大数据分析方法在企业档案管理中的应用

《大数据分析方法在企业档案管理中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大数据分析方法在企业档案管理中的应用摘要：随着大数据研究逐渐深入，企业创新决策越来越依赖于数据分析，而企业档案数据资源为企业这一决策提供了数据基础。因此，在此背景下企业档案管理中运用大数据分析方法具有重要性意义。本文详细的阐述了数据质量管理、可视化分析、语义引擎、数据挖掘、趋势预测分析等五种大数据分析方法在企业档案管理中的应用及注意问题。中国4/vie　　关键词：大数据分析方法；企业档案管理；档案数据资源；企业创新决策　　Abstract：anagementhasimportantsignificance.Thispaperdeta

2、iledexpoundstheDataQualityManagement，VisualizationAnalysis，SemanticEngines，DataMining，TendencyPredictionandsoonfivebigdataanalysismethodsintheapplicationofEnterpriseArchiveManagementandproblemsthatdeserveattention.　　Keyethod；EnterpriseArchiveManagement；archivesdatareso

3、urces；enterpriseinnovationdecision-making　　2015年9月5日，我国政府发布了《促进大数据发展行动纲要》，旨在促进大数据和云计算、物联网、移动互联网等新一代信息技术的融合，探索大数据和传统产业发展新模式，推动传统产业转型升级和新兴产业发展。正如大数据专家舍恩伯格所说：大数据正在改变人们的生活和人们理解世界的方式，更多的变化正蓄势待发，大数据管理分析思维和方法也开始影响到我们企业档案管理的发展趋势。　　1大数据分析方法在企业档案管理中应用的背景　　1.1大数据研究逐渐纵深化。自从2008年sc

4、ience杂志推出BigData专刊以来，国内外对大数据的研究如火如荼。经过一段时间的探索，“目前大数据领域的研究大致可以分为4个方向：大数据科学、大数据技术、大数据应用和大数据工程。而人们对于大数据技术和应用两个方面的关注比较多”[1]。正如2012年奥巴马政府投入2亿美元启动“大数据研究和发展计划”的目标所显示的那样，目前大数据的研究逐渐向纵深化方向发展，着重从大型复杂的数据中提取知识和观点，帮助企业实现从“数据分析能力”向“数据决策能力与优势”的转化。　　1.2企业创新决策越来越依赖于数据分析。对于企业技术创新者而言，目前更多

5、的企业高层越来越依靠基于数据分析的企业技术创新决策。靠传统的经验方法去决策往往是滞后的，因此，大数据分析方法作为先进的定量分析方法，目前出现的一些先进数据分析方法与技术势必会对企业的运行管理、生产业务流程、管理决策产生飞跃式的影响。大数据分析方法也成为企业档案数据分析、技术创新决策的有效工具。　　1.3企业档案为企业创新决策提供数据基础。对于一个企业而言，使用的数据资源必须具有真实性可靠性。“企业档案是在企业的各项活动中直接形成并保存备查的各种文献载体形式的历史记录”[2]，企业档案是企业在生产、经营、管理等活动中形成的全部有用数据

6、的总和。除了发挥着凭证参考维护历史真实面貌的作用之外，企业档案更“是企业知识资产和信息资源的重要组成部分”[3]，具有知识创新性、不可替代性，为企业技术创新决策提供数据基础。“特别是在当前大数据背景下，企业档案数据资源的开发与建设对企业经营决策的制定与适应市场竞争环境起到关键性作用。”[4]　　在上述背景下，将大数据分析方法应用在企业档案管理中具有重要性意义：不仅拓展企业的管理决策理论，同时帮助企业运用所拥有的档案数据资源洞察市场环境，发现新的竞争对手，进行自我总结，做出科学决策，使企业紧紧抓住大数据时代带来的市场机遇。　　2大数据

7、分析方法在企业档案管理中应用的方式　　大数据分析方法在企业档案管理中的实现方式即是将大数据分析方法运用在企业档案信息分析挖掘上。它贯穿企业数据处理的整个过程，遵循数据生命周期，广泛收集数据进行存储，并对数据进行格式化预处理，采用数据分析模型，依托强大的运行分析算法支撑数据平台，发掘潜在价值和规律并进行呈现的过程。常见的大数据分析方法“其相关内容包括可视化分析、数据挖掘、预测分析、语义分析及数据质量管理”[5]。　　2.1数据质量管理提升企业档案数据资源品质。大数据时代企业档案数据资源呈现出4V特点，这使得企业档案数据很容易出现不一致

8、、不精确、不完整、过时等数据质量问题。基于数据生命周期对企业档案数据资源进行数据质量管理分为数据预处理、数据存储、数据使用三个阶段。在数据预处理阶段，通过ETL工具即数据经过萃取（Extract）、转换（Transform）、加载（L