《大数据环境下的管理信息系统发展研究》由会员分享，可在线阅读，更多相关《大数据环境下的管理信息系统发展研究（15页珍藏版）》请在金锄头文库上搜索。
1、大数据环境下的管理信息系统发展研究 杨丽彬 李海林 张飞波 华侨大学信息管理系 华侨大学现代应用统计与大数据研究中心 摘 要： 大数据时代的到来给管理信息系统带来了一定的冲击和挑战, 因此有必要研究大数据对现代管理信息系统的作用及影响, 使得管理信息系统的性能和社会服务作用得到进一步提升。首先从数据的内涵与特征来理解大数据的概念, 接着从数据处理过程的角度来讲述大数据对管理信息系统业务流程的变化和影响, 同时, 从管理信息系统的构成来解析大数据对于管理信息系统的推动与发展作用。最后, 针对基于大数据环境下的信息安全和信息人才短缺等问题进行了探讨, 并提出了相关的解决方案。关键词： 大数据; 管
2、理信息系统; 数据挖掘; 信息处理; 作者简介：杨丽彬 (1982-) , 女, 华侨大学信息管理系讲师, 主要研究方向为数据分析与知识管理。作者简介：李海林 (1982-) , 男, 博士, 华侨大学信息管理系副教授、硕士生导师, 主要研究方向为数据挖掘与决策支持。作者简介：张飞波 (1993-) , 女, 华侨大学信息管理系本科在读, 主要研究方向为管理信息系统和数据分析。收稿日期：2015-09-03基金：国家自然科学基金资助项目 (No.61300139) Research on development of management information system in big d
3、ata environmentYANG Libin LI Hailin ZHANG Feibo Department of Information Management, Huaqiao University; Abstract： The age of big data brought the management information system some shocks and challenges. So it was necessary to investigate the effects and impacts of the big data for management info
4、rmation system, which made the performance and social service of management information system more powerful. The connotation and features were given in advance to understand the conception of big data and the impacts of big data for business process of management information system were illustrated
5、. Meanwhile, the promoting functions of big data for management information system were analyzed from its constitution Finally, some problems including information security and talent shortage were discussed in the big data environment, and some solutions for them were also proposed.Keyword： big dat
6、a; management information system; data mining; information process; Received： 2015-09-031 引言近年来, 信息技术迅猛发展, 尤其是以互联网、物联网、信息获取技术、社交网络等为代表的技术发展日新月异, 促使手机、平板电脑、PC 等各式各样的信息传感器随处可见, 虚拟网络快速发展, 现实世界快速虚拟化, 数据的来源及其数量正以前所未有的速度增长。根据市场研究公司 IDC2012 年 12 月发布的数字宇宙研究报告 (Digital Universe) 显示, 2012 年全球数据总量达到2.8 ZB (相当于
7、 2 800 亿 GB) , 预计到 2020 年全球数据总量将会超出预期, 达到 40 ZB (相当于 40 000 亿 GB) , 若以现有的蓝光光盘为计量标准, 那么40 ZB 的数据全部存入蓝光光盘, 所需要的光盘总重量将达到 424 艘尼米兹号航母的总重量。从现在到 2020 年, 基本上每两年数据量就会翻一番1。而这些数据约 80%是非结构化或半结构化类型的, 甚至更有一部分是不断变化的流数据。因此, 数据的爆炸性增长态势以及其数据构成特点使得人们进入了“大数据 (big data) ”时代。如今, IBM、EMC、Oracle、Intel 等跨国 IT 界巨头纷纷进军大数据行列,
8、 发布自己的大数据战略以及产品。大数据不单单是在 IT 行业引起大量热烈关注, 各个国家对其也有很高的重视, 有些甚至提高到战略发展的高度。比如, 2012 年3 月 29 日, 美国奥巴马政府就公布了“大数据研发计划 (big data research and development initiative) ”;2013 年 8 月 2 号, 澳大利亚政府信息管理办公室 (AGIM O) 发布公共服务大数据战略, 提出了指导大数据发展的六大原则和实现目标拟采取的 6 项举措;2013 年 8 月 30 日, 日本总务省公布2014 年的任务和拟采取的重要信息化措施, 其中就包括推进 ICT
9、 增长战略, 通过促进大数据和开放数据的利用来实现经济复苏;2013 年 10 月 31 日, 英国商务、创新和技能部发布英国数据能力战略, 旨在使英国成为从数据中提取见解和价值的世界领导者。学术界更是呈现百家争鸣的热况, 就中国而言, 已经分别于 2011 年、2012 年和 2013 年的 7 月举办了 3 次大数据世界论坛 (big data world forum) , 同时 2013 年 12 月在北京举行了第一届中国计算机学会 (CCF) 大数据学术会议和国内最大规模、最具影响力的中国大数据技术大会 (big data technology conference, BDTC) 。另
10、外, Nature、Science分别于 2008 年和 2011 年针对大数据发表专刊;纽约时报、华尔街日报也都推出大幅报道。在其他的电商行业、社交平台上也都有大数据的踪影存在。从这些大数据的研究与应用可以看到, 现今对于大数据的研究主要还处于宏观层面, 部分的微观性研究也多是针对技术方面, 极少有针对管理方面的研究。另外, 大数据与其他相对已经成熟的技术结合的研究也是一块缺失。对于大数据的应用和研究仍处于初级阶段。近些年由于各种新技术、新理论的不断涌现, 管理信息系统也在随之改变。近5 年来, 射频识别 (RFID) 技术、地理信息系统 (GIS) 、面向服务的架构 (SOA) , 尤其是
11、物联网和云计算的运用发展, 给管理信息系统带来了新的发展点。通过整理我国近 5 年在管理信息系统领域的部分学术研究成果, 发现管理信息系统与新理论、新技术的结合给管理信息系统的发展带来了新的推动力。例如, 物联网与管理信息系统结合应用于逆向物流管理方面, 解决了逆向管理信息系统中数据采集更新以及共享的难题;将 GIS 与管理信息系统结合应用于城建部分的配电网建设, 能满足配电网“安全、经济、优质”的要求2;SOA 与管理信息系统结合应用于社区管理信息, 使得系统具备了适合基层工作业务流程要求的能力, 具有更强大的生命力3;云计算与管理信息系统结合应用于高校资源管理, 有利于降低教育信息化成本,
12、 加强信息的整合与共享4;R FID技术与管理信息系统结合用于冷库的仓储管理, 能够做到对冷库内货物进行实时跟踪和精确定位, 使得冷库的管理走向透明化和自动化5。另外, 国家自然科学基金委员会管理科学学部管理科学与工程很早就开始资助管理信息系统的研究6。例如, “十五”至“十二五”期间, “信息化条件下的管理模式与方法研究”、“信息系统技术对管理模式的影响规律”、“电子商务/政务管理的理论与方法”和“智能健康信息服务管理”等分别被纳入优先或重点资助领域和发展方向。管理信息系统经过 40 多年的发展, 已经成为了一套相对成熟的集技术、管理思想、系统等于一体的信息管理体系, 并且成功地应用于各个领
13、域。无论是在企业、政府、公共服务事业, 还是在航空、交通等领域都有不俗的表现。大数据时代的到来给人们的生活带来方方面面影响的同时, 也影响着管理信息系统的发展。对此, 国家自然科学基金委员会信息科学学部在 2014 年项目申报指南中明确指出7, 将大数据管理系统评测基准的理论与方法作为大数据技术和应用中十大挑战性科学问题之一, 并拟以重点资助。大数据对管理信息系统数据处理过程中的数据采集、清洗、集成、存储、分析以及数据可视化都产生了影响, 并对管理信息系统的硬件、软件、人才培养以及管理思想方面都有一定的推动作用, 也存在着不少的挑战, 例如, 人才短缺、数据共享、信息安全等相关问题;反之, 管
14、理信息系统的发展也将会加快大数据的发展进程。2 大数据影响信息的处理过程管理信息系统是一个以人为主导的, 综合利用计算机硬件、软件和网络设备进行信息的采集、传递、存储、加工、整理和挖掘工作, 以提高组织的经营效率为目标的信息系统。信息的整个加工处理过程是管理信息系统中最重要的一环。大数据的出现使得信息的采集、存储、清洗、集成、数据挖掘等工作内容都发生了不同程度的变化。2.1 数据的采集源与采集技术大数据拓宽了数据的采集源。传统的数据大多是来自于人为主动产生的数据, 比如 QQ、微博、照片等。但是随着电子商务、物联网、互联网、大数据的发展, 机器数据日益显现它的价值, 这就导致了各种公司及机构开
15、始重视收集机器数据, 无论是散落在不同地理位置的传感器收集的数据、移动互联设备中的数据信息 (如通过手机或平板电脑获得的个人位置信息) 、网络点击数量 (如淘宝的客户浏览数据) 的数据, 还是射频 ID 数据, 都成为新的热门数据来源。其中射频识别数据 (R FID data) 可以算是大数据发展以来的新宠, 将 RFID 嵌入产品, 进行实时数据分析, 是未来包括物流、交通、零售、动物保护研究等在内的物联时代的智能首选。数据源的变化也带来了数据采集技术的变化。大数据推动下产生的新的数据采集技术主要体现在以下几个方面。 对于互联网企业, 采用分布式架构的系统日志采集方法, 满足每秒百兆字节的日
16、志数据采集的要求。如 Facebook 的 Scribe, Scribe 将信息从各个日志源分别收集, 然后存储于中央存储系统中, 等待集中式的处理分析, 以“分布收集、统一处理”的方式来提高数据采集的速度。 对于网络上的数据, 采用网络数据采集方法, 主要是指垂直搜索引擎和网络爬虫等。由于数据的海量性, 通常对于采集后的数据需要进行分拣和二次加工, 所以要做到既快速又尽可能准确地把握数据的采集。例如, 国内的“火车采集器”就是将垂直搜索引擎、网络雷达、信息追踪与自动分拣和自动索引技术结合起来的应用, 达到海量数据采集与后期处理相结合的目的, 以此应对数据的海量性。 对于网络流量, 可以采用深度分组检测 (DPI) 、深度流检测 (DFI) 或是盲检测 (BLINC) 的宽带管理技术。现在也有学者提出将 DPI 和 DFI 技术相结合的联合检测方法, 使得其具备检错和纠错的能力, 提高网络流量检测的准确性8。 对于保密性要求较高的企业经营数据和科学研究数据, 采用系统接口方
