2016年關於大數據的時事新聞評論

⑴ 三網融合促基建加速 政策利好大數據

三網融合促基建加速 政策利好大數據

大盤行情分化,通信板塊下挫明顯。上周大盤連續三日低開低走,整周跌幅2.2%。大盤權重股和成長股行情極度分化,中小盤、創業板個股跌幅較大,上周分別下跌9.8%、13%。在此行情下,通信板塊上周下跌13.6%,跌幅較明顯。細分行業指數中,國君運營商指數表現相對最好,下跌6.6%;國君工業互聯網、通信設備指數分別下跌11.5%、12.7%,優於通信板塊整體跌幅。

關注信談桐息基建和大數據。在監管層釋出多重利好的背景下,市場情緒和風險評價正在逐步改善,市場正在通過震盪探明底部。對於通信板塊,建議關注信息消費和工業互聯時代,「流量太平洋」和「數據大爆發」帶含茄坦來的確定性機會,即通信及光通信設備的需求大幅增加,以及大數據技術的快速發展。

通信設備、光通信領域,推薦中興通訊、特發信息、亨通光電、中天科技等,烽火通信也將受益。國家數次出台文件鼓勵信息基建,推動寬頻中國、提速降費、三網融合、光進銅退,有望促進信息基建投入進一步加大,延續主設備商和光通信設備商自2015Q2以來的高景氣度。預計未來兩到三年,信息基建將是通信行業一個大的主題。

工業互聯、大數據領域,推薦東方國信、南都電源等。國務院出台《關於促進大數據發展的行動綱要》,國內貴陽、武漢、西安先後成立大數據交易所,各地大數據聯盟、工業互聯網聯盟不斷出現,工業互聯網和大數據的發展趨勢不可阻擋。

行業新聞動態:國務院等發文推動大數據和信息消費。國務院印發《促進大數據發展行動綱要》、《三網融合推進方案》,19部門印發《關於加快發展農村電子商務的意見》,促進大數據和信息消費發展。

以上是小編為大家分享的關於三網融合促基建加速 政策利好大納旁數據的相關內容，更多信息可以關注環球青藤分享更多干貨

⑵ 大數據時代 解析大數據真正價值所在

大數據時代：解析大數據真正價值所在

目前大數據人們已經耳熟能詳，如今在利益格局多元化、社會需求多樣化的公共決策與公共服務領域，大數據也能一顯身手。隨著中國進入大數據時代後，與其相關的各種話題就不絕於耳：電影《小時代》說會根據大數據選角和刪減戲份；網路稱靠數據挖掘押中了今年的高考作文題；目前正如火如荼的世界盃中大數據也沒有缺席——德銀甚至藉助大數據計算出了一份奪冠概率表。據外電報道，德銀根據各個球隊的FIFA排名、歷史戰績、球員構成和賭球賠率等因素，建立了量化分析模型，並根據復雜計算得到一份奪冠概率表格。其中巴西名列第一，緊隨其後的是德國、西班牙、法國。然後再根據某些假設，得出最終的冠軍得主。對於看似萬能的大數據，如今在利益格局多元化、社會需求多樣化的公共決策與公共服務領域，是否也能一顯身手呢？大數據為政策制定導航今年年初，備受關注的「單獨兩孩」政策在各地落地後，國家衛生和計劃生育委員會宣傳司司長、新聞發言人毛群安曾透露，為這項政策的出台，相關機構和部門做了將近10年的研究，對人口政策採取什麼樣的調整都進行過數據模擬。大數據同樣可以被用於城市交通規劃。PADIS還曾對某個城市的交通擁堵問題進行過預測分析。與認為應該限制人口和機動車數量，加快發展公共交通的傳統觀點不同，PADIS的預測結果顯示，人口集中居住區域與經濟中心的嚴重偏離才是導致市民出勤需求上升、交通惡化的根本原因，單純增加公共交通設施、控人控車只能揚湯止沸。為此，PADIS開出的「葯方」是改善城市規劃管理，讓城市向多中心方向發展。除了能幫助政府調整計生政策、規劃交通外，這一系統還能憑借其擁有的海量數據和強大的模擬預測能力，對延遲退休、養老金缺口、環境治理、房價上漲等熱點問題提出自己的「真知灼見」，范圍足以涵蓋我們生活的方方面面。大數據只能輔助決策大數據的魅力在於能夠通過對海量數據的分析，以一種前所未有的方式獲得具有巨大價值的產品或深刻的洞見。那麼是不是意味著可以完全相信計算機，讓數據和軟體來幫助我們做決定？答案當然是否定的。PADIS系統項目技術總監、神州數碼信息服務股份有限公司大數據專家史文釗認為，現在沒有也不應該製造出一個自動決策系統。他說，大數據只能輔助決策而不能代替決策。總結這些年的經驗，最好的系統應當是人和計算機的完美結合。大數據應用十分強大而且還會更加強大，它能實現數據挖掘分析、政策模擬、指標預警等多種功能，但它仍然只是一個輔助決策系統。挖掘大數據的富礦「互聯網女皇」瑪麗·艾克在《2014年互聯網趨勢報告》中專門將大數據提了出來，認為在2014年大數據將更加實用，比以往任何時候都更加貼近普通人的生活。從2014年開始一些依靠解讀數據提供解決方案的新型服務開始出現，大數據解決大問題的趨勢也將顯現。同時她還發現在現有的通用數據中有34%的信息具備研究價值，但其中只有7%的數據被做了標記，被分析過的只有1%。數據獲取固然重要，但缺乏分析的數據毫無意義。大數據真正的價值不是海量的數據簡單集合，而是找到這些數據之間的關聯，發現它們背後的規律，為解決實際問題服務。如同礦藏一樣，數據也有貧礦富礦之分。在目前的情況下，尤其是在智慧城市建設中，我們需要注重的應該是如何盤活已有數據存量，用好大數據增量，來提升城市公共服務能力和管理決策水平。

以上是小編為大家分享的關於大數據時代 解析大數據真正價值所在的相關內容，更多信息可以關注環球青藤分享更多干貨

⑶ 大數據未來的發展前景怎麼樣

大數據已經開始慢慢的走進了大眾的視野，讓越來越多的人熟知而伴隨著大數據在電商領域的「殺熟」，在新聞行業助力「今日頭條」的崛起，也讓各個行業看到了大數據帶來的商機。而隨著大數據應用技術的不斷深入和發展，其發展前景也被越來越來的人看好。可以說，未來的大數據不論是企業還是個人都值得倍加重視。
無論是大數據技術本身的更新迭代，還是各大企業對於大數據的強烈需求，都在向從業者表達著一個相同的信息——大數據領域人才匱乏。如今，各大企業為應對未來的發展趨勢，都紛紛的推出了的相應的福利，來進行「搶人」。而這，也就促使了入行大數據成為了一個趨勢，成為了一個獲取未來更好發展的機會。
大數據應用場景愈加的豐富，企業對於大數據的愈加重視，自然就需要更多的大數據從業者。另外，由於大數據技術的不斷更新，其價值將在未來展現的更加明顯，所以，不論是對企業還是對個人，都必須對大數據倍加重視。

⑷ 大數據七大趨勢令人振奮

大數據七大趨勢令人振奮
跟著小編一起來展望2016年大數據發展的七大趨勢。
1.演算法（Algorithms）的崛起

大數據已過時，演算法正當道。數據已經成為一種商品，每個組織都能夠收集和存儲大量的數據。分析大數據也不再那麼引人注目了。每個組織都可以聘用或培訓大數據分析人員來了解數據模式。
2016年，人們更加關注對已接觸數據採取什麼行動。演算法將大行其道。演算法能夠定義行為，它們是非常專業的軟體，能夠很好地執行專業的指令，遠比人類做的要好。例如，當你訪問一個網站時，根據你手上的資料，快速確定最合適的廣告。或者在大量的交易數據中找出異常值來甄別欺詐行為。
這些演算法是非常專業的人工智慧，不是已經存在多年的普通人工智慧所能比的。但是，非常專業的AI已經存在，2016年我們將見證演算法商務的崛起。
2.數據湖服務作為一種解決方案（Data-Lake-as-a-Service Solutions）

2015年，我們已認識了數據湖。企業從M2M連接、社交網路和遠程工作人員積累了越來越多的數據，數據湖將成為他們的重要數據存儲工具。
據Gartner稱，「到2020年，信息將被用於重新創造、數字化、或消除80％的業務流程和產品（相比於10年前——2010年）」。在傳統的存儲解決方案中，數據之間是相互孤立的。數據湖與之正好相反，它允許存在各處的原始的、質朴的信息位元組相互整合、分析。數據湖能夠幫助你實現商業的數字化，使之真正成為數據驅動的商業，就像Gartner對2020年的商業預計一樣。
由於數據湖帶來了相當多的挑戰，在2016年，我們將看到數據湖管理的未來：數據湖服務作為一種解決方案，為您的數據湖提供一個完整的管理方案。
數據湖服務將提供主動式存儲方案，通過整理大量的結構化和非結構化數據，大量的應用才能夠用於對其進行加工處理，包括企業數據倉庫或開源技術，如Apache Hadoop或 Spark。一個使用了數據湖服務的企業，每個月僅需要為十億位元組支付幾美分。
在2016年，我們將看到越來越多的大數據供應商提供這樣的解決方案：給企業提供一個完整的、易於使用的、可擴展的解決方案，省去企業自建數據湖的麻煩。由於數據湖在大規模數據存儲和分析方面具有巨大優勢，數據湖服務解決方案將被用於許多組織中。尤其是規模較小的組織，例如互聯網領域的初創公司，將從數據湖服務方案中獲得數據湖所有的益處，省去了創建和維護數據湖的所有麻煩。
3. 區塊鏈將被各行各業所接受
在過去的幾年中，我們看到區塊鏈主要應用於比特幣，但區塊鏈技術提供了更多的可能性。在2016年，我們將看到很多行業將採用區塊鏈。
一個區塊鏈可以被看作是數字事件的一個公共分類帳或記錄。這個公共分類帳由許多不同當事人共享，計算地理上和計算上的孤立節點，並且只有該系統的大部分成員都同意的情況下，這個記錄才能被更新。只要新信息輸入到分類帳，它就不能被擦除，而且所有人可見。因為區塊鏈的存在，所有輸入到分類賬上的信息都是全透明的。
區塊鏈的一個關鍵優勢是：該系統是完全透明的，任何人都可以在不損害個人隱私的情況下，看到哪些交易輸入到分類賬。您可以在不透露當事人個人隱私的情況下，記錄事件發生的事實，甚至記錄它的正確性。
雖然大多數人將區塊鏈與加密的比特幣聯系在一起，其實它還有更多的可能性。尤其是金融業將迎來的區塊鏈技術的全面開花。世界上許多大銀行正在試用區塊鏈，更或正在對區塊鏈初創公司進行投資。UBS（瑞銀集團）已經創造了一個區塊鏈實驗室，Santander正在研究如何使用區塊鏈管理他們的貸款活動，Goldman Sachs （高盛集團）投資了一個區塊鏈初創公司，並且有一個大財團（R3 』s global bank partnership），負責調查的區塊鏈的潛力。
然而，在2016年我們將看到，不同行業的多個應用程序使用區塊鏈。基本上任何存在數字化交易的行業都將會受益於區塊鏈技術，從金融業，法律行業，房地產，公證員，賭博，發布到數據存儲。未來一年，更廣泛的採用區塊鏈將迫在眉睫。
4.人力資源分析
對於大多數組織而言，人才是最重要的財富；對於大多數高級管理人員而言，人才是重中之重。根據普華永道的研究，34%的美國首席執行官們「非常關注」組織中關鍵技能的可用性。因此，高級管理人員正在尋找其人力資源的確切數據，所以，2016年我們會看到人力資源分析將邁出一大步。
人力資源分析雖然是人事部門新的業務領域，但為了更好地提高人力資源的投資回報率，該業務增長極為迅速。人力資源分析可以被定義為一項大數據技術，使用人力相關數據片段優化商務產出、解決商務問題。因此，人力資源分析越來越重要。
人力資源分析可以幫助回答一些問題，例如：我們在組織內是否有正確的技能搭配？我們的員工，特別是那些優秀的員工是如何工作的呢？我們能更好地預測企業未來的領導人是誰么？員工的精神狀況怎樣……如此等等。
在一個過熱的市場，對人才的爭奪戰愈演愈烈，優秀的大數據科學家和數據分析師資源越來越稀缺，越來越貴，因此發現人才不是一件容易的事情。對於一個組織而言，了解員工的驅動因素，並且很好的激勵他們變得越來越重要。因此，在2016年，更多的組織將致力於人力資源分析，這些領域的初創企業數量將迅猛增長。
5.智能政府致力於提高社會和公民體驗
對於那些大的商業組織而言，大數據已經成為通用語言。在適應新趨勢方面，政府是緩慢的，但是在2016年，我們會看到更多的國家、地區和地方政府會採用大數據技術來提高社會和公民的體驗。
政府正在嘗試用大數據技術來提高公民體驗的管理，通過政府分析、把數據驅動決策引入到一線員工的管理，從而創造無摩擦交易，提高政府績效。一個政府，或智慧政府，將會於實現目標做出重要貢獻，在2016年，在全球范圍內將會有越來越多的政府向智能政府方向發展。
我們已經看到一些例子。迪拜當局正努力把政府變成智能政府。他們已經開始踐行提高客戶（例如，公民）體驗，並推動知識經濟的實踐。他們已經為數十個智能政府服務創建了一個單獨的、安全的登錄界面，大量的服務也都支持移動應用程序。
最好的智能政府的例子就是愛沙尼亞。這個僅有130萬公民的波羅的海國家被聯合國提名為「具有十年最優電子政務內容「 。每一次與外部的或內部的互動都是數據化的，愛沙尼亞政府對於自己的數據具有完全的掌控。此外，議會正在推行無紙化辦公，電子簽署法律文件，全電子化商務，因為所有的服務都是互聯的，所以報稅非常簡單。
盡管愛沙尼亞政府遠遠走在同行的前列，但這個進程遠沒有停止。在荷蘭，國家政府的目標是，截止到2017年，從與政府取得聯繫到繳稅，全部實現工數字化。
因此在未來一年，我們將在世界范圍內看到越來越多的政府開發智能方案。我們也將看到更多的政府開放自己的數據集，應用開放的API（應用程序編程介面）使初創公司和企業夠輕松地與政府部門對接。這不僅能加速政府的智能化過程，甚至可能收獲更多。
6.增強大數據安全、防止數據泄露

伴隨著數字化進程，物聯網將物物連接為網路，大數據的安全變得越來越重要。在過去的幾年裡，我們已經遭遇了許多大規模的數據泄露事件，包括Ashley Madison hack（婚外情網站）和TalkTalk公司（英國寬頻服務供應商）的黑客攻擊事件。
基本上，任何組織未來都可能被黑客攻擊，如果沒有被黑客攻擊，說明其根本不重要。因此，任何組織不僅應該把重點放在防止安全漏洞，在遭遇黑客攻擊時，還要實施正確的危機應對計劃。
2016年，我們會看到更多的數據泄露新聞，更多組織犯傻試圖掩蓋，更多由物聯網引起的對實物的攻擊。特別是後者，可能會對數據安全產生深遠影響。畢竟，我們已經看到過黑客遠程操控毀滅了一輛正在高速路上行駛的吉普車。
因此，2016年，我們將看到組織是如何管理他們的數據保證數據安全，包括黑客攻擊前、攻擊中、攻擊後的各種管理措施。組織將增加安全開支，與有道德的黑客合作提高數據安全，改善內部流程使得員工對於黑客更加警惕。畢竟，通常情況下人是公司安全協議中最薄弱的一環。
7.智能機器帶來的霧分析（Fog Analytic s)起步

霧計算正在迅速地獲得大量動力。霧計算是指推進連接到物聯網的終端設備和存儲數據的雲計算之間的存儲、傳輸和計算。隨著物聯網的進步，霧計算勢頭越來越猛，因為感測器變得相當精密，它們現在可以收集大量數據。
想像一下，你有一個網路，連接各種設備，它們產生了大量的實時數據。在設備和雲之間來回傳輸數據變得尤其昂貴，而且花費時間太長。採用霧計算或霧分析。霧分析使得智能機器在當地執行一部分分析，只將分析結果發送到雲端。
據Gartner稱，智能機器是新的現實。因此，在未來的一年，我們將看到更多的智能機器有著越來越多的精密感測器，能收集大量的數據。組織將不得不轉向霧分析，以便數據易於管理，保持洞察力可用並盡可能降低成本。
令人振奮的新一年
在大數據方面，2016年將是令人振奮的一年。智能演算法將接替現在由人類來完成的許多業務。我們將看到數據湖服務作為一種服務解決方案出現，幫助企業以最少的工作更多的使用數據。越來越多的行業將開始試用數據區塊鏈技術（blockchain technology）以改變他們的行業。
組織將轉向人力資源分析，以更好地激勵員工，爭奪稀缺人才。政府終將看到大數據的益處，並向智能化方向轉變，但是組織和政府將不得不警惕黑客攻擊，並採取適當措施。最後，由於智能機器將出現在各行各業，霧分析時代正式開啟。

⑸ 大數據時代對媒體傳播帶來哪些影響

據前瞻產業研究院《中國大數據產業發展前景與投資戰略規劃分析報告》顯示，大數據對傳媒業產生了革命性的影響，其實，不僅傳媒行業會受到大數據帶來的影響，大數據也對傳媒學術研究產生巨大的沖擊和挑戰。目前已經有學者開始就大數據對傳媒研究的影響進行了初步分析,但總體而言，新聞傳播學界對大數據的研究偏重於現象描述和情況介紹，對大數據給學術研究帶來的挑戰和學術創新問題的研究卻較少。
在大數據環境下，理性假設的前提遇到了挑戰，大數據技術極大地減少了受眾搜索信息的成本，受眾可以輕而易舉地獲取決策所需的各種信息，並利用數據處理技術對信息的收益進行計算，在此基礎上作出決策，這使得有限理性範式失去了解釋力。同時，信息成本和交易成本的大幅下降，使網路空間出現了許多新的組織形態和交易形式，如以分享、合作為主題的維基網路、開放源代碼、網路共享等，這些新的組織形式無法用理性範式進行解釋，如果從理性的角度計算成本收益關系，那麼人們沒有動力進行網路分享與合作。

⑹ 為什麼大數據時代讓我們生活變得沉重

在大數據高速發展並不斷拓寬應用邊界的同時，監管卻無法及時跟上，以至於一些缺乏操守和剋制的公司，惡意泄露甚至出售用戶隱私，對大家的生活造成很大影響。

大數據給我們帶來了如此大的便利，可能會導致我們過度依賴它，導致最後我們總是聽同一類型的歌，看相似觀點的新聞評論，我們最後可能被大數據困在某個小圈子裡，無法聽見外面不同的聲音，從而使我們變得狹隘。所以大數據的使用也是需要慎重的，它只是一個工具，而不要完全被工具左右了。

提出人物

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。

⑺ 大數據將給百姓生活帶來什麼 科技日報

大數據將給百姓生活帶來什麼？
汽車無人駕駛、挑選演員和劇本、計算機編輯新聞……大數據將無孔不入，改變生活的方方面面。請關注——
無人駕駛的汽車，提供符合學生個性化的教學輔導材料，計算機來編輯新聞……日前，在北京召開的「首屆大數據時代創新與媒介變革研討會」上，專家們提出，大數據將給我們生活帶來顛覆性的影響。
從「無人駕駛」到「移動辦公」
近日，一輛自動駕駛汽車剛剛完成橫跨美國之旅。這輛藍色的汽車從舊金山出發，花了9天時間，途經15個州，駛過3400英里，最終順利抵達紐約。一路上，99%的駕駛都是由汽車自己完成，只有在城區道路上，才有人工干預。
保時捷汽車控股集團大眾品牌總經理張久鵬對此並不感到驚訝。他在大數據時代研討會上透露，保時捷在去年就成功實現了長距離的無人駕駛。現在汽車里裝載了電腦、各種通訊設備，與聯通合作，從「無人駕駛」到試驗「移動辦公」。
「未來辦公不再局限於一地，而是移動一族了。」張久鵬說，從家出發到公司可能會堵車1小時或更久，很多司機因此非常煩躁。現在可設置預期目的地，然後讓車無人駕駛。車裡面放置各種可折疊的辦公用品，人們就能在車里完成視頻會議、文件審閱和會簽等在辦公室里做的事。
張久鵬表示，除「無人駕駛」和「移動辦公」外，大數據還給汽車用戶帶來了其他便利。如給汽車做保養維修，需要把車開到4S店或維修場所，現在該方式已發生了質的改變。人們可在家裡通過手機APP或電話，找人上門來給車做保養；還可通過APP，查看愛車行駛軌跡，包括駕駛員的相貌特徵、車內使用環境以及汽車行駛過程中的耗時、油耗、功率、行駛時間、里程等相關數據。
從用戶數據匹配到精準營銷
「大數據正在成為未來媒體的最核心、最有價值的內容本身，它能幫助用戶實現私人定製。」北京郵電大學教授王立新說，通過IT技術進步，使供需雙方信息實現成本接近於零的精準智能化匹配，從而把人類帶入「自經濟」時代。
王立新舉例說，「一台冰箱生產成本約1200元人民幣，最後利潤僅38元。如果用大數據賺錢，我的口號是『冰箱不要錢白送』。然後在冰箱里加兩個功能。一是增加信息掃描系統，二是把路由器裝在冰箱里，將所有消費數據都發送到企業雲資料庫里。」消費者買東西不用去商場，直接給企業打電話，有人給消費者送貨上門，而且其商品價錢會更便宜。關於冰箱里食品的保質期，還能提供免費預報。
「比如你在這里開會，手機響了，信息提示『主人，別講了，我是你家冰箱里第四號酸奶，再過兩小時你不喝掉就過保質期了。』」王立新說，通過採集到的大數據，家裡買了什麼食品、冰箱里牛奶等消耗掉多少都清清楚楚，然後可根據這個需求來通知飲料、乳品等生產企業，並通過協商來降低從這些企業進貨的價格。
「這樣的話，假設一個家庭一個月放在冰箱里的食品等花費兩千元，通過大數據只賺其10%就是200元，6個月就可收回冰箱的製造成本。你想賺賣冰箱的38元純利潤，還是在未來十年賺到一到兩萬元的純利潤呢？關鍵就是採集數據、精準匹配、拼公司、平台化反向收費，永遠代表用戶的利益，讓他們免費！」王立新說。
個性化教學、「機器人新聞」等
中文在線副總經理李林認為，大數據有利於個性化的教學支持。「通過數據分析、積累、挖掘，有利於教學和學習個性化、精準化。另外，可根據學生學習過程中出現的問題，隨時診斷反饋，給學生提供符合其個性的教學輔導材料。」
中國青年政治學院新聞傳播學院執行院長羅自文提出了「機器人新聞」，即隨著大數據的普及，新聞產業已變成由機器來完成大部分工作，機器甚至可擔任編輯工作。「數據新聞和傳統新聞生產方式不一樣。傳統新聞生產通過記者、編輯進行報道整合。而現在我們很多新聞線索的獲取、數據的挖掘、整合都是由計算機來做。有的計算機里有記者寫好的模板，只要放進相應關鍵字詞，就能產生不同的新聞。」

大數據還可幫助預測電影票房，以此為據來挑選劇本、演員等。
清華大學媒介調查實驗室研究員李兆鵬說，「去年年終我們成立了一個新媒體事業部，主要針對即將上映或正在上映電影進行票房預測，幫助片方進行電影口碑和觀眾心理的細分。我們通過搜集數據進行分析對比，對電影製片方、發行方提供數據支持。」
小馬奔騰董事、君舍文化總裁鍾麗芳說，以前選一個電影題材的方式「特別簡單粗暴」，就是導演、製片公司老闆喜歡什麼就拍什麼。現在隨著大數據時代的到來，更多是根據受眾的偏好和需求，再結合創作者擅長，找出一平衡點來選出題材。「以前在組合影視作品時，包括創意團隊、演員，是憑經驗來判斷選擇，所有影視公司搶的都是幾個一線大腕。但真正搶到的不一定是市場效果最好的，只有對觀眾偏好更清楚才行。通過大數據分析，我們現在演員搭配會比以前更科學。」

⑻ 大數據在金融行業的應用與挑戰

大數據在金融行業的應用與挑戰
A 具有四大基本特徵
金融業基本是全世界各個行業中最依賴於數據的，而且最容易實現數據的變現。全球最大的金融數據公司Bloomberg在1981年成立時「大數據」概念還沒有出現。Bloomberg的最初產品是投資市場系統（IMS），主要向各類投資者提供實時數據、財務分析等。
隨著信息時代降臨，1983年估值僅1億美元的Bloomberg以30%股份的代價換取美林3000萬美元投資，先後推出Bloomberg Terminal、News、Radio、TV等各類產品。1996年Bloomberg身價已達20億美元，並以2億美元從美林回購了10%的股份。2004年Bloomberg在紐約曼哈頓中心建成246米摩天高樓。到2008年次貸危機，美林面臨崩盤，其剩餘20%的Bloomberg股份成為救命稻草。Bloomberg趁美林之危贖回所有股份，估值躍升至225億美元。2016年Bloomberg全球布局192個辦公室，擁有1.5萬名員工，年收入約100億美元，估值約1000億美元，超過同年市值為650億美元的華爾街標桿高盛。
大數據概念形成於2000年前後，最初被定義為海量數據的集合。2011年，美國麥肯錫公司在《大數據的下一個前沿：創新、競爭和生產力》報告中最早提出：大數據指大小超出典型資料庫軟體工具收集、存儲、管理和分析能力的數據集。
具體來說，大數據具有四大基本特徵：
一是數據體量大，指代大型數據集，一般在10TB規模左右，但在實際應用中，很多企業用戶把多個數據集放在一起，已經形成了PB級的數據量。
二是數據類別大，數據來自多種數據源，數據種類和格式日漸豐富，已沖破了以前所限定的結構化數據范疇，囊括了半結構化和非結構化數據。現在的數據類型不僅是文本形式，更多的是圖片、視頻、音頻、地理位置信息等多類型的數據。
三是處理速度快，在數據量非常龐大的情況下，也能夠做到數據的實時處理。數據處理遵循「1秒定律」，可從各種類型的數據中快速獲得高價值的信息。
四是數據的真實性高，隨著社交數據、企業內容、交易與應用數據等新數據源的興起，傳統數據源的局限被打破，信息的真實性和安全性顯得極其重要。
而相比其他行業，金融數據邏輯關系緊密，安全性、穩定性和實時性要求更高，通常包含以下關鍵技術：數據分析，包括數據挖掘、機器學習、人工智慧等，主要用於客戶信用、聚類、特徵、營銷、產品關聯分析等；數據管理，包括關系型和非關系型數據、融合集成、數據抽取、數據清洗和轉換等；數據使用，包括分布式計算、內存計算、雲計算、流處理、任務配置等；數據展示，包括可視化、歷史流及空間信息流展示等，主要應用於對金融產品健康度、產品發展趨勢、客戶價值變化、反洗錢反欺詐等監控和預警。
B 重塑金融行業競爭新格局
「互聯網+」之後，隨著世界正快速興起「大數據+」，金融行業悄然出現以下變化：
大數據特徵從傳統數據的「3個V」增加到「5個V」。在數量（Volume）、速度（Velocity）、種類（Variety）基礎上，進一步完善了價值（Value）和真實性（Veracity），真實性包括數據的可信性、來源和信譽、有效性和可審計性等。
金融業按經營產品分類變為按運營模式分類。傳統金融業按經營產品劃分為銀行、證券、期貨、保險、基金五類，隨著大數據產業興起和混業經營的發展，現代金融業按運營模式劃分為存貸款類、投資類、保險類三大類別。
大數據市場從壟斷演變為充分市場競爭。全球大數據市場企業數量迅速增多，產品和服務的差異增大，技術門檻逐步降低，市場競爭日益激烈。行業解決方案、計算分析服務、存儲服務、資料庫服務和大數據應用成為市場份額排名最靠前的五大細分市場。
大數據形成新的經濟增長點。Wikibon數據顯示，2016年，全球大數據硬體、軟體和服務整體市場增長22%達到281億美元，預計到2027年，全球在大數據硬體、軟體和服務上的整體開支的復合年增長率為12%，將達到大約970億美元。
數據和IT技術替代「重復性」業務崗位。數據服務公司Eurekahedge通過追蹤23家對沖基金，發現5位對沖基金經理薪金總額為10億美元甚至更高。過去10年，靠數學模型分析金融市場的物理學家和數學家「寬客」一直是對沖基金的寵兒，其實大數據+人工智慧更精於此道。高盛的紐約股票現金交易部門2000年有600名交易員而如今只剩兩人，其任務全由機器包辦，專家稱10年後高盛員工肯定比今天還要少。
美國大數據發展走在全球前列。美國政府宣稱：「數據是一項有價值的國家資本，應對公眾開放，而不是將其禁錮在政府體制內。」作為大數據的策源地和創新引領者，美國大數據發展一直走在全球最前列。自20世紀以來，美國先後出台系列法規，對數據的收集、發布、使用和管理等做出具體的規定。2009年，美國政府推出Data.gov政府數據開放平台，方便應用領域的開發者利用平台開發應用程序，滿足公共需求或創新創業。2010年，美國國會通過更新法案，進一步提高了數據採集精度和上報頻度。2012年3月，奧巴馬政府推出《大數據研究與開發計劃》，大數據迎來新一輪高速發展。
英國是歐洲金融中心，大數據成為其領先科技之一。2013年，英國投資1.89億英鎊發展大數據。2015年，新增7300萬英鎊，創建了「英國數據銀行」data.gov.uk網站。2016年，倫敦舉辦了超過22000場科技活動，同年，英國數字科技投資逾68億英鎊，而收入則超過1700億英鎊。另外，英國統計局利用政府資源開展「虛擬人口普查」，僅此一項每年節省5億英鎊經費。
C 打造高效金融監管體系
大數據用已發生的總體行為模式和關聯邏輯預測未來，決策未來,作為現代數字科技的核心，其靈魂就是——預測。
偵測、打擊逃稅、洗錢與金融詐騙
全球每年因欺詐造成的經濟損失約3.7萬億美元，企業因欺詐受損通常為年營收額的5%。全球最大軟體公司之一美國SAS公司與稅務、海關等政府部門和全球各國銀行、保險、醫療保健等機構合作，有效應對日益復雜化的金融犯罪行為。如在發放許可之前，通過預先的數據分析檢測客戶是否有過行受賄、欺詐等前科，再確定是否發放借貸或海關通關。SAS開發的系統已被國際公認為統計分析的標准軟體，在各領域廣泛應用。英國政府利用大數據檢測行為模式檢索出200億英鎊的逃稅與詐騙，追回了數十億美元損失。被福布斯評為美國最佳銀行的德克薩斯資本銀行（TCBank），不斷投資大數據技術，反金融犯罪系統與銀行發展同步，近3年資產從90億美元增至210億美元。荷蘭第三大人壽保險公司CZ依靠大數據對騙保和虛假索賠行為進行偵測，在支付賠償金之前先期阻斷，有效減少了欺詐發生後的司法補救。
大數據風控建立客戶信用評分、監測對照體系
美國注冊舞弊審核師協會（ACFE）統計發現，缺乏反欺詐控制的企業會遭受高額損失。美國主流個人信用評分工具FICO能自動將借款人的歷史資料與資料庫中全體借款人總體信用習慣相比較，預測借款人行為趨勢，評估其與各類不良借款人之間的相似度。美國SAS公司則通過集中瀏覽和分析評估客戶銀行賬戶的基本信息、歷史行為模式、正在發生行為模式（如轉賬）等，結合智能規則引擎（如搜索到該客戶從新出現的國家為特有用戶轉賬，或在新位置在線交易等），進行實時反欺詐分析。
美國一家互聯網信用評估機構通過分析客戶在Facebook、Twitter等社交平台留下的信息，對銀行的信貸和投保申請客戶進行風險評估，並將結果出售給銀行、保險公司等，成為多家金融機構的合作夥伴。
D 數據整合困難
應用經濟指標預測系統分析市場走勢
IBM使用大數據信息技術成功開發了「經濟指標預測系統」，該系統基於單體數據進行提煉整合，通過搜索、統計、分析新聞中出現的「新訂單」等與股價指標有關的單詞來預測走勢，然後結合其他相關經濟數據、歷史數據分析其與股價的關系，從而得出行情預測結果。
追蹤社交媒體上的海量信息評估行情變化
當今搜索引擎、社交網路和智能手機上的微博、微信、論壇、新聞評論、電商平台等每天生成幾百億甚至千億條文本、音像、視頻、數據等，涵蓋廠商動態、個人情緒、行業資訊、產品體驗、商品瀏覽和成交記錄、價格走勢等，蘊含巨大財富價值。
2011年5月，規模為4000萬美元的英國對沖基金DC Markets，通過大數據分析Twitter的信息內容來感知市場情緒指導投資，首月盈利並以1.85%的收益率一舉戰勝其他對沖基金僅0.76%的平均收益率。
美國佩斯大學一位博士則利用大數據追蹤星巴克、可口可樂和耐克公司在社交媒體的圍觀程度對比其股價，證明Facebook、Twitter和 Youtube上的粉絲數與股價密切相關。
提供廣泛的投資選擇和交易切換
日本個人投資理財產品Money Design在應用程序Theo中使用演算法+人工智慧，最低門檻924美元，用戶只需回答風險承受水平、退休計劃等9個問題，就可使用35種不同貨幣對65個國家的1.19萬只股票進行交易和切換，年度管理費僅1%。Money Design還能根據用戶投資目標自動平衡其賬戶金額，預計2020年將超過2萬億美元投資該類產品。
利用雲端資料庫為客戶提供記賬服務
日本財富管理工具商Money Forward提供雲基礎記賬服務，可管理工資、收付款、寄送發票賬單、針對性推送理財新項目等，其軟體系統連接並整合了2580家各類金融機構的各類型帳戶，運用大數據分析的智能儀表盤顯示用戶當前財富狀況，還能分析用戶以往的數據以預測未來的金融軌跡。目前其已擁有50萬商家和350萬個體用戶，並與市值2.5萬億美元的山口金融集團聯合開發新一款APP。
為客戶定製差異化產品和營銷方案
金融機構迫切需要掌握更多用戶信息，繼而構建用戶360度立體畫像，從而對細分客戶進行精準營銷、實時營銷、智慧營銷。
一些海外銀行圍繞客戶「人生大事」，分析推算出大致生活節點，有效激發其對高價值金融產品的購買意願。如一家澳大利亞銀行通過大數據分析發現，家中即將誕生嬰兒的客戶對壽險產品的潛在需求最大，於是通過銀行卡數據監控准媽媽開始購買保胎葯品和嬰兒相關產品等現象，識別出即將添丁的家庭，精準推出定製化金融產品套餐，受到了客戶的積極響應，相比傳統的簡訊群發模式大幅提高了成功率。
催生並支撐人工智慧交易
「量化投資之王」西蒙斯被公認為是最能賺錢的基金經理人，自1988年創立文藝復興科技公司的旗艦產品——大獎章基金以來，其憑借不斷更新完善的大數據分析系統，20年中創造出35%的年均凈回報率，比索羅斯同期高10%，比股神巴菲特同期高18%，成為有史以來最成功的對沖基金，並於1993年基金規模達2.7億美元時停止接受新投資。在美國《Alpha》雜志每年公布的對沖基金經理排行榜上，西蒙斯2005年、2006年分別以15億美元、17億美元凈收入穩居全球之冠，2007年以13億美元位列第五，2008年再以25億美元重返榜首。
推動金融產品和服務創新
E 面臨三大挑戰
目前，全球各行業數據量的增長速度驚人，在我國尤其集中在金融、交通、電信、製造業等重點行業，信息化的不斷深入正在進一步催生更多新的海量數據。
據統計，2015年中國的數據總量達到1700EB以上，同比增長90%，預計到2020年這一數值將超過8000EB。以銀行業為例，每創收100萬元，銀行業平均產生130GB的數據，數據強度高踞各行業之首。但在金融企業內部數據處於割裂狀態，業務條線、職能部門、渠道部門、風險部門等各個分支機構往往是數據的真正擁有者，缺乏順暢的共享機制，導致海量數據往往處於分散和「睡眠」狀態，雖然金融行業擁有的數據量「富可敵國」，但真正利用時卻「捉襟見肘」。
數據安全暗藏隱患
大數據本質是開放與共享，但如何界定、保護個人隱私權卻成為法律難題。大數據存儲、處理、傳輸、共享過程中也存在多種風險，不僅需要技術手段保護，還需相關法律法規規范和金融機構自律。多項實際案例表明，即使無害的數據大量囤積也會滋生各種隱患。安全保護對象不僅包括大數據自身，也包含通過大數據分析得出的知識和結論。在線市場平台英國Handshake.uk.com就嘗試允許用戶協商個人數據被品牌分享所得的報酬。
人才梯隊建設任重道遠
人才是大數據之本。與信息技術其他細分領域人才相比，大數據發展對人才的復合型能力要求更高，需要掌握計算機軟體技術，並具備數學、統計學等方面知識以及應用領域的專業知識。

⑼ 全球大數據產業現狀及投資前景預測

全球大數據產業現狀及投資前景預測
縱觀國內外，大數據已經形成產業規模，並上升到國家戰略層面，大數據技術和應用呈現縱深發展。面向大數據的雲計算技術、大數據計算框架等不斷推出，新型大數據挖掘方法和演算法大量出現，大數據新模式、新業態層出不窮，傳統產業開始利用大數據實現轉型升級。人工智慧、深度學習、工業物聯網、虛擬現實、智慧城市等領域的發展推動大數據的應用普及。新興行業、傳統行業圍繞數據服務體系，已經形成了傳統行業數據平台、互聯網數據平台及行業資訊類數據平台。以數據應用為基礎的新一代數據服務企業，在促進主體行業發展的同時，同樣促進了行業內中小企業的發展。
1
大數據發展的產業環境分析
美國政策層面發力推動大數據應用發展。政府推出了一系列的公開數據計劃，在健康、能源、氣候、教育、金融、公共安全等領域開放數據和信息，促進創新的突破,從而推動經濟發展。美國致力於擴大聯邦數據公開范圍和受用對象的范圍，尤其擴大高價值數據資產，探討如何進一步擴展收集和分析工業競爭和創新相關的數據。
為了進一步挖掘聯邦政府數據的應用潛力，促進創新與社會進步，2016年1月美商務部發起了一項旨在使政府數據更加容易使用的數據易用性計劃(CDUP)。5月，白宮發布《聯邦大數據研發戰略計劃》，為未來的大數據研發列出7條戰略計劃，旨在建立大數據創新生態系統，加強數據分析能力，從大量、多樣、實時的資料庫中提取有效信息，服務於科學研究、經濟增長與國家安全。2016年，美國應用大數據預測選舉也引起世界關注，大數據應用開始為廣大公眾所關注，數據的真實性及數據安全成為關注焦點。
英國以數據共享為根本積極推動大數據平台建設。新建哈璀(Hartree)大數據中心，投資1.13億英鎊。新建艾倫圖靈研究所，投資4200萬英鎊，開展大數據科學與技術的研究。投資1.5億英鎊建立第一個國家級老年痴呆症研究所。建立應對重大疾病新的數學研究中心。英國成立大數據戰略委員會，發布《開放數據戰略白皮書》，統一政府數字平台，開通政府部門開放數據通道，設立數據開放共享獎勵基金，2018年還將出台「數據保護通則」的專門法規，旨在開發利用數據資源產生更大的商業價值和經濟增長。
瑞典啟動國家重點科研計劃(NFP)大數據專項(Big Data, NFP75)。2017年正式啟動，計劃投入資金2.5億瑞士法郎，從2017年至2020年為期4年。該專項主要分為三個板快：大數據信息技術：大數據分析基礎性研究、大數據基礎設施構架、資料庫和計算中心;大數據相關社會及法律問題：大數據涉及對社會經濟發展的影響預測(如對貿易、商務模式、人員交通及物流的影響)、個人隱私及空間的保護及相關的社會倫理和法律問題及對策等;大數據應用：對大數據在交通、健康、災害及社會風險控制、能源轉型領域的應用展開基礎性研究。瑞士國家重點科研計劃由瑞士聯邦政府推出，目的是對關系瑞士社會經濟發展全局的重要領域展開基礎性研究並提出對策建議。
我國各地政府積極為大數據發展營造環境。2014年、2015年「大數據」首次寫入國家《政府工作報告》。在2015年3月5日舉行的兩會中，李總理在政府工作報告中提到，制定「互聯網+」行動計劃，推動移動互聯網、雲計算、大數據、物聯網等與現代製造業結合，促進電子商務、工業互聯網和互聯網金融健康發展，引導互聯網企業拓展國際市場。
當前，《國家大數據戰略及行動綱要(2015-2025)》徵求意見稿完成。國家自然基金委、科技部支持了大量大數據研究項目;北京市、上海市、天津市、重慶市、廣東省、貴州省等制定了大數據發展規劃，多地開始建數據產業基地，天津擬打造國家數據聚集區，與北京、河北聯合建「京津冀大數據走廊」;重慶計劃將大數據培育成重要戰略性新興產業，加快建設兩江雲計算產業園，陝西西咸新區、湖北武漢光谷、貴州貴安新區等地提出要設國家級大數據基地。
上海成立數據交易中心。2016年4月1日，上海數據交易中心掛牌成立，上海數據交易中心是經上海市人民政府批准，上海市經濟和信息化委、上海市商務委聯合批復成立的國有控股混合所有制企業，承擔著促進商業數據流通、跨區域的機構合作和數據互聯、公共數據與商業數據融合應用等工作職能。交易中心以國內領先的「技術+規則」雙重架構，創新結合IKVLTP 六要素技術，採用自主知識產權的虛擬標識技術和二次加密數據配送技術，結合面向應用場景的交易規則，將在全面保障個人隱私、數據安全前提下推動數據聚合流動。
上海將圍繞「資源、技術、產業、應用、安全」融合聯動這一條主線，聚焦「政府治理和公共服務能力提升、經濟發展方式轉變」兩個方面，創新「交易機構+創新基地+產業基金+發展聯盟+研究中心」五位一體大數據產業鏈生態發展布局，力爭打造國家數據科學中心、亞太數據交換中心和全球「數據經濟」中心，形成集數據貿易、應用服務、先進產業為一體的大數據戰略高地。
2
大數據產業的行業需求預測
企業需求
傳統企業的大數據轉型。隨著互聯網化進程的不斷推進，在改變了用戶消費習慣的同時，眾多傳統企業面臨了一系列必須面對的問題，其中一條核心主線就是基於已有數據的使用以及對於用戶數據的採集。對於有效利用數據，很多傳統企業開展了試探性的使用和分析，並逐步結合互聯網平台，使數據形成閉環。地產、製造、金融企業已經在逐步建立互聯網銷售平台，其實平台的本身並不是去加大產品銷售量，而是通過平台對傳統營業網點、銷售渠道的信息進行有效管理，從而建立可供判斷或分析的數據之用。
更好的吸納客戶的潛在需求，更快的適應市場變化，從而帶動新一輪研發的生成或變革。而此類企業的成長點，市場化性質，及企業性質將區別於傳統企業，而走上新業態、新模式的道路。包括車聯網、互聯網金融、汽車電商、房產電商，都已經出現了苗頭。對於大數據產業的發展，傳統企業轉型是區別於其他領域的卻又獨樹一幟的重要組成部分。
平台企業的大數據戰略。對於相對IT投入較少，IT基礎較為薄弱的領域，比如零售、餐飲、服裝、農業、出版等行業，企業不會去自建雲計算及大數據平台，更多的則是會依靠專業化的數據服務企業或是數據服務平台來滿足數據分析的需求。行業數據服務平台架構的初衷，主要是用雲服務方式解決上述行業的信息化建設及運維需求。
目前上海類似的行業數據平台不少，建築業的築想網、醫葯業的安捷力等都是在行業垂直領域專業度很高的企業，而且較之通用、普適性的平台，此類平台的發展更具有和行業發展的共存性和相通性，是大數據產業發展過程中一個非常重要的組成部分。
互聯網企業大數據規模化發展。互聯網傳媒是推動企業接觸大數據服務中一個相對快速的行業，傳媒由傳統的單向被動模式轉變成為雙向互動模式，在吸引了用戶群體的同時也通過定義用戶肖像，來推動精準營銷。精準營銷使企業享受了新媒體帶來的最實惠的成果，也為企業帶來了一份較之傳統傳媒更加具體的數據分析報告。
同樣在互聯網領域，無論是社交平台、團購還是移動應用，在其互聯網平台構建的過程中，收集、匯總、分析數據是非常重要的一個環節。通過甄別不同年齡段、性別、愛好的用戶群，來精準定位推送不同的消息，而在這些精準定位的背後，則是每天幾十甚至幾百TB的數據增長量和分析量，可以說，有了互聯網才推進了大數據產業的發展。
熱點關聯領域需求
金融大數據。中國金融信息服務產業存在產業鏈分布廣、市場空間巨大的特點，但與此同時，又表現出產業集中度非常低的現狀。因此，未來必將經歷大量的並購整合，最終出現幾家龐大的IT服務機構。傳統金融服務領域的人才資源、市場能力、技術及研發方面在全國范圍內都具有不可比擬的優勢，產業環境、配套資源都非常成熟。
在金融信息服務產業鏈中，已經擁有了證券、期貨、金融期貨、科技技術等交易所以及鋼鐵、有色金屬等各類生產物資交易所，擁有像安碩信息、萬得資訊、金仕達、銀聯、普蘭金融、春雨供應鏈等一大批具有行業代表性的龍頭企業，還有一批以經爾緯為代表的掌握大數據技術及具有資源整合能力的公司。金融領域的資料庫建設比較完善且都為結構化的數據，隨著人工智慧、深度學習等新興技術的介入，大數據將顯示出大有可為的趨勢，對基於大數據分析的成果的需求也將越加旺盛。
交通大數據。一是智能交通，在交通和環境信息的基礎上，實現交付跟蹤，工作流程監督，和人力資源管理。在智能交通系統中，如果車輛使用了該應用，就可以監測到相關數據。智慧城市首席信息官可以使用從物聯網信息庫中獲取運輸和交通過程的信息。這將大大改善交通運輸，建立服務型的支付方式，而不是簡單的付款程序，如時間收費制度。
智慧城市的核心價值是根據交通數據來建立對公民有益的基礎政策。智能交通也產生了很多新的商業創新。二是自動駕駛，目前GOOGLE藉助大數據及車載技術和感測器,以及高級輔助駕駛系統、軟體、地圖數據、GPS和無線通信數據等，實現了無人駕駛，可以預見，不久的將來，大數據在自動駕駛領域的應用越來越被看好。
新媒體大數據。大數據引領的新媒體已經顛覆了國外數個傳統媒體，比如停刊的美國《新聞周刊》以及德國出現戰後最大的紙媒倒閉潮等。以眼球經濟為基礎的傳統媒體展示型廣告已快速向以數據為基礎的網路媒體精準型廣告進行轉變。百視通和東方明珠的整合已經打造了全國最大的千億級別的傳媒上市公司。在電信、廣電及互聯網領域海量數據處理具有豐富的研發及應用經驗，所用技術涵蓋了分布式計算、海量數據處理、流計算、機器學習及神經網路等，重點關注於互聯網廣告投放技術、效果監測、目標受眾行為分析及精準細分、廣告智能匹配等。未來幾年，新媒體大數據將越來越受到業界的追捧。
製造業大數據。利用大數據推動信息化和工業化深度融合，研究推動大數據在研發設計、生產製造、經營管理、市場營銷、售後服務等產業鏈各環節的應用，研發面向不同行業、不同環節的大數據分析應用平台，選擇典型企業、重點行業、重點地區開展工業企業大數據應用項目試點，積極推動製造業網路化和智能化。最近幾年，從國家到地方政府，日益重視大數據在製造業特別是高端智能製造領域的應用，例如《中國製造2025》。從這個意義上來說，大數據在製造業應該發揮的潛力巨大，釋放空間和餘地很大。
3
大數據投資前景預判
人工智慧等新興領域價值潛力巨大
智能化領域及智慧城市建設。大數據與深度學習、人工智慧交叉的領域成為資本追逐的焦點。例如日本提出建成超智能社會，實現ICT技術在全社會的深度融合應用。日本第五期科技計劃提出建設SOCIETY 5.0(超智能社會)，基於以人工智慧、物聯網、大數據為代表的ICT技術，研究開發先進機器人、超級計算機、感測器、高速通信等技術，實現網路空間與現實空間高度融合的信息物理系統，運用大數據促使社會生活各領域實現高度智能化，推進經濟發展與社會進步。日本超智能社會的提出，受到諸多大數據公司和風投的關注。類似，我國各地正在大力推進的智慧城市建設中的與新興技術交叉應用的環節，大數據將有著重要的一席之地。大數據與智慧交通、綠色環保、民生安全等領域的融合，在人工智慧、深度學習的帶動下，大數據應用商機無限。
支撐分享經濟智能平台被看好
分享經濟在短時間內崛起並成為全球現象，規模和影響力都呈現出指數增長。2014年12月，普華永道發布了預測報告指出全球分享經濟的規模將從2015年的150億美元增長到2025年的3350億美元。在全球經濟努力復甦的背景下，分享經濟模式的新穎性和巨大發展潛力受到各國政府的高度支持，甚至提升到了國家戰略的高度。大數據、雲計算、人工智慧將構建支撐分享經濟的智能平台，而這些平台將日益彰顯其經濟價值，從而能夠靈活、便利、及時、安全、經濟地連接不同需求的陌生人，從而在分享經濟的新模式中，大數據起到了核心作用，佔領核心的地位，其價值不言而喻。

⑽ 新媒體遇上大數據　隱私保護仍是「痛點」

新媒體遇上大數據隱私保護仍是「痛點」_數據分析師考試

大數據並不是簡單地買幾台伺服器把數據存下來，而是要將大數據與實際接軌，突出工具化、服務化和實用化，讓大數據能解決具體問題。

新媒體在運用大數據過程中，一個非常關鍵的問題是隱私保護。在使用大數據過程中保護個人隱私，需要司法機關發布有效的法律判例，對侵犯隱私行為形成輿論壓力；同時要加強大數據隱私保護研究

7月9日，金磚國家領導人第七次會晤在俄羅斯烏法舉行。

當天，人民日報全媒體平台「烹」出一張圖解:《金磚國家大數據》。

這並非新媒體與大數據的第一次結合。

前不久由中國社會科學院發布的《中國新媒體發展報告(2015)》稱，中國新媒體已超越「跨行業」，初步呈現「全產業」發展新趨勢。移動化、大數據化和智能化的新媒體已成為具備高強滲透度的產業基因，可深度融合於經濟產業各領域之中。

專注研究新媒體與數據新聞的清華大學新聞與傳播學院教授沈陽認為，當前，大數據在新媒體中應用廣泛，貫穿於新媒體發展的各個方面。

大數據運用廣泛

人民日報全媒體平台發布的《金磚國家大數據》，只是近期新媒體運用大數據的一個例子。

早在大數據這一概念進入公眾視野不久，便有媒體將大數據運用於新聞報道之中。

2014年春運期間，互聯網上就出現了一張可以呈現國內春節人口遷徙實況的地圖，這張盡顯中國春運遷徙實景的圖片更是登上央視《新聞聯播》進行權威盤點。自從春運開始，這張地圖多次被電視、報紙等媒體引用，成為用數據解讀春運狀況的一個樣本。據稱，這是國內首個運用大數據播報國內春節人口遷徙實況的地圖。

相較於電視、報紙等傳統媒體，新媒體對大數據的運用更加頻繁，作為新媒體代表之一的「澎湃新聞」便是如此:今年2月，「澎湃新聞」出品了《大數據告訴你，梅西的右腳現在有多恐怖》；3月，《落馬老虎大數據:除「軍虎」外，69人共花兩千多年入省部級》「走」下生產線。

在沈陽看來，將大數據應用於報道內容，只是新媒體運用大數據的一個方面。

在與《法制日報》記者交談過程中，沈陽列出了新媒體「遇上」大數據的多個「場景」:在做新媒體功能研發時，哪些要素需要增強、哪些需要減弱，可以運用大數據分析進行修正；在策劃選題時，可以通過大數據分析篩選出哪些話題關注度高、最熱門；在內容推送過程中，可以利用大數據對用戶興趣進行分析並梳理出來；新聞發出後，受眾有哪些評論、轉發多少、分享情況，這些都可以通過大數據獲得結果；即便是在廣告投放環節，也可以通過大數據分析、預判廣告與用戶是否匹配、廣告對新媒體品牌價值是否會有影響。

「大數據貫穿於新媒體的各個方面。」沈陽說。

「完美」並非絕對

盡管大數據很重要、很管用，但沈陽很早就發現，「大數據，沒有看起來那麼美」。

「數據真實性是一個不可迴避的問題。目前，水軍、僵屍粉、刷閱讀量等情況都有存在，這在一定程度上給數據提供了虛假成分。」沈陽說，不過，從宏觀上講，可以控制這些虛假成分。

如何控制「水分」?沈陽舉例說，在統計微博粉絲時，可以將范圍縮小至帶V的粉絲，因為帶V粉絲造假成本高；如果要更精準的數據，可以進一步縮小范圍，如近期活躍的帶V粉絲。「當然，這樣篩選數據會面臨高成本的問題」。

沈陽在早期的研究中還關注到大數據的另外兩個問題:樣本代表性和相關性誤差。

沈陽認為，我們不可能搜集到全數據，而與大數據相關的形容詞往往是大規模、精準、細化，在調用如此「完美」的數據時，如何注意情景和樣本的適用性是一個問題。正如網路民意與現實民意的討論，微博不代表網路，網路不代表社會，朋友圈也是小圈子，跳出圈子看世界不容易，切勿陷入相同的悖論。在選樣、測量、誤差校正不盡如人意時，好數據將劣化，大數據將虛化。

相關性誤差，則更偏向於技術。沈陽認為，在要素構成簡單的情景中，可以利用大數據，基於一定演算法和模型對變數元素進行相關性分析。然而，在復雜系統中，僅有相關性解釋還不夠，易走偏。比如一個明顯不對的結論:一個城市的網頁數越高，其網路形象就越好。雖然數據統計證實了網頁數和網路形象存在一般的正相關，但忽略了負面事件帶來的網頁量爆發等，因此結論也是不科學的。相關性要真正體現在數據之間、數據與真實事件影射的現象之間、真實事件的客觀聯繫上。

「大數據並不是簡單地買幾台伺服器把數據存下來，而是要將大數據與實際接軌，突出工具化、服務化和實用化，讓大數據能解決具體問題。」沈陽說。

隱私保護日益突出

基於多年研究大數據的心得，沈陽認為，新媒體在運用大數據過程中，一個非常關鍵的問題是，隱私保護。「目前，隱私保護問題越來越突出」。

此前，《法制日報》記者在參加一次論壇時，工信部相關部門一名負責人曾表達這樣的觀點:大數據時代到來後，隨著互聯網技術及其應用的發展，大數據、雲計算技術方式的使用，個人信息的價值不斷被挖掘、被使用，但是安全保護是一個很大的問題。

工信部相關部門這名負責人認為，大數據時代的個人信息安全面臨三大問題。

「一個問題是數據未經授權被搜集，這種情況發生得比較多。」工信部相關部門這名負責人說，第二個問題是超出范圍使用。所謂超范圍使用，是指企業通過一定的所謂合法的形式拿到個人信息，但是拿到以後使用信息的目的、用途以及范圍，並非信息權利主體所熟知。這種情況包括，當互聯網對一些數據信息進行更進一步或者深層挖掘時，這種挖掘在一定程度上有可能侵犯了權利主體的權益。因為互聯網企業之前可能告訴權利主體，獲取信息是基於特定的目的或者在特定范圍內使用，但是進一步挖掘就有可能觸犯了約定。第三個問題是數據保存。曾有網路社區存儲的幾千萬用戶信息被黑客拿到後轉賣給第三家，最後造成信息濫用。

在新媒體廣泛使用、深度挖掘大數據的時代，如何保護公民隱私?

工信部相關部門這名負責人提出了一個觀點:信息保護人人有責。

「在信息安全保護方面，很重要的一點在於，權利人自身要加強保護意識。」工信部相關部門這名負責人說，現在，不管是要求政府部門監管，還是要求司法機關動起來，一個重要前提是人人保護信息，這樣才可能使信息保護問題得到根本解決，否則只靠公權力機關單方面去做是沒有用的。當然，在提倡人人保護信息的同時，執法保護也是一個很重要的方面。

在沈陽看來，在使用大數據過程中保護個人隱私，一方面需要司法機關發布有效的法律判例，對侵犯隱私行為形成輿論壓力；另一方面要加強大數據隱私保護研究。

以上是小編為大家分享的關於新媒體遇上大數據隱私保護仍是「痛點」的相關內容，更多信息可以關注環球青藤分享更多干貨