毕业论文中数据参考
毕业论文需要的数据可以从下面几个方面获取：
一、问卷调查。很多文科的同学，用问卷调查的数据比较多，这种数据比较好收集，自己设计一套问卷，去找目标人群收集数据就行了。现在有很多专门的调查问卷的网站和小程序之类的，收集这类数据就简单多了。
二、实验数据。这种数据一般理科的同学用的比较多，通过自己的实验拿到的数据也比较可靠，自己用起来也很有底气。
三、国家和政府公布的数据，这种数据大多都是月度，季度，年度数据。数据范围比较广，官方数据很有说服力，如果是做行业调查之类的很实用，而且也不需要自己收集，直接拿来就可以用，很方便。
四、就是行业数据，行业数据可能来自于行业协会，行业专业网站等等。
五、常用的数据来源网站有：
1、国家统计局，这个网站上的数据比较官方权威。
2、中国旅游研究院，适合一些旅游专业的学生。
3、产业信息网，了解不同产业的收益、市场占额等信息。
4、国土资源部，获取土地资源、矿产资源、海洋资源等自然资源的规划、管理、保护与合理利用等信息。
5、国家企业信用信息公示系统，收集企业的信用信息。
6、中国知网，阅读参考文献的网站。
7、新浪财经，了解全球经济宏观数据。
我们写论文中的“参考文献”又叫参考书目，根据我自己写论文的经历来看它的意思是指我们在撰写毕业论文过程中所查阅参考借鉴过的著作和报刊杂志等等一些资料，然后把它标注在在毕业论文的末尾。
一、那论文的参考文献具体是指什么呢？
二、我们在引用参考文献时需要注意什么呢？
三、我给大家讲一下参考文献格式：
1、参考文献和注释。按论文中所引用文献或注释编号的顺序列在论文正文之后，参考文献之前。图表或数据必须注明来源和出处。
[编号]、作者、文章题目、期刊名(外文可缩写)、年份、卷号、期数、页码。
[编号]、作者、书名、出版单位、年份、版次、页码。
2、附录。包括放在正文内过分冗长的公式推导，以备他人阅读方便所需的辅助性数学工具、重复性数据图表、论文使用的符号意义、单位缩写、程序全文及有关说明等。
[M]——专著,著作
[C]——论文集(一般指会议发表的论文续集，及一些专题论文集，如《xxx大学研究生学术论文集》
[N]—— 报纸文章
[J]——期刊文章：发表在期刊上的论文，尽管有时我们看到的是从网上下载的(如知网)，但它也是发表在期刊上的，你看到的电子期刊仅是其电子版
[D]——学位论文 ：不区分硕士还是博士论文
[R]——报告：一般在标题中会有"关于xxxx的报告"字样
[S]—— 标准
[P]——专利
[A]——文章：很少用，主要是不属于以上类型的文章
[Z]——对于不属于上述的文献类型，可用字 母"Z"标识，但这种情况非常少见
[DB/OL] ——联机网上数据(database online)
[DB/MT] ——磁带数据库(database on magnetic tape)
[M/CD] ——光盘图书(monograph on CDROM)
[CP/DK] ——磁盘软件(computer program on disk)
[J/OL] ——网上期刊(serial online)
[EB/OL] ——网上电子公告(electronic bulletin board online)
很显然，标识的就是该资源的英文缩写，/前面表示类型，/后面表示资源的载体，如OL表示在线资源。
四、经验总结
我们在写论文的时候，尤其是我们的毕业论文，说多了都是泪呀，这都是根据我自己当年写毕业论文的血泪史，总结出来的结论参考文献有三个好处：
毕业论文参考数据库
近几年，教育部对学生的学术问题十分关注，各种学术丑闻层出不穷，论文查重的意义对学生而言意义深远，对理解硕士论文数据库十分重要。 论文查重系统主要对硕士毕业论文查重系统可以进行信息数据库技术更新，并在原数据库的基础上发展增加了硕博论文大学生联合对比数据库对照库。 对毕业生来说，如果学生抄袭这些数据库中的论文，将被视为重复论文。因此，学生不应该冒险，在他们的论文中使用的参考数据没有用于参考他们的硕士论文。不言而喻，目前的论文查重系统，即查重研究生毕业论文进行系统，基本覆盖了中国国内企业大部分学生学术研究论文、期刊论文、专著、外文参考文献等数据，所以我们大家不要抱着侥幸心理，要多读一遍。 论文查重系统数据库的介绍仅仅是为了方便同学们对查重系统有更多的了解，怎样才能避免重复率过高的问题，本校可于其他的论文查重系统检测，对重复率进行修改后再交由校方审核，如：paperfree。
写毕业论文的时候要找参考文献，一般都是在中国知网上找的，因为现在知网是一个比较大的数据库，在那里面相对来说也能够比较好的找到你所要参考的资料。
毕业论文参考文献可以从图书馆或者中国知网上找。
毕业论文指的是你在大学期间对你所学专业的现实或理论问题进行科学探索且是有一定意义的论文，一般大学生在大三下半学期就可以为毕业论文做准备了，因为大四的上半学期要准备实习，下半学期要准备毕业答辩，等大四再去慢慢准备毕业论文时间是很仓促的。毕业论文的撰写过程要求是相当高的，学生要在相关教师的指导下，选定要写的课题才行，这也是从总体上考察一名大学生大学四年的学习成果。
毕业论文一般都包含以下部分：题目、署名、中文摘要、中文关键词、英文摘要、英文关键词（其中英文摘要和关键词要与中文摘要和关键词相对应）、引言（前言)、正文、参考文献、致谢辞和附录。其中对参考文献的要求和格式都特别严格，查找参考文献的过程也特别浪费时间，下面我将讲讲一些找参考文献的方法。
1.确定方向
不管你要找什么类型的参考，首先都要确定你的毕业论文写作方向，然后根据根据你的毕业论文主题去寻找你所需要的参考文献。所以，定方向是至关重要的一步。
2.找信息
找信息这一步是最耗费心血也是工作量最大的一步了，因为就算你明确了你要找的参考文献目标，但是这一类的参考文献实在太多了，所以找起来也不方便。这些都是你要面临的挑战。找参考文献的话主要有两种方法：①图书馆。不过这个图书馆的范围就有点大了，你可以利用学校的图书馆，毕竟每一所高校的图书馆都提供了很多的资源供大家使用。同时要是学校图书馆的还是不能找到你所需的参考文献，你也可以去当地的图书馆，每一个县级以上的地区都设有它们专门的图书馆，你可以去看看。
②网站信息。随着大数据时代的来临，我们查找资料也越来越方便了，只用动动手指就可以在网上查找到你所需要的资料。现在网上也有专门的网站为大家提供寻找参考文献的便利。比如中国知网和全国学术快报等。
3.信息来源
毕业论文的参考文献不仅仅是局限于一些专著，它还可以包括论文集、辞书、研究报告、期刊文章和报纸文章等。
所以其实找毕业论文的参考文献其实有多种途径，能找的文献也很多，只是在找的过程中比较麻烦，还有就是一定不要抄袭，要是在毕业论文出现抄袭现象后果是很严重的。
1、知网 知网是国内最权威、应用最广泛的数据库,想必大家都很熟悉。在国内的晋升考核和毕业考核中,知网查重的要求最为普遍。知网包括了国内绝大多数的期刊和文献,而知网是国内学术论文出版的最终要求,比国内其他数据库使用和认可也更广泛。 Sci是世界上学术价值最高、认可度最高的数据库,可以说是衡量国内外科研水平的最高标尺。国内高水平职称评审有sci 论文发表的相关要求,除此之外,研究生和博士生也有sci 论文出版的要求。 Ei是工程技术的索引,是国际范围内仅次于sci的数据库。具有很强的专业针对性
数据库毕业论文参考文献
一、参考文献著录格式1 、期刊作者.题名〔J〕.刊名，出版年，卷(期)∶起止页码2、 专著作者.书名〔M〕.版本(第一版不著录).出版地∶出版者，出版年∶起止页码3、 论文集作者.题名〔C〕.编者.论文集名，出版地∶出版者，出版年∶起止页码4 、学位论文作者.题名〔D〕.保存地点.保存单位.年份5 、专利文献题名〔P〕.国别.专利文献种类.专利号.出版日期6、 标准编号.标准名称〔S〕7、 报纸作者.题名〔N〕.报纸名.出版日期(版次)8 、报告作者.题名〔R〕.保存地点.年份9 、电子文献作者.题名〔电子文献及载体类型标识〕.文献出处，日期二、文献类型及其标识1、根据GB3469 规定，各类常用文献标识如下：①期刊〔J〕 ②专著〔M〕 ③论文集〔C〕 ④学位论文〔D〕 ⑤专利〔P〕 ⑥标准〔S〕 ⑦报纸〔N〕 ⑧技术报告〔R〕2、电子文献载体类型用双字母标识，具体如下：①磁带〔MT〕 ②磁盘〔DK〕 ③光盘〔CD〕 ④联机网络〔OL〕3、电子文献载体类型的`参考文献类型标识方法为：〔文献类型标识/载体类型标识〕。例如： ①联机网上数据库〔DB/OL〕 ②磁带数据库〔DB/MT〕③光盘图书〔M/CD〕 ④磁盘软件〔CP/DK〕 ⑤网上期刊〔J/OL〕 ⑥网上电子公告〔EB/OL〕三、举例1、期刊论文〔1〕周庆荣，张泽廷，朱美文，等.固体溶质在含夹带剂超临界流体中的溶解度〔J〕.化工学报，1995(3)：317—323〔2〕Dobbs J M, Wong J M. Modification of supercritical fluid phasebehavior using polor coselvent〔J〕. Ind Eng Chem Res, 1987,26:56〔3〕刘仲能，金文清.合成医药中间体4-甲基咪唑的研究〔J〕.精细化工，2002(2)：103-105〔4〕 Mesquita A C, Mori M N, Vieira J M, et al . Vinyl acetate polymerization byionizing radiation〔J〕.Radiation Physics and Chemistry,2002, 63:4652、专著〔1〕蒋挺大.亮聚糖〔M〕.北京：化学工业出版社，〔2〕Kortun G. Reflectance Spectroscopy〔M〕. New York: Spring-Verlag,19693、论文集〔1〕郭宏，王熊，刘宗林.膜分离技术在大豆分离蛋白生产中综合利用的研究〔C〕.//余立新.第三届全国膜和膜过程学术报告会议论文集.北京：高教出版社，〔2〕Eiben A E, vander Hauw J 3-SAT with adaptive genetic algorithms 〔C〕.//Proc 4th IEEE Conf Evolutionary : IEEE Press, 、学位论文〔1〕陈金梅.氟石膏生产早强快硬水泥的试验研究(D).西安：西安建筑科学大学，2000〔 2 〕 Chrisstoffels L A J . Carrier-facilitated transport as a mechanistic tool insupramolecular chemistry〔D〕.The Netherland：Twente 、专利文献〔1〕Hasegawa, Toshiyuki, Yoshida,et Coating composition〔P〕.EP 〔 2 〕 仲前昌夫， 佐藤寿昭. 感光性树脂〔 P 〕. 日本， 特开平〔3〕Yamaguchi K, Hayashi growth promotor and productionthereof 〔P〕.Jpn, Jp1290606. 1999-11-22〔4〕厦门大学.二烷氨基乙醇羧酸酯的制备方法〔P〕.中国发明专利， 6、技术标准文献〔1〕ISO 1210-1982，塑料——小试样接触火焰法测定塑料燃烧性〔S〕〔2〕GB 2410-80，透明塑料透光率及雾度实验方法〔S〕7、报纸〔1〕陈志平.减灾设计研究新动态〔N〕.科技日报，1997-12-12(5)8、报告〔1〕中国机械工程学会.密相气力输送技术〔R〕.北京：1996
毕业论文参考文献可以从图书馆或者中国知网上找。
毕业论文指的是你在大学期间对你所学专业的现实或理论问题进行科学探索且是有一定意义的论文，一般大学生在大三下半学期就可以为毕业论文做准备了，因为大四的上半学期要准备实习，下半学期要准备毕业答辩，等大四再去慢慢准备毕业论文时间是很仓促的。毕业论文的撰写过程要求是相当高的，学生要在相关教师的指导下，选定要写的课题才行，这也是从总体上考察一名大学生大学四年的学习成果。
毕业论文一般都包含以下部分：题目、署名、中文摘要、中文关键词、英文摘要、英文关键词（其中英文摘要和关键词要与中文摘要和关键词相对应）、引言（前言)、正文、参考文献、致谢辞和附录。其中对参考文献的要求和格式都特别严格，查找参考文献的过程也特别浪费时间，下面我将讲讲一些找参考文献的方法。
1.确定方向
不管你要找什么类型的参考，首先都要确定你的毕业论文写作方向，然后根据根据你的毕业论文主题去寻找你所需要的参考文献。所以，定方向是至关重要的一步。
2.找信息
找信息这一步是最耗费心血也是工作量最大的一步了，因为就算你明确了你要找的参考文献目标，但是这一类的参考文献实在太多了，所以找起来也不方便。这些都是你要面临的挑战。找参考文献的话主要有两种方法：①图书馆。不过这个图书馆的范围就有点大了，你可以利用学校的图书馆，毕竟每一所高校的图书馆都提供了很多的资源供大家使用。同时要是学校图书馆的还是不能找到你所需的参考文献，你也可以去当地的图书馆，每一个县级以上的地区都设有它们专门的图书馆，你可以去看看。
②网站信息。随着大数据时代的来临，我们查找资料也越来越方便了，只用动动手指就可以在网上查找到你所需要的资料。现在网上也有专门的网站为大家提供寻找参考文献的便利。比如中国知网和全国学术快报等。
3.信息来源
毕业论文的参考文献不仅仅是局限于一些专著，它还可以包括论文集、辞书、研究报告、期刊文章和报纸文章等。
所以其实找毕业论文的参考文献其实有多种途径，能找的文献也很多，只是在找的过程中比较麻烦，还有就是一定不要抄袭，要是在毕业论文出现抄袭现象后果是很严重的。
以下四种方式查找参考文献：
1.检索头牌：Pubmed
Pubmed作为美国国家医学图书馆所属的国家生物技术信息中心开发的一款论文搜索引擎，凭借其海量的文献数据和简便快捷的搜索方式，成为了网上使用最广泛的生物医学方面的文献搜索工具。我们可以通过最简单的在标题和摘要中搜寻相关的关键词或相关公式，来寻找相关的文章。
2.用之不易的Google学术
这个其实并不能算是文献检索工具，但其有个很大的特点就是能够对全文进行搜索，而不是像上面说的那两个只是搜索标题和摘要。因此当要搜索事实型依据的时候，比如，要搜索“某病的发病率为36%”这样的出处，在摘要中可能没有具体的数据，所以需要google来进行全文搜索。
Google学术的功能还是挺强大的，不过在天朝却被封了，要是想用还得翻墙。不过不知道是应广大学者的呼唤，据说，最近Google又可以用了，这机会可是来自不易，小伙伴们还是抓紧时机享受这一福利吧。
3.关联检索：Web of Science
这个方法比较适合研究机构，因为Web of Science的数据库是要收费的，但其搜索引擎比Pubmed更高级，不但能够限定文章的学科，还能限定作者的国籍单位等等，非常好用。值得一提的是它里面的逻辑连接词比Pubmed多了一个很实用词——Near，这个能在相邻的两个句子中寻找关键词。比方说要搜索高血压和糖尿病的关系，如果使用一般”AND“来连接，可能会出现头一句是说的糖尿病，然后结尾出来个高血压，其实并无联系。但用”Near”的话，由于两个词之间的距离被限定了，因此相关的概率也会高的多。
4.中文检索：万方，知网，维普等。
大数据毕业论文参考文献
网络安全与大数据技术应用探讨论文
摘要： 随着互联网技术的高速发展与普及，现如今互联网技术已经广泛应用于人们工作与生活之中，这给人们带来了前所未有的便利，但与此同时各种网络安全问题也随之显现。基于此，本文主要介绍了大数据技术在网络安全领域中的具体应用，希望在网络系统安全方面进行研究的同时，能够为互联网事业的持续发展提供可行的理论参考。
关键词： 网络安全；大数据技术；应用分析
前言
随着近年来互联网技术的不断深入，网络安全事故也随之频频发生。出于对网络信息安全的重视，我国于2014年成立了国家安全委员会，正式将网络安全提升为国家战略部署，这同时也表示我国网络信息安全形势不容乐观，网络攻击事件处于高发状态。木马僵尸病毒、恶意勒索软件、分布式拒绝服务攻击、窃取用户敏感信息等各类网络攻击事件的数量都处于世界前列。时有发生的移动恶意程序、APT、DDOS、木马病毒等网络攻击不仅会严重阻碍网络带宽、降低网络速度、并且对电信运营商的企业声誉也会产生一定影响。根据大量数据表明，仅仅依靠传统的网络防范措施已经无法应对新一代的网络威胁，而通过精确的检测分析从而在早期预警，已经成为现阶段网络安全能力的关键所在。
1网络安全问题分析
网络安全问题不仅涉及公民隐私与信息安全，更关乎国事安全，例如雅虎的信息泄露，导致至少五亿条用户信息被窃；美国棱镜门与希拉里邮件门等等事件都使得网络安全问题进一步升级、扩大。随着互联网构架日益复杂，网络安全分析的数据量也在与日俱增，在由TB级向PB级迈进的过程，不仅数据来源丰富、内容更加细化，数据分析所需维度也更为广泛。伴随着现阶段网络性能的增长，数据源发送速率更快，对安全信息采集的速度要求也就越高，版本更新延时等导致的Odav等漏洞日渐增多，网络攻击的影响范围也就进一步扩大；例如APT此类有组织、有目标且长期潜伏渗透的多阶段组合式攻击更加难以防范，唯有分析更多种类的安全信息并融合多种手段进行检测抵御。在传统技术架构中，大多使用结构化数据库来进行数据存储，但由于数据存储的成本过高，系统往往会将原始数据进行标准化处理后再进行存储，如此易导致数据的丢失与失真以及历史数据难以保存而造成的追踪溯源困难；同时对于嘈杂的大型、非结构化数据集的执行分析以及复杂查询效率很低，导致数据的实时性及准确性难以保证，安全运营效率不高，因此传统网络安全技术已经难以满足现阶段网络安全分析的新要求。大数据技术这一概念最初由维克托.迈尔.舍恩伯格与肯尼斯.库克耶在2008年出版的《大数据时代》一书中提出的，大数据是指不采用随机分析法，而是对所有的数据进行综合分析处理。大数据技术作为现阶段信息架构发展的趋势之首，其独有的高速、多样、种类繁多以及价值密度低等特点，近年来被广泛应用于互联网的多个领域中。大数据的战略意义在于能够掌握庞大的数据信息，使海量的原始安全信息的存储与分析得以实现、分布式数据库相比传统数据库的存储成本得以降低，并且数据易于在低廉硬件上的水平扩展，极大地降低了安全投入成本；并且伴随着数据挖掘能力的大幅提高，安全信息的采集与检测响应速度更加快捷，异构及海量数据存储的支持打造了多维度、多阶段关联分析的基础，提升了分析的深度与广度。对于网络安全防御而言，通过对不同来源的数据进行综合管理、处理、分析、优化，可实现在海量数据中极速锁定目标数据，并将分析结果实时反馈，对于现阶段网络安全防御而言至关重要。
2大数据在网络安全中的应用
将大数据运用到网络安全分析中，不仅能够实现数据的优化与处理，还能够对日志与访问行为进行综合处理，从而提高事件处理效率。大数据技术在网络安全分析的效果可从以下几点具体分析：
数据采集效率
大数据技术可对数据进行分布式地采集，能够实现数百兆/秒的采集速度，使得数据采集速率得到了极大的提高，这也为后续的关联分析奠定了基础。
数据的存储
在网络安全分析系统中，原始数据的存储是至关重要的，大数据技术能够针对不同数据类型进行不同的数据采集，还能够主动利用不同的方式来提高数据查询的效率，比如在对日志信息进行查询时适合采用列式的存储方式，而对于分析与处理标准化的数据，则适合采用分布式的模式进行预处理，在数据处理后可将结果存放在列式存储中；或者也可以在系统中建立起MapReduce的查询模块，在进行查询的时候可直接将指令放在指定的节点，完成处理后再对各个节点进行整理，如此能够确保查询的速度与反应速度。
实时数据的分析与后续数据的处理
在对实时数据的分析中，可以采用关联分析算法或CEP技术进行分析，如此能够实现对数据的采集、分析、处理的综合过程，实现了更高速度以及更高效率的处理；而对于统计结果以及数据的处理，由于这种处理对时效性要求不高，因此可以采用各种数据处理技术或是利用离线处理的方式，从而能够更好地完成系统风险、攻击方面的分析。
关于复杂数据的分析
在针对不同来源、不同类型的复杂数据进行分析时，大数据技术都能够更好的完成数据的分析与查询，并且能够有效完成复杂数据与安全隐患、恶意攻击等方面的处理，当网络系统中出现了恶意破坏、攻击行为，可采用大数据技术从流量、DNS的角度出发，通过多方面的数据信息分析实现全方位的防范、抵御。
3基于大数据技术构建网络系统安全分析
在网络安全系统中引入大数据技术，主要涉及以下三个模块：
数据源模块
网络安全系统中的`数据及数据源会随着互联网技术的进步而倍增技术能够通过分布式采集器的形式，对系统中的软硬件进行信息采集，除了防火墙、检测系统等软件，对设备硬件的要求也在提高，比如对服务器、存储器的检查与维护工作。
数据采集模块
大数据技术可将数据进行对立分析，从而构建起分布式的数据基础，能够做到原始数据从出现到删除都做出一定说明，真正实现数据的访问、追溯功能，尤其是对数据量与日俱增的今天而言，分布式数据存储能够更好地实现提高数据库的稳定性。
数据分析模块
对网络安全系统的运营来说，用户的业务系统就是安全的最终保障对象，大数据分析能够在用户数据产生之初，及时进行分析、反馈，从而能够让网络用户得到更加私人化的服务体验。而对于用户而言，得其所想也会对网络系统以及大数据技术更加的信任，对于个人的安全隐私信息在系统上存储的疑虑也会大幅降低。当前网络与信息安全领域正在面临着全新的挑战，企业、组织、个人用户每天都会产生大量的安全数据，现有的安全分析技术已经难以满足高效率、精确化的安全分析所需。而大数据技术灵活、海量、快速、低成本、高容量等特有的网络安全分析能力，已经成为现阶段业界趋势所向。而对互联网企业来说，实现对数据的深度“加工处理”，则是实现数据增值的关键所在，对商业运营而言是至关重要的。
4结语
在当下时代，信息数据已经渗透到各个行业及业务领域中，成为重要的社会生产因素。正因如此，互联网数据产生的数量也在与日倍增中，这给网络安全分析工作带来了一定难度与压力，而大数据技术则能够很好的完善这一问题。在网络系统中应用大数据技术不仅能够满足人们对数据处理时所要求的高效性与精准性，并且能够在此基础上构建一套相对完善的防范预警系统，这对维护网络系统的安全起着非常关键的作用，相信大数据技术日后能够得到更加广泛的应用。
参考文献：
[1]鲁宛生.浅谈网络安全分析中大数据技术的应用[J].数码世界，2017.
[2]王帅,汪来富,金华敏等.网络安全分析中的大数据技术应用[J].电信科学，2015.
[3]孙玉.浅谈网络安全分析中的大数据技术应用[J].网络安全技术与应用，2017.
写论文的时候，通常要求大家以后写十篇左右的参考文献。参考文献的要求应该和你写的题目有关。你写的是会计论文，后面的参考文献是体育论文，是完全不行的。下面和小编一起来了解论文怎么查参考文献？ 论文参考文献通常需要10~15个左右，有些学校需要两个英文参考文献。参考文献通常有自己独特的格式，参考文献主要分为期刊和论文。许多学生不知道如何查看这些参考文献，其实并不难。最简单的方法就是直接从查重报告上抄下来。小编推荐的查重系统是Paperfree，将论文上传到该系统进行查重，通常等待15-30分钟左右，会有详细的查重报告。本查重报告将列出本文引用的一些参考文献，因此您只需将本查重报告上的一些参考文献原封不动地复制到您的论文中。这种查找参考文献的方法是最简单方便的，可以原封不动的复制，也可以保证参考文献的格式不会出错。 另一种方法是在早期写论文时阅读大量的参考文献，许多学生会记录这些参考文献的名称。您还可以阅读以前做的阅读笔记，并将这些参考文献摘录到论文中。
在大数据环境下，计算机信息处理技术也面临新的挑战，要求计算机信息处理技术必须不断的更新发展，以能够对当前的计算机信息处理需求满足。下面是我给大家推荐的计算机与大数据的相关论文，希望大家喜欢!计算机与大数据的相关论文篇一 浅谈“大数据”时代的计算机信息处理技术 [摘 要]在大数据环境下，计算机信息处理技术也面临新的挑战，要求计算机信息处理技术必须不断的更新发展，以能够对当前的计算机信息处理需求满足。本文重点分析大数据时代的计算机信息处理技术。 [关键词]大数据时代;计算机;信息处理技术 在科学技术迅速发展的当前，大数据时代已经到来，大数据时代已经占领了整个环境，它对计算机的信息处理技术产生了很大的影响。计算机在短短的几年内，从稀少到普及，使人们的生活有了翻天覆地的变化，计算机的快速发展和应用使人们走进了大数据时代，这就要求对计算机信息处理技术应用时，则也就需要在之前基础上对技术实施创新，优化结构处理，从而让计算机数据更符合当前时代发展。 一、大数据时代信息及其传播特点 自从“大数据”时代的到来，人们的信息接收量有明显加大，在信息传播中也出现传播速度快、数据量大以及多样化等特点。其中数据量大是目前信息最显著的特点，随着时间的不断变化计算机信息处理量也有显著加大，只能够用海量还对当前信息数量之大形容;传播速度快也是当前信息的主要特点，计算机在信息传播中传播途径相当广泛，传播速度也相当惊人，1s内可以完成整个信息传播任务，具有较高传播效率。在传播信息过程中，还需要实施一定的信息处理，在此过程中则需要应用相应的信息处理工具，实现对信息的专门处理，随着目前信息处理任务的不断加强，信息处理工具也有不断的进行创新[1];信息多样化，则也就是目前数据具有多种类型，在庞大的数据库中，信息以不同的类型存在着，其中包括有文字、图片、视频等等。这些信息类型的格式也在不断发生着变化，从而进一步提高了计算机信息处理难度。目前计算机的处理能力、打印能力等各项能力均有显著提升，尤其是当前软件技术的迅速发展，进一步提高了计算机应用便利性。微电子技术的发展促进了微型计算机的应用发展，进一步强化了计算机应用管理条件。 大数据信息不但具有较大容量，同时相对于传统数据来讲进一步增强了信息间关联性，同时关联结构也越来越复杂，导致在进行信息处理中需要面临新的难度。在 网络技术 发展中重点集中在传输结构发展上，在这种情况下计算机必须要首先实现网络传输结构的开放性设定，从而打破之前计算机信息处理中，硬件所具有的限制作用。因为在当前计算机网络发展中还存在一定的不足，在完成云计算机网络构建之后，才能够在信息处理过程中，真正的实现收放自如[2]。 二、大数据时代的计算机信息处理技术 (一)数据收集和传播技术 现在人们通过电脑也就可以接收到不同的信息类型，但是在进行信息发布之前，工作人员必须要根据需要采用信息处理技术实施相应的信息处理。计算机采用信息处理技术实施信息处理，此过程具有一定复杂性，首先需要进行数据收集，在将相关有效信息收集之后首先对这些信息实施初步分析，完成信息的初级操作处理，总体上来说信息处理主要包括：分类、分析以及整理。只有将这三步操作全部都完成之后，才能够把这些信息完整的在计算机网络上进行传播，让用户依照自己的实际需求筛选满足自己需求的信息，借助于计算机传播特点将信息数据的阅读价值有效的实现。 (二)信息存储技术 在目前计算机网络中出现了很多视频和虚拟网页等内容，随着人们信息接收量的不断加大，对信息储存空间也有较大需求，这也就是对计算机信息存储技术提供了一个新的要求。在数据存储过程中，已经出现一系列存储空间无法满足当前存储要求，因此必须要对当前计算机存储技术实施创新发展。一般来讲计算机数据存储空间可以对当前用户关于不同信息的存储需求满足，但是也有一部分用户对于计算机存储具有较高要求，在这种情况下也就必须要提高计算机数据存储性能[3]，从而为计算机存储效率提供有效保障。因此可以在大数据存储特点上完成计算机信息新存储方式，不但可以有效的满足用户信息存储需求，同时还可以有效的保障普通储存空间不会出现被大数据消耗问题。 (三)信息安全技术 大量数据信息在计算机技术发展过程中的出现，导致有一部分信息内容已经出现和之前信息形式的偏移，构建出一些新的计算机信息关联结构，同时具有非常强大的数据关联性，从而也就导致在计算机信息处理中出现了新的问题，一旦在信息处理过程中某个信息出现问题，也就会导致与之关联紧密的数据出现问题。在实施相应的计算机信息管理的时候，也不像之前一样直接在单一数据信息之上建立，必须要实现整个数据库中所有将数据的统一安全管理。从一些角度分析，这种模式可以对计算机信息处理技术水平有显著提升，并且也为计算机信息处理技术发展指明了方向，但是因为在计算机硬件中存在一定的性能不足，也就导致在大数据信息安全管理中具有一定难度。想要为数据安全提供有效保障，就必须要注重数据安全技术管理技术的发展。加强当前信息安全体系建设，另外也必须要对计算机信息管理人员专业水平进行培养，提高管理人员专业素质和专业能力，从而更好的满足当前网络信息管理体系发展需求，同时也要加强关于安全技术的全面深入研究工作[4]。目前在大数据时代下计算机信息安全管理技术发展还不够成熟，对于大量的信息还不能够实施全面的安全性检测，因此在未来计算机信息技术研究中安全管理属于重点方向。但是因为目前还没有构建完善的计算机安全信息管理体系，因此首先应该强化关于计算机重点信息的安全管理，这些信息一旦发生泄漏，就有可能会导致出现非常严重的损失。目前来看，这种 方法 具有一定可行性。 (四)信息加工、传输技术 在实施计算机信息数据处理和传输过程中，首先需要完成数据采集，同时还要实时监控数据信息源，在数据库中将采集来的各种信息数据进行存储，所有数据信息的第一步均是完成采集。其次才能够对这些采集来的信息进行加工处理，通常来说也就是各种分类及加工。最后把已经处理好的信息，通过数据传送系统完整的传输到客户端，为用户阅读提供便利。 结语： 在大数据时代下，计算机信息处理技术也存在一定的发展难度，从目前专业方面来看，还存在一些问题无法解决，但是这些难题均蕴含着信息技术发展的重要机遇。在当前计算机硬件中，想要完成计算机更新也存在一定的难度，但是目前计算机未来的发展方向依旧是云计算网络，把网络数据和计算机硬件数据两者分开，也就有助于实现云计算机网络的有效转化。随着科学技术的不断发展相信在未来的某一天定能够进入到计算机信息处理的高速发展阶段。 参考文献 [1] 冯潇婧.“大数据”时代背景下计算机信息处理技术的分析[J].计算机光盘软件与应用，2014，(05)：105+107. [2] 詹少强.基于“大数据”时代剖析计算机信息处理技术[J].网络安全技术与应用，2014，(08)：49-50. [3] 曹婷.在信息网络下计算机信息处理技术的安全性[J].民营科技，2014， (12)：89CNKI [4] 申鹏.“大数据”时代的计算机信息处理技术初探[J].计算机光盘软件与应用，2014，(21)：109-110 计算机与大数据的相关论文篇二 试谈计算机软件技术在大数据时代的应用 摘要：大数据的爆炸式增长在大容量、多样性和高增速方面，全面考验着现代企业的数据处理和分析能力;同时，也为企业带来了获取更丰富、更深入和更准确地洞察市场行为的大量机会。对企业而言，能够从大数据中获得全新价值的消息是令人振奋的。然而，如何从大数据中发掘出“真金白银”则是一个现实的挑战。这就要求采用一套全新的、对企业决策具有深远影响的解决方案。 关键词：计算机 大数据时代 容量 准确 价值 影响 方案 1 概述 自从计算机出现以后，传统的计算工作已经逐步被淘汰出去，为了在新的竞争与挑战中取得胜利，许多网络公司开始致力于数据存储与数据库的研究，为互联网用户提供各种服务。随着云时代的来临，大数据已经开始被人们广泛关注。一般来讲，大数据指的是这样的一种现象：互联网在不断运营过程中逐步壮大，产生的数据越来越多，甚至已经达到了10亿T。大数据时代的到来给计算机信息处理技术带来了更多的机遇和挑战，随着科技的发展，计算机信息处理技术一定会越来越完善，为我们提供更大的方便。 大数据是IT行业在云计算和物联网之后的又一次技术变革，在企业的管理、国家的治理和人们的生活方式等领域都造成了巨大的影响。大数据将网民与消费的界限和企业之间的界限变得模糊，在这里，数据才是最核心的资产，对于企业的运营模式、组织结构以及 文化 塑造中起着很大的作用。所有的企业在大数据时代都将面对战略、组织、文化、公共关系和人才培养等许多方面的挑战，但是也会迎来很大的机遇，因为只是作为一种共享的公共网络资源，其层次化和商业化不但会为其自身发展带来新的契机，而且良好的服务品质更会让其充分具有独创性和专用性的鲜明特点。所以，知识层次化和商业化势必会开启知识创造的崭新时代。可见，这是一个竞争与机遇并存的时代。 2 大数据时代的数据整合应用 自从2013年，大数据应用带来令人瞩目的成绩，不仅国内外的产业界与科技界，还有各国政府部门都在积极布局、制定战略规划。更多的机构和企业都准备好了迎接大数据时代的到来，大数据的内涵应是数据的资产化和服务化，而挖掘数据的内在价值是研究大数据技术的最终目标。在应用数据快速增长的背景下，为了降低成本获得更好的能效，越来越趋向专用化的系统架构和数据处理技术逐渐摆脱传统的通用技术体系。如何解决“通用”和“专用”体系和技术的取舍，以及如何解决数据资产化和价值挖掘问题。 企业数据的应用内容涵盖数据获取与清理、传输、存储、计算、挖掘、展现、开发平台与应用市场等方面，覆盖了数据生产的全生命周期。除了Hadoop版本系统YARN，以及Spark等新型系统架构介绍外，还将探讨研究流式计算(Storm，Samza，Puma，S4等)、实时计算(Dremel，Impala，Drill)、图计算(Pregel，Hama，Graphlab)、NoSQL、NewSQL和BigSQL等的最新进展。在大数据时代，借力计算机智能(MI)技术，通过更透明、更可用的数据，企业可以释放更多蕴含在数据中的价值。实时、有效的一线质量数据可以更好地帮助企业提高产品品质、降低生产成本。企业领导者也可根据真实可靠的数据制订正确战略经营决策，让企业真正实现高度的计算机智能决策办公，下面我们从通信和商业运营两个方面进行阐述。 通信行业：XO Communications通过使用IBM SPSS预测分析软件，减少了将近一半的客户流失率。XO现在可以预测客户的行为，发现行为趋势，并找出存在缺陷的环节，从而帮助公司及时采取 措施 ，保留客户。此外，IBM新的Netezza网络分析加速器，将通过提供单个端到端网络、服务、客户分析视图的可扩展平台，帮助通信企业制定更科学、合理决策。电信业者透过数以千万计的客户资料，能分析出多种使用者行为和趋势，卖给需要的企业，这是全新的资料经济。中国移动通过大数据分析，对 企业运营 的全业务进行针对性的监控、预警、跟踪。系统在第一时间自动捕捉市场变化，再以最快捷的方式推送给指定负责人，使他在最短时间内获知市场行情。 商业运营：辛辛那提动物园使用了Cognos，为iPad提供了单一视图查看管理即时访问的游客和商务信息的服务。借此，动物园可以获得新的收入来源和提高营收，并根据这些信息及时调整营销政策。数据收集和分析工具能够帮助银行设立最佳网点，确定最好的网点位置，帮助这个银行更好地运作业务，推动业务的成长。 3 企业信息解决方案在大数据时代的应用 企业信息管理软件广泛应用于解决欺诈侦测、雇员流动、客户获取与维持、网络销售、市场细分、风险分析、亲和性分析、客户满意度、破产预测和投资组合分析等多样化问题。根据大数据时代的企业挖掘的特征，提出了数据挖掘的SEMMA方法论――在SAS/EM环境中，数据挖掘过程被划分为Sample、Explore、Modify、Model、Assess这五个阶段，简记为SEMMA： Sample 抽取一些代表性的样本数据集(通常为训练集、验证集和测试集)。样本容量的选择标准为：包含足够的重要信息，同时也要便于分析操作。该步骤涉及的处理工具为：数据导入、合并、粘贴、过滤以及统计抽样方法。 Explore 通过考察关联性、趋势性以及异常值的方式来探索数据，增进对于数据的认识。该步骤涉及的工具为：统计 报告 、视图探索、变量选择以及变量聚类等方法。 Modify 以模型选择为目标，通过创建、选择以及转换变量的方式来修改数据集。该步骤涉及工具为：变量转换、缺失处理、重新编码以及数据分箱等。 Model 为了获得可靠的预测结果，我们需要借助于分析工具来训练统计模型或者机器学习模型。该步骤涉及技术为：线性及逻辑回归、决策树、神经网络、偏最小二乘法、LARS及LASSO、K近邻法以及其他用户(包括非SAS用户)的模型算法。 Assess 评估数据挖掘结果的有效性和可靠性。涉及技术为：比较模型及计算新的拟合统计量、临界分析、决策支持、报告生成、评分代码管理等。数据挖掘者可能不会使用全部SEMMA分析步骤。然而，在获得满意结果之前，可能需要多次重复其中部分或者全部步骤。 在完成SEMMA步骤后，可将从优选模型中获取的评分公式应用于(可能不含目标变量的)新数据。将优选公式应用于新数据，这是大多数数据挖掘问题的目标。此外，先进的可视化工具使得用户能在多维直方图中快速、轻松地查阅大量数据并以图形化方式比较模拟结果。SAS/EM包括了一些非同寻常的工具，比如：能用来产生数据挖掘流程图的完整评分代码(SAS、C以及Java代码)的工具，以及交换式进行新数据评分计算和考察执行结果的工具。 如果您将优选模型注册进入SAS元数据服务器，便可以让SAS/EG和SAS/DI Studio的用户分享您的模型，从而将优选模型的评分代码整合进入 工作报告 和生产流程之中。SAS模型管理系统，通过提供了开发、测试和生产系列环境的项目管理结构，进一步补充了数据挖掘过程，实现了与SAS/EM的无缝联接。 在SAS/EM环境中，您可以从SEMMA工具栏上拖放节点进入工作区的工艺流程图中，这种流程图驱动着整个数据挖掘过程。SAS/EM的图形用户界面(GUI)是按照这样的思路来设计的：一方面，掌握少量统计知识的商务分析者可以浏览数据挖掘过程的技术方法;另一方面，具备数量分析技术的专家可以用微调方式深入探索每一个分析节点。 4 结束语 在近十年时间里，数据采集、存储和数据分析技术飞速发展，大大降低了数据储存和处理的成本，一个大数据时代逐渐展现在我们的面前。大数据革新性地将海量数据处理变为可能，并且大幅降低了成本，使得越来越多跨专业学科的人投入到大数据的开发应用中来。 参考文献： [1]薛志文.浅析计算机网络技术及其发展趋势[J].信息与电脑，2009. [2]张帆，朱国仲.计算机网络技术发展综述[J].光盘技术，2007. [3]孙雅珍.计算机网络技术及其应用[J].东北水利水电，1994. [4]史萍.计算机网络技术的发展及展望[J].五邑大学学报，1999. [5]桑新民.步入信息时代的学习理论与实践[M].中央广播大学出版社，2000. [6]张浩，郭灿.数据可视化技术应用趋势与分类研究[J].软件导刊. [7]王丹.数字城市与城市地理信息产业化――机遇与挑战[J].遥感信息，2000(02). [8]杨凤霞.浅析 Excel 2000对数据的安全管理[J].湖北商业高等专科学校学报，2001(01). 计算机与大数据的相关论文篇三 浅谈利用大数据推进计算机审计的策略 [摘要]社会发展以及时代更新，在该种环境背景下大数据风潮席卷全球，尤其是在进入新时期之后数据方面处理技术更加成熟，各领域行业对此也给予了较高的关注，针对当前计算机审计(英文简称CAT)而言要想加速其发展脚步并将其质量拔高就需要结合大数据，依托于大数据实现长足发展，本文基于此就大数据于CAT影响进行着手分析，之后探讨依托于大数据良好推进CAT，以期为后续关于CAT方面研究提供理论上参考依据。 [关键词]大数据 计算机审计 影响 前言：相较于网络时代而言大数据风潮一方面提供了共享化以及开放化、深层次性资源，另一方面也促使信息管理具备精准性以及高效性，走进新时期CAT应该融合于大数据风潮中，相应CAT人员也需要积极应对大数据带了的机遇和挑战，正面CAT工作，进而促使CAT紧跟时代脚步。 一、初探大数据于CAT影响 影响之机遇 大数据于CAT影响体现在为CAT带来了较大发展机遇，具体来讲，信息技术的更新以及其质量的提升促使数据方面处理技术受到了众多领域行业的喜爱，当前在数据技术推广普及阶段中呈现三大变化趋势：其一是大众工作生活中涉及的数据开始由以往的样本数据实际转化为全数据。其二是全数据产生促使不同数据间具备复杂内部关系，而该种复杂关系从很大程度上也推动工作效率以及数据精准性日渐提升，尤其是数据间转化关系等更为清晰明了。其三是大众在当前处理数据环节中更加关注数据之间关系研究，相较于以往仅仅关注数据因果有了较大进步。基于上述三大变化趋势，也深刻的代表着大众对于数据处理的态度改变，尤其是在当下海量数据生成背景下，人工审计具备较强滞后性，只有依托于大数据并发挥其优势才能真正满足大众需求，而这也是大数据对CAT带来的重要发展机遇，更是促进CAT在新时期得以稳定发展重要手段。 影响之挑战 大数据于CAT影响还体现在为CAT带来一定挑战，具体来讲，审计评估实际工作质量优劣依托于其中数据质量，数据具备的高质量则集中在可靠真实以及内容详细和相应信息准确三方面，而在CAT实际工作环节中常常由于外界环境以及人为因素导致数据质量较低，如数据方面人为随意修改删除等等，而这些均是大数据环境背景下需要严格把控的重点工作内容。 二、探析依托于大数据良好推进CAT措施 数据质量的有效保障 依托于大数据良好推进CAT措施集中在数据质量有效保障上，对数据质量予以有效保障需要从两方面入手，其一是把控电子数据有效存储，简单来讲就是信息存储，对电子信息进行定期检查，监督数据实际传输，对信息系统予以有效确认以及评估和相应的测试等等，进而将不合理数据及时发现并找出信息系统不可靠不准确地方;其二是把控电子数据采集，通常电子数据具备多样化采集方式，如将审计单位相应数据库直接连接采集库进而实现数据采集，该种直接采集需要备份初始传输数据，避免数据采集之后相关人员随意修改，更加可以与审计单位进行数据采集真实性 承诺书 签订等等，最终通过电子数据方面采集以及存储两大内容把控促使数据质量更高，从而推动CAT发展。 公共数据平台的建立 依托于大数据良好推进CAT措施还集中在公共数据平台的建立，建立公共化分析平台一方面能够将所有采集的相关数据予以集中化管理存储，更能够予以多角度全方面有效分析;另一方面也能够推动CAT作业相关标准予以良好执行。如果将分析模型看作是CAT作业标准以及相应的核心技术，则公共分析平台则是标准执行和相应技术实现关键载体。依托于公共数据平台不仅能够将基础的CAT工作实现便捷化以及统一化，而且深层次的实质研究有利于CAT数据处理的高速性以及高效性，最终为推动CAT发展起到重要影响作用。 审计人员的强化培训 依托于大数据良好推进CAT措施除了集中在上述两方面之外，还集中在审计人员的强化培训上，具体来讲，培训重点关注审计工作于计算机上的具 体操 作以及操作重点难点，可以构建统一培训平台，在该培训平台中予以多元化资料的分享，聘请高技能丰富 经验 人士予以平台授课，提供专业技能知识沟通互动等等机会，最终通过强化培训提升审计人员综合素质，更加推动CAT未来发展。 三、结论 综上分析可知，当前大数据环境背景下CAT需要将日常工作予以不断调整，依托于大数据促使审计人员得以素质提升，并利用公共数据平台建立和相应的数据质量保障促使CAT工作更加高效，而本文对依托于大数据良好推进CAT进行研究旨在为未来CAT优化发展献出自己的一份研究力量。 猜你喜欢： 1. 人工智能与大数据论文 2. 大数据和人工智能论文 3. 计算机大数据论文参考 4. 计算机有关大数据的应用论文 5. 有关大数据应用的论文
中国大数据论文参考文献
大数据对高校教育的推动作用论文
当代社会互联网发达，信息技术广泛应用与社会各个领域。当然，利用信息技术来推动高校教育发展也是在信息化教育进程之中。信息技术的发展迅速，大数据也就迅速堆积，大数据记录了信息技术发展的脚步，同样有利于信息技术在社会上的有效发展。高校作为发展人才的地方，自然少不了大量数据累积，信息量巨大，大数据对高校教育也就有着非常大的影响，它不仅推动着高校教育的发展，同时也反映着高校教育数据累积的过程，这类数据与外界环境的共享，一起发挥着大数据对高校教育的推动作用。
1大数据 发挥出在高校教育的发展中的推动作用
高校教育在多年的发展中，逐渐适应了信息化的快速发展进程，将高校教育信息化是必然的条件，这对于高校教育的改革和完善具有完全有效的作用。高校教育信息化同样对提高教学质量，引导创新教学模式，发挥着重要作用。高校教育信息化有利于加强校园文化建设，促进教育高水平发展，有利于改善教学方法，发挥教育各项职能，有利于人才培养，有利于信息交流和教学环境改善。高校教育信息化是教育发展和提升的必要条件，大量的信息交流必定会产生众多数据，针对大数据进行数据收集和处理，方便数据检索和查询。高校教育本身就具有信息量大、数据多样，繁琐的鞥、特点，所以很好的利用大数据为高校教育发展做贡献，一定能更好的推动高校教育的发展。大数据在课堂上的应用，能够改变传统的教学模式，发挥信息技术的无限潜能，不管是时间还是空间的阻碍，都能被信息技术所打破，这将有利于学生更好的融入课堂，使学生更适应课堂，从而使理解知识变得容易。大数据的广泛应用，同样适用于科学研究方面，大数据的全面信息的应用对于信息的共享和交流具有关键推进作用，现代信息技术在社会科学中的应用将改善传统的研究方法，这样不但能提升结果的可信度，更能够提升工作效率，再者，大数据在服务人们方面的应用，高校能够更好的掌握社会需求，了解社会对人才的渴求，从而培养适应社会的人才。这样的好处还有能够加强高校和社会的联系，使得高校能够更好地履行社会职能。大数据还有利于高校建设校园文化与文化传承。高校对于优秀民族和世界文化都有责任和义务传播给更多学生，高校作为文化载体，有更好的条件进行文化教育，通过信息技术手段，方便文化沟通，以及技术交流等。
2大数据与高校教育之间的联系
大数据与高校教育之间不只是简单的应用关系，高校也绝不是被动的接受大数据，其实高校与大数据之间是相互依靠，相互促进的，高校教育的发展同时也是大数据的发展，同时，大数据的发展，也同样推动了高校教育的发展进程。大数据可以说是一种工具，一是顺应了高校教育的发展进程，同时也为高校教育发展做出了许多改善与提升。比方说大数据推动了高校对人才培养的进程，有利于高校选拔适合社会的高等人才，挖掘人才潜在价值，更好的为社会服务，也是为人们服务，帮助学生找到自身优势，使得人才发展变得顺利。前面说的，大数据帮助高校建立完善的文化体系，有助于高校进行文化传承，教育形式改革与创新。大数据有助于高校了解社会需求，发展与培养适应社会的全能人才。反过来，高校教育对大数据的发展也具有非常重要的推进作用。高校由于信息量巨大，也有相对完整的记录和完善形式，对于数据的收集等方面也有非常完善的系统，所以高校教育对于大数据的发展也有积极作用。高校通过长时间的数据利用，自然会产生许多有效的数据分类和整理办法，对数据的研究也非常细致和详细，对数据也会进行补充和完善，分析和创新数据记录办法，所以高校教育方面对数据的整理利用工作也会对大数据的发展做出更多贡献。说完了高校教育与大数据之间的相互利用，还应考虑大数据与高校教育之间的共同发展。许多高校在建立了比较完善的大数据处理和利用方式之后，通常会比较频繁的与外界进行数据处理办法和收集方式的交流和共享，大部分的'数据处理工作都是有目的性的，比方说在网上的数据检索工作，都是在先想好需要什么才去网上搜索的，所以对数据的分类整理工作至关重要。高校教育通常分为大体上的文科和理科，那再往下细分还有工科医科师范类商学类等等。不同的数据有不同的处理方式，不同的数据门类之间有时候也是互通的，所以大数据的处理办法和整体思维都是有分别的，也是有联系的，需要研究者长时间的分析和整理。大数据的使用需要专业的认可，不然的话就会造成资源浪费，看来社会上的机构大概也只有高校和研究员具有资格认证大数据的作用了。大数据广泛应用了信息技术和社会科学等多种学科的资源，在保证数据真实可靠地情况下，为更多数据使用者提供良好的数据参考作用。换句话说，高校教育过程中对数据的使用情况直接影响了大数据的利用率，高校对大数据提供了更多的技术支持，同时也限制了大数据的发展，所以大数据与高校教育之间的这种关系影响了两者之间的共同发展。
3大数据在推动高校教育发展过程中遇到的问题
不可否认，大数据在推动高校教育的发展过程做出了很多贡献，但是在大数据推动高校教育的过程中，仍会出现某些问题，阻止了大数据的推动作用，造成大数据没有完全发挥其应有的功能，没有很好的为高校教育做出更大贡献。首先是高校对于大数据的利用率低，主要体现在进行数据搜索和收集过程中，对需求的认识面太过狭隘，导致数据收集工作不完善，收据收集的不完全，在应用过程中就会有困难，造成信息缺失和资源不足，所以究其原因还是数据收集工作者工作中存在纰漏，或者对数据手机方法不正确不规范，造成了数据缺失情况出现。其次出现大数据利用不完全的问题是因为数据运用者技术不规范和操作不当造成数据使用不完全。和传统的数据使用方法相比，现代的利用大数据进行数据检索和使用工作已经如虎添翼，通过科技手段可以毫不费力的从大量的数据库中筛选出自己所需要的数据来进行利用。这不但大大降低了操作难度，同时也节省了很多时间，我们都知道数据挖掘工作复杂而且繁琐，更需要数据挖掘工作者认真细致的到位的工作态度，一点马虎不得。但是通过技术手段，以及先进的互联网技术，可以很好的解决很多工作中可能会出现的问题。但是机器就是机器，永远不可能有人的思维，就算有那也是人给他格外添加的，永远不可能超过人的思维，所以机器所犯的错误可能也会有很多，这就需要人来利用外力对数据采集处理等工作进行监督，一点失误就会造成数据错误，影响数据的使用。
4提升大数据推动高校教育有效性的对策
针对以上几点问题，首先提出的解决办法就是使人们充分认识大数据的作用，这样从根本上让人们建立起对大数据的作用的基本概念，才能仍大数据更好地为人们服务。大数据实在信息大爆炸的现代社会中人们必不可少的一种数据收集处理方式，对于社会的快速发展，必然会伴随数以万计的数据，那么对于这么多眼花缭乱的数据，要想提取出真正对自己有用的数据，就要利用科技手段，建立完整的数据库，方便人们的数据提取和利用。在认识了大数据的作用之后，就要合理的利用好大数据，正确的使用大数据，在大数据使用过程中应当规范使用办法，避免使用者滥用大数据，检索和分类过程也应当认真细致的操作，因为不仅仅是一次失误，之后的每一个步骤都有可能会对数据处理工作造成误解和偏差，造成大数据的错误使用。为了更好的使用大数据，推动大数据对高校教育的发展，高校应建立完善的大数据使用平台，让使用者能够有地方可查，有资源可用，提高大数据的使用率。至于校园内的配置，应当及时维护，对大数据的保管工作也应时常监督和完善，进一步加强数据使用效率，发挥其应有的价值。在人员配置选拔方面，要认真仔细筛选真正有用的人才，对数据进行分类处理和详细整理，更好的帮助校园内数据使用者进行数据使用程序。
5总结
在当下数据大爆炸的时代，能够更好的使用信息的人，将信息为己所用，那么就是发挥了大数据的真正价值。正确看待大数据，合理利用大数据，将大数据与高校教育有机的结合在一起，尽力发挥大数据应有的价值，有利于人们探索未知的知识和学问，有效的利用好大数据，就是发挥了大数据对高校教育的推动作用。
参考文献 :
[1]邱仁宗,黄雯,翟晓梅.大数据技术的伦理问题[J].科学与社会,2014(01).
[2]王成红,陈伟能,张军,宋苏,鲁仁全.大数据技术与应用中的挑战性科学问题[J].中国科学基金,2014(02).
[3]祝智庭,管珏琪.教育变革中的技术力量[J].中国电化教育,2014(01).
大数据意义
现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，大数据就是这个高科技时代的产物。[10]阿里巴巴创办人马云来台演讲中就提到，未来的时代将不是IT时代，而是DT的时代，DT就是Data Technology数据科技，显示大数据对于阿里巴巴集团来说举足轻重。[11]
有人把数据比喻为蕴藏能量的煤矿。煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似，大数据并不在“大”，而在于“有用”。价值含量、挖掘成本比数量更为重要。对于很多行业而言，如何利用这些大规模数据是赢得竞争的关键。[12]
大数据的价值体现在以下几个方面：
（1）对大量消费者提供产品或服务的企业可以利用大数据进行精准营销；
（2）做小而美模式的中小微企业可以利用大数据做服务转型；
（3）面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值。
不过，“大数据”在经济发展中的巨大意义并不代表其能取代一切对于社会问题的理性思考，科学发展的逻辑不能被湮没在海量数据中。著名经济学家路德维希·冯·米塞斯曾提醒过：“就今日言，有很多人忙碌于资料之无益累积，以致对问题之说明与解决，丧失了其对特殊的经济意义的了解。”这确实是需要警惕的。
在这个快速发展的智能硬件时代，困扰应用开发者的一个重要问题就是如何在功率、覆盖范围、传输速率和成本之间找到那个微妙的平衡点。企业组织利用相关数据和分析可以帮助它们降低成本、提高效率、开发新产品、做出更明智的业务决策等等。例如，通过结合大数据和高性能的分析，下面这些对企业有益的情况都可能会发生：
（1）及时解析故障、问题和缺陷的根源，每年可能为企业节省数十亿美元。
（2）为成千上万的快递车辆规划实时交通路线，躲避拥堵。
（3）分析所有SKU，以利润最大化为目标来定价和清理库存。
（4）根据客户的购买习惯，为其推送他可能感兴趣的优惠信息。
（5）从大量客户中快速识别出金牌客户。
（6）使用点击流分析和数据挖掘来规避欺诈行为。
发展历程：十年来大数据产业高速增长，我国信息智能化程度得到显著提升
我国大数据产业布局相对较早，2011年，工信部就把信息处理技术作为四项关键技术创新工程之一，为大数据产业发展奠定了一定的政策基础。自2014年起，“大数据”首次被写进我国政府工作报告，大数据产业上升至国家战略层面，此后，国家大数据综合试验区逐渐建立起来，相关政策与标准体系不断被完善，到2020年，我国大数据解决方案已经发展成熟，信息社会智能化程度得到显著提升。
市场规模：2020年市场规模超6000亿 维持高速增长
中国大数据产业联盟发布的《2021中国大数据产业发展地图暨中国大数据产业发展白皮书》指出，2018年以来，大数据技术的快速发展，以及大数据与人工智能、VR、5G、区块链、边缘智能等新技术的交汇融合，持续加速技术创新。与此同时，伴随新型智慧城市和数字城市建设热潮，各地与大数据相关的园区加速落地，大数据产业持续增长。
赛迪顾问的数据显示，2020年中国大数据产业规模达6388亿元，同比增长，预计未来三年保持15%以上的年均增速，到2023年产业规模超过10000亿元。
市场格局
——细分市场格局：软硬件占据行业主要市场
目前，我国的大数据产业尚处于初级建设阶段，从市场结构来分，大数据产业可划分为大数据硬件、软件以及服务三类市场。
根据《IDC全球大数据支出指南》，2020年中国大数据市场最大的构成部分仍然来自于传统硬件部分——服务器和存储，占比超过40%，其次为IT服务和商业服务，两者共占的比例，剩余由的大数据软件所构成。从软件角度来看，2020年中国最大的三个细分子市场依次为终端用户查询汇报分析工具(End-User Query, Reporting, and Analysis Tools)、人工智能软件平台(AI Software Platforms)以及关系型数据仓库(Relational Data Warehouses)，并且IDC预计，三者总和占中国整体大数据软件市场的比例接近50%。
——应用市场格局：互联网、政府、金融为大数据主要应用领域
从具体行业应用来看，互联网、政府、金融和电信引领大数据融合产业发展，合计规模占比为。互联网、金融和电信三个行业由于信息化水平高，研发力量雄厚，在业务数字化转型方面处于领先地位;政府大数据成为近年来政府信息化建设的关键环节，与政府数据整合与开放共享、民生服务、社会治理、市场监管相关的应用需求持续火热。此外，工业大数据和健康医疗大数据作为新兴领域，数据量大、产业链延展性高，未来市场增长潜力大。
发展趋势与前景
——发展趋势：数据治理成为大数据发展的重要方向
——发展前景预测
据赛迪顾问预测，2023年中国大数据产业市场规模将超过10000亿元，2021-2023年增速将达到15%以上。在此基础上，前瞻测算，到2027年我国大数据产业市场规模将接近18000亿元。
—— 更多行业相关数据请参考前瞻产业研究院《中国大数据产业发展前景与投资战略规划分析报告》