大数据时代背景下的医学思考_转化医学新趋势前瞻

专论

医学与哲学２０１４年１１月第３５卷第１１Ａ期总第５１２期

大数据时代背景下的医学思考＊

———转化医学新趋势前瞻

焦　飞①　王　娟②△　马　颖①　于　媛①　岳　真

①

摘要：作为２１世纪最具活力的医学发展模式，转化医学为基础和临床构建了交流沟通的高效平台，当前正朝着多学科、多领域、多系统的方向迈进。随着信息技术与生命科学的交叉融合，生物医学已经迈入大数据时代。大数据既保证了医学实践的深度，有深度才能洞悉本质；又保证了医学实践的高度，有高度才能总揽全局。因此，大数据的出现为深陷还原论泥潭的现代医学提供了有效的解决途径。大数据浪潮对医学基础研究和医疗实践的深远影响，必将为转化医学发展带来新的发展机遇。

关键词：大数据，转化医学，医学整合，相关性

中图分类号：Ｒ－０５ 文献标识码：Ａ 文章编号：１

００２－０７７２（２０１４）１１－０００１－０４Ｒｅｆｌｅｃｔｉｏｎ　ｏｎ　Ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　Ｍｅｄｉｃｉｎｅ　ｉｎ　ｔｈｅ　Ｅｒａ　ｏｆ　Ｂｉｇ　

Ｄａｔａ：Ｐｒｏｓｐｅｃｔｉｖｅ　ｏｆ　Ｎｅｗ　Ｔｅｎｄｅｎｃｙ　ｉｎＴｒａｎｓｌａｔｉｏｎａｌ　Ｍｅｄｉｃｉｎｅ　ＪＩＡＯ　Ｆｅｉ，ＷＡＮＧ　Ｊｕａｎ，ＭＡ　Ｙｉｎｇ，ｅｔ　ａｌ．Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　

Ｂｉｏｃｈｅｍｉｓｔｒｙ，Ｂｉｎｚｈｏｕ　ＭｅｄｉｃａｌＣｏｌｌｅｇ

ｅ，Ｙａｎｔａｉ　２６４００３，ＣｈｉｎａＡｂｓｔｒａｃｔ：Ａｓ　ｔｈｅ　ｍｏｓｔ　ｄｙｎａｍｉｃ　ｍｏｄｅｌ　ｏｆ　ｍｅｄｉｃａｌ　ｄｅｖｅｌｏｐｍｅｎｔ　ｉｎ　ｔｈｅ　２１ｓｔ　ｃｅｎｔｕｒｙ

，ｔｒａｎｓｌａｔｉｏｎａｌ　ｍｅｄｉｃｉｎｅ　ｃｏｎｓｔｒｕｃｔｅｄ　ａｎｅｆｆｉｃｉｅｎｔ　ｐｌａｔｆｏｒｍ　ｆｏｒ　ｃｏｍｍｕｎｉｃａｔｉｏｎ　ｂｅｔｗｅｅｎ　ｂａｓｉｃ　ｍｅｄｉｃｉｎｅ　ａｎｄ　ｃｌｉｎｉｃａｌ　ｍｅｄｉｃｉｎｅ．Ｃｕｒｒｅｎｔｌｙ，ｔｒａｎｓｌａｔｉｏｎａｌ　ｍｅｄｉｃｉｎｅ　ｉｓｍｏｖｉｎｇ　

ｔｏ　ｔｈｅ　ｄｉｒｅｃｔｉｏｎ　ｏｆ　ｍｕｌｔｉ－ｄｉｓｃｉｐｌｉｎａｒｙ，ｍｕｌｔｉ－ｆｉｅｌｄ　ａｎｄ　ｍｕｌｔｉ－ｓｙｓｔｅｍ．Ｗｉｔｈ　ｔｈｅ　ｉｎｔｅｇｒａｔｉｏｎ　ｏｆ　ｉｎｆｏｒｍａｔｉｏｎ　ｔｅｃｈｎｏｌｏｇｙａｎｄ　ｌｉｆｅ　ｓｃｉｅｎｃｅｓ，ｂｉｏｍｅｄｉｃｉｎｅ　ｈａｓ　ｅｎｔｅｒｅｄ　ｔｈｅ　ｅｒａ　ｏｆ　ｂｉｇ　ｄａｔａ．Ｆｏｒ　ｍｅｄｉｃａｌ　ｐｒａｃｔｉｃｅ，ｂｉｇ　ｄａｔａ　ｅｎｓｕｒｅｓ　ｎｏｔ　ｏｎｌｙ　ｉｔｓ　ｄｅｐｔｈ　ｔｏｈａｖｅ　ｃｌｅａｒ　ｉｎｓｉｇｈｔｓ　ｉｎｔｏ　ｔｈｅ　ｅｓｓｅｎｃｅ，ｂｕｔ　ａｌｓｏ　ｉｔｓ　ａｌｔｉｔｕｄｅ　ｔｏ　ｄｉｓｃｅｒｎ　ｔｈｅ　ｏｖｅｒａｌｌ　ｌａｎｄｓｃａｐｅ．Ｔｈｅｒｅｆｏｒｅ，ｉｔ　ｐｒｏｖｉｄｅｓ　ａｎ　ｅｆｆｅｃｔｉｖｅｓｏｌｕｔｉｏｎ　ｆｏｒ　ｔｈｅ　ｒｅｄｕｃｔｉｏｎ　ｉｎ　ｍｏｄｅｒｎ　ｍｅｄｉｃｉｎｅ．Ｔｈｅ　ｔｒｅｎｄ　ｏｆ　ｂｉｇ　ｄａｔａ　ｈａｓ　ｍａｄｅ　ｐｒｏｆｏｕｎｄ　ｉｍｐａｃｔｓ　ｏｎ　ｂａｓｉｃ　ｍｅｄｉｃａｌ　ｒｅｓｅａｒｃｈａｎｄ　ｍｅｄｉｃａｌ　ｐｒａｃｔｉｃｅ．Ａｎｄ　ｉｔ　ｗｉｌｌ　ｄｅｆｉｎｉｔｅｌｙ　ｐｒｏｖｉｄｅ　ｎｅｗ　ｏｐｐｏｒｔｕｎｉｔｉｅｓ　ｆｏｒ　ｔｈｅ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　ｔｒａｎｓｌａｔｉｏｎａｌ　ｍｅｄｉｃｉｎｅ．Ｋｅｙ　

Ｗｏｒｄｓ：ｂｉｇ　ｄａｔａ，ｔｒａｎｓｌａｔｉｏｎａｌ　ｍｅｄｉｃｉｎｅ，ｍｅｄｉｃａｌ　ｉｎｔｅｇｒａｔｉｏｎ，ｃｏｒｒｅｌａｔｉｏｎ＊基金项目：

国家自然科学基金项目“Ｏｃｔ４表观遗传修饰影响鸡胚胎生殖细胞生物学特性的机制研究”，项目编号：３１０００５６４①滨州医学院生物化学教研室　山东烟台　２

６４００３②滨州医学院细胞工程教研室　山东烟台　２６４００３△通讯作者，

Ｅ－ｍａｉｌ：ｌａｍｅｉ０５０１０９＠１２６．ｃｏｍ ２

１世纪是高度信息化的时代，计算机科学与网络技术的飞速发展已经渗透到人类社会的方方面面，导致数据规模的爆炸式增长和数据模式的高度复杂化，大数

据（ｂｉｇ　ｄａｔａ）时代已经悄然而至。同时，２１世纪又是生命科学的世纪，更确切地说，是一个以高度信息化为重

要特点的生命大科学的世纪。由于信息化已融入包括转化医学在内的生命科学各个领域，必然会对转化医学理念及方式产生重大影响，同时也会产生新的问题，引发新的思考。

转化医学的兴起为基础研究与临床应用间的交流和沟通提供了双向快车道，为整个医学发展勾勒出了一

副美好蓝图［１］

。自问世以来，转化医学理念渐入人心并硕果累累，为现代医学发展注入了强大动力。总体而

言，大数据时代的转化医学将使传统的研究方式朝着多学科、多领域、多系统的方向迈进，基础与临床间你中有我，我中有你，二者更加融汇贯通。这不仅有利于提高

对疾病的进一步认识，而且使得最新的基础研究成果可

以更快地转化运用于临床实践。

１　大数据概述

究竟什么是“大数据”

？大数据是一个较为抽象的概念，正如信息学领域大多数新兴概念一样，大数据至今尚无确切统一的定义。以往，人们常常将大数据等同于海量数据，二者确有相似性，但又不完全等同。一般认为，大数据具有“４

Ｖ”特征，即容量巨大（ｖｏｌｕｍｅ），数据已从ＴＢ级别跃升至ＰＢ（１ＰＢ等于１０亿ＧＢ）乃至ＺＢ（１ＺＢ等于１万亿ＧＢ）级别；数据类型多（ｖａｒｉｅｔｙ

），从普通的文字到视频、图片等，种类繁多、类型各异；处

理速度快（ｖｅｌｏｃｉｔｙ），实时分析、即时处理已经成为趋势之一；在大量数据中，含有少量高价值（ｖ

ａｌｕｅ）的信息［

２］

。早在２０世纪８０年代初，

阿尔文·托夫勒就前瞻性地预言过大数据时代的来临。“大数据”这一概念真正得到重视是在近几年，曾一度占据《纽约时报》

、《华尔街日报》的重要版面。２００８年Ｎａｔｕｒｅ杂志出版专刊“Ｂｉｇ

Ｄａｔａ”，介绍了大数据带来的种种挑战；２０１１年，Ｓｃｉｅｎｃｅ杂志相继推出专刊“Ｄｅａｌｉｎｇ　

ｗｉｔｈ　Ｄａｔａ”，讨论了大数据对社会发展的潜在巨大推动作用。随后，“大数据”概

大数据时代背景下的医学思考———焦　飞等

医学与哲学２０１４年１１月第３５卷第１１Ａ期总第５１２期

念开始崭露头角，在２０１２年则更加闪耀，成为当之无愧的焦点。２０１２年３月２２日，奥巴马宣布美国政府决定投资２亿美元启动“大数据研究和发展计划（Ｂｉｇ　ＤａｔａＲｅｓｅａｒｃｈ　ａｎｄ　Ｄｅｖｅｌｏｐｍｅｎｔ　Ｉｎｉｔｉａｔｉｖｅ）”，将大数据研究上升为国家战略。同年６月，欧盟斥资１０亿欧元致力于大科学（ｂｉｇ　ｓｃｉｅｎｃｅ）问题研究，用以建立超级计算和大规模数据挖掘的平台。与此同时，我国对大数据也给予了相当关注，《国家中长期科技发展规划纲要（２００６－２０２０）》及《国民经济和社会发展第十二个五年规划纲要》均明确体现出我国发展战略中对大数据研究的重视。

２　转化医学与大数据

转化医学的核心就是在基础研究和临床应用间建立有效的互动联系，即在临床实践中发现问题为基础研究确定研究目标和内容；基础研究的发现尽快应用于临床医疗，加速由“发现”到“实现”的转变，最终使患者受益，简言之就是“来自临床，服务临床”。由此可见，转化医学涉及医学基础研究及临床应用两个方面。随着生物医学技术、医疗设备的飞速发展，每个领域都产生了海量高度复杂、高度异质的相关数据。

首先在基础研究领域，研究数据的碎片化、数据利用的低效性及缺乏条理性和连贯性是影响转化医学发展的主要障碍之一。以分子生物学为代表的医学基础研究进展日新月异，突破层出不穷。一个个进展使人们更接近生命的本质，一次次突破使生命的轮廓愈加清晰。然而，随着研究领域的不断拓展，研究方向的日益细化，人们对生命现象的理解千差万别，“横看成岭侧成峰，远近高低各不同”也已不足为奇，这表明以还原论方法为指导的分子生物学研究在引领人们日益深入了解生命本质的同时，严重忽略了生命的复杂性、整体性和系统性，最终陷入简单、片面和孤立的境地。那么如何实现由点及面、由面到全，使生命之图更加全面真实？各种“生命组学”的发展为基础研究提供了可行的途径和丰富的手段，也使基础研究模式由“盲人摸象”转变为“一览无余”。以二代测序技术（ｎｅｘｔ－ｇｅｎｅｒａｔｉｏｎ　ｓｅｑｕｅｎｃｉｎｇ）为例，Ｉｌｌｕｍｉｎａ公司的ＨｉＳｅｑ　２０００测序仪单次运行即可产生２００Ｇ的数据量，可覆盖人类单个基因组容量６０余倍，且成本不足１万美元。做为行业龙头，截至２０１１年底，华大基因（ＢＧＩ）已产生６４３　８４６ＧＢ的数据量，在全球同行中处于领先地位。据统计，我国个人基因组测序量可达１００人／天，而且这个速度仍在不断提高。以这样的速度，不到３０年便可以完成所有中国人的基因组测序，真正迈入“人人基因组”时代［３］。由于各种组学数据具有容量大、动态性强、复杂性高、异质性明显的特点，因此是大数据在生命科学基础研究领域的典型代表。可以预见，随着各种“生命组学”成本的进一步降低，组学研究必将对基础研究产生革命性影响。

另一方面，如何更高效地从临床实践中发现和提出问题，从而为基础研究提供方向，是转化医学的另一重要内容。这一过程的实现，除了需要临床医生的自身经验，更依赖于临床实践中取得的大量数据。随着医药产业信息化及数字化水平的提高，大数据也已融入日常的诊疗过程，由于这些数据往往来自不同的诊疗对象，源于不同类型的疾病，产生的方式亦不尽相同。因此，这些信息汇集起来，不仅数量庞大、产生速度快、数据结构复杂多样，而且价值密度低，具有典型的大数据特征。例如，一个ＣＴ图像含有大约１５０ＭＢ的数据，一个标准的病理图接近５ＧＢ，如果将这些数据量乘以人口数量和平均寿命，仅一个社区医院即可生成达数个ＴＢ甚至ＰＢ级的医疗数据，这些数据构成了临床研究、循证医学、公共卫生及医学教学的重要资源［４］。近年来，随着医疗可穿戴装备的兴起，使医疗过程多个环节实现了实时化，数据的增长速度也日趋明显。以美国为例，其公共医疗卫生领域的数据总量在２００９年已达４３４ＰＢ，并以每年３５％的速度快速增长［５］。如何更充分地对这些医疗大数据进行挖掘，发现有价值的内在规律，从而更好地为广大患者、医务人员、科研人员及卫生决策者服务，已成为转化医学的重要课题之一。

由此可见，对于转化医学而言，其终极目标是提高人们预防和诊治疾病的能力，在实践层面其实现有赖于多学科（医学、生物技术、计算机科学、生物数学、生物物理等）资源数据的系统整合。随着这些相关学科的快速发展，大数据已然渗透其中；而在认识层面，大数据的出现为转化医学提供了新的认识论、方法论指导，从而对思维方式变革及研究方法创新均产生了深刻影响。

３　大数据预示着医学发展正迈入另一个拐点

回顾几千年的医学史，可以清楚地看到其发展进程中出现的几次拐点，每次拐点都伴随着医学的明显转型。随着医学实践的深入，医学首先从蛮荒时代的“神道医学”发展为“经验医学”；随着数学、物理、化学等自然科学的兴起，医学从经验阶段转变为理性阶段，最终“实验医学”代替了“经验医学”；现代医学采用“化整为零”、“层层递进”的研究策略，大大加深了对生命和疾病的认识，成绩斐然［６］。然而，必须指出的是，随着人类疾病谱的改变，当前以“分析还原”为指导的医学发展模式，逐渐开始力不从心，综合、整合成为必然趋势。因此，“一分为二”固然重要，但“合二为一”更是大势所趋。关于医学整合，杜治政［７］进行了全面论述，甚为精彩。笔者认为，医学大数据正是医学整合的表现之一，体现出医学发展“合久必分，分久必合”的朴素辩证观。

如前所述，现代医学实质上属于实验科学，例如医学基础研究中的细胞或动物实验，临床实践中的各项检查检测。医学进入实验科学阶段，极大加深了人们对生命疾病本质的认识，优点无需赘述。然而实验医学并非无懈可击，比如前提假设是否正确、分析解释是否全面、

大数据时代背景下的医学思考———焦　飞等医学与哲学２０１４年１１月第３５卷第１１Ａ期总第５１２期

观测过程是否客观精密、逻辑推理是否合理，各个环节都会影响最终的结论。“科学性”是现代医学理论体系的基石，然而“科学性”与否并非总可以通过实验来证实［８］。因此，实验医学由于其方法学的固有缺陷，并不能完全客观地解释生命和疾病。例如，尽管现代医学已经进入分子生物学时代，但许多疾病的诊治却远未令人满意。

大数据的出现为深陷还原论泥潭的现代医学提供了一副良药。早在２００７年，图灵奖获得者Ｊｉｍ　Ｇｒａｙ就曾提出“数据密集型科学发现将成为科学研究的新模式”。这是继实验科学、理论科学、计算科学后的另一种范式，揭示了数据对科学研究的重要性。近期Ｓｃｉｅｎｃｅ杂志以“‘干试验’生物学的未来”为题，提出仅通过数据分析（即我们常说的“干试验”）就可以开展科学研究，获得重要的科学发现［９］。例如，２０１０年《时代》杂志刊载的医学界年度十大突破中，医疗科技公司ＣａｒｄｉｏＤＸ通过对１亿个基因样本的分析，最终识别出能够预测冠心病的２３个主要基因。从本质上讲，所谓“干试验”其实就是对现有的大数据资源进行更加深度的挖掘和梳理。可以预想，这一研究方式必将极大推进生命科学的基础研究，并将大大提升研究成果向临床转化的速度。诚然，经数据分析得到的结论还需传统实验进行验证，已验证数据又可以为“干试验”提供更加可信的数据资源，从而使二者相互促进，共同发展［１０］。

４　大数据对科学研究方法论的变革（因果性→相关性）大数据同时引起了科技界对科学研究方法论的重新审视，正在引发科学思维方法的一场革命。长期以来，寻求事物间的线性因果关系是科学的关键基础。诚然，因果律的引进在不少情况下可以大大简化思维，然而必须指出的是，线性因果分析往往仅适合于简单封闭的系统，本质上是基于小数据的。当面对开放复杂的巨系统时，寻找线性因果往往徒劳无功，甚至误入歧途，最终走入让人困惑的怪圈———“战无不胜，却输掉全局（ｗｉｎ　ｅｖｅｒｙ　ｂａｔｔｌｅ，ｂｕｔ　ｌｏｓｅ　ｔｈｅ　ｗａｒ）”。这是由于在复杂系统中，因果关系是极其复杂的，往往存在一因多果、一果多因、多因多果，甚至可能互为因果［１１］。例如，蛋白质的有序功能是由核酸的信息编码决定，而核酸的复制和翻译又依赖于蛋白质的参与，二者构成相互联系、彼此依赖、互为因果的关系。由于各个组成部分之间相互有影响，传统的因果分析常常难以奏效。现在的“因”可能是过去的“果”，此处的“果”也可能是别处的“因”，因果关系本质上表现为一种相互纠缠的相关性。所谓“相关性”是指两个或两个以上变量的取值之间存在某种规律性［１２］。两个变量Ａ和Ｂ有相关性，只有反映Ａ和Ｂ在取值时相互有影响，并不能告诉我们有Ａ就一定有Ｂ，反之，亦然。

生命体是典型的开放复杂系统，以其组成形式可分为多个不同层次，从天文数字的各类分子，到以亿万为单位的个体，再到不同类型的种群，这些层次又处于不同的时空坐标中。在时间上，从分子间的瞬间相互作用到亿万年的进化历程，跨度达３０个数量级；在空间上，从以埃为单位的分子间距离到整个生态系统，跨度也可达几十个数量级，最终导致生命系统的极度复杂性［１３］。正是由于生命系统影响因素如此之多，时空跨度如此之大，简单还原及线性因果方法已经力不从心。“组学”以其特立独行的认识论、方法论，一经问世便迅速成为生命科学快速发展的强劲动力。无论是基因组、转录组、蛋白组，还是表观组、互作组、代谢组，不同组学均是以大数据为基础，以整体论为指导，从基因组水平、转录组水平、蛋白质组水平等不同角度对生命或疾病开展整体研究。沃森十年前曾预言，未来所有生物学只有以基因组开始才有希望发展！事实确实如此，以全基因组关联分析为例，在不到十年的时间里，已完成７００余种疾病和性状研究，新发现了５　０００余种致病基因和重要性状基因，其产出１０倍于此前１００年的发现，组学及相关性（关联）分析对生命科学的推动由此可见一斑［１４－１５］。

５　结语

在科学实践中，认识客体复杂性与认识主体局限性间的矛盾是推动科学发展的基本动力。作为医学实践的具体形式之一，转化医学的发展同样呈现波浪式前进、螺旋式上升。大数据既保证了医学实践的深度，有深度才能洞悉本质；又保证了医学实践的高度，有高度才能总揽全局。山雨欲来风满楼，“数据洪流”已经势不可挡，大量有用信息尚湮没其中，有待人们去挖掘发现。大数据浪潮为包括转化医学在内的整个生命科学带来了前所未有的机遇，必将极大改变生物医学基础研究和医疗实践方法，为转化医学提供强大动力。

参考文献

［１］　焦　飞，王　娟，谢书阳，等．转化医学：医学基础研究与临床应用间的桥梁［Ｊ］．医学与哲学：临床决策论坛版，２０１０，３１（９）：１－３．［２］　马建光，姜　巍．大数据的概念、特征及其应用［Ｊ］．国防科技，２０１３，３４（２）：１０－１７．

［３］　杨焕明．未来基因测序的走向［Ｊ］．科技导报，２０１２，３０（３３）：３．［４］　高汉松，肖　凌，许德玮，等．基于云计算的医疗大数据挖掘平台［Ｊ］．医学信息学杂志，２０１３，３４（５）：７－１２．

［５］　杨　帅，胡宗倩，伯晓晨，等．云计算在生物医学中的应用［Ｊ］．中国科学：生命科学，２０１３，４３（７）：５６９－５７８．

［６］　朱伟民，朱云平，杨啸林．生命科学信息工程设施以及在中国的实现［Ｊ］．中国科学：生命科学，２０１３，４３（１）：８０－８８．

［７］　杜治政．医学的转型与医学整合［Ｊ］．医学与哲学，２０１３，３４（３Ａ）：１４－１８．

［８］　孙宝良，滕百军．现代医学存在自身缺陷的依据、原因、现象及其后果［Ｊ］．医学与哲学，２００２，２３（１）：１２－１５．

［９］　Ｓｅｒｖｉｃｅ　Ｒ　Ｆ．Ｂｉｏｌｏｇｙ’ｓ　Ｄｒｙ　Ｆｕｔｕｒｅ［Ｊ］．Ｓｃｉｅｎｃｅ，２０１３，３４２（６１５５）：１８６－１８９．

［１０］焦　飞，王　娟，李尊岭，等．医学科研的可重复性与转化医学：从生命的复杂性谈起［Ｊ］．医学与哲学，２０１２，３３（９Ａ）：２１－２３．

（下转第９页）

医学技术化与人：医学哲学的反思———张洪雷等医学与哲学２０１４年１１月第３５卷第１１Ａ期总第５１２期

费耶阿本德年轻时被迫参加纳粹军队，在战斗中受伤，二战结束后，他到当时医疗条件较好的英国医院治病，医生给他做了各种各样的检查，他感到非常痛苦，但检查结果却证明他的各项指标正常。正如他回忆说：“我患了双重视觉、胃痉挛，我晕倒在伦敦的大街上，感到很痛苦。自然，我去看了医生，接受了三个星期的各种检查……结果却是否定的：这是相当自相矛盾的，你病了，去看医生，他使你感到更糟，但他说你很好。”［４］１６９这说明，缺乏人性的医学技术，是单向度的医学技术，是只有工具理性而没有价值理性的技术。医学技术要想达到其最初目的：挽救生命、解除病痛，维护人的身心健康，必须坚持以人为本。脱离了人性的引领，医学技术化很容易走上邪路。

后来，费耶阿本德便开始寻找其他各种医疗技术进行治疗：美洲土著印第安人医学、印度医学、埃及医学和中医学等等。按照西方现代医学技术标准，这些医疗技术都是不科学的。但经过中医针灸推拿治疗后，费耶阿本德的身体慢慢好转。费耶阿本德是一位患者，更是一位哲学家。他认为，既然中医针灸推拿技术有非常明显的疗效，那么，疗效背后一定有其科学的理论基础。后来，他通过长期研究《内经》后才知道，中国哲学主张“道生一，一生二，二生三，三生万物”，在中医领域主要表现为人是生成论，而不是西医的构成论。中国人认为身体来自于父母，必须用尊重的态度对待人的身体，必须发现一些不损害人的尊严的诊断技术方法。费耶阿本德通过亲身实践体会到，中医医疗技术是以人为本、充满人文关怀的。正是在这种医学技术人本化的疗法使费耶阿本德的身体健康慢慢地得到了恢复。

事实上，与现代医疗技术不同的传统医疗技术也许是应付疾病的不同方式。现代医学技术也许在效率和理论解释方面有其长处和优点，但在技术人本化方面，特别是在尊重患者方面，现代医学技术可以从传统医学，特别是中医学中学到很多。

３．２　医学技术生态化

医学技术生态化是指医学技术的应用应当为维护患者身体的内生态和外生态的平衡，而不破坏人体的内、外生态，尽可能激发人体生态的自组织、自调节、自修复、自平衡的能力。医学技术生态化主张在追求医学技术经济效益的同时实现医学技术生态效益、社会效益和病人的生命与健康效益的统一。其中，医学技术的生态效益要求医疗技术的应用既不污染人体的内部环境，又有利于保持人体与外部环境的平衡；医学技术的社会效益要求医学技术的运用有利于减轻患者的医疗负担，提高其治疗效果，有助于和谐医患关系的构建等；患者的生命与健康效益是指医学技术有利于延长患者的生命、提高患者的生活质量和促进患者的全面康复等。

医学技术生态化可以实现自然生态、社会生态和人文生态的有效统一。在自然生态中，通过医学技术生态化实现人与自然的和谐；在社会生态中，医学技术生态化实现经济持续增长、社会不断进步，人民健康水平不断提高；在人文生态系统中，依靠医学技术实现患者身心和谐，克服传统医学技术“见物不见人”的缺陷，达到医学科技与人文的同尊、工具理性和价值理性的统一等。

医学技术生态化致力于建立一个医患关系和谐、医疗环境优美、医疗费用低廉、患者生活质量、健康水平不断提高的医疗生态环境。这样的医学技术发展适应社会主义科学发展观的内在要求，必然会在建设和谐社会的进程中显示出强大的生命力。

参考文献

［１］　沈铭贤．健康价值与医学目的［Ｊ］．医学与哲学，１９９６，１７（２）：９２－９３．［２］　杜治政．论医学技术的主体化［Ｊ］．医学与哲学：人文社会医学版，２０１１，３２（１）：１－４．

［３］　帕里罗．当代社会问题［Ｍ］．周　兵，译．北京：华夏出版社，２００２：３９７．［４］　费耶阿本德．自由社会中的科学［Ｍ］．兰　征，译．上海：上海译文出版社，１９９０．

［５］　爱因斯坦．爱因斯坦文集：第３卷［Ｍ］．许良英，译．北京：人民出版社，１９７９：１２．

作者简介：张洪雷（１９７５－），男，江苏沭阳人，博士，副教授，硕士生导师，研究方向：医学哲学。

通讯作者：张宗明（１９６６－），男，江苏南京人，博士，教授，博士导师，研究方向：中医文化。

收稿日期：２０１４－０８－１３

修回日期：２０１４－０９－２７（责任编辑：赵明杰

櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋櫋

）

（上接第３页）

［１１］董春雨．从因果性看还原论与整体论之争［Ｊ］．自然辩证法研究，２０１０，２６（１０）：２４－２９．

［１２］李国杰，程学旗．大数据研究：未来科技及经济社会发展的重大战略领域：大数据的研究现状与科学思考［Ｊ］．中国科学院院刊，２０１２，２８（６）：６４７－６５７．

［１３］董尔丹，胡　海，洪　微．浅析转化医学与医学实践［Ｊ］．科学通报，２０１３，５８（１）：５３－６２．

［１４］贺福初．大发现时代的“生命组学”［Ｊ］．中国科学：生命科学，２０１３，

４３（１）：１－１５．

［１５］李　胜，张爱萍，贺　林．中国精神分裂症的全基因组关联分析及其转化医学进展［Ｊ］．中国科学：生命科学，２０１３，４３（１）：３１－３８．

作者简介：焦飞（１９７５－），男，山东泰安人，博士，副教授，硕士生导师，研究方向：表观遗传学。

通讯作者：王娟（１９７６－），女，山东淄博人，副教授，研究方向：表观遗传学。

收稿日期：２０１４－０４－０６

修回日期：２０１４－０９－２７（责任编辑：杨　阳）

临床医学数据分析报告

案例二 最近小编阅读的文献中很多都是与医学研究挂钩，比如肿瘤病人的数据分析、肿瘤亚型分类、肿瘤药物治疗与寿命关联研究等等。发现有趣的现象是，这些文章的分析思路用到很多专业的生物信息学的方法。小编本人是学生物信息学的，对医学专业不甚了解，但是看了这些医学研究文章，顿时豁然明了，原来还可以从生物信息学角度分析疾病。那么，作为专业医生，小编认为也没必要努力学习专业的生物信息学，能够看懂和阐述分析结果就可以。至于如何分析，可以自学使用免费生物学软件，没时间也可花钱请专业公司分析下。医生若能有效将医学和生物信息结合利用起来，那么发表一篇文章完全不是问题。必须提的是，云生信平台多个生物信息分析模块就可以帮你完成专业医学相关数据分析。虽然，打广告不可少，但这是货真价实的数据分析平台，现在还是可以免费使用。 现在向大家介绍一篇研究肾细胞癌亚型分类的文章，该文章2010年发表在Genes & cancer上，截止目前引用率达到106次，该文章是很有研究和学习价值的。 文献引用： Brannon A R, Reddy A, Seiler M, et al. Molecular stratification of clear cell renal cell carcinoma by consensus clustering reveals distinct subtypes and survival patterns[J]. Genes & cancer, 2010, 1(2): 152-163. 该文章使用的数据是基因癌症样本中表达值，但是癌症样本未区分开。研究目的是将癌症样本分为2个亚型，即ccA和ccB，以及比较ccA和ccB样本中基因的不同。文献提供的流程图如下。该流程分为两个模块：首先将癌症样本分类、然后比较不同类别的基因表达水平差异。这个流程思路很有参考价值，有样本数据的可以尝试下哦。此外，这个思路可以利用云生信模块做一下，现在来看看云生信是如何实现的，将其分为4步。

大数据时代下的安全思考

大数据时代下的安全思考 2014-09-03 01:23:39来源: 北京商报(北京)有0人参与 分享到 根据互联网数据中心（IDC）相关数据显示，互联网上的数据每年将增长50%，每两年将翻一番，而目前全球互联网90%以上的数据是近几年才产生的。以大数据、智慧城市、移动互联网和云计算为重要特征的“大智移云”时代已经到来。 大数据时代的互联网安全形势发生变化，信息安全上升到国家战略高度。棱镜门等事件背后凸显出大数据安全布防的重要性和紧迫性，企业需要加快自主技术创新才能摆脱外界控制，彻底实现信息安全和发展自由。 大数据引擎成为企业服务创新发展的核心驱动力，正在影响企业安全市场格局生变。由于利用系统漏洞的网络攻击范围更广、危害更大，企业安全攻防强度和防御难度全面升级。对于企业来说，大数据变成了重要的生产力因素，在散发出不可估量的商业价值的同时也存在巨大安全隐患，因而要求企业决策从“业务驱动”转变为“数据驱动”。在整个数据生命周期里，企业需要遵守更严格的安全标准和保密规定，对数据存储与使用的安全性和隐私性要求越来越高。 从今年以来发生的震惊业界的心脏出血漏洞、携程拖库等事件可以看出，黑客利用大数据分析向企业发起的攻击更为精准。而由于用户隐私和商业机密涉及的技术领域繁多、机理复杂，很难贯通法理与专业技术，界定出由于个人隐私和商业机密的传播而产生的损失，也很难界定侵权主体是出于个人目的还是企业行为。 随着移动互联网的全面普及，社交网络成为黑客攻击和网络犯罪的新途径、云应用的进步加大了用户信息泄露的风险和事故处理难度、移动支付安全和移动终端漏洞成为安全新课题。大数据时代的企业安全正面临内部管理和外部攻击的新型挑战，可靠的数据存储、安全的挖掘分析、严格的运营监管是大数据时代企业安全的刚需。 在此种背景下，传统的端级防护、单点布防安全解决方案能起到的作用甚微，任何一家企业都无法单独对抗大数据安全的全面挑战，安全产业链协同成为必然趋势。由于安全产业链过于复杂冗长，任何一个环节受到网络攻击都将给整个产业链带来不可估量的损失。利用大数据等现代技术提升企业安全实力，“开放是前提、法律是保障、技术是支撑”，信息安全需要在政府主管部门的统一协调管控之下，由产业链各个环节的企业开放安全数据和技

大数据背景下数据挖掘技术的应用

《计算机科学与技术前沿》 课程论文 大数据背景下数据挖掘技术的应用 2016年1月7日 题目 学院 学号 姓名 指导老师 日期

大数据背景下数据挖掘技术的应用 摘要 当今社会是一个信息化社会的时代，同时又是一个大数据时代。随着互联网、物联网、云计算和人工智能等信息技术和计算机产业的不断发展和进步，使得数据的处理成为一个亟待解决的问题。因此在大数据的背景下,如何高效地从大量包含有用数据的库获得有用信息已成为企业和科研工作重点关注的点，而这一工作涉及的关键技术就是数据挖掘技术。总得说，数据处理的需要既给数据挖掘技术带来了机遇，于此同时带来了一系列的挑战。 本文分别从企业、图书管理和情报学领域三个方面阐述数据挖掘技术的应用，同时对它的发展现状、存在的问题和未来的发展趋势进行了一些阐述，从而加深了对数据挖掘技术的理解，以便更好地了解数据挖掘在各个领域的应用，最后对数据挖掘技术的应用进行一个整体的总结。 【关键字】：大数据；数据挖掘；数据挖掘的应用

Application of data mining technology in the context of data Abstract Today is the age of information society,but it is also an age of big data．With development and progress of information technology and the computer industry which include the Internet, the Internet of things, cloud computing and artificial intelligence, data processing has become an urgent problem．Therefore,in the context of big data,how to get useful information from a large library of useful data have become focuses of enterprises and scientific and research work．The work involved is the key technology of data mining．In General spedking, data processing needs for data mining technology, and at the same time poses a series of challenges． The paper aims to account the development present situation,existing problems,and developmenttrend in the future based on companies,library management and the field of information science development,so as to enhance understanding of the data mining technology ,to better understand data mining applications in various fields,and to draw an overall summary of the application of data mining technology． 【Key words】：Large amounts of data；Data mining；Application of data mining

大数据时代下可能出现的工作变化

大数据时代下可能出现的工作变化 在当今信息时代，以计算机类智能设备和互联网系统为典型代表的信息大爆炸和大数据经济一触即发，人与人，以及人与物，物与物之间互相关联。未来教育在互联网等技术的作用下变得越来越多样化和终身化；未来学习越来越个性化；未来的教师由知识的二传手到质疑创新精神的引路人，相应的能力要求也需要与时俱进。大数据、互联网等技术必然带来教育体系的变革。互联网等信息技术从最初作为教育信息工具的使用到扩散整个教学系统成为变革的内动力，带来了教育的新期待，站在以互联网为代表的新技术时代潮流尚，教师教育也要顺势而为，思考在教育变革的大浪潮中教师如何进行角色重塑和专业成长。 一、大数据时代教育系统性变革的内外动力 （一）教育系统变革的外动力 以互联网为代表的信息技术推动了教育教学所处的外部生态环境，使教学系统与整个社会大系统之间的相互关系发生了变化。一方面，社会历史变迁对教育教学提出了变革的新要求；另一方面，科技进步为教育教学的变革提供了新手段。这两个方面叠加在一起，构成了推动教育教学变革的外部动力。 教育教学的变革主要反映在对人才的需求上和信息社会对个性化人才的需求之上。个性化、定制化、网络化生产的家庭工厂将取代庞大的规模化工厂。这种新型的数字化制造模式和发展模式，需要大量的适合信息时代的高素质人才。为了适应新形势发展的需要，教育迫切需要回归到“个性化”之路。未来教育在互联网和大数据的作用下变得越来越个性化，学习者对教育的选择多样化和定制化。以互联网和大数据为代表的新技术是教育变革的技术推动力量。“微学位”、数字化学校和数字化课程、反转式课堂、游戏化学习、互动式新型媒体技术等全新教育模式的出现预示着互联网时代的教育将实现教育从教学内容到教育方式的全方位的转变。互联网推动整个教育教学的范式转变与流程再造，互联网时代教育的变革正源于外部动力和内部动力的共同作用。 （二）教育系统变革的内动力

大数据时代的利与弊

虽然早已听说过舍恩伯格的《大数据时代》，但直到前不久才浏览本书的内容，看完之后还是有点震撼的，主要是大数据对我们日常生活和思维的影响太大了。下面摘取部分原文表述或案例来梳理一下这本书，其中有我本人的部分总结和评述。 有三个案例比较有意思，一是福特的名言，“如果当年去问顾客他们想要什么，他们肯定会告诉我：一匹更快的马。” 乔布斯多年来持续不断地改善Mac笔记本依赖的可能是行业分析，但是他发行的iPod、iPhone和iPad靠的不是数据，而是直觉，第六感。谷歌公司内部的研究表明工作表现与大学毕业时的平均绩点没有关系，但其创始人依然要应聘者提供分数。 前两个例子（福特和苹果）说明大数据有时候是无效的，后面谷歌的例子则说明管理层对数据过度的执着。 大数据对人类生活的破坏莫过于它过于强大的预测功能，如通过一个人过去的表现可以准确预测到他在特定环境下一定会犯罪，那么，社会保障机制就会惩罚一个从来没有犯错的人。如书中所述： “因为预测的结果几乎不可辩驳，人们也就无法为自己开脱。但这种基于预测得出的惩罚不仅违背自由意志的原则，同时也否定了人们会突然改变选择的可能性。” 以上弊多些，下面谈利。

聪明的公司会从人们与信息交互中收集数据废气，以用来改善现有的服务或推出全新的服务。 “拥有知识曾意味着掌握过去，现在则更意味着能够预测未来。”-----这句话很精辟。 “情报分析员结合实地考察报告和过去IED袭击地点、时间和人员伤亡的详细信息，据此预测一天中最安全的运送路线。”类似的，我也听说过美国建立的爆炸物碎片博物馆的事情，基于爆炸物的各种信息追踪恐怖分子武器弹药的生产基地和储存地点。 “为了促进大数据平台的良性竞争，政府必须运用反垄断条例。” 谷歌对量化数据的极致追求可能过头了，因此激起了员工的反抗。（弊）通过大数据预测来判断和惩罚人类的潜在行为是对公平公正和自由意 志的一种亵渎。（弊） 过去是要成为一个优秀的生物学家就需要认识很多生物学家，但现在可能是，要解决一个生物难题或许和天体物理学家或数据视图设计师联系即可。 由于大数据的功劳，微软机器翻译部门的统计学家在茶余饭后的谈资就是每次一有语言学家离开他们的团队，翻译质量就会好一点。 当亚马逊的贝索斯发现算法推荐能促进销量增加的时候，他就不再需要书籍评论员了。

医学设计研究的数据管理和分析选择题

1. 医学统计学研究的对象是 A. 医学中的小概率事件 B. 各种类型的数据 C. 动物和人的本质 D. 疾病的预防与治疗 E．有变异的医学事件 2. 用样本推论总体，具有代表性的样本指的是 A．总体中最容易获得的部分个体 B．在总体中随意抽取任意个体 C．挑选总体中的有代表性的部分个体 D．用配对方法抽取的部分个体 E．依照随机原则抽取总体中的部分个体 3. 下列观测结果属于等级资料的是 A．收缩压测量值 B．脉搏数 C．住院天数 D．病情程度 E．四种血型 4. 随机误差指的是 A. 测量不准引起的误差 B. 由操作失误引起的误差 C. 选择样本不当引起的误差 D. 选择总体不当引起的误差 E. 由偶然因素引起的误差 5. 收集资料不可避免的误差是 A. 随机误差 B. 系统误差 C. 过失误差 D. 记录误差 E．仪器故障误差 答案: E E D E A 1. 某医学资料数据大的一端没有确定数值，描述其集中趋势适用的统计指标是 A. 中位数 B. 几何均数 C. 均数 D. P百分位数 95 E. 频数分布 2. 算术均数与中位数相比，其特点是 A．不易受极端值的影响 B．能充分利用数据的信息 C．抽样误差较大 D．更适用于偏态分布资料 E．更适用于分布不明确资料 3. 一组原始数据呈正偏态分布，其数据的特点是 A. 数值离散度较小 B. 数值离散度较大 C. 数值分布偏向较大一侧 D. 数值分布偏向较小一侧 E. 数值分布不均匀 4. 将一组计量资料整理成频数表的主要目的是

A．化为计数资料 B. 便于计算 C. 形象描述数据的特点 D. 为了能够更精确地检验 E. 提供数据和描述数据的分布特征 5. 6人接种流感疫苗一个月后测定抗体滴度为 1：20、1：40、1：80、1： 80、1：160、1：320，求平均滴度应选用的指标是 A. 均数 B. 几何均数 C. 中位数 D. 百分位数 E. 倒数的均数 答案: A B D E B 1. 变异系数主要用于 A．比较不同计量指标的变异程度 B. 衡量正态分布的变异程度 C. 衡量测量的准确度 D. 衡量偏态分布的变异程度 E. 衡量样本抽样误差的大小 2. 对于近似正态分布的资料，描述其变异程度应选用的指标是 A. 变异系数 B. 离均差平方和 C. 极差 D. 四分位数间距 E. 标准差 3. 某项指标95%医学参考值范围表示的是 A. 检测指标在此范围，判断“异常”正确的概率大于或等于95% B. 检测指标在此范围，判断“正常”正确的概率大于或等于95% C. 在“异常”总体中有95%的人在此范围之外 D. 在“正常”总体中有95%的人在此范围 E. 检测指标若超出此范围，则有95%的把握说明诊断对象为“异常” 4．应用百分位数法估计参考值范围的条件是 A．数据服从正态分布 B．数据服从偏态分布 C．有大样本数据 D．数据服从对称分布 E．数据变异不能太大 5．已知动脉硬化患者载脂蛋白B的含量()呈明显偏态分布，描述其个体差异的统计指标应使用 A．全距 B．标准差 C．变异系数 D．方差 E．四分位数间距 答案：A E D B E 1. 样本均数的标准误越小说明 A. 观察个体的变异越小 B. 观察个体的变异越大 C. 抽样误差越大 D. 由样本均数估计总体均数的可 靠性越小 E. 由样本均数估计总体均数的可靠性越大

大数据背景下的数据库技术研究_张宇航

180 ?电子技术与软件工程 Electronic Technology & Software Engineering 数据库技术 ? Data Base Technique 【关键词】大数据 键值存储 Bigtable 云数据库 1 引言 在大数据时代背景下，大数据一个定性的描述：是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。当今“大数据”一词的重点其实已经不仅在于数据规模的定义，它更代表着信息技术的发展进入了一个新的时代，代表着爆炸性的数据信息给传统的计算技术和信息技术带来的技术挑战，代表着大数据处理的新技术和方法，也代表着大数据分析和应用所带来的新的发展机遇。本文从大数据的背景出发，研究数据库的存储模型，数据模型，编程模型等问题以及讨论数据库技术的未来研究方向。 2 大数据概念 2.1 大数据的特性 学术界通常用4个V(即V olume 、Variety 、Value 、Velocity)[1]来概括大数据的特征。 （1）V olume 指数据体量巨大。截至目前，人类生产的所有印刷材料的数据量是200PB ，而历史上全人类说过的所有的话的数据量大约是5EB 。当前，典型个人计算机硬盘的容量为TB 量级，而一些大企业的数据量已经接近EB 量级。 （2）Variety 指数据类型繁多。类型的多样性也让数据被分为结构化数据和非结构化数据。相对于以往便于存储的以文本为主的结构化数据，非结构化数据越来越多，包括网络日 大数据背景下的数据库技术研究 文/张宇航 志、音频、视频、图片、地理位置信息等，这 些多类型的数据对数据的处理能力提出了更高要求。 （3）Value 指价值密度低。价值密度的高低与数据总量的大小成反比。以视频为例，一部1小时的视频，在连续不间断的监控中，有用数据可能仅有一二秒。 （4）Velocity 指处理速度快。这是大数据区分于传统数据挖掘的最显著特征。根据IDC 的“数字宇宙”的报告，预计到2020年，全球数据使用量将达到35.2ZB 。在如此海量的数据面前，处理数据的效率就是企业的生命。2.2 大数据的影响 大数据决策成为一种新的决策方式。依 据大数据进行决策，从数据中获取价值，让数据主导决策，是一种前所未有的决策方式，并正在推动着人类信息管理准则的重新定位。随着大数据分析和预测性分析对管理决策影响力的逐渐加大，依靠直觉做决定的状况将会被彻 底改变。 大数据开发推动新技术和新应用的不断涌现大数据的应用需求，是大数据新技术开发的源泉。借助这些创新型的大数据应用，数据的能量将会层层被放大。2.3 大数据典型应用案例2.3.1 梅西百货的实时定价机制 根据需求和库存的情况，该公司基于SAS 的系统对多达7300万种货品进行实时调价。 2.3.2 沃尔玛的搜索 这家零售业巨头为其网站https://www.sodocs.net/doc/86580561.html, 自行设计了最新的搜索引擎Polaris ，根据沃尔玛的说法，语义搜索技术的运用使得在线购物的完成率提升了10%到15%。“对沃尔玛来说，这就意味着数十亿美元的金额。”Laney 说。2.3.3 PredPol Inc. PredPol 公司通过与洛杉矶和圣克鲁斯的警方以及一群研究人员合作，基于地震预测算法的变体和犯罪数据来预测犯罪发生的几率，可以精确到 500平方英尺的范围内。在洛杉矶运用该算法的地区，盗窃罪和暴力犯罪分布下降了33%和21%。 3 键值存储 传统的关系型数据库中的利用二维表数据模型存储格式化的数据结构，每个元组的字段组成相同，数据库会为每个元组分配所有的字段，这样便于表与表之间的操作，但是，它 也是关系型数据库性能瓶颈的一个因素。它难以满足如下的高要求： （1）对数据库高并发读写的需求；（2）对海量数据的高效率存储和访问的需求； （3）对数据库的高可扩展性和高可用性的需求 为了解决这类问题，非关系型数据库（NoSQL 存储）应运而生，它以键值对存储，结构不固定，每一个元组可以有不同的字段，并且可以根据需要增加一些独有的键值对，它不局限于固定的结构，这样可以减少一些时间和空间的开销。键值对存储，简称KV 存储，是NoSQL 存储的一种方式。它的数据按照键值对的形式进行组织，索引和存储。KV 存储非常适合不涉及过多数据关系业务关系的业务数据，同时能有效减少读写磁盘的次数，比SQL 数据库存储拥有更好的读写性能。 G o o g l e 的B i g Ta b l e 、A m a z o n 的Dynamo 等都是是非常成功的NoSQL 实现。Membase ，MongoDB ，Cassandra ，BeansDB ，Redis 等开源的NoSQL 体系也得到了广泛认同。 键值存储机制采用键值对形式存储，值可以是任意不定长数据。如图1所示。 kv 存储采用0、1目录的方式管理历史数据和更新数据，假设当前的更新数据目录和历史数据目录都为0目录，在合并时，最新历史数据写到1目录，同时更新数据开始写在1目录。注意的是，需要对更新数据目录和历史数据目录的当前0、1目录进行维护。 通常情况下，更新数据使用Memtable 存储，历史数据使用SSTable 结构存储。这样快 <<下转181页 图1：kv 存储的合并 图2：BigTable 数据模型实例

大数据时代下的资源配置

大数据时代下的资源配置 摘要 任何一项社会活动都打上深深的时代烙印，资源配置也不例外，大数据时代带给社会各个层面的变革将是深入持久的，在新的形势下资源配置将会发生怎样的变化，大数据又在这一变化中发挥怎样作用，如何利用好大数据让资源配置更优化是中国乃至整个人类社会必须当前面临的问题，就目前我接触到少量信息的基础上浅论一下大数据时代下的资源配置的设想。 关键字 大数据资源配置信息技术 前言 大数据是什么？是一种运营模式？是一种技术？或是一种数据的集合统称？大数据相对于数据的提法，但不同于传统的数据，而是一种数据的广延性，无限性，细分性，它是一种多维度数据的空间集合。大数据是由全球知名咨询公司麦肯锡提出，麦肯锡称“数据，已经渗透到当今的每个行业和业务职能领域，成为最重要的生产因素。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亏浪潮的到来。”资源配置是生产活动中重要的环节，数据在资源配置产生之初就和数据密不可分，大数据时代的到来更是为资源配置的最优化提供了最科学最有效最全面的数据信息，通过对数据点组成的数据空间的分析，将极大的改变生产效率，节约生产资源，提高经济总量。 正文 资源配置与大数据到底存在怎样的内部联系？面对资源配置与大数据内在联系我们又该如何把握与充分运用大数据？接下来让我们来看看它们之间的关系。首先我们要思考为什么要进行资源配置？资源配置有什么意义？ 对于第一个问题我认为应该从根本原因来回答，资源的有限性和人类社会需求的无限性矛盾要求我们必须进行合理有效的资源分配以实现既定的社会目标。资源配置使得人类利用最有效的手段发挥有限资源的最大利益最大程度上满足人类社会的需求，当前可以说人类社会的进步就是伴随着资源配置问题的解决而进行的。 对于第二个问题我认为，资源配置最直接显著的影响就是资源的节约，资源配置的越合理意味着巨大的资源节约，人类社会更加持续长久的发展。资源是社会生产的重要物质资源，离开了资源社会生产不能进行，那么资源配置对生产的影响也就是根本性的。资源配置的合理意味着社会生产的高效，经济社会的发展。 然后我们来看看资源配置中的数据问题。资源配置中有哪些数据？这些数据有什么关系？资

在大数据时代你需要这样思考

在大数据时代，你需要这样思考 数据分析微信公众号datadw——关注你想了解的，分享你需要的。 维克托?迈尔?舍恩伯格和肯尼斯?库克耶在《大数据时代》中告诉我们大数据的4V特点，即Volume（大量）、Velocity（高速）、Variety（多样）、Veracity （真实）。相比小数据，大数据一定是复杂的。然而，复杂性对于我们来说，绝对是一个机会而不应是一个问题。面对大数据时代的扑面而来，如何拥抱大数据，从思考方式的转变开始。 从“基于预设的结构化数据库”到“无需预设的非关系型数据库” 小数据时代，我们对于数据的存储与检索一直依赖于分类法和索引法，分类和索引是一种清晰获取数据的机制设计，这种机制是以预设场域为前提的。这种结构化数据库的预设场域能够卓越地展示数据的整齐排列与准确存储，毫无疑问，这与追求数据的精确性目标是完全一致的，在数据稀缺与问题清晰的年代，这种基于预设的结构化数据库能够有效的回答人们的问题，并且这种数据库在不同的时间能够提供一致的结果。 面对大数据，由于数据的海量、混杂等特征会使预设的数据库系统崩溃。其实，数据的纷繁杂乱才真正呈现出世界的复杂性和不确定性特征，想要获得大数据的价值，承认混乱而不是对抗或避免混乱才是一种可行的路径。为此，伴随着大数据的涌现，出现了非关系型数据库，它不需要预先设定记录结构，而且允许

处理各种各样形形色色参差不齐的数据。因为包容了结构的多样性，这些无需预设的非关系型数据库设计能够处理和存储更多的数据，成为大数据时代的重要应对手段。如微软的数据库设计专家PatHelland所言：“我们再也不能假装活在一个齐整的世界里。” 从“随机样本”到“全量数据” 统计学家通过分析发现，采样分析的精确性随着采样随机性的增加而大幅提高，但与样本数量的增加关系不大。这个发现对于小数据时代无疑是非常鼓舞人心的，随机采样获得了巨大的成功，并成为现代社会测量领域的核心思想。随机样本的基础是采样的绝对随机性，然而，如此严格意义的随机实现起来是非常困难的，一旦采样过程存在任何偏见，分析结果将相去甚远，况且随机样本带给我们的只能是事先预设问题的答案。这种缺乏延展性的结果，无疑会使我们错失更多的问题域。 大数据时代，数据的收集问题不再成为我们的困扰，采集全量的数据成为现实。全量数据带给我们视角上的宏观与高远，这将使我们可以站在更高的层级全貌看待问题，看见曾经被淹没的数据价值，发现藏匿在整体中有趣的细节。因为拥有全部或几乎全部的数据，就能使我们获得从不同的角度更细致更全面的观察研究数据的可能性，从而使得大数据的分析过程成为惊喜的发现过程和问题域的拓展过程。

大数据背景下的课堂教学改革

大数据背景下的课堂教学改革 随着信息技术的不断发展，大数据时代已经到来并且对社会生活的各个方面产生了深刻的影响。在经济迅速发展、信息化的当今社会，出现了能够形象、生动表现课程的“微课程”，这种课程容易变通、灵活性高且较为精简，这种新的课程教学是数字化不断发展的结晶，所以将这种“微课程”充分应用于信息技术教学中，有利于促进信息技术教学效果的优化。文章首先阐述了微课程的概念、特征、应用原则等基本理论知识，接着通过分析微课在高校信息技术教学中的应用，提出相应的策略。 一、用大数据技术营造良好的教学环境 （一）大数据 迈耶一舍恩伯格教授曾经指出，所谓的“大数据”是通过对海量数据进行分析，获得有巨大价值的产品和服务，或深刻的洞见。这种巨大价值和深刻洞见是不同领域数据集之间数据的深度交叉关联，跨域关联是数据量的增加从量变到质变的飞跃，是发挥大数据价值的基础。“大数据”从字面说是数据量大.但是数量上的庞大无法看出“大数据”与以往“海量数据”、“超大规模数据”之间的区别。 对于如何对大数据进行具体的定义，目前来看还没有定论，目前的定义方式多种多样，但是基本都是从大数据特征，通过对其阐述和归纳给出其定义。在众多的定义中，广为采用的是著名的3V定义，也就是大数据的3个特点：多样性（variety）、规模性（volume）和高速性（velocity）。另外比较流行的4V定义则是在3V的基础上增加一个新的特性。目前，4V并没有一个统一的说法，一些著名的国际数据公司通过其自身研究提出大数据应该还具有第4个V特性，即Value特性。而IBM公司则认为真实性（veracity）也是大数据的一个重要特征。在维基百科上，人们通常可以查到的对于大数据的定义是：“大数据是指利用常用软件工具收集、管理和处理数据消耗的时间超过可容忍时间的数据集”。目前在大数据定义上很难达共识，不必固定于定义之中，即把握3V定义的基础上适当地考虑4V特性。笔者更倾向于的4V： 规模性（volume）、多样性（variety）、高速性（velocity）、价值性（value）。 （二）大数据的特点 通常所说的大数据，我们可以用前面定义中的4个V来表示，4个V分别是V olume，Variety，Value，Velocity，这四个方面可以用来概括大数据的特征。 首先，大数据的数据量是极其巨大的（V olume）。目前，人类产生的印刷材料的数据量是200PB （1PB=1000TB），而所有人类说过的话的数据量约为SEB （lEB=1000PB）。目前大多数数据存储容量为TB量级，而数据量较大的企业已

大数据时代数据安全问题思考

大数据时代数据安全问题思考 隐私OR便利 互联网上的“透明人” “中国人更加开放，对隐私问题没有那么敏感，很多情况下他们愿意用隐私交换便利性。”今年3月，一位知名互联网企业负责人在公开场合谈到个人信息保护的问题。然而，这一言论迅速击中了网民的痛点：在大数据时代，普通网民究竟还有没有隐私?我们如何保护个人信息? 日常生活中，人们也常常面临“选择”：是否同意获取个人信息。使用一个简单的应用程序，注册一个网络账号，都会让用户提供手机号码、身份证号、银行卡号等隐私信息。 安装一个新的APP，使用前先要收到一连串的提醒：“允许发送通知”“允许访问位置”“允许获得手机通讯录”“允许启用电话、短信、相机”……尽管用户可以选择“同意”或者“不同意”，但用户一旦选择了“不同意”，很多APP便自动退出不再提供服务。 甚至发在个人朋友圈中的照片，都有可能被他人恶意盗取。近日有媒体曝光称，大量来自朋友圈、QQ空间或者微博上的私人照片，正在被放在网上低价出售，甚至被非法用于商业广告或婚恋网站。对此，有网友感叹：“原来，我们一直在互联网上‘裸奔’!” 网上个人信息泄露还可能引发次生灾害，成为精准诈骗的帮凶。一些人把个人隐私信息当成赚钱的工具，通过售卖越权获取的用户信息获得巨额利润，并由此形成了黑色产业链。如何提高网络安全性，保护用户的个人信息，成为互联网时代人们的核心关切。 北京大学互联网发展研究中心主任田丽认为，随着互联网技术的快速普及，传统问题向互联网延伸，线上向线下延伸，人类空间向虚拟空间延伸。人们在互联网上变成了“透明人”，个人的一举一动都被互联网“记录在案”，导致人们在网络空间越来越缺乏安全感。

大数据时代的具体例子

大数据时代，几个例子告诉你什么是大数据 工具类厂商蓄意炒作大数据，以达到售卖产品的目的，但导致的结果是很多人对大数据这一概念云里雾里。实际上，大数据就发生在你我身边，虽然你看不到它，但它却时时影响着我们的生活。 现阶段，和大数据相关的企业有三种。一种是工具类公司，他们宣传得最卖力，并且把大数据吹出了泡沫，原因是它们希望把自己的产品卖给企业；一种是依托于大数据从事咨询服务类的企业；还有一种就是实实在拥有大数据的公司，它们和我们休戚相关，也就是下面的小故事所要阐述的内容。 第一个故事，百货公司知道女孩怀孕 美国的Target百货公司上线了一套客户分析工具，可以对顾客的购买记录进行分析，并向顾客进行产品推荐。一次，他们根据一个女孩在Target连锁店中的购物记录，推断出这一女孩怀孕，然后开始通过购物手册的形式向女孩推荐一系列孕妇产品。这一作法让女孩的家长勃然大怒，事实真相是女孩隐瞒了怀孕消息。 点评：看似杂乱无章的购买清单，经过对比发现其中的规律和不符合常规的数据，往往能够得出一些真实的结论。这就是大数据的应用。 第二个故事，搜狗热词里的商机 王建锋是某综合类网站的编辑，基于访问量的考核是这个编辑每天都要面对的事情。但在每年的评比中，他都号称是PV王。原来他的秘密就是只做热点新闻。王建锋养成了看百度搜索风云榜和搜狗热搜榜的习惯，所以，他会优先挑选热情榜上的新闻事件来编辑整理，关注的人自然多。 点评：搜狗拥有输入法，搜索引擎，那些在输入法和搜索引擎上反复出现的热词，就是搜狗热搜榜的来源。通过对海量词汇的对比，找出哪些是网民关注的。这就是大数据的应用。 第三个故事，阿里云知道谁需要贷款 这是阿里人讲述的一个故事。每天，海量的交易和数据在阿里的平台上跑着，阿里通过对商户最近100天的数据分析，就能知道哪些商户可能存在资金问题，此时的阿里贷款平台就有可能出马，同潜在的贷款对象进行沟通。 点评：通常来说，数据比文字更真实，更能反映一个公司的正常运营情况。通过海量的分析得出企业的经营情况，这就是大数据的应用。 第四个故事，中移动挽留流失客户 iPhone进入中国后，铁杆的移动用户王永铭加入了联通合约机大军。由于合约机承担了大量通话内容，王永铭将全球通换成了动感地带。三个月之后，王永铭接到了中国移动的10086电话，向他介绍中移动的优惠资费活动。一位移动的

信息技术背景下的大数据分析

信息技术背景下的大数据分析 全球知名咨询公司麦肯锡负责人称：“ 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。”大数据在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在虽已有时日，但却因近年来互联网和信息技术的发展才引起人们关注。 教育也因此受到了巨大的影响，如何在信息技术时代使大数据成为教育教学的工具成了重要的课题。 2015 年8月31 日，国务院《关于印发促进大数据发展 行动纲要的通知》明确提出：“信息技术与经济社会的交汇融合引发了数据迅猛增长，数据已成为国家基础性战略资源。”“带动社会公众开展大数据增值性、公益性开发和创新应用，充分释放数据红利，激发大众创业、万众创新活力。” 在信息技术时代的背景下，大数据也必将推动教育公平和教育健康发展。 在大数据背景下，我们做了很多的尝试，希望能够运用 信息技术并通过数据得到有价值的结论来指导实际的教育教学，希望能够通过数据来诊断某一个时间段内的教育教学质量，希望能够用数据来说明我们需要改进或者可以改进的

某些方面。但是在实际过程中，对于数据的分析和应用缺乏 分析的技术和应用的能力，以下笔者是结合工作实际，将通 过《区域教育质量健康体检》项目和学习诊断系统的数据运 用和分析，结合微课的有效性探索所作出的尝试与努力，来 阐述大数据的一些分析方法和技术。 、数据关联性分析 一）问题的提出 标准化的测试，且测试工具在若干年之内保持一定的稳定性， 数据间就有一定的可比性。同时它又是大样本的测试，数据 具有全面性、客观性。为了实现在信息技术的背景下更好地 分析教学、改进教学、推动微课发展，首先要明确数据的价 值。 我们认真分析了《 2012 年项目报告》所提供的数据。从 2012 年项目数据来看， 学生的学业成绩标准达成指数、 次能力指数以及师生关系指数远低于本区（市直）水平，但 教师教学方式、作业指数以及学校压力等常规教育指数均达 到了本区（市直）水平。那么出现的问题应该怎么解决呢？ 二）问题的分析 通过初步分析发现，出现问题的几个方面都和教学有关， 是不是只需要改进课堂教学就可以了？那么与师生关系是 因果关系还是关联性关系呢？是不良的师生关系导致了学 业水平低下吗？ 2014年 6月，在郑州市义务教育质量健康指 数发布会上，北京师范大学中国基础教育监测协同创新中心 刘坚教授给出了一组关联性数据。从中可以看出，师生关系 与学业水平存在正相关，并且相关度非常高。说明师生关系 只能证明其存在着关联关系，这种正相关的背后可能存在着 两种情况：师生关系不好导致学业成绩下降，或者学业成绩 降带来的师生关系不好。也就是说，要解决这个问题需要 两个先来探讨数据的关联性问题。 健康体检项目”是基于 高层

大数据时代背景下实现税收现代化的几点思考

大数据时代背景下实现税收现代化的几点思考 发布日期：2015-11-16 当今世界，是一个大数据的时代。大数据犹如一波千尺巨浪，汹涌而至。个人、企业、政府无不被这思维技术理念的大变革所席卷，各行各业都跃跃欲试，弄潮其中。当新一轮的税收现代化改革的号角吹响时，改革浪潮与大数据浪潮已不期而遇，在这碰撞与冲击下，大数据正催生着新的治税思维。 一、大数据成就了一个变革的时代 大数据，近年来风靡全球，进入2012年，大数据一词越来越多地被提及，然而对其的理解却几乎都是模糊不一的。《大数据时代——生活、工作与思维的大变革》的作者维克托﹒迈尔﹒舍恩伯格认为，大数据并非一个确切的概念。也许它初始是大到需要改进处理数据工具才能处理的海量数据，而由此促进了新的处理数据的诞生，并最终成为了人们获得新的认知、创造新的价值的源泉，以及改变市场、组织机构、政府与公民的关系的方法。研究机构Gartner则将“大数据”定义为，需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。无论何种，大致上可以说明大数据是传统模式（或流程、工具、手段）无法处理的海量数据集。从某种程度上说，大数据甚至是数据分析的前沿技术。从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。由此，大数据开启了重大的时代转型，故而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”。大数据爆炸，给这个时代带来了撼动与巨变，于是成就了今天的大数据时代，一个数据无所不在、改变蓄势待发的新时代。 二、大数据时代促动了现代治税理念 我国税收现代化进程伊始，大数据及大数据技术带来的诸多变革，无疑将极大地影响了我国的税收改革。在国家税务总局的税收现代化规划蓝图中，完备规范的税法体系、成熟定型的税制体系、优质便捷的服务体系、科学严密的征管体系、稳固强大的信息体系、高效清廉的组织体系构成了基本实现税收现代化的总目标。且不说毋庸置疑的信息体系、显而易见的征管体系，与大数据有如此直观又紧密的关联，即便是税法体系、税制体系、服务体系等其他体系，也亟需大数据的“发声”。在大数据时代，“数据就是资产、数据分析就是核心竞争力”的理念，将使得传统的治税思维将难以为继，税收现代化建设首推治税理念的现代化，税收治理的大数据思维。 （一）大数据时代，税收治理应更加注重预测与决策 多年来，我国税收管理一直重视数据管理和信息化，并不断地完善和深化对数据的采集分析利用，数据大集中和信息管税已经取得了较大的成效。然而，传统的数据管理往往常规分析为主，深度挖掘不足，事后管理为主，事前预测不足。在大数据构成的世界，一切社会关系都可以用数据表示。从数据到大数据，不只是数据数量和种类的无限扩大，更多的是其藏于海平面之下的亟待于我们去深度挖掘和应用的钻石石油般的资源价值。纷繁复杂、瞬息万变的经济现象与事物，只有集中海量纷繁包容的原始数据，才能揭示总是隐藏在数据的相互关联之中的事物全貌、本质和规律。如大数据的核心是建立在相关关系分析基础上的预测，这不但会给新一轮税制改革重大决策问题研究中的更多趋势洞察与深度分析，也能使得纳税服务有了更好的目标领域与需求指向。尤其是在我国探索创新大企业个性化服务的进程中，以税法遵从为目的，以风险管理为导向的模式下，大数据的应用价值将无可估量。 （二）大数据时代，税收治理应更加注重提供与共享 作为政府行政机关，税务部门在数据获取上也具有先天的优势，但传统的数据管理往往内部数据为主，外部数据不足，沉淀储存为主，盘活清理不足。而实践中还常有人将信息数

大数据时代下的中国市场

大数据时代下的中国市场 摘要：随着大数据产业的快速发展，我国企业开始利用大数据技术从海量数据中提取有价值的信息，为企业作出精准决策提供有力的参考，随着各行各业对于大数据的需求越来越多，大数据产业将进一步促进中国市场的发展。本文分析了大数据对中国市场产生的影响以及中国市场在大数据环境下的演变，认为目前我国市场在大数据环境下还面临着一些挑战，并在大数据环境下我国市场发展前景较好。 关键词：大数据；中国市场；发展 引言 随着大数据产业的快速发展，大数据对于市场的影响力逐渐扩大，目前，我国的大数据技术处于初级发展阶段，无论是政府还是企业对于大数据技术极其应用都出与摸索阶段，在未来的经济社会发展过程中，中国市场必须紧抓大数据时代的机遇，充分运用大数据技术提高生产效率，降低生产成本，实现市场经济的快速发展。本文通过分析大数据对中国市场的影响及中国市场对大数据环境的适应演变过程，了解中国市场在大数据情况下面临的挑战和大数据下中国市场的发展前景，为推动大数据技术在我国更好地普及和推广提供参考。 1 大数据对中国市场的影响 大数据的发展对中国市场产生了很大的影响，例如我们现在经常用到的“滴滴打车”软件就是利用大数据技术使出租车的供求获得更精准的对接，从而更好的为消费者提供出行服务，因此大数据运用得好，不仅能够给产业带来新的生机，而且能够对经济增长提供新的动力。可以说大数据已经开始出现在中国市场的方方面面，在给企业带来巨大价值的同时也给人们的生活带来更多的便捷。从大的方面来说，大数据技术的运用可以使得国家决策部门，可以借助大数据更科学的制定经济策略，更加有效的把握经济的走向；政府可以过海量微观主体行为分析，推导出宏观经济的大趋势，而不再仅仅依赖样本统计数据结果。从小的方面来说，

大数据背景下的数据安全

大数据背景下的数据安全 本文简述在大数据背景下，网络安全所存在的问题，并对问题进行分析，提出相关的解决措施，尽可能地提高计算机网络信息安全。 大数据发展到现在，已经不是简单的数据数量庞大和形式多样了，它的范围越来越广泛，也正逐渐被各行各业所运用。大数据主要以海量数据、多样化的形式、高速度的运算等为主要特征，各行各业也是看到大数据的这些特征，将企业的发展现状与大数据结合起来，从而推动企业和行业的发展。 在大数据背景下，无论是移动设备，还是传感系统，又或者是互联网社会，都在不断的进行着数据库的建立和创新。随着数据的不断发展，其多样性也在不断的进行着扩大。非结构化也成为数据发展的一大显著特征，并逐渐占领主导地位。不仅如此，大数据背景下的数据利用分布式的运行体系，在云计算的基础上，通过集群方式对搜集到的信息和数据进行分析和处理，从而不断提高数据传输的效率。同时，还会利用引擎等技术的发展，给数据和信息的分析和处理提供更加高效的加速器。大数据的发展速度如此之快，却仍然有着非常庞大的发展空间，能否将数据的价值最大化利用成为了各行各业的竞争手段。 1.大数据背景下的网络安全问题 1.1 信息内容安全分析

通常影响数据安全的原因有2种：因为各种原因将信息内容泄露，进而导致信息没有机密性。信息破坏，这种情况一般都是其他人或者软件进入信息内部将源文件信息销毁或篡改。信息泄露通常情况下是未经本人授权，他人非法盗取并将其利用，给本人造成一定的损失。虽然目前大多数网络信息内容都拥有识别保护系统，但是大数据保护机制并不完善，再加上许多用户对于隐私数据保密不严谨，没有对相关信息内容进行加密处理，使得信息很容易产生泄露，给用户带来较大的影响。 1.2 信息数据采集范围大，信息安全保护覆盖不足 大数据背景下信息技术的广泛应用为经济、社会的发展提供了巨大的支持，经济生产、建设、社会管理方面的信息化程度也逐渐升高，信息数据的收集和传输规模也越加庞大。其中不但包含了一些人们身份信息和金融交易、网络社交数据、地理定位信息等，还包括了众多的商业机密以及重要的军事信息。这些信息内容非常的繁杂和巨大。通过对数据的实时搜集和交换处理甚至可以构成完整的生活状态和事件的发生过程。如此巨大的信息数据传输和汇集，必然会被一些不良分子加以利用进行一些违法活动，而面对着网络大量的数据交换和传输路径，信息的安全覆盖范围必然无法做到全面的保护，随之也就发生了网络安全隐患。 2.提高数据库安全保障的有效措施 2.1 内部防护，确保数据安全 首先，要对数据库的系统进行全面的防护。定期的进行扫描和检测，检测系统是否存在漏洞，并及时采取措施对漏洞进行处理，避免漏洞的出现给非法人员