信息挖掘在大數(shù)據(jù)金融的風(fēng)險(xiǎn)及防患研究

DOI：10.19392/j.cnki.16717341.201720050

摘要：信息挖掘技術(shù)主要是將大量數(shù)據(jù)中隱含的有用信息充分地挖掘出來(lái)，其需要利用數(shù)據(jù)庫(kù)、人工智能以及數(shù)據(jù)統(tǒng)計(jì)等方面的內(nèi)容，通過(guò)對(duì)數(shù)據(jù)展開(kāi)深層次地分析，對(duì)信息處理技術(shù)進(jìn)行進(jìn)一步地加工與分析。信息挖掘?qū)儆谝粋€(gè)新興領(lǐng)域，并廣泛地應(yīng)用到社會(huì)的各個(gè)領(lǐng)域中。為了充分地發(fā)揮信息挖掘技術(shù)的作用，降低大數(shù)據(jù)金融風(fēng)險(xiǎn)，本文主要闡述信息挖掘在大數(shù)據(jù)金融風(fēng)險(xiǎn)中的防患措施。

關(guān)鍵詞：信息挖掘；大數(shù)據(jù)金融；風(fēng)險(xiǎn)及防患研究

大數(shù)據(jù)金融術(shù)語(yǔ)傳統(tǒng)金融行業(yè)與互聯(lián)網(wǎng)結(jié)合的新興領(lǐng)域，其發(fā)展速度比較快。其提供的大數(shù)據(jù)金融產(chǎn)品雖然更加方便了人們的生活，但是其在發(fā)展過(guò)程中仍然沒(méi)有形成一個(gè)穩(wěn)定的發(fā)展規(guī)律，其中也存在著比較大的風(fēng)險(xiǎn)。與傳統(tǒng)金融相比較，大數(shù)據(jù)金融具備自身的特殊性質(zhì)，其性質(zhì)更具復(fù)雜性，大數(shù)據(jù)金融風(fēng)險(xiǎn)發(fā)生的概率也比較大。在此發(fā)展形勢(shì)下，如何利用信息挖掘方式減少大數(shù)據(jù)金融風(fēng)險(xiǎn)，將其金融風(fēng)險(xiǎn)降低在最小的范圍內(nèi)容，這是大數(shù)據(jù)金融企業(yè)應(yīng)該重點(diǎn)思考的問(wèn)題。因此，對(duì)信息挖掘在大數(shù)據(jù)金融風(fēng)險(xiǎn)中防患的方式進(jìn)行分析具有重要的現(xiàn)實(shí)意義。

1 大數(shù)據(jù)金融風(fēng)險(xiǎn)的相關(guān)概念

1.1 大數(shù)據(jù)金融風(fēng)險(xiǎn)的基本概念

風(fēng)險(xiǎn)主要指的是未來(lái)結(jié)果具有不確定性，例如：未來(lái)收入、資產(chǎn)以及債務(wù)都存在著波動(dòng)性以及不確定性。金融風(fēng)險(xiǎn)主要是指企業(yè)在未來(lái)收益過(guò)程中存在著的不確定以及波動(dòng)性情況，金融市場(chǎng)的波動(dòng)性直接會(huì)影響到企業(yè)金融風(fēng)險(xiǎn)狀況。通常而言，這種風(fēng)險(xiǎn)主要包含盈利以及損失的不確定性這兩種類型。值得說(shuō)明的是在現(xiàn)實(shí)生活中，人們可能會(huì)更加關(guān)注到自己是否會(huì)存在著損失。就當(dāng)前而言，社會(huì)經(jīng)濟(jì)水平在不斷地提升，金融市場(chǎng)與世界在逐漸地銜接，采用何種方式加強(qiáng)企業(yè)金融風(fēng)險(xiǎn)的防患，促使企業(yè)穩(wěn)定可持續(xù)發(fā)展，這是值得重點(diǎn)考慮的問(wèn)題。

1.2 大數(shù)據(jù)風(fēng)險(xiǎn)的分類

大數(shù)據(jù)金融風(fēng)險(xiǎn)的種類多樣，以不同的標(biāo)準(zhǔn)對(duì)金融風(fēng)險(xiǎn)進(jìn)行劃分，主要可以將其分成以下幾種類型。（1）以金融風(fēng)險(xiǎn)產(chǎn)生根源進(jìn)行分類：可以將其劃分為靜態(tài)金融風(fēng)險(xiǎn)以及動(dòng)態(tài)金融風(fēng)險(xiǎn)。因?yàn)樽匀粸?zāi)害以及其他的不可以抗拒的力量而導(dǎo)致的風(fēng)險(xiǎn)被稱為靜態(tài)金融風(fēng)險(xiǎn)，其基本與大數(shù)據(jù)的定律相符合，能對(duì)其進(jìn)行正確地預(yù)測(cè)。而動(dòng)態(tài)金融風(fēng)險(xiǎn)主要是為隨著宏觀世界的經(jīng)濟(jì)環(huán)境變化而產(chǎn)生的風(fēng)險(xiǎn)，風(fēng)險(xiǎn)發(fā)生的可能性以及每次發(fā)生的影響大小都是會(huì)伴隨著時(shí)間變化而改變的，難以對(duì)這種風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)[1]。（2）以金融風(fēng)險(xiǎn)涉及到的范圍進(jìn)行劃分，可以將其劃分為微觀金融風(fēng)險(xiǎn)以及宏觀金融風(fēng)險(xiǎn)。參與的主體以及經(jīng)濟(jì)活動(dòng)的主體會(huì)隨著客觀環(huán)境、企業(yè)制定的決策以及其他的因素而導(dǎo)致經(jīng)濟(jì)損失的情況，則將這種風(fēng)險(xiǎn)稱之為微觀金融風(fēng)險(xiǎn)。但是宏觀金融風(fēng)險(xiǎn)主要包括所有微觀金融風(fēng)險(xiǎn)的總和，其蘊(yùn)含的內(nèi)容比較廣。（3）以金融機(jī)構(gòu)的類別進(jìn)行分類，可以將其劃分為銀行風(fēng)險(xiǎn)、保險(xiǎn)風(fēng)險(xiǎn)以及證券風(fēng)險(xiǎn)等。

1.3 大數(shù)據(jù)金融風(fēng)險(xiǎn)管理的重要作用

當(dāng)產(chǎn)生大數(shù)據(jù)金融風(fēng)險(xiǎn)時(shí)，其必然會(huì)影響到奧國(guó)家經(jīng)濟(jì)的發(fā)展，甚至?xí)?duì)國(guó)家的安全性造成較大程度的影響。在國(guó)際上，很多大型企業(yè)、金融組織機(jī)構(gòu)、金融監(jiān)管部門(mén)等都在不斷地尋找有效地解決金融風(fēng)險(xiǎn)的方式，嘗試用科學(xué)合理的方式進(jìn)行金融風(fēng)險(xiǎn)技術(shù)管理，最終能有效地識(shí)別金融風(fēng)險(xiǎn)，能對(duì)其進(jìn)行精準(zhǔn)地測(cè)量，同時(shí)嚴(yán)格地控制金融風(fēng)險(xiǎn)。因?yàn)榇髷?shù)據(jù)金融市場(chǎng)本身就存在著很大的不穩(wěn)定性，其中存在著各種稅收等。同時(shí)政策的變化以及外界環(huán)境的變化都會(huì)導(dǎo)致金融風(fēng)險(xiǎn)的產(chǎn)生，市場(chǎng)之間會(huì)相互影響，金融參與者也不能獲取的比較完整的市場(chǎng)信息。由上述可知，對(duì)大數(shù)據(jù)金融風(fēng)險(xiǎn)進(jìn)行管理與防患是非常有必要的。

2 信息挖掘的相關(guān)概念

2.1 信息挖掘的基本概念

市場(chǎng)運(yùn)行過(guò)程中會(huì)存在著和大量的信息和數(shù)據(jù)，其信息挖掘的主要作用是從大量的數(shù)據(jù)中提取中比較有用的知識(shí)[2]。信息挖掘可以對(duì)任何類型的信息儲(chǔ)存方式進(jìn)行挖掘，信息挖掘的重要意義是能實(shí)現(xiàn)對(duì)大量數(shù)據(jù)的挖掘，提升數(shù)據(jù)的應(yīng)用效率，從大量數(shù)據(jù)中提取到有價(jià)值的內(nèi)容，并且將其轉(zhuǎn)化為比較有用的信息，同時(shí)將這些擁有信息充分地應(yīng)用到市場(chǎng)分析、科學(xué)研究以及商務(wù)管理過(guò)程中去。信息挖掘工具主要是對(duì)大量的數(shù)據(jù)進(jìn)行深入地分析，并從中尋找到比較有用的數(shù)據(jù)模式，將數(shù)據(jù)轉(zhuǎn)變成更為有效以及實(shí)用的信息。信息挖掘主要是通過(guò)清理數(shù)據(jù)、集成數(shù)據(jù)、選擇有用數(shù)據(jù)、變換相應(yīng)數(shù)據(jù)、挖掘以及評(píng)估模式等方面進(jìn)行數(shù)據(jù)挖掘工作。

2.2 信息挖掘技術(shù)所采用的方式

就當(dāng)前而言，空間分析方式、統(tǒng)計(jì)分析方式、聚類以及分類分析方式均屬于當(dāng)前比較常用的信息數(shù)據(jù)挖掘方式。借助這些數(shù)據(jù)分析方式對(duì)空間數(shù)據(jù)進(jìn)行挖掘，同時(shí)發(fā)現(xiàn)有用知識(shí)。其中比較常用的空間數(shù)據(jù)挖掘方式主要包括空間關(guān)聯(lián)規(guī)則挖掘方式、歸納學(xué)習(xí)方式以及空間分析等挖掘方式。采用這種挖掘方式能有效地從大量的數(shù)據(jù)中尋找到更加有用的數(shù)據(jù)信息以及相關(guān)知識(shí)[3]。其中聚類分析方式是將物理以及抽象的數(shù)據(jù)結(jié)合進(jìn)行分類，在將其劃分為多個(gè)類別以后，選擇兩個(gè)具有高精度相似性的數(shù)據(jù)樣本。聚類分析可以為其他算法數(shù)據(jù)進(jìn)行預(yù)處理提供依據(jù)，同時(shí)，聚類分析也可以被作為比較獨(dú)立性的分析工具來(lái)對(duì)數(shù)據(jù)的分布情況進(jìn)行獲取、選擇、計(jì)算相似性以及分組，這屬于聚類分析算法的主要過(guò)程。

3 信息挖掘在大數(shù)據(jù)金融管理中的防患方式

3.1 建立良好的信用風(fēng)險(xiǎn)評(píng)估方式

在金融風(fēng)險(xiǎn)防范過(guò)程中進(jìn)行風(fēng)險(xiǎn)管理，可以建立相應(yīng)的信用風(fēng)險(xiǎn)評(píng)估。建立信息挖掘?qū)π庞蔑L(fēng)險(xiǎn)評(píng)估內(nèi)容，主要包括銀行信用卡以及貸款信用評(píng)估這兩個(gè)方面內(nèi)容。信用風(fēng)險(xiǎn)是因?yàn)橐恍┎豢煽沟囊蛩鼗蛘邜盒缘钠墼p情況促使債務(wù)人難以按照事先簽訂的合約來(lái)償還英航的損失。此時(shí)，銀行不能及時(shí)準(zhǔn)確地了解個(gè)人以及企業(yè)的財(cái)務(wù)變化情況，并會(huì)被循環(huán)性的信用掩蓋。而將信息挖掘技術(shù)應(yīng)用到大數(shù)據(jù)金融過(guò)程中，其能借助信息挖掘技術(shù)挖掘客戶信用的影響因素，包括地區(qū)差異性影響、個(gè)人知識(shí)層次的影響、收入高低以及經(jīng)濟(jì)環(huán)境狀況的影響。這樣能快速地為用戶建立起相應(yīng)的信用等級(jí)，同時(shí)對(duì)不同的信用額度進(jìn)行劃分。通過(guò)信息挖掘方式能全班地掌握信用風(fēng)險(xiǎn)之間的蘊(yùn)含關(guān)系以及相應(yīng)的特征，促使信用違約預(yù)測(cè)的準(zhǔn)確定進(jìn)一步提升。我國(guó)已經(jīng)嘗試?yán)脹Q策樹(shù)模型，并將其應(yīng)用到對(duì)企業(yè)的分類中，將企業(yè)劃分為違約企業(yè)以及非違約企業(yè)[4]。之后有些人將這種決策樹(shù)的模型應(yīng)用到違約判斷上面去，期望能夠得到更好的分類結(jié)果。就當(dāng)前而言，市場(chǎng)上具有很多信息挖掘工具，其能全方位地，從各個(gè)層次將數(shù)據(jù)分析的結(jié)果充分地展現(xiàn)出來(lái)。

3.2 對(duì)企業(yè)財(cái)務(wù)危機(jī)預(yù)警進(jìn)行有效分析

財(cái)務(wù)危機(jī)的實(shí)質(zhì)主要是指財(cái)務(wù)風(fēng)險(xiǎn)規(guī)模化，當(dāng)風(fēng)險(xiǎn)積累到一定程度時(shí)，其會(huì)集中性地爆發(fā)。企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)主要表現(xiàn)在財(cái)務(wù)狀況在不斷地惡化，甚至?xí)霈F(xiàn)難以支付的情況，最終企業(yè)面臨著破產(chǎn)倒閉的風(fēng)險(xiǎn)[5]。出現(xiàn)這種情況的企業(yè)大多不同程度地出現(xiàn)了以下幾種情況：沒(méi)有能力將到期的債務(wù)準(zhǔn)時(shí)地償還，存在著大量的貨物積壓，難以將其銷售出去，涉及到巨額的訴訟賠償費(fèi)用，或者企業(yè)的主營(yíng)業(yè)務(wù)出現(xiàn)了比較嚴(yán)重的萎縮情況。在此情況下，可以在企業(yè)建立相應(yīng)的財(cái)務(wù)危機(jī)預(yù)警模型，這樣能有效及時(shí)地對(duì)企業(yè)經(jīng)營(yíng)失敗以及財(cái)務(wù)管理上所出現(xiàn)的問(wèn)題進(jìn)行預(yù)警預(yù)報(bào)，最終實(shí)現(xiàn)在風(fēng)險(xiǎn)出現(xiàn)之間將將其控制住，為企業(yè)決策者提供重要的參考信息，最終減少企業(yè)風(fēng)險(xiǎn)產(chǎn)生的概率。信息挖掘中應(yīng)用線性回歸、主成份分析以及神經(jīng)網(wǎng)絡(luò)等方式建立起相應(yīng)的財(cái)務(wù)危機(jī)預(yù)警模型。首先對(duì)主成份分析特殊箱梁進(jìn)行分析，并結(jié)合主成份的貢獻(xiàn)率，最終影響財(cái)務(wù)狀況最大的財(cái)務(wù)指標(biāo)計(jì)算出來(lái)，接下來(lái)以分析結(jié)果為依據(jù)，將預(yù)測(cè)期間公司的財(cái)務(wù)狀況劃分成兩大類，將其作為目標(biāo)變量。然后運(yùn)動(dòng)回歸方式或者決策樹(shù)的方式預(yù)測(cè)企業(yè)財(cái)務(wù)狀況。最后，又將企業(yè)綜合評(píng)分作為目標(biāo)變量，采用線性回歸的方式綜合性地分析企業(yè)的風(fēng)險(xiǎn)狀況[6]。通過(guò)這樣的方式能實(shí)現(xiàn)對(duì)企業(yè)經(jīng)營(yíng)狀況的有效預(yù)測(cè)，使得企業(yè)財(cái)務(wù)發(fā)生金融風(fēng)險(xiǎn)的概率減少。

3.3 評(píng)估供應(yīng)鏈風(fēng)險(xiǎn)

通過(guò)構(gòu)建良好的資金流、物流以及信息流，形成良好的供應(yīng)鏈，這種優(yōu)化供應(yīng)鏈的方式能為企業(yè)帶來(lái)巨大的經(jīng)濟(jì)效益。供應(yīng)鏈優(yōu)化能極大程度地減少企業(yè)運(yùn)營(yíng)的成本，減少其反應(yīng)時(shí)間，最終促使其服務(wù)水平以及競(jìng)爭(zhēng)能力有效提升[7]。供應(yīng)鏈中每一個(gè)環(huán)節(jié)都有可能會(huì)出現(xiàn)“斷裂”的情況，最終會(huì)對(duì)企業(yè)造成比較嚴(yán)重的影響，造成企業(yè)產(chǎn)生損失。以行為主體為基礎(chǔ)，可以將供應(yīng)鏈風(fēng)險(xiǎn)劃分為供應(yīng)商風(fēng)險(xiǎn)、批發(fā)商風(fēng)險(xiǎn)、零售商風(fēng)險(xiǎn)、物流服務(wù)風(fēng)險(xiǎn)等。其中，供應(yīng)鏈中最有可能出現(xiàn)的便是供應(yīng)商風(fēng)險(xiǎn)。因此，在風(fēng)險(xiǎn)管理過(guò)程中，要將供應(yīng)鏈風(fēng)險(xiǎn)作為最主要的切入點(diǎn)。通常采取的方式是采用信息挖掘算法將有效的指標(biāo)評(píng)價(jià)體系進(jìn)行確定，建立起模糊矩陣，采用聚類分析方式構(gòu)建其相應(yīng)的金融風(fēng)險(xiǎn)評(píng)估模型。通過(guò)這樣的方式能為供應(yīng)鏈合作伙伴創(chuàng)造出更有效的參考意見(jiàn)，最終降低供應(yīng)鏈的風(fēng)險(xiǎn)。

3.4 信息挖掘在大數(shù)據(jù)金融風(fēng)向防控中的具體應(yīng)用

互聯(lián)網(wǎng)技術(shù)具有高效共享以及平等自由行，其不斷地促進(jìn)大數(shù)據(jù)金融向前發(fā)展。與此同時(shí)，對(duì)于互聯(lián)網(wǎng)金融企業(yè)而言，客戶數(shù)據(jù)都是值得去開(kāi)發(fā)的數(shù)據(jù)，其中涵蓋著大量的信息。企業(yè)只有深入地挖掘其中的信息就能將其轉(zhuǎn)換為非常有用的東西，能有效地幫助企業(yè)進(jìn)行金融管理[8]。與互聯(lián)網(wǎng)電子商務(wù)相同的點(diǎn)是，互聯(lián)網(wǎng)金融是金融信息化的主要形式，其不能離開(kāi)互聯(lián)網(wǎng)服務(wù)過(guò)程中的企業(yè)以及用戶等，當(dāng)前被用于助力大數(shù)據(jù)金融風(fēng)險(xiǎn)控制的數(shù)據(jù)主要存在以下幾個(gè)方面。（1）電商數(shù)據(jù)。將阿里巴巴最為例子，其主要利用的是電商數(shù)據(jù)，并且阿里巴巴已經(jīng)相應(yīng)地建立起一種比較完善的風(fēng)險(xiǎn)控制數(shù)據(jù)挖掘系統(tǒng)，并通過(guò)其旗下的天貓、支付寶以及天貓等旗艦店累積到大量的用戶交易信息和數(shù)據(jù)，將其作為最基本的原料，建立網(wǎng)絡(luò)行為評(píng)分模型，進(jìn)行相應(yīng)的信用評(píng)級(jí)[9]。（2）信用卡類數(shù)據(jù)。這種數(shù)據(jù)信用評(píng)分的參考依據(jù)主要是查看用戶信用卡申請(qǐng)的年份、卡片類型、還款情況以及授信額度作為最主要的數(shù)據(jù)方式。（3）社交網(wǎng)站數(shù)據(jù)。這種數(shù)據(jù)形式主要是借助社交平臺(tái)而構(gòu)建的朋友之間信任聚集人氣的數(shù)據(jù)。在此過(guò)程中可以對(duì)社交任務(wù)關(guān)系以及其日常行為進(jìn)行有效的數(shù)據(jù)搜集以及深入分析。（4）用戶行為數(shù)據(jù)。互聯(lián)網(wǎng)金融憑阿泰作為現(xiàn)代互聯(lián)網(wǎng)交易的主要媒介，其中也會(huì)涵蓋著大量的用戶行為數(shù)據(jù)，同時(shí)也能實(shí)現(xiàn)宣傳金融服務(wù)的作用。互聯(lián)網(wǎng)金融與傳統(tǒng)金融方式不同，其不會(huì)與用戶之間面對(duì)面的交談，無(wú)法面對(duì)面地感受到用戶的感受，客戶的異常行為起也較難感知。基于此，為了進(jìn)一步提升互聯(lián)網(wǎng)金融平臺(tái)服務(wù)的質(zhì)量，促使金融平臺(tái)有效地掌握客戶的操作行為。因此，可以采用數(shù)據(jù)挖掘技術(shù)，將用戶的操作行為記錄下來(lái)，在對(duì)其行為進(jìn)行分析，最終從中獲取到用戶的實(shí)際情況，針對(duì)性地進(jìn)行服務(wù)質(zhì)量改善[10]。（5）第三方支付數(shù)據(jù)大數(shù)據(jù)金融行業(yè)的資金以及結(jié)算的屬于通道便是支付，這種平臺(tái)可以對(duì)用戶消費(fèi)的相關(guān)信息進(jìn)行分析。主要包括對(duì)用戶支付方向、消費(fèi)品牌以及月支付額度進(jìn)行分析。并以用戶的實(shí)際情況為基礎(chǔ)對(duì)其進(jìn)行信用評(píng)級(jí)。（6）生活服務(wù)類型的網(wǎng)站數(shù)據(jù)。這種生活服務(wù)類數(shù)據(jù)主要涉及到生活類的，包括水、電、煤氣以及物業(yè)費(fèi)繳納等方面，這種數(shù)據(jù)能將用戶個(gè)人的基本信息比較客觀且真實(shí)地展現(xiàn)出來(lái)，屬于信用評(píng)級(jí)過(guò)程中一種比較重要的信息數(shù)據(jù)類型。

4 結(jié)語(yǔ)

綜上所述，在大數(shù)據(jù)金融領(lǐng)域存在著大量的信息，相關(guān)企業(yè)要善于借助信息挖掘技術(shù)將其中的有用信息提取出來(lái)，并將其應(yīng)用到市場(chǎng)經(jīng)營(yíng)過(guò)程中，實(shí)現(xiàn)對(duì)金融風(fēng)險(xiǎn)的提前預(yù)測(cè)，并采用有效的方式解決問(wèn)題。最終促進(jìn)大數(shù)據(jù)金融行業(yè)可持續(xù)發(fā)展，為社會(huì)經(jīng)濟(jì)發(fā)展做貢獻(xiàn)。

參考文獻(xiàn)：

[1]董喆.基于互聯(lián)網(wǎng)金融平臺(tái)的大數(shù)據(jù)挖掘研究[J].現(xiàn)代經(jīng)濟(jì)信息，2014，12（20）：261262.

[2]劉新海.大數(shù)據(jù)挖掘助力未來(lái)金融服務(wù)業(yè)[J].金融市場(chǎng)研究，2014，25（2）：8996.

[3]倪萬(wàn).基于大數(shù)據(jù)的電影輿情數(shù)據(jù)挖掘與風(fēng)險(xiǎn)監(jiān)控研究[J].當(dāng)代電影，2016，72（2）：7176.

[4]王雅潔，楊冰，羅艷.等.大數(shù)據(jù)挖掘在食品安全風(fēng)險(xiǎn)預(yù)警領(lǐng)域的應(yīng)用[J].安徽農(nóng)業(yè)科學(xué)，2015，25（8）：332334.

[5]李佩金.大數(shù)據(jù)思維在金融學(xué)研究中的運(yùn)用[J].現(xiàn)代經(jīng)濟(jì)信息，2016，33（15）：8993.

[6]武劍.金融大數(shù)據(jù)的戰(zhàn)略與實(shí)施[J].金融市場(chǎng)研究，2014，59（6）：7886.

[7]李浩光.數(shù)據(jù)挖掘在防范金融風(fēng)險(xiǎn)中的研究及應(yīng)用[J].計(jì)算機(jī)安全，2014，58（2）：4851.

[8]周金，何文婷，陳巧.數(shù)據(jù)挖掘在金融風(fēng)險(xiǎn)管理中的運(yùn)用[J].科技風(fēng)，2011，27（16）：273.

[9]沙莎.大數(shù)據(jù)在金融行業(yè)的應(yīng)用[J].中國(guó)金融電腦，2014，89（6）：34.

[10]方文杰.基于大數(shù)據(jù)技術(shù)下的金融監(jiān)管信息系統(tǒng)建設(shè)研究[J].信息與電腦：理論版，2015，27（15）：1213.

基金項(xiàng)目：2016年江西省高等學(xué)校教學(xué)改革研究省級(jí)課題“大數(shù)據(jù)時(shí)代高職院校數(shù)據(jù)存儲(chǔ)與應(yīng)用的建設(shè)研究”（課題編號(hào)：JXJG16283）

作者簡(jiǎn)介：黃艷梅（1979），女，江西新余人，碩士，講師，主要研究方向：計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)。