數據匯報范文第1篇
--讀《大數據時代》有感
施佳馳
不知從什么時候開始，"大數據"這個詞悄然成為了我們的常用詞匯;我們也不知從什么時候開始，邁進了"大數據時代".那么，大數據時代究竟是一個怎樣的時代?英國"大數據時代的預言家"維克托邁爾·舍恩伯格和肯尼思 庫克耶的《大數據時代》對此有著詳細而深刻的洞見。
一、什么是大數據?
根據《大數據時代》中所說，"大數據是人們在大規模數據的基礎上可以做到的事情，而這些事情在小規模數據的基礎上是無法完成的。大數據是人們獲得新的認知、創造新的價值的源泉，大數據還為改變市場、組織機構以及政府與公民關系服務。"、"大數據即一種新型的能力：以一種前所未有的方式，通過對海量 數據進行分析，獲得有巨大價值的產品和服務，或深刻的洞見。" 大數據有兩層含義，第一層含義，大數據是一個總結性的概念，是對海量數據的總稱;第二層含義即書本中所指出的，是一種新型的能力與方式。區別于小規模數據時代的抽樣分析，大數據時代，分析的樣本不再需要經過抽樣，直接將全體數據進行更快更準確地分析。
二、大數據的核心是什么?
大數據的核心應當是減少冗余，提高資源配置效率。根據收集到的數據分析、挖掘出龐大數據庫獨有的價值，以便進行干預或提供相應的資源與服務。自古以來，人類社會的發展便是資源配置不斷優化的過程，大數據作為一種新型的生產工具，它能讓我們通過分析海量的數據，得知該如何更有效地分配稀缺的資源。
如醫院通過對某個病人病史、生活習慣、衣食住行、工作娛樂情況等進行全方位分析，便可以準確了解病人的生活情況與生活環境，精確地指出癥結引起原因所在，只要建議病人針對引起病源的因素做出調整或進行醫學干預，便可以了，避免了對病人過多的用藥與過大范圍的盲目干預。
同樣的道理，如果銀行通過分析某一申請人的家庭情況、消費歷史、生活習慣、財務習慣、網頁瀏覽記錄等各方面的數據，便可以清晰了解此申請人各方面的情況，甚至可推測其內心的真實想法與將要采取的做法，從而判斷申請人的貸款申請資格，決定該不該授信，授信多少等內容，所有的信息在大數據時代，能在系統中搜索一下，幾分鐘便能全部收集完成。相比以前，()申請人申請后，銀行得派出兩名客戶經理上門進行訪問、調查、收集電信、征信等多方面的信息，再進行人工分析、鑒別等過程，耗費的時間多不說，風險也相對更高。
可見，大數據的運用不但提高了工作效率，節省了機構與申請人的時間，更能基于精確的信息，確保風險可控，且保證了授信給該申請人的正確性，將有限的資金用在刀刃上，提高資源配置質量。
三、什么是大數據思維?
書中指出，大數據思維是一種意識，認為公開的數據一旦處理得當就能為千百萬人急需解決的問題提供答案。大數據與三個重大的思維轉變有關：首先，要分析與某事物相關的所有數據，而不再依靠分析少量的樣本;其次，樂于接受數據的紛繁復雜，而不再追求精確度;最后，我們的思維不再探求難以捉摸的因果關系，轉而關注事物的相關關系。
大數據思維應當是一種意識，認識到大數據的無窮威力，并積極擁抱這個繁榮的時代;世界上的一切都是信息，都是可以量化分析的信息。如果將相關的信息進行交互分析，便能獲得"上帝的視覺"——窺視知道分析對象的一切，包括所思所想;獲得的信息可以通過類比，準確推測分析對象的想法以及未來行為;根據推測出來的內容進行干預或服務，從而獲得商業機會;在一切均有記憶、一切均能收集、能更加準確預測未來的時代，我們或許受困于過去的行為;在這個時代，對隱私權、公平與正義的探討上升至一個新的語境。
四、新的時代，我們該怎么辦?
老子說，無為而治。因此，我們還是該吃飯就吃飯，該逛街就逛街，想吃甜點便吃甜點，過自己的生活，努力自己的工作。大數據是一種意識，更是一種工具，所有的工具最終都是為了讓我們生活得更加方便、更加如意，而作為最高智慧生物的我們，要做的，便是習學如何通過這新的工具，改造世界，創造生活。
數據匯報范文第2篇
位圖轉為矢量圖后的質量是和位圖的清晰度是成正比的,如果位圖清晰,描出來的矢量圖線條就相對會流暢一些,節點也會少一些.如果太模糊,我想任何軟件描不好吧
AI描圖就要比CD好得多,CD描出來的圖,節點多,而且相當不平滑,群組和相剪也很困難,甚至很容易死機,AI就不存在這些問題,因為AI里面有"魔棒"工具,效果和PS一樣,還有處理多余節點的工具,編輯就更容易些.
數據匯報范文第3篇
筆者從事網站建設和網頁設計教學多年，如何在網頁中導入SQL Server 2000數據庫數據，是此部分教學的一個重點，合理安排這部分的教學內容和結構，能夠把網頁設計課的內容化整為零，有助于培養學生技能的知識體系形成。下面就這方面的教學內容和結構做一次探討。
一、 SQL Server 2000常用的數據導入導出方法
1. 通過DTS的設計器進行導入或導出。DTS的設計器功能強大，支持多任務，也是可視化界面，易于操作，但熟悉的人一般不多，如果只是進行SQL Server數據庫中部分表的移動，用這種方法最好，當然，也可以進行全部表的移動。在SQL Server Enterprise Manager中，展開服務器左邊的＋，選擇數據庫，右擊，選擇All tasks/Import Data……(或All tasks/Export Data……)，進入向導模式，然后按照提示一步一步進行就可以了，里面分得非常詳細，可以靈活的在不同數據源之間復制數據，非常的方便，而且還可以另存成DTS包，如果以后還有相同的復制任務，直接運行DTS包就行，省時省力。
2. 利用Bcp工具。這種工具雖然在SQL Server 2000的版本中不推薦使用，但許多數據庫管理員仍很喜歡用它，尤其是用過SQL Server早期版本的人。不過Bcp確實有其局限性，首先它的界面不是圖形化的；其次它只是在SQL Server的表（視圖）與文本文件之間進行復制。但是另一方面，它也有其優點：性能好，開銷小，占用內存少，速度快。
3. 利用備份和恢復。先對源數據庫進行完全備份，備份到一個設備（device）上，然后把備份文件復制到目的服務器上，進行數據庫的恢復操作，在恢復的數據庫名中填上源數據庫的名字，選擇強制型恢復，在選擇從設備中進行恢復，瀏覽時選中備份的文件就行了。這種方法可以完全恢復數據庫，包括外鍵、主鍵、索引。
4. 直接拷貝數據文件。把數據庫的數據文件（*.mdf）和日志文件（*.ldf）都拷貝到目的服務器，在SQL Server Query Analyzer中用語句進行恢復：
EXEC sp_attach_db @dbname = ’test’,
@filename1 = ’d:mssql7data est_data.mdf’,
@filename2 = ’d:mssql7data est_log.ldf’
這樣就把test數據庫附加到SQL Server中，可以照常使用，如果不想用原來的日志文件，可以用如下的命令：
EXEC sp_detach_db @dbname = ’test’
EXEC sp_attach_single_file_db @dbname = ’test’,
@physname = ’d:mssql7data est_data.mdf’
這個語句的作用是僅僅加載數據文件，日志文件可以由SQL Server數據庫自動添加，但是原來的日志文件中記錄的數據就丟失了。
5. 在應用程序中定制?？梢栽趹贸绦颍≒B、VB）中執行自己編寫的程序，也可以在Query Analyzer中執行，這種方法比較靈活，其實是利用一個平臺連接到數據庫，在平臺中用的主要是SQL語句，這種方法對數據庫的影響小，但是如果用到遠程鏈接服務器，要求網絡之間的傳輸性能好，一般有兩種語句：
（1）select ... into new_tablename where ...
insert (into) old_tablename select ... from ... where ...
這兩種方式的區別是前者把數據插入一個新表（先建立表，再插入數據），而后者是把數據插入已經存在的一個表中，一般來說，第二條語句強于前者。
6. SQL Server的復制功能。SQL Server提供了強大的數據復制功能，也是最不易掌握的，具體應用請參考相關資料，值得注意的是要想成功進行數據的復制工作，有些條件是必不可少的：(1) SQL Server Agent必須啟動，MSDTC必須啟動。(2) 所有要復制的表必須有主鍵。(3) 如果表中有text或image數據類型，必須使用with log選項，不能使用with no_log選項。
另外max text repl size選項控制可以復制的文本和圖像數據的最大規模，超過這個限制的操作將失敗。
(4) 在要進行復制的計算機上，應該至少是隱含共享，即共享名是C$或D$…。
(5) 為SQL Server代理使用的Windows 2000賬號不能是一個本地的系統賬號，因為本地的系統賬號不允許網絡存取。
(6) 如果參與復制的服務器在另外的計算機域中，必須在這些域之間建立信任關系。
二、 實現基于網頁的數據庫數據導入
那么，如何實現基于網頁的數據庫數據導入呢，下面利用一個比較簡單的網絡介紹一下。
假設某局域網的網絡拓撲結構如下所示：其中服務器A 和工作站B位于局域網內，工作站C 與服務器D 位于Internet內，局域網與Internet是物理隔離的，工作站C與工作站D 在同一個辦公室內，服務器A上的數據庫管理系統是Oracle， 服務器D上的數據庫管理系統是SQL Server 2000。由于工作需要，要求把服務器A 的有關數據導入到服務器D上。
1. 通常的工作流程：(1) 在工作站B上運行客戶端軟件，將服務器A上數據導入到本地的dbf文件。(2) 用移動硬盤 把dbf文件從工作站B拷貝到工作站C上。(3) 在工作站C上，用ftp軟件將dbf文件上傳到服務器D上。(4) 在工作站C上，運行遠程桌面軟件登錄到服務器D上。(5) 在服務器D上，執行DTS，將dbf文件中的數據導入到SQL Server數據庫。(6) 在服務器D上,運行相關存儲過程,做數據的后期處理工作。
在許多情況下，因為各種不同情況的需要，這個工作流程每天（甚至更短的時間內）就要執行一次，非常煩瑣，而且使用手工操作，很容易出錯。下面提出一種改進的方案。
2. 改進后的工作流程。(1) 在工作站B上運行客戶端軟件，將服務器A上數據導入到本地的dbf文件。(2) 用移動硬盤 把dbf文件從工作站B拷貝到工作站C上。(3) 在工作站C上，打開服務器D上的相關網頁，利用網頁將dbf文件的數據導入到服務器D上的SQL Server數據庫中。
首先，要在網頁里實現上傳功能，把dbf文件從工作站C上傳到服務D上，這里就不多介紹了。要通過網頁把dbf文件導入到SQL Server 中，需要借助DTS可編程對象。DTS包含一組可編程COM對象，主要包含：DTS.Package、DTS.Connection、DTS.Step、DTS.ExecuteSQLTask、DTS.DataPumpTask、DTS.Transformation。
在ASP網頁里，通過用VBScript腳本創建調用DTS可編程COM對象,可以完成數據導入任務。這里大概的介紹一下開發程序的過程。首先，在SQL Sever 2000的DTS設計器里，創建DTS包，實現從dbf文件到SQL Server 2000的數據導入，把后期處理的存儲過程也添加到DTS包里。將這個DTS包另存為VBScript文件。有了這個VBScript文件，開發程序就容易多了，加入所需要的其他代碼，就可以在網頁里實現數據庫的數據導入。
如此安排教學內容，使數據庫的導入方法一目了然，使數據庫導入的工作程序更趨合理，大大縮短了網站建設和網頁設的工期，提高了工作效率。 (燈塔市中等職業技術專業學校)
數據匯報范文第4篇
2、工程教育認證背景下光電信息科學與工程專業的畢業要求與課程體系設置
3、本刊理事單位最親書目
4、大數據時代的信息文化研究
5、基于產教融合的農業院校環境專業應用型拔尖人才培養模式的探討
6、基于擬態計算的高效能大數據應用平臺構建研究
7、北美士族研究傳統的演變
8、域外法學方法論論著我國大陸傳播考略
9、海洋漁業科學與技術卓越農林人才培養方案優化改革探索
10、地方應用型本科院校人才培養質量保障體系的構建
11、中國科學技術大學新生“科學與社會”研討課的實踐與探索
12、《生命科學與健康》課程教學效果的調查與研究
13、“學科大類—專業方向—綜合提升”海洋科學專業課程體系研究
14、以專業規范為指導,科學構建計算機專業人才培養體系
15、基于CDIO的云計算與大數據課程教學體系構建
16、材料科學與工程專業導論課的定位與教學體系構建
17、MOOCs背景下我國高等教育教學模式的變革與創新
18、論社會科學的價值選擇與價值中立規范
19、給排水科學與工程專業適應黑臭水體技術發展的課程改革設想
20、面向非計算機專業的人工智能導論課程建設與探索
21、環境專業《自然保護概論》課程存在的問題與對策探討
22、淺談小學英語教學的生活化
23、關于大學課程建設與改革的理論探討
24、基于校企地三方合作的大數據人才培養模式研究
25、地域認同度與大學生人際交往的關系
26、面向國際化的數據科學與大數據專業課程體系建設
27、我國犯罪學本土發展的整體性
28、基于校企協同育人模式的數據科學與大數據技術專業人才培養研究
29、再論我國心理學的分化現象
30、PISA科學素養測試對生物學學科核心素養測評的啟示
31、通識教育背景下數據科學課程建設路徑探析
32、“互聯網+”背景下大學教學文化探析
33、大數據工程教育的探索
34、高校公共藝術教育現狀與對策研究
35、新形勢下給排水科學與工程特色專業建設探討
36、基于“通專融合”的通識課程教學改革研究
37、大數據創新人才培養模式的探索與思考
38、會計理論課程教學內容的結構分析與分層設計
39、新文科背景下大數據管理與應用專業培養特征的內容分析
40、用面向科學思維的教學方法改進計算機圖形學課程教學
41、基于大工程教育理念的電氣信息類專業課程探討
42、數據科學與大數據專業和統計學專業的比較研究
43、計算機專業大數據方向課程群建設研究
44、信管專業的現狀與改革
45、構筑激發學生科研興趣的橋梁
46、《墨經》絕學研究的科學方法論
47、大數據時代數據科學課程建設與人才培養的探索
48、內容驅動的高校專業課程思政教學
49、儀器科學與技術學科研究生培養模式改革研究
數據匯報范文第5篇
一、數據式審計模式特征探析
(一) 思路趨于系統化
該模式不受傳統審計思維所限, 以系統為基礎, 通過中間表以及審計分析模型的切實構建, 來對可以數據做到深入審計, 最后以實際為導向展開客觀評價。該模式也就是由整體推至部分最后回歸整體的系統化思路。
(二) 擴圍趨于擴大化
隨著電子政務持續完善, 政府部門對應的各類信息系統逐步融于公共管理領域, 這便使得審計范圍趨于擴大化。首先, 對于審計對象來說, 由于信息系統的推動, 很多審計均是依靠計算機來實施, 因此可對人為錯誤進行把控。但如果系統內部遭到惡意篡改, 則會引發嚴重審計后果。因此, 審計實施還應針對審計系統強化內控測試, 并且做好實時調查以及后續評價。其次, 審計工作可依靠軟件來對政府系統底層尚未得到處理的數據展開采集, 確保審計數據更富真實性, 從而強化審計效率。
(三) 方法趨于智能化
傳統審計多是依靠抽查法或者是詳查法開展, 雖然后續存有分析測試審計, 但其效率仍不理想。而以大數據為基礎實施審計, 審計核心便由方式向著數據分析轉變, 以往審計僅能針對信息展開處理, 卻不能對數據做到合理處理。為確保數據得以高效處理, 審計需要依靠智能軟件實施, 此類軟件可對多年數據進行綜合, 并以群體行為為對象展開深入剖析, 從而揭露出社會潛在規律, 為政府決策夯實數據基礎。此外, 審計還可為政府發現、改進問題提供幫助。政府審計除了針對數據做到分析挖掘外, 還可從圖表等內容出發展開剖析, 確保政府決策更富實效性。
(四) 程序區域靈活化
相較于傳統審計來說, 該模式在審計程序層面變化顯著。傳統審計一般涵蓋審前調查、現場審計還有審計終結。但是數據化模式的審計在前兩階段上早已模糊化, 多是依靠電子數據以及系統測評來實現, 因此可對審計時間做到有效把控。
二、推進數據式審計模式構建的有效策略
(一) 從審計流程以及機構設置出發加以調整
審計期間通?？蓪⒘鞒淘O置成審計準備、審前調查、實施以及最后的審計報告。一般審計準備以及調查多是依據數據分析是否實施為界限加以劃分。如果需要則應進行通知書的及時遞交, 從而獲得對應的系統數據。對于審計調查來說, 則應以審計實際為導向進行審計成員的切實選取, 并就大量數據展開采集、轉化以及后續的清理和分析, 從而為審計方案以及數據剖析夯實基礎。其他審計過程則與傳統審計類似。就審計過程而言, 機構設置也應以審計實際為導向展開調整。比如, 若應對財政資金分類進行考慮, 則需要做好職責歸并等的調整。審計部門展開組內分工時, 還應考慮“數據”特點, 應由部門處長實施總體協調與領導, 確保各崗位得到切實設置的同時, 引導審計人員明確相應的崗位職責, 對過去相互推諉或者是各自為政的狀況進行規避。
(二) 進行數據管理中心的切實構建
審計部門需要從審計業務出發進行數據管理中心的切實構建, 并推動存儲以及處理中心的協同構建。由于部門間在電子政務層面存有差異, 這便導致數據結構愈加復雜, 再加上存儲介質不同, 若想針對此類數據做到統一管理, 必須進行管理中心的切實構建。其次, 審計機關還應就各類審計分析模型以及電子數據等加以整合, 確保存儲中心涵蓋各行業與層面, 需要囊括稅收征管、社會保障等多層面, 從而對信息不夠堆成等問題加以規避。此外, 從數據中心出發進行完善時, 還需要針對歷年資料加以完善, 可將過去的審計檔案進行掃描并錄入系統, 為后續資料共享以及內部查閱提供便利, 確保保存期限得到延長, 推動審計業務向著信息化推進。
(三) 以政府決策為導向展開數據支持
數據是政府決策的關鍵依據, 其中審計數據則是從海量數據出發展開分析以及應用, 將各行業對應的審計結果進行匯總而后實施綜合分析, 為政府決策夯實數據基礎。推動審計模式向著數據化發展, 分析中心可依靠分析工具就數據實施多角度和渠道的分析, 最后再依靠整體分析-針對重點業務展開分析-針對審計事項展開分析的原則實施審計, 可確保數據挖掘以及多維分析技術相應效能得到發揮, 從而以大數據為基礎實現全面分析, 確保部門決策以及審計評價更富客觀性。
三、結語
綜上所述, 大數據背景之下推動傳統審計向著數據式審計轉變是審計業務緊跟時代的關鍵手段。審計人員需要以大數據為基礎, 明確數據式審計具備的系統化、智能化等諸項特點, 并從審計流程、結構設置、數據管理中心以及政府決策等多個層面出發完善審計模式, 確保審計工作更富客觀性與實效性, 為政府決策夯實基礎。
摘要：大眾生活與工作均因大數據推動而產生變革, 同時給予審計更多挑戰。大數據推動審計模式向著數據式轉變, 本文先就該模式特征進行探析, 而后就推進數據式審計模式的高效構建策略進行總結, 以期為強化審計效率、質量做出貢獻。
關鍵詞：大數據,數據式審計,特征,有效策略
參考文獻
[1] 徐寅嘯.地方政府數據式審計模式及其應用研究[D].蘇州大學, 2014.
[2] 宋偉.基于數據式審計的商業銀行內部審計全面質量管理淺研究[A].全國內部審計理論研討優秀論文集2012[C].:, 2013:6.
[3] 姜蕾.基于數據挖掘的審計數據質量控制研究[D].天津財經大學, 2009.
數據匯報范文第6篇
一、大數據和數據挖掘技術概述
(一)大數據概述
大數據時代是當前互聯網信息技術發展的重要趨勢,有研究表明當前互聯網數據量正在逐年遞增,“大數據”特點越來越凸顯。大數據時代的發展主要表現出了以下幾個方面的基本特征:大量化,主要就是指數據信息的量相對比較大,其一般涉及到了應用對象的所有數據信息,完整性比較明顯;多樣性,大數據時代的發展還表現出了數據信息的多樣化趨勢,其涉及到的數據信息類型眾多,并且數據信息的表現形式同樣也多樣,尤其是非結構化數據,在當前的占比越來越高;快速化,當前大數據時代的發展和應用還表現出了較為明顯的高速要求,雖然其需要處理的數據信息量較大,也相對比較繁雜,但是卻同樣也面臨著較高的速度要求,需要具備較強的應用實效性;高質量,就大數據時代的發展來看,因為其涉及到的數據信息量比較大,必然也會表現出了較為明顯的低質量密度,但是這也并非是指大數據相關技術的應用不存在較高的質量要求,相反,為了確保大數據應用更為高效適宜,同樣也需要重點圍繞著質量進行嚴格把關,能夠確保其在決策環節中表現出較強的作用價值。
(二)數據挖掘技術
數據挖掘技術作為一種新型的數據處理方式,在當前大數據時代發展下表現出了極強的作用價值,其可以較好實現大量繁雜數據的有效分析,從中提取一些有用的高質量數據,如此也就能夠適應于質量密度較低的數據集處理。從數據挖掘技術的具體應用中來看,其表現出了明顯的循環往復特點,能夠對于數據信息進行高效利用,結合不同的數據應用需求進行有針對性地處理,最終可以取得理想效益。隨著當前人工智能技術的發展,數據挖掘技術同樣也呈現出了較多新的應用特點,尤其是神經網絡以及遺傳算法的應用,更是體現出了較強的實際效益,在很多領域都得到了理想運用。數據挖掘技術的應用能夠較好作用于關系數據庫、文本數據源、時態數據庫、數據倉庫以及異質數據庫等多種對象。
二、大數據時代下數據挖掘技術的應用
(一)教育行業中數據挖掘技術的應用
當前教育行業的發展同樣也表現出了較為明顯的“大數據”特點,大數據技術可以較好作用于教育教學的很多領域,尤其是在教學評價以及教學信息的管理上,更是體現出了“大數據”發展趨勢。未來教育行業發展中面臨著越來越繁雜的數據信息,必然需要借助于數據挖掘技術進行優化,確保相關數據信息能夠得到較好配置和應用,從而實現規范歸檔整理,避免在各類數據信息應用中出現較為明顯的雜亂問題,并且能夠有效確保信息數據在不同情境下得到準確高效運用。
(二)科學研究中數據挖掘技術的應用
當前科學研究相對而言越來越復雜,也必然會在研究過程以及研究結果分析中面臨越來越繁雜的數據信息,因此也體現出了“大數據”特點,對于數據挖掘技術的要求也比較高。比如在各類科學實驗測試過程中,不僅僅自身實驗涉及到了大量需要關注的信息參數,在大量充分處理中同樣也面臨著較為繁雜的數據信息,加大了數據分析的難度?；诖?數據挖掘技術在科學研究中可以實現對于數據信息內在規律的有效尋找,促使各類數據信息都可以得到有效應用,呈現最為有用的數據結果。
(三)電信行業中數據挖掘技術的應用
數據挖掘在各行各業應用廣泛,尤其在金融、保險、電子商務和電信方面得到了很好的效果,以電信行業為例,隨著4G、5G技術推廣,電信業發展突飛猛進,尤其是在網絡信息方面,其數量比較龐大,相應數據信息的整合問題也就越來越突出,對于技術的要求相對比較高,是“大數據”發展需要關注的一個重要行業。為了更好應對大數據時代發展要求,數據挖掘技術的應用需要予以高度關注,確保大量的數據信息得到有效分類管理。實踐中對于不同類型的網絡信息數據采用不同方式予以處理,較好提升各類數據信息的應用價值,確保相應數據信息可以更好服務于電信行業,提供較為理想的網絡信息載體。
結語
綜上所述,對于當前大數據時代發展下越來越繁雜的數據信息量,其處理難度越來越大,借助于數據挖掘技術顯得尤為重要,數據挖掘技術也確實在當前很多領域得到了理想運用,除了教育行業、科學研究領域以及電信業外,目前很多企業在進行決策時同樣也需要借助于數據挖掘技術,應該在未來予以充分研究。
摘要：大數據時代的發展為各行各業提供了新的工作方式,為了更好應用大數據相關技術手段,數據挖掘成為比較基本的一環,確保數據挖掘技術可以得到較好創新發展,并且適應于大數據環境成為當前發展的重要目標。下面就重點圍繞著大數據時代的數據挖掘技術應用進行了簡要分析論述,以供參考。
關鍵詞：大數據時代,數據挖掘技術,應用
參考文獻
[1] 于婷.大數據時代的數據挖掘技術與應用[J].通訊世界,2018,25(12):18-19.
[2] 王繼華.大數據時代下圖書館數據挖掘和情報分析研究——以中文發現系統為例[J].河南圖書館學刊,2018,38(11):129-131.
[3] 印小冬.大數據時代的數據挖掘及應用[J].信息與電腦(理論版),2018(19):10-11.