大数据管理论文
“大数据”已经是世界经济学中的重要组成部分。下面是由小编整理的大数据管理论文，谢谢你的阅读。
大数据管理论文篇一
大数据在质量管理中的应用
摘要 ：“大数据”已经是世界经济学中的重要组成部分。相比于传统的数据统计与分析，“大数据”处理有助于管理者们做出更正确的企业决策。对于产品认证机构，“大数据”的应用可以包含自身业务管理、产品质量改进、提升服务质量三方面，但在实践过程中仍将面临许多挑战。
关键词 ：大数据 质量管理 产品认证
现在的世界正处于一个信息爆炸的时代，“大数据”已经是世界经济学中的重要组成部分，并且在各种现代经济活动、发明和发展中起到越来越重要的作用。相比于传统的数据统计与分析，通过“大数据”，管理者们可以得到更精确的测量信息、因此对经营状态有更准确的了解，并且最终将这些数据和信息转化为更正确的企业决策。
1、什么是大数据
“大数据”可以被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，“大数据”的大小受数据类别、获取方法、软件手段等多方面因素影响[1]。与传统数据统计分析相同，“大数据”分析活动致力于收集情报并将其转化为商业优势，但两者之间存在以下几方面区别：
数据量：2013 年中国产生的数据总量超过0.8ZB，2 倍于2012 年，相当于2009 年全球的数据总量。预计到2020 年，中国产生的数据总量将是2013年的10倍，超过8.5ZB。市场为企业提供了一个能够接触并获取海量信息的机会。比如沃尔玛每小时能从线上和线下的客户交易中获取超过2.5PB的信息量。
高速：对于很对实际应用来说，数据的产生速度远比数据量更加重要。实时或者趋近于实时的信息有助于公司比其竞争对手更加灵活。
多样性：“大数据”的来源有着多样性的特点，如社交网络信息、图片、各种监视信息、GPS信息等等。随着手机等数字智能终端设备的普及，社会中的每一个组成元素都是一个数据产生器。在这些尚未被处理的非结构化数据中，海量的有价值信息等待着被组织、分析和开发。
2、大数据在产品认证机构质量管理方面的应用
在实际的质量管理和改进活动中，由于大数据相对于传统数据统计方式存在的优势和特点，因此利用大数据进行质量管理是企业理想的管理路径和产品、工艺品质的提升机会。对认证机构而言，工作的核心内容就是质量控制。大数据在包括自身业务管理、产品质量改进、提升服务质量等各个方面有着广泛的应用潜力。
(1)自身业务管理
产品认证机构的业务质量控制直接关系到认证工作的公正性与准确性，对企业、消费者乃至整个社会有着重要影响。产品认证工作现有的管理控制手段是针对工厂检查与检测工作中的主要时间节点进行监控并且对报告进行抽查。在实际操作中，这些工作普遍存在两方面问题：一方面，由于认证机构日常工作量较大，抽查结果和实际情况存在一定误差;另一方面，抽查和监控工作普遍存在滞后性的缺点，问题点只在事后抽查中才有机会被发现，为问题点的及时整改增添了困难。
大数据质量管理为解决这些问题提供了新的手段。由于可实时处理的大量数据，一方面认证机构能够选择通过软件或终端工具，对工厂检查和检测的全过程进行实时的时效性监控，将时效性控制由事后监督变为提前预警;另一方面，对工厂检查、检测结果的有效性验证也可以通过软件对所出具的报告的各条款结论进行实时筛查，及时过滤掉常见问题，提升工作的正确性和准确性。
(2)产品质量改进
企业所生产产品的质量改进主要通过对产品的质量监控来保证，目前工厂产品的的监控手段主要包括生产工艺的过程检验以及成品的检验两大类。由于检验工作的特性，大部分工业产品的成品检验只能通过抽样完成，和市场抽样合格率相比往往存在一定差距。这个以往无法处理的问题，现在通过大数据的管理方式有了更合适的解决办法。认证机构可以依托自身的信息优势，收集大量产品的过程工艺参数、成品检验结果参数、抽查不合格品的检验数据以及相对应的工艺/管理数据，结合工厂检查结果，找出各种定性、定量数据与成品质量的关系。从而能依据企业工艺和管理信息，对产品成品的质量做出预测和判断，最终能帮助企业改进产品质量，并提升认证工作的有效性。
(3)提升服务质量
运用大数据的手段，企业的管理和服务将会变得多样化。目前针对企业的管理与服务仅仅停留在对企业的各项信息进行单纯的汇总、以及对通用的认证、管理、工艺技术的培训服务，缺乏针对性。如果能够妥善运用大数据的方式，认证机构能够收集有关企业的各方面信息(如生产企业的行业走向、产品的工艺参数、各检测报告结果、供应商信息与态势等等)，并对这些数据加以深入的分析，总结出企业急需的服务内容和方式，从而提高认证机构的服务质量。
3、面临的挑战
大数据质量管理面临的挑战主要来自于三个方面：正确的领导、管理与技术保障、合理的决策[2]。正确的领导是大数据质量管理的基础，在获取信息之前，需要由领导者确定明确的目标、整合各方面资源。其后，富有智慧的数据管理与技术的构建是大数据质量管理的保障，由于获取的信息来源广泛、数据量大，和传统的数据统计与分析不同，如何确保数据的有效性，并实时的从海量数据中提取出有价值的信息是一个富有挑战的技术性难题。最后，大数据处理需要合理的决策。大数据质量管理的核心在于从数据出发，将数据转化为决策，决策不应该脱离数据。
参考文献：
[1] James， Manyika. Big data： The next frontier for innovation， competition， and productivity[M]. McKinsey Global Institute， 2011. 1-2.
[2] Andrew， McAfee， Erik， Brynjolfsson. Big Data：The Management Revolution[J]. Harvard Business Review， 2012， (10)： 7-8.