當代社會互聯網發達，資訊技術廣泛應用與社會各個領域。當然，利用資訊技術來推動高校教育發展也是在資訊化教育進程之中。資訊技術的發展迅速，大數據也就迅速堆積，大數據記錄了資訊技術發展的腳步，同樣有利於資訊技術在社會上的有效發展。高校作爲發展人才的地方，自然少不了大量數據累積，資訊量巨大，大數據對高校教育也就有着非常大的影響，它不僅推動着高校教育的發展，同時也反映着高校教育數據累積的過程，這類數據與外界環境的共享，一起發揮着大數據對高校教育的推動作用。
1大數據發揮出在高校教育的發展中的推動作用
高校教育在多年的發展中，逐漸適應了資訊化的快速發展進程，將高校教育資訊化是必然的條件，這對於高校教育的改革和完善具有完全有效的作用。高校教育資訊化同樣對提高教學質量，引導創新教學模式，發揮着重要作用。高校教育資訊化有利於加強校園文化建設，促進教育高水平發展，有利於改善教學方法，發揮教育各項職能，有利於人才培養，有利於資訊交流和教學環境改善。高校教育資訊化是教育發展和提升的必要條件，大量的資訊交流必定會產生衆多數據，針對大數據進行數據收集和處理，方便數據檢索和查詢。高校教育本身就具有資訊量大、數據多樣，繁瑣的鞥、特點，所以很好的利用大數據爲高校教育發展做貢獻，一定能更好的推動高校教育的發展。大數據在課堂上的應用，能夠改變傳統的教學模式，發揮資訊技術的無限潛能，不管是時間還是空間的阻礙，都能被資訊技術所打破，這將有利於學生更好的融入課堂，使學生更適應課堂，從而使理解知識變得容易。大數據的廣泛應用，同樣適用於科學研究方面，大數據的全面資訊的應用對於資訊的共享和交流具有關鍵推進作用，現代資訊技術在社會科學中的應用將改善傳統的研究方法，這樣不但能提升結果的可信度，更能夠提升工作效率，再者，大數據在服務人們方面的應用，高校能夠更好的掌握社會需求，瞭解社會對人才的渴求，從而培養適應社會的人才。這樣的好處還有能夠加強高校和社會的聯繫，使得高校能夠更好地履行社會職能。大數據還有利於高校建設校園文化與文化傳承。高校對於優秀民族和世界文化都有責任和義務傳播給更多學生，高校作爲文化載體，有更好的條件進行文化教育，透過資訊技術手段，方便文化溝通，以及技術交流等。
2大數據與高校教育之間的聯繫
大數據與高校教育之間不只是簡單的應用關係，高校也絕不是被動的接受大數據，其實高校與大數據之間是相互依靠，相互促進的，高校教育的發展同時也是大數據的發展，同時，大數據的發展，也同樣推動了高校教育的發展進程。大數據可以說是一種工具，一是順應了高校教育的發展進程，同時也爲高校教育發展做出了許多改善與提升。比方說大數據推動了高校對人才培養的進程，有利於高校選拔適合社會的高等人才，挖掘人才潛在價值，更好的爲社會服務，也是爲人們服務，幫助學生找到自身優勢，使得人才發展變得順利。前面說的，大數據幫助高校建立完善的文化體系，有助於高校進行文化傳承，教育形式改革與創新。大數據有助於高校瞭解社會需求，發展與培養適應社會的全能人才。反過來，高校教育對大數據的發展也具有非常重要的推進作用。高校由於資訊量巨大，也有相對完整的記錄和完善形式，對於數據的收集等方面也有非常完善的系統，所以高校教育對於大數據的發展也有積極作用。高校透過長時間的數據利用，自然會產生許多有效的數據分類和整理辦法，對數據的研究也非常細緻和詳細，對數據也會進行補充和完善，分析和創新數據記錄辦法，所以高校教育方面對數據的整理利用工作也會對大數據的發展做出更多貢獻。說完了高校教育與大數據之間的相互利用，還應考慮大數據與高校教育之間的共同發展。許多高校在建立了比較完善的大數據處理和利用方式之後，通常會比較頻繁的與外界進行數據處理辦法和收集方式的交流和共享，大部分的'數據處理工作都是有目的性的，比方說在網上的數據檢索工作，都是在先想好需要什麼纔去網上搜尋的，所以對數據的分類整理工作至關重要。高校教育通常分爲大體上的文科和理科，那再往下細分還有工科醫科師範類商學類等等。不同的數據有不同的處理方式，不同的數據門類之間有時候也是互通的，所以大數據的處理辦法和整體思維都是有分別的，也是有聯繫的，需要研究者長時間的分析和整理。大數據的使用需要專業的認可，不然的話就會造成資源浪費，看來社會上的機構大概也只有高校和研究員具有資格認證大數據的作用了。大數據廣泛應用了資訊技術和社會科學等多種學科的資源，在保證數據真實可靠地情況下，爲更多數據使用者提供良好的數據參考作用。換句話說，高校教育過程中對數據的使用情況直接影響了大數據的利用率，高校對大數據提供了更多的技術支援，同時也限制了大數據的發展，所以大數據與高校教育之間的這種關係影響了兩者之間的共同發展。
3大數據在推動高校教育發展過程中遇到的問題
不可否認，大數據在推動高校教育的發展過程做出了很多貢獻，但是在大數據推動高校教育的過程中，仍會出現某些問題，阻止了大數據的推動作用，造成大數據沒有完全發揮其應有的功能，沒有很好的爲高校教育做出更大貢獻。首先是高校對於大數據的利用率低，主要體現在進行數據搜尋和收集過程中，對需求的認識面太過狹隘，導致數據收集工作不完善，收據收集的不完全，在應用過程中就會有困難，造成資訊缺失和資源不足，所以究其原因還是數據收集工作者工作中存在紕漏，或者對數據手機方法不正確不規範，造成了數據缺失情況出現。其次出現大數據利用不完全的問題是因爲數據運用者技術不規範和操作不當造成數據使用不完全。和傳統的數據使用方法相比，現代的利用大數據進行數據檢索和使用工作已經如虎添翼，透過科技手段可以毫不費力的從大量的數據庫中篩選出自己所需要的數據來進行利用。這不但大大降低了操作難度，同時也節省了很多時間，我們都知道數據挖掘工作複雜而且繁瑣，更需要數據挖掘工作者認真細緻的到位的工作態度，一點馬虎不得。但是透過技術手段，以及先進的互聯網技術，可以很好的解決很多工作中可能會出現的問題。但是機器就是機器，永遠不可能有人的思維，就算有那也是人給他格外添加的，永遠不可能超過人的思維，所以機器所犯的錯誤可能也會有很多，這就需要人來利用外力對數據採集處理等工作進行監督，一點失誤就會造成數據錯誤，影響數據的使用。
4提升大數據推動高校教育有效性的對策
針對以上幾點問題，首先提出的解決辦法就是使人們充分認識大數據的作用，這樣從根本上讓人們建立起對大數據的作用的基本概念，才能仍大數據更好地爲人們服務。大數據實在資訊大爆炸的現代社會中人們必不可少的一種數據收集處理方式，對於社會的快速發展，必然會伴隨數以萬計的數據，那麼對於這麼多眼花繚亂的數據，要想提取出真正對自己有用的數據，就要利用科技手段，建立完整的數據庫，方便人們的數據提取和利用。在認識了大數據的作用之後，就要合理的利用好大數據，正確的使用大數據，在大數據使用過程中應當規範使用辦法，避免使用者濫用大數據，檢索和分類過程也應當認真細緻的操作，因爲不僅僅是一次失誤，之後的每一個步驟都有可能會對數據處理工作造成誤解和偏差，造成大數據的錯誤使用。爲了更好的使用大數據，推動大數據對高校教育的發展，高校應建立完善的大數據使用平臺，讓使用者能夠有地方可查，有資源可用，提高大數據的使用率。至於校園內的配置，應當及時維護，對大數據的保管工作也應時常監督和完善，進一步加強數據使用效率，發揮其應有的價值。在人員配置選拔方面，要認真仔細篩選真正有用的人才，對數據進行分類處理和詳細整理，更好的幫助校園內數據使用者進行數據使用程序。
5總結
在當下數據大爆炸的時代，能夠更好的使用資訊的人，將資訊爲己所用，那麼就是發揮了大數據的真正價值。正確看待大數據，合理利用大數據，將大數據與高校教育有機的結合在一起，盡力發揮大數據應有的價值，有利於人們探索未知的知識和學問，有效的利用好大數據，就是發揮了大數據對高校教育的推動作用。
參考文獻:
[1]邱仁宗,黃雯,翟曉梅.大數據技術的倫理問題[J].科學與社會,2014(01).
[2]王成紅,陳偉能,張軍,宋蘇,魯仁全.大數據技術與應用中的挑戰性科學問題[J].中國科學基金,2014(02).
[3]祝智庭,管珏琪.教育變革中的技術力量[J].中國電化教育,2014(01).
大數據意義
現在的社會是一個高速發展的社會，科技發達，資訊流通，人們之間的交流越來越密切，生活也越來越方便，大數據就是這個高科技時代的產物。[10]阿里巴巴創辦人馬雲來臺演講中就提到，未來的時代將不是IT時代，而是DT的時代，DT就是Data Technology數據科技，顯示大數據對於阿里巴巴集團來說舉足輕重。[11]
有人把數據比喻爲蘊藏能量的煤礦。煤炭按照性質有焦煤、無煙煤、肥煤、貧煤等分類，而露天煤礦、深山煤礦的挖掘成本又不一樣。與此類似，大數據並不在“大”，而在於“有用”。價值含量、挖掘成本比數量更爲重要。對於很多行業而言，如何利用這些大規模數據是贏得競爭的關鍵。[12]
大數據的價值體現在以下幾個方面：
（1）對大量消費者提供產品或服務的企業可以利用大數據進行精準營銷；
（2）做小而美模式的中小微企業可以利用大數據做服務轉型；
（3）面臨互聯網壓力之下必須轉型的傳統企業需要與時俱進充分利用大數據的價值。
不過，“大數據”在經濟發展中的巨大意義並不代表其能取代一切對於社會問題的理性思考，科學發展的邏輯不能被湮沒在海量數據中。著名經濟學家路德維希·馮·米塞斯曾提醒過：“就今日言，有很多人忙碌於資料之無益累積，以致對問題之說明與解決，喪失了其對特殊的經濟意義的瞭解。”這確實是需要警惕的。
在這個快速發展的智能硬件時代，困擾應用開發者的一個重要問題就是如何在功率、覆蓋範圍、傳輸速率和成本之間找到那個微妙的平衡點。企業組織利用相關數據和分析可以幫助它們降低成本、提高效率、開發新產品、做出更明智的業務決策等等。例如，透過結合大數據和高性能的分析，下面這些對企業有益的情況都可能會發生：
（1）及時解析故障、問題和缺陷的根源，每年可能爲企業節省數十億美元。
（2）爲成千上萬的快遞車輛規劃實時交通路線，躲避擁堵。
（3）分析所有SKU，以利潤最大化爲目標來定價和清理庫存。
（4）根據客戶的購買習慣，爲其推送他可能感興趣的優惠資訊。
（5）從大量客戶中快速識別出金牌客戶。
（6）使用點擊流分析和數據挖掘來規避欺詐行爲。