基于VOSviewer的大數(shù)據(jù)技術(shù)應(yīng)用研究現(xiàn)狀與熱點(diǎn)分析

滕曉燕 吳忠

摘? ?要：利用文獻(xiàn)分析法和VOSviewer可視化軟件梳理大數(shù)據(jù)技術(shù)在數(shù)字化轉(zhuǎn)型中的應(yīng)用及研究現(xiàn)狀。結(jié)果顯示，大數(shù)據(jù)技術(shù)在數(shù)字化轉(zhuǎn)型中的應(yīng)用處于發(fā)展階段，大規(guī)模應(yīng)用還面臨不少關(guān)鍵技術(shù)難題。數(shù)字化轉(zhuǎn)型是人工智能、大數(shù)據(jù)、云計(jì)算等新一代信息技術(shù)引發(fā)的系統(tǒng)性變革，大數(shù)據(jù)是數(shù)字化轉(zhuǎn)型的核心和數(shù)字經(jīng)濟(jì)的關(guān)鍵生產(chǎn)要素。大數(shù)據(jù)技術(shù)的戰(zhàn)略意義并非在于獲取大量的數(shù)據(jù)信息，而在于對(duì)這些具有意義的數(shù)據(jù)進(jìn)行專業(yè)化處理及場(chǎng)景應(yīng)用。

關(guān)鍵詞：數(shù)字化轉(zhuǎn)型；大數(shù)據(jù)；技術(shù)應(yīng)用；VOSviewer可視化分析

中圖分類號(hào)：F124? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? 文章編號(hào)：1673-291X（2024）05-0055-03

1980年，阿爾文·托夫勒在其著作《第三次浪潮》中首次引入了“大數(shù)據(jù)”的概念[1]。2010年，美國(guó)麥肯錫公司發(fā)布了首個(gè)涉及大數(shù)據(jù)的專題報(bào)告。隨后，該公司在2011年的報(bào)告中正式定義了“大數(shù)據(jù)”的概念。為了提高大數(shù)據(jù)和分析的認(rèn)知，麥肯錫全球研究院于2011年5月發(fā)表了一篇名為“大數(shù)據(jù)：創(chuàng)新，競(jìng)爭(zhēng)和生產(chǎn)力的下一個(gè)前沿”的開創(chuàng)性論文，從而引起了人們的關(guān)注。2012年，維克托·邁爾—舍恩伯格出版了他的著作《大數(shù)據(jù)時(shí)代》，他被公認(rèn)為大數(shù)據(jù)商業(yè)應(yīng)用的先驅(qū)。大數(shù)據(jù)為人類提供了一種全新的方式來(lái)認(rèn)識(shí)和改造世界，因此被視為當(dāng)代社會(huì)人類的新世界觀和方法論[2]。劉維貴從四個(gè)角度論證了2013年是“大數(shù)據(jù)元年”[3]，之后這一概念迅速成為熱詞。根據(jù)谷歌公司的趨勢(shì)分析（它提高了人們對(duì)關(guān)鍵詞的搜索興趣），大數(shù)據(jù)和分析熱潮在2016年6月達(dá)到了頂峰。本研究分析了大數(shù)據(jù)技術(shù)的原理及特點(diǎn)，梳理大數(shù)據(jù)技術(shù)在數(shù)字化轉(zhuǎn)型中的應(yīng)用及研究現(xiàn)狀，探討該技術(shù)在數(shù)字化轉(zhuǎn)型進(jìn)程中的發(fā)展前景。

一、大數(shù)據(jù)的技術(shù)原理和技術(shù)特點(diǎn)

（一）大數(shù)據(jù)的技術(shù)原理

目前關(guān)于大數(shù)據(jù)（Big data）的定義有多種說(shuō)法。國(guó)際數(shù)據(jù)中心（IDC）將大數(shù)據(jù)定義為更經(jīng)濟(jì)地從高頻率的、大容量的、不同結(jié)構(gòu)和類型的數(shù)據(jù)中獲取價(jià)值而設(shè)計(jì)的新一代架構(gòu)和技術(shù)[4]。根據(jù)Gartner的觀點(diǎn)，大數(shù)據(jù)是指信息資產(chǎn)的一個(gè)類別，它具有海量、高增長(zhǎng)率和多樣化的特點(diǎn)，并且需要新的處理模式才能發(fā)揮其更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力。而在2011年，麥肯錫全球研究所對(duì)大數(shù)據(jù)進(jìn)行了定義，他們認(rèn)為大數(shù)據(jù)是指一個(gè)數(shù)據(jù)集合，其規(guī)模遠(yuǎn)遠(yuǎn)超出了傳統(tǒng)數(shù)據(jù)庫(kù)軟件工具的能力范圍，主要表現(xiàn)在獲取、存儲(chǔ)、管理和分析方面。大數(shù)據(jù)具有四個(gè)主要特征，包括海量的數(shù)據(jù)規(guī)模、快速的數(shù)據(jù)流轉(zhuǎn)、多樣的數(shù)據(jù)類型和價(jià)值密度低[5]。后兩個(gè)定義得到的認(rèn)可最多。

就目前對(duì)“大數(shù)據(jù)”概念的使用來(lái)看，在此我們限定研究作為技術(shù)工具、研究方法的大數(shù)據(jù)，具體到本文，大數(shù)據(jù)是數(shù)字化轉(zhuǎn)型的利器。數(shù)字化轉(zhuǎn)型是信息技術(shù)引發(fā)的系統(tǒng)性變革，需要一套涵蓋“數(shù)據(jù)、技術(shù)、流程和組織”的系統(tǒng)性解決方案。組織可以利用設(shè)備設(shè)施、信息技術(shù)軟硬件、網(wǎng)絡(luò)和平臺(tái)等資源，充分利用云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、人工智能和區(qū)塊鏈等新一代信息技術(shù)的先進(jìn)功能，有序推進(jìn)技術(shù)的整合、融合和創(chuàng)新[6]。

（二）大數(shù)據(jù)的技術(shù)特點(diǎn)

2013年，IBM公司總結(jié)了大數(shù)據(jù)的技術(shù)特點(diǎn)為“5V”，包括數(shù)據(jù)量大（Volume）、數(shù)據(jù)速度快（Velocity）、數(shù)據(jù)類型多樣（Variety）、數(shù)據(jù)價(jià)值高（Value）和數(shù)據(jù)準(zhǔn)確性（Veracity）。國(guó)際數(shù)據(jù)公司（IDC）用“4V+1C”的特征來(lái)定義大數(shù)據(jù)：龐大數(shù)據(jù)集合（Volume）、極速數(shù)據(jù)更新（Velocity）、多樣數(shù)據(jù)種類（Variety）、難以估量的數(shù)據(jù)價(jià)值（Value）和精密分析處理（Complexity）[4]。以上都包含大數(shù)據(jù)的4個(gè)“V”：（1）大量。隨著信息技術(shù)的高速發(fā)展，數(shù)據(jù)開始爆發(fā)性增長(zhǎng)。（2）多樣。廣泛的數(shù)據(jù)來(lái)源，決定了大數(shù)據(jù)形式的多樣性。（3）高速。數(shù)據(jù)持續(xù)涌現(xiàn)，速度更快者占據(jù)優(yōu)勢(shì)。（4）價(jià)值。只要合理運(yùn)用并確切、準(zhǔn)確地分析數(shù)據(jù)，將帶來(lái)豐厚的價(jià)值回報(bào)。這也是大數(shù)據(jù)的核心特征[3]。

（三）大數(shù)據(jù)技術(shù)的發(fā)展歷程

1997年10月，Michael Cox和David Ellsworth在美國(guó)計(jì)算機(jī)學(xué)會(huì)的數(shù)字圖書館中發(fā)表了一篇名為《為外存模型可視化而應(yīng)用控制程序請(qǐng)求頁(yè)面調(diào)度》的文章。這是該學(xué)會(huì)數(shù)字圖書館中首次使用“大數(shù)據(jù)”一詞的文章。1999年8月，Steve Bryson、David Kenwright、Michael Cox、David Ellsworth和Robert Hemenway發(fā)表了一篇名為《千兆字節(jié)數(shù)據(jù)集的實(shí)時(shí)性可視化探索》的文章，該文章是在《美國(guó)計(jì)算機(jī)協(xié)會(huì)通訊》上使用“大數(shù)據(jù)”一詞的第一篇文章。2001年，美國(guó)Gartner首次開發(fā)了大數(shù)據(jù)模型。2005年Hadoop項(xiàng)目誕生。2008年，著名的《自然》雜志推出了一期專門介紹“Big Data”概念的刊物。隨后，從2009年開始，“大數(shù)據(jù)”逐漸成為互聯(lián)網(wǎng)信息技術(shù)行業(yè)中的熱門詞匯。2011年5月，麥肯錫的全球研究院發(fā)布了一份題為《大數(shù)據(jù)：創(chuàng)新、競(jìng)爭(zhēng)和生產(chǎn)力的下一個(gè)新領(lǐng)域》的報(bào)告，這是專業(yè)機(jī)構(gòu)首次詳細(xì)介紹和展望大數(shù)據(jù)。為了推動(dòng)我國(guó)大數(shù)據(jù)技術(shù)的研究和發(fā)展，2012年中國(guó)計(jì)算機(jī)學(xué)會(huì)啟動(dòng)了CCF大數(shù)據(jù)專家委員會(huì)，并發(fā)布了《2013年中國(guó)大數(shù)據(jù)技術(shù)與產(chǎn)業(yè)發(fā)展白皮書》。此后，國(guó)內(nèi)外學(xué)術(shù)界和工業(yè)界都積極行動(dòng)起來(lái)，廣泛開展大數(shù)據(jù)技術(shù)的研究和開發(fā)[7]?？傊?，論文奠定大數(shù)據(jù)技術(shù)發(fā)展基石，業(yè)務(wù)催生大數(shù)據(jù)技術(shù)不斷突破，效率倒逼大數(shù)據(jù)技術(shù)迭代更新。

二、大數(shù)據(jù)在數(shù)字化轉(zhuǎn)型中的應(yīng)用

（一）大數(shù)據(jù)在國(guó)內(nèi)數(shù)字化轉(zhuǎn)型中的應(yīng)用分析

2013年以來(lái)，大數(shù)據(jù)成為各行各業(yè)的新的研究熱點(diǎn)之一。在中國(guó)知網(wǎng)CNKI數(shù)據(jù)庫(kù)，以“大數(shù)據(jù)+數(shù)字化轉(zhuǎn)型”為主題，檢索日期為2023年3月，時(shí)間限定為2012年1月至2022年3月，共檢索到相關(guān)研究文獻(xiàn)3 910篇，其中學(xué)術(shù)期刊3 161篇，占比80.84%；學(xué)位論文272篇，占比6.96%；其他會(huì)議、報(bào)刊等478篇，占比12.20%。從主題看，以數(shù)字化轉(zhuǎn)型、大數(shù)據(jù)為主題的文章為1 512篇，占比38.67%；數(shù)字經(jīng)濟(jì)、大數(shù)據(jù)時(shí)代、數(shù)字政府的文章為361篇，占比9.23%。其他文章為2 037篇，占比52.1%。從發(fā)表年份來(lái)看，2012年，學(xué)術(shù)界相關(guān)研究文獻(xiàn)僅有兩篇，此后的研究是爆發(fā)式增長(zhǎng)，尤其是從數(shù)字化轉(zhuǎn)型的元年2017年開始。2017—2022年分別為154篇、284篇、494篇、994篇、1 620篇、198篇，相關(guān)研究已經(jīng)頗具規(guī)模。

（二）大數(shù)據(jù)在國(guó)外數(shù)字化轉(zhuǎn)型中的應(yīng)用分析

選定的同行評(píng)審數(shù)據(jù)庫(kù)是web of science核心合集，以“big data”為主題進(jìn)行搜索。檢索日期：2022年3月，時(shí)間限定為1975年1月—2022年3月，檢索到69 074篇。以“big data”組合“digital transformation”，檢索到文獻(xiàn)509篇。從發(fā)表時(shí)間來(lái)看，2015年檢索到1篇相關(guān)研究文獻(xiàn)，2016—2022年，相關(guān)研究文獻(xiàn)分別是10篇、23篇、42篇、86篇、121篇、189篇、37篇。在國(guó)外，大數(shù)據(jù)的研究前五位的國(guó)家分別是德國(guó)（69篇），意大利（65篇），美國(guó)（61篇），英國(guó)（54篇），俄羅斯（34篇），中國(guó)（32篇）在國(guó)際排名第八。

三、大數(shù)據(jù)技術(shù)在數(shù)字化轉(zhuǎn)型領(lǐng)域的熱點(diǎn)

VOSviewer是一款基于JAVA的免費(fèi)軟件，主要面向文獻(xiàn)數(shù)據(jù)，適應(yīng)于一模無(wú)向網(wǎng)絡(luò)的分析，側(cè)重科學(xué)知識(shí)的可視化。通過(guò)Network visualization的主題共現(xiàn)發(fā)現(xiàn)研究熱點(diǎn)的結(jié)構(gòu)分布。Density visualization可用來(lái)快速觀察重要領(lǐng)域以及某一領(lǐng)域知識(shí)及研究密度情況。據(jù)此我們總結(jié)出目前大數(shù)據(jù)在數(shù)字化轉(zhuǎn)型中應(yīng)用的主要研究方向，具體如下：聚類#1：Wessel L.等人（2021）研究了數(shù)字化轉(zhuǎn)型和基于信息技術(shù)（it）的組織轉(zhuǎn)型的兩個(gè)區(qū)別；Zeki-Suac M.等人（2021）將大數(shù)據(jù)平臺(tái)和機(jī)器學(xué)習(xí)納入智能系統(tǒng)，以管理公共部門的能源效率；Manfreda A.等人（2021）的研究側(cè)重于技術(shù)采用、對(duì)效益的認(rèn)知、安全性、與移動(dòng)性相關(guān)的效率和擔(dān)憂等。聚類#2：Llopis-Albert C.等人（2021）分析了數(shù)字化轉(zhuǎn)型對(duì)企業(yè)績(jī)效模型和不同參與者滿意度的影響；Abdel-Basset M. 等人（2021）以一個(gè)實(shí)證的案例分析實(shí)際COVID-19患者，并顯示了破壞性技術(shù)對(duì)COVID-19分析框架的重要性。聚類#3：Liu H.等人（2019）確定了數(shù)字化轉(zhuǎn)型的三個(gè)階段：信息數(shù)字化、流程數(shù)字化和業(yè)務(wù)數(shù)字化；Osterrieder P.等人（2020）找到智能工廠研究模型，包括八個(gè)不同主題視角；Aheleroff S等人（2020）認(rèn)為物聯(lián)網(wǎng)（IoT）在降低成本、提高效率、質(zhì)量和實(shí)現(xiàn)面向數(shù)據(jù)的預(yù)測(cè)性維護(hù)服務(wù)方面的潛力等。聚類#4：Szalavetz A.（2018）研究發(fā)現(xiàn)先進(jìn)制造技術(shù)AMT顯著提高了生產(chǎn)能力的所有組成部分；數(shù)字孿生等。聚類#5：Rijswijk K等人（2021）認(rèn)為數(shù)字技術(shù)的設(shè)計(jì)和創(chuàng)造是成功實(shí)現(xiàn)社會(huì)—網(wǎng)絡(luò)—物理系統(tǒng)數(shù)字化轉(zhuǎn)型的條件；Manesh M.F.等人（2021）通過(guò)使用文獻(xiàn)綜述法，工業(yè)4.0中知識(shí)管理的知識(shí)結(jié)構(gòu)和發(fā)展趨勢(shì)；Ghobakhloo M.（2019）發(fā)現(xiàn)生產(chǎn)效率和商業(yè)模式創(chuàng)新等經(jīng)濟(jì)可持續(xù)性功能往往是工業(yè)4.0更直接的結(jié)果。聚類#6：Matarazzo M.等人（2021）發(fā)現(xiàn)數(shù)字工具有助于其商業(yè)模式的創(chuàng)新；Li H.等人（2021）研究發(fā)現(xiàn)數(shù)字技術(shù)促進(jìn)了外部和內(nèi)部關(guān)系以及數(shù)字技術(shù)業(yè)務(wù)戰(zhàn)略協(xié)調(diào)；Tronvoll B.等人（2020）發(fā)現(xiàn)制造商越來(lái)越多地尋求數(shù)字化來(lái)推動(dòng)服務(wù)增長(zhǎng)，Vaio A.D.（2021）等人認(rèn)為數(shù)字創(chuàng)新可以通過(guò)優(yōu)化新知識(shí)來(lái)促進(jìn)新的商業(yè)模式；Ciampi F.等人（2020）研究發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型工具在長(zhǎng)期內(nèi)有助于價(jià)值創(chuàng)造過(guò)程等。

四、討論（未來(lái)研究方向）

使用VOSviewer1.6.16版本對(duì)以上在WOS里采集到的數(shù)據(jù)做出關(guān)鍵詞標(biāo)簽視圖。Overlay visualization可以分析領(lǐng)域內(nèi)研究趨勢(shì)的演變。2019年以前：云計(jì)算、數(shù)字創(chuàng)新、Dwivedi Y.K.等人（2020）認(rèn)為，COVID-19流行病迫使許多組織進(jìn)行重大變革，并使用技術(shù)來(lái)維持運(yùn)營(yíng)等。2019年1—5月：數(shù)字化制造、隱私、信息數(shù)字化等。2019年6—12月：機(jī)器學(xué)習(xí)、工業(yè)物聯(lián)網(wǎng)、大數(shù)據(jù)科學(xué)等。2020年1—5月：Sb A.等人（2018）確定了數(shù)字化轉(zhuǎn)型如何影響循環(huán)經(jīng)濟(jì)中優(yōu)化采購(gòu)流程的意圖；Urbinati A.等人（2020）認(rèn)為可以采用變革管理的理論視角來(lái)確定企業(yè)在開放式創(chuàng)新過(guò)程中實(shí)施數(shù)字技術(shù)所采取的組織和過(guò)程層面的管理行動(dòng)，從而彌合這一差距等。2020年5—12月：企業(yè)績(jī)效、大數(shù)據(jù)分析、機(jī)器人科學(xué)（或技術(shù)）等。2021年以后：Frank A.G.，等人（2019）從商業(yè)模式創(chuàng)新（BMI）的角度將服務(wù)化和工業(yè)4.0概念聯(lián)系起來(lái)；Frank A.G.等人（2019）工業(yè)4.0技術(shù)（前端技術(shù)和基礎(chǔ)技術(shù)）在制造企業(yè)中的采用模式等。

五、結(jié)束語(yǔ)

本文首先介紹了大數(shù)據(jù)技術(shù)的背景、定義，技術(shù)特點(diǎn)和發(fā)展歷程。檢索了CNKI和WOS的數(shù)據(jù)庫(kù)里”大數(shù)據(jù)+數(shù)字化轉(zhuǎn)型”主題的相關(guān)文獻(xiàn)并梳理，通過(guò)可視化軟件VOSviewer1.6.16版本梳理出目前的主要研究領(lǐng)域，最后本文對(duì)”大數(shù)據(jù)+數(shù)字化轉(zhuǎn)型”主題的未來(lái)研究方向和科學(xué)問(wèn)題進(jìn)行了探討與總結(jié)。

參考文獻(xiàn)：

[1]? ?阿爾文·托夫勒.黃明堅(jiān)，譯.第三次浪潮 未來(lái)三部曲[M].北京：中信出版社，2018.

[2]? ?維克托·邁爾-舍恩伯格，肯尼思·庫(kù)克耶.盛楊燕，周濤，譯.大數(shù)據(jù)時(shí)代[M]．杭州：浙江人民出版社，2013.

[3]? ?劉維貴.“大數(shù)據(jù)”研究綜述[J].辦公自動(dòng)化，2014（1）：27-30.

[4]? ?Gantz J，Reinsel D. Extracting value from chaos[J].IDC iView， 2011： 1-12.

[5]? ?Manyika J，Chui M，Brown B，et al.Big data：the next frontier for innovation，competition，and productivity[R].McKinsey Global Institute，2011.

[6]? ?中關(guān)村信息技術(shù)和實(shí)體經(jīng)濟(jì)融合發(fā)展聯(lián)盟.數(shù)字化轉(zhuǎn)型 參考架構(gòu) T/AIITRE 10001-2020[M].北京：清華大學(xué)出版社，2020.

[7]? ?陳穎.大數(shù)據(jù)發(fā)展歷程綜述[J].當(dāng)代經(jīng)濟(jì)，2015（8）：13-15.

[責(zé)任編輯? ?文? ?欣]