大数据时代企业管理探讨.doc

《大数据时代企业管理探讨.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、大数据时代企业管理探讨摘要：本文从数理统计角度入手，分析在大数据时代下的企业管理问题。本文介绍了数理统计的概念和特点，大数据的概念与特点，数理统计与大数据之间的关系以及数理统计方法在大数据时代下企业管理中的运用。通过本文的分析，希望能够在大数据时代为企业管理提供借鉴与帮助。关键词：数理统计；大数据；企业管理随着科技的发展和信息传播速度的增加，人们处于信息爆炸的时代。与传统的数据相比，在大数据时代，数据具有哪些变化？传统的数理统计方法将会发生怎样的变革？数据处理方式的变化以及数据传播速度的增快将会对企业管理

2、产生怎样的影响？本文重点分析了数理统计方法在大数据时代下企业管理中的运用，从而促进企业不断适应变化，实现长远发展。一、数理统计的概念与特点运用数理统计的方法分析生活中的各种数据逐渐成为科学研究的一种趋势，在相关数据的基础之上，通过运用数理统计的方法，可以判断事物发展的趋势，从而归纳出一些客观规律来指导我们的生活，提高生活质量。所谓的数理统计是指运用定量描述的方法分析随机变量之间的关系，通过有限次的观察实验得到数据，发现数据之间的内在规律，并判断整体的数据规律性。基本特点是以实验观察为基本出发点，以概率论作

3、为基础，选择数学模型并进行验证。正确运用充数理统计的方法的前提是掌握数理统计的基本概念和基本思想，而总体和样本是数理统计的基本概念，总体是研究对象的全体，样本是研究对象的一部分。通过样本的信息对总体进行推断是数理统计的基本思想。二、大数据的概念与特点4学海无涯目前，学者们对于大数据没有达成统一的定义。一般来说，大数据是指数据资料非常庞大，无法运用目前的软件在短时间内进行数据的分析与处理。它是对大规模数据管理和技术平台的泛称，与传统的大规模数据不同，它除了数据的爆炸性增长之外，还包括对于数据的分析、处理和应

4、用，最终实现挖掘大数据潜在价值的目的。大数据具有数据庞大、种类较多、价值性、处理速度快的特点。与传统的数据不同，在大数据时代，我们分析的数据总量巨大，并不再仅仅依靠传统的随机抽样的方法，除外，由于数据总量庞大，有着多样性和丰富性的特点，使得我们无法确定数据的使用目的。在大数据时代，仅仅依靠传统的几种工具无法实现对于数据的处理和分析，而是运用强大的云计算能力进行数据的处理与分析。三、大数据时代对于数理统计的影响统计学是一门具有三百多年历史的学科，在长期的发展过程中，不断吸纳各家之长，使得统计学的发展充满生机

5、与活力。大数据时代的到来，为统计学的发展带来发展机遇的同时又带来巨大的挑战。具体如下：1.大数据对于样本和总体的影响众所周知，数理统计是通过具有代表性的样本推断总体的基本情况，从而对于社会经济发展的总体趋势做出判断。而具有代表性的样本是通过抽样的方式实现的，然而，在大数据时代，虽然信息量庞大，数据类型多样，但是大数据也存在着样本缺乏代表性、噪声等问题，因此，通过抽样的方法对于数据进行分析可能会存在一定的偏差。传统的数理统计方法收集到的数据具有结构化的特点，然而，在大数据时代，数据类型多种多样，容量超大，因

6、此，样本数据与大数据存在很大的不同。样本数据有着特定的研究目的，运用抽样的方法获得数据，具有数据有限的特点。基于样本数据的特点，它的应用空间十分有限，通常无法满足多层次、多样化的需求特点，在抽样过程中出现偏离方案的现象时，抽样便无法进行，因此，样本数据分析的方法无法得到广泛推广。而大数据不仅包含的信息量巨大，而且不受各种限制即可以接纳各种各样的数据类型。与样本数据相比，大数据的优点是数据选择空间巨大，可进行多角度、多方面的数据分析。更为重要的是由于样本数据有限，可能无法判断出数据的某些规律，而通过大数据，

7、某些规律可能会十分清晰。样本数据中无法发现的弱小信息，在大数据中可以找到。在样本数据中被认为是异常的值，在大数据中可能会被接受。因此，在大数据时代背景下，我们认识事物的能力大大提高，充分发掘有用的信息，抓住很多决策分析的机会，促进对于各种社会现象的理解和认识。综上所述，在大数据时代背景下，既可以作为总体也可4学海无涯以作为样本。随着社会的进步、互联网技术的发展，人们处理各种复杂信息的能力大大加强，从多样化的数据中获取有价值的信息越来越多，社会迅速进入大数据时代。在大数据时代，不仅人们的生产方式和生活方式发

8、生巨大变化，企业管理也面临着新的机遇和挑战。2.相关分析发生变化大数据时代的到来使得相关分析发生变化，弥补了传统数据分析中的不足。首先，大数据时代的相关分析必须满足“通用性”和“均等性”的准则，并且结果不受变量间形式的影响。近年来，随着大数据的影响力逐渐增加，国外诸多专家和学者充分认识到大数据的相关分析的重要意义，并且对于改进大数据的相关分析进行了深入的研究。以Reshef（2011）等代表的学者提出了最大信息系数的研究方法，