发布时间：
文必龙 计秉玉
（中国石化石油勘探开发研究院信息技术研究所，北京 100083）
摘 要 当前的各种IT规划方法和软件工程方法在指导石油企业进行数据资源规划时，需要结合石油勘探开发数据资源管理的特点进行具体化。本文分析了石油勘探开发数据资源管理方面的现状及特点，提出了基于业务驱动的石油勘探开发数据资源规划方法，给出了构建勘探开发业务模型、数据资源目录的方法，以及数据中心的总体架构，为石油勘探开发数据资源规划提供了完整的方法论。
关键词 数据资源 业务驱动 业务模型 数据中心
Research on Method of Petroleum Exploration and Production
Data Resource Planning Based on Business－driven
WEN Bilong，JI Bingyu
（ Information Technology，Exploration and Production Research
Institute，SINOPEC，Beijing 100083，China）
Abstract To guide data resource planning，the IT planning methods and software engineering theory need to be specified according the features of petroleum data resource features in petroleum exploration and production data resource management are analyzed，and a method of data resource planning based on business－driven is put forward，that presents the approaches how to build petroleum exploration and production business model and data resource catalogs，and architecture of data provide a complete methodology to plan petroleum exploration and production data resource.
Key words data resource；business－driven；business model；data centre
在油气勘探开发综合研究过程中，需要从海内外油田收集大量的数据，同时综合研究成果中包含了大量的数据，如各种图表、报告。为了管理和应用这些数据，各研究部门纷纷开展了与项目研究相关的数据资料管理系统的建设，但由于缺少统一的规划，在数据资源的建设和管理中存在以下问题：数据库建设 “小、散、杂”，难以管理；数据分散存储，数据之间的逻辑关联度低，不能集成共享；数据收集困难；缺少专门的数据服务机制，数据应用困难。因此，有必要对油气勘探开发综合研究的勘探开发数据资源进行统一规划，即开展数据管理与应用需求分析，从总体上设计数据中心建设方案。
数据资源规划（Data Resource Planning，DRP）的方法主要是基于软件工程理论和IT战略规划的各种方法论。目前多数国际知名的IT咨询公司均采用企业架构（Enterprise Architecture，EA）这一先进理论方法，例如TOGAF企业架构框架，制定具有自身特点的IT规划编制方法论，并在企业规划咨询项目中应用，取得了良好效果［1］。针对数据资源，高复先在信息工程方法论的基础上，总结出了一套信息资源规划（Information Resource Planning，IRP）方法［2］。IRP方法以面向主题数据库的总体数据规划方法为基础，按照一定的方法步骤、遵循相关标准规范、利用有效的软件支持工具进行各职能域的信息需求和数据流分析，制定信息资源管理基础标准，建立全域和各职能域的信息系统框架——功能模型、数据模型和系统体系结构模型。
本文根据EA理论和IRP方法，结合油气勘探开发综合研究的特点，提出了一套基于业务驱动的勘探开发数据资源规划方法。
1 数据规划的基本思想
数据资源规划是采用科学合理的方法，对企业生产经营过程中产生和使用的数据的相关内容、标准、技术、软件、人员、支撑条件等进行全面梳理、优化和设计，提出全面的数据资源采集、传输、存储、应用、管理的解决方案，以便企业提高数据的共享程度，降低数据采集、管理、应用的成本，发挥数据资源的最大价值。
数据资源规划的目的是优化企业数据管理质量。这包括提高数据共享程度，降低数据采集、管理、应用的成本，提升数据资源的价值等。其中，首先要向企业不同层级提供相关的信息。对决策层，提供的信息包括：有哪些数据资产，还要投资建设哪些，数据投资效果如何，是否有重复建设；对管理层，提供的信息包括：数据保存在哪里，谁在管理，哪些人在使用，数据质量如何；对执行层，提供的信息包括：有什么数据，数据在哪里，如何获取数据，如何提交成果；对信息服务部门，提供的信息包括：业务部门需要什么数据，如何使用这些数据。
数据资源规划的目标是提出一个数据资源建设解决方案。通过实施方案，可以建立企业数据中心及配套的建设和管理体系，达到数据资源规划的目的。数据资源规划的内容包括梳理数据需求，即数据内容；设计数据相关标准，包括数据元标准、数据采集标准、数据管理标准、数据代码标准等等；设计数据建设和管理的技术方案；数据管理和服务的软件体系架构；数据建设的组织架构和配套制度等。
数据资源规划的过程如图1所示。如果把数据中心的建设作为一个完整的软件工程项目，数据资源规划位于需求分析阶段和概要设计阶段。在项目实施中，还需要进一步根据规划的各项方案进行详细设计、系统开发、系统测试和运行维护。
在数据资源需求分析阶段，通过调研，梳理当前勘探开发综合研究的业务范围、研究活动、已经建立的数据库及数据内容、应用软件及部署情况。根据调用情况建立业务模型，用规范化的方式描述各项研究活动及每项活动的数据需求，并对数据流进行分析，形成统一的数据资源目录。需求分析阶段最终成果是需求分析报告，核心内容由一组规范组成，包括业务模型、数据资源目录、数据元目录、数据流规范。
概要设计阶段主要任务是依据数据需求进行方案设计，形成数据资源建设方案，具体包括：综合数据库建设方案、综合研究数据服务与管理平台建设方案、数据中心运维体系。形成数据模型、数据服务功能、数据管理功能、数据汇交管理流程、数据管理与服务组织架构等总体架构，并形成数据中心建设的项目框架。通过数据资源建设方案明确了数据如何存储，如何控制数据质量，数据如何建设，数据如何管理，数据如何获取、提交、应用等问题。
图1 数据资源规划过程
图2 数据资源规划的成果及其之间的关系
在项目实施阶段，还需要根据数据资源建设方案，对每一个项目进行详细设计和开发。
数据资源规划的成果包括数据资源需求分析报告和数据中心建设方案。需求分析报告中，包含了业务模型、数据资源目录和数据元目录，数据中心建设方案包括数据库和数据模型在内的数据库建设方案、数据服务与管理平台、数据中心运行维护体系。
图2给出了这些成果及其之间的关系。业务模型中的每一个业务活动使用和产生的每一类数据都应在数据资源目录中进行注册，数据资源目录中的每一类数据都要用一个或多个数据元进行描述。数据库中的数据实例应该归类到数据资源目录中，数据元与数据模型之间要建立映射关系。根据上述关系，应用软件或用户可以根据业务活动利用数据服务与管理平台非常方便地从数据中心获取需要的数据。
2 基于6W的业务模型
业务模型（Business Model）是一种通过定义组成活动及活动之间逻辑关系来描述企业经营生产过程的模型。勘探开发业务建模就是要将石油勘探开发生命周期中涉及的业务抽象为一个完整的业务功能结构，建立勘探开发业务模型。建立此模型，在系统地、本质地、概括地把握勘探开发功能结构的同时，还要建立勘探开发业的数据模型、知识模型、软件模型等与功能相关的信息模型。
业务分析与建模过程从形式上可分为4个阶段：一是业务领域划分；二是分业务领域建模；三是业务模型集成；四是业务模型标准化。
业务模型采用 “业务域－业务分类－业务活动” 3层结构。将石油勘探开发涉及的所有业务划分为多个业务域，每个业务域建立多级业务分类，每个分类中定义一个或多项最基本的业务活动。
业务域（Business Domain）是对企业中的一些主要业务活动领域的抽象，而不是现有机构部门的照搬。对油田业务域的划分可以依据某一主题进行。业务领域的划分原则是：(1)根据专业划分业务领域；(2)根据油气田勘探、开发生命周期划分业务领域；(3)根据油气田勘探、开发管理阶段划分管理业务域。业务领域的划分参照以上3种原则进行划分，尽量符合油气田勘探、开发管理约定俗成的管理习惯，做到不同业务域间的业务不重复，并保证能覆盖所有的勘探、开发业务。根据以上原则，油气勘探开发业务领域可划分为“物化探”、“井筒工程”、“分析化验”、“综合研究”、“油气生产”、“地面工程” 等六大业务领域。
业务是由一系列业务活动组成的，对业务活动的描述按照 “6W” 的模式进行［3］，即活动是由谁（Who）发起的、在什么时间（When）发起的、在哪里（Where）发起的、为什么（Why）要发起这个活动、在这个活动中都涉及了哪些（Which）对象、这些对象的特性是什么（What）。采用业务单元定义了参与业务活动的基本元素以及元素之间的关系。一个业务单元包括以下8类元素：1个业务活动，该活动作用的1个业务对象，实施该活动的组织机构，1组结果对象（输出），1组参与对象（输入），业务规则，相关对象的特性，对象之间的关系。业务单元的结构如图3所示。
业务单元中，“特性” 定义了业务活动需要的数据、业务活动相关的知识，是数据规划中梳理的重点；“参与对象” 包括各种人员、软件、数据、设施、材料、方法等；“作用对象” 包括区块、油藏、井、层位、油田、企业等；“结果对象” 可以是油井等油田实物对象，也可以是文档、方法、研究成果等技术性对象。
基于6W的业务模型的建模通过在统一的业务域分类架构下对单一业务活动的业务单元进行描述，没有进行专门的业务流程梳理，但由于业务单位中描述了业务活动参与对象与结果对象，即定义了活动的输入与输出，以这些对象为中介，因此很容易自动形成业务流、数据流、知识流等各种流程。
业务活动与数据之间的关系可以用 “CUR” 矩阵描述。矩阵中，行对应业务活动，列对应数据元。如果业务活动中创建了某一项数据则行列对应的值标识为 “C”（Create），如果业务活动对数据进行了更新则标识为 “U”（Update），如果业务活动引用了某一项数据则标识为 “R”（Read）。通过CUR矩阵，可以检查某一数据是否有唯一的创建源头，保证数据源头的唯一性。根据CUR关系，可以自动形成数据流。
图3 业务单元的结构
3 勘探开发数据资源目录
勘探开发数据资源目录是对油田企业、勘探开发研究院或中国石化整体已有和需要数据的分类与组织方式描述。数据资源目录描述了企业需要什么数据、有什么数据、数据在哪里、谁在管理数据、哪些人在使用、哪些应用软件在使用等信息。数据资源目录既是一个数据建设单位的数据分类与数据组织规范，也是数据中心进行数据管理与服务平台的核心元数据，同时也是用户建设和使用数据的依据。
数据资源目录的分类模式是多维的，可以从不同角度进行分类。常用的维度包括：
（1）按业务对象组织。包括区块、油藏、井、层位、油田、企业等，除对象本身的基础数据（如井基础信息）即通常所说的静态数据外，还包括该对象的各种动态数据（如井的日报数据）。
（2）按业务活动组织。根据业务模型的 “业务域－业务分类－业务活动” 3层结构进行分类，每一个业务都有一组按 “CUR” 标识的数据。
（3）按特性组织。按数据或知识本身的特性进行分类，如长度、密度、渗透率等。
（4）按项目组织。一个项目使用和产生的数据有哪些。
（5）按单位组织。一个部门使用、产生、管理的数据有哪些。
数据资源目录的各个维度是相互关联的，对象、活动、特性、项目、单位之间的关系如图4所示。
除建立分类目录外，数据资源目录还包括数据实例，因此需要将数据分类与数据库中的实例关联起来，明确标识出每一类包括哪些实例。分类与实例关联的方式主要采用数据集进行定义，通过数据实例的标识符、标识条件确定数据集中的实例［4］。数据资源分类在数据需求分析阶段完成，分类与数据实例的关联在数据中心运行期间形成。
数据资源目录中数据分为两级：逻辑数据实体和属性。从技术角度，逻辑数据实体的本质就是数据视图，一个数据视图是一个虚数据表，每一个数据视图由多个属性组成，其中至少包括一个关键字。实体的属性用数据元进行描述。数据元是不必要再分的基本数据单元［5］。当前可直接参照中国石化石油勘探开发数据元字典［6］。
4 数据中心的总体架构
不同企业数据中心的架构会有所不同［7］。本文以中国石化石油勘探开发研究院的数据中心为例，说明数据中心建设方案。数据中心包括综合研究勘探开发数据库、数据服务与管理平台、数据中心运维体系，如图5所示。
图4 数据资源分类维度之间的关系
图5 综合研究勘探开发数据中心
勘探开发数据库包括元数据和专业数据。元数据是以数据资源目录为核心，描述了专业的分类、目录、结构、使用动态等信息。外购数据库、地理信息数据库由于来源于外部，自带有成熟的管理软件，属于公共数据，独立于具体的项目研究。由于地震数据和测井数据有专门的格式，由专门的软件进行管理，但要与项目数据进行关联。项目资料与成果主要以文件形式保存，对共享程度较高的数据需要从半结构化的文件形式转换为结构化数据，数据之间相互关联，实现数据的集成。综合研究应用软件有自己内部的项目数据库，通过数据桥技术可以实现在线数据访问。数据通道用于实现石油勘探开发研究院数据中心与中国石化各级数据中心的互联。
综合研究数据服务与管理平台的主要功能包括：GIS研究目标查询、地震剖面显示、测井曲线显示、资料查询、资料搜索、资料提交、资料下载、系统管理、数据发布等。
数据中心运维体系包括运维管理组织机构、数据资料上交管理、数据服务管理3个部分。运维管理队伍的职能包括数据库系统管理、数据服务支持、数据质量控制等。数据资料上交管理按照数据流和数据生命周期，对各环节进行规范管理，包括：外部数据申请、数据采集、原始资料上交、个人/项目组资料管理、成果上交、数据流程调整（数据资料目录注册与注销）、安全与权限、审核与验收等内容。数据服务管理通过数据服务管理制度，规范数据服务行为，建立数据服务技术规范，通过数据应用服务接口规范，为应用系统提供标准的服务接口。
5 结论
数据资源规划方法提出了一套适合石油勘探开发领域开展数据资源建设的方法论。从勘探开发业务需求出发，通过梳理业务流程，建立业务模型，并梳理与业务相关的数据，建立数据资源目录，在此基础上提出完成的数据中心建设方案，从人员组织、数据建设、服务平台构建及运维管理进行规划。数据资源规划方法成功应用于中国石化油气勘探开发数据模型标准建设，开发了中国石化业务模型（Sinopec Business Model，SPBM），定义了物化探、井筒工程、分析化验、综合研究、开发生产、地面工程六大业务域，包括1237个业务活动，对每一个与业务活动相关的数据项进行了梳理。进一步的研究工作将把数据资源规划方法应用于中国石化石油勘探开发研究院数据资源建设，通过研究院业务进行调研，结合SPBM，建立综合研究数据资源目录，设计数据中心建设方案。针对中国石化石油勘探开发研究院综合研究的数据资源规划成果可进一步推广应用于石油行业各石油公司的综合研究数据资源建设。
参考文献
［1］金涛，郑树泉，李名敏，等.企业架构驱动的IT规划方法研究［J］.计算机应用与软件，2009，26（12）：164～166.
［2］高复先.信息资源规划——信息化建设基础工程［M］.北京：清华大学出版社，2002.
［3］肖波，景帅，吴建军，马承杰.模型驱动技术在油田企业数据中心中的应用研究［J］.大庆石油学院学报，2012，36（1）：78～82.
［4］时贵英，文必龙.基于数据元的数据集成技术研究［J］.科学技术与工程，2011，11（18）：4223 ～4227.
［5］Wen Bilong，Zhang semantics for data element with semantic tree［C］.Proceedings of 2008 International Symposium on Information Science and Engineering，：524～527.
［6］文必龙，肖波，陈新荣.石油勘探开发数据元管理技术［J］.大庆石油学院学报，2012，36（1）：83～87.
［7］李剑峰，肖波，段鸿杰.中国石化油田企业数据中心总体框架设计［J］.大庆石油学院学报，2012，36（1）：73～76.
大学数据中心机房运维风险的识别和应对论文
无论是身处学校还是步入社会，许多人都写过论文吧，论文是探讨问题进行学术研究的一种手段。还是对论文一筹莫展吗？下面是我整理的大学数据中心机房运维风险的识别和应对论文，欢迎阅读，希望大家能够喜欢。
摘要：
高校数据中心机房作为学校重要的场所，为学校日常教学办公提供重要的网络保障。如何保障数据中心的安全，已经变得越来越重要。本文通过研究风险管理在高校数据中心机房的应用研究。以我校数据中心机房运维项目为例，进行风险管理各方面的研究。旨在提高机房管理人员管理能力，保障数据中心机房安全。
关键词：
风险识别；风险应对；数据中心机房；
引言：
数据中心机房是学校数据汇聚交互的核心场所，所有接入校园网的数据都是通过数据中心机房进行交互。信息化大背景下，高校数据中心机房为师生提供更加便捷的服务，在教学、科研、办公等方面都有体现。
近些年来，随着数字校园，智慧校园的推进，全国各高校的数据中心机房规模不断发展。“一表通系统”上线，“最多跑一次”改革，高校越来越多的业务都转到校园网上，办公流程的简化，业务流程的电子化，极大地方便了广大师生。但同时，伴随着不断增长的业务，扩增的机房设备，我们对数据中心的要求不断提升，日常的运维管理面临的风险也越来越大。
1、高校数据中心运维引入风险管理的意义
数据中心机房是全校网络的核心区域，包括服务器，IPS设备，业务系统等，是一系列硬件软件设备的总和。一般高中小学校不会涉及数据中心机房，而大学的数据中心机房则不同，需要专人管理。数据中心机房的日常维护绝不是简单的设备维修，而是一项长期且细致的工作，涉及的内容很多，包括机房设备维修，系统升级，安防检查等。因此我们需要引入一整套科学合理的管理方法来应对风险。
数据中心机房的风险管理涉及内容很多有：风险识别，风险分析，风险应对等。其中，风险识别就是识别出潜在的风险，例如：机房火灾，漏水，停电等，是风险管理中最重要的内容之一，是确定潜在风险并分析找出应对方法的前提。所以一般对于风险识别的内容，我们会花费大量的时间来收集汇总，识别中会用到的德尔菲法，头脑风暴等方法。在数据中心日常运维中，针对识别出的高风险因素，我们需要制定相关的策略，包括消极和积极2方面的风险应对策略。风险存在是必然，我们需要积极引入风险管理机制，才能在出现问题时候迅速解决。
2、数据中心机房运维的风险识别
每个项目特性是千差万别，项目独特性决定项目实施过程存在很多不确定性，尽可能识别出不确定因素，是确保项目成功的重要因素[1]。风险识别不仅是风险管理的核心部分，更是基础内容。风险识别就是运用各种科学方法，识别项目的潜在风险，识别引发潜在风险的原因以及可能引发的`后果。特点：风险识别覆盖整个项目的生命周期。项目管理过程中，需要对风险进行反复地识别。风险识别的方法很多，包括德尔菲法，头脑风暴，专家判断等。
为了尽可能全面地识别出潜在的风险，结合实际情况，对数据中心机房风险识别步骤包括3步，第一步，进行工作分解结构WBS，目的就是为了更直观地进行风险识别。第二步，风险收集，针对运维项目，需要组织人员进行现场勘查，发现存在的问题，收集数据中心的资料。针对运维现状，组织全体人员进行头脑风暴法识别潜在的风险，再利用专家调查法对收集的潜在风险进行识别。第三步，风险确认，组织相关人员进行总结分析归纳，最终得到运维项目风险登记册。
(1）工作分解结构WBS
数据中心运维项目按照一定原则进行工作分解，其目的是为了给风险识别提供依据。首先，组织运维项目的各部门的负责人员，技术人员等进行现场勘查，摸清机房现状。按照整体机房运维的思路做好地勘工作，地勘需要记录各个领域的工作，并进行工作分解。
(2）风险收集
本次运维项目的风险收集采用头脑风暴会议。在会议之前，需要收集项目相关资料，包括项目技术文件，运维记录，机房资料，合同等。然后提前将地勘记录和收集到的项目资料发给参与会议的人员，确保参会人员能提前充分了解项目内容。会议针对运维项目期间可能存在的风险，进行充分的讨论和汇总。由项目经理担任本次会议支持人，在主持人的推动下，与参会人员就项目的风险集思广益。所有参与人员均有平等发言权，对潜在的风险提出自己的观点。最后将会议的内容进行整理汇总，初步得到机房运维的风险因素。
(3）风险确认
风险确认即将收集汇总的风险因素发给专家小组，由专家小组再次确认，记录整理并完成风险识别。专家小组包括各行业专家、部门负责人等。专家小组通过了解数据中心机房运维项目的基本情况，背景等，对头脑风暴会议收集的风险因素进行多次征询，直至达成一致意见，完成项目风险识别。
最终将运维项目风险分为5类，包括设备风险，业务风险，运维管理风险，自然风险，其他风险。设备风险包含：服务器风险，IPS设备风险，环控设备风险等。业务风险包括：特大网络故障风险，一般业务故障风险，业务质量下降风险等。运维管理风险包括：团队管理风险，沟通交流风险，人员管理风险等。自然风险包括：火灾，水灾，电磁干扰等，其他风险包括：合同风险，需求变化风险，人员技术风险等。
3、数据中心机房运维的风险分析
风险分析从2方面进行，第一个是定性风险分析，定性分析是指采取一定手段，综合评估分析存在的风险概率以及它的影响程度，并对风险按风险程度排序。同时为下一步分析提供依据。本次运维项目研究所用到的分析工具有概率-影响矩阵，风险分类，专家判断法等。定性风险分析过程作用是为了降低项目的不确定性，并重点关注高优先级的风险，有利于后续针对性开展风险应对。
概率-影响矩阵（P-I矩阵）是经常使用的工具，它是针对不同程度的风险，进行分级和排序，便于下一步进行定量分析及应对。在概率-影响矩阵中，一般将横坐标和纵坐标从低到高划分为5个标准，用数值、、、、表示，一共划分为25个方格，方格内数字表示风险值R，公式为R=P*I。R数值越低，概率越小，影响程度越小。R数值越高，概率越高，影响程度越大。概率高，影响程度高的区域，一般在右上角，属于高风险，需要采取重点措施，并采取积极地应对策略。概率低，影响程度低的区域，一般在左下角，属于低风险区域，一般列入待观察风险清单，一般不需要采取积极管理措施，监测即可。
第二个是定量风险分析，它是对定性分析过程中，对项目影响很大，风险等级很高的风险进行更加具体的分析。它是对风险事件的影响程度分析，一般高风险事件分配高数值，低风险分配低数值。定量风险分析的目的是为了确定重大的风险，同时提醒管理人员对高风险，进行密切关注，做好应对准备。
4、数据中心机房运维的风险应对
风险应对过程是在风险分析之后，针对存在的风险，在分析风险概率及其影响程度基础上，制定一系列措施降低风险、提高有利机会。通过科学合理的管理理论和措施，可以有效规避和降低项目风险。风险应对措施必须及时有效，并制定多种应对方式，择优选择。
风险应对方法有很多，针对已总结的风险，结合数据中心项目的具体情况制定相关的应对策略包括：风险规避，风险转移，风险预防，风险减轻。
(1）风险规避：风险规避是为了达到项目目的，改变原来计划，从而规避风险，减少风险带来的影响。如：调试项目范围，利用多种手段达到目的等。在机房检修的时候，必须秉承着不影响机房正常运行的原则。检修UPS蓄电池，进行放电时，不能影响机房正常运行。检修空调时，应该要一个一个进行检查，不能同时关闭所有机房空调，否则会影响机房正常散热，导致服务器出现故障。维护业务服务器时，必须不能影响其他业务的运行。
(2）风险转移：风险转移目的是将风险转嫁给第三方人员，包括风险的影响和责任。在数据中心机房运维中，常见的风险转移就是第三方公司维保。因为数据中心机房的重要性，所以必须保证机房7*24小时都要稳定运行。单单依靠网络中心一个部门是无法保障机房的一年365天的安全，还必须要有其他部门和第三方运维公司的配合。现在高校的数据中心机房都会有第三方公司运维，包括服务器的维保，环境监控的维保，网络安全维保等。转移工具包括合同、履约保证协议、保密协议，保证书等。通过签署合同或协议，能将风险的责任转移给第三方。
(3）风险预防：风险预防就是针对存在的风险，制定应急预案，避免风险的发生。施工或运维过程中一旦出现风险或者发现目标与预期有较大偏差时，即可按照应急方案采取相应措施。机房定期进行应急演练是必要的，针对运维情况制定不同的应急演练内容，如：特大网络故障，一般业务故障，火灾等。有利于提高运维人员对突发安全事件的响应与处置能力，保障学校机房安全、持续和稳定运行。机房内不需要的设备必须及时清理，必须建立定期检查制度，对相关设备进行详细检查[2]。
(4）风险减轻：风险减轻就是减轻风险事件所带来的影响，减低风险发生的概率。它分为两个方面，第一个是已经发生的风险，要采取积极的措施减少风险带来的影响。第二个是还没发生的风险，要采取积极措施减少发生概率。例如：在机房整理线缆时候，必须按照行业规范，进行走线，并按照统一标准添加标签，确保线材整洁。这样能减少后期维护的成本，当出现线路问题时，能在第一时间找到问题线路。此外，在机房配备UPS电源，也是为了保护服务器设备，在断电情况下能继续工作一段时间，减少服务器突然断电引发的一系列问题。
5、结语
数据中心机房承担着高校全部的信息化业务，运维内容包括服务器，IPS设备，业务系统等软硬件设备，涉及多个部门和第三方运维公司。因此，高校数据中心机房运维是一个长期、复杂的项目，需要持续性地管理。
风险管理作为一种科学的管理手段，在数据中心机房的运维中的应用有着重要的意义，通过风险管理研究，识别、分析和应对等，我们可以清晰地了解整个运维项目存在的风险。识别潜在风险，通过科学的风险分析手段，应对不同程度的风险。
参考文献
[1]郑渝莎.浅谈通信机房搬迁项目的风险管理[J].江西建材，2017(13):261+263.
[2]王欣.信息机房运维及其管理的主要策略分析[J].计算机产品与流通，2020(01):131.
一、云计算概念二、云计算历史三、云计算现状四，云计算发展前景五、云计算实现，目前存在的问题。写论文多参考:华为的云计算，wingdows云计算，goole云计算。明天看看再补充些，多参考
大数据技术在网络营销中的策略研究论文
从小学、初中、高中到大学乃至工作，说到论文，大家肯定都不陌生吧，论文的类型很多，包括学年论文、毕业论文、学位论文、科技论文、成果论文等。那要怎么写好论文呢？以下是我帮大家整理的大数据技术在网络营销中的策略研究论文，欢迎阅读与收藏。
摘要：
当今，随着信息技术的飞速发展，互联网用户的数量日益增加，进一步促进了电子商务的快速发展，并使企业能够更准确地获取消费者数据，大数据技术应运而生。该技术已被一些企业用于网络营销，并取得了显着的营销效果。本文基于大数据的网络营销进行分析，分析传统营销存在的问题和挑战，并对大数据技术在网络营销中的作用进行研究，最后针对性地提出一些基于大数据的网络营销策略，以促进相关企业在大数据时代加强网络营销，并取得良好的营销效果。
关键词：
大数据；网络营销；应用策略；营销效果；
一、前言
现代社会已经完全进入了信息时代，在移动互联网和移动智能设备飞速发展与普及之下，消费者的消费数据都不断被收集、汇总并处理，这促进了大数据技术的发展。大数据技术可以精准的分析消费者的习惯，借助大数据技术，商家可以针对顾客进行个性化营销，极大地提高了精准营销的效果，传统的营销方式难以做到这一点。因此，现代企业越来越重视发展网络营销，并期望通过大数据网络营销以增加企业利润。
二、基于大数据的网络营销概述
网络营销是互联网出现之后的概念，初期只是信息爆炸式的轰炸性营销。后来随着移动智能设备的普及、移动互联网的发展以及网络数据信息的海量增长，大数据技术应运而生。大数据技术是基于海量的数据分析，得出的科学性的结果，出现伊始就被首先应用于网络营销之中。基于大数据的网络营销非常精准，是基于海量数据分析基础上的定向营销方式，因此也叫着数据驱动营销。其主要是针对性对顾客进行高效的定向营销，最为常见的就是网络购物App中，每个人得到的物品推荐都有所区别；我们浏览网络时，会不断出现感兴趣的内容，这些都是大数据营销的结果。
应用大数据营销，企业可以精准定位客户，并根据客户的喜好与类型对产品与服务进行优化[1]，然后向目标客户精准推送。具体来说，基于大数据技术的精准网络营销过程涉及三个步骤：首先是数据收集阶段。企业需要通过微博、微信、QQ、企业论坛和网站等网络工具积极收集消费者数据；其次，数据分析阶段，这个阶段企业要将收集到的数据汇总，并进行处理形成大数据模型，并通过数据挖掘技术等高效的网络技术对数据进行处理分析，以得出有用的结论，比如客户的消费习惯、消费能力以及消费喜好等；最后，是营销实施阶段，根据数据分析的结果，企业要针对性地制定个性化的营销策略，并将其积极应用于网络营销以吸引客户进行消费。基于大数据的网络营销其基本的目的就是吸引客户主动参与到营销活动之中，从而提升营销效果和经济收益。
三、传统网络营销存在的一些问题
(一)传统网络营销计划主要由策划人主观决定，科学性不足
信息技术的迅速发展，使得很多企业难以跟上时代的步伐，部分企业思想守旧，没有跟上时代潮流并开展网络营销活动，而是仍然继续使用传统的网络营销模型和方式。即主要由策划人根据自己过去的经验来制定企业的营销策略，存在一定的盲目性和主观性，缺乏良好的信息支持[2]。结果，网络营销计划不现实，难以获得有效的应用，导致网络营销的效果不好。
(二)传统网络营销的互动性不足，无法进行准确的产品营销
传统的网络营销互动性较差，主要是以即时通信软件、邮箱、社交网站以及弹窗等推送营销信息，客户只能被动的接受信息，无法与企业进行良性互动和沟通，无法有效的表达自己的诉求，这导致了企业与客户之间的割裂，极大的影响了网络营销的效果。此外，即使一些企业获得了相关数据，也没有进行科学有效的分析，但却没有得到数据分析的结果，也没有根据客户的需求进行有效的调整，从而降低了营销活动的有效性。
(三)无法有效分析客户需求，导致客户服务质量差
当企业进行网络营销时，缺乏对相关技术的关注以及对客户需求的分析的缺乏会导致企业营销策略无法获得预期的结果。因此，企业只能指望出于营销目的向客户发布大量营销内容。这种营销效果非常糟糕。客户不仅将无法获得有价值的信息，而且此类信息的“轰炸”也会使他们感到烦躁和不耐烦，这将适得其反，并降低客户体验[3]。
四、将基于大数据的网络营销如何促进传统的网络营销
(一)使网络营销决策更科学，更明智
在传统的网络营销中，经理通常根据过去的经验来制定企业的营销策略，盲目性和主观性很多，缺乏可靠的数据。基于大数据的网络营销使用可以有效地收集有关市场交易和客户消费的数据，并利用数据挖掘技术等网络技术对收集到的数据进行全面科学的分析与处理，从中提取有用的相关信息，比如客户的消费习惯、喜好、消费水平以及行为特征等，从而制定针对客户的个性化营销策略，此外，企业还可以通过数据分析获得市场发展变化的趋势以及客户消费行为的趋势，从而对未来的市场形势作出较为客观的判断，进而帮助企业针对未来一段时间内的行为制定科学合理的'网络营销策略，提升企业的效益[4]。
(二)大大提高了网络营销的准确性
如今，大数据驱动的精准网络营销已成为网络营销的新方向。为了有效地实现这一目标，企业需要在启动网络营销之前依靠大数据技术来准确分析大量的客户数据，以便有效地捕获客户的消费需求，并结合起来制定准确的网络营销策略[5]。此外，在实施网络营销策略后，积极收集客户反馈结果并重新分析客户评论，使企业对客户的实际需求有更深刻的了解，然后制定有效的营销策略。如果某些企业无法有效收集客户反馈信息，则可以收集客户消费信息和历史消费信息，然后对这些数据进行准确的分析，从而改善企业的原始网络营销策略并进行促销以获取准确的信息，进而制定有效的网络营销策略。
(三)显着提高对客户网络营销服务水平
通过利用大数据进行准确的网络营销，企业可以大大改善客户服务水平。这主要体现在两个方面：一方面可以使用大数据准确地分析客户的实际需求，以便企业可以进行有针对性的的营销策略，可以大大提高客户服务质量。另一方面，使企业可以有效地吸收各种信息，例如客户兴趣、爱好和行为特征，以便向每个客户发布感兴趣的推送内容，以便客户可以接收他们真正需要的信息，提高客户满意度。
五、基于大数据的网络营销优势
(一)提高网络营销广告的准确性
在传统的网络营销中，企业倾向于使用大量无法为企业带来相应经济利益的网络广告进行密集推送，效率低下。因此，必须充分利用大数据技术来提高网络营销广告的准确性。首先，根据客户的情况制定策略并推送合适的广告，消费场景在很大程度上影响了消费者的购买情绪，并可以直接确定消费者的购买行为。如果客户在家中购买私人物品，则他们第二天在公司工作时，却同送前一天相关私人物品的各种相关的广告。前一天的搜索行为引起的问题可能会使消费者处于非常尴尬的境地，并影响他们的购买情绪。这表明企业需要有效地识别客户消费场景并根据这些场景发布更准确的广告[6]。一方面，通过IP地址来确定客户端在网络上的位置。客户在公共场所时，广告内容应简洁明了。另一方面，可以通过指定时间段来确定推送通知的内容。在正确的时间宣传正确的内容。其次，提高客户选择广告的自主权。在传统的网络营销中，企业通常采用弹出式广告，插页式广告和浮动广告的形式来强力吸引客户的注意力，从而引起强烈的客户不满。一些客户甚至会毫不犹豫地购买广告拦截软件，以防止企业广告。在这方面，大数据技术可用于改善网络广告的形式和内容并提高其准确性。
(二)提高网络营销市场的定位精度
在诸如电子邮件营销和微信营销之类的网络营销方法中，一个普遍现象是企业拥有大量的粉丝，并向这些粉丝发送了大量的营销信息，但是却没有得到较好的反馈，营销效果较差。造成这种现象的主要原因是企业产品的市场定位不正确。可以通过以下几个方面来提高网络营销市场中的定位精度：
1、分析客户数据并确定产品在市场上的定位：
首先，收集大量基本数据并创建客户数据库。在此过程中，应格外小心，以确保收集到的有关客户的信息是全面的。因此，可以使用各种方法和渠道来收集客户数据。例如，可以通过论坛、企业官方网站、即时通信软件以及购物网站等全面的收集客户的各种信息。收集完成后利用高效的数据分析处理技术对信息进行处理，并得出结果，包括客户的年龄、收入、习惯以及消费行为等结果，然后根据结果对企业的产品进行定位，并与客户的需求相匹配，进而明确市场[7]。
2、通过市场调查对产品市场定位进行验证：
在利用大数据及时对企业产品进行市场定位之后，有必要对进一步进行市场调查，以进一步清晰产品的市场定位，如果市场调查取得较为满意的效果，则表明网络营销策略较为成功，可以加大推广力度以促进产品的销售，如果效果不满意，则要积极分析问题，寻找原因并提出针对性的解决改进措施，以获得较为满意的结果[8]。
3、建立客户反馈机制：
客户反馈机制可以有效的帮助企业改进产品营销策略，主要体现有两个主要功能：一是营销产品在市场初步定为成功后可以通过客户反馈积极征询客户的意见，并进一步改进产品，确保产品更适应市场；二是如果营销产品市场定位不成功，取得的效果不佳，可以通过客户反馈概括定位失败的原因，这将有助于将来的产品准确定位。
(三)增强网络营销服务的个性化
为了增强网络营销服务的个性化，企业不仅必须能够使用大数据识别客户的身份，而且还必须能够智能地设计个性化服务。首先，通过大数据了解客户的身份。一方面，随着网络的日益普及，企业可以在网络上收集客户各个方面的信息。但是，众所周知，由于互联网管理的不规范与复杂性，大多数信息不是高度可靠的，甚至某些信息之间存在着极为明显的矛盾。因此，如果企业想要通过大数据来了解其客户的身份，则必须首先确保所收集的信息是可信且准确的。另一方面，企业必须能够从大量的客户信息中选择最能体现其个性的关键信息，并降低分析企业数据的成本[9]。二是合理设计个性化服务。个性化服务的合理设计要求企业在两个方面进行运营：一方面，由于现实环境的限制，企业无法一一满足所有客户的个性化需求。这就要求企业尽一切努力来满足一部分客户的个性化需求，并根据一般原则开发个性化服务。另一方面，如果完全根据客户的个人需求向他们提供服务，则企业的服务成本将不可避免地急剧上升。因此，企业应该对个性化客户服务进行详细分析，并尝试以适合其个人需求的方式为客户提供服务，而不会给企业造成太大的财务负担。
六、基于大数据网络营销策略
使用大数据的准确网络营销模型基本上包括以下步骤。首先，收集有关客户的大量信息；其次，通过数据分类和分析选择目标客户；第三，根据分析的信息制定准确的网络营销计划；第四，执行营销计划；第五，评估营销结果并计算营销成本；第六，在评估过程的基础上，进一步改善，然后更准确地筛选目标客户。在持续改进的过程中，上述过程可以改善网络营销。因此，在大数据时代，电子商务企业必须突破原始的广泛营销理念，并采用新的营销策略。
(一)客户档案策略
客户档案意味着在收集了有关每个人的基本信息之后，可以大致了解每个人的主要销售特征。客户档案是准确进行电子商务促销的重要基础，也是实现精确营销目标的极其重要的环节。电子商务企业利用客户档案策略可以获得巨大收益。首先，借助其专有的销售平台，电子商务企业可以轻松，及时且可靠地收集客户使用情况数据。其次，在传统模型中收集数据时，由于需要控制成本，因此经常使用抽样来评估数据的一般特征[10]。大数据时代的数据收集模型可以减少错误并提高数据准确性。当分析消费者行为时最好以目标消费者为目标。消费者行为分析是对客户的消费目的和消费能力的分析，可帮助电子商务企业更好地选择合适的目标客户。在操作中，电子商务企业需要在创建数据库后继续优化分析结果，以最大程度地分析消费者的偏好。
(二)满足需求策略
为了满足多数人的需求，传统的营销方法逐渐变得更加同质。结果，难以满足少数客户的特殊需求，并且导致利润损失。基于大数据客户档案技术的电子商务企业可以分析每个客户的需求，并采取差异化人群的不同需求最大化的策略，从而获取较大的利润。为了满足每个客户的需求，最重要的是实现差异化，而不仅仅是满足多数人的需求，因此必须准确地分析客户的需求，还必须根据客户的需求提供更多个性化的产品[11]。比如当前，定制行业非常流行，卖方可以根据买方提供的信息定制独特的产品，该产品的利润率远高于批量生产线。
(三)客户服务策略
随着网络技术的逐步发展，电子商务企业和客户可以随时进行通信，这基本上消除了信息不对称的问题，使客户可以更好地了解他们想要购买的产品以及遇到问题时的情况。当出现问题时，可以第一时间解决，提高交易速度。因此，当电子商务企业制定用于客户服务的营销策略时，一切都以客户为中心。为了更好地实施此策略，必须首先改善数据库并加深对客户需求的了解[12]。二是提高售前、售后服务质量，开展集体客户服务培训，缩短客户咨询等待时间，改善客户服务。最后，我们必须高度重视消费者对产品和服务的评估，及时纠正不良评论，并鼓励消费者进行更多评估，良好的服务态度和高质量的产品可以大大提高目标客户对产品的忠诚度，并且可以吸引消费者进行第二次购买。
(四)多平台组合策略
在信息时代，人们可以在任何地方看到任何信息，这也将分散他们的注意力，并且重新定向他们的注意力已经成为一个大问题。如果希望得到更多关注，则可以组合跨多个平台的营销策略，并在网络平台和传统平台上混合营销。网络平台可以更好地定位自己并吸引更多关注，而传统平台则可以更好地激发人们的购买欲望。平台融合策略可以帮助电子商务企业扩大获取客户的渠道，不同渠道的用户购买趋势不同，可以改善数据库[13]。
七、结语
总体而言，大数据时代不仅给网络营销带来了挑战，而且还带来了新的机遇。大数据分析不仅可以提高准确营销的效果，更好地服务消费者，改变传统的被动营销形式，并提升网络营销效果。
参考文献
[1]刘俭云.大数据精准营销的网络营销策略分析[J].环球市场，2019(16):98.
[2]栗明，曾康有.大数据时代下营业网点的精准营销[J].金融科技时代，2019(05):14-19.
[3]刘莹.大数据背景下网络媒体广告精准营销的创新研究[J].中国商论，2018(19):58-59.
[4]李研，高书波，冯忠伟.基于运营商大数据技术的精准营销应用研究[J].信息技术，2017(05):178-180.
[5]袁征.基于大数据应用的营销策略创新研究[J].中国经贸导刊(理论版),2017(14):59-62.
[6]邱媛媛.基于大数据的020平台精准营销策略研究[J].齐齐哈尔大学学报(哲学社会科学版),2016(12):60-62.
[7]张龙辉.基于大数据的客户细分模型及精确营销策略研究[J].河北工程大学学报(社会科学版),2017,34(04):27-28.
[8]李巧丹.基于大数据的特色农产品精准营销创新研究——以广东省中市山为例[J].江苏农业科学，2017,45(06):318-321.
[9]孙洪池，林正杰.基于大数据的B2C网络精准营销应用研究——以中国零售商品型企业为例[J].全国流通经济，2016(12):3-6.
[10]赵玉欣，王艳萍，关蕾.大数据背景下电商企业精准营销模式研究[J].现代商业，2018(15):46-47.
[11]张冠凤.基于大数据时代下的网络营销模式分析[J].现代商业，2014(32):59-60.
[12]王克富.论大数据视角下零售业精准营销的应用实现[J].商业经济研究，2015(06):50-51.
[13]陈慧，王明宇.大数据：让网络营销更“精准”[J].电子商务，2014(07):32-33.
研究生毕业论文是可以改自己的数据的，但是大体的数据应该遵循你做实验得到的真实数据，但是往往由于一些原因导致所做出的数据，不能够得到实验所能达到的正确理论，所以就需要根据正确理论去反推你所做实验的数据，那么这个时候你就必须要改自己的数据，否则你就不能够得到实验的正确结论，那么这个实验就是失败的，那么你做这样的毕业论文就得不到任何的好处，是属于失败的，并且也不能够写成毕业论文，对于自己所作出的努力都是不公平的，所以这个时候就可以更改一下自己的数据。
如果论文更新中数据丢失了，可以通过邮箱找到工作人员处理，尝试进行找回：1.点击菜单栏左侧 文件---备份与恢复--备份中心--本地备份，您查看下是否有同名文件，选择距离目前时间最近的文档打开查看，看内容是否有大部分呈现，如果以上解决方案不是您所需要的，您还可以通过邮件，将您的操作流程及具体问题如数据更新部分 以更详细的的描述发送至。对于论文来说，有些人擅长写论文，有些人却束手无术，一篇论文要反复进行收集资料反复的修改，最后还不及格，或每次进行论文查重时其结果还不一样。
1、获取数据
获取数据也有两种途径，要么就是手上有的或者是能直接使用到的现成数据，还有一种就是二手数据。现在的数据分析库主要分为了调查数据和政府数据。
2、整理数据
整理数据就是对观察、调查、实验所得来的数据资料进行检验与归类。得出能够反映总体综合特征的统计资料的工作过程。并且，对已经整理过的资料（包括历史资料）进行再加工也属于统计整理。
3、呈现数据
当数据收集充分且真实过后，研究者可运用数据，但要清楚的说明数据来源以及如何对原始的数据进行加工的。需要尽可能的描述获取数据的过程，提供足够多的细节，以便同行能重复研究过程，并保障原生作者的创作性。
中国科学院学位论文数据库有怎样的使用权限可以调用查询电子稿中国科学院学位论文数据库有怎样的使用权限可以调用查询电子稿中国科学院学位论文数据库有怎样的使用权限可以调用查询电子稿中国科学院学位论文数据库有怎样的使用权限可以调用查询电子稿中国科学院学位论文数据库有怎样的使用权限可以调用查询电子稿
国内科技信息的主要检索工具有：（1）万方数据资源系统（数字化期刊、会议论文、科技信息、商务信息） 数字化期刊，包括理、工、农、医、人文等5大类70多个子类2500多种核心期刊，以实现全文上网； 会议论文，包括国内权威的学术会议论文全文数据库。 覆盖自然科学、工程技术、农林、医学等27个大类收集13万多篇论文； 科技信息，汇集了学位论文、会议论文、科技成果、科研机构、科研名人、中外标准、政策法规等近百种数据库资源； 商务信息，提供工商咨询、经贸信息、咨询服务、商贸活动等服务内容； （2）超新数字图书馆（） 超新数字图书馆是国家863计划中国图书馆示范工程，于 2000年1月建立，收录了自1921年出版的各个时期图书219 000多种，数据总量达1841GB，其按照中国图书馆图书分类法共分为50个大类。 （3）维普科技期刊数据库： 维普科技期刊数据库收录了1989年以来有关自然科学工程技术农业医药经济管理教育科学及图书情报等学科的8000余种期刊和经济科技剪报，共有四个数据库（中文期刊全文数据库、外文科技期刊题录数据库、中国科技经济新闻数据库与中文科技期刊引文数据库。） （4）中国学术期刊网（ C N K I ）： C N K I 是一个大型学术期刊数据库，涵盖理工、农业、医药卫生、文史哲学、经济政治与法律、教育与社会科学、电子技术与信息科学等。 （5）中国学位论文全文数据库： 该库收录了自1977年以来我国各学科领域的博士硕士研究生论文，内容涵盖 自然科学、数、理、化、天文、地球、生物、医药、卫生、工业技术、航天、航空、环境、社会科学、人文地理等科学领域。 （6）中国会议论文全文数据库： 该库收录了有 国家级学会、协会 等召开的 学术会议论文，涵盖自然科学、工程技术、农林、医学等所有领域。 （7）中国优秀博、硕士论文数据库： 其目前收录了2000年以来的45000多篇 博、硕士论文全文，可以在线阅读和全文打印。
1、中国科学院学位论文数据库 中国科学院学位论文数据库报道和揭示中国科学院的硕士、博士论文和博士后报告的内容；著录内容有题名、论文作者、学位信息、中英文关键词、作者中英文文摘、导师信息等，收录年代从1980年到2003年，现有数据2．8万多条。该数据库是报道和揭示中科院学位论文信息的二次文献数据库，同时收藏中科院学位论文的印刷本。 该数据库分类包括综合、数学、物理、化学与化工、天文、地理、地质、生物；农业、医学、工程技术、材料科学、矿业、能源、电子、通讯与信息科学、自动化、计算机、航空航天、环境科学、人文与社会科学。2、中科院科技成果数据库 中科院科技成果数据库，收录中科院100多所研究所和300余家公司的实用科技成果。新版的科技成果数据库保持了原有系统的检索功能。新的检索系统使用户能更快、更方便地检索数据，更自然地浏览内容。3、 国家科技成果网(、中国高等教育文献保障系统。calis5、 中国生物医学文献数据库6、 国家科技图书文献中心7、中国机械网应该还有其他的，俺不晓得了
学位论文文摘和目录面向订购用户开放。学位论文前 16 页服务面向中科院各单位开放。学位论文全文服务面向论文所属培养单位开非中科院院属单位所需全文服务请采用“原文传递”模式，24 小时内响应。
有传言称中科院将取消和知网的合作，并且会用万方以及维普来代替知网。在2022年的4月17日，中科院的图书馆某位负责人也是证实了这条信息，并且表示中科院之所以暂停使用知网背后最主要的原因就是因为知网现在的续订费用太贵了，每年的续订费用已经将近千万了。即便中科院是国内非常顶尖的学院，但是在面对这么一大笔费用的时候，依旧会觉得特别的吃力，所以迫于无奈之下才选择停止使用知网。
中科院表示，从2022年的4月20号开始，他们将会停止使用知网的数据库，并且会使用万方以及维普来代替知网的数据库，如果在使用的过程当中遇到查不到的文献，那会优先考虑使用文献传递的方式来弥补这个缺陷。有记者也是问到中科院什么时候会恢复质管的使用，而对这个问题相关的负责人表示目前并不能确定，但至少今年是没有这个计划的。
事实上中科院之所以停止使用知网，最主要的原因就是因为使用的代价太高，所需要支付的费用过于的昂贵。知网并不是免费使用的，也正是因为这种模式，所以中国知网也是捞了很多的资金。实际上一个网站在运营的时候确实是需要投入很多费用的，所以付费使用本身也无可厚非，然而最近这几年以来知网的续订费用是一年比一年高，每年的涨幅都是非常的大，这一点也是引来了很多机构以及高校的不满。
而且在最近的这几年当中，并不是只有中科院选择停止使用知网，还有很多非常有名的学院也是做出了这样子的决定，比如说武汉理工大学，还有北京大学，而停止使用知网的原因都是因为费用太高。
续费的金额已经达到了上千万，说明这个续费金额非常的昂贵，给中科院带来了很大的难题，所以他们才会杜绝合作。
这是由于知网的文章付费过高，影响了中科院的财政投入。因此决定用更加便宜和好用的万方和维普代替知网。
知网作为我国最大的论文文章搜集网站，许多学校和学术机构都要在知网进行相关论文的查找和发布。但知网凭借自己的垄断地位，推出了许多价格高昂的论文下载和重查服务，引起了许多普通学生和学术研究者的不满和议论。
知网的文章下载和查重服务价格过高。
知网作为一个学术文章的收集网站，本身应该做的是促进学术界的知识讨论和文章传播。但是由于一家独大的原因，导致它有底气推出价格高昂的论文下载和查重服务。并且许多论文贩卖的费用却没有给原创作者任何的收益，著名经济学教授赵德新就因为知网对他的文章进行贩卖，而没经过本人同意进行了相关的控法律起诉。
中科院与知网的续订费用高达千万，影响了中科院的财政支出。
中科院作为我国数一数二的科学研究机构，里面的许多研究人员肯定在日常生活中要对于许多学术文章进行探讨和研究。但现在中科院都因为财政支出的相关压力而取消了与知网的续订费用。我认为知网目前的领先地位是必须要进行相应改变的。万方和维普也在针对的这些情况进行相应的更新，未来学术市场将会产生相应的激烈竞争。
知网过度商业化已经影响了学术界的知识传递和学术探讨。
我认为现在知网已经有了过度商业化的相关倾向，这种情况不仅会使许多普通学生和学术研究者在论文使用时产生很大的经济压力。同时对于我国学术的研究和良性循环都会带来很大的阻碍，知网有必要根据这些问题进行相应的改变。
一、知网“近千万级别”的续订费用和苛刻的续订条件，导致中科院无力承担；二、维普期刊数据库和万方学位论文数据库这些年快速崛起，其论文数据库并不算很差，有替代知网的可能性。