光云科技

什么是工业大数据？

随着新工业革命时代的序幕徐徐拉开，物联网、工业互联网、智能ICT技术、人工智能等技术成为舞台上最受瞩目的新星。在这些新兴技术的推动下，工业领域中的大数据环境正在逐渐形成，数据从制造过程中的副产品转变成为备受企业关注的战略资源。如果大数据是工业价值转型的核心驱动力，那么我们该怎么去定义和使用大数据？关于这个问题，我们在《工业大数据》这本书中曾表达过一个观点：大数据并不是目的，而是分析问题的一种视角和解决问题的一种手段。通过对数据的洞察，可以预测需求、预测制造、挖掘不可见世界的价值、解决和避免不可见问题的风险，以及利用数据去整合产业链和价值链，这些才是大数据的核心价值和目的。

一提到大数据，人们首先会想到在互联网和商业等环境中，利用大量的行为数据来分析用户行为和预测市场趋势等应用。但是对工业大数据的定义和应用却很难直观地理解和想象。现在对大数据最为流行的定义，来自于维克托·迈尔-舍恩伯格（Viktor Mayer-Schnberger）和肯尼斯·克耶（Kenneth Cukier）编写的《大数据时代》中提出的4V特性，即Volume（数据量大）、Velocity（流动速度快）、Veracity（准确性）和Variety（来源多样）。这个定义是针对互联网和社会环境中的大数据，从数据工程的技术挑战方面所提出的。而工业大数据的挑战和目的则要通过“3B” 和 “3C” 来理解。

工业大数据应用的“3B”挑战：

Bad Quality——在工业大数据中，数据质量问题一直是许多企业所面临的挑战。这主要受制于工业环境中数据获取手段的限制，包括传感器、数采硬件模块、通信协议和组态软件等多个技术限制。对数据质量的管理技术是一个企业必须要下的硬功夫。

Broken——工业对于数据的要求并不仅在于量的大小，更在于数据的全面性。在利用数据建模的手段解决某一个问题时，需要获取与被分析对象相关的全面参数，而一些关键参数的确会使分析过程碎片化。举例而言，当分析航空发动机性能时需要温度、空气密度、进出口压力、功率等多个参数，而当其中任意一个参数缺失时都无法建立完整的性能评估和预测模型。因此对于企业来说，在进行数据收集前要对分析对象和目的有清楚的规划，这样才能够确保所获取数据的全面性，以免斥巨资积累了大量数据后发现并不能解决所关心的问题。

Below the Surface——除了对数据所反映出来的表面统计特征进行分析以外，还应该关注数据中所隐藏的相关性。对这些隐藏在表面以下的相关性进行分析和挖掘时，需要一些具有参考性的数据进行对照，也就是数据科学中所称的 “贴标签” 过程。这一类数据包括工况设定、维护记录、任务信息等，虽然数据量不大，但在数据分析中却起到至关重要的作用。

工业大数据分析的“3C”目的：

Comparison（比较性）——从比较过程中获取洞察，既包括比较相似性，也包括比较差异性。比较的维度既可以是在时间维度上与自身状态的比较，也可以是在集群维度上与其他个体的比较。这种比较分析能够帮助我们将庞大的个体信息进行分类，为接下来寻找相似中的普适性规律和差异中的因果关系奠定基础。

Correlation (相关性)——如果说物联网是可见世界的连接，那么所连接对象之间的相关性就是不可见世界的连接。对相关性的挖掘是形成记忆和知识的基础，简单地将信息存储下来并不能称之为记忆，通过信息之间的关联性对信息进行管理和启发式的联想才是记忆的本质。相关性同时也促进了人脑在管理和调用信息时的效率，我们在回想起一个画面或是情节的时候，往往并不是去回忆每一个细节，而是有一个如线头一样的线索，你去牵它一下就能够引出整个场景。这样的类似记忆式的信息管理方式运用在工业智能中，就是一种更加灵活高效的数据管理方式。

Consequence (因果性)——数据分析的重要目的是进行决策支持，在制定一个特定的决策时，其所带来的结果和影响应该被同等地分析和预测。这是以往的控制系统所不具备的特性，也是智能化的本质。工业系统中的大部分活动都具有很强的目的性，就是把目标精度最大化，把破坏度最小化的 “结果管理”。结果管理的基础是预测，例如制造系统中，如果我们可以预测到设备的衰退对质量的影响，以及对下一个工序质量的影响，就可以在制造过程中对质量风险进行补偿和管理，制造系统的弹性和坚韧性就会增加。

总结而言，互联网和商业大数据与工业大数据在技术挑战、数据属性和分析目的等方面有很多区别，这也决定了两者技术手段的不同。

工业大数据的价值及意义

在工业和商业从分离到融汇的过程中，我们观察到，有四个值得关注的重要转变，客户需求的转变，生产系统的转变，商业模式的转变，工业系统运转模式（决策模式）的转变。客户需求的转变，是从无到有、从有到精、再从精到个性化。生产系统的转变，是从简单到复杂、从复杂到规模化、从规模化到精益化、从精益化到柔性化、从柔性化到智能化，最终目的是实现无忧的生产环境。商业模式的转变，是从卖产品到卖能力、从卖能力到卖服务、从卖服务到卖价值，目的是去挖掘用户不可见的价值。工业系统运转模式的转变，从应激式的解决问题，到基于经验的预防问题，现在正利用数据向基于线索和事实来避免问题的模式转变，最终目的是实现知识的获取和传承。这一系列转变背后的核心是工业价值的转型，大数据在这个转型的过程中将起到举足轻重的作用。简单来说工业大数据的目的是实现从自造到制造，从制造到智造，从智造到传承。

利用大数据挖掘“不可见世界”中的客户价值

“有之以为利、无之以为用”是出自老子《道德经》中的一句话，其中的智慧放在当今工业的价值模式中依然十分适用。这句话可以理解为：一切事物的实体为我们提供可以凭借的可见的基础条件，而其中所隐藏的空间和可变化的无限可能才是被我们真正使用并创造价值的所在。

这些价值存在于用户的使用场景、隐形因素的相关性和产品被制造和使用的全生命周期这些 “不可见世界” 中。数据将成为挖掘这些价值的重要手段，主要体现在：利用数据挖掘在使用中获得新的知识 和技术对现有产品进行改进；利用数据去发现和定义用户未知的需求；以数据为媒介向用户提供增值服务。

利用大数据实现无忧虑的制造环境有三个方向，数据在每一个阶段中扮演的作用也并不相同。第一个方向是在解决可见问题的过程中积累经验和知识，从而去避免这些问题。在这个过程中，数据可以作为经验和知识的载体。第二个方向是依靠数据去分析问题产生的隐性线索（evidence）、关联性和根原因等，进而利用预测分析将不可见问题显性化，从而实现解决不可见问题的目的。现在的制造系统正在经历从第一个阶段到第二个阶段的转变过程，在完成这个过程后，制造系统将不再有“surprise”，使得所有隐性问题在变成显性问题和影响之前都可以被提前解决。第三个方向是通过对数据的深度挖掘，建立知识和问题之间的相关性，从数据中启发出新的知识，并能够利用知识对制造系统进行精确的建模，产生能够指导制造系统活动的镜像模型，从系统的设计端避免可见及不可见问题的发生。

这三个方向对企业都非常具有借鉴意义，但是需要对不同的情况也适用于不同的方向。总地概括，这三个方向分别适用于以下几类情况中问题的解决：

第一个方向：适合在某一个领域已经经营了很久，有了一定的经验积累，但是却很难总结出为什么做得好或是不好。

第二个方向：在解决了可见的问题之后，仍然存在一些不可见问题对制造系统造成的影响，希望能够了解不可见因素的变化过程和相互的关联性，积累更加深入的制造知识。

第三个方向：在制造基础还较为薄弱的领域，并没有形成太多有效的数据，但是拥有非常丰富的使用数据和经验，则可以借助使用过程中积累的知识对制造系统提出设计的要求。

大数据，人工智能，区块链，这些陌生但又不陌生的词近2年来可以说不断的在财经与科技版块刷屏。如果你是一位想要提前规划自己未来的人，提前了解这些知识，并且做好规划。至少可以跑赢你的同年人3到5年。本周分享书籍来自舍恩伯格的《大数据时代：生活、工作与思维的大变革》，这本书属于了解大数据入门级别的经典书籍之一。

什么是大数据？

舍恩伯格教授在他的书《大数据时代》中是这样描述的：“大数据是指不用随机分析法这样的捷径，而采用所有数据的方法。”也就是说，所谓的大数据是一个比较的概念。它是在人类过去运用小数据库随机抽样获得分析结果比较而来。它的关键是在“大”，数据容量越多越好。大数据的核心作用在于“预测”，也是人们常说的预判未来。

在数据还没如此庞大以及可获得性如此便利的过去，人类需要分析某些问题获取结论往往是靠随机抽样的方法，例如在某一个特定地人群中抽取多少人进行抽样调查。假设我想了解80后婚姻状况的分析，我从上海地区80后中选取5000个人进行调查。这种分析方法就是过去统计学家与社会学家常用的随机抽样，也称为定性分析法。

大数据有哪些特征？

1. 允许不精确

在越来越多的情况下，使用所有可获取的数据变得更为可能，但为此也要付出一定的代价。数据量的大幅度增加会造成结果的不准确，于此同时，一些错误的数据也会混进数据库。大数据不及让我们不再期待精确性，也让我们无法实现精确性。

错误并不是大数据固有的特性，而是一个急需我们去处理的现实问题，并且有可能长期存在。因为拥有更大数据量所能带来的商业利益远远超过增加一点精确性，所以通常我们不会再花大力气去提升数据的精确性。

2. 相关关系

在过去小样本的数据世界中，相关关系也是有部分作用。但在大数据的背景下，相关关系大放异彩。通过应用相关关系，我们可以比以前更容易、更快捷、更清楚地分析事物。建立在相关关系分析法基础上的预测是大数据的核心。且这种分析方法更准确、更快，而且不易受偏见的影响。比如，我们在淘宝上购物时，当登陆ID账号后，每一个人的浏览主页面是完全不相同，因为淘宝本身有一套数据算法，它是根据你的浏览记录推荐的物品是完全符合你个人的偏好，而算法的模型是建立在相关性上的。

相关关系的核心是量化两个数据值之间的数理关系。相关关系强是指当一个数据值增加时，另一个数据值很有可能随之增加。相反，相关关系弱就意味着当一个数据值增加时，另一个数据值几乎不会发生变化。

3. 数据化

数据化是指一种把现象转变为可制表分析的量化形式的过程。它的核心动力来源于人类测量、记录和分析世界的渴望。数据化的实现有一点必不可少，那就是要从潜在的数据中挖掘出巨大的价值，然后揭示出新的深刻洞见。

数字化是指把模拟数据转换成为用0和1表示的二进制码，这样电脑就可以处理这些数据了。

数字化带来了数据化，但是数字化无法取代数据化。数字化是把模拟数据变成计算机可读的数据，和数据化有本质上的不同。

大数据有哪些价值链？

根据所提供价值的不同来源，分别出现了三种大数据公司。这三种来源是指：数据本身、技能与思维。

第一种是基于数据本身的公司。这些公司拥有大量数据或者至少可以收集到大量数据，却不一定有从数据中提取价值或者用数据催生创新思想的技能。比如，国内的新浪微博，用户数量至少过亿，但是它一部分的商业核心价值是作为流量池为阿里旗下的淘宝导流。

第二种是基于技能的公司。它们通常是咨询公司、技术供应商或者分析公司。它们掌握了专业技能但并不一定拥有数据或提出数据创新性用途的才能。比如说国内的大数据公司像极光、talkdata等提供分析数据。

第三种是基于思维的公司。对于某些公司来说，数据和技能并不是成功的关键。让这些公司脱颖而出的是其创始人和员工的创新思维，他们有怎样挖掘数据的新价值的独特想法

到目前为止，前两种因素一直备受关注，因为在现今世界，技能依然欠缺，而数据则非常多。近年来，一种新的职业出现了，那就是“数据科学家”。数据科学家是统计学家、软件程序员、图形设计师与作家的结合体。与通过显微镜发现事物不同，数据科学家通过探寻数据库来得到新的发现。

谁才是大数据价值链中最大获益者？

目前看来，应该是那些拥有大数据思维或者说创新性思维的人。就像我们所看见的一样，自从信息时代以来，第一个吃螃蟹的人都发了大财。但是，这种先决优势并不能维持很长的时间。随着大数据时代的推进，别人也会吸收这种思维，然后那些先驱者们的优势就会逐渐减弱。

那么，核心价值会不会在技术上？笔记，一个金矿的价值也只有在它被挖掘出来后才有意义。但是，计算机的历史却否认了这个想法。现在，在数据库管理、数据科学、数据分析、机器学习算法等类似行业的技能确实很走俏。但是，随着大数据成为人们生活的一部分，而大数据工具变得更容易和更方便使用，越来越多的人会掌握这些技能，所以这些技能的价值就会相对减少。当然，这并不是说大数据技能不重要，只是这不适合大数据价值的最主要来源。毕竟，技术时外在的力量。

最终，大数据的大部分价值还是必须从数据本身中挖掘。因为在未来，我们可以利用数据做更多的事情，而数据拥有者们也会真正意识到他们所拥有的财富。因此，他们可能会把他们手中所拥有的数据抓得更紧，也会以更高的价格将其出售。因为只有金子才是真正值钱得。

大数据时代的思维变革

不是样本而是全部

小数据时代的随机取样全数据模式，样本=总体

谷歌流感趋势预测——分析美国整个互联网检索记录，可以推测到某个城市的流感状况Lytro相机——记录整个光场里的所有光，具体生成的照片可以根据需要决定乔布斯癌症治疗——对乔布斯DNA、肿瘤DNA全测序，根据其特定基因组成按需用药

不是精确性而是混杂性

参见: 世界不是贫乏规整的惨象，而是纷繁复杂的，天地间存在的事物也远远多于系统想象

谷歌翻译

虽然搜集的有错误翻译，但巨大的语料库优势完全压倒了缺点，使其好于布朗、微软的班科和布里尔、IBM的Candide

Facebook等社交网站

由用户随意贴标签分类照片

象棋残局

输入所有可能，因此表现的完美无缺和不可战胜

word语法检查

少量数据下表现最好的算法在大量增加数据量后却表现最差

不是因果关系而是相关关系

亚马逊推荐系统

根据产品间的联系推荐，增加100倍销售量

沃尔玛

飓风来临前，将蛋挞与飓风用品摆在一起可增加销量

基于相关关系的预测是大数据的核心

塔吉特与怀孕预测

美国折扣零售商通过对女性消费记录分析，可以发现她是否怀孕，从而在相应阶段寄送相应的折扣券

UPS与汽车修理预测

UPS国际快递公司通过监测车辆的各个部位，提早更换需要更换的零件

早产儿病情诊断

实时监测病人信息，提早预测感染

大数据时代的管理变革

风险--让数据主宰一切的隐忧

无处不在的第三只眼

亚马逊监视着我们的购物习惯谷歌监视着我们的网页浏览习惯微博窃听到了我们心中的TAfacebook似乎什么都知道，包括我们的社交关系网

隐私被二次利用

大数据时代，不管是告知与许可、模糊化还是匿名化的隐私保护策略都失效

预测与惩罚

预测犯罪并提前制止；老年人需要交更多保险费；这否定了人的自由权利、公平，无法独立选择和自由意识

数据独裁

过于信任、依赖数据

掌控--责任与自由并举的信息管理

个人隐私保护

让使用者承担责任公司负有特定时间之后删除个人数据的义务

保护个人动因反数据垄断大亨程序员监控大数据并保持透明度

大数据时代的商业变革

一切皆可量化坐姿转化成数据

汽车防盗系统

能识别是否是车主，不是需要输入密码，错误则自动熄火

识别盗贼

通过收集到的数据识别盗贼

提醒疲劳驾驶坐姿与行驶安全关系

通过分析事故发生前的坐姿变化情况

地板数据化

适时的开灯、开门根据体重、站姿、走路方式确认他的身份监控商店人流量

文字变为数据

谷歌数据图书馆谷歌翻译

沟通变成数据

微博情绪数据化

来自世界不同文化的人每天、每周的心情都遵循着相似的模式-2011.science

监听新微博发布频率预测电影成败分析微博数据文本，作为股市投资信号

位置数据化

GPS通过手机预测交通情况处理来自手机的数据预测人类行为

流感时期：通过分析每个人去了哪里见了谁，知道应该隔离谁，怎么找到他

数据创新

数据再利用

网页流量测量揭示用户喜好-Hitwise公司

数据重组

整合手机用户信息与癌症患者信息揭示手机是否增加致癌率-无关

扩展数据利用

零售店监控摄像头零售店监控摄像头除了安全保卫，还可以跟踪客流及客户停留的位置从而设计店面最佳布局、判断营销的有效性；最终变纯粹的成本为可增收的投资

数据折旧

及时剔除失去基本用途的数据，如亚马逊推荐系统一般不用用10年前客户买的书来进行推荐

数据废气利用

谷歌根据用户点击的搜索结果所在的位置来更正排名，将更相关的提前谷歌拼写检查反馈系统通过用户自行更正的搜索词、或点击显示正确拼写的页面来完善相比微软创建维护词典库更先进，变碎屑为金粉

开放数据

开放政府数据的倡议响彻全球；私营部门社会对数据的利用更具创新性；数据的价值不只是浮在水面的冰山一角；

数据、技术、思维三足鼎立

数据拥有者

数据拥有者可以选择将数据授权给其他公司，如ITA Software；可以自行开发分析，如MasterCard；

大数据技术公司

微软Amalga系统，减少病人再度入院、

大数据思维公司与个人

20岁的克罗斯与四个朋友创办了FlightCaster预测航班晚点

数据中间商

新学期即将开始，有不少学校领导坦言，将放弃电子教案，回归手写教案。其理由是，电子教案让有的教师不再备课，直接从网上下载。

备课是教师上好课的前提和保障，是一个相当复杂的系统工程，它包括了学习课标，研究教材、调查学情、确定策略，最后撰写教案等一系列过程。教师备课越充分，撰写教案质量就会越高，课就会上得越好。可见，对于教学而言，备好课才是关键，教案不过是教师备课结果的一种外显形式，无论是写在纸上，还是打在电脑里，并无本质的区别。

当下，大数据时代已然来临，互联网+已融入了日常生活的方方面面，担负着培养适应未来、创造未来一代新人责任的学校，当然更要与时俱进，绝然不应该独立于大数据时代之外，而应主动地、积极地融入到大数据洪流之中，应用现代教育技术，站在互联网+的最前沿，让学校教育教学与时代共呼吸！培养出适应互联网+、能用、会用、善用信息技术的时代新人！

备课，作为教师教学的重要基础和内容，实行备课电子化，顺应了教育信息化的时代要求，是教育教学发展的必然趋势，与传统备课相比具有无比的优越性。特别是近年来，电子备课系统研究已趋于成熟，它不但方便教师个人备课的撰写、修订、补充与完善，还可以实现网上集体研讨：把教案开放给同一备课组教师，每位教师都可以对教案提建议，都可以进行修订完善，教案原件和修订记录都一目了然，实现了真正意义上的智慧共享；而且，这种电子备课的最大好处还在于，可以将与本课有关的课程标准、电子课本、教学参考书、优秀教案、PPT课件、学生学案、检测试题等相关教学资源捆放在一起，供教师备课时参考，上课时随时选用；所有这些“备课包”放在“云端”，教师无论是在办公室、教室、家里或任何的地方，都可以在电脑、手机等网络终端上查阅、使用，延展了教师备课的时空；电子备课还为翻转课堂、慕课，网络授课、远程辅导等提供了强有力的支持……所有这些，无疑给教师备课、教学、甚至于学生学习提供了便利，提升了教师教、学生学的效率与效益。

之所以有些教学管理者对电子教案持有异议，认为电子教案会使得教师偷工减料不备课，其症结并不在老师那里，而是管理评估的方法有问题。

现实中，有的学校，为了管理评估的方便，把教师的备课与教案等同起来，评估备课就是检查教案，以教案的优劣——其实就是内容的详略和书写来判定备课等级。

按照常规，课时教案是一课一案，一周、一月、一学期下来，教师教案数量庞大，使用电子教案，对于检查者来说，无论查看电脑里“电文”，还是查看打印出来的“纸文”，没有了书写的差别，短时间内不要说无法对教案的真伪进行一一鉴别，就算都是教师原创，检查者也无法对教案的每个细节进行准确的评判，这或许也是某些管理者反对电子教案一个重要原因之一吧。

不可否认，现实中，确有个别老师乘现代网络之机，百度搜索、复制、粘贴，甚至直接下载现成的教案应付了事。如果以此为由便封杀、抛弃电子教案，其做法不免有些“外科庸医剪箭柄”之嫌，并不能从根本上治理教案网上下载抄袭现象，只不过，给下载抄袭者制造了一点麻烦，多了再手抄到教案簿上这一人工步骤、让他们再多些怨气与牢骚罢了！

要想让教师备好课，从根本上铲除复制、抄袭教案现象，其关键并不在于备课结果的呈现形式，而在于抓好教师备课这个过程。

首先，学校管理者要更新管理理念，变消极的制度管理，为积极的人本管理，相信老师，尊重老师，体谅老师，为教师解决实际的问题，让教师以积极的姿态，用心去备课。那种，因个别教师的个别行为就把所有教师都关进“制度的笼子”，套上层层“枷锁”，让教师只能被动地绕着制度转，从而舍弃备课的内涵，将功夫下在外在的形式——即教案项目齐全、书写精美与否上来，造成教案与课堂的脱节，让教案沦为好看不中用的“花瓶”.

其次，学校管理者要与时俱进，改进备课的管理与评估办法。要改变过去以教案评估代替备课评估的简单做法，加强对备课的过程管理，强化集体备课，对教案的评估不仅看教案本身撰写的好差，更看教案的课堂执行情况与效果，让学校管理者、备课组全体教师、学生都参与到对备课的评估中来。如此情况下，即便教师的教案是百度来的、复制粘贴来的，只要符合教学实际，只要教师在课堂上使用的得心应手，只要取得了较好的教学效果，那就是好备课。

教案只是备课的结果，不是备课的核心，教师真心、用心才是备课的根本。手写的备课禁不住抄，电子教案一样高效。在现代信息技术突飞猛进的今天，学校管理者绝不能为了所谓的“评估方便”，而开起历史倒车，让教师再去手抄教案，而是要顺应“互联网+教育”的历史潮流，引领教师正确、恰当地利用现代教育技术和共享资源为教学服务，这才是实现学校教育、教学、管理现代化的上上之策！

当今时代是一个大数据的时代，所有的信息都可以通过大数据来获取。假如跑在路上的十辆车中有一辆是带有无线路由器，那么每天这些车所搜集到的信息量是巨大的。再将这些信息整合，应用到以数据为基础的智能车机中，就能实现智能车生活。然而这只是小编的一个愿景而已，要实现这些还需要产品的落地，而不仅仅是停留在“空中”。

 以前的车机上网，是以通过车机内置的通讯模块进行上网，位置的局限和信号的干扰，令其用户体验一般般，并未达到车主的预期，并且要将网络共享出来，需要手动设置，加之共享网络也会占用车机原有的内存，会影响车机使用的连贯性和稳定性，因此内置的网络模块并不是一个明智之举。

车载专用，车机上网更方便

掌讯推出的车载专用路由器，是一个独立的模块，即使有多台设备一同连接网络也不会影响原有车机的正常使用。并且车载专用路由器的安装很方便，路由器安装在驾驶员的头顶上方，小巧精致，不会影响驾驶员的驾驶安全。如果是掌讯的车机，可以直接插线使用；无论是原车自带的车机还是后装的车机，都能通过一个转换盒子，让车机能上网。

 在实际的体验中，车载专用路由器的网络速度是值得肯定的，以在线听歌为例，从点击搜索开始，大约需要1秒的时间进行反馈，除去硬件的响应时问,0.5秒（车机的配置普遍不高，响应时问可能更长），也就是网络搜索到反馈信息大慨是0.5秒，这与很多家用网络接近，甚至会更快速。

据了解，车载专用路由器的通讯网络是中国联通的3G网络。说起网络，车载专用路由器的网络有一个特别之处，在隧道、高架桥、高速路等手机网络死角，车载专用路由器照样可以顺畅上网哦。

卫生机构使用传统方法预测流感的传播，很多时候存在滞后性。而作为一家互联网公司，谷歌通过分析用户在搜索引擎上的搜索记录来预测流感传播，其准确率比卫生机构还高，而且预测输出时间比机构提前了2周！这就是大数据给人类带来的惊喜。

现在我们经常听到别人在谈论“大数据”，但是当大家在侃侃而谈的时候，究竟有多少人理解“什么是大数据”？

今天喵叔结合《大数据时代》这本书的内容，跟大家聊聊大数据那些事。

一、什么是大数据？

我的理解的大数据是一种状态。在这种状态中，我们面对的数据是海量的。因为现代科技的发展，我们有了对海量数据存储和处理的技术，而且这些技术还会不断发展完善。更重要的是我们对各种数据的处理方法和态度都发生了转变，我们开始积极地发掘并利用各种数据。在这个时代，数据已经成为一种非常重要的资源。

二、大数据时代下的3个思维变革

1、不是随机样本，而是全体数据

以前我们开展研究时，习惯采取抽样调查的方式。因为之前人类对于数据的收集、储存和处理的能力有限。那时采取随机抽样是让我们最大限度了解真实情况的可行方案。

但是随着科技的发展，我们已经有了解所有样本的能力。这时对全部的样本进行研究，将让我们输出接近100%的真相。

例如：古代人如果要了解全国人均寿命，可行的方法是：随机调查全国几个城市的部分人员寿命，以此推出全国大概的人均寿命。但是现在我们每一个人从出生到死亡的信息都会被记录。这样我们就可以从全体数据的角度来看问题了。

理解这一点，并不是要求我们每个研究都选择全体数据，这只是为我们的研究拓宽一条渠道而已。毕竟目前我们还需要考虑处理海量数据的经济成本。

2、不是精确性，而是混杂性

大数据时代我们要学会拥抱混杂性。传统的语言翻译系统，会输入大量复杂的算法逻辑，结合大量例句、单词、短语、和语法习惯，来进行翻译活动。但这样的结果是：翻译范围有限、翻译对象仅限于2种语言之间。

而谷歌抛弃了精确算法这条路子，选择大量收集和处理全球能找到的所有翻译，掌握用不同语言翻译的、质量参差不齐的数十亿页文档，用此来搭配组合出质量最好的结果。这种混杂性下，谷歌的翻译系统就像一个成长中的孩子，不断学习和积累。即使它会吸收部分错误的信息，但这并不会影响它整体的成才。

所以说，大数据的简单算法比小数据的复杂算法更有效。

3、不是因果关系，而是相关关系

经济学中有一个“啤酒尿布”现象——将尿布和啤酒放在一起，这两样产品的销量会同时增加。

对此经济学家尝试给出了各种解释，希望从中找出因果关系。例如：家庭主妇采购尿布时，看到啤酒就会顺便为丈夫准备一点。

而在这本书中，作者强调：知道“是什么”就够了，没必要知道“为什么”。即关注相关关系即可。

现在我们已经有了收集和存储海量数据的设备，我们也有了进行数据挖掘的工具，那么就只管去寻找数据之间的相关关系就可以了，至于他们为什么会有这个相关关系我们可以不管，只要懂得应用就好。

以上便是《大数据时代》的部分内容分享，接下来是这本书的整体介绍：

【今日好书】：《大数据时代》，豆瓣评分7.5分。

【作者】：维克托.迈尔-舍恩伯格（Viktor Mayer-Sch·nberger），被誉为“大数据商业应用一人”，拥有在哈佛大学、牛津大学、耶鲁大学和新加坡国立大学等多个互联网研究重镇任教的经历。

【内容简介】：《大数据时代》一书中展示了谷歌、微软、IBM、苹果、facebook、twitter、VISA等大数据先锋们具价值的应用案例，向我们阐述了什么是大数据。同时为我们揭示了大数据时代下的3种思维变革、3种商业变革和2种管理变革。

【喵叔简评】：本书的逻辑结构清晰，可读性很强，阅读起来也很流畅。内容方面，通过大量的案例，让我们轻松了解哪些表面看来很晦涩的概念。对于想了解大数据以及大数据在商业时代如何应用的朋友来说，这是一本很不错的书籍。

如果你已经阅读过此书或者正在阅读，欢迎在评论去分享你对这本书的看法。

当世界迈向大数据时代时，整个社会也将经历类似的地壳运动。在改变人类基本的生活与思考方式的同时，大数据早已在推动人类信息管理准则的重新定位。然而，不同于印刷革命，我们没有几个世界的时间去适应，我们或许只有几年的时间。

技术的进步改变传统的商业模式，特别是当这种技术能够成为一种普遍存在的现象时，整个社会都将会发生深刻的改变。大数据时代，我们的生产方式和沟通交流都会随着大数据的普遍而发生变革，而这也将会导致我们自我管理规范的变革。

我一直认为，好的商业模式必将是一种创新的商业模式，经历市场的检验和打磨能够存活下来的，也必将会是最适合自己的、也是最好的。大数据的冗杂和繁多能够让我们在所有的领域都可能拥有新的创新，数据的价值正在于此。而我们要做的，就是要将这种创新衍生为新的经济价值，兴城一中有效的模式，能够在最大程度上改变我们的生活。

数据掌控着我们的一举一动，反言之，我们能否有效的去掌控数据，这将会成为一个问题。我们需要一个答案，这个答案是在技术的基础上，加上人性的分析，需要我们自己去寻找答案。未来的大数据会怎么发展，都在于我们自己。

制图/李晓军

随着互联网和计算机技术发展,电子数据搜集和审查判断已经成为刑事司法活动中的基础性、普遍性工作。2016年,最高人民法院、最高人民检察院、公安部联合发布《关于办理刑事案件收集提取和审查判断电子数据若干问题的规定》,这一“规定”是我国电子数据取证相关法律法规不断发展完善的必然结果。

基于大数据、人工智能带动的公有云计算的市场需求空间,使得数据越来越多地从终端设备向云端迁移,同时很多涉网犯罪行为也向云端迁移。鉴于云计算模式下网络犯罪更趋复杂,当务之急是落实运营商主体责任。根据反恐怖主义法和网络安全法规定,网络运营者应当为公安机关、国家安全机关依法维护国家安全和侦查犯罪的活动提供技术支持和协助

□法制网记者 杜晓 □法制网实习生 张希臣

9月16日至9月24日是国家网络安全宣传周,其间,如何进一步打击网络犯罪、有力保障网络安全成为社会各界关注的焦点。

近几年,网络犯罪日趋多发,与之对应,在打击网络犯罪中越来越多运用到电子取证。

电子取证,是指利用计算机软硬件技术,以符合法律规范的方式对计算机入侵、破坏、欺诈、攻击等犯罪行为进行证据获取、保存、分析和出示的过程。

最高人民法院、最高人民检察院、公安部曾联合发布《关于办理刑事案件收集提取和审查判断电子数据若干问题的规定》,其中指出,“电子数据是案件发生过程中形成的,以数字化形式存储、处理、传输的,能够证明案件事实的数据”“侦查机关应当遵守法定程序,遵循有关技术标准,全面、客观、及时地收集、提取电子数据；人民检察院、人民法院应当围绕真实性、合法性、关联性审查判断电子数据”。

在近日召开的第五届中国互联网安全大会电子取证技术与发展论坛上,业内有关专家对与电子取证有关的若干问题进行了详细探讨。

电子取证相关法律法规不断完善

“电子证据第一次出现是在1998年,当时公安机关网安部门在侦办某网络案件时对有关证据进行了提取,并被法院采纳。在具体法律规定方面,我国较发达国家而言相对晚一些,其中一方面在于可以用于证明案件事实的材料都是证据,与案件相关的电子证据自然属于证据范畴；另一方面在于刑事诉讼法中将证据种类限定为7种,并没有设定电子证据。2012年3月14日,第十一届全国人民代表大会第五次会议通过了《关于修改〈中华人民共和国刑事诉讼法〉的决定》,根据该决定,电子证据成为法定证据类型,进一步适应现代化技术的发展,进一步丰富了证据范围,困扰才得到解决。”原公安部网络安全保卫局巡视员顾坚说。

2016年,最高人民法院、最高人民检察院、公安部联合发布《关于办理刑事案件收集提取和审查判断电子数据若干问题的规定》时,顾坚曾参与起草和制定工作。

据顾坚介绍,“规定”的出台有着多重背景,其中包括:截至2017年6月,中国网民规模已经达到7.51亿,手机网民规模达到7.24亿,占比达96.3%；针对互联网的犯罪日益猖獗,我国已经成为“黑客”攻击破坏的主要国家之一；网络赌博、诈骗、网上贩卖公民个人信息等利用互联网的违法犯罪形势严峻,严重污染网络环境；网络犯罪趋势日益凸显,大量犯罪实施均借助网络技术运用而实现,技术门槛和犯罪成本大大降低,犯罪规模和危害程度扩大,犯罪分工更加精细,犯罪手法更加复杂；恐怖分子利用网络制作传播暴力恐怖的视频,煽动实施恐怖活动。

“随着互联网和计算机技术发展,电子数据搜集和审查判断已经成为刑事司法活动中的基础性、普遍性工作。2015年,公安机关网安部门办理网络犯罪案件的数量已经超过了17万起,但是由于电子数据的专业性很强,公检法部门在司法实践中对电子数据的证据规格、效率和证明率等问题缺少统一的判定标准,已有规定操作性不强,相关证据依然难以采纳,影响了司法活动的顺利开展。”顾坚说。

顾坚认为,“规定”的出台是我国电子数据取证相关法律法规不断发展完善的必然结果。 据介绍,“规定”解决的主要问题包括:

对现有电子证据规则、司法操作性不强的问题,在《最高人民法院关于适用〈中华人民共和国刑事诉讼法〉的解释》确立了电子证据基本规则的基础上,进一步提出电子证据搜集、提取、审查、判断的基础方法；

对现有法律法规缺乏对电子证据明确定义的问题,进一步明确了电子证据的内涵和外延,对证据类型进行列举,特别是对数字化形式的证人、证言、被害人陈述口供和辩解、笔录等证据与电子证据的关系问题进行了明确。

针对云计算、大数据管理下难以将海量数据分层、扣押以及数据难以调取的问题,根据实践作用提出了冻结的措施,为该类电子证据固定难题提出了法律解决的依据；

对电子证据搜集过程中规范的问题,进一步梳理电子证据的搜集面临的各种情形,确定了以原始存储为主、直接或远程提取为辅、打印拍照为例外的搜集提取规范,明确了电子证据搜集的图纸、电子证据调取、电子证据检查、侦查实验有关流程规范,并规定了相关笔录、见证人及录像要求；

对司法实践中电子证据审查难的问题提出了电子证据真实性、合法性、判断的要点,将电子证据完整性纳入真实性范畴之中,提出了完整性的保护和审查方法,明确了电子证据、瑕疵证据和非法证据的情形；

对现有电子证据有关规定过于分散和零散问题,对已有电子证据有关条款集中进行了汇编。

简而言之,这个规范性文件是截至目前办理刑事案件中涉及电子证据问题最为全面的规范性文件。

云计算环境下电子取证难度加大

云计算是互联网未来发展趋势之一,对于电子取证也带来了深远影响。

“云计算是以最简便的途径和按需的方式通过网络配制计算资源。2017年,中国公有云(通常指第三方提供商为用户提供的能够使用的云)市场规模将超过150亿元,基于大数据、人工智能带动的公有云的市场需求空间,使得数据越来越多地从终端设备向云端迁移,同时很多涉网犯罪的行为也向云端迁移。比如,在2014年,某著名游戏公司受到流量攻击有453.8GB。再比如,像iCloud数据的外传,某电商泄露了大量个人信息等。还有一些利用云盘传播淫秽色情信息牟利案件。为什么我们提出冻结的操作方式?因为需要在这些案件中进行取证调查。至去年10月,网络犯罪数量已经占犯罪总数的三分之一,我们面临的现实危险主要来自于网络空间。”公安部第三研究所所长助理、首席科学家、公安部网络侦查技术研发中心副主任金波说。

金波认为,云计算一定要看其本身的计算模式和传统模式的差别,传统IT不管是在企业网还是在互联网上,除了网络这个层次的资源可能是公有的外,其他的资源都是私有的。“当我们说起云计算,就必然要从云计算模式与传统IT相比带来的变化出发,我们就必然面临云计算模式下的一些困难。比如,怎么搜集云平台的数据、搜集以后怎么分析、数据搜集怎么定位等。再比如,云上IP并不意味着是真实IP地址,其中就涉及管辖问题,另外由于云存储的数据用完以后随时会释放掉,怎么固定也是一个问题”。

除此之外,在云计算模式下,调查取证还面临其他困难。

“云平台的共享特点使得涉案虚拟服务器所挂载的虚拟硬盘等数据处于离散状态,部分云服务提供商甚至采用了动态伸缩的存储技术,虚拟服务器释放出来的空间会被立即分配给其他虚拟服务器使用。如果我们做静态分析,不同服务商的格式可能不一样,海量的数据难以分析。另外,云服务商提供的不是一台虚拟机,而是提供虚拟网络服务,要构建出整个云服务的环境,不仅仅是把一台虚拟机请来就行,这时候怎么进行组网?这是很迫切的问题。”金波说,像公有云服务,用完以后可以马上释放掉数据,再想找到就会很困难。有些不法分子作案后将服务器一删了事,再查就非常困难了,这就提出了时效性的需求。

“我们一定要在服务器被释放之前能够做好这些服务器的工作,这几乎是对抗云反取证的唯一手段。”金波说。

鉴于云计算模式下网络犯罪更趋复杂,当务之急是完善制度,落实运营商主体责任。

“今年,公安部网安局专门出台了一个部门规章,对云服务提供商在协助调查取证以及安全管理方面提出了要求,这是一个非常重要的云计算合规要求。”金波说。

据金波介绍,上述规章要求云服务提供商要有专门队伍配合公安机关工作,这些人员要进行专门的培训、签订保密协议。此外,还有相应的技术标准。

“另外,还有一个制度设计是关于基础建设的。我们要求云服务提供商要落实安全基础措施,做好流程,为公安机关防范、调查违法犯罪活动提供必要的技术解密、技术支持和协助,这实际上就是一个服务提供商的主体责任落实。”金波说,反恐怖主义法第十八条规定,电信业务经营者、互联网服务提供者,应当为公安机关、国家安全机关依法进行防范调查提供技术接口和解密等技术支持和协助。网络安全法第二十八条规定,网络运营者应当为公安机关、国家安全机关依法维护国家安全和侦查犯罪活动提供支持和协助。云服务提供商应建立涉嫌违法犯罪的线索报告和配合调查制度,发现违法犯罪及异常情况应保留相关证据,24小时之内向当地公安机关报告。

云服务商协助取证要留存哪些数据?

金波认为,这些数据包括云U注册数据、用户资源使用数据、用户业务数据、网络流量日志、安全事件数据和其他服务。

二维码犯罪取证首先在于解析

二维码犯罪是当前比较常见的网络犯罪形式。

“现在的二维码非常普遍,我们都接受了这种方式。二维码从出现到现在不过两三年的时间,但是普及非常迅速,其中的关键原因是太方便了。二维码铺天盖地而来,很多小朋友都知道扫一扫。”山东警察学院网络空间安全与执法协同创新中心秘书、电子学会取证专委会委员张璇说。

二维码的广泛应用给一些不法分子以可乘之机。

“二维码的替换非常容易,不需要技术含量,生成和变造是非常简单的。二维码支付也越来越简便,我们不用像原来那样需要专业的设备,只要手机这样一个终端就可以完成二维码支付活动。普通群众可能根本分不清什么是付款码和收款码,所谓收款和付款是相对于用户来说的。很多不法分子会利用大家对二维码认识的不足,骗取大家的付款码,相当于不法分子获取了我们的付钱凭证。二维码本身的变造也非常容易,如果是一个PS高手,他会把二维码PS成各种新鲜的格式,就是为了诱导大家扫这个二维码,如果其中有一些木马程序,危害可能就比较大了。”张璇说。

当二维码犯罪出现后,应该如何追查?

“第一步就是解析二维码,解析出来到底是恶意的信息还是支付的二维码。如果是恶意信息,我们就可以进一步进行研判；如果是支付相关的信息,我们要分辨到底是收款码还是付款码,然后调取第三方支付平台上的对应账户。第三方支付平台并没有很好地提供解析工具,如果要作为证据来用,但他们不能盖章。现在只能是通过受害人资金的流水来进行关联,受害人在什么时间支付了哪一笔钱到什么账号,如果能和二维码对应起来,就可以作为证据链条,下一步还需要第三方支付平台提供这样的解析工具。”张璇说。

一个骗码团伙的犯罪链条是怎样的?

“我们从聊天记录中发现,他们只是一个负责骗码的团伙。有了二维码怎么变成钱呢?他们有非常成熟的链条,有时候不是自己来扫,而是让专门的扫码团伙来扫,这些团伙成员是注册了很多虚假身份的商户,他们有POS机等设备。另外,扫码团伙还会把结果再交给第三方平台进行解码。整个链条是一个大的体系,是一个产业链。如果我们要取证,就涉及到二维码的犯罪取证,我们首先要搞清楚在整个犯罪行为中是如何应用二维码的,第二就是如何解析二维码,第三就是要把受害人资金的流水和二维码做一个对应,目前来看还值得改进。”张璇说。

取证过于依赖自动化是好是坏

随着电子取证的发展,也引起了越来越多的思考。

辽宁省大连市公安局网安支队七大队大队长、全国刑事技术标准化技术委员会电子物证分技术委员会专家、中国合格评定国家认可委员会主任评审员刘浩阳从中总结了电子取证的经验。

“自动取证这个功能现在非常普及和流行,但从实际来讲,我们一直对自动化取证有争议,那就是自动化取证究竟是提高了我们的能力还是降低了我们的能力。”刘浩阳说,“刚开始从国外引进电子数据取证时叫计算机取证,主要针对台式机取证,后来出现了笔记本,再后来就是我们现在最流行的手机,未来可能是云计算和物联网设备。”

就手机取证而言,刘浩阳认为,手机实际上包含了所有的个体信息,包括物理身份和虚拟身份,尤其是虚拟身份。目前来看,手机网民远远超过了PC网民。“手机是我们现在每个人必不可少的东西,手机一直是取证的一个焦点,也是近些年来电子数据取证发展非常迅速的一个部分。手机取证设备也非常多,从实际来讲,当你拥有一套手机取证设备时,不需要解锁直接拿来就可以了,里面存储了大量的数据”。

刘浩阳在对比了6个手机取证工具之后认为,“现在取证工具的稳定性和可信性是最大的问题。这些工具的原理其�...

时逢大数据时代，

围绕着这块时代更新的大秘宝，

为数众多的引领时代的先锋们展开了激烈的角逐，

大数据已经成为了不可忽视的存在。它不仅是一场颠覆性的技术革命，更是一种思维方式、行为模式与治理理念的全方位变革。我们已经处于大数据环绕的“伟大航道”中了。在我们生活的各个行业中，大数据已经悄然站稳了脚跟。

一、大数据在金融

处在宏观经济结构调整和利率逐步市场化的大环境，国内的金融机构出现盈利空间收窄、业务定位亟待调整、核心负债流失等问题。大数据技术能够帮助金融机构深入挖掘既有数据，找准市场定位，明确资源配置方向，推动业务创新的重要手段。国务院更是颁布了《推进普惠金融发展规划(2016-2020年)》直接提到“鼓励金融机构运用大数据、云计算等新兴信息技术，打造互联网金融服务平台。”国内外各金融与类金融机构、互联网金融企业纷纷开始探索大数据的应用，希望大数据可以带来技术与应用上的突破， 实现现有风控模型体系的升级，探索基于场景化的新消费金融市场，并提升催收效率、建设互联网深层次大面积获客能力，从而彻底提升国家金融行业的国际竞争力。

二、大数据在科技管理

中国科学院计算机网络信息中心大数据部主任、CODATA中国委员会秘书长黎建辉说过：“在物联网产生之前，或者大的传感器产生之前，我们的采集数据来源于访谈、测量或者是记录在纸上，那个时候我们的数据量比较少，而如今，主要靠科学仪器获取大量源源不断产生的数据，数据产生的量非常大，而且复杂度非常高。”仪器采集较少了人工记录的难度，获取的数据也更加的精准。

三、大数据在政务

如今，政务大数据共享还没真正落实，有些政府部门基于风险考虑而不敢将管理数据拿出来与其他部门共享。主要原因是担心共享会带来负面影响和不利后果，要么害怕共享时暴露出本部门原有数据不真实、不精确而问责，要么认为“数据安全与保密比共享更重要”、采取封闭行为更妥当。

大数据时代的到来，给政府管理变革带来了新的契机。2015年8月国务院印发《促进大数据发展行动纲要》明确提出“推动政府数据开放共享”;2016年12月国务院通过了《“十三五”国家信息化规划》，提出要打破各种信息壁垒和“孤岛”，推动信息跨部门、跨层级共享共用。如何推动政府部门数据共享，打破信息壁垒和“数据烟囱”，优化政府管理流程和提升协同治理能力，已经成为当务之急。

四、大数据在能源产业

大数据与能源行业的结合目前主要体现在三个行业：(1)石油天然气产业链与大数据的结合。在油气勘探开发的过程中，可以利用大数据分析的方法寻找增长点，利用大数据平台可以帮助炼油厂提高炼化效率，也可帮助下游销售挖掘消费规律，优化库存，确定最佳促销方案。(2)智能电网：利用大数据实时监测技术监测家庭用电量特征，帮助电力公司调配电力供给，为客户提供最佳用电方案。 (3)风电行业：进行风电场分布式风机的在线监测，周期性及瞬时的实时数据采集和在线分析，生成警报、允许维护人员可视化和管理数据，简化大规模监测系统的部署。

五、大数据在天文

天文学作为一个典型的大数据应用领域，同样需要通过标准化和一系列规范实现全球的天文科学数据的共享与交易。为了解决国际上天文大数据的开放、共享以及数据间的操作问题，天文学家提出了虚拟天文台的构想，这是一个通过先进的信息技术将全球范围内的研究资源无缝透明连接在一起而形成的数据密集型网络化天文研究与科普教育平台。

在谈及大数据对天文学方面的贡献时，中国科学院国家天文台信息与计算中心主任崔辰州表示，探索宇宙的奥秘，大数据正在发挥越来越重要的作用。目前，中科院微生物所正在通过研究和开发云环境下微生物数据存储和计算等一系列关键技术，形成完善的微生物数字资源体系、知识发现平台和大数据服务平台，建立具有国际影响力的微生物数据库，实现我国微生物领域数字资源建设的突破。

大数据在各行各业中的作用是难以细数的，大到天文地理，小到消费网购。现在人们的生活环境已经离不开大数据的存在了。

技术的不断更新发展，让数据的价值被重新发现和定义，进而带来整个社会的变革。如今的大数据行业，正显示出朝气蓬勃的生命力，我们在享受这个时代赋予便利的同时，也将对其进行改变与创新。大数据，想说爱你真不容易。

信息革命:20世纪40年代中期计算机问世以来，在全世界范围内兴起的第一次信息革命,信息高速公路是一种高速多媒体传输系统，能在全球甚至更大的范围内传输声像图文并茂的多媒体信息。

信息革命指由于信息生产、处理手段的高度发展而导致的社会生产力、生产关系的变革,以互联网于全球化普及为重要标志。

大数据时代（智能化时代）

2011年6月，全球知名咨询公司麦肯锡发布《大数据：下一个竞争、创新和生产力的前沿领域》，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。

进入2012年，大数据（big data）一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。

《纽约时报》2012年2月的一篇专栏中称，“大数据”时代已经降临，在商业、经济及其他领域中，决策将日益基于数据和分析而作出，而并非基于经验和直觉。

哈佛大学社会学教授加里·金说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”

维克托·迈尔-舍恩伯格，肯尼斯·库克耶著，盛杨燕、周涛译《大数据时代:生活、工作与思维的大变革》（2013年1月）前瞻性地指出，大数据带来的信息风暴正在变革我们的生活、工作和思维，大数据开启了一次重大的时代转型，包括大数据时代的思维变革、商业变革和管理变革。

大数据时代的思维变革

更多：不是随机样本，而是全体数据

更杂：不是精确性，而是混杂性

更好：不是因果关系，而是相关关系.

数据化:DATAFICATION一切皆可量化当文字变成数据当方位变成数据当沟通变成数据世间万物数据化。

价值:VALUE取之不尽用之不绝的数据创新数据的再利用重组数据可扩展数据数据的折旧值数据废气开放数据。

角色定位:ROLE 数据、技术与思维的三足鼎立大数据决定企业竞争力数据科学家的崛起全新的数据中间商大数据思维公司大数据技术公司大数据掌控公司。

企业行政管理机构的设置

组织结构:是指组织的框架体系及其相互关系，它涉及组织内部专业化分工程度、部门的设置、管理幅度和管理层次、集权与分权的程度、职责与职权的设定以及组织成员之间的协调与合作关系等内容。

管理幅度与管理层次

管理幅度:也称管理跨度或管理宽度，是指某一层次上的主管人员直接而有效地管理下属人员的数量。

管理层次:是指组织内部从最高一层管理组织到最低一级管理组织的组织等级。

管理幅度与管理层次之间存在反比关系。管理幅度越大，管理层次就越少；管理幅度越小，管理层次就越多。

企业行政管理人员的基本素质与能力科莱斯平衡记分卡（Careersmart Balanced Score Card），源自哈佛大学教授Robert Kaplan与诺朗顿研究院（Nolan Norton Institute）的执行长David Norton于1990年所从事的「未来组织绩效衡量方法」一种绩效评价体系。平衡计分卡是从财务、客户、内部运营、学习与成长四个角度，将组织的战略落实为可操作的衡量指标和目标值的一种新型绩效管理体系。设计平衡计分卡的目的就是要建立“实现战略制导”的绩效管理系统，从而保证企业战略得到有效的执行。

基本能力：协调能力、人际沟通能力、执行能力、团队协作能力、创新能力。

职责与职权

职权：是指管理职位所固有的发布命令和希望命令得到执行的权力。

职责：是指某项职位应该完成的任务及其责任。

职责与职权必须是对应的，有权无责、有责无权都是不能完成好组织任务的。