㈠ 大數據商業化:先談隱私,再談價值
大數據商業化:先談隱私,再談價值
不論我們稱之為大數據時代、互聯網時代，還是物聯網時代、智能穿戴時代，它們之間都有一個共同的特徵，就是信息數據化。當人與物都被數據化之後，就意味著巨大的商機蘊藏到了這些數據中間，而國務院所出台的這個關於大數據的指導意見也足以證明大數據的價值。
面對大數據所蘊含的巨大價值，我並不擔心其商業價值挖掘不出來，擔心的是如何把握好商業挖掘的尺寸與公民隱私權之間的關系。今天，大數據的商業化已經形成。當我們通過PC登錄或者訪問了相關的網站，瀏覽了某些信息的時候，我們在電腦上的這種行為都將被記錄下來。當我們再次登錄一些網站，打開相關頁面的時候，一些「牛皮癬」廣告就會被推送到我們的眼前。
那麼，有誰在推送這些「牛皮癬」廣告的時候徵求過用戶的意見?追蹤用戶使用行為的商業挖掘邊界到底在哪裡?這些問題或許比當前推動大數據商業挖掘來說更為重要。
首先，從目前的實際情況來看，大數據商業的前端很繁華，而商業後端的法律法規則相對滯後。過度的商業化挖掘，如果在沒有相關隱私權保障的情況下發生，必然會招致用戶的反感。那麼，商家到底應該將數據商業化到什麼程度，這個尺度如何把控，也就成為當前有關部門著重關注的焦點問題。
其次，對於企業來說，哪些數據是可以挖掘，哪些數據在商業化中是不能挖掘的;對於行政部門來說，什麼部門可以擁有什麼樣的數據使用許可權……這些都存在著關鍵尺度問題。如果相關法律法規和政策能夠及時出台，那麼公民隱私安全問題就可以緩解很多;反之，如果這個指導規范一直出不來，那麼公民隱私就很危險了。
尤其是在智能穿戴時代的萬物數據化之後，包括人的一切行為與生命體態特徵都被數據化，網路安全、數據安全，就是擺在眼前最急迫、最重大的事情。可以預見，在進入智能穿戴時代，人與物，人與互聯網之間的識別關系一定不是當前的這種數字密碼，而是更為復雜的生物識別技術，如步態、靜脈、視網膜、心率等，藉助於可穿戴設備將人與設備連接、綁定在一起。由此通過人的生理特徵識別後，建立一種唯一性的身份識別特徵和獨一無二的ID。
顯然，這種識別特徵的建議就相對比較安全，尤其是對於金融系統來說，未來的支付就很安全，一旦你的設備被偷了，離開你就自動失效了。深度數據化背後的商業價值將隨之放大，而同時被放大的，還有數據安全風險。不過，我們不能因為大數據的安全存在風險，就讓科技發展的腳步停下來。
我們需要謹慎地對待數據安全，但亦非謹小慎微。就像我們知道網路網銀不安全，但我們還是會謹慎地用，此時對於銀行等機構來說就是如何通過技術來最大限度地保障用戶財產安全;我們知道美國槍支泛濫，但很多人依然很「嚮往」美國，此時對於美國政府來說就是如何通過法律法規來杜絕這些案件的發生。
面對大數據也是如此，需要政府提高監管的水平和方式，盡可能地把犯罪的風險系數和危害降到一個合理的范圍。當然社會上總有一些人想著賺歪門邪道、旁門左道的錢，這就是需要政府作為的問題，怎樣有效控制。盡管目前我們還沒有完全進入大數據時代，但相關的弊端、問題與安全風險已經或多或少地初露端倪。
隨著國務院關於大數據文件的出台，一方面會加速大數據產業的形成，也必然會加速商業價值的挖掘。但是在這個過程中，我們尤其不能忽略了對公民隱私權的重視。所以，發展大數據產業很重要，但對於公民來說或許保護比挖掘更為重要。
以上是小編為大家分享的關於大數據商業化:先談隱私,再談價值的相關內容，更多信息可以關注環球青藤分享更多干貨
㈡ 大數據技術的發展趨勢有哪些
1.數據分析成為大數據技術的核心 數據分析在數據處理過程中占據十分重要的位置，隨著時代的發展，數據分析也會逐漸成為大數據技術的核心。
大數據的價值體現在對大規模數據 *** 的智能處理方面，進而在大規模的數據中獲茄滑取有用的信息。
要想逐步實現這個功能，就必須對數據進行分析和挖掘。
而數據的採集、存儲、和管理都是數據分析步驟的基礎，通過進行數據分析得到的結果，將應用於大數據相關的各個領域。
未來大數據技術的進一步發展，與數據分析技是密切相關的
2.廣泛採用實時性的數據處理方式 在現如今人們的生活中，人們獲取信息的速度較快。
為了更好地滿足人們的需求，大數據處理系統的處理方式也需要不斷地與時俱進。
目前大數據的處理系統採用的主要是批量化的處理方式，這種數據處理方式有一定的局限性，主要是用於數據報告的頻率不需要達到分鍾級別的場合，而對於要求比較高的場合，這種數據處理方式就達不到要求。
傳統的數據倉庫系統、鏈路挖掘等應用對數據處理的時間往往以小時或者天為單位。
這與大數據自身的發展有點不相適應。
大數據突出強調數據的實時性，因而對數據處理也要體現出實時性。
如在線個性化推薦、股票交易處理、實時路況信息等數據處理時間要求在分鍾甚至秒極。
要求極高。
在一些大數據的應用場合，人們需要及時對獲取的信息進行處理並進行適當的舍棄，否則很容易造成空間的不足。
在未來的發展過程中，實時性的數據處理方式將會成為主流，不斷推動大數據技術的發展和進步。
3.基於雲的數據分析平台將更加完善 近幾年來，雲計算技術發展的越來越快，與此相應的應用范圍也越來越寬。
雲計算的發展為大數據技術的發展提供了一定的數據處理平台和技森茄術支持。
雲計算為大數據提供了分布式的計算方法、可以彈性擴展、相對便宜的存儲空間和計算資源，這些都是大數據技術發展中十分重要的組成部分。
此外，雲計算具有十分豐富的IT資源、分布較為廣泛，為大數據技術的發展提供了技術支持。
隨著雲計算技術的不斷發展和完善，發展平台的日趨成熟，大數據技術自身將會得到快速提升，數據處理水平也會得到顯著提升。
4.開源軟體的發展將會成為推動大數據技術發展的新動力 開源軟體是在大數據技術發展的過程中不斷研發出來的。
這些開源軟體對各個領域的發展、人們的日常生活具有十分重要的作用。
開源軟體的發展可以適當的促進商業軟體的發展，以此作為推動力，從而更好地服務於應用程序此納察開發工具、應用、服務等各個不同的領域。
雖然現如今商業化的軟體也是發展十分迅速，但是二者之間並不會產生矛盾，可以優勢互補，從而共同進步。
開源軟體自身在發展的同時，為大數據技術的發展貢獻力量。
㈢ 運營商發展大數據的核心價值在於商業化
運營商發展大數據的核心價值在於商業化
近年來，電信運營商利潤率增幅放緩甚至下降，傳統話音業務收入增長乏力，日趨邊緣化、管道化；數據業務佔比迅速增長，但量收的剪刀差持續擴大，投入多回報少。
在運營商轉型路上，大數據技術的深入應用與商業模式的開發大有可為，可以說是運營商規避同質化競爭，打造智能數據管道，尋找差異化經營「藍海」的必由之路。大數據的技術架構尋求高性能與低成本的統一，可以降低電信運營商龐大的IT資本開支壓力。大數據的商業應用促使電信運營商從單純提供網路資源、前向收費方式轉變為基於網路資源和依據海量數據資源提供服務的靈活多樣的混合模式，是一種新的商業模式。
國內運營商大數據應用受限
國內電信運營商在大數據應用方面主要受到了以下方面的限制。
第一，數據採集散亂、深度不足：電信運營商擁有海量數據的來源，但採集渠道散亂，通常分級、分地區、分系統建設，整體規劃不足，數據標准化程度低，匯聚困難，無法形成有效的數據資產。
第二，數據分析能力不足：電信運營商建有以數據倉庫為核心的經營分析系統，通常採用小型機加高性能存儲架構建設，針對傳統話單日誌等結構化數據設計，還不具備非結構化數據與流數據的分析處理能力。
第三，數據商業應用不足：電信運營商大量數據尚沒有充分發掘數據應有的價值，智能管道的建設正處在初期階段。現有分析系統僅對內部提供服務，缺乏對外數據開放平台，大量數據未能有效進行商業利用。
電信運營商大數據發展探析
（1）大數據的政策支撐
電信運營商應積極尋求政府的支持，推動政府為大數據產業發展提供積極的政策支撐與引導、對關鍵技術的研發提供專項財政資金支持、對重點工程項目的實施提供支持與保障。電信運營商應高度重視大數據信息安全，推動政府部門牽頭啟動大數據立法，解決大數據信息權屬與隱私保護問題；制定大數據技術標准與運營標准，規范大數據安全體系。通過政策支撐保障大數據產業的可持續發展。
2012年10月，中國計算機學會和中國通信學會均成立了大數據專家委員會，從行業學會的層面來組織和推動大數據的相關產學研用活動。運營商可以依託該平台推動企業內部大數據的發展。
（2）大數據技術架構與演算法的研發
根據2012年美國市場調查咨詢公司（Gartner）發布的新興技術曲線，大數據技術正處於「期望膨脹期」，距離真正成熟尚需2~5年。電信運營商應抓住機遇加強技術研發，在開源技術的基礎上，發展適合運營商的大數據技術；同時應積極對技術標准做出貢獻，掌握技術主動權。在技術的拓展可主要集中在三個方面：（a）大數據的採集與傳輸技術。採集技術是指基於智能管道和物聯網的大數據獲取技術和演算法；大數據傳輸技術研究應注重海量數據傳輸的安全可靠性，解決調度與控制問題。（b）大數據的存儲與分析技術。存儲技術主要指面向海量數據文件的有效存儲與讀取能力、大數據的新型表示方法和去冗降噪演算法；分析技術的拓展方向應包括數據可用性和可計算性，計算復雜性問題，研究求解演算法，進行高效處理等。（c）大數據的隱私安全技術。在大數據時代，如何保護用戶隱私安全不僅是法規層面需要解決的問題，也是電信運營商在技術層面亟待解決的問題。
（3）大數據支撐運營中心
運營商要充分發揮大數據的價值，首要條件是具備採集、融合、存儲、分析海量數據的能力。電信運營商可以在現有經分系統或數據倉庫的基礎上，針對目前數據採集散亂、採集深度不足、分析能力不足的問題，構建數據集中、平台統一的省級或全國級大數據支撐運營中心，為大數據的應用與商業化提供精確支撐。大數據支撐運營中心可以設置如下邏輯架構。
數據採集層：通過建設數據採集聚合網關，匯聚跨地區、跨系統的採集的豐富數據源。
數據融合層：建設海量結構化數據、非結構化數據以及流數據處理能力，建立數據標准化體系，進行統一處理和存儲。
數據應用層：通過構建不同的數據挖掘與分析模型，融合結構化數據，形成數據倉庫，對外提供統一服務能力。
資源管理層：提供統一監控、資源管理與運營等功能。
（4）大數據應用與商業化
大數據應用與商業化是大數據發展的核心價值與落腳點。電信運營商擁有極其豐富的數據資源，相比互聯網公司更具天然優勢。對大數據進行全面、深入、實時的分析和應用，以客戶體驗為核心發展流量經營，是電信運營商應對新形勢下挑戰避免淪為啞管道的關鍵。
通過大數據助力業務創新，提供市場營銷與客戶服務的精準支撐能力。在互聯網社會中，擁有數據，就擁有了了解用戶行為的基礎，從足夠多數據的疊加中可以探知一個人的過往行為，同時可以精準的預測出其未來的需求。通過對海量的行為和內容數據處理，可以獲得用戶的時間、位置、業務、終端等基礎信息，分析出用戶的身份、興趣、社交圈等，這樣可以開發出很多新的增值業務。
通過大數據提升企業管理水平，提供透明管控與科學運營的精準支撐能力。運營商可以融合市場、財務、網路等多個系統產生的海量數據，將相關聯的數據進行處理分析，有利於運營商更全面、更准確、更快速地獲得企業運營數據，為投資決策和網路優化方案提供更多視角。
通過大數據發展開放合作平台，開辟新的商業模式，助力電信運營商轉型。電信運營商可以通過大數據支撐運營中心發展開放合作平台，為廣大開發者提供海量數據資源，發揮大數據的價值，將數據作為資源，進而提升的運營商利潤增長點。
大數據技術的發展及規模商用，使得電信運營商能夠充分挖掘管道內容，創造新的業務增長模式，應對「去電信化」的趨勢，轉型為綜合信息服務提供商，成為未來大數據時代中最大的贏家。但在推動商業化應用的過程中還應全面認識大數據的內涵，避免陷入單純的計算能力和存儲能力建設，要清醒認識大數據發展的成熟度，客觀分析用戶的應用需求，避免過度建設
㈣ 實現商業突破的關鍵點 大數據
實現商業突破的關鍵點 大數據
而這兩年，隨著微博、微信等社交平台商業化嘗試的深入，及其結果的不盡如人意，大數據的利用成為了一個能否實現商業化實質突破的關鍵點。而這個點的關鍵又在於社交平台是否能做到對大數據的真正開放。
對於社交平台大數據開放，行業關注點現在主要在集中在兩方面：其一是社交平台大數據究竟價值幾何?其二，是基於這一大數據，平台方能給出怎樣的的全面開放政策，以及這類政策的持續和穩定性又如何。
社交平台的數據價值
要了解社交平台大數據的價值，首先要搞清楚的是，開放平台合作夥伴們是如何利用這一大數據的。
化繁為簡，我們將其概括為三步：首先是對平台所產生的龐大數據進行分析;然後，通過分析獲得數據背後的用戶訴求;最後，針對用戶訴求進行個性化、精確化和智能化的信息推送和服務推廣，並最終實現吸引用戶點擊、消費的目標。
舉個簡單例子，比如有用戶在微博分享地理位置、景點等信息時，其廣告模塊就會快速精準的為其推薦相關的機票、酒店等信息。
而實現這一所有流程的起始點，就在於用戶在社交網路上的生活化分享。而這也正是社交網路大數據的價值所在。
此外，企業通過社交大數據的分析和處理，還可以低成本的進行輿論監控，極大降低了企業品牌危機產生和擴散的可能。
社交平台的數據價值不言而喻。近日，新浪CTO許良傑在接受采訪時就著重談了大數據，並稱「新浪微博作為社會化平台，最大的價值在於大數據」。
超5億的用戶群及每天產生各種信息便是新浪微博有價值的大數據。目前，其正基於此做多種商業化的嘗試，但對這些嘗試，業界評價似乎不是太高。
比如，包括粉絲通、Pagerank、淘寶廣告等在內的基於大數據的產品嘗試，皆一定程度上影響了用戶體驗，在利用數據的同時，產生了諸多垃圾數據，更降低了用戶活躍度，對平台價值進行著侵蝕。
要知道，社交平台的數據價值指的並不單純是用戶數及用戶信息等，而是基於其動態數據的挖掘、分析和以API介面的輸出，及再利用。這需要諸多環節的協同與努力，而非平台方一家力所能及。
正如Facebook的工程總監Parikh所說：「大數據的意義在於真正對你的生意有內在的洞見。如果你不能好好利用自己收集到的數據，那你只是空有一堆數據而已，不叫大數據。」
開放尺度定成敗
大數據的價值只是基礎，要實現智能營銷，一個重要層面還在於第三方能從多大程度上利用到這一數據進行挖掘。
而這也包含了兩個層面，首先是API開放多樣性，其次是數據的完整性。
在API開放方面，一直以來行業對開放平台期待最多的公司要數新浪。新浪初期也的確不負眾望，給予了第三方開發者近百個API介面，可謂相當豐富。在2012年前後，通過這些介面，也密集涌現出了很多基於新浪微博大數據的創業公司，盛況空前。
然而這種基於開放而聯姻的蜜月期還沒來得及令人回味，新浪對於API開放的態度卻在近期發生了轉變。如在去年，新浪微博便關閉了其開放平台的私信介面，今年更是對開放平台介面做了進一步收緊(對當前授權應用只能讀取授權該應用的當前用戶微博，不能獲取其他用戶微博;同時，當前授權應用只能讀取授權該應用的當前用戶的關系，不能讀取其他用戶的關系。)。
而這種收窄的姿態，在阿里巴巴入股新浪微博之後，愈趨明顯。
眾多開發者表示，其多款應用的數據已被清空或者api介面被停用。現在新浪開放平台的每次更新也是刪的多，增的少，而增加的功能也大多都是可有可無的。
開發作為當下互聯網的一個趨勢(網路、阿里巴巴、騰訊【簡稱BAT】三巨頭都在談開放)，新浪微博反其道而行之，當然，新浪對API開放性的收縮，我們要承認其一些深層次的因素考量。比如之前私信埠的開放，就造成大量垃圾信息對用戶的騷擾;以及與阿里聯姻後，來自阿里方面的訴求和壓力等。
與此相比，一直以來不聲不響的騰訊微博倒在開放平台上做出了不少動靜。比如，國內唱吧、啪啪，國外cooliris都選擇了騰訊微博，甚至iOS7系統也首次開放ios-SDK給騰訊微博。
其次說到開放的完整性，所謂數據完整性就是當開發者請求某種數據時，開放平台是否對返回數據的數量有所限制。這點也最能反映出一個平台的真實開放程度。
以最基本的獲取一個用戶的」粉絲列表「為例，新浪，對於一般授權用戶，最多隻能獲得5000個最新粉絲信息，而騰訊則沒有任何的限制。
騰訊副總裁劉熾平曾在其內部講話中曾提到：「關鍵路徑要有用戶價值，如果沒有用戶價值，這里放一個流量，那裡放一個流量，價值不大。」 而這句話也正點明了大數據開放的本質應該是什麼。
行業皆知，只有數據挖掘精準度在85%以上時，才具備實現精準營銷的條件。如數據挖掘不夠精準，就會直接影響到廣告營銷的投放效果。而數據不完整，數據挖掘的精準度只是空談而已。
而數據完整開放的重要性，還不僅僅限於第三方開放者，對於社交平台本身，在提升用戶體驗方面也息息相關。
比如騰訊微博最近上線的微圈、微熱點、微頻道、微博管家等產品，就是通過數據挖掘技術，抽取用戶閱讀時間線中來自游戲、活動、第三方應用等營銷和廣告微博，並將其過濾，從而進一步減輕垃圾信息對於微博用戶的騷擾，從而使用戶更高效的獲取優質微博信息，最終實現用戶閱讀體驗的提升。
這種將大數據挖掘產品化的路子，應該說值得借鑒。因為一方面，它能比較充分的滿足第三方開發者需求;更重要的是，這並不以影響用戶端的產品體驗為代價，實施得好的話，可形成一個良性閉環模式。
以上是小編為大家分享的關於實現商業突破的關鍵點 大數據的相關內容，更多信息可以關注環球青藤分享更多干貨
㈤ 以下哪個屬於大數據在電信行業的數據商業化方面的應用
以下個性化推薦，客戶細分，數據分析決策，客戶體驗管理，風險控制屬於大數據在電信行業的數據商業化方面的應用。
1、個性化推薦：通過分析用戶的通訊記錄、消費行為等數據，為用戶提供個性化的產品及服務推薦。
2、客戶細分：通過對海量用戶數據進行分類和聚類分析，將用戶按照其特徵劃分成不同的群體，以便更好地針對不同的用戶群體開展營銷活動。
3、數據分析決策：拆攜通過分析運營數據，如流量、話務量、ARPU等數據，來幫助企業做出更加明智的運營決策。
4、客戶體驗管理：通過對用戶行為和需求的分析，為客戶提供更好的服務體驗兆閉，並旅猜伏提高用戶的滿意度。
5、風險控制：通過對用戶行為、賬單支付情況等數據的分析，識別潛在的風險，及時採取措施進行防範。