大數據四個強化是什麼

1. 淺議大數據時代如何加強稅收風險管理

內容提要：「大數據」時代的到來，為稅收風險管理提供了新機遇，帶來了新挑戰。本文在分析大數據為稅收風險管理提供契機的基礎上，結合基層稅務機關工作實踐，嘗試提出相應的稅收風險管理策略和建議，提升風險管理水平。

關鍵字：大數據，稅收風險管理

稅收風險管理是提升稅收征管質量、提高納稅人稅收遵從度的重要手段，「大數據含頃」時談局陸代的到來又為稅收風險管理提出了新的要求，如何運用大數據提升稅收風險管理水平，是新形勢下基層稅務機關面臨的巨大挑戰。

一、大數據時代的稅收風險應對的機遇與挑戰

（一）涉稅數據規模大，速度呈現跳躍性增長。大數據時代的進步，給稅務管理以信息管稅帶來了前所未有的機遇：現成的網路資源和真實的數據基礎。「信息管稅」，內涵要求是管住信息，沒有信息談何信息管稅。2011年地稅就實現了征管數據的全國大集中，標志已經步入了「數據驅動決策方法」的大數據時代，據統計，「金稅三期」工程在全國推行後，數據量和業務量將會極大地增長，數據規模的增長速度也會呈跳躍性增長。

（二）涉稅信息採集和掌握比較困難。大數據時代的進步，給稅務管理以信息管稅帶來的挑戰也是前所未有的，理論上客觀存在的這些涉稅信息，稅務系統是既看不著，也摸不著。面對這突變發展的大數據時代，由於落後的稅務征管信息系統背離大數據時代互通特徵與現實應用的網路資源脫節臘拆，所以征管系統現存的數據就不可能做到完整、真實、准確。而由於不重視文明、進步社會管理的基本理理念，至今尚未開展稅源信息標准化的基礎工作，致使社會稅源信息五花八門，其產生只能將就各市場主體自身業務推進的需要，不能滿足稅源信息採集的需要，進入大數據時代就如何採集和掌握現實稅源信息成了信息管理最大的難題。

二、大數據時代下基層稅務機關稅收風險管理現狀

（一）稅收風險管理專業人才匱乏。在大數據時代中，稅收風險管理要通過建立風險監控模型，來進行預測分析。特別是面對海量的數據，監控模型能左右著稅收風險管理的成敗。能建立或者組織建立風險監控模型的人才首先要有專業的稅收業務知識、要熟練掌握稅收應用系統、要有大數據的理念、熟悉數據的來源和構成，同時還要有創新意識和奉獻精神。在基層稅務機關，這種風險管理領域的專業人才少，導致工作實績不明顯。

（二）數據獲取不全面。風險管理必須依靠大量正確的數據信息，金稅三期的推行，解決了內部數據獲取的問題，但是，納稅人的生產經營信息、財務信息以及第三方信息的獲取渠道仍然有限。基層稅務機關無法像總局大企業司的全流程風險監控那樣獲取信息，外部涉稅信息主要來源於自行報送，獲取信息的范圍狹窄、渠道少且不準確。一些對風險分析至關重要的物流、資金流信息數據無法取得。同時，金稅三期等含有無效甚至垃圾數據，嚴重影響了風險監控的准確性。

（三）思想認識上有偏差。風險管理的基礎是信息的採集，也就是對數據的處理。在基層稅務機關，多數人認為稅收數據是信息中心的活。因此，把數據管理也看成了技術活，一方面覺得事不關己高高掛起，另一方面會認為數據管理高深莫測的，遙不可及。其實數據是業務載體和表現形式，是決定風險管理質量的基礎和關鍵所在。

（四）涉稅數據更新不及時。稅務管理包括稅務登記、納稅申報、稅款徵收、發票管理、納稅評估、稅務稽查等產生的涉稅信息資源，構成了稅務機關征管系統的主體數據。由於採集方式多以手工錄入為主，數據在質量上，特別是在完整性、准確性、規范性、邏輯性等方面，依然難以滿足稅收風險管理的需要。另外，不同納稅人的名稱、生產經營地、法人、財務負責人、經營范圍經常變化，使稅務機關征管系統的數據很難做到隨時更新，也給稅收風險管理帶來難題。

（五）數據分析技術能力有待提高。在基層稅務機關，絕大多數的數據分析仍停留在簡單的查詢和比對層面，缺乏行之有效的數據分析工具，使大量沉積在業務操作層的數據尚未有效轉換為管理決策層所需要的信息，即使是納稅人提供的網上申報數據和財務報表數據電子信息，也難以實現所有信息的全面自動讀取、分類加工。稅務機關難以對這些數據進行深層次的分析，獲得更有價值的信息，對數據所反映出的稅收風險、經濟內涵進行分析監控乏力，沒有建立稅收與相關經濟數據之間的關聯模型，難以對現有數據進行數理統計和趨勢預測分析，不能為管理決策提供科學、有效的信息支撐。

三、稅收風險管理適應大數據時代發展的建議與對策

（一）強化以數治稅理念。將該理念貫穿於稅收征管改革和體系建設的全過程，引導基層稅務幹部正確理解大數據的核心理念，培養大數據的思維方式，自覺運用大數據查找風險疑點，開展風險排查和應對，營造用數據管理、用數據決策、用數據創新的風險管理氛圍。強化稅收風險共治理念。立足工作實際，以科學有效的稅收風險共治平台為支撐，持續推進稅務部門、納稅人、政府部門、社會組織在稅收風險管理上的深度合作和協同治理，構 建黨 政領導、稅務主責、部門合作、社會協同、公眾參與的稅收風險共治模式，實現部門之間數據信息的開放共享、互聯互通和深度應用，形成風險管理合力。

（二）建立良性的風險監管工作機制。基層稅務機關可以建立本地區專門的風險監控管理機構。並且明確各崗位的職責許可權：稅源管理和納稅服務部門在變管戶為管事的基礎上，深化納稅服務，同時提供個性化的納稅服務，比如建立對話、幫助簽訂稅收遵從協議等。風險監控部門可以看成是既有稅收業務知識和一定數據管理水平的成員組成的本地區團隊，負責數據管理、設計並更新維護本地區風險監控指標、對稅收風險進行分析識別、向相關部門進行風險推送。納稅評估部門接收推送過來的風險任務、採取納稅評估或者稅務審計等手段進行風險應對、同時將風險應對結果向相關部門推送。綜合業務部門在執行稅收政策的同時，審核風險應對結果，同時向風控部門推送風險應對的審核結果，為其更新和完善風險監控指標提供依據，由此形成了一個協調配合、聯動監督、良性互動的閉環工作模式。

（三）建立以風險管理為導向的扁平化立體式征管模式。為積極應對大數據時代給稅收風險管理帶來的挑戰，應進一步明確職能，規范流程，建立上下聯動、橫向互動的兩級任務中心，形成扁平化立體式征管模式，以適應稅收風險管理工作的開展。同時，按照納稅人的「規模或行業+征管事項分類」的原則，結合稅源結構特點設置與風險管理相適應的稅源管理機構，形成事項分類管理、風險專門應對，科學化、專業化、精細化更加突出的征管模式。通過征管模式的重構，形成市局、基層局相互呼應、互為依託、相互補充、共同提升的工作模式，繼續提升大數據時代地稅部門的工作質效。

（四）提升數據採集和應用能力。稅收大數據是稅務部門最核心和關鍵的征管資源。為了不斷提升稅務機關的核心競爭力，必須加強對稅收大數據的交換共享、智能比對和邏輯相關分析，拓寬採集渠道，全面獲取各方各類涉稅信息。對地稅內部、外部海量涉稅數據信息進行全面歸集採集、整合加工，實現「信息+數據」增值應用，著力突破征納雙方信息不對稱的管理瓶頸，有效促進納稅遵從和管理增效。在信息採集方面，一是繼續做好政府部門涉稅信息採集工作。充分發揮《江西省地方稅收保障條例》的作用，繼續爭取政府和相關職能部門的大力支持，發揮跨部門信息交換和共享平台作用，形成跨部門協同治理格局，全面准確及時地獲取涉稅信息，形成全面實時、動態化的稅源監控網路，有效加強地方稅收征管。二是繼續加強互聯網涉稅信息的採集力度。充分利用互聯網海量資源，甄別、採集、整合上市公司中涉及企業的有效數據，為稅收管理提供數據基礎。

（五）多措並舉，不斷提升數據應用的有效性。一是規范數據質量管理。嚴格規范納稅人的財務報表、基本資料等基礎數據信息，把好數據入口關、校驗關；
同時，對通過風險管理發現的數據質量問題進行跟蹤管理，確保錯誤數據及時得到更正；
注重發揮納稅輔導提示、服務作用，提醒納稅人重視數據質量並及時更正錯誤數據。二是做好數據整合應用。其一，實現稅務系統內部信息的有機整合和結構化存儲。對稅收征管主體軟體、發票系統、風險管理等各系統中的涉稅信息，第三方渠道採集的各類信息，以及稅務人員在實地巡查、約談、評估、稽查中獲取的各類信息，進行有機整合和一戶式歸集，建立起統一規范的納稅人數據倉庫，在各級稅務機關、各稅種管理部門、前台服務人員之間，按照職能許可權實行信息開放和增值應用。其二，加強內外部數據的合作應用。對內，加強市局各業務處的合作，共同探討信息分析應用途徑；
積極徵求基層局意見建議，了解信息的有效性、針對性，通過信息分析方與應用方的對接，形成數據採集、整理、運用的良性互動，進一步提升信息應用效率。對外，加強與國稅、財政等部門的合作，對獲取的數據進行綜合分析，共同應用，互利共贏，共同提升信息應用水平。

（六）建立人才培養機制，打造專業稅收風險分析管理團隊。以風險分析、應對納稅、調整賬務處理、計算機操作技能和評估約談技巧等為主要內容，組織開展風險管理能力培訓，激發幹部業務學習活力；
要優化組合，合理配備資源，使得人盡其才。逐步建立一支綜合素質高、專業技能強的專業化風險管理團隊。加強風險管理隊伍建設。結合「數字人事」和個人績效管理，將管、考、訓、用有效統一, 圍繞打造風險管理專業團隊的目標加強業務培訓,面向風險管理人員定期考核,優化激勵機制，重視工作實績，促進風險管理人員自覺學習業務、鑽研業務,不斷提高風險管理能力和水平。

參考文獻

（1）彭驥鳴曹永旭 韓曉琴 《大數據時代稅源專業化管理面臨的機遇與挑戰》，《稅收經濟研究》，2013年6期

（2）林偉勝 許卓偉 《大數據時代信息系統建設的一些思考》，《信息與電腦》,2013年1期

（3）阿里2014財年數據,2014

（4）趙國棟 《大數據時代的三大發展趨勢》，高科技與產業化，2013

（5）孫開沈昱池 《大數據，構建現代稅收征管體系的推進器》，《稅務研究》，2015年1期

（6）劉暢 《大數據背景下需改革稅收征管模式》，《稅收征納》2014年12期

2. 大學生怎麼運用大數據建設社會主義

一、大數據及其特點
大數據目前尚無明確定義。維基網路對大數據的定義是：大數據是指所涉及的數據量規模巨大到無法通過目前主流軟體工具，在合理時間內達到截取、管理、處理並整理成為幫助企業經營決策更積極目的的信息【1】。徐子沛在《大數據》一書中將大數據定義為：指那些大小已經超出了傳統意義上的尺度，一般的軟體工具難以捕捉、存儲、管理和分析的數據【2】。《大數據時代》的作者維克·托邁爾·舍恩伯格認為，「大數據是人們在大規模數據的基礎上可以做到的事情，而這些事情在小規模數據的基礎上是無法完成的。大數據是人們獲得新的認知、創造新的價值的源泉；大數據還是改變市場、組織機構，以及政府與公民關系的方法。」【3】8-9《人民日報》在采訪他時，他曾說：「在我看來，大數據是一種價值觀、方法論，我們面臨的不是隨機樣本，而是全體數據；不是精確性，而是混雜性；不是因果關系，而是相關關系。這是一場思維的大變革，更是一個互動的過程——你可以用不同的角度、不同的方式去做大數據，並得到不一樣的結果與好處。」【4】據此，筆者認為：大數據是大規模數據中，可以通過有效技術手段快速獲取、存儲、管理並分析出可以推動社會發展的有價值的數據。
目前普遍認可大數據的四個基本特徵，即4V特性：規模大（Volume）、來源廣泛且類型多樣（Variety）、獲取及處理速度快（Velocity）、價值密度低（Value）。
數據規模大（Volume）。現代意義上的「數據」，范疇比信息還要大。進入信息時代，「數據」二字的內涵開始擴大：不僅指代「有根據的數字」，還統指一切保存在電腦中的信息，包括文本、圖片、視頻等。數據也逐漸成為「數字、文本、圖片、視頻」等的統稱，也即「信息」的代名詞。【6】256-257
數據來源廣泛、類型多樣（Variety）。信息時代，數據的獲取途徑不僅限於計算，還包括大記錄，即人們通過手機、個人電腦、ipad等終端上傳到網路的海量數據以及個人存儲在手機、個人電腦等終端中的數據。數據的類型也不再局限於原始的計算數據、結構化數據，還包括人們在日常生活中隨手記錄、保存、上傳至網路平台的圖片、音頻、視頻等非結構化數據。
數據獲取及處理速度快（Velocity）。數據來源的多樣化致使數據日益公開化、社會化，數據獲取更為方便、快捷、全面。伴隨大數據發展而誕生的數據處理技術使得數據處理速度遠遠快於傳統數據時代，數據處理日益規模化、軟體化、智能化。
價值密度低（Value）。價值密度的高低與數據總量的大小成反比，大數據本身的價值密度是相對較低的，需要對海量的數據進行挖掘分析才能得到真正有用的信息，形成用戶價值。【5】基於海量數據基礎上形成的某一領域或某一特定內容形成的信息，相關性更強、信息更為全面，效果更佳明顯，價值高於傳統小數據分析得出的結論。
二、依託大數據推動社會主義核心價值觀建設的重要性
大數據已經融入到大學生日常生活中，大學生學習、生活、工作無處不體現大數據。一方面，大學生通過互聯網獲取學習資料、娛樂資訊、工作模板，成為大數據的享用者；另一方面，大學生搜索、下載學習資料留下數據痕跡，在微博等社交網路平台發表狀態、上傳生活照片以及工作過程中通過網路發布通知、活動內容，成為大數據的貢獻者。大數據與大學生息息相關，透過大學生可以了解學生的思想動態，亦可推動社會主義核心價值觀建設。
（一）大數據為社會主義核心價值觀建設提供良好的環境。
徐子沛在《數據之巔：大數據革命，歷史、現實與未來》中提到一個案例：2013年7月，有報道稱，華東師范大學的一位女生收到校方的簡訊：「同學你好，發現你上個月餐飲消費較少，不知是否有經濟困難？」這條溫暖的簡訊也要歸功於數據挖掘：校方通過挖掘校園飯卡的消費數據，發現其每頓的餐費都偏低，於是發出了關心的詢問，但隨後發現這是一個美麗的錯誤——該女生其實是在減肥。【6】275這個案例說明可以通過大數據了解實時了解學生狀態，在當前東西方價值觀激烈碰撞的環境下，通過分析數據可以了解並掌握學生思想動態，做到早發現、早處理，對於為社會主義核心價值觀建設提供良好的環境有極為重要的意義。
（二）大數據為社會主義核心價值觀建設提供更為行之有效的方法。
價值觀教育並非一成不變、形式單一，目前高校社會主義核心價值觀教育方式主要有課堂教學、主題班會、高校講座、社會實踐以及網路自主獲取等形式。那麼，這些方式哪些是學生更喜聞樂見、接受主動性更強的方式？有沒有尚未發掘的、學生潛意識中更易於接受的價值觀教育方式？以課堂教學為例，學生是更傾向於教師講課學生聽的形式還是互動教學形式？如果把視頻教學納入到課堂教學中，那麼視頻內容是什麼樣的，多長的視頻最優化，以何種形式展現，等等，都是值得探討的問題。問卷調查、抽樣調查等方式獲取的數據量小、不夠全面、不完全具有代表性，且學生填寫調查問卷具有自我意識，問卷結果未必是學生真實想法。大數據是通過高校大學生在網路上發布海量資訊中獲取，如學生通過QQ、微信、飛信等溝通軟體，人人網、新浪微博、大學生在線等網路社交平台以及郵箱、Dropbox等數據共享平台發布的數據。數據更公開、更廣泛、更全面、更真實，通過分析得出的結論更具有說服力。通過分析高校大學生思想動態大數據，可以全面、時時了解學生接受價值觀教育的趨向性方式。依據不同年級、不同專業、不同高校學生特點，採用不同形式進行價值觀教育，真正做到「因材施教」。
（三）大數據有效掌握高校社會主義核心價值觀建設動態情況。
社會主義核心價值觀建設是一項艱巨的長期工程，其過程具有動態性、延展性，需要提前、時時把握價值觀建設狀態、發展動態、發展趨勢，隨時調整價值觀建設的方法、形式、重點。基於網路數據的信息挖掘，不需要逐一調查，成本低廉，更重要的是，這種分析是實時的，沒有滯後性【6】268。
三、依託大數據推動社會主義核心價值觀建設的途徑
（一）樹立大數據觀念
大數據絕不僅僅是科研的高端產品，大數據存在於我們的日常生活中。沃爾瑪通過數據挖掘發現顧客潛在意識——父親在買尿布時往往會順便買啤酒——捆綁「啤酒和尿布」提高銷量；亞馬遜通過數據挖掘——分析顧客的購買規律——「預判發貨」，即在網購時，顧客還沒有下單，亞馬遜就將包裹寄出；奈飛公司利用客戶的網上點擊記錄，預測其喜歡觀看的內容，實現精準營銷。
在高校中，數據和數據分析的價值更是隨處可以得到體現，高校思想政治教育工作已經具備了大數據的特徵【7】。建設核心價值觀，充分發揮大數據的價值，需要高校學生工作者強化大數據意識，提高對數據的敏感意識、前瞻意識，培養數據共享意識、動態意識，數據不是一成不變的，要不斷接受新數據、挖掘新信息。根據對數據的分析，個性化推動社會主義核心價值觀建設。
（二）建立大資料庫
數據是大數據時代社會主義核心價值觀建設的基礎。建立大資料庫的方式有兩種：對內，匯總校園內通過高校信息網路中心的數據及學生在各平台發布的信息；對外，搜集政府、社會發布的與核心價值觀建設相關的信息。學校電子網路信息、學生交流使用的網路電子平台、校園各單位為方便服務管理而統計保存的各種信息匯總以及校園安全服務網路使用的攝像頭、門禁器等產生的信息數據。
（三）培養大數據工作隊伍
光有數據沒有分析人才，那麼數據永遠只是一堆數字，沒有任何價值。大數據價值密度低的特點要求數據分析者設計能完成特定任務的軟體或程序，智能分析海量數據。高校社會主義核心價值觀建設工作人員主要以高校學生工作處、思政教師及輔導員為主，需要在這批人員中培養一批思想政治覺悟高、政治理論水平高人員專門從事該項事務，提高他們的大數據意識和大數據處理能力，適應大數據時代社會對大學生數據能力的需求。

3. 《大數據產業發展規劃(2016-2020年)》指導思想與目標——斜桿第二步（9）

數據是國家基礎性戰略資源，是21世紀的「鑽石礦」。...，實施國家大數據戰略，落實國務院《促進大數據發展行動綱要》，按照《國民經濟和社會發展第十三個五年規劃綱要》的總體部署，編制本規劃。

一、我國發展大數據產業的基礎

大數據產業指以數據生產、採集、存儲、加工、分析、服務為主的相關經濟活動，包括數據資源建設、大數據軟硬體產品的開發、銷售和租賃活動，以及相關信息技術服務。

個人理解：大數據產業的界定

信息化積累了豐富的數據資源。

我國信息化發展水平日益提高，對數據資源的採集、挖掘和應用水平不斷深化。政務信息化水平不斷提升，全國面向公眾的政府網站達8.4萬個。智慧城市建設全面展開，「十二五」期間近300個城市進行了智慧城市試點。兩化融合發展進程不斷深入，正進入向縱深發展的新階段。信息消費蓬勃發展，網民數量超過7億，行動電話用戶規模已經突破13億，均居世界第一。月度戶均移動互聯網接入流量達835M。政府部門、互聯網企業、大型集團企業積累沉澱了大量的數據資源。我國已成為產生和積累數據量最大、數據類型最豐富的國家之一。

個人理解：這些指標是信息化關注的指標，可供參考；智慧城市有哪些，可進一步了解

大數據技術創新取得明顯突破。

個人理解：主要體現在軟硬體方面，在平台建設方面，在智能分析方面，在開源技術方面。

大數據應用推進勢頭良好。

個人理解：大數據在互聯網服務中提升網路社交、電商、廣告、搜索等服務的個性化和智能化水平，催生共享經濟等數據驅動的新興業態；大數據加速向傳統產業滲透，

大數據產業體系初具雛形

個人理解：表現在信息產業收入、大型數據中心、跨地區經營互聯網數據中心（IDC）業務、雲計算服務逐漸成熟。在大數據資源建設、大數據技術、大數據應用領域涌現出一批 新模式和新業態 。龍頭企業引領，上下游企業互動的 產業格局 初步形成。基於大數據的 創新創業 日趨活躍，大數據技術、產業與服務成為社會資本投入的熱點。

大數據產業支撐能力日益增強。

形成了大數據標准化工作機制，大數據標准體系初步形成，開展了大數據技術、交易、開放共享、工業大數據等國家標準的研製工作，部分標准在北京、上海、貴陽開展了試點示範。一批大數據技術研發實驗室、工程中心、企業技術中心、產業創新平台、產業聯盟、投資基金等形式的產業支撐平台相繼建成。大數據安全保障體系和法律法規不斷完善。

個人理解：大數據標准化工作機制（是什麼），大數據標准體系，產業支撐平台

三、指導思想和發展目標

（一）指導思想

全面貫徹黨的十八大和十八屆三中、四中、五中、六中全會精神，堅持創新、協調、綠色、開放、共享的發展理念，圍繞實施國家大數據戰略，以強化大數據產業創新發展能力為核心，以推動數據開放與共享、加強技術產品研發、深化應用創新為重點，以完善發展環境和提升安全保障能力為支撐，打造數據、技術、應用與安全協同發展的自主產業生態體系，全面提升我國大數據的資源掌控能力、技術支撐能力和價值挖掘能力，加快建設數據強國，有力支撐製造強國和網路強國建設。

個人理解：精神，理念，圍繞戰略，目標，重點，切入點，預期效果

（二）發展原則

創新驅動 。瞄準大數據技術發展前沿領域，強化創新能力，提高創新層次，以企業為主體集中攻克大數據關鍵技術，加快產品研發，發展壯大新興大數據服務業態，加強大數據技術、應用和商業模式的協同創新，培育市場化、網路化的創新生態。

個人理解：技術前沿，創新；大數據服務業態，創新生態；

應用引領 。發揮我國市場規模大、應用需求旺的優勢，以國家戰略、人民需要、市場需求為牽引，加快大數據技術產品研發和在各行業、各領域的應用，促進跨行業、跨領域、跨地域大數據應用，形成良性互動的產業發展格局。

個人理解：跨行業、跨領域、跨地域大數據應用，形成良性互動的產業發展格局

開放共享。

統籌協調。

安全規范。

（三）發展目標

到2020年，技術先進、應用繁榮、保障有力的大數據產業體系基本形成。大數據相關產品和服務業務收入突破1萬億元，年均復合增長率保持30%左右，加快建設數據強國，為實現製造強國和網路強國提供強大的產業支撐。

個人理解：這些指標體系，值得了解；大數據產業體系

—— 技術產品先進可控。

—— 應用能力顯著增強。

—— 生態體系繁榮發展。

—— 支撐能力不斷增強。

—— 數據安全保障有力。

4. 有誰知道大數據指的是什麼

大數據(big data)，或稱巨量資料，指的是所涉及的資料量規模巨大到無法通過目前主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。(在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》中大數據指不用隨機分析法（抽樣調查）這樣的捷徑，而採用所有數據的方法[2]）大數據的4V特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價值）。
說起大數據，就要說到商業智能：
商業智能（Business Intelligence，簡稱：BI），又稱商業智慧或商務智能，指用現代數據倉庫技術、線上分析處理技術、數據挖掘和數據展現技術進行數據分析以實現商業價值。

商業智能作為一個工具，是用來處理企業中現有數據，並將其轉換成知識、分析和結論，輔助業務或者決策者做出正確且明智的決定。是幫助企業更好地利用數據提高決策質量的技術，包含了從數據倉庫到分析型系統等。

商務智能的產生發展
商業智能的概念經由Howard Dresner(1989年)的通俗化而被人們廣泛了解。當時將商業智能定義為一類由數據倉庫（或數據集市）、查詢報表、數據分析、數據挖掘、數據備份和恢復等部分組成的、以幫助企業決策為目的技術及其應用。

商務智能是20世紀90年代末首先在國外企業界出現的一個術語，其代表為提高企業運營性能而採用的一系列方法、技術和軟體。它把先進的信息技術應用到整個企業，不僅為企業提供信息獲取能力，而且通過對信息的開發，將其轉變為企業的競爭優勢，也有人稱之為混沌世界中的智能。因此，越來越多的企業提出他們對BI的需求，把BI作為一種幫助企業達到經營目標的一種有效手段。

目前，商業智能通常被理解為將企業中現有的數據轉化為知識，幫助企業做出明智的業務經營決策的工具。這里所談的數據包括來自企業業務系統的訂單、庫存、交易賬目、客戶和供應商資料及來自企業所處行業和競爭對手的數據，以及來自企業所處的其他外部環境中的各種數據。而商業智能能夠輔助的業務經營決策既可以是作業層的，也可以是管理層和策略層的決策。

為了將數據轉化為知識，需要利用數據倉庫、線上分析處理（OLAP）工具和數據挖掘等技術。因此，從技術層面上講，商業智能不是什麼新技術，它只是ETL、數據倉庫、OLAP、數據挖掘、數據展現等技術的綜合運用。

把商業智能看成是一種解決方案應該比較恰當。商業智能的關鍵是從許多來自不同的企業運作系統的數據中提取出有用的數據並進行清理，以保證數據的正確性，然後經過抽取（Extraction）、轉換（Transformation）和裝載（Load），即ETL過程，合並到一個企業級的數據倉庫里，從而得到企業數據的一個全局視圖，在此基礎上利用合適的查詢和分析工具、數據挖掘工具、OLAP工具等對其進行分析和處理（這時信息變為輔助決策的知識），最後將知識呈現給管理者，為管理者的決策過程提供支持。

企業導入BI的優點
1.隨機查詢動態報表

2.掌握指標管理

3.隨時線上分析處理

4.視覺化之企業儀表版

5.協助預測規劃

導入BI的目的
1.促進企業決策流程(Facilitate the Business Decision-Making Process)：BIS增進企業的資訊整合與資訊分析的能力，匯總公司內、外部的資料，整合成有效的決策資訊，讓企業經理人大幅增進決策效率與改善決策品質。

2.降低整體營運成本(Power the Bottom Line)：BIS改善企業的資訊取得能力，大幅降低IT人員撰寫程式、Poweruser製作報表的時間與人力成本，而彈性的模組設計介面，完全不需撰寫程式的特色也讓日後的維護成本大幅降低。

3.協同組織目標與行動(Achieve a Fully Coordinated Organization)：BIS加強企業的資訊傳播能力，消除資訊需求者與IT人員之間的認知差距，並可讓更多人獲得更有意義的資訊。全面改善企業之體質，使組織內的每個人目標一致、齊心協力。

商業智能領域的技術應用
商業智能的技術體系主要有數據倉庫（Data Warehouse，DW）、聯機分析處理（OLAP）以及數據挖掘（Data Mining，DM）三部分組成。

數據倉庫是商業智能的基礎,許多基本報表可以由此生成,但它更大的用處是作為進一步分析的數據源。所謂數據倉庫（DW）就是面向主題的、集成的、穩定的、不同時間的數據集合，用以支持經營管理中的決策制定過程。多維分析和數據挖掘是最常聽到的例子,數據倉庫能供給它們所需要的、整齊一致的數據。

在線分析處理（OLAP）技術則幫助分析人員、管理人員從多種角度把從原始數據中轉化出來、能夠真正為用戶所理解的、並真實反映數據維特性的信息，進行快速、一致、交互地訪問，從而獲得對數據的更深入了解的一類軟體技術。

數據挖掘（DM）是一種決策支持過程，它主要基於AI、機器學習、統計學等技術，高度自動化地分析企業原有的數據，做出歸納性的推理，從中挖掘出潛在的模式，預測客戶的行為，幫助企業的決策者調整市場策略，減少風險，做出正確的決策。

商業智能的應用范圍
1.采購管理

2.財務管理

3.人力資源管理

4.客戶服務

5.配銷管理

6.生產管理

7.銷售管理

8.行銷管理

商業智能實施步驟

商業智能系統處理流程[1]
商業智能（BI）作為一個概念，描述與業務緊密結合，並且根據需要進行相關特性展示和數據處理的過程。

為了讓數據「活」起來，往往需要利用數據倉庫、數據挖掘、報表設計與展示、聯機在線分析（OLAP）等技術。數據或者數據源包含的種類繁多，例如存儲在關系型資料庫中的，在外圍數據文件中的，在業務流中實時產生存儲在內存中的等等。而商業智能最終能夠輔助的業務經營決策，既可以是操作層的，也可以是戰術層和戰略層的決策。

這些分析有財務管理、點擊流分析（Clickstream）、供應鏈管理、關鍵績效指標（Key Performance Indicators, KPI）、客戶分析等。商業智能關注的是，從各種渠道（軟體，系統，人，等等）發掘可執行的戰略信息。商業智能用的工具有抽取（Extraction）、轉換（Transformation）和載入（Load）軟體（搜集數據，建立標準的數據結構，然後把這些數據存在另外的資料庫中）、數據挖掘和在線分析（Online Analytical Processing，允許用戶容易地從多個角度選取和察看數據）等 。

商業智能系統的功能
商業智能系統應具有的主要功能：

數據倉庫：高效的數據存儲和訪問方式。提供結構化和非結構化的數據存儲，容量大，運行穩定，維護成本低，支持元數據管理，支持多種結構，例如中心式數據倉庫，分布式數據倉庫等。存儲介質能夠支持近線式和二級存儲器。能夠很好的支持現階段容災和備份方案。

數據ETL：數據ETL支持多平台、多數據存儲格式（多數據源，多格式數據文件，多維資料庫等）的數據組織，要求能自動化根據描述或者規則進行數據查找和理解。減少海量、復雜數據與全局決策數據之間的差距。幫助形成支撐決策要求的參考內容。

數據統計輸出（報表）：報表能快速的完成數據統計的設計和展示，其中包括了統計數據表樣式和統計圖展示，可以很好的輸出給其他應用程序或者Html形式表現和保存。對於自定義設計部分要提供簡單易用的設計方案，支持靈活的數據填報和針對非技術人員設計的解決方案。能自動化完成輸出內容的發布。

分析功能：可以通過業務規則形成分析內容，並且展示樣式豐富，具有一定的交互要求，例如預警或者趨勢分析等。要支持多維度的聯機在線分析（OLAP分析），實現維度變化、旋轉、數據切片和數據鑽取等。幫助決策做出正確的判斷。

典型的商業智能系統
典型的商業智能系統有：

客戶分析系統、菜籃分析系統、反洗錢系統、反詐騙系統、客戶聯絡分析系統、市場細分系統、信用計分系統、產品收益系統、庫存運作系統以及與商業風險相關的應用系統等。

[編輯]商業智能解決方案廠商
提供商業智能解決方案的著名IT廠商包括微軟、IBM、Oracle、Microstrategy、Business Objects、Cognos、SAS等

最後，希望你關注一下FineBI，帆軟軟體的大數據解決方案，我看了，還是很不錯的

5. 大數據產業發展明確四大重點

大數據產業發展明確四大重點
在23日召開的首屆數字中國建設峰會分論壇上，一系列關於促進大數據和數字經濟發展的新政出爐，加快發展數字經濟的路線圖更加明晰。
在大數據分論壇上，工業和信息化部副部長陳肇雄提出推進大數據發展的四大重點方向。一是推動大數據創新發展，支持前沿技術創新，加快關鍵產品研發，推進大數據與雲計算的深度融合，促進產學研深度融合，造就一批明星企業和人才。二是推動大數據融合發展，深挖融合潛力，加快工業互聯網、工業大數據建設，培育數據驅動發展新模式、新業態。三是激發市場活力，鼓勵建立大數據公共服務平台，鼓勵中小企業深挖細分市場，積極參與數據安全建設，推動大數據企業的國際化發展。四是推動大數據安全發展、強化保障能力，加強大數據安防產品開發，維護數據的可靠性，構建安全保障體系，建立高效的數據安全管理機制。
其中，加快布局工業互聯網成為推動數字經濟發展的重要途徑。在當日舉行的數字經濟分論壇上，工業和信息化部信息化和軟體服務業司副司長李冠宇提出，在推進工業互聯網平台發展方面，將加強頂層設計，並將制定出台《工業互聯網平台建設和推廣工程實施指南》，統籌推動平台培育、企業上雲、百萬工業APP培育等重點工作。此外還將制定出台工業互聯網平台評價指南，分期分批遴選10家跨行業跨領域工業互聯網平台，鼓勵地方支持行業骨幹企業建設本區域本行業平台，形成一批面向特定行業獨立運營的工業互聯網平台。
在完善公共支撐體系方面，工信部將建立涵蓋標准、監測分析、數據管理、質量管理與技術成果轉化在內的公共支撐體系，營造開放、規范、誠信、安全的工業互聯網平台發展環境。
數字經濟既蘊含著巨大的發展機遇，也會帶來潛在的風險。國家互聯網信息辦公室副局長張望在數字經濟分論壇上指出，近年來，地下數據交易猖獗，「熔斷」「幽靈」等安全漏洞頻出，數據泄露和網路攻擊事件頻發，給個人隱私保護、企業安全生產、經濟社會發展乃至國家安全都可能帶來新的挑戰。同時，數字經濟對原有的行業秩序、利益格局和治理體系也會產生較大的沖擊。
加強制度設計，提升數字經濟監管能力和治理水平勢在必行。張望指出，堅持包容與監管並重，支持與規范並行，逐步建立與新業態發展相適應的監管方式；完善反不正當競爭法和反壟斷法，加快推動促進和規范數字經濟發展的法律法規的立法進程，營造公平、有序、創新、活躍的數字經濟市場環境；運用大數據、人工智慧、區塊鏈等技術，推進技術與管理並舉的數字經濟治理模式，提升數字經濟領域態勢感知、風險預警水平，提高風險防範能力，推動數據共享，促進協同治理，實現決策科學化、精準化，提升數字經濟治理能力；推動制定跨境電商、市場准入、數據流動等國際貿易和投資新規則，推動共建網路空間命運共同體。

6. 大數據思維是哪四個

總體思維、容錯思維、相關思維、智能思維。
大數據的4個明顯的特徵，即數據量大、多維度、完備性和在一些場景下的實時性。特別強調了光是數據量大還不能構成大數據，因為它可能無法得出有效的統計規律，而多維度的特徵則可以交叉驗證信息，提高准確性。
今天大部分人所理解的大數據，是從大量的、看似雜亂無章的數據點，總結出原來找不到的相關性。在這個過程中各種數據如同百川入海一般匯聚到一起。

7. 什麼是大數據 大數據是什麼意思

通俗來講，大數據就是所有數據整合在一起，並且比以往資料庫都要龐大的一個資料庫。從學術上來講，大數據就是在獲取、存儲、管理、分析方面大大超出了傳統資料庫軟體工具能力范圍的數據集合，並且具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低四大特徵。

(7)大數據四個強化是什麼擴展閱讀

大數據相關政策

經李克強總理簽批，2015年9月，國務院印發《促進大數據發展行動綱要》（以下簡稱《綱要》），系統部署大數據發展工作。

《綱要》明確，推動大數據發展和應用，在未來5至10年打造精準治理、多方協作的社會治理新模式，建立運行平穩、安全高效的經濟運行新機制，構建以人為本、惠及全民的民生服務新體系，開啟大眾創業、萬眾創新的創新驅動新格局，培育高端智能、新興繁榮的產業發展新生態。

《促進大數據發展行動綱要》部署三方面主要任務

1、加快政府數據開放共享，推動資源整合，提升治理能力。大力推動政府部門數據共享，穩步推動公共數據資源開放，統籌規劃大數據基礎設施建設，支持宏觀調控科學化，推動政府治理精準化，推進商事服務便捷化，促進安全保障高效化，加快民生服務普惠化。

2、推動產業創新發展，培育新興業態，助力經濟轉型。發展大數據在工業、新興產業、農業農村等行業領域應用，推動大數據發展與科研創新有機結合，推進基礎研究和核心技術攻關，形成大數據產品體系，完善大數據產業鏈。

3、強化安全保障，提高管理水平，促進健康發展。健全大數據安全保障體系，強化安全支撐。

參考資料來源：網路--大數據