bat大数据平台

A. bat超级平台是怎么发展起来的

据个人了解得知，互联网金融投资依托于大数据和电子商务行业的发展，目前，由于安全、执行标准等一些客观因素，断言其全面替代传统的金融及银行业务应该说为时尚早，不过，互联网金融业兴起和发展仍然对传统的金融业务造成猛模强烈冲击，在破除传统金融的垄断和促进金额服务等方面形成良好的补充作用。

互联网金融具有以下基本优势：

1、成本低：互联网金融模式下，资金供求双方可以通过网络平台自行完成信息甄别、匹配、定价和交易，无传统枝丛缓中介、无交易成本、无垄断利润。
2、效率高：互联网金融业务主要由计算机处理，操作流程完全标准化，客户不需要排队等候，业务处理速度更快，用户体验更好。
3、覆盖广：互联网金融模式下，客户能够突破时间和地域的约束，在互联网上寻找需要的金融资源，金融服务更直接，客户基础更广泛。
4、发展快：近年来，依托于大数据和电子商务的发展，互联网金融得到了快速增长。

目前，互联网主要金融业务有：

1、第三方支付，这是最早出现也是最具代表性的互联网金融业务。
2、金融产品销售渠道业务。
3、互联网信贷，以P2P为代表。
4、网上交易产品，例如：富国环球投资的与股指期货的在线操作平台。
互联网金融的特点客观上要求从业者必须具备一定郑芹的互联网思维，还必须掌握一定的经济学、金融学和供应链管理等的基础知识，因此，以接受传统传统教育和从事传统经济活动的老年人并不一定适合从事互联网金融这个行业。

B. 大数据可视化工具都有什么

蛛网系统，BI报表展现和图形化界面都是通过拖拽零代码就可以搞定！

C. BAT的金融大数据到底是如何运作的

1、大数据征信：在个人征信领域，目前是金融行业面临的最大问题。基于用户在互联网上的消费行为、社交行为、搜索行为等产生的海量数据，其价值并未被充分挖掘，个人征信在大数据的采集和信息挖掘上面仍有很大的想象空间。阿里的芝麻信用在其中算是最会玩的。芝麻信用几乎打通了用户的身份特质，行为偏好，人脉关系，信用历史，履约能力等各类信息。这恰恰是因为接入了电商、支付、社交等各类数据维度。

2、大数据风控：大数据风控目前应该是前沿技术在金融领域的最成熟应用，相对于智能投顾、区块链等还在初期的金融科技应用，大数据风控目前已经在业界逐步普及。目前，美国基本上都用三大征信局的信息，最传统的评分基本上都是用FICO来做的。各家平台会尝试着用机器学习、神经网络等大数据处理方法。

国内市场对于大数据风控的尝试还是比较积极。特别是大公司，可以将移动互联网的行为和贷款申请人联系到一起展开大数据风控。网络在风控层面上的进展还是比较突出，网络安全每天要处理数十亿网民搜索请求，保护数亿用户的终端安全，保护十万网站的安全，因此积累了大量的数据。

一个很具体的案例就是，通过海量互联网行为数据，比如监测相关设备ID在哪些借贷网站上进行注册、同一设备是否下载多个借贷App，可以实时发现多头贷款的征兆，把风险控制到最低。

3、大数据消费金融：消费金融对大数据的依赖是天然形成的。比如说消费贷、工薪贷、学生贷，这些消费型的金融贷款很依赖对用户的了解。所以必须对用户画像进行分析提炼，通过相关模型展开风险评估，并根据模型及数据从多维度为用户描绘一个立体化的画像。

网络金融的优势在于，通过基于大数据和人工智能技术为基础的合作商户管理平台，为合作商户提供涵盖营销和金融服务的全面管理方案，降低获客成本，解决细分行业的微小需求。一方面可以降低风险，另一方面也能提升金融的安全度。

在大数据消费金融的领域中，腾讯和阿里的优势很大程度上是在渠道层面上的。正如前文所说的，阿里以电商-支付-信用为三级跳板，针对性很强支付宝接入消费金融产品之后会有较强的渠道作用。而在去年12月，腾讯的“微粒贷”已经接入到了微信支付当中。在消费金融的发展速度上，腾讯速度也不差。

4、大数据财富管理：财富管理是近些年来在我国金融服务业中出现的一个新业务。主要为客户提供长期的投顾服务，实现客户资产的优化配置。这方面业务在传统金融机构中存在的比较多。不过因为技术能力不足，大数据财富管理在传统金融机构中相对弱势。

财富管理在互联网公司的业务中也非常流行。蚂蚁金服一开始最为简单的财富管理方式就是余额宝，后来逐渐演化成经过大数据计算智能推荐给用户的各种标准化的“宝宝”理财产品。网络金融相对来说更进一步，是依托“网络大脑”通过互联网人工智能、大数据分析等手段，精准识别和刻画用户，提供专业的“千人千面”的定制化财富管理服务。

金融大数据的孪生兄弟金融云是地基，未来更具看点

大数据和云计算永远都是相伴相随的一对孪生兄弟。金融大数据核心工作包括三方面，即获取数据、建立模型、模型在实践中优化、迭代。而对于金融大数据而言，金融云才是它的地基。

打个不恰当的比方，前文中说大数据是煤矿，而金融云其实就是矿井。矿井的安全行、可靠性决定了挖煤的效率和结果。

金融云把底层技术很多问题都解决了。大量金融模型都是金融云所引入的，如客户模型、产品模型、账务模型等。同时金融云关注金融本身的严谨性和周密性、安全性的考虑。

2016年7月，“腾讯云+未来”峰会上，腾讯云和腾讯金融云都已成为最重点部署的业务。同年9月，网络世界大会金融科技分论坛上，网络金融云正式向业界开放。据时任网络金融研发负责人沈抖表示，网络金融云将通过人工智能、安全防护、智能获客、大数据风控、IT系统、支付等六大技术能力给合作伙伴赋能。10月，阿里云栖大会上，阿里金融云负责人则是提出将会和生态合作伙伴、服务联盟为金融行业量身定制推出云增强服务。

大数据必须要跑在云端，而金融大数据更需要和业内其他企业展开数据、支付、业务等一系列的合作。金融云对可用性、安全性的要求严格，比如说对一个高度可控可信的云安全体系而言，基础环境安全、风控与审计、数据安全三者缺一不可。而金融云在未来的竞争中将发挥越来越重要的作用。

?

D. bat是指哪三家公司

B指的是网络，A指的是阿里巴巴，T指的腾讯。BAT指的是中国互联网三巨头，BAT是卜游哪中国最大的三家互联网公司，拥有自己的体系和战略计划。网络以搜索引擎为核心，阿里巴巴以型码电商的交易支付等业务为核心，腾讯以游戏领域和即时通讯为核心。
网络磨脊（英文名：Bai,Inc.网络集_股份有限公司）是一家主要经营搜索引擎服务的互联网公司，于2000年1月1日由李彦宏、徐勇两人在北京中关村创立。“网络”源自中国南宋词人辛弃疾的词：众里寻他千网络，描述了词人对理想的执着追求。公司业务范围覆盖了搜索、人工智能、云计算、大数据等方面，是中国互联网公司三巨头之一。
阿里巴巴集团控股有限公司（简称：阿里巴巴）是中国一家提供电子商务在线交易平台的公司，是全球最大零售商之一，由马云为首的18人于1999年在杭州创立。该公司经营范围包括B2B贸易、网上零售、第三方支付和云计算服务等，业务包括淘宝网、天猫、阿里云等，并在美国纽约和中国香港交易所上市。
腾讯（腾讯控股有限公司）是一家互联网企业，由马化腾、张志东、许晨晔、陈一丹、曾李青于1998年11月共同创立，是中国最大的互联网综合服务提供商之一，也是中国服务用户最多的互联网企业之一。腾讯多元化的服务包括qq、微信、QQ空间、腾讯游戏、腾讯动漫、腾讯新闻客户端和腾讯视频等。

E. 国内主要大数据公司有哪些

“大数据”近几年来可谓蓬勃发展，它不仅是企业趋势，也是一个改变内了人类生活的容技术创新。大数据对行业用户的重要性也日益突出。掌握数据资产，进行智能化决策，已成为企业脱颖而出的关键。因此，越来越多的企业开始重视大数据战略布局，并重新定义自己的核心竞争力。
国内做大数据的公司依旧分为两类：一类是现在已经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以及华为、浪潮、中兴等国内领军企业，做大数据致店一叭柒叁耳领一泗贰五零，涵盖了数据采集，数据存储，数据分析，数据可视化以及数据安全等领域;另一类则是初创的大数据公司，他们依赖于大数据工具，针对市场需求，为市场带来创新方案并推动技术发展。其中大部分的大数据应用还是需要第三方公司提供服务。
越来越多的应用涉及到大数据，这些大数据的属性，包括数量，速度，多样性等等都是呈现了大数据不断增长的复杂性，所以，大数据的分析方法在大数据领域就显得尤为重要，可以说是决定最终信息是否有价值的决定性因素。

F. BAT抢滩大数据风控，为何瞄向了银行业

完成了对C端市场的瓜分之后，BAT等互联网巨头们还是瞄向了B端市场。
在2016年及之前，BAT、网易、京东等互联网巨头们已经在云计算、人工智能等领域推出了诸多针对企业级市场的服务，从如今的趋势来看，被畅谈许久的大数据或将是BAT们争夺的又一块价值洼地。
日前，网络云传出消息为民生银行提供信贷企业的风险管理和预警的云服务。在寻找大数据布局切口的问题上，风控和银行成为BAT们的共同选择。
风控是银行业的七寸，也是大数据的练武场
顾名思义，风控即风险控制，通过建模的方法对借款人进行风险控制和风险提示，消灭或减少风险事件发生的各种可能性，或减少风险事件发生时造成的损失。
现在的商业银行在本质上属于经营风险的特殊企业，通过承担风险，转化风险，并将风险植入金融产品和服务中再加工风险。在国内外商业银行的发展史中，因风险管理不当、资产质量低下而导致倒闭、被政府接管的不乏其例。如何有效的管理风险、规避风险成为商业银行生存与发展的灵魂。
银监会在去年7月份发布的《中国银行业信息科技“十三五”发展规划监管指导意见》成为大数据风控加速落地的催化剂，比如说在服务和应用层面强调基于大数据的营销、风控应用的推广。
动作敏锐的互联网金融早早完成了大数据风控的布局，看起来有些传统的银行业在节奏上似乎有些迟缓。
对于线上的纯数据和信用类贷款平台而言，引入大数据风控产品并没有太多门槛。对于商业银行却不然，尤其是中小银行，对大数据风控技术的应用尚不成熟，其风控模式更多关注的是静态的风险预判，这和中小银行科技水平和风控能力相对较低、数据信息的数量和质量存在缺陷等不无关系。
一般来说，大数据风控有着三个核心要素，即风控模型、场景和资金。商业银行仍然拥有着低成本资金优势，在线下场景也有着长期客户积累，大数据和海量风控因子恰恰是很多商业银行所欠缺的。
反观BAT等互联网巨头，在海量数据、金融云、用户画像、信用体系等方面有着先天的优势，特别是在银行逐渐实现业务电子化、金融监管收紧的情况下，BAT与商业银行在大数据风控方面的合作似乎是水到渠成的。
背靠大数据金库的BAT，如何开局？
BAT在大数据风控方面有着相似的逻辑，依靠自身积累的大数据体系，利用技术打造风控能力，再将这种能力开放给银行等金融客户。
以网络云和民生银行合作的风险预警项目为例，依靠网络云的大数据收集、分析和计算建模能力，为民生银行提供海量非结构化数据的加工处理，和目标企业进行关联，并借助风险识别模型判断产生风险信号，再通过网络云bos服务和API对接银行内部业务，以实现对授信企业的风险监测。其中涉及了网络云在大数据方面的三层应用：
数据挖掘：作为国内最大的搜索引擎，网络拥有大量的公共数据和需求数据，且在样本数据的复杂性、广度、多样性等方面占据优势。尤其在金融领域的数据涵盖了支付、贷款、理财、保险、证券、银行、征信、基金、众筹等各个领域。而银行不良贷款率的增加和信息的不对称有很大的关系，网络在数据层面较于银行自身的积累有着不可比拟的优势。举个例子来说，通过网络的大数据可以对银行的借贷用户进行全方位的追踪，包括搜索习惯、交易信息、个人信用、地理位置等等，将风险控制到最低。
数据处理：网络云推出了“天算”平台，基于网络的大数据和人工智能技术，为企业提供从数据收集、存储、处理分析到应用场景的一站式服务。比如针对金融风控行业的特点,“天算”制定了相应的解决方案,通过网络搜索、地图、社交、交易、政府等各类数据的收集,以人工智能技术、深度学习技术、大数据能力为支撑,实现了对各类金融客户深度场景的定制,如购车贷款、企业贷款、教育贷款、家装贷款等,为金融机构提供安全高效的风控服务。此外网络云BOS提供的云存储服务，实现了银行内部数据和外部大数据的打通。
风控模型：相比于市场上很多纸上谈兵的风控模型，网络的优势在于搭建了已经应用于实战的风控模型，具体体现在网络金融的主动预警捕捉高危行为。网络金融打通了“人+手机+设备+IP”等关联纬度，基于全网行为进行监测，捕捉高危行为特征，在贷前准入方面就开始排查风险，进行反欺诈识别，生产黑名单，对借款人的行为进行预测。并在贷款后对借款人贷后行为进行跟踪和监测，只要触发预警规则，也会激发提醒。由此可以看出，为网络金融提供技术能力和风控能力的网络云，在风控模型上的能力不可小觑。
与此同时，阿里和腾讯也打起了大数据风控的主意，典型的就是蚂蚁金服、微众银行等也在试图对外进行技术开放。但网络的做法给行业带来了新的启示，以云服务的姿态进行大数据能力的输出，和第三方平台纯粹的大数据风控体系相比，云计算、人工智能、大数据结合的服务模式无疑更具备优势。
从大数据农民到大数据商人
觊觎银行业的不只有BAT，还有形形色色的创业者，毕竟百万亿规模的银行业是一个不可多得的蛋糕。不过，民生银行作为股份制银行将云服务应用到贷后管理和信贷决策领域，却给行业带来了更多值得解读的信号。从云服务的角度来讲，金融云在安全层面又一次刷新了历史，但从大数据的角度来看，BAT正从自给自足的“农民”转型成为大数据“商人”。
其实从2014年开始，BAT就开始加速大数据的应用，比如腾讯的社交大数据、阿里的电商大数据以及网络的搜索数据。不过这个阶段，BAT扮演更多的是大数据“农民”的角色，阿里应用大数据进行用户画像主要在电商层面，网络用大数据来改善广告和营销效果，腾讯用大数据来改善运营等等。云服务的大规模应用为大数据的开放提供了良好的“媒介”，BAT也开始进行角色转变。
但在当前的大数据格局中，除了政府所掌握的数据，BAT等互联网巨头成为大数据资源的垄断者之一。可即便如此，数据孤岛仍是围困BAT在大数据方面想象力的重要原因，正如阿里对于社交数据的缺失，腾讯在生活场景数据方面的不足。同样的困局还存在于银行业，目前央行个人征信记录覆盖率仅为35%，这一数字在某种程度上甚至不及BAT所搭建的信用体系和风控模型，尤其体现在数据的维度上。从这个角度或许也能够解释，为何BAT把大数据风控的潜在客户指向了银行业。
大数据应用的云服务化或是结束数据割裂最行之有效的方式，比如说网络云和民生银行的合作方式在服务的标准化和可复制方面并没有太大的门槛，这就意味着未来将适用于更多的企业，而作为云服务的供应方也将从更多维度获取到数据。
数据显示，目前国内大数据的市场份额已经达到了1000亿人民币，预测到2025年中国的大数据产业会是一万亿元的规模，有着近十倍的增长。数据的流通势必将以指数级的形式加速大数据产业的发展，但在诱人的前景背后也面临着标准化、规范化、安全性、公平性等一系列亟待解决的问题。
结语
30多年前，世界著名未来学家阿尔文·托夫勒就在《第三次浪潮》一书中预言，大数据极有可能是继农业革命和工业革命后的“第三次浪潮”。或许其中的过程有些曲折，从银行业和大数据风控身上，我们看到了未来的希望。
Alter，互联网观察者，长期致力于对智能硬件、云计算、VR等行业的观察研究。

G. BAT三巨头开始挖掘大数据

BAT三巨头开始挖掘大数据
阿里巴巴CTO即阿里云负责人王坚博士说过一句话：云计算和大数据，你们都理解错了。
实际上，对于大数据究竟是什么业界并无共识。大数据并不是什么新鲜事物。信息革命带来的除了信息的更高效地生产、流通和消费外，还带来数据的爆炸式增长。“引爆点”到来之后，人们发现原有的零散的对数据的利用造成了巨大的浪费。移动互联网浪潮下，数据产生速度前所未有地加快。人类达成共识开始系统性地对数据进行挖掘。这是大数据的初心。数据积累的同时，数据挖掘需要的计算理论、实时的数据收集和流通通道、数据挖掘过程需要使用的软硬件环境都在成熟。
概念、模式、理论很重要，但在最具实干精神的互联网领域，行动才是最好的答案。国内互联网三巨头BAT坐拥数据金矿，已陆续踏上了大数据掘金之路。
BAT都是大矿主，但矿山性质不同
数据如同蕴藏能量的煤矿。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。
网络拥有两种类型的大数据：用户搜索表征的需求数据;爬虫和阿拉丁获取的公共web数据。
阿里巴巴拥有交易数据和信用数据。这两种数据更容易变现，挖掘出商业价值。除此之外阿里巴巴还通过投资等方式掌握了部分社交数据、移动数据。如微博和高德。
腾讯拥有用户关系数据和基于此产生的社交数据。这些数据可以分析人们的生活和行为,从里面挖掘出政治、社会、文化、商业、健康等领域的信息，甚至预测未来。
下面，就将三家公司的情况一一扫描与分析。
一、网络：含着数据出生且拥有挖掘技术，研究和实用结合
搜索巨头网络围绕数据而生。它对网页数据的爬取、网页内容的组织和解析，通过语义分析对搜索需求的精准理解进而从海量数据中找准结果，以及精准的搜索引擎关键字广告，实质上就是一个数据的获取、组织、分析和挖掘的过程。
除了网页外，网络还通过阿拉丁计划吸收第三方数据，通过业务手段与药监局等部门合作拿到封闭的数据。但是，尽管网络拥有核心技术和数据矿山，却还没有发挥出最大潜力。网络指数、网络统计等产品算是对数据挖掘的一些初级应用，与Google相比，网络在社交数据、实时数据的收集和由数据流通到数据挖掘转换上有很大潜力，还有很多事情要做。
2月底在北京出差时，写了一篇《搜索引擎的大数据时代》发在虎嗅。创造了零回复的记录。尽管如此，仍然没有打消我对搜索引擎在大数据时代深层次变革的思考。 搜索引擎在大数据时代面临的挑战有：更多的暗网数据;更多的WEB化但是没有结构化的数据;更多的WEB化、结构化但是封闭的数据。这几个挑战使得数据正在远离传统搜索引擎。不过，搜索引擎在大数据上毕竟具备技术沉淀以及优势。
接下来，网络会向企业提供更多的数据和数据服务。前期网络与宝洁、平安等公司合作，为其提供消费者行为分析和挖掘服务，通过数据结论指导企业推出产品，是一种典型的基于大数据的C2B模式。与此类似的还有Netflix的《纸牌屋》美剧，该剧的男主角凯文·史派西和导演大卫·芬奇都是通过对网络数据挖掘之后，根据受欢迎情况选中的。
网络还会利用大数据完成移动互联网进化。核心攻关技术便是深度学习。基于大数据的机器学习将改善多媒体搜索效果和智能搜索，如语音搜索、视觉搜索和自然语言搜索。这将催生移动互联网的革命性产品的出现。尽管网络已经出发，其在大数据上可做的事情还有很多。
在数据收集方面，网络需要聚合更多高价值的交易、社交和实时数据。例如加强自己贴吧知道的社交能力、尽快让地图服务与O2O结合进而掌握交易数据，以及推进移动App、穿戴式设备等数据收集系统。
在数据处理技术上，网络成立深度学习研究院加强自己在人工智能领域的探索，在多媒体和中文自然语言处理领域已经有一些进展;云存储、云计算的基础设施建设也在逐步完善。但深度学习仍然是一个巨大的挑战，网络等探索者还有很多待解问题，如：无监督式学习、立体图像识别。
在数据变现方面，网络需将数据挖掘能力、数据内容聚合和提取等形成标准化的服务和产品，进而开拓大数据领域的企业和开发者市场。而不仅仅是颇为个性化、定制化地为大型企业提供解决。
网络的优势体现在海量的数据、沉淀十多年的用户行为数据、自然语言处理能力和深度学习领域的前沿研究。在技术人才方面网络是聚集国内最多大数据相关领域顶尖人才的公司。听说网络前段时间花五千万挖了数据挖掘、自然语言处理、深度学习领域的十来位大牛，包括一些学者和教授。例如Facebook科学家徐伟。
在挖人上，舍得花钱不够，还得用心。对于真正的大牛来说，钱只是一个影响因素。能否实现自己的梦想，公司的资源能否帮助自己的研究至关重要。徐伟在回国前就曾问过其他从硅谷回国工程师的意见，得到答案是积极的，最终促成他作出决定。
总体来看，网络拥有大数据也具备大数据挖掘的能力，并且正在进行积极地准备和探索。在加强面向未来的研究和人才布局的同时，也注重实用性的技术产出。
二、腾讯：数据为产品所用，自产自销
微创新提出者金错刀有个关于腾讯的故事。 1999年腾讯公司刚刚成立不久，天使投资人刘晓松决定向其注资的一个主要原因就是因为他发现，“当时虽然他们的公司还很小,但已经有用户运营的理念,后台对于用户的每一个动作都有记录和分析。”而另一个投资人却因为马化腾在公司很小时就花钱在数据上表示不满。此后腾讯的产品生产及运营、腾讯游戏的崛起都离不开对数据的重视。
腾讯拥有社交大数据，在企鹅帝国完成数据的制造、流通、消费和挖掘。 腾讯大数据目前释放价值更多是改进产品。据腾讯Q1财报，增值服务占总收入的78.7%;电子商务业务占14.1%;网络广告收入占6.3%。从广告收入比例可以看出腾讯的大数据在精准营销领域暂时还未大量释放出价值。与其产品线对应的GMAIL、Google+的Google以及社交巨头Facebook则通过广告赚得盆满钵满。
在笔者看来，腾讯的思路主要是补齐产品，注重QZONE、微信、电商等产品的后端数据打通。例如最近腾讯微博利用“大数据技术”实现好友关系自动分组、低质量信息自动过滤、优质信息分类阅读等智能化功能。明显的用数据改进产品的思路。 那么如果腾讯要深入大数据挖掘缺少什么呢?笔者认为其只需马化腾“摁下启动按钮”。数据已经准备好了，就差模式，也就是找到需求或者能更深层次驱动大数据利用的产品，而不是用大数据改进自己的产品。腾讯还在观望，等其他人去试错验证出一套模式或者产品后，自己可以“站在巨人肩上”。这是腾讯的典型思维。
在人才方面，腾讯很早便开始重金挖人。尤其是2010年在Google宣布退出中国后，Google图片搜索创始人朱会灿、Google中国工程研究院副院长颜伟鹏、Google中日韩文搜索算法的主要设计者，《浪潮之巅》及《数学之美》作者吴军相继加入腾讯。搜搜花了很多钱，但被认定为一款无法承载腾讯重托的产品，最后这些大牛都走了。大都回Google了。
腾讯在大数据领域也缺少技术带头人。其对公关也不重视。技术大牛很少出来做报告，更不会向网络、阿里那样主动包装宣传技术大牛。其技术虽然低调，但执行力很强。据腾讯的程序员朋友说封闭开发、集体加班是常有的事情。但配套的重金激励也能跟上。重金之下必有勇夫、腾讯用制度保障技术产出。另外腾讯在高校合作领先一步，在2010年便与清华大学合作成立了清华腾讯联合实验室。这么看腾讯的技术人才这块似乎有短板。会不会到时候马化腾按下启动按钮，发现没数据挖掘能力呢?不会，腾讯搞不定数据挖掘，到时候依然可以挖到大牛，甚至读论文来搞定这事儿。数据挖掘已较为成熟。数据挖掘实际是数据库、统计学、机器学习三个领域的融合。在学术界已经发展多年。不过自然语言识别和深度学习等方面要赶上网络，就难了。除非将网络的数据和众大牛一起倒腾过来。
总体来看，腾讯目前的大数据策略是先将产品补全，产品后台数据打通，形成稳定生态圈。本阶段先利用大数据挖掘改进自己的产品。后期有成熟的模式合适的产品，则利用自家的社交及关系数据时，开展对大数据的进一步挖掘。
三、阿里巴巴：坐拥金数据，尝试做面向未来的数据集市
阿里巴巴B2B出身，在外贸蓬勃的大环境下，依靠服务中小企业发家。淘宝、支付宝等toC的产品出生前，阿里并不依赖也不擅长技术。业界普遍认为阿里没有技术基因。直到淘宝、支付宝以及天猫三个产品后，对海量用户大并发量交易、海量货架数据的管理、安全性等方面的严苛要求，阿里完成进化，在电商技术上取得不菲的成绩。在一段时期阿里仍然浪费了手里掌握的大量数据。这些数据还是“最值钱”的金数据。
数据挖掘无非是从原始数据提取价值。阿里现有的数据产品例如数据魔方、量词统计、推荐系统、排行榜以及时光倒流相对来说是比较简单的BI(商业智能)，没到大数据的阶段。“大数据”浪潮袭来，阿里提出“数据、金融和平台”战略。前所未有地重视起对数据的收集、挖掘和共享。马云在“退居”前动不动都对外提“数据”。有位阿里朋友甚至开玩笑说，马云英文名可以从Jack Ma改为Data Ma。阿里现CEO陆兆禧曾做过CDO，首席数据官。为了用数据来驱动阿里电商帝国，阿里还成立了横跨各大事业部的“数据委员会”。
阿里的各项投资案也显示其整合、利用和完善数据的野心：新浪微博的社交及媒体数据、高德的地图数据和线下数据以及友盟的移动应用数据，都是其数据及平台战略的一部分。数据战略正在首席人工智能官(CBO)车品觉领头下逐步落地，王坚的云为其提供基础设施、基础技术支撑。
就在马云退休之后，王坚对外透露其跟马云开玩笑说的一句话：阿里巴巴对数据的理解深度，不会超过苏宁对电子商务的理解。估计马云不一定认同他这话。马云对大数据已经有着自己的理解和考量。马云曾经说过其对大数据的思考。大致意思是：现在从信息时代进入数据时代了。区别是信息时代更多的是精英玩的游戏。我比别人聪明，我能提取出信息出来;数据时代，别人比我聪明，将数据开放给更聪明的人处理，数据即资产，分析即服务。
计算机发展的过程是从象牙塔、到平民到草根。大数据也是这样，一开始在象牙塔阶段，少数精英公司才能玩;但到后面只要有数据就有价值。数据也有所有权，产生数据、流通数据、挖掘数据的都会获得相应的价值。而阿里擅长的便是“建立市场”，建立一个数据交易市场。届时任何个人和企业都可以将数据和挖掘服务拿上去，交易。初期阿里会将自己珍藏的电商和信用数据逐步放到上面。 有数据的人，拿上去卖，或者让别人分析，分析即服务。没有数据的人，即可以去买，也可以去帮别人挖掘，做矿工。
阿里并不是技术驱动，而是业务驱动的。因此在技术层面我们看到，基于前面提到的阿里大数据思路，其技术重心主要在系统层面。阿里拥有LVS(Linux Virtual Server，Linux虚拟服务器)开源软件创始人章文嵩，Linux Kernal、文件系统、大牛DBA等领域的大牛。从人才布局可以看到阿里擅长的技术领域，体现在对于并发访问、电信级别的电商业务的支撑方面的得心应手。在去年双十一期间，支撑了单日过亿的订单量。铁道部奇葩网12306在日均40万时已经不行了。
总体来看，阿里更多是在搭建数据的流通、收集和分享的底层架构。自己并不擅长似乎也不会着重来做数据挖掘的活儿。而是将自己擅长的“交易”生意扩展到数据。让天下没有难做的“数据生意”。
总结一下
移动互联网浪潮下，现实世界正在加速数字化，每个人，每个物体、每件事情、每一个时间节点，都在向网上映射。空间和时间两个维度的联网，使得数字世界正在接近一步步模拟现实世界。历史、现在和未来都会映射到网上。对大数据的挖掘正是对世界的二次发现和感知。BAT三巨头已经出发。

H. 干货来袭！新媒体投放渠道整理~~

整理了一下万达新媒体投放指南，运营的小伙伴们看过来看过来——

我们始终要明白， 无论广告投放的形式如何变化，其目标都是实现转化毁握和传播。

新媒体投放渠道：

1、新闻客户端

2、地方网络平台

3、社交媒体

4、视频平台

5、BAT平台

6、DSP平台

7、专业相关网络平台

8、跨界网络平台

9、其他新媒体

（主要整理了新闻客户端和BAT平台）

目前新媒体投放的付费方式，主流的是cpm（按千次曝光付费），也有部分按照cpd（按天付费）、cpc（按点击付费）付费的。

一、新闻客户端：

1、精准定制类：根据每个人的阅读习惯定向推荐内容，包括今日头条、一点资讯、天天快报。

2、常规新闻类：纤消庆按照频道划分内容，腾桥念讯、网易、新浪、凤凰、搜狐等。

今日头条：

今日头条是以定制、精准为导向的新闻客户端，系统根据网友的阅读兴趣，定时推送，友好精准的传递品牌信息。日活跃用户4000万。

有三种投放模式：地域开屏广告、GD信息流、竞价投放。

腾讯：

腾讯新闻在新闻客户端排名前三。倚靠旗下多个社交产品数据，提供多个投放维度：

1、按照城市进行投放；

2、按照用户特征投放；

3、按频道、时间段投放。

网易：

网易新闻在新闻客户端排名前三，日活跃用户5000万，相对其他客户端，用户水平及忠诚度较高，可进行地域投放，按照cpd（日）或cpm（千人曝光）付费。

1、开屏广告

2、焦点图

3、信息流（含大图、图文和大小图），从性价比角度，推荐信息流广告。

二、BAT平台：

从大数据讲，BAT分别掌握着一般型数据、交易型数据和关系型数据领域的话语权，但彼此间并不开放。

网络平台

产品一、搜索产品

在网络搜索框中搜索相应的关键词，在第一条到第四条位置均可以投放相应广告，投放广告的信息下方会出现“推广”二字，按照cpc付费。

文旅项目可考虑投放：本项目名称，竞品项目名称，相关常用搜索词。

产品二、网络MDSP(类似网络联盟的DSP)

网络联合5万+个合作app，针对客户在网上行为轨迹，圈定目标用户进行精准投放，按照cpm付费，人群选择可根据四个方面的维度：人口属性，地理位置定向，生活形态定向，LBS区域定向。

产品三、网络地图品牌专区

支持省市级别定向，按照关键词付费，一组关键词多少钱。好处是可以让相应的人群在使用网络地图搜索相应词的时候，第一时间看到投放的项目。

文旅项目可考虑投放：区域次、兴趣词、其他词、说明。

阿里平台

阿里系所有的广告资源都由阿里妈妈进行管理与投放。因为淘宝网本身的特性，阿里拥有包括详细地址、消费习惯在内的优势数据。按照cpm付费。

阿里广告投放建议：

1、提供以成交客户分析额对方，由对方在其底层数据中进行匹配，运用他们的大数据帮助我们进行客户画像。

2、根据用户画像，选择淘宝资源进行精准投放，圈定地域，消费偏好，性别等等，让目标客户看到我们的广告。

3、根据客户画像，有利于进行针对性的广告创意。

腾讯平台

广点通、智汇推、朋友圈

产品一、广点通

广点通类似腾讯社交产品的dsp，可以根据人群特征，在腾讯社交产品进行投放，从多个维度，包括性别、年龄、兴趣标签等，按照cpc付费。主要在qq空间、qq客户端、手机qq空间、手机qq、腾讯公众号底部等位置。qq聊天窗口是开发商使用较多的资源。

产品二、智汇推

智汇推类似于腾讯新闻产品的dsp，投放资源主要集中在腾讯新闻客户端和腾讯视频客户端里面。按照性别、年龄、地域和人群类别进行筛选，按点击付费。

产品三、朋友圈广告

自朋友圈投放的原生广告，包括图文和视频两种，按照曝光次数进行收费，按照地域、年龄、性别、兴趣等，进行人群选择，价格五万元起。

工作机制：

1、创意化精细

在文案和设计上下功夫，在不同的时间、对不同的人推送不同的内容，必须具有针对性，才能打动客户。

2、销售动作配合到位

3、动态策略调整

新媒体投放必须加强过程监控，一旦发现问题马上调整投放内容或方式。

整理到此结束，谢谢观看~~~

I. BAT互联网医疗大战，百度玩法有何不同

讲述了互联网医疗江湖的烽烟四起。经济学人智库所发布的报告称，中国已在2013年超越日本，成为全球第二大医疗健康市场。到2018年，中国年度医疗保健支出可能将达到9000亿美元。庞大的数据背后，春茄洞散发着商业气息的诱人味道，你说江湖能平静吗，何况是嗅觉敏锐的巨头BAT，腾讯手拿两张好牌，一是“任你漂洋过海，也能找到你”的微信，目前也做了几个医院信息化的样板工程，如“广东省妇幼”、“武汉口腔医院”等;二是向全世界“晒富”，两月内连“下聘礼”1亿7千万美元，“迎娶”丁香园和挂号网，从而获得了最宝贵的三甲医生资源。和腾讯并肩的阿里，也早已嗅到钱味。在移动医疗中，阿里手中最大的一张牌，就是无所不能的支付宝。

有人就问了，BAT中腾迅、阿里如此高调晒富，网络在干嘛?网络说，你们玩你们的，别盯我的就行，不然我让你们“晒黑”(当然纯属小编胡诌，可能BAT私下很和谐捏)。事实上网络布局已久，虽然近期网络没有直接投资某个在线医疗入口，但却用的是“平台+大数据”的思路，这是与网络的搜索引擎身份相匹配的。我们可以猜测网络的战略是做中立性平台功能的乙方，因而直接投资其中某一家显得有碍乙方角色。在这个层面上看，网络的玩法显得更前景宽广。动脉网梳理了网络近几年来的互联网医疗布局，以探究竟。

网络竭力抹去网络虚假医疗骂名

2013年2月，网络与国家药监局达成战略合作，后者将向网络开放药品数据库、药品说明书范本数据库以及经过认证的可向个人售药的网站的数据库信息。依据国家药监局的数据信息，网络同步发布了三个安全用药产品：认证药品搜索、药品范本说明书网络词条和认证网络药店搜索。

网络表示，用户在网络搜索药品，可以通过对通俗的商品名、专业的药品名、批准文号等多个途径，得到药监局认证药品数据。同时，经国家药监局备案的网络药店认证信息也入驻网络，网络将以醒目的认证标识推荐有网络售药资质的药店。当网民在网络搜索“药品名+网上药店”，或直接搜索某药店名称时，只要认准“认证”标识便可进入药监局权威认证的正规药店，可以放心购药。

网络还启动了一项“网民权益保障计划”，对于因网络推广链接信息而遭遇欺诈的网民，提交符合要求的证明资料之后，将被给予一定额度的保障金支持。

看来为了抹去“网络虚假医疗广告”的骂名，网络也没少费功夫。

基于搜索的医前智能问诊平台

2013年6月，依托网络知道专家扒枯资源和病例问答内容，及中国育婴网、寻医问药网、好大夫在线、39健康网、有问必答网、育儿网、宝宝树等医疗健康类网站的数据，帮助用户避免盲目就医或延误就医。网络医前智能问诊平台汇聚超过2万种常见症状，580万条病例数据，能满足人们在就医前基本的问诊需求。如在网络知道中搜索“感冒”，网友可自行选定性别、人群、症状，定向查找，通过网络搜索技术后台计算，智能匹配推送更精准的参考病例和针对性建议。如下图在网络知道输入“胃痛”得到这样的界面。可以看出是以数据智能搜索的功能为基础。

打造一站式医疗服务平台

2013年7月17日，医疗关键词的网络搜索纳喊结果页发生变化，出现了集成于网络系统的一站式医疗服务平台。并且有一套在线互动评价体系，及审查监管机制。

网络本身就有开放V计划，将各类应用嵌入网络的搜索平台内。事实上，目前网络已经在其搜索引擎上集成了寻医问药网和39健康网的在线问诊和网上挂号功能。例如你搜索“胃痛”你会得到以下界面。直接通过这个界面就可以进入39健康网或寻医问药网的在线问诊功能。

直接从网络知道进入，你还能得到一个更像在线问诊平台的界面。不难看出在网络知道模式下，网络自身已经成为一个天然的在线问诊平台。可以看到右侧有“医生注册”的入口，执业医生可以直接向网络知道平台提交加入申请。动脉网还注意到，在这个界面下还有一排友情链接，包括寻医问药、好大夫、快速问医生、问病网等等。因而可以看出网络无须巨额投资某家在线问诊平台一样可以掌控资源端口。

以数据价值为核心的智能设备平台

Dulife 品牌成立于2013年12月，是网络旗下的智能人体便携设备品牌，号称致力于打造中国自主品牌的尖端智能设备。同期推出的 Dulife
平台汇总个人拥有所有智能设备的数据，通过对数据的分析处理，提供为用户量身打造的健康解决方案。网络并非转行自己做硬件，而是由合作厂商提供硬件生产技术，网络提供服务解决方案及市场推广，并将所有用户健康数据存储于云端，通过网络大数据的智能收集、分析、处理策略。申请接入的标准中第一条就明确规定数据要放在网络得“健康云”上。到目前为止，通过
Dulife 已向市场推出了10款智能设备，有医疗设备，也有健身设备和美容产品。

可以看出，网络在此谋划的是数据价值。只要这些智能设备终端所采集的数据在网络这，未来将多个数据来源端的数据加以汇集集中处理与分析，发挥平台整合的作用，最终所产生的价值远远大于那些仅拥有一个数据来源端的应用。

以北京为据点的“健康云”

2014年2月网络与北京卫计委和中国电信展开合作，在2014~2017年期间，网络将与北京市卫生计生委在互联网保健信息服务、人口健康便民服务、网络信息安全与健康网络建设，信息舆论与管理决策的大数据支撑、健康云等方面展开合作。

2014年7月，网络牵头、由北京市政府倡导，与智能设备厂商和服务商联手打造“北京健康云”。已有智能手环、血压计、心电仪、体重秤、体脂仪等八款设备接入。部分是网络智能硬件“
Dulife ”旗下品牌。

北京健康云平台包括三层架构：感知设备层、健康云平台层和健康服务层。这三层是从底层到上层的递进关系，最终完成对用户健康状况的跟踪，并利用大数据技术为用户提供健康服务。根据北京市经济和信息化委员会制订的计划，通过健康云平台，计划在明年建成10个市民体验中心，接入百家智能设备厂商，并在三年内覆盖千万市民，建立数字健康档案。

网络去年推出的 Dulife
智能健康设备平台是健康云的基础，位于“感知设备层”，在这一层里面是BoomBand手环、MUMU血压仪等智能硬件厂商，网络为这些设备提供LBS接口、消息推送接口、BAE云计算引擎、语音识别能力和数据存储能力等。同时需要指出的是，网络健康云不会是免费的服务。例如高血压指导服务的月费是20元，远程心电监测的服务月费是100元。除了基本的医疗服务，未来“网络健康云”还有更大的商业化空间，比如接入第三方机构进行减肥瘦身辅导和健康管理咨询等。

作为同是搜索引擎的巨头Google，在2014年6月也发布了健康应用平台Google
Fit，北京健康云与Google在智能健康上的玩法又有什么区别呢?据动脉网了解，它们的区别那不是一般大。首先就有这中美用户健康理念的不同，还有公共健康设施和服务现状不同等。

与Google
Fit由厂商主导不同，网络健康云采用的是政企合作模式，由北京市政府倡导，有卫计委、经信委等协助，就中国特色而言，有政府出面参与度会更乐观。Google
Fit可以支持不同设备，并将不同设备连接起来，数据共享进行更全面的用户健康管理，但它们均只支持自有平台，与操作系统绑定在一起。网络健康云本身没有移动操作系统，但同时则是跨平台的。

大数据分析下的“疾病预测”

2014年7月，网络上线了最新的产品“疾病预测”，利用用户的搜索数据，并结合气温变化、环境指数、人口流动等因素建立预测模型，实时提供几种流行病的发病指数。目前网络疾病预测提供流感、肝炎、肺结核、高血压和性病等十一种疾病的活跃度、热度，以及各种疾病相关的城市、区县及医院排行榜。用户可以查看过去
30 天的数据至未来 7 天的走势。中国疾病防控中心还提供了流感的监测数据作为流感疫情预测模型的辅助参数。

同为搜索引擎的Google早已推出过类似的服务，用户可以查看周围的流行病趋势，包括流感与革登热。但是这项服务曾经出过错，据动脉网了解，2013 年 1
月美国流感疫情高峰时间，谷歌流感趋势的估计比实际数据高两倍。2012 – 2013 与 2011 – 2012 的流感发病季相比，高估了流感流行趋势超过
50%。

总之，网络借助超大流量的平台优势，抓住患者的流量入口，以健康大数据为核心，用开放平台的方式提供医疗服务，可进可退，可攻可守

J. bat大数据的特点是

就是大，第一：数据体量巨大。第二：数据类型繁多。第三：价值的密度比较低。第四：处理的四度快。柠檬学院大数据。