苗燕
[摘 要]隨著社會經濟以及網絡技術的發展,大數據應用領域越來越廣泛,促進了各個行業管理模式的變革。我國經濟管理領域需要隨著時代的發展不斷更新管理理念,改變管理方式,從而在越來越激烈的競爭中取得優勢地位。所以,在社會信息高速發展的今天,為了取得更好的經濟管理效果,大數據在經濟管理領域中的應用勢在必行。本文從大數據的特點以及意義出發,分析了大數據催生的經濟管理領域各方面的變革,并對大數據在經濟管理領域中的應用策略進行了探討,旨在為相關研究提供參考。
[關鍵詞]大數據;經濟管理;應用
doi:10.3969/j.issn.1673 - 0194.2020.12.069
[中圖分類號]F20[文獻標識碼]A[文章編號]1673-0194(2020)12-0-02
0 ? ? 引 言
經濟在一個國家的發展中具有舉足輕重的地位,是一個國家參與世界競爭的一個重要因素,社會的穩定和繁榮依賴經濟管理領域的發展。隨著人們對大數據的研究越來越深入,利用大數據對數據進行統計分析的技術越來越成熟,更多有價值的信息可以被各行各業利用。對于經濟管理領域來說,大數據帶來的科技紅利有利于提升經濟管理效率和管理效果。在這一大背景下,不論是國家的經濟宏觀調控,還是各個企業的生產經營,都應該順應時代發展的要求,抓住機遇,積極探索大數據在經濟管理領域的應用,建立具有中國特色的經濟管理理念和管理模式,促進我國社會經濟平穩運行。
1 ? ? 大數據概述
1.1 ? 概念
大數據是一個抽象的概念,是收集、組織和處理大量數據所需的非傳統策略和技術的統稱。經過近幾年的發展,大數據已經形成了從數據采集、整理、傳輸、存儲、安全、分析、呈現和應用等一系列環節,這些環節涉及諸多大數據工作崗位,這些工作崗位與物聯網、云計算有密切聯系。
1.2 ? 特點
1.2.1 ? 數據的體量較大
隨著互聯網技術的發展以及普及,大數據因此可以采集到各種各樣的信息,包括人們的瀏覽記錄、興趣偏向等,容量十分龐大,數據越多,則數據的潛在價值以及信息越豐富。
1.2.2 ? 種類比較多
大數據不僅數據體量大,而且還包含多種多樣的類型,其中包括不同種類的信息以及多樣的信息形式,比如文本信息、視頻信息、圖片信息、語音信息等。
1.2.3 ? 數據具有很強的時效性
隨著信息化的發展,人們的生活節奏和工作節奏越來越快,各種信息都在不斷快速變更,大數據時代要求數據處理速度快。比如在電商領域,要根據大數據的統計分析獲得消費者最近的需求,第一時間有針對性地把相關商品推送給消費者,促進精準營銷,同時還可以通過監測數據閾值及時地對商品進行準確補貨,減少成本浪費,獲取最大的收益。
1.2.4 ? 數據分析較復雜
由于數據體量大、種類多,且具有很強的時效性,導致數據分析比較復雜,通常需要通過集群計算來滿足大數據的高儲存和計算需求。不同的行業對大數據有不同的需要和要求,這就對大數據的數據分析的靈活性有更高的要求。
1.3 ? 應用意義
大數據的應用范圍很廣,不過大數據應用的最終目標都是為了在利用相同的成本下挖掘更多的資源,從而提高利益。雖然大數據的數據體量很大,但是最重要的還是發掘更有用的、更有價值的數據,這也是很多行業利用大數據在競爭中取得優勢地位的關鍵。比如,對于電商行業來說,可以利用大數據進行精準營銷,同時還可以根據客戶的購買習慣,為客戶推送他們可能感興趣的優惠信息;對于一些中小企業來說,可以利用大數據實現服務轉型;同時大數據也可以運用到公共交通中,可以通過數據模型分析實時規劃交通路線,避免交通擁堵。這些都是收集以及分析相應數據得出的一些準確的可視化結果,能夠促進各個行業發展。
2 ? ? 大數據與經濟管理變革
2.1 ? 大數據促進經濟管理的管理手段變革
傳統的數據收集和分析方式準確度不是很高,很容易出現誤差。但是經濟領域中各種數據的計算對精確度有很高的要求,誤差范圍不能太大。隨著社會經濟的不斷發展,與經濟發展相關范圍更廣,數據容量更加龐大,如果繼續利用傳統的數據收集和分析方法,準確度會大大降低。但是大數據具有對大容量以及多種類的數據進行精確處理的能力,可以更準確地計算出匯率、利率、消費者價格指數等數值,誤差很小,所以大數據可以提高經濟管理的效率與科學性,可以提供更多準確有價值的數據。
2.2 ? 大數據促進經濟管理的管理理念變革
管理手段的變革同時也會促進管理理念變革,使經濟管理理念可以隨著時代發展以及大數據應用不斷更新。數據的內在原因往往是傳統的經濟管理中最注重的,但是隨著大數據的應用,經濟管理更加重視數據的關聯性。比如,收集各國匯率時,傳統的收集方式是著眼于一個國家或者某一段歷史時期,但是大數據應用下的思維更加開闊,會從全球的視角出發,不論是地域的廣度,還是時間的縱深,都有了很大的延伸和拓展,最后通過數據分析做出預測,可以為我國經濟發展提供更有價值的幫助。
2.3 ? 大數據促進經濟管理的思維方式變革
隨著大數據的不斷應用,管理人員必須改變自己的思維方式,培養對數據總量進行批處理的思維方式。比如,對企業產品進行質量檢測時,因為產品數量龐大,一般采用抽樣的傳統方式,抽取樣品來檢測,雖然這種方式具有一定的科學性和合理性,但是還不能完全反映全部產品的質量狀況。利用大數據檢測可以避免這個缺點,不僅可以對所有產品的質量情況進行檢查,同時還可以對產品的材料、技術等方面實施監控與檢查,全方位地監控與檢查可以最大限度地確定產品的質量,確保產品的高質量。這有利于培養現代化的經濟管理的思維方式,同時還可以提高企業的產品質量管理意識,讓中國產品質量走在世界前列。
3 ? ? 大數據對經濟管理的作用
3.1 ? 為經濟管理提供數據集
經濟發展關系眾多行業,比如農業、畜牧業、輕工業、重工業、服務業等。上述行業想要進行更加科學地管理,便需要收集各行各業的數據,根據實際情況以及國內外的形勢進行有效調整。隨著經濟的不斷發展,網絡技術的不斷進步,大數據的應用越來越廣泛。大數據在進行數據收集時不僅速度快,而且更容易保存和提取,方便以后查詢以及使用。
3.2 ? 數據信息的處理效率更加高效
過去數據計算速度不高是因為以下幾個方面:第一,我國的國土面積比較大,數據容量相應很龐大,收集速度相應比較遲緩;第二,計算方式過于陳舊,且精確度不高,無法做到高效率運算;第三,傳播工具不先進,數據信息的傳播速度過慢,導致數據的時效性不強,不利于決策部門做出快速反應。批處理是大數據處理數據的一種計算方法,通過分裂、映射、改組、縮減和組裝的分布式地圖縮減計算法,可以快速有效地計算出結果,并可以在第一時間將相關數據信息發送到決策機關,以便于決策機關第一時間做出反應,制定相關政策,保證經濟平穩運行。
3.3 ? 大數據可以提供多樣化的數據信息
大數據包含的數據種類比較多,包含多種信息形式,比如文本信息、視頻信息、圖片信息、語音信息等,同時信息的覆蓋范圍更加廣泛,可以兼顧局部與整體、空間與時間等不同維度,這些多樣化的數據信息可以幫助決策者制定更加科學的、更加具體的、更具有針對性的決策,提高經濟管理工作人員的工作能力。
4 ? ? 現代經濟管理中大數據技術的具體使用策略
4.1 ? 建立分類數據庫
因為不同的行業具有不同的特點,所以可以利用大數據技術建立針對不同行業、不同種類的數據庫,在以國家相關部門為主導的前提下可以對相關行業開放,提高經濟管理效率。這樣使數據搜索更加方便快捷,同時也有利于相關企業獲取資源,可以根據相關數據對產業進行針對性調整。需要注意的是,要保證數據庫的安全,因為互聯網為發展提供便利的同時也為不法分子提供了攻擊途徑,數據泄露風險增加,所以在建立數據庫的同時要防止病毒或者黑客攻擊,避免造成巨大損失。
4.2 ? 進行風險預測分析
經濟的發展必然伴隨著風險產生,對風險的預測以及采取及時的對策可以減少經濟損失,但是在傳統的經濟管理模式中,受技術等方面的影響,無法準確地預測風險或者無法及時地了解已經發生的風險,所以在處理一些經濟風險時比較滯后,造成一定的經濟損失。大數據技術可以對市場實時監控,不僅可以預測風險,同時也可以通過各種數據分析及時做出對策,相關部門可以及時做出反應,確保有效的經濟管理,促進經濟平穩運行。
4.3 ? 以云計算為基礎,掌握行業的發展動態
大數據技術和云計算的結合是從2013年開始的,大數據離不開云處理,云處理可以為大數據提供彈性可拓展的基礎設備,這是產生大數據的平臺之一。云計算技術可以儲存大量的數據,經濟管理人員可以根據需要調取數據。例如淘寶網,通過阿里巴巴的云儲存技術,通過對各種商業行為數據進行分析,可以比較全面地了解消費者的喜好以及其他信息,可以掌握行業的發展動態,有利于經濟管理者調整行業發展狀態。
4.4 ? 建立大數據經濟模型
經濟模型在經濟發展中十分重要,可以預測經濟未來的發展趨勢,國家的宏觀調控或者企業的生產經營都可以以經濟模型為基礎,及時做出調整。大數據經濟模型可以對更多的、多樣化的數據進行整合,這樣建立起來的經濟模型更加科學,更能準確地預測可能的變化趨勢,可以提高經濟管理的質量以及效果,為經濟的穩定發展提供保障。
5 ? ? 結 語
隨著時代的發展,大數據在經濟管理領域的應用越來越重要,我國應該加強對大數據技術的研究與應用,促進經濟管理的管理手段、管理理念以及思維方式變革,提升經濟管理效率,為我國經濟的平穩運行提供保障,讓中國更有底氣地迎接國際挑戰。
主要參考文獻
[1]王兵.大數據助推企業的組織與管理變革[J].無線互聯科技,2017(22):126-127.
[2]李振杰.淺談大數據技術在會計信息化建設中的應用[J].信息通信.2017(3):174-176
[3]肖瓊.淺析大數據在經濟學研究中的作用.[J].計算機產品與流通.2017(7):174
[4]張曉艷.云計算環境下大數據處理對電子商務發展的作用探析[J].無線互聯科技,2016(20):139-140.