ceo大數據問題

『壹』 數據安全怎麼做，安全性更高

數據泄露將面臨天價損失

近日，波耐蒙研究所發布了《2018數據泄露成本調研》，對安全事件的年度損失進行評估，首次計算出丟失100-5000萬記錄的數據泄露事件可致的損失金額。

調研結果顯示，數據泄露事件的平均總成本在 220到 690 萬美元之間，而對於上述提到的重大數據泄露事件，每百萬條記錄會導致高達3949萬美元的損失，且這一數字會隨著泄露記錄數量的增加而增加，5000萬條記錄泄露將會讓3.5億美元巨款不翼而飛。

圖：數據泄露平均成本

數據泄露不僅會造成企業經濟損失，企業信譽損失影響更為深遠。如果客戶因數據泄露事件或需等待交易處理而放棄業務合作，就會帶來更具破壞力的結果。調研結果顯示，現有客戶流失1%，就會對企業造成270萬美元的損失；客戶流失4%，企業的平均損失達到490萬美元。

原來數據泄露帶來的損失如此巨大！

這也印證了盤石董事長兼CEO田寧在MWC2018世界移動大會上所說的話：「和食物、衣服這些商品不同，數據是反復使用，卻越來越值錢的。」

圖：盤石董事長兼CEO田寧在MWC2018世界移動大會發表演講

學會保護數據，是企業的必修課

既然數據泄露損失如此巨大，那企業更應該防患於未然，做好數據的保護工作。

調研報告中給出的解決方案指出，建立一支專業化安全團隊可提前為保護數據安全做好充足准備，從而最大程度削減泄露損失。然而對於大多數企業來說，打造一支團隊不是那麼容易的事，尤其是中小企業。

為打造誠信安全的互聯網環境，解決企業數據泄露等問題，北京盤石信用管理有限公司根據國家誠信網站資料庫、火眼金睛企業徵信資料庫及國家公開企業基本信息、輿情信息、法院信息等數據源建立信用模型，以大數據智能分析為核心，建立了一整套互聯網安全認證防護生態系統。該系統從對企業PC網站、APP、小程序的信用認證，到安全預警系統、安全信用缺失曝光系統，再到互聯網信用安全技術的研究等，對企業和用戶數據安全進行全方位的預防和保護。

圖：盤石誠信認證生態服務體系

對於想建立互聯網安全防護體系的企業來說，這樣的一站式安全防護系統，能夠最大程度地為他們節省成本，便捷、高效的實現企業的互聯網安全，預防數據泄露，盡量減輕互聯網安全問題造成的損失。

如今，網路空間已被視為繼陸地、海洋、天空、外空之外的第五空間，數據作為各大公司的寶藏，也吸引著不法者的目光。如何最大程度地保護數據安全，是包括盤石信用在內的所有企業應了解並重視的問題。希望在多方的努力下，關於數據泄露的報道會越來越少，用戶的隱私數據不再「裸奔」

『貳』 大數據安全的六大挑戰

大數據安全的六大挑戰_數據分析師考試

大數據的價值為大家公認。業界通常以4個「V」來概括大數據的基本特徵——Volume(數據體量巨大)、Variety(數據類型繁多)、Value(價值密度低)、Velocity(處理速度快)。當你准備對大數據所帶來的各種光鮮機遇大加利用的同時，請別忘記大數據也會引入新的安全威脅，存在於大數據時代「潘多拉魔盒」中的魔鬼可能會隨時出現。

挑戰一：大數據的巨大體量使得信息管理成本顯著增加

4個「V」中的第一個「V」(Volume)，描述了大數據之大，這些巨大、海量數據的管理問題是對每一個大數據運營者的最大挑戰。在網路空間，大數據是更容易被「發現」的顯著目標，大數據成為網路攻擊的第一演兵場所。一方面，大量數據的集中存儲增加了泄露風險，黑客的一次成功攻擊能獲得比以往更多的數據量，無形中降低了黑客的進攻成本，增加了「攻擊收益」;另一方面，大數據意味著海量數據的匯集，這裡面蘊藏著更復雜、更敏感、價值巨大的數據，這些數據會引來更多的潛在攻擊者。

在大數據的消費者方面，公司在未來幾年將處理更多的內部生成的數據。然而在許多組織中，不同的部門像財務、工程、生產、市場、IT等之間的信息仍然是孤立的，各部門之間相互設防，造成信息無法共享。那些能夠在不破壞壁壘和部門現實優勢的前提下更透明地溝通的公司將更具競爭優勢。

【解決方案】 首先要找到有安全管理經驗並受過大數據管理所需要技能培訓的人員，尤其是在今天人力成本和培訓成本不斷上升的節奏中，這一定足以讓許多CEO肝顫，但這些針對大數據管理人員的巨額教育和培訓成本，是一種非常必要的開銷。

與此同時，在流程的設計上，一定要將數據分散存儲，任何一個存儲單元被「黑客」攻破，都不可能拿到全集，同時對於不同安全域要進行准確的評估，像關鍵信息索引的保護一定要加強，「好鋼用在刀刃上」，作為數據保全，能夠應對部分設施的災難性損毀。

挑戰二：大數據的繁多類型使得信息有效性驗證工作大大增加

4個「V」中的第二個「V」(Variety)，描述了數據類型之多，大數據時代，由於不再拘泥於特定的數據收集模式，使得數據來自於多維空間，各種非結構化的數據與結構化的數據混雜在一起。

未來面臨的挑戰將會是從數據中提取需要的數據，很多組織將不得不接受的現實是，太多無用的信息造成的信息不足或信息不匹配。我們可以考慮這樣的邏輯：依託於大數據進行演算法處理得出預測，但是如果這些收集上來的數據本身有問題又該如何呢?也許大數據的數據規模可以使得我們無視一些偶然非人為的錯誤，但是如果有個敵手故意放出干擾數據呢?現在非常需要研究相關的演算法來確保數據來源的有效性，尤其是比較強調數據有效性的大數據領域。

正是因為這個原因，對於正在收集和儲存大量客戶數據的公司來說，最顯而易見的威脅就是在過去的幾年裡，存放於企業資料庫中數以TB計，不斷增加的客戶數據是否真實可靠，依然有效。

眾所周知，海量數據本身就蘊藏著價值，但是如何將有用的數據與沒有價值的數據進行區分看起來是一個棘手的問題，甚至引發越來越多的安全問題。

【解決方案】 嘗試盡可能使數據類型具體化，增加對數據更細粒度的了解，使數據本身更加細化，縮小數據的聚焦范圍，定義數據的相關參數，數據的篩選要做得更加精緻。與此同時，進一步健全特徵庫，加強數據的交叉驗證，通過邏輯沖突去偽存真。

挑戰三：大數據的低密度價值分布使得安全防禦邊界有所擴展

4個「V」中的第三個「V」(Value)，描述了大數據單位數據的低價值。這種廣種薄收似的價值量度，使得信息效能被攤薄了，大數據的安全預防與攻擊事件的分析過程更加復雜，相當於安全管理范圍被放大了。

大數據時代的安全與傳統信息安全相比，變得更加復雜，具體體現在三個方面：一方面，大量的數據匯集，包括大量的企業運營數據、客戶信息、個人的隱私和各種行為的細節記錄，這些數據的集中存儲增加了數據泄露風險;另一方面，因為一些敏感數據的所有權和使用權並沒有被明確界定，很多基於大數據的分析都未考慮到其中涉及的個體隱私問題;再一方面，大數據對數據完整性、可用性和秘密性帶來挑戰，在防止數據丟失、被盜取、被濫用和被破壞上存在一定的技術難度，傳統的安全工具不再像以前那麼有用。

【解決方案】 確立有限管理邊界，依據保護要求，加強重點保護，構建一體化的數據安全管理體系，遵循網路防護和數據自主預防並重的原則，並不是實施了全面的網路安全護理就能徹底解決大數據的安全問題，數據不丟失只是傳統的邊界網路安全的一個必要補充，我們還需要對大數據安全管理的盲區進行監控，只有將二者結合在一起，才是一個全面的一體化安全管理的解決方案

挑戰四：大數據的快速處理要求使得獨立決策的比例顯著降低

「4個「V」中最後一個「V」(Velocity)，決定了利用海量數據快速得出有用信息的屬性。

大數據時代，對事物因果關系的關注，轉變為對事物相關關系的關注。如果大數據系統只是一種輔助決策系統，這還不是最可怕的。事實上，今天大數據分析日益成為一項重要的業務決策流程，越來越多的決策結果來自於大數據的分析建議，對於領導者最艱難的事情之一，是讓我的邏輯思考來做決定，還是由機器的數據分析做決定，可怕的是，今天看來，機器往往是正確的，這不得不讓我們產生依賴。試想一下，如果收集的數據已經被修正過，或是系統邏輯已經被控制了呢!但是面對海量的數據收集、存儲、管理、分析和共享，傳統意義上的對錯分析和奇偶較驗已失去作用。

【解決方案】 在依靠大數據進行分析、決策的同時，還應輔助其他的傳統決策支持系統，盡可能明智地使用數據所告訴我們的結果，讓大數據為我們所用。但絕對不要片面地依賴於大數據系統。

挑戰五：大數據獨特的導入方式使得攻防雙方地位的不對等性大大降低

在大數據時代，數據加工和存儲鏈條上的時空先後順序已被模糊，可擴展的數據聯系使得隱私的保護更加困難。過去傳統的安全防護工作，是先紮好籬笆、築好牆，等待「黑客」的攻擊，我們雖然不知道下一個「黑客」是誰，但我們一定知道，它是通過尋求新的漏洞，從前面逐層進入。守方在明處，但相比攻方有明顯的壓倒性優勢。而在大數據時代，任何人都可以是信息的提供者和維護者，這種由先天的結構性導入設計所帶來的變化，你很難知道「它」從哪裡進來，「哪裡」才是前沿。這種變化，使得攻、防雙方的力量對比的不對等性大大下降。

同時，由於這種不對等性的降低，在我們用數據挖掘和數據分析等大數據技術獲取有價值信息的同時，「黑客」也可以利用這些大數據技術發起新的攻擊。「黑客」會最大限度地收集更多有用信息，比如社交網路、郵件、微博、電子商務、電話和家庭住址等信息，大數據分析使「黑客」的攻擊更加精準。此外，「黑客」可能會同時控制上百萬台傀儡機，利用大數據發起僵屍網路攻擊。

【解決方案】 面對大數據所帶來新的安全問題，有針對性地更新安全防護手段，增加新型防護手段，混合生產數據和經營數據，多種業務流並行，增加特徵標識建設內容，增強對數據資源的管理和控制。

挑戰六：大數據網路的相對開放性使得安全加固策略的復雜性有所降低

在大數據環境下，數據的使用者同時也是數據的創造者和供給者，數據間的聯系是可持續擴展的，數據集是可以無限延伸的，上述原因就決定了關於大數據的應用策略要有新的變化，並要求大數據網路更加開放。大數據要對復雜多樣的數據存儲內容做出快速處理，這就要求很多時候，安全管理的敏感度和復雜度不能定得太高。此外，大數據強調廣泛的參與性，這將倒逼系統管理者調低許多策略的安全級別。

當然，大數據的大小也影響到安全控制措施能否正確地執行，升級速度無法跟上數據量非線性增長的步伐，就會暴露大數據安全防護的漏洞。

【解決方案】 使用更加開放的分布式部署方式，採用更加靈活、更易於擴充的信息基礎設施，基於威脅特徵建立實時匹配檢測，基於統一的時間源消除高級可持續攻擊(APT)的可能性，精確控制大數據設計規模，削弱「黑客」可以利用的空間。

大數據時代已經到來，大數據已經產生出巨大影響力，並對我們的社會經濟活動帶來深刻影響。充分利用大數據技術來挖掘信息的巨大價值，從而實現並形成強有力的競爭優勢，必將是一種趨勢。面對大數據時代的六種安全挑戰，如果我們能夠予以足夠重視，採取相應措施，將可以起到未雨綢繆的作用。

以上是小編為大家分享的關於大數據安全的六大挑戰的相關內容，更多信息可以關注環球青藤分享更多干貨

『叄』 大數據揭秘CEO出身比例最高的崗位

近期隨著秋招旺季的深入，各行各業都參與到了如火如荼的搶人大戰中。線上招聘平台暴增的崗位量和簡歷量，還有各大高校招聘會現場的人頭攢動，都在凸顯著2018年秋招季的火爆。但是小編也注意到一類崗位如同「瘟神」一樣，讓很多人避之不及，這就是銷售類崗位。據調查，很多人理解的銷售都是不體面、壓力大、從業者素質低、無前途、不穩定……是最一無是處的崗位。但是真實情況又如何呢？山東本土求職招聘網站——齊魯人才網用18年積累的大數據為您解讀。

銷售類崗位是妥妥的高薪崗位，跑贏山東省平均薪酬

前惠普全球副總裁孫振耀曾說：世界財富500強公司的CEO當中最多的是銷售出身，第二多的人是財務出身，這兩者加起來大概超過95%。銷售是跟人打交道的一門學問，管理更是如此，他們有很多相通的地方，有個共同的目標就是讓一些人去做一些特定的事。銷售人員對市場非常了解，包括競品的優勢劣勢、消費者習慣和需求等，並且有更多的人脈、資金等資源可以整合，相比其他崗位更容易向管理層發展上升或創業。

綜合以上所說的各個方面，銷售實乃是一個薪酬高、好就業、從業人員素質水平相對較高、發展空間大的職業。廣大求職者在面對銷售類崗位時大可放下心中的包袱，只要自己喜歡，果斷投下你的簡歷吧。

『肆』 大數據急需攻克的五大世界性難題

大數據急需攻克的五大世界性難題

世界人民的健康記錄：醫學領域最急需的資源，人腦圖譜：了解身體的各個部分如何運作，統籌世界范圍內的鈾原料供應：追蹤武器化活動與能源供給等這些人們最關注的世界性難題，IBM、谷歌等巨頭級企業已經開始對這類高難度挑戰發起沖擊，這很令人期待。

盡管計算性能、存儲容量以及分析技術一直在不斷進步，某些現實挑戰對於大數據而言仍然過於龐大以至於無法應對。在今天的文章中，我們將探討五個此類難題 ——看看如何才能將其解決。

如果大數據能夠在傳統領域之外進一步解決世界性難題，結果會怎麼樣？到目前為止，IBM、谷歌以及惠普等巨頭級企業已經開始對這類高難度挑戰發起沖擊，其中包括分析繁忙的高速公路上到底會有多少車輛通過某條橋梁，或者計算會有多少用戶查看網路瀏覽器中的一條小廣告。谷歌公司甚至公布了一項雄心勃勃的計劃，稱將解決人類衰老這一歷史性難題。

但仍有幾大世界性難題等待著我們攻克。在某些情況下，分析所需要的數據根本無跡可尋。在其它情況下，足以應對如此龐大數據量的計算機還沒有被發明出來。目前有五大課題值得我們關注。會有大數據技術企業站出來排憂解難嗎？我們等待時間帶來答案。

世界人民的健康記錄：醫學領域最急需的資源

大多數人都擁有一份電子健康記錄（簡稱HER），不過其中的內容頗為有限——甚至只包含最近一次健康檢查的基本結果。目前足以支撐全世界健康記錄資料庫的工具與技術已經到位。這樣的全球性資料庫一旦出現，制葯企業就能對其進行分析以開發人民群眾最急需的疫苗及葯物——也就是說，根據供應鏈的實際需要進行優先選擇。

既然前景一片光明，為什麼我們還沒有感受到由此帶來的益處呢？這是由於目前還缺乏一套訪問全球數據的可行機制。「健康記錄被保存在一大堆彼此隔離的系統當中，而資料持有者沒有足夠的動力來分享這些信息，」分布式資料庫供應商Cloudant公司聯合創始人兼首席科學家 MikeMiller表示。「即使我們真的把所有數據都歸攏在一起，也仍然需要通過機器學習演算法及實時分析對其進行全面優化。這也正是我們目前正在努力鑽研的課題。」

人腦圖譜：了解身體的各個部分如何運作

人類大腦模型能夠為科學研究帶來巨大幫助。醫生可以查看腫瘤的生長情況或者了解大腦如何通過一系列功能控制身體的其它器官。目前已經有包括歐洲人類大腦項目在內的多個科學項目嘗試在未來十年之內創建出大腦模擬系統。

障礙何在？要完成這項工作，我們需要一台運算速度千倍於當前水平的超級計算機。大腦當中存在數以百萬計的神經遞質，而且它們彼此之間互相連通、共同數據我們所接觸到的「數據」。

「這樣的計算規模要求我們從傳統的硅晶元領域脫離出來，邁向生物晶元時代——這是分子計算的前提條件，」曾任柯林頓政府前副助理國務卿（負責運輸體系技術政策）、現任霍華德大學教授的OliverG.McGee解釋道。「從直觀角度看，分子計算在數據管理方面的運算速度比傳統硅晶元高750倍，只有這樣的機制才能處理顱腹腦體系當中的關系認知奧秘。」

統籌世界范圍內的鈾原料供應：追蹤武器化活動與能源供給

毫無疑問，在全球范圍內收集任何數據都將是一項極為艱巨的任務，但追蹤全球鈾原料供應至少擁有其積極意義——當然，前提是所有信息碎片都能嚴絲合縫地被拼接在一起。

數據收集企業Connotate公司CEOKeithCooper指出，我們目前只能解決其中一部分難題，因為某些國家並沒有公開其鈾原料供應記錄。「目前，很多鈾儲量豐富的國家雖然已經擁有便捷的互聯網體系，但卻仍然拒絕以標准化方式公布其資源流向。」幸運的是，計算宏觀形勢倒不太困難——畢竟將鈾原料投入武器化領域的國家數量有限。

我們真正需要追蹤並掌握的是全球可用鈾原料當中最為寶貴的、僅佔15%的濃縮鈾，他解釋道。「我們需要識別並追蹤所有與濃縮鈾相關的銷售活動（通過黑市或者合法渠道）以及礦藏分布，並通過論壇、博客、監管機構及其它周邊體系進行數據統計，包括各政府及非政府組織對於鈾原料生產數據及開采活動的報道等。為了處理收集到的這些結果，我們還需要設計出一套智能化人機交流方案。」

全球實時犯罪數據：更加主動的警務處理能力

很多地方性執法機構已經掌握著非常豐富的犯罪數據，警務人員則可以在自己的警車內輕松訪問犯罪記錄資料庫，從而根據犯罪嫌疑人的具體情況做出反應。

障礙何在？這些數據只包含過往的罪行，Cloudant公司的Miller表示，其中無法體現剛剛發生或者正在進行中的犯罪活動。由於無法在犯罪活動進行的過程中進行阻止，警方只能被迫採取更為被動的應對措施。

不過情況已經有所轉變，Miller指出。舉例來說，加利福尼亞州奧克蘭市警方已經配備聲學監控器用於識別槍聲。技術人士將其稱為 「ShotSpotter」，配合大數據分析機制即可用於追蹤潛在的犯罪發生地點，警員則根據分析結論立即前往對應位置。實時犯罪數據所帶來的易處並不局限於執法領域：TruliaLocal熱點地圖能夠提供犯罪活動報告，從而幫助住房買家選擇更友善、更安全的生活環境。

追蹤兒童行蹤：更好、更及時的AmberAlert

時至今日，我們已經擁有很多種通報失蹤兒童的方式，例如美國所採用的AmberAlert系統。不過這些通告機制的最大問題在於，只能在事後發起提醒。追蹤兒童位置所必要的技術已經存在，當下大部分智能手機都能通過谷歌位置報告功能將兒童的當前所在地發送給父母。與此同時，大眾汽車的Car-Net以及福特汽車的MyKey應用也能在青少年駕車到達特殊地理位置時發送報告。

障礙何在？分析。數字營銷企業RoundarchIsobar公司副總裁JaisonManian指出，預測技術能夠助我們一臂之力。大數據廠商能夠分析兒童的行為模式，當然前提是家長願意分享相關數據。

「預測分析能夠追蹤兒童的日常行動模式，並在出現嚴重偏差時立即向父母發出警示，」他表示。只要滿足警示條件，信息會被實時發出 ——這能有效阻止重大事故的發生。

以上是小編為大家分享的關於大數據急需攻克的五大世界性難題的相關內容，更多信息可以關注環球青藤分享更多干貨

『伍』 大數據常見問題有哪些

為什麼大數據工程師被稱為企業最需要的人才?

大數據是能為企業創造價值的源動力，大數據的應用能夠為企業提升訂單量、交易額、合理規劃商業布局以及對用戶進行精準營銷、挖掘深層次用戶，大數據工程師是最能為企業賺錢的人，最能幫助高層指定正確戰略決策的人群，因此自然會收到企業的重視。

為什麼大數據工程師一入職就能成為IT金領?

最主要的原因是大數據工程師可以為企業創造價值，而不是消耗企業的成本，再有就是大數據本身對人才技術層面和行業層面都有較高的要求，普通開發人員難於勝任，因此會造成入職即成為金領的現狀。

為什麼大數據也要學java?

整個大數據體系是構建在java平台之上的，java作為大數據平台的基礎架構支持，直接決定了大數據架構的穩定性、高效性、擴展性等等，因此只有掌握底層的java核心技術，才能夠保證上層建築的穩定運行。

為什麼大數據也要學Python?

在一些數據分析領域，python提供了比較多的演算法庫實現，並且python由於其簡單性，會加快開發速度，對很多常規的任務都能夠使用python來完成，而且對於非計算機人員，python是比較容易接受和上手的語言，因此python在開發中也是較常見的語言。

關於大數據常見問題有哪些，青藤小編就和您分享到這里了。如果你對大數據工程有濃厚的興趣，希望這篇文章能夠對你有所幫助。如果您還想了解更多數據分析師、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。

『陸』 大數據創業潮起商業模式尚未成型

大數據創業潮起商業模式尚未成型_數據分析師考試

近一年來，「大數據」已成為最火的IT詞彙之一。2012年，美國政府實施大數據計劃、聯合國發布大數據報告、我國一些城市或園區也宣布發展大數據產業。EMC、IBM、Oracle等跨國IT巨頭紛紛發布大數據戰略和產品。

數據統計，2012年全球被創建和被復制的數據總量達2.7ZB，是2002年全球數據總量的2億倍;其中文本、照片、音頻、視頻、醫療影像等非結構化內容超過85%。龐大的數據蘊含著前所未有的社會價值和商業價值，其發展潛力正被越來越多的人所看好。「數據對於任何一個企業都是競爭優勢，大數據將是未來的天然資源。」IBM新任CEO說。

在大數據的未來前景被看好的背景下，已衍生了許多基於數據商用的商業模式，而此領域也正成為創業者和投資機構所追捧的熱門領域。

「可能感興趣的人」「猜你喜歡」「購買此商品的人還購買了……」在你刷微博、網上購物時，經常會在相應的位置上見到如上提示。這些看似簡單的用戶體驗背後，其實正孕育著被譽為「新油田」大數據產業。

面對洶涌而來的巨大商機，一些初創公司已開始在此領域大膽淘金，並且還獲得了風險投資的支持。3月28日，晶贊科技獲得了北極光及英特爾投資的2000萬美元，這是繼去年百分點獲得IDG投資後，又一起在大數據領域的融資案例。在資本市場低迷的背景下，發生在大數據領域的創業項目顯得格外奪人眼球。

事實上，大數據在目前還是個寬泛而籠統的概念。在這個領域里創業，應該從哪個角度切入，以及如何構建自己的商業模式正成為創業者感興趣的話題。

廣告切入是初級階段

目前，國內數據服務還處於初級階段，新創數據服務類公司還需整合多種能力。目前來看，從廣告切入是最容易獲得廣告主支持的一種業務模式。

「沒有數據支撐的營銷，往往會陷入拍腦袋進而無效果之境地。現代消費者不會輕易上鉤，你需要消究他們的消費習慣及軌跡，進而找出熱商機!」上海戲劇學院新媒體領域的副教授陳永東在微博中這樣寫到。

確實如此，廣告界曾有一句名言：「我知道我的廣告費有一半浪費了，但是我不知道是哪一半」正表達了數據缺失給企業帶來的窘境。在百分點科技COO張韶峰看來，過去的技術很難滿足廣告主的需求，而現在通過技術手段完全可以解決這個問題。也就是說，讓廣告主花錢已能花明白了。

張韶峰表示，過去各家電商企業對其用戶的了解都是片面的或者單個維度的，也就是說每個網站只了解用戶在自己網站的偏好，但卻無法了解用戶在自己網站外的行為和偏好。「我們要做的事就是在這些網站之間搭建一個橋梁，這個橋梁能夠幫助企業更好地拼出屬於自己的用戶興趣拼圖。」張韶峰說，一旦打通消費者在多個領域內(比如購物、資訊、交友、娛樂等)的數據，就可以通過大數據構建消費者全面的興趣圖譜，並在自己的網站上進行有針對性的營銷和推送。這樣，不僅能增強網站的轉化率，而且也能大幅改善用戶體驗。

晶贊科技所做的，也正是把數據服務與廣告業結合起來，其核心產品「晶贊雷達」就是在專業數據服務的基礎上，實現了廣告主精準再營銷的廣告投放系統。晶贊科技創始人兼CEO湯奇峰告訴《中國經營報》記者：「晶贊科技非常熟悉廣告主的投放邏輯，我們的核心能力是建立多種模型，然後分析得出不同維度的有價值的信息，以便為廣告主提供有效的投放服務。」

在北大縱橫咨詢集團高級合夥人劉榮華看來，上述公司的業務只能說是大數據在廣告營銷行業的應用，而其實大數據行業遠不只這些，它的價值及影響力要大得多。可以說在未來，將不會有並不基於數據分析而做出的決策。也就是說，大數據會影響到我們社會生活的方方面面，因此，定性分析也將會成為習慣。

記者了解到：大數據包括數據來源、存儲、計算處理和應用等多個環節。在湯奇峰看來，目前國內大數據的發展還處於初級階段，新創數據服務類公司還需要有更多的整合能力，只有當產業發展到一定程度時，才能進一步地細分，而從廣告切入則是最容易獲得廣告主支持的一種業務模式。

但張韶峰也坦陳：「目前，最難的還是讓更多的企業認可數據分析的價值，並由此來提高數據服務的全社會認可度。」湯奇峰也認為：通過不同的案例來不斷地告訴目標客戶數據服務的價值，這還需要一個過程。

商業模式尚未成型

新創公司進入數據服務領域存在三大挑戰：一是有無全面開發技術的能力及實力;二是有無足夠多的錢，做數據服務需要很多基礎設施、海量數據的存儲、計算等，而這些都需要有硬體投入;三是要跑得比大公司快。

大數據領域的創業，看上去一片美好，但在短期內，還需要解決「向誰賺錢」和「怎麼賺錢」的問題。

記者了解到：晶贊科技除了推出自己的「晶贊雷達」這個產品外，也在通過其他的產品組合，向客戶提供更多的服務，比如通過向客戶提供SEM(搜索引擎營銷)技術支持、獨立廣告監測系統等產品，以獲得更多的服務費收益。因此，晶贊科技的客戶多是大企業，其中尤以互聯網垂直領域及電商兩個行業的客戶居多。

而百分點科技的客戶主要是電商公司，通過給電商企業提供個性化的推薦技術服務來獲得收益。據張韶峰介紹，百分點科技目前主要採取兩種收費模式，一是固定的基礎技術服務費，即根據每家企業選用的功能及規模大小來收取基本費用;二是按效果付費，兩者的收入佔比大致相當。

然而在湯奇峰看來，現在對於數據服務類公司談商業模式，還為時過早，畢竟未來的變數還可能有很多，因此還需要時間及市場去理解和消化。他認為，晶贊科技的優勢在於能站在廣告主的角度理解用戶，從而做出快速的反應。

對於有意進入大數據領域掘金的創業者，劉榮華提醒:新創公司進入這一領域存在三大挑戰：一是有無全面開發技術的能力及實力。數據服務涉及到眾多技術，如果創業者只是單一技術，則只能做成某一環節;二是有無足夠多的錢。做數據服務需要很多基礎設施，海量數據的存儲、計算等都需要硬體投入;三是新創公司還需要跑得比大公司還要快，這無疑也是一大挑戰。總之，前景廣闊的數據服務對於新創公司來說，既是機會也是挑戰。

警惕數據來源的合法性陷阱

目前包括網路、淘寶、騰訊在內的大公司都在做用戶的數據分析，用戶數據獲取尚處於灰色地帶。因此，需要提醒的是：無論是大公司還是創業型公司，都需要平衡用戶隱私及數據質量的關系。

不得不提的是，數據服務的公司還面臨著一個數據來源合法性的問題。在今年的「3·15」晚會上，央視曝光了一批做精準營銷服務的公司存在侵犯用戶隱私的問題，從而引發了人們對數據來源合法性的關注。而這也正成為數據類創業公司的一個隱形的風險。

張韶峰認為，上述風險需要理性地看待。在他看來，技術本身並沒有好壞，關鍵在於使用它的人。技術是把雙刃劍，關鍵需要政府和業界建立規則，設計非常苛刻嚴格的法律條例和行業規則，全力打擊那些提供除了用戶同意的服務外，還以傷害用戶的方式利用用戶隱私牟利的企業。

「投資方對此也非常重視，他們在考查晶贊科技期間，就曾做了嚴格的審計。」湯奇峰表示，數據來源的合法性關鍵一點在於是否告之「用戶」，用戶包括廣告主及普通消費者，而且在所有的設置中，必須有一項設計，就是用戶有權選擇退出。

「百分點科技的數據來源一部分是公司本身收集的核心數據，此外還會與服務的客戶簽一個數據共享的協議，目前合作的客戶都簽這個協議。也就是說，以百分點科技牽頭建立起了一個數據共享庫。」張韶峰說。

在劉榮華看來，目前包括網路、淘寶、騰訊在內的大公司都在做用戶的數據分析，用戶數據獲取尚處於一個灰色地帶。因此，創業者還需要及時提醒用戶一些數據是自願被獲取。事實上，無論是大公司還是創業型公司，都需要平衡好用戶隱私及數據質量的關系。

以上是小編為大家分享的關於大數據創業潮起商業模式尚未成型的相關內容，更多信息可以關注環球青藤分享更多干貨

『柒』 互聯網大數據現關心的是什麼

樓主您好：

首先，我認為大數據就是互聯網發展到現今階段的一種表象或特徵而已，沒有必要神話它或對它保持敬畏之心，在以雲計算為代表的技術創新大幕的襯托下，這些原本很難收集和使用的數據開始容易被利用起來了，通過各行各業的不斷創新，大數據會逐步為人類創造更多的價值。
其次，想要系統的認知大數據，必須要全面而細致的分解它，我著手從三個層面來展開：
第一層面是理論，理論是認知的必經途徑，也是被廣泛認同和傳播的基線。我會從大數據的特徵定義理解行業對大數據的整體描繪和定性；從對大數據價值的探討來深入解析大數據的珍貴所在；從對大數據的現在和未來去洞悉大數據的發展趨勢；從大數據隱私這個特別而重要的視角審視人和數據之間的長久博弈。
第二層面是技術，技術是大數據價值體現的手段和前進的基石。我將分別從雲計算、分布式處理技術、存儲技術和感知技術的發展來說明大數據從採集、處理、存儲到形成結果的整個過程。
第三層面是實踐，實踐是大數據的最終價值體現。我將分別從互聯網的大數據，政府的大數據，企業的大數據和個人的大數據四個方面來描繪大數據已經展現的美好景象及即將實現的藍圖。
和大數據相關的理論
? 特徵定義
最早提出大數據時代到來的是麥肯錫：「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。」
業界（IBM 最早定義）將大數據的特徵歸納為4個「V」（量Volume，多樣Variety，價值Value，速Velocity），或者說特點有四個層面：第一，數據體量巨大。大數據的起始計量單位至少是P（1000個T）、E（100萬個T）或Z（10億個T）；第二，數據類型繁多。比如，網路日誌、視頻、圖片、地理位置信息等等。第三，價值密度低，商業價值高。第四，處理速度快。最後這一點也是和傳統的數據挖掘技術有著本質的不同。
其實這些V並不能真正說清楚大數據的所有特徵，下面這張圖對大數據的一些相關特性做出了有效的說明。
36大數據
古語雲：三分技術，七分數據，得數據者得天下。先不論誰說的，但是這句話的正確性已經不用去論證了。維克托·邁爾-舍恩伯格在《大數據時代》一書中舉了百般例證，都是為了說明一個道理：在大數據時代已經到來的時候要用大數據思維去發掘大數據的潛在價值。書中，作者提及最多的是Google如何利用人們的搜索記錄挖掘數據二次利用價值，比如預測某地流感爆發的趨勢；Amazon如何利用用戶的購買和瀏覽歷史數據進行有針對性的書籍購買推薦，以此有效提升銷售量；Farecast如何利用過去十年所有的航線機票價格打折數據，來預測用戶購買機票的時機是否合適。
那麼，什麼是大數據思維？維克托·邁爾-舍恩伯格認為，1-需要全部數據樣本而不是抽樣；2-關注效率而不是精確度；3-關注相關性而不是因果關系。
阿里巴巴的王堅對於大數據也有一些獨特的見解，比如，
「今天的數據不是大，真正有意思的是數據變得在線了，這個恰恰是互聯網的特點。」
「非互聯網時期的產品，功能一定是它的價值，今天互聯網的產品，數據一定是它的價值。」
「你千萬不要想著拿數據去改進一個業務，這不是大數據。你一定是去做了一件以前做不了的事情。」
特別是最後一點，我是非常認同的，大數據的真正價值在於創造，在於填補無數個還未實現過的空白。
有人把數據比喻為蘊藏能量的煤礦。煤炭按照性質有焦煤、無煙煤、肥煤、貧煤等分類，而露天煤礦、深山煤礦的挖掘成本又不一樣。與此類似，大數據並不在「大」，而在於「有用」。價值含量、挖掘成本比數量更為重要。
? 價值探討
大數據是什麼？投資者眼裡是金光閃閃的兩個字：資產。比如，Facebook上市時，評估機構評定的有效資產中大部分都是其社交網站上的數據。
如果把大數據比作一種產業，那麼這種產業實現盈利的關鍵，在於提高對數據的「加工能力」，通過「加工」實現數據的「增值」。
Target 超市以20多種懷孕期間孕婦可能會購買的商品為基礎，將所有用戶的購買記錄作為數據來源，通過構建模型分析購買者的行為相關性，能准確的推斷出孕婦的具體臨盆時間，這樣Target的銷售部門就可以有針對的在每個懷孕顧客的不同階段寄送相應的產品優惠卷。
Target的例子是一個很典型的案例，這樣印證了維克托·邁爾-舍恩伯格提過的一個很有指導意義的觀點：通過找出一個關聯物並監控它，就可以預測未來。Target通過監測購買者購買商品的時間和品種來准確預測顧客的孕期，這就是對數據的二次利用的典型案例。如果，我們通過採集駕駛員手機的GPS數據，就可以分析出當前哪些道路正在堵車，並可以及時發佈道路交通提醒；通過採集汽車的GPS位置數據，就可以分析城市的哪些區域停車較多，這也代表該區域有著較為活躍的人群，這些分析數據適合賣給廣告投放商。
不管大數據的核心價值是不是預測，但是基於大數據形成決策的模式已經為不少的企業帶來了盈利和聲譽。
從大數據的價值鏈條來分析，存在三種模式：
1- 手握大數據，但是沒有利用好；比較典型的是金融機構，電信行業，政府機構等。
2- 沒有數據，但是知道如何幫助有數據的人利用它；比較典型的是IT咨詢和服務企業，比如，埃森哲，IBM，Oracle等。
3- 既有數據，又有大數據思維；比較典型的是Google，Amazon，Mastercard等。
未來在大數據領域最具有價值的是兩種事物：1-擁有大數據思維的人，這種人可以將大數據的潛在價值轉化為實際利益；2-還未有被大數據觸及過的業務領域。這些是還未被挖掘的油井，金礦，是所謂的藍海。
Wal-Mart作為零售行業的巨頭，他們的分析人員會對每個階段的銷售記錄進行了全面的分析，有一次他們無意中發現雖不相關但很有價值的數據，在美國的颶風來臨季節，超市的蛋撻和抵禦颶風物品竟然銷量都有大幅增加，於是他們做了一個明智決策，就是將蛋撻的銷售位置移到了颶風物品銷售區域旁邊，看起來是為了方便用戶挑選，但是沒有想到蛋撻的銷量因此又提高了很多。
還有一個有趣的例子，1948年遼沈戰役期間，司令員林彪要求每天要進行例常的「每日軍情匯報」，由值班參謀讀出下屬各個縱隊、師、團用電台報告的當日戰況和繳獲情況。那幾乎是重復著千篇一律枯燥無味的數據：每支部隊殲敵多少、俘虜多少;繳獲的火炮、車輛多少，槍支、物資多少……有一天，參謀照例匯報當日的戰況，林彪突然打斷他：「剛才念的在胡家窩棚那個戰斗的繳獲，你們聽到了嗎?」大家都很茫然，因為如此戰斗每天都有幾十起，不都是差不多一模一樣的枯燥數字嗎?林彪掃視一周，見無人回答，便接連問了三句：「為什麼那裡繳獲的短槍與長槍的比例比其它戰斗略高?」「為什麼那裡繳獲和擊毀的小車與大車的比例比其它戰斗略高?」「為什麼在那裡俘虜和擊斃的軍官與士兵的比例比其它戰斗略高?」林彪司令員大步走向掛滿軍用地圖的牆壁，指著地圖上的那個點說：「我猜想，不，我斷定!敵人的指揮所就在這里!」果然，部隊很快就抓住了敵方的指揮官廖耀湘，並取得這場重要戰役的勝利。
這些例子真實的反映在各行各業，探求數據價值取決於把握數據的人，關鍵是人的數據思維；與其說是大數據創造了價值，不如說是大數據思維觸發了新的價值增長。
? 現在和未來
我們先看看大數據在當下有怎樣的傑出表現：
大數據幫助政府實現市場經濟調控、公共衛生安全防範、災難預警、社會輿論監督；
大數據幫助城市預防犯罪，實現智慧交通，提升緊急應急能力；
大數據幫助醫療機構建立患者的疾病風險跟蹤機制，幫助醫葯企業提升葯品的臨床使用效果，幫助艾滋病研究機構為患者提供定製的葯物；
大數據幫助航空公司節省運營成本，幫助電信企業實現售後服務質量提升，幫助保險企業識別欺詐騙保行為，幫助快遞公司監測分析運輸車輛的故障險情以提前預警維修，幫助電力公司有效識別預警即將發生故障的設備；
大數據幫助電商公司向用戶推薦商品和服務，幫助旅遊網站為旅遊者提供心儀的旅遊路線，幫助二手市場的買賣雙方找到最合適的交易目標，幫助用戶找到最合適的商品購買時期、商家和最優惠價格；
大數據幫助企業提升營銷的針對性，降低物流和庫存的成本，減少投資的風險，以及幫助企業提升廣告投放精準度；
大數據幫助娛樂行業預測歌手，歌曲，電影，電視劇的受歡迎程度，並為投資者分析評估拍一部電影需要投入多少錢才最合適，否則就有可能收不回成本；
大數據幫助社交網站提供更准確的好友推薦，為用戶提供更精準的企業招聘信息，向用戶推薦可能喜歡的游戲以及適合購買的商品。
其實，這些還遠遠不夠，未來大數據的身影應該無處不在，就算無法准確預測大數據終會將人類社會帶往到哪種最終形態，但我相信只要發展腳步在繼續，因大數據而產生的變革浪潮將很快淹沒地球的每一個角落。
比如，Amazon的最終期望是：「最成功的書籍推薦應該只有一本書，就是用戶要買的下一本書。」
Google也希望當用戶在搜索時，最好的體驗是搜索結果只包含用戶所需要的內容，而這並不需要用戶給予Google太多的提示。
而當物聯網發展到達一定規模時，藉助條形碼、二維碼、RFID等能夠唯一標識產品，感測器、可穿戴設備、智能感知、視頻採集、增強現實等技術可實現實時的信息採集和分析，這些數據能夠支撐智慧城市，智慧交通，智慧能源，智慧醫療，智慧環保的理念需要，這些都所謂的智慧將是大數據的採集數據來源和服務范圍。
未來的大數據除了將更好的解決社會問題，商業營銷問題，科學技術問題，還有一個可預見的趨勢是以人為本的大數據方針。人才是地球的主宰，大部分的數據都與人類有關，要通過大數據解決人的問題。
比如，建立個人的數據中心，將每個人的日常生活習慣，身體體征，社會網路，知識能力，愛好性情，疾病嗜好，情緒波動……換言之就是記錄人從出生那一刻起的每一分每一秒，將除了思維外的一切都儲存下來，這些數據可以被充分的利用：
醫療機構將實時的監測用戶的身體健康狀況；
教育機構更有針對的制定用戶喜歡的教育培訓計劃；
服務行業為用戶提供即時健康的符合用戶生活習慣的食物和其它服務；
社交網路能為你提供合適的交友對象，並為志同道合的人群組織各種聚會活動；
政府能在用戶的心理健康出現問題時有效的干預，防範自殺，刑事案件的發生；
金融機構能幫助用戶進行有效的理財管理，為用戶的資金提供更有效的使用建議和規劃；
道路交通、汽車租賃及運輸行業可以為用戶提供更合適的出行線路和路途服務安排；
……
當然，上面的一切看起來都很美好，但是否是以犧牲了用戶的自由為前提呢？只能說當新鮮事物帶來了革新的同時也同樣帶來了「病菌」。比如，在手機未普及前，大家喜歡聚在一起聊天，自從手機普及後特別是有了互聯網，大家不用聚在一起也可以隨時隨地的聊天，只是「病菌」滋生了另外一種情形，大家慢慢習慣了和手機共渡時光，人與人之間情感交流彷彿永遠隔著一張「網」。
? 大數據隱私
你或許並不敏感，當你在不同的網站上注冊了個人信息後，可能這些信息已經被擴散出去了，當你莫名其妙的接到各種郵件，電話，簡訊的滋擾時，你不會想到自己的電話號碼，郵箱，生日，購買記錄，收入水平，家庭住址，親朋好友等私人信息早就被各種商業機構非法存儲或賤賣給其它任何有需要的企業或個人了。
更可怕的是，這些信息你永遠無法刪除，它們永遠存在於互聯網的某些你不知道的角落。除非你更換掉自己的所有信息，但是這代價太大了。
用戶隱私問題一直是大數據應用難以繞開的一個問題，如被央視曝光過的分眾無線、羅維鄧白氏以及網易郵箱都涉及侵犯用戶隱私。目前，中國並沒有專門的法律法規來界定用戶隱私，處理相關問題時多採用其他相關法規條例來解釋。但隨著民眾隱私意識的日益增強，合法合規地獲取數據、分析數據和應用數據，是進行大數據分析時必須遵循的原則。
說到隱私被侵犯，愛德華?斯諾登應該占據一席之地，這位前美國中央情報局（CIA）雇員一手引爆了美國「棱鏡計劃」（PRISM）的內幕消息。「棱鏡」項目是一項由美國國家安全局（NSA）自2007年起開始實施的絕密電子監聽計劃，年耗資近2000億美元，用於監聽全美電話通話記錄，據稱還可以使情報人員通過「後門」進入9家主要科技公司的伺服器，包括微軟、雅虎、谷歌、Facebook、PalTalk、美國在線、Skype、YouTube、蘋果。這個事件引發了人們對政府使用大數據時對公民隱私侵犯的擔心。
再看看我們身邊，當微博，微信，QQ空間這些社交平台肆意的吞噬著數億用戶的各種信息時，你就不要指望你還有隱私權了，就算你在某個地方刪除了，但也許這些信息已經被其他人轉載或保存了，更有可能已經被網路或Google存為快照，早就提供給任意用戶搜索了。
因此在大數據的背景下，很多人都在積極的抵制無底線的數字化，這種大數據和個體之間的博弈還會一直繼續下去……
專家給予了我們一些如何有效保護大數據背景下隱私權的建議：1-減少信息的數字化；2-隱私權立法；3-數字隱私權基礎設施（類似DRM數字版權管理）；4-人類改變認知（接受忽略過去）；5-創造良性的信息生態；6-語境化。
但是這些都很難立即見效或者有實質性的改善。
比如，現在有一種職業叫刪帖人，專門負責幫人到各大網站刪帖，刪除評論。其實這些人就是通過黑客技術侵入各大網站，破獲管理員的密碼然後進行手工定向刪除。只不過他們保護的不是客戶的隱私，而大多是丑聞。還有一種職業叫人肉專家，他們負責從互聯網上找到一個與他們根本就無關系用戶的任意信息。這是很可怕的事情，也就是說，如果有人想找到你，只需要兩個條件：1-你上過網，留下過痕跡；2-你的親朋好友或僅僅是認識你的人上過網，留下過你的痕跡。這兩個條件滿足其一，人肉專家就可以很輕松的找到你，可能還知道你現在正在某個餐廳和誰一起共進晚餐。
當很多互聯網企業意識到隱私對於用戶的重要性時，為了繼續得到用戶的信任，他們採取了很多辦法，比如google承諾僅保留用戶的搜索記錄9個月，瀏覽器廠商提供了無痕沖浪模式，社交網站拒絕公共搜索引擎的爬蟲進入，並將提供出去的數據全部採取匿名方式處理等。
在這種復雜的環境裡面，很多人依然沒有建立對於信息隱私的保護意識，讓自己一直處於被滋擾，被精心設計，被利用，被監視的處境中。可是，我們能做的幾乎微乎其微，因為個人隱私數據已經無法由我們自己掌控了，就像一首詩里說到的：「如果你現在繼續麻木，那就別指望這麻木能抵擋得住被」扒光」那一刻的驚恐和絕望……」
和大數據相關的技術
? 雲技術
大數據常和雲計算聯繫到一起，因為實時的大型數據集分析需要分布式處理框架來向數十、數百或甚至數萬的電腦分配工作。可以說，雲計算充當了工業革命時期的發動機的角色，而大數據則是電。
雲計算思想的起源是麥卡錫在上世紀60年代提出的：把計算能力作為一種像水和電一樣的公用事業提供給用戶。
如今，在Google、Amazon、Facebook等一批互聯網企業引領下，一種行之有效的模式出現了：雲計算提供基礎架構平台，大數據應用運行在這個平台上。
業內是這么形容兩者的關系：沒有大數據的信息積淀，則雲計算的計算能力再強大，也難以找到用武之地；沒有雲計算的處理能力，則大數據的信息積淀再豐富，也終究只是鏡花水月。
那麼大數據到底需要哪些雲計算技術呢？
這里暫且列舉一些，比如虛擬化技術，分布式處理技術，海量數據的存儲和管理技術，NoSQL、實時流數據處理、智能分析技術（類似模式識別以及自然語言理解）等。
雲計算和大數據之間的關系可以用下面的一張圖來說明，兩者之間結合後會產生如下效應：可以提供更多基於海量業務數據的創新型服務；通過雲計算技術的不斷發展降低大數據業務的創新成本。
36大數據
如果將雲計算與大數據進行一些比較，最明顯的區分在兩個方面：
第一，在概念上兩者有所不同，雲計算改變了IT，而大數據則改變了業務。然而大數據必須有雲作為基礎架構，才能得以順暢運營。
第二，大數據和雲計算的目標受眾不同，雲計算是CIO等關心的技術層，是一個進階的IT解決方案。而大數據是CEO關注的、是業務層的產品，而大數據的決策者是業務層。
詳情：http://ke..com/view/9424571.htm

『捌』 「大數據殺熟」體現了哪些最深層的問題

中國的移動消費和移動支付這些年發展勢頭迅猛，也有人執著於現金支付，不希望自己每天的行為軌跡掌握在一些商業公司手裡。

近日，網路公司董事長兼CEO李彥宏在2018中國發展高層論壇上有關中國人願意用隱私交換便捷性的一段發言，也在輿論場上引發爭議。李彥宏發言有當時的語境，但遭致網友的質疑。
越大的網路平台，越要理解用戶對自身權利保護的無力感和「集體焦慮」，審慎面對公眾的授權，小心呵護公眾的信任。