大數據公鏈

㈠ 供應鏈大數據分析及應用

供應鏈大數據分析及應用

供應鏈大數據分析及應用，傳統模式下，企業的供應鏈是「鏈式」運作，隨著經濟的發展變化為數字供應鏈，數字化供應鏈的本質是「供應鏈管理」+「數字化」，下面來詳細了解供應鏈大數據分析及應用。

供應鏈大數據分析及應用1

大數據供應鏈其實是將供應鏈以數據進行管理。更多的是把供應鏈中的各個業務系統通過數據去打通，然後讓這些數據彼此有所關聯。

你能夠發現他們之間的關系，從而對於生產環節中的物料、生產、物流進行更好的掌控，從而提高流轉效率，降低成本。

我舉個格力電器（蕪湖）的實際應用案例。

他們數據分析的應用有4個方面：物流分析、運營效率監控、生產線監控、質量控制。

一、物流分析

通過監控大屏分屏去實時監控業務運轉情況，哪個環節出問題第一時間在儀表盤預警，信息有效及時；

監控庫存中每個倉位中物料比例及存量。

二、運營效率監控

監控訂單數量完成比例、揀選進度、訂單齊套數量及比例；

監控生產車間里各生產機組的生產效率、下線比例。

三、生產線監控

通過MES和MPR採集的系統數據，連接Yonghong Z-Suite進行實時的多維分析。

例如，物料齊套檢查這項工作，以前需要點對點針對相關人員進行排查，而現在檢查的結果是在分析平台實時展現，指標體系更可以根據情況靈活調整，IT人員的工作效率提升了30%以上。

四、質量控制

之前對於現場的生產過程和質量管理都是人工將系統數據導入再利用EXCEL內置的圖表處理進行簡單的分析。

現在他們開始結合更多的業務分析維度進行探索式分析和分析預測，藉助大數據分析平台實現從產線、班組以及分廠多個維度各個層面來展示公司整體生產運營情況。

通過數據分析平台可以提高在生產環節的核心競爭力，對物料、生產環節全方位監控，在提高工作效率的同時，還降低生產線殘次率。

其實從格力電器（蕪湖）的應用中我們可以總結出，數據分析能夠幫助供應鏈的有兩個重要點：

1、BI把供應鏈中所有的數據進行了全面的監控；

2、對於生產環節中各個步驟的物料庫存匹配可以進行及時的調整，提高效率。

對於供應鏈管理能夠達到什麼樣的程度，這里說的十分的形象生動。

完全不用倉儲。運輸工具（如車輛）就是一個移動的小倉庫，讓倉庫時刻在路上。這有點像集裝箱船公司對空箱的管理，空箱堆場不在陸地上，而是在船上，哪裡需要放哪裡。

當然這可能太過理想，但對於製造業企業來說，降低的每一分錢，再乘以一個龐大的數量，都是一個天文數字。

所以應用數據平台去管理供應鏈是十分有必要的。

供應鏈大數據分析及應用2

大數據分析應用領域有哪些?

一、廣告行業

比方你最近想買一個商品，然後在網路、京東或淘寶中查找了某個關鍵字，其實這些行為數據都被搜集起來了，因為有很多人的行為數據，一切後台要進行大量的數據剖析，構建用戶畫像和使用一些引薦演算法，然後進行個性化的引薦，當你登錄到一些網站上時，你會發現有一些廣告，引薦的一些正好是你要買的一些商品。

二、內容引薦

比方你刷今日頭條，頭條會搜集你曾經的閱讀行為數據，然後根據你的喜好構建一個你專屬的用戶畫像或一類人的畫像，然後給你引薦你喜歡的新聞，比方你曾經點擊過詹姆斯相關的新聞，就給你引薦NAB相關的新聞。因為頭條用戶很多，要剖析的數據量就非常大，一切要使用大數據的手法來處理。

三、餐飲行業

快餐業的視頻剖析。該公司通過視頻剖析等候行列的長度，然後主動改變電子菜單顯現的內容。假如行列較長，則顯現能夠快速供給的食物;假如行列較短，則顯現那些利潤較高但准備時間相對長的食物。

四、教育范疇應用

網路大腦PK人腦：大數據押高考作文題。為了協助考生更好地備考，網路高考作文猜測通過對過去八年高考作文題及作文範文、海量年度查找風雲熱詞、歷年新聞熱點等原始數據與實時更新的「活數據」進行深度發掘剖析，以「概率主題模型」模擬人腦思考，反向推導出作文主題及相關詞彙，為考生猜測出高考作文的命題方向。

五、醫療范疇

智慧淮醫。淮安市選用IBM大型主機作為淮安市區域衛生信息渠道根底架構支撐，滿意了淮安市在市級區域衛生信息渠道根底渠道建造和居民健康檔案信息系統建造進程中的需求，支撐淮安市級數據中心、居民健康檔案資料庫等一系列淮安市衛生信息化應用，支持淮安成為全國「智慧醫療」的典範。

供應鏈大數據分析及應用3

供應鏈中的大數據主要包括以下四種類型：結構數據、非結構數據、感測器數據、新類型數據。

1、結構數據是指那些在電子表格或是關系型資料庫中儲存的數據，這一類型的數據只佔數據總量的Ƌ%左右，主要包括交易數據和時間段數據。

現在的大數據分析大多以這一類數據為主，其中重要的結構數據包括ERP數據，因為ERP系統中存儲的數據是企業運轉多年的系統積累的大量行業數據，這些數據對於企業的經營決策和預測來說意義非常重大。

2、非結構數據主要包括庫存數據、社會化數據、渠道數據以及客戶服務數據。盡管現在有大量的研究和報告在探討數據和分析能力對供應鏈管理的重要性，但對於非結構數據，例如社會化數據對供應鏈的影響和作用的研究卻相對缺乏。

然而，社會媒體數據對於供應鏈運營管理的作用是十分重要的，如何利用社交媒體數據來指導企業進行供應鏈活動的規劃（包括新產品的開發、利益相關者的參與、供應鏈風險管理以及市場探查等）以及社交媒體數據對供應鏈績效產生影響的具體機制將需要深入探討。

而要想從內容豐富的非結構化數據中挖掘出商業智慧，就需要使用不同的研究方法和度量方式，包括描述性分析、內容分析以及網路分析等。

3、感測數據主要包括RFID數據、溫度數據、QR碼以及位置數據，這類數據增長很快，並能為供應鏈金融帶來巨大商機。

4、新類型數據主要有地圖數據、視頻數據、影像數據以及聲音數據等，這類數據多用於可視化領域，並能夠幫助提高數據質量，使數據的實時性更強、提高了數據分析的精準度。

大數據的質量

企業在進行大數據分析時，需要考慮數據的質量問題。低質量的數據不僅會影響企業的決策，甚至還可能導致企業產生損失。事實上，數據的有用性取決於數據質量，隨著大數據重要性的躍升，對高質量數據的需求也增加了。

雖然現在對於數據質量評價還沒有統一標准，但是大家一致贊同數據質量評價應包含多個維度指標。指出數據質量的評價應包括數據內在（Intrinsic）要求和情境（Contextual）要求。內在要求指數據本身所具有的客觀屬性，包括數據的准確性、及時性、一致性和完整性。

情境指數據的質量依賴於數據被觀察和使用的情境，包括關聯性（Relevancy）、價值增值性（Value-added）、總量（Quantity）、可信度（Believability）、可及性（Accessibility）、數據聲譽（ReputationoftheData）。

㈡ 大數據與供應鏈深度融合

大數據與供應鏈深度融合

大數據與供應鏈深度融合，在互聯網技術的驅動下，企業產業模式也在不斷更新，在互聯網時代，選擇什麼都是大數據的，如果一個企業又或者是其他沒有結合大數據的話那就說明你將被淘汰，可以說誰先掌握那就誰先搶佔先機，以下是關於大數據與供應鏈深度融合。

大數據與供應鏈深度融合1

大數據技術充分利用海量數據資源，加快信息共享。大數據技術的應用將引領供應鏈金融的變革，改變供應鏈金融基礎數據不完善、信息流通不順暢等實際問題。大數據技術將供應鏈金融風控模式數據化、動態化，實現實時風險預警的多級風控效果。

大數據技術在供應鏈金融中的具體應用：

（一）匹配用戶需求，設計個性化金融服務。大數據技術可通過數據挖掘匹配多種數據源，結合行業發展動態，精準把握中小企業需求，將企業尋找信息轉換成信息主動尋找企業，為中小企業設計各種個性化供應鏈金融服務。

（二）完善交易徵信，降低信息不對稱。大數據應用模式下徵信及自動貸後基於的交易數據主要依託的是動態、可持續的財務數據源，有效提高徵信服務質量，降低信息不對稱。

（三）實現量化授信，精準把控風險。依託大數據技術，對企業的授信可通過模型結合動態數據源脫敏處理、行業數據、外源數據，得出行情分析，價格波動分析，實現實時監控的分級預警、量化授信，精準把控風險。

（四）建立授信主體資料庫，完善數據交互。大數據應用模式通過交易網關數據模式建立授信主體全方位資料庫，從雲端獲取中小企業交叉數據，智能匹配中小企業進銷存ERP系統，系統的防範控制金融風險，實際緩解中小企業融資難題。

（五）提煉多維數據源，輔助參考決策。大數據技術可提煉授信主體高管個人數據信息，輔助參考值做出決策。

（六）判斷預期交易量，精準渠道分配。在對授信主體建立完善的全方位立體資料庫後，結合行業數據源，通過相應分析模型可預測出相應的供應鏈上各數據相互影響關系，判斷預期交易量，判斷渠道、市場的分配量，實現流通和消費的打通，最終提升供應鏈管理的效率。

（七）優化風控技術，實現高效自動化。大數據技術從機器人終端採集企業數據到數據清洗、數據整理分析全部通過計算機完成。

由此可見當前金融行業，大數據和供應鏈金融屬於互相綁定的發展模式，通過兩者的結合將金融風險控制在最小范圍，同時提升供應鏈管理的效率。

另外，對於企業高層而言，將大數據與供應鏈金融相結合的模式，幫助管理者和投資方站在數據的頂端，把握資金流動的風向標，能在變幻莫測的商場搶佔先機。

大數據與供應鏈深度融合2

大數據的簡要敘述

當今時代，是一個信息時代。我們的日常生活中無時無刻不在產生數據，而這些數據包含了許許多多我們個人的信息，這些信息來源十分廣泛，具有十分明顯的及時性。

而根據維基網路對於大數據的解釋來說，大數據就是無法在可承受的時間范圍內用常規軟體工具進行收集、管理以及處理的數據的集合。

由於數據是極其龐大的，所以必然不可以單單使用計算機來處理，必須要依靠雲計算的分布式處理對大數據進行採集。大數據主要體現在了對於龐大數據的處理和使用，從而得到一些想要的信息，來體現出大數據的商業價值以及公共社會價值。

伴隨著互聯網的不斷發展，企業所要處理的信息越來越多，與此同時，由於市場競爭越來越激烈，企業對於大數據的處理提出了更高的要求，所以對於大數據技術的開發與應用十分關鍵。

大數據的特點有以下幾點：

（1）在精不在於多，而是要把這些數據分類、編輯，使這些大數據變為有用的資料，並可以作為商業用途，為企業創造更多的經濟效益。

（2）大數據的技術十分特殊，目的是為了在短時間內可以有效地處理更多的數據，所以儲存大數據的機器被稱為「雲」。（3）大數據的另一個特點就是真實性，因為大數據的來源十分廣泛，所以大數據的真實性就顯得十分重要，如果數據不真實了，那麼也不會有人去相信大數據。

大數據的核心是數據與內容：一組數據往往會代表了許多東西，一個人的生活規律，個人喜好，都是豐富的內容，而這些內容都包含在一組組的數據中，通過這些數據，企業可以開發出更加適合消費者的產品，也會更加適合用戶，從而大大提高企業的競爭力，由此可見數據的珍貴之處。

供應鏈管理理論綜述

1999年，彼得·德魯克提出了「經濟鏈」的概念，這是「供應鏈」的雛形，在這之後，邁克爾·波特依據前人的想法，提出了「價值鏈」的概念，在之後的不斷發展中，最後形成了我們現在說的「供應鏈」概念。

一條完整的供應鏈是由下游的供應商、製造商以及倉庫、配送服務中心和渠道商等等構成的一個完整的產業物流網路。一個完整的企業可能會在供應鏈中扮演不同的角色，但是通常的情況則是一條完整的供應鏈是由許多不同的企業構成的。在供應鏈中，每個企業之間流動的原材料、半成品庫存和產品等形成了供應鏈上的貨物流。

針對我國特殊的國情，許多的專家學者對於供應鏈提出了不同的看法，比如一位學者提出為了使得供應鏈更好地發展，可以從供應鏈管理出發，一個優秀的供應鏈管理者可以使供應鏈的運轉達到最優化，用最少的成本把事情辦好

供應鏈中的工作崗位、貨物流通、資金運轉、信息傳遞都可以達到高效的運轉，從而將質優價廉的、合適的產品送到消費者的手上。而有的專家說要更加重視信息技術在供應鏈中的作用，一條完整的供應鏈最基本的要求就是實現各家企業之間信息的共享，為客戶提供更好的服務，使各家企業在不斷的合作中實現共贏。

大數據技術在供應鏈中的應用

近些年的不斷發展，大數據技術的出現和發展改變了傳統的商業模式，也在很大程度上，對於企業的正常運行和供應鏈管理。在國際大環境下，供應鏈的情況也不容樂觀，由於意外情況所引發的供應鏈變化必須得到迅速的處理

來防止由於意外所造成的損失。對於隨時隨地所產生的大量數據，可以進行深度的採集、發現、挖掘，並按照實際情況可以劃分出許多不同的區域、不同種類人群的需求，並且通過以往的客戶留下的購買信息

以及物流的流轉信息可以很准確地預測出未來價值，這個就是大數據在廣泛應用中，對於供應鏈管理的中最主要價值。越來越多的企業看到了這一未來的發展的方向選擇將大數據的技術使用到企業的經濟管理當中去。

Stock在2013年總結了供應鏈在此之前的發展，並且為我們展望了未來一些對於供應鏈發展具有深刻變革的科學技術，其中就包含了大數據系統對於供應鏈發展的重要性，而到現在回首看來，我們不得不佩服Stock先生眼光的獨到性，到了目前，大數據系統的運用給人類的生活帶來了深刻的變革。

現在日趨復雜的軟體技術、越來越便捷的無線系統，智能手機以及其他智能可穿戴設備，它們在不斷發展中越來越方便，價格也是越來越親民，並且越來越方便移動，可以更加便捷地幫助使用者進行快速的分析，來方便得出結果。Stock並且對於IBM的報告也深有研究

他引述了一段報告，關於IBM對於未來信息傳遞的看法。而如何更好地與飛速發展的信息接軌，就是要更好地使用大數據的力量，來進行分析。

許多正在使用數據分析的公司確信，企業的經濟效益以及員工的工作效率，因為數據分析技術的使用而得以提高。 由此看來，現在科學技術的發展

帶動著大數據的興起，為企業的供應鏈管理注入了新的血液。充分利用大數據技術可以有效提高企業對於未來需求的准確預測，對於市場的波動進行准確預測。

大數據與供應鏈深度融合3

大數據對於供應鏈中物流管理的創新

對於普通行業來說，物流行業是十分特殊的，它講究十分嚴格的時效性，按我們的話來說就是時間就是金錢，因為一件貨物的運輸是要准時送到客戶手中，如果晚點了，對於用戶的體驗度會大大下降，由此可見物流行業的.艱難。並且每一次的物流活動是否可以正常實施，不僅僅取決於人力的問題

也與許多的外部條件有關，比如說：時間、地點、物力甚至是天氣的因素。由於物流行業的隨機性、突發性以及不確定性，所以企業為了自身更好的發展，十分有必要建立起完整的預警系統，來抵禦這些情況，但是以往傳統的預警系統，常常因為信息的不足，以及消息傳遞的緩慢已經不能適應時代的發展。

所以十分有必要將大數據與物流行業相結合，打造一個雲物流系統。雲物流依靠了雲計算強大的數據處理能力、以及規矩的作業流程、靈活的產業覆蓋、精準的環節控制，對於物流行業是十分重要的幫助，對於突發情況可以迅速給出完整的解決方案。

一直在說大數據與物流業的結合可以提高供應鏈管理的效率，可是具體體現在哪裡，卻沒有具體的說明，那現在就來詳細敘述一下大數據對於供應鏈管理的作用。

大數據技術與物流平台的結合，可以更加高效、快速地收集用戶訂單、並抓取、分析客戶的數據信息，來整合物流公司的資源，從而實現以最快的速度將貨物送到用戶手中。

現在統一的信息管理，對於用戶的個人信息提供更加安全可靠的保障，對於信息的泄露能夠及時查出是哪裡出現了問題，來更好地為用戶服務。

所以說，大數據在供應鏈物流管理中的應用，不僅對於用戶信息是一種保障，而且有效地將物流公司的資源進行整合，提升了運輸效率，形成規模效應，提高了物流行業的服務質量以及用戶的滿意程度。

未來發展展望

大數據的使用，引發了越來越多人的關注，但是大數據技術提出時間較晚，應用在供應鏈管理的技術業不甚成熟，所以，對於這類的研究到目前來說並不是太多。

在經過研究前人的成果後，筆者認為大數據的發展是不容忽視的時代的必然，之後，大數據將會作為供應鏈管理領域的熱點問題不斷地衍生、發展，也會更好地服務於社會。

㈢ 供應鏈大數據的概念

供應鏈大數據的概念

供應鏈大數據的概念，「大數據」是一個體量特別大，數據特別多的數據集，很多人對於大數據這樣的概念都是一知半解的，那麼下面就為大家介紹下供應鏈大數據的概念。

供應鏈大數據的概念1

大數據供應鏈其實是將供應鏈以數據進行管理。更多的是把供應鏈中的各個業務系統通過數據去打通，然後讓這些數據彼此有所關聯。

你能夠發現他們之間的關系，從而對於生產環節中的物料、生產、物流進行更好的掌控，從而提高流轉效率，降低成本。

我舉個格力電器（蕪湖）的實際應用案例。

他們數據分析的應用有4個方面：物流分析、運營效率監控、生產線監控、質量控制。

一、物流分析

通過監控大屏分屏去實時監控業務運轉情況，哪個環節出問題第一時間在儀表盤預警，信息有效及時；

監控庫存中每個倉位中物料比例及存量。

二、運營效率監控

監控訂單數量完成比例、揀選進度、訂單齊套數量及比例；

監控生產車間里各生產機組的生產效率、下線比例。

三、生產線監控

通過MES和MPR採集的系統數據，連接Yonghong Z-Suite進行實時的多維分析。

例如，物料齊套檢查這項工作，以前需要點對點針對相關人員進行排查，而現在檢查的結果是在分析平台實時展現，指標體系更可以根據情況靈活調整，IT人員的工作效率提升了30%以上。

四、質量控制

之前對於現場的生產過程和質量管理都是人工將系統數據導入再利用EXCEL內置的圖表處理進行簡單的分析。

現在他們開始結合更多的業務分析維度進行探索式分析和分析預測，藉助大數據分析平台實現從產線、班組以及分廠多個維度各個層面來展示公司整體生產運營情況。

通過數據分析平台可以提高在生產環節的核心競爭力，對物料、生產環節全方位監控，在提高工作效率的同時，還降低生產線殘次率。

其實從格力電器（蕪湖）的應用中我們可以總結出，數據分析能夠幫助供應鏈的有兩個重要點：

1、BI把供應鏈中所有的數據進行了全面的監控；

2、對於生產環節中各個步驟的物料庫存匹配可以進行及時的調整，提高效率。

對於供應鏈管理能夠達到什麼樣的程度，這里說的十分的形象生動。

完全不用倉儲。運輸工具（如車輛）就是一個移動的小倉庫，讓倉庫時刻在路上。這有點像集裝箱船公司對空箱的管理，空箱堆場不在陸地上，而是在船上，哪裡需要放哪裡。

當然這可能太過理想，但對於製造業企業來說，降低的每一分錢，再乘以一個龐大的數量，都是一個天文數字。

所以應用數據平台去管理供應鏈是十分有必要的。

供應鏈大數據的概念2

大數據是什麼

大數據其實是按照儲存單位來說的`，我們常用到的是M、G。

超脫G以上還有T，這個我們日常還能見到一些，比如現在用到的硬碟。

再上就是PB、EB、ZB、YB，再上還有，有興趣的可以去問下度娘。

阿里的好像是個盤古系統。

數據呢就像星辰，古時候就只能用眼睛數。現在呢可以看，看不到的可以推演，還可以上去觀察是什麼屬性。技術達到了就可以分析。

通過這些瑣碎的信息分析後，就可以知道你在網路上是男、是女，主要活動在那個區域，知道你喜歡買什麼，知道你大概的收入等等。商家根據這些找大數據分析公司就可以給你們投放你關注的產品了。

有點像以前間諜通過土豆價格上漲，知道這個周圍增加駐軍一樣。

供應鏈大數據的概念3

大數據供應鏈

隨著供應鏈變得越來越復雜，必須採用更好的工具來迅速高效地發揮數據的最大價值。供應鏈作為企業的核心網鏈，將徹底變革企業市場邊界、業務組合、商業模式和運作模式等。

第三產業供應鏈協同應用市場進入空間較大，尤其以醫療、金融、電子商務等細分領域需求較高。第二產業供應鏈協同市場成熟度逐步提高，尤其以物流、汽車、零售、公共事業為主要領域，供應鏈協同數據將起到市場升級的核心驅動作用。

無論是第三產業，還是第二產業

到底如何應用大數據？

1、預 測

精確的需求預測。需求預測是整個供應鏈的源頭，整個市場需求波動的晴雨表，銷售預測的靈敏與否直接關繫到庫存策略，生產安排以及對終端客戶的訂單交付率，產品的缺貨和脫銷將給企業帶來巨大損失。企業需要通過有效的定性和定量的預測分析手段和模型並結合歷史需求數據和安全庫存水平綜合指定精確的需求預測計劃。

如汽車行業，在應用數據分析平台進行精準預測後，可以及時收集何時售出、何時故障及何時保修等一系列信息，由此從設計研發、生產製造、需求預測、售後市場及物流管理等環節進行優化，實現效率的提升，並給客戶帶來更佳的用戶體驗。

2、資源獲取

敏捷、透明的尋源與采購。為新產品、優化成本而尋找新的合格供應商滿足生產需求;同時，通過供應商績效評估和合同管理，使采購過程規范化、標准化、可視化、成本最優化。

3、協同 效率

建立良好的供應商關系，實現雙方信息的交互。良好的供應商關系是消滅供應商與製造商間不信任成本的關鍵。雙方庫存與需求信息交互、VMI運作機制的建立，將降低由於缺貨造成的生產損失。采購訂單與生產訂單通過各種渠道快速、准確的反應能力在當前集團化、全球化，多組織運作的環境下尤為重要。訂單處理的速度在某種程度上能反應出供應鏈的運作效率。

4、供應鏈計劃，與物料訂單同步的生產計劃與排程

有效的供應鏈計劃系統集成企業所有的計劃和決策業務，包括需求預測、庫存計劃、資源配置、設備管理、渠道優化、生產作業計劃、物料需求與采購計劃等。

企業根據多工廠的產能情況編制生產計劃與排程，保證生產過程的有序與勻速，其中包括物料供應的分解和生產訂單的拆分。在這個環節中企業需要綜合平衡訂單、產能、調度、庫存和成本間的關系，需要大量的數學模型、優化和模擬技術為復雜的生產和供應問題找到優化解決方案。

5、庫存優化

成熟的補貨和庫存協調機制消除過量的庫存，降低庫存持有成本。通過從需求變動、安全庫存水平、采購提前期、最大庫存設置、采購訂購批量、采購變動等方面綜合考慮，監理優化的庫存結構和庫存水平設置。

6、物流效率

建立高效的運輸與配送中心管理，通過大數據分析合理的運輸管理、道路運力資源管理，構建全業務流程的可視化、合理的配送中心間的貨物調撥以及正確選擇和管理外包承運商和自有車隊，提高企業對業務風險的管控力，改善企業運作和客戶服務品質。

7、網路設計與優化

對於投資和擴建，企業從供應鏈角度分析的成本、產能和變化更直觀、更豐富也更合理。企業需要應用足夠多的情景分析和動態的成本優化模型，幫助企業完成配送整合和生產線設定決策。

8、製造業各行業管理特點突出在供應鏈管理上呈現行業管理差異

如汽車行業重點關注准時上線和分銷環節、食品飲料行業關注的重點在冷鏈及配送環節、服裝行業的供應鏈管理重難點在消滅鏈條上高庫存等等。

9、風險預警在供應鏈管理上呈現行業管理差異

在大數據與預測性分析中，有大量的供應鏈機會。例如，問題預測可以在問題出現之前就准備好解決方案，避免措手不及造成經營災難。

還可以應用到質量風險控制，如上海寶鋼，其生產線全部實現流水化作業，生產線上的感測器可獲得大量實時數據，利用這些可以有效控制產品質量。通過採集生產線上的大量數據，來判斷設備運營狀況健康狀況,對設備發生故障的時間和概率進行預測。這樣企業可由此提前安排設備維護，保證生產安全。

大數據將用於供應鏈從需求產生，產品設計到采購、製造、訂單、物流以及協同的各個環節，通過大數據的使用對其供應鏈進行翔實的掌控，更清晰地把握庫存量、訂單完成率、物料及產品配送情況等;通過預先進行數據分析來調節供求;利用新的策劃來優化供應鏈戰略和網路，推動供應鏈成為企業發展的核心競爭力。

企業如何部署大數據?

要讓數據發揮價值，首先要處理大數據，要能夠共享、集成、存儲和搜索來自眾多源頭的龐大數據。而就供應鏈而言，這意味著要能夠接受來自第三方系統的數據，並加快反饋速度。其整體影響是增強協同性、加快決策制定和提高透明度，這對所有相關人員都有幫助。

傳統供應鏈已經在使用大量的結構化數據，企業部署了先進的供應鏈管理系統，將資源數據，交易數據，供應商數據，質量數據等等存儲起來用於跟蹤供應鏈執行效率，成本，控制產品質量。

大數據在供應鏈領域的應用起步不久，隨著供應鏈的迅速發展，大數據分析，數據管理，大數據應用，大數據存儲在供應鏈領域蘊含巨大的發展潛力，大數據的投資也只有與供應鏈結合，才能產生可持續、規模化發展的產業。

㈣ 大數據供應鏈是什麼

大數據供應鏈其實是將供應鏈以數據進行管理。更多的是把供應鏈中的各個業務系統通過數據去打通，然後讓這些數據彼此有所關聯。

你能夠發現他們之間的關系，從而對於生產環節中的物料、生產、物流進行更好的掌控，從而提高流轉效率，降低成本。

我舉個格力電器（蕪湖）的實際應用案例。

他們數據分析的應用有4個方面：物流分析、運營效率監控、生產線監控、質量控制。

一、物流分析

通過監控大屏分屏去實時監控業務運轉情況，哪個環節出問題第一時間在儀表盤預警，信息有效及時；

監控庫存中每個倉位中物料比例及存量。

二、運營效率監控

監控訂單數量完成比例、揀選進度、訂單齊套數量及比例；

監控生產車間里各生產機組的生產效率、下線比例。

三、生產線監控

通過MES和MPR採集的系統數據，連接Yonghong Z-Suite進行實時的多維分析。

通過數據分析平台可以提高在生產環節的核心競爭力，對物料、生產環節全方位監控，在提高工作效率的同時，還降低生產線殘次率。

其實從格力電器（蕪湖）的應用中我們可以總結出，數據分析能夠幫助供應鏈的有兩個重要點：

1.BI把供應鏈中所有的數據進行了全面的監控；

2.對於生產環節中各個步驟的物料庫存匹配可以進行及時的調整，提高效率。

對於供應鏈管理能夠達到什麼樣的程度，這里說的十分的形象生動。

完全不用倉儲。運輸工具（如車輛）就是一個移動的小倉庫，讓倉庫時刻在路上。這有點像集裝箱船公司對空箱的管理，空箱堆場不在陸地上，而是在船上，哪裡需要放哪裡。

當然這可能太過理想，但對於製造業企業來說，降低的每一分錢，再乘以一個龐大的數量，都是一個天文數字。

所以應用數據平台去管理供應鏈是十分有必要的。

㈤ XCC錛氳В鍐沖尰鐤楄屼笟鏁版嵁瀛ゅ矝闂棰橈紝寤虹珛鐢熷懡縐戝︾殑鍖葷枟鏁版嵁鍏變韓鍏閾

6鏈10鏃ワ紝涓鍦轟互鈥滈」鐩濡備綍緇撳悎鍖哄潡閾鋸濅負涓婚樼殑鍏寮璇懼湪Astar鍖哄潡閾懼簲鐢ㄥ﹂櫌鎷夊紑搴忓箷錛孹CC棣栧腑鎵ц屽畼寮犺壓鍑″彈閭鐧誨彴錛屾繁鍏ュ墫鏋愬尰鐤楄屼笟鐨勭棝鐐瑰苟鍒嗕韓浜哫CC鐨勭嫭鐗硅В鍐蟲柟妗堛傝╂垜浠璺熼殢寮犺壓鍑＄殑鎬濊礬錛屾帰緔㈢敓鍛界戝﹀尰鐤楁暟鎹鍏變韓鐨勬柊澶╁湴銆

寮犺壓鍑★紝浣滀負XCC鐨勯嗚埅鑰咃紝浠栬〃紺猴細鈥淴CC鐨勭洰鏍囨槸閫氳繃鍖哄潡閾炬妧鏈閲嶅戝尰鐤楄屼笟鐨勬暟鎹鍏變韓鏍煎矓錛屾墦鐮存暟鎹瀛ゅ矝錛屼負鐢熷懡縐戝︾殑鏈鏉ュ彂灞曟彁渚涘己澶ф敮鎸併傗

鍦ㄥ綋浠婂尰鐤椾綋緋諱腑錛80%浠ヤ笂鐨勫尰闄㈠凡瀹炵幇淇℃伅鍖栵紝浣嗗彧鏈3%鐨勬暟鎹鑳藉疄鐜頒簰閫氾紝榪欐ｆ槸XCC瑕佽В鍐崇殑鏍稿績闂棰樸傛暟鎹瀹夊叏銆侀殣縐佷繚鎶ゅ拰鍙淇″害鎴愪負浜嗚屼笟鐥涚偣銆傚尰鐤楁満鏋勩佺敓鐗╁埗鑽鍜岀戠爺鏈烘瀯娓存湜鏁版嵁錛岀劧鑰岋紝鑾峰彇闅懼害澶т笖鏁版嵁瀹夊叏闅句繚闅滐紝寰寰鍙鑳介氳繃甯傚満浜ゆ槗錛岀敋鑷充鏡鐘涓浜洪殣縐併

寮犺壓鍑＄敓鍔ㄥ湴姣斿柣璇達細鈥滃氨鍍忛獨鎵扮數璇濋戠箒騫叉壈鐢熸椿錛屽尰鐢熷湪璇婄枟涔嬪栬繕瑕佽姳澶ч噺鏃墮棿澶勭悊闈炴牳蹇冨伐浣滐紝鏁版嵁瀛ゅ矝鐨勭幇鐘跺埗綰︿簡鍖葷枟鏁堢巼銆傗漍CC甯屾湜閫氳繃鍖哄潡閾炬妧鏈錛屼負鏁版嵁嫻佸姩鍜屼嬌鐢ㄦ墦閫犱竴涓瀹夊叏銆佸彲淇＄殑妗ユ併

鍖哄潡閾劇殑寮曞叆灝嗗甫鏉ュ弻閲嶄環鍊礆細紺句細浠峰煎湪浜庢帹鍔ㄥ尰鐤楁暟鎹鐨勫叕騫充嬌鐢錛屾敮鎸佺敓鍛界戝︾殑榪涙ワ紱鍟嗕笟浠峰煎垯浣撶幇鍦˙絝鍜孋絝錛岃╂暟鎹鑾峰彇鍜屼嬌鐢ㄦ洿涓轟究鎹鳳紝涓浜烘暟鎹寰楀埌淇濋殰錛屽悓鏃跺熷姪浜哄伐鏅鴻兘瀹炵幇綺懼噯鍖葷枟鍜屽仴搴烽勬祴銆

鍦ㄦ妧鏈灞傞潰涓婏紝XCC鏋勫緩浜嗕竴鏉″叕閾撅紝鎵胯澆韜浠借よ瘉銆侀殣縐佷繚鎶ゃ佹暟鎹緔㈠紩鍜岀Н鍒嗙瓑鍔熻兘錛屽苟璁″垝寮鍙慏app錛屽紑鏀劇粰娉涘尰鐤楀叕鍙稿拰涓浜哄簲鐢ㄣ傚晢涓氭ā鍨嬪垎涓烘暟鎹鏉ユ簮銆佺淮鎶ゃ佸勭悊鍜屾彁渚涘洓涓闃舵碉紝紜淇濇暟鎹鐨勭湡瀹炴у拰瀹夊叏鎬с

鍦ㄧぞ鍖烘ā鍨嬩笂錛孹CC鍊熼壌閾惰屽瑰叕鍜屼釜浜轟笟鍔＄殑鍖哄垎錛屽垎鍒鏈嶅姟B絝鐨勫尰鐤楁満鏋勫拰C絝鐨勪釜浜虹敤鎴鳳紝寮鴻皟鏁版嵁闅愮佷繚鎶ゅ拰閫忔槑鎿嶄綔錛岀『淇濇暟鎹浠呭湪鎺堟潈鑼冨洿鍐呬嬌鐢ㄣ

鍏充簬寮鍙戣繘搴︼紝XCC鍏閾鵑勮″勾搴曞畬鎴愶紝鑷瀹禗app灝嗗湪榪戞湡涓婄嚎錛岀敤鎴峰彲浠ュ湪姝ゅ鉤鍙頒氦鏄揟oken錛屽弬涓庢椿鍔ㄥ拰浠誨姟銆傝孹CC宸茬粡鑾峰緱浜嗗壋涓氬伐鍘傘佸厓緔犻噾鏈嶅拰闈掑壋鎶曠殑鎶曡祫鏀鎸侊紝灞曠幇浜嗗叾鍦ㄥ尰鐤楁暟鎹鍏變韓棰嗗煙鐨勫壋鏂板疄鍔涖

灝界￠潰涓村尰瀛︽暟鎹瀛樺偍鐨勬寫鎴橈紝XCC姝ｈ嚧鍔涗簬鐮旂┒楂樻晥鐨勫ぇ鏁版嵁瀛樺偍瑙ｅ喅鏂規堛傚紶鑹哄嚒瀵規湭鏉ュ厖婊′俊蹇冿紝琛ㄧずXCC灝嗕負鍖葷枟琛屼笟甯︽潵涓鍦洪潻鍛芥х殑鏁版嵁鍏變韓鍙橀潻銆

㈥ HBA 鍏閾撅細鎵撻犺嗙洊鍖哄潡閾+鍏ㄥ満鏅搴旂敤鐨勫叕閾劇敓鎬

鍖哄潡閾炬妧鏈鍙戝睍鑷充粖閫愭笎琚浜轟滑銆佷箖鑷沖浗瀹墮噸瑙嗐備綔涓轟竴縐嶄互鍒嗗竷寮忔暟鎹瀛樺偍銆佺偣瀵圭偣浼犺緭銆佸叡璇嗘満鍒躲佸姞瀵嗙畻娉曠瓑璁＄畻鏈烘妧鏈鐨勬柊鍨嬪簲鐢ㄦā寮忥紝鍖哄潡閾劇殑鏈璐ㄦ槸鍘諱腑蹇冨寲鐨勬暟鎹瀛樺偍緋葷粺錛岃ョ郴緇熷彲鏇存柊錛屼絾涓嶅彲琚綃℃敼銆

鍖哄潡閾炬妧鏈鐨勫簲鐢ㄥ凡緇忓歡浼稿埌浜嗘暟瀛楄祫浜т氦鏄撱佺墿鑱旂綉銆佸晢鍝佽拷婧銆佹暟瀛楁枃鍖栥佹暟瀛楀尰鐤椼佺綉緇滃畨鍏ㄣ佸尰鑽澶 鍋ュ悍 絳夊氫釜棰嗗煙錛屾帹鍔ㄧ潃 紺句細 鐢熶駭銆佺敓媧繪柟寮忓拰鐢熶駭鍏崇郴鐨勯噸澶у彉闈┿

HBA 鍏閾劇殑鐮斿彂寮濮嬩簬 2019 騫 2 鏈堬紝鏍稿績鍥㈤槦鐢辨搗澶栨棭鏈熷尯鍧楅摼鍙備笌鑰呯粍鎴愶紝鍚屾椂鍏ㄧ悆鏈夊氫釜鍘諱腑蹇冨寲鍒嗗竷寮忕ぞ鍖哄叡鍚岀淮鎶ゃ傚壋鏂扮殑鎻愬嚭浜 3R 寰鐜緇忔祹妯″瀷(Rece銆丷enue銆丷acycle)錛岄氳瘉閲囩敤 POC+POS 鏈哄埗閫愭ュ栧姳緇欏湪鐢熸佷腑鍋氳礎鐚鐨勬瘡涓涓浜猴紝涓嶄細鍍忓叾浠栧叕閾炬棤鎴愭湰鐢熸垚澶ч噺浠ｅ竵錛屾湁鏁堟墦鍑諱簡琛屼笟涔辮薄錛岀『淇濇瘡涓鐢熸佸弬涓庤呯殑鍏騫熾

HBA 閫氳繃澶ч噺鐨勬妧鏈縐緔瀹炵幇浜嗙湡姝ｆ剰涔変笂鐨勫幓涓蹇冨寲鍖哄潡閾撅紝寮鍙戞簮浠ｇ爜錛屽苟寤虹珛浜嗗畬鍠勭殑鍖哄潡閾炬祻瑙堝櫒銆傜敤鎴峰彲浠ユ煡璇㈡瘡涓涓鍖哄潡鐨勪駭鐢燂紝姣忎竴絎斾氦鏄撶殑榪囩▼銆傛彁渚涗簡涓涓鐪熸ｅ叕騫熾佸叕寮鐨勭幆澧冿紝娌℃湁浠諱綍浜哄彲浠ュ湪榪欎釜鐜澧冧笅寮勮櫄浣滃亣錛屾瘡涓浜洪兘鍙浠ョ湡姝ｆ垚涓轟綋緋葷殑鐩戠潱鑰呫

HBA 鍏閾劇殑鐢熸佸簲鐢ㄥ満鏅鍖呮嫭鏁板瓧韜浠姐佷漢宸ユ櫤鑳姐佷緵搴旈摼閲戣瀺銆丏EFI 騫沖彴銆佽法閾炬敮浠樸 鍋ュ悍 鍖葷枟銆侀熷搧瀹夊叏銆佹暀鑲層傜洰鍓嶅凡瀹屾垚鍏閾俱佸尯鍧楅摼嫻忚堝櫒銆佸幓涓蹇冧氦鏄撴墍鐨勫紑鍙戙侶BA 鍏閾懼皢浜 2020 騫 10 鏈堜喚涓葷綉嫻嬭瘯涓婄嚎錛

鍚屾椂錛屽湪 HBA 鍏閾劇殑鐢熸佷腑榪樻湁涓緹よ嚜鍙戠粍緇囩殑甯冮亾浜恆佷笓涓氳插笀鏈嶅姟 HBA 浼氬憳鐢熸侊紝涓 HBA 鐢熸佺殑紺懼尯鎻愪緵鈥滃靛寲銆佸煿璁銆佸競鍦哄紑鍙戔濈瓑涓鏉￠緳鏈嶅姟銆

婢沖ぇ鍒╀簹浜猴紝鍦ㄥ氫釜鍟嗕細鎷呬換楂樼駭綆＄悊瑕佽亴錛 浠 2013 騫村紑濮嬪仛鍖哄潡閾撅紝2014 騫寸敵璇蜂簡絎涓涓 閽卞寘鎵懼洖涓撳埄錛2015 騫村埌鏀垮簻閮ㄩ棬璁插尯鍧楅摼錛屼笓 鍒╂帓鍚嶅叏鐞冪浜斻傚悓鏃跺湪婢沖ぇ鍒╀簹鎷ユ湁鑷宸辯殑鐞嗚儲 鍏鍙稿苟寮鍒涗簡 chain33 鍖哄潡閾懼簳灞傛灦鏋勶紝鍏鋒湁闈炲父 澶氱殑鎶鏈鍌ㄥ囧拰搴旂敤錛屽苟鎸佹湁 BCS銆乀ELC 璧勬牸璇 涔︼紝鍑虹増榪 4 閮ㄤ綔鍝侊紝鎷ユ湁鏁扮櫨涓囪昏呭拰綺変笣銆

鍦ㄥ尰鐤楅嗗煙錛岀洰鍓嶉潰涓翠袱澶ф寫鎴橈細涓鏄鍖葷枟浣撶郴澶嶆潅錛屾秹鍙婂埗鑽鍟嗐佸尰鐤楁湇鍔℃彁渚涜呬互鍙婃偅鑰呯瓑錛屽洜姝ら渶瑕佽繛閫氬悇鏂廣佸噯紜浼犻掍俊鎮錛涗簩鏄鍖葷枟渚涘簲閾劇己涔忚拷婧鎬с傚尯鍧楅摼鎶鏈鍏鋒湁鍙榪芥函鎬э紝鏃犻渶鍗忚皟鍚勬柟錛岃屼笖鍑嗙『搴﹀拰鍙淇″害楂橈紝鍥犳ゅ叿鏈夎В鍐充互涓婇棶棰樺苟鍒涢犲叏鏂板尰鐤楁ā寮忕殑娼滃姏銆

HBA 鍩轟簬鍖哄潡閾炬妧鏈騫剁粨鍚堝ぇ鏁版嵁銆佷漢宸ユ櫤鑳藉強鐗╄仈緗戠瓑鎶鏈錛岃嗙洊鍖葷枟銆佸尰鑽銆佸尰淇濄佸吇鑰併佸尰鐤椾華鍣ㄣ佺敓鐗┿佷繚闄┿侀噾鋙嶃佹斂搴滃強 紺句細 絳夐嗗煙鐨勫叕閾俱

HBA 鍦ㄥ叏鐞冩柊鍖葷枟 鍋ュ悍 鏂歸潰鎷ユ湁涓板瘜鐨勫浗闄呭尰鐤楃粡楠岋紝鑳藉熸弧瓚沖悇縐嶇敤鎴風簿鍑嗛珮鏁堢殑娌葷枟鏂規硶鐨 鍋ュ悍 闇奼傦紝鎻愪緵 鍋ュ悍 鐩稿叧鐨勫氱嶈仈鍔ㄦ湇鍔★紝榪欐槸鍥犱負浠栦滑鍗佸垎浜嗚В褰撳墠鍖葷枟 鍋ュ悍 妯″紡涓鐨勪笉瓚熾傛暣鍚堣祫婧愶紝鎵撻犳柊鍖葷枟浣撶郴錛岃В鍐崇櫨濮撶湅鐥呴毦錛岀湅鐥呰吹錛屽埄鐢 5G 鎶鏈楂樻晥鍦頒嬌鍖葷敓璧勬簮涓嶆氮璐廣備互鈥滃揩閫熴佷究鎹楓佺簿鍑嗏濈殑鏅鴻兘鍖栨妧鏈鐗規э紝涓轟漢浠鎻愪緵鈥滀竴絝欏紡鈥濆尰鐤 鍋ュ悍 鏈嶅姟瑙ｅ喅鏂規堛

IPFS 涓鏂囧悕縐版槦闄呮枃浠剁郴緇燂紝鏄涓縐嶇偣瀵圭偣鐨勫垎甯冨紡鏂囦歡緋葷粺錛屾槸涓涓鍩轟簬鍐呭瑰誨潃銆佺増鏈鍖栥佺偣瀵圭偣鐨勮秴濯掍綋浼犺緭鍗忚錛屽叾鐩鐨勫氨鏄瑕佽ˉ鍏呯敋鑷沖彇浠ｇ敤浜 20 澶氬勾鐨勪紶緇熺殑涓蹇冨寲瀛樺偍 HTTP 鍗忚銆

IPFS 鐨勪紭鐐瑰湪浜庯細楂樻晥銆佸畨鍏ㄣ侀殣縐併佹案涔呭瓨鍌ㄣ佹垚鏈浣庛佽塊棶閫熷害鏇村揩絳夈

HBA 鐨勫尯鍧楁暟鎹閲囩敤 IPFS 鍘諱腑蹇冨寲瀛樺偍緇撴瀯榪涜屽瓨鍌錛屾墍鏈夊尯鍧楅兘甯︽湁涓婁竴鍖哄潡鐨勬寚閽堝紩鐢錛屼繚璇佹暟鎹涓嶈綃℃敼銆傞噰鐢 sha256 鍑芥暟瀵規暟鎹榪涜屽搱甯屾暎鍒楋紝閲囩敤 ecc 闈炲圭О鍔犲瘑綆楁硶榪涜岃韓浠借よ瘉錛岄噰鐢 aes 鍔犲瘑綆楁硶鍔犲瘑縐侀掗錛岄噰鐢 Merkle 鏁伴獙璇佸拰瀛樺偍浜ゆ槗銆

HBA 鍏閾劇粨鍚堝尯鍧楅摼浼樺娍鐨勫垎甯冨紡瀛樺偍錛屾棬鍦ㄦ彁楂樻暟鎹瀹夊叏鎬с侀殣縐佹у拰鐢ㄦ埛瀵瑰叾鏁版嵁鐨勬帶鍒訛紝鍚屾椂鐢ㄦ埛鍙備笌榪涙潵鎻愪緵瀛樺偍絀洪棿鍙鑾峰緱閫氳瘉濂栧姳銆

1) 鐩鍓嶇姸鎬侊細鐮斿彂涓

2) 2019 騫 2 鏈堬細浠ｇ爜寮婧愮爺鍙

3) 2020 騫 10 鏈堬細涓葷綉嫻嬭瘯涓婄嚎

鍖哄潡閾句綔涓轟竴闂ㄦ柊鍏寸殑鎶鏈錛屾兜鐩栦簡鍘諱腑蹇冨寲銆佸幓淇′換銆佸叡浜緇忔祹銆佸垎甯冨紡璁＄畻銆佸垎甯冨紡瀛樺偍絳夊氭柟闈㈢殑鍐呭癸紝浼氬叏闈㈤潻鏂扮幇鏈夌殑 紺句細 浣撶郴銆

HBA 鍏閾句竴鐩翠互鏉ラ兘鍧氭寔涓庢椂淇辮繘錛屼笉鏂瀛︿範鏂扮殑璁捐＄悊蹇靛拰寮鍙戞妧鏈錛岀敤鏈鏂扮殑璁捐＄悊蹇墊潵鏈嶅姟瀹㈡埛錛岃揪鍒拌壇濂界殑鐢ㄦ埛浣撻獙銆傜墿鑱旂綉琛屼笟钃鍕冨彂灞曪紝鍞鏈夊壋鏂扮殑鎶鏈鍜屾ā寮忥紝鍙浠ユ寔涔呴暱瀛橈紝鎴戜滑鍧氫俊錛氬壋鏂版槸浜虹被鍓嶈繘鐨勬案鎮掑姩鍔涳紝鎶鏈鏈夎搗鐐癸紝鍒涙柊娌℃湁緇堢偣錛佸壋鏂般佸姟瀹炪侀珮鏁堝皢鏄鎴戜滑姘歌繙榪芥眰鐨勭洰鏍囷紒

鍗佸叓

㈦ 在大數據時代，有哪三種大數據公司活躍在大數據產業鏈上呢

基於數據本身的公司：自身擁有大量的數據資源，比如政府機構；
基於技術的公司：比如勤智數碼大數據處理平台；
基於思維的公司：可以依託大數據分析為企業提供戰略方向，比如魔鏡的大數據服務和勤智數碼大數據咨詢服務。按照以上的三種角色，對大數據的商業模式做了梳理和細分。
「數據擁有者」的商業模式數據擁有者，這樣的公司有三類：
1.大數據是業務核心，對大數據的重復利用是其發展的原動力，例如Google、Amazon、Inrix等；這種公司具有很強大的大數據技術能力，多數時候大數據技術本身主要用於自身的運作，具有三種產業鏈角色：數據+技術+服務；
2.大數據是作為提高生產效率、增加業務收入或者創造新的收入的使能器，非廠商的主流業務；例如運營商、銀行等，運營商的主要業務是通過通信設備提供的各種網路語音和數據業務，目前運營商本身並不通過數據的重復利用為主要手段來盈利；
3.數據中間商，本身不具有創造數據的能力，從各種地方搜集數據進行整合，然後再提取有用的信息進行利用；它們的商業模式有：
2B：面向企業或者公共政府部門，提供數據分析結果的服務；例如Inrix在交通信息領域，面向GPS生產商、和交通規劃部門、 FedEX和UPS等物流公司等，出售完整的當前甚至未來的交通狀況的模式圖或者資料庫；2C：面向個人，提供基於數據分析結果的服務。例如：Inrix提供一個免費的智能手機應用程序，一方面它可以為用戶提供免費的交通信息，另一方面它自己就得到了同步的數據。
2D：租售數據/信息模
式（數據資產分享和交易平台），新的商業模式，把數據/信息作為資產直接進行銷售；例如：Twitter把它的數據都通過兩個獨立的公司授權給別人使用；VISA和MasterCard收集和分析了來自210個國家的15億信用卡用戶的650億條交易記錄，用來預測商業發展和客戶的消費趨勢。然後，它把這些分析結果賣給其他公司；「技術提供者」的商業模式技術提供者的2B商業模式是目前的主流，有4種類型：提供單點技術，pure-play為主，例如：Teradata為沃爾瑪和Pop-Tarts這兩個零售商提供大數據分析技術，來獲得營銷點子；提供整體解決方案，IT廠商為主，例如：IBM提供軟硬一體的大數據解決方案；華為基於IT基礎設施領域在存儲和計算的優勢，提供整體大數據解決方案；大數據空間出租模式：大數據計算基礎設施上（與雲結合），通過出租一個虛擬空間，從簡單的文件存儲，逐步擴展到數據聚合平台，例如騰訊開放雲戰略為大數據創業者提供了廉價的數據基礎設施，使中小企業也有機會在大數據領域創新業務。Bigdata as a service，新的商業模式，提供E2E在線大數據技術或者解決方案。例如 RJMetrics，為電商提供快捷的商業智能在線服務，軟體定價為 500 美元每月，客戶只需在軟體端輸入特定數據，RJMetrics
便會將這些信息備份到安全的伺服器上，並承諾在7日內優化數據用以分析，之後以清晰簡潔的界面將數據分析結果反饋給客戶。再例如，GoodData面向商業用戶和IT企業高管，提供數據存儲、性能報告、數據分析等工具，將所有商業智能分析所需的數據和任務都搬到了雲上；技術提供者的2C商業模式，目前較少，與cloud結合後有很大的空間，未來是趨勢。例如：面向個人的家庭帳單、家庭耗能節能等或者面向個人數據的大數據解決方案。
「服務提供者」的商業模式服務提供者有兩種，一種是應用服務提供者，另一種是咨詢服務提供者。應用服務提供者是基於大數據技術，對外提供服務：

2B：面向企業或者公共政府部門，提供數據分析結果的服務；例如前面提過的Inrix;
2C：面向個人，提供基於數據分析的服務；例如： Flight_caster 和FlyOnTime.us基於分析過去十年裡每個航班的情況，然後將其與過去和現實的天氣情況進行匹配，預測航班是否會晚點；咨詢服務提供者，提供技術服務支持、技術（方法、商業等）咨詢，或者為企業提供類似數據科學家的咨詢服務；2B 商業模式：定位在某一具體行業，通過大量數據支持，對數據進行挖掘分析後預測相關主體的行為，以開展業務；利用數據挖掘技術幫助客戶開拓精準營銷或者新業務，有時企業收入來自於客戶增值部分的分成。 例如德國咨詢公司GFK幫助Telefonica 面向零售商、政府部門、公共機構提供基於地點的人員流動（Footfall）數據：以時間為維度（小時/天/月/年），在特定區域的人員人口統計數據（性別、年齡）和行動等數據； 這類企業成長非常快，一般擅長數據挖掘分析技術，幫助一些數據大戶如銀行、運營商等開展新的業務。