大数据期刊投稿经验总结

2015年，大数据市场的发展迅猛，放眼国际，总体市场规模持续增加，随着人工智能、物联网的发展，几乎所有人将目光瞄准了“数据”产生的价值。行业厂商Cloudera、DataStax 以及 DataGravity 等大数据公司已经投入大量资金研发相关技术，Hadoop 供应商 Hortonworks与数据分析公司 New Relic 甚至已经上市。而国内，国家也将大数据纳入国策。我们邀请数梦工场的专家妹子和你来聊聊 2015 年大数据行业九大关键词，管窥这一年行业内的发展。战略：国家政策今年中国政府对于大数据发展不断发文并推进，这标志着大数据已被国家政府纳入创新战略层面，成为国家战略计划的核心任务之一：2015年9月，国务院发布《促进大数据发展行动纲要》，大力促进中国数据技术的发展，数据将被作为战略性资源加以重视;2015年10月26日，在国家“十三五”规划中具体提到实施国家大数据战略。挑战：BI(商业智能)2015年对于商业智能(BI)分析市场来说，正由传统的商业智能分析快速进入到敏捷型商业智能时代。以 QlikView、Tableau和SpotView 为代表的敏捷商业智能产品正在挑战传统的 IBM Cognos、SAP Business Objects 等以 IT 为中心的 BI分析平台。敏捷商业智能产品也正在进一步细化功能以达到更敏捷、更方便、适用范围更广的目的。崛起：深度学习/机器学习人工智能如今已变得异常火热，作为机器学习中最接近AI(人工智能)的一个领域，深度学习在2015年不再高高在上，很多创新企业已经将其实用化：Facebook 开源深度学习工具“Torch”、PayPal使用深度学习监测并对抗、亚马逊启动机器学习平台、苹果收购机器学习公司 Perceptio……同时在国内，百度、阿里，科大讯飞也在迅速布局和发展深度学习领域的技术。共存：Spark/HadoopSpark 近几年来越来越受人关注，2015年6月15日，IBM 宣布投入超过3500名研究和开发人员在全球十余个实验室开展与 Spark相关的项目。与 Hadoop 相比，Spark 具有速度方面的优势，但是它本身没有一个分布式存储系统，因此越来越多的企业选择 Hadoop 做大数据平台，而Spark 是运行于 Hadoop 顶层的内存处理方案。Hadoop 最大的用户(包括 eBay 和雅虎)都在 Hadoop 集群中运行着Spark。Cloudera 和 Hortonworks 将 Spark 列为他们 Hadoop 发行的一部分。Spark 对于 Hadoop来说不是挑战和取代相反，Hadoop 是 Spark 成长发展的基础。火爆：DBaaS随着 Oracle 12c R2 的推出，甲骨文以全新的多租户架构开启了 DBaaS(数据库即服务Database-as-a-Service)新时代，新的数据库让企业可以在单一实体机器中部署多个数据库。在2015年，除了趋势火爆，12c多租户也在运营商、电信等行业投入生产应用。据分析机构 Gartner预测，2012年至2016年公有数据库云的年复合增长率将高达86%，而到2019年数据库云市场规模将达到140亿美元。与传统数据库相比，DBaaS能提供低成本、高敏捷性和高可扩展性等云计算特有的优点。诱人：数据科学家随着行业的发展，人才显得尤为重要，各公司都期待数据科学专业人才能够挖掘数据信息，来帮助公司开源节流。美国招聘网站 Glassdoor的报告称，数据科学家的平均年薪为118709美元(约合人民币737550元)，而程序员的平均年薪为64537美元(约合人民币400974元)。数据科学家能够通过统计变成涉及、开发和调用算法而支持业务决策;管理海量数据;可视化数据以辅助理解。其需要具备三项基本技能：数学/统计、计算机能力、在特定业务领域的知识，被《哈佛商业评论》评委二十一世纪最吸引人的职业。最快：Sort benchmark/阿里云阿里云在 SortBenchmark(全球科技公司“计算奥运会”之称)的2015年排序竞赛中用不到7分钟(377秒)就完成了100TB的数据排序，打破了 Apache Spark的纪录23.4分钟。开源：Pivotal2015年2月，由 EMC 和 VMWare 成立的 Pivotal 宣布其大数据套件的三个核心组件开源：基于内存的分布式 NoSQL数据库GemFire、基于 Hadoop 架构的大规模并行 SQL 分析处理引擎 HAWQ、大规模并行处理分析数据库 Greenplum。Pivotal 开放其大数据套件核心组件的源代码，最主要原因是 Cloud Foundry 开源战略成功驱动，部署大数据战场。多金：“数字锦衣卫” Palantir2015年7月起 Palantir开始发起新一轮融资，达到8.8亿美元，截止目前已经共计融资23.2亿美元，公司估值200亿美元，排名世界第四，仅次于Uber。Palantir是一家位于加州的大数据情报分析科技公司。该公司的技术是在海量信息之间建立联系、寻求有价值的线索，为情报机构提供结论：在摩根大通内部用于定位网络欺诈，在桥水联合基金，Palantir被用来管理 1570亿美元的投资基金。该公司曾经帮助美国政府追踪基地组织头目奥萨马·本·拉登。由于其主要客户是政府机构，外界对它的内部状况了解不多。

本人从事期刊投稿咨询工作，各位对发表论文如果有什么不懂的，欢迎随时来问~————————————————————1、明确自己发表论文的目的是什么，是纯粹自己想发，还是因为单位的要求（评职、评奖、保研、项目结题、留学……）；2、自己想投稿增加履历的话就不多说了，有能力有时间有精力想投什么随便投，我重点说一下，如果是单位要求发论文的话，那么切记，一定要根据单位的要求来！否则即便发了也没用！单位对期刊的要求一般都是要求省级以上正规学术期刊就行，这个要去新闻出版总署查询刊物是否正规，再看看最近半年期刊收录情况是否正常，另外，个别单位对期刊收录网站有要求，必须是万方、维普、知网等几大数据库收录的才行。3.明确单位对期刊的要求后，还要注意期刊的出刊时间，比如评职称在9月递交材料，那么你选择的期刊必须要确保在交材料之前，最好8月底之前就能拿到期刊，不然根本来不及，还有学生毕业、评奖、保研需要发表论文也一样，必须要确保在规定的时间之前期刊能出刊，否则评审交材料拿什么交？4.最后根据经验，提醒大家注意以下几点：期刊的刊期和出刊时间是不一样的，比如某本期刊一年12期，现在收21年7月的版面，但可能出刊时间会在8月、9月，也就是延后出刊，现在基本上都是延后出刊，所以咨询投稿的时候要注意问清楚出刊的时间而不是刊期。注意报刊、连续型电子出版物，这类期刊里虽然有些名字很好听，版面费也便宜，但是，很多单位是不予认可的，所以，这类期刊一定要慎发，特别是因为单位要求而发表论文的，更是要注意，很可能发了没用。至于如何分辨期刊是否属于这两种期刊，也很简单，去新闻出版总署一查便知。

大数据时代学术期刊的机遇与挑战_数据分析师考试

在数字化再造并融合传统出版的大背景下，就学术期刊而言，其传播方式已经发生巨大变化，数字化、新媒体融合已成期刊传播新常态。在近日中国社会科学院图书馆(调查与数据信息中心)、国家期刊库(NSSD)举办的“大数据时代的学术期刊数字出版??机遇与挑战”研讨会上，学术期刊如何应对大数据时代的机遇和挑战，成为关注的主题。

主动适应“大数据”时代

据社科院图书馆数据网络部主任杨齐介绍，为适应“大数据时代”的需求，中国社会科学院国家期刊库项目组对643种学术期刊的网站建设进行了详细的调研分析，包含社科基金资助期刊195种，非社科基金资助期刊448种，并公布了调研结果。从调研数据中发现，目前大部分学术期刊在大数据时代的数字出版及开放获取意识有待提升，对于数字化和新媒体融合发展前景及方向还在探索之中。

专家认为，从表面上看，“大数据”的概念及其价值更多的是为IT业和企业营销领域所关注，但从深层次看，传媒业将是受到大数据时代冲击较大的行业。在大数据时代，与学术期刊处于同一环境体系的学术创新模式、学术研究范式、知识形态、知识获取、知识交流及处理机制的改变，将直接影响着学术期刊的生存和发展。

“大数据”深刻地改变着学术期刊的边界，使学术期刊面临新的挑战和机遇， “大数据”将造就新意义上的中国学术期刊。因此，各个学刊必须积极主动探索以学术期刊为纽带的大数据全产业链和新业态发展路径，应用大数据技术，跳出传统学术期刊的编辑出版流程局限，实现以学术期刊为纽带的学术研究全流程传播。

数字化时代的诸多挑战

当前，来自数字化潮流的挑战使得学术期刊正经历着一场革命。这场肇始于传播，继而扩展至整个编辑出版流程的革命，使学术期刊抛掉了纸本载体而实现了更为迅捷的网上编辑和传播，在传播流程中，数字化传播已成为学术期刊的主流渠道。学术期刊以综合性为主的结构和分散的布局导致以原期刊为单位的数字化传播意义不大，而经过汇集和重新编排后更能适应读者的需求，大型期刊数据库网站做的正是这样的工作。

另外，当以综合性、分散性和内向性为特征的学术期刊遭遇来自学术国际化、评价数量化和传播数字化的挑战时，处境更是日益艰难，而自然科学期刊尤甚，每年以10万篇计的优秀稿源的流失，使得国内一些顶尖学术期刊也面临着前所未有的稿源荒，更遑论一般期刊了。优稿的外流必然带来学术前沿的失守和读者的流失，使得学术期刊在数字化时代面临着诸多挑战，急需创新观念，走出一条数字化发展的新路径。

对此，中国社会科学院调查与数据信息中心副主任赵胄豪表示，通过高层次的文化碰撞，刷新旧有理念，加速学术期刊数字化、网络化的建设步伐；变革学术期刊投稿、编审、出版、传播及阅读的方式与途径；积极探索哲学社会科学领域学术期刊数字化转型、新媒体应用、开放获取及网络化建设等方面的问题，这是今后学术期刊适应数字化之路的重要途径。

加快数字化转型步伐

在如何探索学术期刊数字化转型上，中国科学院文献情报中心编辑出版中心主任初景利从数字出版环境与技术、学术期刊建设要素、期刊质量与影响力、传播能力的关系、数字出版平台建设、语义出版、开放获取出版等多方面详细介绍了科技期刊的经验，并提出六方面建议：一是期刊质量是期刊的生命；二是学术期刊编辑须承担社会责任与使命；三是采取综合措施提升期刊的传播力与影响力；四是重视数字出版与数字化刊群建设； 五是善于知识分析工具的开发与利用； 六是加强技术的研发和投入。

以上是小编为大家分享的关于大数据时代学术期刊的机遇与挑战的相关内容，更多信息可以关注环球青藤分享更多干货

《大数据》期刊投稿难度大数据如今应用是比较广泛的，这方面可以写作的关联热词有很多，比如数据分析，云计算，数据挖掘等，这样的论文也是很容易投稿的。大家可以发表一些热门的选题论文，选题要新颖，这样投稿成功率是比较高的。大数据时代在论文完成后，就需要挑选合适的数据方面的刊物，可以先投递级别较高的刊物，根据修改意见对论文进行修改，并及时与期刊编辑进行交流沟通，了解论文存在的主要问题。多次修改后，论文就很容易投稿成功了。