大數據時代信息分析的關鍵問題、挑戰及解決對策

陳達榮

摘 要：本文以大數據為時代背景，深究當前信息分析實際工作中所存在的客觀問題，明確了信息分析當前多面臨的發展性挑戰，深層次地構思了應對策略。從而能夠不斷提升信息分析各項工作的實施效果，讓信息分析各項專業技術可充分滿足于大數據這一時代背景，帶動信息化產業鏈條的迅猛發展。

關鍵詞：大數據；時代；信息分析；關鍵問題；挑戰；解決對策；

前言

所謂的大數據，從文字含義上分析，其主要是具備較大的信息數據存儲量，能夠實現多元化的數據儲備。而在百科概念中，大數據則是人們在日常工中常用的一種，集捕捉、檢索、處理、分析與管理等為一體的新時代數據工具。它不僅具備較大的信息數據儲備容量，還能夠在短時間內對信息數據進行檢索、處理與分析。同時，大數據的主要特征包含著，其具備海量的存儲空間，能夠囊括眾多的信息數據類型，高速度化的數據處理，且具有較低的價值密度。隨著大數據的形成與發展，給全球信息化產業帶來了新的發展曙光，引領了新時期信息數據分析時代。

1、問題

1.1 在信息分析的思維方面

信息分析技術員，他們在開展信息分析各項技術工作期間，通常需運用科學地、專業地分析方法，來分析各類信息。在一定程度上，信息分析技術員所運用的所有技巧、策略及方法，均屬于信息分析思維范疇。那么，在如今大數據的時代背景下，信息分析技術員原始所運用的技巧、策略及方法，已經并不適用于現實的工作要求。故在當下大數據的時代背景之下，信息分析內在思維的革新已經成為信息分析主要問題之一。

1.2 在信息的分析法方面

伴隨著信息的分析法創新發展，信息化技術也呈現著良好的發展態勢。在一定程度上，可以說信息的分析法自身先進性，往往會對信息化技術的發展進程起著直接性影響，二者有著重要的關聯性。在以往信息分析各項工作開展期間，最為注重各類參考文件的運用，信息的分析過程通常是以內容分析為主，分析法也通常采用計量法。在如今大數據的時代背景之下，傳統分析法雖差錯率相對較低，但其在于大數據自身無法起到良好地運用效果，無法深層次挖掘出關鍵詞等一些內容。因而，在這一方面問題上，需相關技術人員采取相應的處理辦法予以高效處理。

2、挑戰

2.1 數據挖掘方面

數據挖掘，通常被稱之為數據信息采礦、數據信息勘探等，是以數據信息為主要對象，集成了各項計算機信息化技術，再借助模式識別、專家系統、機器學習、檢索情報、在線統計分析及處理等各項技術，來進行數據信息生層次挖掘、分類整合、處理及分析的一種綜合性的計算機信息科學技術，也屬于我國計算機信息科學技術在新時期發展進程當中重要的產物。在大數據這一時代背景之下，如何巧妙地運用該數據挖掘技術來提升信息分析工作的專業水準，將數據挖掘技術各項功能優勢充分滲透于信息分析專業工作當中，把更為升層次地信息數據挖掘出來，開啟多功能化的信息分析運行模式，將是信息化產業當中信息分析工作終將面臨的發展性挑戰。

2.2 信息安全方面

大數據這一時代背景之下，數據信息共享中心日益盛行，各類信息數據急速地傳輸環境之下，信息安全問題終將是信息分析工作的一點難點，如何規避信息安全風險，盡可能地提高信息分析效率及安全性，也終將是信息分析工作一次發展性挑戰。

3、對策研究

3.1 注重優質思維的培養

信息分析的主要思維一般包含著思維的主體結構、思維客體及其相關工具等，即為信息分析技術人員、分析任務及主要課題、分析技術及各類工具等。而在大數據這一時代背景下，若想盡可能地提高信息分析工作專業水準及效率，就必須注重優質思維的培養，改變信息分析的客體及工具、技術等，如云計算、數據挖掘、信息處理等各項技術等，將其科學地運用至信息分析各項工作當中，以能夠將信息分析綜合思維能力不斷強化，更好地完成信息分析所有任務及課題。

3.2 完善資源保障綜合體系

目前，是我國各項科學技術高速發展時期，各類信息化技術均呈現著迅猛地發展趨勢。信息分析各類資源綜合保障體系，也逐漸從基本架構演變成了具有著個性化及動態化特征的綜合保障體系。但是，在當前大數據的時代背景之下，該資源綜合保障體系還需實現進一步地完善才能夠切實地滿足于時代發展及應用需求。這就需信息情報科能夠結合當前信息發分析各項工作的現實需求，將各類信息資源有效整合在一起，構建起專項的、系統化的信息分析各類資源綜合保障體系，以確保信息分析各項工作均能夠在有秩序、有保護的環境下開展。

3.3 巧用數據挖掘開啟信息分析全新模式

其一，總結信息特征及區分數據。它具有著總結及劃分數據信息特征的功能優勢。所謂總結及劃分數據信息特征，主要水這對目標數據信息一般的特征予以匯總統計，以交叉表、多維度數據方程、餅狀圖、直方圖等各類形式進行在線傳輸。通過其在信息分析專項工作當中的巧妙運用，可起到良好地輔助性作用。例如，它可針對于某位客戶基本特征予以匯總統計等；區分數據，主要是把目標對象基本特征與多個、一個相應對比對象基本特征做出對比分析，如客戶行為特點及年齡段等對比分析；其二，分析關聯性。數據挖掘技術的分析關聯性這一功能，主要是用以探索出數據信息庫當中存在著關聯性的信息數據，序列模式與關聯性規則為最為常用的兩種技術形式。關聯性規則，它主要是檢索出同一實踐當中所出現的相關性不同項；序列模式，則是探索具體事件相互之間關聯點；其三，科學分類。該項功能主要是針對目標對象分類建立一個分類的模型系統，以對總體進行科學地劃分及分析等。數據挖掘科學技術當中的這一功能，能夠全方位地了解客戶的真實需求，并對客戶所需要的數據信息進行自動化的分析整理，構成一個分布式的數據信息庫，能夠依據客戶真實要求自由地進行數據傳輸及呈現；其四，精準預測分析，通過該項功能的有效性發揮，可幫助使用者全方位地掌握及分析目標對象實際發展規律，還可深層次地、全方位多角度地預測未來發展趨勢及風險，以更好地幫助使用者規劃未來，制定風險預警及防范措施。數據挖掘科學技術當中的精準預測分析這一功能，在我國銷售領域當中應用的范圍相對交廣，且應用效果較為理想化。

3.4 科學規避信息安全風險

孤立點綜合分析，也可稱之為局外者綜合分析。所謂孤立點綜合分析，它是與數據信息集中完全不同的一種信息分析方式，在實際應用孤立點綜合分析功能期間，可幫助使用者發現數據信息并不是隨機性的差異，而是形成在完不同機制當中，能夠深層次地挖掘一下極端、少數的目標對象相應數據信息，將其內在及本質予以揭示出來。在我國銀行業的信用評價系統當中，孤立點綜合分析這一功能應用的范圍相對廣泛，可對所有不良信用等級用戶基本特征歸集出來，對未來可能會存在著的欺詐性交易予以有效性預測及分析，科學地規避信息安全風險，以幫助企業降低經濟損失，應用效果也極為突出。

4、結語

綜上所述，為了能夠提升信息分析專項工作綜合水平，就需相關技術人員積極投身于實踐探索當中，積累更多的實戰經驗，以大數據為時代背景，深刻了解到信息分析各項工作現實問題及發展性挑戰，采取最為有效地解決措施，確保信息分析各項工作高質量完成，翻開信息分析專行業發展的新篇章。

參考文獻

[1]劉思驛.大數據時代信息分析的關鍵問題、挑戰和對策[J].數字通信世界，2018，11（03）：258-259.

[2]文庭孝，姜坷炘，趙陽，肖文芳.淺談大數據時代信息技術的機遇與挑戰[J].信息安全與技術，2017，12（05）：664-665.

[3]官思發，朝樂門，李學森，佟琳.大數據時代信息分析的關鍵問題、挑戰與對策[J].圖書情報工作，2016，59（03）：12-18+34.

（作者單位：東莞市長安鎮大數據發展管理局）