大数据时代数据分析范文第1篇

[关键词]大数据时代；数据分析理念；分析

[DOI] 10.13939/ki.zgsc.2015.22.074

在传统的商业运作模式中，在运营过程中对自身经营发展的分析只停留在数据的简单汇总层面，缺乏有效地对客户网络、业务范围、营销产品、竞争对手优劣等方面进行深入解析；而在当今大数据时代，通过所接收的大量内部和外部数据中所蕴含的信息中透露的市场弹性，可以预测市场需求，进行分析决策，从而制定更加行之有效的战略发展计划。“大数据”是一个量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库T具对其内容进行抓取、管理和处理。在当今信息时代，很多企业用户在实际应用中把多个数据集放在一起，已经形成了PB级的数据量；数据类型广，数据来源种类多，且数据种类和格式日渐丰富，囊括了半结构化和非结构化数据，早已打破传统的结构化数据范畴，如何在大数据时代背景下进行科学有效的数据分析这需要加强对市场的了解，对泡沫经济的规避，了解数据所传递的信息真假。

1 数据化决策的兴起与运用

在大数据时代，信息之间的爆炸增长，使得各种信息传递非常之快，只需要拿起网络终端就可以了解到地球另一边发生了什么。文字、图形、影像都化作数据流在网络中以电信号的方式传递着信息。数据流在传递各行各业的信息同时形成了渗透于各行业的核心资产和创新驱动力。在大数据时代，企业所拥有的数据集合规模及数据的分析和处理能力决定着企业在市场中的核心竞争力。

因此通过数据分析进行决策渐渐成为新的分析理念，例如，在支付宝上进行对电影票房的投资，这些投资通过对导演往期作品和演员的表演张力，及投资方的选角等数据进行分析，预测电影的票房，选取投资可获利的电影，进行票房投资，从而获取票房分红。我国的石油油田根据地震技术的收集数据，进行科学统一规划的分析处理，形成对地下油田的分析建模，能够有效直观地展示地下油藏的分布情况，从而选择油井的开采点。中国人民银行通过对人民币汇率的涨幅，进行数据分析，来制定符合中国国情的外汇货币政策，对货币进行宏观调控，这能够有力的保护人民币升值时，在国际贸易市场中国进出口贸易所面临的压力。在大数据时代背景下，通过直觉和经验进行决策分析的优势不断下降，在商业、政治及公共服务领域中，通过对大数据进行数据分析从而做出符合时代背景的决策，已成了目前的潮流。

2 数据分析理念及方法

（1）数据分析要引入统计学思想。在大数据时代背景下，传统的抽样分析已经并不适用于对大数据的分析中，在大数据时代应当要转变思维，转变抽样思想，样本就是总体，要分析与某事物相关的所有数据，而不是依靠少量数据样本，这样才能够在最大限度地明白事物发展变更过程，能够对数据所表露的信息进行更好地处理。要更乐于接受数据的纷繁芜杂，不再追求精确的数据，这并不是说其严谨性降低了，而是往往不起眼，不符合常理的数据更能够反映实际的情况。通过对数据网络之间的联系进行分析，不再探求难以捉摸的因果关系，通过数据的分析处理更能够反应数据的变更。这些想法都与统计学相关通过所收集的数据，进行有效的分类处理，能够更好地反应事物的变化，更有利于做出决策。

（2）数据分析流程。在实际的数据分析过程中，因大数据贯穿区域较广，在地域和行业之间穿插交错，颠覆了传统的线性数据收集模式，而形成了颠覆传统的、非线性的决策基础，这种决策方式要求我们通过对数据进行收集，将各行各业所收集的基本信息，转化为数据，将数据经过初步的整合分类，做出符合当地当时的数据信息，将数据进行深层次的技术处理，将处理过后的信息化为知识，运用到实际的决策中去。在大数据时代，数据的积累并不会贬值，而且还会不断增值，为了更全面、深入地了解研究对象，往往需要对数据进行整合，这就使得数据的积累尤为重要。

（3）数据分析对统计学的意义。在大数据时代背景下数据分析理念能够有效地对数据流进行合理地分类处理，进行科学的统计行为，统计与分析主要利用分布式数据库，或者分布式计算集群来对存储于其内的海量数据进行普通的分析和分类汇总等，这就意味着所有有用的数据信息均来源于数据分析处理之后的结果。大数据的数据分析理念扩宽了统计学的研究范围，而不仅仅只是实现数据的对比，而是从根本上丰富了研究的内容，如：一些实时性需求会用到EMC的Creen-Plum、Oracle的Exadata，以及基于MySQL的列式存储In-fobright等，而一些批处理，或者基于半结构化数据的需求可以使用Hadoop，满足大多数常见的分析需求，对传统的统计T作有着四个转变。统计研究过程的转变，使统计过程成为收集与研究。统计与分析这部分的主要特点和挑战是分析涉及的数据量大，统计研究T作思想的转变，数据的收集不断增加，信息的录入不断升级，其对系统资源，特别是1/0会有极大的占用。这就使得能够更好地进行数据分析处理决策。

3 数据分析过程中注意事项

3.1数据分析要明确变量

将数据收集进行处理是为了明确市场中的某一个变量意义，这就使得在进行数据分析的时候要能够明确地找寻变量存在前后所发生的变化，通过数据对比可以知道该变量在大数据的市场中所存在的影响因素。是否对市场有着风险或有利于市场的开发利用，能够在数据分析后做出合理决策。

3.2统计中不再追求精确的数据

大数据时代下，数据的不精确性不仅不会破坏总体信息可靠性，还有利于进行剥丝抽茧，从而了解总体情况。大数据时代，越来越多的数据提供越来越多的信息，也会让人们越来越了解总体的真实情况。错综复杂的数据能够反映数据之下到底是泥潭还是机遇。数据之间传递的信息良莠不齐，如果要一一追求准确性不利于统计工作的开展，因此可以将个别的异常值剔除。大数定律告诉我们，随着样本的增加，样本平均数越来越接近总体，这就使得样本与总体的差异性很小，更加符合实际情况。

大数据时代数据分析范文第2篇

关键词：大数据；财务；信息化

1分析体系构成及意义

1.1体系构成

建立涵盖公司预算、工程、资产、资金、电价和风险等财务管理各个方面的分析体系。主要包括：业绩考核指标分析、主要指标趋势分析、损益预算执行分析、预算考核分析、财务状况分析、售电量分析，电价综合分析、资金管理分析、税务管理分析、工程投资进度分析、资产结构与分布分析、风险预警等。

1.2构建分析体系的意义

创新财务信息融合和专业数据展示，多维反映公司财务状况、经营管理情况并及时反映公司在国家电网公司系统综合排名情况，最大限度整合重要财务数据信息，使公司领导及时、全面地掌握企业各项业绩指标的预算执行情况、购售电综合情况、融资与担保情况、纳税情况和风险指标状态。拓展经营分析的广度、深度、细度，提高财务分析效率、效益，提高财务管控以及抗风险能力，实现财务分析的智能化，为领导决策提供有力的数据支撑，从而提高对公司经营能力及市场变化的响应速度，有效增强公司的业绩指标监控和经营风险防范的能力。

2实施方式

2.1思路

大数据时代的财务分析体系应以集成、集约、集团化管理为主要脉络，秉持全面预算管理“一盘棋”、会计核算“一本账”、资金管理“一个池”、资产管理“一条线”、财务监管“一张网”的管理理念，关注重点财务领域，为此需要依托信息系统搭建财务分析模型，充分利用信息系统集成、获取业务数据，站在集团化的视角分析问题、风险、趋势、机遇。

2.2财务分析系统技术支持

2.2.1财务分析系统核心技术应用

目前，财务管控系统的应用已覆盖全省范围并与成熟套装软件、交易系统、营销系统、经法系统等多种应用平台建立起集成联系，为公司依据现有信息系统建立财务分析系统提供了业务和数据支撑。采用先进的、成熟的内存BI技术，满足高效稳定、易开发、易维护、可以快速调整分析模型的业务需求，使各种各样的终端用户以一个高度直觉化，功能强大和创造性的方式，互动分析重要业务信息[1]。

2.2.2BI技术存储和查询机制

从技术角度来看，BI技术具有两个与众不同的技术，正是它们实现了BI技术快速、灵活、实时运算的强大功能。第一个技术是在内存中采用了阵列集合，每个字段里剔除重复值，记录之间用指针去寻址。这样使得数据能够在内存中被压缩，平均压缩比10∶1。第二个技术是采用了“数据云”，任何字段都可以作为维度和度量，可以按需随意组合成一个分析图表。同时，采用排除法过滤数据，仿真人脑的思考决策模式，快速拿到需要的数据，排除掉不相关的数据。AQL基于内存的运算，速度远远超过基于数据库的查询技术。对于现有的各种数据源，只需将数据加载进来，不同的业务数据通过特定的字段来关联，形成一个统一的视图，实现各类数据的关联交叉分析。

2.2.3BI技术提供的分析手段

可以按照用户的分析需求，将一些维度组合起来，形成一个钻取组合维度或旋转组合维度。钻取维度如时间维度：年-季度-日，地区维度：省市-地市-县市-乡村，并可以在图形和表格上直接钻取。

2.2.4辅助决策支持

BI技术具有丰富图表和强大的自定义分析计算能力，不仅可以提供多维分析支持所必需的同比、环比、钻取、维度切换、仪表盘等各种分析手段，而且还能提供数据的追溯、比对、预测、数学模型等高级技术，为辅助决策提供技术支持[5]。

2.3组织保障

财务分析系统的开发与建设，必须财务部门与信通部门紧密合作，实现业务与技术的紧耦合。财务部门内部各处室各专业必须是开发、建设团队的成员，认真梳理本专业的分析要点及开发需求，与实施顾问精诚配合，确保财务与相关业务有效集成、协同推进。

2.3.1合理确定阶段目标

确定业绩考核指标，包括：利润总额、净资产收益率、流动资产周转率、可控费用、资产负债率、投资收入比、EVA、成本收入比。

2.3.2确定数据来源

利用财务集约化、信息化发展成果，最大限度地利用“一本账”及“一键式报表”功能，通过ETL工具、ODS、WebService等数据接口方式，开发获取财务管控、ERP等业务系统接口，直接通过企业内部局域网，定时或实时地将数据抽取或推送到分析系统数据仓库前端展现工具，从数据仓库中加载数据进行各种分析；将协同办公系统进行综合利用，国家电网公司经营情况通报、国家电网公司财务集约化考核情况通报等办公系统文件材料上载到财务分析系统进行分析；同时将信息化水平较低时期的历史数据，通过大量查找历史资料的方式，进行最大限度的数据补充。

2.3.3财务管控与ERP业务界面划分

在现有核算模式下，财务管控系统与ERP系统有各自管理重点。其中，财务管控系统是以融资、票据以及投资、产权管理为细化核算重点；ERP系统是以费用报销、往来款清理及工程、资产为深化核算重点。两套财务核算系统高度集成，但其中任何一个系统上都无法将财务核算明细维度、业务流程进行全景展示，通过财务分析系统的海量数据压缩与分析技术，将财务管控系统与ERP系统各自管理重点集合在同一平台展示，财务管控和ERP系统的优势互补，增强财务信息整体利用。利用ERP强大的项目细化管理功能、往来清理功能、费用报销工单功能，实现从工程概算到资金拨付再到实际投资展示、实现从往来挂账到完成清理跟踪展示、实现从费用发起到原始凭证影像展示。通过财务管控系统各功能模块，利用税收科目日常核算以及税码的辅助账功能，实现从税种到税费形成原因的结构展示；利用融资模块合同台账的管理功能，实现从融资的整体情况到具体合同的本金、贷款时间、还款时间等展示；利用票据管理功能，实现从票据取得到票据背书、贴现、承兑的过程展示；应用电费集成，实现发行日报以及收费过程展示；应用“一本账”的穿透功能实现区分会计主体、会计期间等会计要素的全景展示。

2.3.4确定财务分析体系的展现形式

确定财务分析系统展现形式的原则：（1）根据指标特点设置表现形式；（2）根据指标需求设置表现形式；（3）根据指标成因进行分析展示；（4）财务分析报告文档一键展示；（5）财务账表同一平台分析查询。

2.3.5确定抽取周期形成及文档资料

确定按月抽取财务指标数据，按季度形成财务指标文档资料。

3应用效果

3.1指标体系平台化，分析能力提质提效

将涉及业绩考核、财务状况掌控、预算集约调控、资金集中管理、资本集中运作、电价集约管理、风险在线监控、财税管理筹划、基建财务管控、财务集约化执行、特定期间的财务指标等多维度财务指标反映在同一指标平台，充分提高财务分析的广度与深度。

3.2全面反映经营概貌，全面降低风险水平

通过主要指标趋势分析、损益预算执行分析、预算考核分析、财务状况分析、资金管理分析、税务管理分析、电价综合分析、财务指标汇编、风险预警、账表查询、财务报告等功能，使相关人员及时、全面地掌握影响财务状况的综合情况；通过对主要指标趋势、损益预算执行、工程进度、电价执行等综合情况进行分析，使财务部门、公司领导及时了解相关业务的完成情况以及各基层单位业务开展情况，提高财务及公司领导对业务的管控能力及市场变化的响应速度，从而有效增强对业绩指标监控和经营风险防范的能力。

大数据时代数据分析范文第3篇

关键词：大数据时代；信息处理技术

前言

在“大数据”的背景时代下，信息处理方面不断的创造了奇迹，这也会对未来计算机技术发展提供了有利的条件，在面对新时代的来临，需要不断的发展自身才能够跟上时代的步伐，信息处理技术也应该用于挑战面临的机遇，为大力发展计算机技术做好前期准备。

1.信息处理技术的概念

在企业的管理数据处理中，信息处理技术占据了重要地位。通过信息处理技术，使信息数据的输送、获取和检测、处理等技术有机结合在一起。信息处理技术将计算机技术、通信技术、网络技术、传感技术、微电子技术等科学技术融合在一起，在现代社会中用途很广泛。在现代化办公中，使用信息处理技术之后，不仅能够提高办公效率，还能有效利用高科技的办公设备，实现“人机结合”。信息处理技术的出现改变了传统的办公模式，对于办公模式的影响是极大的。

2.大数据时代的新机遇

2.1云计算受到热捧

在大数据时代中，云计算得以广泛普及，随着云服务的到来，这种趋势是很明显的。云计算整合了传递过来的数据，它拟定云平台，互通电子数据。借助于云平台即可上传信息、下载必要信息。在新的环境之下，云计算拓展了常规的范畴，提升服务性能，助推了更长久的自身进展。依循自主创新，云计算提升了日常流程的性能，增添了创新性。

2.2物联网的诞生

当今社会中的物联网将新路径的信息传递、计算机新技术、通信必备的新颖体系有机结合在一起。这是一项新型的产业，将信息处理应用于成熟的网络体系之中。物联网的外延有很多，比如地铁磁卡、医疗卡、电子钱包等。现在，传统的红包逐渐被电子红包取代了，人与人之间的沟通更加密切，这些都是物联网的优势所在。

2.3新颖的数据挖掘

在数据挖掘的过程中，人们收集大量的数据，分析数据并探寻数据的内在规律。从整体上来看，数据挖掘包括初始预备阶段、探求潜在规律、表达这三个阶段。数据挖掘添加了决策流程内的更多便利。遇有海量数据，同时缺失信息，即可求助于这样的数据挖掘。这是因为，很多企业配有的数据库仅仅可以录入数值、查验并且统计。但是，一般情况下，在搜集得出的数值之中，找到必备的提炼信息的难度是很大的，更不用说发现查找规律。在这种情形之下，就很难明晰深层的某一规律，无法表达规律。如果可以准确地分辨出信息之中的侧重点，那么就可以得到潜藏着的必备信息，这样更有利于企业做出正确的决策。

2.4方便企业拟定正确的决定

通过物联网，大规模的数据分析充分展开。通过解析流程，方便各个阶段的决定的拟定。举例而言，针对企业中的目标群体，分析员工习性、爱好兴趣。通过专门的解析，从而做出准确的决策。

3.大数据时代常见的信息处理技术

3.1信息收集、加工和传播技术

在信息处理的过程中，第一个步骤就是信息的收集。仅仅只有当信息被收集之后，才可进行大量数据进行存储、计算以及传播。在对目标数据源监控之后，把数据采集存放到结构化的数据库之中，以便信息服务系统提供输入，接下来是信息加工。信息加工的目的是对信息进行分类和加工处理。最后，信息进行传播，在信息传播的过程中，信息被收集和处理，并通过社会传播，最后提升了信息的价值。

3.2信息存储技术

信息存储技术是在需要调用相关数据时，可以直接调出使用的一种技术。该技术借助网络和介质实现数据的收集和存储。在大数据时代，数据的特征是容量大、变化迅速。只有在信息存储技术可以快捷的、长时间的、稳定地对相关数据进行存储的情况下，才可节省大量的人力、物力和财力。

3.3信息安全技g

大数据时代信息系统的特征是互联性较高。大数据时代的信息安全技术不再是对孤立的数据信息的处理，而是在基于信息系统整体进行的。信息安全技术为计算机网络带来了重要的发展机遇。与此同时，他也给计算机网络带来了巨大的威胁。所以，怎样提升信息安全？本人认为，可从下面三个角度出发来考虑。第一：打造更加可靠的信息安全体系。在这个过程中，要提高相关人员的技术水平。第二：增强大数据安全技术的研发力度。在大数据时代，以往的信息安全技术可能不再适应现代信息安全的情况。所以，应当加快大数据安全技术的研发，增加人力和物力、财力的投入。第三：对于重点信息加强监测。在大数据时代的大量的信息中，系统数据泄露随时可能发生。因此，有必要重视数据的安全性，加强重要数据信息的监测。毋庸置疑，大数据时代的信息技术的创造价值极大。在信息技术发展的未来，世界将会迎来越来越多的改变。

大数据时代数据分析范文第4篇

［关键词］大数据　财务分析　信息共享　数据相关

大数据时代数据信息孤岛及数据壁垒等现象将逐步消失，数据资源将实现开放、共享的新格局。如何利用大数据提高财务分析质量，发挥财务决策参谋作用，帮助企业提高经济效益，实现价值最大化是财务人员转型即将面临的新问题。

一、传统财务分析存在的不足

（一）财务分析只关注财务数据，不关注业务指标。传统的财务分析主要集中在三张报表，就数据分析数据，强调数据之间的因果关系。虽然报表分析一定程度也能反映公司的盈利能力、偿债能力等，但财务报表数据只是定量分析，且跟会计政策的选择和会计人员的主观判断相关，尤其当业务部门和财务部门联系不密切时，财务人员无法掌握生产经营环节中的生产要素、成本费用以及经营管理风险等信息时，对业务层面的分析也仅停留在表面，不能对投资者或者经营者提供具有实际价值的改进建议。

（二）财务分析只重视短期效益，不关注长期战略目标。传统的财务分析只选择两三年的数据对比，通常是与上年同期比较、与年度预算比较。由于分析期间短，易造成管理层只顾眼前利益，不考虑长远目标。马歇尔曾在分析成本问题时引入了时间因素，他认为，在短期内成本有固定成本和可变成本之分，但从长期看，所有的成本都是可变的。因此，对战略目标执行情况进行评估时，需要选择更长的时间跨度分析。

（三）财务分析只关注自身发展，不关注外部环境的变化。传统的财务分析主要针对公司内部，个别延伸到行业分析。在竞争日益激烈的市场经济环境下，只关心行业指标远远不够，还要关心整个产业链的上下游变化。以钢铁行业为例，钢铁行业下游需求下降，整个钢铁行业都出现产能过剩的现象，如果财务不关注外部环境，那针对产能过剩提出的建议只是加快销售，在当前的宏观形势下，显然这个建议不切合实际。所以想做好财务分析，财务部门必须和业务部门通力合作，从外部数据中提取有价值的信息，为提高企业经济效益出谋划策。

二、大数据时代对财务分析的影响

（一）大数据时代能够提高财务分析的维度。大数据时代可以取得数据的来源非常多，不仅有内部业务数据，还有政策数据、经济数据等外部数据。数据的类型也多种多样，包括量化数据和非量化的数据。数据的开放性和数据资源的共享能够提高财务分析的维度，帮助财务人员多角度全面分析公司的经营情况和财务状况。

（二）大数据时代能够提高财务分析的深度。大数据时代更加关注数据间的关联关系，运用大数据技术对历年数据进行分析，通过对业务指标设定各种变量，根据变量之间的依随变化找寻与财务数据的关联关系，分析业务数据与财务数据之间的联动效应。

（三）大数据时代能够提高财务决策支持作用。大数据时代对企业决策所依据的信息完整性要求越来越高。企业在进行经济决策时，不仅要从自身角度考虑，更要从整个经济环境入手，引入外部数据源，进行多种数据的融合汇总，再运用大数据技术，从巨大的数据库中提炼出有价值的信息，在数据的分析和预测的基础上，帮助企业做出更为准确的商业决策，从而实现更大的商业价值。

三、如何利用大数据提高财务分析质量

（一）对历史数据进行深加工，挖掘数据间的关联。利用大数据的巨大数据源和数据处理能力，对企业成立以来的财务数据、业务数据以及行业数据进行加工整理，挖掘数据之间的关联关系，找出企业内部的增值作业和非增值作业。在考虑战略目标的前提下，帮助企业尽量减少或者避免那些带来较少经济效益甚至没有经济效益的非增值作业。

（二）打通业务到财务的信息通道，实现信息资源共享。建立全面的信息化系统，从业务前端开始采集数据，确保生产经营中各环节的数据信息，及时、完整、准确地传递到财务部门，实现企业业务流、信息流、资金流和价值流同步。让财务全面深度融入业务，充分发挥财务管理的价值分析和控制职能，实现企业资源的高效配置和运用。

（三）加强对业务指标的分析，找出业务管理的薄弱环节。业务是企业的核心，财务报表是企业各项业务活动数字化的表现。因此，财务分析不仅要分析财务指标，还要对指标背后的业务情况进行全面了解。财务必须要懂业务，从业务角度观察业务的变化对企业经营状况的影响，同时，对业务分析的结果要及时反馈给业务部门，做好业务工作的服务保障，帮助业务更好的提升。

大数据时代数据分析范文第5篇

【关键词】大数据时代；城市规划；响应；以人为本

信息与通讯技术的发展引领了大数据时代的到来，大数据的概念可以简化为各种规模巨大并且无法利用手工的形式对其分析、解读、处理的大批量信息资料。大数据的运用势必会对传统城市规划方案的拟定与推行产生一定的影响，此时新的思维方式与方法应用到城市规划进程中，这是对大数据时代的响应。如何使大数据时代的实效性充分的发挥出来，这已经是城市规划工作者普遍关注的问题，本文将对其进行深入的分析与探讨[1]。

1.大数据时代在城市规划中发展的模式

1.1特征

大数据时代下各种技术能够对数据信息进行高效的处理进而使城市空间规划更具科学性，GPS等追踪定位技术的应用使规划者对城市的空间结构有更加全面、清晰的了解；大数据时代最大的特征是“大体积、大容量”，包含了城市发展的现实状况与特点，能够采集处理超大量的数据信息；

1.2发展形式

大数据时代的到来，使城市规划者积极地站在城市微观的视域下，对居民的日常生活活动进行整体的分析，从而落实城市空间规划与布局的工作任务[2]。在大数据时代背景中，城市规划者将目光放在全球定位系统、手机数据、网络日志以及公交刷卡数据等方面上，在其协助下建设出的城市规划模型更具直观性与科学性，此时的规划工作在对城市空间调整与分布时所提及到的行为方式更具规范性、合理性。

2.大数据时代中城市规划编制的响应

2.1实时化响应

在传统的城市规划工作中，先进计算设备与处理技术的缺乏降低了工作效率，且数据信息获取的周期通常是以年为单位。大数据时代的到来，使原有的城市规划状况逐渐向实时化转型，而实时化体现在数据资料收集方面的同时，也是城市规划响应的表现形式，换句话说，实时化响应是建立在大数据时代、城市规划基础之上的。此时多样化的信息通讯技术、处理技术自身的优势充分地发挥出来：这些技术提高了城市规划对数据收集、处理、分析的精准度与快捷性；使数据收集工作能够实现实时、有序的目标，并与城市规划进程同步运行。在数据库技术、计算机等现代化技术的协同配合下，城市规划者建立了高完整度的数据库，使得各类数据资料得到有序安放与保管；而对于那些近期收集到的新数据信息，相关设备对其进行筛选以后可以被直接输送到与之相匹配的数据库中储存，有助于城市规划者在最短的时间内采集到具有时效性的数据资料，以此提高城市规划模型的直观性与可靠性；

2.2多源时空数据的收集

在过去，城市规划者所获数据信息一般都是在问卷调查、统计年鉴或者是文献资料中提取出来的，数据样本容量小且不具典型性，难以在规划中体现实际参考价值。而在大数据时代导向下各种高端技术顺利的引用与应用，常见的有3S技术、云处理技术、数据挖掘技术等，这些技术的合理应用，拓宽了城市规划中数据资料来源的渠道，另外地形复杂区域时空间数据的搜集工作也不再是难题。而数据挖掘技术自身的性能又是特殊化的，能够将汇总的数据信息进行全面而深入的分析，剔除无实用价值的部分，为打造城市规划区域全景注入动力。例如，在对城市园林建设进行规划布局时，过去需要大量的人力资源去完成数据信息的采集工作，继而对其进行计算分析，而基于园林建设面积大数据处理技术的应用，海量的数据能够在极短的时间里被获取与准确的分析，这就为园林建设的科学规划布局提供了参考价值。此时的数据信息发挥了指导作用，使城市园林建设规划布局更具合理性。总之，多源时空数据参与到城市规划进程中，使城市规划、布局等工作彰显出全面性、合理性等特征。

3.大数据时代城市规划实施评价的响应

3.1静态向动态的有效转型

城市规划之所以能够从“静态、蓝图式”顺利的转型为“动态、过程式”，主要得力于相关技术的应用。在高端技术的辅助下，即使时空大数据多样化、数据信息繁杂化，但是当它们出现于城市规划方案拟定的工作中时，也不会对规划的精细度造成任何的干扰，并且还能够及时地发觉规划进程中数据信息存在遗漏、缺失等相关问题，为城市规划方案的及时调整与改进提供了辅助动力。大数据时代中城市规划在方方面面都能体现动态化的风貌，此时城市规划方案与体系的制定不再是“一次性”的，编写、规划、检验、改编、实行等环节始终处于循序运转的模式中，从而使得城市规划进程中所涉及到的各个子系统之间能够实现弹性互动的目标；

3.2以人为本的规划原则的落实与应用

在大数据时代背景中，城市规划不再以“空间为本”，而是积极地向以“以人为本”的方向转型，这主要是由于大批量数据信息的发源者为群众个体、数据更显多源化。此时大数据技术的应用，使每个居民所提供的数据得到全面而深入的分析，那么我们可以推断城市规划工作是卓有成效的。例如城市规划者参照该城市人口分布的疏密情况、土地资源使用状况等可视化信息，对公交刷卡数据、手机充值数据等基本信息的系统化进行分析，并在此基础上落实对城市规划方案的评价工作，明确城市在未来几年的发展趋势。容积率指标的应用，能够协助城市规划者快捷的完成对城市人口密集度、社会功能混合度审核与改进的工作内容，最终完成对设计效果考评的任务。

4.结束语

其实，大数据时代下，城市规划在众多方面都积极对其做出响应，提升了多维转变的可能性，例如“人工化”到“智能化”的转变、“分散化”到“协同化”的转变、“粗放化”到“精细化”的转变等。在大数据时代背景下，城市规划进程始终要坚持“以人为本”的规划原则，积极关注城市居民个体生活的品质，在先进技术的辅助下，早日落实城市规划信息化建设的伟大目标[3]，为推进我国现代化城市发展的脚步提供动力支持，同时使我国社会主义市场经济健康、平、高效地发展与运行。

参考文献：

[1]席广亮，甄峰.过程还是结果？――大数据支撑下的城市规划创新探讨[J].现代城市研究，2015.