① 大數據的預測功能是增值服務的核心
大數據的預測功能是增值服務的核心
從走在大數據發展前沿的互聯網新興行業，到與人類生活息息相關的醫療保健、電力、通信等傳統行業，大數據浪潮無時無刻不在改變著人們的生產和生活方式。大數據時代的到來，給國內外各行各業帶來諸多的變革動力和巨大價值。
最新發布的報告稱，全球大數據市場規模將在未來五年內迎來高達26%的年復合增長率——從今年的148.7億美元增長到2018年的463.4億美元。全球各大公司、企業和研究機構對大數據商業模式進行了廣泛地探索和嘗試，雖然仍舊有許多模式尚不明朗，但是也逐漸形成了一些成熟的商業模式。
兩種存儲模式為主
互聯網上的每一個網頁、每一張圖片、每一封郵件，通信行業每一條短消息、每一通電話，電力行業每一戶用電數據等等，這些足跡都以「數據」的形式被記錄下來，並以幾何量級的速度增長。這就是大數據時代帶給我們最直觀的沖擊。
正因為數據量之大，數據多為非結構化，現有的諸多存儲介質和系統極大地限制著大數據的挖掘和發展。為更好地解決大數據存儲問題，國內外各大企業和研究機構做了許許多多的嘗試和努力，並不斷摸索其商業化前景，目前形成了如下兩種比較成熟的商業模式：
可擴展的存儲解決方案。該存儲解決方案可幫助政府、企業對存儲的內容進行分類和確定優先順序，高效安全地存儲到適當存儲介質中。而以存儲區域網路（SAN）、統一存儲、文件整合/網路連接存儲（NAS）的傳統存儲解決方案，無法提供和擴展處理大數據所需要的靈活性。而以Intel、Oracle、華為、中興等為代表的新一代存儲解決方案提供商提供的適用於大、中小企業級的全系存儲解決方案，通過標准化IT基礎架構、自動化流程和高擴展性，來滿足大數據多種應用需求。
雲存儲。雲存儲是一個以數據存儲和管理為核心的雲計算系統，其結構模型一般由存儲層、基礎管理、應用介面和訪問層四層組成。通過易於使用的API，方便用戶將各種數據放到雲存儲裡面，然後像使用水電一樣按用量進行收費。用戶不用關心數據的存儲介質、網路狀況以及安全性的管理，只需按需向提供方購買空間。
源數據價值水漲船高
在紅紅火火的大數據時代，隨著數據的累積，數據本身的價值也在不斷升值，這種情況很好地反應了事物由量變到質變的規律。例如有一種罕見的疾病，得病率為十萬分之一，如果從小樣本數據來看非常罕見，但是擴大到全世界70億人，那麼數量就非常龐大。以前技術落後，不能將該病情數字化集中研究，所以很難攻克。但是，我們現在把各種各樣的數據案例搜集起來統一分析，我們很快就能攻克很多以前想像不到的科學難題。類似的例子，不勝枚舉。
正是由於可以通過大數據挖掘到很多看不見的價值，源數據本身的價值也水漲船高。一些掌握海量有效數據的公司和企業找到了一條行之有效的商業路徑：對源數據直接或者經過簡單封裝銷售。在互聯網領域，以Facebook、twitter、微博為代表的社交網站擁有大量的用戶和用戶關系數據，這些網站正嘗試以各種方式對該源數據進行商業化銷售，Google、Yahoo!、網路[微博]等搜索公司擁有大量的搜索軌跡數據以及網頁數據，他們可以通過簡單API提供給第三方並從中盈利；在傳統行業中，中國聯通[微博]（3.44, 0.03, 0.88%）、中國電信[微博]等運營商擁有大量的底層用戶資料，可以通過簡單地去隱私化，然後進行銷售盈利。
各大公司或者企業通過提供海量數據服務來支撐公司發展，同時以免費的服務補償用戶，這種成熟的商業模式經受住了時間的考驗。但是對於任何用戶數據的買賣，還需處理好用戶隱私信息，通過去隱私化方式，來保護好用戶隱私。
預測是增值服務的核心
在大數據基礎上進行深度挖掘，所衍生出來的增值服務，是大數據領域最具想像空間的商業模式。大數據增值服務的核心是什麼？預測！大數據引發了商業分析模式轉變，從過去的樣本模式到現在的全數據模式，從過去的小概率到現在的大概率，從而能夠得到比以前更准確的預測。目前形成了如下幾種比較成熟的商業模式。
個性化的精準營銷。一提起「垃圾簡訊」，大家都很厭煩，這是因為本來在營銷方看來是有價值的、「對」的信息，發到了「錯」的用戶手裡。通過對用戶的大量的行為數據進行詳細分析，深度挖掘之後，能夠實現給「對」的用戶發送「對」的信息。比如大型商場可以對會員的購買記錄進行深度分析，發掘用戶和品牌之間的關聯。然後，當某個品牌的忠實用戶收到該品牌打折促銷的簡訊之後，一定不是厭煩，而是欣喜。如優捷信達、中科嘉速等擁有強大數據處理技術的公司在數據挖掘、精準廣告分析等方面擁有豐富的經驗。
企業經營的決策指導。針對大量的用戶數據，運用成熟的數據挖掘技術，分析得到企業運營的各種趨勢，從而給企業的決策提供強有力的指導。例如，汽車銷售公司，可以通過對網路上用戶的大量評論進行分析，得到用戶最關心和最不滿意的功能，然後對自己的下一代產品進行有針對性的改進，以提升消費者的滿意度。
總體來說，從宏觀層面來看，大數據是我們未來社會的新能源；從企業微觀層面來看，大數據分析和運用能力正成為企業的核心競爭力。深入研究和積極探索大數據的商業模式，對企業的未來發展有至關重要的意義。
② 大數據應用價值發現的三大方法
大數據應用價值發現的三大方法
關於大數據的討論，一方面人們需要釐清大數據的概念，開發適用的大數據系統和工具，探索大數據的應用模式等，另一方面人們更關心如何將大數據的價值變現。這對於一個企業來說尤其重要，否則，收集和存儲了大量的數據，消耗了大量的錢財，如果大數據不能被很好地利用，從經濟上講就是不合算的，這樣的事情也不會長遠。
大數據價值的發現與其所處的應用場景密切相關。概括起來，大數據價值發現可以劃分為三大類：數據服務、數據分析和數據探索。數據服務是面向大規模用戶，提供高性能的數據查詢、檢索、預測等服務，通過直接滿足用戶需求而將數據價值變現的形式;數據分析是分析人員利用經驗，通過對大規模數據使用特定的計算模型進行較為復雜的運算，從而發現易於人們理解的數據模式或規律所進行的數據價值變現的一種運算形式;數據探索是一種利用數據分析和人機交互的結合，通過不斷揭示數據的規律和數據間的關聯，引導分析人員發現並認識其所未知的數據模式或規律，其價值更多地體現在對未知途徑的數據模式和規律的探索。
1. 數據服務
數據服務針對用戶非常明確的數據查詢和處理任務，以高性能和高吞吐量的方式實現大眾化的服務，是數據價值最重要也是最直接的發現方式。由於要處理大眾化的服務請求，每個服務任務必須能夠被快速地處理掉，因此，數據服務的單個任務負載不能過於復雜，單任務直接處理的數據不能太大，任務對應的用戶需求和採用的數據處理方法必須是明確的。一些典型的數據服務包括事務處理、數據查詢、信息檢索、數據預測。
事務處理是傳統資料庫范疇的價值發現形式，它針對的主要是任務關鍵型的數據服務，如銀行記賬、商業交易等; 數據查詢主要是面向快速查找或修改數據的服務需求，它比事務處理更簡單，對數據一致性要求沒那麼強，但對服務的吞吐量要求非常高;信息檢索是指從大規模的數據集中快速查找滿足用戶需求的資料或數據片段的過程;數據預測和數據分類被很多人認為是一種數據分析任務，其實，很多針對個體的數據預測和分類任務實際上是一種數據服務，它使用數據分析得來的預測模型，對個體數據實例進行預測，從而能夠高並發地為大規模用戶提供分類和預測服務，進而更好地體現出數據的價值。
2. 數據分析
數據分析是指用適當的統計分析方法對大量數據進行分析或建模，提取有用信息並形成結論，進而輔助人們決策的過程。在這個過程中，用戶會有一個明確的目標，通過「數據清理、轉換、建模、統計」等一系列復雜的操作，獲得對數據的洞察，從而協助用戶進行決策。常見的數據分析任務又可以被進一步劃分為描述型分析、診斷型分析、預測型分析、策略型分析。
描述型分析的主要特點是對數據代表的含義進行描述性的揭示，通過數據統計分析揭示數據隱含的現象，從而幫助人們更好地進行決策。
診斷型分析主要用來揭示一些現象背後的成因，因此，它比描述型分析更深入。很多數據挖掘方法與診斷型分析密切相關。比如相關性分析和因果關系的分析等，都是想通過對數據的深度分析揭示描述型分析所發現的某些現象背後的成因。
預測型分析主要是使用機器學習技術，對現有的大數據進行深度分析，構建數據預測和分類的模型，從而更好地支持數據預測和分類服務。
策略型分析也稱指導型分析，是在分析過程中減少甚至排除人的參與，在給定目標的驅動下，直接幫助人們找到好的策略，作用於大數據應用，使得未來數據指標能夠按照設想的某些趨勢發展。它是數據分析的高級階段，更能發揮出大數據的價值。
總之，數據分析一般基於大量數據和較為復雜的運算模型，其結果信息量通常很大，適用於宏觀決策。而對於細節層面信息的獲取，數據分析缺乏如索引和訪問控制等方面的技術支持。如何在一個平台上，既支持宏觀的分析，也支持細節的分析，是當今一個挑戰的技術難題。
3. 數據探索
數據探索是指針對目標可變、持續、多角度的搜索或分析任務，其搜索過程是有選擇、有策略和反復進行的。它將以找到信息為目的的傳統信息檢索模式變為以發現、學習和決策為目的的信息搜尋模式。這樣的搜索模式結合了大量的數據分析與人機交互過程，適合於人們從數據中發現和學習更多的內容和價值。
對於數據探索，用戶可以在微觀層面(數據搜索)和宏觀層面(數據分析)之間進行自由切換，用互動式的方式探索並發現數據的價值。
目前，隨著大數據研究的興起，探索式搜索這種互動式分析和探索數據價值的方式，逐漸引起人們的重視，還有很多問題等待研究者們進行深入的研究。
數據服務強調從微觀層面獲取滿足用戶需求的精準信息，數據分析強調從宏觀層面為用戶提供數據洞察，進而提供決策支持，而數據探索則需要在宏觀和微觀兩個層面進行自由切換。大數據蘊含大價值，數據服務、數據分析和數據探索是3個層次的數據價值發現方法。在很多應用下，這3類方法需要混合使用，才能更好地發現大數據的價值。
③ 什麼是大數據時代
讓大數據區別於數據的，是其海量積累、高增長率和多樣性
什麼是數據？數據（data）在拉丁文里是「已知」的意思，在英文中的一個解釋是「一組事實的集合，從中可以分析出結論」。
籠統地說，凡是用某種載體記錄下來的、能反映自然界和人類社會某種信息的，就可稱之為數據。
古人「結繩記事」，打了結的繩子就是數據。
步入現代社會，信息的種類和數量越來越豐富，載體也越來越多。
數字是數據，文字是數據，圖像、音頻、視頻等都是數據。
什麼是大數據呢？量的增多，是人們對大數據的第一個認識。
隨著科技發展，各個領域的數據量都在迅猛增長。有研究發現，近年來，數字數據的數量每3年多就會翻一番。
大數據區別於數據，還在於數據的多樣性。
正如高德納咨詢公司研究報告指出的，數據的爆炸是三維的、立體的。所謂的三維，除了指數據量快速增大外，還指數據增長速度的加快，以及數據的多樣性，即數據的來源、種類不斷增加。
從數據到大數據，不僅是量的積累，更是質的飛躍。海量的、不同來源、不同形式、包含不同信息的數據可以容易地被整合、分析，原本孤立的數據變得互相聯通。這使得人們通過數據分析，能發現小數據時代很難發現的新知識，創造新的價值。
通過數據來研究規律、發現規律，貫穿了人類社會發展的始終。
人類科學發展史上的不少進步都和數據採集分析直接相關，例如現代醫學流行病學的開端。倫敦1854年發生了大規模的霍亂，很長時間沒有辦法控制。
一位醫師用標點地圖的方法研究了當地水井分布和霍亂患者分布之間的關系，發現有一口水井周圍，霍亂患病率明顯較高，藉此找到了霍亂暴發的原因：一口被污染的水井。關閉這口水井之後，霍亂的發病率明顯下降。這種方法，充分展示了數據的力量。
本質上說，許多科學活動都是數據挖掘，不是從預先設定好的理論或者原理出發，通過演繹來研究問題，而是從數據本身出發通過歸納來總結規律。
近現代以來，隨著我們面臨的問題變得越來越復雜，通過演繹的方式來研究問題常常變得很困難。這就使得數據歸納的方法變得越來越重要，數據的重要性也越發凸顯出來。
大數據是非競爭性資源，有助於政府科學決策、商家精準營銷。
大數據時代，數據的重要作用更加凸顯，許多國家都把大數據提升到國家戰略的高度。
政府合理利用大數據，引導決策的將是基於實證的事實，政府會更有預見性、更加負責、更加開放。
中國古代治國就已經有重數據的思想，如商鞅提出，「強國知十三數……欲強國，不知國十三數，地雖利，民雖眾，國愈弱至削」。
大數據時代，循「數」治國將更加有效。小數據時代，政府做決策更多依憑經驗和局部數據，難免頭痛醫頭、腳痛醫腳。比如，交通堵塞就多修路。
大數據時代，政府做決策能夠從粗放型轉向集約型。路堵了，利用大數據分析，可以得知哪一時間、哪一地段最容易堵，或在這一地段附近多修路，或提前預警引導居民合理安排出行，實現對交通流的最佳配置和控制，改善交通。
對於商家來說，大數據使精準營銷成為可能。
一個有趣的故事，是沃爾瑪超市的「啤酒、尿布」現象。沃爾瑪超市分析銷售數據時發現，顧客消費單上和尿布一起出現次數最多的商品，竟然是啤酒。
跟蹤調查後發現，有不少年輕爸爸會在買尿布時，順便買些啤酒喝。沃爾瑪發現這一規律後，搭配促銷啤酒、尿布，銷量大幅增加。
大數據時代，每個人都會「自發地」提供數據。我們的各種行為，如點擊網頁、使用手機、刷卡消費、觀看電視、坐地鐵出行、駕駛汽車，都會生成數據並被記錄下來，我們的性別、職業、喜好、消費能力等信息，都會被商家從中挖掘出來，以分析商機。
大數據也將使個人受益。
從生物學、醫學上講，以前生物學家只是通過對單個或幾個基因的操控來觀察其對生物體的影響，很難發現整體的關聯。現在由於技術的發展，可以分析很多，如遺傳信息、全體基因的表達量信息、蛋白質族譜信息、全基因組甲基化信息、表觀遺傳信息等。
同時還有個人健康指標、病歷、葯物反應等數據。如果真能達成生物學上多維多向數據的有機融合，就能夠把個人完整地描述出來，從而實現精準醫療的目的。
大數據時代，審核數據的真實性也有了更有效的手段。
大數據的特徵之一是多樣性，不同來源、不同維度的數據之間存在一定的關聯度，可以交叉驗證。例如，某地的工業產值虛報了一倍，但用電量和能耗卻沒有達到相應的規模。這就是數據異常，很容易被系統識別出來。發現異常後，相關部門再進行復核，就能更有針對性地防止、打擊數據造假。
數據是一種資源，但數據又跟煤、石油等物質性資源不一樣。物質性資源不可再生，你用多了，別人就用少了，因而很難共享。
數據可以重復使用、不斷產生新的價值。大數據資源的使用是非惡性競爭的，共享的前提下，更能夠製造雙贏。
從另一個角度來說，數據如果不被融合、聯系在一起，也不能稱之為大數據。
大數據不能被直接拿來使用，統計學依然是數據分析的靈魂
現在社會上有一種流行的說法，認為在大數據時代，「樣本=全體」，人們得到的不是抽樣數據而是全數據，因而只需要簡單地數一數就可以下結論了，復雜的統計學方法可以不再需要了。
首先，大數據告知信息但不解釋信息。
打個比方說，大數據是「原油」而不是「汽油」，不能被直接拿來使用。就像股票市場，即使把所有的數據都公布出來，不懂的人依然不知道數據代表的信息。
大數據時代，統計學依然是數據分析的靈魂。正如加州大學伯克利分校邁克爾•喬丹教授指出的，「沒有系統的數據科學作為指導的大數據研究，就如同不利用工程科學的知識來建造橋梁，很多橋梁可能會坍塌，並帶來嚴重的後果。」
其次，全數據的概念本身很難經得起推敲。全數據，顧名思義就是全部數據。這在某些特定的場合對於某些特定的問題確實可能實現。
比如，要比較清華、北大兩校同學數學能力整體上哪個更強，可以收集到兩校同學高考時的數學成績作為研究的數據對象。
從某種意義上說，這是全數據。但是，並不是說我們有了這個全數據就能很好地回答問題。
一方面，這個數據雖然是全數據，但仍然具有不確定性。
入校時的數學成績並不一定完全代表學生的數學能力。假如讓所有同學重新參加一次高考，幾乎每個同學都會有一個新的成績。分別用這兩組全數據去做分析，結論就可能發生變化。
另一方面，事物在不斷地發展和變化，同學入校時的成績並不能夠代表現在的能力。全體同學的高考成績數據，僅對於那次考試而言是全數據。
「全」是有邊界的，超出了邊界就不再是全知全能了。事物的發展充滿了不確定性，而統計學，既研究如何從數據中把信息和規律提取出來，找出最優化的方案；也研究如何把數據當中的不確定性量化出來。
在大數據時代，數據分析的很多根本性問題和小數據時代並沒有本質區別。當然，大數據的特點，確實對數據分析提出了全新挑戰。
例如，許多傳統統計方法應用到大數據上，巨大計算量和存儲量往往使其難以承受；對結構復雜、來源多樣的數據，如何建立有效的統計學模型也需要新的探索和嘗試。對於新時代的數據科學而言，這些挑戰也同時意味著巨大的機遇，有可能會產生新的思想、方法和技術。
來源：《人民日報》（2015年07月20日12版）清華大學劉軍教授
④ 什麼是大數據時代
利用相關演算法對海量數據的存儲、處理與分析，從海量數據中發現價值，服務於生產和生活。
大數據無處不在，社會各行各業都可以找到大數據的印記，在金融，餐飲，電信，體育，娛樂等領域都可以感受到大數據對各行各業的影響
1、更多，更亂，但內部有關系可循。
示例：
大約20年前，亞馬遜剛成立時，傑夫·貝索斯讓50個書評員來為他賣書，他意識到不僅僅可以請人來寫書評，還可以用數據技術來提供圖書推薦。起初他使用的是小數據，不是大數據，把客戶進行分類，比如說有人對中國旅遊或者是對園藝感興趣，系統會自動提供推薦。他的同事告訴他，剛剛開始使用這個數據推薦時，使用體驗並不好；在進一步分析後，亞馬遜決定不對人進行分類，而是對用戶的需求分類。這個做法做法非常成功，以至於到今天，推薦系統為亞馬遜帶去30%的銷售收入。
這就是數據收集和再處理。亞馬遜有交易數據，每買一本書就是一個交易，然後對這個數據進行分析。但今天我們已不再滿足於交易數據了，轉而收集起溝通數據。你看了某一個書評、某一個交流會給商家更多的信息和細節。
2、數據可以被重復使用（數據的產生和收集本身並沒有直接產生服務，最具價值的部分在於：當這些數據在收集以後，會被用於不同的目的，數據被重新再次使用）
示例：
比方說這家公司實時車輛交通數據採集商Inrix，該公司目前有1億個手機端用戶。Inrix可以幫助你開車，避開堵車，為司機呈現路的熱量圖，紅的就表面堵車。如果只提供數據，這個產品沒什麼特色，
但值得一提的是，Inrix並沒有用交警的數據，這個軟體的每位用戶在使用過程中會給伺服器發送實時數據，比如走的多快，走到哪裡，這樣每個客戶都是探測器。
每天早上起來想一下，這么多數據我能用來干什麼，這些價值在哪裡可以找到，能不能找到一個別人以前都沒有做過的事情。你的想法和思路，是最重要的資產。
示例：
我們可以通過大數據來確定哪些地方會有火災。以前防火檢查員只有13%的時間可以准備預測，現在他們找到火災隱患的概率達到了70%，比以前提高了6倍。將效率提高6倍是一個巨大無比的進步，未來的公共服務業可以由此獲得更多便利。
⑤ 大數據應用現狀 從發現價值到創造價值
大數據應用現狀：從發現價值到創造價值
從發現價值到創造價值， 大數據將成為「互聯網+」 產業升級的驅動力。 過去，數據的價值主要應用在決策領域，典型應用是商業智能(BI, Business Intelligence)在企業經營管理層面的應用， 即通過數據收集、管理和分析等方法，將數據轉化為知識， 發現數據的價值，進而提供決策支持。隨著數據體量的不斷增加和處理數據能力的提升， 大數據已經成為一類新的資產， 其應用場景正在不斷擴寬，除了決策支持、 提高效率等發現價值功能之外，大數據還能創造價值的功能： 一方面，大數據可以幫助提供傳統模式下所無法提供的產品， 滿足用戶需求， 例如大數據完善個人徵信體系，幫助金融機構提供消費金融產品；又如千方旗下的掌城科技通過浮動車模型提供實時交通信息服務；另一方面，大數據還可以創造需求， 例如，大數據可以助力實現人工智慧， 這是新技術創造的新需求。
大數據延伸 BI 內涵， 提高企業效率
大數據分析結果為企業經營決策提供支持，幫助企業提高效率，這實際上是傳統 BI 范疇的延伸。 在人口紅利逐漸消失的背景下， 我國企業傳統的粗放型模式受到了 越來越大的挑戰， 互聯網與產業結合背景下的大數據應用將有助於提升企業經營管理效率，助力企業經營從粗放型向集約型轉型， 實現產業升級。
大數據促進商業智能的加速發展，這是因為：第一，大數據的分析過程和結果更具有靈活性、可靠性和價值性；第二，大數據的存在提高了企業的商業智能意識， 引導企業主動尋求商業智能的幫助。一些大型企業往往擁有幾十個甚至數百個信息系統，其所包含的大量數據反映了企業的日常經營情況，若能加以分析和利用，將為企業創造巨大的價值。
目前，大數據應用可以幫助企業實現戶關系管理、盈利能力分析、控製成本、衡量績效等功能：
客戶關系管理（CRM）：通過客戶信息統計，使企業有針對性的根據客戶需求來定製產品和服務，提高客戶忠誠度，還可以通過分析偏好挖掘潛在客戶；
贏利能力分析：幫助企業分析利潤來源、各類產品贏利能力、費用支出是否與銷售成正比等；
控製成本：根據統計信息優化流程，如降低庫存、減少損耗等，助於企業控製成本；
績效管理：利於商業智能確立對員工的期望，幫助他們跟蹤並管理其績效。
麥肯錫調查顯示， 數據挖掘的商業價值巨大， 大數據在美國醫療行業每年能提高 0.7%的生產力，創造約 3000 億美元的價值；在歐洲公共管理部門 ，每年能提高 0.5%的生產力，創造 2500 億歐元的價值；在美國零售業，每年能提高 0.5%-1.0%的生產力 和 60%的凈利率。
大數據滿足需求， 市場空間巨大
大數據可以幫助提供過去所無法提供的產品， 滿足用戶需求。 這種模式在傳統產業中比較常見， 過去，一些行業的用戶需求雖然存在， 但是由於缺乏有效的技術手段，導致市場參與者無法提供合適的產品迎合市場需求。大數據技術興起後，將帶動一系列創新產品推出市場， 這在各行各業都能找到案例，考慮到傳統產業的廣度，這將是是一個正在挖掘的巨大市場。
以交通領域的實時交通信息服務和車險定價為例，這兩個細分領域的需求本來就存在，但在大數據興起之前，傳統模式無法提供最優的產品，而大數據技術下的產品優化可以更好的滿足需求，提高用戶體驗。
千方科技旗下掌城科技通過大數據技術提供實時交通信息服務。 掌城科技通過向計程車公司和公交車公司購買數據、 向政府部門臵換數據、利用千方自有數據的形式匯集城際交通數據， 基於浮動車的演算法模型，對數據進行二次開發，以建立實時交通信息服務平台。 目前， 掌城科技運營著北京、上海等全國 30 余個大中城市的實時路況信息，准確率極高。 目前，千方已將交通數據收集從城際交通擴大至整個陸路交通和航空等領域，目標通過大數據技術提供更加全面的公眾智慧出行服務。
大數據技術將參與車險定價，使定價更加科學。隨著車聯網的興起，OBD（On-BoardDiagnostic車載診斷系統）等聯網的車載設備，成為車聯網中的智能節點，連接運動中的人、車和道路環境，讀取行車數據，從而分析出車輛能耗、故障等車況信息以及駕駛者的行車習慣：通過G-sensor監測車主的諸如急剎車、急加速和急轉彎等危險行為，通過破解Can-bus協議監測車主的諸如轉彎不打燈、駐車不拉手剎等不良駕駛習慣，通過GPS獲取車輛的位臵信息和里程數據，這些數據將改善車險定價技術與核保政策，提升精準定價能力。
大數據創造需求，拓寬市場邊界
大數據創新產品拓寬市場邊界， 供給創造需求。 大數據創造價值功能， 除了提供產品滿足市場已經存在的需求外， 基於大數據的新產品還將創造新供給，帶動新需求， 打破原有的市場邊界，想像空間巨大：
一方面大數據能夠前所未有的精準洞悉現在，深入挖掘現有商業價值：
例如 Airbnb 擁有海量的獨有數據，包括旅遊地、用戶評論、房源描述、社區信息等， Airbnb還有一支隊伍去各地和當地人交流，搜集所有的相關歷史數據。當用戶在搜尋一個住宿的地方時， Airbnb 利用大數據分析通過 Airbnb 社區告訴未來的客人哪裡是更好的住宿地，甚至能夠幫助用戶更深入地了解某個地點，包括地理信息無法描述的文化或宗教上的區分。 Uber 則是利用地理位臵和其用戶的綜合數據，大大縮短司機開著空車去接下一位乘客的時間和乘客等待的時間。
另一方面大數據能夠空前准確的預測未來，從而能獲得前瞻性的商業價值：
例如社交數據分析公司 Topsy 准確預測了 iPhone 4S 上市後的市場表現，同時還成功預測美國大選結果和奧斯卡頒獎結果。它在商業分析、市場銷售、新聞等領域擁有很高價值，因而蘋果以 2 億多美元的價格收購 Topsy。
大數據產業鏈分析
大數據產業鏈的主要參與方
大數據產業鏈可以分為四個部分： 數據採集和整合、數據存儲和運算、數據分析和挖掘、數據應和消費。數據採集和整合是指通過技術手段從互聯網、 移動終端、 物聯網、 應用軟體等採集數據，然後把數據按照一定的規則進行存儲和運算，再按照需求調用數據並進行智能分析和挖掘，將數據轉化成價值信息或者產品，為決策支持、提升效率、 創新產品提供依據。
數據資產開始成為核心資源
擁有數據，大數據時代的王者。在大數據時代， 數據資產已經成為核心資源， 2012 年，奧巴馬政府明確提出 將「大數據戰略」上升為國家意志，並將數據定義為「未來的新石油」， 因此，擁有數據可謂是大數據時代的王者。 擁有數據的機構可以分為三類：
一是既有數據、 又有大數據思維的互聯網公司，如阿里巴巴、騰訊、京東、 Google、 Amazon等，在互聯網端積累了大量的數據資源，而且此類公司 IT 起家， 對大數據有天生敏銳的嗅覺， 大數據技術也相對成熟， 因此，互聯網公司 可謂是最早使用大數據的機構，成為大數據應用的先行者；
二是傳統軟體公司轉型互聯網，通過 SaaS 模式為用戶提供服務， 例如用友軟體推出暢捷通，以雲模式為小微企業提供財務管理應用， 也可以認為是既有數據、 又有大數據思維的模式；
三是擁有數據，缺乏大數據思維的機構，這類機構手裡掌握著大量的數據，但是沒有能力自己有效利用， 例如金融機構、 運營商、政府部門等。
使用數據，數據變現的推動者。對於手裡掌握大量數據，但沒有能力變現的機構而言，需要專業的第三方公司提供大數據服務，主要是各類 IT 咨詢機構和行業應用軟體廠商，尤其是行業應用軟體廠商， 在各自的領域具有天然的卡位優勢： 軟體公司提供了行業應用軟體和相關的運營維護， 行業應用軟體本身就是重要的數據來源，軟體公司 屬於不擁有數據，但可以接觸到數據的機構， 且天然擁有大數據思維和大數據技術，以及良好的行業客戶關系，從信息系統建設延伸到大數據運營順理成章。因此，各個細分行業的應用軟體提供商有望成為傳統擁有數據機構的重要合作夥伴， 助力其探索大數據價值變現。
大數據技術是重要生產力
大數據應用好壞的關鍵除了 數據本身，還在於大數據技術， 大數據技術包括數據採集、數據存取、基礎架構、數據處理、統計分析、數據挖掘、模型預測、結果呈現等環節，涉及的技術環節極廣， 隨著數據體量增大和數據復雜性程度提高，大數據技術本身也處於快速迭代的發展過程中。值得一提的是，大數據技術落地的一大重要因素在於如何實現技術與業務的融合， 這背後需要深厚的業務理解， 對於既有數據、 又有大數據思維的互聯網公司 來說，技術和業務本身是相互驅動、共同發展的， 對於擁有數據，缺乏大數據思維的機構而言， 在行業深耕多難的應用軟體提供商則是最好的選擇。
以上是小編為大家分享的關於 大數據應用現狀 從發現價值到創造價值的相關內容，更多信息可以關注環球青藤分享更多干貨
⑥ 什麼是大數據時代
大數據時代是指利用相關演算法對海量數據的處理與分析、存儲，從海量的數據中發現價值，服務於生活與生產。在餐飲、電信、金融、娛樂、體育等領域都能夠感受到大數據對各行各業帶來的影響。
所謂的大數據時代，從字面意義上就不難理解，數據非常大，信息量比較龐大，這也是互聯網迅速發展所帶來的改變。僅從通訊上面我們就能夠看出來，以前的2G、3G就能夠滿足人們使用，到後來的4G，網路的發展，人們能夠通過互聯網獲取的信息越來越多，現在又開始推出5G，大數據的時代，畢竟容納和接受更多的信息。
⑦ 什麼是大數據時代
（1）大數據時代的提出
最早提出大數據時代到來的是全球知名咨詢公司麥肯錫，他認為數據已經滲透到當今每一個行業和業務職能領域，成為重要的生產因素。人們對於海量數據的挖掘和運用，預示著新一波生產率增長和消費者盈餘浪潮的到來。
（2）大數據時代的來臨
隨著互聯網快速發展、智能手機以及「可佩帶」計算設備的出現，我們的行為、位置，甚至身體生理數據等每一點變化都成為了可被記錄和分析的數據。這些新技術推動著大數據時代的來臨，各行各業每天都在產生數量巨大的數據碎片，數據計量單位已從Byte、KB、MB、GB、TB發展到PB、EB、ZB、YB甚至BB來衡量。
（3）大數據時代的特點
如果簡單來理解什麼是大數據，我們只要抓住大數據的四個特點，大量、高速、多樣、價值。具體來講就是數據體量巨大，數據的爆發性增長迫切的需要智能的演算法、強大的數據處理平台和新的數據處理技術，來統計、分析、預測和實時處理如此大規模的數據；數據類型繁多，廣泛的數據來源決定了大數據形式的多樣性。任何形式的數據都可以產生作用，目前應用最廣泛的就是推薦系統的應用；價值密度低，現實世界所產生的數據中，有價值的數據所佔比例很小。相比於傳統的小數據，大數據最大的價值在於通過從大量不相關的各種類型的數據中，挖掘出對未來趨勢與模式預測分析有價值的數據；數據分析處理速度快，主要通過互聯網傳輸。大數據對處理速度有非常嚴格的要求，伺服器中大量的資源都用於處理和計算數據，很多平台都需要做到實時分析。
⑧ 大數據時代如何做好數據治理
企業數據分析系統的數據來源是各個業務系統或手工數據，這些數據的格式、內容等都有可能不同。如果不進行數據治理，數據的價值難以發揮。只有對數據標准進行規范，管理元數據、數據監控等，才能得到高質量的數據。得到規范的數據後，才可在此基礎上進行主題化的數據建模、數據挖掘、數據分析等。
2013年被眾多的IT人定義為中國的大數據元年，這一年國內的大數據項目開始在交通、電信、金融部門被廣泛推動。各大銀行對Hadoop的規劃、POC尤其風生水起，帶動了一波大數據應用的熱潮，這個熱潮和當初數據倉庫進入中國時的2000年左右很相似：應用還沒有想好，先歸集一下數據，提供一些查詢和報表，以技術建設為主，業務推動為輔。這就導致了這股Hadoop熱潮起來的時候，傳統企業都是以數據歸集為主的，而BAT這樣的企業則天生以數據為生，早早進入了數據驅動技術和業務創新的階段。
隨著Hadoop技術的提升，數據如何進來，如何整合，開展什麼樣的應用都已經有了成熟的案例，可是，同傳統數倉時代一樣，垃圾進垃圾出，如何破？相比傳統數倉時代，進入Hadoop集群的數據更加的多樣、更加的復雜、量更足，這個數倉時代都沒有處理好的事情，如何能夠在大數據時代處理好，這是所有大數據應用者最最期盼的改變，也是大數據平台建設者最有挑戰的難題：數據治理難的不是技術，而是流程，是協同，是管理。 睿治數據治理平台平台架構
元數據：採集匯總企業系統數據屬性的信息，幫助各行各業用戶獲得更好的數據洞察力，通過元數據之間的關系和影響挖掘隱藏在資源中的價值。
數據標准：對分散在各系統中的數據提供一套統一的數據命名、數據定義、數據類型、賦值規則等的定義基準，並通過標准評估確保數據在復雜數據環境中維持企業數據模型的一致性、規范性，從源頭確保數據的正確性及質量，並可以提升開發和數據管理的一貫性和效率性。
數據質量：有效識別各類數據質量問題，建立數據監管，形成數據質量管理體系，監控並揭示數據質量問題，提供問題明細查詢和質量改進建議，全面提升數據的完整性、准確性、及時性，一致性以及合法性，降低數據管理成本，減少因數據不可靠導致的決策偏差和損失。
數據集成：可對數據進行清洗、轉換、整合、模型管理等處理工作。既可以用於問題數據的修正，也可以用於為數據應用提供可靠的數據模型。
主數據：幫助企業創建並維護內部共享數據的單一視圖，從而提高數據質量，統一商業實體定義，簡化改進商業流程並提高業務的響應速度。
數據資產：匯集企業所有能夠產生價值的數據資源，為用戶提供資產視圖，快速了解企業資產，發現不良資產，為管理員提供決策依據，提升數據資產的價值。
數據交換：用於實現不同機構不同系統之間進行數據或者文件的傳輸和共享，提高信息資源的利用率，保證了分布在異構系統之間的信息的互聯互通，完成數據的收集、集中、處理、分發、載入、傳輸，構造統一的數據及文件的傳輸交換。
生命周期：管理數據生老病死，建立數據自動歸檔和銷毀，全面監控展現數據的生命過程。
數據安全：提供數據加密、脫敏、模糊化處理、賬號監控等各種數據安全策略，確保數據在使用過程中有恰當的認證、授權、訪問和審計等措施。
建立完整的、科學的、安全的、高質量的數據管控技術體系，是首要的任務。作為數據管控的基石，為了更好支撐後續工作的開展，技術體系必須一步到位，是功能完備、高質量、高擴展性的，而不是僅實現部分功能，或者功能不完善的「半成品」。
疊加更多業務數據、細化數據業務屬性與管理屬性、優化與調整數據管控流程，尤其是適應未來的現代企業數據管控制度的建立完善，是逐步積累推廣、不斷磨合改進的長期過程。這些工作應及早啟動，並成為後續大數據平台建設工作的重點。
談大數據時代的數據治理 當前要做的是功能框架的完善，而完善的著力點則是「數據資產目錄」：用資產化的視角來管理一個企業的數據，只有把數據作為資產來認識和管理，大數據項目才能達成預期，也能夠治理好。大數據時代帶來的價值，個人認為主要有兩個，一個是技術架構，主要是架構理念的進步，另外一個更重要的則是對數據的重視。大數據時代是數據的時代，IT向DT轉型，不單單是BAT，所有的IT公司，未來都在數據這兩個字上。
對於一個企業來說，把數據作為資產，才是建設大數據的最終目的，而不是僅僅是因為Hadoop架構帶來性價比和未來的擴展性。當一個企業把數據作為資產，他就像管理自己名下存摺、信用卡一樣，定期梳理，無時無刻不關心資產的變化情況，關注資產的質量。
而資產目錄就是管理資產的形式和手段，他像菜單一樣對企業的資產進行梳理、分門別類，提供給使用者；使用者通過菜單，點選自己需要的數據，認可菜單對應的後端處理價值，後廚通過適當的加工，推出相應的數據服務；這是一個標準的流程，而這些流程之上，附著一整套數據管理目標和流程。
大數據平台以數據資產目錄為核心，將元數據、數據標准、主數據、數據質量、數據生命周期、數據輪廓等信息在邏輯層面關聯起來，在管理層面上整合成統一的整體，構建起數據管理體系，全面的支持數據服務等具體應用。
大數據平台實現了數據存儲、清洗和應用。在數據匯入和匯出的過程中，需要對數據的元數據進行統一記錄和管理，以利於後續的數據應用和數據血緣分析。數據質量一直是數據集成系統的基礎工作，對數據的各個環節設置數據質量檢查點，對數據質量進行剖析、評估，以保證後續應用的可信度。
在數據收集的過程中，隨著數據維度、指標的聚集，如何找到所需的業務指標及屬性，並且評估相關屬性的業務及技術細節，需要對收集的所有數據進行業務屬性，並進行分類，建立完善的數據資產目錄。
數據資產目錄是整個大數據平台的數據管理基礎，而數據資產目錄由於數據的多樣性，在使用的過程中，必然涉及數據許可權的申請、審批管控流程，而管控流程的建立依賴於相應崗位的設立和對應職責的建立。
大數據平台的數據管理架構規劃，通過數據物理集中和數據邏輯整合，徹底擺脫企業「數據豎井」的困境。大數據平台數據管理架構分為功能架構、流向規劃和數據架構三個層面。
數據管理功能架構：借鑒DAMA數據管理和DMM數據成熟度理論，著眼於數據管理技術和數據管理流程融合，組織數據管理功能。
數據流向規劃架構：規劃整個大數據平台的數據流向，並在數據流入、數據整合、數據服務的具體環節實現精細化管理。
數據管理的數據架構：以數據資產目錄為核心，數據項為最小管理單元，將技術元數據（實體、屬性和關系）、業務元數據和管理元數據（數據標准、主數據、數據質量、數據安全）融合為彼此緊密聯系、密不可分的整體，共同構成精細化管理的數據基礎。
數據管理在整個大數據平台不僅僅是一個主要功能模塊，它還是整個企業層面數據治理的重要組成部分，它是技術和管理流程的融合，也需要合理管控流程框架下組織機構之前的協調合作。如何利用統一的數據管理模塊對企業所有進入到數據湖的數據進行有效管控，不單單取決於數據管理模塊本身，也取決於元數據的合理採集、維護，組織結構及制度的強力支持保證。
談大數據時代的數據治理 大數據平台數據管理參照了DAMA對於數據管理的九個管理目標，並進行裁剪，並對部分管理目標進行了合並，並參照了CMMI制定DMM數據成熟度目標，採用循序漸進，逐步完善的策略對管理目標進行分階段完成，制定完整的管控流程和數據治理規范，以便持續的對數據進行管理，遞進實現DMM定義的成熟度目標。
億信睿治數據治理管理平台和DAMA的對應關系如下：
談大數據時代的數據治理 大數據平台數據管理的核心內容是數據資產目錄，圍繞數據資產目錄的數據流入、數據整合、數據服務都是數據管理的核心。數據管理主要管理數據的流動，以及管理流動帶來的數據變化，並對數據底層的數據結構、數據定義、業務邏輯進行採集和管理，以利於當前和未來的數據使用。為了更好的對數據進行管理和使用，制度層面的建設、流程的設立必不可少，同時也兼顧到數據在流動過程中產生的安全風險和數據隱私風險。
因此數據管理介入到完整的數據流轉，並在每個節點都有相應的管理目標對應，整個數據流框架如下圖所示：
談大數據時代的數據治理 企業在建制大數據平台的同時，對進入數據湖的數據進行梳理，並按照數據資產目錄的形式對外發布。在發布數據資產之後，則對進出數據湖的數據進行嚴格的出入庫管理，保證數據可信度，並定期進行數據質量剖析檢查，確保數據資產完善、安全、可信，避免「不治理便破產」的讖言。
⑨ 什麼是大數據時代
隨著雲時代的來臨，大數據(Big data)也吸引了越來越多的關注。《著雲台》的分析師團隊認為，大數據(Big data)通常用來形容一個公司創造的大量非結構化和半結構化數據，這些數據在下載到關系型資料庫用於分析時會花費過多時間和金錢。大數據分析常和雲計算聯繫到一起，因為實時的大型數據集分析需要像MapRece一樣的框架來向數十、數百或甚至數千的電腦分配工作。
簡言之，從各種各樣類型的數據中，快速獲得有價值信息的能力，就是大數據技術。明白這一點至關重要，也正是這一點促使該技術具備走向眾多企業的潛力。 大數據的4個「V」，或者說特點有四個層面：第一，數據體量巨大。從TB級別，躍升到PB級別;第二，數據類型繁多。前文提到的網路日誌、視頻、圖片、地理位置信息等等。第三，價值密度低。以視頻為例，連續不間斷監控過程中，可能有用的數據僅僅有一兩秒。第四，處理速度快。1秒定律。最後這一點也是和傳統的數據挖掘技術有著本質
的不同。業界將其歸納為4個「V」——Volume，Variety，Value，Velocity。 物聯網、雲計算、移動互聯網、車聯網、手機、平板電腦、PC以及遍布地球各個角落的各種各樣的感測器，無一不是數據來源或者承載的方式 著雲台
例子包括網路日誌，RFID，感測器網路，社會網路，社會數據(由於數據革命的社會)，互聯網文本和文件;互聯網搜索索引;呼叫詳細記錄，天文學，大氣科學，基因組學，生物地球化學，生物，和其他復雜和/或跨學科的科研，軍事偵察，醫療記錄;攝影檔案館視頻檔案;和大規模的電子商務。
大的數據需要特殊的技術，以有效地處理大量的容忍經過時間內的數據。適用於大數據的技術，包括大規模並行處理(MPP)資料庫，數據挖掘電網，分布式文件系統，分布式資料庫，雲計算平台，互聯網，和可擴展的存儲系統。
一些但不是所有的MPP的關系資料庫的PB的數據存儲和管理的能力。隱含的負載，監控，備份和優化大型數據表的使用在RDBMS的。
斯隆數字巡天收集在其最初的幾個星期，比在天文學的歷史，早在2000年的整個數據收集更多的數據。自那時以來，它已經積累了140兆兆 位元組的信息。這個望遠鏡的繼任者，大天氣巡天望遠鏡，將於2016年在網上和將獲得的數據，每5天沃爾瑪處理超過100萬客戶的交易每隔一小時，反過來進口量資料庫估計超過2.5 PB的是相當於167次，在美國國會圖書館的書籍 。
FACEBOOK處理400億張照片，從它的用戶群。解碼最初的人類基因組花了10年來處理時，現在可以在一個星期內實現。
「大數據」的影響，增加了對信息管理專家的需求，甲骨文，IBM，微軟和SAP花了超過15億美元的在軟體智能數據管理和分析的專業公司。這個行業自身價值超過1000億美元，增長近10%，每年兩次，這大概是作為一個整體的軟體業務的快速。 大數據已經出現，因為我們生活在一個社會中有更多的東西。有46億全球行動電話用戶有1億美元和20億人訪問互聯網。
基本上，人們比以往任何時候都與數據或信息交互。 1990年至2005年，全球超過1億人進入中產階級，這意味著越來越多的人，誰收益的這筆錢將成為反過來導致更多的識字信息的增長。思科公司預計，到2013年，在互聯網上流動的交通量將達到每年667艾位元組。
最早提出「大數據」時代已經到來的機構是全球知名咨詢公司麥肯錫。麥肯錫在研究報告中指出，數據已經滲透到每一個行業和業務職能領域，逐漸成為重要的生產因素;而人們對於海量數據的運用將預示著新一波生產率增長和消費者盈餘浪潮的到來。
「麥肯錫的報告發布後，大數據迅速成為了計算機行業爭相傳誦的熱門概念，也引起了金融界的高度關注。」隨著互聯網技術的不斷發展，數據本身是資產，這一點在業界已經形成共識。「如果說雲計算為數據資產提供了保管、訪問的場所和渠道，那麼如何盤活數據資產，使其為國家治理、企業決策乃至個人生活服務，則是大數據的核心議題，也是雲計算內在的靈魂和必然的升級方向。」
事實上，全球互聯網巨頭都已意識到了「大數據」時代，數據的重要意義。包括EMC、惠普(微博)、IBM、微軟(微博)在內的全球IT 巨頭紛紛通過收購「大數據」相關廠商來實現技術整合，亦可見其對「大數據」的重視。
「大數據」作為一個較新的概念，目前尚未直接以專有名詞被我國政府提出來給予政策支持。不過，在12月8日工信部發布的物聯網「十二五」規劃上，把信息處理技術作為4項關鍵技術創新工程之一被提出來，其中包括了海量數據存儲、數據挖掘、圖像視頻智能分析，這都是大數據的重要組成部分。而另外3項關鍵技術創新工程，包括信息感知技術、信息傳輸技術、信息安全技術，也都與「大數據」密切相關。
⑩ 大數據應用價值發現的三大方法
1. 數據服務
數據服務針對用戶非常明確的數據查詢和處理任務，以高性能和高吞吐量的方式實現大眾化的服務，是數據價值最重要也是最直接的發現方式。由於要處理大眾化的服務請求，每個服務任務必須能夠被快速地處理掉，因此，數據服務的單個任務負載不能過於復雜，單任務直接處理的數據不能太大，任務對應的用戶需求和採用的數據處理方法必須是明確的。一些典型的數據服務包括事務處理、數據查詢、信息檢索、數據預測。
2. 數據分析
數據分析是指用適當的統計分析方法對大量數據進行分析或建模，提取有用信息並形成結論，進而輔助人們決策的過程。在這個過程中，用戶會有一個明確的目標，通過“數據清理、轉換、建模、統計”等一系列復雜的操作，獲得對數據的洞察，從而協助用戶進行決策。常見的數據分析任務又可以被進一步劃分為描述型分析、診斷型分析、預測型分析、策略型分析。
3. 數據探索
數據探索是指針對目標可變、持續、多角度的搜索或分析任務，其搜索過程是有選擇、有策略和反復進行的。它將以找到信息為目的的傳統信息檢索模式變為以發現、學習和決策為目的的信息搜尋模式。這樣的搜索模式結合了大量的數據分析與人機交互過程，適合於人們從數據中發現和學習更多的內容和價值。
關於大數據應用價值發現的三大方法，青藤小編就和您分享到這里了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。
以上是小編為大家分享的關於大數據應用價值發現的三大方法的相關內容，更多信息可以關注環球青藤分享更多干貨