眾公司搶灘大數據藍海

1. 巨頭搶灘大數據風控，都用了什麼姿勢

2016年在互聯網金融領域，金融科技（Fintech）成了最火最紅的一個詞。特別是在11月份的烏鎮世界互聯網大會上，有關互金融的會議議程中都已經不怎麼提「互聯網金融」這種說法，而是進化到了數字普惠金融和金融科技這些說法。

既然要做到數字、科技，必然需要依靠大數據來做金融。恰逢這些天借貸寶的「裸條」事件曝光，也暴露了在互聯網金融行業里，不少企業的風控做得非常初級，甚至是簡單粗暴。互聯網金融讓快速交易成為可能，不做好風控一定會造成巨大風險，而數字和科技恰恰是做好風控的核心。

做風控往往要一套風控模型，用來計算平台方能夠承受什麼風險等級的客戶，將各種金融交易的市場風險控制在合理的范圍內，使衍生品市場交易能夠穩定運行，最可能減少波動。今天無論是螞蟻金服、微眾銀行、網路金融、網易金融還是京東金融，雖然都是靠大數據做風控，但各家做法又有很多細節差別。

螞蟻金服的CTU智能風控大腦

毫無疑問，螞蟻金服在金融科技領域一直是領頭羊的位置。螞蟻金服最強的也就是大數據處理能力，其中有一套CTU智能風控大腦，這也是螞蟻金服的工作核心。

所謂的CTU智能風控大腦，工作流程主要是分成這樣幾步——判斷請求發起是否為帳戶主人。CTU判斷是否為賬戶住人主要通過是否是可信的行為、可信的位置、可信的設備以及可信的關系。如果這些緯度都可信，再去判斷資金、個人隱私、相關數據有無風險。判斷依據就是我們所熟知的支付寶、余額寶、招財寶、芝麻信用、網商銀行等業務數據。

阿里在金融體系的數據很強，特別是因為淘寶、天貓這些電商平台上積累的電商數據更是對個人用戶的消費能力有很大的洞悉能力。用戶電商消費記錄、旅遊消費記錄、以及加油消費記錄都可以作為評估其信用的依據。有的互聯網金融公司專門從事個人電商消費數據分析，只要客戶授權其登陸電商網站，就可以藉助於工具將客戶歷史消費數據全部抓取並進行匯總和評分。

芝麻信用的最大作用就在於此，再加上芝麻信用打通了微博之類的平台，社交數據也在逐漸補足。目前，螞蟻金服的數據包括在線購物、與他人資金往來、還信用卡、資金理財、公用事業費繳納、房屋租賃或買賣、跳槽情況、婚姻狀態、社交關系等，從用戶信用歷史、行為偏好、履約能力、身份特質、人際關系等。

重要的是，螞蟻金服的數據還在向傳統金融機構開放，一方面通過傳統金融機構獲取數據，另一方面和傳統金融機構合作，這種數據獲取能力使其數據之強無出其右。當然，螞蟻金服也有數據短版，前段時間的「支付鴇」事件可能也從側面證明，螞蟻金服想進一步挖掘社交數據，完善風控體系。

微眾銀行用6個模型找到壞客戶

在微眾銀行看來，海量客戶可以確保資產結構穩定。當做到上億級用戶時，信用風險就是可以接受的社會平均風險，微眾銀行要做的就是在社會平均風險下挑出「壞客戶」，進一步降低風險。

壞客戶的數據其實在徵信公司手中都有。目前，市場上有近百家的公司從事個人徵信相關工作，其主要的商業模式是反欺詐識別，灰名單識別，以及客戶徵信評分。反欺詐識別中，重要的一個參考就是黑名單，市場上領先的大數據風控公司擁有將近1000萬左右的黑名單，大部分黑名單是過去十多年積累下來的老賴名單，真正有價值的黑名單僅在兩百萬左右。

騰訊不僅和徵信公司合作，旗下的微眾銀行也通過6個模型找到「壞客戶」——微信社交、QQ社交、財付通交易數據、人民銀行資產負債與還款狀況以及是否急需資金。總體來看，微眾銀行最大的優勢在於騰訊的社交數據。一方面通過和微信結合推出了微信支付，和QQ結合推出了QQ錢包，用社交的方式帶動金融；另一方面又通過社交數據以及用戶在銀行的資產數據來判定用戶的信用情況。

不過，因為缺乏用戶在衣食住行等電商、O2O、生活服務場景的數據，所以微眾銀行正通過加強與O2O平台合作的方式，來積累用戶的消費數據，完善自家的數據風控體系。相比於螞蟻金服，微眾銀行的數據優勢還是在於社交體系中的強大數據積淀。

網路金融主動預警捕捉高危行為

互聯網金融公司利用大數據進行風控時，都是利用多維度數據來識別借款人風險。同信用相關的數據越多地被用於借款人風險評估，借款人的信用風險就被揭示得更充分，信用評分就會更加客觀，接近借款人實際風險。

網路金融主要是打通「人+手機+設備+IP」（如手機號、身份證號、設備號、網路賬號等）等關聯緯度，基於全網行為進行監測，捕捉高危行為特徵，在貸前准入方面就開始排查風險，進行反欺詐識別，生產黑名單，對借款人的行為進行預測。在貸款後，也會對借款人貸後行為進行跟蹤和監測，只要觸發預警規則，也會激發提醒。

網路金融的這種做法的邏輯和微眾銀行其實非常相似，思路都是找到「壞客戶」，然後降低平均風險。除此之外，網路金融此前還和中信銀行合作成立「百信銀行」，合作開發金融產品。實際上，這種做法一方面是為了獲取渠道，另一方面，也是雙方互相補足徵信數據的一種做法。此外，網路旗下的O2O業務也能為其數據積累奠定一定的基礎。

在金融業務和風險控制這兩方面，金融機構有天然的優勢。金融是一個強監管和門檻較高的行業，金融機構多年積累的風險甄別能力，以及對金融的理解和產品的設計能力，這些是很難被互聯網公司所取代的。網路金融和中信銀行之間的關系是網路的壁壘所在。

網易金融構建北斗七大風控模型

相比於螞蟻金服是靠大而全的數據構建的風控體系以及微眾銀行、網路金融的濾網型風控體系，網易金融更注重全流程構建風控體系，並在關鍵節點上進行風險控制。

網易北斗是網易金融構建的智能風控平台，其風控流程和其他平台一樣，都分成了貸前、貸中、貸後這三個部分，但是網易北斗把貸前、貸中、貸後分得更為細致——網易北斗在貸前做了獲客引流模型、反欺詐型模型以及風控授信模型，先構建了篩選機制。在貸中又做了信貸管理模型，確定放貸的金額以及調查還貸能力等。在貸後還有風險預警模型、雲催收模型和用戶增值模型，一方面可以防止出現壞賬的情況，另一方面也是在判斷用戶未來的業務合作以及增值空間，為後續的二次貸款做好准備。

網易金融不僅做好自家平台的風控體系，並通過和銀行、傳統金融機構合作賦能的方式釋放自己的大數據風控能力。一方面是做了魔鏡精準營銷服務平台這個大數據一站式精準智能營銷系統，幫助傳統金融機構獲客及精準營銷。另外一方面也是通過網易七魚這個全智能雲客服專家系統，幫助傳統金融機構解決各項問題，讓銀行提升審批效率和降低成本。在獲客和解決問題的同時，實際上網易金融的深度學習系統也在不斷提升，並且未來很可能可以與這些金融機構有更多在數據方面的合作。

雖然說網易金融在大數據風控方面的能力和螞蟻金服有一些差異，但是在今年9月，清華大學在和網易金融建立金融科技中心的基礎上，和螞蟻金服也簽署了合作協議，網易金融事實上和螞蟻金服在風控層面上有一些數據合作。這對於雙方的大數據積累、風控能力提升都有一定的幫助作用。

除此之外，魔鏡精準營銷服務平台以及網易七魚這樣的雲客服專家系統也是體現了網易金融在智能風控領域注重實用性的一面。也難怪今年烏鎮世界互聯網大會上，丁老闆對媒體說，「我們肯定在這些方面（人工智慧）是遙遙領先的！」

京東金融一手靠消費一手靠合作

京東做風控主要是靠消費金融來驅動，通過京東商城龐大的交易數據為基礎，覆蓋了物流、用戶等京東生態體系內的所有有效數據，不斷構建大數據基礎以及風控系統。

2015年6月份，京東還投資了美國互聯網金融公司ZestFinance，且成立名為JD-ZestFinanceGaia的合資公司，以將後者的信用模型應用於京東的消費金融體系和風控模型。京東在國內的合資風控公司也即將開業，參股公司還包括數據銀行聚合數據、個人信貸風控公司聚信立。做這一系列的布局，其實也表明，京東在通過這種合作的方式不斷完善自家數據。

在京東生態圈之外，京東金融通過各種合作、投資模式，獲取到更多的生態數據。比如說京東金融投資了不少汽車租賃平台，切到汽車後市場。另外，京東也和百安居之類家裝平台進行合作。京東一方面是在支付、供應鏈、產品眾籌等領域和合作夥伴展開合作，另外一方面也是不斷通過合作、投資的方式不斷拓展到生態體系外的其他場景之中，不斷豐富自家的數據。

按照京東的數據統計來看，投資+合作這兩種方式已經讓其覆蓋了教育、租房、裝修、旅遊、汽車等眾多消費場景，囊括了近 2000家京東商城的供應商。這對於京東風控能力的提升會有較大幫助。

寫在最後：

2016年互金行業進入以金融科技為潮流的轉型期，技術逐步成為平台的核心競爭力，擁有強技術和數據優勢的平台將在行業競爭中脫穎而出。從國內主流互金玩家的整體來看，目前各家都處於信用數據的收集期和積累期，採用用戶社會行為和社會屬性數據，在一定程度上補充了傳統風控數據維度不足的缺點，能夠更加全面識別出欺詐客戶，評價客戶的風險水平。隨著BAT、網易、京東等玩家的持續深入，國內互金環境也將不斷改善。

作者：深幾度，微信號：852405518，微信公眾號「深幾度」，轉載請保留版權內容。

2. 中國有哪些公司在做大數據

大數據近幾年來可謂蓬勃發展，它不僅是企業趨勢,也是一個改變了人類生活的技術創新。大數據對行業用戶的重要性也日益突出。掌握數據資產,進行智能化決策,已成為企業脫穎而出的關鍵。因此,越來越多的企業開始重視大數據戰略布局,並重新定義自己的核心競爭力。本文整理了在中國境內活躍的大數據領域最具影響力的企業，它們有的是計算機或者互聯網領域的巨頭，有的則是剛剛創辦不久的初創企業。但它們有一個共同點，那就是它們都看到了大數據帶來的大機會，並毫不猶豫地挺進了這個領域。

在當前的互聯網領域，大數據的應用已經十分廣泛，尤其以企業為主，企業成為大數據應用的主體。大數據真能改變企業的運作方式嗎？答案毋庸置疑是肯定的。隨著企業開始利用大數據，我們每天都會看到大數據新的奇妙的應用，幫助人們真正從中獲益。大數據的應用已廣泛深入我們生活的方方面面，涵蓋醫療、交通、金融、教育、體育、零售等各行各業。

3. 大數據未來的發展前景怎麼樣

我不知道你理解的大數據是什麼？如果是真正的大數據，那麼現階段來看發展前景很好，專而且有很大可能性會更屬好，因為現在人們對大數據的利用還停留在一個比較初級的層面，大部分是分析已經發生（比如瀏覽習慣）或正在發生（比如自動駕駛），那麼將來還會出現「將要發生」（比如將要購買什麼，將要發生什麼等等）。
當然，這是一種比較理想的狀態，現在也有公司說有這種產品，不過大部分都是噱頭，沒什麼實際作用。
而且現在的的大數據，很大程度上是分析一種群體特徵，比如各種佔比、分布、多少等等，將來大數據還要細化，畢竟大數據的來源是人，那麼一個人的大數據能不用能對人本身進行分析呢？明顯可以，就和社會的發展一樣，開始是一家一戶的小農經濟，然後是大家一起乾的大鍋飯，然後再次出現細化分工甚至越來越細，然後繼續整合細化，整合細化，直到最優化（基本不可能，因為這個是沒有統一標準的，在這里這種方式最好，在另外一個地方可能就會有所區別）。
所以個人感覺，大數據將來的發展很好，當然如果你的大數據是狹義上的大數據，比如XX大數據，那就沒那麼重要了，也有發展，但是和真正的大數據去比較那麼就失色很多了。

4. 大數據未來的前景怎麼樣

隨著互聯網時代的到來，人們愈發認識到現代科技與計算機技術的重要性，無論是互聯網頭部企業對IT技術的研發應用還是普通企業的發展需要都可以看出IT行業正處於如日中天的發展態勢下，行業競爭同樣十分激烈。
大數據已經成為人們耳熟能詳的IT業術語了，近年來大數據的發展態勢也越來越好，大數據儼然已經成為行業流行趨勢。

大數據是當今社會發展所獨有的產物，正是因為在日常生產、生活當中每天都會產生海量的數據，且提取其中有價值的數據能夠幫助企業運營決策，才產生了大數據需求。大數據以互聯網上產生的數據為基礎，兼具海量化、多樣化、快速化、價值化四大特點，正因為通過對批量數據的提取處理、應用到相關領域能夠取得突破性進展，大數據逐漸成為IT行業流行趨勢。
根據當前的發展狀況來看，人工智慧、雲計算、雲端遷移、大數據的業務連續性將會是行業關注的重點，在專業靠譜的教育機構培訓完就業也非常好的，建議你找入學簽訂就業協議的培訓機構，保障自己的就業，目前很多培訓機構都提供就業保障，

5. 搶灘企服萬億市場，企服平台的垂直與綜合博弈

眾所周知，企業服務行業已成為資本圈熱門的投資賽道之一。

相關機構統計顯示，截至2021年11月17日，全球企業服務領域本年度共計2501起投融資事件，總融資金額約11364.75億元。其中，國內企業服務領域投融資達1236起，總融資金額約1934.73億元。

在資本的推動下，越來越多的互聯網企業投身到了企業服務領域。從分類來看，目前的企服戰場，一邊是專注細分領域的垂直類平台，另一邊是品類眾多的綜合類平台。兩股勢力交火不斷，究竟誰更勝一籌呢？

事實上，用戶數量天然受限，交易頻次較低導致用戶粘性不強，無不增加了垂直企服領域獲取新用戶、留存用戶的難度。而從長遠來看，專注某一細分領域的垂直型服務商的技術優勢，並不能形成長久的競爭壁壘，此外，規模有限、多元化不力，也使得垂直玩家的發展道路變得越來越窄。

企業服務本質上具備多樣化的應用場景，相較於雲、saas、大數據等更專注於企業架構優化的數字化模式，企業類用戶主營業務之外的其他細分服務，如商標、注冊、專利申請等才是更高頻的需求。

由於不同的細分行業，對企服的需求及痛點都不盡相同，那麼，高效響應各類用戶的各種需求，為用戶創造更多價值，才是構建企業服務護城河最重要的一關。由此，企服賽道需要綜合型企服平台來完成產業升級。

綜合型企服平台基本做的是全品類，強調滿足用戶「一站式」服務需求，能解決用戶兩大痛點：一是用戶不需要去各個機構、平台挨個輪番比較、比價，減少了一定的溝通成本；二是能解決經營過程中的所有需求，助力用戶節約人力成本，提高效率。

可以說，企服賽道之爭，必將是「綜合型選手」的主場。這也是為什麼豬八戒網這家企服平台，能夠在企服行業激烈競爭中，得以站穩腳跟並獲得良好發展的重要原因。

正如豬八戒網創始人朱明躍所說， 社會 價值決定公司的商業價值，無論企業還是個人，都能在豬八戒網這個平台，實現從設計到編程，到知識產權、財稅、 科技 服務、工場等等諸多一站式服務。「因此，豬八戒網是一個綜合型的服務平台」。

朱明躍提到，「我們始終堅信一點——我們的平台既可以為海量人才提供就業、創業的舞台，又可以為上千萬企業提供專業服務解決他們的靈活用工問題，還可以為各個產業轉型升級提供數字新動能，我們堅信這是時代需要的。」

近幾年，豬八戒網通過產品創新，在助力人才靈活就業方面取得積極進展，目前已幫助178萬人實現了靈活就業。而這些人才所提供的專業服務，又為成上千萬企業的成長壯大提供了強有力賦能。十餘年來，豬八戒網累計孵化企業10萬余家，如果僅按每個公司平均10人計算，平台解決了100萬人的就業。

從根本上解決用戶需求，加強精細化運營，保證服務品質長期穩定，是豬八戒網成功打造「綜合型」企服領域的樣板，可以看到，深耕每一個領域的豬八戒網，其商業模式已從過去純粹雙邊平台的撮合，成功升級為一個真正為企業、為產業、為眾生服務的模式。

未來，在市場對企業服務「多元化需求」的驅動下，行業或將迎來新一輪洗牌。唯有那些能助力用戶提高效率和創新能力，為其帶來發展「增量」的綜合型企服平台，才能擁有更好的發展機會。

6. 大數據未來的發展前景怎麼樣

大數據分析專職崗位有：大數據分析師，大數據分析員，大數據分析主管等，為內企業決策層提容供詳細和准確的數據依據。
首先來說人才缺口，未來3至5年，中國需要200萬+大數據人才，目前大數據從業人數不足50萬，市場需求遠遠得不到滿足。總結來說就是，未來大數據人才缺口會越來越大，缺的人多了，自然好就業。
然後來看職位薪資，普通大數據開發工程師的基本崗位薪資起步即1萬+，一般入職薪資13000元左右，3年以上工作大數據開發工程師薪資高達30000元/月。
接著來看行業前景，2017年中國大數據產業總體規模為4700億元人民幣，預計2018年將突破5700億元，未來大數據與雲計算、AI相結合，將締造數百個就業新崗位。說白了就是行業前景可觀，未來可期。
最後看看最實際的問題，企業需求，BAT、滴滴、今日頭條重金招賢納士，急尋大數據人才，校招年薪水平均再30萬以上，80%中小型企業大數據建設已經起步，需求量大增。有大企業需求，未來的就業前景自然不言而喻。
大數據發展前景是非常不錯的

7. 關於大數據你不可不知的大企業及大布局

關於大數據你不可不知的大企業及大布局_數據分析師考試

如果說有一家科技公司准確定義了「大數據」概念的話，那一定是谷歌。根據搜索研究公司康姆斯科（Comscore）的調查，僅2012年3月一個月的時間，谷歌處理的搜索詞條數量就高達122億條。

谷歌不僅存儲了它的搜索結果中出現的網路連接，還會儲存所有人搜索關鍵詞的行為，它能夠精準地記錄下人們進行搜索行為的時間、內容和方式。這些數據能夠讓谷歌優化廣告排序，並將搜索流量轉化為盈利模式。谷歌不僅能追蹤人們的搜索行為，而且還能夠預測出搜索者下一步將要做什麼。換言之，谷歌能在你意識到自己要找什麼之前預測出你的意圖。這種抓取、存儲並對海量人機數據進行分析，然後據此進行預測的能力，就是所謂的「大數據」。

2012：大數據十字路口？

為什麼大數據突然變得這么火？為什麼《紐約時報》把2012年定義為「大數據的十字路口」？

大數據之所以進入主流大眾的視野，源自三種趨勢的合力:

第一，許多高端消費品公司加強了對大數據的應用。社交網路巨擎 Facebook 使用大數據來追蹤用戶在其網路的行為，通過識別你在它的網路中的好友，從而給出新的好友推薦建議，用戶擁有越多的好友，他們與 Facebook之間的黏度就越高。更多的好友意味著用戶會分享更多照片、發布更多狀態更新、玩更多的游戲。

商業網站LinkdIn則使用大數據在求職者和招聘職位之間建立關聯。有了LinkdIn,獵頭們再也不用向潛在的受聘者打陌生電話來碰運氣，而可以通過簡單的搜索找出潛在受聘者並聯系他們。與此相似，求職者也可以通過聯系網站上其他人，自然而然地將自己推銷給潛在的僱主。

第二，以上兩家公司都在2012年早些時候陸續上市。Facebook 在納斯達克上市,LinkedIn 在紐約證券交易所上市。這兩家企業和谷歌一樣，雖然表面上是消費品公司，然而其本質是大數據企業。除去這兩家，Splunk 也在 2012 年完成了上市,它是一家幫助大中型企業提供運營智能的大數據企業。這些企業的公開上市提高了華爾街對於大數據的興趣。這種興趣帶來了空前的盛況——矽谷的風險投資家們開始前仆後繼地投資大數據企業。大數據將引發下一波創業大潮，而這次浪潮有望讓矽谷在未來幾年取代華爾街。

第三，亞馬遜、Facebook、LinkedIn 和其他以數據為核心消費品的活躍用戶們，開始期待自己在工作中也能獲得暢通無阻地使用大數據的體驗，而不再僅僅限於生活娛樂。用戶們此前一直想不通，既然互聯網零售商亞馬遜可以推薦閱讀書目、推薦電影、推薦可供購買的產品，為什麼他們所在的企業卻做不到類似的事情。

比如，既然汽車租賃公司擁有客戶過去租車的信息和現有可用車輛庫存的信息，這些公司為何就不能在向不同的租車人提供合適的車輛方面做得更智能一點？公司還可以通過新的技術，將公開信息利用起來——比如某個特定市場的狀況，會議活動信息，以及其他可能會影響市場需求和供給的事件。通過將內部供應鏈數據和外部市場數據結合在一起，公司就可以更加精確地預測什麼車輛可用，以及可用時間。

與此類似，零售商應當可以將來自外部的公開數據和內部數據結合在一起，利用這種混合的數據進行產品定價和市場布局。同時還可以同時考慮影響現貨供應能力的多種因素以及消費者購物習慣，包括哪兩種產品相搭配會賣得更好，這樣零售商就可以提升消費者的平均購買量，從而獲得更高的利潤。

谷歌的行動

谷歌的體量和規模，使它擁有比其他大多數企業更多的應用大數據的途徑。谷歌的優勢之一在於，它擁有一支軟體工程師部隊，這使得谷歌能夠從無到有地建立大數據技術。

谷歌的另一個優勢在於它所擁有的基礎設施。谷歌搜索引擎本身的設計，就旨在讓它能夠無縫鏈接成千上萬的伺服器。如果出現更多的處理或存儲需要，抑或某台伺服器崩潰，谷歌的工程師們只要再添加更多的伺服器就能輕松搞定。

谷歌軟體技術的設計也秉持著同樣的基礎設施理念。MapRece（谷歌開發的編程工具，用於大規模數據集的並行運算。——譯者注）和谷歌文件系統（Google File System）就是兩個典型的例子。《連線》雜志在 2012年初夏曾報道稱，這兩個軟體系統「重塑了谷歌建立搜索索引的方式」。

為數眾多的企業如今開始使用Hadoop, 它是MapRece和谷歌文件系統的一種開源衍生產品。Hadoop允許橫跨多台電腦，對龐大的數據集合進行分布式處理。在其他企業剛剛開始使用Hadoop的時候，谷歌早已多年深耕大數據技術，這讓它在行業中獲得了巨大的領先優勢。

如今谷歌正在進一步開放數據處理領域，將其和更多第三方共享。谷歌最近剛剛推出web服務BigQuery。該項服務允許使用者對超大量數據集進行互動式分析。按照谷歌目前的狀況，「超大量」，意味著數十億行數據。BigQuery 就是按指令在雲端運行的數據分析。

除此以外，谷歌還坐擁人們在谷歌網站進行搜索及經過其網路時所產生的大量機器數據。用戶所輸入的每一個搜索請求，都會讓谷歌知道他在尋找什麼，所有人類行為都會在互聯網上留下痕跡路徑，而谷歌佔領了一個絕佳的點位來捕捉和分析該路徑。

不僅如此，谷歌在搜索之外還有更多獲取數據的途徑。企業安裝「谷歌分析（Google Analytics）」之類的產品來追蹤訪問者在其站點的足跡，而谷歌也可獲得這些數據。網站還使用「谷歌廣告聯盟（Google Adsense）」，將來自谷歌廣告客戶網的廣告展示在其站點，因此，谷歌不僅可以洞察自己網站上廣告的展示效果，同樣還可以對其他廣告發布站點的展示效果一覽無余。

將所有這些數據集合在一起所帶來的結果是：企業不僅從最好的技術中獲益，同樣還可以從最好的信息中獲益。在信息技術方面，許多企業可謂耗資巨大，然而在信息技術的組成部分之一——信息領域，谷歌所進行的龐大投入和所獲得的巨大成功，卻罕有企業能望其項背。

亞馬遜步步緊逼

谷歌並不是惟一一個推行大數據的大型技術公司。互聯網零售商亞馬遜已經採取了一些激進的舉動，令其有可能成為谷歌的最大威脅。

曾有分析者預測，亞馬遜2015年營收將超過1000億美元，它即將趕超沃爾瑪成為世界最大的零售商。如同谷歌一樣，亞馬遜也要處理海量數據，只不過它處理數據帶有更強的電商傾向。消費者們在亞馬遜的網站上對想看的電視節目或是想買的產品所進行的每一次搜索，都會讓亞馬遜對該消費者的了解有所增加。基於搜索和產品購買行為，亞馬遜就可以知道接下來應該推薦什麼產品。而亞馬遜的聰明之處還不止於此，它還會在網站上持續不斷地測試新的設計方案，從而找出轉化率最高的方案。

你會認為亞馬遜網站上的某段頁面文字只是碰巧出現的嗎？如果你這樣認為的話，你應該再好好想一想。整個網站的布局、字體大小、顏色、按鈕以及其他所有的設計，其實都是在多次審慎測試後的最優結果。

以數據為導向的方法並不僅限於以上領域，按一位前員工的說法，亞馬遜的企業文化就是冷冰冰的數據導向型文化。數據顯示出什麼是有效的、什麼是無效的，新的商業投資項目必須要有數據的支撐。對數據的長期專注讓亞馬遜能夠以更低的售價提供更好的服務。消費者常常會完全跳過谷歌之類的搜索引擎，直接去亞馬遜網站搜索商品、並進行購買。

爭奪消費者控制權的戰爭硝煙還在彌漫擴散，蘋果、亞馬遜、谷歌，以及微軟，這四家公認的巨頭如今不僅在互聯網上廝殺，在移動領域同樣打得難解難分。鑒於消費者們把越來越多的時間花在手機和平板電腦等移動設備上，坐在電腦前的時間越來越少，因此，那些能進入消費者掌中移動設備的企業，將在銷售和獲取消費者行為信息方面更具有優勢。企業掌握的消費者群體和個體信息越多，它就越能夠更好地制定內容、廣告和產品。

從支撐新興技術企業的基礎設施到消費內容的移動設備，令人難以置信的是，亞馬遜的觸角已觸及到更為廣闊的領域。亞馬遜在幾年前就預見了將伺服器和存儲基礎設施開放給其他人的價值。「亞馬遜網路服務（Amazon Web Services，簡稱 AWS）」是亞馬遜公司知名的面向公眾的雲服務提供者，為新興企業和老牌公司提供可擴展的運算資源。雖然AWS 成立的時間不長，但已有分析者估計它每年的銷售額超過15億美元。

AWS所提供的運算資源為企業開展大數據行動鋪平了道路。當然，企業依然可以繼續投資建立以私有雲為形式的自有基礎設施，而且很多企業還會這樣做。但是如果企業想盡快利用額外的、

可擴展的運算資源，他們還可以方便快捷地在亞馬遜的公共雲上使用多個伺服器。如今亞馬遜引領潮流、備受矚目，靠的不僅是它自己的網站和Kindle之類新的移動設備，支持著數千個熱門站點的基礎設施同樣功不可沒。

AWS帶來的結果是，大數據分析不再需要企業在IT上投入固定成本，如今，獲取數據、分析數據都能夠在雲端簡單迅速地完成。換句話說，企業過去由於無法存儲而不得不拋棄數據，如今它們有能力獲取和分析規模空前的數據。

實現信息優勢

AWS之類的服務與Hadoop之類的開源技術相結合，意味著企業終於能夠嘗到信息技術在多年以前向世人所描繪的果實。

數十年來，人們對所謂「信息技術」的關注一直偏重於其中的「技術」部分。首席信息官的職責只不過是對伺服器、存儲和網路的購買及管理。而今，信息以及對信息的分析和存儲、依據信息進行預測的能力，正成為企業競爭優勢的來源。

信息技術剛剛興起的時候，較早應用信息技術的企業能夠更快地發展，超越他人。微軟在20世紀90年代樹立起威信，這不僅僅得益於它開發了世界上應用最為廣泛的操作系統，還在於它當時在公司內部將電子郵件作為標准溝通機制。

在許多企業仍在猶豫是否採用電子郵件的時候，電子郵件事實上已經成為微軟討論招聘、產品決策、市場戰略之類事務的機制。雖然群發電子郵件的交流在如今已是司空見慣，但在當時，這樣的舉措讓微軟較之其他未採用電子郵件的公司，更加具有速度和協作優勢。擁抱大數據、在不同的組織之間民主化地使用數據，將會給企業帶來與之相似的優勢。諸如谷歌和Facebook之類的企業已經從「數據民主」中獲益。

通過將內部數據分析平台開放給所有跟自己的公司相關的分析師、管理者和執行者，谷歌、Facebook 及其他一些公司已經讓組織中的所有成員都能向數據提出跟商業有關的問題、獲得答案

並迅速行動。 以Facebook為例，它將大數據推廣成為內部的服務，這意味著該服務不僅是為工程師設計的，也是為終端用戶——生產線管理人員設計的，他們需要運用查詢來找出有效的方案。因此，管理者們不需要等待幾天或是幾周的時間來找出網站的哪些改變最有效，或者哪些廣告方式效果最好，他們可以使用內部的大數據服務，而該服務就是為了滿足其需求而設計的，這使得數據分析的結果很容易就可以在員工之間被分享。

過去的二十年是信息技術的時代，接下來二十年的主題仍會是信息技術。這些企業能夠更快地處理數據，而公共數據資源和內部數據資源一體化將帶來獨特的洞見，使他們能夠遠遠超越競爭對手。如同我所撰寫的《大數據的八大定律》（The Top 8 Laws Of Big Data）所言，你分析數據的速度越快，它的預測價值就越大。企業如今正在漸漸遠離批量處理（批量處理指先存儲數據，事件之後再慢慢進行分析處理），轉向實時分析來獲取競爭優勢。

對於高管們而言，好消息是：來自於大數據的信息優勢不再只屬於谷歌、亞馬遜之類的大企業。Hadoop之類的開源技術讓其他企業同樣可以擁有這樣的優勢。老牌財富100強企業和新興初創公司，都能夠以合理的價格，利用大數據來獲得競爭優勢。

大數據的顛覆

大數據帶來的顛覆，不僅是與以往相比可以獲取和分析更多數據的能力，更重要的是獲取和分析等量數據的價格也正在顯著下降，而價格越低，銷量就會越高。然而，隱含其中的諷刺關系正如所謂的「傑文斯悖論」(Jevons Paradox)。經濟學家傑文斯通過觀察工業革命得出該悖論，並以他的名字命名（傑文斯悖論的核心是，資源利用率的提高導致價格降低 , 最終會增加資源的使用量。——譯者注）。科技進步使儲存和分析數據的方式變得更有效率，公司將做更多的數據分析，因此並沒有減少工作。簡而言之，這就是大數據帶來的顛覆。

從亞馬遜到谷歌，從IBM到惠普和微軟，大量的大型技術公司紛紛投身大數據，而基於大數據解決方案，更多初創型企業如雨後春筍般涌現，實現開放源和共享雲。大公司致力於橫向的大數據解決方案，與此同時，小公司則專注於為重要垂直業務提供應用程序。有些產品優化銷售效率，還有些產品通過將不同渠道的營銷業績與實際的產品使用數據相關聯，為未來營銷活動提供建議。這些大數據應用（Big Data Applications，簡稱BDA）意味著小公司不必在內部開發或配備所有大數據技術；在很多情況下，它們可以利用基於雲端的服務來滿足數據分析需求。在技術之外，這些小企業還會開發一些產品，追蹤記錄與健康相關的指標並據此提出改善人們行為的建議。諸如此類的產品有望減少肥胖，提高生活質量，同時降低醫療成本。

大數據路線圖

產業分析研究公司福雷斯特（Forrester）估計，企業數據的總量在以每年 94% 的增長率飆升。這樣的高速增長之下，每個企業都需要一個大數據路線圖。至少，企業應制訂獲取數據的戰略，獲取范圍應從內部電腦系統的常規機器日誌，到線上的用戶交互記錄。即使企業當時並不知道這些數據有什麼用也要這樣做，這些數據的用處隨後或許會突然被發現。

數據所具有的價值遠遠高於你最初的期待，千萬不要隨便拋棄數據。企業還需要一個計劃以應對數據的指數型增長。照片、即時信息以及電子郵件的數量非常龐大，由手機、GPS 及其他設備構成的「感應器」釋放出的數據量甚至還要更大。

理想情況下，企業應該具備一種能夠讓數據分析貫穿於整個組織的視野，分析應該盡可能地接近實時。通過觀察谷歌、亞馬遜、Facebook和其他科技領袖企業，你可以看到大數據之下的種種可能。管理者需要做的就是在組織中融入大數據戰略。

谷歌和亞馬遜這樣的企業，應用大數據進行決策已數年有餘，它們在數據處理上已經獲得了廣泛的成功。而現在，你也可以擁有同樣的能力。

以上是小編為大家分享的關於關於大數據你不可不知的大企業及大布局的相關內容，更多信息可以關注環球青藤分享更多干貨

8. BAT搶灘大數據風控，為何瞄向了銀行業

完成了對C端市場的瓜分之後，BAT等互聯網巨頭們還是瞄向了B端市場。
在2016年及之前，BAT、網易、京東等互聯網巨頭們已經在雲計算、人工智慧等領域推出了諸多針對企業級市場的服務，從如今的趨勢來看，被暢談許久的大數據或將是BAT們爭奪的又一塊價值窪地。
日前，網路雲傳出消息為民生銀行提供信貸企業的風險管理和預警的雲服務。在尋找大數據布局切口的問題上，風控和銀行成為BAT們的共同選擇。
風控是銀行業的七寸，也是大數據的練武場
顧名思義，風控即風險控制，通過建模的方法對借款人進行風險控制和風險提示，消滅或減少風險事件發生的各種可能性，或減少風險事件發生時造成的損失。
現在的商業銀行在本質上屬於經營風險的特殊企業，通過承擔風險，轉化風險，並將風險植入金融產品和服務中再加工風險。在國內外商業銀行的發展史中，因風險管理不當、資產質量低下而導致倒閉、被政府接管的不乏其例。如何有效的管理風險、規避風險成為商業銀行生存與發展的靈魂。
銀監會在去年7月份發布的《中國銀行業信息科技「十三五」發展規劃監管指導意見》成為大數據風控加速落地的催化劑，比如說在服務和應用層面強調基於大數據的營銷、風控應用的推廣。
動作敏銳的互聯網金融早早完成了大數據風控的布局，看起來有些傳統的銀行業在節奏上似乎有些遲緩。
對於線上的純數據和信用類貸款平台而言，引入大數據風控產品並沒有太多門檻。對於商業銀行卻不然，尤其是中小銀行，對大數據風控技術的應用尚不成熟，其風控模式更多關注的是靜態的風險預判，這和中小銀行科技水平和風控能力相對較低、數據信息的數量和質量存在缺陷等不無關系。
一般來說，大數據風控有著三個核心要素，即風控模型、場景和資金。商業銀行仍然擁有著低成本資金優勢，在線下場景也有著長期客戶積累，大數據和海量風控因子恰恰是很多商業銀行所欠缺的。
反觀BAT等互聯網巨頭，在海量數據、金融雲、用戶畫像、信用體系等方面有著先天的優勢，特別是在銀行逐漸實現業務電子化、金融監管收緊的情況下，BAT與商業銀行在大數據風控方面的合作似乎是水到渠成的。
背靠大數據金庫的BAT，如何開局？
BAT在大數據風控方面有著相似的邏輯，依靠自身積累的大數據體系，利用技術打造風控能力，再將這種能力開放給銀行等金融客戶。
以網路雲和民生銀行合作的風險預警項目為例，依靠網路雲的大數據收集、分析和計算建模能力，為民生銀行提供海量非結構化數據的加工處理，和目標企業進行關聯，並藉助風險識別模型判斷產生風險信號，再通過網路雲bos服務和API對接銀行內部業務，以實現對授信企業的風險監測。其中涉及了網路雲在大數據方面的三層應用：
數據挖掘：作為國內最大的搜索引擎，網路擁有大量的公共數據和需求數據，且在樣本數據的復雜性、廣度、多樣性等方面占據優勢。尤其在金融領域的數據涵蓋了支付、貸款、理財、保險、證券、銀行、徵信、基金、眾籌等各個領域。而銀行不良貸款率的增加和信息的不對稱有很大的關系，網路在數據層面較於銀行自身的積累有著不可比擬的優勢。舉個例子來說，通過網路的大數據可以對銀行的借貸用戶進行全方位的追蹤，包括搜索習慣、交易信息、個人信用、地理位置等等，將風險控制到最低。
數據處理：網路雲推出了「天算」平台，基於網路的大數據和人工智慧技術，為企業提供從數據收集、存儲、處理分析到應用場景的一站式服務。比如針對金融風控行業的特點,「天算」制定了相應的解決方案,通過網路搜索、地圖、社交、交易、政府等各類數據的收集,以人工智慧技術、深度學習技術、大數據能力為支撐,實現了對各類金融客戶深度場景的定製,如購車貸款、企業貸款、教育貸款、家裝貸款等,為金融機構提供安全高效的風控服務。此外網路雲BOS提供的雲存儲服務，實現了銀行內部數據和外部大數據的打通。
風控模型：相比於市場上很多紙上談兵的風控模型，網路的優勢在於搭建了已經應用於實戰的風控模型，具體體現在網路金融的主動預警捕捉高危行為。網路金融打通了「人+手機+設備+IP」等關聯緯度，基於全網行為進行監測，捕捉高危行為特徵，在貸前准入方面就開始排查風險，進行反欺詐識別，生產黑名單，對借款人的行為進行預測。並在貸款後對借款人貸後行為進行跟蹤和監測，只要觸發預警規則，也會激發提醒。由此可以看出，為網路金融提供技術能力和風控能力的網路雲，在風控模型上的能力不可小覷。
與此同時，阿里和騰訊也打起了大數據風控的主意，典型的就是螞蟻金服、微眾銀行等也在試圖對外進行技術開放。但網路的做法給行業帶來了新的啟示，以雲服務的姿態進行大數據能力的輸出，和第三方平台純粹的大數據風控體系相比，雲計算、人工智慧、大數據結合的服務模式無疑更具備優勢。
從大數據農民到大數據商人
覬覦銀行業的不只有BAT，還有形形色色的創業者，畢竟百萬億規模的銀行業是一個不可多得的蛋糕。不過，民生銀行作為股份制銀行將雲服務應用到貸後管理和信貸決策領域，卻給行業帶來了更多值得解讀的信號。從雲服務的角度來講，金融雲在安全層面又一次刷新了歷史，但從大數據的角度來看，BAT正從自給自足的「農民」轉型成為大數據「商人」。
其實從2014年開始，BAT就開始加速大數據的應用，比如騰訊的社交大數據、阿里的電商大數據以及網路的搜索數據。不過這個階段，BAT扮演更多的是大數據「農民」的角色，阿里應用大數據進行用戶畫像主要在電商層面，網路用大數據來改善廣告和營銷效果，騰訊用大數據來改善運營等等。雲服務的大規模應用為大數據的開放提供了良好的「媒介」，BAT也開始進行角色轉變。
但在當前的大數據格局中，除了政府所掌握的數據，BAT等互聯網巨頭成為大數據資源的壟斷者之一。可即便如此，數據孤島仍是圍困BAT在大數據方面想像力的重要原因，正如阿里對於社交數據的缺失，騰訊在生活場景數據方面的不足。同樣的困局還存在於銀行業，目前央行個人徵信記錄覆蓋率僅為35%，這一數字在某種程度上甚至不及BAT所搭建的信用體系和風控模型，尤其體現在數據的維度上。從這個角度或許也能夠解釋，為何BAT把大數據風控的潛在客戶指向了銀行業。
大數據應用的雲服務化或是結束數據割裂最行之有效的方式，比如說網路雲和民生銀行的合作方式在服務的標准化和可復制方面並沒有太大的門檻，這就意味著未來將適用於更多的企業，而作為雲服務的供應方也將從更多維度獲取到數據。
數據顯示，目前國內大數據的市場份額已經達到了1000億人民幣，預測到2025年中國的大數據產業會是一萬億元的規模，有著近十倍的增長。數據的流通勢必將以指數級的形式加速大數據產業的發展，但在誘人的前景背後也面臨著標准化、規范化、安全性、公平性等一系列亟待解決的問題。
結語
30多年前，世界著名未來學家阿爾文·托夫勒就在《第三次浪潮》一書中預言，大數據極有可能是繼農業革命和工業革命後的「第三次浪潮」。或許其中的過程有些曲折，從銀行業和大數據風控身上，我們看到了未來的希望。
Alter，互聯網觀察者，長期致力於對智能硬體、雲計算、VR等行業的觀察研究。

9. 一個段子解釋什麼叫大數據什麼叫藍海紅海什麼叫互聯網思維什麼叫眾籌

大數據：指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的信息資產！
紅海戰略：是指市場競爭已經白熱化，產品、服務同質化嚴重，企業利潤呈現微薄甚至負利，在這樣的市場中競爭、搏殺，價格戰此起彼伏，最後都是兩敗俱傷，所以很形象的表示為紅海；對於後進入的企業就在沒有必要進去了。
藍海戰略：是指通過創新，無論是經營管理創新、營銷創新還是商業模式創新等等，都是通過改造現有的體系，從成本、消費群體、消費方式轉變、產品服務升級提升等諸多方面，實現創新從而跳出紅海，開辟屬於自己的藍海市場空間，達到盈利的目的。通過創新實現進步，帶給消費者更多的體驗和享受，並且消費者願意接受的方式，但藍海的開拓是建立在時間效力之上的，在新開辟的市場中很快會有跟進者，從而又會出現紅海的情況，所以企業必須保持領先，不斷的超越自己，不斷發現新的藍海，保持盈利水平。
互聯網思維：充分利用互聯網的精神、價值、技術、方法、規則、機會來指導、處理、創新、工作的思想。世界公僕領袖「聯誼會公僕」、「全球大同」的作者彭友指出全球已進入互聯網時代，我思獻人人、人人助我思的互聯網思維順勢而生。
互聯網以用戶體驗為中心，真正找到用戶的痛點，找到用戶的普遍需求，為客戶創造價值。
眾籌：簡單說就是有大眾或群眾做投資的一種方式，比如現在比較流行的PHP投資這種類型

10. 大數據行業現在挺火的，入行難嗎，需要掌握哪些技術

大數據行業前景很不錯的，薪資也很可觀，大數據相對來說更適合有基礎的人學習，零基專礎學習屬有一定的難度，懂Java或者是做過Java開發的人學習起來相對容易，大數據需要學習的技術包含8個階段，按照順序學習就可以了，希望你早日學有所成。

大數據需要掌握哪些技術