大数据应用之道艳琳

Ⅰ 大数据具体是做什么有哪些应用

大数据即海量的数据，一般至少要达到TB级别才能算得上大数据，相比于传统的企业内数据，大数据的内容和结构要更加多样化，数值、文本、视频、语音、图像、文档、XML、HTML等都可以作为大数据的内容。

提到大数据，最常见的应用就是大数据分析，大数据分析的数据来源不仅是局限于企业内部的信息化系统，还包括各种外部系统、机器设备、传感器、数据库的逗吵渣数据，如：政府、银行、国计民生、行业产业、社交网站等数据，通过大数据分析技术及工具将海量数据进行统计汇总后，以图形图表的方式进行数据展现，实现数据的可视化，在此基础上结合机器学习算法，对数据进行深度挖掘，发掘数据的潜在价值。

应用部分，大数据不仅包括企业内部应用系统的数据分析，还包括与行业、产业的深度融合，大数据分析的应用场景具有行业性，不同行业所呈现碰肢的内容与分析维度各不相同，具体场景包括：互联网行业、政府行业、金融行业、传统企业中的地产、医疗、能源、制造、电信行业等等。

1.互联网行业大数据的应用代表为电商、社交、网络检索领域，可以根据销售数据、客户行为（活跃度、商品偏好、购买率等）数据、交易数据、商品收藏数据、售后数据等、搜索数据刻画用户画像，根据客户的喜好为其推荐对应的产品。

2.政府行业在大数据分析部分包括质检部门、公安部门、气象部门、医疗部门等，质检部门包括对商品生产、加工、物流、贸易、消费全过程的信息进行采集、验证、检查，保证食品物品安全；气象部门通过构建大气运动规律评估模型、气象变化关联性分析等路径，精准地预测气象变化，寻找最佳的解决方案，规划应急、救灾工作。

3.金融行业的大数据分析多应用于银行、证券、保险等细分领域，在大山悄数据分析方面结合多种渠道数据进行分析，客户在社交媒体上的行为数据、在网站上消费的交易数据、客户办理业务的预留数据，结合客户年龄、资产规模、消费偏好等对客户群进行精准定位，分析其在金融业的需求等。

4.传统行业包括：能源、电信、地产、零售、制造等。电信行业借助大数据应用分析传感器数据异常情况，预测设备故障，提高用户满意度；能源行业利用大数据分析挖掘客户行为特征、消费规律，提高能源需求准确性；地产行业通过内外部数据的挖掘分析，使管理者掌握和了解房地产行业潜在的市场需求，掌握商情和动态，针对细分市场实施动态定价和差别定价等；制造行业通过大数据分析实现设备预测维护、优化生产流程、能源消耗管控、发现潜在问题并及时预警等。

伴随着信息化的快速发展、数据量加大，已经进入数据时代，相信各行业间日后对于大数据的应用会更多、更深入。

Ⅱ 大数据赋能：如何利用大数据驱动，精细化运营

互联网时代，很明显的一个特征就是大多数信息都是以数据的形式进行记录，大数据的产生，简化了人们对世界的认知。通过将人的行为转化成无数个可以量化的数据节点，从而为人提供了一个“数据画像”。

大数据等技术的出现，给平台提供多样化的营销渠道，比如千人千面的商品推荐，C2M式的需求定制等。类似这样的大数据应用，既能提高用户体验又能提升平台效率。

1、大数据时代，数据如何驱动运营 

在大数据的驱动下，呈现给用户的内容都是经过算法精密筛选的。

当你打开资讯类APP时，算法根据你的历史浏览类别算出你的阅读偏好，据此向你推荐内容；当你打开短视频APP时，你刷到的视频都是你感兴趣并且关注的标签内容；当你使用打车软件时，算法给你推荐你可能会选择的出租车和价格……

经过算法推荐，用户阅读到的都是自己感兴趣或与自己生活圈子相关的信息内容，不感兴趣或者观点相左的内容会被算法过滤。

2、大数据识别有价值信息，辅助决策 

对于大数据来说，它不仅面临着如何识别一些重要的信息，而且还要将这些用于决策。

目前业内对于大数据的分析更多地注重在数据识别、储存、定性描述相关分析等领域。

大数据分析的优点不在于“大”，而在于“准”，尤其在这个信息量大的时代，采用哪些数据进行分析，从而得出更准确的结论则更重要。

3、大数据连接、赋能、跨行业数字化 

通过数据对不同行业赋能，帮助不同行业进行数据价值挖掘。传统行业和数据行业结合的点在于将线上和线下的资源打通。例如新零售在大数据的赋能下，将广告和营销做结合，能够清晰的看到你的用户长成什么样。

4、如何解读数据成了非常重要的技能 

互联网时代，人人都在说大数据、数据分析、数据运营。数据是为你的工作提供反馈和指导的工具，数据会告诉你问题出在哪里；你想达到一个运营推广目标，数据会告诉你途径和方法。

5、企业如何利用大数据分析精准运营 

无疑，大数据时代，数据资产已成为企业的核心竞争力。但数据在手，不会运用它，就会变得没有价值。在当下企业数字化浪潮中，数据是企业转型的基础元素，如何将企业不同业务、类型的数据应用起来，推动企业运营，增加收入、降低成本、提高效率，控制风险等，是很多企业面临的难点。

数据对运营的重要性已不言而喻，互联网平台更是以数据驱动运营。产品研发从立项开始已经受到数据的驱动，而运营过程中的产品设计优化、市场渠道推广、用户需求、用户行为和用户价值等运营活动更离不开数据。

那么，数据从何而来呢？

构建数据需求： 构建平台关心的数据需求，围绕着用户的需求展开，通过数据卖点制定重要事件的采集。可以从数据上，明确看到你的用户增加、流失、渠道来源，从而帮助你做更好的数据管理，提升投放效率。

数据报表呈现： 数据采集完之后通过动态计算，形成报表，了解你关心数据的升降，你的运营、产品是否有效提升，都能在报表数据得到体现。

在精细化运营的大背景下，学会用数据分析来弄清用户从哪来、对什么感兴趣、为什么流失尤为重要。

01、用户分群，寻找更多的核心用户

用户分群本质来上来说，就是将用户分割成很多的群体，详细的看每个群体用户特征。最经典的用户模型是R（最近购买时间）F（频次）M（消费金额），三个维度画出九宫格立体的象限，了解你最高价值客户的分布和特征，辅助你进行决策。同时，通过高活跃核心用户的运营，能够帮助你理解你的客户。

02、营销转化漏斗分析

互联网营销就像个漏斗，线上曝光后，客户在浏览所发布的内容时，被层层过滤和筛选，没有需求的、与目标客群不符的都会离开，直到意向客户的预约。

03、客户浏览来源分析

互联网营销要在线上的各个渠道曝光，建立线上营销矩阵，官网、APP、公众号、小程序、朋友圈等等，哪个渠道的推广效果好，客户浏览多，对后期的投放具有非常重要的指导意义，更好的发挥自身的优势，同时弥补短板。

互联网运营是个循序渐进的过程，大数据分析可以帮助你加快和不断完善这个过程。我们来看看中移互联网大数据如何通过大数据技术分析，真正从数据“触摸”获得实际价值。

中移互联网大数据平台-利用数据驱动运营

中移互联网大数据产品有数通过专业的SDK数据采集，经过大数据平台服务分析，提供专业的运营数据分析、用户画像分析、渠道分析、以及自定义事件分析等，实现数据化管理与运营。

帮助企业洞察用户画像和行为，根据用户画像结合实时用户数据，精准定位目标用户，实时了解用户行为变化，从中发现用户需求的改变，及时调整运营策略，降低业务推广成本，实现效益最大化。

帮助企业随时掌握各项数据，包括应用分析和网页分析（含H5），提供全面准确的运营分析、用户分析、渠道分析等系列服务，并输出相应的数据报表。完美的解决了企业无法获取应用或网页运营分析数据、无法分析渠道投放效果、无法统计应用收入情况等疑难问题。

Ⅲ 大数据时代下，如何更好的保护个人信息

在大数据时代下如何保护好个人信息？

大数据分析能够轻易计算出一个人的各种喜好，判断一个人做出某种行为的几率。可以说掌握了用户的信息就掌握了财富的密码。而网络的进步让原本就容易泄露的个人信息变得更加透明。如何保护成了人们指的思考的事情，以下几点可以帮助人们更好地保护个人信息：

一、软件购物时避免使用真名

在软件上购物时用户姓名的位置可以是任意的名字，比如彭于晏老婆等等，但不要使用自己真实的姓名，姓名和手机号是很微妙的组合，通过快递公司等，这些信息很可能会泄露给电信诈骗方。

信息保护

Ⅳ 什么是大数据有什么特征与性质

大数据必然无法用单台的计算机进行处理，必须采用分布式架构。大数据也是具备有一定的特征与性质的。以下是由我整理的大数据的内容，希望大家喜欢!

大数据的主要介绍
大数据(big data)，指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产，

在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法(抽样调查)这样捷径，而采用所有数据进行分析处理。大数据的5V特点(IBM提出)：Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)、Veracity(真实性)。
大数据的特征
容量(Volume)：数据的大小决定所考虑的数据的价值和潜在的信息;

种类(Variety)：数据类型的多样性;

速度(Velocity)：指获得数据的速度;

可变性(Variability)：妨碍了处理和有效地管理数据的过程。

真实性(Veracity)：数据的质量

复杂性(Complexity)：数据量巨大，来源多 渠道

价值(value)：合理运用大数据，以低成本创造高价值
大数据的意义
现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，大数据就是这个高科技时代的产物。[7] 阿里巴巴创办人马云来台演讲中就提到，未来的时代将不是IT时代，而是DT的时代，DT就是Data Technology数据科技，显示大数据对于阿里巴巴集团来说举足轻重。

有人把数据比喻为蕴藏能量的煤矿。煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似，大数据并不在“大”，而在于“有用”。价值含量、挖掘成本比数量更为重要。对于很多行业而言，如何利用这些大规模数据是赢得竞争的关键。

大数据的价值体现在以下几个方面：

1)对大量消费者提供产品或服务的企业可以利用大数据进行精准营销

2) 做小而美模式的中小微企业可以利用大数据做服务转型

3) 面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值

不过，“大数据”在经济发展中的巨大意义并不代表其能取代一切对于社会问题的理性思考，科学发展的逻辑不能被湮没在海量数据中。著名经济学家路德维希·冯·米塞斯曾提醒过：“就今日言，有很多人忙碌于资料之无益累积，以致对问题之说明与解决，丧失了其对特殊的经济意义的了解。”这确实是需要警惕的。

在这个快速发展的智能硬件时代，困扰应用开发者的一个重要问题就是如何在功率、覆盖范围、传输速率和成本之间找到那个微妙的平衡点。企业组织利用相关数据和分析可以帮助它们降低成本、提高效率、开发新产品、做出更明智的业务决策等等。例如，通过结合大数据和高性能的分析，下面这些对企业有益的情况都可能会发生:

1)及时解析故障、问题和缺陷的根源，每年可能为企业节省数十亿美元。

2)为成千上万的快递车辆规划实时交通路线，躲避拥堵。

3)分析所有SKU，以利润最大化为目标来定价和清理库存。

4)根据客户的购买习惯，为其推送他可能感兴趣的优惠信息。

5)从大量客户中快速识别出金牌客户。

6)使用点击流分析和数据挖掘来规避欺诈行为。
大数据的结构
大数据就是互联网发展到现今阶段的一种表象或特征而已，没有必要神话它或对它保持敬畏之心，在以云计算为代表的技术创新大幕的衬托下，这些原本看起来很难收集和使用的数据开始容易被利用起来了，通过各行各业的不断创新，大数据会逐步为人类创造更多的价值。

其次，想要系统的认知大数据，必须要全面而细致的分解它，我着手从三个层面来展开：

第一层面是理论，理论是认知的必经途径，也是被广泛认同和传播的基线。在这里从大数据的特征定义理解行业对大数据的整体描绘和定性;从对大数据价值的探讨来深入解析大数据的珍贵所在;洞悉大数据的发展趋势;从大数据隐私这个特别而重要的视角审视人和数据之间的长久博弈。

第二层面是技术，技术是大数据价值体现的手段和前进的基石。在这里分别从云计算、分布式处理技术、存储技术和感知技术的发展来说明大数据从采集、处理、存储到形成结果的整个过程。

第三层面是实践，实践是大数据的最终价值体现。在这里分别从互联网的大数据，政府的大数据，企业的大数据和个人的大数据四个方面来描绘大数据已经展现的美好景象及即将实现的蓝图。
大数据的应用
洛杉矶警察局和加利福尼亚大学合作利用大数据预测犯罪的发生。

google流感趋势(Google Flu Trends)利用搜索关键词预测禽流感的散布。

统计学家内特.西尔弗(Nate Silver)利用大数据预测2012美国选举结果。

麻省理工学院利用手机定位数据和交通数据建立城市规划。

梅西百货的实时定价机制。根据需求和库存的情况，该公司基于SAS的系统对多达7300万种货品进行实时调价。

医疗行业早就遇到了海量数据和非结构化数据的挑战，而近年来很多国家都在积极推进医疗信息化发展，这使得很多医疗机构有资金来做大数据分析。
大数据的主要特点
第一，数据体量巨大。从TB级别，跃升到PB级别。

第二，数据类型繁多，如前文提到的网络日志、视频、图片、地理位置信息，等等。

第三，价值密度低。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。

第四，处理速度快。1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器，无一不是数据来源或者承载的方式。

Ⅳ 大数据时代的百货经营变革

大数据时代的百货经营变革

曾有人评论，马云之所以成功，就在于其通过支付宝和评价体系重塑了人与人之间的信任关系。而传统百货的O2O变革，将在大数据的助力下重塑人与商业、人与商品、人与服务、人与体验乃至于人与世界之间的了解与信任。

传统百货的现行O2O之路——被动的挣扎

百货行业投身于O2O转型背后的最大动力，毫无疑问是来自电商的冲击。

据华润创业方面的分析，来自电商行业的竞争对赢利造成了冲击，影响零售业务同店销售同比下降2.6%。广州友谊在年初也曾表示，去年网络零售对市场份额的分流明显，传统零售行业整体增长进一步放缓，多重困难与挑战交织。而王府井百货同样在公告中宣称，互联网零售和跨境电商的迅猛发展，对该公司以及行业的收入增长造成一定影响。

遗憾的是，传统百货业面对这一轮冲击后最初的反应，并不是一种基于对电商及自身特点理性分析后的沉着应对，而更多展现出的是一种惊慌失措之后的应激反应，这里最为典型的一个标志性行为便是自建B2C商城。据统计，2014年中国连锁经营协会百强调查所公布的50家主要百货企业中，有36家已经开展网络零售业务，多为自建B2C平台。

自建B2C平台行为本身并无可厚非，但其却折射出传统百货业从业者一个相对狭隘的竞争思维定式——就如同和过去的竞争对手拼商品一样，如果你某样商品卖得好，那么我也花力气引进并且卖得便宜就能赶超你!就这样，传统百货竞争力减弱的问题，被简单地解读为线上渠道的缺失，进而采取了同样简单粗暴的处理方式——自建线上渠道。其结果是显而易见的，尽管投入惊人，但无论是流量还是销售额均无法与纯电商抗衡，传统百货线上渠道的规模化发展遥遥无期。

部分企业选择了入驻开放平台的策略，虽然能够有效减少自身投入，但因为没有平台的主动权和话语权，很难取得突破性的成长。随着移动互联网的兴起，很多传统百货又开始投身于争夺移动端入口的竞争中，各个百货的APP层出不穷，但其结果与自建B2C平台大同小异。

尽管很多传统百货在形式上实现了多渠道的O2O模式，可实际上给企业带来的只有巨额的投入和不成比例的流量及销售额。以王府井百货为例，其电子商务项目建设一直面对着亏损严重的问题。据年报数据显示，截至2014年，王府井电子商务项目亏损已达到4206.28万元。

毋庸讳言，当下大部分传统百货的O2O转型，本质上是被电商所带来的焦虑驱动的，这使得它们的O2O之路从一开始便迷失了方向。

全渠道，看似美丽

在2014年，还出现了这样一个有趣的现象，在很多传统零售企业的思想中，比O2O热度更胜一筹的一个关键词是“全渠道”。

他们都觉得O2O太虚，不如全渠道实在。

这一点从很多企业的战略报告中就能够得以显现，“全渠道”的词频远超“O2O”，很多行业峰会上也将“全渠道”作为“O2O”的代名词。

这背后隐含的社会心理不难分析：“O2O”太深、太远、太晦涩，谁也一句话说不清楚，给人一种极其强烈的不安全感。而“全渠道”就不一样了，有渠道就意味着有客流量，有客流量就意味着能带来销售和利润，如果渠道能变全，那么将能带来更多的销售和利润，缓解目前传统百货的经营颓势。

这种简单的逻辑最容易迎合传统从业者目前的焦虑心理，是更实在的O2O思维。对此就曾有媒体人评论：“相比欧美国家，中国目前的O2O更急功近利，更看重利润，缺乏对社会进行数字化改造的诚意和理想。”

现实是残酷的，用简单的思维解决复杂的问题，必然带来复杂的结果。

传统零售企业的全渠道之路初步试水，就立即遇到了流量获取与流量转化这两大难题。基于各种流量入口的网络地产和线下盘踞黄金地段、坐等客户上门的商业地产，逻辑完全不同。目前电商的新客获取成本已经达到300元左右，加上纯电商不断加大投入力度，传统零售商在争取线上流量上已毫无优势可言。而把自身拥有的庞大线下客流转化到线上，也被事实证明只是一厢情愿。渠道与渠道之间的消费者，并不会想当然地实现互动。深耕湖南市场19年的步步高集团，年线下进店客流可达10亿人次，尽管喊出了要在三年内将转化率达到60%的宏伟目标，并采取了用电子小票取代纸质小票、加入各种引导性优惠活动的措施，可从目前云猴网的实际表现上看，还是与目标有着不小的落差。

总的来说，“全渠道”打着“O2O”的旗号，却仍在延续着过去“以商品为核心”的思维导向，依然是在以企业自身为出发点，本质上没有为消费者创造出额外的价值，自然无法获得市场的认可。

O2O的真正意义与切入点——大数据应用

传统企业如何走上正确的O2O之路?想要回答这个问题就必须回归到商业的本质，即“以消费者为核心”，来看待Online与Offline的价值。简单地说，Online对于消费者来说，最大的魅力莫过于信息获取的便利性，而对于Offline，则是无可取代的现实体验感。因此对于传统企业来说，最好的O2O战略就是能让消费者在自己的平台上实现信息与体验的完美融合。而想实现这一融合就离不开大数据的帮助。

传统百货业必须突破的一个思维误区便是将渠道仅仅视为流量的入口，而没有意识到它更为重要的价值是数据的入口;把“O2O”中的“2”视为流量的转化，而忽视了数据之间的交互。事实上，在可以预见的未来，大数据将成为所有企业的核心资产，失去了数据就意味着丧失了竞争力，而作为渠道终端的零售业在这方面有着天然的优势。传统百货业对上游议价能力的来源，未来也将从占有渠道向占有数据全面转变。

没有把数据打通的O2O模式是有断层的，其结果是线上与线下之间的各自为战，无法创造出新的价值。

亚马逊2013年12月获得了一项名为“预测式发货”的新专利，可以通过对用户数据的分析，在他们还没有下单购物前，提前发出包裹。而这种超越性的分析预测能力，正是来源于亚马逊对客户之前的订单、商品搜索记录、愿望清单、购物车，甚至包括用户的鼠标在某件商品上悬停的时间这一系列大数据的综合分析所获得，进而实现在消费者实际下单前便将包裹发出。

线下在数据收集能力方面要滞后于线上，但是通过大数据平台的交互后，线下渠道可以有效地将线上平台反馈的数据用于消费者体验的升级工作，为消费者创造更多的超值体验。同时，随着增强现实技术、近距离技术、远红外客流检测、二维码扫描、电子支付……新兴技术不断涌现，将更好地武装线下实体店，也让线下渠道的数据收集能力不断增强，做到与线上数据互动补充。

线上线下数据的融合，将为传统百货勾勒出更为完整的消费者画像，将顾客的生理、心理、行为等特征全方位掌握，进而为经营决策提供强有力的支持辅助，实现对消费者的精准营销。

对于消费者来说，既能轻松地在线上端寻找到自己所需的商品，又能够在线下享受到优质的服务体验，将对平台产生极大的黏性。而对于企业来说，通过大数据所带来的运营能力提升，将最终体现为销售额的增长与赢利，真正实现摆脱同质化、转型升级的目标，这才是O2O的真正价值所在。

大数据时代的百货经营变革展望

对于传统百货的大数据升级，国外同行业者已走在了前面。梅西百货早在数年前便开始了基于大数据的O2O布局，具体方式包括：

线下门店配备订单处理系统。

通过店内无线热点了解消费者动线，优化门店动线设计，帮助品牌商开展营销服务。另外，与谷歌地图合作，提供品牌导航服务。

与谷歌钱包合作，提供手机支付服务。

门店内安装信息亭(Kiosk)供消费者查询商品基本属性、售价、库存情况等信息，支持在线下单、结算功能。

上线官方APP应用软件，消费者可通过APP查询商品和其他消费者评论信息、下单、支付、晒单，也可以填答线上消费满意度问卷，反馈体验感受。

梅西百货的示范效应不仅在于其技术应用层面的创新，还在于其软性服务的优化。例如，梅西百货在每一个Kiosk旁都配备客服人员，引领顾客到相应的品牌店试用产品，并帮助顾客在自己携带的移动设备上下单结算。顾客在这种消费体验中感受到方便、目标性强，更重要的是被重视，复购率自然提升。这一点也提醒着我们，对于大数据应用来说，硬件设施和软性服务同样重要。

国内的百货业在经过最初的渠道焦虑后，也逐步开始理性认知大数据价值。2013年，王府井、银泰、新世界、天虹等国内大型连锁百货企业纷纷铺设Wi-Fi，面向消费者提供免费服务。据了解，铺设Wi-Fi平均每个单店初期投入在40万—60万元之间，全部完成后可实现以下功能：

精准营销，用户连接Wi-Fi后其联系方式、行动路线等数据信息会同步传输至后台系统，后台参考此用户的网购数据反馈用户属性，然后推送相关产品优惠券或活动信息。

商场动线优化，根据长期用户行动路线数据积累，商场可优化柜台位置。

对于国内传统百货业来说，在构建以大数据为基础的百货O2O模式过程中，有两个方向值得重点关注。

1、建立有效的大数据分析与应用转化能力。大数据概念尽管已经被业界广泛接纳，但在技术层面上还并不成熟，分析与应用转化还远未达到自动化、智能化的阶段，并且相应的投入也十分高昂。如何低成本地将大数据转化成有效的生产力，是摆在传统零售企业面前的一个难题。在这一方面，国内一些百货企业摸索出了“让企业成为O2O平台，让员工成为大数据云处理端”的创新模式，为当下阶段的传统零售企业提供了一个解决思路。其中的代表企业为天虹的“天虹微品”。

天虹在去年年底正式推出了“天虹微品” 全员销售APP，天虹微品通过精选商品传送至手机端，员工“店主”可根据需要在自己开设的网店编辑商品，再利用微信、微博、QQ等社交工具将商品分享至自己的社交圈，提供服务，形成销售。公司负责商品采购和库存管理、营销图文制作、订单处理、物流配送和统一客服等工作，并对“店主”销售和服务行为进行严格管控。

天虹微品产生的效果是，天虹公司通过大平台在提供商品和支持服务的同时，做出共性的大数据分析(推荐爆款商品)。而员工作为小前端，则在此基础上根据自己面对的客户迅速做出调整，实现了有效的大数据应用互动。

而对于消费者来说，可以通过线上线下平台随时随地找到天虹任何一家门店一个楼层一个品类甚至是一个专柜的店员，相当于天虹60余家门店的上万名实体店员，都是“天虹移动端”上的“店小二”，线上与顾客开展一对一导购服务，无论是售前、售中还是售后，顾客预约后，线下专属服务和售后都会更加便利有保证。

2、通过大数据分析，获得自营能力，摆脱差异化。目前，中国大部分传统百货商场均处于大品类管理层面，其商品编码方式是按照一个专柜下扣点率定义的不同大类编码，此编码只与柜台扣点率相关，并无商品基本属性、价格、库存等深入数据。在不掌握商品信息的情况下，百货企业很难帮助柜台开展个性化的营销活动，零售商角色弱化，更接近“二房东”定位。

大数据分析将通过线上线下两重通道对数据的分析把控，牢牢掌握进出平台每一个商品的单品信息，帮助企业实现从品类管理到单品管理的转变。单品管理的实现，意味着企业将能够有效把握商品进销存节奏、控制库存风险的能力，进而全面掌握商品自营能力。传统百货将有望完成从简单联营→深度联营→单品管理→数据共享、独有商品→经销商品、集合店→自有商品的一级级蜕变，成为真正有差异化竞争优势的市场单元。

业内曾有人评论，马云之所以成功，就在于其通过支付宝和评价体系重塑了人与人之间的信任关系。而传统百货的O2O变革，将在大数据的助力下重塑人与商业、人与商品、人与服务、人与体验乃至于人与世界之间的了解与信任。只有为这个世界在数字化、互联网化进程中扮演贡献力量的角色，才能够在这个浪潮中傲然屹立。

以上是小编为大家分享的关于大数据时代的百货经营变革的相关内容，更多信息可以关注环球青藤分享更多干货

Ⅵ 大数据培训课程介绍，大数据学习课程要学习哪些

《大数据实训课程资料》网络网盘资源免费下载

链接:https://pan..com/s/1RiGvjn2DlL5pPISCG_O0Sw

大数据实训课程资料|云计算与虚拟化课程资源|课程实验指导书综合版|机器学习与算法分析课程资源|Spark课程资源|Python课程资源|Hadoop技术课程资源|云计算课程资料.zip|微课.zip|算法建模与程序示例.zip|spark课程资源.zip|hadoop课程资源.zip|实验指导书|教学视频|教学PPT

Ⅶ 大数据攻略案例分析及结论

大数据攻略案例分析及结论

我们将迎来一个“大数据时代”。与变化相始终的中国企业，距离这场革命还有多远？而追上领先者又需要多快的步伐？

｛研究结论｝

■大数据营销的本质是一个影响消费者购物前心理路径的问题，而这在大数据时代前很难做到。

■对于传统企业而言，要打通线上与线下营销，实现新的商业模式，如O2O等，离不开大数据。

■虽然大数据应用往往集中于大数据营销，但对于一些企业，大数据的应用早已超越了营销范畴，全面进入了企业供应链、生产、物流、库存、网站和店内运营等各个环节。

■对于大部分企业，由于数据分析人员与业务人员之间的彼此视角与思考方向不同，大数据分析和运营之间存在脱节情况，这是大数据无法用于企业运营最大的阻力

■对于大多数互联网公司来说，大数据量、大用户量是一个相互促进，强者越强的循环过程。

■对于大型互联网平台，大数据已经成为其生态循环中的血液，对于这些企业，最重要

的不是如何利用大数据改进自身运营，而是利用大数据更好地繁荣平台生态。

■对于平台企业，它们的大数据策略正逐渐从大数据运营，向运营大数据转变，前者和

后者的差别在于，前者只是运营改进的动力，而后者则成为企业实现未来战略的核心资源。

我们都已被反复告知：我们将迎来一个“大数据时代”。

大数据应用，将和云计算、3D打印这些技术变革一样，颠覆既有规则，并成为先行企业的制胜关键。

与变化相始终的中国企业，距离这场革命还有多远？而追上领先者又需要多快的步伐？

来自于互联网、移动互联网、物联网传感器、视频采集系统的数据正海量增长，汇成大数据的海洋，相伴的是海量数据存储、分析技术的突破性发展，所有这一切都给企业的应用带来了无限可能性。

中国企业家研究院对当前中国企业大数据应用的状况进行了归纳分类，以帮助企业了解实际应用大数据时的困局难点，并提供领先企业的典型案例以资借鉴。

表1

表2

大数据运营—企业提升效率的助推力

对于大多数企业而言，运营领域的应用是大数据最核心的应用，之前企业主要使用来自生产经营中的各种报表数据，但随着大数据时代的到来，来自于互联网、物联网、各种传感器的海量辩笑亏数据扑面而至。于是，一些企业开始挖掘和利用这些数据，来推动运营效率的提升。大数据运营应用中，大数据的应用分为三类：用于企业外部营销、用于内部运营，以及用于领导层决策。

一、大数据营销

大数据营销的本质是影响目标消费者购物前的心理路径，它主要应用在三个方面：1、大数据渠道优化，2、精准营销信息推送，3、线上与线下营销的连接。在消费者购物前，通过各种方式，直接介入其信息收集和决策过程。而这种介入，是建立在对于线上与线下海量用户数据分析的基础之上。相比传统狂轰滥炸或等客上门的营销，大数据营销无论在主动性和精准性方面，都有非常大的优势。它是目前主要的大数据应用领域。

大数据营销不仅仅是用大数据找出目标顾客，向其发布促销信息，它还可以做到：

实现渠道优化。根据用户的互联网痕迹进行渠道营销效果优化，就是根据互联网上顾客的行为轨迹来找出哪个营销渠道的顾客来源最多，哪个来源顾客实际购买量最多，是否是目标顾客等等，从而调整营销资源在各个渠道的投放。例如东风日产，它利用对顾客来源的追踪，来改进营销资源在各个网络渠道如门户网站、搜索和微博的投放。

精准营销信息携神推送。精准建立在对海量消费者的行为分析基础之上，消费者网络浏览、搜索行为被网络留下，线下的购买和查看等行为可以被门店的POS机和视频监控记录，再加上他们在购买和注册过程中留下的身份信息，在商家面前，正逐渐呈现出消费者信息的海洋。

一些企业通过收集海量的消费者信息，然后利用大数据建模技术，按消费者属升猛性（如所在地区、性别）和兴趣、购买行为等维度，挖掘目标消费者，然后进行分类，再根据这些，对个体消费者进行营销信息推送。比如孕妇装品牌十月妈咪通过对自己微博上粉丝评论的大数据分析，找出评论有“喜爱”相关关键词的粉丝，然后打上标签，对其进行营销信息推送。京东商城副总经理李曦表示：“用大数据找出不同细分的顾客需求群，然后进行相应的营销，是京东目前在做的事情。”小也化妆品将自身网站作为收集消费者信息的雷达，对不同消费者推荐相应的肌肤解决方案，创始人肖尚略希望在未来，大数据营销能替代网站的作用，真正成为面向顾客的前端。

打通线上线下营销。一些企业将互联网上海量消费者的行为痕迹数据与线下购买数据打通，实现了线上与线下营销的协同。比如东风日产，线上与线下的协同营销方式为：其门户网站带来订单线索，而通过这些线索，服务人员进行电话回访，从而推动顾客在线下交易。在此过程中，东风日产记录了消费者进入、浏览、点击、注册、电话回访和购买各个环节的数据，实现了一个横跨线上线下，以大数据分析为支持的，营销效果不断优化的闭环营销通路。而国双科技，衡量某一地区线下促销活动的效果，就是看互联网上，来自这个地区对于促销内容的搜索量。一些企业，通过鼓励线下顾客使用微信和Wi-Fi等可追踪消费者行为和喜好的设备，来打通线上与线下数据流，银泰百货计划铺设Wi-Fi，鼓励顾客在商场内使用，然后根据Wi-Fi账号，找出这个顾客，再通过与其它大数据挖掘公司合作，以大数据的手段，发掘这个顾客在互联网的历史痕迹，来了解这个顾客的需求类型。

二、大数据用于内部运营

相比大数据营销，大数据在内部运营中的应用更深入，对于企业内部的信息化水平，以及数据采集和分析能力的要求更高。本质上，是将企业外部海量消费者数据与企业内部海量运营数据联系起来，在分析中得到新的洞察，提升运营效率。（详见P96表5：大数据在内部运营中的应用）

表5

三、大数据用于决策

在大数据时代，企业面对众多新的数据源和海量数据，能否基于对这些数据的洞察，进行决策，进而将其变成一项企业竞争优势的来源？同大数据营销和大数据内部运营相比，运用大数据决策难度最高，因为它需要一种依赖数据的思维习惯。

已有少数企业开始尝试。比如国内一些金融机构在推出一个金融产品时，会广泛分析该金融产品的应用情况和效果、目标顾客群数据、各种交易数据和定价数据等，然后决定是否推出某个金融产品。

但是，中国企业家研究院在调研中发现，目前中国企业当中，大数据决策的应用非常之少，许多企业领导者进行决策时，仍习惯于凭借历史经验和直觉。

大数据产品——企业利润滋长的新源泉

大数据除了用于运营外，还能够与企业产品结合，成为企业产品背后竞争力的核心支持或者直接成为产品。提供大数据产品的企业分为两类，直接提供大数据产品的企业，以及将大数据作为产品和服务核心支撑的企业。前者主要为大数据产业链中提供数据服务的参与者，包括数据拥有者、存储企业，挖掘企业、分析企业等，后者则主要是那些以大数据为产品核心支撑的企业，它们大多是互联网企业，其产品和服务先天就有大数据基因，这些企业包括搜索引擎、在线杀毒、互联网广告交易平台以及众多植根于移动互联网之上，为用户提供生活和资讯服务的APP等。

表3

表4

一、大数据作为产品核心支持

它们主要在以下几方面使用大数据：

1、提供信息服务。很多互联网企业通过对海量互联网信息和线下信息的整合和分析，为个人和企业提供信息服务，典型的如网络、去哪儿、一淘、高德地图、春雨医生等等。在美国，一些互联网企业甚至根据大数据提供更深度的预测信息服务，美国科技创新公司farecast，通过分析特定航线机票的价格，帮助消费者预测机票价格走势。

2、分析用户的个性化需求，借此提供个性化产品和服务，或者实现更精准的广告。典型的有移动社交工具陌陌、网络、腾讯、广告交易平台品友互动以及一些互联网游戏商。这种应用往往先是收集海量用户的互联网行为数据，将用户分类，根据不同类型的用户，提供个性化的产品，或者提供个性化的促销信息。比如网易等门户网站推出了订阅模式，让使用者按照个人喜好方便地定制和整合不同来源的信息。

3、增强产品功能。对于很多互联网产品，如杀毒软件、搜索引擎等等，海量数据的处理能够让产品变得更聪明更强大，如果没有大数据，产品的功能就大大减弱。比如奇虎360公司的360杀毒软件，凭借每天海量的杀毒处理，建立了庞大的病毒库，这使它能够更快地发现病毒，而一些小的杀毒软件公司则无法做到这一点。

4、掌控信用状况，提供信贷服务。阿里巴巴上汇集了海量中小企业的日常资金与货品往来，通过对这些往来数据的汇总与分析，阿里巴巴能发现单个企业的资金流与收入情况，分析其信用，找出异常情况与可能发生的欺诈行为，控制信贷风险。

5、实现智能匹配。婚恋网站、交易平台等，利用大数据可以进行精准而高效的配对服务。网易花田会挖掘用户行为数据，比如点击哪些异性的页面，发表什么样的评论，建立用户兴趣模型，从而挖掘到用户所期待另一半的类型，然后主动推荐与对方匹配度比较高的人选。2010年，阿里巴巴尝试性地推出“轻骑兵”服务，由阿里巴巴将中国各产业集群地的供应商与海外买家的个性采购需求进行快速匹配，所凭借的，就是对供应商的海量交易数据信息的整合与挖掘。

二、大数据直接作为产品

对一些企业，大数据直接成为了产品，这些产品包括海量数据、分析、存储与挖掘的服务等，目前大数据产业链正在形成过程中，出现了一批开放、出售、授权大数据和提供大数据分析、挖掘的公司和机构，前者主要是一些拥有海量数据的公司，将数据服务作为新的盈利来源。如大型的互联网平台、民航、电信运营商、一些拥有大数据的政府机构等等，后者主要包括一些能够存储海量数据或者将海量数据与业务场景结合，进行分析和挖掘，或者提供相关产品的公司，如IBM、SAP、拓而思、天睿公司。它们为大数据应用者们提供海量数据存储、数据挖掘、图像视频、智能分析等服务以及相关系统产品。

大数据平台——企业群落繁荣的滋养剂

而网络已建成了包括网络指数、司南、风云榜、数据研究中心和网络统计在内的五大数据体系平台，帮助其营销平台上的企业了解消费者行为、兴趣变化，以及行业发展状况、市场动态和趋势、竞争对手动向等信息。

为解决这些问题，各个平台在积极地努力。比如阿里巴巴建立了数据委员会，在统一数据格式标准、从源头上保证数据的质量，采集和加工出精细化的数据，确保其能符合平台企业的应用场景等方面，不遗余力地尝试。尤其在大数据精细化方面，阿里巴巴更是作为其大数据战略的重点。这方面，腾讯目前也在加快步伐。比如新版腾讯网出现了“一键登录”的提示，用户可以在上面通过一些细分标签，订阅自己关注的内容。实际上，这也是腾讯收集更精细化的用户兴趣数据的一个有效手段。

Tips

大数据实战手册

将大数据应用于内部运营中时，企业会遇到一些常见问题

1企业如何获取与分析数据？

互联网是大数据的一个主要来源，一些线下的传统企业很难获得。但它们可以：

a和拥有或能抓取海量数据的平台、企业以及政府机构合作。比如淘宝上的电商就购买淘宝收集的海量数据中与自身运营相关的部分，用于自身业务。再如卡夫通过与IBM合作，在博客、论坛和讨论版的内容中抓取了47.9万条关于自己产品的讨论信息，通过大数据分析出消费者对卡夫食品的喜爱程度和消费方式。

b建立自己在互联网上的平台，比如朝阳大悦城利用自己的微信、微博等平台收集消费者评论数据。

c许多传统企业没有分析海量数据的能力，此时它们可以和大数据分析和挖掘公司合作，目前市场上已经有天睿公司、IBM、百分点、华胜天成等一批提供大数据分析和挖掘服务的公司，它们是传统企业进行大数据分析可以借助的力量。

2如何避免大数据应用时的部门分割？

对于许多企业，其信息流被各部门彼此分割，数据难以互通，对于这种情况下，大数据的共享和汇集就只是一个泡影，更难以实现大数据的深度应用。

要打通部门之间信息分割的局面，首先要建立统一的、集中的数据系统。就像立白信息与知识总监王永红所说的，“要真正用好大数据，企业要采用大集中的信息系统。”从更深入的角度来谈，企业信息流的部门分割，更在于企业部门之间的分割，比如有一些企业的营销按照渠道分割，导致对于顾客的大数据收集和分析效果大打折扣。

IBM智慧商务技术总监杨旭青认为，“很多时候由于组织结构问题，大数据分析有效性大大降低了。”这就需要组织与流程层面的重新设计，在这方面，阿里巴巴的部门负责人轮岗制度，对于打破部门壁垒无疑是一剂好药。而一些企业为了打破部门分割，建立了矩阵型的组织结构，强化部门间的横向合作，这些无疑为大数据的汇集、共享与应用创造了良好条件。

3如何让业务人员重视大数据的应用？

解决这个问题，一方面在于一把手对整个企业数据文化的倡导，比如1号店董事长于刚就要求业务人员无论在开会，还是汇报工作时，都以数据说话，而马云更是将大数据提升到了战略高度。

另一方面，也在于数据部门的带动，阿里巴巴数据委员会负责人车品觉分享了经验，“因为运营部门的业务人员很难看到大数据的潜力，可以首先从一些对业务见效快，见效显著的数据项目出发，通过一两个项目的成功，调动对方的积极性，然后再逐步一个个地引导。”

4为何大数据工作与运营需求脱节？

这往往是由于数据人员与业务人员视角、专业知识不同而导致的。大数据人员做了很多努力，但是业务人员却认为这些努力无关痛痒。如何解决这个问题？

有的企业从组织设计上发力，将大数据纳入业务分析部门的管理之下，用业务统驭数据。对于朝阳大悦城，由主要负责战略和经营分析的部门来管理大数据工作，其中的大数据分析人员则作为支持人员。在负责人张岩看来，大数据要靠商业法则指导，关键是找到业务需求的点，然后由数据分析和挖掘人员实现。在具体操作中，大悦城对微信的数据挖掘，挖掘什么样的关键词，由业务分析人员确定，而具体挖掘则由数据部门做；有的企业从流程设计上着手，推动业务部门与数据部门人员之间的沟通，建立数据人员工作与效果挂钩的考核机制。

例如阿里巴巴根据数据挖掘的成效（比如带来的商品转化率的提升）来考核数据挖掘师，考核数据分析师则看其分析结果能否出现在经营负责人的报告中。从数据部门自身角度则需要降低运营部门使用数据的障碍和门槛，比如立白集团的数据人员会努力尝试向运营部门提供更易懂、更生动的图形化数据分析界面，在立白老板办公室上，就有一份“客户运营健康体检表”，让老板对全国经销商的当月销售情况一目了然。再如阿里巴巴开发的无线Bi，让经营人员在手机上也可以看到大数据分析结果，拿车品觉的话说，“以数据之氧气包围经营人员。”

Ⅷ 社区治理有“智商”亦有“情商”

8月5日，重庆市沙坪坝区井口街道美丽阳光社区养老服务中心，工作人员正在察看大数据统计。

孙凯芳摄(人民视觉)

5月28日，参观者在贵阳市举办的2019中国国际大数据产业博览会“追梦·未来”数字艺术特展上观看和体验艺术作品《宇宙深空》。

新华社记者 杨文斌摄

8月14日上午，笔者走进北京市朝阳规划艺术馆数字沙盘展厅，巨大的屏幕及地板上投射的倾斜摄影三维模型让展厅充满科技感。屏幕上，柱状图、扇形图等各式图表将一些街道的年龄结构、人口来源结构、娱乐消费等数据展示得清晰明了。这些数据，是朝阳区责任规划师规划社区的重要依据。

工作人员向笔者介绍，6月12日，朝阳区责任规划师启动仪式暨培训大会在该馆举行，朝阳区责任规划师制度全面正式启动。据了解，朝阳区责任规划师体系突出以大数据手段为基础的智慧化治理，为责任街区提供“大数据体检化验+责任规划师开方/专家会诊+街乡去疾”的全过程、陪伴式“诊治”服务。

“社会治理的前提是社会感知，通过大数据的社会感知功能了解社区居民的所思所想、所期所盼，感知社区生活中发生的点点滴滴。海量信息汇聚起来就有了集聚效应，这有助于政府对民生问题作出更加精准的回应。”武汉大学社会学院副教授龚为纲对本报说。

当前，在中国的许多城市，可“感知”的大数据已成为很多社区治理过程中不可或缺的帮手，它们为社区搭建起的“大脑”，让社区服务、管理与规划有“智慧”，更有“人情味”。

社区服务

有“温度”的大数据

最近，家住合肥市浅水湾社区的62岁居民陈宗平通过“二维码”办好了自己的老年证。老人扫了“二维码”加一位“网格长”为好友后，“网格长”就来到他的家中，帮他现场采集、上传电子资料。“智慧社区”服务让陈宗平竖起大拇指：“真的很有‘智慧’!”

浅水湾社区是安徽省合肥市荷叶地街道网格化管理工作的首批试点单位。浅水湾社区党委书记赵明向本报介绍说，居民扫描楼栋里张贴的二维码，就能直接和服务团队联系，社区工作人员也会及时回应。“这样一来，具体的政策能够更加精准地投放，双方都更省时省力。”赵明说。

大数据将很多政务服务进行了整合，为居民办理事务简化流程。南京擎天科技有限公司研发的“社区治理一体化平台”已应用在江苏省内多个地市。这个平台与政务系统实时对接、双向互通、及时更新，老百姓通过平台的社区服务模块，可以在线办理居住证、犬证、尊老金、低保等各类业务，足不出户即可完成多项审批。

在大数据的帮助下，各部门的分工更为明确，效率也有了保证。新疆奎屯市的基层服务管理智慧平台中嵌入了“三级联动分类销号”，使民众反映的诉求实现在线分流、社区—街道—部门单位三级联动、进度跟踪提醒、效能考核于一体的完整闭环。如果在哪一层级出现处理滞后的情况，平台会自动发出提醒督促信息，如果出现未处理情况，将纳入考核减分项。

4月20日上午，有居民到新疆奎屯市穗丰园社区反映因雨路面塌陷问题。穗丰园社区干部现场查看后，立即将问题上传到智慧平台，社区再将问题上报分流至街道，街道层面流转至住建局、城管局等相关职能部门。当天下午，住建局干部便前来将塌陷路面进行围栏并施工。不到五个，系统回复“住建局已处理”，完成了整个处理流程。

如果遇到诸如水管爆裂、路灯不亮等烦心事，居民也可以直接通过APP上传照片进行报修，很多社区服务更加精细。

“小区有人丢了张废床垫，把路都挡了!”近日，家住重庆两江新区翠云花园小区的居民张先生过路时发现这一状况，便自己拍了照片并配上文字说明，上传到两江新区翠云街道社会治理(综合执法)信息系统。2后，小区网格员便已将挡路的床垫搬走。

对于一些需要特殊关照的群体，大数据为他们提供了一张“保护网”。2019年1月，安徽省合肥市公安部门联合科大讯飞公司研发出“智慧平安社区管理系统”并在多个小区投入使用。科大讯飞政法事业群产品总监张金鹏向本报介绍，该系统在便捷居民出行和保卫小区安全的同时，还可以对孤寡老人等弱势群体的行为进行判断，便于社区街道的人员为居民提供精准的关爱服务。

大数据让不少老人受益。贵州省仁怀市中枢街道茅台路社区工作人员就曾通过辖区大数据分析，发现一位空巢老人连续三天没有出门。上门之后，社区的工作人员了解到这位老人在家生病后怕麻烦，只服用一些普通药物而不愿意去医院治疗。了解情况后，社区干部一边做其思想工作，一边将其送往市医院治疗。

“大数据平台帮助社区实现资源整合、需求整合和平台整合的同时，还可以精准地识别居民需求，畅通民情民意表达渠道。另外，通过反馈与回访机制的建立，实现社区治理良性循环。”华中师范大学中国智慧社区研究院副院长陈荣卓在接受本报采访时指出。

社区管理

有“智慧”的大数据

“工作效率提高了，相关成本也在减少。”谈到运用大数据治理社区的改变时，重庆市渝中区石油街道的工作人员周桄锐对本报说。

2018年3月，“集景智慧社区”平台在重庆渝中区石油路街道正式上线运行，该平台将社区治理多方面信息整合在一张三维地图里。地图中，网格、小区、楼栋、特殊人群分布等信息一目了然。

据了解，“智慧社区”的人员数据库按季度进行更新，系统运行一段时间后，还会对动态数据根据需求进行统计分析。大数据技术的应用促进石油街道的社会治理由“粗放型”向“精准型”转变。

周桄锐对本报介绍说，通过大数据的研判分析，社区可以对事件多发地区有更频繁的巡查，提高信息和资源的利用率。此外工作人员的巡查路径清晰明了，巡查时发现的事件也可以通过平台进行上报。“有了大数据的支持，我们前后内外、指挥处理统一协调，既方便了研判分析，也方便了具体工作的开展。”周桄锐说。

针对较难管控的群 租房 ，大数据也给出了解决方法。去年8月，上海市徐汇区田林街道工作人员在“智慧社区”平台上发现了一处群租房，因为数据显示一位居民连续10次刷卡进楼，显然超出了正常频率范围。田林街道一度是群租房“重灾区”，使用“智慧社区”治理后，群租房问题得到缓解，2018年1月至8月，该街道群租同比下降76%。

社区安防也是管理重点，而大数据的加入为安防增添助力，社区及相关部门可以迅速发现并处置突发情况。

近日，贵州省贵阳市观山湖区金华园社区发生一起车辆刮擦事故，两位车主发生争执，金华园社区“治汇数”平台应急指挥系统“捕捉”到这一信息。接到警报，社区工作人员马上赶赴事故现场维持交通秩序，整个过程不超过10。

“大数据技术平台延展了社区数据采集的广度和深度，其强大的数据采集和分析能力，将复杂的社区运行体系映射在多维、动态的数据体系之中。”陈荣卓认为，大数据的应用与社区治理的互动必然重塑社区服务和管理空间。

社区规划

有“远见”的大数据

今年1月，北京市发布的《关于加强城市精细化管理工作的意见》提出，北京市将通过建设大数据平台、健全网格化管理体系等一系列举措加强城市精细化管理。并提出在街区更新提升、美丽乡村建设中落实责任规划师、设计师制度和专家团审核制度，提高设计水平。

猫眼象限、蝠音象限、云雀象限、蜂巢象限、海豚象限、旱獭象限……北京城市象限科技有限公司的这一系列智能化规划工具像一个个“小动物”，融入城市的边边角角。

将多源城市大数据以及猫眼象限、蝠音象限采集的社区观测数据汇总后，海豚象限可以基于数据输入，快速进行社区体检评估，一键生成社区体检报告。配备这样的工具箱，规划师得以玩转数据，用城市数据科学解决城市问题。

近日，在北京市规划自然资源委朝阳分局的邀请下，大数据平台城市象限为双井街道进行了健康扫描和精细体检，并得出一份包含职住通勤、居住情况、街道活力、环境品质、休闲活动等多个维度的“体检报告”。据了解，目前朝阳分局已为每个街区进行了人居环境大数据体检分析。

大数据的体检分析让社区规划更为严谨客观。“拿到充分有效的体检报告，责任规划师才能在解读数据的基础上，为街区进行科学的诊断。”朝阳分局相关负责人介绍。

四川省成都市成华区在2018年发布“美好社区”指数体系，量化、评定社区发展治理水平。在“美好社区”指数体系中，有“安全微指数”“健康微指数”“便利微指数”“舒适微指数”“活力微指数”“亲和微指数”等部分。

根据初次测评结果，成华区“美好社区”指数平均得分87.07分，“亲和微指数”得分最高，折射出成华区居民社会交往紧密程度高，但“便利微指数”相对偏低，表明成华区在交通规划、基础服务设施等便民服务方面还需继续加大力度。精准的“把脉”帮助社区规划师更好地开展工作。

“通过深入准确的挖掘数据信息价值，利用沉淀数据，大数据可以助力对社区进行预判性、前瞻性、精准性的规划。”陈荣卓指出。

Ⅸ 想从零开始自学大数据，请问有哪些书籍推荐

在人人高呼的大数据时代，你是想继续做一个月薪6K+的码农，还是想要翻身学习成为炙手可热名企疯抢的大数据工程师呢？
随着互联网技术的发展，大数据行业前景非常被看好，有很多朋友对大数据行业心向往之，却苦于不知道该如何下手，或者说学习大数据不知道应该看些什么书。作为一个零基础大数据入门学习者该看哪些书?今天就给大家分享几本那些不容错过的大数据书籍。

1、《数据挖掘》
这是一本关于数据挖掘领域的综合概述，本书前版曾被KDnuggets的读者评选为最受欢迎的数据挖掘专著，是一本可读性极佳的教材。它从数据库角度全面系统地介绍数据挖掘的概念、方法和技术以及技术研究进展，并重点关注近年来该领域重要和最新的课题——数据仓库和数据立方体技术，流数据挖掘，社会化网络挖掘，空间、多媒体和其他复杂数据挖掘。
2、《Big Data》
这是一本在大数据的背景下，描述关于数据建模，数据层，数据处理需求分析以及数据架构和存储实现问题的书。这本书提供了令人耳目一新的全面解决方案。但不可忽略的是，它也引入了大多数开发者并不熟悉的、困扰传统架构的复杂性问题。本书将教你充分利用集群硬件优势的Lambda架构，以及专门用来捕获和分析网络规模数据的新工具，来创建这些系统。
3、《Mining of Massive Datasets》
这是一本书是关于数据挖掘的。但是本书主要关注极大规模数据的挖掘，也就是说这些数据大到无法在内存中存放。由于重点强调数据的规模，所以本书的例子大都来自Web本身或者Web上导出的数据。另外，本书从算法的角度来看待数据挖掘，即数据挖掘是将算法应用于数据，而不是使用数据来“训练”某种类型的机器学习引擎。

Ⅹ 信息发展从而衍生各种数据算法，大数据又是如何运用在我们的生活中呢

网络时代大多都是依靠各种数据算法而运行的，也有不少的数据算法是从发展中不断衍生的，大家最为熟悉的就是大数据。人人都处于大数据时代，只要使用网络必然就接触过大数据，因为它实际上就渗透在我们生活的每个角落。随着信息发展从而衍生了各种数据算法，那么大数据又是如何运用在我们的生活中呢？

当我们在使用各种软件的时候，其实就是在被试探，刷视频时长时间停留在某个视频，购物时经常查看某个价格区间的物品，那么下次打开软件时推送的就会依照上一次的使用习惯进行推送。所以大数据时代为人们增添了不少便利，更是成为了大家的及时雨。