浅谈大数据潮流下的软件工程
--从一个局外人的角度 作为一个商学院的学生，经过一个学期的软件工程导学课的学习，终于对软件工程轮廓有一个大致的印象，更是进一步产生了兴趣。经过课堂上前辈们的介绍，在我心目中，软件工程从业者也从辛苦的码农变为走在创新最前沿的精英。在现代社会中，软件应用于多个方面。典型的软件比如有电子邮件，嵌入式系统，人机界面，办公套件，操作系统，编译器，数据库，游戏等。同时，各个行业几乎都有计算机软件的应用，比如工业，农业，银行，航空，政府部门等。这些应用促进了经济和社会的发展，提高人们的工作效率，同时提升了生活质量。而在如今这样一个信息化社会，互联网飞速发展，其衍生产品如雨后春笋，软件工程与虚拟现实，大数据，人工智能的结合尤为引人注目。因此，了解大数据洪流下的软件工程发展有着重要意义。
从软件定义网络(software defined network, SDN)开始，软件的作用向计算、存储、数据中心架构甚至整个IT环境蔓延，以往基于硬件平台实现的许多功能逐渐通过软件实现，软件的地位越来越突出。被软件定义的世界正在“大数据化”。 图灵奖与诺贝尔奖双料得主司马贺(Herbert A Simon)在其《人工科学》一书中讲到：“我们今天生活的世界与其说是自然的世界，不如说是人类的或人为的世界。在我们周围，几乎每样东西都有人工技能的痕迹”。大数据是人类活动的产物，来自人们认识与改造客观世界的过程中，是生产与生活在网络空间的投影，因此大数据正成为信息时代的宝贵财富。但是由于大数据的数据量过于庞大，信息种类过于繁琐，人工信息筛选与信息识别基本不可能。然而，在大数据分析上软件工程将会成为人类的有力助手。
在对密集型数据进分析时，传统的数据生命期信息学流程已经难以适用，无法对大数据进行有效的模拟。要由原本的数据、信息、模型、模拟推演的过程逐渐转变为数据、信息、知识、价值服务、策略意义的第四范式模型。在全新的研究模式中，要对数据整合驱动、需求度量价值、情境约束等进行分析。其中，知识及价值服务是整个研究的基础和重点，要针对密集型数据整合服务领域，对密集型数据将的处理、管理、分析、应用等多个方面进行研究，建立统一的理论体系和研究方法，提高密集型数据生命期信息学流程驱动软件的服务生命期，对目前第四范式建立存在的问题进行针对性的解决，适应大数据时代的发展。
此外，软件不仅不易用来分析大数据，本身也是大数据源头之一。很多软件都具有收集数据，上传数据的后台功能。因此，在数据终端可以进行对用户数据的收集整理，以便于分析用户的偏好于等实际情况。因此，如果有效利用软件作为大数据的源头，企业将会有着更充分的信息，有效把握市场动态。
总而言之，在大数据时代下，软件工程的发展涉及到多个领域，需要具备高度的专业性和实践性。在软件工程中，要在实践中进行研究，而不是在研究中进行实践，核心在于如何对传统的软件理论进行创新突破。在其中就涉及到有关大数据理论和研究方法的问题，如何将理论、算法、技术标准等进行融合。大数据在最初提出时具备三种特征：体量、增速和多样。随着时代的不断发展，大数据的特征也越来越多，如价值、真伪性、可证性、可变性等，对软件工程的发展有着重要的影响。在软件工程的研究中，要不断的创新传统的软件技术，解决限制软件工程发展的客观条件，结合互联网的发展，对大数据时代下的密集型数据进行有效的处理，促进行业发展。
