1 绪论 1.1 选题背景与研究意义
1.1.1 选题背景
随着计算机技术的进步与发展，大数据（big data）一词越来越频繁的出现在我们眼前，“数据”这个词很容易理解，而“大数据”却让很多人觉得高深莫测。不管是公司高层还是普通职员好像都在呼喊要大数据时代的到来，可真正能了解大数据的却不多。大数据时代，怎样在革新的浪潮中抢占先机，成为大数据追随者们迫切想要了解的问题。大数据时代的到来为互联网企业间的竞争与发展注入了新的活力，“大数据挖掘”成为了推动互联网内容流量竞争、服务水平升级的重要推动力量。在我国目前计算机科学技术发展、互联网行业不断壮大的背景下，对于互联网公司提供的服务也提出了更高的要求，科技公司不仅仅局限于根据传统经验提供数据服务，更多的开始从互联网数据挖掘中发现客户的需求从而提供服务。从 1.0 时代的“上传数据”到 2.0 时代的“创造数据”到现在 3.0 时代的“挖掘数据”，科技公司从互联网“硬件”的提供者逐渐转变为互联网“软件”的提供者，而互联网用户也逐渐从单向的上传/下载转变为既是内容的提供者又是被服务的对象。
在中共中央总书记习近平主持的就实施国家大数据战略进行第二次集体学习中强调了高度重视大数据战略，大数据产业已站上时代浪尖。信息技术已经高度渗透到人类的生产生活中，全球数据正在爆发增长、海量集聚。世界各国都把推进经济数字化作为实现创新发展的重要动能。制造业加速向数字化、网络化、智能化发展，建立大数据辅助科学决策和社会治理的机制，以数据集中和共享为途径，构建全国信息资源共享体系。建设互联网+教育、互联网+医疗、互联网+文化，等以大数据为基础的万物互联信息科技体系势在必行。
.......................
1.2 国内外研究综述
1.2.1 国外研究综述
1、关于大数据的相关研究
在现代社会，移动互联网的不断发展使得信息化的特征也出现了新的变化，数据在现代市场中扮演者关键性的角色，其作为信息的物理表现形式在现代社会具有很高的价值。在 19 世纪末期，大数据首次被运用到了人口普查中。赫尔曼.霍尔瑞斯所设计和发明的电动读卡器在人口普查中的使用大幅度提高了人口普查的效率，使得人口普查在短短的时间范围内就能够完成，这一事件引起了人们的关注，这也使得互联网数据处理成为全球关注的焦点[1]。
美国在互联网的发展中首先开始进行数据的归纳和处理，在互联网数据和信息的归纳处理中逐渐出现了大数据一词。具体来讲大数据技术主要是指借助于软件和程序在数据捕获、管理和处理的过程中所消耗的处理时间超过可容忍时间的数据集[2]。McKinsey 公司（2013）将大数据界定为数据规模超过了传统软件对数据管理和处理能力的数据集合。数据规模庞大是大数据最主要的特点，同时体量大特点也体现在数据的增长速度方面。学术界对大数据的概念并没有给出统一的界定。但是从不同的概念界定中可以得出大数据需要满足规模性、多样性、高速性等特点。
1.2.1 国外研究综述
1、关于大数据的相关研究
在现代社会，移动互联网的不断发展使得信息化的特征也出现了新的变化，数据在现代市场中扮演者关键性的角色，其作为信息的物理表现形式在现代社会具有很高的价值。在 19 世纪末期，大数据首次被运用到了人口普查中。赫尔曼.霍尔瑞斯所设计和发明的电动读卡器在人口普查中的使用大幅度提高了人口普查的效率，使得人口普查在短短的时间范围内就能够完成，这一事件引起了人们的关注，这也使得互联网数据处理成为全球关注的焦点[1]。
美国在互联网的发展中首先开始进行数据的归纳和处理，在互联网数据和信息的归纳处理中逐渐出现了大数据一词。具体来讲大数据技术主要是指借助于软件和程序在数据捕获、管理和处理的过程中所消耗的处理时间超过可容忍时间的数据集[2]。McKinsey 公司（2013）将大数据界定为数据规模超过了传统软件对数据管理和处理能力的数据集合。数据规模庞大是大数据最主要的特点，同时体量大特点也体现在数据的增长速度方面。学术界对大数据的概念并没有给出统一的界定。但是从不同的概念界定中可以得出大数据需要满足规模性、多样性、高速性等特点。
2、国外运营商大数据产品案例分析
国外发达国家在大数据技术的研究和大数据技术的使用方面较早，在大数据技术的研究和使用中形成了较为先进的技术。全球大部分的运营商在发展的过程中已经开始使用大数据进行项目分析和处理。国外在大数据技术研究和大数据应用方面 经验对于本文分析和研究江西移动大数据的应用具有一定的参考和借鉴意义[3]。
............................
国外发达国家在大数据技术的研究和大数据技术的使用方面较早，在大数据技术的研究和使用中形成了较为先进的技术。全球大部分的运营商在发展的过程中已经开始使用大数据进行项目分析和处理。国外在大数据技术研究和大数据应用方面 经验对于本文分析和研究江西移动大数据的应用具有一定的参考和借鉴意义[3]。
............................
2 相关理论基础
2.1 大数据特征
国际数据公司（IDC）对大数据的特征进行了归纳和总结，从中总结得出大数据具有以下四个方面的特征：
第一，数据规模巨大（Volume）[13]。大数据最为主要的特点之一就是数据规模庞大，同时体量大特点也体现在数据的增长速度方面。在科学技术的不断发展下，大量的信息和数据被不断积累和存储，导致数据的规模巨大。
2.1 大数据特征
国际数据公司（IDC）对大数据的特征进行了归纳和总结，从中总结得出大数据具有以下四个方面的特征：
第一，数据规模巨大（Volume）[13]。大数据最为主要的特点之一就是数据规模庞大，同时体量大特点也体现在数据的增长速度方面。在科学技术的不断发展下，大量的信息和数据被不断积累和存储，导致数据的规模巨大。
第二，快速流转和动态体系（Velocity）[14]。数据的产生和数据的存储速度非常快，因此这就要求在数据的分析和数据的处理中也需要对数据进行快速的分析和处理，确保对大数据处理和分析的实时性。在各类型数据存储和数据处理技术的支撑下，各行各业内的数据告诉流转，因此这就需要能够实现对数据的快速处理和动态化处理，进一步提升数据的价值。
第三，数据类型多样性（Variety）[15]。在大数据中，数据的类型多种多样，
第三，数据类型多样性（Variety）[15]。在大数据中，数据的类型多种多样，
同时其结构表现出了多元化的特点，在大数据中不仅仅存在结构化数据，同时也涉及到非结构化数据。这就要求在数据的处理和数据的分析中需要能够对不同类型的数据进行分析和处理。
第四，数据价值巨大（Value）[16]。海量的数据决定了数据价值挖掘的空间，通过数据挖掘和数据分析可以从海量的数据中挖掘得出具有价值的数据和信息。对于数据本身来讲，由于数据规模大、数据结构混乱等各方面的特点导致原始数据的价值相对较低，因此这就要求能够借助于各类型的数据挖掘和数据处理技术来提取和挖掘出不同用户所需要的数据，进而实现数据的价值。大数据技术的使用范围十分广泛，其不仅仅能够企业提供具有价值的商业信息，同时也能够为政府部门政策的制定提供有效的数据依据，同时也能够方便社会大众的生活。如何能够从海量的数据中挖掘出具有较高价值的数据和信息也成为当前社会关注的焦点，同时也推动和促进了新型产业的快速发展。
第四，数据价值巨大（Value）[16]。海量的数据决定了数据价值挖掘的空间，通过数据挖掘和数据分析可以从海量的数据中挖掘得出具有价值的数据和信息。对于数据本身来讲，由于数据规模大、数据结构混乱等各方面的特点导致原始数据的价值相对较低，因此这就要求能够借助于各类型的数据挖掘和数据处理技术来提取和挖掘出不同用户所需要的数据，进而实现数据的价值。大数据技术的使用范围十分广泛，其不仅仅能够企业提供具有价值的商业信息，同时也能够为政府部门政策的制定提供有效的数据依据，同时也能够方便社会大众的生活。如何能够从海量的数据中挖掘出具有较高价值的数据和信息也成为当前社会关注的焦点，同时也推动和促进了新型产业的快速发展。
.......................
2.2 大数据的分析方法
第一，可视化分析[20]。所谓数据可视化，其主要是指，按照图形图表的界面形象，将其数据信息清晰的传递与表达出去。
第二，数据挖掘算法[21]。现阶段，在开发领域、数据库研究领域等均加大了数据挖掘技术的应用力度，尤其是在现代计算机精确辅助下，数据库系统可以帮助人们处理好各类传统的事物，然而，针对数据的理解与分析，就需要依靠数据来进行决策[22]。
第三，预测性分析[23]。所谓预测性分析，去主要是对未知未来事件进行预测的高级分析分支。这一方法通常会应用到诸多技术，包括 AI、统计、数据挖掘等等来进行预测的实现。
第四，语义引擎[24]。语义引擎即为通过解析、提取、分析数据智能的从“文档”[25]中提取有价值的信息。 第五，数据质量和数据管理[26]。数据质量和管理是组织管理领域很有意义的实践操作。
.............................
3 江西移动公司大数据挖掘与应用的现状 .............................. 112.2 大数据的分析方法
第一，可视化分析[20]。所谓数据可视化，其主要是指，按照图形图表的界面形象，将其数据信息清晰的传递与表达出去。
第二，数据挖掘算法[21]。现阶段，在开发领域、数据库研究领域等均加大了数据挖掘技术的应用力度，尤其是在现代计算机精确辅助下，数据库系统可以帮助人们处理好各类传统的事物，然而，针对数据的理解与分析，就需要依靠数据来进行决策[22]。
第三，预测性分析[23]。所谓预测性分析，去主要是对未知未来事件进行预测的高级分析分支。这一方法通常会应用到诸多技术，包括 AI、统计、数据挖掘等等来进行预测的实现。
第四，语义引擎[24]。语义引擎即为通过解析、提取、分析数据智能的从“文档”[25]中提取有价值的信息。 第五，数据质量和数据管理[26]。数据质量和管理是组织管理领域很有意义的实践操作。
.............................
3.1 江西移动公司概况 ...................................... 11
3.1.1 江西移动公司简介 .............................. 11
3.1.2 江西移动公司信息技术部现状 ............................... 11
4 江西移动公司大数据应用存在的问题及原因 ......................... 24
4.1 江西移动公司大数据应用存在的问题 .......................... 24
4.1.1 跨域流程机制方面 ................................ 24
4.1.2 平台服务能力方面 ............................... 24
5 完善江西移动公司大数据应用的优化对策 ............................. 29
5.1 强化大数据发展的战略意识 ................................... 29
5.2 提升能力输出价值 .......................... 29
5 完善江西移动公司大数据应用的优化对策
5.1 强化大数据发展的战略意识
智能手机已经成为目前人们生活中不可获取的部分，人们可以使用智能手机进行通信、购物、社交等，智能手机功能的不断扩展也使得移动端数据的收集变得十分方便，降低对数据的收集难度。随着移动基站覆盖范围的不断扩大，使得用户可以随时随地使用移动手机对互联网进行访问，同时在这一过程中也能够获取客户的具体信息。总的来讲移动端数据的价值越来越大[37]。
需要从根本上强化在单纯的网络通信技术已无特别大竞争力优势的情况下，大数据挖掘应用工作乃公司未来发展的重中之重。从大数据基础平台建设、跨域流程规模及全生命周期管理能力，到平台智能化演进与数据服务场景，再到平台开发出的各类应用程序软件，以及人才梯队的培养。一个从物理硬件到运行软件再到科技人员的闭环流程，每个环节都是紧紧相连密不可分，只有每个环节都认真对待不掉链子，保持高度的先进性和专业性，才能把江西移动公司大数据工作推向新高度。应先明确大数据应用优化的建设目标：
（1）扩大数据规模：建设种类不同的各种应用，发展多种渠道多管齐下，尽可能多地收集各种数据
（2）强化分析能力：应用深度学习方法，打造强大数据分析能力，构建应用模型
（3）提升智能水平：打造智慧营业厅、智能客服、智能运维等人工智能应用，
（2）强化分析能力：应用深度学习方法，打造强大数据分析能力，构建应用模型
（3）提升智能水平：打造智慧营业厅、智能客服、智能运维等人工智能应用，
为企业内外部客户提供智能服务
（4）创新商业模式：通过输出数据成果，打造可持续盈利的商业运营模式，
（4）创新商业模式：通过输出数据成果，打造可持续盈利的商业运营模式，
实现服务商、消费者、合作渠道与中国移动之间互利共赢。
..............................
6 结论..............................
随着计算机科学技术的不断发展，各类公司、企业之间的竞争方式逐渐由基础的实物/服务提供能力而转向挖掘用户需求为用户量身定制的方向。大数据作为互联网技术发展到一定程度后的产物，实现了对互联网用户数据的回馈与预测，是大势所趋。通信产业也是如此，运营商之间的竞争已经由单纯的通信技术转向借助于计算机大数据的信息与通信技术。应用大数据技术，能够对已知的用户数据进行分析并对为了的用户轨迹做出预判，能够有效的提高工作效率、降低运营成本，打造良好品牌形象，强化业务服务质量。本文以江西移动公司为例，采用问卷调查法、访谈法和文献研究法，调查分析江西移动公司在大数据应用领域的现状，挖出问题、寻找原因，结合理论知识与国内外大数据应用案例，为江西移动公司大数据应用优化提出了相关建议，以此来提升江西移动公司的企业竞争力。
以下是本文结论：
江西移动公司大数据能力目前与行业互联网公司相比，不管是发展时间还是技术能力都有差距，主要体现在跨域流程的自动化水平、平台智能化进度、多域整合深度及输出能力等方面，导致江西公司移动整个大数据挖掘系统没有形成一个高效、稳定的闭环。分析其原因，主要包括大数据建设起步较晚，数据规模较小，数据应用能力单薄，数据工程师人手不足、人员专业度不高等方面。为进一步提升江西移动公司大数据应用的竞争力，必须对其采取优化措施：（1）强化大数据战略发展意识；（2）提高能力输出价值；（3）聚焦重点课题，助力管理生产双提升；（4）完善大数据应用组织结构；（5）加强大数据应用人才培养及科学配置。加大数据知识传承力度、确保人才与岗位匹配、专业的人做专业的事。充分发挥每个技术人员的专业特长，实现个人与公司的共同进步。
参考文献（略）