企业大数据应用苗头

① 京东分享 企业大数据的新认识与应用

京东分享：企业大数据的新认识与应用

大数据和我们每个人日常生活已经非常紧密地联系在一起了。

随便举个场景的例子，比如说，早上醒来的时候我通过智能手表的数据，发现昨晚的睡眠质量并不是太好，早上洗脸刷牙吃过早饭，步行1000多步来到六道口地铁刷卡坐地铁，两站3块钱到达奥林匹克公园，在地铁上我通过京东手机客户端发现一双我之前浏览过的Nike篮球鞋降价了，京东将这条商品信息主动推送过来，我立马下单购买，节省了100多块钱，并且我把这条信息通过微信分享到了朋友圈。

在这个过程中，我个人生产了睡眠数据、步行距离数据、地铁刷卡消费数据、地铁起点终点地理数据、京东购物数据、微信朋友圈数据，所以作为大数据生产者我一下子生产了这么多数据。而作为大数据消费者，在我以后浏览京东商城或app的时候，系统可能会向我推荐改善睡眠智能的枕头、篮球鞋或与篮球鞋相关的其他商品，而我朋友圈的朋友看到我的分享信息后，他们也可能因为我的分享而去购买。

而我们生产的这些数据，企业尤其是互联网公司拿到后，通过数学统计和挖掘的算法将其进行聚类、拆分和预测得到更多相关数据，通过这些数据对我们每个人进行标签化的描述。如性别，婚姻状况，兴趣爱好，收入情况，是否喜欢运动，促销敏感度等等，这样就得到了我们每个人的很多属性，如人口基本属性、购买能力、行为特征、社交网络、心理特征、兴趣爱好等等。

企业掌握了这些数据之后，他们如何来利用这些数据呢？是通过这些数据来做营销，如精准营销，广告的精准投放，商品的精准推荐？还是通过这些数据精细化企业内部运营管理？又或是通过这些数据改善生产工艺流程、指导产品的二次研发？那就看企业大数据修行的层次了。大数据应用的好，可以真正提升到战略高度，用的不好，大数据也就是锦上添花，可有可无的东西。

按照数据挖掘的聚类思维，企业数据可以分为内部数据和外部数据，内部数据又可以简单分为财务数据和供应链数据（大供应链概念）。当然不同行业的企业经营内容差别很多，如金融行业，涉及到投资、融资、现金管理等财务方面可能多一些，涉及到供应链很少，而生产制造或流通服务行业，涉及供应链的数据就会多一些。

财务数据主要是以财务报表，尤其是财务发布的三大报表为主，资产负债表、利润表以及现金流量表。之后是总帐，总帐里面记账会涉及到科目、科目不够用我们也会设置辅助核算，还有大多企业每年都会做预算，预算大多也是围绕财务指标制定的，或者是以财务预算为主倒推业务预算。当然财务管理中其中一大块还有资金管理。

供应链的数据种类就会更多一些，从供应链上游的供应商到下游的消费者，包括采购，仓储，物流，生产，销售，售后等数据。当然每个环节我们还是可以再进一步去细化。

另外，相信没有一家是自己关起来门来做生产，做营销的，都要积极地去参考外部数据，这其中就包括国家政策、经济环境、股市行情、竞争对手、主要原材料价格等。

大多数企业应该实施了BI系统或报表自动化系统，如果这些系统是由乙方单位负责规划建设，他们在规划或者实施过程中制定的系统方案架构图无非就是分三个层次顶多四个层次。

从下往上说，第一个层次元数据层或者数据源层，就是我们业务应用系统的数据，财务，供应链，人力资源，预算等等。

第二层次叫做大数据存储层，就是把下面每个层次的数据源采集到一个数据仓库里面去，之后就到了第三个层次，分析模型层，基于数据仓库构建分析模型，有的方案甚至将分析模型层直接省略掉，直接到了最后一个层次数据展示层，将分析模型中的数据展示出来。根据笔者多年从业经验，这样的组织形式顶多称之为BI系统，还不能称之为大数据系统。

京东大数据并不是一个单独的系统或产品，京东大数据应用已经融入到每个业务应用系统当中了。我们的大数据采集平台在不影响系统或产品效率以及客户体验的前提自动将所有数据定时、实时采集到Hadoop平台上，以大数据平台为核心，将经过加工、处理、分析和挖掘后的结果分发后各个业务系统以及数据产品中，如商城、采销、数据罗盘、领航等。下图仅供参考：

不是每家企业都是京东，也不是每家企业都是互联网公司，不是每家企业的业务都必须需要大数据的支撑。在满足自己业务需求的前提下，企业是不是也能玩一玩小数据应用呢？答案是肯定的，大数据应用也是可以分层次的，每个层次满足企业对数据不同层次的需要。大致分为5个层次，每个层次是逐级递进的关系。

1.业务监测

这是大数据应用的初级阶段，即传统的DW/BI阶段。在这个阶段，企业部署商业智能(BI)解决方案，其实就是一套自动化报表系统，用以监测现有业务的运行状况。

业务监测，有时也被称为业务绩效管理(Business Performance Management)，指企业使用基本的分析手段，来预警业务运行低于或高于预期的情况，并自动发送相关警示信息给相应业务和管理人员。企业业务和管理人员可以根据之前制定的预警规则，提前掌握业务经营情况，实现提前预警，帮助他们有针对性、有预见性的采取一些措施和手段，来防范于未然。

这个阶段最关键有两个要点，一个是预警规则的设计，经常采用的方法包括参照方法(同期比较、同类营销活动比较、同业标杆比较)或指标方法(品牌开发、客户满意度、产品绩效、财务分析)，指标分析法就是选择合理的指标，当然这里合理指标的选择说起来容易，其实做起来也要费一番脑筋的，给大家举个我之前碰到的例子，当时是给一个做离散制造的企业做方案设计，他们在库存管理方面绩效考核一个非常重要的指标就是存货周转率或存货周转天数，这本来是一个非常正常也是经常使用的指标，但是这家单位的库存管理存在假出库、假入库的情况，这种情况就造成了存货周转率这个绩效指标看起来非常好看，后来我们经过考虑改用动销比，存销比作为指标，将库存指标和销售指标联合起来组合使用，就避免了假出库、假入库的情况。举这个例子的目的，就是想说明我们在做业务监控的时候，指标选择很重要，既要准确、公正地反映出该块业务运营情况，同时还要避免人为造假的情况。

2.业务洞察

业务洞察意味着系统不只是提供数据报表，而是“智能”报表或“智能”仪表盘，需要根据历史数据进一步预测、挖掘出我们通过前面多维分析还不知道的一些数据了。

比如说，笔者以前在给杭州某家连锁酒店做项目的时候，我们需要根据该酒店在全国范围内投资过酒店的经营情况数据来做些更好玩的东西出来，如我们需要根据之前投资过的酒店的装修投入情况，不同档次当前出租率，酒店餐饮部门的上座率和翻台率，营业收入，成本费用以及当地城市竞争对手酒店情况来预测新投资一家酒店的投资回报率和投资回收期。另外，还有就是财务分析中经常会用到的杜邦分析，简单说下杜邦分析，杜邦分析就是从财务的角度对整个企业财务绩效情况进行综合分析的一个模型，他基本原理就是顶端是ROE，针对ROE我们可以分解为ROA×权益乘数，ROA又可以分为销售净利率×资产周转率，之后再次分解，最后成一个全是财务指标的树形结构。由于这些财务指标都是通过财务报表项目，会计科目和辅助核算计算出来的，所以他们之间存在着非常紧急的逻辑关系，这样的话，我们可以计算一些技术手段实现模拟预测，如做下一年预算或规划的时候，想让某些财务指标达到什么水平，我们事先将其进行调整，和他相关的指标也会联动，比如将净利润提高1%，销售收入、营销成本、管理费用等其他指标就需要达到什么程度?这样可以帮我们做到事先预测，更好地做规划和预算。

当然这个阶段可以做预测的还有很多，比如零售行业，大多品类的销售是有销售周期的，基于销售周期我们可以对销售进行预测。也可以根据历史用户对不同营销方式的响应程度、营销费用、营销商品以及营销效果之间的关系，较为准确的锁定目标人群进行有针对性的营销，提高营销效率，降低营销成本。

3.业务优化

业务优化对于绝大多数企业来说还是很具备吸引力的，这也是很多企业日思夜想的目标。其实在这个阶段我们可以一步步来，一点点来做，至少企业是有能力将分析技术嵌入到业务运营之中。这里举个我们之前给传统企业做过一个案例，像大多数企业一样， 这家企业也有ERP系统，在采购环节，我们可以将供应绩效模型引入进来，当然这个供应商绩效模型可能要考虑的因素会比较多，如供货质量、供货效率，次品率，售后服务等等很多因素，采购人员在进行采购的时候可以根据供应商绩效模型自主选择合适的供应商，这是一个例子，另外还可以将主要原材料的市场价格进行实时接入到采购界面，让采购管理人员可以自己掌握采购周期，合理安排采购计划。

在零售行业我们都知道，商品和商品之间，用户和用户之间，用户和商品之间是存在着很强的关联关系，就像大伙常说啤酒和尿布的例子，巧克力和避孕套的例子。这里可以大家稍微说下，大多电商是怎么做的，我们通过这些商品在被购买的记录中找出每两个商品之间的关联关系，这种关联关系并不是对等的，比如说购买了手机的用户一般也会同时购买手机壳，而买手机壳的人不一定也买手机，这就说明手机和手机壳之间是有关系的，而且是强关系。手机壳和手机之间关系是弱关系，这里关系的强弱我们用系数来说明。所以商品和商品之间的这种关系，我们就形成一个商品模型。基于这个商品模型，我们就可以更好向用户推荐他浏览过、购买过、收藏过、评论过的商品了。说完商品，我们再说用户，用户通过类似的浏览行为，搜索行为，评论行为以及购买行为，我们可以找到用户和用户之间的关系。基于用户之间的行为关系，我们可以向用户推荐其他和他相关度很强的用户购买或感兴趣的一些商品。这也就是好多互联网公司做广告推荐，商品推荐，促销信息推荐等常用的做法。

4.数据盈利

数据盈利也就是我们经常谈到数据变现，数据盈利的一种方式就是数据产品化。目前有很多数据服务类公司，可以采集到移动端游戏， app使用情况，用户行为等数据，通过他们数据挖掘和分析的技术，再通过产品或服务的行为进行输出即可实现变现的目的。另外，手机厂商，如小米、华为等，他们都拥有几亿的活跃用户，掌握一手用户在手机的行为数据，甚至包括支付数据。能变现的方面就有很多了，限制他们的就是他们的想法了。另外也越来越多的传统厂商将产品数据化了，如汽车+大数据 变成了特斯拉，家居+大数据变成了智能家居，当然这里能举的例子还有很多。

5.业务重塑

业务重塑应该是大数据成熟度模型的最高阶段。在这个阶段，某些企业希望利用对客户使用方式、产品效能行为及总体市场趋势的分析，将商业模式转换到新市场的新服务，例如：京东的新开展的业务，京东金融、京东智能。此外，我们可以发挥一下想象力，BAT有哪些业务是以主营业务数据为基础开拓出来的，是不是能想到很多？

中国乃至世界真正拥有大数据的企业不多，我们是幸运的，拥有电商全价值链的大数据，如何挖掘这座金矿？限制我们的只有我们自己的想法。

以上是小编为大家分享的关于京东分享 企业大数据的新认识与应用的相关内容，更多信息可以关注环球青藤分享更多干货

② 如何在企业管理中应用大数据

在企业管理中应用大数据的大方向就是辅助企业决策，但是必须要深入到企业版的各个应用场景，使大数据真正落权地到企业。

1. 市场调研：这是大数据分析应用的一个重点，通过大数据分析市场和企业的数据，比传统市场调研更快速和准确。


2. 生产研发:通过对市场中的产品销售情况和消费者的反馈情况分析，找到产品不足，提前优化。


3. 市场营销：通过大数据分析出消费者的人群画像，了解消费者需求，精准营销。

③ 企业如何应用大数据分析

企业应用大数据分析就要借助一些数据分析工具，比如商业智能软件FineBI，有了工具就专等于完成了一属半。一般数据分析工作可分为以下三个步骤：
1、明确业务需求
按业务驱动的角度，了解业务部门需要解决什么样的问题，业务范围是什么，所要达成的效果又是怎样，依据这些需求来实施部署商业智能工具。
2、数据结合与关联
由于企业数据海量的特点和多元化的结构形式，需要商业分析工具具有海量的数据探索和分析能力，能够实时有效的与已有数据结合，产生精确的行动方向。
此外，企业数据的价值最终体现在客户的消费上，因此，对于能直接产生价值的数据要和客户关系和交易数据进行结合和关联，从而做出直接导向效益的决策。
3、培养数据分析人才
企业的数据分析，商业智能系统的部署是关键，但业务人员数据分析水平也同样重要。这就要求人员在信息过程管理当中要逐渐培养科学化管理数据的意识，企业上下也要统一共识，从而形成对企业数据的综合管理。

④ 大数据的应用领域有哪些

近年来，大数据不断向世界的各行各业渗透，影响着我们的衣食住行。例如，网上购物时，经常会发现电子商务门户网站向我们推荐商品，往往这类商品都是我们最近需要的。这是因为用户上网行为轨迹的相关数据都会被搜集记录，并通过大数据分析，使用推荐系统将用户可能需要的物品进行推荐，从而达到精准营销的目的。下面简单介绍几种大数据的应用场景。

大数据在医疗行业的应用

大数据让就医看病更简单。过去，对于患者的治疗方案，大多数都是通过医师的经验来进行，优秀的医师固然能够为患者提供好的治疗方案，但由于医师的水平不相同，所以很难保证患者都能够接受最佳的治疗方案。

而随着大数据在医疗行业的深度融合，大数据平台积累了海量的病例、病例报告、治愈方案、药物报告等信息资源.所有常见的病例、既往病例等都记录在案，医生通过有效、连续的诊疗记录，能够给病人优质、合理的诊疗方案。这样不仅提高医生的看病效率，而且能够降低误诊率，从而让患者在最短的时间接受最好的治疗。下面列举大数据在医疗行业的应用，具体如下。

(1) 优化医疗方案，提供最佳治疗方法。

面对数目及种类众多的病菌、病毒，以及肿瘤细胞时，疾病的确诊和治疗方案的确定也是很困难的。借助于大数据平台，可以搜集不同病人的疾病特征、病例和治疗方案，从而建立医疗行业的病人分类数据库。如果未来基因技术发展成熟，可以根据病人的基因序列特点进行分类，建立医疗行业的病人分类数据库。在医生诊断病人时可以参考病人的疾病特征、化验报告和检测报告，参考疾病数据库来快速帮助病人确诊，明确地定位疾病。在制订治疗方案时，医生可以依据病人的基因特点，调取相似基因、年龄、人种、身体情况相同的有效治疗方案，制订出适合病人的治疗方案，帮助更多人及时进行治疗。同时这些数据也有利于医药行业研发出更加有效的药物和医疗器械。

(2)有效预防预测疾病。

解决患者的疾病,最为简单的方式就是防患于未然。通过大数据对于群众的人体数据监控，将各自的健康数据、生命体征指标都集合在数据库和健康档案中。通过大数据分析应用，推动覆盖全生命周期的预防、治疗、康复和健康管理的一体化健康服务,这是未来健康服务管理的新趋势。当然，这一点不仅需 要医疗机构加快大数据的建设，还需要群众定期去做检查，及时更新数据，以便通过大数据来预防和预测疾病的发生，做到早治疗、早康复。当然,随着大数据的不断发展，以及在各个领域的应用，一些大规模的流感也能够通过大数据实现预测。

大数据在金融行业的应用

随着大数据技术的应用，越来越多的金融企业也开始投身到大数据应用实践中。麦肯锡的一份研究显示，金融业在大数据价值潜力指数中排名第一。下面列举若干大数据在金融行业的典型应用，具体如下。

(1) 精准营销。

银行在互联网的冲击下，迫切需要掌握更多用户信息，继而构建用户360立体画像，即可对细分的客户进行精准营销、实时营销等个性化智慧营销。

(2) 风险管控。

应用大数据平台，可以统一管理金融企业内部多源异构数据和外部征信数据,更好地完善风控体系。内部可保证数据的完整性与安全性，外部可控制用户风险。

(3) 决策支持。

通过大数据分析方法改善经营决策，为管理层提供可靠的数据支撑，从而使经营决策更高效、敏捷、精准。

(4) 服务创新。

通过对大数据的应用，改善与客户之间的交互、增加用户黏性，为个人与政府提供增值服务,不断增强金融企业业务核心竞争力。

(5) 产品创新。

通过高端数据分析和综合化数据分享,有效对接银行、保险、信托、基金等各类金融产品，使金融企业能够从其他领域借鉴并创造出新的金融产品。

大数据在零售行业的应用

美国零售业曾经有这样一个传奇故事，某家商店将纸尿裤和啤酒并排放在一起销售，结果纸尿裤和啤酒的销量双双增长!为什么看起来风马牛不相及的两种商品搭配在一起，能取到如此惊人的效果呢?后来经过分析发现，这些购买者多数是已婚男士，这些男士在为小孩购买尿不湿的同时，会同时为自己购买一些啤酒。发现这个秘密后，沃尔玛超市就大胆地将啤酒摆放在尿不湿旁边，这样顾客购买的时候更方便，销量自然也会大幅上升。

之所以讲“啤酒-尿布”这个例子，其实是想告诉大家，挖掘大数据潜在的价值，是零售业竞争的核心竞争力，下面列举若干大数据在零售业的创新应用，具体如下。

(1) 精准定位零售行业市场。

企业想进人或开拓某一区域零售行业市场，首先要进行项目评估和可行性分析，只有通过项目评估和可行性分析才能最终决定是否适合进人或者开拓这块市场。通常需要分析这个区域流动人口是多少?消费水平怎么样?客户的消费习惯是什么?市场对产品的认知度怎么样?当前的市场供需情况怎么样等等，这些问题背后包含的海量信息构成了零售行业市场调研的大数据，对这些大数据的分析就是市场定位过程。

(2) 支撑行业收益管理。

大数据时代的来临，为企业收益管理工作的开展提供了更加广阔的空间。需求预测、细分市场和敏感度分析对数据需求量很大，而传统的数据分析大多采集的是企业自身的历史数据来进行预测和分析，容易忽视整个零售行业信息数据，因此难免使预测结果存在偏差。企业在实施收益管理过程中如果能在自有数据的基础上，依靠一些自动化信息采集软件来收集更多的零售行业数据，了解更多的零售行业市场信息,这将会对制订准确的收益策略，赢得更高的收益起到推进作用。

(3) 挖掘零售行业新需求。

作为零售行业企业，如果能对网上零售行业的评论数据进行收集，建立网评大数据库，然后再利用分词、聚类、情感分析了解消费者的消费行为、价值取向、评论中体现的新消费需求和企业产品质量问题，以此来改进和创新产品，量化产品价值，制定合理的价格及提高服务质量，从中获取更大的收益。

⑤ 企业实施大数据分析应用的九大领域

企业实施大数据分析应用的九大领域

随着大数据的应用越来越广泛，应用的行业也越来越低，我们每天都可以看到大数据的一些新奇的应用，从而帮助人们从中获取到真正有用的价值。很多组织或者个人都会受到大数据的分析影响，但是大数据是如何帮助人们挖掘出有价值的信息呢？下面就让我们一起来看看九个价值非常高的大数据的应用，这些都是大数据在分析应用上的关键领域：

1.理解客户、满足客户服务需求

大数据的应用目前在这领域是最广为人知的。重点是如何应用大数据更好的了解客户以及他们的爱好和行为。企业非常喜欢搜集社交方面的数据、浏览器的日志、分析出文本和传感器的数据，为了更加全面的了解客户。在一般情况下，建立出数据模型进行预测。比如美国的着名零售商Target就是通过大数据的分析，得到有价值的信息，精准得预测到客户在什么时候想要小孩。另外，通过大数据的应用，电信公司可以更好预测出流失的客户，沃尔玛则更加精准的预测哪个产品会大卖，汽车保险行业会了解客户的需求和驾驶水平，政府也能了解到选民的偏好。

2.业务流程优化

大数据也更多的帮助业务流程的优化。可以通过利用社交媒体数据、网络搜索以及天气预报挖掘出有价值的数据，其中大数据的应用最广泛的就是供应链以及配送路线的优化。在这2个方面，地理定位和无线电频率的识别追踪货物和送货车，利用实时交通路线数据制定更加优化的路线。人力资源业务也通过大数据的分析来进行改进，这其中就包括了人才招聘的优化。

3.大数据正在改善我们的生活

大数据不单单只是应用于企业和政府，同样也适用我们生活当中的每个人。我们可以利用穿戴的装备（如智能手表或者智能手环）生成最新的数据，这让我们可以根据我们热量的消耗以及睡眠模式来进行追踪。而且还利用利用大数据分析来寻找属于我们的爱情，大多数时候交友网站就是大数据应用工具来帮助需要的人匹配合适的对象。

4.提高医疗和研发

大数据分析应用的计算能力可以让我们能够在几分钟内就可以解码整个DNA.并且让我们可以制定出最新的治疗方案。同时可以更好的去理解和预测疾病。就好像人们戴上智能手表等可以产生的数据一样，大数据同样可以帮助病人对于病情进行更好的治疗。大数据技术目前已经在医院应用监视早产婴儿和患病婴儿的情况，通过记录和分析婴儿的心跳，医生针对婴儿的身体可能会出现不适症状做出预测。这样可以帮助医生更好的救助婴儿。

5.提高体育成绩

现在很多运动员在训练的时候应用大数据分析技术了。比如例如用于网球鼻塞的IBMSlamTracker工具，我们使用视频分析来追踪足球或棒球比赛中每个球员的表现，而运动器材中的传感器技术（例如篮球或高尔夫俱乐部）让我们可以获得对比赛的数据以及如何改进。很多精英运动队还追踪比赛环境外运动员的活动-通过使用智能技术来追踪其营养状况以及睡眠，以及社交对话来监控其情感状况。

6.优化机器和设备性能

大数据分析还可以让积极和设备在应用上更加智能化和自主化。例如，大数据工具曾经就被谷歌公司利用研发谷歌自驾汽车。丰田的普瑞就配有相机、GPS以及传感器，在交通上能够安全的驾驶，不需要人类的敢于。大数据工具还可以应用优化智能电话。

7.改善安全和执法

大数据现在已经广泛应用到安全执法的过程当中。想必大家都知道美国安全局利用大数据进行恐怖主义打击，甚至监控人们的日常生活。而企业则应用大数据技术进行防御网络攻击。警察应用大数据工具进行捕捉罪犯，信用卡公司应用大数据工具来槛车欺诈性交易。

8.改善我们的城市

大数据还被应用改善我们日常生活的城市。例如基于城市实时交通信息、利用社交网络和天气数据来优化最新的交通情况。目前很多城市都在进行大数据的分析和试点。

9.金融交易

大数据在金融行业主要是应用金融交易。高频交易（HFT）是大数据应用比较多的领域。其中大数据算法应用于交易决定。现在很多股权的交易都是利用大数据算法进行，这些算法现在越来越多的考虑了社交媒体和网站新闻来决定在未来几秒内是买出还是卖出。

以上九个是大数据应用最多的九个领域，当然随着大数据的应用越来越普及，还有很多新的大数据的应用领域，以及新的大数据应用。

以上是小编为大家分享的关于企业实施大数据分析应用的九大领域的相关内容，更多信息可以关注环球青藤分享更多干货

⑥ 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。

⑦ 企业大数据的应用有哪些，举些例子

你好，这个有很抄多的。从大数据场景应用的横向出发（行业），有各行各业，比如银行、证券、保险、互联网金融、地产、旅游、交通、农业、智慧政府等行业大数据场景应用
从大数据场景应用的纵向出发（功能），可用于精准营销、数据风控、效率提升、决策支持、产品运营等。
这里介绍几个案例：
销售分析
例如通过商业智能系统FineBI平台，可以进行销售、回款、应收款、可售库存、推盘、动态成本、杜邦分析、资金计划等各类细分主题的分析，以地图、环比图、漏斗图等特征图表配以钻取联动显示，较好地从数据中观测销售过程出现的问题。
财务分析
也可以通过建立绩效指标库和行业或标杆指标库作为财务分析的数据源，在绩效考核模型、投资评估模型、财务风险模型、经营分析模型的基础上分别建立资产主题、盈利主题、资金主题、收入主题、成本费用主题、存货主题等。通过这些分析主题对企业进行进度监控和经营预警，从而达到对企业战略的控制。

⑧ 企业可以从哪些方面具体切入，把大数据应用起来

企业运用大数据可以从两个方面切入：
第一、利用大数据进行市场分析、行业分析、舆情风控分析、竞品分析等，以此来更精准 的把控市场。
第二、利用大数据进行业务销售，大数据可以根据目标客户群体进行数据建模，通过筛选及深度脱敏后一键外呼建立沟通，这也就是精准大数据营销。
希望能帮到你