企業大數據應用苗頭

① 京東分享 企業大數據的新認識與應用

京東分享：企業大數據的新認識與應用

大數據和我們每個人日常生活已經非常緊密地聯系在一起了。

隨便舉個場景的例子，比如說，早上醒來的時候我通過智能手錶的數據，發現昨晚的睡眠質量並不是太好，早上洗臉刷牙吃過早飯，步行1000多步來到六道口地鐵刷卡坐地鐵，兩站3塊錢到達奧林匹克公園，在地鐵上我通過京東手機客戶端發現一雙我之前瀏覽過的Nike籃球鞋降價了，京東將這條商品信息主動推送過來，我立馬下單購買，節省了100多塊錢，並且我把這條信息通過微信分享到了朋友圈。

在這個過程中，我個人生產了睡眠數據、步行距離數據、地鐵刷卡消費數據、地鐵起點終點地理數據、京東購物數據、微信朋友圈數據，所以作為大數據生產者我一下子生產了這么多數據。而作為大數據消費者，在我以後瀏覽京東商城或app的時候，系統可能會向我推薦改善睡眠智能的枕頭、籃球鞋或與籃球鞋相關的其他商品，而我朋友圈的朋友看到我的分享信息後，他們也可能因為我的分享而去購買。

而我們生產的這些數據，企業尤其是互聯網公司拿到後，通過數學統計和挖掘的演算法將其進行聚類、拆分和預測得到更多相關數據，通過這些數據對我們每個人進行標簽化的描述。如性別，婚姻狀況，興趣愛好，收入情況，是否喜歡運動，促銷敏感度等等，這樣就得到了我們每個人的很多屬性，如人口基本屬性、購買能力、行為特徵、社交網路、心理特徵、興趣愛好等等。

企業掌握了這些數據之後，他們如何來利用這些數據呢？是通過這些數據來做營銷，如精準營銷，廣告的精準投放，商品的精準推薦？還是通過這些數據精細化企業內部運營管理？又或是通過這些數據改善生產工藝流程、指導產品的二次研發？那就看企業大數據修行的層次了。大數據應用的好，可以真正提升到戰略高度，用的不好，大數據也就是錦上添花，可有可無的東西。

按照數據挖掘的聚類思維，企業數據可以分為內部數據和外部數據，內部數據又可以簡單分為財務數據和供應鏈數據（大供應鏈概念）。當然不同行業的企業經營內容差別很多，如金融行業，涉及到投資、融資、現金管理等財務方面可能多一些，涉及到供應鏈很少，而生產製造或流通服務行業，涉及供應鏈的數據就會多一些。

財務數據主要是以財務報表，尤其是財務發布的三大報表為主，資產負債表、利潤表以及現金流量表。之後是總帳，總帳裡面記賬會涉及到科目、科目不夠用我們也會設置輔助核算，還有大多企業每年都會做預算，預算大多也是圍繞財務指標制定的，或者是以財務預算為主倒推業務預算。當然財務管理中其中一大塊還有資金管理。

供應鏈的數據種類就會更多一些，從供應鏈上游的供應商到下游的消費者，包括采購，倉儲，物流，生產，銷售，售後等數據。當然每個環節我們還是可以再進一步去細化。

另外，相信沒有一家是自己關起來門來做生產，做營銷的，都要積極地去參考外部數據，這其中就包括國家政策、經濟環境、股市行情、競爭對手、主要原材料價格等。

大多數企業應該實施了BI系統或報表自動化系統，如果這些系統是由乙方單位負責規劃建設，他們在規劃或者實施過程中制定的系統方案架構圖無非就是分三個層次頂多四個層次。

從下往上說，第一個層次元數據層或者數據源層，就是我們業務應用系統的數據，財務，供應鏈，人力資源，預算等等。

第二層次叫做大數據存儲層，就是把下面每個層次的數據源採集到一個數據倉庫裡面去，之後就到了第三個層次，分析模型層，基於數據倉庫構建分析模型，有的方案甚至將分析模型層直接省略掉，直接到了最後一個層次數據展示層，將分析模型中的數據展示出來。根據筆者多年從業經驗，這樣的組織形式頂多稱之為BI系統，還不能稱之為大數據系統。

京東大數據並不是一個單獨的系統或產品，京東大數據應用已經融入到每個業務應用系統當中了。我們的大數據採集平台在不影響系統或產品效率以及客戶體驗的前提自動將所有數據定時、實時採集到Hadoop平台上，以大數據平台為核心，將經過加工、處理、分析和挖掘後的結果分發後各個業務系統以及數據產品中，如商城、采銷、數據羅盤、領航等。下圖僅供參考：

不是每家企業都是京東，也不是每家企業都是互聯網公司，不是每家企業的業務都必須需要大數據的支撐。在滿足自己業務需求的前提下，企業是不是也能玩一玩小數據應用呢？答案是肯定的，大數據應用也是可以分層次的，每個層次滿足企業對數據不同層次的需要。大致分為5個層次，每個層次是逐級遞進的關系。

1.業務監測

這是大數據應用的初級階段，即傳統的DW/BI階段。在這個階段，企業部署商業智能(BI)解決方案，其實就是一套自動化報表系統，用以監測現有業務的運行狀況。

業務監測，有時也被稱為業務績效管理(Business Performance Management)，指企業使用基本的分析手段，來預警業務運行低於或高於預期的情況，並自動發送相關警示信息給相應業務和管理人員。企業業務和管理人員可以根據之前制定的預警規則，提前掌握業務經營情況，實現提前預警，幫助他們有針對性、有預見性的採取一些措施和手段，來防範於未然。

這個階段最關鍵有兩個要點，一個是預警規則的設計，經常採用的方法包括參照方法(同期比較、同類營銷活動比較、同業標桿比較)或指標方法(品牌開發、客戶滿意度、產品績效、財務分析)，指標分析法就是選擇合理的指標，當然這里合理指標的選擇說起來容易，其實做起來也要費一番腦筋的，給大家舉個我之前碰到的例子，當時是給一個做離散製造的企業做方案設計，他們在庫存管理方面績效考核一個非常重要的指標就是存貨周轉率或存貨周轉天數，這本來是一個非常正常也是經常使用的指標，但是這家單位的庫存管理存在假出庫、假入庫的情況，這種情況就造成了存貨周轉率這個績效指標看起來非常好看，後來我們經過考慮改用動銷比，存銷比作為指標，將庫存指標和銷售指標聯合起來組合使用，就避免了假出庫、假入庫的情況。舉這個例子的目的，就是想說明我們在做業務監控的時候，指標選擇很重要，既要准確、公正地反映出該塊業務運營情況，同時還要避免人為造假的情況。

2.業務洞察

業務洞察意味著系統不只是提供數據報表，而是「智能」報表或「智能」儀表盤，需要根據歷史數據進一步預測、挖掘出我們通過前面多維分析還不知道的一些數據了。

比如說，筆者以前在給杭州某家連鎖酒店做項目的時候，我們需要根據該酒店在全國范圍內投資過酒店的經營情況數據來做些更好玩的東西出來，如我們需要根據之前投資過的酒店的裝修投入情況，不同檔次當前出租率，酒店餐飲部門的上座率和翻台率，營業收入，成本費用以及當地城市競爭對手酒店情況來預測新投資一家酒店的投資回報率和投資回收期。另外，還有就是財務分析中經常會用到的杜邦分析，簡單說下杜邦分析，杜邦分析就是從財務的角度對整個企業財務績效情況進行綜合分析的一個模型，他基本原理就是頂端是ROE，針對ROE我們可以分解為ROA×權益乘數，ROA又可以分為銷售凈利率×資產周轉率，之後再次分解，最後成一個全是財務指標的樹形結構。由於這些財務指標都是通過財務報表項目，會計科目和輔助核算計算出來的，所以他們之間存在著非常緊急的邏輯關系，這樣的話，我們可以計算一些技術手段實現模擬預測，如做下一年預算或規劃的時候，想讓某些財務指標達到什麼水平，我們事先將其進行調整，和他相關的指標也會聯動，比如將凈利潤提高1%，銷售收入、營銷成本、管理費用等其他指標就需要達到什麼程度?這樣可以幫我們做到事先預測，更好地做規劃和預算。

當然這個階段可以做預測的還有很多，比如零售行業，大多品類的銷售是有銷售周期的，基於銷售周期我們可以對銷售進行預測。也可以根據歷史用戶對不同營銷方式的響應程度、營銷費用、營銷商品以及營銷效果之間的關系，較為准確的鎖定目標人群進行有針對性的營銷，提高營銷效率，降低營銷成本。

3.業務優化

業務優化對於絕大多數企業來說還是很具備吸引力的，這也是很多企業日思夜想的目標。其實在這個階段我們可以一步步來，一點點來做，至少企業是有能力將分析技術嵌入到業務運營之中。這里舉個我們之前給傳統企業做過一個案例，像大多數企業一樣， 這家企業也有ERP系統，在采購環節，我們可以將供應績效模型引入進來，當然這個供應商績效模型可能要考慮的因素會比較多，如供貨質量、供貨效率，次品率，售後服務等等很多因素，采購人員在進行采購的時候可以根據供應商績效模型自主選擇合適的供應商，這是一個例子，另外還可以將主要原材料的市場價格進行實時接入到采購界面，讓采購管理人員可以自己掌握采購周期，合理安排采購計劃。

在零售行業我們都知道，商品和商品之間，用戶和用戶之間，用戶和商品之間是存在著很強的關聯關系，就像大夥常說啤酒和尿布的例子，巧克力和避孕套的例子。這里可以大家稍微說下，大多電商是怎麼做的，我們通過這些商品在被購買的記錄中找出每兩個商品之間的關聯關系，這種關聯關系並不是對等的，比如說購買了手機的用戶一般也會同時購買手機殼，而買手機殼的人不一定也買手機，這就說明手機和手機殼之間是有關系的，而且是強關系。手機殼和手機之間關系是弱關系，這里關系的強弱我們用系數來說明。所以商品和商品之間的這種關系，我們就形成一個商品模型。基於這個商品模型，我們就可以更好向用戶推薦他瀏覽過、購買過、收藏過、評論過的商品了。說完商品，我們再說用戶，用戶通過類似的瀏覽行為，搜索行為，評論行為以及購買行為，我們可以找到用戶和用戶之間的關系。基於用戶之間的行為關系，我們可以向用戶推薦其他和他相關度很強的用戶購買或感興趣的一些商品。這也就是好多互聯網公司做廣告推薦，商品推薦，促銷信息推薦等常用的做法。

4.數據盈利

數據盈利也就是我們經常談到數據變現，數據盈利的一種方式就是數據產品化。目前有很多數據服務類公司，可以採集到移動端游戲， app使用情況，用戶行為等數據，通過他們數據挖掘和分析的技術，再通過產品或服務的行為進行輸出即可實現變現的目的。另外，手機廠商，如小米、華為等，他們都擁有幾億的活躍用戶，掌握一手用戶在手機的行為數據，甚至包括支付數據。能變現的方面就有很多了，限制他們的就是他們的想法了。另外也越來越多的傳統廠商將產品數據化了，如汽車+大數據 變成了特斯拉，家居+大數據變成了智能家居，當然這里能舉的例子還有很多。

5.業務重塑

業務重塑應該是大數據成熟度模型的最高階段。在這個階段，某些企業希望利用對客戶使用方式、產品效能行為及總體市場趨勢的分析，將商業模式轉換到新市場的新服務，例如：京東的新開展的業務，京東金融、京東智能。此外，我們可以發揮一下想像力，BAT有哪些業務是以主營業務數據為基礎開拓出來的，是不是能想到很多？

中國乃至世界真正擁有大數據的企業不多，我們是幸運的，擁有電商全價值鏈的大數據，如何挖掘這座金礦？限制我們的只有我們自己的想法。

以上是小編為大家分享的關於京東分享 企業大數據的新認識與應用的相關內容，更多信息可以關注環球青藤分享更多干貨

② 如何在企業管理中應用大數據

在企業管理中應用大數據的大方向就是輔助企業決策，但是必須要深入到企業版的各個應用場景，使大數據真正落權地到企業。

1. 市場調研：這是大數據分析應用的一個重點，通過大數據分析市場和企業的數據，比傳統市場調研更快速和准確。


2. 生產研發:通過對市場中的產品銷售情況和消費者的反饋情況分析，找到產品不足，提前優化。


3. 市場營銷：通過大數據分析出消費者的人群畫像，了解消費者需求，精準營銷。

③ 企業如何應用大數據分析

企業應用大數據分析就要藉助一些數據分析工具，比如商業智能軟體FineBI，有了工具就專等於完成了一屬半。一般數據分析工作可分為以下三個步驟：
1、明確業務需求
按業務驅動的角度，了解業務部門需要解決什麼樣的問題，業務范圍是什麼，所要達成的效果又是怎樣，依據這些需求來實施部署商業智能工具。
2、數據結合與關聯
由於企業數據海量的特點和多元化的結構形式，需要商業分析工具具有海量的數據探索和分析能力，能夠實時有效的與已有數據結合，產生精確的行動方向。
此外，企業數據的價值最終體現在客戶的消費上，因此，對於能直接產生價值的數據要和客戶關系和交易數據進行結合和關聯，從而做出直接導向效益的決策。
3、培養數據分析人才
企業的數據分析，商業智能系統的部署是關鍵，但業務人員數據分析水平也同樣重要。這就要求人員在信息過程管理當中要逐漸培養科學化管理數據的意識，企業上下也要統一共識，從而形成對企業數據的綜合管理。

④ 大數據的應用領域有哪些

近年來，大數據不斷向世界的各行各業滲透，影響著我們的衣食住行。例如，網上購物時，經常會發現電子商務門戶網站向我們推薦商品，往往這類商品都是我們最近需要的。這是因為用戶上網行為軌跡的相關數據都會被搜集記錄，並通過大數據分析，使用推薦系統將用戶可能需要的物品進行推薦，從而達到精準營銷的目的。下面簡單介紹幾種大數據的應用場景。

大數據在醫療行業的應用

大數據讓就醫看病更簡單。過去，對於患者的治療方案，大多數都是通過醫師的經驗來進行，優秀的醫師固然能夠為患者提供好的治療方案，但由於醫師的水平不相同，所以很難保證患者都能夠接受最佳的治療方案。

而隨著大數據在醫療行業的深度融合，大數據平台積累了海量的病例、病例報告、治癒方案、葯物報告等信息資源.所有常見的病例、既往病例等都記錄在案，醫生通過有效、連續的診療記錄，能夠給病人優質、合理的診療方案。這樣不僅提高醫生的看病效率，而且能夠降低誤診率，從而讓患者在最短的時間接受最好的治療。下面列舉大數據在醫療行業的應用，具體如下。

(1) 優化醫療方案，提供最佳治療方法。

面對數目及種類眾多的病菌、病毒，以及腫瘤細胞時，疾病的確診和治療方案的確定也是很困難的。藉助於大數據平台，可以搜集不同病人的疾病特徵、病例和治療方案，從而建立醫療行業的病人分類資料庫。如果未來基因技術發展成熟，可以根據病人的基因序列特點進行分類，建立醫療行業的病人分類資料庫。在醫生診斷病人時可以參考病人的疾病特徵、化驗報告和檢測報告，參考疾病資料庫來快速幫助病人確診，明確地定位疾病。在制訂治療方案時，醫生可以依據病人的基因特點，調取相似基因、年齡、人種、身體情況相同的有效治療方案，制訂出適合病人的治療方案，幫助更多人及時進行治療。同時這些數據也有利於醫葯行業研發出更加有效的葯物和醫療器械。

(2)有效預防預測疾病。

解決患者的疾病,最為簡單的方式就是防患於未然。通過大數據對於群眾的人體數據監控，將各自的健康數據、生命體征指標都集合在資料庫和健康檔案中。通過大數據分析應用，推動覆蓋全生命周期的預防、治療、康復和健康管理的一體化健康服務,這是未來健康服務管理的新趨勢。當然，這一點不僅需 要醫療機構加快大數據的建設，還需要群眾定期去做檢查，及時更新數據，以便通過大數據來預防和預測疾病的發生，做到早治療、早康復。當然,隨著大數據的不斷發展，以及在各個領域的應用，一些大規模的流感也能夠通過大數據實現預測。

大數據在金融行業的應用

隨著大數據技術的應用，越來越多的金融企業也開始投身到大數據應用實踐中。麥肯錫的一份研究顯示，金融業在大數據價值潛力指數中排名第一。下面列舉若干大數據在金融行業的典型應用，具體如下。

(1) 精準營銷。

銀行在互聯網的沖擊下，迫切需要掌握更多用戶信息，繼而構建用戶360立體畫像，即可對細分的客戶進行精準營銷、實時營銷等個性化智慧營銷。

(2) 風險管控。

應用大數據平台，可以統一管理金融企業內部多源異構數據和外部徵信數據,更好地完善風控體系。內部可保證數據的完整性與安全性，外部可控制用戶風險。

(3) 決策支持。

通過大數據分析方法改善經營決策，為管理層提供可靠的數據支撐，從而使經營決策更高效、敏捷、精準。

(4) 服務創新。

通過對大數據的應用，改善與客戶之間的交互、增加用戶黏性，為個人與政府提供增值服務,不斷增強金融企業業務核心競爭力。

(5) 產品創新。

通過高端數據分析和綜合化數據分享,有效對接銀行、保險、信託、基金等各類金融產品，使金融企業能夠從其他領域借鑒並創造出新的金融產品。

大數據在零售行業的應用

美國零售業曾經有這樣一個傳奇故事，某家商店將紙尿褲和啤酒並排放在一起銷售，結果紙尿褲和啤酒的銷量雙雙增長!為什麼看起來風馬牛不相及的兩種商品搭配在一起，能取到如此驚人的效果呢?後來經過分析發現，這些購買者多數是已婚男士，這些男士在為小孩購買尿不濕的同時，會同時為自己購買一些啤酒。發現這個秘密後，沃爾瑪超市就大膽地將啤酒擺放在尿不濕旁邊，這樣顧客購買的時候更方便，銷量自然也會大幅上升。

之所以講「啤酒-尿布」這個例子，其實是想告訴大家，挖掘大數據潛在的價值，是零售業競爭的核心競爭力，下面列舉若干大數據在零售業的創新應用，具體如下。

(1) 精準定位零售行業市場。

企業想進人或開拓某一區域零售行業市場，首先要進行項目評估和可行性分析，只有通過項目評估和可行性分析才能最終決定是否適合進人或者開拓這塊市場。通常需要分析這個區域流動人口是多少?消費水平怎麼樣?客戶的消費習慣是什麼?市場對產品的認知度怎麼樣?當前的市場供需情況怎麼樣等等，這些問題背後包含的海量信息構成了零售行業市場調研的大數據，對這些大數據的分析就是市場定位過程。

(2) 支撐行業收益管理。

大數據時代的來臨，為企業收益管理工作的開展提供了更加廣闊的空間。需求預測、細分市場和敏感度分析對數據需求量很大，而傳統的數據分析大多採集的是企業自身的歷史數據來進行預測和分析，容易忽視整個零售行業信息數據，因此難免使預測結果存在偏差。企業在實施收益管理過程中如果能在自有數據的基礎上，依靠一些自動化信息採集軟體來收集更多的零售行業數據，了解更多的零售行業市場信息,這將會對制訂准確的收益策略，贏得更高的收益起到推進作用。

(3) 挖掘零售行業新需求。

作為零售行業企業，如果能對網上零售行業的評論數據進行收集，建立網評大資料庫，然後再利用分詞、聚類、情感分析了解消費者的消費行為、價值取向、評論中體現的新消費需求和企業產品質量問題，以此來改進和創新產品，量化產品價值，制定合理的價格及提高服務質量，從中獲取更大的收益。

⑤ 企業實施大數據分析應用的九大領域

企業實施大數據分析應用的九大領域

隨著大數據的應用越來越廣泛，應用的行業也越來越低，我們每天都可以看到大數據的一些新奇的應用，從而幫助人們從中獲取到真正有用的價值。很多組織或者個人都會受到大數據的分析影響，但是大數據是如何幫助人們挖掘出有價值的信息呢？下面就讓我們一起來看看九個價值非常高的大數據的應用，這些都是大數據在分析應用上的關鍵領域：

1.理解客戶、滿足客戶服務需求

大數據的應用目前在這領域是最廣為人知的。重點是如何應用大數據更好的了解客戶以及他們的愛好和行為。企業非常喜歡搜集社交方面的數據、瀏覽器的日誌、分析出文本和感測器的數據，為了更加全面的了解客戶。在一般情況下，建立出數據模型進行預測。比如美國的著名零售商Target就是通過大數據的分析，得到有價值的信息，精準得預測到客戶在什麼時候想要小孩。另外，通過大數據的應用，電信公司可以更好預測出流失的客戶，沃爾瑪則更加精準的預測哪個產品會大賣，汽車保險行業會了解客戶的需求和駕駛水平，政府也能了解到選民的偏好。

2.業務流程優化

大數據也更多的幫助業務流程的優化。可以通過利用社交媒體數據、網路搜索以及天氣預報挖掘出有價值的數據，其中大數據的應用最廣泛的就是供應鏈以及配送路線的優化。在這2個方面，地理定位和無線電頻率的識別追蹤貨物和送貨車，利用實時交通路線數據制定更加優化的路線。人力資源業務也通過大數據的分析來進行改進，這其中就包括了人才招聘的優化。

3.大數據正在改善我們的生活

大數據不單單只是應用於企業和政府，同樣也適用我們生活當中的每個人。我們可以利用穿戴的裝備（如智能手錶或者智能手環）生成最新的數據，這讓我們可以根據我們熱量的消耗以及睡眠模式來進行追蹤。而且還利用利用大數據分析來尋找屬於我們的愛情，大多數時候交友網站就是大數據應用工具來幫助需要的人匹配合適的對象。

4.提高醫療和研發

大數據分析應用的計算能力可以讓我們能夠在幾分鍾內就可以解碼整個DNA.並且讓我們可以制定出最新的治療方案。同時可以更好的去理解和預測疾病。就好像人們戴上智能手錶等可以產生的數據一樣，大數據同樣可以幫助病人對於病情進行更好的治療。大數據技術目前已經在醫院應用監視早產嬰兒和患病嬰兒的情況，通過記錄和分析嬰兒的心跳，醫生針對嬰兒的身體可能會出現不適症狀做出預測。這樣可以幫助醫生更好的救助嬰兒。

5.提高體育成績

現在很多運動員在訓練的時候應用大數據分析技術了。比如例如用於網球鼻塞的IBMSlamTracker工具，我們使用視頻分析來追蹤足球或棒球比賽中每個球員的表現，而運動器材中的感測器技術（例如籃球或高爾夫俱樂部）讓我們可以獲得對比賽的數據以及如何改進。很多精英運動隊還追蹤比賽環境外運動員的活動-通過使用智能技術來追蹤其營養狀況以及睡眠，以及社交對話來監控其情感狀況。

6.優化機器和設備性能

大數據分析還可以讓積極和設備在應用上更加智能化和自主化。例如，大數據工具曾經就被谷歌公司利用研發谷歌自駕汽車。豐田的普瑞就配有相機、GPS以及感測器，在交通上能夠安全的駕駛，不需要人類的敢於。大數據工具還可以應用優化智能電話。

7.改善安全和執法

大數據現在已經廣泛應用到安全執法的過程當中。想必大家都知道美國安全局利用大數據進行恐怖主義打擊，甚至監控人們的日常生活。而企業則應用大數據技術進行防禦網路攻擊。警察應用大數據工具進行捕捉罪犯，信用卡公司應用大數據工具來檻車欺詐性交易。

8.改善我們的城市

大數據還被應用改善我們日常生活的城市。例如基於城市實時交通信息、利用社交網路和天氣數據來優化最新的交通情況。目前很多城市都在進行大數據的分析和試點。

9.金融交易

大數據在金融行業主要是應用金融交易。高頻交易（HFT）是大數據應用比較多的領域。其中大數據演算法應用於交易決定。現在很多股權的交易都是利用大數據演算法進行，這些演算法現在越來越多的考慮了社交媒體和網站新聞來決定在未來幾秒內是買出還是賣出。

以上九個是大數據應用最多的九個領域，當然隨著大數據的應用越來越普及，還有很多新的大數據的應用領域，以及新的大數據應用。

以上是小編為大家分享的關於企業實施大數據分析應用的九大領域的相關內容，更多信息可以關注環球青藤分享更多干貨

⑥ 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。

⑦ 企業大數據的應用有哪些，舉些例子

你好，這個有很抄多的。從大數據場景應用的橫向出發（行業），有各行各業，比如銀行、證券、保險、互聯網金融、地產、旅遊、交通、農業、智慧政府等行業大數據場景應用
從大數據場景應用的縱向出發（功能），可用於精準營銷、數據風控、效率提升、決策支持、產品運營等。
這里介紹幾個案例：
銷售分析
例如通過商業智能系統FineBI平台，可以進行銷售、回款、應收款、可售庫存、推盤、動態成本、杜邦分析、資金計劃等各類細分主題的分析，以地圖、環比圖、漏斗圖等特徵圖表配以鑽取聯動顯示，較好地從數據中觀測銷售過程出現的問題。
財務分析
也可以通過建立績效指標庫和行業或標桿指標庫作為財務分析的數據源，在績效考核模型、投資評估模型、財務風險模型、經營分析模型的基礎上分別建立資產主題、盈利主題、資金主題、收入主題、成本費用主題、存貨主題等。通過這些分析主題對企業進行進度監控和經營預警，從而達到對企業戰略的控制。

⑧ 企業可以從哪些方面具體切入，把大數據應用起來

企業運用大數據可以從兩個方面切入：
第一、利用大數據進行市場分析、行業分析、輿情風控分析、競品分析等，以此來更精準 的把控市場。
第二、利用大數據進行業務銷售，大數據可以根據目標客戶群體進行數據建模，通過篩選及深度脫敏後一鍵外呼建立溝通，這也就是精準大數據營銷。
希望能幫到你