摸象大數據融資

1. 大數據的商業價值實現關鍵在於連結

大數據的商業價值實現關鍵在於連結

我的英文主題的大數據的商業價值實現關系在於連結，但是在這個之前，我想跟大家分享一下前面阿里幾位演講嘉賓的評論我很受啟發。

第一個大數據是相通的，數據本身並不本身任何的意義，只有在當他和一個他所表示的一個事情連結上以後，才能知道這個意義在哪裡，或者價值在哪裡。比如說有一種大數據對你來說就是一個大市場的表現，有一種大數據就是一個很大的人群，他們在你的平台上的行為，只有這么想了以後這個大數據才他對您真正的價值和意義有鏈接。

第二個我很受啟發的，大數據在很多年前已經提出，那麼他對你的意義如何？其實每個工業的形成，都有這樣一條發展的路程，第一是由少數的人他們比較有遠見，看到了一個很小的一個數據的能夠被儲存，能夠被用來表達一個很復雜的現象，或者一個事物，從這個裡面發揮了以後就逐漸進入一個新的商業應用的領域，這是當年的資料庫計算機的發明和應用都是走了這樣的路子，所以第一個是少數人的遠見促進了這樣一個形成。第二個進入科學階段，有了科學之後這個事情就能不斷的重復，而且可以有方法來證明，如果你是照著某一種進程來開展活動的話，你的結果是可以被預測。第三個部分就是進入工程的應用。我也很欣賞品覺一句話，真正的價值在於更多的人使用，只有一兩個人能懂能使用這個價值不會很大。第四個部分跟我今天的主題有關，大數據的來源，為什麼在今天不在一百年之前，或者在於電腦剛剛發展的時候，或者在於資料庫，在幾十年形成的時候，為什麼這些數據不大呢，為什麼今天的大就變得這么重要呢？主要的原因是一個網路。這個網路的形成，不是有了電腦就形成網路了，而且網路廣泛的使用也是有很多的階段。第一初級的網路是在企業內部的，電腦的使用的這個網路。第二部是英特網，把很多的公司很多子網路聯在一起。

第三個是在網路上軟體的開發，使得很多本來根本沒有在網路硬體的基礎上獲取信息、交流信息以及傳播信息今天都成為可能。所以，這一些網路的這個建設和網路的普遍應用成熟，使得大數據的產生有了今天的這樣一個可能。

回到演講。我今天要講的主題是什麼呢？再回到這個網路，大數據形成的本身，並不能保證他的大量的價值的實現，那麼要實現這個價值，又得回到這個網路。舉個比喻，中國現在汽車的發展這么迅速，很大的一個原因是在道路的開拓，有了很多的道路，這個汽車有地方可以車。但是如果道路的形成，道路的管理跟不上汽車的銷售以及使用的話，就出現了大量的道路擁擠，汽車的價值無法實現。那麼數據同樣的道理，在網路當中形成的數據，如果被很多種原因變成一個一個單獨的平台，單獨的一個應用的這樣一個環境的話，他的價值也遠遠無法實現。所以必須通過網路的想法來想這個大數據的價值以及他的運用。

大數據是一種洪水的現象，數據實際上已經遠遠超過我們從裡面得到的洞察，以後根據洞察我們所採取的行動這種能力。就像以前感覺到吃飯吃不夠，還想吃，但是今天這個是吃不了。這種現象是很多的程度上都存在於我們生活的體驗中，那麼現在到了數據，這是一種更極端的體驗。大家可以看到，文明的開始我們創造了這么多位元組，我們以前在國內在圖書館的時候我基本上都能看過，現在圖書館的書基本沒有辦法看全，所以這個現象已經到了極端。大數據還在不斷的增長，這裡面其中還牽涉到數據和數字不是完全等同的，數據可以在電腦裡面用數字來表達，但是他表達的這些數據的形式往往現在更多的是跟人的交換信息是比較一致的，比如說用文字、圖象、音樂。昨天我跟玫瑰爵士，玫瑰講到一個美，很多人看到玫瑰都認為是美的，但是用數據怎麼表達？如果對美能夠用數據表達出來，對音樂的欣賞能夠用數據表達出來，讓美不斷達到一種極限也是成為一種可能。所以這裡面就形成了很多數據已經成為半結構或者無結構的，但是這些結構遠遠不足以表達我們的大自然、市場、想像力的豐富。

第三個大數據成倍的增長，這種增長我們感到必須提高到我們每一個大企業管理層必須得到高度的重視，這個裡面很可能有一種企業有一種管理的方式，有一種工程的軟體的實現，會使得這個數據的資源的利用，遠遠超過我們現在產生大數據的這些大平台已經大公司。所以阿里我感到確實有遠見，把這個提高到這樣一個高度。

大數據形成了很多悖論，所謂的大，我們看到的數據之大，但是價值之小。這就像你有一隻船在大海里開，你看到很多水，但是一滴水都不能喝。現在大數據的情形就很類似，所以我們要能很快的能夠解決這個瓶頸口的問題。

這個大數據的提出呢，已經使得很多方面的專業人士、管理人士感到應用的可能，大家都在探索。其中一個探索很大的領域就是營銷。營銷以前都是我們說的廣播的方式，媒體的傳播是很廣的，當然媒體的使用只有少數人能夠使用，大家都在想怎麼能夠把我媒體的宣傳，以及營銷的個性化。但是這個個性化了以後你就做不到大，你覆蓋的范圍就小了，成本就提高了。但是現在有了數據有了媒體的技術的提高，使得在大規模的前提下，覆蓋面可以達到整個市場，但是還能保證你的個性化的發揮。所以呢，我們今天有很多媒體的朋友在，我引進了一個新詞，這是用一個大數據的形式用技術的手段來實現一個窄播，而不是廣播。那麼窄播現在用技術的力量可以比廣播更有效，而且達到的覆蓋面以及有效的回報更廣。

我做了一些想像，以前我們的數據不大，我們是怎麼生活的呢？我們是怎麼會有這樣一個阿里這么一個強勁的公司呢，我們為什麼會國家經濟發展了，現在在數據這么大了以後，這個情況是不是會更好呢？我就想這樣一些問題。

以前數據是小，所以由於數據小信號是不全，但是信號的使用信號的被發現，信號的價值還是比較充分的，這是相對來說。有了大數據以後，信號是成倍成倍的增大了，但是毫無疑問，信號的增大並不代表信號本身的發現是容易的，因為這個雜訊的增加，沒用信息的增加，遠遠超過信息的增加。這里也給大家看一下，在營銷的這個領域裡面，跟消費者互動的這個方面，大數據的一些起到的作用，以及他們對數據管理、數據的速度的反應這方面的一些要求。

在很多年以前，安客誠公司已經開始，先在美國然後在全球，開拓了很多的數據。這些數據就是單從數據方面來說，已經是達到相當大的規模，在美國我們管理一個消費者的資料庫，有2.4億個成人在這個資料庫裡面，總共人口是差不多4億，2.4億成人就是18歲以上都在我們資料庫裡面。這2.4億相當於是1.4億個家庭，這1.4億個家庭每個家庭的單位上我們有1700條信息，再加上4000個購買傾向性模型打分。那麼這些東西呢，在儲存、使用方面，當然是有很大的挑戰，但這已經有很多的技術被有效的使用來管理這么大的信息。這是我講到的位元組的數量，以及他們時間上的要求，今天的數據傳播和使用的一些時間上的反應速度。

第二個階段呢，就是到了把他數據再專門化，用到每個應用上去，這時候反應速度的要求是在幾分鍾以內，位元組相對來說比較小一些，因為他更窄了，針對某一個專業的應用，使得它能夠適合他的要求，比如說對某一個客戶的要求，某一個在媒體方面的使用，數據量不大，但是對時間反應速度的要求就提高了。再往上繼續保持這個趨勢，數據量減少，應用專門性提高，那麼對他反應的要求也進一步提高，在秒鍾這個級別。在往上消費者就是要跟大批的消費者，在媒體上互動，他在網頁上點擊一下，你下一個網頁不是同一個網頁，而是根據消費者行為的了解和個人的了解，下一個網頁是最有效最具有個性化的，那麼他的反應速度達到微秒級，那麼這個網頁往往不是在PC上，而是在手機上的，包括現在更進一步的是孩子們，他們對數據反應的要求是更高，所以達到微秒級。

那麼這些大數據的數量和他的速度呢，還不是一個真正大的問題，因為這一方面有了技術，有了企業這方面應用的思維，這已經不是一個最大的問題。

我今天想是超前一點，並不是說我們非得馬上今天就要連結，但是這個連結已經成為很大的問題，哪一個公司，哪一個企業能夠在這個方面跨第一步，得到的商業上的回報是會最大的，整個工業我們認為也在朝這個方向努力。用個比喻，我們大家都知道這個故事，盲人摸象，每個盲人摸到的反映都是不一樣的，有人認為是一個矛，有人認為是一條蛇，或者一棵樹等等。那麼大數據的使用已經不是盲人摸象了，很多人亮著眼睛看這個象了，但是這個象已經長大幾千倍了，但是即使用眼睛看，但是還是看不清楚，只能看到一個局部。所以這些問題主要的原因，我們還沒有充分的運用我們的技術，我們尤其是企業操作的一種游戲規則—來使得不同的數據能夠交流。因為人有這樣的能力，我們懂得的東西或者我們要懂得一個原理，遠遠超過我們的感官能夠達到，我們很多東西是看不到，聽到，聞不到，嘗不到的，但是我照樣因為我們的理解能力，通過數據的連結我們知道是怎麼回事，這個數據可以是一本書，可以是一部電影等等之類。通過這個數據的表達，使得我們知道遠遠超過我們的感官能夠達到這樣的境地。

但是要達到同樣的能力，在企業上來說就必須有大量的連結，首先是數據的連結，包括哪些方面呢？

第一個數據是很多位數，尤其是很多復雜的現象，我們現在講的復雜的現象就是消費者，消費者是怎麼做決定的，為什麼買這個東西，為什麼出這么多錢。在美國我們感到很新奇的，為什麼有很多人要在蘋果出來的第一天排隊八個小時，花400美元買一部，在半年以後只要100美元，不需要排隊。那麼在這種時候呢，如果你要掌握市場的脈搏，始終走在消費者前面，給他們提供最有效的信息以及產品的話，就需要連結，這個連結保證人文、行為、態度以及場景這方面數據的連結。然後我們看到了很多公司以及他們有技術平台，因為他們跟消費者每天都在接觸，所以他們的行為接觸往往超過了人文以及購買以外消費的信息。還有他們的商品很窄，我們美國安客誠所服務的有幾千家公司，我經常去一些大公司跟他們談，比如說花旗銀行，大的人壽保險公司，大的零售商等等。我看到一個現象很有意思，他們看每個消費者是很窄的，他們看到的是用自己的產品品牌去看一個消費者。等八小時之後他們自己是消費者的時候，他們把視野擴大了很多。所以這就是一個問題，如果我們回到消費者本身，而不是局限於消費者這一部分數據的了解，我們的商業行為也會更有效。

第二個這些客戶的生活方式和他們的興趣。每一個東西，每一個客戶的行為都有一定的道理，他有一定的背景，這種背景使得驅動他們對某一個產品感興趣。這一方面我等一會兒再舉一個例子。第三個是客戶競爭和合作的關聯。我們阿里巴巴有很多品牌，消費者去購買東西，或者跟他們媒體發生互動。那麼這些方面呢，如果了解的話，我們更能知道我們在消費者心目當中的地位，他們是怎麼使用我們的平台以及我們提供的服務，相對於其他一系列的他們的興趣和其他的品牌的影響。第四個就是媒體。媒體現在是越來越多，那麼這對消費者絕對有利的。出現什麼現象呢？由於這些媒體的使用，首先是實現了營銷者，公司對消費者能夠接觸、能夠宣傳他們的品牌以及產品，但第二部分是消費者可以使用媒體來更多的了解不同的公司不同的產品，他們價格、性能、體驗方面的區別。

第三個方面更多的消費者是跟消費者自己直接聯系，他們大家互相能夠談體驗、談對商品的反映，而且遠遠超過他們認識的人的這些團體的限制。所以使得很多媒體在消費這個階段上已經完全連結在一起，但是公司與公司的數據連結並沒有實現。最後一個就是社交的群體。社交的群體使得每一個個人不再是一個個人，但是我們的資料庫裡面，包括我們的分析的手段，分析的一些模型的這種結構，還是往往停留在這樣一個假設，這個假設就是每一個個人，他就是一個個人，他今天的購買和另外一個個人的購買，可以分開對待，可以不同的用數據來表達，現在我們還沒有發現一個公司把個人與個人的關系，以及個人與消費行為進行有效的聯系，所以就形成了盲人摸象的問題。

以上是小編為大家分享的關於大數據的商業價值實現關鍵在於連結的相關內容，更多信息可以關注環球青藤分享更多干貨

2. 央行徵信和大數據徵信的不同之處

沒有完善的徵信體系，就沒有真正的互聯網金融。由於人民銀行的徵信系統與互聯網金融的數據平台無法對接，信息無法共享，P2P網貸平台與眾籌等不得不通過線下調查客戶信用和調取央行徵信報告，各自組建線下徵信風控團隊，這樣的網貸與小額貸款公司其實並無實質區別。
支付和徵信是互聯網金融發展的基礎，信用就是公民的「第二張身份證」。P2P投資理財平台最先興起的英國、美國等國家擁有完善的徵信體系，P2P理財機構能夠與之相連，能夠在線上快速完成交易。目前，美國最大的P2P平台LendingClub基本只做線上交易，而將LendingClub模式引入中國的P2P公司，盡管擁有最新的分析技術，但依然有80%的審核業務需要在線下完成。
在國內，由於徵信體系不健全，央行徵信系統相對互聯網金融是閉環的，線上交易受到很大局限。現在銀行只在全國7000多家小貸公司中挑選一部分獲得央行的徵信信息和徵信報告，P2P公司由於沒有明確的法律地位，難以進入銀行的徵信系統。
徵信體系不健全導致P2P在中國舉步維艱，這成為中國互聯網金融行業發展的最大瓶頸。惡意圈錢跑路不斷，虛構注冊地址等，都是因為互聯網金融企業的資質不公開，投資人無法查詢相關信息，而網上活躍的一批惡意借款人也讓眾多網貸公司頭疼。沒有方便快捷的徵信系統，互聯網金融的發展就如「盲人摸象」，借貸雙方互不知底。投資者對P2P公司的投資也變成了高利誘惑下的賭博。
央行的徵信中心是國內最大的金融資料庫，共收錄法人1940萬戶，自然人8.5億人。但其部分數據可能沒有互聯網金融活躍，互聯網金融在典當、借貸活動中，貯存了大量時效性強的活躍信息。同時，互聯網企業通過擁有大量電商活動建立了寶貴的信用資源，從電商、微博等平台獲取客戶網路痕跡，從中判斷借款人的信用等級，形成整體風險導向，完善大數據的積累。但互聯網金融企業實力和技術參差不齊，一些報告的合規性和規范性、安全性以及客戶隱私保護都難以達到央行徵信系統的要求。如果在互聯網金融數據規范基礎上實現二者聯網，互聯網金融完全可以反哺央行的徵信中心。

3. 大數據 大變革、大機遇

大數據：大變革、大機遇

從來沒有哪一次技術變革能像大數據革命一樣，在短短的數年之內，從少數科學家的主張，轉變為全球領軍公司的戰略實踐，繼而上升為大國的競爭戰略，形成一股無法忽視、無法迴避的歷史潮流。互聯網、物聯網、雲計算、智慧城市、智慧地球正在使數據沿著「摩爾定律」飛速增長，一個與物理空間平行的數字空間正在形成。在新的數字世界當中，數據成為最寶貴的生產要素，順應趨勢、積極謀變的國家和企業將乘勢崛起，成為新的領軍者；無動於衷、墨守成規的組織將逐漸被邊緣化，失去競爭的活力和動力。毫無疑問，大數據正在開啟一個嶄新時代。

大數據時代有什麼本質特徵？大數據的來源是什麼？大數據又將流向哪裡？大數據在提升政府治理、改善經濟治理、再造公共服務模式、激發商業創新方面有哪些卓越案例？中國需要怎麼樣的戰略反應才能抓住大數據帶來的寶貴機遇？一系列問題亟待研究者給出深入解析。

「數據驅動發展」成為時代主題

如今，大數據已經被賦予多重戰略含義。從資源的角度，數據被視為「未來的石油」，作為戰略性資產進行管理；從國家治理角度，大數據被用來提升治理效率、重構治理模式、破解治理難題，它將掀起一場國家治理革命；從經濟增長角度，大數據是全球經濟低迷環境下的產業亮點，是戰略新興產業的最活躍部分；從國家安全形度，全球數據空間沒有國界邊疆，大數據能力成為大國之間博弈和較量的利器。總之，國家競爭焦點將從資本、土地、人口、資源轉向數據空間，全球競爭版圖將分成新的兩大陣營：數據強國與數據弱國。

宏觀上看，由於大數據革命的系統性影響和深遠意義，主要大國快速做出戰略響應，將大數據置於非常核心的位置，推出國家級創新戰略計劃。美國2012年發布《大數據研究和發展計劃》，並成立「大數據高級指導小組」，2013年又推出「數據—知識—行動」計劃，2014年進一步發布《大數據：把握機遇，維護價值》政策報告，啟動「公開數據行動」，陸續公開50個門類的政府數據，鼓勵商業部門進行開發和創新。歐盟正在力推《數據價值鏈戰略計劃》，英國發布《英國數據能力發展戰略規劃》，日本發布《創建最尖端IT國家宣言》，韓國提出「大數據中心戰略」。中國多個省市發布了大數據發展戰略，國家層面的《關於促進大數據發展的行動綱要》也於2015年8月19日正式通過。

微觀上看，大數據重塑了企業的發展戰略和轉型方向。美國的企業以GE提出的「工業互聯網」為代表，提出智能機器、智能生產系統、智能決策系統，將逐漸取代原有的生產體系，構成一個「以數據為核心」智能化產業生態系統。德國企業以「工業4.0」為代表，要通過信息物理系統（CPS——cyber physical system），把一切機器、物品、人、服務、建築統統連接起來，形成一個高度整合的生產系統。中國的企業以阿里巴巴董事局主席馬雲提出的「DT時代」（data technology）為代表，認為未來驅動發展的不再是石油、鋼鐵，而是數據。這三種新的發展理念可謂異曲同工、如出一轍，共同宣告了「數據驅動發展」成為時代主題。

與此同時，大數據也是促進國家治理變革的基礎性力量。正如《大數據時代》作者舍恩伯格在定義中所強調的，「大數據是人們在大規模數據的基礎上可以做到的事情，而這些事情在小規模數據的基礎上是無法完成的」。在國家治理領域，陽光政府、責任政府、智慧政府建設，大數據為解決以往的「頑疾」和「痛點」提供了強大支撐；精準醫療、個性化教育、社會監管、輿情監測預警，大數據使以往無法實現的環節變得簡單、可操作；大數據也使一些新的主題成為國家治理的重點，比如維護數據主權、開放數據資產、保持在數字空間的國家競爭力等。

從哲學意義上來看，大數據不僅僅是一場技術革命，也不僅僅是一場管理革命或者治理革命，它給人類的認知能力帶來深刻變化，可謂是認識論的一次升華。具體而言，大數據可以為決策者解決「四個問題」，提升「兩種能力」。一是解決「坐井觀天」的問題，以往人們決策只能基於視野之內極為有限的局部信息，和井底之蛙無異，大數據則可以實現整個蒼穹盡收眼底；二是解決「一葉障目」的問題，以往不具備全樣本數據分析能力，只能用小樣本分析近似推理，猶如從「泰山」中取來「一葉」，而真理可能存在於全樣本的海量數據之中，藉助大數據則可完全克服；三是解決「瞎子摸象」的問題，七個瞎子根本無法根據各自的認識加總出完整的大象，因為他們的信息是相互離散的，無法有效關聯起來，而大數據的基本優點是在深入關聯中還原事物的原貌；四是解決「城門失火，殃及池魚」的問題，人們習慣於因果分析，遇到這種「稀奇古怪」的因果鏈則很難前瞻和推理，但大數據注重相關關系，可以准確地發掘出規律。提升兩種能力，一個是「一葉知秋」的能力，體現大數據敏銳的洞察能力，另一個是「運籌帷幄，決勝千里」的能力；體現大數據對時空約束的突破。這些足以說明，大數據是人類認識世界和改造世界能力的一次升華。

中國成為數據強國的優勢、挑戰與路徑

值得振奮的是，中國具備成為數據強國的優勢條件。從2013年至2020年，全球數據規模將增長十倍，每年產生的數據量由當前的4.4萬億GB，增長至44萬億GB，每兩年翻一番。從全球佔比來看，中國成為數據強國的潛力極為突出，2010年中國數據佔全球比例為10%，2013年佔比為13%，2020年佔比將達到18%，屆時，中國的數據規模將超過美國的數據規模，位居世界第一。中國成為數據大國並不奇怪，因為我們是人口大國、製造業大國、互聯網大國、物聯網大國，這都是最活躍的數據生產主體，未來幾年成為數據大國也是邏輯上必然的結果。

盡管存在成為數據強國的潛力，但在目前的政策環境之下，我國推進大數據戰略仍存在以下幾個清晰的挑戰。第一，頂層設計方面，全球大國之間圍繞大數據的競爭頗為激烈，中國作為一個後發國家，想要實現彎道超車，後來居上並非易事。如何能夠緊扣創新前沿，把准未來趨勢，超前戰略部署，對政策設計來說是一個非常現實的挑戰。第二，數據開放方面，「數據孤島」廣泛存在，雖然政府掌握著80%的數據，但現實中卻相互割裂，自成體系，「部門牆」「行業牆」「地區牆」阻礙了數據的流動共享，數據被視為部門的利益和隱私，這與大數據時代的基本理念准則相悖。第三，大數據相關的法律、法規、標准缺位，導致能夠開放的數據不開放，需要保護的隱私不保護，企業由於標准模糊而無法大膽創新。第四，「數據主權」容易受到侵蝕，由於數據空間是國家新的戰略維度，尚沒有完備的安全保障體系，再加上電腦、手機、晶元、伺服器、搜索引擎、操作系統、軟體等核心的數據「基礎設施」大量依賴進口，數據資產極易流失，數據主權極易受到侵蝕。

把握優勢，克服挑戰，抓住大數據革命帶來的「機會窗口」，建設數據強國，是實現中華民族偉大復興的一個有力支撐。然而，我們需要怎樣做才能更好地擁抱大數據時代，確保在數字化趨勢中立於不敗之地呢？首先，需要在國家頂層設計上有一個清晰的行動框架，包括由什麼部門主導、哪些部門參與、什麼樣的協作機制、沿著什麼優先次序、克服哪些既有的障礙、達到什麼戰略目標，只有這樣，各部門、各地區、企業界、學術界才能形成合力，在一個共同的路線圖上協作推進。其次，盤活數據資產，在數據開放上取得實質性突破。一些基本的建議包括：加快G2G（政府與政府之間）、G2B（政府與企業之間）、G2C（政府與公民之間）大數據開放與共享；推動基礎性、戰略性大數據資源庫整合；加強大數據基礎設施建設，編制國家大數據檔案。最後，把強大的「國家企業」和活躍的「萬眾創新」結合起來。一方面，要培育可以和國際「八大金剛」並駕齊驅的巨型企業作為大數據環境中競爭的中堅力量，同時，鼓勵和引導大眾創業、萬眾創新成為數據生態系統中的活躍力量。

以上是小編為大家分享的關於大數據 大變革、大機遇的相關內容，更多信息可以關注環球青藤分享更多干貨

4. 大數據時代網路輿情管理變革探討

大數據時代網路輿情管理變革探討

大數據時代的到來對人類的生活、工作與思維產生變革性影響，深刻改變著商業王國及公共管理等各個領域的面貌，「大數據」日漸成為各行業創新的助推器。當前中國網路輿情環境復雜，網路輿情危機時有發生，社會熱點輿情事件和涉官涉政輿情事件不斷涌現，造成社會民主生活和政治穩定間的不平衡等諸多影響。大數據背景下的網路輿情正在發生巨大的變化，網路輿情管理變得日益復雜和重要，如何抓住大數據時代為網路輿情管理變革帶來的機遇，以「大數據觀」變革傳統網路輿情管理思維，准確把握網路輿情的內在特徵及其在演變過程中的潛在規律，實現網路輿情管理在思維、模式以及技術上的創新，對於新形勢下做好網路輿情引導工作，加強和改進網路內容建設，具有重要的理論意義和實踐價值。

一、大數據時代必然要求網路輿情管理變革

「大數據」概念最早在20世紀80年代提出，2011年麥肯錫咨詢公司發布其研究成果《大數據：下一個創新、競爭和生產率的前沿》，使這個概念得以大范圍推廣。2012年3月29日，奧巴馬宣布將投入2億多美元啟動「大數據發展和研究計劃（Big Data Research and Development Initiative）」，將「大數據戰略」上升為國家戰略。近兩年，大數據備受學術界、產業界和政府部門的關注，成為國內外強有力的前沿詞彙。大數據又稱巨量數據、海量數據、大資料，指的是所涉及的數據量規模巨大到無法通過目前主流軟體工具在合理時間內進行抓取、管理和處理的數據集合，是必須通過深度挖掘、計算、分析才能創造價值的海量信息。大數據在體量、復雜性、產生速度及價值密度四個方面都極大地超越了傳統的數據形態，具有4V特徵：大量（Volume）、多樣（Variety）、高速（Velocity）、價值（Value）。數量龐大的網民通過論壇、微博、微信等多種途徑方便快捷地發表言論觀點，網路輿情的規模和復雜性急速上升，體量巨大而價值密度低，其內在特徵的變化必然要求實現網路輿情管理的變革以適應大數據時代的發展，這些要求主要體現在四個「轉向」上。

（一）從監測轉向預測。大數據的核心和目標就是預測。復雜網路的研究專家巴拉巴西認為，「93%的人類行為是可以預測的，當我們將生活數字化、公式化以及模型化的時候，我們會發現其實大家都非常相似。生活如此抵觸隨機運動，渴望朝更安全、更規則的方向發展，人類行為看上去很隨意、很偶然，卻極其容易被預測」[1]。例如，亞馬遜可以推薦我們想要的圖書，淘寶知道我們的喜好，而人人網可以猜出我們認識誰。傳統網路輿情管理把監測已經產生的輿情信息作為起點，這種明顯的滯後性使其在網路輿情危機的應對中處於消極被動的位置。而目前留給突發事件的處理時間越來越少，從傳統的「黃金24小時」變為「黃金4小時」，如此短的時間使輿情分析和決策尚未來得及參與進來，整個事件就已經造成了爆炸性的效果。在大數據時代，通過挖掘數據相關性，把數學演算法運用到海量的數據上進行分析，在敏感消息進行網路傳播的初期就提前開始監測，然後建立模型，模擬模擬網路輿情的演變過程，使網路輿情突發事件發生的可能性和傾向性變得可以預測。

（二）從節點轉向網路。由監測輿情轉向預測輿情的目標實現，最關鍵的大數據技術就是挖掘數據的相關性。在小數據時代，由於受到資料庫和計算分析能力的限制，無論是對於因果關系還是相關關系的追尋，都耗資耗時，並且易受傳統的思維模式和特定領域隱含的固有偏見的影響，無法保證輿情分析結果的准確性。因此傳統的網路輿情管理只注重輿情內容的監測，通過分析單個數據節點，如網民「說什麼」來抓住比較淺層的社會語義表達。大數據則在保留了原始數據的同時，記錄了網民「為什麼這么說」背後的社會心理和社會關系網。按照大數據思維，每一個數據都是一個節點，可無限次地與其他關聯數據形成輿情鏈上的乘法效應——類似微博裂變傳播路徑，數據裂變式的關聯狀態蘊含著無限可能性[2]。通過對海量信息的解構與重構，充分整合政府和企業的數據資產，利用一系列飛速發展的新技術和新工具，描繪、測量、計算各節點之間的關系，深度挖掘數據的相關性，以此排除偏見和視覺盲點，掌握易被忽略的社會動態，預測輿情的發展趨勢。因此大數據時代必然要求網路輿情管理變革其監測系統，由節點轉向網路，把握相關性，進而分析輿情背後的社會互動，乃至網路族群之間的界限和相互勾連。

（三）從定性轉向定量。輿情分析師或解讀者從自身經驗和視角出發，在傳統網路輿情管理的過程中進行定性分析時，必然使其分析結果帶有個人價值與理念的主觀印記，甚至不同的輿情機構對同一輿情事件會得出相悖的結論。在大數據時代，所有元數據都可通過量化關聯轉化為有價值的信息，並實現多次利用，每一次利用都是一種創新，大數據成為網路輿情定量管理的力量源泉。盡管數據的相關性決定了某些數據價值的潛藏性，但新技術、新軟體的出現使得通過數學分析實現數據的價值轉化變為可能。而多維解讀輿情和新的深刻洞見的揭示，使輿情分析結果的全面性和客觀性大大超越傳統的網路輿情管理。但數據的量化並不等同於簡單的「數字化」，而是數據的可計算化，舍恩伯格將其稱之為「數據化」，是指一種把現象轉變為可製表分析的量化形式的過程[3]。「數據化」使態度和情緒轉變為一種可以分析的形式，網路輿情的相關信息得以進行深入分析，一些社交媒體如Facebook、Twitter、QQ、微博、微信等坐擁大型數據的寶藏，一旦實現對其自身資料庫的深度利用，就能輕易獲得社會各個領域和所有用戶的幾乎全部動態信息。

（四）從樣本轉向全體。在傳統的網路輿情工作模式中，所採集的輿情關聯數據僅為樣本信息，構建的資料庫結構單一、數據量有限。其數據源一般是基於抽樣或者針對重點網路站點進行的數據抓取，僅能對小規模、有結構或類結構的數據進行分析，標准不一，難以在不同領域中通用。同時，樣本分析並不能保證結果的准確，即使分析方法和操作沒有問題，但采樣過程的任何偏誤都將使輿情分析結果與事實相去甚遠。大數據體量巨大，從TB級別躍升至PB乃至ZB級別，完整記錄了社情民意，成為人類生存痕跡和心理變化的記錄儀。采樣的目的是以盡可能少的數據獲得盡可能多的信息，但大數據是建立在掌握所有數據，至少是海量數據的基礎上的，在數據處理技術日新月異的今天，變革傳統輿情管理思維與方法，改變采樣的慣性行動成為必要。通過運用大數據技術，建立網路輿情自動分析系統，全天候自動搜索並採集與目標輿情看似毫不相關實則具有內在關聯的信息，在抓取和收集頁面之後，對信息自動分類、自動獲取關鍵詞、自動內容分析和自動報警等。樣本擴大至幾乎全體，輿情分析的結果更加客觀可靠。

二、大數據時代網路輿情管理變革的效應前瞻

抓住大數據時代變革網路輿情管理的新機遇，迎接大數據時代網路輿情管理的新挑戰，順應大數據時代網路輿情管理的新要求，變革與創新網路輿情管理將會產生良好的管理效應，實現新時期網路輿情管理的升級轉型。

（一）實現「防火」式管理。傳統的網路輿情管理因為無法把握數據相關性，不能准確預測輿情未來的發展趨勢，因此採用的是「滅火」式管理模式。政府通常在輿情產生或者已形成輿情危機的情況下才開始採取措施，如發布信息、引導輿情、滿足訴求等，以此達到「滅火」效果。在此種模式下，政府經常被動陷入網路輿情漩渦，由此形成視網路輿情為「敵情」的偏見。為了擺脫這一困境，政府總是試圖「控制」、「引導」和「應對」網路輿情，以一種上位者的姿態去支配、主宰網民及其輿情表達的方式。然而，若網民在網路輿情中的主體地位得不到保證，網路輿情就會失去其「減壓閥」的功能，網路輿情問題將會是治標不治本。大數據時代，政府轉變網路輿情管理思路，變革網路輿情管理模式，應用大數據技術對網路輿情進行關聯分析、級別劃分、聚類分析和傾向性分析，將實現「滅火」式管理到「防火」式管理的轉變。通過尋找「導火索」與「減壓閥」之間的平衡點，在發揮網路「民間輿論場」作用的同時，將網路輿情危機扼殺在搖籃里。例如美國中央情報局通過抓取海量數據來追蹤恐怖分子和監控社會情緒，在「阿拉伯之春」中，通過大數據分析多少人和哪些人的立場從溫和變為激進，並「算出」誰有可能會採取有害行為。

（二）打撈「沉沒的聲音」。大數據源於互聯網的分享、開放，但「數字鴻溝」的存在卻使「信息窮人」與網路隔絕。盡管互聯網的發展使這一部分人的比例越來越低，但發展不均衡性的擴大意味著現在和將來仍然有一個不容忽視的群體將無法提供任何數據。即使是那些能夠充分利用網路的人群，也有可能因為在某種情境下成為輿論中的弱勢群體，或者因其在輿情主流中的異質思維而選擇不在網路上發聲。當然，這種選擇既可能是主動也可能是被動的。正如美國哲學家埃里克·霍弗所言，「一個國家最不活躍的人群，為佔大多數的中間層次。他們是在城市工作和在鄉間務農的正派老百姓，然而，他們的命運卻受分據社會光譜兩頭的少數人——最優秀的人和最低劣的人所左右」[4]。顯而易見的是，單憑技術體系構築的大數據平台無法真正獲取「全部數據」，通過改革網路輿情管理去打撈那些可能代表某一個群體或一定數量級的「沉沒的聲音」十分必要。因此，全面思考和理清大數據時代網路輿情管理面臨的機遇和挑戰，通過「大輿情」觀念的構建，變革網路輿情管理的工作理念和模式，將有利於打撈「沉沒的聲音」。例如，將輿情服務與社會調查相結合，重視實地調研與第一手材料的採集，而不是把網路輿情管理捆綁在技術上，將避免得到不全面的輿情或做出誤導性決策。

（三）識破「偽輿情」。當前備受關注的網路輿情，越來越成為依存於影星式的學者、影星式的記者、影星式的商人和影星式的政客為中心的「偽輿情」[5]。重大敏感事件發生後，部分網管和有影響力的輿情機構快速封堵其主觀上認為的「有害信息」，選擇性地編撰輿情報告，以片面、虛假的「偽輿情」影響決策層對形勢的研判，使其做出符合自身利益訴求的決策。有些利益集團則精心扶植和培育自己的網路發言人，引導網民思考的內容和方向。結果，這些輿論領袖對關鍵事件和問題的看法在網路上大行其道，並淹沒其他異質言論，使群眾對真相的認知產生巨大偏差。當輿情被各方利益集團的政治力量和經濟力量操縱時，它便喪失了獨立性，一旦「偽輿情」被識破，輿情機構就可能失去其公信力。基於全網的完整、准確和極速的信息抓取有利於為輿情分析報告提供一手的材料、純粹的事實，從而獲得真實全面的輿情，使網民在不知道「為什麼」的情況下，依然能獲得對「是什麼」的比較公正客觀的認知，並以此助力網路輿情的引導。同時，通過變革網路輿情管理的體制機制，保持輿情管理的獨立性將有力識破「偽輿情」，剔除「雜音」與「噪音」，使大數據時代的網路輿情真正成為現實世界的「鏡像」。

（四）克服「盲人摸象」和「信息孤島」。海量信息無限增長與網民關注、分析能力有限之間的矛盾，造成了「數據爆炸」與「知識貧乏」的怪象，加劇了社會輿論的「盲人摸象」效應。大數據時代下，網路媒體促進了信息的開放和溝通的便捷，人們對公共事件的參與達到了一個前所未有的高度，但是分眾傳播、個性化傳播的凸顯以及信息的碎片化，使得全面、深刻地關注和分析事件變得越來越困難。網民非理性、易激動的特點導致網路輿情的偏激和情緒化，網路的「群體極化」被放大。大數據時代的輿情監測是建立在傳統人工和軟體無法進行的全網輿情信息採集的基礎上，樣本擴大到全體。通過運用大數據技術，建立網路輿情自動分析系統，避免因數據源不全面而造成的重要信息監測缺失，將有利於消弭「盲人摸象」現象。與此同時，由於信息化應用水平參差不齊，政府和企業不同的部門之間都存在「信息孤島」問題：有多少個部門就有多少個信息系統，每個系統都有自己的資料庫、應用軟體和用戶界面，完全是獨立的體系，阻礙了數據的互通互聯[6]。變革大數據時代網路輿情管理的工作模式，統一輿情行業的技術標准，共享數據，建立網路輿情服務聯盟，統籌政府、企業、媒體及社會力量，實現網路輿情的多元共治將有利於解決「信息孤島」問題。

三、大數據時代網路輿情管理的變革路徑

當大數據給各行各業帶來變革性影響時，全世界都沒做好迎接這場產業革命的准備。但與英美等發達國家相比，中國更像是處在大數據時代的前夜。而中國的人口和經濟規模決定了中國大數據的規模為全球最大，為中國抓住時代的脈搏進行改革提供了難得的機遇。在這種大背景下，大數據對傳統輿情管理也產生了深刻的影響，要使網路輿情管理變革產生應有的預期效應，適應時代的發展要求，須從思維觀念、方法手段、體制機制、技術保障、人才建設等路徑著手。

（一）樹立大輿情觀念。大數據時代網路輿情管理的變革，首要在於樹立大輿情觀念。這里的大輿情，包括兩層含義。第一，強調「大數據觀」，即充分實現網路數據平台的開放共享。按照「一切皆可量化」的大數據邏輯，一個新增的相關性數據的產生，通常會帶來一個新的分析結果。因此只有形成「大數據觀」，實現數據的動態分享，才能有效防止信息「碎片化」，最大限度地消除「盲人摸象」和「信息孤島」現象。第二，強調網上和網下數據的整合。網路輿情與社會調查結合不足，可能降低輿情的真實性，誤導決策。例如，對於假期調整方案的選擇，各輿情機構組織的網路投票的結果各不相同，其做出的輿情分析報告也和真實民意相左。因此只有真正掌握「大輿情」，打撈「沉沒的聲音」，才能正確決策，打造一個更安全、更高效的社會。樹立大輿情觀念，首先，必須實現數據分析的動態化，打破數據壟斷，統一標准，共享數據，預防孤立的輿情機構閉門造車，制定片面或錯誤的輿情分析報告。其次，應把網上網下各方面數據整合起來，挖掘網路輿情與社會動態背後的深層次關系，實現網路輿情管理和社會治理的緊密聯動、同步推進[7]。最後，完善和創新包括輿情抓取、預警、研判到決策、評估等在內的網路輿情管理的各個環節，使輿情管理功能不僅僅限於危機處理，更能發揮輔助決策的作用。

（二）變革網路輿情的引導戰略。做好輿論引導工作，應把握好時、度、效。但是目前許多地方和部門對如何進行網路輿情的引導仍然缺乏正確認識，於「時」不能把握好「黃金4小時」，於「度」不能掌握火候，拿捏分寸，於「效」不能保證網路輿情引導的實效質量。大數據由於自身具有的特點，使其利於變革網路輿情的引導戰略，變「封改刪」、「鴕鳥戰術」為「網上引導，網下落地」，使「偽輿情」失去生存的土壤。因此，我們要充分發揮大數據的優勢來提高輿情引導工作的能力。其一，利用大數據提升網路輿情引導的預見性和目的性。通過數據抓取和相關性分析，構建網民意見傾向分析模型，了解網民的偏好和特點，建設和完善政府網站、官方微博，扶植和藉助意見領袖，做到「善說話、說對話、接地氣、辦實事」。其二，通過數據的價值轉化，實現網路輿情的價值引導。在充分收集相關數據的基礎上，運用圖表等數據可視化技術揭示事件的前因後果，讓數據「發聲」，使網民既「知其然」也「知其所以然」，從而全方位360度無死角了解事件的來龍去脈，消除「盲人摸象」現象。其三，提升輿情引導的公信力。一方面加強新老媒體間的互動，發揮各自的優勢與公眾溝通，破解謠言和流言，達到時效性和權威性的雙重保障；另一方面要避免輿情分析師在處理數據的過程中受經驗偏好的影響，並防止大數據淪為某些機構和個人更便捷地操縱輿論的手段。

（三）健全大數據輿情管理體制機制。當前，網路輿情管理的體制機制尚不完善，很多地區尚不具備系統規范的輿情應對與處理的管理體系。輿情分析和預測手段落後，危機應對系統缺失，輿情管理組織機構不健全、不穩定，以及多頭管理等問題非常普遍。健全大數據輿情管理的體制機制，對於從源頭上解決網路輿情管理過程中出現的問題和困難，實現標本兼治，具有決定性作用。因此，為使網路輿情管理取得實效，提升網路輿情工作的規范化和科學化水平，我國應加快建立健全大數據輿情管理的體制機制。首先，建立網路輿情多元管理的互動機制，由國家出台大數據發展戰略規劃，產學研相結合，統籌政府、企業、社會和公民的力量，形成合力，實現共治。其次，變革網路輿情管理的機構設置，改變以往通過臨時組建領導小組或臨時辦公室等機構，或者以宣傳部門為「消防隊」等方式被動應對輿情危機的模式，通過常態化機構的設置和專業人員的配備，使網路輿情管理專門化、精細化。再次，建立權責明確的責任機制，通過加快數據立法進程明確各級各部門包括政府部門、企業媒體、人民團體等的權利義務；通過建立由網信部門牽頭的大數據輿情管理體制，改變多頭管理的局面，並設立政府首席信息官責任制度等。最後，健全大數據網路輿情管理的資源保障機制，大數據時代變革網路輿情管理面臨初期成本高、短期效益不明顯等問題，需要加大資金、技術、物資、人力等資源的投入。

（四）創新大數據網路輿情管理的方法與技術。大數據時代的到來，要求網路輿情管理必須採用更為先進的技術，這主要表現在對各種相關軟體的大量應用以及對大數據技術支撐平台的依託。目前中國網路輿情監測採集軟體中較具代表性的有TRS互聯網輿情信息監控系統、北大方正智思輿情監控系統、軍犬網路輿情監控系統、樂思網路輿情監測系統等。此外，還應完善和創新大數據技術支撐平台的五大基石——數據監測技術、數據挖掘技術、數據存儲技術、數據分析技術、數據安全技術，使大數據為網路輿情管理服務的同時又不超出我們的控制。同時，我們也不能陷入「技術是萬能的」誤區而盲目迷信和依賴技術，更不能因相信大數據強大的預測功能而導致「數據獨裁」，變成數據的奴隸。因此，網路輿情管理還需要依靠其他方法和手段相輔相成，共同作用。法律因其具備最大的強制性和權威性，成為最有效的管理控制的手段。法律與道德相互聯系，在極具復雜性和特殊性的虛擬空間里，教育和自律被擺在重要的位置上。例如，歐美發達國家如美國、英國、加拿大等都通過倡導用戶自律和自我管理來提高網民的媒介素養，加強自我把關能力。此外，還可以效仿韓國、新加坡等運用行政手段，要求網路用戶在獲得國家有關部門頒發的許可證的情況下，才能訪問政府嚴格控制的信息等。

（五）培育大數據時代的網路輿情管理人才。大數據時代的網路輿情將會形成多向度的研究，例如對社會話語表達、社會心理描繪、社會關系呈現、社會訴求預測等的分析研究。網路輿情將真正成為一門與多學科交叉的社會顯學，對人才的全面性要求很高。中國教育的學科劃分和培養體系，客觀導致培養出來的人才很難跨界。換句話說，真正進入這個行業的門檻是很高的。正因如此，各國越來越重視對數據科學家的培養，如美國在大學專門開設研究大數據技術的課程，通過嚴格的業務培訓和職業資格認證，培養下一代的數據科學家。2013年9月，我國人社部聯合人民網啟動「網路輿情分析師職業培訓計劃」，「網路輿情分析師」成為一項被正式認可的職業。但是我國現有輿情工作人員的水平仍然嚴重滯後，很多輿情機構尤其是地方政府並沒有專業的數據處理、分析團隊和專門的網路輿情管理部門。為突破大數據時代變革網路輿情管理的人才瓶頸，從短期看，可以通過招考、錄用等方式引進數據挖掘、分析人才，通過委託培養、網路培訓等方式強化已有專業人才力量，通過購買服務的方式短期租賃大數據輿情管理的高素質人才。從長遠看，則要系統梳理網路輿情管理所需人才目錄，培養和壯大既精通數據挖掘、數學建模，又擁有較高學習能力、分析能力和知識水平，橫跨統計學、社會學、計算機學、傳播學、管理學等學科的復合型人才，打造一支大數據網路輿情管理的專業人才隊伍。

以上是小編為大家分享的關於大數據時代網路輿情管理變革探討的相關內容，更多信息可以關注環球青藤分享更多干貨

5. 人工智慧電話營銷機器人到底能做什麼

功能上來能做到自動撥打源用戶電話，識別用戶語義，自動分類用戶，與用戶互動，篩選出高意向的用戶，聲音也很貼近自然人聲了。對運營人員來說只要分析數據，看是否需要二次跟進就行了，可以節省80%以上的人工成本。

相當於一個低成本的精準營銷方式，由機器人篩選過濾意向用戶，銷售或者業務員再跟進。
目前做得比較好的是摸象大數據、百應AI、曉芯、小語，百應AI規模大一些，服務行業廣一些，摸象有自己研發的DMP數據平台，支持添加用戶微信。

6. 如何正確認識大數據的價值和效益

1、數據使用必須承擔保護的責任與義務

我國數據流通與數據交易主要存在以下問題：數據源活性不夠，數據中介機構還處於起步階段；多源數據的匯集技術尤其是非結構化數據分析技術滯後；缺乏熟悉不同行業並掌握在特定領域使用數據技術的人才。

數據的價值在於融合與挖掘，數據流通、交易有利於促進數據的融合和挖掘，搞活數據從而產生效益。數據共享開放、流通交易和數據保護及數據安全對數據技術提出嚴峻挑戰，對法律的制定及執行提出了很高要求。為此，數據使用必須承擔保護的責任與義務。

7. 如何在投標過程中提高中標率

中招投標方法分析

《中華人民共和國招標投標法》規定：全部或者部分使用國有資金投資或者國家融資項目的勘察、設計、施工、監理以及與工程建設有關的重要設備、材料等的采購，必須進行招標。

目前，建設工程招標一般採用有標底和無標底招標兩種方法。

有標底招標法就是招標者在開始招標之前，根據設計圖紙、預算定額等預先計算出工程的價格，並以此為標底。在對項目進行評標時，以標底為基準，對參與投標的單位的報價進行打分的一種方法。

無標底招標法就是招標者在招標中不做標底，施工單位投標書實質上響應招標文件要求而評標價格又最低便可以中標。

無標底招標法會造成招標者很難控制工程的價格，對工程造價心中無底。但是對於有標底招標法存在編制、審核過程容易泄露的負面因素。綜上所述，這兩種方法都不完美。在招投標實踐過程中，總結出了一個招標方法，叫做標底價公示法，這種標招方法既可有效將造價降低，還可以不必要擔心是否泄漏了標底。

標底價公示法招標是按目前預算編制方法編制的標底作為工程項目最高限價。標底價公示法要求施工單位在知曉標底價的基礎上，不要將報價低於單位的成本價，更不能比公告的標底價還要高，然後在招標中優選合適的單位中標。

(7)摸象大數據融資擴展閱讀：

影響投標競爭力的因素

經營決策班子是否健全

企業經營決策班子如果沒有固定的造價專業人員和技術管理人員，班子就形同虛設，無法系統管理，缺乏凝聚力。

是否具備競爭優勢

如果參與投標的施工單位從不研究競爭對手，提高自身企業資質及人員條件，閉門造車，那麼最終則會導致企業的投標方案無法在眾多方案中脫穎而出成為中標候選人。

工期、質量、安全措施是否合理

工期、質量、安全三大指標往往是影響中標的重大因素。招標人在一些具有戰略決定意義或季節性的施工項目上往往會對施工的工期嚴格要求。「百年大計，質量第一」，質量、安全是項目實施的靈魂所在，投標企業必須做出可靠承諾，忽視或是不實質地響應招標要求，勢必嚴重影響評標結果。

投標報價策略決策是否正確

投標報價雖不是決定中標與否的唯一因素，但卻是第一因素。企業的第一目標是為了獲得最大的利潤，而招標人的目標則是在獲得預期效果的情況下盡可能降低投資金額。

決定投標單位是否進入評標階段甚至擊敗對手拿到項目的武器便是投標單位的報價策略。

投標文件要突出專業性

指定專人來編寫技術文件，除了要對招標文件仔細地研究閱讀，理解招標人的意圖，還要盡可能地滿足招標人對於企業資質、企業業績、人員資格的要求。

運用報價技巧增加中標率

在投標報價中所使用的技巧是一種可以增加其中標率的技能和謀略，在投標過程中使用一些合規的技巧可以增加投標企業的中標概率和增加利潤。這里結合實際簡要介紹幾種報價技巧。

不平衡報價法

該方法是在不提高總報價的前提下達到中標的目的。一般是在確定總的報價之後，再調整總報價中的各單項工程的單價。採用這種報價方法時，要根據工程項目不同特點及施工條件等選擇。

它有三方面的選擇：

首先，預計工程量在施工圖階段增加或者招標工程量不明確的項目，其投標單價可以適當提高，這樣在工程最終結算時可以適當增加費用。對一些工程內容解釋不清楚或預計工程量減少的項目，可適當降低其單價，這樣在結算的時候便可以降低損失。

其次，降低工期靠後的項目報價，同時提高工期靠前的項目的報價。例如，一些公司的資金周轉不開，便可以適當地提高基礎工程或者土石方工程的報價，這樣便可以有效地降低公司的資金周轉問題。

最後，暫定項目或可選擇項目，在國際工程經常有這方面的報價，報價時需要具體分析。這一類型的項目是否要實施是在項目開工後由招標者決定的，對於不一定實施的工程項目則可以相應地降低其單價，同時適當增加肯定要實施的工程項目的單價。因此針對該項報價需要慎重考慮，以免引起損失。

不同報價法

根據招標項目的不同特點採取不同的報價。報價不僅要考慮施工的條件，還要具體分析工程實際情況，更要考慮到自身的情況，正所謂知己知彼，百戰不殆。

對一些如工程施工量大、工程競爭激烈、招標者信譽良好以及施工條件優良的工程我們可以適當地降低標書中的報價。對於具有獨特優勢的工程，山地工程、跨河流工程、技術難度大以及專業要求高或施工條件差的工程，自己不願意參與或不方便投標的工程、工期緊迫的工程等等，我們可以調高其報價。

多方案報價

對一些相關條款不夠清晰、不夠客觀公正，施工的范圍比較模糊等，我們在報價時可多報幾個價格。對於這樣的工程可以按原標書報一個價，同時准備一個假如出現某些情況降多少的報價，以便吸引業主。

增加建議方案報價

有時招標文件規定，可以對原方案提出建議報價。投標單位在投標過程中，需要組織專業人員對招標的文件、施工方案進行詳盡分析。針對施工方案以及招標文件兩個資料，研究出最符合自己利益，同時又保證業主要求的方案，通過降低工期或總的建造價格來吸引招標者。

突然降價法

在進行最後的投標者交流中，利用真真假假的消息迷惑競爭對手，在其他投標者面前故意報出高價和不屑於中意標段，但是卻在最後時間突然調整報價，達到擊敗對手的目的。這種報價方法，一定要充分分析和判斷各種情況，再做最後決策。

無利潤投標法

為了一個分期建設項目或者打入一個新市場，我們可以通過降低價格來獲得首期項目，為以後競爭創造機會及優勢，取得後期更大的利潤.

8. 人工智慧電話營銷機器人到底能做什麼

人工智慧發展比較快，可以說飛速了，現在已經能實現電話營銷了，適合證券、信用卡、房地產、教育、旅遊等電銷需求大的行業。

功能上能做到自動撥打用戶電話，識別用戶語義，自動哪漏孫分類用戶，與用戶互動，篩選出高意向的用戶，聲音也很貼近自然人聲了。對運營人員來說只要分析數據，看是否需要二次跟進就行了，可以節省80%以上的人工成本。

相當於一個低成本的精準營銷方式，由機器人篩選過濾意向用戶，銷售或者業務員再跟進。

目前做得比較好李鏈的是摸象大數據、百應AI、曉芯、小語，百應AI規模大一些，服務行業廣一些，摸象有自己研發的DMP數據平台，支持添加用戶微信搜旅。