⑴ 大数据时代下我国电子商务的发展机遇与挑战
大数据时代下我国电子商务的发展机遇与挑战_数据分析师考试
大数据时代已经到来，认同这一判断的人越来越多。随着物联网、云计算、移动互联网等新技术的发展，手机、平板电脑、PC以及遍布地球各个角落的传感器，将成为大数据来源和承载方式。据预测，全球互联网上的数据量每两年会翻一番，到2013年互联网上的数据量将达到667EB（1EB=109GB）。这些数据绝大多数是“非结构化数据”，通常不能为传统的数据库所用，但随着自然语言处理、模式识别和机器学习等人工智能技术的发展，这些庞大的数据“宝藏”将成为未来世界的新“石油”。
大数据正在促生新的蓝海，催生新的经济增长点，正在成为政府和企业竞争的新焦点。2012年，瑞士达沃斯论坛发布《大数据，大影响》报告，称“数据已经成为一种新的经济资产类别，就像货币或黄金一样”。2012年，美国政府启动“大数据研究和发展计划”，将“大数据”上升到了国家战略层面。对于企业来说，数据正在取代人才成为企业的核心竞争力。总之，大数据所能带来的巨大商业价值，被认为将引领一场足以与20世纪计算机革命匹敌的巨大变革。
未来，大数据时代将会撼动人类社会的方方面面，从商业科技到医疗、政府、教育等各个领域。但现在，电子商务无疑已成为其中发展最快、应用最广泛、也最成功的领域之一。
大数据时代下我国电子商务的发展机遇
当前，我国电子商务正处于快速发展期。以阿里巴巴为例，从2010年到2012年，淘宝和天猫双十一单日成交额分别为9亿、33亿、191亿；而2011年全年，淘宝和天猫成交量之和为3600亿，2012年这个数据超过一万亿。根据国家统计局数据，2012年全国各省社会消费品零售总额为20.17万亿，一万亿相当于其总量的4.8%。我国电子商务井喷式发展的背后是消费者数据的几何级增长。电子商务龙头企业也正是看到了相关机遇，积极部署、探索和挖掘大数据相关应用。
一是，电商企业通过大数据应用创新商业模式
大数据的重要趋势就是数据服务的变革，把人分成很多群体，对每个群体甚至每个人提供针对性的服务。消费数据量的增加为电商企业提供了精确把握用户群体和个体网络行为模式的基础。电商企业通过大数据应用，可以探索个人化、个性化、精确化和智能化地进行广告推送和推广服务，创立比现有广告和产品推广形式性价比更高的全新商业模式。同时，电商企业也可以通过对大数据的把握，寻找更多更好地增加用户粘性，开发新产品和新服务，降低运营成本的方法和途径。
实际上，国外传统零售巨头早已开始大数据的应用和实践。Tesco是全球利润第二大零售商，其从会员卡的用户购买记录中，充分了解用户的行为，并基于此进行一系列的业务活动，例如通过邮件或信件寄给用户的促销可以变得更个性化，店内的商家商品及促销也可以根据周围人群的喜好、消费时段来更加有针对性，从而提高货品的流通。这样的做法为Tesco获得了丰厚的回报，仅在市场宣传一项，就能帮助其每年节省3.5亿英镑的费用。显然，电商企业对比传统零售企业在这方面会更有优势，因为电商企业本身就是通过数据平台为用户提供零售服务的。
从国内来看，我国电商企业均积极在大数据领域进行布局和深耕，已逐步认识到大数据应用对于电商发展的重要性。以我国著名B2C龙头企业凡客诚品为例。经过近几年的高速发展，凡客每年的销售量成倍增长，库存问题逐渐成为制约其发展的主要因素。2011年，凡客成立了数据中心，针对企业经营数据，包括库存、进货周期、周转、订单等，研究分析新产品的上架与新用户增长的关系，每上线一个新产品与它能够带来的用户二次购买的关系等，开展大数据应用实践。据报道，凡客的高库存问题目前已得到了缓解，库存周转速度由100天下降为50天-30天，有效降低了运营成本。
二是，电商企业通过大数据应用推动差异化竞争
当前，我国电子商务发展面临的两大突出问题是成本和同质化竞争。而大数据时代的到来将为其发展和竞争提供新的出路，包括具体产品和服务形式，通过个性化创新提升企业竞争力。
还是以阿里巴巴为例。阿里巴巴通过对旗下的淘宝、天猫、阿里云、支付宝、万网等业务平台进行资源整合，形成了强大的电子商务客户群及消费者行为的全产业链信息，造就了独一无二的数据处理能力，这是目前其他电子商务公司无法模仿与跟随的。同时，也将电子商务的竞争从简单的价格战上升了一个层次，形成了差异化竞争。目前，淘宝已形成的数据平台产品，包括数据魔方、量子恒道、超级分析、金牌统计、云镜数据等100余款，功能包括店铺基础经营分析、商品分析、营销效果分析、买家分析、订单分析、供应链分析、行业分析、财务分析和预测分析等。
此外，电商企业通过大数据应用积极开拓发展新蓝海——互联网金融业务。目前阿里、京东、苏宁三大主流电商企业已相继试水。除“阿里小贷”模式比较成功之外，京东模式也渐出效果。2012年，京东通过与中国银行合作，推出“供应链金融服务”，供应商凭借其在京东的订单、入库单等向京东提出融资申请，核准后递交银行，再由银行给予放款。据报道，此服务可以帮助京东供应商大幅度缩短账期，资金回报率由原来的60%左右提高到226%。
大数据时代下我国电子商务面临的挑战
虽然电子商务企业已经走在大数据时代的前列，但在开始规划大数据美好蓝图的同时也要警惕其面临的挑战和风险。
一是企业信息化投资将规模化发展。电商企业内部的经营交易信息，包括商品、物流信息，以及用户的社交信息、位置信息等等将构成企业大数据的主要来源。其信息量远远超越了现有企业IT架构和基础设施的承载能力，其实时性要求大大超越现有的计算能力。此外，电商企业还将面临数据孤岛、数据质量、数据格局等数据治理问题。要想依靠大数据获益，我国电商企业必将进行新一轮的信息化投资和建设。
二是相关管理政策尚不明确。大数据时代下，云计算必将成为电商企业选择的业务模式，其本质是数据处理技术。数据是资产，云为数据资产提供了保管、访问的场所和渠道。云计算所提供的服务，既包括软件服务和应用平台服务，又包括基础设施服务，但目前我国针对云计算服务的管理政策和技术标准尚未明确。
三是数据安全与隐私问题突出。一方面，大量的数据汇集，包括大量的企业运营数据、客户信息、个人的隐私和各种行为的细节记录，面临的数据泄露风险将会增大。电商企业既要防止数据在云上丢掉，也要防止数据在端上被窃取和篡改。另一方面，一些敏感数据的所有权和使用权还没有明确的界定，很多基于大数据的分析都未考虑到其中涉及到的个体的隐私问题。
以上是小编为大家分享的关于大数据时代下我国电子商务的发展机遇与挑战的相关内容，更多信息可以关注环球青藤分享更多干货
⑵ 大数据的商业机会在哪
大数据的商业机会在哪
近些年，大数据已经和云计算一样，成为时代的话题。大数据是怎么产生的，商业机会在哪？研究机会在哪？这个概念孕育着一个怎样的未来？
昨天在车库咖啡参加了一个小型的研讨活动，就这些问题进行了一些讨论，我结合自己的一些理解做一个总结。
首先，大数据是怎么产生的？
1）物理世界的信息大量数字化产生的
例如刘江老师指出的好大夫网，将医生的信息，门诊的信息等数字化。其实还有很多，比如新浪微博将茶馆聊天的行为（弱关系产生信息数字化），朋友聊天的行为数字化（强关系产生信息数字化）。视频监控探头将图像数字化。
2）社交网络产生的
在雅虎时代，大量的都是读操作，只有雅虎的编辑做一些写操作的工作。进入web2.0时代，用户数大量增加，用户主动提交了自己的行为。进入了社交时代，移动时代。大量移动终端设备的出现，用户不仅主动提交自己的行为，还和自己的社交圈进行了实时的互动，因此数据大量的产生出来，并且具有了极其强烈的传播性。
3）数据都要保存所产生的
一位嘉宾指出，旧金山大桥保留了百年的历史数据，在时间跨度上产生了价值，很多网站在早期对数据的重视程度不够，保存数据的代价很大，存储设备的价格昂贵，但是时代变了，存储设备便宜了，用户自己产生的数据得到了重视，数据的价值被重视了。因此越来越多的数据被持续保存。
其次，大数据和大规模数据的区别？
big data之前学术界叫very large data,大数据和大规模数据的差距是什么？我认为在英文中large的含义只是体积上的，而big的含义还包含重量上的，价值量上的。因此我认为：
1）大数据首先不是数量上的堆砌，而是具有很强的关联性结构性。
比如有一种数据，记录了世界上每一颗大树每年长高的程度，这样的数据不具有价值，因为只是简单堆砌。
如果数据变成，每一个大树记录它的，地点，气候条件，树种，树龄，周边动植物生态，每年长高的高度，那么这个数据就具有了结构性。具有结构性的数据首先具有极强的研究价值，其次极强的商业价值。
在比如，淘宝的数据，如果只记录一个交易的买家，卖家，成交物品，价格等信息，那么这个商业价值就很有限。淘宝包含了，买家间的社交关系，购物前后的其他行为，那么这个数据将非常有价值。
因此，只有立体的，结构性强的数据，才能叫大数据，才有价值，否则只能叫大规模数据。
2）大数据的规模一定要大，而且比大规模数据的规模还要大。
要做一些预测模型需要很多数据，训练语料，如果数据不够大，很多挖掘工作很难做，比如点击率预测。最直白的例子，如果你能知道一个用户的长期行踪数据，上网的行为，读操作和写操作。那么几乎可以对这个人进行非常精准的预测，各种推荐的工作都能做到很精准。 最后，大数据的机会在哪里？对小公司的机会在哪？
围绕数据的整个产业链上，我认为具有以下机会：
1）数据的获得
大量数据的获得，这个机会基本属于新浪微博等这类大企业，大量交易数据的获得，也基本属于京东，淘宝这类企业。小企业基本没机会独立得到这些用户数据。
2）数据的汇集
例如如果你要能把各大厂商，各大微博，政府各个部门的数据汇集全，这个机会将是极大的。
但，这个工作，做大了需要政府行为，做中档了，要企业间合作，做小了，也许就是一个联盟或者一个民间组织，比如中国爬盟。
3）数据的存储
汇集了数据后，立即遇到的问题就是存储，这个代价极大，原始数据不能删除，需要保留。因此提供存储设备的公司，执行存储这个角色的公司，都具有巨大的市场机会，但是这也不属于小公司，或者早期创业者。
4）数据的运算
在存储了数据以后，怎么把数据分发是个大问题，各种API,各种开放平台，都是将这些数据发射出去，提供后续的挖掘和分析工作，这个也需要有大资本投入，也不适合小公司。
5）数据的挖掘和分析
数据需要做增值服务，否则数据就没有价值，big也big不到哪里去，是没有价值的big.因此这种数据分析和挖掘工作具有巨大的价值，这个机会属于小公司，小团体。
6）数据的使用和消费
在数据做到了很好的挖掘和分析后，需要把这些结果应用在一个具体的场合上，来获得回报，做数据挖掘和分析的公司，必须得找到这些金主才行，而这些金主肯定也不是小公司。
大数据未来的形态，或者产业链结构一定是分层的，巨大的，价值的体现发生在各个层次，每个层次都是生态链的重要一环，都孕育着巨大的机遇和挑战，我们能做的唯有努力，做适合自己的工作。
⑶ 在当前大数据的新环境下 it企业面临哪些机会与挑战
挑战一：数据来源错综复杂
丰富的数据源是大数据产业发展的前提。而我国数字化的数据资源总量远远低于美欧，每年新增数据量仅为美国的7%，欧洲的12%，其中政府和制造业的数据资源积累远远落后于国外。就已有有限的数据资源来说，还存在标准化、准确性、完整性低，利用价值不高的情况，这大大降低了数据的价值。
大数据时代，我们需要更加全面的数据来提高分析预测的准确度，因此我们就需要更多便捷、廉价、自动的数据生产工具。除了我们在网上使用的浏览器有意或者无意记载着个人的信息数据之外，手机、智能手表、智能手环等各种可穿戴设备也在无时无刻地产生着数据；就连我们家里的路由器、电视机、空调、冰箱、饮水机、净化器等也开始越来越智能并且具备了联网功能，这些家用电器在更好地服务我们的同时，也在产生着大量的数据；甚至我们出去逛街，商户的WIFI,运营商的3G网络，无处不在的摄像头电子眼，百货大楼的自助屏幕，银行的ATM，加油站以及遍布各个便利店的刷卡机等也都在产生着数据。
挑战二：数据挖掘分析模型建立
步入大数据时代，人们纷纷在谈论大数据，似乎这已经演化为新的潮流趋势。数据比以往任何时候都更加根植于我们生活中的每个角落。我们试图用数据去解决问题、改善福利，并且促成新的经济繁荣。人们纷纷流露出去大数据的高期待以及对大数据分析技术的格外看好。然而，关于大数据分析，人们鼓吹其神奇价值的喧嚣声浪很高，却鲜见其实际运用得法的模式和方法。造成这种窘境的原因主要有以下两点：一是对于大数据分析的价值逻辑尚缺乏足够深刻的洞察；其次便是大数据分析中的某些重大要件或技术还不成熟。大数据时代下数据的海量增长以及缺乏这种大数据分析逻辑以及大数据技术的待发展，正是大数据时代下我们面临的挑战。
大数据的大，一般人认为指的是它数据规模的海量。随着人类在数据记录、获取及传输方面的技术革命，造成了数据获得的便捷与低成本，这便使原有的以高成本方式获得的描述人类态度或行为的、数据有限的小数据已然变成了一个巨大的、海量规模的数据包。这其实是一种片面认识。其实，前大数据时代也有海量的数据集，但由于其维度的单一，以及和人或社会有机活动状态的剥离，而使其分析和认识真相的价值极为有限。大数据的真正价值不在于它的大，而在于它的全面：空间维度上的多角度、多层次信息的交叉复现；时间维度上的与人或社会有机体的活动相关联的信息的持续呈现。
挑战三：数据开放与隐私的权衡
数据应用的前提是数据开放，这已经是共识。有专业人士指出，中国人口居世界首位，但2010年中国新存储的数据为250PB，仅为日本的60%和北美的7%。目前我国一些部门和机构拥有大量数据但宁愿自己不用也不愿提供给有关部门共享，导致信息不完整或重复投资。2012年中国的数据存储量达到64EB，其中55%的数据需要一定程度的保护，然而目前只有不到一半的数据得到保护。
开放与隐私如何平衡，亦是一大难题。任何技术都是双刃剑，大数据也不例外。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。
挑战四：大数据管理与决策
大数据的技术挑战显而易见，但其带来的决策挑战更为艰巨。大数据至关重要的方面，就是它会直接影响组织怎样作决策、谁来作决策。在信息有限、获取成本高昂且没有被数字化的时代，组织内作重大决策的人，都是典型的位高权重的人，要不然就是高价请来的拥有专业技能和显赫履历的外部智囊。但是，在今时今日的商业世界中，高管的决策仍然更多地依赖个人经验和直觉，而不是基于数据。
大数据开发的根本目的是以数据分析为基础，帮助人们做出更明智的决策，优化企业和社会运转。哈佛商业评论说，大数据本质上是“一场管理革命”。大数据时代的决策不能仅凭经验，而真正要“拿数据说话”。因此，大数据能够真正发挥作用，深层次看，还要改善我们的管理模式，需要管理方式和架构的与大数据技术工具相适配。这或许是我们最难迈过的一道坎了。
挑战五：大数据人才缺口
如果说，以Hadoop为代表的大数据是一头小象，那么企业必须有能够驯服它的驯兽师。在很多企业热烈拥抱这类大数据技术时，精通大数据技术的相关人才也成为一个大缺口。
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懂指挥、懂技术、懂管理的大数据建设专业队伍。
⑷ 大数据十大商业应用场景
大数据十大商业应用场景
大数据时代，在未来的几十年里，大数据都将会是一个重要都话题。大数据影响着每一个人，并在可以预见的未来继续影响着。大数据冲击着许多主要行业，包括零售业、金融行业、医疗行业等等，大数据也在彻底地改变着我们的生活。现在我们就来看看大数据给中国带来的十商业应用场景，未来大数据产业将会是一个万亿市场。
1、智慧城市
如今，世界超过一半的人口生活在城市里，到2050年这一数字会增长到75%。政府需要利用一些技术手段来管理好城市，使城市里的资源得到良好配置。既不出现由于资源配置不平衡而导致的效率低下以及骚乱，又要避免不必要的资源浪费而导致的财政支出过大。大数据作为其中的一项技术可以有效帮助政府实现资源科学配置，精细化运营城市，打造智慧城市。
城市的道路交通，完全可以利用GPS数据和摄像头数据来进行规划，包括道路红绿灯时间间隔和关联控制，包括直行和左右转弯车道的规划、单行道的设置。利用大数据技术实施的城市交通智能规划，至少能够提高30%左右的道路运输能力，并能够降低交通事故率。在美国，政府依据某一路段的交通事故信息来增设信号灯，降低了50%以上的交通事故率。机场的航班起降依靠大数据将会提高航班管理的效率，航空公司利用大数据可以提高上座率，降低运行成本。铁路利用大数据可以有效安排客运和货运列车，提高效率、降低成本。
城市公共交通规划、教育资源配置、医疗资源配置、商业中心建设、房地产规划、产业规划、城市建设等都可以借助于大数据技术进行良好规划和动态调整。
大数据技术可以了解经济发展情况，各产业发展情况，消费支出和产品销售情况，依据分析结果，科学地制定宏观政策，平衡各产业发展，避免产能过剩，有效利用自然资源和社会资源，提高社会生产效率。大数据技术也能帮助政府进行支出管理，透明合理的财政支出将有利于提高公信力和监督财政支出。大数据及大数据技术带给政府的不仅仅是效率提升、科学决策、精细管理，更重要的是数据治国、科学管理的意识改变，未来大数据将会从各个方面来帮助政府实施高效和精细化管理，具有极大的想象空间。
2、金融行业
大数据在金融行业应用范围较广，典型的案例有花旗银行利用IBM沃森电脑为财富管理客户推荐产品，美国银行利用客户点击数据集为客户提供特色服务。中国金融行业大数据应用开展得较早，但都是以解决大数据效率问题为主，很多金融行业建立了大数据平台，对金融行业的交易数据进行采集和处理。
金融行业过去的大数据应用以分析自身财务数据为主，以提供动态财务报表为主，以风险管理为主。在大数据价值变现方面，开展的不够深入，这同金融行业每年上万亿的净利润相比是不匹配的。现在已经有一些银行和证券开始和移动互联网公司合作，一起进行大数据价值变现，其中招商银行、平安集团、兴业银行、国信证券、海通证券和Talking Data在移动大数据精准营销、获客、用户体验等方面进行了不少的尝试，大数据价值变现效果还不错，大数据正在帮助金融行业进行价值变现。大数据在金融行业的应用可以总结为以下五个方面：
(1)精准营销：依据客户消费习惯、地理位置、消费时间进行推荐
(2)风险管控：依据客户消费和现金流提供信用评级或融资支持，利用客户社交行为记录实施信用卡反欺诈
(3)决策支持：利用抉策树技术进抵押贷款管理，利用数据分析报告实施产业信贷风险控制
(4)效率提升：利用金融行业全局数据了解业务运营薄弱点，利用大数据技术加快内部数据处理速度
(5)产品设计：利用大数据计算技术为财富客户推荐产品，利用客户行为数据设计满足客户需求的金融产品
3、医疗行业
医疗行业拥有大量病例、病理报告、医疗方案、药物报告等。如果这些数据进行整理和分析，将会极大地帮助医生和病人。在未来，借助于大数据平台我们可以收集疾病的基本特征、病例和治疗方案，建立针对疾病的数据库，帮助医生进行疾病诊断。
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。在制定治疗方案时，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，制定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开发出更加有效的药物和医疗器械。
医疗行业的数据应用一直在进行，但是数据没有打通，都是孤岛数据，没有办法起大规模应用。未来需要将这些数据统一收集起来，纳入统一的大数据平台，为人类健康造福。政府是推动这一趋势的重要动力，未来市场将会超过几千亿元。
4、农牧业
农产品不容易保存，合理种植和养殖农产品对农民非常重要。借助于大数据提供的消费能力和趋势报告，政府将为农牧业生产进行合理引导，依据需求进行生产，避免产能过剩，造成不必要的资源和社会财富浪费。大数据技术可以帮助政府实现农业的精细化管理，实现科学决策。在数据驱动下，结合无人机技术，农民可以采集农产品生长信息，病虫害信息。
农业生产面临的危险因素很多，但这些危险因素很大程度上可以通过除草剂、杀菌剂、杀虫剂等技术产品进行消除。天气成了影响农业非常大的决定因素。过去的天气预报仅仅能提供当地的降雨量，但农民更关心有多少水分可以留在他们的土地上，这些是受降雨量和土质来决定的。Climate公司利用政府开放的气象站的数据和土地数据建立了模型，他们可以告诉农民可以在哪些土地上耕种，哪些土地今天需要喷雾并完成耕种，哪些正处于生长期的土地需要施肥，哪些土地需要5天后才可以耕种，大数据技术可以帮助农业创造巨大的商业价值。
5、零售行业
零售行业比较有名气的大数据案例就是沃尔玛的啤酒和尿布的故事，以及Target通过向年轻女孩寄送尿布广告而告知其父亲，女孩怀孕的故事。
零售行业可以通过客户购买记录，了解客户关联产品购买喜好，将相关的产品放到一起增加来增加产品销售额，例如将洗衣服相关的化工产品例如洗衣粉、消毒液、衣领净等放到一起进行销售。根据客户相关产品购买记录而重新摆放的货物将会给零售企业增加30%以上的产品销售额。
零售行业还可以记录客户购买习惯，将一些日常需要的必备生活用品，在客户即将用完之前，通过精准广告的方式提醒客户进行购买。或者定期通过网上商城进行送货，既帮助客户解决了问题，又提高了客户体验。
电商行业的巨头天猫和京东，已经通过客户的购买习惯，将客户日常需要的商品例如尿不湿，卫生纸，衣服等商品依据客户购买习惯事先进行准备。当客户刚刚下单，商品就会在24小时内或者30分钟内送到客户门口，提高了客户体验，让客户连后悔等时间都没有。
利用大数据的技术，零售行业将至少会提高30%左右的销售额，并提高客户购买体验。
6、大数据技术产业
进入移动互联网之后，非结构化数据和结构化数据呈指数方式增长。现在人类社会每两年产生的数据将超过人类历史过去所有数据之和。进入到2015年，人类社会所有的数据之和有望突破5泽B(5ZB)，这些数据如何存储和处理将会成为很大的问题。
这些大数据为大数据技术产业提供了巨大的商业机会。据估计全世界在大数据采集、存储、处理、清晰、分析所产生的商业机会将会超过2000亿美金，包括政府和企业在大数据计算和存储，数据挖掘和处理等方面等投资。中国2014年大数据产业产值已经超过了千亿人民币，本届贵阳大数据博览会就吸引了400多家厂商来参展，充分说明大数据产业的未来的商业价值巨大。
未来中国的大数据产业将会呈几何级数增长，在5年之内，中国的大数据产业将会形成万亿规模的市场。不仅仅是大数据技术产品的市场，也将是大数据商业价值变现的市场。大数据将会在企业的精准营销、决策分析、风险管理、产品设计、运营优化等领域发挥重大的作用。
大数据技术产业将会解决大数据存储和处理的问题，大数据服务公司将利用自身的数据将解决大数据价值变现问题，其所带来的市场规模将会超过千亿人民币。中国目前拥有大数据，并提供大数据价值变现服务的公司除了我们众所周知的BAT和移动运营商之外，360、小米、京东、Talking Data、九次方等都会成为大数据价值变现市场的有力参与者，市场足够大，期望他们将市场做大，帮助所有企业实现大数据价值变现。
7、物流行业
中国的物流产业规模大概有5万亿左右，其中公里物流市场大概有3万亿左右。物流行业的整体净利润从过去的30%以上降低到了20%左右，并且下降的趋势明显。物流行业很多的运力浪费在返程空载、重复运输、小规模运输等方面。中国市场最大等物流公司所占的市场份额不到1%。因此资源需要整合，运送效率需要提高。
物流行业借助于大数据，可以建立全国物流网络，了解各个节点的运货需求和运力，合理配置资源，降低货车的返程空载率，降低超载率，减少重复路线运输，降低小规模运输比例。通过大数据技术，及时了解各个路线货物运送需求，同时建立基于地理位置和产业链的物流港口，实现货物和运力的实时配比，提高物流行业的运输效率。借助于大数据技术对物流行业进行的优化资源配置，至少可以增加物流行业10%左右的收入，其市场价值将在5000亿左右。
8、房地产业
中国房地产业发展的高峰已经过去，其面临的挑战逐渐增加，房地产业正从过去的粗放发展方式转向精细运营方式，房地产企业在拍卖土地、住房地产开发规划、商业地产规划方面也将会谨慎进行。
借助于大数据，特别是移动大数据技术。房地产业可以了解开发土地所在范围常驻人口数量、流动人口数量、消费能力、消费特点、年龄阶段、人口特征等重要信息。这些信息将会帮助房地商在商业地产开发、商户招商、房屋类型、小区规模进行科学规划。利用大数据技术，房地产行业将会降低房地产开发前的规划风险，合理制定房价，合理制定开发规模，合理进行商业规划。大数据技术可以降低土地价格过高，实际购房需求过低的风险。已经有房地产公司将大数据技术应用于用户画像、土地规划、商业地产开发等领域，并取得了良好的效果。
9、制造业
制造业过去面临生产过剩的压力，很多产品包括家电、纺织产品、钢材、水泥、电解铝等都没有按照市场实际需要生产，造成了资源的极大浪费。利用电商数据、移动互联网数据、零售数据，我们可以了解未来产品市场都需求，合理规划产品生产，避免生产过剩。
例如依据用户在电商搜索产品的数据以及物流数据，可以推测出家电产品和纺织产品未来的实际需求量，厂家将依据这些数据来进行生产，避免生产过剩。移动互联网的位置信息可以帮助了解当地人口进出的趋势，避免生产过多的钢材和水泥。
大数据技术还可以根据社交数据和购买数据来了解客户需求，帮助厂商进行产品开发，设计和生产出满足客户需要的产品。
10、互联网广告业
2014年中国互联网广告市场迎来发展高峰，市场规模预计达到1500亿元左右，较2013年增长56.5%。数字广告越来越受到广告主的重视，其未来市场规模越来越大。2014年美国的互联网广告市场规模接近500亿美元，参考中国的人口消费能力，其市场规模会很快达到2000亿人民币左右。
过去到广告投放都是以好的广告渠道+广播式投放为主，广告主将广告交给广告公司，由广告公司安排投放，其中SEM广告市场最大，其他的广告投放方式也是以页面展示为主，大多是广播式广告投放。广播式投放的弊端是投入资金大，没有针对目标客户，面对所有客户进行展示，广告的转化率较低，并存在数字广告营销陷阱等问题。
大数据技术可以将客户在互联网上的行为记录下来，对客户的行为进行分析，打上标签并进行用户画像。特别是进入移动互联网时代之后，客户主要的访问方式转向了智能手机和平台电脑，移动互联网的数据包含了个人的位置信息，其360度用户画像更加接近真实人群。360度用户画像可以帮助广告主进行精准营销，广告公司可以依据用户画像的信息，将广告直接投放到用户的移动设备，通过用户经常使用的APP进行广告投放，其广告的转化可以大幅度提高。利用移动互联网大数据技术进行的精准营销将会提高十倍以上的客户转化率，广告行业的程序化购买正在逐步替代广播式广告投放。大数据技术将帮助广告主和广告公司直接将广告投放给目标用户，其将会降低广告投入，提高广告的转化率。
目前，影响大数据产业发展主要有两个大问题，一个是大数据应用场景，一个是大数据隐私保护问题。
大数据商业价值的应用场景，大数据公司和企业正在寻找，目前在移动互联网的精准营销和获客、360度用户画像、房地产开发和规划、互联网金融的风险管理、金融行业的供应链金融，个人征信等方面已经取得了进步，拥有了很多经典案例。
但在有关大数据隐私保护以及大数据应用过程中个人信息保护方面还停滞不前，大家都在摸石头过河，不知道哪些事情可以做，哪些事情不可以做。国家在大数据隐私保护方面正在进行立法，估计不久的将来，大数据服务公司和企业将会了解大数据隐私保护方面的具体要求。在没有明确有关大数据隐私保护法规前，我们可以参考国外的隐私法，严格遵守国际上通用的个人隐私保护法，在实施大数据价值变现的过程中，充分保护所有相关方的个人利益。
最后纵观人类历史，在任何领域，如果我们可以拿到数据进行分析，我们就会取得进步。如果我们拿不到数据，无法进行分析，我们注定要落后。我们过去因数据不足导致的错误远远好过那些根本不用数据的错误，因此我们需要掌握大数据这个武器，利用好它，帮助人类社会加速进化，帮助企业实现大数据的价值变现。
以上是小编为大家分享的关于大数据十大商业应用场景的相关内容，更多信息可以关注环球青藤分享更多干货
⑸ 大数据时代可能影响你的7个商业趋势
大数据时代可能影响你的7个商业趋势
我们已经看到了许多这样的案例出现企业愿意分享他们在大数据使用上取得的成就。在IT行业任何的范式转变（paradigmshift），一个特定的主题吸引新闻媒体、投资者和创新人才的大量关注，这个转变需求很强的商业价格的支持。这个典型的案例是：客户服务、分布式计算和以服务为导向的架构与语言，例如：JAVA.
我们也看到了一个有益的生态系统的出现,迅速的赞美或扩展能力的核心支持技术，在大数据案例中，大数据生态系统已经迅速集中一批技术提供者,例如：Hadoop,Cassandra,Accumulo,Oracle,IBM.
那么在大数据的生态系统中我可以看到哪些趋势会出现？
在hadoop上对于sql扩展性和一致性有一大批的技术公司努力构建一种no-sql技术，从而为大数据提供解决方案例如：hadoop。但是对于sql语言支持的深度与广度各不相同，然而使用sql专业分析人员可以使用这些优点从而很好的通过sql语言来操作大数据。目前案例包括：Hadapt,Impala,.
(译者注：由于目前的大数据存储都不是基于关系型数据库的，所以传统通过sql语言来操作数据的方式无法直接使用，例如：对于hadoop存储的数据是无法直接通过sql来查询的。因而需要把传统的sql语言进行中间转换从而进行操作，例如：hadoop中hive,就是相当于将sql转换成MapRece，从而去读取、操作hadoop上的数据。）
对于结构化、非结构化与半结构化数据的统一支持随时非结构化数据的增长,IDC公司预测了数据的数量,大多数据的将以非结构化的形式存储,每天将增长40%-50%.到2020年,总体的数据量将达到40ZB.非结构化的数据主要来源于:邮件、论坛、博客、社交网络、POS系统和机器生成的数据。为了获取和分析这些大数据量的数据，创新人员必须扩展他们的大数据解决方案，而不能仅仅适用于其中一个。
优化检索从海量的数据中发现之前用户的真正搜索需要，在之前就像大海捞针基本上不可能的。但是随时时间发展，越来越多把大数据的解决方案融入到检索支持中。在这方面中领先者有：LucidWorks,IBM,Oracle（其通过收购Endeca）AutonomyandMarkLogic。其中LucidWorks结合了一个开源的堆Lucene和Solr,Hadoop,Mahout和NLP。
ETL的扩展与支持许多人都认为hadoop最开始的使用安全是用于ETL因为其批处理的功能。然而，如果你看到基于etl解决方案进行与维护的复杂hadoop平台的所有的基础设施，你可以会使用其它的纯情etl工具（Informatica,Talend,Syncsort,CloverETL）来解决。多年来这些公司这些公司努力在建立最值组合的ETL解决方案，现在更多我们把其称作为：数据整合解决方案。
纯粹的ETL提供商正努力为大数据提供解决方案。这些支持不难包括：ETL，而且包括ELT那些从hadoop内部转化为hadoop。这会使公司使用构建这样的环境，使用纯ETL的解决方案及hadoop本身强大的功能。随着时间的发展，这些纯ELT的公司起的支持的大数据的解决方案范围包括从：NewSQL与NoSQL。
另外，我期望许多的大数据解决方案公司可以嵌入对于ETL与ELT的支持，就像许多传统的数据库供应商已经通过嵌入或收购ETL解决方案。
大数据运动趋稳在我之前的文章写到，以Apache为开源框架的hadoop已被使用使用在以批处理为导向海量的分布式环境中，特别是以分析为背景的情况下。随时企业开始关注如何支配和利用海量的数据资源用于实时决策，我们预计会对于’大数据运动’影响和增长有重要帮忙。这个“落地”代表的实时的信息流用于处理大数据流，在各个行业：包括资本市场、医疗7、能源和社会化媒体。
增加数据挖掘和分析技术在大数据领域的行业领域者知道需要在他们平台上扩展在数据分析与统计功能的需求。除了一般的分析功能还增加非常的数据挖掘功能。TeradataAste包括很多的分析功能，具体包括支持统计、文本挖掘、图像、情感分析等。其它的公司例如IBMNetezza已经加入了对于R语言的支持，可以支持R的各类包，例如：并行运算算法包、矩阵相关包。未来我们可以看到大数据解决方案将会不断的大量增加这种功能。
从R语言中获利毫无疑问R语言将会是越来流行的开源统计语言。RevolutionAnalytics公司在开发用于“工业”使用的R版本上，性能上有显著的增强和满足其它企业的特征。更进一下，他们已经开发出了可以适用于hadoop、PureData的R扩展包。大学里也大量开设的R语言方面的课程，让更多的学生拥有使用R语言的能力，也让他们具备在处理复杂的统计分析方面的能力。可以预见R会被包括在许多大数据的解决方案中，而且会显著改进该语言从而让其有更好的性能。
随着大数据生态系统的发展，相关的产业必然伴随其发展。在今天的市场竞争环境中，那些实施以数据驱动战略的公司将在竞争中取得优势。
以上是小编为大家分享的关于大数据时代可能影响你的7个商业趋势的相关内容，更多信息可以关注环球青藤分享更多干货
⑹ 大数据专业有哪些创业机会
他们的创业机会我觉得很少，我一般这种大数据是为其他公司提供服务的，你要是开一个专门服务的那种公司也可以。
⑺ 在大数据时代中，你认为数据挖掘技术可以为电子商务带来哪些商业价值
广义的大数据包括数据处理本身以及数据挖掘。如今，大数据技术在电子商务领喊茄域的应用日渐深入和普及，大数据浪潮自15年高涨以来此卜并没有消退迹象。
关于二者的结合，从人的角度来讲，对消费者——成熟的推荐系统可以快速定位消费者兴趣，减少寻找商品浪费的时间，大数据提供更加透明的比价服务，详实的商品评价等，不再是两眼一抹黑，找商品犹如大海捞针。对商家企业——用户画像体系帮助商户精准的找到目标客户，发现潜在的客户，数据挖掘技术发现商品背后的统计学关联，可以卖出更多的郑扒察商品。（如经典的“啤酒和尿布”）
从业务功能角度，数据挖掘产品，如淘宝的“生意参谋”（“数据魔方”），使得商家对自身经营情况有了更加准确和及时的掌握，不再是拍脑袋决定。能够大大降低决策失误带来的损失，大数据能够帮助商家进一步挖掘市场机会，发现商机，结合运营策略使得自己的经营更上一层楼。现在主要的是用户画像领域，帮助商品广告进行精准投放。
数据挖掘在电子商务的应用早已落地。归根到底，电商本质也是卖东西，就是要在合适的时间地点把商品卖给合适的人。个人经营中的数据量一般不会很大，但若是掌握了数据挖掘技术的思想，进行数据驱动的决策，找到商品买卖的脉搏，因地制宜，就会降低企业经营风险，卖出更多的东西。长此以往，雪球就会越滚越大。你们说对吗？
⑻ 移动互联网在大数据时代有哪些垂直方向的创业机会
主要有三个方面，仅供您参考：
一、是围绕智能城市建设的相关机会，如回政府的智答能交通、智能路牌、网格化管理等；
二、是围绕健康医疗领域的相关机会，如构建个人健康数据库、如医疗卫生系统围绕治疗本源的云中心和云数据。
三、是围绕移动用户的精准营销，如移动支付、资讯个性化定制等！
垂直领域的机会更适合中小型企业的创新发展，这几年是好时机，建议好好把握！