2015大數據分析

1. 大數據分析工具面臨哪些挑戰

大數據發展的挑戰：
目前大數據的發展依然存在諸多挑戰，包括七大方面的挑戰：業務部門沒有清晰的大數據需求導致數據資產逐漸流失;企業內部數據孤島嚴重，導致數據價值不能充分挖掘;數據可用性低，數據質量差，導致數據無法利用;數據相關管理技術和架構落後，導致不具備大數據處理能力;數據安全能力和防範意識差，導致數據泄露;大數據人才缺乏導致大數據工作難以開展;大數據越開放越有價值，但缺乏大數據相關的政策法規，導致數據開放和隱私之間難以平衡，也難以更好的開放。
挑戰一：業務部門沒有清晰的大數據需求
很多企業業務部門不了解大數據，也不了解大數據的應用場景和價值，因此難以提出大數據的准確需求。由於業務部門需求不清晰，大數據部門又是非盈利部門，企業決策層擔心投入比較多的成本，導致了很多企業在搭建大數據部門時猶豫不決，或者很多企業都處於觀望嘗試的態度，從根本上影響了企業在大數據方向的發展，也阻礙了企業積累和挖掘自身的數據資產，甚至由於數據沒有應用場景，刪除很多有價值歷史數據，導致企業數據資產流失。因此，這方面需要大數據從業者和專家一起，推動和分享大數據應用場景，讓更多的業務人員了解大數據的價值。
挑戰二：企業內部數據孤島嚴重
企業啟動大數據最重要的挑戰是數據的碎片化。在很多企業中尤其是大型的企業，數據常常散落在不同部門，而且這些數據存在不同的數據倉庫中，不同部門的數據技術也有可能不一樣，這導致企業內部自己的數據都沒法打通。如果不打通這些數據，大數據的價值則非常難挖掘。大數據需要不同數據的關聯和整合才能更好的發揮理解客戶和理解業務的優勢。如何將不同部門的數據打通，並且實現技術和工具共享，才能更好的發揮企業大數據的價值。
挑戰三：數據可用性低，數據質量差
很多中型以及大型企業，每時每刻也都在產生大量的數據，但很多企業在大數據的預處理階段很不重視，導致數據處理很不規范。大數據預處理階段需要抽取數據把數據轉化為方便處理的數據類型，對數據進行清洗和去噪，以提取有效的數據等操作。甚至很多企業在數據的上報就出現很多不規范不合理的情況。以上種種原因，導致企業的數據的可用性差，數據質量差，數據不準確。而大數據的意義不僅僅是要收集規模龐大的數據信息，還有對收集到的數據進行很好的預處理處理，才有可能讓數據分析和數據挖掘人員從可用性高的大數據中提取有價值的信息。Sybase的數據表明，高質量的數據的數據應用可以顯著提升企業的商業表現，數據可用性提高10%，企業的業績至少提升在10%以上。
挑戰四：數據相關管理技術和架構
技術架構的挑戰包含以下幾方面：(1)傳統的資料庫部署不能處理TB級別的數據，快速增長的數據量超越了傳統資料庫的管理能力。如何構建分布式的數據倉庫，並可以方便擴展大量的伺服器成為很多傳統企業的挑戰;(2)很多企業採用傳統的資料庫技術，在設計的開始就沒有考慮數據類別的多樣性，尤其是對結構化數據、半結構化和非結構化數據的兼容;(3)傳統企業的資料庫，對數據處理時間要求不高，這些數據的統計結果往往滯後一天或兩天才能統計出來。但大數據需要實時處理數據，進行分鍾級甚至是秒級計算。傳統的資料庫架構師缺乏實時數據處理的能力;(4)海量的數據需要很好的網路架構，需要強大的數據中心來支撐，數據中心的運維工作也將成為挑戰。如何在保證數據穩定、支持高並發的同時，減少伺服器的低負載情況，成為海量數據中心運維的一個重點工作。
挑戰五：數據安全
網路化生活使得犯罪分子更容易獲得關於人的信息，也有了更多不易被追蹤和防範的犯罪手段，可能會出現更高明的騙局。如何保證用戶的信息安全成為大數據時代非常重要的課題。在線數據越來越多，黑客犯罪的動機比以往都來的強烈，一些知名網站密碼泄露、系統漏洞導致用戶資料被盜等個人敏感信息泄露事件已經警醒我們，要加強大數據網路安全的建設。另外，大數據的不斷增加，對數據存儲的物理安全性要求會越來越高，從而對數據的多副本與容災機制也提出更高的要求。目前很多傳統企業的數據安全令人擔憂。
挑戰六：大數據人才缺乏
大數據建設的每個環節都需要依靠專業人員完成，因此，必須培養和造就一支掌握大數據技術、懂管理、有大數據應用經驗的大數據建設專業隊伍。目前大數據相關人才的欠缺將阻礙大數據市場發展。據Gartner預測，到2015年，全球將新增440萬個與大數據相關的工作崗位，且會有25%的組織設立首席數據官職位。大數據的相關職位需要的是復合型人才，能夠對數學、統計學、數據分析、機器學習和自然語言處理等多方面知識綜合掌控。未來，大數據將會出現約100萬的人才缺口，在各個行業大數據中高端人才都會成為最炙手可熱的人才，涵蓋了大數據的數據開發工程師、大數據分析師、數據架構師、大數據後台開發工程師、演算法工程師等多個方向。因此需要高校和企業共同努力去培養和挖掘。目前最大的問題是很多高校缺乏大數據，所以擁有大數據的企業應該與學校聯合培養人才。
挑戰七：數據開放與隱私的權衡
在大數據應用日益重要的今天，數據資源的開放共享已經成為在數據大戰中保持優勢的關鍵。商業數據和個人數據的共享應用，不僅能促進相關產業的發展，也能給我們的生活帶來巨大的便利。由於政府、企業和行業信息化系統建設往往缺少統一規劃，系統之間缺乏統一的標准，形成了眾多「信息孤島」，而且受行政壟斷和商業利益所限，數據開放程度較低，這給數據利用造成極大障礙。另外一個制約我國數據資源開放和共享的一個重要因素是政策法規不完善，大數據挖掘缺乏相應的立法。無法既保證共享又防止濫用。因此，建立一個良性發展的數據共享生態系統，是我國大數據發展需要邁過去的一道砍。同時，開放與隱私如何平衡，也是大數據開放過程中面臨的最大難題。如何在推動數據全面開放、應用和共享的同時有效地保護公民、企業隱私，逐步加強隱私立法，將是大數據時代的一個重大挑戰。

2. 大數據分析行業前景如何

簡單的說就是海量數據同完美計算能力結合的結果，確切的說是移動版互聯網、物聯網產生了權海量的數據，大數據計算技術完美地解決了海量數據的收集、存儲、計算、分析的問題。

互聯網最熱職位人才報告指出，產品研發工程師、產品經理，人力資源、市場營銷、運營及數據分析是當下需求最旺盛的六類人才職位。

數據分析包含不同的角度分工：

第一類，側重於網站分析的分析師，包括營銷分析師、網站分析師、SEO分析師等。

第二類，側重於業務分析師，包括運營分析師、數據分析師等。

第三類，側重於技術走向的，例如數據挖掘工程師、數據科學家、數據工程師等。

從收入看，第一類最低，中間的次之，第三類最高。原因如下：

1.中國普遍技術取向，涉及到IT、編程、開發類的工資高;

2.業務價值認知，網站分析類或業務類分析師的輔助對象一般都是業務部門，這些人的能力和視野決定了分析的價值落地型，因此限制較高。

關於大數據分析行業前景如何，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。

3. 大數據分析工具

1、日誌管理工具Splunk（http://www.splunk.com/）
<img src="https://pic4.mg.com/_b.png" data-rawwidth="1894" data-rawheight="902" class="origin_image zh-lightbox-thumb" width="1894" data-original="https://pic4.mg.com/_r.png">

面向使用的人群主要有：
<img src="https://pic1.mg.com/_b.png" data-rawwidth="841" data-rawheight="366" class="origin_image zh-lightbox-thumb" width="841" data-original="https://pic1.mg.com/_r.png">
Splunk的功能組件主要有Forwarder、Serch Head、Indexer三種，然後支持了查詢搜索、儀表盤和報表（效果真不是吹的，很精緻呀），另外還支持SaaS服務模式。其中，Splunk支持的數據源也是多種類型的，基本上還是可以滿足客戶的需求。
<img src="https://pic1.mg.com/_b.png" data-rawwidth="554" data-rawheight="389" class="origin_image zh-lightbox-thumb" width="554" data-original="https://pic1.mg.com/_r.png">
目前支持Hadoop1.x(MRv1)、Hadoop2.x(MRv2)、Hadoop2.x(Yarn)三個版本的Hadoop集群的日誌數據源收集，在日誌管理運維方面還是處於一個國際領先的地位，目前國內有部分的數據驅動型公司也正在採用Splunk的日誌管理運維服務。
<img src="https://pic3.mg.com/_b.png" data-rawwidth="834" data-rawheight="396" class="origin_image zh-lightbox-thumb" width="834" data-original="https://pic3.mg.com/_r.png">

可視化部分效果也是很不錯的
<img src="https://pic2.mg.com/_b.png" data-rawwidth="554" data-rawheight="260" class="origin_image zh-lightbox-thumb" width="554" data-original="https://pic2.mg.com/_r.png"><img src="https://pic3.mg.com/_b.png" data-rawwidth="554" data-rawheight="259" class="origin_image zh-lightbox-thumb" width="554" data-original="https://pic3.mg.com/_r.png"><img src="https://pic4.mg.com/_b.png" data-rawwidth="554" data-rawheight="258" class="origin_image zh-lightbox-thumb" width="554" data-original="https://pic4.mg.com/_r.png">

2、EverString（Home - EverString）
<img src="https://pic1.mg.com/_b.png" data-rawwidth="479" data-rawheight="159" class="origin_image zh-lightbox-thumb" width="479" data-original="https://pic1.mg.com/_r.png">

everstring主要是通過大數據的預測分析建模為企業提供業務和客戶推薦的SaaS服務，獲取和積累了兩個數據信息資源庫，一個行業外部的資源庫（公有SaaS收費形式），一個行業自己內部的資源庫（私有），然後再通過機器學習和人工智慧的方法對數據進行相應行業或是領域的建模，最後得到一個比較不錯的結果，優化於人工可以得到的結果，而且Everstring也成為了初創大數據公司裡面估值很高的公司。

3、國外的Tableau（http://www.tableau.com/）

可視化界面還是做得不錯的
<img src="https://pic2.mg.com/_b.png" data-rawwidth="660" data-rawheight="407" class="origin_image zh-lightbox-thumb" width="660" data-original="https://pic2.mg.com/_r.png">
<img src="https://pic1.mg.com/_b.png" data-rawwidth="1272" data-rawheight="754" class="origin_image zh-lightbox-thumb" width="1272" data-original="https://pic1.mg.com/_r.png">

可是對於價格還是按需掏腰包吧。
<img src="https://pic3.mg.com/_b.png" data-rawwidth="1603" data-rawheight="847" class="origin_image zh-lightbox-thumb" width="1603" data-original="https://pic3.mg.com/_r.png">

4、國內的大數據魔鏡分析工具（魔鏡—行業領先的大數據可視化分析平台 6.0）
魔鏡的大數據平台主要提供的還是數據清洗和ETL、Hadoop數據倉庫以及一系列的數據分析服務，可提供的數據分析視圖工具類型豐富：
<img src="https://pic1.mg.com/_b.png" data-rawwidth="1256" data-rawheight="688" class="origin_image zh-lightbox-thumb" width="1256" data-original="https://pic1.mg.com/_r.png">

目前國外還時候有很多從事大數據業務的公司，像協助美國CIA找到本拉登的Panlatir，可以預測未來的Recorded Future和，6sence，ETL方向的Etleap，CRM系統方向的Salesforce等，如果說到可視化工具，它應該是大數據處理流程裡面的最後展現環節。

國內有個不錯的鏈接，實屬干貨呀。
盤點：55個最實用大數據可視化分析工具（http://tech.it168.com/a2015/0318/1712/000001712286.shtml）

就寫到這里吧，分析的不到位的地方，還請指出，謝謝。

補充
----------------------
剛有人問，哪些是目前國內可以用得到的一些數據科學家分析的工具，正好公司有同事是這方面的專家，請教了下，如下：
1、SPSS：主要用於數據建模工作，功能穩定且強大，能夠滿足中小企業在業務模型建立過程中的需求。
2、BitDeli
BitDeli是今年11月份在舊金山成立的一家初創公司。它能衡量出任何使用Python腳本的應用程序的指標，聯合創始人兼CEO Ville Tuulos告訴Derrick，腳本可以很簡單，也可以很復雜——甚至未來可以延伸到機器學習。不過和「重量級選手」Hadoop相比，BitDeli自認為是一個輕量級的Ruby。
3. Continuuity
Continuuity是前Yahoo首席雲架構師Todd Papaioannou和Facebook HBase的工程師Jonathan Gray的心血結晶，Continuuity想讓所有的公司都能像Yahoo、Facebook一樣運營。該團隊創建了一個大數據工具，它可以簡化Hadoop以及HBase集群的復雜性，而且包含一系列開發套件，旨在幫助程序員開發大數據應用，該平台採用Hadoop技術，允許開發者在防火牆內外對大數據應用軟體進行部署、擴展和管理。公司聯合創始人兼首席執行官Todd Papaioannou表示，作為一家初創企業，Continuuity正在試圖掀起下一波大數據應用軟體的浪潮，公司所提供的工具能夠大大提高處於開發狀態的軟體不同部分與階段的擴展性。
4. Flurry
Flurry是移動應用統計分析領域里的標桿，正因為在行業內獨特的優勢，它每年的營收高達一億美元。Flurry擁有非常全面的功能，不僅僅只是幫助開發者構建移動應用，它還幫助開發者分析所有的數據，進而產生更大的效益。其實數據也支撐了該公司的廣告網路，他們通過數據分析可以幫助開發者推送准確的廣告到需要的用戶面前。不過單純從移動應用的數據統計功能來看，Flurry絕對是處於領先地位。其功能模塊設置合理，分析維度全面，分析流程也易於理解。

4. 大數據分析變的如此簡單

大數據分析變的如此簡單

現如今數據已經無處不在，而且正在成為一種新的自然資源。有機構預測，到2015年，數據和分析市場估計將達到1870億美元的規模。為了把握這個重要的增長市場，「雲蛙數據」已經從技術和專業知識兩個方面進行不斷積累，在數據挖掘和數據分析兩個方面建立起全國領先的產品和服務能力。「雲蛙數據」自主研發的多維數據分析系統(GmmCube)目前是世界上領先的多維數據分析系統，相比同類產品，主要競爭優勢在於：能降低管理和實施的成本，能快速進行部署，也可以大幅度增強擴展性和可靠性。

同時，該產品面向的是BI(商業智能)市場，商業智能被人們稱為「混沌世界中的智能」，它代表為提高企業運營性能而採用的一系列方法、技術和軟體，能夠從傳統業務系統中獲取各類客戶數據和業務數據，由此建立多層次的分析體系，並將其轉化成有商業意義的信息。BI市場目前在中國處於起步發展階段，但發達國家的多數大中型企業都採用BI應用軟體，其應用領域涉及到企業經營活動中的各個方面，而GmmCube在雲存儲的基礎上，可根據用戶量身打造BI應用軟體，一對一進行服務，這是GmmCube的一大優勢。

該系統有以下明顯優勢：

1、對數據處理分析更快速性能，以相當固定的速度向用戶提交信息。大多數查詢可在3秒或更短時間內提交給用戶。

2、對海量數據更便捷的可分析性，系統能夠處理與應用有關的任何邏輯分析和統計分析。用戶無需過多編程就可以定義新的專門計算，將其作為分析的一部分，並以用戶理想的方式給出報告。

3、更好的共享性，在大量用戶之間實現潛在地共享秘密數據所必需的安全性需求。

4、更靈活的多維性，多維性是OLAP的關鍵屬性。本系統提供對數據的多維視圖和分析，包括對層次維和多重層次維的完全支持。事實上，多維分析是分析企業數據最有效的方法，是OLAP的靈魂。

5、更有效管理大數據信息性，不論數據量有多大，也不管數據存儲在那裡，本OLAP系統均能及時獲得信息，並且管理大容量信息。

以上是小編為大家分享的關於大數據分析變的如此簡單的相關內容，更多信息可以關注環球青藤分享更多干貨

5. 大數據分析前景好嗎

大數據分析的產生旨在於IT管理，企業可以將實時數據流分析和歷史相關數據相結版合，然後大數據權分析並發現它們所需的模型。反過來，幫助預測和預防未來運行中斷和性能問題。進一步來講，他們可以利用大數據了解使用模型以及地理趨勢，進而加深大數據對重要用戶的洞察力。他們也可以追蹤和記錄網路行為，大數據輕松地識別業務影響;隨著對服務利用的深刻理解加快利潤增長;同時跨多系統收集數據發展IT服務目錄。

6. 大數據行業2015年年終總結_大數據工作人員年終總結

可參考下文

9個關鍵字寫寫大數據行業2015年年終總結

2015年，大數據市場的發展迅猛，放眼國際，總體市場規模持續增加，隨著人工智慧、物聯網的發展，幾乎所有人將目光瞄準了「數據」產生的價值。行業廠商Cloudera、DataStax以及DataGravity等大數據公司已經投入大量資金研發相灶配關技術，Hadoop供應商Hortonworks與數據分析公司NewRelic甚至已經上市。而國內，國家也將大數據納入國策。

我們邀請數夢工場的專家妹子和你來聊聊2015年大數據行業九大關鍵詞，管窺這一年行業內的發展。

戰略：國家政策

今年中國政府對於大數據發展不斷發文並推進，這標志著大數據已被國家政府納入創新戰略層面，成為亂斗國家戰略計劃的核心任務之一：

2015年9月，國務院發布《促進大數據發展行動綱要》，大力促進中國數據技術的發展，數據將被作為戰略性資源加以重視;

2015年10月26日，在國家「十三五」規劃中具體提到實施國家大數據戰略。

挑戰：BI(商業智能)

2015年對於商業智能(BI)分析市場來說，正隱陪指由傳統的商業智能分析快速進入到敏捷型商業智能時代。以QlikView、Tableau和SpotView為代表的敏捷商業智能產品正在挑戰傳統的IBMCognos、SAPBusinessObjects等以IT為中心的BI分析平台。敏捷商業智能產品也正在進一步細化功能以達到更敏捷、更方便、適用范圍更廣的目的。

崛起：深度學習/機器學習

人工智慧如今已變得異常火熱，作為機器學習中最接近AI(人工智慧)的一個領域，深度學習在2015年不再高高在上，很多創新企業已經將其實用化：Facebook開源深度學習工具「Torch」、PayPal使用深度學習監測並對抗詐騙、亞馬遜啟動機器學習平台、蘋果收購機器學習公司Perceptio同時在國內，網路、阿里，科大訊飛也在迅速布局和發展深度學習領域的技術。

共存：Spark/Hadoop

Spark近幾年來越來越受人關注，2015年6月15日，IBM宣布投入超過3500名研究和開發人員在全球十餘個實驗室開展與Spark相關的項目。

與Hadoop相比，Spark具有速度方面的優勢，但是它本身沒有一個分布式存儲系統，因此越來越多的企業選擇Hadoop做大數據平台，而Spark是運行於Hadoop頂層的內存處理方案。Hadoop最大的用戶(包括eBay和雅虎)都在Hadoop集群中運行著Spark。Cloudera和Hortonworks將Spark列為他們Hadoop發行的一部分。Spark對於Hadoop來說不是挑戰和取代相反，Hadoop是Spark成長發展的基礎。

火爆：DBaaS

隨著Oracle12cR2的推出，甲骨文以全新的多租戶架構開啟了DBaaS(資料庫即服務Database-as-a-Service)新時代，新的資料庫讓企業可以在單一實體機器中部署多個資料庫。在2015年，除了趨勢火爆，12c多租戶也在運營商、電信等行業投入生產應用。

據分析機構Gartner預測，2012年至2016年公有資料庫雲的年復合增長率將高達86%，而到2019年資料庫雲市場規模將達到140億美元。與傳統資料庫相比，DBaaS能提供低成本、高敏捷性和高可擴展性等雲計算特有的優點。

7. 大數據行業發展現狀與未來前景分析

近年來，全球正大步邁向大數據新時代，數據的高效存儲、處理和分析等需求也越來越旺盛。在此背景下，行業大數據得以高速發展，應用於各個領域，根據IDC發布的有關數據預測，2025年市場規模將達到19508億元的高點。

全球大數據儲量呈爆發式增長

隨著信息通信技術的發展，各行各業信息系統採集、處理和積累的數據量越來越多，全球大數據儲量呈爆炸式增長。根據國際數據公司(IDC)的監測數據顯示，2013年全球大數據儲量為4.3ZB(相當於47.24億個1TB容量的移動硬碟)，2014年和2015年全球大數據儲量分別為6.6ZB和8.6ZB。近幾年全球大數據儲量的增速每年都保持在40%，2016年甚至達到了87.21%的增長率。2016年和2017年全球大數據儲量分別為16.1ZB和21.6ZB，2018年全球大數據儲量達到33.0ZB，2019年全球大數據儲量達到41ZB。

—— 以上數據及分析均來自於前瞻產業研究院《中國行業大數據市場發展前景預測與投資戰略規劃分析報告》。

8. 大數據的作用

大數據的作用：大數據，又稱巨量資料，其特點在於數據量大、速度快、類型多和具有真實性。隨著大數據時代的來臨，大數中簡態據分析也應運而生。
大數據分析是指對規模巨大的數據進行分析，其包括的主要方面有可視化分析、數據挖掘演算法、預測性分析能力、語義引擎，以及數據質量和數據管理。之所以說大數據分析能夠比我們更了解自己，主要依據在於大數據分析是一種藉助於科技手段賣源對現有數據進行分析的過程，這一過程中的每一個環節都嚴格按照已寫好的軟體程式進行運算，不會受到人的主觀意識影響，也不會受到外界環境的影響，也就是說，通過大數據分析出的結果更具有客觀性和咐賀精確性。

9. 互聯網保險 大數據分析

一、互聯網保險創新的現狀
根據中國保險行業協會在2015年年初發布的《互聯網保險行業發展報告》顯示，針對經營互聯網保險業務的公司分類，人身險公司有44家，財產險公司有16家，總體佔全行業133家產壽險公司的45%。包括中國人保財險、泰康人壽、平安人壽、太平洋保險、天安財險等在內的多家險企已率先在線上跑馬圈地，中國保險公司與互聯網的深度融合已全面到來。
首先在監管層面，上個月，醞釀已久的《互聯網保險業務監管暫行辦法》終於由中國保監會發布，這標志著中國互聯網保險業務基礎監管規范的形轎返悉成。《辦法》以鼓勵創新、防範風險和保護消費者權益為基本思路，從經營條件、經營區域、信息披露、監督管理等方面明確了互聯網保險業務經營的基本規則；規定了互聯網保險業務的銷售、承保、理賠、退保、投訴處理及客戶服務等保險經營行為應由保險機構管理負責；強化了經營主體履行信息披露和告知義務的內容和方式，著力解決互聯網自主交易中可能存在的信息不透明、信息不對稱等問題，以最大限度保護消費者的知情權和選擇權。
其次在保險主體方面，早在2013年，中國人保就推出「掌上人保」，並號稱是指尖上的保險；去年，以「理賠簡單，就在天安」為口號的天安財險「車易賠」APP在全國上線；隨後，「中國太保」「大地通保」、「泰康在線」等保險在線服務平台如雨後春筍般出現，可見，拼服務、拼體驗已經成為各家保險主體競爭的主要方向。同時，各家保險公司在立足保險本身的同時，從渠道上也不斷向外圍延伸，分別與P2P平台、信用保證機構等開展不同程度的合作。以下是中國保險行業協會從服務創新、技術創新、渠道創新等三個方面對2014年60家提供互聯網服務的產、壽險公司進行評價後的前15名榜單：
二、互聯網保險創新背後的風險
應該說基於提升客戶體驗的互聯網保險創新，方向是對的。互聯網保險作為一個新興的領域，發展空間巨大，但同時互聯網保險創新也帶來一系列風險和問題。從目前已經暴露的風險來看，主要包括保險產品創新異位、消費者投訴急劇增加、消費者道德風險敞口擴大、風險評估和控制不到位等。
（一）保險產品創新異位
自2013年底由「三馬」投資的眾安在線成立以來，帶動了中國各大保險主體在保險產品上的創新熱潮。盜刷險、高溫險、退貨險、喝麻險、世界盃足球流氓險等創新險種不斷涌現，壽險公司也相繼推出求關愛、愛升級、救生圈等所謂的基於微信平台的「扔撈」產品，名字一個比一個花哨，其中，不乏一些險種初具規模，但更多的是為創新而創新。如世界盃足球流氓險從頭到尾就沒賣出幾份，導致本來就比較便宜的3元/份，到後期直接降價到1分錢/份，變成了一個十足的噱頭。更有甚者，開發出霧霾險、賞月險、搖號險等，嚴重脫離保險的本質。
（二）消費者投訴急劇增加
據保監會近日公布的《關於2015年上半年保險消費者投訴情況的通報》顯示，2015年上半年，中國保監會12378投訴維權熱線全國轉人工呼入總量157544件，同比上升40.24%。而其中，捆綁銷售互聯網產品的投訴占據一定比例，究其原因，很多保險主體互聯網保險業務發展迅速，但管理和服務能力嚴重不足，片面注重銷售前端網路化，後台運營管理卻仍是傳統思維，前端和後台不配套，買時容易退時難，從而導致消費者投訴。
（三）消費者道德風險敞口擴大
目前，各家保險主體在理賠服務上基本上都推出了簡易賠付，即保險公司對於一定金額以下（2000-10000元不等）的保險事故實行簡易賠付，消費者通過保險公司自己推出的APP平台，或拍照、或視頻，將事故現場信息傳輸到保險公司後台，保險公司審核確認後立刻賠付，全程一般在5分鍾左右時間世拿完成。應該說這種做法極大地簡化了理賠程序，縮短了理賠時間，方便了消費者。但是，客觀地講，我們也不得不面對當下國內的基本現狀，國民的平均道德水準有待提高，修理廠、4S店有組織地批量造假，保險欺詐層出不窮，這些無疑都將保險公司的風險敞口無限擴大。
（四）風險評估和管理不到位
保險從本質上是風險轉移的安排，應該有可量化的數據支撐，目前，很多產品的創新，缺少基本的費率釐定、成本測算等程序。同時，保險閉乎講究的是大數法則，如果一款產品不能具備一定規模，賠付水平就會極不穩定，風險管理也就無從談起。
三、互聯網保險創新的風險管理
（一）保險產品創新：回歸本質
保險，在法律和經濟學意義上，是一種風險管理方式。因此，保險產品創新的基本原則和底線是創新的產品具有風險管理的可能性，即通過經驗的積累和有效的管理措施能夠降低保險標的風險。這也就是一般情況下地震、颶風等不可抗力不列入保險范圍的根本原因，因為到目前為止，人類還無法通過自身的行為影響上述事件的發生。反觀現在的保險產品創新，霧霾險也好，賞月險也罷，甚至是高溫險，基本上都突破了上述這一基本原則。
之所以會出現現在這種情況，我想主要有兩個方面原因，一是保險本身，在目前的保險市場上，規模產品的同質性非常嚴重，基本相同的條款，基本相同的費率，基本相同的服務，在這種情況下，產品創新的目標已經不再是客戶的「需求」，而是客戶的「眼球」。記得若干年前，有一個保險公司開發了一個險種叫「酒駕險」，從始至終沒賣出一份保單，但公司從上到下都非常開心，因為這個產品在當時引起了包括新聞媒體、監管部門、同業公司以及消費者的極大關注，很好地提高了公司的知名度。二是與目前整個社會的大環境有關，當下，從集體到個體，在物質和經濟的指揮下，每一個社會組織和細胞都在極力獲取盡量多的資源，而忽視了資源本身的效用和價值。正像有一句話所說，走著，走著，忘記了出發的目的。
（二）保險風險管理：大數據為器
1.大數據在費率釐定中的應用。保單的費率設定是保險公司風險管理的源頭，也是一項非常重要的工作，主要目的是使設定的費率對應於投保人的風險等級，風險越小，費率越低，盡量做到公平。確定費率較為關鍵的問題就是找出「影響賠付支出的風險因素或變數」，其實生命表就是「影響賠付支出的風險因素或變數」之一年齡的一個分類。再如，在車險定價中城市交通的擁擠程度、駕駛員的年齡、駕齡、性別、汽車的新舊程度等都可能是「影響賠付支出的風險因素或變數」，而這些因素或變數就是可以通過大量數據分析和處理來確定。
2.大數據在風險評估中的應用。在大數據時代，風險評估已經不僅僅局限於公司的歷史數據、行業的歷史數據，無論是風險特徵的描述還是數據資源的獲取都更加便利。首先在占據財產險市場70%以上份額的車險領域，保險公司可以獲取三個層級數據來支撐風險評估，第一層級是核心層，包括公司和行業數據，第二層級是緊密層，包括車型、汽車零整比、二手車等數據；第三層級是外圍移動層，包括利用車載感測設備收集駕駛員行為數據等。同時，對於保險公司的精算師來講，更多、更廣的數據獲取，可以更精確地識別個體對象的潛在風險，建立更加有效的數據模型，不斷改善和提高精算的精準程度，以幫助判斷和評估風險以及風險准備金。
3.大數據在反理賠欺詐中的應用。在確保數據資源的情況下，通過完整的、多樣化的數據（數據包括但不限於公司內部保單及理賠歷史記錄、行業數據、徵信記錄、公共社交網路數據、犯罪記錄等），輔之以有效的演算法和模型，來識別理賠中可能的欺詐模式、理賠人潛在的欺詐行為以及可能存在的欺詐鏈條，應該是未來反理賠欺詐的主要方向。而對於整個中國保險行業來講，盡快建立起一套行業級的保險數據信息平台，是反理賠欺詐的關鍵。目前，上海、江蘇等省市已經實現理賠信息數據共享，在這些地區反理賠欺詐行為的成效明顯提高。
4.大數據在保險行業風險管理中應用之核心—數據整合。目前保險公司的數據有行業平台的同業數據、前端客戶APP導入（或現場出單）數據，中端中介、渠道、理賠、呼叫數據，後端財務收付數據，另外，還有定價系統的汽車零配件數據、人事系統的人員數據、稽核審計風控系統的風控數據等，種類繁多和龐雜，因此，急需建立大數據平台進行數據整合，統一數據存儲和傳遞標准，並將不同系統進行數據打通，再根據不同需要進行數據挖掘。
（三）保險風險控制：新技術應用
未來，新技術、新設備的應用將成為保險行業風險控制的主要途徑。在承保環節，基於大數據基礎的數據分析技術將在第一時間立體呈現保險標的各項數據和特徵，為承保決策和政策提供第一手資料，從源頭控制風險。在理賠環節，新技術、新設備同樣將被廣泛應用。在車輛保險領域，通過裝載在車上的無線電子設備，運用通訊網路，實現對車輛、道路以及行車駕駛員進行靜、動態信息提取和行為記錄，從而監督行車駕駛員人的行為風險和道德風險，並進行出險前預防、出險中響應和出險後處理，從而使保險事故管理變被動為主動，降低理賠成本。在人壽保險領域，利用能夠實時監控人體健康情況的可穿戴設備，來獲取和細分不同群體、不同年齡的人體健康和生死概率，並適時向客戶提供飲食、健身等方面的建議，從而降低投保人的醫療費用。在家庭財產險領域，通過智能家居系統對住宅進行遠程監控並及時發現和緩解風險，當家中發生煤氣泄漏或水管爆裂，可自動關掉閥門，從而減輕損失等。
任何事物的發展，都要有與之相對應的配套管理措施，互聯網保險創新也不例外。今後相當長一段時間，互聯網保險創新都將在路上，基於互聯網保險創新的風險管理也必將亦步亦趨，緊緊跟隨。

擴展閱讀：【保險】怎麼買，哪個好，手把手教你避開保險的這些"坑"

10. IBM Power全面推動大數據分析發展

IBM日前在2015中國大數據技術大會上分享了其在大數據分析領域的最新成果，闡述了面向大數據分析領域的IT基礎架構的最新戰略。針對企業在認知時代面臨的大數據分析工作負載，IBM堅信要以全新的IT基礎架構作為支持。憑借產品和解決方案的持續革新，IBM致力於助力大數據應用創新，通過打造基於Power的本地生態系統，全面推動本地大數據分析技術的發展。

隨著互聯網和移動互聯網技術的進一步發展，在數據量激增的同時，數據類型也變得更為復雜多樣。如何快速處理這些數據使其產生價值，如何結合結構化與非結構化數據分析進行預測、推理、感知的判斷並採取相應行動，成為企業亟須思考的難題。面對當前挑戰，企業需要能夠處理和分析大量結構化與非結構化數據，具備高可靠性和經濟效益的認知系統。未來，隨著數據量的進一步增長，企業將需要一個具備更強事務處理能力、更靈活調配系統架構的領先IT 基礎架構。

IBM Power一直致力於憑借領先的IT基礎架構，滿足企業的大數據分析需求，幫助企業實現數字化轉型。針對大數據分析與認知工作負載，IBM今年推出了多款Power產品。Power Systems LC伺服器基於OpenPOWER基金會創新成果，針對企業大數據分析工作負載，能夠提供比同等x86伺服器更快的速度及更低的成本，幫助客戶實現便捷、快速的部署。此外，IBM不僅憑借基於POWER8的Linux專屬伺服器幫助用戶發展新興應用，還通過企業級高性能Linux分區伺服器為用戶的關鍵應用提供支持，幫助企業發展新興工作負載、實現業務轉型。

著眼未來趨勢，IBM堅信認知技術與思維是滿足企業發展需要不可或缺的一部分。作為IBM在認知計算領域的卓越代表，沃森（Watson）在大數據處理與分析方面已取得突破性成就，擁有分析海量數據、處理並行復雜數據以及快速判斷和應答響應等卓越能力。基於由IBM Power平台構建的高性能運算基礎架構的支持，IBM正聯合多家合作夥伴，推動沃森的應用。

除了不斷革新Power硬體平台，IBM還通過對本地人才的培養推動大數據應用的創新。今年，IBM已聯手CSDN成功舉辦了8期POWER8極限挑戰賽，吸引了逾萬人次參賽。IBM也成功舉辦了十餘次培訓沙龍，為開發者帶來更多學習和交流的機會。此外，IBM還以不同形式聯合合作夥伴為本地開發者提供基於Power的開源技術創新環境，幫助開發者加速其創新進程。

為提升本地合作夥伴的能力，IBM還與合作夥伴聯手，積極推動本地開源技術生態系統的構建。在IBM「中國合夥人」戰略的引領下，IBM與CSDN等夥伴聯手啟動Linux開源生態系統聯盟，基於IBM多年來為開源領域提供的先進支持，攜手國內ISV、開源技術社區、企業用戶、創投公司等多方力量，共同打造一個基於Power技術的開源技術生態圈。IBM還聯手OpenPOWER基金會成員推出了全新硬體加速ISV支持計劃，為本地ISV免費提供基於RedPOWER伺服器以及賽靈思FPGA的雲端開發及測試環境，幫助ISV提升大數據、雲計算等新興技術研發能力，促進第二代分布式計算的發展。

IBM副總裁、大中華區硬體系統部總經理郭仁聲表示：「認知時代的到來標志著信息技術的發展步入了全新階段，也對企業的IT基礎架構提出了更為嚴苛的要求。為了幫助企業更好地處理、分析數量龐大的結構化和非結構化數據，IBM Power將憑借扎實的硬體基礎和深入的行業洞察，幫助企業構建全新的IT基礎架構，更好地應對當前和未來包括大數據在內的種種挑戰。」