❶ 互聯網大數據時代企業面臨的挑戰
沒有人會否定疫情下數據給全國防控帶來的幫助。得益於大數據、 雲計算 、人工智慧以及5G技術的發展,數據得以更好的共享以及分析,政府、企業推出的健康碼、防疫行程卡等應用,使得人員流通、密切接觸者排查有數可依。
也沒有企業不清楚數據在這個年代對經營管理的價值。通過將數據沉澱、清洗,並挖掘、分析,企業運營效率將得以提升、成本得以優化,經營也將得以改善。
事實正是如此。在智能終端、 物聯網 以及5G的推動下,全球數據量正呈指數般增長:2010年全球數據量剛剛突破1ZB,而今年全球數據量預計將超過40ZB。相關數據表明,到2025年時,全球的數據量將達到163ZB。
數據洪流下,全球也正從IT信息時代走向DT數據時代。由大數據引發的產業變革已經開始。IDC發布的《全球半年度大數據支出指南,2018H2》曾預計, 2019年大數據與商業分析解決方案全球市場的整體收益將達到1896.6億美元,同比增長12.1%。
同時,在2019-2023年預測期內,全球大數據市場相關收益將實現13.1%的CAGR(復合年均增長率),並預計總收益於2023年達到3126.7億美元。
具體到中國大數據市場, 2019-2023年預測期內的年CAGR(復合年均增長率)為23.5%,增速高於全球平均水平。到2023年,中國大數據市場規模則將增長至224.9億美元。
盡管大數據市場前景一片光明,但真正能很好把握數據,充分發揮數據價值的企業,往往是少數在技術、資本、人才均占據優勢的行業領導者。
而絕多數長尾企業,本就在行業競爭中處於劣勢,在大數據產業變革中,盡管知道數據對經營管理那麼重要。但受限於運營成本、人才以及技術,很難找到一款合適的工具,去抓住這些數據中蘊藏的商機。
數字經濟下的企業經營困擾
眾所周知的是,無論是國家層面「新基建」概念的提出,還是受疫情影響企業、組織加速數字化轉型的步伐,這些均代表著數字經濟時代的到來。
數據最直觀:到2021年,全球數字經濟規模將達到45萬億美元,全球數字經濟的比重將超過50%。中國是全球數字經濟的引領者之一。到2021年,中國數字經濟規模將達到8.5萬億美元,其中數字經濟所佔比重將超過55%。截止目前,中國數字經濟增速已連續3年排名世界第一。
但作為數字經濟的推動者,企業在面對錯綜繁雜的 互聯網 大數據時,依然不能採取行之有效的方案,將其妥善的用於經營管理。具體來看的話,企業在藉助互聯網大數據幫助經營管理時面臨的挑戰主要在以下幾方面:
一是缺乏專業的市場研究工具或團隊。 相比企業現在所使用的IT技術,大數據可以說是一門新技術。對於沒有部署這一技術的企業而言,由於沒有專業的市場研究工具或者研究團隊,一方面將由於數據質量不佳面臨產品開發設計難題。
這是因為企業無法對所處的市場進行量化統計分析,如市場規模是否增加,友商最近有何動態,是否有新入局者,該市場某細分市場是否有潛在機會。同時,由於不知道市場上有哪些爆款產品、創新產品,友商的競品有何特性以及潛在市場的需求,導致企業在產品開發、策劃、推廣時沒有針對性,難以形成爆款。
另一方面導致店鋪運營效率不佳: 同樣,由於缺乏專業的監控、分析工具,企業無法對友商線上渠道布局清晰掌握,無法實現自營/經銷店鋪的批量監控、店鋪異動的自動記錄以及爆款產品的促銷復盤。並且,由於無法及時獲取用戶的吐槽、建議等,店鋪在改善運營上也存在難度。
二是部署大數據技術面臨的資金、周期等問題。 使用大數據改善經營管理是大勢所趨,所以企業要麼已經部署大數據要麼考慮部署。而在自行部署大數據技術時,不免要多方考慮,既要考慮新硬體的采購費用或者雲服務的購買費用,同時還要考慮開發人員的招聘費用,開發周期及運維等。而對 中小企業 而言,這無疑又是一項重大開支。
三是數據的安全問題。大數據技術從誕生到現在,其發展並不算太完善,因此自身安全性相對弱一些。同時,大數據平台又存在諸多組件,以Hadoop為例,至少包含了二三十個組件,這意味著黑客入侵某一個組件便可對整個組群整個平台進行控制。
不可避免,企業在開發大數據方案時需要與公司原有IT系統以及各部門數據間打通,這些入口也增加了大數據平台的安全風險。
不難看出,數字經濟時代,企業在藉助互聯網大數據改善經營管理過程中,主要面臨的便是大數據平台的部署、應用以及運維難題。
○本文節選自DOIT傳媒《釋放數據紅利 美雲智數互聯網大數據與企業掘金數字經濟》，圖片為陰山所加。
❷ 大數據為生命周期管理帶來挑戰
大數據為生命周期管理帶來挑戰
無論數據的規模和類型是什麼，它們必須要在生命周期中接受管理，即便管理工具並不成熟也必須如此。
伴隨著大數據的出現，整合的生命周期管理（Integrated Lifecycle Management，簡稱為ILM）遇到了一個全新的領域。核心挑戰來自三個方面：首先大數據的規模沒有上限，其次許多新數據的生命周期都極為短暫，再次由於數據或多或少具有大數據的3V特徵（數據規模大、處理速度快和數據種類繁多）因而難以保持始終如一的品質。
以上這些是我從Loraine Lawson所寫的文章中總結出來的。她的觀點與我對這一問題的總體看法基本一致。但是我並不認同她關於「與小型數據分析環境相比，ILM對於大數據環境來說更為重要」的說法。無論是以前，還是進入到了大數據時代，讓所有的商業數據資產處於安全、可控和受管理的狀態都同等重要，它們之間的重要性沒有發生絲毫的改變。
它們之間的不同之處在於，在大數據環境中，由於以下幾個方面正在迅速發生變化，使得全面的ILM越來越難以確保數據資產處於安全、可控和受管理的狀態之下。
■新的大數據平台：除了MPP 關系型資料庫系統、縱列資料庫、多維資料庫外， Hadoop、NoSQL、內存資料庫、圖形資料庫等新的技術平台逐漸在企業計算環境中發揮越來越重要的作用。現有的ILM工具幾乎不可能支持這些新的平台。同時，為了能夠在公有雲上處理大數據，你可能需要使用由服務提供商提供的ILM功能。為了降低在新環境中的風險，以及維護核心數據的高度可信性，你需要仔細測試新的大數據平台，以確保它們具備ILM功能（數據安全、管理、歸檔和保留），以及這些功能是否與你計劃賦予它們的角色相對應。
■新的大數據主題域：大數據並沒有改變企業對存儲和管理辦公系統（例如客戶、財務和人力資源等）記錄的數據管理樞紐的需求。這些是現有企業級數據倉庫（EDW）的功能。目前大部分EDW是運行在傳統的基於關系型資料庫系統的數據平台上，並集成有功能強大的ILM。不過，這些記錄數據域系統可能無法在最新的大數據平台上運行，因為許多平台已經將重點放在了處理由社交、事件、感測器、點擊流、地理空間，以及其他新來源所產生的新數據之上。然而，這些新的數據域通常生命周期都非常短。從這個意義上說，我們可能不需要將其中的大部分數據保存在永久性記錄系統中。
■新的大數據擴展：大數據並不意味著你的新平台能夠支持無限大的容量、極高的速度或無數的數據種類。由於受到技術上和經濟上的束縛，新數據的龐大規模導致它們不可能被隨意存儲在任何地方。這一現實將迫使大數據管理人員將更多的精力放在調整多溫度存儲管理、歸檔和保留策略上。隨著大數據環境的擴展，你需要確保ILM需求不超過現有容量（存儲容量）、速度（帶寬、管理器和存儲速度）和類型（元數據深度）所能支持的范圍。
此外，我還與一些專家進行了探討。這些專家認為，除非我們真的想刪除數據，否則大數據革命可使我們無需刪除任何數據。目前大數據看起來似乎將持續以指數級速度增長，並且大數據平台的成本似乎也將持續大幅下降，但是我對大數據雲的執行和管理將跌至接近零成本的觀點存在嚴重懷疑。
如果我的預感正確，那麼我們將無法阻止大數據源源不斷的涌到雲上——即便我們想阻止也無能為力。幸運的是，生命周期管理能夠為無用數據劃上一個終點，而這正是我們將ILM擺在需求第一位的關鍵原因。
❸ 運營商迎來大數據時代 管理和分析是大挑戰
運營商迎來大數據時代：管理和分析是大挑戰
大數據不是新的概念，在移動互聯網發展起來後，數據增長速度加快，整個產業壓力突出，傳統資料庫技術已無法滿足運營商對大數據充分利用的需求的背景下，大數據成為近年來的熱點。對運營商來說，數據爆發性增長後，帶來的收入並未改觀，因此，運營商面臨著數據流的附加值被互聯網公司賺走的挑戰，同時面臨淪為管道化的尷尬，如何利用好運營商手中的大數據，成為需要面對的問題。
運營商面臨數據管理和分析挑戰
易觀國際分析師黃萌表示，大數據發展時間不長，隨著雲概念和3G的深入發展，運營商數據壓力增大，同時IDC擴容，偏向以存儲為主的雲服務業務。
運營商新業務的涌現，導致數據暴增。信令數據、互聯網數據其規模已經達到數百TB,甚至PB規模。此外，據EMC數據計算事業部大中國區總經理劉偉光介紹，數據的價值除了與數據規模相關，還與數據處理周期成正比關系。也就是，數據處理的速度越快、越及時，其價值越大，發揮的效能越大。而除了分析傳統結構化數據外，隨著新增值業務拓展，運營商對實現跨結構化、半結構化、非結構化數據進行高效分析有著愈發強烈的訴求。
而運營商面對海量數據和數據結構的變化，不僅是成本，還有管理和分析的挑戰。黃萌認為，運營商相對互聯網企業有優勢，具有雄厚的資源和龐大的IDC集群，擁有電信級的運營網路，具有保證大數據實時、暢通傳送的能力，同時具有網路資源和運營能力。而相對互聯網企業劣勢的地方在於上層應用，尤其是在Saas層面。
大數據有待深挖掘
南京郵電大學盧扞華教授認為，大數據時代主要是對技術的綜合運用和對數據的深度挖掘。對運營商來說，大數據帶來的機會大於挑戰。運營商有自己的網路，積累了大量非常有價值的數據，可以進行客戶分析。利用網路收集數據，對運營商運營方式的改變是個機會。
真正實現精準化營銷和精細化運營的秘訣就在於如何利用好運營商手中的大數據。海量話單、信令、互聯網數據本身就是一筆寶貴的財富。利用好這些數據，充分、及時地對這些數據進行深度分析挖掘，不僅可以進一步提升服務質量、提高客戶忠誠度、挖掘新商機、增加收入，還可以通過優化資源配置、減少浪費來提升運營效率，有效降低運營成本。
此外，電信運營商信息化實施比較早，本身大數據積累的也多，例如以前的日誌信息，包含用戶信息和設備信息，可以進行挖掘使用。運營商越來越重視對數據的挖掘，可以獲得未來開發業務和開拓市場的機會。另一方面，分析結果不會涉及隱私，管理好了可以更少產生法律糾紛。此外，電信運營商通過數據分析還可以提供面向社會的信息應用。[page]
盧扞華教授認為，大數據是對技術的綜合應用，要有開放、融合、服務和創新的心態，大數據可以為運營商創造另一片天地。例如一個大數據的應用通過收集數據，對大量圖片進行分析，最終形成一個場景圖。這就是對數據分析、統計技術、圖片處理技術和人工智慧合成技術的綜合運用。據悉，南郵正在開發這方面的應用。
據了解，目前中國三個電信運營商在業務支撐領域、網管IT支撐領域包括增值業務領域，已經隨著市場的需求誕生了很多新的大數據實時分析的項目。目前，大數據主要應用在運營商的"信令"系統分析上，此外，運營商還可以通過"用戶行為分析"系統，進行精準營銷。運營商還提供IDC服務，通過"雲"中心的方式為互聯網企業提供服務。
對公市場前景巨大
黃萌表示，單批、單次數據爆發性增長，對其進行的可知的時間處理能力是關鍵點。對運營商來說，IDC服務在對政府和高校、企業等非個人業務市場上前景巨大；對於個人業務，運營商剛開始做，由於回收投資較慢、離散性強，現在主要是針對個人精準運營的業務。智能管道方面，運營商正在基於大數據平台進行流量分析，但是落地的項目少。
據介紹，運營商大數據戰略還不太明晰，但是有了一些建樹。去年十月份中國移動開始做的"大雲"、數據管理系統和平台，覆蓋很多園區、學校，2.0技術比1.0技術大幅提升；中國聯通2010年開始對企業提供IDC服務，截至目前，營收超20億元（人民幣）；中國電信2011年成立雲公司，尚無實體業務，IDC託管規模相對聯通小很多。
據電信專家韓少敏介紹，數據類型分為非結構化數據和媒體流，運營商開展大數據分析面對的問題主要是硬體能力。數據一方面是縱向關系，比如"信令",採用水平分隔數據的方式就可以，按照時間段分別存儲分析。此外還有橫向關系，需要垂直分隔，由於查詢復雜，需要引入真正的演算法去做。韓少敏認為，目前掌握這方面能力的人才奇缺。並且，運營商在分布式資料庫方面少有進展。而從應用角度，大數據一方面用作於統計分析，建數據倉庫，其次還有非文本查詢，現在大多數資料庫公司可以做以上兩個方面，而對於關系型數據共享層面，目前還做不了。
中國聯通在IDC服務方面走在三家運營商前面，其面向企業提供服務，目前通過按關系水平分隔的方式，將數據集中起來，但是一旦到關系型數據的共享層面，因為沒有數據模型，找不到底層的資料庫血緣，目前的方案無法解決問題。但是運營商目前做這些數據積累，可以為將來發展提供機會。
劉偉光認為，對於運營商來說，大數據等於大價值。對於IT企業，大數據等於大機遇。通信行業需求從來都是IT技術發展的重要推動力，誰能得到通信行業客戶的認可，必然會在大數據領域大有作為，進而成為大數據解決方案的領先者、領導者。
❹ 大數據傳統的企業管理存在著哪些問題
大數據時代傳統企業管理遇到的問題：
隨著信息化程度不斷提高，互聯網、物聯網、雲計算和智能手機終端等技術的不斷發展，數據的產生、存儲、傳播和分析等，不論從數量、方式方法上都較以往有了天壤之別，大數據時代給各行各業帶來了巨大的沖擊，給傳統的企業管理帶來一系列挑戰。
1、企業決策過程
傳統企業的經營決策往往更多地依靠企業的管理者，依靠管理者的經驗、直覺和魄力，這樣的企業在以前可能會發展壯大，但是缺乏對決策管理過程的監控，缺乏對數據的搜集、提取和分析，沒有明確數據與決策結果的關聯關系。另外，傳統企業的數據分散在各個部門，數據的集中度不高，人們對其關注程度也不高。隨著大數據時代的到來，傳統企業的組織結構和決策過程必將面臨前所未有的考驗。
2、智能化、信息化程度不夠
大數據的「4V」特徵在數據存儲、傳輸、分析、處理等方面較以往均有本質變化。數據量幾何倍數的增長，對存儲技術提出了挑戰，需要高速信息傳輸能力支持，對非結構化的數據、低密度有價值數據的快速分析和處理能力提出更高要求。據統計，企業中85%的數據都屬於非結構化、低密度的數據，大多數企業現有的數據處理方法和系統無法將大量的非結構化數據進行處理。另外，隨著數據量的快速增長，對數據的存儲、傳輸能力也提出更高的要求，這都將成為企業在大數據時代遇到的難題。
3、信息安全問題
隨著大數據的發展，企業的海量數據中不僅包括業務數據、客戶數據、公司內部數據，也不乏大量個人信息，數據本身的安全及個人隱私面臨著泄露的挑戰。大數據環境下通過對用戶數據的深度分析，很容易了解用戶行為和喜好，嚴重的將導致企業的商業機密及個人隱私泄露。如何保證商業秘密、個人隱私秘密等安全問題，對企業是一道難題。
4、人力資源匱乏
大數據改變了企業的傳統管理思維，大數據時代的到來企業的管理者和員工都需要重新認識數據的重要性，提高相應的素質才能勝任原有的職位。在大數據時代，對數據的處理和分析已經超出了信息化的范疇，超出了市場營銷的范疇，超出了運營管理的范疇，需要具有綜合能力的人才，需要有相應新的部門來整合數據資源。對大數據的處理需求，必須有專業的數據分析人才運用這些大數據，才能將其轉化為經濟價值，數據人才必須能夠深入了解企業業務與組織，具有統計應用知識、熟悉大數據數據分析工具的運用等，這就要求數據分析人員必須有整合運用3項基本技能的要求，而傳統企業這方面人才非常稀少。
❺ 大數據時代的發展所面臨的挑戰有哪些
挑戰一：業復務部門沒有清晰的大制數據需求。
挑戰二：企業內部數據孤島嚴重。
挑戰三：數據可用性低，數據質量差。
挑戰四：數據相關管理技術和架構。
挑戰五：數據安全。
❻ 大數據安全的六大挑戰
大數據安全的六大挑戰_數據分析師考試
大數據的價值為大家公認。業界通常以4個「V」來概括大數據的基本特徵——Volume(數據體量巨大)、Variety(數據類型繁多)、Value(價值密度低)、Velocity(處理速度快)。當你准備對大數據所帶來的各種光鮮機遇大加利用的同時，請別忘記大數據也會引入新的安全威脅，存在於大數據時代「潘多拉魔盒」中的魔鬼可能會隨時出現。
挑戰一：大數據的巨大體量使得信息管理成本顯著增加
4個「V」中的第一個「V」(Volume)，描述了大數據之大，這些巨大、海量數據的管理問題是對每一個大數據運營者的最大挑戰。在網路空間，大數據是更容易被「發現」的顯著目標，大數據成為網路攻擊的第一演兵場所。一方面，大量數據的集中存儲增加了泄露風險，黑客的一次成功攻擊能獲得比以往更多的數據量，無形中降低了黑客的進攻成本，增加了「攻擊收益」;另一方面，大數據意味著海量數據的匯集，這裡面蘊藏著更復雜、更敏感、價值巨大的數據，這些數據會引來更多的潛在攻擊者。
在大數據的消費者方面，公司在未來幾年將處理更多的內部生成的數據。然而在許多組織中，不同的部門像財務、工程、生產、市場、IT等之間的信息仍然是孤立的，各部門之間相互設防，造成信息無法共享。那些能夠在不破壞壁壘和部門現實優勢的前提下更透明地溝通的公司將更具競爭優勢。
【解決方案】 首先要找到有安全管理經驗並受過大數據管理所需要技能培訓的人員，尤其是在今天人力成本和培訓成本不斷上升的節奏中，這一定足以讓許多CEO肝顫，但這些針對大數據管理人員的巨額教育和培訓成本，是一種非常必要的開銷。
與此同時，在流程的設計上，一定要將數據分散存儲，任何一個存儲單元被「黑客」攻破，都不可能拿到全集，同時對於不同安全域要進行准確的評估，像關鍵信息索引的保護一定要加強，「好鋼用在刀刃上」，作為數據保全，能夠應對部分設施的災難性損毀。
挑戰二：大數據的繁多類型使得信息有效性驗證工作大大增加
4個「V」中的第二個「V」(Variety)，描述了數據類型之多，大數據時代，由於不再拘泥於特定的數據收集模式，使得數據來自於多維空間，各種非結構化的數據與結構化的數據混雜在一起。
未來面臨的挑戰將會是從數據中提取需要的數據，很多組織將不得不接受的現實是，太多無用的信息造成的信息不足或信息不匹配。我們可以考慮這樣的邏輯：依託於大數據進行演算法處理得出預測，但是如果這些收集上來的數據本身有問題又該如何呢?也許大數據的數據規模可以使得我們無視一些偶然非人為的錯誤，但是如果有個敵手故意放出干擾數據呢?現在非常需要研究相關的演算法來確保數據來源的有效性，尤其是比較強調數據有效性的大數據領域。
正是因為這個原因，對於正在收集和儲存大量客戶數據的公司來說，最顯而易見的威脅就是在過去的幾年裡，存放於企業資料庫中數以TB計，不斷增加的客戶數據是否真實可靠，依然有效。
眾所周知，海量數據本身就蘊藏著價值，但是如何將有用的數據與沒有價值的數據進行區分看起來是一個棘手的問題，甚至引發越來越多的安全問題。
【解決方案】 嘗試盡可能使數據類型具體化，增加對數據更細粒度的了解，使數據本身更加細化，縮小數據的聚焦范圍，定義數據的相關參數，數據的篩選要做得更加精緻。與此同時，進一步健全特徵庫，加強數據的交叉驗證，通過邏輯沖突去偽存真。
挑戰三：大數據的低密度價值分布使得安全防禦邊界有所擴展
4個「V」中的第三個「V」(Value)，描述了大數據單位數據的低價值。這種廣種薄收似的價值量度，使得信息效能被攤薄了，大數據的安全預防與攻擊事件的分析過程更加復雜，相當於安全管理范圍被放大了。
大數據時代的安全與傳統信息安全相比，變得更加復雜，具體體現在三個方面：一方面，大量的數據匯集，包括大量的企業運營數據、客戶信息、個人的隱私和各種行為的細節記錄，這些數據的集中存儲增加了數據泄露風險;另一方面，因為一些敏感數據的所有權和使用權並沒有被明確界定，很多基於大數據的分析都未考慮到其中涉及的個體隱私問題;再一方面，大數據對數據完整性、可用性和秘密性帶來挑戰，在防止數據丟失、被盜取、被濫用和被破壞上存在一定的技術難度，傳統的安全工具不再像以前那麼有用。
【解決方案】 確立有限管理邊界，依據保護要求，加強重點保護，構建一體化的數據安全管理體系，遵循網路防護和數據自主預防並重的原則，並不是實施了全面的網路安全護理就能徹底解決大數據的安全問題，數據不丟失只是傳統的邊界網路安全的一個必要補充，我們還需要對大數據安全管理的盲區進行監控，只有將二者結合在一起，才是一個全面的一體化安全管理的解決方案
挑戰四：大數據的快速處理要求使得獨立決策的比例顯著降低
「4個「V」中最後一個「V」(Velocity)，決定了利用海量數據快速得出有用信息的屬性。
大數據時代，對事物因果關系的關注，轉變為對事物相關關系的關注。如果大數據系統只是一種輔助決策系統，這還不是最可怕的。事實上，今天大數據分析日益成為一項重要的業務決策流程，越來越多的決策結果來自於大數據的分析建議，對於領導者最艱難的事情之一，是讓我的邏輯思考來做決定，還是由機器的數據分析做決定，可怕的是，今天看來，機器往往是正確的，這不得不讓我們產生依賴。試想一下，如果收集的數據已經被修正過，或是系統邏輯已經被控制了呢!但是面對海量的數據收集、存儲、管理、分析和共享，傳統意義上的對錯分析和奇偶較驗已失去作用。
【解決方案】 在依靠大數據進行分析、決策的同時，還應輔助其他的傳統決策支持系統，盡可能明智地使用數據所告訴我們的結果，讓大數據為我們所用。但絕對不要片面地依賴於大數據系統。
挑戰五：大數據獨特的導入方式使得攻防雙方地位的不對等性大大降低
在大數據時代，數據加工和存儲鏈條上的時空先後順序已被模糊，可擴展的數據聯系使得隱私的保護更加困難。過去傳統的安全防護工作，是先紮好籬笆、築好牆，等待「黑客」的攻擊，我們雖然不知道下一個「黑客」是誰，但我們一定知道，它是通過尋求新的漏洞，從前面逐層進入。守方在明處，但相比攻方有明顯的壓倒性優勢。而在大數據時代，任何人都可以是信息的提供者和維護者，這種由先天的結構性導入設計所帶來的變化，你很難知道「它」從哪裡進來，「哪裡」才是前沿。這種變化，使得攻、防雙方的力量對比的不對等性大大下降。
同時，由於這種不對等性的降低，在我們用數據挖掘和數據分析等大數據技術獲取有價值信息的同時，「黑客」也可以利用這些大數據技術發起新的攻擊。「黑客」會最大限度地收集更多有用信息，比如社交網路、郵件、微博、電子商務、電話和家庭住址等信息，大數據分析使「黑客」的攻擊更加精準。此外，「黑客」可能會同時控制上百萬台傀儡機，利用大數據發起僵屍網路攻擊。
【解決方案】 面對大數據所帶來新的安全問題，有針對性地更新安全防護手段，增加新型防護手段，混合生產數據和經營數據，多種業務流並行，增加特徵標識建設內容，增強對數據資源的管理和控制。
挑戰六：大數據網路的相對開放性使得安全加固策略的復雜性有所降低
在大數據環境下，數據的使用者同時也是數據的創造者和供給者，數據間的聯系是可持續擴展的，數據集是可以無限延伸的，上述原因就決定了關於大數據的應用策略要有新的變化，並要求大數據網路更加開放。大數據要對復雜多樣的數據存儲內容做出快速處理，這就要求很多時候，安全管理的敏感度和復雜度不能定得太高。此外，大數據強調廣泛的參與性，這將倒逼系統管理者調低許多策略的安全級別。
當然，大數據的大小也影響到安全控制措施能否正確地執行，升級速度無法跟上數據量非線性增長的步伐，就會暴露大數據安全防護的漏洞。
【解決方案】 使用更加開放的分布式部署方式，採用更加靈活、更易於擴充的信息基礎設施，基於威脅特徵建立實時匹配檢測，基於統一的時間源消除高級可持續攻擊(APT)的可能性，精確控制大數據設計規模，削弱「黑客」可以利用的空間。
大數據時代已經到來，大數據已經產生出巨大影響力，並對我們的社會經濟活動帶來深刻影響。充分利用大數據技術來挖掘信息的巨大價值，從而實現並形成強有力的競爭優勢，必將是一種趨勢。面對大數據時代的六種安全挑戰，如果我們能夠予以足夠重視，採取相應措施，將可以起到未雨綢繆的作用。
以上是小編為大家分享的關於大數據安全的六大挑戰的相關內容，更多信息可以關注環球青藤分享更多干貨
❼ 大數據時代:數據安全管理是最大風險
大數據時代:數據安全管理是最大風險
大數據時代的來臨，對中國來說面臨安全管理能力、存儲及處理能力、應用能力和人才培養能力等多方面的新挑戰。
大數據的安全管理能力挑戰。數據安全管理問題，是我國應用大數據面臨的最大風險。雖然將海量數據集中存儲，方便了數據分析和處理，但由於安全管理不當所造成的大數據丟失和損壞，則將引發毀滅性的災難。有專家指出：由於新技術的產生和發展，對隱私權的侵犯已經不再需要物理的、強制性的侵入，而是以更加微妙的方式廣泛衍生，由此所引發的數據風險和隱私風險，也將更為嚴重。
當前，我國對大數據的保護能力還十分有限，數據被惡意使用的現象仍然難以掌控。我國個人和企業對於數據資源的保護意識，還比較薄弱。隨著電子商務、社交網路、物聯網、雲計算、以及移動互聯網的全面普及，我國數據資源與全球的數據資源一樣，正在呈現爆發性、多樣性的增長態勢。但是，由於對數據保護認識的不足，以及對個人電腦安全防護的不當，個人或企業的隱私數據暴露在互聯網上的現象十分普遍。2011年，我國最大程序員網站的600萬個人信息和郵箱密碼被黑客公開，進而引發了連鎖的泄密事件。2013年，中國人壽80萬客戶的個人保單信息發現被泄露。這些事件都凸顯出在大數據時代，信息安全管理所面臨的、前所未有的挑戰。
大數據的存儲及處理能力挑戰。當前，我國大數據存儲、分析和處理的能力還很薄弱，與大數據相關的技術和工具的運用也相當不成熟，大部分企業仍處於IT產業鏈的低端。我國在資料庫、數據倉庫、數據挖掘以及雲計算等領域的技術，普遍落後於國外先進水平。
在大數據存儲方面，數據的爆炸式增長，數據來源的極其豐富和數據類型的多種多樣，使數據存儲量更龐大，對數據展現的要求更高。而目前我國傳統的資料庫，還難以存儲如此巨大的數據量。在大數據的分析處理方面，由於針對具體的應用類型，需要採用不同的處理方式，因此必須通過建立高級大數據的分析模型，來實現快速抽取大數據的核心數據、高效分析這些核心數據並從中發現價值，而這些數據分析能力我國還很欠缺。
因此，如何提高我國對大數據資源的存儲和整合能力，實現從大數據中發現、挖掘出有價值的信息和知識，是當前我國大數據存儲和處理所面臨的挑戰。
大數據的應用能力挑戰。我國擁有龐大的人口資源和大數據應用市場，市場復雜度高且變化多端，使我國成為世界上最復雜的大數據國家。我國互聯網用戶，通過利用互聯網上的海量數據來提升自身的商業價值和科研價值。我國企業用戶，也已積累了大量的數據信息資產，如產品數據、運營數據和價值鏈數據等。隨著我國企業信息化系統的深入部署和逐步完善，大數據應用能力所引發的商業模式的改變，將直接影響我國企業的競爭能力。
在政府決策方面，當前我國政府部門的數據規模還很小，多數仍集中在對結構化數據的應用上，而對於非結構化數據的利用則幾乎為空白。利用數據分析來支撐政府決策，我國做得還很不夠。從認識到「大數據能產生價值」，到實現了「從大數據中找到價值」，再到「有效使用大數據產生的價值」，政府目前也只是剛剛起步。當前，如何收集數據、使用數據、開放數據、管理數據和利用數據來支撐決策，是我國面臨的又一新挑戰。
大數據的人才培養能力挑戰。大數據領域技術人才和商業人才的缺乏，是一個全球性的問題。根據麥肯錫的一項研究顯示，僅美國每年就有14萬到19萬名數據科學家的缺口，預計到2018年將達到44萬到49萬，而數據科學家則更是嚴重缺乏。
我國大數據分析專業人才缺口究竟有多大，有專家粗略估算至少需要100萬人。當前，具備綜合掌控數學、統計學、機器學習等方面知識的復合型人才，同時又可承擔數據分析和數據挖掘的數據科學家，在我國尤為奇缺。目前，我國初級的分析人員只能對數據進行簡單的報表和進行描述性分析，而隨著未來大數據應用的不斷增長，我國大數據人才儲備不足的問題將更加嚴重。因此，培養能夠解決大數據問題所需的人才，包括培養大數據分析人才和管理人才，是我們需要面對的又一緊迫問題。
❽ 大數據下企業管理會計面臨什麼機遇和挑戰
大數據是人類社會進步的又一重大標志，它的出現，使人們的生活與工作更加輕松。而在當前情況下，企業競爭日益激烈，管理會計的信息收集、數據處理速度、質量，以成為企業發展的關鍵，因此，如何在大數據時代下，把握時機，提高管理會計對企業發展的推動力，將值得我們深思。
一、大數據時代下企業管理會計面臨的挑戰
1、企業對管理會計的重視程度不夠高
大數據時代的到來為企業提供了更多的發展機遇，企業應當擁有更廣闊的發展空間。但是，現下企業發展的實際情況並不容樂觀。大數據時代是信息技術發展的產物，我國企業中只有一小部分企業對管理會計有足夠的重視，其餘的企業不是對管理會計的認識過於片面，就是並不了解數據時代管理會計的概念。許多企業管理者單純關注企業的經營效益，忽視了內部的管理，因而管理會計並沒有機會發揮作用。除此之外，很多中小企業將自身從大數據時代分割出去，錯失大數據時代的發展機遇，故步自封，逐漸被激烈的市場競爭淘汰。
2、數據儲存空間小、分析技術不完善
大數據時代的「大」是企業面臨的信息量大和信息存儲規模大的體現。調查研究的結果表明，到2020年，人類生產和消費的數據量預計會達到44ZB。越來越大的數據對存儲空間的要求也相應提高。但是目前市場中，大多數企業的信息存儲空間都偏小，並不能適應大數據時代的要求。即使人們已經認識到數據信息對人類發展的重要性，但是由於信息技術水平的限制，人們並不能充分挖掘數據信息為我們帶來的寶貴財富，僅僅掌握傳統的數據分析方法很難在非結構化的數據中找到有價值的信息。由此可見，如果信息技術水平不能夠得到及時的提升，就會降低企業信息的准確性，從而影響企業的經營效益。
3、管理會計工作人員素質普遍偏低
在信息時代下，企業之間的競爭不僅是經營和科技水平的競爭，還有人才的競爭。人作為生產力中最具決定性的因素，對企業的生產和發展有著不可估量的作用。在對復合型人才需求極高的時代中，我國並沒有足夠的高素質管理會計人才。不只是我國，世界范圍內的企業都缺乏相應的高素質管理會計人才。在大數據時代的背景下，數據的種類越多、規模越大，對管理會計的要求就越高。普通的管理會計人才不能將深層的信息價值挖掘出來，無法適應新時代經濟發展的需求。因此，管理會計人才的缺失無形之中造成了企業的損失。
錦綉·上旬2021年4期