大数据联盟数据服务模式翟丽丽胡艳玲邢海龙科学计算机与互联网书籍 pdf下载

大数据产业的发展改变了企业管理决策的过程和方式，极了信息产业的发展和商业模式的变革。单一企业越来越难以满足用户日益增长的对大数据全面化和个性化的需求，大数据联盟为企业提供了整合数据资源、提高服务能力和层次的有效途径。本书首先阐述大数据联盟的概念并揭示联盟合作机理，在此基础上，给出大数据联盟数据资源获取、数据产品及服务定价的机制和方法，后系统介绍由数据聚合服务、数据挖掘服务、数据决策支持服务和服务组成的大数据联盟数据服务模式体系。该体系可实现按需使用、易拓展、计费灵活的大数据服务，实现不同领域的数据资源重组、关联和共享，从而为用户提供不同层次的服务。本书具有较强的逻辑性和可读性，可供企业数据管理人员、高校科研人员和相关专业研究生阅读与参考。

第1章导论

1.1大数据

1.2大数据产业及发展

1.3大数据联盟

1.4大数据联盟合作机理

参考文献

第2章大数据联盟数据资源获取

2.1大数据联盟数据资源特征和类型

2.2大数据联盟数据资源识别表示

2.3大数据联盟数据资源传输存储

参考文献

第3章大数据联盟数据产品及服务定价

3.1大数据联盟数据产品及服务定价框架

3.2大数据联盟数据产品定价方法

3.3大数据联盟数据服务定价方法

参考文献

第4章大数据联盟数据聚合服务

4.1大数据联盟数据聚合层次

4.2大数据联盟原始层级数据聚合服务

4.3大数据联盟数据聚合服务

4.4大数据联盟决策层级数据聚合服务

参考文献

第5章大数据联盟数据挖掘服务

5.1大数据联盟数据挖掘服务模式架构

5.2大数据联盟标准化数据挖掘服务

5.3大数据联盟定制化数据挖掘服务

5.4大数据联盟智能化数据挖掘服务

参考文献

第6章大数据联盟决策支持服务

6.1大数据联盟决策支持服务模式架构

6.2基于用户信息的大数据联盟决策支持服务

6.3基于不用户信息的大数据联盟决策支持服务

参考文献

第7章大数据联盟服务

7.1大数据联盟数据体系

7.2大数据联盟数据资源个

7.3大数据联盟数据资

参考文献

随着移动互联网、智能终端、云计算、物联网技术的飞速发展，大数据作为重要的生产资源和要素，正在新一轮生产力的增长和消费者盈余浪潮的到来。为了数据资源（data resource，DR）的转移、共享和利用，以满足用户对数据分析应用需求为目的的大数据服务蓬勃发展，目前消费市场已入精细化和全面化发展阶段，用户对数据服务的需求越来越无法由单或几家企业来满足。解决这一问题的根本出路是通过数据共享的方式，组建大数据联盟（bigdata alliance,BDA）。通过构建多渠道、多层次、多角度的网络式联盟，大数据产业链条中地域分散的数据提供商、数据分析商、网络运营商、应用服务提供商协同深度合作，根据市场需要灵活整合数据资源，同时可以增加信用，减少风险，降低成本而增强联盟成员的竞争力，以地为社会提供各种不同类别和不同层次的数据服务。在完成国家自然科学项目“大数据联盟云服务模式研究”等项目的基础上，本书首先明确了大数据联盟的成员组成及其相互关系，揭示了大数据联盟的形成动因和合作机理。其次，分析了大数据联盟数据资源获取要素、方式与过程，构建了数据产品及服务定价的方法策略。后，针对提高数据资源的使用效率，提供优质数据服务问题，构建了由数据聚合、数据挖掘、数据决策支持和组成的大数据联盟数据服务管理体系。

全书共分为7章。第pan>章是对大数据联行系统概述，介绍大数据产生背景、大数据产业发展历程和分布特点，界定大数据联盟的内涵、特征和成员关系，首先，从数据资源价值角度出发，对大数据联盟成员数据资行分类。其次，基于本体论构建大数据联盟数据资源三元组表示模型。后，运用本体资源描述框架(resource description framework,RDF）和Docker 技术对抽取到的数据资行转换与存储，从而实现联盟数据资源标准化存储。第3章阐述大数据联盟数据产品及服务定价。在分析数据产品及服务内涵、特征的基础上，构建了大数据联盟数据产品及服务的交易流程和定价方法体系框架。在数据产品定价方面，深入分析了大数据联盟数据产品交易特征和定价影响因素，将数据产品的折旧速率和定制化程度引入供需双方的动态效用函数中，构建了成员企业分别在单归属和部分多归属两种市场情况下的数据产品定价模型，并制定了数据产品定价策略。在数据服务定价方面，综合考虑交易双方对数据服务的感知质量台的供需信息匹配程度对贴现因子的影响，将交易双方和联台对定价结果的影响引入讨价还价中，构建了数据服务的三阶段Rubinstein讨价还价定价模型，并制定了相应的定价策略。第4章阐述了大数据联盟数据聚合服务。在深入分析数据聚合服务价值共创机理的基础上，根据大数据联盟运作流程、数据资源特点及面向服务的体系结构（service oriented architecture,SOA）理论,构建了价值共创视角下大数据联盟数据聚合服务模式框架。首先，在原始层级数据聚合服务模式方面，以用户需求为导向，构建了大数据联盟数据产品服务组合模型，并运用文化量子粒子群算法对该优化问行求解，从而获取了适合于用户个性化需求的数据产品服务组合方案。其次，在服务模式方面，综合考虑用户需求识别、标签提取、全景建模、配置交付和反馈等要素的相互作用，构建服务过程模型。后，在决策层级数据聚合服务模式方面，运用可拓理论，以决策层级数据聚合服务架构为依托，将服务模块基元依据用户的核心需行可拓变换，构建了大数据联盟可拓服务模型，以实现服务内容合并、增添、删减及扩散，从而为用户提供有针对性的决策支持服务方案。第5章阐述了大数据联盟数据挖掘服务。根据大数据联盟运作的特点，结合数据→信息→知识→智能（data to information toknowledge to intelligence,DIKI）概念模型对数据演化过行分析,将数据挖掘服务层次划分为以数据层级挖掘、挖掘和决策层级挖掘为核心的服务体系。首先，在标准化数据挖掘服务模式方面，针对数据挖掘服务的特点，在传统的跨行业数据挖掘标准流程(cross industry standard process for data mining,CRISP-DM）模型基础行扩展，提出了大数据联盟数据挖掘服务过程模型。其次，在定制化数据挖掘服务模式方面，以用户需求为导向，构建了大数据联盟数据挖掘服务组合模型，并通过对联盟成员能力矩阵的构建，运用蚁群算法对联盟成员企业能行优求解，从而构建适合于用户挖掘服务需求的服务组合方案。后，在智能化数据挖掘服务模式方面，融合智能决策理论和知识推理方法，构建可行服务重用的、快速响应的、智能化的服务模式，实现数据挖掘服务可扩展性，实现快速的、的、智能化的服务方案。第6章阐述了大数据联盟决策支持服务。运用超循环理论揭示了大数据联盟决策支持服务耦合机理，根据用户需求的特征设计了大数据联盟决策支持服务模式。基于用户信息的决策支持服务模式括用户需求描述、信息搜索和匹配、服务方案形成及交付和反馈、信息交互和的服务方式等内容。基于不用户信息的决策支持服务模式括用户需求挖掘、缺失信息补充、服务方案形成、交付和反馈、精细咨询和多重协商的服务方式等内容。第7章阐述了大数据联盟服务。

1.pan>大数据

1.1.pan>大数据产生背景

随着互联网的广泛普及，云计算、物联网、人工智能等新兴技术发展迅猛，随之而来的是源源不断产生的具有多种类型的数据。截至2020年3月，我国网民规模达9.04亿人，互联网普及率达64.5%，传感器市场规模达1678亿元。在新一代信息技术的支持下、庞大的用户量、传感器、移动终端等产生了海量数据，覆盖各行各业、体量庞大的数据中蕴含着巨大的价值，它是现代社会的一种重要的资源。国家大数据战略提出将大数据作为基础性战略资源，实施大数据发展，以推动数据资源共享开放和开发应用。在《大数据发展行动纲要》等政策文件的指引下，我国已形成了以贵州、京津冀等8个国家大数据综合试验区为，东部、中部、西部、东北4个聚集区域协同发展的格局，探索公共数据开放共享、大数据创新应用、数据中心整合利用等，我国大数据产业发展。同时，大数据是省级机构改革的一大亮点，多省设立了省级大数据管理机构，以数据汇集，打破信息孤岛，实现数据价值大化[2]。

大数据蕴含巨大的商业价值，如何有效地组织和利用大数据，已引起产业界和学术界的高度重视。众多互联网企业都纷纷投入数据资源竞争中，以滴滴快的、百度糯米、美团大众点评等为代表的企业也通过合并、补贴让利等方式扩大用户，试图占有更多的用户数据资源。目前，数据已经不仅仅被看作一种资源，它还将成为一代“基础设施和土壤”。对数据的利用，已经从单领域数据利用发展为对多领域数据的整合利用。但目前互联网企业对数据的整合还处在底层建设阶段，即将不同社会领域、不同企业和不同部门掌握的数据打碎重新聚合。今后的主要任务是将这些聚合数据一步整合，从而为更高层次、更大层面的管理提供数据服务。面对这样一种新形势，企业应该采取什么样的商业模式迎接新的竞争，这不仅是企业界应当思考的问题，也是学术界亟待解决的理论问题。

1.1.2大数据发展驱动要素

（pan>）企业——内源力。新一代大数据基础设施具有数据量大、数据来源范围广、数据结构多样化等特点。任何一家企业都无法掌握全部的数据。因此，大量地域分散的企业在各种契约和协议约束下，在数据交易和大数据产业运作中，为弥补数据资源缺口、实现优势互补而相互合作。在合作中成员企业相互依存且相互独立，以数据资源共享为纽带，共同围绕用户个性化、多样化、动态化的需求，通过多种形式实现资源优势互补，为用户提供富有创造性、将产品与服务整合在一起的服务解决方案。

（2）用户需求——拉动力。大数据市场用户需求处于爆发期，消费市场已入精细化和全面化阶段，加之互联网经济也日渐繁荣，仍有巨大的利润增长空间，目前国内市场前景十分可期。根据市场中用户的个性化需求灵活整合数据，同时可以增加信用，减少风险，降低成本而增，实现地为社会提供各种不同类别和不同层次的数据服务。

（3）政府——激励力。“十三五”期间，我国经济社会发展对数字化赋能建设提出了更高的要求，政府对大数据服务行业的支持力度。我国政府积极实施“国家大数据战略”，致力于“推动互联网、大数据、人工智能和实体经济深度融合”[3]，高度重视大数据的共享和应用。目前，基于大数据共享的数据服务活动日趋活跃，呈现出欣欣向荣的景象。

（4）技术——支撑力。以开源为、多种技术和架构并存的大数据处理技术架构体系已经初步形成，大数据技术创新取得了明显突破。的大数据处理技术为企业开展多种形式的数据利用提供了重要的支撑，使数据资源跨企业流动成为可能。

（5）数据资源势差——循环动力。企业为了弥补数据资源缺口，通过数据服台、技术标准、数据接口、数据共享协议、监管机制等不断地交互共享，共同开展数据服务活动。因此，数据资源势差使得企业之间数据共享获得循环的动力支持。

因此，企业的“数据资源缺口”是数据资源共享的内源力，这是大数据发展的重要前提条件；用户需求是关键的拉动力，企业间数据合作行为的发生，同时也决定了数据价值释放的深度；政府的激励和引导是重要的激励力，为大数据发展指明了方向；数据处理技术提供了支撑力，技术的提高为合作企业间……