1. 大数据金融创新与发展
img src=' https://p26 . toutiaoimg.com/large/c5f 00022 e 860696 a06b '/
近年来，大数据已经成为重塑金融竞争格局的重要支撑和抓手。特别是“十三五”规划纲要明确提出实施国家大数据战略，把大数据作为基础性战略资源，加快数据资源共享、开放和发展。
在此背景下，为全面落实“十三五”规划提出的国家大数据战略，推动金融业转型升级和创新发展，助力上海建设国际金融中心和科技创新中心，“大数据时代的金融野盯服务与创新”论坛于8月17日在中国金融信息中心举行。论坛由上海市经济和信息化委员会、上海市金融服务办公室和上海银监局指导。由新华社中国经济信息社、新华社新闻信息中心、新华网、上海证券报、中国金融信息中心、中国银行上海市分行主办，易迅财经协办，证大财富特别支持。
img src=' https://P3 . toutiaoimg.com/large/c5b 00057 DCC 4232 c 44 e '/
大数据之父勋伯格曾说，“大数据开启了时代的重大变革。正如望远镜让我们感受宇宙，显微镜让我们观察微生物一样，大数据正在改变我们的生活和我们理解世界的方式，成为新发明和服务的来源，更多的变化即将发生”。
img src=' https://P3 . toutiaoimg.com/large/c5e 0002510 CD 74d 6298 '/
张笑君表示，传统金融行业如何利用大数据技术和思维实现产业转型变革，推动金融服务创新发展，是每个企业都应该深入思考的问题；如何利用大数据降低金融风险，促进“大数据新金融”的可持续发展，使其发挥更大的社会价值，也是政府部门和监管部门面临的新课题。
据了解，2016年是“十三五”的开局之年，也是新华社业务转型发展的重要一年。2016年7月底，新华社全面完成国内分支机构采编管理“两分离两加强”重大机构改革。7月1日，新闻信息中心上海中心正式成立，这也标志着新华社在上海的各项事业进入了一个新阶颂罩和段。
“在保持传统信息产品和业务优势的同时，上海证券报将能够专注于国家战略和上海本地事业的整体发展。在垂直管理体制和上海分社的双重领导下，将继续夯实基础、求新求变，进一步扩大新华社新闻产品市场的覆盖面和影响力，为上海“四个中心”建设做出我们的贡献。”张笑君说。
img src=' https://P6 . toutiaoimg.com/large/c5d 000581 f 9 CB 43 f 6 c 4 '/
上海市经济和信息化委员会副主任邵志清
上海市经济和信息化委员会副主任邵志清表示，这次论坛主要是为了规划所谓的“形势、战略和技术”。所谓“趋势”，永远不应该是趋势的敌人。一个人，一个企业做一件事，一定要顺应时代潮流，顺势而为。今天，我们已经进入了信息文明时代，其中第一个是PC时代，第二个是网络时代，第三个是大数据时代。
大数据可以开发成引擎吗？邵志清讲了三个方面。首先，世界进入了一个新时代。90年代中期加入互联网大家庭，实现了人际交往的突破，让“一条家信抵一吨金”不复存在。现在，世界各国都在计划实现大数据时代的国家发展，因为大数据已经是一种资源，一种资产。显然，它已经成为一项国家发展战略。大数据能力已经成为综闷凯合国际竞争力和国际影响力不可或缺的方面。
第二，大数据已经成为我们的生产要素。大数据为计算开辟了新模式和新路径。产业方面，有新业务、新商业模式、新业态，给新经济带来很多活力。现在政府掌握了大量的大数据资源，如何服务社会和市场，从而激发市场的活力和社会的创造力，在社会治理方面如何管理网格。大数据也带来了很多机会，例如，它可以用于控制城市基础设施、环境保护、食品药品安全和交通运输。
第三，利用大数据安装创新驱动发展的强大引擎，要从资源、技术、使用、产业、安全等几个方面着力。
邵志清表示，最近上海也在制定大数据发展的实施意见，对接国家层面的战略，结合上海实际，大概有几个方面要做：要素供给、使用创新、产业发展。他认为，要加快几个方面的建设：一是整合共享的资源流通体系。二是创新活跃的行业使用体系。三是发展自主可控的数据技术服务体系。第四是世界一流的大数据基础设施体系。第五，可信、安全、独立的担保体系。
img src=' https://P3 . toutiaoimg.com/large/c5e 0002510d 22 a 7942 e '/
上海数据交易中心首席运营官沈翔宇
“在具体循环方面，我们对所有数据做了从高风险到低风险的评估。从用户产生的原始数据到后来产生的数据，无论是对个人还是对群体，都有几个要求。进入流通，我们有自主知识产权的六要素标准：数据要有ID，数据要有维度主键，也就是Key。这是分配ID、分配key、设置限制、数据提供及时性、设置交易价格的角度。”他们把数据交易中心能给大家提供的服务分为会员、挂牌、撮合、分销、清算服务等五个方面。沈翔宇说会有一个交易平台给大家用。
img src=' https://P6 . toutiaoimg.com/large/C5 c 00057 e 30 BF 384969 '/
上海大数据联盟
常务副秘书长马慧民
上海大数据联盟常务副秘书长马慧民演讲主题是《大数据推动产业创新》。市场交易成本主要是由信息成本和讨价还价成本构成。他说，企业组织成本主要是指维持企业内部各个部门运转所需要的各类行政成本和协调成本。
当企业内的组织管理成本扩大到等于市场交易费用时，企业达到其最大边界。比如说大数据、移动互联网等新型技术让出租车行业交易费用大幅度降低，传统出租车公司逐渐被中间市场——平台公司影响。比如说滴滴打车、Uber，有了这些平台，交易成本大大降低了。互联网促进和推动这个产业的发展，同时为产业的生产也带来了变革。大数据和相关技术解决了某种信息不对称领域引起的交易成本增加的过程。
通过大数据可以进行精准营销。“我们通过很多数据采集之后，我们会形成一个用户画像，无论是线上数据还是线下的数据，集合在一起之后就知道这个个人或者是企业需要什么样的东西。这里就解决了一个问题，就是线上、线下数据加在一起的个人标签。”马慧民说。
上海交通大学互联网金融研究所所长罗明雄
上海交通大学互联网金融研究所所长罗明雄分享的主题是《从互联网金融投融资看大数据金融》。他说，互联网金融等同于P2P、等同于骗子这是非常不准确的，P2P只是互联网金融当中的一个分支，而骗子只是打着P2P的旗号去做的行骗。他把大数据产业链条分为四个部分包括数据源、数据采集与存储、数据分析与挖掘和大数据使用。
什么人可以做好大数据金融，罗明雄说，一个是可以合法拿到大量的非结构化数据，二是能够对这些非结构化数据进行专业的挖掘、梳理、清洗。他建议大家不要把银行完全想像成传统金融机构，银行业在变，银行会通过很多领域来进行思考，要做风控，会拿到很多的数据，然后把这些数据打通，包括你的信贷风控、精准营销、运行决策优化。他说，银行的电商把信息打通，本质就非常类似于余额宝，余额宝就是利用信息化手段，让老百姓以极低门槛享受一个私人银行般的理财服务。
罗明祥说，传统的供应链金融是以银行或传统金融机构主导，通过绑定核心企业通过给核心企业授信，并给予其上下游企业一定支持，对供应链金融企业的BD能力以及自身资源能力提出很大的挑战。近期以B2B或者是SaaS模式切入供应链金融，从“三流”切入成为供应链金融最容易弯道超车的商业模式。供应链金融的本质是你能够抓到中小的企业为他提供整套供应链金融服务。
万达金融集团总裁助理兼万达征信公司总经理嵇磊
万达金融集团总裁助理兼万达征信公司总经理嵇磊结合他在银行、信贷行业和征信领域的工作体会与大家分享了征信行业的发展机遇。
国外征信行业发展情况来讲，美国的征信体系最为成熟，现已形成从数据采集、数据标准化、数据处理到信用使用等成熟完整的产业链布局，从而形成全球最大的市场规模。嵇磊说，美国征信行业的发展历程、动因及趋势，对我国征信市场及机构发展具有很好的借鉴意义。从发展路径看，美国的征信行业经历了快速发展、法律完善、行业整合及成熟发展四大阶段，最后经过行业洗牌整合，机构数量从最多时的2000家减少至500家，并逐渐出现全国性征信巨头。
研究分析国外市场，是为了更好的研判中国征信市场。至2015年末，央行征信系统已收录8.8亿自然人信息，其中3.8亿有信贷记录;收录企业及其他组织2120万户，其中577万户有信贷记录。伴随着庞大消费市场的逐步成熟、消费信贷的快速增长、互联网及大数据使用的跨越式发展，更多的社会第三方征信机构参与到我国征信体系建设中。
尽管成立背景不同、数据类型各异，但在个人征信业务的具体规划上，各家征信公司均不约而同地突出了“大数据”和“互联网征信”。互联网征信机构收集信息面宽，可以覆盖无法在银行留下信贷记录的庞大群体，从而成为央行征信体系的有益补充。
嵇磊认为，征信业最好的时代已经到来。随着法律法规的进一步完善、消费经济持续增长以及大数据、互联网技术的发展，征信行业正面临前所未有的发展机遇：一是法律法规的完善为征信发展提供支持；二是消费经济增长推动征信业持续发展；三是大数据及互联网促动征信业务全面升级；四是社会发展提高人们对信用价值的认知。
翼勋金融总经理孙海江
翼勋金融总经理孙海江表示，大数据的成长速度非常快，现在整体的大数据，人类90%数据都是在最近三年产生的。每天要使用消费类的软件，比如说滴滴打车这样的工具类软件以及金融软件等等，都会产生大量的数据。这些数据的服务能够产生价值，同时这些数据使用也能够带来价值。但是其实这个当中还有数据为我们带来的困扰。
在圆桌讨论环节，光大云付副董事长兼总裁夏令武、绿地金服CEO杨晓冬、上海互联网大数据工程研究中心主任陆晋军、证大财富总裁戴卫新、前海征信副总经理施奕明围绕四个议题展开，分别是：大数据时代为金融业带来的新机遇；大数据 金融如何服务小微企业；如何管理大数据征信使用中存在的挑战与风险；政府如何监管并服务于大数据金融创新。
光大云付副董事长兼总裁夏令武
光大云付副董事长兼总裁夏令武说，大数据和互联网最近几年的飞速发展给金融业带来很多机遇。这种机遇是两个方面，一个方面是给传统金融机构带来了更大、更强的生存能力。有人说互联网会颠覆传统机构。现在如果说从大数据维度来看，其实不是的。传统金融机构掌控了金融业、经济部门最大的数据。因为金融机构就是经营数据的。所以我想大数据增强了传统金融机构的能力。另一方面，大数据也推动了新的金融服务形式的产生，而光大云付就是这两方面的结合。
绿地金服CEO杨晓冬
作为陆金所创始管理团队之一，绿地金服CEO杨晓冬说，大数据最重要的是要降低企业的成本，从经营角度来说，大数据可以帮助我们提高风控能力。我对大数据未来的远景还是充满信心的，但目前的状况还是不令人满意的。举一个例子，在美国，这是我在90年代做的项目。90年代的时候，你在美国就可以在互联网上开户，我不用1秒钟就可以知道所有的信息。但是在目前，在中国的信息还是岛式的信息，没有一个统一的信息可以证明这个人是可信的，可以线上开户。市场数据成本是否合理，是关系到大数据能否成功的关键。他希望政府可以为不仅是金融企业，要为所有企业提供公共信息。这样才可以帮助金融企业降低成本。
上海互联网大数据工程研究中心主任陆晋军
上海互联网大数据工程研究中心主任陆晋军说，现在整个大数据行业存在一个乱象。一方面拥有数据的，比如说政府、银行、运营商很难开放。另一方面，有很多公司又号称有数据。但这个数据哪里来?可能会涉及到到隐私泄露的问题。围绕金融谈大数据，谈移动互联网，这是真正可以改变金融领域供给侧改革的技术和手段。因为有了移动互联网、各种宝、各种贷，为老百姓提供了更多的选择，当然选择过程当中又带来了很多风险。这是做技术、管理、监管的人要去解决的问题。通过大数据一定程度可以解决客户画像、客户获取、征信等等的问题，要把它做好。
陆晋军说，大数据一定要开放，一定要跨境。如果说你是封闭群体的数据也可以做数据分析，但是只有打开了通路，和不同领域的数据做交换、结合之后才可以产生更多的价值。这也是大数据交易所面临的一个非常重要的课题，而且要注重大数据的安全。
证大财富CEO戴卫新
证大财富的CEO戴卫新认为精准营销和风险管理两者结合度是非常高的。他们公司在两年前就做了“淘宝达人贷”，面对的客户是专门在淘宝上有消费的人群做信用贷款。在推出这个产品的时候，芝麻信用分还没有出来，通过这两年的数据积累，未来在大数据使用上，可以做一些改善。可以结合芝麻信用分来看我们客户的表现以及真实的芝麻信用分有巨大的关联性，来验证芝麻信用分在这样一个领域的市场，是不是有更好的使用场景。
戴卫新表示，金融最大的要点就是风险控制，大家数据共享可以有效降低在这一块上的损失。他说证大财富一直和上海官方机构、民营征信机构等合作，做数据共享。
前海征信副总经理施奕明
前海征信副总经理施奕明从征信和金融的关系谈了他的看法。金融的核心是风险定价，风险控制是非常重要的手段。原来传统的金融方式都是以线下方面为主，比如说贷款必须要面签。但是现在很多都是远程化、线上化的方式，如果说没有像现代征信业的发展，像远程开户、人脸识别这样的技术是不可能实现的。未来大数据在金融行业将会越来越重要。
施奕明介绍征信业面临的挑战是信息孤岛问题、安全合规问题和技术创新问题。
他说，现在征信把信息分为三大类，第一类是公共信用数据，第二类是金融信用数据，第三类是生活信用数据。这三方面的数据分别在各个不同的地方，要把这三类进行整合，需要一个大的战略，数据联盟、数据交易中心的出现为数据整合提供了很好的基础，也会成为征信业未来发展的契机。
大数据时代一个很大的问题就是个人信息披露泛滥。前海征信操作是非常规范的，任何数据的采集和披露都是要遵照合法的途径和规矩来做的，大数据的前提是合法合规。
在大数据征信时代有很多的创新点，但必须要谨慎。传统的金融征信其实已经被验证过无数次了，是可以非常有效的判断一个人的信用风险的。现在大数据发展很快，但是这些信息和标签是不是可以真正的防止风险，这是需要待验证的。因此并不会把所有创新都推向市场，需要经过长期验证之后，才会非常负责地推向市场。
主持人：第一财经广播主持人叶柳
2. 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。”
3. 大数据助力智能化管理
“园区经济”是改革开放以来中国经济发展的重要经验。它不仅成为中国经济的载体和平台，也为中国工业经济发展探索了一条成功的经验和模式。《工业互联网创新发展行动计划 （2021-2023）》中提到，培育一批综合实力强的安全服务龙头企业，建设一批工业互联网安全创新示范园区，做好工业互联网园区网络建设。
恰逢新一轮工业革命将数字技术和工具带入工业产业发展，使制造业从业者能够简单有效地利用数字技术，使信息技术从业者能够深入理解激铅工业需求和文化，最终输出数字制造知识和资产，让对制造业本身不那么精通的人也能通过这些数字资产挖掘出新的服务和使用，并产生增值。这与园区经济转型的需求不谋而合。
互联网与园区的价值融合，可以充分发挥园区资源聚集、基础设施集中建设的规模优势，以及园区集中管控、精细服务的优势。同时，园区可以帮助工业互联网打通其使用的“最后一公里”，园区也可以收获互联网盈利模式。
因此，上海化学工业园融合工业互联网的创新、科技、智能、生态变革势在必行。
上海化学工业区于1996年获准建立。它位于上海南部，杭州湾北岸，横跨金山区和奉贤区，规划面积29.4平方公里。是国家新型工业化产业示范基地、国家级经济技术开发区、国家生态工业示范园区、国家循环经济先进单位。园区创造性地提出并实践了“产品与项目一体化、公用事业一体化、物流与输送一体化、环保一体化、管理与服务一体化”的发展理念，形成了资旅铅斗源高度集约、效益集中的大型化工生产模式。超过80%的企业原材料/产品供应链在园区内实现闭环。
目前，德国巴斯夫、科斯特龙、赢创等国际化工巨头，美国亨斯迈，中国石化、华谊集团、高桥石化等大型骨干企业，以及荷兰皇家沃尔堡集团、法国液化空气集团、苏伊士集团等世界知名配套服务企业已连续多年入驻园区，与园区形成了良好的互助共赢发展态势。
完善园区基础设施，建设定制化大数据云计算中心。
园区内有上海化工园区大数据云计算拆磨中心，是“4S”工业园定制的大数据云计算中心，融合了中国电信云网整合的力量和上海化工园区的规划。大数据云计算中心采用云计算技术，统筹利用现有IT资源和条件，为上海化学工业区管委会各部门统一建设和提供基础设施、支撑软件、使用功能、信息资源、运行保障、信息安全等服务。
大数据云计算中心具有强大的计算能力、开放的云架构和充分的可扩展性。采用政务云相同框架建设标准，连续多年通过信息安全等级保护三级保护审核。具有灵活的定制化调整和开发能力，可同时满足园区多家企业多样化的实际使用需求。同时，在园区管委会的指导和支持下，园区部分企业自主开发使用了企业级大数据平台。
搭建大数据平台和辅助决策系统。
实现“三个预期”的深入使用
园区内搭建大数据平台，基于化学工业区接口交互标准和化学工业区数据目录标准进行数据采集和交互服务。B
此外，园区推进综合业务监管辅助决策系统建设，以园区各种感知和业务数据为基础，以融合数据分析引擎为核心，以园区管理者、经营者、企业等主体的服务需求为导向，为智能决策提供有力支撑，提高决策效率，开展“三预测”(预测、预警、预报)深度使用。大数据平台的建设原则是“统一设计、分期建设、有序推进”。一是完成平台基础架构，基本形成数据治理架构，实现数据可视化分析展示，开展辅助决策工作。然后完善平台的功能，不断扩展平台连接的业务系统/数据，提供深度感知和智能决策服务。
辅助决策系统实现了园区整体业务运营的总览，对业务场景的8个核心指标和业务状态进行了设计、融合、分析和实现，共计29类。它采用逐级细化的可视化展示方式，业务数据的粒度由粗到细，实现了业务监管的分层决策模式。结合2D/3D GIS技术的使用，实现了工业互联网园区业务管理“一张图”。
挖掘典型使用场景推进工业互联网园区建设
园区内外生产性、生活性服务企业涉及原材料进出口、储罐储存、运输管廊运维、污水处理、热力供电等公共功能。企业积极响应工业互联网园区建设，形成典型的数字化使用场景，具体如下。
(1)数字结对。基于“GIS数字孪生”等技术，构建园区化工材料、能源材料输送管廊三维可视化数字化管理平台。结合智能传感器实现管廊的智能化管理，将企业运营、安全、生产、财务等多业务维度指标统一可视化展示。
(2)资产管理。对公用事业服务企业相关资产进行数字化识别、快速盘点、精准定位、全生命周期管理等创新使用，实现资产的可管、可控、增值。
(3)智能巡检。基于悬浮轨道机器人、地面行走机器人、集成IOT传感终端等。实时感知和监控管道和关键设备的运行状态，形成一体化的空中和地面检测网络。
(4)热电平衡。针对园区内多家企业对供汽稳定性的高要求，搭建了蒸汽配额交易平台，平衡不同企业间因生产峰谷和配额利用率差异造成的供汽不稳定或浪费，实现供需精准匹配和资源优化。
(5)环境监测。基于生产企业
业厂内物联网和园区广域网的覆盖，建立多源环保污控数据集成监控体系，实现对园区内重点企业、重点区域的污染源状态、排放数据及环境质量数据的实时监测与预警。
另外，园区充分发掘主体化工生产型企业智慧化建设的内在动力，引导、鼓励企业结合自身实际，加大投入，开展技术和智能化改造，提升智能制造水平，目前已形成生产过程管理信息化、生产过程工艺自动化、智能巡检/运维、能源管理、智能输送、视频监控等工业互联网使用场景。
打破园区数据孤岛，园区管理运营更上一层楼
上海化学工业区实现了普通政务云与园区使用、医疗生产力系统、公安封闭系统、物联网及视频系统的融合，在确保数据安全和使用顺畅的情况下保持了原有的个性化资源需求。目前，园区各类项目上云超过20个，资源使用率超过85%；平台运行平稳，总体可用率超过99.99%；使用部署时间从原来的3~6个月缩短为3~5天；等级保护三级评测达到90分以上，未出现信息安全问题。
上海化学工业区数据平台将采集的8200万余条数据归入3类、15项、21目、256细目的数据体系中，在此基础上形成7大主题库和256个业务库，通过API为各类使用提供了430个数据元素。平台的建设初步打破了管委会、公用工程服务企业和生产企业间的信息孤岛，可以为园区管理运营的各个领域提供快速、有效的决策支持，为上海化学工业区的管理和服务提供新的洞察力，提升园区治理、运营和公众服务的智能化水平。
专家推荐语
上海化学工业区建设之初开创性地提出了“五个一体化”的发展理念，引领带动全国石油和化工园区的发展。园区进行大数据云计算中心建设，将普通政务云与园区使用充分融合，搭建智慧决策平台，汇集各类业务数据，进行实时分析和可视化展示，服务于园区不同客户，提升园区运营和服务的智能化水平，对于全国范围内经济开发区、高新区及工业园区具有较高的可借鉴性和可复制性。
系统软件用于管理计算机资源，并为使用软件提供一个统一的平台。 使用软件则在系统软件的基础上实现用户所需要的功能。支撑软件是支撑各种软件的开发与维护的软件,又称为软件开发环境。它主要包括环境数据库、各种接口软件和工具组。著名的软件开发环境有IBM公司的Web Sphere,微软公司的***.NET等。包括一系列基本的工具（比如编译器，数据库管理，存储器格式化，文件系统管理，用户身份验证，驱动管理，网络连接等方面的工具）。
4. 上海超算中心主任啥级别
上海超算中心主任周曦民，教授亏森级高级，博士。其兼任上海市突出贡献专家协会副会长及人工智能专业委员会主任、上海大数据联盟副理事长、秘书袜空知长，中国人工告消智能产业发展联盟专家委员会委员等。回答完毕，谢谢。
5. 上海财经大学金融大数据统计学习理论与方法及互联网金融中的应用项目
上海财经大学的“金融大数据统计学习理论与方法及在互联网金融中的应用”项目是重大研究计划“大数据驱动的管理与决策研究”的重点支持项目。该项目拥有一支经验丰富、工作高效并具有国际影响力的学术研究团队。
上海财经大学有法学、中国语言文学、外国语言文学、新闻传播学、农林经济与管理、公共管理、理论经济学、应用经济学、工商管理、管理科学与工程、统计学、马克思主义理论等一级学科硕士学位授权点。
近年来，“大数据”已成为互联网、新闻媒体、学术机构、政府企业管理人员等多方关注的热点。随着现代科学技术姿者尤其是计算机、网络信息、生物工程等技术的发展，大量的数据出现在许多不同的自然科学和人文科学领域，包括生物学、医学、信息技术、经济、金融，环境科学等，并以前所未有的速度产生和积累。大数据涵盖的数据量大、包罗万象、变化速度快、存在的形式多种多首姿样，可以是包括文字、图片、视频等多种信息的集合。在新一轮科技和产业竞争中，大数据已经是与自然资源、人力资源一样重要的战略资源，著名管理公司麦肯锡声称，“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。”在这样的背景下，美国政府2012年宣布投资2亿美元启动“大数据研究和发展计划”，这是继1993年美国宣布“信息高速公路”计划后的又一次重大科技发展部署。
大数据潮流使得我们获得了海量的数据，但掌握这些海量的数据本身并无意义。真正的意义体现在对于含有信息的数据进行专业化的处理。加强大数据科学研究和促进大数据应用开发将为未来我国在大数据领域掌握竞争主动权奠定基础，是关系我国国家和社会稳定、提高科技创新水平、推动国民经济可持续发展、提升社会管理服务能力的重大需求。可以预见未来国家之间的经济与政治竞争将是大数据引领的竞争。
随着互联网金融的蓬勃发展，大数据技术逐渐成为其与传统金融行业抗衡的保证。然而互联网金融与传统金融虽然形式上有区别，但其背后的金融“契约”本质并没有大的改变，风险测迹芹薯度和管理依旧是重中之重。本课题以“互联网金融风险”为核心研究对象，以各类不同发展的业务模式为研究场景，深入讨论对于互联网金融风险的计量和管理，促进虚拟经济发展和实体经济结构转型，并总结和规划未来发展导向，更好地为政府指导和监管决策，为虚拟经济健康发展、实体经济升级调整提出参考意见和建议。
项目负责人、上海财经大学统计与管理学院院长周勇教授表示，面对大数据应用的快速发展、国家经济和金融安全所提出的迫切需求，我们面临着大数据分析方法瓶颈与挑战，需要发展大数据基础分析的理论方法和技术，同时应用这些理论方法研究大数据下的数据降维技术和算法，深入研究互联网金融风险管理、高频海量数据市场行为和管理决策等前沿问题。
“金融大数据统计学习理论与方法及在互联网金融中的应用项目将对金融大数据统计推断理论及其应用等重大问题展开研究，研究内容的核心是金融大数据计量建模和快速算法的提出。我们希望通过相关研究，一方面，能在大数据金融计量理论和方法上进行创新，走向本领域学科研究的国际前沿。另一方面，也能为我国金融体系的安全运行提供深刻的实证依据和切实可行的政策建议。”
考研政策不清晰？同等学力在职申硕有困惑？院校专业不好选？点击底部官网，有专业老师为你答疑解惑，211/985名校研究生硕士/博士开放网申报名中：https://www.87dh.com/yjs2/
6. 航班管家开放平台——打造航空铁路出行行业的企业级SaaS服务平台
“ 本项目案例由 航班管家 投递并参与 由数据猿&上海大数据联盟联合推出的“行业盘点季之数智化转型升级”大型主题策划活动之《2021中国企业数智化转型升级创新服务企业》榜单/奖项的评选。
航班管家开放平台是航空铁路出行行业首个SaaS级服务平台，聚焦大交通出行服务行业数字化升级，基于民航局空管局授权的官方动态数据，整合航空、铁路、场站、旅客、货运等多维度数据，结合拥有自主知识产权的算法模型与行业Know-how，面向行业提供多种数据服务产品和数据解决方案，赋能行业合作伙伴、帮助其提效降本。
如数字化程度有待提高的旅行社、票务代理、TMC、企业差旅部门等，用户在其平台购票后，需要通过其他第三方平台查询航班/列车动态信息，用户体验感和便利程度大大降低，航班管家面向这些企业，提供SaaS级产品【行程服务H5】，客户可根据自身需求进行页面个性化配置，然后将配置好的页面直接嵌入自有APP、公众号、小程序等产品中，方便用户在自有平台完成购票、动态查询等服务，形成服务闭环，提高用户体验，同时降低企业开发成本。
面向数据分散在各个部门、协调难度大，但正在进行数字化转型的航司、机场等企业，还有需要分析数据的金融、券商、媒体、院校、咨询公司、研究机构等行业，航班管家提供【智数出行】服务，包括数据分析平台、可视化大屏、大数据分析报告等产品，分析行业数据、洞察行业发展，提供有价值的分析结果与行业洞见，以满足行业日常工作及决策支撑需要，助力企业数字化转型升级。
实施时间
开始时间：2021年1月初完成项目立项
里程碑节点：
2021年1月25日
·官网V1.0版本上线。
·华为云上代码部署，正式环境搭建完成。
2021年4月8日
·平台V1.0版本上线，支持账号认证、产品服务开通。
2021年5月31日
·平台V2.0版本上线，行程服务产品支持套餐包购买，H5版本官网、产品介绍页上线。
·首批客户上线，分贝通、公务之家、qq浏览器、UC浏览器等。
2021年6月30日
·平台V3.0版本上线，官网全新改版、行程服务产品支持功能模块可配置化、支持在线扫码支付。
截止时间：2021年年8月底
依托于航班管家多年的数据积累及服务B端、C端用户经验总结，打造一站式开放平台，致力于为多种行业用户提供民航、铁路、航空货运大交通数据及其衍生产品与服务，如行程服务H5、API接口、大数据分析报告、数据分析工具及可视化等，助力企业提升服务水平、降低成本、提高效率，并为企业决策提供辅助支持。
行程服务H5
为OTA/TMC/旅行社/企业差旅部门等，提供基于H5页面的航空/铁路行程全流程信息服务，企业可将H5页面直接嵌入自有移动端产品中，如APP、公众号、小程序，让出行旅客/员工不再依赖其他第三方产品，在自有产品中即可掌握行程动态信息，方便旅客/员工合理安排规划行程，提升出行体验，提高服务满意度，增强用户黏性，同时降低企业开发维护成本。
API接口
为各类需要航班/列车动态信息、航班/列车准点率、飞机/列车基础参数、机场/车站基础设施信息及其他相关数据的企业，提供API接口服务。如用车行业，基于实时的航班/列车动态信息，做好机场/车站接送业务支持，合理安排车辆调度，提高服务效率；保险业，基于准点率数据，实现延误险动态定价，基于航班/列车动态数据，自动判断航班延误/取消是否达到赔付标准，实现自动理赔，提高理赔效率；OTA，提供飞机/列车基础参数数据，如机型、车型、座椅间距、 娱乐 设施配备等，供用户在选择航班时做参考，提升服务体验感。
数据报告
基于航班管家多年的民航铁路数据积累，分析民航铁路交通运输和旅客出行状况，提供定期、专题等多种类型的专业分析报告，还可基于行业专家团队能力提供深度行业咨询服务，从整体上把握市场趋势，为日常工作及生产经营决策提供支持。如为发动机制造商，围绕机队数据、飞机利用率、停场时长等指标，提供机队分析报告，帮助其快速掌握航司机队状况；为机场、航司、金融、证券、媒体等行业，围绕计划/实际航班量、航班执飞率、航班座位数、航班拥挤度、旅客运输量等指标，提供民航运行周报，从整体上把握民航运行状况，了解行业趋势；节假日时发布专题报告，分析旅客出行数据， 探索 旅客出行规律，为航司、旅行社、酒店等企业，在制定节假日产品时，提供数据支持。
数据分析工具及可视化
基于行业领先且专业的民航铁路出行大数据及拥有自主知识产权的算法模型，通过可视化平台，将分析、预测数据深入浅出的展现出来。如Mapping System（航线网络图），提供航司、机场航线布局，并对数据进行分析展示，方便用户直观便捷的查机场/航司航线状况、通航点状况、空铁联运衔接状况；大数据平台，提供官方统计、机场分析、航司分析、航线分析、铁路分析等分析模块，帮助航司/机场快速掌握民航铁路整体运行状况，了解对标机场/航司运行状况，为机场/航司运行、服务提升、产品优化提供数据支撑；为文旅厅，提供空铁联运实时监测系统，帮助文旅厅实时掌握机场/火车站实时旅客流量、航班运行状况、旅客运行状况，提前做好景区开放、接待筹备等工作。
海量数据实时处理，及时准确对外输出。我们的数据覆盖全球1100+家航空公司，5000+座机场，境内航班数据覆盖率达100%，全球航班覆盖率达98%，每天处理超过20万趟航班的动态信息，智能推送40多类旅客行程关怀信息，国内航班实际起降时间准确率达99%。同时，自建铁路数据库已覆盖国内3138个车站，10000+班车次，每日覆盖中国国内90W+进出站车次。
航班动态的数据是由数据生产者实时解析的，数据生产者将解析的数据发送到Kafka，由消费服务对数据进一步消费处理，最终由消费服务将有效的数据同步到MySQL数据库中存储。
全球每天约有10万次航班的起降，预计每分钟产生5万条航班动态数据合计14M，每天产生的数据约20.4G，每月612G，每年7.2T ; 航班管家数据覆盖全球1100+家航空公司，5000+座机场，境内航班数据覆盖率达100%，全球航班覆盖率达98%，每日处理超过20万趟航班的动态信息。
为了面向行业提供多种数据服务产品和数据解决方案，赋能行业合作伙伴、帮助其提效降本，2021年01月06日，公司领导召集部分员工，确定了项目的大致方向，提出了依托现有的航班、高铁数据接口，开发一个“航班管家开放平台”的SaaS平台。
01
项目设计
研发人员根据项目提出的需求，第一时间画了简单的设计图。
航班管家开放平台可主要分为3个大模块和15个子模块：3个大模块分别是控制台模块、数据服务模块、数据中心模块。15个子模块分别是：用户模块、鉴权模块、产品模块、网关模块、API数据模块、H5数据模块、控制台模块、管理后台模块、账单模块、余额模块、批价模块、支付模块、时间轴模块、行程中心模块、行程消息模块。
控制台模块：
提供用户专属账号登陆“航班管家开放平台”的控制台，开通“行程服务”中的产品获取航班、高铁服务的专属API接口数据和下载“数据报告”产品中有价值的大数据分析报告等。
数据服务模块：
数据中心模块：
基于民航空管局授权的官方动态数据，整合航空、铁路、场站、旅客、货运等多维度数据，结合拥有自主知识产权的算法模型与行业Know-how，构建有价值的数据。
02
技术选型
技术团队了解完业务的需求，考虑到用户的类型和规模，为了保证系统的安全性、可用性、稳定性、可伸缩性和可维护性，确定了以下的架构模式：
2.1、分层模式：
控制台模块采用的是分层模式：表示层、应用层、数据访问层。
表示层：
使用Vue.js等进行前端展示，完成集成和数据展示功能。
应用层：
使用Spring Cloud、Log4j、MyBatis等开源框架，Spring Cloud使用的计算机编程语言是Java，保证了系统代码的可移植性、安全性、可维护性，同时它也是一个分布式系统，保证了系统的可伸缩性、可维护性、可用性。
数据访问层：
综合使用Kafka、MySQL、Redis等多种开源技术，高效完成数据存储、资源调度、数据计算等，为业务及其他环节做支撑。
2.2、主从设备模式
数据中心模块中的数据库MySQL采用主从设备模式：主设备储存数据最终的计算结果，从设备中返回主设备中的计算结果。
MySQL使用主从设备模式，实现了实时灾备，在单台机器发生故障的时候，可以迅速的切换到其它机器，即实现了数据的备份，又保证了服务的高可用，同时从设备可以有多个，也保留了服务的扩展性。
2.3、代理模式
采用Nginx服务器的反向代理，防止主服务器被恶意攻击，确保数据的安全，提供数据的防护能力。同时Nginx服务器提供有负载均衡和动静分离的实现支持，可以极大的提高服务的安全性、稳定性，可用性。为了进一步保证网络安全，所有的服务均采用HTTPS加密协议进行网络资源传输，为用户良好的体验效果提供保障。
03
实施过程
2021-01-18
以下模块分别完成了服务器端文档编写和接口开发并发布测试环境：
1. 产品模块完成了H5资源和API资源的在线配置相关接口；
2. 鉴权模块完成了资源访问的鉴权相关接口；
3. 用户模块完成账户信息的维护相关接口；
4. API数据模块完成了航班数据输出接口、高铁正晚点数据输出接口；
5. H5数据模块完成了航班详情页和高铁详情页服务器端接口；
6. 控制台模块完成产品列表、应用列表相关接口。
2021-01-25
1. 控制台模块和产品模块、鉴权模块、前端完成联调和上线；
2. 网关模块和鉴权模块、产品模块、H5数据模块、API数据模块完成联调并上线；
3. 管理后台模块完成了基础框架的搭建和权限系统的开发、测试和部署到线上华为云。
2021-02-25
以下模块分别完成了服务器端文档编写和接口开发并发布测试环境：
1. API数据模块完成高铁动态、列车时刻表输出相关接口；
2. H5数据模块完成航班详情页内部跳转链接页面、高铁详情页内部跳转链接页面；
3. 时间轴模块完成卡片元数据和阶段卡片关联的相关接口；
4. 控制台模块完成用户注册、找回密码、更换手机号、主题配置相关接口；
5. 管理后台模块完成产品货架的展示、产品上下架，用户信息，系统配置。
2021-03-08
1. API数据模块和网关模块完成高铁动态、列车时刻表输出的联调、上线；
2. H5数据模块和网关模块、前端完成航班详情页、高铁详情页内部跳转链接页面的联调、上线；
3. 时间轴模块和管理后台模块完成卡片元数据和阶段卡片关联的联调、上线；
4. 控制台模块和用户模块、前端完成户注册、找回密码、更换手机号、主题配置的联调、上线；
5. 管理后台模块完成产品货架的展示、产品上下架、用户信息、系统配置的上线。
2021-03-26
以下模块分别完成了服务器端文档编写和接口开发并发布测试环境：
2. 行程消息模块完成消息推送、消息列表展示的相关接口；
3. 控制台模块完成用户的认证、应用的动态配置、银行卡对公转账充值的相关接口；
4. 批价模块完成了产品的批价处理相关接口；
5. 账单模块完成了生成产品的消费订单相关接口；
6. 余额模块完成了消费订单的扣费相关接口
7. 支付模块完成了企业账户信息的维护、银行卡对公转账充值到余额、余额支付、余额查询的相关接口；
8. 管理后台完成用用户认证审核、户充值的订单和充值处理的相关接口。
2021-04-08
1. 行程中心模块和网关模块、控制台模块完成了联调、上线；
2. 行程消息模块和网关模块、控制台模块完成了联调、上线；
3. 账单模块和批价模块、余额模块、支付模块完成了联调、上线；
4. 控制台模块和支付模块、管理后台模块、前端完成了联调、上线；
5. 管理后台模块和控制台完成了联调、上线。
2021-05-15
以下模块分别完成了服务器端文档编写和接口开发并发布测试环境：
1. 支付模块完成支付宝、微信扫码支付的相关接口；
2. 账单模块完成了日账单、月账单统计和明细查询的相关接口；
3. 控制台模块完成了用户账单的汇总和明细的展示和导出、行程服务产品套餐包展示和购买和订单的支付、查询相关接口；
4. 批价模块完成行程服务产品套餐包的批价；
5. 管理后台模块完成产品套餐的录入、上下架，用户购买套餐的展示、用户订单的相关功能。
2021-05-31
1. 支付模块和控制台完成扫码支付的联调、上线；
2. 账单模块和控制台完成账单统计和明细查询的联调、上线；
3. 控制台模块和支付模块、前端完成套餐的展示、购买和订单列表的查询的联调和上线；
4. 批价模块和控制台模块完成套餐包相关产品的计费调整的联调和上线；
5. 管理后台模块完成了测试和上线。
2021-06-18
以下模块分别完成了服务器端文档编写和接口开发并发布测试环境：
1. 控制台模块完成支付宝、微信扫码充值到余额，航班详情页、高铁详情页支持功能模块可配置化；
2. H5数据模块完成航班详情页、高铁详情页功能模块的动态展示。
2021-06-30
1. 控制台模块和支付模块、前端完成扫码充值联调、航班/高铁详情页的功能模块动态配置的联调、上线；
2. H5数据模块和前端完成航班详情页、高铁详情页功能模块的动态展示的联调、上线；
3. 前端完成官网的全新改版上线。
民航局空管局官方授权数据，为航班信息提供了官方来源的数据，充实、完善了底层数据库。
·与交通行业专业院校、科研院所、金融券商等展开合作，特聘各领域专家组成专家团队，为客户提供深度的行业咨询服务及分析报告产品。
一、项目定位
1. 概述：大交通数据及服务开放平台，为多种行业用户提供民航、铁路、航空货运大交通数据及其衍生产品服务，并根据各行业特色和需求，提供个性化、配套完善的解决方案。
2. 目标：封装航班管家的各项能力，向平台用户输出多种类的产品服务及解决方案。提供一站式自助化线上服务，降低自身人力成本投入。
3．提供成熟稳定的行程服务H5页面，企业可在自有移动端产品中嵌入航班、列车行程服务及行程管理页面，以企业自己的品牌，在自有产品中一站式全流程服务出行用户，让用户能轻松管理自己的行程。帮助企业显著提升用户出行体验，更好服务用户，创造更多商业价值。
4. 可为企业高效快速对接以下成熟型行程服务产品降低企业开发成本、提升用户出行服务满意度，如行程管理、航班行程服务、列车行程服务、全场景服务信息推送。用户可随时查看已有行程/ 历史 行程
用户可自主添加航班、列车行程，支持航班号/起降地查询航班信息、车次号/出发到达站查询火车信息，航班行程服务，围绕用户航空出行场景，提供精准的航班动态信息，并将航空出行全流程划分为多个阶段，在不同阶段提供不同的数据和服务，企业可通过H5页面将服务嵌入自有产品中，为用户提供一站式全流程服务。不同行程阶段，给用户提供的服务，可以在平台进行配置。实时、精准呈现航班动态相关信息，大数据预测起飞及到达时间，准确告知值机柜台和登机口信息，详细指引登机路线，确保用户顺利登机，航班近期准点率及平均延误时长统计。
二、目标群体
1. 短期目标群体：
有数据使用需求的中小型用户，如券商、咨询公司、学者学生、创业开发者等（对标API接口产品）。
有数据分析需求，需要数字化分析工具的用户，如机场、航司、政府、制造商等（对标数据平台、数据报告产品）。为C端提供行程服务需求的用户如中小型OTA、TMC等（对标行程服务产品）。
2. 长期目标群体：
有货运数据需求的用户，如物流、货运代理等（对标货运服务产品）
为服务的各领域提供专业的解决方案，如OTA、物流、航司、机场、制造商、用车、保险、车联网、集成系统开发、云服务等。
成效：
保险：行业数据分析核算，实时核保，赔付周期提升99%，赔付率降低50%，优化用户服务体验。
网约车：合理优化网约车资源利用率，平均减少接送机司机空等时间75分钟/年。
酒店：为酒店提供用户行程管理，6小时酒店航班信息同步，提高房源利用率，提升“机+酒”服务体验。
物流：为物流快递行业提供发货前中后数据信息参考，航班管家为中国90%的航空快件服务商赋能提效。
航班管家
航班管家是国内领先的智能出行平台，以“航班+高铁”的行程服务为核心，服务全面覆盖航班、高铁以及专车接驳三大出行场景，服务所有大交通出行用户。面向C端，航班管家为用户提供航班/列车动态信息、票务/酒店预订、专车接送、出行攻略内容等在内的一站式出行服务，让出行成为美好的生活方式；面向B端，航班管家构建覆盖航班和铁路出行全场景的企业级SaaS平台，聚焦大交通出行服务行业数字化升级，为OTA、TMC等行业提供多场景服务解决方案，赋能合作伙伴，提效降本。
7. 上海云夫子大数据培训怎么样
很好。根据查漏则询相关资料显示：主要就是教学方式非常丰富，教学质量高，培训内容很全面，运镇大家可以返悄棚学习到很多。
8. [恒丰银行]基于大数据的精准营销模型应用
【案例】恒丰银行——基于大数据的精准营销模型应用 https://mp.weixin.qq.com/s?src=3×tamp=1500159788&ver=1&signature=-86itFcexY XKcX3Vb1ypwGo8v0IU6fkNgcs *=
本篇案例为数据猿推出的大型 “金融大数据主题策划” 活动 （查看详情） 第一部分的系列案例/征文；感谢** 恒丰银行** 的投递
作为整体活动的第二部分，2017年6月29日，由数据猿主办，上海金融信息行业协会、互联网普惠金融研究院合办，中国信息通信研究院、大数据发展促进委员会、上海大数据联盟、首席数据官联盟、中国大数据技术与应用联盟协办的 《「数据猿·超声波」之金融科技·商业价值探索高峰论坛》 还将在上海隆重举办 【论坛详情】 【上届回顾（点击阅读原文查看）】
在论坛现场，也将颁发 “技术创新奖”、“应用创新奖”、“最佳实践奖”、“优秀案例奖” 四大类案例奖
本文长度为 6000 字，建议阅读 12 分钟
如今，商业银行信息化的迅速发展，产生了大量的业务数据、中间数据和非结构化数据，大数据随之兴起。要从这些海量数据中提取出有价值的信息，为商业银行的各类决策提供参考和服务，需要结合大数据和人工智能技术。国外的汇丰、花旗和瑞士银行是数据挖掘技术应用的先行者。在国内的商业银行中，大数据的思想和技术逐步开始在业务中获得实践和尝试。
面对日趋激烈的行业内部竞争及互联网金融带来的冲击，传统的上门营销、电话营销，甚至是扫街营销等方式跟不上时代的节奏。利用精准营销可节约大量的人力物力、提高营销精准程度，并减少业务环节，无形中为商业银行节约了大量的营销成本。
虽然恒丰银行内部拥有客户的基本信息和交易等大量数据，但是传统的营销系统并没有挖掘出行内大量数据的价值，仍然停留在传统的规则模型。当下，恒丰银行接入了大量的外部数据，有着更多的维度，如果将内部数据与外部数据进行交叉，则能产生更大的价值。客户信息收集越全面、完整，数据分析得到的结论就越趋向于合理和客观。利用人工智能技术，建立精准营销系统变得可能且必要。
恒丰银行基于大数据的精准营销方案是利用大数据平台上的机器学习模型深入洞察客户行为、客户需求，客户偏好，挖掘潜出在客户，实现可持续的营销计划。
周期/节奏
2016.4-2016.5 完成需求梳理和业务调研，并在此基础上进行总体方案设计。
2016.5-2016.8 整理银行内、外部数据，根据营销需求制定客户标签和设计文档，实施用户画像。
2016.8-2016.10 在用户画像的基础上，构建理财产品个性化推荐系统。其中包括个性化推荐算法调研，模型对比等一系列工作。
2016.10-2017.1 客户需求预测并对客户价值进行建模，并完善整合精准营销应用模型。
2017.1-2017.3 用户画像、个性化推荐、客户价值预测等精准营销模型上线。
客户名称/所属分类
恒丰银行/客户管理
任务/目标
根据零售业务营销要求，运用多种数据源分析客户行为洞察客户需求，实现精准营销与服务，提高银行客户满意度和忠诚度。
针对不同的客户特征、产品特征和渠道特征，制定不同市场推广策略。为了完成以上任务，主要从以下几个方面构建精准营销系统：
1.用户画像： 结合用户的历史行为和基本属性给用户打标签。
2.精准推荐系统： 给用户推荐个性化理财产品， 例如在微信银行中给每个客户推荐他喜欢的产品，帮客户找到其最适合的产品，增加产品的购买率。
3.需求预测和客户价值： 新产品发售的时候，找到最有可能购买该产品的客户，进行短信营销，进而提高产品响应率。客户价值精准定位，根据客户价值水平制定不同的推荐策略。银行通过计算客户使用其产品与服务后所形成的实际业务收益，充分了解每一个客户的贡献度，为管理层提供决策支撑。
挑战
项目实施过程由用户画像，精准推荐系统，需求预测和客户价值建模三部分组成，采用TDH机器学习平台Discover所提供的算法和模型库进行开发和验证。
（一）用户画像的建立
客户标签主要包含客户基本属性，客户等级标签，客户偏好标签，客户交易特征，客户流失特征，客户信用特征，客户终身价值标签，客户潜在需求标签。
（二）精准推荐系统的建立
由于系统复杂，且篇幅有限，仅对其中最重要的理财推荐系统做详细阐述。精准推荐系统架构图如下。
2.1业务问题转化为机器学习问题
业务问题
银行理财产品个性化推荐给客户。 例如在微信银行中给每个客户推荐此客户喜欢的产品，帮客户找到其最适合的产品，增加产品的购买率。
将业务问题转化为机器学习问题
理财产品种类繁多，产品迭代速度很快，客户在繁多的产品中不能快速找到适合自己的产品，因此有必要建立一个自动化推荐模型，建立客户理财偏好，给客户推荐最适合的产品。
将银行理财产品推荐业务问题转化为机器学习问题，进而利用人工智能技术提高推荐产品的点击率和购买率。例如在恰当的时间，通过用户偏好的渠道给用户推荐产品，推荐的结果为用户购买或者未购买。这个问题可以看作一个典型机器学习二分类问题：基于历史营销数据来训练模型，让模型自动学到客户购买的产品偏好，并预测客户下次购买理财产品的概率。对模型预测出所有客户对所有产品的响应概率进行排序，可选择客户购买概率最高的topN个产品推荐给客户。
下面将叙述如何构建该推荐预测模型。
2.2数据源准备
在建立的一个理财推荐模型之前，可以预见到相似的客户可能会喜好相似的产品（需要表征客户和产品的数据），同一个人的喜好可能具有连续性（购买历史交易数据，包括基金国债等），他的存款、贷款资金可能决定了他能购买什么档次的理财等等。因此，我们需要准备以下数据。
客户基本属性：客户性别，年龄，开户时间，评估的风险等级等等。
产品基本属性：产品的逾期收益率，产品周期，保本非保本，风险等级等。
客户购买理财产品的历史：在什么时候购买什么产品以及购买的金额。
客户的存款历史： 客户历史存款日均余额等。
客户的贷款历史： 客户历史贷款信息等。
客户工资：客户工资的多少也决定了客户购买理财的额度和偏好。
用户画像提取的特征：用户的AUM等级，贡献度，之前购买基金，国债的金额等。
2.3特征转换和抽取
有了这么多数据，但是有一部分特征是算法不能直接处理的，还有一部分数据是算法不能直接利用的。
特征转换
把不能处理的特征做一些转换，处理成算法容易处理的干净特征。举例如下：
开户日期。就时间属性本身来说，对模型来说不具有任何意义，需要把开户日期转变成到购买理财时的时间间隔。
产品特征。从理财产品信息表里面可以得到风险等级，起点金额等。但是并没有标志这款产品是否是新手专属，是否是忠诚客户专属。这就需要我们从产品名字抽取这款产品的上述特征。
客户交易的时间信息。同客户的开户日期，孤立时间点的交易信息不具有任何意义，我们可以把交易时间转变为距离上次购买的时间间隔。
特征抽取
还有一部分数据算法不能直接利用，例如客户存款信息，客户交易信息。我们需用从理财交易和存款表中抽取可能有用的信息。
用户存款信息：根据我们的经验，客户购买理财之前的存款变动信息更能表明客户购买理财的真实想法，因此我们需要从客户历史存款数据抽取客户近三个月，近一个月，近一周的日均余额，以体现客户存款变化。
客户交易信息：客户最近一次购买的产品、购买的金额、及其相关属性，最近一个月购买的产品、购买的金额及其相关属性等等。
以上例举的只是部分特征。
2.4构造、划分训练和测试集
构造
以上说明了如何抽取客户购买理财的相关特征，只是针对正样本的，即客户购买某种理财时候的特征。隐藏着的信息是，此客户当时没有购买其他在发售的产品。假设把客户购买了产品的标签设为1，没有购买的产品样本设为0，我们大致有如下训练样本（只列举部分特征）。
其中客户是否购买产品是我们在有监督训练的标签，也就是我们建立的是一个预测客户是否会购买产的模型。
划分训练集和测试集
考虑到最终模型会预测将来的某时间客户购买某种产品的概率，为了更真实的测试模型效果，以时间来切分训练集和测试集。具体做法如下。假设我们有2016-09-01 ~ 2017-03-20 的理财购买相关数据。以2016-09-01 ~ 2017-03-19的理财交易数据作为训练，2017-03-20这一天的客户对每个产品是否购买的数据作为测试。以2016-09-01 ~ 2017-03-18的理财交易数据作为训练，2017-03-19这一天的客户对每个产品是否购买的数据作为测试，以此类推。
2.5模型训练
根据提取的特征，组成样本宽表，输入到分类模型，这里选择了TDH平台机器学习组件Discover所提供的近百个分布式算法进行建模和训练，同时我们还使用了特征的高阶交叉特性进行推荐的预测和分析。
2.6模型评估
评价推荐好坏的指标很多，比较常用的有
1.ROC曲线下面积（AUC）
2.logloss
3.推荐产品第一次命中rank的倒数（MRR）
4.TopN
针对银行的理财推荐实际业务，客户当天绝大多数是只购买了某一款理财，MRR(Mean Average Precision 的特殊情况)能反应这种情况下推荐的好坏。另一种直观的评价指标是TopN，假定我们只推荐N个模型认为客户最有可能购买的产品，并和真实情况比较，就能得到当天推荐的结果的混淆矩阵，TN，TP，FN，FP，recall，precision等。
我们在生产上验证了最近十天的推荐效果，即测试了2017-03-20， 2017-03-19，…… , 2017-03-11等十天的推荐效果，以下是这些结果的评价。
AUC
Logloss
MRR
0.89
0.45
0.78
也可以把新客户（之前没有购买理财）和老客户（至少购买过一次）分开评估效果。 新客户的购买占了整个理财购买的1/3 以上。
测试新客户的预测效果，可以看出模型对冷启动问题解决的好坏。
对新客户的预测效果
AUC
Logloss
MRR
0.80
0.73
0.32
对老客户的预测效果
AUC
Logloss
MRR
0.92
0.38
0.88
2.7模型优化
1.上线之前的优化：特征提取，样本抽样，参数调参
2.上线之后的迭代，根据实际的A/B testing和业务人员的建议改进模型
（三）需求预测和客户价值
“顾客终生价值”(Customer Lifetime Value)指的是每个购买者在未来可能为企业带来的收益总和。研究表明，如同某种产品一样，顾客对于企业利润的贡献也可以分为导入期、快速增长期、成熟期和衰退期。
经典的客户终身价值建模的模型基于客户RFM模型。模型简单的把客户划分为几个状态，有一定意义但不一定准确，毕竟RFM模型用到的特征不全面，不能很好的表征客户的价值以及客户银行关系管理。
为了方便的对客户终身价值建模，有几个假定条件。其一把客户的购买价值近似为客户为企业带来的总收益，其二把未来时间定义在未来一个季度、半年或者一年。也就是我们通过预测客户在下一个时间段内的购买价值来定义客户的终身价值。因此，我们将预测的问题分为两个步骤：第一步预测这个客户在下一个阶段是否会发生购买（需求预测）。第二步对预测有购买行为的客户继续建模预测会购买多大产品价值。
3.1需求预测
提取客户定活期存款、pos机刷卡、渠道端查询历史等特征，以这些特征作为输入预测用户在当前时间节点是否有购买需求，训练和测试样本构造如下：
1.历史用户购买记录作为正样本。
2.抽样一部分从未购买的理财产品的用户作为负样本集合Un，对于每一个正样本Un中随机选取一个用户构造负样本。
3.选取2016.04-201610 的购买数据作为训练样本，2016.11的数据作为测试样本。
使用机器学习算法进行分类训练和预测，重复上述实验，得到下列结果:
AUC: 0.930451274
precision: 0.8993963783
recall: 0.8357507082
fmeasure: 0.8664062729
进一步对客户分群之后，可以更好的对新客户进行建模，对于老客户我们可以进一步提取他们的历史购买特征，预测他们在下一段时间内购买的产品价值（数量，金额等），对于新客户，可以进根据他的存款量预测其第一次购买的产品价值，把存款客户变成理财客户。通过分析客户存款变动于客户购买理财的关系，我们发现客户购买理财的前一段时间内定活期的增加的有不同的模式，如下图。
根据需求预测模型，我们给出新客户最有可能购买的top N 列表，然后由业务人员进行市场推广。
3.2客户价值预测
进一步预测有购买需求的客户的购买价值高低。这是个回归问题，但是预测变量从二分类变量变为预测连续的金额值。训练的时候预测值取训练周期内（一个月或者季度）客户所购买的总金额。
算出客户的当前价值（即当前阶段购买的产品价值）和未来价值（预测的下一个阶段的客户价值）可以帮助我们鉴定客户处于流失阶段，或者上升阶段，或者是稳定阶段。当前价值取的是当前时间前三个月的交易量。对流失阶段高价值客户可以适当给予营销优惠，对于有购买意向的客户适当引导。如下图所示。
结果/效果
一是提高银行营销准确性。随着客户不断增加，理财产品也在不断推陈出新，在实时精准营销平台的帮助下，银行从以前盲目撒网式的营销方式转变到对不同客户精准触达，提高了理财产品的营销成功率，降低销售和运作成本。理财产品推荐的上线以来，产品推荐成功率比专家经验排序模型最高提升10倍。
二是增加银行获客数量。精准营销系统洞察客户潜在需求和偏好，提高了银行获取目标客户群的准确率。从数百万客户中,通过机器学习模型,找到最有可能购买产品的客户群，通过渠道营销，实现响应率提升。相比传统盲发模式，发送原38%的短信即可覆盖80%的客户。
通过构建基于大数据的精准营销方案，恒丰银行深入洞察客户行为、需求、偏好，帮助银行深入了解客户，并打造个性化推荐系统和建立客户价值预测模型，实现可持续的营销计划。
9. 大数据撬动创新创业新契机
大数据撬动创新创业新契机
大数据被视为云计算之后的又一科技热点。从走在前沿的互联网新兴行业，到与人们生活息息相关的医疗、电力、通信等传统行业，大数据浪潮无时无刻不在改变着人们的生产生活方式。巨变之下，国内外各行各业也在面临新一轮创新创业的重大契机。
日前，上海大数据产业技术创新战略联盟（下称“上海大数据联盟”）召开数据中国产业创新峰会，并推出中国大数据最具投资价值排行榜。该联盟秘书长孔华威表示：“参与竞争此次价值排行榜的，共有近450家大数据领域创业团队，我们或许能从中发现新一代的‘马云’。”
随着大数据逐渐由概念转化为生产力，无论是企业、资本机构还是政府、行业协会或联盟，均开始积极布局大数据。之前，北京、上海、广东，甚至河北、贵州、陕西等地方政府已将大数据作为重要战略部署，并开始由松散走向组织化。河北成立秦皇岛开发区数据产业基地；贵州8月份刚刚成立大数据产业技术联盟，并正式出台文件，开放数据环境；而北京早在2012年便成立中关村大数据产业联盟。
作为经济发展重镇，上海近两年也积极推动大数据的发展。2011年，上海成立了智慧岛数据产业园；上海科委副主任干频表示，去年上海市科委正式发布了《上海推进大数据研究与发展三年行动计划（2013-2015年）》，重点推进6大行业大数据公共平台和6类大数据行业应用的发展。
孔华威表示，大数据将成为上海科技创新的重要抓手。而成立于去年的上海大数据产业技术创新战略联盟则将实施具体的推动工作，下一步将着重整合资本与产业资源，连接资本与创业公司。他认为，外界都在关注BAT，但随着产业的发展，一些创业公司也逐步崛起，应该受到更多关注。
一家名为星图数据的创业公司不久前获得数百万美元的A轮投资；著名风险投资公司IDG则以4000万元人民币投资了大数据信用评估公司Wecash闪银。毋庸置疑，大数据产业正在受到资本越来越多的关注。
从产业链角度来看，大数据主要分为三个层级：大数据的获取、大数据传输和存储、大数据应用（包括分析挖掘）。在国内，大数据获取依然集中于BAT等大型互联网公司；而在大数据传输和存储方面，已经出现一些成功的创业公司，比如提供基础云计算服务的Ucloud，今年6月份已完成B轮5000万美元的融资；更多的大数据创业公司则集中于大数据应用方面，包括刚刚获得投资的星图数据，以及一些软件公司。
但整体而言，目前基于大数据的创业公司依然处于分散、规模小的状态。孔华威表示，上海大数据联盟将发布《2014年中国大数据产业年鉴》，构建中国大数据产业图谱。
大数据企业成功路径在哪里？众人科技创始人谈剑峰表示，围绕大数据，在硬件等基础设施方面，国外的技术已经遥遥领先，像甲骨文、IBM这样的公司非常成熟，因此，国内短时间内应该先从“软”的方面入手。
目前，上海已出现一些专注大数据的公司，比如提供智慧安全及智慧交通专业解决方案博康智能、专注电商管理软件的商派、解决移动金融安全的来谊电子等。孔华威表示，大数据创新创业企业要关注快和准，因为大数据核心在于海量数据快速和精准的计算。赛富投资基金合伙人金凤春告诉记者，从产业和具体应用来看，围绕社区服务的移动电商、电子游戏的渠道拓展等领域，有可能孕育引导潮流的大数据企业。七牛云存储CEO许式伟则认为，出于对用户行为数据的精准分析，大数据时代的竞争会从“生产更多的商品”，转到“生产让客户满意的商品，甚至是定制化的商品”。未来大数据企业的商业模式之争，就是服务之争、智能化之争。
以上是小编为大家分享的关于大数据撬动创新创业新契机的相关内容，更多信息可以关注环球青藤分享更多干货
10. 「SAECCE议程剧透」新能源汽车大数据应用——机遇与融合
导读
新能源 汽车 大数据的利用不仅在 汽车 产业内部释放了巨大的数据红利，未来也必将成为 汽车 产业与其他产业融合的重要纽带。随着我国“新基建”的不断推进，高速低延迟的5G网络覆盖与新能源 汽车 充电桩的建设，势必会加速新能源 汽车 的发展与数据井喷。由此可见，大数据技术在新能源 汽车 上的应用会加快 汽车 产业向信息化与智能化迈进的脚步，而新能源 汽车 大数据与电力等行业的融合还将产生出巨大的蓝海市场。
2020中国 汽车 工程学会年会暨展览会（SAECCE 2020） 将于 2020年10月27-29日 在 上海 汽车 会展中心 举办。迄今为止，SAECCE年会已成功举办26届，成为在国内举办的 汽车 行业标杆活动之一。
本专题分会以 “新能源 汽车 大数据应用——融合与机遇” 为主题，邀请国内外权威专家主旨演讲和互动讨论。通过聚焦“大数据背景下新能源车辆全局优化式能量管理方法研究”等若干议题，共同交流新能源 汽车 大数据应用的主流技术与最新发展趋势，加速新能源 汽车 大数据技术成熟，并加大 汽车 产业的辐射带动能力。
N01:新能源 汽车 大数据应用——机遇与融合
会议时间&地点
2020年10月27日 13:30-18:00
上海 汽车 会展中心
协办单位
吉林大学 汽车 工程学院
会议主席
王震坡
博士/教授/博士生导师，北京理工大学电动车辆国家工程实验室主任、新能源 汽车 国家大数据联盟秘书长
王震坡，教授、博士生导师，北京理工大学电动车辆国家工程实验室主任、新能源 汽车 国家大数据联盟秘书长。入选了教育部“新世纪优秀人才”、北京市“ 科技 北京百名领军人才”、 科技 部“中青年 科技 创新领军人才”、 国家“万人计划”和机械行业“‘十二五’先进 科技 工作者”。主持了国家自然基金重点项目（动力电池系统热失控与安全管理）、国家重点研发计划项目（分布式驱动电动 汽车 集成与控制）、国家863计划项目（电动 汽车 充换电设施设计集成与管理）等纵向项目12项，发表第一作者或通讯作者SCI论文29篇(ESI高被引3篇)，第一作者EI论文60余篇。第一作者出版专(译)著4部(“电动车辆动力电池系统及应用技术”入选“十二五”高等教育本科国家级规划教材)，授权第一发明人发明专利24项。获国家 科技 进步二等奖1项，省部级科研一等奖3项，二等奖2项(1项排名第一)，中国 汽车 工业科学技术一等奖1项(排名第一)，北京市教学成果一等奖1项。
联合会议主席
许楠
博士/副教授/博士生导师，吉林大学 汽车 工程学院
许楠，吉林大学 汽车 工程学院车辆工程专业 副教授兼博士生导师，工学博士，博士后，新能源 汽车 国家大数据联盟理事，美国电气电子工程师学会（IEEE）会员，目前担任Applied Energy、IEEE Transaction on Vehicular Technology、IEEE Transaction on Power Electronics、International Journal of Electronics和SAE Journal等国际期刊审稿专家。发表新能源 汽车 领域论文二十余篇，授权发明专利10项，软件著作权13项。作为项目负责人承担国家自然科学基金青年基金项目、国家博士后科学基金面上项目、吉林省 科技 发展计划项目以及企业的合作研究等项目。荣获国家教育部博士生新人奖，入选国家留学基金委国际清洁能源拔尖创新人才培养项目（iCET2019），吉林大学优秀青年教师重点培养计划等。
主要研究城市智能交通系统规划与评价、车辆全局优化式能量管理、人-车-路系统数据挖掘与分析、新能源车辆动力系统控制与评价、开放式绕组电机控制、智能辅助驾驶。
01
演讲嘉宾简介及演讲摘要提前看
大数据+区块链在新能源 汽车 动力电池溯源管理方面的应用研究
刘鹏
北京理工大学副教授，硕士生导师，新能源 汽车 大数据联盟副秘书长
演讲要点
1、新能源 汽车 动力电池发展现状。
2、新能源 汽车 动力电池溯源管理平台建设及应用现状介绍。
3、大数据及区块链技术在新能源 汽车 动力电池溯源管理方面的应用现状及最新研究。
4、动力电池数据管理所面临的问题和挑战。
演讲摘要
概述近年来新能源 汽车 和动力电池发展数据研究现状，以及大数据平台建设及应用状况，并对大数据及区块链技术在新能源 汽车 动力电池溯源管理方面的应用及研究进行介绍，对动力电池数据管理方面所面临的挑战进行分析和展望。
一种基于数据的电动 汽车 全工况行驶能耗评价方法
袁新枚
吉林大学 汽车 工程学院教授
演讲要点
1、电动 汽车 能耗评价的需求。
2、一种新型的电动 汽车 能耗模型及基于数据的能耗评价方法。
3、仿真实验结果及讨论。
4、该方法在高速路充电站规划上的一个应用。
演讲摘要
智能网联新能源 汽车 的能量管理策略
宋珂
同济大学 汽车 学院燃料电池创新研究所所长
演讲要点
1、智能网联 汽车 概述。
2、智能网联 汽车 的通信技术。
3、智能网联新能源 汽车 能量管理技术发展历程。
4、智能网联新能源 汽车 能量管理技术发展趋势。
演讲摘要
智能网联 汽车 与新能源 汽车 将是未来 汽车 技术发展的两个重要方向。当今 社会 和人们对这两项技术的协调发展提出了更高的要求。通过使用智能网联技术（ICT），新能源 汽车 可以与外部世界（例如其他行驶车辆、道路基础设施，互联网等）进行信息实时交互，这就是所谓的车联网系统（V2X）。在对各种交通信息进行深入分析的基础上，车辆可以识别当前行驶状况并对未来驾驶状况进行有效预测，从而实现车辆动力系统能量管理的实时优化，以满足不同驾驶条件下的车辆驾驶需求。这不仅能大大改善新能源 汽车 的燃油经济性，也能够有效缓解了交通拥堵问题。介绍近年来智能网联技术在新能源 汽车 上的应用情况，基于智能网联技术的新能源 汽车 能量管理策略研究现状以及智能网联技术与新能源 汽车 技术协调发展的趋势。
大数据在新能源 汽车 安全风险防控的应用研究
张照生
北京理工大学机械与车辆学院副教授
演讲要点
1、新能源 汽车 安全情况统计分析。
2、新能源 汽车 安全预警与防控方法研究。
3、典型事故案例数据分析。
演讲摘要
基于新能源 汽车 国家监管平台数据，统计分析车辆报警、事故车辆相关情况，从大数据角度分析影响新能源 汽车 安全相关因素，提出新能源 汽车 安全预警和防控方法，并以具体事故案例分析新能源 汽车 预警情况，为新能源 汽车 安全管控及产业 健康 发展提供技术支撑。
大数据背景下新能源车辆全局优化式能量管理方
法研究
许楠
吉林大学 汽车 工程学院 副教授，博士生导师，新能源 汽车 大数据联盟理事
演讲要点
1、新能源车辆能量管理方法研究现状。
2、大数据背景下全局优化式能量管理方法所面临的机遇和挑战。
3、"信息-物质-能量"三层式全局优化架构的建立及应用。
4、全局优化式能量管理平台的应用前景。
演讲摘要
概述近年来新能源车辆能量管理方法研究现状，介绍大数据为全局优化式能量管理带来的机遇，明确全局优化式能量管理方法所面临的问题和挑战，提出“信息-物质-能量”三层式全局优化架构以解决全局优化式能量管理方法实际应用问题。最后，针对全局优化式能量管理平台未来在区域交通能耗优化等方面的应用，提出了相关建议与展望。
数据驱动的锂离子动力电池管理算法 探索 研究
韩雪冰
清华大学车辆与运载学院助理研究员
演讲要点
1、基于云端大数据的电池管理是未来的发展方向。
2、基于数据可以有效的实现电池的安全预警。
3、基于数据可以有效的实现电池的寿命估计。
演讲摘要
在新能源 汽车 使用过程中，伴随着电池的使用，电池性能不断衰减，电池组内单体间的不一致性持续增加，一致性问题还可能导致电池组的失效，引发安全问题。随着云端数据的广泛应用，电动 汽车 的数据能被监测、记录。基于这些数据可以有效的评估电池组一致性、估计电池寿命，进行电池安全预警，实现更加安全可靠的电池管理。
大数据背景下基于储能应用的电动 汽车 电池的
二次利用
班伯源
中国科学院合肥物质科学研究院副研究员
演讲要点
1、退役电动 汽车 电池二次利用的必要性。
2、电动 汽车 锂电池的衰减现象的本质。
3、退役电动 汽车 电池二次利用的关键技术 SOH估算。
4、退役电动 汽车 电池二次利用国内应用实例。
演讲摘要
近年来电动 汽车 （EV）产业飞速发展，为了保证 汽车 的动态性能和行驶安全，电动 汽车 电池在一定服役时间或性能下降后就需要更换。退役 汽车 电池二次利用是将保留了足够的性能的退役电动 汽车 电池组，用于特定的储能系统中。在本报告中整理了锂离子 汽车 蓄电池二次利用的相关法律法规，收集了SOH估算的相关方法，特别是针对目前大数据背景下的提出了整合电动车能源管理系统的SOH估算方法，列举了退役 汽车 电池可能的二次利用的利用场景。最后，根据目前国内退役电动 汽车 电池二次利用的现状，提出了相关建议与展望。
新能源车与外部环境的数据融合带来的机遇和
挑战
王川久
北京泓达九通 科技 发展有限公司董事长
演讲要点
1、大数据让新能源车看的更远，了解的更多，同时我们对车辆也有了更深的了解。
2、车辆与道路交通系统的关系。
3、大数据能给我们带来什么。
4、几个大数据的应用场景。
演讲摘要
新能源 汽车 与外部环境的大数据交换，将使车辆更好的融入道路交通系统，提高整个交通系统的效率，同时车辆的设计、生产、销售、质量控制等各个环节均发挥出与以往不同的作用。
关于SAECCE 2020
2020中国 汽车 工程学会年会暨展览会（SAECCE 2020） 将于 2020年10月27-29日 在 上海 汽车 会展中心 举办，诚邀 汽车 及相关行业的企业高层、技术领军人物、资深专家学者、广大 科技 工作者参与会议。SAECCE以“ 汽车 +，协同创新”为主题，围绕新能源 汽车 技术、智能网联 汽车 技术、 汽车 关键共性技术，深度探讨如何快速推动技术创新，重塑新型产业格局。
中国 汽车 工程学会年会暨展览会（SAECCE）已成功举办26届，成为在国内举办的 汽车 行业标杆活动之一。此外，原定于今年5月在北京召开的第七届国际智能网联 汽车 技术年会（CICV 2020）将和2020中国 汽车 工程学会年会暨展览会（SAECCE 2020）合并举办。
SAECCE2020将组织1天（2场）全体大会、50多场专题分会、20多场（论文交流）技术分会，展览面积约10000平米，预计将吸引3000多位来自政府机构及行业组织、整车企业、零部件企业、高校及科研院所的代表参会及参观。
欢迎广大企业、高校、科研院所等机构、以及广大 科技 工作者通过组团或个人报名的方式积极参与！
02
SAECCE 2020 日程架构