① 工业大数据开启新时代 七大应用分析
工业大数据开启新时代 七大应用分析
工业大数据的典型应用包括产品创新、产品故障诊断与预测、工业生产线物联网分析、工业企业供应链优化和产品精准营销等诸多方面。本文我们讲就工业大数据在制造企业的应用场景进行逐一梳理。
随着信息化与工业化的深度融合，信息技术渗透到了工业企业产业链的各个环节，条形码、二维码、RFID、工业传感器、工业自动控制系统、工业物联网、ERP、CAD/CAM/CAE/CAI等技术在工业企业中得到广泛应用，尤其是互联网、移动互联网、物联网等新一代信息技术在工业领域的应用，工业企业也进入了互联网工业的新的发展阶段，工业企业所拥有的数据也日益丰富。工业企业中生产线处于高速运转，由工业设备所产生、采集和处理的数据量远大于企业中计算机和人工产生的数据，从数据类型看也多是非结构化数据，生产线的高速运转则对数据的实时性要求也更高。因此，工业大数据应用所面临的问题和挑战并不比互联网行业的大数据应用少，某些情况下甚至更为复杂。
工业大数据应用将带来工业企业创新和变革的新时代。通过互联网、移动物联网等带来的低成本感知、高速移动连接、分布式计算和高级分析，信息技术和全球工业系统正在深入融合，给全球工业带来深刻的变革，创新企业的研发、生产、运营、营销和管理方式。这些创新不同行业的工业企业带来了更快的速度、更高的效率和更高的洞察力。
1.加速产品创新
客户与工业企业之间的交互和交易行为将产生大量数据，挖掘和分析这些客户动态数据，能够帮助客户参与到产品的需求分析和产品设计等创新活动中，为产品创新作出贡献。福特公司是这方面的表率，他们将大数据技术应用到了福特福克斯电动车的产品创新和优化中，这款车成为了一款名副其实的“大数据电动车”。第一代福特福克斯电动车在驾驶和停车时产生大量数据。在行驶中，司机持续地更新车辆的加速度、刹车、电池充电和位置信息。这对于司机很有用，但数据也传回福特工程师那里，以了解客户的驾驶习惯，包括如何、何时以及何处充电。即使车辆处于静止状态，它也会持续将车辆胎压和电池系统的数据传送给最近的智能电话。
这种以客户为中心的大数据应用场景具有多方面的好处，因为大数据实现了宝贵的新型产品创新和协作方式。司机获得有用的最新信息，而位于底特律的工程师汇总关于驾驶行为的信息，以了解客户，制订产品改进计划，并实施新产品创新。而且，电力公司和其他第三方供应商也可以分析数百万英里的驾驶数据，以决定在何处建立新的充电站，以及如何防止脆弱的电网超负荷运转。
2.产品故障诊断与预测
这可以被用于产品售后服务与产品改进。无所不在的传感器、互联网技术的引入使得产品故障实时诊断变为现实，大数据应用、建模与仿真技术则使得预测动态性成为可能。在马航MH370失联客机搜寻过程中，波音公司获取的发动机运转数据对于确定飞机的失联路径起到了关键作用。我们就拿波音公司飞机系统作为案例，看看大数据应用在产品故障诊断中如何发挥作用。在波音的飞机上，发动机、燃油系统、液压和电力系统等数以百计的变量组成了在航状态，这些数据不到几微秒就被测量和发送一次。以波音737为例，发动机在飞行中每30分钟就能产生10TB数据。
这些数据不仅仅是未来某个时间点能够分析的工程遥测数据，而且还促进了实时自适应控制、燃油使用、零件故障预测和飞行员通报，能有效实现故障诊断和预测。再看一个通用电气（GE）的例子，位于美国亚特兰大的GE能源监测和诊断（M&D）中心，收集全球50多个国家上千台GE燃气轮机的数据，每天就能为客户收集10G的数据，通过分析来自系统内的传感器振动和温度信号的恒定大数据流，这些大数据分析将为GE公司对燃气轮机故障诊断和预警提供支撑。风力涡轮机制造商Vestas也通过对天气数据及期涡轮仪表数据进行交叉分析，从而对风力涡轮机布局进行改善，由此增加了风力涡轮机的电力输出水平并延长了服务寿命。
3.工业物联网生产线的大数据应用
现代化工业制造生产线安装有数以千计的小型传感器，来探测温度、压力、热能、振动和噪声。因为每隔几秒就收集一次数据，利用这些数据可以实现很多形式的分析，包括设备诊断、用电量分析、能耗分析、质量事故分析（包括违反生产规定、零部件故障）等。首先，在生产工艺改进方面，在生产过程中使用这些大数据，就能分析整个生产流程，了解每个环节是如何执行的。一旦有某个流程偏离了标准工艺，就会产生一个报警信号，能更快速地发现错误或者瓶颈所在，也就能更容易解决问题。利用大数据技术，还可以对工业产品的生产过程建立虚拟模型，仿真并优化生产流程，当所有流程和绩效数据都能在系统中重建时，这种透明度将有助于制造商改进其生产流程。再如，在能耗分析方面，在设备生产过程中利用传感器集中监控所有的生产流程，能够发现能耗的异常或峰值情形，由此便可在生产过程中优化能源的消耗，对所有流程进行分析将会大大降低能耗。
4.工业供应链的分析和优化
当前，大数据分析已经是很多电子商务企业提升供应链竞争力的重要手段。例如，电子商务企业京东商城，通过大数据提前分析和预测各地商品需求量，从而提高配送和仓储的效能，保证了次日货到的客户体验。RFID等产品电子标识技术、物联网技术以及移动互联网技术能帮助工业企业获得完整的产品供应链的大数据，利用这些数据进行分析，将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。
以海尔公司为例，海尔公司供应链体系很完善，它以市场链为纽带，以订单信息流为中心，带动物流和资金流的运动，整合全球供应链资源和全球用户资源。在海尔供应链的各个环节，客户数据、企业内部数据、供应商数据被汇总到供应链体系中，通过供应链上的大数据采集和分析，海尔公司能够持续进行供应链改进和优化，保证了海尔对客户的敏捷响应。美国较大的OEM供应商超过千家，为制造企业提供超过1万种不同的产品，每家厂商都依靠市场预测和其他不同的变量，如销售数据、市场信息、展会、新闻、竞争对手的数据，甚至天气预报等来销售自己的产品。
利用销售数据、产品的传感器数据和出自供应商数据库的数据，工业制造企业便可准确地预测全球不同区域的需求。由于可以跟踪库存和销售价格，可以在价格下跌时买进，所以制造企业便可节约大量的成本。如果再利用产品中传感器所产生的数据，知道产品出了什么故障，哪里需要配件，他们还可以预测何处以及何时需要零件。这将会极大地减少库存，优化供应链。
5.产品销售预测与需求管理
通过大数据来分析当前需求变化和组合形式。大数据是一个很好的销售分析工具，通过历史数据的多维度组合，可以看出区域性需求占比和变化、产品品类的市场受欢迎程度以及最常见的组合形式、消费者的层次等，以此来调整产品策略和铺货策略。在某些分析中我们可以发现，在开学季高校较多的城市对文具的需求会高很多，这样我们可以加大对这些城市经销商的促销，吸引他们在开学季多订货，同时在开学季之前一两个月开始产能规划，以满足促销需求。对产品开发方面，通过消费人群的关注点进行产品功能、性能的调整，如几年前大家喜欢用音乐手机，而现在大家更倾向于用手机上网、拍照分享等，手机的拍照功能提升就是一个趋势，4G手机也占据更大的市场份额。通过大数据对一些市场细节的分析，可以找到更多的潜在销售机会。
6.生产计划与排程
制造业面对多品种小批量的生产模式，数据的精细化自动及时方便的采集（MES/DCS）及多变性导致数据剧烈增大，再加上十几年的信息化的历史数据，对于需要快速响应的APS来说，是一个巨大的挑战。大数据可以给予我们更详细的数据信息，发现历史预测与实际的偏差概率，考虑产能约束、人员技能约束、物料可用约束、工装模具约束，通过智能的优化算法，制定预计划排产，并监控计划与现场实际的偏差，动态的调整计划排产。帮我们规避“画像”的缺陷，直接将群体特征直接强加给个体（工作中心数据直接改变为具体一个设备、人员、模具等数据）。通过数据的关联分析并监控它，我们就能计划未来。虽然，大数据略有瑕疵，只要得到合理的应用，大数据会变成我们强大的武器。当年，福特问大数据的客户需求是什么？而回答是“一匹更快的马”，而不是现在已经普及的汽车。所以，在大数据的世界里，创意、直觉、冒险精神和知识野心尤为重要。
7.产品质量管理与分析
传统的制造业正面临着大数据的冲击，在产品研发、工艺设计、质量管理、生产运营等各方面都迫切期待着有创新方法的诞生，来应对工业背景下的大数据挑战。例如在半导体行业，芯片在生产过程中会经历许多次掺杂、增层、光刻和热处理等复杂的工艺制程，每一步都必须达到极其苛刻的物理特性要求，高度自动化的设备在加工产品的同时，也同步生成了庞大的检测结果。这些海量数据究竟是企业的包袱，还是企业的金矿呢？如果说是后者的话，那么又该如何快速地拨云见日，从“金矿”中准确地发现产品良率波动的关键原因呢？这是一个已经困扰半导体工程师们多年的技术难题。
某半导体科技公司生产的晶圆在经过测试环节后，每天都会产生包含一百多个测试项目、长度达几百万行测试记录的数据集。按照质量管理的基本要求，一个必不可少的工作就是需要针对这些技术规格要求各异的一百多个测试项目分别进行一次过程能力分析。如果按照传统的工作模式，我们需要按部就班地分别计算一百多个过程能力指数，对各项质量特性一一考核。这里暂且不论工作量的庞大与繁琐，哪怕有人能够解决了计算量的问题，但也很难从这一百多个过程能力指数中看出它们之间的关联性，更难对产品的总体质量性能有一个全面的认识与总结。然而，如果我们利用大数据质量管理分析平台，除了可以快速地得到一个长长的传统单一指标的过程能力分析报表之外，更重要的是，还可以从同样的大数据集中得到很多崭新的分析结果。
以上是小编为大家分享的关于工业大数据开启新时代 七大应用分析的相关内容，更多信息可以关注环球青藤分享更多干货
② O2O成功的案例有什么请具体举几个实例。
所属行业：店商+平台电商+零售服务商
案例概述：苏宁的O2O模式是以互联网零售为主体的“一体两翼”的互联网转型路径。苏宁利用自己的线下门店，以及线上平台，实现了全产品全渠道的线上线下同价，帮助苏宁打破了实体零售在转型发展中与自身电商渠道左右互搏的现状。O2O模式下的苏宁实体店不再是只有销售功能的门店，而是一个集展示、体验、物流、售后服务、休闲社交、市场推广为一体的新型门店——云店，店内将开通免费wifi、实行全产品的电子价签、布设多媒体的电子货架，利用互联网、物联网技术收集分析各种消费行为，推进实体零售进入大数据时代。
2014年“百日会战”中，苏宁O2O模式优势凸显，双“11”，苏宁发起第二届O2O购物节，祭出门店、网站、手机、T V“四端协同作战计划”，并取得了一定成绩。
分析师点评：2014年，苏宁以互联网零售为主体、“一体两翼”的转型布局已逐渐站稳了脚跟,并迅速进入效益凸显期。其中，作为传统零售企业转型互联网零售的代表，苏宁的“自营O2O模式”在今年百日会战和双“11”中初见成效。但苏宁“店商+电商+零售服务商”的O2O模式未来能否在O2O行业压力下长足发展，还有待时间的检验。
【案例二】京东：“大数据+商品+服务”的O2O模式
所属行业：综合自营+平台电商
案例概述：京东与15余座城市的上万家便利店合作，布局京东小店O2O，京东提供数据支持，便利店作为其末端实现落地;京东与獐子岛集团拓展生鲜020，为獐子岛开放端口，獐子岛提供高效的生鲜供应链体系。另外，京东还与服装、鞋帽、箱包、家居家装等品牌专卖连锁店达成优势整合，借此扩充产品线、渠道全面下沉，各连锁门店借助京东精准营销最终实现“零库存”。
分析师点评：中国电子商务研究中心助理分析师孙璐倩认为，京东O2O模式基于线上大数据分析，与线下实体店网络广泛布局、极速配送优势互补。发挥了京东的平台优势、物流优势，跑马圈地，扩大其市场地盘，填补了其用户结构单一的短板，是开拓O2O发展的又一渠道。但该模式末端的传统便利店是否有社区购物习惯的数据积累，有积累是否有价值，这个仍值得考虑，京东O2O未来的路还比较长。
【案例三】万达：“线下商场+百万腾电商”的O2O模式
所属行业：商业地产
案例概述：万达联合网络、腾讯，共同出资成立万达电子商务公司，万达打通账号与会员体系、打造支付与互联网金融产品、建立通用积分联盟、大数据融合、WiFi共享、产品整合、流量引入等方面进行深度合作，同时将联手打造线上线下一体化的账号及会员体系;探索创新性互联网金融产品;建立通用积分联盟及平台;同时，万达、网络、腾讯三方还将建立大数据联盟，实现优势资源大数据融合。。近日，万达投资20亿入股快钱，弥补在O2O支付环节短板。
分析师点评：阿里一家独大的格局，万达、网络、腾讯分别做电商失败，让其深刻意识到抱团生存的重要性。万达抱团互联网大佬、多方借力的O2O发展模式，有望牵制阿里，给二、三线电商施加压力。但能否完成三方团队无缝隙对接，实现1+1+1>3，仍有待考验。万达投资快钱是其构建O2O版图的重要一步，块钱将成为万达电商重要的支付平台。
【案例四】银泰“线下商圈+阿里电商生态”O2O模式
所属行业：商业百货
案例概述：案例概述：银泰所有商场参加到天猫购物狂欢节，并率先尝试线下选品、线上支付购买的O2O模式。银泰商业集团还得到阿里战略入股，双方优势互补，共同打造涉及食、住、购、娱、游和公共服务六大领域的武林商圈O2O平台。2014年双“11”，银泰商业协同参与了阿里设立的020专场“去逛街”，纵深化增强O2O实力。
分析师点评：银泰与阿里联姻的O2O模式，一定程度上火拼了腾讯、苏宁等巨头在O2O领域“跑马圈地”。银泰依靠在全国的零售网络帮阿里搭建好O2O的基础设施体系，进而全面解决双方在线上和线下的货品、支付、物流等关键环节的融合，试图树立O2O领域的某种行业标准，并向全社会开放。
【案例五】大润发：“乡镇低线市场+飞牛网”的O2O模式
所属行业：商场超市
案例概述：大润发正式上线B2C平台飞牛网，在飞牛网运行半年后，携手喜士多便利店推行O2O“千乡万馆”项目，建立飞牛网购体验馆，实施O2O战略。飞牛网设置网购体验馆，旨在服务大润发服务不到的地区。飞牛网还将借力其他便利店、社区服务中心、乡镇连锁小店、加油站、专卖店等探索多元化通路。随后，飞牛网推出以“店庆日秒杀“为主题的活动，预热双“11”，4万平青浦仓投入使用，配送效率显著。飞牛网又与南通邮政达成战略合作，正式启用首批体验馆，飞牛网南通地区020“千乡万馆”计划开始落地。
分析师点评：中国电子商务研究中心(100EC.CN)网络零售部助理分析师孙璐倩认为，大润发作为传统零售企业，积累了长久的用户资源和较好的口碑，其借飞牛网设置“千乡万馆”的O2O战略，以点带面，在很大程度上满足了用户需求，也能更好地实现线下切入线上、线上商业线下服务的互补，为未来用户市场的开拓争取更多的资源。大润发O2O模式将成为商超类进入互联网的借鉴。
【案例六】美乐乐：“线下体验馆+线上家装网”的O2O模式
所属行业：家居建材
案例概述：美乐乐选择将线上作为根据地，可以吸引到全国的流量，节省线下门店的租金，从而将售价降低，占据价格优势，吸引消费者。(美乐乐又涉足线下体验馆，主要供线上体验作用，将线上流量转化为线下交易量。不仅作为在当地城市的实景展厅，还作为小型仓库，缩短家具运输距离。另外，美乐乐还创建装修网，整合了多种家居、家装资讯，细化生态链中多个消费环节。美乐乐还通过集中SKU，，把每一个产品的量加大，从而大幅降低生产成本，然后有了规模效应以后，不论从生产、运输，从各方面都可以提升。美乐乐在生产与运输两个环节就获得了20%左右的成本优势。
分析师点评：美乐乐家居网是根据其自身发展，从传统的B2C业务拓展出了“美乐乐家居体验馆”这一线下平台，美乐乐的本质是降低了过去冗长的渠道成本，打破了过去企业和消费者信息不对称下的价格虚高。作为家居行业O2O“第一个吃螃蟹”的企业，美乐乐的O2O模式是较为成功的。但从它对外招商的举措来看，其战线铺的太长，可能还缺少明确方向。而“网上低价+网上推广+线下店铺”的模式能否推动线上线下活动，克服低价高成本的运营缺陷，还值得关注。
【案例七】顺丰嘿客：“社区实体店+二维码绑定具体商品”的O2O模式
所属行业：物流快递
案例概述：“嘿客”是顺丰速递推出的社区虚拟网购便利店。2014年5月18日，顺丰速运官方宣布正式开业518家“嘿客”，除快递物流业务、虚拟购物外，还具备ATM、团购/预售、试衣间、洗衣、家电维修等多项业务。快递企业跨界杀入O2O领域，模式超期，非便利店也非快递中心，被指“四不像”。
分析师点评：顺丰嘿客作为新一代社区服务店，是快递企业跨界玩O2O开拓的新型模式。运营至今，仍然是客流稀少，盈利堪忧，或是快递企业做O2O，模式定位出现偏差。另外，顺丰嘿客还缺乏后期的维护和推广动力。消费者在社区终端利用系统购买的习惯还没有养成，也缺乏信任;除顺丰这样的专业物流配送系统外，与终端相关的售后、退换货的物流成本仍然居高不下，成为影响社区商铺参与积极性的重要因素。
【案例八】钻石小鸟：“线下体验店+线上品牌化”的O2O模式
所属行业:珠宝业
案例概述：“鼠标+水泥”模式即“网购+体验店”，用户在线上平台选择产品，到就近体验店实体现场试戴，然后再做出理性的选择。初创品牌至今，钻石小鸟把“鼠标+水泥”的全新钻石销售模式从上海相继带到了国各大主要城市。2009年，钻石小鸟各地体验中心全面升级为4C概念体验中心，能够有效解答消费者的疑问，处理消费者的投诉、现场制定个性化产品等。另外，钻石小鸟标准化品牌体系，一对一购钻服务等优势服务项目，致力于传播钻石文化和品牌理念。
分析师点评：钻石小鸟的O2O模式之所以成功，价格优惠首当其冲。这种“鼠标+水泥”的商业模式，大大减少了钻石流通环节，进而降低了价格。“鼠标+水泥”的模式，不仅减轻了库存压力，还可以降低租金成本，提高品牌知名度。该模式值得传统珠宝商转型线上作为借鉴。
【案例九】海尔：“网格化门店+家居定制”的O2O模式
所属行业：家电业
案例概述：海尔打造全新“日日顺”平台，在全国建立了7600多家县级专卖店，26000个乡镇专卖店，19万个村级联络站，在中国2800多个县建立了物流配送站，布局了17000多家服务商，做到“销售到村，送货到门，服务到户”，解决了三四级市场的配送难题，并且在配送速度上已有1500多个区县实现24小时限时达，460个区县实现48小时内送达。
分析师点评：海尔作为传统企业的代表，其勇于突破的精神和把握时机有效布局O2O的众多举措很值得传统企业学习。海尔在O2O布局上占据了天时、地利、人和的优势，但在内部结构和管理理念上还面临着重重危机。该模式是否真的适合现在的海尔，未来成效如何，现在我们也只能先打一个大大的问号了。
【案例十】美邦：“生活体验+上网环境”的O2O模式
所属行业：服装业
案例概述：美邦先是与微信合作，后面又开始与支付宝、微淘合作，最近美邦提出了以“生活体验店+美邦APP”的O2O模式，并在全国推出了6家体验店，美邦期望通过这些体验店提供的舒适上网服务将消费者留在体验店内，店内提供高速wifi环境和惬意的咖啡，有大量的公用平板供用户使用，用户喝着咖啡登陆美邦APP购买商品，也可在APP下单后选择送货上门，以此实现线下向线上导流量。
分析师点评：生活体验店模式下，门店成为购物和上网、休息的场所。用户手机直接下单，可以加强线下向手机APP的导流，加强用户的移动APP沉淀。但是咖啡桌和上网环境会占用了店面大量空间，以“生活体验”和“上网环境”为核心进行店面改造，是否会背离服装零售的核心?
③ 企业大数据实战案例
企业大数据实战案例
一、家电行业
以某家电公司为例，它除了做大家熟知的空调、冰箱、电饭煲外，还做智能家居，产品有成百上千种。在其集团架构中，IT部门与HR、财务等部门并列以事业部形式运作。
目前家电及消费电子行业正值“内忧外患”，产能过剩，价格战和同质化现象严重；互联网企业涉足，颠覆竞争模式，小米的“粉丝经济”，乐视的“平台+内容+终端+应用”，核心都是经营“用户”而不是生产。该公司希望打造极致产品和个性化的服务，将合适的产品通过合适的渠道推荐给合适的客户，但在CPC模型中当前只具备CP匹配（产品渠道），缺乏用户全景视图支持，无法打通“CP（客户产品）”以及“CC（客户渠道）”的匹配。
基于上述内外环境及业务驱动，该公司希望将大数据做成所有业务解决方案的枢纽。以大数据DMP作为企业数据核心，充分利用内部数据源、外部数据源，按照不同域组织企业数据，形成一个完整的企业数据资产。然后，利用此系统服务整个企业价值链中的各种应用。
那么问题来了，该公司的数据分散在不同的系统中，更多的互联网电商数据分散在各大电商平台，无法有效利用，怎么解决？该公司的应对策略是：1）先从外部互联网数据入手，引入大数据处理技术，一方面解决外部互联网电商数据利用短板，另一方面可以试水大数据技术，由于互联网数据不存在大量需要内部协调的问题，更容易快速出效果；2）建设DMP作为企业统一数据管理平台，整合内外部数据，进行用户画像构建用户全景视图。
一期建设内容：技术实现上通过定制Spark爬虫每天抓取互联网数据（主要是天猫、京东、国美、苏宁、淘宝上的用户评论等数据），利用Hadoop平台进行存储和语义分析处理，最后实现“行业分析”、“竞品分析”、“单品分析” 三大模块。
该家电公司大数据系统一期建设效果，迅速在市场洞察、品牌诊断、产品分析、用户反馈等方面得到体现。
二期建设目标：建设统一数据管理平台，整合公司内部系统数据、外部互联网数据（如电商数据）、第三方数据（如外部合作、塔布提供的第三方消费者数据等）。
该公司大数据项目对企业的最大价值是将沉淀的数据资产转化成生产力。IT部门，通过建设企业统一的数据管理平台，融合企业内外部数据，对于新应用快速支持，起到敏捷IT的作用；业务部门，通过产品、品牌、行业的洞察，辅助企业在产品设计、广告营销、服务优化等方面进行优化改进，帮助企业进行精细化运营，基于用户画像的精准营销和个性化推荐，帮助企业给用户打造极致服务体验，提升客户粘性和满意度；战略部门，通过市场和行业分析，帮助企业进行产品布局和战略部署。
二、快消行业
以宝洁为例，在与宝洁中国市场部的合作中发现，并不是一定要先整合内外部数据才能做用户画像和客户洞察。宝洁抓取了主流网站上所有与宝洁评价相关的数据，利用语义分析和建模，掌握不同消费群体的购物喜好和习惯，仅仅利用外部公开数据，快速实现了客户洞察。
此外，宝洁还在渠道管理上进行创新。利用互联网用户评论数据进行社群聆听，监控与宝洁合作的50个零售商店相关的用户评论，通过线上数据进行渠道/购物者研究并指导渠道管理优化。
实现过程：
1、锁定微博、大众点评等互联网数据源，采集百万级别消费者谈及的与宝洁购物相关内容；
2、利用自然语言处理技术，对用户评论进行多维建模，包括购物环境、服务、价值等10多个一级维度和50个二级维度，实现对用户评论的量化；
3、对沃尔玛、屈臣氏、京东等50个零售渠道进行持续监控，结果通过DashBoard和周期性分析报告呈现。
因此，宝洁能够关联企业内部数据，更有效掌握KA渠道整体情况，甚至进一步掌握KA渠道的关键细节、优势与劣势，指导渠道评级体系调整，帮助制定产品促销规划。
三、金融行业
对于消费金融来说，家电、快消的案例也是适用的，尤其是精准营销、产品推荐等方面。这里主要分享征信风控方面的应用。显然，互联网金融如果对小额贷款都像银行一样做实地考察，并投入大量人力进行分析评判的话，成本是很高的，所以就有了基于大数据的批量的信用评分模型。最终目的也是实现企业画像和企业中的关键人物画像，再利用数据挖掘、数据建模的方法建立授信模型。宜信的宜人贷、芝麻信用等本质上就是这个架构。
在与金融客户的接触中发现，不论银行还是金融公司，对外部数据的需求都越发迫切，尤其是外部强特征数据，比如失信记录、第三方授权后的记录、网络行为等。
以上是小编为大家分享的关于企业大数据实战案例的相关内容，更多信息可以关注环球青藤分享更多干货
④ 大数据在企业中的应用
大数据在企业中的应用
2015年9月10日，首席数据官联盟成立仪式暨第一届首席数据官大会在北大召开，本次活动由中国新一代IT产业联盟和易观智库联合主办，中国新一代IT产业推进联盟技术分委会秘书长鲁四海发表演讲并参与对话讨论。本次对话环节由易观智慧院副院长葛涵涛主持，参与对话的嘉宾有北大电子政务研究院副院长杨明刚、壳牌中国CIO徐斌、华为大数据总监刘冬冬、北京瀚思安信科技有限公司联合创始人董昕。各位嘉宾从大数据在企业的应用、人才队伍建设等方面进行深入讨论，以下是对话实录：
葛涵涛：首先我想请大家做一下自我介绍。
刘冬冬：今年上半年开始代表华为做大数据生态圈的建设，我们这个生态圈是1+6的模式，华为提供公有云，大计算等服务，与数据挖掘，商业应用，数据可视化展示等合作伙伴，国内筛选200多家大数据公司，和比较核心的合作伙伴，开始了第一批，第二批，第三批的流程，第一批选择16家签约，第二批还有十几家，今年年底会完成初步50家的合作伙伴的合作。
徐斌：壳牌品牌是比较大的公司，壳牌中国业务比较大，壳牌中国在今年已经是121年了，1894年正式进入中国了，就没有离开。目前我们在中国的业务有上油的油气的开采，中油的炼化等业务。大数据在壳牌的应用历史比较悠久，我们开采油田的时候需要用海量的数据做分析，帮助我们在哪里打井更有效，如何保证制造环节更顺畅，更早的发现潜在的风险，这方面有比较多的应用。针对我们几百万的用户，也在做很多的和社交媒体的合作，掌握我们的客户，留住我们的客户，寻找新的商业机会。今天很高兴有机会和大家交流大数据，特别是我们传统行业如何使用大数据。
董昕：谢谢大家，我们是瀚思大数据安全，一个新的创业公司。大家想安全和大数据有什么关系？其实有非常深的关系，我们后面有机会再和大家讲。我们这个团队是2014年成立的，主要成员是来自于埃森哲、甲骨文等这些公司。我们致力于把大型企业云中心、互联网里面所有跟安全相关的，跟业务、应用安全相关的数据做统一大规模的存储、挖掘、学习和展现，帮助IT从业者，运维人员，甚至企业的领导层从数据终发现一些跟安全相关的东西。希望通过数据驱动整个行业，和整个企业实现由传统的基于防御的安全策略，转向主动智能的安全策略。我们成立一年多，我们公里56人，40多个人都是研发人员，数学科学家等跟数据相关的人员。非常高兴有机会和大家探讨比较新的行业。
杨明刚：非常感谢主办方的邀请，很多朋友可能了解电子政务，电子政务就是政府的信息化，还有所谓的智慧城市，还有数字城市。在过去一年多，一直做政府相关的信息化的应用，包括顶层设计。现在随着大数据概念的提出以后，应用和需求在过去一直存在，只是提升了一个水平。电子政务这块近两三年提上很重要的地位。电子商务对大数据的需求也是蛮多的，过去三四年，我们一直研究政务数据和商业大数据，非常高兴和大家探讨数据和首席数据官未来在整个企业决策和政策决策中的作用。
葛涵涛：我们的各位嘉宾对大数据，对数据资产进行了前期的描绘和支撑。我们都知道现在大数据产品和数据产品数据来源非常广，包括来自于智能设备，可穿戴设备，来自于金融，来自于终端设备。有了大量的数据，基于数据进行挖掘和分析，数据产品化以后，再将数据产品应用到业务中。但是这些数据产品安全性怎么样？针对数据安全和用户数据隐私与大数据是什么关系？
杨明刚：我先从价值方面跟大家分享一下。美国有一本书《数字化生存》目前这个社会，随着网络的发展，我们所有的网络，所也的社会的形态都可以用数据来表达，这个时候无论是政务数据，还是商业数据，还是个人数据都可以用来提供，或者给我们未来决策提供参考。无论是政府治理，还是企业的科学决策，或者个人未来合理的消费计划，都可以从数据中提取到相关的决策参考。所以这块，其实所有的数据，看似杂乱无章，各种非结构数据和结构化的数据，通过适当的方法处理，或者通过数学模型处理，能够给我们管理和决策带来新的支持或者更大的支持，这是我对整个目前数字这块所谓的资产，数据是可以增值的资产。
其实我们有了互联网以后，每个人在网络上，无论是购物，还是通过社交工具或者社会化媒体发表相关的看法或者思想等，我们在网络上留下了大量的数字的网络痕迹，其实提取这些痕迹，包括相关的特征，用一定的方法去分析，就可以找寻每个人或者相关的机构未来的表现。这个东西在这里面，有很多东西涉及到个人隐私，可能在这里买的房子，或者附近相关的消费，根据你的社会属性可以判断你未来的行为。从某种行为来说，会让我自己感觉很不舒服，但是这些信息是通过我们允许的放在网络上，只是相关的机构提取过来做一些加工，可能对个人的隐私或者个人尊严是一种挑战。随着国家立法的完善，我相信网络的隐私权保护会逐渐解决。
董昕：其实好恶夸张的说，我们在座的每一个人都不安全，在网络空间，无论是你产生的数据，还是你的痕迹，还是你的隐私，或多或少在自己的手机里，PC里，或者是服务器端，安全和隐私可能是永恒的话题，比较大，我就不展开讲了。从我们的角度来说，我们更关注的，从一个角度如何把核心的数据，核心的资产保值增值，安全隐私的问题。无论是大数据下面的数据隐私，数据安全，还是小数据的数据隐私和数据安全方法论是一样的。在管理制度上怎么进行保障？
过去谈论到数据安全，更多的时候是靠技术手段为主，所以才会出现各种各样的防火墙，加解密设备，数据防泄漏，防入侵。这些东西都有用，但是无法解决所有的问题。要不然也不会出现JP摩根信用卡数据泄漏等问题。我们需要拥抱新型的技术，新型的平台，通过技术本身解决安全问题。
另外一个国外很多报告中都写到了，设备本身控制数据资产不太现实，我假设所有的东西都是不安全的，把所有的东西都放一个安全体系，这是国际探讨的问题。我们怎么用新型技术保护数据安全，同时结合技术，如何使安全管理的流程和措施，能够在企业中获得更多的认识，从而解决这个问题。
葛涵涛：关于数据能力开放的问题，在之前大数据会议上，阿里集团代表上讲过，阿里的数据不开放，他们是不是有数据安全的考量。因为他们收购了高德等一系列的社交和位置的公司，掌握了用户全维度的数据，这是出于隐私保护，基于安全的数据开放，还是比较遥远的话题。刚才我们在CDO调研报告里面，在未来的数据业务和大数据技术方向上，在行业领域里面的发展是非常重要的，我想请刘冬冬和徐总分别谈谈，比如说大数据业务，还有数据资产等等相关的技术和服务，在你们相应的通讯和能源行业怎么与你们的业务结合落地的。
徐斌：像大数据的应用，在我们自己的传统行业会产生什么样的作用？我们自己内部把大数据的企业进行划分。从企业决策中大数据起了很多的作用，同行用爆破的方式采集信息，帮助我们判断出这个地方打一口井效率是不是高，因为每一口的井的成本是上百万的，提高10%的成功率是很可观的，这是决策支持。
第二个是运营优化，比如说油站地下油库存在非常大的隐患，汽油和柴油泄漏的时候，一对环境造成很大的风险，第二对地下水有影响，甚至产生爆炸。一旦发生这种情况，通过大数据技术能不能提前发现潜在的泄漏风险。通过对比站的分析，提前发现是否存在不适当的损耗的发生，从而发现风险。
第三个就是市场营销，在我们消费互联网层面谈了很多，我们怎么样找到客户的特性，延伸业务领域，包括业务合作。另外通过合作，找到我们潜在的客户。像今天的孙总，我们客户最典型的，对油品的质量要求比较高。我们从互联网找到这个维度，在电商上购买率很高的，经常谈到汽车的，这两个碰撞就能找到潜在客户。
第四个就是企业安全进行风险管控。能源行业是高危行业，包括油品配送过程中，配送的时候出现问题，可能出现爆炸的风险，包括成本的增加。因此我们在海外作业的时候，不能很好及时发现风险，可能造成重大的人身伤害，包括知识产权的保护，有跟多配方，这是很关键的，这个怎么防止黑客攻击。这个和董总有相关性，企业安全，人身的安全，包括信息安全。
第五是业务创新，第六是模式变革。这两个把我们传统的，我们通过卖汽油变成我们可能变成第三方汽车服务后市场。以后我们油品可能免费，免费的意义在于盈利模式通过后面衍生的新业务，就是羊毛出在猪身上狗来买单。这就是大数据在我们能源行业6方面的价值。
葛涵涛：我们原来做过石油远程管道安全监护。现在俄罗斯他们传输的油气管道，很多油气管道每隔多少公里就有检查油压、温度，还有油管表面的状况，加入了很多传感器，获取管道表面的数据，另外还有相应的机器人，会在轨道上定期巡逻，用光来检查表面的状况。将这些数据全部汇总在当地的数据中心，最后汇总到欧洲数据中心，如果正常就显示为绿色的。大数据帮助能源运输企业，在你发生问题之前就帮你预测问题即将在什么时间大概发生。在发生之前进行预警，我觉得这个也是大数据跟商业智能整合的非常好的一个案例。
徐斌：在我们石油行业，特别是化工行业，生产行业一旦有一些事故终止生产，想恢复是非常长的时间，一般是三个月，三个月损失多大。越早预测到危险，提前采取措施，效率是很明显的。
刘冬冬：我们通讯行业跟石油行业是很像的。我们华为也会装各种各样的传感器采集数据，知道什么地方有什么问题，然后解决问题。比如说一个大型会场，一个足球场，数万人，大家都在发微信，这个时候能不能发出去，信号如何？这是我们自身运营商的应用场景。衍生出来的应用场景，如果华为或者运营商更早的把大数据应用到企业的经营管理等等各个维度中去，就不会发生像上海那样的踩踏事件。当外滩单位面积内聚集的人口超过一定量以后就应该有一个预警，告诉相关的管理部门，公安也好，告诉相关的部门人说这个地方已经超多了，通过手机我们可以捕捉这个信息。我们在大数据行业刚刚起步，我相信将来所有的行业，都会面临变成以数据为驱动，或者以数据为核心驱动力的，而不是像以前以产品为驱动力，以渠道或者品牌为驱动力的。以数据为驱动力的话，这个问题是蛮大的，作为华为来说，现在从各个方面改为以数据为驱动力。从宏观来说，我们将要做什么，我们要做哪些产品，这些都可以通过数据给我们进行指导。
在大数据产品里面，哪些是最需要的，哪些是最急迫的，我们可以通过分析挖掘出来，这个可以指导我们企业将来做什么，不做什么。从很小的细节来说，华为2016年找谁做手机形象代言人，我们可以用大数据做。华为手机的粉丝超过100万。这些人共同关注的是谁，他们共同兴趣爱好是什么？他们每天什么时间上网，数据的统计就告诉我们了，不需要决策部门每天坐在一起拍脑袋决定是谁，不是谁。刚才说到数据安全问题，我认为数据安全和技术是矛和盾的问题。现在接受就可以了，当我们现在收到骚扰短信垃圾短信，为什么会收到，是因为他们掌握了我们手机信息。当企业掌握了很多的信息以后，这时候就造成可以满意度的问题，让数据决定数据安全，让市场决定技术到什么程度，自然会有优胜劣汰，服务好的企业就会持续发展，服务部好的企业就会死掉。
葛涵涛：我们对用户数据掌握的越来越多，我们对数据精准分析越来越多，我们传递出来的消息就是精准营销，传递的信息就是有用的信息，而不是垃圾信息。这实际上对我们大数据企业，对技术和算法提出了更高的要求。如何通过大数据分析方法寻找数据中隐藏的，还没有被发现的价值和知识。
杨明刚：其实所谓大数据，大价值，大数据应该不是大忽悠，我为什么这么说？因为我在过去一段时间，有一个地方政府，某一个行业部门在使用大数据，但是建完的大数据系统无法满足他们的业务需求。我们传统的大数据，一部分是对现有数据的发现，这就是数据检索，传统的数据方法就可以做到，对已知的东西，已知的问题，每个数据单元都是了解的，这时候无论是结构化数据，还是非结构化数据，我们可以带着问题找到蛛丝马迹，问题存在什么地方。另外一部分应该是预测的部分，就像海尔孙总谈到的问题，其实可以预测。业务管理专家和业务模型建构专家需要有一个紧密结合。大数据其实是一件奢侈品，对华为这样的产品，对我们海尔这样的企业，对壳牌这样的企业是可以投得起资金的，大数据是奢侈品，但是绝大部分的中小企业也需要科学决策，也需要了解市场需求，这时候面临很重要的选择，要面临高昂的成本建立系统，这是不可能的。但是绝大多数的大数据企业都需要高投资，中小企业怎么通过在数据时代不被淘汰，需要大数据解决方案提供商，或者需要大数据研究者提供一种更典范的，或者更普世的大数据解决方案，不是依托与传统的数据检索，或者传统的数据包装实现大数据的方案，而是需要跳出传统的大数据分析方法之外，能不能有另外一种更科学，更普世的方法，让我们很多中小企业都能享受到当今的大数据服务，需要我们在座的一起探讨。实际上个人也需要大数据服务。
葛涵涛：跟简单，更方便使用的大数据产品，方便企业减少这方面的预算，让更多的人使用大数据带来的便利。
杨明刚：中国的天气预报部门利用大数据是最好的，把过去一百多年的历史数据拿过来进行预报。真正的大数据是对未来可能的知识的发现，通过大数据发现潜在的数据之间的关联。
葛涵涛：实际上我们刚才提到了各个不同的行业和企业对大数据的应用，因为你在北大做了十年CIO方面的培养，你们对CDO这方面的人才培养有什么样的动作和支持。
鲁四海：我们也在探讨，刚才我们在PPT里面分享，首先为什么会有这样的角色存在，驱动力是什么？然后再说需要什么杨得技能？我觉得CDO有一部分的东西需要从课堂学习的，偏技术这块的，能涵盖技术和基础管理这块。CDO需要有一些经济学的基础在里面。大数据更大的是告诉我们未来是什么样，告诉我们一些未知的东西。不是提一个假设，拿数据进行分析证明这个假设是对的或者是错的，这个意义不大。真正的意义能够告诉你未来是这样的。我觉得CDO在培养过程当中，除了课堂学习以外，还要跟内部的业务部门进行内部的学习和交流。因为我们面临着未知的世界，更多的需要广阔的舞台，像CDO联盟一样，未来我们做一些交流性的东西，各个行业，不同行业的方式方法进行跨界整合，因为数据在这个时代就是跨界。
葛涵涛：下面我们请我们在座的各位嘉宾，用简单的一两句话展望一下大数据时代下，我们这些数据管理人才，CDO们如何在整个大数据背景下做好我们的工作，能在工作上出新出彩，在我们业务设计上有相应的业务创新。
鲁四海：应该说任何一个行业任何一个企业的数据都是资产，每个企业都将拥有将数据变成核心竞争力的能力，这个能力可能是自建也可以购买服务获得。
杨明刚：大数据应用成为未来决策的核心推动力，今天的大数据不能成为大忽悠。
董昕：我们谈了很多技术方面的话题，我觉得一个CDO第一应该有大数据的理念，未来主要的价值都是数据。另外一点，我们认为作为一个CDO，一定要跟我们业务相联系，懂我们的业务，知道我们的收入从哪里来，成本在哪里，效率从哪里提升，这样CDO才能落地。
徐斌：数据本身有没有价值，我个人认为数据是没有价值的，虽然我今天讲了很多大数据。只有当数据能帮助企业产生价值的时候才能成为有价值的资产。我经常说数据资产，每个公司都有大量的数据，他们不是资产，因为它没有用。数据只有成为有用的信息，成为知识，变成智慧，它才是真正的数据资产。不要神话大数据，大数据产生业务的价值，产生商业的价值才叫大。第二我们企业有CDO，或者有虚拟CDO职位，通过其他的CIO、CMO承担。最主要的是脚踏实地，循序渐进，如果你不把企业的数据用好，谈何大数据。如果企业没有从数据支持决策的文化，大家做任何事情不用客观数据帮我们做分析，给你再多的数据也没用。首先是企业文化。第二把现有的数据用好，然后循序渐进引用更多的数据做分析。通过数据发现未知东西，这是伪命题。因为你发现未知东西，因为你不知道，原因是什么。当形成智慧知道为什么会发生，这是我们追求的目的，只不过我们现在不知道，所以通过相关的分析找到了相关性，但是不知道原因。未来当我们有足够多的知识积累，我们就知道原因了。未知领域是大数据的使用阶段。
刘冬冬：大数据这块没有找到盈利模式，没有找到市场，推不动。现在大家找到了盈利模式才推下去了，这才是有用的，大数据有用才是硬道理。对于CDO来说，我认为跨界才是最重要的。不光要有知道企业内部的小数据，同时也要知道外部的数据如何和企业内部的数据相结合。比如说做销售的，系统能不能很快的告诉员工，这个公司销售额有多大的产能，以及其他合作公司等等的情况，有价值才是最重要的。
以上是小编为大家分享的关于大数据在企业中的应用的相关内容，更多信息可以关注环球青藤分享更多干货
⑤ 有哪些大数据分析案例
三个领域大数据应用案例分析
1、无人驾驶汽车。汽车非常昂贵，然而在欧洲，人们只有4%的时间在使用汽车，96%的时间把车停在停车场，这是非常不高效的系统。如果未来普及了无人驾驶的汽车，我们就可以过上另一种生活。
我们将只需要在手机上点一个按键，车就会自己开过来，把我们带去目的地。这种车就像没有驾驶员的出租车，可以被反复使用，效率和可持续性都得到了提升，也避免了资源浪费。
有研究发现，如果自动机动车得到普及，可以减少25%的交通拥堵，减少30%的城市停车场面积。如果北京减少30%的停车场需求，城市生活将大不一样。
2、医疗行业。我们的寿命现在都比较长了，但仍然希望能够更长。现在，我们的医疗水平并不是很好，由于我们忽视了每一个人的个体差异，医生会用通常的方法治疗每一个人。然而，基于大数据，我们可以做精确医疗，通过大数据分析每个人的差异，进行精确的治疗、剂量、用量，让患者更快恢复健康。
3、教育行业。我们要让下一代有能力了解这个世界。然而，因为没有数据，我们难以做到因材施教，所有孩子获得同样的教学，学习同样的书本。低效率的教学就是在浪费脑力、知识和我们解决问题的能力。
如果我们用大数据去分析孩子在发展学习能力时遇到的问题，就可以进行个性化的学习，就可以释放知识和理解力的力量，让每一个孩子充分开发潜能。
-
⑥ 大数据有哪些具体的应用案例_大数据应用的典型案例
大数据有具体的应用案例还是很多的，比如：
1、梅西百货的实时定价机制。根据需求和库存的情况，该公司基于SAS的系统对多达7300万种货品进行实时调价。
2.Tipp24AG针对欧洲博彩业构建的下注和预测平台。该公司用KXEN软件来分析数十亿计的交易以及客户的特性，然后通过预测模型对特定用户进行动态银颂的营销活动。这项举措减少了90%的预测模型构建时间。SAP公司正在试图收购KXEN。
3.沃尔玛的搜索。自行设计了最新的搜索引擎Polaris，利用语义数据进行文本分析、机器学习和同义词挖掘等。根据沃尔玛的说法，语义搜索技术的运用使得在线购物的完成率提升了10%到15%。“对沃尔玛来说，这就意味着数十亿美元的金额。”Laney说。
4.快餐业的培搏键视频分析。该公司通过视频分析等候队列的长度，然后自动变化电子菜单显示的内容。如果队列较长，则显示可以快速供给的食物;如果队列较短，则显示那些利润较高但准备时间相对长的食品。
5.Morton牛排店的品牌认知。当一位顾客开玩笑地通过推特向这家位于芝加哥的牛排连锁店订餐送到纽约Newark机场（他将在一天工作之后抵达该处）时，Morton就开始了自己的社交秀。首先，分析推特数据，发现该顾客是本店的常客，也是推特的常用者。根据客户以往的订单，推测出其所乘的航班，然后派出一位身着燕尾服的侍者为客户提供晚餐。
6.PredPolInc.。PredPol公司通过与洛杉矶和圣配巧克鲁斯的警方以及一群研究人员合作，基于地震预测算法的变体和犯罪数据来预测犯罪发生的几率，可以精确到500平方英尺的范围内。在洛杉矶运用该算法的地区，盗窃罪和暴力犯罪分布下降了33%和21%。
7.TescoPLC（特易购）和运营效率。这家超市连锁在其数据仓库中收集了700万部冰箱的数据。通过对这些数据的分析，进行更全面的监控并进行主动的维修以降低整体能耗。
8.AmericanExpress（美国运通，AmEx）和商业智能。以往，AmEx只能实现事后诸葛式的报告和滞后的预测。“传统的BI已经无法满足业务发展的需要。”Laney认为。于是，AmEx开始构建真正能够预测忠诚度的模型，基于历史交易数据，用115个变量来进行分析预测。该公司表示，对于澳大利亚将于之后四个月中流失的客户，已经能够识别出其中的24%。