Ⅰ 大数据的应用领域有哪些
1.了解和定位客户
这是大数据目前最广为人知的应用领域。很多企业热衷于社交媒体数据、浏览器日志、文本挖掘等各类数据集，通过大数据技术创建预测模型，从而更全面地了解客户以及他们的行为、喜好。
利用大数据，美国零售商Target公司甚至能推测出客户何时会有Baby;电信公司可以更好地预测客户流失;沃尔玛可以更准确的预测产品销售情况;汽车保险公司能更真实的了解客户实际驾驶情况。
滑雪场利用大数据来追踪和锁定客户。如果你是一名狂热的滑雪者，想象一下，你会收到最喜欢的度假胜地的邀请;或者收到定制化服务的短信提醒;或者告知你最合适的滑行线路。。。。。。同时提供互动平台(网站、手机APP)记录每天的数据——多少次滑坡，多少次翻越等等，在社交媒体上分享这些信息，与家人和朋友相互评比和竞争。
除此之外，政府竞选活动也引入了大数据分析技术。一些人认为，奥巴马在2012年总统大选中获胜，归功于他们团队的大数据分析能力更加出众。
2.
改善医疗保健和公共卫生
大数据分析的能力可以在几分钟内解码整个DNA序列，有助于我们找到新的治疗方法，更好地理解和预测疾病模式。试想一下，当来自所有智能手表等可穿戴设备的数据，都可以应用于数百万人及其各种疾病时，未来的临床试验将不再局限于小样本，而是包括所有人!
苹果公司的一款健康APP ResearchKit有效将手机变成医学研究设备。通过收集用户的相关数据，可以追踪你一天走了多少步，或者提示你化疗后感觉如何，帕金森病进展如何等问题。研究人员希望这一过程变得更容易、更自动化，吸引更多的参与者，并提高数据的准确度。
大数据技术也开始用于监测早产儿和患病婴儿的身体状况。通过记录和分析每个婴儿的每一次心跳和呼吸模式，提前24小时预测出身体感染的症状，从而及早干预，拯救那些脆弱的随时可能生命危险的婴儿。
更重要的是，大数据分析有助于我们监测和预测流行性或传染性疾病的暴发时期，可以将医疗记录的数据与有些社交媒体的数据结合起来分析。比如，谷歌基于搜索流量预测流感爆发，尽管该预测模型在2014年并未奏效——因为你搜索“流感症状”并不意味着真正生病了，但是这种大数据分析的影响力越来越为人所知。
3.提供个性化服务
大数据不仅适用于公司和政府，也适用于我们每个人，比如从智能手表或智能手环等可穿戴设备采集的数据中获益。Jawbone的智能手环可以分析人们的卡路里消耗、活动量和睡眠质量等。Jawbone公司已经能够收集长达60年的睡眠数据，从中分析出一些独到的见解反馈给每个用户。从中受益的还有网络平台“寻找真爱”，大多数婚恋网站都使用大数据分析工具和算法为用户匹配最合适的对象。
4.
了解和优化业务流程
大数据也越来越多地应用于优化业务流程，比如供应链或配送路径优化。通过定位和识别系统来跟踪货物或运输车辆，并根据实时交通路况数据优化运输路线。
人力资源业务流程也在使用大数据进行优化。Sociometric Solutions公司通过在员工工牌里植入传感器，检测其工作场所及社交活动——员工在哪些工作场所走动，与谁交谈，甚至交流时的语气如何。美国银行在使用中发现呼叫中心表现最好的员工——他们制定了小组轮流休息制度，平均业绩提高了23%。
如果在手机、钥匙、眼镜等随身物品上粘贴RFID标签，万一不小心丢失就能迅速定位它们。假想一下未来可能创造出贴在任何东西上的智能标签。它们能告诉你的不仅是物体在哪里，还可以反馈温度，湿度，运动状态等等。这将打开一个全新的大数据时代，“大数据”领域寻求共性的信息和模式，那么孕育其中的“小数据”着重关注单个产品。
5.
改善城市和国家建设
大数据被用于改善我们城市和国家的方方面面。目前很多大城市致力于构建智慧交通。车辆、行人、道路基础设施、公共服务场所都被整合在智慧交通网络中，以提升资源运用的效率，优化城市管理和服务。
加州长滩市正在使用智能水表实时检测非法用水，帮助一些房主减少80%的用水量。洛杉矶利用磁性道路传感器和交通摄像头的数据来控制交通灯信号，从而优化城市的交通流量。据统计目前已经控制了全市4500个交通灯，将交通拥堵状况减少了约16%。
6.提升科学研究
大数据带来的无限可能性正在改变科学研究。欧洲核子研究中心(CERN)在全球遍布了150个数据中心，有65,000个处理器，能同时分析30pb的数据量，这样的计算能力影响着很多领域的科学研究。比如政府需要的人口普查数据、自然灾害数据等，变的更容易获取和分析，从而为我们的健康和社会发展创造更多的价值。
7.提升机械设备性能
大数据使机械设备更加智能化、自动化。例如，丰田普锐斯配备了摄像头、全球定位系统以及强大的计算机和传感器，在无人干预的条件下实现自动驾驶。Xcel Energy在科罗拉多州启动了“智能电网”的首批测试，在用户家中安装智能电表，然后登录网站就可实时查看用电情况。“智能电网”还能够预测使用情况，以便电力公司为未来的基础设施需求进行规划，并防止出现电力耗尽的情况。在爱尔兰，杂货连锁店Tescos的仓库员工佩戴专用臂带，追踪货架上的商品分配，甚至预测一项任务的完成时间。
8.强化安全和执法能力
大数据在改善安全和执法方面得到了广泛应用。美国国家安全局(NSA)利用大数据技术，检测和防止网络攻击(挫败恐怖分子的阴谋)。警察运用大数据来抓捕罪犯，预测犯罪活动。信用卡公司使用大数据来检测欺诈交易等等。
2014年2月，芝加哥警察局对大数据生成的“名单”——有可能犯罪的人员，进行通告和探访，目的是提前预防犯罪。
9.
提高体育运动技能
如今大多数顶尖的体育赛事都采用了大数据分析技术。用于网球比赛的IBM SlamTracker工具，通过视频分析跟踪足球落点或者棒球比赛中每个球员的表现。许多优秀的运动队也在训练之外跟踪运动员的营养和睡眠情况。NFL开发了专门的应用平台，帮助所有球队根据球场上的草地状况、天气状况、以及学习期间球员的个人表现做出最佳决策，以减少球员不必要的受伤。
还有一件非常酷的事情是智能瑜伽垫：嵌入在瑜伽垫中的传感器能对你的姿势进行反馈，为你的练习打分，甚至指导你在家如何练习。
10.金融交易
大数据在金融交易领域应用也比较广泛。大多数股票交易都是通过一定的算法模型进行决策的，如今这些算法的输入会考虑来自社交媒体、新闻网络的数据，以便更全面的做出买卖决策。同时根据客户的需求和愿望，这些算法模型也会随着市场的变化而变化。
更多精彩：14_spark体系之分布式计算课程Spark 集群搭建+S
Ⅱ 大数据对供应链管理的影响
大数据对供应链管理主要有几个方面：
1.供应链管理理念在大数据的支持下，更加精细化；
早期供应链对物流的管理，更多表现如丰田的神话、沃尔玛的大手笔投入，但在大数据时代，这些为大、中型企业也提供提升自己的机会，原本不易获得的数据，在大数据时代变得更加易得与廉价，同时专业供应链企业不断涌现，整体对全行业的公司带来改变。
2.协同效应在加大：
产业协同，一直是产经界广告泛倡导的，但真正实现还比较困难。大数据时代，产业链上流的企业很容易获得直接消费信息，这样就会更加优化自己的产能；同样，位于下游的贸易公司和销售公司，可以更精准的把握市场，同时利用数据、行业地位等优势，要求上游放量与让利。
3.反向定制渐渐推动消费需求
消费端的需求，近年来不断推动着企业创新。大数据让反向定制成为可能，团购、众筹，这些新型交易模式，都是大数据朝代下的新生产物，通过这些企业收集到消费者真实的大数据信息；同时，这些模式也给小微企业低成本扩张，提供的便利；这些都与供应链无关吗？不，供应链在其中起到重大的作用。
Ⅲ 大数据对供应链将产生哪些影响
大数据对供应链将产生哪些影响
大数据对供应链将产生哪些影响，大数据时代的到来为供应链管理提供了难得的机遇，但同时也会伴随着一些不好的影响，有利也有弊，能顺应时代而变化才是正确的方向，以下是关于大数据对供应链将产生哪些影响。
传统供应链管理模式所面临的挑战
大数据时代的来临不仅仅是给我们提供了很大的发展机遇，重要的是传统供应链模式所面临的挑战极大的加剧了新生产力条件下企业之间的竞争，正是因为大数据时代的生产力特征这种新事物与传统的生产力特征供应链管理模式之间的矛盾
所以传统的供应链管理模式所面临的挑战也是非常严重的，新事物取代旧事物必然是旧事物自身的转型升级，适应新事物的发展，供应链管理模式也不例外。
1、响应速度较慢
传统供应链管理在技术水平不断提升的同时，经历了从最基本的MIS到ERP，再从ERP到当前供应链一体化的进化，但是从整体水平上来看，传统的供应链管理仍然存在着以订货订单为驱动的库存管理，周转库存的管理从本质上来看是一种应对传统供应链管理的经营模式，再次种经营模式的管理水平下，周转库存构成了晶莹的基本保障
安全库存成为订货管理的服务水平底线。另一方面，此种模式的出现，也在一定程度上说明了产品生命周期理论的响应速度依靠周转库存和安全库存来保障客户的服务水平，所以在这种模式下顾客需求的响应速度比较慢。
2、终端消费需求不能有效满足
传统供应链模式对企业经营的贡献主要在于企业对市场是一处永的形式满足部分需求而进行产品的设计，在这种情况下，终端消费者的基本需求能够得到满足，但是现有产品不能满足终端消费者的潜在的深层次需求
这种产品经营的设计和生态注定了终端消费需求和源头的生产制造脱节的商业逻辑。供给侧的生产制造不能够针对终端用户的体验进行个性化设计，只能在短期内以批量的模式提升自己的生产效率。
例如，在互联网时代出现之前，市场上的衣服大部分是根据设计师对终端用户体验的评估进行设计，而没有针对更多用户特别是普遍用户的个性化需求进行定制，而且衣服定制成本非常高、时间比较长，这从根本上制约了终端消费需求的普遍性满足。
3、库存周期较长
传统的供应链管理模式以存货管理构成支撑企业经营的基本条件，库存成为实现经营的流动资产，大部分行业的库存盘点是以月为单位进行计算的，因为产品属性的不同，库存管理盘点有所差异
从整体的水平看库存周期大部分在计算仓储、包装、搬运装卸、运输等时间的条件下基本上在途库存和周转库存周期均在两个月以上，从资金利用的角度来看，在很大程度上制约了流动资金的利用率。
4、协同效应差
供应链管理模式协同效应较差主要体现在，生产制造型企业不能够快速的实现渠道的建立，销售渠道未能实现和终端消费者有效的互动，终端消费者的反馈也不能其实的成为生产制造企业进行产品换的升级的依据
从整个供应链的管理水平可以看出各个环节都在实现自身利益的最大化，但是未能实现整体效益的最大化，在面临市场的竞争时存在着互相挤压，为维护自身环节的利益牺牲整体供应链整体效益的情况屡见不鲜。
5、管理成本非常高
传统供应链模式的管理成本由于信息化水平低下，不能将各个环节所设计的的企业进行信息的有效传递最终造成了各自企业所付出的固定成本中的摊销成本非常高，人工成本尤其突出，因为条块分割的严重所造成的管理混乱进而导致的管理成本已经成为供应链管理当中占比较高的部分之一。
供应链管理要顺应大数据时代发展的历史潮流
从马克思主义对经济学的深入研究理论来看，变革时代正确的研究方法应该从生产力与生产关系的矛盾入手，时间对生产力要素特征的分析才能对生产关系各个方面进行针对性的改革，这一点是生产力决定生产关系的集中体现，同时也是生产关系必须顺应生产力发展的必然要求。
（一）大数据时代生产力的主导因素分析
生产力的三个要素是劳动者、生产工具和劳动对象，大数据时代改变了传统生产力的三个要素特征使得科学技术特别是互联网为核心的人工智能为代表的数据获取、处理、分析以及应用的技术成为生产力的核心特征。这些核心特征从根本上改变传统供应链管理的生存环境，也就是改变了供应链管理的生态特征。
1、大数据时代的生产力变革决定了供应链管理的变革
每个时代的生产力都决定了所在时代的生产关心的管理特征和管理模式，这个是基于人类文明的发展所确定的，大数据时代也不例外。所以，当大数据时代生产力的三个要素发生了根本的变化之后，随之而来的供应链管理也必须根据实际情况变革，符合生产力发展特征才能提升竞争力量，实现效率的提升和发展。
2、劳动者发生了决定性变化
大数据时代出现之前，传统的劳动者是以体力劳动和基本的脑力劳动来对供应链进行管理的，这种脑力劳动主要包括基本的信息处理、业务知识的一些规范、与业务相关的数据处理等内容，但是大数据时代出现之后，劳动者需要更多的参与和大数据相关的脑力劳动，例如数据的获取、对供应链数据的分析、与消费者相关的数据研究和预测
与产品设计有关的产品性能的监测和分析等内容，这样从根本上改变了劳动者对知识的掌握的需求水平，你改变了劳动者对供应链管理的思维模式认知的改变和理念的变革。进而包括人事行政管理，在招聘绩效考核等各个方面都改变了原有对供应链管理者的要求。
供应链管理贴近消费者的前端，需要更多的去对数学的进行收集和消费者行为的描述，这样的信息处理大大改变了原来依靠调研预测进行管理的模式，从而也改变了对消费端劳动者的要求
这些要求从本质上需要变革原来的管理模式，也是对劳动者创造价值的有效提升，但是这种创造的主体必须是劳动者自身的改变。所以从整体上来看对人力资源的需求是大数据时代生产力变革的第一要务。
3、生产资料中生产工具发生了很大的变化
传统的供应链管理基本上是基于信息的传递而进行的传统互联网电脑网络的设置，在这种模式下互联网仅仅是作为一种信息传输的工具电脑也是信息采集的输入端口
大部分的电脑使用者都是用来录入相关的信息或者使用电脑网络进行传递相关的业务数据。大数据时代电脑更多的倾向于采集分析处理相关的数据，更加强调软件和智能硬件的结合
最终的目标可能会是实现人机一体化，而录入和传输相关的数据成为最基本的`功能，所以从电脑计算机网络的用途来看，功能上已经完全改变了原来的目标。
4、劳动对象发生了很大的变化
大数据时代供应链管理的劳动对象逐渐从基于传统库存管理的产品生产制造、流通和销售，逐渐转化为对于产品生产制造的特征也就是满足消费者深度需求的特征进行设计
数据的利用从原来的事后分析说明解释逐渐转化为大数据的相关性应用，这一点几乎体现在每年大规模的支付信息的统计分析，例如近两年微信发红包数量的统计
支付宝对用户指出每个月账单的统计分析，跨进电商对消费者购买行为的统计分析，这样的数据分析最后形成了供应链管理中对供给的判断，也形成了对消费者未来深度需求的判断和评估。原来的分析和预测逐渐转变为大数据相关性的应用。
大数据时代生产力特征
大数据时代的生产力不同于以往技术变革所带来的生产力要素的变化，可概括的总结为以下几点。
从整个农业文明到工业文明时代各种变革的整体特征来看，农业文明时代是以生产工具的变革为主要特征，其中典型的变革包括青铜器的出现和应用、铁器工具的出现和大范围的普及和应用为主要特征，极大的推动了生产效率的提高，从而推动整个社会效率的提升、物质财富大幅度积累，使封建文明出现前所未有的鼎盛时代。
工业文明主要集中在生产工具能源的变革方面所产生的生产工具动力变革，主要包括经过长期经验的积累，18世纪蒸汽时代蒸汽机的发明和应用，工业化时代电力和以电力为动力能源的机器应用，极大提升了社会生产力的变革，促使人类文明从封建文明走向资本主义文明和社会主义文明，在政治制度方面发展延续到今天。
随着时间的推移，20世纪初期部分学者提出了新技术为代表的生产力变革的来临，这些新技术包括新能源、新材料和计算机技术，经过半个世纪的发展，这些技术的应用也极大的推动了生产效率的提高，改变了生产方式的具体特征。
主要表现为新经济学的兴起和管理学派的细化。新的商业模式和企业组织方式层出不穷，资本市场以证券市场为代表，成为经济发展的晴雨表。这些生产力发展现象已经成为人们的共识。
新技术时代网络信息的应用。而大数据时代出现的今天，可以概要的总结为是以信息化时代为基础、智能化数据信息处理和应用所带来生产力在生产工具、劳动者即人力资源变革、生产方式等方面革命为主要特征的生产力的变革。
与上述人类历史上其他生产力的变革相比较，大数据时代的变革从时间的角度看来的更加突然，对社会生产生活方式的影响更大，传播速度更快，拉近了供应链的生产段和消费终端，依靠现代智能硬件和软件相结合，极大的提升了两端信息获取的能力，供需充分结合高度统一起来，并加速了产品生命周期的周转速度。
大数据时代变革所带来的机遇
随着大数据时代生产力的变革，企业组织在供应链管理方面机遇难得，主要体现在以下几个方面：
1、供应链管理理念精准化
管理理念随着生产的进步技术的发展越来越成为先进生产管理方式的核心和精髓。大数据时代的变革使得供应链管理理念能够实现深层次精准化的发展，包括供应链消费终端需求信息的收集以及用户体验反馈到生产端，对产品进行再次设计制造和生产，满足终端消费者的深层次更精准的需求。
在供应渠道方面，信息通过网络的精准传递有利于渠道的多样化，通过精准的营销广告的投放实现渠道的快速销售能力。
在库存方面主要意义消费需求拉动的库存管理为主，时间库存订货批量的同时安全库存大大降低零库存的概念已经能够完全实现周转库存。水平大大降低所以从库存成本的角度来看供应链管理里面的精准化。
最终整体上。不仅满足了消费者的终端需求深层次需求同时也满足了生产者降低成本一啸订单公民及时用户体验完美的高层次目标。
2、协同效应作用加大
通过智能硬件和软件技术的数据化处理,在供应链各个环节的信息处理收集分析和应用方面,均能及时有效地实现最优化,不但实现每个环节执行层面的学术性和敏捷性而且可以实现整体各个环节的协同作用,例如在当代电子商务的供应链管理中最典型的是以京东商城为代表的自营物流体系和平台的协同结合
不仅实现了订单的快速处理，而且是京东商城的自营物流体系实现了库存管理的最优化，更使商城的卖家能够一大数据为基础进行产品的选择，营销策略的制定，采购渠道的优化，从而最终实现了供应链一体化的最大协同效应。
除了电子商务企业这种行业的典型代表之外，在中国的汽车后市场特别是针对汽车配件供应链大数据的实现准确的进行分类包装挑选等物流服务，有效地实现产品多品类、同一个产品多参数的复杂产品特性的供应链管理
为中国汽车后市场中小企业特别是最近消费者的终端企业实践成功的用户体验奠定了坚实的基础，与传统的汽车修理厂门店相比，这种利用数据进行供应链管理的中小企业在竞争力方面特别是用户体验方面具有巨大的明显优势。
3、消费需求定制化驱动
大数据的应用对供应链管理中消费者精准需求实现了有效地满足，不仅能够对交易的分析和消费者购买行为的分析以及消费者对未来预期的分析而且可以根据这种分析实现生产定制化，把供给侧问题存在的批量生产转变为以个性化需求为满足特征的定制化生产。
例如，对衣服的生产，在传统模式下几乎都是设计者进行设计引导消费者进行购买，定制化需求在市场竞争中处于弱势地位，没有能够实现消费者个人需求的满足，而且衣服的定制化成本非常高，广大消费者不能够承担这种定制化的成本，从而造成的定制化的发展缓慢。
近几年以来一红外技术对人体描绘使得软件和硬件相结合，不仅能够实现了消费者身体特征的描述而且能够根据不同的消费者对衣服的偏好进行设计，能够快速的让消费者根据自己的意愿进行设计，在购买和交易的阶段也能够通过智能试衣镜对现有的衣服进行挑选
在此过程中以数据收集和消费者之间的交互等环节实现了数据的分析与处理，对未来衣服的消费趋势进行描述，而且能够最终消费者为消费者提供深层次的长期的服务，这样仅能从交易中获得利润而且能够从的单一消费者的长期服务中，实现消费者粘性的提高，有利于广大中小企业利用数据实现精益经营。
4、供给侧结构管理优化
供给侧改革是我国十三五期间的主导政策，大数据时代为供给侧改革提供了有利的条件。当前，我国大部分行业在传统模式，以投资需求和外贸为拉动的主要发展模式下普遍发生了产能过剩，解决产能过剩的问题主要从两个方面入手，一方面有提高攻击测产品生产制造的质量
实现产业的转型升级，优化结构，提高生产制造的效率特别是注重保护环境等可持续发展策略；另一方面要针对终端消费者的消费需求，实现适销对路、真正满足消费者需求的竞争性产品。大数据时代为供给侧改革提供了难得的机遇。
对供给侧结构的优化管理以能源的利用为典型，随着环境问题日益严重，我国对新能源代替传统的化石能源必须采取非常有效地管理措施，其中主要体现在以数据为核心的管理处理新能源逐步代替传统化石能源从而改善环境提高能源的利用率，2010年政府下达力度关闭了近百个火力发电厂同事计划增加十三五期间核电站开发100所。
实现东部沿海地区和能源利用交大地区的清洁能源代替工程，必须利用大数据对能源的有效利用进行强力管控，对污染环境的传统化石能源进行逐步改善，最终实现我国经济的可持续发展。
5、中小企业大数据应用提升竞争力
在传统的生产力条件下，中小企业面临市场激烈的竞争，资源方面的不足创造力的不足效率利用地下等各个方面造成了大企业对中小企业的生存空间的挤压，大数据出现之后，中小企业虽然在资源方面以及创新能力方面不如大企业强，但是中小企业利用战略上的灵活性，充分发挥瞄准立即市场进行发力的敏捷。
利用大数据对市场进行再次细分，锁定目标细分市场，对客户进行深度挖掘，对产品进行二次创新，实现了市场竞争中的不对称性，在微创新方面不断满足消费者的需求，提升自身产品和服务的竞争能力。
有效的完善了自身的不足，最终提升了生存竞争力，在国家大力倡导大众创新万众创业的宏观环境下中小企业使用大数据技术，在信息沟通、营销竞争、战略再投资等方面紧紧地把握住了细分市场目标客户的有效需求，不但满足了针对性的深度需求而且提升了掌控用户体验、满足细分市场目标客户潜在需求的工具和方法，在创造和实现顾客价值的同时，也创造了大量的就业岗位，从此品牌竞争深入人心。
从国家申请专利的数量来看，除了在市场竞争中占主导地位的大型客机企业对研发投入比例大，而产生了大量的专利之外，广大中小企业在满足细分市场目标需求的同时，利用自身条件而进行重新申请专利的数量大幅度增长，竞争力提升的同时实现了价值重塑品牌塑造。