序論：寫作是一種深度的自我表達。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內心深處的真相，好投稿為您帶來了一篇大數據下信息資源管理創新分析范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創作。

在大數據時代，信息資源管理在思維上要關注研究對象的完備性、接受數據信息的混雜、注重相關關系；在流程上則應革新信息采集模式、構建分布式信息存儲平臺、變革信息分析流程、提高信息提供質量，從而實現信息資源管理的整體優化。

引言

信息資源管理是在上個世紀７０年代末８０年代初為解決企業和政府信息資源管理和利用問題而興起的一個新興領域。它將信息作為一種資源進行管理，并隨著社會和技術的發展，形成了一系列理論和方法，成為當今最引人注目的研究領域之一。２０世紀９０年代后期，為了應對傳統計算機技術難以處理的海量數據問題，科學研究領域率先提出了大數據的概念。２００８年，Ｙａｈｏｏ、Ｇｏｏｇｌｅ、阿里巴巴等大型互聯網和電子商務公司在運營過程中，出現了很多問題，如處理的數據量大、種類多，數據的流動速度快，而且數據經常是不完備甚至是不可理解的［１］。為了有效地解決這些問題，大數據的理念和技術被應用，且不斷更新大數據的技術和架構。除了在科研和經濟領域引起熱潮，政府也將大數據問題提升到了戰略層次。２０１５年，國務院頒布了《促進大數據發展行動綱要》［２］，指出大數據已成為國家基礎性戰略資源，這也是中國正式啟動和實施國家大數據戰略的標志。大數據與信息資源管理緊密相關，大數據的思維影響著信息資源管理的思想，指導處理大數據環境下信息資源管理中涌現的問題，并為信息資源管理發展出全新的方法論。就方法論而言，大數據帶來的新思維，即整體性、容錯性以及相關性思維，給傳統的科學方法論帶來了巨大沖擊。大數據技術則為信息資源管理的發展奠定基礎，為其實現指明道路，并提供動力。就非結構化數據處理而言，大數據提出了多源信息融合理論［３］，并在技術實現上給予支持，保障信息采集的完備性、信息分析的科學性，以及信息成果或產品的高價值。簡而言之，大數據與信息資源管理緊密相關，其思維指導著信息資源管理思想在大數據環境下的變革，其技術在信息資源管理流程方面具有良好的可移植性，促使信息資源管理流程適應大數據時代的發展。

１大數據思維與技術

“大數據”（ＢｉｇＤａｔａ）是一個較為抽象的概念，現在還沒有統一的定義。大數據最早由美國著名未來學家Ｔｏｆｆｅｒ在《ＴｈｅＴｈｉｒｄＷａｖｅ》一書中提出，其將大數據贊頌為“第三次浪潮的華彩樂章”［４］；２０００年Ｄｉｅｂｏｌｄ［５］所撰寫的論文《“ＢｉｇＤａｔａ”ＤｙｎａｍｉｃＦａｃｔｏｒＭｏｄｅｌｓｆｏｒＭａｃｒｏｅｃｏｎｏｍｉｃＭｅａｓｕｒｅｍｅｎｔａｎｄＦｏｒｅｃａｓｔｉｎｇ》是大數據第一次出現在學術期刊中。維基百科將大數據定義為無法在一定時間內用傳統數據庫軟件工具對其內容進行抓取、管理和處理的數據集合［６］。這并不是個嚴謹的定義，但卻是各種學術和應用領域最廣泛引用的一個定義。２０１２年初，麥肯錫公司用“大數據”來指那些數據量特別巨大，并包含結構性、半結構性和非結構性的數據［７］，促進了大數據的廣泛傳播，并引起了學界對大數據的研究熱潮。有研究以大數據的五個特征作為補充，得出一個較為清晰的概念，即大數據是以容量大、存取速度快、類型多、真實性、價值回報高為主要特征的數據集合［１］。雖然關于大數據的研究持續的時間不長，但關于大數據的研究與應用卻已深入到社會的方方面面，深刻地影響著人們的生產與生活。

１.１大數據思維

得大數據者得天下，要想充分發揮大數據的價值，首先要建立大數據思維。簡單來說，大數據時代，人們必須用數據的眼光重新看待這個世界，將一切數據化，并且依托數據做出更為有效的決策。大數據主要給人們帶來了三個全新的思維，即整體性思維、容錯性思維以及相關性思維，這三個思維將幫助人們更好地理解大數據。1.1.１整體性思維。大數據思維對整體性的追求，實質上是一種“樣本＝總體”的思維轉變［８］，即要分析與某事物相關的盡可能多的數據，甚至所有數據，而不再只依賴通過隨機分析法（抽樣調查）得到的少量數據樣本，通過這種方式可以抓住隨機抽樣方法中抓不到的細節。這里使用“盡可能多”來闡述大數據，是由于在現實中會受到人體自身與技術發展水平的限制，所能獲取和處理的數據終歸是有限的。不過隨著信息技術的進步，人們可以處理的數據量會不斷增加［８］。1.1.２容錯性思維。大數據思維的容錯性是指其不再追求數據的精確性，即接受數據的混雜性，不同于以往科學研究中對高質量數據收集處理和精確性結果獲得的訴求，大數據從大量混雜的數據中挖掘知識和價值，宏觀上失去了精確性，但微觀上卻能獲得準確性。大數據的混雜性主要體現在兩個方面，一是數據容量巨大，質量參差不齊；二是數據結構多樣，結構化、半結構化、準結構化和非結構化數據共存。大數據體現著“樣本＝總體”的思想追求，由于人體本身與技術發展水平的限制，所能獲取與處理的數據是并且永遠是有限的，因此無需也無法追求精確度［８］。此外，適用于傳統數據庫的結構化數據只有５％，只有接受混亂，才能利用剩下的９５％的數據資源［９］。1.1.３相關性思維。大數據思維的相關性是指不再探求難以捉摸的因果關系，轉而關注事物的相關關系。與因果關系不同，相關關系不需要揭示事物內部的運行機制，類似于將數據封裝成一個個的黑箱，用戶只需要關注外在的宏觀行為，忽略內部的各種復雜關系轉化，然后通過比對來找到宏觀行為中的數據之間的相關關系。這種對數據之間相關關系的挖掘，在面對非線性關系分析時，顯示出了極大的優越性。相關性思維使人們關注“是什么”而不是“為什么”，幫助人們更好地了解這個世界［９］。

1.２大數據技術

根據大數據的應用實踐過程，可將大數據技術劃分為大數據采集技術、存儲與管理技術、分析技術以及安全與隱私保護技術等。1.2.１大數據采集技術。常用的大數據采集技術有射頻識別技術（ＲＦＩＤ）、形碼技術、視頻監控技術、網絡爬蟲采集技術、情感識別技術與智能錄播技術、移動ＡＰＰ技術與點陣數碼筆技術等［１０］。主要集中于云環境下大數據的采集、分布式大數據的采集技術以及各領域大數據采集三個方面。如，方暉［１１］研究出了基于相干功率譜密度估計的云信息采集方法。楊懿等［１２］研究的用電信息采集系統架構優化主要是利用了大數據的分布式采集技術。趙紅艷［１３］設計的基于大數據的小微企業信息自動采集系統，實現了網頁信息抓取、處理、集成、存儲和查詢等。1.２.２大數據存儲與管理技術。大數據存儲與管理技術主要涉及ＮｏＳＱＬ存儲方案設計、分布式文件系統構建、分布式并行數據集群技術的研究、面向大數據處理的ＭａｐＲｅｄｕｃｅ模型實現以及基于Ｈａｄｏｏｐ開源體系的系統平臺建設等方面［１０］。非關系型分布式數據庫（ＮｏＳＱＬ）是分布式存儲的主要技術，具有不需要預定義模式、無共享架構、彈性可擴展、數據分區、異步復制以及追求最終一致性和軟事務等特征［１］。如Ｈａｄｏｏｐ分布式文件系統ＨＤＦＳ具有高度容錯性，可以應用在那些低配置的硬件上，并保持高吞吐量的數據訪問。1.2.３大數據分析技術。目前，大數據分析技術的研究主要涉及云計算、分布式數據庫、ＭａｐＲｅｄｕｃｅ、基于機器學習的大數據分析技術、大數據挖掘技術、大數據分析系統的構建、可視化技術等多個方面［１０］。云計算是一種可擴展的基于互聯網的資源配置方式，對軟件的開發與測試有著深刻的影響［１４］。分布式數據庫主要是用計算機網絡對分散的數據節點建立邏輯上的統一，具有降低數據傳送代價、提供系統可靠性以及便于系統擴充等優點［１］。ＨａｄｏｏｐＭａｐＲｅｄｕｃｅ是一種編程模型，適合大數據規模集（大于１ＴＢ）的并行運算。1.2.４大數據安全與隱私保護技術目前，大數據安全與隱私保護技術的研究有數據加密算法、位置大數據的隱私保護、隱私保護的技術架構研究以及隱私保護的立法等［１０］。Ｒｉｖｅｓｔ在１９９１年開發出技術上更為趨近成熟的ＭＤ５算法，并在一致性驗證、數字簽名、安全訪問認證等領域有著很好的效果。聶燕敏、陳剛和何志強［１５］設計的分布式位置隱私保護模型，實現了精確位置分割和多層次粗糙位置融合的新算法，并采用信息熵的理論進行實證，顯示新算法對位置大數據隱私保護效果顯著。楊鑫［１６］將入侵檢測技術、容忍技術以及通用框架模型相結合，在入侵檢測框架中添加入侵容忍單元，從而提出了改進入侵容忍系統模型的設計方案。

２大數據對信息資源管理的影響

大數據對信息資源管理的影響主要體現在思想與流程兩個方面。信息資源管理思想是動態變化的，在大數據時代，由于數據的５Ｖ特征的影響，會表現出關注研究對象的完備性、接受數據信息的混雜和注重相關關系等特性。而在信息資源管理流程方面，由于大數據技術的推進，以及信息資源管理的新思想的作用，信息采集、信息組織、信息分析以及信息提供都會在一定程度上受到影響。

2.１對信息資源管理思想的影響

信息資源管理經歷了以圖書館為象征的傳統管理階段、以電子信息系統為標志的自動化技術管理階段、對信息活動全要素進行管理的信息資源管理階段以及最新發展形成的知識管理階段四個發展階段。在信息資源管理的發展演變過程中，比較主流的信息資源管理思想有信息是一種資源、信息資源管理新模式、以人為中心三種：（１）信息是一種與物質、能源同等甚至更加重要的資源，把信息看成寶貴的資源，認同其作為資源的地位，是面對信息資源所持有的一種科學態度［１７］；（２）信息資源管理新模式是指從技術、經濟、人文三個維度對信息資源進行管理，從而保證信息資源開發與利用的科學性，保持管理模式的先進性；（３）以人為中心是指將關注的重心從技術轉移到人本身，如人對技術的態度、人與技術的關系、人的信息使用行為、人的信息心理等［１８］。信息資源管理思想在不同的階段有著不同的內容，即信息資源管理思想是動態變化的，隨著時代的發展而不斷替換與更新。大數據思維是數據規模與復雜度發展到一定階段的產物，符合當前發展趨勢，對信息資源管理思想的發展與變革具有指導作用。2.1.１關注研究對象的完備性。在傳統管理階段，由于資金、技術等各種資源的短缺，人們對研究對象（狹義的信息資源）的整體性要求不高，在進行信息采集時，抽樣是比較常用的方式。而隨著經濟的發展，信息技術的提高，尤其是現在大數據思想與技術的沖擊，關注研究對象的完備性是保證組織先進性的根本要求。即只有收集與研究對象有關的全部信息，才能充分挖掘信息的價值，在保證真實的基礎上，充分發揮信息資源的價值。2.1.２接受數據信息的混雜。隨著社交網絡的發展，網絡用戶的角色從數據的使用者，變成了數據的生產者，數據規模迅速擴展。就移動互聯網而言，據統計全球每個月移動互聯網使用者發送和接收的數據高達1.３ＥＢ［１］。同時，不是結構化的數據與結構化數據的占比迅速擴大，且未來不是結構化的數據將占到數據總量的８０％～９０％［９］。大數據環境下，數據信息是信息資源的重要組成部分，且隨著時代的發展，其在信息資源中所占的比例將越來越大，數據信息的混雜促使信息資源管理的難度升級。因此，要優化信息資源管理，接受數據信息的混雜勢在必行。2.1.３注重相關關系。因果關系是指對已經發生的事件，根據其原因來判斷其結果。與因果關系不同，相關關系是指針對幾個相互聯系的變量，一個或幾個變量的變動會引起與之相對應的另一變量的規律性變動，即正相關或負相關［１９］。隨著信息技術的發展，信息資源管理的對象更為混雜，很難真正地、容易地找到因果關系，相關關系在這時凸顯出來，且在信息資源管理活動中顯示出極大的優越性。

2.２對信息資源管理流程的影響

按業務流程進行劃分，信息資源管理包括信息采集、信息組織、信息分析和信息提供等活動。信息采集是指采集人員出于自身從事科學研究的需要，或供他人或企業作為決策、研究的參考，從而進行的利用社會調查、網絡工具、圖書和報刊資料等工具進行的專門性的信息采集工作［２０］，其實質是將信息資源從紛繁復雜的信息中提煉出來的過程。信息組織是指對采集到的信息按其形式特征和內容特征有序化，然后進行重新組織與控制的活動，包括信息篩選、信息分析、信息描述與揭示、信息整序與存儲四方面內容［２１］。信息分析是指信息分析人員以用戶的信息需求為依據，利用各種分析工具和分析技術，運用不同的分析方法，對已有信息進行分析、對比、提煉、濃縮和綜合，從而得到分析研究結果的過程［２２］。信息提供是指針對用戶的特定需求，將信息機構收藏的信息或信息獲取與查詢工具提供給用戶利用的活動［２２］。信息資源管理活動的實質，就是為了將信息機構所存儲的信息能夠為企業或組織的管理工作服務，為個人的學習、科學研究及日常生活服務。大數據作為信息資源管理的技術手段，其發展對信息資源管理理論、技術方法以及應用都有著極大的影響，且大數據對信息資源管理的影響會貫穿信息資源管理流程的每一個環節。2.2.１對信息采集的影響。從信息采集的角度看，大數據環境下數字信息資源的空間結構發生了大的變化。２００５年以前，政府約占有全部信息資源的８０％。而２０１１年，麥肯錫公司的報告顯示，政府對數字信息資源的占有率下降到了１２％左右，更多的信息資源分散在信息服務商的手中。由此可見，大數據環境下數字信息資源的空間結構分布呈現出扁平化和多樣化的特點，因此，尋求信息采集的創新和突破迫在眉睫［２３］。2.2.２對信息組織的影響。大數據對信息組織的影響主要體現在信息存儲與處理兩個方面。大數據的“大”不僅指數據容量巨大，還體現在數據結構的多樣性、處理速度快的時效性等多方面要求。而數據作為信息存儲和處理的最小單元，其復雜性直接導致數據組織的難度直線升級。傳統的信息組織方式只適應于適合關系型數據庫處理的結構化數據，而對于未來占數據總量８０％～９０％的不是結構化的數據的處理與存儲則需要借助于大數據技術。此外，在分析處理海量數據時，關系型數據庫存在不支持橫向擴充、處理時間過長等缺陷。2.2.３對信息分析的影響。大數據對信息分析的影響主要體現在研究范式的演進和研究質量的提高兩個方面。就研究范式的演進而言，科學研究的范式可劃分為科學實驗、模型歸納和模擬仿真三個階段。現今伴隨著大數據技術的發展，以及科學研究進程與科學數據管理遇到的挑戰，進入了第四范式，即數據密集型科學范式［２４］。從研究質量的提升來看，能否通過信息分析把握事物的狀態、性能和效果，準確萃取有用信息支持決策，挖掘隱藏信息做出預測，集成相關信息進行評估，這些信息分析重要目標的實現在很大程度取決于信息分析的質量。大數據能進行前瞻性預測和實施實時精準的管理的特征為提高信息分析的質量提供了巨大動力。2.2.４對信息提供的影響。信息提供的范圍比較廣，目前，主流的研究領域有信息行為研究、個性化推薦研究、可視化研究以及信息安全與隱私保護研究等。就信息行為與個性化推薦而言，大數據的相關性思維具有明顯的優越性，如亞馬遜個性化推薦系統［９］，就是通過分析發現書籍之間相關關系取代傳統的對用戶樣本數據的研究，從而更加貼近用戶的信息需求，賺取更多的利益。從可視化來看，大數據可視化在工具及理論方面相對較成熟，對信息資源管理過程中的可視化問題具有指導意義。在信息安全與隱私保護方面，大數據技術的研究方向很多，除了傳統的加密算法、立法保護等方面的研究外，還對非結構化數據的保護問題以及技術架構等方面進行了較為深入的研究，對信息提供的安全保護問題提供新的思路。

３基于大數據的信息資源管理創新

利用大數據的思維與技術對信息資源管理的思想和流程進行創新，是一個循序漸進的過程。就思想創新而言，每一個思想都會對信息資源管理的所有環節產生影響，即在信息資源管理的每個活動中都會有所體現。就流程創新而言，是思想與技術的共同體現，思想為其創新指明方向，而技術則為其實現提供支撐。同時，流程的創新，不只是單個環節的創新，更是整個信息資源管理效果最優化的真實體現。

3.１信息資源管理思想創新

數據信息是信息資源管理研究對象的重要組成部分，因此，將大數據思維延伸至信息資源管理方面很有必要。同時，大數據思維對信息資源管理的影響涉及信息資源管理流程的每一個環節，即在信息資源管理流程的每一個環節都應該注重大數據思維的應用，從而達到信息資源管理的整體優化。3.1.１信息資源管理的整體性。信息資源管理的整體性是指要關注研究對象的完備性，是對傳統抽樣調查的補充。信息資源管理的整體性主要體現在信息采集與信息組織兩個階段。在信息采集階段，整體性要求注重采集的全面性，即要窮盡與信息需求相關的所有信息。在信息組織階段，整體性要求盡可能窮盡研究對象的所有具有代表性的特征，尤其是對內容特征的提取，會直接影響后面信息檢索的效率。3.1.２信息資源管理的容錯性。信息資源管理的容錯性是指要接受信息內容資源的混雜性，是在關注信息內容資源全集的基礎上，由規模化效應抵消由信息內容資源的混雜性帶來的誤差。大數據的混雜是由數據的復雜性造成的，信息內容資源的混雜則更為復雜，這是由于信息內容資源不只是數據，還包括句子、文章、書籍等，會涉及句子的切分、自然語言的處理等復雜問題。信息資源管理的容錯性思想主要體現在信息組織和信息分析階段。在信息組織階段，容錯性能夠保障數據處理的順利進行。而在信息分析階段，容錯性則保證分析結果的科學性與可行性。3.1.３信息資源管理的相關性。信息資源管理的相關性，不是對因果關系的全盤否定，而是在對相關關系給予肯定的同時，注重因果關系、相關關系以及相關關系與因果關系的結合使用。現在，相關關系在信息資源管理的每一個環節都有應用。在信息采集階段，通過采集數據間的相關關系，可以實現預測功能。如：谷歌公司通過采集人們在網上的搜索關于流感的相關關系記錄來完成冬季流感在美國如何傳播的預測［２５］。在信息組織階段，關注相關關系是為了更好地存儲，在節省存儲空間的同時，加快信息資源應用時的響應速度。在信息分析階段，關注用戶之間的相關關系、產品之間的相關關系、用戶與產品之間的相關關系以及它們之間的替換或結合使用等，提高系統的效率與效益，如亞馬遜的個性化推薦服務。在信息提供階段，相關關系的應用則是為了更“懂”用戶，更加貼近用戶的需求。就亞馬遜推薦系統而言，理想的情況應是只為用戶推薦一個結果，而這個結果正是用戶所需要的。

3.２信息資源管理流程創新

基于大數據的思維與技術，對信息資源管理流程進行創新具有極大的可行性，而且目前在信息資源管理方面，已經有了將大數據與其某些環節融合起來研究或應用的案例，并取得了不小的成果。大數據對信息資源管理的影響為其創新提供了極大的可能性。在具體創新中，大數據思維為信息資源管理的發展指明方向，而大數據技術則為其成為現實奠定基礎。3.2.１革新信息采集模式。在信息技術與大數據技術的共同作用下，信息采集的理念與技術實現有了很大的提升，這為信息采集模式的轉變奠定了基礎。大數據環境下，信息采集的模式更加細化、科學、可靠。就以紙質文本信息的采集為例，為了彌補全文檢索命中率低、耗時長的缺陷，提出了內容信息的采集問題，具體的操作步驟為［２６］：（１）關鍵詞化數據，即對文本進行基于關鍵詞的自動聚類分析；（２）結構化數據，即建立數據庫，分門別類地存儲采集到的文本基礎信息；（３）知識化數據，即采用知識管理的概念對信息進行深加工，建立知識數據庫，采集文本知識信息。只有實現文本信息的內容采集，才能對其進行智慧高效應用。3.2.２構建分布式信息存儲平臺。數據復雜度的提升，對信息存儲提出了全新的要求與挑戰。針對關系型數據庫在架構及處理速度等方面存在的問題，提出了將大數據分布式處理的理念融入信息存儲的新模式，構建分布式信息存儲平臺。如：數據倉庫中的大規模并行處理系統（ＭａｓｓｉｖｅｌｙＰａｒａｌｌｅｌＰｒｏｃｅｓｓｉｎｇ，ＭＰＰ），其實現機理是先將任務同時到多個服務器節點上，分別進行處理，然后對其進行匯總，從而產生最后的結果［１］。3.2.３變革信息分析流程。大數據環境下，信息分析的流程為：信息需求定義與計劃→信息檢索與數據采集→多源信息融合與清洗→信息分析與挖掘→結果解讀與信息提煉→報告撰寫與傳遞［２７］。在信息分析方法的選擇與使用方面，更加注重定性分析與定量分析的結合，從而使分析結果真實可靠，提升產品價值。同時，多源信息融合與清洗是大數據時代信息多樣化發展的必然要求。與傳統的信息分析流程相比，大數據環境下的信息分析有著獨特的優越性，如：更加注重與用戶之間的關聯，注重信息資源的完備性，關注各個環節之間的連接等。3.2.４提升信息提供質量。大數據環境下，對信息提供進行創新主要體現在個性化信息服務、信息安全與隱私保護兩個方面。就個性化信息服務而言，通過對全體數據的分析、對相關關系的挖掘，更容易真正地發現用戶的信息需求，做出針對性較強的推薦。如林登所言“如果系統運作良好，亞馬遜應該只推薦你一本書，而這本書就是你將要買的下一本書”［９］。就信息安全與隱私保護而言，在加強法律法規建設、提高人們的隱私意識與自我保護意識的基礎上，還應關注技術的發展，根據數據的生命周期，從物理安全、系統安全、網絡安全、存儲安全、審計安全、訪問安全等角度建立完善的隱私安全技術體系［２８］。此外，大數據拓寬了信息提供的渠道，改善了信息提供的方式，加強了提供者與接收者之間的聯系，并形成新的信息提供模式。

４結語

大數據與信息資源管理緊密相關，通過對大數據思維與技術的解讀，為信息資源管理的思想以及流程的創新指明了方向。就思想而言，信息資源管理思想是動態變化的，即隨著時代的進步、信息技術的發展，信息資源管理思想會產生新的內涵。本文主要是將大數據思維融入信息資源管理，從而產生獨具信息資源管理特色的整體性、容錯性以及相關性思想。就技術而言，大數據技術與信息技術息息相關，其基礎都是計算機技術、通信技術與網絡技術等，具有很好的可移植性，不過由于側重環節的不同，技術的重點研究方向略有差異，雙方可互相借鑒，從而完善自己的不足，提高系統效率。應將大數據的思維與技術作用于信息資源管理，從而革新信息采集模式、構建分布式信息存儲平臺、優化信息分析流程以及提升信息提供質量，以達到信息資源管理的整體優化。

參考文獻：

［１］趙剛.大數據技術與應用實踐指南（第２版）［Ｍ］.北京：電子工業出版社，２０１６：1.

［２］國務院.國務院關于印發促進大數據發展行動綱要的通知［ＥＢ／ＯＬ］.［２０１８－１０－１５］.ｈｔｔｐ：／／ｗｗｗ.ｇｏｖ.ｃｎ／ｚｈｅｎｇｃｅ／ｃｏｎｔｅｎｔ／２０１５－０９／０５／ｃｏｎｔｅｎｔ＿１０１３７.ｈｔｍ.

［３］化柏林，李廣建.大數據環境下多源信息融合的理論與應用探討［Ｊ］.圖書情報工作，２０１５（１６）：５－１０.

［４］ＴｏｆｆｅｒＡ.ＴｈｅＴｈｉｒｄＷａｖｅ［Ｍ］.ＮｅｗＹｏｒｋ：ＢａｎｔａｍＢｏｏｋｓ，１９８１：２６.

［５］ＤｉｅｂｏｌｄＦＸ.“ＢｉｇＤａｔａ”ＤｙｎａｍｉｃＦａｃｔｏｒＭｏｄｅｌｓｆｏｒＭａｃｒｏｅｃｏｎｏｍｉｃＭｅａｓｕｒｅｍｅｎｔａｎｄＦｏｒｅｃａｓｔｉｎｇ［Ｍ］.Ｃａｍｂｒｉｄｇｅ：ＣａｍｂｒｉｄｇｅＵｎｉｖｅｒｓｉｔｙＰｒｅｓｓ，２００３：１１５－１２2.

［６］Ｗｉｋｉｐｅｄｉａ.Ｂｉｇｄａｔａ［ＤＢ／ＯＬ］.［２０１８－１０－１５］.ｈｔｔｐ：／／ｅｎ.ｗｉｋｉｐｅｄｉａ.ｏｒｇ／ｗｉｋｉ／Ｂｉｇ＿ｄａｔａ.

［７］李德偉.大數據改變世界［Ｍ］.北京：電子工業出版社，２０１３：７.

［８］徐超.解析大數據思想及其在企業檔案管理中的價值［Ｊ］.機電兵船檔案，２０１６（５）：５１－５４.

［９］周蘇，張麗娜，王文.大數據可視化技術［Ｍ］.北京：清華大學出版社，２０１６：１５.

［１０］常李艷，我國大數據技術研究趨勢［Ｊ］.電腦知識與技術，２０１７（２）：２－４.

［１１］方暉.大數據時代網絡下云信息采集方法的改進與研究［Ｊ］.電子技術與軟件工程，２０１６（２１）：１６２－１６４.

［１２］楊懿，王鑫，楊開瓊，等.大數據關鍵技術在用電信息采集系統架構優化中的應用研究［Ｊ］.科技傳播，２０１５（２０）：１１６－１１８.

［１３］趙紅艷.基于大數據技術的小微企業信息采集技術研究［Ｊ］.科技展望，２０１５（３０）：１－3.

［１４］壽步，王曉燕.云計算知識產權問題研究［Ｍ］.上海：上海交通大學出版社，２０１４：3.

［１５］聶燕敏，陳剛，何志強.基于信息熵的位置大數據隱私保護研究［Ｊ］.黑龍江科技信息，２０１６（１２）：１８９.

［１６］楊鑫.基于云平臺的大數據信息安全機制研究［Ｊ］.情報科學，２０１７（１）：１１０－１１４.

［１７］李運蒙.信息資源管理［Ｍ］.廣州：華南理工大學出版社，２０１６：５.

［１８］馬費城，賴茂生，等.信息資源管理（第二版）［Ｍ］.天津：高等教育出版社，２０１４：２７.

［１９］曲峰.大數據背景下公安邊防應急指揮信息采集研究［Ｊ］.中國應急救援，２０１５（５）：２３－２６.

［２０］夏南強，殷克濤，謝乘風.信息采集學［Ｍ］.北京：清華大學出版社，２０１２：１3.

［２１］葉繼元.信息組織（第二版）［Ｍ］.北京：電子工業出版社，２０１５：２－７.

［２２］婁策群，段堯清，張凱.信息管理學基礎（第二版）［Ｍ］.北京：科學出版社，２００９：１４６.

［２３］張斌，馬費成.大數據環境下數字信息資源服務創新［Ｊ］.情報理論與實踐，２０１４（６）：２８－３3.

［２４］ＴｏｌｌｅＫＭ，ＴａｎｓｌｅｙＤ，ＳｔｅｗａｒｔＷ.ＴｈｅＦｏｕｒｔｈＰａｒａｄｉｇｍ：Ｄａｔａ－ｉｎｔｅｎｓｉｖｅＳｃｉｅｎｔｉｆｉｃＤｉｓｃｏｖｅｒｙ［Ｊ］.ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩＥＥＥ，２０１１，９９（８）：３３４－１３３７.

［２５］ＶｉｋｔｏｒＭＳ，ＫｅｎｎｅｔｈＣ.大數據時代［Ｍ］.盛楊燕，等譯，杭州：浙江人民出版社.２０１３：1.

［２６］王坤，郭起云，郭光.大數據時代下檔案信息采集新思路［Ｊ］.數字與縮微影像，２０１４（２）：７－８.

［２７］化柏林.從棱鏡計劃看大數據時代下的情報分析［Ｊ］.圖書與情報，２０１４（５）：２－６.

［２８］陳紅.大數據與圖書館保護讀者隱私的自律措施［Ｊ］.圖書館學刊，２０１４（１２）：１９－２1.

作者:易明 馮翠翠 莫富傳 單位:華中師范大學信息管理學院