论文部分内容阅读
摘要：近年来，随着信息技术和通信技术的不断发展，使得大数据分析得到了广泛的关注，大数据的分析与情报分析的话题已经成为了较热门的话题。在大数据分析和情报分析中寄存在着共性，也存在着差异。二者的关系较为密切，本文通过讨论二者的共性及差异性，讨论大数据分析及情报分析二者的关系。
关键词：大数据分析；情报分析
引言：大数据分析是指分析较大数量的的数据，这些数据包括增长较为快速且真实的数据，并且从这些数据中寻找出决策的隐藏的数据和位置的信息等。这种大数据分析技术在情报界得到了广泛的关注。大数据分析与情报分析具有着密不可分的关系。
1.大数据分析与情报分析的共性
1，1定量分析
大数据的分析最主要的基础是挖掘有作用的数据。但由于现在的数据类型较多，但部分数据的价值是不高的，如何利用大数据的分析方式进行数据整合、和数据处理成为了重要的问题环节。大数据分析的重要任务是从大量数据中找出有重要性的信息及数据。而情报分析的主要基础是数据。而定量分析包括了时间序列分析及聚类分析等[1]。在早期的情报分析上，分析人员依据对数据分析是凭借着经验来分析数据。而随着大数据分析的不断发展，情报分析具有更为综合性、更具体等特点。而对于这些特点的情报分析，更多的是依赖使用定量分析下利用计算机等信息手段，借助信息技术实施数据的挖掘，通过大数据分析进行的分析。
1.2数据融合
关注不同数据的融合，是指将不同形式、不同类型的获取数据的方式，经过相同的形式，将在不同场合下的数据进行数据融合。而对于这种数据的融合应主要解决的问题是将不同区域、不同形式得来的数据进行补充，达到某种统一的目标或者是达到某种相同的认识。首先，不同网站或不同的渠道的情报数据往往描述的是相同的内容。其次，情报数据往往具有过不同的呈现形态。大多数的情报数据最大的特点就是数据类型较多，且结构各不相同。而将这些情报数据通过大数据分析的方式，将数据汇集到一起，并对其进行分析、汇总等，使数据更具体、呈现方式更单一化，并且可以将得到的情报数据进行整合，并能够分析出各情报间的关系。现如今，情报工作应用于各行各业中，情报工作的重要性得到了重要的凸显地位。能够将大数据与情报数据进行融合可以更好地得出情报信息，分析其结论。
1.3相关性分析
相关性分析是指将两个或两个以上的变量间的相关关系。在大数据不断发展的今天，大数据处理数据应选取整体数据，且对于分析数据要有效率，而且还应该分析各数据之间的相关性[2]。通过这种方式的分析，其数据分析才会更加有说服力。而对于情报分析，往往需要进行情报间是否有关联的分析，这和数据的相关文献不谋而合，将大数据分析应用于情报分析，利用数据的相关性分析可使得情报信息更好地进行是否相关的对比，为情报分析提供了更好的分析方式，也可以增快情报信息的分析工作。
2.大数据分析与情报分析的差异性
2.1对象的区别
情报分析主要都是对于文本的分析，其主要的分析对象是文本文献。这些文本包括领导讲话、技术报告、专利等内容。而情报分析最主要的目的就是对这些文本进行分析，找出其关联度[3]。而大数据分析的分析对象是对数值数据、或对文本数据为对象进行的分析，其中可包括用户数据、销售数据等。
2.2数据模型的区别
大数据分析的对象是数据，其分析主要是分析全部数据。例如，百度百科需要将大量的、来源不同的数据进行筛选，分析与整合，将其进行更为复杂的分析后得出分析结果。但情报分析并不需要整体的数据，是只需要分析有用的部分数据。一方面，情报分析不可能得到全部的数据分析，例如，某些国家机密等消息是不能够得到全部的数据的。另一方面，情报分析并没有必要对无关紧要的数据进行分析，只需要分析较为重要的、关键的信息数据。这既可以减少分析的工作量，也可以更为准确的对情报进行分析。所以，根据分析内容的不同，大数据分析和情报分析的分析数据模型也不相同。
2.3分析时机的区别
分析的时机可以包括实时分析和历史分析两种。而实时分析可分为动态分析和时间窗口分析等，历史分析也可又可分为交互式和批处理式分析等分析方式。大数据分析主要是满足了数据类型较多、数据量大等特點下的数据分析，例如对于互联网中的热门信息等数据的分析。一般的大数据分析是实时的进行分析，但在有时，也会对大数据强调其历史分析。而对于情报分析，虽然是动态追踪新的信息，但需要对其规律及相关性等进行分析，所以情报分析一般具有滞后性的特点，所以一般的情报分析时机为历史分析，这与大数据的实时分析时机不尽相同。
2.4分析任务的区别
大数据分析的认识是通过对不同数据的相关性等的分析挖掘数据及对数据进行预测的分析方式。一般情况下，大数据分析对于挖掘数据方面，强调的是对未知的数据或模式进行挖掘。而对于情报分析，则是对已知的数据进行分析。而且，对于预测分析，大数据分析包括趋势预测和对缺失信息的预测，主要是通过已知的一些数据属性或趋势进行的对数据的预测，而这种预测是对是对事态趋势的发展。而情报份一般不会出现预测类分析，其重要是对现有的数据进行的分析。
结束语：通过对大数据分析和情报分析的共同点和差异性的分析比较，发现二者既具有共同点也有各自的特点。对于大数据分析这一新兴的分析方式，若将其应用于情报分析中，可将情报分析更快速、更便捷的进行分析。但是，如何更好地将二者相结合，还应继续进行进一步的探讨。
参考文献：
[1]付钰，李洪成，吴晓平，等.基于大数据分析的APT攻击检测研究综述[J].通信学报，2015，36（11）：1-14.
[2]缪其浩.当情报遇到大数据——大数据热点情报跟踪的回顾与感悟[J].情报探索，2013（5）：1-3，7.
[3]张家年，王文韬. 融入工程化思维：大数据环境下情报分析机制的构建[J]. 情报理论与实践，2016，39（06）：1-6.
作者简介：徐涛，浙江越秀外国语学院，教授，1970.12.12，山东省莱西市人。
关键词：大数据分析；情报分析
引言：大数据分析是指分析较大数量的的数据，这些数据包括增长较为快速且真实的数据，并且从这些数据中寻找出决策的隐藏的数据和位置的信息等。这种大数据分析技术在情报界得到了广泛的关注。大数据分析与情报分析具有着密不可分的关系。
1.大数据分析与情报分析的共性
1，1定量分析
大数据的分析最主要的基础是挖掘有作用的数据。但由于现在的数据类型较多，但部分数据的价值是不高的，如何利用大数据的分析方式进行数据整合、和数据处理成为了重要的问题环节。大数据分析的重要任务是从大量数据中找出有重要性的信息及数据。而情报分析的主要基础是数据。而定量分析包括了时间序列分析及聚类分析等[1]。在早期的情报分析上，分析人员依据对数据分析是凭借着经验来分析数据。而随着大数据分析的不断发展，情报分析具有更为综合性、更具体等特点。而对于这些特点的情报分析，更多的是依赖使用定量分析下利用计算机等信息手段，借助信息技术实施数据的挖掘，通过大数据分析进行的分析。
1.2数据融合
关注不同数据的融合，是指将不同形式、不同类型的获取数据的方式，经过相同的形式，将在不同场合下的数据进行数据融合。而对于这种数据的融合应主要解决的问题是将不同区域、不同形式得来的数据进行补充，达到某种统一的目标或者是达到某种相同的认识。首先，不同网站或不同的渠道的情报数据往往描述的是相同的内容。其次，情报数据往往具有过不同的呈现形态。大多数的情报数据最大的特点就是数据类型较多，且结构各不相同。而将这些情报数据通过大数据分析的方式，将数据汇集到一起，并对其进行分析、汇总等，使数据更具体、呈现方式更单一化，并且可以将得到的情报数据进行整合，并能够分析出各情报间的关系。现如今，情报工作应用于各行各业中，情报工作的重要性得到了重要的凸显地位。能够将大数据与情报数据进行融合可以更好地得出情报信息，分析其结论。
1.3相关性分析
相关性分析是指将两个或两个以上的变量间的相关关系。在大数据不断发展的今天，大数据处理数据应选取整体数据，且对于分析数据要有效率，而且还应该分析各数据之间的相关性[2]。通过这种方式的分析，其数据分析才会更加有说服力。而对于情报分析，往往需要进行情报间是否有关联的分析，这和数据的相关文献不谋而合，将大数据分析应用于情报分析，利用数据的相关性分析可使得情报信息更好地进行是否相关的对比，为情报分析提供了更好的分析方式，也可以增快情报信息的分析工作。
2.大数据分析与情报分析的差异性
2.1对象的区别
情报分析主要都是对于文本的分析，其主要的分析对象是文本文献。这些文本包括领导讲话、技术报告、专利等内容。而情报分析最主要的目的就是对这些文本进行分析，找出其关联度[3]。而大数据分析的分析对象是对数值数据、或对文本数据为对象进行的分析，其中可包括用户数据、销售数据等。
2.2数据模型的区别
大数据分析的对象是数据，其分析主要是分析全部数据。例如，百度百科需要将大量的、来源不同的数据进行筛选，分析与整合，将其进行更为复杂的分析后得出分析结果。但情报分析并不需要整体的数据，是只需要分析有用的部分数据。一方面，情报分析不可能得到全部的数据分析，例如，某些国家机密等消息是不能够得到全部的数据的。另一方面，情报分析并没有必要对无关紧要的数据进行分析，只需要分析较为重要的、关键的信息数据。这既可以减少分析的工作量，也可以更为准确的对情报进行分析。所以，根据分析内容的不同，大数据分析和情报分析的分析数据模型也不相同。
2.3分析时机的区别
分析的时机可以包括实时分析和历史分析两种。而实时分析可分为动态分析和时间窗口分析等，历史分析也可又可分为交互式和批处理式分析等分析方式。大数据分析主要是满足了数据类型较多、数据量大等特點下的数据分析，例如对于互联网中的热门信息等数据的分析。一般的大数据分析是实时的进行分析，但在有时，也会对大数据强调其历史分析。而对于情报分析，虽然是动态追踪新的信息，但需要对其规律及相关性等进行分析，所以情报分析一般具有滞后性的特点，所以一般的情报分析时机为历史分析，这与大数据的实时分析时机不尽相同。
2.4分析任务的区别
大数据分析的认识是通过对不同数据的相关性等的分析挖掘数据及对数据进行预测的分析方式。一般情况下，大数据分析对于挖掘数据方面，强调的是对未知的数据或模式进行挖掘。而对于情报分析，则是对已知的数据进行分析。而且，对于预测分析，大数据分析包括趋势预测和对缺失信息的预测，主要是通过已知的一些数据属性或趋势进行的对数据的预测，而这种预测是对是对事态趋势的发展。而情报份一般不会出现预测类分析，其重要是对现有的数据进行的分析。
结束语：通过对大数据分析和情报分析的共同点和差异性的分析比较，发现二者既具有共同点也有各自的特点。对于大数据分析这一新兴的分析方式，若将其应用于情报分析中，可将情报分析更快速、更便捷的进行分析。但是，如何更好地将二者相结合，还应继续进行进一步的探讨。
参考文献：
[1]付钰，李洪成，吴晓平，等.基于大数据分析的APT攻击检测研究综述[J].通信学报，2015，36（11）：1-14.
[2]缪其浩.当情报遇到大数据——大数据热点情报跟踪的回顾与感悟[J].情报探索，2013（5）：1-3，7.
[3]张家年，王文韬. 融入工程化思维：大数据环境下情报分析机制的构建[J]. 情报理论与实践，2016，39（06）：1-6.
作者简介：徐涛，浙江越秀外国语学院，教授，1970.12.12，山东省莱西市人。