最新旅游大数据研究论文范文(通用8篇)

总结是对自己的一个交代，是对过去一段时间的努力和付出的肯定。思考写作主题的重要性和独特性，以确保文章有吸引力和价值。以下是一些有关艺术创作的经验，希望对创作者们能有所启发。

旅游大数据研究论文篇一

随着大数据时代的到来和市场经济的高速发展，各行业数据源的增长呈现指数级趋势，数据的规模和复杂程度迅速扩大，从海量数据中提取有效信息并加以精确化正日益成为企业战略决策的必要因素［1］。电子商务企业预算管理实施过程中大数据所具有的战略意义不仅仅局限于收集和整理庞大的数据信息，更在于如何有效且精确化处理和分析该数据，尤其是将精确数据结合到预算管理方面，改变传统数据分析存在的滞后性和低频性等问题，从而有效地组织和协调电商企业的经营活动，实现企业战略目标。近年来，随着当当、阿里巴巴和京东商城的陆续上市，中国电子商务企业在大数据的浪潮中不得不审慎面对海量的财务数据，因此，基于精确数据的基础构建有效的财务预算管理体系势在必行。

旅游大数据研究论文篇二

在大数据时代的大数据管理形式不断发展过程中，给企业发展带来冲击非常巨大。因此，企业要根据我国信息技术不断发展的形式，对大数据管理框架进行全面的设计和创新，如图1所示。在大数据的处理的过程中，主要是围绕着数据资产进行管理的，同时对大数据时代的大数据管理制度，进行全面的规划行、设计、创新，这样对其它信息技术管理领域，提供了便利的条件。其实，大数据时代的大数据管理最主要的目的，就是将大数据的价值进行充分的展现。另外，在大数据时代的大数据管理框架不断创新的过程中，有效的实现了大数据共享等性能，不断扩大了大数据时代的大数据管理的内容，对我国现代化信息技术的发展，起到了重要的作用和意义。

2。2开发与内容的管理形式。

在不断提高大数据时代的大数据管理形式的过程中，可以从两个方面进行，一是大数据开发管理，二是内容管理。其中大数据开发管理注重于大数据管理的定义，和管理解决策略，对其大数据的存在价值，进行有效的开发。换句话说，其实也就是在大数据时代的大数据管理的过程中，对其管理形式的开发，对大数据的功能和价值，进行充分的理解。

大数据时代的大数据管理中的内容管理是指：企业对大数据进行不断的获取、使用、存储、维护等工作活动。因此，传统的大数据时代的大数据管理形式，已经无法满足对这个时代发展需求。因此，在时代快速发发展的推动下，要对开发管理和内容管理，进行全面的创新和设计，对需要专门设定的管理形式，要给予高度的重视，可以利用的集合型的保存形式，进行全面的保存。

其实，大数据时代的大数据管理主要是为企业提供重要的发展方向，为企业提供重要的价值信息。大数据时代的大数据管理在数据应用和开发的过程中，起到了重要的衔接作用，也为我国信息技术的发展，打下了坚实的基础。

在大数据时代的大数据管理的过程中，数据框架管理起到了重要的作用，并且与大数据开发的过程中，有很多相似的地方。在传统的大数据时代的大数据管理的过程中，对其数据的开发、处理、保存等形式，都受到了一定程度上的限制。因此，在对大数据时代的大数据架构管理的过程中，对其操作形式，进行了全面的管理创新，避免受到范围的限制。另外，随着大数据不断的增加，大数据构架管理可以根据大数据的用途，质量良好的应用形态。例如：社交网络等形式。

与此同时，在最近几年的发展中，大数据时代的大数据管理形式，也面临着新的挑战基机遇。以此，只有对大数据时代的大数据管理形式，对个人信息、隐私等进行全面的管理，避免个人信息、隐私等发生泄露、不对称等现象的发生，这样不仅仅企业在发展的过程中，提供了最大程度上的安全保障，也为大数据时代的发展，带来了新的发展篇章。

3结语。

综上所述，大数据时代是信息技术时代不断发展的产物，不管对我国经济的发展，还是人们在日常工作、生活的过程中，都起到了重要的作用和意义。因此，本文对大数据时代的大数据管理发展的历程进行了简要的分析，并对大数据时代的大数据管理形式，提出了一些可参考性的建议，只有对大数据时代的大数据管理形式，进行不断的创新，对大数据时代的大数据管理框架，进行不断的构建，也只有这样的才能在最大程度上促进了我国信息技术的发展，也为我国各行各业的发展，提供了重要的发展方向，对我国经济的发展，也起到了推动性的作用。

旅游大数据研究论文篇三

摘要：在信息化飞速发展的今天，移动互联网、云计算、物联网、大数据等新概念相继出现。这些革命性的变化颠覆了传统企业的运营和管理模式，不断推动企业转型升级。大数据是指由巨型数据集组成的海量化、价值度低、流动性高、真实的数据资产。管理会计理论和实践必须积极适应大数据，以便有效的服务于企业目标。本文将探讨在大数据时代管理会计面临的变革和问题，并阐述如何更好地提升管理会计工作，创造出更多的价值。

近年来，企业数据量的快速增长让管理会计力不从心，尤其是在分析和处理海量信息方面遭遇了重大瓶颈。对大数据应用的研究，逐渐成为有效提升管理会计工作质量的重要议题。在12月，财政部发布了《企业会计信息化工作规范》，它被视为大数据时代企业财务数据分析变革的集结号。

管理会计是企业发展中的一项关键工作，在大数据时代，管理会计应加强对财务数据的分析和处理，深入挖掘数据背后的信息，从而为企业创造价值。随着企业对大数据依赖程度的提高，管理会计要实现价值提升，应从以下三个方向进行变革。

(一)服务型向管理型转变。

管理会计职能以往被单纯的定义为向管理层提供信息。在大数据时代，管理会计的职能应得到拓展。通过大数据平台，企业管理层可以实现广泛互联，不仅是企业内部，还可以揽括企业上下游的供应商和客户等，实现会计信息的集成共享。在此基础上，管理会计可以有效地分析经济趋势、竞争对手、市场环境、供应商及客户需求等信息，从而充分发挥会计工作的主动性及创造性，更有利于企业的长期发展。从某种意义上来说，管理会计已不是企业管理体系的旁观者，而是逐步蜕变为企业内部的一系列具体“管理行动”，成为管理控制机制的设计者、管理控制活动的参与者，甚至在部分控制领域，扮演领导者的角色。

(二)事后分析型向过程控制型转变。

传统的管理会计主要是事后对企业的经营管理控制进行分析。在大数据时代下，仅仅对结果进行分析是不够的。结果的分析不能全面地了解企业情况，应融入到企业经营的全过程中，加强对经营过程的分析，向全过程管理控制转变。通过对大数据的应用，管理会计能够对经营过程中的关键成功因素进行再判断，对关键指标的偏离情况进行再分析，对过程行动计划和方案进行再修订，对核心资源要素进行再配置等一系列管理工作，高效地分析事前、事中和事后数据，有效提升数据分析能力，为企业的长期健康发展提供重要保障。

(三)传统处理型向信息管理型转变。

随着社会的`不断进步，企业的信息化程度越来越高，对信息技术的应用也越来越广泛。特别是在管理会计工作中，信息技术的有效应用对于提高工作质量有着极大的帮助。在大数据时代，由于企业的数据不断增加，传统的信息处理方法已经无法满足管理会计工作的需求，加强信息管理，提高信息化水平已刻不容缓。此外，通过将信息技术重点运用在大数据处理上，可以有效地提高信息的准确性、及时性和完整性，从而更有利于管理会计工作的开展。

管理会计作为会计的一个分支，是精细管理和价值创造的重要工具。然而一直以来，管理会计由于高水平人才缺乏，常常不受企业高级管理层的重视。企业的会计工作往往集中在财务核算上，账务处理和报表编制占据了主要工作精力。为企业提供决策支持的管理会计没有得到应有的地位。具体来说，当前管理会计所面临的问题包括：

(一)企业对管理会计重要性认识不足。

在我国，财务人员晋升到企业高级管理层的情况较为罕见。企业经营过程中，往往侧重于营销、生产、质量等环节。而财务管理作为企业管理中的重要一环，受到的重视程度不高。管理会计作为会计体系中的重要组成部分，可以为企业的生产经营活动提供关于规划、控制和考核等方面的重要信息，并协助管理者进行决策。部分企业的经营决策者由于缺乏分析和理解会计信息的能力，所以并不十分重视管理会计所提供的资料，使得管理会计在企业中的重要性下降。此外，一些中小型企业则认为管理会计是大型企业才需要的，对于中小型企业，管理会计成为了可有可无的存在。

(二)高水平管理会计人才不足。

在我国，目前适应企业需求的高水平管理会计人才严重不足。这主要是两方面的因素造成的：第一，对会计专业的培养存在问题。在我国的大学教育中普遍偏重财务会计，而不注重管理会计。同时，专业学科的设置较为单一，授课的知识面相对较窄。对于一个合格的管理会计人员来说，不仅要具备扎实的财务专业知识，同时还需要具备广泛的其他专业学科知识，以适应不同工作环境下的需要。第二，企业会计人员的整体专业素质亟待提高。许多企业的会计人员对管理会计的认识不足，还停留在基础的财务分析方法上。事后记账、出具报表成为主要的日常财务工作，极少主动将管理会计的方法与实际工作中获取的信息有效结合起来进行分析。同时，一个优秀的管理会计，不仅要懂得管理、数学和经济等方面的知识，还要全面了解企业的经营流程。目前，这类复合型人才在我国相当缺乏。

这是一个高度信息化，到处充斥着数据的时代。管理会计的作用恰恰是基于广泛数据分析，为管理者进行科学决策提供保障。因此，无论是在国家层面还是企业层面，都应该尽快转变观念，认识到大数据时代管理会计工作的重要性，并加强管理会计人才的发掘和培养。具体来说，大数据时代管理会计工作的提升路径可以包括：

首先，在国家层面应将会计准则与国际接轨，同时加大对管理会计理论的研究，并结合中国实际情况，制定一套适应中国国情的管理会计体系；其次，在高等教育层面应合理设置课程，加强管理会计学习，并适当融入大数据相关知识，以适应新形势的要求；最后，将大数据下管理会计实践中的优秀案例和先进经验，列入会计人员后续教育项目中，供广大从业人员交流和学习。

(二)部署财务职能转型。

在大数据时代，财务职能的发展趋势是协助企业进行资产管理、风险控制、决策支持、价值引领等方面。传统的财务职能应尽快部署转型，将日常的标准化、重复性工作进行剥离、集中或外包，并重新定义财务流程和岗位职责，将管理会计作为企业财务职能的核心。

数据来源广泛、体量巨大、种类繁多，这些都是大数据时代的标签。只有通过专业的管理会计人才进行深度的挖掘和分析，才能从中得出对企业决策有价值的信息。因此，人才是企业有效运用管理会计的关键因素。要加强管理会计人才的培育，一方面可以加大招聘力度，通过丰厚的薪酬待遇和良好的工作环境，吸引优秀的人才加入；另一方面，通过对现有员工开展培训和交流等活动，提升员工能力，补齐知识短板，更好地适应企业的要求。

(四)强化管理会计地位。

高级管理层要充分意识到管理会计对企业的重大意义，并促进企业的经营管理层重视管理会计。除此之外，还要加强财务人员的组织地位，给予一定的权力以便顺利开展信息搜集、整理和分析等工作，深化管理会计的应用。

大数据时代对数据的应用日趋广泛，管理会计工作者应发散思维，积极寻找为企业创造价值的领域。目前，在大数据时代管理会计的价值展望包括：

(一)决策支持。

在传统的企业管理中，由于数据缺乏，决策往往是凭决策者的经验和商业直觉来进行判断。大数据则对企业决策方式产生了重大影响，通过历史数据的积累和数学建模、数据挖掘技术等方式，能够提供更理性的数据决策模式。管理会计可以充分利用大数据分析方面的优势帮助企业进行决策。当遇到重大决策问题时，管理会计应尽可能全面的收集企业内外部数据，为决策者做出合理决策提供保障。

(二)预测支持。

在传统的管理会计中，较少涉及预测职能。而在目前的大数据应用领域，最突出的就是预测技术。预测技术可以拓展管理会计的职能范围，并作为管理会计为企业创造价值的重要方式。以销售环节为例，企业急需依据客户的个人身份、购买记录、位置信息、社交习惯等信息构建预测模型，进而有针对性的进行分类促销。数据越大越精确，越有利于模型作出准确的预测。目前，许多企业都在加大对预测领域的投入，管理会计应利用自身专业性，帮助企业建立预测模型，从而提升企业管理效率与运营绩效。

(三)控制支持。

控制是指企业为管理风险、增加实现既定目标的可能性而采取的行动。这些行动由管理层负责计划、组织并指导实施，为实现目标和目的提供合理保证。大数据时代强调企业对日常经营管理活动进行全面地记录和分析，因此提升控制的效率被视为决定性因素。管理会计中的流程管理和内部控制等，将极大地加强企业对于运营的控制，从而保证运营效率。

(四)评价支持。

管理会计负责对组织内部的个人、机构或项目进行评价，其评价标准即包括财务信息，也包括大量非财务信息，从而有效规避单纯依赖财务信息评价的缺陷。大数据时代对评价职能进行了改变，在传统的评价中，企业更侧重内部评价，而大数据时代因为拥有大量外部信息作为评价依据，所以应该加强从客户价值的角度进行评价。管理会计的业绩评价工具可以更好的适应这种转变，从而提升管理会计的价值。

五、结束语。

管理会计是企业发展的关键工作之一，随着大数据时代企业数据的日益丰富，管理会计的工作也面临着许多挑战。如果拒绝适应和改变，不仅会对企业会计数据的收集、整理和应用等工作造成困扰，甚至还会对企业的发展形成制约。管理会计应把握时代的脉搏，积极的面对大数据，深入地分析大数据，从而为企业管理层提供有价值的信息。作为企业则应该紧紧抓住这一契机，采取有效措施积极应用大数据，使企业的发展再上一个新的台阶。笔者结合自身多年工作经验，以及对管理会计的认识，论述了在大数据时代管理会计面临的变革和问题，并阐述如何更好地提升管理会计工作，创造出更多的价值。希望本文能为读者对提高管理会计的工作质量、创造管理价值提供一些思考和启发，共同为推动国家经济的发展，保障经济平稳运行贡献力量。

参考文献:。

[1]王f溪.浅析大数据对管理会计的影响及对策[j].中国经贸，2015(15).

旅游大数据研究论文篇四

大数据时代是以互联网服务的增加、使用和交付模式为基础，同时伴随各行业数据源的增长呈现指数级趋势和信息规模及复杂程度快速变化而在各领域所引起的量化进程。大数据在电子商务企业日常运营中生成、累积的行为数据，其中包括预算管理各个环节中生成的数据和财务共享中心储存累积的数据。同时，大数据时代电商行业数据的特征主要表现为规模大、类型多、价值密度低和时效性强。由此可知，数据浪潮的到来给电子商务企业的数据控制能力带来了全新挑战，也为财务工作人员获取更为深刻、全面的研究观察能力创造了前所未有的机遇。

1．2预算管理的内涵。

预算管理是指基于企业的战略目标和基期各类生产经营活动及相关财务状况，对预期的经营活动和相关财务状况进行全面、有效和完整的预测和计划，并通过对执行过程的严格监控，将实际完成情况与预期目标进行比较和分析，从而及时指导经营活动及财务预测计划的完善和调整，进而帮助企业管理者更加有效地管理企业，实现企业价值最大化、企业资本可持续有效增值和战略目标。

旅游大数据研究论文篇五

在大数据时代，为了更好地管理和利用科学数据，计算机图灵奖获得者jimgray于提出了数据监护(datacuration)的概念。十余年来，数据监护一直是国内外信息资源管理领域的热点议题，研究主题集中在数据监护的内容、发展策略、合作模式、职业教育、成功实践等领域。111鉴于云计算能够为数据监护提供强有力的技术支撑，如云计算快速提供资源的能力有助于辅助完成资源密集型数据监护任务，网络化云服务有利于实现数据监护的协同工作，基于云计算开展数据监护引起了国外信息资源管理学界和业界的广泛关注。本文对基于云计算的数据监护问题进行探讨，希望对我国的数据监护工作有所借鉴。

一、数据监护工作流程。

数据监护是为了确保数据当前的使用目的，并能用于未来再发现及再利用，从数据产生伊始即对其进行管理和完善的活动。121为了有效指导数据监护实践，提高数据监护效率，一些数据监护机构和研究者对数据监护过程进行了概念化，提出了相应的数据监护生命周期模型。本文基于英国数据监护中心的dcc数据监护生命周期模型13与王芳和慎金花提出的细化的数据监护生命周期模型，梳理出了数据监护工作流程，见图1。数据监护工作流程由4个阶段、11个业务环节组成，涵盖了数据监护的所有必要阶段和核心工作。

数据收集阶段：数据采集。数据采集是数据监护活动的起点，指根据采集政策，从数据创建者、档案馆、知识库或数据中心等接收数据。元数据创建。为采集到的数据创建管理、描述、结构和技术元数据，以便进行数据管理和数据维护，以及实现数据共享。

数据处理阶段：数据评价和选择。评估数据并为长期监护和保存选择数据。数据评价和选择直接关系到科学数据库的质量，并且带有一定的主观性。数据剔除。根据成文的政策、指引或法律要求，处理未成为长期监护和保存对象的数据，将这些数据转移到其他档案馆、知识库、数据中心或其他保管机构。根据法律要求，有些数据会被安全销毁。数据导入。将经过选择的数据传送至档案馆、知识库、数据中心或其他数据监护机构。为保证数据的可用性，在导入数据之前，应进行去重、交叉注释、格式认证等。数据迁移。根据存储环境的需求，或者为了确保数据对硬件和软件退化的抗扰性，改换数据的格式、存储系统、存储类型。

数据保存阶段：数据长期保存。长期保存须确保数据的可信性、可靠性、可用性和完整性。长期保存包括数据清洗、数据验证、分配保存元数据、分配表征信息，保证数据具备可接受的数据结构和文件格式。数据存储。遵守相关标准，选择科学的组织方式和安全的存储介质组织并存储数据。数据存储既可以保证数据的安全性，又便于数据被随时使用和加工处理。

数据利用阶段：数据获取。采用适当的标准发布数据，并执行严格的访问控制和验证程序，保证用户安全、准确的访问和获取数据。数据复用。制订数据复用规则，在不违反知识产权的前提下，提供数据复制、链接、引用等服务。数据转换。根据原始数据创建新数据。例如，通过转换格式、建立子集等途径，创建新数据。

云计算作为分布式计算、网络存储、负载均衡、热备份冗余等计算机和网络技术融合的产物，具有超大规模、虚拟化、通用性、高可扩展性等诸多特点。云计算的特点与数据监护的需求非常契合，可以为数据监护提供强有力的技术支撑。

弹性服务：云计算服务的规模可快速伸缩，以自动适应业务负载的动态变化。用户使用的云计算资源与业务的实际需求相一致，避免了因为资源供需不匹配而导致的服务质量下降或资源浪费。161数据监护的数据剔除和数据迁移等任务不需要持续不断的执行，属偶发性活动。云计算的弹性服务能够很好地满足偶发性数据监护活动的资源调用需求。

按需服务：云计算以服务的形式为用户提供基础设施、存储空间、应用程序等，并能够根据用户的需求，自动分配各种资源。17用户也可以根据需要在云中部署所需的应用程序。云计算的按需服务为数据监护中需要依赖主观意识完成的任务，如元数据创建、数据评价和选择提供了极大的便利。

泛在接入：用户通过互联网可以随时随地利用云计算服务。数据用户越来越多的使用笔记本电脑、智能手机、平板电脑，将数据监护业务流程转移至云，能够极大地方便用户上传、访问和下载数据。数据监护的数据采集、数据获取和数据复用等业务环节，可以从云计算的这一特点中受益。

服务外包：用户进行数据处理所需的计算资源价格昂贵，将提供计算资源的业务委托给云服务商，既能够节省开支，又能够使用户专注于自己的核心工作。云服务商为了利益最大化，保持最优竞争力，都会迅速应对技术变革，以更低的价格提供更快的处理器和更大的存储空间。云计算服务外包的特点使数据监护机构将部分信息技术支持业务委托给云服务商，以获得更低廉的价格和更优质的服务成为可能。

云计算提供从硬件设施到应用软件的多层次服务。根据服务的对象和功能差异可以将云计算划分为三种服务模式：基础设施即服务(iaas)、平台即服务(paas)、软件即服务(saas);根据租用云计算的用户对数据和环境的控制权，可以将云计算划分为公有云、私有云和混合云等部署模型。本文根据数据监护不同业务阶段的工作内容和技术需求，并结合云计算的服务模式和部署模型，构建了基于云计算的数据监护模型，见图2。下面分别从数据监护的云计算服务模式和部署模型两个方面分析基于云计算的数据监护模型。

(一)数据监护的云计算服务模式。

iaas层。iaas提供基础设施部署服务。iaas通过虚拟化技术整合服务器、存储设备、网络资源、高性能计算集群等物理资源，构建全局统一的动态虚拟化资源池。基于云计算的数据监护模型的iaas层为上层云计算服务提供海量硬件资源，实现硬件资源的按需酉己置。

paas层。paas是云计算应用程序运行环境，提供应用程序部署与管理服务。paas不仅能够实现海量数据的'存储，而且能够提供面向海量数据的分析处理功能。在基于云计算的数据监护模型的paas层，数据监护机构使用云供应商的软件工具和开发语言，开发数据收集和数据处理所需的各种应用程序，实现应用程序的多元化和定制化服务，并将科学数据保存于海量数据存储系统。

saas层。saas提供以服务为形式的应用程序。saas允许用户使用部署于供应商云基础设施上的应用程序，用户也可以根据需求向供应商定制应用程序。在基于云计算的数据监护模型的saas层，数据监护机构通过应用程序向用户提供数据利用服务，实现数据共享和科研协作。

(二)数据监护的云计算部署模型。

数据监护的各个阶段分别面向数据监护方和数据使用方，对应不同的数据存取、处理等操作权限，因此需要采用相适应的云计算部署模型。数据监护过程中的数据利用阶段位于saas层，为用户提供方便高效的数据获取等服务，而公有云面向一般公众提供敏捷弹性服务的特点与数据利用阶段的功能需求相契合。用户能够通过网络浏览器像使用个人电脑中的软件那样使用公有云的应用程序，实现应用程序的泛在访问。因此，基于云计算的数据监护模型的saas层应采用公有云部署模型。数据收集和数据处理工作要求云计算提供量身定制的服务功能和非常稳定的服务质量，而数据保存工作要求云计算能够切实保障数据安全。私有云部署在用户数据中心的防火墙内，能够提供对数据、安全性和服务质量的最有效控制，而且不会冲击用户已有的业务流程。因此，基于云计算的数据监护模型的paas层适宜采用私有云部署模型。上述公有云和私有云的基础设施共同构成了基于云计算的数据监护模型的iaas层，并且公有云和私有云具有统一的接口标准，保证服务的无缝迁移，即iaas层采用混合云部署模型。

srf项目：英国南安普顿大学的srf项目，针对科学研究工作集成了许多已有的协作型数据管理工具，并将这些工具部署到一个共享的虚拟云平台上，以saas的方式提供服务。srf工具最大的特点是能够在网络日志中自动或者手工创建和共享实验数据。例如，srf的一款代理软件能够植入实验仪器和计算机，自动抽取仪器在实验过程中记录的数据，并转换为xml格式，然后以博客的形式发布以实现协作复用。通过博客发布平台实现实验过程、实验数据、实验分析的互联，组织实验数据记录，构建实验、实验数据、实验设备之间的关联关系。在数据监护生命周期中，srf工具主要用于接收和抽取数据，以保证实验数据在上传至云的过程中会被格式化成标准格式。

dataflow项目：牛津大学的dataflow项目，旨在创建免费的云托管datastage和databank，以便于管理、保存、发布研究数据。其中，datastage以在用户电脑上运行映射驱动器的方式，提供研究组水平的、安全的“本地”文件管理环境。另外，datastage还提供数据的网络获取和在线存储服务，用户通过访问控制程序的认证之后，即可以访问私人、共享、协作、公众和公共数据目录。databank是一种虚拟化的、基于云部署的机构研究数据仓储。机构可以选择将databank部署在eduserv教育云或者机构自己的基础设施中。databank还具备包括数据抽取、储存、长期保存、访问在内的一系列数据监护功能。

kindura项目：伦敦国王学院的kindura项目，是一个基于混合云部署模型的科学数据管理试点项目，提供基于存储的数据管理服务和基于计算的数据处理服务。kindura项目通过duraspace推出的托管云服务一duracloud，将本地服务与各种云服务相衔接。用户利用duracloud提供的统一界面，即可享受一站式数据存取服务。kindura项目通过部署于服务器上的规则引擎，以及面向规则的集成数据管理系统(irods)的规则库，决定具体数据存储在本地还是存储于云端：二进制对象存储在云端，元数据和fedora对象存储在本地。l9kindura项目证明，混合云能够有效节省数据监护成本，并且能够更加高效地利用本地存储库，提升数据处理能力。

东南大学ams-02项目：东南大学为大型国际合作项目ams-02的数据监护工作构建的云计算平台，提供iaas、paas、saas服务。该云计算平台架构如图3所示。在iaas层，云计算基础设施由3500颗cpu内核和500tb高速存储设备构成，提供虚拟机和物理机的按需分配，并且自动配置操作系统、科学计算函数库等运行环境。在paas层，数据分析处理平台提供大规模计算能力和海量数据存储能力;应用开发环境为ams-02数据分析处理应用提供编程接口。在saas层，以服务的形式部署云计算应用程序，用户通过访问ams-02应用，可以获取原始科学数据以及数据处理分析结果。云计算通过超级计算模式，整合大量的存储、计算、带宽等资源，为数据监护提供了经济高效的解决方案。国内的数据监护尚处于起步阶段，对基于云计算的数据监护进行深入的理论探讨和实践探索，有助于推动我国的数据监护实现跨越式发展。

旅游大数据研究论文篇六

大数据从被人们所熟知到现在各大领域的广泛应用，标志着人类已经正式走入“第三次工业革命”时代。大数据在营销领域的应用使传统的营销活动变得更加的科学化和个性化，本篇大数据论文的笔者认为，在享用大数据带来的便利同时，需要兼顾大数据带来的伦理问题。

近些年随着移动互联网、物联网、云计算的迅猛发展，it业又出现了一个新名词——大数据（bigdata），“大数据”（bigdata）的横空出世是it行业又一次颠覆性的技术变革，且已在各行各业逐渐形成燎原之势，大数据的出现不仅给当今世界带来了翻天覆地的变化，同时也潜移默化的影响着人们生活的各个领域。

对于大数据的概念，迄今为止仍然没有形成统一的准确定义，francisdiebold是第一个提出“大数据”术语的学者，他认为：大数据就是正在激增的数量和潜在的相关数据，主要是当今空前发展的数据记录和存储技术。而meta集团（现为gartner）的分析师douglaslaney（）在研究报告中，就指出数量（volume）、速度（velocity）和种类（variety）的增加可能是未来的一大趋势。虽然这一描述最先并不是用来定义大数据的，但在此后的十年间很多企业如ibm和微软仍然使用这个“3vs”模型来描述大数据。对此也出现了一些不同的意见，大数据及其研究领域具有影响力的领导者的国际数据公司（idc）在20做的报告中定义大数据为：“大数据技术描述了新一代的技术和架构体系，通过高速采集、发现或分析，提取各种各样的大量数据的经济价值。”从这个定义来看，大数据的特点可以总结为4个v，即volume（数量），variety（种类），velocity（速度）和value（价值）。4vs和3vs的不同之处就是增加了一个价值，指出了大数据最为核心的问题就是如何从规模巨大、种类繁多、生成快速的数据集中挖掘价值。demauro，a-，greco，m-和grimaldi，m-（）对大数据的定义进行了统一：大数据指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。由于利益相关者的角度不同，因此学者们对大数据定义的表述也不尽相同，但大数据的重要性却得到了一致的认同，即大数据在其数据量、数据复杂性和传播速度三大方面都显著的超出了传统的数据形态，也超出了现有的技术处理手段。

正是有了数据的爆炸式增长，大数据已经在学术领域、商业领域乃至政治领域都得到了密切的关注。《nature》出版了专刊“bigdata”，从互联网技术、网络经济学、超级计算、环境科学和生物医药等多个方面介绍了大数据带来的挑战。年《science》推出关于数据处理的专刊“dealingwithdata”，讨论了数据洪流（datadeluge）所带来的机遇，同时也指出如果能够有效地利用好这些数据，人们将会得到更多的机遇，并能对社会发展产生巨大的推动作用。

国外学者danielnunan（）就指出了大数据可能会产生影响的五大领域：社交网、数据所有权、存储问题、数据收集、公众隐私，因此大数据时代各大领域都将迎来新一波的迅猛发展期，同时它也决定了未来商业的发展趋势，尤其在营销领域大数据与营销的结合更是颠覆了传统的营销模式。

2-1营销活动将更科学化。

大数据的特征是容量大、种类多、高速度和有价值，因此大数据时代的营销不再是基于经验和直觉，而是基于科学的数据分析进行精准营销。曾经有过一个经典的大数据案例讲的就是“啤酒与尿布”的故事，在20世纪末的美国沃尔玛超市中，超市的管理人员意外的发现两个毫无关联的物品啤酒和尿布会经常同时出现在一个购物篮中，后续研究发现原来是因为美国一般都是年轻的爸爸出来为小婴儿购买尿布，顺便为自己购买啤酒，当然其中就用到了商品间的关联算法，而大数据正是通过海量的数据来实现精准的营销为企业竞争赢得先机。

2-2营销活动将更个性化。

随着数据的挖掘、采集、分析等环节的效率不断地提高，大数据的大容量、高速度、多样性以及高价值四个特点使得个性化的营销服务成为可能。营销的最终目的就是能够准确的了解每一个潜在的或者现实的客户需求并为其提供满意的产品和服务从而实现利润最大化，而大数据恰好能够利用其显著的优势，从海量的数据中提取有用的信息，准确地把握客户的兴趣点，了解客户的个性偏好，因此大数据背景下利用网络技术平台提供个性化服务是未来的一大趋势。

2-3企业营销组织机构和人员工作职能将围绕数据展开。

大数据时代下对于企业来说数据是最重要最珍贵的资源，因而数据的收集和整理以及数据的分析和处理将是营销人员制胜的关键。因此营销人员的工作将更多的是围绕着数据的采集、分析和处理展开。在营销领域采用数据挖掘是营销发展到一定阶段的必然趋势，而数据挖掘技术的应用能对企业的营销管理带来很多显著的利益，因此未来企业的营销人员的职能会发生转变，以数据挖掘、分析为主的组织机构将会成为企业的重要职能部门。世界著名的管理咨询公司埃森哲和麦肯锡都先后发布报告称，数据科学家的需求将会持续扩大，未来如何培养高技能的数据人才会是各大数据业务公司的重中之重。

2-4营销活动将可预测。

大数据是一场技术性的革命，海量的数据资源使得营销管理开启量化的进程，而运用数据进行决策是大数据背景下营销模式的一个重要特征。未来企业的竞争将是数据的竞争，谁能挖掘潜在的客户掌握客户的需求谁将能取胜，因此企业营销活动的成败关键就在于是否能准确地判断顾客的价值，而大数据的出现使得营销管理活动能够实现精确的预测成为可能。大数据之“大”就是数据量大，能搜集全面和综合的数据，并再结合数据算法建模的使用，便能充分地挖掘数据间的相连性，从而来预测市场的发展趋势，帮助提升营销活动的'可预见性。

总之，大数据时代的到来给营销领域带来了巨大的商机。可正当人们还沉浸在大数据所带来的各种便利和价值的时候，有一个问题已慢慢引起了全世界的关注，即大数据营销活动中一些有悖于道德伦理问题的存在令人担忧。

3大数据时代面临的挑战。

3-1数据的质量问题和数据人才的缺乏。

大数据的“大”是指数据量大，但数据量大不一定代表信息量大或者数据的价值大，相反由于数据量太大容易造成很多繁杂无用的垃圾数据的泛滥。高质量的数据是大数据发挥效能的重要手段，因此如何应用相应的技术手段对大量的数据进行深加工成为企业发展的关键。同时由于大数据时代营销人员的职能已逐渐转化为数据相关的工作，而数据人才的缺乏也是当今营销领域的一大挑战，因此如何培养数据人才充分利用数据的挖掘采集和分析技术来获取高质量的数据信息是我们的当务之急。

3-2数据的复杂化难以管理。

当今世界对数据的争夺问题已日趋白热化，各大企业都为获取有效的数据信息来赢得竞争的优势。虽然数据就像黄金一样把它们放在一个数据库可以保证安全，但这却不是一个实际的处理方案，一方面没有那么大的内存去存储；另一方面由于数据的珍贵，每个企业都小心翼翼地将数据当作财产一样存储在不同的服务器上，彼此之间互不连通形成一个个“数据孤岛”。而大数据时代又需要广泛的研究数据间的相关性才能从中发现客观规律，需要个体和集体的配合才能实现数据的共享从而实现数据的价值最大化。

3-3公众和个人隐私问题日益凸显。

当今数据的收集和存储能力已远远超过了数据的利用率（jacobs，），而目前这两种能力还不能有效的结合，使得数据的利用率较低且数据的泛滥很可能会使得公众的隐私受到侵犯。在大数据的营销过程中很多用户相关的信息都是以数据的形式存储在电脑上，而互联网的广泛传播使得数据的隐私问题越来越令人担忧。例如，很多企业为了经济利益将用户的个人资料私自出售，甚至还有一些不法分子窃取用户的个人信息对用户进行诈骗等，这已给个人造成了严重的困扰。

3-4数据精准性与服务精准性不对称。

尽管大数据营销可以让企业了解客户的需求，但精准的数据不一定能全面把握客户的心理活动。比如说一个顾客一直徘徊在商场一楼的鞋子特价区，此时这个顾客的举动可能说明了这个顾客对鞋子是有需求的，但不能说明这个顾客一定是一个价格敏感者。尽管大数据的确能够发现、跟踪和分析消费者的每个显性变化，但却无法全面把握消费者的内心活动，因为顾客的购买心理本来就是一个“暗箱”，他的购买行为是由很多因素综合决定的，可能是心理，可能是价格，还有可能是环境因素，等等。因此尽管大数据能够提供精准的数字，但却很难提供精准的预测，这里面涉及了一个不可确定性因素，就是顾客的心理。

4大数据背景下营销领域伦理问题的解决途径。

大数据对于营销领域来说是一把双刃剑，既是机遇也是挑战。它既能给企业带来巨大的商业价值，有效地提升企业的竞争力，同时也可能因为安全隐患问题给社会带来极大的危害。因此，本文试着从国家、企业以及技术手段三个层面来探讨如何有效地规避大数据自身带来的伦理问题。

4-1国家应当制定相应的法律法规来约束不法行为。

由于我国相对于西方发达国家来说，大数据营销起步较晚，因此相关的法律法规还不是很健全，许多不法分子利用一些法律漏洞来窃取消费者的隐私、侵害消费者的利益。从宏观层面来说，国家是市场有序进行的保证，而法律是依靠国家的强制力来维护公共生活的秩序。因此国家应加强相关的法律法规的建设来严厉打击不法分子、保护消费者的隐私安全。

4-2通过行业自律来约束自身的伦理机制。

由于法律仅仅是外在的约束因素，而要从根本上解决问题还需要加强行业的内在自律性，加强企业的内在道德观念，自觉的遵守道德约束。而事实证明，企业通过建立消费者隐私的保护机制，依法保障消费者的合法权益，是解决这些伦理问题的源头。（3）利用技术手段解决自身的问题。大数据的安全隐患问题是由大数据发展过程中自发产生的，因此可以充分的利用技术的优势有效的规避这些问题。人的自律行为是需要相当大的决心的，因为往往拒绝不了利益的诱惑，而法律的制定往往是滞后于技术的进步，人们往往是等到出现了问题后才会想办法制定相关法律，事实上也正是因为技术的不完善才给了那些不法分子钻空子的机会，因此依靠技术自身的优势来解决大数据背景下营销伦理问题是最切实有效的。

5结论。

大数据与营销管理领域的结合也是时代发展的必然趋势，更是企业在激烈竞争下取胜的关键举措。与此同时，我们在享受大数据带来的巨大商业价值时，也应客观的认识到大数据时代的安全相比传统安全更加复杂，对此理应结合法律的强制措施和行业的自律以及技术的显著优势，来保障大数据背景下营销朝着正确的方向发展。

旅游大数据研究论文篇七

和欧美发达国家相比，我国的电子商务起步晚，发展水平存在较大的差距，但由于我国互联网用户占据规模优势，商业潜力难以估量，因此电子商务在我国具有非常好的发展前景。国内企业普遍存在预算体制不完善、不先进和制度不统一等问题，在电子商务企业的表现尤为明显。由于发展速度过快，企业内部制度未能跟上发展节奏，并且由于这个行业的特殊性，造成了电子商务企业独有的预算特点。大数据的应用主要集中在预算管理数据服务上的变革，电商企业依托数据分析寻找具有创新意义的适用于用户扩张、产品研发、服务创新和降低经营成本的方法和渠道。目前，成本和同质化竞争是国内电子商务发展面临的两个重大问题，而大数据时代的到来将为其竞争发展提供全新的预算管理思路，通过引入数据分析和销售个性化创新提升企业竞争力。我国电子商务正处于快速发展期，仅以“双十一”为例，淘宝和天猫成交量之和超过912．17亿元。根据国家统计局数据，截止到206月30日，国内社会消费品零售总额上半年达141577亿元，同比名义增长10．4%，其中限额以上单位消费品零售额66256亿元，增长7．4%。年上半年全国网上零售额16459亿元，同比增长39．1%，其中，实物商品网上零售额13759亿元，增长38．6%，占社会消费品零售总额的比重为9．7%;非实物商品网上零售额2700亿元，增长41．9%。由于国内电子商务行业呈现井喷式发展趋势，消费者数据也呈现出伴随式的高速增长，因而电子商务领军企业为应对大数据开始加强对企业各层级、各部门的积极部署。

1．4财务数据体现出的新特点。

1．4．1财务数据定义困难。

大数据，也就是海量数据，它所描述的并非是数据体积的庞大，而是数据集群的规模正在高速扩张，同时，大数据背景下的财务数据定义已经远远超出了传统的数据定义。预算管理作为企业运营的重要一环，对销售、采购、生产等步骤所产生的数据进行预测，如果不能及时改进这方面的财务数据处理技术，就难以有效提升数据处理的质量和效率。

1．4．2财务数据挖掘困难。

由于大数据时代电商企业在营运过程中数据产生具有速度快、体量大等特点，使我们在搜集、整理、处理和分析数据方面面临着很多新的问题。同时，由于电子商务企业高速发展，预算管理数据涉及面广，财务数据在同一时段内生成量较大，将各类有效数据和无效数据杂糅在一起，从而大大降低了所获取数据的价值。

1．4．3财务数据信息处理要求高。

大数据时代电商企业所需数据主要呈现出体积大、类型多、价值密度较低等特点，因此，对财务数据信息的处理要求就变得更加严格，及时性和精确性也变得尤为重要。目前在全球电子商务行业高速发展的情况下，财务数据瞬息万变，做好预算管理成为企业支撑长短期战略实施的关键，因此，必须提升大数据的处理速度，才能跟上数据发生、发展及变化的脚步，才能使数据利用的质量得到有效提高［2］。

1．5电商企业实施预算管理的意义。

由于电商市场的数据生成越来越快，而财务数据累积却得不到及时处理，加上企业本身可能面临的流动资金的短缺，使资本无法继续扩张，成本无法有效控制。因此，加强全面预算管理有利于企业总体预测未来业务活动和财务表现，促进企业稳健发展。在大数据时代，电子商务企业预算管理涉及的相关数据间的动态联系越来越多，企业财务人员面对大量待处理的数据，往往表现出疲于应付的状态，因此在全面预算编制时很少使用能适应多种业务量水平的弹性预算法。目前，电商企业积极建立并利用基于云平台构建的数据共享中心，通过对预算管理的各环节进行及时有效的控制来提高预算管理所需数据的准确性。在预算实施过程中，由于国家政策法规、企业经营条件或电子商务市场环境等可能存在变化，一定程度上可能导致预算结果出现偏差，因而财务工作人员需要按照企业发展战略和长期目标及时调整预算方案，调整后的数据将自动修改并存储在云平台，进而实现有效控制。erp系统会及时计算出预算数与实际数之间的差额，并进行横向和纵向的比较，自动生成预算分析报告，最终编制出预计利润表和预计资产负债表，从而有力地支撑企业的决策，同时使预算分析更科学。

2电商企业传统预算管理存在的问题及原因。

2．1传统预算编制中存在的问题及原因。

2．1．1预算编制忽略了外部环境。

电子商务企业的预算管理应当以企业战略为起点、基于宏观市场和微观市场经济环境的基础对企业未来的经营活动进行整体的规划，而不能忽视企业长期的战略目标，否则预算管理会本末倒置，不利于电商企业长期战略目标的实现。

2．1．2成本预算编制过于简略。

在实务中，电商营运成本预算大多是在以前年度预算的基础上进行编制，其一般做法是通过销售费用和收入的占比来预计销售费用，管理费用则基本保持恒定。这种预算缺乏精细化管理的理念。以京东商城营销费用为例，京东商城主要发展的手机类产品为4g产品，而4g手机类产品的营运成本与用户数有关。因此，简单以成本费用和收入的占比来预计销售费用是不科学的。

2．1．3预算编制过于依赖财务数据。

大多数电子商务企业并未设立专门的.预算管理机构，为避免增加冗杂的管理费用而将预算管理部门设立在财务部门，致使预算管理部门主要工作人员全部来自财务部门，财务人员编制的预算报表往往过度依赖财务数据。目前国内电子商务企业一般以利润为起点进行预算编制，通常以经营预算为主，利润指标等相关数据被过度关注，从而忽视了预算管理应以销售为起点和以市场为基础，未能对比多项经济业务活动所产生的数据，导致预算指标缺乏数据价值。

2．2传统预算执行与控制中存在的问题及原因。

由于我国电子商务企业起步较晚，内部各种资源相比国外严重短缺，内部管理制度尚不健全，管理基础很差，不具备实施全面预算管理的前提条件。为此，笔者归纳分析了电子商务企业预算管理执行与控制环节所面临的问题及原因。

2．2．1未能掌握预算管理的具体方法。

电商企业在实施预算管理时，其所需要做的基础性工作严重缺乏，也未能有效利用erp财务预算系统，关键项目的预测缺少方法和依据。

2．2．2缺乏严格的管理标准和制度保证。

由于国内电子商务企业相比国外起步较晚，实施预算管理没有科学合理的预算标准、预算项目、历史数据和行业数据作为参考，难以保证预算的准确性。同时，企业组织架构尚未建立，实施预算管理的主体不明确，企业内部各部门、各层级的费用目标不能落实到位。通过考察预算实施环节可以发现，电商企业仍缺乏相关费用预提核算制度，财务核算不能真实反映企业当期真实的经营状况，整体经营趋势的分析存在较多的随意性，给预算的控制管理带来了一定的难度。

2．2．3缺乏监督机制的有效保障。

电商企业往往只注重市场开拓，而对于预算管理的重要性认识不足，忽视对预算的监督、控制和相关差异分析，倘若发生偏差则难以及时进行调控。同时，预算管理的实施部门机构不健全，责任主体难以明确，管理层和多数员工对实施预算管理的重要性的认识还需要进一步提高。

2．3传统预算考核中存在的问题及原因。

在实务中，预算控制和考核指标体系一定程度上缺乏系统性。笔者考察发现，大多数电商企业所采用的kpi绩效考核体系仅注重财务指标，过于关注短期业绩而忽视了长远发展，未能将其与公司战略目标进行有机结合，重编制、轻执行也成为国内电子商务企业在预算管理执行与控制过程中普遍存在着的问题。电商企业缺乏严格监督制度的预算执行使得预算执行的结果与初期编制的预算目标之间存在较大偏差。在考核预算结果时，也缺乏明确的奖惩标准，仅局限于以指标完成情况考核员工业绩，无法增强激励作用，不利于电子商务企业预算目标的实现。

旅游大数据研究论文篇八

摘要：传感器网络协议作为传感器与传感器之间，传感器与用户之间的通信媒介，在数据传输过程中因缺乏数据管理，经常导致传输给用户的数据是混乱的。针对上述问题，研究一种基于数据管理的传感器网络协议。该协议采用分层思想，将传感器网络协议分为四层：物理层、访问控制层、网络层以及应用层，并将传感器网络协议层集合成网络协议栈，完成数据有序传输。

关键词：数据管理；传感器；网络协议；协议层；协议栈。

目前存在的传感器网络协议由于层次划分的并不明确，经常导致采集到的数据出现混乱，不利于后期的数据管理（存储、处理和应用等）[1]。因此为方便后期数据管理，在数据管理的前提下，对传感器网络协议进行研究，以期解决数据混乱的问题。首先构建传感器网络协议层，协议层主要包括物理层、访问控制层、网络层以及应用层；然后将各层组合在一起构建传感器网络协议栈，协议栈主要为各层之间的数据传输提供软件方面的指导。基于数据管理的传感器网络协议研究，为数据通信工作奠定基础，加快了数据的`获取，方便了数据传输。

一、传感器网络协议研究。

传感器网络是微电子技术、嵌入式信息处理技术、传感器技术等几种结合并构建的一种属于计算机网络。数据量大且繁杂是当代大数据时代的特点，如果不对数据加以处理，人们要想快速、有效获得自己需要的数据，无疑大海捞针的，因此为应对当前传感器网络存在的问题，将设计好的网络协议嵌入其中是当前研究的重点课题之一[2]。

（一）传感器网络协议层。

为解决传统传感器网络协议划分不明确，导致数据混乱，不利于数据管理的问题。本次研究的传感器网络协议明确划分为4个层次，每个层次负责数据管理过程中的不同步骤，以规范数据流向。下图1为是传感器网络协议结构图。从图1中可以看出，本次研究的传感器网络协议一共分为4层：物理层、访问控制层、网络层以及应用层[3]。（1）物理层。传感器网络协议物理层主要负责定义物理通信信道和与访问控制层之间的连接。简单的说，就是接收或发送传感器前端摄像头采集到的数据，以及维护由以上数据构建的数据库。（2）访问控制层。传感器网络协议物理层主要负责物理层中数据的分类管理和传输。分类管理主要根据采集的数据类型进行分类确认，而传输主要是将分类结果进行传输。（3）网络层。传感器网络协议网络层是整个协议中的核心层次，主要负责传感器与传感器、传感器与观察者之间的通信以及信息交流。在网络层中可以实现多种异构数据的兼容、融合以及转换、传输，为后续数据管理做好前期的工作准备，使得不必在后期进行二次处理[4]。（4）应用层。传感器网络协议网络层是整个协议中的最后一个层次，主要负责与用户之间的数据交互，也就是将以上几层的数据分析结果按照用户的请求发送给用户。

（二）传感器网络协议栈。

协议栈，又被称为协议堆叠，是上述介绍的4个层次的总和，其实质反应了数据的往复传输过程。从下层协议的数据采集到数据传输再到上层协议的数据呈现，之后又从上层协议发出命令，命令下层传感器进行数据采集。传感器网络协议栈协调了不同层级之间的数据属性，在协议体系中，数据按照规定的格式加入自己的信息，形成数据位流，在各层级之间传递[5]。传感器网络协议标准采用了ieee802.15.4标准，各层级之间利用接入点实现数据交流和管理，一般接入点有两个，一个接入点负责数据传输，另一个接入点负责数据管理。在传感器运行过程中，各种不同属性的数据在不同层级上奉行不同命令。这样做有利于数据的有效分类，使得数据管理更为方便。

二、结束语。

传感器能够监测外部环境信息并按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求，广泛应用工业生产、机械器件制造、灾害监测、气象预测等诸多领域。但是由于传感器的监测是实时监测，所以数据量过于庞大，如果不加以管理，将会直接影响后期数据分析结果。本次研究针对上述问题，将数据管理作为中心指导思想，进行传感器网络协议研究，以期为数据管理做出技术支持。

参考文献。