大數據時代選案

① 大數據時代校本教研轉型策略及路徑

大數據時代校本教研轉型策略及路徑

基於雲、物聯網、資料庫技術以及人工智慧和虛擬現實在教育中的廣泛滲透，大數據時代正催生著一場場新的教育變革。現有的教研機制如何適應大數據主導的未來?基於大數據的運用如何創新校本教研思路和策略?如何依託大數據平台探尋到最佳的校本教研轉型路徑?這正是本文試圖回答的問題。
一、大數據缺乏的傳統教研局限性
我們生活在一個被幾何級爆炸的數據包圍的時代，我們的一切行為都在產生海量的數據，這些數據被稱作「大數據」。[1]2大數據之「大」，並不僅在於「容量之大」，更大的意義在於可以藉助雲技術等手段，通過海量數據的篩選、整合和分析，解決新的問題，創造新的價值。大數據時代，傳統校本教研形態已經滯後於時代的發展。
第一，以行政命令型為主的教研管理已不能適應教研發展的新趨勢。傳統的校本教研活動因其行政主導過多、任務驅動過強、互動生成較少、過程數據欠缺等，其教研形態存在著單一性、封閉性、滯後性與靜態化的特點。教研活動更多執行的是「規定性動作」，大多數學校都是循著「期初學校安排教研計劃—教研組按計劃布置落實—分階段組織教學展示或研討—期末各部門進行教研總結」這樣的模式進行。[2]在這樣「齊步走」的統一步調中，教研的目光很難細致地聚焦到課堂真實疑難問題的研究上，研討活動更少觸及普遍學科規律探尋的應有深度。校本教研缺乏實實在在的研究歷程，案例追蹤缺少過程性資料的佐證。沒有過程，缺乏實踐數據的支撐，教研的有效性大打折扣，教研視野也很難有效拓寬。這種形態的教研活動，聚合性、開放性、創新性與動態性都明顯不足，形式化、低效化特徵突出。
第二，以經驗幫帶型為主的教研方式已不能適應教研發展的新態勢。現如今，絕大部分學校對於大數據的認識和研究尚處於起步階段，對於大數據在教育領域的探索和實踐才剛剛開始。對於如何真正地將大數據應用於教研，反饋於教育，普遍缺乏深度的認識和操作的策略。究其原因，一方面是因為傳統教研「自下而上的主題確認意識」缺乏，加上空間、時間以及技術設備的約束，教研內容無法直接喚起教師教研的內在需求，無法直接對其課堂產生輻射與效益，因此難以吸引教師深度參與。另一方面，面對新時期急劇變化的教研態勢，更多的學校沒有主動與時代對接，無法前瞻性地為教師提供思維自由碰撞的教研平台(比如活動前後討論平台的提供)，無法適時、足量地為其提供教育科研所需要的數據支持與技術便利，教師教研的多元合作與深度拓展缺乏足夠的凝聚與吸引。這樣的教研必然無法在大數據時代展現應有的價值與活力。
二、大數據時代校本教研的轉型策略
面對海量信息呼嘯而來的大數據時代，面對以「移動互聯和平板觸控技術」為核心的雲計算、雲存儲、雲教育、雲課堂、雲教研疊加出現的全新教育態勢，中小學校該如何應對這種前所未有的教育變革?有哪些好的教研策略與應用範式呢?
(一)核心視角轉型：由關注「教」轉向聚焦「學」
「師本」還是「生本」一度成為教研熱議的話題。以「誰」為本體現的是一種教學觀念的更新，更展現的是一種教學行動的選擇。傳統的教學教研當中，學生主體的評價往往是最單薄的——聽課者大多隻能根據經驗來假想學生的體驗，這種隔靴搔癢式的評價弊端，源於一個重要因素的缺席——沒有足夠的數據源可提供學情分析與實證考據。
大數據時代的到來，恰恰能夠對這種缺失作出有效轉化。藉助視頻傳輸、數據收集、點對點終端、雲存儲伺服器和個性化的數據分析軟體等，能夠從技術層面解決數據源缺乏的問題，對數據的全面處理和分析，可以讓學生個體化的感受得以精準的量化與顯現。學生在教學活動進程中的現實需求與即時心態，也可以經過技術的轉化和動態整合分析變得可讀、可視、可量化。這就為教研視角由關注「教」轉向關注「學」提供了強大的技術支持與解讀保障，為學情的研究與預判提供了更為鮮活的素材。我們甚至還可以利用流媒體視頻和數據分析等手段，幫助教師跟蹤學生的即時學習情況，從而根據他們的能力等級水平制訂相應的教學計劃並調整策略方案，更好地開展有針對性的個性化學習研究。
藉助大數據的運用，課堂有了一個全新的觀察視角，教學研討有了一個全新的視點，站在學生學情分析與預判的角度去改變教師的教學行為已經成為可能。當技術能夠幫助我們了解每個學生的需求之後，綿延了兩千多年的「因材施教」思想，是否離我們更近一些?
(二)常態方法轉型：由經驗重復轉向數據實證
傳統的校本教研往往是經驗式的。我們總是主觀地揣定某些教育因素對學生很重要，哪些變數對課堂有影響，然後，再依據自己的判定，通過一次次反復的實踐來驗證這些主觀經驗的可靠性。這種以經驗為主導的傳統教研往往存在著主觀化、臆測式、靈感型的缺陷，常常容易出現「問題不夠『草根』、目標比較寬泛、實證相對缺乏」等狀況。研究後與研究前相比，對問題的認識高度與解決程度並沒有質的提升。究其原因，是研究之前沒有深入的問題質疑和數據調查，研究中缺乏足夠的數據比對和邏輯分析，研究後少了細致的演繹分析及實踐認證。
大數據時代的來臨，為有效解決經驗重復型教研的痼疾找到了憑借和方向。依據實驗數據的收集、整理和分析所得，能有效確立教研主題，讓研究直指現實問題的解決；依託「雲教研、雲管理」平台，過去無法收集與分析的數據都被新的技術手段賦予了獲取的可能，為有效展開問題的探究與課題的論證提供了技術保障。這種依託數據實證的教研更加具有科學性、邏輯性和說服力。正如魏忠博士在《教育正悄悄發生一場革命》一書中所說：「教育將繼經濟學之後，不再是一個靠理念和經驗傳承的社會科學和道德良心的學科，大數據時代的教育，將變成一門實實在在的實證科學。」[1]3明確的目標監控、海量的數據支撐、清晰的過程性案例資料，強大的數據分析與論證，配以與之緊密融合的教與研創新平台，讓教研更加充滿創新與活力。
(三)實踐模式轉型：從零散問題研究轉向系列項目研究
「指令式」、任務驅動式教研在我國中小學普遍存在，其被動接受式的研究心態、直指結論的研究方式、以分散點狀活動替代系列研究實踐的研討模式，讓校本教研難以貼地而行，最終導致教研成果的可信度、可推廣度不高。新時期的教研必須從形式化、表層化、零散狀的教研形態中轉變出來，向主題化、系列化、課題化、項目化教研轉型，這也是由大數據時代的教育和研究特點所決定的。
大數據時代，由於教學平台、教研平台、管理平台已經有效對接，各個層面、各個系列的數據已經可以共享到大教育的「雲平台」，大數據技術將較嫻熟地運用於課堂和教研的方方面面。無論是自上而下的數據調用，還是自下而上的數據收集，都已經或者能夠成為中小學教育教研的常態。技術手段的創新與變革，為教育大數據的儲存、整合、分析創造了條件。「蘇醒的數據能夠說話」，尤其是當研究者開始自覺地、有意識地將數據採集、轉化和運用，當作一種大數據時代系列性、周期性、可比對性的常態研究去做，這種經過甄別、篩選的數據，將成為主題教研、項目研究的最強有力的實證，也必將給那些原本因為技術或條件限制無法便利地獲取研究數據而苦惱的教師們帶來教研思路的突變，並將最終實現校本教研的實踐模式由零散問題研究向系列項目研究轉型。
三、大數據時代校本教研的轉型路徑
(一)「雲課堂」研究：技術與數據更好地服務於「學」
新技術就在身邊，你用與不用，它都在那裡。蘇州工業園區星海小學讓「ipad進課堂」，以數字技術帶動教學教研，為我們提供了研究大數據運用的全新視角。2014年，該校開啟了以移動網路為平台、ipad為終端的實驗教學，通過新技術的應用，構建了以生為本的「雲課堂」，在很大程度上改變了傳統「教」與「學」的方式。雲課堂技術支撐的核心是「雲計算」。它是一種計算方式，通過大量網路連接的統一管理和調度，將大量信息和資源按需向用戶提供服務。這種全息服務的網路就叫作「雲」。「雲」就像一個專業的「信息提款機」，其強大的信息技術和極為豐富的立體數據資源，為學生的學、教師的教、團隊的研搭建了多維互動的「雲平台」。[3]
該校基於大數據時代教研方式轉變的研判，並在充分調查、論證和研發的基礎上，為師生數字化的學與研搭建了一整套自主的雲存儲伺服器，每個ipad上都安裝了用於雲存儲和分享的「網盤精靈」，學生和教師都能在其中建立一個單獨的存儲空間，每位教師製作的課件、收集的實驗數據等，都能在第一時間上傳到伺服器，全校師生都能在第一時間下載所需資源。各科老師還能藉助無線平台和應用軟體，協同開展數據上傳下載、數據存儲與分析的嘗試與研究，許多或大或小的教研探究活動都在強大的數據平台支持下進行，網路教研讓更多的教師提升了教研的動力。比如，英語學科將ipad接入課堂後，學生可以在家裡錄制自己朗讀和吟唱的視頻，上傳到「網盤精靈」，為教師即時了解學生學習狀態和學習成效，提供了第一手的研究和分析資料。鮮活的數據讓教學的跟蹤與預判成為常態。[4]
再比如，亞洲教育網自主研發的「三網智慧泛教育雲平台」，就是一種「三網融合、泛在學習」的公共智慧雲，它利用雲計算、物聯網和虛擬化等新技術來升級校園網、城域網，其創建的「教育雲+互動電視+電子書包」新模式開啟了教育信息化新紀元，為全方位、大范圍地實現多校、多地教育資源共享、教育成果分享、教學研的互動打下了基礎。[5]10-11
(二)「實證研究」：加強數據論證，探尋「普適」規律
近些年，依託於數據實證的教研探索已然展開，微格教研、片段教研、主題教研等應運而生。這些教研模式大多採用的是「實證研究」的方式。它們都是通過對研究對象大量的觀察、實驗和調查，獲取客觀數據，從個別到一般，歸納出事物的本質屬性和發展規律的一類研究方法。這些教研模式以問題研究為基礎，以教學案例為載體，以數據分析為根據，對教學教研工作進行了微格化、片段化、前置化和主題實踐性論證，依託數據探尋規律，教研成果更加清晰、顯性、有效。
近幾年，上海靜安區開始在7所幼兒園和9所小學試點實施「社會性與情緒能力養成」實踐項目研究。經過近百名教師長達四年多的摸索和改進，如今，靜安區小學階段的「社會性與情緒能力養成」課程正逐步走向成熟，其研究方法之一就是「實證研究」。他們以「社會性情緒」項目為主題，探索出依靠「數據終端」去記錄每一個學生、每一堂課、每一個環節表現的數據收集方法。例如，在一節擁有六個環節的課堂上，大部分時間內學生的節奏都是緊密跟隨教師，但是在某個環節，大多數學生停留的時間遠遠超過了教師。這就提醒我們，這個環節需要著重研究，需要調整，也許這個部分的內容非常吸引學生，也有可能這部分內容難度較高，他們需要更多的時間來閱讀與消化。這種藉助大數據進行教研探索的方法也適合於我們在課堂中更有效地去捕捉學生點滴行為的微觀研究。可以這樣說，大數據時代的到來，讓跟蹤每一個數據成為可能，從而讓研究「人性」成為可能。而對於教育研究者來說，我們將比任何時候都更接近發現真正的學生。
(三)「項目研究」：用證據支撐評價，用項目推進教研
2014年，蘇州市教育局設立了「義務教育質量綜合評價改革」等五大教改項目，從全市范圍遴選了50所特色鮮明的學校組建項目學校共同體，推進項目研究的實施。在研究過程中，各項目學校有效地藉助雲計算、物聯網和虛擬化等新技術來升級校園網，努力將雲技術與物聯網進行高度融合，對全方位、個性化的過程數據和研究資源的上傳、存儲、整合與分析進行了必要的硬體配置和軟體開發，然後在嚴格的過程管理中依託平台、依託案例、依託數據開展系列主題研究和項目實踐論證。目前，項目研究進展順利，也取得了可喜的成果。以蘇州工業園區星海小學為例，學校以「十佳」取代「三好」，推出了「十佳星海娃」多元評價體系，率先開啟了蘇州市「義務教育質量綜合評價改革」的實踐與研究。項目研究中，全面的資源和個性化的數據收集與分析是項目推進的基礎，研究的進程中共享研究資源、分享教育成果，使研究者與被研究者實現有效互動是研究成功的關鍵。為有效地整合資源，顯化數據，蘇州工業園區星海小學推出了「星海娃」自主申報、「四葉草」積點獎章、金點子徵集、小公民系列招募等個性化實踐案例，拓寬了評價體系，豐富了評價數據。與「星海娃」評價體系相配套，蘇州工業園區星海小學還創新出「四葉草」小公民實踐中心等多元評價支撐系統，並著手開發「星海師生成長檔案在線跟蹤平台」，該平台全面支持綠色評價體系，以開放共享的「雲」資源平台的無縫對接，消除學校、家庭及社會間的信息孤島，以電腦、手機、電視、平板等多終端實現了教師、學生、家長的輕松上傳與訪問，從而有力地促進了綠色評價研究資源的優化配置。[5]281-282蘇州工業園區星海小學項目建設試點的初步探索說明，數據實證讓教研更加准確，更為科學，「用證據支撐評價，用項目推進教研」成了校本教研的一條可行之路。

② 大數據時代汽車品牌營銷解決方案

大數據時代汽車品牌營銷解決方案_-數據分析師考試

隨著移 動互聯網、O2O和車聯網的快速發展，數字類渠道貫穿了消費者選車-買車-用車的全過程。消費者的全面數字化，意味著消費者購車前後的行為均可以通過大數據分析進行全方位挖掘，從而實現在車型研發、產品定位、營銷傳播和售後服務一系列過程的決策優化，這也成為程序化購買帶給汽車品牌營銷的一個重要突破。

對於汽車品牌來說，以數據和技術為核心的程序化購買既是挑戰，也是重大的發展機遇。汽車品牌需要從以下四個方面，提升營銷效率和效果：

一、我的消費者在哪?

隨著品牌與消費者的溝通渠道的多樣化，如何挖掘隱藏在互聯網背後的潛在客戶群，成為車企數字營銷的首要問題。大數據時代，汽車品牌自身掌握的銷售、用戶調研等數據已經遠不能滿足其營銷決策的需要，企業所關注的消費者特徵和偏好等洞察，完全可通過其自然行為過程中留存的數據進行分析和挖掘。

二、我該如何提升與消費者的溝通效率?

事實上，傳統線上營銷採用的媒介購買方式，已無法滿足消費者的個性化傳播。消費者購車到用車是很長一段周期，期間存在諸多不確定性，汽車品牌可根據實時獲取的消費者數據，通過程序化購買自動選擇適合的媒體和廣 告位，並藉助智能創意實現廣 告創意、目標人群和媒介的完美整合，而這一系列過程可以在短時間飛速完成。

三、我如何更好的服務客戶?

消費者在購車前後的很多行為都會影響著身邊的潛在客戶，汽車品牌試圖通過數字營銷及數據的挖掘分析更好的了解消費者的興趣偏好，來提高線上、線下與售前售後的用戶體驗，以此提高品牌影響力。

四、我的效果如何評估?

「我的廣 告費用浪費了一半，但是我不知道是浪費了那一半。「這句廣 告界名言將在程序化廣 告的浪潮之下被沖刷殆盡。對一個目標客戶從潛客到變成購買客戶過程的數據紀錄和反饋，對於渠道的預算分配和優化推廣渠道的組合是有極大幫助的。

針對汽車營銷傳播中的四大痛點，悠易互通根據多年服務眾多汽車客戶的經驗以及強大的系統開發和技術開發經驗，提出了汽車行業的整體解決方案：

一、 DMP數據打通，支持企業全方位營銷策略

悠易互通幫助汽車企業搭建專屬數據管理平台(Databank 3.0)，收集車企在營銷與運營過程中產生的海量線上、線下數據，實現企業第一方數據的聚合管理;並且通過與第三方數據(YOYI DNA)打通，在確保第一方數據安全的前提下，實現數據的互聯互通，通過多維度的數據分析與發掘， 幫助車企對其目標消費者進行360度畫像，並支持企業全方位的營銷決策。

具體來說， 車企可以從各地經銷商獲取真實的購車用戶的基本信息(如年齡、性別、地域等)，而YOYI DNA則在全網收集了以用戶為核心的橫跨網頁瀏覽、搜索、電商購買、社交分享和廣 告投放的數據，並且採用悠易互通統一的標簽體系對各來源數據進行標准化處理和結構化細分，形成了悠易互通自有的第三方數據體系。通過將第一方和第三方的數據打通，車企可以確切知道某款車型的購車者興趣標簽和行為偏好，比如家庭構成、收入狀況、經常訪問的網站、關注的明星、社交媒體上感興趣的內容、關注的車型和要素等，真正做到對顧客全面而深入的洞察，並對企業制定營銷決策提供數據支持。

二、 整合資源，利用演算法提升線上傳播效率

汽車互聯網傳播的主要目的之一是收集銷售線索。在程序化購買時代，這就需要DSP能夠在整合流量資源的基礎上，利用先進的演算法對數據進行深挖，從而提高銷售線索收集的效率和質量。

車企的專屬數據管理平台(Databank 3.0)可以無縫對接到悠易程序化購買平台， 實現老訪客召回和根據現有客戶進行智能擴展(Lookalike)，並藉助悠易互通接入的日均130億多屏海量資源，以及專門為汽車客戶定製的演算法和優化手段，對每一個展現機會進行CTR和CVR(轉化率)的預估，結合智能創意，做到在正確的時間、正確的媒介向正確的人傳遞正確的信息，為客戶的官網引入高質量的訪客。

當消費者來到官網後，可以全程監測消費者和品牌的互動過程，從而幫助企業了解消費者在哪裡流失，為網站的優化提供指導。同時，根據消費者的訪問行為，進行有針對性的召回。例如，針對只了解了車的基本信息，而沒有了解車的詳細配置、價格信息或金融貸款服務的消費者，可以針對性的採用促銷創意將這些訪客直接引流到官網的金融方案頁面，促進消費者進行預約試駕。

三、 從線上到線下，實現個性化銷售和售後服務

通過線上收集到銷售線索後，車企的營銷重點轉移到線下，這就要求車企能夠幫助其經銷商做到個性化的銷售和售後服務。

過去4S門店的銷售人員除了潛在客戶的手機號、姓名和性別之外，是沒有其他信息可以獲取的。悠易互通的汽車解決方案通過打通客戶線上和線下標簽，幫助車企在給經銷商下發銷售線索時，提供了更為詳細的用戶信息，如客戶的家庭狀況、對車型、外觀、配置、價格、金融方案的關注程度等。這些信息將極大地幫助銷售人員基於客戶的畫像，展開一對一的個性化銷售，從而提高銷售線索向實際訂單轉化的可能性。

消費者購車後，經銷商將實際成交的顧客信息反饋給車企，這些信息進入企業數據管理平台(Databank 3.0)。通過對現有用戶網路行為、用車行為(車聯網數據)的持續跟蹤，車企可以更准確地預測現有用戶對於維修保養、更換新車的需求，從而制定個性化的營銷及售後服務計劃，深度挖掘客戶的生命周期價值。

四、 效果評估，持續提升營銷的整體效率

傳統廣 告投放的效果評估很難控制，程序化購買則賦予了品牌廣 告主對效果更多的控制權。悠易互通記錄了消費者在全網范圍內每一次和品牌互動的行為，並對每一個銷售線索進行追蹤溯源，通過歸因模型，評估每一次曝光、點擊、搜索行為對形成該轉化效果的貢獻，從而優化營銷預算的分配，提升營銷的整體效率。

以上是小編為大家分享的關於大數據時代汽車品牌營銷解決方案的相關內容，更多信息可以關注環球青藤分享更多干貨

③ 大數據時代,招商快車十大精準營銷案例

大數據時代,招商快車十大精準營銷案例

2015年，招商快車——中國最大全渠道大數據營銷服務供應商大動作頻頻，先後與志高、蒙牛、迪士尼、茅台集團、太太樂、三九集團、長松咨詢、上海證大、昂立教育、優速通達十大知名品牌達成深度戰略合作——從企業營銷代運營到大數據精準營銷匹配服務。截止目前，招商快車銷售額同比增長350%，一線合作企業佔比60%，勢態喜人。互聯網+大數據時代的來臨，招商快車勇於突破，敢於先行，DSP商機速配平台、DMP數據營銷平台應運而生，全渠道大數據營銷服務供應商駐足當代。

2015年是「互聯網+」發展的元年，李克強總理在兩會期間提出「互聯網+」行動計劃，互聯網首次寫入國家政策綱要，標志著互聯網產業在新常態經濟下的重要作用。隨著互聯網+戰略的不斷深化，大數據的話題在新媒體環境下裂變式傳播，大數據一詞也慢慢被大眾所熟知，特別是在「雲計算」和「物聯網」的廣泛應用，大數據的價值越來越受重視和關注。2015年9月5日，國務院發布的《促進大數據發展行動綱要》，全面推進大數據發展和應用；奧巴馬的競選團隊依據選民的微博，實時分析選民對總統競選人的喜好，無不標志著大數據時代的到來。

思路決定出路。大數據時代如山洪猛獸滾滾而來，招商快車基於超過2000萬的渠道商、創業者精準資料庫，截止日前，招商快車已完成超過2000萬IT軟硬體設備升級的投入，打造以DSP商機速配平台為核心、以DMP營銷數據平台為有力支撐的兩大超級平台。依託大數據營銷智能化應用、服務，致力於為處於不同生命周期的中國企業，圍繞營銷及金融價值鏈中所產生的商業困惑，提供一站式商業模式定位、渠道系統建設、營銷內核構造、營銷教練、營銷外包、O2O解決方案、全網營銷、微商解決方案、DMP營銷數據應用、DSP商機速配服務、金融增值服務等全渠道大數據營銷服務。

十大精準營銷案例。由於商業模式成功升級以及IT軟硬體設備的成功導入，招商快車先後與志高、蒙牛、迪士尼、茅台集團、太太樂、三九集團、長松咨詢、上海證大、昂立教育、優速通達十多家國內外知名企業達成深度合作，銷售額同比增長350%，一線品牌企業客戶佔比60%，創下歷史新高。

（2015招商快車十大經典案例）

以志高為例，招商快車結合雙方知名度及影響力，為志高制定「互聯網+家電+大數據營銷」戰略，一、提供營銷拓展代運營服務；二、依託招商快車DMP營銷數據平台為志高提供大數據營銷配套；三、全渠道招商落地執行，幫助志高擴大國內外市場佔有率，持續推進志高集團由「中國製造」向「中國創造」產業升級。

大數據時代背景下的全球經濟，是一場以信息科技為核心的商業革命，它將顛覆傳統經濟形式、重構全球經濟格局新興產業鏈。招商快車成功升級商業模式，致力於幫助中國企業提高生產力、降低運營成本，減少運營盲區，使資源配置合理化，經濟效益最大化，從而實現國民經濟與商業價值的戰略雙贏。

以上是小編為大家分享的關於大數據時代,招商快車十大精準營銷案例的相關內容，更多信息可以關注環球青藤分享更多干貨

④ 大數據案例分析:中國的大數據在哪裡

大數據案例分析:中國的大數據在哪裡

近幾年，大數據這個詞突然變得很火，不僅納入阿里巴巴、谷歌等互聯網公司的戰略規劃中，同時也在我國國務院和其他國家的政府報告中多次提及，大數據無疑成為當今互聯網世界中的新寵兒。那麼大數據到底為什麼這么火呢，難道它真的是從金星來？

現今的我們正處於時代轉型中，讓你意想不到的事情時常發生，就像富士、柯達膠卷這樣的百年企業會被時代所淘汰，由於科技的發展與互聯網的日益強大，數據將逐步取代舊事物，創造出新事物。這是一個不可遏制的發展趨勢，也是人類進步的標志。

隨著當下全球數據的增長已經到了一個高峰，數據的存儲單位不斷擴大，由此大數據的概念被重視，如何處理海量的繁雜數據就是這個時代轉型的關鍵所在。

只是，大數據給大多數人的感覺是，專業性強，操作繁瑣，完全屬於「高大上」的技術。普通人應該怎麼理解大數據？普通人又該怎麼玩大數據呢？今天，本文就給大家分析一下，大數據到底是個什麼鬼？

1、大數據引領生活

從矽谷到北京，大數據的話題正在被傳播。隨著智能手機以及「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。信息社會所帶來的好處是顯而易見的：每個人口袋裡都揣著一部手機，每台辦公桌上都放有一台電腦，每間辦公室內都擁有一個大型區域網。但是，信息本身的用處卻並沒有如此引人注目。半個世紀以來，隨著計算機技術全面融合社會生活，信息爆炸已經積累到了一個開始引發變革的程度，它不僅使世界充斥著比以往更多的信息，而且其增長速度也在加快。

互聯網時代，尤其是社交網路、電子商務與移動通信把人類社會帶入了一個「PB」（1024TB）為單位的結構與非結構數據信息的新時代。通過雲計算對大數據進行分析、預測，會使得決策更為精準，釋放出更多數據的隱藏價值。數據，這個21世紀人類探索的新邊疆，正在被雲計算發現、征服。

2、大數據的經典案例

數據正在成為巨大的經濟資產，成為新世紀的礦產與石油，將帶來全新的創業方向，商業模式和投資機會。然而大數據真正的應用核心是預測。以前單純依靠人類判斷力的領域都會被計算機系統所改變甚至取代，運用大數據的處理與分析，為我們的生活創造出前所未有的可量化的維度。對我們而言，危險不再是隱私的泄露，而是被預知的可能性。下面跟大家分享兩個非常經典的案例：

①中石油

客戶挑戰

▼銷售情況無法檢測

-銷售隊伍人員龐大,部門經理無法從龐大的銷售數據了解到銷售代表的銷售業績與KPI

-從宏觀角度發現問題時,無法精確定位發生問題的原因

-無法從各個角度對整體的銷售數據進行切片分析,擁有數據卻非掌握數據

▼無法根據市場走勢制定營銷策略

-只能根據粗淺的數據進行感性的市場判斷與決策,風險很大

-無法以數字化的方法對市場表現進行精確衡量,無法發現量價平衡的問題

-無法對市場下一步動向進行精確預測

解決方案

▼解決方案之全維度數據分析與挖掘

－時間、空間、維度、指標標准化，與業務強相關－聯動分析、鑽取分析、細節展示，多角度幫助深入挖掘問題，輔助決策－將智能分析結果通過QQ、微信、郵件、ERP寫入等相關的方式通知用戶，智能輔助決策

▼解決方案之綜合市場指數

-演算法獨特的市場綜合指數，數字化運營，不再拍腦袋決策-科學嚴謹的挖掘演算法，精確衡量市場走勢數據挖掘技術，預測未來

最終效果-銷售代表業績及潛力明晰

▼-銷售代表業績及潛力明晰、銷售數據實時掌控整個銷售團隊中，成功獲取：

1）銷售代表的綜合業績最好者2）銷售總額最高者3）毛利率額最高者4）具有潛力的銷售代表

▼-數據化掌控，制定營銷策略，總經理可以完成

1）從任意部門到各個大區、銷售代表和代理商的下鑽和上選分析2）實現多層次多維度數據的查詢3）從龐大的數據中挖掘重點客戶和潛在客戶，從而制定營銷策略

②沃爾瑪的搜索

這家零售業寡頭為其網站Walmart.com自行設計了最新的搜索引擎Polaris，利用語義數據進行文本分析、機器學習和同義詞挖掘等。根據沃爾瑪的說法，語義搜索技術的運用使得在線購物的完成率提升了10%到15%。「對沃爾瑪來說，這就意味著數十億美元的金額。」Laney說。

任何事情的發生，都會有蛛絲馬跡的前兆表露出來。如果人們不去關注一支股票行情走勢，就不會去買賣這支股票；如果人們不去詢問某件商品的價格，也很難產生購買行為；如果沒有悶熱的天氣，似乎就沒有透心涼的大雨。關於地震前種種異象，更是被許多書籍、文章大肆渲染。

假定有一種技術可以記錄下所有這些先兆，人們就獲得了未卜先知的能力。利用大數據技術，能夠廣泛採集各種各樣的數據類型，並進行統計分析，從而預測未來，大數據影響之深遠，波及之廣泛，遠非一般的信息技術可比。大數據預測應該被利用到生活的方方面面，尤其是在預測地震，泥石流等等，擁有先進技術的目的，就應該是人類造福，它的意義也應該在此；否則，所以的創造都是無用功。

大數據的利用，可以重新定位生產商與供應商的關系；可以通過商品本身收集數據並傳回製造商進行研究與開發；可以通過用戶交互提高服務；當文字變成數據，不僅人可以用之閱讀，機器也可用之分析……充分說明，第一，個人也好，公司也好，都需要與時俱進；第二，大數據的多樣性有待於更全面的開發，更好地服務於人們的生活。

大數據時代開啟了一場尋寶游戲，而人們對於數據的看法以及對於有因果關系向相關關系轉化時釋放出的潛在價值的態度，正是主宰這場游戲的關鍵。

大數據並不是一個充斥著演算法和機器的冰冷世界，人類的作用依然無法被完全替代。大數據為我們提供的不是最終答案，只是參考答案，幫助是暫時的，而更好的方法和答案還在不久的未來。

以上是小編為大家分享的關於大數據案例分析:中國的大數據在哪裡的相關內容，更多信息可以關注環球青藤分享更多干貨

⑤ 如何擁抱「大數據時代」

    洶涌澎湃的大數據浪潮，正攜帶著巨大商機，撞擊傳統經濟的概念和思維。大數據孕育和驅動下的新產品、新服務、新產業層出不窮，並日益深刻地改變著每個人的日常生活。一個基於技術進步的「大數據時代」正在來臨。

    中國有句成語，叫「窺一斑而知全豹」。回望人類發展的歷史長河，囿於技術限制的「抽樣數據」，和建立在此「有限數據」基礎上的假設、推理、論證，恰如「窺管知豹」一樣，是人類在無法獲得「全體數據」的條件限制之下，探索未知領域時無法選擇的唯一途徑。

    在互聯網基礎上發展起來的社交網路、電子商務、移動通信、可穿戴設備等「雲計算」技術，讓「抽樣數據」迅速讓位「全體數據」，「全體數據」即「大數據」時代的來臨，使「知全豹」不僅成為可能，而且變得越來越容易。

    寬頻資本董事長田溯寧說：「以雲計算為基礎的信息存儲、分享和挖掘手段，可以便宜、有效、快捷地將這些大量、高速、多變化的終端數據存儲下來，並隨時進行分析和計算。」

    「全豹」當然比「一斑」更能反應事物的本質。《大數據時代》的作者維克托認為，大數據使人類第一次有機會和條件，在非常多的領域和非常深入的層次，獲得和使用全面數據、完整數據和系統數據，深入探索現實世界的規律，獲取過去不可能獲取的知識，得到過去無法企及的商機。

    田溯寧認為，大數據正在成為巨大的經濟資產，是新時代的「礦產」與「石油」，並將帶來全新的創業方向，商業模式和投資機會。

的確，大數據正成為資本「熱戀」的對象。從Facebook、谷歌，到網路、九次方，五湖四海的資本如過江之鯽，正在加速向「大數據」領域集結。成立於2010年的九次方大數據，2014年、2015年兩次融資，就募得資金近10億元，得到了博信資本、建銀財富、當代集團、IDG資本等18家頂尖基金的追捧。

    《2015年中國大數據產業白皮書》顯示，我國大數據市場規模2014年達到767億元，預計到2020年將超過8000億元。而申萬宏源的報告分析稱，10年後「大數據」可撬動萬億元級GDP。

    美好的前景，並不能掩蓋前行的曲折。稀缺是任何資源的基本屬性。「大數據」發展的瓶頸，同樣在於數據的「可獲取性」。中國政府網披露的信息顯示，目前我國信息數據資源80%以上掌握在各級政府部門手裡，「深藏閨中」而未能與社會共享，造成了極大的浪費。

    身處大數據時代，人們生活所需的導航、氣象、房屋、醫療、就業等信息，往往都來自政府的信息數據開放；產業發展所需的戰略思考、布局規劃、落地方案等，往往也要依託對政府信息數據的挖掘、重組、混搭。龐大的手機用戶和應用市場，造就了中國大數據資源的極端豐富性。解決這些由大規模數據引發的問題，探索以大數據為基礎的解決方案，是中國產業升級、效率提高的重要手段。

    貴陽大數據交易所執行總裁、九次方大數據創始人王叄壽認為，大數據將成為繼土地之後政府手中最值錢的資源。他說，激活政府手中的大數據資源，讓它們走出政府的「深閨大院」，作為要素參與市場，既是簡政放權的現實需要，也應該是供給側改革的重要內容，更是擁抱大數據經濟的必由之路。

    流動的要素才能創造價值。開放、流通的數據是時代發展的要求。目前美國政府已創建了Data.gov網站，為大數據敞開了大門；英國、印度也有「數據公開」運動；我國近年來也崛起了貴陽大數據交易所等一批數據交易機構，但作為數據主體的政府依然動作緩慢。

    數據的挖掘和應用，不僅是公司競爭力的核心，也必將成為國家競爭力的標志。在我國產業轉型升級的過程中，以大數據思維的創新方式解決問題，推動供給側改革，創建新的產業群，實現「中國製造」向「中國創造」「中國智造」轉型，意義顯得尤為重要。

    縱觀近代歷史，歷次技術革命，中國都落在了時代的後面。而這次以互聯網為基礎的大數據變革，中國與世界的距離最小，在很多領域甚至還是領跑者。田溯寧說：「只要我們以開放的心態，創新的勇氣擁抱『大數據時代』，就一定能抓住歷史賦予中國創新的機會。」

⑥ 大數據時代帶來更理性、更可靠的決策

大數據時代帶來更理性、更可靠的決策_數據分析師考試

究竟是什麼魔力，讓「大數據」這一概念得到全球各國的普遍關注？到底什麼是「大數據」？它能夠在多大程度上改變我們的生活？在我們尋求對這些重要問題的解答時，牛津大學網路學院互聯網研究所教授維克托·邁爾-舍恩伯格出現在我們的視野中；希望我們對他的采訪，可以幫助讀者們找到這些疑問的答案。

最近一段時間，「大數據」的熱潮席捲全球，正如美國《福布斯》雜志所說的那樣，如今，在瀏覽新聞網站或者參加行業會議時，想看不見或聽不到「大數據」這個詞幾乎不可能。去年，美國6個聯邦政府部門宣布將啟動「大數據研發計劃」，投資超過2億美元以改進從海量和復雜的數據中獲取知識的能力。同時，我國科技部發布的「『十二五』國家科技計劃信息技術領域2013年度備選項目徵集指南」也把大數據研究列在首位。眼下召開的全國「兩會」上，有全國人大代表提出要把發展「大數據」上升為國家戰略。

究竟是什麼魔力，讓「大數據」這一概念得到全球各國的普遍關注？到底什麼是「大數據」？它能夠在多大程度上改變我們的生活？眼前對「大數據」的關注度是否已經過高了呢？在我們尋求對這些重要問題的解答時，英國牛津大學網路學院互連網研究所教授維克托·邁爾-舍恩伯格（Viktor Mayer-Schonberger）出現在我們的視野中，討論「大數據」，他如果不是最合適的人選，也起碼是合適人選之一。

20多年來，維克托一直致力於網路經濟、信息與創新、信息監管、網路規范與戰略管理的研究。還在「大數據」這一概念眾說紛紜時，維克托就已進行了系統深入的研究，2010年，他在英國《經濟學人》雜志上和數據編輯肯尼思·庫克耶一起，發表了長達14頁的大數據專題文章。稱他為最早洞見大數據時代發展趨勢的數據科學家之一，並不為過。

《經濟學人》說，在大數據領域，維克托是最受人尊敬的全方位發言人之一；美國《科學》雜志說，若要發起一場關於這個問題的深入討論，沒有比他更好的發起者了。

除了理論研究以外，維克托還非常接近實戰世界，早在上大學期間，他就先後成立了兩家數據安全和製作反病毒軟體的公司，而在他寫就的《大數據時代》一書中，那些最前沿、最嶄新的大數據應用案例，都得益於他多年來緊跟企業與商業應用的步伐。他的咨詢客戶中，不乏微軟、惠普、IBM、亞馬遜、臉書、推特、VISA等大數據先鋒們。

目前，維克托還是歐盟互聯網官方政策背後的重要制定者與參與者，尤為重要的是，他還任職過新加坡商務部、汶萊國防部、科威特商務部等部門，特別熟悉亞洲信息產業的發展與戰略布局。

希望我們通過電子郵件對維克托的采訪，可以幫助讀者們找到這些疑問的答案。

失去微觀層面上的精確度，為的是獲取宏觀層面上的洞察力

文匯報：今天，「大數據」已經成為全球炙手可熱的詞彙，您是從何時開始關注它的？

邁爾-舍恩伯格：多年來，我一直致力於研究數據在信息經濟的發展中所扮演的重要角色，我與肯尼思·庫克耶（Kenneth Cukier，我的合著者）一起發布了一系列相關研究報告。大約三年前，在我自己組織的一次會議上，我倆都意識到「大數據」的存在已經不僅僅是一種炒作或者什麼宏大的宣言了，而將實實在在地改變我們的工作、生活以及整個社會，於是，我們決定就此專題寫一本書。

文匯報：那麼在您看來，究竟什麼是大數據時代？它和傳統數據時代到底有什麼差別？我們知道，像沃爾瑪這樣的公司早在多年前，就已經將大數據運用到了商業實踐中。

邁爾-舍恩伯格：事實上，過去幾個世紀以來，數據已經在科學家們制定決策的過程中扮演了一定的角色，而過去幾十年間，這一做法又延伸到了一些公司的決策制定過程。但在大數據時代之前，數據是非常匱乏的，我們擁有的數據非常少。因此，我們的決策、我們構建的制度都是建立在這樣一種數據匱乏的基礎上。今天，一切變得非常不同，它體現在三個不同的方面，我們稱之為「更多」、「更亂」和「相關性」。

文匯報：這三個特徵也是您在《大數據時代》一書中非常強調的，它們甚至會顛覆我們過去的整個思維方式。您能否具體描述一下這到底是怎樣的過程？

邁爾-舍恩伯格：好的。我所說的「更多」，是指圍繞任何一個我們想要調查的特定問題，或者是需要我們回答的疑問，我們都可以比過去任何時候獲取更多的數據。在大數據時代，我們可以利用海量的數據得到非常詳盡的見解，這是傳統方法所不能做到的。

可以這么說，大數據時代和傳統數據時代的區別，就像解析度在200萬像素的舊數碼照片，一下子提高到2400萬像素那樣。後者是一個非常非常大的文件，它可以提供更多細節。它可以讓我們不斷放大，看清楚小到顆粒狀的細部，而具有較低解析度的圖像在這些細節方面就會非常模糊。

基因信息就是一個很好的例子。美國有一家叫23andMe的新公司提供個人的DNA測試分析，以發現一些疾病徵兆。它的成本只有兩三百美元，並提醒客戶關注會發展成嚴重疾病的個人癖好。但是公司並不對每個客戶的全基因組進行測序，而是針對已知特徵的位點（經研究得知因某種疾病存在，而可能會出問題的DNA片段）進行比對。這意味著，當一個新的特徵被研究發現時，23andMe公司就不得不再次對客戶的DNA進行測序並建立更完整的檔案。

蘋果公司的史蒂夫·喬布斯嘗試了非常不同的方法。他得了癌症後，就有了自己全部的基因密碼，數十億的鹼基對測序。這花費了他超過10萬美元的成本，但這可以讓醫生完整地洞察他的基因密碼。每當葯物由於喬布斯的癌症病變而失去有效性，他們就可以根據喬布斯特定的基因信息，尋找到有效的替代葯物。遺憾的是，這也沒有保住喬布斯的命，但是在這一過程中獲得的數據，已經延長了他的生命。

由於技術創新，現在收集大量信息的成本變得越來越低。數年前，史蒂夫·喬布斯花費了六位數的金額才做到的事情，今天，不到1000美元就可以獲得同樣的服務了。

而「更亂」指的是，在小數據時代，因為數據是如此稀少，我們可以確保自己收集的每一個數據點都是非常准確的。相比較而言，大數據往往是凌亂和質量參差不齊的。但是，相比以高額代價來保證測量和收集少量數據的精確性，在大數據時代，我們將接受這種雜亂，因為我們通常需要的只是一個大方向，而不是努力了解一種現象的細枝末節。我們並不是要完全放棄精確性，我們只是放棄對精確性的熱衷。我們失去微觀層面上的精確度，為的是獲取在宏觀層面上的洞察力。

電腦翻譯就是其中一個例子。1990年代，IBM的研究人員使用了一套非常精確的文件（加拿大議會記錄的法語和英語版）來訓練計算機。盡管計算機完全按照規則行事，但基於此的翻譯質量卻非常低。然後，谷歌在2006年開始介入這一領域，他們沒有使用來自加拿大政府的幾百萬句標准翻譯，而是使用隨手可得的任何語言。他們在整個互聯網上，利用數十億頁質量參差不齊的翻譯，這些翻譯不怎麼標准——但是，這是一個小的權衡——他們能夠使用的數據大大增加了，結果翻譯質量反而提高了。與更少、更標準的數據相比，更多凌亂的資料完勝了。

「更多」和「更亂」組合到一起，產生了第三個特點，「相關性」，這也是大數據帶給我們的最根本性的轉變。我們的思維將從因果關系轉向相關關系。至今為止的整個人類歷史里，全世界的人們都在尋找事件發生的原因，探尋「為什麼」。但我們對原因的執著探索往往帶領我們走向錯誤的方向。所以，我們建議，在大數據時代，在許多情況下，我們可以僅僅尋找「是什麼」，而不必完全理解「為什麼」。例如，對於大數據的分析中，我們可以發現機器震動中一些非常微小的變化，這些變化表明機器將很快損壞。這使我們能夠在部分機器零件報廢前更換它們，這被稱為「預測性維護」，它可以節省不少錢。但除了提高消費效率，「相關性」還可以做更多的事情。

比如對早產兒而言，即使他們長大成人，這些小寶寶仍舊是非常脆弱的，哪怕是遇上很小的感染。醫生卡羅琳·麥格雷戈研究如何給這些嬰兒最好的生存機會。使用大數據分析，每分鍾可以搜集這些嬰兒超過一千個數據點，麥格雷戈發現一個令人震驚的事實：每當這些早產兒出現非常穩定的標志時，他們的身體其實並不穩定，正在准備發病。有了這方面的知識，她就能在一個非常早期的階段，確定嬰兒是否需要葯物治療，從而挽救更多孩子的生命。

這是典型的大數據應用：醫生麥格雷戈通過更全面的感測器，可以比以往搜集到更多的數據。她也接受，在這種情況下，並不是所有的數據都是准確的，從而也會導致她分析中存在不精確的可能。她把「為什麼」這個問題放在一邊，而用一種更務實的方式來提供幫助，她尋找「是什麼」，這才是一個更好的預見感染的辦法。

我們應該記住：大數據也可以挽救生命。

正確使用大數據，可以改善醫療、教育水平，促進人類發展

文匯報：大數據時代的到來，是否將會引領新一輪的產業革命？我們應該怎樣客觀地看待它的價值？

邁爾-舍恩伯格：大數據將會極大地改變社會生活的方方面面，但是它的價值能否等同於工業革命，這個問題目前還不好說。我個人猜想可能不能，原因是在19世紀初工業革命剛剛開始的時候，經濟發展還處於非常低的水平上，所以相對來說，當時的人們從工業化過程中所能獲得的生活水平的提升是非常巨大的，今天則非常不一樣了。

我們真正想強調的是，大數據時代將推動我們從根本上改變企業的運作方式，以及我們在社會中的生活方式。大數據可以提高人類制定決策的能力，這種提高將是大幅度的。有了大數據，我們不是簡單地提高經濟效率，而是將挽救人類生命，延長我們自己的壽命。我們還將改善教育，促進發展。同樣的道理，我們必須要小心。大數據同樣也有「陰暗面」，正如我們在書中討論的那樣。如果應用錯誤，大數據也可能會化為一個強有力的武器。因此，我們必須確保正確使用大數據。

文匯報：您提到了大數據時代的「陰暗面」，它的到來會加深數字化鴻溝嗎？

邁爾-舍恩伯格：大數據是一個強大的工具。因此，如果我們使用了錯誤的方式，它就可能會加深數字鴻溝。但是，如果我們用得好，相信大數據就可能會改善我們的生活，尤其是對那些不那麼幸運的人而言。在這一點上，你可以把它想像成火、電或是抗生素等等。

文匯報：也就是說，您對大數據的價值認知，是基於一個更長時段的歷史發展。

邁爾-舍恩伯格：如果以非常廣闊的視角來看人類歷史，我認為，人類一直想要理解世界。起初，許多人的「知識」是基於迷信和預感。知識的發展非常慢，人們需要非常深層次的思考，再通過實踐進行檢驗，以確保知識是可用的。

但即使如此，我們的知識仍舊不是百分之百可靠的。例如，19世紀，路易·巴斯德一直在研究狂犬病疫苗，當時有一個被狗嚴重咬傷而染上狂犬病的小孩，父母擔心孩子會死去，懇求巴斯德試試他的試驗性疫苗。巴斯德照做了，孩子活了下來。隨後的慶祝活動上，巴斯德以一個英雄的身份出現，他挽救了年輕孩子的性命。但是事實的確如此嗎？今天，通過更深入的研究，我們知道，在被類似病狗咬到的兒童中，只有25%會感染狂犬病。所以75%的兒童哪怕使用了無效的疫苗，仍舊可以存活下來。這個故事告訴我們，我們以為自己生活在非常科學的世界中，但其實，我們擁有的數據非常少。一種新的治療方法在被證明安全之前，需要做幾十個甚至幾百個醫學實驗來進行測試。但這仍舊太少，人們還是會受到傷害，因為我們依靠的數據太少。在大數據時代，我們可以告別數據匱乏，做出的決策將更理性，更基於事實，當然也更可靠。這是大數據時代帶給我們的希望——更好的決策將會代替我們過往那些可疑的迷信和不可靠的人類預感。

文匯報：我們看到，麥肯錫公司2011年就發布報告推測，如果把大數據用於美國的醫療保健，一年可產生潛在價值3000億美元，用於歐洲的公共管理可獲得年度潛在價值2500億歐元；服務提供商利用個人位置數據可獲得潛在的消費者年度盈餘6000億美元；利用大數據分析，零售商可增加運營利潤60%，製造業設備裝配成本會減少50%。「數據創造價值」的預測已經非常振奮人心。在您看來，大數據是否只是一門價值不菲的生意？

邁爾-舍恩伯格：不，大數據可以做更多。醫療方面，我們前面已經提過，只是分析一些重要的徵兆，早產嬰兒的感染出現明顯症狀的數小時前，醫生就可以預見其生病。

同樣，通過大數據分析，我們也可以找出學校教科書中的哪一部分對學生而言效果最好，也可以找出效果不好的部分。到現在為止，我們只能按照人類的預感，即教師自己判斷學生在理解特定課程時是否會有疑問；但在大數據時代，我們有實際的數據可以參考，例如數據顯示，電子書籍的某些頁面被看過許多遍，因為它讓學生感覺費解，據此可以調整我們的教材。這將從根本上改變教育。

或者舉公共政策為例：Inrix是為智能手機提供導航軟體的公司，它還提供實時的交通數據。之所以能做到這一點，是因為每個用戶本身都成為了交通流量狀況的感測器，把位置和速度信息都發回Inrix公司。這樣一來，就可以給行進在交通堵塞路段周圍的客戶提供良好服務。Inrix公司有一大堆人們的活動數據，這還將有助於城市規劃者了解大家的通勤模式，人們從哪裡出發去工作，然後返回，並建設基礎設施，如道路和鐵路。這是最有效的應用。節省錢的同時，也有利於整個社會的管理。

文匯報：大數據對於商業決策、學術研究乃至國家治理的作用是顯而易見的；但是對日常生活中的普通人而言，他們一定會從中受益嗎？為什麼在大數據時代，還是有不少人主張遠離過載的信息和數據、返璞歸真回到傳統的社群生活之中呢？個人生活空間一定得從「簡單平面」轉變到「多維存在」才有意義嗎？

邁爾-舍恩伯格：千百年來，人類已經經歷的世界，都是在少量數據的基礎上產生很多想法的世界。海員們結束長途航行後回來，地圖才會在這一次經驗的基礎上進行重新繪制。這顯然不會很精確。經過試驗和犯錯的周而復始，人類發展得非常緩慢。但是，當我們只有非常少的數據時，這是理所當然的結果。今天，我們有這么多的數據，難怪人類會不堪重負。但是，現在大數據可以提供幫助。如果人類不太善於消化這些過多的信息，大數據分析可以幫助我們將信息進行過濾，並進一步可視化，使我們能夠輕松地加以使用。

人們尚未普遍具備與大數據時代相匹配的思維和技能

文匯報：有專家認為，大數據的未來是數據的APP（加速並行處理）而非基礎構架；也就是說，僅僅有數據平台和基礎構架是無法創造長期價值的。對此您怎麼看？

邁爾-舍恩伯格：我們認為，大數據時代將至少需要和過去時代一樣多的人的獨創性。同時，巨大的資源才是未來時代的金礦，那些擁有這些數據資源的人將獲得的回報是不可想像的。

文匯報：大數據時代，數據都是透明的，我們如何在保護個人隱私、商業機密和國家安全之間取得平衡？您所謂的「互聯網遺忘運動」會是最佳葯方嗎？

邁爾-舍恩伯格：大數據時代所面臨的挑戰是，我們發現了隱藏在數據背後的價值，所以，保留這些數據，然後一遍遍地重復使用數據，往往成為一種明智的選擇。同時，現行的保護個人隱私的法律，特別在西方，針對的是一個傳統數據的世界，而不是一個大數據世界。這就需要我們在保護隱私的規則方面作出調整。我們建議，可以通過調整相關保護規則來實現這一目標，正像你所提到的，我們可以在一定時間以後，選擇遺忘這些數據。

文匯報：大數據時代是一個海量數據有待處理的時代，同時又是一個海量無用信息需要刪除的時代。這是否就是您在《刪除》一書中強調我們要有所取捨的原因所在？

邁爾-舍恩伯格：是。在某種程度上，大數據本身也可以加強隱私的保護。因為如果有一百萬個數據點，一個單獨的數據點就不再那麼重要了，這和傳統數據時代非常不一樣。隨著時間的推移，忘記其中一些數據，並不會破壞整個大數據的運行和使用。

文匯報：大數據現在在全球究竟發展到了什麼階段？處理大數據的技術是否已經在全世界范圍內普及？

邁爾-舍恩伯格：管理和處理大數據的技術都已經存在了，而且並不是非常昂貴。但是，有一樣東西目前仍舊非常缺乏，那就是我們的思維——以理解數據背後所隱藏的巨大價值，以及提取這種價值的專門技能。今天，全球范圍內，人們還沒有普遍具備這種思維和技能，但是我相信，在未來，這種情況會發生改變。我們預計，世界各地的許多大學將提供針對大數據分析的課程，來培訓大數據時代所需要的技能。

文匯報：歷次產業技術革命，中國似乎都是學習者和模仿者；和上幾輪產業技術革命不同的是，大數據時代，中國幾乎和歐美發達國家同時開始技術研發，中國人口又居世界首位，將會成為產生數據量最多的國家。您看好中國在新時代的發展前景嗎？中國在大數據時代是否有創新和領先的可能？

邁爾-舍恩伯格：是的，我們對此非常樂觀。中國很可能成為大數據這一領域的先驅。在大數據時代，中國有很多優勢：中國人都受過良好的教育，特別是在數學和統計方面（這是非常重要的）。中國是一個巨大的多元化社會，這會創造大量機會來創造大數據這一資源，並建立大數據應用。同樣的道理，對於大數據的蓬勃發展，我們還需要相匹配的思維方式，有嘗試新事物和持續創新的願望，以實證事實來作為我們決策的依據。因此，和許多其他社會一樣，大數據時代的確也會給中國帶來非常大的變化。

以上是小編為大家分享的關於大數據時代帶來更理性、更可靠的決策的相關內容，更多信息可以關注環球青藤分享更多干貨

⑦ 《大數據時代》：別把參考答案當做最終答案

因為周邊總是充斥著「大數據」、「雲計算」的字眼，望著說著術語的人們眼裡野心勃勃的光芒，我不禁有些急躁的想弄明白什麼是大數據，到底我們可以從大數據里挖掘到什麼樣的財富。不得不說，我選了一本好書，全篇脈絡分明，邏輯縝密，穿插著數量繁復的案例，讓人在興致盎然之際就能通俗理解。

第一部分 大數據時代的思維變革

大數據時代的來臨，最先要顛覆的是我們的思維模式：1、不是隨機樣本，而是全體數據；2、不是精確性，而是混雜性；3、不是因果關系，而是相關關系。

坦率的說，這個部分給我的感悟很深，相信很多工作涉及到做數據報告的人，都會從中獲益不少。淺顯的說，大數據時代是讓我們把思維聚焦引向發散的變革。傳統意義上，甚至人們日常生活的慣性里，都本能的需求一種因果關系。例如發生了一件事情，人們會立刻尋找一個簡單的原因去說服自己。也就是「因為……所以……」這種邏輯思維是根深蒂固的。

在大數據時代，在擁有幾乎完整的數據時，我們不再刻意追求數據中彼此之間的目的性，從相關性出發，我們無法說清楚為什麼，但我們總知道就是這樣。相關性的概念將會引申更多的創意思維，相信未來的工種也會因此更加細分，甚至會出現更多的新興行業。

第二部分 大數據時代的商業變革

這是每個人都深有體會的：1、一切皆可量化；2、取之不盡，用之不竭的數據創新；3、數據、技術與思維的三足鼎立。

全書最核心或者說我本人最想了解的答案就在這里了。搜索引擎，導航工具，微博，微信記錄著我們一切的行為記錄，我們的情緒起伏都能被量化。這對商界是筆巨大的財富，他們可以根據這些數據定製獨一無二的消費計劃，也可以從中的相關關系中避免許多不必要的損失。

於是數據時代的價值鏈誕生：

1、基於數據本身的公司。 這類公司擁有大量的數據或者可以收集到大量數據。他們以出售數據盈利。當然大數據時代的後期，他們也開始逐漸轉型，收購分析團隊，將數據更大限度的價值化，以獲取更高的盈利。

2、基於技能的公司。 咨詢公司就是此類公司的典型代表，天睿，尼爾森這些都是數據分析的佼佼者，甚至四大現在也在積極開拓咨詢業務。

3、基於思維的公司。 創新思維應該屬於大數據時代最寶貴的財富。FlightCaster、Facebook、滴滴等等這些都是創新思維的典範。

我們要想從大數據時代挖掘金礦也可以順著這條價值鏈下手。本人更傾向於第三種思維的風暴。有趣的是，這類公司的發起人甚至這些被我們趨之若鶩的應用都是創始人無聊逗樂的作品。顯然，熱愛生活，為生活提供更多便利和快樂，彷彿都是創新思維創造需求所必須的。

第三部分 大數據時代的管理變革

風險： 除開我們平常喜歡網購，消費習慣被搜索引擎記錄在外，導航系統記錄著我們的行動軌跡，甚至是我們的心情，通過微信朋友圈和微博，也都一一被監控中。我們彷彿生活在一雙看不見的眼睛裡，想想都覺得不寒而慄。

更可怕的是，當人們過於依賴大數據去做決策的時候，我們的社會終將有一天會演變為預測行為更替事實行為的悲劇。最簡單的例子：警察可能從大數據監控的一系列行為中分析得到結論某人會謀殺他的妻子，而這個人也許什麼都沒做，而警察卻名正言順的將此人逮捕。因為大數據預測分析他一定會做，而警察的行為只是阻止了的悲劇的發生。完全磨滅了他可能真的不會犯罪的可能性。

掌控： 讓數據的使用者承擔責任，是相對保護個人隱私的有效方式。避免了個人信息數據被過度曝光，又給與了數據分析者極大的開發使用空間。另外大數據時代更要避免數據獨裁時代。谷歌曾要求員工測試41種藍色的陰影效果中，哪種被人們使用最頻繁，從而決定網頁工具欄的顏色。這種數據獨裁曾在谷歌一度到達頂峰，同時也激起了強烈反抗。

數據的盲目崇拜總讓人會遺忘數據總有固有的局限性，數據導向的答案是參考答案不是最終答案。不為數據而數據，才是大數據時代最好的態度，才能將大數據的功能最大化。

⑧ 大數據時代背景下的檔案管理分析

大數據時代背景下的檔案管理分析
在大數據時代的發展進程中，應該將大數據的價值積極的展現出來，所以相應的管理模式需要加以進一步的變革。應該將相應的管理模式加以進一步的轉變，積極的採用大數據技術實現檔案數據信息的相互關聯，這樣才能更好的實現檔案資源的共享。相關的檔案管理部門也應該做相互協調的工作，將檔案數字資源中所蘊含的潛在價值充分的體現出來，這樣才能實現進一步的整合。傳統的檔案管理部門中，供給式的模式占據重要位置，而在新時期的發展下，這一思維模式應該加以進一步的轉變，從用戶面臨的問題入手，為人們的行為決策提供有益指導。以解決用戶所面臨的問題為目標整合檔案數字資源，構建起以社會利用需求為導向的檔案數字資源體系，不斷提高檔案服務與用戶需求之間的匹配程度。
構建適應大數據要求的檔案數字資源。以雲計算為例，它適應了大數據時代分布式存儲與海量數據並行處理的需要，實現了計算機資源的服務化，是大數據時代檔案數字資源整合的基礎平台和支撐技術。首先，各檔案部門應根據國家統一規劃以及自身基礎設施建設與檔案資料庫資源匹配程度的具體情況，靈活選擇適合的雲部署方案。對於那些處在檔案數字資源整合關鍵節點的部門應架設私有雲，以動態申請公有雲的方式彌補自身計算能力、存儲空間等的不足。其次，雲計算能統一各應用環境之間的業務邏輯、組織結構和表達方式等，消除信息孤島，從而建立集成的檔案數字資源管理平台，促成檔案數字資源深層次整合與知識開發的實現。再次，雲計算能實現對檔案應用的整合，並以服?盞男問較蠐沒Х⒉跡煌?時支持用戶利用各種終端設備隨時隨地訪問所需的雲服務。這些都將在最大程度上發揮檔案數字資源整合的優勢，提高檔案服務的效率和便捷性。
加強大數據時代檔案數字資源整合的安全保障體系建設。首先，應建立IAM（身份和訪問管理）和隱私保護系統，實現統一身份認證與訪問許可權控制，達到用戶安全集成管理的目標，有效應對檔案數字資源整合與大數據應用過程中的安全風險。其次，通過數據加密技術保護檔案信息安全。通過SSL（Secure Sockets Layer，安全套接層協議層）加密，實現在數據集的節點和應用程序之間移動保護大數據。再次，綜合運用大數據技術手段與安全保密制度，加強對重點領域檔案數據的日常監管，有效應對檔案數據聚集性與檔案利用需求無序性造成的檔案泄密風險。最後，實時開展檔案數字資源異地異質備份工作，提高系統容災能力。
最後，還要組建一支具有大數據素質的檔案從業者隊伍。大數據環境下，檔案從業者應加強自身素質建設，在檔案數字資源整合中承擔起業務專家的重任，成為檔案數字資源的提供者、組織者和導航者。作為檔案數字資源的提供者，就要求檔案從業者具有過硬的檔案專業知識與技能，能正確預判大數據給本單位數據處理各環節帶來的風險構成，給出基於檔案專業的解決方案，從而確保檔案數字資源的真實、完整與安全，最大限度地滿足檔案數字資源整合的需要，保證檔案價值的實現。

⑨ 大數據與偵查模式變革研究(1)

大數據與偵查模式變革研究(1)_數據分析師培訓

大數據在西方廣泛應用於總統選舉預測、商業營銷、疾病預防、金融分析、教育變革，也運用於社會監控和預測、治安管理、恐怖主義打擊等等方面。

運用大量數據進行犯罪偵查和控制始於1994年紐約市的警察部門啟用的一個新的治安信息管理系統，即CompStat(Computer Statistics的縮寫)。CompStat是通過比較數據統計報告為基礎來確定警力資源分配、犯罪預防和打擊對策[5]。大數據時代的到來，西方更是著力建構大數據驅動的犯罪偵查和控制體系。大數據驅動犯罪偵查和控制體系利用大數據幫助警察分析歷史案件、發現犯罪趨勢和犯罪模式；通過分析城市數據源和社交網路數據，預測犯罪；利用大數據，優化警力資源分配，從而提高社會和公眾安全水平[6]。大數據已使犯罪偵查和控制模式發生根本性變革，利用大數據提升犯罪偵查和控制能力是未來的發展方向。

公安部部長郭聲琨強調要大力加強大數據時代提升維護公共安全和服務人民群眾的能力和水平[7]。我國各級公安機關已開始有意識運用大數據推動犯罪偵查和控制。然而大數據不僅是一個技術問題，也帶來了偵查理念、方式、機制的變革。我國學界的研究集中在大數據技術應用研究，對大數據帶來的偵查理念、方式、機制的變革的研究偏少，也不夠深入，迫切需要更為系統的、深入的研究。

一、復雜的犯罪態勢與大數據時代犯罪的數據化生態

當下，犯罪呈現出更加嚴峻和復雜的態勢。首先是犯罪總量大，犯罪率逐年上升。據統計，僅2012年公安機關刑事案件立案的案件數為6551440起，檢察機關批捕、決定逮捕犯罪嫌疑人的案件數為680539，人數為986056[8]。近二十多年來，中國犯罪率呈逐年上升趨勢，刑事案件立案數平均每年增長22％以上，超過了全國GDP的增長。①其次是犯罪智能化。犯罪是一種社會存在，科學的發展滲透到犯罪的方方面面，提升了其能力和危害程度。這表現為兩個方面：一是運用科學思維實施的犯罪，主要表現為犯罪思維嚴密，犯罪前經過周密部署和策劃，犯罪過程滲透著科學思維和謀略。二是利用科學技術實施的犯罪，突出表現為數字化犯罪。以利用網路犯罪為例，2012年，全國公安機關累計破獲涉網違法犯罪案件11.8萬余起，抓獲犯罪嫌疑人21.6萬餘人。據賽門鐵克公司2012年9月發布的諾頓安全報告估算，2011年7月至2012年7月，中國有超過2.57億人成為網路違法犯罪的受害者。網路違法犯罪所造成的直接經濟損失達2890億元人民幣，受害者人均蒙受的直接經濟損失約1200元人民幣[9]。第三，犯罪時空的復雜性。現代科技的發展，使得犯罪時間非線性，犯罪空間缺席性，時空組合的多維、多樣化和任意性[10]。第四，案件因果聯系復雜。相對於傳統的靜態、單一社會來說，現代社會是一個動態、復雜社會。在動態、復雜社會中，因果聯系具有非線性、偶合性、多因性、斷裂性，犯罪的因果聯系往往難以確定。

計算機及網路技術的發展，使得當下社會已經進入了大數據時代。大數據時代首先是數據記錄時代。在數據記錄時代，數據記錄成為默認模式[11]，人類社會處在被無所不在各種各樣感測器和微處理器構成「萬維觸角」的數據網路記錄之下，手機、網路、監控探頭、射頻技術等等無所不在地記錄著我們的行為乃至我們的思想。「早上出門，電梯的攝像頭記錄著我們的出行時間；開車上班，道路的攝像頭記錄著我們的位置和車速；工作期間，網頁記錄著我們的瀏覽習慣和搜索記錄，電話記錄著我們的聯網對象和通話時長；下班回家，購物記錄界定著我們的職業身份、家庭背景甚至性格特徵，電視機頂盒記錄著我們的收視習慣和價值品位……」[12]「在數字世界裡，我們都會留下電子『腳印』或電子『指紋』。」[13]20「我們正處於一種不斷變化卻日趨緊密的被監視狀態中。事實上，現在我們的一舉一動都能在某個資料庫中找到線索。」[14]12

狡猾的犯罪者能有例外而成為「數據隱士」嗎?要成為「數據隱士」，意味著你要完全脫離現代社會系統，不僅不能使用數字化產品，還要完全意義上不食「人間煙火」。因為現代社會幾乎被數據化了，一旦你與現代社會系統進行交換，就很有可能被數據捕捉和記錄。然而，這並不是說犯罪者的具體犯罪的任何要素或片段如犯罪時間、犯罪空間、犯罪行為、犯罪工具等等都會直接且完整無缺被數據記錄和儲存；而是說犯罪者隱藏的犯罪信息總是被相關的海量數據從不同的側面記錄著，即便是某些甚至是主要或關鍵的犯罪要素或片段缺失，也可以通過不同側面相關海量數據聯接、分析，拼接或描畫出犯罪過程。因此，在大數據時代，不要說數字化犯罪，即使傳統手段的犯罪，都可以說落入了一種「天網恢恢，疏而不漏」的網路記錄和存儲體系，數據化就是當下犯罪的現實生態。

二、大數據驅動的偵查模式是時代的必然選擇

模式指經過提煉和抽象的標准樣式。偵查模式反映了偵查要素的結構關系和運行邏輯。偵查模式可以按照不同的標准進行分類。學界按照偵查是否運用信息科技手段，把偵查模式分為傳統的偵查模式、信息主導偵查模式。然而，如果從資訊理論的視角來看，傳統偵查模式與信息主導偵查模式的本質區別不是是否運用信息，而是信息記錄、存儲、提取以及分析方式上的根本差別。按照偵查所能運用信息的記錄、存儲、提取以及分析方式，可以把偵查模式劃分為傳統偵查模式、業務信息主導的偵查模式和大數據驅動的偵查模式。學界一般將業務信息主導的偵查模式和大數據驅動的偵查模式合稱為信息主導偵查模式，但兩者之間不僅是發展階段上的差異(大數據驅動的偵查模式是在業務信息主導偵查的基礎上發展起來的)，而且在信息類型、信息提取和研判方式上也有根本差異，最重要的是由此差異而帶來偵查理念、特徵和機制上的根本變革。

傳統偵查模式是在信息存儲、提取和分析上幾乎沒有什麼科技含量的模式。傳統社會，人類對信息的記錄和存儲方式主要是人的大腦和書寫體系(傳統社會由於信息記錄的需要發展出一整套書寫體系，由此而產生了許許多多按時間匯集的分門別類的書寫檔案庫)。對於犯罪的信息記錄來說，除了大腦和書寫檔案外，犯罪現場也以物質交換的形式記錄著犯罪信息。因此，傳統的偵查主要手段是調查訪問(對大腦儲存的信息提取)、書寫檔案的查詢。②人腦信息的存儲和提取的特點是：分散在不同的人身上；信息的准確性差，受到外在環境和信息儲存者自身感受能力、記憶能力等影響；信息缺乏穩定性，信息量和准確性隨著時間變化而衰減；信息能否提取以及提取的質量，首先取決於能否找到儲存信息的人，其次取決於偵查人員的詢問技術(經驗)、被詢問人表達能力、情緒、配合態度等等多種因素。書寫檔案記錄信息的優點是准確性高、穩定性強，但其有兩個重大缺陷：一是提取困難。人們要找到其中一點有用信息，就得把所有的資料翻閱一遍；盡管後來建立了圖書館式的目錄索引，但查找起來依然耗時費力。二是不能提供直接的犯罪信息。書寫檔案不可能是犯罪的實時記錄，只可能是犯罪破獲後一種事後登記，因此這種檔案對於需要破獲的犯罪來說，不能提供直接的犯罪信息。傳統偵查的信息分析研判主要依靠偵查人員的經驗，有經驗的偵查人員往往成為是否破案的關鍵。總之，這種模式科技含量低、粗放型特徵突出，能否破案主要取決於偵查人員的經驗和投入的人力多少，不僅如此，還取決於偵查人員的運氣。這對於傳統靜態、單一的社會及其犯罪也許能夠適應，而與動態、復雜的社會及其犯罪幾乎完全不匹配。

業務信息主導偵查模式是在信息技術引領下的以業務信息存儲、提取和研判為基礎的偵查模式。隨著信息技術的發展，各種各樣信息記錄和存儲設備被廣泛使用。信息記錄和存儲不再完全依賴人腦和書寫檔案，而是電子化的記錄，存儲設備成為人類記錄和存儲信息的主要方式。這些設備代替人腦和書寫檔案實時記錄著人類的行為，也記錄了犯罪行為。所記錄和存儲的信息從來源和存儲分布來看，形成於不同的業務經營並分布儲存在不同的業務信息庫中，如商家記錄和存儲人們的消費信息、銀行記錄和存儲了人們的金融交易信息、醫院記錄病人信息等等。這些信息庫缺乏整合，相互之間形成信息孤島，信息冗餘和信息孤島成為信息存在的基本生態。就業務信息主導偵查模式來說，其主要特徵是：一是偵查部門依賴於公安平台所累積的結構化的資料庫主要用於人、事、物的核查、比對，實時犯罪信息仍然主要依靠人工採集。二是信息提取依然困難。不可否認，相比傳統偵查模式，業務信息主導的偵查模式針對公安機關所累積結構化信息來說，確實大大提高了查詢、比對效率，但是面對越來越多地被累積的不同來源、不同結構的數據，尤其是大量的半結構化和非結構化數據，既缺乏數據整合的技術和機制，也缺乏信息提取的技術手段。結構化數據是先有模型後有數據，大多具有事後登記的性質(也有少量的實時記錄的數據如旅館住宿等)，很難有實時犯罪行為記錄信息，其主要價值在於對人、事、物的核查；而正是不同來源的半結構化、非結構化數據中實時記錄了犯罪的「蛛絲馬跡」。三是信息分析、研判仍然主要依靠偵查人員的經驗。業務信息系統主要用於簡單的查詢、比對，但是不能進行智能化的演算法分析。總的來說，這種偵查模式面對當下的犯罪態勢，尤其是流動性犯罪、數字化犯罪等，難有成效。

大數據驅動偵查模式是建立在大數據和雲計算平台的基礎上，是大數據時代的信息主導偵查模式的升級換代。在大數據時代，大數據驅動的偵查模式是一種時代的必然選擇，這不僅在於復雜的犯罪態勢及其數據化生態，更在於大數據技術使得這種選擇成為現實。

首先，犯罪的數據化生態是大數據驅動偵查模式的現實基礎。面對當下復雜的犯罪態勢，人們似乎有點不知所措。犯罪的控制某種程度上是一種偵查技術對犯罪技術保持優勢。然而現代性的發展使犯罪者具有更強的匿名性、流動性等，從而一度打破了公安機關曾經具有的優勢，這也是如今犯罪爆發性增長的原因之一。然而犯罪作為一種社會存在，當社會成就犯罪條件時，也會給人類提供製約其的機會。犯罪的數據化生態根本改變了犯罪信息的記錄和存儲方式，極大擴大了「社會記憶」，大數據技術將徹底改變偵查技術與犯罪技術之間的對比關系。因此，我們必須改換傳統的偵查模式，採用大數據驅動偵查模式以控制犯罪和打擊犯罪。

其次，在大數據時代，偵查所面對和所能處理的數據不再是小數據，而是大數據。如今，偵查所面對和所能處理的數據具有體量大、類型多、價值密度低的特徵。「池塘」和「大海」最容易發現的區別就是規模[15]。過去偵查，即使是業務信息主導偵查階段，所面對或所能處理的數據量相當於「池塘」，而與此相對照，現代偵查所面對和能處理的數據量則是「大海」。不僅如此，現代偵查所面對的則是數據的多樣性：從結構上看，不僅有結構化數據，還有大量半結構化和非結構化數據；從數據類型看，有業務數據、用戶原創數據、感測器感知數據；從數據表現形式看，有文字、圖片、音頻、視頻、鏈接等；從犯罪案件構成角度看，有人及其關系、行為、物、時間、空間和主觀意圖數據。數據的價值密度低。在巨量的數據中，有關犯罪數據混雜其間，僅僅是其中小小的「浪花」，但其彌足珍貴。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[16]。

第三，大數據技術能從海量的數據中對犯罪信息進行提取、分析研判以及預測未來。大數據是其規模或復雜程度超出了常用技術按照合理的成本和時限捕捉、處理的數據。而以雲計算為依託的大數據技術可以突破常規技術成本和時限的要求。具體來說，其一，大數據技術能適時提取和分析處理多結構多源數據，尤其是半結構和非結構化的數據，能夠從海量的、雜亂無章的數據中抽取出大量的與犯罪相關的細節、點滴片斷、不同側面數據、信息，並且能把「數據聯系起來、信息點連接起來、片斷串聯起來」[13]29-30，從而能將表面看來毫無意義、互不關聯的數據碎片拼出一幅清晰完整的犯罪圖畫。而對於確定一個犯罪嫌疑人的身份來說，也許只需要四個信息點就足夠了。其二，大數據以雲計算為依託，能夠在合理時間內進行信息提取和分析。以周克華案件為例，南京警方動用上百名警力花費了數天時間對視頻監控數據進行人肉搜索，而運用大數據技術也許只要幾個小時就足夠了。其三，大數據技術，一個最為根本的突破是能夠運用海量數據進行演算法分析，進行信息研判，從而幫助我們認識過去，分析原因，揭示犯罪發生的規律。最後，大數據能在分析過去中尋找有意義的模式，從而預測未來，為我們優化警力資源配置、打擊犯罪提供先機。

三、大數據驅動的偵查模式的理念變革

黑格爾指出，「理念是任何一門學問的理性」[17]，並認為理念中包含著「某種預想的東西」，具有前瞻性、導向性和設計性[18]。偵查模式轉換首先是理念轉換。偵查模式中的理念就是指貫穿在偵查模式中反映了偵查規律的並具有引導、支配、決定偵查活動的觀點、看法、信念。大數據驅動偵查模式不僅是一種新的工作模式，更是一種新思維、新理念。在大數據時代，偵查要確立的理念有：

在線、開放的理念。大數據首先是在線數據。大數據不僅是體量大，更是實時記錄社會的復雜動態數據：用戶原創和各種感測器感知數據，而正是這些數據混雜了犯罪的「蛛絲馬跡」。對於偵查來說，公安大平台累積的結構化數據是重要的，尤其是對人、事、物的核查具有重要價值，但是很難有實時的犯罪記錄。大數據驅動的偵查就是在公安大平台累積的結構化數據的基礎上，對不斷變動用戶原創和各種感測器感知數據進行提取、分析和處理，獲取信息。因此，對於大數據驅動的偵查，我們必須堅持在線和開放的數據理念，以獲得我們需要的海量數據，進而分析、處理這些數據。

數據主導偵查理念。大數據時代，數據是犯罪的生態，偵查過程就是數據儲存、提取和分析過程，數據貫穿於偵查的各個環節，「讓數據說話」成為偵查的基本思維。數據主導偵查的理念至少包括以下三個方面的內容：首先，有關犯罪的一切現象皆可數據化。凡事皆可量化，皆可數據化[19]25-26。不僅與犯罪相關的有形之物如時間、空間、人的特徵(生物識別特徵、行為習慣等)、行為、手段、物等可以量化和數據化，那些與犯罪相關的無形之物如人的價值觀念、態度、情緒等等也可以量化和數據化。其次，大數據是偵查的基礎資源，是偵查的工具箱。偵查就是對數據開礦式的挖掘和分析，偵查能否成功某種程度上取決於對大數據資源的提取、分析能力；運用大數據各種分析技術，可以獲得我們所需要的犯罪信息。最後，在大數據時代，數據居於偵查過程的核心地位，支配著偵查的運行。犯罪現場重建、偵查決策、偵查途徑的選擇、偵查分析、數據摸排、偵查預測等等無不圍繞數據運行。

相關性理念。大數據是通過量化兩個數據值之間的數理關系來確定相關關系。相關關系強，是指當一個數據值增加時，另一個數據值很有可能隨之增加[3]71。傳統偵查，是按照因果關系和數據結構的標准③來採集數據和分析數據。到大數據時代，我們能分析、運用幾乎所有相關數據，收集數據不必再拘泥於因果關系和數據結構標准，而是堅持相關性標准，不僅採集結構化數據，還要採集半結構化和非結構化數據。這種相關關系雖然不能直接揭示內在的因果關系，但是對於犯罪偵查和控制來說，其展現的相關關系仍具有較強的效用價值。

相關關系能讓偵查人員全方位、多角度地思考分析案情。相關關系雖然不追求精確性，但是其追求豐富性，不拒絕任何機會，盡可能去創造和利用機會。通過相關關系，才能將看起來沒有聯系的信息內在地聯系起來，從而更為全面地認識案件情況。這也許可以幫助我們發現破案線索，理清破案思路，劃定偵破范圍。

相關關系可以給我們進一步確定因果關系以指引，從而確定犯罪原因和證明犯罪。相關關系的分析是分析因果關系的基礎。相關關系並不必然是因果關系，但因果關系必然是高度相關關系。通過相關關系，我們可以進一步探究其中是否存在因果關系，從而證明犯罪。

相關關系的一個重要價值是可以監控犯罪情勢。如上所述，當下影響犯罪的原因是紛繁復雜的，要確定犯罪發生的原因相當不容易甚至不可能。對於偵查人員來說，重要的也許不是去理清犯罪原因，而是控制犯罪。通過相關關系，確定關聯物，進而可以監控犯罪情勢，從而使我們有效配置警力資源，打擊犯罪。

通過相關關系，可以預測犯罪。大數據的核心價值是預測。通過收集具有相關關系的數據，建立大數據模型，我們可以從微觀上預測什麼時間、什麼地點、什麼人、什麼類型等等的犯罪容易發生，也可以從宏觀上預測犯罪趨勢，這為我們防範和打擊犯罪提供了更好的機會。

線上破案與線下證明相結合的理念。大數據使得發現和確定某一犯罪嫌疑人似乎變得相當容易。但是數據只是事實的鏡像，並不等於就是事實；④而且大數據的演算法邏輯(強調相關關系、確定的只是一種概率，甚至由於噪音等因素會出現致命的誤差)與法律證明邏輯(強調因果關系和排除合理懷疑標准)存在差異，因此，犯罪偵查尚需要進一步按照法律體系的操作要求進行證明。即使我們通過大數據可以確定犯罪嫌疑人，達到了排除合理懷疑的標准，我們也必須把大數據的演算法體系轉化為符合法律規范要求的證明體系，把數據確定轉換為法律確定。然而，線上破案和線下證明並不是割裂的，大數據能對我們證明起引導作用，幫助我們尋找證據，確定因果關系。因此，在大數據時代我們既不能拋棄相關關系，只追求因果關系，也要必須防止用相關關系代替因果關系，防止用預測來代替事實。

以上是小編為大家分享的關於大數據與偵查模式變革研究(1)的相關內容，更多信息可以關注環球青藤分享更多干貨

⑩ 什麼是大數據時代

大數據時代

（巨量資料（IT行業術語））
編輯
最早提出「大數據」時代到來的是全球知名咨詢公司麥肯錫，麥肯錫稱：「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。」 「大數據」在物理學、生物學、環境生態學等領域以及軍事、金融、通訊等行業存在已有時日，卻因為近年來互聯網和信息行業的發展而引起人們關注。
中文名
大數據時代
外文名
Big data
提出者
麥肯錫
類 屬
科技名詞
目錄
1 產生背景
2 影響
▪ 大數據
▪ 大數據的精髓
▪ 數據價值
▪ 可視化
3 特徵
4 案例分析
5 產業崛起
6 提供依據
7 應對措施

產生背景
編輯

進入2012年，大數據（big data）一詞越來越多地被提及，人們用它來描述和定義信息爆炸時代產生的海量數
大數據時代來臨
據，並命名與之相關的技術發展與創新。它已經上過《紐約時報》《華爾街日報》的專欄封面，進入美國白宮官網的新聞，現身在國內一些互聯網主題的講座沙龍中，甚至被嗅覺靈敏的國金證券、國泰君安、銀河證券等寫進了投資推薦報告。[1]
數據正在迅速膨脹並變大，它決定著企業的未來發展，雖然很多企業可能並沒有意識到數據爆炸性增長帶來問題的隱患，但是隨著時間的推移，人們將越來越多的意識到數據對企業的重要性。
正如《紐約時報》2012年2月的一篇專欄中所稱，「大數據」時代已經降臨，在商業、經濟及其他領域中，決策將日益基於數據和分析而作出，而並非基於經驗和直覺。
哈佛大學社會學教授加里·金說：「這是一場革命，龐大的數據資源使得各個領域開始了量化進程，無論學術界、商界還是政府，所有領域都將開始這種進程。」[2]

影響
編輯

大數據
現在的社會是一個高速發展的社會，科技發達，信息流通，人們之間的交流越來越密切，生活也越來越方便，大數據就是這個高科技時代的產物。[3]
隨著雲時代的來臨，大數據（Big data）也吸引了越來越多的關注。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。[2]
在現今的社會，大數據的應用越來越彰顯他的優勢，它佔領的領域也越來越大，電子商務、O2O、物流配送等，各種利用大數據進行發展的領域正在協助企業不斷地發展新業務，創新運營模式。有了大數據這個概念，對於消費者行為的判斷，產品銷售量的預測，精確的營銷范圍以及存貨的補給已經得到全面的改善與優化。[4]
「大數據」在互聯網行業指的是這樣一種現象：互聯網公司在日常運營中生成、累積的用戶網路行為數據。這些數據的規模是如此龐大，以至於不能用G或T來衡量。
大數據到底有多大？一組名為「互聯網上一天」的數據告訴我們，一天之中，互聯網產生的全部內容可以刻滿1.68億張DVD；發出的郵件有2940億封之多（相當於美國兩年的紙質信件數量）；發出的社區帖子達200萬個（相當於《時代》雜志770年的文字量）；賣出的手機為37.8萬台，高於全球每天出生的嬰兒數量37.1萬……[1]
截止到2012年，數據量已經從TB（1024GB=1TB）級別躍升到PB（1024TB=1PB）、EB（1024PB=1EB）乃至ZB(1024EB=1ZB)級別。國際數據公司（IDC）的研究結果表明，2008年全球產生的數據量為0.49ZB，2009年的數據量為0.8ZB，2010年增長為1.2ZB，2011年的數量更是高達1.82ZB，相當於全球每人產生200GB以上的數據。而到2012年為止，人類生產的所有印刷材料的數據量是200PB，全人類歷史上說過的所有話的數據量大約是5EB。IBM的研究稱，整個人類文明所獲得的全部數據中，有90%是過去兩年內產生的。而到了2020年，全世界所產生的數據規模將達到今天的44倍。[5] 每一天，全世界會上傳超過5億張圖片，每分鍾就有20小時時長的視頻被分享。然而，即使是人們每天創造的全部信息——包括語音通話、電子郵件和信息在內的各種通信，以及上傳的全部圖片、視頻與音樂，其信息量也無法匹及每一天所創造出的關於人們自身的數字信息量。
這樣的趨勢會持續下去。我們現在還處於所謂「物聯網」的最初級階段，而隨著技術成熟，我們的設備、交通工具和迅速發展的「可穿戴」科技將能互相連接與溝通。科技的進步已經使創造、捕捉和管理信息的成本降至2005年的六分之一，而從2005年起，用在硬體、軟體、人才及服務之上的商業投資也增長了整整50%，達到了4000億美元。[5]

大數據的精髓
大數據帶給我們的三個顛覆性觀念轉變：是全部數據，而不是隨機采樣；是大體方向，而不是精確制導；是相關關系，而不是因果關系。[6]
A.不是隨機樣本，而是全體數據：在大數據時代，我們可以分析更多的數據，有時候甚至可以處理和某個特別現象相關的所有數據，而不再依賴於隨機采樣(隨機采樣，以前我們通常把這看成是理所應當的限制，但高性能的數字技術讓我們意識到，這其實是一種人為限制);
B.不是精確性，而是混雜性：研究數據如此之多，以至於我們不再熱衷於追求精確度;之前需要分析的數據很少，所以我們必須盡可能精確地量化我們的記錄，隨著規模的擴大，對精確度的痴迷將減弱;擁有了大數據，我們不再需要對一個現象刨根問底，只要掌握了大體的發展方向即可，適當忽略微觀層面上的精確度，會讓我們在宏觀層面擁有更好的洞察力;
C.不是因果關系，而是相關關系：我們不再熱衷於找因果關系，尋找因果關系是人類長久以來的習慣，在大數據時代，我們無須再緊盯事物之間的因果關系，而應該尋找事物之間的相關關系;相關關系也許不能准確地告訴我們某件事情為何會發生，但是它會提醒我們這件事情正在發生。

數據價值
大數據時代，什麼最貴?
十年前，葛大爺曾說過，「21世紀什麼最貴?」——「人才」，深以為然。只是，十年後的今天，大數據時代也帶來了身價不斷翻番的各種數據。由於急速拓展的網路帶寬以及各種穿戴設備所帶來的大量數據，數據的增長從未停歇，甚至呈井噴式增長。[7]
一分鍾內，微博推特上新發的數據量超過10萬；社交網路「臉譜」的瀏覽量超過600萬……
這些龐大數字，意味著什麼？
它意味著，一種全新的致富手段也許就擺在面前，它的價值堪比石油和黃金。
事實上，當你仍然在把微博等社交平台當作抒情或者發議論的工具時，華爾街的斂財高手們卻正在挖掘這些互聯網的「數據財富」，先人一步用其預判市場走勢，而且取得了不俗的收益。
讓我們一起來看看——他們是怎麼做的。
這些數據都能幹啥。具體有六大價值：
●1、華爾街根據民眾情緒拋售股票；
●2、對沖基金依據購物網站的顧客評論，分析企業產品銷售狀況；
●3、銀行根據求職網站的崗位數量，推斷就業率；
●4、投資機構搜集並分析上市企業聲明，從中尋找破產的蛛絲馬跡；
●5、美國疾病控制和預防中心依據網民搜索，分析全球范圍內流感等病疫的傳播狀況；
●6、美國總統奧巴馬的競選團隊依據選民的微博，實時分析選民對總統競選人的喜好。[1]

可視化
「數據是新的石油。」亞馬遜前任首席科學家Andreas Weigend說。Instagram以10億美元出售之時，成立於1881年的世界最大影像產品及服務商柯達正申請破產。
大數據是如此重要，以至於其獲取、儲存、搜索、共享、分析，乃至可視化地呈現，都成為了當前重要的研究課題[1] 。
「當時時變幻的、海量的數據出現在眼前，是怎樣一幅壯觀的景象？在後台注視著這一切，會不會有接近上帝俯視人間星火的感覺？」
這個問題我曾請教過劉建國，中國著名的搜索引擎專家。劉曾主持開發過國內第一個大規模中英文搜索引擎系統「天網」。
要知道，劉建國曾任至網路的首席技術官，在這樣一家每天需應對網民各種搜索請求1.7億次（2013年約為8.77億次）的網站中，如果只是在後台靜靜端坐，可能片刻都不能安心吧。網路果然在提供搜索服務之外，逐漸增添了網路指數，後又建立了基於網民搜索數據的重要產品「貼吧」及網路統計產品等。
劉建國沒有直接回答這個問題，他想了很久，似乎陷入了回憶，嘴角的笑容含著詭秘。
倒是有公司已經在大數據中有接近上帝俯視的感覺，美國洛杉磯就有企業宣稱，他們將全球夜景的歷史數據建立模型，在過濾掉波動之後，做出了投資房地產和消費的研究報告。
在數據可視化呈現方面，我最新接收到的故事是，一位在美國思科物流部門工作的朋友，很聰明的印度裔小夥子，被Facebook高價挖角，進入其數據研究小組。他後來驚訝地發現，裡面全是來自物流企業、供應鏈方面的技術人員和專家，「Facebook想知道，能不能用物流的角度和流程的方式，分析用戶的路徑和行為。」

特徵
編輯
數據量大（Volume）
第一個特徵是數據量大。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）。
類型繁多（Variety）
第二個特徵是數據類型繁多。包括網路日誌、音頻、視頻、圖片、地理位置信息等等，多類型的數據對數據的處理能力提出了更高的要求。
價值密度低（Value）
第三個特徵是數據價值密度相對較低。如隨著物聯網的廣泛應用，信息感知無處不在，信息海量，但價值密度較低，如何通過強大的機器演算法更迅速地完成數據的價值「提純」，是大數據時代亟待解決的難題。
速度快、時效高（Velocity）
第四個特徵是處理速度快，時效性要求高。這是大數據區分於傳統數據挖掘最顯著的特徵。
既有的技術架構和路線，已經無法高效處理如此海量的數據，而對於相關組織來說，如果投入巨大採集的信息無法通過及時處理反饋有效信息，那將是得不償失的。可以說，大數據時代對人類的數據駕馭能力提出了新的挑戰，也為人們獲得更為深刻、全面的洞察能力提供了前所未有的空間與潛力。[2]

案例分析
編輯
個案一
你開心他就買你焦慮他就拋[2]
華爾街「德溫特資本市場」公司首席執行官保羅·霍廷每天的工作之一，就是利用電腦程序分析全球3.4億微博賬戶的留言，進而判斷民眾情緒，再以「1」到「50」進行打分。根據打分結果，霍廷再決定如何處理手中數以百萬美元計的股票。
霍廷的判斷原則很簡單：如果所有人似乎都高興，那就買入；如果大家的焦慮情緒上升，那就拋售。
這一招收效顯著——當年第一季度，霍廷的公司獲得了7%的收益率。
個案二
國際商用機器公司（IBM）估測，這些「數據」值錢的地方主要在於時效。對於片刻便能定輸贏的華爾街，這一時效至關重要。曾經，華爾街2%的企業搜集微博等平台的「非正式」數據；如今，接近半數企業採用了這種手段。
●「社會流動」創業公司在「大數據」行業生機勃勃，和微博推特是合作夥伴。它分析數據，告訴廣告商什麼是正確的時間，誰是正確的用戶，什麼是應該發表的正確內容，備受廣告商熱愛。
●通過喬希·詹姆斯的Omniture（著名的網頁流量分析工具）公司，你可以知道有多少人訪問你的網站，以及他們呆了多長時間——這些數據對於任何企業來說都至關重要。詹姆斯把公司賣掉，進賬18億美元。
●微軟專家吉拉德喜歡把這些「大數據」結果可視化：他把客戶請到辦公室，將包含這些公司的數據圖譜展現出來——有些是普通的時間軸，有些像蒲公英，有些則是鋪滿整個畫面的泡泡，泡泡中顯示這些客戶的粉絲正在談論什麼話題。
●「臉譜」數據分析師傑弗遜的工作就是搭建數據分析模型，弄清楚用戶點擊廣告的動機和方式。
處理和分析工具
用於分析大數據的工具主要有開源與商用兩個生態圈。
開源大數據生態圈：
1、Hadoop HDFS、HadoopMapRece, HBase、Hive 漸次誕生，早期Hadoop生態圈逐步形成。
2、. Hypertable是另類。它存在於Hadoop生態圈之外，但也曾經有一些用戶。
3、NoSQL，membase、MongoDb
商用大數據生態圈：
1、一體機資料庫/數據倉庫：IBM PureData(Netezza), OracleExadata, SAP Hana等等。
2、數據倉庫：TeradataAsterData, EMC GreenPlum, HPVertica 等等。
3、數據集市：QlikView、 Tableau 、 以及國內的Yonghong Data Mart 。

產業崛起
編輯
越來越多的政府、企業等機構開始意識到數據正在成為組織最重要的資產，數據分析能力正在成為組織的核心競爭力。具體有以下三大案例：
1、2012年3月22日，奧巴馬政府宣布投資2億美元拉動大數據相關產業發展，將「大數據戰略」上升為國家意志。奧巴馬政府將數據定義為「未來的新石油」，並表示一個國家擁有數據的規模、活性及解釋運用的能力將成為綜合國力的重要組成部分，未來，對數據的佔有和控制甚至將成為陸權、海權、空權之外的另一種國家核心資產。
2、聯合國也在2012年發布了大數據政務白皮書，指出大數據對於聯合國和各國政府來說是一個歷史性的機遇，人們如今可以使用極為豐富的數據資源，來對社會經濟進行前所未有的實時分析，幫助政府更好地響應社會和經濟運行。
3、而最為積極的還是眾多的IT企業。麥肯錫在一份名為《大數據，是下一輪創新、競爭和生產力的前沿》的專題研究報告中提出，「對於企業來說，海量數據的運用將成為未來競爭和增長的基礎」，該報告在業界引起廣泛反響。
IBM則提出，上一個十年，他們拋棄了PC，成功轉向了軟體和服務，而這次將遠離服務與咨詢，更多地專注於因大數據分析軟體而帶來的全新業務增長點。IBM執行總裁羅睿蘭認為，「數據將成為一切行業當中決定勝負的根本因素，最終數據將成為人類至關重要的自然資源。」
在國內，網路已經致力於開發自己的大數據處理和存儲系統；騰訊也提出2013年已經到了數據化運營的黃金時期，如何整合這些數據成為未來的關鍵任務。
事實上，自2009年以來，有關「大數據」 主題的並購案層出不窮，且並購數量和規模呈逐步上升的態勢。其中，Oracle對Sun、惠普對Autonomy兩大並購案總金額高達176億美元，大數據的產業價值由此可見一斑。[1-2]

提供依據
編輯
大數據是信息通信技術發展積累至今，按照自身技術發展邏輯，從提高生產效率向更高級智能階段的自然生長。無處不在的信息感知和採集終端為我們採集了海量的數據，而以雲計算為代表的計算技術的不斷進步，為我們提供了強大的計算能力，這就圍繞個人以及組織的行為構建起了一個與物質世界相平行的數字世界[1-2] 。
大數據雖然孕育於信息通信技術的日漸普遍和成熟，但它對社會經濟生活產生的影響絕不限於技術層面，更本質上，它是為我們看待世界提供了一種全新的方法，即決策行為將日益基於數據分析做出，而不是像過去更多憑借經驗和直覺做出。
事實上，大數據的影響並不僅僅限於信息通信產業，而是正在「吞噬」和重構很多傳統行業，廣泛運用數據分析手段管理和優化運營的公司其實質都是一個數據公司。麥當勞、肯德基以及蘋果公司等旗艦專賣店的位置都是建立在數據分析基礎之上的精準選址。而在零售業中，數據分析的技術與手段更是得到廣泛的應用，傳統企業如沃爾瑪通過數據挖掘重塑並優化供應鏈，新崛起的電商如卓越亞馬遜、淘寶等則通過對海量數據的掌握和分析，為用戶提供更加專業化和個性化的服務。
最讓人吃驚的例子是，社交媒體監測平台DataSift監測了Facebook（臉譜） IPO當天Twitter上的情感傾向與Facebook股價波動的關聯。在Facebook開盤前Twitter上的情感逐漸轉向負面，25分鍾之後Facebook的股價便開始下跌。而當Twitter上的情感轉向正面時，Facebook股價在8分鍾之後也開始了回彈。最終當股市接近收盤、Twitter上的情感轉向負面時，10分鍾後Facebook的股價又開始下跌。最終的結論是：Twitter上每一次情感傾向的轉向都會影響Facebook股價的波動。
這僅僅只是基於社交網路產生的大數據「預見未來」的眾多案例之一，此外還有谷歌通過網民搜索行為預測流感爆發等例子。不僅在商業方面，大數據在社會建設方面的作為同樣令人驚嘆，智能電網、智慧交通、智慧醫療、智慧環保、智慧城市等的蓬勃興起，都與大數據技術與應用的發展息息相關。
「大數據」可能帶來的巨大價值正漸漸被人們認可，它通過技術的創新與發展，以及數據的全面感知、收集、分析、共享，為人們提供了一種全新的看待世界的方法。更多地基於事實與數據做出決策，這樣的思維方式，可以預見，將推動一些習慣於靠「差不多」運行的社會發生巨大變革。

應對措施
編輯
一個好的企業應該未雨綢繆，從現在開始就應該著手准備，為企業的後期的數據收集和分析做好准備，企業可以從下面六個方面著手，這樣當面臨鋪天蓋地的大數據的時候，以確保企業能夠快速發展，具體為下面六點。
目標
幾乎每個組織都可能有源源不斷的數據需要收集，無論是社交網路還是車間感測器設備，而且每個組織都有大量的數據需要處理，IT人員需要了解自己企業運營過程中都產生了什麼數據，以自己的數據為基準，確定數據的范圍。
准則
雖然每個企業都會產生大量數據，而且互不相同、多種多樣的，這就需要企業IT人員在現在開始收集確認什麼數據是企業業務需要的，找到最能反映企業業務情況的數據。
重新評估
大數據需要在伺服器和存儲設施中進行收集，並且大多數的企業信息管理體系結構將會發生重要大變化，IT經理則需要准備擴大他們的系統，以解決數據的不斷擴大，IT經理要了解公司現有IT設施的情況，以組建處理大數據的設施為導向，避免一些不必要的設備的購買。
重視大數據技術
大數據是最近幾年才興起的詞語，而並不是所有的IT人員對大數據都非常了解，例如如今的Hadoop，MapRece，NoSQL等技術都是2013年剛興起的技術，企業IT人員要多關注這方面的技術和工具，以確保將來能夠面對大數據的時候做出正確的決定。
培訓企業的員工
大多數企業最缺乏的是人才，而當大數據到臨的時候，企業將會缺少這方面的採集收集分析方面的人才，對於一些公司，特別是那種人比較少的公司，工作人員面臨大數據將是一種挑戰，企業要在平時的時候多對員工進行這方面的培訓，以確保在大數據到來時，員工也能適應相關的工作。
培養三種能力
Teradata大中華區首席執行官辛兒倫對新浪科技表示，隨著大數據時代的到來，企業應該在內部培養三種能力。第一，整合企業數據的能力；第二，探索數據背後價值和制定精確行動綱領的能力；第三，進行精確快速實時行動的能力。
做到上面的幾點，當大數據時代來臨的時候，面臨大量數據將不是束手無策，而是成竹在胸，而從數據中得到的好處也將促進企業快速發展。
望採納，謝謝