摘 要： “大数据”时代的到来，对多个产业领域和技术产生影响。本文从“大数据”时代的发展现状入手，阐述该背景下计算机信息处理技术的类型与应用，并指出计算机信息处理技术的发展不足与相关建议，为产业领域与技术发展提供理论与实践参考。
关键词： “大数据”; 机器学习; 分布式处理技术;
“大数据”是指需采取全新处理方式，利用优化流程与更强的决策力，方可处理的一种多元化、海量信息资产。目前全球已正式进入“大数据”时代，信息数据呈指数级增长，信息类型更为多元，信息传递速度更快，对计算机信息处理技术提出更高要求，从而为社会发展提供技术支持。
一、“大数据”时代分析
在2012年《纽约时报》的一篇专栏中提到：“大数据”时代已经到来。正如专栏中所说，在2012年后，大数据在产业领域的渗透范围逐渐扩大，大数据技术的优势越发突出，推动了社会的发展与进步。“大数据”时代表现出显着的海量、多元、高效与复杂特征。其中，海量是指数据数量增多，从TB发展为ZB；多元是指数据种类繁多，包括图片、音视频与网页等；高效是指互联网加快了信息传递效率；复杂是指大数据的处理难度较高。在“大数据”时代，各个产业可将海量数据信息为技术，筛选出有价值的内容，了解消费者的需求，深化与消费者的沟通，推动行业的转型升级[1]。
二、“大数据”时代背景下计算机信息处理技术及应用
在“大数据”时代，海量数据信息的有效处理，是推动产业升级的关键。就此，技术人员需选择合理的计算机信息处理技术，保障大数据优势的发挥。本节主要介绍五种计算机信息处理技术，介绍其原理、优势与应用，为技术人员提供帮助。
（一）数据挖掘技术
数据挖掘技术是指通过先进技术进行海量数据的筛选，找出有价值或所需的信息，为大数据应用奠定基础。常用的数据挖掘技术包括决策树、神经网络、关联规则、贝叶斯分类、主成分分析及聚类算法等，技术人员可根据大数据的类型与筛选要求，选择最佳的数据挖掘技术。以关联规则为例，其在产业领域最广泛的应用为购物篮分析，通过消费者购物篮商品间的关联度，分析消费者的购物习惯，为零售商销售商品提供指导。例如，沃尔玛超市利用关联规则分析消费者的购物篮后，发现10%的消费者同时购买尿不湿和啤酒，且在购买尿不湿的消费者中，70%购买了啤酒。针对购物篮海量数据挖掘，沃尔玛超市总结消费者的购物习惯，将啤酒和尿不湿摆放在同一区域，超市的销售额有显着提升。
（二）数据分析技术
针对筛选完成的数据，技术人员需选择合理的数据分析技术，总结数据承载的信息，为相关领域提供参考。常用的数据分析技术涵盖空间分析、情感分析、回归分析与网络分析等。其中，空间分析是将GPS数据、遥感数据等空间大数据为基础，为地理信息发展提供技术支持；情感分析常用于用户评价分析，利用爬虫技术整合用户的好评与差评，通过词法与句法分析等技术，掌握用户对商品评价的关键词，为商品生产优化决策提供参考；回归分析可将海量数据为基础，分析不同变量的关系，其应用最为广泛；网络分析是指将网络相关数据为基础，分析网络故障，为网络发展决策提供参考[2]。
（三）分布式处理技术
部分超大数据集或超大文件的处理难度较大，行业学者研发了分布式处理技术，将元数据切分为不同模块，为数据分析提供便利。常用的分布式处理系统为HDFS，具有较高的容错性和灵活性，可实现批量处理与小文件存储。例如，针对大型企业应用服务器每天上传的海量流量日志，技术人员可引进HDFS，根据流量日志筛选标准，编写相应代码，实现海量流量日志文件的自动化、高效化筛选，缓解企业应用服务器的运行压力，为企业业务经营创设良好网络环境。
（四）数据索引技术
在“大数据”时代的海量数据背景下，产业领域需应用数据索引技术，为海量数据查询与开发提供条件。目前应用最广泛的数据索引技术为BIGTABLE，由谷歌公司研发，该架构将互补式聚簇索引为基础，可在短期内完成数据的查询。谷歌内部的多个集群均应用BIGTABLE，如Google Earth与Google Analytic最具特色的功能为个性化查询，推动了数据索引与信息查询的发展。在该功能中，BIGTABLE可存储用户的数据信息，根据用户的专属ID、历史查询内容、历史查询时间与用户行为等信息，制作专属数据图表，为用户提供符合其使用习惯的个性化查询结果，用户也可获取自己的服务记录，浏览查询历史，使数据索引与信息查询更为智能化、人性化。
（五）可视化技术
和以往的文字或数字类数据信息不同，计算机信息处理技术可拓展数据信息的展示方式，通过可视化技术的应用，为用户提供图片、音视频与图表等数据信息，使数据分析结果更为全面，有助于大数据优势的发挥。可视化技术是大数据技术、计算机图形学及人工智能等学科的整合产物，可为信息检索与信息认知提供便利，具有准确、简洁和创新等特点。
目前可视化技术的应用方式有以下五种：（1）面积或尺寸可视化，使数据对比更为明晰，如天猫店铺的动态评分，可使消费者了解店铺宝贝、卖家服务与物流等要素与行业平均水平的对比结果；（2）颜色可视化，通过不同颜色表示不同指标的强弱；（3）图形可视化，根据数据分析主题绘制数据结果的背景图形，协助用户理解数据信息；（4）地域空间可视化，结合区域地图展示数据信息，如区域人口信息、经济信息与产品信息等；（5）概念可视化，利用生动形象的图片展示抽象化数据，强化数据信息传递效果。
三、“大数据”时代背景下计算机信息处理技术发展分析
（一）计算机信息处理技术发展不足
软件开发不足。在“大数据”时代，信息处理数量与要求增多，硬件设施表现乏力，海量数据的处理需大量硬件设施支持，普通硬件设施难以高效完成计算机信息处理工作。基于多元化的计算机信息处理技术，行业专家与技术人员需加强软件开发，与硬件设施配合，提升计算机信息处理技术应用效果。
信息安全风险较大。“大数据”时代，人们每天在互联网产生海量数据，数据涵盖用户的手机号、姓名等多项重要信息，易被盗取或泄露，引发信息安全问题，侵害用户的隐私权。针对信息安全风险问题，需加强网络信息保护。
缺乏专业人才。“大数据”时代发展迅猛，计算机信息处理技术转型升级较快，行业人才良莠不齐，难以有效应用先进多元的技术。可见，教育机构与相关单位需加强人才培养，为大数据与计算机信息处理技术发展提供丰富人力资源。
（二）计算机信息处理技术发展建议
加强与云计算技术的整合。针对软件开发不足问题，相关人员需加强计算机信息处理技术与云计算技术的整合。云计算技术可为计算机信息处理技术的海量计算，创设大数据平台，无需利用多个硬件设施，即可高效完成海量数据计算工作，还可与相关业务整合，提高产业运行效率。以华为云政务大数据为例，华为企业将政府数据部门的各项数据为基础，设计以政务资源、财政经济、城市运营为核心的大数据服务平台，利用云计算技术构建服务平台架构，为政府部门决策、提供惠民服务提供帮助。制定完善安全管理机制。针对“大数据”时代出现的安全问题，相关单位需制定完善安全管理机制，引入多元安全技术手段，如保密技术、隐蔽技术与认证技术等。其中，保密技术可提升信息的安全防护等级，避免机密信息泄露，常用方式为信息隐藏、网络信息隔离等，配以单位的用户权限设置，保护信息安全；隐蔽技术常用于版权保护与隐蔽通信等领域，可将大数据信息隐藏于互联网，避免信息被盗取或泄露；认证技术可避免大数据的内容、序号等信息被篡改[3]。
加强计算机信息人才培养。大数据的发展前景广阔，教育机构与相关单位需加强信息人才培养，为计算机信息处理技术的进步与拓展应用提供支持。各大高校信息专业可开设大数据专业课程，用于分析大数据时代发展特征、大数据技术与计算机信息处理技术，丰富学生的理论知识，并通过项目实训，强化其实践素养，使其具备大数据相关工作的能力。就相关单位来说，可根据业务大数据的处理要求，组织岗位人员参与培训，培养其大数据意识与专业素养，实现计算机信息处理技术的有效应用。
四、结论
综上所述，“大数据”时代背景下计算机信息处理技术表现出多样性、功能性特征，可为人们生产生活提供极大便利。针对计算机信息处理技术存在的软件开发不足、安全风险大、专业人才缺乏等问题，技术人员需加强计算机信息处理技术与云计算技术的整合，制定完善的安全管理机制，并加强人才培养，推动技术的进一步发展。
参考文献
[1]张润.基于大数据的计算机信息处理技术分析[J].科学技术创新,2019(25):92-93
[2]付媛媛.浅析大数据时代信息处理技术及发展趋势[J].信息记录材料,2019,20(08):43-44.
[3]张洋,侯然,李亚东等.探讨大数据时代计算机信息处理技术的现状与发展[J].计算机产品与流通,2019(06):109.
