论文部分内容阅读
摘要：在当前社会的发展中，随着计算机技术的广泛应用，导致各个领域的运营模式与管理方式均呈现出了相应的变化。各行业产生的数据类型的复杂性和多样性逐渐增加。各行业产生的海量数据给大数据处理技术带来前所未有的挑战。在大数据时代的影响下，各个领域均应大力发展计算机软件技术，提高信息处理能力，提高资源整合力度，促使企业的运营方式向着规范化、标准化趋势发展。本文探析了计算机软件技术在大数据时代的应用。
关键词：计算机软件技术；大数据时代；数据挖掘；应用
1、计算机软件技术的发展
为了提高本行业的国际竞争力，各行各业都开始致力于提高对数据储存及数据库的研发力度，由此也给众多用户带来了极大的便利。现如今，大数据已经成为各方关注的焦点，通过对其研究分析后发现，大数据就是一个可以称之为巨量资料的数据库。纵观21世纪国内外计算机软件应用技术的成果分析研究中发现，我国的计算机软件技术在国际社会中处于中上等水平，和发达国家相比还是存在着一定的差异。在这一情况下，我国各行各业都应更加努力地致力于对大数据的研究分析，这是新时代下我国计算机技术的一次巨大改革，也是大数据发展下的必然趋势。
2、基本的技术类型
2.1虚拟化技术
虚拟化技术主要是依据虚拟资源来进行管理，与此同时，会对这些大数据内部资源进行相应的优化配置。通过虚拟化技术的合理使用，可以在提升信息处理效率的同时保证用户的操作能够具备较高的灵活度。目前，虚拟技术备受研究机构及企业青睐，该技术不但能够在计算机中得以体现，在公众的日常生活中也有体现，2015年被称为是虚拟技术元年。在大数据中融入虚拟技术，可以提升虚拟技术的科研高度，更重要的是通过大数据对虚拟软件功能进行完善，大大有利于虚拟技术的创新及未来发展。
2.2云储存技术
现阶段云储存技术的使用十分广泛，该技术打破了时空界限，只要用户能够将网络终端设备连接至网络，就可以随时对云储存中的内容进行查阅、下载，这是传统储存方式根本做不到的。云存储作为一个由多个储存单位构成的整体，它可以集结多种功能完成协同工作，进而完成资料的存储。
2.3数据挖掘技术
数据挖掘是指从数据库的大量数据中揭示出隐含的、未知的并有潜在价值的信息的非平凡过程。数据挖掘是数据库知识发现中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。其主要步骤有：（1）数据准备；（2）数据预处理；（3）数据挖掘；（4）解释和验证挖掘结果。数据挖掘前期需要大量的准备工作与规划工作，事实上许多数据挖掘方面的专家都认为在整个数据挖掘的过程中，数据预处理阶段会消耗数据挖掘工程师八成的时间和精力，其中包括数据的净化、数据格式转换、变量整合，以及数据表的链接等环节。
3、计算机软件技术在大数据时代的应用
3.1信息通信
随着IBMSPSS预测分析软件的广泛应用，能够有效减少客流量的流失，不仅可以凭借软件而判断客户的各项行为，同时也能够找寻出在运营管理的过程中所潜在的问题，并对其进行及时解决，进而洞悉客户的行为，达到预留客户的目的。本文在研究的过程中以通讯行业为案例，电信工作人员能够应用计算机软件技术而了解海量客户的数据信息，并对客户的行为进行分析，之后销售至其他企业，产生更多的经济利益。结合当前的发展形势进行考虑，移动公司利用大数据技术，可以对客户实行全面监控与追踪，进而掌握客户的资料信息，最终采用相应的手段迅速将资料传递给负责人。
3.2商业运营
笔者以动物园运营为例来探讨商业运营。动物管理人员通过使用即时功能平台可以即时了解访问游客及商务信息，从而便于管理人员对动物园运营情况进行全面掌控。因此，通过计算机软件技术的合理使用，可以推动商业经济的发展，保证企业能够在激烈的社会竞争中占据一席之地。
3.3企业信息解决方案
企业信息管理软件主要应用于解决欺诈侦测、雇员流动、客户资料获取与保护、网络销售、风险分析以及企业破产预测等方面。就大数据时代的企业挖掘的特征来看，给企业探索出了新的方法SEMMA方法论。而企业在SAS/EM的环境下，可以将数据挖掘过程分成五个部分：
（1）抽样
针对这一环节而言，则是产品在运营生产的过程中对数据信息进行抽样选择，例如验证集等。通常情况下来看，在选择样本容量时，我们可对其作出相应的定位，样本应具有一定的代表性意义，信息量充足，方便进行分析与应用。
（2）开发、探索
开发及探索主要是指工作人员通过采用异常值、关联性及趋势性的方式来对数据进行分析，以此来提高人们对于数据的认知程度。在开发及探索环节若是合理使用计算机软件可以提升开发、探索的工作效率。该过程涉及的工具往往有统计报告、变量选择、变量聚类等。
（3）修改、更改。
以模型选择为日标，可以使人们通过创建、选择以及选择转换变量的方法来修改相应的数据集。此步骤所用的工具应该有：变量转换、缺失处理以及对产品的编码进行重组与分析，然后再对相应的数据进行分箱。
（4）模型
通过使用模型相关技术可以对结果的准确性及可靠性进行保证。该步骤在企业决策中占据着十分重要的地位，因为其可以在保证产品质量的同时，促使企业获得更大的经济效益。模型这个步骤所使用的工具及技术有决策权、网络资源、线性及逻辑回归，等等。
（5）评估、估价
通常情况下来看，在进行该项操作时，首先应对模型进行对比，并且运算出全新的拟合统计量，在此之后则让相关的工作人员对此进行研究，对所产生的运营方案进行测试，最终形成报告文件。
4、结束语
随着互联网技术和计算机技术的快速发展，各行各业产生了大量数据。以数据挖掘为代表的大数据处理技术，在海量数据分析中作用举足轻重，通过数据分析得到对决策者有用的信息。在大数据时代对计算机软件技术进行科学合理的利用，可以降低运行成本、提升信息处理的效率。
参考文献：
[1]计算机软件技术的开发与应用[J].胡依凡.电子技术與软件工程.2018（04）.
[2]浅析计算机软件开发技术的应用及未来发展趋势[J].孙嘉鸣.农家参谋.2017（23）.
[3] Han， J.， Pei， J.， & Kamber， M..Data mining： concepts and techniques. Elsevier. （2012）（15-20）.
（作者单位：天津市电子计算机研究所）
关键词：计算机软件技术；大数据时代；数据挖掘；应用
1、计算机软件技术的发展
为了提高本行业的国际竞争力，各行各业都开始致力于提高对数据储存及数据库的研发力度，由此也给众多用户带来了极大的便利。现如今，大数据已经成为各方关注的焦点，通过对其研究分析后发现，大数据就是一个可以称之为巨量资料的数据库。纵观21世纪国内外计算机软件应用技术的成果分析研究中发现，我国的计算机软件技术在国际社会中处于中上等水平，和发达国家相比还是存在着一定的差异。在这一情况下，我国各行各业都应更加努力地致力于对大数据的研究分析，这是新时代下我国计算机技术的一次巨大改革，也是大数据发展下的必然趋势。
2、基本的技术类型
2.1虚拟化技术
虚拟化技术主要是依据虚拟资源来进行管理，与此同时，会对这些大数据内部资源进行相应的优化配置。通过虚拟化技术的合理使用，可以在提升信息处理效率的同时保证用户的操作能够具备较高的灵活度。目前，虚拟技术备受研究机构及企业青睐，该技术不但能够在计算机中得以体现，在公众的日常生活中也有体现，2015年被称为是虚拟技术元年。在大数据中融入虚拟技术，可以提升虚拟技术的科研高度，更重要的是通过大数据对虚拟软件功能进行完善，大大有利于虚拟技术的创新及未来发展。
2.2云储存技术
现阶段云储存技术的使用十分广泛，该技术打破了时空界限，只要用户能够将网络终端设备连接至网络，就可以随时对云储存中的内容进行查阅、下载，这是传统储存方式根本做不到的。云存储作为一个由多个储存单位构成的整体，它可以集结多种功能完成协同工作，进而完成资料的存储。
2.3数据挖掘技术
数据挖掘是指从数据库的大量数据中揭示出隐含的、未知的并有潜在价值的信息的非平凡过程。数据挖掘是数据库知识发现中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。其主要步骤有：（1）数据准备；（2）数据预处理；（3）数据挖掘；（4）解释和验证挖掘结果。数据挖掘前期需要大量的准备工作与规划工作，事实上许多数据挖掘方面的专家都认为在整个数据挖掘的过程中，数据预处理阶段会消耗数据挖掘工程师八成的时间和精力，其中包括数据的净化、数据格式转换、变量整合，以及数据表的链接等环节。
3、计算机软件技术在大数据时代的应用
3.1信息通信
随着IBMSPSS预测分析软件的广泛应用，能够有效减少客流量的流失，不仅可以凭借软件而判断客户的各项行为，同时也能够找寻出在运营管理的过程中所潜在的问题，并对其进行及时解决，进而洞悉客户的行为，达到预留客户的目的。本文在研究的过程中以通讯行业为案例，电信工作人员能够应用计算机软件技术而了解海量客户的数据信息，并对客户的行为进行分析，之后销售至其他企业，产生更多的经济利益。结合当前的发展形势进行考虑，移动公司利用大数据技术，可以对客户实行全面监控与追踪，进而掌握客户的资料信息，最终采用相应的手段迅速将资料传递给负责人。
3.2商业运营
笔者以动物园运营为例来探讨商业运营。动物管理人员通过使用即时功能平台可以即时了解访问游客及商务信息，从而便于管理人员对动物园运营情况进行全面掌控。因此，通过计算机软件技术的合理使用，可以推动商业经济的发展，保证企业能够在激烈的社会竞争中占据一席之地。
3.3企业信息解决方案
企业信息管理软件主要应用于解决欺诈侦测、雇员流动、客户资料获取与保护、网络销售、风险分析以及企业破产预测等方面。就大数据时代的企业挖掘的特征来看，给企业探索出了新的方法SEMMA方法论。而企业在SAS/EM的环境下，可以将数据挖掘过程分成五个部分：
（1）抽样
针对这一环节而言，则是产品在运营生产的过程中对数据信息进行抽样选择，例如验证集等。通常情况下来看，在选择样本容量时，我们可对其作出相应的定位，样本应具有一定的代表性意义，信息量充足，方便进行分析与应用。
（2）开发、探索
开发及探索主要是指工作人员通过采用异常值、关联性及趋势性的方式来对数据进行分析，以此来提高人们对于数据的认知程度。在开发及探索环节若是合理使用计算机软件可以提升开发、探索的工作效率。该过程涉及的工具往往有统计报告、变量选择、变量聚类等。
（3）修改、更改。
以模型选择为日标，可以使人们通过创建、选择以及选择转换变量的方法来修改相应的数据集。此步骤所用的工具应该有：变量转换、缺失处理以及对产品的编码进行重组与分析，然后再对相应的数据进行分箱。
（4）模型
通过使用模型相关技术可以对结果的准确性及可靠性进行保证。该步骤在企业决策中占据着十分重要的地位，因为其可以在保证产品质量的同时，促使企业获得更大的经济效益。模型这个步骤所使用的工具及技术有决策权、网络资源、线性及逻辑回归，等等。
（5）评估、估价
通常情况下来看，在进行该项操作时，首先应对模型进行对比，并且运算出全新的拟合统计量，在此之后则让相关的工作人员对此进行研究，对所产生的运营方案进行测试，最终形成报告文件。
4、结束语
随着互联网技术和计算机技术的快速发展，各行各业产生了大量数据。以数据挖掘为代表的大数据处理技术，在海量数据分析中作用举足轻重，通过数据分析得到对决策者有用的信息。在大数据时代对计算机软件技术进行科学合理的利用，可以降低运行成本、提升信息处理的效率。
参考文献：
[1]计算机软件技术的开发与应用[J].胡依凡.电子技术與软件工程.2018（04）.
[2]浅析计算机软件开发技术的应用及未来发展趋势[J].孙嘉鸣.农家参谋.2017（23）.
[3] Han， J.， Pei， J.， & Kamber， M..Data mining： concepts and techniques. Elsevier. （2012）（15-20）.
（作者单位：天津市电子计算机研究所）