bat互聯網大數據應用

『壹』 阿里，騰訊和百度的互聯網大數據應用有何不同

阿里，騰訊和網路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。

BAT的互聯網大數據應用有何不同

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。

bat的互聯網大數據應用有何不同

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。

看網路，阿里與騰訊是如何利用互聯網大數據應用

阿里有數據魔方，為賣家提供收費服務。

網路里，「互聯網」和「所有空間」有何不同？

「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

如何獲取並應用互聯網大數據

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。
-

互聯網大數據培訓應用前景如何?

不用擔心，學好了就會有好的前景。｛變數9｝

大數據和小數據有何不同？

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。

企業數據中心和互聯網數據中心有何不同

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。

『貳』 BAT搶灘大數據風控，為何瞄向了銀行業

完成了對C端市場的瓜分之後，BAT等互聯網巨頭們還是瞄向了B端市場。
在2016年及之前，BAT、網易、京東等互聯網巨頭們已經在雲計算、人工智慧等領域推出了諸多針對企業級市場的服務，從如今的趨勢來看，被暢談許久的大數據或將是BAT們爭奪的又一塊價值窪地。
日前，網路雲傳出消息為民生銀行提供信貸企業的風險管理和預警的雲服務。在尋找大數據布局切口的問題上，風控和銀行成為BAT們的共同選擇。
風控是銀行業的七寸，也是大數據的練武場
顧名思義，風控即風險控制，通過建模的方法對借款人進行風險控制和風險提示，消滅或減少風險事件發生的各種可能性，或減少風險事件發生時造成的損失。
現在的商業銀行在本質上屬於經營風險的特殊企業，通過承擔風險，轉化風險，並將風險植入金融產品和服務中再加工風險。在國內外商業銀行的發展史中，因風險管理不當、資產質量低下而導致倒閉、被政府接管的不乏其例。如何有效的管理風險、規避風險成為商業銀行生存與發展的靈魂。
銀監會在去年7月份發布的《中國銀行業信息科技「十三五」發展規劃監管指導意見》成為大數據風控加速落地的催化劑，比如說在服務和應用層面強調基於大數據的營銷、風控應用的推廣。
動作敏銳的互聯網金融早早完成了大數據風控的布局，看起來有些傳統的銀行業在節奏上似乎有些遲緩。
對於線上的純數據和信用類貸款平台而言，引入大數據風控產品並沒有太多門檻。對於商業銀行卻不然，尤其是中小銀行，對大數據風控技術的應用尚不成熟，其風控模式更多關注的是靜態的風險預判，這和中小銀行科技水平和風控能力相對較低、數據信息的數量和質量存在缺陷等不無關系。
一般來說，大數據風控有著三個核心要素，即風控模型、場景和資金。商業銀行仍然擁有著低成本資金優勢，在線下場景也有著長期客戶積累，大數據和海量風控因子恰恰是很多商業銀行所欠缺的。
反觀BAT等互聯網巨頭，在海量數據、金融雲、用戶畫像、信用體系等方面有著先天的優勢，特別是在銀行逐漸實現業務電子化、金融監管收緊的情況下，BAT與商業銀行在大數據風控方面的合作似乎是水到渠成的。
背靠大數據金庫的BAT，如何開局？
BAT在大數據風控方面有著相似的邏輯，依靠自身積累的大數據體系，利用技術打造風控能力，再將這種能力開放給銀行等金融客戶。
以網路雲和民生銀行合作的風險預警項目為例，依靠網路雲的大數據收集、分析和計算建模能力，為民生銀行提供海量非結構化數據的加工處理，和目標企業進行關聯，並藉助風險識別模型判斷產生風險信號，再通過網路雲bos服務和API對接銀行內部業務，以實現對授信企業的風險監測。其中涉及了網路雲在大數據方面的三層應用：
數據挖掘：作為國內最大的搜索引擎，網路擁有大量的公共數據和需求數據，且在樣本數據的復雜性、廣度、多樣性等方面占據優勢。尤其在金融領域的數據涵蓋了支付、貸款、理財、保險、證券、銀行、徵信、基金、眾籌等各個領域。而銀行不良貸款率的增加和信息的不對稱有很大的關系，網路在數據層面較於銀行自身的積累有著不可比擬的優勢。舉個例子來說，通過網路的大數據可以對銀行的借貸用戶進行全方位的追蹤，包括搜索習慣、交易信息、個人信用、地理位置等等，將風險控制到最低。
數據處理：網路雲推出了「天算」平台，基於網路的大數據和人工智慧技術，為企業提供從數據收集、存儲、處理分析到應用場景的一站式服務。比如針對金融風控行業的特點,「天算」制定了相應的解決方案,通過網路搜索、地圖、社交、交易、政府等各類數據的收集,以人工智慧技術、深度學習技術、大數據能力為支撐,實現了對各類金融客戶深度場景的定製,如購車貸款、企業貸款、教育貸款、家裝貸款等,為金融機構提供安全高效的風控服務。此外網路雲BOS提供的雲存儲服務，實現了銀行內部數據和外部大數據的打通。
風控模型：相比於市場上很多紙上談兵的風控模型，網路的優勢在於搭建了已經應用於實戰的風控模型，具體體現在網路金融的主動預警捕捉高危行為。網路金融打通了「人+手機+設備+IP」等關聯緯度，基於全網行為進行監測，捕捉高危行為特徵，在貸前准入方面就開始排查風險，進行反欺詐識別，生產黑名單，對借款人的行為進行預測。並在貸款後對借款人貸後行為進行跟蹤和監測，只要觸發預警規則，也會激發提醒。由此可以看出，為網路金融提供技術能力和風控能力的網路雲，在風控模型上的能力不可小覷。
與此同時，阿里和騰訊也打起了大數據風控的主意，典型的就是螞蟻金服、微眾銀行等也在試圖對外進行技術開放。但網路的做法給行業帶來了新的啟示，以雲服務的姿態進行大數據能力的輸出，和第三方平台純粹的大數據風控體系相比，雲計算、人工智慧、大數據結合的服務模式無疑更具備優勢。
從大數據農民到大數據商人
覬覦銀行業的不只有BAT，還有形形色色的創業者，畢竟百萬億規模的銀行業是一個不可多得的蛋糕。不過，民生銀行作為股份制銀行將雲服務應用到貸後管理和信貸決策領域，卻給行業帶來了更多值得解讀的信號。從雲服務的角度來講，金融雲在安全層面又一次刷新了歷史，但從大數據的角度來看，BAT正從自給自足的「農民」轉型成為大數據「商人」。
其實從2014年開始，BAT就開始加速大數據的應用，比如騰訊的社交大數據、阿里的電商大數據以及網路的搜索數據。不過這個階段，BAT扮演更多的是大數據「農民」的角色，阿里應用大數據進行用戶畫像主要在電商層面，網路用大數據來改善廣告和營銷效果，騰訊用大數據來改善運營等等。雲服務的大規模應用為大數據的開放提供了良好的「媒介」，BAT也開始進行角色轉變。
但在當前的大數據格局中，除了政府所掌握的數據，BAT等互聯網巨頭成為大數據資源的壟斷者之一。可即便如此，數據孤島仍是圍困BAT在大數據方面想像力的重要原因，正如阿里對於社交數據的缺失，騰訊在生活場景數據方面的不足。同樣的困局還存在於銀行業，目前央行個人徵信記錄覆蓋率僅為35%，這一數字在某種程度上甚至不及BAT所搭建的信用體系和風控模型，尤其體現在數據的維度上。從這個角度或許也能夠解釋，為何BAT把大數據風控的潛在客戶指向了銀行業。
大數據應用的雲服務化或是結束數據割裂最行之有效的方式，比如說網路雲和民生銀行的合作方式在服務的標准化和可復制方面並沒有太大的門檻，這就意味著未來將適用於更多的企業，而作為雲服務的供應方也將從更多維度獲取到數據。
數據顯示，目前國內大數據的市場份額已經達到了1000億人民幣，預測到2025年中國的大數據產業會是一萬億元的規模，有著近十倍的增長。數據的流通勢必將以指數級的形式加速大數據產業的發展，但在誘人的前景背後也面臨著標准化、規范化、安全性、公平性等一系列亟待解決的問題。
結語
30多年前，世界著名未來學家阿爾文·托夫勒就在《第三次浪潮》一書中預言，大數據極有可能是繼農業革命和工業革命後的「第三次浪潮」。或許其中的過程有些曲折，從銀行業和大數據風控身上，我們看到了未來的希望。
Alter，互聯網觀察者，長期致力於對智能硬體、雲計算、VR等行業的觀察研究。

『叄』 大數據在O2O領域的應用

大數據在O2O領域的應用
在O2O領域，各個移動互聯網應用無時無刻不在生產數據，而數據分別存儲在各家公司或應用的資料庫伺服器中，在大數據背景下，單打獨斗已無法勝任深度的數據分析與挖掘，傳統企業需要的是基於大數據的智能優化與輔助決策。
網路昨天被推出了以開放雲、數據工廠、網路大腦三者為核心的大數據引擎，這是個非常有趣的事情。盡管對於網路這個肉山大魔王，我們總是明裡暗裡的黑，但不得不說這個引擎的推出是有增加全社會福利的潛質。
對於大數據這個概念，這兩年挺火的。但在我看來，真正能夠應用到大數據的也就BAT三家，原因自然是因為他們都有著恐怖的流量作為支撐。而通常情況下樣本數越大，誤差也就越小。不過這種基礎的常識顯然還不夠普及，所以有無數的公司還能以大數據為概念去忽悠人，在此也就不過於多說。
那麼大數據引擎的意義在哪裡呢？
主要體現在三個方面：
一，能夠更好的優化公共基礎設施
互聯網改造傳統行業的論調一直在說，但真正的到了移動互聯網時代才能夠真正的說有一定意義。原因在於，原本的網路是固定的，頂多能夠通過一個地區對於一個關鍵詞的搜索量是否快速的提高，來預測這個地區發生了什麼事情。進而做出一些相應的措施，可是這樣的維度是很單一的。
但是現在卻可以通過定位技術獲得個人的地理位置，這就大大的擴展了信息的維度。一方面能夠擴展了預測的精準度。另一方面也能夠擴展出一些其他的服務。比如在春運期間網路推出的遷徙圖。就可以用於來年交通工具的優化分配。又比如說，中國疾病預防控制中心也能通過多維度的數據分析，來預測流行性疾病的發生。
這對於公共的基礎設施建設顯然是有著促進的作用，同時對於城市的管理者，對於整個城市的居民而言，其也有了更多的數據去支撐其決策，支撐其用更科學的方法去改善城市的周邊環境。
二，降低開發者對於大數據的應用
正像之前所說的，個人一直認為只有BAT三家才有做大數據的實力。那麼對於普通的企業或者是創業者來說，其只能通過付費或者是投靠這三家來獲得相應的數據支持。但是對於個人來說其幾乎是沒有任何的辦法去參與其中的。不過網路此次對數據分析方法、數據模型的開發（雖然是通過邀請制），使得個人能夠參與到其中。
這讓更多人能夠免費的享受到大數據帶來的福利，一定程度的降低了創業者或者是個人的開發成本。這對於未來以個人為核心的產品製造產業會有非常大的促進作用。只不過根據歷史來看，免費的持續時間或許不會特別的長。
三，機器大腦帶來的技術革新潛力
對於機器大腦的說法目前還比較的遙遠。目前網路的網路大腦項目也只能模擬二、三歲的兒童。但隨著技術的不斷積累。會有量變達到質變的效果。舉個簡單的例子，目前國內外的整體語音搜索識別率在70%左右，在數字上雖然看起來很高，但在實際使用中會讓用戶有很深的挫敗感，所以目前語音搜索的使用率還比較低（除去查人名時，因為片語、名字的識別率已經達到98%左右）。但是當語音搜索的准確度能夠達到99%甚至百分之100%時，那時候對於搜索產業顯然會有革命性的改變。
因此來說，網路此次對於大數據引擎的開放，對於公共基礎設施的建設（改造傳統產業），對於降低個人開發者的開發成本，以及未來可現象技術革新方面，都是有著特殊的意義。

『肆』 萬億風口！BAT爭奪產業互聯網，賦能數字化轉型

文／楊劍勇

以NB-IoT和LoRa為核心的低功耗廣域網無線連接規模日益擴大，且5G也開啟沖刺階段，大連接將掀起新一輪信息 科技 變革，一個萬物互聯的時代伴隨通信技術發展即將到來，只是，萬物互聯最終透過雲端實現跨行業和跨設備互聯互通，各種設備所收集到的數據經過「雲」上處理，並利用這些數據將會催生眾多新商業模式。

萬物互聯在於通信技術發展，而萬物智能在於數據處理，使得各種設備具有感知能力，雲端作為數據集散中心，並利用AI技術，使得萬物智能得以實現。

物聯網核心在於數據的收集和處理，數以萬億計的感測器被嵌入到各個角落，所收集數據經AI技術進行智能分析，正是這個小小感測器，則驅動著 社會 數字化變革，企業有能力獲取無限數據，並從中洞察實現快速創新，驅動產業轉型升級，基於海量數據，地區甚至可以洞悉未來商業經濟。

各種智能設備和感測器聯網後，所產生數據並將釐清，挖掘其價值，從而激發物聯網潛力。而雲服務商則打通了雲、端、邊，並通過AI能力助力物聯網應用落地，至此，各巨頭積極布局，不僅有亞馬遜、微軟和谷歌等國際巨頭，包括BAT今年紛紛調整戰略，提升雲服務戰略，向物聯網延伸，以此搶奪這條全新賽道。

在此之前，物聯網並沒有得到大規模部署，物聯網高級顧問楊劍勇支持，受制於感測器的部署，跨品牌、跨平台和跨設備之間互通限制，以及物聯網設備碎片化等諸多因素，但一線 科技 巨頭進入，並伴隨感測器部署規模日益擴大，以及無線通信技術迅猛發展，經過雲端把人、機器和數據連接起來，且能為物聯網所產生的海量數據提供強大的計算處理的平台，是物聯網發展關鍵所在。

至此，巨頭的雲服務面向各行業物聯網雲平台應運而生，繼而激活數據價值，以豐富的應用來搶奪主導權，對於他們來說，豐富的物聯網應用是爭奪市場核心，在其平台比拼的是應用能力，覆蓋工業、交通、教育和金融等豐富的應用，這將是爭奪物聯網這一張船票的核心。

物聯網不斷推進和部署規模日益擴大，數以百億設備接入網路，其經濟價值超10萬億美元，各種設備利用感測器收集數據，一部分在邊緣側處理，並結合雲端大腦，使得設備具有感知能力，僅在工業互聯網領域就能激發高達7000億市場規模。製造業在部署各種感測器後，與雲平台結合，並利用人工智慧技術對數據分析，賦予工業企業依據數據具有洞察力，把製造業推向數字製造轉型。

（一）微軟

GE在微軟Azure雲平台上標准化其Predix解決方案，將Predix產品組合與Azure的本地雲功能，包括Azure物聯網和Azure數據與分析，進行深度整合。在農業應用方向，布勒集團作為一家食品加工系統企業，將人工智慧、智能雲以及物聯網技術相結合，提高玉米產量，同時最大限度地減少穀物地毒害污染。

微軟以雲、邊緣智能和人工智慧構件生態，並已經廣泛應用智能硬體和工業製造等各行各業，Azure IoT等服務幫助製造商實施工業4.0，包括ABB和西門子等工業巨擘都在利用微軟Azure開發自己的物聯網平台。

（二）騰訊

騰訊雲和三一重工打造的工業數據根雲平台，三一重工連接了全區超過30萬台重型機械設備，能夠實時採集近1萬個運行參數，共積累1000多億條工程機械工業大數據，實現了全球范圍內工程設備2小時到場，24小時內完工的服務承諾，大大提升了運營的效率，堪稱工業智慧生態中的典範。

騰訊雲在華星光電應用場景中，通過物聯網平台採集數據，利用騰訊優圖AI圖像檢測技術，系統可以7*24小時顫滲不間斷進行質檢工作，准確率達到了90%以上，遠遠超過人的水平，整個生產周期縮短了近40%。

產業互聯網最初的營收機會還是來自雲業務，騰訊的雲服務增長非常快，市場份額一直不斷提高，並強調，雲業務的本質決茄桐脊定了需要大量的投入，包括數據中心和伺服器方面的支出，這樣才有來自雲服務的經常性收入。這是騰訊總裁劉熾平在此前第三季度季報後高管電話電話會議上的講話。

特別今年新成立雲與智慧產業事業群後，騰訊積極擁抱產業互聯網，通過整合自身技術和生態資源，騰訊雲正構築全鏈路的開發者服務體系，幫助人工智慧、輪漏物聯網、小程序、雲原生領域開發者快速成長，並促進各行業與互聯網深度融合，助推產業互聯網升級。

（三）網路

網路以ABC＋IoT＋智能邊緣促進物聯網在各垂直領域展開大規模應用，網路雲質檢雲解決方案幫助寶鋼建立從連接採集、存儲計算到理解決策的感知認知平台，並展示了鋼包內襯熔損識別的應用。還有寶鋼技術和網路共同打造「智能鋼包」應用，通過為鋼包部署感測器，實時監控鋼包狀態，並結合ABC能力打造智能調度的鋼包管理系統，降低50%鋼包烘烤能耗，平均降低出鋼溫度10℃，可以節約能源成本70億元，大約可以節約150億元。

網路在物聯網應用中能大放異彩，得益於2010年開始積極 探索 發展AI技術，應用開始在多個領域開花結果，並以網路雲為平台把AI能力分享給 社會 ，從農業到工業，從家庭到 汽車 ，以及翻譯、圖像識別和信息流等產品和服務，網路AI商業落地走在行業前列。在網路看來，人工智慧將推動全 社會 新一輪產業變革，「雲」巔之上的企業正向著智能化、AI化升級。

（四）阿里

阿里雲在製造業也有不少案例，通過雲＋AI+IoT能力先後為協鑫集成、天合光能和徐工集團等大型製造企業提供服務。基於阿里雲可以輕松安全地將設備連接至雲，從邊緣設備到雲端，從各種設備上收集數據、分析數據，幫助製造業提高運營效率，如協鑫光伏切片生產車間，生產良品率已經提升1個百分點，每年可節省上億元的生產成本。

全球工業4.0和智能製造如火如荼進行中，這製造業升級大趨勢下，越來越多的製造商開始評估並加大部署物聯網，不僅西門子和通用電氣等工業巨擘，包括 科技 企業也積極湧入，出擊這個新風口，紛紛推出打通數據的工業互聯網雲平台，透過雲端連接設備、服務和數據，並經AI技術處理，可以實時監測工廠運轉狀態，自主檢測生產線上機械異常，以數字化來提升工廠生產率和產品合格率，推動製造業向數字化轉型。

作者系物聯網高級顧問楊劍勇，網易最佳簽約作者，致力於深度解讀IoT和AI等前沿 科技 ，基於對未來物聯網洞察和對趨勢判斷，其觀點被眾多權威媒體和知名企業引用。

『伍』 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。

『陸』 BAT的金融大數據到底是如何運作的

1、大數據徵信：在個人徵信領域，目前是金融行業面臨的最大問題。基於用戶在互聯網上的消費行為、社交行為、搜索行為等產生的海量數據，其價值並未被充分挖掘，個人徵信在大數據的採集和信息挖掘上面仍有很大的想像空間。阿里的芝麻信用在其中算是最會玩的。芝麻信用幾乎打通了用戶的身份特質，行為偏好，人脈關系，信用歷史，履約能力等各類信息。這恰恰是因為接入了電商、支付、社交等各類數據維度。

2、大數據風控：大數據風控目前應該是前沿技術在金融領域的最成熟應用，相對於智能投顧、區塊鏈等還在初期的金融科技應用，大數據風控目前已經在業界逐步普及。目前，美國基本上都用三大徵信局的信息，最傳統的評分基本上都是用FICO來做的。各家平台會嘗試著用機器學習、神經網路等大數據處理方法。

國內市場對於大數據風控的嘗試還是比較積極。特別是大公司，可以將移動互聯網的行為和貸款申請人聯繫到一起展開大數據風控。網路在風控層面上的進展還是比較突出，網路安全每天要處理數十億網民搜索請求，保護數億用戶的終端安全，保護十萬網站的安全，因此積累了大量的數據。

一個很具體的案例就是，通過海量互聯網行為數據，比如監測相關設備ID在哪些借貸網站上進行注冊、同一設備是否下載多個借貸App，可以實時發現多頭貸款的徵兆，把風險控制到最低。

3、大數據消費金融：消費金融對大數據的依賴是天然形成的。比如說消費貸、工薪貸、學生貸，這些消費型的金融貸款很依賴對用戶的了解。所以必須對用戶畫像進行分析提煉，通過相關模型展開風險評估，並根據模型及數據從多維度為用戶描繪一個立體化的畫像。

網路金融的優勢在於，通過基於大數據和人工智慧技術為基礎的合作商戶管理平台，為合作商戶提供涵蓋營銷和金融服務的全面管理方案，降低獲客成本，解決細分行業的微小需求。一方面可以降低風險，另一方面也能提升金融的安全度。

在大數據消費金融的領域中，騰訊和阿里的優勢很大程度上是在渠道層面上的。正如前文所說的，阿里以電商-支付-信用為三級跳板，針對性很強支付寶接入消費金融產品之後會有較強的渠道作用。而在去年12月，騰訊的「微粒貸」已經接入到了微信支付當中。在消費金融的發展速度上，騰訊速度也不差。

4、大數據財富管理：財富管理是近些年來在我國金融服務業中出現的一個新業務。主要為客戶提供長期的投顧服務，實現客戶資產的優化配置。這方面業務在傳統金融機構中存在的比較多。不過因為技術能力不足，大數據財富管理在傳統金融機構中相對弱勢。

財富管理在互聯網公司的業務中也非常流行。螞蟻金服一開始最為簡單的財富管理方式就是余額寶，後來逐漸演化成經過大數據計算智能推薦給用戶的各種標准化的「寶寶」理財產品。網路金融相對來說更進一步，是依託「網路大腦」通過互聯網人工智慧、大數據分析等手段，精準識別和刻畫用戶，提供專業的「千人千面」的定製化財富管理服務。

金融大數據的孿生兄弟金融雲是地基，未來更具看點

大數據和雲計算永遠都是相伴相隨的一對孿生兄弟。金融大數據核心工作包括三方面，即獲取數據、建立模型、模型在實踐中優化、迭代。而對於金融大數據而言，金融雲才是它的地基。

打個不恰當的比方，前文中說大數據是煤礦，而金融雲其實就是礦井。礦井的安全行、可靠性決定了挖煤的效率和結果。

金融雲把底層技術很多問題都解決了。大量金融模型都是金融雲所引入的，如客戶模型、產品模型、賬務模型等。同時金融雲關注金融本身的嚴謹性和周密性、安全性的考慮。

2016年7月，「騰訊雲+未來」峰會上，騰訊雲和騰訊金融雲都已成為最重點部署的業務。同年9月，網路世界大會金融科技分論壇上，網路金融雲正式向業界開放。據時任網路金融研發負責人沈抖表示，網路金融雲將通過人工智慧、安全防護、智能獲客、大數據風控、IT系統、支付等六大技術能力給合作夥伴賦能。10月，阿里雲棲大會上，阿里金融雲負責人則是提出將會和生態合作夥伴、服務聯盟為金融行業量身定製推出雲增強服務。

大數據必須要跑在雲端，而金融大數據更需要和業內其他企業展開數據、支付、業務等一系列的合作。金融雲對可用性、安全性的要求嚴格，比如說對一個高度可控可信的雲安全體系而言，基礎環境安全、風控與審計、數據安全三者缺一不可。而金融雲在未來的競爭中將發揮越來越重要的作用。

?