软考高级信息系统项目管理师上午考试科目为综合知识，考试时间安排在上午9:00-11:30，信息系统项目管理师综合知识科目考试知识点如下：
1信息化和信息系统；
11 信息系统及其技术和开发方法；
111 信息系统基础；
信息和信息系统的含义、特征或属性；
信息系统的目标和构成；
信息系统生命周期模型；
112 信息系统的设计和开发方法；
113 常规信息系统集成技术；
计算机网络技术（标准与协议、网络设备、网络接入、网络设计与规划、性能指标）；
服务器技术（体系结构、性能指标）；
存储技术；
数据库技术（数据库管理体系、数据仓库）；
中间件技术；
高可用性和高可靠性的规划与设计；
114 软件工程；
软件工程及其生命周期；
软件架构（定义、模式、分析与评估）；
面向对象的分析、设计与开发；
软件工程的过程管理；
软件配置管理；
软件的质量管理及其评估；
软件测试及其评估；
软件集成技术与管理；
115 新一代信息技术；
物联网；
云计算；
大数据；
移动互联；
大型信息系统；
12 信息系统安全技术；
121 信息安全基础；
信息安全的有关概念；
信息加密、解密与常用算法 122 信息系统安全；
常用信息系统安全管理的技术、设备、设施、工具和方法；
13 信息化发展与应用；
131 信息化发展与应用的新特点；
132 信息化发展战略；
区域信息化；
领域信息化；
133 电子政务；
134 电子商务；
135 工业和信息化的融合；
136 智慧化；
14 信息系统服务管理；
141 信息系统服务业及发展；
142 信息系统工程监理的概念和发展；
143 信息系统运行维护的概念和发展；
144 信息技术服务管理的标准和框架；
15 信息系统规划；
151 大型信息系统；
152 信息系统的规划流程；
153 信息系统的规划工具；
16 企业首席信息官及其职责；
2信息系统项目管理基础；
21 项目管理的理论基础与体系；
211 项目管理基础；
212 项目管理知识体系的构成；
213IPMP/PMP®；
214PRINCE2®；
定义与结构；
原则；
主题；
流程；
工具；
215 项目管理成熟度模型；
216 项目管理的量化；
22 组织结构对项目的影响；
23 信息系统项目典型生命周期模型；
瀑布模型；
V 模型；
原型化模型；
螺旋模型；
迭代模型；
敏捷开发模型；
24 单个项目的管理过程；
3立项管理；
31 立项管理内容；
32 可行性研究；
33 项目评估与论证；
4项目整体管理；
41 项目整体管理的含义、作用；
42 项目整体管理过程；
421 制订项目章程；
422 编制项目管理计划；
423 指导与管理项目工作；
424 监控项目工作；
425 项目整体变更控制；
426 结束项目或阶段；
43 项目整体管理的技术和工具；
5项目范围管理；
51 项目范围管理的含义和作用；
52 项目范围管理过程；
521 规划范围管理；
522 收集需求；
523 定义范围；
524 创建工作分解结构 WBS；
525 确认范围；
526 控制范围；
53 项目范围管理的技术和工具；
6项目进度管理；
61 项目进度管理的含义和作用；
62 项目进度管理过程；
621 规划进度管理；
622 定义活动；
623 排列活动顺序；
624 估算活动资源；
625 估算活动持续时间；
626 制订进度计划；
627 控制进度；
63 项目进度管理的技术和工具；
7项目成本管理；
71 项目成本和成本管理基础；
72 项目成本管理过程；
721 规划成本管理；
722 估算成本；
723 制订预算；
724 控制成本；
73 项目成本管理的技术和工具；
8项目质量管理；
81 质量管理基础；
82 项目质量管理过程；
821 规划质量管理；
822 实施质量保证；
823 控制质量；
83 项目质量管理的技术和工具；
9项目人力资源管理；
91 项目人力资源管理基础；
92 项目人力资源管理过程；
921 规划人力资源管理；
922 组建项目团队；
923 建设项目团队；
924 管理项目团队；
93 项目人力资源管理的技术和工具；
10项目沟通管理和干系人管理；
101 项目沟通管理基础；
102 项目沟通管理过程；
1021 规划沟通管理；
1022 管理沟通；
1023 控制沟通；
103 项目沟通管理的技术和工具；
104 项目干系人管理基础；
105 项目干系人管理过程；
1051 识别干系人；
1052 规划干系人管理；
1053 管理干系人参与；
1054 控制干系人参与；
106 项目干系人管理的技术和工具；
11项目风险管理；
111 风险和项目风险管理基础；
112 项目风险管理过程；
1121 规划风险管理；
1122 识别风险；
1123 实施定性风险分析；
1124 实施定量风险分析；
1125 规划风险应对；
1126 监控风险；
113 项目风险管理的技术和工具；
12项目采购管理；
121 采购管理基础；
122 采购管理过程；
1221 规划采购管理；
1222 实施采购；
1223 控制采购；
1224 结束采购；
123 采购管理的技术和工具；
124 招投标方法和程序；
13项目合同管理；
131 合同管理基础；
132 合同管理过程；
1321 合同签订；
1322 合同履行；
1323 合同管理；
档案管理；
索赔管理；
违约管理；
1324 合同收尾；
133 合同管理的技术和工具；
14信息文档管理、配置管理与知识管理；
141 信息系统项目相关信息文档及其管理；
142 配置管理基础；
143 知识管理基础；
15项目变更管理；
151 变更管理角色职责；
152 变更管理工作程序；
153 项目变更管理与其他管理要素之间的关系；
16战略管理；
161 组织战略管理；
1611 战略与战略管理；
1612 组织战略的主要内容；
1613 战略实施过程分解；
1614 战略监控；
1615 战略评价；
162 组织战略的类型和层次；
1621 组织战略类型；
1622 组织战略层次；
1623 组织战略目标分解；
1624 组织战略与项目管理；
17组织级项目管理；
171 组织级项目管理概述；
172 组织级项目管理的内容；
173 组织级项目过程管理；
174 组织级项目管理成熟度模型；
175 组织级项目管理流程体系设计；
176 组织级项目管理信息系统（PMIS）；
18流程管理；
181 流程管理基础；
182 流程分析、设计、实施与评估；
183 流程重构与改进；
184 项目管理流程的管理和优化；
19项目集（大型项目）管理；
191 项目集管理基础；
1911 项目集管理标准；
1912 项目集相关角色界定；
1913 项目集经理的角色及其具有的知识和技能；
192 项目集与战略一致性；
1921 项目集与组织战略的一致性；
项目集商业论证；
项目集计划；
1922 项目集线路图；
1923 环境评估；
事业环境因素；
环境分析；
193 项目集生命周期和收益管理；
1931 项目集生命周期；
项目集定义阶段；
项目集收益交付阶段；
项目集收尾阶段；
1932 项目集收益管理；
项目集收益识别；
项目集收益分析与规划；
项目集交付；
交付项目集收益；
项目集收益维持；
194 项目集干系人管理；
1941 项目集干系人识别；
1942 编制项目集干系人管理计划；
1943 管理项目集干系人；
1944 监控项目干系人；
195 项目集治理；
1951 项目集治理委员会及其责任；
项目集治理与组织愿景；
项目集的批准、签署和启动；
项目集筹资；
建立项目集治理计划；
沟通与签署项目集成功标准；
批准项目集方法与计划；
项目集绩效支持；
项目集报告与控制；
项目集组件启动移交和收尾；
1952 项目集组件治理与其他支持活动；
项目集组件治理；
项目集信息系统；
项目集知识管理；
项目集管理审计支持；
196 项目集管理支持过程；
1961 项目集整合管理；
1962 项目集沟通管理；
1963 项目集财务管理；
1964 项目集采购管理；
1965 项目集质量管理；
1966 项目集范围管理；
1967 项目集资源管理；
1968 项目集风险管理；
1969 项目集进度管理；
20项目组合管理；
201 项目组合管理基础；
2011 项目组合管理概念；
项目组合管理和组织治理的关系；
项目组合管理模块；
项目组合管理办公室和组合经理角色；
项目组合管理过程周期；
2012 项目组合管理过程组；
定义过程组；
调整过程组；
授权与控制过程组；
2013 项目组合管理过程的相互作用；
常见的输入和输出；
贯穿项目组合过程的关键可交付成果；
202 项目组合治理管理；
2021 制订项目组合管理计划；
2022 定义项目组合；
2023 优化项目组合；
2024 授权项目组合；
2025 规定项目组合监督；
203 项目组合绩效管理；
2031 制订项目组合绩效管理计划；
2032 管理供应与需求；
2033 管理项目组合价值；
204 项目组合风险管理；
2041 制订项目组合风险管理计划；
2042 管理项目组合风险；
21项目管理办公室；
211 组成、只能和类别；
212 项目管理师在组织级 PNO 中的职责；
213 组织级项目管理办公室；
214 项目集和项目集管理办公室；
22信息系统安全管理；
221 信息系统安全策略；
2211 信息系统安全策略的概念与内容；
2212 建立安全策略需要处理好的关系；
2213 信息系统安全策略设计原则；
2214 信息安全等级保护；
222 信息安全系统工程；
2221 信息安全系统工程概述；
2222 信息安全系统；
2223 信息安全系统架构体系；
2224 信息安全系统工程基础；
2225 信息安全系统工程体系结构；
ISSE-CMM 基础；
ISSE 过程；
ISSE 体系结构；
223PKI 公开密钥基础设施；
2231 公钥基础设施（PKI）；
2232 数字证书及其生命周期；
2233 新人模型；
2234 应用模式；
224PMI 权限（授权）管理基础；
2241 PMI 权限（授权）管理基础设施；
2242 PMI 与 PKI 的区别；
2243 属性证书定义；
2244 访问控制；
2245 PMI 支撑体系；
2246 PMI 实施；
225 信息安全审计；
2251 安全升级概念；
2252 建立安全审计系统；
基于入侵监测预警系统的网络与主机信息监测审计；
重要应用系统运行情况审计 2253 分布式审计系统；
23知识管理；
231 知识和知识管理概念；
232 知识管理常用的方法和工具；
233 知识产权保护；
24法律法规和标准规范；
241 法律；
2411 合同法；
2412 招投标法；
2413著作权法；
2414政府采购法；
242标准；
2421基础标准；
信息技术软件工程术语 GB/T 11457-2006；
信息处理 数据流程图、程序流程图、系统流程图、程序网络图和系统资源图的文件编辑符号及约定 GB/T 1526-1989；
信息处理系统 计算机系统配置图符号及约定 GB/T 14085-1993；
软件工程 软件工程知识体系指南 GB/Z 31102-2014；
2422生存周期管理标准；
信息技术 软件生存周期过程 GB/T 8566-2007；
系统工程 系统生存周期过程 GB/T 22032-2008；
系统与软件工程 软件工程环境服务 GB/T 30972-2014；
计算机软件可靠性和可维护性管理 GB/T 14394-2008 2423 文档化标准；
系统与软件工程 用户文档的管理者要求 GB/T 16680-2015；
计算机软件文档编制规范 GB/T 8567-2006；
计算机软件需求规格说明规范 GB/T 9385-2008；
计算机软件测试文件编制规范 GB/T 9386-2008；
2424质量与测试标准；
软件工程 产品评价 第 1 部分：概述 GB/T 189051-2002；
软件工程 产品评价 第 2 部分：策划和管理 GB/T 189052-2002；
软件工程 产品评价 第 3 部分：开发者用的过程 GB/T 189053-2002；
软件工程 产品评价 第 4 部分：需方用的过程 GB/T 189054-2002；
软件工程 产品评价 第 5 部分：评价者用的过程 GB/T 189055-2002；
软件工程 产品评价 第 6 部分：评价模块的文档编制 GB/T 189056-2002；
软件工程 产品质量 第 2 部分：外部度量 GB/T 162602-2006；
软件工程 产品质量 第 3 部分：内部度量 GB/T 162603-2006；
软件工程 产品质量 第 4 部分：使用质量的度量 GB/T 162604-2006；
25管理科学基础知识；
251数学建模基础知识；
252数据分析处理基础知识；
253运筹学基本方法；
254数学在经济管理中的应用；
255系统管理基础知识；
26专业英语；
261具有高级工程师所要求的英语阅读水平；
262掌握本领域的英语词汇；
27信息系统项目管理师职业道德规范。
温馨提示：因考试政策、内容不断变化与调整，猎考网提供的以上信息仅供参考，如有异议，请考生以权威部门公布的内容为准！
下方免费复习资料内容介绍：2018上半年信息系统项目管理师上午真题（汇总）
格式：PDF大小：1956KB 2022年数据库系统工程师考前几页纸
格式：PDF大小：4411KB
资格考试有疑问、不知道如何总结考点内容、不清楚报考考试当地政策，点击底部咨询猎考网，免费领取复习资料物联网是通过传感器和物联化、互联化、智能化的网络相连接以全面感知、可靠传送和智能处理，将人、物品和网络全面连接。对于低成本可控的技术整合，通过全面的数据收集联网、分析和优化，更好的支撑和管理一个城市或者一个区域。在我国的战略性新兴产业中，包括物联网在内的新一代信息技术产业具有资源消耗少、环境影响少等广泛特点，呈现出迅速发展的势头。据测算，随着以智能服务为核心的智能交通、智能电网、智能医疗、智能家居、智能工业等物联网重点应用的局部展开，到2020年中国物联网产能市值将达到2万亿以上，物联网产业的发展对加快转变我国经济发展方式的转变、建设智能城市，推动产业结构战略性调整，增强我国自我创新能力、提升社会和公共服务能力具有重要的意义。物联网的概念是在1999年提出的。物联网的英文名称叫“The Internet of things”，顾名思义，简而言之，物联网就是“物物相连的互联网”。这有两层意思：第一，物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络；第二，其用户端延伸和扩展到了任何物品与物品之间，进行信息交换和通讯。严格而言，物联网的定义是：通过射频识别（RFID）、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定的协议，把任何物品与互联网连接起来，进行信息交换和通讯，以实现智能化识别、定位、跟踪、监控和管理的一种网络。
物联网中非常重要的技术是RFID电子标签技术。以简单RFID系统为基础，结合已有的网络技术、数据库技术、中间件技术等，构筑一个由大量联网的阅读器和无数移动的标签组成的，比Internet更为庞大的物联网成为RFID技术发展的趋势。物联网用途广泛，遍及智能交通、环境保护、政府工作、公共安全、平安家居、智能消防、工业监测、老人护理、个人健康等多个领域。预计物联网是继计算机、互联网与移动通信网之后的又一次信息产业浪潮。有专家预测１０年内物联网就可能大规模普及，这一技术将会发展成为一个上万亿元规模的高科技市场。
国际电信联盟2005年一份报告曾描绘“物联网”时代的图景：当司机出现 *** 作失误时汽车会自动报警；公文包会提醒主人忘带了什么东西；衣服会“告诉”洗衣机对颜色和水温的要求等等。
物联网把新一代IT技术充分运用在各行各业之中，具体地说，就是把感应器嵌入和装备到电网、铁路、桥梁、隧道、公路、建筑、供水系统、大坝、油气管道等各种物体中，然后将“物联网”与现有的互联网整合起来，实现人类社会与物理系统的整合，在这个整合的网络当中，存在能力超级强大的中心计算机群，能够对整合网络内的人员、机器、设备和基础设施实施实时的管理和控制，在此基础上，人类可以以更加精细和动态的方式管理生产和生活，达到“智慧”状态，提高资源利用率和生产力水平，改善人与自然间的关系。
物联网是利用无所不在的网络技术建立起来的，是继计算机、互联网与移动通信网之后的又一次信息产业浪潮，是一个全新的技术领域。早在1999年，在美国召开的移动计算和网络国际会议就提出，“传感网是下一个世纪人类面临的又一个发展机遇”；2003年，美国《技术评论》提出传感网络技术将是未来改变人们生活的十大技术之首；2005年，在突尼斯举行的信息社会世界峰会（WSIS）上，国际电信联盟（ITU）发布了《ITU互联网报告2005：物联网》，正式提出了“物联网”的概念。
毫无疑问，如果“物联网”时代来临，人们的日常生活将发生翻天覆地的变化。然而，不谈什么隐私权和辐射问题，单把所有物品都植入识别芯片这一点现在看来还不太现实。人们正走向“物联网”时代，但这个过程可能需要很长很长的时间。1、标准：通讯标准不统一，万物互联必须要解决
2、人才：真正跨界的人才很少，摸索时间太长，即便建成漏洞也是很多。
3、设备：或是产品，出厂通讯标准、接口不统一
4、技术：物联网涉及很多核心的技术目前还在探索或简易应用，深度完全不够
5、安全：物联网的基础是安全，通讯安全、数据安全、系统稳定等均需要考虑
6、其他：未知风险 大数据泛指巨量的数据集，因可从中挖掘出有价值的信息而受到重视。《华尔街日报》将大数据时代、智能化生产和无线网络革命称为引领未来繁荣的三大技术变革。麦肯锡公司的报告指出数据是一种生产资料，大数据是下一个创新、竞争、生产力提高的前沿。世界经济论坛的报告认定大数据为新财富，价值堪比石油。因此，发达国家纷纷将开发利用大数据作为夺取新一轮竞争制高点的重要抓手。
大数据时代的来临
互联网特别是移动互联网的发展，加快了信息化向社会经济各方面、大众日常生活的渗透。有资料显示，1998年全球网民平均每月使用流量是1MB（兆字节），2000年是10MB，2003年是100MB，2008年是1GB（1GB等于1024MB），2014年将是10GB。全网流量累计达到1EB（即10亿GB或1000PB）的时间在2001年是一年，在2004年是一个月，在2007年是一周，而2013年仅需一天，即一天产生的信息量可刻满188亿张DVD光盘。我国网民数居世界之首，每天产生的数据量也位于世界前列。淘宝网站每天有超过数千万笔交易，单日数据产生量超过50TB（1TB等于1000GB），存储量40PB(1PB等于1000TB)。百度公司目前数据总量接近1000PB，存储网页数量接近1万亿页，每天大约要处理60亿次搜索请求，几十PB数据。一个8Mbps（兆比特每秒）的摄像头一小时能产生36GB数据，一个城市若安装几十万个交通和安防摄像头，每月产生的数据量将达几十PB。医院也是数据产生集中的地方。现在，一个病人的CT影像数据量达几十GB，而全国每年门诊人数以数十亿计，并且他们的信息需要长时间保存。总之，大数据存在于各行各业，一个大数据时代正在到来。
信息爆炸不自今日起，但近年来人们更加感受到大数据的来势迅猛。一方面，网民数量不断增加，另一方面，以物联网和家电为代表的联网设备数量增长更快。2007年全球有5亿个设备联网，人均01个；2013年全球将有500亿个设备联网，人均70个。随着宽带化的发展，人均网络接入带宽和流量也迅速提升。全球新产生数据年增40%，即信息总量每两年就可以翻番，这一趋势还将持续。目前，单一数据集容量超过几十TB甚至数PB已不罕见，其规模大到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。
数据规模越大，处理的难度也越大，但对其进行挖掘可能得到的价值更大，这就是大数据热的原因。首先，大数据反映舆情和民意。网民在网上产生的海量数据，记录着他们的思想、行为乃至情感，这是信息时代现实社会与网络空间深度融合的产物，蕴含着丰富的内涵和很多规律性信息。根据中国互联网络信息中心统计，2012年底我国网民数为564亿，手机网民为42亿，通过分析相关数据，可以了解大众需求、诉求和意见。其次，企业和政府的信息系统每天源源不断产生大量数据。根据赛门铁克公司的调研报告，全球企业的信息存储总量已达22ZB（1ZB等于1000EB），年增67％。医院、学校和银行等也都会收集和存储大量信息。政府可以部署传感器等感知单元，收集环境和社会管理所需的信息。2011年，英国《自然》杂志曾出版专刊指出，倘若能够更有效地组织和使用大数据，人类将得到更多的机会发挥科学技术对社会发展的巨大推动作用。
大数据应用的领域
大数据技术可运用到各行各业。宏观经济方面，IBM日本公司建立经济指标预测系统，从互联网新闻中搜索影响制造业的480项经济数据，计算采购经理人指数的预测值。印第安纳大学利用谷歌公司提供的心情分析工具，从近千万条网民留言中归纳出六种心情，进而对道琼斯工业指数的变化进行预测，准确率达到87%。制造业方面，华尔街对冲基金依据购物网站的顾客评论，分析企业产品销售状况；一些企业利用大数据分析实现对采购和合理库存量的管理，通过分析网上数据了解客户需求、掌握市场动向。有资料显示，全球零售商因盲目进货导致的销售损失每年达1000亿美元，这方面的数据分析大有作为。
在农业领域，硅谷有个气候公司，从美国气象局等数据库中获得几十年的天气数据，将各地降雨、气温、土壤状况与历年农作物产量的相关度做成精密图表，预测农场来年产量，向农户出售个性化保险。在商业领域，沃尔玛公司通过分析销售数据，了解顾客购物习惯，得出适合搭配在一起出售的商品，还可从中细分顾客群体，提供个性化服务。在金融领域，华尔街“德温特资本市场”公司分析34亿微博账户留言，判断民众情绪，依据人们高兴时买股票、焦虑时抛售股票的规律，决定公司股票的买入或卖出。阿里公司根据在淘宝网上中小企业的交易状况筛选出财务健康和讲究诚信的企业，对他们发放无需担保的贷款。目前已放贷300多亿元，坏账率仅03%。
在医疗保健领域，“谷歌流感趋势”项目依据网民搜索内容分析全球范围内流感等病疫传播状况，与美国疾病控制和预防中心提供的报告对比，追踪疾病的精确率达到97%。社交网络为许多慢性病患者提供临床症状交流和诊治经验分享平台，医生借此可获得在医院通常得不到的临床效果统计数据。基于对人体基因的大数据分析，可以实现对症下药的个性化治疗。在社会安全管理领域，通过对手机数据的挖掘，可以分析实时动态的流动人口来源、出行，实时交通客流信息及拥堵情况。利用短信、微博、微信和搜索引擎，可以收集热点事件，挖掘舆情，还可以追踪造谣信息的源头。美国麻省理工学院通过对十万多人手机的通话、短信和空间位置等信息进行处理，提取人们行为的时空规律性，进行犯罪预测。在科学研究领域，基于密集数据分析的科学发现成为继实验科学、理论科学和计算科学之后的第四个范例，基于大数据分析的材料基因组学和合成生物学等正在兴起。
麦肯锡公司2011年报告推测，如果把大数据用于美国的医疗保健，一年产生潜在价值3000亿美元，用于欧洲的公共管理可获得年度潜在价值2500亿欧元；服务提供商利用个人位置数据可获得潜在的消费者年度盈余6000亿美元；利用大数据分析，零售商可增加运营利润60%，制造业设备装配成本会减少50%。
大数据技术的挑战和启示
目前，大数据技术的运用仍存在一些困难与挑战，体现在大数据挖掘的四个环节中。首先在数据收集方面。要对来自网络包括物联网和机构信息系统的数据附上时空标志，去伪存真，尽可能收集异源甚至是异构的数据，必要时还可与历史数据对照，多角度验证数据的全面性和可信性。其次是数据存储。要达到低成本、低能耗、高可靠性目标，通常要用到冗余配置、分布化和云计算技术，在存储时要按照一定规则对数据进行分类，通过过滤和去重，减少存储量，同时加入便于日后检索的标签。第三是数据处理。有些行业的数据涉及上百个参数，其复杂性不仅体现在数据样本本身，更体现在多源异构、多实体和多空间之间的交互动态性，难以用传统的方法描述与度量，处理的复杂度很大，需要将高维图像等多媒体数据降维后度量与处理，利用上下文关联进行语义分析，从大量动态而且可能是模棱两可的数据中综合信息，并导出可理解的内容。第四是结果的可视化呈现，使结果更直观以便于洞察。目前，尽管计算机智能化有了很大进步，但还只能针对小规模、有结构或类结构的数据进行分析，谈不上深层次的数据挖掘，现有的数据挖掘算法在不同行业中难以通用。
大数据技术的运用前景是十分光明的。当前，我国正处在全面建成小康社会征程中，工业化、信息化、城镇化、农业现代化任务很重，建设下一代信息基础设施，发展现代信息技术产业体系，健全信息安全保障体系，推进信息网络技术广泛运用，是实现四化同步发展的保证。大数据分析对我们深刻领会世情和国情，把握规律，实现科学发展，做出科学决策具有重要意义，我们必须重新认识数据的重要价值。
为了开发大数据这一金矿，我们要做的工作还很多。首先，大数据分析需要有大数据的技术与产品支持。发达国家一些信息技术（IT）企业已提前发力，通过加大开发力度和兼并等多种手段，努力向成为大数据解决方案提供商转型。国外一些企业打出免费承接大数据分析的招牌，既是为了练兵，也是为了获取情报。过分依赖国外的大数据分析技术与平台，难以回避信息泄密风险。有些日常生活信息看似无关紧要，其实从中也可摸到国家经济和社会脉搏。因此，我们需要有自主可控的大数据技术与产品。美国政府2012年3月发布《大数据研究与发展倡议》，这是继1993年宣布“信息高速公路”之后又一重大科技部署，联邦政府和一些部委已安排资金用于大数据开发。我们与发达国家有不少差距，更需要国家政策支持。
中国人口居世界首位，将会成为产生数据量最多的国家，但我们对数据保存不够重视，对存储数据的利用率也不高。此外，我国一些部门和机构拥有大量数据却不愿与其他部门共享，导致信息不完整或重复投资。政府应通过体制机制改革打破数据割据与封锁，应注重公开信息，应重视数据挖掘。美国联邦政府建立统一数据开放门户网站，为社会提供信息服务并鼓励挖掘与利用。例如，提供各地天气与航班延误的关系，推动航空公司提升正点率。
大数据的挖掘与利用应当有法可依。去年底全国人大通过的加强网络信息保护的决定是一个好的开始，当前要尽快制定“信息公开法”以适应大数据时代的到来。现在很多机构和企业拥有大量客户信息。应当既鼓励面向群体、服务社会的数据挖掘，又要防止侵犯个体隐私；既提倡数据共享，又要防止数据被滥用。此外，还需要界定数据挖掘、利用的权限和范围。大数据系统本身的安全性也是值得特别关注的，要注意技术安全性和管理制度安全性并重，防止信息被损坏、篡改、泄露或被窃，保护公民和国家的信息安全。
大数据时代呼唤创新型人才。盖特纳咨询公司预测大数据将为全球带来440万个IT新岗位和上千万个非IT岗位。麦肯锡公司预测美国到2018年需要深度数据分析人才44万—49万，缺口14万—19万人；需要既熟悉本单位需求又了解大数据技术与应用的管理者150万，这方面的人才缺口更大。中国是人才大国，但能理解与应用大数据的创新人才更是稀缺资源。
大数据是新一代信息技术的集中反映，是一个应用驱动性很强的服务领域，是具有无穷潜力的新兴产业领域；目前，其标准和产业格局尚未形成，这是我国实现跨越式发展的宝贵机会。我们要从战略上重视大数据的开发利用，将它作为转变经济增长方式的有效抓手，但要注意科学规划，切忌一哄而上。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）