（大同师范高等专科学校，山西大同市，037000）庞 敏

大数据时代背景下，计算机技术凭借自身自动化程度高、计算精准度高、运算速度快等诸多优点，衍生成为了现代社会在发展环节的主要组成要素。特别是计算机软件技术，与传统生产工艺、管理方式等诸多领域实现了深层次的融合。所以，目前在大数据时代下，对计算机软件技术在应用层面进行研究以及分析，不仅可以合理提高计算机软件技术在应用环节的效果及水平，同时也为其发展层面提供崭新的源动力。

1 大数据时代背景下的计算机软件技术分析

大数据时代在应用环节的主要核心是指在体量庞大的数据中找到科学性的规律，按照与客户需求相同的应用特征，展开相应的服务、生产、设计等诸多工作内容。

1.1 信息安全技术分析

各种类型不同的数据，目前在大数据时代背景下都存在着不同程度的联系，然而与不同数据之间存在的不同关系，极有可能对数据信息形成不良影响。为了提高数据集群在安全层面的水准，有关人员需要高度重视，数据管理系统网络在运行环节的科学调控。互联网平台在应用层面拥有开放性的特征，极其容易受到病毒以及木马等外来攻击的威胁，但是大数据、云计算技术在运行环节又需要以互联网为基础，在此种背景下，信息安全技术就显得至关重要。虽然相比较于西方发达国家来讲，我国在网络信息化技术层面的研究起步相对较晚，但是在大数据背景下，我国网络信息在安全层面的技术，已经逐渐开始迈入国际前沿行列。所以，要求各行各业按照自身在发展层面的不同特征以及问题，编制出科学合理的自我发展规划，持续不断的对数据处理技术进行优化完善，由此提高数据在应用层面的有效性及可靠性。

1.2 云储存技术分析

当前，云储存技术应用范围相对较为广泛，打破了传统形式的时空界限，用户只要将网络与网络终端设备实现连接，就可以随时随地对云储存中的内容进行下载以及浏览，这是传统形式的存储方式远远不及的。云储存技术属于由多个存储单位共同组成的一个有机整体，可以对多种不同功能进行有机结合，相互协同配合完成相应的工作，最终对资料信息进行存储。大数据时代背景下的云储存技术，可以为用户提供更加便捷有效的信息服务，云储存技术在大数据时代背景下，是信息在处理环节的重要一环，可以对体量庞大的数据信息，实现分析、分类、整合等诸多操作。

1.3 虚拟化技术分析

虚拟化技术在应用层面主要是以虚拟资源为基础，对数据信息进行管理，同时针对大数据内部的资源，实行科学性的优化配置。通过对虚拟化技术进行合理应用，不仅可以提高信息在处理环节的工作效率，同时可以确保用户操作的灵活性以及便捷性。在大数据中对虚拟技术予以合理应用，能够提高虚拟技术在科研层面的研究高度，同时借助大数据可以对虚拟软件在功能层面实现完善以及优化，由此为虚拟技术在未来发展层面，提供崭新的源动力以及创新力[1]。

2 大数据时代背景下计算机软件技术在应用分析

2.1 在数据分析层面的应用

在信息化环境中，社会在不断发展，形成了各种类型不同的数据信息，提高了数据在调取以及处理环节的困难程度。企业在生产经营环节，需要精准掌控客户软件在应用功能层面的不同需求，及时调取以及查看软件开发前期，其他类型的客户软件在应用层面的具体状况，并对信息资料进行分析及整合，从而形成内容质量相对较高的软件研发方案，更好的契合企业在业务发展层面的不同需求。就软件程序在研发层面来讲，提高数据资源在应用环节的有效性，科学完成产品市场的调研分析工作，有助于更好的确定企业在市场研发层面的整体规划方案。在对产品进行销售时，软件技术工作人员需要参考往期产品在销售层面的具体状况，精准排查产品在销售环节存在的潜在风险，在提高产品销售率的同时，强化企业在市场层面的综合竞争能力。

2.1.1 集成技术

集成技术将数据存储单元作为运行环节的主要环境，能够合理保障数据在挖掘时的有效性以及可靠性。在数据存储单元当中，可以科学有序的对数据信息完成采集、整理、存储等诸多工作。之后以数据存储为基础，对数据进行价值挖掘、合理转化、科学选择等集成化的处理，在较短的时间内可以更快的速度、更高的效率，对体量庞大的数据信息完成分析以及整理工作。

2.1.2 聚类分析

对于相同的数据集合展开科学合理的数据分析以及研究，是数据在挖掘环节应用的主要技术。例如：二次聚类算法，可以针对数据库展开全方位、系统化的扫描操作，针对规模相对较大的数据库实现科学、有序的处理。

2.1.3 分类预测技术

分类以及测定是数据在分析环节的两种主要技术。其中，分类技术是指应用关联规则以及算法等方式，对类型相同的数据进行划分，在数据管理以及数据分析环节的效率相对较高[2]。

2.1.4 关联规则技术

关联规则技术在应用环节，可以合理强化传统算法的计算工作能力，在较短的时间内，可以对项目规模相对较大的数据完成集合，强化数据在处理环节的有效性，优化以及减少数据库在扫描环节的次数以及时间，切实有效的提高算法在工作环节的能效。

2.1.5 属性归纳技术

属性归纳技术与计算机软件进行融合，可以合理强化数据在分类环节的科学性，有效提高数据在应用层面的水平，将传统形式的数据集合，成功归纳在用户可以理解的概念范围当中，对属性内部的数据集合在规模层面实现科学管控，简化数据在分析环节的困难程度。

2.1.6 联机分析处理技术（OLAP技术）

此项技术在应用环节，可以同时在多层数据库中实现运行，以立方体结构为基础，可以提高OLAP技术在操作环节的便捷性以及可靠性。OLAP技术在应用环节，可以深层次的挖掘数据在背景层面潜在的各种资料信息，以不同的视角向不同用户展现数据的独特价值[3]。

2.2 在商业运营环节的应用分析

计算机软件技术目前可以与商业经营活动中的各个流程实现有机融合，计算机软件研发单位在收集获取数据信息时，技术管理工作人员可以科学熟练的操控各种信息化技术，同时科学性的设计信息化管理平台，确保用户信息在采集层面的科学性以及可靠性，试着为企业用户以及个人用户，创造出信息服务功能更加多样化的平台，让计算机软件技术在应用层面发挥出自身的最大价值。由此，科学性的应用计算机软件技术，可以切实有效的强化商业经济在发展层面的能力以及水平，保证企业在发展环节的稳定性、可靠性，加强企业在发展以及建设环节的综合能力。

2.2.1 信息鉴定技术分析

此项技术可以评估信息在应用层面的具体功能，并以此为基础，对信息进行比对分析。例如：在计算机软件信息程序当中，变量位序以及编程语句在差异性层面的具体体现，能够合理维护计算机软件信息在应用环境的整体安全性能。

2.2.2信息特殊性的分析技术

计算机软件技术中储存的数据信息，包含诸多不同的类型，例如：多种不同的数据类型、多样化的数据状态信息。与此同时，在各种不同类型的信息内部，存在不同程度的不确定性特征，增加了计算机软件信息在类型层面的复杂程度。

2.3 在信息通信中的应用

2.3.1 异构操作平台中的软件开发技术分析

当前，移动终端在应用层面包含多种不同的种类，同时也存在一定程度的差异，在上层应用中，因为缺少必要性的接口，导致移动终端在运行、研发环节产生了终端适配量的任务大、研发周期长、开发标准高等诸多问题。在各种类型的终端平台当中，用户软件在应用层面的体现也存在不同差异，对于终端应用在部署层面的有效性来讲，产生了一定程度的不利影响。所以，需要强化应用终端在应用层面的体验，确保软件在研发环节的可靠性[4]。

2.3.2 移动客户软件平台的应用技术分析

此种类型的系统结构，在技术层面的模式主要包括：C/S、B/S。在移动客户软件平台中，C/S模式主要是在远程服务平台当中对数据信息进行储存，在客户端对软件完成安装，有利于用户在客户端实现请求操作，由服务器对请求作出相应的响应。客户端在数据处理完成之后，将数据处理的结果向用户进行反馈。此外，在B/S模式下，主要是对服务器进行安装，然后启动浏览器，用户对浏览器进行操作，发送相应的请求，由网络服务器对指令进行接收，再对其进行处理，处理操作完成之后，将所得结果通过浏览器进行反馈。

2.3.3 软件技术在数据处理环节的优势分析

IBM企业针对软件技术实行了自主研发，试着为大数据技术在成长创新层面构建出质量较好的环境。在大数据环境背景下，信息在通信环节的数据量急剧上升，保障了通信软件技术在数据处理环节的工作能力，有助于更好的收集用户信息，在通信层面的具体特征，更好的契合通信行业在发展层面的不同需求，希望为企业组织以及通信行业，在发展层面提供较大的推动力，让软件技术在数据分析环节发挥出自身最大的优势。

2.3.4 XO预测分析技术的应用层面优势分析

在企业信息化通信体系当中，对加速软件实现了科学性的应用，有利于各种类型不同的企业用户实行合理性的分析，有助于降低用户在通信环节的经济成本开销。相比较于其他通信层面的网络分析程序来讲，XO预测分析技术就数据分析层面而言，分析环节的丰富性特征极其明显，可以对用户行为进行精准测评，由此捕获用户行为数据信息，通过数据报告的形式对用户行为进行统计。XO预测分析技术可以精准评判，企业在通信以及运营管理层面的具体状况，合理排除用户在应用软件的时候，有可能遇到的诸多问题，同时保证问题在解决环节的科学性以及有效性，对企业运行成本进行简化，降低用户的流失量[5]。

3 结语

综上所述，大数据时代背景下，计算机软件技术在数据分析、商业活动运营、信息通信等诸多层面实现了大范围的应用，极大程度的促进了我国大数据技术的整体发展水平，但在计算机软件技术的应用发挥、未来发展等层面，还存在较多影响因素。所以，要求有关人员强化实践环节的工作经验总结，对各项技术展开深层次的研究以及分析，深层次的挖掘虚拟化技术、云储存技术等计算机软件技术，在大数据时代背景下的主要应用价值，由此让数据信息资源实现科学合理的优化。