水环境大数据建设思路

水环境大数据建设思路（共8篇）

水环境大数据建设思路 篇1

关键词：智慧校园；大数据；教育资源；数据处理

中图分类号：tp393 文献标识码：a 文章编号：1009-3044（2016）19-0218-03

近百年里，人类从电气时代步入信息时代后，数据变成为独一无二的传递媒介，在我们的生活中无处不在。随着互联网和物联网的快速发展，人们的一起日常生活都可以被数据化记录。在2009年爆发了全球性的甲型h1n1流感病毒疫潮，令人感到震惊的是，在该病毒爆发的前几周，《自然》杂志上的一篇论文准确地预测了h1n1流感的爆发。这篇由谷歌公司工程师们发表的论文利用计算机技术准确分析预测跨领域疫情爆发的论文，随着疫情的蔓延也引起全世界的关注。人们逐渐意识到，这些曾经静静记录在各种数据库里的数据。开始爆发出惊人的价值和巨大的信息，人类已经迈入一个深度挖掘数据的大数据时代[1]。

我国在高校研究大数据中有着得天独厚的条件，根据教育部2016年4月7日发布的数据显示，2015年我国大学生在校人数达到3700万，全世界第一。全国各类高校达到2852所，位居世界第二。在高校里，学生在校园学习生活的各项活动都会产生大量的数据，教师教学、科研等各项数据，以及高校各项日常教务管理等等，日积月累。特别是近年来倡导和建设的智慧校园，使得高校师生日常学习生活以及教务管理产生了海量的数据。对这些数据运用大数据技术，进一步分析和挖掘，就会对“智慧校园”的发展建设提供更为深远的智能决策。

高校智慧型校园的建设和发展

1.1“智慧校园”的概念

“智慧校园”是校园信息数字化建设结合物联网、云计算、大数据技术等计算机技术而产生的校园建设的新概念。它以物联网为基础、以云计算、大数据为核心打造的集高校工作管理、教育教学、学习科研、校园生活服务等等综合型智慧校园环境，这个一体化环境以各种应用服务系统为载体，将教学、科研、管理和校园生活进行充分融合[2]。在智慧校园里，可以通过手机、电脑等现代化工具，结合校园网络，能极其方便地进行学习、教学、科研、管理、生活、服务等活动，实现校园生活学习的全面信息化，达到丰富校园生活，提高教育、教学、管理效率的目的。

1.2 智慧校园的总体框架

智慧校园建设是将智能化传感器植入和安装到教室、实验室、会议室、图书馆、餐厅和宿舍等地方。并对它们进行一定方式的连接，形成“物联网”，通过服务器和云计算服务中心将“物联网”和“软件系统管理平台”整合，实现全面的信息化智能化，并且采用科学的管理方式对这些信息资源进行处理，为校园师生、工作管理人员提供全方位的数字信息生活环境和方便快捷的办公服务平台。

1.3 现阶段智慧校园建设的不足[3]

智慧校园从概念的产生就受到了国家政策的大力支持，以及各大企业的技术支持，但由于高校本身管理的复杂性，以及各部门之间的通信困难，导致尽管在智慧校园高速发展的今天，也在建设上存在一定的困难和不足。主要表现为：

第一、高校信息的复杂性，使得学校和师生之间的即时信息沟通能力不强。由于高校信息的种类繁多以及学生的自律性等等问题，以致目前绝大多数高校和学生之间的信息沟通还没有全面实现互联网化，甚至还有许多学校仍然通过布告栏或者辅导员、班长通知的传统方式，而且通过移动互联网传递的即时信息也面临信息数量等限制，无法对不同类型学生进行精准发送等诸多问题，造成沟通效率低下。

第二、高校部分机构繁多，信息相对闭塞，智慧管理难。高校机构庞大，部门繁多。各个学院和行政管理部门有各自的网站，甚至有不同软件公司开发的管理系统，难以统一管理。使用不同的平台，导致各类信息资源存储在不同的数据库中，形成诸多“信息孤岛”，数据格式和标准无法统一，从而造成系统中存有大量冗余数据、垃圾数据。第三、大数据缺乏进一步分析和挖掘。由于数据的庞大和复杂性，缺乏有效的系统针对这类数据进行分析和挖掘，例如、学生的图书借阅信息无法跟个性化教学进行关联，学生的消费数据很难跟助学金以及助学贷款进行关联，学生的日常生活行为不能跟毕业方向进行统一分析等等。高校智慧校园的大数据

2.1 大数据的概念

所谓大数据（big data），是指在所涉及的数据资料量规模庞大，无法在响应时间内用人工甚至以往计算机软件进行获取、存储和分析处理的数据集。根据麦肯锡研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合 [4]。通俗来说“大数据”是一个数据体量（volume）巨大，一般要超过10tb，数据类别特别庞多（variety），并且要求处理数据速度（velocity）在合理的响应时间范围内，并且数据的真实性要高（veracity）的数据集合 2.2 大数据分析

水环境大数据建设思路 篇2

“互联网+”时代越来越多的企业认识到数据是企业很重要的核心资产, 并开始通过信息应用来改造传统行业。许多传统企业开始探索互联网化转型之路, 企业数据爆炸性增长, 随之而来出现了“存”、“管”、“用”这三个方面的难题:“存”——如何解决PB级别海量数据的存储问题?“管”——如何解决结构化、非结构化数据并存的管理问题?“用”——如何解决这种大规模复杂结构下的实时应用问题?

传统关系型数据库系统与新兴的大数据技术平台是两条技术解决路线, 本文将通过对比这两种技术, 为企业大数据的存储与应用提供一个技术解决思路。

二、企业大数据的组成与技术支持

企业的传统数据主要来自于业务运营支撑系统、企业管理系统等, 主要是结构化数据;企业当前爆炸式增长的新数据主要来源于互联网、移动互联网上的图片、文本、音频、视频等非结构化数据;结构化传统数据和非结构化新数据一起构成了企业的大数据。目前业界对大数据还没有统一的定义, 但各大研究机构与国际组织对大数据的定义都至少包含这2层意思:一是要能对大体量、多类型的数据进行快速的处理, 二是在成本可接受的前提下从大数据中提取有用的价值。概括的说, 企业的大数据具备“4V”的特征:超量 (Volume) , 需要存储的数据量越来越大;多样 (Variety) , 存储的数据类型种类越来越多;高速 (Velocity) , 数据处理速度与应用速度要求越来越快;价值 (Value) , 从低密度的数据中提取有价值的信息。因此, 在技术层面上面临3大挑战: (1) 海量数据存哪里, 才能既满足高效率存储和访问的需求, 又使存储成本可控制? (2) 如何满足海量数据的高并发、实时动态获取和更新数据? (3) 如何保障数据库系统的高可扩展性和7*24小时不间断服务的高可用性需求?目前有两条技术解决路线:一是将传统关系型数据库系统进行整合升级, 如Oracle、EMC等企业设计了采用Shared-Nothing与MPP体系架构的数据库一体机作为解决方案;二是专门设计了No SQL数据库系统, 以Apache的Hadoop、IBM Pure Data为代表的大数据平台为主要的解决方案。

三、关系型数据库系统与大数据技术平台的比较

3.1关系型数据库如何应对大数据

工程师们对关系型数据库系统进行升级与优化, 通过分库、分表, 缓解数据增长压力;采用主从数据库分离、读写分离思路, 缓解写压力, 增强读库的可扩展性;采用主从结构Master-Slave, 增强读库的可扩展性, 并采用MMM (Master-Master Replication Manager for My SQL) 技术来解决分布式存储问题。在产品支持上主流数据库厂商纷纷推出数据库一体机产品, 如Oracle Exadata、IBM Netezza、EMC Green Plum等。

数据库一体机的核心是SQL体系, 可以兼顾企业中OLTP和OLAP两类系统的应用要求, 但这条技术路线仍有瑕疵:如分库、分表受业务规则影响, 维护变得十分复杂, 系统数据访问层代码需要大量修改;Master-Slave架构在实时性很高的场合Slave实时性保障存在瓶颈, 在高可用性上Master容易产生单点故障;MMM本身扩展性差, 一次只能允许一个Master写入, 只能解决有限数据量下的可用性。

3.2大数据技术如何应对大数据

相对于传统关系型数据库的行存储模式, 大数据技术采用列存储模式满足海量数据的高效存储和访问要求, 以No SQL体系的非关系型数据库服务器架构应用而生。其中Hadoop是一个典型代表, 海量的数据交给Hadoop处理后, Hadoop提供一个分布式文件系统 (HDFS) 及分布式数据库 (Hbase) 用来存储或部署到各个计算点上, 最终在内部采取Map Reduce的模式对其数据进行分布式并行计算与合并处理, 然后输出处理结果。

No SQL数据库大都只是提供了海量数据的分布式存储与基于索引的快速读取机制, 对复杂Join的操作性能低下, 因此对OLTP系统的支持成为它的短板。

3.3两种技术的异同点比较

从硬件集成角度上看, 大数据技术与数据库一体机基本相同。两种技术最核心的区别在软件体系上, 具体比较如下表:

四、企业大数据的存储架构建设思路

针对企业大数据的存储与应用需求, 大数据技术与关系型数据库架构技术是相辅相成的, 而不是互相替代的。它们针对不同的应用场景设计, 可以相互补充与合作。

数据库一体机较适用于存储关系复杂的数据模型, 如企业核心业务数据, 并且需要限制为基于二维表的关系模型;同时适合进行一致性与事务性要求高的计算, 以及复杂的BI计算。大数据技术则更适合于存储较简单的数据模型, 并且可以不受模式的约束, 因而其可存储管理的数据类型更丰富。大数据技术同时适合进行一致性与事务性要求不高的计算, 如No SQL的查询操作等, 以及对超大规模海量数据的、批量的分布式并行计算。

因此, 在“互联网+”时代, 当前企业的大数据存储架构建设思路是采用大数据平台与关系型数据库系统混搭的架构。具体来讲:业务支撑系统仍然部署在关系型数据库上, 传统关系型数据库技术还是作为企业数据仓库的主流技术, 它存储与计算最主要的、有重大价值的企业关键业务数据。大数据技术可以处理企业内海量的、模型简单、类型多样的非结构化与半结构化数据, 其处理结果可以被直接使用, 也同时可以被当成是新的输入存储到企业级数据仓库中, 这时大数据技术相当于是面向大数据源的新的ETL手段。

五、结束语

进入“互联网+”时代, 在一个信息爆炸的环境下, 企业更需要搭建合适的企业大数据存储架构来存储好、管理好和使用好这些数据, 以真正将企业的数据资产变成企业的核心竞争力。

摘要：本文通过分析“互联网+”时代传统企业互联网化转型, 企业大数据在“存”、“管”、“用”技术支撑上面临的问题, 比较关系型数据库系统与大数据技术平台的应用特点, 提出了企业大数据的存储混搭架构思路。

水环境大数据建设思路 篇3

关键字：大数据;数据仓库;教育决策

中图分类号：TP393 文献标志码：A 文章编号：1673-8454（2015）01-0014-02

一、教育的大数据时代

在大数据的时代，各行各业都在谈大数据，它的影响辐射各行各业，并且已经开始在信息产业、交通运输、医疗卫生、食品安全等领域中发挥出重要作用。与此同时，作为面向社会公众的教育行业，无论从教育数据资源的情况，还是对大数据的分析应用需求看，亦进入了大数据时代。

教育管理信息化是《国家中长期教育改革和发展规划纲要（2010-2020年）》和《教育信息化十年发展规划（2011-2020年）》所确定的教育信息化建设核心任务之一，对支持教育宏观决策、加强教育监管、提高各级教育行政部门和学校的管理水平、全面提升教育公共服务能力具有不可或缺的重要作用。教育改革发展涉及面广、难度大，越来越需要准确全面的数据分析和服务作为教育科学决策的支撑。建设国家教育管理信息系统，就是建立涵盖学生、教师、学校资产及办学条件的教育管理信息系统和基础数据库，并以此为基础建立数据分析与科学预测的教育决策服务系统，已成为支持教育改革与宏观决策的现实需求。国家教育管理信息系统的建设，也为教育大数据的积累奠定了基础。

二、教育大数据仓库与数据服务支撑平台

教育大数据仓库与数据服务支撑平台是基于教育服务与监管基本宗旨，统筹考虑教育事业全局，以适应大数据时代教育数据新特征和支撑教育监管和决策的数据分析为出发点，集成大数据思路和传统数据仓库架构，构建纵向覆盖各级教育机构，横向覆盖教育各业务领域的、统一的教育数据信息资源中心，将合适的教育数据资源及时、有效地提供给合适的教育管理、决策者进行教育主题研究分析、评价和预测，促进教育监管与决策更加合理性、准确性、科学化以及智能化，服务于教育事业的改革创新，支撑教育事业智慧化的发展趋势。

1.总体架构

平台的总体架构以教育系统全局为视角，以应用为驱动，基于SOA的理念，运用柔性架构设计思想和分层体系架构，以“满足当前应用、扩展未来需求”为目标，综合考虑大数据时代下新的技术思路和传统数据仓库的优势，采用组件化、服务化的方式，灵活适应功能、分析内容的动态追加和变更，满足系统未来变化的需要。架构的主要内容以及相互之间的逻辑关系如图1所示。

2.主要内容

（1）数据集成整合系统：是将各种数据源中的各种类型的数据按照教育数据资源中心的数据规范要求进行清洗、转换等操作，将符合教育数据资源标准体系要求的数据整合、加载到教育数据资源中心，为后续的统计、分析、挖掘业务提供高质量、规范化的数据资源;

（2）数据管控系统：是对数据资源的集中管控，保证数据的准确性、完备性和安全性。主要建设元数据管理、数据质量管理和数据安全管理，从而达到对教育数据资源中心中数据的管控;

（3）数据治理体系：是对教育数据资产管理行使权力和控制的活动集合，是建立教育数据管理制度、指导教育系统执行数据规划、数据环境建设、数据安全管理、元数据管理、数据质量管理等其他数据管理活动的持续改进过程和管控机制;

（4）数据服务调度管理系统：是整个平台的“发动机”，以教育管理各级行政单位、各级各类学校、科研院所以及社会公众等不同团体在监管、决策、研究分析以及公众数据服务等应用为驱动，将教育数据资源中心数据按照一定的规则，运用合适的智能分析技术，以组件化、模块化、服务性的方式及时、准确、合理地推送给数据分析应用中心，从而直观、友好地展现给不同的监管者、决策者、研究分析人员以及社会公众;

（5）智能分析系统：主要是利用教育数据资源中的数据，通过即席查询、统计报表、多维查询、数据挖掘等技术手段，进行多种教育主题的综合分析以及通过大量数据信息挖掘潜在信息，实现教育的评价与预测等，然后以一种合适的、直观可视化的、有好的方式及时、准确地提供给相关教育监管、决策、研究分析人员以及社会公众，从而实现教育监管、决策以及研究分析的科学化、智能化。

3.预期目标

（1）汇集不同来源的各种教育数据资源，建立起统一、规范的教育数据信息视图，形成覆盖教育各领域的、综合的、面向各种教育主题的教育数据资源中心，实现统一的教育数据管控、治理机制;

（2）形成面向不同主体的、特定领域的教育应用主题的数据集合，按照不同的教育主题进行组织、汇总、管理数据，满足政府（教育行政单位及国家其他行政单位）、学校、社会公众、国际教育团体等不同教育数据应用主体对数据进行分析解读、评价和预测的需求;

（3）建立柔性化的分析性数据应用服务的统一出口，通过灵活的组件化方式，将特定的数据集以合适的数据展示形式及时地、直观地提供给各种不同的教育数据应用领域，满足教育监管与决策的数据服务需求;

（4）建立国家、省两级教育大数据仓库与数据服务支撑平台体系，既实现不同教育级别不同类型教育数据资源的整合与集成，同时又能够满足国家和省级不同的应用需求;

（5）构建一套全面的、标准化的、可操作性的教育数据资源服务保障体系，形成一种长久有效的教育数据资源服务保障机制，可持续性地为教育监管与决策服务。

总之，国家教育大数据仓库和数据服务平台的建设实施，将全面、有效地支撑各级各类教育数据资源的分析，并且使教育监管与决策智能化的能力得到逐步提升。

三、结语

当今各行各业都在大谈大数据的时代，大数据的开发应用已经被许多国家提到国家战略的高度来进行研究。今年初李克强总理所做的政府工作报告中明确提出要设立新兴产业创业创新平台，在大数据等方面赶超先进，引领未来产业发展。作为国家公共管理部门，教育如何适应大数据时代，并利用大数据的开发应用推动教育事业的发展、改革与创新，支撑教育事业智慧化的发展趋势，是当前所有教育同仁共同思考的话题。并且随着国家教育信息化战略的实施，大数据的开发应用需求更加迫切，所以我们应当适应大数据潮流，把握机遇，充分利用大数据，结合教育信息化建设现状，构建教育大数据资源中心，有效支撑教育的监管和决策，推动教育的智慧化，从而实现教育的变革。

参考文献：

[1]张春艳.大数据时代的公共安全治理[J].国家行政学院学报，2014（9）.

[2]沈菲飞.基于数据仓库的高校学生管理预警与支持系统[J].巢湖学院学报，2007，9（5）.

[3]（英）Viktor，Kenneth著，盛杨艳，周涛译.大数据时代-生活、工作与工作思维的大变革[M].浙江：浙江人民出版社，2013.

[4]韩蕊.大数据让数据仓库更具有价值[J].互联网周刊，2014（3）.

[5]俞燕萍，丁荣涛.基于数据仓库技术的学生就业趋势分析系统设计[J].中国科技信息，2008（7）.

大数据环境下的数据安全研究论文 篇4

大数据的应用规划以及它的信息安全应要提高到发展战略的高度，对大数据进行系统的分类，明确一些重点的保障对象，强化对数据的监控管理。大数据环境是一个庞大的数据信息系统，要确保数据信息的安全性，需努力建立起一个完整的数据信息安全体系。

4.2 进行数据安全删除

当今信息安全技术当中一个极为关键的问题。所谓的数据安全删除指的就是对数据恢复正常的条件进行破坏，使数据在删除之后无法恢复，无法逆转。相对于部分敏感数据而言，数据安全删除是十分关键的。众所周知，普通文档实行删除操作仅仅是对其标记进行删除;高级格式化同样无法对数据区内的数据信息进行覆盖处理，因此不能将其叫做安全删除。

4.3 对动态数据进行安全监控

相对与静态的信息数据，动态的信息数据更容易产生安全问题。因此需要对动态数据进行安全监控，完善对于动态数据的安全监控机制。在对动态数据进行监控的过程中，必须要对分布式计算系统进行健康监控，以保证其健康运行。在一些大规模的分布式计算中，要对动态数据的细粒度进行安全监控和分析，对大数据分布式进行实时监控。

5 结语

水环境大数据建设思路 篇5

大数据, 顾名思义, 就是大量数据的集合。但它并不是简单地将大量数据集合在一起, 而是对这些含有意义的数据进行分析处理, 从而帮助人们做出决策。目前, 大数据已经广泛应用到社会生活的各个领域, 教育领域也不例外, 它促进了传统德育教育模式向现代德育教育模式的转变。在大数据时代, 高职院校的德育工作具有新的挑战和机遇。传统的德育工作方式已经不能适应时代的发展。因此, 研究大数据时代背景下的高职院校德育工作, 已经刻不容缓。

一、高职院校德育工作面临的现状

一直以来, 高职院校德育工作主要是对学生进行思想道德教育。在德育教育过程中, 存在着教师教学形式单一, 教学手段不多, 教学过程机械化等问题。由于德育教学没有结合当前的实际形势, 学生学习积极性不高。高职院校传统的德育教学, 理想主义色彩较重, 超出了学生的接受和理解能力, 没有考虑到学生的实际情况和教育背景。虽然在形式上, 完成了德育教学工作, 实际上, 完全是为了教学而教学, 并没有从实质上促进学生的德育水平发展。在以往的德育教学过程中, 我们一般采用以老师讲为主的教学方法, 学生没有参与到课堂教学过程中, 而只是为了应付考核, 对一些知识点进行了背诵。这样的德育教学工作, 对学生的德育水平并没有很大的促进作用。“学校教育在国家的政治和经济两种强势导向和控制中被功利化了, 道德教育实际上被边缘化了, 以致于学校德育患了两种病:形式主义和虚无主义。学校德育工作形式上依然进行, 而实际上是为完成德育课本的教学任务而教, 不是为促进学生品德发展而教。”[1]高职院校德育教师的水平和素质参差不齐。大数据时代, 高职院校德育教师必须明白, 传统的教育方法和观念, 已经不能适应新时代的要求。不能像过去那样, 采用简单粗暴的方法对待学生的德育问题。高职院校的学生, 正处在青春叛逆期, 如果不能采用恰当的德育教学方法, 那么很可能会得到适得其反的效果。高职院校的学生, 由于社会经验不足, 普遍对当前的形势缺乏理性思考。特别是在互联网时代, 各种信息交织在一起, 真真假假, 学生很难辨别。由于以往的德育工作, 对实践中的现象分析较少, 部分学生认为, 学校德育工作没什么大的作用, 这种情况长此以往, 学生不能树立正确的世界观和人生观。

二、大数据时代高职院校德育工作方法探析

(一) 提升教师德育教学水平

高职院校德育工作能否顺利开展的一个重要前提条件就是得到学校的重视。学校可以在人、财、物等方面对德育工作进行支持。从制度上重视德育教学工作, 对德育教学效果好的老师, 进行表彰和奖励, 激发德育教学的热情。一个好的德育老师, 需要具有很高的自身素质。在工作中, 能从学生的实际情况出发, 尊重学生的生活背景, 以平等身份对待学生。努力做到以理服人, 而不是对学生进行简单粗暴的命令。“思想教育不能从理论到理论, 从概念到概念, 自我封闭, 自我循环, 把思想教育搞成脱离实际的概念堆砌, 搞成照本宣科的刻板说教。要从实践破题, 用实践立论, 拿实践论证。实践最有说服力, 事实是最硬的道理。要善于用客观事实说话, 用典型案例说话, 用切身感受说话, 把抽象变形象, 把概念变事实。”[2]德育工作, 不能脱离现实生活。传统的德育教学模式, 以知识灌输为主, 已经不能适应新时代的要求。我们需要在德育教学过程中, 结合日常生活, 引导学生对社会现象进行反思, 探索更高层次的追求。在日常教学过程中, 我们还需改变传统的教学方式, 采用多种教学手段, 引导学生参与到课堂教学中。在平时的德育教育工作中, 我们可以将美学教育导入到课堂教学中。通过培养学生良好的审美能力和意识, 提高他们对美好事物的理解和感受, 使学生的心灵得到熏陶, 从而提高他们的德育水平。

(二) 引导学生在实践中提高德育水平

高职院校的学生, 已经具有了一定的社会生活经验。我们可以引导学生在实践中努力提高自己的道德水平。引导他们反思社会现象, 关注和思考国家民族以及自身的前途命运。从而帮助学生树立正确的人生观、价值观和世界观。现在, 网络信息传播很快, 各种信息和观点充斥着网络, 如果不对学生进行正确的引导, 学生很有可能在网络中迷失自己。怎样使学生在现代多元的思想中保持正确的人生观、世界观和价值观, 是高职院校老师需要面对的新课题。我们要善于利用最新的网络技术和传播媒介, 随时随地开展对学生进行德育教育。比如, 我们可以利用微博、微信, 对一些热点事件和现象与学生进行互动, 引导学生就热点事件开展讨论和交流, 促使学生树立正确的道德观和责任感。

现在的高职院校学生, 由于高中时学习压力较大, 很多学生在进入高职院校后, 存在不同程度的心理问题。怎样通过德育教学工作, 帮助他们解决心理问题, 也是我们德育工作需要关注的地方。对学生进行正确的心理疏导, 可以防患于未然, 防止学生做出极端事情。高职院校老师要对问题学生给予足够的重视, 如果有必要, 可以给个别学生安排心理辅导老师进行心理疏导, 以免恶性的事件发生。

(三) 构建社会、学校、家庭结合的多维德育教育体系

德育工作光靠学校, 是很难完成的。需要社会、学校、家庭的通力合作。德育工作, 不是短时间就能开出效果的, 需要很长时间的潜移默化。高职院校学生在校的时间是有限的, 大部分时间是在家庭, 甚至社会中度过的。家长的一言一行, 对高职院校学生有着深刻的影响。学生的大部分时间是在家庭里度过的, 这种影响是潜移默化的。很多家长在教育孩子方面, 采用了比较传统的.教育方法, 对学生的学习成绩高度关注, 却忽视了学生的品德教育和心理教育。学校与家长应该保持良好的沟通, 学校要将学生平时的变现及时反映给家长, 及时给家长提一些好的教育理念和方法, 将学校教育和家庭教育有机结合起来。社会对学生的德育水平也有很大的影响。现在社会上各种观点百花齐放, 学生缺乏辨别能力, 如果没有正确的社会舆论引导, 学生很容易迷失自己, 德育水平甚至不升反降。所以, 社会、学校、家庭, 需要一起努力, 才能对学生的德育水平的提高产生积极影响。

(四) 大数据背景下的德育工作方法

随着大数据时代的到来, 传统的德育教学工作方式已经不能适应新时代的要求。我们需要适时而变, 将我们的德育工作与新技术相结合, 才能达到较为理想的效果。随着时代的发展, 高职院校德育工作的目标也随之变化。我们需要改变传统的教学方法, 充分发挥大数据的优势, 形成适应新时代德育教学工作的方法, 有效提升学生德育水平。充分利用大数据, 挖掘数据背后的信息, 积极探索高职院校德育教学的新方法, 结合学生的生活背景, 帮助学生提高分析思考能力, 将德育工作结合实际生活, 使学生认同我们的德育工作。在日常教学过程中, 我们可以采用多种教学手段。利用互联网新技术, 我们可以通过网络共享的方式, 将我们的德育教学资源在学生中传播。学生可以通过网络, 进行咨询答疑、在线讨论。通过这些方式, 不断提高高职院校德育教学工作的水平。

参考文献

[1]喻学林.从德育功能看学校德育的有限性[J].教育科学, (3) :32.

水环境大数据建设思路 篇6

智能监控系统（REMS)-----为确保大英青山绿水保驾护航

一、金山银山不如绿水青山： 1、2017年10月18日，中共中央总书记习近平在十九大报告中指出，坚持人与自然和谐共生。必须树立何践行绿水青山就是金山银山的理念，坚持节约资源和保护环境的基本国策。绿水青山就是金山银山，充分体现了党中央对祖国环境保护的重视与要求。具体体现在各级地方切实落实“河长制”及地方党政一把手必须担任总河长，对当地的河流确保“绿水”承担的重大责任。这是我国前所未有的制度。不定哪一天中央要巡视“河长制”的落实情况。

2、早在1988年6月，«中华人民共和国河道管理条例»就正式颁布实施；2017年1月3日，中国对«中华人民共和国河道管理条例»进行第三次修正，强调了地方各级政府在河道环境治理中的责任、治理内容等。

3、各级地方党委、政府为落实中央指示，都分级分解建立了自己的“河长制”从组织、职责、人员、经费、制度等方面都进行了落实，并组建了几百人的巡河队伍，确保在自己管理的行政区划内经过的河流、水库没有违排、违建、违采、违占、违养、违种（以下简称六为行为）等影响河流清洁的行为。力度可谓大、行动可谓快、内容可谓广。

二、河道环境管理的难点：

在如此巨大的行动中，通过实际运行，发现存在了很多不足和难点：

1、巡河质量不能进行量化考核，巡河工作落实不清：一个地方（一般以县级为一个块）300至600人的巡河队伍，是不是按要求（时间、地点、内容）去巡河了，在巡河的时候没有六为行为，不巡河的时候产生六违行为同样污染河流。巡河工作报告是不是真实的，不清楚。

2、巡河手段相对落后，目前基本上停留在靠巡河员的自觉性工作，巡河质量停留在口头汇报和纸质阶段，一些重要资料不能长期保存

其二：各级领导（XX省第一总河长、总河长、XX河总河长、......；XX市第一总河长、总河长、XX河总河长、....；XX县区第一总河长、总河长、XX河总河长、....；XX镇总河长、河长、XX河总河长；....）对河道管理的工作，绝大多数是通过文件会议来了解与管理，极少数通过秘书的电话进行管理，管理工作没有多少数。整体工作沟通及时性差。

3、基础资料掌握部及时、没有建立河道数据库、排污和第三方破坏隐患数据库、巡河人员轨迹和考核等数据库；河道资源的变化、河道旁边情况的变化情况掌握不及时；发现河道开挖、破坏不能及时制止、对巡河人员具体位置不能及时掌握，河道出现问题后的处理联动不及时。

5、河道资源配备需要提高，巡河员分布不能及时掌握、污染企业分布不能在电子地图上直观展示，因此存在资源使用不科学，浪费情况。

6、资源浪费，传统的巡河手段需要靠巡河员的自觉性、纸和笔进行记录，纸保存年限短，多年以后纸本身也成为污染源；对巡河员不能进行工作质量量化考核，存在人力资源的浪费。

7、传统的巡河方式造成管理人员工作繁琐，分派任务、考核结果等人为因数大，不能做到公平；容易激发社会矛盾。

三、基于大数据和互联网+的河道环境智能监控系统（REMS)为确保德阳青山绿水保驾护航 四川星捷提供的河道环境智能监控系统，能有效的解决对上述问题，为确保大英的青山绿水保驾护航。河道环境智能监控系统主要解决的管理难点：

1、河道环境管理工作难点之1--巡河人员和维护河道人员管理难：传统的巡河无法随时掌握巡河人员和维护河道人员的到位情况，因而无法有效地保证巡河人员和维护河道人员按计划要求，按时按周期对所有的巡河设施进行巡河，使巡河工作的质量得不到保证，河道环境运行数据的真实性得不到保证。

基于大数据和互联网+的河道环境智能监控系统（REMS)提供的解决方案：河道环境智能监控系统能通过实时监控和巡河轨迹回放功能了解巡河人员和维护河道人员的巡河情况（时间、位置、是否巡河等），敦促巡河人员和维护河道人员有计划地开展巡河和维护河道工作，提高设备巡河到位率，从而提高巡河工作的质量；由河道管理人员根据国家规定制定巡河和维护河道的内容，巡河和维护河道人员通过手持机下载并执行，可以轻松实现定量考核。

2、河道环境管理工作管理难点之2 —开挖、占压等隐患信息难及时准确处理：传统的巡河无法及时掌握隐患情况并跟踪管理，很多的重大事故都因为隐患得不到及时解决或解决不彻底而造成的，主管部门也缺乏有效跟踪复查隐患处理的平台，导致巡河发现管线设施的隐患和第三方施工的监护无法有效跟踪管理。

基于大数据和互联网+的河道环境智能监控系统（REMS)提供的解决方案：：巡河人员和维护河道人员可通过手持终端及时上传巡河现场的隐患情况（文字描述+现场图片），管理人员即可通过巡河监控系统及时了解隐患情况（时间、地点、上传人等）、查询到离隐患地点最近的人员位置，从而就近调度，对隐患进行及时分派处理。

3、河道环境管理工作管理难点之3 —基础数据库查询难：传统的巡河无法及时了解、直观的了解河流分布情况、污染企业排污情况；重点河道监控区域分布情况

基于大数据和互联网+的河道环境智能监控系统（REMS)提供的解决方案：GPS巡河管理系统能够建立一套健全的管网设施库和隐患库，巡河人员和维护河道人员可通过手持终端下载自己管辖的设施，了解设施的分布情况，减少第三方对设施的占压和破坏。

4、河道环境管理工作管理难点之4 —难掌握河道环境及设施运行状况：传统的巡河无法真实掌握危及河道环境和附属设施安全运行的状况及可靠的记录存档，目前大多用户还在使用手写报告记录的方式记录巡河信息，保存不便，如录入电脑存档，又存在数据丢失，录入错误的问题，耗工费时且无法体现真实情况(如：施工工地现场情况)。

基于大数据和互联网+的河道环境智能监控系统（REMS)提供的解决方案：巡河人员和维护河道人员通过手持终端进行巡河，并自动或手动上传巡河信息，信息将通过GPRS或3G网络发送到管理中心。管理中心的GPS巡河系统将会对上传的巡河数据进行自动处理、分析、统计、制作报表等。

5、河道环境管理工作管理难点之5 —数字化程度低：传统的巡河无法进行数字化分析管理，辅助决策无从实施，对发现的隐患及设备故障无法进行有效的分类统计分析，河道环境和附属设施的运行状况、运行参数等历史数据无法有效地被利用，查询不易，对隐患类型、设备缺陷的分析，乃至具季节性、阶段性的工作重点安排与设备的选型，无法进行有效到位的安排。

基于大数据和互联网+的河道环境智能监控系统（REMS)提供的解决方案：该系统还具备档案管理、应急预案管理、通知公告管理、三色预警管理、第三方管理等功能，巡河管理人员可通过登录河道环境智能监控系统随时查看巡河人员和维护河道人员的巡河到位情况，结合电子地图可查看河道和设施资源分布、巡河轨迹、排污及其他隐患分布等情况，从而实现了巡河工作的信息化、数字化、网络化、图形化的管理，保证了管理人员对巡河情况检查、考核的准确性，便于及时掌握和查询相关信息，为巡河制度的落实及资源管理提供了技术上的保障及手段。

6、河道环境管理工作天管理难点之6 —河道抢险救援效率低:传统的巡河无法掌握抢险人员分布，就近调度，有事故或抢险任务时，抢修应急反应速度无法考核，抢修抢险过程以纸张手写记录，记录信息不全面，手写随意性大，无法真实反应状况，无法掌握事故处理细节，产出有效的检讨与跟踪分析，提高各项应急处理效能。基于大数据和互联网+的河道环境智能监控系统（REMS)的解决方案：河道环境智能监控系统可通过实时监控功能，查询到离河道抢险地点最近的抢险人员，进行就近调度。抢险人员可通过手持终端将现场的事故情况和处理情况通过文字或图片的形式上传至管理中心，供管理人员分析和讨论，从而提高各项应急处理效能。另一方面，系统对抢修人员位置进行实时报道，也提高了在外工作的安全性。

7、河道环境管理工作管理难点之7 —巡河易产生盲区：河道分布错综复杂，存在大量的河道交叉点，大多的巡河时基本都忽略此问题，而产生了巡河盲区。

基于大数据和互联网+的河道环境智能监控系统（REMS)提供的解决方案：：河道环境智能监控系统未来可以通过无人机和移动视频监控对此进行处理，消除了巡河盲区，巡河数据导入后，系统能自动分辨出同一个点哪些人巡了，哪些人没巡。

8、河道环境管理工作管理难点之8 —各级部门不能实现联动：河道环境管理是一个系统工程，涉及到污染企业、环保局、质量技术监督局、水务局等部门。当出现河道环境污染时，水务局巡河员第一时间发现并取污染水样，质量技术监督局质量监督检验所负责对水的污染情况提供技术报告，环保局需要对污染区域进行评估。

基于大数据和互联网+的河道环境智能监控系统（REMS)提供的解决方案：：河道环境智能监控系统可以向其他局提供账号和接口，让他们随时掌握污染其企业、污染程度等信息，可以有效进行联动处理。

9、河道环境管理工作管理难点之9 —工作质量统一标准考核：对巡河员以及管理人员的量化考核难，传统手段只能依靠人的自觉性。

基于大数据和互联网+的河道环境智能监控系统（REMS)提供的解决方案：：河道环境智能监控系统自动下发巡河任务、自动生成考核报表，对各个巡河员的任务完成情况进行自动考核。

河道环境管理工作管理难点之10 —资源存在浪费：传统的巡河手段靠笔和纸，既不能长期保存，多年的纸张陈旧又成污染源；传统的巡河任务没有量化考核，每到一个地方要花时间进行记录，对人力资源也存在浪费。

水环境大数据建设思路 篇7

1 统计信息化的发展历程及当下统计信息化发展水平

1.1 统计信息化的发展概述

统计信息化是指,通过利用包括互联网技术、信息处理技术在内的现代计算机技术和手段,开发建设统计信息资源,改造传统的统计工作方式方法,实现统计信息的采集、传递、加工、处理、共享、管理和发布全过程的信息化。

目前我国企业统计信息化建设已经初具成效,经历了三个阶段。第一阶段,计算机初步应用阶段;第二阶段,统计管理信息系统的设计、实现与应用;第三阶段,互联网技术的应用。

1.2“四大工程”概述

为了推进统计工作现代化、变革统计数据生产方式,国家统计局目前正在建设统计“四大工程”。其中,“四大工程”,即统一的基本单位名录、统一的一套表调查制度、统一的数据采集处理软件平台、统一的联网直报系统。

“四大工程”本身属于一个有机整体,通过统一的基本单位名录库中的法定调查单位,按照企业一套表制度规定的调查内容,采用统一的数据采集处理软件,将原始数据通过互联网直接报送全国统一的数据中心,实现各级统计机构在线同步接收、审核和共享原始数据,确保数据的真实准确、完整及时。

1.3“四大工程”对统计工作的变革和推动

近几年来,全国统计系统就把研究、调研、试点、推广“四大工程”作为统计系统的第一号任务,“四大工程”可以减轻企业负担、提高效率、推动规范、保证数据质量,是统计生产方式的一场变命。

在减轻企业负担方面,通过一套表、统一的软件、联网直报以后,一套表要求的数据,企业通过互联网就直接报到国家统计局了,然后各级统计机构再共享这些数据。

在提高效率方面,通过“四大工程”联网直报,企业一按“发送”键就到了统一的数据中心。

在推进规范方面,通过“四大工程”,规范的名录库、规范的软件、规范的一套表,大大地提高了中国统计的规范性、统一性。

在提高数据质量方面,统一的、真实的、及时更新的名录库的建设,可以解决虚假企业的问题。

2 当前统计信息化和大数据环境下信息化要求的区别

当前,为了满足国家与地方之间数据方便友好的转换,满足不同层级的需求。统计信息化的要求主要包含四方面:其一,信息设备现代化;其二,信息内容数字化;其三,信息数据应用化;其四,信息服务完善化。

而大数据环境下信息化的要求主要包括两部分,即建立政务信息数据共享平台与高水平的数据挖掘与分析能力,以便生产出高质量的统计数据产品为公众服务与党政服务提供信息数据基础支持。

3 大数据环境下统计信息化建设的研究

3.1 大数据

大数据,目前尚未有明确学术上的定义。根据维基百科关于“大数据”的定义,认为大数据是指无法在容许的时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。

大数据是利用现有分析工具无法在合理时间内处理的数据,意味着数据海量、传播速度快捷、种类丰富。大数据既能快捷准确地提供社会经济的整体变化用于决策,也能让普通的社会公众获得直接可靠的信息服务。

3.2 统计数据和大数据的关系

3.2.1 大数据环境下的统计价值分析

大数据环境下的统计信息具有战略性意义,大数据在各行业,特别是公共服务领域:消费行业、金融服务、食品安全、医疗卫生、军事、交通环保、电子商务、气象等具有广泛的应用前景。地球信息科学、金融、信息技术、物理领域都在积极推进大数据应用。

3.2.2 大数据环境下的统计服务于党政

大数据环境下的统计信息服务于党政,从现已发生的变革来看,包括进出口、货币供给、财政等数据在各项相应的行政记录里均可查询;物联网使物品和网络连接起来成为可能,进行信息共享,工业生产、运输物流、终端消费、公共服务等各种交易直接生成可用的数据,而不需要再经过专门的统计采集。

3.2.3 大数据环境下的统计服务于人民

对大数据技术的成功运用,将改变日常生活、企业决策和国家治理的面貌并带来惊人的经济和社会效益。大数据将成为人类的仪表盘,一个帮助人们对付贫困、犯罪和污染的智能工具。大数据技术给学术、商业和政府管理带来变化,并将触及任何一个领域。

3.3 加强大数据环境下统计信息化建设工作的建议

3.3.1 统计BMP流程再造

(1)重建技术改造的核心架构

其一,建立统一的元数据库系统,统计元数据库的建设,实际就是对统计数据的管理,对统计业务的整合。其二,根据数据大集中环境的体系结构,建立相应的制度元数据、技术元数据和管理元数据,通过元数据属性描述,对制度设计、数据采集、数据分析、数据管理等生产流程进行规划、控制和解释,实现标准化管理。

(2)建立统一的业务处理平台

以规范的统计业务流程、统计信息标准为前提,以元数据体系为驱动,采用B/S(Browse/Server)浏览器方式与C/S(Client/Server)方式相结合的模式,开发集数据采集、数据汇总、查询为一体的专业通用统计信息综合处理软件平台,地方统计机构无需建设技术平台,统计的报表设计、数据采集、数据处理、分析、发布等系列统计业务集于一个“平台”完成。

(3)建立分布式网络数据仓库

通过前台统一的业务处理平台,采用客户端浏览器、Web服务器、Application服务器的三层体系结构B/S/S,基于Web技术的数据仓库技术,在后台建立分布式网络数据仓库。其核心功能是通过数据转换技术,根据不同的分析需求建立不同的专题分析数据库,对多维数据库进行分析处理、数据挖掘。

3.3.2 大数据环境下关于统计信息化建设的建议

(1)优化职能机构设置

打破部门、行业、科室限制,按照统计业务流程分别设立制度设计、数据采集、数据管理、数据发布、数据质量评估、数据分析、执法监察等部门。

(2)不断完善一套表统计制度

建立真正意义上的统计基层一套表制度,需要统计发生“化学变化”,站在调查对象的角度,按着“元数据”的思路进一步优化指标体系。对调查对象而言,减轻填表负担;对政府统计部门而言,实现数据共享。

(3)建立及时有效的数据发布和分析系统

一是利用现代信息技术努力缩短数据采集、传输、汇总、存储、发布等主要环节的时间,使得数据发布更加及时。二是增加对互联网、微博、社交平台等新媒体的发布,更好地满足社会各层面对统计数据的需求。三是在发布载体、时间、频率的选择上更加灵活,使政府统计更好地服务大众、服务社会。四是采用数据可视化技术直观地展示数据。

(4)实施统计标准化管理

将国际通用的质量管理体系引入统计系统,对数据生产流程的每一个环节都制定相关标准,从而强化各流程质量控制,逐步实现统计生产流程和统计服务的质量管理标准化。

4 结束语

综上所述,通过结合大数据环境,加大其网络改造与网络应用,提高政务统计信息的生产与处理技术水平,在积极推进大数据在政府统计中的应用的同时,必须加大力度做好政府的统计工作,包括统一、规范统计标准与统计指标,促进大数据环境下统计信息化建设的电子化与数字化发展,真正起到拓展、丰富统计信息的作用,使其提供更完善的政党服务与公众服务作用。

摘要：随着社会发展,科学技术日新月异、信息技术在日常生活中发挥了越来越重要的作用。文章首先介绍了统计信息化的发展历程,包括四大工程的推进与所带来的变革,通过分析、对比当前统计信息化和大数据环境下信息化要求的不同之处,针对大数据环境下的统计信息化建设进行深入分析,并提出了相关建议,以便加强大数据环境下的统计信息化建设工作,促进统计信息化进一步服务于党政、服务于人民。

关键词：大数据,统计信息化,建设,流程再造

参考文献

[1]陈彦玲,陈首丽.企业统计信息化建设的构想[J].统计研究,2001(04):199-120.

[2]刘长兰.对企业集团统计信息化的思考[J].企业研究,2011(09):209-210.

[3]程芙蓉.现代经济条件下企业统计信息化建设探究[J].财政监督,2011(08):211-212.

[4]万红英.浅谈影响企业统计信息化建设的因素及对策[J].事业财会,2007(05):107.

[5]李菊芬.加强企业统计信息化的建设[J].湖北经济学院学报(人文社会科学版),2007(9):54-56.

水环境大数据建设思路 篇8

我国金融扶贫现状

目前，对扶贫资金的管理分散于扶贫、财政、农业、水利、粮食等多个部门，各部门之间的沟通协作在实际操作层面难以开展。在资金的投放上，主要以“输血性”的一次给予形式为主，难以达到贫困户自身生产能力的有效提升。另外，在投入方式上多采用分指标，定规模的形式，区分度较差，难以发挥资金的全部效益。而且，金融扶贫的定位不够明确。特别是在现阶段，我国的金融机构大部分仍以追逐利益最大化为首要目标，扶贫工作的收益和风险问题导致许多金融机构不愿涉足于扶贫领域，难以调动其工作的积极性。

近年来，各级地方政府为保证扶贫工作顺利进行，纷纷搭建了扶贫专项平台，但总体效果并不突出。政府作为金融扶贫的主体，长期受困于组织机构庞杂。审批权限集中于高层等因素影响，致使扶贫工作出现问题时难以有效反馈，而缺少问责机制又使得有关责任人可以逃避相关责任的追究，使得部分干部在扶贫工作中产生消极怠工的思想，甚至于贪污腐败的思想，致使应及时到位的扶贫资金难以按时发放的有需求的贫困户手中。这严重阻碍了政府扶贫工作的开展，并损害了贫困户脱贫的积极性，甚至对政府产生不信任感。

民族八省区的特殊性

基础设施滞后。相较于经济发达地区，民族地区的基础设施基础原本就相当薄弱，在经济建设中，尤其是改革开放初期，投入几乎为零。

自然条件相对恶劣。民族八省区中，绝大部分地区自然、气候条件相对恶劣，生存资源匮乏，且易于发生山洪、地震、干旱等自然灾害，伴随自然灾害的发生，因灾导致贫困的人口数量也不容忽视；同时，民族地区山多地少，耕地零碎，抑或土层瘠薄，石漠化威胁严重，特困民族地区传统的农牧产品在激烈的市场竞争中日趋被动，甚至部分群众需要政府长期救济才能维持基本生产生活，发展空间非常有限，很难形成支撑区域发展和农民小康的支柱产业。

教育卫生水平落后。民族地区由于复杂的历史原因，普通群众的教育水平相对较低，教育政策保障机制不完善，教育的公平性难以得到保障，职业教育和就业创业技能培训、劳动力转移培训政策扶持力度不够，部分地区文盲率仍然很高，因此，在扶贫过程中，如何转变贫困人口的思想仍是一个艰巨的任务，由政府持续扶持转变到自主脱贫是一个长期且曲折的过程。

总之，民族地区作为扶贫的重点对象，有着其自身的特殊性，政府作为金融扶贫的主体，应结合民族地区特有的环境开展工作，针对不同的民族地区采取不同的措施，切忌搞民族地区与普通地区同质化，不同民族地区同质化。

大数据时代与扶贫模式转变

在金融扶贫中，政府如果能合理的利用大数据的思想和技术，创新扶贫模式，改变现有不合理的扶贫结构，将在反贫困问题中收获事半功倍的效果。当今的社会，正处于深刻变革的阶段，甚至基于某些层面，大数据的发展将引导第四次产业革命，因此，作为社会的热点问题，扶贫工作与大数据结合具有天然的优越性和必然性。

首先，扶贫追求的最终目的是全体脱贫，这就要求我们掌握所有贫困人口的详细信息，而如果没有云计算技术的支持，这种扶贫模式就成了空中楼阁，无法实现。通过大数据的技术对所统计的数据进行有效分析，可以具体掌握各地贫困人口现状，甚至可以具体到个人信息的跟进。其次，大数据技术的运用成熟，也可以有效的减少政府工作的内耗，搭建更为有效的联系更为密切的平台，互联网上储存了海量的数据，如果能将人工的操作转变为数据的自行处理，不但能加快工作效率，更能保证结论的准确性和公正性。最后，运用大数据的思想将使扶贫不再依赖于因果关系的探究，转而寻找各加直接的相关关。

金融扶贫新思路

经以上分析，针对当前我国的扶贫现状，结合大数据思想及技术，政府金融扶贫工作仍有许多创新空间。具体如下：

建立扶贫信息全覆盖型平台，辅以大数据技术的支持，力求国家、省、市、县、乡镇各级组织数据全面共享，平台将囊括有关于扶贫的全部信息，实现扶贫模式从“小扶贫”模式向“大扶贫”模式的转变。

利用大数据分析，统筹现有资源，并实现资源的合理配置，以满足贫困人口特色产业的发展问题，尤其是农林牧等传统产品市场上，应给予其充分的信息保证和支持，将扶贫理念从“输血”模式逐步向“造血”转变。

根据民族地区的特殊性，针对不同民族地区的不同现状，采取不同措施，将扶贫与教育、卫生、文化、就业、社会保障、防灾减灾等的相结合，集中实施一批民生工程；努力改善民族地区落后的生产生活方式，且在过程中尽可能少的影响地的民族特色和固有的民族习惯，同时培养其对中华民族总体的认同感和归属感，在物质上完成扶贫工作的同时在精神等其他层面也完成相应的“扶贫”工作，从根本上改变民族地区落后的整体面貌。

建立贫困人口信用记录系统，将贫困人口的银行信贷信用信息、贷记卡准记卡信息、贷款信息、为他人贷款担保信息等录入系统，通过建立模型分析，判断贷款人的个人信用情况，为今后是否发放贷款及贷款额度提供理论支撑。