从信息咨询和监理角度看大数据应用

苏锋刚

【摘 要】 本文从一个网络问题出发，深刻阐述了大数据的相关思想和应用要点。同时针对当前大数据应用过程中，信息系统咨询和监理机构存在的问题进行了剖析，并提出了可行的解决方案。

【关键词】 大数据 信息咨询 监理

最近在网上看到了一道题，大意是说有一只熊掉到一个陷阱里，陷阱深19.617米，下落时间正好2秒。求熊是什么颜色的？这样一道诡异的题目，在我们很多人看来，非常的无厘头，似乎熊掉进陷阱里与熊本身什么颜色有什么关系呢？为什么要出这样一个问题与答案风马牛不相及的题目呢？其实，作为信息化咨询监理单位，我们可以从这个题目中寻找到当前对大数据业务应用的一些启发和探索。

分析：首先，我们来看这个题目的答案：由重力公式易算出g=9.8085，根据该数据查询纬度，可以看出：北极是9.832，远远大于该数值，赤道 9.780，小于该数值。大概是44度左右，此时我们需要获得的第一数据集是重力加速度与经纬度关系集；根据熊的地理分布，南半球没有熊，可以得知应该是北纬44度，此时我们获得的第二数据集是地理信息数据集；根据题目，既然是掉到陷阱，又是熊可以掉进的陷阱。因为陆地上少有比熊还巨大的珍贵动物，所以可以推出，此陷阱是为熊所设计。既然为熊设计地面陷阱，一定是陆栖熊。而且大部分陆栖熊视力不好，难以分辨陷阱，所以容易掉入陷阱，此时我们获得的第三数据集是熊这种动物的习性、特征、地理分布等数据集；既然陷阱深19.617米，土质一定为冲击母质，这样才易于挖掘，此时我们获得的第四数据集是土壤分布特性数据集；按照上述分析，符合条件的可能有棕熊和黑熊，但棕熊虽然有地理分布，但多为高海拔地区，而且凶悍，捕杀的危险系数大，价值没有黑熊高。而一般的熊掌、熊胆均取自黑熊。又因为黑熊的地理分布与棕熊基本不重合。此时我们获得的第五数据集是人类价值取向等模糊数据集。最后从这五大类数据中进行关联度分析，充分挖掘数据特征，可以判定，该题正确答案为黑熊，即熊的颜色是黑色的。

从上述解答过程来看，我们如果针对现实世界某一个海量数据应用中，即需要考虑数据之间的内在关联以及结合模糊数学、混沌论、人工智能里找到一种解决方向。这也是做信息咨询和监理工作的一个突破方向。在目前大数据应用炙手可热的情况下，笔者认为做好大数据应用，需要把握以下特点。

1 大数据不是数据大

目前业界都在谈论大数据及其应用，似乎一粘上大数据，就感觉非常前沿，非常时尚，但真正对大数据的定位和应用思想，却不甚了了。做为咨询单位，一定要有清晰和明确的认识，即大数据并不是数据大。如果数据只是简单的堆砌，以及进行传统的数据挖掘和应用，那只是意味着数据同质化、数据局限化；真正的大数据，应该是不同类型的数据集，不同来源的数据集来共同作用在一起，就一个目标从不同的维度和广度给予应用，这样才能真正体现数据的价值。例如一个人每天要6点出门上班，我们统计1000条，也还是局限在他可能生活非常规律、守时这样显而易见的分析上；但如果我们再加上他每天买的早点、穿的衣服、每天的天气、邻居的生活习惯等方面，我们就可以分析出这个人可能的喜好、品味、购买力、性格、为人处世，甚至家庭的和睦程度等内容，这些部分都离不开大量看似毫不关联的数据的支持，所以做大数据的咨询工作，我们首要的认识就是大数据并不等于数据大（如图1）。

2 大数据应用关键核心之一是数据关联度分析

大数据扑面而来的时候，如果我们不加分析而应用，那只能是一堆死数。但是如果我们分析不得法，那可能会陷入更加混乱的境地。在大数据应用的过程中，笔者认为数据关联度分析是其中的关键核心。即适当的关联度分析模型，可以为我们打开另一扇解决问题的大门。做为咨询监理单位，必须在繁杂的数据迷雾中找准相互关联的点，这样就能将这些数据串起来，为我们的最终目标服务。就正如我们引言中的题目一样，考虑题出的是重力加速度，则我们必然需要去比较重力加速度的分布，只有比较才能发现大致的范围；然后我们需要确定比较的对象，比如熊的习性、土壤分布特性等，这样就找到了比较的参照物；最后，我们要分析这点和面的关联问题，比如捕杀黑熊在人类社会经济价值高这样的联系度，从而获得最终答案。这种数据关联度分析非常考较咨询人员的经验和对数据的敏感度，因此咨询监理人员需要重点锻炼这方面的能力。

3 大数据应用是云计算的基础

只有真正明白大数据应用的内涵和方法，也才能真正了解云计算应用的基础。做为云服务，涉及的是海量非相关数据的整合，而这种整合，就离不开大数据的关联应用。做为信息咨询人员，需要明白大数据应用是云计算的基础。

解决方案：经过上述分析，笔者认为未来大数据业务应用的咨询将是信息咨询监理的发展方向，而为了应对这种发展，必须考虑一整套的解决方案，以下是笔者在这方面的一点浅显的探讨，希望能够起到抛砖引玉的作用。

3.1 首先了解业务需求涉及的数据来源，对数据采集、梳理、应用方案进行审核

我们处理一项事物，可能需要大量的数据进行支撑，而且这种数据一般会有不同的来源和类型。正所谓信息获取的越多，进行决策的准确性越大。因此咨询监理单位，要注意收集和了解业务需求所涉及的数据来源和类型，并着重对相关数据采集、梳理、应用的方案进行前期审核。

比如，对数据采集方案的审核，主要关注数据采集的渠道、手段、设备、技术要点等方面，以保证数据实时、有效、正确地获取；对数据梳理方案的审核，主要关注数据梳理的规则、接口；对数据应用方案的审核，主要关注数据应用的快速展现、异构系统的数据共享等方面。

3.2 对政策、标准规范进行研究和匹配咨询

在我们国内，毋庸讳言，政策的导向性对国计民生各行各业均有较大影响。因此，做为信息咨询监理单位，一定要认真分析和研究国家宏观调控以及与行业相关的政策法规、标准规范等内容，避免项目实施陷入政策导向不一致、规范不符合等风险中。比如，Gb8567《计算机软件文档编制规范》，在88版中主要分为14类文档，像我们常说的《概要设计说明书》、《需求规格说明书》等等都可以在其中找到文档格式和规范；但在2006版中，即没有了《概要设计说明书》的说法，也将原14类文档，扩充到了25类文档。如果咨询人员不关注这些，那么在实施中必然不了解文档编制的好与坏、格式是否规范等内容，所以研究政策、标准规范的匹配度是信息咨询监理单位的必修课。

3.3 数据关联度分析咨询

所谓关联度分析，指研究、分析和测度诸变量之间的关系密切程度的方法和技术。目前主要的关联度分析方法是灰度关联分析法。这种方法，是根据因素之间发展趋势的相似或相异程度，即“灰色关联度”，做为衡量因素间关联程度的方法。

数据关联度分析，需要对涉及到的数据确定参数以及无量纲化处理，然后建立关联度数据模型，根据数据模型求解关联度。这样的方式重点是确定参考数列以及关联系数，而做为信息系统咨询监理单位，需要有良好的数学功底来确立相关的数据公式和数据模型。

基于关联度分析公式和模型，我们可以建立合适的大数据应用框架模型，即选取合理的数据来源，建立起数据之间的关联度模型，适当运用模糊数学工具（比如模糊聚类分析、模糊模式识别、模糊综合评判、模糊控制等）进行演进，则可能最终获得比较合适的数据应用方案。而这属于目前大数据应用中的关键难点和课题。

3.4 适当结合传统信息系统监理手段开展软件开发、系统集成的咨询监理工作

无论大数据应用的业务漂在云端的什么地方，最终也需要落地，比如需要落在数据中心建设、app应用平台建设等这样的系统实施中来。这样一来，则涉及到软件开发、系统集成的相关工作，做为咨询监理单位，则需要使用诸如到货验收、评审、测试、旁站等传统信息监理手段开展咨询监理工作。这部分属于信息系统咨询监理的传统业务方法，赛迪监理有丰富的经验以及大量的研究文章，请感兴趣的读者登陆赛迪监理的官方网站和微博进行查阅，在此不再赘述。

4 结语

本文仅从信息咨询监理的角度面对当前大数据应用如火如荼的实际，对大数据业务应用进行了初步的探讨，并提出咨询监理单位应对大数据应用的思路。希望能够对相关研究人员起到抛砖引玉的作用。

【摘 要】 本文从一个网络问题出发，深刻阐述了大数据的相关思想和应用要点。同时针对当前大数据应用过程中，信息系统咨询和监理机构存在的问题进行了剖析，并提出了可行的解决方案。

【关键词】 大数据 信息咨询 监理

最近在网上看到了一道题，大意是说有一只熊掉到一个陷阱里，陷阱深19.617米，下落时间正好2秒。求熊是什么颜色的？这样一道诡异的题目，在我们很多人看来，非常的无厘头，似乎熊掉进陷阱里与熊本身什么颜色有什么关系呢？为什么要出这样一个问题与答案风马牛不相及的题目呢？其实，作为信息化咨询监理单位，我们可以从这个题目中寻找到当前对大数据业务应用的一些启发和探索。

分析：首先，我们来看这个题目的答案：由重力公式易算出g=9.8085，根据该数据查询纬度，可以看出：北极是9.832，远远大于该数值，赤道 9.780，小于该数值。大概是44度左右，此时我们需要获得的第一数据集是重力加速度与经纬度关系集；根据熊的地理分布，南半球没有熊，可以得知应该是北纬44度，此时我们获得的第二数据集是地理信息数据集；根据题目，既然是掉到陷阱，又是熊可以掉进的陷阱。因为陆地上少有比熊还巨大的珍贵动物，所以可以推出，此陷阱是为熊所设计。既然为熊设计地面陷阱，一定是陆栖熊。而且大部分陆栖熊视力不好，难以分辨陷阱，所以容易掉入陷阱，此时我们获得的第三数据集是熊这种动物的习性、特征、地理分布等数据集；既然陷阱深19.617米，土质一定为冲击母质，这样才易于挖掘，此时我们获得的第四数据集是土壤分布特性数据集；按照上述分析，符合条件的可能有棕熊和黑熊，但棕熊虽然有地理分布，但多为高海拔地区，而且凶悍，捕杀的危险系数大，价值没有黑熊高。而一般的熊掌、熊胆均取自黑熊。又因为黑熊的地理分布与棕熊基本不重合。此时我们获得的第五数据集是人类价值取向等模糊数据集。最后从这五大类数据中进行关联度分析，充分挖掘数据特征，可以判定，该题正确答案为黑熊，即熊的颜色是黑色的。

从上述解答过程来看，我们如果针对现实世界某一个海量数据应用中，即需要考虑数据之间的内在关联以及结合模糊数学、混沌论、人工智能里找到一种解决方向。这也是做信息咨询和监理工作的一个突破方向。在目前大数据应用炙手可热的情况下，笔者认为做好大数据应用，需要把握以下特点。

1 大数据不是数据大

目前业界都在谈论大数据及其应用，似乎一粘上大数据，就感觉非常前沿，非常时尚，但真正对大数据的定位和应用思想，却不甚了了。做为咨询单位，一定要有清晰和明确的认识，即大数据并不是数据大。如果数据只是简单的堆砌，以及进行传统的数据挖掘和应用，那只是意味着数据同质化、数据局限化；真正的大数据，应该是不同类型的数据集，不同来源的数据集来共同作用在一起，就一个目标从不同的维度和广度给予应用，这样才能真正体现数据的价值。例如一个人每天要6点出门上班，我们统计1000条，也还是局限在他可能生活非常规律、守时这样显而易见的分析上；但如果我们再加上他每天买的早点、穿的衣服、每天的天气、邻居的生活习惯等方面，我们就可以分析出这个人可能的喜好、品味、购买力、性格、为人处世，甚至家庭的和睦程度等内容，这些部分都离不开大量看似毫不关联的数据的支持，所以做大数据的咨询工作，我们首要的认识就是大数据并不等于数据大（如图1）。

2 大数据应用关键核心之一是数据关联度分析

大数据扑面而来的时候，如果我们不加分析而应用，那只能是一堆死数。但是如果我们分析不得法，那可能会陷入更加混乱的境地。在大数据应用的过程中，笔者认为数据关联度分析是其中的关键核心。即适当的关联度分析模型，可以为我们打开另一扇解决问题的大门。做为咨询监理单位，必须在繁杂的数据迷雾中找准相互关联的点，这样就能将这些数据串起来，为我们的最终目标服务。就正如我们引言中的题目一样，考虑题出的是重力加速度，则我们必然需要去比较重力加速度的分布，只有比较才能发现大致的范围；然后我们需要确定比较的对象，比如熊的习性、土壤分布特性等，这样就找到了比较的参照物；最后，我们要分析这点和面的关联问题，比如捕杀黑熊在人类社会经济价值高这样的联系度，从而获得最终答案。这种数据关联度分析非常考较咨询人员的经验和对数据的敏感度，因此咨询监理人员需要重点锻炼这方面的能力。

3 大数据应用是云计算的基础

只有真正明白大数据应用的内涵和方法，也才能真正了解云计算应用的基础。做为云服务，涉及的是海量非相关数据的整合，而这种整合，就离不开大数据的关联应用。做为信息咨询人员，需要明白大数据应用是云计算的基础。

解决方案：经过上述分析，笔者认为未来大数据业务应用的咨询将是信息咨询监理的发展方向，而为了应对这种发展，必须考虑一整套的解决方案，以下是笔者在这方面的一点浅显的探讨，希望能够起到抛砖引玉的作用。

3.1 首先了解业务需求涉及的数据来源，对数据采集、梳理、应用方案进行审核

我们处理一项事物，可能需要大量的数据进行支撑，而且这种数据一般会有不同的来源和类型。正所谓信息获取的越多，进行决策的准确性越大。因此咨询监理单位，要注意收集和了解业务需求所涉及的数据来源和类型，并着重对相关数据采集、梳理、应用的方案进行前期审核。

比如，对数据采集方案的审核，主要关注数据采集的渠道、手段、设备、技术要点等方面，以保证数据实时、有效、正确地获取；对数据梳理方案的审核，主要关注数据梳理的规则、接口；对数据应用方案的审核，主要关注数据应用的快速展现、异构系统的数据共享等方面。

3.2 对政策、标准规范进行研究和匹配咨询

在我们国内，毋庸讳言，政策的导向性对国计民生各行各业均有较大影响。因此，做为信息咨询监理单位，一定要认真分析和研究国家宏观调控以及与行业相关的政策法规、标准规范等内容，避免项目实施陷入政策导向不一致、规范不符合等风险中。比如，Gb8567《计算机软件文档编制规范》，在88版中主要分为14类文档，像我们常说的《概要设计说明书》、《需求规格说明书》等等都可以在其中找到文档格式和规范；但在2006版中，即没有了《概要设计说明书》的说法，也将原14类文档，扩充到了25类文档。如果咨询人员不关注这些，那么在实施中必然不了解文档编制的好与坏、格式是否规范等内容，所以研究政策、标准规范的匹配度是信息咨询监理单位的必修课。

3.3 数据关联度分析咨询

所谓关联度分析，指研究、分析和测度诸变量之间的关系密切程度的方法和技术。目前主要的关联度分析方法是灰度关联分析法。这种方法，是根据因素之间发展趋势的相似或相异程度，即“灰色关联度”，做为衡量因素间关联程度的方法。

数据关联度分析，需要对涉及到的数据确定参数以及无量纲化处理，然后建立关联度数据模型，根据数据模型求解关联度。这样的方式重点是确定参考数列以及关联系数，而做为信息系统咨询监理单位，需要有良好的数学功底来确立相关的数据公式和数据模型。

基于关联度分析公式和模型，我们可以建立合适的大数据应用框架模型，即选取合理的数据来源，建立起数据之间的关联度模型，适当运用模糊数学工具（比如模糊聚类分析、模糊模式识别、模糊综合评判、模糊控制等）进行演进，则可能最终获得比较合适的数据应用方案。而这属于目前大数据应用中的关键难点和课题。

3.4 适当结合传统信息系统监理手段开展软件开发、系统集成的咨询监理工作

无论大数据应用的业务漂在云端的什么地方，最终也需要落地，比如需要落在数据中心建设、app应用平台建设等这样的系统实施中来。这样一来，则涉及到软件开发、系统集成的相关工作，做为咨询监理单位，则需要使用诸如到货验收、评审、测试、旁站等传统信息监理手段开展咨询监理工作。这部分属于信息系统咨询监理的传统业务方法，赛迪监理有丰富的经验以及大量的研究文章，请感兴趣的读者登陆赛迪监理的官方网站和微博进行查阅，在此不再赘述。

4 结语

本文仅从信息咨询监理的角度面对当前大数据应用如火如荼的实际，对大数据业务应用进行了初步的探讨，并提出咨询监理单位应对大数据应用的思路。希望能够对相关研究人员起到抛砖引玉的作用。

【摘 要】 本文从一个网络问题出发，深刻阐述了大数据的相关思想和应用要点。同时针对当前大数据应用过程中，信息系统咨询和监理机构存在的问题进行了剖析，并提出了可行的解决方案。

【关键词】 大数据 信息咨询 监理

最近在网上看到了一道题，大意是说有一只熊掉到一个陷阱里，陷阱深19.617米，下落时间正好2秒。求熊是什么颜色的？这样一道诡异的题目，在我们很多人看来，非常的无厘头，似乎熊掉进陷阱里与熊本身什么颜色有什么关系呢？为什么要出这样一个问题与答案风马牛不相及的题目呢？其实，作为信息化咨询监理单位，我们可以从这个题目中寻找到当前对大数据业务应用的一些启发和探索。

分析：首先，我们来看这个题目的答案：由重力公式易算出g=9.8085，根据该数据查询纬度，可以看出：北极是9.832，远远大于该数值，赤道 9.780，小于该数值。大概是44度左右，此时我们需要获得的第一数据集是重力加速度与经纬度关系集；根据熊的地理分布，南半球没有熊，可以得知应该是北纬44度，此时我们获得的第二数据集是地理信息数据集；根据题目，既然是掉到陷阱，又是熊可以掉进的陷阱。因为陆地上少有比熊还巨大的珍贵动物，所以可以推出，此陷阱是为熊所设计。既然为熊设计地面陷阱，一定是陆栖熊。而且大部分陆栖熊视力不好，难以分辨陷阱，所以容易掉入陷阱，此时我们获得的第三数据集是熊这种动物的习性、特征、地理分布等数据集；既然陷阱深19.617米，土质一定为冲击母质，这样才易于挖掘，此时我们获得的第四数据集是土壤分布特性数据集；按照上述分析，符合条件的可能有棕熊和黑熊，但棕熊虽然有地理分布，但多为高海拔地区，而且凶悍，捕杀的危险系数大，价值没有黑熊高。而一般的熊掌、熊胆均取自黑熊。又因为黑熊的地理分布与棕熊基本不重合。此时我们获得的第五数据集是人类价值取向等模糊数据集。最后从这五大类数据中进行关联度分析，充分挖掘数据特征，可以判定，该题正确答案为黑熊，即熊的颜色是黑色的。

从上述解答过程来看，我们如果针对现实世界某一个海量数据应用中，即需要考虑数据之间的内在关联以及结合模糊数学、混沌论、人工智能里找到一种解决方向。这也是做信息咨询和监理工作的一个突破方向。在目前大数据应用炙手可热的情况下，笔者认为做好大数据应用，需要把握以下特点。

1 大数据不是数据大

目前业界都在谈论大数据及其应用，似乎一粘上大数据，就感觉非常前沿，非常时尚，但真正对大数据的定位和应用思想，却不甚了了。做为咨询单位，一定要有清晰和明确的认识，即大数据并不是数据大。如果数据只是简单的堆砌，以及进行传统的数据挖掘和应用，那只是意味着数据同质化、数据局限化；真正的大数据，应该是不同类型的数据集，不同来源的数据集来共同作用在一起，就一个目标从不同的维度和广度给予应用，这样才能真正体现数据的价值。例如一个人每天要6点出门上班，我们统计1000条，也还是局限在他可能生活非常规律、守时这样显而易见的分析上；但如果我们再加上他每天买的早点、穿的衣服、每天的天气、邻居的生活习惯等方面，我们就可以分析出这个人可能的喜好、品味、购买力、性格、为人处世，甚至家庭的和睦程度等内容，这些部分都离不开大量看似毫不关联的数据的支持，所以做大数据的咨询工作，我们首要的认识就是大数据并不等于数据大（如图1）。

2 大数据应用关键核心之一是数据关联度分析

大数据扑面而来的时候，如果我们不加分析而应用，那只能是一堆死数。但是如果我们分析不得法，那可能会陷入更加混乱的境地。在大数据应用的过程中，笔者认为数据关联度分析是其中的关键核心。即适当的关联度分析模型，可以为我们打开另一扇解决问题的大门。做为咨询监理单位，必须在繁杂的数据迷雾中找准相互关联的点，这样就能将这些数据串起来，为我们的最终目标服务。就正如我们引言中的题目一样，考虑题出的是重力加速度，则我们必然需要去比较重力加速度的分布，只有比较才能发现大致的范围；然后我们需要确定比较的对象，比如熊的习性、土壤分布特性等，这样就找到了比较的参照物；最后，我们要分析这点和面的关联问题，比如捕杀黑熊在人类社会经济价值高这样的联系度，从而获得最终答案。这种数据关联度分析非常考较咨询人员的经验和对数据的敏感度，因此咨询监理人员需要重点锻炼这方面的能力。

3 大数据应用是云计算的基础

只有真正明白大数据应用的内涵和方法，也才能真正了解云计算应用的基础。做为云服务，涉及的是海量非相关数据的整合，而这种整合，就离不开大数据的关联应用。做为信息咨询人员，需要明白大数据应用是云计算的基础。

解决方案：经过上述分析，笔者认为未来大数据业务应用的咨询将是信息咨询监理的发展方向，而为了应对这种发展，必须考虑一整套的解决方案，以下是笔者在这方面的一点浅显的探讨，希望能够起到抛砖引玉的作用。

3.1 首先了解业务需求涉及的数据来源，对数据采集、梳理、应用方案进行审核

我们处理一项事物，可能需要大量的数据进行支撑，而且这种数据一般会有不同的来源和类型。正所谓信息获取的越多，进行决策的准确性越大。因此咨询监理单位，要注意收集和了解业务需求所涉及的数据来源和类型，并着重对相关数据采集、梳理、应用的方案进行前期审核。

比如，对数据采集方案的审核，主要关注数据采集的渠道、手段、设备、技术要点等方面，以保证数据实时、有效、正确地获取；对数据梳理方案的审核，主要关注数据梳理的规则、接口；对数据应用方案的审核，主要关注数据应用的快速展现、异构系统的数据共享等方面。

3.2 对政策、标准规范进行研究和匹配咨询

在我们国内，毋庸讳言，政策的导向性对国计民生各行各业均有较大影响。因此，做为信息咨询监理单位，一定要认真分析和研究国家宏观调控以及与行业相关的政策法规、标准规范等内容，避免项目实施陷入政策导向不一致、规范不符合等风险中。比如，Gb8567《计算机软件文档编制规范》，在88版中主要分为14类文档，像我们常说的《概要设计说明书》、《需求规格说明书》等等都可以在其中找到文档格式和规范；但在2006版中，即没有了《概要设计说明书》的说法，也将原14类文档，扩充到了25类文档。如果咨询人员不关注这些，那么在实施中必然不了解文档编制的好与坏、格式是否规范等内容，所以研究政策、标准规范的匹配度是信息咨询监理单位的必修课。

3.3 数据关联度分析咨询

所谓关联度分析，指研究、分析和测度诸变量之间的关系密切程度的方法和技术。目前主要的关联度分析方法是灰度关联分析法。这种方法，是根据因素之间发展趋势的相似或相异程度，即“灰色关联度”，做为衡量因素间关联程度的方法。

数据关联度分析，需要对涉及到的数据确定参数以及无量纲化处理，然后建立关联度数据模型，根据数据模型求解关联度。这样的方式重点是确定参考数列以及关联系数，而做为信息系统咨询监理单位，需要有良好的数学功底来确立相关的数据公式和数据模型。

基于关联度分析公式和模型，我们可以建立合适的大数据应用框架模型，即选取合理的数据来源，建立起数据之间的关联度模型，适当运用模糊数学工具（比如模糊聚类分析、模糊模式识别、模糊综合评判、模糊控制等）进行演进，则可能最终获得比较合适的数据应用方案。而这属于目前大数据应用中的关键难点和课题。

3.4 适当结合传统信息系统监理手段开展软件开发、系统集成的咨询监理工作

无论大数据应用的业务漂在云端的什么地方，最终也需要落地，比如需要落在数据中心建设、app应用平台建设等这样的系统实施中来。这样一来，则涉及到软件开发、系统集成的相关工作，做为咨询监理单位，则需要使用诸如到货验收、评审、测试、旁站等传统信息监理手段开展咨询监理工作。这部分属于信息系统咨询监理的传统业务方法，赛迪监理有丰富的经验以及大量的研究文章，请感兴趣的读者登陆赛迪监理的官方网站和微博进行查阅，在此不再赘述。

4 结语

本文仅从信息咨询监理的角度面对当前大数据应用如火如荼的实际，对大数据业务应用进行了初步的探讨，并提出咨询监理单位应对大数据应用的思路。希望能够对相关研究人员起到抛砖引玉的作用。