浅析大数据时代数据分析在工业企业中的应用.doc

《浅析大数据时代数据分析在工业企业中的应用.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、浅析大数据时代数据分析在工业企业中的应用　　摘要：信息化高速发展，工业企业生产经营管理中产生大量数据，数据已然成为衡量一个企业经营效益的一系列指标、有据可查的科学评估资料，数据分析在企业中的作用越来越重要。随着大数据时代的到来，数据分析得到进一步发展，在企业经营管理和工业生产全过程中发挥着重要的作用。本文简述了大数据和数据分析在经营管理中的意义和在工业生产过程中的应用。　　关键词：数据分析；大数据；经营管理；生产过程　　中图分类号：TP39文献识别码：A文章编号：1001-828X013-0-02　　引言　　目前人类每年产生的数据量已经从

2、TB级别跃升到PB、EB乃至ZB级别，随着数据量的急剧增长，大数据时代已经到来。　　随着计算机处理技术和云计算的迅速发展，人们处理大规模复杂数据的能力日益增强，从大规模数据中提取有价值信息的能力日益提高。经营管理、工业生产等数据都可以直接从互联网中提取并存储到服务器中，然后进行数据挖掘和分析，对于提高企业经营管理水平，进行生产过程控制，提高生产效率发挥着巨大的作用。　　数据是德国工业4.0五大特色之一。数据是信息化时代重要的生产要素，数据生产信息，信息改善决策，进而提高生产力。可以预测，未来数据积累量、数据分析能力、数据驱动业务的能力将是

3、决定企业价值的最主要因素，是评价企业价值的核心。　　一、大数据时代的数据分析　　1.大数据　　大数据是维克托・迈尔-舍恩伯格在2008年的著作《大数据时代》中提出的概念。维基百科给出的定义是，大数据指所涉及的资料规模巨大，无法通过目前常规软件工具，在合理时间内达到撷取、管理、处理、整理成为有用信息的数据集合。　　大数据的主要特征为大量性、多样性、高速性、价值性。　　大量性。是指大数据的数据量巨大。在大数据时代，个人电脑、手机、平板电脑等网络工具的使用和高度发达的网络技术的普及，数据资料的来源范围在不断拓展，数据的计量单位从PB到EB到ZB

4、，数据量增长发生了质的飞跃。　　多样性。是指数据类型繁多。大数据不仅包括传统的以文本资料为主的结构化数据，还包括信息化时代所有的文本、图片、音频、视频等半结构数据和非结构化数据，且以半结构化和非结构化数据为主。　　高速性。指大数据处理时效性高。大数据产生速度快，有价值信息存在时间短，时效性强，在海量的数据面前，处理数据的效率关乎数据是否有使用价值，因此，能迅速有效的提取大量复杂数据中的有价值信息显得非常重要。　　价值性。指大数据价值巨大，但价值密度低。大数据中存在反映人们生产、生活、商业等各方面极具价值的信息，但由于大数据规模巨大，数据时

5、时刻刻都在更新变化，这些有价值的信息可能转瞬即逝。因此，如何通过强大的机器算法迅速高效地完成数据的价值“提纯”成为大数据时代亟需解决的难题。　　2.大数据时代　　大数据时代是指在大量数据信息基础上所形成的新型信息时代，是建立在通过互联网、物联网等现代网络渠道广泛大量数据资源收集基础上的数据存储、价值提炼、智能处理和展示，促进数据发挥价值的信息时代。大数据时代，数据分析过程中数据的管理和应用效率得到提高，人们几乎能够从任何数据中获得可转换为推动人们生活方式变化的有价值的知识。大数据时代的发展会促进众多领域和行业进行变革，会对人们未来生活产生

6、深刻的影响。　　3.数据分析　　数据分析是指用合适的统计方法及与分析对象有关的知识，定量与定性相结合，对收集到的大量数据进行分析的过程，是为了提取有用信息和形成结论而对大量数据进行详细研究和概括总结的过程。数据分析的目的是把隐藏在一大批看似杂乱无章的数据背后的信息挖掘和提炼出来，进而总结出研究对象的内在规律。　　数据分析在企业经营管理中具有重要意义。企业通过统计调查、整理获得的统计资料能够对客观对象的数据特征取得一定的认识，但只是停留在表面的初步认识。通过数据分析，挖掘数据背后隐藏的信息，总结隐藏在其中的内在规律，掌握事物的本质及内在的发

7、展规律，将其应用到实际的经营管理中，可以帮助管理者进行合理的决策管理，并且及时调整企业的运营发展策略，使企业的各项管理工作不断改善和提高。　　目前常用的数据分析方法有：　　老七种工具，即排列图、因果图、分层法、调查表、散步图、直方图、控制图；　　新七种工具，即关联图、系统图、矩阵图、KJ法、计划评审技术、PDPC法、矩阵数据图。　　4.大数据时代的数据分析　　从大数据中挖掘隐藏的有价值信息的关键在于对数据进行正确的数据分析，数据分析是大数据处理流程的核心。大数据的价值产生于分析过程，从规模巨大的数据中挖掘有价值信息所进行的分析过程就是大数

8、据分析。　　大数据分析和传统数据分析最重要的区别在于数据量。数据量的急剧增长及大数据的特征，决定了数据的存储、查询以及分析的难度增加，对数据处理技术的要求迅速提高。大数据分析建立在海量原始数据