大数据公链

㈠ 供应链大数据分析及应用

供应链大数据分析及应用

供应链大数据分析及应用，传统模式下，企业的供应链是“链式”运作，随着经济的发展变化为数字供应链，数字化供应链的本质是“供应链管理”+“数字化”，下面来详细了解供应链大数据分析及应用。

供应链大数据分析及应用1

大数据供应链其实是将供应链以数据进行管理。更多的是把供应链中的各个业务系统通过数据去打通，然后让这些数据彼此有所关联。

你能够发现他们之间的关系，从而对于生产环节中的物料、生产、物流进行更好的掌控，从而提高流转效率，降低成本。

我举个格力电器（芜湖）的实际应用案例。

他们数据分析的应用有4个方面：物流分析、运营效率监控、生产线监控、质量控制。

一、物流分析

通过监控大屏分屏去实时监控业务运转情况，哪个环节出问题第一时间在仪表盘预警，信息有效及时；

监控库存中每个仓位中物料比例及存量。

二、运营效率监控

监控订单数量完成比例、拣选进度、订单齐套数量及比例；

监控生产车间里各生产机组的生产效率、下线比例。

三、生产线监控

通过MES和MPR采集的系统数据，连接Yonghong Z-Suite进行实时的多维分析。

例如，物料齐套检查这项工作，以前需要点对点针对相关人员进行排查，而现在检查的结果是在分析平台实时展现，指标体系更可以根据情况灵活调整，IT人员的工作效率提升了30%以上。

四、质量控制

之前对于现场的生产过程和质量管理都是人工将系统数据导入再利用EXCEL内置的图表处理进行简单的分析。

现在他们开始结合更多的业务分析维度进行探索式分析和分析预测，借助大数据分析平台实现从产线、班组以及分厂多个维度各个层面来展示公司整体生产运营情况。

通过数据分析平台可以提高在生产环节的核心竞争力，对物料、生产环节全方位监控，在提高工作效率的同时，还降低生产线残次率。

其实从格力电器（芜湖）的应用中我们可以总结出，数据分析能够帮助供应链的有两个重要点：

1、BI把供应链中所有的数据进行了全面的监控；

2、对于生产环节中各个步骤的物料库存匹配可以进行及时的调整，提高效率。

对于供应链管理能够达到什么样的程度，这里说的十分的形象生动。

完全不用仓储。运输工具（如车辆）就是一个移动的小仓库，让仓库时刻在路上。这有点像集装箱船公司对空箱的管理，空箱堆场不在陆地上，而是在船上，哪里需要放哪里。

当然这可能太过理想，但对于制造业企业来说，降低的每一分钱，再乘以一个庞大的数量，都是一个天文数字。

所以应用数据平台去管理供应链是十分有必要的。

供应链大数据分析及应用2

大数据分析应用领域有哪些?

一、广告行业

比方你最近想买一个商品，然后在网络、京东或淘宝中查找了某个关键字，其实这些行为数据都被搜集起来了，因为有很多人的行为数据，一切后台要进行大量的数据剖析，构建用户画像和使用一些引荐算法，然后进行个性化的引荐，当你登录到一些网站上时，你会发现有一些广告，引荐的一些正好是你要买的一些商品。

二、内容引荐

比方你刷今日头条，头条会搜集你曾经的阅读行为数据，然后根据你的喜好构建一个你专属的用户画像或一类人的画像，然后给你引荐你喜欢的新闻，比方你曾经点击过詹姆斯相关的新闻，就给你引荐NAB相关的新闻。因为头条用户很多，要剖析的数据量就非常大，一切要使用大数据的手法来处理。

三、餐饮行业

快餐业的视频剖析。该公司通过视频剖析等候行列的长度，然后主动改变电子菜单显现的内容。假如行列较长，则显现能够快速供给的食物;假如行列较短，则显现那些利润较高但准备时间相对长的食物。

四、教育范畴应用

网络大脑PK人脑：大数据押高考作文题。为了协助考生更好地备考，网络高考作文猜测通过对过去八年高考作文题及作文范文、海量年度查找风云热词、历年新闻热点等原始数据与实时更新的“活数据”进行深度发掘剖析，以“概率主题模型”模拟人脑思考，反向推导出作文主题及相关词汇，为考生猜测出高考作文的命题方向。

五、医疗范畴

智慧淮医。淮安市选用IBM大型主机作为淮安市区域卫生信息渠道根底架构支撑，满意了淮安市在市级区域卫生信息渠道根底渠道建造和居民健康档案信息系统建造进程中的需求，支撑淮安市级数据中心、居民健康档案数据库等一系列淮安市卫生信息化应用，支持淮安成为全国“智慧医疗”的典范。

供应链大数据分析及应用3

供应链中的大数据主要包括以下四种类型：结构数据、非结构数据、传感器数据、新类型数据。

1、结构数据是指那些在电子表格或是关系型数据库中储存的数据，这一类型的数据只占数据总量的Ƌ%左右，主要包括交易数据和时间段数据。

现在的大数据分析大多以这一类数据为主，其中重要的结构数据包括ERP数据，因为ERP系统中存储的数据是企业运转多年的系统积累的大量行业数据，这些数据对于企业的经营决策和预测来说意义非常重大。

2、非结构数据主要包括库存数据、社会化数据、渠道数据以及客户服务数据。尽管现在有大量的研究和报告在探讨数据和分析能力对供应链管理的重要性，但对于非结构数据，例如社会化数据对供应链的影响和作用的研究却相对缺乏。

然而，社会媒体数据对于供应链运营管理的作用是十分重要的，如何利用社交媒体数据来指导企业进行供应链活动的规划（包括新产品的开发、利益相关者的参与、供应链风险管理以及市场探查等）以及社交媒体数据对供应链绩效产生影响的具体机制将需要深入探讨。

而要想从内容丰富的非结构化数据中挖掘出商业智慧，就需要使用不同的研究方法和度量方式，包括描述性分析、内容分析以及网络分析等。

3、传感数据主要包括RFID数据、温度数据、QR码以及位置数据，这类数据增长很快，并能为供应链金融带来巨大商机。

4、新类型数据主要有地图数据、视频数据、影像数据以及声音数据等，这类数据多用于可视化领域，并能够帮助提高数据质量，使数据的实时性更强、提高了数据分析的精准度。

大数据的质量

企业在进行大数据分析时，需要考虑数据的质量问题。低质量的数据不仅会影响企业的决策，甚至还可能导致企业产生损失。事实上，数据的有用性取决于数据质量，随着大数据重要性的跃升，对高质量数据的需求也增加了。

虽然现在对于数据质量评价还没有统一标准，但是大家一致赞同数据质量评价应包含多个维度指标。指出数据质量的评价应包括数据内在（Intrinsic）要求和情境（Contextual）要求。内在要求指数据本身所具有的客观属性，包括数据的准确性、及时性、一致性和完整性。

情境指数据的质量依赖于数据被观察和使用的情境，包括关联性（Relevancy）、价值增值性（Value-added）、总量（Quantity）、可信度（Believability）、可及性（Accessibility）、数据声誉（ReputationoftheData）。

㈡ 大数据与供应链深度融合

大数据与供应链深度融合

大数据与供应链深度融合，在互联网技术的驱动下，企业产业模式也在不断更新，在互联网时代，选择什么都是大数据的，如果一个企业又或者是其他没有结合大数据的话那就说明你将被淘汰，可以说谁先掌握那就谁先抢占先机，以下是关于大数据与供应链深度融合。

大数据与供应链深度融合1

大数据技术充分利用海量数据资源，加快信息共享。大数据技术的应用将引领供应链金融的变革，改变供应链金融基础数据不完善、信息流通不顺畅等实际问题。大数据技术将供应链金融风控模式数据化、动态化，实现实时风险预警的多级风控效果。

大数据技术在供应链金融中的具体应用：

（一）匹配用户需求，设计个性化金融服务。大数据技术可通过数据挖掘匹配多种数据源，结合行业发展动态，精准把握中小企业需求，将企业寻找信息转换成信息主动寻找企业，为中小企业设计各种个性化供应链金融服务。

（二）完善交易征信，降低信息不对称。大数据应用模式下征信及自动贷后基于的交易数据主要依托的是动态、可持续的财务数据源，有效提高征信服务质量，降低信息不对称。

（三）实现量化授信，精准把控风险。依托大数据技术，对企业的授信可通过模型结合动态数据源脱敏处理、行业数据、外源数据，得出行情分析，价格波动分析，实现实时监控的分级预警、量化授信，精准把控风险。

（四）建立授信主体数据库，完善数据交互。大数据应用模式通过交易网关数据模式建立授信主体全方位数据库，从云端获取中小企业交叉数据，智能匹配中小企业进销存ERP系统，系统的防范控制金融风险，实际缓解中小企业融资难题。

（五）提炼多维数据源，辅助参考决策。大数据技术可提炼授信主体高管个人数据信息，辅助参考值做出决策。

（六）判断预期交易量，精准渠道分配。在对授信主体建立完善的全方位立体数据库后，结合行业数据源，通过相应分析模型可预测出相应的供应链上各数据相互影响关系，判断预期交易量，判断渠道、市场的分配量，实现流通和消费的打通，最终提升供应链管理的效率。

（七）优化风控技术，实现高效自动化。大数据技术从机器人终端采集企业数据到数据清洗、数据整理分析全部通过计算机完成。

由此可见当前金融行业，大数据和供应链金融属于互相绑定的发展模式，通过两者的结合将金融风险控制在最小范围，同时提升供应链管理的效率。

另外，对于企业高层而言，将大数据与供应链金融相结合的模式，帮助管理者和投资方站在数据的顶端，把握资金流动的风向标，能在变幻莫测的商场抢占先机。

大数据与供应链深度融合2

大数据的简要叙述

当今时代，是一个信息时代。我们的日常生活中无时无刻不在产生数据，而这些数据包含了许许多多我们个人的信息，这些信息来源十分广泛，具有十分明显的及时性。

而根据维基网络对于大数据的解释来说，大数据就是无法在可承受的时间范围内用常规软件工具进行收集、管理以及处理的数据的集合。

由于数据是极其庞大的，所以必然不可以单单使用计算机来处理，必须要依靠云计算的分布式处理对大数据进行采集。大数据主要体现在了对于庞大数据的处理和使用，从而得到一些想要的信息，来体现出大数据的商业价值以及公共社会价值。

伴随着互联网的不断发展，企业所要处理的信息越来越多，与此同时，由于市场竞争越来越激烈，企业对于大数据的处理提出了更高的要求，所以对于大数据技术的开发与应用十分关键。

大数据的特点有以下几点：

（1）在精不在于多，而是要把这些数据分类、编辑，使这些大数据变为有用的资料，并可以作为商业用途，为企业创造更多的经济效益。

（2）大数据的技术十分特殊，目的是为了在短时间内可以有效地处理更多的数据，所以储存大数据的机器被称为“云”。（3）大数据的另一个特点就是真实性，因为大数据的来源十分广泛，所以大数据的真实性就显得十分重要，如果数据不真实了，那么也不会有人去相信大数据。

大数据的核心是数据与内容：一组数据往往会代表了许多东西，一个人的生活规律，个人喜好，都是丰富的内容，而这些内容都包含在一组组的数据中，通过这些数据，企业可以开发出更加适合消费者的产品，也会更加适合用户，从而大大提高企业的竞争力，由此可见数据的珍贵之处。

供应链管理理论综述

1999年，彼得·德鲁克提出了“经济链”的概念，这是“供应链”的雏形，在这之后，迈克尔·波特依据前人的想法，提出了“价值链”的概念，在之后的不断发展中，最后形成了我们现在说的“供应链”概念。

一条完整的供应链是由下游的供应商、制造商以及仓库、配送服务中心和渠道商等等构成的一个完整的产业物流网络。一个完整的企业可能会在供应链中扮演不同的角色，但是通常的情况则是一条完整的供应链是由许多不同的企业构成的。在供应链中，每个企业之间流动的原材料、半成品库存和产品等形成了供应链上的货物流。

针对我国特殊的国情，许多的专家学者对于供应链提出了不同的看法，比如一位学者提出为了使得供应链更好地发展，可以从供应链管理出发，一个优秀的供应链管理者可以使供应链的运转达到最优化，用最少的成本把事情办好

供应链中的工作岗位、货物流通、资金运转、信息传递都可以达到高效的运转，从而将质优价廉的、合适的产品送到消费者的手上。而有的专家说要更加重视信息技术在供应链中的作用，一条完整的供应链最基本的要求就是实现各家企业之间信息的共享，为客户提供更好的服务，使各家企业在不断的合作中实现共赢。

大数据技术在供应链中的应用

近些年的不断发展，大数据技术的出现和发展改变了传统的商业模式，也在很大程度上，对于企业的正常运行和供应链管理。在国际大环境下，供应链的情况也不容乐观，由于意外情况所引发的供应链变化必须得到迅速的处理

来防止由于意外所造成的损失。对于随时随地所产生的大量数据，可以进行深度的采集、发现、挖掘，并按照实际情况可以划分出许多不同的区域、不同种类人群的需求，并且通过以往的客户留下的购买信息

以及物流的流转信息可以很准确地预测出未来价值，这个就是大数据在广泛应用中，对于供应链管理的中最主要价值。越来越多的企业看到了这一未来的发展的方向选择将大数据的技术使用到企业的经济管理当中去。

Stock在2013年总结了供应链在此之前的发展，并且为我们展望了未来一些对于供应链发展具有深刻变革的科学技术，其中就包含了大数据系统对于供应链发展的重要性，而到现在回首看来，我们不得不佩服Stock先生眼光的独到性，到了目前，大数据系统的运用给人类的生活带来了深刻的变革。

现在日趋复杂的软件技术、越来越便捷的无线系统，智能手机以及其他智能可穿戴设备，它们在不断发展中越来越方便，价格也是越来越亲民，并且越来越方便移动，可以更加便捷地帮助使用者进行快速的分析，来方便得出结果。Stock并且对于IBM的报告也深有研究

他引述了一段报告，关于IBM对于未来信息传递的看法。而如何更好地与飞速发展的信息接轨，就是要更好地使用大数据的力量，来进行分析。

许多正在使用数据分析的公司确信，企业的经济效益以及员工的工作效率，因为数据分析技术的使用而得以提高。 由此看来，现在科学技术的发展

带动着大数据的兴起，为企业的供应链管理注入了新的血液。充分利用大数据技术可以有效提高企业对于未来需求的准确预测，对于市场的波动进行准确预测。

大数据与供应链深度融合3

大数据对于供应链中物流管理的创新

对于普通行业来说，物流行业是十分特殊的，它讲究十分严格的时效性，按我们的话来说就是时间就是金钱，因为一件货物的运输是要准时送到客户手中，如果晚点了，对于用户的体验度会大大下降，由此可见物流行业的.艰难。并且每一次的物流活动是否可以正常实施，不仅仅取决于人力的问题

也与许多的外部条件有关，比如说：时间、地点、物力甚至是天气的因素。由于物流行业的随机性、突发性以及不确定性，所以企业为了自身更好的发展，十分有必要建立起完整的预警系统，来抵御这些情况，但是以往传统的预警系统，常常因为信息的不足，以及消息传递的缓慢已经不能适应时代的发展。

所以十分有必要将大数据与物流行业相结合，打造一个云物流系统。云物流依靠了云计算强大的数据处理能力、以及规矩的作业流程、灵活的产业覆盖、精准的环节控制，对于物流行业是十分重要的帮助，对于突发情况可以迅速给出完整的解决方案。

一直在说大数据与物流业的结合可以提高供应链管理的效率，可是具体体现在哪里，却没有具体的说明，那现在就来详细叙述一下大数据对于供应链管理的作用。

大数据技术与物流平台的结合，可以更加高效、快速地收集用户订单、并抓取、分析客户的数据信息，来整合物流公司的资源，从而实现以最快的速度将货物送到用户手中。

现在统一的信息管理，对于用户的个人信息提供更加安全可靠的保障，对于信息的泄露能够及时查出是哪里出现了问题，来更好地为用户服务。

所以说，大数据在供应链物流管理中的应用，不仅对于用户信息是一种保障，而且有效地将物流公司的资源进行整合，提升了运输效率，形成规模效应，提高了物流行业的服务质量以及用户的满意程度。

未来发展展望

大数据的使用，引发了越来越多人的关注，但是大数据技术提出时间较晚，应用在供应链管理的技术业不甚成熟，所以，对于这类的研究到目前来说并不是太多。

在经过研究前人的成果后，笔者认为大数据的发展是不容忽视的时代的必然，之后，大数据将会作为供应链管理领域的热点问题不断地衍生、发展，也会更好地服务于社会。

㈢ 供应链大数据的概念

供应链大数据的概念

供应链大数据的概念，“大数据”是一个体量特别大，数据特别多的数据集，很多人对于大数据这样的概念都是一知半解的，那么下面就为大家介绍下供应链大数据的概念。

供应链大数据的概念1

大数据供应链其实是将供应链以数据进行管理。更多的是把供应链中的各个业务系统通过数据去打通，然后让这些数据彼此有所关联。

你能够发现他们之间的关系，从而对于生产环节中的物料、生产、物流进行更好的掌控，从而提高流转效率，降低成本。

我举个格力电器（芜湖）的实际应用案例。

他们数据分析的应用有4个方面：物流分析、运营效率监控、生产线监控、质量控制。

一、物流分析

通过监控大屏分屏去实时监控业务运转情况，哪个环节出问题第一时间在仪表盘预警，信息有效及时；

监控库存中每个仓位中物料比例及存量。

二、运营效率监控

监控订单数量完成比例、拣选进度、订单齐套数量及比例；

监控生产车间里各生产机组的生产效率、下线比例。

三、生产线监控

通过MES和MPR采集的系统数据，连接Yonghong Z-Suite进行实时的多维分析。

例如，物料齐套检查这项工作，以前需要点对点针对相关人员进行排查，而现在检查的结果是在分析平台实时展现，指标体系更可以根据情况灵活调整，IT人员的工作效率提升了30%以上。

四、质量控制

之前对于现场的生产过程和质量管理都是人工将系统数据导入再利用EXCEL内置的图表处理进行简单的分析。

现在他们开始结合更多的业务分析维度进行探索式分析和分析预测，借助大数据分析平台实现从产线、班组以及分厂多个维度各个层面来展示公司整体生产运营情况。

通过数据分析平台可以提高在生产环节的核心竞争力，对物料、生产环节全方位监控，在提高工作效率的同时，还降低生产线残次率。

其实从格力电器（芜湖）的应用中我们可以总结出，数据分析能够帮助供应链的有两个重要点：

1、BI把供应链中所有的数据进行了全面的监控；

2、对于生产环节中各个步骤的物料库存匹配可以进行及时的调整，提高效率。

对于供应链管理能够达到什么样的程度，这里说的十分的形象生动。

完全不用仓储。运输工具（如车辆）就是一个移动的小仓库，让仓库时刻在路上。这有点像集装箱船公司对空箱的管理，空箱堆场不在陆地上，而是在船上，哪里需要放哪里。

当然这可能太过理想，但对于制造业企业来说，降低的每一分钱，再乘以一个庞大的数量，都是一个天文数字。

所以应用数据平台去管理供应链是十分有必要的。

供应链大数据的概念2

大数据是什么

大数据其实是按照储存单位来说的`，我们常用到的是M、G。

超脱G以上还有T，这个我们日常还能见到一些，比如现在用到的硬盘。

再上就是PB、EB、ZB、YB，再上还有，有兴趣的可以去问下度娘。

阿里的好像是个盘古系统。

数据呢就像星辰，古时候就只能用眼睛数。现在呢可以看，看不到的可以推演，还可以上去观察是什么属性。技术达到了就可以分析。

通过这些琐碎的信息分析后，就可以知道你在网络上是男、是女，主要活动在那个区域，知道你喜欢买什么，知道你大概的收入等等。商家根据这些找大数据分析公司就可以给你们投放你关注的产品了。

有点像以前间谍通过土豆价格上涨，知道这个周围增加驻军一样。

供应链大数据的概念3

大数据供应链

随着供应链变得越来越复杂，必须采用更好的工具来迅速高效地发挥数据的最大价值。供应链作为企业的核心网链，将彻底变革企业市场边界、业务组合、商业模式和运作模式等。

第三产业供应链协同应用市场进入空间较大，尤其以医疗、金融、电子商务等细分领域需求较高。第二产业供应链协同市场成熟度逐步提高，尤其以物流、汽车、零售、公共事业为主要领域，供应链协同数据将起到市场升级的核心驱动作用。

无论是第三产业，还是第二产业

到底如何应用大数据？

1、预 测

精确的需求预测。需求预测是整个供应链的源头，整个市场需求波动的晴雨表，销售预测的灵敏与否直接关系到库存策略，生产安排以及对终端客户的订单交付率，产品的缺货和脱销将给企业带来巨大损失。企业需要通过有效的定性和定量的预测分析手段和模型并结合历史需求数据和安全库存水平综合指定精确的需求预测计划。

如汽车行业，在应用数据分析平台进行精准预测后，可以及时收集何时售出、何时故障及何时保修等一系列信息，由此从设计研发、生产制造、需求预测、售后市场及物流管理等环节进行优化，实现效率的提升，并给客户带来更佳的用户体验。

2、资源获取

敏捷、透明的寻源与采购。为新产品、优化成本而寻找新的合格供应商满足生产需求;同时，通过供应商绩效评估和合同管理，使采购过程规范化、标准化、可视化、成本最优化。

3、协同 效率

建立良好的供应商关系，实现双方信息的交互。良好的供应商关系是消灭供应商与制造商间不信任成本的关键。双方库存与需求信息交互、VMI运作机制的建立，将降低由于缺货造成的生产损失。采购订单与生产订单通过各种渠道快速、准确的反应能力在当前集团化、全球化，多组织运作的环境下尤为重要。订单处理的速度在某种程度上能反应出供应链的运作效率。

4、供应链计划，与物料订单同步的生产计划与排程

有效的供应链计划系统集成企业所有的计划和决策业务，包括需求预测、库存计划、资源配置、设备管理、渠道优化、生产作业计划、物料需求与采购计划等。

企业根据多工厂的产能情况编制生产计划与排程，保证生产过程的有序与匀速，其中包括物料供应的分解和生产订单的拆分。在这个环节中企业需要综合平衡订单、产能、调度、库存和成本间的关系，需要大量的数学模型、优化和模拟技术为复杂的生产和供应问题找到优化解决方案。

5、库存优化

成熟的补货和库存协调机制消除过量的库存，降低库存持有成本。通过从需求变动、安全库存水平、采购提前期、最大库存设置、采购订购批量、采购变动等方面综合考虑，监理优化的库存结构和库存水平设置。

6、物流效率

建立高效的运输与配送中心管理，通过大数据分析合理的运输管理、道路运力资源管理，构建全业务流程的可视化、合理的配送中心间的货物调拨以及正确选择和管理外包承运商和自有车队，提高企业对业务风险的管控力，改善企业运作和客户服务品质。

7、网络设计与优化

对于投资和扩建，企业从供应链角度分析的成本、产能和变化更直观、更丰富也更合理。企业需要应用足够多的情景分析和动态的成本优化模型，帮助企业完成配送整合和生产线设定决策。

8、制造业各行业管理特点突出在供应链管理上呈现行业管理差异

如汽车行业重点关注准时上线和分销环节、食品饮料行业关注的重点在冷链及配送环节、服装行业的供应链管理重难点在消灭链条上高库存等等。

9、风险预警在供应链管理上呈现行业管理差异

在大数据与预测性分析中，有大量的供应链机会。例如，问题预测可以在问题出现之前就准备好解决方案，避免措手不及造成经营灾难。

还可以应用到质量风险控制，如上海宝钢，其生产线全部实现流水化作业，生产线上的传感器可获得大量实时数据，利用这些可以有效控制产品质量。通过采集生产线上的大量数据，来判断设备运营状况健康状况,对设备发生故障的时间和概率进行预测。这样企业可由此提前安排设备维护，保证生产安全。

大数据将用于供应链从需求产生，产品设计到采购、制造、订单、物流以及协同的各个环节，通过大数据的使用对其供应链进行翔实的掌控，更清晰地把握库存量、订单完成率、物料及产品配送情况等;通过预先进行数据分析来调节供求;利用新的策划来优化供应链战略和网络，推动供应链成为企业发展的核心竞争力。

企业如何部署大数据?

要让数据发挥价值，首先要处理大数据，要能够共享、集成、存储和搜索来自众多源头的庞大数据。而就供应链而言，这意味着要能够接受来自第三方系统的数据，并加快反馈速度。其整体影响是增强协同性、加快决策制定和提高透明度，这对所有相关人员都有帮助。

传统供应链已经在使用大量的结构化数据，企业部署了先进的供应链管理系统，将资源数据，交易数据，供应商数据，质量数据等等存储起来用于跟踪供应链执行效率，成本，控制产品质量。

大数据在供应链领域的应用起步不久，随着供应链的迅速发展，大数据分析，数据管理，大数据应用，大数据存储在供应链领域蕴含巨大的发展潜力，大数据的投资也只有与供应链结合，才能产生可持续、规模化发展的产业。

㈣ 大数据供应链是什么

大数据供应链其实是将供应链以数据进行管理。更多的是把供应链中的各个业务系统通过数据去打通，然后让这些数据彼此有所关联。

你能够发现他们之间的关系，从而对于生产环节中的物料、生产、物流进行更好的掌控，从而提高流转效率，降低成本。

我举个格力电器（芜湖）的实际应用案例。

他们数据分析的应用有4个方面：物流分析、运营效率监控、生产线监控、质量控制。

一、物流分析

通过监控大屏分屏去实时监控业务运转情况，哪个环节出问题第一时间在仪表盘预警，信息有效及时；

监控库存中每个仓位中物料比例及存量。

二、运营效率监控

监控订单数量完成比例、拣选进度、订单齐套数量及比例；

监控生产车间里各生产机组的生产效率、下线比例。

三、生产线监控

通过MES和MPR采集的系统数据，连接Yonghong Z-Suite进行实时的多维分析。

通过数据分析平台可以提高在生产环节的核心竞争力，对物料、生产环节全方位监控，在提高工作效率的同时，还降低生产线残次率。

其实从格力电器（芜湖）的应用中我们可以总结出，数据分析能够帮助供应链的有两个重要点：

1.BI把供应链中所有的数据进行了全面的监控；

2.对于生产环节中各个步骤的物料库存匹配可以进行及时的调整，提高效率。

对于供应链管理能够达到什么样的程度，这里说的十分的形象生动。

完全不用仓储。运输工具（如车辆）就是一个移动的小仓库，让仓库时刻在路上。这有点像集装箱船公司对空箱的管理，空箱堆场不在陆地上，而是在船上，哪里需要放哪里。

当然这可能太过理想，但对于制造业企业来说，降低的每一分钱，再乘以一个庞大的数量，都是一个天文数字。

所以应用数据平台去管理供应链是十分有必要的。

㈤ XCC锛氳В鍐冲尰鐤楄屼笟鏁版嵁瀛ゅ矝闂棰橈紝寤虹珛鐢熷懡绉戝︾殑鍖荤枟鏁版嵁鍏变韩鍏閾

6鏈10鏃ワ紝涓鍦轰互鈥滈」鐩濡備綍缁撳悎鍖哄潡閾锯濅负涓婚樼殑鍏寮璇惧湪Astar鍖哄潡閾惧簲鐢ㄥ﹂櫌鎷夊紑搴忓箷锛孹CC棣栧腑鎵ц屽畼寮犺壓鍑″彈閭鐧诲彴锛屾繁鍏ュ墫鏋愬尰鐤楄屼笟鐨勭棝鐐瑰苟鍒嗕韩浜哫CC鐨勭嫭鐗硅В鍐虫柟妗堛傝╂垜浠璺熼殢寮犺壓鍑＄殑鎬濊矾锛屾帰绱㈢敓鍛界戝﹀尰鐤楁暟鎹鍏变韩鐨勬柊澶╁湴銆

寮犺壓鍑★紝浣滀负XCC鐨勯嗚埅鑰咃紝浠栬〃绀猴細鈥淴CC鐨勭洰鏍囨槸閫氳繃鍖哄潡閾炬妧鏈閲嶅戝尰鐤楄屼笟鐨勬暟鎹鍏变韩鏍煎眬锛屾墦鐮存暟鎹瀛ゅ矝锛屼负鐢熷懡绉戝︾殑鏈鏉ュ彂灞曟彁渚涘己澶ф敮鎸併傗

鍦ㄥ綋浠婂尰鐤椾綋绯讳腑锛80%浠ヤ笂鐨勫尰闄㈠凡瀹炵幇淇℃伅鍖栵紝浣嗗彧鏈3%鐨勬暟鎹鑳藉疄鐜颁簰閫氾紝杩欐ｆ槸XCC瑕佽В鍐崇殑鏍稿績闂棰樸傛暟鎹瀹夊叏銆侀殣绉佷繚鎶ゅ拰鍙淇″害鎴愪负浜嗚屼笟鐥涚偣銆傚尰鐤楁満鏋勩佺敓鐗╁埗鑽鍜岀戠爺鏈烘瀯娓存湜鏁版嵁锛岀劧鑰岋紝鑾峰彇闅惧害澶т笖鏁版嵁瀹夊叏闅句繚闅滐紝寰寰鍙鑳介氳繃甯傚満浜ゆ槗锛岀敋鑷充镜鐘涓浜洪殣绉併

寮犺壓鍑＄敓鍔ㄥ湴姣斿柣璇达細鈥滃氨鍍忛獨鎵扮數璇濋戠箒骞叉壈鐢熸椿锛屽尰鐢熷湪璇婄枟涔嬪栬繕瑕佽姳澶ч噺鏃堕棿澶勭悊闈炴牳蹇冨伐浣滐紝鏁版嵁瀛ゅ矝鐨勭幇鐘跺埗绾︿簡鍖荤枟鏁堢巼銆傗漍CC甯屾湜閫氳繃鍖哄潡閾炬妧鏈锛屼负鏁版嵁娴佸姩鍜屼娇鐢ㄦ墦閫犱竴涓瀹夊叏銆佸彲淇＄殑妗ユ併

鍖哄潡閾剧殑寮曞叆灏嗗甫鏉ュ弻閲嶄环鍊硷細绀句細浠峰煎湪浜庢帹鍔ㄥ尰鐤楁暟鎹鐨勫叕骞充娇鐢锛屾敮鎸佺敓鍛界戝︾殑杩涙ワ紱鍟嗕笟浠峰煎垯浣撶幇鍦˙绔鍜孋绔锛岃╂暟鎹鑾峰彇鍜屼娇鐢ㄦ洿涓轰究鎹凤紝涓浜烘暟鎹寰楀埌淇濋殰锛屽悓鏃跺熷姪浜哄伐鏅鸿兘瀹炵幇绮惧噯鍖荤枟鍜屽仴搴烽勬祴銆

鍦ㄦ妧鏈灞傞潰涓婏紝XCC鏋勫缓浜嗕竴鏉″叕閾撅紝鎵胯浇韬浠借よ瘉銆侀殣绉佷繚鎶ゃ佹暟鎹绱㈠紩鍜岀Н鍒嗙瓑鍔熻兘锛屽苟璁″垝寮鍙慏app锛屽紑鏀剧粰娉涘尰鐤楀叕鍙稿拰涓浜哄簲鐢ㄣ傚晢涓氭ā鍨嬪垎涓烘暟鎹鏉ユ簮銆佺淮鎶ゃ佸勭悊鍜屾彁渚涘洓涓闃舵碉紝纭淇濇暟鎹鐨勭湡瀹炴у拰瀹夊叏鎬с

鍦ㄧぞ鍖烘ā鍨嬩笂锛孹CC鍊熼壌閾惰屽瑰叕鍜屼釜浜轰笟鍔＄殑鍖哄垎锛屽垎鍒鏈嶅姟B绔鐨勫尰鐤楁満鏋勫拰C绔鐨勪釜浜虹敤鎴凤紝寮鸿皟鏁版嵁闅愮佷繚鎶ゅ拰閫忔槑鎿嶄綔锛岀‘淇濇暟鎹浠呭湪鎺堟潈鑼冨洿鍐呬娇鐢ㄣ

鍏充簬寮鍙戣繘搴︼紝XCC鍏閾鹃勮″勾搴曞畬鎴愶紝鑷瀹禗app灏嗗湪杩戞湡涓婄嚎锛岀敤鎴峰彲浠ュ湪姝ゅ钩鍙颁氦鏄揟oken锛屽弬涓庢椿鍔ㄥ拰浠诲姟銆傝孹CC宸茬粡鑾峰緱浜嗗垱涓氬伐鍘傘佸厓绱犻噾鏈嶅拰闈掑垱鎶曠殑鎶曡祫鏀鎸侊紝灞曠幇浜嗗叾鍦ㄥ尰鐤楁暟鎹鍏变韩棰嗗煙鐨勫垱鏂板疄鍔涖

灏界￠潰涓村尰瀛︽暟鎹瀛樺偍鐨勬寫鎴橈紝XCC姝ｈ嚧鍔涗簬鐮旂┒楂樻晥鐨勫ぇ鏁版嵁瀛樺偍瑙ｅ喅鏂规堛傚紶鑹哄嚒瀵规湭鏉ュ厖婊′俊蹇冿紝琛ㄧずXCC灏嗕负鍖荤枟琛屼笟甯︽潵涓鍦洪潻鍛芥х殑鏁版嵁鍏变韩鍙橀潻銆

㈥ HBA 鍏閾撅細鎵撻犺嗙洊鍖哄潡閾+鍏ㄥ満鏅搴旂敤鐨勫叕閾剧敓鎬

鍖哄潡閾炬妧鏈鍙戝睍鑷充粖閫愭笎琚浜轰滑銆佷箖鑷冲浗瀹堕噸瑙嗐備綔涓轰竴绉嶄互鍒嗗竷寮忔暟鎹瀛樺偍銆佺偣瀵圭偣浼犺緭銆佸叡璇嗘満鍒躲佸姞瀵嗙畻娉曠瓑璁＄畻鏈烘妧鏈鐨勬柊鍨嬪簲鐢ㄦā寮忥紝鍖哄潡閾剧殑鏈璐ㄦ槸鍘讳腑蹇冨寲鐨勬暟鎹瀛樺偍绯荤粺锛岃ョ郴缁熷彲鏇存柊锛屼絾涓嶅彲琚绡℃敼銆

鍖哄潡閾炬妧鏈鐨勫簲鐢ㄥ凡缁忓欢浼稿埌浜嗘暟瀛楄祫浜т氦鏄撱佺墿鑱旂綉銆佸晢鍝佽拷婧銆佹暟瀛楁枃鍖栥佹暟瀛楀尰鐤椼佺綉缁滃畨鍏ㄣ佸尰鑽澶 鍋ュ悍 绛夊氫釜棰嗗煙锛屾帹鍔ㄧ潃 绀句細 鐢熶骇銆佺敓娲绘柟寮忓拰鐢熶骇鍏崇郴鐨勯噸澶у彉闈┿

HBA 鍏閾剧殑鐮斿彂寮濮嬩簬 2019 骞 2 鏈堬紝鏍稿績鍥㈤槦鐢辨捣澶栨棭鏈熷尯鍧楅摼鍙備笌鑰呯粍鎴愶紝鍚屾椂鍏ㄧ悆鏈夊氫釜鍘讳腑蹇冨寲鍒嗗竷寮忕ぞ鍖哄叡鍚岀淮鎶ゃ傚垱鏂扮殑鎻愬嚭浜 3R 寰鐜缁忔祹妯″瀷(Rece銆丷enue銆丷acycle)锛岄氳瘉閲囩敤 POC+POS 鏈哄埗閫愭ュ栧姳缁欏湪鐢熸佷腑鍋氳础鐚鐨勬瘡涓涓浜猴紝涓嶄細鍍忓叾浠栧叕閾炬棤鎴愭湰鐢熸垚澶ч噺浠ｅ竵锛屾湁鏁堟墦鍑讳簡琛屼笟涔辫薄锛岀‘淇濇瘡涓鐢熸佸弬涓庤呯殑鍏骞炽

HBA 閫氳繃澶ч噺鐨勬妧鏈绉绱瀹炵幇浜嗙湡姝ｆ剰涔変笂鐨勫幓涓蹇冨寲鍖哄潡閾撅紝寮鍙戞簮浠ｇ爜锛屽苟寤虹珛浜嗗畬鍠勭殑鍖哄潡閾炬祻瑙堝櫒銆傜敤鎴峰彲浠ユ煡璇㈡瘡涓涓鍖哄潡鐨勪骇鐢燂紝姣忎竴绗斾氦鏄撶殑杩囩▼銆傛彁渚涗簡涓涓鐪熸ｅ叕骞炽佸叕寮鐨勭幆澧冿紝娌℃湁浠讳綍浜哄彲浠ュ湪杩欎釜鐜澧冧笅寮勮櫄浣滃亣锛屾瘡涓浜洪兘鍙浠ョ湡姝ｆ垚涓轰綋绯荤殑鐩戠潱鑰呫

HBA 鍏閾剧殑鐢熸佸簲鐢ㄥ満鏅鍖呮嫭鏁板瓧韬浠姐佷汉宸ユ櫤鑳姐佷緵搴旈摼閲戣瀺銆丏EFI 骞冲彴銆佽法閾炬敮浠樸 鍋ュ悍 鍖荤枟銆侀熷搧瀹夊叏銆佹暀鑲层傜洰鍓嶅凡瀹屾垚鍏閾俱佸尯鍧楅摼娴忚堝櫒銆佸幓涓蹇冧氦鏄撴墍鐨勫紑鍙戙侶BA 鍏閾惧皢浜 2020 骞 10 鏈堜唤涓荤綉娴嬭瘯涓婄嚎锛

鍚屾椂锛屽湪 HBA 鍏閾剧殑鐢熸佷腑杩樻湁涓缇よ嚜鍙戠粍缁囩殑甯冮亾浜恒佷笓涓氳插笀鏈嶅姟 HBA 浼氬憳鐢熸侊紝涓 HBA 鐢熸佺殑绀惧尯鎻愪緵鈥滃靛寲銆佸煿璁銆佸競鍦哄紑鍙戔濈瓑涓鏉￠緳鏈嶅姟銆

婢冲ぇ鍒╀簹浜猴紝鍦ㄥ氫釜鍟嗕細鎷呬换楂樼骇绠＄悊瑕佽亴锛 浠 2013 骞村紑濮嬪仛鍖哄潡閾撅紝2014 骞寸敵璇蜂簡绗涓涓 閽卞寘鎵惧洖涓撳埄锛2015 骞村埌鏀垮簻閮ㄩ棬璁插尯鍧楅摼锛屼笓 鍒╂帓鍚嶅叏鐞冪浜斻傚悓鏃跺湪婢冲ぇ鍒╀簹鎷ユ湁鑷宸辩殑鐞嗚储 鍏鍙稿苟寮鍒涗簡 chain33 鍖哄潡閾惧簳灞傛灦鏋勶紝鍏锋湁闈炲父 澶氱殑鎶鏈鍌ㄥ囧拰搴旂敤锛屽苟鎸佹湁 BCS銆乀ELC 璧勬牸璇 涔︼紝鍑虹増杩 4 閮ㄤ綔鍝侊紝鎷ユ湁鏁扮櫨涓囪昏呭拰绮変笣銆

鍦ㄥ尰鐤楅嗗煙锛岀洰鍓嶉潰涓翠袱澶ф寫鎴橈細涓鏄鍖荤枟浣撶郴澶嶆潅锛屾秹鍙婂埗鑽鍟嗐佸尰鐤楁湇鍔℃彁渚涜呬互鍙婃偅鑰呯瓑锛屽洜姝ら渶瑕佽繛閫氬悇鏂广佸噯纭浼犻掍俊鎭锛涗簩鏄鍖荤枟渚涘簲閾剧己涔忚拷婧鎬с傚尯鍧楅摼鎶鏈鍏锋湁鍙杩芥函鎬э紝鏃犻渶鍗忚皟鍚勬柟锛岃屼笖鍑嗙‘搴﹀拰鍙淇″害楂橈紝鍥犳ゅ叿鏈夎В鍐充互涓婇棶棰樺苟鍒涢犲叏鏂板尰鐤楁ā寮忕殑娼滃姏銆

HBA 鍩轰簬鍖哄潡閾炬妧鏈骞剁粨鍚堝ぇ鏁版嵁銆佷汉宸ユ櫤鑳藉強鐗╄仈缃戠瓑鎶鏈锛岃嗙洊鍖荤枟銆佸尰鑽銆佸尰淇濄佸吇鑰併佸尰鐤椾华鍣ㄣ佺敓鐗┿佷繚闄┿侀噾铻嶃佹斂搴滃強 绀句細 绛夐嗗煙鐨勫叕閾俱

HBA 鍦ㄥ叏鐞冩柊鍖荤枟 鍋ュ悍 鏂归潰鎷ユ湁涓板瘜鐨勫浗闄呭尰鐤楃粡楠岋紝鑳藉熸弧瓒冲悇绉嶇敤鎴风簿鍑嗛珮鏁堢殑娌荤枟鏂规硶鐨 鍋ュ悍 闇姹傦紝鎻愪緵 鍋ュ悍 鐩稿叧鐨勫氱嶈仈鍔ㄦ湇鍔★紝杩欐槸鍥犱负浠栦滑鍗佸垎浜嗚В褰撳墠鍖荤枟 鍋ュ悍 妯″紡涓鐨勪笉瓒炽傛暣鍚堣祫婧愶紝鎵撻犳柊鍖荤枟浣撶郴锛岃В鍐崇櫨濮撶湅鐥呴毦锛岀湅鐥呰吹锛屽埄鐢 5G 鎶鏈楂樻晥鍦颁娇鍖荤敓璧勬簮涓嶆氮璐广備互鈥滃揩閫熴佷究鎹枫佺簿鍑嗏濈殑鏅鸿兘鍖栨妧鏈鐗规э紝涓轰汉浠鎻愪緵鈥滀竴绔欏紡鈥濆尰鐤 鍋ュ悍 鏈嶅姟瑙ｅ喅鏂规堛

IPFS 涓鏂囧悕绉版槦闄呮枃浠剁郴缁燂紝鏄涓绉嶇偣瀵圭偣鐨勫垎甯冨紡鏂囦欢绯荤粺锛屾槸涓涓鍩轰簬鍐呭瑰诲潃銆佺増鏈鍖栥佺偣瀵圭偣鐨勮秴濯掍綋浼犺緭鍗忚锛屽叾鐩鐨勫氨鏄瑕佽ˉ鍏呯敋鑷冲彇浠ｇ敤浜 20 澶氬勾鐨勪紶缁熺殑涓蹇冨寲瀛樺偍 HTTP 鍗忚銆

IPFS 鐨勪紭鐐瑰湪浜庯細楂樻晥銆佸畨鍏ㄣ侀殣绉併佹案涔呭瓨鍌ㄣ佹垚鏈浣庛佽块棶閫熷害鏇村揩绛夈

HBA 鐨勫尯鍧楁暟鎹閲囩敤 IPFS 鍘讳腑蹇冨寲瀛樺偍缁撴瀯杩涜屽瓨鍌锛屾墍鏈夊尯鍧楅兘甯︽湁涓婁竴鍖哄潡鐨勬寚閽堝紩鐢锛屼繚璇佹暟鎹涓嶈绡℃敼銆傞噰鐢 sha256 鍑芥暟瀵规暟鎹杩涜屽搱甯屾暎鍒楋紝閲囩敤 ecc 闈炲圭О鍔犲瘑绠楁硶杩涜岃韩浠借よ瘉锛岄噰鐢 aes 鍔犲瘑绠楁硶鍔犲瘑绉侀挜锛岄噰鐢 Merkle 鏁伴獙璇佸拰瀛樺偍浜ゆ槗銆

HBA 鍏閾剧粨鍚堝尯鍧楅摼浼樺娍鐨勫垎甯冨紡瀛樺偍锛屾棬鍦ㄦ彁楂樻暟鎹瀹夊叏鎬с侀殣绉佹у拰鐢ㄦ埛瀵瑰叾鏁版嵁鐨勬帶鍒讹紝鍚屾椂鐢ㄦ埛鍙備笌杩涙潵鎻愪緵瀛樺偍绌洪棿鍙鑾峰緱閫氳瘉濂栧姳銆

1) 鐩鍓嶇姸鎬侊細鐮斿彂涓

2) 2019 骞 2 鏈堬細浠ｇ爜寮婧愮爺鍙

3) 2020 骞 10 鏈堬細涓荤綉娴嬭瘯涓婄嚎

鍖哄潡閾句綔涓轰竴闂ㄦ柊鍏寸殑鎶鏈锛屾兜鐩栦簡鍘讳腑蹇冨寲銆佸幓淇′换銆佸叡浜缁忔祹銆佸垎甯冨紡璁＄畻銆佸垎甯冨紡瀛樺偍绛夊氭柟闈㈢殑鍐呭癸紝浼氬叏闈㈤潻鏂扮幇鏈夌殑 绀句細 浣撶郴銆

HBA 鍏閾句竴鐩翠互鏉ラ兘鍧氭寔涓庢椂淇辫繘锛屼笉鏂瀛︿範鏂扮殑璁捐＄悊蹇靛拰寮鍙戞妧鏈锛岀敤鏈鏂扮殑璁捐＄悊蹇垫潵鏈嶅姟瀹㈡埛锛岃揪鍒拌壇濂界殑鐢ㄦ埛浣撻獙銆傜墿鑱旂綉琛屼笟钃鍕冨彂灞曪紝鍞鏈夊垱鏂扮殑鎶鏈鍜屾ā寮忥紝鍙浠ユ寔涔呴暱瀛橈紝鎴戜滑鍧氫俊锛氬垱鏂版槸浜虹被鍓嶈繘鐨勬案鎭掑姩鍔涳紝鎶鏈鏈夎捣鐐癸紝鍒涙柊娌℃湁缁堢偣锛佸垱鏂般佸姟瀹炪侀珮鏁堝皢鏄鎴戜滑姘歌繙杩芥眰鐨勭洰鏍囷紒

鍗佸叓

㈦ 在大数据时代，有哪三种大数据公司活跃在大数据产业链上呢

基于数据本身的公司：自身拥有大量的数据资源，比如政府机构；
基于技术的公司：比如勤智数码大数据处理平台；
基于思维的公司：可以依托大数据分析为企业提供战略方向，比如魔镜的大数据服务和勤智数码大数据咨询服务。按照以上的三种角色，对大数据的商业模式做了梳理和细分。
“数据拥有者”的商业模式数据拥有者，这样的公司有三类：
1.大数据是业务核心，对大数据的重复利用是其发展的原动力，例如Google、Amazon、Inrix等；这种公司具有很强大的大数据技术能力，多数时候大数据技术本身主要用于自身的运作，具有三种产业链角色：数据+技术+服务；
2.大数据是作为提高生产效率、增加业务收入或者创造新的收入的使能器，非厂商的主流业务；例如运营商、银行等，运营商的主要业务是通过通信设备提供的各种网络语音和数据业务，目前运营商本身并不通过数据的重复利用为主要手段来盈利；
3.数据中间商，本身不具有创造数据的能力，从各种地方搜集数据进行整合，然后再提取有用的信息进行利用；它们的商业模式有：
2B：面向企业或者公共政府部门，提供数据分析结果的服务；例如Inrix在交通信息领域，面向GPS生产商、和交通规划部门、 FedEX和UPS等物流公司等，出售完整的当前甚至未来的交通状况的模式图或者数据库；2C：面向个人，提供基于数据分析结果的服务。例如：Inrix提供一个免费的智能手机应用程序，一方面它可以为用户提供免费的交通信息，另一方面它自己就得到了同步的数据。
2D：租售数据/信息模
式（数据资产分享和交易平台），新的商业模式，把数据/信息作为资产直接进行销售；例如：Twitter把它的数据都通过两个独立的公司授权给别人使用；VISA和MasterCard收集和分析了来自210个国家的15亿信用卡用户的650亿条交易记录，用来预测商业发展和客户的消费趋势。然后，它把这些分析结果卖给其他公司；“技术提供者”的商业模式技术提供者的2B商业模式是目前的主流，有4种类型：提供单点技术，pure-play为主，例如：Teradata为沃尔玛和Pop-Tarts这两个零售商提供大数据分析技术，来获得营销点子；提供整体解决方案，IT厂商为主，例如：IBM提供软硬一体的大数据解决方案；华为基于IT基础设施领域在存储和计算的优势，提供整体大数据解决方案；大数据空间出租模式：大数据计算基础设施上（与云结合），通过出租一个虚拟空间，从简单的文件存储，逐步扩展到数据聚合平台，例如腾讯开放云战略为大数据创业者提供了廉价的数据基础设施，使中小企业也有机会在大数据领域创新业务。Bigdata as a service，新的商业模式，提供E2E在线大数据技术或者解决方案。例如 RJMetrics，为电商提供快捷的商业智能在线服务，软件定价为 500 美元每月，客户只需在软件端输入特定数据，RJMetrics
便会将这些信息备份到安全的服务器上，并承诺在7日内优化数据用以分析，之后以清晰简洁的界面将数据分析结果反馈给客户。再例如，GoodData面向商业用户和IT企业高管，提供数据存储、性能报告、数据分析等工具，将所有商业智能分析所需的数据和任务都搬到了云上；技术提供者的2C商业模式，目前较少，与cloud结合后有很大的空间，未来是趋势。例如：面向个人的家庭帐单、家庭耗能节能等或者面向个人数据的大数据解决方案。
“服务提供者”的商业模式服务提供者有两种，一种是应用服务提供者，另一种是咨询服务提供者。应用服务提供者是基于大数据技术，对外提供服务：

2B：面向企业或者公共政府部门，提供数据分析结果的服务；例如前面提过的Inrix;
2C：面向个人，提供基于数据分析的服务；例如： Flight_caster 和FlyOnTime.us基于分析过去十年里每个航班的情况，然后将其与过去和现实的天气情况进行匹配，预测航班是否会晚点；咨询服务提供者，提供技术服务支持、技术（方法、商业等）咨询，或者为企业提供类似数据科学家的咨询服务；2B 商业模式：定位在某一具体行业，通过大量数据支持，对数据进行挖掘分析后预测相关主体的行为，以开展业务；利用数据挖掘技术帮助客户开拓精准营销或者新业务，有时企业收入来自于客户增值部分的分成。 例如德国咨询公司GFK帮助Telefonica 面向零售商、政府部门、公共机构提供基于地点的人员流动（Footfall）数据：以时间为维度（小时/天/月/年），在特定区域的人员人口统计数据（性别、年龄）和行动等数据； 这类企业成长非常快，一般擅长数据挖掘分析技术，帮助一些数据大户如银行、运营商等开展新的业务。