国内外研究综述
- 国外研究现状
（1）大数据的定义和特征
Waller和Fawcett（2013）[1]把大数据定义为由于数据量过大导致传统数据处理系统无法处理，只能由新兴科技处理的资料组。而根据Dyche（2014）[5]的观点，对于大多数人来讲，大数据就是能够通过科技进行分析的数以百万计的数据；然而在现实意义上，其应是在某个特定的方面借助科技来实现对数据的正确使用。Dubey（2015）[2]则认为大数据是由传统企业的机器获得的数据和企业外各类社会数据的汇总。
关于大数据分析的特征，Belkacem和Zina（2018）[3]认为有以下三点：一，最大化算法准确性和收集、分析、联合、解释大型资料组的计算性能；二，基于数据决定法律、技术、经济等各个方面的发展模式；三，深入挖掘获得过去无法获取的数据价值。
Davenport（2014）[4]等人提出了大数据区别于传统数据分析的“3V“特征：即volume （数据量急剧增长）；velocity（数据新增速度加快）；variety（数据来源多样化），之后加入了value（信息价值大冗余信息多）和veracity（真实性），SAS则指出还应当有variability和Complexity两个特征。
（2）大数据在管理决策中的角色
在初期，传统的决策支持系统基于交易处理系统，如ERPs产生的数据来支持内部的商业决策，之后加入了存储供求双方信息的类似系统，像SRM和CRM来整合运营价值链的上游和下游，并基于这些系统所获得的数据来进行最优的定价、订单管理、库存、成本以及应付款及时支付的控制，最终使内部决策的准确度和速度都有所提高。
而基于大数据的管理决策过程，除了以往来源于传统数据系统的数据外，还包括了通过更广泛途径获得的大量结构化、半结构化和非结构化的数据，从而来支持战略层、战术层和运营层的决策。基于大数据做出管理决策通常有以下几个优点：通过社交网络平台充分了解顾客的情绪、态度和观点，减少投入成本和时间，优化供应链，预测未来趋势和实现实时决策（Shirish, Sneha, Yogesh, 2018）[5]。
Shirish, Sneha,和Yogesh（2018）[5]又提出了大数据背景下管理决策的分析框架，其中主要包括五个步骤：数据收集，数据挖掘，分析准备，数据分析 ，做出决策。整个过程从识别信息源开始，基于现有的商业模式，借助多种信息系统获得全面的内外部数据。然后，将收集到的多维数据存储到数据库中，利用统计软件、计算机编程和数据库系统对其进行挖掘，发现这些数据中隐藏的过去未曾发现的模式、相关性和联系。紧接着，在数据分析开始前，分析小组中需要具备熟悉统计统计软件、编程经验丰富、拥有商业管理技能的专家们，为决策中的机会识别奠定知识和经验基础。之后，在数据分析中，分为描述性、预测性和规范性的分析，能够通过结合统计、算法、商业思维挖掘数据价值，识别机会和风险，最后进行决策。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
