 2億美元拉動大數據相關產業發展，將“大數據戰略”上升為國家戰略。同年，中國科學院呼吁中國制定國家大數據戰略。之后，日本、英國、德國等國家也紛紛制訂大數據研發計劃。科技部針對大數據研究設立了研究計劃和專題項目，中國計算機學會等學術組織還成立了大數據專家委員會，組織與大數據有關的學術交流活動及科技賽事。2014年 3月，大數據首次寫入國務院政府工作報告。 2015年 10月，黨的十八屆五中全會正式提出“實施國家大數據戰略，推進數據資源開放共享”。這表明中國已將大數據視作戰略資源并將發展大數據上升為國家戰略，期望以此推動經濟發展、完善社會治理、提升政府服務和監管能力。 2018年 5月，習近平在向中國國際大數據產業博覽會的賀信中指出，我們秉持創新、協調、綠色、開放、共享的發展理念，圍繞建設網絡強國、數字中國、智慧社會，全面實施國家大數據戰略，助力中國經濟從高速增長轉向高質量發展。至此，大數據在全球范圍內的政府、產業界及學術界拉開競爭的帷幕。 對于大數據的概念內涵，目前產業界及學術界并未形成統一準確的定義。但從已有關于大數據的文獻定義來看，主要可以從以下四個方面來辨析大數據的內涵。 一是屬性定義。從屬性視角看，大數據*顯著的特征是數量大、多樣性、密度低、價值低、速度快等。國際數據公司（International Data Corporation，IDC）在研究大數據時指出：“大數據技術是能夠從大規模多樣化的數據中高速獲取、發現及分析提取數據價值的技術，其刻畫了一個嶄新的技術體系時代。”類似的定義出現在高德納咨詢公司（Gartner Group）的研究報告中，他們指出：“大數據是需要以低成本、新形式處理的大容量、高速度、多形式的信息資產。 ”IBM公司結合了大數據規模性、高速性、多樣性和真實性四個方面的技術特征，綜合性地定義了大數據。中國學者徐宗本等（2014）指出：“大數據是部分數據呈現低價值而整體數據呈現高價值、不能集中存儲且難以在可接受時間內分析處理的海量復雜數據集。 ”另外，也有產業界巨頭（如微軟的研究者們）注意到大數據是以容量性、多樣性及速度性三維角度增長的，雖然三維角度并不能完整體現大數據的特性，但他們堅持使用三維模型描述大數據。 二是比較定義。從比較視角看，大數據與一般概念不同，需要從主觀性及演化性角度闡述，缺乏描述與相關度量機制，通常在時間及領域演化中表明大數據的內涵，是數據集或數據集合的概念范疇。維基百科定義“大數據是很難用常規傳統的數據庫管理及處理工具進行處理的規模龐大且復雜的數據集合”。麥肯錫咨詢公司（McKinsey＆Company）指出：“大數據是一種超越了傳統數據庫軟件工具捕獲、存儲、管理和分析能力的數據集。 ”中國學者馮芷艷等（2013）認為：“大數據是超過現有技術手段處理能力，在數據量、數據復雜性和產生速度方面均大大超過傳統數據形態，并能帶來巨大產業創新機遇的數據形態。” 三是體系定義。從體系界定視角看，可以從大數據的組成劃分方法進行界定。美國國家標準與技術研究院（National Institute of Standards and Technology，NIST）指出：“大數據是需要使用水平擴展機制以打破傳統關系方法對數據容量、獲取速度及表示方式限制的分析處理能力，其包含大數據科學（big data science）和大數據框架（big dataframeworks）兩部分”。其中，大數據科學專注于有關大數據的科學研究，主要涵蓋大數據的獲取、評估及調試技術研究；而大數據框架則專注于數據庫的分析及算法處理，用于計算單元集群間的大數據分布式問題及軟件庫算法分析。 四是混合定義。從混合界定視角看，需要綜合考慮大數據多方面的特性及產生發展因素來對大數據進行界定。美國國家科學基金會（National Science Foundation，NSF）基于大數據來源和技術特征，將其定義為“由科學儀器、傳感設備、互聯網交易、電子郵件、音視頻軟件、網絡點擊量等多種數據源生成的大規模、多元化、復雜的、長期的分布式數據集”。有外國學者認為大數據是“分析”的另一種表述，它是尋求從數據中萃取知識，并將其轉化為商業優勢的智能化活動。中國學者李國杰和程學旗（2012）基于物理、信息、社會三元角度分析了大數據的本質，認為“大數據是融合物理世界（physicalworld）、信息空間（cyberspace）和人類社會（human society）三元世界的紐帶，物理世界通過互聯網、物聯網等技術有了在信息空間中的大數據反映，而人類社會則借助人機界面、腦機界面、移動互聯等手段在信息空間中產生自己的大數據映像”。中國學者楊善林和周開樂（2015）則基于大數據的自然資源哲學性及管理性特征指出：“大數據是一類能夠反映物質世界和精神世界運動狀態和狀態變化的信息資源，它具有數據復雜性、決策有用性、高速增長性、價值稀疏性和可重復開采性，一般具有多種潛在價值”。 0.2 大數據的特征 大數據不同于傳統數據，具有傳統數據無法比擬的特征。關于大數據特征的表述，不同公司及研究機構的主要觀點也存在著明顯差異。微軟公司認為大數據有三個特征，大量性（volume）、多樣性（variety）和快速性（velocity），即所謂 3V特征；國際數據公司（IDC）則認為大數據應該包含 4V特征，即在 3V的基礎上加上價值性（value）特征，即價值稀疏性； IBM公司雖然認為大數據也應該包含 4V特征，但他們指出大數據的第四個特征是真實性（veracity）特征，即數據反映客觀事實性；中國學者程學旗等（2014）認為相較于傳統數據，大數據的特征可以總結為 5V，即大量性（volume）、多樣性（variety）、快速性（velocity）、價值性（value）和真實性（veracity）；還有學者指出多層結構特點也可以作為大數據的一個特征，即易變性（variability）。研究已有文獻發現，大數據的 5V特征已被廣泛接受。 （1）大量性。大量性是大數據*突出、*基本的屬性。一方面，由于互聯網的普及應用、智能化的媒體平臺和移動終端的出現，人們在有意無意地分享瀏覽過程中都會產生龐大的數據，數據級別呈現出指數級增長。另一方面，傳統的數據處理理念由局部抽樣反映總體的做法已經轉變為依托云計算全面描述整體的做法，數據量的迅猛增加也體現了大數據的大量性特征。 （2）多樣性。多樣性是大數據*重要的特征之一。以往數據僅僅是常規的結構化的關系數據或者是數據倉庫數據，只能夠進行較為簡易的操作，按照事先定義的方法進行存儲、抽取、查詢、處理。而大數據所描述的數據，不但是傳統的結構數據，還包含了圖片、流媒體及社會網絡信息等多方面非結構化的全新數據類型，由于此類數據并無固定結構或結構復雜，存儲及處理方法也必然更加復雜。 （3）快速性。快速性是指大數據增長速度極快的重要特征。數據的快速增長，必然要求對其處理的速度也要極快。現實中的大數據每時每刻都在以指數式增長，如果處理速度不能滿足數據采集和使用的要求，產生的數據將無法得到充分利用，歸納的問題也會無法得到及時解決，大數據與傳統數據的價值區別也就無法真正充分體現出來。更甚者，問題會由于龐大的數據而變得更加復雜難解。 （4）價值性。價值性是大數據極為重要的特征。現實中的大數據通常價值密度稀疏，數據未經處理并不能顯示出內在價值，但經過集成處理后往往呈現出前所未有的巨大價值。究其原因主要是兩個方面：一方面是大數據通常包含人、事、物各種活動的細節性原始數據，沒有進行相應的刪減處理，非結構化離散程度較高，通常為了保證數據使用時有效信息的比例，往往會保留全部的數據，而大數據一直在激增，這就使得數據價值密度較稀疏。另一方面是對大數據的合理利用，能夠以低成本提取可預測現實的數據，可以將稀疏龐雜的數據進行集成化和模塊化歸納，從而為社會帶來巨大的價值貢獻。 （5）真實性。真實性是大數據發揮價值的基礎，是其重要特征之一。大數據來源于現實社會中各種人、事、物發生的各種真實性活動，大數據來源的真實性確保了數據的高質量性，正因如此，大數據中潛在的準確有效的信息才能被相應的工具提取出來，從而發揮出巨大的潛在價值和現實價值。 0.3 大數據的前景
書友推薦
- >
羅曼·羅蘭讀書隨筆-精裝
- >
羅庸西南聯大授課錄
- >
莉莉和章魚
- >
月亮虎
- >
我從未如此眷戀人間
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
我與地壇
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
本類暢銷
