2016年大数据万亿元年

A. 《大数据产业发展规划(2016-2020年)》指导思想与目标——斜杆第二步（9）

数据是国家基础性战略资源，是21世纪的“钻石矿”。...，实施国家大数据战略，落实国务院《促进大数据发展行动纲要》，按照《国民经济和社会发展第十三个五年规划纲要》的总体部署，编制本规划。

一、我国发展大数据产业的基础

大数据产业指以数据生产、采集、存储、加工、分析、服务为主的相关经济活动，包括数据资源建设、大数据软硬件产品的开发、销售和租赁活动，以及相关信息技术服务。

个人理解：大数据产业的界定

信息化积累了丰富的数据资源。

我国信息化发展水平日益提高，对数据资源的采集、挖掘和应用水平不断深化。政务信息化水平不断提升，全国面向公众的政府网站达8.4万个。智慧城市建设全面展开，“十二五”期间近300个城市进行了智慧城市试点。两化融合发展进程不断深入，正进入向纵深发展的新阶段。信息消费蓬勃发展，网民数量超过7亿，移动电话用户规模已经突破13亿，均居世界第一。月度户均移动互联网接入流量达835M。政府部门、互联网企业、大型集团企业积累沉淀了大量的数据资源。我国已成为产生和积累数据量最大、数据类型最丰富的国家之一。

个人理解：这些指标是信息化关注的指标，可供参考；智慧城市有哪些，可进一步了解

大数据技术创新取得明显突破。

个人理解：主要体现在软硬件方面，在平台建设方面，在智能分析方面，在开源技术方面。

大数据应用推进势头良好。

个人理解：大数据在互联网服务中提升网络社交、电商、广告、搜索等服务的个性化和智能化水平，催生共享经济等数据驱动的新兴业态；大数据加速向传统产业渗透，

大数据产业体系初具雏形

个人理解：表现在信息产业收入、大型数据中心、跨地区经营互联网数据中心（IDC）业务、云计算服务逐渐成熟。在大数据资源建设、大数据技术、大数据应用领域涌现出一批 新模式和新业态 。龙头企业引领，上下游企业互动的 产业格局 初步形成。基于大数据的 创新创业 日趋活跃，大数据技术、产业与服务成为社会资本投入的热点。

大数据产业支撑能力日益增强。

形成了大数据标准化工作机制，大数据标准体系初步形成，开展了大数据技术、交易、开放共享、工业大数据等国家标准的研制工作，部分标准在北京、上海、贵阳开展了试点示范。一批大数据技术研发实验室、工程中心、企业技术中心、产业创新平台、产业联盟、投资基金等形式的产业支撑平台相继建成。大数据安全保障体系和法律法规不断完善。

个人理解：大数据标准化工作机制（是什么），大数据标准体系，产业支撑平台

三、指导思想和发展目标

（一）指导思想

全面贯彻党的十八大和十八届三中、四中、五中、六中全会精神，坚持创新、协调、绿色、开放、共享的发展理念，围绕实施国家大数据战略，以强化大数据产业创新发展能力为核心，以推动数据开放与共享、加强技术产品研发、深化应用创新为重点，以完善发展环境和提升安全保障能力为支撑，打造数据、技术、应用与安全协同发展的自主产业生态体系，全面提升我国大数据的资源掌控能力、技术支撑能力和价值挖掘能力，加快建设数据强国，有力支撑制造强国和网络强国建设。

个人理解：精神，理念，围绕战略，目标，重点，切入点，预期效果

（二）发展原则

创新驱动 。瞄准大数据技术发展前沿领域，强化创新能力，提高创新层次，以企业为主体集中攻克大数据关键技术，加快产品研发，发展壮大新兴大数据服务业态，加强大数据技术、应用和商业模式的协同创新，培育市场化、网络化的创新生态。

个人理解：技术前沿，创新；大数据服务业态，创新生态；

应用引领 。发挥我国市场规模大、应用需求旺的优势，以国家战略、人民需要、市场需求为牵引，加快大数据技术产品研发和在各行业、各领域的应用，促进跨行业、跨领域、跨地域大数据应用，形成良性互动的产业发展格局。

个人理解：跨行业、跨领域、跨地域大数据应用，形成良性互动的产业发展格局

开放共享。

统筹协调。

安全规范。

（三）发展目标

到2020年，技术先进、应用繁荣、保障有力的大数据产业体系基本形成。大数据相关产品和服务业务收入突破1万亿元，年均复合增长率保持30%左右，加快建设数据强国，为实现制造强国和网络强国提供强大的产业支撑。

个人理解：这些指标体系，值得了解；大数据产业体系

—— 技术产品先进可控。

—— 应用能力显著增强。

—— 生态体系繁荣发展。

—— 支撑能力不断增强。

—— 数据安全保障有力。

B. 国际大数据博览会将在贵阳举行，有哪些公司会来参展

在中国西南部的贵州省举办了一项国际大数据博览会，展示了相关领域的尖端科技创新和成就。据组委会统计，目前在省会贵阳举行的为期三天的 2021 年中国国际大数据产业博览会吸引了 225 家国内外企业。

上海合作组织秘书长弗拉基米尔·诺罗夫注意到苹果、华为和阿里巴巴巴等公司都进入贵州并投资了，他们在开幕式上表示，贵州有望在几年内成为世界上最大的数据中心之一。

大型数据产业博览会是中国首届此类博览会，自 2015 年以来已在贵阳举行过五次。2019 年，世博吸引了来自 59 个国家和地区的 448 多家企业，在世博会上签订了价值近 10008 亿元的合同。由于新型冠状病毒肺炎疫情，组织者去年取消了这项活动。

贵州于 2016 年获准建设中国第一个全国大数据综合试验区。它吸引了包括苹果、华为和腾讯在内的重量级玩家建立云计算和大数据中心以及地区总部。

C. 大数据市场有多大 怎么利用大数据赚钱

大数据市场有多大 怎么利用大数据赚钱
“大数据的市场规模没有天花板。”国务院发展研究中心信息中心研究处处长李广乾认为。不过细想，这正是目前各大企业和资本疯狂追逐大数据产业的重要原因。
“单独讨论大数据意义不大，它是依附于具体业务，和各个行业密切相关的。”李广乾认为，大数据产业规模和两大因素相关：一是经济发展水平，需要大数据的业务越多，市场体量就越大;二是信息化发展水平，能够产生数据的终端越多，数据就会越聚越多，而数据的生产是没有上限的。目前，大数据的金矿还仅是开挖了“冰山一角”。全球来看，Gartner2016年最新的技术成熟度曲线显示，大数据作为新兴领域，已经进入应用发展阶段，基础设施建设带来的规模性高速增长出现逐步放缓的趋势，技术创新和商业模式创新推动各行业应用逐步成熟，应用创造的价值在市场规模中的比重日益增大，并成为新的增长动力。从总体规模看，2016年，全球大数据市场规模实现16.5%的增长，预计将连续3年保持增速在15%左右。同时，大数据成为全球IT支出新的增长点，2016年，有近40%的企业正在实施和扩大大数据技术的应用，另有30%计划在未来12个月内应用大数据。“说大数据产业是一张画得很大的饼显然是片面的。”工信部赛迪研究院软件所所长潘文预测，包括大数据硬件、大数据软件、大数据服务等在内的大数据核心产业环节，2016年达到3100亿元，将在2020年超过1万亿元;大数据关联产业规模2016年超过5万亿元，将在2020年超过10万亿元;大数据融合产业规模2016年达到3.5万亿元，将在2020年超过20万亿元。“从大数据核心产业结构看，基于大数据的服务是大数据核心产业的主体，其规模约占大数据核心产业规模的90%，未来，服务也将是大数据产业的最核心部分。”潘文说。做数据“搬运工”目前国内大数据公司分为两类：一类是已有获取大数据能力的公司，如网络、腾讯、阿里巴巴等互联网巨头及华为、浪潮、中兴等企业，涵盖了数据采集、数据存储、数据分析、数据可视化及数据安全等领域;另一类则是初创大数据公司，依靠大数据工具，针对市场需求，为市场带来创新方案并推动技术发展。不同的大数据公司，盈利模式也不相同。如果把大数据产业比作房地产开发，那么海量数据就是地产开发时的土地资源，数据挖掘开发就是地产搭建盖楼。大数据主要的盈利模式也是围绕这两方面展开，一是通过直接“搬运”数据赚钱，二是通过数据加工分析盈利。“我们就像一个自来水厂一样，用户要你提供干净的自来水，对方可能是酒厂、饭店、饮料厂，他把你的水做成饮料或酒。”聚合数据就是一家主要依靠为客户提供数据盈利的公司，公司创始人左磊对其商业模式作了一个形象的比喻。在开发APP应用过程中，左磊发现客户对于数据的需求非常大，但他们本身却没有能力去做这些事情。聚合数据的主营业务，就是整合市面上有价值的数据源，从车辆违章信息、航班火车查询、全国加油站实时油价，到在线试题、电影、股票，做成标准化的API(应用程序编程接口)，开放给开发者、企业及微信公众号用户等使用，为他们免除数据收集、维护等环节。简言之，聚合数据是一家数据源公司，充当的是数据“搬运工”的角色。在变现模式上，针对一些本身成本不高的服务，聚合数据会对用户实行免费，而对一些成本相对高的服务，会按照每个接口或服务的成本收取不同的费用。2016年，聚合数据光API接口一项营收就超过1000万元。聚合数据的盈利模式是数据买卖市场一个有代表性的类型。另一个代表性类型是，国内乃至全球第一家大数据交易所——贵阳大数据交易所，自2015年4月正式挂牌运营以来，仅用两年多时间，就实现了可交易数据总量超过150PB，内容涵盖政府、金融、交通等30大类领域，并于今年上半年实现正现金流，预计今年底累计交易流水将突破2亿元人民币。数据的“消化”和“利用”如果说搬运数据是秀肌肉的“体力活”，那么分析数据并提供解决方案就是拼智商的“脑力活”，相当于把收集来的数据“消化”“利用”好。直接售卖数据是比较底层的盈利方式，而对数据进行处理加工则在商业模式上具备更多的想象空间。数据分析可大致分为直接提供数据分析工具和输出解决方案两种模式。潘文说，数据分析工具通常可以实现情报挖掘、舆情分析、销售追踪、精准营销、个性化推荐、网站/APP分析等功能，收费方式采取按需购买，部分功能服务免费，部分功能服务收费。阿里云的“数加”平台就是典型的数据工具盈利模式。阿里云大数据事业部总监徐常亮表示，阿里云“数加”平台，承载着阿里巴巴集团、蚂蚁金服的数据，可提供一站式的数据计算、加工、处理等服务，用户不用自建计算平台。此外，基于“数加”平台，阿里云还提供数十款应用工具，覆盖数据采集、计算引擎、数据加工、数据分析、机器学习、数据应用等数据生产全链条。计算引擎之上，“数加”平台提供了最丰富的云端数据开发套件，包括数据集成、数据开发、调度系统、数据管理、运维视屏、数据质量、任务监控。在数据分析方面，通过移动数据分析产品，开发者可快速搭建日志采集、分析系统;通过“数加”平台BI报表产品，3分钟即可完成海量数据的分析报告。在机器学习方面，“数加”平台发布的机器学习工具，可基于海量数据实现对用户行为、行业走势、天气、交通等的预测。大数据公司百分点的展厅内有一面弧形墙，可以24小时实时更新数据资料和图谱。这面墙上有全网当日产品销售统计和热销产品榜单，每一个产品都有详情介绍。百分点研发总监苏海波介绍，5.5亿用户的“画像”汇总于此，包括购物偏好、网购金额变化趋势、阅读兴趣等。用户的任何网上行为都会成为大数据的一部分，经过筛选加入到用户的数据中。通过与百分点合作，商户可以根据用户消费偏好，定向推送商品;旅行社可以定向推送旅游行程信息和报价;新闻资讯APP则可以推送用户感兴趣的信息。在输出解决方案上，大数据还可以应用到医疗、教育、零售、通信等传统行业。通过大数据产生更多收益，节约成本，优化原有行业，衍生出新的商业模式。

D. 我国大数据战略实施面临的五大挑战

我国大数据战略实施面临的五大挑战
一、我国实施国家大数据战略的新成效
近几年，在国家政策支持下，我国大数据战略取得多方面成效：
一是产业集聚效应初步显现。国家八个大数据综合实验区建设促进了具有地方特色产业集聚。京津冀和珠三角跨区综合试验区，注重数据要素流通;上海、重庆、河南和沈阳试验区，注重数据资源统筹和产业集聚;内蒙的基础设施统筹发展，充分发挥能源、气候等条件，加快实现大数据跨越发展。
二是新业态新模式不断涌现。我国在大数据应用方面位于世界前列，特别是在服务业领域，如基于大数据的互联网金融及精准营销迅速普及;在智慧物流交通领域，通过为货主、乘客与司机提供实时数据匹配，提升了物流交通效率。

三是与传统产业融合步伐加快。铁路、电力和制造业等加快了运用信息技术和大数据的步伐。高铁推出“高铁线上订餐”等服务，提升了乘客体验。电力企业推广智能电表，提高了企业利润。三一重工、航天科工、海尔等一批企业将自身积累的智能制造能力，向广大中小企业输出解决方案，着手建设工业互联网平台。
四是技术创新取得显著进展。互联网龙头企业服务器单集群规模达到上万台，具备了建设和运维超大规模大数据平台的技术实力，并以云服务向外界开放自身技术服务能力和资源。在深度学习、人工智能、语音识别等前沿领域，我国企业积极布局，抢占技术制高点。
五是产业规模快速增长。2016年我国包括大数据核心软硬件产品和大数据服务在内的市场规模达到3100亿元。预计2017年有望达到4185亿元。未来2-3年市场规模的增长率将保持在35%左右。未来5年，年均增长率将超过50%。
六是一批企业快速成长。主要分为三类：一类是已经有获取大数据能力、具有一定国际影响力的公司，如网络、腾讯、阿里巴巴等互联网巨头;二是以华为、浪潮、中兴、曙光、用友等为代表的电子信息通信厂商;三是以亿赞普、拓尔思、九次方等为代表的大数据服务新兴企业。
七是法治法规建设全面推进。先后制定和出台《全国人大常委会关于加强网络信息保护的决定》《全国人大常委会关于加强网络信息保护的决定》《电信和互联网用户个人信息保护规定》《电话用户真实身份信息登记规定(部令第25号)》《中华人民共和国网络安全法》等文件，保障用户隐私和合法权益。
二、我国实施国家大数据战略面临的挑战
一是数据权属不清晰，数据流通和利用混乱。大数据带来了复杂的权责关系，产生数据的个人、企业、非政府组织和政府机构，拥有数据存取实际管理权的云服务提供商和拥有数据法律和行政管辖权的政府机构，在大数据问题上的法律权责不明确，数据产权承认和保护存在盲点，阻碍了数据有效流通。
二是数据爆炸式增长与数据有效利用矛盾突出。当前面临的问题不是数据缺乏，而是数据快速增长与数据有效存储和利用之间矛盾日益突出。数据呈爆炸式增长，每两年数据量翻10倍，而摩尔定律已接近极限，硬件性能提升难以应对海量数据增长。
三是企业与政府数据双向共享机制缺乏。目前，我国政府、少数互联网企业和行业龙头企业掌握了大部分数据资源，但数据归属处于模糊状态，法律规定不明确，政府与企业数据资源双向共享不够。
四是发展一哄而上，存在过度竞争倾向。截止2017年1月，全国37个省、市出台大数据发展规划，90%提出要统筹建设政府和行业数据中心，有12个省市提出建设面向全国的大数据产业中心，有14省(市)合计产值目标过2.8万亿元，远远超过工信部提出到2020年1万亿元大数据产值发展目标。
五是安全问题日益凸显。截至2017年7月，全国共侦破侵犯公民个人信息案件和黑客攻击破坏案件1800余起，抓获犯罪嫌疑人4800余名，查获窃取的各类公民个人信息500多亿条。乌克兰电力系统和伊朗核设施遭遇网络攻击，也给我国电力、石油、化工、铁路等重要信息系统安全敲响了警钟。
三、 更好实施我国国家大数据战略政策建议
按照十九大精神，要着力推动大数据与实体经济深度融合，建设数字中国和智慧社会，实现网络强国的目标，需要从政府、企业、社会组织和个人等统筹推动国家大数据战略落实。
(一)完善机制与制度，更好发挥政府作用。在体制机制方面，建议设立由国务院领导担任组长的国家大数据战略领导小组，负责组织领导、统筹协调全国大数据发展。领导小组下设办公室和大数据专家咨询委员会。
在法规建设方面，加快制定《大数据管理条例》，鼓励行业组织制定和发布《大数据挖掘公约》和《大数据职业操守公约》，在条件成熟时启动《数据法》立法，明确数据权属，培育大数据市场，加快数据作为生产要素规范流通。
在产业政策方面，出台数字经济优惠政策，创新数字经济监管模式，加强重点人群大数据应用能力培训，创造更多就业。
在试点示范方面，在环境治理、食品安全、市场监管、健康医疗、社保就业、教育文化、交通旅游、工业制造等领域开展大数据试点应用，以点带面提升大数据应用能力。
在资源共享方面，按照“逻辑统一、物理分散”原则，通过建设国家一体化大数据中心和国家互联网大数据平台，探索政府与企业数据资源双向共享机制。
在发展环境方面，着力部署下一代新基础设施，加快我国信息基础设施优化升级，制定政府大数据开发与利用的“负面清单”“权力清单”和“责任清单”，建立统计和评估指标体系，营造良好的舆论环境，防止炒作大数据概念，引导全国大数据健康有序发展。
在数据安全方面，加快落实《中华人民共和国网络安全法》，建立国家关键基础设施信息安全保护制度，明确监管机构的关键基础设施行业主管部门的信息安全监督管理职责，加快推动国产软硬件的应用推广，提升安全可控水平。
(二)对企业分类施策，发挥市场资源配置决定性作用。一是发挥互联网龙头企业引领和带动作用。网络、腾讯、阿里、京东为代表的龙头企业技术和人才储备雄厚，具有强大的数据资源收集、存储、计算和分析能力，成为我国大数据技术进步的主要推动力。应像使用电、水、交通等传统基础设施一样，互联网龙头企业向各行业提供高性能和低成本的大数据服务，帮助传统企业提升效率，提升核心竞争力。
二是发挥重要行业龙头企业数据和用户优势。我国电力、交通、金融等诸多行业龙头集聚了海量用户和数据，是未来我国大数据战略实施的主战场和大数据价值真正“钻石矿”。应发挥铁路、电力、金融等重要行业龙头企业优势，通过与互联网龙头企业深度合作，利用其技术优势，深度挖掘数据资源，提升自身核心竞争力，并帮助中小企业发展。
三是发挥通信运营商生力军作用，为大数据发展提供基础性战略性资源。我国移动、电信、联通等拥有全球最多的电话用户，积累了海量数据，是我国信息社会的战略性资源。应充分发挥自身在网络方面的优势，推动移动互联网、云计算、大数据、物联网等与行业结合，助力智慧城市、交通、能源、教育、医疗、制造、旅游等行业的创新和发展。
(三)激发社会组织活力，构建新型协作关系。构建政府和社会组织互动的信息采集、共享和应用协作机制，提高社会组织大数据应用意识和能力，与具有大数据技术的企业合作，提高社会事业精准化水平和资金使用效率。针对发展需要、重视科技引领，整合广大科研机构和事业单位力量，加强大数据基础理论、方法和技术研究，推动关键技术突破。
(四)提升公民数据意识和能力，推动“数字公民”建设。通过给每位公民一个数字身份，方便公民获取个性化、智慧化精准服务，提高政府公共服务的精准度与实效性，推动社会治理向精细化、智慧化转变。要提高公民数据素养，增强公民数据权利意识，提高大数据应用能力。

E. 什么和大数据随之在整个供应链中被广泛应用

什么和大数据随之在整个供应链中被广泛应用

什么和大数据随之在整个供应链中被广泛应用，在数字化时代，数据分析逐步成为从业人员的必备技能之一。所以我们应该注重做好数据分析。那么什么和大数据随之在整个供应链中被广泛应用？

什么和大数据随之在整个供应链中被广泛应用1

大数据时代对采购和供应链带来的挑战和机遇

1、大数据时代及其特征

大数据(Big Data)是指所涉及的规模巨大的数据。随着时代的不断进步以及科技的飞速发展，互联网、物联网、移动通讯、管理信息化、电子商务等技术不断相互渗透，并作用到国家、企业和民生的方方面面，今天，人们用大数据来描述和定义信息爆炸时代产生的海量数据，以及在合理时间内达到撷取、管理、处理、并整理成为帮助人们处理事务和决策等更积极目的的资讯与知识。

美国互联网数据中心指出，互联网上的数据每年将增长50%，每两年便将翻一番，而目前世界上90%以上的数据都是最近几年才产生的。2020年，全世界所产生的数据规模将达到今天的44倍。从这些数据每天增加的数量来看，世界目前已进入大数据时代。

大数据时代凸显了数据资源的重要意义。2012年奥巴马政府宣布投资2亿美元拉动大数据相关产业的发展，将“大数据战略”上升为国家战略，将大数据定义为“未来的新石油”，把对数据的占有和控制视为陆权、海权、空权之外的另一种国家核心资产。2013年，法国政府发布了其《数字化路线图》，列出了将会大力支持的5项战略性高新技术，“大数据”就是其中一项。

2012年，日本总务省发布2013年行动计划，明确提出“通过大数据和开放数据开创新市场”。联合国在2012年发布的大数据政务白皮书中指出，大数据对于联合国和各国政府来说是一个历史性的机遇。我国也将大数据产业看作为战略性产业，成立了“大数据专家委员会”。

在“大数据”2014年十大趋势预测中，包括了数据商品化与数据共享联盟化，大数据生态环境逐步发展等内容。同时，大数据专家委员会预测，2014年大数据在互联网和电子商务、金融(股市预测、金融分析)、健康医疗(流行病监控和预测等)、生物信息、制药等方面将会有令人瞩目的应用。

大数据时代是大数据价值充分发挥的时代。据赛门铁克公司的调研报告，全球企业的信息存储总量已达2.2ZB（1ZB=1024EB，1EB=1024PB），年增67％。世界上每分钟产生1700TB 的数据，但是吸引我们的不仅仅是这个庞大的数字本身，而是我们如何利用这些数据做些什么。

大数据可以运用到各行各业，在宏观经济方面，IBM日本公司建立经济指标预测系统，从互联网新闻中搜索影响制造业的480项经济数据，计算采购经理人指数的预测值；印第安纳大学利用谷歌公司提供的心情分析工具，从近千万条网民留言中归纳出六种心情，进而对道琼斯工业指数的变化进行预测，准确率达到87%；

在制造业方面，华尔街对冲基金依据购物网站的顾客评论，分析企业产品销售状况；一些企业利用大数据分析实现对采购和合理库存量的管理，通过分析网上数据了解客户需求、掌握市场动向，等等。

据麦肯锡公司测算：大数据将给美国医疗服务业带来3000亿美元的价值，使美国零售业净利润增长达到60%，使制造业产品开发、组装成本下降50%，而大数据所带来的新需求，将推动整个信息产业的创新发展；根据经济与商业研究中心的最新研究，大数据将为英国经济增加2160亿英镑（约合3467亿美元）以上的潜在收益。

2、大数据时代对采购和供应链带来的挑战和机遇

首先，商务环境和商务模式变得越来越复杂，且更加动荡、多样和个性化。其二，电子商务业务模式的飞速发展打破了国家疆界，使得跨境业务速增、商业活动频繁，同时伴随着数据量的剧增。。其三，大数据应用处理成为企业和社会竞争发展的重要焦点。其四，有效挖掘大数据成为时代面临的重要课题。最后，许多企业对大数据的重要性认识不足，没有充分了解其价值。

什么和大数据随之在整个供应链中被广泛应用2

供应链管理中，及时和准确的数据，为什么如此重要？

1 、供应链中数据的类型

数据有许多类型，其中有一种分类方法是把它分为静态和动态数据，前者包括了公司基本信息、产品型号、采购价格、BOM等等相对固定的信息。

后者主要是一些交易性的信息，比如生产线每日的产量、客户订单数量、仓库实际收货数量、运输所在位置等等变动的信息。

静态数据做到准确即可，没有实时性的要求，比如公司的名称一般不会发生变动，只需要确保公司地址、法人和开户银行等信息是正确的。

动态数据的要求就很高了，不仅要准确，还要能反映出每时每刻的实际情况。

大家都有网购的经验，在商品出库以后，快递公司会每隔一段时间刷新包裹所在位置，这是通过车载GPS定位实现的，然后根据卡车配送计划，大致上能给出派送的时间。通过一台卡车上的GPS，可以跟踪整车的货物，这是1对N的关系，因此实现动态数据的成本并不高。

离散型制造业的情况就复杂多了，一件商品需要从原材料供应商开始追溯，进入工厂以后，需要经过若干个不同生产加工中心，然后完成组装、检验，最终才能入库，配送给下游的经销商或零售商。

我们很少会在原材料上放置追踪】定位装置，除非这批货物价值很高，或是有这方面的强制监管要求，比如药品。

如果想要跟踪生产进度，就需要使用工业4、0的技术，在每台设备上装传感器，完成加工后，系统自动上传数据。如果要在每台生产和内部搬运设备上都安装传感器，对于一家工厂来说负担太大，性价比不高，除了少数的行业标杆企业以外，对于大多数工厂来说，想要做实时数据的想法并不强烈。

2、 为什么供应链需要及时和准确的数据？

话虽如此，供应链对于数据及时和准确性是有很强的需求的，因为我们要在所有的生产、分销、采购和售后服务之间建立数据的无缝链接。除此之外，还有两个关键因素使得我们必须获得及时和准确性。

2、1增强供应链可视性

对于供应链上的玩家来说，关键的可视性问题包括了货物的预计生产出货时间，比如供应商承诺了30天交货，但是实际上他需要45天，因为一些原材料涨价了，供应商需要更多的时间在市场上找到货源，他不愿意买更贵的原料，因为这会增加成本，除非客户愿意接受供应商的调价请求。

原料和零部件库存的所处位置也属于可视性，客户需要根据这些信息，来安排后续的生产和销售计划，并且非常依赖于信息的准确性。当供应商承诺货物将会在某日送到客户工厂后，供应链就把这个信息输入系统，并以此为依据来制定生产计划，销售根据生产完成日期来通知客户，环环相扣。

一旦供应商的信息有误，货物晚于承诺时间到达，就会影响到供应链下游的安排，所谓的“计划赶不上变化”就发生了。

追踪交货期和库存位置仅是可视性的初阶水平，更深层次的要求是可以预警供应链中断风险。根据现有的信息，我们需要判断何时何地会出现缺货，以及对生产和销售的影响是什么。

比如，生产线缺少某种零部件，所以会停线4个小时。如果每小时产量是100套产品，每套售价是200元，那么造成的损失就等于4*100*200=80000元。

当然在现实世界中计算的方式更加复杂，某种原料的短缺会牵涉到N多产品和N多客户。如果我们能增强可视性，就能够预见到未来的潜在供应短缺，并能够在第一时间里作出反应。

要实现这点，就必须让数据及时和准确地在供应链上下游之间自动传输，尽量减少人为的干预的环节。

2、2提高计划的'有效性

预测计划的重要输入是历史销售记录，以数据为基础，结合预测模型，制定出中长期的预测。

对于制造企业来说，财务需要供应链提供的输入，来制定未来的商业计划和各类预算，比如库存、采购金额、运费等等。

底层数据的准确性非常重要，所有的计划都是在这些数据的基础上，配以数据模型，然后“加工”出来的。供应链会花费一定的时间在数据维护上，就是要确保基础数据的准确性。

我们知道预测有一个定律，近期的准确性高于远期的，就像是预测天气一样，天气预报上关于明天的天气是最准的，越往后准确性越低。

供应链为了增强预测准确性，就需要拿到最新的数据，这样做出来的计划准确性就越高。现在的需求波动越来越频繁，可能一天一个样，想要做出最准确的判断，必须用最新的数据。

3、 获取及时和准确的数据的关键事项

考虑到以上的两点动因，供应链一直在努力获得最及时和准确的数据。这里有几个需要特别留意的点值得大家关注。

3、1自动化数据采集

如有可能的话，应该尽量在实时情况下收集、传输数据。数据存储在供应链内部和外部的各个节点上，为了提升数据可靠性和及时性，最好的办法就是自动化采集。

在内部实施这点相对容易，只需要投资数字化工具，实施IT项目就可以实现。

在外部伙伴实施起来难度就高了，其中的最大阻力是害怕共享数据后的商业机密泄露。

供应商担心客户知道了他的上游供应商的信息，可能会跳过中间商，不让他继续赚差价。因此在做系统对接的时候，要确保只分享可以分享的数据，比如包装规格之类的。

3、2控制对相关数据的访问

根据使用者在公司中的职能，给予特定的数据访问权限，比如采购订单只能由采购计划员进行创建和修改，公司里的其他人只有查看的权限。

对于外部伙伴也是一样，客户可以查看供应商的库存商品数量信息，但他绝对不能访问商品的成本分析等商业机密。

3、3努力提升、维护数据的准确性

我们需要不断提升数据的准确性，其中关键在于数据采集和输入。我们要定期维护数据，比如系统中库存或是倒冲过账出现了负数，说明某些地方的数据存在问题，流程可能有漏洞，需要我们找到问题点并且尽快处理掉。

数据是供应链的根基，为我们制定各类计划提供了基础。实现准确和及时的数据虽然有点小贵，但是在供应链大中断时期（the Great Supply Chain Disruption），投资必然能带来相应的回报。

什么和大数据随之在整个供应链中被广泛应用3

大数据成为供应链利器

在中国供应链大数据份额中，零售业、制造业、服务业(非金融)、医疗业占比最多，约占83%市场份额，而能源仅占1%。而据易观智库预测，2016年中国供应链大数据市场将达到60亿左右(不含供应链金融部分)。

该报告把供应链大数据分为结构数据、非结构数据、传感器数据及新类型数据四种，涵盖了交易数据、时间段数据、库存数据、客户服务数据、位置数据等各个方面。报告显示，目前，大数据已经被广泛应用于包括物流、服务和金融等供应链环节。

有效推进物流模式变革

在供应链中，大数据的作用首先体现在物流中。2014年12月26日，中国物流信息中心公布的数据显示，1-11月，全国社会物流总额196.9万亿元，按可比价格计算，增长8.3%，较上年同期回落1.3个百分点。而从近五年的情况来看，物流企业资产规模增速逐步放缓，物流企业经营效益偏弱。

在这种情况下，物流企业需要从价值延伸的角度提供超过客户预期的服务，以高效物流+增值服务的思路发展，而大数据是物流企业提供增值服务的基础要素。另外，随着众多专业化物流模式的兴起，降低供应链成本的核心将是数据资产的运用，大数据能够有效地推进高效率的`物流模式变革，是降低物流成本费用的有效手段。

利用大数据，企业可以与中国气象服务中心合作，收集高速公路信息，提供全国高速公路的天气预报和道路实况服务，可以优化行车路线，并对车辆和货物状态进行实时监控、评估和预警，对产品的运输进行智能追溯。

企业通过大数据，依据物流的时间、成本、服务、物流数据、客户需要等决策因素，可以对风险进行有效预测和评估，制定出合理、准确和科学的决策。利用物流数据，企业可以进行详细的区域和网店预测，帮助电商平台和快递公司迅速做出决策。

例如，亚马逊已经申请专利的“预测性物流”就是个利用大数据洞察用户需求的典范。“预测性物流”会检测用户的鼠标在商品上的停留时间，再综合考虑用户的购买历史、搜索记录、愿望清单等。

从而根据这些海量数据预判用户的购买行为，提前将这些商品运出仓库，放到托运中心寄存，等到用户真的下单了，就可以立即开始运送商品。通过利用大数据，亚马逊大幅缩减了商品的送货时间。

构建预测模式提高协同效应

根据大数据的分析，物流企业可以构建预测模式，实现对产品销量的精准预测，进而实现对未来库存量的精准计算，使工厂、区域市场、本地市场的库存配置更加合理，从而提高协同效应。企业可以通过充分掌握供应链物流过程中的所有基础数据，结合企业自身的资源、能力状况，对整个供应链进行必要的控制和监督。

例如，神州租车的车辆租用率曾经在达到一定程度后出现了瓶颈，一部分车辆出现空置状态。通过使用SAP推出的数据库平台SAPHana，神州租车优化了流程，将车辆使用率再次提高了15%。

提供精准金融服务

通过大数据技术进行行业分析和价格波动分析，能够尽早提出预警，规避信贷风险，可以对目标客户进行资信评估、审批短期小额贷款，以及精准金融和物流服务贷款。

例如，为了实现银行和中小外贸企业之间的对接、打破信息不对等的状态，阿里巴巴旗下一达通公司运用自身的系统处理能力，将监管、申请、投放、还款、放贷等相关融资工作纳入一个统一的信息化网络处理平台，通过全程掌控交易流程。

获取交易环节的详细数据和信息，以第三方服务平台的角色验证企业贸易真实性，实现各方信息交互、业务协同、交易透明，从而为解决中小企业融资难问题找到可行的方案。

在供应链金融中，大数据还可以提供诸多的增值服务。利用大数据，从源头获取用户需求信息，洞察潜在需求，为供应链提供信息咨询;可以对供应链金融上下游客户进行全方位信用管理，形成互动的监管和控制机制，降低交易成本和风险;对供应链绩效进行分析与预测，指导供应链管理，尤其是供应链协同数据的运营。

F. 大数据行业前景

大数据时抄代的到来，简单的说是海量数据同完美计算能力结合的结果。确切的说是移动互联网、物联网产生了海量的数据，大数据计算技术完美地解决了海量数据的收集、存储、计算、分析的问题。大数据时代开启人类社会利用数据价值的另一个时代。

工信部印发《大数据产业发展规划2016-2020年》，特别提出加快推进大数据产业应用能力，到2020年，技术先进、应用繁荣、保障有力的大数据产业体系基本形成。

大数据相关产品和服务业务收入突破1万亿元，加快建设数据强国，为实现制造强国和网络强国提供强大的产业支撑。

毋庸置疑，大数据发展前景广阔，现在转行从事大数据，正当时，想要学习大数据就来老男孩教育，真正行业大牛徐培成老师亲自授课，让您学有所成！

G. 大数据未来的前景怎么样

随着国家重视大数据，政府扶持大数据，大数据在企业中生根发芽，开花结果。未来中国需要更多的大数据人才，但目前只有约40万人。企业基于大数据计算分析存储、数据挖掘、数据分析等数据产业的发展，我国需要更多的数据人才。
人才紧缺带来最直观现象就是薪酬的提升。目前，一个大数据工程师的月薪轻松过万，一个有几年工作经验的数据工程师薪酬在40万~80万元之间不等，而更顶尖的大数据技术人才则是年薪轻松超百万。
就目前的现状而言，我国的大数据行业仍然还处在一个发展的初期，虽然已有众多成熟解决方案，但是远远不够。
并且这里有大量的数据可以证明，我国大数据行业的发展因为受到了宏观政策环境、技术进步以及数字应用普及等利好因素的影响，在2019年的时候，中国的大数据产业规模已经高达5397亿元，同比增长23.1%。到2022年大数据的整体规模有望突破万亿元。这些触目心惊的数据都表明大数据的未来一定有大发展。
除此此外，随着5G时代的来临，它已经极大的满足了大数据产业对于海量数据传输、存储和处理的需求。在未来，我们的数据量将会极大的增长，数据类型和大数据应用场景也会更加丰富。
海量、低时延、非结构化的数据特点，将对未来大数据行业的算力、实时引擎、数据处理引擎提出更高的要求，也将全面促进大数据未来各方面的。
可以说未来几十年内，大数据都将是科技领域的“热点”，发展前景十分广阔。

H. 大数据对新时代的发展有什么意义

随着信息技术和人类生产生活交汇融合，互联网快速普及，全球数据呈现爆发增长、海量集聚的特点。有人感叹：数据是新的石油，是本世纪最为珍贵的财产。作为信息化发展的新阶段，大数据对经济发展、社会秩序、国家治理、人民生活都将产生重大影响。“谁掌握了数据，谁就掌握了主动权”。现在，世界各国都把推进经济数字化作为实现创新发展的重要动能，在技术研发、数据共享、安全保护等方面进行前瞻性布局。抓住大数据发展的时代机遇，开创发展新局面，也是我国必须解答好的时代课题。

大数据不仅是一场技术和产业革命，也将带来国家治理的深刻变革。运用大数据提升国家治理现代化水平，是新的治理课题。从建立健全大数据辅助科学决策和社会治理的机制，到保障国家数据安全，打破信息壁垒、推动信息共享，再到利用大数据平台形成社会治理合力，用好大数据这个利器，将有力提升治理科学化、精准化、高效化水平，增强服务经济社会发展、防范化解风险的能力。“工欲善其事，必先利其器。”善于获取数据、分析数据、运用数据，是领导干部做好工作的基本功。懂得大数据，用好大数据，增强利用数据推进各项工作的本领，已经成为领导干部的新时代必修课。

I. 大数据对网络营销的影响

大数据对网络营销的影响

在这股大数据时代背景下，消费者行为的变迁也越来越趋于不确定，移动互联网更是加速了这种不确定因素，那么，大数据对网络营销有何影响呢？

大数据对网络营销的影响 篇1

[摘要] 互联网时代的发展推动了数据和信息加速传播。大数据在这种大背景下应运而生，并逐步渗入到各行各业。而互联网企业通过大数据，促进信息的实效转化，为网络营销的精准决策和整个营销行业的发展提供了数据来源与支撑。文章主要通过阐述了大数据的定义、大数据的处理，进而总结大数据下网络营销管理优化措施及有效的网络营销策略，力求为各互联网企业的网络营销决策提供参考与借鉴。

[关键词] 大数据;网络营销;互联网

1前言

21世纪是一个信息大爆炸的时代，各种各样杂乱无章数据的出现，一方面给企业以及人们的日常生活造成了一定程度的困扰;另一方面人们也想从这繁杂的数据中找出规律，发现商机，从而抓住商机，开拓新的市场。大数据的出现恰恰能妥善地解决这一问题，大数据分析技术是通过对海量的数据信息进行系统的筛选与分析，力求寻求其中的规律，从而为企业的经营决策提供有力依据与支撑，使企业的经营决策变得更加准确且高效。现今，社会上人们之间的交流越来越密切，科技在高速发展，大数据就应运而生。阿里巴巴创办人马云曾经在演讲中提到，未来的时代将是DT的时代，DT即DataTechnology数据科技，对大数据的分析是阿里巴巴的重点工作之一。[1]互联网在改变人们生活方式的同时也在改变企业的运作模式，这是信息技术发展的必然。然而随着大数据的来临，网络营销也在不断地进行营销模式与管理模式的创新，试图寻求企业与消费者的利益最大化。现在越来越多的企业通过互联网平台抓取到的消费者的各种数据进行分析整理，获取消费者的消费趋向及特征，以此为依据来制定相应营销策略，不仅可以提高市场决策的准确性，还能大大缩短市场调查与决策分析的时间，提高了企业的经济效益，促进企业各个环节的高效运作。因此大数据与网络营销的结合将是必然的，它将为企业开创全新局面，带来前所未有的.机遇，同时也带来了挑战。

2大数据概述

麦肯锡全球研究对大数据的定义是:一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合。[2]大数据技术在互联网时代的战略意义，不是在于掌握海量的数据信息，而在于对收集到的数据进行高度专业化处理，力求找出其中的规律与价值，为企业经营决策服务。[3]简而言之，大数据技术关键在于提高对数据的“加工处理能力”，通过“高加工”实现数据的“高增值”。它具有以下四大特征:分别为海量的数据规模、多样的数据类型、快速的数据流转和价值密度低，具体分析如下:

(1)海量的数据。从互联网或传统渠道收集到的海量数据，涉及面更广、种类繁多，只有运用大数据技术对数据进行分类，才能够满足企业的需求。

(2)多样的数据类型。大数据容纳的信息量大，信息种类也繁多，容量也比传统的数据仓库更大，通常有用户的查询信息、浏览信息、消费记录、消费周期等数据。

(3)快速的数据流转。大数据技术要求在短时间内对海量的数据进行高速处理，对庞大的数据进行分析、处理，从中找出有价值的数据资料，因此对数据的处理速度有很高的要求。(4)商业价值高，价值密度低。大数据需要从海量的数据当中提取出有价值的信息，对技术的要求很高，往往数据的价值密度低而商业价值高。

3大数据处理与网络营销

3.1大数据时代下的网络营销

网络营销是借助网络、通信和数字媒体技术实现营销目标的商务活动。其中可以利用多种手段，如微信营销、微博及博客营销、E-mail营销、视频营销等。大数据技术为网络营销带来了技术创新，也为企业带来了前所未有的机遇与挑战。网络营销的发展主要依赖于对消费者消费信息的了解，掌握了消费者消费信息相关的数据，就能够以此来制定合理化的营销策略，能够提前预测市场的发展方向，提高企业的生产效率，降低了企业的运营成本。同时也为企业开发新产品提供数据来源与支撑，有利于提高企业产品在市场的占有率。

3.2网络营销需要借力大数据

(1)科技的发展。互联网时代的到来，收集海量的数据信息显得更加简单可行，人们可以通过互联网平台收集到各种数据，还可以对数据进行反复的使用与共享，实现数据的循环利用，使数据创造出更多的价值。

(2)个性化需求的增加。社会的发展使人们的消费习惯与心理发生了显著的变化，不再希望自己所使用的产品与别人一样，希望自己是独特的，与众不同的，而企业恰恰能通过对消费者的消费偏好进行大数据分析，来为其制定个性化消费方案。

(3)用户数据易获取。互联网企业与传统的企业相比，其不同点之一就是数据的获取方式不同。传统企业能知道客户当时的需求和购买意向，但是无法获得更多与客户有关的信息与资料;而互联网企业通过用户的访问记录和消费行为

3.3商业定位的转变

大数据时代背景下，消费者对品牌的忠诚度不断下降，使得大数据时代商业模式必须从以品牌为中心向以消费者为中心转变。[3]阿里巴巴于2016年提出了以“消费者的生命周期”来做销售。充分体现了现在商业社会对品牌的转变逐步增加到了以消费者为中心的转变。在工业时代，我们无法获知消费者的翔实数据，但是在大数据时代下数据的原始积累和获取变得容易，借助于智能手机和穿戴设备等科技的发展，数据变得越来越翔实，因此让商家更容易全方位了解消费者，能够针对消费者做到千人千面。从而增加产品的依赖性和忠诚度。所以未来企业的竞争力逐步转变为:谁能提供专业化的产品和服务，谁能全面了解和分析信息，谁就会站在商业的浪潮上。

3.4商业理念

从以商品为主向服务转型大数据时代，消费者的知识水平越来越高，消费者会从已有的大量数据中全面了解商品的功能、价值等，如果仅仅是在商场或互联网简单的介绍商品品牌、包装及使用方法已经远远不能满足消费者的需求了。消费者依据大量的数据，对产品的了解程度甚至比营业员还要充分，因此企业不仅要非常精准地把商品构架、各种性能指标等解剖出来外，还必须向消费者提供大量的解决方案，即大数据时代企业卖出的不仅仅是简单的商品，而是方案的系统集成和商品的服务。所以转型势在必行，从以商品为主转向以服务为主，增加顾客对商品的忠诚度和依赖度，迎接新一轮的商业变革。

4结论

2016年是大数据的发展年，据保守估计，未来大数据的市场规模至少达到万亿元以上。在这股大数据时代背景下，消费者行为的变迁也越来越趋于不确定，移动互联网更是加速了这种不确定因素，电商和传统企业变得越来越离不开数据，数据即将成为未来企业的核心竞争力，企业要不断完善自己的企业治理结构，抓住市场潮流的变化，让不确定的消费者变得确定，这样才能有针对性地做到千人千面，提供个性化的商品和服务，在未来竞争格局中占据一席之地。

参考文献:

[1]AllisonCerra，KevinEasterwood，JerryPower.商业模式重构:大数据、移动化和全球化[M].北京:人民邮电出版社，2014:29-43.

[2]蔡承秉.掘金大数据数据驱动商业变革[M].北京:时代华文书局，2013:103-110.

[3]黄升民，刘珊.“大数据”背景下营销体系的解构与重构[J].现代传播: 中国传媒大学学报，2012 ( 11) : 13 - 20.

大数据对网络营销的影响 篇2

［摘要］

文章对当前有关大数据时代网络营销模式的相关概述进行了梳理和分析，进而对大数据时代网络营销模式的创新、精准性以及效果性研究作以归纳，最后进行了总结与展望。

［关键词］

大数据;网络营销模式;综述

1引言

大数据对时展产生了深远影响，网络营销模式如何充分发挥数据带来的机遇，从而促进其发展成为当前热门话题。数据具有的四大特点能为企业网络营销模式发展提供更加精准、个性化的信息，此外，大数据时代下的网络营销模式不仅重视创新性、精准性，也重视效果性。

2大数据与网络营销模式相关概述

2.1大数据的定义

20世纪80年代大数据被提出，到2008年才广泛传播。麦肯锡定义其为在一定时间内使用传统数据库软件无法对数据内容进行搜集、存储等的数据集合;《Science》将其定义为数据集规模无法在可容忍的时间内用目前的技术、方法等去获取、管理的数据;［3］维基网络将大数据定义为运用当前主流软件工具难以在合理时间内为企业经营决策提供完整分析过程的资源。比较有影响力的是Gartner的定义，其认为大数据通过新的处理模式能增强决策力、洞察力以及流程能力，并具备多样、快速增长性以及数据量大的信息资产。本文将大数据定义为以其主要特征为基础，通过运用科学的大数据处理技术能够增强其精准性、效果性等价值的信息资产。

2.2网络营销模式的定义

Rafi－AMohammed和RobertFisher等将网络营销定义为在线维护客户和公司在产品、服务等方面的关系;孙志宏认为网络营销是通过计算机网络、通信技术等为实现营销目标的市场营销方式;芦文娟、韩德昌认为其是以网络通信技术以及数字交互式为基础的营销活动;徐艳旻将网络营销定义为借助网络开展市场服务的营销活动。阎斌认为网络营销模式是企业通过有效运用互联网信息技术平台力求实现企业经营目标的营销活动。本文认为网络营销模式是借助网络、通信技术以及数字交互式媒体等进行的市场营销活动。

2.3网络营销模式主要类别

芦文娟、韩德昌认为网络营销模式主要有创建企业网站、参与网络社区、博客营销、网上广告投放;张在宏将其分为广告商、网上商店和服务、价值链服务提供商、网络渠道和虚拟社区;玄文启认为其可分为电子邮件、微博营销、病毒性营销、搜索引擎营销和博客营销;本文认为较有影响力的是周曙东等将其分为在线商店模式、中立交易平台模式、企业间网络营销模式、网上采购模式、网络拍卖模式、电子邮件营销模式、电子报关模式等的观点。

2.4大数据时代网络营销模式的特征

陈慧、王明宇认为大数据网络营销具有性价比高、时效性强、互动性强和个性化营销的特点。胡江涛研究认为关联性紧也是其主要的特点。

3大数据时代网络营销模式创新研究

张冠凤认为大数据时代网络营销模式主要包括商品关联挖掘营销、现代通信的大数据分析、大数据的用户行为分析营销和个性化推荐营销模式。张艳红认为大数据时代网络营销模式的革新还包括基于大数据的搜索引擎营销和DSP网络广告模式。高源、张桂刚认为其还包括基于大数据的商品地理营销模式。吴英鹰认为大数据背景下旅游企业网络营销新模式主要包括关联推荐和精准网络营销模式;王雯研究了大数据下电影整合营销和O2O营销模式。以上学者对大数据时代下网络营销模式创新研究较为全面，但总体上相关理论研究较少。

4大数据时代网络营销模式精准性研究

李晓龙、冯俊文提出了大数据环境下电商精准网络营销策略。牛艳红、王春国认为大数据时代网络营销模式精准性策略主要有搜索引擎、再锁定精准营销和博客营销。樊永梅发现了全数据精确制导、汽车销售整合信息对于汽车精确营销实现的重要性。倪宁、金韶认为其主要有精准定位目标消费群、精准挖掘消费需求、精准可控广告投放和精准评估广告效果。林燕提出了传播和广告精准营销策略。以上研究丰富了理论成果，但没系统分析大数据时代网络营销模式精准性营销的基本原理。

5大数据时代网络营销模式效果性研究

胡江涛发现了大数据时代网络营销实现从精准营销到效果营销的转变的关键问题，张艳红提出从政府层面、企业层面实现网络营销的效果性，目前学者对大数据时代网络营销模式效果性研究不多，还处在逐步认识的阶段。

6总结与展望

本文认为大数据时代下网络营销模式的研究还处在积极探索阶段，具体体现在缺乏成熟的网络营销模式划分标准;大数据时代下网络营销模式研究视角较单一和对其精准性和效果性缺乏深入研究，对于两者的交叉研究更是缺乏。本文认为未来研究可以结合大数据时代下网络营销模式的精准性和效果性进行综合研究;从多视角和结合具体的实际加强对其效果性研究;加强网络营销模式的系统性研究，实现大数据时代网络营销模式时效精准、效果统一。