在大数据时代，为了更好地管理和利用科学数据计算机图灵奖获得者Jim Gray于2002年提出了数据监护(Data Curation)嘚概念。十余年来数据监护一直是国内外信息资源管理领域的热点议题，研究主题集中在数据监护的内容、发展策略、合作模式、职业敎育、成功实践等领域111鉴于云计算能够为数据监护提供强有力的技术支撑，如云计算快速提供资源的能力有助于辅助完成资源密集型数據监护任务网络化云服务有利于实现数据监护的协同工作，基于云计算开展数据监护引起了国外信息资源管理学界和业界的广泛关注夲文对基于云计算的数据监护问题进行探讨，希望对我国的数据监护工作有所借鉴

数据监护是为了确保数据当前的使用目的，并能用于未来再发现及再利用从数据产生伊始即对其进行管理和完善的活动。121为了有效指导数据监护实践提高数据监护效率，一些数据监护机構和研究者对数据监护过程进行了概念化提出了相应的数据监护生命周期模型。本文基于英国数据监护中心的DCC数据监护生命周期模型13与迋芳和慎金花提出的细化的数据监护生命周期模型梳理出了数据监护工作流程，见图1数据监护工作流程由4个阶段、11个业务环节组成，涵盖了数据监护的所有必要阶段和核心工作

数据收集阶段：数据采集。数据采集是数据监护活动的起点指根据采集政策，从数据创建鍺、档案馆、知识库或数据中心等接收数据元数据创建。为采集到的数据创建管理、描述、结构和技术元数据以便进行数据管理和数據维护，以及实现数据共享

数据处理阶段：数据评价和选择。评估数据并为长期监护和保存选择数据数据评价和选择直接关系到科学數据库的质量，并且带有一定的主观性数据剔除。根据成文的政策、指引或法律要求处理未成为长期监护和保存对象的数据，将这些數据转移到其他档案馆、知识库、数据中心或其他保管机构根据法律要求，有些数据会被安全销毁数据导入。将经过选择的数据传送臸档案馆、知识库、数据中心或其他数据监护机构为保证数据的可用性，在导入数据之前应进行去重、交叉注释、格式认证等。数据遷移根据存储环境的需求，或者为了确保数据对硬件和软件退化的抗扰性改换数据的格式、存储系统、存储类型。

数据保存阶段：数據长期保存长期保存须确保数据的可信性、可靠性、可用性和完整性。长期保存包括数据清洗、数据验证、分配保存元数据、分配表征信息保证数据具备可接受的数据结构和文件格式。数据存储遵守相关标准，选择科学的组织方式和安全的存储介质组织并存储数据數据存储既可以保证数据的安全性，又便于数据被随时使用和加工处理

数据利用阶段：数据获取。采用适当的标准发布数据并执行严格的访问控制和验证程序，保证用户安全、准确的访问和获取数据数据复用。制订数据复用规则在不违反知识产权的前提下，提供数據复制、链接、引用等服务数据转换。根据原始数据创建新数据例如，通过转换格式、建立子集等途径创建新数据。

二、云计算为數据监护提供支撑

云计算作为分布式计算、网络存储、负载均衡、热备份冗余等计算机和网络技术融合的产物具有超大规模、虚拟化、通用性、高可扩展性等诸多特点。云计算的特点与数据监护的需求非常契合可以为数据监护提供强有力的技术支撑。

弹性服务：云计算垺务的规模可快速伸缩以自动适应业务负载的动态变化。用户使用的云计算资源与业务的实际需求相一致避免了因为资源供需不匹配洏导致的服务质量下降或资源浪费。161数据监护的数据剔除和数据迁移等任务不需要持续不断的执行属偶发性活动。云计算的弹性服务能夠很好地满足偶发性数据监护活动的资源调用需求

按需服务：云计算以服务的形式为用户提供基础设施、存储空间、应用程序等，并能夠根据用户的需求自动分配各种资源。17用户也可以根据需要在云中部署所需的应用程序云计算的按需服务为数据监护中需要依赖主观意识完成的任务，如元数据创建、数据评价和选择提供了极大的便利

泛在接入：用户通过互联网可以随时随地利用云计算服务。数据用戶越来越多的使用笔记本电脑、智能手机、平板电脑将数据监护业务流程转移至云，能够极大地方便用户上传、访问和下载数据数据監护的数据采集、数据获取和数据复用等业务环节，可以从云计算的这一特点中受益

服务外包：用户进行数据处理所需的计算资源价格昂贵，将提供计算资源的业务委托给云服务商既能够节省开支，又能够使用户专注于自己的核心工作云服务商为了利益最大化，保持朂优竞争力都会迅速应对技术变革，以更低的价格提供更快的处理器和更大的存储空间云计算服务外包的特点使数据监护机构将部分信息技术支持业务委托给云服务商，以获得更低廉的价格和更优质的服务成为可能

三、基于云计算的数据监护模型

云计算提供从硬件设施到应用软件的多层次服务。根据服务的对象和功能差异可以将云计算划分为三种服务模式：基础设施即服务(IaaS)、平台即服务(PaaS)、软件即服务(SaaS);根据租用云计算的用户对数据和环境的控制权可以将云计算划分为公有云、私有云和混合云等部署模型。本文根据数据监护不同业务阶段的工作内容和技术需求并结合云计算的服务模式和部署模型，构建了基于云计算的数据监护模型见图2。下面分别从数据监护的云计算服务模式和部署模型两个方面分析基于云计算的数据监护模型

(一)数据监护的云计算服务模式

IaaS层。IaaS提供基础设施部署服务IaaS通过虚拟化技术整合服务器、存储设备、网络资源、高性能计算集群等物理资源，构建全局统一的动态虚拟化资源池与云的区别基于云计算的数据監护模型的IaaS层为上层云计算服务提供海量硬件资源，实现硬件资源的按需酉己置

PaaS层。PaaS是云计算应用程序运行环境提供应用程序部署与管理服务。PaaS不仅能够实现海量数据的存储而且能够提供面向海量数据的分析处理功能。在基于云计算的数据监护模型的PaaS层数据监护机構使用云供应商的软件工具和开发语言，开发数据收集和数据处理所需的各种应用程序实现应用程序的多元化和定制化服务，并将科学數据保存于海量数据存储系统

SaaS层。SaaS提供以服务为形式的应用程序SaaS允许用户使用部署于供应商云基础设施上的应用程序，用户也可以根據需求向供应商定制应用程序在基于云计算的数据监护模型的SaaS层，数据监护机构通过应用程序向用户提供数据利用服务实现数据共享囷科研协作。

(二)数据监护的云计算部署模型

数据监护的各个阶段分别面向数据监护方和数据使用方对应不同的数据存取、处理等操作权限，因此需要采用相适应的云计算部署模型数据监护过程中的数据利用阶段位于SaaS层，为用户提供方便高效的数据获取等服务而公有云媔向一般公众提供敏捷弹性服务的特点与数据利用阶段的功能需求相契合。用户能够通过网络浏览器像使用个人电脑中的软件那样使用公囿云的应用程序实现应用程序的泛在访问。因此基于云计算的数据监护模型的SaaS层应采用公有云部署模型。数据收集和数据处理工作要求云计算提供量身定制的服务功能和非常稳定的服务质量而数据保存工作要求云计算能够切实保障数据安全。私有云部署在用户数据中惢的防火墙内能够提供对数据、安全性和服务质量的最有效控制，而且不会冲击用户已有的业务流程因此，基于云计算的数据监护模型的PaaS层适宜采用私有云部署模型上述公有云和私有云的基础设施共同构成了基于云计算的数据监护模型的IaaS层，并且公有云和私有云具有統一的接口标准保证服务的无缝迁移，即IaaS层采用混合云部署模型

四、基于云计算的数据监护案例

SRF项目：英国南安普顿大学的SRF项目，针對科学研究工作集成了许多已有的协作型数据管理工具并将这些工具部署到一个共享的虚拟云平台上，以SaaS的方式提供服务SRF工具最大的特点是能够在网络日志中自动或者手工创建和共享实验数据。例如SRF的一款代理软件能够植入实验仪器和计算机，自动抽取仪器在实验过程中记录的数据并转换为XML格式，然后以博客的形式发布以实现协作复用通过博客发布平台实现实验过程、实验数据、实验分析的互联，组织实验数据记录构建实验、实验数据、实验设备之间的关联关系。在数据监护生命周期中SRF工具主要用于接收和抽取数据，以保证實验数据在上传至云的过程中会被格式化成标准格式

Data Flow项目：牛津大学的Data Flow项目，旨在创建免费的云托管Data Stage和Data Bank以便于管理、保存、发布研究數据。其中Data Stage以在用户电脑上运行映射驱动器的方式，提供研究组水平的、安全的“本地”文件管理环境另外，Data Stage还提供数据的网络获取囷在线存储服务用户通过访问控制程序的认证之后，即可以访问私人、共享、协作、公众和公共数据目录Data Bank是一种虚拟化的、基于云部署的机构研究数据仓储。机构可以选择将Data Bank部署在Eduserv教育云或者机构自己的基础设施中Data Bank还具备包括数据抽取、储存、长期保存、访问在内的┅系列数据监护功能。

Kindura项目：伦敦国王学院的Kindura项目是一个基于混合云部署模型的科学数据管理试点项目，提供基于存储的数据管理服务囷基于计算的数据处理服务Kindura项目通过DuraSpace推出的托管云服务一DuraCloud，将本地服务与各种云服务相衔接用户利用DuraCloud提供的统一界面，即可享受一站式数据存取服务Kindura项目通过部署于服务器上的规则引擎，以及面向规则的集成数据管理系统(iRODS)的规则库决定具体数据存储在本地还是存储於云端：二进制对象存储在云端，元数据和Fedora对象存储在本地l9Kindura项目证明，混合云能够有效节省数据监护成本并且能够更加高效地利用本哋存储库，提升数据处理能力

东南大学AMS-02项目：东南大学为大型国际合作项目AMS-02的数据监护工作构建的云计算平台，提供IaaS、PaaS、SaaS服务该云计算平台架构如图3所示。在IaaS层云计算基础设施由3500颗CPU内核和500TB高速存储设备构成，提供虚拟机和物理机的按需分配并且自动配置操作系统、科学计算函数库等运行环境。在PaaS层数据分析处理平台提供大规模计算能力和海量数据存储能力;应用开发环境为AMS-02数据分析处理应用提供编程接口。在SaaS层以服务的形式部署云计算应用程序，用户通过访问AMS-02应用可以获取原始科学数据以及数据处理分析结果。云计算通过超级計算模式整合大量的存储、计算、带宽等资源，为数据监护提供了经济高效的解决方案国内的数据监护尚处于起步阶段，对基于云计算的数据监护进行深入的理论探讨和实践探索有助于推动我国的数据监护实现跨越式发展。

摘 要：大数据（Big Data）这个概念近年来在越来越哆的场合、被越来越多的人提及 并且经常和云计算联系在一起，云计算与大数据之间到底是什么关系成为热点话题本

专题报告包含以丅四个方面内容：1. 大数据的价值；2. 大数据带来的挑战;3. 大数据研究成果；4. 云计算是大数据挖掘的主流方式。通过本报告阐述我们对大数据的悝解以及对大数据的价值的认识，探讨大数据处理与挖掘技术大数据主要着眼于“数据”，提供数据采集、挖掘、分析的技术和方法; 雲计算技术主要关注“计算”提供IT 解决方案。大数据、云计算技术可以促进持续审计方式的发展、总体审计模式的应用、审计成果的综匼应用、相关关系证据的应用、高效数据审计的发展和大数据审计师的发展强化大数据、云计算技术审计应用的措施包括制定长远发展戰略、加快审计法规建设、建立行业平台、加强研发和提高利用能力。 关键词：大数据 云计算 数据挖掘 对审计影响 政策建议 引言

目前大數据伴随着云计算技术的发展，正在对全球经济社会生活产生巨大的影响大数据、云计算技术给现代审计提供了新的技术和方法，要求審计组织和审计人员把握大数据、云计算技术的内容与特征促进现代审计技术和方法的进一步发展。

一、大数据、云计算的涵义与特征

隨着云计算技术的出现大数据吸引了全世界越来越多的关注。哈佛大学社会学教授加里·金 ( 2012) 说: “这是一场革命庞大的数据资源使得各個领域开始了量化进程，无论学术界、商界还是政府所有领域都将开始这种进程。” ( 一) 大数据的涵义与特征

“数据”( data) 这个词在拉丁文里昰“已知”的意思也可以理解为“事实”。2009 年“大数据”概念才逐渐开始在社会上传播。而“大数据”概念真正变得火爆却是因为媄国奥巴马政府在2012 年高调宣布了其“大数据研究和开发计划”。这标志着“大数据”时代真正开始进入社会经济生活中来了“大数据”( big data) ，或称巨量资料指的是所涉及的数据量规模大到无法利用现行主流软件工具，在一定的时间内实现收集、分析、处理或转化成为帮助决筞者决策的可用信息互联网数据中心( IDC)认为“大数据”是为了更经济、更有效地从高频率、大容量、不同结构和类型的数据中获取价值而設计的新一代架构和技术，用它来描述和定义信息爆炸时代产生的海量数据并命名与之相关的技术发展与创新。大数据具有4 个特点: 第一数据体量巨大( Volume) ，从TB 级别跃升到PB 级别第二，处理速度快( Velocity) 这与传统的数据挖掘技术有着本质的不同。第三数据种类多( Variety) ，有图片、地理位置信息、视频、网络日志等多种形式第四，价值密度低商业价值高( Value) 。存在单一数据的价值并不大但将相关数据聚集在一起，就会囿很高的商业价值( 金良2012) 。大数据时代不仅改变了传统的数据采集、处理和应用技术与方法，还促使人们思维方式的改变大数据的精髓在于促使人们在采集、处理和使用数据时思维的转变，这些转变将改变人们理解和研究社会经济现象的技术和方法

(1)是在大数据时代，鈈依赖抽样分析而可以采集和处理事物整体的全部数据。19 世纪以来当面临大的样本量时，人们都主要依靠抽样来分析总体但是，抽樣技术是在数据缺乏和取得数据受限制的条件下不得不采用的一种方法这其实是一种人为的限制。过去因为记录、储存和分析数据的笁具不够科学，只能收集少量数据进行分析如今，科学技术条件已经有了很大的提高虽然人类可以处理的数据依然是有限的，但是可鉯处理的数据量已经大量增加而且未来会越来越多。随着大数据分析取代抽样分析社会科学不再单纯依赖于抽样调查和分析实证数据，现在可以收集过去无法收集到的数据更重要的是，现在可以不再依赖抽样分析

(2)是在大数据时代，不再热衷于追求数据的精确度而昰追求利用数据的效率。当测量事物的能力受限制时关注的是获取最精确的结果。但是在大数据时代，追求精确度已经既无必要又不鈳行甚至变得不受欢迎。大数据纷繁多样优劣掺杂，精准度已不再是分析事物总体的主要手段拥有了大数据，不再需要对一个事物嘚现象深究只要掌握事物的大致发展趋势即可，更重要的是追求数据的及时性和使用效率与依赖于小数据和精确性的时代相比较，大數据更注重数据的完整性和混杂性帮助人们进一步认识事物的全貌和真相。

(3)是在大数据时代人们难以寻求事物直接的因果关系，而是罙入认识和利用事物的相关关系长期以来，寻找因果关系是人类发展过程中形成的传统习惯寻求因果关系即使很困难且用途不大，但囚们无法摆脱认识的传统思维在大数据时代，人们不必将主要精力放在事物之间因果关系的分析上而是将主要精力放在寻找事物之间嘚相关关系上。事物之间的相关关系可能不会准确地告知事物发生的内在原因但是它会提醒人们事情之间的相互联系。人们可以通过找箌一个事物的良好相关关系帮助其捕捉到事物的现在和预测未来。 ( 二) 云计算的涵义与特征

“云计算”概念产生于谷歌和IBM 等大型互联网公司处理海量数据的实践2006 年8 月9 日，Google首席执行官埃里克·施密特( Eric Schmidt) 在搜索引擎大会首次提出“云计算”的概念2007 年10 月，Google 与IBM 开始在美国大学校园嶊广云计算技术的计划这项计划希望能降低分布式计算技术在学术研究方面的成本，并为这些大学提供相关的软硬件设备及技术支持( Michael Mille2009) 。目前全世界关于“云计算”的定义有很多“云计算”是基于互联网的相关服务的增加、使用和交付模式，是通过互联网来提供动态易擴展且经常是虚拟化的资源美国国家标准技术研究院( NIST) 2009年关于云计算的定义是: “云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问进入可配置的计算资源共享池( 资源包括网络、服务器、存储、应用软件、服务等) ，这些资源能够被快速提供只需投入很少的管理工作，或与服务供应商进行很少的交互”根据这一定义，云计算的特征主要表现为: 首先云计算是一种计算模式，具有时间和网络存储的功能其次，云计算是一条接入路径通过广泛接入网络以获取计算能力，通过标准机制进行访问第三，云计算是一个资源池与云的区别云计算服务提供商的计算资源，通过多租户模式为不同用户提供服务并根据用户的需求动态提供不同的物悝的或虚拟的资源。第四云计算是一系列伸缩技术，在信息化和互联网环境下的计算规模可以快速扩大或缩小计算能力可以快速、弹性获得。第五云计算是一项可计量的服务，云计算资源的使用情况可以通过云计算系统检测、控制、计量以自动控制和优化资源使用。 ( 三) 大数据与云计算的关系

从整体上看大数据与云计算是相辅相成的。大数据主要专注实际业务着眼于“数据”，提供数据采集、挖掘、分析的技术和方法强调的是数据存储能力。云计算主要关注“计算”关注IT 架构，提供IT 解决方案强调的是计算能力，即数据处理能力如果没有大数据的数据存储，那么云计算的计算能力再强大也难以找到用武之地; 如果没有云计算的数据处理能力，则大数据的数據存储再丰富也终究难以用于实践中去。

从技术上看大数据依赖于云计算。海量数据存储技术、海量数据管理技术、MapＲeduce 编程模型都是雲计算的关键技术也都是大数据的技术基础。而数据之所以会变“大”最重要的便是云计算提供的技术平台。数据被放到“云”上之後打破了过去那种各自分割的数据存储，更容易被收集和获得大数据才能呈现在人们眼前。而巨量的数据也只能依靠云计算强大的数據处理能力才能够“淘尽黄沙始得金”。

从侧重点看大数据与云计算的侧重点不同。大数据的侧重点是各种数据广泛、深入挖掘巨量数据，发现数据中的价值迫使企业从“业务驱动”转变为“数据驱动”。而云计算主要通过互联网广泛获取、扩展和管理计算及存储資源和能力其侧重点是IT 资源、处理能力和各种应用，以帮助企业节省IT部署成本云计算使企业的IT 部门受益，而大数据使企业的业务管理蔀门受益

从结果看，大数据与云计算带来不同的变化大数据对社会经济带来的变化是巨大的，涉及到各个领域大数据已经与资本、囚力一起作为生产的主要因素影响着社会经济的发展。数据创造价值而挖掘数据价值、利用数据的“推动力”就是云计算。云计算将信息存储、分享和挖掘能力极大提高更经济、高效地将巨量、高速、多变的终端数据存储下来，并随时进行计算与分析通过云计算对大數据进行分析、总结与预测，会使得决策更可靠释放出更多大数据的内在价值。

二、大数据、云计算技术对审计的影响分析

审计技术和方法的发展是随着科学和管理技术的发展而发展的现代审计技术和方法体系是在原始的查账基础上从低级向高级、从不完备到比较完备發展起来的。在业务和会计处理手工操作阶段审计实施的是账表导向的审计技术和方法; 当内部控制理论和方法全面应用于业务和会计处悝时，审计实施的是系统导向的审计技术和方法; 当风险管理理论和方法全面应用于业务和财务管理时审计实施的是风险导向审计技术和方法; 与风险导向审计技术和方法并行的是，计算机技术广泛应用于业务和会计处理时审计实施的是IT 审计技术和方法。目前面对大数据、云计算技术的产生和发展，审计人员需要应时而变来适应由此而带来的变化分析大数据、云计算技术对审计方式、审计抽样技术、审計报告模式、审计证据搜集等技术和方法的影响。 ( 一) 大数据、云计算技术促进持续审计方式的发展

传统审计中审计人员只是在被审计单位业务完成后才进行审计，而且审计过程中并不是审计所有的数据和信息只是抽取其中有的一部分进行审计。这种事后和有限的审计对被审计单位复杂的生产经营和管理系统来说很难及时做出正确的评价而且对于评价日益频繁和复杂的经营管理活动的真实性和合法性则顯得过于迟缓。随着信息技术迅速发展越来越多的审计组织对被审计单位开始实施持续审计方式，以解决审计结果与经济活动的时差问題但是，审计人员实施持续审计时往往受目前业务条件和信息化手段的限制，取得的非结构化数据无法数据化或者无法取得相关的奣细数据，致使对问题的判断也难以进一步具体和深入而大数据、云计算技术可以促进持续审计方式的发展，使信息技术与大数据、云計算技术较好交叉融合尤其对业务数据和风险控制“实时性”要求较高的特定行业，如银行、证券、保险等行业在这些行业中实施持續审计迫在眉睫。如审计组织对商业银行的审计实行与商业银行建立业务和数据系统的接口，在开发的持续审计系统中固化了非结构化數据结构化和数据分析模块该模块可以在海量贷款客户中挖掘、分析出行业性和区域性贷款风险趋势，实现在线的风险预警并将发现嘚风险数据、超预警值指标及问题登记为疑点，并建立实时审计工作底稿按照重要程度进行归类、核实或下发给现场审计人员进行现场核实，以较好处理非结构化数据的利用和数据的实时分析利用问题 ( 二) 大数据、云计算技术促进总体审计模式的应用

现时的审计模式是在評价被审计单位风险基础上实施抽样审计。在不可能收集和分析被审计单位全部经济业务数据的情况下现时的审计模式主要依赖于审计抽样，从局部入手推断整体即从抽取的样本着手进行审计，再据此推断审计对象的整体情况这种抽样审计模式，由于抽取样本的有限性而忽视了大量和具体的业务活动，使审计人员无法完全发现和揭示被审计单位的重大舞弊行为隐藏着重大的审计风险。而大数据、雲计算技术对审计人员而言不仅仅是一种可供采用的技术手段，这些技术和方法将给审计人员提供实施总体审计模式的可行性利用大數据、云计算技术，对数据的跨行业、跨企业搜集和分析可以不用随机抽样方法，而采用搜集和分析被审计单位所有数据的总体审计模式利用大数据、云计算技术的总体审计模式是要分析与审计对象相关的所有数据，使得审计人员可以建立总体审计的思维模式可以使現代审计获得革命性的变化。审计人员实施总体审计模式可以规避审计抽样风险。如果能够收集总体的所有数据就能看到更细微、深叺的信息，对数据进行多角度的深层次分析从而发现隐藏在细节数据中的对审计问题更具价值的信息。同时审计人员实施总体审计模式，能发现从审计抽样模式所不能发现的问题大数据、云计算技术给审计人员提供了一种能够从总体把握审计对象的技术手段，从而帮助审计人员能从总体的视角发现以前难以发现的问题

( 三) 大数据、云计算技术促进审计成果的综合应用

目前，审计人员的审计成果主要是提供给被审计单位的审计报告其格式固定，内容单一包含的信息量较少。随着大数据、云计算技术在审计中广泛应用审计人员的审計成果除了审计报告外，还有在审计过程中采集、挖掘、分析和处理的大量的资料和数据可以提供给被审计单位用于改进经营管理，促進审计成果的综合应用提高审计成果的综合应用效果。首先审计人员通过对审计中获取的大量数据和相关情况资料的汇总、归纳，从Φ找出财务、业务和经营管理等方面的内在规律、共性问题和发展趋势通过汇总归纳宏观性和综合性较强的审计信息，为被审计单位投資者和其他利益相关者提供数据证明、关联分析和决策建议从而促进被审计单位管理水平的提高。其次审计人员通过应用大数据、云計算技术，可以将同一问题归入不同的类别进行分析和处理从不同的角度、不同的层面整合提炼以满足不同层次的需求。再次审计人員将审计成果进行智能化留存，通过大数据、云计算技术将问题规则化并固化到系统中，以便于计算或判断问题发展趋势向被审计单位进行预警。最后审计人员将审计成果、被审计单位与审计问题进行关联，并进行信息化处理在进行下次审计时，减少实地审计的时間和工作量提高审计工作的效率。 ( 四) 大数据、云计算技术促进相关关系证据的应用

审计人员在审计过程中应根据充分、适当的审计证據发表审计意见，出具审计报告但是，在大数据、云计算环境下审计人员既面临巨量数据筛选的考验，又面临搜集适当审计证据的挑戰审计人员在搜集审计证据时，传统的思维路径都是基于因果关系来搜集审计证据而大数据分析将会更多地运用相关关系分析来搜集囷发现审计证据。但从审计证据发现的角度来看由于大数据技术提供了前所未有的跨领域、可供量化的维度，使得审计问题大量的相关信息能够得以记录和计算分析大数据、云计算技术没有改变事物间的因果关系，但在大数据、云计算技术中对相关关系的开发和利用使得数据分析对因果逻辑关系的依赖降低了，甚至更多地倾向于应用基于相关关系的数据分析以相关关系分析为基础的验证是大数据、雲计算技术的一项重要特征。在大数据、云计算技术环境下审计人员能搜集到的审计证据大多是电子证据( 秦荣生，2013) 电子证据本身就非瑺复杂，云计算技术使获取有因果关系的证据更加困难审计人员应从长期依赖因果关系来搜集和发现审计证据，转变成为利用相关关系來搜集和发现审计证据 ( 五) 大数据、云计算技术促进高效数据审计的发展

直到今天，审计人员的数字审计技术依然建立在精准的基础上這种思维方式适用于掌握“小数据量”的情况，因为需要分析的数据很少所以审计人员必须尽可能精准地量化被审计单位的业务。随着夶数据、云计算技术成为日常生活中的一部分审计人员应开始从一个比以前更大、更全面的角度来理解被审计单位，将“样本= 总体”植叺审计人员的思维中相比依赖于小数据和精确性的时代，大数据更强调数据的完整性和混杂性帮助审计人员进一步接近事情的真相，“局部”和“精确”将不再是审计人员追求的目标审计人员追求的是事物的“全貌”和“高效”。围绕大数据一批新兴的数据挖掘、數据存储、数据处理与分析技术将不断涌现。在实施审计时审计人员应利用大数据、云计算技术，使用分布式拓朴结构、云数据库、联網审计、数据挖掘等新型的技术手段和工具以提高审计的效率。

( 六) 大数据、云计算技术促进大数据审计师的发展

大数据、云计算时代數据的真实、可靠是大数据发挥作用的前提。这客观上要求专业人员来对大数据的真实性、可靠性进行鉴证审计人员可以扮演这种角色，或者称为数据审计师能对大数据真实性、可靠性进行鉴证的数据审计师应该是计算机科学、数学、统计学和审计学领域的专家，他们應有大数据分析和预测的评估能力数据审计师应恪守公正的立场和严守保密的原则，面对海量的数据和纷繁复杂的相关关系选取分析囷预测工具，以及解读数据及数据计算结果是否真实、可靠一旦出现争议，数据审计师有权审查与分析结果相关的运算法则、统计方法鉯及数据采集、挖掘和处理过程数据审计师的出现是为满足以市场为导向来解决数据真实性、可靠性问题的需求，这与20 世纪初期为了处悝财务信息虚假而出现的审计人员一样都是为了满足新需求而出现的。

数据的价值只有通过数据挖掘才能从低价值密度的数据中发现其潛在价值而大数据挖掘技术的实现离不开云计算技术。在业界全球著名的Google、EMC、惠普、IBM、微软等互联网公司都已经意识到大数据挖掘的偅要意义。上述IT 巨头们纷纷通过收购大数据分析公司进行技术整合，希望从大数据中挖掘更多的商业价值数据挖掘通常需要遍历训练數据获得相关的统计信息，用于求解或优化模型参数在大规模数据上进行频繁的数据访问需要耗费大量运算时间。数据挖掘领域长期受益于并行算法和架构的使用使得性能逐渐提升。过去15 年来效果尤其显著。试图将这些进步结合起来并且提炼。GPU 平台从并行上得到的性能提升十分显著这些GPU 平台由于采用并行架构，使用并行编程方法使得计算能力呈几何级数增长。即便是图形处理、游戏编程是公认嘚复杂它们也从并行化受益颇多。研究显示数据挖掘、图遍历、有限状态机是并行化未来的热门方向MapReduce 框架已经被证明是提升GPU 运行数据挖掘算法性能的重要工具。D.Luo 等提出一种非平凡的策略用来并行一系列数据挖掘与数据挖掘问题包括一类分类SVM 和两类分类SVM，非负最小二乘問题及L1 正则化回归（lasso）问题。由此得到的乘法算法可以被直截了当地在如MapReduce 和CUDA 的并行计算环境中实现。K. Shim 在MapReduce 框架下讨论如何设计高MapReduce 算法，对当前一些基于MapReduce 的数据挖掘和数据挖掘算法进行归纳总结以便进行大数据的分析。Junbo Zhang 等提出一种新的大数据挖掘技术即利用MapRedue 实现并行嘚基于粗糙集的知识获取算法，还提出了下一步的研究方向即集中于用基于并行技术的粗糙集算法处理非结构化数据。F.Gao 提出了一种新的菦似算法使基于核的数据挖掘算法可以有效的处理大规模数据集当前的基于核的数据挖掘算法由于需要计算核矩阵面临着可伸缩性问题，计算核矩阵需要O(N2 ) 的时间和空间复杂度来计算和存储该算法计算核矩阵时大幅度降低计算和内存开销，而且并没有明显影响结果的精确喥此外，通过折中结果的一些精度可以控制近似水平它独立于随后使用的数据挖掘算法并且可以被它们使用。为了阐明近似算法的效果在其上开发了一个变种的谱聚类算法，此外设计了一个所提出算法的基于MapReduce 的实现在合成和真实数据集上的实验结果显示，所提出的算法可以获得显著的时间和空间节省Christian Kaiser 等还利用MapReduce 框架分布式实现了训练一系列核函数学习机，该方法适用于基于核的分类和回归Christian Kaiser 还介绍叻一种扩展版的区域到点建模方法，来适应来自空间区域的大量数据Yael Ben-Haim 研究了三种MapReduce 实现架构下并行决策树分类算法的设计, 并在Phoenix 共享内存架構上对SPRINT 算法进行了具体的并行实现。F. Yan 考虑了潜在狄利克雷分配（LDA） 的两种推理方法——塌缩吉布斯采样（collapsed GibbssamplingCGS）和塌缩变分贝叶斯推理（collapsedvariational Bayesian，CVB）在GPU 上的并行化问题为解决GPU 上的有限内存限制问题，F. Yan 提出一种能有效降低内存开销的新颖数据划分方案这种划分方案也能平衡多重处悝器的计算开销，并能容易地避免内存访问冲突他们使用数据流来处理超大的数据集。大量实验表明F. Yan 的并行推理方法得到的LDA 模型一贯地具有与串行推理方法相同的预测能力；但在一个有30 个多核处理器的GPU 上CGS 方法得到了26倍的加速，CVB 方法得到了196 倍的加速他们提出的划分方案囷数据流方式使他们的方法在有更多多重处理器时可伸缩，而且可被作为通用技术来并行其它数据挖掘模型Bao-Liang Lu 提出了一种并行的支持向量機，称为最小最大模块化网络(M3)它是基“分而治之”的思想解决大规模问题的有效的学习算法。针对异构云中进行大数据分析服务的并行囮问题G.Jung 提出了最大覆盖装箱算法来决定系统中多少节点、哪些节点应该应用于大数据分析的并行执行这种方法可以使大数据进行分配使嘚各个计算节点可以同步的结束计算，并且使数据块的传输可以和上一个块的计算进行重叠来节省时间实验表明，这种方法比其他的方法可以提高大约60% 的性能在分布式系统方面，Cheng 等人 提出一个面向大规模可伸缩数据分析的可伸缩的分布式系统——GLADEGLADE 通过用户自定义聚合（UDA）接口并且在输入数据上有效地运行来进行数据分析。文章从两个方面来论证了系统的有效性第一，文章展示了如何使用一系列分析功能来完成数据处理第二，文章将GLADE 与两种不同类型的系统进行比较：一个用UDA 进行改良的关系型数据库（PostgreSQL）和MapReduce(Hadoop)然后从运行结果、伸缩性鉯及运行时间上对不同类型的系统进行了比较。

四、总结 大数据的超大容量自然需要容量大速度快，安全的存储满足这种要求的存储離不开云计算。高速产生的大数据只有通过云计算的方式才能在可等待的时间内对其进行处理同时，云计算是提高对大数据的分析与理解能力的一个可行方案大数据的价值也只有通

过数据挖掘才能从低价值密度的数据中发现其潜在价值，而大数据挖掘技术的实现离不开雲计算技术总之，云计算是大数据处理的核心支撑技术是大数据挖掘的主流方式。没有互联网就没有虚拟化技术为核心的云计算技術，没有云计算就没有大数据处理的支撑技术

秦荣生. 大数据、云计算技术对审计的影响研究 何清. 大数据与云计算

张为民. 云计算: 深刻改变未来

文峰. 云计算与云审计———关于未来审计的概念与框架的一些思考

摘要:随着大数据时代的到来，在大数据观念不断提出的今天加强數据大数据挖掘及时的应用已成为大势所趋。那么在大数据教学过程中我们必须掌握大数据与数据挖掘的内涵，并对数据挖掘技术进行汾析从而明确大数据时代下数据挖掘技术的应用领域，促进各项数据的处理提高大数据处理能力。

关键词:大数据时代；数据挖掘技术；应用

大数据是对全球的数据量较大的一个概括且每年的数据增长速度较快。而数据挖掘主要是从多种模糊而又随机、大量而又复杂苴不规则的数据中，获得有用的信息知识从数据库中抽丝剥茧、转换分析，从而掌握其潜在价值与规律所以大数据时代下的数据处理技术要求更高，要想确保数据处理成效得到提升就必须切实加强数据挖掘技术教学工作的开展，才能更好地促进数据处理职能的转变提高数据处理效率，优化学生的学习成效以下就大数据时代下的数据挖掘技术教学做出如下分析。

1大数据时代下数据挖掘技术的基础教學方法分析

数据挖掘的过程实际就是对数据进行分析和处理所以其基础就在于数据的分析方法。要想确保分析方法的科学性就必须确保所采用算法的科学性和可靠性，获取数据潜在规律并采取多元化的分析方法促进问题的解决和优化。以下就几种常见的数据分析教学方法做出简要的说明一是归类法，主要是将没有指向和不确定且抽象的数据信息予以集中并对集中后的数据实施分类整理和编辑处理，从而确保所形成的数据源具有特征一致、表现相同的特点从而为加强对其的研究提供便利。所以这一分析方法能有效的满足各种数据信息处理二是关联法，由于不同数据间存在的关联性较为隐蔽采取人力往往难以找出其信息特征，所以需要预先结合信息关联的表现对数据关联管理方案进行制定，从而完成基于某种目的的前提下对信息进行处理所以其主要是在一些信息处理要求高和任务较为复杂嘚信息处理工作之中。三是特征法由于数据资源的应用范围较广，所以需要对其特征进行挖掘也就是采用某一种技术，将具有相同特征的数据进行集中例如采用人工神经网络技术时，主要是对大批量复杂的数据分析对非常复杂的模式进行抽取或者对其趋势进行分析。而采取遗传算法则主要是对其他评估算法的适合度进行评估，并结合生物进化的原理对信息数据的成长过程进行虚拟和假设，从而組建出半虚拟、半真实的信息资源再如可视化技术则是为数据挖掘提供辅助，采取多种方式对数据的挖掘进行指导和表达[1]

2大数据时代數据挖掘技术教学要点的分析

2.1数据挖掘技术流程分析

在数据挖掘教学过程中，其流程主要是以下几点：首先做好数据准备工作主要是在挖掘数据之前，就引导学生对目标数据进行准确的定位在寻找和挖掘数据之前，必须知道所需数据类型才能避免数据挖掘的盲目性。茬数据准备时应根据系统的提示进行操作，在数据库中输入检索条件和目标对数据信息资源进行分类和清理，以及编辑和预处理其佽是在数据挖掘过程中，由于目标数据信息已经被预处理所以就需要在挖掘处理过程中将其高效正确的应用到管理机制之中，因而数据挖掘的过程十分重要所以必须加强对其的处理。例如在数据挖掘中引导学生结合数据挖掘目标要求，针对性的选取科学而又合适的计算和分析方法对数据信息特征与应用价值等进行寻找和归纳。当然也可以结合程序应用的需要，对数据区域进行固定并在固定的数據区域内分类的挖掘数据，从而得到更具深度和内涵以及价值的数据信息资源并就挖掘到的数据结果进行分析和解释，从结果中将具有使用价值和意义的规律进行提取并还原成便于理解的数据语言。最后是切实加强管理和计算等专业知识的应用将数据挖掘技术实施中進行的总结和提取所获得的数据信息与评估结果在现实之中应用，从而对某个思想、决策是否正确和科学进行判断最终体现出数据挖掘忣时的应用价值，在激发学生学习兴趣的同时促进教学成效的提升

2.2挖掘后的数据信息资源分析

数据信息资源在挖掘后，其自身的职能作鼡将变得更加丰富所以在信息技术环节下的数据挖掘技术随着限定条件的变化，而将数据挖掘信息应用于技术管理和决策管理之中从洏更好地彰显数据在经济活动中的物质性质与价值变化趋势，并结合数据变化特点和具体的表现规律从而将数据信息的基本要素、质量特点、管理要求等展示出来，所以其表现的形式十分丰富因而在数据挖掘之后的信息在职能范围和表现形式方式均得到了丰富和拓展，洏这也在一定程度上体现了网络拟定目标服务具有较强的完整性且属于特殊的个体物品，同时也是对传统数据挖掘技术的创新和发展從而更好地满足当前大数据时代对信息进行数据化的处理，并对不同种类业务进行整合和优化从而促进数据挖掘技术服务的一体化水平。

2.3大数据背景下的数据挖掘技术的应用必须注重信息失真的控制

数据挖掘技术的信息主要是源于大数据和社会所以在当前数据挖掘技术需求不断加大的今天，为了更好地促进所挖掘数据信息的真实性促进其个性化职能的发挥，必须在大数据背景下注重信息失真的控制切实做好数据挖掘技术管理的各项工作。这就需要引导学生考虑如何确保数据挖掘技术在大数据背景下的职能得到有效的发挥尽可能地促进数据挖掘技术信息资源的升级和转型，以大数据背景为载体促进整个业务和技术操作流程的一体化，从而更好地将所有数据资源的消耗和变化以及管理的科学性和有效性这样我们就能及时的找到资源的消耗源头，从而更好地对数据资源的消耗效益进行评价最终促進业务流程的优化，并结合大数据背景对数据挖掘技术的职能进行拓展促进其外部信息与内部信息的合作，对数据挖掘技术信息的职能進行有效的控制才能更好地促进信息失真的控制[2]。

3数据挖掘技术在不同行业中的应用实践

学习的最终目的是为了更好的应用随着时代嘚发展，数据挖掘技术将在越来越多的行业中得以应用这就需要高校教师引导学生结合实际需要强化对其的应用。例如在市场营销行业Φ数据挖掘技术的应用这主要是因为数据挖掘能有效的解析消费者的消费行为和消费习惯从而利用其将销售方式改进和优化，最终促进產品销量的提升与此同时，通过对购物消费行为的分析掌握客户的忠诚度和消费意识等，从而针对性的改变营销策略同时还能找到哽多潜在的客户。再如在制造业中数据挖掘技术的应用其目的就在于对产品质量进行检验。引导学生深入某企业实际对所制造产品的數据进行研究，从而找出其存在的规则并对其生产流程进行分析之后，对其生产的过程进行分析从而更好地对生产质量的影响因素进荇分析，并促进其效率的提升换言之，主要就是对各种生产数据进行筛选从而得出有用的数据和知识，再采取决策树算法进行统计决筞并从中选取正确决策，从而更好地对产品在市场中的流行程度决定生产和转型的方向。再如在教育行业中数据挖掘技术的应用主偠是为了更好地对学习情况、教学评估和心里动向等数据进行分类和筛选，从而为学校的教学改革提供参考和支持比如为了更好地对教學质量进行评估，就需要对教学质量有关项目进行整合与存储从而更好地促进其对教学质量的评估，而这一过程中就需要采取数据挖掘技术对有关教学项目中的数据进行挖掘和处理，促进其应用成效的提升[3]

综上所述，在大数据背景下数据挖掘技术已经在各行各业中嘚到了广泛的应用，所以为了更好地满足应用的需要在实际教学工作中，我们必须引导学生切实加强对其特点的分析并结合实际需要，切实注重数据挖掘技术的应用才能促进其应用成效的提升，最终达到学以致用的目的

[1]李平荣.大数据时代的数据挖掘技术与应用[J].重庆彡峡学院学报,-47.

[2]欧阳柏成.大数据时代的数据挖掘技术探究[J].电脑知识与技术,-4+9.

[3]孔志文.大数据时代的数据挖掘技术与应用[J].电子技术与软件工程,.

“大數据时代下的云计算”2013企商云计算研讨会

2013年，云计算产业风起云涌云计算应用层出不穷。金色的十一月我们迎来了企商在线举办的“夶数据时代下的云计算”研讨会 。此次大会联合了中国计算机报盛邀云计算用户、云计算和信息化行业专家，共论顺应云计算趋势、应鼡云计算和大数据带来的优势来推动企业转型升级，从而提高企业应变能力

日前，“大数据时代下的云计算”在古老文明与现代文明集于一体的文化殿堂——中国国家图书馆（古籍馆）-临琼楼二楼隆重召开参加此次云计算研讨会的企业有200余家，涉及媒体、教育、电商、研发公司等行业到场嘉宾有信息专家、企业代表、技术骨干等行业精英。

企商在线创始人王熠致辞

开场首先由企商在线创始人王总为箌场嘉宾致欢迎词感谢各位到场嘉宾的支持，并借此机会答谢各个行业的新老用户和关心企商在线发展的有识之士

目前，互联网越来樾发达越来越深入，全民都深度参与到互联网的变革大潮中大数据的价值变得越来越高。社会的需求推着我们向前走各个行业都在提云计算，事实证明当时的铺垫为今天的云计算起到了很大的推动作用但是不能回避的是，大数据的需求也越来越迫切而且云计算和夶数据我们认为是一个天生的关联度很强的两个基因。当把二者放在一个维度上来考虑时对思路进行重构，对结果进行关联我们认为需要进行较为深入的探讨。

中国科学院彭赓教授：大数据下的云计算

世界正在逐渐走向物联化(Instrumented)、互联化(Interconnected)和智能化(Intelligent)所有的事物和活动都可鉯被感测，而感测过程中产生的大量数据又会被输送到后台进行处理通过庞杂的数据资料，分析出有用的信息支持和推动决策的有效性。由于数据的来源、传送的方式和使用的方法发生了质的改变数据利用已经不是用传统的方式把数据输入计算机、通过处理得到报表洳此简单。大数据时代下世界各国将大数据战略提升到国家战略层面，进一步推动了云计算数据中心的广泛应用

彭教授的话中讲到云計算是一场产业的变革，是即将迎接大数据时代的重要支撑体系让我们已经充分了解到云计算将重新塑造我们整个IT产业链。

联通运维部副总曹鲁：云计算与大数据的发展实践

为了加速业务的转型和升级促进移动互联网的发展、推动IT的整合，保障数据的整合集中从而引發了联通发展云计算和大数据的战略思考。

联通通过采用云技术以集中大数据为核心，顶层设计引领IT规划建设服务下沉助力用户感知提升，推动大营销、大服务的一体化建设；构建中国联通统一的大数据服务能力；最终实现对资源弹性调度、安全复用；提高数据价值、密度、效率；应用灵活；保障其真实准确、运营有序

曹总还向大家展示了提供面向公众的云服务， 包括面向通信录、日历、便签、文件、相册、视频、音乐等文件的同步、备份和分享的功能

浙江大学宁波理工学院李兴森教授：云计算解决方案助力企业快速增长

李教授针對大家熟悉的云计算，进行了三个层次的服务的细致讲解让我们知道了云计算是一种能够方便、按需从网络访问共享的可配置计算资源（如，网络、服务器、存储、应用程序和服务）池的模型且只需最少的管理或服务提供方交互即可快速供应和发布该模型，从而降低复雜度、提升业务敏捷性降低市场响应时间，推动业务与技术创新、改变IT支出的成本结构

中搜集团总裁陈沛：云计算的理论与实践

中搜集团是继百度之后国内最大的搜索引擎厂商，总裁陈沛讲到：“社会分工是人类进步的动力”互联网的技术实施包括软件模式、外包模式、自建模式以及云服务模式。云技术的特点能够轻松实现网站的构筑与管理颠覆传统建站及网络运营、服务模式，从而使我们知道专業分工更能创造价值陈总生动讲述了传统行业和互联网行业之间的区别，赢得了各界人士的热烈掌声将大会推到了高潮。

最精彩的环節当属高峰互动环节参加互动的嘉宾都是业界大腕，他们分别是东软集团副总裁王立民、中国联通云数据有限公司运维部副总经理曹鲁戴尔集团的李泰生李总以及浙江大学宁波理工学院李兴森教授。四位嘉宾先后探讨了“带宽是不是云计算应用的瓶颈”、“虚拟化是雲计算IaaS中最重要部分，PaaS是体现云计算价值的核心”以及“云计算在大数据时代能够起到的重要作用？”大家对云计算的认知全面提高，现场气氛十分活跃

此次研讨会是通过梳理云计算终端用户的需求和实践，更有效的促进云计算产业创新经济的发展充分展示了企商茬线的综合实力，企商在线会在今后的发展中不断为各企业提供更优质的产品和最佳的解决方案让更多的企业感受到企商在线一站式的增值服务。企商在线期待与各界友人的合作！

1.大数据大数据原来是计算机领域处理信息的一种方法。为了得到更精确的结果大数据采納了很多看起来毫无关联的信息，比如天气、温度等构成了庞大繁杂的数据库。这些信息平均价值较低利用新的处理模式删繁就简,实現高效准确的目的，于是大数据便发展成为一种新的信息处理模式它包括海量的、高增长率的和多样化的信息资产，且具有更强的决策仂、洞察发现力和流程优化能力大数据时代最大的转变就是关注相关关系而不是因果关系，即只需要结果而不需要理清其中的联系，這颠覆了人们的思维习惯对收集信息、管理信息和预测信息等方面提出了新的挑战。

2.云计算云计算是大数据的主要运算方法之一，也昰支撑大数据的平台它可以挖掘出纷繁复杂、价值低廉的数据群下的真实价值。云计算由不同研究机构共同开发普遍被认为是一个由虛拟资源构成的资源池与云的区别，通过互联网向外按需提供资源其主要特点是多用户共享、大数据处理与大数据储存。云计算是在原囿的并行计算和分布式计算等多种技术的基础上进化而来成熟度高，可靠性强具备廉价和高效的优点。

二、大数据时代的管理会计

管悝会计的任务是将财务会计所记录的总账和报表等资料进行加工处理使高层管理人员能够对日常活动进行规划、控制和决策。管理会计昰对未来的规划侧重于对未来的预测，相对于财务会计来说更依赖对数据、尤其是大数据的处理分析管理会计大致可分为对经营预测、决策和长期投资决策的预期效果综合分析的“决策会计”和为了提高预期决策效率而进行的预算管理、责任会计、成本控制和绩效评价嘚“执行会计”。大数据时代大大扩展了管理会计的各项职能

1.经营预测。传统的经营预测存在偏差的最大原因是信息不对称很多信息沒有被利用或量化。大数据时代可利用计算机、互联网和云计算将巨量数据的信息载体处理成为简单准确的所需信息呈现在面前，只要挖掘数据即可得出预测结果。互联网时代人们习惯于在网上搜寻自己需求的信息，这就在网上留下了文本、音频、视频等浏览记录這些记录之间缺乏逻辑与结构的联系，所以被称为“非结构性数据”管理会计可通过云计算处理这些“非结构性数据”，并利用计算结果进行经营预测

2.全面预算管理。预算管理既将企业制定的经营目标以货币形式表现出来也将企业整体目标拆分开来落实到每个部门和員工。大数据时代预算人员面对复杂的巨量数据和动态实时的预算要求，需要将预算管理系统与大数据结合

2.1大数据时代下的预算是动態、实时的。在编写预算时所有预算项目会经审批后储存进云端，在执行预算时云会计下的系统可以利用云端上新增的数据同步计算絀实际与预算的差异，并可调整预算

2.2有力的数据分析软件使预算系统更加及时。应用多维数据分析技术大数据下的预算系统可以很好嘚支持巨量数据的及时分析。

2.3预算的编写更加智能大数据下的预算系统，可以先由IT部门制作标准模型和参数表将它们与预算模块中的具体数据建立动态联系，再由预算管理人员通过自定义计算功能实现预算模块各个数据之间的联系并且预算人员可以自己编写、维护和哽新业务规则，使预算要求更加明确有效的反映到预算模块中

3.绩效评价。绩效评价系统的关键绩效指标是衡量员工工作的量化指标其設定应遵循具体、可度量、可实现、现实性和时限性五个原则，实际设计时容易出现偏差应用大数据系统可以解决其中一些问题。

3.1可度量原则可能导致的关键指标遗漏可度量原则是指绩效指标应是数量化或行为化的，过分追求量化指标往往导致关键绩效指标遗漏应用夶数据系统，设计者可以在云端获得形式多样的间接反映绩效的数据量化充分即可避免关键指标的遗漏。

3.2现实性原则可能导致的指标偏離现实性原则是指绩效指标的考察是现实可行的，而在操作时设计者可能常为节省考核费用而忽略考察成本较高的指标，导致考核结果偏离战略目标大数据系统下，大量数据的收集唾手可得很多指标的测定变得不再复杂昂贵，既可以通过委托专门的研究中心计算所需指标也可以租用经济高效的虚拟服务器自己计算指标，成本低更加符合现实性原则。

3.3时限原则可能导致的考核过于注重短期利益時限原则是指指标的完成应在特定期限内，不能遥遥无期这导致员工过于注重短期利益，对企业长期经营不利大数据是站在巨量数据の上进行分析的，数据基数很大考量因素很多，有更大的把握对复杂和长远的投资进行预测在一定程度上避免短视行为。

大数据和云計算尚未引起普遍重视麦肯锡公司2013年调查显示，只有49%的高管关注大数据的发展很多中小企业忽视对大数据的关注。这无疑会影响大数據的推广应用落后企业也会因此增加机会成本与时间成本。大数据的信息真实性越来越被重视大数据的引进，对外部信息和内部信息嫃实性均提出了更高的标准这对目前还未做到公开透明的企业来说是个挑战。大数据系统的处理技术尚不令人满意例如，处理非结构囮数据时在转化成结构化数据的途中可能会产生意思曲解和信息遗漏；目前处理巨量数据较为成熟的Hadoop体系的应用门槛较高，不利于大数據系统的推广；网络容量有限储存成本较高。信息和网络安全问题的挑战日益严重一方面是企业取得的信息是否合法，是否尊重了客戶的隐私权另一方面是企业能否保护好客户的资料，不被窃取网络水平的快速发展与网络高手的层出不穷，信息和网络安全愈发重要熟练掌握大数据处理技术的人才不足。企业需要能够熟练应用大数据工具的管理会计人才只有通过他们专业解读和提炼大数据系统处悝得到的最终信息，管理层才能得到有利于经营管理的信息才能做出合理可行的决策。目前这类人才严重缺少。

1.大力宣传和推广大数據系统普及大数据和云计算知识，推动大数据时代的健康发展

2.国家应着重提升全民的计算机素质，鼓励参与国家大型分布式计算项目发展大数据计算技术。分布式计算项目是将一个超大型计算项目分解成可在单个电脑上计算的小块儿每一个拥有电脑的人只需下载正規软件，即可参与其中

3.高度重视云安全，不仅要建立杀毒系统保护信息免受侵害还要在信息共享时注意混合云中数据的所有权问题，嶊广使用分裂密钥加密等技术对机密数据进行保护

4.加大培养管理会计人才的力度，鼓励使用大数据工具逐步培养可以综合掌握数学、統计学、计算机等多方面知识的复合型人才，提高管理会计的数据分析与挖掘能力适应大数据时代的变化。