1. 大數據金融-第一章 大數據金融概論
1.大數據與小數據
2.大數據的內涵
（1） 數據類型方面
（2） 技術方法方面
（3） 分析應用方面
3.大數據的特徵
多樣性：隨著互聯網的發展和感測器種類的增多，諸如網頁、圖片、音頻、視頻、微博類的未加工的半結構化和非結構化數據越來越多，以數量激增、類型繁多的非結構化數據為主。非結構化數據相對於結構化數據而言更加復雜，數據存儲和處理的難度增大。
時效性：大數據的時效性是指在數據量特別大的情況下，能夠在一定的時間和范圍內得到及時處理，這是大數據區別於傳統數據挖掘最顯著的特徵。只有對大數據做到實時創建、實時存儲、實時處理和實時分析，才能及時有效的獲得高價值的信息。
價值型：包含很多深度的價值，大數據分析挖掘和利用將帶來巨大的商業價值。
4.大數據與傳統數據的區別
5.大數據的產生背景
1.按照大數據結構分類
2. 按照大數據獲取處理方式分類
3.按照其他方式分類
1.銷售機會增多
0. 商業大數據的來源
1. 客戶
2. 市場
3. 商品
4. 供應鏈
0. 數據來源
2. 市場與精準營銷
3. 客戶關系管理
4. 企業運營管理
5. 數據商業化
0. 數據來源
2. 付款定價
3. 研發
4. 新的商業模式
5. 公共健康
1. 營銷
2. 服務
3. 運營
4. 風控
大數據金融是指運用 大數據技術和大數據平台 開展 金融活動和金融服務 ，對金融行業 積累的大數據以及外部數據 進行雲計算等信息化處理，結合傳統金融，開展資金融通、創新金融服務。
1. 呈現方式網路化
大量的金融產品和服務通過網路呈現。
2. 風險管理有所調整
風險管理理念 ——財務分析（第一還款來源）、可抵押財產或其他保證（第二還款來源）重要性將有所降低。
風險定價方式 ——更注重將交易行為的真實性、信用的可信度通過數據來呈現。
對客戶的評價 ——全方位、立體的/活生生的。
風險管理的主要手段 ——基於數據挖掘對客戶進行識別和分類。
3. 信息不對稱降低
4. 金融業務效率提高
在合適的時間、合適的地點，把合適的產品以合適的方式提供給合適的消費者。
5. 金融企業服務邊界擴大
由於效率提升，其經營成本必然隨之下降，最適合擴大經營規模。
金融從業人員個體服務對象會更多。
6. 產品是可控的、可受的
通過網路化呈現的金融產品，對消費者而言，其收益或成本、產品的流動性是可以接受的，其風險是可控的。
7. 普惠金融
大數據金融的高效率性及擴展的服務邊界，使金融服務的對象和范圍也大大擴展，金融服務也更接地氣。
1. 放貸快捷，精準營銷個性化服務
立足長期大量的信用及資金流的大數據基礎之上，在任何時點都可以通過計算得出信用評分，並採用網上支付方式，實時根據貸款需要及其信用評分等數據進行放貸。
2. 客戶群體大，運營成本低
大數據金融是以大數據雲計算為基礎，以大數據自動計算為主，不需要大量人工，成本較低，整合了碎片化的需求和供給，服務領域拓展至更多的中小企業和中小客戶。
3. 科學決策，有效風控
根據交易借貸行為的違約率等相關指標估計信用評分，運用分布式計算做出風險評估模型，解決信用分配、風險評估、授權實施以及欺詐識別等問題，有效地降低了不良貸款率。
基於 電商平台基礎 上形成的網上交易信息與網上支付形成的金融大數據，利用雲計算等先進技術對數據進行處理分析而形成的信用或訂單融資模式。
典型代表有 阿里小貸 ，基於對電商平台的 交易數據、社交網路的用戶交易與交互信息和購物行為習慣 等的大數據通過 雲計算 來實時計算得分和分析處理，形成網路商戶在電商平台中的累積信用數據，通過電商所構建的網路信用評級體系和金融風險計算模型及風險控制體系，來實時向網路商戶發放訂單貸款或者信用貸款，例如，阿里小貸可實現數分鍾之內發放貸款。
企業利用自身所處的 產業鏈上下游 （原料商、製造商、分銷商、零售商），充分整合供應鏈資源和客戶資源，提供金融服務而形成的金融模式。
京東商城、蘇寧易購是供應鏈金融的典型代表。
在供應鏈金融模式當中， 電商平台只是作為信息中介提供大數據金融 ，並不承擔融資風險及防範風險等。—— 渠道商為核心企業。
2. 如何用大數據分析金融數據
任何數據分析的前提是首先要理解業務模型，從你的金融數據是怎麼產內生的，包括哪些容指標哪些數據，你的分析是要為什麼業務服務的，也就是你的目的。比如你分析金融數據的目的是要找出最有價值的金融產品，還是最有價值的客戶，還是尋找最有效的成本節約途徑等
在弄清楚你的分析目的，和理解清楚你的業務模式等之後，再考慮你需要採用哪些數據，採用什麼方法來進行分析，這才涉及到如何進行具體的分析過程。
從整個大數據分析來看，前期的業務理解和數據整理大概要耗費一大半的精力和時間，弄清楚前期，後期的分析則會很快。
3. 阿里，騰訊和百度的互聯網大數據應用有何不同
網路、阿里巴巴和騰訊三大互聯網企業都擁有大數據，三大互聯網巨頭的數據都用來優化自己業務的運營效果，從這個層面看，其數據價值應用場景比較類似。但由於其業務和商業模式的不同決定了三者數據資產的不同，也決定了三者未來大數據策略的不同，尤其是基於大數據的開放和合作角度看，網路和阿里巴巴相對更加開放。對於重視大數據開放和合作的互聯網企業，他們最為期待的是借著大數據開放的策略，與更多的傳統行業交換更多的數據，從而更好的豐富其在線下數據，形成線上和線下數據的協同，從中拓展新的商業模式，如智能硬體和大數據健康。
從數據類型看，騰訊數據最為全面，這與其互聯網業務全面相關，其最為突出的是社交數據和游戲數據，其中：社交數據最為核心的是關系鏈數據、用戶間的互動數據、用戶產生的文字、圖片和視頻內容；游戲數據主要包括大型網游數據、網頁游戲數據和手機游戲數據，游戲數據中最為核心的是游戲的活躍行為數據和付費行為數據，騰訊的數據最大的特點是基於社交的各種用戶行為和娛樂數據。阿里最為突出的是電商數據，尤其是用戶在淘寶和天貓上的商品瀏覽、搜索、點擊、收藏和購買等數據，其數據最大特點是從瀏覽到支付形成的用戶漏斗式轉化數據。網路的數據以用戶搜索的關鍵詞、爬蟲抓取的網頁、圖片和視頻數據為主，網路的數據特點是通過搜索關鍵詞更直接反映用戶興趣和需求，網路的數據以非結構化數據更多。
網路、阿里巴巴和騰訊的數據應用場景
網路、阿里巴巴和騰訊的數據應用場景都有共同的體系，該體系一共分為七層，代表了企業不同層面的數據價值應用場景，形成了企業運營的數據價值金字塔：
（1）數據基礎平台層。金字塔的最底層也是整個金字塔的基礎層，如果基礎層搭建不好，上面的應用層也很難在企業運營中發揮效果，這一層的技術目標是實現數據的有效存儲、計算和質量管理；業務目標是把企業的所有用戶（客戶）數據用唯一的ID串起來，包括用戶（客戶）的畫像（如性別、年齡等）、行為以及興趣愛好等，以達到全面的了解用戶（客戶）的目的；
（2）業務運營監控層。這一層首要的是搭建業務運營的關鍵數據體系，在此基礎上通過智能化模型開發出來的數據產品，監控關鍵數據的異動，通過各種分析模型等可以快速定位數據異動的原因，輔助運營決策；
（3）用戶/客戶體驗優化層。這一層主要是通過數據來監控和優化用戶/客戶的體驗問題。這裡面既運用了結構化的數據來監控，也運用非結構化的數據（如文本）來監控體驗的問題。前者更多的是應用各種用戶（客戶）體驗監測的模型或者工具來實現，後者更多的是通過監測微博、論壇和企業內部的客戶反饋系統的文本來發現負面的口碑，以及時的優化產品或服務；
（4）精細化運營和營銷層。這一層主要通過數據驅動業務精細化運營和營銷。主要可以分為四方面：第一，構建基於用戶的數據提取和運營工具，以方便運營和營銷人員通過人群定向把客戶提取出來，從而對客戶進行營銷或運營活動；第二方面，通過數據挖掘的手段提升客戶對活動的響應；第三，通過數據挖掘的手段進行客戶生命周期管理；第四，主要是用個性化推薦演算法基於用戶不同的興趣和需求推薦不同的商品或者產品，以實現推廣資源效率和效果最大化，如淘寶商品的個性化推薦；
（5）數據對外服務和市場傳播層面。數據對外服務一般為服務該互聯網企業的客戶或用戶，如網路通過提供網路輿情、網路代言人、網路指數等服務其廣告主客戶；淘寶通過數據魔方、淘寶情報和在雲端等產品服務其客戶；騰訊通過騰訊分析和騰訊雲分析等服務其開放商客戶。在市場傳播層面，主要通過有趣的數據信息圖譜和數據可視化產品來實現（如淘寶指數、網路指數、網路春節遷徙地圖）。
（6）經營分析層面。主要通過分析師對大數據進行統計，形成經驗分析周報、月報和季度報告等，對用戶經營情況和收入完成等情況進行分析，發現問題，優化經營策略。
（7）戰略分析層面。這方面既要結合內部的大數據形成決策層的數據視圖，也要結合外部數據尤其是各種競爭情報監控數據、國外趨勢研究數據來輔助決策層進行戰略分析。
雖然網路、阿里巴巴和騰訊在企業運營的數據價值的應用體繫上有共同的特點，但由於企業的商業模式以及數據資產不同，他們在整體的大數據發展策略也有顯著的不同。
網路大數據策略
網路大數據最重要的是來源是通過爬蟲搜集的100多個國家的近萬億網頁數據，數據量是在EB級的規模。網路的數據非常多樣化，其收集的數據既有為非結構化的或者半結構化的數據，包括網頁數據、視頻和圖片等數據，也有結構化的數據，如用戶的點擊行為數據，廣告客戶的付費行為數據等。
網路大數據主要服務三類人群：一類是互聯網網民，通過大數據和自然語言處理技術讓網民的搜索更加准確；第二類是廣告主，通過大數據讓廣告主的廣告和搜索關鍵詞的匹配度更高，或者和網民正在看的網頁內容匹配度更高；第三類是，也是在重點推進的網路大數據引擎，重點是服務傳統行業擁有一定規模數據的企業。
網路大數據引擎代表了互聯網企業數據服務能力開放和合作的趨勢，網路大數據引擎由以下三方面構成：
開放雲：網路的大規模分布式計算和超大規模存儲雲，開放雲大數據開放的是基礎設施和硬體能力。過去的網路雲主要面向開發者，大數據引擎的開放雲則是面向有大數據存儲和處理需求的「大開發者」。據網路相關人員稱，網路開放雲還擁有CPU利用率高、彈性高、成本低等特點。網路是全球首家大規模商用ARM伺服器的公司，而ARM架構的特徵是能耗小和存儲密度大，同時網路還是首家將GPU（圖形處理器）應用在機器學習領域的公司，實現了能耗節省的目的。
數據工廠：數據工廠為網路將海量數據組織起來的軟體能力，與資料庫軟體的作用類似，不同的是數據工廠是被用作處理TB級甚至更大的數據。網路數據工廠支持超大規模異構數據查詢，支持SQL-like以及更復雜的查詢語句，支持各種查詢業務場景。同時網路數據工廠還將承載對於TB級別大表的並發查詢和掃描，大查詢、低並發時每秒可達百GB。
網路大腦：網路大腦將網路此前在人工智慧方面的能力開放出來，主要是大規模機器學習能力和深度學習能力。此前它們被應用在語音、圖像、文本識別，以及自然語言和語義理解方面，並通過網路Inside等平台開放給了智能硬體。現在這些能力將被用來對大數據進行智能化的分析、學習、處理、利用，並對外開放。
網路將基礎設施能力、軟體系統能力以及智能演算法技術打包在一起，通過大數據引擎開放出來之後，擁有大數據的行業可以將自己的數據接入到這個引擎進行處理。從架構來看，企業或組織也可以只選擇三件套中的一種來使用，例如數據存放在自己的雲，但要運用網路大腦的一些智能演算法或者數據存放在網路雲，自己寫演算法。
網路大數據引擎的作用
我們可以從兩方面來具體看網路大數據引擎的作用：
（1）對於 *** 機構：如交通部門有車聯網、物聯網、路網監控、船聯網、碼頭車站監控等地方的大數據，如果這些數據與網路的搜索記錄、全網數據、LBS數據結合，在利用網路大數據引擎的大數據能力，則可以實現智能路徑規劃和運力管理；衛生部門擁有流感法定報告數據、全國流感樣病例哨點監測和病原學監測數據，如果和網路的搜索記錄及全網數據結合，便可進行流感預測、疫苗接種指導。
（2）對於企業：很多企業也擁有海量大數據，不過很多企業的大數據處理和挖掘能力比較弱，如果應用網路大數據引擎，則可以對海量數據進行可靠低成本的存儲，進行智能化的由淺入深的價值挖掘。如在2014年4月的網路技術開放日上，中國平安便介紹了如何利用網路的大數據能力加強消費者理解和預測，細分客戶群制定個性化產品和營銷方案。
阿里巴巴大數據策略
阿里巴巴大數據整體發展方向是以激活生產力為目的的DT(data technology，數據技術驅動)數據時代發展。阿里巴巴大數據未來將由「基於雲計算的數據開放+大數據工具化應用」組成：
（1）基於雲計算的數據開放。雲計算使中小企業可以在阿里雲上獲得數據存儲、數據處理服務，也可以構建自己的數據應用。雲計算是數據開放的基礎，雲計算可以為全球的數據開發者提供數據工作平台，阿里分布式的存儲平台和在這個平台上的演算法工具，可以更好的為數據開發者所用；同時，阿里巴巴還需要做好數據的脫敏，把數據的商業定義，每個標簽打得足夠清晰，能夠讓全球的數據開發者在阿里巴巴平台展開數據思維，讓數據為 *** 所用、消費者所用以及行業所用。阿里的大數據開放之後，線上線下的數據能夠串聯起來，所有人都是數據提供方，也是數據的使用者。
（2）在大數據應用上，馬雲已經在整個數據應用上確定了兩個方針：
第一個方針：從IT到DT（數據技術），DT就是點燃整個數據和激發整個數據的力量，被管理所用，被社會所用，被銷售所用，為製造業所用，為消費者信用所用。前文已經分析道，阿里巴巴的數據資產是以電商為主，其中，淘寶和天貓每天會產生豐富多樣的數據，阿里巴巴已經沉澱了包括交易、金融、生活服務等多種類型的數據。這些數據能夠幫助阿里巴巴進行數據化運營（如下圖）。
另外一個其最為重要的應用是金融領域——小微金融。在小微金融企業融資領域。由於銀行無法掌握小微企業真實的經營數據，不僅導致很多企業無法拿到貸款，還因為數據類型的不足導致整個判斷流程過長，阿里已經通過其電商數據中的交易、信用、SNS等多種數據來決定是否可以發放貸款以及放貸的額度。
第二個方針：讓阿里巴巴的數據、讓阿里巴巴的工具能夠成為中國商業的基礎設施。阿里巴巴已經開始在轉型，阿里將由自己直接面對消費者變成支持網商面對消費者，阿里會根據其已有的運營和數據經驗，開發更多的工具，幫助網商成長，讓網商們更懂得用最好的工具、服務去服務好消費者。正如馬雲所言「我相信沒有一個網商不希望擁有自己的客戶，沒有一個網商不希望知道客戶對自己的體驗到底好還是壞，如何持久的擁有這些客戶，我們覺得一個國家的經濟，應該讓給企業家群體去做，我們覺得淘寶網商未來的經濟，是應該留給網商們去決定，而不是我們去做決定」。
騰訊大數據策略
騰訊的大數據目前更多的是為騰訊企業內部運營服務，相對於阿里和網路，數據開放程度並不高。因此，對於騰訊我們主要重點介紹騰訊大數據在服務企業內部的應用場景和服務。
騰訊90%以上的數據已經實現集中化管理，數據集中在數據平台部，有超過100多個產品的數據已經集中管理起來，而且是集中存儲在騰訊自研數據倉庫（TDW）。騰訊大數據從數據應用的不同環節可以分為四個層面，包括數據分析、數據挖掘、數據管理和數據可視化：
（1）數據分析層有四個產品：自助分析、用戶畫像、實時多維度分析和異動智能定位工具。自助分析可以幫助非技術人員通過簡單的條件配置實現數據的統計和展示功能；用戶畫像則是對某一群用戶或者某一業務的用戶實現自動化的人群畫像；實時多維度分析工具則是可以對某一指標可以實現實時的多個維度的切分，方便分析人員從不同角度對某一指標進行多維度分析；異動智能定位工具則實現數據異動問題的智能化定位。
（2）數據挖掘層面的產品應用有：精準廣告系統、用戶個性化推薦引擎和客戶生命周期管理。精準廣告系統如廣點通，是基於騰訊大社交平台的海量數據為基礎，通過精準推薦演算法，以智能定向推廣位導向實現廣告精準投放；用戶個性化推薦引擎根據每位用戶的興趣和喜好，通過個性化推薦演算法（協同過濾、基於內容推薦、圖演算法、貝葉斯等），實現產品的個性化推薦需求；客戶生命周期管理系統，則是基於大數據，根據用戶/客戶的所處的不同生命周期進行數據挖掘，建立預測、預警和用戶特徵模型，以根據用戶/客戶所處的不同生命周期特點進行精細化運營和營銷。
（3）在數據管理層面則有：TDW（騰訊數據倉庫）、TDBank（數據銀行）、元數據管理平台和任務調度系統和數據監控。這一層面主要是實現數據的高效集中存儲、數據的業務指標定義管理、數據質量管理、計算任務的及時調度和計算以及數據問題的監控和告警。
（4）在數據可視化層面有：自助報表工具、騰訊羅盤、騰訊分析和騰訊雲分析等工具。自助報表工具可以自助化的實現結構相對簡單和邏輯相對簡單的報表。騰訊羅盤分為內部版和外部版，內部版則是服務於騰訊內部用戶（產品經理、運營人員和技術人員等）的高效報表工具，外部版則是服務於騰訊合作夥伴如開發商的報表工具。騰訊分析是網站分析工具，幫助網站主進行網站的全方位分析。騰訊雲分析則是幫助應用開發商決策和運營優化的分析工具。
總的來看，網路、阿里巴巴和騰訊三大互聯網企業都擁有大數據，三大互聯網巨頭的數據都用來優化自己業務的運營效果，從這個層面看，其數據價值應用場景比較類似。但由於其業務和商業模式的不同決定了三者數據資產的不同，也決定了三者未來大數據策略的不同，尤其是基於大數據的開放和合作角度看，網路和阿里巴巴相對更加開放。對於重視大數據開放和合作的互聯網企業，他們最為期待的是借著大數據開放的策略，與更多的傳統行業交換更多的數據，從而更好的豐富其在線下數據，形成線上和線下數據的協同，從中拓展新的商業模式，如智能硬體和大數據健康。
這個得從BAT各自的基因來分析。網路主要是以搜索產品，所以大數據對於網路來說主要用於搜索方面，使搜索更加的精準和匹配；阿里巴巴以電子商務為主，所以大數據對於阿里巴巴來說會主要用戶商品方面；騰訊主要是社交，所以大數據對於騰訊來說可能更多的應用於社會網路分析。大數據的主要用途為預測，所以BAT對於大數據的共同點都是為了通過對用戶的分析，進行更加准確的服務和營銷。
阿里有數據魔方，為賣家提供收費服務。
「互聯網」
和
「所有空間」
互聯網 就是指Inter上所有的信息
對網路來說
主要就是中文信息
所有空間
就是指網路中的所有用戶
建了網路空間
（博客+相冊+留言板）
顯然搜索後者
是不包括網路空間 以外的博客的
大數據是大量、高速、多變的信息，它需要新型的處理方式去促成更強的決策能力、洞察力與最佳化處理。大數據為企業獲得更為深刻、全面的洞察能力提供了前所未有的空間與潛力。
藉助大數據及相關技術，我們可針對不同行為特徵的客戶進行針對性營銷，甚至能從「將一個產品推薦給一些合適的客戶」到「將一些合適的產品推薦給一個客戶」，得以更聚焦客戶，進行個性化精準營銷。
大數據時代下的精準營銷是指通過大數據獲取對象的喜好，行為偏好，對不同對象進行不同營銷。大數據精準營銷的核心可以概括為幾大關鍵詞：用戶、需求、識別、體驗。
億美軟通推出數據雲服務，延續億美的客戶服務、客戶營銷、客戶管理的公司經營理念，通過龐大的消費數據資源，為客戶提供數據驗證，精準營銷等數據級服務。簡單說就是為企業提供數據驗證和數據篩選業務。
-
不用擔心，學好了就會有好的前景。｛變數9｝
1.大數據重預測，小數據重解釋；2.大數據重發現，而小數據重實證；3.大數據重相關，小數據重因果；4.大數據重全體，小數據重抽樣；5.大數據重感知，小數據重精確。
DCCI互聯網數據中心（DCCI DATA CENTER OF CHINA INTERNET，簡稱DCCI），互聯網監測研究權威機構&數據平台，互動營銷之測量、分析、優化服務提供者。以Panel軟體、代碼嵌入、海量數據挖掘、語義信息處理等多種領先技術手段為基礎，進行網站、用...
互聯網數據中心：是idc 他是主要存放網路數據的（網站+數據+下載站點等）囊括比較廣泛，任何的正規企業或者是中小型站長都是可以進行選擇的。
企業數據中心：它的更加具有針對性，它可以隸屬於互聯網數據中心的一部分的。
4. 移動互聯時代 大數據的應用價值
移動互聯時代 大數據的應用價值
隨著大數據的發展，企業也越來越重視數據相關的開發和應用，從而獲取更多的市場機會。一方面，大數據能夠明顯提升企業數據的准確性和及時性；此外還能夠降低企業的交易摩擦成本；更為關鍵的是，大數據能夠幫助企業分析大量數據而進一步挖掘細分市場的機會，最終能夠縮短企業產品研發時間、提升企業在商業模式、產品和服務上的創新力，大幅提升企業的商業決策水平，降低了企業經營的風險。
一、大數據助企業挖掘市場機會探尋細分市場
大數據能夠幫助企業分析大量數據而進一步挖掘市場機會和細分市場，然後對每個群體量體裁衣般的採取獨特的行動。獲得好的產品概念和創意，關鍵在於我們到底如何去搜集消費者相關的信息，如何獲得趨勢，挖掘出人們頭腦中未來會可能消費的產品概念。用創新的方法解構消費者的生活方式，剖析消費者的生活密碼，才能讓吻合消費者未來生活方式的產品研發不再成為問題，如果你了解了消費者的密碼，就知道其潛藏在背後的真正需求。大數據分析是發現新客戶群體、確定最優供應商、創新產品、理解銷售季節性等問題的最好方法。
在數字革命的背景下，對企業營銷者的挑戰是從如何找到企業產品需求的人到如何找到這些人在不同時間和空間中的需求；從過去以單一或分散的方式去形成和這群人的溝通信息和溝通方式，到現在如何和這群人即時溝通、即時響應、即時解決他們的需求，同時在產品和消費者的買賣關系以外，建立更深層次的夥伴間的互信、雙贏和可信賴的關系。
大數據進行高密度分析，能夠明顯提升企業數據的准確性和及時性；大數據能夠幫助企業分析大量數據而進一步挖掘細分市場的機會，最終能夠縮短企業產品研發時間、提升企業在商業模式、產品和服務上的創新力，大幅提升企業的商業決策水平。因此，大數據有利於企業發掘和開拓新的市場機會；有利於企業將各種資源合理利用到目標市場；有利於制定精準的經銷策略；有利於調整市場的營銷策略，大大降低企業經營的風險。
企業利用用戶在互聯網上的訪問行為偏好能為每個用戶勾勒出一副「數字剪影」，為具有相似特徵的用戶組提供精確服務滿足用戶需求，甚至為每個客戶量身定製。這一變革將大大縮減企業產品與最終用戶的溝通成本。例如：一家航空公司對從未乘過飛機的人很感興趣（細分標準是顧客的體驗）。而從未乘過飛機的人又可以細分為害怕飛機的人，對乘飛機無所謂的人以及對乘飛機持肯定態度的人（細分標準是態度）。在持肯定態度的人中，又包括高收入有能力乘飛機的人（細分標準是收入能力）。於是這家航空公司就把力量集中在開拓那些對乘飛機持肯定態度，只是還沒有乘過飛機的高收入群體。通過對這些人進行量身定製、精準營銷取得了很好的效果。
二、大數據提高決策能力
當前，企業管理者還是更多依賴個人經驗和直覺做決策，而不是基於數據。在信息有限、獲取成本高昂，而且沒有被數字化的時代，讓身居高位的人做決策是情有可原的，但是大數據時代，就必須要讓數據說話。
大數據能夠有效的幫助各個行業用戶做出更為准確的商業決策，從而實現更大的商業價值，它從誕生開始就是站在決策的角度出發。雖然不同行業的業務不同，所產生的數據及其所支撐的管理形態也千差萬別，但從數據的獲取，數據的整合，數據的加工，數據的綜合應用，數據的服務和推廣，數據處理的生命線流程來分析，所有行業的模式是一致的。
這種基於大數據決策的特點是：一是量變到質變，由於數據被廣泛挖掘，決策所依據的信息完整性越來越高，有信息的理性決策在迅速擴大，拍腦袋的盲目決策在急劇縮小。二是決策技術含量、知識含量大幅度提高。由於雲計算出現，人類沒有被海量數據所淹沒，能夠高效率駕御海量數據，生產有價值的決策信息。三是大數據決策催生了很多過去難以想像的重大解決方案。如某些葯物的療效和毒副作用，無法通過技術和簡單樣本驗證，需要幾十年海量病歷數據分析得出結果；做宏觀經濟計量模型，需要獲得所有企業、居民以及政府的決策和行為海量數據，才能得出減稅政策最佳方案；反腐倡廉，人類幾千年歷史都沒解決，最近通過微博和人肉搜索，貪官在大數據的海洋中無處可藏，人們看到根治的希望等等。
如果在不同行業的業務和管理層之間，增加數據資源體系，通過數據資源體系的數據加工，把今天的數據和歷史數據對接，把現在的數據和領導和企業機構關心的指標關聯起來，把面向業務的數據轉換成面向管理的數據，輔助於領導層的決策，真正實現了從數據到知識的轉變，這樣的數據資源體系是非常適合管理和決策使用的。
在宏觀層面，大數據使經濟決策部門可以更敏銳地把握經濟走向，制定並實施科學的經濟政策；而在微觀方面，大數據可以提高企業經營決策水平和效率，推動創新，給企業、行業領域帶來價值。
三、大數據創新企業管理模式，挖掘管理潛力
當下，有多少企業還會要求員工像士兵一樣無條件服從上級的指示？還在通過大量的中層管理者來承擔管理下屬和傳遞信息的職責？還在禁止員工之間談論薪酬等信息？《華爾街日報》曾有一篇文章就說，NO。這一切已經過時了，嚴格控制，內部猜測和小道消息無疑更會降低企業效率。一個管理學者曾經將企業內部關系比喻為成本和消耗中心，如果內部都難以協作或者有效降低管理成本和消耗，你又如何指望在今天瞬息萬變的市場和競爭環境下生存、創新和發展呢？
我們試著想想，當購物、教育、醫療都已經要求在大數據、移動網路支持下的個性化的時代，創新已經成為企業的生命之源，我們還有什麼理由還要求企業員工遵循工業時代的規則，強調那種命令式集中管理、封閉的層級體系和決策體制嗎？當個體的人都可以通過佩戴各種感測器，搜集各種來自身體的信號來判斷健康狀態，那樣企業也同樣需要配備這樣的感測系統，來實時判斷其健康狀態的變化情況。
今天信息時代機器的性能，更多決定於晶元，大腦的存儲和處理能力，程序的有效性。因而管理從注重系統大小、完善和配合，到注重人，或者腦力的運用，信息流程和創造性，以及職工個性滿足、創造力的激發。
在企業管理的核心因素中，大數據技術與其高度契合。管理最核心的因素之一是信息搜集與傳遞，而大數據的內涵和實質在於大數據內部信息的關聯、挖掘，由此發現新知識、創造新價值。兩者在這一特徵上具有高度契合性，甚至可以標稱大數據就是企業管理的又一種工具。因為對於任何企業，信息即財富，從企業戰略著眼，利用大數據，充分發揮其輔助決策的潛力，可以更好地服務企業發展戰略。
大數據時代，數據在各行各業滲透著，並漸漸成為企業的戰略資產。數據分析挖掘不僅本身能幫企業降低成本：比如庫存或物流，改善產品和決策流程，尋找到並更好的維護客戶，還可以通過挖掘業務流程各環節的中間數據和結果數據，發現流程中的瓶頸因素，找到改善流程效率，降低成本的關鍵點，從而優化流程，提高服務水平。大數據成果在各相關部門傳遞分享，還可以提高整個管理鏈條和產業鏈條的投入回報率。
四、大數據變革商業模式催生產品和服務的創新
在大數據時代，以利用數據價值為核心，新型商業模式正在不斷涌現。能夠把握市場機遇、迅速實現大數據商業模式創新的企業，將在IT發展史上書寫出新的傳奇。
大數據讓企業能夠創造新產品和服務，改善現有產品和服務，以及發明全新的業務模式。回顧IT歷史，似乎每一輪IT概念和技術的變革，都伴隨著新商業模式的產生。如個人電腦時代微軟憑借操作系統獲取了巨大財富，互聯網時代谷歌抓住了互聯網廣告的機遇，移動互聯網時代蘋果則通過終端產品的銷售和應用商店獲取了高額利潤。
縱觀國內，以金融業務模式為例，阿里金融基於海量的客戶信用數據和行為數據，建立了網路數據模型和一套信用體系，打破了傳統的金融模式，使貸款不再需要抵押品和擔保，而僅依賴於數據，使企業能夠迅速獲得所需要的資金。阿里金融的大數據應用和業務創新，變革了傳統的商業模式，對傳統銀行業帶來了挑戰。
還有，大數據技術可以有效的幫助企業整合、挖掘、分析其所掌握的龐大數據信息，構建系統化的數據體系，從而完善企業自身的結構和管理機制；同時，伴隨消費者個性化需求的增長，大數據在各個領域的應用開始逐步顯現，已經開始並正在改變著大多數企業的發展途徑及商業模式。如大數據可以完善基於柔性製造技術的個性化定製生產路徑，推動製造業企業的升級改造；依託大數據技術可以建立現代物流體系，其效率遠超傳統物流企業；利用大數據技術可多維度評價企業信用，提高金融業資金使用率，改變傳統金融企業的運營模式等。
過去，小企業想把商品賣到國外要經過國內出口商、國外進口商、批發商、商場，最終才能到達用戶手中，而現在，通過大數據平台可以直接從工廠送達到用戶手中，交易成本只是過去的十分之一。以我們熟悉的網購平台淘寶為例，每天有數以萬計的交易在淘寶上進行，與此同時相應的交易時間、商品價格、購買數量會被記錄，更重要的是，這些信息可以與買方和賣方的年齡、性別、地址、甚至興趣愛好等個人特徵信息相匹配。運用匹配的數據，淘寶可以進行更優化的店鋪排名和用戶推薦；商家可以根據以往的銷售信息和淘寶指數進行指導產品供應、生產和設計，經營活動成本和收益實現了可視化，大大降低了風險，賺取更多的錢；而與此同時，更多的消費者也能以更優惠的價格買到了更心儀的產品。
維克托曾預言2020年，大數據時代就會真正來臨。在那個時候，最經常會用到的應用就是個性化生活所需要的，尤其是智能手機的應用。
五、大數據讓每個人更加有個性
對個體而言，大數據可以為個人提供個性化的醫療服務。比如，我們的身體功能可能會通過手機、移動網路進行監控，一旦有什麼感染，或身體有什麼不適，我們都可以通過手機得到警示，接著信息會和手機庫進行對接或者咨詢相關專家，從而獲得正確的用葯和其他治療。
過去我們去看病，醫生只能對我們的當下身體情況做出判斷，而在大數據的幫助下，將來的診療可以對一個患者的累計歷史數據進行分析，並結合遺傳變異、對特定疾病的易感性和對特殊葯物的反應等關系，實現個性化的醫療。還可以在患者發生疾病症狀前，提供早期的檢測和診斷。早期發現和治療可以顯著降低肺癌給衛生系統造成的負擔，因為早期的手術費用是後期治療費用的一半。
還有，在傳統的教育模式下，分數就是一切，一個班上幾十個人，使用同樣的教材，同一個老師上課，課後布置同樣的作業。然而，學生是千差萬別的，在這個模式下，不可能真正做到「因材施教」。
如一個學生考了90分，這個分數僅僅是一個數字，它能代表什麼呢？90分背後是家庭背景、努力程度、學習態度、智力水平等，把它們和90分聯系在一起，這就成了數據。大數據因其數據來源的廣度，有能力去關注每一個個體學生的微觀表現：如他在什麼時候開始看書，在什麼樣的講課方式下效果最好，在什麼時候學習什麼科目效果最好，在不同類型的題目上停留多久等等。當然，這些數據對其他個體都沒有意義，是高度個性化表現特徵的體現。同時，這些數據的產生完全是過程性的：課堂的過程，作業的情況，師生或同學的互動情景……而最有價值的是，這些數據完全是在學生不自知的情況下被觀察、收集的，只需要一定的觀測技術與設備的輔助，而不影響學生任何的日常學習與生活，因此它的採集也非常的自然、真實。
在大數據的支持下，教育將呈現另外的特徵：彈性學制、個性化輔導、社區和家庭學習、每個人的成功……大數據支撐下的教育，就是要根據每一個人的特點，釋放每一個人本來就有的學習能力和天分。
此外，維克托還建議中國政府要進一步補錄資料庫。政府以前提供財政補貼，現在可以提供資料庫，打造創意服務。在美國就有完全基於政府提供的資料庫，如為企業提供機場、高速公路的數據，提供航班可能發生延誤的概率，這種服務這可以幫助個人、消費者更好地預測行程，這種類型的創新，就得益於公共的大數據。
六、智慧驅動下的和諧社會
美國作為全球大數據領域的先行者，在運用大數據手段提升社會治理水平、維護社會和諧穩定方面已先行實踐並取得顯著成效。
近年來，在國內，「智慧城市」建設也在如火如荼的開展。截止去年底，我國的國家智慧城市試點已達193個，而公開宣布建設智慧城市的城市超過400個。智慧城市的概念包含了智能安防、智能電網、智慧交通、智慧醫療、智慧環保等多領域的應用，而這些都要依託於大數據，可以說大數據是「智慧」的源泉。
在治安領域，大數據已用於信息的監控管理與實時分析、犯罪模式分析與犯罪趨勢預測，北京、臨沂等市已經開始實踐利用大數據技術進行研判分析，打擊犯罪。
在交通領域，大數據可通過對公交地鐵刷卡、停車收費站、視頻攝像頭等信息的收集，分析預測出行交通規律，指導公交線路的設計、調整車輛派遣密度，進行車流指揮控制，及時做到梳理擁堵，合理緩解城市交通負擔。
在醫療領域，部分省市正在實施病歷檔案的數字化，配合臨床醫療數據與病人體征數據的收集分析，可以用於遠程診療、醫療研發，甚至可以結合保險數據分析用於商業及公共政策制定等等。
伴隨著智慧城市建設的火熱進行，政府大數據應用已進入實質性的建設階段，有效拉動了大數據的市場需求，帶動了當地大數據產業的發展，大數據在各個領域的應用價值已得到初顯。
七、大數據如何預言未來？
著名的瑪雅預言，盡管背後有著一定的天文知識基礎，但除催生了一部很火的電影《2012》外，其實很多人的生活尚未受到太大的影響。現在基於人類地球上的各種能源存量，以及大氣受污染、冰川融化的程度，我們獲取真的可以推算出按照目前這種工業生產、生活的方式，人類在地球上可以存活的年數。《第三次工業革命》中對這方面有很深入的解釋，基於精準預測，發現現有模式是死路一條後，人類就可以進行一些改變，這其實就是一種系統優化。
這種結合之前情景研究，不斷進行系統優化的過程，將賦予系統生命力，而大數據就是其中的血液和神經系統。通過對大數據的深入挖掘，我們將會了解系統的不同機體是如何相互協調運作的，同樣也可以通過對他們的了解去控制機體的下一個操作，甚至長遠的維護和優化。從這個角度講，基於網路的大數據可以看作是人類社會的神經中樞，因為有了網路和大數據人類社會才開始靈活起來，而不像以前那麼死板。基於大數據，個體之間相互連接有了基礎，相互的交互過程得到了簡化，各種交易的成本減少很多。廠家等服務提供方可以基於大數據研發出更符合消費者需求的服務，機構內部的管理也更為細致，有了血液和神經系統的社會才真的擁有生命活力。
結語
透過以上這些行業典型的大數據應用案例和場景，不難悟出大數據的典型的核心價值。大數據是看待現實的新角度，不僅改變了市場營銷、生產製造，同時也改變了商業模式。數據本身就是價值來源，這也就意味著新的商業機會，沒有哪一個行業能對大數據產生免疫能力，適應大數據才能在這場變革中繼續生存下去。
當下，正處於數據大爆發的時代，如何獲取這些數據並對這些數據進行有效分析就顯得尤為重要。各種企業機構之間的競爭非常殘酷。如何基於以往的運行數據，對未來的運行模式進行預測，從而提前進行准備或者加以利用、調整，對很多企業機構其實是一種生死存亡的問題。這樣一種情況同樣適用於國家級別。正因為這一點，目前無論是在企業級別還是國家級別都開始研究、部署大數據。
可見，大數據應用已經凸顯出了巨大的商業價值，觸角已延伸到零售、金融、教育、醫療、體育、製造、影視、政府等各行各業。你可能會問這些具體價值實現的推動者有哪些呢？就是所謂的大數據綜合服務提供商，從實踐情況看，主要包括大數據解決方案提供商、大數據處理服務提供商和數據資源提供商三個角色，分別向大數據的應用者提供大數據服務、解決方案和數據資源。
未來大數據還將徹底改變人類的思考模式、生活習慣和商業法則，將引發社會發展的深刻變革，同時也是未來最重要的國家戰略之一。
5. 阿里巴巴運用大數據包括哪些
大數據計算服務（MaxCompute，原ODPS）
Data IDE（原BASE）
數據集成（原CDP雲道）
大數據基礎服務包括 Maxcompute 分析型資料庫等
大數據分析於展現包括 Date V Quick BI 畫像分析等
大數據應用 包括 推薦引擎 企業圖譜
6. 大數據的應用領域在不斷拓寬
大數據的應用領域在不斷拓寬
1、數據已經成為可交易的重要資產
數據的價值在於能夠產生業務價值，而產生業務價值的多少取決於數據帶來的視野的寬度和深度，以及對明智決策的支持度。從這個角度將，在資源不限的理想情況下，越多的數據來源，越能夠帶來寬度和廣度，從而得到越好的決策支持度。數據，毫無疑問已經成為了一種企業資產， 並且會成為越來越重要的資產，未來甚至可能進入資產負債表。
2015 年 4 月 15 日， 我國貴陽大數據交易所正式運營， 其交易的數據是基於底層數據，通過數據的清洗、分析、建模 、可視化後的結果， 大數據交易所本著以電子交易為主要形式，通過建立大叔局的網上交易系統，搭建交易平台。預計到 2020 年，大叔局交易所將形成日均 100 億的數據交易金額， 發展到 1 萬家與大數據有關的會員單位。
2. 雲計算是大數據產業發展的助推器
雲計算產業進入高速發展期。 雲計算包括三個層次的服務：基礎架構即服務（ IaaS），平台即服務（PaaS）和軟體即服務（SaaS）。來自 Oxford Economics 和 SAP 關於雲計算採用的研究《The Cloud Grow Up》中提出， 69%的企業預計在未來三年內將會中度或者重度投資在雲計算上，這意味著它們的核心業務功能將遷移到雲上。 59%的企業認為他們使用了基於雲計算的應用程序和平台系統，更好地管理和分析了數據，這反映了企業范圍內進行數據分析和大數據計算日益增加的重要性。 Gartner 預測 2015 年全球雲計算服務市場總收入將突破 1800 億美元。 2015 年 2 月 ， 國務院下發《關於促進雲計算創新發展培育信息產業新業態的意見》提到：開展基於雲計算的大數據應用示範，支持政府機構和企業創新大數據服務模式，政府部門要加大采購雲計算服務的力度等一系列措施。雲計算已經從概念走向實際應用， 已經進入高速發展期。
雲計算降低了使用 IT 資源的門檻，為數據集中化創造了基礎，極大的促進了大數據產業的發展。 雲計算按需付費和資源共享的商業模式，大幅提高了 IT 基礎設施的使用效率；IaaS 運營商不斷降價，又極大滿足中小企業對於技術基礎設施的需求。未來企業將不用再購買伺服器，直接購買終端，輸送至數據中心，從而形成伺服器集群產業鏈，滿足了大數據存儲和挖掘的需求。雲計算中心基礎設施的不斷完善使得大型數據中心和 PaaS 類運行平台的趨於成熟，又為 SaaS 類應用業務市場的大規模啟動創造了條件。 SaaS 應用的大規模使用降低了用戶使用軟體的成本，促進了企業信息化程度額提高，又進一步促進了數據集中化。
雲端處理與移動互聯網行業結合，將產生不計其數的交叉業務和個性化應用。而社交網路的廣泛應用，又加速了信息的傳播速度和范圍，促進了數據的內生增長。物聯網要求的海量存儲和計算能力讓廉價、高性能的雲計算應用方案成為所有用戶的自然選擇。可以說，雲計算的蓬勃發展，極大促進了移動互聯網、社交網路和物聯網的發展，使得更多數據被採集到雲端，為大數據應用提供了數據基礎；同時，雲計算的高性能、低成本運算能力又為大數據分析提供了極佳的計算平台，極大的促進了大數據在各行業中的應用。 因此， 數據的爆炸式增長其背後的核心支撐是雲計算產業的蓬勃發展。
3. 大數據的應用領域在不斷拓寬
大數據實踐包含多個維度， 按照行業劃分，包括金融大數據、 醫療大數據、 交通大數據、運營商大數據、 互聯網大數據、物流大數據等等， 每個行業根據其 IT 系統及互聯網化的完善程度不同，其大數據發展的階段各不相同。按照數據對象劃分，包括互聯網大數據、政府大數據、 企業大數據、 個人大數據， 目前，互聯網大數據是已經開始得到有效利用的細分領域，而政府、企業和個人的大數據應用才剛剛開始， 是「互聯網 +」背景下大數據應用的重要發展方向。
互聯網大數據：互聯網上的數據多樣、積累迅速， 包括用戶行為數據、用戶消費數據、用戶 社交數據、 用戶地理位臵數據等， 互聯網企業是大數據領域的先驅， 各家互聯網企業依託自身的數據優勢，早已開始利用大數據技術嘗試用戶 行為分析、精準營銷、產品優化、 信用記錄分析等用途。
阿里巴巴是互聯網企業中大數據應用的典範。 阿里巴巴旗下的淘寶最早於 2005 年開發「淘數據」，並在半年後成立專門的大數據團隊，相繼開發了自用的「無量神針」、「類目360」， 以及針對賣家的「數據魔方」、「黃金策」、「淘寶指數」、「聚石塔」等數據產品，為賣家提供增值服務， 探索盈利模式。 此後，阿里巴巴的大數據體系日益成熟， 確立了平台 、金融和數據的三大業務核心，三者相輔相成，目前的阿里巴巴金融帝國就是建立在其電商平台 +大數據之上的隱性巨人。 例如， 阿里依託電商數據積累推出阿里小貸和螞蟻信用，本質在於通過大數據技術構建徵信體系 ， 為整個阿里體系金融業務的進一步拓展打下了充分的基礎。
政府大數據：政府是數據資源最豐富的部門之一，大量的優質數據資源集中在政府手中，各個政府部門掌握著構成社會基礎的原始數據，例如金融數據、交通數據、醫療數據、旅遊數據、電力數據、住房數據、海關數據、違法犯罪數據、教育數據、環保數據等等。目前，政府數據存在幾方面的問題：第一，數據積累偏靜態，沒有做到動態更新，導致有些數據過於陳舊；第二，數據孤島現象嚴重，沒有做到數據開放和共享。倘若能將這些數據進行有效的管理和分析，其商業價值和社會價值都是不可估量的。
政府加大智慧城市建設，數據價值挖掘正當時。目前，政府已經意識到數據的重要性，2012 年開始，政府就不斷加大在智慧城市建設，包括智慧交通、智慧環保、智慧教育、智慧社區、 智能電網等各個與城市相關的細分領域。 2014 年 3 月，國務院印發的《國家新型城鎮化規劃 (2014-2020 年)》，明確要求推進智慧城市建設，統籌城市發展的物質資源、信息資源和智力資源利用，推動物聯網、雲計算、大數據等新一代信息技術創新應用。 2015 年 4 月 ， 住建部公布第三批智慧城市試點城市，加上前兩批，目前我國的智慧城市試點已經達到 297 個。 智慧城市建設將完善城市各個細分領域的信息化水平， 構建統一的數據平台，打破信息孤島現象； 同時， 一些地方政府已經開始探索採用 PPP（Public-Private-Partnership） 的公私合營模式，逐漸開放部分數據， 讓社會機構參與運營，挖掘數據價值。
以智慧交通為例， 通過信息化建設連接道路信息管理系統、交通信號系統、公共汽車系統、計程車系統、電子收費系統、 停車場系統等， 實現數據共享， 對於政府部門來說，通過實時挖掘為出行者和交通監管部門提供實時交通信息，有效緩解交通擁堵， 快速響應突發狀況，為城市交通的良性運轉提供科學的決策依據， 提高民生體驗；對於參與企業來說， 可以在停車場、市民出行等領域提供增值服務，探索新商業模式。
企業大數據：在「互聯網+」 時代，企業的互聯網化將從傳統的傳播互聯網化和銷售互聯網化， 走向供應鏈互聯網化和經營邏輯互聯網化， 運營模式已經開始發生巨大變化， 企業與供應商、 服務商、 渠道商、 客戶 ， 乃至終端用戶 都可以通過信息技術建立密切的聯系 。 如果說過去互聯網的價值主要體現在與渠道和營銷的整合上，那麼這一次變革將是互聯網與傳統行業在價值鏈各個關鍵環節的深度融合。
一方面，對於供應鏈環節來說， 大數據可以直接應用於產品設計、 原材料采購、 產品製造、庫存、物流、配送等各個供應鏈環節， 清晰地把握原材料采購量、 訂單完成率、庫存量及產品配送等情況， 優化供應鏈流程， 降低不必要的損耗。 另一方面，對於生產環節來說， 企業生產設備可以通過感測器和信息系統等實現機器與機器之間的相互連接，進而獲取數據， 利用大數據技術進行存儲、分析和可視化，最終得到「智能信息」 供決策者使用，調解生產過程以提高效率。 未來， 當信息技術發展到一定階段，企業生產過程甚至可以根據消費者需求進行個性化定製， 實現柔性生產。
體育大數據：例如體育數據分析師通過從 OPTA（ Opta Sports 是一家總部位於英國倫敦的體育數據提供商）提供的 2010 年世界盃以來 22904 場正式比賽的數據中，研究了梅西和其他 16574 名足球運動員與足球相關的所有數據准確發現了梅西兩個性： 1、 與巴薩其他隊友的數字相比，梅西有關防守行為的數字相當地少，其他方面也能體現「他不去爭搶勢均力敵的高球」等缺點； 2、 與在巴薩時梅西的表現指為 0.262 相比， 在阿根廷國家隊里只有 0.199， 體現了 梅西在兩支球隊中所起作用的差異。
個人大數據：個人信息往往保存在第三方手裡， 例如個人用戶在互聯網上留存、 在政府部門登記在案等各類信息，此類信息實際上也是互聯網、政府和企業用於分析用戶 行為的基礎。此外，隨著可穿戴設備等新事物的興起，個人信息的採集方式越來越多樣化，數據積累 也在不斷完善， 例如，可以通過可穿戴設備或植入晶元等感知技術來採集身體數據、 健康數據、地理位臵信息、運動數據、 社會關系數據、飲食數據等。 未來， 可以想像的應用場景是，個人用戶可以將個人數據授權給第三方機構以實現特定用途， 例如，高血壓患者可以將個人血壓數據、 身體機能數據、飲食數據等授權給健康管理機構使用，由他們監控和使用這些數據，進而為用戶制定有效的健康維護方案。
以上是小編為大家分享的關於大數據的應用領域在不斷拓寬的相關內容，更多信息可以關注環球青藤分享更多干貨