大数据彭博

㈠ 全球还要多久才能恢复到疫情之前的正常状态

全球还要多久才能恢复到疫情之前的正常状态？

据大数据统计，预计7.4年！

综合多家研究与统计机构数据，全球接种新冠疫苗的人数目前已经超越全球累计新冠确诊病例数。据彭博社建立的全球最大疫苗接种数据库推算，依照目前的接种速度，全球还需要7.4年才能恢复疫情之前的正常状态。

2月6日，根据牛津大学和美国疾病控制与预防中心的数据，截至3日，全球人口已经接种了1.049亿剂新冠疫苗，而当日全球累计确诊病例为1.041亿。

世界卫生组织呼吁各国在完成对重点人群接种后共享新冠疫苗，同时新冠疫苗制造商应大幅扩大生产规模。并鼓励制造商在获得大量公共资金后共享其数据和技术，以确保全球公平获得疫苗。

㈡ 大数据可否被神化

大数据可否被神化
大数据的发展速度让人瞠目结舌，大数据应用的快速深入也引起业界广泛关注，如今，大数据总量的增长主要归功于非结构化数据的增长。
广义的非结构化数据也包括了半结构化和多结构化数据，目前普遍被认为占到总量的85%以上，而且增速比结构化数据快得多。低信息密度的非结构化数据是大数据的一大挑战，而挑战才是机会，业界巨擘们创造了很多新的概念来迎接非结构化数据，NoSQL数据库就是其中最亮丽的一个。
对此，数据库行业的老法师Mike Stonebraker对此耿耿于怀，不惜力推“血统”更纯正的NewSQL数据库；Sybase公司的CTO Irfan Khan甚至说大数据（这个新概念）根本就是个大谎言，声称他们的数据仓库工具早就能分析包括非结构化数据在内的大数据。
实际上，这类总量数据的预测，对于存储和网络企业的投资者来说，无疑能提升信心，但对其他人来说，没有太大意义。他们更关心的是个体行业、企业甚至个人数据的状况。
由此，毋庸置疑，必须要对大数据有清醒的认识。大数据是一种新的数据形态和实践，它不是取代当前主流的数据应用，而是与之并存。并且，在今后相当长的时间内，它仍然是个新鲜事物。即使年复合增长率高达32%，到2016年全球大数据技术和服务市场总额也就是240亿美金左右（IDC在2012年底的预测）。不切实际、一窝蜂地上大数据项目不应鼓励。明明不算大数据，却偏要乔装打扮，削足适履上马Hadoop和NoSQL更不足取。
大数据也是一种战略、世界观和习惯。即使今天没有大体量的数据，还是可以尽可能自觉、客观、全面地测量世界，为未来的大数据实践做准备。对于一个企业或系统来说，真正的挑战在数据采集而非存储。
微信在设计之初就把数据监控精细化，并纳入基础框架，这是意识和实力的体现。有多少公司像彭博社那样“如饥似渴”地采集数据？它能够雇佣一个卫星每周对位于俄克拉何马的美国最大原油储备库拍照，根据油罐浮动顶的阴影长度来判断原油储备量的变化。所以，成功者有成功的必然性。
其实“数据即价值”的价值观早已存在，Value不是大数据专享的属性，小数据照样有大价值。大数据的功劳在于唤醒大家的意识和觉悟。同样，从数据中发现价值的实践由来已久，横跨数据库、统计学和机器学习交叉学科的数据分析是大数据分析的基础，但传统的数据分析实践是无法适应大数据的发展的。
大数据虽然价值巨大，但是不能盲目神化大数据，有些人认为大数据是能够包治百病的灵丹妙药，也有些人认为大数据是包装旧观念而已，将大数据矮化，这两种观点都是不可取的，对部分人来说，大数据已经是个客观存在和竞争优势；对绝大多数人来说，大数据可以是一种“从现在做起”的世界观，是一种未雨绸缪、决战未来的战略，这样才是正确对待大数据的态度。

㈢ 所有的大数据都是有价值的吗

所有的大数据都是有价值的吗
大数据不一定等同于好数据，且越来越多的专家也坚信这一点，大数据并不会自动产生好的分析结果。如果数据不完整、断章取义或者被破坏，可能会导致企业产生错误的决策，从而削弱企业的竞争力或影响用户个人日常生活。

美国哈佛大学教授、定量社会科学研究所主任——Gary King就曾因数据分析时断章取义，得出了错误的结果。他发起了一个大数据分析项目，即通过检测Twitter和其他社交媒体帖子中的“工作”、“失业”和“分类”等关键词，来预测美国的失业率。
通过使用情感分析的技术，该组织收集了包含这些关键字的tweet和其他社交媒体帖子，来查看这些帖子的增加或减少是否与每月失业率存在相关性。
在监测这些内容时，研究人员发现包含其中一个关键字（“工作”）的帖子数量急剧增加，但随后，他们发现这与失业率毫无关系，因为他们忽略了乔布斯（乔布斯的名字Jobs也有“工作”的意思）去世的消息。我们应从这个例子中吸取教训，不要完全依靠“神奇”的大数据来指导决策。
King表示，“jobs”的双重含义只是诸多类似事件之一，在这一领域工作的人都遇到过类似的经历。他说：“这些关键字列表在短期内可能可行，但从长远来看，往往会带来灾难性的失败。你可以通过添加额外的关键字来解决问题，但这需要大量的人力参与。”
你可以输入关键些到Bing Social页面，便会看到一些相关或者无关的东西。如果你不更改查询，随着时间的推移，你会发现含有这些关键词的话题正以某种方式逐渐偏离主题，有时候偏离比较小，有时候却很大。”
但King表示，总体而言，很多大数据分析都产生了有用的内容。Vantiv公司首席安全官兼高级副总裁Kim Jones表示，这不是一个新问题，但如果人们认为大量数据能够奇迹般地产生良好的分析结果，这个问题可能会变严重。他指出：“Jobs的例子是一个经典的案例，数据本身并不等同于智慧。”
King认为内容是关键。他是大数据分析公司Crimson Hexagon首席科学家兼联合创始人，用该公司市场营销执行副总裁Wayne St. Amand的话来说，该公司旨在为在线对话提供“内容、意义和结构”。
然而，越来越多没有内容的数据在推动决策过程。华尔街日报2月份曾报道，医疗保险公司使用大数据来为其用户创建个人资料文件。该公司追踪的信息之一是购买加大号衣服的历史记录，这可能会导致将转诊转为减肥的计划。
没有人会觉得鼓励人们更健康地生活是错误的事情，但是这方面涉及的隐私问题却令人不安。这个人购买加大号衣服可能是送给另一位家庭成员。而且这种隐私问题可能带来更严重的影响。《彭博商业周刊》在2008年曾报道过有人因购买处方药的历史记录，而被保险公司拒绝为其上医疗保险，而这个人买药的历史记录暴露这个人有轻微的心理健康问题。
Adam Frank在博客中指出，在某些情况下，银行会因为用户在社交网站LinkedIn或者Facebook上的联系人的情况而拒绝用户的贷款。如果你的朋友赖账，你的信誉可能也会受到他们的信誉的影响。ACLU高级政策分析师Jay Stanley指出，“信用卡公司有时会因为其他消费者的信贷历史记录而降低消费者的限额。”
Kim Jones表示，从相关性得出结论，而不进行进一步分析，这给他本人也带来过麻烦。“在80年代后期和90年代初期，有数据显示，驾驶入门级豪华车，且年龄在20和27岁之间的西班牙裔和黑人男性最有可能是毒贩。而我正好符合这个标准，我是非裔美国人，年龄也在这个范围内，当时我开的正式这样的车，但我并不是毒贩。”
他表示，“我们不能只是依靠数据分析，那样可能会导致一些坏的结果。如果你忽略人类的分析因素，那么你的错误率将会非常高。”
简言之，大数据是一个工具，但不应该被视为解决方案。“它可以帮助你缩小范围，从数百万可能缩小到150左右，”Jones表示，“但是我们不能让计算机做一切判断，因为这最终可能会给你带来麻烦。”

㈣ 大数据应用六大模式

大数据应用六大模式
捧着金饭碗，第三方大数据公司是如何在数据堆中觅得“金块”的呢？
“数据挖掘公司的规模不同，影响力不同导致数据挖掘公司的商业模式也有所不同。”南开大学商学院致力于数据挖掘研究的安利平教授在接受商报记者采访时表示，目前比较盛行的数据挖掘公司多为两大运营模式：第一种是直接为企业用户提供其所需求的数据；第二种则是为不同的企业或企业不同的需求，对数据进行分析，提供针对性的信息，以此获利，如天相投顾就是此类公司之一。
中国计算机学会会员、宏源证券研究所计算机行业高级专家赵国栋表示，数据挖掘公司一般有六种商业模式值得参考：第一种是以广联达等公司为代表的租售数据模式，它们通过出售广泛收集、精心过滤时效性强的数据，成为各自行业的翘楚。而庞大的“数据库”则是它们的资产，也是竞争对手难以逾越的门槛；第二种则是以彭博为代表的租售信息模式，它们聚焦在某个行业，广泛收集相关数据、深度整合萃取信息，以庞大的数据中心加上专用的数据终端，形成数据采集、信息萃取、价值传递的完整链条；第三种则是数字媒体模式，在电视、纸媒衰落的背景下，新型的数字媒体公司充分发挥大数据技术的优势，广泛搜集数据开展精准营销业务；第四种则是数据使能模式。譬如阿里金融为代表的小额信贷和电影的票房预测等业务，如果没有大量的数据，缺乏有效的数据分析技术，这些业务就难以开展；第五种则是数据空间运营模式，比如近期势头强劲的网盘，如果从大数据角度来看，便是因为各家纷纷嗅到大数据商机，开始抢占个人、企业的数据资源；第六种则是大数据技术提供商，比如开发语音、视频等数据处理技术的企业。
数据提供商：服务对象的“首席执行客户”
“不管是哪种商业运营模式，拥有庞大的数据库是根本。只有拥有了大而全的数据，才能使数据挖掘公司为多个领域提供数据。”南开大学商学院教授安利平介绍说，有了数据库基础，数据挖掘公司应该做的便是不断完善和更新自己的数据挖掘工具，包括数据分析流程、技术等。
从目前的行情来看，大多数数据挖掘公司都主要服务于银行业、保险业。因为这些行业需求大量客户数据以此来发展业绩，从中获得盈利。
在中国计算机学会会员、宏源证券研究所计算机行业高级专家赵国栋看来，大数据可掘金的行业几乎无处不在，企业对数据的需求已经像毛细血管一样渗透到各个领域。赵国栋表示，数据挖掘公司要做好大数据，“应该比他服务的公司更了解其客户，才能深入分析客户的需求”。如要给一家影院做数据挖掘，就应该调查常来这家影院的消费者，每一个时间段对应什么样的消费者，他们对电影的偏好，以及相关消费的偏好等，数据挖掘公司要做的就是深入到消费者中去。
“以前的数据挖掘，只在乎解决企业的技术问题，大数据时代的数据挖掘，则应该是帮助业务部门开拓市场，扩大客户群体，提供的不只是技术，还包括运营、经营方案等。”赵国栋介绍说，除了市场广阔，具备数据挖掘能力的公司也是资本的宠儿。
“数据的商机就在于媒体策略与选择的更加有效性、媒体可利用的效率提高、传播信息的效率提高等。做到极致，其实数字媒体能够卖的不仅仅是受众的眼球，而是其通路的价值。随视传媒与多家大型流量媒体伙伴合作，要把‘数据’商机和在线销售通路画上等号。”沈雁介绍说。

㈤ 大数据给智能化商业带来不同_大数据的商业模式

大数据给智能化商业带来不同

钱伯斯是IBM公司分析解决方案事业部副总裁。她表示，许多客户够买了大数据和预测分析的服务，但却希望其实现他们已经适应了的老的商业智能工具和数据库工具。

“通常情况下，客户做的往往就是依靠他们已经知道的东西。”钱伯斯在2012年Hadoop峰会上说。“他们希望利用他们现有的基础设施、使用现有的数据和工具。他们不想有任何的不同和改变。所以我告诉我的客户说，如果你不执行不同的操作的话，你不会得到任何不同的结果。”

新的方法，技术和工具需求

钱伯斯是完全正确的，如下从三个方面分析了原因：

1、基础设施。处理和存储大量、多结构化数据集的新方法不断涌现，正是因为传统的关系型技术不能够在单位时间内完成工作或者不具备成本效益。例如，Hadoop允许你在合理的时间内运行开放源码软件以非常低廉的价格存储和处理大数据规模。现在，尝试利用甲骨文的服务。可以节省300万美元的费用，以及6个月的时间。

2、数据。大数据是丰富现有的内部交易数据与其他不同来源的数据，这些来源是来自您的企业之外。这可能意味着这些数据是来自Twitter或Facebook这样的社交媒体、或来自国家气象局、教育部门的公共部门的数据、来自彭博、道琼斯的市场数据。如果你没有混搭数据，你可能不必要进行大数据分析。

3、工具。因为它们必须在新的，更大，更多样化的数据量并行计算基础设施之上，大多数最传统的商业智能工具不会削减。你需要的是现代化的数据可视化和分析平台，使用户能够轻松地处理大数据可视化。为了公平起见，极少数现有的商扰培答务智能供应商，如Tableau和正在努力让自己的产品更好地融入大数据。但是，总的来说，你在过去的十年左右已经使用的旧的报告工具无法为当前的大数据提供足够的可操作的见解。

风险的博弈

但据我所知，这种改变是很难的，所以有时IT部门是为了规避风险。但是，我们正处在一个十字路口。大数据绝不是昙花一现或轻微更好方式的商业智能。这是一个全新的模式，需要思维的重大转变。换句话说，“你已经在经历一些额外的风险了。”按照钱伯斯所说的那样，实现大数据的成功。

她说，这意味着“如果你想有更多的见解，你一定要注入您的应用程序，你的数据网新信息。”这意味着你必须投资新的基础设施技术等，诸如Hadoop和其他平台上，形中纳成一个新的大数据分析的基础。你需要采用新的最终用户工具，把所有的大数据转换成易于理解的见解。

好消息是，你不必将您的整个现有的基础设施和工具集推倒重来。事实上，我强烈反对那样做缓慧。你现在所使用的商业智能和数据仓库有可能是一个原因，因为他们已经在为您提供相应的业务价值。事实上，许多大数据技术确实能帮助你从现有的数据库和工具获得更多的价值。

当涉及到大的数据，从小事做起。确定一个特定的需要解决的业务问题，一个固定的业务才能带来实实在在的利益。与大数据行业的同行们交流学习。

㈥ 怎么找电子版七上历史大数据

怎么找电子版七上历史大数据
资料搜集是个相当繁琐与累的工作，也是投资入门的基本，良好的信息资料搜集能力有利于我们快速了解投资主体的基本情况，为后续的调研及一手资料的获得打下较好的基础。

一、搜索引擎（重点掌握）

搜索引擎是我们信息资料搜集的最重要的渠道之一，用搜索引擎查找信息资料需要使用恰当的关键词和一些搜索技巧。目前国内主要的搜集引擎有如下10个，近期还有较多行业型搜索冒出来，需找专业型行业资料可以使用行业型搜索引擎。

由于每个搜索引擎都有一定的局限性，可以把要搜索的关键词在多个搜索引擎试一下，可能会搜出你意想不到的结果。

大家对国内的引擎基本都很熟悉，尤其是网络和google，需要搜索同一主题的资料，不同的人所搜出来的结果可能就天差地别了，主要原因在于如下两点：

1、搜索关键字的选择

举例说明，假如我们要搜索大数据行业发展相关资料，如果我们就在网络上搜索“大数据”，结果非常多，无法进行筛选，可以对关键词进一步界定，如“大数据行业”、“大数据市场规模”、“中国大数据产业”、“大数据技术”、“大数据企业”等等，需要不停地变换搜索关键词，直到查到满意的搜索结果，在查找的过程中可以根据查找结果内容再进行对关键词进行修正，修正有些名称专业表达方式，因为最开始搜索我们表达的不一定准确。

2、搜索技巧

主要是针对网络、google等搜索引擎一些高级搜索技巧。常用技巧主要有如下几个方面：

（1）文件类型搜索：使用filetype，如在网络或google中键入“filetype:pdf 大数据”搜索出有关大数据内容pdf内容，而且这些文档基本都是可直接下载。还可以变换为其他的如“filetype:doc”、“filetype:ppt”、“filetype:xls”等等，注意其中的冒号为英文的冒号，一定要变换为英文冒号。

（2）定位于哪个网站上搜索：使用site，如在网络或google中键入“大数据空格site:sina.com”,则在http://sina.com搜索有关大数据的一些资料信息，这个特别适用针对某些信息可能在哪些网站上出现的一个快速搜索方法，注意冒号也是英文的，网站名称也不用加www。

（3）精确匹配搜索：使用“”，如在网络中键入“大数据行业”，表示搜索“大数据行业”五个必须联在一起的，如果不加“”，搜到的为大数据及行业两个词并列显示结果，没有这么精确匹配。

（4）限制性的网页搜索：使用intitle,如在网络键入“intitie:大数据”，限定于搜索标题中含有“大数据”网页，如果输入“intitie:大数据市场规模”限定于搜索标题中含有“大数据”和“市场规模”的网页。

3、搜索引擎推荐

1）http://scholar.google.com/ 虽然还是Beta版，但个人已觉得现在已经是很好很强大了，Google学术搜索滤掉了普通搜索结果中大量的垃圾信息，排列出文章的不同版本以及被其它文章的引用次数。略显不足的是，它搜索出来的结果没有按照权威度（譬如影响因子、引用次数）依次排列，在中国搜索出来的，前几页可能大部分为中文的一些期刊的文章。

2）http://www.scirus.com Scirus 是目前互联网上最全面、综合性最强的科技文献搜索引擎之一，由Elsevier科学出版社开发，用于搜索期刊和专利，效果很不错！Scirus覆盖的学科 范围包括：农业与生物学，天文学，生物科学，化学与化工，计算机科学，地球与行星科学，经济、金融与管理科学，工程、能源与技术，环境科学，语言学，法 学，生命科学，材料科学，数学，医学，神经系统科学，药理学，物理学，心理学，社会与行为科学，社会学等。

3）http://www.base-search.net/ BASE是德国比勒费尔德(Bielefeld)大学图书馆开发的一个多学科的学术搜索引擎，提供对全球异构学术资源的集成检索服务。它整合了德国比勒费尔德大学图书馆的图书馆目录和大约160个开放资源（超过200 万个文档）的数据。

4）http://www.vascoda.de/ Vascoda是一个交叉学科门户网站的原型，它注重特定主题的聚合，集成了图书馆的收藏、文献数据库和附加的学术内容。

5）http://www.goole.com/ 与google比较了一下发现，能搜索到一些google搜索不到的好东东 。它界面简洁，功能强大，速度快，YAHOO、网易都采用了它的搜索技术。各位可以一试。

6）http://www.a9.com Google在同一水平的搜索引擎。是Amazon.com推出的，Webresult部分是基于Google的，所以保证和Google在同一水平，另外增加了Amazon的在书本内搜索的功能和个性化功能：主要是可以记录你的搜索历史。现在还是Beta，不过试用后感觉很好，向大家推荐一试 ，不过缺憾是现在书本内搜索没有中文内容。

7）http://www.ixquick.com 严格意义上讲不是搜索引擎，是连接搜索引擎和网络用户的信息立交桥。新一代的搜索引擎应运而生，Ixquick meta－search正是目前最具光芒的新星。但是对于大多数国内用户来说，Ixquick还很陌生。Ixquick众多独特的功能我不一一介绍了，只介绍我们最关心的，搜索数据库密码。使用方法：先进入Ixquick，以“Proquest”数据库为例。填入Proquest Username Password History Online后点击search，看看出来的结果，第一页中第6个，proquest的username和password赫然在目，别急，再看第4个结 果“HB Thompson Subscription Online Databases”，即http://homework.syosset.k12.ny.us/onlinedbs/HBTDatabases/，进入 后发现这是一个密码页，选择Magazines& Journals栏，就有 EBSCO、Electric Library Elementary、Electric LibraryElementary、ProQuest Platinum (in school)、ProQuest Platinum(remote)等众多数据库的密码，都有uesrname和password，随便试一下EBSCO，OK，成功登陆。

8）http://vivisimo.com/ cmu的作品，对搜索的内容进行分类，这样可以有效地做出选择，比较有特色。可实现分类检索，检索速度也很好，如EBSCO 密码几分钟就可找一大堆 .http://search.epnet.com/，User ID:mountain，Password: ridge，这个密码可以试试。

9）http://www.findarticles.com/ 一个检索免费paper的好工具。进入网页以后，可以看到他有三个功能，driectory web article，其中article对我们很有帮助，你可以尝试输入你要找的文章，会有很多发现的！

10）http://www.chmoogle.com 现点击后或跳转到http://www.emolecules.com ，在此搜索引擎里可以搜索到超过千万种化学品信息或相应的供应商，与Chemblink有点相似，但提供的化学品理化信息没有Chemblink详细，与其不同的是该搜索引擎可提供化学品结构式搜索（主页上有在线绘制化学结构式的搜索框）。

11）http://www.ojose.com/ OJOSE (Online JournalSearch Engine，在线期刊搜索引擎)是一个强大的免费科学搜索引擎，通过OJOSE，你能查找、下载或购买到近60个数据库的资源。但是感觉操作比较复杂。

12）http://citeseer.ist.psu.e/ 一个关于计算机和信息科学的搜索引擎。

13）http://hpsearch.uni-trier.de/ 专家个人主页搜索引擎。

14）www.aol.com 里面的搜索引擎功能由google提供，搜索结果与google一样，如果google无法登陆，可以用这个网站代替。

二、数据库

数据库是研究人员重要的数据来源之一，目前券商、基金研究研究机构都购买有商业数据库，目前研究用的数据库主要分为两大类，一是商业数据库，二是学术数据库。

1、商业数据库

商业数据库大多为金融投资所用，主要分为国内与国外数据库两大类。1）国内商业数据库国内数据库主要有如万德、恒生聚源、锐思数据库、CSMAR数据库、巨潮数据库等。目前万德数据库主要定位于国内高端客户，市场占有率较高，80%左右，当然其售价较高。恒生聚源也定位为机构客户，性价比较高，售价要比万德便宜的多。CSMAR数据库定位于学术与高校，其中金融数据比较全，强大。锐思数据库定位于学术，质量一般。巨潮数据库为深交所旗下数据库，有一定的特殊优势。

2）国外商业数据库

国外数据库主要有彭博、路透社、CEIC、OECD、Haver Database、Thomson Financial One Banker等，国外数据库中彭博是比较全也大的，在国内销售也较好，但是售价奇贵。一般不做国际市场研究，大多用不到国外数据库，毕竟国外数据库公司对国内的行业数据及公司数据不如本土数据库公司的做得好。

2、学术数据库

学术数据库基本为高校、研究机构所用，也分为国内与国外两大类，学术数据库中一些学术论文、行业数据、统计年鉴还是有用的，缺点就是其中有些数据的相对较旧，无法做到实时更新。

1）国内学术数据库

中国知网：国内最大学术数据库，包括期刊、学位论文、统计年鉴等。

万方数据：仅次于中国知网，包括期刊、学位论文等。

人大复印资料：期刊、论文等。

维普：期刊、论文等。

中经网：有较多行业研究报告，宏观数据较全。

国研网：数据较为权威，有些报告可以一看。

上海公共研发平台：可以注册，人工审核，内包含较多数据库。

2）国外学术数据库

EBSCO：较全的一个数据库，内包含较多的商业数据，好用

Elsevier：学术文章全，更新速度快。

以上大致介绍了国内的商业及学术数据库，但这些数据库都是通过收费或学校账号才能使用，对于平时临时研究用的一些人，没有必要去购买，下面介绍一些免费可用的数据库。

3）免费可用的数据库

数据汇：http://www.shujuhui.com/database/ 国内的宏观数据，国外的也有一部分，可以导出来，免费好用。

数据圈：http://www.shujuquan.com.cn/ 免费共享平台，行业研究报告，统计年鉴等