拓進大數據

Ⅰ 挖掘大數據價值 推動城市智慧管理(1)

挖掘大數據價值 推動城市智慧管理(1)_數據分析師考試

大數據，源自於互聯網、物聯網、雲技術的發展，技術的進步產生了紛繁復雜的巨量信息。

如何讓大數據為我所用是智慧城市的一個重要命題。中國工程院院士鄔賀銓指出，智慧城市是使用智能計算技術，使城市的關鍵基礎設施的組成和服務更智能、互聯和有效。

大數據是城市的智慧源泉

大數據將遍布智慧城市的方方面面，是智慧城市的智慧之源。從政府決策與服務，到人們衣食住行的生活方式，再到城市的產業布局和規劃，直到城市的運營和管理方式，都將「智慧化」或「智能化」。

大數據為智慧城市建設提供強大的決策支持。在城市規劃方面，通過對城市地理、氣象等自然信息和經濟、社會、文化、人口等人文社會信息的挖掘，可以為城市規劃提供強大的決策支持，強化城市管理服務的科學性和前瞻性。大數據在城市管理上的優勢將主要體現在交通管理、醫療、社會安全等方面。

應用大數據將極大提高智慧城市政府部門的決策效率和服務水平。智慧城市的建設首先需要一個「智慧政府」，大數據使數據共享成為可能，政府各個部門的既有資料庫可以實現高效互聯互通，極大提高政府各部門之間的協同辦公能力，提高為民辦事的效率，進而大幅降低政府的管理成本。

大數據將顯著提升智慧城市人們的生活品質。大數據將極大地拓展民眾生活空間，引領智慧城市大數據時代智慧人生的到來。大數據是未來人們享受智慧生活的基礎，將改變傳統「簡單平面」的生活常態，通過大數據的應用服務將使信息變得更加廣泛、使生活變得多維和立體。通過大數據建立家庭生活檔案，智能化管理家庭日程事務、個人健康、安全起居以及外出購物。

同時，大數據將使公共服務與個人生活間的結合更為緊密，在醫療衛生、教育培訓、交通、安防等領域為個人提供信息查詢、內容分發、移動支付等應用體驗，將人們的「簡單平面」生活轉向「多維泛在」，讓智慧城市真正服務於民生。

政企合力實現數據與城市互融

大數據對於智慧城市的重要性不言而喻，但是目前二者並沒有實現互融互通，問題出現在哪裡

高德三維事業部總經理趙珂告訴筆者，大數據基本原則在於解決海量的數據的提取和整理有價值的信息。其中，最關鍵的是這些數據能做什麼。在他看來，用數據為老百姓服務，才是政府和企業應該共同關注的目標。

從數字城市到智慧城市，政府的建設模式已經悄然發生著變化。趙珂稱，政府在積極推動企業投資建設智慧城市，政府的角色已經由之前的主導轉變為引導，希望由企業自主參與智慧城市項目建設。這樣更加符合市場經濟的規律，可以給企業更多的主動性。

對於企業來講，從被動作業到主動尋求機會，需要的不僅僅是公司實力或者技術的儲備，而是思想觀念和經營模式的徹底改變。由之前的按時完成項目作業，到現在與政府合作共享，直接帶來數據歸屬的改變，之前數據版權歸政府，現在企業投資建設，數據和平台最終都屬於企業，企業就會有充分的主動性來挖掘數據價值。

模式轉變之後，政府和企業該如何合作完成對數據的挖掘？趙珂認為，首先應該確認的是數據一定靠各家的數據資源一起來做才能做好。隨著開放度的提高，政府會同公眾分享越來越多的數據，企業也會加深與政府的合作，來進行大數據的整合，最終的目標就是盡可能挖掘數據價值為公眾服務。

以上是小編為大家分享的關於挖掘大數據價值 推動城市智慧管理(1)的相關內容，更多信息可以關注環球青藤分享更多干貨

Ⅱ 大數據在未來有什麼樣的發展趨勢_大數據的未來發展前景

大數據的未來發展趨勢主要有以下幾點：趨勢一：數據資源化

何為資源化，是指大數據成為企業和社會關注的重要戰略資源，並已成為大家爭相搶奪的新焦點。因而，企業必須要提前制定大數據營銷戰略計劃，搶占市場先機。

趨勢二：與雲計算的深度結合

大數據離不開雲處理，雲處理為大數據提供了彈性可拓亂櫻寬的基礎設備，是產生大數據的平台之一。自2013年開始，大數據技術已開始和雲計算技術緊密結合，預計未來兩者關系更為密切。除此之外，物聯網、移動互聯網等新興計算形態，也將一起助力大數據革命，讓大數據營銷發揮出更大的影響力。

趨勢三：科學理論的突破

隨著大數據的快速發展，就像計算機和互聯網一樣，大數據很有可能是新一輪的技術革命。隨之興起的數據挖掘、機器學習和人工智慧等相關技術，可能會改變數據世界裡的很多演算法和基礎理論，實現科學技術上的突破。

趨勢四：數據科學和數據聯盟的成立

未來，數據科學將成為一門專門的學科，被越來越多的人所認知。各大高校將設立專門的數據科學類專業，也會催生一批與之相關的新的就業崗位。與此同時，基於數據這個基礎平台，也將建立起跨領域的數據共享平台，之後，數據共享將擴展到企業層面，並且成為未來產業的核心一環。

趨勢五：數據泄露泛濫

未來幾年數據泄露事件的增長率也許會達到100%，除非數據在其源頭就能夠得到安全保障。可以說，在未來，每個財富500強企業都會嘩陸叢面臨悉孫數據攻擊，無論他們是否已經做好安全防範。而所有企業，無論規模大小，都需要重新審視今天的安全定義。在財富500強企業中，超過50%將會設置首席信息安全官這一職位。企業需要從新的角度來確保自身以及客戶數據，所有數據在創建之初便需要獲得安全保障，而並非在數據保存的最後一個環節，僅僅加強後者的安全措施已被證明於事無補。

趨勢六：數據管理成為核心競爭力

數據管理成為核心競爭力，直接影響財務表現。當「數據資產是企業核心資產」的概念深入人心之後，企業對於數據管理便有了更清晰的界定，將數據管理作為企業核心競爭力，持續發展，戰略性規劃與運用數據資產，成為企業數據管理的核心。數據資產管理效率與主營業務收入增長率、銷售收入增長率顯著正相關;此外，對於具有互聯網思維的企業而言，數據資產競爭力所佔比重為36.8%，數據資產的管理效果將直接影響企業的財務表現。

趨勢七：數據質量是BI(商業智能)成功的關鍵

採用自助式商業智能工具進行大數據處理的企業將會脫穎而出。其中要面臨的一個挑戰是，很多數據源會帶來大量低質量數據。想要成功，企業需要理解原始數據與數據分析之間的差距，從而消除低質量數據並通過BI獲得更佳決策。

趨勢八：數據生態系統復合化程度加強

大數據的世界不只是一個單一的、巨大的計算機網路，而是一個由大量活動構件與多元參與者元素所構成的生態系統，終端設備提供商、基礎設施提供商、網路服務提供商、網路接入服務提供商、數據服務使能者、數據服務提供商、觸點服務、數據服務零售商等等一系列的參與者共同構建的生態系統。而今，這樣一套數據生態系統的基本雛形已然形成，接下來的發展將趨向於系統內部角色的細分，也就是市場的細分;系統機制的調整，也就是商業模式的創新;系統結構的調整，也就是競爭環境的調整等等，從而使得數據生態系統復合化程度逐漸增強。

Ⅲ 便利店行業如何通過線下大數據實現快速精準拓店

燒烤攤、麻辣燙、大排檔被定義為中國版的深夜食堂，然而隨著寫字樓的燈火蔓延，便利店也成為了年輕人的深夜棲息地。有別於傳統雜貨鋪，90年代傳入中國的現代便利店呈現規模化和統一管理，行業規模發展迅猛，2019年中國便利店行業實現銷售額2556億元。

隨著行業規模的高速發展，一線城市消費市場開始飽和，外資連鎖便利店也開始走向下沉市場，二三線城市的便利店競爭將會日漸激烈。大數據時代如何利用數據及人工智慧賦能於線下品牌連鎖將是實體零售從業者面臨的難題之一，本文將從便利店現狀及大數據如何賦能的角度，為從業者們提供思考方向。

便利店誕生於美國，因其小型化、高毛利、便利性、精簡SKU等特性，逐漸成為一種新的零售業態。90年代中期，便利店概念開始進入中國。2019年中國便利店門店總數達到13.2萬家，較上年增加了1萬余家。

從單個便利店企業擴張表現來看，石油系便利店（易捷、昆侖好客）在門店擴張上表現搶眼，其次是本土品牌美宜佳和天福，外資便利店則主要分布與一二線城市。

但觀察近年來外資便利店在中國的城市版圖布局：從去年底開始，7-ELEVEn先後在福州、長沙、西安、合肥開設首店，另一家日資便利店羅森行動更為迅速，已於去年在長沙、沈陽、泰州等城市先後開出首店。

對於全國商業格局而言，此次外資便利店的布局，被認為是近年來「市場下沉」的又一個印證，同時也意味著下沉市場連鎖便利店的競爭更加激烈。

隨著 科技 和城市的發展，一線城市的消費市場逐漸飽和，而在二三線城市，連鎖品牌便利店存在著拓店難、無法融入當地市場的問題。

傳統夫妻店投入資本小、受地理位置限制小，經營的可控性比較強，且選址往往在居住地附近。而對於連鎖便利店來說，店鋪選址除了需要考慮周邊的消費市場，更要考慮采購與進貨問題（小街小巷無法統一配貨，增大成本）、客群畫像等。

這時候，傳統的選址方法是通過人工到線下多個目標位置點進行觀察測算，人力和時間成本非常高，且客群畫像無法精準。試想一下如何能夠短時間內通過一個人的外表確定其消費能力呢？

但在大數據時代，這些信息都可以高速便捷獲取。

數位是國內最早一批涉足線下大數據智能應用的大數據 科技 公司，深耕線下人場大數據5年，能夠實時洞察人和場的智能動態數據，高效為企業提供用戶分析、客群畫像和周邊客流。數位對線下零售（如連鎖便利店）有三大價值：

1 快速拓店選址： 數位擁有全維度動態的人場大數據，自有海量數據標簽，覆蓋200+城市，8000萬POI庫，能夠為企業提供批量化的線下人場數據，利於連鎖品牌的規模化拓展。

當品牌進入一個新城市，能夠快速判斷城市不同區域位置信息，幫助品牌根據自己的定位（如社區型/商圈型等）快速有效佔領消費市場，並運用人工智慧演算法對周邊客群、人流方向進行洞察分析，從而利於品牌在商品定位上更趨近於消費者心理。

2 老店數據實時監控： 對於品牌連鎖店來說，許多經營多年的老店面臨著周圍市政或消費環境的變動，如新商場建立、老建築拆遷等。

當老店營業額產生波動時，傳統檢驗方式是線下踩點考證，但客流的變動易觀察，客群畫像的變動卻無法短時間進行判別。數位大數據則能夠第一時間反饋老店周邊市場與客群畫像的變動，及時做出經營方向和商品選擇上的調整。

3 競對商鋪比較： 入駐前，同一片區域內原有的競對商鋪的數量及客流畫像能夠給品牌帶來極高參考價值；開店後，區域內出現新的競對商鋪也是影響店鋪營業額的重要原因。數位線下大數據能夠幫助品牌實時觀察周邊競對環境，分析優劣勢，及時做出經營上的調整；

4 經營模型沉澱： 為什麼同樣開在市中心的兩家店營業額卻大相徑庭？開在醫院對面與開在學校對面哪一家營業額更佳？如何根據人群移動規律調整商品陳列？這些傳統人力難以系統統計的數據，利用大數據可以快速幫助門店沉澱一套方法論，形成品牌自有的經營模型，對品牌進一步布局和拓店有重大參考價值，有效節省新店拓店成本。

品牌便利店"下沉"二三線城市，是城市發展的必然，也極有可能是一次再定義當地消費趨勢的機會。在這樣的前提下，品牌佔領市場的時間顯得尤為寶貴。

零售行業已從「貨——場——人」轉變為大數據時代的「人——貨——場」，提前洞察客流及客群信息，加上當地場景數據，最後再結合品牌本身特性才能夠快速打入當地消費市場，搶占消費份額。

連鎖品牌入駐新城市時投入成本高，傳統的選址方式已不足以支撐品牌的快速拓展，批量化的人場大數據才是現代品牌快速拓展版圖的「秘密武器」。數位基於5年高精度技術的沉澱，擁有全國最大的識別資料庫，在品牌選址、客群洞察及市場營銷中，都能夠為連鎖品牌帶來強有力的決策支持。

Ⅳ 什麼是大數據營銷大數據在當下有哪些優勢

隨著互聯網時代的發展，大數據的概念和重要性已經不言而喻，大數據營銷是通過互聯網來採集大量的有效數據，通過這些數據來幫助不同行業完成針對該行業的一種營銷方式。通過大數據的分析，能夠讓營銷更加精準，提高客戶轉化率，有效的給企業帶來高額的回報。

大數據的優勢主要有以下幾個部分：

提高數據的可用性：可以通過數據分析平台，將企業已有的大量數據進行合理分析、清洗、整合，並將企業的數據進行可視化展現，提供給決策者，使企業決策更加精準，提高數據的可用性。

與雲計算深度結合：大數據技術已開始和雲計算技術緊密結合，大數據離不開雲處理，雲處理為大數據提供了可拓展的基礎迅伏皮設備，是產生大數據的平台之一。通過與雲計算的結合，能夠讓大數據營銷發揮出更大的影響力。

提高企業的效益：廳山通過大數據的解決方案，企業能夠高效的利用起企業內部的數據信息，通過對比同行業的狀況，找到更好的經營策略，提高市場核心競爭力，提高消畝差費者的滿意度並在市場中佔有一定的地位。

Ⅳ 互聯網的創業者如何才能掘金大數據

互聯網的創業者如何才能掘金大數據？
大數據能稱之為一個時代，可見維克托?邁爾?舍恩伯格對大數據的褒獎。當然，更多的人希望通過大數據創建新的產業群，將之應用到醫療、教育、科技等多個領域。大數據應用已經成為互聯網創業者競爭的新陣地，如何充分利用大數據和藉助大數據掘金成為草根創業者關注的焦點。在已有的領域中，包括可穿戴設備、移動APP等領域，部分互聯網創業者都嘗到了大數據的甜頭。
網路大數據助力小說網站順利商業化
互聯網創業者的機會並不少，但是要想真正「擁抱」大數據，並從大數據的紅海中分一杯羹，是非常困難的。所有人都知道，大數據並不僅僅是「大」的數據，從B到PB、EB，也僅僅只是數字的變革，數據單位僅能記錄數據罷了，互聯網創業者要想利用到大數據，自身肯定是不具備物質條件的，依賴第三方是必不可少的，下面我就以網路大數據助力小說網站順利實現商業化為例，來具體說說大數據：
網路推薦是基於網路大數據技術推出的網站內容推薦工具。通過對網站不同訪客推薦個性化的內容，提高內容的點擊率，大幅提升網站流量;機制是基於網路統計代碼收集訪客數據，基於網路搜索蜘蛛抓取網頁內容精準匹配。
通俗來講，通過網路大數據的挖掘與分析，能夠精確地刻畫出網站訪客的人群畫像。以小說網站為例，網路司南數據顯示，88%的小說人群年齡分布在10-29歲之間，受眾多為新生代年輕人。大多數小說受眾還熱衷於英雄聯盟、穿越火線、地下城與勇士等網路游戲，小說愛好者往往也是網購愛好者。
對網站用戶屬性和愛好的把握，能夠有效的幫助網站優化內容運營，縮短網站「內容?用戶」的路徑，提升用戶體驗，並延伸或激發用戶的需求，提高用戶步長，從而提升網站的流量和商業價值。
不少小說網站迅速嗅到了網路大數據的商機。有數據顯示，言情小說吧安裝網路推薦小說專有樣式後，流量增長11.9%，用戶平均訪問頁面數提升17.8%。掌閱iReader運營總監周碧華表示，掌閱的短板是如何通過數據判斷作品的質量，希望藉助網路大數據解決這一難題。多酷總經理王超則認為，網路大數據能夠幫助網站進一步挖掘付費用戶，通過有效的數據分析來決定和平衡用戶免費與收費策略。
從傳統的搜索引擎到「即搜即得」(框計算)再到「不搜即得」(推薦引擎)，網路運用大數據能力，用推薦將用戶留在站內，讓大數據更智能。在營收方面，網路網盟利用基於大數據的CTR(廣告內容匹配)數據，讓站長的平均收入提升70%。
當然，互聯網並不是只有小說站這一垂直領域，教育、醫療等領域都是熱門的創業領域之一。網路和小說網站的合作亦可以延伸到其他垂直行業甚至整個互聯網，讓更多的互聯網創業者實現商業化。
如何玩轉大數據?
互聯網創業者要想獲得完整的「大數據」是幾無可能的，無論是廣大的用戶量，還是相對用戶量長期的訴求，包括互聯網創業者自身對數據的處理分析能力，都是其獲得大數據的軟肋，網路大數據正慢慢成為驅動互聯網創業者成長的新動力。
從上面小說網站利用網路大數據進行獲益的例子來看，互聯網創業者該怎樣才能更好的利用大數據呢?
首先，自身的內容是根本，這個和線下的產品相類似。用戶享受的是服務、是產品，產品自身出現問題，用戶肯定是不愛的。所以，無論是小說網站還是其他類型的網站，互聯網創業者的根本都是需要有價值的內容輸出，做用戶的「好產品」，所以互聯網創業者首先需要擁有產品思維。
其次，平台的開放性。我不認為某些半封閉的封閉會給本就是顫顫巍巍的互聯網創業者很好的契機，而像網路聯盟利用大數據能力為互聯網創業者變現的方式，互聯網創業者自身又可以和網路的其他產品進行互用，網路平台的開放性給予互聯網創業者更大的舞台。
最後，商業化是關鍵。平台能提供給互聯網創業者明晰的盈利模式是比較好的，遠比互聯網創業者自己去尋找盈利模式方便得多。在如今互聯網產品「你像我，我像你」的年代，只有做好盈利才是最終的出路。即使能利用第三方大數據平台，若不能盈利，也終歸會被「抄死」。
未來大數據會給互聯網創業者帶來怎樣的機遇呢?網路大數據已經取得明顯的成效，為互聯網創業者前期對大數據預處理的時間、精力、財力等方面鋪平道路。互聯網創業者需要做的是，圍繞大數據平台進行拓展，做出自己的特色產品。
醫療、教育、娛樂、移動APP等方向都可以是互聯網創業者的機遇，問題是互聯網創業者需要如何去擁抱這些大數據平台為己所用呢?所幸包括網路在內的多個大數據平台都是相對開放的，互聯網創業者圍繞產品自身再借用大數據平台以及其提供的盈利模式，整個產業群圓滿完成，這才是互聯網創業者應該做的事。

Ⅵ BAT三巨頭開始挖掘大數據

BAT三巨頭開始挖掘大數據
阿里巴巴CTO即阿里雲負責人王堅博士說過一句話：雲計算和大數據，你們都理解錯了。
實際上，對於大數據究竟是什麼業界並無共識。大數據並不是什麼新鮮事物。信息革命帶來的除了信息的更高效地生產、流通和消費外，還帶來數據的爆炸式增長。「引爆點」到來之後，人們發現原有的零散的對數據的利用造成了巨大的浪費。移動互聯網浪潮下，數據產生速度前所未有地加快。人類達成共識開始系統性地對數據進行挖掘。這是大數據的初心。數據積累的同時，數據挖掘需要的計算理論、實時的數據收集和流通通道、數據挖掘過程需要使用的軟硬體環境都在成熟。
概念、模式、理論很重要，但在最具實干精神的互聯網領域，行動才是最好的答案。國內互聯網三巨頭BAT坐擁數據金礦，已陸續踏上了大數據掘金之路。
BAT都是大礦主，但礦山性質不同
數據如同蘊藏能量的煤礦。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。
網路擁有兩種類型的大數據：用戶搜索表徵的需求數據;爬蟲和阿拉丁獲取的公共web數據。
阿里巴巴擁有交易數據和信用數據。這兩種數據更容易變現，挖掘出商業價值。除此之外阿里巴巴還通過投資等方式掌握了部分社交數據、移動數據。如微博和高德。
騰訊擁有用戶關系數據和基於此產生的社交數據。這些數據可以分析人們的生活和行為,從裡面挖掘出政治、社會、文化、商業、健康等領域的信息，甚至預測未來。
下面，就將三家公司的情況一一掃描與分析。
一、網路：含著數據出生且擁有挖掘技術，研究和實用結合
搜索巨頭網路圍繞數據而生。它對網頁數據的爬取、網頁內容的組織和解析，通過語義分析對搜索需求的精準理解進而從海量數據中找准結果，以及精準的搜索引擎關鍵字廣告，實質上就是一個數據的獲取、組織、分析和挖掘的過程。
除了網頁外，網路還通過阿拉丁計劃吸收第三方數據，通過業務手段與葯監局等部門合作拿到封閉的數據。但是，盡管網路擁有核心技術和數據礦山，卻還沒有發揮出最大潛力。網路指數、網路統計等產品算是對數據挖掘的一些初級應用，與Google相比，網路在社交數據、實時數據的收集和由數據流通到數據挖掘轉換上有很大潛力，還有很多事情要做。
2月底在北京出差時，寫了一篇《搜索引擎的大數據時代》發在虎嗅。創造了零回復的記錄。盡管如此，仍然沒有打消我對搜索引擎在大數據時代深層次變革的思考。 搜索引擎在大數據時代面臨的挑戰有：更多的暗網數據;更多的WEB化但是沒有結構化的數據;更多的WEB化、結構化但是封閉的數據。這幾個挑戰使得數據正在遠離傳統搜索引擎。不過，搜索引擎在大數據上畢竟具備技術沉澱以及優勢。
接下來，網路會向企業提供更多的數據和數據服務。前期網路與寶潔、平安等公司合作，為其提供消費者行為分析和挖掘服務，通過數據結論指導企業推出產品，是一種典型的基於大數據的C2B模式。與此類似的還有Netflix的《紙牌屋》美劇，該劇的男主角凱文·史派西和導演大衛·芬奇都是通過對網路數據挖掘之後，根據受歡迎情況選中的。
網路還會利用大數據完成移動互聯網進化。核心攻關技術便是深度學習。基於大數據的機器學習將改善多媒體搜索效果和智能搜索，如語音搜索、視覺搜索和自然語言搜索。這將催生移動互聯網的革命性產品的出現。盡管網路已經出發，其在大數據上可做的事情還有很多。
在數據收集方面，網路需要聚合更多高價值的交易、社交和實時數據。例如加強自己貼吧知道的社交能力、盡快讓地圖服務與O2O結合進而掌握交易數據，以及推進移動App、穿戴式設備等數據收集系統。
在數據處理技術上，網路成立深度學習研究院加強自己在人工智慧領域的探索，在多媒體和中文自然語言處理領域已經有一些進展;雲存儲、雲計算的基礎設施建設也在逐步完善。但深度學習仍然是一個巨大的挑戰，網路等探索者還有很多待解問題，如：無監督式學習、立體圖像識別。
在數據變現方面，網路需將數據挖掘能力、數據內容聚合和提取等形成標准化的服務和產品，進而開拓大數據領域的企業和開發者市場。而不僅僅是頗為個性化、定製化地為大型企業提供解決。
網路的優勢體現在海量的數據、沉澱十多年的用戶行為數據、自然語言處理能力和深度學習領域的前沿研究。在技術人才方面網路是聚集國內最多大數據相關領域頂尖人才的公司。聽說網路前段時間花五千萬挖了數據挖掘、自然語言處理、深度學習領域的十來位大牛，包括一些學者和教授。例如Facebook科學家徐偉。
在挖人上，捨得花錢不夠，還得用心。對於真正的大牛來說，錢只是一個影響因素。能否實現自己的夢想，公司的資源能否幫助自己的研究至關重要。徐偉在回國前就曾問過其他從矽谷回國工程師的意見，得到答案是積極的，最終促成他作出決定。
總體來看，網路擁有大數據也具備大數據挖掘的能力，並且正在進行積極地准備和探索。在加強面向未來的研究和人才布局的同時，也注重實用性的技術產出。
二、騰訊：數據為產品所用，自產自銷
微創新提出者金錯刀有個關於騰訊的故事。 1999年騰訊公司剛剛成立不久，天使投資人劉曉松決定向其注資的一個主要原因就是因為他發現，「當時雖然他們的公司還很小,但已經有用戶運營的理念,後台對於用戶的每一個動作都有記錄和分析。」而另一個投資人卻因為馬化騰在公司很小時就花錢在數據上表示不滿。此後騰訊的產品生產及運營、騰訊游戲的崛起都離不開對數據的重視。
騰訊擁有社交大數據，在企鵝帝國完成數據的製造、流通、消費和挖掘。 騰訊大數據目前釋放價值更多是改進產品。據騰訊Q1財報，增值服務占總收入的78.7%;電子商務業務佔14.1%;網路廣告收入佔6.3%。從廣告收入比例可以看出騰訊的大數據在精準營銷領域暫時還未大量釋放出價值。與其產品線對應的GMAIL、Google+的Google以及社交巨頭Facebook則通過廣告賺得盆滿缽滿。
在筆者看來，騰訊的思路主要是補齊產品，注重QZONE、微信、電商等產品的後端數據打通。例如最近騰訊微博利用「大數據技術」實現好友關系自動分組、低質量信息自動過濾、優質信息分類閱讀等智能化功能。明顯的用數據改進產品的思路。 那麼如果騰訊要深入大數據挖掘缺少什麼呢?筆者認為其只需馬化騰「摁下啟動按鈕」。數據已經准備好了，就差模式，也就是找到需求或者能更深層次驅動大數據利用的產品，而不是用大數據改進自己的產品。騰訊還在觀望，等其他人去試錯驗證出一套模式或者產品後，自己可以「站在巨人肩上」。這是騰訊的典型思維。
在人才方面，騰訊很早便開始重金挖人。尤其是2010年在Google宣布退出中國後，Google圖片搜索創始人朱會燦、Google中國工程研究院副院長顏偉鵬、Google中日韓文搜索演算法的主要設計者，《浪潮之巔》及《數學之美》作者吳軍相繼加入騰訊。搜搜花了很多錢，但被認定為一款無法承載騰訊重託的產品，最後這些大牛都走了。大都回Google了。
騰訊在大數據領域也缺少技術帶頭人。其對公關也不重視。技術大牛很少出來做報告，更不會向網路、阿里那樣主動包裝宣傳技術大牛。其技術雖然低調，但執行力很強。據騰訊的程序員朋友說封閉開發、集體加班是常有的事情。但配套的重金激勵也能跟上。重金之下必有勇夫、騰訊用制度保障技術產出。另外騰訊在高校合作領先一步，在2010年便與清華大學合作成立了清華騰訊聯合實驗室。這么看騰訊的技術人才這塊似乎有短板。會不會到時候馬化騰按下啟動按鈕，發現沒數據挖掘能力呢?不會，騰訊搞不定數據挖掘，到時候依然可以挖到大牛，甚至讀論文來搞定這事兒。數據挖掘已較為成熟。數據挖掘實際是資料庫、統計學、機器學習三個領域的融合。在學術界已經發展多年。不過自然語言識別和深度學習等方面要趕上網路，就難了。除非將網路的數據和眾大牛一起倒騰過來。
總體來看，騰訊目前的大數據策略是先將產品補全，產品後台數據打通，形成穩定生態圈。本階段先利用大數據挖掘改進自己的產品。後期有成熟的模式合適的產品，則利用自家的社交及關系數據時，開展對大數據的進一步挖掘。
三、阿里巴巴：坐擁金數據，嘗試做面向未來的數據集市
阿里巴巴B2B出身，在外貿蓬勃的大環境下，依靠服務中小企業發家。淘寶、支付寶等toC的產品出生前，阿里並不依賴也不擅長技術。業界普遍認為阿里沒有技術基因。直到淘寶、支付寶以及天貓三個產品後，對海量用戶大並發量交易、海量貨架數據的管理、安全性等方面的嚴苛要求，阿里完成進化，在電商技術上取得不菲的成績。在一段時期阿里仍然浪費了手裡掌握的大量數據。這些數據還是「最值錢」的金數據。
數據挖掘無非是從原始數據提取價值。阿里現有的數據產品例如數據魔方、量詞統計、推薦系統、排行榜以及時光倒流相對來說是比較簡單的BI(商業智能)，沒到大數據的階段。「大數據」浪潮襲來，阿里提出「數據、金融和平台」戰略。前所未有地重視起對數據的收集、挖掘和共享。馬雲在「退居」前動不動都對外提「數據」。有位阿里朋友甚至開玩笑說，馬雲英文名可以從Jack Ma改為Data Ma。阿里現CEO陸兆禧曾做過CDO，首席數據官。為了用數據來驅動阿里電商帝國，阿里還成立了橫跨各大事業部的「數據委員會」。
阿里的各項投資案也顯示其整合、利用和完善數據的野心：新浪微博的社交及媒體數據、高德的地圖數據和線下數據以及友盟的移動應用數據，都是其數據及平台戰略的一部分。數據戰略正在首席人工智慧官(CBO)車品覺領頭下逐步落地，王堅的雲為其提供基礎設施、基礎技術支撐。
就在馬雲退休之後，王堅對外透露其跟馬雲開玩笑說的一句話：阿里巴巴對數據的理解深度，不會超過蘇寧對電子商務的理解。估計馬雲不一定認同他這話。馬雲對大數據已經有著自己的理解和考量。馬雲曾經說過其對大數據的思考。大致意思是：現在從信息時代進入數據時代了。區別是信息時代更多的是精英玩的游戲。我比別人聰明，我能提取出信息出來;數據時代，別人比我聰明，將數據開放給更聰明的人處理，數據即資產，分析即服務。
計算機發展的過程是從象牙塔、到平民到草根。大數據也是這樣，一開始在象牙塔階段，少數精英公司才能玩;但到後面只要有數據就有價值。數據也有所有權，產生數據、流通數據、挖掘數據的都會獲得相應的價值。而阿里擅長的便是「建立市場」，建立一個數據交易市場。屆時任何個人和企業都可以將數據和挖掘服務拿上去，交易。初期阿里會將自己珍藏的電商和信用數據逐步放到上面。 有數據的人，拿上去賣，或者讓別人分析，分析即服務。沒有數據的人，即可以去買，也可以去幫別人挖掘，做礦工。
阿里並不是技術驅動，而是業務驅動的。因此在技術層面我們看到，基於前面提到的阿里大數據思路，其技術重心主要在系統層面。阿里擁有LVS(Linux Virtual Server，Linux虛擬伺服器)開源軟體創始人章文嵩，Linux Kernal、文件系統、大牛DBA等領域的大牛。從人才布局可以看到阿里擅長的技術領域，體現在對於並發訪問、電信級別的電商業務的支撐方面的得心應手。在去年雙十一期間，支撐了單日過億的訂單量。鐵道部奇葩網12306在日均40萬時已經不行了。
總體來看，阿里更多是在搭建數據的流通、收集和分享的底層架構。自己並不擅長似乎也不會著重來做數據挖掘的活兒。而是將自己擅長的「交易」生意擴展到數據。讓天下沒有難做的「數據生意」。
總結一下
移動互聯網浪潮下，現實世界正在加速數字化，每個人，每個物體、每件事情、每一個時間節點，都在向網上映射。空間和時間兩個維度的聯網，使得數字世界正在接近一步步模擬現實世界。歷史、現在和未來都會映射到網上。對大數據的挖掘正是對世界的二次發現和感知。BAT三巨頭已經出發。

Ⅶ 大數據 和 數據挖掘 的區別

大數據概念：大數據是近兩年提出來的，有三個重要的特徵：數據量大，結構復雜，數據更新速度很快。由於Web技術的發展，web用戶產生的數據自動保存、感測器也在不斷收集數據，以及移動互聯網的發展，數據自動收集、存儲的速度在加快，全世界的數據量在不斷膨脹，數據的存儲和計算超出了單個計算機(小型機和大型機)的能力，這給數據挖掘技術的實施提出了挑戰（一般而言，數據挖掘的實施基於一台小型機或大型機，也可以進行並行計算）。

數據挖掘概念: 數據挖掘基於資料庫理論，機器學習，人工智慧，現代統計學的迅速發展的交叉學科，在很多領域中都有應用。涉及到很多的演算法，源於機器學習的神經網路，決策樹，也有基於統計學習理論的支持向量機，分類回歸樹，和關聯分析的諸多演算法。數據挖掘的定義是從海量數據中找到有意義的模式或知識。

大數據需要映射為小的單元進行計算，再對所有的結果進行整合，就是所謂的map-rece演算法框架。在單個計算機上進行的計算仍然需要採用一些數據挖掘技術，區別是原先的一些數據挖掘技術不一定能方便地嵌入到 map-rece 框架中，有些演算法需要調整。

大數據和數據挖掘的相似處或者關聯在於： 數據挖掘的未來不再是針對少量或是樣本化，隨機化的精準數據，而是海量，混雜的大數據，數據分析是指用適當的統計分析方法對收集來的大量數據進行分析，提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。這一過程也是質量管理體系的支持過程。在實用中，數據分析可幫助人們作出判斷。

拓展資料：

大數據（big data），指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》 中大數據指不用隨機分析法（抽樣調查）這樣捷徑，而採用所有數據進行分析處理。大數據的5V特點（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。