大数据背景下技术创新管理的革新探索

㊀第３２卷第２期２０１９年５月㊀青岛大学学报(自然科学版)J O U R N A LO F Q I N G D A OU N I V E R S I T Y (N a t u r a l S c i e n c eE d i t i o n )V o l ．３２N o ．２M a y

２０１９㊀文章编号:１００６１０３７(２０１９)０２０１３４０５d o i :１０．３９６９/j

．i s s n ．１００６１０３７．２０１９．０２．２３大数据背景下技术创新管理的革新探索

韩建刚,李咏沙,孟㊀昕,纪朝斌,易曙光

(青岛大学人力资源处,青岛２６６０７１

)摘要:大数据时代,人们需要对海量的数据进行分析㊁处理与应用.大数据技术的发展为数

据检索㊁储存㊁传输等处理能力的提升提供了技术支持,充分和深入挖掘大数据的价值,为推

动技术创新提供帮助.但是,目前大数据应用创新不足,缺乏数据处理人才和核心技术,亟

待采取科学㊁有效的革新对策进行处理.分析了大数据时代的特征和技术革新的必要性,研

究大技术创新管理的革新各个要点,希望能够为解决大数据应用困境和推动中国技术创新

发展提供一定的帮助.

关键词:大数据;技术创新管理;特征;革新;要点

中图分类号:F ２７３．１㊀㊀㊀㊀㊀㊀㊀㊀㊀文献标志码:A

收稿日期:２０１８Ｇ１１Ｇ２３基金项目:N S F C Ｇ通用技术基础研究联合基金(批准号:U １５３６１１３)资助.通讯作者:李咏沙,女,博士,主要研究方向为大数据,计算机遥感等.

㊀㊀大数据概念由美国麦肯锡全球研究院提出,

用于定义信息爆炸时代形成的复杂㊁海量信息.现阶段,大数据已经成为社会各界广泛关注的焦点和热点[１].大数据背景下,如何实现技术创新管理已经成为技术发展研究的新课题.技术创新管理能够对大数据中潜在的价值进行深入挖掘,具有巨大的商业价值和发展潜

力.因此,大数据背景下需要不断革新技术创新管理,萃取有价值的数据信息,剔除无用的数据,给社会的发展和人们的生活提供更大的便利.

１㊀大数据的特征和技术革新的必要性

１．１㊀大数据的特征

大数据指的是无法采用现有工具采集㊁搜索㊁储存㊁分析㊁处理以及共享的繁杂㊁大量数据的集合.大数据的特征主要包括以下几个方面.(１

)数据处理和更新速度快.大数据的产生以及更新速度与频率非常快,每时每刻都会产生数量庞大的数据信息.大数据技术可以在极短的时间采集㊁处理更多的信息资料.大数据技术的推广和应用,能够推动社会各个行业的创新和发展[２].(２)数据种类多.数据种类主要包括非结构化数据与结构化数据两种,传统数据库和大数据中数据信息的区别在于,前者主要储存文本格式的结构化数据,后者不仅包括结构化数据,还包括种类多样的非结构化数据,如位置数据㊁照片㊁视频以及音频等.(３)价值密度低.数据信息的价值密度和数据总量成反比,数据种类和数据总量越多,则数据价值密度越低.因

此,采用何种有效的机器算法提升数据的价值,成为大数据时代研究的热点和亟待解决的难题.

１．２㊀大数据背景下技术管理创新管理革新的必要性

大数据技术在各个行业的应用都非常广泛,如通讯领域㊁环境领域以及生物学领域,随着互联网技术的快速发展,大数据被更多人所熟知,其具有的商业和社会价值非常巨大,成为各行业和专业人士研究的焦点[３].中国尚处在大数据时代发展的初期,在研究和实践过程中存在缺乏核心技术㊁研究方向不明确以及专业人才缺乏等问题,不利于中国大数据技术创新发展.技术创新管理和社会发展过程中会产生大量的数据,通过不断创新大数据分析和处理技术,充分了解大数据的特征,采用相应的软件技术㊁算法㊁工具对数据进行快速采集和处理,能够从大数据中提取有价值的信息,精准的满足人们对数据的需求,使技术创新管理在大数据时代发挥更大的价值.

㊀第２期㊀㊀㊀韩建刚等:大数据背景下技术创新管理的革新探索２㊀大数据背景下技术创新管理的革新要点

２．１㊀

技术创新管理决策模型

图１㊀基于大数据技术的双向决策模型图㊀㊀决策模型革新是技术创新管理的新方向,

采用数据驱动决策替代目标驱动决策.为了应对大数据给中国技术创

新管理带来的挑战,本文创建基于大数据技术的双向决策

模型,如图１所示,该模型由数据驱动决策和目标驱动决策

组成,其中目标驱动决策为模型提供基础支持,采用数据挖

掘技术对数据进行采集㊁分析以及处理,创建技术评估和预

测模型;数据驱动决策根据大数据的特点,采用大数据处理

新理念和方法,对数据信息进行实时㊁全面以及动态监测,

创建技术监测和预警模型.

２．１．１㊀技术评估和预测模型㊀㊀该模型以目标驱动决策

为基础,即决策者需要了解决策的目标或者目的.技术评

估和预测模型通常以 技术 作为对象,为将数据转换为模

型支持的观点或者形式,需要利用数据挖掘技术对数据进

行搜集㊁分析㊁加工以及计算.技术评估和预测模型在技术

创新管理中的应用,通过对各种数据(如网络㊁科技和其他

数据)进行有方向㊁有目的的萃取和处理,将数据信息转换

成 可视化 的知识,为技术状态和发展的评估㊁未来趋势的

预测提供数据支持.A l a n 提出

技术机会分析 理论, 技术挖掘 作为该理论的核心,技术评估和预测模型充分利用 技术挖掘 ,从海量的数据信息中分析和挖掘有价值的信息,针对特定领域的最新技术文献信息进行萃取,如核心技

术的变化动态㊁核心技术的国家和参与者等.技术评估和

预测模型利用 技术挖掘 ,对大数据环境下技术创新的技术管理问题进行分析,如技术发展方向㊁技术发展

驱动因素㊁技术应用效益等.确定 目标 后,采用 技术挖掘 从大数据环境中寻找符合要求的技术信息.该模型以数据挖掘技术为基础,并采用科学计量学与文献计量学的新理论和新技术,对大数据环境的信息进行挖掘㊁发现,实现技术创新管理的可视化.技术和工具主要采用主题词簇方法㊁萃取技术以及自然语言处理技术,综合上述技术对目标数据进行清洗和合并.理论和方法采用文献计量法㊁聚类分析法㊁技术路线图法以及语义T R I Z 创新理论,其中语言T R I Z 创新理论是该模型的核心理论,

采用语义分析技术,创建 主谓宾 结构的模型,对文献资料的语义信息进行全面的挖掘和分析,采用技术路线图对挖掘的知识或者观点进

行可视化呈现[４].２．１．２㊀技术监测和预警模型㊀㊀众多数据中存在许多潜在信息,

任何可能对社会发展产生推动作用的新技术或者新技术创新的理论㊁方法以及思维都可能以某种特定的方式潜藏于大数据中.技术创新管理人员通过对海量数据进行分析,可以了解各种技术最新动态,如技术的核心理论㊁前沿理论㊁应用现状以及竞争对手关于该技术的研究进展,以便于采取针对性㊁有效性的策略进行处理.技术监测和预警模型具有较强的自学能力与自我组织能力,通过学习与训练相关数据的分析和处理技巧,能够实现对数据信息的智能监测和预警.技术和工具主要采用流媒体处理㊁信息转换以及垃圾信息萃取技术.技术检测和预警模型具备的自组和自学能力不仅具备数据挖掘能力,还能够对数据的 容疑点 进行动态分析,对其中存在的有效或者有价值的信息进行全面挖掘,以此达到监测和预警的目标.根据技术创新管理工作的要求,技术监测和预警模型设置四个决策目标,即突发事件预警(对潜在的研发冲突和研发策略进行预警,为解决方案的制定提供理论支

持)㊁新技术识别(对新兴技术与产业进行动态监测,准确识别各种新技术)㊁技术动态追踪(对各种新技术㊁核

５３１