有關(guān)大數(shù)據(jù)應(yīng)用的論文

有關(guān)大數(shù)據(jù)應(yīng)用的論文

　　“大數(shù)據(jù)”已經(jīng)是世界經(jīng)濟學(xué)中的重要組成部分。相比于傳統(tǒng)的數(shù)據(jù)統(tǒng)計與分析，“大數(shù)據(jù)”處理有助于管理者們做出更正確的企業(yè)決策。下面是學(xué)習(xí)啦小編給大家推薦的有關(guān)大數(shù)據(jù)應(yīng)用的論文，希望大家喜歡!

　　有關(guān)大數(shù)據(jù)應(yīng)用的論文篇一

　　《大數(shù)據(jù)在質(zhì)量管理中的應(yīng)用》

　　摘要 ：“大數(shù)據(jù)”已經(jīng)是世界經(jīng)濟學(xué)中的重要組成部分。相比于傳統(tǒng)的數(shù)據(jù)統(tǒng)計與分析，“大數(shù)據(jù)”處理有助于管理者們做出更正確的企業(yè)決策。對于產(chǎn)品認(rèn)證機構(gòu)，“大數(shù)據(jù)”的應(yīng)用可以包含自身業(yè)務(wù)管理、產(chǎn)品質(zhì)量改進、提升服務(wù)質(zhì)量三方面，但在實踐過程中仍將面臨許多挑戰(zhàn)。

　　關(guān)鍵詞 ：大數(shù)據(jù) 質(zhì)量管理 產(chǎn)品認(rèn)證

　　現(xiàn)在的世界正處于一個信息爆炸的時代，“大數(shù)據(jù)”已經(jīng)是世界經(jīng)濟學(xué)中的重要組成部分，并且在各種現(xiàn)代經(jīng)濟活動、發(fā)明和發(fā)展中起到越來越重要的作用。相比于傳統(tǒng)的數(shù)據(jù)統(tǒng)計與分析，通過“大數(shù)據(jù)”，管理者們可以得到更精確的測量信息、因此對經(jīng)營狀態(tài)有更準(zhǔn)確的了解，并且最終將這些數(shù)據(jù)和信息轉(zhuǎn)化為更正確的企業(yè)決策。

　　1、什么是大數(shù)據(jù)

　　“大數(shù)據(jù)”可以被定義為需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)，“大數(shù)據(jù)”的大小受數(shù)據(jù)類別、獲取方法、軟件手段等多方面因素影響[1]。與傳統(tǒng)數(shù)據(jù)統(tǒng)計分析相同，“大數(shù)據(jù)”分析活動致力于收集情報并將其轉(zhuǎn)化為商業(yè)優(yōu)勢，但兩者之間存在以下幾方面區(qū)別：

　　數(shù)據(jù)量：2013 年中國產(chǎn)生的數(shù)據(jù)總量超過0.8ZB，2 倍于2012 年，相當(dāng)于2009 年全球的數(shù)據(jù)總量。預(yù)計到2020 年，中國產(chǎn)生的數(shù)據(jù)總量將是2013年的10倍，超過8.5ZB。市場為企業(yè)提供了一個能夠接觸并獲取海量信息的機會。比如沃爾瑪每小時能從線上和線下的客戶交易中獲取超過2.5PB的信息量。

　　高速：對于很對實際應(yīng)用來說，數(shù)據(jù)的產(chǎn)生速度遠(yuǎn)比數(shù)據(jù)量更加重要。實時或者趨近于實時的信息有助于公司比其競爭對手更加靈活。

　　多樣性：“大數(shù)據(jù)”的來源有著多樣性的特點，如社交網(wǎng)絡(luò)信息、圖片、各種監(jiān)視信息、GPS信息等等。隨著手機等數(shù)字智能終端設(shè)備的普及，社會中的每一個組成元素都是一個數(shù)據(jù)產(chǎn)生器。在這些尚未被處理的非結(jié)構(gòu)化數(shù)據(jù)中，海量的有價值信息等待著被組織、分析和開發(fā)。

　　2、大數(shù)據(jù)在產(chǎn)品認(rèn)證機構(gòu)質(zhì)量管理方面的應(yīng)用

　　在實際的質(zhì)量管理和改進活動中，由于大數(shù)據(jù)相對于傳統(tǒng)數(shù)據(jù)統(tǒng)計方式存在的優(yōu)勢和特點，因此利用大數(shù)據(jù)進行質(zhì)量管理是企業(yè)理想的管理路徑和產(chǎn)品、工藝品質(zhì)的提升機會。對認(rèn)證機構(gòu)而言，工作的核心內(nèi)容就是質(zhì)量控制。大數(shù)據(jù)在包括自身業(yè)務(wù)管理、產(chǎn)品質(zhì)量改進、提升服務(wù)質(zhì)量等各個方面有著廣泛的應(yīng)用潛力。

　　(1)自身業(yè)務(wù)管理

　　產(chǎn)品認(rèn)證機構(gòu)的業(yè)務(wù)質(zhì)量控制直接關(guān)系到認(rèn)證工作的公正性與準(zhǔn)確性，對企業(yè)、消費者乃至整個社會有著重要影響。產(chǎn)品認(rèn)證工作現(xiàn)有的管理控制手段是針對工廠檢查與檢測工作中的主要時間節(jié)點進行監(jiān)控并且對報告進行抽查。在實際操作中，這些工作普遍存在兩方面問題：一方面，由于認(rèn)證機構(gòu)日常工作量較大，抽查結(jié)果和實際情況存在一定誤差;另一方面，抽查和監(jiān)控工作普遍存在滯后性的缺點，問題點只在事后抽查中才有機會被發(fā)現(xiàn)，為問題點的及時整改增添了困難。

　　大數(shù)據(jù)質(zhì)量管理為解決這些問題提供了新的手段。由于可實時處理的大量數(shù)據(jù)，一方面認(rèn)證機構(gòu)能夠選擇通過軟件或終端工具，對工廠檢查和檢測的全過程進行實時的時效性監(jiān)控，將時效性控制由事后監(jiān)督變?yōu)樘崆邦A(yù)警;另一方面，對工廠檢查、檢測結(jié)果的有效性驗證也可以通過軟件對所出具的報告的各條款結(jié)論進行實時篩查，及時過濾掉常見問題，提升工作的正確性和準(zhǔn)確性。

　　(2)產(chǎn)品質(zhì)量改進

　　企業(yè)所生產(chǎn)產(chǎn)品的質(zhì)量改進主要通過對產(chǎn)品的質(zhì)量監(jiān)控來保證，目前工廠產(chǎn)品的的監(jiān)控手段主要包括生產(chǎn)工藝的過程檢驗以及成品的檢驗兩大類。由于檢驗工作的特性，大部分工業(yè)產(chǎn)品的成品檢驗只能通過抽樣完成，和市場抽樣合格率相比往往存在一定差距。這個以往無法處理的問題，現(xiàn)在通過大數(shù)據(jù)的管理方式有了更合適的解決辦法。認(rèn)證機構(gòu)可以依托自身的信息優(yōu)勢，收集大量產(chǎn)品的過程工藝參數(shù)、成品檢驗結(jié)果參數(shù)、抽查不合格品的檢驗數(shù)據(jù)以及相對應(yīng)的工藝/管理數(shù)據(jù)，結(jié)合工廠檢查結(jié)果，找出各種定性、定量數(shù)據(jù)與成品質(zhì)量的關(guān)系。從而能依據(jù)企業(yè)工藝和管理信息，對產(chǎn)品成品的質(zhì)量做出預(yù)測和判斷，最終能幫助企業(yè)改進產(chǎn)品質(zhì)量，并提升認(rèn)證工作的有效性。

　　(3)提升服務(wù)質(zhì)量

　　運用大數(shù)據(jù)的手段，企業(yè)的管理和服務(wù)將會變得多樣化。目前針對企業(yè)的管理與服務(wù)僅僅停留在對企業(yè)的各項信息進行單純的匯總、以及對通用的認(rèn)證、管理、工藝技術(shù)的培訓(xùn)服務(wù)，缺乏針對性。如果能夠妥善運用大數(shù)據(jù)的方式，認(rèn)證機構(gòu)能夠收集有關(guān)企業(yè)的各方面信息(如生產(chǎn)企業(yè)的行業(yè)走向、產(chǎn)品的工藝參數(shù)、各檢測報告結(jié)果、供應(yīng)商信息與態(tài)勢等等)，并對這些數(shù)據(jù)加以深入的分析，總結(jié)出企業(yè)急需的服務(wù)內(nèi)容和方式，從而提高認(rèn)證機構(gòu)的服務(wù)質(zhì)量。

　　3、面臨的挑戰(zhàn)

　　大數(shù)據(jù)質(zhì)量管理面臨的挑戰(zhàn)主要來自于三個方面：正確的領(lǐng)導(dǎo)、管理與技術(shù)保障、合理的決策[2]。正確的領(lǐng)導(dǎo)是大數(shù)據(jù)質(zhì)量管理的基礎(chǔ)，在獲取信息之前，需要由領(lǐng)導(dǎo)者確定明確的目標(biāo)、整合各方面資源。其后，富有智慧的數(shù)據(jù)管理與技術(shù)的構(gòu)建是大數(shù)據(jù)質(zhì)量管理的保障，由于獲取的信息來源廣泛、數(shù)據(jù)量大，和傳統(tǒng)的數(shù)據(jù)統(tǒng)計與分析不同，如何確保數(shù)據(jù)的有效性，并實時的從海量數(shù)據(jù)中提取出有價值的信息是一個富有挑戰(zhàn)的技術(shù)性難題。最后，大數(shù)據(jù)處理需要合理的決策。大數(shù)據(jù)質(zhì)量管理的核心在于從數(shù)據(jù)出發(fā)，將數(shù)據(jù)轉(zhuǎn)化為決策，決策不應(yīng)該脫離數(shù)據(jù)。

　　參考文獻：

　　[1] James，Manyika. Big data：The next frontier for innovation，competition，and productivity[M]. McKinsey Global Institute，2011. 1-2.

　　[2] Andrew，McAfee，Erik，Brynjolfsson. Big Data：The Management Revolution[J]. Harvard Business Review，2012，(10)：7-8.

點擊下頁還有更多>>>有關(guān)大數(shù)據(jù)應(yīng)用的論文