Ⅰ 有關大數據應用的論文(2)
有關大數據應用的論文篇二
《大數據技術對財務管理的影響》
摘 要：大數據可以快速幫助財務部門建立財務分析工具，而不是單純做賬。大數據應該不僅僅局限於本單位的微觀數據，更為重要的關注其他單位的宏觀數據。大數據技術不僅帶來了企事業單位財務數據搜集的便利和挑戰，而且也衍生出了諸多關於單位人員個人信息保密等問題橋扒爛的積極探索。本文主要研究大數據技術(meta-data或big data)對企業或事業單位財務管理的影響，以期為財務數據管理的安全性提供一種分析的依據和保障。
關鍵詞：大數據;財務管理;科學技術;知識進步
數據是一個中性概念。人類自古以來幾千年的輝煌變遷，無外乎就是數據的搜集和使用過程而已。縱觀古今中外的人際交流與合作，充滿著爾虞我詐和勾心鬥角，那麼他們在爭什麼呢?實際上是在爭奪信息資源;歷史上品相繁多的戰爭，實際上不是在維持什麼所謂的正義和和平，抑或為了人間的正道，而是在爭奪數據的使用權;“熙熙攘攘皆為利往、攘攘熙熙皆為利來”的世俗變遷邏輯已經讓位於數據游戲的哲學法則。人類自英國產業革命以來所陸續發明的技術，盡管被人們美其名曰“第四次科技革命的前沿技術”，實際上不過就是“0”和“1”兩個數字的嬉戲而已。正如有學者指出的，汽車技術、生命科學技術、基因技術、原子能技術、宇宙航天技術、納米技術、電子計算機技術，看起來美輪美奐，實則隱含著殺機，那就是由於人們把技術當成了目的後，導致了“技術專制”後的“技術腐敗”和“技術災難”。人類一方面在懶惰基因的誘惑下，發明了諸多所謂的機械裝置，中國叫“機巧”;另一方面又在勤奮的文化下，發明了諸多抑制懶惰的制度和機制。本來想尋求節儉，結果卻越來越奢侈;本來想節約，結果卻越來越浪費;本來想善良，結果卻越來越邪惡;本來想美好，結果卻越來越醜陋。正如拉美特里所說：“人是什麼?一半是天使，一半是野獸。當人拚命想成為天使的時候，其實他會逐漸變成野獸;當人想極力崇拜野獸的時候，結果會逐漸接近天使。”我們不是在宣講宿命的技術，我們只是在預測技術的宿命。本文主要研究大數據技術(meta-data或big data)對企業或事業單位財務管理的影響，以期為財務數據管理的安全性提供一種分析的依據和保障。
一、大數據技術加大了財務數據收集的難度敏漏
財務數據的收集是一個復雜的系統工程，國際上一般採用相對性原則，即首先利用不完全統計學的知識對數據進行初步的計算，接著對粗糙的數據進行系統的羅列，最後對類型化的數據進行明分梳理。使用者如果想進入該資料庫，此塌就必須擁有注冊的用戶名和密碼。由於國際上對於網路數據的監督均採取了實名注冊的模式，所以一旦該用戶進入到核心資料庫之後想竊取數據，一般都會暴露自己的bug地址源，網管可以循著這一唯一性存留，通過雲計算迅速找到該網路終端的IP地址，於是根據人機互動原理，再加上各種網吧所安裝的監控平台，可以迅速找到資料庫的剽竊者。如果按照上述數據變遷邏輯，那麼財務數據的收集似乎變得易如反掌，而事實並非如此。因為：①數據的量化指標受制於雲計算伺服器的安全性。當雲伺服器受到不可抗力的打擊，如地震、水患、瘟疫、鼠疫、火災、原子能泄露或各種人為破壞的作用，數據會呈現離散型散落。這時的數據丟失會演變成數字災難;②各種數據版權的擁有者之間很難實現無縫隙對接。比如在經過不同伺服器的不同數據流之間，很難實現現實意義上的自由流通。正如專家所指出的，教育伺服器的事業單位的人員數據、行政部門人事管理部門的保密性數據、軍事單位的軍事數據、醫療衛生事業的數據、工商注冊數據、外事數據等在無法克服實際權力的分割陷阱之前，很難實現資源的共享，這時對數據的所謂搜集都會演化為“不完全抽樣”的數字假象。由此而衍生的資料庫充其量只是一部分無用的質料而已。
二、大數據技術影響了財務數據分析的准確性
對於搞財務管理的人來說，財務數據的收集只是有效實現資源配置的先決條件，真正有價值的或者說最為關鍵的環節是對財務數據的分析。所謂“財務數據分析”是指專業的會計人員或審計人員對紛繁復雜的單位人力資源信息進行“去魅”的過程。所謂“去魅”就是指去粗取精、去偽存真、由此及彼、由表及裡、內外互聯，彼此溝通、跨級交流、跨界合作。在較為嚴格的學術意義上，分析的難度廣泛存在與財務工作人員的日常生活中。大數據技術盡管為數據的搜集提供了方便法門，但同時加大了財務人員的工作量和工作難度。原先只是在算盤或者草稿紙上就可以輕松解決的數據計算，現在只能藉助於計算機和雲圖建模。對於一些藉助於政治權力因素或者經濟利益因素，抑或是藉助於自身的人際關系因素上升到財務管理部門的職工來說，更大的挑戰開始了。他們不知道如何進行數據流的圖譜分析，不知道基於計算機軟體技術的集成線路技術的跌級分類，不知道基於非線性配置的液壓傳動技術的模板沖壓技術，不知道逆向網路模型來解決外部常態財務變數的可篡改問題。由於技術不過硬，導致了領導安排的任務不能在規定的時間內完成，即時倉促做完的案例，也會因為數據分析技術的落後而授人以柄，有的脾氣不好的領導可能會大發雷霆;脾氣好的領導只是強壓著內心的怒火，那種以靜制動的魄力和安靜更是攝魂奪魄。所以說數據分析難度的增加不是由於財務人員的良心或善根缺失，在很大程度上是由於技術的進步和大數據理念給我們帶來的尖銳挑戰。對於普通的沒有家庭和社會背景的財務管理人員來說，能做的或者說唯一可做的就是尊重歷史發展的周期律，敬畏生生不息的科學革命，認真領會行政首長的戰略意圖，提升自己的數據分析技術，升華在自身的“硬實力”。否則覬覦於領導的良心發現和疏忽大意，期望技術的靜止或者倒退，抑或是在違法犯罪之後天真的認為可以相安無事，可能都只會落得“恢恢乎如喪家之犬”的境遇。
三、大數據技術給財務人事管理帶來了挑戰
一個單位的財務人事管理牽扯到方方面面的問題，其意義不可小視。一般來講，單位在遴選財務管理部門管理人員的時候，大多從德才績行四個方面全面權衡。然而這種“四有標准”卻隱含著潛在的危機和不可避免的長遠威脅，這其中的緣由就在於人性的復雜性和不可猜度性。歷史和現實一再告訴人們，單純看眼前的表現和話語的華麗，不僅不能對人才的素質進行准確的評價，而且還會導致官員的遠期腐敗和隱性腐敗。對於中國的腐敗，國人大多重視了制度和道德的緣起，卻往往忽視了財務管理的因素。試想如果財務管理人員牢牢踐行“焦裕祿精神”，不對任何政治權力開綠燈，國有資產又如何流出國庫而了無人知曉呢?事實上，中國的所有腐敗，不論是國有資產的國外流失抑或是國內流失，都在很大程度上與財務人員有關，可能有些管理人員會強調那不是自己的責任，出納簽字是領導的授意，會計支出費用那是長官的意思清晰表示。實際上，處於權力非法授予的簽字、蓋章、取現、流轉和變相洗錢都是違法的，甚至是犯罪的。間接故意也是應當追究責任的。值得高興的是，伴隨著數字模擬技術的演進，財務管理中的腐敗現象和人事管理科學化問題得到了極大的改善，相關領導伸手向財務要錢的行為，不僅會受到數據進入許可權的限制，而且還會受到跟數據存留的監控，只要給予單位科技人員以足夠的許可權，想查找任何一筆資金的走向就變得非常簡單，而且對於每一筆資金的經手者的信息也會了如指掌。這在一定程度上減少了只會指揮、不懂電腦的首長的孵化幾率。
四、大數據技術加大了單位信息保密的難度
IMA(美國注冊會計師協會)研發副總裁Raef・Lawson博士曾經指出：“客觀上講，大數據技術的正面效用是非常明顯的，但一個不容迴避的事實是大數據技術為財務信息的安全性提出了越來越嚴峻的挑戰。我們已經注意到，在歐洲大陸、美洲大陸已經存在基於數據泄露而產生的各種抗議活動，這些活動牽扯到美國的數據竊聽丑聞、俄羅斯對軍事數據的強制性戰友舉動、以色列數據專家出賣阿拉伯世界經濟數據的案件、在東方的中國香港一部分利用數據的竊取而發家致富的頂尖級黑客專家。”在數據集成的拓撲領域，大數據技術的保密性挑戰肇始於蟻群演算法的先天性缺陷。本來數據流的控制是依靠各種所謂的交易密碼，實際上這些安全密碼只是數據的另一種分類和組合而已。在數據的非線性組合和線路的真空組裝模式下，任何密碼都只是阻擋了技術侏儒的暫時性舉動，而沒有超出技術本身的惰性存在。當一個hacker掌握了源代碼的介質性接洽技術之後，所剩下的就是信息和數據的搜集了，只要有足夠的數據源，信息的戶的幾乎是輕而易舉的。
2003年，北京的一家名為飛塔公司的防火牆安全軟體在中關村科技城閃亮上市。該安全控制軟體的開發者隨機開發了一款名曰MAZE天網的軟體，並且採用了“以其之矛攻其之盾”的攻防策略。測試的結果是盡管maze的源代碼採用了24進制蝶形加密技術，但 FortiGate防火牆技術仍然能夠阻擋住善意木馬對電腦終端用戶信息的剽竊和非法利用。FortiWeb已經通過全球權威的ICSA認證，可以阻斷如跨站腳本、SQL注入、緩沖區溢出、遠程文件包含、拒絕服務，同時防止敏感資料庫外泄，為企事業單位Web應用提供了專業級的應用安全防護。飛塔公司之所以耗費人力和物力去開發這一新型的換代產品，就在於大數據時代對單位信息保密性的沖擊。試想，如果一個單位連職工最起碼的個人信息都不能安全存儲的話，那麼財務管理的科學性和人本性將從何談起?只能說，即使在人權保護意識相對薄弱的法治環境里，我們也應該盡量提升自己的保密意識，加強對個人信息的保護和合理運用。
作者簡介：田惠東(1967- )，女，漢族，河北定興人，副高級會計師，本科學歷，研究方向：財務管理，單位：保定市第一醫院
Ⅱ 以大數據為主題,寫一篇1500字的文章
世界包含的多得難以想像的數字化信息變得更多更快……從商業到科學，從政府到藝術，這種影響無處不在。科學家和計算機工程師們給這種現象創造了一個新名詞：「大數據」。大數據時代什麼意思？大數據概念什麼意思？大數據分析什麼意思？所謂大數據，那到底什麼是大數據，他的來源在哪裡，定義究竟是什麼呢？
七：最後北京開運聯合給您總結一下
不管大數據的核心價值是不是預測，但是基於大數據形成決策的模式已經為不少的企業帶來了盈利和聲譽。
1、從大數據的價值鏈條來分析，存在三種模式：
1)手握大數據，但是沒有利用好;比較典型的是金融機構，電信行業，政府機構等。
2)沒有數據，但是知道如何幫助有數據的人利用它;比較典型的是IT咨詢和服務企業，比如，埃森哲，IBM，開運聯合等。
3)既有數據，又有大數據思維;比較典型的是Google，Amazon，Mastercard等。
2、未來在大數據領域最具有價值的是兩種事物：
Ⅲ 碩士論文開題報告
碩士論文開題報告模板4500字
本課題來源於作者在學習和實習中了解到的兩個事實，屬於自擬課題。
其一，作者在2011年7月在XXX公司調研，了解到現如今各行業都面臨著數據量劇增長，並由此帶來業務處理速度緩慢，數據維護困難等問題。為了應對此挑戰，很多企業開實施大數據發展戰略。現如今的大數據發展戰略可以概括為兩類，一類是垂直擴展。即採用存儲容量更大，處理能力更強的設備，此種方式成本較大，過去很多大公司一直採用此種方法處理大數據。但自從2004年Google發布關於GFS，MapRece和BigTable三篇技術論文之後，雲計算開始興起，2006年Apache Hadoop項目啟動。隨後從2009年開始，隨著雲計算和大數據的發展，Hadoop作為一種優秀的數據分析、處理解決方案，開始受到許多 IT企業的關注。相較於垂直擴張所需的昂貴成本，人們更鍾情於採用這種通過整合廉價計算資源的水平擴展方式。於是很多IT企業開始探索採用Hadoop框架構建自己的大數據環境。
其二，作者自2013年4月在XXX實習過程中進一步了解到，因為關系資料庫在存儲數據格式方面的局限，以及其Schema機制帶來的擴展性上的不便，目前在大部分的大數據應用環境中都採用非結構化的資料庫，如列式存儲的Hbase，文檔型存儲的MangoDB，圖資料庫neo4j等。這些非結構化資料庫因為可擴展性強、資源利用率高，高並發、響應速度快等優勢，在大數據應用環境中得到了廣泛的應用。但此種應用只解決了前端的業務處理，要真正利用大數據實現商務智能，還需要為決策支持系統和聯機分析應用等提供一數據環境——數據倉庫。為此，導師指導本文作者擬此題目，研究基於Hadoop框架的數據倉庫解決方案。
二、研究目的和意義：
現如今，數據已經滲透到每一個行業，成為重要的生產因素。近年來，由於歷史積累和和數據增長速度加快，各行業都面臨著大數據的難題。事實上，大數據既是機遇又時挑戰。合理、充分利用大數據，將其轉變為海量、高增長率和多樣化的信息資產，將使得企業具有更強的決策力、洞察發現力和流程優化等能力。因此，很多IT企業都將大數據作為其重要的發展戰略，如亞馬遜、FaceBook已布局大數據產業，並取得了驕人的成績。事實上，不止谷歌、易趣網或亞馬遜這樣的大型互聯網企業需要發展大數據，任何規模的企業都有機會從大數據中獲得優勢，並由此構建其未來業務分析的基礎，在與同行的競爭中，取得顯著的優勢。
相較於大型企業，中小企業的大數據發展戰略不同。大公司可以憑借雄厚的資本和技術實力，從自身環境和業務出發，開發自己的軟體平台。而中小企業沒有那樣的技術實力，也沒有那麼龐大的資金投入，更傾向於選擇一個普遍的、相對廉價的解決方案。本文旨在分析大數據環境下資料庫的特點，結合當下流行的Hadoop框架，提出了一種適用於大數據環境的數據倉庫的解決方案並實現。為中小企業在大數據環境中構建數據倉庫提供參考。其具體說來，主要有以下三方面意義：
首先，目前主流的資料庫如Oracle、SQL Server都有對應自己資料庫平台的一整套的數據倉庫解決方案，對於其他的關系型資料庫如MySQL等，雖然沒有對應資料庫平台的數據倉庫解決方案，但有很多整合的數據倉庫解決方案。而對於非結構化的資料庫，因其數據模型不同於關系型資料庫，需要新的解決方案，本文提出的基於Hive/Pentaho的數據倉庫實現方案可以為其提供一個參考。
其次，通過整合多源非結構化資料庫，生成一個面向主題、集成的.數據倉庫，可為大數據平台上的聯機事務處理、決策支持等提供數據環境，從而有效利用數據資源輔助管理決策。
再次，大數據是一個廣泛的概念，包括大數據存儲、大數據計算、大數據分析等各個層次的技術細節，本文提出的「大數據環境下的數據倉庫解決方案及實現「豐富了大數據應用技術的生態環境，為大數據環境下的數據分析、數據挖掘等提供支撐。
三、國內外研究現狀和發展趨勢的簡要說明：
本文研究的主體是數據倉庫，區別於傳統基於關系型資料庫的數據倉庫，本文聚焦大數據環境下基於非結構資料庫的數據倉庫的構建與實現。因此，有必要從數據倉庫和大數據環境下的資料庫兩方面進行闡述。
(一) 數據倉庫國內外研究現狀
自從Bill Inmon 在1990年提出「數據倉庫」這一概念之後，數據倉庫技術開始興起，並給社會帶來新的契機，逐漸成為一大技術熱點。目前，美國30%到40%的公司已經或正在建造數據倉庫。現如今隨著數據模型理論的完善，資料庫技術、應用開發及挖掘技術的不斷進步，數據倉庫技術不斷發展，並在實際應用中發揮了巨大的作用。以數據倉庫為基礎，以聯機分析處理和數據挖掘工具為手段的決策支持系統日漸成熟。與此同時，使用數據倉庫所產生的巨大效益又刺激了對數據倉庫技術的需求，數據倉庫市場正以迅猛的勢頭向前發展。
我國企業信息化起步相對較晚，數據倉庫技術在國內的發展還處於積累經驗階段。雖然近年來，我國大中型企業逐步認識到利用數據倉庫技術的重要性，並已開始建立自己的數據倉庫系統，如中國移動、中國電信、中國聯通、上海證券交易所和中國石油等。但從整體上來看，我國數據倉庫市場還需要進一步培育，數據倉庫技術同國外還有很大差距。為此，我國許多科技工作者已開始對數據倉庫相關技術進行深入研究，通過對國外技術的吸收和借鑒，在此基礎上提出適合國內需求的技術方案。
(二) 非結化資料庫國內外研究現狀
隨著資料庫技術深入應用到各個領域，結構化資料庫逐漸顯露出一些弊端。如在生物、地理、氣候等領域，研究面對的數據結構並不是傳統上的關系數據結構。如果使用關系資料庫對其進行存儲、展示，就必須將其從本身的數據結構強行轉換為關系數據結構。採用此種方式處理非結構數據，不能在整個生命周期內對非關系數據進行管理，並且數據間的關系也無法完整的表示出來。在此背景下，非結構化資料庫應運而生。相較於關系資料庫，非結構資料庫的欄位長度可變，並且每個欄位的記錄又可以由可重復或不可重復的子欄位構成。如此，它不僅可以處理結構化數據，更能處理文本、圖象、聲音、影視、超媒體等非結構化數據。近年來，隨著大數據興起，非結構資料庫開始廣泛應用，以支持大數據處理的多種結構數據。
目前，非結構化的資料庫種類繁多，按其存儲數據類型分，主要包含內存資料庫、列存儲型、文檔資料庫、圖資料庫等。其中，常見的內存資料庫有SQLite，Redis，Altibase等;列存儲資料庫有Hbase，Bigtable等;文檔資料庫有MangoDB，CouchDB，RavenDB等;圖資料庫有Neo4j等。近年來，我國非結構資料庫也有一定發展，其中最具代表的是國信貝斯的iBASE資料庫。可以預見在不久的將來，伴隨這大數據的應用，非結構資料庫將會得到長足的發展和廣泛的應用。
四、主要研究內容和要求達到的深度：
本文研究的方向是數據倉庫，並且是聚焦於大數據這一特定環境下的數據倉庫建設，其主要內容包括以下幾點：
1. 非結構資料庫的數據倉庫解決方案：本文聚焦於大數據這一特定環境下的數據倉庫建設，因為大數據環境下的數據倉庫建設理論文獻很少，首先需要以研究關系資料庫型數據倉庫的解決方案為參考，然後對比關系資料庫和非結構資料庫的特點，最後在參考方案的基礎上改進，以得到適合非結構資料庫環境的數據倉庫解決方案。
2. 非結構資料庫和關系資料庫間數據轉換：非結構資料庫是對關系資料庫的補充，很多非結構資料庫應用環境中都有關系資料庫的身影。因此，非結構資料庫和關系資料庫間數據轉換是建立非結構資料庫需要解決的一個關鍵問題。
3. 基於非結構資料庫的數據倉庫構建：本文擬採用手禮網的數據，分析其具體的數據環境和需求，為其構建基於非結構資料庫的數據倉庫，主要包括非結構資料庫的數據抽取，Hive資料庫入庫操作和Pentaho前台數據展現等。
五、研究工作的主要階段、進度和完成時間：
結合研究需要和學校教務管理的安排，研究工作主要分以下四階段完成：
第一階段：論文提綱：20XX年6月——7月
第二階段：論文初稿 ：20XX年8月——10月
第三階段：論文修改：20XX年11月——2014年3月
第四階段：最終定稿：20XX年4月
六、擬採用的研究方法、手段等及採取的措施：
在論文提綱階段，本文擬採用調查統計的方法，收集目前大數據環境下資料庫應用情況，著重統計各類型資料庫的應用比例。同時採用文獻分析和個案研究的方法研究數據倉庫構建的一般過程和對應的技術細節，並提出解決方案。在論文初稿和修改階段，本文擬通過實證研究，依據提綱階段在文獻分析中收集到的理論，基於特定的實踐環境，理論結合實踐，實現某一具體數據倉庫的構建。最後採用定性和定量相結合的方法，詳細介紹大數據環境下資料庫和數據倉庫的特點，其數據倉庫實現的關鍵問題及解決方案，以及數據倉庫個例實現的詳細過程。
七、可能遇見的困難、問題及擬採取的解決辦法、措施：
基於本文的研究內容和特點分析，本文在研究過程中最有可能遇到三個關鍵問題。
其一，非結構資料庫種類繁多，每類資料庫又對應有不同的資料庫產品，由於當下非結構資料庫沒有統一標准，即便同類資料庫下不同產品的操作都不盡相同，難以為所有非結構資料庫提出解決方案。針對此問題，本文擬緊貼大數據這一背景，選擇當下大數據環境中應用最多的幾類資料庫的代表性產品進行實現。
其二，雖然經過二十年的發展，數據倉庫的理論已日趨完善，但大數據是近幾年才發展起來的技術熱點，大樹據環境下的數據倉庫建設理論文獻很少。針對此問題，本文擬參考現有的成熟的關系資料庫環境下數據倉庫構建方案和非結構化數據倉庫理論，研究適合非結構資料庫的數據倉庫構建方案，請導師就方案進行指導，然後再研究具體技術細節實現方案。
其三，基於大數據環境的數據倉庫實現是本文重要的組成部分，要完成此部分的工作需要企業提供數據支持，但現在數據在企業當中的保密級別都很高，一般企業都不會將自己的業務數據外傳。針對此問題，本文擬採用企業非核心業務數據進行數據倉庫實現。
八、大綱
本文的基本構想和思路，文章擬分為導論、大數據環境下的資料庫介紹、大數據下數據倉庫關鍵問題研究、基於XX電子商務的大數據下數據倉庫實現、結論五部分。
導論
一、研究背景
二、國內外研究現狀述評
三、本文的主要內容與研究思路
第一章 大數據環境下的資料庫介紹
第一節 大數據對資料庫的要求
第二節 關系資料庫和非結構資料庫比較
第三節 大數據下常用非結構資料庫介紹
小結
第二章 大數據下數據倉庫關鍵問題研究
第一節 非結構數據模型和關系數據模型的轉換
第二節 基於多源非結構資料庫的數據抽取
第三節 數據類型轉換
第四節 數據倉庫前端展示
第三章 大數據下數據倉庫實現方案
第一節 大數據環境介紹
第二節 實現方案
第二節 Hive介紹
第三節 Pentaho介紹
第四章 基於XX電子商務的大數據下數據倉庫實現
第一節 需求分析
第二節 模型設計
第三節 概要設計
第四節 基於Hive的數據入庫操作實現
第五節 基於Pentaho的數據倉庫前端展示實現
結論
;Ⅳ 資料庫應用論文
資料庫設計應用論文包括六個主要步驟：
1、需求分析：了解用戶的數據需求、處理需求、安全性及完整性要求；
2、概念設計：通過數據抽象，設計系統概念模型，一般為E-R模型；
3、邏輯結構設計：設計系統的模式和外模式，對於關系模型主要是基本表和視圖；
4、物理結構設計：設計數據的存儲結構和存取方法，如索引的設計；
5、系統實施：組織數據入庫、編制應用程序、試運行；
6、運行維護：系統投入運行，長期的維護工作。
Ⅳ 資料庫論文，急！！！！！！
這個也可以作為論文？
這都是基礎知識呀，教材里都有的。
在計算機硬體、軟體發展的基礎上，在應用需求的推動下，數據管理技術的發展經歷了三個階段。
一、人工管理階段
1、背景
應用背景：科學計算
硬體背景：無直接存取存儲設備
軟體背景：沒有操作系統
處理方式：批處理
2、特點
數據的管理者：人
數據面向的對象：某一應用程序
數據的共享程度：無共享,冗餘度極大
數據的獨立性：不獨立，完全依賴於程序
數據的結構化：無結構
數據控制能力：應用程序自己控制
二、文件系統階段
1、背景
應用背景：科學計算、管理
硬體背景：磁碟、磁鼓
軟體背景：有文件系統
處理方式：聯機實時處理 批處理
2、特點
數據的管理者：文件系統
數據面向的對象：某一應用程序
數據的共享程度：共享性差,冗餘度大
數據的獨立性：獨立性差
數據的結構化：記錄內有結構，整體無結構
數據控制能力：應用程序自己控制
三、資料庫系統階段
1、背景
應用背景：大規模管理
硬體背景：大容量磁碟
軟體背景：有資料庫管理系統
處理方式：聯機實時處理, 分布處理批處理
2、特點
數據的管理者：資料庫管理系統
數據面向的對象：整個應用系統
數據的共享程度：共享性高，冗餘度小
數據的獨立性：具有高度的物理獨立性和邏輯獨立性
數據的結構化：整體結構化，用數據模型描述
數據控制能力：由資料庫管理系統提供數據安全性、完整性、並發控制和恢復能力
四、資料庫系統的特點
1、數據結構化
2、數據的共享性高，冗餘度低，易於擴充
3、數據獨立性高
4、數據由DBMS統一管理和控制
數據結構化
數據結構化是資料庫與文件系統的根本區別。在描述數據時不僅要描述數據本身，還要描述數據之間的聯系。
數據的共享性
資料庫系統從整體角度看待和描述數據，數據不再面向某個應用而是面向整個系統。
數據冗餘度
指同一數據重復存儲時的重復程度。
數據的一致性
指同一數據不同拷貝的值一樣（採用人工管理或文件系統管理時，由於數據被重復存儲，當不同的應用使用和修改不同的拷貝時就易造成數據的不一致）。
物理獨立性
當數據的存儲結構（或物理結構）改變時，通過對映象的相應改變可以保持數據的邏輯構可以不變，從而應用程序也不必改變。
邏輯獨立性
當數據的總體邏輯結構改變時，通過對映象的相應改變可以保持數據的局部邏輯結構不變，應用程序是依據數據的局部邏輯結構編寫的，所以應用程序不必修改。
數據的安全性（Security）
數據的安全性是指保護數據，防止不合法使用數據造成數據的泄密和破壞，使每個用戶只能按規定，對某些數據以某些方式進行訪問和處理。
數據的完整性（Integrity）
數據的完整性指數據的正確性、有效性和相容性。即將數據控制在有效的范圍內，或要求數據之間滿足一定的關系。
並發（Concurrency）控制
當多個用戶的並發進程同時存取、修改資料庫時，可能會發生相互干擾而得到錯誤的結果並使得資料庫的完整性遭到破壞，因此必須對多用戶的並發操作加以控制和協調。
資料庫恢復（Recovery）
計算機系統的硬體故障、軟體故障、操作員的失誤以及故意的破壞也會影響資料庫中數據的正確性，甚至造成資料庫部分或全部數據的丟失。DBMS必須具有將資料庫從錯誤狀態恢復到某一已知的正確狀態（亦稱為完整狀態或一致狀態）的功能。