大数据职业规划

大数据职业规划（精选8篇）

1.大数据职业规划 篇一

XXXX省大数据产业发展应用规划纲要(2014-2020年)

序 言

大数据是通过快速获取、处理、分析以从中提取价值的海量、多样化的交易数据、交互数据与传感数据。大数据产业是指一切与大数据的产生与集聚、组织与管理、分析与发现、应用与服务相关的经济活动的集合，以数据挖掘分析服务为核心，包含数据中心、宽带网络等基础设施服务，数字内容服务、物联网服务、位置服务等信息服务，智能终端制造、电子元器件制造等电子产品制造，以及智能交通、互联网金融和智慧城市等应用服务。继云计算、物联网和移动互联网之后，大数据正成为信息技术的新热点，产业发展的新方向，将对人类的生产与生活产生巨大影响，对经济与社会发展带来深刻变革。把握大数据发展方向，推动大数据开发应用，发展大数据服务产业，是推进贵州省信息技术产业集聚发展和经济社会跨越发展的重要抓手，对推动贵州工业结构调整、加快贵州新型工业化和城镇化进程、打造贵州经济社会发展升级版，具有十分重要的战略意义和现实意义。

本规划纲要依据《国务院关于进一步促进贵州经济社会又好又快发展的若干意见》、《黔中经济区发展规划》、《“十二五”国家战略性新兴产业发展规划》以及《中共贵州省委贵州省人民政府关于加快信息产业跨越发展的意见》、《贵州省人民政府关于加快培育和发展战略性新兴产业的若干意见》等文件的部署和要求制定，旨在为贵州省大数据产业发展提供指导。规划期为2014年至2020年。

一、发展机遇与优势

(一)发展机遇

1.国家和贵州省全力支持为大数据产业发展提供政策保障

为贯彻落实有关规划和意见，国家35个部委相继出台支持贵州发展的政策文件或与贵州签署合作协议，对贵州省发展的支持力度明显加大。贵安新区跻身国家级新区，在财税、投资、金融、产业、土地、人才等方面享有更多广泛的改革试验权和更加优惠的产业政策，为贵州省经济发展注入了强劲动力，对产业和人才、资金、数据资源的吸引力显著增强。各类政策叠加效应日益显现，为贵州省大数据产业发展带来难得机遇。贵州省委、省政府对大数据发展高度重视，将大数据作为贵州省的战略重点之一，为加快招商引资、加速资源集聚、推动大数据产业发展提供了保障。

2.贵州省重视电子信息产业为大数据产业发展提供产业基础

近年来，贵州省日益重视电子信息产业发展，先后出台《贵州省人民政府关于加快培育和发展战略性新兴产业的若干意见》、《关于加快信息产业跨越发展的意见》、《“宽带贵州”行动计划》、《贵州省促进信息消费实施方案》、《贵州省信息化和工业化深度融合专项行动计划实施方案(2014-2017)》等文件，与大数据关系密切的软件、集成电路、物联网、下一代互联网、云计算等均列为发展重点。贵州省正以贵安新区、贵阳市为主要承载地，推动电子信息产业高端化、集群化、快速化发展。富士康贵州第四代绿色产业园，以及电信、移动、联通三大运营商的云计算和大数据中心的加快建设，将为贵州省大数据产业发展提供新动力。

3.经济社会加速转型升级为大数据产业发展提供市场需求

贵州省已进入工业化、城镇化加速发展阶段，推动改革发展转型、提高经济增长的质量和效益、保障和改善民生等任务艰巨，需要强化创新驱动和推动信息技术的广泛深入应用，把握和发挥大数据在决策、管理等方面的重要作用。由此将带来各行业、各领域数据量的爆发性增长和大数据应用需求的急速增大，带动政府部门、社会机构、企业及个人的大数据应用热潮。旺盛的应用需求将为大数据产业发展提供广阔的市场空间，更好地促进数据资源、应用资源的产生和聚集，实现产用衔接，互动共进。

(二)发展优势

1.生态优势：气候环境优良，地质结构稳定

贵州省属亚热带季风湿润气候，夏季平均气温低于25℃，全年风速以微风为主，没有明显沙尘天气，空气质量常年优良。地质结构稳定，远离地震带，灾害风险低。优良的生态环境为发展大数据基础设施提供了独特优势。

2.能源优势：水煤资源丰富，电力价格低廉

贵州水能资源蕴藏量为1874.5万千瓦，居全国第六位，其中可开发量达1683.3万千瓦，占全国总量的4.4%。煤炭资源储量居全国第五位，煤层气资源量列全国第二位，全省火电装机容量超过2000万千瓦。电力价格具有竞争优势，贵州省工业用电平均价格明显低于国内其他地区。能源优势能够为大数据企业提供廉价、稳定的电力资源，降低企业运行成本。

3.区位优势：地理位置特殊，交通日趋便利

贵州省位于我国中部和西部地区的结合地带，连接成渝经济区、珠三角经济区、北部湾经济区，是我国西南地区的重要经济走廊。近年来，抓紧建设以贵阳龙洞堡国际机场为核心的“一干十三支”民航系统，以黔桂、成贵等铁路干线和贵广高铁、沪昆高铁为代表的铁路运输网络正在形成，2014年进入“高铁时代”。贵州省公路路网结构日趋完善，高速公路通车里程3261公里，2015年通车里程将突破5100公里，实现“县县通高速”的目标。持续优化的交通条件，使贵州省经济走廊的地位进一步凸显。

4.战略优势：西部重要增长极，内陆开放新高地

党中央、国务院高度重视贵州省的发展，先后出台的《全国主体功能区规划》、《国务院关于进一步促进贵州经济社会又好又快发展的若干意见》、《西部大开发“十二五”规划》和《黔中经济区发展规划》等政策规划，都明确了对贵州省的支持政策。2014年1月6日，国务院批复设立国家级新区，确立了贵安新区作为西部地区重要的经济增长极、内陆开放型经济新高地和生态文明示范区的战略定位，进一步加大了对贵州省发展的支持力度。

二、指导思路与发展目标

(一)指导思想

紧抓国家西部大开发战略实施机遇，面向贵州经济社会跨越式发展的需求，以大数据应用作为产业发展的战略引领，坚持“应用驱动、创新引领，政府引导、企业主体，聚焦高端、确保安全”，通过改革、开放、创新，挖掘数据资源价值，集聚大数据技术成果，形成大数据企业集群，全面提升大数据产业发展支撑能力、大数据技术创新能力和大数据安全保障能力，努力建成全国领先的大数据资源集聚地和大数据应用服务示范基地，为贵州省经济社会加速发展、加快转型、推动跨越提供有力支撑。

(二)基本原则

应用驱动、创新引领。坚持以应用需求为导向、“应用、数据、技术”三位一体协同发展，集中攻克大数据关键技术和产品，集聚丰富数据资源，发展数据服务业务。推动技术产品、应用模式、商业模式和体制机制的协同创新，大力推进原始创新和集成创新，形成完整创新链条，促进产业发展向创新驱动型转变。

政府引导、企业主体。发挥政府统筹作用，加大引导力度，优化政策环境，建立推动大数据发展与应用的协调机制，充分调动各方积极性，形成最广泛合力，提高全社会对大数据的认识。发挥市场在资源配置中的决定性作用，以企业作为创新发展的主体，形成政、产、学、研、用联合推进的良好机制。

聚焦高端、确保安全。依托贵州省特色优势，围绕大数据分析处理等核心环节和大数据明星企业打造，坚持高水平建设、高端化发展，充分发挥大数据的引领带动作用。建立科学的数据开放规则和机制，以技术创新和管理模式创新推动构建安全、规范的发展与应用环境，提升数据资源开放利用的信心。

(三)发展目标

1.总体目标

推动贵州省大数据产业稳步快速发展，到2020年，大数据带动相关产业规模达到4500亿元。大数据产业体系基本健全，业务形态较为齐备，创新能力显著增强，安全保障能力明显提高。产业载体建设顺利推进，聚集一批具有较强市场竞争力的骨干企业。数据中心布局合理，政府数据资源实现有效整合，大数据开放与管理机制初步建立，应用水平明显提高，以大数据引领和支撑贵州省经济社会转型发展的能力显著增强。

2.阶段目标

遵循“基础构建、集群聚集、创新突破”的发展路径，以2015年、2017年和2020年为主要节点，分三个阶段规划发展。

(1)基础构建期(2014-2015年)

发展路径：在完成园区规划和完善宽带网络等基础设施的同时，加快贵州省各领域数据资源建设，启动大数据平台建设，实施重点领域应用示范工程。大力引进国家级数据资源库、存储与服务中心、数据灾备中心、超级计算中心，逐步完善产业发展环境，加速吸引以大数据服务为核心的电子信息企业入驻和大数据人才汇集。

发展目标：到2015年，三大电信运营商数据中心等大数据产业基地基础设施基本建成，1-2个重点领域的大数据服务平台初具雏形，大数据应用服务初步形成布局。大数据基地初具规模，聚集一批大数据采集、存储、分析服务企业和软硬件配套企业。引进10家左右大数据存储管理、分析处理的先进企业和若干电子信息产品制造业的龙头企业，培育200家大数据保障、系统集成服务、数据服务软件研发的中小企业，基本形成大数据产业配套体系，初步建立以大数据应用为基本业态的产业发展模式。通过大数据带动相关产业规模达到1100亿元，引进和培养2000名大数据产业高端人才。

(2)集群聚集期(2016-2017年)

发展路径：继续强化数据资源优势，完善优惠政策，健全配套产业体系和大数据标准规范体系，优化发展环境，深化与国家各部委、大型企业、科研机构和高等院校的合作，大力引进国内外数据存储、分析和应用服务的高端企业，逐步集聚一批国家部委的信息分析中心和国内外龙头企业的研发、服务、交易、结算总部，吸引和培育一批数据分析和数据应用企业，打造形成以数据分析、挖掘、组织管理、应用服务为核心的产业集群，争取在食品安全、环境保护、射电天文、民族医药等领域形成国家级数据处理和备份中心。

发展目标：到2017年，建成国内一流的数据资源中心，打造形成国内一流大数据产业基地和科技密集型的新一代信息技术产业集聚区。引进或培育30家大数据龙头企业，500家创新型大数据相关企业，产业链条基本健全，研发创新能力显著增强，能提供较为全面和专业的大数据分析、挖掘、组织和管理等服务，实现大数据与云计算、物联网、移动互联网等业态的融合发展，形成以数据服务为核心的产业集群化发展模式。通过大数据带动相关产业规模达到3000亿元，引进培养5000名大数据产业高端人才。

(3)创新突破期(2018-2020年)

发展路径：推动大数据服务、云计算服务、物联网服务、移动互联网服务的融合协同发展，拓宽以数据资源为基础的信息服务业发展空间，完善高端品牌创建、高素质人才引入、高增值和高回报产业培育，不断充实巩固大数据产业基地的资源实力、创新实力和市场竞争实力。吸引更多信息技术产业领域相关软硬件产品企业和服务企业，逐步形成与贵州地方产业基础和优势条件对应的信息技术产业体系，提高贵州省新一代信息技术产业发展水平。

发展目标：到2020年，国内一流的数据中心地位进一步巩固，大数据产业基地基本建成，数据为基础的信息服务产业特色明显，大数据、云计算应用和服务水平居国内领先地位，产业体系健全，成为西部地区重要的、全国有影响力的战略性新兴产业基地。通过大数据带动相关产业规模达到4500亿元，吸纳就业20万人。

三、重点任务

(一)建设大数据基地，优化产业布局

按照“黔中引领、两极带动、协同发展”的思路，以黔中经济区核心区为主，规划建设贵安新区电子信息产业园大数据基地、中关村贵阳科技园大数据基地、黔南州超算中心等多个产业基地。

贵安新区以三大电信运营商数据中心为重要依托，推动实现物联网、云计算等管理平台的统一，网络、存储、计算、系统等软硬件资源平台的统一和“一站办理、一网连通、一号服务、一卡通行”等服务资源平台的统一，引导大数据产业上下游优势企业落户基地聚集发展。

贵阳市充分利用中关村贵阳科技园的创新理念和各类资源，依托贵阳市信息技术产业基础，建设大数据特色产业基地，大力推进智慧城市、网络金融、食品安全等领域的示范应用，带动大数据产业集聚发展。

其他市(州)根据本地信息产业基础和需求，发展各具特色的信息产品制造业和大数据服务业。

(二)实施五大计划，推动信息产业“蛙跳式”发展

1.数据资源开发利用计划

围绕拓展新兴信息服务业态，推动大数据采集、加工、处理、整合和深加工。面向重点行业和重点民生领域，开展大数据重大应用示范，提升大数据应用服务能力。组织实施大数据关键技术产品产业化和大数据生产、转换、加工、展现平台及专用工具的产业化项目，大力发展基于大数据的生产性信息服务业，推动工业结构升级。

2.产业技术创新和成果转化计划

支持建立和引进大数据研发中心、工程技术(研究)中心等技术创新和产业化机构。组织实施大数据关键技术产品产业化项目，支持用于整合、处理、管理和分析大数据的关键技术产品产业化。加快推动以北斗导航为核心的技术研发和产业化进程，深化与大数据的结合，推动基于北斗卫星导航的地质灾害预报预警、交通运输监管、智慧旅游等应用示范，支持位置信息服务(LBS)业务发展。在产品、市场及产业链分析研究，产业共性关键技术研究，大数据、云计算及相关领域重点实施一批行业应用示范项目。

3.高端人才引进和培养计划

以大数据领域研发和产业化项目为载体，积极引进高端人才。创造条件，引进大数据领军人才100名，高端人才5000名。围绕大数据产业所需专门人才，鼓励高校开设大数据相关的研究生课程。支持建设专门高等职业技术教育学院，开展高等技术教育和职业技能培训。未来5年培养5万名左右的技术技能型、复合技能型和知识技能型专业技术人才，满足大数据产业发展需求。

4.产业配套升级计划

依托射电天文数据处理中心、三大电信运营商数据中心、阿里巴巴和京东贵州馆电子商务集群、大数据应用示范工程等一批特色项目，集聚和配套发展智能终端设备、云存储、云超算、云管理、数据清洗等产品和服务，在大数据基地形成专业化分工和社会化协作，鼓励龙头企业积极开展外包，推动实现大数据产业省内配套。

5.大企业培育和大项目带动计划

采取政策引导、资源整合、兼并重组、企业上市等综合措施，重点引进世界500强和国内电子信息百强企业落户，形成大项目带小项目、主体项目带配套项目、上游项目带下游项目的良好发展局面，建立“基于黔中经济圈、立足全省、覆盖全国”的大数据产业体系。到2017年，培育5家以上营业收入超百亿元的大型龙头企业，20家以上营业收入超10亿元的骨干企业，100家以上营业收入超亿元的重点企业，新增上市或股权挂牌交易企业10户以上。

(三)推动云计算服务发展，创新产业发展模式

推动云计算服务发展。大力引进公共云服务龙头企业，促进本地电子信息企业转型发展和创新创业，集聚一批服务能力突出的云服务提供商，提供高质量的云计算服务。

打造电子政务云服务平台。充分发挥政府在云计算服务应用中的引领作用，引导财政资金支持的信息化项目优先考虑和利用统一的大数据基础设施进行部署，逐步推进相关政府部门现有信息系统向平台迁移。

打造工业云服务平台。支持工业大数据应用开发和专业化云计算服务提供，加快推进贵州省两化深度融合。先行选择基础条件较好的工业行业开展云计算应用创新试点。推动大企业利用云计算技术整合信息系统，提高运营管理水平和服务能力。

(四)拓展大数据应用领域，提高科学发展水平

推动电子政务及信息资源共享。继续实施和完善党委、政府系统电子政务工程以及“金”字工程，推进政府信息公开和政务业务协同系统建设。加快省数据中心、电子文件(档案)备份中心、异地灾备中心建设，推进四大基础数据库和市场经营主体信用信息数据库的建设和完善。梳理各部门信息资源共享需求，建设覆盖全省的跨部门、跨地区的信息资源目录体系与交换体系，推进信息资源交换与共享。

挖掘“智慧贵州”大数据潜力。依托市(州)开展以“智慧交通”、“智慧旅游”、民生服务等为主要内容的“智慧城市”试点，整合信息资源，实现软硬件资源的共建共享。围绕车辆、商品和人员流动建设物联网应用平台，围绕医疗、教育、社保、食品安全等领域，推进民生服务信息化平台建设。推动社区信息化建设，促进行政管理、社会事务、便民服务等社区管理服务一体化。

四、重大工程

(一)信息基础设施提速工程

推进全省通信骨干网络扩容升级和网络通信能力优化，加快数据中心等基础设施建设，打造全国信息交换枢纽和信息存储中心，逐步成为全国重要的“信息港”。

加快全省骨干网络设施建设。积极争取国家有关部门支持，在我省设立国家级互联网骨干直联点。加快贵州省对外网络扩容步伐，到2017年全省互联网出省带宽达到4000Gbps。落实《“宽带贵州”行动计划》，开展“宽带中国”示范城市群创建工作。到2020年，力争全省城区实现光纤接入，城市宽带用户接入能力达50Mbps。提高低频段频谱资源使用效率，推进农村信息基础设施建设，到2017年实现村村通宽带，到2020年，借助各种先进技术实现农村宽带用户接入能力达12Mbps。实现新建开发区、产业园区宽带网络全覆盖，推进1Gbps光纤到楼，100Mbps光纤到户。

加强重要产业基地网络建设。加快部署LTE网络、网络带宽升级和区域性关键节点建设，力争将贵安新区在2015年建设成为区域性的核心节点，2020年升级为国家级的核心节点。加快制度创新，强化信息基础设施共建共享机制，在贵安新区先行先试。综合采用光纤到户、WIFI和4G技术，率先在贵阳国家高新技术开发区、贵安南部科技新城、贵阳经济技术开发区、花溪大学城实现宽带全覆盖。

统筹重要产业基地数据中心建设。推进中国电信、中国移动、中国联通三大运营商的大规模数据中心建设，吸引大型互联网信息服务企业、专业数据中心运行企业和金融机构等用户企业来贵州建设数据中心。充分利用已建、在建数据中心资源，建设全省数据中心，统筹推动全省数据资源整合和云计算、大数据应用。

加快重点地区北斗增强系统设施建设。率先在贵安新区、贵阳市、遵义市和安顺市建设北斗多模连续运行参考站网，实现增强系统信号全覆盖，提供事前分米级、事后厘米级精确定位服务。

(二)产业链整合提升工程

加强招商引资和本地优秀企业培育，在电子信息制造产品、基础软件和应用软件、产业公共服务平台等领域实现重点突破，全面带动贵州大数据产业发展。

发展电子信息制造产品。推动贵州省电子信息产业园区及示范基地建设，积极引进国内外电子信息制造业龙头企业，大力发展阻容感片式元件、显示模组、锂离子电池等产品，逐步发展传感器、音视频采集、条形码、RFID等数据采集设备产品，重点发展高性能低功耗服务器、存储设备等云端设备，构建配套体系。

发展基础软件和应用软件。引进国内外知名的基础软件和应用软件企业，扶持本省知名企业和中小型企业，加快智能海量数据存储与管理系统、非结构化数据处理软件等的开发及产业化。引进一批云服务相关应用软件开发企业。

推进物联网应用服务发展。在工业制造、农业生产、节能环保、商贸流通、交通能源、公共安全、社会事务、城市管理、安全生产等领域推动物联网的集成应用。扶持一批物联网骨干企业，提高物联网技术应用水平。

(三)数据资源集聚加速工程

建设贵州省大数据平台，整合贵州省政务、公共服务数据资源，建设数据资源灾备中心，不断完善数据资源建设机制，提升数据资源集聚和管理水平。

建设贵州省大数据平台。优先考虑三大电信运营商数据中心设施硬件基础，建立贵州省大数据平台，与政府各部门、公共服务机构信息化部门的信息系统科学对接，实现各部门数据资源的互联互通。指导和支持龙头企业或第三方公共机构以大数据平台为依托，加强数据资源建设。支持和鼓励政府部门、公共服务机构、企业基于大数据平台开发面向特定行业领域和用户群的大数据服务平台，利用大数据平台的数据资源提供服务。

加快整合贵州省数据资源。明确政府电子政务项目建设原则，各省直部门和各市(州)原则上不再新建数据中心，全省各部门(单位)的政务数据、公共服务数据集中存放在省大数据平台。加强与行业企业合作，提升大数据平台的数据采集、数据整合和数据管理能力。

建设数据资源灾备中心。面向国家部委、中央企业等的数据存储和容灾备份需求，积极与国家部委、大型企业对接，引进国家基础数据库入驻，建设国家基础数据备份中心、容灾备份中心和企业数据灾备中心。积极参与国家公安、社保、医疗、档案、税务、财政、工商、国土、统计、水利、农业、商业、文化、民政、司法行政等部门的地方数据中心和数据灾备中心建设，争取国家级数据资源库入驻。

建立数据资源管理与服务机制。立足贵州省大数据平台，建立数据资源管理与服务机制，对大数据平台中的数据资产进行统一管理。制定政府数据资源利用管理办法，推动政府数据资源开放、开发。建立数据资产登记制度和数据资产交易规则，建立数据资产元数据标准，规范数据资产说明，公开数据资产目录，推动形成数据资产交易市场。建立数据资产知识产权管理制度，加强对数据资产的知识产权管理。建设大数据交换平台与数据交易市场，为大数据发展与应用提供数据资源。

(四)重点领域应用示范工程

组织实施重大应用示范项目，推动建设面向政府、公众和企业的云计算和大数据服务平台，探索新的商业模式，及时总结经验并推广。

电子政务云工程。面向政府部门提高职能效率、实现跨部门信息资源共享和推进政府信息公开的需求，建立统一的贵州省电子政务云服务平台，发展电子政务云计算服务。结合党委、政府系统电子政务工程及“金”字工程实施和完善，梳理、整合贵州省各级各部门的数据资源及共享需求，加快建设覆盖全省的跨部门、跨地区的数据资源目录体系与交换体系，推进数据共享。提供以数据为驱动的业务支撑服务，以及城市管理相关决策辅助服务，推进财政税收、行政审批、电子监察、综合执法、数字城管、应急管理、公共安全管理、社会管理以及社会信用信息管理等领域的政务业务协同系统建设，推动精简、高效、廉洁、公平的政府运作模式建立，向社会提供全方位、高质量的管理与服务。

智能交通云工程。面向政府决策、交通管理、企业运营、百姓出行等需求，建立智能交通云服务平台。统筹全省公路、水路、铁路、航空等运输方式及管理部门的数据资源，整合公安、城管、交通、气象、铁路、民航等监控体系和信息系统，通过监控、监测、交通流量分布优化等技术，开展针对车辆属性信息和静、动态信息即时更新的运行平台，实现全网覆盖，提供交通诱导、应急指挥、智能出行、出租车和公交车管理、智能导航等服务，实现交通信息的充分共享、公路交通状况的实时监控及动态管理，全面提升监控力度和智能化管理水平，确保交通运输安全、畅通，推动构建人车路和环境协调运行的新一代综合交通运输运行协调体系。

智慧物流云工程。面向物流作业与行业管理需求，建立智慧物流云服务平台。大力推进物流领域信息基础设施建设，加快物流信息交换平台及第四方物流信息平台建设。整合商品信息、交通路网、货物运输、货物周转等行业数据，实现物流政务服务和物流商务服务的一体化。整合物流行业管理、电子口岸、危险品流通管理、出入境检验检疫监管等业务，建立仓储管理、业务协同、订单管理、运输管理系统，实行统一服务认证，为个人和企业提供统一窗口，开展市场需求信息查询、市场供给信息查询、业务运作管理咨询等服务，满足物流系统中各个环节不同层次的信息需求和功能需求。

智慧旅游云工程。面向日益增长的旅游行业管理、旅游景区信息化发展需求及自驾、自助游爆发式增长的趋势，建立智慧旅游云服务平台。整合旅游、建设、文化、交通、公安等部门和旅游景区、旅行社、酒店等单位的数据资源以及公路、铁路、机场等交通数据资源，建立全省统一的跨地区、跨景区的旅游数据资源交换体系。提供游客、旅游景区和旅行社等旅游企业的管理信息服务，提升景点旅游信息、建设、地貌、民族文化等信息整合程度和创新业态服务水平，提升具有民族特色的个性化旅游体验。

工业云工程。以提升智能化和柔性敏捷生产水平为重点，建设工业云服务平台，面向国防工业、装备制造、轻工食品等行业提供云计算服务，并逐步推广。面向工业企业生产经营的重点环节，提供工业设计、工艺设计、产品研发、企业管理等云服务，提升企业运营管理和研发创新能力。整合工商局、工商联、中小企业协会(联盟)等行业机构及中小企业的数据，搭建企业间数据资源交换体系，提供财务管理、人力资源管理、客户管理、供应链管理等运营管理服务，降低企业发展成本、提高工作效率。

电子商务云工程。面向贵州省电子商务发展需求，建立电子商务云服务平台。依托京东电商产业园、贵阳国际电商产业园等园区，加快电子商务支撑体系建设，整合生产企业、销售企业、运输企业、消费者、电商等方面数据，实现电子商务运行“一站化”，面向中小企业和“淘宝村”建设提供信息发布、商务代理、网络支付、融资担保和技术支持等服务。面向不同行业、区域和消费者，支持支柱产业大中型骨干企业开展电子商务应用，加快推进电子商务在农业、制造业、商贸流通等领域的普及和深化。鼓励金融机构、互联网企业等利用大数据资源开展互联网金融、移动电子商务等业务。大力吸引大型企业结算中心入驻。

食品安全云工程。面向政府有效监管、企业品质提升、公众知识普及科学和健康消费等需求，促进健康消费服务产业的发展，集合全省农产品生产、食品加工企业、流通环节中省内外食品企业、全省餐饮行业中的数据资源，加强食品安全与营养标准及知识库建设。建立基于大数据的食品安全与营养云平台，创新构建全国领先的食品安全政府监管、企业自律、媒体监督、消费者参与的社会管理“贵州模式”，促进健康消费，形成完整产业链，推动贵州食品产业后发赶超。

(五)核心产业载体发展工程

统筹规划，集中资源，重点支持，开展大数据基地建设，加快提升大数据基地服务能力，逐步形成和发挥辐射带动作用，带动全省大数据产业发展。

创建国家级大数据基地。重点支持贵安新区电子信息产业园和中关村贵阳科技园等园区开展大数据基地建设，吸引国内外知名云计算、大数据企业入驻，加快形成集聚效应，打造大数据产业发展高地。积极创造条件，利用省部联席会议机制，争取国家部委支持，与贵州省联合建设国家级大数据基地。

加快产业载体建设进程。创新和运用政策手段，引进国内外知名云服务、大数据企业向产业基地聚集。健全商务、资金、信息、技术开发与交流、国际合作等公共服务，打造“一站式”配套服务能力。建设大数据企业孵化器，设立创业种子资金，加强与创业投资、担保机构和云计算开发平台企业的合作，打造创业型企业孵化能力。支持建设和引进大数据相关的公共技术平台和管理平台，构建公共服务集成、专业服务支撑和应用创新推广于一体的大数据公共服务平台体系，创新基地建设、经营和服务模式，为创新创业企业技术创新和管理创新提供支持。

推动大数据基地智慧园区建设。面向大数据产业基地建设和管理需求，推动大数据基地智慧园区建设。探索产业基地大数据管理机制，建立有效、便捷的数据资源汇聚机制和公平、公正的数据资源交换机制。面向管理层提供行政审批、电子政务、招商引资、工商、税务、质监、开发建设等服务，为开发运作层提供基础设施建设、拆迁改建、公共设施建设等方面的服务。鼓励大数据企业积极参与基地建设，为公共服务平台建设和基础设施建设提供决策支持服务。

(六)安全保障能力建设工程

以平衡产业创新发展与信息安全保障间关系为目标，探索完善云计算与大数据环境下信息安全管理规则、管理模式与管理流程，提高产业安全保障能力。

增强大数据技术保障能力。加强安全测评、电子认证、应急防范等信息安全基础性工作，大力推广国产密码算法应用。加快大数据安全软硬件技术产品研发和标准制定，建立大数据安全评估体系，提高大数据平台信息安全监测、预警和应对能力。加强测试工具研发，开展大数据平台可靠性及安全性评测服务，引导大数据安全可控和有序发展。

开展信息安全保障体系建设。加强大数据环境下信息安全认证体系建设，做好信息安全顶层设计，有效保障数据采集、传输、处理等各个环节的安全可靠。围绕信息系统安全、基础设施安全、云平台安全、网络通信安全、数据安全、身份认证与管理等方面，开展全面系统的信息安全保障试点工作，探索建立信息安全保障体系。

加快制定相关标准规范。制定大数据采集、管理、共享、交易等标准规范，明确收集数据的范围和格式、数据管理的权限和程序以及开放数据的内容、格式和访问方式等。制定出台数据资源开放指导办法和数据资源安全开放标准规范，按照“开放优先、安全例外、分类分级”的原则，对大数据中心的数据资源进行梳理和开放风险评估，制定数据开放目录并及时更新。

加强大数据资源安全管理。面向大数据平台建设和应用服务需求，围绕大数据资源的分级、共享、开放、交易等推进标准规范制定和实施。

五、保障措施

(一)加强组织领导

由省经济和信息化委牵头，建立跨部门、跨地区、跨行业的大数据发展协同推进机制，加强重大问题协调力度，统筹贵州省大数据产业发展和信息化应用。设立贵州省数据资源管理办公室。设立贵州省大数据产业发展专家委员会，为云计算和大数据产业发展与应用及相关项目工程实施提供决策支持。

(二)强化政策扶持

研究制定《关于加快大数据产业发展应用若干政策的意见》，明确大数据战略实施和大数据基地发展的相关政策，在财政扶持、金融支持、用地保障、电力供给等方面加大扶持力度。落实《国务院办公厅关于政府向社会力量购买服务的指导意见》的精神，把云计算服务、大数据服务等信息技术服务纳入政府购买服务的范畴，鼓励政府部门购买信息服务、以租代建，推动省大数据平台为全省各部门(单位)的政务数据、公共服务数据提供信息服务。

(三)健全投融资机制

从大数据产业发展专项资金中安排引导资金，募集社会资本共同发起设立贵州省大数据产业投资基金。创新基金支持方式，综合应用风险投资、股权投资、担保贷款、贷款贴息、科技保险等方式，优先支持重大应用示范类和创新研发类项目。优先支持相关企业参与申报国家专项资金项目。通过政策手段，引导各类风险投资机构加大对大数据发展的投资力度，鼓励金融机构为符合条件的大数据企业提供贷款，拓宽大数据企业融资渠道。

(四)着力市场应用培育

加强对各行业领域重要对象的培训力度，提升其对大数据及其价值的认识。制定政府部门和公用事业单位大数据应用采购目录，引导重点行业、重点领域的企业和机构将非核心的大数据应用业务外包，培育和壮大本地市场。探索政府部门和公共事业单位购买服务方式，支持大数据的产业发展与应用。由专家咨询委员会委员牵头，跟踪整理国内外大数据典型应用案例，收集总结贵州省大数据应用示范成功案例，及时总结经验并加强宣传推广。

(五)支持技术创新

运用市场机制集聚创新资源，吸引国内外知名的大数据分析和应用服务企业在贵州建设大数据研发中心、工程技术(研究)中心，支持信息服务骨干企业、科研机构联合国内外知名大数据企业或研究机构，成立“产学研用”一体的大数据专业研究院或实验室，开展大数据关键技术、解决方案等相关研究，共同推进研究成果市场化应用。

吸引国内外大数据服务供应商、解决方案提供商、硬件设备制造商落户贵州，力争引入一批大数据关键技术，创新集成，形成具有自主知识产权的技术产品。支持本地中小微型信息服务提供商面向细分行业或领域开展大数据应用服务的研究和探索。

成立大数据产业和应用联盟，汇聚政产学研用各界资源，共同推进面向应用的大数据相关理论研究、技术研发、数据共享、应用推广，形成开发合作、协同发展的大数据技术、产业和应用生态体系。

(六)强化信息安全保障

建立集中统一的信息安全保障管理体制，由贵州省数据资源管理办公室统筹信息安全保障体系建设。加快制定信息采集和管控、敏感数据管理、数据交换、个人隐私、数据权益和合理利用等领域的大数据地方性法规和政府规章，明确大数据采集、使用、开放等环节涉及信息安全的范围、要求和责任。探索建设面向政府信息采集和管控、敏感数据管理、数据交换标准和规则、个人隐私等领域的大数据安全保障制度，明确大数据采集、使用、开放等环节涉及信息安全的范围、要求和责任，确保国家利益、社会安全、商业秘密、个人隐私等信息不受侵犯。

2.大数据职业规划 篇二

一、大数据时代对城市规划的不断发展

1. 在大数据时代到来之前, 我们的城市规划是传统的、人工的、具有很大的不确定性。

在对城市空间的分析也是人工进行的, 数据不具有客观性。在进行城市规划所用的数据一般是通过问卷调查和实地走访获得的。大数据时代的到来, 给城市规划带来了新鲜的血液, 同时也带来的新的机遇。首先的改变在于大数据为城市规划提供了强有力的数据支持, 为城市规划的科学性奠定了基础。在大数据时代下, 城市的规划者对城市有着清晰的认识和了解, 可以利用定位系统了解城市的空间分布情况, 并作出科学规划, 如对人口密度星云图、城市居住平衡、城市交通分布、人口流向等进行科学分析。其次, 大数据时代的另一特征就是“大”, 它有着大的容量, 可以对城市的道路交通情况和各个区域分布特征以及各种地理信息特征进行正确详尽地获取。从而, 使得城市的规划者对城市空间的分析和研究更加便利和科学。大数据为城市各项建设规划提供了专业的数据支撑, 使城市规划更加科学。

2. 大数据在城市规划过程中的应用与发展。

大数据下的城市规划, 主要是依靠大数据对我国城市空间分布的获取来对城市空间进行合理科学规划。城市是人生活的环境, 人是城市的一大主角。所以, 人的一些日常活动会影响我国城市空间的分布。大数据的分析成果可以准确地解析市民出行、购物、娱乐、生活的特点, 该项分析成果可以支撑城市规划设计的区域中心的交通规划、用地布局和公共设施配置, 也可以更加科学有效地解决上下班高峰拥堵、公共设施布局不合理等问题。大数据不仅仅有效为相关的工作人员在对城市空间规划的过程中, 提供了更直观的认识, 同时, 也可以在最大程度上确保我国城市空间合理的分布。

3. 大数据时代在城市规划中的运用越来越广泛。

大数据不仅仅为城市规划提供了丰富的数据和形式, 而且还对城市规划具有划时代的意义, 完全打破了先前传统的城市规划, 而且使大数据下的城市规划更加科学合理。我们也终将实现“城市让生活更美好”这一目标。在城市规划的过程中, 有效的将大数据运用于城市规划将会越来越普遍、越来越重要。

二、大数据在城市规划的优势

1. 大数据时代是以信息技术为依托, 具有丰富的形式、内容和价值。

大数据对我国各个领域都有着极大的贡献, 城市的规划者也应该重视大数据在城市规划所起的作用, 并在大数据的基础上对城市规划进行研究。时代在发展, 人类也在进步, 人类对大数据有着越来越清晰的认识。这样不仅有利于加快大数据时代在城市规划的脚步, 促进其发展, 同时也提高了人们对城市规划的认同感, 增强了人们对城市的归属感。所以, 大数据时代的到来, 这无疑是给给人类带来了福音, 更为我国城市化建设乃至城市化进程带来了一阵新鲜的空气。大数据概念无疑是一个新的概念, 从它出现起就一直被人们所关注。而它的作用更是让人为之瞩目, 它将各种数据收集整理更新, 为科学的城市规划提供了数据的支持。

2. 符合当代城市规划发展的潮流。

时代在不停地发展变化, 传统的城市规划已跟不上我国时代的发展的潮流, 更不不再适应当代城市规划的理念。传统的城市规划在一定程度上对城市规划具有一定的滞后性。传统城市规划获取数据的手段是单一的, 甚至是落后的, 导致各种相关数据的分析和处理具有一定片面性, 这对城市的规划不仅仅没有起到积极地作用, 反而引起不良的影响。传统的城市规划不但不再适应我国城市经济的发展, 而且还会阻碍我国城市经济的发展。大数据则不同, 它让城市的规划更加科学, 可以有效地促进城市经济的发展。

3. 大数据可以提高城市规划的效率, 减少了各种资源的浪费节约成本。

传统城市规划在对统计数据和资料的分析一般由人来完成的。这不仅加大了工作人员的工作负担, 而且还不能保证相关数据的准确性。这是不利于城市的科学合理的规划。而在大数据时代的背景下, 城市规划是利用信息技术对相关的数据进行收集整理, 城市规划者在此基础上再对对城市空间进行进一步研究, 继而对城市进行科学合理规划。这样不仅仅使得我国城市空间得到了合理科学的规划, 同时也减少了人力资源的浪费, 真正做到“事半功倍”。

结束语

本文简单地对大数据时代下的城市规划进行了分析和研究, 并谈了自己的一些看法, 以期对读者有所帮助。随着我国城市化进程的加快, 我国的城市问题也日益突出, 科学合理的城市规划越加迫切。因此, 在城市规划的过程中, 应当充分利用大数据时代带来的的便利, 对相关的数据进行分析和研究, 这样不仅有利于城市的科学规划, 提高城市经济的发展, 同时也有利于我国的城市化进程, 促进我国经济发展。

摘要：城市化是人类文明进步的新阶段, 它极大地改变了人类生存的物质环境的, 同时也创新了人类的生产生活方式。随着大数据时代的到来, 信息与我们所处的环境更加紧密地交织在一起, 相互作用, 并对人类社会的发展和城市化进程产生更加深远的影响。对此, 城市的规划者要充分合理地利用大数据时代给城市规划带来的潜在的挑战和机遇。城市的规划者抓住大数据时代这一难得一遇的发展机遇, 勇敢迎接挑战的, 并以冷静思辨的态度对待这一现象。

关键词：大数据时代,城市规划,发展

参考文献

[1]秦萧, 甄峰, 熊丽芳, 朱寿佳.大数据时代城市时空间行为研究方法[J].地理科学进展, 2013, 09:1352-1361.

[2]叶宇, 魏宗财, 王海军.大数据时代的城市规划响应[J].规划师, 2014, 08:5-11.

3.大数据助力社区银行规划建设 篇三

社区银行的发展及所面临的挑战

社区银行概念源于西方发达国家，美国《银行业》认为社区银行是社区的财政生命线，通过其提供的个性化的、私密的、成本低廉的服务，社区的个人和企业用户可以开展与本地经济相关的财务活动，但社区银行在不同国家也具有不同的发展模式和业态（见表1）。

当前，社区银行在国内并没有完全统一标准的定义，从盈利模式来看，银行大都借鉴美国的模式，利用社区的信息对称、交易成本低的优势，降低银行的经营风险，采取“求异型”营销策略提供能满足社区企业和居民金融需求的产品和服务，与传统的银行网点形成区分度较好的品牌形象，有较好的盈利能力。但在发展过程中，国内的社区银行更贴近欧洲模式，成为银行在社区设立的分支机构，等同于开在社区、服务社区的银行。根据业界实践，国内社区银行大致可归纳为四类不同类型（见表2）。

社区银行通过其灵活的经营模式向附近居民和企业提供了针对性的金融服务，便利了人民群众，也促进了当地经济发展。与此同时股份制银行掀起了一股兴建社区银行的热潮，然而社区银行在高速发展中却也面临着严峻的挑战。

社区银行市场竞争加剧，考验其盈利模式。随着金融脱媒和利率市场化进程的加快，商业银行从传统大型企业获得的利差收入将日益缩减，中小企业在银行未来业务结构中将饰演越来越重要的角色，银行也越来越重视小微企业和个人客户的拓展，并相继以网点、服务的“社区化”作为主要调整手段。网络金融发展对社区银行也形成了冲击。网络金融的出现极大地拓展了金融机构服务的地理区域，克服了传统银行服务在距离上的不经济，由此给存款人提供了更多的转换金融服务机构的选择。在此新的环境下，社区银行所面对的潜在竞争压力显著加大。净利差收窄对社区银行的盈利能力造成较大的负面影响。与银行网点相比，社区银行的业务模式相对传统，收入结构单一，对存贷利差收入的依赖度较高，这也意味着，社区银行对净利差的变化更为敏感，在利率市场化大背景下，社区银行亟需新的盈利模式。

社区银行传统模式面临监管束缚。为整顿部分股份制银行大批量开设社区银行的乱象，银监会于2013年12月11日发布《中国银监会办公厅关于中小银行设立社区支行、小微支行的通知》，规定社区银行分“有人”和“无人”两种模式，而不是此前业内普遍流传的“三分类”。其中“有人”网点必须持牌，“无人”则必须自助，不存在中间形态。这意味着 “自助+咨询”的社区银行经营模式被叫停。因此，社区银行的定位要进一步明晰，关键看社区银行在产品、服务、综合化的服务能力和产品的供给上能否改变原有的贷款加理财的经营模式，否则社区银行会面临着很多困难。

大数据助力社区银行布局建设

数据是银行最为重要的资产之一，是银行支持精细化管理、实现差异化服务、加强业务创新、提升风险分析能力的基础。近年来，随着数据挖掘和大數据技术应用的日益深入，数据带来的业务、管理价值也日益显现。

社区银行作为一种新型的银行渠道是未来物理渠道建设的重点和发展方向，定位于客户身边的银行，建设以银行业务为主的金融生态链系统，让银行逐渐嵌入各种数字生态圈中，使得社区银行除了承载各种未来金融业务的大平台之外，更能成为信任中心。通过这个分销渠道，不仅可以带动其他银行业务的发展，也可以带来品牌知名度的迅速提升以及客户粘合度的不断增强。然而随着监管力度逐渐严格、市场变化日益加速、来自电商及其他非传统金融机构的竞争不断增强，社区银行的经营环境不容乐观。在这样的大环境下，社区银行要保持竞争力，维护自身的生存与发展，必须更好地发现数据所能提供的价值，并积极地运用各种技术及管理手段，最大化的实现这些价值。因此，社区银行的规划建设，应深度契合社区银行的需求，同时也匹配社区银行的潮流，立足大数据，从网点的布局与选址、经营模式选择、差异化资源配置及绩效评价四方面循序渐进、不断深入地布局与建设。

网点的布局与选址。传统的银行网点布局与选址往往由于不能及时掌握和处理大量的信息数据以及分析工具不够完善，某种程度上造成了网点分布和建设的盲目性，也造成了网点单产低、业务趋同，不能很好的适应逐步提高的经济发展水平和客户个性化的需求。社区银行旨为中小企业、社区居民提供优质的金融服务，解决“最后一公里”的问题，采取“求异型”的竞争策略，因其自身的特殊定位，银行需要更有针对性的考虑目标客户群的金融需求，数据的缺失以及分析工具的不健全对于社区银行更是亟待解决的问题。基于大数据社区银行网点布局与选址，可借助互联网海量数据以及大数据分析技术，突破传统布局与选址所面临的问题，例如：宏观经济数据、人口数据、同业竞争数据、目标客户行为等数据，支持网点布局与选址的分析战略，提升业务的敏捷性（见图1）。

经营模式的选择。随着利率市场化时代的到来，单纯依靠利差的经营模式已经不可持续，差异化经营才是商业银行的根本出路。相比传统物理网点，社区银行只能采用“求异型”发展策略，摒弃拼规模抢市场、一味求大求全的思维定势，根据社区物理位置、人群代表的金融需求的实际情况和银行自身的比较优势，着重于培育特色业务，进一步打造特色品牌。社区银行在选择适合自身经营模式阶段，可以借助大数据，其中包括社区银行所在区域的客户的人口统计学数据、消费行为数据、投资行为数据、风险偏好等数据，进行目标客户甄选以及目标客户群金融需求分析，围绕核心市场与客户群，真正做到量身定做产品及服务，形成适合自身的经营模式，打造差异化竞争优势（见图2）。

差异化资源配置。社区银行经营模式一经确定，应根据不同经营模式进行差异化的资源配置。首先是员工差异化。员工差异化主要表现在员工数量与网点定位相匹配的差异化及与网点定位相匹配的员工队伍的品质、专业能力、敬业精神、协作精神、责任感和沟通能力等方面差异化。不同的员工在综合素质和专业技能等方面存在很大差异，社区服务型网点为客户提供的服务和小区金融型网点为客户创造的价值也存在“天壤之别”。其次是运营费用差异化。对社区银行起步阶段而言，商业银行必须投入大量的资源才能够创造显著的、对目标客户有吸引力、在行业里有竞争力的差异化，而市场反应对任何竞争方式都存在“时滞”，这对商业银行的成本管理提出了挑战。因此，结合社区银行网点定位给予差异化的运营费用配置，是社区银行建设规划中关键环节，一味的搞“一刀切”，“求异型”竞争战略未能取得预期效果，成本投入就面临不能赢利的风险。

网点绩效评价。绩效评价是经营管理者了解目前状况，判断未来发展方向，并据以做出决策、采取相应措施的重要工具。“一行一策”的差异化绩效评价是“求异型”战略发展的前提，为加强绩效评价的有效性和针对性，应根据社区银行的定位逐类逐级网点进行研究及区别对待，使绩效评价与发展目标相互衔接，确保规划和考核的有效性。例如：社区服务型网点核心功能定位是品牌形象中心，绩效评价应以“客户满意度”等定性类作为关键指标；小区金融型网点核心功能定位是产品销售中心，绩效评价应以盈利性指标为主，但考虑该类网点目标通常是培育二代客户，结合业界实践，应给予两到三年的战略扶持期；商圈金融型网点核心功能定位是产品销售中心，绩效评价应以盈利性指标为主；商业服务型网点核心功能定位是客户服务中心，绩效评价应以运营效率类指标为主。

就中国而言，一方面中小经济主体正处于蓬勃发展时期，另一方面现在市场机制并未健全和完善，所有这些都决定了社区银行在现阶段中国经济社会的长期适用性和形式的多样性，但社区银行的设立和经营目前存在诸多问题和隐患。在大数据发展的今天，我们需借助大数据技术去帮助规划和建设社区银行，社区银行真正成为“差异化”的接触渠道，才能获得广大的客户基础，成为未来银行业重要的新增业务来源之一。

4.大数据职业规划 篇四

用听摇滚的方式表现放假回家的愉悦，用听民谣的方式表现开始工作的惆怅，这是大数据能直接告诉我们的。

其实，摇滚更多的表达一种极强的精神信仰，而民谣则具有远不止惆怅的精神气质。

有人认为当今民谣鲜有精品，多数都是为赋新词强说愁，南方北方、麦田姑娘的混搭。但无论如何，好的音乐总会被人们发掘。

民谣俨然已经成为某种情感的连接点，正弥补着千千万万个返程人空虚的情感。

民谣产生了大数据，大数据也开始了分析民谣。

有人用大数据分析发现，民谣中出现最多的几个意象是：再见，姑娘，夜空，孤独，快乐。

于是，再见吧，姑娘，这夜空孤独又快乐！爱民谣的我们，感受着世界的悲催，却还是在憧憬着美好的明天。

5.大数据职业规划 篇五

现在的世界是大数据的世界，日常购物，出行，娱乐，无处不体现着大数据的身影。淘宝的今日推荐、全年最受欢迎的旅游胜地、性格测试等等等等，都是大数据在悄无声息的发挥着它的作用，给我们带来便利。随着移动互联网的发展和科技进步，大数据会更加深入渗透到生活的方方面面。

大家在享受大数据带给我们生活便利的同时，对于大数据的作用还不是很清楚，接下来由陕西华信智原来为大家详细解读学习大数据的作用，并着重分析大数据的就业前景。

学习大数据有什么用？

1.疾病医疗：

大数据可以帮助医疗机构建立患者的疾病风险跟踪机制，帮助医药企业提升药品的临床使用效果，帮助艾滋病研究机构为患者提供定制的药物；

2.出行旅游：

大数据帮助航空公司节省运营成本，帮助旅游网站为旅游者提供心仪的旅游路线。

3.电商购物：

大数据可以帮助电商公司向用户推荐商品和服务，帮助二手市场的买卖双方找到最合适的交易目标，帮助用户找到最合适的商品购买时期、商家和最优惠价格；

4.企业营销：

大数据可以帮助企业提升营销的针对性，降低物流和库存的成本，减少投资的风险，以及帮助企业提升广告投放精准度；

以上几个方面，基本涵盖了人们日常生活的绝大部分应用场景，这些还远远不够，未来大数据的身影应该无处不在，只要发展脚步在继续，因大数据而产生的变革浪潮将很快淹没地球的每一个角落。

大数据的就业前景好吗？

随着云的能力不断提升，在DT时代，绝大多数的计算与数据服务都会在云端完成。面对这一发展趋势，除了需要在技术上不断将计算能力提升之外，云计算、大数据方面的专业人才缺失，也成为了整个生态面临的严峻挑战！全球顶尖管理咨询公司麦肯锡(McKinsey)出具的一份详细分析报告显示：预计到2018年，大数据或者数据工作者的岗位需求将激增，其中大数据科学家的缺口在14万到19万之间，对于懂得如何利用大数据做决策的分析师和经理的岗位缺口则将达到150万！

在陕西华信智原学习大数据的同学们，已经成功在这些岗位高薪就业。

1.数据分析师 数据分析师是数据师的一种，指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。在工作中通过运用工具，提取、分析、呈现数据，实现数据的商业意义。

平均薪资：8000元

2.数据架构师

数据架构师是负责平台的整体数据架构设计，完成从业务模型到数据模型的设计工作，根据业务功能、业务模型，进行数据库建模设计，完成各种面向业务目标的数据分析模型的定义和应用开发，平台数据提取、数据挖掘及数据分析。

平均薪资：7000元

3.数据挖掘工程师

一般是指从大量的数据中通过算法搜索隐藏于其中知识的工程技术专业人员。这些知识可用使企业决策智能化，自动化，从而使企业提高工作效率，减少错误决策的可能性，以在激烈的竞争中处于不败之地。

平均薪资：7500元

4.数据算法工程师

在企业中负责大数据产品数据挖掘算法与模型部分的设计，将业务场景与模型算法进行融合等；深入研究数据挖掘模型，参与数据挖掘模型的构建、维护、部署和评估，支持产品研发团队模型算法构建，整合等；制定数据建模、数据处理和数据安全等架构规范并落地实施。

平均薪资：8000元

5.数据产品经理

数据平台建设及维护，客户端数据的分析，进行数据统计协助，数据化运营整理、提炼已有的数据报告，发现数据变化，进行深度专题分析，形成结论，撰写报告；负责公司数据产品的设计及开发实施，并保证业务目标的实现；进行数据产品开发。

平均薪资：8000元

大数据是资源，和大油田、大煤矿一样，可以源源不断挖出大财富。和一般资源不一样，它是可再生的，是越挖越多、越挖越值钱的，这是反自然规律的。对企业如此，对行业、对国家也是这样，对人同样如此。未来是属于大数据的时代，谁掌握了大数据技术，谁就掌握了发展先机。

6.大数据职业规划 篇六

下面的方法是我对海量数据的处理方法进行了一个一般性的总结，当然这些方法可能并不能完全覆盖所有的问题，但是这样的一些方法也基本可以处理绝大多数遇到的问题。下面的一些问题基本直接来源于公司的面试笔试题目，方法不一定最优，如果你有更好的处理方法，欢迎与我讨论。1.Bloom filter 适用范围：可以用来实现数据字典，进行数据的判重，或者集合求交集

基本原理及要点：

对 于原理来说很简单，位数组+k个独立hash函数。将hash函数对应的值的位数组置1，查找时如果发现所有hash函数对应位都是1说明存在，很明显这 个过程并不保证查找的结果是100%正确的。同时也不支持删除一个已经插入的关键字，因为该关键字对应的位会牵动到其他的关键字。所以一个简单的改进就是 counting Bloom filter，用一个counter数组代替位数组，就可以支持删除了。还有一个比较重要的问题，如 何根据输入元素个数n，确定位数组m的大小及hash函数个数。当hash函数个数k=(ln2)*(m/n)时错误率最小。在错误率不大于E的情况 下，m至少要等于n*lg(1/E)才能表示任意n个元素的集合。但m还应该更大些，因为还要保证bit数组里至少一半为0，则m应 该>=nlg(1/E)*lge 大概就是nlg(1/E)1.44倍(lg表示以2为底的对数)。举个例子我们假设错误率为0.01，则此时m应大概是n的13倍。这样k大概是8个。

注意这里m与n的单位不同，m是bit为单位，而n则是以元素个数为单位(准确的说是不同元素的个数)。通常单个元素的长度都是有很多bit的。所以使用bloom filter内存上通常都是节省的。

扩展：

Bloom filter将集合中的元素映射到位数组中，用k（k为哈希函数个数）个映射位是否全1表示元素在不在这个集合中。Counting bloom filter（CBF）将位数组中的每一位扩展为一个counter，从而支持了元素的删除操作。Spectral Bloom Filter（SBF）将其与集合元素的出现次数关联。SBF采用counter中的最小值来近似表示元素的出现频率。问题实例：给你A,B两个文件，各存放50亿条URL，每条URL占用64字节，内存限制是4G，让你找出A,B文件共同的URL。如果是三个乃至n个文件呢？ 根 据这个问题我们来计算下内存的占用，4G=2^32大概是40亿*8大概是340亿，n=50亿，如果

按出错率0.01算需要的大概是650亿个bit。现在可用的是340亿，相差并不多，这样可能会使出错率上升些。另外如果这些urlip是一一对应的，就可以转换成ip，则大大简单了。2.Hashing 适用范围：快速查找，删除的基本数据结构，通常需要总数据量可以放入内存

基本原理及要点：

hash函数选择，针对字符串，整数，排列，具体相应的hash方法。

碰撞处理，一种是open hashing，也称为拉链法；另一种就是closed hashing，也称开地址法，opened addressing。

扩展：

d-left hashing中的d是多个的意思，我们先简化这个问题，看一看2-left hashing。2-left hashing指的是将一个哈希表分成长度相等的两半，分别叫做T1和T2，给T1和T2分别配备一个哈希函数，h1和h2。在存储一个新的key时，同 时用两个哈希函数进行计算，得出两个地址h1[key]和h2[key]。这时需要检查T1中的h1[key]位置和T2中的h2[key]位置，哪一个 位置已经存储的（有碰撞的）key比较多，然后将新key存储在负载少的位置。如果两边一样多，比如两个位置都为空或者都存储了一个key，就把新key 存储在左边的T1子表中，2-left也由此而来。在查找一个key时，必须进行两次hash，同时查找两个位置。问题实例： 1).海量日志数据，提取出某日访问百度次数最多的那个IP。

IP的数目还是有限的，最多2^32个，所以可以考虑使用hash将ip直接存入内存，然后进行统计。3.bit-map 适用范围：可进行数据的快速查找，判重，删除，一般来说数据范围是int的10倍以下 基本原理及要点：使用bit数组来表示某些元素是否存在，比如8位电话号码

扩展：bloom filter可以看做是对bit-map的扩展 问题实例： 1)已知某个文件内包含一些电话号码，每个号码为8位数字，统计不同号码的个数。

8位最多99 999 999，大概需要99m个bit，大概10几m字节的内存即可。

2)2.5亿个整数中找出不重复的整数的个数，内存空间不足以容纳这2.5亿个整数。将bit-map扩展一下，用2bit表示一个数即可，0表示未出现，1表示出现一次，2表示出现2次及以上。或者我们不用2bit来进行表示，我们用两个bit-map即可模拟实现这个2bit-map。

4.堆 适用范围：海量数据前n大，并且n比较小，堆可以放入内存 基 本原理及要点：最大堆求前n小，最小堆求前n大。方法，比如求前n小，我们比较当前元素与最大堆里的最大元素，如果它小于最大元素，则应该替换那个最大元 素。这样最后得到的n个元素就是最小的n个。适合大数据量，求前n小，n的大小比较小的情况，这样可以扫描一遍即可得到所有的前n元素，效率很高。

扩展：双堆，一个最大堆与一个最小堆结合，可以用来维护中位数。问题实例： 1)100w个数中找最大的前100个数。

用一个100个元素大小的最小堆即可。

5.双层桶划分 适用范围：第k大，中位数，不重复或重复的数字

基本原理及要点：因为元素范围很大，不能利用直接寻址表，所以通过多次划分，逐步确定范围，然后最后在一个可以接受的范围内进行。可以通过多次缩小，双层只是一个例子。扩展： 问题实例： 1).2.5亿个整数中找出不重复的整数的个数，内存空间不足以容纳这2.5亿个整数。有点像鸽巢原理，整数个数为2^32,也就是，我们可以将这2^32个数，划分为2^8个区域(比如用单个文件代表一个区域)，然后将数据分离到不同的区域，然后不同的区域在利用bitmap就可以直接解决了。也就是说只要有足够的磁盘空间，就可以很方便的解决。

2).5亿个int找它们的中位数。这个例子比上面那个更明显。首先我们将int划分为2^16个区域，然后读取数据统计落到各个区域里的数的个数，之后我们根据统计结果就可以判断中位数落到那个区域，同时知道这个区域中的第几大数刚好是中位数。然后第二次扫描我们只统计落在这个区域中的那些数就可以了。

实 际上，如果不是int是int64，我们可以经过3次这样的划分即可降低到可以接受的程度。即可以先将int64分成2^24个区域，然后确定区域的第几 大数，在将该区域分成2^20个子区域，然后确定是子区域的第几大数，然后子区域里的数的个数只有2^20，就可以直接利用direct addr table进行统计了。6.数据库索引 适用范围：大数据量的增删改查 基本原理及要点：利用数据的设计实现方法，对海量数据的增删改查进行处理。扩展： 问题实例： 7.倒排索引(Inverted index)适用范围：搜索引擎，关键字查询 基本原理及要点：为何叫倒排索引？一种索引方法，被用来存储在全文搜索下某个单词在一个文档或者一组文档中的存储位置的映射。

以英文为例，下面是要被索引的文本： T0 = “it is what it is” T1 = “what is it” T2 = “it is a banana” 我们就能得到下面的反向文件索引： “a”: {2} “banana”: {2} “is”: {0, 1, 2} “it”: {0, 1, 2} “what”: {0, 1}

检索的条件“what”, “is” 和 “it” 将对应集合的交集。正 向索引开发出来用来存储每个文档的单词的列表。正向索引的查询往往满足每个文档有序频繁的全文查询和每个单词在校验文档中的验证这样的查询。在正向索引 中，文档占据了中心的位置，每个文档指向了一个它所包含的索引项的序列。也就是说文档指向了它包含的那些单词，而反向索引则是单词指向了包含它的文档，很 容易看到这个反向的关系。扩展： 问题实例：文档检索系统，查询那些文件包含了某单词，比如常见的学术论文的关键字搜索。8.外排序 适用范围：大数据的排序，去重 基本原理及要点：外排序的归并方法，置换选择 败者树原理，最优归并树

扩展：

问题实例： 1).有一个1G大小的一个文件，里面每一行是一个词，词的大小不超过16个字节，内存限制大小是1M。返回频数最高的100个词。这个数据具有很明显的特点，词的大小为16个字节，但是内存只有1m做hash有些不够，所以可以用来排序。内存可以当输入缓冲区使用。9.trie树 适用范围：数据量大，重复多，但是数据种类小可以放入内存 基本原理及要点：实现方式，节点孩子的表示方式 扩展：压缩实现。问题实例： 1).有10个文件，每个文件1G，每个文件的每一行都存放的是用户的query，每个文件的query都可能重复。要你按照query的频度排序。

2).1000万字符串，其中有些是相同的(重复),需要把重复的全部去掉，保留没有重复的字符串。请问怎么设计和实现？

3).寻找热门查询：查询串的重复度比较高，虽然总数是1千万，但如果除去重复后，不超过3百万个，每个不超过255字节。10.分布式处理 mapreduce 适用范围：数据量大，但是数据种类小可以放入内存

基本原理及要点：将数据交给不同的机器去处理，数据划分，结果归约。

扩展：

问题实例： 1).The canonical example application of MapReduce is a process to count the appearances of

each different word in a set of documents:

void map(String name, String document):

// name: document name

// document: document contents

for each word w in document: EmitIntermediate(w, 1);void reduce(String word, Iterator partialCounts): // key: a word // values: a list of aggregated partial counts int result = 0;for each v in partialCounts: result += ParseInt(v);Emit(result);Here, each document is split in words, and each word is counted initially with a “1” value by

the Map function, using the word as the result key.The framework puts together all the pairs

with the same key and feeds them to the same call to Reduce, thus this function just needs to

sum all of its input values to find the total appearances of that word.2).海量数据分布在100台电脑中，想个办法高效统计出这批数据的TOP10。

3).一共有N个机器，每个机器上有N个数。每个机器最多存O(N)个数并对它们操作。如何找到N^2个数的中数(median)？ 经典问题分析 上千万or亿数据（有重复），统计其中出现次数最多的前N个数据,分两种情况：可一次读入内存，不可一次读入。

可用思路：trie树+堆，数据库索引，划分子集分别统计，hash，分布式计算，近似统计，外排序

所 谓的是否能一次读入内存，实际上应该指去除重复后的数据量。如果去重后数据可以放入内存，我们可以为数据建立字典，比如通过 map，hashmap，trie，然后直接进行统计即可。当然在更新每条数据的出现次数的时候，我们可以利用一个堆来维护出现次数最多的前N个数据，当 然这样导致维护次数增加，不如完全统计后在求前N大效率高。

如果数据无法放入内存。一方面我们可以考虑上面的字典方法能否被改进以适应这种情形，可以做的改变就是将字典存放到硬盘上，而不是内存，这可以参考数据库的存储方法。

当 然还有更好的方法，就是可以采用分布式计算，基本上就是map-reduce过程，首先可以根据数据值或者把数据hash(md5)后的值，将数据按照范 围划分到不同的机子，最好可以让数据划分后可以一次读入内存，这样不同的机子负责处理各种的数值范围，实际上就是map。得到结果后，各个机子只需拿出各 自的出现次数最多的前N个数据，然后汇总，选出所有的数据中出现次数最多的前N个数据，这实际上就是reduce过程。实际上可能想直 接将数据均分到不同的机子上进行处理，这样是无法得到正确的解的。因为一个数据可能被均分到不同的机子上，而另一个则可能完全聚集到一个机子上，同时还可 能存在具有相同数目的数据。比如我们要找出现次数最多的前100个，我们将1000万的数据分布到10台机器上，找到每台出现次数最多的前 100个，归并之后这样不能保证找到真正的第100个，因为比如出现次数最多的第100个可能有1万个，但是它被分到了10台机子，这样在每台上只有1千 个，假设这些机子排名在

1000个之前的那些都是单独分布在一台机子上的，比如有1001个，这样本来具有1万个的这个就会被淘汰，即使我们让每台机子选 出出现次数最多的1000个再归并，仍然会出错，因为可能存在大量个数为1001个的发生聚集。因此不能将数据随便均分到不同机子上，而是要根据hash 后的值将它们映射到不同的机子上处理，让不同的机器处理一个数值范围。

而外排序的方法会消耗大量的IO，效率不会很高。而上面的分布式方法，也可以用于单机版本，也就是将总的数据根据值的范围，划分成多个不同的子文件，然后逐个处理。处理完毕之后再对这些单词的及其出现频率进行一个归并。实际上就可以利用一个外排序的归并过程。

7.大数据时代的城市规划响应探讨 篇七

1 城市空间的研究

1.1 社会空间的研究

以网页数据和社交媒体抓取的地理学研究生是大数据研究的一个主要方向, 如何对大量的非结构化数据进行分析, 显示社交网络要素地理空间的形成原因和分布特征是大数据时代背景下社会空间研究的一个非常重要的课题。城市居民活动分析、城市社交关系、城市时间传播的研究也相继出现。在对城市居民活动进行研究的过程中, 研究人员不再只是主观性的利用小样本对社会调查数据进行分析, 而是利用微博等社交媒体直接对个人网络活动数据进行抓取, 以此分析定性地理特征[1]。在城市社交关系研究过程中, 大样本、大范围的设计网络研究为传统研究提供了新的途径。在响应和传播城市事件方面, 大数据分析技术可以抓取地理信息关键词进而直观的将事件传播的过程展现出来, 在城市规划、灾害应急响应、公众参与方面意义重大。

1.2 实体空间的研究

在对城镇等级体系进行研究时, 大数据研究主要是以社交媒体为基础点, 对文本内容、地理坐标、手机数据通讯方式等进行深入的研究, 然后对各个城市在信息类型、资源数量方面的差异进行区分, 然后对各个城市居民之间互相联系的数据进行了分析, 对城市等级结构体系进行探讨。在进行城市研究过程中, 很多数据都是以手机数据、全球定位系统等大样本量为基础开展的, 并通过GIS平台将人口现状和土地利用结合起来, 展现出宏观层面下城市交通分析的新方法。另外, 利用手机数据和微博为代表的社交兴趣点在大都市研究中也有比较大的贡献。

2 大数据时代下城市规划编制的响应

2.1 信息滞后化向实时化响应的转变

传统城市规划编制时所使用的数据信息由于受技术手段的制约, 一个规划方案的编制往往需要几年的时间, 需要花费很长时间进行数据收集, 导致城市规划过程中无法和城市实际发展相一致, 规划的可操性和权威性也得不到保证。而在大数据时代背景下, 信息的收集技术和处理技术快速发展, 提供了更加便捷的信息获取方法, 海量的信息数据可以实现直观化、实时化的城市规划, 对于规范过程中遇到的问题也可以做到实时的响应和处理。

2.2 小样本分析到海量资源的转变

在交通规划中公交网络布局, 如果从市域层面, 使用传统的布局方式一般需要投入很多的人力对数据进行收集, 然后利用模型演算和预测收集到的数据。而以海量公交刷卡为基础的数据分析方法, 可以直接、准确的将流量数据展现给工作人员, 并且在对交通拥堵是的相关信息进行分析后, 可以有效、准确的调整公交线路安排, 从区域层面来说, 传统布局方式只是利用电话数据来分析城镇之间的联系强度, 而通过对海量铁路班次和航空数据的挖掘, 分析手机用户移动的轨迹, 可以更加直观的表现出城市之间的管理强度。

2.3 专家领衔向公众参与转变

目前, 公众参与已经成为了城市规划发展的主要方向。传统的公众参与主要通过问卷调查、宣传、讲座等问题, 存在效果不显著、回馈速度慢等方面的问题。在大数据时代的背景下, 随着数据分析速度、数据传播速度和数据处理速度的不断提升, 通过对多种社交媒体数据进行分析, 可以使规划成果和方案可以更加便于讨论和公布, 大量的公众意愿也可以通过文本提取、关键词挖掘等方式被快速的整理和分析, 极大的方便了公众和专家之间的交流, 专家决策也逐步向城市规划、高效公众参与进行转变。海量个体数据收集和挖掘的简单化, 使公众参与城市规划的方式更加具有针对性。具体进行操作时, 可以对各种社交网络进行整合, 并利用网络进行推广、分享和反馈, 使社会公众都加入到规划中。

2.4 分散化编制策略向协同化编制策略的转变

大数据具有高准确度、信息多元化、长时段等特点, 为协同化编制策略提供了技术层面的可能, 利用技术手段可以获取交通流量、居民活动、生态环境等方面的数据, 并且可以和社会经济、传统规划、土地经济等数据紧密结合[2]。为土地规划、城市规划和社会经济规划提供了全面、统一、精准的基础数据和平面进行对接, 从而对数据统计口径进一步进行协调, 实现不同主体协作、信息共享、空间融合等建设, 从而实现统一化管理信息平台, 建立项目审批业务协同机制, 合理有效的对城乡空间资源配置进行统筹, 进而对城市空间功能布局进行优化。

3 大数据时代城市规划实施评价的响应

3.1 静态向动态的转变

在大数据时代背景下, 为城市从静态向动态转变提供了技术方面的支持, 各种时空大数据、海量数据的出现进一步提升了规划编制的精细度, 而且可以及时的发现规划过程中存在的相关信息和问题, 为规划的及时调整提供了支持。在大数据背景下, 规划编制真正转变成了编制、规划、反馈、修正、实施为一体的良性循环过程中, 可以实现规划过程城市各个子系统之前的弹性互动。

3.2 空间为本向以人为本的转变

在大数据时代背景下, 很多基于居民个体的多源数据不断出现, 可以有效的展现出城市和居民的互动情况。利用大数据进行城市研究, 可以逐个处理居民个体数据, 从而得到传统方法无法实现的整体图景。具体来说, 在城市规划过程中, 可以利用公交刷开数据、手机数据、浮动车数据等为基础, 并根据城市人口的基本情况、土地利用情况等可视化、量化的对评价城市规划的基本情况, 分析城市未来的主要发展方向。在控制详细信息规划方面, 可以利用手机数据将居民活动的密度反映出来, 更加直观的对指标体系进行规划[3]。比如可以利用容积率指标、实时人口密度、功能混合度进行相应的核对和调整。在城市设计和规划过程中, 可以通过分析兴趣点、GPS追踪等得到精度更高的数据, 综合考虑人们的活动, 从而对空间的时空特征进行分析, 并对最终的设计效果进行评价。

4 结论

总而言之, 在大数据时代背景下, 城市规划要从建设用地和经济活动为核心的物质空间逐步转变成个体日常行为活动为核心的社会空间规划。大数据时代的到来, 可以更加精准的掌握城市居民的行为特点, 并进行科学的模拟, 满足了城市规划以人为本的基本要求, 促进了社会的发展。

摘要：在大数据时代下, 对城市规划和发展造成了比较大的冲击, 为城市规划改革提供了更加丰富的基础数据以及更加先进的数据处理技术, 并创造了一个更加便利的公众参与途径, 促进了城市的健康发展, 本文首先对大数据时代城市规划进行了研究, 然后对大数据时代城市规划编制相应和城市规划实施评价响应进行了探讨。

关键词：大数据时代,城市,规划响应,探讨

参考文献

[1]孙中亚, 甄峰.智慧城市研究与规划实践述评[J].规划师, 2013 (02) :32~36.

[2]徐明尧, 陶德凯.新时期公众参与城市规划编制的探索与思考---以南京市城市总体规划修编为例[J].城市规划, 2012 (02) :73~81.

8.大数据职业规划 篇八

【关键词】大数据时代 图书馆员 角色定位 职业能力 提升策略

【中图分类号】 G 【文献标识码】 A

【文章编号】0450-9889（2015）07C-0167-02

一、研究背景及问题的提出

究竟什么是“大数据”，目前学术界尚未有统一的说法。比较受大众认可的说法是“大数据指的是无法在一定时间内用传统软件对其内容抓取、管理和处理的数据集合”。规模大、类型多、速度快和价值性是其四个特征。在今天，随着物联网和云计算技术的快速发展，一个大规模生产、分享和应用数据的时代已经快速开启，人类已步入了“大数据”时代。但是，如果没有加以分析和挖掘，那么，对人类而言，海量的数据只是一堆毫无意义和毫无利用价值的数字。然而，一旦人们利用工具，投入智慧对其进行剖析、整理和挖掘，这些数字就极有可能蕴藏着巨大的价值或财富，并能服务于人们的生活或生产。目前，大数据在企业管理、消费倾向分析及疾病爆发预测等不同领域产生了巨大的影响，正逐步改变人们的生活和人们理解世界的方式。

图书馆是知识信息服务中心，当前其下的文献信息完全具备了“大数据” 的典型特征，即规模巨大、文献类型多样化、更新周期短、内容交叉、载体数字化以及结构上的结构化和非结构化。大数据时代的浪潮席卷而来，对传统图书馆提出了许多新的挑战，如信息咨询服务创新、数据处理设备与技术的引进（更新），以及图书馆员服务能力的提升，等等。在这些诸多的挑战中，设备更新、技术引进都是依赖资金就能解决的，而信息咨询服务创新和图书馆员服务能力的提升都必须依靠全体图书馆员的努力和智慧才能达成。本文主要探讨图书馆员究竟如何重新定位自己的角色，又该如何提高这一角色应具备的职业能力，才能应对“大数据”时代带来的挑战。

二、“大数据”时代图书馆员的角色定位

准确的角色定位是图书馆员开展专业服务的前提。在过去，图书馆员的角色是文献和检索提供者。在“大数据”时代，图书馆的环境发生了极大的变化，一方面，由于物联网和云计算技术的发展、新媒体技术的应用以及信息数据的快速变化，信息数据转播的载体日益多样化，不仅仅是纸质图书，还有电子图书、视频、音频，因此不管是文献出版领域，还是信息技术、信息环境都与以往不同；另一方面，用户的需求也已由原来的相关文献和资料的简单获取转变为对专业化、动态化、连续化和个性化的具体需求。这时，不管是用户对图书馆员提供相适应的服务的期望，还是用户查找信息的方式，都与以往不同。在这种背景下，用户个人可以通过个人计算机，而不一定要到图书馆，即可使用引擎查找到相关的信息。这时，图书馆员的服务范畴如果还停留在为用户提供简单的信息检索和文献资料，那么，图书馆用户到馆率和使用率将会逐步下降，图书馆终究被边缘化。

如前所述，如果没有加以分析和挖掘，那么，数据对人类而言只是一堆毫无意义和毫无利用价值的数字。在社会生活节奏不断加快的今天，人们的时间和精力都非常的有限和宝贵，如果图书馆员能按照用户的需求，利用各种专业的工具和技术对馆内的原始数据进行开发和挖掘，使蕴藏在其内部价值和财富显现出来，那么，相信广大的用户肯定乐于享受图书馆提供的各种服务，图书馆事业才能不断向前发展。因此，在“大数据”时代，图书馆员不但要认识大数据的特点，还要能熟练运用数据处理的技术为用户提供精准的专业服务。

有关学者指出，正确的知识咨询流程应该为以下几个步骤：收集数据—量化分析—找出相互关系—提出优化方案。数据中蕴藏着信息和知识，但信息和知识不会自动呈现，需要图书馆员根据用户的需要不断地开发和挖掘。所以在“大数据”时代，图书馆员要重新准确定位自己的角色，即转变为信息的开发者、数据的挖掘者；同时，图书馆员还要成为用户的项目合作者。这样的身份更加有利于图书馆员与用户进行充分的交流、沟通，理解需要解决的问题的实质和关键，以便更好地对所需数据和信息的理解和分析，提高工作效率，也更能促进图书馆员的工作积极性。

三、“大数据”时代图书馆员的职业能力提升策略

“大数据”时代的到来对图书馆提出的各种挑战中，图书馆员的职业能力提升问题是最不好解决的，因为它涉及每个图书馆员的个人学习能力、努力程度以及成效的问题。但是，这个问题又是解决知识服务创新、使用新设备和新技术的关键。只有图书馆员的职业能力得到提升，新购的设备才有人操作，新引进的技术也才得到推广和使用，也才能对知识服务进行创新。因此，可以说，图书馆员的能力提升是解决“大数据”时代给图书馆带来的各种挑战的关键所在。图书馆可以根据工作需要适当引进一些具备能力和条件的馆员，但是光靠极个别人员是无法提供高水准的服务的。所以各个图书馆除了引进相应的人才、选派馆员参加专业培训外，还要动员全体馆员通过利用各种平台，不断加强学习，努力掌握知识和提高各种能力，以在“大数据”时代有所作为，而不是被边缘化或者被淘汰。针对“大数据”时代的各种特征及开展工作的需要，笔者认为，图书馆员在正确的角色定位的基础上，可以通过以下策略不断提升自身的职业能力。

（一）树立数据意识和信息服务意识。意识决定行动，一个图书馆员如果没有数据意识，他在提供服务时就只能机械地为用户提供简单的文献和信息检索而非知识咨询服务。在现代社会，数据意识很重要，它包含着精确与开放、透明与分享等因素，相信数据、用数据来说话，是理性精神的一种表现。图书馆员在为用户提供服务时，要时刻关注如何通过数据分析，建设新的信息资源，从而为用户提供精准的、满意的服务。

（二）提高计算机使用水平，强化数据处理技术。在“大数据”时代，图书馆员的工作阵地不再仅仅是书库和资料室，而是以网络为主。图书馆员要以数据处理技术为驱动，高效、专业地做好数据的储存、挖掘和开发、管理，才能在“大数据”时代提供令广大用户满意的服务。对数据进行储存、挖掘和开发、管理，这些工作都要使用到大量的数据处理技术和工具，尤其是对计算机的熟练和频繁操作。这时候，图书馆员的计算机操作技能成为工作的基本条件，这对图书馆员的计算机操作水平提出了较高的要求，简单的文档操作已不能完成对数据的分析和处理，而是要精通各种软件和数据库的使用。这些能力的提高，除了积极参加图书馆行会组织的短期专业培训外，还要通过图书馆员个人的努力，日复一日地进行练习和积累。

（三）转变服务方式，掌握学科知识，提升知识咨询服务的能力。在“大数据”时代，图书馆员提供服务的方式应该由文献服务和信息咨询向知识咨询服务转变。随着网络化不断发展，信息数据更新快速，传统的文献参考咨询已经不能满足用户的需求，越来越多的用户通过搜索引擎查找信息和知识，实体图书馆的到馆率、借阅率逐年下降。传统的参考咨询服务模式已经不能满足广大用户的需求。要实现知识咨询服务方式，图书馆员就要不断学习，以学科知识为基础，以技术处理技术为保障。具体来说，图书馆员要在日常工作学习中尽力掌握不同学科的本质，了解不同学科之间的相互关系，加强对各种新的软件、工具以及数据库的使用。随着大数据浪潮的来临，许多IT精英和数据库厂商利用计算机使用的优势，纷纷抢占先机，对数据进行分析和整合以迎合读者的需求，如清华同方、维普数据库，等等。这将使图书馆的地位更加边缘化。因此，图书馆员要通过个人努力，不断提高对信息和数据的开发和整合的能力，从以往的以文献（文章、期刊、书）为单元，过渡到能对各种知识单元和数据群进行聚合、重组、分析、关联、挖掘，乃至重构，从而为用户提供基于解决问题的方案，为广大用户提供知识咨询服务。另外，通过对用户咨询和使用情况进行记录，对记录情况进行分析，总结用户的需求，查找用户的兴趣和习惯，从而为其提供个性化的服务。

（四）培育敏感的职业触觉，善于洞察和建立可能的用户关系。大数据蕴藏着不可估量的价值与财富，只要经过适当的加工，数据的研究结果就可能为任何人所用。这就要求图书馆员具有敏感的职业触觉，善于从不同角度对数据予以分析和加工，使其能为更多的用户所用。换句话说，在“大数据”时代，图书馆员要着重培育个人的敏感的职业触觉，在工作中，做到不仅仅是为某些特定的人群服务，而是善于洞察和建立各种可能的用户关系，吸引更多的用户前来享受图书馆提供的服务。例如，面对一个新的知识发现和数据群，在其服务对象无法确定时，作为一个有数据意识的现代图书馆员，就要能对这个知识发现予以恰如其分的分析，汇总各种分析结果可能产生的价值，并对这些信息进行不同角度的推广，使更多的用户发现和认识这一知识发现存在的各种利用价值，从而产生利用这一知识发现的欲望，最终达到扩大各种知识发现和数据群服务的对象和领域的目的。当然，图书馆员的这种敏感的职业触觉不是与生俱来的，需要个人不断地学习、实践和总结，长期积累，进而达到熟能生巧、驾轻就熟。

【参考文献】

[1]韦晓凯.大数据时代高校图书馆工作思考[J].河北科技图苑，2014（1）

[2]朱晓霄.大数据时代索引员的使命[J].中国索引，2013（4）

[3]赵培云.大数据时代来临，图书馆何以应对[J].四川图书馆学报，2014（4）

[4]韩红蕾.图书馆及专业馆员应如何备战大数据时代[J].价值工程，2013（34）

[5]赵丽梅.大数据时代高校图书馆工作思路探讨[J].吉林工程师范学院学报，2014（2）

【作者简介】李珍连（1980- ），女，柳州铁道职业技术学院图书馆讲师。