推荐第1篇：《大数据：技术与应用》学习心得
4月1日上午，“新时代学习大讲堂”第二期时代前沿知识专题讲座贵阳举行。中国科学院院士，北京理工大学党委常委、副校长，贵州省大数据产业发展研究院院长梅宏围绕大数据技术与应用作专题报告。
本次讲座上，梅宏院长从“大数据是什么”、“如何应对大数据”、“如何应用大数据”、“大数据现状和思考”等多个方面，全方位、多角度、立体式地解读了大数据的技术与应用，语言生动、内容详实，既传达了党中央的精神，又谈了自身学习体会，既解读了大数据发展的规律，又提出了学习领会的意见建议，为贵州省各级领导干部、国家机关、公职人员学习互联网知识，熟练掌握大数据知识指出了路径、传授了方法。
通过学习，我们知道信息时代的到来，感受到的是技术变化日新月异，随之而来的是生活方式的转变，我们这样评论着的信息时代已经变为曾经。如今，大数据时代成为炙手可热的话题。
今天，信息是一个高度概括抽象概念，是一个发展中的动态范畴，是进行互相交换的内容和名称，信息的界定没有统一的定义，但是信息具备客观、动态、传递、共享、经济等特性却是大家的共识。数据是描述事物的符号记录，是可定义为意义的实体，它涉及到事物的存在形式。它是关于事件之一组离散且客观的事实描述，是构成信息和知识的原始材料。数据可分为模拟数据和数字数据两大类。数据指计算机加工的“原料”，如图形、声音、文字、数、字符和符号等。从定义看来，数据是原始的处女地，需要耕耘。信息则是已经处理过的可以传播的资讯。信息时代依赖于数据的爆发，只是当数据爆发到无法驾驭的状态，大数据时代应运而生。
在大数据时代，大数据时代区别与转变就是，放弃对因果关系的渴求，而取而代之关注相关关系。也就是说只要知道“是什么”，而不需要知道“为什么”。数据的更多、更杂，导致应用主意只能尽量观察，而不是倾其所有进行推理。小数据停留在说明过去，大数据用驱动过去来预测未来。数据的用途意在何为，与数据本身无关，而与数据的解读者有关，而相关关系更有利于预测未来。大数据更多的体现在海量非结构化数据本身与处理方法的整合。大数据更像是理论与现实齐头并进，理论来创立处理非结构化数据的方法，处理结果与未来进行验证。大数据是在互联网背景下数据从量变到质变的过程。小数据时代也即是信息时代，是大数据时代的前提，大数据时代是升华和进化，本质是相辅相成，而并非相离互斥。客户数据、交易数据、管理数据等海量数据不断增长，海量机遇和挑战也随之而来，适应变革，适者生存。我们可以有更广阔的学习空间、可以有更精准的决策判断能力这些都基于数据的收集、整理、驾驭、分析能力，基于脱颖而出的创新思维和执行。
李再勇副省长在主持讲座时指出，此次专题讲座既是一次培训辅导，也是一次了解大数据、弄懂大数据、运用大数据的好机会，大家要认真学习、深刻领悟，将大数据知识运用到实际工作中。并要求，广大党员干部一是要精准把握习近平总书记关于大数据发展系列重要讲话精神的核心要义，要利用大数据在商用、政用、民用等多方面“聚通用”协同发展；二是要以大数据发展重构经济体系，努力实现贵州经济高质量发展，要以供给侧改革为主线，以大数据发展加快对传统产业结构和产业体系的重构、重组，实现质量、效率、动力三大变革；三是要以大数据发展提升治理体系、治理能力，不断推进政府管理和社会治理模式的创新，要在数据重构中找到适合人类社会管理的规律。四要以大数据发展促进民生发展，不断提升公共服务均等化、普惠化、便捷化，要通过大数据进一步推动共享发展，共享发展的平台和路径以及技术，加快共同富裕的步伐。
推荐第2篇：大数据时代下数据挖掘技术与应用
大数据时代下数据挖掘技术与应用
【摘要】人类进入信息化时代以后，短短的数年时间，积累了大量的数据，步入了大数据时代，数据技术也就应运而生，成为了一种新的主流技术。而研究数据挖掘技术的理念、方法以及应用领域，将对我国各个领域的未来带来更多的机遇和挑战。本文就大数据时代下数据挖掘技术与应用进行探究。
【关键词】大数据，数据挖掘，互联网
数据挖掘是一门新兴的学科，它诞生于20世纪80年代，主要面向商业应用的人工只能研究领域。从技术角度来看，数据挖掘就是从大量的复杂的、不规则的、随机的、模糊的数据中获取隐含的、人们事先没有发觉的、有潜在价值和知识的过程。从商业角度来说，数据挖掘就是从庞大的数据库中抽取、转换、分析一些潜在规律和价值，从中获取辅助商业决策的关键信息和有用知识。
1.数据挖掘的基本分析方法
分析方法是数据挖掘的核心工作，通过科学可靠的算法才能实现数据的挖掘，找出数据中潜在的规律，通过不同的分析方法，将解决不同类型的问题。目前常用的方法有聚类分析、特征数据分析法、关联性分析等。
1.1聚类分析法。简单来说聚类分析就是通过将数据对象进行聚类分组，然后形成板块，将毫无逻辑的数据变成了有联系性的分组数据，然后从其中获取具有一定价值的数据内容进行进一步的利用。由于这种分析方法不能够较好的就数据类别、属性进行分类，所以聚类分析法一般都运用心理学、统计学、数据识别等方面。
1.2特征性数据分析法。网络数据随着信息时代的到来变成了数据爆炸式，其数据资源十分广泛并且得到了一定的普及，如何就网络爆炸式数据进行关于特性的分类就成为了当下数据整理分类的主要内容。此外还有很多方法都是通过计算机来进行虚拟数据的分类，寻找数据之间存在的普遍规律性完成数据的特性分析从而进行进一步分类。
1.3关联性分析法。有时数据本身存在一定的隐蔽性使得很难通过普通的数据分析法进行数据挖掘和利用，这就需要通过关联性分析法完成对于数据信息的关联性识别，来帮助人力完成对于数据分辨的任务，这种数据分析方法通常是带着某种目的性进行的，因此比较适用于对数据精准度相对较高的信息管理工作。
2.数据挖掘技术的应用
数据挖掘技术的具体流程就是先通过对于海量数据的保存，然后就已有数据中进行分析、整理、选择、转换等，数据的准备工作是数据挖掘技术的前提，也是决定数据挖掘技术效率及质量的主要因素。在完成数据准备工作后进一步对数据进行挖掘，然后对数据进行评估，最后实现运用。因此，数据挖掘能够运用到很多方面。如数据量巨大的互联网行业、天文学、气象学、生物技术，以及医疗保健、教育教学、银行、金融、零售等行业。通过数据挖掘技术将大数据融合在各种社会应用中，数据挖掘的结果参与到政府、企业、个人的决策中，发挥数据挖掘的社会价值，改变人们的生活方式，最大化数据挖掘的积极作用。以教育行业为例，探究数据挖掘技术在高校教育教学活动中的应用。
2.1在高校管理中的应用。数据挖掘技术在高校管理的内容主要包括：高校招生录取工作、贫困生选定以及优秀生评定等。高校每年的招生工作是学校可持续发展的重要环节，直接影响到高校教学质量以及发展情况。比如数据挖掘技术在高校管理中的应用主要是对学生高考成绩、志愿填报、以及生源来源地等多方面信息进行整理分类汇总。具体步骤是通过进行数据的收集和预处理，建立相关数据模型，采用分类算法，提取和挖掘对用户有用的信息，然后进行数据挖掘的数据存储形式。目前高校数据挖掘技术应用的范围比较广泛，由于高校管理内容比较复杂，因此在其管理内容的每个小部分也开始利用数据挖掘技术进行管理，比如学生成绩管理，课堂教学评价系统等。
2.2在高校课堂教学评价中的应用。数据挖掘技术在高校课堂教学评价系统中的应用主要也是利用关联分析法。首先先对数据进行预处理工作，数据的预处理是数据挖掘技术的关键步骤，并且直接影响着数据挖掘技术的应用效率。数据预处中要将教师的基本信息、教师教授课程以及教师的职称、学历、学生信息以及学生课表相关信息进行数据初始记录。对于教师的评价内容根据高校自身的条件和需求而定，学校教学评价管理部门登录学校教务系统后，将学生所选择的选项对应转换为教师的分值，通过计算机计算总分后得出教师的学期得分。学生对于教师教学的评价在一定程度上也反映了自己的学习情况，如对教师的评价为零分，则说明学生也否定了自己的学习效果。 2.3在高校学生信息管理系统中的应用。高校学生信息管理系统中管理要素主要是学校的领导、任课教师、学生以及家长。系统的功能要包括：对不同的用户设置不同的使用权限；对学生的基本信息以及学生浏览管理网站的记录要做到明确记录；各个学院不同专业的学生课程要能准确公布并允许学生根据实际情况修改；成绩管理要能实现大批量添加及修改；还有比如评优活动、党务管理等具体功能。数据挖掘技术在高校学生信息管理系统中的应用主要是利用决策树的方法。学生信息管理的基本数据就是学生入学时填写的基本信息表，内容包括学生的姓名、学号、考勤以及学习成绩等，这些都是学生特有的属性，学生信息管理利用决策树方法就是将学生的这些属性作为决策元素，监理不同的决策节点，实现对学生全方位的考核和评价，完整的了解到每位学生的具体信息。
2.4高校图书馆信息系统中的应用。数据挖掘技术最基本的应用就是通过对现有的数据进行分析来了解学校图书馆现有资源利用情况，为图书馆的未来建设提供可靠数据。数据挖掘技术能够使图书馆资源得到极大程度的优化整合。比如数据挖掘技术可以对检索记录进行整理，将手工数据转变为电子数据记录。其最大的优势就是利用数据挖掘技术更加全面的分析总结数据库资源，帮助图书馆管理人员对于图书馆信息的补充和调整，还能够为高校图书馆的馆藏工作建设提供有效的引导。数据挖掘还能应用于图书馆的多媒体数字资源，多媒体数据挖掘技术能够更为快捷和准确的为读者提供相应的服务。
3.结语
数据挖掘技术是近几年新产生的网络技术，可是它的广泛应用性受到了很多公司以及研究人员的喜爱。这些年来，伴随着时间的推移以及网络技术的不断发展大数据挖掘技术不断的被更新，开发，而且在金融、管理、教学等行业中都得到了广泛的应用。我相信随着网络技术的不断发展，大数据挖掘技术的应用面将会越来越广。
【参考文献】
[1] 董彩云 ， 曲守宁 .数据挖掘及其在高校教学系统中的应用 [J].济南大学学报 （ 自然科学版 ），2004（1）： 65-68.
[2] 陆川，王静静.数据挖掘技术在高校教学管理中的应用研究[J].北京：电脑开发与应用，2009，3.
[3]《中国电子科学研究院学报》编辑部.大数据时代[J].中国电子科技研究院学报，2013（01）：41-43.[4]魏娟，梁静国.基于数据挖掘技术的企业客户关系管理（CRM）[J].商业研究，2005（07）.
推荐第3篇：邮政大数据技术应用可行性分析
邮政大数据技术应用可行性分析
摘 要：随着当前各行业信息化的发展，邮政行业各类信息化系统积累了海量的业务数据，这些数据分散在不同的业务领域。由于业务的扩展，数据呈现出几何级地快速增长趋势，并且明显表现出数据量庞大、数据类型多样、价值密度低等特点。传统的数据分析处理方式已经无法满足行业需求。通过引入针对大数据的数据采集、数据处理、数据存储及管理、数据分析与挖掘等技术，可以有效地解决对海量业务数据的分析、价值挖掘问题，进而通过对大数据技术的应用，达到对客户需求的精准把控、对现有业务流程的优化、对业务发展趋势的预判等目的，最终实现对整个邮政行业发展的促进效果。
关键词：邮政 大数据 可行性 应用
中图分类号：TP27 文献标识码：A 文章编号：1672-3791（2017）11（b）-0010-02
1 认识大数据
大数据，又称巨量资料，指的是所涉及的数据资料量规模巨大到无法通过人脑甚至主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。大数据具有如下特点。
1.1 数据量大
一组数据的计量单位转换比例：1T=1000G、1P=1000T、1E=1000000T、1Z=1000000000T。上述各种单位都是大数据的常用衡量单位。
1.2 类型繁多
大数据包含的不只有普通意义上的结构化数据，还有各种非结构化数据，如音频、视频、地理位置、网络文章等。
1.3 价值密度低
互联网，尤其是移动互联网的普及，越来越多的联网设备参与到数据的生产过程，特别是随着物联网的广泛应用，信息感应收集无处不在。产生的海量数据真正附带使用价值的只是很少一部分。所以对大数据中有价值数据的筛选过滤是应用大数据的必要环节。
1.4 高速数据处理
既有的技术架构和路线，已经无法高效处理如此海量的数据，而对于相关组织来说，如果投入巨大采集的信息?o法通过及时处理反馈有效信息，那将是得不偿失的。
2 大数据技术的典型应用场景
当前，大数据技术迅速发展，正在向各行业渗透，例如银行业。银行业本质上就是要面向客户提供金融服务，通过对数据的分析，可以更准确地把握客户需求，有针对性地研发金融产品，提供金融服务。一方面面对不同区域，差异化管理。通过分析不同区域人群的差异化数据，量身制定符合各区域需求的管理措施；另一方面，针对不同客户，实行差别化产品和服务。通过对大数据的分析挖掘，得出客户喜好，向客户推荐符合其个人喜好的金融产品，实现精准营销。
3 大数据技术在邮政行业的应用
邮政业务结合使用大数据技术的与银行业相比，邮政行业业务类别较多，涉及到寄递、电商、金融等三个方向。各业务方向当前独立运营，虽然也积累了大量的数据，但这些数据却只是单独分布在各自领域，还有很大一部分潜在价值未被发掘。
3.1 成立针对大数据应用的机构
很多现代企业都成立了自己的大数据应用方面的组织机构，专门负责企业大数据应用的开发，旨在提升自身的企业竞争力。对邮政企业而言，同样具备建立相应研究机构的条件。首先，邮政企业积累了海量的数据资源，亟待利用。其次，邮政多年来的信息化建设以及深入的业务应用模式，对业务数据的深入应用方面积累了丰富的经验。最后，邮政庞大的机构人员队伍中储备了大量的数据应用技术、信息应用技术、业务经营分析、统计学等方面的专业人才。
3.2 规范数据标准，提升数据质量
3.2.1 梳理数据来源渠道，规范数据准入标准
邮政企业内部业务种类繁多，相应的业务信息化系统也较多，产生的业务数据模式也各有差异。在此类数据上应用大数据技术，必须对数据的产生渠道进行规范化梳理，尤其是对组织机构、客户信息、地理位置信息等核心基础信息的采集，必须要求按照统一的格式规范进行。
3.2.2 夯实原有数据质量，拓展数据来源
邮政现有各类应用系统产生的数据业务完整性差、业务相关性较差，各个业务系统之间数据可借鉴性较差，需要就上述问题从技术层面、管理层面进行完善和加强。同时增多数据来源渠道，丰富业务数据的种类。
3.3 破除企业内专业壁垒，打造大数据平台
3.3.1 杜绝信息孤岛
邮政行业业务种类丰富，各业务类别之间差异较大，结果导致数据应用时，各业务类别难以突破本专业壁垒，汲取其它专业数据，助力本专业业务发展。信息的孤岛化现象比较严重。
3.3.2 打造大数据平台
（1）数据采集。
大数据平台制定统一的数据采集规范，各专业依据该规范重构自己的业务数据，并推送到大数据平台，实现各业务数据的格式统一。同时要保证业务数据推送、汇总过程中的安全。
（2）数据存储。
将各业务方向业务系统数据进行统一管理，数据归集存储，以实现节省成本、提高数据利用率、降低机房能耗等目的。按照规则对数据进行分类，同时利用过滤和去重技术，减少数据的存储总量，并加入标签，利于数据的检索。
（3）数据处理。
邮政各业务方向数据自身复杂度较高，数据来源和结构多样，不同业务流程之间数据交互度高，造成传统方法难以描述、衡量。相关人员只有通过业务关联进行语义分析，进而挖掘综合信息；而专业技术人员需要利用专业手段衡量、处理，并得出所需的数据报表并产出有价值的分析报告。
（4）数据应用。
可以基于大数据平台构建数据可视化应用系统，根据实际业务需求，定制不同的数据可视化展现方式，为不同业务人员提供个性化的数据分析、趋势预判可视化展现。
3.4 加强大数据应用，服务企业经营理念
（1）基于客户行为分析的产品与服务营销。
整理统计邮政业务中用户的消费记录，发掘客户消费潜力和消费习惯，并制定对应策略进行精准营销。
（2）基于客户评价的产品与服务提升。
注重收集整理各业务方面客户反馈的评价信息，根据评价信息发掘产品、服务中存在的问题，通过修正和完善问题，使产品和服务更加符合用户需求。
（3）基于数据分析的广告投放，加大营销宣传效果。
基于数据分析结果进行广告投放，避免毫无依据的盲目投放。
（4）基于数据分析的产品定价。
综合参考同类产品定价数据，并实时统计价格走势，通过大数据技术实现价格走势预判，为产品定价提供预判依据。
（5）基于客户异常行为的客户流失预测。
收集整理客户行为数据时，重视异常情况的发现与形成原因分析。深入了解底层需求，掌握市场动态，并做出准确的市场预测，预算出客户流失带来的收益损失，及时反馈市场经营部门，以便制定可行的应对措施，降低风险，预估风险。
（6）基于环境数据的外部形势分析。
对于企业外部的数据信息加强收集与整理，全面掌握社会市场动态，了解市场发展走势，正确估计市场形势。做好企业相应的分析与预警。
（7）企业管理数据的应用分析。
做好企业经营生产大数据应用的同时，也要对管理数据进行采集与整理，包括财务管理、人事管理等数据信息等方面。
4 结语
总而言之，邮政正处在集约化、信息化、标准化、现代化进程中，对大数据的分析、挖掘对于企业管理体制优化，精准把握市场机会，实现产业转型和升级，实现科学的良性的可持续发展具有重要意义。
参考文献
[1] 谷斌.论大数据背景下的邮政数据分析与整合[J].邮政研究，2014（6）：10-12.
[2] 赵国栋.大数据时代的历史机遇-产业变革与数据科学[J].中国科技信息，2013（19）：100-101.
[3] （英）维克托?迈尔-舍恩伯格，肯尼思?库克耶.大数据时代：生活、工作与思维的大变革[M].浙江人民出版社，2012.
推荐第4篇：文献3大数据技术与应用
大数据技术与应用*
【摘要】：随着互联网技术的飞速发展，特别是近年来云计算、物联网、社交网络等新兴服务促使人类社会的数据种类和规模正以前所未有的速度增长,大数据时代正式到来.数据从简单的处理对象开始转变为一种基础性资源,如何更好地管理和利用大数据已经成为普遍关注的话题.大数据的规模效应给数据存储、管理以及数据分析带来了极大的挑战,数据管理方式上的变革正在酝酿和发生.对大数据的产生背景和基本概念进行剖析,并对大数据的主要应用作简单对比.在此基础上,阐述大数据处理的基本框架,并就云计算技术对于大数据时代数据管理所产生的作用进行分析.最后归纳总结大数据时代所面临的新挑战。 【关键字】：大数据
发展趋势 应用 机遇和挑战
一、大数据时代的背景
半个世纪以来，随着计算机技术全面融入社会生活，信息爆炸已经积累到了一个开始引发变革的程度。21世纪是数据信息大发展的时代，移动互联、社交网络、电子商务等极大拓展了互联网的边界和应用范围，各种数据正在迅速膨胀并变大。互联网（社交、搜索、电商）、移动互联网（微博）、物联网（传感器，智慧地球）、车联网、GPS、医学影像、安全监控、金融（银行、股市、保险）、电信（通话、短信）都在疯狂产生着数据。2011年5 月，在“云计算相遇大数据” 为主题的EMC World 2011 会议中，EMC 抛出了Big Data概念。正如《纽约时报》2012年2月的一篇专栏中所称，“大数据”时代已经降临，在商业、经济及其他领域中，决策将日益基于数据和分析而作出，而并非基于经验和直觉。哈佛大学社会学教授加里·金说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”
二、什么是大数据
大数据（Big Data）是指那些超过传统数据库系统处理能力的数据。它的数据规模和转输速度要求很高，或者其结构不适合原本的数据库系统。为了获取大数据中的价值，我们必须选择另一种方式来处理它。数据中隐藏着有价值的模式和信息，在以往需要相当的时间和成本才能提取这些信息。如沃尔玛或谷歌这类领先企业都要付高昂的代价才能从大数据中挖掘信息。而当今的各种资源，如硬件、云架构和开源软件使得大数据的处理更为方便和廉价。即使是在车库中创业的公司也可以用较低的价格租用云服务时间了。对于企业组织来讲，大数据的价值体现在两个方面：分析使用和二次开发。对大数据进行分析能揭示隐藏其中的信息。例如零售业中对门店销售、地理和社会信息的分析能提升对客户的理解。对大数据的二次开发则是那些成功的网络公司的长项。例如Facebook通过结合大量用户信息，定制出高度个性化的用户体验，并创造出一种新的广告模式。这种通过大数据创造出新产品和服务的商业行为并非巧合，谷歌、雅虎、亚马逊和Facebook它们都是大数据时代的创新者。
（一）大数据的4V特征
大量化(Volume)：企业面临着数据量的大规模增长。例如，IDC最近的报告预测称，到2020年，全球数据量将扩大50倍。目前，大数据的规模尚是一个不断变化的指标，单一数据集的规模范围从几十TB到数PB不等。简而言之，存储1PB数据将需要两万台配备50GB硬盘的个人电脑。此外，各种意想不到的来源都能产生数据。
多样化(Variety)：一个普遍观点认为，人们使用互联网搜索是形成数据多样性的主要原因，这一看法部分正确。然而，数据多样性的增加主要是由于新型多结构数据，以及包括网络日志、社交媒体、互联网搜索、手机通话记录及传感器网络等数据类型造成。其中，部分传感器安装在火车、汽车和飞机上，每个传感器都增加了数据的多样性。
快速化(Velocity)：高速描述的是数据被创建和移动的速度。在高速网络时代，通过基于实现
软件性能优化的高速电脑处理器和服务器，创建实时数据流已成为流行趋势。企业不仅需要了解如何快速创建数据，还必须知道如何快速处理、分析并返回给用户，以满足他们的实时需求。根据IMS Research关于数据创建速度的调查，据预测，到2020年全球将拥有220亿部互联网连接设备。 价值（Value）：大量的不相关信息，浪里淘沙却又弥足珍贵。对未来趋势与模式的可预测分析，深度复杂分析（机器学习、人工智能Vs传统商务智能(咨询、报告等）
三、大数据时代对生活、工作的影响
大数据，其影响除了经济方面的，它同时也能在政治、文化等方面产生深远的影响，大数据可以帮助人们开启循“数”管理的模式，也是我们当下“大社会”的集中体现，三分技术，七分数据，得数据者得天下。
“大数据”的影响，增加了对信息管理专家的需求。事实上，大数据的影响并不仅仅限于信息通信产业，而是正在“吞噬”和重构很多传统行业，广泛运用数据分析手段管理和优化运营的公司其实质都是一个数据公司。麦当劳、肯德基以及苹果公司等旗舰专卖店的位置都是建立在数据分析基础之上的精准选址。而在零售业中，数据分析的技术与手段更是得到广泛的应用，传统企业如沃尔玛通过数据挖掘重塑并优化供应链，新崛起的电商如卓越亚马逊、淘宝等则通过对海量数据的掌握和分析，为用户提供更加专业化和个性化的服务。
大数据在个人隐私的方面，大量数据经常含有一些详细的潜在的能够展示有关我们的信息，逐渐引起了我们对个人隐私的担忧。一些处理大数据公司需要认真的对待这个问题。例如美国天睿资讯给人留下比较深刻印象的是他的一个科学家提出，我们不应该简单地服从法律方面的隐私保护问题，这些远远不够的，公司都应该遵从谷歌不作恶的原则，甚至更应该做出更积极的努力。
四、大数据时代的发展方向、趋势
根据ESM国际电子商情针对2013年大数据应用现状和趋势的调查显示：被调查者最关注的大数据技术中，排在前五位的分别是大数据分析（12.91%）、云数据库（11.82%）、Hadoop（11.73%）、内存数据库（11.64%）以及数据安全（9.21%）。Hadoop已不再是人们心目中仅有的大数据技术，而大数据分析成为最被关注的技术。从中可以看出，人们对大数据的了解已经逐渐深入，关注的技术点也越来越多。既然大数据分析是最被关注的技术趋势，那么大数据分析中的哪项功能是最重要的呢?从下图可以看出，排在前三位的功能分别是实时分析(21.32%)、丰富的挖掘模型(17.97%)和可视化界面(15.91%)。2012年也曾做过类似的调查，当时选择丰富的挖掘模型(27.22%)比实时分析(19.88%)多7.34%。短短一年时间内，企业对实时分析的需求激增，成就了很多以实时分析为创新技术的大数据厂商。从调查结果可以看出：企业在未来一两年中有迫切部署大数据的需求，并且已经从一开始的基础设施建设，逐渐发展为对大数据分析和整体大数据解决方案的需求。与此同时，大数据还面临人才的缺乏的挑战，需要企业和高校联合起来，培养数据领域的复合型人才，帮助企业打赢这场“数据战”。
五、大数据的应用
（一）行业拓展者，打造大数据行业基石
你IBM：IBM大数据提供的服务包括数据分析，文本分析，蓝色云杉（混搭供电合作的网络平台）;业务事件处理；IBM Mashup Center的计量，监测，和商业化服务（MMMS）。 IBM的大数据产品组合中的最新系列产品的InfoSphere bigInsights，基于Apache Hadoop。 该产品组合包括：打包的Apache Hadoop的软件和服务，代号是bigInsights核心，用于开始大数据分析。软件被称为bigsheet，软件目的是帮助从大量数据中轻松、简单、直观的提取、批注相关信息为金融，风险管理，媒体和娱乐等行业量身定做的行业解决方案 微软：2011年1月与惠普（具体而言是HP数据库综合应用部门） 合作目标是开发了一系列
能够提升生产力和提高决策速度的设备。
EMC：EMC 斩获了纽交所和Nasdaq；大数据解决方案已包括40多个产品。
Oracle：Oracle大数据机与Oracle Exalogic中间件云服务器、Oracle Exadata数据库云服务器以及Oracle Exalytics商务智能云服务器一起组成了甲骨文最广泛、高度集成化系统产品组合。
（二）大数据促进了政府职能变革
重视应用大数据技术，盘活各地云计算中心资产：把原来大规模投资产业园、物联网产业园从政绩工程，改造成智慧工程；在安防领域，应用大数据技术，提高应急处置能力和安全防范能力；在民生领域，应用大数据技术，提升服务能力和运作效率，以及个性化的服务，比如医疗、卫生、教育等部门；解决在金融，电信领域等中数据分析的问题：一直得到得极大的重视，但受困于存储能力和计算能力的限制，只局限在交易数型数据的统计分析。一方面大数据的应用促进了政府职能变革，另一方面政府投入将形成示范效应，大大推动大数据的发展。
（三）打造“智慧城市”
美国奥巴马政府在白宫网站发布《大数据研究和发展倡议》，提出“通过收集、处理庞大而复杂的数据信息，从中获得知识和洞见，提升能力，加快科学、工程领域的创新步伐，强化美国国土安全，转变教育和学习模式” ；中国工程院院士邬贺铨说道，“智慧城市是使用智能计算技术使得城市的关键基础设施的组成和服务更智能、互联和有效，随着智慧城市的建设，社会将步入“大数据”时代。”
（四）未来，改变一切
未来，企业会依靠洞悉数据中的信息更加了解自己，也更加了解客户。
数据的再利用：由于在信息价值链中的特殊位置，有些公司可能会收集到大量的数据，但他们并不急需使用也不擅长再次利用这些数据。例如，移动电话运营商手机用户的位置信息来传输电话信号，这对以他们来说，数据只有狭窄的技术用途。但当它被一些发布个性化位置广告服务和促销活动的公司再次利用时，则变得更有价值。
六、机遇和挑战
大数据赋予了我们洞察未来的能力，但同时诸多领域的问题亟待解决，最重要的是每个人的信息都被互联网所记录和保留了下来，并且进行加工和利用，为人所用，而这正是我们所担忧的信息安全隐患！更多的隐私、安全性问题：我们的隐私被二次利用了。多少密码和账号是因为“社交网络”流出去的？
眼下中国互联网热门的话题之一就是互联网实名制问题，我愿意相信这是个好事。毕竟我们如果明着亮出自己的身份，互联网才能对我们的隐私给予更好保护。
推荐第5篇：大数据时代下数据挖掘技术的应用
摘要：大数据时代是信息时代的一个重要特征，实际上，在大数据时代的背景下进行数据挖掘技术的探究与应用其实就是通过在巨大的信息群中不断挖掘出具有一定价值意义的信息进行整合，在此基础上对已整合的信息进行进一步的处理，以提高信息数据的价值。本文以此为出发点，就大数据时代下数据挖掘技术的应用进行深入探究。
关键词：大数据 数据挖掘 挖掘技术
中图分类号：tp311 文献标识码：a 文章编号：1007-9416（2016）05-0000-00
1数据挖掘与数据挖掘技术的方法分析
“数据海量、信息缺乏”是相当多企业在数据大集中之后面临的尴尬问题，由此而诞生的数据挖掘技术其实就是用以处理这一尴尬问题的技术。数据挖掘实际上是相对比较新型的一门学科，在几十年的发展过程中，已经不可同日而语。其实数据挖掘技术的本质就是人工智能技术，而数据挖掘技术的利用相对应的就是指人工智能技术的开发与应用，也就是说数据挖掘其实是依赖技术的提升来实现数据的整体创新的技术，所以，整个数据挖掘技术实际上是非常具有信息价值的，它能够帮助决策者更快的得到重要信息并作出决策，提高效率和准确率，是非常重要的知识凭证，能够在一定程度上提高当下企业的整体竞争力。
数据挖掘技术的核心就是分析，通过分析方法的不同来解决不同类别的问题，以实现数据挖掘的潜在内容。简单来说就是对症下药以保证药到病除。
1.1聚类分析法
简单来说聚类分析就是通过将数据对象进行聚类分组，然后形成板块，将毫无逻辑的数据变成了有联系性的分组数据，然后从其中获取具有一定价值的数据内容进行进一步的利用。由于这种分析方法不能够较好的就数据类别、属性进行分类，所以聚类分析法一般都运用在心理学、统计学、数据识别等方面。
1.2人工神经网络
人工神经网络是通过大批量的数据进行分析，而这种数据分析方式本身是建立在一定的数据模型基础上的，因此通常都可以随时根据数据需求进行分类，所以人工神经网络也是当下数据挖掘技术中最常用的一种数据分析方式之一。
1.3关联性分析法
有时数据本身存在一定的隐蔽性使得很难通过普通的数据分析法进行数据挖掘和利用，这就需要通过关联性分析法完成对于数据信息的关联性识别，来帮助人力完成对于数据分辨的任务，这种数据分析方法通常是带着某种目的性进行的，因此比较适用于对数据精准度相对较高的信息管理工作。
1.4特征性数据分析法
网络数据随着信息时代的到来变成了数据爆炸式，其数据资源十分广泛并且得到了一定的普及，如何就网络爆炸式数据进行关于特性的分类就成为了当下数据整理分类的主要内容。在上文中提到的人工神经网络数据分析也属于这其中的一种，此外还有很多方法都是通过计算机来进行虚拟数据的分类，寻找数据之间存在的普遍规律性完成数据的特性分析从而进行进一步分类。
2大数据时代下数据挖掘技术的具体应用
数据挖掘技术的具体流程就是先通过对于海量数据的保存，然后就已有数据中进行分析、整理、选择、转换等，数据的准备工作是数据挖掘技术的前提，也是决定数据挖掘技术效率及质量的主要因素。在完成数据准备工作后进一步对数据进行挖掘，然后对数据进行评估，最后实现运用。因此，数据挖掘能够运用到很多方面。
2.1市场营销领域
市场营销其实就是数据挖掘技术最早运用的领域，通常根据客户的具体需求，进行客户分析，将不同的消费习惯和消费特点的客户进行简单的分类管理，以此来保证商品能够顺利销售，并提高个人销售的成功率和业绩。而销售的范围也从最初的超市购物扩展到了包括保险、银行、电信等各个方面。
2.2科学研究领域
科学研究与实验测试等都需要对数据进行关系分析为进一步的实验和总结失败做准备，而实验测试和科学研究产生的数据往往是巨大的，因此数据挖掘技术在科学研究领域也得以广泛运用。通常都是通过科学研究内容选择数据挖掘技术分析法进行计算来找到数据中存在的规律，实现数据挖掘的部分价值――科学知识的分析与运用。
2.3电信业领域
随着信息化时代的到来，电信产业也飞速发展起来，到目前为止，电信产业已经形成了一个巨大的网络信息载体，如何将其中信息数据进行整合就成为电信产业发展过程中的重要问题。而数据挖掘技术的运用则在一定程度上解决了这一问题，大量的数据通过数据挖掘技术得到了有效分类，并在这个过程中通过运算得出数据之间的关联性，运用规律进一步进行数据分类。
2.4教育教学领域
教学评价、教学资源、学生个人基本信息等组成了教育教学领域的数据库，利用数据挖掘技术来实现教学资源的优化配置，对学生的个人信息整理归档，从而保证教育教学领域中数据整理的良好运作。
3结语
综上所述，数据挖掘技术对于当今社会的发展有着不可替代的作用，而如何改善当下数据挖掘技术中存在的问题，进一步提高数据挖掘技术的质量和效率就成为了数据挖掘技术进步的方向。本文通过对于数据挖掘与数据挖掘技术的方法分析和大数据时代下数据挖掘技术的具体应用两个方面对于数据挖掘技术进行了简要的阐述和分析，相信在未来伴随着科学技术的进一步发展，数据挖掘技术也将更加强大。
推荐第6篇：大数据应用实例分析
电信运营商的阳关大道
——大数据应用实例分析
09012208
黄文婷
摘要：
随着全球数据化、网络宽带化，基本的数据量越来越大，由此我们进入了大数据时代。本文探讨了大数据内涵与意义，从电信行业这一大数据应用实例进行分析，介绍了大数据在电信行业的应用、必要性及相关措施。
关键词：大数据
电信
应用
正文：
一、大数据的内涵与意义
（一）大数据的意义
大数据和云计算一样，近两年来越来越多的受到人们的关注。那么什么是大数据呢？ 大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。(在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中，大数据指不用随机分析法(抽样调查)这样的捷径，而采用所有数据的方法) 对于“大数据”（Big data），研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
（二）大数据的特性
大数据有4V特点：Volume(大量)、Velocity(高速)、Variety(多样)、veracity(真实性)。大数据的4个“V”，或者说特点有四个层面：第一，数据体量巨大。从TB级别，跃升到PB级别；第二，数据类型繁多。包括网络日志、视频、图片、地理位置信息等等。第三，数据的来源，直接导致分析结果的准确性和真实性。若数据来源是完整的并且真实，最终的分析结果以及决定将更加准确。第四，处理速度快，1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。业界将其归纳为4个“V”。
（三）大数据的应用意义
大数据最核心的价值就是在于对于海量数据进行存储和分析。相比起现有的其他技术而言，大数据的“廉价、迅速、优化”这三方面的综合成本是最优的。
此外，大数据的潮流虽然依赖于信息通信技术的成熟，但它对整个世界的影响绝不仅限于技术层次。它借助信息技术的创新与发展，及数据的全面感知、收集、分析与共用，引导我们以全新的思维看待世界，养成决策思维行为须根据事实与数据的分析判断，舍去凭借经验和直觉的习惯作风。可预见，它将对惯于“差不多”的思维造成巨大的冲击。
很多人一提到大数据，就会不由自主想到那个关于啤酒和尿布的经典案例。事实上，随着移动互联网、智能终端、云计算、物联网技术以及电子商务、社交媒体等应用的飞速发展，大数据已经越来越多的渗透到生活方方面面，宣告着我们已经进入了信息爆炸的大数据时代。电信运营商历经语音、短信、数据三个发展浪潮，积累了大量如文本信息、音频、视频、图片等非结构化数据，在大数据时代无异于拥有了一条发展的阳关大道。而机智的电信运营商也致力于研究如何在这条道路上比别人跑得更快以获得更多的利益。
二、大数据在电信行业的应用
（一）电信行业大数据应用的四个方向
现阶段电信运营商利用其拥有的大数据进行全面、深入、实时的分析和应用，是应对新形势下的挑战、避免运营商沦为管道化的关键。从大数据的具体应用方向来看，当前应主要集中在四个方向：流量经营精细化、智能客服中心建设、基于个性化服务的客户体验提升以及对外数据服务。
1.流量经营精细化
在流量经营精细化上，大数据应用的价值主要体现在深入洞察客户、助力精准营销和指导网络优化三个方面。首先，基于客户终端信息、手机上网行为轨迹等丰富的数据，借助DPI (Deep Packet Inspection，深度数据包检测)技术等，建立客户超级细分模型，为各细分群组客户打上互联网行为标签，可以帮助运营商完善客户的360度画像，帮助运营商深入了解客户行为偏好和需求特征；其次，根据用户行为偏好，推送合适的业务，并根据对客户特征的深入理解，建立客户与业务、资费套餐、终端类型、在用网络的精准匹配，同时也能做到在推送渠道、推送时机、推送方式上满足客户的个性化需求，实现全程精准营销；再次，利用大数据技术实时采集处理网络信令数据、监控网络状况、识别价值小区和业务热点小区，更精准地指导网络优化，实现网络、应用和用户的智能指配。 2.智能客服中心建设
作为运营商与客户接触的第一界面，客服中心(或称客户联络中心)拥有丰富的数据资源，可以称得上是客户信息的“聚宝盆”，利用好客服中心的客户接触数据对于建设智能化客服中心意义重大。利用大数据技术可以深入分析客服热线呼入客户IVR(Interactive Voice Response，互动式语音应答)行为特征、访问路径、等候时长等；同时结合客户历史接触信息、基本属性等可以建立热线呼入客户的智能识别模型；基于客户智能识别模型可以在某类客户下次呼入前预先推测其呼入的需求大体是什么，IVR接入后应该走什么样的节点和处理流程。这样，就可以基于呼入客户习惯与需求的事先预测而设计按键菜单、访问路径和处理流程，合理控制人工处理量，缩短梳理时限，为客户服务中心内部流程优化提供数据支撑，有助于提升热线服务管理水平，加速热线营销渠道资源整合，有效识别客户投诉风险，助力智能客服中心的建设。
3.基于个性化服务的客户体验提升
大数据时代对于运营商为客户提供服务来说更加侧重于“小”，即更加关注每个个体“小我”的个性化需求，而融合了电商、医疗、社交等方面信息的“大”数据正是为了更深入的理解“小我”、服务好“小我”。利用大数据技术，一方面可以建立更全面、丰满的客户画像，另一方面还可以量化分解客户接触信息，识别客户特征与习惯偏好，预测客户可能在何时手机会出现故障、何时会产生换机行为等，为客户提供定制化的服务，优化产品、套餐和定价机制，实现“一户一策”的差异化、个性化服务，提升客户体验与感知。由此可见，大数据将为移动互联网时代的客户服务带来一次变革，给客户服务带来极大的想象空间和无限的发展前景。 4.对外数据服务
对外数据服务是大数据应用的高级阶段，这个阶段电信运营商不再局限于利用大数据来提升内部管理效益，而是更加注重数据资产的平台化运营。利用大数据资产优势，将数据封装成服务，提供给相关行业的企业用户，为合作伙伴提供数据分析开放能力。例如，Telefonica和Verizon已经成立专业化数据公司来运作对外数据售卖的服务。再如，如果将无线城市与物联网、电子政务等方面的信息结合起来，将能为电信运营商的数据和政府的政务数据增值，对于打造一个开放数据平台和民生服务平台有重大意义。让数据在不同行业之间流动起来，实现体外循环将能进一步释放数据的价值。当然，以简单的Data Seller模式售卖数据服务时，需要 注意保护客户隐私、打消隐私顾虑。
（二）电信行业大数据应用的效益
网络上的每笔搜索，网站上的每笔交易，敲打键盘、点击滑鼠的每一个动作，都在输入数据，经过整理分析后，它可能显示市场的脉络、甚至更具商业价值的开发着力点。曾有统计，运用大数据的分析，可以让公司增加50%的新客户，让政府减少30%的成本。这些如海潮般涌入的大量资料，正是云端时代的新金脉，已经创造出惊人的效益。
三、大数据在电信行业应用的必要性与措施
电信运营商拥有大量的数据资源，如网络信息、用户终端信息、用户位置信息等，只要对电信网络有深刻的理解和技术积累，具有敏锐的行业发展嗅觉和强大的产业研发能力，基于大数据进行深度挖掘分析，将丰富的网络、用户等数据资源加工抽取后封装为服务，将数据资源在一定程度上货币化，向大客户提供增值服务，就能增加新的盈利模式。这无疑是电信运营商发展盈利的一条阳关大道。
面向大数据时代，运营商的及时转型成为必然，否则将有被互联网企业超越的可能性。理论上讲，运营商拥有颇具优势的大数据资源并不是完全不可替代，例如，用户的位置信息就可以通过多种APP应用获得，用户的网络使用信息也可以通过多家互联网企业合作获取，互联网企业通过泛互联网化收集更多的大数据信息。另一方面，多行业的垂直整合将成为趋势，在数据应用层面，行业企业通过多种手段搜集大量的用户数据，将更贴近用户，更理解用户，为其提供更适当的服务，大数据将成为资产更具有战略意义，各个行业及单位都在关注大数据。
根据大数据数量大、时效性要求高、数据种类及来源多样化等特征，运营商首先获取更多有用的大数据资源，例如，很多的网络运行信息，包含大量有价值的用户行为和位置信息，这样的信息可以加以利用。有了资源应该加以利用，避免大数据资源的浪费。事实上，一些运营商拥有大数据这样的金山，却似乎无奈坐看并逐渐沦为管道，在不断强化传统市场的效益考核，却好像在忽视大数据价值的流失。
大数据在电信行业应用措施主要有三个方面：
1）梳理并整合业务部门对大数据的需求，立足分析需求，做好大数据的IT体系构架的规划。大数据相关技术条件的成熟、大数据分析能力及分析应用经验的积累等多方面因素，都是制约企业建设的建设IT系统的条件，要充分抓住大数据带来的机会并避免“心急吃不了热豆腐，反被热豆腐伤害”的问题。
2）落实基于品质管理资料的经营新模式。面对大数据时代的趋势潮流，学会既然无从抗拒，就积极响应，以共享大数据带来的潜在效益。
3）以职能部门提供整体IT支撑方式向嵌入业务流程实时数据的分散能力支撑方式转变。这种转变趋势又称IT支撑“消费化”趋势。在大数据时代，数据从支撑企业中高层运营管理决策普及到支撑企业的产品运营、市场运营、客户服务，甚至在智能管道运营全流程中涉及从企业中高层运营管理人员到基层生产执行人员，很明显，这种数据获取和分析能力如果集中在IT职能部门，而不是全体人员均结合自身业务需求而具备的话，大数据分析驱动的各项运营管理应用即成为不可能的任务。
四、结语 从电脑技术的演进来说，“大数据”是既资料探勘、云端计算之后一项革命性的趋势发展。庞大的数据资源迫使各个领域的运作造成量化的质变，目前全世界无论是学术界、企业界、产业界甚至是政府单位都在积极研究大数据分析。在这种背景下，电信行业也结合自身特征，进行相关的研究与应用，奔跑在大数据铺就的阳关大道上，成为激烈竞争中的新赢家。
参考文献：
[1]黄小刚．电信行业大数据应用的四个方向．业务与运营．2013(6)：26-28 [2]季鸿，张秀凤，柴林麟．大数据在电信行业的应用展望．通信企业管理．2014(1)：76-77 [3]卢云许．电信行业大数据应用浅析．信息工程系统．2013(12)：29-30 [4]潘海鹏．浅谈电信行业大数据的意义与应用．电子世界．2014(3)：21-23 [5]史斌，周双阳．电信行业如何应用大数据．新引擎．2013（7）：47
推荐第7篇：社区大数据应用讨论
社区大数据应用讨论
代收包裹只是开发商利用末端配送优势所提供的新服务之一。深圳开发商某公司早已推出一款名为“彩生活”的app，它集合了社区周边一公里内衣、食、住、行、娱、购、游等商户资源的平台，通过审核把关，构建社区一公里微商圈。比如住户可以随时用app下单叫外卖、预约洗车服务、预约家政上门服务等。一方面是使用方付费，只需要住户往系统的个人账户里预存一部分钱，就有人按约定时间提供老人按摩等，每参与一次扣一次钱。跟百度广告系统一样，按点击（服务）付费。而商户也要缴纳一部分的广告费用。
在传统的房企运营模式里，物管长期以来是以低利润的房企配套服务身份存在，大多数房地产下属的物业管理公司也以博口碑为主，服务水平越高，则利润就会越低，大部分的中小开发商物管是亏损经营，大型开发商的物管利润率很低。比如2012年碧桂园实现了接近6亿元的物业管理收入，但利润约为6,000多万元。
可是在互联网浪潮正在颠覆所有传统商业模式的今天，曾经是“赔钱货”的物管因为其拥有庞大的白领客源数据库，正在变成会下金蛋的鹅。以上述的某公司彩生活为例，目前彩生活收入以及利润占某公司集团整体不足一成，不过已连续三年复合增长超过25%。2012年，彩生活实现收入1.85亿元，同比增长48%；净利润超过4,000万元，净利率达14%，毛利率高达40%以上。远高于同行的水平。在2013年6月，某公司完成了一笔700万美元的融资，这笔融资不是用于买地或还款，其总裁潘军称，这笔钱将主要用于物管平台彩生活业务的运营，主要为“2.1”版的彩生活社区进行光纤到户的投资。
除了利用网络平台营造社区一公里“微商圈”，与电商结合解决“最后一公里”难题外，房企所掌握的社区平台还有着更多的可挖掘空间。
在2013年末，万科入股徽商银行，越秀地产收购香港创兴银行等等事件，普遍被地产媒体认为很可能是为了打通更多的融资渠道，获得更多的低息资金。但其实像万科、越秀地产等资金实力充足，很容易就可以发现低息高等级美元债券的开发商，所谋并不会像常人一眼所见那么明显。
2014年初的将经理人手捧热咖啡，品尝精美餐点，分享了一份中国家庭金融的研究成果。在《万科周刊》上可以看到，这份中国家庭金融研究的ppt，关注了中国不同地区家庭的资产结构、资产管理方面的现状。联想到万科董秘谭华杰在万科入购徽商银行后称，参股商业银行是为了更好地满足公司客户在金融服务方面的需求，可望发挥协同效应，帮助公司率先向客户提供国内领先的社区金融服务，提升公司在全面居住服务方面的竞争力。
对于以小贷为主的徽商银行而言，万科的年轻白领业主群与它的创业类小微信贷客户群有一定重叠。而且开发商可以通过长时间的数据采集，以及房产状况的评估，对业主的诚信度、支付能力等做出较为准确的描述。而且社区金融服务并不止贷款那么简单，还可以包括许多金融延伸服务如开发销售理财产品；进社区开展金融知识与服务讲座；涉足电商经营等。这些宝贵的中产客户资产、行为分析数据可以说是私人银行们梦寐以求的样本。而进一步的话，开发商所掌握的社区平台，还可以成为小微企业孵化平台，帮助社区创业的人做所有不愿做的繁琐事情，比如公司核名，注册，年审，审计，法律援助等各种公共服务，还可以帮助企业引资。
推荐第8篇：大数据的海关应用
大数据是一个相当热门的词。所谓的大数据技术指的数据分析的前沿技术。简言之，大数据技术就是一种从海量数据中快速获得有价值信息的能力。对于“大数据”(Big data)，研究机构Gartner给出了这样的定义：“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。上海腾道
作为一项重要的技术革新，大数据技术具有以下几方面特点：一是数据基础必须具备海量特性;二是可以根据设定好的管理或经营目标反向寻找管理中实际存在的关键节点和核心环节;三是数据重新梳理有助于提升决策力和修正决策方案、使既有信息资产爆发更大价值。而这几方面的特点，与海关审计工作的各项需求是相契合的，海关当前林林总总的信息系统的建设，也为运用大数据技术实现审计信息化奠定了良好的基础。
那么对于海关来说这些大数据有着什么样的作用？
1.拓展基础数据资源
一是丰富海关执法相关领域基础数据源，打破部门之间存在数据壁垒，实现海关缉私行政执法数据、稽查数据、监管场所信息、口岸单位数据等的关联比对，尤其要打破目前各关区和海关各业务系统之间的数据壁垒，实现信息互联互通。二是海关预算和财务管理方面，引入海关通用财务管理、固定资产管理等现有信息系统的基础数据，打破现有系统之间数据分散、相互独立、无法互通的现状，实现“财”与“物”的联动比对，实现海关所有信息系统之间数据的对碰分析。三是推动海关有关部门进一步加大对物资采购、基建修缮等领域信息系统的开发建设，为实现财务管理、政府采购、基建修缮、资产管理的横向联动分析以及海关总署-直属海关-隶属海关三级纵向联动分析奠定基础。
2.完善现有海关系统
以海关执法廉政风险预警处置系统为依托整合优化执法领域审计数据分析平台，在充分利用现有系统数据资源和监控功能的基础上，开发定制部分海关审计监控指标，完善构建按照不同系统用户形成涵盖全国海关数据指标集中展示和预警模块。同时引入大数据思维，开发适应海关常规审计和经济责任审计实践需要的功能，一方面突出对被审计单位贯彻落实海关总署党组重大决策、重要政策执行、业务发展动态和变化趋势的整体分析把握，更突出对执法统一性、自由裁量权规制、高风险节点指标等落实情况的监控。另一方面，要充分应用结构分析、多维分析、挖掘分析等分析方法，开展海关横向区域间对比分析、跨业务领域数据结合分析和纵向历史趋势分析，为有效发现系统性、区域性风险提供数据支撑。
3.外购公认的优秀大数据服务
先进的分析技术和大数据工具的进步神速，它们正以前所未有的方式帮助用户获取新的统计角度和结果。Tableau、Qlikview和NoSQL等工具和平台迅速崛起带来了全新的分析视角和机会，基于成熟的分析、视觉化以及数据管理的全新生态系统也以日新月异的速度改变着信息使用者的分析能力。可提供这类工具的供应商不胜枚举，开放资源的开发商数量更是不计其数。作为海关审计的大数据建设，应该不仅仅局限于海关自身的技术开发力量，更为重要的是学会怎么利用现有的比较成熟的数据采集和挖掘手段，以降低成本，提升海关审计监督效益。
推荐第9篇：证券行业大数据应用
证券大数据应用
一、可能获得的数据源
1.投资者信息（实名认证信息、联系方式、证券账户、理财账户等） 2.投资者个人交易数据（股票交易、基金交易、互联网证券交易等） 3.投资者个人行为数据
4.股市交易数据/实时行情等
5.上市公司/准备上市公司数据（基本资料、财报等） 6.宏观经济数据 7.政策法规
8.行业投资案例库 9.行业分析报告
10.互联网金融相关媒体数据
11.互联网金融垂直社区数据（例如雪球投资组合） 12.各行业垂直门户网站数据
13.社会化媒体数据（微博、微信公众号、论坛、新闻资讯门户等） 14.各行业电力运行数据
以上数据有些可直接由券商系统（门店数据、终端APP等）即可获取，有些需要从合作机构获取，有些只能通过垂直爬虫爬取聚合。
二、有了大数据能干什么 对投资者（2C）：
投资建议：例如券商官方推荐，类雪球投资组合、京东财谜的去中心化推荐 投资社区：雪球、天厚投资社交等 在线证券交易 在线投资理财 财富管理 量化投资分析
对公司（2B）： 公司投资理财 公司投资并购 股权众筹
公司舆情监控分析 竞争分析/竞争情报 行业分析报告
对券商本身：
用户获取/盘活：大券商盘活存量用户、中小券商获取增量用户
用户账户的建立与持续运营：通过有粘性的服务（例如雪球投资组合），引导用户绑定互联网证券理财账户、证券账户，打通用户账户体系，持续运营。 综合金融服务：股票、投资、理财、众筹、投行、财富管理 投资报告：行业分析报告、投资建议平台基础设施： 大数据风控等 线上线下渠道一体化 客户流失跟踪 潜在客户挖掘
三、运营体系
目标用户群分析（2B、2C，线上目标用户群、线下目标用户群） 建立有粘性的互联网产品及服务 线上+线下获取用户/盘活用户
基于大数据，持续完善产品、持续运营用户
《数据挖掘技术在证券行业中的应用》 姚毓才 1.客户关系管理
用客户交易数据统计出每个客户的交易情况，根据客户行为进行聚类。建立数据仓库来存放对全体客户、预定义客户群、某个客户的信息和交易数据，并通过对这些数据进行挖掘和关联分析，实现面向主题的信息抽取。对客户的需求模式和盈利价值进行分类，找出最有价值和盈利潜力的客户群，以及他们最需要的服务，更好地配置资源，改进服务，牢牢抓住最有价值的客户。通过对客户资源信息进行多角度挖掘，了解客户各项指标（如资产贡献、忠诚度、盈利率、持仓比率等），掌握客户投诉、客户流失等信息，通过对客户数据聚类，将客户进行分群，考察每类客户对证券公司的贡献情况，这样可以根据客户的产生类别的交易行为等其他特点知道该类用户是否对公司具有价值，并且证券公司根据客户行为的特点对贡献度大的客户类采取相应的政策照顾，并且还能吸引某些行为类似的贡献度较低类的客户发展为较高贡献的客户。 2.股市基本分析
任何金融资产的“真实”价值等于这项资产的所有者的所有预期收益流量的现值。具体地说，分析家不仅需要预测折现率，而且还必须预测这种证券的每股平均收益和派息率。证券的真实价值一经确定，就可以用来与这种证券的市场价格进行比较，从而鉴别这种证券的定价是否恰当。如果真实价值低于市场当前价格，那么该证券价值是被高估了，应该卖出；如果证券的真实价值高于市场当前价格，那么该证券价值是被低估了，应该买进。具体的分析策略包括宏观经济信息、产业分析、区域分析和公司分析几类。 3.股市技术分析
利用时间序列预测股票价格。数据挖掘是对大量的历史数据进行处理和分析，提炼出有价值的信息（表现为规则、模型等模式信息），其中的时间序列模型，可以用于股票价格的预测。 4.经营状况分析
通过数据挖掘，可以及时了解营业状况、资金情况、利润情况、客户群分布等重要的信息。并结合大盘走势，提供不同行情条件下的最大收益经营方式。同时，通过对各营业部经营情况的横向比较，以及对本营业部历史数据的纵向比较，对营业部的经营状况做出分析，提出经营建议。 5.咨询服务
根据采集行情和交易数据，结合行情分析，预测未来大盘走势，发现交易情况随着大盘变化的规律，并根据这些规律做出趋势分析，对客户针对性进行咨询。 6.风险防范
通过对资金数据的分析，可以控制营业风险，同时可以改变公司总部原来的资金控制模式，并通过横向比较及时了解资金情况，起到风险预警的作用。
推荐第10篇：浅谈大数据的应用
大数据的发展与应用
姓名：吕亚茹 专业：信息与计算科学
（二） 学号：201100702040 摘要：随着网络信息化时代的日益普遍，移动互联、社交网络、电子商务大大拓展了互联网的疆界和应用领域，我们正处在一个数据爆炸性增长的\"大数据\"时代，大数据在人类活动中的方方面面产生深远的影响，大数据时代对人类的数据驾驭能力提出了新的挑战与机遇。大数据的应用日益广泛，大数据最具潜力的应用领域也在日益显现。
关键字：大数据 发展 应用 潜力 云计算
一、大数据的基本概念
大数据（Big Data）是指那些超过传统数据库系统处理能力的数据。它的数据规模和转输速度要求很高，或者其结构不适合原本的数据库系统。为了获取大数据中的价值，我们必须选择另一种方式来处理它。数据中隐藏着有价值的模式和信息，在以往需要相当的时间和成本才能提取这些信息。如沃尔玛或谷歌这类领先企业都要付高昂的代价才能从大数据中挖掘信息。而当今的各种资源，如硬件、云架构和开源软件使得大数据的处理更为方便和廉价。即使是在车库中创业的公司也可以用较低的价格租用云服务时间了。对于企业组织来讲，大数据的价值体现在两个方面：分析使用和二次开发。对大数据进行分析能揭示隐藏其中的信息。例如零售业中对门店销售、地理和社会信息的分析能提升对客户的理解。对大数据的二次开发则是那些成功的网络公司的长项。例如Facebook通过结合大量用户信息，定制出高度个性化的用户体验，并创造出一种新的广告模式。这种通过大数据创造出新产品和服务的商业行为并非巧合，谷歌、雅虎、亚马逊和Facebook它们都是大数据时代的创新者。
二、大数据的四个特征
大数据具有四个四个特征：海量性、多样性、高速性、易变性。
海量性：企业面临着数据量的大规模增长。例如，IDC最近的报告预测称，到2020年，全球数据量将扩大50倍。目前，大数据的规模尚是一个不断变化的指标，单一数据集的规模范围从几十TB到数PB不等。简而言之，存储1PB数据将需要两万台配备50GB硬盘的个人电脑。此外，各种意想不到的来源都能产生数据。
多样性：一个普遍观点认为，人们使用互联网搜索是形成数据多样性的主要原因，这一看法部分正确。然而，数据多样性的增加主要是由于新型多结构数据，以及包括网络日志、社交媒体、互联网搜索、手机通话记录及传感器网络等数据类型造成。其中，部分传感器安装在火车、汽车和飞机上，每个传感器都增加了数据的多样性。
高速性：高速描述的是数据被创建和移动的速度。在高速网络时代，通过基于实现软件性能优化的高速电脑处理器和服务器，创建实时数据流已成为流行趋势。企业不仅需要了解如何快速创建数据，还必须知道如何快速处理、分析并返回给用户，以满足他们的实时需求。根据IMS Research关于数据创建速度的调查，据预测，到2020年全球将拥有220亿部互联网连接设备。
易变性：大数据具有多层结构，这意味着大数据会呈现出多变的形式和类型。相较传统的业务数据，大数据存在不规则和模糊不清的特性，造成很难甚至无法使用传统的应用软件进行分析。传统业务数据随时间演变已拥有标准的格式，能够被标准的商务智能软件识别。目前，企业面临的挑战是处理并从各种形式呈现的复杂数据中挖掘价值。
三、大数据时代数据的三个特征
除了大数据的四个特征，大数据时代的数据还呈现出其他三个特征。 第一个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求 。
第二个特征是数据价值密度相对较低。如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。
第三个特征是处理速度快，时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。
四、大数据对人类的影响
（一）大数据对人类经济社会的影响
大数据对人类经济社会发展影响巨大，归纳起来主要有三个方面：
一是能够推动实现巨大经济效益。据麦肯锡全球研究院测算，大数据将给美国医疗服务业带来3000亿美元的价值，使美国零售业净利润增长达到60，使制造业产品开发、组装成本下降50。而大数据所带来的新的信息技术应用需求，将推动整个信息技术产业的创新发展，预计2013年全球大数据直接和间接拉动信息技术支出将达1200亿美元。
二是能够推动增强社会管理水平。大数据在政府和公共服务领域的应用，可有效推动政务工作开展，提高政府部门的决策水平、服务效率和社会管理水平，产生巨大社会价值。欧洲多个城市通过分析实时采集的交通流量数据，指导驾车出行者选择最佳路径，从而改善城市交通状况。
三是能够推动提高安全保障能力。大数据在国防、反恐、安全等领域的应用，将对各部门搜集到的各类信息进行自动分类、整理、分析，有效解决情报、监视和侦察系统不足等问题，提高国家安全保障能力。总而言之，大数据将为人们认识世界和改造世界提供新的强有力工具，使人们能更加容易地把握事物规律，更准确地预测未来。
（二）大数据对教育的影响
大数据时代推动教育的改革。
“一张试卷，它带给我们的数据是什么？分数的背后，还能读到什么有价值的信息？不得不承认，对于学生，我们知道的太少”——这是卡耐基在梅隆大学教育学院介绍中的一句直白，这同样是美国十大教育类年会中出镜率最高的核心议题。
大数据与传统数据最本质的区别体现在采集来源以及应用方向上。传统数据的整理方式更能够凸显群体水平——学生整体的学业水平，身体发育与体质状况，社会性情绪及适应性的发展，对学校的满意度等等。而大数据有能力去关注每一个个体学生的微观表现，诸如他在一道题上逗留了多久，在不同学科课堂上开小差的次数分别为多少等等。这些数据对其他个体没有意义，但所有学生的数据整合起来就能解答教育过程中的许多疑问。而最有价值的是，这些数据完全是在学生不自知的情况下被观察、收集的，只需要一定的观测技术与设备的辅助，而不影响学生任何的日常学习与生活。
举例来说，数据驱动教育工具已经在美国很大范围内使用了。16个州的学校，使用数据勘探技术去确认处于危险中的学生。通过使用关键因素(如旷课，纪律问题，课堂表现变化)预测模式，教育者可以确认哪些学生最有可能退学。大数据通过对于学生在课堂中点滴微观行为的捕捉，帮助我们了解学生对知识的掌握程度以及感兴趣程度，进而反思我们的教学是否满足了学生的需求。有了大数据，教育工作者们就需要针对分析出来的结果对教育模式进行适时的变更，从而真正做到以人为本、因材施教。
（三）大数据对现实生活的影响
大数据对现实生活的影响
数据产生方式现在已经被极大地改变，因为以前数据的生产都是由专业团体、专业人士，或者是专业公司完成，而现在数据产生更多是个体行为、是个人，每个人都可以使用自己所采集的终端来产生大量的数据。 数据传统途径也发生了很大的变革，以前获取信息的来源基本上是报纸等平面媒体，或者电视、广播等传播媒体；现在很多信息来源通过互联网。互联网已经变成了媒体传播的主要途径，这个改变对整个社会也产生了非常大的改变。 社交环境网络化变革，以前交朋友更多是生活的圈子，比如说同学、邻居、亲戚，现在更多的通过是互联网这种虚拟的环境。
数据存储习惯发生变化，以前都是把照片和文件备份到自己的电脑或者软盘上。现在这种观念已经改变，除非做保密工作，或者是年纪大一点的另当别论，大多数人就把它放到网上，在云中进行存储。 社会安保系统变革，现在还没有真正实现，实现之后会对人们生活有非常大的变化。现在整个社会安保，整个城市里面已经有很多的传感器、摄像头等，通过它们可以使得社会变得更加安定，或者说发生案件会快速破案，这个系统对现在的安保系统会带来非常大的冲击。
2012年图像和视频数据在整个大数据的比例已经占到80%多，今年图像和视频数据在整个大数据的比例已经接近90%，真正的大数据核心是如何进行数据处理、如何挖掘数据，并找到数据的规律。而大数据处理是人们首先要解决的问题。
五、大数据最具潜力的应用领域
大数据在企业商业智能、公共服务和市场营销三个方面拥有巨大的潜力。
（一）大数据在商业智能的应用潜力
过去几十年，分析师们都依赖BI工具分析海量数据并生成报告。
传统BI工具主要用于企业运营，侧重于成本控制和计划执行报告。
而大数据技术最主要的功能/应用是ETL（Extract、Transform、Load）今天计算和存储硬件变得非常便宜，配合大量的开源大数据工具，人们可以非常“奢侈”地先抓取大量数据再考虑分析命题。可以说，低廉的计算资源正在改变我们使用数据的方式。
此外，处理性能的大幅提高（例如内存计算）使得实时互动分析更加容易实现，而“实时”和“预测”将BI带到了一个新的境界——未知的未知。这也是大数据分析与传统BI之间最大的区别。
（二）大数据在公共服务的应用潜力
大数据另外一个重大的应用领域是社会和政府。如今，数据挖掘已经能够预测疾病暴发、理解交通模型并改善教育。
今天，城市正面临预算超支、基础设施难题以及从农村和郊区涌入的大量人口。这些都是非常紧迫的问题，而诚实，也是大数据计划的绝佳实验室。 以纽约这样的大都市为例，政府公共数据公开化、以及市民生活的高度数字化（购物、交通、医疗等）等都是大数据分析的理想对象。
客观的市政数据，是消除争端，维系公民社会的最佳纽带。当然，前提是让公民能够访问这些数据。苹果的Siri和谷歌的Google Now都具备成为个人化助理的潜力。当然，我们还需要更多的产品和技术让数据分析结果更容易被公众理解和接受（数据可视化）。此外，IBM的Watson以及Wolfram Alpha这样的人工智能技术还能实现与用户的互动。
（三）大数据在市场营销的应用潜力
大数据的第三大应用领域是市场营销。具体来说，是提升消费者与企业之间的关系。（卖得更多、更快、更有效率）
今天，最大的数据系统是web分析、广告优化等。今天的数字化营销与传统营销最大的区别就是个性化和精准定位。 如今，企业与客户之间的接触点也发生了翻天覆地的变化，从过去的电话和邮件地址，发展到网页、社交媒体账户、博客等等。在这些五花八门的渠道里跟踪客户，将他们的每一次点击、收藏、“顶”、分享、加好友、转发等行为纳入企业的销售漏斗中并转化成收入是一个巨大的挑战。也就是所谓的“360度客户视角”。 大数据已经与在线营销交织在一起，其应用可以分为两大类： 首先，从线上到线下。配备了NFC近场通讯技术的智能手机和基于位置的签到正在成为营销人员的最新利器。他们将能跟踪商场人流，把在线零售的分析优化应用于线下。
其次，数据分析工具将更加容易使用（面向中小企业应用的大数据创业非常火爆），中小企业也许没有BI平台，但他们都有平板电脑和智能手机，移动版客户智能分析将会改变企业使用营销工具的方式。 参考文献：
[1] 李建义.数据库原理及开发.北京：中国水利水电出版社， 2005 [2] 维克托·迈尔·舍恩伯格.大数据时代.浙江：浙江人民出版社 2012 [3] 艾伯特-拉斯洛·巴拉巴西 .爆发.[4] 关志刚 IT经理网 2012
北京：中国人民大学出版社 2012
第11篇：大数据的商业应用
大数据的商业应用
对大数据的开放和应用将对社会、商业和个人都产生巨大而深远的影响。 目前我们已经观察到或者可以预测到的影响包括但不仅限于以下几个方面。
第一，围绕大数据的应用将激发前所未有的创新浪潮。社交网络的流行和物联网的建设使得对个体和群体（无论是人或物）的实时观察和了解正在逐渐成为可能，这为预测群体行为和了解个体偏好提供了强有力的工具。利用大数据这一特性的应用已经在多个领域展现其惊人的威力和创新能力。
第二，大数据的开放将极大地提升社会的公开透明度和提高政策制定的效率。一方面，多种类型数据的公开大大提升了政府的透明度，通过公众的监督提高民主程度。另一方面，通过为大众提供创新的平台，充分汲取群体的智慧，有效榨取数据的可利用价值，反过来可以提升社会效率和政府效率。
第三，随着大数据时代的来临和深化，在商业、经济及其他领域中，决策行为将日益基于数据和分析而做出，而并非基于经验和直觉。伴随着数据的大量累积和数据处理能力的不断提升，利用数据来进行判断和预测的能力将会得到无限的放大，数据将引领社会前进的方向。第四，个人成为大数据链条中不可或缺的一环，而对数据的依赖将改变人类的生活方式。
对银行的影响
（一）大数据提供了全新的沟通渠道和营销手段
一方面，社交媒体的兴起给银行提供了全新的与客户接触的渠道。已经有多家银行开通了官方微博，通过树立社会化的形象，拉近与客户之间的距离，利用社交媒体的力量，往往能够取得意想不到的效果。光大银行在2011年4月份通过其官方微博发起了“95595酒窝哦酒窝——光大电子银行酒窝传递活动”，向网民征集酒窝照片， 并由参与者向好友进行传递， 征集的照片会组成一个笑容墙展示，一个月的时间里有超过740000人参与了活动，使得光大银行的客服电话号码一夜走红。
另一方面， 通过打通银行内部数据和外部社会化的数据可以获得更为完整的客户拼图，从而进行更为精准的营销和管理。银行本身拥有客户的大量数据，通过对数据的分析可以获得很多信息，从而成为进行管理和营销的依据。但由于银行拥有的客户信息并不全面，这种分析有时候难以得出理想的结果甚至有可能得出错误的结论。比如说，如果某位信用卡客户月均刷卡6次，平均每次刷卡金额500元，平均每年打3次客服电话，从未有过投诉，按照传统的数据分析，该客户是一位满意度较高、流失风险较低的客户。但如果看到该客户的微博，得到的真实情况是：工资卡和信用卡不在同一家银行，还款不方便，好几次打客服电话没接通，客户多次在微博上抱怨，该客户流失风险较高。
（二）大数据滋生了新型金融业态参与市场竞争
大量的数据来源和强大的数据分析工具正催生出很多新的金融业态来直接瓜分银行的信贷市场。在英国，一家叫做Wonga的公司利用海量数据挖掘算法来做贷款业务，他们大量使用社交媒体和其他网络工具，将客户的信息碎片关联起来，预测客户的违约风险，为其信贷业务提供依据。在中国，阿里巴巴旗下的阿里信贷自2012年8月起全面向普通会员开放， 提供无抵押、无担保的低额贷款。而其依仗的正是掌握在手中的海量客户经营数据，有了这些数据，阿里巴巴可以说是对客户的资信状况了如指掌，从而最大程度地降低了信贷业务的风险。如果说像Wonga这种需要去网络上搜集数据来进行放贷的公司尚不足为惧，那么像阿里巴巴这种本身拥有雄厚客户基础和海量数据资产的公司介入信贷行业，将对行业格局产生深远的影响。“网络融资”可能成为 20 年后的主流，甚至可能发展到资金供需信息直接在网上发布并匹配，供需双方直接完成资金融通。
（三）利用数据的能力日益成为银行竞争的关键
麦肯锡在其研报中分析了不同行业从大数据浪潮中获利的可能，金融行业拔得头筹。作为金融行业的主要组成部分，银行业利用数据来提升竞争能力具有得天独厚的条件。
第一，银行业天然拥有大量的客户数据和交易数据，这是一笔巨大的财富。 第二，银行业面临的客户群体足够大，能够得出具有指导意义的统计结论。
第三，在“小数据”时代，银行业已经在以信用评级模型和市场营销模型为代表的数据分析上积累了大量的实战经验，具备向“大数据”分析跨越的基础。随着“大数据”时代的来临，银行运用科学分析手段对海量数据进行分析和挖掘， 可以更好地了解客户的消费习惯和行为特征，分析优化运营流程，提高风险模型的精确度，研究和预测市场营销和公关活动的效果，从每一个经营环节中挖掘数据的价值，从而进入全新的科学分析和决策时代。在这种情况之下，利用大数据的能力将成为决定银行竞争力的关键因素。
（四）从长远看大数据将全面颠覆金融服务形态
从长远来看，随着数据化和网络化的全面深入发展，金融服务将向虚拟化方向发展，从而全面颠覆金融服务形态。一是产品的虚拟化，资金流将越来越多地体现为数据信号的交换，电子货币等数字化金融产品的发展空间巨大。 二是服务的虚拟化通过移动互联网、全息仿真技术等科技手段，银行完全可以通过完全虚拟的渠道向客户提供业务服务，现有的实体柜面可能趋于消亡。三是流程的虚拟化，银行业务流程中各类单据、凭证等将以数字文件的形式出现，通过网络进行处理，从而提高处理的便利性和效率。在这样的服务形态下，银行的整体运作就是一个数据的洪流，“数字金融”得以全面实现，银行的管理理念和运营方式也随之得以全面颠覆。
银行的发展方向
（一）促进金融服务与社交网络的融合
商业银行要打破传统数据源的边界，更加注重社交媒体等新型数据来源，通过各种渠道获取尽可能多的客户信息，并从这些数据中挖掘出更多的价值。
一是整合新的客户接触渠道，充分利用社交网络的作用，增强对客户的了解和互动，树立良好的品牌形象。
二是注重新媒体客服的发展，利用论坛、聊天工具、微博、博客等网络工具将其打造成为与电话客服并行的重要服务渠道。
三是将银行内部数据和外部社交数据互联，获得更加完整的客户视图，从而进行更为高效的客户关系管理。
四是创造性利用社交网络数据和移动数据等进行产品创新和精准营销。比如，当银行通过客户的移动定位信息知道该客户正在某商场购物，便自动发送关于该商场的某餐馆的刷卡促销活动的短信；设计新产品的时候在网络上征求客户意见，激发客户参与的热情，在了解客户需求的同时达到良好的宣传效果。
五是注重新媒体渠道的舆情监测，在风险事件爆发之前就进行及时有效的处置，将负面影响降至最低。
实现金融服务与社交网络的融合存在一些现实的困难，只能通过不断摸索的方式前进。 首先，银行难以得知客户在社交网络上的用户名，也就难以进行数据整合。可以考虑进行一些针对性的市场活动来收集客户的用户名，或者在将来的客户申请表上添加社交网络用户名的选项。也可以考虑和社交网络进行直接的合作，在实名制的社交网络上，可以利用客户的官方证件号码来实现客户信息的对接。
其次，目前尚缺乏成熟有效的非结构化数据的处理工具。在初期可以采取半人工的方式进行处理。IT业投入在非结构化数据处理工具的研发力量非常强，相信不久的将来就能够有相对成熟的分析工具问世。
第三，目前在银行庞大的客户群体中，热衷于新媒体的毕竟只是一部分。如果凭借对他们的分析来制定针对全体客户的策略，统计样本的偏差可能会导致策略的失效。因此暂时只能用于制定一些针对特定客户群体的策略。 随着出生在网络年代的年青一代的成长，这样的偏差会越来越小，最终将能覆盖几乎全部的客户群体。
第四，金融服务对系统安全性和稳定性的要求都远高于社交平台，在实现服务对接的时候可能会影响用户体验。最后，在诸如客户的定位信息之类的数据是否属于隐私，如何使用方面还存在许多法律上的空白。这些问题都有待各行业协调解决。
（二）布局与大数据金融的竞争和合作
这里所说的“大数据金融” 特指类似于阿里信贷这种基于大数据的金融服务商。随着大数据金融的发展，银行与他们的竞争和合作不可避免。一方面，银行可以通过发展自己的大数据平台与其开展直接竞争。在当前的各大电商平台上，每天都有大量的交易发生，但是这些交易的支付结算大多被第三方支付机构垄断，银行处于支付链条的末端，获取的价值非常小。大数据金融的核心竞争力在于其拥有的大量客户经营数据， 银行在其产业链中的影响力很小，这也是阿里巴巴可以终止与建行的合作自行开展信贷业务的原因。为应对这种局面，银行可以考虑自行搭建大数据平台，获取属于自己的大数据，将核心话语权牢牢掌握在自己的手中。事实上，已经有不少银行开始了这方面的布局。2012年6月28日，建行的电子商务平台“善融商务”正式上线，包括B2B和B2C，业务范围包括电子商务服务、金融服务、营运管理服务、企业社区服务及企业和个人商城。这可以看作是建行对于阿里巴巴终止合作的直接应对。 交行打造的电子商务平台“交博汇” 也开始向客户开放。在为客户提供增值服务的同时获得客户的动态经营信息，成为银行共同的驱动力。
另一方面，银行需要与大数据金融企业加强合作互利。完整和综合的大数据注定难以被某一家企业、机构或政府部门所独自掌控， 因此任何想垄断大数据的想法和行为都是不现实的，企业之间的合作互赢是发展的潮流。 在认同大数据巨大价值的共识下，银行可与电信、电商、社交网络等大数据平台开展合作， 进行数据和信息的共享和利用， 全面整合客户有效信息， 将金融服务与移动网络、电子商务、社交网络等完美融合。建行与阿里巴巴的信贷合作可以说是在这方面进行了非常有益的探索， 可惜由于阿里巴巴要求在信贷利息中分利被拒绝而导致合作终止。但由此可见建立银行与电信运营商、电商、社交网络等参与方的合理的利润分配模式是否合理是合作能否成功的关键因素。
（三）培养面对大数据时代的核心能力 一是数据整合的能力。不仅仅是银行内部数据的整合，更重要的是和大数据链条上其他外部数据整合的能力。大数据时代，有能力整合和管理数据的企业才能够主导产业链，作为大数据链条中的一环，银行应当以更加积极的姿态与链条上的其他企业进行数据和信息的交换，越是完整的数据，能够产生的作用就越大。由于各行业的数据标准和格式存在差异，如何逐渐统一数据标准以便进行更方便的数据交换和融合是当前面临的巨大挑战。
二是数据分析的能力。这里要注意区分传统的商业智能和大数据时代的数据分析能力。首先，传统的商业智能所处理的数据大多都是银行自身数据库当中的标准化、结构化的数据，而在大数据时代，更多需要处理的是大量的半结构化和非结构化的数据。其次，大数据时代处理的数据量与现在完全不在一个量级，现有的很多数据处理方法已经不能满足需求。最后，当前银行中常用的数据分析比如信用评级和市场营销模型，都是在建模后再进行系统实施，持续的时间较长。而在大数据时代，对于数据处理的实时性有很高的要求。这些本质上的区别不仅要求银行使用专门的数据储存技术和设备，更要求采用专门的数据分析方法和使用体系。不得不说的是，中资银行在对数据分析的重视程度和能力上与国际先进银行有着巨大的差距，很多中资银行在“小数据”时代的数据分析能力都亟需加强。
三是行动实施的能力。任何对大数据的分析只有转换为实际的商业行动才能够真正为银行创造价值。大数据时代的行动实施具有两个鲜明的特点：精准和快速。精准取决于大数据时代对客户的全面深刻了解，制定的行动方案都非常具有针对性，因此方案将会更加差异化。现在给全体客户统一版本发送的一条促销短信在将来可能需要发送上万个不同的版本。快速取决于大数据时代很多分析和策略都是系统自动完成的特性，更多的营销活动都将由客户的某项行为触发，然后由系统自动执行相应的行动。这些特性对银行的系统和人员都提出了更高的能力要求。
第12篇：大数据在生活中的应用
大数据在生活中的应用
当今世界，正处于一个信息化的重大发展时代。只要你稍有关注热点时事，总能看到“大数据”、“云计算”两个高频词。稍加了解，你会发现，大数据在许多行业中起着至关重要的作用，甚至在我们的生活中也有着非常多的应用。那么什么是大数据呢？大数据的概念到底又是什么？大数据的具体应用又有哪些？
大约从2009年开始“大数据”成为互联网信息技术行业的流行词汇，甚至连普通的网页上都可见到大数据云计算等高大上的字样，但是大数据到底是什么呢？作为一个普通人，并不是展业IT人才，怎样了解大数据？大数据和云计算是不是一样的，它们两个有区别吗？这样那样的疑问很多，可是又听说大数据在生活中的应用很多，随处可见，就连的吃喝住行都有它的影子。那么大数据在我们日常生活中又有哪些应用呢？大数据给我们的生活带来了哪些影响？下面我们就来浅谈一下“大数据”在我们日常生活中的应用和影响。 社交网络，为大数据提供了信息汇集、分析的第一手资料。大数据的价值主要就是，从庞杂的数据背后挖掘、分析用户的行为习惯和喜好，找出更符合用户口味或需求的产品和服务，并结合用户需求有针对性地调整和优化自身。简单的说，如果我拥有了客户大量的信息，我就能从收集到的信息中知道客户的消费习惯和消费方向，通过这些数据分析出自身产品有哪些缺失，可以及时改变策略，而不是盲目的生产一些客户并不喜欢的产品增加自身成本。大数据的核心价值就是，提升决策准确性，降低风险，提升运营精准度，降低成本。最简单的例子，每天我们打开一些带有广告性的网页，网页的两侧总会弹出一些商品推荐，而这些推荐正是由于大数据通过你平时在淘宝、天猫等交易网站上搜索过的商品信息，再提供给商家，广告商从而给你推送与你相关的商品。 大数据最本质的应用就在于预测，即从海量数据中分析出一定的特征，进而预测未来可能会发生什么。在数据足够“大”的情况下，你生活中几乎所有的需求都可能会被预测出来。例如，从数据分析出你可能会约会，于是会向你推荐衣服；从数据推测出你会出去旅游，于是向你推荐相关装备及旅行方式等。 进而言之，这是由于浏览器缓存cookie，你通过浏览器浏览任意网站内容时，都会在你的计算机缓存文件夹内生成一个缓存文件，其记录了你什么时间，通过什么渠道，访问了什么内容，做了些什么，等等一系列的信息。然后当你访问一些特定的网站时，其有广告位，而这些广告位（后台）就会去读取你的缓存文件，根据你的缓存文件内容，广告位就会为你推送相关的内容。实例：你通过百度搜索“贷款”，之后，这个信息就会被记录，当你访问一些网站其带有百度广告位，那这些广告位就会显示和“贷款”相关的内容。
大数据从何而来？美国互联网数据中心指出,互联网上的数据每年将增长50%，每两年便将翻一番,目前世界上90%以上的数据是最近几年才产生的。此外,全世界的工业设备、汽车、电表上有着无数的数码传感器随时测量和传递
着有关位置、运动、震动、温度、湿度乃至空气中化学物质的变化，也产生了海量的数据信息。物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及各种各样的传感器，无一不是数据来源或者承载的方式。
大数据的概念及其解释。大数据，指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。首先大数据要大，大体现在数据的“海量”上，这个“海量”不仅仅指的是数据的多，还有数据的多种多样，复杂程度等。并不是像我们平常所说的大量数据这么简单。大数据的特点可归纳为4个“V”——Volume(大量)、Velocity(高速)、Variety(多样)、Veracity(精确)。第一,数据体量。从TB级别,跃升到PB级别第二数据类型繁多数据来源于各种各样的渠道。第三价值密度低,商业价值高。以视频为例,连续不间断监控过程中,可能有用的数据仅仅有一两秒。第四,处理速度快。一般要在秒级时间范围内给出分析结果,时间太长就失去价值了。这个速度要求是大数据处理技术和传统的数据挖掘技术最大的区别。
数据是信息化时代的“石油”。大数据、云计算、物联网等新一代信息科技的普及和广泛运用，已经远远超出科技革命的范畴，成为深刻影响人们生产生活方式、社会经济发展方式、国际竞争方式等的重要变量，带动了经济、政治、军事、文化等诸多领域的巨大进步。为了使互联网更好造福社会，保障群众在互联网领域的各项权益，需要充分发挥大数据的预测、存储、分析功能，为人民群众提供与美好生活需要相匹配的公平、实惠、多元的网络产品和网络信息服务。挖掘被淹没的数据价值要使大数据真正产生价值，就必须要研究数据的关联、数据的聚类以及全样本问题。建立在相关关系分析法基础上的预测是大数据的核心，通过找出关联物并监控它，就能预测未来。大数据产业的发展，离不开两个核心系统工程建设，即稳定、安全、可靠的数据基础系统工程和完善、成熟、领先的应用系统工程。
发展大数据的关键，是要有获得数据的能力和方法，获得的数据不仅要及时、完整、准确地存储下来，而且要及时、完整、准确地传输到数据需求者。有了数据，还必须有足够的计算能力，因此基础系统工程包括了数据采集、汇聚、传输、存储、计算资源、大数据应用平台、云计算平台、数据资源池、数据分析挖掘工具软件、数据产权管理、数据标准体系、数据安全体系等。 目前，各行各业的决策正在从“业务驱动”向“数据驱动”转变。通过对大数据的分析，可以使企业实时掌握市场动态并迅速做出应对，可以制定更加精准有效的营销策略，可以帮助企业为消费者提供更加及时和个性化的服务。在公共事业领域，大数据在促进经济发展、维护社会稳定等方面的重要作用已开始得以发挥。因此，大数据应用系统建设，是大数据作为重要资源作用的关键。
现在结合生活例子，来看看大数据在生活中的具体应用。大数据技术离你我都并不遥远，它已经来到我们身边，渗透进入我们每个人的日常生活消费之中，时时刻刻，事事处处，我们无法逃遁，因为它无微不至：它提供了光怪陆离的全媒体，难以琢磨的云计算，无法抵御的仿真环境。前面已经介绍过了大
数据的来源，大数据依仗于无处不在的传感器，比如手机、发带，甚至是能够收集司机身体数据的汽车，或是能够监控老人下床和行走速度与压力的“魔毯”(由GE与Intel联合开发)，洞察了一切。通过大数据技术，人们能够在医院之外得悉自己的健康情况;而通过收集普通家庭的能耗数据，大数据技术给出人们切实可用的节能提醒;通过对城市交通的数据收集处理，大数据技术能够实现城市交通的优化。
对于人们的衣食，大数据也起着很大的作用。人们的生活以及消费方式已经发生了惊天的转变。不光是北京，自淘宝创立以来，大众的消费方式越发多元化，O2O、B2B等方式越来越丰富人们的日常生活。大数据以及地图的基础应用，已经对人们的生活产生了很大的影响。现今类似的网站应用有很多都与数据以及地理信息相关，作为其代表之一，大众点评正是数据与地理信息的相互结合的优质结晶。根据大数据的信息收集，商家后台自动为你推荐与你兴趣相关的商品，自动过滤了自身不感兴趣的商品，在查找物品方面，无疑节约了许多时间。
正如前文所说，精准广告投放便是其最大的作用之一，很多人可能有这样的经历，使用某浏览器在淘宝、京东等购物网站上购买过一本关于某方面的书籍后，在之后十个月左右的时间里，你的浏览器两侧的广告栏里不断出现你可能所需要的东西，等产品广告，登录原来的购物网站，也会在首页向你推荐这类产品。然而，你对这类广告会很欣然地接受,因为它推荐的产品正是你所需要的,这实际上就是大数据应用的一个简单案例。
对于人们出行来说，人们的出行组成了大数据，同时大数据可以实时反应交通状况，因此大数据与交通的辩证关系一直为社会所重视;近年来交通所带来的能耗问题被逐渐重视起来，这不光是对个人资金的节省，更是对自己所在这个环境的一种责任。通过导航软件所用的传感器来感知每个路段的流量和速度，利用环境学经典公式即可算出该汽车的排放量，具体做法是：利用已有GPS数据算出有限道路上的速度，按照单位时间通过车的流量的速度，最终得出某一行车路段的污染指数。可以算出这个城市里每一个区域，每一个时间、每一种污染物的成分和比例。随着时间的变化，各个地方污染程度。 给我们带来生活便利的同时，也有很多的弊端。信息安全是一个十分严重的问题，如今用户信息泄露已经成了常态，不法分子利用用户信息进行诈骗，电信诈骗越发成为了不法分子的首要手段。再如火车票实名制，购买火车票是个人与铁路机构之间的信息交换，应该保密个人信息。但是火车票上的二维码作为实名制认证的内容之一，却有可能泄露个人信息。现在读取二维码的应用和设备这么多，电脑手机上都有。现在手段已经不满足大数据时代信息安全的实际要求。大数据时代的到来，导致大量信息泄露。因此，大数据信息安全问题是大数据时代不可不考虑的问题。而且需要从不同角度、不同层次去维护信息安全。除非你拒绝手机、拒绝网络、拒绝信用卡等一切现代科技，否则你将无法逃脱一些合法或非法的“偷窥”者，他们正在无时无刻的“窃取”着你的行为信息，这就是大数据时代的特点。
根据这些行为信息，商家为你制订适合你的服务，政府根据你的行为信息
将你贴上某种标签，甚至有些不怀好意者根据这些信息对你或你的亲人进行有意的伤害„„所以，这些数据信息在大数据时代不可避免的被“窃取”了。但，我们能够阻档的了吗?时代在进步，沟通方式与方法在改变，正如“大禹治水，疏而不导”的原理是一样，在这样的大数据时代，阻碍数据分析的尝试注定要失败，我们让这些数据不流于非法的唯一方法是规范而非全部堵住，因为时代进步的车轮是无法阻档的。
我觉得为了保护信息安全，政府需要出一份力，规范好信息时代的规则，保护大家的隐私。我觉得政府应该做到以下几点
一、规范哪些数据属于隐私数据，不能跟踪，如跟踪则非法。
二、规范能够跟踪的数据仅能用于哪些用途，否则必须经过数据当事人的同意(如肖像权)，否则也是非法。
三、明确立法规范如果出现相关的违法行为应该如何处罚违法当事人。政府只有通过法律的途径来疏导才能够保证即不阻碍技术的发展进步又能够保证广大人民的利益，当然，以上这些的前提条件是政府真正为百姓着想。 有人说，有了微博之后，我们更民主了，言论更自由了。我认为恰恰相反，看上去的言论自由恰恰如“引蛇出洞”，你的每一句发言都可能被秘密监视，从而将你打上某种标签，一旦某天要“收网”，你的所有发言都可以作为证据被呈现在桌面上，何等可怕?!这就是网络舆论，人身攻击，人肉搜索的重要资源之一。
所以，在网络充分发展，技术突飞猛进的今天，我们更应该理性的对待这些虚假的繁荣，规范它、引导它、合理利用它，而不是放任或直接否定。辩证的思维是非常有必要的!世界正变得越来越数字化，大数据正在以这种或那种方式影响着每个人的生活。我们在日常生活中所做的一切都会留下数字痕迹，也就是大数据，我们可以利用和分析这些数据来让我们的生活更加美好。 在大数据时代，人们的生活方式和思考方式在发生一系列的变化，这种变化同样也使得人们的消费观念发生较大的转变。大数据时代对生活、工作的影响大数据，其影响除了经济方面的，它同时也能在政治、文化等方面产生深远的影响，大数据可以帮助人们开启循“数”管理的模式，也是我们当下“大社会”的集中体现，三分技术，七分数据，得数据者得天下。它赋予消费者更广阔的视野，同时也在提高着消费者的自主意识。这些影响足够消费者不再完全相信传统营销“轰炸式”的传播和灌输，他们更加倾向于受到质疑的品牌和产品，他们能够在基础上发表自己的观点，影响到其他的人群。“大数据”的影响，增加了对信息管理专家的需求。事实上，大数据的影响并不仅仅限于信息通信产业，而是正在“吞噬”和重构很多传统行业，广泛运用数据分析手段管理和优化运营的公司其实质都是一个数据公司。
麦当劳、肯德基以及苹果公司等旗舰专卖店的位置都是建立在数据分析基
础之上的精准选址。在零售业中，数据分析的技术与手段更是得到广泛的应用，传统企业如沃尔玛通过数据挖掘重塑并优化供应链，新崛起的电商如卓越亚马逊、淘宝等则通过对海量数据的掌握和分析，为用户提供更加专业化和个性化的服务。
大数据时代的到来，既是挑战也是机遇，虽然其有利有弊，但我们无法阻止时代的步伐，我们唯一能做到的就是利用其作用，方便我们的生活，并且保护好自身的利益，多一个心眼，不给不法分子可乘之机。我想在身处这个数据“大爆炸”时代，大数据的广泛运用带来了很多的弊病，正如科学家们所说，事物都具有两面性，我们应当用好大数据对我们有利的一面，免大数据给我们社会的发展带来不利的因素。
第13篇：大数据技术在精准营销中的应用
大数据技术在精准营销中的应用
大数据时代，数据已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。对于海量数据数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。回顾近两年对大数据的探索历程，某基础运营商一方面顺应大势，牢牢把握大数据技术快速发展的机遇，另一方面应势而动，充分释放前期IT集中化、一体化的红利，鉴定推进数据集中。先后经历了数据集中采集的积淀、初试大数据平台、传统数据库与sefve(四方传媒)获客云混搭架构的大数据平台创建，以及目前朝开放式大数据服务平台迈进四个阶段。
sefve获客云拥有着精准化营销与维系系统，依托大数据精准定位支撑端到端多维度系体系，构建在大数据平台之上，面向客户、面向服务、面向管理，深化数据分析、数据挖掘能力、洞察客户、透视企业，是将大数据转化为实际生产力的重要云化应用之一。
大数据技术架构
MPP数据库
MPP（Maively Parallel Proceing，大规模并行处理系统）由多个SMP（SymmetricMultiProceing，对称多处理系统）服务器通过一定的节点互联网络进行连接，协同工作，完成相同的任务，从用户的角度看它是一个服务器系统。其基本特征是由多个SMP服务器（每个SMP服务器称为一个节点）通过节点互联网络连接而成，每个节点只访问自己的本地资源（内存、存储等），节点之间的信息交互是通过节点互联网络实现的。目前的技术可实现512个节点互联。MMP数据库有以下特点。
①一般存储为结构化数据，有明显的星型或雪花型结构，适用于大数据分析的应用；
②每个服务器都有自己独立的存储、内存和CPU，允许动态地增加或删除节点； ③数据分区划分到不同的物理节点上，通过分布式查询优化来提高系统整体性能；
④主要用在数据仓库和大规模的分析处理应用中。 ETL技术
ETL是指将数据从源端经过抽取（Extract）、转换（Transform）、加载（Load）至目的端的过程，该部分在数据挖掘和分析过程中为最基础的一部分。一个良好的ETL系统应该有以下几个功能。 ①消除数据错误并纠正缺失数据；
②对于数据可信度的评估提供文档化衡量； ③获取相互作用的数据流程来保护数据； ④整合多个源数据；
⑤将数据进行结构化供最终用户使用。
第14篇：大数据技术在电子商务物流集成应用案例
大数据技术在电子商务 物流集成中应用案例
摘要：本文以亚马逊为例，结合大数据技术及电子商务行业的发展现状，分析了大数据技术手段，并通过分析亚马逊在物流集成方面对大数据技术的应用，总结电商物流集成与大数据的关系，对大数据时代电商的未来发展提出可行性建议。
1 大数据及电子商务发展现状 1.1大数据技术及背景
随着信息技术的发展，互联网、社交网络、物联网、移动互联网、云计算等相继进入人们的日常工作和生活中，全球数据信息量呈指数式爆炸增长之势。根据国际数据公司 IDC 发布的研究报告，预计全球数据量大约每两年翻一番，到 2020 年全球将达到 35ZB 的数据信息量，可能是 2013 年数据规模的 44 倍。由此可见，我们已进入了大数据时代。
大数据有如下定义：“大数据是由于规模、复杂性、实时而导致的使之无法在一定时间内用常规软件工具对其进行获取、存储、搜索、分享、分析、可视化的数据集合。”大数据的特点可归纳为“4V”：海量（Volume）、多样（Variety）、快速（Velocity）、价值（Value）。如今数据量级别不断加大，数据类型繁多，可分为结构化数据、半结构化数据和非结构化数据，而且数据产生速度快，具有很强的时效性。数据蕴藏着很大的价值，但是其价值密度很低，我们很难从数据的海洋中找到其中有价值的数据，需要技术手段进行数据挖掘。
大数据是继云计算、物联网之后 IT 产业又一次颠覆性的技术变革，对于企业将产生巨大的影响。如今，大数据分析已经成为行业研究的热点，大数据正在以多种方式创造着巨大的价值。市场研究公司Gartner 曾预计：大数据今年将直接或间接拉动全球960 亿美元的 IT 支出，这一数据在 2013 年将达到1200 亿美元，2016 年达到 2320 亿美元，2015 年全球将会新增 440 万个 IT 工作岗位以支持大数据。
1.2大数据背景下电子商务的发展现状
在大数据时代，未来数年数据量将会呈指数爆炸。图灵奖获得者吉姆·格雷（Jim Gray）和 IDC 公司曾预测，全球数据量每 18 个月翻一番。例如，淘宝网每日新增的交易数据达 10TB；eBay 分析平台日处理数据量高达 100PB，超过了美国纳斯达克交易所全天的数据处理量；亚马逊每、秒钟处理 72.9 笔订单。由此可见，电子商务网站的数据正是典型的大数据。
电子商务经历了三个时代：（1）基于用户数的时代，此时电子商务企业通过收取会员费、广告费等方式发展客户来赚取利润；（2）基于销量的时代，电商企业通过投放广告来实现销售量的增长，以此来提升品牌影响力和企业价值；（3）基于数据的时代，电子商务公司通过对消费者的海量数据的收集、分析、整合，挖掘出商业价值，促进个性化和精确化营销的开展。全球迎来大数据时代，数据成为越来越有用的资源，电子商务企业在开发利用大数据的市场上存在着巨大的发展前景。
随着大数据时代的到来，相对于传统的线下销售企业来说，爆炸性增长的数据已成为了电子商务企业非常具有优势和商业价值的资源，大数据将成为企业未来的核心竞争力。电商掌握了几乎最全面的数据信息，其中包括所有注册用户的浏览、购买消费记录，用户对商品的评价、在其平台上商家的买卖记录、产品交易量、库存量以及商家的信用信息等等。
电子商务与大数据的结合，是互联网时代的必然产物，两者间也存在着互惠关系。一方面，电子商务的迅猛发展，为大数据的积累拓展了可观的空间。另一方面，大数据为电子商务的更广泛开展，提供了便利条件。从管理方法到管理思维，大数据给电子商务带来革命性的变化。基于大数据的数据分析系统，将为电子商务的管理者找到更多商机和需求。同时，数据将像普通产品一样被加工和交换。电子商务的经营和管理核心，已经从对商品的管理，转移到对商品背后数据的管理和挖掘层面，而基于大数据的数据分析将为电子商务提供发展的动力。
如今，在大数据的背景下，电子商务的服务业产生了变革。例如电商可以大数据资源给用户提供个性化和精准的商品推荐；还可根据商品的购买和浏览数据进行优质产品信息的汇总；电商可以为消费者提供准确强大的信息检索服务；电商可根据消费人群的不同需求，将营销目标针对某个具体的领域，更加细化服务领域；不少互联网公司提供数据云存储服务以满足为了满足用户对数据处理、存储方面的需求。
2 电子商务物流集成相关技术介绍
电子商务的发展需要一个完善稳定的集成平台， 使得各个企业部门能够在这个环境中进行交易， 尽可能地消除由于企业内部系统不同而给企业问交易带来的障碍。
2.1基于EDI的电子商务集成
EDI(Electronic Data interchange)是将业务文件按一个公认的标准从一台计算机传输到另一台计算机上去的电子传输方法。从技术上讲，EDI包括硬件与软件两大部分。硬件主要是指计算机网络。90年代之前的大多数EDI都不通过网络， 而是通过租用的电脑线在专用网络上实现，这类专用的网络被称为VAN(增值网)。软件包括计算机软件和EDI标准。EDI所需要的软件主要是将用户数据库系统中的信息，翻译成EDI的标准格式以供传输交换。EDI软件主要包括转换软件、翻译软件和通信软件。除此之外还包括EDI标准。
2.2基于Web的电子商务集成
20世纪90年代中期后，网络迅速走向普及，逐步地从大学、科研机构走向企业和百姓家庭。其功能也已从信息共享演变为一种大众化的信息传播工具。从l991年起，商业贸易活动正式进入到互联网这个王国，因此而使电子商务成为互联网应用的最大热点。通过网络进行交易使很多中小企业启动电子商务成为可能。而Internet上的电了商冬集成大致经历了三个阶段：
1）Web Interaction阶段：此阶段企业主要是在网上发布一些产品和企业信息，通过这些信息客户可以对企业的情况包括它们的产品和商业重点等有个大致的了解。 2）Web Transaction阶段：在这一阶段，客户可以通过web进行一些交易， 比如在Web上购物、结账等。而企业的目标就是激发客户的兴趣，吸引他们的目光到自己的网站上来消费。
3）Web Collaboration阶段：第三阶段特别指的是B2B的电子商务，它的目标是帮助企业的合作伙伴完成商业过程。在这一阶段，比较重要的是企业问的协作，比如企业A可能会共享一些库存数据，或者提供一些网络服务，而这样做的目的就是方便其用户，最终更好的销售自己的产品。
2.3基于XML的电子商务集成
XML是一种格式固定，独立于平台的半结构化语言，用它来做企业的数据交互媒介是一个非常好的选择。利用XML可以准确的描述企业服务、商业流程等，很好地完成交易的自动化，所以，XML为网络提供了统一的数据传输媒介。基于XML的电子商务集成所要解决的问题是统一异构系统直接的数据表达，同时充分发挥XML的可扩展性，定义企业问的事务逻辑，保证系统的稳定，减少由于企业系统不一致而带来的程序上大的改动。在众多的标准中，ebXML和Bizta1k这两个的影响比较大的标准。
ebXML由OASIS、UN/CEFACT、NIST、W3C等组织赞助或者参与制订， 旨在取代目前使用的ED l电子商务标准，因为ED I价格昂贵，操作复杂，不利于推广。ebXML是一个规范集，这些规范共同实现了模块化电子商务框架。
Bizta1k框架是微软提出的用于应用集成和电子商务的XML框架，它包括一个设计框架来实现XML大纲(Schema)和一套在应用程序问传递信息用的XML标签。它的目标是推动XML的迅速普及和应用Bizta1k框架大纲以XML形式表达企业的商业文档和消息，并在BizTa1k.Org网站注册和存档，任何个人或组织都能下载框架用以具体实现或者向网站递交XML大纲。
3 亚马逊在物流集成中对大数据技术应用的案例 3.1 公司概况
亚马逊公司（Amazon），是美国最大的一家网络电子商务公司，是网络上最早开始经营电子商务的公司之一，位于华盛顿州的西雅图。亚马逊成立于1995年，一开始只经营网络的书籍销售业务，现在则扩及了范围相当广的其他产品，已成为全球商品品种最多的网上零售商和全球第二大互联网企业，在公司名下，也包括了AlexaInternet、a
9、lab1
26、和互联网电影数据库（Internet Movie Database，IMDB）等子公司。
亚马逊坚持走自建物流方向，将集成物流与大数据紧紧相连。在亚马逊近二十年的历史中，自建物流不但是其发展过程中的关键环节，也与大数据挖掘结合在一起，帮助亚马逊在营销方面实现更大的价值。由亚马逊强大技术支持的智能物流系统是其价值链扩张的重要部分，使其在整条产业链上建立竞争优势。
亚马逊还将免费“物流免费”作为营销手段，其基础正是在于其对市场的把握和分析。在电子商务经营处于“高天滚滚寒流急”的危难时刻，亚马逊独辟蹊径，三次大胆地将免费送货作为促销手段，并且不断降低免费送货服务的门槛。薄利多销、低价竞争，以物流的代价去占领市场，招揽顾客，扩大市场份额。显然此项策略是正确的，因为抓住了问题的实质。当然这项经营策略也是有风险的。
亚马逊重视物流集成系统的发展。完善的物流系统是决定电子商务生存与发展的命脉。由于亚马逊有完善、优化的物流系统作为保障，它才能将物流作为促销的手段，并有能力严格地控制物流成本和有效地进行物流过程的组织运作。
3.2 公司产品与物流集成服务
亚马逊及其它销售商为客户提供数百万种独特的全新、翻新及二手商品，如图书、影视、音乐和游戏、数码下载、电子和电脑、家居园艺用品、玩具、婴幼儿用品、食品、服饰、鞋类和珠宝、健康和个人护理用品、体育及户外用品、玩具、汽车及工业产品等。公司依托物流集成服务，通过物流中心、桔子机器人、外部卖家和拣货流程等系列服务，提高产品市场率和顾客满意度。
（1）物流中心
2013年，亚马逊花费约46亿美元建设了17个物流中心，并尽其所能地从中节约每一分钱。亚马逊在美国菲尼克斯建有120万平方英尺的仓库，借助手机程序的帮助，这里的员工都可以最大程度地发挥空间利用效率，即使是1英寸的地方。尽管亚马逊去年的收入增长41%，但营业费用的增幅也高达44%，导致利润率下滑2.3个百分点，部分源于这些物流中心的庞大开支。为了扭转局势，亚马逊正在扩大产品和服务范围，以便这些巨大的仓库能够成为利润枢纽。
（2）桔子机器人
桔子机器人可以在货架下穿梭，还能搬运产品，加快订单履行速度。对物流中心的投资成为亚马逊2013年最大的一笔营业费用，在销售额中的占比达到9.5%，这也使得该公司的仓库总数达到69个。为了进一步推动物流业务的自动化进程，亚马逊斥资7.75亿美元收购仓库机器人制造商Kiva Systems。亚马逊旗下拥有Soap.com和Diapers.com两大购物网站的Quidsi已经开始使用这种设备。使用亚马逊仓库和配送服务的第三方商家也推动了该公司的扩张。
（3）外部卖家
通过亚马逊出售商品的外部卖家，给该公司带来了更高的利润率。亚马逊会从第三方商家出售的商品中抽取一定的佣金，通常约10%，这部分佣金全部计入利润。如果合作伙伴选择通过亚马逊的仓库履行订单，还要交纳一定的费用。亚马逊控制了整个体验，确保消费者可以得到始终如一的高速物流服务，而且完全没有库存风险。
（4）拣货流程
要从仓库中取出商品，首先由一组名为“充填工”的工人把商品塞进由塑料隔开的储物格内，经过电脑的计算，这些储物格的空间效率实现了最大化。亚马逊物流配送环节中，将以最高效率往来于货架之间，并将货物依次摆放到传送带上，等待打包和配送。通过先进的仓储服务，亚马逊2013年多实现了1000万美元的销售额。
3.3 亚马逊的大数据技术案例分析
3.3.1亚马逊的大数据业务
亚马逊的业务主要包括了三大方面：电商平台，包括自有产品的电子商务、第三方卖家及对一些成员的特殊服务；KINDLE、数字内容等；云服务。以电子商务起家的亚马逊，由电子书发家，由云服务推动企业更进一步发展，以企业云平台闻名于世。
由于大数据技术的日渐成熟，亚马逊慢慢变为大数据行业的排头兵。亚马逊推出过一系列大数据产品，其中包括基于Hadoop的Elastic MapReduce、DynamoDB大数据数据库以及能够与Amazon Web Services顺利协作的Redshift规模化并行数据仓储方案。 3.3.2亚马逊的大数据平台开发
在亚马逊大数据计算开发的参与人员中，包括消费者、其他进驻卖家和亚马逊公司自身三大组成部分。尽管亚马逊属于整合平台的提供商，但亚马逊实际上身兼多职，涵盖了价值链的多个环节，同时担任了服务商和运输者等多个角色。亚马逊在智能物流方面的创举，对其营销能力的增强起到了辅助作用。
亚马逊凭借着对于顾客购买数据的多方位采集和挖掘，能够获得大量关于目标客户的信息。最后，在第三方卖家方面，亚马逊从数据的角度去研究商家需求，并与消费者数据相结合，同物流集成思想相结合，提高平台精准营销的能力。
亚马逊的大数据技术主要分为四个步骤： （1）收集用户行为数据
用户使用亚马逊网站上发生的所有行为都会被亚马逊记录：如搜索、浏览、打分、点评、购买、使用减价券和退货等。亚马逊根据这些数据，不断勾画出每个用户的特征轮廓和需求，并以此为依据进行精准营销。
（2）整合用户行为数据
亚马逊强大之处还在于它可以整合用户行为数据和喜好，并挖掘用户的潜在需求，善于用各种形式的活动去获取用户的喜好和需求，比较典型的活动就是投票。一旦用户投票了，其观点、倾向、或者兴趣爱好就暴露了，这个用户就被亚马逊打上了“标签”。
（3）个性化推荐营销服务
通过对所获行为信息的分析和理解，亚马逊制定对客户的贴心服务及个性化推荐。这不仅可以提高客户购买的意愿，缩短购买的路径和时间，在恰当的时机捕获客户的最佳购买冲动，降低了传统营销方式对客户的无端骚扰。
（4）统计用户行为数据
给目标用户发送邮件后，用户是否打开了邮件、是否点击了邮件中的链接浏览促销产品，这些行为都会被持续跟踪下来。整个促销推广活动而言，这样可以统计活动的效果，为下次评估类似促销的活动提供历史依据。 3.3.3对亚马逊大数据技术的应用分析
亚马逊最先把大数据引入电商行业，应用大数据技术改变客户的体验，将大数据技术与智能物流、物流集成相结合。在亚马逊近二十年的历史中，物流不但是其发展过程中的关键环节，也与大数据挖掘结合在一起，帮助亚马逊在物流集成方面实现更大的价值。由亚马逊强大技术支持的智能物流系统是其价值链扩张的重要部分，使其在整条产业链上建立竞争优势。
首先，亚马逊经由以云计算为依托的电商开放平台，通过客户数据收集、目标客户甄选、营销组合设计和营销信息推送四个步骤来实现精准营销。整个过程的核心在于对目标客户的准确定位，从而在分析客户偏好的基础上有针对性地发布营销信息。其次，有了数据分析系统的支撑，智能物流也得以发展。对于亚马逊这样一家秉承“客户至上”的企业来说，其智能物流方面的创新是其他电商企业难以企及的——物流的精准实现了更高层次的消费者体验满足。
亚马逊依靠大数据技术及大型的系统运输能力作为支撑，在物流集成方面有以下创新之处。
（1）智能化预估系统。
亚马逊的预估体系，在整个物流集成管理上起到了非常关键的作用。应用云计算的设备以及管理系统，亚马逊创建了智能化预估系统，对每个物流中心进行非常特别的管理方式，对仓储空间和配送路径进行相当精细的计算。亚马逊物流中心内的存货，不单单是同品种存放在一起，它们是乱七八糟的摆在一起，货物码放乱，但是乱中有序。亚马逊依据技术投入的大数据可推知客户在买一样货物时有哪些可能同时购买的关联货物，由此，他们在供货、上架、储存的时候，会按照数据的分配相互交叉的储存，使空间得到最好的利用，同时在拿货的时候，取用最短距离。这使得亚马逊的上架效率极高，空间的利用率极高。
亚马逊的下单，每一个对季节性产品的下单都会左右其数据如何支配，以及在库存里面的各个物流中心的储备，实时的调节库存，才可能实现库房或者我们叫做物流中心，每一个空间得到最好的使用。
（2）智能化运输调拨系统。
应用大数据技术，亚马逊实行全天侯全程时时监控运输网络。通过调拨和干线运输和最后一公里运输进行智能化管理实现“还未下单货在途”。购买亚马逊的产品，可以在网上看到一个配送时间的估算，这个估算实际上是用大数据跟物流体系进行的连接，这个连接能够让亚马逊知道，根据消费者的要求在什么时间送到，这个数据是在即时的情况下，消费者下单的时候会做出核算。亚马逊在美国、加拿大商品是跨境配送的，在中国实行的是全国配送。亚马逊配备了几大物流系统，像调拨线路；亚马逊采取智能调拨系统，在库房之间进行调拨，还有干线运输、第三方合作运输等多种方式。
（3）大数据、大系统出货能力。
出货时，亚马逊也采用大数据技术、大系统的能力。通过系统进行动态订单的处理，信息化智能控制来更多拣货的路径，提高拣货效率。目前这个信息系统可以达到百分之百的送货率，而库存的准确率可以达到99%以上。
应用大数据技术，亚马逊在物流集成方面的拥有以下三点创新之处。 第一，通过智能物流系统，亚马逊可根据线上的销售情况，实时记录当前库存，并以客户的偏好为依据，预测下一期的销售目标，从而使库存始终保持在一个较低的水平。
第二，除了对自身的物流管理，亚马逊大数据分析也与物流体系进行对接，将仓储物流服务与产品配送结合起来，定时或定点为消费者提供新鲜的产品和及时服务。借助终端GPS设备，送货员能够确定最优送货路线，在节省时间和财力的同时也为顾客提供了更优质的服务。
第三，亚马逊物流中心预估和调拨的体系涵盖了云计算设备和管理系统。通过大数据的分析，各类存货按照数据分配进行相互交叉的储存，对空间实现最优利用；而根据季节不同，库存系统会自动转移产品，合理利用库房。换句话来说，数据分析相关的设施建设和信息挖掘是亚马逊精准营销的前提，而物流配送方面的创新则是精准营销的效果巩固，最大层面上增强了客户体验。
4 大数据时代电子商务的机遇与挑战 4.1大数据时代电子商务的机遇
企业可以分析和使用的数据在爆炸式增长，通过对大数据的收集、整合、分析，企业可以发现新的商机，创造新的价值，带来大市场、大利润和大发展，大数据时代蕴藏着巨大的商机。
（1）大数据有利于市场营销。
大数据技术能够帮助电商获得更多的生意，销售人员预计实施大数据战略将对销售有显著的影响。大数据时代的社会化营销重点是理解消费者背后的海量数据，挖掘用户需求，并最终提供个性化的跨平台的营销解决方案。如果电商拥有了基于大数据的技术，在寻找潜在客户上、销售时间以及预测交易成功的几率上将会得到明显改善。
（2）大数据有利于个性化和精准的商品推荐。
大数据为个性化商业应用提供了充足的养分和可持续发展的沃土。顾客的结构、流量、点击率、购买的周期以及兴趣，都会在电子商务平台上产生大量的数据，通过对大数据的收集、整合和分析，电商可以对消费者的品位和消费意愿进行准确识别，主动为其提供个性化和精准的销售产品和服务，提高销售额和利润率。
4.2大数据时代电子商务的挑战
电子商务企业在大数据时代将会迎来重大的机遇和契机，同时也面临着大数据处理能力和隐私保护等方面的挑战。
（1）拥有大数据的挑战。在大数据时代下，电子商务的竞争已经成为基于数据的竞争。当今极速爆炸的信息量远远超越了大部分企业 IT 架构和基础设施的承载能力，其实时性要求也大大超越了现有的计算能力。有大数据是利用大数据的前提条件，若不具备整合大数据收集和使用的能力，企业就很难在广告和多个营销渠道中提供真正个性化和精确的产品和服务推荐，而拥有大数据的企业则能在竞争中脱颖而出，不战而胜。
（2）处理大数据能力的挑战。据统计，82％的公司正受到处理海量信息的挑战，而且他们花很多时间对其进行研究，89％的公司因超负荷处理数据而失去销售机会。仅仅坐拥大数据并不够，对大数据的分析和挖掘能力已成为企业的核心竞争力。
（3）对隐私保护的挑战。大数据时代，网络用户在互联网的评论、图片、视频、个人信息、兴趣爱好、交易信息、访问的网站等等均被企业记录在案。如在淘宝网上交易时的真实姓名、家庭住址以及银行账号等重要的真实信息，逐渐引起了我们对个人隐私的担忧。
在大数据时代，呈爆发式增长的信息资源给电子商务企业既带来了机遇也带来了挑战，通过对数据的分析运用将带来更多服务模式的革新，可以给消费者带来更多更好的服务体验，但是如何运用技术手段挖掘出有价值的信息和如何利用好这些信息还需要不断思考和论证。 参考文献：
[1]赵林度．电子商务理论与实务．人民邮电出版社.[2]柴岩兵，贾素彤．电子商务一走进数字化商务时代．产权出版社.[3]朱爱群．客户关系管理与数据挖掘．中国财政经济出版社.[4]李靖，易建湘．电予商务在中田．中国经济出版社.[5]安徽，梁春晓．电子商务应用．电子行业出版社.[6]李辉．如何响应即将到来的大数据时代．J.科技导报.2013.[7]黄浩．亚马逊：创新者的机会．J.中国信息化.2012.5.[8]刘琪．亚马逊：APP背后的秘密武器．J.IT经理时代．2012．10． [9]艾瑞斯．大数据思维与决策．2014．
[10]邓学军．亚马逊：成功电商的物流之道．J．中国邮政．2013． [1l]冉宝松．亚马逊开放物流背后的阴影．J．中国物流与采购．2012． [12]王晨晖．云端致胜：亚马逊电商帝国的财富密码．中国宇航出版社
第15篇：大数据：不是技术难题
90%以上的企业可以用他们90%的现有需求和技术、工具来解决现在的大数据问题。企业并不是缺乏解决这些大数据难题的工具、技术甚至人才.他们真正面临的问题是，如何在公司建立一个和大数据相匹配的文化与流程。
虽然眼下十分火热，然而“大数据”概念并没有明确的范畴，时大数据的定义只是相衬于当前可用的技术和资源而言的，因此，某一个企业或行业所认为的大数据，可能衬于另一个企业或行业就不再是大数据，时于大的电子商务企业，它们眼中的大数据要比小厂商眼里的大数据“大”得多;同时，大数据也会特续地演进，现在被我们认为庞大和恐饰的数据在10年之后只是小事一桩，但那时候将会有那个时代的新数据源。然而，面衬这些源源不断出现的“大数据”，哪些事情是希望从中发掘机会的企业需要注意的?
新数据源是核心
欧博思分析师认为大数据的三个“V”特征，即Volume(规模)，Variety(种类)，和Velocity (高速度)，这些只是大数据的第二位要素。大数据真正重要的“V”是Value(价值)。那么是什么带来了大数据的价值?
答案是新的数据源。
过去，获取网络浏览数据的技术门槛和成本都很高，而现在获取这些数据已经很容易，企业可以通过了解消费者浏览数据中展示的偏好以及未来购买倾向，来给他们推出最合适的折扣优惠。这都是新数据源的力量，这才是大数据的价值核心。
但在客户的沟通实践中，常常发现:大多数时候，人们都将精力投注在如何在“大数据”时代优化处理模型，或者升级技术装备以希求能提升分析的效果。
但是真正能提升分析效果的方式，是搜集并加入完全崭新的信息源。一旦新的、和从前不同的数据源出现并且能够被收集，你最好将自己的注意力转到这些新的数据上去一一比起你将精力放在模型优化上，新的数据源将能带来更大的收获。因此，在大数据时代，建议 就是，将你的精力放到不断寻求祈的数据源上吧。如今很多企业都会有很多新的数据源，如果正确使用的话，它们会带给企业非常有竞争力的优势。
小步快跑式
对大数据的另一个误解是，“大数据其实就是一个技术问题”。
事实上90%以上的企业可以用他们90%的现有需求和技术、工具来解决现在的大数据问题。企业并不是缺乏解决这些大数据难题的工具、技术甚至人才，他们真正面临的问题是，如何在公司建立一个和大数据相匹配的文化与流程，是缺乏对技术做投资的公司文化，他们的挑战是做出一个商业案例来证明技术升级是有价值的。
为了促进公司文化的转变，更建议一种“小步快跑”的运作方式，即在处理新数据源的过程中，企业内部的分析专家们应该积极寻找代价小、见效快的方法，不断向企业展示一些有价值的东西，来让人们保持对新数据源处理过程的兴趣。一个跨部门的大数据团队一定不能在组建一年之后，还对外宣称他们“正在试图搞明白”，要不时地迸发出想法，不管这一想法多么微小，然后迅速采取行动。
另外一个建议是，建立类似“创新中心”这样的地方，就是公司内部拿出少量的预算、人力资源、技术资源来做一些有一定未知风险的小实验，以小预算做试点，便于企业快速出击。
总的来说，大数据将为企业提供更多视角和洞察，通过和其他企业数据的结合，消费者洞察无论从数量还是质量上都会有指数级增长，因此最重要的一点，是大数据策略必须和其他数据结合形成整体数据战略，而不是独立的战略。
第16篇：互联网+与大数据
先看一则新闻：武汉的士集体抵制专车 开空车打双闪堵路。8月10号，在武汉长江大桥、二桥、解放大道、中南路武珞路沿线交通发生了大面积的拥堵，原因是武汉的士司机集体在道路上打双闪缓行，意在抵制武汉7万多辆“私家专车”。为什么的士司机要发动这场“战争”，我相信在座的各位都清楚：专车抢了的士的饭碗。说到专车，就不得不提导致私家专车产生的几家公司：滴滴打车、快的打车、uber以及一号专车，以及他们近乎疯狂打车补贴!有人可能会有疑问：你讲的这个和今天的话题有什么联系吗?有，想了解互联网时代的商业秘密就不得不剖析这些疯狂的背后的故事。
2014年，由腾讯入股的滴滴打车以及由阿里巴巴如果的快的打车掀起了互联网时代最疯狂的天价补贴：花钱让用户去免费坐专车，花钱去补贴专车司机，两家公司简单粗暴的烧钱推广活动在短短6个月的时间里烧掉了近20-40亿人民币。20亿，是个什么概念，有人可能会说，他们是疯了吗，有了这20亿做点什么不好，非要这么折腾?
那么我们来看看经过他们这么折腾后两家公司目前的市值估价：2015年2月滴滴快滴两家公司宣布合并，市值估计60亿——100亿美元，20亿人民币的投入，换来了360亿——600亿人民币的市值(如果不是Uber的搅局，估计会值更多)。相信在座的各位都会觉得这是一笔很划算的买卖。
滴滴快滴的成功可以称得上是互联网+时代的一个经典案例，后面的讲解中，我将会一一对其进行剖析。
2015年3月，李克强总理在政府工作报告上提到了一个词：互联网+，相信在座的各位都听过这个，那么到底什么是互联网+?其实互联网+早就存在，并且早就融入到了我们的生活中，比如网上订票，网上购物，网上预约，网上理财等等，说简单一点，“互联网+”就是“互联网+各个传统行业”，但这并不是简单的两者相加，而是利用信息通信技术以及互联网平台，让互联网与传统行业进行深度融合，创造新的发展生态。前面提到的滴滴快滴，如果用互联网+的概念来理解的话，就是互联网+汽车客运，它主要存在以下特征：
一是跨界融合。“+”本身就是一种跨界，变革，开放，融合。敢于跨界了，创新的基础才会更坚实；融合协同了，群体智能才会实现，从研发到产业化的路径才会更垂直。融合本身也指代身份的融合，客户消费转化为投资，伙伴参与创新等等，不一而足。融合就会提高开放度，就会增强适应性，就不会排斥、排异；开放了平台，可以让很多的人、物、服务、机构嵌入连接器，带来连接的价值，影响了我们智慧生活的方式、与世界对话的方式。互联网与汽车客运两个原本不在一个轨道上的行业，在滴滴快的身上得到了很好的融合，甚至成了相互加分的利器：互联网让打车、付款变得容易快捷，而汽车客运反过来又促进了互联网在该行业的发展。
二是创新驱动。传统行业粗放的资源驱动型增长方式早就难以为继，必须有创新，才能有经济增长的驱动力。要敢于打破垄断格局与条框自我设限，破除束缚生产力发展的因素，建立可跨界、可协作、可融合的环境与条件。一直以来，汽车客运行业一直是由的士、长途汽车所把控，由于垄断，该行业的服务质量和口碑一直饱受诟病，而另一方面，中国的私家车呈爆炸式的增长，甚至是过剩，严重的造成资源浪费和环境污染问题，很多私家车司机就希望充分利用资源，顺带着跑跑业务，赚点外快，但是由于没有政府认证以及缺乏监督和管理，私家车跑客运一直被称作为“黑的”，成为政府监管部门重点的打击对象。滴滴快递的出现，正好创新性的改变了这一切，打破了的士一家独大的的局面，同时也让所谓的“黑的”变得合法且规范。
三是重塑结构。重塑结构打破原有的社会结构、经济结构、关系结构、地缘结构、文化结构。结构被重塑的同时带来很多要素如权力、关系、连接、规则和对话方式的转变，摧毁了固有身份，如用户、伙伴、股东、服务者等身份在一定条件下可以自由切换。互联网改写了地理边界，也摧毁了原有的游戏规则以及管控模式。在弱关系社会里重新建立契约和信任关系，这是互联网非常重要的一个方面。传统的的士运输行业，无非就是司机和乘客面对面，手把手的交易，互联网的介入，导致了交易的多样性，打车不在局限于在路边招揽，电话邀约，而是可以很方便的通过网络预约，可以选择现金交易，网络自主和自动支付，甚至是免费!
四是尊重人性。人性是推动科技进步、经济增长、社会进步、文化繁荣的最根本的力量。尊重人性是互联网最本质的文化。互联网除却冷冰冰的技术性，其力量之强大最根本地也来源于对人性的最大限度的尊重、对用户体验的敬畏、对人的创造性的重视。例如用户生成内容、卷入式营销、分享经济，粉丝营销，都是透视人性、尊重人性的产物。
滴滴快滴土豪式的补贴背后，正是对人性的充分尊重后的结果，在滴滴快递中，你可以感受到良好的用户体验、分享传播、信息反馈等。
五是生态圈效应。关于互联网+，生态是非常重要的特征，未来的商业是开放的世界。在这个重要前提下，衡量企业跨界能力的一个关键因素，就是开放性、生态性够不够。只有在一个开放的生态系统里，跨界才能找到一些和外界其他要素之间的共通点。未来的跨界，一定要把企业的内部生态圈延伸出去，和外部的生态系统进行协同、交互、融合，跨界的力量才能有效地推动创新。滴滴快递成功的背后，正是汽车运输向其他行业开放的结果：互联网、物流系统、信息发布系统、支付系统、互动系统等，最终形成了专车行业独特的生态圈。
六是连接一切。互联网的连接将技术、场景、参与者、协议与交互、信任都融合在一起。互联网时代的连接大体上可以分三层：第一层“连接”很多机构和服务都可以做到，比如App超市、某一个游戏、某一档节目等，短时期可以聚来很大的流量。第二层“交互”很关键，它承上启下，没有交互，就很难分流、导流，建立信任和依赖。最后一层是“关系”，是连接的目的、创新的驱动、商业的核心，沉淀下信任性关系是连接的归宿，是商业的阶段性目标，是社会价值创新的基础。
滴滴快滴这个案例中，互联网+连接的不仅仅只有互联网和汽车运输，还有金融、信息、服务以及个体。
总的来说，互联网+其实就是利用互联网去整合、去创新、去改变、去发掘其他行业的潜能，从而达到行业的第二次新生。
如果说滴滴快递仅仅因为烧了20多亿人民币，以及做了互联网+就取得了成功，我估计在坐的各位肯定不会相信，的确，实际的情况也是这样的!那么，到底是什么让滴滴快递变得烧了这么多钱却还这么值钱?关键点：大数据!
大数据是什么?
对于互联网企业来说，大数据就是互联网公司在日常运营中生成、累积的用户网络行为数据。腾讯QQ是中国乃至全世界用户量最多的一种即时通讯应用，按理说，免费的QQ并不能产生直接的消费利润，但是正是这个免费却让腾讯成为中国互联网的三大巨头之一，原因只有一个：腾讯有着海量的用户资源，而用户资源就是一种大数据，腾讯可以通过分析、整理、归纳、挖掘这些数据，从而开发有针对性的产品以及战略布局，并且这个通过这个大数据带来的一个好处是：腾讯的任何一款产品，无需做大规模的推广宣传，就可以在很短时间内应用普及，腾讯游戏穿越火线、QQ飞车、QQ炫舞、QQ农场在推出后短短几个月内迅速干掉了原先的产品反恐精英、极品飞车、劲舞团、开心农场，而腾讯的另一款产品，微信一经推出更是引发了多个行业的地震，移动通讯、移动支付，甚至让自身的QQ都有被取代的危险。
所以，大数据的威力是无穷的，这里简要分析一下大数据的一些重要特征：
一、数据量大，这个量越大越好。2014年6月，快的打车覆盖人数超过2814万人，月度使用次数2.7839亿次，占总使用次数的52.05%;滴滴打车覆盖2405万人，月度使用次数2.5651亿次，占总使用次数的47.95%，两家打车软件合计月度使用总次数达5.349亿。
二、类型繁多，包括网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求。通过烧钱，滴滴快滴迅速的积累了用户信息、用户行为、金融等多重数据。
三、价值密度低，如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。滴滴快滴会如何去整合他的数据我不得而知，但是通过腾讯对这些密度和个体价值低的数据分析以及运用的情况来看，只要挖掘的好，恰当的利用，也会产生无法估量的大价值。
四、处理速度快，时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。任何新出来的产品，无论设计的时候想的多么完善，一旦经过市场的检验，总会出这样那样的问题。出问题不可怕，可怕的是处理问题不够及时。滴滴快递在推出APP应用后，先后更新了好几版，而且更新频率很快，其原因就是对运营中存在的问题进行更新。而实际上，我们所用的所有软件几乎隔一段时间就会更新，目的也就在于此。
大数据的作用？
1、帮企业了解用户
大数据通过相关性分析，将客户、用户和产品进行有机串联，对用户的产品偏好，客户的关系偏好进行个性化定位，生产出用户驱动型的产品，提供客户导向性的服务。
从大数据技术方面来看，用数据来指引企业的成长，将不再单单是一句口号。据百度副总裁曾良表示，从挖掘的角度来看，他们通过对每天60亿的检索请求数据分析，可以发现检索某一品牌的受众行为特征，进而反馈给企业的品牌、产品研发部门，能更准确地了解目标用户，并推出与调性相匹配的产品。
通过运用大数据，不仅可以从数据中发掘出适应企业发展环境的社会和商业形态，用数据对用户和客户对待产品的态度，进行挖掘和洞察，准确发现并解读客户及用户的诸多新需求和行为特征，这必将颠覆传统企业在用户调研过程中，过分依赖主观臆断的市场分析模式。
2、帮企业锁定资源
通过大数据技术，可以实现企业对所需资源的精准锁定，在企业在运营过程中，所需要的每一种资源的挖掘方式、具体情况和储量分布等，企业都可以进行搜集分析，形成基于企业的资源分布可视图，就如同“电子地图”一般，将原先只是虚拟存在的各种优势点，进行“点对点”的数据化、图像化展现，让企业的管理者可以更直观地面对自己的企业，更好地利用各种已有和潜在资源。如果没有大数据，将很难发现曾经认为是完全无关行为间的相互关联性，就如同外媒曾经提到的“啤酒”与“尿片”之间的关联营销一样，如果美元大数据这将是一种几乎不可能的事情。
3、帮企业规划生产
大数据不仅改变了数据的组合方式，而且影响到企业产品和服务的生产和提供。通过用数据来规划生产架构和流程，不仅能够帮助他们发掘传统数据中无法得知的价值组合方式，而且能给对组合产生的细节问题，提供相关性的、一对一的解决方案，为企业开展生产提供保障。
过去的所谓商业智能，往往大多是“事后诸葛亮”，而大数据则让企业可预测未来的走向，帮助企业做到“未雨绸缪”。大数据的虚拟化特征，还将大大降低企业的经营风险，能够在生产或服务尚未展开之前就给出相关确定性答案，让生产和服务做到有的放矢。
在这方面，不得不提到的就是最近火爆的《纸牌屋》，它的剧集为什么会受到全球欢迎?有很大一部分原因就跟它前期依据大数据技术和思维方式所做的准备。据称，《纸牌屋》的数据库包含了3000万用户的收视选择、400万条评论、300万次主题搜索。下一季剧情拍什么、谁来拍、谁来演、怎么播，都由数千万观众的客观喜好统计决定。
4、帮企业做好运营
过去某一品牌要做市场预测，大多靠自身资源、公共关系和以往的案例来进行分析和判断，得出的结论往往也比较模糊，很少能得到各自行业内的足够重视。通过大数据的相关性分析，根据不同品牌市场数据之间的交叉、重合，企业的运营方向将会变得直观而且容易识别，在品牌推广、区位选择、战略规划方面将做到更有把握地面对。
对于大数据对企业运营的导航左右，梦芭莎集团董事长佘晓成深有感触，他不禁感慨“大数据让我们能够及时调整运营策略，现在的库存每季售罄率从80%提升到95%，实行30天缺货销售，能把30天缺货控制在每天订单的10%左右，比以前有3倍的提升。
5、帮企业开展服务
通过大数据计算对社交信息数据、客户互动数据等，可以帮助企业进行品牌信息的水平化设计和碎片化扩散。经济学家Richard H.Thaler曾经提出一种观点，“个人观点的微小变化都可以演变为所有人的群体行为模式的重大变革。”在这一重大变革的背景之下，对微小的信息流，企业都必须重视，而客户服务为应对这种情况，也需要像空气一样分布在一些细枝末节之中。企业可以借助社交媒体中公开的海量数据，通过大数据信息交叉验证技术、分析数据内容之间的关联度等，进而面向社会化用户开展精细化服务，提供更多便利、产生更大价值。
那么，问题来了，大数据怎么来?
需要通过长期而广泛地的收集用户信息汇总而来，一般来说，这种数据有两种重要来源：一种是长期的人工统计，一种就是通过互联网运营中进行收集和整理。
大数据的重要作用其实在传统行业中也表现的很明显，在座的各位都是从汽车后市场行业走出来的，我相信凭借对这行业的熟悉，你们对每天、每月、每个库的销售情况都会有一个大致甚至很准确的预判!为什么你们会有这么样的能力?关键点：熟，用大数据的说法就是，你们能从长期以来的销售数据中通过整合、分析，从而得出预期的判断，这就是大数据的作用和魅力。
上面提到了两种数据来源的两种模式，第一种，我相信大家很容易理解，后面将由我的同事给大家讲解一下：什么是网络运营?这里我只是大概提一下。
网站运营是指一切为了提升网站服务于用户的效率，而从事与网站后期运作、经营有关的工作;范畴通常包括网站内容更新维护、网站服务器维护、网站流程优化、数据挖掘分析、用户研究管理、网站营销策划等。
通俗的说，网络运营就是怎么把网站推出去，从而产生交易，达到想要的互联网营销效果。
以上种种可能会涉及到专业性很强的内容，在座的各位不一定要全部弄懂，只需要知道网络运营的一般流程就够了，当然，如果有兴趣，可以去进一步了解。
通过以上的介绍，我相信大家应该对互联网时代的商业特点有了一定的了解，其实汇总起来可以就一句话：用互联网思维去做符合互联网时代要求的事。
所谓互联网思维，就是在(移动)互联网、大数据、云计算等科技不断发展的背景下，对市场、对用户、对产品、对企业价值链乃至对整个商业生态的进行重新审视的思考方式。即通过互联网+来进行整合、颠覆、创新，从而创造出符合互联网时代的商业法则。
重视体验和设计，以体验设计为核心，与用户共同创造新的商业模式。
不尊重用户体验，或者用户体验不好的应用终究将会被市场所淹没，上面提到的天涯和猫扑两个大型的社交网站的沦落以及微博微信等应用的盛行正说明了这一点。 必须好用且免费（或优惠），用户要用的开心又要实惠。
传统行业，比如开一个保养店，只要我开张了，有技术有设备，自然就有人来进行消费，但是互联网+行业不一样，没有足够吸引眼球且让用户觉得实惠的产品终将会被其他同行所淘汰！这样的例子比比皆是，最显著的一个例子是360杀毒，周鸿祎在做360杀毒之前，曾推出过金山毒霸，然而在其他传统杀毒软件的大战中始终处于行业底部。直到360杀毒的横空出世，才彻底扭转战局，奠定了现在在国内杀毒行业老大的地位。
免费并不意味着就是赔钱，360杀毒虽然免费，但他带了了数以亿计的大数据，通过这些数据的挖掘，360成功的拓展了游戏、电商、数码产品等其他市场。
必须挖掘用户兴趣，培养粉丝，以社群成就无需细分的定位、无需广告的营销。
在中国，互联网行业最有名的粉丝文化公司当属小米，小米的社区文化有很重要的一条：米粉们积极互动、让粉丝参与MIUI设计改进的成分不断加强，定时会给米粉们发一些赠品来回馈他们的支持，这些举措都表明小米公司再为用户打造有用的产品。 这些措施给有主见、有想法且希望自己的想法能得到体现的80后、90后乃至00后这些群里极大的参与感，培养了他们对小米产品的兴趣，从而增加了用户的黏性。
互联网时代的商业规则对不同的行业也许效果和作用不同，但是如果其他行业想分互联网时代商业的一杯羹，就必须遵守互联网的游戏规则，否则就只有一个下场——出局。
感谢大家的倾听，今天讲的内容可能有些多，也可能有些地方不够成熟、不够细，这里做一天推荐，大家可以看一下奇虎360CEO周鸿祎写的《我的互联网方法论》，腾讯CEO马化腾《互联网+：国家战略行动路线图》，有互联网时代“孙子兵法之称”的《互联网思维“独孤九剑”》，以及在爱奇艺中搜索一下《金错刀钱规则》。谢谢！
第17篇：中医药与大数据
中医药与大数据 ——信息化时代程序设计课程群建设的探索与研究培训体会
“大数据”这个新词，近两年曝光率颇高。字面意思好像谁都看得懂，却又似懂非懂。
谷歌预测流感趋势，微软预言奥斯卡奖，多次成功后，大数据被传得神乎其神。到底怎么解释？在社会生活中有哪些应用？我国核心技术研发现状如何？大数据和保护隐私间怎样平衡？
大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。
大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。
大数据就是互联网发展到现今阶段的一种表象或特征而已，没有必要神话它或对它保持敬畏之心，在以云计算为代表的技术创新大幕的衬托下，这些原本很难收集和使用的数据开始容易被利用起来了，通过各行各业的不断创新，大数据会逐步为人类创造更多的价值。
中医，从古到今，历经几千年的传承、发展，成为中华文化一个重要的组成部分。中医，也像很多灿烂的传统文化遗产一样，面临着新的挑战和机遇。如何让中医的“古”和现代科学技术的“今”互相融合、彼此促进，让中医在当下焕发新的魅力？传统的中医药科学，在人类医药学史上作出很大的贡献，还曾经在世界医药学史上有很多“第一次”的创举。不过，在创造了无数辉煌和“第一”的同时，中医药也有着自身的弱点。天人相应、取类比象，具有不精确性；治病因地、因时、因人制宜，但方法单
一、主观，缺乏客观性、恒定性及标准化„„通俗地讲，对于同样的病，不同的中医开的药可能不一样，而西医开的药是一样的。作为一名中医学者，刘良认为，中西医的这种差别，是医学哲学和治疗理念的差别：“人的身体状态在变，环境条件在变，所以中医的治疗方法相对也在变。西医讲究群体治疗，某些病、某些药的治疗和研究采用的都是现代世界公认的研究方法。中医有所长，但也有所短。”
数字化和智能化技术，也应该与中医药发展紧密相关。刘良认为，数字化是现代科学的象征，这正是中医药的弱项，但又是中医药现代化所必需的。
“大数据”越来越被人们熟悉，也越来越多地被运用到不同的领域。刘良认为，在中医药这种复杂体系下采用高新技术来研究，所产生的数据其实更大，更需要引入“大数据”的科学分析方法，“数字化、智能化、个体化中医药诊疗系统的建立，将使传统中医药产生历史性变革。”
澳门科技大学中药质量研究国家重点实验室，是中医药实验室里唯一一个国家级重点实验室。中医药的基因条码技术、中药活性成分快速分离与鉴定技术、单细胞分选和纯化技术、活细胞及分子显微成像可视化技术、蛋白质组学技术、脂组学技术„„这些看上去与传统中医药距离特别遥远的高新科技，都在这个国家级重点实验室得到有效的应用。
不仅如此，现在中医药还把人参的种子送上了太空，“不是为了宣传什么，而是中医药有很多领域需要去想，需要去做，你主动去想了、去做了，机会就多了。送人参种子上太空，就是希望找出它的优势基因，便于育种和培育出人参的
新品种。只要去努力对接，中医药就会有很多新技术。
中医药学能够发展2000多年长盛不衰，是因为有确实的疗效。但是为什么大家总是对中医怀疑呢？关键在于中医疗效证据缺少科学数据的支撑。如果我们能够把中医药学所有的诊疗过程数据化，把中医诊疗的结果数据化，把中医与病人的沟通数据化，中医就真正成为以大数据支撑的令人信服的学科了。
当前，数据已经渗透到所有领域，成为重要的生产因素。大数据的特点是数据量大、数据类型多、价值密度低、商业价值高、处理速度快、潜在应用价值高。大数据时代的到来，引起人们思维的变革是多方面的，最主要有三个方面：一是从随机小样本向全样本转变，二是从精确性向混杂性转变，三是从因果关系向相关关系转变。也就是说，在小数据时代简单范式下，人们往往会将各种复杂事物简单化、静止化，通过精确的抽样小样本，追求因果关系，回答“为什么”。在大数据时代复杂范式下，人们借助各种信息手段，往往会在复杂事物的过程中，通过混杂的全样本信息，首先探求相关关系，用大数据来回答“是什么”。而且往往依据“是什么”就可以帮助我们解决非常多的临床和生活当中的一些问题。如大家熟悉的来自2000多年前《伤寒论》中的“白虎汤”、“麻杏石甘汤”等古代经典名方，临床使用只要方证对应，相关关系明确，常常可以救治危重大病。尽管到目前为止，研究其物质基础的不少，但其复杂关系中的“因果关系”却始终没能阐明，然而这丝毫不影响其临床的使用。大数据时代思维变革，将会使人们从追求因果关系的渴求当中解脱出来，开始寻找复杂数据中的相关关系，用新的视角来看待世界、看待工作、看待生活。
2000多年前，张仲景并没有做我们现在这么多的实验，但是他写出了《伤寒论》。他在序言中说自己是“勤求古训、博采众方”。其实他就是把大家已经积累的经验数据化了，在里面抽取了有关中医防治伤寒病的方法。《伤寒论》至今我们还在应用，对整个中医学界的影响是不可估量的。
大数据时代中医药的变革，还有三个关键环节。一是要有数据；二是有了这些数据怎么用，要有思维；三是从哪个地方用这些数据，要有技术。很多人跟着老中医学习，拿着本记，靠自己的脑子进行总结，这都是很有限的。
数据本身就是一种事实，它代表着对某个事件的描述，它是可以记录、分析和重组的。数据化就是把一些现象转变成可制表分析的量化形式的过程。如何把中医药每次的临床过程数据化？大数据这种高新技术能不能很好地用到中医里面来？能不能把中医自身发展规律持续健康地发展下去？这是我们面临的关键问题。如果能把这个问题解决，中医药学就成了一个真正有大数据支撑的学科。同时，我们如果能够解决海量数据处理分析的方法，中医就会插上腾飞的翅膀。
第18篇：大数据与个人
大数据应该服务于个人还是服务于商业?这其实是一个深刻的问题。一个不好的事实是，目前主流的认识偏向于大数据的商业价值，许多人误以为大数据是为了帮助商业组织更好地赚钱，让他们从竞争中脱颖而出。
未来会有公司或因自我迷失或因外部误导，走上商业利益绝对化的大数据利用之路——殊不知在新知识和信息机制大发展的环境下，以大数据引爆商业利益固然未可厚非，但一旦在这一过程中有意或无意地损害了个人的利益，同样会引爆报复性的反击，而且这不仅是个人层面的，更是社会层面的反击。
商业巨头们经常产生一种误解，认为他们所拥有的大数据是自己的财富，是自身赢得竞争、战胜市场的资源。但是，大数据的终极所有者并不是商业组织，而是社会以及个人，市场的内在要求是大数据必须开放和共享。
正如市场是人的活动的产物，大数据同样是用户活动的产物而非市场的产物。应该讲，在历史的长河中，目前的大数据还处于成长初期归属未明、制度缺失的特定时期，商业组织对大数据并不拥有法定的占有、使用、收益和处置权，其至多拥有某种事实上的占有权。
大数据之“大”，既在于其总体体量之大，也在于其对个人而言的意义之“大”。对个人而言，大数据不仅意味着传统意义上的隐私，更意味着一个人是否交出对自己生命的控制权，是否让自己成为数据枷锁下的奴隶。这是必须树立的一个非常重要的认识。
大数据是个人生命的一部分，是社会肌体全新的核心构成。如果社会和个人放弃对大数据的权利要求，那不啻于将个人类的一部分天然权利割让给不同的商业组织，或者说人们默认自己在部分意义上成为某些商业组织的奴隶——人将不再是自由的社会人，因为他们的一部分成为商业组织牟利的机器。
大数据可催生核武器一般的社会权力，其无论为政府还是商业组织所掌控都可能破坏近几百年相对趋于稳定的社会制度基础，而且随着大数据的迅猛增长和相关技术、机制的高速发展，这种风险正如暴雨和洪水下猛涨的河流水位一般，随时会猛烈地冲击社会权力稳定的传统堤坝。
这向我们提出一个必须令所有人重视和警醒的问题：在大数据时代，如何界定大数据的权益归属，如何控制大数据的使用风险?在大数据时代，如何保持我们全社会的数据民主?
如果大数据在商业利用的消极方向滑得太远，其所带来的将不仅是个人隐私方面的问题，大数据的风险既是个人风险，更是社会风险。当大数据的损害发生时，付出代价的不仅是个人，还将包括整个社会的文化价值观以及权力和财富的结构。
大数据的权益归属之争，事关个人和社会的自由与未来。其实，当大数据之潮流尚方兴未艾之际，关于大数据力量、控制和风险的矛盾、分歧就已暗流涌动。当商业组织欢呼雀跃，市场人士一片赞声的时候，每个人都需要反思的是，大数据在给予我们的生命以馈赠的同时，是否还有可能从我们的生命中剥夺什么?
第19篇：拟新增大数据技术及应用专业的申请报告
拟新增大数据技术及应用专业的申请报告
近几年来，互联网行业发展风起云涌，而移动互联网、电子商务、物联网以及社交媒体的快速发展更促使我们快速进入了大数据时代。为了更好服务宿迁地方经济的发展，推动宿迁新的经济增长点，主动适应地方经济社会发展的需求，推动校企合作的发展，解决人才紧缺的问题，江苏城市职业技术学院/宿迁办学点现申请新增大数据技术及应用专业。
一、开设背景分析
当今社会已经进入了大数据的时代，大数据的应用正在逐步从互联网、金融扩展到教育、政务、交通物流、医疗健康等各大社会和经济领域,，深刻影响中国未来社会和经济的发展进程。这些发展促使我们快速进入了大数据时代。截止到目前，人们日常生活中的数据量已经从TB(1024GB=1TB)级别一跃升到PB(1024TB=1PB)、EB(1024PB=1EB)乃至ZB(1024EB=1ZB)级别，数据将逐渐成为重要的生产因素，人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。大数据时代，专业的大数据人才必将成为人才市场上的香饽饽。当下，大数据从业人员的两个主要趋势是：
1、大数据领域从业人员的薪资将继续增长；
2、大数据人才供不应求。
二、目前大数据技术及应用专业行业人才需求和培养情况
1、行业现状（人才缺口巨大）
今天，越来越多的行业对大数据应用持乐观的态度，大数据或者相关数据分析解决方案的使用在互联网行业，比如百度、腾讯、淘宝、新浪等公司已经成为标准。而像电信、金融、能源这些传统行业，越来越多的用户开始尝试或者考虑怎么样使用大数据解决方案，来提升自己的业务水平。在“大数据”背景之下，精通“大数据”的专业人才将成为企业最重要的业务角色，“大数据”从业人员薪酬持续增长，人才缺口巨大。
全球最顶尖管理咨询公司麦肯锡(McKinsey)出具的一份详细分析报告显示，预计到2018年，大数据领域的工作需求急剧扩大，工作岗位激增。大数据科学家的缺口将在14万到19万之间，而懂得利用大数据做决策的分析师及经理的岗位缺口预计可能达到150万。
2、企业需求
如果说2015年是“大数据元年”的话，那么2016年就是大数据产业真正爆发的一年。如今，2017年我国大数据产业发展已初具规模，但在人才市场上缺乏综合掌握数学、统计学、计算机等相关学科及应用领域知识的综合性数据科学人才，特别是缺乏既熟悉行业业务又掌握大数据技术与管理的综合型人才。企业需要的大数据人才，从个人素质方面，需要以下能力：
良好的数据敏感度，能从海量数据提炼核心结果。对统计、数学建模有强烈的兴趣和钻研精神。
良好的学习能力、团队协作能力、逻辑思维能力、分析能力。擅长与商业伙伴的交流沟通，具有优秀的报告讲解能力及沟通能力。
工作高效，有条理，细致，态度积极，责任心强，能够承受较强工作压力。 在专业技能方面，需要以下能力：
熟悉数理统计、数据分析、数据挖掘等基础知识，熟知常用算法。 熟练使用SAS、SPSS、R、Excel等统计分析软件。精通至少一门编程语言（C、Java、Python、shell）。了解数据结构和算法设计。熟悉Linux操作系统开发环境。
三、开办大数据技术及应用专业的条件和理由
1.增设大数据技术与应用专业是适应大数据时代形势发展的需要 当今时代，数据资源被视为是一种国家基础性战略资源，数据科学成为推动经济转型发展新动力，重塑国家竞争优势的新机遇和提升政府治理能力的新途径。2015 年 8 月 31 日，国务院印发了《促进大数据发展行动纲要》（国发[2015]50 号），系统部署我国的大数据发展工作。
2.增设大数据技术与应用专业是为了满足江苏省电子商务产业经济发展对数据科学人才的需求当下的江苏，正处于电子商务产业经济发展的高速阶段，2015年底，省政府召开新闻发布会发布《关于大力发展电子商务加快培育经济新动力的实施意见》，力争到2020年，全省电子商务交易额超过4.5万亿元，其中网络零售额超过1.4万亿元。为了实现这一目标，未来5年，全省将通过创建100个江苏省电子商务示范基地、100个江苏省电子商务创客中心等一系列举措全力推动电子商务发展提速。目前，就宿迁市而言，宿豫区电子商务产业园、京东商城宿迁分公司、湖滨新区的保险小镇等一系列大型企业无不需要实现“应用、数据、产业”三位一体协手并进,推动大数据产业集聚发展，这些企业的行业云及大数据平台正在加快建设。为解决急需的数据科学人才问题，2017年初，在江苏省发布的《江苏省大数据发展行动计划》中明确鼓励高校设置数据科学与大数据技术相关专业,重点培养具有数理统计、数据挖掘、大数据管理与分析等知识和技能的复合型人才。因此，数据科学与大数据技术专业的设立将满足江苏省经济社会发展对数据科学人才的需求。
3.师资力量
我系具有雄厚的师资力量，教师对工作精益求精，能胜任主干专业理论教学，掌握本职工作基础理论，能运用理论指导实践、解决问题，是一支具有较高理论水平、较强实践能力、热爱本专业教育工作、工作认真细致、积极主动、有奉献精神、热心高等职业技术教育的师资队伍。
教师们积极投身教育教学研究和实践，努力提高学术水平和综合素质，形成了一支由学科带头人、中青年骨干教师为中坚力量，热爱教育事业、团结互助、爱岗敬业、知识结构新、创新能力强、实践能力过硬的“双师型”专业教师队伍。目前，专业共有校内专任教师11人，其中高级职称4人。整个教师队伍的年龄、职称、学历、能力等结构合理，形成了有良好发展前景的学术梯队。无论从职称到年龄，专业教师结构十分合理，符合高等职业学校专业设置标准规定的要求。
综上，大数据技术及应用专业具有开设的可行性，符合社会对该人才的需要，江苏城市职业技术学院/宿迁办学点在原有专业基础上，已经具备开设该专业的能力，故将此专业列为2018年新增专业申报。
负责人签字： 申请日期：
公章：
第20篇：大数据对教育的应用
大数据对教育的应用
魏慧娟
大数据时代的来临对各行业都产生了深刻的影响，教育领域也不例外。学员的学习行为、思维方式，教师的授课理念、教学方法，学校的教育管理、教学评价无一例外都受到大数据的影响。教育领域必定会在大数据技术的推动下发生深层次的、多元化的创新与变革。
一、大数据对教育领域的影响
1.教育理念与教学评价被迫革新。教育作为社会子系统的重要组成部分深受社会形态影响，现代的教育体系几乎是伴随着工业社会发展同步发展的。市场的扩大与提高，对劳动者劳动技术与经验的要求远远高于个体层面的文化修养，合格劳动力的衡量标志是能不能解决问题。这一实用主义特点对教育领域的影响是巨大的。传统的教学评价不论对学生还是对教员，总是依赖能力测试，通过考试分数的数理统计分析来评价学生与教师。在大数据时代，则是跟踪记录教师与学生教与学的长期行为并对之进行分析，采用过程性、归纳式、多元化的方式进行评价。
2.个性化教学得以真正实现。运用大数据技术，在线平台能实时记录每一位学生的学习行为，教员获得全面丰富的数据内容后利用数据挖掘技术加以整合分析，不但能掌握学生个体的学习状态、知识接受水平，还能了解哪种教学方法对该学生最有效，以及该学生具体的薄弱点。教师根据这些数据就可以针对学生个体因材施教，制定个性化的教学方案、教学活动和学习计划，教学工作真正从共性化的群体教学转向了个性化的个体教学。个性化教学的实现能大幅提高教师的教学质量和学生的学习效果。
二、大数据在教育领域的应用模式
大数据在教育领域的应用模式本质上就是数据的生命周期，即数据获取、数据存储、查找与分析、可视化、决策。
1.教育者角度的应用，即教学领域知识模型构建。大数据教育系统对现有的教学内容建模后通过数据挖掘、学习分析和在线决策各子系统，所必须掌握的教学知识点、教学单元与教学课程之间的逻辑关系，最终重新构建领域知识结构，对现有的教学内容与方法进行改革，达到提高学生学习效果和教师教学效率的目的。
2.学习者角度的应用。（1）个性化课程分析。大数据教育系统首先获取某个学生以前的学习表现，从已毕业学生的成绩库中匹配与之相似的学员，分析已获得的成绩和待选课程表现之间的相关性;然后通过学习满意度调查问卷分析评估学生个人情况;再结合专业课程的重要性，为学生列举课程清单。并向其推荐有可能取得优秀成绩的课程。（2）助学需求预测。大数据教育系统可以通过收集校园卡的生活与消费记录，以一日三餐为主要权重指标对生活必要开销进行计算评估，当发现某学员的消费明显低于预警线时，会主动通知学校相关管理方，由相关部门与学生进一步沟通，并进行相应调查，判断该学员是否需要助学帮助。
3. 其他应用。当大数据教育系统与其他领域的大数据系统互联互通后能发挥的作用不可估量。比如，与社保、医疗、金融、公安、政府等大数据实现安全共享后，教育系统内所有学校与学区内的情况可以从各个角度可视化地展现在出来。大数据系统既能帮助学员从选择学习合作小组到职业规划的制定等各个方面进行辅助指导，也能帮助国家层面的教育管理者制定宏观教育政策、调整教育改革方向、分配教育资源。
总而言之，大数据在教育领域的应用惠及该系统内学生、教师、教育管理者、教育研究者等所有人员，它是未来教育发展的必然趋势。但作为新生事物，大数据具体的应用还不成熟，需要在实践探索中不断改进完善。
