2016年全球大数据规模

① 大数据的发展趋势

如今，大数据的发展趋势正在迅速转变，但专家预计机器学习、预测分析、物联网、边缘计算将在未来几年对大数据项目产生重大影响.

大数据不再是流行术语.调查机构Forrester公司的研究人员发现，2016年，近40%的企业正在实施和扩大数据技术的应用，30%的企业计划在未槐穗来一年内采用大数据.同样，NewVantagePartners的《2016年大数据执行调查》发现，62.5%的企业现在至少有一个大数据项目投入使用，只有5.4%的企业没有规划或者没有实施大数据项目.

研究人员表示，大数据技术的采用不会立即放缓.根据调查机构IDC公司的预测，大数据和业务分析市场从2018年的1301亿美元增加到2020年的2030亿美元以毕汪上.

数据的可用性、新一代技术和对数据驱动决策的文化转型将继续推动企业对大数据和分手明仔析技术和服务的需求.IDC公司剖析信息管理集团副总裁Dan、Vesset表达，2015年全球性大数据市场收达到1220亿美元，2016年市场收入增长11.3%，预计到2020年大数据市场收入复合年均增长11.7%.

虽然大数据市场会增长，但企业对如何使用大数据并不是很清楚.新的大数据技术进入市场，旧技术的使用也在增加.

大数据发展趋势

真正掌握大数据的趋势，就像每天都在监控风向的变化一样，只要感受到风向，就会发生变化.但是，以下趋势明显推动了大数据的发展.

1.大数据和开源

ApacheHadoop、Spark等开源应用程序已经成为大数据技术空间的主流，这种趋势似乎可能会持续下去.一项调查显示，近60%的企业预计将在今年年底前使用Hadoop集群投入生产.根据调查机构Forrester公司的报告，Hadoop的使用量每年增加32%.

② 企业大数据 一座值得开垦的金矿

企业大数据：一座值得开垦的金矿
虽然尚处起步阶段，但是大数据已经成为多个行业的关注热点之一。如何更好地利用大数据推动自身业务的运营发展，这是众多企业不断探索的问题，而运营商也无法忽视这个未来的大金矿。
一、现阶段大数据业务市场状况
从全球情况来看，2015年全球大数据市场规模达到421亿美元，同比增长了47.7%。以此增速进行推算，到2020年全球大数据市场规模可突破3000亿美元。

今年年初，中国信息通信研究院日前发布的《中国大数据发展调查报告（2017）》称，2016年中国大数据市场规模达168亿元，预计2017年~2020年仍将保持30%以上的增长。调查显示，目前近六成企业已成立数据分析相关部门，超过1/3的企业已经应用大数据。

对比起全球情况，中国大数据产业市场规模增长还有很大空间。
二、运营商进入大数据行业思路
运营商先天优势在于掌控大量数据中心资源，这是大数据业务硬件基础。更为重要的是运营商本身拥有大量存量客户资源和客户数据，这也是对运营商进入大数据领域一个有力支撑。
运营商大数据业务运营SWOT分析：

三、运营商大数据业务发展对比
联通
今年9月，中国联通集团正式宣布，旗下的联通大数据有限公司正式揭牌成立。中国联通大数据公司定位于中国联通大数据对外集中运营主体和大数据产业拓展的合资合作平台，全面对接国家和联通集团战略，建立专业化子公司开展市场化运营、建设全产业链大数据生态体系。此外，联通还与中国银联签署了战略合作协议，双方决定建立长期稳定的合作伙伴关系，在数据资源、技术能力、产品研发等方面开展全方位合作。
电信
早在2015年末，中国电信正式发布“天翼大数据”品牌，并推出精准营销、风险防控、区域洞察、咨询报告四类数据型产品和大数据云平台型产品，重点服务于旅游、金融、广告、政府、交通等行业。这是中国电信运营商第一个大数据业务品牌。
电信所有的大数据都是在云平台和云设施之上搭建的，2016年下半年其大数据平台建设从原来的5个省份现在扩展到31个省份，数据种类从开始的几类主要数据扩展到十几类，实效性从原来以“周”为单位到现在以“小时”为单位的延时。
移动
在今年“世界电信和信息化社会日大会”上，中国移动通信集团公司副总经理李正茂表示：“发展大数据不是简单的建设IDC，根本目的还是为了应用。大数据正在从炒作的高峰期间，向产业落地期间发展。”
中国移动在六个方面积极推动大数据加速行业转型升级：
第一，社会管理方面，大数据能够分析用户的消费、行为、位置等特征，为政府的社会治理提供保障。
第二，信息传播，大数据成为公众获取信息的新渠道。移动借助位置漫游等信息向公众发布舆情热点的分析。
第三，医疗健康领域，中国移动构建健康云平台在贵州省取得成效，一方面帮助贵州卫集委收集信息，同时为政府医疗机构提供智能审核，疾病救助，疾病预防等多方面的投入，由此为当地医疗支出节省了上千万。
第四，行业创新能力提升，大数据为传统行业打造新的能力。中国移动的大数据提供人流预警，公交道路等服务，为公交管理，游客出行提供参考。
第五，社会热点问题处理支撑，中国移动基于大数据构建了反电信网络，欺诈防范技术体系，在2-10分钟可以识别市场号码源，来源区域，受害人集中地等等，同时实现最高风险等级，影响最大的境外异常号码源时时阻断。
第六，商业模式创新，2016年，中国移动和招商局集团共同投资设立试金石信用服务有限公司。
虽然三大运营商大数据布局在实际操作上不同，但是都明确把大数据从布局转移到实行阶段，软硬件资源日益充实，并且已经打造出不少成功案例。
四、布局大数据市场
1、攻坚热点领域
智慧城市
早在2014年，国家发改委会同中央网信办等25部委组成部际协调工作组，启动新型智慧城市试点建设。2016年又明确提出了到2018年要分级分类建设100个新型示范性智慧城市。
智慧城市建设带来的商机是巨大的，而大数据恰好在智慧城市建设中扮演重要角色。可以通过方方面面渗入，如城市交通、环境监测、治安管理、卫生管理等城市生活每个细节。
当然，运营商也已经对此领域有所行动。比如联通大数据公司就有“智慧足迹”这一项业务，提供“以人为本”的群体位置数据应用，为政府和企业提供包括人流量、人流密度、职住空间分布、人口时空分布在内的位置大数据解决方案。
政务
通过IDC、ICT基础通信业务为政府部门提供服务，并且为其构建大数据管理分析平台。政府运作效率和质量提升已经不仅仅拘泥于办理业务、处理业务时间上的减少，还要做到未雨绸缪，及时发现潜在民生问题，做好预防工作：比如通过婚姻注册数据挖掘离婚率提升因素，从而地提出针对性措施；又比如通过分析注册中小企业税务数据，了解税收政策对中小企业是否存在推进作用，有消极作用的加以改善。
医疗健康
根据前瞻产业研究院发布的《2017-2022年全球健康医疗大数据行业发展前景预测与投资战略规划分析报告》显示，2010年我国健康医疗大数据行业市场规模约为171亿元，到2015年快速增长到466亿元，年均复合增长率超过20%。

可穿戴设备的出现使到个人身体健康实时监测得到硬件上的支持，而把这个契机转化为商机就需要完善的大数据平台作为支撑。

而通信运营商涉足该领域也有很合适的切入口，比如利用存量家庭业务客户进行拓展，享受低资费优惠。
2、提升自身运营
运营商本身拥有着庞大数据资源，也应该很好地利用这些资源为自身运营提供动力。
一方面通过用户数据库做好用户维系和质量提升，对高危潜在离网用户及早挽留，而对潜在需求用户可以推广增值业务提升客户价值。
另一方面，涉及到数据交互（即通过与其他行业合作，双方数据通过融合整理）发掘出的更多有价值结论，能支撑双方运营，互惠互利。
五、大数据业务营销
通过IDC建设、产品建设打好基础，进行业务营销就是下一步关键所在。进行大数据业务营销通过标杆打造+体验营销是较好选择。
由于业务属于起步阶段，要吸引到市场目光和认同，必须树立业务标杆。在硬件和软件有实力的前提下，运营商要打造专业化团队，树立行业顶尖形象，以优质案例打动潜在客户。
营销人员在向潜在客户推销产品时，需要结合案例详解、实体考察、便携式设备体验进行销售活动，以具体化、专业化的方式打动客户。
需要明确的是，大数据硬件软件方面做好后，剩下最关键一环就是在营销上打动客户。
如何打动客户？用事实说话
例如2013年，微软纽约研究院的经济学家大卫?罗斯柴尔德（David Rothschild）利用大数据成功预测24个奥斯卡奖项中的19个，成为人们津津乐道的话题。2014年罗斯柴尔德再次成功预测第86届奥斯卡金像奖颁奖典礼24个奖项中的21个。在这种震撼的事实面前，展现大数据的实用性和威力。
六、展望
由于各行各业各领域都能够有机会用到大数据分析为管理运营作支撑，所以大数据业务发展潜力毋容置疑。现在对运营商而言，做好硬件软件基础的同时，更要深挖市场需求，打造营收模式标杆，以点带面地实现业务快速增长。

③ 为破局而生，情报分析师决胜大数据

大数据时代，谁拥有数据，谁也就拥有财富。

数据服务产业的发展，提高数据的应用水平，所离不开的关键核心都是专业的情报分析师。

通常所说的大数据分为三种，企业数据、公权机构数据和开源网络数据。前两种可供挖掘和应用的价值有限，目前世界上各国所重视的都是开源网络数据。

挖掘大数据价值，获取目标对象（人物、事件、机构、项目等）精确可靠的信息，需要经由情报分析师充分利用自身的技术、方法、经验和手段，建立和理清调查任务内在的逻辑关系，通过综合研判，才能从纷繁冗余的数据中找出价值。

大数据是座挖不完的“钻石矿”，随着科学技术的发展，每个人的生活都与大数据息息相关，同时随着国家政策对于大数据等前沿技术的愈发重视，大数据行业已逐步形成了一个万亿级别的市场。

截至2018年底，致力于打造“中国数谷”的贵州省会贵阳正推动大数据与相关领域深度融合，全国人大代表、贵阳市市长陈晏表示，贵阳建成大数据产业园10个，大数据企业1632家，全年企业主营业务收入1000亿元人民币。在推动大数据与实体经济、社会治理等方面，贵阳市“融”出了新动能、新前景、新生活、新效率。贵阳市政府数据已实现100%共享交换，向社会免费开放618余万条数据。

基于大数据对各个行业的深入影响，近几年，美国、欧盟、日本等主要发达经济体都积极推进各自的大数据战略。2009年，美国科学家委员会(NSTC)就发布了《开发数字数据的威力》报告，初步提出发展大数据的框架，奥巴马政府亦对大数据行业大力支持，帮助美国取得世界领先地位。参考《大数据白皮书(2016)》，2016年全球大数据核心产业规模约为300亿美元，预计2020年有望达到近600亿美元。

中国亦将大数据视为新经济的重要支撑。2014年“大数据”首次出现在《政府工作报告》，奠定了行业快速发展的政策基础。2017 年，工信部印发了《大数据产业发展规划(2016-2020 年)》，全面部署“十三五”时期大数据产业发展工作。发改委、工信部及农业部、运输部等部委先后颁布相关后续政策，推动大数据产业发展。预计未来将有更多部门出台相应具体政策，推动大数据行业的发展。

根据中国信通院数据显示，2017年中国大数据产业规模(包括数据资源建设、大数据软硬件产品的开发、销售和租赁活动，以及相关信息技术服务)为4700亿元人民币，同比增长30%，且预计2020年这一规模有望赶超1万亿，年均复合增速近30%。其中，大数据核心产业规模2017年为234亿元，同比增长39%，预计2018年为329亿元。

目前中国金融数据体量位居全球第一，其中金融行业数据量是数据的重要贡献和使用机构，互联网金融占据相当大的比重，活跃的交易账户和交易事项为金融领域贡献了大量可供挖掘的有价数据。

受互联网金融的影响，金融行业大数据也迎来了迅速发展，大数据在金融行业正实现全面普及应用。大数据在金融行业的应用，除了传统的风险管理、运营管理及业务创新外，近年金融行业大数据应用呈现新的趋势，主要包括高频金融交易、小额信贷、P2P放款审核、客户管理、精准营销等。

随着大数据发展和应用的持续推进，未来金融大数据行业中的机构和企业将围绕建立新的金融环境而竞争，主要表现在围绕生态圈、战略和产品三个层面的竞争，并由此确定金融行业企业的市场地位及竞争力。因此，金融机构、互联网企业都不会局限于某一个层面的发展，更倾向于多维度、多层面的布局。

此外，A股上市公司在大数据产业的各个领域布局广泛，目前A股大数据概念板块中，有118个标的，但是在各个子版块中有较强变现能力的龙头企业的数量却很少，对于一些概念炒作，没有核心技术能力的公司，很容易因为一些市场环境的变化，产生大幅下跌，让投资者蒙受损失。

由此可见，大数据进一步发展急切需要综合解决方案提供商，专注于利用当代最先进的IT技术推动企业和政府部门在管理和商业模式上的创新发展，提供综合解决方案，包括运营支撑、大数据、移动互联网解决方案等。最终形成电信+政府+金融的大数据全面布局。

内生外延布局金融大数据，业务协同发展。在公共安全、运营商等传统大数据业务将大数据平台和应用技术研发落地，继而可将经验快速复制到金融、农业等其他领域。形成强协同效用。

大数据是未来的发展趋势，现今人人也都可以谈一点大数据，任何行业都可以直接间接的与大数据相关联，但是真正专业应用大数据技术的公司却也屈指可数，更难辨别出真正具有大数据业务变现能力的企业。

身处信息爆炸的时代，要想透过大数据去发现背后的真相，也并不是一件易事。

术业有专攻，作为企业方需要有意识培养大数据技术和情报分析师等专业人才，而作为个人也要有意识培养情报分析师思维，如此才能真正将大数据为己所用，如此也才能在未来市场的角逐中不被淘汰出局。

未来，每一个人都离不开对于数据的分析。

④ 什么是大数据，看完这篇就明白了

什么是大数据

如果从字面上解释的话，大家很容易想到的可能就是大量的数据，海量的数据。这样的解释确实通俗易懂，但如果用专业知识来描述的话，就是指数据集的大小远远超过了现有普通数据库软件和工具的处理能力的数据。

大数据的特点

海量化

这里指的数据量是从TB到PB级别。在这里顺带给大家科普一下这是什么概念。

MB，全称MByte，计算机中的一种储存单位，含义是“兆字节”。

1MB可储存1024×1024=1048576字节（Byte）。

字节（Byte）是存储容量基本单位，1字节（1Byte）由8个二进制位组成。

位（bit）是计算机存储信息的最小单位，二进制的一个“0”或一个“1”叫一位。

通俗来讲，1MB约等于一张网络通用图片（非高清）的大小。

1GB=1024MB，约等于下载一部电影（非高清）的大小。

1TB=1024GB，约等于一个固态硬盘的容量大小，能存放一个不间断的监控摄像头录像（200MB/个）长达半年左右。

1PB=1024TB，容量相当大，应用于大数据存储设备，如服务器等。

1EB=1024PB，目前还没有单个存储器达到这个容量。

多样化

大数据含有的数据类型复杂，超过80%的数据是非结构化的。而数据类型又分成结构化数据，非结构化数据，半结构化数据。这里再对三种数据类型做一个分类科普。

①结构化数据

结构化的数据是指可以使用关系型数据库(例如:MySQL,Oracle,DB2)表示和存储，表现为二维形式的数据。一般特点是：数据以行为单位，一行数据表示一个实体的信息，每一行数据的属性是相同的。所以，结构化的数据的存储和排列是很有规律的，这对查询和修改等操作很有帮助。

但是，它的扩展性不好。比如，如果字段不固定，利用关系型数据库也是比较困难的，有人会说，需要的时候加个字段就可以了，这样的方法也不是不可以，但在实际运用中每次都进行反复的表结构变更是非常痛苦的，这也容易导致后台接口从数据库取数据出错。你也可以预先设定大量的预备字段，但这样的话，时间一长很容易弄不清除字段和数据的对应状态，即哪个字段保存有哪些数据。

②半结构化数据

半结构化数据是结构化数据的一种形式，它并不符合关系型数据库或其他数据表的形式关联起来的数据模型结构，但包含相关标记，用来分隔语义元素以及对记录和字段进行分层。因此，它也被称为自描述的结构。半结构化数据，属于同一类实体可以有不同的属性，即使他们被组合在一起，这些属性的顺序并不重要。常见的半结构数据有XML和JSON。

③非结构化数据

非结构化数据是数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据。包括所有格式的办公文档、文本、图片、各类报表、图像和音频/视频信息等等。非结构化数据其格式非常多样，标准也是多样性的，而且在技术上非结构化信息比结构化信息更难标准化和理解。所以存储、检索、发布以及利用需要更加智能化的IT技术，比如海量存储、智能检索、知识挖掘、内容保护、信息的增值开发利用等。

快速化

随着物联网、电子商务、社会化网络的快速发展，全球大数据储量迅猛增长，成为大数据产业发展的基础。根据国际数据公司(IDC)的监测数据显示，2013年全球大数据储量为4.3ZB(相当于47.24亿个1TB容量的移动硬盘)，2014年和2015年全球大数据储量分别为6.6ZB和8.6ZB。近几年全球大数据储量的增速每年都保持在40%，2016年甚至达到了87.21%的增长率。2016年和2017年全球大数据储量分别为16.1ZB和21.6ZB，2018年全球大数据储量达到33.0ZB。预测未来几年，全球大数据储量规模也都会保持40%左右的增长率。在数据储量不断增长和应用驱动创新的推动下，大数据产业将会不断丰富商业模式，构建出多层多样的市场格局，具有广阔的发展空间。

核心价值

大数据的核心价值，从业务角度出发，主要有如下的3点：

a.数据辅助决策：为企业提供基础的数据统计报表分析服务。分析师能够轻易获取数据产出分析报告指导产品和运营，产品经理能够通过统计数据完善产品功能和改善用户体验，运营人员可以通过数据发现运营问题并确定运营的策略和方向，管理层可以通过数据掌握公司业务运营状况，从而进行一些战略决策；

b.数据驱动业务：通过数据产品、数据挖掘模型实现企业产品和运营的智能化，从而极大的提高企业的整体效能产出。最常见的应用领域有基于个性化推荐技术的精准营销服务、广告服务、基于模型算法的风控反欺诈服务征信服务，等等。

c.数据对外变现：通过对数据进行精心的包装，对外提供数据服务，从而获得现金收入。市面上比较常见有各大数据公司利用自己掌握的大数据，提供风控查询、验证、反欺诈服务，提供导客、导流、精准营销服务，提供数据开放平台服务，等等。

大数据能做什么？

1、海量数据快速查询(离线)

能够在海量数据的基础上进行快速计算，这里的“快速”是与传统计算方案对比。海量数据背景下，使用传统方案计算可能需要一星期时间。使用大数据 技术计算只需要30分钟。

2.海量数据实时计算（实时）

在海量数据的背景下，对于实时生成的最新数据，需要立刻、马上传递到大数据环境，并立刻、马上进行相关业务指标的分析，并把分析完的结果立刻、马上展示给用户或者领导。

3.海量数据的存储（数据量大，单个大文件）

大数据能够存储海量数据,大数据时代数据量巨大,1TB=1024*1G 约26万首歌(一首歌4M),1PB=1024 * 1024 * 1G约2.68亿首歌(一首歌4M)

大数据能够存储单个大文件。目前市面上最大的单个硬盘大小约为10T左右。若有一个文件20T,将 无法存储。大数据可以存储单个20T文件，甚至更大。

4.数据挖掘（挖掘以前没有发现的有价值的数据）

挖掘前所未有的新的价值点。原始企业内数据无法计算出的结果，使用大数据能够计算出。

挖掘（算法）有价值的数据。在海量数据背景下，使用数据挖掘算法，挖掘有价值的指标（不使用这些算法无法算出）

大数据行业的应用？

1.常见领域

2.智慧城市

3.电信大数据

4.电商大数据

大数据行业前景(国家政策)？

2014年7月23日，国务院常务会议审议通过《企业信息公示暂行条例（草案）》

2015年6月19日，国家主席、总理同时就“大数据”发表意见：《国务院办公厅关于运用大数据加强对市场主体服务和监管的若干意见》

2015年8月31日，国务院印发《促进大数据发展行动纲要》。国发〔2015〕50号

2016年12月18日，工业和信息化部关于印发《大数据产业发展规划》

2018年1月23日。中央全面深化改革领导小组会议审议通过了《科学数据管理办法》

2018年7月1日，国务院办公厅印发《关于运用大数据加强对市场主体服务和监管的若干意见》

2019年政府工作报告中总理指出“深化大数据、人工智能等研发应用，培育新一代信息技术、高端装备、生物医药、新能源汽车、新材料等新兴产业集群，壮大数字经济。”

总结

我国著名的电商之父，阿里巴巴创始人马云先生曾说过，未来10年，乃至20年，将是人工智能的时代，大数据的时代。对于现在正在学习大数据的我们来说，未来对于我们更是充满了各种机遇与挑战。

python学习网，大量的免费python视频教程，欢迎在线学习！

⑤ 大数据市场有多大 怎么利用大数据赚钱

大数据市场有多大 怎么利用大数据赚钱
“大数据的市场规模没有天花板。”国务院发展研究中心信息中心研究处处长李广乾认为。不过细想，这正是目前各大企业和资本疯狂追逐大数据产业的重要原因。
“单独讨论大数据意义不大，它是依附于具体业务，和各个行业密切相关的。”李广乾认为，大数据产业规模和两大因素相关：一是经济发展水平，需要大数据的业务越多，市场体量就越大;二是信息化发展水平，能够产生数据的终端越多，数据就会越聚越多，而数据的生产是没有上限的。目前，大数据的金矿还仅是开挖了“冰山一角”。全球来看，Gartner2016年最新的技术成熟度曲线显示，大数据作为新兴领域，已经进入应用发展阶段，基础设施建设带来的规模性高速增长出现逐步放缓的趋势，技术创新和商业模式创新推动各行业应用逐步成熟，应用创造的价值在市场规模中的比重日益增大，并成为新的增长动力。从总体规模看，2016年，全球大数据市场规模实现16.5%的增长，预计将连续3年保持增速在15%左右。同时，大数据成为全球IT支出新的增长点，2016年，有近40%的企业正在实施和扩大大数据技术的应用，另有30%计划在未来12个月内应用大数据。“说大数据产业是一张画得很大的饼显然是片面的。”工信部赛迪研究院软件所所长潘文预测，包括大数据硬件、大数据软件、大数据服务等在内的大数据核心产业环节，2016年达到3100亿元，将在2020年超过1万亿元;大数据关联产业规模2016年超过5万亿元，将在2020年超过10万亿元;大数据融合产业规模2016年达到3.5万亿元，将在2020年超过20万亿元。“从大数据核心产业结构看，基于大数据的服务是大数据核心产业的主体，其规模约占大数据核心产业规模的90%，未来，服务也将是大数据产业的最核心部分。”潘文说。做数据“搬运工”目前国内大数据公司分为两类：一类是已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及华为、浪潮、中兴等企业，涵盖了数据采集、数据存储、数据分析、数据可视化及数据安全等领域;另一类则是初创大数据公司，依靠大数据工具，针对市场需求，为市场带来创新方案并推动技术发展。不同的大数据公司，盈利模式也不相同。如果把大数据产业比作房地产开发，那么海量数据就是地产开发时的土地资源，数据挖掘开发就是地产搭建盖楼。大数据主要的盈利模式也是围绕这两方面展开，一是通过直接“搬运”数据赚钱，二是通过数据加工分析盈利。“我们就像一个自来水厂一样，用户要你提供干净的自来水，对方可能是酒厂、饭店、饮料厂，他把你的水做成饮料或酒。”聚合数据就是一家主要依靠为客户提供数据盈利的公司，公司创始人左磊对其商业模式作了一个形象的比喻。在开发APP应用过程中，左磊发现客户对于数据的需求非常大，但他们本身却没有能力去做这些事情。聚合数据的主营业务，就是整合市面上有价值的数据源，从车辆违章信息、航班火车查询、全国加油站实时油价，到在线试题、电影、股票，做成标准化的API(应用程序编程接口)，开放给开发者、企业及微信公众号用户等使用，为他们免除数据收集、维护等环节。简言之，聚合数据是一家数据源公司，充当的是数据“搬运工”的角色。在变现模式上，针对一些本身成本不高的服务，聚合数据会对用户实行免费，而对一些成本相对高的服务，会按照每个接口或服务的成本收取不同的费用。2016年，聚合数据光API接口一项营收就超过1000万元。聚合数据的盈利模式是数据买卖市场一个有代表性的类型。另一个代表性类型是，国内乃至全球第一家大数据交易所——贵阳大数据交易所，自2015年4月正式挂牌运营以来，仅用两年多时间，就实现了可交易数据总量超过150PB，内容涵盖政府、金融、交通等30大类领域，并于今年上半年实现正现金流，预计今年底累计交易流水将突破2亿元人民币。数据的“消化”和“利用”如果说搬运数据是秀肌肉的“体力活”，那么分析数据并提供解决方案就是拼智商的“脑力活”，相当于把收集来的数据“消化”“利用”好。直接售卖数据是比较底层的盈利方式，而对数据进行处理加工则在商业模式上具备更多的想象空间。数据分析可大致分为直接提供数据分析工具和输出解决方案两种模式。潘文说，数据分析工具通常可以实现情报挖掘、舆情分析、销售追踪、精准营销、个性化推荐、网站/APP分析等功能，收费方式采取按需购买，部分功能服务免费，部分功能服务收费。阿里云的“数加”平台就是典型的数据工具盈利模式。阿里云大数据事业部总监徐常亮表示，阿里云“数加”平台，承载着阿里巴巴集团、蚂蚁金服的数据，可提供一站式的数据计算、加工、处理等服务，用户不用自建计算平台。此外，基于“数加”平台，阿里云还提供数十款应用工具，覆盖数据采集、计算引擎、数据加工、数据分析、机器学习、数据应用等数据生产全链条。计算引擎之上，“数加”平台提供了最丰富的云端数据开发套件，包括数据集成、数据开发、调度系统、数据管理、运维视屏、数据质量、任务监控。在数据分析方面，通过移动数据分析产品，开发者可快速搭建日志采集、分析系统;通过“数加”平台BI报表产品，3分钟即可完成海量数据的分析报告。在机器学习方面，“数加”平台发布的机器学习工具，可基于海量数据实现对用户行为、行业走势、天气、交通等的预测。大数据公司百分点的展厅内有一面弧形墙，可以24小时实时更新数据资料和图谱。这面墙上有全网当日产品销售统计和热销产品榜单，每一个产品都有详情介绍。百分点研发总监苏海波介绍，5.5亿用户的“画像”汇总于此，包括购物偏好、网购金额变化趋势、阅读兴趣等。用户的任何网上行为都会成为大数据的一部分，经过筛选加入到用户的数据中。通过与百分点合作，商户可以根据用户消费偏好，定向推送商品;旅行社可以定向推送旅游行程信息和报价;新闻资讯APP则可以推送用户感兴趣的信息。在输出解决方案上，大数据还可以应用到医疗、教育、零售、通信等传统行业。通过大数据产生更多收益，节约成本，优化原有行业，衍生出新的商业模式。

⑥ 大数据发展怎么样啊

大数据为什么有很好的发展前景：
第一：大数据自身能够创造出更多的价值。大数据相关技术紧紧围绕数据价值化展开，数据价值化将开辟出广大的市场空间，重点在于数据本身将为整个信息化社会赋能。随着大数据的落地应用，大数据的价值将逐渐得到体现。目前在互联网领域，大数据技术已经得到了较为广泛的应用。
第二：数据发展日新月异，我们应该审时度势、精心谋划、超前布局、力争主动，深入了解大数据发展现状和趋势及其对经济社会发展的影响，分析我国大数据发展取得的成绩和存在的问题，推动实施国家大数据战略，加快完善数字基础设施，推进数据资源整合和开放共享，保障数据安全，加快建设数字中国，更好服务我国经济社会发展和人民生活改善。
第三：大数据产业链逐渐形成。经过近些年的发展，大数据已经初步形成了一个较为完整的产业链，包括数据采集、整理、传输、存储、分析、呈现和应用，众多企业开始参与到大数据产业链中，并形成了一定的产业规模，相信随着大数据的不断发展，相关产业规模会进一步扩大。

⑦ 互联网下一个风口究竟是什么

近年来，全球大数据储量呈现爆炸式增长，其中中国数据产生量增长最为迅速，平均每年增长速度比全球快3%，预计到2025年中国将成为全球最大的数据圈。

中国数据圈将受到来自物联网设备信号、元数据、娱乐相关数据、云计算和边缘计算增长的驱动，中国生产力数据和物联网数据占比将从2015年的11%增长至2025年的40%。

全球大数据储量规模爆炸式增长

随着物联网、电子商务、社会化网络的快速发展，全球大数据储量迅猛增长，成为大数据产业发展的基础。根据国际数据公司（IDC）的监测数据显示，2013年全球大数据储量为4.3ZB（相当于47.24亿个1TB容量的移动硬盘），2014年和2015年全球大数据储量分别为6.6ZB和8.6ZB。近几年全球大数据储量的增速每年都保持在40%，2016年甚至达到了87.21%的增长率。2016年和2017年全球大数据储量分别为16.1ZB和21.6ZB，2018年全球大数据储量达到33.0ZB。

预测未来几年，全球大数据储量规模也都会保持40%左右的增长率。在数据储量不断增长和应用驱动创新的推动下，大数据产业将会不断丰富商业模式，构建出多层多样的市场格局，具有广阔的发展空间。

——以上数据来源于前瞻产业研究院发布的《中国大数据产业发展前景与投资战略规划分析报告》。

⑧ “大数据” 到底有多大

截止到2012年，数据量已经从TB（1024GB=1TB）级别跃升到PB（1024TB=1PB）、EB（1024PB=1EB）乃至ZB(1024EB=1ZB)级别。

内国际数据公司（IDC）的研容究结果表明，2008年全球产生的数据量为0.49ZB，2009年的数据量为0.8ZB，2010年增长为
1.2ZB，2011年的数量更是高达1.82ZB，相当于全球每人产生200GB以上的数据。而到2012年为止，人类生产的所有印刷材料的数据量是
200PB，全人类历史上说过的所有话的数据量大约是5EB。

IBM的研究称，整个人类文明所获得的全部数据中，有90%是过去两年内产生的。而到了2020年，全世界所产生的数据规模将达到今天的44
倍。每一天，全世界会上传超过5亿张图片，每分钟就有20小时时长的视频被分享。然而，即使是人们每天创造的全部信息——包括语音通话、电子邮件和信息在
内的各种通信，以及上传的全部图片、视频与音乐，其信息量也无法匹及每一天所创造出的关于人们自身的数字信息量。这样的趋势会持续下去。

⑨ 大数据行业怎么样

大数据挺好的，也是个大趋势，但目前来说学了后基本都是在一线岗位多，二线城市基本上很少，所以看个人需求去学

⑩ 大数据在金融行业的应用与挑战

大数据在金融行业的应用与挑战
A 具有四大基本特征
金融业基本是全世界各个行业中最依赖于数据的，而且最容易实现数据的变现。全球最大的金融数据公司Bloomberg在1981年成立时“大数据”概念还没有出现。Bloomberg的最初产品是投资市场系统（IMS），主要向各类投资者提供实时数据、财务分析等。
随着信息时代降临，1983年估值仅1亿美元的Bloomberg以30%股份的代价换取美林3000万美元投资，先后推出Bloomberg Terminal、News、Radio、TV等各类产品。1996年Bloomberg身价已达20亿美元，并以2亿美元从美林回购了10%的股份。2004年Bloomberg在纽约曼哈顿中心建成246米摩天高楼。到2008年次贷危机，美林面临崩盘，其剩余20%的Bloomberg股份成为救命稻草。Bloomberg趁美林之危赎回所有股份，估值跃升至225亿美元。2016年Bloomberg全球布局192个办公室，拥有1.5万名员工，年收入约100亿美元，估值约1000亿美元，超过同年市值为650亿美元的华尔街标杆高盛。
大数据概念形成于2000年前后，最初被定义为海量数据的集合。2011年，美国麦肯锡公司在《大数据的下一个前沿：创新、竞争和生产力》报告中最早提出：大数据指大小超出典型数据库软件工具收集、存储、管理和分析能力的数据集。
具体来说，大数据具有四大基本特征：
一是数据体量大，指代大型数据集，一般在10TB规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量。
二是数据类别大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。现在的数据类型不仅是文本形式，更多的是图片、视频、音频、地理位置信息等多类型的数据。
三是处理速度快，在数据量非常庞大的情况下，也能够做到数据的实时处理。数据处理遵循“1秒定律”，可从各种类型的数据中快速获得高价值的信息。
四是数据的真实性高，随着社交数据、企业内容、交易与应用数据等新数据源的兴起，传统数据源的局限被打破，信息的真实性和安全性显得极其重要。
而相比其他行业，金融数据逻辑关系紧密，安全性、稳定性和实时性要求更高，通常包含以下关键技术：数据分析，包括数据挖掘、机器学习、人工智能等，主要用于客户信用、聚类、特征、营销、产品关联分析等；数据管理，包括关系型和非关系型数据、融合集成、数据抽取、数据清洗和转换等；数据使用，包括分布式计算、内存计算、云计算、流处理、任务配置等；数据展示，包括可视化、历史流及空间信息流展示等，主要应用于对金融产品健康度、产品发展趋势、客户价值变化、反洗钱反欺诈等监控和预警。
B 重塑金融行业竞争新格局
“互联网+”之后，随着世界正快速兴起“大数据+”，金融行业悄然出现以下变化：
大数据特征从传统数据的“3个V”增加到“5个V”。在数量（Volume）、速度（Velocity）、种类（Variety）基础上，进一步完善了价值（Value）和真实性（Veracity），真实性包括数据的可信性、来源和信誉、有效性和可审计性等。
金融业按经营产品分类变为按运营模式分类。传统金融业按经营产品划分为银行、证券、期货、保险、基金五类，随着大数据产业兴起和混业经营的发展，现代金融业按运营模式划分为存贷款类、投资类、保险类三大类别。
大数据市场从垄断演变为充分市场竞争。全球大数据市场企业数量迅速增多，产品和服务的差异增大，技术门槛逐步降低，市场竞争日益激烈。行业解决方案、计算分析服务、存储服务、数据库服务和大数据应用成为市场份额排名最靠前的五大细分市场。
大数据形成新的经济增长点。Wikibon数据显示，2016年，全球大数据硬件、软件和服务整体市场增长22%达到281亿美元，预计到2027年，全球在大数据硬件、软件和服务上的整体开支的复合年增长率为12%，将达到大约970亿美元。
数据和IT技术替代“重复性”业务岗位。数据服务公司Eurekahedge通过追踪23家对冲基金，发现5位对冲基金经理薪金总额为10亿美元甚至更高。过去10年，靠数学模型分析金融市场的物理学家和数学家“宽客”一直是对冲基金的宠儿，其实大数据+人工智能更精于此道。高盛的纽约股票现金交易部门2000年有600名交易员而如今只剩两人，其任务全由机器包办，专家称10年后高盛员工肯定比今天还要少。
美国大数据发展走在全球前列。美国政府宣称：“数据是一项有价值的国家资本，应对公众开放，而不是将其禁锢在政府体制内。”作为大数据的策源地和创新引领者，美国大数据发展一直走在全球最前列。自20世纪以来，美国先后出台系列法规，对数据的收集、发布、使用和管理等做出具体的规定。2009年，美国政府推出Data.gov政府数据开放平台，方便应用领域的开发者利用平台开发应用程序，满足公共需求或创新创业。2010年，美国国会通过更新法案，进一步提高了数据采集精度和上报频度。2012年3月，奥巴马政府推出《大数据研究与开发计划》，大数据迎来新一轮高速发展。
英国是欧洲金融中心，大数据成为其领先科技之一。2013年，英国投资1.89亿英镑发展大数据。2015年，新增7300万英镑，创建了“英国数据银行”data.gov.uk网站。2016年，伦敦举办了超过22000场科技活动，同年，英国数字科技投资逾68亿英镑，而收入则超过1700亿英镑。另外，英国统计局利用政府资源开展“虚拟人口普查”，仅此一项每年节省5亿英镑经费。
C 打造高效金融监管体系
大数据用已发生的总体行为模式和关联逻辑预测未来，决策未来,作为现代数字科技的核心，其灵魂就是——预测。
侦测、打击逃税、洗钱与金融诈骗
全球每年因欺诈造成的经济损失约3.7万亿美元，企业因欺诈受损通常为年营收额的5%。全球最大软件公司之一美国SAS公司与税务、海关等政府部门和全球各国银行、保险、医疗保健等机构合作，有效应对日益复杂化的金融犯罪行为。如在发放许可之前，通过预先的数据分析检测客户是否有过行受贿、欺诈等前科，再确定是否发放借贷或海关通关。SAS开发的系统已被国际公认为统计分析的标准软件，在各领域广泛应用。英国政府利用大数据检测行为模式检索出200亿英镑的逃税与诈骗，追回了数十亿美元损失。被福布斯评为美国最佳银行的德克萨斯资本银行（TCBank），不断投资大数据技术，反金融犯罪系统与银行发展同步，近3年资产从90亿美元增至210亿美元。荷兰第三大人寿保险公司CZ依靠大数据对骗保和虚假索赔行为进行侦测，在支付赔偿金之前先期阻断，有效减少了欺诈发生后的司法补救。
大数据风控建立客户信用评分、监测对照体系
美国注册舞弊审核师协会（ACFE）统计发现，缺乏反欺诈控制的企业会遭受高额损失。美国主流个人信用评分工具FICO能自动将借款人的历史资料与数据库中全体借款人总体信用习惯相比较，预测借款人行为趋势，评估其与各类不良借款人之间的相似度。美国SAS公司则通过集中浏览和分析评估客户银行账户的基本信息、历史行为模式、正在发生行为模式（如转账）等，结合智能规则引擎（如搜索到该客户从新出现的国家为特有用户转账，或在新位置在线交易等），进行实时反欺诈分析。
美国一家互联网信用评估机构通过分析客户在Facebook、Twitter等社交平台留下的信息，对银行的信贷和投保申请客户进行风险评估，并将结果出售给银行、保险公司等，成为多家金融机构的合作伙伴。
D 数据整合困难
应用经济指标预测系统分析市场走势
IBM使用大数据信息技术成功开发了“经济指标预测系统”，该系统基于单体数据进行提炼整合，通过搜索、统计、分析新闻中出现的“新订单”等与股价指标有关的单词来预测走势，然后结合其他相关经济数据、历史数据分析其与股价的关系，从而得出行情预测结果。
追踪社交媒体上的海量信息评估行情变化
当今搜索引擎、社交网络和智能手机上的微博、微信、论坛、新闻评论、电商平台等每天生成几百亿甚至千亿条文本、音像、视频、数据等，涵盖厂商动态、个人情绪、行业资讯、产品体验、商品浏览和成交记录、价格走势等，蕴含巨大财富价值。
2011年5月，规模为4000万美元的英国对冲基金DC Markets，通过大数据分析Twitter的信息内容来感知市场情绪指导投资，首月盈利并以1.85%的收益率一举战胜其他对冲基金仅0.76%的平均收益率。
美国佩斯大学一位博士则利用大数据追踪星巴克、可口可乐和耐克公司在社交媒体的围观程度对比其股价，证明Facebook、Twitter和 Youtube上的粉丝数与股价密切相关。
提供广泛的投资选择和交易切换
日本个人投资理财产品Money Design在应用程序Theo中使用算法+人工智能，最低门槛924美元，用户只需回答风险承受水平、退休计划等9个问题，就可使用35种不同货币对65个国家的1.19万只股票进行交易和切换，年度管理费仅1%。Money Design还能根据用户投资目标自动平衡其账户金额，预计2020年将超过2万亿美元投资该类产品。
利用云端数据库为客户提供记账服务
日本财富管理工具商Money Forward提供云基础记账服务，可管理工资、收付款、寄送发票账单、针对性推送理财新项目等，其软件系统连接并整合了2580家各类金融机构的各类型帐户，运用大数据分析的智能仪表盘显示用户当前财富状况，还能分析用户以往的数据以预测未来的金融轨迹。目前其已拥有50万商家和350万个体用户，并与市值2.5万亿美元的山口金融集团联合开发新一款APP。
为客户定制差异化产品和营销方案
金融机构迫切需要掌握更多用户信息，继而构建用户360度立体画像，从而对细分客户进行精准营销、实时营销、智慧营销。
一些海外银行围绕客户“人生大事”，分析推算出大致生活节点，有效激发其对高价值金融产品的购买意愿。如一家澳大利亚银行通过大数据分析发现，家中即将诞生婴儿的客户对寿险产品的潜在需求最大，于是通过银行卡数据监控准妈妈开始购买保胎药品和婴儿相关产品等现象，识别出即将添丁的家庭，精准推出定制化金融产品套餐，受到了客户的积极响应，相比传统的短信群发模式大幅提高了成功率。
催生并支撑人工智能交易
“量化投资之王”西蒙斯被公认为是最能赚钱的基金经理人，自1988年创立文艺复兴科技公司的旗舰产品——大奖章基金以来，其凭借不断更新完善的大数据分析系统，20年中创造出35%的年均净回报率，比索罗斯同期高10%，比股神巴菲特同期高18%，成为有史以来最成功的对冲基金，并于1993年基金规模达2.7亿美元时停止接受新投资。在美国《Alpha》杂志每年公布的对冲基金经理排行榜上，西蒙斯2005年、2006年分别以15亿美元、17亿美元净收入稳居全球之冠，2007年以13亿美元位列第五，2008年再以25亿美元重返榜首。
推动金融产品和服务创新
E 面临三大挑战
目前，全球各行业数据量的增长速度惊人，在我国尤其集中在金融、交通、电信、制造业等重点行业，信息化的不断深入正在进一步催生更多新的海量数据。
据统计，2015年中国的数据总量达到1700EB以上，同比增长90%，预计到2020年这一数值将超过8000EB。以银行业为例，每创收100万元，银行业平均产生130GB的数据，数据强度高踞各行业之首。但在金融企业内部数据处于割裂状态，业务条线、职能部门、渠道部门、风险部门等各个分支机构往往是数据的真正拥有者，缺乏顺畅的共享机制，导致海量数据往往处于分散和“睡眠”状态，虽然金融行业拥有的数据量“富可敌国”，但真正利用时却“捉襟见肘”。
数据安全暗藏隐患
大数据本质是开放与共享，但如何界定、保护个人隐私权却成为法律难题。大数据存储、处理、传输、共享过程中也存在多种风险，不仅需要技术手段保护，还需相关法律法规规范和金融机构自律。多项实际案例表明，即使无害的数据大量囤积也会滋生各种隐患。安全保护对象不仅包括大数据自身，也包含通过大数据分析得出的知识和结论。在线市场平台英国Handshake.uk.com就尝试允许用户协商个人数据被品牌分享所得的报酬。
人才梯队建设任重道远
人才是大数据之本。与信息技术其他细分领域人才相比，大数据发展对人才的复合型能力要求更高，需要掌握计算机软件技术，并具备数学、统计学等方面知识以及应用领域的专业知识。