2015大数据分析

1. 大数据分析工具面临哪些挑战

大数据发展的挑战：
目前大数据的发展依然存在诸多挑战，包括七大方面的挑战：业务部门没有清晰的大数据需求导致数据资产逐渐流失;企业内部数据孤岛严重，导致数据价值不能充分挖掘;数据可用性低，数据质量差，导致数据无法利用;数据相关管理技术和架构落后，导致不具备大数据处理能力;数据安全能力和防范意识差，导致数据泄露;大数据人才缺乏导致大数据工作难以开展;大数据越开放越有价值，但缺乏大数据相关的政策法规，导致数据开放和隐私之间难以平衡，也难以更好的开放。
挑战一：业务部门没有清晰的大数据需求
很多企业业务部门不了解大数据，也不了解大数据的应用场景和价值，因此难以提出大数据的准确需求。由于业务部门需求不清晰，大数据部门又是非盈利部门，企业决策层担心投入比较多的成本，导致了很多企业在搭建大数据部门时犹豫不决，或者很多企业都处于观望尝试的态度，从根本上影响了企业在大数据方向的发展，也阻碍了企业积累和挖掘自身的数据资产，甚至由于数据没有应用场景，删除很多有价值历史数据，导致企业数据资产流失。因此，这方面需要大数据从业者和专家一起，推动和分享大数据应用场景，让更多的业务人员了解大数据的价值。
挑战二：企业内部数据孤岛严重
企业启动大数据最重要的挑战是数据的碎片化。在很多企业中尤其是大型的企业，数据常常散落在不同部门，而且这些数据存在不同的数据仓库中，不同部门的数据技术也有可能不一样，这导致企业内部自己的数据都没法打通。如果不打通这些数据，大数据的价值则非常难挖掘。大数据需要不同数据的关联和整合才能更好的发挥理解客户和理解业务的优势。如何将不同部门的数据打通，并且实现技术和工具共享，才能更好的发挥企业大数据的价值。
挑战三：数据可用性低，数据质量差
很多中型以及大型企业，每时每刻也都在产生大量的数据，但很多企业在大数据的预处理阶段很不重视，导致数据处理很不规范。大数据预处理阶段需要抽取数据把数据转化为方便处理的数据类型，对数据进行清洗和去噪，以提取有效的数据等操作。甚至很多企业在数据的上报就出现很多不规范不合理的情况。以上种种原因，导致企业的数据的可用性差，数据质量差，数据不准确。而大数据的意义不仅仅是要收集规模庞大的数据信息，还有对收集到的数据进行很好的预处理处理，才有可能让数据分析和数据挖掘人员从可用性高的大数据中提取有价值的信息。Sybase的数据表明，高质量的数据的数据应用可以显著提升企业的商业表现，数据可用性提高10%，企业的业绩至少提升在10%以上。
挑战四：数据相关管理技术和架构
技术架构的挑战包含以下几方面：(1)传统的数据库部署不能处理TB级别的数据，快速增长的数据量超越了传统数据库的管理能力。如何构建分布式的数据仓库，并可以方便扩展大量的服务器成为很多传统企业的挑战;(2)很多企业采用传统的数据库技术，在设计的开始就没有考虑数据类别的多样性，尤其是对结构化数据、半结构化和非结构化数据的兼容;(3)传统企业的数据库，对数据处理时间要求不高，这些数据的统计结果往往滞后一天或两天才能统计出来。但大数据需要实时处理数据，进行分钟级甚至是秒级计算。传统的数据库架构师缺乏实时数据处理的能力;(4)海量的数据需要很好的网络架构，需要强大的数据中心来支撑，数据中心的运维工作也将成为挑战。如何在保证数据稳定、支持高并发的同时，减少服务器的低负载情况，成为海量数据中心运维的一个重点工作。
挑战五：数据安全
网络化生活使得犯罪分子更容易获得关于人的信息，也有了更多不易被追踪和防范的犯罪手段，可能会出现更高明的骗局。如何保证用户的信息安全成为大数据时代非常重要的课题。在线数据越来越多，黑客犯罪的动机比以往都来的强烈，一些知名网站密码泄露、系统漏洞导致用户资料被盗等个人敏感信息泄露事件已经警醒我们，要加强大数据网络安全的建设。另外，大数据的不断增加，对数据存储的物理安全性要求会越来越高，从而对数据的多副本与容灾机制也提出更高的要求。目前很多传统企业的数据安全令人担忧。
挑战六：大数据人才缺乏
大数据建设的每个环节都需要依靠专业人员完成，因此，必须培养和造就一支掌握大数据技术、懂管理、有大数据应用经验的大数据建设专业队伍。目前大数据相关人才的欠缺将阻碍大数据市场发展。据Gartner预测，到2015年，全球将新增440万个与大数据相关的工作岗位，且会有25%的组织设立首席数据官职位。大数据的相关职位需要的是复合型人才，能够对数学、统计学、数据分析、机器学习和自然语言处理等多方面知识综合掌控。未来，大数据将会出现约100万的人才缺口，在各个行业大数据中高端人才都会成为最炙手可热的人才，涵盖了大数据的数据开发工程师、大数据分析师、数据架构师、大数据后台开发工程师、算法工程师等多个方向。因此需要高校和企业共同努力去培养和挖掘。目前最大的问题是很多高校缺乏大数据，所以拥有大数据的企业应该与学校联合培养人才。
挑战七：数据开放与隐私的权衡
在大数据应用日益重要的今天，数据资源的开放共享已经成为在数据大战中保持优势的关键。商业数据和个人数据的共享应用，不仅能促进相关产业的发展，也能给我们的生活带来巨大的便利。由于政府、企业和行业信息化系统建设往往缺少统一规划，系统之间缺乏统一的标准，形成了众多“信息孤岛”，而且受行政垄断和商业利益所限，数据开放程度较低，这给数据利用造成极大障碍。另外一个制约我国数据资源开放和共享的一个重要因素是政策法规不完善，大数据挖掘缺乏相应的立法。无法既保证共享又防止滥用。因此，建立一个良性发展的数据共享生态系统，是我国大数据发展需要迈过去的一道砍。同时，开放与隐私如何平衡，也是大数据开放过程中面临的最大难题。如何在推动数据全面开放、应用和共享的同时有效地保护公民、企业隐私，逐步加强隐私立法，将是大数据时代的一个重大挑战。

2. 大数据分析行业前景如何

简单的说就是海量数据同完美计算能力结合的结果，确切的说是移动版互联网、物联网产生了权海量的数据，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。

互联网最热职位人才报告指出，产品研发工程师、产品经理，人力资源、市场营销、运营及数据分析是当下需求最旺盛的六类人才职位。

数据分析包含不同的角度分工：

第一类，侧重于网站分析的分析师，包括营销分析师、网站分析师、SEO分析师等。

第二类，侧重于业务分析师，包括运营分析师、数据分析师等。

第三类，侧重于技术走向的，例如数据挖掘工程师、数据科学家、数据工程师等。

从收入看，第一类最低，中间的次之，第三类最高。原因如下：

1.中国普遍技术取向，涉及到IT、编程、开发类的工资高;

2.业务价值认知，网站分析类或业务类分析师的辅助对象一般都是业务部门，这些人的能力和视野决定了分析的价值落地型，因此限制较高。

关于大数据分析行业前景如何，青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。

3. 大数据分析工具

1、日志管理工具Splunk（http://www.splunk.com/）
<img src="https://pic4.mg.com/_b.png" data-rawwidth="1894" data-rawheight="902" class="origin_image zh-lightbox-thumb" width="1894" data-original="https://pic4.mg.com/_r.png">

面向使用的人群主要有：
<img src="https://pic1.mg.com/_b.png" data-rawwidth="841" data-rawheight="366" class="origin_image zh-lightbox-thumb" width="841" data-original="https://pic1.mg.com/_r.png">
Splunk的功能组件主要有Forwarder、Serch Head、Indexer三种，然后支持了查询搜索、仪表盘和报表（效果真不是吹的，很精致呀），另外还支持SaaS服务模式。其中，Splunk支持的数据源也是多种类型的，基本上还是可以满足客户的需求。
<img src="https://pic1.mg.com/_b.png" data-rawwidth="554" data-rawheight="389" class="origin_image zh-lightbox-thumb" width="554" data-original="https://pic1.mg.com/_r.png">
目前支持Hadoop1.x(MRv1)、Hadoop2.x(MRv2)、Hadoop2.x(Yarn)三个版本的Hadoop集群的日志数据源收集，在日志管理运维方面还是处于一个国际领先的地位，目前国内有部分的数据驱动型公司也正在采用Splunk的日志管理运维服务。
<img src="https://pic3.mg.com/_b.png" data-rawwidth="834" data-rawheight="396" class="origin_image zh-lightbox-thumb" width="834" data-original="https://pic3.mg.com/_r.png">

可视化部分效果也是很不错的
<img src="https://pic2.mg.com/_b.png" data-rawwidth="554" data-rawheight="260" class="origin_image zh-lightbox-thumb" width="554" data-original="https://pic2.mg.com/_r.png"><img src="https://pic3.mg.com/_b.png" data-rawwidth="554" data-rawheight="259" class="origin_image zh-lightbox-thumb" width="554" data-original="https://pic3.mg.com/_r.png"><img src="https://pic4.mg.com/_b.png" data-rawwidth="554" data-rawheight="258" class="origin_image zh-lightbox-thumb" width="554" data-original="https://pic4.mg.com/_r.png">

2、EverString（Home - EverString）
<img src="https://pic1.mg.com/_b.png" data-rawwidth="479" data-rawheight="159" class="origin_image zh-lightbox-thumb" width="479" data-original="https://pic1.mg.com/_r.png">

everstring主要是通过大数据的预测分析建模为企业提供业务和客户推荐的SaaS服务，获取和积累了两个数据信息资源库，一个行业外部的资源库（公有SaaS收费形式），一个行业自己内部的资源库（私有），然后再通过机器学习和人工智能的方法对数据进行相应行业或是领域的建模，最后得到一个比较不错的结果，优化于人工可以得到的结果，而且Everstring也成为了初创大数据公司里面估值很高的公司。

3、国外的Tableau（http://www.tableau.com/）

可视化界面还是做得不错的
<img src="https://pic2.mg.com/_b.png" data-rawwidth="660" data-rawheight="407" class="origin_image zh-lightbox-thumb" width="660" data-original="https://pic2.mg.com/_r.png">
<img src="https://pic1.mg.com/_b.png" data-rawwidth="1272" data-rawheight="754" class="origin_image zh-lightbox-thumb" width="1272" data-original="https://pic1.mg.com/_r.png">

可是对于价格还是按需掏腰包吧。
<img src="https://pic3.mg.com/_b.png" data-rawwidth="1603" data-rawheight="847" class="origin_image zh-lightbox-thumb" width="1603" data-original="https://pic3.mg.com/_r.png">

4、国内的大数据魔镜分析工具（魔镜—行业领先的大数据可视化分析平台 6.0）
魔镜的大数据平台主要提供的还是数据清洗和ETL、Hadoop数据仓库以及一系列的数据分析服务，可提供的数据分析视图工具类型丰富：
<img src="https://pic1.mg.com/_b.png" data-rawwidth="1256" data-rawheight="688" class="origin_image zh-lightbox-thumb" width="1256" data-original="https://pic1.mg.com/_r.png">

目前国外还时候有很多从事大数据业务的公司，像协助美国CIA找到本拉登的Panlatir，可以预测未来的Recorded Future和，6sence，ETL方向的Etleap，CRM系统方向的Salesforce等，如果说到可视化工具，它应该是大数据处理流程里面的最后展现环节。

国内有个不错的链接，实属干货呀。
盘点：55个最实用大数据可视化分析工具（http://tech.it168.com/a2015/0318/1712/000001712286.shtml）

就写到这里吧，分析的不到位的地方，还请指出，谢谢。

补充
----------------------
刚有人问，哪些是目前国内可以用得到的一些数据科学家分析的工具，正好公司有同事是这方面的专家，请教了下，如下：
1、SPSS：主要用于数据建模工作，功能稳定且强大，能够满足中小企业在业务模型建立过程中的需求。
2、BitDeli
BitDeli是今年11月份在旧金山成立的一家初创公司。它能衡量出任何使用Python脚本的应用程序的指标，联合创始人兼CEO Ville Tuulos告诉Derrick，脚本可以很简单，也可以很复杂——甚至未来可以延伸到机器学习。不过和“重量级选手”Hadoop相比，BitDeli自认为是一个轻量级的Ruby。
3. Continuuity
Continuuity是前Yahoo首席云架构师Todd Papaioannou和Facebook HBase的工程师Jonathan Gray的心血结晶，Continuuity想让所有的公司都能像Yahoo、Facebook一样运营。该团队创建了一个大数据工具，它可以简化Hadoop以及HBase集群的复杂性，而且包含一系列开发套件，旨在帮助程序员开发大数据应用，该平台采用Hadoop技术，允许开发者在防火墙内外对大数据应用软件进行部署、扩展和管理。公司联合创始人兼首席执行官Todd Papaioannou表示，作为一家初创企业，Continuuity正在试图掀起下一波大数据应用软件的浪潮，公司所提供的工具能够大大提高处于开发状态的软件不同部分与阶段的扩展性。
4. Flurry
Flurry是移动应用统计分析领域里的标杆，正因为在行业内独特的优势，它每年的营收高达一亿美元。Flurry拥有非常全面的功能，不仅仅只是帮助开发者构建移动应用，它还帮助开发者分析所有的数据，进而产生更大的效益。其实数据也支撑了该公司的广告网络，他们通过数据分析可以帮助开发者推送准确的广告到需要的用户面前。不过单纯从移动应用的数据统计功能来看，Flurry绝对是处于领先地位。其功能模块设置合理，分析维度全面，分析流程也易于理解。

4. 大数据分析变的如此简单

大数据分析变的如此简单

现如今数据已经无处不在，而且正在成为一种新的自然资源。有机构预测，到2015年，数据和分析市场估计将达到1870亿美元的规模。为了把握这个重要的增长市场，“云蛙数据”已经从技术和专业知识两个方面进行不断积累，在数据挖掘和数据分析两个方面建立起全国领先的产品和服务能力。“云蛙数据”自主研发的多维数据分析系统(GmmCube)目前是世界上领先的多维数据分析系统，相比同类产品，主要竞争优势在于：能降低管理和实施的成本，能快速进行部署，也可以大幅度增强扩展性和可靠性。

同时，该产品面向的是BI(商业智能)市场，商业智能被人们称为“混沌世界中的智能”，它代表为提高企业运营性能而采用的一系列方法、技术和软件，能够从传统业务系统中获取各类客户数据和业务数据，由此建立多层次的分析体系，并将其转化成有商业意义的信息。BI市场目前在中国处于起步发展阶段，但发达国家的多数大中型企业都采用BI应用软件，其应用领域涉及到企业经营活动中的各个方面，而GmmCube在云存储的基础上，可根据用户量身打造BI应用软件，一对一进行服务，这是GmmCube的一大优势。

该系统有以下明显优势：

1、对数据处理分析更快速性能，以相当固定的速度向用户提交信息。大多数查询可在3秒或更短时间内提交给用户。

2、对海量数据更便捷的可分析性，系统能够处理与应用有关的任何逻辑分析和统计分析。用户无需过多编程就可以定义新的专门计算，将其作为分析的一部分，并以用户理想的方式给出报告。

3、更好的共享性，在大量用户之间实现潜在地共享秘密数据所必需的安全性需求。

4、更灵活的多维性，多维性是OLAP的关键属性。本系统提供对数据的多维视图和分析，包括对层次维和多重层次维的完全支持。事实上，多维分析是分析企业数据最有效的方法，是OLAP的灵魂。

5、更有效管理大数据信息性，不论数据量有多大，也不管数据存储在那里，本OLAP系统均能及时获得信息，并且管理大容量信息。

以上是小编为大家分享的关于大数据分析变的如此简单的相关内容，更多信息可以关注环球青藤分享更多干货

5. 大数据分析前景好吗

大数据分析的产生旨在于IT管理，企业可以将实时数据流分析和历史相关数据相结版合，然后大数据权分析并发现它们所需的模型。反过来，帮助预测和预防未来运行中断和性能问题。进一步来讲，他们可以利用大数据了解使用模型以及地理趋势，进而加深大数据对重要用户的洞察力。他们也可以追踪和记录网络行为，大数据轻松地识别业务影响;随着对服务利用的深刻理解加快利润增长;同时跨多系统收集数据发展IT服务目录。

6. 大数据行业2015年年终总结_大数据工作人员年终总结

可参考下文

9个关键字写写大数据行业2015年年终总结

2015年，大数据市场的发展迅猛，放眼国际，总体市场规模持续增加，随着人工智能、物联网的发展，几乎所有人将目光瞄准了“数据”产生的价值。行业厂商Cloudera、DataStax以及DataGravity等大数据公司已经投入大量资金研发相灶配关技术，Hadoop供应商Hortonworks与数据分析公司NewRelic甚至已经上市。而国内，国家也将大数据纳入国策。

我们邀请数梦工场的专家妹子和你来聊聊2015年大数据行业九大关键词，管窥这一年行业内的发展。

战略：国家政策

今年中国政府对于大数据发展不断发文并推进，这标志着大数据已被国家政府纳入创新战略层面，成为乱斗国家战略计划的核心任务之一：

2015年9月，国务院发布《促进大数据发展行动纲要》，大力促进中国数据技术的发展，数据将被作为战略性资源加以重视;

2015年10月26日，在国家“十三五”规划中具体提到实施国家大数据战略。

挑战：BI(商业智能)

2015年对于商业智能(BI)分析市场来说，正隐陪指由传统的商业智能分析快速进入到敏捷型商业智能时代。以QlikView、Tableau和SpotView为代表的敏捷商业智能产品正在挑战传统的IBMCognos、SAPBusinessObjects等以IT为中心的BI分析平台。敏捷商业智能产品也正在进一步细化功能以达到更敏捷、更方便、适用范围更广的目的。

崛起：深度学习/机器学习

人工智能如今已变得异常火热，作为机器学习中最接近AI(人工智能)的一个领域，深度学习在2015年不再高高在上，很多创新企业已经将其实用化：Facebook开源深度学习工具“Torch”、PayPal使用深度学习监测并对抗诈骗、亚马逊启动机器学习平台、苹果收购机器学习公司Perceptio同时在国内，网络、阿里，科大讯飞也在迅速布局和发展深度学习领域的技术。

共存：Spark/Hadoop

Spark近几年来越来越受人关注，2015年6月15日，IBM宣布投入超过3500名研究和开发人员在全球十余个实验室开展与Spark相关的项目。

与Hadoop相比，Spark具有速度方面的优势，但是它本身没有一个分布式存储系统，因此越来越多的企业选择Hadoop做大数据平台，而Spark是运行于Hadoop顶层的内存处理方案。Hadoop最大的用户(包括eBay和雅虎)都在Hadoop集群中运行着Spark。Cloudera和Hortonworks将Spark列为他们Hadoop发行的一部分。Spark对于Hadoop来说不是挑战和取代相反，Hadoop是Spark成长发展的基础。

火爆：DBaaS

随着Oracle12cR2的推出，甲骨文以全新的多租户架构开启了DBaaS(数据库即服务Database-as-a-Service)新时代，新的数据库让企业可以在单一实体机器中部署多个数据库。在2015年，除了趋势火爆，12c多租户也在运营商、电信等行业投入生产应用。

据分析机构Gartner预测，2012年至2016年公有数据库云的年复合增长率将高达86%，而到2019年数据库云市场规模将达到140亿美元。与传统数据库相比，DBaaS能提供低成本、高敏捷性和高可扩展性等云计算特有的优点。

7. 大数据行业发展现状与未来前景分析

近年来，全球正大步迈向大数据新时代，数据的高效存储、处理和分析等需求也越来越旺盛。在此背景下，行业大数据得以高速发展，应用于各个领域，根据IDC发布的有关数据预测，2025年市场规模将达到19508亿元的高点。

全球大数据储量呈爆发式增长

随着信息通信技术的发展，各行各业信息系统采集、处理和积累的数据量越来越多，全球大数据储量呈爆炸式增长。根据国际数据公司(IDC)的监测数据显示，2013年全球大数据储量为4.3ZB(相当于47.24亿个1TB容量的移动硬盘)，2014年和2015年全球大数据储量分别为6.6ZB和8.6ZB。近几年全球大数据储量的增速每年都保持在40%，2016年甚至达到了87.21%的增长率。2016年和2017年全球大数据储量分别为16.1ZB和21.6ZB，2018年全球大数据储量达到33.0ZB，2019年全球大数据储量达到41ZB。

—— 以上数据及分析均来自于前瞻产业研究院《中国行业大数据市场发展前景预测与投资战略规划分析报告》。

8. 大数据的作用

大数据的作用：大数据，又称巨量资料，其特点在于数据量大、速度快、类型多和具有真实性。随着大数据时代的来临，大数中简态据分析也应运而生。
大数据分析是指对规模巨大的数据进行分析，其包括的主要方面有可视化分析、数据挖掘算法、预测性分析能力、语义引擎，以及数据质量和数据管理。之所以说大数据分析能够比我们更了解自己，主要依据在于大数据分析是一种借助于科技手段卖源对现有数据进行分析的过程，这一过程中的每一个环节都严格按照已写好的软件程式进行运算，不会受到人的主观意识影响，也不会受到外界环境的影响，也就是说，通过大数据分析出的结果更具有客观性和咐贺精确性。

9. 互联网保险 大数据分析

一、互联网保险创新的现状
根据中国保险行业协会在2015年年初发布的《互联网保险行业发展报告》显示，针对经营互联网保险业务的公司分类，人身险公司有44家，财产险公司有16家，总体占全行业133家产寿险公司的45%。包括中国人保财险、泰康人寿、平安人寿、太平洋保险、天安财险等在内的多家险企已率先在线上跑马圈地，中国保险公司与互联网的深度融合已全面到来。
首先在监管层面，上个月，酝酿已久的《互联网保险业务监管暂行办法》终于由中国保监会发布，这标志着中国互联网保险业务基础监管规范的形轿返悉成。《办法》以鼓励创新、防范风险和保护消费者权益为基本思路，从经营条件、经营区域、信息披露、监督管理等方面明确了互联网保险业务经营的基本规则；规定了互联网保险业务的销售、承保、理赔、退保、投诉处理及客户服务等保险经营行为应由保险机构管理负责；强化了经营主体履行信息披露和告知义务的内容和方式，着力解决互联网自主交易中可能存在的信息不透明、信息不对称等问题，以最大限度保护消费者的知情权和选择权。
其次在保险主体方面，早在2013年，中国人保就推出“掌上人保”，并号称是指尖上的保险；去年，以“理赔简单，就在天安”为口号的天安财险“车易赔”APP在全国上线；随后，“中国太保”“大地通保”、“泰康在线”等保险在线服务平台如雨后春笋般出现，可见，拼服务、拼体验已经成为各家保险主体竞争的主要方向。同时，各家保险公司在立足保险本身的同时，从渠道上也不断向外围延伸，分别与P2P平台、信用保证机构等开展不同程度的合作。以下是中国保险行业协会从服务创新、技术创新、渠道创新等三个方面对2014年60家提供互联网服务的产、寿险公司进行评价后的前15名榜单：
二、互联网保险创新背后的风险
应该说基于提升客户体验的互联网保险创新，方向是对的。互联网保险作为一个新兴的领域，发展空间巨大，但同时互联网保险创新也带来一系列风险和问题。从目前已经暴露的风险来看，主要包括保险产品创新异位、消费者投诉急剧增加、消费者道德风险敞口扩大、风险评估和控制不到位等。
（一）保险产品创新异位
自2013年底由“三马”投资的众安在线成立以来，带动了中国各大保险主体在保险产品上的创新热潮。盗刷险、高温险、退货险、喝麻险、世界杯足球流氓险等创新险种不断涌现，寿险公司也相继推出求关爱、爱升级、救生圈等所谓的基于微信平台的“扔捞”产品，名字一个比一个花哨，其中，不乏一些险种初具规模，但更多的是为创新而创新。如世界杯足球流氓险从头到尾就没卖出几份，导致本来就比较便宜的3元/份，到后期直接降价到1分钱/份，变成了一个十足的噱头。更有甚者，开发出雾霾险、赏月险、摇号险等，严重脱离保险的本质。
（二）消费者投诉急剧增加
据保监会近日公布的《关于2015年上半年保险消费者投诉情况的通报》显示，2015年上半年，中国保监会12378投诉维权热线全国转人工呼入总量157544件，同比上升40.24%。而其中，捆绑销售互联网产品的投诉占据一定比例，究其原因，很多保险主体互联网保险业务发展迅速，但管理和服务能力严重不足，片面注重销售前端网络化，后台运营管理却仍是传统思维，前端和后台不配套，买时容易退时难，从而导致消费者投诉。
（三）消费者道德风险敞口扩大
目前，各家保险主体在理赔服务上基本上都推出了简易赔付，即保险公司对于一定金额以下（2000-10000元不等）的保险事故实行简易赔付，消费者通过保险公司自己推出的APP平台，或拍照、或视频，将事故现场信息传输到保险公司后台，保险公司审核确认后立刻赔付，全程一般在5分钟左右时间世拿完成。应该说这种做法极大地简化了理赔程序，缩短了理赔时间，方便了消费者。但是，客观地讲，我们也不得不面对当下国内的基本现状，国民的平均道德水准有待提高，修理厂、4S店有组织地批量造假，保险欺诈层出不穷，这些无疑都将保险公司的风险敞口无限扩大。
（四）风险评估和管理不到位
保险从本质上是风险转移的安排，应该有可量化的数据支撑，目前，很多产品的创新，缺少基本的费率厘定、成本测算等程序。同时，保险闭乎讲究的是大数法则，如果一款产品不能具备一定规模，赔付水平就会极不稳定，风险管理也就无从谈起。
三、互联网保险创新的风险管理
（一）保险产品创新：回归本质
保险，在法律和经济学意义上，是一种风险管理方式。因此，保险产品创新的基本原则和底线是创新的产品具有风险管理的可能性，即通过经验的积累和有效的管理措施能够降低保险标的风险。这也就是一般情况下地震、飓风等不可抗力不列入保险范围的根本原因，因为到目前为止，人类还无法通过自身的行为影响上述事件的发生。反观现在的保险产品创新，雾霾险也好，赏月险也罢，甚至是高温险，基本上都突破了上述这一基本原则。
之所以会出现现在这种情况，我想主要有两个方面原因，一是保险本身，在目前的保险市场上，规模产品的同质性非常严重，基本相同的条款，基本相同的费率，基本相同的服务，在这种情况下，产品创新的目标已经不再是客户的“需求”，而是客户的“眼球”。记得若干年前，有一个保险公司开发了一个险种叫“酒驾险”，从始至终没卖出一份保单，但公司从上到下都非常开心，因为这个产品在当时引起了包括新闻媒体、监管部门、同业公司以及消费者的极大关注，很好地提高了公司的知名度。二是与目前整个社会的大环境有关，当下，从集体到个体，在物质和经济的指挥下，每一个社会组织和细胞都在极力获取尽量多的资源，而忽视了资源本身的效用和价值。正像有一句话所说，走着，走着，忘记了出发的目的。
（二）保险风险管理：大数据为器
1.大数据在费率厘定中的应用。保单的费率设定是保险公司风险管理的源头，也是一项非常重要的工作，主要目的是使设定的费率对应于投保人的风险等级，风险越小，费率越低，尽量做到公平。确定费率较为关键的问题就是找出“影响赔付支出的风险因素或变量”，其实生命表就是“影响赔付支出的风险因素或变量”之一年龄的一个分类。再如，在车险定价中城市交通的拥挤程度、驾驶员的年龄、驾龄、性别、汽车的新旧程度等都可能是“影响赔付支出的风险因素或变量”，而这些因素或变量就是可以通过大量数据分析和处理来确定。
2.大数据在风险评估中的应用。在大数据时代，风险评估已经不仅仅局限于公司的历史数据、行业的历史数据，无论是风险特征的描述还是数据资源的获取都更加便利。首先在占据财产险市场70%以上份额的车险领域，保险公司可以获取三个层级数据来支撑风险评估，第一层级是核心层，包括公司和行业数据，第二层级是紧密层，包括车型、汽车零整比、二手车等数据；第三层级是外围移动层，包括利用车载传感设备收集驾驶员行为数据等。同时，对于保险公司的精算师来讲，更多、更广的数据获取，可以更精确地识别个体对象的潜在风险，建立更加有效的数据模型，不断改善和提高精算的精准程度，以帮助判断和评估风险以及风险准备金。
3.大数据在反理赔欺诈中的应用。在确保数据资源的情况下，通过完整的、多样化的数据（数据包括但不限于公司内部保单及理赔历史记录、行业数据、征信记录、公共社交网络数据、犯罪记录等），辅之以有效的算法和模型，来识别理赔中可能的欺诈模式、理赔人潜在的欺诈行为以及可能存在的欺诈链条，应该是未来反理赔欺诈的主要方向。而对于整个中国保险行业来讲，尽快建立起一套行业级的保险数据信息平台，是反理赔欺诈的关键。目前，上海、江苏等省市已经实现理赔信息数据共享，在这些地区反理赔欺诈行为的成效明显提高。
4.大数据在保险行业风险管理中应用之核心—数据整合。目前保险公司的数据有行业平台的同业数据、前端客户APP导入（或现场出单）数据，中端中介、渠道、理赔、呼叫数据，后端财务收付数据，另外，还有定价系统的汽车零配件数据、人事系统的人员数据、稽核审计风控系统的风控数据等，种类繁多和庞杂，因此，急需建立大数据平台进行数据整合，统一数据存储和传递标准，并将不同系统进行数据打通，再根据不同需要进行数据挖掘。
（三）保险风险控制：新技术应用
未来，新技术、新设备的应用将成为保险行业风险控制的主要途径。在承保环节，基于大数据基础的数据分析技术将在第一时间立体呈现保险标的各项数据和特征，为承保决策和政策提供第一手资料，从源头控制风险。在理赔环节，新技术、新设备同样将被广泛应用。在车辆保险领域，通过装载在车上的无线电子设备，运用通讯网络，实现对车辆、道路以及行车驾驶员进行静、动态信息提取和行为记录，从而监督行车驾驶员人的行为风险和道德风险，并进行出险前预防、出险中响应和出险后处理，从而使保险事故管理变被动为主动，降低理赔成本。在人寿保险领域，利用能够实时监控人体健康情况的可穿戴设备，来获取和细分不同群体、不同年龄的人体健康和生死概率，并适时向客户提供饮食、健身等方面的建议，从而降低投保人的医疗费用。在家庭财产险领域，通过智能家居系统对住宅进行远程监控并及时发现和缓解风险，当家中发生煤气泄漏或水管爆裂，可自动关掉阀门，从而减轻损失等。
任何事物的发展，都要有与之相对应的配套管理措施，互联网保险创新也不例外。今后相当长一段时间，互联网保险创新都将在路上，基于互联网保险创新的风险管理也必将亦步亦趋，紧紧跟随。

扩展阅读：【保险】怎么买，哪个好，手把手教你避开保险的这些"坑"

10. IBM Power全面推动大数据分析发展

IBM日前在2015中国大数据技术大会上分享了其在大数据分析领域的最新成果，阐述了面向大数据分析领域的IT基础架构的最新战略。针对企业在认知时代面临的大数据分析工作负载，IBM坚信要以全新的IT基础架构作为支持。凭借产品和解决方案的持续革新，IBM致力于助力大数据应用创新，通过打造基于Power的本地生态系统，全面推动本地大数据分析技术的发展。

随着互联网和移动互联网技术的进一步发展，在数据量激增的同时，数据类型也变得更为复杂多样。如何快速处理这些数据使其产生价值，如何结合结构化与非结构化数据分析进行预测、推理、感知的判断并采取相应行动，成为企业亟须思考的难题。面对当前挑战，企业需要能够处理和分析大量结构化与非结构化数据，具备高可靠性和经济效益的认知系统。未来，随着数据量的进一步增长，企业将需要一个具备更强事务处理能力、更灵活调配系统架构的领先IT 基础架构。

IBM Power一直致力于凭借领先的IT基础架构，满足企业的大数据分析需求，帮助企业实现数字化转型。针对大数据分析与认知工作负载，IBM今年推出了多款Power产品。Power Systems LC服务器基于OpenPOWER基金会创新成果，针对企业大数据分析工作负载，能够提供比同等x86服务器更快的速度及更低的成本，帮助客户实现便捷、快速的部署。此外，IBM不仅凭借基于POWER8的Linux专属服务器帮助用户发展新兴应用，还通过企业级高性能Linux分区服务器为用户的关键应用提供支持，帮助企业发展新兴工作负载、实现业务转型。

着眼未来趋势，IBM坚信认知技术与思维是满足企业发展需要不可或缺的一部分。作为IBM在认知计算领域的卓越代表，沃森（Watson）在大数据处理与分析方面已取得突破性成就，拥有分析海量数据、处理并行复杂数据以及快速判断和应答响应等卓越能力。基于由IBM Power平台构建的高性能运算基础架构的支持，IBM正联合多家合作伙伴，推动沃森的应用。

除了不断革新Power硬件平台，IBM还通过对本地人才的培养推动大数据应用的创新。今年，IBM已联手CSDN成功举办了8期POWER8极限挑战赛，吸引了逾万人次参赛。IBM也成功举办了十余次培训沙龙，为开发者带来更多学习和交流的机会。此外，IBM还以不同形式联合合作伙伴为本地开发者提供基于Power的开源技术创新环境，帮助开发者加速其创新进程。

为提升本地合作伙伴的能力，IBM还与合作伙伴联手，积极推动本地开源技术生态系统的构建。在IBM“中国合伙人”战略的引领下，IBM与CSDN等伙伴联手启动Linux开源生态系统联盟，基于IBM多年来为开源领域提供的先进支持，携手国内ISV、开源技术社区、企业用户、创投公司等多方力量，共同打造一个基于Power技术的开源技术生态圈。IBM还联手OpenPOWER基金会成员推出了全新硬件加速ISV支持计划，为本地ISV免费提供基于RedPOWER服务器以及赛灵思FPGA的云端开发及测试环境，帮助ISV提升大数据、云计算等新兴技术研发能力，促进第二代分布式计算的发展。

IBM副总裁、大中华区硬件系统部总经理郭仁声表示：“认知时代的到来标志着信息技术的发展步入了全新阶段，也对企业的IT基础架构提出了更为严苛的要求。为了帮助企业更好地处理、分析数量庞大的结构化和非结构化数据，IBM Power将凭借扎实的硬件基础和深入的行业洞察，帮助企业构建全新的IT基础架构，更好地应对当前和未来包括大数据在内的种种挑战。”