bat互联网大数据应用

『壹』 阿里，腾讯和百度的互联网大数据应用有何不同

阿里，腾讯和网络的互联网大数据应用有何不同

网络、阿里巴巴和腾讯三大互联网企业都拥有大数据，三大互联网巨头的数据都用来优化自己业务的运营效果，从这个层面看，其数据价值应用场景比较类似。但由于其业务和商业模式的不同决定了三者数据资产的不同，也决定了三者未来大数据策略的不同，尤其是基于大数据的开放和合作角度看，网络和阿里巴巴相对更加开放。对于重视大数据开放和合作的互联网企业，他们最为期待的是借着大数据开放的策略，与更多的传统行业交换更多的数据，从而更好的丰富其在线下数据，形成线上和线下数据的协同，从中拓展新的商业模式，如智能硬件和大数据健康。

BAT的互联网大数据应用有何不同

从数据类型看，腾讯数据最为全面，这与其互联网业务全面相关，其最为突出的是社交数据和游戏数据，其中：社交数据最为核心的是关系链数据、用户间的互动数据、用户产生的文字、图片和视频内容；游戏数据主要包括大型网游数据、网页游戏数据和手机游戏数据，游戏数据中最为核心的是游戏的活跃行为数据和付费行为数据，腾讯的数据最大的特点是基于社交的各种用户行为和娱乐数据。阿里最为突出的是电商数据，尤其是用户在淘宝和天猫上的商品浏览、搜索、点击、收藏和购买等数据，其数据最大特点是从浏览到支付形成的用户漏斗式转化数据。网络的数据以用户搜索的关键词、爬虫抓取的网页、图片和视频数据为主，网络的数据特点是通过搜索关键词更直接反映用户兴趣和需求，网络的数据以非结构化数据更多。
网络、阿里巴巴和腾讯的数据应用场景
网络、阿里巴巴和腾讯的数据应用场景都有共同的体系，该体系一共分为七层，代表了企业不同层面的数据价值应用场景，形成了企业运营的数据价值金字塔：
（1）数据基础平台层。金字塔的最底层也是整个金字塔的基础层，如果基础层搭建不好，上面的应用层也很难在企业运营中发挥效果，这一层的技术目标是实现数据的有效存储、计算和质量管理；业务目标是把企业的所有用户（客户）数据用唯一的ID串起来，包括用户（客户）的画像（如性别、年龄等）、行为以及兴趣爱好等，以达到全面的了解用户（客户）的目的；
（2）业务运营监控层。这一层首要的是搭建业务运营的关键数据体系，在此基础上通过智能化模型开发出来的数据产品，监控关键数据的异动，通过各种分析模型等可以快速定位数据异动的原因，辅助运营决策；
（3）用户/客户体验优化层。这一层主要是通过数据来监控和优化用户/客户的体验问题。这里面既运用了结构化的数据来监控，也运用非结构化的数据（如文本）来监控体验的问题。前者更多的是应用各种用户（客户）体验监测的模型或者工具来实现，后者更多的是通过监测微博、论坛和企业内部的客户反馈系统的文本来发现负面的口碑，以及时的优化产品或服务；
（4）精细化运营和营销层。这一层主要通过数据驱动业务精细化运营和营销。主要可以分为四方面：第一，构建基于用户的数据提取和运营工具，以方便运营和营销人员通过人群定向把客户提取出来，从而对客户进行营销或运营活动；第二方面，通过数据挖掘的手段提升客户对活动的响应；第三，通过数据挖掘的手段进行客户生命周期管理；第四，主要是用个性化推荐算法基于用户不同的兴趣和需求推荐不同的商品或者产品，以实现推广资源效率和效果最大化，如淘宝商品的个性化推荐；
（5）数据对外服务和市场传播层面。数据对外服务一般为服务该互联网企业的客户或用户，如网络通过提供网络舆情、网络代言人、网络指数等服务其广告主客户；淘宝通过数据魔方、淘宝情报和在云端等产品服务其客户；腾讯通过腾讯分析和腾讯云分析等服务其开放商客户。在市场传播层面，主要通过有趣的数据信息图谱和数据可视化产品来实现（如淘宝指数、网络指数、网络春节迁徙地图）。
（6）经营分析层面。主要通过分析师对大数据进行统计，形成经验分析周报、月报和季度报告等，对用户经营情况和收入完成等情况进行分析，发现问题，优化经营策略。
（7）战略分析层面。这方面既要结合内部的大数据形成决策层的数据视图，也要结合外部数据尤其是各种竞争情报监控数据、国外趋势研究数据来辅助决策层进行战略分析。
虽然网络、阿里巴巴和腾讯在企业运营的数据价值的应用体系上有共同的特点，但由于企业的商业模式以及数据资产不同，他们在整体的大数据发展策略也有显著的不同。
网络大数据策略
网络大数据最重要的是来源是通过爬虫搜集的100多个国家的近万亿网页数据，数据量是在EB级的规模。网络的数据非常多样化，其收集的数据既有为非结构化的或者半结构化的数据，包括网页数据、视频和图片等数据，也有结构化的数据，如用户的点击行为数据，广告客户的付费行为数据等。
网络大数据主要服务三类人群：一类是互联网网民，通过大数据和自然语言处理技术让网民的搜索更加准确；第二类是广告主，通过大数据让广告主的广告和搜索关键词的匹配度更高，或者和网民正在看的网页内容匹配度更高；第三类是，也是在重点推进的网络大数据引擎，重点是服务传统行业拥有一定规模数据的企业。
网络大数据引擎代表了互联网企业数据服务能力开放和合作的趋势，网络大数据引擎由以下三方面构成：
开放云：网络的大规模分布式计算和超大规模存储云，开放云大数据开放的是基础设施和硬件能力。过去的网络云主要面向开发者，大数据引擎的开放云则是面向有大数据存储和处理需求的“大开发者”。据网络相关人员称，网络开放云还拥有CPU利用率高、弹性高、成本低等特点。网络是全球首家大规模商用ARM服务器的公司，而ARM架构的特征是能耗小和存储密度大，同时网络还是首家将GPU（图形处理器）应用在机器学习领域的公司，实现了能耗节省的目的。
数据工厂：数据工厂为网络将海量数据组织起来的软件能力，与数据库软件的作用类似，不同的是数据工厂是被用作处理TB级甚至更大的数据。网络数据工厂支持超大规模异构数据查询，支持SQL-like以及更复杂的查询语句，支持各种查询业务场景。同时网络数据工厂还将承载对于TB级别大表的并发查询和扫描，大查询、低并发时每秒可达百GB。
网络大脑：网络大脑将网络此前在人工智能方面的能力开放出来，主要是大规模机器学习能力和深度学习能力。此前它们被应用在语音、图像、文本识别，以及自然语言和语义理解方面，并通过网络Inside等平台开放给了智能硬件。现在这些能力将被用来对大数据进行智能化的分析、学习、处理、利用，并对外开放。
网络将基础设施能力、软件系统能力以及智能算法技术打包在一起，通过大数据引擎开放出来之后，拥有大数据的行业可以将自己的数据接入到这个引擎进行处理。从架构来看，企业或组织也可以只选择三件套中的一种来使用，例如数据存放在自己的云，但要运用网络大脑的一些智能算法或者数据存放在网络云，自己写算法。
网络大数据引擎的作用
我们可以从两方面来具体看网络大数据引擎的作用：
（1）对于 *** 机构：如交通部门有车联网、物联网、路网监控、船联网、码头车站监控等地方的大数据，如果这些数据与网络的搜索记录、全网数据、LBS数据结合，在利用网络大数据引擎的大数据能力，则可以实现智能路径规划和运力管理；卫生部门拥有流感法定报告数据、全国流感样病例哨点监测和病原学监测数据，如果和网络的搜索记录及全网数据结合，便可进行流感预测、疫苗接种指导。
（2）对于企业：很多企业也拥有海量大数据，不过很多企业的大数据处理和挖掘能力比较弱，如果应用网络大数据引擎，则可以对海量数据进行可靠低成本的存储，进行智能化的由浅入深的价值挖掘。如在2014年4月的网络技术开放日上，中国平安便介绍了如何利用网络的大数据能力加强消费者理解和预测，细分客户群制定个性化产品和营销方案。
阿里巴巴大数据策略
阿里巴巴大数据整体发展方向是以激活生产力为目的的DT(data technology，数据技术驱动)数据时代发展。阿里巴巴大数据未来将由“基于云计算的数据开放+大数据工具化应用”组成：
（1）基于云计算的数据开放。云计算使中小企业可以在阿里云上获得数据存储、数据处理服务，也可以构建自己的数据应用。云计算是数据开放的基础，云计算可以为全球的数据开发者提供数据工作平台，阿里分布式的存储平台和在这个平台上的算法工具，可以更好的为数据开发者所用；同时，阿里巴巴还需要做好数据的脱敏，把数据的商业定义，每个标签打得足够清晰，能够让全球的数据开发者在阿里巴巴平台展开数据思维，让数据为 *** 所用、消费者所用以及行业所用。阿里的大数据开放之后，线上线下的数据能够串联起来，所有人都是数据提供方，也是数据的使用者。
（2）在大数据应用上，马云已经在整个数据应用上确定了两个方针：
第一个方针：从IT到DT（数据技术），DT就是点燃整个数据和激发整个数据的力量，被管理所用，被社会所用，被销售所用，为制造业所用，为消费者信用所用。前文已经分析道，阿里巴巴的数据资产是以电商为主，其中，淘宝和天猫每天会产生丰富多样的数据，阿里巴巴已经沉淀了包括交易、金融、生活服务等多种类型的数据。这些数据能够帮助阿里巴巴进行数据化运营（如下图）。
另外一个其最为重要的应用是金融领域——小微金融。在小微金融企业融资领域。由于银行无法掌握小微企业真实的经营数据，不仅导致很多企业无法拿到贷款，还因为数据类型的不足导致整个判断流程过长，阿里已经通过其电商数据中的交易、信用、SNS等多种数据来决定是否可以发放贷款以及放贷的额度。
第二个方针：让阿里巴巴的数据、让阿里巴巴的工具能够成为中国商业的基础设施。阿里巴巴已经开始在转型，阿里将由自己直接面对消费者变成支持网商面对消费者，阿里会根据其已有的运营和数据经验，开发更多的工具，帮助网商成长，让网商们更懂得用最好的工具、服务去服务好消费者。正如马云所言“我相信没有一个网商不希望拥有自己的客户，没有一个网商不希望知道客户对自己的体验到底好还是坏，如何持久的拥有这些客户，我们觉得一个国家的经济，应该让给企业家群体去做，我们觉得淘宝网商未来的经济，是应该留给网商们去决定，而不是我们去做决定”。
腾讯大数据策略
腾讯的大数据目前更多的是为腾讯企业内部运营服务，相对于阿里和网络，数据开放程度并不高。因此，对于腾讯我们主要重点介绍腾讯大数据在服务企业内部的应用场景和服务。
腾讯90%以上的数据已经实现集中化管理，数据集中在数据平台部，有超过100多个产品的数据已经集中管理起来，而且是集中存储在腾讯自研数据仓库（TDW）。腾讯大数据从数据应用的不同环节可以分为四个层面，包括数据分析、数据挖掘、数据管理和数据可视化：
（1）数据分析层有四个产品：自助分析、用户画像、实时多维度分析和异动智能定位工具。自助分析可以帮助非技术人员通过简单的条件配置实现数据的统计和展示功能；用户画像则是对某一群用户或者某一业务的用户实现自动化的人群画像；实时多维度分析工具则是可以对某一指标可以实现实时的多个维度的切分，方便分析人员从不同角度对某一指标进行多维度分析；异动智能定位工具则实现数据异动问题的智能化定位。
（2）数据挖掘层面的产品应用有：精准广告系统、用户个性化推荐引擎和客户生命周期管理。精准广告系统如广点通，是基于腾讯大社交平台的海量数据为基础，通过精准推荐算法，以智能定向推广位导向实现广告精准投放；用户个性化推荐引擎根据每位用户的兴趣和喜好，通过个性化推荐算法（协同过滤、基于内容推荐、图算法、贝叶斯等），实现产品的个性化推荐需求；客户生命周期管理系统，则是基于大数据，根据用户/客户的所处的不同生命周期进行数据挖掘，建立预测、预警和用户特征模型，以根据用户/客户所处的不同生命周期特点进行精细化运营和营销。
（3）在数据管理层面则有：TDW（腾讯数据仓库）、TDBank（数据银行）、元数据管理平台和任务调度系统和数据监控。这一层面主要是实现数据的高效集中存储、数据的业务指标定义管理、数据质量管理、计算任务的及时调度和计算以及数据问题的监控和告警。
（4）在数据可视化层面有：自助报表工具、腾讯罗盘、腾讯分析和腾讯云分析等工具。自助报表工具可以自助化的实现结构相对简单和逻辑相对简单的报表。腾讯罗盘分为内部版和外部版，内部版则是服务于腾讯内部用户（产品经理、运营人员和技术人员等）的高效报表工具，外部版则是服务于腾讯合作伙伴如开发商的报表工具。腾讯分析是网站分析工具，帮助网站主进行网站的全方位分析。腾讯云分析则是帮助应用开发商决策和运营优化的分析工具。
总的来看，网络、阿里巴巴和腾讯三大互联网企业都拥有大数据，三大互联网巨头的数据都用来优化自己业务的运营效果，从这个层面看，其数据价值应用场景比较类似。但由于其业务和商业模式的不同决定了三者数据资产的不同，也决定了三者未来大数据策略的不同，尤其是基于大数据的开放和合作角度看，网络和阿里巴巴相对更加开放。对于重视大数据开放和合作的互联网企业，他们最为期待的是借着大数据开放的策略，与更多的传统行业交换更多的数据，从而更好的丰富其在线下数据，形成线上和线下数据的协同，从中拓展新的商业模式，如智能硬件和大数据健康。

bat的互联网大数据应用有何不同

这个得从BAT各自的基因来分析。网络主要是以搜索产品，所以大数据对于网络来说主要用于搜索方面，使搜索更加的精准和匹配；阿里巴巴以电子商务为主，所以大数据对于阿里巴巴来说会主要用户商品方面；腾讯主要是社交，所以大数据对于腾讯来说可能更多的应用于社会网络分析。大数据的主要用途为预测，所以BAT对于大数据的共同点都是为了通过对用户的分析，进行更加准确的服务和营销。

看网络，阿里与腾讯是如何利用互联网大数据应用

阿里有数据魔方，为卖家提供收费服务。

网络里，“互联网”和“所有空间”有何不同？

“互联网”
和
“所有空间”
互联网 就是指Inter上所有的信息
对网络来说
主要就是中文信息
所有空间
就是指网络中的所有用户
建了网络空间
（博客+相册+留言板）
显然搜索后者
是不包括网络空间 以外的博客的

如何获取并应用互联网大数据

大数据是大量、高速、多变的信息，它需要新型的处理方式去促成更强的决策能力、洞察力与最佳化处理。大数据为企业获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。
借助大数据及相关技术，我们可针对不同行为特征的客户进行针对性营销，甚至能从“将一个产品推荐给一些合适的客户”到“将一些合适的产品推荐给一个客户”，得以更聚焦客户，进行个性化精准营销。
大数据时代下的精准营销是指通过大数据获取对象的喜好，行为偏好，对不同对象进行不同营销。大数据精准营销的核心可以概括为几大关键词：用户、需求、识别、体验。
亿美软通推出数据云服务，延续亿美的客户服务、客户营销、客户管理的公司经营理念，通过庞大的消费数据资源，为客户提供数据验证，精准营销等数据级服务。简单说就是为企业提供数据验证和数据筛选业务。
-

互联网大数据培训应用前景如何?

不用担心，学好了就会有好的前景。｛变量9｝

大数据和小数据有何不同？

1.大数据重预测，小数据重解释；2.大数据重发现，而小数据重实证；3.大数据重相关，小数据重因果；4.大数据重全体，小数据重抽样；5.大数据重感知，小数据重精确。

企业数据中心和互联网数据中心有何不同

DCCI互联网数据中心（DCCI DATA CENTER OF CHINA INTERNET，简称DCCI），互联网监测研究权威机构&数据平台，互动营销之测量、分析、优化服务提供者。以Panel软件、代码嵌入、海量数据挖掘、语义信息处理等多种领先技术手段为基础，进行网站、用...

互联网数据中心：是idc 他是主要存放网络数据的（网站+数据+下载站点等）囊括比较广泛，任何的正规企业或者是中小型站长都是可以进行选择的。
企业数据中心：它的更加具有针对性，它可以隶属于互联网数据中心的一部分的。

『贰』 BAT抢滩大数据风控，为何瞄向了银行业

完成了对C端市场的瓜分之后，BAT等互联网巨头们还是瞄向了B端市场。
在2016年及之前，BAT、网易、京东等互联网巨头们已经在云计算、人工智能等领域推出了诸多针对企业级市场的服务，从如今的趋势来看，被畅谈许久的大数据或将是BAT们争夺的又一块价值洼地。
日前，网络云传出消息为民生银行提供信贷企业的风险管理和预警的云服务。在寻找大数据布局切口的问题上，风控和银行成为BAT们的共同选择。
风控是银行业的七寸，也是大数据的练武场
顾名思义，风控即风险控制，通过建模的方法对借款人进行风险控制和风险提示，消灭或减少风险事件发生的各种可能性，或减少风险事件发生时造成的损失。
现在的商业银行在本质上属于经营风险的特殊企业，通过承担风险，转化风险，并将风险植入金融产品和服务中再加工风险。在国内外商业银行的发展史中，因风险管理不当、资产质量低下而导致倒闭、被政府接管的不乏其例。如何有效的管理风险、规避风险成为商业银行生存与发展的灵魂。
银监会在去年7月份发布的《中国银行业信息科技“十三五”发展规划监管指导意见》成为大数据风控加速落地的催化剂，比如说在服务和应用层面强调基于大数据的营销、风控应用的推广。
动作敏锐的互联网金融早早完成了大数据风控的布局，看起来有些传统的银行业在节奏上似乎有些迟缓。
对于线上的纯数据和信用类贷款平台而言，引入大数据风控产品并没有太多门槛。对于商业银行却不然，尤其是中小银行，对大数据风控技术的应用尚不成熟，其风控模式更多关注的是静态的风险预判，这和中小银行科技水平和风控能力相对较低、数据信息的数量和质量存在缺陷等不无关系。
一般来说，大数据风控有着三个核心要素，即风控模型、场景和资金。商业银行仍然拥有着低成本资金优势，在线下场景也有着长期客户积累，大数据和海量风控因子恰恰是很多商业银行所欠缺的。
反观BAT等互联网巨头，在海量数据、金融云、用户画像、信用体系等方面有着先天的优势，特别是在银行逐渐实现业务电子化、金融监管收紧的情况下，BAT与商业银行在大数据风控方面的合作似乎是水到渠成的。
背靠大数据金库的BAT，如何开局？
BAT在大数据风控方面有着相似的逻辑，依靠自身积累的大数据体系，利用技术打造风控能力，再将这种能力开放给银行等金融客户。
以网络云和民生银行合作的风险预警项目为例，依靠网络云的大数据收集、分析和计算建模能力，为民生银行提供海量非结构化数据的加工处理，和目标企业进行关联，并借助风险识别模型判断产生风险信号，再通过网络云bos服务和API对接银行内部业务，以实现对授信企业的风险监测。其中涉及了网络云在大数据方面的三层应用：
数据挖掘：作为国内最大的搜索引擎，网络拥有大量的公共数据和需求数据，且在样本数据的复杂性、广度、多样性等方面占据优势。尤其在金融领域的数据涵盖了支付、贷款、理财、保险、证券、银行、征信、基金、众筹等各个领域。而银行不良贷款率的增加和信息的不对称有很大的关系，网络在数据层面较于银行自身的积累有着不可比拟的优势。举个例子来说，通过网络的大数据可以对银行的借贷用户进行全方位的追踪，包括搜索习惯、交易信息、个人信用、地理位置等等，将风险控制到最低。
数据处理：网络云推出了“天算”平台，基于网络的大数据和人工智能技术，为企业提供从数据收集、存储、处理分析到应用场景的一站式服务。比如针对金融风控行业的特点,“天算”制定了相应的解决方案,通过网络搜索、地图、社交、交易、政府等各类数据的收集,以人工智能技术、深度学习技术、大数据能力为支撑,实现了对各类金融客户深度场景的定制,如购车贷款、企业贷款、教育贷款、家装贷款等,为金融机构提供安全高效的风控服务。此外网络云BOS提供的云存储服务，实现了银行内部数据和外部大数据的打通。
风控模型：相比于市场上很多纸上谈兵的风控模型，网络的优势在于搭建了已经应用于实战的风控模型，具体体现在网络金融的主动预警捕捉高危行为。网络金融打通了“人+手机+设备+IP”等关联纬度，基于全网行为进行监测，捕捉高危行为特征，在贷前准入方面就开始排查风险，进行反欺诈识别，生产黑名单，对借款人的行为进行预测。并在贷款后对借款人贷后行为进行跟踪和监测，只要触发预警规则，也会激发提醒。由此可以看出，为网络金融提供技术能力和风控能力的网络云，在风控模型上的能力不可小觑。
与此同时，阿里和腾讯也打起了大数据风控的主意，典型的就是蚂蚁金服、微众银行等也在试图对外进行技术开放。但网络的做法给行业带来了新的启示，以云服务的姿态进行大数据能力的输出，和第三方平台纯粹的大数据风控体系相比，云计算、人工智能、大数据结合的服务模式无疑更具备优势。
从大数据农民到大数据商人
觊觎银行业的不只有BAT，还有形形色色的创业者，毕竟百万亿规模的银行业是一个不可多得的蛋糕。不过，民生银行作为股份制银行将云服务应用到贷后管理和信贷决策领域，却给行业带来了更多值得解读的信号。从云服务的角度来讲，金融云在安全层面又一次刷新了历史，但从大数据的角度来看，BAT正从自给自足的“农民”转型成为大数据“商人”。
其实从2014年开始，BAT就开始加速大数据的应用，比如腾讯的社交大数据、阿里的电商大数据以及网络的搜索数据。不过这个阶段，BAT扮演更多的是大数据“农民”的角色，阿里应用大数据进行用户画像主要在电商层面，网络用大数据来改善广告和营销效果，腾讯用大数据来改善运营等等。云服务的大规模应用为大数据的开放提供了良好的“媒介”，BAT也开始进行角色转变。
但在当前的大数据格局中，除了政府所掌握的数据，BAT等互联网巨头成为大数据资源的垄断者之一。可即便如此，数据孤岛仍是围困BAT在大数据方面想象力的重要原因，正如阿里对于社交数据的缺失，腾讯在生活场景数据方面的不足。同样的困局还存在于银行业，目前央行个人征信记录覆盖率仅为35%，这一数字在某种程度上甚至不及BAT所搭建的信用体系和风控模型，尤其体现在数据的维度上。从这个角度或许也能够解释，为何BAT把大数据风控的潜在客户指向了银行业。
大数据应用的云服务化或是结束数据割裂最行之有效的方式，比如说网络云和民生银行的合作方式在服务的标准化和可复制方面并没有太大的门槛，这就意味着未来将适用于更多的企业，而作为云服务的供应方也将从更多维度获取到数据。
数据显示，目前国内大数据的市场份额已经达到了1000亿人民币，预测到2025年中国的大数据产业会是一万亿元的规模，有着近十倍的增长。数据的流通势必将以指数级的形式加速大数据产业的发展，但在诱人的前景背后也面临着标准化、规范化、安全性、公平性等一系列亟待解决的问题。
结语
30多年前，世界著名未来学家阿尔文·托夫勒就在《第三次浪潮》一书中预言，大数据极有可能是继农业革命和工业革命后的“第三次浪潮”。或许其中的过程有些曲折，从银行业和大数据风控身上，我们看到了未来的希望。
Alter，互联网观察者，长期致力于对智能硬件、云计算、VR等行业的观察研究。

『叁』 大数据在O2O领域的应用

大数据在O2O领域的应用
在O2O领域，各个移动互联网应用无时无刻不在生产数据，而数据分别存储在各家公司或应用的数据库服务器中，在大数据背景下，单打独斗已无法胜任深度的数据分析与挖掘，传统企业需要的是基于大数据的智能优化与辅助决策。
网络昨天被推出了以开放云、数据工厂、网络大脑三者为核心的大数据引擎，这是个非常有趣的事情。尽管对于网络这个肉山大魔王，我们总是明里暗里的黑，但不得不说这个引擎的推出是有增加全社会福利的潜质。
对于大数据这个概念，这两年挺火的。但在我看来，真正能够应用到大数据的也就BAT三家，原因自然是因为他们都有着恐怖的流量作为支撑。而通常情况下样本数越大，误差也就越小。不过这种基础的常识显然还不够普及，所以有无数的公司还能以大数据为概念去忽悠人，在此也就不过于多说。
那么大数据引擎的意义在哪里呢？
主要体现在三个方面：
一，能够更好的优化公共基础设施
互联网改造传统行业的论调一直在说，但真正的到了移动互联网时代才能够真正的说有一定意义。原因在于，原本的网络是固定的，顶多能够通过一个地区对于一个关键词的搜索量是否快速的提高，来预测这个地区发生了什么事情。进而做出一些相应的措施，可是这样的维度是很单一的。
但是现在却可以通过定位技术获得个人的地理位置，这就大大的扩展了信息的维度。一方面能够扩展了预测的精准度。另一方面也能够扩展出一些其他的服务。比如在春运期间网络推出的迁徙图。就可以用于来年交通工具的优化分配。又比如说，中国疾病预防控制中心也能通过多维度的数据分析，来预测流行性疾病的发生。
这对于公共的基础设施建设显然是有着促进的作用，同时对于城市的管理者，对于整个城市的居民而言，其也有了更多的数据去支撑其决策，支撑其用更科学的方法去改善城市的周边环境。
二，降低开发者对于大数据的应用
正像之前所说的，个人一直认为只有BAT三家才有做大数据的实力。那么对于普通的企业或者是创业者来说，其只能通过付费或者是投靠这三家来获得相应的数据支持。但是对于个人来说其几乎是没有任何的办法去参与其中的。不过网络此次对数据分析方法、数据模型的开发（虽然是通过邀请制），使得个人能够参与到其中。
这让更多人能够免费的享受到大数据带来的福利，一定程度的降低了创业者或者是个人的开发成本。这对于未来以个人为核心的产品制造产业会有非常大的促进作用。只不过根据历史来看，免费的持续时间或许不会特别的长。
三，机器大脑带来的技术革新潜力
对于机器大脑的说法目前还比较的遥远。目前网络的网络大脑项目也只能模拟二、三岁的儿童。但随着技术的不断积累。会有量变达到质变的效果。举个简单的例子，目前国内外的整体语音搜索识别率在70%左右，在数字上虽然看起来很高，但在实际使用中会让用户有很深的挫败感，所以目前语音搜索的使用率还比较低（除去查人名时，因为词组、名字的识别率已经达到98%左右）。但是当语音搜索的准确度能够达到99%甚至百分之100%时，那时候对于搜索产业显然会有革命性的改变。
因此来说，网络此次对于大数据引擎的开放，对于公共基础设施的建设（改造传统产业），对于降低个人开发者的开发成本，以及未来可现象技术革新方面，都是有着特殊的意义。

『肆』 万亿风口！BAT争夺产业互联网，赋能数字化转型

文／杨剑勇

以NB-IoT和LoRa为核心的低功耗广域网无线连接规模日益扩大，且5G也开启冲刺阶段，大连接将掀起新一轮信息 科技 变革，一个万物互联的时代伴随通信技术发展即将到来，只是，万物互联最终透过云端实现跨行业和跨设备互联互通，各种设备所收集到的数据经过“云”上处理，并利用这些数据将会催生众多新商业模式。

万物互联在于通信技术发展，而万物智能在于数据处理，使得各种设备具有感知能力，云端作为数据集散中心，并利用AI技术，使得万物智能得以实现。

物联网核心在于数据的收集和处理，数以万亿计的传感器被嵌入到各个角落，所收集数据经AI技术进行智能分析，正是这个小小传感器，则驱动着 社会 数字化变革，企业有能力获取无限数据，并从中洞察实现快速创新，驱动产业转型升级，基于海量数据，地区甚至可以洞悉未来商业经济。

各种智能设备和传感器联网后，所产生数据并将厘清，挖掘其价值，从而激发物联网潜力。而云服务商则打通了云、端、边，并通过AI能力助力物联网应用落地，至此，各巨头积极布局，不仅有亚马逊、微软和谷歌等国际巨头，包括BAT今年纷纷调整战略，提升云服务战略，向物联网延伸，以此抢夺这条全新赛道。

在此之前，物联网并没有得到大规模部署，物联网高级顾问杨剑勇支持，受制于传感器的部署，跨品牌、跨平台和跨设备之间互通限制，以及物联网设备碎片化等诸多因素，但一线 科技 巨头进入，并伴随传感器部署规模日益扩大，以及无线通信技术迅猛发展，经过云端把人、机器和数据连接起来，且能为物联网所产生的海量数据提供强大的计算处理的平台，是物联网发展关键所在。

至此，巨头的云服务面向各行业物联网云平台应运而生，继而激活数据价值，以丰富的应用来抢夺主导权，对于他们来说，丰富的物联网应用是争夺市场核心，在其平台比拼的是应用能力，覆盖工业、交通、教育和金融等丰富的应用，这将是争夺物联网这一张船票的核心。

物联网不断推进和部署规模日益扩大，数以百亿设备接入网络，其经济价值超10万亿美元，各种设备利用传感器收集数据，一部分在边缘侧处理，并结合云端大脑，使得设备具有感知能力，仅在工业互联网领域就能激发高达7000亿市场规模。制造业在部署各种传感器后，与云平台结合，并利用人工智能技术对数据分析，赋予工业企业依据数据具有洞察力，把制造业推向数字制造转型。

（一）微软

GE在微软Azure云平台上标准化其Predix解决方案，将Predix产品组合与Azure的本地云功能，包括Azure物联网和Azure数据与分析，进行深度整合。在农业应用方向，布勒集团作为一家食品加工系统企业，将人工智能、智能云以及物联网技术相结合，提高玉米产量，同时最大限度地减少谷物地毒害污染。

微软以云、边缘智能和人工智能构件生态，并已经广泛应用智能硬件和工业制造等各行各业，Azure IoT等服务帮助制造商实施工业4.0，包括ABB和西门子等工业巨擘都在利用微软Azure开发自己的物联网平台。

（二）腾讯

腾讯云和三一重工打造的工业数据根云平台，三一重工连接了全区超过30万台重型机械设备，能够实时采集近1万个运行参数，共积累1000多亿条工程机械工业大数据，实现了全球范围内工程设备2小时到场，24小时内完工的服务承诺，大大提升了运营的效率，堪称工业智慧生态中的典范。

腾讯云在华星光电应用场景中，通过物联网平台采集数据，利用腾讯优图AI图像检测技术，系统可以7*24小时颤渗不间断进行质检工作，准确率达到了90%以上，远远超过人的水平，整个生产周期缩短了近40%。

产业互联网最初的营收机会还是来自云业务，腾讯的云服务增长非常快，市场份额一直不断提高，并强调，云业务的本质决茄桐脊定了需要大量的投入，包括数据中心和服务器方面的支出，这样才有来自云服务的经常性收入。这是腾讯总裁刘炽平在此前第三季度季报后高管电话电话会议上的讲话。

特别今年新成立云与智慧产业事业群后，腾讯积极拥抱产业互联网，通过整合自身技术和生态资源，腾讯云正构筑全链路的开发者服务体系，帮助人工智能、轮漏物联网、小程序、云原生领域开发者快速成长，并促进各行业与互联网深度融合，助推产业互联网升级。

（三）网络

网络以ABC＋IoT＋智能边缘促进物联网在各垂直领域展开大规模应用，网络云质检云解决方案帮助宝钢建立从连接采集、存储计算到理解决策的感知认知平台，并展示了钢包内衬熔损识别的应用。还有宝钢技术和网络共同打造“智能钢包”应用，通过为钢包部署传感器，实时监控钢包状态，并结合ABC能力打造智能调度的钢包管理系统，降低50%钢包烘烤能耗，平均降低出钢温度10℃，可以节约能源成本70亿元，大约可以节约150亿元。

网络在物联网应用中能大放异彩，得益于2010年开始积极 探索 发展AI技术，应用开始在多个领域开花结果，并以网络云为平台把AI能力分享给 社会 ，从农业到工业，从家庭到 汽车 ，以及翻译、图像识别和信息流等产品和服务，网络AI商业落地走在行业前列。在网络看来，人工智能将推动全 社会 新一轮产业变革，“云”巅之上的企业正向着智能化、AI化升级。

（四）阿里

阿里云在制造业也有不少案例，通过云＋AI+IoT能力先后为协鑫集成、天合光能和徐工集团等大型制造企业提供服务。基于阿里云可以轻松安全地将设备连接至云，从边缘设备到云端，从各种设备上收集数据、分析数据，帮助制造业提高运营效率，如协鑫光伏切片生产车间，生产良品率已经提升1个百分点，每年可节省上亿元的生产成本。

全球工业4.0和智能制造如火如荼进行中，这制造业升级大趋势下，越来越多的制造商开始评估并加大部署物联网，不仅西门子和通用电气等工业巨擘，包括 科技 企业也积极涌入，出击这个新风口，纷纷推出打通数据的工业互联网云平台，透过云端连接设备、服务和数据，并经AI技术处理，可以实时监测工厂运转状态，自主检测生产线上机械异常，以数字化来提升工厂生产率和产品合格率，推动制造业向数字化转型。

作者系物联网高级顾问杨剑勇，网易最佳签约作者，致力于深度解读IoT和AI等前沿 科技 ，基于对未来物联网洞察和对趋势判断，其观点被众多权威媒体和知名企业引用。

『伍』 BAT三巨头开始挖掘大数据

BAT三巨头开始挖掘大数据
阿里巴巴CTO即阿里云负责人王坚博士说过一句话：云计算和大数据，你们都理解错了。
实际上，对于大数据究竟是什么业界并无共识。大数据并不是什么新鲜事物。信息革命带来的除了信息的更高效地生产、流通和消费外，还带来数据的爆炸式增长。“引爆点”到来之后，人们发现原有的零散的对数据的利用造成了巨大的浪费。移动互联网浪潮下，数据产生速度前所未有地加快。人类达成共识开始系统性地对数据进行挖掘。这是大数据的初心。数据积累的同时，数据挖掘需要的计算理论、实时的数据收集和流通通道、数据挖掘过程需要使用的软硬件环境都在成熟。
概念、模式、理论很重要，但在最具实干精神的互联网领域，行动才是最好的答案。国内互联网三巨头BAT坐拥数据金矿，已陆续踏上了大数据掘金之路。
BAT都是大矿主，但矿山性质不同
数据如同蕴藏能量的煤矿。煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似，大数据并不在“大”，而在于“有用”。价值含量、挖掘成本比数量更为重要。
网络拥有两种类型的大数据：用户搜索表征的需求数据;爬虫和阿拉丁获取的公共web数据。
阿里巴巴拥有交易数据和信用数据。这两种数据更容易变现，挖掘出商业价值。除此之外阿里巴巴还通过投资等方式掌握了部分社交数据、移动数据。如微博和高德。
腾讯拥有用户关系数据和基于此产生的社交数据。这些数据可以分析人们的生活和行为,从里面挖掘出政治、社会、文化、商业、健康等领域的信息，甚至预测未来。
下面，就将三家公司的情况一一扫描与分析。
一、网络：含着数据出生且拥有挖掘技术，研究和实用结合
搜索巨头网络围绕数据而生。它对网页数据的爬取、网页内容的组织和解析，通过语义分析对搜索需求的精准理解进而从海量数据中找准结果，以及精准的搜索引擎关键字广告，实质上就是一个数据的获取、组织、分析和挖掘的过程。
除了网页外，网络还通过阿拉丁计划吸收第三方数据，通过业务手段与药监局等部门合作拿到封闭的数据。但是，尽管网络拥有核心技术和数据矿山，却还没有发挥出最大潜力。网络指数、网络统计等产品算是对数据挖掘的一些初级应用，与Google相比，网络在社交数据、实时数据的收集和由数据流通到数据挖掘转换上有很大潜力，还有很多事情要做。
2月底在北京出差时，写了一篇《搜索引擎的大数据时代》发在虎嗅。创造了零回复的记录。尽管如此，仍然没有打消我对搜索引擎在大数据时代深层次变革的思考。 搜索引擎在大数据时代面临的挑战有：更多的暗网数据;更多的WEB化但是没有结构化的数据;更多的WEB化、结构化但是封闭的数据。这几个挑战使得数据正在远离传统搜索引擎。不过，搜索引擎在大数据上毕竟具备技术沉淀以及优势。
接下来，网络会向企业提供更多的数据和数据服务。前期网络与宝洁、平安等公司合作，为其提供消费者行为分析和挖掘服务，通过数据结论指导企业推出产品，是一种典型的基于大数据的C2B模式。与此类似的还有Netflix的《纸牌屋》美剧，该剧的男主角凯文·史派西和导演大卫·芬奇都是通过对网络数据挖掘之后，根据受欢迎情况选中的。
网络还会利用大数据完成移动互联网进化。核心攻关技术便是深度学习。基于大数据的机器学习将改善多媒体搜索效果和智能搜索，如语音搜索、视觉搜索和自然语言搜索。这将催生移动互联网的革命性产品的出现。尽管网络已经出发，其在大数据上可做的事情还有很多。
在数据收集方面，网络需要聚合更多高价值的交易、社交和实时数据。例如加强自己贴吧知道的社交能力、尽快让地图服务与O2O结合进而掌握交易数据，以及推进移动App、穿戴式设备等数据收集系统。
在数据处理技术上，网络成立深度学习研究院加强自己在人工智能领域的探索，在多媒体和中文自然语言处理领域已经有一些进展;云存储、云计算的基础设施建设也在逐步完善。但深度学习仍然是一个巨大的挑战，网络等探索者还有很多待解问题，如：无监督式学习、立体图像识别。
在数据变现方面，网络需将数据挖掘能力、数据内容聚合和提取等形成标准化的服务和产品，进而开拓大数据领域的企业和开发者市场。而不仅仅是颇为个性化、定制化地为大型企业提供解决。
网络的优势体现在海量的数据、沉淀十多年的用户行为数据、自然语言处理能力和深度学习领域的前沿研究。在技术人才方面网络是聚集国内最多大数据相关领域顶尖人才的公司。听说网络前段时间花五千万挖了数据挖掘、自然语言处理、深度学习领域的十来位大牛，包括一些学者和教授。例如Facebook科学家徐伟。
在挖人上，舍得花钱不够，还得用心。对于真正的大牛来说，钱只是一个影响因素。能否实现自己的梦想，公司的资源能否帮助自己的研究至关重要。徐伟在回国前就曾问过其他从硅谷回国工程师的意见，得到答案是积极的，最终促成他作出决定。
总体来看，网络拥有大数据也具备大数据挖掘的能力，并且正在进行积极地准备和探索。在加强面向未来的研究和人才布局的同时，也注重实用性的技术产出。
二、腾讯：数据为产品所用，自产自销
微创新提出者金错刀有个关于腾讯的故事。 1999年腾讯公司刚刚成立不久，天使投资人刘晓松决定向其注资的一个主要原因就是因为他发现，“当时虽然他们的公司还很小,但已经有用户运营的理念,后台对于用户的每一个动作都有记录和分析。”而另一个投资人却因为马化腾在公司很小时就花钱在数据上表示不满。此后腾讯的产品生产及运营、腾讯游戏的崛起都离不开对数据的重视。
腾讯拥有社交大数据，在企鹅帝国完成数据的制造、流通、消费和挖掘。 腾讯大数据目前释放价值更多是改进产品。据腾讯Q1财报，增值服务占总收入的78.7%;电子商务业务占14.1%;网络广告收入占6.3%。从广告收入比例可以看出腾讯的大数据在精准营销领域暂时还未大量释放出价值。与其产品线对应的GMAIL、Google+的Google以及社交巨头Facebook则通过广告赚得盆满钵满。
在笔者看来，腾讯的思路主要是补齐产品，注重QZONE、微信、电商等产品的后端数据打通。例如最近腾讯微博利用“大数据技术”实现好友关系自动分组、低质量信息自动过滤、优质信息分类阅读等智能化功能。明显的用数据改进产品的思路。 那么如果腾讯要深入大数据挖掘缺少什么呢?笔者认为其只需马化腾“摁下启动按钮”。数据已经准备好了，就差模式，也就是找到需求或者能更深层次驱动大数据利用的产品，而不是用大数据改进自己的产品。腾讯还在观望，等其他人去试错验证出一套模式或者产品后，自己可以“站在巨人肩上”。这是腾讯的典型思维。
在人才方面，腾讯很早便开始重金挖人。尤其是2010年在Google宣布退出中国后，Google图片搜索创始人朱会灿、Google中国工程研究院副院长颜伟鹏、Google中日韩文搜索算法的主要设计者，《浪潮之巅》及《数学之美》作者吴军相继加入腾讯。搜搜花了很多钱，但被认定为一款无法承载腾讯重托的产品，最后这些大牛都走了。大都回Google了。
腾讯在大数据领域也缺少技术带头人。其对公关也不重视。技术大牛很少出来做报告，更不会向网络、阿里那样主动包装宣传技术大牛。其技术虽然低调，但执行力很强。据腾讯的程序员朋友说封闭开发、集体加班是常有的事情。但配套的重金激励也能跟上。重金之下必有勇夫、腾讯用制度保障技术产出。另外腾讯在高校合作领先一步，在2010年便与清华大学合作成立了清华腾讯联合实验室。这么看腾讯的技术人才这块似乎有短板。会不会到时候马化腾按下启动按钮，发现没数据挖掘能力呢?不会，腾讯搞不定数据挖掘，到时候依然可以挖到大牛，甚至读论文来搞定这事儿。数据挖掘已较为成熟。数据挖掘实际是数据库、统计学、机器学习三个领域的融合。在学术界已经发展多年。不过自然语言识别和深度学习等方面要赶上网络，就难了。除非将网络的数据和众大牛一起倒腾过来。
总体来看，腾讯目前的大数据策略是先将产品补全，产品后台数据打通，形成稳定生态圈。本阶段先利用大数据挖掘改进自己的产品。后期有成熟的模式合适的产品，则利用自家的社交及关系数据时，开展对大数据的进一步挖掘。
三、阿里巴巴：坐拥金数据，尝试做面向未来的数据集市
阿里巴巴B2B出身，在外贸蓬勃的大环境下，依靠服务中小企业发家。淘宝、支付宝等toC的产品出生前，阿里并不依赖也不擅长技术。业界普遍认为阿里没有技术基因。直到淘宝、支付宝以及天猫三个产品后，对海量用户大并发量交易、海量货架数据的管理、安全性等方面的严苛要求，阿里完成进化，在电商技术上取得不菲的成绩。在一段时期阿里仍然浪费了手里掌握的大量数据。这些数据还是“最值钱”的金数据。
数据挖掘无非是从原始数据提取价值。阿里现有的数据产品例如数据魔方、量词统计、推荐系统、排行榜以及时光倒流相对来说是比较简单的BI(商业智能)，没到大数据的阶段。“大数据”浪潮袭来，阿里提出“数据、金融和平台”战略。前所未有地重视起对数据的收集、挖掘和共享。马云在“退居”前动不动都对外提“数据”。有位阿里朋友甚至开玩笑说，马云英文名可以从Jack Ma改为Data Ma。阿里现CEO陆兆禧曾做过CDO，首席数据官。为了用数据来驱动阿里电商帝国，阿里还成立了横跨各大事业部的“数据委员会”。
阿里的各项投资案也显示其整合、利用和完善数据的野心：新浪微博的社交及媒体数据、高德的地图数据和线下数据以及友盟的移动应用数据，都是其数据及平台战略的一部分。数据战略正在首席人工智能官(CBO)车品觉领头下逐步落地，王坚的云为其提供基础设施、基础技术支撑。
就在马云退休之后，王坚对外透露其跟马云开玩笑说的一句话：阿里巴巴对数据的理解深度，不会超过苏宁对电子商务的理解。估计马云不一定认同他这话。马云对大数据已经有着自己的理解和考量。马云曾经说过其对大数据的思考。大致意思是：现在从信息时代进入数据时代了。区别是信息时代更多的是精英玩的游戏。我比别人聪明，我能提取出信息出来;数据时代，别人比我聪明，将数据开放给更聪明的人处理，数据即资产，分析即服务。
计算机发展的过程是从象牙塔、到平民到草根。大数据也是这样，一开始在象牙塔阶段，少数精英公司才能玩;但到后面只要有数据就有价值。数据也有所有权，产生数据、流通数据、挖掘数据的都会获得相应的价值。而阿里擅长的便是“建立市场”，建立一个数据交易市场。届时任何个人和企业都可以将数据和挖掘服务拿上去，交易。初期阿里会将自己珍藏的电商和信用数据逐步放到上面。 有数据的人，拿上去卖，或者让别人分析，分析即服务。没有数据的人，即可以去买，也可以去帮别人挖掘，做矿工。
阿里并不是技术驱动，而是业务驱动的。因此在技术层面我们看到，基于前面提到的阿里大数据思路，其技术重心主要在系统层面。阿里拥有LVS(Linux Virtual Server，Linux虚拟服务器)开源软件创始人章文嵩，Linux Kernal、文件系统、大牛DBA等领域的大牛。从人才布局可以看到阿里擅长的技术领域，体现在对于并发访问、电信级别的电商业务的支撑方面的得心应手。在去年双十一期间，支撑了单日过亿的订单量。铁道部奇葩网12306在日均40万时已经不行了。
总体来看，阿里更多是在搭建数据的流通、收集和分享的底层架构。自己并不擅长似乎也不会着重来做数据挖掘的活儿。而是将自己擅长的“交易”生意扩展到数据。让天下没有难做的“数据生意”。
总结一下
移动互联网浪潮下，现实世界正在加速数字化，每个人，每个物体、每件事情、每一个时间节点，都在向网上映射。空间和时间两个维度的联网，使得数字世界正在接近一步步模拟现实世界。历史、现在和未来都会映射到网上。对大数据的挖掘正是对世界的二次发现和感知。BAT三巨头已经出发。

『陆』 BAT的金融大数据到底是如何运作的

1、大数据征信：在个人征信领域，目前是金融行业面临的最大问题。基于用户在互联网上的消费行为、社交行为、搜索行为等产生的海量数据，其价值并未被充分挖掘，个人征信在大数据的采集和信息挖掘上面仍有很大的想象空间。阿里的芝麻信用在其中算是最会玩的。芝麻信用几乎打通了用户的身份特质，行为偏好，人脉关系，信用历史，履约能力等各类信息。这恰恰是因为接入了电商、支付、社交等各类数据维度。

2、大数据风控：大数据风控目前应该是前沿技术在金融领域的最成熟应用，相对于智能投顾、区块链等还在初期的金融科技应用，大数据风控目前已经在业界逐步普及。目前，美国基本上都用三大征信局的信息，最传统的评分基本上都是用FICO来做的。各家平台会尝试着用机器学习、神经网络等大数据处理方法。

国内市场对于大数据风控的尝试还是比较积极。特别是大公司，可以将移动互联网的行为和贷款申请人联系到一起展开大数据风控。网络在风控层面上的进展还是比较突出，网络安全每天要处理数十亿网民搜索请求，保护数亿用户的终端安全，保护十万网站的安全，因此积累了大量的数据。

一个很具体的案例就是，通过海量互联网行为数据，比如监测相关设备ID在哪些借贷网站上进行注册、同一设备是否下载多个借贷App，可以实时发现多头贷款的征兆，把风险控制到最低。

3、大数据消费金融：消费金融对大数据的依赖是天然形成的。比如说消费贷、工薪贷、学生贷，这些消费型的金融贷款很依赖对用户的了解。所以必须对用户画像进行分析提炼，通过相关模型展开风险评估，并根据模型及数据从多维度为用户描绘一个立体化的画像。

网络金融的优势在于，通过基于大数据和人工智能技术为基础的合作商户管理平台，为合作商户提供涵盖营销和金融服务的全面管理方案，降低获客成本，解决细分行业的微小需求。一方面可以降低风险，另一方面也能提升金融的安全度。

在大数据消费金融的领域中，腾讯和阿里的优势很大程度上是在渠道层面上的。正如前文所说的，阿里以电商-支付-信用为三级跳板，针对性很强支付宝接入消费金融产品之后会有较强的渠道作用。而在去年12月，腾讯的“微粒贷”已经接入到了微信支付当中。在消费金融的发展速度上，腾讯速度也不差。

4、大数据财富管理：财富管理是近些年来在我国金融服务业中出现的一个新业务。主要为客户提供长期的投顾服务，实现客户资产的优化配置。这方面业务在传统金融机构中存在的比较多。不过因为技术能力不足，大数据财富管理在传统金融机构中相对弱势。

财富管理在互联网公司的业务中也非常流行。蚂蚁金服一开始最为简单的财富管理方式就是余额宝，后来逐渐演化成经过大数据计算智能推荐给用户的各种标准化的“宝宝”理财产品。网络金融相对来说更进一步，是依托“网络大脑”通过互联网人工智能、大数据分析等手段，精准识别和刻画用户，提供专业的“千人千面”的定制化财富管理服务。

金融大数据的孪生兄弟金融云是地基，未来更具看点

大数据和云计算永远都是相伴相随的一对孪生兄弟。金融大数据核心工作包括三方面，即获取数据、建立模型、模型在实践中优化、迭代。而对于金融大数据而言，金融云才是它的地基。

打个不恰当的比方，前文中说大数据是煤矿，而金融云其实就是矿井。矿井的安全行、可靠性决定了挖煤的效率和结果。

金融云把底层技术很多问题都解决了。大量金融模型都是金融云所引入的，如客户模型、产品模型、账务模型等。同时金融云关注金融本身的严谨性和周密性、安全性的考虑。

2016年7月，“腾讯云+未来”峰会上，腾讯云和腾讯金融云都已成为最重点部署的业务。同年9月，网络世界大会金融科技分论坛上，网络金融云正式向业界开放。据时任网络金融研发负责人沈抖表示，网络金融云将通过人工智能、安全防护、智能获客、大数据风控、IT系统、支付等六大技术能力给合作伙伴赋能。10月，阿里云栖大会上，阿里金融云负责人则是提出将会和生态合作伙伴、服务联盟为金融行业量身定制推出云增强服务。

大数据必须要跑在云端，而金融大数据更需要和业内其他企业展开数据、支付、业务等一系列的合作。金融云对可用性、安全性的要求严格，比如说对一个高度可控可信的云安全体系而言，基础环境安全、风控与审计、数据安全三者缺一不可。而金融云在未来的竞争中将发挥越来越重要的作用。

?