代表性大數據

① 大數據技術的應用

大數據的應用是以大數據技術為基礎，對各行各業或生產生活方面提供決策參考。

大數據應用的典型有：電商領悟、傳媒領領域、金融領域、交通領域、電信領域、安防領域、醫療領域等。

同時大數據的應用是把雙刃劍，一方面可以為我們帶來便利，另一方面也會造成個人隱私泄露的問題。

② 大數據時代有哪些代表性產品

大數據時代有哪些代表性產品
現在大數據風靡全球，那真正使用大數據技術的地方且比較有代表性的產品有那些你都了解嗎?小編帶你走進大數據的智能時代。
雲存儲：中國比較好的有網路雲，國外比較好的有AWS等。正是因為有這些產品的出現，數據在雲端的概念才終於變成現實了，大家都不用踹著U盤到處跑了。
內容推薦：最具代表性的有今日頭條，它正是運用了大數據技術來找到你喜歡的內容並且推薦給你。自從這個產品出現以後已經有很多人拋棄以前的新聞閱讀方式。它讓網易新聞、新浪新聞、騰訊新聞等產品上了不少火。現在大家都開始紛紛的學習它。
物品推薦：電影網站、音樂網站、電商網站這些網站都會把根據你的瀏覽行為進行分析，根據你的興趣推薦給你相應的物品，比如愛奇藝、QQ音樂、京東等。
廣告計算：應用比較好的有網路、谷歌、淘寶、騰訊，他們要根據廣告主的價格和廣告的效果計算廣告的排序，好在流量中達到最好的變現效果，這時數據的處理速度與數據的量級直接影響了他們的收入。
金融：銀行正使用大數據分析用戶的消費行為、購買能力以及還款能力，用來降低提供給用戶的貸款風險，減少環帳率。
信用：支付寶的芝麻信用加入了更多的維度，比如你的人際關系、學歷、車等等元素來評估你的信用值，給信用值高的人提供更好的服務，比如信用度高住酒店就不用交押金。
數據分析：這個具有代表性的產品不多，但確是大數據應用非常主要的場景，一般都是公司內部定製性的，所以一般不公開，但確實各種公司都在用，比如網站的流量分析、相關產品的用戶特性分析、微博的語義分析。可以根據這些分析為自己的業務或者產品發展方向提供決策依據。
智慧城市：這個現在比較有代表性的功能就是可以根據人流控制路燈的亮度，可以達到省電的效果。通過車流控制紅綠燈的變化，減少道路擁堵。正是有了大數據處理技術的應用才使以上這些方面有了更好的發展，如果沒有大數據處理技術的出現那可能就會因為數據太多處理不過來或者根本就無法處理。那自然就會導致一些業務的發展落後或者根本無法進行的。當然未來大數據的應用場景將會越來越多，比如物聯網、人工智慧等等。前景十分看好。

③ 大數據指數目前有哪些典型應用

博時基金指慧家就是一個典型的大數據指數應用產品，綜合大數據因子、財務價值版因子、市場驅動因權子，精選出最具投資價值的個股組合編製成指數。

「指慧家」的大數據指數覆蓋面非常廣，覆蓋衣、食、住、行、娛、醫等全市場行業，涵蓋互聯網電商、線下消費、社交金融、房地產交易等領域。博時基金優選合作夥伴，螞蟻金服、銀聯、雪球、搜房網等都是各自領域中的龍頭企業，擁有具有行業代表性的大數據。

④ 有哪些大數據分析案例

如下：

1. 大數據應用案例之：醫療行業

1）Seton Healthcare是採用IBM最新沃森技術醫療保健內容分析預測的首個客戶。該技術允許企業找到大量病人相關的臨床醫療信息，通過大數據處理，更好地分析病人的信息。

在加拿大多倫多的一家醫院，針對早產嬰兒，每秒鍾有超過3000次的數據讀取。通過這些數據分析，醫院能夠提前知道哪些早產兒出現問題並且有針對性地採取措施，避免早產嬰兒夭折。

它讓更多的創業者更方便地開發產品，比如通過社交網路來收集數據的健康類App。也許未來數年後，它們搜集的數據能讓醫生給你的診斷變得更為精確，比方說不是通用的成人每日三次一次一片，而是檢測到你的血液中葯劑已經代謝完成會自動提醒你再次服葯。

2）大數據配合喬布斯癌症治療

喬布斯是世界上第一個對自身所有DNA和腫瘤DNA進行排序的人。為此，他支付了高達幾十萬美元的費用。他得到的不是樣本，而是包括整個基因的數據文檔。醫生按照所有基因按需下葯，最終這種方式幫助喬布斯延長了好幾年的生命。

2. 大數據應用案例之：能源行業

1）智能電網現在歐洲已經做到了終端，也就是所謂的智能電表。在德國，為了鼓勵利用太陽能，會在家庭安裝太陽能，除了賣電給你，當你的太陽能有多餘電的時候還可以買回來。

通過電網收集每隔五分鍾或十分鍾收集一次數據，收集來的這些數據可以用來預測客戶的用電習慣等，從而推斷出在未來2~3個月時間里，整個電網大概需要多少電。有了這個預測後，就可以向發電或者供電企業購買一定數量的電。

因為電有點像期貨一樣，如果提前買就會比較便宜，買現貨就比較貴。通過這個預測後，可以降低采購成本。

2）丹麥的維斯塔斯風能系統(Vestas Wind Systems)運用大數據，系統依靠的是BigInsights軟體和IBM超級計算機，分析出應該在哪裡設置渦輪發電機，事實上這是風能領域的重大挑戰。在一個風電場20多年的運營過程中，准確的定位能幫助工廠實現能源產出的最大化。

為了鎖定最理想的位置，Vestas分析了來自各方面的信息：風力和天氣數據、湍流度、地形圖、公司遍及全球的2.5萬多個受控渦輪機組發回的感測器數據。這樣一套信息處理體系賦予了公司獨特的競爭優勢，幫助其客戶實現投資回報的最大化。

3. 大數據應用案例之：通信行業—通過大數據分析挽回核心客戶

法國電信-Orange集團旗下的波蘭電信公司Telekomunikacja Polska是波蘭最大的語音和寬頻固網供應商，希望有效的途徑來准確預測並解決客戶流失問題。

他們決定進行客戶細分，方法是構建一張「社交圖譜」- 分析客戶數百萬個電話的數據記錄，特別關注 「誰給誰打了電話」以及「打電話的頻率」兩個方面。「社交圖譜」把公司用戶分成幾大類，如：「聯網型」、「橋梁型」、「領導型」以及「跟隨型」。

這樣的關系數據有助電信服務供應商深入洞悉一系列問題，如：哪些人會對可能「棄用」公司服務的客戶產生較大的影響?挽留最有價值客戶的難度有多大?運用這一方法，公司客戶流失預測模型的准確率提升了47%。

4、大數據應用案例之：零售業—大數據幫零售企業制定促銷策略

北美零售商百思買在北美的銷售活動非常活躍，產品總數達到3萬多種，產品的價格也隨地區和市場條件而異。由於產品種類繁多，成本變化比較頻繁，一年之中，變化可達四次之多。

結果，每年的調價次數高達12萬次。最讓高管頭疼的是定價促銷策略。公司組成了一個11人的團隊，希望透過分析消費者的購買記錄和相關信息，提高定價的准確度和響應速度。

定價團隊的分析圍繞著三個關鍵維度：

1）數量：團隊需要分析海量信息。他們收集了上千萬的消費者的購買記錄，從客戶不同維度分析，了解客戶對每種產品種類的最高接受能力，從而為產品定出最佳價位。

2）多樣性：團隊除了分析了購買記錄這種結構化的數據外，他們也利用社交媒體發帖這種新型的非結構化數據。由於消費者需要在零售商專頁上點贊或留言以獲得優惠券，團隊利用情感分析公式來分析專頁上消費者的情緒，從而判斷他們對於公司的促銷活動是否滿意，並微調促銷策略。

3）速度：為了實現價值最大化，團隊對數據進行實時或近似實時的處理。他們成功地根據一個消費者既往的麥片購買記錄，為身處超市麥片專櫃的他/她即時發送優惠券，為客戶帶來便利性和驚喜。

透過這一系列的活動，團隊提高了定價的准確度和響應速度，為零售商新增銷售額和利潤數千萬美元。

5、大數據應用案例之：網路營銷行業（SEM）

很多企業在做SEM的過程中，都有這樣的感觸：每年都會花費大量的預算在SEM推廣中，但是因為關鍵詞投入產出無法可視化，常常花了很多錢卻不見具體的回報。

在競爭如此激烈的SEM市場中，企業需要一個高效的數據分析工具來盡可能地幫企業優化SEM推廣，例如BDP，來幫企業節省不必要的支出，提升整體的經營績效。

企業可藉助數據平台提供的網路營銷整合解決方案，打通各個搜索引擎營銷（SEM）、在線客服系統和CRM系統，營銷競價人員無需掌握復雜的編程技術，簡單拖拽即可生成報表，觀察每一個關鍵詞的投入和產出，分析每一個頁面的轉化，有效降低投放成本。

通過BDP實況分析數據，可以快速洞悉對手關鍵詞的投放時段、地域及排名，並對其進行可視化的分析，實時監控自己和競爭對手的投放情況，了解對手的投放策略，支持自定義設置數據更新的時間點、監控頻次和時段，及時調整策略。知已知彼，才能百戰不殆。

6、大數據應用案例之：電商行業

意料之外：胸部最大的是新疆妹子。曾經淘寶平台顯示，中國女性購買最多的文胸尺碼為B罩杯。B罩杯佔比達41.45%，其中又以75B的銷量最好，其次是A罩杯，購買佔比達25.26%，C罩杯只有8.96%。

雖然淘寶數據平台不能代表一切，但是結合現實來看，這個也具有普遍的代表性，只能感慨中國女性普遍size。在文胸顏色中，黑色最為暢銷，黑色絕對是百搭，每個女性必備。

從省市排名，胸部最大的是新疆妹子。這些數據都對於文胸店鋪而言是很好的參考，為店鋪的庫存、定價、款式選擇等策略都有奠定數據基礎。

7、大數據應用案例之：娛樂行業

微軟大數據成功預測奧斯卡21項大獎。2013年，微軟紐約研究院的經濟學家大衛•羅斯柴爾德（David Rothschild）利用大數據成功預測24個奧斯卡獎項中的19個，成為人們津津樂道的話題。

今年羅斯柴爾德再接再厲，成功預測第86屆奧斯卡金像獎頒獎典禮24個獎項中的21個，繼續向人們展示現代科技的神奇魔力。

總的來說，大數據的終極目標並不僅僅是改變競爭環境，而是徹底扭轉整個競爭環境，帶來新機遇，企業需要應勢而變。企業只有認識到這一點，使用合適的數據分析產品、聰明地使用和管理數據，才能在長期競爭中成為終極贏家。

⑤ 國內主要大數據公司有哪些

「大數據」近幾年來可謂蓬勃發展，它不僅是企業趨勢，也是一個改變內了人類生活的容技術創新。大數據對行業用戶的重要性也日益突出。掌握數據資產，進行智能化決策，已成為企業脫穎而出的關鍵。因此，越來越多的企業開始重視大數據戰略布局，並重新定義自己的核心競爭力。
國內做大數據的公司依舊分為兩類：一類是現在已經有獲取大數據能力的公司，如網路、騰訊、阿里巴巴等互聯網巨頭以及華為、浪潮、中興等國內領軍企業，做大數據致店一叭柒叄耳領一泗貳五零，涵蓋了數據採集，數據存儲，數據分析，數據可視化以及數據安全等領域;另一類則是初創的大數據公司，他們依賴於大數據工具，針對市場需求，為市場帶來創新方案並推動技術發展。其中大部分的大數據應用還是需要第三方公司提供服務。
越來越多的應用涉及到大數據，這些大數據的屬性，包括數量，速度，多樣性等等都是呈現了大數據不斷增長的復雜性，所以，大數據的分析方法在大數據領域就顯得尤為重要，可以說是決定最終信息是否有價值的決定性因素。

⑥ 《大數據時代》01 什麼是大數據

今天我們第一本解讀的是《大數據時代》這本書。

大數據是這幾年特別火的一個詞，那究竟什麼是大數據呢？

字面意思可以理解為大數據就是數量巨大的數據，而這些巨大的數據再結合雲計算、人工智慧、物聯網等技術會對於我們的生活、工作都會帶來翻天覆地的影響。

芝加哥大學商學院教授、麥肯錫公司創始人，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。」

而我們今天所講的這本《大數據時代》是國外大數據研究的先河之作，本書作者舍恩伯格被譽為「大數據商業應用第一人」。舍恩伯格在書中前瞻性地指出，大數據帶來的信息風暴正在變革我們的生活、工作和思維，大數據開啟了一次重大的時代轉型，並用三個部分講述了大數據時代的思維變革、商業變革和管理變革。對於身處於大數據時代額我們可謂是會產生異常極大的思維方式的變革。

舍恩伯格最具洞見之處在於，他明確指出，大數據時代最大的轉變就是，放棄對因果關系的渴求，而取而代之關注相關關系。也就是說只要知道「是什麼」，而不需要知道「為什麼」。這就顛覆了千百年來人類的思維慣例，對人類的認知和與世界交流的方式提出了全新的挑戰。

下面我們就進入到《大數據時代》這本書中去吧。

首先來看第一個話題大數據的思維變革

大數據與三個重大的思維變革有關，而這三個轉變是相互作用的。

一.不是隨機樣本，而是全體數據

解釋一下就是分析事物相關的所有數據，而不是僅僅依靠分析少量的數據樣本。

二是不是精確性，而是混雜性

就是要接受數據的紛繁復雜，而不再追求准確性。

三是不是因果關系，而是相關關系

即不再追求難以摸索的因果關系，轉而關注事物的相關關系。

這三個在大數據時代思維變革的轉變我們會在接下來節目中一一講解。

今天我們這一節先講解：不是隨機樣本，而是全體樣本，這一思維的變革。

小數據時代的隨機抽樣

為什麼這么說呢？在我們過去技術並不發達的時候，只能用少量數據來進行隨機采樣是最高效的方式，即利用最少的數據來獲取更多的信息。

在19世紀時美國的人口普查中，因為數據的變化超過了當時的人口普查統計分析能力，有人提出到數據無比龐大時可以進行有目的的選擇，具有選出代表性的樣本是最恰當的方式，這就是隨機抽樣。並且還非常有見解的提出：采樣分析的精確性是隨著采樣隨機性的增加而大幅的提高與樣本的數量增加關系並不大，也就是說，隨機采樣樣本的隨機性比數量的多少更為重要。

而在當時，政府確實也採用了隨機調查的方式來對於經濟和人口進行了200多次小規模的調查，除此之外，在商業領域也會採用隨機調查的方式來抽取部分商品來檢查商品的質量安全。

隨機抽樣取得了巨大的成功，成為了現代社會，現代測量領域的主心骨，但這只是一條捷徑，是不可能收集和分析全部數據情況下的選擇，他本身就有很多的缺陷。

隨機抽樣的缺陷

第一，它的成功依賴於采樣的絕對隨機性，但在實現中絕對的隨機性是非常困難，一旦分析過程中存在任何「偏見」，分析結果就會相去甚遠。

第二，隨機采樣不適宜用於考察此類別的情況，也就是說隨機抽樣，一旦繼續細分錯誤率會大大增加，比如說你想調查大學生玩手機的情況，您採取的調查結果可能會有3%的誤差，但如果又把這個調查結果根據性別地域、收入來進行細分，那結果就會變得更為不準確。

因此當人們想要了解更深層次的細分領域的情況，採用隨機采樣的方法顯然是不可取的，在宏觀領域起作用的方法，在微觀領域上失去了作用，隨機采樣就像是模擬照片，列印再遠看會是非常不錯，但是一旦聚焦在某個點，就會變得模糊不清。

全部數據的采樣方式

現在我們正在步入了大數據時代，我們需要一中新的數據採集模式----全數據模式，即樣本等於總體。

我們這個時代收集數據，並不像過去那樣困難，手機導航、社交網站、微博、微信這些隨時隨地或主動或被動的收集你所產生的信息，並且通過計算機就可以輕而易舉地完成數據處理。

採取全部數據的采樣方式，可以不用考慮隨機抽樣所考慮的隨機性，並且在細分領域也會發揮極大的作用，一個很好的例子，就是日本國民體育運動相撲之中所產生的非法操控比賽結果。

相撲比賽和其他比賽有所不同的就是選手需要在15場比賽之中的大部分場次獲得勝利，才能保持排名和收入。這樣一來就會出現收益不對稱的情況，比如說一個7勝7負的選手，遇到一個8勝6負的選手，比賽結果對於第一個選手會比對第二個選手更為重要。列維特和達根發現在這種情況下，需要贏的那個選手，最可能會贏，這是為什麼呢？有沒有可能是選手的求勝心呢？當然有可能，但並不是完全！有數據顯示需要贏的選手，求勝心，也只能把勝率增加25%。並且對於數據進一步分析發現，選手如果幫助上一次失利的一方的話，當他們再次相遇時，對方會回報回來。

這種情況在相撲界是顯而易見的，但若是隨機抽樣就無法發現這個情況。而大數據通過分析所有比賽，用極大的數據來捕捉到這個情況。

還有關於大數據應用的例子是：2009年，谷歌公司將5000萬條美國最頻繁的檢索詞條和美國疾控中心在2003年至2008年季節性流感傳播實際數據進行比較，成功預測了甲型H1N1流感的出現。

現在2021年，利用大數據來預測新冠肺炎的發展情況，已經成為我們日常新聞報道的一部分了。

在大數據時代的到來，讓我們可以利用技術，從不同角度更細致的觀察和研究數據的方方面面，使我們的調查更為精準。

回顧一下我們這一節所講的過去的調查是採用小部分的數據來進行抽樣調查，這一方法有顯著的缺點

首先是抽樣分析依賴於采樣的隨機性，而一旦數據出現」偏見「，結果便會大相徑庭

第二抽樣分析也只適用於宏觀分析，對於更加微觀的調查結果並不理想。

如今的技術環境已經有了很大的改善,在大數據時代進行抽樣分析就是在汽車時代騎馬一樣，我們要分析與事物相關的而所有數據，而不僅僅是少量的數據。

以上就是我們本期全部內容，下一期我會講到大數據時代下思維變革的後兩個思維變革。

我的節目首發平台是公眾號「悅讀深入思考」關注還有更多內容

⑦ 大數據產品有哪些

問題一：目前大數據產品有哪些？ 大數據產品的分類在狹義的范疇里，從使用用戶來看，可以是企業內部用戶，外部企業客戶，外部個人客戶等。從產品發展形態來看，從最初的報表型（如靜態報表、DashBoard、即席查詢），到多維分析型（OLAP等工具型數據產品），到定製服務型數據產品，再到智能型數據產品等。
普通報表型數據產品過於蒼白、可視化能力有限，而多維分析型數據產品更適合於專業的數據分析師而不是業務或運營人員，使用局限性也越來越大，所為未來的趨勢可能是定製服務式和智能式的數據產品。舉個例子，像企業級的大數據產品商業智能正是此趨勢下的衍生品，發展數年，像國外的SAP，IBM，Oracle廠商，國內的FineBI等都是代表。

問題二：國內真正的大數據分析產品有哪些 大數據產品是有很多的，例如微信的大數據平台，DD打車的平台。
基於數據挖掘技術的輿情監測系統為另外一個十分重要的產品。
很多 *** ，企業會採用。它的作用，簡單來說，就是發現負面信息，收集情報，有價值信息。
實施後好處: 1. 可實時監測微博，論壇，博客，新聞，搜索引擎中相關信息2. 可對重點QQ群的聊天內容進行監測3. 可對重點首頁進行定時截屏監測及特別頁面證據保存4. 對於新聞頁面可以找出其所有轉載頁面5. 系統可自動對信息進行分類6. 系統可追蹤某個專題或某個作者的所有相關信息 7. 監測人員可對信息進行挑選，再分類8. 監測人員可以基於自己的工作結果輕松導出製作含有圖表的輿情日報周報

問題三：國內真正的大數據分析產品有哪些 國內的大數據公司還是做前端可視化展現的偏多，BAT算是真正做了大數據的，行業有硬性需求，別的行業跟不上也沒辦法，需求決定市場。
說說更通用的數據分析吧。
大數據分析也屬於數據分析的一塊，在實際應用中可以把數據分析工具分成兩個維度：
第一維度：數據存儲層――數據報表層――數據分析層――數據展現層
第二維度：用戶級――部門級――企業級――BI級
1、數據存儲層
數據存儲設計到資料庫的概念和資料庫語言，這方面不一定要深鑽研，但至少要理解數據的存儲方式，數據的基本結構和數據類型。SQL查詢語言必不可少，精通最好。可從常用的selece查詢，update修改，delete刪除，insert插入的基本結構和讀取入手。
Access2003、Access07等，這是最基本的個人資料庫，經常用於個人或部分基本的數據存儲；MySQL資料庫，這個對於部門級或者互聯網的資料庫應用是必要的，這個時候關鍵掌握資料庫的庫結構和SQL語言的數據查詢能力。
SQL Server2005或更高版本，對中小企業，一些大型企業也可以採用SQL Server資料庫，其實這個時候本身除了數據存儲，也包括了數據報表和數據分析了，甚至數據挖掘工具都在其中了。
DB2，Oracle資料庫都是大型資料庫了，主要是企業級，特別是大型企業或者對數據海量存儲需求的就是必須的了，一般大型資料庫公司都提供非常好的數據整合應用平台。
BI級別，實際上這個不是資料庫，而是建立在前面資料庫基礎上的，企業級應用的數據倉庫。Data Warehouse，建立在DW機上的數據存儲基本上都是商業智能平台，整合了各種數據分析，報表、分析和展現！BI級別的數據倉庫結合BI產品也是近幾年的大趨勢。
2、報表層
企業存儲了數據需要讀取，需要展現，報表工具是最普遍應用的工具，尤其是在國內。傳統報表解決的是展現問題，目前國內的帆軟報表FineReport已經算在業內做到頂尖，是帶著數據分析思想的報表，因其優異的介面開放功能、填報、表單功能，能夠做到打通數據的進出，涵蓋了早期商業智能的功能。
Tableau、FineBI之類，可分在報表層也可分為數據展現層。FineBI和Tableau同屬於近年來非常棒的軟體，可作為可視化數據分析軟體，我常用FineBI從資料庫中取數進行報表和可視化分析。相對而言，可視化Tableau更優，但FineBI又有另一種身份――商業智能，所以在大數據處理方面的能力更勝一籌。
3、數據分析層
這個層其實有很多分析工具，當然我們最常用的就是Excel，我經常用的就是統計分析和數據挖掘工具；
Excel軟體，首先版本越高越好用這是肯定的；當然對excel來講很多人只是掌握了5%Excel功能，Excel功能非常強大，甚至可以完成所有的統計分析工作！但是我也常說，有能力把Excel玩成統計工具不如專門學會統計軟體；
SPSS軟體：當前版本是18，名字也改成了PASW Statistics；我從3.0開始Dos環境下編程分析，到現在版本的變遷也可以看出SPSS社會科學統計軟體包的變化，從重視醫學、化學等開始越來越重視商業分析，現在已經成為了預測分析軟體；
SAS軟體：SAS相對SPSS其實功能更強大，SAS是平台化的，EM挖掘模塊平台整合，相對來講，SAS比較難學些，但如果掌握了SAS會更有價值，比如離散選擇模型，抽樣問題，正交實驗設計等還是SAS比較好用，另外，SAS的學習材料比較多，也公開，會有收獲的！
JMP分析：SAS的一個分析分支
XLstat：Excel的插件，可以完......>>

問題四：國內真正的大數據分析產品有哪些 目前，大數據分析工具在金融服務、零售、醫療衛生/生命科學、執法、電信、能源與公共事業、數字媒體/精準營銷、交通運輸等行業都有著廣泛的應用。

問題五：目前大數據在哪些行業有案例或者說應用？ 1、體育行業預測
世界盃期間,谷歌、網路、微軟和高盛等公司都推出了比賽結果預測平台。其中,網路在小組賽階段的表現最為亮眼,而進入淘汰賽階段,網路與微軟則以16場比賽15場准確預測的成
績讓人們見識到大數據在預測領域的魅力。從互聯網公司的經驗來看,只要有體育賽事相關的歷史數據,並且與指數公司進行多方合作,就可以在賽事預測領域取得不錯的成績。
2、經濟、金融行業預測
2013年,英國華威商學院和美國波士頓大學物理系的研究發現,用戶通過谷歌搜索的金融關鍵詞或許可以把脈金融市場的走向,相應的投資戰略收益高達326%。而此前,也有專家嘗試
通過Twitter博文情緒來預測股市波動。從預測的原理上來看,穩定發展的美國股市是比較適合大數據預測發揮其作用的。
對國內而言,網路推出的中小企業景氣指數預測,應用網路海量的搜索數據來刻畫我國中小企業運行發展的景氣狀態,以期能夠及時、有效地反映中小企業運行狀況,提高經濟監測的
全面性和及時性。目前該功能已經上線投入應用。
3、市場物價預測
CPI表徵已經發生的物價浮動情況,但統計局數據並不權威。但大數據則可能幫助人們了解未來物價走向,提前預知通貨膨脹或經濟危機。單個商品的價格預測更加容易,尤其是機票
這樣的標准化產品,去哪兒提供的「機票日歷」就是價格預測,可以告知你幾個月後機票的大概價位。商品的生產、渠道成本和大概毛利在充分競爭的市場中是相對穩定的,與價格相
關的變數相對固定,商品的供需關系在電子商務平台可實時監控,因此價格可以預測,基於預測結果可提供購買時間建議,或者指導商家進行動態價格調整和營銷活動以利益最大化。
後面還有用戶行為預測、個人健康預測、交通行為預測等領域都有涉及，你可以自己好好看看，希望對你有幫助。ruanyun/news/ryyc/n152.aspx

問題六：國內大數據公司有哪些？ 大數據包涵很廣泛，涉及到很多方方面面，技術難度也很大，國內能做的公司不太多，我知道的有網路、華為、聯想、浪潮、電科華雲、騰訊、阿里巴巴、中科曙光等。

問題七：國內比較好的大數據 公司有哪些 你好，說的是什麼領域？數據挖掘、數據研發、數據應用方面都有佼佼者。像商業智能領域的話，國內我比較了解的帆軟，一開始做報表軟體，做得很好，有比較深的行業基礎，後來出的FineBI商業智能軟體也延續了FineReport的精華，在行業內比較有代表性，具體的，有官網，可以去了解一下。

問題八：大數據產品主要是用來做什麼的 大數據產品有很多，寬泛來講，大數據產品的作用是對已有數據源中的數據進行收集和存儲，在這基礎上，進行分析和應用，形成我們的產品和服務，而產品和服務也會產生新的數據，這些新數據會循環進入我們的流程中。當這整個循環體系成為一個智能化的體系，通過機器實現自動化就是一種新的模式，不管是商業的，或者是其他。
而大數據能夠實現的應用，可以概括為兩個方向，一是精準化定製，二是預測。
精準化定製可以是一些個性化的產品，精準營銷，比如互聯網推廣。
預測主要是圍繞目標對象，基於它過去、未來的一些相關因素和數據分析，從而提前做出預警，或者是實時動態的優化。可分為決策支持類的，比如典型的商業智能產品FineBI；風險預警類的,主要用於證券、銀行、投資；實時優化類的，比如實時定價。

問題九：國內真正的大數據採集產品有哪些 大數據的應用分為兩類
第一類：基於自身平台的數據採集，現在的三大互聯網巨頭等擁有大量用戶數據，通過自身數據挖掘可以完成。
第二類：基於爬蟲或者類爬蟲技術，幫助企業， *** 採集網路 *** 息，也就是網路信息採集系統，樂趣的「樂」，思維的「思」
其主要應用在於：輿情監測，品牌監測，價格監測，門戶網站新聞採集，行業資訊採集，競爭情報獲取，商業數據整合，市場研究，資料庫營銷等領域。

問題十：大數據分析領域有哪些分析模型 IT監控類或者IT運維流程類的產品工具上線運行一段時間之後，一年會產生十幾萬、甚至幾十萬的海量數據，包括告警數據、工單數據等IT運維大數據，需要從這些海量數據中獲取更有效、更直接、更有價值的分析數據，更快速、有效的提取有意義的決策依據同樣需要工具系統來滿足運維大數據的IT數據挖掘、IT數據鑽取需求。 RIIL Insight目前是國內首款定位於IT管理領域的大數據決策分析系統產品，通過建立多維數據分析模型進行信息提取、統計分析並提出決策依據，是IT運維管理領域的BI。系統通過IT運營管理、IT部門績效管理、可視化項目管理、資產管理、業務關系管理、供應商軟體管理等自定義維度的運行數據進行分析，可快速獲取運維管理各方面的直觀准確數據，診斷分析問題根源，預判數據走勢，洞察全局運維動態。