导语：如何才能写好一篇大数据分析战略，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
一、引言
大数据时代的全面来临，凭借大数据分析、预测功能，为电子商务发展创造了良好契机。依托大数据分析，商品推荐产生了个性化、精准化的商业模式，电商企业运营方式不断推陈出新[1]。然而，大数据时代电商企业同样面临着掌握大数据、驾驭大数据、数据安全防护等方面的挑战。由此可见，对基于大数据分析的电子商务发展策略开展研究，有着十分重要的现实意义。
二、大数据下的电子商务
三、大数据为电子商务发展带来的机遇和挑战
(一)大数据为电子商务发展带来的机遇
3.大数据为电商企业提供细化服务。电商企业通过对大数据开展采集、分析，推进供应链上下游有效协调，以达成信息资源的优化共享，进一步促进电商企业在市场管理、产品营销、技术研发等全面环节的转型升级，打造全新的覆盖面广的营销平台，以吸引更多的消费者，增强企业市场竞争力。
(二)大数据为电子商务发展带来的挑战
1.电商企业面临掌握大数据的挑战。大数据时代下，电商企业要想实现进一步发展，离不开大数据的有力支持。对于电商企业来说，很大程度上谁先掌握了大数据便意味着谁先拥有了核心竞争力的有力武器，便意味着谁先拥有了致胜的法宝。
2.电商企业面临驾驭大数据的挑战。电商企业要对各式各样大数据开展分析，不可仅凭直接开展经营决策制定，应尽可能对所有与消费者关联的业务数据开展分析，以达成对消费群体的有效维护，并吸引他们买入更多产品，如此以来，很大程度为电商企业开展全新信息化投资、建设带来了挑战。
3.电商企业面临数据安全防护的挑战。各式各样数据的汇集，包含电商企业的运营数据，消费者个人信息等等，这些数据均被电商企业收集于企业数据库中，由此对电子商务如何开展好对该部分数据的安全防护工作带来了挑战。
四、大数据时代下电子商务发展策略
(一)利用大数据，打造电子商务数据信息平台
(二)利用大数据，推动电子商务精准营销
(三)利用大数据，推进商业模式创新
(四)开展好数据处理工作，确保数据隐私的安全
近年来个人隐私遭受窃取、重要信息被不法篡改等现象屡见不鲜。倘若数据信息难以得到切实安全防护，大数据便会转变成广大消费者的恶梦，对消费者日常生活造成极大的负面影响。鉴于此，电商企业应当提高对数据安全防护的重视度，依托大数据技术对数据安全状况开展实时监控，结合各种风险实际情况有针对性的采取科学的安全防护及精准化的预防措施，一方面要防范数据信息泄漏给电商企业带来的法律上不利影响，另一方面要防止过度开发或者越界营销可能引发的侵犯消费者隐私的一系列纠纷。此外，电商企业还应当强化对大数据中涉及的消费者个人隐私的安全防护，防止出现信息泄漏、信息倒卖等情况；最后，要及时了解国家关于个人信息保护的法律、政策规定，迅速开展经营策略优化调整[4]。
五、结束语
[参考文献]
[1]飞，张攀.大数据背景下电子商务与快递业联动发展策略研究[J].物流科技，2014，37(6)：25-28.
[2]魏斐翡.ECLHadoop：基于Hadoop的有效电子商务物流大数据处理策略[J].计算机工程与科学，2013，35(10)：65-71.
[3]郑旸，于立.大数据环境下的电子商务发展的PESTEL模型分析[J].农村经济与科技，2016，27(8)：131-132.
二、大数据分析的必要性
数据分析专业有句行话：巧妇难为无米之炊，可见数据原材料的丰富多样性和质量对数据分析在企业中所发挥的价值起到关键的制约作用。对于电信企业来说，可拓展的大数据源有哪些，可拓展大数据源与企业原有传统数据源之间存在什么差别和联系，下文将详细介绍。
（一）目前电信企业大数据分析的可拓展方向
（1）社交网络分析模型。大数据伴随社交网络的风行而发展。对于电信企业来说，客户的社交网络分析（SNA）即一个重要的大数据分析方向。
（2）客户体验分析（CEA）模型。近年，电信企业一直倡导客户体验管理。客户体验管理以提高客户整体体验为出发点。
（3）客户价值分析（CVA）模型。客户管理的基本原则是：企业根据客户的不同价值，提供不同营销方案及销售和服务等级，所以客户管理的核心依据在于客户价值的测算。传统数据时代，电信企业一般先计算出客户使用电信产品的消费额，再从中减去有关网络、营销、结算等成本，测算客户带给企业的利润，依此判断客户价值。
（二）目前电信企业可拓展的大数据源
前文提到，电信企业从传统数据时代走向大数据时代需遵循的原则为：围绕分析需求，结合大数据可获得的条件，规划所需大数据的采集、存储、处理和分析各阶段的运营管理步骤，是拓展大数据源较以往传统数据尤需谨慎的问题。因此，围绕大数据时代目前电信企业可拓展的社交网络分析、客户体验分析和客户价值模型完善等分析方向。
（1）CDR、RFID、Wi-Fi等社交网络信息。以往电信企业采集的CDR、RFID和Wi-Fi数据通常用作业务统计和用户行为分析，随着社交网络分析模型的逐渐成熟，以移动用户为对象，以发展和完善电信客户社交网络分析。
（2）地理位置信息和移动终端上的各项应用信息。智能移动终端正在改变着人们的生活。移动终端已经成为指导人们生活并记录人们生活轨迹及人际关系的大数据库，电信运营企业若想洞察客户，当然不能忽略移动终端这个数据库中详实且非常细致的数据。
（3）各类企业网站（尤其是社交网站）数据。作为企业新的销售和服务渠道，企业自身网站，如网上营业厅之类的各类电子渠道、企业微博之类的社交网站页面，甚至实时为用户推荐个性化产品或信息浏览服务。
三、企业应用大数据分析的必要性
第一，实时大数据分析支撑的营销运营管理应用。第二，客户体验管理应用的真正落实。第三，大数据分析促进智能管道运营应用的落实。
四、大数据对企业IT系统支撑的更高要求
（一）对IT系统支撑提出的更高需求
（1）大数据采集范围更广。前面讲述的大数据，采集范围不再限于以往B域业务系统的客户订购、行为、服务销售互动以及账务、竞争等结构化数据，采集到社交网络、互联网以及手机应用等文字、图像、视频等非结构化数据。
（2）大数据采集处理分析时限要求更高甚至实时。前面讲到的3个应用方向――实时大数据分析支撑的营销运营管理应用、客户体验管理应用的真正落实和大数据分析促进的智能管道运营应用。
（二）IT系统对大数据支撑的体系规划和趋势
（2）以职能部门提供整体IT支撑方式向嵌入业务流程实时数据的分散能力支撑方式转变。这种转变趋势又称IT支撑“消费化”趋势。所以，大数据时代，大数据要真正改变企业运营管理决策方式，使企业上下形成以数据驱动的企业文化为标志性特征，每个人都要做好与数据打交道的能力和心理准备，而IT系统运营管理部门也将不得不面临大数据从数据采集、清洗、存储、处理到分析、提供和管理的过程，在各业务运营管理流程、各部门、各类用户间如何高效运行、高效交互、高效支撑的更复杂的IT系统支撑问题。
五、结论
一、政府大数据政策比较研究框架
为更好研究大数据政策，建立如下政策比较框架，从战略规划、技术能力提升、应用与管理三个方面比较分析各国政策着力点(见图1)。
“战略规划”层旨在通过分析国家级大数据战略或规划，探析西方国家发展大数据的目标定位、主要内容、重点发展的大数据应用领域，以及相应的管理体制等，总结各国大数据战略规划特色及要点。战略规划的制定为大数据技术能力储备、大数据推广应用与项目实施提供宏观指导与执行依据。
“应用与管理”层从推进政策和项目实施两个角度，研究为确保大数据推广应用与项目实施而制定的各项政策，包括数据开放政策、数据共享政策、数据安全与隐私保护政策，以及政府和商业领域的试点项目规划等。应用与管理为战略规划的落地提供制度支撑和实施保障。
二、大数据战略规划比较分析
(一)美国大数据战略规划
《计划》旨在大力提升美国从海量复杂的数据集合中获取知识和洞见的能力。具体实现三个目标[3]：(1)开发能对大量数据进行收集、存储、维护、管理、分析和共享的最先进的核心技术;(2)利用这些技术加快科学和工程学领域探索发现的步伐，加强国家安全，转变现有的教学方式;(3)扩大从事大数据技术开发和应用的人员数量。
第一波纳入《计划》的联邦政府部门主要有：国家科学基金会、国家卫生研究院、能源部、国防部、国防部高级研究计划局、地质勘探局等，投资两亿多美元，推动大数据技术研发。大数据发展不能仅靠政府，因此《计划》还鼓励产业、大学和研究机构、非盈利机构与政府一起努力，共享大数据提供的机遇。
(二)澳大利亚大数据战略规划
2012年10月，澳大利亚政府《澳大利亚公共服务信息与通信技术战略2012-2015》，强调应增强政府机构的数据分析能力从而实现更好的服务传递和更科学的决策，并将制定一份大数据战略作为战略执行计划之一。2013年2月，澳大利亚政府信息管理办公室(AGIMO)成立了跨部门工作组——“大数据工作组”，启动了《公共服务大数据战略》(以下简称《战略》)制定工作，并于2013年8月正式对外。
(三)英国大数据战略
2013年10月31日，英国《把握数据带来的机遇：英国数据能力战略》。[4]该战略由英国商业、创新与技术部牵头编制。战略旨在促进英国在数据挖掘和价值萃取中的世界领先地位，为英国公民、企业、学术机构和公共部门在信息经济条件下创造更多收益。为实现上述目标，该战略从提升数据分析技术、加强国家基础设施建设、推动研究与产业合作、确保数据被安全存取和共享等几个方面做出了部署，并作出11项行动承诺，确保战略目标得以落地。
(四)法国大数据战略
为抓住大数据发展机遇，促进本国大数据领域的发展，以便在经济社会发展中占据主动权，2013年2月，法国政府了《数字化路线图》[5]，宣布将投入1.5亿欧元大力支持5项战略性高新技术，而“大数据”就是其中一项。2013年7月，法国中小企业、创新和数字经济部了《法国政府大数据五项支持计划》，包括引进数据科学家教育项目;设立一个技术中心给予新兴企业各类数据库和网络文档存取权;通过为大数据设立原始扶持资金，促进创新;在交通、医疗卫生等纵向行业领域设立大数据旗舰项目;为大数据应用建立良好的生态环境，如在法国和欧盟层面建立用于交流的各类社会网络等。[6]
(五)各国战略规划比较
按照政府大数据政策比较研究框架，从战略规划层面，主要从战略目标、战略内容、发展领域和管理体制四个方面对各国的大数据战略规划进行比较分析(如表1)，通过比较发现它们之间既有共同点又存在明显差异。
1.共同点
三是战略规划指定了管理机构和执行机构。美国由白宫科学和技术政策办公室牵头建立了大数据高级监督组，通过协调和扩大政府对大数据的投资，提供合作机遇，促进核心技术研发和劳动力发展等工作促进大数据战略目标的实现。澳大利亚设立跨部门大数据工作组负责战略落地，同时配备专门的支撑机构从技术、研究等角度确保对大数据工作组支撑。英国战略分别针对技术能力、基础设施和软硬件建设、推进合作、数据开放与共享等指定具体的负责机构，同时，由信息经济委员会负责根据战略进一步制定具体战略实施路径。
2.差异点
一是战略规划的推动路径略有差异。美国重在“以点带面”，通过公布重要部门的大数据项目规划，扶持重要领域的大数据技术研发，带动其他部门和社会各界对大数据技术的研发投入和推广应用。澳大利亚重在“方法指导”，通过设定大数据原则指导各部门应用大数据，同时注重技术跟踪、指南制定。英国和法国强调政府“铺路打基础”的作用，阐明政府在人才培养、基础设施建设、资金扶持、项目规划、合作环境搭建中的基础保障作用。
三、大数据技术能力提升政策比较分析
(一)基础研究与关键技术研发
(二)人才培养
(三)产业扶持
(四)资金保障
明确具体资金保障是国外大数据政策的一大亮点。继美国宣布投资两亿多美元促进大数据研发后，英国、法国也相继宣布政府对大数据的投资。2013年1月，英国财政部明确将投入1.89亿英镑用于大数据和节能计算技术的研发，旨在提升地球观测和医学等领域的大数据集分析能力。同年4月，英国经济和社会研究委员会又宣布将新增6400万英镑用于大数据研发，其中3400万英镑将用来建立“行政数据研究网络”，用于汇聚政府部门和机构所收集的行政数据，促进发挥政府数据对科学研究、政策制定和执行的作用。法国政府宣布将在2013年投入1150万欧元，用于7个大数据市场研发项目，旨在通过试点探索，促进法国大数据发展。这些国家对大数据的投资，体现出一定的共性特征：一是投资领域均是关乎国家竞争力和全民生活福祉的重要领域，这些领域仅凭市场资本无法推动;二是强化投资的核心目的是提高关键领域的大数据技术能力，它是市场化应用的前提。
(五)各国技术能力储备政策比较
在大数据技术能力储备方面，各国的政策和计划均有侧重点。如下表2所示。
从纵向政策要点来看，注重人才培养、产业扶持、资金保障是多数国家的共识，这三方面正是政府为产业发展构建良性生态环境的政策落脚点。从横向国家来看，美国、英国国家层面配套技术能力储备政策较为完善，这也是两国引领大数据前沿的主要原因之一。法国和澳大利亚的配套政策还有待进一步完善。
四、大数据应用与管理政策比较分析
促进大数据发展，除了搭建技术能力储备政策外，还从应用实施的角度，制定配套推进政策、规划试点示范项目，推动战略规划的具体实施。
(一)应用推进政策比较
1.数据开放与共享
大数据应用的基础是数据足量全面。为加强各部门所掌握的海量数据资产开放与共享，促进社会应用创新，美、英、澳、法等国政府均制定政府数据开放共享政策。具体统计如表3所示。
表中所述国家在政府数据开放政策上具备两个共性特征：一是数据开放政策均建立在开放政府行动之下，使得数据开放有了更高的战略支撑;二是建立数据开放门户成为普遍趋势，有力保证政策得以落地。
2.隐私与数据安全保护
大数据所带来的一个全新挑战就是对个人隐私与数据安全的威胁。因此，需要通过法规政策强化大数据应用过程中对个人隐私与数据安全的保障。当前大数据应用所适用的隐私与数据安全保护法规政策大多沿用多年前的法规文件。个别国家已经开始针对大数据特点制定专门的隐私与数据安全政策。在个人隐私保护方面，英国《开放数据白皮书》明确将在公共部门透明度委员会(监督各部门数据开放的核心机构)中设立一名隐私保护专家，确保数据开放过程中及时掌握和普及最新的隐私保护措施，同时还将为各个部门配备隐私专家;二是内阁办公室强制要求所有政府部门在处理涉及到个人数据时都要执行个人隐私影响评估工作(PrivacyImpactAssessments)，为此还专门制定了非常详细的《个人隐私影响评估手册》，三是各政府部门开放数据策略中均明确将开放数据划分为大数据(bigdata)和个人数据(mydata)，大数据是政府日常业务过程中收集到的数据，可以对所有人开放，而个人数据仅仅对某条数据所涉及到的个人自己开放。在数据安全方面，澳大利亚政府于2012年7月了《信息安全管理指导方针：整合性信息的管理》为海量数据整合中所涉及到的安全风险提供了最佳管理实践指导。
(二)项目实施规划比较
试点示范项目的规划是推动应用实施的重要政策手段之一，通过规划政府领域的大数据试点项目，有效带动政府社会管理和公共服务中的大数据技术应用;通过规划商业领域的大数据试点项目，充分鼓励应用模式创新，促进技术研发，推动产业发展。
在国外政府大数据试点项目规划方面，美国政府最为明确，其特色主要是“聚焦政府领域应用，落实具体部门”。美国《大数据研究与发展计划》以及与计划同时的更为详细的联邦部门大数据项目列表，均是涉及国家战略发展、不便市场化的核心领域大数据项目，这些项目落实到具体部门和机构来实施。美国商业领域的大数据应用已经广泛开展，因此政策引导重在推动政府领域的项目实施。
五、结语
总体来看，国外政府大数据政策措施体现出如下明显特征：一是颁布战略规划进行整体布局。为抢占大数据先机，增强国家在大数据领域的国际领先地位，大数据先行国家均将发展大数据提升为国家战略予以支持;二是注重构建配套政策，包括人才培养、产业扶持、资金保障、数据开放共享等，为本国大数据发展构筑良好的生态环境。
[1]ExecutiveOfficeofthePresident.BigDataAcrosstheFederalGovernment.whitehouse.gov/sites/default/files/microsites/ostp/big_data_fact_sheet_final_1.pdf，2013-09-10.
[2]Gartner.GartnerSurveyRevealsThat64PercentofOrganizationsHaveInvestedorPlantoInvestinBigDatain2013.gartner.com/newsroom/id/2593815，2013-10-11.
[3]BigDataResearchandDevelopmentInitiative.whitehouse.gov/sites/default/files/microsites/ostp/big_data_press_release_final_2.pdf，2013-9-11.
[4]Seizingthedataopportunity:AstrategyforUKdatacapability.gov.uk/government/uploads/system/uploads/attachment_data/file/254136/bis-13-1250-strategy-for-uk-data-capability-v4.pdf，2013-11-01.
[5]FeuillederouteduGouvernementsurlenumérique.gouvernement.fr/sites/default/files/fichiers_joints/feuille_de_route_du_gouvernement
_sur_le_numerique.pdf，2013-10-09.
关键词：大数据营销；市场营销战略；展览市场营销
基金项目：本文系2014年重庆文理学院学生科研项目资助（项目号：XSKY2014098）
一、问题提出
随着展览业的不断发展，传统的营销战略决策方式已或多或少露出一些弊端。如在营销战略选择上盲目跟风，见利就上，导致某一地区或某一产业领域超负荷举办同类展览项目。或不计成本，不明目标地在某一营销手段上狂轰滥炸。如何高效运用营销资源，在竞争激烈的展览市场独树一帜，成为展览业规范化潮流中的中流砥柱，已经成为亟需解决的问题。
二、大数据在展览市场营销决策中的意义
（一）明确展览营销对象
（二）提升展览营销效果
在有明确营销对象的前提下，展览组织者可以将各个营销渠道、营销方式的反馈信息进行数据处理，选择出最直接、最有效的渠道、方式或渠道组合、方式组合，使得品牌信息、产品信息等传达到特定目标客户的手中，提升营销效果。
（三）树立展览业高端、专业新形象
三、大数据在展览市场营销战略决策中的应用
大数据在展览市场营销决策中的应用，主要包括三个方面的内容，即目标市场战略、市场竞争战略、市场推广战略。
（一）目标市场战略
1.市场细分
对展览市场来说，消费者和企业是两个重要组成部分。通过数据分析，可以得出本展览消费群和产业群的区位分布。如，本展览是珠宝、汽车等消费展，组展商可以收集全国各大城市近几年人均GDP、恩格尔系数、基尼系数、CPI系数等数据，运用数据高等分析中的聚类分析，得出本展会在各大城市的市场消费总额、群体分布结构以及消费欲望值。
2.目标市场选择
再者，大数据并不仅仅包含数值数据。政府对某一方面的某种支持也是数据的一种。如上海自由贸易试验区的挂牌运营对金融、航运、会议、展览等行业都有相当大的支持力度。明确自身不足，有效利用外部资源也是大数据应用于展览市场营销中的目标市场选择战略的方式之一。
3.市场定位
目标市场锁定后，就要对参展商、专业观众、赞助商的目标定位。
①参展商定位。对参展商而言，其目的主要有：了解市场行情、巩固现有市场、开拓新市场、与同行进行交流等。组展商可以通过：跟展，信息购买，行业协会，电信，邮局，网络、展会APP数据反馈等，其中尤以网络途径为佳。美国西雅图的专业搜索引擎营销咨询公司GlobalStrategiesInc（GSI）在网络定为客户方面做得相当出众。
②专业观众/消费者定位。对于消费型的展会，消费者的定位却需要系统数据分析。需要商场的消费记录、内部数据库、外部数据库、数字网络和参展商定位所提及的途径等提供数据。得到数据之后，针对其购物习惯及喜好，选择其最常接触到的媒介传播展会信息。
③赞助商定位。展会赞助商，一般选择与自己企业产品有联系的展会进行赞助，有了参展商的信息，赞助商不难找到，但要考虑到赞助商企业的财务计划及预算，自然也需要经行数据分析。
（二）市场竞争战略
当今展览市场并非一家独大的垄断市场，而是群雄逐鹿的完全竞争市场。大数据在展览市场营销战略决策中的应用，竞争战略分析是相当重要的。
1.竞争者分析
2.基本竞争战略
3.优化竞争战略
（三）市场推广战略
目标市场已经找到，竞争战略已经制定，如何运用媒介将展会信息及时传到展会所需的参展商、专业观众/消费者、赞助商，大数据分析仍是最有效的方法。
1.展会前期推广
2.展会当期推广
展会当期推广强调及时性、准确性。包括展会APP信息传播推广、现场接待和服务和资料分送。
展会APP是展会现场推广的重要方式之一。其简单、快捷，可以实现智能手机全覆盖。此外利用APP还可以收集使用APP客户的信息，便于以后组展商建立数据库及进行数据分析。如会展通、展会通两款APP就是两个很好的例子。
现场接待和服务。现场是展览会营销的重要窗口，组展商除了要有真挚的服务态度外，还要有精确地数据化管理。如安排办卡、报到、入场、金融、邮政、翻译、安保、保洁、快餐、茶点等，都可以借助数据化进行管理。
资料分送。要把下一届展会宣传资料同时送出，还要防止滥竽充数的参观者随意领取又随手丢弃。这就需要根据参观者的参展记录来区分，因前期已经做了充足的数据准备，此问题不难解决。
3.展会后期推广
二是展后关系维系和发展。因前期数据准备，组展商可以清晰地了解每个参展商及专业观众的参展信息，有能力对其进行世上独一份的致谢，并把这些信息入库，更新客户信息，为下届展会打下坚实基础。
四、结语
大数据在展览市场营销战略决策中的应用前景广阔，作用巨大。但因多种因素的限制及不完善，导致展览市场营销战略决策时仍缺乏大数据分析能力，运用不够成熟，同时也有一些忌惮，如个人隐私问题。现今，整个数据分析行业已达成一致的共识：尽可能确保收集到的数据是安全的。隐私安全问题解决后，更充分地、更具创造性地将数据分析运用到展会营销市场战略决策中，提高战略决策科学性，迎来展览行业大数据时代！
参考文献：
[1]王华.会展概论[M].广州：暨南大学出版社，2010
[2]郭国庆.市场营销学通论[M].北京：中国人民大学出版社，2009
【关键词】大数据分析；市场营销；影响
1大数据与市场营销的定义与特点
1.1大数据的定义与特点
1.2市场营销的定义与特点
2大数据分析时代下市场营销方式的转变
2.1精准化营销
在大数据分析，时代企业营销管理人员能够借助浏览消费者的网页记录，以及对于不同种类产品搜索以及购买频率能够对消费者实际消费水平进行科学分析，这样能够真正明确消费者的实际消费习惯，可以充分掌握他们的消费喜好，并在此基础上对现有的营销方案进行完善，能够制定更有针对性的营销计划。不仅如此数据分析人员能够在精准化营销中采集到更多商机，并且为消费者制定更有针对性的服务，可以满足消费者多方面需求，使顾客对企业产品服务更加满意，让企业在社会上树立良好形象。
2.2预测消费行为
在应用大数据分析技术的过程中，能够让企业营销管理人员对消费者可能做出的消费行为进行分析，并且在内部系统与外部系统中可以对消费者可能转变的消费方向进行预测。在内部系统中记录着消费者的交易信息，而外部系统则是网页搜索平台，要想让市场营销活动开展的更加顺利，就离不开内部、外部系统的支持。
2.3产品交叉销售
现阶段数据挖掘技术得到了大范围应用，能够对海量数据进行有机整合，并且可以找到消费者最经常购买的商品，按照消费者特点为他们制定有针对性的营销策略，可以对现有的商品营销进行调整，与促销方式进行结合，通过交叉销售能够让企业在市场中获得更多收益。
2.4处理客户关系
通过大数据技术能够在多种客户关系中找到核心客户，并且对客户消费数据进行深度挖掘，这样能够为那些具有价值的客户带来更为满意的营销服务，可以让客户对营销方式更加认可，能够帮助企业在市场中拓宽商品营销范围，让顾客对商品以及企业有更高的忠诚度和信任度。
3大数据分析时代对市场营销的影响研究
3.1产品营销策略
不同的消费者对于消费需求也有所区别，因此企业在营销方式方面也要做出一定调整。在大数据分析时代，消费者会通过网络平台浏览产品信息来实现购买行为，对于那些更加青睐的信息会以数据形式展示给企业营销管理人员，这些工作人员可以对消费者的浏览信息进行深入研究，并且按照消费者日常消费倾向可以为他们提供更能满足实际需求的产品，这种产品营销方式才是最精准的营销，能够真正实现个性化销售。
3.2价格调整策略
3.3模式更新策略
随着互联网技术不断发展，给市场营销模式带来更多可能。之前的B2B、C2C模式已经不能满足企业对于未来发展的全部需求，因此在这样的的背景下急需020消费模式来取代之前的内容，这样能够使企业实现双线营销活动。在大数据分析时代中，根据双线营销模式来明确企业需要实现扇平化发展，对顾客进行精准营销，这样才能规避营销风险。
关键词：大数据；供应链管理；研究展望
二、大数据在供应链运用中的影响因素
要在供应链运营和决策中有效的运用大数据，首先需要建立良好的大数据库，具备分析、整合大数据的能力。从研究的主要维度看，有关的研究和探索的问题主要围绕大数据的数据类型、数据质量、大数据分析技术以及大数据分析的人力资源等几个方面展开。
1.大数据的数据类型。数据类型涉及到大数据的数据形态和获取的途径和方法，供应链中的大数据主要包括以下四种类型：（1）结构数据；（2）非结构数据；（3）传感器数据；（4）新类型数据。
除了上述两种主要的大数据类型外，还有传感器数据和新类型数据。传感数据主要包括RFID数据、温度数据、QR码以及位置数据，这类数据增长很快，并能为供应链金融带来巨大商机；新类型数据主要有地图数据、视频数据、影像数据以及声音数据等，这类数据多用于可视化领域，并能够帮助提高数据质量，使数据的实时性更强、提高了数据分析的精准度。
2.供应链大数据的质量。Dey和Kumar（2010）指出企业在进行大数据分析时，需要考虑数据的质量问题。低质量的数据不仅会影响企业的决策，甚至还可能导致企业产生损失。事实上，数据的有用性取决于数据质量，随着大数据重要性的跃升，对高质量数据的需求也增加了。
虽然现在对于数据质量评价还没有统一标准，但是大家一致赞同数据质量评价应包含多个维度指标。Lee等（2002）指出数据质量的评价应包括数据内在（Intrinsic）要求和情境（Contextual）要求。内在要求指数据本身所具有的客观属性，包括数据的准确性、及时性、一致性和完整性。情境指数据的质量依赖于数据被观察和使用的情境，包括关联性（Relevancy）、价值增值性（Value-added）、总量（Quantity）、可信度（Believability）、可及性（Accessibility）、数据声誉（ReputationoftheData）。
3.供应链中的大数据分析技术。
（1）分析学。分析学是大数据分析的基础，它能帮助企业更好的基于事实做出决策，Davenport和Harris（2007）就指出，定量技术、预测模型等能提高企业的盈利能力。另外，大数据分析不仅能帮助我们获得新的见解，还有助于提高我们预测的准确性，但上述益处都是建立在数据挖掘和统计分析基础上。甚至可以说，大数据如果没有分析学对数据进行解析，数据也就仅是一堆“数据”，毫无价值。大数据需要分析学，但是要想让分析学崭露头角，拥有数据却是不够的，还得借助于分析工具。当然，分析学如果没有大数据作为研究对象，其也只是数学和统计的工具和应用方法罢了，无法发挥其对于企业的价值。
四、结论
本文对供应链管理中大数据的运用进行了梳理，认为如今学术界对于大数据在供应链中的应用研究相对稀少，落后于实践的发展，对于大数据对于供应链管理影响的具体机制以及大数据于供应链能力之间的交互作用缺乏深入理解。另外，目前的研究大多是描述性的，并且缺乏理论的支撑。本文认为未来对于大数据与供应链的研究应该沿着大数据运用的影响因素、大数据对供应链运营以及发展的影响这一研究路径继续。另外，实践问题应该和管理理论进行结合以深度挖掘问题中存在的本质，因此，未来的研究也需要强调与管理理论结合进行分析，将资源基础观、交易成本管、系统论等理论引入对大数据供应链的分析中，这定能椭加深对大数据在供应链管理中的价值的理解。
[1]SchoenherrT，Speier-PeroCheri.DataScie-nce，PredictiveAnalytics，andBigDatainSupplyChainManagement：CurrentStateandFuturePotential[J].JournalofBusinessLogistics，2015，36（1）：120-132.
[2]WuY，CegielskiCG，HazenBT，etal.CloudComputinginSupportofSupplyChainInformationSystemInfrastructure：Understa-ndingWhentogototheCloud[J].JournalofSupplyChainManagement，2013，49（3）：25-41.
[3]叶斌，黄文富，余真翰.大数据在物流企业中的应用研究[J].物流技术，2014，（8）：22-24.
[4]闫俊.大数据对速递行业发展的影响研究[J].物流技术：装备版，2013，（12）：104-108.
[5]相婷婷.电子供应链金融的技术支撑[J].电子测试，2013，（14）：245-246.
[6]薛锦辉.供应链金融应该如何运用大数据[J].中国外汇，2014，（18）：36-37.
[7]曹凌.大数据创新：欧盟开放数据战略研究[J].情报理论与实践，2013，36（4）：118-122.
[8]韩蕊.淘金大数据业务创新才能赢[J].互联网周刊，2013，（21）：18-19.
[9]李逸群，龙剑.大数据时代下战略性新兴产业的创新路径研究[J].消费电子，2013，（14）：173-174.
[10]宋华.中国供应链[M].北京：中国人民大学出版社，2015.
[11]SchlegelGL.Utilizingbigdataandpre-dictiveanalyticstomanagesupplychainrisk[J].TheJournalofBusinessForecas-ting，2014，33（4）：11-33.
基金项目：国家自然科学基金项目“产业供应链服务化条件下的服务外包决策与风险管理”（项目号：71272155）。
家电企业聚焦大数据
作为李白出生地、中国科技城的绵阳，是四川省第二大城市及经济高地，拥有西南科技、商贸、教育、交通之优势，是全国“智慧城市”试点、国家“数字家庭应用示范基地”之一。《绵阳市战略性新兴产业发展规划（2012-2015）》前瞻性的提出，将“新一代信息技术产业”等7大产业列为绵阳发展的战略性新兴产业，并将“智慧绵阳”等列为绵阳战略性新兴产业的重点工程。
绵阳市人民政府副市长郑蕾表示，绵阳的智慧城市建设目标是把绵阳建设成为一个基础设施先进、信息网络通畅、科技应用普及、生产生活便捷、城市管理高效、公共服务完备、生态环境优美、惠及全体市民的智慧城市。在实施智慧绵阳工程中，绵阳将加快宽带光纤接入网络建设，推进第三代（3G）移动通信网络、中国地面广播（CTTB）、中国移动多媒体广播（CMMB）全面覆盖，开展第四代（4G）移动通信技术（TD—LTE）规模商用示范；全面实施广电有线电视网络数字化、双向化升级改造，深度推进“三网融合”试点工作；实施以平安家庭、健康家庭为代表的“智慧家庭”端到端系统关键技术研发和产业链建设；组织新型网络设备、智能终端的研发及产业化，打造“三网融合”产业链核心产业单元；培育云计算服务、电子商务服务等新兴服务业态，促进信息系统集成服务向产业链前后端延伸。
在规划基础之上，数字家庭、智能交通、城市一卡通、智能停车场、应急联动等一批具体项目的实施，都将对绵阳市大数据分析能力提出更高要求。
同时，随着移动互联网、物联网以及三网融合的迅猛发展，“终端+平台+内容+服务”商业模式创新孕育着巨大的商业机会。尤其是布局大数据产业链，已成为包括制造业在内的诸多行业智能生态环境下竞争制胜的重要一环。
因此，绵阳市政府、长虹集团携手IBM公司和文思海辉共同建立了“绵阳大数据分析竞争力中心”。该中心一方面将对“智慧绵阳”各个主题的数据进行深度分析和利用，助力绵阳市进行智慧城市的顶层设计；另一方面，该中心将以大数据分析和科学管理推动长虹集团智能战略实施和自身转型发展，从而有效实践数字家庭、智慧社区，帮助实现绵阳智慧城市的落地。
从数据挖掘到智慧城市
智慧城市建设离不开政府的支持与决策，近年来我国各个城市都在集中发力智慧城市建设，云计算、物联网技术为市民提供便利的同时也带来了大量的数据，面对海量数据，如何用、怎么用成为智慧城市建设的新问题。
而在绵阳市，长虹集团在家电业务的基础上，正在利用互联网平台做技术牵引进行转型，以找到更好的商业模式和商业机会。通过“绵阳大数据分析竞争力中心”提供的核心解决方案，长虹集团一方面将实现海量用户数据分析，形成决策数据用于改进生产工艺、提高用户体验；另一方面可以对内部生产环节、管理环节、销售环节及产品效益数据进行分析形成价值信息，用以指导企业内部生产环境改善、管理流程变革，成功实现公司战略转型，并以此促进绵阳市产业链转型及升级，以切实行动推进智慧绵阳的深层次发展。
由于长虹拥有行业内非常全面的黑、白智能家电产业线，不仅带来了长虹商业应用开发大数据的可能，而且也将推动长虹加快建立统一黑、白电云服务和大数据服务平台的步伐。
[关键词]大数据大学生个性化就业指导
[作者简介]张家明（1976-），男，湖北武汉人，武汉理工大学信息工程学院，副教授，硕士，研究方向为高教管理和大学生思想政治教育。（湖北武汉430070）
西双版纳与日本相距万里，但仅仅是蝴蝶展翅这样微小的动作，也能够造成日本飓风这样巨大的影响。它所表达的理念是，耗散结构的运作，对于起始状态极为敏感，绝不能等闲视之。这就是“蝴蝶效应”，即初始条件的细微变化导致系统未来长期行为巨大差异的系统特征。因此，没有任何东西能够比蝴蝶效应更完美地表达出信息时代的“大数据资产”的高校教育管理战略思想，所有重大的变化，都只不过是一系列数据积累的结果，而这一系列数据最原始的出发点，就是蝴蝶效应中蝴蝶摆动的那几次小小的动作。
一、大数据技术应用于大学生个性化就业指导的重要性
据统计2013年高校毕业生总数达699万人，目前国内整体就业形势仍然不容乐观。如何做到查明毕业生情况、了解就业市场趋势，是高校开展大学生就业服务工作的难点之一。本文以大数据时代为背景，通过大数据分析技术创新高校大学生就业工作，实现就业指导从共到个性化服务，从粗放服务到精准服务的转变。
二、高校大学生个性化就业指导大数据分析
大数据的基础是海量信息数据，要进一步拓展多样数据的采集途径，并且使采集来的存储数据易于提取，能够被按照一定的条件搜索出来。另外整合学校不同部门的资源信息，同时将收集网络海量信息以期达到最大效果。
4.加强就业指导中的思想政治教育工作。当前就业单位对大学毕业生的就业能力和职业素养要求越来越高，大学生思想观念不断变化，大学生就业指导工作已由单纯的就业指导转为世界观、价值观、人生观和职业道德的思想政治教育。个性化就业指导首先是对学生择业观念的教育引导，帮助大学生树立正确就业观念，避免盲目跟风、随波逐流、人云亦云的就业思想，同时提高对数据信息的敏感性，主动收集、整理并认真分析。
三、大学生个性化就业指导大数据分析应注意的问题及建议
1.大数据分析应防止“三脱钩”问题。首先，防止大数据与大学生个体脱钩。随着互联网的发展，大数据时代的到来，谁掌握了大数据分析，谁就掌握了主动权，将大数据分析应用到大学生就业指导，就是掌握了信息化时代对大学生就业指导的主动权，实现更高效、更准确、更个性的就业指导。但是，面对大数据的浪潮，我们应该保持冷静，大数据的载体是大学生，不能只见数据而不见人，防止变大数据分析这一手段为目的，本末倒置。明确认识到大数据的背后是大学生的思想行为，涉及的是大学生的思维方式、行为习惯。大数据分析的最终目的不是数据的积累和模型的建立，核心价值在于引导大学生树立正确的世界观、人生观和价值观，促进大学生健康成长、成才。
最后，防止大数据分析与社会实际脱钩。大数据分析的价值在于现实应用，即通过大学生全方位信息的掌握，全面认识大学生个体的优势与劣势，了解社会发展趋势及就业市场人才需求，更加科学地指导大学生实现适合自身特点的和谐性就业，实现学生、学校和社会的多方共赢。我们应该注意，大数据分析不能脱离社会实际，尤其是高校的大数据分析不能忽视学生个体的特殊性和本校、本地以及就业市场的现实条件，在避免抹杀大学生个性的同时，要更加注重防止大学生的成长成才与社会需求脱钩。
2.大学生个性化就业指导的大数据分析要努力增强科学性。高校中的大数据分析应用无疑能引发高校的“蝴蝶效应”，产生一系列翻天覆地的变革，变革意味着创新，而在创新过程中，由于新事物自身还不完善，对新事物的了解不透彻，容易迷失在信息的海洋，出现如上所述各种问题。鉴于此，大数据分析在大学生个性化就业指导中的应用如下：
首先，应该增强大数据分析的针对性。增强现实针对性，就是要将大数据分析及各种系统与模型的建立与大学生的需要结合起来。大数据分析是将高校的大学生就业指导与大学生需求紧密联系起来的桥梁，是为大学生成长成才服务的，我们不能一味追求大数据的“大”，而应该根据大数据分析和模型，了解大学生的现状，满足大学生的需求，实现学校与大学生的良性互动，指导大学生树立正确的就业观和成才观，从而使大学生走出校门后，能与社会所需人才岗位无缝对接，并在工作中体现自身的人生价值。
其次，要增强大数据分析的准确性。信息化时代，大学生思想活跃，对大学生的指导和教育难度必然加大，应组织各类别专业力量找准入口，拓宽渠道，搜集、甄选数据。充分利用辅导员长期在一线获得的大量实际信息以及学工部、教务处等记录的学生信息，通过与网络信息对比结合，准确提炼，分析加工各种信息，筛选出有价值的数据，提高大数据分析的准确性和客观性。此外，还需要培养一支专业队伍，为大学生个性化就业指导提供专业的数据分析和智力支持。
最后，要增强大数据分析的系统性。当前大学生就业难成为社会一大难题，这一问题使得高校就业指导必须进行调整，大数据分析的应用无疑为就业指导提供了新的技术和方法。但大数据分析尚处于初步发展阶段，我们应该建立一套有序、动态、系统的运行管理机制，随时根据大学生和外界的变化，对数据系统进行合理调整。大数据分析的应用还要设立一套严格的标准，这样才能保证大数据的分析应用不脱离客观现实，提高大数据分析对大学生个性化就业指导的科学化水平。数据分析模型建立后，还要注意与社会各类系统的信息共享，建立完善反馈机制，不断为数据分析模型增添新鲜血液，保持数据分析模型的持续生命力。
四、结束语
“大数据的核心就是预测。”大数据的主要功能就是通过数据算法分析海量数据，预测出事情发生的可能性，但目前大数据应用于大学生个性化就业指导方面还存在一些问题，笔者下一步加强和改进的计划包括：拓展多样数据采集途径和完善大数据分析模型及算法，结合大数据技术建立主动学习的“就业云课堂”，为大学生个性化就业指导提供更加客观、科学、准确的数据、算法和模型支撑，最终预测学生就业行为趋势，实现大学生的个性化服务就业指导服务。
[1]胡逸.运用大数据技术促进大学生就业[N].中国组织人事报，2013-09-04.
[2]梁家峰.适应与创新：大数据时代的高校思想政治教育工作[J].思想教育研究，2013（6）.
[3]桑庆兵.大数据在高校的应用与思考[J].南通纺织职业技术学院学报，2013（2）.
二、管理会计数据化运营对电子商务企业的支持作用
三、支持电子商务企业的管理会计数据化运营方式
数据化运营是一种“开发合作式”的运营，要更好地发挥管理会计在电子商务企业数据化运营中的功能，首先应该要数据化运营的整体性与合作性特征，打破业务界限以及业务与财务部门之间的数据区隔，形成虚拟管理会计团队。进一步要将管理会计重点完全转移到战略管理轨道上，将战略管理会计以“价值创造”为核心的理念，以“竞争优势形成”为目标的思想有机地融入数据化运营的实务。利用数据分析、数据挖掘技术处理会计大数据，利用虚拟组织或团队的灵活、快速反应，通过以战略为导向的管理会计工具的组合运用，实现管理会计信息系统的整合及管理会计范式的创新。作为企业经营管理工具的管理会计，其基本职责就是提供信息数据，以支持企业的经营决策、控制与评价，支持企业的战略管理。要发挥管理会计在电子商务企业数据化运营中的主导作用，就要利用大数据的数据分析、挖掘等技术改造管理会计的信息处理与提供方式，建立支持电子商务企业数据化运营实施的平衡计分卡，集成性应用管理会计方法，从战略视角促进管理会计功能的有效实施。
1.变革信息处理方式
2.整合管理会计工具
在企业数据化运营中管理会计要体现其核心地位，要发挥数据资源运营的主导功能，就必须突破原有的实践体系，创新原有的功能性方法及其运用方式，通过管理会计工具的整合运用，集成性地发挥管理会计的功能，从而提升企业数据化运营的效益。根据企业数据化运营的管理需求，将管理会计工具分别整合成为面向运营战略分析与规划的工具包，面向运营过程成本计量与控制的工具包，以及面向员工激励、由可供员工在数据分析中使用的方法的工具包。基于战略的视角，借助大数据技术变革的管理会计信息处理方式，实现财务信息和非财务信息等多种类型数据的融合，通过管理会计工具的组合，描述、分析、评判企业的经营态势，确定企业经营成功的关键因素，发现和创造信息资源价值，实现管理会计的数据化运营功能。
3.建立数据化运营战略平衡计分卡
平衡计分卡是将战略转化为行动的目标与措施体系，是战略绩效评价的重要工具。电子商务企业数据化运营战略的实施也同样需要建立平衡计分卡体系，需要将数据化运营的目标与措施分别纳入平衡计分卡的财务、客户、内部经营流程及学习与成长维度，从当前与长远、内部与外部、财务与非财务、过程与结果多角度地进行数据化运营的对策设计和过程控制。平衡计分卡的财务维度反映数据化运营的直接与间接财务成果；客户维度则需要反映数据化运营中满足企业外部客户的产品与服务需求方式与程度，以及满足企业内部各部门的数据分析与数据挖掘需求的方式与程度；内部经营流程维度要体现管理会计对数据化运营过程各环节的成本与风险的度量与分析，帮助实现进行整个运营过程的反馈控制；学习与成长维度要对数据化运营的精细化管理制度、员工的数据意识培养以及企业运用数据分析、数据挖掘技术的能力等予以规划与体现。
关键词：节能潜力；大数据分析；Hadoop
DesignandImplementationofEnergySavingPotentialDataAnalysisSystemforIronandSteelEnterprisesBasedonHadoop
WANGCheng-hui，WANGJian，DAIYi-ru
（CIMSResearchCenter，TongjiUniversity，Shanghai201804，China）
Abstract：Inordertoimprovethelevelofenergyconsumptionofironandsteelenterprises，putforwardakindofenergysavingpotentialofbigdataanalysisbasedonHadoopsystemconstructionmethod，andapplicationofthesystem，anexampleprovesthatthemethodanalysisintheenergysavingpotentialoftheironandsteelenterprise，hasthecharacteristicsofconvenientoperationandeasypopularization.
Keywords：energysavingpotential；bigdataanalysis；Hadoop
我国做为能耗大国，能源消耗量十分巨大，然而，能源利用率却远远低于发达国家，这个问题严重制约了国家可持续发展战略的落实。钢铁企业作为国民经济的支柱产业，提高钢铁企业的能耗水平，对我国建设“资源节约型”国家战略部署具有重大意义。然而，我国钢铁企业的能耗水平与发达国家相比，仍然存在着十分巨大的差距。面向我国钢铁工业节能减排发展目标，针对其生产过程中的高能耗、高排放的运行特点，不断挖掘自身的节能潜力，在保证钢铁生产质量和产量的前提下减少能源的消耗量，提高企I的能耗水平。加热炉是钢铁企业重点能耗设备，是轧钢生产的主要耗能设备，其能耗占轧钢工序能耗的60%―70%，因此，提高加热炉的能耗水平对钢铁企业节能起到至关重要的作用。本文通过分析钢铁企业加热炉生产过程产生的海量能耗数据，利用本体建模技术构建钢铁企业加热炉本体模型，并将本体模型与加热炉能耗数据进行数据映射，利用比较流行的大数据分析技术，构建加热炉生产能耗模型，从中挖掘出加热炉能耗规律，进而分析出加热炉的节能潜力所在，并给出加热炉生产过程中的最佳工况参数去填补这部分的节能潜力。
1系统构建
系统设计思路可以概括为：首先进行系统数据准备，然后将原始数据进行数据预处理，接着对处理后的高品质数据进行数据分析，最后挖掘出数据背后隐藏的价值找出节能潜力所在，并找出最佳工况参数弥补这部分节能潜力所在。具体由以下六部分组成。
图1系统总体架构
1.1数据准备
数据采集负责将数据从业务系统采集到大数据分析系统。数据采集工作本身不在Hadoop分析平台中，但是在整个分析系统中起着重要的作用，起着桥梁作用，连接业务系统和分析系统，将业务系统与分析系统实现了解耦。企业由于生产管理的需要对于有些数据甚至只有纸质记录，因此第一步需要将这些生产数据进行整合，将这些纸质数据进行电子化。数据准备是为分析系统提供数据支撑，是整个系统的基础模块。
1.2分布式存储
分布式文件系统（TheHadoopDistributedFileSystem，HDFS）是一个运行在普通的组件集群上的分布式文件系统，它是HADOOP框架主要的存储系统。由于HADOOP具有高数据吞吐量、高度容错的特性，因此使得其具有很高的效能。HDFS还为数据存储提供了包括API以及各种操作命令等多种访问接口。使用HDFS，我们可以为海量的原始数据集提供存储空间，对临时文件进行存储，为数据预处理、数据分析提供输入数据，同时也可以将分析输出的数据存入到HDFS中。HDFS采用master/slave架构。通常情况下，一个名称节点NameNodes和若干个数据节点DataNodes便可构成一个HDFS数据集群。Namenode是一个中心服务器，负责管理文件系统的名字空间（namespace）以及客户端对文件的访问。在HDFS集群中，每一个文件都会被划分为一个或几个数据块（blocks）分别保存在不同的数据节点DataNode中。集群中的Datanode主要负责管理它所在节点上的存储。HDFS将文件系统的名字空间暴露给用户，用户可以以文件的形式在上面存储数据。
1.3数据预处理
1.4本体模型构建
本体是概念化的明确的规范说明。能够描述类、实例以及它们的属性是如何定义、描述和关联的，是对领域中的概念及概念之间联系的显式描述。详细来说，就是要描述一个领域需要哪些概念，概念由哪些属性标识，属性又具有什么约束，概念对应于哪些实例。并将本体模型与具体数据属性进行映射，为数据分析提供数据源。
1.5分布式计算框架
分布式计算框架是大数据分析系统的核心功能，分布式计算可以使用多台服务器同时进行数据计算，可以很大程度提高数据分析的效率。基于Hadoop的大数据分析系统主要采用的是MapReduce分布式编程模型。该模型简单易用，对于程序员来说在没有了解其底层实现细节的情况下仍能够写出处理海量数据的程序。MapReduce首先通过Map程序将海量数据分割成多个小区块，将其分配给大量服务器进行处理；然后将处理结果交给Reduce，最后Reduce将处理结果汇总后输出到客户端。
1.6分析结果展示
分析结果可视化，主要是给用户提供一个友好的、直观的方式查看分析系统进行大数据分析以后得到的分析结果。
2系统应用
加热炉是钢铁企业重点能耗设备，是轧钢生产的主要耗能设备，因此提高加热炉的能耗水平对钢铁行业节能具有重要意义。现以某大型钢铁企业步进式加热炉为例进行系统构建应用。在轧钢生产中，必须将钢坯加热到一定的温度，才能对钢坯进行轧制。对钢坯进行加热的设备就是加热炉。步进式加热炉是依靠步进梁的顺序、往复运动使得加热炉钢坯从炉尾移动到出料口，中间经过预热段、加热段、均热段。最终使得钢坯达到规定的温度后出炉。加热炉在生产过程中产生海量的数据，利用HDFS实现海量的能耗数据的分布式存储，通过本体建模技术实现加热炉本体模型构建与数据属性映射，为大数据分析提供数据源；系统的分析主要是通过在MapReduce分布式分析模型上运用线性回归、遗传算法等对Hadoop平台筛选出来的数据进行分析，从而挖掘海量数据背后隐藏的能耗模型，挖掘加热炉的节能潜力，分析加热炉的最佳工况运行参数，提高加热炉的能耗水平，构建加热炉大数据节能潜力分析系统。系统主要模块如下：
1）大数据管理：本体模型、大数据管理；
2）工艺参数模型：工艺参数模型；
3）工艺参数模型管理：工艺参数模型管理；
4）工艺优化：工艺模型⑹配置、工艺优化。
2.1大数据管理
大数据管理主要实现对加热炉生产能耗数据提供统一的接入接口，并对加热炉实现本体建模与数据映射，为数据分析提供数据源。
2.2工艺参数模型
工艺参数模型主要是运用大数据管理模块提供的一致性的多源数据，运用大数据处理的智能分析能力，通过运用神经网络算法对海量的数据进行深度挖掘，提取出数据背后潜在的工艺能耗模型，为面向节能减排的工艺分析与参数优化提供能耗模型。
2.3工艺参数模型管理
工艺参数模型管理主要是对已经构建完成的模型实现直观的管理与展示工作。用户可以根据需要对已经存在的模型进行在线编辑，而且模型编辑完成进行保存导数据库以后可以为工艺参数优化提供优化模型。
2.4工艺优化
实现对模型参数进行配置，利用工艺模型参数配置的参数范围与工艺能耗模型模块构建的模型最为输入，通过使用遗传算法对加热炉运行工况参数进行模型寻优，从而找出加热炉面向节能减排的最佳工况运行参数。
3结束语
本系统在Hadoop平台下可以方便地实现数据的分布式存储、管理和查看，为企业历史生产能耗数据的管理和分析提供方便，利用MapReduce分布式计算模型，运用线性回归、遗传算法通过对生产能耗数据进行分析、优化，从而找出数据背后隐藏的价值与节能潜力所在，输出最佳工况参数，弥补这部分节能潜力。因此，所述方法对于挖掘钢铁行业节能潜力并实现节能降耗有着重要的现实意义和应用价值，具有方便操作、易于推广的特点。
[1]高洪，杨庆平，黄震江.基于Hadoop平台的大数据分析关键技术标准化探讨[J].信息技术与标准化，2013（5）：27-30.
[2]菅志刚，金旭.数据挖掘中数据预处理的研究与实现[J].计算机应用研究，2004（7）：117-118，157.
[3]杨军，徐铁军.钢铁企业节能潜力分析[C]//中国金属学会，冶金循环经济发展论坛论文集.中国金属学会，2008：4.
[4]唐杰，梁邦勇，李涓子，等.语义Web中的本体自动映射[J].计算机学报，2006（11）：1956-1976.