2016年关于大数据的时事新闻评论

⑴ 三网融合促基建加速 政策利好大数据

三网融合促基建加速 政策利好大数据

大盘行情分化,通信板块下挫明显。上周大盘连续三日低开低走,整周跌幅2.2%。大盘权重股和成长股行情极度分化,中小盘、创业板个股跌幅较大,上周分别下跌9.8%、13%。在此行情下,通信板块上周下跌13.6%,跌幅较明显。细分行业指数中,国君运营商指数表现相对最好,下跌6.6%;国君工业互联网、通信设备指数分别下跌11.5%、12.7%,优于通信板块整体跌幅。

关注信谈桐息基建和大数据。在监管层释出多重利好的背景下,市场情绪和风险评价正在逐步改善,市场正在通过震荡探明底部。对于通信板块,建议关注信息消费和工业互联时代,“流量太平洋”和“数据大爆发”带含茄坦来的确定性机会,即通信及光通信设备的需求大幅增加,以及大数据技术的快速发展。

通信设备、光通信领域,推荐中兴通讯、特发信息、亨通光电、中天科技等,烽火通信也将受益。国家数次出台文件鼓励信息基建,推动宽带中国、提速降费、三网融合、光进铜退,有望促进信息基建投入进一步加大,延续主设备商和光通信设备商自2015Q2以来的高景气度。预计未来两到三年,信息基建将是通信行业一个大的主题。

工业互联、大数据领域,推荐东方国信、南都电源等。国务院出台《关于促进大数据发展的行动纲要》,国内贵阳、武汉、西安先后成立大数据交易所,各地大数据联盟、工业互联网联盟不断出现,工业互联网和大数据的发展趋势不可阻挡。

行业新闻动态:国务院等发文推动大数据和信息消费。国务院印发《促进大数据发展行动纲要》、《三网融合推进方案》,19部门印发《关于加快发展农村电子商务的意见》,促进大数据和信息消费发展。

以上是小编为大家分享的关于三网融合促基建加速 政策利好大纳旁数据的相关内容，更多信息可以关注环球青藤分享更多干货

⑵ 大数据时代 解析大数据真正价值所在

大数据时代：解析大数据真正价值所在

目前大数据人们已经耳熟能详，如今在利益格局多元化、社会需求多样化的公共决策与公共服务领域，大数据也能一显身手。随着中国进入大数据时代后，与其相关的各种话题就不绝于耳：电影《小时代》说会根据大数据选角和删减戏份；网络称靠数据挖掘押中了今年的高考作文题；目前正如火如荼的世界杯中大数据也没有缺席——德银甚至借助大数据计算出了一份夺冠概率表。据外电报道，德银根据各个球队的FIFA排名、历史战绩、球员构成和赌球赔率等因素，建立了量化分析模型，并根据复杂计算得到一份夺冠概率表格。其中巴西名列第一，紧随其后的是德国、西班牙、法国。然后再根据某些假设，得出最终的冠军得主。对于看似万能的大数据，如今在利益格局多元化、社会需求多样化的公共决策与公共服务领域，是否也能一显身手呢？大数据为政策制定导航今年年初，备受关注的“单独两孩”政策在各地落地后，国家卫生和计划生育委员会宣传司司长、新闻发言人毛群安曾透露，为这项政策的出台，相关机构和部门做了将近10年的研究，对人口政策采取什么样的调整都进行过数据模拟。大数据同样可以被用于城市交通规划。PADIS还曾对某个城市的交通拥堵问题进行过预测分析。与认为应该限制人口和机动车数量，加快发展公共交通的传统观点不同，PADIS的预测结果显示，人口集中居住区域与经济中心的严重偏离才是导致市民出勤需求上升、交通恶化的根本原因，单纯增加公共交通设施、控人控车只能扬汤止沸。为此，PADIS开出的“药方”是改善城市规划管理，让城市向多中心方向发展。除了能帮助政府调整计生政策、规划交通外，这一系统还能凭借其拥有的海量数据和强大的模拟预测能力，对延迟退休、养老金缺口、环境治理、房价上涨等热点问题提出自己的“真知灼见”，范围足以涵盖我们生活的方方面面。大数据只能辅助决策大数据的魅力在于能够通过对海量数据的分析，以一种前所未有的方式获得具有巨大价值的产品或深刻的洞见。那么是不是意味着可以完全相信计算机，让数据和软件来帮助我们做决定？答案当然是否定的。PADIS系统项目技术总监、神州数码信息服务股份有限公司大数据专家史文钊认为，现在没有也不应该制造出一个自动决策系统。他说，大数据只能辅助决策而不能代替决策。总结这些年的经验，最好的系统应当是人和计算机的完美结合。大数据应用十分强大而且还会更加强大，它能实现数据挖掘分析、政策模拟、指标预警等多种功能，但它仍然只是一个辅助决策系统。挖掘大数据的富矿“互联网女皇”玛丽·艾克在《2014年互联网趋势报告》中专门将大数据提了出来，认为在2014年大数据将更加实用，比以往任何时候都更加贴近普通人的生活。从2014年开始一些依靠解读数据提供解决方案的新型服务开始出现，大数据解决大问题的趋势也将显现。同时她还发现在现有的通用数据中有34%的信息具备研究价值，但其中只有7%的数据被做了标记，被分析过的只有1%。数据获取固然重要，但缺乏分析的数据毫无意义。大数据真正的价值不是海量的数据简单集合，而是找到这些数据之间的关联，发现它们背后的规律，为解决实际问题服务。如同矿藏一样，数据也有贫矿富矿之分。在目前的情况下，尤其是在智慧城市建设中，我们需要注重的应该是如何盘活已有数据存量，用好大数据增量，来提升城市公共服务能力和管理决策水平。

以上是小编为大家分享的关于大数据时代 解析大数据真正价值所在的相关内容，更多信息可以关注环球青藤分享更多干货

⑶ 大数据未来的发展前景怎么样

大数据已经开始慢慢的走进了大众的视野，让越来越多的人熟知而伴随着大数据在电商领域的“杀熟”，在新闻行业助力“今日头条”的崛起，也让各个行业看到了大数据带来的商机。而随着大数据应用技术的不断深入和发展，其发展前景也被越来越来的人看好。可以说，未来的大数据不论是企业还是个人都值得倍加重视。
无论是大数据技术本身的更新迭代，还是各大企业对于大数据的强烈需求，都在向从业者表达着一个相同的信息——大数据领域人才匮乏。如今，各大企业为应对未来的发展趋势，都纷纷的推出了的相应的福利，来进行“抢人”。而这，也就促使了入行大数据成为了一个趋势，成为了一个获取未来更好发展的机会。
大数据应用场景愈加的丰富，企业对于大数据的愈加重视，自然就需要更多的大数据从业者。另外，由于大数据技术的不断更新，其价值将在未来展现的更加明显，所以，不论是对企业还是对个人，都必须对大数据倍加重视。

⑷ 大数据七大趋势令人振奋

大数据七大趋势令人振奋
跟着小编一起来展望2016年大数据发展的七大趋势。
1.算法（Algorithms）的崛起

大数据已过时，算法正当道。数据已经成为一种商品，每个组织都能够收集和存储大量的数据。分析大数据也不再那么引人注目了。每个组织都可以聘用或培训大数据分析人员来了解数据模式。
2016年，人们更加关注对已接触数据采取什么行动。算法将大行其道。算法能够定义行为，它们是非常专业的软件，能够很好地执行专业的指令，远比人类做的要好。例如，当你访问一个网站时，根据你手上的资料，快速确定最合适的广告。或者在大量的交易数据中找出异常值来甄别欺诈行为。
这些算法是非常专业的人工智能，不是已经存在多年的普通人工智能所能比的。但是，非常专业的AI已经存在，2016年我们将见证算法商务的崛起。
2.数据湖服务作为一种解决方案（Data-Lake-as-a-Service Solutions）

2015年，我们已认识了数据湖。企业从M2M连接、社交网络和远程工作人员积累了越来越多的数据，数据湖将成为他们的重要数据存储工具。
据Gartner称，“到2020年，信息将被用于重新创造、数字化、或消除80％的业务流程和产品（相比于10年前——2010年）”。在传统的存储解决方案中，数据之间是相互孤立的。数据湖与之正好相反，它允许存在各处的原始的、质朴的信息字节相互整合、分析。数据湖能够帮助你实现商业的数字化，使之真正成为数据驱动的商业，就像Gartner对2020年的商业预计一样。
由于数据湖带来了相当多的挑战，在2016年，我们将看到数据湖管理的未来：数据湖服务作为一种解决方案，为您的数据湖提供一个完整的管理方案。
数据湖服务将提供主动式存储方案，通过整理大量的结构化和非结构化数据，大量的应用才能够用于对其进行加工处理，包括企业数据仓库或开源技术，如Apache Hadoop或 Spark。一个使用了数据湖服务的企业，每个月仅需要为十亿字节支付几美分。
在2016年，我们将看到越来越多的大数据供应商提供这样的解决方案：给企业提供一个完整的、易于使用的、可扩展的解决方案，省去企业自建数据湖的麻烦。由于数据湖在大规模数据存储和分析方面具有巨大优势，数据湖服务解决方案将被用于许多组织中。尤其是规模较小的组织，例如互联网领域的初创公司，将从数据湖服务方案中获得数据湖所有的益处，省去了创建和维护数据湖的所有麻烦。
3. 区块链将被各行各业所接受
在过去的几年中，我们看到区块链主要应用于比特币，但区块链技术提供了更多的可能性。在2016年，我们将看到很多行业将采用区块链。
一个区块链可以被看作是数字事件的一个公共分类帐或记录。这个公共分类帐由许多不同当事人共享，计算地理上和计算上的孤立节点，并且只有该系统的大部分成员都同意的情况下，这个记录才能被更新。只要新信息输入到分类帐，它就不能被擦除，而且所有人可见。因为区块链的存在，所有输入到分类账上的信息都是全透明的。
区块链的一个关键优势是：该系统是完全透明的，任何人都可以在不损害个人隐私的情况下，看到哪些交易输入到分类账。您可以在不透露当事人个人隐私的情况下，记录事件发生的事实，甚至记录它的正确性。
虽然大多数人将区块链与加密的比特币联系在一起，其实它还有更多的可能性。尤其是金融业将迎来的区块链技术的全面开花。世界上许多大银行正在试用区块链，更或正在对区块链初创公司进行投资。UBS（瑞银集团）已经创造了一个区块链实验室，Santander正在研究如何使用区块链管理他们的贷款活动，Goldman Sachs （高盛集团）投资了一个区块链初创公司，并且有一个大财团（R3 ’s global bank partnership），负责调查的区块链的潜力。
然而，在2016年我们将看到，不同行业的多个应用程序使用区块链。基本上任何存在数字化交易的行业都将会受益于区块链技术，从金融业，法律行业，房地产，公证员，赌博，发布到数据存储。未来一年，更广泛的采用区块链将迫在眉睫。
4.人力资源分析
对于大多数组织而言，人才是最重要的财富；对于大多数高级管理人员而言，人才是重中之重。根据普华永道的研究，34%的美国首席执行官们“非常关注”组织中关键技能的可用性。因此，高级管理人员正在寻找其人力资源的确切数据，所以，2016年我们会看到人力资源分析将迈出一大步。
人力资源分析虽然是人事部门新的业务领域，但为了更好地提高人力资源的投资回报率，该业务增长极为迅速。人力资源分析可以被定义为一项大数据技术，使用人力相关数据片段优化商务产出、解决商务问题。因此，人力资源分析越来越重要。
人力资源分析可以帮助回答一些问题，例如：我们在组织内是否有正确的技能搭配？我们的员工，特别是那些优秀的员工是如何工作的呢？我们能更好地预测企业未来的领导人是谁么？员工的精神状况怎样……如此等等。
在一个过热的市场，对人才的争夺战愈演愈烈，优秀的大数据科学家和数据分析师资源越来越稀缺，越来越贵，因此发现人才不是一件容易的事情。对于一个组织而言，了解员工的驱动因素，并且很好的激励他们变得越来越重要。因此，在2016年，更多的组织将致力于人力资源分析，这些领域的初创企业数量将迅猛增长。
5.智能政府致力于提高社会和公民体验
对于那些大的商业组织而言，大数据已经成为通用语言。在适应新趋势方面，政府是缓慢的，但是在2016年，我们会看到更多的国家、地区和地方政府会采用大数据技术来提高社会和公民的体验。
政府正在尝试用大数据技术来提高公民体验的管理，通过政府分析、把数据驱动决策引入到一线员工的管理，从而创造无摩擦交易，提高政府绩效。一个政府，或智慧政府，将会于实现目标做出重要贡献，在2016年，在全球范围内将会有越来越多的政府向智能政府方向发展。
我们已经看到一些例子。迪拜当局正努力把政府变成智能政府。他们已经开始践行提高客户（例如，公民）体验，并推动知识经济的实践。他们已经为数十个智能政府服务创建了一个单独的、安全的登录界面，大量的服务也都支持移动应用程序。
最好的智能政府的例子就是爱沙尼亚。这个仅有130万公民的波罗的海国家被联合国提名为“具有十年最优电子政务内容“ 。每一次与外部的或内部的互动都是数据化的，爱沙尼亚政府对于自己的数据具有完全的掌控。此外，议会正在推行无纸化办公，电子签署法律文件，全电子化商务，因为所有的服务都是互联的，所以报税非常简单。
尽管爱沙尼亚政府远远走在同行的前列，但这个进程远没有停止。在荷兰，国家政府的目标是，截止到2017年，从与政府取得联系到缴税，全部实现工数字化。
因此在未来一年，我们将在世界范围内看到越来越多的政府开发智能方案。我们也将看到更多的政府开放自己的数据集，应用开放的API（应用程序编程接口）使初创公司和企业够轻松地与政府部门对接。这不仅能加速政府的智能化过程，甚至可能收获更多。
6.增强大数据安全、防止数据泄露

伴随着数字化进程，物联网将物物连接为网络，大数据的安全变得越来越重要。在过去的几年里，我们已经遭遇了许多大规模的数据泄露事件，包括Ashley Madison hack（婚外情网站）和TalkTalk公司（英国宽带服务供应商）的黑客攻击事件。
基本上，任何组织未来都可能被黑客攻击，如果没有被黑客攻击，说明其根本不重要。因此，任何组织不仅应该把重点放在防止安全漏洞，在遭遇黑客攻击时，还要实施正确的危机应对计划。
2016年，我们会看到更多的数据泄露新闻，更多组织犯傻试图掩盖，更多由物联网引起的对实物的攻击。特别是后者，可能会对数据安全产生深远影响。毕竟，我们已经看到过黑客远程操控毁灭了一辆正在高速路上行驶的吉普车。
因此，2016年，我们将看到组织是如何管理他们的数据保证数据安全，包括黑客攻击前、攻击中、攻击后的各种管理措施。组织将增加安全开支，与有道德的黑客合作提高数据安全，改善内部流程使得员工对于黑客更加警惕。毕竟，通常情况下人是公司安全协议中最薄弱的一环。
7.智能机器带来的雾分析（Fog Analytic s)起步

雾计算正在迅速地获得大量动力。雾计算是指推进连接到物联网的终端设备和存储数据的云计算之间的存储、传输和计算。随着物联网的进步，雾计算势头越来越猛，因为传感器变得相当精密，它们现在可以收集大量数据。
想象一下，你有一个网络，连接各种设备，它们产生了大量的实时数据。在设备和云之间来回传输数据变得尤其昂贵，而且花费时间太长。采用雾计算或雾分析。雾分析使得智能机器在当地执行一部分分析，只将分析结果发送到云端。
据Gartner称，智能机器是新的现实。因此，在未来的一年，我们将看到更多的智能机器有着越来越多的精密传感器，能收集大量的数据。组织将不得不转向雾分析，以便数据易于管理，保持洞察力可用并尽可能降低成本。
令人振奋的新一年
在大数据方面，2016年将是令人振奋的一年。智能算法将接替现在由人类来完成的许多业务。我们将看到数据湖服务作为一种服务解决方案出现，帮助企业以最少的工作更多的使用数据。越来越多的行业将开始试用数据区块链技术（blockchain technology）以改变他们的行业。
组织将转向人力资源分析，以更好地激励员工，争夺稀缺人才。政府终将看到大数据的益处，并向智能化方向转变，但是组织和政府将不得不警惕黑客攻击，并采取适当措施。最后，由于智能机器将出现在各行各业，雾分析时代正式开启。

⑸ 大数据时代对媒体传播带来哪些影响

据前瞻产业研究院《中国大数据产业发展前景与投资战略规划分析报告》显示，大数据对传媒业产生了革命性的影响，其实，不仅传媒行业会受到大数据带来的影响，大数据也对传媒学术研究产生巨大的冲击和挑战。目前已经有学者开始就大数据对传媒研究的影响进行了初步分析,但总体而言，新闻传播学界对大数据的研究偏重于现象描述和情况介绍，对大数据给学术研究带来的挑战和学术创新问题的研究却较少。
在大数据环境下，理性假设的前提遇到了挑战，大数据技术极大地减少了受众搜索信息的成本，受众可以轻而易举地获取决策所需的各种信息，并利用数据处理技术对信息的收益进行计算，在此基础上作出决策，这使得有限理性范式失去了解释力。同时，信息成本和交易成本的大幅下降，使网络空间出现了许多新的组织形态和交易形式，如以分享、合作为主题的维基网络、开放源代码、网络共享等，这些新的组织形式无法用理性范式进行解释，如果从理性的角度计算成本收益关系，那么人们没有动力进行网络分享与合作。

⑹ 为什么大数据时代让我们生活变得沉重

在大数据高速发展并不断拓宽应用边界的同时，监管却无法及时跟上，以至于一些缺乏操守和克制的公司，恶意泄露甚至出售用户隐私，对大家的生活造成很大影响。

大数据给我们带来了如此大的便利，可能会导致我们过度依赖它，导致最后我们总是听同一类型的歌，看相似观点的新闻评论，我们最后可能被大数据困在某个小圈子里，无法听见外面不同的声音，从而使我们变得狭隘。所以大数据的使用也是需要慎重的，它只是一个工具，而不要完全被工具左右了。

提出人物

最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。” “大数据”在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日，却因为近年来互联网和信息行业的发展而引起人们关注。

⑺ 大数据将给百姓生活带来什么 科技日报

大数据将给百姓生活带来什么？
汽车无人驾驶、挑选演员和剧本、计算机编辑新闻……大数据将无孔不入，改变生活的方方面面。请关注——
无人驾驶的汽车，提供符合学生个性化的教学辅导材料，计算机来编辑新闻……日前，在北京召开的“首届大数据时代创新与媒介变革研讨会”上，专家们提出，大数据将给我们生活带来颠覆性的影响。
从“无人驾驶”到“移动办公”
近日，一辆自动驾驶汽车刚刚完成横跨美国之旅。这辆蓝色的汽车从旧金山出发，花了9天时间，途经15个州，驶过3400英里，最终顺利抵达纽约。一路上，99%的驾驶都是由汽车自己完成，只有在城区道路上，才有人工干预。
保时捷汽车控股集团大众品牌总经理张久鹏对此并不感到惊讶。他在大数据时代研讨会上透露，保时捷在去年就成功实现了长距离的无人驾驶。现在汽车里装载了电脑、各种通讯设备，与联通合作，从“无人驾驶”到试验“移动办公”。
“未来办公不再局限于一地，而是移动一族了。”张久鹏说，从家出发到公司可能会堵车1小时或更久，很多司机因此非常烦躁。现在可设置预期目的地，然后让车无人驾驶。车里面放置各种可折叠的办公用品，人们就能在车里完成视频会议、文件审阅和会签等在办公室里做的事。
张久鹏表示，除“无人驾驶”和“移动办公”外，大数据还给汽车用户带来了其他便利。如给汽车做保养维修，需要把车开到4S店或维修场所，现在该方式已发生了质的改变。人们可在家里通过手机APP或电话，找人上门来给车做保养；还可通过APP，查看爱车行驶轨迹，包括驾驶员的相貌特征、车内使用环境以及汽车行驶过程中的耗时、油耗、功率、行驶时间、里程等相关数据。
从用户数据匹配到精准营销
“大数据正在成为未来媒体的最核心、最有价值的内容本身，它能帮助用户实现私人定制。”北京邮电大学教授王立新说，通过IT技术进步，使供需双方信息实现成本接近于零的精准智能化匹配，从而把人类带入“自经济”时代。
王立新举例说，“一台冰箱生产成本约1200元人民币，最后利润仅38元。如果用大数据赚钱，我的口号是‘冰箱不要钱白送’。然后在冰箱里加两个功能。一是增加信息扫描系统，二是把路由器装在冰箱里，将所有消费数据都发送到企业云数据库里。”消费者买东西不用去商场，直接给企业打电话，有人给消费者送货上门，而且其商品价钱会更便宜。关于冰箱里食品的保质期，还能提供免费预报。
“比如你在这里开会，手机响了，信息提示‘主人，别讲了，我是你家冰箱里第四号酸奶，再过两小时你不喝掉就过保质期了。’”王立新说，通过采集到的大数据，家里买了什么食品、冰箱里牛奶等消耗掉多少都清清楚楚，然后可根据这个需求来通知饮料、乳品等生产企业，并通过协商来降低从这些企业进货的价格。
“这样的话，假设一个家庭一个月放在冰箱里的食品等花费两千元，通过大数据只赚其10%就是200元，6个月就可收回冰箱的制造成本。你想赚卖冰箱的38元纯利润，还是在未来十年赚到一到两万元的纯利润呢？关键就是采集数据、精准匹配、拼公司、平台化反向收费，永远代表用户的利益，让他们免费！”王立新说。
个性化教学、“机器人新闻”等
中文在线副总经理李林认为，大数据有利于个性化的教学支持。“通过数据分析、积累、挖掘，有利于教学和学习个性化、精准化。另外，可根据学生学习过程中出现的问题，随时诊断反馈，给学生提供符合其个性的教学辅导材料。”
中国青年政治学院新闻传播学院执行院长罗自文提出了“机器人新闻”，即随着大数据的普及，新闻产业已变成由机器来完成大部分工作，机器甚至可担任编辑工作。“数据新闻和传统新闻生产方式不一样。传统新闻生产通过记者、编辑进行报道整合。而现在我们很多新闻线索的获取、数据的挖掘、整合都是由计算机来做。有的计算机里有记者写好的模板，只要放进相应关键字词，就能产生不同的新闻。”

大数据还可帮助预测电影票房，以此为据来挑选剧本、演员等。
清华大学媒介调查实验室研究员李兆鹏说，“去年年终我们成立了一个新媒体事业部，主要针对即将上映或正在上映电影进行票房预测，帮助片方进行电影口碑和观众心理的细分。我们通过搜集数据进行分析对比，对电影制片方、发行方提供数据支持。”
小马奔腾董事、君舍文化总裁钟丽芳说，以前选一个电影题材的方式“特别简单粗暴”，就是导演、制片公司老板喜欢什么就拍什么。现在随着大数据时代的到来，更多是根据受众的偏好和需求，再结合创作者擅长，找出一平衡点来选出题材。“以前在组合影视作品时，包括创意团队、演员，是凭经验来判断选择，所有影视公司抢的都是几个一线大腕。但真正抢到的不一定是市场效果最好的，只有对观众偏好更清楚才行。通过大数据分析，我们现在演员搭配会比以前更科学。”

⑻ 大数据在金融行业的应用与挑战

大数据在金融行业的应用与挑战
A 具有四大基本特征
金融业基本是全世界各个行业中最依赖于数据的，而且最容易实现数据的变现。全球最大的金融数据公司Bloomberg在1981年成立时“大数据”概念还没有出现。Bloomberg的最初产品是投资市场系统（IMS），主要向各类投资者提供实时数据、财务分析等。
随着信息时代降临，1983年估值仅1亿美元的Bloomberg以30%股份的代价换取美林3000万美元投资，先后推出Bloomberg Terminal、News、Radio、TV等各类产品。1996年Bloomberg身价已达20亿美元，并以2亿美元从美林回购了10%的股份。2004年Bloomberg在纽约曼哈顿中心建成246米摩天高楼。到2008年次贷危机，美林面临崩盘，其剩余20%的Bloomberg股份成为救命稻草。Bloomberg趁美林之危赎回所有股份，估值跃升至225亿美元。2016年Bloomberg全球布局192个办公室，拥有1.5万名员工，年收入约100亿美元，估值约1000亿美元，超过同年市值为650亿美元的华尔街标杆高盛。
大数据概念形成于2000年前后，最初被定义为海量数据的集合。2011年，美国麦肯锡公司在《大数据的下一个前沿：创新、竞争和生产力》报告中最早提出：大数据指大小超出典型数据库软件工具收集、存储、管理和分析能力的数据集。
具体来说，大数据具有四大基本特征：
一是数据体量大，指代大型数据集，一般在10TB规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量。
二是数据类别大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。现在的数据类型不仅是文本形式，更多的是图片、视频、音频、地理位置信息等多类型的数据。
三是处理速度快，在数据量非常庞大的情况下，也能够做到数据的实时处理。数据处理遵循“1秒定律”，可从各种类型的数据中快速获得高价值的信息。
四是数据的真实性高，随着社交数据、企业内容、交易与应用数据等新数据源的兴起，传统数据源的局限被打破，信息的真实性和安全性显得极其重要。
而相比其他行业，金融数据逻辑关系紧密，安全性、稳定性和实时性要求更高，通常包含以下关键技术：数据分析，包括数据挖掘、机器学习、人工智能等，主要用于客户信用、聚类、特征、营销、产品关联分析等；数据管理，包括关系型和非关系型数据、融合集成、数据抽取、数据清洗和转换等；数据使用，包括分布式计算、内存计算、云计算、流处理、任务配置等；数据展示，包括可视化、历史流及空间信息流展示等，主要应用于对金融产品健康度、产品发展趋势、客户价值变化、反洗钱反欺诈等监控和预警。
B 重塑金融行业竞争新格局
“互联网+”之后，随着世界正快速兴起“大数据+”，金融行业悄然出现以下变化：
大数据特征从传统数据的“3个V”增加到“5个V”。在数量（Volume）、速度（Velocity）、种类（Variety）基础上，进一步完善了价值（Value）和真实性（Veracity），真实性包括数据的可信性、来源和信誉、有效性和可审计性等。
金融业按经营产品分类变为按运营模式分类。传统金融业按经营产品划分为银行、证券、期货、保险、基金五类，随着大数据产业兴起和混业经营的发展，现代金融业按运营模式划分为存贷款类、投资类、保险类三大类别。
大数据市场从垄断演变为充分市场竞争。全球大数据市场企业数量迅速增多，产品和服务的差异增大，技术门槛逐步降低，市场竞争日益激烈。行业解决方案、计算分析服务、存储服务、数据库服务和大数据应用成为市场份额排名最靠前的五大细分市场。
大数据形成新的经济增长点。Wikibon数据显示，2016年，全球大数据硬件、软件和服务整体市场增长22%达到281亿美元，预计到2027年，全球在大数据硬件、软件和服务上的整体开支的复合年增长率为12%，将达到大约970亿美元。
数据和IT技术替代“重复性”业务岗位。数据服务公司Eurekahedge通过追踪23家对冲基金，发现5位对冲基金经理薪金总额为10亿美元甚至更高。过去10年，靠数学模型分析金融市场的物理学家和数学家“宽客”一直是对冲基金的宠儿，其实大数据+人工智能更精于此道。高盛的纽约股票现金交易部门2000年有600名交易员而如今只剩两人，其任务全由机器包办，专家称10年后高盛员工肯定比今天还要少。
美国大数据发展走在全球前列。美国政府宣称：“数据是一项有价值的国家资本，应对公众开放，而不是将其禁锢在政府体制内。”作为大数据的策源地和创新引领者，美国大数据发展一直走在全球最前列。自20世纪以来，美国先后出台系列法规，对数据的收集、发布、使用和管理等做出具体的规定。2009年，美国政府推出Data.gov政府数据开放平台，方便应用领域的开发者利用平台开发应用程序，满足公共需求或创新创业。2010年，美国国会通过更新法案，进一步提高了数据采集精度和上报频度。2012年3月，奥巴马政府推出《大数据研究与开发计划》，大数据迎来新一轮高速发展。
英国是欧洲金融中心，大数据成为其领先科技之一。2013年，英国投资1.89亿英镑发展大数据。2015年，新增7300万英镑，创建了“英国数据银行”data.gov.uk网站。2016年，伦敦举办了超过22000场科技活动，同年，英国数字科技投资逾68亿英镑，而收入则超过1700亿英镑。另外，英国统计局利用政府资源开展“虚拟人口普查”，仅此一项每年节省5亿英镑经费。
C 打造高效金融监管体系
大数据用已发生的总体行为模式和关联逻辑预测未来，决策未来,作为现代数字科技的核心，其灵魂就是——预测。
侦测、打击逃税、洗钱与金融诈骗
全球每年因欺诈造成的经济损失约3.7万亿美元，企业因欺诈受损通常为年营收额的5%。全球最大软件公司之一美国SAS公司与税务、海关等政府部门和全球各国银行、保险、医疗保健等机构合作，有效应对日益复杂化的金融犯罪行为。如在发放许可之前，通过预先的数据分析检测客户是否有过行受贿、欺诈等前科，再确定是否发放借贷或海关通关。SAS开发的系统已被国际公认为统计分析的标准软件，在各领域广泛应用。英国政府利用大数据检测行为模式检索出200亿英镑的逃税与诈骗，追回了数十亿美元损失。被福布斯评为美国最佳银行的德克萨斯资本银行（TCBank），不断投资大数据技术，反金融犯罪系统与银行发展同步，近3年资产从90亿美元增至210亿美元。荷兰第三大人寿保险公司CZ依靠大数据对骗保和虚假索赔行为进行侦测，在支付赔偿金之前先期阻断，有效减少了欺诈发生后的司法补救。
大数据风控建立客户信用评分、监测对照体系
美国注册舞弊审核师协会（ACFE）统计发现，缺乏反欺诈控制的企业会遭受高额损失。美国主流个人信用评分工具FICO能自动将借款人的历史资料与数据库中全体借款人总体信用习惯相比较，预测借款人行为趋势，评估其与各类不良借款人之间的相似度。美国SAS公司则通过集中浏览和分析评估客户银行账户的基本信息、历史行为模式、正在发生行为模式（如转账）等，结合智能规则引擎（如搜索到该客户从新出现的国家为特有用户转账，或在新位置在线交易等），进行实时反欺诈分析。
美国一家互联网信用评估机构通过分析客户在Facebook、Twitter等社交平台留下的信息，对银行的信贷和投保申请客户进行风险评估，并将结果出售给银行、保险公司等，成为多家金融机构的合作伙伴。
D 数据整合困难
应用经济指标预测系统分析市场走势
IBM使用大数据信息技术成功开发了“经济指标预测系统”，该系统基于单体数据进行提炼整合，通过搜索、统计、分析新闻中出现的“新订单”等与股价指标有关的单词来预测走势，然后结合其他相关经济数据、历史数据分析其与股价的关系，从而得出行情预测结果。
追踪社交媒体上的海量信息评估行情变化
当今搜索引擎、社交网络和智能手机上的微博、微信、论坛、新闻评论、电商平台等每天生成几百亿甚至千亿条文本、音像、视频、数据等，涵盖厂商动态、个人情绪、行业资讯、产品体验、商品浏览和成交记录、价格走势等，蕴含巨大财富价值。
2011年5月，规模为4000万美元的英国对冲基金DC Markets，通过大数据分析Twitter的信息内容来感知市场情绪指导投资，首月盈利并以1.85%的收益率一举战胜其他对冲基金仅0.76%的平均收益率。
美国佩斯大学一位博士则利用大数据追踪星巴克、可口可乐和耐克公司在社交媒体的围观程度对比其股价，证明Facebook、Twitter和 Youtube上的粉丝数与股价密切相关。
提供广泛的投资选择和交易切换
日本个人投资理财产品Money Design在应用程序Theo中使用算法+人工智能，最低门槛924美元，用户只需回答风险承受水平、退休计划等9个问题，就可使用35种不同货币对65个国家的1.19万只股票进行交易和切换，年度管理费仅1%。Money Design还能根据用户投资目标自动平衡其账户金额，预计2020年将超过2万亿美元投资该类产品。
利用云端数据库为客户提供记账服务
日本财富管理工具商Money Forward提供云基础记账服务，可管理工资、收付款、寄送发票账单、针对性推送理财新项目等，其软件系统连接并整合了2580家各类金融机构的各类型帐户，运用大数据分析的智能仪表盘显示用户当前财富状况，还能分析用户以往的数据以预测未来的金融轨迹。目前其已拥有50万商家和350万个体用户，并与市值2.5万亿美元的山口金融集团联合开发新一款APP。
为客户定制差异化产品和营销方案
金融机构迫切需要掌握更多用户信息，继而构建用户360度立体画像，从而对细分客户进行精准营销、实时营销、智慧营销。
一些海外银行围绕客户“人生大事”，分析推算出大致生活节点，有效激发其对高价值金融产品的购买意愿。如一家澳大利亚银行通过大数据分析发现，家中即将诞生婴儿的客户对寿险产品的潜在需求最大，于是通过银行卡数据监控准妈妈开始购买保胎药品和婴儿相关产品等现象，识别出即将添丁的家庭，精准推出定制化金融产品套餐，受到了客户的积极响应，相比传统的短信群发模式大幅提高了成功率。
催生并支撑人工智能交易
“量化投资之王”西蒙斯被公认为是最能赚钱的基金经理人，自1988年创立文艺复兴科技公司的旗舰产品——大奖章基金以来，其凭借不断更新完善的大数据分析系统，20年中创造出35%的年均净回报率，比索罗斯同期高10%，比股神巴菲特同期高18%，成为有史以来最成功的对冲基金，并于1993年基金规模达2.7亿美元时停止接受新投资。在美国《Alpha》杂志每年公布的对冲基金经理排行榜上，西蒙斯2005年、2006年分别以15亿美元、17亿美元净收入稳居全球之冠，2007年以13亿美元位列第五，2008年再以25亿美元重返榜首。
推动金融产品和服务创新
E 面临三大挑战
目前，全球各行业数据量的增长速度惊人，在我国尤其集中在金融、交通、电信、制造业等重点行业，信息化的不断深入正在进一步催生更多新的海量数据。
据统计，2015年中国的数据总量达到1700EB以上，同比增长90%，预计到2020年这一数值将超过8000EB。以银行业为例，每创收100万元，银行业平均产生130GB的数据，数据强度高踞各行业之首。但在金融企业内部数据处于割裂状态，业务条线、职能部门、渠道部门、风险部门等各个分支机构往往是数据的真正拥有者，缺乏顺畅的共享机制，导致海量数据往往处于分散和“睡眠”状态，虽然金融行业拥有的数据量“富可敌国”，但真正利用时却“捉襟见肘”。
数据安全暗藏隐患
大数据本质是开放与共享，但如何界定、保护个人隐私权却成为法律难题。大数据存储、处理、传输、共享过程中也存在多种风险，不仅需要技术手段保护，还需相关法律法规规范和金融机构自律。多项实际案例表明，即使无害的数据大量囤积也会滋生各种隐患。安全保护对象不仅包括大数据自身，也包含通过大数据分析得出的知识和结论。在线市场平台英国Handshake.uk.com就尝试允许用户协商个人数据被品牌分享所得的报酬。
人才梯队建设任重道远
人才是大数据之本。与信息技术其他细分领域人才相比，大数据发展对人才的复合型能力要求更高，需要掌握计算机软件技术，并具备数学、统计学等方面知识以及应用领域的专业知识。

⑼ 全球大数据产业现状及投资前景预测

全球大数据产业现状及投资前景预测
纵观国内外，大数据已经形成产业规模，并上升到国家战略层面，大数据技术和应用呈现纵深发展。面向大数据的云计算技术、大数据计算框架等不断推出，新型大数据挖掘方法和算法大量出现，大数据新模式、新业态层出不穷，传统产业开始利用大数据实现转型升级。人工智能、深度学习、工业物联网、虚拟现实、智慧城市等领域的发展推动大数据的应用普及。新兴行业、传统行业围绕数据服务体系，已经形成了传统行业数据平台、互联网数据平台及行业资讯类数据平台。以数据应用为基础的新一代数据服务企业，在促进主体行业发展的同时，同样促进了行业内中小企业的发展。
1
大数据发展的产业环境分析
美国政策层面发力推动大数据应用发展。政府推出了一系列的公开数据计划，在健康、能源、气候、教育、金融、公共安全等领域开放数据和信息，促进创新的突破,从而推动经济发展。美国致力于扩大联邦数据公开范围和受用对象的范围，尤其扩大高价值数据资产，探讨如何进一步扩展收集和分析工业竞争和创新相关的数据。
为了进一步挖掘联邦政府数据的应用潜力，促进创新与社会进步，2016年1月美商务部发起了一项旨在使政府数据更加容易使用的数据易用性计划(CDUP)。5月，白宫发布《联邦大数据研发战略计划》，为未来的大数据研发列出7条战略计划，旨在建立大数据创新生态系统，加强数据分析能力，从大量、多样、实时的数据库中提取有效信息，服务于科学研究、经济增长与国家安全。2016年，美国应用大数据预测选举也引起世界关注，大数据应用开始为广大公众所关注，数据的真实性及数据安全成为关注焦点。
英国以数据共享为根本积极推动大数据平台建设。新建哈璀(Hartree)大数据中心，投资1.13亿英镑。新建艾伦图灵研究所，投资4200万英镑，开展大数据科学与技术的研究。投资1.5亿英镑建立第一个国家级老年痴呆症研究所。建立应对重大疾病新的数学研究中心。英国成立大数据战略委员会，发布《开放数据战略白皮书》，统一政府数字平台，开通政府部门开放数据通道，设立数据开放共享奖励基金，2018年还将出台“数据保护通则”的专门法规，旨在开发利用数据资源产生更大的商业价值和经济增长。
瑞典启动国家重点科研计划(NFP)大数据专项(Big Data, NFP75)。2017年正式启动，计划投入资金2.5亿瑞士法郎，从2017年至2020年为期4年。该专项主要分为三个板快：大数据信息技术：大数据分析基础性研究、大数据基础设施构架、数据库和计算中心;大数据相关社会及法律问题：大数据涉及对社会经济发展的影响预测(如对贸易、商务模式、人员交通及物流的影响)、个人隐私及空间的保护及相关的社会伦理和法律问题及对策等;大数据应用：对大数据在交通、健康、灾害及社会风险控制、能源转型领域的应用展开基础性研究。瑞士国家重点科研计划由瑞士联邦政府推出，目的是对关系瑞士社会经济发展全局的重要领域展开基础性研究并提出对策建议。
我国各地政府积极为大数据发展营造环境。2014年、2015年“大数据”首次写入国家《政府工作报告》。在2015年3月5日举行的两会中，李总理在政府工作报告中提到，制定“互联网+”行动计划，推动移动互联网、云计算、大数据、物联网等与现代制造业结合，促进电子商务、工业互联网和互联网金融健康发展，引导互联网企业拓展国际市场。
当前，《国家大数据战略及行动纲要(2015-2025)》征求意见稿完成。国家自然基金委、科技部支持了大量大数据研究项目;北京市、上海市、天津市、重庆市、广东省、贵州省等制定了大数据发展规划，多地开始建数据产业基地，天津拟打造国家数据聚集区，与北京、河北联合建“京津冀大数据走廊”;重庆计划将大数据培育成重要战略性新兴产业，加快建设两江云计算产业园，陕西西咸新区、湖北武汉光谷、贵州贵安新区等地提出要设国家级大数据基地。
上海成立数据交易中心。2016年4月1日，上海数据交易中心挂牌成立，上海数据交易中心是经上海市人民政府批准，上海市经济和信息化委、上海市商务委联合批复成立的国有控股混合所有制企业，承担着促进商业数据流通、跨区域的机构合作和数据互联、公共数据与商业数据融合应用等工作职能。交易中心以国内领先的“技术+规则”双重架构，创新结合IKVLTP 六要素技术，采用自主知识产权的虚拟标识技术和二次加密数据配送技术，结合面向应用场景的交易规则，将在全面保障个人隐私、数据安全前提下推动数据聚合流动。
上海将围绕“资源、技术、产业、应用、安全”融合联动这一条主线，聚焦“政府治理和公共服务能力提升、经济发展方式转变”两个方面，创新“交易机构+创新基地+产业基金+发展联盟+研究中心”五位一体大数据产业链生态发展布局，力争打造国家数据科学中心、亚太数据交换中心和全球“数据经济”中心，形成集数据贸易、应用服务、先进产业为一体的大数据战略高地。
2
大数据产业的行业需求预测
企业需求
传统企业的大数据转型。随着互联网化进程的不断推进，在改变了用户消费习惯的同时，众多传统企业面临了一系列必须面对的问题，其中一条核心主线就是基于已有数据的使用以及对于用户数据的采集。对于有效利用数据，很多传统企业开展了试探性的使用和分析，并逐步结合互联网平台，使数据形成闭环。地产、制造、金融企业已经在逐步建立互联网销售平台，其实平台的本身并不是去加大产品销售量，而是通过平台对传统营业网点、销售渠道的信息进行有效管理，从而建立可供判断或分析的数据之用。
更好的吸纳客户的潜在需求，更快的适应市场变化，从而带动新一轮研发的生成或变革。而此类企业的成长点，市场化性质，及企业性质将区别于传统企业，而走上新业态、新模式的道路。包括车联网、互联网金融、汽车电商、房产电商，都已经出现了苗头。对于大数据产业的发展，传统企业转型是区别于其他领域的却又独树一帜的重要组成部分。
平台企业的大数据战略。对于相对IT投入较少，IT基础较为薄弱的领域，比如零售、餐饮、服装、农业、出版等行业，企业不会去自建云计算及大数据平台，更多的则是会依靠专业化的数据服务企业或是数据服务平台来满足数据分析的需求。行业数据服务平台架构的初衷，主要是用云服务方式解决上述行业的信息化建设及运维需求。
目前上海类似的行业数据平台不少，建筑业的筑想网、医药业的安捷力等都是在行业垂直领域专业度很高的企业，而且较之通用、普适性的平台，此类平台的发展更具有和行业发展的共存性和相通性，是大数据产业发展过程中一个非常重要的组成部分。
互联网企业大数据规模化发展。互联网传媒是推动企业接触大数据服务中一个相对快速的行业，传媒由传统的单向被动模式转变成为双向互动模式，在吸引了用户群体的同时也通过定义用户肖像，来推动精准营销。精准营销使企业享受了新媒体带来的最实惠的成果，也为企业带来了一份较之传统传媒更加具体的数据分析报告。
同样在互联网领域，无论是社交平台、团购还是移动应用，在其互联网平台构建的过程中，收集、汇总、分析数据是非常重要的一个环节。通过甄别不同年龄段、性别、爱好的用户群，来精准定位推送不同的消息，而在这些精准定位的背后，则是每天几十甚至几百TB的数据增长量和分析量，可以说，有了互联网才推进了大数据产业的发展。
热点关联领域需求
金融大数据。中国金融信息服务产业存在产业链分布广、市场空间巨大的特点，但与此同时，又表现出产业集中度非常低的现状。因此，未来必将经历大量的并购整合，最终出现几家庞大的IT服务机构。传统金融服务领域的人才资源、市场能力、技术及研发方面在全国范围内都具有不可比拟的优势，产业环境、配套资源都非常成熟。
在金融信息服务产业链中，已经拥有了证券、期货、金融期货、科技技术等交易所以及钢铁、有色金属等各类生产物资交易所，拥有像安硕信息、万得资讯、金仕达、银联、普兰金融、春雨供应链等一大批具有行业代表性的龙头企业，还有一批以经尔纬为代表的掌握大数据技术及具有资源整合能力的公司。金融领域的数据库建设比较完善且都为结构化的数据，随着人工智能、深度学习等新兴技术的介入，大数据将显示出大有可为的趋势，对基于大数据分析的成果的需求也将越加旺盛。
交通大数据。一是智能交通，在交通和环境信息的基础上，实现交付跟踪，工作流程监督，和人力资源管理。在智能交通系统中，如果车辆使用了该应用，就可以监测到相关数据。智慧城市首席信息官可以使用从物联网信息库中获取运输和交通过程的信息。这将大大改善交通运输，建立服务型的支付方式，而不是简单的付款程序，如时间收费制度。
智慧城市的核心价值是根据交通数据来建立对公民有益的基础政策。智能交通也产生了很多新的商业创新。二是自动驾驶，目前GOOGLE借助大数据及车载技术和传感器,以及高级辅助驾驶系统、软件、地图数据、GPS和无线通信数据等，实现了无人驾驶，可以预见，不久的将来，大数据在自动驾驶领域的应用越来越被看好。
新媒体大数据。大数据引领的新媒体已经颠覆了国外数个传统媒体，比如停刊的美国《新闻周刊》以及德国出现战后最大的纸媒倒闭潮等。以眼球经济为基础的传统媒体展示型广告已快速向以数据为基础的网络媒体精准型广告进行转变。百视通和东方明珠的整合已经打造了全国最大的千亿级别的传媒上市公司。在电信、广电及互联网领域海量数据处理具有丰富的研发及应用经验，所用技术涵盖了分布式计算、海量数据处理、流计算、机器学习及神经网络等，重点关注于互联网广告投放技术、效果监测、目标受众行为分析及精准细分、广告智能匹配等。未来几年，新媒体大数据将越来越受到业界的追捧。
制造业大数据。利用大数据推动信息化和工业化深度融合，研究推动大数据在研发设计、生产制造、经营管理、市场营销、售后服务等产业链各环节的应用，研发面向不同行业、不同环节的大数据分析应用平台，选择典型企业、重点行业、重点地区开展工业企业大数据应用项目试点，积极推动制造业网络化和智能化。最近几年，从国家到地方政府，日益重视大数据在制造业特别是高端智能制造领域的应用，例如《中国制造2025》。从这个意义上来说，大数据在制造业应该发挥的潜力巨大，释放空间和余地很大。
3
大数据投资前景预判
人工智能等新兴领域价值潜力巨大
智能化领域及智慧城市建设。大数据与深度学习、人工智能交叉的领域成为资本追逐的焦点。例如日本提出建成超智能社会，实现ICT技术在全社会的深度融合应用。日本第五期科技计划提出建设SOCIETY 5.0(超智能社会)，基于以人工智能、物联网、大数据为代表的ICT技术，研究开发先进机器人、超级计算机、传感器、高速通信等技术，实现网络空间与现实空间高度融合的信息物理系统，运用大数据促使社会生活各领域实现高度智能化，推进经济发展与社会进步。日本超智能社会的提出，受到诸多大数据公司和风投的关注。类似，我国各地正在大力推进的智慧城市建设中的与新兴技术交叉应用的环节，大数据将有着重要的一席之地。大数据与智慧交通、绿色环保、民生安全等领域的融合，在人工智能、深度学习的带动下，大数据应用商机无限。
支撑分享经济智能平台被看好
分享经济在短时间内崛起并成为全球现象，规模和影响力都呈现出指数增长。2014年12月，普华永道发布了预测报告指出全球分享经济的规模将从2015年的150亿美元增长到2025年的3350亿美元。在全球经济努力复苏的背景下，分享经济模式的新颖性和巨大发展潜力受到各国政府的高度支持，甚至提升到了国家战略的高度。大数据、云计算、人工智能将构建支撑分享经济的智能平台，而这些平台将日益彰显其经济价值，从而能够灵活、便利、及时、安全、经济地连接不同需求的陌生人，从而在分享经济的新模式中，大数据起到了核心作用，占领核心的地位，其价值不言而喻。

⑽ 新媒体遇上大数据　隐私保护仍是“痛点”

新媒体遇上大数据隐私保护仍是“痛点”_数据分析师考试

大数据并不是简单地买几台服务器把数据存下来，而是要将大数据与实际接轨，突出工具化、服务化和实用化，让大数据能解决具体问题。

新媒体在运用大数据过程中，一个非常关键的问题是隐私保护。在使用大数据过程中保护个人隐私，需要司法机关发布有效的法律判例，对侵犯隐私行为形成舆论压力；同时要加强大数据隐私保护研究

7月9日，金砖国家领导人第七次会晤在俄罗斯乌法举行。

当天，人民日报全媒体平台“烹”出一张图解:《金砖国家大数据》。

这并非新媒体与大数据的第一次结合。

前不久由中国社会科学院发布的《中国新媒体发展报告(2015)》称，中国新媒体已超越“跨行业”，初步呈现“全产业”发展新趋势。移动化、大数据化和智能化的新媒体已成为具备高强渗透度的产业基因，可深度融合于经济产业各领域之中。

专注研究新媒体与数据新闻的清华大学新闻与传播学院教授沈阳认为，当前，大数据在新媒体中应用广泛，贯穿于新媒体发展的各个方面。

大数据运用广泛

人民日报全媒体平台发布的《金砖国家大数据》，只是近期新媒体运用大数据的一个例子。

早在大数据这一概念进入公众视野不久，便有媒体将大数据运用于新闻报道之中。

2014年春运期间，互联网上就出现了一张可以呈现国内春节人口迁徙实况的地图，这张尽显中国春运迁徙实景的图片更是登上央视《新闻联播》进行权威盘点。自从春运开始，这张地图多次被电视、报纸等媒体引用，成为用数据解读春运状况的一个样本。据称，这是国内首个运用大数据播报国内春节人口迁徙实况的地图。

相较于电视、报纸等传统媒体，新媒体对大数据的运用更加频繁，作为新媒体代表之一的“澎湃新闻”便是如此:今年2月，“澎湃新闻”出品了《大数据告诉你，梅西的右脚现在有多恐怖》；3月，《落马老虎大数据:除“军虎”外，69人共花两千多年入省部级》“走”下生产线。

在沈阳看来，将大数据应用于报道内容，只是新媒体运用大数据的一个方面。

在与《法制日报》记者交谈过程中，沈阳列出了新媒体“遇上”大数据的多个“场景”:在做新媒体功能研发时，哪些要素需要增强、哪些需要减弱，可以运用大数据分析进行修正；在策划选题时，可以通过大数据分析筛选出哪些话题关注度高、最热门；在内容推送过程中，可以利用大数据对用户兴趣进行分析并梳理出来；新闻发出后，受众有哪些评论、转发多少、分享情况，这些都可以通过大数据获得结果；即便是在广告投放环节，也可以通过大数据分析、预判广告与用户是否匹配、广告对新媒体品牌价值是否会有影响。

“大数据贯穿于新媒体的各个方面。”沈阳说。

“完美”并非绝对

尽管大数据很重要、很管用，但沈阳很早就发现，“大数据，没有看起来那么美”。

“数据真实性是一个不可回避的问题。目前，水军、僵尸粉、刷阅读量等情况都有存在，这在一定程度上给数据提供了虚假成分。”沈阳说，不过，从宏观上讲，可以控制这些虚假成分。

如何控制“水分”?沈阳举例说，在统计微博粉丝时，可以将范围缩小至带V的粉丝，因为带V粉丝造假成本高；如果要更精准的数据，可以进一步缩小范围，如近期活跃的带V粉丝。“当然，这样筛选数据会面临高成本的问题”。

沈阳在早期的研究中还关注到大数据的另外两个问题:样本代表性和相关性误差。

沈阳认为，我们不可能搜集到全数据，而与大数据相关的形容词往往是大规模、精准、细化，在调用如此“完美”的数据时，如何注意情景和样本的适用性是一个问题。正如网络民意与现实民意的讨论，微博不代表网络，网络不代表社会，朋友圈也是小圈子，跳出圈子看世界不容易，切勿陷入相同的悖论。在选样、测量、误差校正不尽如人意时，好数据将劣化，大数据将虚化。

相关性误差，则更偏向于技术。沈阳认为，在要素构成简单的情景中，可以利用大数据，基于一定算法和模型对变量元素进行相关性分析。然而，在复杂系统中，仅有相关性解释还不够，易走偏。比如一个明显不对的结论:一个城市的网页数越高，其网络形象就越好。虽然数据统计证实了网页数和网络形象存在一般的正相关，但忽略了负面事件带来的网页量爆发等，因此结论也是不科学的。相关性要真正体现在数据之间、数据与真实事件影射的现象之间、真实事件的客观联系上。

“大数据并不是简单地买几台服务器把数据存下来，而是要将大数据与实际接轨，突出工具化、服务化和实用化，让大数据能解决具体问题。”沈阳说。

隐私保护日益突出

基于多年研究大数据的心得，沈阳认为，新媒体在运用大数据过程中，一个非常关键的问题是，隐私保护。“目前，隐私保护问题越来越突出”。

此前，《法制日报》记者在参加一次论坛时，工信部相关部门一名负责人曾表达这样的观点:大数据时代到来后，随着互联网技术及其应用的发展，大数据、云计算技术方式的使用，个人信息的价值不断被挖掘、被使用，但是安全保护是一个很大的问题。

工信部相关部门这名负责人认为，大数据时代的个人信息安全面临三大问题。

“一个问题是数据未经授权被搜集，这种情况发生得比较多。”工信部相关部门这名负责人说，第二个问题是超出范围使用。所谓超范围使用，是指企业通过一定的所谓合法的形式拿到个人信息，但是拿到以后使用信息的目的、用途以及范围，并非信息权利主体所熟知。这种情况包括，当互联网对一些数据信息进行更进一步或者深层挖掘时，这种挖掘在一定程度上有可能侵犯了权利主体的权益。因为互联网企业之前可能告诉权利主体，获取信息是基于特定的目的或者在特定范围内使用，但是进一步挖掘就有可能触犯了约定。第三个问题是数据保存。曾有网络社区存储的几千万用户信息被黑客拿到后转卖给第三家，最后造成信息滥用。

在新媒体广泛使用、深度挖掘大数据的时代，如何保护公民隐私?

工信部相关部门这名负责人提出了一个观点:信息保护人人有责。

“在信息安全保护方面，很重要的一点在于，权利人自身要加强保护意识。”工信部相关部门这名负责人说，现在，不管是要求政府部门监管，还是要求司法机关动起来，一个重要前提是人人保护信息，这样才可能使信息保护问题得到根本解决，否则只靠公权力机关单方面去做是没有用的。当然，在提倡人人保护信息的同时，执法保护也是一个很重要的方面。

在沈阳看来，在使用大数据过程中保护个人隐私，一方面需要司法机关发布有效的法律判例，对侵犯隐私行为形成舆论压力；另一方面要加强大数据隐私保护研究。

以上是小编为大家分享的关于新媒体遇上大数据隐私保护仍是“痛点”的相关内容，更多信息可以关注环球青藤分享更多干货